2011marelemente de Algebra Liniara PDF

Nicolae Cotfas
ELEMENTE DE
ALGEBRA LINIARA
EDITURA UNIVERSITATII DIN BUCURESTI

Introducere
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.
Bucuresti, 2009 Nicolae Cotfas
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
3.2 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
4 Spatii vectoriale euclidiene 85

4.2 Baze ortonormate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
4.3 Complementul ortogonal al unui subspatiu . . . . . . . . . . . . . . . 93
4.4 Adjunctul unui operator liniar . . . . . . . . . . . . . . . . . . . . . . 94
4.5 Operatori autoadjuncti . . . . . . . . . . . . . . . . . . . . . . . . . . 98
4.6 Transformari unitare . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
4.7 Transformari ortogonale . . . . . . . . . . . . . . . . . . . . . . . . . 108
5 Forme patratice 111

5.2 Reducere la forma canonica . . . . . . . . . . . . . . . . . . . . . . . 114
6 Conice 121
6.2 Reducere la forma canonica . . . . . . . . . . . . . . . . . . . . . . . 124
7 Ecuatii si sisteme de ecuatii diferentiale liniare 129

7.1 Ecuatii diferentiale de ordinul ntai . . . . . . . . . . . . . . . . . . . 129
7.2 Ecuatii diferentiale liniare de ordin superior . . . . . . . . . . . . . . 135
7.3 Sisteme diferentiale liniare . . . . . . . . . . . . . . . . . . . . . . . . 146
8 Grupuri. Reprezentari liniare 159

8.1 Grupuri . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
8.2 Reprezentari liniare . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
8.3 Reprezentari ireductibile . . . . . . . . . . . . . . . . . . . . . . . . . 163
8.4 Reprezentari unitare si ortogonale . . . . . . . . . . . . . . . . . . . 165
8.5 Grupul rotatiilor. Reprezentari liniare . . . . . . . . . . . . . . . . . 168
9 Algebre Lie. Reprezentari liniare 177

9.1 Algebre Lie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
9.2 Reprezentari liniare . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
9.3 Reprezentari ireductibile . . . . . . . . . . . . . . . . . . . . . . . . . 187
9.4 Reprezentarile algebrelor sl(2, C), su(2) si o(3) . . . . . . . . . . . . 189
Capitolul 1
Matrice si determinanti
1.1 Matrice
Definitia 1.1 Fie K unul dintre corpurile R, C. Prin matrice cu n linii si m

coloane, cu elemente din K, se ntelege o aplicatie
A : {1, 2, ..., n} {1, 2, ..., m} K : (i, j) 7 aij
descrisa uzual cu ajutorul tabloului

a11 a12 a1m
a21 a22 a2m
A=

an1 an2 anm
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
iar produsul dintre un numar K si o matrice A Mnm (K) se defineste prin

relatia
a11 a12 ... a1m a11 a12 ... a1m
a a22 ... a2m
a21 a22 ... a2m

21
= .

... ... ... ... ... ... ... ...
an1 an2 ... anm an1 an2 ... anm
Propozitia 1.3 Daca A, B, C Mnm (K) si , K atunci
(A+B)+C = A+(B +C), A + B = B + A,
(A + B) = A + B, (+)A = A+A
1A = A (A) = ()A.
Demonstratie. Relatiile rezulta din
(aij +bij )+cij = aij +(bij +bij ) aij + bij = bij + aij ,
(aij + bij ) = aij + bij , (+)aij = aij + aij
1 aij = aij , (aij ) = ()aij .
Definitia 1.4 Produsul AB al matricelor A Mnm (K) si B Mmp (K) se

defineste prin formula

a11 a12 ... a1m b11 b12 ... b1p
a
21 a22 ... a2m b21 b22 ... b2p

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

an1 an2 ... anm bm1 bm2 ... bmp

Pm Pm Pm
j=1 a1j bj1 j=1 a1j bj2 ... j=1 a1j bjp
P
m Pm Pm
j=1 a2j bj1 j=1 a2j bj2 ... j=1 a2j bjp

=

.

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

Pm Pm Pm
j=1 anj bj1 j=1 anj bj2 ... j=1 anj bjp
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
Propozitia 1.6 Daca A Mnm (K) si B, C Mmp (K) atunci
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
Propozitia 1.7 Daca A Mnm (K), B Mmp (K) si K atunci
(AB) = (A)B = A(B).
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.
Propozitia 1.9 Inversa unei matrice patratice, daca exista, este unica.
Demonstratie. Fie A Mnn (K). Presupunand ca exista doua matrice B, C

Mnn (K) astfel ncat AB = BA = I si AC = CA = I se obtine ca
B = BI = B(AC) = (BA)C = IC = C.
1.2 Determinanti
Observatia 1.2 In cazul 11 22 12 21 6= 0, rezolvand sistemul de ecuatii

(
11 x1 + 12 x2 = 1
21 x1 + 22 x2 = 2
prin metoda reducerii se obtine solutia
1 22 2 12 2 11 1 21
x1 = , x2 =
11 22 12 21 11 22 12 21
care poate fi scrisa sub forma

11 1

1 12
2 22 21 2

x1 =
, x2 =

11 12 11 12

21 22 21 22

daca se utilizeaza notatia

a a12
11
= a11 a22 a12 a21 .

a21 a22

Definitia 1.10 Fie K unul dintre corpurile R, C si fie matricea patrata

!
a11 a12
A= M22 (K).
a21 a22
Numarul
a a12
det A = 11 = a11 a22 a12 a21 (1.1)

a21 a22
se numeste determinantul matricei A.
Observatia 1.3 In cazul n care sistemul de trei ecuatii cu trei necunoscute

11 x1 + 12 x2 + 13 x3 = 1

21 x1 + 22 x2 + 23 x3 = 2

x + x + x =
31 1 32 2 33 3 3
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
daca se utilizeaza notatia

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 .
Definitia 1.11 Fie K unul dintre corpurile R, C si fie matricea patrata

a11 a12 a13
A = a21 a22 a23 M33 (K).

a31 a32 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
Definitia 1.12 Prin permutare de grad n se ntelege o functie bijectiva
: {1, 2, ..., n} {1, 2, ..., n}.

Observatia 1.4 O permutare de grad n poate fi descrisa cu ajutorul unui tablou

!
1 2 n
=
(1) (2) (n)
Vom nota cu Sn multimea tuturor permutarilor de grad n.
Definitia 1.13 Prin signatura permutarii
: {1, 2, ..., n} {1, 2, ..., n}
se ntelege numarul
Y (i) (j)
() = .
1i<jn
ij
Exemplul 1.1 Avem S3 = {1 , 2 , ... , 6 } unde

! ! !
1 2 3 1 2 3 1 2 3
1 = , 2 = , 3 = ,
1 2 3 2 3 1 3 1 2
! ! !
1 2 3 1 2 3 1 2 3
4 = , 5 = , 6 =
3 2 1 1 3 2 2 1 3
si
(1 ) = (2 ) = (3 ) = 1, (4 ) = (5 ) = (6 ) = 1.
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
Definitia 1.14 Fie matricea patrata

a11 a12 a1n
a21 a22 a2n
A= Mnn (K).

an1 an2 ann
Numarul

a11 a12 a1n

a21 a22 a2n X
det A = = () a1(1) a2(2) an(n) (1.3)

Sn
an1 an2 ann

Observatia 1.6 Din definitia (1.3) rezulta ca det A este o suma de produse de cate
n elemente ale matricei A, fiecare produs continand un singur element de pe fiecare
linie si un singur element de pe fiecare coloana.
Observatia 1.7 Din relatia (1.2) rezulta

a a12 a13 a a21 a31
11 11
a21 a22 a23 = a12 a22 a32

a31 a32 a33 a13 a23 a33
(determinantul unei matrice coincide cu determinantul transpusei). Se poate demon-

stra ca o astfel de relatie are loc pentru orice matrice patrata.
Propozitia 1.15 Daca A Mnn (K) atunci
det A = det tA.
Observatia 1.8 Din (1.2) rezulta relatiile

a a12 a13 a a22 a23 a a12 a13 a a32 a33
11 21 11 31
a21 a22 a23 = a11 a12 a13 = a31 a32 a33 = a21 a22 a23

a31 a32 a33 a31 a32 a33 a21 a22 a23 a11 a12 a13
(daca schimbam ntre ele doua linii semnul determinantului se schimba)

a a12 a13 a a11 a13 a a13 a12 a a12 a11
11 12 11 13
a21 a22 a23 = a22 a21 a23 = a21 a23 a22 = a23 a22 a21

a31 a32 a33 a32 a31 a33 a31 a33 a32 a33 a32 a31
(daca schimbam ntre ele doua coloane semnul determinantului se schimba). Se

poate demonstra ca un astfel de rezultat este valabil pentru orice matrice patrata.
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.
Demonstratie. Afirmatia rezulta direct din definitia (1.3).
Observatia 1.9 Din (1.2) rezulta ca

2 3 1 a13
1 1
1 2 3 = 0, 2 2 a23 = 0.

a31 a32 a33 3 3 a33
Se poate demonstra urmatorul rezultat mai general.
Propozitia 1.18 Determinantul unei matrice patrate cu doua linii (sau coloane)
identice este nul.
Propozitia 1.19 Pentru orice k {1, 2, ..., n} avem

a11
a12 a1n

a11
a12 a1n

ak1 ak2 akn = ak1 ak2 akn

an1 an2 ann an1 an2 ann
si

a11 a1k a1n

a11
a1k a1n

a21 a2k a2n a
21 a2k a2n
= .

an1 ank ann an1 ank ann
Demonstratie. Relatiile rezulta direct din definitia (1.3).

Propozitia 1.20 Daca elementele a doua linii (sau coloane) ale unei matrice sunt
proportionale atunci determinantul matricei este nul.
Demonstratie. Afirmatia rezulta din propozitiile 1.18 si 1.19.
Propozitia 1.21 Avem

a11 a12 ... a1n
a11 a12 ... a1n
a11 a12 ... a1n

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

ak1 +bk1 ak2 +bk2 ... akn +bkn = ak1 ak2 ... akn + bk1 bk2 ... bkn

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

an1 an2 ... ann an1 an2 ... ann an1 an2 ... ann
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
Demonstratie. Relatiile rezulta direct din definitia (1.3).
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.
Observatia 1.10 Relatia (1.2) se poate scrie sub formele

a a12 a13
11 a
22 a23

a21 a22 a23 = (1)1+1 a11

a32 a33

a31 a32 a33

a
21 a23
a a22
1+2
+(1) a12 + (1)1+3 a13 21

a31 a33 a31 a32

(dezvoltare dupa prima linie)

a a12 a13
11 a
12 a13

a21 a22 a23 = (1)2+1 a21

a32 a33

a31 a32 a33

a
11 a13
a a12
2+2
+(1) a22 + (1)2+3 a23 11

a31 a33 a31 a32

(dezvoltare dupa linia a doua)

a a12 a13
11 a
12 a13

a21 a22 a23 = (1)3+1 a31

a22 a23

a31 a32 a33

a
11 a13
a a12
3+2
+(1) a32 + (1)3+3 a33 11

a21 a23 a21 a22

(dezvoltare dupa linia a treia)

a a12 a13
11 a a
22 23
a21 a22 a23 = (1)1+1 a11

a32 a33

a31 a32 a33

a a a a13
12 13 12
+(1)2+1 a21 + (1)3+1 a31

a32 a33 a22 a23

(dezvoltare dupa prima coloana)

a a12 a13
11 a
21 a23

a21 a22 a23 = (1)1+2 a12

a31 a33

a31 a32 a33

a
11 a13
a a13
2+2
+(1) a22 + (1)3+2 a32 11

a31 a33 a21 a23

(dezvoltare dupa coloana a doua)

a a12 a13
11 a
21 a22

a21 a22 a23 = (1)1+3 a13

a31 a32

a31 a32 a33

a
11 a12
a a12
2+3
+(1) a23 + (1)3+3 a33 11

a31 a32 a21 a22

(dezvoltare dupa coloana a treia).
Observatia 1.11 Relatiile anterioare pot fi generalizate si utilizate n calculul

determinantilor.
Propozitia 1.24 Fie K unul dintre corpurile R, C. Daca

a11 a12 a1n
a21 a22 a2n
A= Mnn (K).

an1 an2 ann
atunci n n
X X
det A = (1)i+j aij det Aij = (1)i+j aij det Aij (1.4)
i=1 j=1
unde Aij este matricea care se obtine din A eliminand linia i si coloana j.
Propozitia 1.25 Oricare ar fi i, k {1, 2, ..., n} avem

n
(
X
k+j 0 daca i 6= k
aij (1) det Akj = (1.5)
j=1
det A daca i = k
notatiile fiind cele din propozitia anterioara.
Demonstratie. In cazul i = k afirmatia rezulta din propozitia anterioara. In cazul

i 6= k relatia rezulta dezvoltand dupa linia k determinantul cu doua linii identice

a11 a12 a1n

ai1 ai2 ain

ai1 ai2 ain

ann

an1 an2
rezultat nlocuind n

a11 a12 a1n

ai1 ai2 ain

ak1 ak2 akn

ann

an1 an2
linia k cu linia i.
Teorema 1.26 Matricea

a11 a12 a1n
a21 a22 a2n
A= Mnn (K)

an1 an2 ann
este inversabila daca si numai daca det A 6= 0 si inversa ei este
(1)1+1 A11 (1)2+1 A21 (1)n+1 An1

(1)1+2 A12 (1)2+2 A22 (1)n+2 An2

1 1
A = (1.6)

detA

(1)1+n A1n (1)2+n A2n (1)n+n Ann
notatiile fiind cele din propozitiile anterioare.
Demonstratie. Afirmatia rezulta din propozitia anterioara.
Observatia 1.12 Sistemul de n ecuatii liniare cu n necunoscute

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
se poate scrie sub forma

Ax = b
daca se utilizeaza notatiile

x1 b1

a11 a12 a1n
a21 a22 a2n
x2

b2

A= , x= , b= .

.. ..
. .

an1 an2 ann xn bn
Teorema 1.27 (Cramer) Daca

a11 a12 a1n

a21 a22 a2n
6= 0

an1 an2 ann
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

Demonstratie. Scriind sistemul sub forma matriceala
Ax = b
rezulta ca el are solutia

x = A1 b.
Din relatiile (1.4) si (1.6) rezulta

b1
a12 a1n

1 n j+1 A = 1 b2
a22 a2n
, ,
P
x1 = detA j=1 bj (1)

j1 detA

bn an2 ann

a11
a12 b1

1 Pn j+n 1 a21
a22 b2
xn = detA j=1 bj (1) Ajn = detA .

an1 an2 bn
Exercitiul 1.2 Sa se verifice prin calcul direct ca n cazul a doua matrice

! !
a11 a12 b11 b12
A= , B=
a21 a22 b21 b22
avem
det(AB) = detA detB.
Observatia 1.13 Se poate arata ca relatia det(AB) = detA detB are loc oricare ar
fi matricele A si B de acelasi ordin. In particular, n cazul unei matrice inversabile
1
det A1 = .
det A
Definitia 1.28 Fie K unul dintre corpurile R, C si fie matricea

a11 a12 a1m
a21 a22 a2m
A= Mnm (K).

an1 an2 anm
Prin minor de ordin k al lui A se ntelege un determinant de forma

ai1 j1 ai1 j2 ai1 jk

ai2 j1 ai2 j2 ai2 jk

aik j1 a ik j2 a ik jk
unde
1 i1 < i2 < ... < ik n si 1 j1 < j2 < ... < jk m.
Definitia 1.29 Spunem ca matricea A Mnm (K) are rangul r si scriem
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
2.1 Definitie si exemple

Definitia 2.1 Fie K unul dintre corpurile R sau C. Un spatiu vectorial peste K
este un triplet (V, +, ) format dintr-o multime V si doua operatii
+ : V V V : (x, y) 7 x+y (adunarea)

: K V V : (, x) 7 x (inmultirea cu scalari)
astfel ncat sunt satisfacute urmatoarele conditii:
1. (x + y) + z = x + (y + z), x, y, z V
2. exista un element 0 V astfel ncat 0 + x = x + 0 = x, x V
3. pentru fiecare x V exista x V astfel ncat x + (x) = (x) + x = 0
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
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.
Propozitia 2.2 Daca V este un spatiu vectorial atunci:
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 ) + (y1 , y2 , y3 ) = (x1 + y1 , x2 + y2 , x3 + y3 )
(x1 , x2 , x3 ) = (x1 , x2 , x3 )
este un spatiu vectorial real.
Exemplul 2.2 Multimea

( ! )
x11 x12 x13
M23 (R) = xij R

x21 x22 x23
Spatii vectoriale 25
are o structura de spatiu vectorial real definita prin

! ! !
x11 x12 x13 y11 y12 y13 x11 + y11 x12 + y12 x13 + y13
+ =
x21 x22 x23 y21 y22 y23 x21 + y21 x22 + y22 x23 + y23
! !
x11 x12 x13 x11 x12 x13
= .
x21 x22 x23 x21 x22 x23
Exemplul 2.3 Multimea F(R, C) a tuturor functiilor : R C are o structura

de spatiu vectorial complex definita de
( + )(x) = (x) + (x)

( )(x) = (x), C.
Exemplul 2.4 R are o structura de spatiu vectorial real n raport cu adunarea si

nmultirea uzuala.
Exemplul 2.5 (C, +, ), unde
(x1 + y1 i) + (x2 + y2 i) = x1 + x2 + (y1 + y2 )i

(x + yi) = x + yi, R
este un spatiu vectorial real.
Exemplul 2.6 C are o structura de spatiu vectorial complex n raport cu adunarea

si nmultirea numerelor complexe.
2.2 Subspatii vectoriale
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
Propozitia 2.4 Submultimea W V este subspatiu vectorial daca si numai daca

urmatoarele conditii sunt ndeplinite:
)
xW
a) = x + y W (2.2)
yW
)
xW
b) = x W. (2.3)
K
Demonstratie. (2.1) (2.2): Alegem = = 1.

(2.1) (2.3): Alegem = 0.
(2.2) & (2.3) (2.1):
) )
x, y W (2.3) x W (2.2)
= = x + y W.
, K y W
Observatia 2.1 Orice subspatiu W V are o structura de spatiu vectorial, operatiile

fiind cele induse din V .
Exemplul 2.7 W = {x = (x1 , x2 , x3 ) R3 | x1 + x2 + x3 = 0 } este un subspatiu

vectorial al spatiului V = R3 .
Verificare. Fie x = (x1 , x2 , x3 ) W , y = (y1 , y2 , y3 ) W si , R. Avem
)
x W = x1 + x2 + x3 = 0
= x1 + y1 + x2 + y2 + x3 + y3 = 0
y W = y1 + y2 + y3 = 0
ceea ce arata ca x + y = (x1 + y1 , x2 + y2 , x3 + y3 ) W.

( )
x + 2x x = 0
1 2 3
Exemplul 2.8 W = x = (x1 , x2 , x3 ) R3 este un subspatiu
x1 x2 + x3 = 0

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
este un subspatiu vectorial al spatiului V = Rn .

Exemplul 2.10 R {x = x + 0i | x R } C este un subspatiu vectorial al

spatiului C considerat ca spatiu vectorial real.
Exemplul 2.11 W = { f : R R | f derivabila } este un subspatiu vectorial al
spatiului V = { f : R R | f continua }.
Exemplul 2.12 Multimea matricelor simetrice
n o
W = A M33 (R) | At = A
este un subspatiu vectorial al spatiului

a11 a12 a13

M33 (R) = A = a21 a22 a23 aij R

a31 a32 a33
al tuturor matricelor cu trei linii si trei coloane.
2.3 Subspatiul generat de o multime de vectori
Propozitia 2.5 Daca V este un spatiu vectorial peste corpul K si
M = {v1 , v2 , ..., vn } V
este o submultime a lui V atunci
hM i = { 1 v1 + 2 v2 + ... + n vn | 1 , 2 , ..., n K }
este un subspatiu vectorial al lui V .
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
x + y = (1 + 1 )v1 + (2 + 2 )v2 + (n + n )vn hM i.

Definitia 2.6 Fie V un spatiu vectorial peste K si fie M = {v1 , v2 , ..., vn } V .

Subspatiul vectorial
hM i = { 1 v1 + 2 v2 + ... + n vn | 1 , 2 , ..., n K }
se numeste subspatiul generat de M si se mai noteaza cu span{v1 , v2 , ..., vn } sau

hv1 , v2 , ..., vn i, adica
hv1 , v2 , ..., vn i = { 1 v1 + 2 v2 + ... + n vn | 1 , 2 , ..., n K }.
Definitia 2.7 Spunem ca {v1 , v2 , ..., vn } este un sistem de generatori pentru V

daca
V = hv1 , v2 , ..., vn i.
Exemplul 2.13 Vectorii v1 = (1, 1) si v2 = (1, 1) formeaza un sistem de generatori

pentru spatiul vectorial R2 .
Verificare. Avem de aratat ca R2 = span{v1 , v2 } adica
R2 = {1 (1, 1) + 2 (1, 1) | 1 , 2 R}.
Evident, {1 (1, 1) + 2 (1, 1) | 1 , 2 R} R2 . Ramane de aratat incluziunea

inversa. Fie x = (x1 , x2 ) R2 . Avem de aratat ca exista 1 , 2 R ncat
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 ).
Aceasta relatie se mai poate scrie

(
1 + 2 = x1
1 2 = x2
si conduce la
x1 + x2 x1 x2
1 = , 2 = .
2 2
Exercitiul 2.14 Sa se arate ca n R3 avem
span{(1, 2, 3), (1, 1, 0)} = span{(1, 2, 3), (1, 1, 0), (0, 3, 3)}.
Indicatie. Avem (0, 3, 3) = (1, 2, 3) + (1, 1, 0).
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
atunci {v1 , v2 , ..., vn }\{vk } este sistem de generatori pentru V .
Demonstratie. Orice vector x V este o combinatie liniara de v1 , v2 , ..., vn . Dar

n
X X X X
x= i vi = x = i vi + k i vi = (i + k i )vi .
i=1 i6=k i6=k i6=k
Definitia 2.9 Spunem ca spatiul vectorial V este finit generat daca admite un
sistem de generatori finit.
Conventie. Daca nu se mentioneaza contrariul, spatiile vectoriale considerate n

continuare vor fi presupuse finit generate.
2.4 Dependenta si independenta liniara
Propozitia 2.10 Fie V un spatiu vectorial peste K si v1 , v2 , ..., vn vectori apartinand

lui V . Urmatoarele afirmatii sunt echivalente:
a) Nici unul dintre vectorii v1 , v2 , ..., vn nu se poate scrie ca o combinatie liniara

de ceilalti vectori
b) relatia
1 v1 + 2 v2 + + n vn = 0
este posibila numai daca

1 = 2 = = n = 0
adica
1 v1 + 2 v2 + + n vn = 0 = 1 = 2 = = n = 0.
Demonstratie. a)b) Prin reducere la absurd, presupunand, de exemplu, ca relatia

1 v1 + 2 v2 + + n vn = 0 este posibila si pentru n 6= 0 se obtine
1 2 n1
vn = v1 v2 vn1 .
n n n
b)a) Daca, de exemplu, am avea vn = 1 v1 + 2 v2 + + n1 vn1 atunci
1 v1 + 2 v2 + + n1 vn1 vn = 0
adica relatia 1 v1 + 2 v2 + + n vn = 0 ar fi posibila si n alte cazuri decat

1 = 2 = = n = 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.
Exercitiul 2.15 Sa se arate ca vectorii v1 = (1, 2) si v2 = (1, 3) din R2 sunt liniar

independenti.
Rezolvare. Fie 1 v1 + 2 v2 = 0, adica
1 (1, 2) + 2 (1, 3) = (0, 0)

(1 , 21 ) + (2 , 32 ) = (0, 0)
(1 2 , 21 + 32 ) = (0, 0).
Ultima relatie este echivalenta cu sistemul

(
1 2 = 0
21 + 32 = 0
care conduce la 1 = 2 = 0.
Exercitiul 2.16 Un sistem de vectori liniar independenti nu poate contine vectorul

nul.
Rezolvare. Admitand ca {v1 , v2 , ..., vn } este un sistem de vectori liniar independenti

si ca vn = 0 avem
0v1 + 0v2 + + 0vn1 + 1vn = 0.
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)
Trebuie ca n = 0 deoarece n caz contrar

1 2 n1
vn = v1 v2 vn1 .
n n n
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.
La fel ca mai sus se arata ca n1 = 0, apoi n2 = 0, ... , 1 = 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:
a) eliminam primul vector daca acesta este nul
b) eliminam al doilea vector daca acesta se obtine din primul prin nmultirea cu
un scalar
c) eliminam al treilea vector daca acesta este combinatie liniara de primii doi
d) eliminam al patrulea vector daca acesta este combinatie liniara de vectorii

precedenti, etc.
Exercitiul 2.17 Sa se obtina un sistem liniar independent plecand de la sistemul

de vectori {v1 , v2 , v3 , v4 , v5 } R4 , unde v1 = (0, 0, 0, 0), v2 = (1, 0, 1, 1), v3 =
(2, 0, 2, 2), v4 = (1, 1, 1, 1), v5 = (2, 1, 0, 2).
Raspuns. {v2 , v4 }.
2.5 Baza si dimensiune
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 .
Rezolvare. B este sistem de generatori: oricare ar fi (x1 , x2 ) din R2 avem
(x1 , x2 ) = x1 e1 + x2 e2 .
B este sistem de vectori liniar independenti: din relatia
1 e 1 + 2 e 2 = 0
rezulta
1 (1, 0) + 2 (0, 1) = (0, 0)
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 .
Demonstratie. B fiind sistem de generatori rezulta ca exista scalarii 1 , 2 , ..., n

K ncat x = 1 e1 + 2 e2 + + n en . Presupunand ca ar mai exista reprezentarea
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 .
Definitia 2.15 Fie B = {e1 , e2 , ..., en } o baza a spatiului vectorial V si x V .

Numerele unic determinate 1 , 2 , ... , n din dezvoltarea
x = 1 e1 + 2 e2 + + n en
se numesc coordonatele lui x in raport cu baza B.
Propozitia 2.16 Daca V este un spatiu vectorial,
M = {v1 , v2 , ..., vn }
este un sistem de vectori liniar independenti si
S = {w1 , w2 , ..., wk }
este un sistem de generatori ai lui V atunci

a) n k
b) sistemul de vectori M se poate completa pana la o baza a lui V adaugand

vectori din S.
Demonstratie. a) Vectorul vn este nenul deoarece sistemul de vectori liniar independenti

M nu poate contine vectorul nul. Acest vector este o combinatie liniara de w1 , w2 , ..., wk .
Deoarece cel putin unul dintre coeficientii acestei combinatii liniare este nenul, din
sistemul de generatori {vn , w1 , w2 , ..., wk } se poate elimina un vector astfel incat el
sa ramana n continuare sistem de generatori. Vom elimina primul vector care este
combinatie liniara de cei aflati naintea lui. Vectorul eliminat este unul dintre vec-
torii w1 , w2 , ..., wk si-l notam cu wi1 . Consideram n continuare sistemul de vectori
liniar independenti
M1 = {v1 , v2 , ..., vn1 }
sistemul de generatori
S1 = {vn , w1 , w2 , ..., wk }\{wi1 }
si facem aceleasi operatii, adica luam vn1 din M1 , l adaugam la S1 si eliminam

primul vector wi2 care este combinatie liniara de cei aflati n fata lui. Rezulta astfel
sistemul de vectori liniar independenti
M2 = {v1 , v2 , ..., vn2 }
si sistemul de generatori
S2 = {vn1 , vn , w1 , w2 , ..., wk }\{wi1 , wi2 }.
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
Sn = {v1 , v2 , ..., vn , w1 , w2 , ..., wk }\{wi1 , wi2 , ..., win }.
Eliminand vectorii care sunt combinatii liniare de cei aflati n fata lor rezulta o baza
care contine vectorii din M.
Teorema 2.17 Oricare doua baze ale unui spatiu vectorial au acelasi numar de
vectori.
Demonstratie. Fie
B = {e1 , e2 , ..., en }, B 0 = {e01 , e02 , ..., e0k }
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
daca V admite o baza formata din n vectori.

Notatie. Pentru a indica corpul peste care este considerat V , in loc de dim V vom
scrie uneori dimK V .
Exercitiul 2.19 Sa se arate ca

a) dimR R2 = 2
b) dimR {(x1 , x2 , x3 ) R3 | x1 + x2 + x3 = 0 } = 2
c) dimR C = 2
d) dimC C = 1.
Rezolvare. a) {e1 = (1, 0), e2 = (0, 1)} este baza a lui R2 .

b) Relatia
{(x1 , x2 , x3 ) R3 | x1 + x2 + x3 = 0 } = {(x1 , x2 , x1 x2 ) | x1 , x2 R}
= {x1 (1, 0, 1) + x2 (0, 1, 1) | x1 , x2 R}

arata ca {(1, 0, 1), (0, 1, 1)} este sistem de generatori. Deoarece relatia
x1 (1, 0, 1) + x2 (0, 1, 1) = (0, 0, 0)
conduce la x1 = x2 = 0, sistemul de generatori {(1, 0, 1), (0, 1, 1)} este un sistem

de vectori liniar independenti si deci o baza.
c) C = {x + yi | x, y R } considerat ca spatiu vectorial real admite baza {1, i}.
d) O baza a lui C peste C este B = {1}.
Propozitia 2.19 Pe orice spatiu vectorial complex V se obtine o structura naturala

de spatiu vectorial real prin restrictia scalarilor si
dimR V = 2 dimC V.
Demonstratie. Fie {v1 , v2 , ..., vn } o baza a spatiului vectorial complex V . Oricare ar

fi x V exista numerele complexe 1 + 1 i, 2 + 2 i, ... , n + n i astfel ncat
x = (1 + 1 i)v1 + (2 + 2 i)v2 + + (n + n i)vn .
Scriind aceasta relatie sub forma
x = 1 v1 + 1 iv1 + 2 v2 + 2 iv2 + + n vn + n ivn
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
1 v1 + 1 iv1 + 2 v2 + 2 iv2 + + n vn + n ivn = 0
se poate scrie
(1 + 1 i)v1 + (2 + 2 i)v2 + + (n + n i)vn = 0
si conduce la 1 + 1 i = 2 + 2 i = = n + n i = 0, adica la
1 = 1 = 2 = 2 = = n = n = 0.
Propozitia 2.20 Daca V este un spatiu vectorial real atunci spatiul
V V = { (x1 , x2 ) | x1 , x2 V }
considerat mpreuna cu adunarea pe componente
(x1 , x2 ) + (y1 , y2 ) = (x1 + y1 , x2 + y2 )

si nmultirea cu numere complexe
( + i)(x1 , x2 ) = (x1 x2 , x2 + x1 )
este un spatiu vectorial complex notat cu C V (numit complexificatul lui V ) si
dimC C V = dimR V.
Demonstratie. Fie {v1 , v2 , ..., vn } o baza a spatiului vectorial real V . Aratam ca
B = { (v1 , 0), (v2 , 0), ... , (vn , 0) }
este baza a spatiului vectorial complex C V . Oricare ar fi x1 , x2 V exista numerele

reale 1 , 2 , ... , n si 1 , 2 , ... , n astfel ncat
x1 = 1 v1 + 2 v2 + + n vn , x2 = 1 v1 + 2 v2 + + n vn .
Deoarece i(vj , 0) = (0, vj ) avem
(x1 , x2 ) = (1 v1 + 2 v2 + + n vn , 0) + (0, 1 v1 + 2 v2 + + n vn )
= (1 + 1 i)(v1 , 0) + (2 + 2 i)(v2 , 0) + + (n + n i)(vn , 0).
Daca
(1 + 1 i)(v1 , 0) + (2 + 2 i)(v2 , 0) + + (n + n i)(vn , 0) = (0, 0)
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.
Observatia 2.6 Scriind x1 + x2 i n loc de (x1 , x2 ) obtinem

C
V = { x1 + x2 i | x1 , x2 V }
si nmultirea cu scalari
( + i)(x1 + x2 i) = (x1 x2 ) + (x2 + x1 )i
coincide formal cu nmultirea uzuala a numerelor complexe.

Teorema 2.21 (Kronecker) Daca

a11 a12 a1m
a21 a22 a2m
A= Mnm (K)

an1 an2 anm
si

a1j

j
a2j

Ai = (ai1 ai2 ... aim ) M1m (K), A = .. Mn1 (K)
.

anj
atunci
rang A = dimhA1 , A2 , ..., An i = dimhA1 , A2 , ..., Am i.
Demonstratie. Fie r = rang A. Deoarece rangul lui A nu se schimba prin permutarea
liniilor (sau coloanelor) putem presupune ca

a11 a12 a1r

a21 a22 a2r
d= 6= 0.

ar1 ar2 arr
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
Dezvoltand acest determinant dupa ultima linie obtinem relatia
(1)i+1 ai1 1 + (1)i+2 ai2 2 + + (1)i+r air r + (1)i+r+1 aij d = 0
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
Am aratat astfel ca dimhA1 , A2 , ..., Am i = rang A. Deoarece rang A = rang tA de-

ducem ca dimhA1 , A2 , ..., An i = rang A.
Exercitiul 2.20 Sa se arate ca vectorii
v1 = (v11 , v12 , v13 ), v2 = (v21 , v22 , v23 ), v3 = (v31 , v32 , v33 )
din R3 sunt liniar independenti daca si numai daca

v v12 v13
11
v21 v22 v23 6= 0.

v31 v32 v33
Teorema 2.22 Sistemul de ecuatii liniare

a11 x1 + a12 x2 + + a1m xm = b1

a x + a x + + a x = b
21 1 22 2 2m m 2

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

an1 x1 + an2 x2 + + anm xm = bn
admite solutie daca si numai daca

a11 a12 a1m a11 a12 a1m b1
a21 a22 a2m a21 a22 a2m b2
rang = rang

an1 an2 anm an1 an2 anm bn
(rangul matricei sistemului este egal cu rangul matricei extinse).
Demonstratie. Afirmatia rezulta din teorema anterioara tinand seama de faptul ca

sistemul considerat se mai poate scrie

a11 a12 a1m b1
a21 a22 a2m b2
x1 + x2 + + xm = .

an1 an2 anm bn
Observatia 2.7 Fie

a11 x1 + a12 x2 + + a1m xm = b1

a x + a x + + a x = b
21 1 22 2 2m m 2

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

an1 x1 + an2 x2 + + anm xm = bn
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
(numite ecuatii principale) deoarece restul de ecuatii vor fi combinatii liniare de

acestea. Acesta poate fi privit ca un sistem Cramer

a11 x1 + a12 x2 + + a1r xr = b1 a1r+1 xr+1 a1m xm

a x + a x + + a x = b a
21 1 22 2 2r r 2 2r+1 xr+1 a2m xm
............................................................................

ar1 x1 + ar2 x2 + + arr xr = br arr+1 xr+1 arm xm
cu necunoscutele x1 , x2 , ..., xr (numite necunoscute principale) considerand xr+1 ,

... , xm ca parametri care pot lua valori arbitrare. In cazul in care b1 = b2 =
= bn = 0 (sistem omogen), spatiul solutiilor sistemului este un spatiu vectorial
de dimensiune m r.
Observatia 2.8 Daca
B = {e1 , e2 , ..., en }, B 0 = {e01 , e02 , ..., e0n }
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.
Definitia 2.23 Fie
B = {e1 , e2 , ..., en }, B 0 = {e01 , e02 , ..., e0n }
doua baze ale spatiului V si fie

e01 = 11 e1 + 21 e2 + + n1 en

e0 = e + e + + e

2 12 1 22 2 n2 n
(2.5)
.................................................

0

en = 1n e1 + 2n e2 + + nn en .
Matricea
11 12 ... 1n
21 22 ... 2n
S=

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

n1 n2 ... nn
se numeste matricea de trecere de la baza B la baza B 0 .

Observatia 2.9 Relatiile (2.5) se pot scrie comprimat

n
e0i
X
= ji ej
j=1
si orice vector x V poate fi dezvoltat n raport cu cele doua baze

n n
x0i e0i .
X X
x= xj ej =
j=1 i=1
Propozitia 2.24 In cazul schimbarii de baza

Pn
e0i =

j=1 ji ej n
ji x0i
X
Pn Pn = xj =
x= 0 0
j=1 xj ej = i=1 xi ei

i=1
Demonstratie. Avand n vedere ca dezvoltarea n raport cu o baza este unica, din

n n n n n n
!
x0i e0i x0i ji x0i
X X X X X X
xj ej = = ji ej = ej
j=1 i=1 i=1 j=1 j=1 i=1
Pn 0
rezulta ca xj = i=1 ji xi .
2.6 Sume de subspatii
Propozitia 2.25 a) Daca W V este subspatiu vectorial atunci dim W dim V .

b) Daca W V este subspatiu vectorial si dim W = dim V atunci W = V .
Demonstratie. a) Fie {v1 , v2 , ..., vn } baza n V si {w1 , w2 , ..., wk } baza n W .

Deoarece {w1 , w2 , ..., wk } este sistem liniar independent n V si {v1 , v2 , ..., vn } este
sistem de generatori rezulta ca k n.
b) Orice baza a lui W poate fi extinsa pana la o baza a lui V . Deoarece dim W =
dim V rezulta ca orice baza a lui W este n acelasi timp baza a lui V.
Propozitia 2.26 Daca W1 V si W2 V sunt subspatii vectoriale atunci
W = W1 W2
este subspatiu vectorial al lui V .

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}
sunt subspatii vectoriale ale lui R2 , dar W = W1 W2 nu este subspatiu vectorial al

lui R2 . Intr-adevar, (1, 0) W si (0, 1) W dar (1, 0) + (0, 1) = (1, 1) 6 W .
Propozitia 2.27 Daca W1 V si W2 V sunt subspatii vectoriale atunci
W1 + W2 = {w1 + w2 | w1 W1 , w2 W2 }
este subspatiu vectorial al lui V .
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 }
se numeste suma subspatiilor W1 si W2 .
Exercitiul 2.21 Sa se arate ca:

a) W1 = {(x, 0) | x R} este subspatiu vectorial al lui R2 .
b) W1 = {(0, y) | y R} este subspatiu vectorial al lui R2 .
c) W1 + W2 = R2 .
Teorema 2.29 (a dimensiunii) Daca W1 si W2 sunt subspatii ale lui V atunci
dim (W1 + W2 ) = dim W1 + dim W2 dim (W1 W2 ).

Demonstratie. Fie
B0 = {u1 , u2 , ..., un }
o baza a spatiului vectorial W1 W2 pe care o completam pana la o baza
B1 = {u1 , u2 , ..., un , v1 , v2 , ..., vk }
a spatiului vectorial W1 si pana la o baza
B2 = {u1 , u2 , ..., un , w1 , w2 , ..., wm }
a spatiului vectorial W2 , unde
n = dim (W1 W2 ), n + k = dim W1 , n + m = dim W2 .
Este suficient sa aratam ca
B = {u1 , u2 , ..., un , v1 , v2 , ..., vk , w1 , w2 , ..., wm }
este o baza a lui W1 + W2 .

B este sistem de generatori. Orice vector de forma x1 + x2 cu x1 W1 si x2 W2
este o combinatie liniara de vectorii lui B.
B este sistem de vectori liniar independenti. Relatia
1 u1 + ... + n un + 1 v1 + ... + k vk + 1 w1 + ... + m wm = 0 (2.6)
1 u1 + ... + n un + 1 v1 + ... + k vk = 1 w1 ... m wm .
Egalitatea dintre vectorul 1 u1 + ... + n un + 1 v1 + ... + k vk apartinand lui W1 si

vectorul 1 w1 ... m wm apartinand lui W2 este posibila numai daca 1 w1
... m wm W1 W2 , adica daca exista 1 , 2 , ..., 1 K ncat
1 w1 2 w2 ... m wm = 1 u1 + 2 u2 + ... + n un .
Scriind ultima relatie sub forma
1 u1 + 2 u2 + ... + n un + 1 w1 + 2 w2 + ... + m wm = 0
si tinand seama de faptul ca B2 este baza n W2 rezulta
1 = 2 = ... = n = 1 = 2 = ... = m = 0.
Relatia (2.6) devine
1 u1 + ... + n un + 1 v1 + ... + k vk = 0.
Tinand seama de faptul ca B1 este baza n W1 obtinem
1 = 2 = ... = n = 1 = 2 = ... = k = 0.
Prin urmare B este baza a lui W1 + W2 si
dim(W1 + W2 ) = n + k + m = dim W1 + dim W2 dim (W1 W2 ).
2.7 Sume directe
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}.
Demonstratie. = Daca W1 W2 6= {0} atunci exista x W1 W2 nenul care

admite reprezentarile x = x + 0 si x = 0 + x, ceea ce arata ca suma nu este directa.
= Fie subspatiile W1 si W2 cu W1 W2 = {0}. Daca v W1 + W2 admite
reprezentarile
v = w1 + w2 cu w1 W1 si w2 W2
v = w10 + w20 cu w10 W1 si w20 W2
atunci
w1 + w2 = w10 + w20 .
Scriind aceasta relatie sub forma
w1 w10 = w2 w20
din w1 w10 W1 , w2 w20 W2 si W1 W2 = {0} deducem ca w1 w10 = 0,

w2 w20 = 0, adica w1 = w10 si w2 = w20 , ceea ce arata ca suma este directa.
R2 = {(x, 0) | x R} {(0, y) | y R}.
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}
dar suma nu este directa.
Rezolvare. Orice vector (, , ) R3 admite reprezentarea
(, , ) = (, , 0) + (0, 0, )
cu (, , 0) {(x, y, 0) | x, y R} si (0, 0, ) {(x, 0, z) | x, z R}, dar
{(x, y, 0) | x, y R} {(x, 0, z) | x, z R} = {(x, 0, 0) | x R}.
R2 = {(, ) | R} {(0, ) | R}.
Rezolvare. Orice vector (x, y) R2 admite reprezentarea
(x, y) = (x, x) + (0, y x)

cu (x, x) {(, ) | R} si (0, y x) {(0, ) | R}. In plus
{(, ) | R} {(0, ) | R} = {(0, 0)}.
M33 (R) = {A M33 (R) | At = A } {A M33 (R) | At = A }
unde At este transpusa matricei A.
Indicatie. Orice matrice A M33 (R) admite reprezentarea

1 1
A = (A + At ) + (A At )
2 2
cu (A + At )t = A + At si (A At )t = (A At ).
Propozitia 2.32 Daca V si W sunt spatii vectoriale peste acelasi corp K atunci
V W = { (x, y) | x V, y W }
considerat mpreuna cu adunarea
(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
dim(V W ) = dim V + dim W.
Demonstratie. Daca {v1 , v2 , ..., vn } si {w1 , w2 , ..., wk } sunt baze n V si W atunci
{ (v1 , 0), (v2 , 0), ..., (vn , 0), (0, w1 ), (0, w2 ), ..., (0, wk ) }
este baza n V W.
Observatia 2.11 Spatile V si W pot fi identificate cu subspatiile
{ (x, 0) | x V }, { (0, y) | y W }
ale lui V W si avem
{ (x, 0) | x V } { (0, y) | y W } = {(0, 0)}
{ (x, 0) | x V } + { (0, y) | y W } = V W
ceea ce justifica notatia V W .
2.8 Spatii factor
Definitia 2.33 Prin relatie de echivalenta pe o multime M se ntelege o submultime

R M M cu proprietatile:
1) (x, x) R, x M (reflexivitate)
2) (x, y) R = ) (y, x) R (simetrie)
(x, y) R
3) = (x, z) R (tranzitivitate)
(y, z) R
In loc de (x, y) R se prefera sa se scrie x R y sau x y.
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.
Propozitia 2.35 a) Daca este o relatie de echivalenta pe M atunci multimile

distincte de forma
x = { y | y x } (clasa de echivalenta a lui x)
formeaza o partitie a lui M (se noteaza cu M/ si este numita multimea factor

corespunzatoare relatiei ).
b) Invers, daca {Mi }iI este o partitie a lui M atunci relatia definita prin
xy daca exista i I astf el incat x, y Mi
este o relatie de echivalenta pe M .

Demonstratie. a) Reunind toate clasele de echivalenta obtinem multimea M si x 6=

deoarece x x. In plus,
(
xy
x y z = = yz = y = z.
xz
b) Evident, relatia este reflexiva si simetrica. Daca x y si y z atunci exista

i, j I astfel ncat x, y Mi si y, z Mj . Multimile partitiei fiind disjuncte rezulta
ca Mi = Mj si prin urmare x z.
Propozitia 2.36 Daca V este un spatiu vectorial peste corpul K si W V este un

subspatiu vectorial atunci relatia
xy daca xy W
este o relatie de echivalenta pe V . Pe multimea factor V / formata din toate clasele

de echivalenta
x = x + W = { x + y | y W }
relatiile
x + y = xy,
c x = x
c
definesc o structura de spatiu vectorial (numit spatiu factor si notat cu V /W ).
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.
Exercitiul 2.26 Descrieti spatiul vectorial factor R2 /W n cazul
W = { (x, 0) | x R }.
Rezolvare. In acest caz
(x, y) (x0 , y 0 ) (x, y) (x0 , y 0 ) W y = y 0 .
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
dim V /W = dim V dim W.
Demonstratie. Fie {v1 , v2 , ..., vk } o baza a lui W pe care o completam pana la o

baza {v1 , v2 , ..., vk , vk+1 , ..., vn } a lui V . Aratam ca {vk+1 , vk+2 , ... , vn } este baza a
lui V /W . Daca
x = 1 v1 + ... + k vk + k+1 vk+1 + ... + n vn V
atunci
x = 1 v1 + ... + k vk + k=1 vk+1 + ... + n vn = k+1 vk+1 + ... + n vn .
Pe de alta parte daca
k+1 vk+1 + k+2 vk+2 + ... + n vn = 0
atunci
k+1 vk+1 + k+2 vk+2 + ... + n vn W
si deci exista 1 , 2 , ... , k K astfel ncat
k+1 vk+1 + k+2 vk+2 + ... + n vn = 1 v1 + 2 v2 + ... + k vk
relatie care conduce la k+1 = k+2 = ... = n = 0.

Capitolul 3
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.
Observatia 3.1 Vom utiliza notatia
L(V, W ) = { A : V W | A(x+y) = Ax+Ay, x, y V, , K }.
In cazul n care V = W , adica n cazul n care aplicatia este de forma
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 ).
Exercitiul 3.1 Daca A L(V, W ) atunci A0 = 0.
51
A : R3 R2 , A(x1 , x2 , x3 ) = (x1 + 2x2 x3 , x1 + x3 )
este aplicatie liniara.
Rezolvare. Fie , K si x = (x1 , x2 , x3 ), y = (y1 , y2 , y3 ) vectori din R3 . Avem
A(x + y) = A((x1 , x2 , x3 ) + (y1 , y2 , y3 ))

= A((x1 , x2 , x3 ) + (y1 , y2 , y3 ))
= A(x1 + y1 , x2 + y2 , x3 + y3 )
= (x1 + y1 + 2(x2 + y2 ) (x3 + y3 ), x1 + y1 + x3 + y3 )
= (x1 + 2x2 x3 , x1 + x3 ) + (y1 + 2y2 y3 , y1 + y3 )
= (x1 + 2x2 x3 , x1 + x3 ) + (y1 + 2y2 y3 , y1 + y3 )
= A(x1 , x2 , x3 ) + A(y1 , y2 , y3 ) = Ax + Ay.
A : R3 R3 , A(x1 , x2 , x3 ) = (x2 + x3 , x1 + x3 , x1 + x2 )
este operator liniar.
Exercitiul 3.4 Sa se arate ca rotatia planului de unghi este un operator liniar.
Indicatie. Identificam planul cu spatiul vectorial R2 .

Aplicatii liniare 53
Expresia n coordonate a rotatiei de unghi este
R : R2 R2 : (x, y) 7 (x0 , y 0 )
unde (a se vedea figura)
x0 = r cos( + ) = r cos cos r sin sin = x cos y sin

x0 = r sin( + ) = r cos sin + r sin cos = x sin + y cos
adica
R (x, y) = (x cos y sin , x sin + y cos ).
Exercitiul 3.5 Fie
V = { a0 x2 + a1 x + a2 | a0 , a1 , a2 R }
spatiul vectorial al polinoamelor de grad cel mult 2. Sa se arate ca operatorul de

derivare
d d
: V V, (a0 x2 + a1 x + a2 ) = 2a0 x + a1
dx dx
este un operator liniar.
Exercitiul 3.6 Aplicatia rezultata n urma compunerii a doua aplicatii liniare este
o aplicatie liniara.
3.2 Imaginea si nucleul unei aplicatii liniare
Propozitia 3.2 Daca A : V W este o aplicatie liniara atunci
Ker A = { x V | Ax = 0 }
este subspatiu vectorial al lui V , iar
Im A = { Ax | x V }
este subspatiu vectorial al lui W .

Demonstratie. Avem
)
x, y KerA
= A(x + y) = Ax + Ay = 0 = x + y Ker A.
, K
Daca v, w Im A atunci exista x, y V ncat v = Ax si w = Ay. Oricare ar fi

, K avem
v + w = Ax + Ay = A(x + y)
ceea ce arata ca v + w Im A.
Definitia 3.3 Fie A : V W o aplicatie liniara. Subspatiul vectorial
Ker A = { x V | Ax = 0 }
este numit nucleul lui A, iar
Im A = { Ax | x V }
imaginea lui A.
Teorema 3.4 Daca V este un spatiu vectorial finit-dimensional si A : V W o

aplicatie liniara atunci
dim V = dim Ker A + dim Im A.
Demonstratie. Fie B0 = {v1 , v2 , ..., vk } o baza a subspatiului Ker A, unde k =

dim Ker A. Acest sistem de vectori liniar independenti l prelungim pana la o baza
a lui V
B = {v1 , v2 , ..., vk , vk+1 , vk+2 , ..., vn }
unde n = dim V. Vom arata ca
B 0 = {Avk+1 , Avk+2 , ..., Avn }
este o baza a subspatiului Im A.

B 0 este sistem de vectori liniar independenti. Din
k+1 Avk+1 + k+2 Avk+2 + + n Avn = 0

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
k+1 vk+1 + k+2 vk+2 + + n vn = 1 v1 + 2 v2 + + k vk
adica
1 v1 + 2 v2 + + k vk k+1 vk+1 k+2 vk+2 n vn = 0.
Deoarece B este baza n V , acesta relatie este posibila doar n cazul
1 = 2 = = k = k+1 = k+2 = = n = 0
ceea ce arata ca B 0 este sistem de vectori liniar independenti.

B 0 este sistem de generatori. Oricare ar fi y Im A exista x V astfel ncat y = Ax.
Plecand de la reprezentarea x = 1 v1 + 2 v2 + + n vn a lui x n baza B se obtine
y = Ax = 1 Av1 + 2 Av2 + + k Avk + k+1 Avk+1 + + n Avn

= 0 + 0 + + 0 + k Avk + k+1 Avk+1 + + n Avn
ceea ce arata ca B 0 este sistem de generatori pentru Im A.
Exercitiul 3.7 Fie aplicatia liniara
A : R3 R4 , A(x1 , x2 , x3 ) = (x1 + x2 + x3 , x1 x3 , 2x1 + x2 , x2 2x3 )
Descrieti Ker A si Im A indicand baze n aceste subspatii.
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
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.
Exercitiul 3.8 Fie
P : R2 R2 , A(x1 , x2 ) = (x1 , 0)
Descrieti Ker P si Im P indicand baze n aceste subspatii.
3.3 Izomorfisme liniare
Propozitia 3.5 Fie A : V W o aplicatie liniara.

a) Aplicatia A este injectiva daca si numai daca Ker A = {0}.
b) Aplicatia A este surjectiva daca si numai daca Im A = W .
Demonstratie. a) Stim ca A0 = 0. Daca A este injectiva atunci Ax = 0 implica

x = 0 si deci Ker A = {0}. Invers, daca Ker A = {0} atunci
Ax = Ay = Ax Ay = 0 = A(x y) = 0 = x y = 0 = x = y.
b) Afirmatia rezulta din definitia subspatiului Im A.
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 .
Rezolvare. Fie {v1 , v2 , ..., vn } un sistem de vectori liniar independenti. Relatia
1 Av1 + 2 Av2 + ... + n Avn = 0
care se mai poate scrie
A(1 v1 + 2 v2 + ... + n vn ) = 0
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
relatie care conduce la 1 = 2 = ... = n = 0.
Propozitia 3.6 Inversa unei aplicatii liniare bijective este o aplicatie liniara.
Demonstratie. Fie A : V W o aplicatie liniara bijectiva. Oricare ar fi x, y W

si , K are loc relatia
x + y = A(A1 x) + A(A1 y) = A(A1 x + A1 y)
si prin urmare A1 (x + y) = A1 x + A1 y.
Definitia 3.7 Prin izomorfism liniar se ntelege o aplicatie liniara bijectiva.
Observatia 3.2 O aplicatie liniara A : V W este izomorfism liniar daca si

numai daca Ker A = {0} si Im A = W .
Definitia 3.8 Spunem ca spatiile vectoriale V si W sunt izomorfe daca exista un

izomorfism liniar A : V W .
Teorema 3.9 Doua spatii vectoriale (finit dimensionale) peste acelasi corp K sunt
izomorfe daca si numai daca au aceeasi dimensiune
Demonstratie. Fie V si W spatii vectoriale peste K izomorfe si fie A : V W un

izomorfism liniar. Din relatiile
Ker A = {0}, Im A = W, dim V = dim Ker A + dim Im A

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 )
care permite identificarea lui V cu Kn .
Demonstratie. Aplicatia A este liniara, Ker A = {0} si Im A = Kn .
Exercitiul 3.10 Sa se arate ca aplicatia

!
4
x1 x2
A : R M22 (R), A(x1 , x2 , x3 , x4 ) =
x3 x4
este un izomorfism liniar.
Exercitiul 3.11 Sa se arate ca spatiile vectoriale reale C si R2 sunt izomorfe.
Indicatie. Aplicatia A : C R2 , A(x + yi) = (x, y) este un izomorfism liniar.
3.4 Dualul unui spatiu vectorial
Propozitia 3.11 Daca V este un spatiu vectorial peste corpul K atunci
V = { : V K | (x + y) = (x) + (y), x, y V, , K }
nzestrat cu operatiile de adunare
+ : V K
V V V : (, ) 7 + unde
( + )(x) = (x) + (x)
si nmultire cu scalari
: V K
K V V : (, ) 7 unde
()(x) = (x)
este spatiu vectorial (numit dualul lui V ).
Demonstratie. Relatiile
( + )(x + y) = (x + y) + (x + y)
= (x) + (y) + (x) + (y) = ( + )(x) + ( + )(y)
si
()(x + y) = (x + y) = ((x) + (y)) = ()(x) + ()(y)
arata ca operatiile de adunare si nmultire cu scalari sunt bine definite. Din relatia
(( + ) + )(x) = ( + )(x) + (x) = ((x) + (x)) + (x)

= (x) + ((x) + (x)) = (x) + ( + )(x) = ( + ( + ))(x)
verificata oricare ar fi x V rezulta ca adunarea din V este asociativa
( + ) + = + ( + )
iar din relatia
( + )(x) = (x) + (x) = (x) + (x) = ( + )(x)
rezulta ca adunarea din V este comutativa
+ = + .
Aplicatia 0 : V K : x 7 0 apartine lui V si (0 + )(x) = (x), oricare ar fi

x V , adica 0 + = . Oricare ar fi V , aplicatia
: V K, ()(x) = (x)
apartine lui V si + () = 0. Avem
(( + ))(x) = ( + )(x) = (x) + (x) = ( + )(x)

oricare ar fi x V , adica ( + ) = + . Similar se arata ca
( + ) = + , () = (), 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
a unui vector x V n raport cu baza B = {e1 , e2 , ..., en } se scrie comprimat folosind

conventia de sumare a lui Einstein
x = xi e i
(indicele i care apare n produsul xi ei o data ca indice superior si o data ca indice

inferior este indice de sumare).
Teorema 3.12 Oricare ar fi spatiul vectorial V avem
dim V = dim V.
Demonstratie. Fie B = {e1 , e2 , ..., en } o baza a lui V . Aratam ca B = {e1 , e2 , ..., en },

unde (
i i i 1 daca i = j
e : V K, e (ej ) = j =
0 daca i = 6 j
adica
ei : V K, ei (x1 e1 + x2 e2 + + xn en ) = xi
este o baza a lui V , numita duala bazei B.

B este sistem de vectori liniar independenti. Fie
1 e1 + 2 e2 + + n en = 0
adica
(1 e1 + 2 e2 + + n en )(x) = 0, x V
ceea ce se mai scrie
1 e1 (x) + 2 e2 (x) + + n en (x) = 0, x V.

Alegand x = e1 obtinem 1 = 0, alegand x = e2 obtinem 2 = 0, etc.

B este sistem de generatori. Daca V atunci notand i = (ei ) obtinem
(x) = (x1 e1 + x2 e2 + + xn en ) = x1 (e1 ) + x2 (e2 ) + + xn (en )

= e1 (x) 1 + e2 (x) 2 + + en (x) n = (1 e1 + 2 e2 + + n en )(x)
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
B = {e1 , e2 , ..., en } (baza veche)
B 0 = {e01 , e02 , ..., e0n } (baza noua)
si
B = {e1 , e2 , ..., en }
B 0 = {e01 , e02 , ..., e0n }

dualele lor. Fiecare vector x V se poate dezvolta n raport cu cele doua baze
x = xi ei = x0j e0j
si am aratat ca
xi = ei (x), x0j = e0j (x).
Similar, fiecare element V admite dezvoltarile
= i ei = 0j e0j
si
i = (ei ), 0j = (e0j ).
Utilizand un indice inferior si unul superior pentru elementele matricei de trecere de

la baza B la baza B 0 relatiile
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
iar matricea de trecere este
11 21 n1

2
1 22 n2

S= .

1n 2n nn
Propozitia 3.13 Matricea S este inversabila si inversa ei
11 21 n1

2
1 22 n2

S 1 =

1n 2n nn
este matricea de trecere de la B 0 la B.
Demonstratie. Fie ej = jk e0k . Din relatiile
ej = jk e0k = jk ki ei , e0i = ij ej = ij jk e0k
rezulta tinand seama de unicitatea reprezentarii unui vector n raport cu o baza ca
jk ki = ji , ij jk = ik . (3.1)
Teorema 3.14 Cu notatiile de mai sus

0i
e0i = ij ej x = ji xj

x = xj ej = x0i e0i = e0i = ji ej

0i = ij j

j 0
= j e = i e 0i
Demonstratie. Din relatia
xj ej = x0i e0i = x0i ij ej
rezulta
xj = ij x0i
si tinand seama de (3.1)
jk xj = jk ij x0i = ik x0i = x0k
adica
x0k = jk xj .
Deoarece x0k = e0k (x) si xj = ej (x) relatia anterioara se poate scrie sub forma
e0k (x) = jk ej (x)
sau
e0k (x) = (jk ej )(x).
Relatia avand loc pentru oricare x V rezulta
e0k = jk ej.
Folosind liniaritatea lui obtinem
0i = (e0i ) = (ij ej ) = ij (ej ) = ij j .
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 .
Observatia 3.4 Vectorii x V sunt obiecte matematice care n raport cu fiecare

baza B a lui V sunt descrise prin coordonatele x1 , x2 , ..., xn si care la o schimbare
de baza e0i = ij ej se schimba dupa formula
x0i = ji xj .
Similar, elementele V (numite forme liniare sau 1-forme) sunt obiecte

matematice care in raport cu fiecare baza B sunt descrise prin coordonatele 1 , 2 , ..., n
si care la o schimbare de baza e0i = ij ej se schimba dupa formula
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
.
In cazul unui tensor de doua ori contravariant formula devine

ij
T 0 = ki m
j
T km
iar in cazul unui tensor de doua ori covariant
Tij0 = ik jm Tkm .
Observatia 3.7 Un tensor este complet determinat daca i se cunosc coordonatele

ntr-o baza fixata.
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 i i ...i i i ...i

Tj11j22...jpq = Aj11 j22 ...jpq + Bj11 j22 ...jpq
sunt coordonatele unui tensor de tip (p, q) notat cu A + B, adica
i i ...i i i ...i i i ...i

(A + B)j11 j22 ...jpq = Aj11 j22 ...jpq + Bj11 j22 ...jpq .
Demonstratie (cazul p = q = 1). Avem
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
sunt coordonatele unui tensor de tip (p, q) notat cu A, adica
i i ...i i i ...i
(A)j11 j22 ...jpq = Aj11 j22 ...jpq .
Demonstratie (cazul p = q = 1). Avem
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
B de tip (1, 1) atunci

il
Tjkm = Aijk Bm l
sunt coordonatele unui tensor de tip (2, 3) notat cu A B, adica
(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 .
Observatia 3.8 Generalizarea definitiei produsului tensorial la tensori de orice tip

este imediata. Produsul tensorial x dintre un vector x V si o 1-forma V
are coordonatele
(x )ij = xi j
iar produsul tensorial x y a doi vectori coordonatele
(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
Observatia 3.9 Operatia de contractie se poate face n raport cu orice pereche de

indici formata dintr-un indice de contravarianta (superior) si un indice de covarianta
(inferior).
Exercitiul 3.12 Sa se arate ca daca x V si V atunci numarul
= x i i
este un tensor de tip (0, 0), numit scalar.
Rezolvare. Numarul se obtine prin contractie din x si nu depinde de baza

aleasa n n
0 = x0i 0i =
X X
ji ik xj k = jk xj k = xj j = .
i=1 i=1
Exercitiul 3.13 Sa se arate ca obiectul matematic care are coordonatele

(
1 daca i = j
Tji = ji =
0 daca i 6= j
indiferent de baza utilizata, este un tensor de tip (1, 1).
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 .
Demonstratie. Din relatia Ae0i = A0 ji e0j rezulta
j
A(ik ek ) = A0 i jm em
relatie care scrisa sub forma
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 .
Din aceasta relatie obtinem
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
Definitia 3.21 Spunem ca aplicatia g : V V K este o aplicatie biliniara daca
g(x + y, z) = g(x, z) + g(y, z)
g(x, y + z) = g(x, y) + g(x, z)
oricare ar fi x, y, z V si , K.
Propozitia 3.22 Orice aplicatie biliniara g : V V K este un tensor de tip

(0, 2) ale carui coordonate n baza B = {e1 , e2 , ..., en } sunt numerele gij = g(ei , ej ).
Demonstratie. Avem
0
gij = g(e0i , e0j ) = g(ik ek , jm em ) = ik jm g(ek , em ) = ik jm gkm .
Definitia 3.23 Aplicatia g : V V K este numita aplicatie biliniara daca

este liniara n fiecare argument, adica
g( + , x) = g(, x) + g(, x)
g(, x + y) = g(, x) + g(, y)
oricare ar fi , V , x, y V si , K.
Propozitia 3.24 Orice aplicatie biliniara g : V V K este un tensor de tip

(1, 1) ale carui coordonate intr-o baza B = {e1 , e2 , ..., en } cu duala B = {e1 , e2 , ..., en }
sunt gji = g(ei , ej ).
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 : V V K, g(, x) = g(i ei , xj ej ) = Tji i xj .

Aplicatia g astfel definita nu depinde de alegerea bazei B utilizate deoarece alegand

alta baza B 0 obtinem
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 )
si fiecarui tensor de tip (p, q) i corespunde n mod natural o astfel de aplicatie

(p + q)-liniara.
Observatia 3.11 Plecand de la dualul V al lui V se poate defini dualul dualului

lui V
V = (V )
numit bidualul lui V . Se poate arata ca V se poate identifica n mod natural cu

V asociind lui x V aplicatia liniara
V K : 7 (x)
apartinand bidualului lui V .
Observatia 3.12 Daca : V K si : W K sunt aplicatii liniare atunci
g : V W K, g(v, w) = (v) (w)
este o aplicatie biliniara numita produsul tensorial al lui cu si notata cu .

3.6 Matricea unei aplicatii liniare
Fie V si W spatii vectoriale peste K,
A : V W
aplicatie liniara
BV = {v1 , v2 , ..., vn }, BW = {w1 , w2 , ..., wk }
baze n V , respectiv W si fie
Av1 = a11 w1 + a21 w2 + + ak1 wk

Av2 = a12 w1 + a22 w2 + + ak2 wk
.........................................
Avn = a1n w1 + a2n w2 + + akn wk
relatii care se pot scrie comprimat

n
X
Avi = aji wj .
j=1
Deoarece orice vector se poate reprezenta n mod unic sub forma

n
X
x = x1 v1 + x2 v2 + + xn vn = xi vi
i=1
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
ceea ce arata ca aplicatia liniara A este complet determinata de matricea

a11 a12 a1n

a21

a22 a2n

A= .

. .. .. ..
. . . .

ak1 ak2 akn
numita matricea lui A n raport cu bazele BV si BW .
Observatia 3.13 Punand
x = x1 v1 + x2 v2 + + xn vn , y = Ax = y1 w1 + y2 w2 + + yk wk
coordonatele lui x si y = Ax verifica relatia matriceala

y1 a11 a12 a1n x1

y2
a21

a22 a2n

x2

= .

..

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

yk ak1 ak2 akn xn
Exercitiul 3.14 Sa se determine matricea aplicatiei
A : R2 R3 , A(x1 , x2 ) = (2x1 3x2 , x1 + 2x2 , x1 x2 )
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 .
Rezolvare. Din relatiile
Av1 = A(1, 1) = (1, 3, 0) = 1 w1 + 3 w2 + 0 w3
Av2 = A(1, 1) = (5, 1, 2) = 5 w1 1 w2 + 2 w3
rezulta ca matricea cautata este
1 5

A=
3 1
.
0 2
Propozitia 3.26 Fie A : U V , B : V W doua aplicatii liniaresi fie BU ,

BV si BW baze n spatiile vectoriale U , V si W respectiv. Matricea aplicatiei
BA : U W, (BA)x = B(Ax)
n raport cu bazele BU , BW este produsul dintre matricea aplicatiei B n raport cu

bazele BV , BW si matricea aplicatiei A n raport cu bazele BU , BV .
Demonstratie. Fie BU = {u1 , u2 , ..., un }, BV = {v1 , v2 , ..., vm } si BW = {w1 , w2 , ..., wp }.
Daca p
m
X X
Aui = aji vj , Bvj = bkj wk
j=1 k=1
atunci
Pm Pm
(BA)ui = B(Aui ) = B j=1 aji vj = j=1 aji Bvj
Pm Pp Pp P
m
= j=1 aji k=1 bkj wk = k=1 j=1 bkj aji wk .
Observatia 3.14 In cazul unei aplicatii A : V V alegem, n general, o singura

baza.
Teorema 3.27 La o schimbare de baza matricea unei aplicatii liniare se schimba
dupa formula
A0 = S 1 AS
unde S este matricea de trecere de la baza veche la baza noua.
Demonstratie. Fie bazele B = {e1 , e2 , ..., en }, B 0 = {e01 , e02 , ..., e0n },

11 12 1n

21

22 2n n
e0i =
X
S= unde ji ej

j=1
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
ak1 ak2 akn

si
a011 a012 a01n

0
0
a21 a022 a02n n
Ae0i aki e0k
X
A = unde =

k=1
a0k1 a0k2 a0kn

matricele lui A n raport cu B si respectiv B 0 . Din relatiile
P
n Pn Pn Pn
Ae0i = A j=1 ji ej = j=1 ji Aej = j=1 ji k=1 akj ek
Pn Pn 0 Pn
Ae0i = 0 0
j=1 aji ej = j=1 aji k=1 kj ek
rezulta n n
kj a0ji =
X X
akj ji
j=1 j=1
adica relatia SA0 = AS care implica A0 = S 1 AS.
3.7 Vectori si valori proprii
Definitia 3.28 Fie V un spatiu vectorial peste K si A : V V un operator liniar.

Spunem ca numarul K este valoare proprie a lui A daca exista un vector v 6= 0,
numit vector propriu corespunzator valorii , astfel ncat
Av = v.
Propozitia 3.29 Daca este valoare proprie a operatorului A : V V atunci
V = {x V | Ax = x}
este subspatiu vectorial al lui V (numit subspatiul propriu corespunzator lui ).
Demonstratie. Avem
x, y V
)
= A(x + y) = Ax + Ay = x + y = (x + y).
, K
Exercitiul 3.15 Sa se afle valorile proprii ale operatorului
A : R3 R3 , A(x1 , x2 , x3 ) = (x2 + x3 , x1 + x3 , x1 + x2 )
si sa se determine subspatiile proprii corespunzatoare.
Rezolvare. Fie valoare proprie a lui A. Rezulta ca exista x = (x1 , x2 , x3 ) 6= (0, 0, 0)

ncat
A(x1 , x2 , x3 ) = (x1 , x2 , x3 )
adica
(x2 + x3 , x1 + x3 , x1 + x2 ) = (x1 , x2 , x3 )
ceea ce este echivalent cu faptul ca sistemul omogen

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
relatie care conduce la valorile proprii 1 = 2 = 1 si 3 = 2. Avem

V1 = { x R3 | Ax = x }
= { (x1 , x2 , x3 ) | (x2 + x3 , x1 + x3 , x1 + x2 ) = (x1 , x2 , x3 ) }
= { (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.
Demonstratie. Avem
det(A0 I) = det(S 1 AS I) = det(S 1 (A I)S)
= detS 1 det(A I) detS = 1

detS det(A I) detS = det(A I).
Observatia 3.16 Deoarece
P () = (1)n n + (1)n1 (a11 + a22 + ... + ann )n1 + ... + det A
rezulta ca n cazul unui operator liniar A : V V , parametrii
tr A = a11 + a22 + ... + ann
(urma operatorului) si det A definiti cu ajutorul unei baze nu depind de baza aleasa.
Teorema 3.31 Fie V un spatiu vectorial peste K si fie A : V V un operator

liniar. Numarul K este valoare proprie a lui A daca si numai daca este radacina
a polinomului caracteristic, adica daca P () = 0.
Demonstratie. Conform definitiei, K este valoare proprie daca si numai daca

exista x 6= 0 cu Ax = x. Intr-o baza fixata, acest lucru este echivalent cu faptul ca
sistemul

(a11 )x1 + a12 x2 + + a1n xn = 0

a21 x1 + (a22 )x2 + + a2n xn = 0

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

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.
Definitia 3.32 Fie A : V V un operator liniar. Spunem ca subspatiul W V

este subspatiu invariant daca
A(W ) W
adica daca
w W = Aw W.
Propozitia 3.33 Subspatiile proprii ale unui operator liniar sunt subspatii invari-
ante.
Demonstratie. Fie A : V V un operator liniar, o valoare proprie a lui A si fie

V subspatiul propriu corespunzator. Daca w V atunci Aw = w V .
Exercitiul 3.16 Aratati ca n cazul rotatiei de unghi n jurul axei Oz
R : R3 R3 , R (x, y, z) = (x cos y sin , x sin + y cos , z)
subspatiile
W1 = { (0, 0, z) | z R } (axa Oz)
W2 = { (x, y, 0) | x, y R } (planul xOy)

sunt subspatii invariante.
Propozitia 3.34 Daca subspatiul W V de dimensiune m este subspatiu invariant

al operatorului A : V V atunci exista o baza B = {e1 , e2 , ..., en } a lui V n raport
cu care matricea lui A are forma
a11 a12 a1m a1m+1 a1n

a21 a22 a2m a2m+1 a2n

am1 am2 amm amm+1 amn
A= .
0 0 0 am+1,m+1 am+1,n

am+2,m+1

0 0 0 am+2,n

0 0 0 an,m+1 an,n
Demonstratie. Baza B se poate obtine completand o baza {e1 , e2 , ..., em } a lui W

pana la o baza a lui V.
3.8 Forma diagonala a matricei unei aplicatii liniare
Am aratat ca valorile proprii ale operatorului
A : R3 R3 , A(x1 , x2 , x3 ) = (x2 + x3 , x1 + x3 , x1 + x2 )
sunt 1 = 2 = 1, 3 = 2 si ca subspatiile proprii corespunzatoare sunt
V1 = { (1, 0, 1) + (0, 1, 1) | , R }
si
V2 = {(1, 1, 1) | R }.
Matricea lui A n raport cu baza
{v1 = (1, 0, 1), v2 = (0, 1, 1), v3 = (1, 1, 1)}

a lui R3 formata din vectori proprii ai lui A are forma diagonala
1 0 0

0
A= 1 0
.
0 0 2
Propozitia 3.35 Matricea unui operator liniar A : V V n raport cu o baza B

este o matrice diagonala daca si numai daca B este formata doar din vectori proprii
ai lui A.
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.
Exercitiul 3.17 Sa se arate ca nu exista o baza n raport cu care matricea opera-

torului
A : R2 R2 , A(x1 , x2 ) = (2x1 + x2 , 2x2 )
sa fie matrice diagonala.
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
admite radacinile 1 = 2 = 2. Singura valoare proprie este = 2 si subspatiul

propriu corespunzator este
V2 = {(x1 , x2 ) R2 | A(x1 , x2 ) = 2(x1 , x2 ) }

= {(x1 , x2 ) R2 | (2x1 + x2 , 2x2 ) = (2x1 , 2x2 ) }
= {(, 0) | R} = {(1, 0) | R}
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 .
Exercitiul 3.18 Rotatia de unghi a planului
R : R2 R2 , R (x, y) = (x cos y sin , x sin + y cos )
admite valori proprii numai n cazul n care Z.
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.
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
atunci radacinile polinomului caracteristic

1 0 0 0 0

0 2 0 0 0

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

0 0 0 0 n
sunt 1 , 2 , ..., n , si apartin toate lui K (numarul lor, tinand seama de multiplicitati
este dim V ).
Definitia 3.36 Fie A : V V un operator liniar si o valoare proprie a lui

A. Spunem ca are multiplicitatea algebrica k daca este radacina de ordinul
k a polinomului caracteristic. Prin multiplicitate geometrica a lui se ntelege
dimensiunea subspatiului propriu V corespunzator lui .
Propozitia 3.37 Daca v1 , v2 , ..., vk sunt vectori proprii ai operatorului A : V

V corespunzatori la valori proprii distincte 1 , 2 , ..., k
Avi = i vi
atunci {v1 , v2 , ..., vk } este sistem de vectori liniar independenti.
Demonstratie (cazul n = 3). Din
1 v1 + 2 v2 + 3 v3 = 0 (3.3)
rezulta
A(1 v1 + 2 v2 + 3 v3 ) = 0
adica relatia
1 Av1 + 2 Av2 + 3 Av3 = 0
care se mai scrie

1 1 v1 + 2 2 v2 + 3 3 v3 = 0. (3.4)
Adunand relatia (3.4) cu relatia (3.3) nmultita cu (3 ) se obtine
1 (1 3 )v1 + 2 (2 3 )v2 = 0. (3.5)
Aplicand operatorul A relatiei (3.5) obtinem
1 (1 3 )1 v1 + 2 (2 3 )2 v2 = 0. (3.6)
Adunand relatia (3.6) cu relatia (3.5) nmultita cu (2 ) rezulta
1 (1 3 )(1 2 )v1 = 0.
Deoarece 1 , 2 , 3 sunt distincte si v1 6= 0 rezulta 1 = 0 si apoi din (3.5) obtinem

2 = 0. Inlocuind n (3.3) pe 1 si 2 cu 0 deducem ca 3 = 0.
Observatia 3.19 Din propozitia anterioara rezulta existenta formei diagonale n

cazul n care radacinile polinomului caracteristic apartin toate corpului K peste care
este considerat V si sunt toate distincte.
Teorema 3.38 Fie V un spatiu vectorial peste K si fie A : V V un operator

liniar. Exista o baza a lui V n raport cu care matricea lui A este diagonala daca si
numai daca toate radacinile polinomului caracteristic apartin lui K si pentru fiecare
dintre ele multiplicitatea algebrica este egala cu cea geometrica.
Demonstratie. (n cazul a doua radacini 1 6= 2 cu multiplicitatile 2 si respectiv 3).

In cazul considerat dim V = 2 + 3 = 5, dim V1 = 2 si dim V2 = 3. Fie {v1 , v2 } baza
n
V1 = { x V | Ax = 1 x }
si {w1 , w2 , w3 } baza n
V2 = { x V | Ax = 2 x }.
Este suficient sa aratam ca {v1 , v2 , w1 , w2 , w3 } este baza n V . Fie
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.
Adunand aceasta relatie cu relatia (3.7) nmultita cu (2 ) obtinem
(1 2 )(1 v1 + 2 v2 ) = 0
de unde 1 = 2 = 0. Inlocuind n (3.7) rezulta 3 = 4 = 5 = 0.
Observatia 3.20 Orice matrice

a11 a12 a1n

a21

a22 a2n

Mnn (K)

an1 an2 ann
este matricea n raport cu baza canonica
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
Spatii vectoriale euclidiene
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
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.
Observatia 4.1 In cazul produsului scalar definit pe un spatiu vectorial complex,
hx, y + zi = hx, yi + hx, zi, x, y V si , C.
Intr-adevar,
hx, y + zi = hy + z, xi = hy, xi + hz, xi = hx, yi + hx, zi.
Exercitiul 4.1 Relatia

n
X
h(x1 , x2 , ..., xn ), (y1 , y2 , ..., yn )i = x j yj
j=1
defineste produsul scalar uzual pe spatiul vectorial real Rn , iar relatia

n
X
h(x1 , x2 , ..., xn ), (y1 , y2 , ..., yn )i = xj yj
j=1
defineste produsul scalar uzual pe spatiul vectorial complex Cn .
Teorema 4.3 (Inegalitatea Cauchy). Daca h, i : V V K este produs scalar

atunci
|hx, yi|2 hx, xi hy, yi
oricare ar fi x, y V .
Demonstratie. Relatia este evident verificata n cazul y = 0. Daca y 6= 0 atunci
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 .
Definitia 4.4 Fie V un spatiu vectorial peste K. Prin norma pe V se ntelege o

aplicatie
||.|| : V R
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.
Propozitia 4.5 Daca h, i : V V K este produs scalar atunci

q
|| || : V R, ||x|| = hx, xi
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
= hx, xi + hx, yi + hy, xi + hy, yi
= ||x||2 + 2 Rehx, yi + ||y||2
||x||2 + 2 |Rehx, yi| + ||y||2
||x||2 + 2 |hx, yi| + ||y||2
||x||2 + 2 ||x|| ||y|| + ||y||2
= (||x|| + ||y||)2
deoarece
p
|Re(a + ib)| = |a| = a2 a2 + b2 = |a + ib|
p
si conform inegalitatii Cauchy |hx, yi| hx, xi hy, yi = ||x|| ||y||.
4.2 Baze ortonormate
Observatia 4.2 Folosind norma

q
|| || : V R, ||x|| = hx, xi
asociata produsului scalar, inegalitatea Cauchy
|hx, yi|2 hx, xi hy, yi
se poate scrie
|hx, yi| ||x|| ||y||.
In particular, din aceasta relatie rezulta ca
|hx, yi|
0 1
||x|| ||y||
pentru x 6= 0 si y 6= 0. In cazul unui spatiu vectorial real
hx, yi
1 1.
||x|| ||y||
Numarul [0, ] cu proprietatea
hx, yi
cos =
||x|| ||y||
este numit unghiul dintre x si y. Relatia anterioara se mai poate scrie
hx, yi = ||x|| ||y|| cos .

Definitia 4.6 Spunem ca vectorii x, y V sunt ortogonali si scriem x y daca
hx, yi = 0.
Definitia 4.7 Spunem ca vectorul x V este ortogonal pe submultimea M

V si scriem x M daca
x y, y M.
Definitia 4.8 Spunem ca {v1 , v2 , ..., vk } V este un sistem ortogonal (sau sis-
tem de vectori ortogonali) daca
hvi , vj i = 0
oricare ar fi i 6= j din {1, 2, ..., k}.
Propozitia 4.9 Orice sistem de vectori ortogonali nenuli este un sistem liniar in-
dependent.
Demonstratie. Fie {v1 , v2 , ..., vk } un sistem ortogonal de vectori nenuli. Din
1 v1 + 2 v2 + + k vk = 0
rezulta ca
0 = h1 v1 + 2 v2 + + k vk , v1 i
= 1 hv1 , v1 i + 2 hv2 , v1 i + + k hvk , 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.
{v1 = (1, 1, 0), v2 = (1, 1, 0), v3 = (0, 0, 1)} R3
este un sistem ortogonal n raport cu produsul scalar uzual
3
X
h(x1 , x2 , x3 ), (y1 , y2 , y3 )i = x j yj .
j=1
Rezolvare. Avem
hv1 , v2 i = h(1, 1, 0), (1, 1, 0)i = 1 1 + 1 (1) + 0 0 = 0
hv1 , v3 i = h(1, 1, 0), (0, 0, 1)i = 1 0 + 1 0 + 0 1 = 0
hv2 , v3 i = h(1, 1, 0), (0, 0, 1)i = 1 0 + (1) 0 + 0 1 = 0.

Propozitia 4.10 Proiectia ortogonala a vectorului x pe vectorul u 6= 0 este vectorul
hx, ui
Pu x = u.
hu, ui
Demonstratie. Proiectia lui x pe u este un vector de forma u. Impunand ca

proiectia sa fie ortogonala , adica
(x u) u
obtinem relatia
hx u, ui = 0
hx,ui
care conduce la = hu,ui .
Observatia 4.3 Daca vectorul u este un vector unitar (versor), adica
||u|| = 1
atunci proiectia lui x pe u este vectorul
Pu x = hx, ui u.
Teorema 4.11 (Metoda de ortogonalizare Gram-Schmidt). Daca {v1 , v2 , v3 , ... }

este un sistem liniar independent (finit sau infinit) atunci {w1 , w2 , w3 , ... }, unde
w1 = v 1
hv2 ,w1 i
w2 = v 2 hw1 ,w1 i w1
hv3 ,w1 i hv3 ,w2 i

w3 = v 3 hw1 ,w1 i w1 hw2 ,w2 i w2
..........................................................
este un sistem ortogonal astfel incat
hv1 , v2 , ... , vk i = hw1 , w2 , ... , wk i
oricare ar fi k {1, 2, 3, ...}.

Demonstratie. Avem
hv2 , w1 i hv2 , w1 i

hw2 , w1 i = v2 w1 , w 1 = hv2 , w1 i hw1 , w1 i = 0.
hw1 , w1 i hw1 , w1 i
Similar se arata ca oricare vector wk este ortogonal pe vectorii w1 , w2 , ... , wk1 .
Definitia 4.12 Spunem ca {e1 , e2 , ... , ek } este un sistem ortonormat daca
(
1 daca i = j
hei , ej i = ij =
0 daca i 6= j
Teorema 4.13 (Metoda de ortonormalizare Gram-Schmidt). Daca {v1 , v2 , v3 , ... }

este un sistem liniar independent (finit sau infinit) atunci {e1 , e2 , e3 , ... }, unde
v1
e1 = ||v1 ||
v2 hv2 ,e1 i e1
e2 = ||v2 hv2 ,e1 i e1 ||
v3 hv3 ,e1 i e1 hv3 ,e2 i e2

e3 = ||v3 hv3 ,e1 i e1 hv3 ,e2 i e2 ||
..........................................................
este un sistem ortonormat astfel incat
hv1 , v2 , ... , vk i = he1 , e2 , ... , ek i
oricare ar fi k {1, 2, 3, ...}.

Demonstratie. Prin calcul direct se arata ca e2 e1 , apoi e3 e1 si e3 e2 , etc.
Observatia 4.4 Un sistem ortonormat {e1 , e2 , ... , ek } este format din vectori uni-
tari q
||ej || = hej , ej i = 1
si ortogonali.
Definitia 4.14 Prin baza ortonormata se ntelege o baza {e1 , e2 , ... , en } cu
hei , ej i = ij
adica o baza care este n acelasi timp sistem ortonormat.
Teorema 4.15 Daca B = {e1 , e2 , ... , en } este o baza ortonormata atunci

n
X
x= hx, ei iei , x V
i=1
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
Demonstratie. Orice vector x V se poate scrie ca o combinatie liniara

n
X
x= xi e i
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
Exercitiul 4.3 Sa se indice o baza ortonormata pentru spatiul vectorial
V = { x = (x1 , x2 , x3 ) R3 | x1 + x2 + x3 = 0 }.
Rezolvare. Deoarece
V = { (x1 , x2 , x1 x2 ) | x1 , x2 R } = { x1 (1, 0, 1) + x2 (0, 1, 1) | x1 , x2 R }
vectorii liniar independenti v1 = (1, 0, 1) si v2 = (0, 1, 1) formeaza o baza a

lui V . Ortonormalizam aceasta baza prin metoda Gram-Schmidt si obtinem baza
ortonormata {e1 , e2 }, unde

v1 (1,0,1) (1,0,1) 1 , 0, 1
e1 = ||v1 || = =
2
= 2 2
12 +02 +(1)2

(0,1,1) 1 1 ,0, 1
v2 hv2 ,e1 i e1 2 2 2
= 1 , 2 , 1 .
e2 = ||v2 hv2 ,e1 i e1 || =
6 6 6
(0,1,1) 12 1 ,0, 1

2 2

4.3 Complementul ortogonal al unui subspatiu
Propozitia 4.16 Fie V un spatiu cu produs scalar. Multimea vectorilor ortogonali

pe o submultime M a lui V
M = { v V | v x, x M }
este un spatiu vectorial.
Demonstratie. Oricare ar fi x M avem

)
v, w M
= hv + w, xi = hv, xi + hw, xi = 0 + 0 = 0
, K
si prin urmare v + w M .
Exercitiul 4.4 Indicati o baza a spatiului M n cazul M = {(1, 2, 3)} R3 .

Rezolvare. Avem
M = { (x1 , x2 , x3 ) R3 | h(x1 , x2 , x3 ), (1, 2, 3)i = 0 }
= { (x1 , x2 , x3 ) R3 | x1 + 2x2 + 3x3 = 0 }
= { (2x2 3x3 , x2 , x3 ) | x2 , x3 R }
= { x2 (2, 1, 0) + x3 (3, 0, 1) | x2 , x3 R }.
Vectorii liniar independenti (2, 1, 0) si (3, 0, 1) formeaza o baza a spatiului M .
Teorema 4.17 Daca W este un subspatiu al spatiului (finit-dimensional) V atunci
V = W W .
Demonstratie. Daca x W W atunci ||x|| = hx, xi = 0, ceea ce conduce la

p
W W = {0}. Este suficient sa mai aratam ca dim W +dim W =dim V . Plecam

de la o baza ortonormata {e1 , e2 , ..., ek } a lui W pe care apoi o completam pana
la o baza {e1 , e2 , ..., ek , v1 , v2 , ..., vnk } a lui V . Ortonormalizand acesta baza prin
metoda Gram-Schmidt obtinem o baza ortonormata {e1 , e2 , ..., ek , ek+1 , ek+2 , ..., en }
a lui V . Se constata imediat ca {ek+1 , ek+2 , ..., en } est baza a lui W si prin urmare
dim W +dim W =dim V.
4.4 Adjunctul unui operator liniar
Propozitia 4.18 Daca vectorii x, y V sunt astfel incat
hx, vi = hy, vi, v V (4.1)
atunci x = y.
Demonstratie. Din relatia (4.1) rezulta
hx y, vi = 0, v V.
In particular, alegand v = x y obtinem
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
hA x, yi = hx, Ayi, x, y V. (4.2)
Demonstratie. Fie B = {e1 , e2 , ..., en } o baza ortonormata a lui V . Stim ca oricare

ar fi v V avem
n
X
v= hv, ei iei .
i=1
In particular, operatorul pe care-l cautam trebuie sa verifice relatia

n n
A x = hA x, ei iei =
X X
hx, Aei iei (4.3)
i=1 i=1
pe care o vom alege drept definitie a operatorului A . Relatia (4.3) defineste un

operator liniar
n n n
A (x+y) = hy, Aei iei = A x+A y.
X X X
hx+y, Aei iei = hx, Aei iei +
i=1 i=1 i=1
Operatorul definit cu ajutorul relatiei (4.3) verifica relatia (4.2)

Pn Pn
hA x, yi = h i=1 hx, Aei iei , yi = i=1 hx, Aei ihei , yi
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
hBx, yi = hx, Ayi, x, y V. (4.4)
rezulta ca pentru orice x
hA x, yi = hBx, yi, y V
relatie care conduce la A x = Bx.

Definitia 4.20 Fie A : V V un operator liniar. Operatorul liniar A : V V

care verifica relatia
hA x, yi = hx, Ayi, x, y V. (4.5)
se numeste adjunctul lui A.
Propozitia 4.21 Daca A, B : V V sunt operatori liniari si K atunci
A + B : V V, (A + B)x = Ax + Bx
A : V V, (A)x = Ax
AB : V V, (AB)x = A(Bx)
sunt operatori liniari si
(A ) = A, (A+B) = A +B , (A) = A , (AB) = B A .
Demonstratie. Avem
(A + B)(x + y) = A(x + y) + B(x + y) = Ax + Ay + Bx + By
= (A + B)x + (A + B)y
(A)(x + y) = A(x + y) = Ax + Ay = (A)x + (A)y
(AB)(x + y) = A(B(x + y)) = A(Bx + By) = A(Bx) + A(By)
= (AB)x + (AB)y.
Relatia (A ) = A rezulta din
h(A ) x, yi = hx, A yi = hAx, yi, x, y V.
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
h(A + B) x, yi = h(A + B )x, yi, y V

ceea ce conduce la (A + B) = A + B . Similar, pentru orice x V avem
h(A) x, yi = hx, (A)yi = hx, Ayi = hx, Ayi
= hA x, yi = h A x, yi = h(A )x, yi, y V
si acesta relatie conduce la
(A) x = (A )x, x V
adica (A) = A . Oricare ar fi x V avem relatia
h(AB) x, yi = hx, (AB)yi = hx, A(By)i = hA x, Byi
= hB (A x), yi = h(B A )x, yi, y V
care conduce la (AB) = B A .
Propozitia 4.22 Matricea adjunctului A al unui operator liniar A L(V ) n

raport cu o baza ortonormata este complex conjugata transpusei matricei A a oper-
atorului A in raport cu aceeasi baza.
Demonstratie. Fie
a11 a12 a1n

a11 a12 a1n
a21 a22 a2n a21 a22 a2n
A= , A =

matricele lui A si A n raport cu baza ortonormata {e1 , e2 , ..., en }, adica

n n
A ej = aij ei .
X X
Aej = aij ei , (4.6)
i=1 i=1
Conform formulei de reprezentare a unui vector n raport cu o baza ortonormata

n
X
v= hv, ei iei
i=1
avem n n
A ej = hA ej , ei iei
X X
Aej = hAej , ei iei , (4.7)
i=1 i=1
Din relatiile (4.6) si (4.7) rezulta
aij = hAej , ei i, aij = hA ej , ei i
ceea ce conduce la
aij = hA ej , ei i = hej , Aei i = hAei , ej i = aji .
4.5 Operatori autoadjuncti
Definitia 4.23 Prin operator autoadjunct (sau hermitian)se ntelege un oper-

ator liniar A : V V astfel incat A = A, adica un operator astfel ncat
hAx, yi = hx, Ayi, x, y V. (4.8)
Notatie. Vom nota cu A(V ) multimea operatorilor autoadjuncti definiti pe V , adica

A(V ) = { A L(V ) | A = A }
= { A L(V ) | hAx, yi = hx, Ayi, x, y V }.

Propozitia 4.24
a) A, B A(V ) = A + B A(V )
)
A A(V )
b) = A A(V )
R
c) Daca A, B A(V ) atunci :
AB A(V ) AB = BA
d) Daca operatorul A A(V ) este inversabil atunci A1 A(V ).

Demonstratie. Vom utiliza propozitia 4.21.
a) Avem (A + B) = A + B = A + B
b) Avem (A) = A = A.
c) Daca AB A(V ) atunci AB = (AB) = B A = BA.
Daca AB = BA atunci (AB) = B A = BA = AB si deci AB A(V ).
d) Avem hA1 x, yi = hA1 x, A(A1 y)i = hA(A1 x), A1 yi = hx, A1 yi.
Definitia 4.25 Spunem ca

a11 a12 a1n
a21 a22 a2n
A=

an1 an2 ann
este o matrice hermitica daca

t
A = A
adica daca
aij = aji , i, j {1, 2, ..., n}.
Propozitia 4.26 Un operator liniar A : V V este operator autoadjunct daca si

numai daca matricea lui n raport cu o baza ortonormata este o matrice hermitica.
Demonstratie. Afirmtia rezulta din propozitia 4.22.
Teorema 4.27 Daca A : V V este un operator autoadjunct atunci:

a) toate valorile proprii sunt reale
b) vectorii proprii corespunzatori la valori proprii distincte sunt ortogonali.
Demonstratie. a) Fie o valoare proprie a lui A si v 6= 0 un vector propriu core-

spunzator
Av = v.
In cazul x = y = v relatia
hAx, yi = hx, Ayi (4.9)
verificata de A oricare ar fi x, y V devine succesiv
hAv, vi = hv, Avi
hv, vi = hv, vi
hv, vi = hv, vi
||v||2 = ||v||2
= .
b) Fie 1 6= 2 doua valori proprii distincte si v1 , v2 vectori proprii corespunzatori
Av1 = 1 v1 , Av2 = 2 v2 .
In cazul x = v1 , y = v2 relatia (4.9) se poate scrie succesiv

hAv1 , v2 i = hv1 , Av2 i
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
Deoarece matricea A este hermitica , adica ajk = akj , rezulta

Pn Pn
j,k=1 ajk xk xj j,k=1 akj xk xj
1 = Pn 2
= Pn 2
= 1 .
j=1 |xj | j=1 |xj |
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.
Teorema 4.29 Daca A : V V este un operator autoadjunct atunci exista o

baza ortonormata n raport cu care matricea lui A este o matrice diagonala.
Demonstratie. Utilizam metoda inductiei matematice. Afirmatia este, evident,

adevarata n cazul dim V = 1. Presupunand ca afirmatia este este adevarata n
cazul spatiilor de dimensiune n 1 aratam ca ea este adevarata si pentru spatiile de
dimensiune n. Fie V un spatiu vectorial de dimensiune n si fie A A(V ). Stim ca
A admite cel putin o valoare proprie 1 . Fie v1 6= 0 un vector propriu corespunzator
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 ||
Subspatiul vectorilor ortogonali pe e1
W = {e1 } = { x V | hx, e1 i = 0 }
este un spatiu vectorial de dimensiune n 1 si span{e1 } W = V . El este un

subspatiu invariant al lui A
xW = hAx, e1 i = hx, Ae1 i = 1 hx, e1 i = 0 = Ax W.
Relatia
hAx, yi = hx, Ayi
fiind verificata oricare ar fi x, y V rezulta ca restrictia lui A la W
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
Sistemul de vectori {e1 , e2 , e3 , ..., en } este o baza ortonormata a lui V n raport cu

care matricea lui A este

1 0 0 0

0 2 0 0

A= 0 0 3 0 .

0 0 0 n
4.6 Transformari unitare
Definitia 4.30 Fie (V, h, i) un spatiu vectorial euclidian complex (finit-dimensional).

Prin transformare unitara (numita si operator unitar) se ntelege o aplicatie
liniara A : V V cu proprietatea
hAx, Ayi = hx, yi, x, y V.
Observatia 4.6 Transformarile unitare pastreaza nemodificat produsul scalar a doi

vectori si norma unui vector
q q
||Ax|| = hAx, Axi = hx, xi = ||x||, x V.
Propozitia 4.31 Daca A, B L(V ) sunt transformari unitare atunci AB este

transformare unitara. Orice transformare unitara A este bijectiva si A1 este trans-
formare unitara.
Demonstratie. Daca A si B sunt transformari unitare atunci
h(AB)x, (AB)yi = hA(Bx), A(By)i = hBx, Byi = hx, yi, x, y V.
Daca A este transformare unitara atunci ker A = {0}
Ax = 0 = ||x|| = ||Ax|| = 0 = x = 0.
Conform teoremei 3.4 rezulta ca
dim Im A = dim V dim Ker A = dim V
ceea ce arata ca A este surjectiva. Transformarea A1 este unitara
hx, yi = hA(A1 x), A(A1 y)i = hA1 x, A1 yi.
Observatia 4.7 Deoarece transformarea identica
I : V V : x 7 x
este o transformare unitara si compunerea aplicatiilor este o operatie asociativa
(A(BC))x = A((BC)x) = A(B(Cx)) = (AB)(Cx) = ((AB)C)x, x V
din propozitia anterioara rezulta ca pe multimea transformarilor unitare
{ A : V V | hAx, Ayi = hx, yi, x, y V }
exista o structura naturala de grup (numit grupul transformarilor unitare ale lui V ).
Propozitia 4.32 Fie A L(V ). Urmatoarele afirmatii sunt echivalente:

a) A este transformare unitara
b) A A = I
c) transformarea A este bijectiva si A1 = A .
Demonstratie. Aratam ca a) b) c) a). Daca A este transformare unitara,

adica
hAx, Ayi = hx, yi, x, y V
atunci
hA Ax, yi = hx, yi, x, y V
relatie care conduce la A A = I. Daca A A = I atunci A AA1 = A1 , adica
A = A1 . Daca A este bijectiva si A1 = A atunci
hAx, Ayi = hA Ax, yi = hA1 Ax, yi = hx, yi, x, y V.
Propozitia 4.33 Fie A Mnn (C) o matrice cu n linii si n coloane cu elemente

numere complexe si fie A = t A adjuncta ei. Relatiile
A A = I, A A = I, A1 = A .
unde I Mnn (C) este matricea unitate, sunt echivalente.
Demonstratie. Daca A A = I atunci A este inversabila
A A = I = detA detA = detI = 1 = detA 6= 0
si nmultind relatia A A = I cu A1 la stanga rezulta A1 = A . Similar, daca

A A = I atunci A este inversabila
A A = I = detA detA = detI = 1 = detA 6= 0
si nmultind relatia A A = I cu A1 la dreapta rezulta A1 = A . Evident, relatia

A1 = A implica celelalte doua relatii.
Definitia 4.34 Matricea A Mnn (C) este numita matrice unitara daca
A A = I
(conditie echivalenta cu A1 = A si A A = I).
Observatia 4.8 Daca A este o matrice unitara atunci |detA| = 1. Intr-adevar
A A = I = detA detA = 1 = |detA|2 = 1.

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
matricea de trecere ntre cele doua baze si adjuncta ei, adica

n
e0j =
X
ij ei .
i=1
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.
Propozitia 4.36 O aplicatie liniara A : V V este transformare unitara daca

si numai daca matricea ei n raport cu o baza ortonormata este o matrice unitara.
Pn
Demonstratie. Daca {e1 , e2 , ..., en } este o baza ortonormata si Aei = j=1 aji ej
atunci
Pn Pn
hAei , Aej i = h k=1 aki ek , m=1 amj em i
Pn Pn Pn Pn
= k=1 m=1 aki amj hek , em i = k=1 aki akj = k=1 ajk aki .
Daca A este transformare unitara atunci

n
ajk aki = hAei , Aej i = hei , ej i = ij
X
k=1
relatie echivalenta cu A A = I. Invers, daca A A = I atunci

D Pn P E
n Pn Pn
hAx, Ayi = A ( i=1 xi ei ) , A j=1 yj ej = i=1 j=1 xi yj hAei , Aej i
Pn Pn Pn
= i=1 j=1 xi yj ij = i=1 xi yi = hx, yi.
Teorema 4.37 Daca A : V V este transformare unitara atunci:

a) orice valoare proprie este astfel ncat || = 1
Demonstratie. a) Fie o valoare proprie a lui A si v 6= 0 un vector propriu core-

spunzator
Av = v.
In cazul x = y = v relatia
hAx, Ayi = hx, yi (4.10)
verificata de A oricare ar fi x, y V devine succesiv
hAv, Avi = hv, vi
hv, vi = hv, vi
hv, vi = hv, vi
||2 ||v||2 = ||v||2
|| = 1.
b) Fie 1 6= 2 doua valori proprii distincte si v1 , v2 vectori proprii corespunzatori
Av1 = 1 v1 , Av2 = 2 v2 .
Deoarece 2 2 = |2 |2 = 1, n cazul x = v1 , y = v2 relatia (4.10) se poate scrie succesiv
hAv1 , Av2 i = hv1 , v2 i
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.
Teorema 4.38 Daca A : V V este o transformare unitara atunci exista o baza

a lui V n raport cu care matricea lui A este o matrice diagonala.
Demonstratie. Utilizam metoda inductiei matematice. Afirmatia este, evident,

adevarata n cazul dim V = 1. Presupunand ca afirmatia este este adevarata n
cazul spatiilor de dimensiune n 1 aratam ca ea este adevarata si pentru spatiile
de dimensiune n. Fie V un spatiu vectorial de dimensiune n si A : V V o
transformare unitara. Fie 1 C o valoare proprie si v1 6= 0 un vector propriu
corespunzator
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 ||
Subspatiul vectorilor ortogonali pe e1
W = {e1 } = { x V | hx, e1 i = 0 }
este un spatiu vectorial de dimensiune n 1 si span{e1 } W = V . El este un

subspatiu invariant al lui A
x W = hAx, e1 i = 1 hAx, 1 e1 i = 1 hAx, Ae1 i = 1 hx, e1 i = 0 = Ax W.
Relatia
hAx, Ayi = hx, yi
fiind verificata oricare ar fi x, y V rezulta ca restrictia lui A la W
A|W : W W
verifica relatia
hA|W x, A|W yi = hx, yi
oricare ar fi x, y W , adica este transformare unitara. 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
3
0 0
A|W =

0 0 n
Sistemul de vectori {e1 , e2 , e3 , ..., en } este o baza ortonormata a lui V n raport cu

care matricea lui A este

1 0 0 0

0 2 0 0

A= 0 0 3 0 .

0 0 0 n
4.7 Transformari ortogonale
Definitia 4.39 Fie (V, h, i) un spatiu vectorial euclidian real (finit-dimensional).

Prin transformare ortogonala (numita si operator ortogonal) se ntelege o
aplicatie liniara A : V V cu proprietatea
hAx, Ayi = hx, yi, x, y V.
Propozitia 4.40 Aplicatia liniara A : V V este transformare ortogonala daca

si numai daca
||Ax|| = ||x||, x V.
Demonstratie. Daca A : V V este transformare ortogonala atunci

q q
||Ax|| = hAx, Axi = hx, xi = ||x||, x V.
Invers, daca ||Ax|| = ||x|| oricare ar fi x V , atunci

1
hAx, Ayi = 4 (hAx + Ay, Ax + Ayi hAx Ay, Ax Ayi)
1 1
||A(x + y)||2 ||A(x y)||2 i = ||x + y||2 ||x y||2 i

= 4 4
1
= 4 (hx + y, x + yi hx y, x yii) = hx, yi.
Propozitia 4.41 Daca A, B L(V ) sunt transformari ortogonale atunci AB este

transformare ortogonala. Orice transformare ortogonala A este bijectiva si A1 este
transformare ortogonala.
Demonstratie. A se vedea demonstratia propozitiei 4.31 .
Propozitia 4.42 Fie A L(V ). Urmatoarele afirmatii sunt echivalente:

a) A este transformare ortogonala
b) A A = I
c) A este bijectiva si A1 = A .
Demonstratie. A se vedea demonstratia propozitiei 4.32.
Propozitia 4.43 Fie A Mnn (R) o matrice cu n linii si n coloane cu elemente

numere reale si fie t A transpusa ei. Relatiile
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
(conditie echivalenta cu A1 = tA si A tA = 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.
Demonstratie. A se vedea demonstratia teoremei 4.35.
Propozitia 4.46 O transformare liniara este transformare ortogonala daca si nu-

mai daca matricea ei n raport cu o baza ortonormata este o matrice ortogonala.
Teorema 4.47 Daca A : V V este o transformare ortogonala atunci:

a) orice valoare proprie este egala cu 1 sau 1.
Observatia 4.10 In general, n cazul unei transformari ortogonale A : V V nu

exista o baza a lui V n raport cu care matricea lui A sa fie o matrice diagonala.
2x + 2y z x + 2y + 2z 2x y + 2z

3 3
A : R R , A(x, y, z) = , ,
3 3 3
este transformare ortogonala.

Capitolul 5
Forme patratice
Definitia 5.1 Fie V un spatiu vectorial peste corpul K, unde K = R sau K = C.

Prin forma biliniara se ntelege o aplicatie
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)
Observatia 5.1 Alegand o baza {e1 , e2 , ..., en } si utilizand reprezentarile

n
X n
X
x= xi ei , y= yj e j
i=1 j=1
ale vectorilor x si y obtinem

P
n Pn Pn Pn
g(x, y) = g i=1 xi ei , j=1 yj ej = i=1 j=1 xi yj g(ei , ej )

y1

g11 g12 g1n
g21 g22 g2n
y2

= (x1 x2 ... xn )

..
.

gn1 gn2 gnn yn
111
unde gij = g(ei , ej ).
Definitia 5.2 Fie g : V V K o forma biliniara si B = {e1 , e2 , ..., en } o baza a

lui V . Matricea

g11 g12 g1n g(e1 , e1 ) g(e1 , e2 ) g(e1 , en )
g21 g22 g2n g(e2 , e1 ) g(e2 , e2 ) g(e2 , en )
G= =

gn1 gn2 gnn g(en , e1 ) g(en , e2 ) g(en , en )
se numeste matricea lui g in raport cu baza B.
Propozitia 5.3 Fie g : V V K o forma biliniara, B, B 0 doua baze ale lui V

si S matricea de trecere de la B la B 0 . Daca G este matricea lui g n raport cu B si
G 0 este matricea lui g n raport cu baza B 0 atunci
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
relatie echivalenta cu (5.1).

Observatia 5.2 Expresia in coordonate
n X
n
0
X
gij = ki mj gkm
k=1 m=1
a relatiei G 0 = t S G S obtinuta n demonstratia propozitiei ne arata ca orice forma

biliniara este un tensor de tip (0, 2).
Forme patratice 113
Definitia 5.4 Spunem ca forma biliniara
g : V V K
este o forma biliniara simetrica daca
g(x, y) = g(y, x), x, y V.
Definitia 5.5 O aplicatie

Q : V K
este numita forma patratica daca exista o forma biliniara simetrica
g : V V K
astfel ncat
Q(x) = g(x, x), x V.
Propozitia 5.6 Fiecarei forme patratice Q : V K i corespunde o singura forma

biliniara simetrica g : V V K astfel ncat
Q(x) = g(x, x), x V.
Demonstratie. Din relatia

Q(x + y) = g(x + y, x + y)
= g(x, x) + g(x, y) + g(y, x) + g(y, y)
= Q(x) + Q(y) + 2 g(x, y)

rezulta
1

g(x, y) = Q(x + y) Q(x) Q(y) , x, y V.
2
Observatia 5.3 Daca Q : V K este o forma patratica si g : V V K forma
biliniara simetrica asociata atunci alegand o baza {e1 , e2 , ..., en } obtinem relatia

x1

g11 g12 g1n
n x2
X g21 g22 g2n
Q(x) = gij xi xj = (x1 x2 ... xn )

..
.

i,j=1
gn1 gn2 gnn xn
unde gij = g(ei , ej ) si x1 , x2 , ... , xn sunt coordonatele lui x n baza aleasa.
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.
Exemplul 5.1 Aplicatia
Q : R3 R, Q(x1 , x2 , x3 ) = x21 + 3x22 + x23 2x1 x2 4x1 x3
este o forma patratica deoarece exista forma biliniara simetrica
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
astfel ncat Q(x1 , x2 , x3 ) = g((x1 , x2 , x3 ), (x1 , x2 , x3 )).
5.2 Reducere la forma canonica
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.
Definitia 5.8 Spunem ca forma patratica Q : V K are n raport cu baza

{e1 , e2 , ..., en } forma canonica daca matricea lui Q n raport cu aceasta baza este
o matrice diagonala
1 0 0
2
0 0
G=

0 0 n
adica, expresia n coordonate a formei Q n raport cu acesta baza este de forma
Q(x) = 1 x21 + 2 x22 + + n x2n .
Observatia 5.5 Expresia forma patratica Q : V K are n raport cu baza

{e1 , e2 , ..., en } forma canonica trebuie nteleasa n sensul functia Q : V K are
n raport cu baza {e1 , e2 , ..., en } expresia cea mai simpla.
Forme patratice 115
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 .
Demonstratie. Baza cautata poate fi obtinuta n toate cazurile utilizand metoda

prezentata n rezolvarile urmatoarelor doua exercitii.
Exercitiul 5.2 Sa se reduca la forma canonica forma patratica
Q : R3 R, Q(x1 , x2 , x3 ) = x21 + 3x22 + x23 2x1 x2 4x1 x3
indicand si baza utilizata.
Rezolvare. Deoarece
x = (x1 , x2 , x3 ) = x1 (1, 0, 0) + x2 (0, 1, 0) + x3 (0, 0, 1)
numerele x1 , x2 , x3 pot fi privite ca fiind coordonatele vectorului x R3 n raport

cu baza canonica B = {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)}. Grupand ntr-un
patrat termenii care contin pe x1 si apoi pe cei care contin pe x2 obtinem relatia
Q(x) = (x1 x2 2x3 )2 + 2x22 3x23 4x2 x3
= (x1 x2 2x3 )2 + 2(x2 x3 )2 5x23
= x01 2 + 2x02 2 5x03 2
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
Determinarea bazei B 0 este echivalenta cu gasirea matricei

11 12 13
S = 21 22 23

31 32 33
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
Numerele ij pot fi imediat identificate daca folosind relatiile (5.2) exprimam x1 ,

x2 , x3 cu ajutorul coordonatelor x01 , x02 , x03

0 0 0
x1 = x1 + x2 + 3x3

2x = x0 + x03
2
x = x0

3 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 .
Exercitiul 5.3 Sa se reduca la forma canonica forma patratica
Q : R3 R, Q(x1 , x2 , x3 ) = x1 x2 + x1 x3 + x2 x3
indicand si baza utilizata.
Rezolvare. Efectuam mai ntai schimbarea de coordonate

0 0
x1 = x1 + x2

2 x = x0 x02
1
x = x0

3 3
care conduce la
2 2
Q(x) = x01 x02 + 2x01 x03
Forme patratice 117
si apoi utilizam metoda folosita n exercitiul anterior. Se obtine
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
Exprimand coordonatele initiale x1 , x2 , x3 n functie de cele finale x001 , x002 , x003

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 .
Teorema 5.10 (Jacobi) Fie Q : V K o forma patratica si fie

g11 g12 g1n

g21 g22 g2n

gn1 gn2 gnn
matricea ei n raport cu o baza B. Daca
1 = g11 6= 0

g g12
2 = 11 6= 0

g21 g22
...................................

g11 g12 g1n

g21 g22 g2n
n = 6= 0

gn1 gn2 gnn
atunci exista o baza B 0 n raport cu care Q are expresia

1 0 2 1 0 2 n1 0 2
Q(x) = x1 + x2 + + x .
1 2 n n
Demonstratie. Fie B = {e1 , e2 , ..., en } si fie g : V V K forma biliniara simetrica
corespunzatoare lui Q. Aratam ca exista o baza B 0 formata din vectori de forma
e01 = 11 e1
e02 = 12 e1 + 22 e2
........................
e0n = 1n e1 + 2n e2 + + nn en
satisfacand pentru orice j {1, 2, ..., n} relatiile
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
si ca n raport cu astfel de baza Q are expresia indicata. Deoarece

g11 g12 g1j

g21 g22 g2j
j = 6= 0

gj1 gj2 gjj
sistemul (5.3) este un sistem Cramer care permite determinarea coeficientilor 1j ,

2j , ... , jj ai lui e0j . In particular,
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 .
Daca k < j atunci

0
gjk = g(e0j , e0k ) = g(e0j , 1k e1 + 2k e2 + + kk ek )
= 1k g(e0j , e1 ) + 2k g(e0j , e2 ) + + kk g(e0j , ek ) = 0.
Teorema 5.11 Daca V este un spatiu vectorial euclidian real,
Q : V R
este o forma patratica a carei matrice n raport cu o baza ortonormata B este

g11 g12 g1n
g21 g22 g2n
G=

gn1 gn2 gnn
atunci exista o baza ortonormata B 0 n raport cu care Q are forma

2 2 2
Q(x) = 1 x01 + 2 x02 + + n x0n
unde 1 , 2 , ... , n sunt valorile proprii ale matricei G.

Demonstratie. Fie B = {e1 , e2 , ..., en }. Relatia

n
X
A : V V, Aei = gji ej
j=1
defineste un operator autoadjunct a carui matrice n raport cu baza B coincide cu

matricea G a lui Q n raport cu aceeasi baza. Deoarece A este diagonalizabil exista o
baza ortonormata B 0 = {e01 , e02 , ..., e0n } formata din vectori proprii ai lui A n raport
cu care matricea lui A este

1 0 0
0 2 0
A0 = .

0 0 n
Notand cu S matricea de trecere de la B la B 0 avem
A0 = S 1 GS.
Pe de alta parte stim ca matricea G 0 a formei patratice Q n raport cu baza B 0 este
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
Vom prezenta n continuare unele aplicatii ale algebrei liniare n geometrie.
Definitia 6.1 Prin conica se ntelege multimea solutiilor unei ecuatii de forma
a11 x2 + 2 a12 xy + a22 y 2 + 2a13 x + 2a23 y + a33 = 0 (6.1)
avand cel putin unul dintre coeficientii a11 , a12 , a22 nenul.
Exemplul 6.1 Ecuatia

x2 + y 2 1 = 0
este ecuatia unui cerc,

1 2 1 2
x + y 1=0
9 4
este ecuatia unei elipse,
1 2 1 2
x y 1=0
9 4
este ecuatia unei hiperbole,
y 2 2x = 0
este ecuatia unei parabole, iar

x2 y 2 = 0
121
reprezinta ecuatia a doua drepte concurente.
Observatia 6.1 In cazul unei translatii de vector (x0 , y0 ) a reperului urmate de

o rotatie de unghi legatura ntre coodonatele (x, y) ale unui punct n raport cu
reperul initial R si coordonatele (x0 , y 0 ) ale aceluiasi punct n raport cu reperul final
R0 este (
x = x0 + x0 cos y 0 sin
y = y0 + x0 sin + y 0 cos
Teorema 6.2 La o schimbare de reper ecuatia unei conice
a11 x2 + 2 a12 xy + a22 y 2 + 2a13 x + 2a23 y + a33 = 0
se transforma ntr-o ecuatie de aceeasi forma
a011 x2 + 2 a012 xy + a022 y 2 + 2a013 x + 2a023 y + a033 = 0

Conice 123
iar parametrii

a a12 a13
a a12 11
I = a11 + a22 , = 11 , = a12 a22 a23

a12 a22

a13 a23 a33
raman invarianti, adica a11 + a22 = a011 + a022 ,

a a12 a13 a0 a012 a013
a a12 a011 a012 11 11
11 0
= , a12 a22 a23 = a12 a022 a023 .

a12 a22 a012 a022

0
a023 a033

a13 a23 a33 a13
Demonstratie. Relatia
f (x, y) = a11 x2 + 2 a12 xy + a22 y 2 + 2a13 x + 2a23 y + a33
se poate scrie n forma matriceala

a11 a12 a13 x ! !
A B X
f (x, y) = ( x y 1 ) a12 a22 a23 y = ( t X 1 )

tB a 1
33
a13 a23 a33 1
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

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
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
rezulta ca n urma schimbarii de reper, f (x, y) se transforma ntr-un polinom de

aceeasi forma,
!
A0 B 0
0 = det t B 0 a0
33
! ! !
tR 0 A B R T
= det tT det tB a det
1 33 0 1
!
A B
= det tB a =
33
si A0 = t RAR, adica
! ! ! !
a011 a012 cos sin a11 a12 cos sin
=
a012 a022 sin cos a12 a22 sin cos
relatie care conduce la 0 = si I 0 = I.
6.2 Reducere la forma canonica
Observatia 6.2 In cazul unei translatii a reperului

(
x = x0 + x0
y = y0 + x 0
Conice 125
polinomul
f (x, y) = a11 x2 + 2 a12 xy + a22 y 2 + 2a13 x + 2a23 y + a33
se transforma n
f(x0 , y 0 ) = a11 x0 2 + 2a12 x0 y 0 + a22 y 0 2 + 2(a11 x0 + a12 y0 + a13 )x0

(6.2)
+ 2(a12 x0 + a22 y0 + a23 )y 0 + f (x0 , y0 ).
Definitia 6.3 Spunem ca punctul (x0 , y0 ) este un centru al conicei (6.1) daca n
raport cu reperul translatat cu (x0 , y0 )
f(x0 , y 0 ) = 0 f(x0 , y 0 ) = 0. (6.3)
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
Demonstratie. Afirmatia rezulta din (6.2) si (6.3).
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

b) In reperul rezultat in urma translatiei cu (x0 , y0 ) ecuatia conicei este
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

Demonstratie. a) In cazul 6= 0 sistemul (6.4) are solutia unica (x0 , y0 ).

b) Din relatia (6.2) rezulta ca ecuatia conicei n reperul rezultat n urma translatiei
cu (x0 , y0 ) este
2 2
a11 x0 + 2 a12 x0 y 0 + a22 y 0 + f (x0 , y0 ) = 0.
Deoarece valoarea parametrului nu depinde de reperul utilizat

a a12 0
11
= a12 a22 0

0 0 f (x0 , y0 )
relatie care conduce la f (x0 , y0 ) =

.
c) Conform teoremei 4.37 n cazul formei patratice
2 2
Q : R2 R, Q(x0 , y 0 ) = a11 x0 + 2 a12 x0 y 0 + a22 y 0
exista o baza ortonormata a lui R2 formata din vectori proprii ai matricei

!
a11 a12
a12 a22
n raport cu care Q are forma canonica
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
Teorema 6.6 a) In cazul n care = 0, a11 6= 0 si = 0 exista un reper n raport

cu care ecuatia conicei este
2
a022 y 0 + 2a023 y 0 + a033 = 0.
a) In cazul n care = 0, a11 6= 0 si 6= 0 exista un reper n raport cu care ecuatia

conicei este s
2
Y = 2pX, unde p = 3 .
I
Demonstratie. Efectuand o rotatie de unghi a reperului
(
x = x0 cos y 0 sin
y = x0 sin + y 0 cos
ecuatia conicei devine
a011 x2 + 2 a012 xy + a022 y 2 + 2a013 x + 2a023 y + a033 = 0
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

rezulta a013 = 0. In urma rotatiei considerate ecuatia conicei este

2
a022 y 0 + 2a023 y 0 + a033 = 0.
b) Daca 6= 0 atunci a013 6= 0 si ecuatia conicei

2
a022 y 0 + 2a013 x0 + 2a023 y 0 + a033 = 0
se poate scrie succesiv
2a0

02
a022 y + 0 23 y 0 + 2a013 x0 + a033 = 0
a22
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
ecuatia conicei devine

2 a013
Y2 = X.
a022
Deoarece = a013 2 a022 si I = a022 ecuatia se mai poate scrie
s
2
Y = X.
I3
Observatia 6.4 Tinand seama ca radacinile ecuatiei 2 I + = 0 verifica relatiile
1 + 2 = I, 1 2 =
din teoremele anterioare rezulta ca exista urmatoarele cazuri
Cazul Ce reprezinta conica

< 0 si 6= 0 hiperbola
> 0 si I < 0 elipsa
> 0 si I > 0 multimea vida
> 0 si = 0 un punct
< 0 si = 0 doua drepte concurente
= 0 si = 0 doua drepte paralele, o dreapta sau multimea vida
= 0 si 6= 0 o parabola
Capitolul 7
Ecuatii si sisteme de ecuatii

diferentiale liniare
Vom prezenta unele aplicatii ale algebrei liniare la rezolvarea ecuatiilor diferentiale
liniare si a sistemelor de ecuatii diferentiale liniare.
7.1 Ecuatii diferentiale de ordinul ntai
Definitia 7.1 O ecuatie diferentiala de ordinul ntai este o ecuatie de forma
F (x, y, y 0 ) = 0 (7.1)
unde x este variabila independenta, y functia necunoscuta, y 0 derivata functiei ne-

cunoscute si F : I R R R este o functie continua, I R fiind un interval.
Prin solutie a ecuatiei (7.1) se ntelege o functie derivabila
: (a, b) R
cu (a, b) I si astfel ncat
F (x, (x), 0 (x)) = 0, x (a, b).
129
Definitia 7.2 Spunem ca ecuatia diferentiala
y 0 = f (x, y) unde f : D R2 R (7.2)
este o ecuatie diferentiala scrisa sub forma normala.

Prin solutie a ecuatiei (7.2) se ntelege o functie derivabila
: (a, b) R
astfel ncat
1) (x, (x)) D, x (a, b)
0
2) (x) = f (x, (x)), x (a, b).
Observatia 7.1 Ecuatia (7.2) se mai poate scrie

dy
= f (x, y) (7.3)
dx
sau sub forma
dy = f (x, y) dx (7.4)
numita forma simetrica. Solutia ecuatiei (7.4) se poate cauta sub forma
y = y(x)
sau
x = x(y)
sau, mai general, sub forma parametrica
(
x = x(t)
y = y(t).
Ecuatia (7.4) este caz particular pentru ecuatia
P (x, y) dx + Q(x, y) dy = 0, unde P, Q : D R2 R (7.5)
care este forma generala a unei ecuatii simetrice.

Prin solutie a ecuatiei (7.5) se ntelege o pereche de aplicatii derivabile
, : (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).
Observatia 7.2 Stim din liceu ca daca
f : (a, b) R
este o functie continua atunci functia

Z x
F : (a, b) R, F (x) = f (t) dt
x0
este o primitiva a lui f oricare ar fi x0 (a, b), adica avem

Z x
d

f (t) dt = f (x), x (a, b).
dx x0
Teorema 7.3 Fie ecuatia cu variabile separabile
y 0 = f (x) g(y) (7.6)
unde f : I R si g : J R sunt functii continue definite pe intervalele I si J.
a) Daca y0 J este astfel ncat g(y0 ) = 0 atunci functia constanta
: I R, (x) = y0
este o solutie a ecuatiei (7.6).
b) Daca y0 J este astfel ncat g(y0 ) 6= 0 atunci relatia

Z y Z x
1
du = f (v) dv + C (7.7)
y0 g(u) x0
unde x0 I si C este o constanta, defineste implicit o solutie locala y = y(x)

a ecuatiei (7.6).
Demonstratie. a) Deoarece 0 (x) = 0 si g((x)) = g(y0 ) = 0 rezulta ca
0 (x) = f (x) g((x)), x I.

b) Derivand relatia (7.7) n raport cu x considerand y = y(x) rezulta
1
y 0 (x) = f (x)
g(y(x))
adica
y 0 (x) = f (x) g(y(x)).
Observatia 7.3 Ecuatia (7.6) poate fi scrisa sub forma
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)
al carei membru stang este o diferentiala totala deoarece
1

(f (x)) = .
y x g(y)
Ecuatia (7.8) se poate scrie sub forma
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.
Propozitia 7.4 Ecuatia omogena

y

0
y =f
x
se reduce la o ecuatie cu variabile separabile daca se utilizeaza schimbarea de variabila
y(x) = x z(x), unde z(x) este noua functie necunoscuta.
Demonstratie. Derivand y(x) = x z(x) obtinem relatia y 0 (x) = z(x) + x z 0 (x) care
ne permite sa scriem ecuatia sub forma
1
z0 =
(f (z) z).
x
Propozitia 7.5 Ecuatia liniara omogena
y 0 = f (x) y
are solutia generala Rx

f (t)dt
y(x) = C e x0
unde C este o constanta arbitrara.

Demonstratie. Tinand seama de teorema 7.3 rezolvarea ecuatiei poate fi prezentata
dupa cum urmeaza
dy
dx = 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 + g(x) (7.9)
se obtine adunand solutia generala a ecuatiei liniare omogene asociate
y 0 = f (x) y (7.10)
cu o solutie particulara y a ecuatiei (7.9).

Demonstratie. Daca y verifica (7.10) si y verifica (7.9) atunci
(y+ y)0 (x) = f (x) y(x)+f (x) y(x)+g(x) = f (x) (y+ y)(x)+g(x).
Daca y si y verifica (7.9) atunci y y verifica (7.10)
(y y)0 (x) = f (x) y(x)+g(x)f (x) y(x)g(x) = f (x) (y y)(x).
Propozitia 7.7 O solutie particulara y a ecuatiei liniare neomogene
y 0 = f (x) y + g(x)
poate fi gasita folosind metoda variatiei constantei cautand-o de forma

Rx
f (t)dt
y(x) = C(x) e x0 .
Demonstratie. Inlocuind in ecuatie obtinem relatia

Rx
f (t)dt
C 0 (x) = g(x) e x0
care permite determinarea functiei C(x).
Propozitia 7.8 Ecuatia Bernoulli
y 0 = f (x) y + g(x) y
se reduce la o ecuatie liniara daca se utilizeaza schimbarea de variabila z = y 1 .
Demonstratie. Daca = 1 atunci ecuatia este deja o ecuatie liniara. In cazul 6= 1,

mpartind cu y obtinem ecuatia
y y 0 = f (x) y 1 + g(x)
care se poate scrie

1
(y 1 )0 = f (x) y 1 + g(x).
1
Propozitia 7.9 Ecuatia Riccati
y 0 = f (x) y 2 + g(x) y + h(x)
se poate rezolva utilizand schimbarea de variabila
1
y = yp +
z
n cazul n care se cunoaste o solutie particulara yp .
Demonstratie. In urma schimbarii de variabila indicate ecuatia devine
z 0 = (2f (x) yp (x) g(x)) z f (x)
adica o ecuatie liniara.
7.2 Ecuatii diferentiale liniare de ordin superior
Definitia 7.10 O ecuatie diferentiala liniara de ordinul n este o ecuatie de

forma
a0 (x) y (n) + a1 (x) y (n1) + + an1 (x) y 0 + an (x) y = f (x) (7.11)
unde
a0 , a1 , ..., an , f : I R
sunt functii continue definite pe un interval I R si a0 (x) 6= 0, oricare ar fi x I.

Prin solutie a ecuatiei (7.11) se ntelege o functie
: 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).
Teorema 7.11 (de existenta si unicitate). Daca
a0 , a1 , ..., an , f : I R
sunt functii continue si

a0 (x) 6= 0 x I
atunci ecuatia diferentiala
a0 (x) y (n) + a1 (x) y (n1) + + an1 (x) y 0 + an (x) y = f (x)
admite pentru fiecare (x0 , y00 , y01 , ..., y0n1 ) I Rn o unica solutie
: I R
astfel ncat
(x0 ) = y00 , 0 (x0 ) = y01 , ... , (n1) (x0 ) = y0n1 .
Observatia 7.4 Utilizand operatorul diferential
L = a0 (x) Dn + a1 (x) Dn1 + + an1 (x) D + an (x)
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 }
C 0 (I) = { : I R | este functie continua }
este un operator liniar
L( + ) = L + L , R, , C n (I).
Teorema 7.12 Spatiul
V = { : I R | L = 0 }
al tuturor solutiilor ecuatiei liniare omogene
Ly = 0
este un spatiu vectorial de dimensiune n.
Demonstratie. Daca , V atunci
L( + ) = L + L = 0
oricare ar fi , R. Conform teoremei de existenta si unicitate, pentru x0 I

fixat aplicatia
A : V Rn , A = ((x0 ), 0 (x0 ), ..., (n1) (x0 ))
este un izomorfism liniar. Rezulta ca spatiile vectoriale V si Rn sunt izomorfe si prin

urmare dim V = dim Rn = n.
Observatia 7.5 Rezolvarea ecuatiei
Ly = 0
nseamna determinarea spatiului vectorial V = { : I R | L = 0 } al tuturor

solutiilor, ceea ce se poate realiza indicand o baza {y1 , y2 , ... , yn }, caz n care
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.
Propozitia 7.13 Functiile
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
A : V Rn , A = ((x0 ), 0 (x0 ), ..., (n1) (x0 ))
este un izomorfism liniar functiile y1 , y2 , ... , yn : I R sunt liniar independente

daca si numai daca vectorii corespunzatori
(n1)
Ay1 = ( y1 (x0 ), y10 (x0 ), ... , y1 (x0 ) )
(n1)
Ay2 = ( y2 (x0 ), y20 (x0 ), ... , y2 (x0 ) )
.......................................................
(n1)
Ayn = ( yn (x0 ), yn0 (x0 ), ... , yn (x0 ) )
sunt liniar independenti, ceea ce este echivalent cu (7.12).
Teorema 7.14 (Abel-Liouville) Daca
y1 , y2 , ... , yn : I R
sunt n solutii ale ecuatiei

Ly = 0
atunci functia (numita wronskian)

y1 (x)
y2 (x) yn (x)

y 0 (x) y 0 (x) yn0 (x)
1 2
W : I R W (x) =

(n1) (n1) (n1)
y
1 (x) y2 (x) yn (x)
verifica relatia Rx a1 (t)

dt
W (x) = W (x0 ) e x0 a0 (t) (7.13)
unde x0 I este un punct fixat.
Demonstratie (cazul n = 2.) Aratam ca W verifica ecuatia liniara
a1 (x)
W 0 (x) = W (x).
a0 (x)
In cazul n = 2 ecuatia Ly = 0, adica
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.
Propozitia 7.15 Solutia generala a ecuatiei liniare neomogene
Ly = f
se obtine adunand la solutia generala a ecuatiei omogene asociate
Ly = 0
o solutie particulara y a ecuatiei neomogene.
Demonstratie. Deoarece Ly = f obtinem
Ly = 0 = L(y + y) = f si Ly = f = L(y y) = 0.
Teorema 7.16 (Metoda variatiei constantelor.) Daca

n
X
y(x) = ck yk (x)
k=1
este solutia generala a ecuatiei omogene
Ly = 0
atunci o solutie particulara a ecuatiei neomogene
Ly = f
poate fi gasita cautand-o de forma

n
X
y(x) = ck (x) yk (x)
k=1
cu c1 (x), c2 (x), ... , cn (x) solutie a sistemului

Pn
0

k=1 ck (x) yk (x) = 0

Pn 0 0
k=1 ck (x) yk (x) = 0

.......................................... (7.14)

Pn 0 (n2)
k=1 ck (x) yk (x) = 0

Pn

0 (n1) f (x)
k=1 ck (x) yk (x) = a0 (x) .

Demonstratie. Tinand sema de (7.14) obtinem relatiile

Pn
y(x) = k=1 ck (x) yk (x)
Pn
y 0 (x) = 0
k=1 ck (x) yk (x)
............................................
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) .
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).
Definitia 7.17 Prin ecuatie diferentiala liniara de ordinul n cu coeficienti

constanti se ntelege o ecuatie de forma
a0 y (n) + a1 y (n1) + + an1 y 0 + an y = f (x) (7.15)
unde a0 , a1 , ..., an sunt numere reale si f : I R este o functie continua definita

pe un interval I R.
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
P (r) = a0 rn + a1 rn1 + + an1 r + an
numit polinomul caracteristic asociat ecuatiei considerate.
Observatia 7.8 Folosind notatia lui Euler
ei = cos + i sin
definim pentru fiecare numar complex r = + i functia complexa
R C : x 7 erx = e(+i)x = ex cos(x) + i ex sin(x)
cu proprietatile
D e(+i)x = ( + i) e(+i)x
Re (D erx ) = D( Re erx )
Im (D erx ) = D( Im erx )
unde Re z si Im z reprezinta partea reala si repectiv imaginara a numarului z.

Propozitia 7.18 Functia
y : R C, y(x) = erx
este solutie a ecuatiei omogene

P (D)y = 0
daca si numai daca r este radacina a polinomului caracteristic, adica daca
a0 rn + a1 rn1 + + an1 r + an = 0.
Demonstratie. Deoarece Dk erx = rk erx si
P (D) erx = ( a0 rn + a1 rn1 + + an1 r + an )erx
avem
P (D) erx = 0 P (r) = 0.
Propozitia 7.19 Daca polinomul caracteristic P (r) are radacinile r1 , r2 , ... , rk

cu multiplicitatile m1 , m2 , ... , mk , adica
P (r) = a0 (r r1 )m1 (r r2 )m2 (r rk )mk
atunci P (D) admite factorizarea
P (D) = a0 (D r1 )m1 (D r2 )m2 (D rk )mk
ordinea factorilor putand fi schimbata fara a afecta rezultatul.
Demonstratie. Afirmatia rezulta din linearitatea lui D si din relatia Dp Dq = Dp+q .
Propozitia 7.20 Daca Q(r) este un polinom si (x) este o functie atunci
Q(D) (erx ) = erx Q(D + r)
oricare ar fi r C.
Demonstratie. Aratam mai ntai prin inductie ca
Dk (erx ) = erx (D + r)k .
Avem
D (erx ) = erx D + rerx = erx (D + r).
Presupunand ca Dk (erx ) = erx (D + r)k obtinem
Dk+1 (erx ) = D(erx (D + r)k ) = erx (D + r)(D + r)k = erx (D + r)k+1 .
Daca Q(r) = 0 rm + 1 rm1 + + m1 r + m atunci
Q(D) (erx ) = 0 Dm (erx )+1 Dm1 (erx )+ +m1 D(erx )+m erx
= erx [0 (D+r)m +1 (D+r)m1 + +m1 (D+r)+m ]
= erx Q(D + r).
Propozitia 7.21 Solutia generala a ecuatiei
(D r)k y = 0
este
y(x) = c0 erx + c1 x erx + + ck1 xk1 erx .
Demonstratie. Conform propozitiei anterioare avem relata
Dk (erx y) = erx (D r)k y
care arata ca ecuatia (D r)k y = 0 este echivalenta cu ecuatia
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 .
Propozitia 7.22 Fie ecuatia diferentiala liniara omogena cu coeficienti reali
P (D)y = 0
unde P (r) = a0 rn + a1 rn1 + + an1 r + an este polinomul caracteristic.

a) Daca rj este radacina reala a lui P cu multiplicitatea mj atunci functiile
erj x , x erj x , , xmj 1 erj x
sunt solutii particulare ale ecuatiei P (D)y = 0.

b) Daca rj = j +ij este radacina complexa a lui P cu multiplicitatea mj atunci
ej x cos(j x), x ej x cos(j x), , xmj 1 ej x cos(j x),
ej x sin(j x), x ej x sin(j x), , xmj 1 ej x sin(j x)
sunt solutii particulare ale ecuatiei P (D)y = 0.
Demonstratie. Conform prop. 7.19 ecuatia P (D)y = 0 admite o factorizare de forma
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
adica n cazul n care rj este radacina complexa cu multiplicitatea mj functiile

y : R R, y(x) = Re c0 erj x + c1 x erj x + + cmj 1 xmj 1 erj x
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 .
Observatia 7.9 Se poate demonstra ca n toate cazurile n spatiul solutiilor exista o

baza formata din solutii particulare de tipul celor prezentate in propozitia anterioara.
Exercitiul 7.1 Sa se determine solutia generala a ecuatiilor

a) y 00 5y 0 + 6y = 0
b) y 000 6y 00 + 12y 0 8y = 0
c) y 00 + y 0 + y = 0
d) (D2 D + 1)3 y = 0
e) (D 3)4 (D2 + 2)2 y = 0.

Raspuns.
a) y(x) = c1 e2x + c2 e3x
b) y(x) = c1 e2x + c2 x e2x + c3 x2 e2x

1
1

c) y(x) = c1 e 2 x cos( 3
2 x) + c2 e 2 x sin( 3
2 x)
1
1

3 3
d) y(x) = c1 e 2 x cos( 2 x) + c2 e
x
2 sin(
2 x)
1
1

+c3 x e 2 x cos( 23 x) + c4 x e 2 x sin( 23 x)
1
1

+c5 x2 e 2 x cos( 23 x) + c6 x2 e 2 x sin( 23 x)
e) y(x) = c1 e3x + c2 x e3x + c3 x2 e3x + c4 x3 e3x

+c5 cos( 2x) + c6 sin( 2x) + c7 x cos( 2x) + c8 x sin( 2x).
Propozitia 7.23 Ecuatia Euler
a0 xn y (n) + a1 xn1 y (n1) + + an1 x y 0 + an y = 0
se reduce la o ecuatie diferentiala liniara cu coeficienti constanti prin schimbarea de

variabila x = et , unde t este noua variabila independenta.
Demonstratie (cazul n = 3). Notand cu z(t) noua functie necunoscuta avem relatia
y(x) = z(ln x)
care prin derivari succesive conduce la

y 0 (x) = 1
x z 0 (ln x) = et z 0 (t)
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) )
In urma schimbarii de variabila, ecuatia Euler
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
si formal, schimbarea de variabila x = et n ecuatia Euler se poate realiza nlocuind

d
x cu et si operatorul de derivare dx cu et dt
d
. De remarcat ca
2
d d d d2 d

t t
e =e et = e2t e2t .
dt dt dt dt2 dt
7.3 Sisteme diferentiale liniare
Definitia 7.24 Prin sistem diferential liniar de ordinul ntai se ntelege un

sistem de ecuatii diferentiale de forma
0

y1 = a11 (x)y1 + a12 (x)y2 + + a1n (x)yn + f1 (x)

y20 = a21 (x)y1 + a22 (x)y2 + + a2n (x)yn + f2 (x)

(7.16)

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

0
yn = an1 (x)y1 + an2 (x)y2 + + ann (x)yn + fn (x)

unde x este variabila independenta, y1 , y2 , ... , yn sunt functiile necunoscute si

aij : I R
unde i, j {1, 2, ..., n}
fi : I R
sunt functii continue definite pe un interval I R.
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)

Teorema 7.25 (de existenta si unicitate). Daca
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
Teorema 7.26 Spatiul V al tuturor solutiilor sistemului diferential liniar omogen
Y 0 = A(x) Y
este un spatiu vectorial de dimensiune n.
Demonstratie. Pentru x0 I fixat, din teorema de existenta si unicitate rezulta ca

aplicatia liniara
V Rn : Y 7 Y (x0 )
este un izomorfism liniar.
Observatia 7.12 Rezolvarea sistemului omogen Y 0 = AY este echivalenta cu gasirea

unei baze al lui V, adica cu gasirea a n solutii liniar independente.
Definitia 7.27 Plecand de la n solutii ale sistemului omogen Y 0 = A(x)Y

y11 y12 y1n

y21

y22

y2n

Y1 = .. , Y2 = .. , ... , Yn = ..
. . .

yn1 yn2 ynn
construim matricea Wronski

y11 y12 y1n
y21 y22 y2n
W =

yn1 yn2 ynn
si wronskianul
w = det W.
Teorema 7.28 Solutiile Y1 , Y2 , ... , Yn formeaza o baza a spatiului vectorial V

daca si numai daca wronskianul lor este nenul ntr-un punct fixat x0 I, adica
w(x0 ) 6= 0.
V Rn : Y 7 Y (x0 )
este un izomorfism liniar, solutiile Y1 , Y2 , ... , Yn sunt liniar independente daca si

numai daca vectorii Y1 (x0 ), Y2 (x0 ), ... , Yn (x0 ) din Rn sunt liniar independenti, ceea
ce este echivalent cu w(x0 ) 6= 0.
Teorema 7.29 Wronskianul solutiilor Y1 , Y2 , ... , Yn verifica relatia

Rx
tr A(t) dt
w(x) = w(x0 ) e x0 (7.17)
unde tr A(t) = a11 (t) + a22 (t) + + ann (t) este urma matricei A(t).
Demonstratie (cazul n = 2.) Avem

0 0 (x)

y11 (x) y12 (x) y11 (x) y12 (x) y11 (x) y12
w0 (x) = d
= +

dx
y (x) y (x) y 0 (x) y (x) y (x) y 0 (x)

21 22 22 21

21 22

a11 (x) y11 (x)+a12 (x) y21 (x) y12 (x) y11 (x) a11 (x) y12 (x)+a12 (x) y22 (x)
= +

a (x) y (x)+a (x) y (x) y (x) y (x) a (x) y (x)+a (x) y (x)
21 11 22 21 22 21 21 12 22 22

= (a11 (x) + a22 (x)) w(x)
adica w verifica ecuatia diferentiala liniara
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.
Propozitia 7.30 Solutia generala a sistemului liniar neomogen
Y 0 = A(x) Y + F (x)
se obtine adunand la solutia generala a sistemului liniar omogen asociat
Y 0 = A(x) Y
o solutie particulara Y a sistemului neomogen.
Demonstratie. Deoarece Y 0 = A(x) Y + F (x) obtinem
Y 0 = A(x) Y = (Y + Y )0 = A(x) (Y + Y ) + F (x)
Y 0 = A(x) Y + F (x) = (Y Y )0 = A(x) (Y 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
a ecuatiei liniare omogene Y 0 = A(x) Y se poate scrie sub forma

c1

c2
Rn .

Y (x) = W (x) C unde C= ..
.

cn
Teorema 7.31 (Metoda variatiei constantelor). Daca solutia generala a sistemului
Y 0 = A(x) Y
este Y (x) = W (x) C atunci o solutie particulara sistemului neomogen
Y 0 = A(x) Y + F (x)
se poate obtine cautand-o de forma
Y (x) = W (x) C(x)
unde C(x) este o solutie a sistemului
C 0 (x) = W 1 (x) F (x).
Demonstratie. Deoarece W 0 = A(x)W si Y 0 (x) = W 0 (x) C(x) + W (x) C 0 (x) avem
Y 0 = A(x) Y + F (x)
daca si numai daca W (x) C 0 (x) = F (x)
Definitia 7.32 Prin sistem diferential liniar omogen cu coeficienti constanti

se ntelege un sistem de ecuatii de forma
Y 0 = AY unde A Mnn (R).
Propozitia 7.33 Functia vectoriala Y : R Cn , Y (x) = w ex , unde

w1

w2
Cn

w= ..
.

wn
verifica relatia
Y 0 = AY
daca si numai daca

Aw = w.
Demonstratie. Deoarece Y 0 (x) = w ex nlocuind n Y 0 = AY obtinem Aw = w.
Observatia 7.15 Fie o radacina a polinomului caracteristic
det (A I) = 0.
Daca R atunci este valoare proprie a matricei A si alegand un vector propriu

corespunzator w Rn obtinem solutia netriviala Y (x) = w ex a sistemului Y 0 =
AY . Daca 6 R atunci exista w Cn astfel ncat Aw = w si

Y1 (x) = Re w ex , Y2 (x) = Im w ex
sunt solutii ale sistemului Y 0 = AY .
Exercitiul 7.2 Sa se determine solutia generala a sistemului

(
y10 = y1 + y2
y20 = y1 + y2 .
Rezolvare. Ecuatia

1 1
=0

1 1

are radacinile 1 = 1 + i si 2 = 1 i. O solutie particulara a ecuatiei Av = (1 + i)v,

adica
! ! !
1 1 v1 v1
= (1 + i)
1 1 v2 v2
!
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

0
y1 = y2 + y3

2 y0 = y + y
1 3
y0 = y + y

3 1 2
Rezolvare. Rezolvand ecuatia

1 1

1 1 =0

1

1
obtinem 1 = 2, si 2 = 3 = 1. Deoarece subspatiile proprii corespunzatoare sunt
V2 = { (1, 1, 1) | R }, V1 = { (1, 0, 1) + (0, 1, 1) | , R }.

rezulta ca solutia generala a sistemului este

1 1 0
Y (x) = c1 1 e2x + c2 0 ex + c3 1 ex .

1 1 1
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
11 xm1 + 12 xm2 + + 1m1 x + 1m

21 xm1 + 22 xm2 + + 2m1 x + 2m
x
Y (x) = e

...................................................................
n1 xm1 + n2 xm2 + + nm1 x + 1m
unde coeficientii jk sunt reali (respectiv, complecsi). In cazul complex, n final se

separa partile reala si imaginara ale a solutiei gasite.

0
y1 = y1 + y2

0
y2 = y2 + 4y3
y 0 = y 4y

3 1 3
Rezolvare. Valorile proprii sunt 1 = 0 si 2 = 3 = 3, iar subspatiile proprii

corespunzatoare
V0 = { (4, 4, 1) | R }, V3 = { (1, 2, 1) | R }.
Deoarece dimV3 = 1 rezulta ca matricea sistemului nu este diagonalizabila. Cautand

partea din solutia generala referitoare la 2 = 3 = 3 de forma

1 x + 1
Y (x) = 2 x + 2 e3x

3 x + 3
gasim
x 1
3x
Y (x) = 1 2x + 1 e + 1 2 e3x .

x1 1
Solutia generala a sistemului este

4 x 1
Y (x) = c1 4 + c2 2x + 1 e3x + c3 2 e3x .

1 x1 1
Observatia 7.18 O alta metoda de rezolvare a sistemelor liniare omogene cu

coeficienti constanti, numita metoda eliminarii, se bazeaza pe faptul ca fiecare dintre
functiile necunoscute yj verifica o ecuatie diferentiala liniara.
Exercitiul 7.5 Sa se rezolve sistemul

0
y1 = y2

0
y2 = y3
y0 = y .

3 1
Rezolvare. Functia necunoscuta y1 verifica ecuatia 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 .
Observatia 7.19 Deoarece izomorfismul de spatii vectoriale

2
Mnn (K) Kn :

a11 a12 a1n
a21 a22 a2n
7 (a11 , a12 , ..., a1n , a21 , a22 , ..., a2n , ..., an1 , an2 , ..., ann )

an1 an2 ann
2
permite identificarea spatiului vectorial Mnn (K) cu Kn , aplicatia

a11 a12 a1n v
u n

a2n
uX
a21 a22
|| || : Mnn (K) R, = |aij |2
t

i,j=1
an1 an2 ann
este o norma pe Mnn (K). In particular, o serie de matrice

X
ak Ak
k=0
este convergenta daca exista limita

m
X
lim ak Ak
m
k=0
adica daca exista B Mnn (K) astfel ncat
m

X
lim ak Ak B = 0.

m
k=0
Propozitia 7.34 Daca seria de puteri

X
ak xk
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.
Demonstratie. Alegand r astfel ncat ||A|| < r < R obtinem relatia

ak Ak = |ak | Ak |ak | ||A||k < |ak | r k .

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 .
Observatia 7.20 Deoarece seria exponentiala

X xk x x2
ex = =1+ + +
k=0
k! 1! 2!
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
R Mnn (K) : t 7 etA
este derivabila si ca (etA )0 = A etA adica
Y (t) = etA C
este solutie a sistemului liniar Y 0 = AY , oricare ar fi C Rn .
Exercitiul 7.6 Sa se determine solutia sistemului

0
y1 = y2 + y3

2 y0 = y + y
1 3
y0 = y + y .

3 1 2
Rezolvare. Matricea sistemului

0 1 1
A= 1 0 1

1 1 0
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
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
relatie care permite scrierea explicita a solutiei generale.

158
Capitolul 8
Grupuri. Reprezentari liniare
8.1 Grupuri
Vom prezenta cateva elemente referitoare la grupuri si reprezentarile lor liniare.
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.
Propozitia 8.2 a) Elementul e cu proprietatea
ge = eg = g, g G
este unic n G si se numeste element neutru.

b) Pentru orice g G elementul g 1 cu proprietatea
gg 1 = g 1 g = e
este unic n G si se numeste inversul lui g.
159
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.
8.2 Reprezentari liniare
Definitia 8.3 Fie G si G0 doua grupuri. O aplicatie
f : G G0
este numita morfism de grupuri daca
f (g1 g2 ) = f (g1 ) f (g2 ), g1 , g2 G.
Exercitiul 8.1 Multimea tuturor automorfismelor unui spatiu vectorial V
GL(V ) = { A : V V | A este liniara si bijectiva }
mpreuna cu operatia de compunere este un grup (grupul automorfismelor lui V ).

Definitia 8.4 Prin reprezentare liniara a grupului G n spatiul vectorial V peste
corpul K (numita si reprezentare K-liniara) se ntelege un morfism de grupuri
T : G GL(V ) : g 7 T (g)
adica o aplicatie astfel ncat
T (g1 g2 ) = T (g1 ) T (g2 ), g1 , g2 G.
Dimensiunea reprezentarii este prin definitie dimensiunea spatiului vectorial V .

Grupuri. Reprezentari liniare 161
Exercitiul 8.2 Multimea matricelor inversabile de ordinul n cu elemente din K
GL(n, K) = { A Mnn (K) | det A 6= 0 }
mpreuna cu nmultirea matricelor este grup (se numeste grupul general linear).
Definitia 8.5 Prin reprezentare matriceala n-dimensionala a unui grup G se

ntelege un morfism de grupuri de forma
T : G GL(n, K) : g 7 T (g).
Reprezentarea este numita reala n cazul K = R si complexa n cazul K = C.
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)

unde elementele tij (g) sunt astfel ncat

n
X
T (g)ej = tij (g)ei , g G, j {1, 2, ..., n}
i=1
este o reprezentare matriceala n-dimensionala a lui G.
Demonstratie. Deoarece T (g1 g2 ) = T (g1 ) T (g2 ), din relatiile

Pn
T (g1 g2 )ej = i=1 tij (g1 g2 )ei
Pn Pn
T (g1 ) T (g2 )ej = T (g1 ) k=1 tkj (g2 )ek = k=1 tkj (g2 )T (g1 )ek
Pn Pn
= k=1 tkj (g2 ) i=1 tik (g1 )ei
Pn Pn
= i=1 ( k=1 tik (g1 )tkj (g2 )) ei
rezulta ca n
X
tij (g1 g2 ) = tik (g1 ) tkj (g2 ), i, j {1, 2, ..., n}
k=1
adica T (g1 g2 ) = T (g1 ) T (g2 ).
Observatia 8.2 Matricea T (g) este matricea transformarii liniare T (g) : V V

n raport cu baza considerata. Alegand o alta baza {e01 , e02 , ..., e0n } se poate defini n
mod similar reprezentarea
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)
sunt numite echivalente daca exista S GL(n, K) astfel ncat
T2 (g) = S 1 T1 (g) S, g G.
Exercitiul 8.3 Aplicatia R : R GL(R2 ) : t 7 R(t) unde
R(t) : R2 R2 , R(t)(x, y) = (x cos t y sin t, x sin t + y cos t)
este o reprezentare liniara a grupului aditiv (R, +) n spatiul vectorial R2 .

Alegand n R2 baza {e1 = (1, 0), e2 = (0, 1)} obtinem reprezentarea matriceala
!
cos t sin t
R : R GL(2, R) : t 7 R(t) = .
sin t cos t
Rezolvare. Avem R(t + s) = R(t) R(s).

8.3 Reprezentari ireductibile
Definitia 8.8 Doua reprezentari liniare n-dimensionale peste K ale unui grup G
T1 : G GL(V1 ) si T2 : G GL(V2 )
sunt numite echivalente daca exista un izomorfism liniar S : V1 V2 astfel ncat
T1 (g) = S 1 T2 (g) S, g G
adica astfel ncat diagrama

T1 (g)
V1 - V1
S S
? ?
T2 (g)
V2 - V2
este comutativa.
Definitia 8.9 Fie T : G GL(V ) o reprezentare liniara a grupului G n V .

Spunem ca subspatiul vectorial W V este invariant fata de T daca
T (g)(W ) W, g G.
Definitia 8.10 Spunem ca reprezentarea liniara
T : G GL(V )
este o reprezentare ireductibila daca singurele subspatii invariante sunt {0} si

V . In caz contrar, reprezentarea este numita reductibila.
Exercitiul 8.4 Reprezentarea liniara T : R GL(R3 ) : t 7 T (t) unde
T (t) : R3 R3 , T (t)(x, y, z) = (x cos t y sin t, x sin t + y cos t, z)
este o reprezentare liniara reductibila a grupului aditiv (R, +) n R3 .
Rezolvare. Subspatiul W = { (x, y, 0) | x, y R } R3 este subspatiu invariant.

Propozitia 8.11 Daca
T1 : G GL(V1 ) si T2 : G GL(V2 )
sunt doua reprezentari K-liniare atunci aplicatia
T : G GL(V1 V2 ), T (g)(x1 , x2 ) = (T1 (g)x1 , T2 (g)x2 )
este o reprezentare K-liniara a grupului G n spatiul produs direct V1 V2 , numita

suma reprezentarilor T1 si T2 , notata cu T1 T2 .
Demonstratie. Avem
T (g1 g2 )(x1 , x2 ) = (T1 (g1 g2 )x1 , T2 (g1 g2 )x2 )
= (T1 (g1 ) T1 (g2 )x1 , T2 (g1 ) T2 (g2 )x2 )
= T (g1 )(T1 (g2 )x1 , T2 (g2 )x2 ) = T (g1 )T (g2 )(x1 , x2 ).

t11 (g) t1n (g)

T : G GL(n, K) : g 7 T (g) =

tn1 (g) tnn (g)
r11 (g) r1k (g)

R : G GL(k, K) : g 7 R(g) =

rk1 (g) rkk (g)
sunt doua reprezentari matriceale atunci
t11 (g) t1n (g) 0 0 0

t (g) t (g) 0 0 0
n1 nn
T R : G GL(n+k, K) : g 7
r11 (g)

0 0 0 r1k (g)

0 0 0
0 0 0 rk1 (g) rkk (g)
este o reprezentare matriceala a lui G, numita suma reprezentarilor T si R.
8.4 Reprezentari unitare si ortogonale
Definitia 8.13 O submultime H G este numita subgrup al grupului G daca

)
g1 H
= g1 g21 H.
g2 H
Exercitiul 8.5 Fie V un spatiu vectorial euclidian complex. Multimea trans-

formarilor unitare
U (V ) = { A : V V | hAx, Ayi = hx, yi, x, y V }
este un subgrup al grupului GL(V ) al tuturor automorfismelor lui V .
Definitia 8.14 Prin reprezentare unitara a grupului G n spatiul vectorial eu-

clidian complex V se ntelege un morfism de grupuri
T : G U (V ).
Observatia 8.3 Daca T : G U (V ) este o reprezentare unitara atunci
hT (g)x, T (g)yi = hx, yi, x, y V, g G.
Exercitiul 8.6 Fie A Mnn (C) o matrice cu n linii si n coloane cu elemente

numere complexe si fie A = t A adjuncta ei. Relatiile
A A = I, A A = I, A1 = A .
Definitia 8.15 Matricea A Mnn (C) este numita matrice unitara daca
A A = I
(conditie echivalenta cu A1 = A si A A = I).
Observatia 8.4 Daca A este o matrice unitara atunci |detA| = 1. Intr-adevar
A A = I = detA detA = 1 = |detA|2 = 1.

Teorema 8.16 Multimea matricelor unitare de ordinul n
U (n) = { A Mnn (C) | A A = I }
are o structura de grup n raport cu nmultirea matricelor, iar
SU (n) = { A U (n) | det A = 1 }
este un subgrup al lui U (n).
Demonstratie. a) Produsul a doua matrice unitare A si B este o matrice unitara
(AB) (AB) = B A AB = B B = I
si inversa unei matrice unitare A este o matrice unitara
A1 = A = (A1 ) = (A ) = A = (A1 )1 .
b) Afirmatia rezulta din relatiile
det(AB) = detA detB, det(A1 ) = (detA)1 .
Definitia 8.17 Prin reprezentare matriceala unitara a grupului G se ntelege

un morfism de grupuri
T : G U (n).
Exercitiul 8.7 Fie V un spatiu vectorial euclidian real. Multimea transformarilor

ortogonale
O(V ) = { A : V V | hAx, Ayi = hx, yi, x, y V }
este un subgrup al grupului GL(V ) al tuturor automorfismelor lui V .
Definitia 8.18 Prin reprezentare ortogonala a grupului G n spatiul vectorial

euclidian real V se ntelege un morfism de grupuri
T : G O(V ).
Observatia 8.5 Daca T : G O(V ) este o reprezentare ortogonala atunci
hT (g)x, T (g)yi = hx, yi, x, y V, g G.
Exercitiul 8.8 Fie A Mnn (R) o matrice cu n linii si n coloane cu elemente

numere reale si fie t A transpusa ei. Relatiile
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
(conditie echivalenta cu A1 = t A si A t A = I).
Observatia 8.6 Daca A este o matrice ortogonala atunci detA {1, 1}.
Teorema 8.20 Multimea matricelor ortogonale de ordinul n

n o
t
O(n) = A Mnn (R) | A A=I
are o structura de grup n raport cu nmultirea matricelor, iar
SO(n) = { A O(n) | det A = 1 }
este un subgrup al lui U (n).
Definitia 8.21 Prin reprezentare matriceala ortogonala a grupului G se ntelege

un morfism de grupuri
T : G O(n).
8.5 Grupul rotatiilor. Reprezentari liniare
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.
Din relatiile 2 + 2 = 1 si 2 + 2 = 1 rezulta ca exista t, s [0, 2) ncat

! !
cos t sin s
=
sin t cos s
dar

s = t
) )
+ = 0 sin(t + s) = 0
= = sau
= 1. cos(t + s) = 1. s = 2 t.

Exercitiul 8.9 Daca A SO(3) atunci exista t [0, 2) si o matrice S O(3)

astfel ncat
1 0 0
S 1 AS = 0 cos t sin t .

0 sin t cos t
Rezolvare. Fie
a11 a12 a13
A = a21 a22 a23 SO(3).

a31 a32 a33
Matricea A este matricea n raport cu baza canonica a unei transformari ortogonale

A : R3 R3 . Ecuatia caracteristica corespunzatoare este
!
a a23 a a13 a a12
3 2 22 11 11
+(a11 + a22 + a33 ) + + det A = 0

a32 a33 a31 a33 a21 a22

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

si det A = 1 rezulta ca = 1 este valoare proprie a lui A. Fie e1 un vector propriu

corespunzator cu ||e1 || = 1, adica Ae1 = e1 . Subspatiul vectorilor ortogonali pe e1
V = {x R3 | hx, e1 i = 0 }
este un subspatiu invariant
xV = hAx, e1 i = hAx, Ae1 i = hx, e1 i = 0.
Daca {e2 , e3 } este o baza ortonormata n V atunci B = {e1 , e2 , e3 } este o baza

ortonormata a lui R3 n raport cu care matricea lui A are forma

1 0 0
A0 = 0

0
!

unde este o matrice ortogonala. Notand cu S matricea de trecere de la

baza canonica la baza B avem relatia

1 0 0 a11 a21 a31
1
0 = S a12 a22 a32 S

0 a13 a23 a33
din care rezulta

=1

!

ceea ce arata ca SO(2). Conform exercitiului anterior exista t [0, 2)

ncat ! !
cos t sin t
= .
sin t cos t
Observatia 8.7 Matricea
1 0 0
0 cos t sin t

0 sin t cos t
este matricea unei rotatii n jurul vectorului e1 (vectorul propriu corespunzator val-
orii proprii = 1). Grupul SO(3) este grupul rotatiilor spatiului tridimensional.
Exercitiul 8.10 Aplicatia SO(3) O(R3 ) prin care matricei

a11 a12 a13
g = a21 a22 a23 SO(3)

a31 a32 a33
i se asociaza transformarea ortogonala g : R3 R3 ,
g(x1 , x2 , x3 ) = (a11 x1 +a12 x2 +a13 x3 , a21 x1 +a22 x2 +a23 x3 , a31 x1 +a32 x2 +a33 x3 )
este o reprezentare ortogonala a grupului SO(3) n R3 .
Exercitiul 8.11 Aplicatia
T : SO(3) GL(F(R3 , C)) : g 7 T (g)
unde
T (g) : F(R3 , C) F(R3 , C), (T (g)f )(x) = f (g 1 x)
este o reprezentare liniara n spatiul vectorial complex F(R3 , C) al tuturor functiilor
f : R3 C.
Rezolvare. Avem
(T (g1 g2 )f )(x) = f ((g1 g2 )1 x) = f (g21 g11 x)
= f (g21 (g11 x)) = (T (g2 )f )(g11 x)
= (T (g1 )(T (g2 )f ))(x) = (T (g1 )T (g2 )f )(x).

Exercitiul 8.12 Multimea de matrice
n o
O(1, 3) = A GL(4, R) | A I1,3 t A = I1,3
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.

Observatia 8.8 Grupul SU (2) admite parametrizarea

0 < 2

ei(+)/2 cos 12 i ei()/2 sin 21

SU (2) = 0
i ei()/2 sin 12 ei(+)/2 cos 21

2 2

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
parametrii , , fiind numiti unghiurile lui Euler.
Exercitiul 8.14 Daca a, b Mnn (K) atunci
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
{ A : R3 R3 | detA = 1, ||Ax|| = ||x||, x R3 }.
Propozitia 8.23 a) Spatiul matricelor antihermitice de urma nula de ordinul doi
W = { u M22 (C) | u = u, tr u = 0 }
este un spatiu vectorial real de dimensiune 3 si

!
3 ix3 x2 + ix1
h : R W, h(x1 , x2 , x3 ) =
x2 + ix1 ix3
este un izomorfism cu proprietatea
||x||2 = det h(x), x R3 .
b) Aplicatia
: SU (2) SO(3) : g 7 (g)
unde
(g) : R3 R3 , (g)x = h1 (g h(x) g )
este un morfism de grupuri cu nucleul

( ! ) ( ! !)
1 0 1 0 1 0
Ker = g SU (2) (g) = = , .

0 1 0 1 0 1
Demonstratie. a) Avem
! !
11 + i11 12 + i12 i11 12 + i12
u= W = u = .
21 + i21 22 + i22 12 + i12 i11
b) Din definitia lui rezulta ca
(g1 g2 )x = h1 ((g1 g2 ) h(x) (g1 g2 ) ) = h1 (g1 g2 h(x) g2 g1 )
= h1 (g1 h(h1 (g2 h(x) g2 ))g1 ) = (g1 )((g2 )x) = ((g1 ) (g2 ))x.
Utilizand baza canonica a lui R3 obtinem relatiile

cos sin 0

ei/2 0
sin
= cos 0

0 ei/2 0 0 1

cos 12 i sin 12 1 0 0

0 cos sin
=
i sin 12 1
cos 2 0 sin cos
din care deducem ca det (g) = 1. Deoarece
(g h(x) g ) = g (h(x)) g = g h(x) g ) = g
tr(g h(x) g ) = tr(g g h(x)) = tr h(x) = 0
||(g)x||2 = det (g h(x) g ) = det h(x) = ||x||2
rezulta ca este un morfism de grupuri bine definit. Elementul g SU (2) apartine

nucleului lui daca si numai daca (g)x = x oricare ar fi x R3 . Din relatiile
(g)(1, 0, 0) = (1, 0, 0), (g)(0, 1, 0) = (0, 1, 0), (g)(0, 0, 1) = (0, 0, 1)

( ! !)
1 0 1 0
se deduce ca g , .
0 1 0 1
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 )
cu proprietatea T (g) = T (g) defineste o reprezentare liniara a grupului SO(3).
Exercitiul 8.15 Aplicatia SU (2) GL(C2 ) obtinuta asociind fiecarui element

!

g= SU (2)

transformarea
g : C2 C2 , g(z1 , z2 ) = (z1 + z2 , z1 + z2 )
este o reprezentare unitara bidimensionala a lui SU (2).

Rezolvare. Avem (g1 g2 )(z1 , z2 ) = g1 (g2 (z1 , z2 )).
Exercitiul 8.16 Aplicatia T : SU (2) GL(F(C2 , C)) obtinuta asociind fiecarui

element g SU (2) transformarea
T (g) : F(C2 , C) F(C2 , C), (T (g)f )(z1 , z2 ) = f (g 1 (z1 , z2 ))
este o reprezentare liniara a grupului SU (2) in spatiul vectorial complex al tuturor

functiilor f : C2 C.
b) Pentru orice n N subspatiul vectorial al polinoamelor omogene de grad n
n
( )

ak z1k z2nk
X
2
En = f : C C, f (z1 , z2 ) = ak C

k=0
este un subspatiu invariant al reprezentarii definite la punctul a).
Rezolvare. Inversul elemntului

!

g= SU (2)

este !
1
g =

si n cazul
n
ak z1k z2nk
X
f (z1 , z2 ) =
k=0
obtinem
n
(T (g)f )(z1 , z2 ) = f (g 1 (z1 , z2 )) =
X
ak (z1 z2 )k (z1 + z2 )nk .
k=0
Observatia 8.11 Se poate arata ca reprezentarile lui SU (2) induse n subspatiile En

sunt reprezentari ireductibile si ca ele sunt pana la o echivalenta toate reprezentarile
ireductibile ale grupului SU (2). Notand j = (n 1)/2, adica n = 2j + 1, obtinem
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
Pentru fiecare element a SO(3) exista exact doua elemente ga si ga n SU (2)

ncat a = (ga ) = (ga ). Deoarece
(T (g)f )(z1 , z2 ) = (1)2j (T (g)f )(z1 , z2 )
in cazul in care j este intreg, relatia
SO(3) GL(E2j+1 ) : a 7 T (ga )
este o reprezentare ireductibila (2j + 1)-dimensionala a grupului SO(3) n spatiul

vectorial E2j+1 .
176
Capitolul 9
Algebre Lie. Reprezentari

liniare
9.1 Algebre Lie
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)
astfel ncat A mpreuna cu primele doua operatii este spatiu vectorial si

1) a(b + c) = ab + ac, a, b, c A;
2) (a + b)c = ac + bc, a, b, c A;
3) a(bc) = (ab)c, a, b, c A;
4) (ab) = (a)b = a(b), a, b A, K.
Prin dimensiunea algebrei A se ntelege dimensiunea spatiului vectorial corespunzator.
Exercitiul 9.1 a) Multimea Mnn (K) a tuturor matricelor patrate de ordinul n

considerata mpreuna cu operatiile de adunare a matricelor, nmultire cu scalari si
produsul matricelor este o algebra asociativa peste K.
177
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)
astfel ncat L mpreuna cu primele doua operatii este spatiu vectorial si

1) [a + b, c] = [a, c] + [b, c], a, b, c L, , K;
2) [a, b] + [b, a] = 0, a, b L;
3) [[a, b], c] + [[b, c], a] + [[c, a], b] = 0, a, b, c A (identitatea Jacobi).
Prin dimensiunea algebrei Lie se ntelege dimensiunea spatiului vectorial corespunzator.
Observatia 9.1 O algebra Lie L poate fi privita ca un spatiu vectorial L pe care

s-a definit o lege de compozitie interna suplimentara
L L : L : (a, b) 7 [a, b]
compatibila cu structura de spatiu vectorial.
Propozitia 9.3 a) Plecand de la orice algebra asociativa A se obtine o structura

de algebra Lie pe A definind crosetul prin
[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
[a+b, c] = (a + b)cc(a + b) = (ac ca)+(bc cb) = [a, c]+[b, c]

[a, b] = ab ba = (ba ab) = [b, a]
[[a, b], c] + [[b, c], a] + [[c, a], b] = [(ab ba), c] + [(bc cb), a] + [(ca ac), b]
= (abba)cc(abba)+(bccb)aa(bccb)+(caac)bb(caac) = 0.
Algebre Lie. Reprezentari liniare 179
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
se numesc constantele de structura ale algebrei L referitoare la baza aleasa.
Observatia 9.2 Notand

0 0 0 0 0

0 0 0 0 0

eij =

0 0 1 0 0

0 0 0 0 0

0 0 0 0 0
(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
= a11 e11 + a12 e21 + a21 e12 + a22 e22 .
Propozitia 9.5 Algebra Lie gl(n, K), de dimensiune n2 , admite baza
{ eij | i, j {1, 2, ..., n} } cu [eij , ekm ] = m

i k
ej jk eim .
Demonstratie. Avem eij ekm = m

i ek .
j
Definitia 9.6 Prin subalgebra Lie a algebrei L se ntelege un subspatiu vectorial
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.
Exercitiul 9.2 a) Multimea matricelor de urma nula
sl(n, K) = { g gl(n, K) | tr g = g11 +g22 + +gnn = 0 }
este o subalgebra Lie de dimensiune n2 1 a algebrei gl(n, K).

b) Multimea matricelor antihermitice
u(n) = { g gl(n, C) | t g = g }
are o structura naturala de algebra Lie reala de dimensiune n2 .

c) Multimea matricelor antihermitice de urma nula
su(n) = u(n) sl(n, C) = { g u(n) | tr g = 0 }
are o structura naturala de algebra Lie reala de dimensiune n2 1.

d) Multimea matricelor stramb simetrice
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
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
si prin urmare, tr [a, b] = tr(abba) = 0, oricare ar fi a, b gl(n, K). O baza a algebrei

Lie sl(n, K) este
{ ejk | k 6= j } { ekk enn | k {1, 2, ..., n1} }.
b) Daca R si a, b u(n) atunci

t (a) = t a = (a),
t (a + b) = t a + t b = a b = (a + b),
t [a, b] = t (ab ba) = t b t a t a t b = ba ab = [a, b].
O baza a algebrei Lie u(n) este
{ ejk ekj | k < j } { i(ejk +ekj ) | k < j } { i ekk | k {1, 2, ..., n} }.
c) O baza a algebrei Lie su(n) este
{ ejk ekj | k < j } { i(ejk +ekj ) | k < j } { i (ekk enn ) | k {1, 2, ..., n1} }.
d) O baza a algebrei Lie o(n) este
{ ejk ekj | k < j }.
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 }.
Definitia 9.7 Fie G GL(n, K) un subgrup. Prin subgrup cu un parametru

al grupului G se ntelege un morfism de grupuri
g : R G
adica o aplicatie astfel ncat
g(t + s) = g(t) g(s), t, s R.
Exercitiul 9.3 Oricare ar fi matricea a gl(n, K) aplicatia
g : R GL(n, K), g(t) = eta
este un subgrup cu un parametru al lui GL(n, K) astfel ncat

dg
(0) = a
dt
(a poate fi privit ca fiind generatorul infinitezimal al subgrupului considerat).
Rezolvare. Tinand seama de definitia exponentialei unei matrice obtinem

d ta
g(t + s) = e(t+s)a = eta esa = g(t) g(s), e = aeta .
dt
Observatia 9.4 Daca matricea A Mnn (K) este diagonalizabila atunci exista o
matrice inversabila S Mnn (K) si 1 , 2 , ... , n astfel ncat

1 0 0
0 2 0
A = S 1 S

0 0 n
relatie din care rezulta tr A = 1 + 2 + ... + n si egalitatea

e 1 0 0
0 e2 0
eA = S 1 S

0 0 en
care conduce la
det eA = e1 +2 +...+n = etr A .
Se poate arata ca relatia det eA = etr A are loc pentru orice matrice A.
Exercitiul 9.4 a) Daca

g : R SL(n, K)
este un subgrup cu un parametru, atunci dg

dt (0) sl(n, K).
ta
b) Daca a sl(n, K) atunci e SL(n, K), oricare ar fi t R si aplicatia
g : R SL(n, K), g(t) = eta
dg
este un subgrup cu un parametru al lui SL(n, K) astfel ncat dt (0) = a.
Rezolvare (cazul n=2). Daca

g11 (t) g12 (t)
g : R SL(n, K), g(t) =
g21 (t) g22 (t)
este un subgrup cu un parametru atunci

g (t) g (t)
11 12

= 1,
t R.
g21 (t) g22 (t)
Derivand aceasta relatie obtinem egalitatea

g 0 (t) g 0 (t) g (t) g (t)
11 12 11 12
+
0
= 0, t R

g21 (t) g22 (t) 0 (t)
g21 (t) g22

care n cazul t = 0 devine

g 0 (0) g 0 (0) 1 0
11 12
+ =0
0 0 (0)
0 1 g21 (0) g22
adica
dg 0 0
tr (0) = g11 (0) + g22 (0) = 0.
dt
g : R U (n)
este un subgrup cu un parametru, atunci dgdt (0) u(n).

ta
b) Daca a u(n) atunci e U (n), oricare ar fi t R si aplicatia
g : R U (n), g(t) = eta
dg
este un subgrup cu un parametru al lui U (n) astfel ncat dt (0) = a.
Rezolvare. Daca g : R U (n) este un subgrup cu un parametru atunci
g(t) t g(t) = I t R.
Derivand aceasta relatie obtinem egalitatea

d d
g(t) t g(t) + g(t) t g(t) = 0
dt dt
care n cazul t = 0 devine
d d
g(0) + t g(0) = 0.
dt dt
g : R SU (n)

dt (0) su(n).
ta
b) Daca a su(n) atunci e SU (n), oricare ar fi t R si aplicatia
g : R SU (n), g(t) = eta
dg
este un subgrup cu un parametru al lui SU (n) astfel ncat dt (0) = a.

g : R O(n)

dt (0) o(n).
ta
b) Daca a o(n) atunci e O(n), oricare ar fi t R si aplicatia
g : R O(n), g(t) = eta
dg
este un subgrup cu un parametru al lui O(n) astfel ncat dt (0) = a.
9.2 Reprezentari liniare
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
A([a, b]) = [Aa, Ab], a, b L.
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
atunci ele sunt izomorfe.
Demonstratie. Aplicatia A : L L0 , Aej = e0j , adica
n n
ai e0i
X X
A( ai ei ) =
i=1 i=1
este un izomorfism de algebre Lie. Ea este, evident, liniara, bijectiva si

hP i
n Pn Pn
A[a, b] = A i=1 ai ei , j=1 bj ej = i,j=1 ai bj A[ei , ej ]
Pn Pn k Pn Pn k 0
= i,j=1 ai bj k=1 cij Aek = i,j=1 ai bj k=1 cij ek
Pn Pn
= i,j=1 ai bj [e0i , e0j ] = i,j=1 ai bj [Aei , Aej ] = [Aa, Ab].
Propozitia 9.11 Algebrele Lie reale o(3) si su(2) sunt izomorfe.
Demonstratie. Algebra Lie o(3) admite baza
{ o1 = e23 e32 , o2 = e31 e13 , o3 = e12 e21 }

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 .
Definitia 9.12 Prin reprezentare liniara a algebrei Lie L n spatiul vectorial

complex V (numita si reprezentare C-liniara) se ntelege un morfism de algebre
% : L gl(V ),
adica o aplicatie liniara cu proprietatea
%([a, b]) = %(a) %(b) %(b) %(a), a, b L.
Exercitiul 9.8 Daca L este o algebra Lie complexa atunci aplicatia
% : 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.
Rezolvare. Aplicatia % este bine definita
%(a)(x + y) = [a, x + y] = [a, x] + [a, y] = %(a)x + %(a)y
liniara
%(a + b)x = [a + b, x] = [a, x] + [b, x] = ( %(a) + %(b))x
si din identitatea Jacobi rezulta

%([a, b])x = [[a, b], x] = [[b, x], a] [[x, a], b] = [a, [b, x]] [b, [a, x]]
= %(a)(%(b)x) %(b)(%(a)x) = (%(a)%(b) %(b)%(a))x = [%(a), %(b)]x.

9.3 Reprezentari ireductibile
Definitia 9.13 Fie % : L gl(V ) o reprezentare liniara a algebrei Lie L n V .

Spunem ca subspatiul vectorial W V este invariant fata de % daca
%(a)(W ) W, a L
adica daca )
xW
= %(a)x W.
aL
Definitia 9.14 Spunem ca reprezentarea liniara % : L gl(V ) este o reprezentare

ireductibila daca singurele subspatii invariante sunt {0} si V . In caz contrar,
reprezentarea este numita reductibila.
Propozitia 9.15 Fie L1 , L2 doua algebre Lie izomorfe, : L1 L2 un izomor-

fism de algebre Lie. Daca
%2 : L2 gl(V )
este o reprezentare liniara a algebrei L2 atunci
%1 : L1 gl(V ), %1 (a) = %2 ((a))
este o reprezentare liniara a algebrei Lie L1 n V . Reprezentarea %1 este ireductibila

daca si numai daca reprezentarea %2 este ireductibila.
Demonstratie. Avem
%1 (a + b) = %2 ((a + b)) = %2 ( (a) + (b))
= %2 ((a)) %2 ((b)) = %1 (a) %1 (b)
%1 ([a, b]) = %2 (([a, b])) = %2 ([(a), (b)]))
= [%2 ((a)), %2 ((b))] = [%1 (a), %1 (b)].
Daca W V este un subspatiu vectorial atunci avem
x W = %2 (a)x W, a L2
daca si numai daca
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).
Exercitiul 9.9 Daca S : V1 V2 este un izomorfism de spatii vectoriale si
%2 : L gl(V2 )
este o reprezentare liniara a algebrei Lie L n spatiul vectorial V2 atunci
%1 : L gl(V1 ), %1 (a) = S 1 %2 (a) S
este o reprezentare liniara a algebrei Lie L n spatiul vectorial V1 .
Reprezentarea %1 este ireductibila daca si numai daca %2 este ireductibila.
Rezolvare. Avem
%1 (a + b) = S 1 %2 (a + b) S
= S 1 %2 (a) S + S 1 %2 (b) S = %1 (a) + %1 (b)
%1 ([a, b]) = S 1 %2 ([a, b]) S = S 1 (%1 (a) %1 (b) %1 (b) %1 (a)) S 1
= S %2 (a) S S 1 %2 (b) S S 1 %2 (b) S S 1 %2 (a)) S
= %1 (a) %1 (b) %1 (b) %1 (a) = [%1 (a), %1 (b)].
Subspatiul W V1 este invariant daca si numai daca S(W ) V2 este invariant. Daca
subspatiul S(W ) este invariant, adica
y S(W ) = %2 (a)y S(W ), a L
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
rezulta
Sx S(W ) = %2 (a)Sx = S%1 (a)x S(W ), a L.
Definitia 9.16 Spunem ca reprezentarile liniare
%1 : L gl(V1 ) si %2 : L gl(V2 )
sunt echivalente daca exista un izomorfism liniar S : V1 V2 astfel ncat
%1 (a) = S 1 %2 (a) S (9.1)
adica daca diagrama

%1 (a)
V1 - V1
S S
%2 (a)
? ?
V2 - V2
este comutativa oricare ar fi a L.
9.4 Reprezentarile algebrelor sl(2, C), su(2) si o(3)
Exercitiul 9.10 Sa se arate ca matricele

! ! !
1 1 0 0 1 0 0
a3 = , a+ = , a =
2 0 1 0 0 1 0
formeaza o baza a algebrei Lie complexe sl(2, C) si
[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
A3 = %(a3 ), A+ = %(a+ ), A = %(a )

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
Deoarece % este morfism de algebre Lie obtinem
[A3 , A ] = [%(a3 ), %(a )] = %([a3 , a ]) = %(a ) = %(a ) = A
[A+ , A ] = [%(a+ ), %(a )] = %([a+ , a ]) = %(2 a3 ) = 2%(a3 ) = 2 A3 .

% : sl(2, C) gl(V )
este reprezentare ireductibila de dimensiune n = 2j+1 atunci exista v 6= 0 astfel ncat
A3 v = jv si A+ v = 0
unde A3 = %(a3 ), A+ = %(a+ ).
Demonstratie. Operatorul liniar A3 : V V admite cel putin o valoare proprie

C. Fie x0 V un vector propriu corespunzator, adica A3 x0 = x0 . Deoarece
A3 (A+ x0 ) = (A3 A+ )x0 = (A+ A3 + A+ )x0 = A+ A3 x0 + A+ x0 = ( + 1)A+ x0
rezulta ca vectorul x1 = A+ x0 verifica relatia
A3 x1 = ( + 1)x1 .
Similar, din
A3 (A+ x1 ) = (A3 A+ )x1 = (A+ A3 + A+ )x1 = A+ A3 x1 + A+ x1 = ( + 2)A+ x1

rezulta ca vectorul x2 = A+ x1 = (A+ )2 x0 verifica relatia
A3 x2 = ( + 2)x2 .
Se poate astfel arata ca toti vectorii din sirul
x0 , x1 = A+ x0 , x2 = (A+ )2 x0 , x3 = (A+ )3 x0 , ...
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
A3 w1 = A3 (A w0 ) = (A3 A )w0 = (A A3 A )w0 = ( + l 1)w1
A3 w2 = A3 (A w1 ) = (A3 A )w1 = (A A3 A )w1 = ( + l 2)w2
si n general
A3 wk = ( + l k)wk .
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
A+ w1 = A+ (A w0 ) = (A+ A )w0 = ([A+ , A ] + A A+ )w0
= 2 A3 w0 = (2 + 2l)w0
A+ w2 = A+ (A w1 ) = (A+ A )w1 = ([A+ , A ] + A A+ )w1
= (2 A3 + A A+ )w1 = 2( + l 1)w1 + (2 + 2l)A w0
= 2(2 + 2l 1)w1
A+ w3 = A+ (A w2 ) = (A+ A )w2 = ([A+ , A ] + A A+ )w2
= (2 A3 + A A+ )w2 = 2( + l 2)w2 + 2(2 + 2l 1)A w1
= 3(2 + 2l 2)w2
si n general
A+ wk = k(2 + 2l k)wk1
subspatiul
W = hw0 , w1 , ... , wm i
generat de vectorii liniar independenti w0 , w1 , ... , wm este invariant fata de actiunea

operatorilor A3 , A+ si A . Reprezentarea % fiind ireductibila trebuie ca W = V si
deci n = m + 1. Matricea operatorului A3 n raport cu baza {w0 , w1 , ... , wm } este
matricea diagonala

+l 0 0 0

0 +l1 0 0

.

+ l m + 1

0 0 0
0 0 0 +lm
Pe de alta parte din relatia [A+ , A ] = 2 A3 rezulta ca
1 1
trA3 = tr([A+ , A ]) = (tr(A+ , A ) tr(A A+ )) = 0.
2 2
Deducem ca
( + l) + ( + l 1) + ( + l m) = 0
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.

% : sl(2, C) gl(V )
este reprezentare ireductibila de dimensiune n = 2j +1 si v 6= 0 este astfel ncat
A3 v = j v, A+ v = 0
atunci sistemul de vectori

{ vj , vj+1 , ... , vj }
definit prin relatiile

q
vj = v, A v k = j(j + 1) k(k 1) vk1
este o baza a lui V astfel ncat

q
A3 v k = k v k , A+ vk = j(j + 1) k(k + 1) vk+1 .
j(j + 1) k(k 1) = 0 = k = j sau k = j + 1
rezulta ca exista constantele nenule c1 , c2 , ... , c2j astfel ncat
v j = w0 , vj1 = c1 w1 , vj2 = c2 w2 , ... vj = c2j w2j
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
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 .
Teorema 9.19 a) Oricare ar fi n {0, 1, 2, ...}, oricare ar fi spatiul vectorial complex

V de dimensiune n = 2j+1 si oricare ar fi baza {vj , vj+1 , ... , vj } a lui V aplicatia
% : sl(2, C) gl(V )
definita prin relatiile

q
A3 v k = k v k , A vk = j(j + 1) k(k 1) vk1 (9.2)
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
[A3 , A ] vk = (A3 A A A3 )vk

p p
= (k 1) j(j + 1) k(k 1) vk1 k j(j + 1) k(k 1) vk1
p
= j(j + 1) k(k 1) vk1 = A vk
[A+ , A ] vk = (A+ A A A+ )vk

p p
= j(j + 1) k(k 1) A+ vk1 j(j + 1) k(k + 1) A vk+1
= (j(j + 1) k(k 1))vk (j(j + 1) k(k + 1))vk = 2k vk = 2A3 vk

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 }
Din (9.2) rezulta ca

(A+ )jl x = c vj
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
care coincid pana la nmultirea cu anumite constante nenule cu vectorii
vj1 , vj2 , ... , vj
apartin lui W . Rezulta astfel ca orice subspatiu invariant nenul W coincide cu V .

b) Daca
% : sl(2, C) gl(V ), %0 : sl(2, C) gl(V 0 )
sunt doua reprezentari liniare de dimensiune n = 2j + 1 si
0 0
{vj , vj+1 , ... , vj }, {vj , vj+1 , ... , vj0 }
bazele corespunzatoare atunci
S : V V 0 , Svk = vk0
este un izomorfism liniar si
%(a) = S 1 %0 (a) S, a sl(2, C).
c) Afirmatia rezulta din propozitiile 9.17 si 9.18.

%1 : L gl(V1 ), %2 : L gl(V2 )
sunt reprezentari liniare ale algebrei Lie L, atunci aplicatia
%1 %2 : L gl(V1 V2 )
definita prin relatia
(%1 %2 )(a)(x1 , x2 ) = (%1 (a)x1 , %2 (a)x2 )
este o reprezentare liniara (numita suma directa a reprezentarilor %1 si %2 ) n
V1 V2 = { (x1 , x2 ) | x1 V1 , x2 V2 }.
Demonstratie. Aplicatia %1 %2 este liniara
(%1 %2 )(a + b) = (%1 %2 )(a) + (%1 %2 )(b)
si
(%1 %2 )([a, b])(x1 , x2 ) = (%1 ([a, b])x1 , %2 ([a, b])x2 )
= ([%1 (a), %1 (b)]x1 , [%2 (a), %2 (b)]x2 )
= (%1 (a)%1 (b)x1 %1 (b)%1 (a)x1 , %2 (a)%2 (b)x2 %2 (b)%2 (a)x2 )
= (%1 %2 )(a) (%1 (b)x1 , %2 (b)x2 ) (%1 %2 )(b) (%1 (a)x1 , %2 (a)x2 )
= [(%1 %2 )(a), (%1 %2 )(b)](x1 , x2 ).

Observatia 9.6 In teorema 9.19 am descris reprezentarile ireductibile ale algebrei
Lie sl(2, C). Se poate arata ca orice reprezentare liniara finit dimensionala a algebrei
Lie sl(2, C) este o suma directa de astfel de reprezentari.
Propozitia 9.21 Fie L o algebra Lie reala. Definind pe complexificatul spatiului

vectorial L
C
L = { a + i a0 | a, a0 L }
crosetul
[a + i a0 , b + i b0 ] = [a, b] [a0 , b0 ] + i ([a, b0 ] + [a0 , b])
obtinem o algebra Lie complexa numita complexificata algebrei Lie reale L.
Demonstratie. Prin calcul direct se arata ca
[( + i0 )(a + ia0 ) +( + i 0 )(b + ib0 ), c + ic0 ]
= ( + i0 )[a + ia0 , c + ic0 ] + ( + i 0 )[b + ib0 , c + ic0 ]
[a + ia0 , b + ib0 ] = [b + ib0 , a + ia0 ]
[[a + ia0 , b + ib0 ], c + ic0 ] +[[b + ib0 , c + ic0 ], a + ia0 ]
+[[c + ic0 , a + ia0 ], b + ib0 ] = 0.
Propozitia 9.22 a) Daca L este o algebra Lie reala si daca
% : L gl(V )
este o reprezentare liniara (n spatiul vectorial complex V ) atunci
% : CL gl(V ), %(a + ia0 )x = %(a)x + i %(a0 )x
este o reprezentare liniara.

b) Reprezentarea % este ireductibila daca si numai daca % este ireductibila.
Demonstratie. a) Se arata prin calcul direct ca % este aplicatie C-liniara
%( (a + ia0 ) + (b + ib0 ) ) = %(a + ia0 ) + %(b + ib0 )
%( ( + i)(a + ia0 ) ) = ( + i) %(a + ia0 )
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 = %(a)x + i %(a0 )x W
oricare ar fi a + ia0 C L. Invers, daca
xW = %(a + ia0 )x W
oricare ar fi a + ia0 C L, atunci
xW = %(a)x = %(a + i0)x W
oricare ar fi a L.
Observatia 9.7 L poate fi identificata cu o submultime a lui C L folosind aplicatia
L C L : a 7 a + i 0.
Mai mult,
[a, b] = [a + i0, b + i0], a, b L.
Daca {b1 , b2 , ..., bn } este o baza a algebrei Lie reale 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 }.
Propozitia 9.23 a) Daca

% : CL gl(V )
este o reprezentare liniara a complexificatei algebrei Lie reale L atunci
%|L : L gl(V ), %|L (a)x = %(a + i0)x
este o reprezentare liniara a lui L.

b) Reprezentarea %|L este ireductibila daca si numai daca % este ireductibila.
Demonstratie. a) Aplicatia %|L este R-liniara
%|L (a + b) = %(a + b + i0) = %(a + i0) + %(b + i0) = %|L (a) + %|L (b)
%|L (a) = %(a + i0) = %(a + i0) = %|L (a)
si
%|L ([a, b]) = %([a, b] + i0) = %([a + i0, b + i0])
= [%(a + i0), %(b + i0)] = [%|L (a), %|L (b)].

b) Daca W V este astfel ncat
xW = %(a + ia0 )x W
oricare ar fi a + ia0 CL, atunci
xW = %|L (a)x = %(a + i0)x W
oricare ar fi a L. Invers, daca
xW = %|L (a)x W
oricare ar fi a L, atunci
xW = %(a + ia0 )x = %(a + i0)x
= %( (a + i0) + (0 + i) (a0 + i0) )x
= %(a + i0)x + i%(a0 + i0)x
= %|L (a)x + i%|L (a0 )x W
oricare ar fi a + ia0 CL.
Propozitia 9.24 Complexificata C su(2) a algebrei su(2) este izomorfa cu sl(2, C).
Demonstratie. Algebra Lie reala su(2) admite 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
iar algebra Lie complexa sl(2, C) baza
1

a3 = (e11 e22 ), a+ = e21 , a = e12
2
cu
[a3 , a ] = a , [a+ , a ] = 2 a3 .
Aplicatia C-liniara A : C su(2) sl(2, C) definita prin
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+ ])
= 2i [a+ , a ] = i a3 = Au1 = A [u2 , u3 ]

h i
[Au3 , Au1 ] = 2i (a+ + a ), i a3 = 12 [a+ , a3 ] 12 [a , a3 ]
= 21 a+ 12 a = Au2 = A [u3 , u1 ].
Observatia 9.8 Din propozitia 9.23 rezulta ca descrierea reprezentarilor ireductibile

ale algebrelor Lie izomorfe o(3) si su(2) este echivalenta cu descrierea reprezentarilor
ireductibile ale algebrei Lie complexe Csu(2).
Pe de alta parte, din propozitiile 9.15 si 9.24 rezulta ca descrierea reprezentarilor ire-
ductibile ale algebrei Csu(2) este echivalenta cu descrierea reprezentarilor ireductibile
ale algebrei sl(2, C), reprezentari descrise n teorema 9.19.
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
[1] I. Armeanu, Analiza Functionala, Editura Universitatii din Bucuresti, 1998.
[2] D. Beklemichev, Cours de Geometrie Analytique et dAlgebre Lineaire, Editions

Mir, Moscou, 1988.
[3] V. Brnzanescu, O. Stanasila, Matematici Speciale. Teorie, Exemple, Aplicatii,

Editura ALL EDUCATIONAL S. A., 1998.
[4] L. V. Kantorovich, G. P. Akilov, Analiza Functionala, Editura Stiintifica si

Enciclopedica, Bucuresti, 1986.
[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.
[7] C. Nastasescu, C. Nita, C. Vraciu, Bazele Algebrei, vol I, Editura Academiei,

Bucuresti, 1986.
[8] M.-E. Piticu, M. Vraciu, C. Timofte, G. Pop, Ecuatii Diferentiale. Culegere de

Probleme, Editura Universitatii Bucuresti, 1995.
[9] R. Richtmyer, Principles of Advanced Mathematical Physics, Springer-Verlag,

1978.
[10] J.D. Talman, Special Functions. A Group Theoretical Approach, Benjamin, New
York, 1968.
201
[11] C. Teleman, M. Teleman, Elemente de teoria grupurilor cu aplicatii n topologie

si fizica, Editura Stiintifica, Bucuresti, 1973.
[12] C. Udriste, C. Radu, C. Dicu, O. Malancioiu, Algebra, Geometrie si Ecuatii

Diferentiale, Editura Didactica si Pedagogica, Bucuresti, 1982.
[13] N. Ja. Vilenkin, Fonctions Speciales et Theorie de la Representation des

Groupes, Dunod, Paris, 1969.
[14] V. S. Vladimirov, Ecuatiile Fizicii Matematice, Editura Stiintifica si Enciclo-

pedica, Bucuresti, 1980.

2011marelemente de Algebra Liniara PDF

Încărcat de

Informații document

Titlu original

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

2011marelemente de Algebra Liniara PDF

Încărcat de

Drepturi de autor:

Formate disponibile

Nicolae Cotfas

EDITURA UNIVERSITATII DIN BUCURESTI

Bucuresti, 2009 Nicolae Cotfas

4 Spatii vectoriale euclidiene 85

5 Forme patratice 111

7 Ecuatii si sisteme de ecuatii diferentiale liniare 129

8 Grupuri. Reprezentari liniare 159

9 Algebre Lie. Reprezentari liniare 177

Definitia 1.1 Fie K unul dintre corpurile R, C. Prin matrice cu n linii si m

A : {1, 2, ..., n} {1, 2, ..., m} K : (i, j) 7 aij

descrisa uzual cu ajutorul tabloului

iar produsul dintre un numar K si o matrice A Mnm (K) se defineste prin

Propozitia 1.3 Daca A, B, C Mnm (K) si , K atunci

(A+B)+C = A+(B +C), A + B = B + A,

Demonstratie. Relatiile rezulta din

(aij + bij ) = aij + bij , (+)aij = aij + aij

1 aij = aij , (aij ) = ()aij .

Definitia 1.4 Produsul AB al matricelor A Mnm (K) si B Mmp (K) se

an1 an2 ... anm bm1 bm2 ... bmp

Propozitia 1.6 Daca A Mnm (K) si B, C Mmp (K) atunci

Propozitia 1.7 Daca A Mnm (K), B Mmp (K) si K atunci

(AB) = (A)B = A(B).

Demonstratie. Fie A Mnn (K). Presupunand ca exista doua matrice B, C

Observatia 1.2 In cazul 11 22 12 21 6= 0, rezolvand sistemul de ecuatii

daca se utilizeaza notatia

Definitia 1.10 Fie K unul dintre corpurile R, C si fie matricea patrata

Observatia 1.3 In cazul n care sistemul de trei ecuatii cu trei necunoscute

daca se utilizeaza notatia

Definitia 1.11 Fie K unul dintre corpurile R, C si fie matricea patrata

se numeste determinantul matricei A.

Definitia 1.12 Prin permutare de grad n se ntelege o functie bijectiva

: {1, 2, ..., n} {1, 2, ..., n}.

Observatia 1.4 O permutare de grad n poate fi descrisa cu ajutorul unui tablou

Vom nota cu Sn multimea tuturor permutarilor de grad n.

Definitia 1.13 Prin signatura permutarii

: {1, 2, ..., n} {1, 2, ..., n}

Exemplul 1.1 Avem S3 = {1 , 2 , ... , 6 } unde

Definitia 1.14 Fie matricea patrata

se numeste determinantul matricei A.

Observatia 1.7 Din relatia (1.2) rezulta

(determinantul unei matrice coincide cu determinantul transpusei). Se poate demon-

det A = det tA.

Observatia 1.8 Din (1.2) rezulta relatiile

(daca schimbam ntre ele doua linii semnul determinantului se schimba)

(daca schimbam ntre ele doua coloane semnul determinantului se schimba). Se

Demonstratie. Afirmatia rezulta direct din definitia (1.3).

Observatia 1.9 Din (1.2) rezulta ca

Se poate demonstra urmatorul rezultat mai general.

Propozitia 1.19 Pentru orice k {1, 2, ..., n} avem

Demonstratie. Relatiile rezulta direct din definitia (1.3).

Demonstratie. Afirmatia rezulta din propozitiile 1.18 si 1.19.

Propozitia 1.21 Avem

Demonstratie. Relatiile rezulta direct din definitia (1.3).

Demonstratie. Afirmatia rezulta din propozitiile 1.20 si 1.21.

Demonstratie. Afirmatia rezulta din propozitiile 1.20 si 1.21.

Observatia 1.10 Relatia (1.2) se poate scrie sub formele

(dezvoltare dupa prima linie)

(dezvoltare dupa linia a doua)

(dezvoltare dupa linia a treia)

(dezvoltare dupa prima coloana)

(dezvoltare dupa coloana a doua)

(dezvoltare dupa coloana a treia).

Observatia 1.11 Relatiile anterioare pot fi generalizate si utilizate n calculul