Sunteți pe pagina 1din 181

Elemente

de algebră
liniară
Colegiul ştiinţific:
Prof. univ. dr. Ion Purcaru
Prof. univ. dr. Maria Tudor
Prof. univ. dr. Aida Toma
Conf. univ. dr. Gabriela Beganu
Conf. univ. dr. Bogdan Iftimie
Dragoş-Pătru COVEI

Elemente
de algebră
liniară

Colecţia
Matematici pentru economişti

Editura ASE
Bucureşti
2015
ACADEMIA DE STUDII ECONOMICE DIN BUCUREŞTI

Copyright c 2015, Editura ASE


Toate drepturile asupra acestei ediţii sunt rezervate editurii.

Editura ASE
Piaţa Romană nr. 6, sector 1, Bucureşti, România
cod: 010374
www.ase.ro
www.editura.ase.ro
editura@ase.ro

Referenţi:
Prof. univ. dr. Aida Toma
Conf. univ. dr. Bogdan Iftimie

Descrierea CIP a Bibliotecii Naţionale a României


COVEI, DRAGOŞ-PĂTRU
Elemente de algebră liniară/Dragoş-Pătru Covei. - Bucureşti:
Editura ASE, 2015
Bibliogr.
ISBN 978-606-505-860-6

512.64

Tehnoredactare: Dragoş-Pătru Covei


Redactor: Livia Radu (Editura ASE)
Coperta: Claudia-Marinela Dumitru (Editura ASE)

Autorul îşi asumă întreaga responsabilitate pentru ideile exprimate, pentru originalitatea materi-
alului şi pentru sursele bibliografice menţionate.
Prima Ediţie, Ianuarie 2015
Cuprins

0.1 Prefaţă 9

1 Spaţii vectoriale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.1 Definiţia spaţiului vectorial (liniar) 11
1.2 Subspaţii vectoriale 14
1.3 Acoperire liniară a unei submulţimi. Combinaţie liniară de vectori 15
1.4 Familie de generatori 19
1.5 Familie de vectori liniar independentă/dependentă 20
1.6 Operaţii cu familii de vectori 22
1.7 Bază a unui spaţiu vectorial. Dimensiune 24
1.8 Rangul unui sistem de vectori 37
1.9 Metoda pivotului Gauss-Jordan. Lema substituţiei 38
1.10 Matricea de trecere de la un reper la altul 43

2 Operatori liniari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.1 Operatori liniari şi teoreme de izomorfism 45
2.2 Spaţiul cât 49
2.3 Suma şi intersecţia a două subspaţii vectoriale 52
2.4 Sumă directă de subspaţii vectoriale 55
2.5 Nucleul şi imaginea unui operator liniar 63
2.6 Operatori de proiecţie 71
2.7 Reprezentarea matriceală a operatorilor liniari 72
2.8 Legătura dintre operaţiile cu operatori liniari şi matricele lor 75
2.9 Modificarea matricei unui operator liniar la schimbarea reperelor 75
2.10 Valori proprii, vectori proprii şi subspaţii proprii 79
2.11 Polinoame de endomorfisme sau de matrice pătratice 81
2.12 Operator liniar diagonalizabil. Matrice diagonalizabilă 84
2.13 Forma diagonală/forma canonică Jordan a unui endomorfism 88
2.14 Forma canonică a unui operator nilpotent 89
2.15 Reper Jordan. Algoritm de jordanizare 90

3 Sisteme de ecuaţii diferenţiale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103


3.1 Sisteme de ecuaţii diferenţiale liniare omogene 103
3.2 Sisteme de ecuaţii diferenţiale liniare neomogene 112

4 Forme liniare, biliniare şi pătratice . . . . . . . . . . . . . . . . . . . . . . . . . . 115


4.1 Funcţionale liniare-dualul algebric al unui spaţiu liniar 115
4.2 Funcţionale biliniare şi sesquiliniare 116
4.3 Funcţionale biliniare simetrice şi sesquiliniare hermitiene 116
4.4 Efectul schimbării reperelor la matricea unei funcţionale biliniare 119
4.5 Funcţionale pătratice reale 123
4.6 Forma canonică a unei funcţionale pătratice (matrice pătratice) 124
4.7 Teorema inerţiei-Sylvester 136

5 Probleme metrice în spaţii euclidiene . . . . . . . . . . . . . . . . . . . . . . . 139


5.1 Spaţiu euclidian. Spaţiu unitar. Noţiunea de normă 139
5.2 Procedeul de ortogonalizare Gram-Schmidt 143
5.3 Teorema de descompunere în subspaţii ortogonale 150
5.4 Noţiunea de distanţă, punct fix, contracţie. Teorema de punct fix 153
5.4.1 Convergenţa în spaţii metrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
5.4.2 Şiruri fundamentale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
5.4.3 Principiul contracţiei . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
5.5 Noţiunea de spaţiu normat 162
5.6 Aplicaţie a teoremei de punct fix a lui Banach 164

6 Clase speciale de operatori . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165


6.1 Adjunctul unui operator liniar 165
6.2 Endomorfisme autoadjuncte 166
6.3 Metoda valorilor proprii de aducere la forma canonică 168
6.4 Operatori liniari (endomorfisme) ortogonali 170
7 Autoevaluare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
7.1 Test 1 173
7.2 Test 2 175
7.3 Test 3 176
7.4 Test 4 177
7.5 Test 5 179

8 Bibliografie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
0.1 Prefaţă 9

0.1 Prefaţă

Algebra liniară este o ramură activă a cercetărilor matematice deoarece ocupă un loc central
în aproape toate celelalte domenii ale matematicii şi, de asemenea, are aplicaţii importante în
toate ramurile ştiinţelor aplicate.
Cu toate acestea, conţinutul cursurilor de algebră liniară, necesar unui absolvent de la
ciclul licenţă, a fost restrâns de la an la an deşi aceasta este indispensabilă pentru studiile
postuniversitare şi de cercetare sau pentru aplicarea în lumea reală.
Aceste note aprofundează programa analitică a cursului şi seminarului de Algebră Liniară
ţinut de autor studenţilor din anul întâi de la Facultatea de Cibernetică, Statistică şi Informatică
Economică din cadrul Academiei de Studii Economice din Bucureşti.
Materialul este dezvoltat complet de la zero, în scopul utilizării lui ca un ghid de studiu
individual sau ca o carte de referinţă, dar într-un ritm mult mai rapid decât o algebră liniară
studiată la nivel de liceu.
Problemele dezbătute alcătuiesc o parte semnificativă a materialului, preced întotdeauna
teoremele, iar majoritatea dintre ele sunt rezolvate complet pentru a ilustra cât mai bine cadrul
teoretic.
Rareori cititorii observă că noţiunile introduse, aparent simple, ciudate şi variate, sunt de
fapt rezultatul unei lupte lungi şi dure depuse de matematicieni din întreaga lume, cu mult timp
în urmă, în scopul modelării fenomenelor din lumea reală.
Astfel, unii dintre cei mai străluciţi matematicieni au dat răspuns unor probleme aparent
simple pentru aceste timpuri, cum ar fi determinarea dimensiunii spaţiului vectorial euclidian.
Însă, toate rezultatele lor au permis să se realizeze avansul în timp al ştiinţelor, de fapt ne-a
permis, cu un efort de-al lor, să vedem mai departe decât acele minţi strălucite.

Autorul,
Conf. univ. dr. Dragoş – Pătru Covei
Academia de Studii Economice din Bucureşti
Le mulţumesc cititorilor, sperând că le este utilă această carte.
Dedic această carte copiilor mei Daria şi Rareş.
Bucureşti, 2015
1. Spaţii vectoriale

1.1 Definiţia spaţiului vectorial (liniar)


Fie K corp comutativ cu elementul neutru la înmulţire notat prin 1, iar la adunare prin 0.
Definiţie 1.1.1 O mulţime V 6= φ se numeşte spaţiu vectorial peste K (sau K-spaţiu vectorial
V ) dacă pe V se poate defini o operaţie algebrică internă
+
(x, y) ∈ V ×V → x + y ∈ V (numită adunarea vectorilor)

împreună cu care V are o structură de grup abelian, adică îndeplineşte axiomele

A1) x + y = y + x, ∀x, y ∈ V
A2) (x + y) + z = x + (y + z) , ∀x, y, z ∈ V
A3) ∃0V ∈ V astfel încât x + 0V = x, ∀x ∈ V
A4) ∀x ∈ V , ∃ − x ∈ V astfel încât x + (−x) = 0V

precum şi o operaţie algebrică externă


·
(α, x) ∈ K ×V → α · x ∈ V (numită înmulţirea cu scalari)

astfel încât să îndeplinească axiomele

A5) (α + β ) · x = α · x + β · x ∀α, β ∈ K, ∀x ∈ V
A6) α · (x + y) = α · x + α · y ∀α ∈ K, ∀x, y ∈ V
A7) (α · β ) · x = α · (β · x) ∀α, β ∈ K, ∀x ∈ V
A8) 1·x = x ∀x ∈ V.

R Elementele corpului K se numesc scalari şi se notează cu litere ale alfabetului grec, iar
elementele K−spaţiului vectorial V se numesc vectori şi se notează cu litere ale alfabetului
latin.

R Elementul 0V se numeşte vectorul nul, iar −x opusul vectorului x.


12 Capitolul 1. Spaţii vectoriale

R Pentru spaţiul vectorial V peste corpul K se foloseşte notaţia (V, K). Dacă K = R atunci
spaţiul vectorial (V, R) se numeşte spaţiu vectorial real, iar dacă K = C atunci spaţiul
vectorial (V, C) se numeşte spaţiu vectorial complex.

Următoarea propoziţie evidenţiază reguli de calcul într-un spaţiu vectorial.


Propoziţie 1.1.1 Dacă (V, K) este spaţiu vectorial atunci

i) 0 · x = 0V ∀x ∈ V ,
ii) ∀α ∈ K avem α · 0V = 0V ,
iii) (−1) · x = −x ∀x ∈ V,
iv) α · x = 0V ⇐⇒ α = 0 sau x = 0V
v) α · (x − y) = α · x − αy ∀x, y ∈ V, ∀α ∈ K
vi) (α − β ) · x = α · x − β · x ∀α, β ∈ K, ∀x ∈ V.

Demonstraţie. i) Considerăm în A5) : α = 1 şi β = 0 rezultând

(1 + 0) · x = 1 · x + 0 · x

sau echivalent
A8)
1 · x = 1 · x + 0 · x =⇒ x = x + 0 · x.

Cum 0V este unicul vector cu proprietatea x = x + 0V deducem că 0 · x = 0V .


ii) Considerăm în A7) : β = 0 rezultând
i)
(α · 0) · x = α · (0 · x) =⇒ 0 · x = α · 0V ⇐⇒ α · 0V = 0V .

Analog se probează iii) − vi).

Exerciţiu 1.1.1 Fie K corp comutativ şi


n o
T
Kn = K × ...
| {z } × K = (x 1 , ..., x )
n ix ∈ K, i = 1, ..., n
de n ori

unde n ∈ N, n ≥ 2. Pe Kn definim operaţiile


- adunarea:
de f
(x1 , ..., xn )T + (y1 , ..., yn )T = (x1 + y1 , ..., xn + yn )T

unde (x1 , ..., xn )T , (y1 , ..., yn )T ∈ Kn ;


- înmulţirea cu scalari:
de f
α · (x1 , ..., xn )T = (α · x1 , ..., α · xn )T

unde α ∈ K, (x1 , ..., xn )T ∈ Kn .


Să se arate că mulţimea Kn înzestrată cu operaţiile "+" şi "·" are o structură de spaţiu
vectorial peste corpul K, numit spaţiu aritmetic n-dimensional (sau spaţiul coordonatelor). 

Soluţie. Elementul

0V = (0, ..., 0)T , respectiv − x = (−x1 , ..., −xn )T ,

este vectorul nul din Kn , respectiv, opusul lui x din Kn .


1.1 Definiţia spaţiului vectorial (liniar) 13

Probăm A1) din Definiţia 1.1.1. Pentru aceasta observăm că pentru orice x = (x1 , ..., xn )T ∈ K
şi y = (y1 , ..., yn )T ∈ K are loc
de f
x + y = (x1 , ..., xn )T + (y1 , ..., yn )T = (x1 + y1 , ..., xn + yn )T
= (y1 + x1 , ..., yn + xn )T = (y1 , ..., yn )T + (x1 , ..., xn )T = y + x,

adică axioma A1) a fost verificată. Analog se verifică axiomele A2) − A8) ceea ce arată că
mulţimea Kn este spaţiu vectorial peste corpul K.

R Pentru K = R obţinem spaţiul vectorial real Rn .

Exerciţiu 1.1.2 Să se arate că mulţimea


n √ √ o
V = a + b 2 + c 3 a, b, c ∈ Q

este un Q-spaţiu vectorial, faţă de operaţiile uzuale de adunare şi înmulţire cu un număr
raţional. 

Soluţie. Se observă uşor că (V, +) este grup abelian. Fie acum λ ∈ Q şi
√ √ √
xi = ai 2 + bi 2 + ci 3 unde i = 1, 2.

Avem
√ √
λ (x1 + x2 ) = λ (a1 + a2 ) + λ (b1 + b2 ) 2 + λ (c1 + c2 ) 3 = λ x1 + λ x2

fapt ce probează axioma A6) a spaţiului vectorial. Analog se probează celelalte axiome ale
spaţiului vectorial.

not C
Exerciţiu 1.1.3 Fie (V, R) spaţiul vectorial real. Pe V ×V = V se definesc operaţiile

i) + :C V ×C V →C V , (u, v) + (x, y) = (u + x, v + y) ∀ (u, v) ∈C V, ∀ (x, y) ∈C V


ii) · : C×CV →C V , α (u, v) = (au − bv, bu + av) ∀ (u, v) ∈C V şi α = a + ib ∈ C.

Să se arate că CV, C este spaţiu vectorial (numit complexificatul spaţiului vectorial real
(V, R)). În particular, C Rn = Cn . 


Soluţie. Arătăm că CV, + este grup abelian. Pentru început observăm că
C
∀ (x1 , y1 ) ∈ V şi ∀ (x2 , y2 ) ∈C V =⇒ x1 , x2 , y1 , y2 ∈ V
=⇒ x1 + x2 ∈ V şi y1 + y2 ∈ V =⇒ (x1 + x2 , y1 + y2 ) ∈C V.

Pe de altă parte
A1) ∀ (x1 , y1 ) , (x2 , y2 ) ∈C V avem

(x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 ) = (x2 + x1 , y2 + y1 ) = (x2 , y2 ) + (x1 , y1 )

din comutativitatea adunării în V .


A2) ∀ (x1 , y1 ) , (x2 , y2 ) , (x3 , y3 ) ∈C V avem

[(x1 , y1 ) + (x2 , y2 )] + (x3 , y3 ) = (x1 , y1 ) + [(x2 , y2 ) + (x3 , y3 )]


14 Capitolul 1. Spaţii vectoriale

din asociativitatea adunării în V .


A3) ∃ (0V , 0V ) ∈C V astfel încât

(x, y) + (0V , 0V ) = (0V , 0V ) + (x, y) = (x, y) .

A4) ∀ (x, y) ∈C V ∃ (−x, −y) ∈C V astfel încât

(x, y) + (−x, −y) = (−x, −y) + (x, y) = (0V , 0V ) .

Evident (au − bv, bu + av) ∈C V .


Rămâne să verificăm axiomele A5)-A8). Verificăm A8), celelalte sunt doar artificii de calcul.
Avem

1 = 1 + 0 · i =⇒ 1 · (x, y) = (1 · x − 0 · y, 0 · x + 1 · y) = (x, y) .

Cum A1)-A8) sunt verificate deducem că CV, C este spaţiu vectorial.

Exerciţiu 1.1.4 Fie spaţiul vectorial (Zn2 , Z2 ). Să se arate că ∀x ∈ Zn2 , x + x = 0Zn2 . 

Soluţie. Fie x = (xb1 , ..., xbn )T ∈ Zn2 . Observăm că


x + x = (xb1 , ..., xbn )T + (xb1 , ..., xbn )T = (xb1 + xb1 , ..., xbn + xbn )T
    T  
= xb1 b 1+b 1 , ..., xbn b 1+b 1 = b 0, ..., b 0 = 0Zn2

1+b
deoarece b 1=b
0.

1.2 Subspaţii vectoriale


Definiţie 1.2.1 Fie (V, K) spaţiu vectorial şi X ⊂ V , X 6= φ . Mulţimea X se numeşte subspaţiu
vectorial al lui (V, K) dacă
i) ∀x, y ∈ X =⇒ x + y ∈ X;
ii) ∀α ∈ K, ∀x ∈ X =⇒ αx ∈ X.

R Un subspaţiu vectorial are o structură de spaţiu vectorial în raport cu operaţiile induse.

R Orice spaţiu vectorial (V, K) are cel puţin două subspaţii {0V } şi V numite subspaţii
vectoriale improprii ale lui (V, K). Orice alt subspaţiu vectorial se numeşte subspaţiu
propriu.

 Exemplu 1.2.1 Dacă Kn este spaţiul aritmetic n-dimensional definit în Exerciţiul 1.1.1 atunci
n o
E = x = (x1 , ..., xi−1 , 0, xi+1 , ..., xn )T x ∈ Kn

este subspaţiu vectorial al lui (Kn , K). Într-adevăr, fie

x = (x1 , ..., xi−1 , 0, xi+1 , ..., xn )T şi y = (y1 , ..., yi−1 , 0, yi+1 , ..., yn )T

elemente arbitrare din E. Observăm că


x + y = (x1 + y1 , ..., xi−1 + yi−1 , 0, xi+1 + yi+1 , ..., xn + yn )T ∈ E
αx = (αx1 , ..., αxi−1 , 0, αxi+1 , ..., αxn )T ∈ E ∀α ∈ K
şi deci E este subspaţiu vectorial al lui Kn . 
1.3 Acoperire liniară a unei submulţimi. Combinaţie liniară de vectori 15

R Relaţiile i), ii) din Definiţia 1.2.1 sunt echivalente cu


∀λ , µ ∈ K şi ∀x, y ∈ X rezultă λ x + µy ∈ X.

Exerciţiu 1.2.1 Să se arate că mulţimea


n o
S = (x1 , x2 , ..., xm−1 )T xi ∈ R, i ∈ 1, m − 1, m ≥ 2

este subspaţiu vectorial în spaţiul vectorial Rm−1 , R .





Soluţie. Arătăm că

∀λ , µ ∈ R, x, y ∈ S ⇒ λ x + µy ∈ S.

Dacă x = (x1 , ..., xm−1 )T şi y = (y1 , ..., ym−1 )T sunt elemente din S atunci

λ x + µy = (λ x1 + µy1 , ..., λ xm−1 + µym−1 )T ∈ S.

Exerciţiu 1.2.2 Dacă x ∈ Rm \{θ } este element fixat, atunci să se arate că mulţimea S =
{αx |α ∈ R } este subspaţiu vectorial în spaţiul vectorial (Rm , R). 

Soluţie. Arătăm că

∀λ , µ ∈ R, y, z ∈ S ⇒ λ y + µz ∈ S.

Într-adevăr, dacă

y = α1 x
, α1 , α2 ∈ R şi x ∈ Rm fixat.
z = α2 x
sunt două elemente din S atunci

λ y + µz = λ α1 x + µα2 x = x (λ α1 + µα2 ) ∈ S

deoarece λ α1 + µα2 ∈ Rm .

1.3 Acoperire liniară a unei submulţimi. Combinaţie liniară de vectori


Fie (V, K) spaţiu vectorial.
Definiţie 1.3.1 Fie A ⊆ V nevidă şi x1 , ..., xn ∈ V .
i) Spunem că vectorul x ∈ V este o combinaţie liniară de vectorii x1 , ..., xn dacă există
n
scalarii α1 , ..., αn ∈ K astfel încât x = ∑ αi xi .
i=1
ii) Spunem că vectorul x ∈ V este o combinaţie liniară de vectori din A, dacă ∃n ∈ N∗ ,
n
αi ∈ K, şi vectorii xi ∈ A, i = 1, ..., n, a.î. x = ∑ αi xi .
i=1
definiţie
iii) Mulţimea SpanK (A) = a tututror combinaţiilor liniare de vectori din A ⊂ V se
numeşte acoperire liniară a lui A. În particular, dacă A = {x1 , ..., xn } atunci
( )
n
definiţie
SpanK (A) = ∑ αi xi αi ∈ K, i = 1, ..., n . (1.1)

i=1
16 Capitolul 1. Spaţii vectoriale

R SpanK (A) se numeşte şi subspaţiul vectorial generat de mulţimea A şi este cel mai mic
subspaţiu vectorial ce conţine mulţimea A. În loc de SpanK (A) se mai folosesc

notaţiile: LK (A) , Span (A) , Sp (A) , < A > sau L (A) .

Exerciţiu 1.3.1 Fie (V, K) spaţiu vectorial. Dacă A = {x1 , ..., xn } ⊂ V , A 6= φ atunci să se
arate că SpanK (A) este subspaţiu vectorial al lui (V, K). 

Soluţie. Fie x, y vectori din SpanK (A) şi λ , µ ∈ K. Din


n
x ∈ SpanK (A) =⇒ există αi ∈ K astfel încât x = ∑ αi xi
i=1
n
y ∈ SpanK (A) =⇒ există βi ∈ K astfel încât y = ∑ βi xi .
i=1

Observăm că
n n n
λ x + µy = λ ∑ αi xi + µ ∑ βi xi = ∑ (λ αi + µβi ) xi ∈ SpanK (A)
i=1 i=1 i=1

deoarece λ αi + µβi ∈ K. Am demonstrat că SpanK (A) este subspaţiu vectorial al lui V .

Exerciţiu 1.3.2 Fie R3 , R spaţiul vectorial real şi




n o
A = (2, 2, 4)T , (2, 4, 2)T , (2, −2, 4)T ⊆ R3 .

Să se arate că v = (16, 6, 14)T este în SpanR A. 

Soluţie. A arăta că v = (16, 6, 14)T este în SpanR A revine la arăta că există a1 , a2 , a3 ∈ R astfel
încât

(16, 6, 14)T = α1 (2, 2, 4)T + α2 (2, 4, 2)T + α3 (2, −2, 4)T

sau echivalent

 2α1 + 2α2 + 2α3 = 16
2α1 + 4α2 − 2α3 = 6
4α1 + 2α2 + 4α3 = 14.

Se observă că acest sistem are soluţia α1 = −8, α2 = 9, α3 = 7. Am demonstrat că v este
combinaţie liniară de vectori din A şi deci se află în SpanR A.

Exerciţiu 1.3.3 Fie (M2×2 (R) , R) spaţiul vectorial al matricelor simetrice de componente
reale şi
     
1 0 0 1 0 0
S = SpanR , , ⊆ (M2×2 (R) , R) .
0 0 1 0 0 1

Să se arate că S = M2×2 (R). 


1.3 Acoperire liniară a unei submulţimi. Combinaţie liniară de vectori 17

Soluţie. Amintim că A ∈ M2×2 (R) dacă A este de forma


 
a b
A= .
b c
Se observă că
       
1 0 0 1 0 0 a b
a +b +c =
0 0 1 0 0 1 b c

şi deci S = M2×2 (R).

Exerciţiu 1.3.4 În spaţiul vectorial R4 , R se consideră elementele




x1 = (2, 4, 2, 4)T , x2 = (2, −2, 8, 10)T , x3 = (2, −4, 10, 12)T

şi x = (4, −4, 16, 20)T . Să se arate că elementul x este o combinaţie liniară a elementelor
x1 , x2 , x3 . 

Soluţie. x este o combinatie liniară a elementelor x1 , x2 , x3 dacă există numerele γ1 , γ2 , γ3 ∈ R


astfel încât

x = γ1 x1 + γ2 x2 + γ3 x3 ,

relaţie echivalentă cu sistemul:




 2γ1 + 2γ2 + 2γ3 = 4
4γ1 − 2γ2 − 4γ3 = −4

2γ + 8γ2 + 10γ3 = 16
 1


4γ1 + 10γ2 + 12γ3 = 20
Matricea sistemului este
 
2 2 2
 4 −2 −4 
A=  2 8 10
.

4 10 12
Avem un minor de ordinul 2 nenul

2 2
4 −2 = 2 · (−2) − 2 · 4 = −12,

iar toţi minorii de ordinul 3 sunt nuli, deci rang A = 2.


Matricea extinsă este
 
2 2 2 4
 4 −2 −4 −4 
A=  2 8 10 16 

4 10 12 20

având rangul 2. Am demonstrat că rang A = rang A. Conform teoremei Kronecker-Capelli


sistemul este compatibil. Notăm necunoscuta secundară γ3 prin a şi considerăm primele două
ecuaţii ale sistemului, corespunzătoare minorului principal de ordin doi, avem

2γ1 + 2γ2 = 4 − 2a
4γ1 − 2γ2 = −4 + 4a
18 Capitolul 1. Spaţii vectoriale

cu soluţia
a 6 − 4a
γ1 = , γ2 = , γ3 = a.
3 3
Am demonstrat că
a 6 − 4a
x = x1 + x2 + ax3
3 3
adică x este o combinaţie liniară de x1 , x2 şi x3 .

Exerciţiu 1.3.5 În spaţiul vectorial R4 , R se consideră elementele




x1 = (−2, −1, −1, −4)T , x2 = (3, −2, 12, 15)T , x3 = (−1, 3, −11, −9)T

şi x = (1, 0, 1, 0)T . Să se arate că elementul x nu este o combinaţie liniară a elementelor
x1 , x2 , x3 . 

Soluţie. x este o combinaţie liniară a elementelor x1 , x2 , x3 dacă există numerele reale γ1 , γ2 , γ3


astfel încât

x = γ1 x1 + γ2 x2 + γ3 x3 ,

relaţie echivalentă cu sistemul:




 −2γ1 + 3γ2 − γ3 = 1
−γ1 − 2γ2 + 3γ3 = 0


 −γ 1 + 12γ2 − 11γ3 = 1
−4γ1 + 15γ2 − 9γ3 = 0.

Matricea sistemului este


 
−2 3 −1
 −1 −2 3 
A=  −1 12
.
−11 
−4 15 −9
Avem un minor de ordinul 3 nenul:

−2 3 −1
M3A = −1 −2 3 = 14 6= 0

−4 15 −9

deci rang A = 3.
Matricea extinsă este
 
−2 3 −1 1
−2 3 −1 1

 −1 −2 3 0 
 A
−1 −2 3 0
A=  −1 12 −11 =⇒ M4 = = 14
1 
−1 12 −11 1

−4 15 −9 0 −4 15 −9 0

rezultând rangA = 4. Am demonstrat că

rangA 6= rangA.

Conform teoremei Kronecker-Capelli, sistemul este incompatibil. În concluzie, x nu se poate


scrie ca o combinaţie liniară a elementelor x1 , x2 , x3 .
1.4 Familie de generatori 19

1.4 Familie de generatori


Fie (V, K) spaţiu vectorial.
Definiţie 1.4.1 Spunem că X ⊂ V este familie de generatori dacă orice vector din V se scrie
ca o combinaţie liniară de vectori din X. Cu alte cuvinte, X este familie de generatori pentru
V dacă V = SpanK (X).

R Dacă X este o familie de generatori pentru V şi X ⊂ Y ⊂ V , atunci Y este o familie de


generatori a lui V .

R Dacă X este o familie de generatori pentru V şi x ∈ X este o combinaţie liniară cu vectori
din X, atunci X\ {x} este o familie de generatori pentru V .

R Dacă X ⊂ V este familie de generatori pentru V în număr finit, în loc de familie de


generatori se mai foloseşte sintagma sistem de generatori.

Definiţie 1.4.2 Se spune că un K-spaţiu vectorial V este de dimensiune finită, dacă V = {0V }
sau V conţine un sistem de generatori {x1 , ..., xn } în număr finit.

 Exemplu 1.4.1 Spaţiul aritmetic n-dimensional Kn este de dimensiune finită, deoarece sistemul
de vectori
n o
e1 = (1, ..., 0)T , ..., en = (0, ..., 1)T

este sitem de generatori în Kn . 

 Exemplu 1.4.2 Spaţiul vectorial al funcţiilor reale, definite pe segmentul [a, b] nu este de
dimensiune finită, deoarece funcţiile f0 (t) = 1, f1 (t) = t, ..., fn (t) = t n , ... realizează o familie
de generatori, cu n ∈ N arbitrar. 

Exerciţiu 1.4.1 Să se arate că elementele

x1 = (2, 2, 2)T , x2 = (2, 2, 0)T şi x3 = (2, 0, 0)T

constituie un sistem de generatori în spaţiul vectorial R3 , R .





Soluţie. {x1 , x2 , x3 } formează un sistem de generatori în spaţiul vectorial R3 , R dacă şi numai


dacă orice w ∈ R3 se exprimă ca o combinaţie liniară de x1 , x2 şi x3 .


Fie w = (w1 , w2 , w3 ) ∈ R3 şi presupunem că
există λ1 , λ2 , λ3 ∈ R astfel încât w = λ1 x1 + λ2 x2 + λ3 x3 ,
sau echivalent, există λ1 , λ2 , λ3 ∈ R astfel încât

 2λ1 + 2λ2 + 2λ3 = w1
2λ1 + 2λ2 = w2 (1.2)
2λ1 = w3 .

Deoarece
 
2 2 2
det  2 2 0  = −8 6= 0
2 0 0
20 Capitolul 1. Spaţii vectoriale

sistemul (1.2) are soluţii şi prin urmare x1 , x2 , x3 formează un sistem de generatori în R3 , R .


Mai mult, se poate observa că


1 1 1 1 1
λ1 = w3 , λ2 = w2 − w3 , λ3 = w1 − w2
2 2 2 2 2
şi deci
   
1 1 1 1 1
w = w3 x1 + w2 − w3 x2 + w1 − w2 x3 .
2 2 2 2 2

1.5 Familie de vectori liniar independentă/dependentă


Fie (V, K) spaţiu vectorial şi I o mulţime de indici.
Definiţie 1.5.1 O familie de vectori X = {xi }i∈I ⊂ V se numeşte liniar independentă dacă
pentru orice familie finită I0 ⊆ I are loc

∑ αi xi = 0V implică αi = 0 ∀i ∈ I0 .
i∈I0

R Când I este mulţime finită de indici, în loc de familie de vectori se mai foloseşte sintagma
sistem de vectori.

Exerciţiu 1.5.1 Să se arate că următoarele elemente din spaţiul vectorial R3 ,R sunt liniar


independente:
i) x1 = (−1, −1, −1)T , x2 = (−1, −2, −3)T , x3 = (−2, 1, −1)T ;
ii) x1 = (−2, 2, 2)T , x2 = (2, −2, 2)T , x3 = (2, 2, −2)T ;
iii) x1 = (3, 6, −3)T , x2 = (6, −3, 9)T . 

Soluţie. i) x1 , x3 , x3 sunt liniar independente dacă o combinaţie liniară a acestor elemente dă
elementul nul rezultă toţi scalarii nuli, adică

λ1 x1 + λ2 x2 + λ3 x3 = 0R3 ⇒ λ1 = λ2 = λ3 = 0,

altfel scris,
       
−1 −1 −2 0
λ1  −1  + λ2  −2  + λ3  1  =  0 
−1 −3 −1 0

echivalent cu sistemul
  
 −λ1 − λ2 − 2λ3 = 0 −1 −1 −2
−λ1 − 2λ2 + λ3 = 0 =⇒ A =  −1 −2 1  =⇒ det A = −5
−λ1 − 3λ2 − λ3 = 0 −1 −3 −1

=⇒ matricea A are rangul 3 = numărul necunoscutelor (=numărul elementelor ce intră în combi-


naţie). În consecinţă sistemul admite doar soluţia banală, ceea ce justifică cerinţa problemei.
De asemenea pentru orice familie I0 = {ik }1≤k≤3 ⊆ I = {1, 2, 3} finită avem că {xik }1≤k≤3
sunt liniar independente. Mai exact, dacă {x1 , x2 , x3 } este liniar independentă atunci şi {x1 },
{x2 }, {x3 }, {x1 , x2 }, {x2 , x3 }, {x1 , x3 } sunt liniar independente.
1.5 Familie de vectori liniar independentă/dependentă 21

ii) Privind cazul i) putem decide dacă x1 , x3 , x3 sunt liniar independente în funcţie de rangul
matricei formate din coordonatele acestor elemente:
 
−2 2 2 −2 2 2
A =  2 −2 2  =⇒ M3A = 2 −2 2 = 4.

2 2 −2 2 2 −2

În cazul nostru A are rangul 3 şi deci concluzia.


iii) Matricea formată de coordonatele acestor elemente este
 
3 6
3 6

A
A=  6 −3  =⇒ M2 = = −45 6= 0
6 −3
−3 9

=⇒ rangA =2 = numărul elementelor intrate în combinaţie şi deci x1 , x2 sunt liniar independente.

Exerciţiu 1.5.2 Dacă (ei )i=1,3 sunt vectori liniar independenţi în spaţiul vectorial (V, K)
atunci să se arate că vectorii

f1 = e1 , f2 = e1 + e2 , f3 = e1 + e2 + e3

sunt liniar independenţi. 

Soluţie. Vectorii f1 , f2 , f3 sunt liniar independenţi în (V, K) dacă o combinaţie liniară a lor cu
scalari din K dă vectorul nul rezultă toţi scalarii sunt nuli, adică

m f1 + n f2 + c f3 = 0V =⇒ m = n = c = 0. (1.3)

Astfel, vom considera expresia m f1 + n f2 + c f3 = 0V echivalentă cu

me1 + n (e1 + e2 ) + c (e1 + e2 + e3 ) = 0V .

Grupăm după e1 , e2 , e3

(m + n + c) e1 + (n + c) e2 + ce3 = 0V .

Cum e1 , e2 , e3 sunt liniar independenţi în (V, K), rezultă sistemul omogen



 m+n+c = 0
n+c = 0 (1.4)
c = 0.

Scriem matricea sistemului


 
1 1 1
A= 0 1 1 
0 0 1

şi observăm că det A = 1 6= 0 implică rangA = 3 =număr de necunoscute din sistem şi în
consecinţă, sistemul (1.4) este compatibil determinat. Am demonstrat că m = n = c = 0 şi deci
f1 , f2 , f3 sunt liniar independenţi în (V, K).
22 Capitolul 1. Spaţii vectoriale

Definiţie 1.5.2 O familie de vectori X = {xi }i∈I ⊂ V se numeşte liniar dependentă dacă există
αi ∈ K, i ∈ I nu toţi nuli, astfel încât ∑ αi xi = 0V .
i∈I

Exerciţiu 1.5.3 Să se arate că următoarele elemente din R3 , R sunt liniar dependente:


i) x1 = (−1, 2, −1)T , x2 = (−2, −1, 1)T , x3 = (−7, 4, −1)T ;


ii) x1 = (−2, 3, −7)T , x2 = (−2, 0, 6)T , x3 = (−4, 3, −1)T ;
iii) x1 = (1, −2, −1)T , x2 = (−2, 4, 2)T . 

Soluţie. i) x1 , x3 , x3 sunt liniar dependente dacă există λ1 , λ2 , λ3 numere reale nu toate nule
astfel încât

λ1 x1 + λ2 x2 + λ3 x3 = 0R3 ,

altfel scris,
       
−1 −2 −7 0
λ1  2  + λ2  −1  + λ3  4  =  0 
−1 1 −1 0

echivalent cu sistemul
  
 −λ1 − 2λ2 − 7λ3 = 0 −1 −2 −7
2λ1 − λ2 + 4λ3 = 0 =⇒ A =  2 −1 4 
−λ1 + λ2 − λ3 = 0 −1 1 −1

=⇒ matricea A are rangul 2 < numărul necunoscutelor (=numărul elementelor ce intră în


combinaţie). În consecinţă sistemul admite şi soluţii diferite de soluţia banală, ceea ce justifică
cerinţa problemei.
ii) Privind cazul i) putem decide dacă x1 , x3 , x3 sunt liniar dependente în funcţie de rangul
matricei formate din coordonatele acestor elemente:
 
−2 −2 −4 −2 −2 −4
3  =⇒ M3A = 3

A= 3 0 0 3 = 0.
−7 6 −1 −7 6 −1

În cazul noastru A are rangul 2 şi deci obţinem concluzia.


iii) Matricea formată de coordonatele acestor elemente este
 
−1 2
A =  −2 4 
1 −2

cu rangul 1 < numărul elementelor intrate în combinaţie şi deci x1 , x2 sunt liniar dependente.

1.6 Operaţii cu familii de vectori


Propoziţie 1.6.1 Intersecţia unei familii de subspaţii vectoriale ale unui spaţiu vectorial este un
subspaţiu vectorial (echivalent: dacă {Si }i∈I este o familie de subspaţii vectoriale ale spaţiului
vectorial (V, K) atunci ∩ Si este un subspaţiu vectorial în (V, K)).
i∈I
1.6 Operaţii cu familii de vectori 23

Exerciţiu 1.6.1 În spaţiul vectorial R3 , R se consideră mulţimile:




n o
S1 = (x1 , x2 , x3 )T ∈ R3 |−2x1 + 3x2 − 4x3 = 0
n o
S2 = (x1 , x2 , x3 )T ∈ R3 |−x1 + x2 − 2x3 = 0 .

i) Să se arate că S1 şi S2 sunt subspaţii în R3 , R ;




ii) Să se determine S1 ∩ S2 . 

Soluţie. i) Arătăm că


∀λ , µ ∈ R, x, y ∈ S1 ⇒ λ x + µy ∈ S1 .
Într-adevăr, dacă
x = (x1 , x2 , x3 )T şi y = (y1 , y2 , y3 )T
sunt elemente din S1 atunci
λ x + µy = (λ x1 + µy1 , λ x2 + µy2 , λ x3 + µy3 )T ∈ S1 ,
deoarece

−2λ x1 + 3λ x2 − 4λ x3 = 0
−2µy1 + 3µy2 − 4µy3 = 0
implică
−2(λ x1 + µy1 ) + 3(λ x2 + µy2 ) − 4(λ x3 + µy3 ) = 0.
Analog se demonstrează că S2 este subspaţiu în R3 , R .


ii) S1 ∩ S2 este mulţimea x = (x1 , x2 , x3 )T din R3 ale căror coordonate verifică sistemul

−2x1 + 3x2 − 4x3 = 0
−x1 + x2 − 2x3 = 0.
Matricea acestui sistem este
 
−2 3 −4
A= .
−1 1 −2
Un minor de ordinul 2 nenul este

−2 3
MO2 = = 1 6= 0,
−1 1
deci rang A = 2 < numărul necunoscutelor, ceea ce demonstrează că sistemul este compatibil
simplu nedeterminat, în care x1 , x2 sunt necunoscute principale, iar x3 este necunoscută secundară.
Notăm ξ3 prin α. Sistemul devine

−2x1 + 3x2 = 4α
−x1 + x2 = 2α
cu soluţiile x1 = −2α şi x2 = 0. Am obţinut
x = (−2α, 0, α)T = α(−2, 0, 1)T ,
astfel că S1 ∩ S2 = α(−2, 0, 1)T |α ∈ R = SpanR (−2, 0, 1)T .
 

R În general, reuniunea de subspaţii vectoriale nu este neapărat un subspaţiu vectorial.


24 Capitolul 1. Spaţii vectoriale

Exerciţiu 1.6.2 Fie S1 şi S2 subspaţii vectoriale în R2 , R definite prin




n o n o
S1 = (x, 0)T x ∈ R şi S2 = (0, y)T y ∈ R .

Să se arate că S1 ∪ S2 nu este subspaţiu vectorial în R2 , R .





Soluţie. Reuniunea lui S1 şi S2 este mulţimea


n o
S1 ∪ S2 = (x, y)T (x, y)T ∈ S1 sau (x, y)T ∈ S2 .

Cum
(x, y)T ∈ S1 rezultă că y = 0,
T
(x, y) ∈ S2 rezultă că x = 0,
deducem că
n o
T 2
S1 ∪ S2 = (x, y) ∈ R y = 0 sau x = 0 .

Pe de altă parte, se observă că


(2015, 0)T + (0, 2015)T = (2015, 2015)T ∈
/ S1 ∪ S2
deşi (2015, 0)T ∈ W1 iar (0, 2015)T ∈ S2 .

Definiţie 1.6.1 Se numeşte suma unei familii {Si }i∈I de subspaţii vectoriale din spaţiul
vectorial (V, K), mulţimea
( )

de f
∑Si = ∑vi vi ∈ Si , pentru orice i ∈ I .

i∈I i∈I

Propoziţie 1.6.2 Suma unei familii de subspaţii vectoriale este un subspaţiu vectorial.

R Dacă {Si }i∈I este o familie de subspaţii vectoriale din spaţiul vectorial (V, K) atunci
 
∑i S = Span ∪ S i ,
i∈I i∈I

(echivalent: suma subspaţiilor coincide cu subspaţiul generat de reuniunea subspaţiilor).

1.7 Bază a unui spaţiu vectorial. Dimensiune


Definiţie 1.7.1 Fie (V, K) spaţiu vectorial. Se numeşte bază a spaţiului vectorial V o familie
de vectori B care îndeplineşte condiţiile de mai jos:
i) B este familie liniar independentă;
ii) B este familie de generatori pentru spaţiul V .

R Sistemul de vectori
n o
Bc = e1 = (1, 0, ..., 0)T , ..., en = (0, ..., 1)T

este o bază a spaţiului vectorial (Rn ,R) numită baza canonică.


1.7 Bază a unui spaţiu vectorial. Dimensiune 25

R Sistemul de vectori

B = {1, X, ..., X n }

este o bază a spaţiului vectorial real (Pn [X] ,R) al polinoamelor de grad cel mult n de
coeficienţi reali.

R Sistemul de vectori
    
 1 ... 0 0 ... 0 
Bc = e11 =  ... ... ...  , ...., emn =  ... ... ... 
0 ... 0 0 ... 1
 

este o bază a spaţiului vectorial real (Mm×n (R) , R) al matricelor de tip m × n cu elemente
reale.

Definiţie 1.7.2 Familia de vectori X ⊂ V este o familie liniar independentă maximală, dacă X
este liniar independentă şi, din faptul că X ⊂ Y ⊂ V rezultă că Y nu este liniar independentă.

Definiţie 1.7.3 Familia de vectori X ⊂ V este o familie minimală de generatori pentru V dacă
X este familie de generatori pentru V şi, din faptul că Y ⊂ X rezultă că Y nu este o familie de
generatori pentru V .

În următorul rezultat sunt sugerate definiţii echivalente ale bazei:


Propoziţie 1.7.1 Fie B o mulţime de vectori în (V, K). Sunt echivalente afirmaţiile:
i) B este familie liniar independentă şi maximală;
ii) B este familie de generatori minimală;
iii) B este bază.

R Dacă pentru o bază se ţine cont şi de ordinea vectorilor în bază, atunci în locul cuvântului
bază se va folosi cuvântul reper.

Teoremă 1.7.2 — Teorema de existenţă a bazei. Fie (V, K) spaţiu vectorial. Dacă familia
finită {xi }i=1,n este sistem de generatori pentru V în care subfamilia {xi }i=1,r , r ≤ n, este liniar
independentă, atunci există o bază B a lui V astfel încât

{x1 , ..., xr } ⊆ B ⊆ {x1 , ..., xr , ..., xn } .

Exerciţiu 1.7.1 În spaţiul vectorial R3 , R se dau vectorii




x1 = (1, 1, −2)T , x2 = (0, −1, 1)T , x3 = (−2, −1, −1)T , x4 = (1, 1, −7)T .

 că sistemul S = {x1 , x2 , x3 , x4 } este un sistem de generatori în spaţiul


i) Să se arate
vectorial R3 , R .
ii) Să se extragă din S un subsistem S0 care să constituie o bază în R3 , R .



Soluţie. i) Fie w ∈ R3 , w = (w1 , w2 , w3 ) ∈ R3 . Vom arăta că există scalarii λ1 , λ2 , λ3 , λ4 ∈ R


astfel încât

w = λ1 x1 + λ2 x2 + λ3 x3 + λ4 x4 . (1.5)
26 Capitolul 1. Spaţii vectoriale

Relaţia (1.5) este echivalentă cu sistemul



 w1 = λ1 − 2λ3 + λ4
w2 = λ1 − λ2 − λ3 + λ4
w3 = −2λ1 + λ2 − λ3 − 7λ4

a cărui matrice este


 
1 0 −2 1
A =  1 −1 −1 1  .
−2 1 −1 −7
Deoarece există un minor de ordin 3 al lui A

1
0 −2
M3 = 1 −1 −1 = 4 (1.6)
−2 1 −1

nenul, deducem că sistemul este compatibil nedeterminat, astfel că orice vector w ∈ R3 se poate
exprima cu vectorii din S, ceea ce înseamnă că S este sistem de generatori.
ii) Vectorii x1 , x2 , x3 sunt exprimaţi în baza canonică {e1 , e2 , e3 } din R3 , astfel x1 = e1 + e2 −
2e3 , x2 = −e2 + e3 , x3 = −2e1 − e2 − e3 .
Determinantul coordonatelor este 4 diferit de
0 3
 zero şi ca atare x1 , x2 , x3 sunt liniar independenţi.
Mai mult, S = {x1 , x2 , x3 } este bază în R , R .

R Dacă G = {x1 , x2 , . . . , xm } este sistem de generatori în spaţiul vectorial finit dimensional


V 6= {0V } peste corpul K atunci există o bază B a lui V conţinută în G.

Teoremă 1.7.3 Într-un spaţiu vectorial finit dimensional orice două baze au acelaşi număr de
elemente.

Definiţie 1.7.4 Numărul elementelor unei baze a spaţiului vectorial (V, K), de dimensiune
finită, se numeşte dimensiunea spaţiului. În cazul când (V, K) nu este de dimensiune finită, se
spune că (V, K) este infinit dimensional.

Definiţie 1.7.5 Fie (V, K) spaţiu vectorial finit dimensional. Dimensiunea lui (V, K) este
prin definiţie egală cu numărul de vectori dintr-o bază a acestuia. Pentru a pune în evidenţă
dimensiunea spaţiului vectorial finit dimensional (V, K) se foloseşte notaţia dimK V .

R Evident dimK {0V } = 0 deoarece mulţimea vidă, {φ } , este o bază pentru el.

R Conform Teoremei 1.7.3 dimK V nu depinde de alegerea bazei.

R dimR Rn = n, dimR Mm×n (R) = m · n, dimR Pn [X] = n + 1.

R Pe orice spaţiu vectorial complex V se obţine o structură naturală de spaţiu vectorial real
prin restricţia scalarilor şi dimR V = 2 dimC V .
1.7 Bază a unui spaţiu vectorial. Dimensiune 27

Exerciţiu 1.7.2 Fie spaţiile vectoriale (C,R),(R,R) şi (C,C). Să se calculeze dimR R, dimR C
şi dimC C. 

Soluţie. Vom arăta că dimR R =1. Pentru aceasta este suficient să determinăm o bază în (R, R).
Observăm că B1 = {1} este o bază în (R, R). Într-adevăr,

{1} este sistem de generatori deoarece x = 1 · x pentru orice x ∈ R,


{1} este sistem liniar independent deoarece α · 1 = 0 ⇔ α =0,

rezultate care probează că B1 = {1} este o bază în (R, R). Deducem că dimR R =numărul de
elemente ale bazei B1 =1.
Vom arăta că dimR C =2. Pentru aceasta este suficient să determinăm o bază în (C, R).
Observăm că B2 = {1, i} este o bază în (C, R). Într-adevăr,

{1, i} este sistem de generatori deoarece x = a · 1 + b · i pentru orice x ∈ C şi a, b ∈ R,


{1, i} este sistem liniar independent deoarece a · 1 + b · i = 0 ⇔ a=b=0,

rezultate care probează că B2 = {1, i} este o bază în (C, R). Din teorie deducem că dimR C =
numărul de elemente ale bazei B2 =2.
Determinăm dimC C.
Metoda 1. Determinăm o bază în (C, C). Observăm că B3 = {1} este o bază în (C, C).
Într-adevăr,

{1} este sistem de generatori deoarece z = 1 · z pentru orice z ∈ C,


{1} este sistem liniar independent deoarece (a + b · i) · 1 = 0C ⇔ a=b=0,

rezultate care probează că B3 = {1} este o bază în (C, C). Deducem că dimC C = numărul de
elemente ale bazei B3 =1.
Metoda 2. Cunoaştem că dimR C = 2 · dimC C =⇒ dimC C = 21 dimR C = 22 = 1.

Exerciţiu 1.7.3 Fie (V = C1 [X] , C) spaţiul vectorial al polinoamelor de grad cel mult 1
de coeficienţi numere complexe şi nedeterminată X iar (V = C1 [X] , R) spaţiul vectorial
al polinoamelor de grad cel mult 1 de coeficienţi numere reale şi nedeterminată X. Să se
calculeze dimC V şi dimR V . 

Soluţie. Evident dimC C1 [X] =2 deoarece B = {1, X} este baza canonică în (V, C). Într-adevăr,
{1, X} este sistem de generatori: ∀p ∈ C1 [X] are loc p (X) = a0 · 1 + a1 · X cu a0 , a1 scalari din
spaţiul complex C. Pe de altă parte {1, X} este sistem liniar independent:

a0 · 1 + a · X = 0C1 [X] dacă şi numai dacă a0 = a1 = 0

prin identificarea coeficienţilor. O altă bază în (V, C) este B = {2015, 2015 · X}.
Mai mult, observăm că dimR C1 [X] = 2 dimC C1 [X] = 2 · 2 = 4.

Exerciţiu 1.7.4 Să se arate că dimR P [X] = ∞ unde (P [X] , R) este spaţiul vectorial real al
tuturor polinoamelor cu coeficienţi reali. 

Soluţie. Într-adevăr, polinoamele p0 (X) = 1, p1 (X) = X, ... , pn (X) = X n , ... realizează o


familie de generatori, cu n ∈ N arbitrar deoarece orice polinom se scrie ca o combinaţie liniară
finită de elemente din {p0 (X) , p1 (X) , ..., pn (X) , ..}, mai exact

P [X] = SpanR ({p0 (X) , p1 (X) , ..., pn (X) , ..}) .


28 Capitolul 1. Spaţii vectoriale

Pe de altă parte
pentru i1 < ... < i p arbitrari şi λi1 X i1 + ... + λi p X i p = 0 avem λi1 = ... = λi p = 0
adică X i1 , ..., X i p este liniar independentă.


Cum i1 , ..., i p sunt arbitrari deducem că {p0 (X) , p1 (X) , ..., pn (X) , ..} este liniar indepen-
dentă şi deci bază. Am demonstrat că dimR P [X] = ∞.

Exerciţiu 1.7.5 Să se determine dimensiunea subspaţiului

S = {(x1 , x2 , x3 )T ∈ R3 |−x1 + x2 − x3 = 0 } ⊂ R3 , R


şi să se pună în evidenţă o bază a lui S. Să se determine coordonatele elementului x =
(1, 3, 2)T ∈ S în baza B. 

Soluţie. Sistemul x1 − x2 + x3 = 0 este compatibil dublu nedeterminat. Presupunem x1 necunos-


cuta principală şi notăm necunoscutele secundare astfel: x2 = a, x3 = b, obţinem x1 = a − b.
Deci
(x1 , x2 , x3 )T = (a − b, a, b)T = a(1, 1, 0)T + b(−1, 0, 1)T
Atunci B = {(1, 1, 0)T , (−1, 0, 1)T } reprezintă o bază în S. Astfel că
S = SpanR (1, 1, 0)T , (−1, 0, 1)T .


Dacă există numerele reale λ1 , λ2 unic determinate astfel încât y = λ1 (1, 1, 0)T +λ2 (−1, 0, 1)T
atunci xB = (λ1 , λ2 )T reprezintă coordonatele elementului x în baza B.
Relaţia din care se determină aceste numere este echivalentă cu sistemul

 λ1 − λ2 = 1
λ1 = 3
λ2 = 2

având soluţia λ1 = 3, λ2 = 2, deci xB = (3, 2)T .

Exerciţiu 1.7.6 Să se determine dimensiunea subspaţiului vectorial S al lui R3 , R generat




de elementele

x1 = (−1, 2, 1)T , x2 = (−2, −3, 1)T , x3 = (−3, −1, 2)T , x4 = (1, 5, 0)T .

Soluţie. Matricea coordonatelor acestor elemente este:


 
−1 −2 −3 1
A =  2 −3 −1 5  .
1 1 2 0
Un minor de ordinul 2 nenul este:

A
−1 −2
M2 = = 3 + 4 = 7.
2 −3
Minorii de ordinul 3 ce se pot forma cu minorul de ordinul doi sunt:

−1 −2 −3 −1 −2 1
MO13 = 2 −3 −1 = 0, MO13 = 2 −3 5 = 0,

1 1 2 1 1 0
avem că rang A = 2 şi deci rang S = 2.
1.7 Bază a unui spaţiu vectorial. Dimensiune 29

Exerciţiu 1.7.7 Să se găsească dimensiunea şi o bază a subspaţiului soluţiilor sistemului:

 α1 + 2α2 + 2α3 − α4 + 3α5 = 0
α1 + 2α2 + 3α3 + α4 + α5 = 0
3α1 + 6α2 + 2α3 + 7α4 + 5α5 = 0.

Soluţie. Matricea sistemului este:


 
1 2 2 −1 3 2 2 −1
A =  1 2 3 1 1  cu M3A = 2 3 1 = 36 6= 0.

3 6 2 7 5 6 2 7

Obţinem că α2 , α3 , α4 sunt necunoscute principale, iar α1 , α5 sunt necunoscute secundare. Le


notăm prin a, respectiv prin b.
Sistemul devine

 2α2 + 2α3 − α4 = −a − 3b
2α2 + 3α3 + α4 = −a − b
6α2 + 2α3 + 7α4 = −3a − 5b

Cu soluţia
 
11 1 2 2
α2 = − b − a, α4 = b, α3 = b .
6 2 3 3
Am obţinut dimR S = 5 − 3 = 2. Din
     
α1 1 0
 α2   −1   − 11 
   2   6 
 α3  = a  0  + b  2 
     3 
 α4   0   2 
3
α5 0 1

avem baza B = {x1 = (1, − 12 , 0, 0, 0)T , x2 = (0, − 11 2 2 T


6 , 3 , 3 , 1) } care confirmă dimensiunea.

Exerciţiu 1.7.8 Să se stabilească dacă următoarele submulţimi ale lui Rn constituie sau nu
subspaţii ale lui (Rn , R), n ≥ 2. În caz afirmativ, să se determine câte o bază şi dimensiunea
fiecărui subspaţiu
n o
b1) X = x = (x1 , ..., xn )T x1 ∈ Z, xi ∈ R, i ≥ 2 ,

n o
b2) Y = x = (x1 , ..., xn )T x1 = x2 , xi ∈ R, i = 1, n .

Soluţie. X subspaţiu al lui (Rn , R) dacă

∀α, β ∈ R şi x, y ∈ X =⇒ αx + β y ∈ X.

Fie
1
α = ∈ R, x = (x1 , x2 ..., xn )T cu x1 = 2 ∈ Z şi xi ∈ R, i ≥ 2.
3
β = 0, y = (y1 , y2 ..., yn )T cu y1 ∈ Z şi yi ∈ R, i ≥ 2.
30 Capitolul 1. Spaţii vectoriale

Se observă că
1
αx + β y = (2, x2 ..., xn )T + 0 · (y1 , y2 ..., yn )T
3
2 x2 xn T 2 x2 xn T
   
= , ..., + 0Rn = , ..., ∈
/ X,
3 3 3 3 3 3
adică, X nu este subspaţiu vectorial în (Rn , R). Probăm că Y este subspaţiu vectorial în (Rn , R).
Fie
α, β ∈ R şi x = (x1 , ..., xn )T ∈ Y cu x1 = x2
α, β ∈ R şi y = (y1 , ..., yn )T ∈ Y cu y1 = y2 .
Observăm
αx + β y = α (x1 , x2 , ..., xn )T + β (y1 , y2 , ..., yn )T
= (αx1 + β y1 , αx2 + β y2 , ..., αxn + β yn )T ∈ Y
deoarece (x1 = x2 şi y1 = y2 ) =⇒ αx1 + β y1 = αx2 + β y2 . Ceea ce demonstrează că Y este
subspaţiu vectorial în (Rn , R).
Determinăm o bază în Y . În acest sens, fie x = (x1 , ..., xn )T ∈ Y cu x1 = x2 . Deoarece x1 = x2
putem scrie

x = (x1 , x1 , x3 , ..., xn )T = x1 (1, 1, 0..., 0)T + x3 (0, 0, 1..., 0)T + ... + xn (0, 0, ..., 1)T .

Fie
n o
E = (1, 1, 0..., 0)T , (0, 0, 1..., 0)T , ..., (0, 0, ..., 1)T .

Cu această notaţie x ∈ Span (E). Dimensiunea lui Y este dată de numărul elementelor unei
baze din Span (E). Construim matricea A de tip n × (n − 1) având drept coloane coordonatele
vectorilor lui E:
 
1 0 ... 0
 1 0 ... 0 
 
A=  0 1 ... 0 .

 ... ... ... ... 
0 0 ... 1
Cum rangul matricei poate fi cel mult egal cu n − 1, iar pe de altă parte

1 0 ... 0

0 1 ... 0
... ... ... ... = 1 6= 0


0 0 ... 1

deducem că rangA = n − 1 = numărul vectorilor din sistem. Astfel, că


n o
E = (1, 1, 0..., 0)T , (0, 0, 1..., 0)T , ..., (0, 0, ..., 1)T

este familie liniar independentă maximală şi în concluzie, bază în Y . Am demonstrat că dimR Y =
n − 1.
 Lemă 1.1 — Lema de completare. Într-un spaţiu vectorial de dimensiune finită orice sistem
de vectori liniar independenţi poate fi extins la o bază.
1.7 Bază a unui spaţiu vectorial. Dimensiune 31

T T
Exerciţiu 1.7.9 Să se completeze vectorii x1 = (1, 0, 1) şi x2 = (2, 1, 4) până la o bază a
lui R3 . 

Soluţie. Cum dimR R3 = 3 trebuie determinat vectorul x3 = (a, b, c)T astfel încât x1 , x2 , x3 să fie
liniar independenţi. Or, echivalent, matricea
 
1 2 a
A= 0 1 b 
1 4 c

trebuie să aibă rangul 3. Observăm că rangA = 3 pentru o infinitate de valori ale lui a, b, c. Cum
ne interesează să adăugăm un singur vector, x3 , putem considera x3 = (0, 0, 2015)T .

Exerciţiu 1.7.10 Să se demonstreze că


n o
S1 = Span (1, 0, 1)T , (0, 1, 2)T

şi
n o
S2 = Span (1, 1, 3)T , (1, −1, −1)T

determină acelaşi subspaţiu vectorial al lui R3 , R şi să se determine acesta.





Soluţie. Metoda 1. Scriem matricea formată cu vectorii lui S1


 
1 0
A1 =  0 1 
1 2
n o
şi observăm că rangA1 = 2 = numărul de elemente din (1, 0, 1)T , (0, 1, 2)T , fapt ce demon-
strează că vectorii din S1 sunt liniar independenţi. Avem
n o
S1 = α1 (1, 0, 1)T + α2 (0, 1, 2)T α1 , α2 ∈ R .

Scriem matricea formată cu vectorii lui S2


 
1 1
A2 =  1 −1 
3 −1
n o
şi observăm că rangA2 = 2 = numărul de elemente din (1, 1, 3)T , (1, −1, −1)T , fapt ce
demonstrează că vectorii din S2 sunt liniar independenţi. Avem
n o
T T
S2 = a (1, 1, 3) + b (1, −1, −1) a, b ∈ R .

Am obţinut că
n o bază n o bază
B1 = (1, 0, 1)T , (0, 1, 2)T ⊂ S1 şi B2 = (1, 1, 3)T , (1, −1, −1)T ⊂ S2 .

Demonstrăm că S1 = S2 sau echivalent (S1 ⊆ S2 şi S1 ⊇ S2 ).


" S1 ⊆ S2 "
32 Capitolul 1. Spaţii vectoriale

Cercetăm dacă există a, b ∈ R astfel încât

(1, 0, 1)T = a (1, 1, 3)T + b (1, −1, −1)T ⇐⇒ (1, 0, 1)T = (a + b, a − b, 3a − b)T

adică, dacă sistemul



 a+b = 1
a−b = 0
3a − b = 1

are soluţie. Clar, a = 21 , b = 12 este soluţia sistemului. Am demonstrat că


 

(1, 0, 1)T ∈ S2 . (1.7)

Cercetăm dacă există a, b ∈ R astfel încât

(0, 1, 2)T = a (1, 1, 3)T + b (1, −1, −1)T ⇐⇒ (0, 1, 2)T = (a + b, a − b, 3a − b)T

adică, dacă sistemul



 a+b = 0
a−b = 1
3a − b = 2

are soluţie. Clar, a = 21 , b = − 12 este soluţia sistemului. Am demonstrat că


 

(0, 1, 2)T ∈ S2 . (1.8)

Din (1.7) şi (1.8) deducem că S1 ⊆ S2 .


"S1 ⊇ S2 "
Cercetăm dacă există a, b ∈ R astfel încât

(1, 1, 3)T = a (1, 0, 1)T + b (0, 1, 2)T ⇐⇒ (1, 1, 3)T = (a, b, a + 2b)T

adică, dacă sistemul



 a=1
b=0
a + 2b = 1

are soluţie. Clar, [a = 1, b = 0] este soluţia sistemului. Am demonstrat că

(1, 1, 3)T ∈ S1 . (1.9)

Cercetăm dacă există a, b ∈ R astfel încât

(1, −1, −1)T = a (1, 0, 1)T + b (0, 1, 2)T ⇐⇒ (1, −1, −1)T = (a, b, a + 2b)T

adică, dacă sistemul



 a=1
b = −1
a + 2b = −1

1.7 Bază a unui spaţiu vectorial. Dimensiune 33

are soluţie. Clar, [a = 1, b = −1] este soluţia sistemului. Am demonstrat că

(1, −1, −1)T ∈ S1 . (1.10)

Din (1.9) şi (1.10) deducem că S2 ⊆ S1 . Cum (S1 ⊆ S2 şi S1 ⊇ S2 ) au loc, deducem că S1 = S2 .
Metoda 2. Arătăm că S1 = S2 . Este suficient să demonstrăm că

i) dimR S1 = dimR S2
ii) S1 ⊆ S2

fapt ce implică S1 = S2 (Într-adevăr, orice bază a lui S1 poate fi extinsă până la o bază a lui S2 .
Deoarece dimR S1 = dimR S2 rezultă că orice bază a lui S1 este în acelaşi timp bază a lui S2 ). În
acest sens, observăm că

T bază
n o
T
B1 = (1, 0, 1) , (0, 1, 2) ⊂ S1 =⇒ dimR S1 = 2 

n o bază
B2 = (1, 1, 3)T , (1, −1, −1)T ⊂ S2 =⇒ dimR S2 = 2  

=⇒ dimR S1 = dimR S2 adică i) este îndeplinit. Rămâne să probăm ii). Dacă x ∈ S1 atunci

x = α1 (1, 0, 1)T + α2 (0, 1, 2)T cu α1 , α2 ∈ R (arbitrari)

iar dacă x ∈ S2 vom avea

α1 (1, 0, 1)T + α2 (0, 1, 2)T = β1 (1, 1, 3)T + β2 (1, −1, −1)T (1.11)

cu β1 , β2 ∈ R. Dar relaţia (1.11) este echivalentă cu sistemul neomogen



 1 · α1 + 0 · α2 = β1 + β2
0 · α1 + 1 · α2 = β1 − β2 (1.12)
1 · α1 + 2 · α2 = 3 · β1 − β2

în necunoscutele β1 , β2 ∈ R (şi necunoscute α1 , α2 ∈ R dacă dorim să demonstrăm că S1 ⊇ S2 ).


Matricea sistemului este
 
1 1
A =  1 −1  cu rangA = 2.
3 −1

Pe de altă parte
 
1 1 α1
A =  1 −1 α2  cu rangA = 2.
3 −1 α1 + 2α2

Cum rangA = 2 = rangA deducem că (1.12) este compatibil şi deci S1 ⊆ S2 . Am probat că i), ii)
sunt adevărate şi deci S1 = S2 .

Teoremă 1.7.4 — Teorema de caracterizare a bazei. Fie (V, K) spaţiu vectorial finit
dimensional nenul. Un sistem de vectori B = {x1 , ..., xn } este bază a lui V dacă şi numai dacă
pentru orice x ∈ V există şi sunt unici α1 , ..., αn ∈ K astfel încât x = α1 x1 + ... + αn xn .
34 Capitolul 1. Spaţii vectoriale

Demonstraţie. "⊂" Cum B este bază a lui V deducem că este şi sistem de generatori pentru V .
Aşadar, pentru orice x ∈ V există α1 , ..., αn ∈ K astfel încât

x = α1 x1 + ... + αn xn . (1.13)

Pe de altă parte, dacă α1 , ..., αn ∈ K nu ar fi unici ar exista β1 , ..., βn ∈ K astfel încât

x = β1 x1 + ... + βn xn . (1.14)

Ar rezulta, din relaţiile (1.13) şi (1.14), că

α1 x1 + ... + αn xn = β1 x1 + ... + βn xn

sau echivalent

(β1 − α1 ) x1 + ... + (βn − αn ) xn = 0V =⇒ β1 = α1 ,...,βn = αn

unde am folosit faptul că x1 , ..., xn sunt liniar independente.


"⊃" Presupunem că pentru orice x ∈ V există şi sunt unici α1 , ..., αn ∈ K astfel încât

x = α1 x1 + ... + αn xn .

Aceasta implică că B este sistem de generatori.


Rămâne să demonstrăm că este şi liniar independent. Observăm că ∀α1 , ..., αn ∈ K astfel
încât α1 x1 + ... + αn xn = 0V putem scrie

α1 x1 + ... + αn xn = 0V = 0 · x1 + ... + 0 · xn .

Ţinând cont că scrierea lui 0V este unică deducem că α1 = ... = αn = 0.

R Într-un spaţiu vectorial n−dimensional, un sistem format din n vectori liniar independenţi
formează o bază.

R Scalarii α1 , ..., αn ∈ K din relaţia (1.13) se numesc coordonatele vectorului x în baza B, iar
vectorul xB = (α1 , ..., αn )T se numeşte vectorul coordonatelor lui x în baza B.

Exerciţiu 1.7.11 Să se arate că elementele x1 = (3, 3, 3)T , x2 = (3, 3, 0)T , x3 = (3, 0, 0)T con-
stituie o bază B a spaţiului vectorial R3 ,R . Să se determine coordonatele elementelor
x = (12, −9, 6)T şi y = (a, b, c)T în baza B. 

Soluţie. x1 , x2 , x3 este sistem liniar independent deoarece matricea


 
3 3 3
A= 3 3 0 
3 0 0

coordonatelor acestor elemente are rangul 3.


x1 , x2 , x3 este sistem de generatori deoarece dimensiunea lui R3 este finită. Am demonstrat
că B = {x1 , x2 , x3 } este bază.
Se ştie că dacă există numerele reale λ1 , λ2 , λ3 unic determinate astfel încât

x = λ1 x1 + λ2 x2 + λ3 x3
1.7 Bază a unui spaţiu vectorial. Dimensiune 35

atunci xB = (λ1 , λ2 , λ3 )T reprezintă coordonatele elementului x în baza B.


Relaţia din care se determină aceste numere este echivalentă cu sistemul

 3λ1 + 3λ2 + 3λ3 = 12
3λ1 + 3λ2 = −9
3λ1 = 6

având soluţia λ1 = 2, λ2 = −5, λ3 = 7, deci xB = (2, −5, 7)T .


Analog, dacă există numerele reale λ1 , λ2 , λ3 unic determinate astfel încât
y = λ1 x1 + λ2 x2 + λ3 x3
atunci yB = (λ1 , λ2 , λ3 )T reprezintă coordonatele elementului y în baza B.
Relaţia din care se determină aceste numere este echivalentă cu sistemul

 3λ1 + 3λ2 + 3λ3 = a
3λ1 + 3λ2 = b
3λ1 = c

având soluţia λ1 = 31 c, λ2 = 31 b − 31 c, λ3 = 13 a − 13 b, deci xB = ( 13 c, 13 b − 13 c, 13 a − 31 b)T .

Exerciţiu 1.7.12 În spaţiul vectorial R3 ,R se consideră elementele




x1 = (−2, 1, −1)T , x2 = (−1, 1, −2)T , x3 = (1, −2, 1)T .

i) Să se arate că B = {x1 , x2 , x3 } este o bază a lui R3 ,R .




ii) Să se determine coordonatele elementului x = (α, β , γ)T în baza B. 

Soluţie. i) x1 , x2 , x3 este sistem liniar independent deoarece matricea


 
−2 −1 1
A= 1 1 −2 
−1 −2 1
a coordonatelor acestor elemente are rangul 3.
x1 , x2 , x3 este sistem de generatori deoarece dimensiunea lui R3 este finită. Am demonstrat
că B = {x1 , x2 , x3 } este bază.
ii) Se ştie că dacă există numerele reale λ1 , λ2 , λ3 unic determinate astfel încât
x = λ1 x1 + λ2 x2 + λ3 x3
atunci xB = (λ1 , λ2 , λ3 )T reprezintă coordonatele elementului x în baza B.
Relaţia din care se determină aceste numere este echivalentă cu sistemul

 −2λ1 − λ2 + λ3 = α
λ1 + λ2 − 2λ3 = β
−λ1 − 2λ2 + λ3 = γ

având soluţia
1 1 3 1 1 3 1 3 1
λ1 = γ − β − α, λ2 = α − β − γ, λ3 = − α − β − γ,
4 4 4 4 4 4 4 4 4
deci
1 1 3 1 1 3 1 3 1
xB = ( γ − β − α, α − β − γ, − α − β − γ)T .
4 4 4 4 4 4 4 4 4
36 Capitolul 1. Spaţii vectoriale

Exerciţiu 1.7.13 În spaţiul vectorial R3 ,R se consideră subspaţiul vectorial




S = {(x1 , x2 , x3 )T ∈ R3 |x1 − 3x2 + 2x3 = 0 }.

i) Să se determine o bază B a subspaţiului S;


ii) Să se arate că x = (−3, −1, 0)T ∈ S;
iii) Să se determine xB . 

Soluţie. i) Sistemul x1 − 3x2 + 2x3 = 0 este compatibil dublu nedeterminat. Presupunem


x1 necunoscuta principală şi notăm necunoscutele secundare astfel: x2 = a, x3 = b, obţinem
x1 = 3a − 2b. Deci
(x1 , x2 , x3 )T = (3a − 2b, a, b)T = a(3, 1, 0)T + b(−2, 0, 1)T
Atunci B = {(3, 1, 0)T , (−2, 0, 1)T } reprezintă o bază în S;
ii) Deoarece −3 + 3 + 0 = 0 deducem că x ∈ S;
iii) Dacă există numerele reale λ1 , λ2 unic determinate astfel încât
x = λ1 (3, 1, 0)T + λ2 (−2, 0, 1)T
atunci xB = (λ1 , λ2 )T reprezintă coordonatele elementului x în baza B.
Relaţia din care se determină aceste numere este echivalentă cu sistemul

 3λ1 − 2λ2 = −3
λ1 = −1
λ2 = 0

având soluţia λ1 = −1, λ2 = 0, deci xB = (−1, 0)T .

Exerciţiu 1.7.14 Pentru spaţiul liniar al polinoamelor de grad cel mult n şi coeficienţi reali:
(Pn [X] , R) să se determine coordonatele polinomului

p (x) = a0 + a1 X + a2 X 2 + ... + an X n

în baza canonică Bc = 1, X, X 2 , ..., X n şi în baza




n o
B1 = 1, X − a, (X − a)2 , ..., (X − a)n .

Soluţie. Cum p (X) = a0 · 1 + a1 · X + a2 · X 2 + ... + an · X n deducem că pBc = (a0 , a1 , ..., an ).


Elementele lui B1 sugerează să ne gândim la dezvoltări în serie Taylor. Astfel că, vom deriva
succesiv p:
p0 (X) = 0 + a1 + 2a2 X + ... + nan X n−1
p00 (X) = 0 + 0 + 2a2 + ... + n (n − 1) an X n−2
...
(n)
p (X) = n · (n − 1) ...2 · 1 · an
şi vom scrie polinomul Taylor de grad n :
p0 (a) p(n) (a)
p (X) = p (a) + (X − a) + ... + (X − a)n .
1! n!
0
 (n)

Evident pBc = p (a) , p 1!(a) , ..., p n!(a) .
Suntem în măsură să dezvoltăm o teorie, mai generală, privind sistemele de vectori.
1.8 Rangul unui sistem de vectori 37

1.8 Rangul unui sistem de vectori


Definiţie 1.8.1 Dacă M ⊂ V este un sistem de vectori din spaţiul vectorial V peste corpul
K, atunci rangul lui M este dimensiunea subspaţiului vectorial generat de M (rangM =
dimK Span(M)).

Teoremă 1.8.1 — Teorema rangului. Pentru o matrice rangul sistemului de vectori linie
este egal cu rangul sistemului de vectori coloană.

Definiţie 1.8.2 Rangul comun al sistemelor de vectori linii sau coloane ale unei matrice se
numeşte rangul ei.

R Dacă A ∈ Mn,m (R) este nenulă cu rangul p ≤ min (m, n) şi determinantul principal ∆ p
atunci coloanele corespunzătoare lui ∆ p (respectiv liniile) sunt liniar independente în
(Rn , R) (respectiv (Rm , R)) iar restul coloanelor matricei sunt combinaţii liniare ale lor.

R Prin transformări elementare aplicate sistemului de vectori linie sau coloane, rangul unei
matrice nu se modifică.

R Prin transformări elementare asupra liniilor şi coloanelor, orice matrice A poate fi transfor-
mată într-o matrice B, având toate elementele nule cu excepţia primelor r elemente de pe
diagonala principală, care să fie egale cu 1. Matricea A are atunci rangul r.

R Familia de vectori {x1 , ..., xn } a spaţiului vectorial real (Rn , R) este liniar independentă
dacă şi numai dacă rangul matricei ce are pe coloane componentele vectorilor x1 , ..., xn are
rangul n.

R Familia de vectori {x1 , ..., xn } a spaţiului vectorial real (Rn , R) este liniar dependentă
dacă şi numai dacă rangul matricei care are pe coloane (sau linii) componentele vectorilor
{x1 , ..., xn } are rangul k mai mic decât n. Mai mult, orice subfamilie a acesteia care conţine
vectori ce au componente într-un minor de ordinul k, nenul este liniar independentă.
Numărul maxim de elemente al unei subfamilii liniar independente este egal cu rangul k al
matricei.

Exerciţiu
 1.8.1 Să se determine rangul următoarelor sisteme de elemente din spaţiul vectorial
R3 ,R :

S1 = (−2, 2, 0)T , (4, −2, 2)T , (2, 0, 2)T ;




S2 = (0, 1, 1)T , (1, 0, 1)T , (1, 1, 0)T ;


S3 = (1, 2, 1)T , (−1, 1, −1)T , (2, −1, 3)T , (2, 2, 3)T ;

S4 = (1, 2, −1)T , (−1, −2, 1)T , (2, 4, −2)T .


Soluţie. A determina rangul unui sistem de elemente este echivalent cu a determina rangul
matricei coordonatelor elementelor ce alcătuiesc sistemul, aşadar
 
−2 4 2
−2 4

AS1 =  2 −2 0  =⇒ M2 = = −4 6= 0 şi det (AS ) = 0
2 −2 1
0 2 2
38 Capitolul 1. Spaţii vectoriale

argumente ce implică AS1 are rangul 2 deci şi S1 are rangul 2. Analog,
 
0 1 1
AS2 =  1 0 1  are rangul 3 deci şi S2 are rangul 3.
1 1 0
 
1 −1 2 2
AS3 =  2 1 −1 2  are rangul 3 deci şi S3 are rangul 3.
1 −1 3 3
 
1 −1 2
AS4 =  2 −2 4  are rangul 1 deci şi S4 are rangul 1.
−1 1 −2

Exerciţiu 1.8.2 Să se pună în evidenţă elementele liniar independente din mulţimea S =
3 T T
{x1 , x2 , x3 } din spaţiul vectorial R ,R unde x1 = (2, −1, −3) , x2 = (−1, 2, 1) , x3 =
(1, 1, −2)T . 

Soluţie. Deoarece rangul matricei sistemului S este 2 deducem că nu putem avea elemente liniar
independente decât 2 câte 2 sau câte un element. Se observă că {x1 }, {x2 },{x3 }, {x1 ,x2 } , {x1 ,x3 }
şi {x2 ,x3 } verifică cerinţa problemei.

Teoremă 1.8.2 — Teorema schimbului a lui Steinitz. Dacă (V, K) este spaţiu vectorial cu
dimK V ∈ N∗ , I = {v1 , ..., vr } ⊂ V este sistem liniar independent, iar G = {u1 , ..., um } ⊂
 este sistem de generatori
V pentru V atunci există i1 , ..., im−r ∈ {1, 2, ..., m} astfel încât
v1 , ..., vr , ui1 , ..., uim−r este sistem de generatori pentru V .
n o
T
Exemplu 1.8.1 Fie spaţiul vectorial R2 ,R . Evident I = v1 = (1, 2) ⊂ R2 ,R este sis-
 

n o
tem liniar independent iar G = u1 = (2, 2)T , u2 = (2, 4)T ⊂ R2 ,R este sistem de generatori

n o
însă se constată că v1 = (1, 2)T ,u1 = (2, 2)T ⊂ R2 ,R este sistem de generatori, dar


n o
v1 = (1, 2)T ,u2 = (2, 4)T ⊂ R2 ,R


nu este sistem de generatori. 

1.9 Metoda pivotului Gauss-Jordan. Lema substituţiei


Teoremă 1.9.1 — Lema substituţiei. Fie (V, K) spaţiu vectorial cu dimK V = n ∈ N∗ , B =
{a1 , ..., an } bază a lui V iar

x = ξ1 a1 + ... + ξi ai + ... + ξn an şi y = η1 a1 + ... + ηn an .

Are loc:
i) Dacă F = {a1 , ..., ai−1 , x, ai+1 , ..., an } este bază pentru V , atunci ξi 6= 0.
ii) Dacă ξi 6= 0 atunci F = {a1 , ..., ai−1 , x, ai+1 , ..., an } este bază pentru V şi avem

y = η1∗ a1 + ... + ηi∗ x + ... + ηn∗ an

unde ηi∗ = ηi
ξi
şi η ∗j = η j − ηξii ξ j , j 6= i, j = 1, n.
1.9 Metoda pivotului Gauss-Jordan. Lema substituţiei 39

Demonstraţie. i) "⊂" (Necesitatea). Fie F bază pentru V . Dacă prin absurd ξi = 0 atunci

x = ξ1 a1 + ... + ξi ai + ... + ξn an (1.15)

sau echivalent ξ1 a1 + ... + ξi ai + (−1) x + ξi+1 ai+1 + ... + ξn an = 0V relaţie care arată că vectorii
din F sunt liniar dependenţi. Or, aceasta este o contradicţie cu F bază pentru V . Deci ξi 6= 0.
ii) "⊃" (Suficienţa). Presupunem ξi 6= 0 şi fie combinaţia liniară

λ1 a1 + ... + λi−1 ai−1 + λi x + ... + λn an = 0V

sau folosind scrierea (1.15) echivalent cu

λ1 a1 + ... + λi (ξ1 a1 + ... + ξi ai + ... + ξn an ) + ... + λn an = 0V

ce implică

λi ξi = 0
=⇒ λi = 0 şi, respectiv λ j = 0
λ j + λi ξ j = 0, j 6= i

adică vectorii a1 , ..., ai−1 , x, ai+1 , ..., an formează o bază în V (sunt liniar independenţi şi sunt în
număr de n = dimK V ). Coordonatele vectorului y în raport cu baza F se obţin astfel:
n
y = η1∗ a1 + ... + ηi∗ ∑ ξ j a j + ... + ηn∗ an = (η1∗ + ηi∗ ξ1 ) a1 + ... + ηi∗ ξi ai + ... + (ηn∗ + ηi∗ ξn ) an
j=1

adică
η1 = η1∗ + ηi∗ ξ1 ... η1∗ = η1 − ηξii ξ1
 
 

 
 formule care determină

 ... ... 

noile coordonate ale
 
ηi = ηi∗ ξi =⇒ ηi∗ = ηξii
  vectorului y ∈ V în
 ... ... ... 
 raport cu baza F din V .

 

 η = η ∗ + η ∗ξ

η ∗ = η − ηi ξ 
n n i n n n ξi n

R Aplicaţii ale lemei substituţiei sunt: rezolvarea sistemelor de ecuaţii liniare, calculul
inversei unei matrice, determinarea rangului unei matrice, extragerea unei baze dintr-un
sistem de generatori, determinarea coordonatelor unui vector într-o bază etc. În rezolvarea
acestor probleme ea se reprezintă astfel

B x y B x y
a1 0 η1∗ = ξi η1 ξ−ηi ξ1 (ξi se numeşte
a1 ξ1 η1 i pivot iar procedura
... ... ... ... ... ...
=⇒ se numeşte metoda
ai ξi 6= 0 ηi x 1 η1∗ = ηi /ξi
pivotului a lui
... ... ... ... ... ...
Gauss-Jordan)
an ξn ηn an 0 ηn∗ = ηn ξi ξ−ηi ξn
i

Exerciţiu 1.9.1 În R3 ,R se consideră baza




n o
E = a1 = (3, 1, −1)T , a2 = (1, 2, −2)T , a3 = (2, −1, 3)T

şi vectorul x = 2a1 + 3a2 − a3 . Să se calculeze coordonatele lui x faţă de baza F = {b1 , b2 , b3 }
40 Capitolul 1. Spaţii vectoriale

unde

b1 = 2a1 + 2a2 + 3a3 ,


b2 = a1 + 4a2 + 2a3 ,
b3 = 3a1 + a2 + 5a3 .

Soluţie. Observăm că


 
2 1 3
not ăm
A = AE,F =  2 4 1  are det A = 5
3 2 5

iar din tabelul:

Baza C1A C2A C3A e1 e2 e3


e1 2 1 3 1 0 0
e2 2 4 1 0 1 0
e3 3 2 5 0 0 1
CA
1 1 1/2 3/2 1/2 0 0
e2 0 3 -2 -1 1 0
e3 0 1/2 1/2 -3/2 0 1
C1A 1 0 11/6 2/3 -1/6 0
C2A 0 1 -2/3 -1/3 1/3 0
e3 0 0 5/6 -4/3 -1/6 1
CA
1 1 0 0 18/5 1/5 -11/5
CA
2 0 1 0 -7/5 1/5 4/5
CA
3 0 0 1 -8/5 -1/5 6/5

deducem că
 
18/5 1/5 −11/5
A−1 =  −7/5 1/5 4/5  .
−8/5 −1/5 6/5

Aşadar
    
18/5 1/5 −11/5 2 10
xF = (A)−1 xE =  −7/5 1/5 4/5   3  =  −3  .
−8/5 −1/5 6/5 −1 −5

Exerciţiu 1.9.2 Folosind metoda pivotului, să se determine rangul următoarei matrice:
 
1 3 1 −2 −3
 1 4 3 −1 −4 
A= .
 2 3 −4 −7 −3 
3 8 1 −7 −8

1.9 Metoda pivotului Gauss-Jordan. Lema substituţiei 41

Soluţie. Din tabelul:

C1A C2A C3A C4A C5A


e1 1 3 1 -2 -3
e2 1 4 3 -1 -4
e3 2 3 -4 -7 -3
e4 3 8 1 -7 -8
C1A 1 3 1 -2 -3
e2 0 1 2 1 -1
e3 0 -3 -6 -3 3
e4 0 -1 -2 -1 1
C1A 1 0 -5 -5 0
C2A 0 1 2 1 -1
e3 0 0 0 0 0
e4 0 0 0 0 0

deducem că rang A = 2 (deoarece în bază au intrat 2 elemente).

Exerciţiu 1.9.3 Să se determine, cu ajutorul metodei pivotului, a ∈ R astfel încât sistemul

 α1 + 2α2 − 3α3 + α4 = 1
3α1 + α2 + α3 − 2α4 = 3
3α1 − 4α2 + 11α3 − 7α4 = a

să fie compatibil. 

Soluţie. Calculele se organizează astfel

Baza CA1 CA2 CA3 CA4 b


e1 1 2 -3 1 1
e2 3 1 1 -2 3
e3 3 -4 11 -7 a
CA1 1 2 -3 1 1
e2 0 −5 10 -5 0
e3 0 -10 20 -10 a-3
CA1 1 0 1 -1 1
CA2 0 1 -2 1 0
e3 0 0 0 0 a-3

Din tabel observăm că sistemul este compatibil dacă şi numai dacă a = 3. (În acest caz rangul
matricei sistemului ar fi egal cu rangul matricei extinse).

Exerciţiu 1.9.4 i) Să se rezolve sistemul următor cu ajutorul metodei pivotului:



 α1 + α2 + α3 = 8
α1 + 2α2 − α3 = 3 .
2α1 + α2 + 2α3 = 7

n o
ii) Să se arate că B = x1 = (1, 1, 2)T , x2 = (1, 2, 1)T , x3 = (1, −1, 2)T formează o bază
în R3 ,R şi să se determine coordonatele lui x = (8, 3, 7)T în baza B.

42 Capitolul 1. Spaţii vectoriale
   
1 1 1 1
iii) Să se calculeze A−1 ·C unde A = iar C = . 
1 2 1 3

Soluţie. i) Din tabelul:

i) α1 α2 α3 Termenul liber
e1 1 1 1 8
e2 1 2 -1 3 C1A C2A C1C C2C
e3 2 1 2 7 e1 1 1 1 1
α1 1 1 1 8 e2 1 2 1 3
e2 0 1 -2 -5 C1A 1 1 1 1
iii)
e3 0 -1 0 -9 =⇒ e2 0 1 0 2
α1 1 0 3 13 C1A 1 0 1 -1
α2 0 1 -2 -5 C2A 0 1 0 2
e3 0 0 −2 -14 1 −1
=⇒ A−1C = .
α1 1 0 0 -8 0 2
α2 0 1 0 9
α3 0 0 1 7

obţinem α1 = −8, α2 = 9, α3 = 7.
ii) Din punctul i) rezultă că rangul matricei formată cu vectorii x1 , x2 , x3 este 3. Aşadar B
este o familie liniar independentă. Cum dimR R3 = 3 deducem că B este şi sistem de generatori.
Am demonstrat că B = {x1 , x2 , x3 } este bază în R3 , fapt ce rezulta direct din Lema substituţiei!
Vectorul coordonatelor lui x în baza B este xB = (−8, 9, 7)T .

Exerciţiu 1.9.5 Să se determine dimensiunea subspaţiului S ⊂ R3 , R generat de elementele




x1 = (1, −1, 2)T , x2 = (2, −3, 1)T , x3 = (3, −4, 3)T , x4 = (−1, 2, 1)T , x5 = (2, −2, 4)T , să se
pună în evidenţă o bază B a lui S şi să determine coordonatele lui x5 în baza B. 

Soluţie. Din tabelul

Baza x1 x2 x3 x4 x5
e1 1 2 3 -1 2
e2 -1 -3 -4 2 -2
e3 2 1 3 1 4
x1 1 2 3 -1 2
e2 0 −1 -1 1 0
e3 0 -3 -3 3 0
x1 1 0 1 1 2
x2 0 1 1 -1 0
e3 0 0 0 0 0

deducem că dimensiunea lui S este 2, că B = {x1 , x2 } este o bază a lui S şi (x5 )B = (2, 0)T .
T
Exerciţiu 1.9.6 Fie m ∈ R şi X = SpanR ({b2 , b3 , b4 }) ⊂ R3 , R unde b1 = (5, 2, 3) , b2 =

T T T
(0, 1, −1) , b3 = (2, −1, 3) , b4 = (m, 0, 2) .
i) Arătaţi că X este subspaţiu vectorial în R3 , R şi determinaţi dimensiunea sa.


ii) Folosind metoda de pivotare Gauss-Jordan să se determine coordonatele vectorului


1.10 Matricea de trecere de la un reper la altul 43

b1 într-un reper al lui (X, R) format doar cu vectori din {b2 , b3 , b4 } în situaţia în care m = 2.


Soluţie. i) Fie v1 , v2 ∈ X şi α, β ∈ R. Din v1 , v2 ∈ X rezultă că există α11 , α12 , α13 , α21 , α22 , α23 ∈ R
astfel încât v1 = α11 b2 + α12 b3 + α13 b4 şi v2 = α21 b2 + α22 b3 + α23 b4 . Astfel că,

αv1 + β v2 = α α11 b2 + α12 b3 + α13 b4 + β α21 b2 + α22 b3 + α23 b4


 

= αα11 + β α21 b2 + αα12 + β α22 b3 + αα13 + β α23 b4 ∈ X


  

adică X este subspaţiu vectorial în R3 , R . Pentru a determina dimR X căutăm o bază în X.




Desigur, având în vedere conţinutul de la punctul ii) este recomandat ca, pentru simplificarea
calculelor viitoare, să extragem o bază din X folosind metoda de pivotare Gauss-Jordan:

↓ ↓ ↓
b2 b3 b4 b1
←−e1 0 2 m 5 linia pivotului
e2 1 -1 0 2
e3 -1 3 2 3
b3 0 1 m/2 5/2 linia pivotului se împarte la pivot
∗ ∗ 2·0−(−1)∗m m 2 m
←−e2 1 0 9/2 = 2 = 2 dreptunghi
-1 0
. e3 -1 0 (4-3m)/2 -9/2
∗∗ = m
 ∗∗ 1·(m/2)−(0)∗(m/2) m 0 m/2
b3 0 1 2 5/2 = 1 = 2 dreptunghi
1 m/2
b2 1 0 m/2 9/2
Dacă m = 2 ne oprim.
←−e3 0 0 2-m 0
Presupunem m 6= 2 şi continuăm tabelul.
b3 0 1 0 5/2
b2 1 0 0 9/2
b4 0 0 1 0

Discuţie:
Caz 1: Dacă m = 2. Cum în baza canonică {e1 , e2 , e3 } a intrat b3 , b2 deducem că {b2 , b3 }
este sistem liniar independent. În plus, X = SpanR ({b2 , b3 }) deducem că B1 = {b2 , b3 } este
bază în X şi deci dimR X = 2.
Caz 2: Dacă m 6= 2. Cum în baza canonică {e1 , e2 , e3 } a intrat b2 , b3 , b4 deducem că
{b2 , b3 , b4 } este sistem liniar independent. În plus, X = SpanR ({b2 , b3 , b4 }) deducem că B2 =
{b2 , b3 , b4 } este bază în X şi deci dimR X = 3.
ii) Pentru m = 2 am văzut că din vectorii b2 , b3 , b4 doar B1 = {b2 , b3 } este bază în X. Astfel
că, (b1 )B1 = (9/2, 5/2)T . Remarcăm, în plus, că pentru m 6= 2 avem baza B2 = {b2 , b3 , b4 } şi
deci (b1 )B2 = (9/2, 5/2, 0)T .

1.10 Matricea de trecere de la un reper la altul


Definiţie 1.10.1 Fie (V, K) spaţiu vectorial cu dimK V = n ∈ N∗ iar E = {a1 , ..., an } şi F =
{b1 , ..., bn } repere ale sale. Matricea ale cărei coloane sunt formate de coordonatele vectorilor
reperului F în raport cu reperul E se numeşte matricea de trecere de la reperul E la reperul F.

R Dacă bi = ∑nj=1 αi j a j , i = 1, 2, ..., n atunci matricea de trecere de la reperul E la reperul F


44 Capitolul 1. Spaţii vectoriale

este
 
α11 ... αn1
AE,F =  ... ... ...  . (1.16)
α1n ... αnn

Exerciţiu 1.10.1 Fie Bc = 1, X, X 2 , X 3 , X 4 reperul canonic din spaţiul liniar al polinoamelor




n 4 : (P4 [X] , R). Să se determine o


de grad cel mult matricea de trecere de la reperul Bc la
2 3 4
reperul B1 = 1, X + 1, (X + 1) , (X + 1) , (X + 1) . 

Soluţie. Cu următoarele notaţii


e1 (X) = 1, e2 (X) = X, e3 (X) = X 2 , e4 (X) = X 3 , e5 (X) = X 4
g1 (X) = 1, g2 (X) = X + 1, g3 (X) = (X + 1)2 , g4 (X) = (X + 1)3 , g5 (X) = (X + 1)4
observăm că putem scrie
g1 (X) = 1 · e1 (X) + 0 · e2 (X) + 0 · e3 (X) + 0 · e4 (X) + 0 · e5 (X)
g2 (X) = 1 · e1 (X) + 1 · e2 (X) + 0 · e3 (X) + 0 · e4 (X) + 0 · e5 (X)
g3 (X) = 1 · e1 (X) + 2 · e2 (X) + 1 · e3 (X) + 0 · e4 (X) + 0 · e5 (X)
g4 (X) = 1 · e1 (X) + 3 · e2 (X) + 3 · e3 (X) + 1 · e4 (X) + 0 · e5 (X)
g5 (X) = 1 · e1 (X) + 4 · e2 (X) + 6 · e3 (X) + 4 · e4 (X) + 1 · e5 (X)
şi deci matricea de trecere de la reperul Bc la reperul B1 este
 
1 1 1 1 1
 0 1 2 3 4 
 
ABc ,B1 = 
 0 0 1 3 6 .

 0 0 0 1 4 
0 0 0 0 1

Teoremă 1.10.1 — Schimbarea bazei. Fie (V, K) spaţiu vectorial cu dimK V = n ∈ N∗ ,


E = {x1 , ..., xn } şi F = {y1 , ..., yn } repere ale sale. Dacă trecerea de la reperul E la reperul
F se face prin matricea AE,F definită în (1.16) atunci trecerea de la coordonatele lui x în
reperul E la coordonatele lui x în reperul F se face prin matricea (AE,F )−1 . Are loc formula
xF = (AE,F )−1 xE .

Demonstraţie. Din E reper deducem că ∀x ∈ V, ∃! α1 , ..., αn ∈ K astfel încât x = α1 x1 + ... +


αn xn .
Fie yi = αi1 x1 + ... + αin xn , i = 1, ..., n şi β1 , ..., βn coordonatele lui x faţă de reperul F, adică
x = β1 y1 + ... + βn yn . Stabilim o legătură între coordonatele α1 , ..., αn şi β1 , ..., βn . Avem
x = α1 x1 + ... + αn xn = β1 y1 + ... + βn yn
= β1 (α11 x1 + ... + α1n xn ) + ... + βn (αn1 x1 + ... + αnn xn )
!
n n
= (β1 α11 + ... + βn αn1 ) x1 + ... + (β1 α1n + ... + βn αnn ) xn = ∑ ∑ β j α ji xi .
i=1 j=1

Cum reprezentarea vectorului x în reperul B este unică deducem că αi = ∑nj=1 β j α ji pentru orice
i = 1, ..., n, ori în scrierea matriceală, relaţie echivalentă cu xE = AE,F · xF . Rezolvând ecuaţia
matriceală în raport cu xF , obţinem xF = (AE,F )−1 xE .
2. Operatori liniari

2.1 Operatori liniari şi teoreme de izomorfism


Fie (U, K) şi (V, K) spaţii vectoriale.
Definiţie 2.1.1 Aplicaţia f : U → V se numeşte morfism de spaţii vectoriale (sau: aplicaţie
liniară, operator liniar, homomorfism de spaţii vectoriale ...) dacă

f (αx + β y) = α f (x) + β f (y) (2.1)

pentru orice x, y ∈ U şi orice α, β ∈ K.

R Notăm prin LK (U,V ) sau prin HomK (U,V ) mulţimea tuturor morfismelor f : U → V .
Dacă U = V atunci f se numeşte endomorfism al lui U.

Teoremă 2.1.1 Fie (V1 , K) şi (V2 , K) spaţii vectoriale peste acelaşi corp K. Dacă pe mulţimea
LK (V1 ,V2 ) considerăm operaţiile

i) ( f + g) (x) = f (x) + g (x)


ii) (α f ) x = α f (x)

unde f , g ∈ LK (V1 ,V2 ) iar α ∈ K, atunci (LK (V1 ,V2 ) , K) are o structură de spaţiu vectorial în
raport cu operaţiile definite.

R Fie (V, K) spaţiu vectorial.


i) Aplicaţia 1V : V → V definită prin 1V (x) = x pentru orice x ∈ V este un operator liniar,
numit operatorul identic.
ii) Dacă V1 ,V2 sunt subspaţii vectoriale în V atunci aplicaţia O : V1 → V2 definită prin
O (x) = 0V2 pentru orice x ∈ V1 este un operator liniar, numit operatorul nul.
1
iii) Notăm cu C[a,b] mulţimea tuturor funcţiilor f (·) : [a, b] → R derivabile pe [a, b] cu
1
derivata continuă. Aplicaţia D : C[a,b] 0 , D ( f ) = f 0 este un operator liniar numit
→ C[a,b]
operator de derivare.
46 Capitolul 2. Operatori liniari
0
iv) Notăm cu C[a,b] mulţimea tuturor funcţiilor f (·) : [a, b] → R continue pe [a, b]. Apli-
0 1 , I(f) =
Rx
caţia I : C[a,b] → C[a,b] a f (t) dt, x ∈ [a, b] este un operator liniar numit operatorul
de integrare.

Definiţie 2.1.2 Fie (U, K), (V, K) spaţii vectoriale cu dimK U = n ∈ N∗ , respectiv dimK V =
reper reper
m ∈ N∗ , f : U → V operator liniar, E1 = {x1 , ..., xn } ⊂ U iar E2 = {y1 , ..., ym } ⊂ V .
not ăm
Matricea A = [A]Ef 1 ,E2 ale cărei coloane sunt coordonatele vectorilor f (x1 ) , ..., f (xn ) în
raport cu reperul E2 se numeşte matricea lui f în raport cu reperele E1 şi E2 .

not ăm
R Dacă U = V atunci E1 = E2 şi A = [A]Ef 1 matricea lui f în raport cu reperul E1 .

Exerciţiu 2.1.1 Considerăm spaţiile vectoriale R3 , R şi R2 , R . Să se studieze dacă


 

f : R3 → R2 definită prin f (x, y, z) = (x + y, xz) este aplicaţie liniară. 

Soluţie. Se observă că


f (1, 0, 0) + f (1, 0, 1) = (1, 0) + (1, 0) = (2, 1)
şi
f ((1, 0, 0) + f (1, 0, 1)) = f (2, 0, 1) = (2, 2) .
Aşadar
f (1, 0, 0) + f (1, 0, 1) 6= f ((1, 0, 0) + f (1, 0, 1)) .

Exerciţiu 2.1.2 Considerăm spaţiile vectoriale Rk , R şi (Rn , R). Presupunem că f : Rk →


Rn este transformare liniară. Să se cerceteze valabilitatea următoarelor propoziţii:


i) Dacă {v1 , v2 , v3 } ⊆ Rk este sistem liniar dependent atunci şi { f (v1 ) , f (v2 ) , f (v3 )} ⊆
n
R este sistem liniar dependent.
ii) Dacă {v1 , v2 , v3 } ⊆ Rk este sistem liniar independent atunci { f (v1 ) , f (v2 ) , f (v3 )} ⊆
Rn este sistem liniar independent. 

Soluţie. i) Folosim faptul că {v1 , v2 , v3 } ∈ Rk este sistem liniar dependent, adică
c1 v1 + c2 v2 + c3 v3 = 0Rk =⇒ există c1 , c2 , c3 nu toţi nuli.
Cum f este aplicaţie liniară deducem că
f (c1 v1 + c2 v2 + c3 v3 ) = f (0Rk ) = 0Rn
sau echivalent
c1 f (v1 ) + c2 f (v2 ) + c3 f (v3 ) = 0Rn .
Ţinând cont că c1 , c2 , c3 nu sunt toţi nuli deducem că { f (v1 ) , f (v2 ) , f (v3 )} ∈ Rn este sistem
liniar dependent şi deci propoziţia este adevărată.
ii) Propoziţia este falsă. Într-adevăr, fie f : R3 → R3 definită prin f (v) = (0, 0, 0)T pentru
orice v = (v1 , v2 , v3 )T ∈ R3 . Evident,
n o
e1 = (1, 0, 0)T , e2 = (0, 1, 0)T , e3 = (0, 0, 1)T

este sistem liniar independent, însă { f (e1 ) , f (e2 ) , f (e3 )} este sistem liniar dependent.
2.1 Operatori liniari şi teoreme de izomorfism 47

Teoremă 2.1.2 Fie (V1 , K) şi (V2 , K) spaţii vectoriale. Dacă f : V1 → V2 este un morfism de
spaţii vectoriale atunci f (0V1 ) = 0V2 .

Demonstraţie. Deoarece f : V1 → V2 este morfism de spaţii vectoriale avem

f (0V1 ) = f (0V1 + 0V1 ) = f (0V1 ) + f (0V1 ) =⇒ f (0V1 ) = 0V2 .

Teoremă 2.1.3 Fie (V1 , K) şi (V2 , K) spaţii vectoriale iar f : V1 → V2 operator liniar. Urmă-
toarele au loc
i) f (−x) = − f (x) ∀x ∈ V1 .
ii) f (Σm m
i=1 αi xi ) = Σi=1 αi f (xi ), αi ∈ K, xi ∈ V1 cu i = 1, ..., m.
iii) Dacă X este subspaţiu vectorial în V1 atunci f (X) este subspaţiu vectorial în V2 .

Definiţie 2.1.3 Fie f : U → V aplicaţie liniară. Spunem că


i) f este injectivă dacă pentru orice u1 , u2 ∈ U următoarea implicaţie f (u1 ) = f (u2 ) =⇒
u1 = u2 este adevărată.
ii) f este surjectivă dacă pentru orice v ∈ V există u ∈ U astfel încât f (u) = v.
iii) f este bijectivă dacă este injectivă şi surjectivă (echivalent: pentru orice v ∈ V există
şi este unic u ∈ U astfel încât f (u) = v).

Exerciţiu 2.1.3 Fie aplicaţia f : R2 → R2 definită prin


 
1 1
f (v) = A · v unde A =
−1 0

este matricea lui f în reperul canonic din R2 , R . Să se arate că f este injectivă şi surjectivă.


Soluţie. Arătăm că f este injectivă. Dacă u = (u1 , u2 )T ∈ R2 şi v = (v1 ,v2 )T ∈ R2 atunci
  
1 1 u1
f (u) = = (u1 + u2 , −u1 )T
−1 0 u2
şi
  
1 1 v1
f (v) = = (v1 + v2 , −v1 )T .
−1 0 v2

Pe de altă parte, dacă f (u) = f (v) atunci

(u1 + u2 , −u1 )T = (v1 + v2 , −v1 )T

implică

u1 = v1
=⇒ u = v
u2 = v2
adică, f este aplicaţie injectivă.
Probăm că f este surjectivă. Fie w = (w1 , w2 )T ∈ R2 . Arătăm că există v = (v1 ,v2 )T ∈ R2
astfel încât
  
1 1 v1
f (v) = = (w1 , w2 )T .
−1 0 v2
48 Capitolul 2. Operatori liniari

Înmulţind cu A−1 această relaţie, avem


      
0 −1 1 1 v1 0 −1 w1
=
1 1 −1 0 v2 1 1 w2

sau echivalent
    
v1 0 −1 w1
= ⇐⇒ (v1 ,v2 )T = (w2 ,w1 + w2 )T .
v2 1 1 w2

Am arătat că

pentru orice w = (w1 , w2 )T ∈ R2 există v = (w2 ,w1 + w2 )T ∈ R2 astfel încât f (v) = w.

Or, aceasta demonstrează că f este surjectivă.

R Compunerea a două (sau mai multe) aplicaţii liniare este tot o aplicaţie liniară.

Definiţie 2.1.4 Fie (V1 , K), (V2 , K) şi (V3 , K) spaţii vectoriale. Dacă f : V1 → V2 şi g : V2 → V3
sunt operatori liniari atunci aplicaţia

(g ◦ f ) (·) : V1 → V3 definită prin (g ◦ f ) (x) = g ( f (x)) pentru x ∈ V1

se numeşte produsul (sau compunerea) operatorilor liniari f , g.

R Fie (V1 , K), (V2 , K) şi (V3 , K) spaţii vectoriale. Dacă f : V1 → V2 şi g : V2 → V1 sunt
operatori liniari atunci (g ◦ f ) (·) : V1 → V3 este operator liniar.

Definiţie 2.1.5 Fie (V1 , K) şi (V2 , K) spaţii vectoriale. Operatorul liniar f : V1 → V2 se
numeşte inversabil dacă există un operator g : V2 → V1 astfel încât

(g ◦ f ) (x) = x ∀x ∈ V1 şi ( f ◦ g) (y) = y ∀y ∈ V2 .

Dacă există g îndeplinind aceste condiţii atunci se notează cu f −1 şi se numeşte inversul
operatorului liniar f .

Teoremă 2.1.4 Fie (V1 , K) şi (V2 , K) spaţii vectoriale. Operatorul liniar f : V1 → V2 este
inversabil dacă şi numai dacă este bijectiv.

Definiţie 2.1.6 Spaţiile vectoriale (U, K) şi (V, K) se numesc izomorfe, notăm (U, K) ∼
=
(V, K), dacă există un morfism bijectiv f : U → V . Se mai spune că f este izomorfism sau
transformare liniară nesingulară.

Teoremă 2.1.5 — Teorema fundamentală de izomorfism I. Dacă (U, K) şi (V, K) sunt
spaţii vectoriale cu dimK U = dimK V ∈ N∗ atunci (U, K) ∼
= (V, K).

Demonstraţie. Presupunem că dimK U = dimK V = n ∈ N∗ . Fie

bază bază
{v1 , ..., vn } ⊂ (U, K) şi {w1 , ..., wn } ⊂ (V, K) .
2.2 Spaţiul cât 49

Pentru orice v ∈ U, ∃!a1 , ..., an ∈ K astfel încât


v = a1 v1 + ... + an vn .
Demonstrăm că aplicaţia f : U → V definită prin
f (a1 v1 + ... + an vn ) = a1 w1 + ... + an wn
este liniară şi bijectivă. Într-adevăr, dacă
v = a1 v1 + ... + an vn ∈ U, w = b1 v1 + ... + bn vn ∈ V
şi a, b ∈ K sunt arbitrari atunci
f (av + bw) = f ((aa1 + bb1 ) v1 + ... + (aan + bbn ) vn )
= (aa1 + bb1 ) w1 + ... + (aan + bbn ) wn
= a (a1 w1 + ... + an wn ) + b (b1 w1 + ... + bn wn ) = a f (v) + b f (w)
adică f este aplicaţie liniară. Pentru a proba că f este bijectivă este suficient să observăm că
pentru orice w ∈ V ,
∃!a1 , ..., an ∈ K astfel încât w = a1 w1 + ... + an wn
şi deci
v = a1 v1 + ... + an vn
este unicul element din U astfel încât f (v) = w, adică f este bijectivă.

R Dacă (V, K) este spaţiu vectorial cu dimK V = n ∈ N∗ atunci (V, K) ∼


= (Kn , K) unde Kn
este spaţiul aritmetic n-dimensional.

Exerciţiu 2.1.4 Fie (R, Q) spaţiu vecorial. Să se arate că dimQ R = ∞. 

Soluţie. Se cunoaşte că R este spaţiu vectorial peste Q. Dacă am avea dimQ R =n < ∞ atunci R
ar fi izomorf cu Qn . Cum de la analiză matematică cunoaştem că Qn este mulţime numărabilă
iar R nu, se obţine concluzia.

R Dacă (U, K), (V, K) sunt spaţii vectoriale, f : U → V izomorfism iar B bază în U atunci
f (B) este bază în V .

Teoremă 2.1.6 Fie (U, K) şi (V, K) spaţii vectoriale. Dacă f : U → V este izomorfism de
spaţii vectoriale atunci aplicaţia inversă f −1 : V → U este izomorfism de spaţii vectoriale.

2.2 Spaţiul cât


Fie (V, K) spaţiu vectorial şi X subspaţiu vectorial al său. Definim o relaţie binară ρ astfel
∀x, y ∈ V avem xρy ⇐⇒ x − y ∈ X. Remarcăm că ρ îndeplineşte proprietăţile
R1) reflexivitatea: xρx, ∀x ∈ V ;
R2) simetria: dacă xρy atunci yρx, ∀x, y ∈ V ;
R3) tranzitivitatea: (xρy şi yρz) atunci xρz, ∀x, y, z ∈ V,
adică ρ este o relaţie de echivalenţă (congruenţa modulo X), se notează "≡".
50 Capitolul 2. Operatori liniari
Definiţie 2.2.1 Fie x ∈ V . Mulţimea

xb = { y ∈ V | y ≡ x (modulo X)} = { y ∈ V | y − x ∈ X}

se numeşte clasa de echivalenţă asociată vectorului x în raport cu ≡ sau clasa de echivalenţă a


lui x în raport cu ≡.

R Mulţimea
(numită spaţiul factor sau spaţiul cât al lui V
V /X = { xb| x ∈ V } notată şi V /≡
în raport cu relaţia de echivalenţă ≡)
a tuturor claselor de echivalenţă, admite o structură de spaţiu vectorial în raport cu urmă-
toarele operaţii
de f
adunarea: xb+ yb = xd+ y pentru orice x, y ∈ V
de f
înmulţirea cu scalari: α · xb = αd
· x pentru orice x ∈ V şi α ∈ K.

R Au loc:
i) 0cX = X. Într-adevăr,

0 = { y ∈ V | y ≡ 0X } = { y ∈ V | y − 0X ∈ X} = { y ∈ V | y ∈ X} = X.
b

ii) Dacă X = {0X } atunci spaţiul cât al lui V / {0X } = V . Într-adevăr,


x ∈ V, xb = { y ∈ V | y − x ∈ {0X }} = { y ∈ V | y − x = 0X } = {x} .

Teoremă 2.2.1 — Teorema dimensiunii pentru spaţiul cât. Fie (V, K) spaţiu vectorial cu
dimK V ∈ N∗ şi X subspaţiu vectorial al său. Dacă

dimK V = n şi dimK X = m

atunci

dimK (V /X) = n − m.

Exerciţiu 2.2.1 Fie V = R4 , R spaţiu vectorial şi




n o
U = x = (x1 , x2 , x3 , x4 )T ∈ R4 x1 = x2 şi x3 = x4 .

i) Să se arate că U este subspaţiu vectorial al lui R4 , R şi să se determine

dimR U.
4

ii) Să se extindă baza determinată la punctul i) la o bază a lui R , R .
iii) Să se descrie elementele lui V /U şi scrie o bază pentru V /U. 

Soluţie. i) U este subspaţiu vectorial al lui R4 , R dacă




∀α, β ∈ R şi x, y ∈ U =⇒ αx + β y ∈ U.

Observăm că

x = (x1 , x2 , x3 , x4 )T ∈ U =⇒ x1 = x2 şi x3 = x4
2.2 Spaţiul cât 51

iar
y = (y1 , y2 , y3 , y4 )T ∈ U =⇒ y1 = y2 şi y3 = y4 .
Avem
α (x1 , x2 , x3 , x4 )T + β (y1 , y2 , y3 , y4 )T = (αx1 + β y1 , αx2 + β y2 , αx3 + β y3 , αx4 + β y4 )T ∈ U
deoarece αx1 + β y1 = αx2 + β y2 .
Determinăm o bază în U. Observăm că
(x1 , x2 , x3 , x4 )T = x2 (1, 1, 0, 0)T + x4 (0, 0, 1, 1)T
şi deci
n o n o
U = x2 (1, 1, 0, 0)T + x4 (0, 0, 1, 1)T x2 , x4 ∈ R = Span (1, 1, 0, 0)T , (0, 0, 1, 1)T .

Cum
u1 = (1, 1, 0, 0)T şi u2 = (0, 0, 1, 1)T
n o
sunt liniar independente, deducem că o bază în U este B1 = (1, 1, 0, 0)T , (0, 0, 1, 1)T .
ii) Pentru a completa baza B1 la o bază a lui R4 , R vom scrie o matrice A cu 4 linii şi 4


coloane formată din vectorii lui B1 şi vectori din R4 , R astfel încât
rangA = 4 = dimR R4 ,
de exemplu
 u1 u2 e1 e3 
↓ ↓ ↓ ↓
 z}|{ z}|{ z}|{ z}|{ 
 
 1 0 1 0 
A=
 .
 1 0 0 0 

 0 1 0 1 
0 1 0 0
Astfel că
bază
B2 = {u1 , u2 , e1 , e3 } ⊂ R4 , R !


iii) Elementele lui R4 /U sunt


xb = y ∈ R4 y − x ∈ U .


O bază pentru R4 /U este


B2 = {eb1 , eb3 } .
Pentru a demonstra aceasta, remarcăm de la punctul ii) că
x = x2 u1 + x4 u2 + (x1 − x2 ) e1 + (x3 − x4 ) e3 ,
şi deci
xb = (x1 − x2 ) eb1 + (x3 − x4 ) eb3
astfel că eb1 şi eb3 sunt din Span R4 /U . Demonstrăm că {eb1 , eb3 } sunt liniar independente. Dacă


0 atunci c1 e1 + c2 e3 ∈ U. Dar deoarece a doua şi


realizăm o combinaţie liniară c1 eb1 + c2 eb3 = b
a patra componentă a acestui vector sunt 0, observăm, din definiţia lui U, că prima şi a treia
componentă trebuie să fie 0, de asemenea. Am demonstrat că c1 = c2 = 0 şi deci eb1 , eb3 sunt liniar
independente.
52 Capitolul 2. Operatori liniari

2.3 Suma şi intersecţia a două subspaţii vectoriale


Amintim următorul rezultat:
Teoremă 2.3.1 Dacă (V, K) este spaţiu vectorial iar V1 ,V2 sunt subspaţii vectoriale în V atunci

V1 ∩V2 = { v ∈ V | v ∈ V1 şi v ∈ V2 }
V1 +V2 = { v1 + v2 | v1 ∈ V1 şi v2 ∈ V2 }
= { v ∈ V | ∃v1 ∈ V1 şi ∃v2 ∈ V2 astfel încât v = v1 + v2 }

sunt subspaţii vectoriale ale lui V .

R V1 ∩V2 este numit subspaţiul vectorial intersecţie, iar V1 +V2 este numit subspaţiul vectorial
sumă.

Teoremă 2.3.2 — Teorema lui Hermann Günther Grassmann (1809–1877). Dacă (V, K)
este spaţiu vectorial cu dimK V ∈ N∗ iar V1 ,V2 sunt subspaţii vectoriale în V atunci

dimK (V1 +V2 ) = dimK V1 + dimK V2 − dimK (V1 ∩V2 ) .

Demonstraţie. Fie BV1 ∩V2 = {v1 , ..., vm } bază în V1 ∩ V2 . Lema de completare ne permite să
extindem această bază la
bază
BV1 = {v1 , ..., vm , um+1 , ..., ur } ⊂ V1
şi
bază
BV2 = {v1 , ..., vm , wm+1 , ..., ws } ⊂ V2 .
Arătăm că
S = {v1 , ..., vm , um+1 , ..., ur , wm+1 , ..., ws }
este sistem de generatori pentru V1 +V2 . Într-adevăr, ∀x + y ∈ V1 +V2 , x ∈ V1 , y ∈ V2 se scrie ca
o combinaţie liniară de vectorii bazei:
x ∈ V1 =⇒ x = Σm r

i=1 αi vi + Σ j=m+1 β j u j
y ∈ V2 =⇒ y = Σm s
i=1 γi vi + Σk=m+1 λk wk
de unde
x + y = Σm r s
i=1 (αi + γi ) vi + Σ j=m+1 β j u j + Σk=m+1 λk wk

şi deci S este sistem de generatori.


Arătăm că S este liniar independent. Realizăm o combinaţie liniară, egală cu vectorul nul
0V = Σm r s
i=1 ai vi + Σ j=m+1 b j u j + Σk=m+1 ck wk .

Rezultă că v definit prin


v = Σm r s
i=1 ai vi + Σ j=m+1 b j u j = −Σk=m+1 ck wk
| {z } | {z }
∈V1 ∈V2

este un vector din V1 ∩V2 şi deci ∃!λi ∈ K astfel încât Σsk=m+1 ck wk − Σm
i=1 λi vi = 0V =⇒ ck = λi =
0 (deoarece BV2 este liniar independent). Mai mult 0V = Σi=1 ai vi + Σrj=m+1 b j u j iar, deoarece
m

BV1 este liniar independent, deducem că ai = b j = 0.


Aşadar dimK (V1 +V2 ) = dimK V1 + dimK V2 − dimK (V1 ∩V2 ).
2.3 Suma şi intersecţia a două subspaţii vectoriale 53

T T T T
Exerciţiu 2.3.1 Fie a1 = (1, 1, −1, 0) ,a2 = (0, 1, 1, 0) ,a3 = (0, 2, 1, −1) ,a4 = (2, −1, −4,1)
iar V1 = Span (a1 , a2 ) şi V2 = Span (a3 , a4 ) subspaţii vectoriale ale spaţiului vectorial R4 , R .
Să se determine V1 ∩V2 , V1 +V2 , dimR (V1 ∩V2 ) şi dimR (V1 +V2 ). 

Soluţie. Dacă B1 ⊆ {a1 , a2 } este bază atunci

Span (a1 , a2 ) = Span (B1 ) . (2.2)

Cum V1 = Span (a1 , a2 ) rezultă că

{a1 , a2 } este sistem de generatori. (2.3)

Arătăm că

{a1 , a2 } este sistem liniar independent. (2.4)

Pentru aceasta, scriem matricea formată din componentele vectorilor


 
1 0
 1 1 
A=
 −1
.
1 
0 0

Deoarece, există un minor de ordinul doi nenul, anume



1 0
M2 = = 1,
1 1

deducem că rangA = 2. Din rangA = 2 =numărul de vectori din sistem deducem că afirmaţia
(2.4) este adevărată. Proprietăţile (2.3) şi (2.4) demonstrează că B1 = {a1 , a2 } formează o bază.
Aşadar, dimR V1 = 2 (din teorie, dimensiunea este egală cu numărul de elemente al bazei, B1 !).
Analog, B2 = {a3 , a4 } formează o bază pentru V2 şi ca atare dimR V2 = 2.
Se cunoaşte că

V1 ∩V2 = x ∈ R4 x ∈ V1 şi x ∈ V2 .

(2.5)

Din

x ∈ V1 rezultă că x = α1 a1 + α2 a2 cu α1 ∈ R, α2 ∈ R
x ∈ V2 rezultă că x = α3 a3 + α4 a4 cu α3 ∈ R, α4 ∈ R

se observă că (2.5) se scrie astfel

V1 ∩V2 = { x = α1 a1 + α2 a2 = α3 a3 + α4 a4 | α1 , α2 , α3 , α4 ∈ R} . (2.6)

Obiectivul este să determinăm o bază în V1 ∩V2 deoarece trebuie să determinăm dimR (V1 ∩V2 ).
Astfel că, vom considera relaţia α1 a1 + α2 a2 = α3 a3 + α4 a4 echivalentă cu sistemul omogen


 α1 − 2α4 = 0
α1 + α2 − 2α3 + α4 = 0

(2.7)

 −α1 + α2 − α3 + 4α4 = 0
α3 − α4 = 0.

54 Capitolul 2. Operatori liniari

Observăm că matricea sistemului este


 
1 0 0 −2
 1 1 −2 1 
A1 =  −1 1 −1 4 

0 0 1 −1

adică exact matricea alcătuită din componentele lui a1 , a2 , a3 , a4 . Deoarece găsim un minor de
ordinul 3 nenul

1 0 0
M3A1 = 1 1 −2 = 1

(2.8)
−1 1 −1

iar minorul de ordinul 4 este



1 0 0 −2 1 0 −2 −2
1 0 −2
1 1 −2 1 1 1 −1 1
A1 = −1 · (−1)4+4 1 1 −1 = 0

M4 = =
−1 1 −1 4 −1 1 3 4

−1 1 3
0 0 1 −1 0 0 0 −1

=⇒ rang (A1 ) = 3.
Cum rang (A1 ) = 3 <numărul de necunoscute (în număr de 4: α1 , α2 , α3 , α4 ) deducem că
(2.7) este sistem compatibil (4 (nr. necunoscute) − 3 (rangA1 )=) 1 nedeterminat (se mai spune
simplu nedeterminat). Cum sistemul este compatibil simplu nedeterminat sau unu nedeterminat)
deducem că există trei necunoscute principale α1 , α2 şi α3 adică cele de la care am găsit minorul
de ordinul trei nenul (2.8) şi o necunoscută secundară, anume α4 pe care o notăm altfel. Fie
not ăm
α4 = α. Necunoscutele principale se determină din sistemul format din primele trei ecuaţii
ale lui (2.7)
 
 α1 − 2α4 = 0  α1 = 2α
α1 + α2 − 2α3 + α4 = 0 echivalent cu α1 + α2 − 2α3 = −α
−α1 + α2 − α3 + 4α4 = 0 −α1 + α2 − α3 = −4α
 

corespunzător lui (2.8). Sistemul poate fi rezolvat, de exemplu prin regula lui Cramer, obţinându-
se α1 = 2α, α2 = −α şi α3 = α. Am demonstrat că (2.6) se scrie astfel
 
 

 
  
V1 ∩V2 = x = α(2, −1, 1, 1) α ∈ R = Span (2, −1, 1, 1)T .
T


 | {z } 

 not ăm 
= s1

Evident

{s1 } este sistem de generatori pentru V1 ∩V2 . (2.9)

Cum s1 6= 0R4 rezultă că

{s1 } este sistem liniar independent pentru V1 ∩V2 . (2.10)

Din (2.9) şi (2.10) deducem că {s1 } este bază pentru V1 ∩ V2 şi deci dimR (V1 ∩V2 ) = 1 (=
numărul de elemente din baza {s1 }).
Determinăm V1 +V2 . Prin definiţie V1 +V2 = { v1 + v2 | v1 ∈ V1 şi v2 ∈ V2 }.
2.4 Sumă directă de subspaţii vectoriale 55

Cum v1 ∈ V1 rezultă că v1 = α1 a1 + α2 a2 cu α1 ∈ R, α2 ∈ R. Pe de altă parte, din v2 ∈ V2


rezultă că v2 = α3 a3 + α4 a4 cu α3 ∈ R, α4 ∈ R.
Aşadar,
V1 +V2 = { α1 a1 + α2 a2 + α3 a3 + α4 a4 | α1 , α2 , α3 , α4 ∈ R}
= Span (V1 ∪V2 ) = Span (a1 , a2 , a3 , a4 ) ,
unde
 
α1 + 2α4
 α1 + α2 − 2α3 − α4 
α1 a1 + α2 a2 + α3 a3 + α4 a4 = 
 −α1 + α2 − α3 − 4α4  .

α3 + α4

Determinăm dimR (V1 +V2 ).


Metoda 1. Înlocuind în Teorema Grassmann dimR V1 = dimR V2 = 2 şi dimR (V1 ∩V2 ) = 1
rezultă că dimR (V1 +V2 ) = 2 + 2 − 1 = 3.
Metoda 2. Căutăm o bază în V1 +V2 = Span (a1 , a2 , a3 , a4 ) prin scrierea matricei
 
1 0 0 2
 1 1 2 −1 
A2 =   −1 1 1 −4 

0 0 −1 1

formată cu vectorii a1 , a2 , a3 , a4 şi observarea că rangA2 = 3. Într-adevăr,



1 0 0 2
1 0 2
1 1 2 −1
M4A2 = A2

= 0 şi M = 1 1 −1 = 1 6= 0.
3
−1 1 1 −4

−1 1 −4
0 0 −1 1

Cum, rangA2 = 3 concluzionăm că o bază a lui V1 +V2 este


n o
(1, 1, −1, 0)T , (0, 1, −1, 0)T , (2, −1, −4, 1)T =⇒ dimR (V1 +V2 ) = 3.

n Metoda 3.oCăutăm o bază în V1 + V2 , ca în demonstraţia Teoremei Grassmann: baza


(2, −1, 1, 1)T din V1 ∩V2 o completăm, folosind lema de completare, la
n o
o bază BV1 = (2, −1, 1, 1)T , (1, 1, −1, 0)T în V1
n o
o bază BV2 = (2, −1, 1, 1)T , (0, 2, 1, −1)T în V2
n o
iar conform demonstraţiei Teoremei Grassmann S = (2, −1, 1, 1)T , (1, 1, −1, 0)T , (0, 2, 1, −1)T
este bază în V1 +V2 , ceea ce încheie demonstraţia.

2.4 Sumă directă de subspaţii vectoriale


Definiţie 2.4.1 Fie (V, K) spaţiu vectorial. Spunem că suma V1 +V2 a subspaţiilor vectoriale
V1 , V2 din spaţiul vectorial V este directă, dacă oricare ar fi v ∈ V1 + V2 există v1 ∈ V1 şi
v2 ∈ V2 unici, astfel încât v = v1 + v2 . Notăm această situaţie prin V1 ⊕V2 . Aşadar

V1 ⊕V2 = { v ∈ V | ∃!v1 ∈ V1 şi ∃!v2 ∈ V2 astfel încât v = v1 + v2 } .


56 Capitolul 2. Operatori liniari

Teoremă 2.4.1 Fie (V, K) spaţiu vectorial. Dacă V1 ,V2 sunt subspaţii vectoriale în V atunci
suma V1 +V2 este directă dacă şi numai dacă V1 ∩V2 = {0V }.

Demonstraţie. "⊂" Presupunem v ∈ V1 ∩V2 . Atunci

v = v + 0V = 0V + v
∈V1 ∈V2

iar ţinând cont că scrierea lui v este unică, deducem că v = 0V .
"⊃" Dacă v1 + v2 = v01 + v02 pentru v1 , v2 ∈ V1 iar v01 , v02 ∈ V2 atunci

v1 − v01 = v02 − v2 .
| {z } | {z }
∈V1 ∈V2

Aşadar

v1 = v01 şi v2 = v02


deoarece v1 −v01 ∈V1 ∩V2 ={0V } deoarece v2 −v02 ∈V1 ∩V2 ={0V }

adică reprezentarea ca sumă este unică.

Exerciţiu 2.4.1 În R4 , R fie V1 = Span (a1 , a2 ) şi V2 = Span (a3 , a4 ) unde




a1 = (2, 2, −2, 0)T , a2 = (1, 2, 2, 1)T , a3 = (0, 2, 1, −1)T şi a4 = (2, −1, −4, 1)T .

Să se determine dimR (V1 ∩V2 ), dimR (V1 +V2 ) şi să se precizeze dacă V1 + V2 este sumă
directă. 

Soluţie. Dacă B1 ⊆ {a1 , a2 } este bază atunci

Span (a1 , a2 ) = Span (B1 ) .

Cum V1 = Span (a1 , a2 ) rezultă că

{a1 , a2 } este sistem de generatori. (2.11)

Arătăm că

{a1 , a2 } este sistem liniar independent. (2.12)

Pentru aceasta, scriem matricea formată din componentele vectorilor


 
2 1
 2 2 
A=  −2 2  .

0 1

Deoarece, există un minor de ordinul doi nenul, anume



2 1
M2 = = 2,
2 2

deducem că rangA = 2. Din rangA = 2 =numărul de vectori din sistem deducem că afirmaţia
(2.12) este adevărată. Proprietăţile (2.11) şi (2.12) demonstrează că B1 = {a1 , a2 } formează o
2.4 Sumă directă de subspaţii vectoriale 57

bază. Aşadar, dimR V1 = 2 (din teorie, dimensiunea este egală cu numărul de elemente al bazei,
B1 !). Analog, B2 = {a3 , a4 } formează o bază pentru V2 şi ca atare dimR V2 = 2.
Se cunoaşte că

V1 ∩V2 = x ∈ R4 x ∈ V1 şi x ∈ V2 .

(2.13)

Din

x ∈ V1 rezultă că x = α1 a1 + α2 a2 cu α1 ∈ R, α2 ∈ R
x ∈ V2 rezultă că x = α3 a3 + α4 a4 cu α3 ∈ R, α4 ∈ R

se observă că (2.13) se scrie astfel

V1 ∩V2 = { x = α1 a1 + α2 a2 = α3 a3 + α4 a4 | α1 , α2 , α3 , α4 ∈ R} . (2.14)

Obiectivul este să determinăm o bază în V1 ∩V2 deoarece ni se cere să determinăm dimR (V1 ∩V2 ).
Astfel că, vom considera relaţia

α1 a1 + α2 a2 = α3 a3 + α4 a4

echivalentă cu sistemul omogen



 2α1 + α2 − 2α4 = 0

2α1 + α2 − 2α3 + α4 = 0

(2.15)

 −2α1 + 2α2 + α3 + 4α4 = 0
α2 + α3 − α4 = 0.

Observăm că matricea sistemului este


 
2 1 0 −2
 2 2 −2 1 
A1 =  −2 2 −1 4 

0 1 1 −1

adică exact matricea alcătuită din componentele lui a1 , a2 , a3 , a4 . Deoarece găsim un minor de
ordinul 3 nenul

2 1 0
M3A1 = 2 2 −2 = 10

−2 2 −1

iar minorul de ordinul 4 este



2 1 0 −2 2 −1 −2 −2
2 −1 −2
2 2 −2 1 2 3 −1 1
A1 = −1·(−1)4+4 2

M4 = = 3 −1 = 2
−2 2 −1 4
−2 6 3 4
−2 6 3
0 1 1 −1 0 0 −1

=⇒ rang (A1 ) = 4. Cum rang (A1 ) = 4 =numărul de necunoscute (în număr de 4: α1 , α2 , α3 , α4 )


deducem că (2.15) este sistem compatibil determinat. Cum sistemul este compatibil simplu
determinat deducem că

α1 = 0, α2 = 0, α3 = 0 şi α4 = 0.
58 Capitolul 2. Operatori liniari

Am demonstrat că (2.14) se scrie astfel


n o
V1 ∩V2 = x = (0, 0, 0, 0)T = {0R4 } . (2.16)

Evident,

dimR (V1 ∩V2 ) = dimR {0R4 } = 0.

Rămâne să determinăm V1 +V2 . Prin definiţie

V1 +V2 = { v1 + v2 | v1 ∈ V1 şi v2 ∈ V2 } .

Cum

v1 ∈ V1 rezultă că v1 = α1 a1 + α2 a2 cu α1 ∈ R, α2 ∈ R
v2 ∈ V2 rezultă că v2 = α3 a3 + α4 a4 cu α3 ∈ R, α4 ∈ R

şi deci

V1 +V2 = { α1 a1 + α2 a2 + α3 a3 + α4 a4 | α1 , α2 , α3 , α4 ∈ R} = Span (a1 , a2 , a3 , a4 )

unde
 
2α1 + α2 + 2α4
 2α1 + α2 + 2α3 − α4 
α1 a1 + α2 a2 + α3 a3 + α4 a4 = 
 −2α1 + 2α2 − α3 − 4α4  .

α2 − α3 + α4

Determinăm dimR (V1 +V2 ) folosind Teorema Grassmann care afirmă că

dimR (V1 +V2 ) = dimR (V1 ) + dimR (V2 ) − dimR (V1 ∩V2 ) .

Este suficient să înlocuim

dimR V1 = dimR V2 = 2 şi dimR (V1 ∩V2 ) = 0

pentru a deduce că

dimR (V1 +V2 ) = 2 + 2 − 0 = 4.

Rămâne să folosim (2.16) pentru a deduce că suma este directă.

Teoremă 2.4.2 Dacă (V, K) este spaţiu vectorial cu dimK V ∈ N∗ iar V1 ,V2 sunt subspaţii
vectoriale în V astfel încât suma V1 + V2 este directă, atunci dimK (V1 +V2 ) = dimK V1 +
dimK V2 .

Demonstraţie. Deoarece dimK (V1 ∩V2 ) = 0 rezultatul este o consecinţă a Teoremei 2.3.2.

Definiţie 2.4.2 Fie V1 , V2 , ... , Vm subspaţii vectoriale ale spaţiului vectorial de tip finit (V, K).
m
Spunem că V este sumă directă de V1 , V2 , ... , Vm şi scriem V = ⊕ Vi sau V = V1 ⊕ ... ⊕Vm
i=1
dacă orice vector din V se scrie în mod unic ca o sumă de vectori din V1 , V2 , ... , Vm . În
această situaţie se mai spune că subspaţiile vectoriale V1 , V2 , ... , Vm sunt suplimentare.
2.4 Sumă directă de subspaţii vectoriale 59

Exerciţiu 2.4.2 În R2 se consideră mulţimile


n o n o
V1 = (α, 0)T ∈ R2 α ∈ R ,V2 = (0, β )T ∈ R2 β ∈ R .

Să se arate că V1 şi V2 sunt subspaţii suplimentare. 

Soluţie. Deoarece V1 ∩V2 = {0R2 } rezultă că V1 , V2 sunt sumanzi direcţi. Prin definiţie

V1 +V2 = {x + y |x ∈ V1 şi y ∈ V2 }.

Cum x + y este un element de forma (α, β )T deducem că V1 +V2 = R2 . În plus,

V1 +V2 = V1 ⊕V2 = R2 .

relaţie ce demonstrează că V1 şi V2 sunt subspaţii suplimentare.


Dăm următoarea caracterizare a sumei directe.
Teoremă 2.4.3 — Teorema de caracterizare a sumei directe. Fie (V, K) spaţiu vectorial
de dimensiunem finită. Următoarele sunt echivalente
i) V = ⊕ Vi .
i=1  
ii) V = V1 + ... +Vm = Σm V
i=1 i şi Vi ∩ Σm
j=1, j6=i j = {0V } ∀i = 1, ..., m.
V
iii) V = Σi=1Vi şi dimK V = dimK V1 + ... + dimK Vm = Σm
m
i=1 dimK Vi .

Exerciţiu 2.4.3 Fie subspaţiile vectoriale


n o n o
V1 = (x, x, x)T x ∈ R şi V2 = (0, x, y)T x, y ∈ R

ale lui R3 , R . Să se calculeze dimR V1 , dimR V2 şi să se demonstreze că R3 = V1 ⊕V2 .



Soluţie. Metoda 1. Observăm că


n o n o
V1 = (x, x, x)T x ∈ R = x (1, 1, 1)T x ∈ R

şi deci
n o bază
B1 = (1, 1, 1)T ⊂ V1

deoarece este sistem de generatori, iar pe de altă parte este sistem liniar independent (a (1, 1, 1)T =
(0, 0, 0)T =⇒ a = 0). Aşadar dimR V1 = 1 (=numărul de elemente ale lui B1 ).
Analog
n o n o
V2 = (0, x, y)T x, y ∈ R = x (0, 1, 0)T + y (0, 0, 1)T x, y ∈ R

şi deci
n o bază
B2 = (0, 1, 0)T , (0, 0, 1)T ⊂ V2

deoarece este sistem de generatori, iar pe de altă parte este sistem liniar independent

(a (0, 1, 0)T + b (0, 0, 1)T = (0, 0, 0)T =⇒ a = b = 0).


60 Capitolul 2. Operatori liniari

Aşadar dimR V2 = 2 (=numărul de elemente ale lui B2 ).


Rămâne să demonstrăm că R3 = V1 ⊕V2 . Amintim că
v ∈ R3 v ∈ V1 şi v ∈ V2

V1 ∩V2 =
V1 +V2 = { v1 + v2 | v1 ∈ V1 şi v2 ∈ V2 }
v ∈ R3 ∃v1 ∈ V1 şi ∃v2 ∈ V2 astfel încât v = v1 + v2 .

=
Fie v = (v1 , v2 , v3 ) ∈ V1 ∩V2 . Avem

v ∈ V1 =⇒ v1 = v2 = v3
=⇒ v1 = v2 = v3 = 0 =⇒ v = (0, 0, 0)T
v ∈ V2 =⇒ v1 = 0
n o
şi ca o concluzie V1 ∩V2 = (0, 0, 0)T . Or, aceasta spune, că V1 +V2 = V1 ⊕V2 . Rămâne să
demonstrăm că R3 = V1 ⊕V2 sau echivalent (V1 ⊕V2 ⊆ R3 şi V1 ⊕V2 ⊇ R3 ).
Clar

V1 +V2 = V1 ⊕V2 ⊆ R3

şi ca atare "⊆" este îndeplinită.


Demonstrăm că

V1 +V2 = V1 ⊕V2 ⊇ R3 .

Aceasta se reduce la a arata că ∀x = (x1 , x2 , x3 )T ∈ R3 avem că

∃v1 = (a, a, a)T ∈ V1 şi ∃v2 = (0, n, m)T ∈ V2

astfel încât

(x1 , x2 , x3 )T = (a, a, a)T + (0, n, m)T ⇐⇒ (x1 , x2 , x3 )T = (a, a + n, a + m)T

adică, sistemul

 a = x1
a + n = x2
a + m = x3 .

Cum matricea sistemului este


 
1 0 0
A =  1 1 0  =⇒ rangA = 3 deoarece det (A) = 1 6= 0
1 0 1

şi deci sistemul este compatibil. Am demonstrat că R3 ⊆ V1 ⊕V2 .


Metoda 2. Arătăm că V1 ⊕V2 = R3 sub presupunerea că deja am demonstrat că V1 +V2 =
V1 ⊕V2 . Este suficient să demonstrăm că
i) dimR R3 = dimR V1 ⊕V2
ii) V1 ⊕V2 ⊆ R3 .

Evident V1 ⊕V2 ⊆ R3 este adevărat, deoarece, conform teoriei, V1 ⊕V2 este subspaţiu vectorial
în R3 . Rămâne să probăm ii). Cum dimR R3 = 3 vom arăta că dimR V1 ⊕V2 = 3. Or, această din
urmă relaţie se probează folosind Teorema Grassmann

dimR (V1 +V2 ) = dimR V1 + dimR V2 − dimR (V1 ∩V2 )


2.4 Sumă directă de subspaţii vectoriale 61
n o
unde deja cunoaştem că dimR (V1 ∩V2 ) = 0 deoarece V1 ∩V2 = (0, 0, 0)T . Rămâne să arătăm
că

dimR V1 + dimR V2 = 3.

Căutăm o bază în V1

(x, x, x)T = x (1, 1, 1)T


n o n o
şi deci V1 = Span (1, 1, 1)T . Cum (1, 1, 1)T este liniar independent în V1 deducem că
n o bază
(1, 1, 1)T ⊂ V1 =⇒ dimR V1 = 1.

Analog
n o bază
B2 = (0, 1, 0)T , (0, 0, 1)T ⊂ V2 =⇒ dimR V2 = 2.

Din i), ii) rezultă că V1 ⊕V2 = R3 iar din Teorema de caracterizare a sumei directe obţinem mai
multe informaţii.

Teoremă 2.4.4 — Teorema de existenţă a suplimentului. Fie (V, K) spaţiu vectorial cu


dimK V = n ∈ N∗ . Dacă V1 ⊂ V este subspaţiu vectorial în V atunci există V2 ⊂ V subspaţiu
vectorial astfel încât V = V1 ⊕V2 .

Demonstraţie. Fie p = dimK V1 ≤ n şi BV1 = {b1 , ..., b p } o bază a lui V1 . Cum dimK V = n
putem completa BV1 până la o bază BV1 a lui V , astfel

BV = {b1 , ..., b p , g1 , ..., gn−p } .

Demonstrăm că V2 = Span {g1 , ..., gn−p } are proprietatea că V = V1 ⊕V2 . Evident

V1 +V2 ⊂ V. (2.17)

Pe de altă parte
p
∀v ∈ V , v = Σi=1 αi bi + Σn−p βi gi = x + y ∈ V1 +V2 =⇒ V ⊂ V1 +V2 . (2.18)
| {z } | i=1{z }
x∈V1 y∈V2

Relaţiile (2.17) şi (2.18) implică

V = V1 +V2 . (2.19)

Mai mult, observăm că

dimK V1 + dimK V2 = p + (n − p) = n = dimK V = n. (2.20)

În final (2.19) şi (2.20) arată că este aplicabil punctul iii) al Teoremei 2.4.4 şi deci V = V1 ⊕V2 .

Exerciţiu 2.4.4 Dacă V1 ⊂ R5 ,R este mulţimea soluţiilor sistemului






 x1 + x2 + x5 = 0
x1 − x3 + x4 + x5 = 0

2x − x5 = 0
 1


3x1 − x3 + x4 = 0
62 Capitolul 2. Operatori liniari

atunci să se determine o bază a lui V1 şi apoi să se indice un subspaţiu V2 al lui R5 ,R astfel


încât V1 ⊕V2 = R5 . 

Soluţie. Matricea sistemului este


 
1 1 0 0 1
 1 0 −1 1 1 
A= .
 2 0 0 0 −1 
3 0 −1 1 0

Observăm că

1 1 0
M3A = 1 0 −1 = −2 6= 0 =⇒ rang (A) ≥ 3.

2 0 0

Pe de altă parte

1 1 0 0 1 1 0 1

A
1 0 −1 1 A
1 0 −1 1
M4,1 = = 0 şi M4,2 = =0
2 0 0 0
2 0 0 −1
3 0 −1 1 3 0 −1 0

implică rang (A) = 3. Astfel că sistemul este compatibil dublu nedeterminat cu x1 , x2 , x3 ne-
cunoscute principale, iar x4 , x5 necunoscute secundare. Un calcul simplu arată că

1 3 3
x1 = x5 , x2 = − x5 , x3 = x4 + x5 .
2 2 2

În concluzie,
( T )
1 3 3
V1 = x5 , − x5 , x4 + x5 , x4 , x5 x4 , x5 ∈ R

2 2 2
(  T )
1 3 3
= x4 (0, 0, 1, 1, 0)T + x5 , − , , 0, 1 x4 , x5 ∈ R

2 2 2
 T
T 1 3 3
= Span (e1 , e2 ) unde e1 = (0, 0, 1, 1, 0) iar e2 = , − , , 0, 1 .
2 2 2
Se verifică uşor că
liniar independent bază
{e1 , e2 } ⊂ V1 şi deci {e1 , e2 } ⊂ V1 .

Completăm {e1 , e2 } până la o bază în R5 . În acest sens, formăm o matrice B care să aibă rangul
5, astfel
 e1 e2 e3 e4 e5 
z}|{ z}|{ z}|{ z}|{ z}|{

 0 1 
2 1 0 1 
3
 
B=
 0 − 2 1 0 0  , detB = −1 =⇒ rangB = 5.

 1 3
 2 1 0 0  
 1 0 0 1 0 
0 1 0 0 0
2.5 Nucleul şi imaginea unui operator liniar 63

Avem
rangB = 5 =⇒ {e1 , e2 , e3 , e4 , e5 } este sistem liniar independent în R5 .
Cum
dimR R5 = 5 iar {e1 , e2 , e3 , e4 , e5 } este sistem liniar independent
deducem că
bază
{e1 , e2 , e3 , e4 , e5 } ⊂ R5 .
Atunci V2 = Span ({e3 , e4 , e5 }) are proprietatea cerută.

2.5 Nucleul şi imaginea unui operator liniar


Definiţie 2.5.1 Fie (X, K) şi (Y, K) spaţii vectoriale şi U : X → Y operator liniar.
i) Mulţimea

Ker U = { x ∈ X|U (x) = 0Y }

se numeşte nucleul operatorului U iar dimK KerU se numeşte defectul lui U.


ii) Mulţimea

ImU = { y ∈ Y | ∃x ∈ X astfel încât U (x) = y}

se numeşte imaginea operatorului U iar dimK ImU se numeşte rangul lui U.

Exerciţiu 2.5.1 Se consideră operatorul liniar U : R3 → R3 şi matricea


 
2 4 −6
A =  2 −2 2 
4 2 −4

a lui U în reperul canonic din R3 , R .




i) Să se calculeze U (−1, 1, 2) .


ii) Să se determine ImU şi KerU. 

Soluţie. i) Avem
    
2 4 −6 −1 −10
U (−1, 1, 2) =  2 −2 2   1  =  0  .
4 2 −4 2 −10
ii) Prin definiţie
KerU = x ∈ R3 |U (x) = 0R3 .


Fie x = (x1 , x2 , x3 )T ∈ R3 . Din enunţ U (x) = Ax. Atunci


U (x) = 0R3 ⇔ Ax = 0R3
sau echivalent cu

 2x1 + 4x2 − 6x3 = 0
2x1 − 2x2 + 2x3 = 0
4x1 + 2x2 − 4x3 = 0

64 Capitolul 2. Operatori liniari

Matricea sistemului este


 
2 4 −6
A =  2 −2 2 
4 2 −4

cu rangA = 2 deoarece

2 4 −6
2 4
M2 = = −12 6= 0 iar M3 = 2 −2 2 = 0.
2 −2
4 2 −4

Cum rangA = 2 deducem că sistemul este compatibil simplu nedeterminat.


Avem
(
x1 , x2 necunoscute principale
M2 minor principal ⇒ not
x3 necunoscută secundară x3 = α.

Din sistemul

x1 + 2x2 = 3α α 4
rezultă x1 = , x2 = α
x1 − x2 = −α 3 3

şi
1
   
 3 
4  |α ∈ R
KerU = α  3 .
1
 

Remarcăm că
 1 
 3  bază
 4  ⊂ KerU
 3 
1

şi deci dimR KerU = 1.


Determinăm imaginea operatorului T . Se cunoaşte că

ImU = y ∈ R3 ∃x ∈ R3 astfel încât U (x) = y .




Fie

y = (y1 , y2 , y3 )T ∈ R3 şi x = (x1 , x2 , x3 )T ∈ R3 .

Relaţia Ux = y este echivalentă cu sistemul



 2x1 + 4x2 − 6x3 = y1
2x1 − 2x2 + 2x3 = y2
4x1 + 2x2 − 4x3 = y3 .

Scriem
matricea
 sistemului matricea
 extinsă a sistemului

2 4 −6 2 4 −6 y1
A =  2 −2 2  A =  2 −2 2 y2  .
4 2 −4 4 2 −4 y3
2.5 Nucleul şi imaginea unui operator liniar 65

Din rezultatul de mai sus rangA = 2. Punem condiţia ca rangA = 2 (deoarece trebuie să existe x
cu proprietatea cerută). rangA = 2 atrage

2 4 y1

2 −2 y2 = 0 ⇔ 12y1 + 12y2 − 12y3 = 0

4 2 y3

şi
n o
ImU = y = (y1 , y2 , y3 )T ∈ R3 |y1 + y2 − y3 = 0 .

Observăm că
           
y1 y3 − y2 −y2 y3 −1 1
y=  y2  =  y2  =  y2  +  0  = y2  1  + y3 0 

y3 y3 0 y3 0 1

şi deci
   
 −1 1  bază
 1  ,  0  ⊂ ImU ⇒ dimR ImU = 2.
0 1
 

Mai mult se observă că dimR KerU + dimR ImU = 1 + 2 = 3 = dimR R3 .


Exerciţiu 2.5.2 Trei persoane (notate cu P1, P2, P3), organizate într-o societate închisă
produc trei produse de bază Z1, Z2, Z3. Fiecare persoană vinde şi cumpără una de la alta.
Toate produsele lor sunt consumate de ei, nicio altă marfă nu intră în sistem ("modelul închis").
Proporţiile produselor consumate de fiecare dintre P1, P2, P3 sunt date în tabelul următor:

Z1 Z2 Z3
P1 0, 6 0, 2 0, 3
P2 0, 1 0, 7 0, 2
P3 0, 3 0, 1 0, 5

De exemplu, prima coloană afirmă că 60% din produsul Z1 este consumat de către P1, 10%
de P2 şi 30% de P3. Să se precizeze ce venituri trebuie să aibă persoanele P1, P2, P3 astfel
încât să poată supravieţui. 

Soluţie. Este evident că suma de pe fiecare coloană Z1, Z2, Z3 este 1. Să notăm cu x1 , x2 , x3
veniturile persoanelor P1, P2, P3. Atunci suma cheltuită de P1 pentru Z1, Z2, Z3 este

0, 6 · x1 + 0, 2 · x2 + 0, 3 · x3 .

Cum consumul fiecărei persoane este egal cu venitul său, obţinem ecuaţia

0, 6 · x1 + 0, 2 · x2 + 0, 3 · x3 = x1 ,

similar pentru alte persoane. În final avem de rezolvat sistemul de ecuaţii

0, 6 · x1 + 0, 2 · x2 + 0, 3 · x3 = x1
0, 1 · x1 + 0, 7 · x2 + 0, 2 · x3 = x2
0, 3 · x1 + 0, 1 · x2 + 0, 5 · x3 = x3
66 Capitolul 2. Operatori liniari

Acest sistem poate fi scris ca o ecuaţie de forma f (x) = x, unde f (x) = Ax cu


 
0, 6 0, 2 0, 3
A = [A]Bf c 0, 2  în reperul canonic din R3 , R şi x = (x1 , x2 , x3 )T .

=  0, 1 0, 7
0, 3 0, 1 0, 5

Mai mult decât atât, vom presupune că venitul este pozitiv, adică xi ≥ 0 pentru i = 1, 2, 3
(notăm x ≥ 0). Putem rescrie această ecuaţie în forma echivalentă (A − I3 )x = 0R3 şi definim
U : R3+ → R3 prin

U (x) = (A − I3 )x.

Avem astfel de determinat KerU şi deci de rezolvat sistemul U (x) = 0R3 . O soluţie arbitrară
a acestui sistem are forma x = t(13, 11, 10)T cu x ≥ 0 pentru t ≥ 0. Astfel, pentru a se asigura
că această societate supravieţuieşte, trebuie ca persoanele P1, P2, P3 să aibă veniturile lor în
proporţiile 13 : 11 : 10. (Problemă care a generat un premiu Nobel).

R Sunt adevărate:
i) Ker U este subspaţiu vectorial în (X, K) iar ImU în (Y, K).
ii) Dacă Ker U = {0X } atunci operatorul liniar U este injectiv, şi reciproc. Se mai spune
că U este monomorfism.
iii) Dacă Im U = Y atunci operatorul liniar U este surjectiv. Se mai spune că U este
epimorfism.

Exerciţiu 2.5.3 În R2 , R fie X = Span (a1 , a2 ), Y = Span (a3 , a4 ) unde




a1 = (1, 2)T , a2 = (−2, −4)T , a3 = (−3, 1)T , a4 = (9, −3)T .

Se cere:
i) Să se arate că X este izomorf cu Y .
ii) Să se construiască un izomorfim f : X → Y . 

Soluţie. i) Utilizăm Teorema 2.1.5 pentru a demonstra că dimR X = dimR Y ∈ N∗ . Căutăm o
bază B1 ⊂ X şi o bază B2 ⊂ Y . Pentru B1 formăm matricea alcătuită din vectorii
 
1 −2 A1
1 −2
A1 = =⇒ M2 = =0
2 −4 2 −4
=⇒ rangA1 = 1 < număr de vectori din {a1 , a2 }

şi deci {a1 , a2 } sunt liniar dependenţi. Cum a1 , a2 sunt diferiţi de vectorul nul, deducem că
{a1 }, respectiv {a2 } sunt liniar independeţi. Din

{a1 } ⊂ X = Span (a1 , a2 ) , {a2 } ⊂ X = Span (a1 , a2 )

deducem că {a1 }, respectiv {a2 } sunt sisteme de generatori. Astfel că, putem considera B1 =
bază
{a1 } ⊂ X =⇒ dimR X = 1. Mai mult, rezultă că X = Span (a1 ). Analog
 
−3 9 A2
−3 9
A2 = =⇒ M2 = =0
1 −3 1 −3
=⇒ rangA2 = 1 < număr de vectori din {a3 , a4 }
2.5 Nucleul şi imaginea unui operator liniar 67
bază
şi în final B2 = {a3 } ⊂ Y =⇒ dimR Y = 1. Mai mult, rezultă că Y = Span (a3 ). Am demonstrat
izomor f
că dimR X = dimR Y = 1 ∈ N∗ şi deci (X, K) ∼ = (Y, K).
ii) Conform demonstraţiei Teoremei 2.1.5 putem defini
bază
f : X → Y , f (αa1 ) = αa3 deoarece B1 , B2 ⊂ X.

Analog ca în demonstraţia Teoremei 2.1.5 se poate arăta că f este bijectivă şi liniară, deci
izomorfism.
Dăm o altă metodă celei prezentate în demonstraţia Teoremei 2.1.5 pentru a arăta că f este
bijectivă. Mai exact vom arăta că Ker f = {0R2 } şi Im f = Y . Într-adevăr,

Ker f = { x ∈ X| f (x) = 0R2 } .

Fie x = (α, 2α)T ∈ X. Relaţia f (x) = 0R2 este echivalentă cu

αa3 = 0R2 =⇒ α = 0 =⇒ x = (0, 0)T .

Cum

x = (0, 0)T =⇒ Ker f = {0R2 } =⇒ f injectivă.

Observăm că

Im f = { y ∈ Y | ∃x ∈ X astfel încât f (x) = y} .

Fie y = β (−3, 1)T ∈ Y . Cercetăm dacă ∃x = (α, 2α)T ∈ X astfel încât f (α, 2α) = β (−3, 1)T
sau echivalent

α (−3, 1)T = β (−3, 1)T =⇒ α = β .

Cum pentru orice y ∈ Y ∃x ∈ X astfel încât f (x) = y deducem că Y = Im f =⇒ f surjectivă.

Teoremă 2.5.1 — Teorema fundamentală de izomorfism II. Dacă (X, K), (Y, K) sunt
spaţii vectoriale finit dimensionale nenule iar U : X → Y este operator liniar atunci există un
izomorfism g : X/KerU → ImU.

Demonstraţie. Distingem cazurile


Caz 1: dimK X = n ∈ N∗ şi n > dimK KerU = d ∈ N∗ .
Dacă
bază
B1 = {v1 , ..., vd } ⊂ KerU

atunci putem extinde această bază astfel încât


baza extinsă
{v1 , ..., vd , vd+1 , ..., vn } ⊂ X.

Arătăm că
bază
{U (vd+1 ) , ...,U (vn )} ⊂ ImU.

Remarcăm că pentru w ∈ ImU există v ∈ X astfel încât U (v) = w.


Demonstrăm că

{U (vd+1 ) , ...,U (vn )}


68 Capitolul 2. Operatori liniari

este sistem de generatori în ImU. Într-adevăr, din


bază
{v1 , ..., vd , vd+1 , ..., vn } ⊂ X

deducem că există α1 ,...,αn ∈ K astfel încât

v = α1 v1 + ... + αd vd + αd+1 vd+1 + ... + αn vn .

Aplicând U avem

U (v) = U (α1 v1 + ... + αd vd + αd+1 vd+1 + ... + αn vn )


= α1 U (v1 ) + ... + αd U (vd ) + αd+1U (vd+1 ) + ... + αnU (vn )
| {z } | {z }
=0Y deoarece v1 ∈KerU =0Y deoarece vd ∈KerU
= αd+1U (vd+1 ) ... + αnU (vn )

şi deci

{U (vd+1 ) , ...,U (vn )} ⊆ Span (ImU) .

Demonstrăm că {U (vd+1 ) , ...,U (vn )} este liniar independent în ImU :

αd+1U (vd+1 ) + ... + αnU (vn ) = 0Y =⇒ U (αd+1 vd+1 + ... + αn vn ) = 0Y

şi deci

αd+1 vd+1 ... + αn vn ∈ KerU.


bază
Dar {v1 , ..., vd } ⊂ KerU =⇒ există β1 , ..., βd ∈ K astfel încât

αd+1 vd+1 +...+αn vn = β1 v1 +...+βd vd echivalent β1 v1 +...+βd vd −αd+1 vd+1 −...−αn vn = 0Y .

Cum
bază
{v1 , ..., vd , vd+1 , ..., vn } ⊂ X

deducem că

β1 = ... = βd = −αd+1 = ... = −αn = 0

şi deci {U (vd+1 ) , ...,U (vn )} este liniar independent în ImU. Am demonstrat că
bază
{U (vd+1 ) , ...,U (vn )} ⊂ ImU

şi deci

dimK ImU = n − d. (2.21)

Pe de altă parte din Teorema dimensiunii pentru spaţiul cât, avem


X
dimK = n − d. (2.22)
KerU
X
Folosind acum Teorema fundamentală de izomorfism I, (2.21) şi (2.22) deducem că KerU este
izomorf cu ImU şi deci există un izomorfism g : X/KerU → ImU.
2.5 Nucleul şi imaginea unui operator liniar 69

Caz 2: dimK X = n ∈ N∗ şi KerU = {0X }. În această situaţie observăm că


X
=X
{0X }
şi deci există un izomorfism g : X → ImU.
Caz 3: dimK X = n ∈ N∗ şi KerU = X. În această situaţie observăm că
X
= {0X }
KerU
iar folosind din nou faptul că KerU = X deducem că ImU = {0X } şi deci există un izomorfism
X
g : KerU → ImU.

Teoremă 2.5.2 — Teorema dimensiunii pentru operatori liniari. Dacă (X, K), (Y, K) sunt
spaţii vectoriale finit dimensionale nenule iar U : X → Y este operator liniar atunci

dimK X = dimK KerU + dimK ImU.

Demonstraţie. Distingem cazurile


bază
Caz 1: dimK X = n ∈ N∗ şi n > dimK KerU = d ∈ N∗ , caz în care, fie {v1 , ..., vd } ⊂ KerU
baza extinsă
iar {v1 , ..., vd , vd+1 , ..., vn } ⊂ X.
Ca în Teorema fundamentală de izomorfism II, se observă că {U (vd+1 ) , ...,U (vn )} este bază
în ImU. Recapitulând, avem că

dimK X = dimK KerU + dimK ImU

este echivalentă cu relaţia adevărată n = d + n − d.


Caz 2: dimK KerU = dimK X = n ∈ N∗ de unde deducem că KerU = X şi deci U (x) = 0Y
pentru orice x ∈ X. Avem astfel ImU = {0Y } şi deci dimK ImU = 0.
Evident n = dimK X = dimK KerU + dimK ImU este verificată.
bază
Caz 3: d = 0 =⇒ KerU = {0X } şi deci U este injectiv. În acest caz, dacă {v1 , ..., vn } ⊂ X
atunci se poate arăta analog ca în demonstraţia Teoremei fundamentale de izomorfism II că
bază
{U (v1 ) , ...,U (vn )} ⊂ ImU

şi deci n = dimK X = 0 + n = dimK KerU + dimK ImU.


Alternativă:
Caz 1: dacă dimK X = n ∈ N∗ şi n > dimK KerU = d ∈ N∗ deducem din Teorema funda-
mentală de izomorfism II, că
X
dimK = dimK ImU (2.23)
KerU
iar din Teorema dimensiunii pentru spaţiul cât, avem
X
dimK = dimK X − dimK KerU. (2.24)
KerU
Din (2.23) şi (2.24) deducem că dimK X − dimK KerU = dimK ImU, adică ceea ce trebuia demon-
strat.
Caz 2: dacă d = n =⇒ KerU = X iar din Teorema fundamentală de izomorfism II
rezultă

X/KerU = {0X } izomorf cu ImU =⇒ dimK ImU = dimK {0X } = 0.


70 Capitolul 2. Operatori liniari

Caz 3: dacă d = 0 =⇒ KerU = {0X } iar din Teorema fundamentală de izomorfism II


avem că

X/ {0X } = X izomorf cu ImU =⇒ dimK ImU = dimK X = n.

Exerciţiu 2.5.4 Se consideră operatorul U : R3 → R3 definit prin U (x) = Ax, x ∈ R3 unde


 
1 −1 0
A =  −1 2 1 
0 1 1

este matricea lui U în reperul canonic din R3 , R .




i) Să se determine ImU şi KerU.


ii) Să se determine dimR KerU şi dimR ImU. 

n o
Soluţie. i) Se cunoaşte că KerU = x = (x1 , x2 , x3 )T ∈ R3 |U (x) = 0R3 .
Relaţia U (x) = 0R3 este echivalentă cu Ax = 0R3 şi cu
     
1 −1 0 x1 0  x1 − x2 = 0
 −1 2 1   x2  =  0  =⇒ −x1 + 2x2 + x3 = 0
0 1 1 x3 0 x2 + x3 = 0

sistem cu matricea A. Un minor nenul de ordinul 2 al matricei A este



1 −1
−1 2 = 1 6= 0

şi deci rangA ≥ 2. Pe de altă parte observăm că determinantul lui A este nul. Concludem că
rangA = 2 ⇒ sistem compatibil simplu nedeterminat. Necunoscuta secundară x3 o notăm prin
α. Observăm că sistemul

x1 − x2 = 0
−x1 + 2x2 = −α
n o
are soluţia x1 = x2 = −α. Am obţinut că KerU = α (−1, −1, 1)T |α ∈ R . O bază în KerU
n o
este (−1, −1, 1)T şi deci dimR KerU = 1.
Determinăm imagineaoperatorului U.
Prin definiţie ImU = y ∈ R3 există x ∈ R3 cu y = U (x) . Fie y = (y1 , y2 , y3 )T . Relaţia

y = U (x) conduce la sistemul



 x1 − x2 = y1
−x1 + 2x2 + x3 = y2
x2 + x3 = y3 .

Am văzut că rangul matricei este 2. Pentru ca sistemul să fie compatibil trebuie ca rangul matricei
extinse să fie egal cu rangul matricei sistemului (adică cu 2).
Matricea extinsă este
 
1 −1 0 y1
A =  −1 2 1 y2 
0 1 1 y3
2.6 Operatori de proiecţie 71

iar rangA = 2 dacă



1 −1 y1

−1 2 y2 =0

0 1 y3

echivalent cu y3 − y1 − y2 = 0 ecuaţie ce reprezintă un sistem cu 3 necunoscute. Considerăm y3


necunoscuta principală şi notăm prin

y1 = α
y2 = β

necunoscutele secundare. Atunci y3 = α + β şi deci


       
y1 α 1 0
y=  y2  =  β  =α  0 +β
  1 .
y3 α +β 1 1

Am obţinut
     
 1 0   
ImU = α  0  + β  1  |α, β ∈ R = Span (1, 0, 1)T , (0, 1, 1)T .
1 1
 

n o bază
ii) Din punctul i) observăm că dimR ImU = 2 deoarece B = (1, 0, 1)T , (0, 1, 1)T ⊂ ImU.
Desigur puteam utiliza teorema dimensiunii dimR KerU + dimR ImU = 3 =⇒ dimR ImU = 2.
O bază în ImU o putem determinanprin folosirea odemonstraţiei Teoremei fundamentală de
T
izomorfism II. Mai exact: având baza (−1, −1, 1) în KerU o putem completa la o bază în
R3 , R astfel


 
−1 0 0 n o bază
det  −1 1 0  6= 0 =⇒ (−1, −1, 1)T , (0, 1, 0)T , (0, 0, 1)T ⊂ R3 , R


1 1 1

şi deci conform demonstraţiei Teoremei fundamentală de izomorfism II avem că


n o bază
{U ((0, 1, 0)) ,U ((0, 0, 1))} = (−1, 2, 1)T , (0, 1, 1)T ⊂ ImU

deoarece
  
1 −1 0 0
U ((0, 1, 0)) =  −1 2 1   1  = (−1, 2, 1)T
0 1 1 0
  
1 −1 0 0
U ((0, 0, 1)) =  −1 2 1   0  = (0, 1, 1)T .
0 1 1 1

2.6 Operatori de proiecţie


Presupunem că V = V1 ⊕V2 . Pentru fiecare x ∈ V ∃!x1 ∈ V1 şi ∃!x2 ∈ V2 astfel încât x = x1 + x2 .
72 Capitolul 2. Operatori liniari
Definiţie 2.6.1 Vectorul x1 se numeşte proiecţia lui x pe V1 în direcţia V2 iar operatorul
P : V −→ V definit prin P (x) = x1 se numeşte proiecţia lui V pe V1 în direcţia V2 .

R Analog se defineşte proiecţia lui V pe V2 în direcţia V1 .

R Sunt adevărate
i) P este operator liniar;
ii) ImP = V1 , KerP = V2 =⇒ V = ImP ⊕ KerP;
iii) P (P (·)) = P (·) (proprietatea de idempotenţă);
iv) Dacă P (·) : V −→ V este proiecţie atunci (1V − P) (·) : V → V este tot o proiecţie.

Teoremă 2.6.1 Operatorul liniar P (·) : V −→ V este proiecţie (proiector) dacă şi numai dacă
P (P (x)) = P (x) pentru orice x ∈ V .

Exerciţiu 2.6.1 Pentru fiecare α ∈ R fixat, operatorul pα (·) : R2 → R2 definit prin


  
0 0 x1
pα (x) = , x = (x1 , x2 )T
α 1 x2

este operator de proiecţie, numit operatorul de proiecţie oblică. 

Soluţie. Se observă că


    
0 0 x1 0
pα (x) = =
α 1 x2 x2 + αx1

şi
    
0 0 0 0
pα (pα (x)) = pα (0, x1 + αx1 ) = = = pα (x) .
α 1 x2 + αx1 x2 + αx1

2.7 Reprezentarea matriceală a operatorilor liniari


Reamintim:
Definiţie 2.7.1 Fie (X, K), (Y, K) spaţii vectoriale de dimensiune finită n ∈ N∗ , respectiv
m ∈ N∗ , U : X → Y operator liniar,
reper reper
E = {x1 , ..., xn } ⊂ X iar F = {y1 , ..., ym } ⊂ Y.

Matricea ale cărei coloane sunt coordonatele vectorilor U (x1 ) , ...,U (xn ) în raport cu reperul
F se numeşte matricea lui U în raport cu reperele E şi F.

R Dacă
U (x1 ) = α11 y1 + ... + αm1 ym
...
U (xn ) = α1n y1 + ... + αmn ym
2.7 Reprezentarea matriceală a operatorilor liniari 73

atunci matricea lui U în raport cu reperele E şi F este


...
 
 
↑ ↑ α11 ... α1n
not
[A]UE,F = (αi j ) i=1,..n = 
 
 [U (x1 )]F ... [U (x n )]F
 =  ...
 ... ...  ( = A).
j=1,...,m ↓ ↓ αm1 ... αmn
...

În plus, are loc (U (x))F = [A]UE,F · xE unde xE este vectorul coordonatelor elementului
x ∈ X în raport cu reperul E.

R Fie (X, K) , (Y, K) spaţii vectoriale finit dimensionale nenule şi U : X → Y operator liniar.
reper canonic reper canonic
Dacă E ⊂ (X, K), F ⊂ (Y, K) iar [A]UE,F este matricea lui U corespunză-
toare reperelor canonice E, F atunci U admite următoarea reprezentare U (x) = [A]UE,F · x.

Definiţie 2.7.2 Fie (X, K) spaţiu vectorial de dimensiune finită n ∈ N∗ iar U : X → X endo-
reper
morfism. Dacă E = {x1 , ..., xn } ⊂ X iar U (xi ) = α1i x1 + ... + αni xn pentru orice i = 1, ..., n
atunci
 
...  
 ↑ ↑  α11 ... α1n
not
[A]UE = (αi j )i=1,...,n =  [U (x1 )]E ... [U (xn )]E  =  ... ... ...  ( = A ),
 
j=1,...,n
 ↓ ↓ 
αn1 ... αnn
...

se numeşte matricea endomorfismului U în raport cu reperul E.

Exerciţiu 2.7.1 Fie P2 [X] spaţiul vectorial al polinoamelor de grad cel mult 2 şi operatorul
liniar U : P2 [X] → P2 [X] definit prin U ( f (X)) = f 0 (X) 00
 + f 2(X).
Să se determine matricea
endomorfismului U în raport cu reperul canonic Bc = 1, X, X din P2 [X]. 

Demonstraţie. Metoda 1. Observăm că


U (1) = (1)0 + (1)00 = 0
U (X) = (X)0 + (X)00 = 1
0 00
U X 2 = X 2 + X 2 = 2X + 2


iar, conform teoriei


0 = α11 · 1 + α21 X + α31 X 2
1 = α12 · 1 + α22 X + α32 X 2
2X + 2 = α13 · 1 + α23 X + α33 X 2
sistem din care, prin identificarea coeficienţilor polinoamelor, obţinem matricea operatorului U
   
α11 α12 α13 0 1 2
[A]UBc =  α21 α22 α23  =  0 0 2  .
α31 α32 α33 0 0 0
izomorf
Metoda 2. Deoarece P2 [X] ' R3 deducem că U este operator liniar de la R3 la R3 , dat
de o matrice A de tip 3 × 3. Vom determina [A]UBc . Dacă f (X) = a + bX + cX 2 atunci putem scrie
operatorul U astfel
0 00
U a + bX + cX 2 = a + bX + cX 2 + a + bX + cX 2 = (b + 2c) + 2cX.

74 Capitolul 2. Operatori liniari

Vom scrie f (X) 2


 = a +2bX
+ cX şi U ( f (X)) = (b + 2c) + 2cX în coordonate în raport cu reperul
canonic Bc = 1, X, X din P2 [X]:
U
f (X) = a + bX + cX 2 → U ( f (X)) = (b + 2c) + 2cX
⇓ ⇓
( f (X))BC = (a, b, c)T → (U ( f (X)))Bc = ((b + 2c) , 2c, 0)T .
Scriem coordonatele operatorului U astfel
      
b + 2c 0 1 2 a 0 1 2
(U ( f (X)))Bc =  2c  =  0 0 2   b  =  0 0 2  ( f (X))BC .
0 0 0 0 c 0 0 0
Matricea
 
0 1 2
[A]UBc = 0 0 2 
0 0 0
este matricea operatorului U.
T T
Exerciţiu 2.7.2 Dacă T : R3 → R3 este operator liniar definit prin T (x) = [A1 ]Bc x unde [A1 ]Bc
este matricea operatorului T în reperul canonic Bc = {e1 , e2 , e3 } ⊂ R3 dată prin
 
1 0 −1
[A1 ]TBc =  0 −2 0 
1 0 0

R3 R3
atunci să se determine un reper B pentru şi matricea [A2 ]TB operatorului Tb : →
b
Span{e2 } Span{e2 }
R3
Span{e2 } în reperul B. 

Soluţie. Probăm că vectorii eb1 , eb3 sunt liniar independenţi. O combinaţie liniară a lor dă vectorul
0 dacă şi numai dacă α1 e1 + α2 e2 ∈ Span {e2 } deducem că
nul α1 eb1 + α2 eb3 = b
α1 e1 + α2 e3 = α3 e2 =⇒ α1 = α2 = α3 = 0.
Mai mult
dimR R3 /Span {e2 } = dimR R3 − dimR Span {e2 } = 2


R3
adică egală cu numărul de vectori liniar independenţi {eb1 , eb3 } ai lui Span{e2 } şi deci B =
reper
R3
{eb1 , eb3 } ⊂ Span{e2 } .
Pentru a determina [A2 ]TB matricea operatorului
b

R3 R3
Tb : →
Span {e2 } Span {e2 }
în reperul B determinată vom observa că
\
T (eb1 ) = T (e1 ) = e\ \ d
1 + e3 = eb1 + eb3 şi T (eb3 ) = T (e3 ) = −e1 = −eb1
şi deci
 
1 −1
[A2 ]TB = .
b
1 0
2.8 Legătura dintre operaţiile cu operatori liniari şi matricele lor 75

2.8 Legătura dintre operaţiile cu operatori liniari şi matricele lor

Teoremă 2.8.1 Fie (X, K), (Y, K), (Z, K) spaţii vectoriale de dimensiune finită nenule. Pre-
supunem că
reper reper reper
E ⊂ X, F ⊂ Y, G ⊂ Z,U1 : X → Y,U2 : X → Y şi U3 : Y → Z

operatori liniari. Dacă [A1 ]UE,F


1
este matricea lui U1 în raport cu reperele E şi F, [A2 ]UE,F
2
a lui
U3
U2 în raport cu reperele E şi F iar [A3 ]F,G matricea lui U3 în raport cu reperele F şi G atunci
i) operatorului liniar U1 +U2 îi corespunde matricea
1 +U2
[A]UE,F = [A1 ]UE,F
1
+ [A2 ]UE,F
2
;

ii) operatorului liniar αU1 (α ∈ K) îi corespunde matricea


U1
[A]αU
E,F = α · [A1 ]E,F ;
1

iii) operatorului liniar U3 ◦U1 îi corespunde matricea


3 ◦U1
[A]UE,G = [A3 ]UF,G
3
· [A1 ]UE,F
1
;

iv) sub ipoteza că U1 este inversabil operatorului liniar U1−1 îi corespunde matricea
−1
U1−1

[A]F,E = [A1 ]UE,F
1
.

Exerciţiu 2.8.1 Fie aplicaţia bijectivă U : R2 → R2 definită prin


 
T 1 1
U (v) = A · v unde v = (v1 , v2 ) iar A =
−1 0

este matricea lui U în reperul canonic din R2 , R . Să se determine U −1 .





Soluţie. Observăm că


 −1  
−1 1 1 0 −1
det A 6= 0 =⇒ A = =
−1 0 1 1

şi deci
  
0 −1 v1
U −1 (v1 , v2 ) = A−1 · v = .
1 1 v2

2.9 Modificarea matricei unui operator liniar la schimbarea reperelor


Teoremă 2.9.1 Fie (X, K), (Y, K) spaţii vectoriale de dimensiune finită nenule şi U : X → Y
operator liniar. Dacă [A]UE1 ,F1 este matricea lui U în raport cu reperele E1 ⊂ X, F1 ⊂ Y iar
76 Capitolul 2. Operatori liniari

[B]UE2 ,F2 este matricea lui U în raport cu reperele E2 ⊂ X, F2 ⊂ Y atunci

[B]UE2 ,F2 = (DF1 ,F2 )−1 · [A]UE1 ,F1 ·CE1 ,E2

unde CE1 ,E2 este matricea de trecere de la reperul E1 la E2 iar DF1 ,F2 este matricea de trecere
de la reperul F1 la F2 .

R Fie (X, K) spaţiu vectorial de dimensiune finită nenul şi U : X → X endomorfism. Dacă
[A]UE este matricea lui U în raport cu reperul E al lui X, iar [B]UF este matricea lui U în
raport cu reperul F ⊂ X atunci

[B]UF = (CE,F )−1 · [A]UE ·CE,F

unde CE,F este matricea de trecere de la reperul E la reperul F.

Exemplu 2.9.1 Fie R2 , R spaţiu vectorial şi U : R2 → R2 definit prin





U (x, y) = (x + y, −2x + 4y) .

Dacă
   
1 1 2 0
[A]UBc = atunci să se arate că [B]UB =
−2 4 0 3

unde
n o reper canonic n o reper
Bc = (1, 0)T , (0, 1)T ⊂ R2 , B = (1, 1)T , (1, 2)T ⊂ R2 .

Soluţie. Observăm că


!    
1 1 1 1 −1 2 −1
CBc ,B = = şi deci (CBc ,B ) = .
1 Bc
2 Bc
1 2 −1 1

Atunci
       
2 −1 1 1 1 1 2 0
[B]UB = · · = ·
−1 1 −2 4 1 2 0 3

Exerciţiu 2.9.1 Fie (P2 [X] , R) spaţiul vectorial al polinoamelor cu coeficienţi reali de grad
cel mult doi peste corpul numerelor reale şi U : P2 [X] → P2 [X] operator liniar  definit
prin U (P (X)) = P (X + 1). Să se determine matricea [A]UB lui U în reperul B = 1, X, X 2 ,

matricea [B]UB1 lui U în reperul B1 = X, X 2 + 1, X 2 − 1 precum şi matricea CB,B1 de trecere




de la reperul B la B1 . Ce legătură există între cele trei matrice? 

Soluţie. Fie x1 = 1, x2 = X, x3 = X 2 . Conform definiţiei lui U avem

U (x1 ) = 1
U (x2 ) = X + 1
U (x3 ) = (X + 1)2 .
2.9 Modificarea matricei unui operator liniar la schimbarea reperelor 77

Însă U (P (X)) = P (X + 1) şi deci

1 = α11 · x1 + α21 x2 + α31 x3


X + 1 = α12 · x1 + α22 x2 + α32 x3
(X + 1)2 = α13 · x1 + α23 x2 + α33 x3 ,

sau echivalent

1 = α11 · 1 + α21 X + α31 X 2


X + 1 = α12 · 1 + α22 X + α32 X 2
(X + 1)2 = α13 · 1 + α23 X + α33 X 2 .

Două polinoame sunt egale dacă coeficienţii termenilor care conţin pe X la aceleaşi puteri sunt
egali. Avem aşadar

α11 = 1, α21 = 0, α31 = 0, α12 = 1, α22 = 1, α32 = 0, α13 = 1, α23 = 2, α33 = 1,

adică
 
1 1 1
[A]UB =  0 1 2  .
0 0 1

Pentru a determina [B]UB1 notăm

y1 = X, y2 = X 2 + 1, y3 = X 2 − 1

iar din U (P (X)) = P (X + 1) avem



 U (y1 ) = X + 1
U (y2 ) = (X + 1)2 + 1
U (y3 ) = (X + 1)2 − 1

şi deci trebuie aflaţi αi j astfel încât



 X + 1 = α11 · y1 + α21 y2 + α31 y3
(X + 1)2 + 1 = α12 · y1 + α22 y2 + α32 y3
(X + 1)2 − 1 = α13 · y1 + α23 y2 + α33 y3 .

Ori, echivalent
2 2
  
 X + 1 = α11 · X + α21 X + 1 + α31 X − 1
(X + 1)2 + 1 = α12 · X + α22 X 2 + 1 + α32 X 2 − 1


(X + 1)2 − 1 = α13 · X + α23 X 2 + 1 + α33 X 2 − 1 .


  

Din identificarea coeficienţilor polinoamelor din prima egalitate a sistemului obţinem



 α11 = 1
α21 + α31 = 0
α21 − α31 = 1

78 Capitolul 2. Operatori liniari

cu soluţia α11 = 1, α21 = 12 , α31 = − 21 . Procedând la fel cu egalitatea a doua şi a treia din sistem
se obţine
 
1 2 2
[B]UB1 =  1/2 3/2 1/2  .
−1/2 −1/2 1/2

Răspundem la întrebarea ce legătură există între [A]UB şi [B]UB1 . Pentru început, calculăm matricea
CB,B1 de trecere de la reperul B la reperul B1 . Conform teoriei trebuie exprimaţi vectorii din B1
în funcţie de vectorii din B. Astfel

 y1 = α11 x1 + α21 x2 + α31 x3
y2 = α12 x1 + α22 x2 + α32 x3
y3 = α13 x1 + α23 x2 + α33 x3

sau echivalent
 X = α11 · 1 + α21 X + α31 X 2

X 2 + 1 = α12 · 1 + α22 X + α32 X 2


 2
X − 1 = α13 · 1 + α23 X + α33 X 2 .
De unde, prin identificarea coeficienţilor polinoamelor deducem că
α11 = 0, α21 = 1, α31 = 0, α12 = 1, α22 = 0, α32 = 1, α13 = −1, α23 = 0, α33 = 1
şi deci
 
0 1 0
CB,B1 =  1 0 1 .
−1 0 1
Relaţia cerută este
 −1   
0 1 −1 1 1 1 0 1 −1
[B]UB1 = (CB,B1 )−1 [A]UB CB,B1 =  1 0 0   0 1 2  1 0 0 
0 1 1 0 0 1 0 1 1
Pentru a verifica dacă s-a greşit la calcule, avem
 
0 1 0
(CB,B1 )−1 =  21 0 12  .
− 12 0 12
Pe de altă parte
   
1 00 1 1 1 0 1 −1
(CB,B1 )−1 [A]UB CB,B1 =  12 0 21   0 1 2   1 0 0 
− 1 0 12 0 0 1 0 1 1
 2 
1 2 2
=  1/2 3/2 1/2  = [B]UB1
−1/2 −1/2 1/2
şi deci nu există erori de calcul. Aşadar pentru a determina [B]UB1 era suficient să determinăm
CB,B1 şi [A]UB matricea [B]UB1 rezultând din relaţia

[B]UB1 = (CB,B1 )−1 [A]UB CB,B1 .


2.10 Valori proprii, vectori proprii şi subspaţii proprii 79

2.10 Valori proprii, vectori proprii şi subspaţii proprii


Fie (X, K) spaţiu vectorial nenul şi U : X → X endomorfism.
Definiţie 2.10.1 Vectorul x ∈ X, x 6= 0X se numeşte vector propriu al lui U dacă există λ ∈ K
astfel încât

U (x) = λ x. (2.25)

Definiţie 2.10.2 Un scalar λ ∈ K se numeşte valoare proprie a lui U dacă există x ∈ X, x 6= 0X


ce verifică (2.25).

Definiţie 2.10.3 Fie λ valoare proprie a lui U. Mulţimea Xλ = { x ∈ X|U (x) = λ x} se


numeşte subspaţiul propriu al lui U corespunzător valorii proprii λ . (Notăm că în Xλ este
inclus şi 0X .)

R Xλ = Ker (U − λ 1X ) este subspaţiu vectorial în X.

Definiţie 2.10.4 Mulţimea tuturor valorilor proprii se notează prin ΛU şi se numeşte spectrul
operatorului U. Numărul Rs = max { |λ || λ ∈ ΛU} se numeşte raza spectrală a operatorului
U.

not
R Dacă dimK X = n ∈ N ∗ iar A = [A]UB este matricea lui U în raport cu reperul B ⊂ X atunci
λ ∈ K este valoare proprie pentru U (se mai spune pentru A) dacă şi numai dacă

det (A − λ In ) = 0. (2.26)

În plus, vectorul propriu x corespunzător valorii proprii λ se determină din sistemul

(A − λ In ) xB = 0X . (2.27)

Definiţie 2.10.5 Dimensiunea subspaţiului propriu Xλ peste K se numeşte multiplicitatea


geometrică a valorii proprii λ . Se notează dimK Xλ prin mgλ .

Definiţie 2.10.6 Multiplicitatea algebrică a valorii proprii λ este multiplicitatea lui λ ca


rădăcină a ecuaţiei (2.26). Notăm prin maλ multiplicitatea algebrică a valorii proprii λ .

R Dacă dimK X = n ∈ N ∗ iar λ ∈ K este o valoare proprie a endomorfismului U atunci


mgλ ≤ maλ .

Exerciţiu 2.10.1 Se consideră endomorfismul U : R3 → R3 definit prin U (x) = A · x unde


 
−1 1 1
A =  1 −1 1 
1 1 −1

este matricea operatorului U în reperul canonic din R3 , R . Să se determine spectrul ΛU şi


subspaţiul propriu al operatorului liniar, Xλ . 


80 Capitolul 2. Operatori liniari

Soluţie. i) Valorile proprii se determină din relaţia

|A − λ I3 | = 0

ori echivalent

−1 − λ 1 1
= 0 ⇔ λ 3 + 3λ 2 − 4 = 0.


1 −1 − λ 1
1 1 −1 − λ

Din schema lui Horner

1 3 0 −4
1 1 4 4 0
−2 1 2 0

deducem că ecuaţia λ 3 + 3λ 2 − 4 = 0 are soluţiile

λ1 = 1; λ2 = λ3 = −2

şi în acelaşi timp ele reprezintă valorile proprii. Astfel că ΛU = {−2, 1}.
Determinăm vectorii proprii. Prin definiţie vectorii proprii sunt

Xλ = xλ ∈ R3 |(A − λ I3 ) xλ = 0R3 .


Pentru λ = λ1 = 1 determinăm xλ1 = (a, b, c)T . Avem

(A − λ1 I3 ) xλ1 = 0R3

ori echivalent cu
    
−2 1 1 a 0
 1 −2 1   b  =  0 
1 1 −2 c 0

ce conduce la sistemul

 −2a + b + c = 0
a − 2b + c = 0
a + b − 2c = 0.

Matricea sistemului este


 
−2 1 1
C =  1 −2 1 
1 1 −2

cu rangC = 2 deoarece

−2 1
M2 = = 3 6= 0
1 −2

şi

M3 = |C| = 0 deoarece |A − λ1 I3 | = 0.
2.11 Polinoame de endomorfisme sau de matrice pătratice 81

Din cele de mai sus deducem că sistemul este compatibil simplu nedeterminat.
(
a, b necunoscute principale
M2 minor principal ⇒ not
c necunoscută secundară ⇒ c = α.

Rezultă uşor că


   
α 1
xλ1 =  α  = α  1 
α 1

şi deci
n o  
Xλ1 = α (1, 1, 1)T |α ∈ R = SpanR (1, 1, 1)T .

Pentru λ = λ2 = λ3 = −2 obţinem analog că


n o  
Xλ2,3 = (m, n, p)T ∈ R3 |m + n + p = 0 = SpanR (−1, 1, 0)T , (−1, 0, 1)T .

deoarece

(m, n, p)T = (−n − p, n, p)T = n (−1, 1, 0)T + p (−1, 0, 1)T .

2.11 Polinoame de endomorfisme sau de matrice pătratice


not
Fie (X, K) spaţiu vectorial cu dimK X = n ∈ N ∗ , U : X → X endomorfism iar A = [A]UB matricea
lui U în raport cu reperul B ⊂ X.
Definiţie 2.11.1 Polinomul

PA (λ ) = det (A − λ In ) = p0 λ n + p1 λ n−1 + ... + pn−1 λ + pn , pi ∈ K cu i = 0, ..., n

ce intervine în (2.26) se numeşte polinomul caracteristic al endomorfismului U iar ecuaţia


PA (λ ) = 0 ce-i corespunde lui PA (λ ), se numeşte ecuaţia caracteristică a lui U.

Invarianţa polinomului caracteristic la schimbarea reperelor este redată în:

Teoremă 2.11.1 Prin schimbarea reperului în spaţiul vectorial (X, K), polinomul caracteristic
al operatorului liniar U nu se modifică.
reper
Demonstraţie. Fie E, F ⊂ X. Notăm A = [A]UE , B = [B]UF iar prin C = [C]E,F matricea de
legătură între reperele E, F. Observăm că

PB (λ ) = |B − λ In | = C−1 AC − λ In = C−1 (A − λ In )C = |A − λ In | = PA (λ ) ,

şi deci polinomul caracteristic nu depinde de alegerea reperului.

Teoremă 2.11.2 — Teorema Hamilton-Cayley. Fie Mn (K) spaţiul vectorial al matricelor


reper
de tip n × n. Dacă B ⊂ X, U : X → X este endomorfism iar A ∈ Mn (K) este matricea lui U
în reperul B atunci PA (A) = 0Mn (K) .
82 Capitolul 2. Operatori liniari

Demonstraţie. Observăm că

(A − λ In ) (A − λ In )∗ = |A − λ In | In pentru λ ∈
/ ΛU (2.28)

unde
 
0 + β (1) λ + ... + β (n−1) λ n−1 ... β 0 + β (1) λ + ... + β (n−1) λ n−1
β11 11 11 1n 1n 1n
(A − λ In )∗ =  ... ... ...
 

0 (1) (n−1) n−1 0 (1) (n−1) n−1
βn1 + βn1 λ + ... + βn1 λ ... βnn + βnn λ + ... + βnn λ
(2.29)

este matricea adjunctă a lui A − λ In . Notaţiile introduse sunt reprezentate de



α22 − λ ... αn2
0 (1) (n−1) n−1
β11 + β11 λ + ... + β11 λ = ...
... ... , ...

α2n ... αnn − λ

Descompunând (2.29) în sume de n matrice avem

(A − λ In )∗
 0 0
  (1) (1)
 
(n−1) (n−1)

β11 ... β1n β ... β1n β ... β1n
 11  11  n−1
= ... ... .. +  ... ... .. λ + ... +  ... ... ...

  λ
βn10 0
... βnn (1) (1) (n−1) (n−1)
β ... βnn βn1 ... βnn
| {z } | n1 {z } | {z }
not not not
=B0 =B1 =Bn−1

= B0 + B1 λ + ... + Bn−1 λ n−1 .

Egalitatea (2.28) devine

(A − λ In ) B0 λ + B1 λ 2 + ... + Bn−1 λ n−1 = p0 λ n + p1 λ n−1 + ... + pn−1 λ + pn In .


 

Efectuând produsul în membrul întâi şi identificând coeficienţii polinoamelor, obţinem

−Bn−1 = p0 In
ABn−1 − In Bn−2 = p1 In
...
AB1 − In B0 = pn−1 In
AB0 = pn In .

Înmulţind prima relaţie cu An a 2-a cu An−1 , ..., n + 1-a cu In , respectiv şi adunând rezultă

p0 An + p1 An−1 + ... + pn−1 A + pn In = 0Mn (K) sau echivalent PA (A) = 0Mn (K) .

Exerciţiu 2.11.1 Fie


 
1 π i
A =  0 0 7 .
0 0 0

Să se calculeze A24 şi A12 . 


2.11 Polinoame de endomorfisme sau de matrice pătratice 83

Soluţie. Observăm că


PA (λ ) = det (A − λ I3 ) = λ 3 − λ 2
astfel că teorema Hamilton-Cayley implică A3 = A2 . Folosim această relaţie de recurenţă pentru
a deduce puterile lui A astfel
4 4 3 2 2 2
A12 = A3 = A2 = A2 · A2 = A3 · A2 = A2 · A2 = A3
2
= A2 = A3 · A = A2 · A = A3 = A2
şi
2 2
A24 = A12 = A2 = A3 A = A2 A = A3 = A2 .
Deci
 
1 π 7π + i
A24 = A12 = A2 =  0 0 0 .
0 0 0

R Dacă det A = pn = PA (0) 6= 0 atunci


 
n−1 1 n−1
pn In = − λ Σ pk λ n−k−1 şi deci A−1 = − Σ pk An−k−1 .
k=0 λ =A pn k=0

Exerciţiu 2.11.2 Folosind teorema Hamilton-Cayley să se calculeze A−1 pentru


 
1 0 1
A =  −2 −1 0  .
2 2 0


Soluţie. Considerăm polinomul caracteristic



1−λ 0 1
= −λ 3 + 3λ − 2

PA (λ ) = |A − λ I3 | = −2 −1 − λ 0
2 2 −λ

din teorema Hamilton-Cayley se cunoaşte că PA (A) = 0M3 (R) sau echivalent −A3 + 3A − 2I3 =
0M3 (R) . Mai mult
1 1
−A3 + 3A = A −A2 + 3I3 .
 
I3 =
2 |2 {z }
=A−1
Calculăm
 
3 2 1
A2 =  0 1 −2 
−2 −2 2
şi
0 −1 − 12
     
3 2 1 1 0 0
−A2 + 3I3 1 3
A−1 = =−  0 1 −2  +  0 1 0  =  0 1 1 .
2 2 2 1
−2 −2 2 0 0 1 1 1 2
84 Capitolul 2. Operatori liniari

2.12 Operator liniar diagonalizabil. Matrice diagonalizabilă


Fie (X, K) spaţiu vectorial cu dimK X = n ∈ N ∗ şi U : X → X endomorfism.
Definiţie 2.12.1 O matrice A = (ai, j )i=1,...,n ∈ Mn (K) se numeşte diagonală dacă ai, j = 0
j=1,...,n
∀i 6= j.

R Dacă A ∈ Mn (K) este o matrice diagonală de forma


   k 
λ1 0 ... 0 λ1 0 ... 0
 0 λ2 ... 0  k  0
 λ2k ... 0   ∀k ∈ N∗ .
A=  ... ... ... ...  atunci A =  ...

... ... ... 
0 0 ... λn 0 0 ... λnk

Definiţie 2.12.2 O matrice A ∈ Mn (K) se numeşte diagonalizabilă dacă există C o matrice


nesingulară (inversabilă) astfel încât matricea D = C−1 AC este o matrice diagonală.

R Dacă A ∈ Mn (K) este diagonalizabilă atunci Ak = C · Dk ·C−1 unde D = C−1 · A ·C iar C


este matricea de trecere ce permite diagonalizarea.

Demonstraţie. Într-adevăr,

D = C−1 · A ·C =⇒ A = C · D ·C−1 =⇒
k
Ak = C · D ·C−1 = C · D ·C−1 C · D ·C−1 ... C · D ·C−1
  

= C·D ... · D} ·C−1 = C · Dk ·C−1 .


| · {z
de k ori

Exerciţiu 2.12.1 Fie A, B,C ∈ Mn (R) astfel încât B = C−1 AC. Dacă f este un polinom
oarecare atunci să se arate că f (B) = C−1 f (A)C. 

Soluţie. Am văzut că

B = C−1 AC =⇒ Bk = C−1 AkC pentru orice k ∈ N.

Dacă

f (x) = an xn + an−1 xn−1 + ... + a0

atunci

f (B) = an Bn + an−1 Bn−1 + ... + a0 In


= anC−1 AnC + an−1Cn−1 An−1C + ... + a0 In
= C−1 an An + an−1 An−1 + ... + a0 In C = C−1 f (A)C


adică, ceea ce trebuia demonstrat.


Are loc următorul rezultat general:

Teoremă 2.12.1 O matrice A ∈ Mn (K) este diagonalizabilă dacă şi numai dacă are n vectori
proprii ce formează o bază.
2.12 Operator liniar diagonalizabil. Matrice diagonalizabilă 85

Algoritmul de diagonalizare pentru o matrice A ∈ Mn (K) este următorul:

R [Etapa 1:] Dacă A ∈ M (n; K) determinăm PA (λ ) şi spectrul



ΛU = λ1 , ..., λ p
cu multiplicităţile maλ , ..., maλ p valorilor proprii respective.
1

R [Etapa 2:] Pentru λ = λ1 determinăm spaţiul Xλ1 şi un reper B1 al său. Dacă ∃i ∈ {1, ..., p}
astfel încât mgλ 6= maλ atunci matricea A nu se diagonalizează. Însă dacă
1 1

mgλ = maλ , ..., mgλ p = maλ p


1 1

atunci determinăm reperele B1 , ..., B p pentru Xλ1 , ..., Xλ p .

R [Etapa 3:] Considerăm matricea C punând pe coloane la rând vectorii reperului B1 , apoi ai
lui B2 , ... , B p . Atunci C−1 · A ·C = D este matrice diagonală. Totodată, Ak = C · Dk ·C−1 .

Definiţie 2.12.3 Spunem că operatorul U ∈ LK (X, X) este diagonalizabil dacă există un reper
al lui X în raport cu care matricea sa este diagonală.

Teoremă 2.12.2 — Teorema de caracterizare a diagonalizării. Fie A ∈ Mn (K) matricea


lui U într-un reper al lui X. Sunt echivalente:
i) U diagonalizabil.
ii) Rădăcinile λ1 , ..., λ p ale polinomului caracteristic PA (λ ) sunt în K, mgλi = maλi pentru
orice i = 1, ..., p şi mgλ1 + ... + mgλ p = n.

R Fie λ1 , ..., λ p ∈ K cele p valori proprii distincte ale lui U. U este diagonalizabil dacă şi
numai dacă X = Xλ1 ⊕ ... ⊕ Xλ p unde Xλi (i = 1, ..., p) este subspaţiul propriu corespunzător
lui λi .

Exerciţiu 2.12.2 Să se afle subspaţiile proprii ale operatorului liniar U : R2 −→ R2 definit
prin U (x1 , x2 ) = (−4x1 + 4x2 , −9x1 + 8x2 )T . Este operatorul liniar diagonalizabil? Justificaţi
răspunsul. 

Soluţie. Scriem
    
−4 4 x1 not −4 4
U (x1 , x2 ) = şi deci A = AUBc = ,
−9 8 x2 −9 8
n o
unde Bc = e1 = (1, 0)T , e2 = (0, 1)T este reperul canonic din R2 .
Calculăm valorile proprii

−4 − λ 4
|A − λ I2 | = 0 sau echivalent
=0
−9 8−λ
de unde deducem că

λ 2 − 4λ + 4 = 0 ⇐⇒ (λ − 2)2 = 0 =⇒ λ = 2 cu maλ = 2.
86 Capitolul 2. Operatori liniari

Pentru λ = 2 dederminăm vectorul propriu x = (x1 , x2 )T 6= (0, 0)T , din sistemul


    
−6 4 x1 0
(A − λ I2 ) x = 0R2 ⇔ = =⇒ −6x1 + 4x2 = 0
−9 −6 x2 0
şi deci
x1 = 2x2 /3 =⇒ x = (2x2 /3, x2 )T = x2 (2/3, 1)T

n o n o
T T
X = x (2/3, 1) x ∈ = Span (2, 3)

subspaţiul propriu este λ 2 2 R
n o bază
=⇒ B = (2, 3)T ⊂ Xλ =⇒ mgλ = 1.

Cum mgλ = 1 < maλ = 2 deducem că U nu este diagonalizabil (Conform Teoremei de caracteri-
zare a diagonalizării).
Algoritmul de diagonalizare pentru endomorfismul U este următorul:

R [Etapa 1:] Determinăm un reper B ⊂ X şi scriem matricea A ∈ Mn (K) asociată endomor-
fismului U în aceast reper.

R [Etapa 2:] Determinăm PA (λ ) şi spectrul



ΛU = λ1 , ..., λ p
cu multiplicităţile maλ , ..., maλ p respective.
1

R [Etapa 3:] Pentru λ = λ1 determinăm spaţiul Xλ1 şi un reper B1 al lui. Dacă ∃i ∈ {1, ..., p}
astfel încât mgλ 6= maλ atunci operatorul U nu se diagonalizează. Însă, dacă
1 1

mgλ = maλ , ..., mgλ p = maλ p


1 1

vom determina reperele B1 , ..., B p pentru Xλ1 , ..., Xλ p .

R [Etapa 4:] Scriem reperul B0 al spaţiului vectorial în raport cu care matricea asociată lui
U are forma diagonală canonică, adică
B0 = B1 ∪ ... ∪ B p .
Matricea asociată lui U în reperul B0 este matrice diagonală şi are pe diagonala principală
valorile proprii λ1 , ..., λ p fiecare dintre acestea apărând de un număr de ori egal cu ordinul
său de multiplicitate:
 
λ1 0 ... .. 0
 0 λ1 ... ... 0 
U
 
 ... ... ... ... ...  .
[D]B0 =  
 ... ... ... λ p 0 
0 0 ... ... λ p

R [Etapa 5:] Construim matricea de trecere de la reperul B la reperul B0 , adică CB,B0 .

R [Etapa 6:] Verificăm corectitudinea calculelor testând valabilitatea relaţiei


−1
[D]UB0 = CB,B0 · A ·CB,B0 .
2.12 Operator liniar diagonalizabil. Matrice diagonalizabilă 87

Exerciţiu 2.12.3 Se consideră endomorfismul U : R3 → R3 definit prin

U (x1 , x2 , x3 ) = (3x1 − x2 + 2x3 , 2x1 + 2x3 , x1 + 3x2 )T

şi se cere:
i) să se scrie matricea A = [A]UBC unde Bc este reperul canonic al lui R3 ;
ii) să se determine pentru fiecare valoare proprie λ a lui U subspaţiul său propriu Xλ şi
o bază în Xλ ;
iii) să se determine un reper, B0 al spaţiului vectorial R3 ,R în raport cu care matricea


asociată lui U are forma diagonală. 

Soluţie. i) Fie Bc = {e1 , e2 , e3 } reper canonic din R3 . Matricea lui U în Bc este


 
3 −1 2
A =  2 0 2 .
1 3 0

ii) Ecuaţia caracteristică a lui U este



3 − λ −1 2

|A − λ I3 | = 0 ⇔ 2 −λ 2 =0

1 3 −λ

cu soluţiile λ1 = −2, λ2 = 1, λ3 = 4.
Aşadar spectrul lui U este ΛU = {λ1 , λ2 , λ3 } cu multiplicităţile

maλ1 = maλ2 = maλ2 = 1.

Pentru λ = λ1 = −2 căutăm x = (x1 , x2 , x3 )T ∈ Xλ1 astfel încât


    
5 −1 2 x1 0
 2 2 2   x2  =  0 
1 3 2 x3 0
T
şi obţinem soluţia x = − 21 x3 , − 12 x3 , x3 . Aşadar
(  T )
1 1
Xλ1 = x3 − , − , 1 x3 ∈ R .

2 2
n o
Un reper B1 ⊂ Xλ1 este B1 = v1 = (1, 1, −2)T . Analog, pentru λ2 şi λ3 găsim subspaţiile
proprii
(  T )
5 4
Xλ2 = x3 − , , 1 x3 ∈ R

7 7

şi, respectiv
n o
Xλ3 = x3 (1, 1, 1)T x3 ∈ R .

n o bază n o bază
Evident B2 = v2 = (−5, 4, 7)T ⊂ Xλ2 iar B3 = v3 = (1, 1, 1)T ⊂ Xλ3 fapt ce încheie
demonstraţia lui ii).
88 Capitolul 2. Operatori liniari

iii) Remarcăm că este îndeplinit ii) din Teorema de caracterizare a diagonalizării

mgλ1 = mgλ2 = mgλ3 = maλ1 = maλ2 = maλ2 = 1

respectiv maλ1 + maλ2 + maλ2 = dimR R3 = 3 astfel se poate deduce că U este diagonalizabil şi
   
λ1 0 0 −2 0 0
[D]UB0 =  0 λ2 0  =  0 4 0  .
0 0 λ3 0 0 1

Reperul spaţiului vectorial R3 ,R în raport cu care matricea asociată lui U are forma diagonală


este B0 = B1 ∪ B2 ∪ B3 iar
 
1 1 −5
CB,B0 =  1 1 4  .
−2 1 7

Se verifică
−1
[D]UB0 = CB,B0 · A ·CB,B0
 1 4
− 9 9 − 31
      
3 −1 2 1 1 −5 −2 0 0
=  59 1
9
1  
3 · 2 0 2 · 1 1 4  =  0 4 0 ,
1 1
−9 9 0 1 3 0 −2 1 7 0 0 1
deci că nu s-a greşit.

2.13 Forma diagonală/forma canonică Jordan a unui endomorfism


Fie (X, K) spaţiu vectorial cu dimK X = n ∈ N∗ , U : X → X endomorfism şi λ ∈ K valoare
proprie a lui U.
Definiţie 2.13.1 Se numeşte celulă Jordan de ordin p ataşată scalarului λ ∈ K o matrice de
tip p × p de forma:
 
λ 1 0 ... 0 0
 0 λ
 1 ... 0 0  
 0 0 λ ... ... ... 
Jp (λ ) = 
 ... ...
.
 ... ... ... ... 

 0 0 ... ... λ 1 
0 0 ... ... 0 λ

Definiţie 2.13.2 Se numeşte bloc Jordan de ordin (p1 , ..., pr ) ataşat scalarului λ ∈ K o matrice
de tip (p1 + ... + pr ) × (p1 + ... + pr ) de forma:
 
Jp1 (λ ) 0 ... 0 0
 0
 Jp2 (λ ) ... 0 0 

 ...
B p (λ ) = diag (Jp1 (λ ) , ..., Jpr (λ )) =  ... ... ... ... 

 0 0 ... Jpr−1 (λ ) 0 
0 0 ... ... Jpr (λ )

unde p1 + ... + pr = p.
2.14 Forma canonică a unui operator nilpotent 89
Definiţie 2.13.3 Se numeşte matrice sub forma canonică Jordan o matrice pătratică de ordin
n pe a cărei diagonală principală se află blocuri Jordan cu scalari diferiţi, adică:

J = diag Bn1 (λ1 ) , ..., Bn p (λr ) , n1 + ... + n p = n.

Definiţie 2.13.4 Spunem că U este jordanizabil, dacă există un reper în X faţă de care
matricea lui U să aibă forma canonică Jordan.

Definiţie 2.13.5 O matrice A ∈ Mn (K) spunem că este jordanizabilă, dacă există o matrice
nesingulară C ∈ Mn (K) astfel încât C−1 AC să fie o matrice sub forma canonică Jordan.

2.14 Forma canonică a unui operator nilpotent


Fie (X, K) spaţiu vectorial cu dimK X ∈ N∗ .
Definiţie 2.14.1 Un operator N ∈ LK (X, X) se numeşte nilpotent dacă există r ∈ N astfel
încât N r (·) = 0X . Cel mai mic r ∈ N cu această proprietate se numeşte gradul lui N (sau
indexul de nilpotenţă).

Definiţie 2.14.2 O matrice A ∈ Mn (K) se numeşte nilpotentă dacă există r ∈ N astfel încât
Ar = 0Mn (K) .

R O matrice nilpotentă are numai valoarea proprie zero.

Teoremă 2.14.1 Operatorul N ∈ LK (X, X) este nilpotent dacă şi numai dacă există B ⊂ (X, K)
astfel încât matricea [A]NB a operatorului N în reperul B este nilpotentă.

r
 r r
Demonstraţie. Se observă că [A]NB = [A]NB şi deci [A]NB = 0X dacă şi numai dacă N r = 0X .

Definiţie 2.14.3 Fie operatorul U ∈ LK (X, X). Vectorul x ∈ X, x 6= 0X se numeşte vector


propriu generalizat al lui U dacă există λ ∈ K şi r ∈ N∗ astfel încât

(U − λ 1X )r (x) = 0X (2.30)

iar mulţimea

X λ = { x ∈ X| (U − λ 1X )r (x) = 0X } = Ker (U − λ 1X )r : X → X,

se numeşte spaţiul vectorilor proprii generalizaţi asociat lui λ .

not ăm
R Are loc Xλ ⊂ X λ iar operatorul N (x) = (U − λ 1X ) (x) ∈ LK (X, X) cu proprietatea
(2.30) este nilpotent.

Definiţie 2.14.4 Un ciclu (sau lanţ) de vectori proprii generalizaţi


 ai endomorfismului
nilpo-
tent N ∈ LK (X, X) este un şir de vectori nenuli, de forma v, N (v) , ..., N r−1 (v) unde
N r (v) = 0X . v este rădăcina ciclului de vectori proprii generalizaţi, N r−1 (v) este vectorul de
final iar r este lungimea ciclului.
90 Capitolul 2. Operatori liniari
not ăm
R Fie operatorul U ∈ LK (X, X), dimK X = n ∈ N∗ şi A = [A]UB matricea lui U în raport
cu reperul B ⊂ X. Vectorul propriu generalizat v 6= 0X corespunzător valorii proprii λ
se determină din sistemul (A − λ In )r vB = 0X unde (A − λ In )r = 0Mn (K) iar un ciclu de
vectori proprii generalizaţi corespunzători lui λ este
n o
v, (A − λ In )1 · v, (A − λ In )2 · v, ..., (A − λ In )r−1 · v . (2.31)

R Ciclul de vectori proprii generalizaţi din (2.31) formează un sistem liniar independent.

Teoremă 2.14.2 — Forma canonică Jordan a operatorilor nilpotenţi. Dacă N ∈ LK (X, X)


este endomorfism nilpotent atunci N are un reper format din vectori proprii generalizaţi ai lui
N. Matricea asociată lui N în aceast reper este matrice Jordan.

2.15 Reper Jordan. Algoritm de jordanizare


Fie (X, K) spaţiu vectorial cu dimK X = n ∈ N∗ , U : X → X endomorfism.
Definiţie 2.15.1 Se numeşte reper Jordan un reper al lui X în care matricea lui U este o
matrice Jordan.
Algoritmul de jordanizare pentru U ∈ LK (X, X) este redat în cele ce urmează:

reper
R [Etapa 1:] Fixăm B ⊂ X şi scriem matricea A ∈ Mn (K) a lui U în raport cu aceast reper.

R [Etapa 2:] Determinăm polinomul caracteristic


PA (λ ) = |A − λ In | .
Sunt posibile două cazuri:
Caz 1. PA (λ ) = 0 nu admite n rădăcini în K situaţie în care U nu este jordanizabil.
Caz 2. PA (λ ) = 0 are soluţiile
λ1 , ..., λr ∈ K cu maλ + ... + maλr = n
1

iar U este jordanizabil şi se continuă:

R [Etapa 3:] Fixăm o valoare proprie λ şi calculăm matricea endomorfismului


not ăm
N (·) = U (·) − λ 1X (·)
în raport cu reperul B. O notăm prin N această matrice.

R [Etapa 4:] Determinăm numărul celulelor Jordan pentru valoarea proprie λ :


mgλ = dimK KerN (·) = dimK Xλ .
Pot să existe două cazuri:
Caz 1. Dacă mgλ = maλ un reper pentru Xλ va fi format din mgλ vectori proprii liniar
independenţi. Deci, pentru λ vom avea maλ celule Jordan de forma J1 (λ ).
Caz 2. Dacă mgλ < maλ se trece la:
2.15 Reper Jordan. Algoritm de jordanizare 91

R [Etapa 5:] Determinăm s ∈ N∗ , minim, s ≤ maλ , astfel încât

rangN s = rangN s+p pentru orice p ∈ N.

R [Etapa 6:] Determinăm nh numărul celulelor Jordan de ordin h ∈ {1, 2, ..., s} după formula

nh = rangN h+1 − 2rangN h + rangN h−1


unde
rangN 0 = rang IMn (K) = n, rangN s+1 = rangN s , Σsh=1 hnh = maλ .


R [Etapa 7:] Se repetă algoritmul începând cu Etapa 3 pentru fiecare valoare proprie a lui
U.

R [Etapa 8:] Se scrie matricea J a lui U sub forma canonică Jordan.

R [Etapa 9.] În general, ţinând seama de definiţia matricei unei aplicaţii liniare în raport cu
un reper, se determină reperul B0 al lui X în raport cu care U are matricea J.

R Matricea Jordan J este unic determinată de matricea A, până la o permutare a blocurilor de


pe diagonala principală.

Exerciţiu 2.15.1 Fie (M4 (R) , R) spaţiul vectorial al matricelor de tip 4 × 4 cu elemente
numere reale şi
 
0 1 1 0
 −1 2 0 1  ∈ M4 (R) .

A=  −1 0 −2 1 
0 −1 −1 0

matricea operatorului U : R4 −→ R4 în reperul canonic din R. Să se determine forma canonică


Jordan. 

Soluţie. Observăm că polinomul caracteristic este



−λ 1 1 0

−1 2 − λ 0 1 4 Hamilton−Cayley 4
PA (λ ) = =λ =⇒ A = 0M4 (R) .
−1 0 −2 − λ 1
0 −1 −1 −λ
Deducem de aici că A este matrice nilpotentă. Se rezolvă ecuaţia PA (λ ) = 0 de unde deducem
că λ = 0 ∈ R cu maλ = 4.
Pentru λ = 0 se obţine matricea
 
0 1 1 0
 −1 2 0 1 
N=  −1 0 −2 1  .

0 −1 −1 0
92 Capitolul 2. Operatori liniari

Se determină numărul celulelor Jordan pentru valoarea proprie λ : mgλ = dimR KerN (·) unde
     

 0 1 1 0 x1 0  
−1 2 0 1   x2   0 
 
KerN (·) = x = (x1 , x2 , x3 , x4 )T ∈ R  =  .



 −1 0 −2 1   x3   0 

0 −1 −1 0 x4 0
 

Pentru aceasta, calculăm rangN. Cum



N
0 1
M2 = 6= 0
−1 2
iar toţi minorii de ordin 3 sunt nuli deducem că rangN = 2. Astfel că
n o
(−2, −1, 1, 0)T , (1, 0, 0, 1)T

este sistem liniar independent maximal în KerN (·) şi deci 2 = dimR KerN (·) < maλ = 4.
Trecem la:
Se observă că
    
0 1 1 0 0 1 1 0 −2 2 −2 2
−1 2 0 1   −1 2 0 1   −2 2 −2 2
N2 = 
     
 −1 0 −2 1   −1 0 −2 = ,
1   2 −2 2 −2 
0 −1 −1 0 0 −1 −1 0 2 −2 2 −2
 
0 0 0 0
0 0 0 0 
N3 = 

 0 0 0 0  şi deci s = 3.

0 0 0 0
Se determină nh numărul celulelor Jordan de ordin h ∈ {1, 2, 3} după formula

nh = rangN h+1 − 2rangN h + rangN h−1

unde

rangN 0 = rangI4 = 4, rangN s+1 = rangN s , Σsh=1 hnh = maλ .

Pentru aceasta, se observă că

rangN = 2, rangN 2 = 1, rangN 3 = rangN 4 = rangN 5 = 0.

Astfel că
n1 = rangN 2 − 2rangN 1 + rangN 0 = 1 − 4 + 4 = 1
n2 = rangN 3 − 2rangN 2 + rangN 1 = −2 + 2 = 0
n3 = rangN 4 − 2rangN 3 + rangN 2 = 1.
Aşadar, matricea Jordan asociată lui A are: o celulă de ordin 1¸ zero celule de ordin 2, o celulă de
ordin 3:
 
0 0 0 0
 0 0 1 0 
J=  0 0 0 1 .

0 0 0 0
2.15 Reper Jordan. Algoritm de jordanizare 93

Exerciţiu 2.15.2 Fie (M4 (R) , R) spaţiul vectorial al matricelor de tip 4 × 4 cu elemente
numere reale şi
 
2 1 0 0
 0 2 0 0 
A=  ∈ M4 (R) .
 0 0 0 1 
0 0 −1 2

matricea operatorului U : R4 −→ R4 în reperul canonic din R4 . Să se determine forma


canonică Jordan. 

Soluţie. Observăm că polinomul caracteristic este



2−λ 1 0 0

0 2−λ 0 0 2
PA (λ ) =
0 0 −λ 1 = (2 − λ ) [−λ (2 − λ ) + 1] .

0 0 −1 2 − λ
Se rezolvă ecuaţia PA (λ ) = 0 de unde deducem că λ1 = 2 ∈ R cu maλ1 = 2 şi λ2 = 1 ∈ R cu
maλ2 = 2.
Pentru λ1 = 2 se obţine matricea
 
0 1 0 0
 0 0 0 0 
N=  0 0 −2 1  .

0 0 −1 0
Se determină numărul celulelor Jordan pentru valoarea proprie λ1 : mgλ1 = dimR KerN (·) unde
     

 0 1 0 0 x1 0 
 0 0 0 0   x2   0 
  
T
   
KerN (·) = x = (x1 , x2 , x3 , x4 ) ∈ R  =  .

 0 0 −2 1   x3   0  
0 0 −1 0 x4 0
 

Pentru aceasta, calculăm rangN. Cum



1 0 0
M3N = 0 −2 1 6= 0

0 −1 0
n o
iar det N = 0 deducem că rangN = 3. Astfel că (1, 0, 0, 0)T este sistem liniar independent
maximal în KerN (·) şi deci
1 = dimR KerN (·) < maλ1 = 2.
Trecem la:
Se observă că
    
0 1 0 0 0 1 0 0 0 0 0 0
 0 0 0 0   0 0 0 0   0 0 0 0 
N2 =   = ,
 0 0 −2 1   0 0 −2 1   0 0 3 −2 
0 0 −1 0 0 0 −1 0 0 0 2 −1
 
0 0 0 0
 0 0 0 0 
N3 =  .
 0 0 −4 3 
0 0 −3 2
94 Capitolul 2. Operatori liniari

Deci s = 2 deoarece rangN 2 = rangN 2+p = 2 pentru orice p ∈ N. Într-adevăr, observăm că
  

 0 0 0 0

  0 0 0 0 

   dacă p ∈ N este impar




 0 0 2 + p + 2 −(2 + p + 1) 
0 0 2 + p + 1 −(2 + p)

N 2+p = 

 0 0 0 0

  0 0 0 0 

   dacă p ∈ N este par
0 0 − (2 + p + 2) 2 + p + 1 

 


0 0 − (2 + p + 1)

2+ p

(de verificat afirmaţia) şi se va întâmpla să avem



N 2+p
− (2 + p + 2) 2 + p + 1
det M2 = = 1 6= 0
− (2 + p + 1) 2+ p

şi

2+p 2 + p + 2 −(2 + p + 1)
det M2N

= = 1 6= 0.
2+ p+1 −(2 + p)

Se determină nh numărul celulelor Jordan de ordin h ∈ {1, 2} după formula

nh = rangN h+1 − 2rangN h + rangN h−1

unde

rangN 0 = rangI4 = 4, rangN s+1 = rangN s , Σsh=1 hnh = maλ .

Pentru aceasta, se observă că

rangN = 3, rangN 2 = 2, rangN 3 = 2.

Astfel că
n1 = rangN 2 − 2rangN 1 + rangN 0 = 2 − 6 + 4 = 0
n2 = rangN 3 − 2rangN 2 + rangN 1 = 2 − 4 + 3 = 1.

Aşadar, avem: zero celule de ordin 1¸ o celulă de ordin 2:


 
2 1
B1 (λ1 ) = J2 (λ1 ) = .
0 2

Pentru λ2 = 1 se obţine matricea


 
1 1 0 0
 0 1 0 0 
N=  0 0 −1 1  .

0 0 −1 1

Se determină numărul celulelor Jordan pentru valoarea proprie λ : mgλ2 = dimR KerN (·) unde
    

 1 1 0 0 x1 0 
 0 1 0 0   x2   0 
 
T
KerN (·) = x = (x1 , x2 , x3 , x4 ) ∈ R   =  .

 0 0 −1 1   x3   0 

0 0 −1 1 x4 0
 
2.15 Reper Jordan. Algoritm de jordanizare 95

Pentru aceasta, calculăm rangN. Cum



1 1 0
M2N = 0 1 0 6= 0

0 0 −1
n o
iar det N = 0 deducem că rangN = 3. Astfel că (0, 0, 1, 1)T este sistem liniar independent
maximal în KerN (·) şi deci
mgλ2 = 1 = dimR KerN (·) < maλ2 = 2.
Trecem la:
Se observă că
      
1 1 0 0 1 1 0 0 1 2 0 0 1 3 0 0
0 1 0 0   0 1 0 0   0 1 0 0  0 1 0 0 
N2 =   , N3 = 
 
 = .
 0 0 −1 1   0 0 −1 1   0 0 0 0   0 0 0 0 
0 0 −1 1 0 0 −1 1 0 0 0 0 0 0 0 0
deci s = 2 deoarece rangN 2 = rangN 2+p = 2 pentru orice p ∈ N. Într-adevăr, observăm că
 
1 2+ p 0 0
 0 1 0 0 
N 2+p = 
 0
.
0 0 0 
0 0 0 0
(de verificat afirmaţia) şi se va întâmpla să avem

N 2+p
1 2+ p
det M2 =
= 1 6= 0.
0 1
Se determină nh numărul celulelor Jordan de ordin h ∈ {1, 2} după formula
nh = rangN h+1 − 2rangN h + rangN h−1
unde
rangN 0 = rangI4 = 4, rangN s+1 = rangN s , Σsh=1 hnh = maλ .
Pentru aceasta, se observă că
rangN = 3, rangN 2 = 2, rangN 3 = 2.
Astfel că
n1 = rangN 2 − 2rangN 1 + rangN 0 = 2 − 6 + 4 = 0
n2 = rangN 3 − 2rangN 2 + rangN 1 = 2 − 4 + 3 = 1.
Aşadar, avem zero celule de ordin 1¸ o celulă de ordin 2:
 
1 1
B2 (λ2 ) = J2 (λ2 ) = .
0 1
Matricea Jordan asociată lui A este
 
2 1 0 0
 0 2 0 0 
J = diag (B1 (λ1 ) , B2 (λ2 )) = 
 0
.
0 1 1 
0 0 0 1
96 Capitolul 2. Operatori liniari

R Vectorul v1 ∈ X, v1 6= 0X definit prin N (v1 ) = 0X se numeşte vector propriu iar vectorii v2 ,


v3 , ... , vs definiţi prin
N (v2 ) = v1 , ..., N (vs ) = vs−1 (2.32)

se numesc vectori proprii principali. Nucleele KerN (·) , ..., KerN s−1 (·) se numesc nuclee
principale. Şirul (2.32), este echivalent cu

(A − λ In ) v2 = v1 , ... , (A − λ In )s−1 vs = vs−1


în reprezentarea matriceală.

Exerciţiu 2.15.3 Fie (M3 (R) , R) spaţiul vectorial al matricelor de tip 3 × 3 cu elemente
numere reale şi
 
0 1 0
A =  0 0 1  ∈ M3 (R) ,
1 −3 3

matricea operatorului U : R3 −→ R3 în reperul canonic din R3 . Să se determine forma


canonică Jordan şi matricea jordanizatoare. 

Soluţie. Observăm că polinomul caracteristic este



0−λ 1 0
1 = −λ 3 + 3λ 2 − 3λ + 1

PA (λ ) = 0 0−λ
1 −3 3 − λ

Se rezolvă ecuaţia PA (λ ) = 0 de unde deducem că λ = 1 ∈ R cu maλ = 3.


Pentru λ = 1 se obţine matricea
 
−1 1 0
N =  0 −1 1  .
1 −3 2

Se determină numărul celulelor Jordan pentru valoarea proprie λ : mgλ = dimR KerN (·) unde
     
 −1 1 0 x1 0 
KerN (·) = x = (x1 , x2 , x3 )T ∈ R  0 −1 1   x2  =  0  .

1 −3 2 x3 0
 

Pentru aceasta, calculăm rangN. Cum



N
−1 1
M2 = = 1 şi det N 6= 0,
0 −1

deducem că rangN = 2. Astfel că, în sistemul


    
−1 1 0 x1 0
 0 −1 1   x2  =  0 
1 −3 2 x3 0

avem două necunoscute principale şi una secundară



−x1 + x2 = 0
=⇒ =⇒ (x1 , x2 , x3 )T = (x3 , x3 , x3 )T = x3 (1, 1, 1)T
−x2 + x3 = 0
2.15 Reper Jordan. Algoritm de jordanizare 97
n o
T
şi (1, 1, 1) este sistem liniar independent maximal în KerN (·). Am demonstrat că

1 = dimR KerN (·) < maλ = 3.

Trecem la:
Se observă că
    
−1 1 0 −1 1 0 1 −2 1
N 2 =  0 −1 1   0 −1 1  =  1 −2 1  =⇒ rangN 2 = 1
1 −3 2 1 −3 2 1 −2 1

şi
    
1 −2 1 −1 1 0 0 0 0
N 3 =  1 −2 1   0 −1 1  =  0 0 0 
1 −2 1 1 −3 2 0 0 0

deci s = 3 deoarece rangN 3 = rangN 3+p = 0 pentru orice p ∈ N.


Se determină nh numărul celulelor Jordan de ordin h ∈ {1, 2} după formula

nh = rangN h+1 − 2rangN h + rangN h−1

unde

rangN 0 = rangI3 = 3, rangN s+1 = rangN s , Σsh=1 hnh = maλ .

Pentru aceasta, se observă că rangN = 2, rangN 2 = 1, rangN 3 = 0.


Astfel că

n1 = rangN 2 − 2rangN 1 + rangN 0 = 1 − 4 + 3 = 0


n2 = rangN 3 − 2rangN 2 + rangN 1 = 0 − 2 + 2 = 0
n3 = rangN 4 − 2rangN 3 + rangN 2 = 0 − 2 · 0 + 1 = 1.

Aşadar, avem zero celule de ordin 1, zero celule de ordin 2 şi o celulă de ordin trei:
 
1 1 0
J3 (λ ) =  0 1 1  .
0 0 1

Matricea Jordan asociată lui U este


 
1 1 0
J =  0 1 1 .
0 0 1

Pentru a determina matricea jordanizatoare C observăm că avem un ciclu (lanţ) de vectori
2 3
generalizaţi de lungime trei v, N · v, N · v deoarece N · v = 0 nu este 6= 0 şi deci nu intră în
această mulţime.
Scriem ce înseamnă că J este matricea Jordan a lui U
 
 U (v1 ) = v1  (A − I3 ) v1 = 0R3
U (v2 ) = v1 + v2 ⇔ (A − I3 ) v2 = v1
U (v3 ) = v2 + v3 (A − I3 ) v3 = v2 .
 
98 Capitolul 2. Operatori liniari

Pentru v1 = (1, 1, 1)T se poate determina v2 = (a, b, c)T din


    
−1 1 0 a 1 
 0 −1 1   b  =  1  =⇒ −a + b = 1 =⇒ a = c − 2, b = c − 1,
−b + c = 1
1 −3 2 c 1

şi în final v2 = (a, b, c)T = (−2, −1, 0)T dacă c = 0.


Pentru v2 = (−2, −1, 0)T se poate determina v3 = (m, n, p)T din
    
−1 1 0 m −2 
 0 −1 1   n  =  −1  =⇒ −m + n = −2 =⇒ m = 2p + 3, n = 2p + 1,
−n + p = −1
1 −3 2 p 0

şi în final v3 = (m, n, p)T = (3, 1, 0)T ndacă p = 0. o


Am obţinut reperul Jordan B = (1, 1, 1)T , (−2, −1, 0)T , (3, 1, 0)T format din vectorii
proprii generalizaţi de mai sus.
Un calcul simplu arată că
 −1     
1 −2 3 0 1 0 1 −2 3 1 1 0
C−1 AC =  1 −1 1   0 0 1   1 −1 1  =  0 1 1  = J.
1 0 0 1 −3 3 1 0 0 0 0 1

Exerciţiu 2.15.4 Fie (M3 (R) , R) spaţiul vectorial al matricelor de tip 3 × 3 cu elemente
numere reale şi
 
−2 −1 1
A =  2 −5 2  ∈ M3 (R) .
1 −1 −2

matricea operatorului U : R3 −→ R3 în reperul canonic din R. Să se determine forma canonică


Jordan şi matricea jordanizatoare. 

Soluţie. Observăm că polinomul caracteristic este



−2 − λ −1 1
= −λ 3 − 9λ 2 − 27λ − 27.

PA (λ ) =
2 −5 − λ 2
1 −1 −2 − λ

Se rezolvă ecuaţia PA (λ ) = 0 de unde deducem că λ = −3 ∈ R cu maλ = 3.


Pentru λ = −3 se obţine matricea
 
1 −1 1
N =  2 −2 2  .
1 −1 1

Se determină numărul celulelor Jordan pentru valoarea proprie λ : mgλ = dimR KerN (·) unde
     
 1 −1 1 x1 0 
KerN (·) = x = (x1 , x2 , x3 )T ∈ R  2 −2 2   x2  =  0  .

1 −1 1 x3 0
 
2.15 Reper Jordan. Algoritm de jordanizare 99

Pentru aceasta, calculăm rangN. Cum



N
1 −1
M2 = = 0 şi det N = 0.
2 −2

deducem că rangN = 1. Astfel că, în sistemul


    
1 −1 1 x1 0
 2 −2 2   x2  =  0 
1 −1 1 x3 0

avem o necunoscută principală şi două secundare =⇒

x1 − x2 + x3 = 0 =⇒ (x1 , x2 , x3 )T = (x2 − x3 , x2 , x3 )T = x2 (1, 1, 0)T + x3 (−1, 0, 1)T


n o
şi deci (1, 1, 0)T , (−1, 0, 1)T este sistem liniar independent maximal în KerN (·). Am demon-
strat că

2 = dimR KerN (·) < maλ = 3.

Trecem la:
Se observă că
      
1 −1 1 1 −1 1 0 0 0 0 0 0
N 2 =  2 −2 2   2 −2 2  =  0 0 0  , N 3 =  0 0 0  .
1 −1 1 1 −1 1 0 0 0 0 0 0

deci s = 2 deoarece rangN 2 = rangN 2+p = 0 pentru orice p ∈ N.


Se determină nh numărul celulelor Jordan de ordin h ∈ {1, 2} după formula

nh = rangN h+1 − 2rangN h + rangN h−1

unde

rangN 0 = rangI3 = 3, rangN s+1 = rangN s , Σsh=1 hnh = maλ .

Pentru aceasta, se observă că rangN = 1, rangN 2 = 0, rangN 3 = 0.


Astfel că

n1 = rangN 2 − 2rangN 1 + rangN 0 = 0 − 2 + 3 = 1


n2 = rangN 3 − 2rangN 2 + rangN 1 = 0 − 0 + 1 = 1.

Aşadar, avem o celulă de ordin 1 şi o celulă de ordin 2:


 
−3 1
J1 (λ ) = (−3) şi J2 (λ ) = .
0 −3

Matricea Jordan asociată lui A este


   
−3 0 0 −3 1 0
J =  0 −3 1  sau J =  0 −3 0 
0 0 −3 0 0 −3

după o eventuală permutare a blocurilor.


100 Capitolul 2. Operatori liniari

Pentru a determina matricea jordanizatoare C observăm că avem un ciclu (lanţ) de vectori
generalizaţi de lungime doi {v, N · v}, deoarece N 2 · v = 0 nu este 6= 0 şi deci nu intră în această
mulţime. În această situaţie este recomandat să considerăm un vector propriu generalizat
v2 = (a, b, c)T astfel încât N · v2 6= 0. Putem considera de exemplu v2 = (1, 0, 0)T şi obţinem
    
1 −1 1 1 1
v1 = N · v2 =  2 −2 2   0  =  2 
1 −1 1 0 1

Vectorul v3 = (a, b, c)T astfel încât


n o
B = v1 = (1, 2, 1)T , v2 = (1, 0, 0)T , v3 = (a, b, c)T
n o
să fie reper în R3 este oricare element dintre vectorii proprii (1, 1, 0)T , (−1, 0, 1)T . Un calcul
simplu arată că
 −1     
1 1 −1 −2 −1 1 1 1 −1 −3 1 0
C−1 AC =  2 0 0   2 −5 2   2 0 0  =  0 −3 0  = J.
1 0 1 1 −1 −2 1 0 1 0 0 −3

Dacă am fi considerat

U (v1 ) = −3v1 =⇒ (A + 3I3 ) v1 = 0R3


U (v2 ) = v1 − 3v2 =⇒ (A + 3I3 ) v2 = v1
U (v3 ) = −3v3 =⇒ (A + 3I3 ) v3 = 0R3

am fi avut probleme, întrucât, după cum se poate constata, sistemul


    
1 −1 1 a 1
 2 −2 2   b  =  1 
1 −1 1 c 0

nu are soluţie. Motiv pentru care am apelat la un alt raţionament pentru construirea vectorilor
proprii generalizaţi pe care este util sa-l reţinem.

Exerciţiu 2.15.5 Fie (M2 (R) , R) spaţiul vectorial al matricelor de tip 2 × 2 cu elemente
numere reale şi
 
2 1
A= ∈ M2 (R)
−1 4

matricea operatorului U : R2 −→ R2 în reperul canonic din R2 , R . Să se determine forma




canonică Jordan şi un reper în care este atinsă această formă. 

Soluţie. Observăm că polinomul caracteristic este



2−λ 1
PA (λ ) =
= λ 2 − 6λ + 9 = (λ − 3)2 .
−1 4 − λ

Deducem de aici că A − 3I2 este matrice nilpotentă. Se rezolvă ecuaţia PA (λ ) = 0 de unde
deducem că λ = 3 ∈ R cu maλ = 2.
2.15 Reper Jordan. Algoritm de jordanizare 101

Pentru λ = 3 se obţine matricea


 
−1 1
N= .
−1 1

Se determină numărul celulelor Jordan pentru valoarea proprie λ : mgλ = dimR KerN (·) unde
     
T −1 1 x1 0
KerN (·) = x = (x1 , x2 ) ∈ R = .
−1 1 x2 0

Observăm că rangN = 1 unde


 
−1 1
N= .
−1 1
n o
Astfel că (−1, −1)T este sistem liniar independent maximal în KerN (·) şi deci

1 = dimR KerN (·) < maλ = 2.

Trecem la:
Se observă că
    
2 −1 1 −1 1 0 0
N = = ,
−1 1 −1 1 0 0

şi deci s = 2. În fapt, N nilpotentă rezultă din PA (A) = 0M2 (R) , direct.
Se determină nh numărul celulelor Jordan de ordin h ∈ {1, 2} după formula

nh = rangN h+1 − 2rangN h + rangN h−1

unde

rangN 0 = rangI2 = 2, rangN s+1 = rangN s , Σsh=1 hnh = maλ .

Pentru aceasta, se observă că rangN = 1, rangN 2 = rangN 3 = 0.


Astfel că
n1 = rangN 2 − 2rangN 1 + rangN 0 = 0 − 2 + 2 = 0
n2 = rangN 3 − 2rangN 2 + rangN 1 = 0 − 2 · 0 + 1 = 1.

Aşadar matricea Jordan asociată lui A are: zero celule de ordin 1¸ o celulă de ordin 2:
 
3 1
J= .
0 3

Ţinând
n seama de definiţia matricei unei
o aplicaţii liniare în raport cu un reper, se determină reperul
0 T T
B = v1 = (a1 , b1 ) , v2 = (a2 , b2 ) al lui R2 în raport cu care U are matricea J:

U (v1 ) = 3v1 Av1 = 3v1 (A − 3I2 ) v1 = 0R2 ,


⇐⇒ ⇐⇒
U (v2 ) = v1 + 3v2 Av2 = v1 + 3v2 (A − 3I2 ) v2 = v1 .

Alegând

v1 = (a1 , b1 )T în (A − 3I2 ) v1 = 0R2


102 Capitolul 2. Operatori liniari

obţinem
    
−1 1 a1 0
= =⇒ −a1 + b1 = 0 =⇒ a1 = b1 =⇒ v1 = a1 (1, 1)T .
−1 1 b1 0

Alegând

v2 = (a2 , b2 )T şi v1 = (1, 1)T

corespunzător lui a1 = 1, în (A − 3I2 ) v2 = v1 obţinem


    
−1 1 a2 1
(A − 3I2 ) v2 = v1 ⇐⇒ =
−1 1 b2 1
=⇒ −a2 + b2 = 1 =⇒ a2 = b2 − 1 =⇒ v2 = (b2 − 1, b2 )T .
n o
Astfel că B0 = v1 = (1, 1)T , v2 = (1, 2)T este reperul Jordan în care este atinsă forma J. În
plus, putem spune că v = (1, 2)T este vector propriu principal. Observăm că
     
−1 2 −1 2 1 1 1 3 1
C · A ·C = J ⇐⇒ =
−1 1 −1 4 1 2 0 3

adică nu s-a greşit la calcule şi în plus matricea C are pe coloane vectorii v1 , v2 .
3. Sisteme de ecuaţii diferenţiale

3.1 Sisteme de ecuaţii diferenţiale liniare omogene


Definiţie 3.1.1 Un simbol matematic de forma

y0 = a11 y + a12 z

y : G −→ D1 , y = y (x)
0 cu (3.1)
z = a21 y + a22 z z : G −→ D2 , z = z (x)

unde G ⊆ R, D1 ⊆ R, D2 ⊆ R iar ai j sunt constante reale, se numeşte sistem de două ecuaţii


diferenţiale liniare de ordinul întâi cu două funcţii necunoscute, de coeficienţi constanţi,
omogen.

Definiţie 3.1.2 Un sistem de două funcţii y (x) : G ⊆ R →D1 , respectiv z (x) : G ⊆ R →D2
derivabile cu derivata continuă pe G, formează o soluţie a sistemului omogen (3.1) pe G dacă
verifică sistemul (3.1) pentru orice x ∈ G. Sistemul de funcţii y (x), z (x) cu această proprietate
se notează prin ϕ (x) = (y (x) , z (x))T iar despre ϕ : G ⊆ R →D1 × D2 spunem că este soluţie
a lui (3.1).

Definiţie 3.1.3 Fie următoarele două soluţii

ϕ1 (x) = (y1 (x) , z1 (x))T : G ⊆ R →D1 × D2

şi

ϕ2 (x) = (y2 (x) , z2 (x))T : G ⊆ R →D1 × D2

ale sistemului (3.1). Se spune că ϕ1 (x), ϕ2 (x) formează un sistem fundamental de soluţii ale
sistemului (3.1) pe G dacă sunt liniar independente. Altfel spus, ϕ1 (x), ϕ2 (x) formează un
sistem fundamental de soluţii ale sistemului (3.1) pe G dacă

y1 (x) y2 (x)
W (x) =
z1 (x) z2 (x)

numit determinantul fundamental al lui ϕ1 (x), ϕ2 (x) nu se anulează în niciun punct din G.
104 Capitolul 3. Sisteme de ecuaţii diferenţiale

R Dacă determinantul W (x) a două soluţii ale sistemului este diferit de zero într-un punct
din G atunci el este diferit de zero pe G.

Teoremă 3.1.1 Fie sistemul (3.1). Dacă

ϕ1 : G ⊆ R →D1 × D2 , ϕ2 : G ⊆ R →D1 × D2

sunt soluţii ale sistemului (3.1) ce formează un sistem fundamental de soluţii pe G, atunci
soluţia generală a sistemului (3.1) este dată de

w (x) = c1 ϕ1 (x) + c2 ϕ2 (x) unde c1 ∈ R, c2 ∈ R

sunt constante arbitrare.

R Dacă U : D1 ×D2 −→ R2 este operatorul de derivare definit prin U (ϕ) = ϕ 0 atunci sistemul
(3.1) se scrie sub forma echivalentă ϕ 0 = Aϕ unde
 
not ăm a11 a12
A = [A]UBc = ∈ M2 (R)
a21 a22

este matricea operatorului U în reperul canonic Bc al lui R2 iar ϕ = (y, z)T : G → D1 × D2 .

R Mulţimea
SA = { ϕ (·) : G ⊆ R →D1 × D2 | ϕ (·) verifică ϕ 0 (x) = Aϕ (x)}

este subspaţiu vectorial de dimensiune 2 al spaţiului C1 R, R2 al aplicaţiilor de clasă C1




de la R la R2 .

Prezentăm un algoritm de determinare a soluţiei generale a sistemului (3.1).


Fie K1 6= 0, K2 6= 0, c1 , c2 constante reale. Definim U (w) = w0 = A · w. Rezolvăm ecuaţia
caracteristică

a11 − λ a12
|A − λ I2 | = 0 ⇐⇒ =0
a21 a22 − λ

şi scriem ΛU, respectiv maλ . Soluţia generală a sistemului (3.1) este

w (x) = c1 ϕ1 (x) + c2 ϕ2 (x) , c1 ∈ R, c2 ∈ R (3.2)

unde ϕ1 (x), ϕ2 (x) este un sistem fundamental de soluţii ce se determină parcurgând unul din
cazurile următoare precizat de valoarea proprie λ :
Caz 1: Dacă λ = α + iβ ∈ ΛU (β > 0) se determină un vector propriu vλ = v1 + iv2 ∈ Xλ
cu ajutorul căruia se scriu soluţiile
 
ϕ1 (x) = Re eλ x vλ
= eαx (v1 · cos β x − v2 sin β x)
 
ϕ2 (x) = Im eλ x vλ = eαx (v1 · sin β x + v2 cos β x) cu x ∈ R

corespunzătoare valorilor proprii λ şi, respectiv λ . (În calcule, se recomandă deducerea acestor
formule din relaţia lui Euler eia = cos a + i sin a, a ∈ R).
3.1 Sisteme de ecuaţii diferenţiale liniare omogene 105

Caz 2: Dacă λ1 ∈ R ∩ ΛU cu maλ1 = 1 atunci şi λ2 ∈ R ∩ ΛU cu maλ2 = 1. În acest caz,


dacă maλ1 = mgλ1 şi maλ2 = mgλ2 matricea A este diagonalizabilă =⇒ există un reper B în care
not
matricea D = [A1 ]UB este diagonală. În fapt,
 
λ1 0
D= .
0 λ2

Notăm B = {v1 , v2 } unde

v1 = (m, n)T este vectorul propriu corespunzător lui λ1 , se determină din (A − λ1 I2 ) v1 = 0R2


v2 = (p, q)T este vectorul propriu corespunzător lui λ2 , se determină din (A − λ2 I2 ) v2 = 0R2 .
Scriem matricea diagonalizatoare
   
↑ ↑ m p
C = CBc ,B = v 1 v 2 = cu D = C−1 AC.
↓ ↓ n q
Scriem sistemul astfel

w0 = Aw

şi efectuăm schimbarea de variabilă

w = Cu unde u = (u1 , u2 )T .

Prin schimbarea de variabilă, avem

(Cu)0 = ACu ⇐⇒ Cu0 = ACu ·C−1 ⇐⇒ u0 = C−1 ACu ⇐⇒ u0 = Du.


Din
u01 u01 = λ1 u1
    
0 λ1 u1
u = Du ⇔ = ⇐⇒
u02 λ2 u2 u02 = λ2 u2
obţinem
u01
Z
= λ1 =⇒ (ln |u1 |)0 = λ1 =⇒ ln |u1 | = λ1 dx
u1
⇐⇒ ln |u1 | = λ1 x + ln |K1 | =⇒ u1 (x) = c1 eλ1 x unde c1 = ± |K1 |
u02
Z
= λ2 =⇒ (ln |u2 |)0 = λ2 =⇒ ln |u2 | = λ2 dx
u2
⇐⇒ ln |u2 | = λ2 x + ln |K2 | =⇒ u2 (x) = c2 eλ2 x unde c2 = ± |K2 | .
Revenim la schimbarea de variabilă
    
y (x) m p u1
=
z (x) n q u2
de unde obţinem soluţia în coordonate

y (x) = mu1 + pu2 = mc1 eλ1 x + pc2 eλ2 x




z (x) = nu1 + qu2 = nc1 eλ1 x + qc2 eλ2 x


iar dacă dorim să determinăm două soluţii ale sistemului, scriem
     
y (x) λ1 x m λ2 x p
= c1 e + c2 e ⇐⇒ w (x) = c1 ϕ1 (x) + c2 ϕ2 (x) ,
z (x) n q
106 Capitolul 3. Sisteme de ecuaţii diferenţiale

de unde obtinem

ϕ1 (x) = eλ1 x vλ1 şi ϕ2 (x) = eλ2 x vλ2

cu ajutorul cărora se scrie soluţia generală (3.2).


not ăm
Caz 3: Dacă λ1 = λ2 ∈ R ∩ ΛU atunci λ = λ1 = λ2 şi observăm că maλ = 2. Dacă
maλ = mgλ aplicăm Caz 2 deoarece A este diagonalizabilă iar dacă mgλ < maλ = 2 matricea A
not
este jordanizabilă =⇒ există un reper B0 în care matricea J = [A2 ]UB0 este sub forma canonică
Jordan. În fapt,
 
λ 1
J= .
0 λ

Notăm B0 = {v1 , v2 } unde

v1 = (m, n)T se determina din (A − λ I2 ) v1 = 0R2




v2 = (p, q)T se determina din (A − λ2 I2 ) v2 = v1 ,

(v1 este vectorul propriu corespunzător lui λ iar v2 este vector propriu generalizat/principal).
Atunci matricea jordanizatoare este
   
↑ ↑ m p
C = CBc ,B =
0 v 1 v 2 = cu J = C−1 AC.
↓ ↓ n q
Scriem sistemul astfel

w0 = Aw

şi efectuăm schimbarea de variabilă

w = Cu unde u = (u1 , u2 )T .

Prin schimbarea de variabilă, avem

(Cu)0 = ACu ⇐⇒ Cu0 = ACu ·C−1 ⇐⇒ u0 = C−1 ACu ⇐⇒ u0 = Ju.


Din
u01 u01 = λ u1 + u2
    
0 λ u1 + u2
u = Ju ⇔ = ⇐⇒
u02 λ u2 u02 = λ u2 .

Din u02 = λ u2 =⇒ u2 (x) = c2 eλ x . Înlocuim u2 (x) = c2 eλ x în u01 = λ u1 + u2 =⇒ u01 = λ u1 +


c2 eλ x . Observăm că
 0 Z  0 Z
0 λ x −λ x −λ x −λ x
u1 = λ u1 + c2 e · e ⇐⇒ u1 e = c2 =⇒ u1 e dx = c2 dx

=⇒ u1 e−λ x = c2 x + c1 =⇒ u1 (x) = c2 xeλ x + c1 eλ x .


Revenim la schimbarea de variabilă
    
y (x) m p u1
=
z (x) n q u2
de unde obtinem soluţia generală în coordonate

y (x) = mu1 + pu2 = m c2 xeλ x + c1 eλ x + pc2 eλ x


 

z (x) = nu1 + qu2 = n c2 xeλ x + c1 eλ x + qc2 eλ x


3.1 Sisteme de ecuaţii diferenţiale liniare omogene 107

de unde rezultă

y (x) = c2 mxeλ x + peλ x + mc1 eλ x


 

z (x) = c2 nxeλ x + qeλ x + nc1 eλ x .

Putem scrie două soluţii ale sistemului, astfel

meλ x mxeλ x + peλ x


     
y (x)
= c1 + c2
z (x) neλ x nxeλ x + qeλ x

sau echivalent

w (x) = c1 ϕ1 (x) + c2 ϕ2 (x) ,

de unde obţinem
 T  T
ϕ1 (x) = meλ x , neλ x şi ϕ2 (x) = mxeλ x + peλ x , nxeλ x + qeλ x

cu ajutorul cărora se scrie soluţia generală (3.2).


T
Exerciţiu 3.1.1 Pentru w = (y, z) ∈ R2 să se determine soluţia generală a sistemului

y0 (x) = −9y (x) + 9z (x)




z0 (x) = −16y (x) + 15z (x)




Soluţie. Sistemul poate fi scris astfel


 
0 T −9 9
w = A · w unde w = (y, z) , A = ∈ M2 (R) .
−16 15

Observăm că polinomul caracteristic este



−9 − λ 9 = λ 2 − 6λ + 9 = (λ − 3)2 .

PA (λ ) =
−16 15 − λ

Se rezolvă ecuaţia PA (λ ) = 0 de unde deducem că λ = 3 ∈ R cu maλ = 2.


Pentru λ = 3 se obţine matricea
 
−12 9
N= .
−16 12

Se determină numărul celulelor Jordan pentru valoarea proprie λ : mgλ = dimR KerN (·)
unde
     
T −12 9 x1 0
KerN (·) = x = (x1 , x2 ) ∈ R = .
−16 12 x2 0
 
−12 9
Observăm că rangN = 1 unde N = .
−16 12
n o
Astfel că (3, 4)T este sistem liniar independent maximal în KerN (·) şi deci

1 = dimR KerN (·) < maλ = 2.


108 Capitolul 3. Sisteme de ecuaţii diferenţiale

Într-adevăr, alegând v1 = (a1 , b1 )T în (A − 3I2 ) v1 = 0R2 obţinem


    
−12 9 a1 0
= =⇒ −12a1 + 9b1 = 0
−16 12 b1 0
3b1
=⇒ a1 = =⇒ v1 = 4b1 (3, 4)T .
4
Trecem la:
Se observă că
    
2 −12 9 −12 9 0 0
N = = (confirmă PA (A) = 0M2 (R) ),
−16 12 −16 12 0 0

si deci s = 2.
Se determină nh numărul celulelor Jordan de ordin h ∈ {1, 2} după formula

nh = rangN h+1 − 2rangN h + rangN h−1

unde

rangN 0 = rangI2 = 2, rangN s+1 = rangN s , Σsh=1 hnh = maλ .

Pentru aceasta, se observă că

rangN = 1, rangN 2 = rangN 3 = 0.

Astfel că
n1 = rangN 2 − 2rangN 1 + rangN 0 = 0 − 2 + 2 = 0
n2 = rangN 3 − 2rangN 2 + rangN 1 = 0 − 2 · 0 + 1 = 1.

Aşadar matricea Jordan asociată lui A are: zero celule de ordin 1¸ o celulă de ordin 2:
 
3 1
J= .
0 3

Ţinând seama de definiţia matricei unei aplicaţii liniare în raport cu un reper, se determină reperul
n o
B0 = v1 = (a1 , b1 )T , v2 = (a2 , b2 )T

a lui R2 în raport cu care U are matricea J:

U (v1 ) = 3v1 Av1 = 3v1 (A − 3I2 ) v1 = 0R2


⇐⇒ ⇐⇒
U (v2 ) = v1 + 3v2 Av2 = v1 + 3v2 (A − 3I2 ) v2 = v1 .

Alegând v2 = (a2 , b2 )T şi v1 = (3, 4)T în (A − 3I2 ) v2 = v1 obţinem


    
−12 9 a2 3
(A − 3I2 ) v2 = v1 ⇐⇒ =
−16 12 b2 4
=⇒ −12a2 + 9b2 = 3 =⇒ 4a2 = 3b2 − 1

=⇒ v2 = (−1, −1)T pentru a2 = −1 = b2 .


Astfel că
n o
B0 = v1 = (3, 4)T , v2 = (−1, −1)T
3.1 Sisteme de ecuaţii diferenţiale liniare omogene 109

este reperul Jordan în care este atinsă forma J. În plus, putem spune că
n o
B0 = v1 = (3, 4)T , v2 = (−1, −1)T

este un ciclu de vectori proprii generalizaţi. În fapt v1 = (3, 4)T este vector propriu iar v2 =
(−1, −1)T este vector propriu principal.
Observăm că C−1 · A ·C = J este echivalentă cu
     
−1 1 −9 9 3 −1 3 1
=
−4 3 −16 15 4 −1 0 3

adică nu s-a greşit la calcule şi în plus matricea C are pe coloane vectorii v1 , v2 .
Efectuând schimbarea de variabilă w = C · u obţinem
 0    
0 u1 3 1 u1
u = D·u ⇔ = .
u02 0 3 u2

În final

u01 u01 = 3u1 + u2


     
3 1 u1
= ⇔ .
u02 0 3 u2 u02 = 3u2

Rezolvăm

u02 = 3u2 =⇒ prin integrarea fiecărei ecuaţii, că u2 (x) = c2 e3x .

Într-adevăr,

u02
Z
= 3 =⇒ (ln |u2 |)0 = 3 =⇒ ln |u2 | = 3dx ⇐⇒ ln |u2 | = 3x + ln |K2 | =⇒ u2 (x) = c2 e3x .
u2

Înlocuind u2 (x) = c2 e3x în prima ecuaţie avem


0
u01 = 3u1 + c2 e3x ⇔ u1 e−3x = c2

iar prin integrare avem u1 (x) = c2 xe3x + c1 e3x .


Acum, folosind schimbarea de variabilă efectuată
  
3 −1 u1
w= =⇒ y = 3u1 − u2 şi z = 4u1 − u2 ,
4 −1 u2

de unde, soluţia genearală, în coordonate

y (x) = 3 c2 xe3x + c1 e3x − c2 e3x


 

z (x) = 4 c2 xe3x + c1 e3x − c2 e3x .

T
Exerciţiu 3.1.2 Pentru w = (y, z) ∈ R2 , x ∈ R să se determine soluţia generală a sistemului

y0 = y + z

.
z0 = 3z − 2y

110 Capitolul 3. Sisteme de ecuaţii diferenţiale

Soluţie. Sistemul poate fi scris astfel


 
0 T 1 1
w = A · w unde w = (y, z) , A = .
−2 3

Determinăm valorile proprii ale lui A, din ecuaţia caracteristică



1−λ 1 = λ 2 − 4λ + 5 = 0 =⇒ λ = 2 + i şi λ = 2 − i.

|A − λ I2 | = 0 ⇐⇒
−2 3 − λ

Cum λ = 2 + i este număr complex, pentru λ = 2 + i determinăm vectorul propriu corespunzător


vλ ∈ Xλ din sistemul
    
−1 − i 1 m 0
(A − λ I2 ) vλ = 0R2 ⇔ =
−2 1−i n 0

sau echivalent
   
n − (1 + i) m 0
= =⇒ n − (1 + i) m = 0 =⇒ n = (1 + i) m
(1 − i) n − 2m 0

iar într-un final vλ = (m, n)T = m (1, 1 + i)T , de unde pentru m = 1 se poate considera vλ =
(1, 1 + i)T şi deci, conform relaţiei lui Euler, avem
   
1 1
eλ x vλ = e(2+i)x = e2x (cos x + i sin x)
1+i 1+i
e2x (cos x + i sin x)
 
= 2x .
e [cos x − sin x + (sin x + cos x) i]

Un sistem fundamental de soluţii este


  T
ϕ1 (x) = Re eλ x vλ = e2x cos x, e2x cos x − e2x sin x

şi
  T
ϕ2 (x) = Im eλ x vλ = e2x sin x, e2x sin x + e2x cos x

care dau soluţia generală


T T
w (x) = c1 e2x cos x, e2x cos x − e2x sin x + c2 e2x sin x, e2x sin x + e2x cos x , c1 ∈ R, c2 ∈ R

iar în coordonate are forma

y (x) = c1 e2x cos x + c2 e2x sin x



 cu c1 ∈ R, c2 ∈ R.
z (x) = c1 e2x cos x − e2x sin x + c2 e2x sin x + e2x cos x

Exerciţiu 3.1.3 Să se determine soluţia generală a sistemului de ecuaţii diferenţiale liniare

y0 (x) = z (x)


z0 (x) = −12y (x) + 8z (x) .



3.1 Sisteme de ecuaţii diferenţiale liniare omogene 111

Soluţie. Sistemul poate fi scris astfel


 
0 1
w0 = A · w unde w = (y, z)T , A = .
−12 8

Determinăm valorile proprii ale lui A, din ecuaţia caracteristică



0−λ 1
|A − λ I2 | = 0 ⇐⇒
= 0 =⇒ λ1 = 2 şi λ2 = 6.
−12 8 − λ

Pentru λ1 = 2 determinăm vectorul propriu corespunzător vλ1 = (a, b)T din


    
−2 1 a 0
(A − λ1 I2 ) vλ1 = 0R2 ⇔ =
−12 6 b 0
⇐⇒ −2a + b = 0 =⇒ vλ1 = a (1, 2)T .

Pentru λ2 = 6 determinăm vectorul propriu corespunzător vλ2 = (c, d)T din


    
−6 1 c 0
(A − λ2 I2 ) vλ2 = 0R2 ⇔ =
−12 2 d 0
⇐⇒ −6c + d = 0 =⇒ vλ2 = c (1, 6)T .
Se observă că
 3
− 14
    
1 1 2 0
C= =⇒ C−1 = 2 =⇒ C−1 AC = D = .
2 6 − 21 1
4 0 6

Efectuând schimbarea de variabilă w = C · u obţinem


 0    
0 u1 2 0 u1
u = D·u ⇔ = .
u02 0 6 u2

În final
u01 u01 = 2u1
     
2 0 u1
= ⇔ .
u02 0 6 u2 u02 = 6u2

Rezolvăm sistemul omogen


 0
u1 = 2u1
u02 = 6u2

=⇒prin integrarea fiecărei ecuaţii, că

u1 (x) = c1 e2x şi u2 (x) = c2 e6x .

Într-adevăr,
u01
Z
= 2 =⇒ (ln |u1 |)0 = 2 =⇒ ln |u1 | = 2dx ⇐⇒ ln |u1 | = 2x + ln |K1 | =⇒ u1 (x) = c1 e2x
u1
u02
Z
0
= 6 =⇒ (ln |u2 |) = 6 =⇒ ln |u2 | = 6dx ⇐⇒ ln |u2 | = 6x + ln |K2 | =⇒ u2 (x) = c2 e6x .
u2
Acum, folosind schimbarea de variabilă efectuată
  
1 1 u1
w= =⇒ y = u1 + u2 şi z = 2u1 + 6u2 ,
2 6 u2
112 Capitolul 3. Sisteme de ecuaţii diferenţiale

de unde
y (x) = c1 e2x + c2 e6x

, c1 = ± |K1 | ∈ R∗ , c2 = ± |K2 | ∈ R∗ .
z (x) = 2c1 e2x + 6c2 e6x

R Dacă U : D1 × ... × Dn −→ Rn este operatorul de derivare definit prin U (ϕ) = ϕ 0 atunci


sistemul ϕ 0 = Aϕ unde
 
a11 ... a1n
not ăm
A = [A]UBc =  ... ... ...  ∈ Mn (R)
an1 ... ann

este matricea operatorului U în reperul canonic Bc al lui Rn iar

ϕ (t) = (x1 (t) , ..., xn (t))T : G → D1 × ... × Dn ,

se tratează analog.

3.2 Sisteme de ecuaţii diferenţiale liniare neomogene


Definiţie 3.2.1 Expresia matematică

y : G −→ D1 , y = y (x)
y0 = a11 y + a12 z + f3 (x)

cu z : G −→ D2 , z = z (x) (3.3)
z0 = a21 y + a22 z + f4 (x)
fi : G → Di , fi = fi (x), i = 3, 4 continue pe G

unde G ⊆ R, Di ⊆ R (i = 1, 2, 3, 4) iar ai j ∈ R, se numeşte sistem de două ecuaţii diferenţiale


liniare de ordinul întâi cu două funcţii necunoscute, cu coeficienţi constanţi, neomogen.

R Dacă f3 (x) = f4 (x) = 0 în (3.3) atunci sistemul obţinut este omogen.

Definiţie 3.2.2 Funcţiile y (x) : G ⊆ R →D1 , z (x) : G ⊆ R →D2 derivabile cu derivata con-
tinuă pe G, formează o soluţie a sistemului neomogen (3.3) pe G dacă verifică sistemul (3.3)
pentru orice x ∈ G. Notăm w (x) = (y (x) , z (x))T iar despre w : G ⊆ R →D1 × D2 spunem că
este soluţie a lui (3.3).

Teoremă 3.2.1 Soluţia sistemului (3.3) se obţine adăugând la soluţia generală a sistemului
omogen (3.1) o soluţie particulară, oarecare, a sistemului neomogen (3.3).

R Dacă

ϕ (x) = c1 ϕ1 (x) + c2 ϕ2 (x) cu c1 ∈ R, respectiv c2 ∈ R,

este soluţia generală a sistemului omogen (3.1) atunci

ϕ p (x) = c1 (x) ϕ1 (x) + c2 (x) ϕ2 (x)

este soluţie particulară a lui (3.3), unde c1 (x), c2 (x) sunt funcţii derivabile ce se determină
punând condiţia ca ϕ p (x) să verifice (3.3). Metoda prin care se determină c1 (x), c2 (x)
se numeşte metoda variaţiei constantelor. Astfel că, w (x) = ϕ (x) + ϕ p (x) este soluţia
sistemului (3.3).
3.2 Sisteme de ecuaţii diferenţiale liniare neomogene 113

R Dacă U : D1 ×D2 −→ R2 este operatorul de derivare definit prin U (w) = w0 atunci sistemul
(3.3) se scrie sub forma echivalentă w0 = Aw + f unde
 
not ăm a11 a12
A = [A]UBc = ∈ M2 (R)
a21 a22

este matricea operatorului U în reperul canonic Bc al lui R2 , w = (y, z)T : G → D1 × D2


iar f = ( f3 , f4 )T : G → D3 × D4 este continuă.

R Presupunem că A este matrice diagonalizabilă (respectiv jordanizabilă) şi fie C astfel încât
C−1 AC = D unde D este matricea diagonală formată cu valorile proprii distincte ale lui A
(respectiv matricea jordanizatoare). Efectuând schimbarea de variabilă w = C · u obţinem
(C · u)0 = A ·C · u + f (x) ⇐⇒ Cu0 = A ·C · u + f (x)
sau echivalent
C−1 ·Cu0 = C −1
| {z · A ·C} · u +C−1 · f (x)
| {z }
D not ăm
= g(x)

şi în final u0 = D · u + g (x).

T
Exerciţiu 3.2.1 Pentru w = (y, z) ∈ R2 , x ∈ R să se determine soluţia sistemului

y0 = 2y + z + 1

.
z0 = y + 2z + x


Soluţie. Sistemul poate fi scris astfel


 
0 T 2 1
w = A · w + f (x) unde w = (y, z) , A = , f (x) = (1, x)T .
1 2

Determinăm valorile proprii ale lui A, din ecuaţia caracteristică



2−λ 1
|A − λ I2 | = 0 ⇐⇒
= 0 =⇒ λ1 = 1 şi λ2 = 3.
1 2−λ

Pentru λ1 = 1 determinăm vectorul propriu corespunzător vλ1 = (a, b)T din


    
1 1 a 0
(A − λ1 I2 ) vλ1 = 0R2 ⇔ =
1 1 b 0
⇐⇒ a + b = 0 =⇒ vλ1 = b (1, −1)T .

Pentru λ2 = 3 determinăm vectorul propriu corespunzător vλ2 = (c, d)T din


    
−1 1 c 0
(A − λ2 I2 ) vλ2 = 0R2 ⇔ =
1 −1 d 0
⇐⇒ −c + d = 0 =⇒ vλ2 = c (1, 1)T .
Se observă că
1 1
     
1 1 −1 2 2 −1 1 0
C= =⇒ C = 1 =⇒ C AC = D = .
1 −1 2 − 12 0 3
114 Capitolul 3. Sisteme de ecuaţii diferenţiale

Efectuând schimbarea de variabilă w = C · u obţinem


 0      
0 u1 1 0 u1 1 1−x
u = D · u + g (x) ⇔ = + .
u02 0 3 u2 2 1+x

În final
u01 u01 = u1 + 12 (1 − x)
       
1 0 u1 1 1−x
= + ⇔ . (3.4)
u02 0 3 u2 2 1+x u02 = 3u2 + 12 (1 + x)

Rezolvăm sistemul omogen


 0
u1 = u1
u02 = 3u2

=⇒prin integrarea fiecărei ecuaţii, că u1 (x) = c1 ex şi u2 (x) = c2 e3x .


În cele ce urmează aplicăm metoda variaţiei constantelor pentru a determina o soluţie
particulară a sistemului (3.4). Căutăm c1 (x) şi c2 (x) astfel încât u1 (x) = c1 (x) ex şi u2 (x) =
c2 (x) e3x să fie soluţie pentru sistemul neomogen
 0
u1 = u1 + 21 (1 − x)
(3.5)
u02 = 3u2 + 21 (1 + x)

adică
c01 (x) ex + c1 (x) ex = c1 (x) ex + 12 (1 − x) c01 (x) = 12 (1 − x) e−x
 

c02 (x) e3x + c1 (x) 3e3x = 3c2 (x) e3x + 21 (1 + x) c02 (x) = 21 (1 + x) e−3x

şi deci c1 (x) = 21 xe−x , respectiv c2 (x) = − 18


1 −3x
e (3x + 4) iar în final obţinem soluţia

u1 (x) = c1 ex + c1 (x) ex = c1 ex + 21 xe−x ex = c1 ex + 12 x



1 −3x
u2 (x) = c2 e3x + c2 (x) e3x = c2 e3x − 18 e (3x + 4) e3x = c2 e3x − 61 x − 92

pentru sistemul (3.5).


Acum, folosind schimbarea de variabilă efectuată w = C · u =⇒ y = u1 + u2 şi z = −u1 + u2
de unde
y (x) = c1 ex + 21 x + c2 e3x − 16 x − 92


z (x) = − c1 ex + 12 x + c2 e3x − 61 x − 29

este soluţie a sistemului iniţial.

R Dacă U : D1 × ... × Dn −→ Rn este operatorul de derivare definit prin U (ϕ) = ϕ 0 iar


f = ( f1 , ..., fn )T sunt funcţii (definite ca mai sus) atunci sistemul ϕ 0 = Aϕ + f unde
 
a11 ... a1n
not ăm
A = [A]UBc =  ... ... ...  ∈ Mn (R)
an1 ... ann

este matricea operatorului U în reperul canonic Bc al lui (Rn , R) iar

ϕ (t) = (x1 (t) , ..., xn (t))T : G → D1 × ... × Dn

se tratează analog.
4. Forme liniare, biliniare şi pătratice

4.1 Funcţionale liniare-dualul algebric al unui spaţiu liniar


Fie (X, K) spaţiu vectorial.
Definiţie 4.1.1 O funcţie f : X → K se numeşte funcţională (sau formă) liniară dacă f este
operator liniar, adică

f (αx + β y) = α f (x) + β f (y) ∀x, y ∈ X, ∀α, β ∈ K.

Teoremă 4.1.1 Mulţimea X ∗ = L (X, K) a funcţionalelor liniare f : X → K înzestrată cu


operaţiile

i) ( f + g) (x) = f (x) + g (x) ∀x ∈ X;


ii) (α f ) x = α f (x) ∀x ∈ X, ∀α ∈ K;

are o structură de spaţiu vectorial peste K, notat (X ∗ , K) şi numit spaţiul vectorial dual al lui
X.

R [Reprezentarea unei funcţionale liniare] Presupunem că dimK X = n ∈ N∗ . Dacă E =


{e1 , ..., en } este reper al lui X, ai = f (ei ), i = 1, n, a = (a1 , ..., an )T şi xE = (x1 , ..., xn )T
atunci
 
n n n x1
∀x ∈ X =⇒ x = Σ xi ei şi f (x) = Σ xi f (ei ) = Σ ai xi = (a1 ...an )  ...  = aT · xE .
i=1 i=1 i=1
xn
Dacă în plus de la reperul E se trece la un reper F = { f1 , ..., fn } al lui X prin matricea de
not ăm
trecere C = CE,F atunci avem următoarea reprezentare a lui f în reperul F

f (x) = bT · xF
unde bi = f ( fi ). Cum xF = C−1 xE deducem că
f (x) = bT · xF = bT ·C−1 · xE
şi deci aT = bT ·C−1 =⇒ bT = aT C.
116 Capitolul 4. Forme liniare, biliniare şi pătratice

4.2 Funcţionale biliniare şi sesquiliniare


Fie (X, K) şi (Y, K) spaţii vectoriale reale sau complexe (adică K = R sau K = C).
Definiţie 4.2.1 O funcţie f : X ×Y → K se numeşte funcţională (sau formă) biliniară dacă
i) f (αx + β y, z) = α f (x, z) + β f (y, z) ∀x, y ∈ X, ∀z ∈ Y , ∀α, β ∈ K;
ii) f (x, αy + β z) = α f (x, y) + β f (x, z) ∀x ∈ X, ∀y, z ∈ Y , ∀α, β ∈ K.

R Dacă se fixează z ∈ Y rezultă din i) că f este o funcţională liniară pe X iar dacă se fixează
x ∈ X rezultă din ii) că f este o funcţională liniară pe Y .

R Dacă x = 0X sau y = 0Y atunci f (0X , y) = 0K ∀y ∈ Y şi f (x, 0Y ) = 0K ∀x ∈ X.

 Exemplu 4.2.1 Dacă f : X → K şi g : Y → K sunt funcţionale liniare atunci h : X ×Y → K


definită prin h (x, y) = f (x) g (y) este o funcţională biliniară. Într-adevăr, pentru x ∈ X fixat, x = x
se deduce că h (x, y) = f (x) g (y) este funcţie liniară în y ∈ X, deoarece f (x) ∈ K este un scalar.
Analog, pentru y fixat. 

 Exemplu 4.2.2 Fie A ∈ Mn,m (K). Pentru x, y ∈ Kn definim f : Kn × Kn −→ K, f (x, y) =


xT Ay ∈ K. Probăm că f este o funcţională biliniară. Într-adevăr,
f (αx + β y, z) = (αx + β y)T Az = (αx)T Az + (β y)T Az = αxT Az + β yT Az
= α f (x, z) + β f (y, z) ,
f (x, αy + β z) = xT A (αy + β z) = xT A (αy) + xT A (β z) = αxT Ay + β xT Az
= α f (x, y) + β f (x, z) .


Adunarea formelor biliniare şi înmulţirea cu scalari se definesc în mod similar ca la


funcţionalele liniare. În raport cu aceste operaţii, mulţimea tuturor formelor biliniare este
un spaţiu vectorial peste corpul scalarilor.
Definiţie 4.2.2 Funcţia f : X × X → C se numeşte funcţională (sau formă) sesquiliniară dacă

i) f (αx + β y, z) = α f (x, z) + β f (y, z) ∀x, y, z ∈ X, ∀α, β ∈ C


ii) f (x, αy + β z) = α f (x, y) + β f (x, z) ∀x, y, z ∈ X, ∀α, β ∈ C

unde prin α, respectiv β am notat numărul complex conjugat lui α, respectiv β .

4.3 Funcţionale biliniare simetrice şi sesquiliniare hermitiene


Presupunem că (X, K) şi (Y, K) sunt spaţii vectoriale reale sau complexe cu dimK X = n ∈ N∗ şi
dimK Y = m ∈ N∗ iar f : X ×Y → K este funcţională biliniară.
reper reper T
Teoremă 4.3.1 Dacă F = { f1 , ..., fn } ⊂ X, G = {g1 , ..., gm } ⊂ Y , xF = (x1 , ..., xn ) este
T
vectorul coordonatelor unui element x ∈ X în reperul F iar yG = (y1 , ..., ym ) este vectorul
coordonatelor unui element y ∈ Y în reperul G atunci f admite următoarea reprezentare

 
n m n m
f (x, y) = f Σ xi f i , Σ y j g j = Σ Σ xi y j f ( f i , g j ) . (4.1)
i=1 j=1 i=1 j=1

Este necesar să introducem:


4.3 Funcţionale biliniare simetrice şi sesquiliniare hermitiene 117
Definiţie 4.3.1 Matricea
 
f ( f1 , g1 ) ... f ( f 1 , gm )
f  ∈ Mn,m (K)
A = [A]F,G =  ... ... ...
f ( fn , g1 ) ... f ( f n , gm )

se numeşte matricea lui f în raport cu reperele F, G iar numerele ai j = f ( fi , g j ) ∈ K (i =


1, ..., n şi j = 1, ..., m) se numesc coeficienţii funcţionalei biliniare f în perechea de repere

F = { f1 , ..., fn } ⊂ X, G = {g1 , ..., gm } ⊂ Y.

Cu aceste notaţii formula (4.1) se poate scrie astfel


n m
f (x, y) = Σ Σ xi y j ai j = (xF )T AyG
i=1 j=1

iar reprezentarea f (x, y) = (xF )T AyG se numeşte reprezentarea matriceală a funcţionalei


n m
biliniare f în timp ce f (x, y) = Σ Σ xi y j ai j se numeşte forma algebrică a funcţionalei
i=1 j=1
biliniare f .

Definiţie 4.3.2 Presupunem dimK X = dimK Y = n ∈ N∗ . Fie A matricea funcţionalei biliniare


f : X ×Y → K în raport cu reperele F, G din X, respectiv Y . Dacă matricea A este nesingulară
(singulară), atunci forma biliniară f se numeşte nedegenerată (degenerată). Rangul matricei
A se numeşte rangul formei biliniare f .

R Dacă X = Y atunci F = G în Definiţia 4.3.2.

R Unei matrice A = (ai j )i=1,...,n ∈ Mn,m (K) i se poate asocia o formă biliniară.
j=1,....,m

not ăm
R Dacă X = Y atunci F = G iar f (x, y) = (xF )T AyF unde A = [A]Ff este matricea lui f în
raport cu reperul F. În plus, matricea A cu această proprietate este unică.

T T
 Exemplu 4.3.1 Fie x = (x1 , x2 ) şi y = (y1 , y2 ) . Dacă
 
1 2
A=
2 4
atunci funcţionala biliniară asociată matricei A este
  
 1 2 y1
f (x, y) = x1 x2 = x1 y1 + 2x1 y2 + 2x2 y1 + 4x2 y2 . (4.2)
2 4 y2


Definiţie 4.3.3 Fie (X, K) spaţiu vectorial real sau complex. O funcţională biliniară f :
X × X → K se numeşte
i) simetrică dacă f (x, y) = f (y, x) pentru orice x, y ∈ X;
ii) antisimetrică dacă f (x, y) = − f (y, x) pentru orice x, y ∈ X.
118 Capitolul 4. Forme liniare, biliniare şi pătratice

Teoremă 4.3.2 Fie (X, K) spaţiu vectorial real sau complex cu dimK X = n ∈ N∗ . Dacă
f : X × X → K este o funcţională biliniară, ce are matricea A = [A]Bf în reperul B ⊂ X, atunci
f este simetrică (respectiv antisimetrică) dacă şi numai dacă A = AT (respectiv A = −AT ).

R Funcţionala biliniară definită în (4.2) este simetrică.

Definiţie 4.3.4 Fie (X, C) spaţiu vectorial complex. O funcţională sesquiliniară f : X × X →


C se numeşte funcţională sesquiliniară hermitienă (sau sesquiliniară simetrică sau funcţionala
lui Hermite sau funcţională hermitică) dacă f (x, y) = f (y, x) pentru orice x, y ∈ X.

R Fie (X, C) spaţiu vectorial complex. Dacă f : X × X → C este funcţională sesquiliniară


hermitienă atunci f (x, x) = f (x, x) pentru orice x ∈ X şi deci f (x, x) ∈ R.

Exerciţiu 4.3.1 Dacă (V, K) este spaţiu vectorial real sau complex (V = Rn sau V = Cn ) peste
corpul R al numerelor reale iar

f1 : V ×V → R, f1 (v, w) = v1 w1 + ... + vn wn , v = (v1 , ..., vn )T , w = (w1 , ..., wn )T ,


f2 : V ×V → C, f2 (v, w) = v1 w1 + ... + vn wn , v = (v1 , ..., vn )T , w = (w1 , ..., wn )T ,

atunci să se arate că: p


i) f1 , f2 sunt funcţionale biliniare dacă V = Rn . (În acest caz f1 (v, v) defineşte
noţiunea de lungime a vectorilor în Rn !).
ii) f1 nu este o funcţională biliniară dacă V = Cn .
iii) f2 este sesquiliniară şi are loc formula de polarizare

4 f2 (u, v) = f2 (u + v, u + v) − f2 (u − v, u − v) + i f2 (u + iv, u + iv) − i f2 (u − iv, u − iv) .

Soluţie. i) Se verifică axiomele

f1 (αx + β y, z) = α f1 (x, z) + β f1 (y, z) ∀x, y, z ∈ Rn , ∀α, β ∈ R,


f1 (x, αy + β z) = α f1 (x, y) + β f1 (x, z) ∀x, y, z ∈ Rn , ∀α, β ∈ R.

Într-adevăr, dacă x = (x1 , ..., xn )T , y = (y1 , ..., yn )T iar z = (z1 , ..., zn )T atunci

αx + β y = (αx1 + β y1 , ..., αxn + β yn )T ∀α, β ∈ R

şi ∀x, y, z ∈ Rn , ∀α, β ∈ R

f1 (αx + β y, z) = (αx1 + β y1 ) z1 + ... + (αxn + β yn ) zn


= α (x1 z1 + ... + αxn zn ) + β (y1 z1 + ... + yn zn ) = α f1 (x, z) + β f1 (y, z) ,

fapt ce probează i). Analog rezultă ii). Dacă V = Rn atunci wi = wi şi f1 (v, w) = f2 (v, w).
ii) Presupunem prin absurd că f1 este funcţională biliniară. Cum

f1 ((i, ..., i) , (i, ..., i)) < 0

obţinem o contradicţie cu f1 (v, v) ≥ 0 ∀v ∈ Cn .


4.4 Efectul schimbării reperelor la matricea unei funcţionale biliniare 119

iii) Se verifică axiomele

f2 (αx + β y, z) = α f2 (x, z) + β f2 (y, z) ∀x, y, z ∈ Cn , ∀α, β ∈ C,


f2 (x, αy + β z) = α f2 (x, y) + β f2 (x, z) ∀x, y, z ∈ Cn , ∀α, β ∈ C.

Formula de polarizare rezultă prin calcul direct.


Definiţie 4.3.5 Fie (X, K) spaţiu vectorial real sau complex. O funcţională f : X × X → K
(unde K = R sau K = C) se numeşte:
i) pozitiv semidefinită (respectiv pozitiv definită) dacă este hermitienă şi f (x, x) ≥ 0
pentru x ∈ X (respectiv f (x, x) > 0 pentru x 6= 0);
ii) negativ semidefinită (respectiv negativ definită) dacă este hermitienă şi f (x, x) ≤ 0
pentru x ∈ X (respectiv f (x, x) < 0 pentru x 6= 0);
iii) nedefinită dacă există x1 , x2 ∈ X astfel încât f (x1 , x1 ) < 0 şi f (x2 , x2 ) > 0.

4.4 Efectul schimbării reperelor la matricea unei funcţionale biliniare


Presupunem că (X, K) şi (Y, K) sunt spaţii vectoriale reale sau complexe cu dimK X = n ∈ N∗ şi
dimK Y = m ∈ N∗ iar f : X ×Y → K este funcţională biliniară.
reper reper reper
Teoremă 4.4.1 Dacă F1 = f11 , ..., fn1 ⊂ X, F2 = f12 , ..., fn2 ⊂ X, G1 = g11 , ..., g1m ⊂
  
reper
Y , G2 = g21 , ..., g2m ⊂ Y , xF1 = (x1 , ..., xn )T este vectorul coordonatelor elementului x ∈ X


în reperul F1 , yG1 = (y1 , ..., ym )T este vectorul coordonatelor elementului y ∈ Y în reperul


not ăm not ăm
G1 , C = CF1 ,F2 este matricea de trecere de la reperul F1 la reperul F2 , D = DG1 ,G2 este
matricea de trecere de la reperul G1 la reperul G2 iar A = [A]Ff 1 ,G1 este matricea lui f în raport
cu reperele F1 , G1 atunci

f (x, y) = (xF1 )T AyG1 = (C · xF2 )T · A · (D · yG2 ) = (xF2 )T ·CT · A · D · yG2

unde xF2 = C−1 · xF1 , xG2 = D−1 · xG1 .

R Dacă X = Y atunci

F1 = G1 şi F2 = G2 iar f (x, y) = (xF1 )T ·CT · A ·CyF2

not ăm
unde C = CF1 ,F2 este matricea de trecere de la reperul F1 la reperul F2 .

Exerciţiu 4.4.1 Se consideră funcţia f : R2 → R definită prin

f (x, y) = 4x1 y2 − 2x2 y2 + 8x2 y1

unde x = (x1 , x2 )T ∈ R2 , y = (y1 ,y2 )T ∈ R2 .


i) Să se arate că f este biliniară dar nu simetrică.
ii) Să se determine matricea lui f în reperul
n o
B = b1 = (−2, 6)T , b2 = (4, 2)T .


120 Capitolul 4. Forme liniare, biliniare şi pătratice

Soluţie. Scriem matricea lui f în reperul canonic


n o
Bc = e1 = (1, 0)T , e2 = (0, 1)T din R2

prin două metode:


Metoda 1. Avem
not ăm
A = [A]Bf c = (ai j )i, j=1,2 unde ai j = f (ei , e j ) .
Astfel
a12 = f (e1 , e2 ) = 4 · 1 · 1 − 2 · 0 · 1 + 8 · 0 · 0 = 4
a11 = f (e1 , e1 ) = 0, a21 = f (e2 , e1 ) = 8, a22 = f (e2 , e2 ) = −2
iar
 
0 4
A= .
8 −2
Metoda 2. Avem direct
a11 = coeficientul lui x1 y1 , a12 = coeficientul lui x1 y2 , a21 = coeficientul lui x2 y1
 
0 4
a22 = coeficientul lui x2 y2 caz în care A = .
8 −2
Trecem la rezolvarea problemei.
i) Din Metoda 1 sau Metoda 2 avem că
  
T
 0 4 y1
f (x, y) = x Ay = x1 x2
8 −2 y2
iar procedând ca în Exemplul 4.2.2 deducem că f este biliniară. Cum matricea A nu este simetrică
deducem că f nu este simetrică (vezi Teorema 4.3.2).
ii) Prezentăm două metode.
Metoda 1. Avem
not ăm
A1 = [A1 ]Bf = (bi j )i, j=1,2 unde bi j = f (bi , b j ) .
Astfel
b11 = f (b1 , b1 ) = −216, b12 = f (b1 , b2 ) = 152, b21 = f (b2 , b1 ) = 40, b22 = f (b2 , b2 ) = 88.
şi
 
−216 152
A1 = .
40 88
not ăm
Metoda 2. Dacă C = CBc ,B este matricea de trecere de la reperul BC la reperul B atunci
A1 = CT AC unde A1 este matricea lui f în reperul Bc . Avem
  
b1 = −2e1 + 6e2 −2 4
=⇒ C =
b2 = 4e1 + e2 6 2
şi deci
 T     
T −2 4 0 4 −2 4 −216 152
A1 = C AC = = .
6 2 8 −2 6 2 40 88
4.4 Efectul schimbării reperelor la matricea unei funcţionale biliniare 121

Exerciţiu 4.4.2 Dacă (P2 [X] , R) este spaţiul vectorial al polinoamelor cu coeficienţi reali
de grad cel mult doi peste corpul numerelor reale,

B = a1 = 1, a2 = 1 + t, a3 = t 2 reper în (P2 [X] , R)




şi

p1 = a1 + 2a2 + a3 , p2 = a1 − 2a3 , p3 = 2 + 2t + 3t 2 = 2a2 + 3a3 , p4 = a2 + a3

atunci:
i) să se arate că p1 , p2 , p3 , p4 generează spaţiul P2 [X];
ii) să se extragă un reper B0 din {p1 , p2 , p3 , p4 };
iii) să se determine coordonatele lui p = 2a1 + a2 în reperul B0 ;
iv) să se arate că f : P2 [X] × P2 [X] → R definită prin
Z 1 Z 1
f (p, q) = p (t) dt · q (t) dt
0 0

este o funcţională biliniară simetrică şi să se determine matricea ei în reperul canonic al lui
P2 [X] apoi în reperele B şi, respectiv B0 . 

Soluţie. Organizăm datele astfel

i), ii), iii) p1 p2 p3 p4 p


a1 1 1 0 0 2
a2 2 0 2 1 1
a3 1 -2 3 1 0
p1 1 1 0 0 2
a2 0 -2 2 1 -3
a3 0 -3 3 1 -2
p1 1 1 0 0 2
p4 0 -2 2 1 -3
a3 0 -1 1 0 1
p1 1 1 0 0 2
p4 0 0 0 1 −5
p3 0 -1 1 0 1

Lema substituţiei dă răspuns cerinţelor i), ii) şi iii) astfel:
i) P2 [X] = Span {p1 , p3 , p4 };
ii) B0 = {p1 , p3 , p4 } este bază în (P2 [X] , R);
iii) p = 2p1 − 5p4 + p3 iar pB0 = (2, 1, −5)T .
Rămâne să rezolvăm:
iv) Se observă că ∀p, q, r ∈ P2 [X] şi ∀α, β ∈ R are loc
Z 1 Z 1
f (α p + β r, q) = (α p (t) + β r (t)) dt · q (t) dt
0 0
Z 1 Z 1 Z 1 Z 1
= α p (t) dt · q (t) dt + β r (t) dt · q (t) dt = α f (p, q) + β f (r, q)
0 0 0 0

Analog

f (p, αq + β r) = α f (p, q) + β f (p, r) ∀p, q, r ∈ P2 [X] , ∀α, β ∈ R.


122 Capitolul 4. Forme liniare, biliniare şi pătratice

Am probat că f este o funcţională biliniară. Observăm că


Z 1 Z 1 Z 1 Z 1
f (p, q) = p (t) dt · q (t) dt = q (t) dt · p (t) dt = f (q, p)
0 0 0 0
şi deci f este simetrică
Componentele matricei A, ataşată formei biliniare în reperul canonic 1,t,t 2 , sunt

Z 1 Z 1 Z 1 Z 1
1
a11 = f (1, 1) = 1dt · 1dt = 1, a12 = a21 = f (1,t) = 1dt · tdt =
0 0 0 0 2
Z 1 Z 1 1 1
1 1
Z Z
2
t 2 dt = , a22 =

a13 = a31 = f 1,t = 1dt · tdt · tdt =
0 0 3 0 0 4
Z 1 Z 1 Z 1 Z 1
1 1 1 1
a23 = a32 = f t,t 2 = t 2 dt = t 2 dt · t 2 dt =

tdt · = , a33 =
0 0 23 6 0 0 9
şi deci matricea ei în reperul canonic al lui P2 [X] este
 
1 1/2 1/3
A1 =  1/2 1/4 1/6  .
1/3 1/6 1/9
Notăm cu A2 matricea funcţionalei biliniare în noul reper B. Din teorie A2 = C1T · A1 ·C1 unde
 
1 1 0
C1 =  0 1 0 
0 0 1
este matricea de trecere de la reperul canonic Bc la reperul B. Atunci
A2 = C1T · A1 ·C1
3 1
     
1 0 0 1 1/2 1/3 1 1 0 1 2 3
=  1 1 0   1/2 1/4 1/6   0 1 0  =  32 9
4
1
2
.
1 1 1
0 0 1 1/3 1/6 1/9 0 0 1 3 2 9

Analog, notăm cu A3 matricea funcţionalei biliniare în noul reper B0 . Din teorie A3 = C2T · A2 ·C2
unde
 
1 0 0
C2 =  2 2 1 
1 3 1
este matricea de trecere de la reperul canonic B la reperul B0 . Atunci
A3 = C2T · A2 ·C2
a312

3 1 169 52 143
    
1 2 1 1 2 3 1 0 0 9 3 18
=  0 2 3   32 9
4
1
2
 2 2 1  =  52
3 16 22
3
.
1 1 1 143 22 121
0 1 1 3 2 9 1 3 1 18 3 36
Ne putem verifica dacă am greşit, prin soluţia doi! Astfel
p1 = a1 + 2a2 + a3 = 1 + 2 + 2t + t 2 iar p3 = 2 + 2t + 3t 2
şi
Z 1 Z 1 Z 1 1 52
Z
a312 = 1 + 2 + 2t + t 2 dt · 2 + 2t + 3t 2 dt = .
 
p1 (t) dt · p3 (t) dt =
0 0 0 0 3
Analog pentru celelalte componente ale matricei A3 .
4.5 Funcţionale pătratice reale 123

4.5 Funcţionale pătratice reale


Fie (X, R) spaţiu vectorial real.
Definiţie 4.5.1 Presupunem că f : X × X → R este o funcţională biliniară simetrică.
Funcţionala liniară V : X → R definită de V (x) = f (x, x) se numeşte funcţională pătratică
reală.
Definiţie 4.5.2 Fie V : X → R o funcţională pătratică reală. Funcţionala biliniară simetrică

1
f : X × X → R, f (x, y) = (V (x + y) −V (x) −V (y)) (4.3)
2
asociată lui V , se numeşte funcţionala polară sau funcţionala dedublată a lui V .

R Funcţionala polară a unei funcţionale pătratice reale este unică.

Teoremă 4.5.1 Fie V : X → R o funcţională pătratică reală şi f : X × X → R funcţionala


reper
polară a lui V . Dacă dimR X = n ∈ N∗ , F = { f1 , ..., fn } ⊂ X iar xF = (x1 , ..., xn )T este
vectorul coordonatelor unui element x ∈ X în reperul F atunci
 
n n n n n n
V (x) = f (x, x) = f Σ xi fi , Σ x j f j = Σ Σ xi x j f ( fi , f j ) = Σ Σ xi x j ai j = xFT AxF (4.4)
i=1 j=1 i=1 j=1 i=1 j=1

unde A = (ai j )i, j=1,...,n iar ai j = f ( fi , f j ) ∈ R (i, j = 1, ..., n).

R Reţinem:
i) Reprezentarea V (x) = (xF )T AxF se numeşte reprezentarea matriceală a funcţionalei
n n
pătratice reale V în timp ce V (x) = Σ Σ xi x j ai j se numeşte forma algebrică a funcţionalei
i=1 j=1
pătratice reale V .
ii) Matricea şi rangul unei funcţionale pătratice coincid cu matricea, respectiv cu rangul
funcţionalei biliniare simetrice asociate.

Exerciţiu 4.5.1 Fie (X, R) spaţiu vectorial real şi V : X → R o funcţională pătratică reală
n n
definită prin V (x) = Σ Σ xi x j ai j . Să se determine funcţionala biliniară simetrică f : X ×X →
i=1 j=1
R din care provine V . 

Soluţie. Se rezolvă prin trei metode:


Metoda 1. Se determină prin dedublare: monomul aii xi2 din V devine aii xi yi în f iar monomul
a a
ai j xi x j din V (pentru j 6= i) devine 2i j xi y j + 2i j x j yi în f .
Metoda 2. Se aplică (4.3), adică direct definiţia.
Metoda 3. Se scrie matricea lui V după care ţinem cont de faptul că oricărei matrice i se
poate asocia o funcţională biliniară.
Definiţie 4.5.3 O funcţională pătratică se numeşte pozitiv definită (negativ definită, pozitiv
semidefinită, negativ semidefinită, nedefinită) dacă funcţionala biliniară simetrică asociată
formei pătratice are această proprietate.
124 Capitolul 4. Forme liniare, biliniare şi pătratice
Definiţie 4.5.4 Matricea unei funcţionale pătratice se numeşte pozitiv definită (respectiv
nedefinită, negativ definită, pozitiv semidefinită, negativ semidefinită) după cum funcţionala
pătratică asociată ei are aceste proprietăţi.

4.6 Forma canonică a unei funcţionale pătratice (matrice pătratice)


Fie (X, R) spaţiu vectorial real cu dimR X = n ∈ N∗ .
Definiţie 4.6.1 Spunem că expresia unei funcţionale pătratice V : X → R a fost adusă la
forma canonică dacă există un reper F al lui X astfel încât V (x) = λ1 ω12 + ... + λn ωn2 unde
xF = (ω1 , ..., ωn )T este vectorul coordonatelor lui x ∈ X în raport cu reperul F iar λ1 , ..., λn ∈
R.

R Matricea formei canonice este o matrice diagonală.

Definiţie 4.6.2 Presupunem că f : X × X → R este o funcţională biliniară simetrică, V : X →


R este funcţionala pătratică reală asociată lui f iar Y ⊂ X este subspaţiu vectorial al lui X.
i) Vectorii x, y ∈ X se numesc ortogonali în raport cu f (sau cu V ) dacă f (x, y) = 0.
ii) Mulţimea Y ⊥ = { x ∈ X| f (x, y) = 0 ∀y ∈ Y } se numeşte complementul ortogonal al
lui Y în X faţă de f .

R Y ⊥ este subspaţiu vectorial în X.

Definiţie 4.6.3 Presupunem că f : X × X → R este o funcţională biliniară simetrică (respectiv


V : X → R este funcţionala pătratică reală asociată lui f ).
Baza F = { f1 , ..., fn } ⊂ X se numeşte
i) bază ortogonală în raport cu funcţionala f (respectiv V ) dacă f ( fi , f j ) = 0 pentru
i 6= j (i, j = 1, n), adică vectorii ei sunt ortogonali doi câte doi faţă de f .
ii) bază ortonormată în raport cu funcţionala f (respectiv V ) dacă este ortogonală şi în
plus f ( fi , f j ) = 1 pentru i = j (i = 1, n).

Teoremă 4.6.1 — Metoda Jacobi. Presupunem că f : X ×X → R este o funcţională biliniară


simetrică iar V : X → R este funcţionala pătratică reală asociată lui f .
Fie A = (ai j )i, j=1,...,n matricea lui V : X → R în raport cu reperul E = {e1 , ..., en } ⊂ X şi

a a
∆0 = 1, ∆1 = a11 6= 0, ∆2 = 11 12

6= 0, ..., ∆n = det A 6= 0.
a21 a22

În aceste ipoteze, există un reper ortonormat F = { f1 , ..., fn } ⊂ X faţă de care forma pătratică
V are expresia canonică
∆0 2 ∆1 2 ∆n−1 2
V (x) = ω + ω + ... + ω
∆1 1 ∆2 2 ∆n n
unde ω1 , ..., ωn sunt componentele coordonatelor lui x în baza F (Echivalent: x = ω1 f1 +
ω2 f2 + ... + ωn fn sau xF = (ω1 , ..., ωn )T ).
4.6 Forma canonică a unei funcţionale pătratice (matrice pătratice) 125

R [Algoritmul Jacobi de determinare al bazei F este redat în:] Se caută vectorii f1 , ..., fn
de forma


 f1 = b11 e1
f2 = b12 e1 + ... + b22 e2




...

(4.5)

 fi = b1i e1 + b2i e2 + bii ei
...




fn = b1n e1 + b2n e2 + ... + bnn en

unde bi, j ∈ R se determină din

 f (e1 , f1 ) = a11 · b11 


=1    
f (e1 , f2 ) = 0 a11 a12 b12 0
⇐⇒ =
 f (e 2 , f 2 ) = 1  a21 a22 b 22
 1  
 f (e1 , f3 ) = 0 a11 a12 a13 b13 0
f (e2 , f3 ) = 0 ⇐⇒  a21 a22 a23   b23  =  0 
f (e3 , f3 ) = 1 a31 a32 a33 b33 1 (4.6)

...
     

 f (e1 , fn ) = 0 a11 ... a1n b1n 0
...  ... ... ...   ...  =  ... 
   
⇐⇒  

 f (en−1 , fn ) = 0  an−1,1 ... an−1,n   bn−1,n   0 
f (en , fn ) = 1 an1 ... ann bnn 1

sunt relaţiile cu ajutorul cărora determinăm necunoscutele bi j .


Cum ∆i 6= 0 deducem că sistemele (4.6) din care aflăm bi j au soluţie unică şi deci se
rezolvă folosind regula lui Cramer. Soluţiile lui (4.6) se înlocuiesc în (4.5) de unde rezultă
reperul căutat. Matricea lui V în noul reper F este matricea C = (ci j ) unde
(
0 pentru i 6= j,
ci j = f ( fi , f j ) = ∆
bii = ∆i−1
i
pentru i = j.

Metoda Jacobi este un instrument util în clasificarea funcţionalelor pătratice şi a matricelor
pătratice:

Teoremă 4.6.2 — Criteriul lui Sylvester. Fie (X, R) spaţiu vectorial real cu dimR X = n ∈
N∗ , A = (ai j )i, j=1,...,n matricea funcţionalei pătratice reale V : X → R în raport cu reperul
F = { f1 , ..., fn } ⊂ X şi

∆1 = a11 ,

a a
∆2 = 11 12

,
a21 a22
...
∆n = det A.

Următoarele sunt adevărate:


i) A şi V sunt pozitiv definite dacă şi numai dacă ∆1 > 0, ∆2 > 0, ..., ∆n > 0;
ii) A şi V sunt negativ definite dacă şi numai dacă ∆1 < 0, ∆2 > 0, ..., (−1)n ∆n > 0;
iii) dacă ∆i 6= 0 pentru orice i = 1, ..., n şi i), ii) sunt false atunci A şi V sunt nedefinite.

R Forma pătratică V este negativ definită dacă şi numai dacă forma pătratică V1 : X → R
definită prin V1 (x) = −V (x) este pozitiv definită. Matricea asociată lui V1 este −A iar
minorii ei principali sunt ∆1i = (−1)i ∆i pentru i = 1, ..., n.
126 Capitolul 4. Forme liniare, biliniare şi pătratice

R O matrice simetrică este pozitiv definită ⇐⇒ toţi minorii principali ai matricei sunt strict
pozitivi.

Exerciţiu
 4.6.1 — problemă nonstandard. Se consideră funcţionala pătratică definită pe
R3 , R

V (x) = f (x, x) = x32 + 3x3 x1 + x1 x2 .

i) Determinaţi matricea funcţionalei pătratice corespunzătoare reperului canonic (bazei


3

canonice) din R , R .
ii) Determinaţi forma canonică a funcţionalei pătratice.
iii) Să se studieze natura funcţionalei pătratice. 

Soluţie. i) Evident
 
0 1/2 3/2
A1 =  1/2 0 0 .
3/2 0 1
ii) Cum ∆1 = 0 nu putem aplica metoda lui Jacobi. Cu toate acestea, dacă efectuăm
schimbarea de coordonate

 y1 = x3
y2 = x1
y3 = x2

rezultă
f (x, x) = y21 + 2y1 y2 + y1 y2 + y2 y3
cu matricea
 
1 1 0
A2 =  1 0 1/2  .
0 1/2 0
Cum

1 1 0
= −1, ∆3 = 1 0 1/2 = − 1
1 1
∆1 = 1, ∆2 =
1 0
0 1/2 0
4

deducem că f (x, x) = ω12 − ω22 + 4ω32 .


iii) Deoarece ∆1 = 1, ∆2 = −1, ∆3 = − 41 criteriul lui Sylvester implică o formă pătratică
nedefinită.
Teoremă 4.6.3 — Metoda lui Gauss. Dacă V : X → R este funcţională pătratică reală atunci
există o bază ortogonală în X în raport cu care funcţionala pătratică V poate fi scrisă sub forma
canonică.
Metoda lui Gauss de aducere la forma canonică şi de determinare a unei baze ortogo-
nală în X este redată în: reper
Fie (X, R) spaţiu vectorial real, F1 = { f11 , ..., f1n } ⊂ X şi V : X → R o funcţională pătratică
reală definită prin
n n
V (x) = Σ Σ ai j xi x j
i=1 j=1
4.6 Forma canonică a unei funcţionale pătratice (matrice pătratice) 127

expresia algebrică a funcţionalei în această bază. Pentru a determina un reper ortogonal în X


în raport cu care funcţionala pătratică V poate fi scrisă sub forma canonică se repetă etapele
descrise mai jos atâta timp cât există expresii de forma xi x j cu i 6= j:
Etapa 1. V nu conţine pătrate, caz în care este obligatorie transformarea de coordonate
xi + x j 0 xi − x j
xi = xi0 +x0j , x j = xi0 −x0j şi xk = xk0 , k 6= i, j =⇒ xi0 = , xj = , xk = xk0 , k 6= i, j (4.7)
2 2
în scopul obţinerii de pătrate în V . Scriem noua expresie pentru V şi notăm cu F2 = { f21 , ..., f2n }
reperul lui X faţă de care coordonatele lui x sunt xi0 , i = 1, n. Matricea de trecere la noul reper
este
 
1 0 ... 0 0 ... 0
 0 1 ... 0 0 ... 0 
 
 ... ... ... ... ... ... ...  i
  ←− linia
 0 0 ... 1 1 ... 0  j
CF1 ,F2 =  matricea rezultată din (4.7)

 0 0 ... 1 −1 ... 0  ←− linia
 
 ... ... ... ... ... ... ... 
0 0 ... 0 0 ... 1

Folosim formula xF2 = (CF1 ,F2 )−1 xF1 pentru a afla F2 , unde xF2 = (x10 , ..., xn0 )T sunt coordonatele
lui x în reperul F2 . În fapt, coloanele lui CF1 ,F2 sunt vectorii reperului F2 . Dacă nu suntem în
ipotezele Etapei 1 se trece la:
Etapa 2. V conţine pătrate, situaţie în care nu este necesară transformarea de coordonate de
la Etapa 1. În acest caz, presupunând că V posedă un termen în x12 atunci V se poate scrie astfel
n n n
V (x) = a11 x12 + 2 Σ a1i x1 xi + Σ Σ ai j xi x j
i=2 i>1 j>1
 2
1 n 1 n n n n
= a11 x1 + Σ a1i xi − Σ Σ a1i a1 j xi x j + Σ Σ ai j xi x j
a11 i=2 a11 i>1 j>1 i>1 j>1
 2
1 n n n
= a11 x1 + Σ a1i xi + Σ Σ a0i j xi x j
a11 i=2 i>1 j>1

unde
a1i a1 j
a0i j = ai j − pentru orice 2 ≤ i, j ≤ n.
a11
Efectuăm transformarea de coordonate
 0
x = a11 x1 + a12 x2 + ... + a1n xn
 10


x2 = x2

 ...
 0
xn = xn
sau echivalent
 0    
x1 a11 a12 ... a1n x1
 x0   0 1 ... 0   x2 
 2 =   (4.8)
 ...   ... ... ... ...   ... 
xn0 0 0 ... 1 xn
şi avem noua expresie pentru V
1 0 n n
V (x) = x1 + Σ Σ a0i j xi0 x0j . (4.9)
a11 i>1 j>1
128 Capitolul 4. Forme liniare, biliniare şi pătratice

Din (4.8) deducem că


−1 
x10
   
x1 a11 a12 ... a1n
 x2   0 1 ... 0   x20 
 ...  = 
     
... ... ... ...   ... 
xn 0 0 ... 1 xn0
1
− a111 a12 ... − a111 a1n x10
  
a11
 0 1 ... 0   x0 
=   2 
 ... ... ... ...   ... 
0 0 ... 1 xn0

iar dacă notăm cu F2 = { f21 , ..., f2n } reperul lui X faţă de care V este transformată în (4.9) atunci
matricea de trecere de la reperul F1 la reperul F2 va fi
−1  1
− a111 a12 ... − a111 a1n
 
a11 a12 ... a1n a11
 0 1 ... 0   = 0
 1 ... 0 
CF1 ,F2 =
 ... ...
.
... ...   ... ... ... ... 
0 0 ... 1 0 0 ... 1

Evident, avem formula xF2 = (CF1 ,F2 )−1 xF1 pentru a afla F2 , unde xF2 = (x10 , ..., xn0 )T sunt coordo-
natele lui x în reperul F2 . În fapt, coloanele lui CF1 ,F2 sunt vectorii reperului F2 .
n n
Cum în funcţionala pătratică Σ Σ a0i j xi0 x0j nu figurează decât coordonate de indice superior
i>1 j>1
lui 1 se repetă procedura de la Etapele 1, 2 pentru celelalte variabile până ce se obţine reperul
ortogonal în X în raport cu care funcţionala pătratică V poate fi scrisă sub forma canonică.

R Expresia canonică a unei funcţionale pătratice nu este unică.

Exerciţiu 4.6.2 Se consideră funcţionala pătratică definită pe R3 , R




V (x) = f (x, x) = x1 x2 + x1 x3 + x2 x3 .

i) Determinaţi matricea funcţionalei pătratice corespunzătoare reperului canonic (bazei


3

canonice) din R , R .
ii) Determinaţi forma canonică a funcţionalei pătratice.
iii) Să se studieze natura funcţionalei pătratice. 

Soluţie. i) Matricea funcţionalei pătratice este

0 21 12
 

A =  21 0 12  .
1 1
2 2 0

ii) Efectuăm transformarea de coordonate


x +x

 y1 = 1 2 2
x1 −x2
y2 = 2
y3 = x3

şi avem

V (x) = f (x, x) = y21 + 2y1 y3 + y23 − y23 − y22 .


4.6 Forma canonică a unei funcţionale pătratice (matrice pătratice) 129

Observăm că V (x) = f (x, x) = (y1 + y3 )2 − y23 − y22 iar după transformarea de coordonate

 z1 = y1 + y3
z2 = y2
z3 = y3

se obţine forma canonică f (x, x) = z21 − z22 − z23 .


iii) Din
 
1 0 0
D =  0 −1 0 
0 0 −1

se deduce că ∆1 = 1, ∆2 = −1 şi ∆3 = 1 iar din Criteriul lui Sylvester deducem că funcţionala
pătratică este nedefinită.

Exerciţiu 4.6.3 Se consideră funcţionala pătratică definită pe R3 , R




V (x) = f (x, x) = x12 + x22 + 6x1 x2 − 2x1 x3 .

i) Determinaţi matricea funcţionalei pătratice corespunzătoare reperului canonic (bazei


3

canonice) din R , R .
ii) Determinaţi funcţionala biliniară polară a funcţionalei pătratice.
iii) Determinaţi forma canonică a funcţionalei pătratice precum şi baza formei canonice.
iv) Să se studieze natura funcţionalei pătratice. 

Soluţie. i)  Matricea funcţionalei pătratice corespunzătoare reperului canonic (bazei canonice)


din R3 , R este
Metoda 1 de determinare a matricei A. Direct
1 26 − 22
   
1 3 −1
A =  62 1 0  =  3 1 0  .
− 22 0 0 −1 0 0

Metoda 2 de determinare a matricei A. Scriem funcţionala biliniară simetrică f : X × X →


R din care provine V . f se determină prin dedublare:

x12 din V devine x1 y1 x22 din V devine x2 y2


−2x1 y3
6x1 x2 din V devine 6x21 y2 + 6x22 y1 −2x1 x3 din V devine 2 + −2y21 x3

astfel că
6x1 y2 6x2 y1 2x1 y3 2y1 x3
f (x, y) = x1 y1 + x2 y2 + + − −
2 2 2 2
= x1 y1 + x2 y2 + 3x1 y2 + 3x2 y1 − x1 y3 − y1 x3 .

Reperul canonic este


n o
Bc = e1 = (1, 0, 0)T , e2 = (0, 1, 0)T , e3 = (0, 0, 1)T

Calculăm
f (e1 , e1 ) = 1 · 1 + 0 · 0 + 3 · 1 · 0 + 3 · 0 · 1 − 1 · 0 − 1 · 0 = 1, f (e2 , e2 ) = 1, f (e3 , e3 ) = 0
f (e1 , e2 ) = 3, f (e1 , e3 ) = −1, f (e2 , e3 ) = 0
f (e2 , e1 ) = 3, f (e3 , e1 ) = −1, f (e3 , e2 ) = 0
130 Capitolul 4. Forme liniare, biliniare şi pătratice

şi obţinem exact ce a dat Metoda 1.


ii) Avem trei metode pentru a răspunde la această problemă:
Metoda 1. Folosind definiţia: "Funcţionala biliniară simetrică

1
f : X × X → R, f (x, y) = (V (x + y) −V (x) −V (y))
2
asociată lui V , se numeşte funcţionala polară sau funcţionala dedublată a lui V ".
Fie x = (x1 , x2 , x3 )T şi y = (y1 , y2 , y3 )T . Trebuie evaluat

V (x + y) = V (x1 + y1 , x2 + y2 , x3 + y3 )
= (x1 + y1 )2 + (x3 + y3 )2 + (x1 + y1 ) (x2 + y2 ) − 2 (x2 + y2 ) (x3 + y3 ) ,
V (x) = x12 + x32 + 6x1 x2 − 2x2 x3
V (y) = y21 + y23 + 6y1 y2 − 2y2 y3

iar, după calcule,

1
f (x, y) = (V (x + y) −V (x) −V (y)) = x1 y1 + x2 y2 + 3x1 y2 + 3x2 y1 − x1 y3 − x3 y1 .
2
Metoda 2. f (x, y) se determină prin dedublare ca în rezolvarea punctului i) (Metoda 2).
Remarcăm că este indicată Metoda 2.
Metoda 3. f (x, y) se scrie cunoscând că
 
1 3 −1
A =  3 1 0 .
−1 0 0

iii) Determinăm forma canonică a funcţionalei pătratice prin două metode:


Metoda lui Iacobi. Am demonstrat că
 
1 3 −1
A= 3 1 0 
−1 0 0

este matricea funcţionalei pătratice corespunzătoare reperului canonic


n o
F = e1 = (1, 0, 0)T , e2 = (0, 1, 0)T , e3 = (0, 0, 1)T din R3 , R .


Minorii principali sunt



1 3 −1
1 3
∆1 = 1, ∆2 = = −8, ∆3 = 3 1 0 = −1.
3 1
−1 0 0

Rezultă expresia canonică a funcţionalei pătratice:

∆0 2 ∆1 2 ∆2 2 1
V (x) = ω1 + ω2 + ω3 = ω12 − ω22 + 8ω32 , (4.10)
∆1 ∆2 ∆3 8

unde x = ω1 f1 + ω2 f2 + ω3 f3 iar F = { f1 , f2 , f3 } ⊂ R3 este reperul faţă de care forma pătratică


V are expresia canonică (4.10).
Determinăm reperul F. Prezentăm două soluţii:
4.6 Forma canonică a unei funcţionale pătratice (matrice pătratice) 131

Metoda 1. Se caută vectorii f1 , f2 , f3 de forma


 T T
 f1 = b11 e1 = b11 (1, 0, 0) = (b11 , 0, 0)
f = b12 e1 + b22 e2 = b12 (1, 0, 0)T + b22 (0, 1, 0)T = (b12 , b22 , 0)T
 2
f3 = b13 e1 + b23 e2 + b33 e3 = (b13 , b23 , b33 )T
unde

 f (e1 , f1 ) = 1 ⇐⇒ f(e1 , f1 ) =
a11 · b11= 1 
f (e1 , f2 ) = 0 1 3 b12 0
⇐⇒ =
 f (e ,
2 2f ) = 1  3 1 b 22  1  
 f (e1 , f3 ) = 0 1 3 −1 b13 0
f (e2 , f3 ) = 0 ⇐⇒  3 1 0   b23  =  0 
f (e3 , f3 ) = 1 −1 0 0 b33 1

iar, în final,
b11 = 1
b12 + 3b22 = 0
=⇒ b12 = 83 , b22 = − 18
 3b12 + b22 = 1
 b13 + 3 · b23 − b33 = 0
3b13 + 1 · b23 = 0 =⇒ b13 = −1, b23 = 3, b33 = 8.
b13 = −1

În concluzie, vectorii f1 , f2 , f3 sunt de forma



T T
 f1 = b11 e1 = b11 (1, 0, 0) = (1, 0, 0)

T
f2 = b12 e1 + b22 e2 = b12 (1, 0, 0)T + b22 (0, 1, 0)T = 83 , − 18 , 0
 f = b e + b e + b e = (b , b , b )T = (−1, 3, 8)T

3 13 1 23 2 33 3 13 23 33

iar matricea formei pătratice în raport cu reperul F = { f1 , f2 , f3 } este


 
1 0 0
A1 =  0 − 18 0  .
0 0 8
Nu există greşeli de calcul deoarece
1 38
   
1 0 0 1 3 −1 −1
CT AC =  83 − 18 0   3 1 0   0 − 18 3 
−1 3 8 −1 0 0 0 0 8
 
1 0 0
=  0 − 18 0  = A1 .
0 0 8
În final observăm că x = ω1 f1 + ω2 f2 + ω3 f3 este echivalentă cu
     3   
x1 1 8 −1
x =  x2  = ω1  0  + ω2  − 18  + ω3  3 
x3 0 0 8
sau echivalent cu sistemul
 x1 = ω1 + 38 ω2 − ω3

x = − 18 ω2 + 3ω3
 2
x3 = 8ω3
132 Capitolul 4. Forme liniare, biliniare şi pătratice

este transformarea de coordonate care duce la forma canonică. Este de observat că metoda o
putem aplica atunci şi numai atunci când toţi minorii principali ∆i sunt nenuli.
Metoda 2 pentru determinarea bazei. Căutăm
n o
F= f1 = (a, 0, 0)T , f2 = (b, c, 0)T , f3 = (d, e, h)T

reperul corespunzător formei canonice, unde vectorii f1 , f2 , f3 sunt determinaţi din


(
0 pentru i 6= j,
f ( fi , f j ) = ∆i−1 (4.11)
∆i pentru i = j.

Notăm că sistemul (4.11) este echivalent cu




 f ( f1 , f1 ) = ∆∆10




 f ( f1 , f2 ) = 0
f ( f2 , f2 ) = ∆∆21


 f ( f1 , f3 ) = 0



 f ( f2 , f3 ) = 0

 f ( f , f ) = ∆2 .
3 3 ∆3

Avem
  
1 3 −1 a
∆0
f ( f1 , f1 ) = ⇔ (a, 0, 0)  3 1 0   0  = 1
∆1
−1 0 0 0

de unde

a=1
2
a = 1 =⇒ sau şi f1 = (1, 0, 0)T .
a = −1

Considerăm următoarele două ecuaţii ale sistemului


   
 1 3 −1 b
0   c  = − 18





 (b, c, 0)  3 1
f ( f2 , f2 ) = ∆∆21 −1 0 0  0 


f ( f1 , f2 ) = 0 
 1 3 −1 b
(1, 0, 0) 3 1 0 c =0

   


−1

0 0 0

sau echivalent cu

b (b + 3c) + c (3b + c) = − 18


b + 3c = 0 =⇒ b = −3c

sistem cu soluţia
 T
3 1 3 1 3 1
b = , c = − sau b = − , c = şi f2 = ,− ,0 .
8 8 8 8 8 8
4.6 Forma canonică a unei funcţionale pătratice (matrice pătratice) 133

Considerăm următoarele trei ecuaţii ale sistemului


  
−1

 1 3 d




 (d, e, h)  3 1 0  e =8
 −1 0 0  h


 

∆2 
 f ( f 3 , f 3 ) = ∆3 1 3 −1 d



f ( f1 , f3 ) = 0 ⇔ (1, 0, 0)  3 1 0  e =0
−1 0 0 h
 
f ( f2 , f3 ) = 0 

   
1 3 −1



 d
3 1



 , , 0  3 1 0  e =0
 8 8


−1 0 0 h
sau echivalent cu

 d (d − h + 3e) + e (3d + e) − dh = 8
d − h + 3e = 0 =⇒ d = −1, h = 8, e = 3 sau d = 1, h = −8, e = −3
3
e− 8h = 0

şi f3 = (−1, 3, 8)T .


Dezavantajul acestei metode este că sunt foarte multe calcule ce trebuie urmate precum şi
o experienţă în rezolvarea de sisteme de ecuaţii nonstandard. În concluzie, este recomandată
Metoda 1.
Metoda lui Gauss.
Etapa 1. Se grupează termenii care conţin x1 şi obţinem

V (x) = x12 + 6x1 x2 − 2x1 x3 + x22 = x12 + 2x1 (3x2 − x3 ) +x22 .


| {z }
1
În grupul format scoatem factor forţat coeficientul lui x12
(în acest caz coeficientul lui x12 este 1).
Se formează pătrate în grupul de termeni ce conţine x1 după formula

(a ± b)2 = a2 ± 2ab + b2 .

Avem

V (x) = (x1 + 3x2 − x3 )2 − (3x2 − x3 )2 + x22 .

Se face schimbarea de coordonate



 x1 + 3x2 − x3 = y1
x2 = y2 unde y = (y1 , y2 , y3 )T (4.12)
x3 = y3

şi avem

V (x) = y21 − (3y2 − y3 )2 + y22 = y21 − 8y22 + 6y2 y3 − y23 . (4.13)

Etapa 2. Se repetă raţionamentul de la Etapa 1 pentru a 2-a variabilă y2 şi avem


1 1 h i
V (x) = y21 + 64y22 − 48y2 y3 − y23 = y21 + (8y2 − 3y3 )2 − 9y23 − y23 .

−8 −8
Se face schimbarea de coordonate

 y1 = ω1 T
8y2 − 3y3 = ω2 unde ω = ω1 ω2 ω3 (4.14)
y3 = ω3

134 Capitolul 4. Forme liniare, biliniare şi pătratice

şi avem

1  2 ω 2 9ω 2 1 1
V (x) = ω12 + ω2 − 9ω32 − ω32 = ω12 − 2 + 3 − ω32 = ω12 − ω22 + ω32 . (4.15)

−8 8 8 8 8
Pentru determinarea reperului prezentăm două metode:
Metoda 1. Se parcurg transformările de coordonate de la ultima la prima înlocuindu-se
datele astfel

 ω1 = y1 = x1 + 3x2 − x3
ω2 = 8y2 − 3y3 = 8x2 − 3x3
ω3 = y3 = x3

sau echivalent cu
      
ω1 1 3 −1 x1 1 3 −1
 ω2  =  0 8 −3   x2  ⇐⇒ xF =  0 8 −3  xBC
ω3 0 0 1 x3 0 0 1

unde F este reper al lui R3 faţă de care V are forma canonică (4.15) iar xF = (ω1 ,ω2 , ω3 )T sunt
coordonatele lui x în reperul F. Matricea de transformare este
−1 
1 − 83 − 18
 
1 3 −1
CBc ,F =  0 8 −3  =  0 18 3
8
.
0 0 1 0 0 1

care dă
1 − 38 − 81
 

xBC =  0 81 3
8
 · xF
0 0 1

şi
(  T  T )
T 3 1 1 3
F= f1 = (1, 0, 0) , f2 = − , , 0 , f3 = − , , 1 .
8 8 8 8

După cum se observă din calcul F este ortogonal în raport cu f (sau cu V ).


Deoarece
T 
1 − 38 − 18 1 − 38 − 18
    
1 3 −1 1 0 0
 0 1 3  
3 1 0   0 18 3 
=  0 −1 0 
8 8 8 8
1
0 0 1 −1 0 0 0 0 1 0 0 8

decidem că nu există greşeli de calcul.


Metoda 2 de determinare a reperului. Notăm
n o
reper canonic Bc = e1 = (1, 0, 0)T ,e2 = (0, 1, 0)T , e3 = (0, 0, 1)T din R3 prin F1 .

Observăm că (4.12) este echivalent cu


     
 x1 + 3x2 − x3 = y1 y1 1 3 −1 x1
x2 = y2 ⇐⇒  y2  =  0 1 0   x2 
x3 = y3 y3 0 0 1 x3

4.6 Forma canonică a unei funcţionale pătratice (matrice pătratice) 135

de unde
 
1 3 −1
xF2 =  0 1 0  xF1
0 0 1

cu F2 un reper al lui R3 faţă de care V este transformată în (4.13) iar xF2 = (y1 ,y2 , y3 )T sunt
not ăm
coordonatele lui x în reperul F2 . Atunci matricea de trecere de la reperul canonic F1 = Bc la
reperul F2 va fi
 −1    
1 3 −1 1 −3 1 1 −3 1
CF1 ,F2 =  0 1 0  =  0 1 0  =⇒ xF1 =  0 1 0  xF2
0 0 1 0 0 1 0 0 1
şi găsim noul reper

f21 = 1 · e1 , f22 = −3 · e1 + e2 , f23 = 1 · e1 + 1 · e3

de unde
n o
F2 = f21 = (1, 0, 0)T , f22 = (−3, 1, 0)T , f23 = (1, 0, 1)T .

Observăm că (4.14) este echivalent cu


     
 y1 = ω1 ω1 1 0 0 y1
8y2 − 3y3 = ω2 ⇐⇒  ω2  =  0 8 −3   y2 
y3 = ω3 0 0 1 y3

ω3
de unde
 
1 0 0
xF3 =  0 8 −3  xF2
0 0 1

cu F3 reper al lui R3 faţă de care V este transformată în (4.15) iar xF3 = (ω1 ,ω2 , ω3 )T sunt
coordonatele lui x în reperul F3 . Atunci matricea de trecere de la reperul F2 la reperul F3 va fi
 −1    
1 0 0 1 0 0 1 0 0
CF2 ,F3 =  0 8 −3  =  0 81 83  cu xF2 =  0 18 38  xF3
0 0 1 0 0 1 0 0 1
relaţie din care găsim noul reper
1 3
f31 = 1 · f21 , f32 = · f22 , f33 = f22 + f23
8 8
de unde
(  T  T )
T 3 1 1 3
F3 = f31 = (1, 0, 0) , f32 = − , , 0 , f33 = − , , 1
8 8 8 8

este reper ortogonal în R3 în raport cu care funcţionala pătratică V poate fi scrisă sub forma
canonică (4.15). Ne verificăm
T 
1 − 38 − 18 1 − 38 − 18
    
1 3 −1 1 0 0
 0 1
8
3  
8 3 1 0   0 18 3 
8 =  0 − 18 0 
0 0 1 −1 0 0 0 0 1 0 0 18
136 Capitolul 4. Forme liniare, biliniare şi pătratice

adică nu s-a greşit. Remarcăm că, prin această a doua metodă, suntem conduşi la calcule pe care
în prima metodă le-am evitat.
Un comentariu de final este necesar: prin metoda lui Gauss, nu se obţine direct noul reper ci
trebuie să apelăm la schimbarea de coordonate.
iv) Clar

1 3 −1
1 3
∆1 = 1, ∆2 = = −8, ∆3 = 3 1 0 = −1
3 1
−1 0 0

iar din Criteriul lui Sylvester deducem că funcţionala pătratică este nedefinită.

R Dacă funcţionala pătratică a fost adusă la forma canonică prin metoda Jacobi atunci baza
se determină prin algoritmul Jacobi de determinare al bazei. Discuţia are loc şi în cazul
metodei lui Gauss.

4.7 Teorema inerţiei-Sylvester


Presupunem că (X, R) este spaţiu vectorial real cu dimR X = n ∈ N∗ .
Definiţie 4.7.1 Fie

V (x) = a1 x12 + a2 x22 + ... + an xn2

expresia canonică a funcţionalei pătratice V : X → R în care

i) există i1 , ..., i p ∈ {1, ..., n} astfel încât ai1 > 0,..., ai p > 0
ii) există j1 , ..., jq ∈ {1, ..., n} astfel încât a j1 < 0,..., a j p < 0
iii) există k1 , ..., kd ∈ {1, ..., n} cu d = n − (p + q) astfel încât ak1 = 0,..., akd = 0.

Un triplet (p, q, d) cu proprietăţile i)-iii) se numeşte signatura funcţionalei pătratice V .

Se observă că signatura unei forme pătratice este invariantă la trecerea de la o expresie
canonică la alta:
Teoremă 4.7.1 — Teorema inerţiei-Sylvester. Dacă V : X −→ R este o funcţională pătratică
iar
r r+s t t+h
f1 (x) = Σ ωi2 − Σ ωi2 , respectiv f2 (x) = Σ ω
ei2 − Σ ω
e 2j
i=1 j=r+1 i=1 j=t+1

sunt formele canonice ale funcţionalei pătratice V atunci numărul coeficienţilor strict pozitivi
şi cel al coeficienţilor strict negativi nu depinde de baza în care s-a obţinut forma canonică.

Demonstraţie. Presupunem prin absurd r 6= t, r > t (situaţia t > r tratându-se analog). Fie X1 ,
respectiv X2 spaţiul soluţiilor sistemului omogen

 ωr+1 = 0
S1 : ...
ωn = 0,

respectiv

e1 = 0
 ω
S2 : ...
et = 0.

ω
4.7 Teorema inerţiei-Sylvester 137

Din presupunerea făcută, r < t, obsevăm că nu putem avea dimR (X1 ∩ X2 ) = 0. Într-adevăr, dacă
dimR (X1 ∩ X2 ) = 0 atunci aplicând Teorema lui Grassman

dimR (X1 + X2 ) = dimR X1 + dimR X2 .

Pe de altă parte din X1 + X2 ⊆ X deducem că

n = dimR X ≥ dimR (X1 + X2 ) = dimR X1 + dimR X2 = n − t + r

sau echivalent cu n ≥ n −t + r =⇒ t ≥ r adică o contradicţie cu t < r. Argument din care reţinem


că

dimR (X1 ∩ X2 ) 6= 0 şi deci X1 ∩ X2 6= {0X }

fapt ce atrage existenţa unui element x ∈ X1 ∩ X2 , x 6= 0X care să verifice sistemul omogen


 ωr+1 = 0



 ...
ωn = 0

S3 :

 e1 = 0
ω
...





et = 0,
ω

r t+h
mai mult V (x) = Σ ωi2 ≥ 0 şi V (x) = − Σ ω
e 2j ≤ 0.
i=1 j=t+1
De unde deducem că V (x) = 0. În final V (x) = 0 atrage ωi2 = 0 pentru i = 1, .., r, respectiv
e 2j
ω = 0 pentru j = t + 1, ...,t + h ceea ce implică x = 0X (V (x) = 0 ⇐⇒ x = 0X !), adică o
contradicţie cu x 6= 0X . Rezultă r = t. Pentru a demonstra că s = h notăm g = −V şi observăm
că toţi coeficienţii strict negativi din expresia lui V devin strict pozitivi în g. Atunci procedând
Analog cazului din demonstraţia r = t se obţine h = s.

R Cum r = t iar h = s se poate introduce denumirea t indice pozitiv de inerţie iar s indice
negativ de inerţie. Perechea (t, s, n − t − s) se numeşte signatura funcţionalei pătratice V .

Dăm următoarea clasificare a funcţionalelor pătratice:

Teoremă 4.7.2 Dacă V : X −→ R este o funcţională pătratică de rang R, indice pozitiv de


inerţie t şi indice negativ de inerţie s, echivalent V are forma canonică
t t+s
V (x) = Σ ωi2 − Σ ωi2 ,
i=1 j=t+1

atunci
1. V este pozitiv definită dacă şi numai dacă R=t =n
2. V este negativ definită dacă şi numai dacă R=s=n
3. V este pozitiv semidefinită dacă şi numai dacă R=t <n
4. V este negativ semidefinită dacă şi numai dacă R=s<n
(dacă nu se aplică 1., 2., 3., 4. trecem la:)
5. V este nedefinită dacă şi numai dacă t · s 6= 0.
138 Capitolul 4. Forme liniare, biliniare şi pătratice

 Exemplu 4.7.1 Dacă V : R2 −→ R este o funcţională pătratică a cărei matrice în reperul


canonic este
 
0 0
A=
0 −1

atunci V (x) = −ω22 este sub forma canonică iar pe de altă parte

R = rangV = rangA = s = 1 < 2 = dimR R2 , s = 1

şi deci conform 2 funcţionala pătratică V este negativ semidefinită. 


5. Probleme metrice în spaţii euclidiene

5.1 Spaţiu euclidian. Spaţiu unitar. Noţiunea de normă


Vom presupune că (X, K) este spaţiu vectorial.
Definiţie 5.1.1 Spunem că aplicaţia < ·, · >: X × X → K este un produs scalar pe X dacă are
următoarele proprietăţi
i) < x, y >= < y, x > oricare ar fi x, y ∈ X;
ii) < x + y, z >=< x, z > + < y, z > oricare ar fi x, y, z ∈ X;
iii) < αx, y >= α < x, y > oricare ar fi α ∈ K şi x, y ∈ X;
iv) < x, x >≥ 0 oricare ar fi x ∈ X şi < x, x >= 0 dacă şi numai dacă x = 0X .

Definiţie 5.1.2 Spaţiul vectorial (X, K) înzestrat cu un produs scalar <, > se numeşte spaţiu
liniar euclidian.

R Dacă K = R atunci i) devine

< x, y >=< y, x > oricare ar fi x, y ∈ X

iar cuplul (X, <, >) se numeşte spaţiu vectorial euclidian real.

R Dacă X = Cn , K = C, x = (x1 , ..., xn )T ∈ Cn şi y = (y1 , ..., yn )T ∈ Cn atunci < x, y >=


n
Σ xi yi este numit produsul scalar standard sau canonic.
i=1

R Dacă K = C iar <, >: X × X → K este produs scalar (numit produs scalar complex) atunci
<, > este liniar în prima variabilă şi conjugat liniar în a doua variabilă iar cuplul (X, <, >)
se numeşte spaţiu vectorial euclidian complex sau simplu spaţiu unitar.

R Produsul scalar complex se mai numeşte funcţională sesquiliniară hermitică.


140 Capitolul 5. Probleme metrice în spaţii euclidiene

R Produsul scalar real este o funcţională biliniară însă produsul scalar complex nu.

R În loc de notaţia < ·, · >, utilizată în definiţia produsului scalar, se mai foloseşte uneori şi
f (·, ·).

Exerciţiu 5.1.1 Dacă X = C [a, b] = { f : [a, b] → R | f este continuă } atunci


Z b
< f , g >= f (x) g (x) dx
a

este un produs scalar. 

Soluţie. Fie α ∈ R oarecare şi f , g, h ∈ X funcţii arbitrare. Trebuie verificate axiomele produsului
scalar:

< f , g >= ab f (x) g (x) dx = ab g (x) f (x) dx =< g, f >;


R R
verificăm i)
< f + h, g >= ab ( f (x) + h (x)) g (x) dx
R
verificăm ii)
= a f (x) g (x) dx + ab h (x) g (x) dx =< f , g > + < h, g >;
Rb R

verificăm iii) < α f , g >= ab α f (x) g (x) dx = α ab f (x) g (x) dx = α < f , g >;
R R

verificăm iv) Din f 2 (x) ≥ 0 oricare ar fi f ∈ X şi x ∈ [a, b] deducem că


Z b
< f , f >= f (x) f (x) dx ≥ 0.
a

Rămâne să demonstrăm că


Z b
< f , f >= f (x) f (x) dx = 0 ⇐⇒ f = 0.
a

Dacă f = 0 clar < 0, 0 >= ab 0dx = 0.


R

Implicaţia < f , f >= 0 =⇒ f = 0 o demonstrăm presupunând prin absurd că f 6= 0. Cum f


este continuă deducem că există un interval deschis I ⊂ [a, b] astfel încât f 2 (x) > 0 pentru orice
x ∈ I. Putem considera [c, d] ⊂ I şi observa că m = inf f 2 (x) = f 2 (x1 ) > 0 pentru orice x ∈ [c, d]
fapt ce atrage
Z b Z c Z d Z b
0 = < f , f >= f (x) f (x) dx = f (x) f (x) dx + f (x) f (x) dx + f (x) f (x) dx
a a c d
Z d Z d
≥ f (x) f (x) dx ≥ f (x1 ) f (x1 ) dx ≥ m (d − c) > 0
c c

şi deci o contradicţie.

Exerciţiu 5.1.2 Să se arate că f : R2 × R2 → R definită prin

f (x, y) = (x1 + x2 ) (y1 + y2 ) + x1 · y1 pentru orice x = (x1 , x2 )T ,y = (y1 , y2 )T ∈ R2 ,

este produs scalar pe R2 , R .





Soluţie. Folosim notaţia < x, y > în loc de f (x, y). Atunci

< x, y >= 2x1 y1 + x1 y2 + x2 y1 + x2 y2


5.1 Spaţiu euclidian. Spaţiu unitar. Noţiunea de normă 141

iar matricea lui < x, y > în reperul canonic este


 
not ăm <x,y> 2 1
A = [A]Bc = .
1 1

Aşadar
  
2 1 y1
= xT Ay unde x = (x1 , x2 )T iar y = (y1 , y2 )T .

< x, y >= x1 x2
1 1 y2

Evident matricea A este simetrică şi deci < x, y > este simetrică, fapt ce probează prima axiomă
a produsului scalar.
Pe de altă parte

< x + y, z >= (x + y)T Az = xT Az + yT Az =< x, z > + < y, z >


< αx, y >= (αx)T Ay = αxT Ay = α < x, y >

astfel că, rămâne să verificăm ultima axiomă a produsului scalar:

< x, x >≥ 0 oricare ar fi x ∈ X şi < x, x >= 0 dacă şi numai dacă x = 0R2 .

Aducem < x, x > la forma canonică cu Jacobi


∆0 2 ∆1 2 1 2
V (x) =< x, x >= 2x12 + 2x1 x2 + x22 = ω + ω = ω + 2ω22
∆1 1 ∆2 2 2 1
şi avem, evident că V este pozitiv definită.
De asemenea pentru a arăta că V este pozitiv definită puteam scrie

V (x) =< x, x >= 2x12 + 2x1 x2 + x22 = V (x) =< x, x >= x12 + (x1 + x2 )2 .

Rămâne să probăm că < x, x >= 0 dacă şi numai dacă x = (x1 , x2 )T = 0R2 .
Metoda 1. Cum V este liniară cunoaştem că V (x) = 0 dacă şi numai dacă x = 0R2 fapt ce
probează axioma iv) a produsului scalar.
Metoda 2. Observăm că < x, x >= 0 dacă şi numai dacă ω1 = ω2 = 0 deoarece f se scrie
ca sumă de pătrate. Pe de altă parte demonstrăm că ω1 = ω2 = 0 dacă şi numai dacă x1 = x2 = 0.
Într-adevăr, reperul în care se realizează forma canonică a lui f se determină din
 T
1
2 · b11 = 1 =⇒ f1 = ,0
2
    
2 1 b12 0
= =⇒ f2 = (−1, 2)T
1 1 b22 1
şi deci
1
    
x1 2 −1 ω1
x = ω1 f1 + ω2 f2 ⇐⇒ =
x2 0 2 ω2

de unde pentru ω1 = ω2 = 0 =⇒ x1 = x2 = 0. Reciproc, observăm că


    
ω1 2 1 x1
=
ω2 0 12 x2

de unde pentru x1 = x2 = 0 =⇒ ω1 = ω2 = 0.
142 Capitolul 5. Probleme metrice în spaţii euclidiene

Teoremă 5.1.1 Dacă (X, K) este spaţiu vectorial real sau complex cu dimK X = n ∈ N∗ şi
<, >: X × X → K este produs scalar pe X atunci
i) < 0X , x >=< x, 0X >= 0 oricare ar fi x ∈ X;
ii) < x, y + z >=< x, y > + < x, z > oricare ar fi x, y, z ∈ X;
iii) dacă K = C avem < x, αy >= α < x, y > oricare ar fi α ∈ C şi x, y ∈ X;
iv) dacă K = R avem < x, αy >= α < x, y > oricare ar fi α ∈ R şi x, y ∈ X.

Exerciţiu 5.1.3 Dacă (X, K) spaţiu vectorial real sau complex atunci

kx + iyk2 = kxk2 + kyk2 + 2Im hx, yi oricare ar fi x, y ∈ X.

Soluţie. Observăm că

kx + iyk2 = < x + iy, x + iy >=< x, x + iy > + < iy, x + iy >


= < x, x > + < x, iy > + < iy, x > + < iy, iy >
= < x, x > +i < x, y > +i< x, y > + i · i < y, y >
= < x, x > −i < x, y > +i< x, y > + i · i < y, y >
= < x, x > +2Im hx, yi + i · i < y, y >= kxk2 + kyk2 + 2Im hx, yi

unde am folosit faptul că z =< x, y >= a + bi implică

−i · z + i · z = −i (a + bi) + i (a − bi) = −ia + b + ia + b = 2b = 2Imz.


Definiţie 5.1.3 Fie (X, <, >) spaţiu vectorial euclidian real/complex. Scalarul kxk = < x, x >
se numeşte lungimea (modulul, norma) vectorului x ∈ X.

R Notăm că kxk = 0 dacă şi numai dacă x = 0X .

Exerciţiu 5.1.4 — Regula paralelogramului. Fie (X, <, >) spaţiu vectorial euclidian real
sau complex. Să se verifice că
 
kx + yk2 + kx − yk2 = 2 kxk2 + kyk2 ∀x, y ∈ X.

Soluţie. Se observă că

kx + yk2 + kx − yk2 = < x + y, x + y > + < x − y, x − y >


= < x, x + y > + < y, x + y > + < x, x − y > + < −y, x − y >
= < x, x > + < x, y > + < y, x > + < y, y > + < x, x >
+ < x, −y > + < −y, x > + < −y, −y >
= 2 kxk2 + 2 kyk2 + 2Re < x, y > −2Re < x, y >
= 2 kxk2 + 2 kyk2 .
5.2 Procedeul de ortogonalizare Gram-Schmidt 143

5.2 Procedeul de ortogonalizare Gram-Schmidt


Definiţie 5.2.1 Fie (X, <, >) spaţiu vectorial euclidian. Următoarele sunt acceptate ca atare:
i) vectorii x, y ∈ X se numesc ortogonali, notăm x⊥y, dacă < x, y >= 0,
ii) subspaţiul vectorial Y ⊂ X se numeşte familie ortogonală dacă vectorii săi sunt
ortogonali doi câte doi, adică < x, y >= 0 ∀x, y ∈ Y cu x 6= y,
iii) subspaţiul vectorial Y ⊂ X se numeşte familie ortonormată dacă este ortogonală şi
fiecare element al său are norma egală cu unitatea,
iv) o bază care are calităţile de la ii), iii) mai sus se numeşte bază ortogonală, respectiv
bază ortonormată,
v) x ∈ X se numeşte ortogonal pe Y , notăm x⊥Y , dacă < x, y >= 0 ∀y ∈ Y . Mulţimea

Y ⊥ = { x ∈ X| < x, y >= 0∀y ∈ Y } ,

o numim complementul ortogonal al lui Y în X (în raport cu <, >),


vi) subspaţiile vectoriale Y1 , Y2 ⊂ X ai căror vectori sunt relativ ortogonali, adică
∀y1 ∈ Y1 şi ∀y2 ∈ Y2 avem < y1 , y2 >= 0, spunem ca sunt subspaţii vectoriale ortogonale.

Definiţie 5.2.2 Fie (X, <, >) spaţiu vectorial euclidian şi y ∈ X cu y 6= 0X fixat. Proiecţia
ortogonală a lui x ∈ X pe y ∈ X, notată, pry x, este definită prin
< x, y >
pry x = y
< y, y >
iar numărul
< x, y >

< y, y >

se numeşte mărimea algebrică a proiecţiei lui x pe y.

R Vectorul x − pry x este ortogonal pe pry x.

Teoremă 5.2.1 — Teorema lui Pitagora. Fie (X, <, >) spaţiu vectorial euclidian complex.
Dacă < x, y >= 0 atunci kx + yk2 = kxk2 + kyk2 .

Demonstraţie. Observăm că

kx + yk2 = < x + y, x + y >=< x, x + y > + < y, x + y >


= < x, x > + < y, y > + < x, y > + < y, x >= kxk2 + kyk2

unde am folosit < x, y >=< y, x >= 0.

Exerciţiu 5.2.1 — Teorema lui Pitagora în Rm . i) Dacă x, y ∈ Rm \{θ }, atunci să se arate
că

x ⊥ y dacă şi numai dacă kx + yk2 = kxk2 + kyk2 ;

ii) Dacă x1 , x2 ,..., xn ∈ Rm sunt elemente ortogonale două câte două, atunci să se arate
că: kx1 + ... + xm k2 = kx1 k2 + ... + kxm k2 . 
144 Capitolul 5. Probleme metrice în spaţii euclidiene

Soluţie. i) Avem

kx + yk2 = hx + y, x + yi = hx, xi + hx, yi + hy, xi + hy, yi


= kxk2 + 2 hx, yi + kyk2 .

”⊂” Dacă x ⊥ y atunci hx, yi = 0 şi deci kx + yk2 = kxk2 + kyk2 .


”⊃” Relaţia kx + yk2 = kxk2 + kyk2 împreună cu

kx + yk2 = kxk2 + 2 hx, yi + kyk2

conduce la 2 hx, yi = 0, relaţie care demonstrează că x ⊥ y.


ii) Analog.

Teoremă 5.2.2 — Inegalitatea Cauchy-Buniakovsky-Schwarz. Fie (X, <, >) spaţiu vec-
torial euclidian complex. Are loc |< x, y >| ≤ kxk kyk pentru orice x, y ∈ X.

Demonstraţie. Rezultatul este clar dacă x = 0X sau y = 0X , altfel presupunem kxk 6= 0, respectiv
kyk 6= 0 şi alegem
 
2 2 < x, y >
z = kyk (x − pry x) = kyk x − y = kyk2 x− < x, y > y.
< y, y >

Observăm că

0 ≤ < z, z >=< kyk2 x− < x, y > y, kyk2 x− < x, y > y >


= kyk4 < x, x > − < x, y > kyk2 < y, x > − kyk2 < x, y > < x, y >< x, y >
+ < x, y > < x, y > < y, y >
 
= kyk2 kxk2 kyk2 − |< x, y >|2 − |< x, y >|2 + |< x, y >|2
 
= kyk2 kxk2 kyk2 − |< x, y >|2

de unde rezultă inegalitatea de demonstrat.

Exerciţiu 5.2.2 Să se răspundă următoarelor cerinţe:


i) Să se scrie cu ajutorul coordonatelor inegalitatea lui Cauchy-Schwarz în Rm ;
2 2
q ii) Dacă α1 , α2 ∈ R sunt astfel încat α1 + α2 = 1, atunci să se arate că |α1 β1 + α2 β2 | ≤
β12 + β22 pentru orice β1 , β2 ∈ R;
iii) Dacă α1 , α2 , β1 , β2 ∈ R sunt astfel încât α12 + α22 = β12 + β22 = 1, atunci să se arate
că |α1 β1 + α2 β2 | ≤ 1;

2 2
 2 α1 , α
iv) Dacă
2
2 , β1 , β2 ∈ R sunt astfel încât α1 β1 + α2 β2 = 1, atunci să se arate că
α1 + α2 β1 + β2 ≥ 1. 

Soluţie. i) Fie x = (α1 , ..., αm )T şi y = (β1 , ..., βm )T elemente din Rm . Inegalitatea lui Cauchy-
Schwarz în Rm este |hx, yi| ≤ kxk kyk. În coordonate, este echivalentă cu
q q
|α1 β1 + α2 β2 + ... + αm βm | ≤ α12 + α22 + ... + αm2 β12 + β22 + ... + βm2 ;

ii) De la punctul i) observăm că inegalitatea lui Cauchy-Schwarz în R2 scrisă cu ajutorul


coordonatelor este
q q
|α1 β1 + α2 β2 | ≤ α12 + α22 β12 + β22 .
5.2 Procedeul de ortogonalizare Gram-Schmidt 145

Înlocuind în această inegalitate α12 + α22 = 1 obţinem ceea ce trebuia demonstrat.


iii) Se înlocuieşte α12 + α22 = β12 + β22 = 1 în inegalitatea lui Cauchy-Schwarz pentru R2 şi
obţinem concluzia;
iv) Analog ca ii) şi iii), în sensul că se scrie inegalitatea lui Cauchy-Schwarz în R2 şi se
foloseşte faptul că α1 β1 + α2 β2 = 1.

Teoremă 5.2.3 — Inegalitatea triunghiului sau a lui Minkowski. Fie (X, <, >) spaţiu
vectorial euclidian complex. Pentru orice x, y ∈ X are loc kx + yk ≤ kxk + kyk.

Demonstraţie. Observăm că

kx + yk2 =< x + y, x + y >≤ kxk2 + 2 kxk kyk + kyk2 = (kxk + kyk)2

unde am folosit faptul că


< x, y > + < y, x >=< x, y > +< x, y >
C.−B.−S.
= 2Re (< x, y >) ≤ 2 |< x, y >| ≤ 2 (kxk + kyk) .

Exerciţiu 5.2.3 Să se răspundă următoarelor cerinţe:


i) Cu ajutorul coordonatelor să se scrie inegalitatea lui Minkowski în Rm ;
ii) Dacă α1 , α2 , β1 , β2 ∈ R sunt astfel încât α1 + α2 = β1 + β2 = 1, atunci să se arate
că
q q √
α12 + α22 + β12 + β22 ≥ 2;

iii) Dacă α1 , α2 , β1 , β2 ∈ R sunt astfel încât α12 + α22 = β12 + β22 = 1, atunci să se arate că

(α1 + α2 )2 + (β1 + β2 )2 ≤ 4.

Soluţie. i) Fie x = (α1 , ..., αm )T şi y = (β1 , ..., βm )T elemente din Rm . Inegalitatea lui Minkowski
în Rm este kx + yk ≤ kxk + kyk care, cu ajutorul coordonatelor, se transformă în
q q q
(α1 + β1 )2 + ... + (αm + βm )2 ≤ α12 + α22 + ... + αm2 + β12 + β22 + ... + βm2 .

ii) Pentru R2 inegalitatea lui Cauchy-Schwarz scrisă cu ajutorul coordonatelor este


q q q
2 2
(α1 + β1 ) + (α2 + β2 ) ≤ α1 + α2 + β12 + β22 .
2 2

Înlocuind în această inegalitate α1 + α2 = β1 + β2 = 1 obţinem ceea ce trebuia demonstrat.


iii) Se înlocuieşte α12 + α22 = β12 + β22 = 1 în inegalitatea lui Minkowski pentru R2 şi se
obţine concluzia.

R Dacă (X, <, >) este spaţiu vectorial euclidian real atunci
|< x, y >|
−1 ≤ ≤1
kxk kyk
<x,y>
şi deci există θ ∈ [0, π] astfel încât cos θ = kxkkyk . Numim θ unghiul dintre x şi y.
146 Capitolul 5. Probleme metrice în spaţii euclidiene

Exerciţiu 5.2.4 Să se determine α ∈ R astfel încât elementele x = (1, 3, α)T şi y = (2, −1, 3)T
din spaţiul R3 să fie ortogonale. Cu α astfel determinat, să se calculeze cos(x,
cy). 

Soluţie. Punem condiţia hx, yi = 0 şi obţinem 2 − 3 + 3α = 0 ⇒ α = 13 . Deoarece


hx, yi
cy) =
cos(x, şi hx, yi = 0
kxk kyk
cy) = 0.
avem cos(x,
Definiţie 5.2.3 Fie (X, <, >) spaţiu vectorial euclidian real finit dimensional, Y subspaţiu în
X şi {u1 , ..., u p } bază ortogonală în Y . Proiecţia ortogonală a lui x ∈ X, x 6= 0X pe Y , notată
prY x (sau proiY x), este definită prin
< x, u1 > < x, u p >
prY x = u1 + ... + up.
< u1 , u1 > < up, up >

În fapt, prY x = { x0 ∈ X| x − x0 ⊥ Y }.

Teoremă 5.2.4 Dacă (X, <, >) este spaţiu vectorial euclidian atunci oricare submulţime
ortogonală formată din elemente nenule este liniar independentă. Dacă, în plus, dimK X = n ∈
N∗ , atunci orice submulţime ortogonală care conţine n elemente nenule este o bază a lui X.

Teoremă 5.2.5 — Gram-Schmidt. Dacă (X, <, >) este spaţiu vectorial euclidian finit di-
mensional iar B1 = {v1 , v2 , ..., vn } este o bază în X atunci există o bază
i) B2 = {w1 , w2 , ..., wn } ortogonală în X;
ii) B3 = {y1 , y2 , ..., yn } ortonormată în X.

Procedeul de ortogonalizare Gram-Schmidt


Fie (X, <, >) spaţiu vectorial euclidian finit dimensional şi B1 = {v1 , v2 , ..., vn } bază în X.

R [Etapa 1:] Folosim B1 pentru a defini n vectori astfel


w1 = v1
w2 = v2 − prw1 v2
< v2 , w1 >
= v2 − w1
< w1 , w1 >
w3 = v3 − prw1 v3 − prw2 v3
< v3 , w1 > < v3 , w2 >
= v3 − w1 − w2
< w1 , w1 > < w2 , w2 >
...
wn = vn − prw1 vn − ... − prwn−1 vn
< vn , w1 > < vn , w2 > < vn , wn−1 >
= vn − w1 − w2 − ... − wn−1 .
< w1 , w1 > < w2 , w2 > < wn−1 , wn−1 >

R [Etapa 2:] Mulţimea B2 = {w1 , w2 , ..., wn } este bază ortogonală în X.

R [Etapa 3:] Împărţind fiecare vector din B2 prin lungimea sa obţinem o bază ortonormată
pentru X :
 
w1 w2 wn
B3 = y1 = , y2 = , ..., yn = .
kw1 k kw2 k kwn k
5.2 Procedeul de ortogonalizare Gram-Schmidt 147

Exerciţiu 5.2.5 În R3 , R se consideră elementele x1 = (1, 1, 1)T , x2 = (1, 1, 0)T , x3 =




(0, 1, 0)T .
i) Să se arate că B = {x1 , x2 , x3 } este o bază a lui R3 , R ;

0
ii) Să se determine o bază ortonormată B a lui R3 , R înzestrat cu produsul scalar


canonic, obţinută prin ortonormarea bazei B. 

Soluţie. i) x1 , x2 , x3 sunt liniar independenţi, deoarece



1 1 0

1 1 1 = 1,

1 0 0

este nenul. {x1 , x2 , x3 } sunt sistem de generatori, deoarece dimensiunea lui R3 este finită (= 3).
ii) Aplicăm procedeul de ortogonalizare Gram-Schmidt, puţin diferit. Prin puţin diferit
vom înţelege modul algebric de obţinere a formulelor enumerate în procedeu.
0
Astfel, determinăm B = {y1 , y2 , y3 } din relaţiile:
1
y1 = kw1 k w1 w1 = x1
1
y2 = kw2 k w2 cu w2 = x2 + λ1 x1
1 w3 = x3 + λ2 x2 + λ3 x1
y3 = kw3 k w3


iar λ1 , λ2 , λ3 sunt numere reale ce se vor determina, din relaţia: wi , w j = 0, i 6= j.
y1 se determină din
1 1 1 1 1
y1 = w1 = √ (1, 1, 1)T = ( √ , √ , √ )T .
kw1 k 3 3 3 3
y2 se determină din
hx1 , x2 i 2
hw1 , w2 i = 0 ⇐⇒ hx1 , x2 + λ1 x1 i = 0 ⇐⇒ hx1 , x2 i + λ1 hx1 , x1 i = 0 ⇒ λ1 = − =−
hx1 , x1 i 3
adică
hx1 , x2 i 2 1 1 2
w2 = x2 + λ1 x1 = x2 − x1 = x2 − x1 = ( , , − )T
hx1 , x1 i 3 3 3 3
conduce la
1 3 1 1 2 1 1 2
y2 = w2 = √ ( , , − )T = ( √ , √ , − √ )T .
kw2 k 6 3 3 3 6 6 6
y3 se determină din relaţiile:
hw1 , w3 i = 0 ⇐⇒ hx1 , x3 + λ2 x2 + λ3 x1 i = 0 ⇐⇒
hx1 , x3 i + λ2 hx1 , x2 i + λ3 hx1 , x1 i = 0 ⇐⇒ 1 + 2λ2 + 3λ3 = 0,
şi
hw2 , w3 i = 0 ⇐⇒ x2 − 23 x1 , x3 + λ2 x2 + λ3 x1 = 0 ⇐⇒

hx2 , x3 i + λ2 hx2 , x2 i + λ3 hx2 , x1 i − 23 hx1 , x3 + λ2 x2 + λ3 x1 i = 0 ⇔


1 + 2λ2 + 2λ3 − 23 (1 + 2λ2 + 3λ3 ) = 0 ⇐⇒ 31 + 23 λ2 = 0 ⇒ λ2 = − 12 .

Astfel, λ2 = − 12 şi λ3 = 0 ⇒ w3 = (− 21 , 12 , 0)T şi


1 2 1 1 1 1
y3 = w3 = √ (− , − , 0)T = (− √ , − √ , 0)T .
kw3 k 2 2 2 2 2
148 Capitolul 5. Probleme metrice în spaţii euclidiene

Exerciţiu 5.2.6 În R3 , R se consideră elementele




x1 = (1, 2, −3)T , x2 = (1, −1, 2)T , x3 = (2, 1, 1)T şi x = (4, 3, 5)T .

i) Să se arate că B = {x1 , x2 , x3 } este bază în R3 , R ;




ii) Să se determine coordonatele lui x în baza B;


iii) Plecând de la baza B să se construiască o bază ortonormată a lui R3 , R înzestrat


cu produsul scalar canonic. 

Soluţie. i) Probăm că {x1 , x2 , x3 } este sistem liniar independent. Într-adevăr, din

ax1 + bx2 + cx3 = 0R3
a, b, c ∈ R
avem
        
1 1 2 0  a + b + 2c = 0
a  2  + b −1 + c 1
    =  0  ⇐⇒ 2a − b + c = 0
−3 2 1 0 −3a + 2b + c = 0.

Matricea sistemului este


 
1 1 2
A =  2 −1 1 
−3 2 1

cu rangA = 3 deoarece

1 1 2 1 1 2
1 1
M2 = = −3 6= 0 şi M3 = 2 −1 1 = 0 −3 −3 = −6 6= 0,
2 −1
−3 2 1

0 5

7

rezultat ce arată că sistemul este compatibil unic determinat. În consecinţă a = b = c = 0 şi deci
{x1 , x2 , x3 } este sistem liniar independent.
Rămâne să arătăm că {x1 , x2 , x3 } este sistem de generatori. Într-adevăr, din

ax1 + bx2 + cx3 = y
∃ a, b, c ∈ R şi ∀y = (y1 , y2 , y3 )T ∈ R3
avem
       
1 1 2 y1
a  2  + b  −1  + c  1  =  y2 
−3 2 1 y3

sau echivalent

 a + b + 2c = y1
2a − b + c = y2
−3a + 2b + c = y3 .

Matricea extinsă a sistemului este


 
1 1 2 y1
A =  2 −1 1 y2  .
−3 2 1 y3
5.2 Procedeul de ortogonalizare Gram-Schmidt 149

Din rezultatul de mai sus observăm că


rangA = rangA = 3
şi deci sistemul este compatibil. Am probat că {x1 , x2 , x3 } este sistem de generatori. Ca o
consecinţă a teoriei avem demonstrat şi faptul că B = {x1 , x2 , x3 } este bază în R3 .
ii) Coordonatele lui x în baza B se determină din

ax1 + bx2 + cx3 = x
a, b, c ∈ R
echivalent cu a rezolva sistemul

 a + b + 2c = 4
2a − b + c = 3
−3a + 2b + c = 5.

Un calcul simplu arată că



4 1 2 1 4 2 1 1 4

3 −1 1 2 3 1 2 −1 3

5 2 1 −3 5 1 8 −3 2 5 13
a= = −2, b = =− ,c= = .
1
1 2 1
1 2
3
1 1 4 3
2 −1 1 2 −1 1 2 −1 3


−3 2 1 −3 2 1 −3 2 5
T
Conform teoriei coordonatele lui x în baza B sunt xB = −2, − 38 , 13 3 .
iii) Notăm prin Bo = {y1 , y2 , y3 }. Din teorie se cunoaşte că
w1 w2 w3
y1 = , y2 = , y3 =
kw1 k kw2 k kw3 k
unde

 w1 = x1
w2 = x2 + λ1 x1
w3 = x3 + λ2 x2 + λ3 x1

iar λii=1,3 ∈ R se determină din



 < w1 , w2 >= 0
< w1 , w3 >= 0
< w2 , w3 >= 0.

Observăm că
 < w1 , w2 >= 0 ⇔< x1 , x2 + λ1 x1 >= 0 ⇒ λ1 = 21

< w1 , w3 >= 0 ⇔< x1 , x3 + λ2 x2 + λ3 x1 >= 0 ⇒ 14λ3 − 7λ2 + 1 = 0


< w2 , w3 >= 0 ⇔< x2 + λ1 x1 , x3 + λ2 x2 + λ3 x1 >= 0 ⇒ λ2 = −7
5 .

Înlocuind λ2 = −7 27
5 în relaţia 14λ3 − 7λ2 + 1 = 0 obţinem λ1 = − 35 .
Uu calcul simplu arată că
6
   3   
1 2 − 35
1  2 35
y1 = √ 2  , y2 = √  0  şi y3 = √  67  .
14 −3 10 1 6 35 18
2 35
150 Capitolul 5. Probleme metrice în spaţii euclidiene

5.3 Teorema de descompunere în subspaţii ortogonale


Teoremă 5.3.1 Fie (X, <, >) spaţiu vectorial euclidian şi Y subspaţiu în X. Au loc
i) Y ⊥ este subspaţiu vectorial în X;
ii) Y ∩Y ⊥ = {0X }.

Demonstraţie. i) Fie u şi v din Y ⊥ iar w din Y astfel încât < u, w >= 0 şi < v, w >= 0. Observăm
că pentru orice scalari α, β are loc
< αu + β v, w >= α < u, w > +β < v, w >= 0
şi deci αu + β v ∈ Y ⊥ .
ii) Dacă u ∈ Y ∩Y ⊥ atunci < u, u >= 0 ⇐⇒ u = 0X şi deci Y ∩Y ⊥ = {0X }.

Teoremă 5.3.2 — Teorema de descompunere în subspaţii ortogonale. Dacă (X, <>)


este spaţiu euclidian real cu dimR X = n ∈ N∗ iar Y este subspaţiu vectorial în X atunci
X = Y ⊕Y ⊥ unde Y ⊥ este complementul ortogonal al lui Y .
n
<x,ei >
Demonstraţie. Fie B = {e1 , ..., en } ⊂ Y bază ortogonală a lui Y , x ∈ X şi y = ∑ <ei ,ei > ei ∈Y
i=1
subspaţiu
proiecţia ortogonală a lui x pe Y ⊂ X. Fie z = x − y. Deoarece
vectorial
< z, y >=< x, y > − < y, y >
n n n
< x, ei > < x, ei > < x, e j >
= < x, ∑ ei > − < ∑ ei , ∑ ej >
i=1 < ei , ei > i=1 < ei , ei > j=1 < e j , e j >
n n n
< x, ei >2 < x, ei > < x, e j >
= −
∑ < ei , ei > ∑ ∑ < ei , ei > < e j , e j > < ei , e j >
i=1 i=1 j=1
n n
< x, ei >2 < x, ei >< x, ei >
= ∑ < ei , ei > − ∑ < ei , ei >
=0
i=1 i=1

fapt ce demonstrează că z ∈ Y ⊥ . Exprimarea unică x = y + z arată că X = Y ⊕Y ⊥ .


Altfel spus:

R Fie (X, <, >) spaţiu vectorial


 euclidian
real finit dimensional nenul şi Y subspaţiu în X
cu dimK Y = p. Dacă u1 , ..., u p este o bază ortogonală în Y atunci orice x ∈ X se poate
descompune în mod unic astfel x = prY x + prY ⊥ x unde
< x, ui >
< prY ⊥ x, prY x >= 0, prY x = c1 u1 + ... + c p u p iar ci = , i = 1, ..., p.
< ui , ui >
În aceste condiţii y = prY x este proiecţia ortogonlă a vectorului x pe Y iar z = prY ⊥ x este
vectorul proiectat sau proiecţia ortogonlă a vectorului x pe Y ⊥ şi în plus (x − prY x) ∈ Y ⊥
iar distanţa de la vectorul x la subspaţiul Y este norma vectorului z, adică
d (x,Y ) = kx − prY xk .
Mai mult, datorită acestei observaţii se poate defini proiecţia ortogonală PY : X → X definită
prin PY (x) = prY x pentru orice vector x ∈ X.

Exerciţiu 5.3.1 În spaţiul vectorial R3 , R se consideră X mulţimea tuturor combinaţiilor




liniare ale vectorilor

v1 = (−1, 1, 1)T , v2 = (−1, 2, 3)T şi v3 = (1, 1, 3)T .


5.3 Teorema de descompunere în subspaţii ortogonale 151

i) Să se determine câte o bază ortogonală pentru subspaţiile vectoriale X şi, respectiv
X ⊥.
ii) Să se determine proiecţiile ortogonale ale vectorilor x = (2, 3, 4)T şi y = (1, 2, −1)T
pe X. 

Soluţie. i) Se observă că



−1 −1 1
−1 −1
M2 =
=6 0 şi 1 2 1 = 0.
1 2
1 3 3

Avem aşadar
 
X = Span (−1, 1, 1)T , (−1, 2, 3)T ,

iar conform procedeului de ortogonalizare Gram-Schmidt

w 1 = v1
< v2 , w1 >
w2 = v2 − prw1 v2 = v2 − w1
< w1 , w1 >
de unde

w1 = v1 = (−1, 1, 1)T
< (−1, 2, 3)T , (−1, 1, 1)T >
w2 = (−1, 2, 3)T − T T (−1, 1, 1)T
< (−1, 1, 1) , (−1, 1, 1) >
(−1) · (−1) + 2 · 1 + 3 · 1
= (−1, 2, 3)T − 2
(−1, 1, 1)T
2
(−1) + 1 + 1 2

6 T
 
T 6 T 6 6
= (−1, 2, 3) − (−1, 1, 1) = −1 + , 2 − , 3 − = (1, 0, 1)T .
3 3 3 3
n o
O bază ortogonală pentru subspaţiul vectorial X este B1 = b1 = (−1, 1, 1)T , b2 = (1, 0, 1)T .
Se cunoaşte că

X⊥ = x ∈ R3 < x, y >= 0∀y ∈ X




< (x1 , x2 , x3 )T , (−1, 1, 1)T >= 0


  
T 3
= x = (x1 , x2 , x3 ) ∈ R
< (x1 , x2 , x3 )T , (−1, 2, 3)T >= 0
  
T 3 −x1 + x2 + x3 = 0
= x = (x1 , x2 , x3 ) ∈ R .
−x1 + 2x2 + 3x3 = 0
Rezolvăm

−x1 + x2 + x3 = 0
−x1 + 2x2 + 3x3 = 0

şi obţinem

x1 = −x3 , x2 = −2x3 =⇒ x = (−x3 , −2x3 , x3 )T

de unde
 
X ⊥ = Span (−1, −2, 1)T .
152 Capitolul 5. Probleme metrice în spaţii euclidiene

Avem conform procedeului de ortogonalizare Gram-Schmidt

w1 = v1 = (−1, −2, 1)T


n o
şi deci B2 = (−1, −2, 1)T este bază ortogonală în X ⊥ .
ii) Metoda 1. Proiecţiile ortogonale ale vectorilor x = (2, 3, 4)T şi y = (1, 2, −1)T pe X
sunt
< x, b1 > < x, b2 >
prX x = b1 + b2
< b1 , b1 > < b2 , b2 >
< (2, 3, 4)T , (−1, 1, 1)T > < (2, 3, 4)T , (1, 0, 1)T >
= (−1, 1, 1)T + (1, 0, 1)T
< (−1, 1, 1)T , (−1, 1, 1)T > < (1, 0, 1)T , (1, 0, 1)T >
5 6 5 5 6 T 4 5 14 T
   
5 T 6 T
= (−1, 1, 1) + (1, 0, 1) = − + , , + = , , .
3 2 3 2 3 3 2 3 3 3
< y, b1 > < y, b2 >
prX y = b1 + b2 = (0, 0, 0)T .
< b1 , b1 > < b2 , b2 >
Metoda 2. Se cunoaşte că prX ⊥ x = x0 ∈ R3 x − x0 ⊥ X ⊥ . Notăm x0 = prX ⊥ x şi deducem


că

x0 ∈ X ⊥ =⇒ x0 = αv1 = α (−1, −2, 1)T .

Mai mult

x − x0 ⊥ X ⊥ =⇒ x − x0 ⊥ (−1, −2, 1)T =⇒< x − x0 , (−1, −2, 1)T >= 0

sau echivalent < (2, 3, 4)T − α (−1, −2, 1)T , (−1, −2, 1)T >= 0 ce implică

< (2 + α, 3 + 2α, 4 − α)T , (−1, −2, 1)T >= 0

iar în final − (2 + α) − 2 (3 + 2α) + 4 − α = 0 implică

2 4 2 T
 
4 2
α = − = − =⇒ x0 = , ,− .
6 3 3 3 3
Cum x = prX x + prX ⊥ x obţinem

2 4 2 T 4 5 14 T
   
T
prX x = x − prX ⊥ x = (2, 3, 4) − , ,− = , , .
3 3 3 3 3 3

Analog, prX ⊥ y = y0 ∈ R3 y − y0 ⊥ X ⊥ .


Notăm y0 = prX ⊥ y şi deducem că y0 ∈ X ⊥ =⇒ y0 = αv1 = α (−1, −2, 1)T .


Mai mult y − y0 ⊥ X ⊥ =⇒ y − y0 ⊥ (−1, −2, 1)T implică < y − y0 , (−1, −2, 1)T >= 0 sau
echivalent

< (1, 2, −1)T − α (−1, −2, 1)T , (−1, −2, 1)T >= 0

implică

< (1 + α, 2 + 2α, −1 − α)T , (−1, −2, 1)T >= 0.

În final

− (1 + α) − 2 (2 + 2α) − 1 − α = 0 =⇒ α = −1 =⇒ y0 = (1, 2, −1)T .


5.4 Noţiunea de distanţă, punct fix, contracţie. Teorema de punct fix 153

Cum y = prX y + prX ⊥ y obţinem


prX y = y − prX ⊥ y = (1, 2, −1)T − (1, 2, −1)T = (0, 0, 0)T .

Metoda 3. Se cunoaşte că prX x = x0 ∈ R3 x − x0 ⊥ X .


O bază ortogonală pentru subspaţiul vectorial X este


n o
B1 = b1 = (−1, 1, 1)T , b2 = (1, 0, 1)T .
Notăm x0 = prX ⊥ x şi deducem că
x0 ∈ X =⇒ x0 = αb1 + β b2 = α (−1, 1, 1)T + β (1, 0, 1)T .
Mai mult
x − x0 ⊥ (−1, 1, 1)T < x − x0 , (−1, 1, 1)T >= 0
 
x − x0 ⊥ X =⇒ =⇒
x − x0 ⊥ (1, 0, 1)T < x − x0 , (1, 0, 1)T >= 0
sau echivalent
< x − α (−1, 1, 1)T − β (1, 0, 1)T , (−1, 1, 1)T >= 0

5
T T T =⇒ α = iar β = 3.
< x − α (−1, 1, 1) − β (1, 0, 1) , (1, 0, 1) >= 0 3
În concluzie,
 T
4 5 14
prX x = , , .
3 3 3
Analog, prX y = (0, 0, 0)T .

5.4 Noţiunea de distanţă, punct fix, contracţie. Teorema de punct fix


Fie X 6= φ şi X × X = {(x, y) |x ∈ X, y ∈ X }.
Definiţie 5.4.1 Aplicaţia (funcţia) d : X × X → R+ se numeşte distanţă (sau metrică) pe X,
dacă:
M1) d (x, y) = 0 ⇐⇒ x = y;
M2) d (x, y) = d (y, x) ∀x, y ∈ X (simetria);
M3) d (x, y) ≤ d (x, z) + d (z, y) ∀x, y, z ∈ X (inegalitatea triunghiului).

Exerciţiu 5.4.1 — Metrica discretă. Să se arate că pe orice mulţime nevidă X se poate
defini o distanţă pe X cu ajutorul funcţiei

1 dacă x 6= y
d0 : X × X → R+ , d0 (x, y) =
0 dacă x = y

numită şi metrica discretă. 

Soluţie. Într-adevăr, M1), M2) sunt evidente. Probăm că M3) are loc. Observăm că membrul
stâng al acestei inegalităţi este ≤ 1. Dacă
d0 (x, y) + d0 (y, z) < 1
atunci

d0 (x, z) = 0 =⇒ x = z
=⇒ x = y =⇒ d0 (x, y) = 0
d0 (z, y) = 0 =⇒ z = y
şi deci inegalitatea triunghiului este verificată.
154 Capitolul 5. Probleme metrice în spaţii euclidiene

R [Spaţiul metric Rn ] Funcţia dE : Rn × Rn → R+ definită prin


s
n
dE (x, y) = ∑ (xk − yk )2 (metrica euclidiană)
k=1

unde x = (x1 , ..., xn )T şi y = (y1 , ..., yn )T sunt elemente arbitrare din Rn este metrică pe Rn .

Definiţie 5.4.2 Fie d o distanţă pe X. Perechea ordonată (X, d) se numeşte spaţiu metric.

Exerciţiu 5.4.2 Să se arate că d : R × R → R+ definită prin

d (x, y) = |arctgx − arctgy|

defineşte o metrică pe R. 

Soluţie. Observăm că d (x, y) ≥ 0 ∀x, y ∈ R. Probăm axiomele M1)-M3).


M1) funcţia arctgt este strict crescătoare pe R deoarece
1
(arctgt)0 = > 0.
1 + t2
Deci d (x, y) = 0 ⇐⇒ x = y.
M2) Observăm că
d (x, y) = |arctgx − arctgy| = |arctgy − arctgx| = d (y, x) .
M3) Inegalitatea triunghiului rezultă astfel
d (x, y) = |arctgx − arctgy| ≤ |arctgx − arctgz + arctgz − arctgy|
≤ |arctgx − arctgz| + |arctgz − arctgy| = d (x, z) + d (z, y) .

Exerciţiu 5.4.3 Fie X = Q mulţimea numerelor raţionale. Pentru a, b ∈ Q definim

|a − b|
d (a, b) = .
1 + |a − b|

Să se arate că (X, d) este spaţiu metric. 

Soluţie. Observăm că d (a, b) ≥ 0 ∀a, b ∈ Q.


Probăm axiomele M1)-M3).
M1) d (a, b) = 0 ⇐⇒ |a − b| = 0 ⇐⇒ a = b.
|a−b| |b−a|
M2) d (a, b) = 1+|a−b| = 1+|b−a| = d (b, a) .
M3) Observăm că funcţia
t 1
= 1−
1+t 1+t
este crescătoare. Folosind această proprietate a ei avem
|a − b| |a − c| + |c − b|
d (a, b) = ≤
1 + |a − b| 1 + |a − c| + |c − b|
|a − c| |c − b|
= +
1 + |a − c| + |c − b| 1 + |a − c| + |c − b|
|a − c| |c − b|
≤ + = d (a, c) + d (c, b) .
1 + |a − c| 1 + |c − b|
Cum M1)-M3) au fost verificate =⇒ (Q, d) este spaţiu metric.
5.4 Noţiunea de distanţă, punct fix, contracţie. Teorema de punct fix 155

Exerciţiu 5.4.4 — Metrica Manhattan . În R2 definim

d ((x1 , x2 ) , (y1 , y2 )) = |x1 − y1 | + |x2 − y2 | .

Să se arate că R2 , d este spaţiu metric şi să se determine bila deschisă de centru (0, 0) şi


rază r (r > 0). 

Soluţie. Observăm că (x1 , x2 ) , (y1 , y2 ) ≥ 0∀ (x1 , x2 ) , (y1 , y2 ) ∈ R2 .


Probăm axiomele M1)-M3).
M1) Rezultă astfel

d ((x1 , x2 ) , (y1 , y2 )) = |x1 − y1 | + |x2 − y2 | = 0

dacă şi numai dacă


 
|x1 − y1 | = 0 x1 = y1
⇐⇒
|x2 − y2 | = 0 x2 = y2 .

M2) Rezultă astfel

d ((x1 , x2 ) , (y1 , y2 )) = |x1 − y1 | + |x2 − y2 | = |x2 − y2 | + |x1 − y1 |


= d ((y1 , y2 ) , (x1 , x2 )) .

M3) Alegem trei puncte P (x1 , x2 ), Q (y1 , y2 ) şi R (z1 , z2 ). Avem

d (P, Q) = |x1 − y1 | + |x2 − y2 |


≤ |x1 − z1 | + |z1 − y1 | + |x2 − z2 | + |z2 − y2 | = d (P, R) + d (R, P)

şi inegalitatea triunghiului este verificată. 


Cum M1)-M3) au loc rezultă că R2 , d este spaţiu metric. Notăm că d nu este metrica
euclidiană (sau naturală) din R2 . Remarcăm că bila deschisă de centru (0, 0) şi rază r (r > 0) este

Br (0, 0) = (x, y) ∈ R2 d ((x, y) , (0, 0)) < r = (x, y) ∈ R2 |x| + |y| < r
 

şi aceasta este de fapt interiorul pătratului de vârfuri (r, 0), (0, r), (−r, 0) şi (0, −r).
Definiţie 5.4.3 Fie d o distanţă pe X. Perechea ordonată (X, d) se numeşte spaţiu metric.

Notă. Noţiunea de spaţiu metric a fost introdusă de matematicianul francez René Maurice
Frėchet (1878-1973) în anul 1906.
Definiţie 5.4.4 Se numeşte subspaţiu metric al unui spaţiu metric (X, d) perechea (X 0 , d 0 )
unde X 0 este o submulţime nevidă a lui X, iar d 0 este restricţia lui d la mulţimea X 0 × X 0 .

R Dacă d1 şi d2 sunt metrici diferite pe X atunci spaţiile metrice (X, d1 ) şi (X, d2 ) sunt
distincte.

Definiţie 5.4.5 Fiind dat un punct x0 al spaţiului metric X = (X, d) şi un număr r > 0 definim

Br (x0 ) = {x ∈ X |d (x, x0 ) < r } bila deschisă cu centrul în x0 şi rază r,


Br (x0 ) = {x ∈ X |d (x, x0 ) ≤ r } bila închisă cu centrul în x0 şi rază r,
Sr (x0 ) = {x ∈ X |d (x, x0 ) = r } sfera cu centrul în x0 şi rază r.
156 Capitolul 5. Probleme metrice în spaţii euclidiene

Definiţie 5.4.6 Se numeşte vecinătate a punctului x0 din spaţiul metric (X, d), o submulţime
V a lui X care include o bilă deschisă cu centrul în x0 şi rază r > 0.

O vecinătate a lui x0 se notează cu Vx0 . Mulţimea vecinătăţilor punctului x0 se numeşte


sistemul de vecinătăţi ale lui x0 şi se notează cu Vx0 .

5.4.1 Convergenţa în spaţii metrice


Fie (X, d) spaţiu metric.
Definiţie 5.4.7 Se numeşte şir de puncte în X aplicaţia f : Nk → X unde

Nk = {n ∈ N |n ≥ k, k ∈ N } .

Punând f (n) = xn , unde xn ∈ X, şirul se notează prin (xn )n≥k sau (xn ) sau simplu xn . Pre-
supunem k = 0 în continuare.
Definiţie 5.4.8 Spunem că şirul de puncte (xn ) din spaţiul metric (X, d) are limita x ∈ X dacă
în afara oricărei vecinătăţi Vx ⊆ Vx se află un număr finit de termeni ai şirului său, altfel spus,
dacă mulţimea valorilor lui n ∈ N pentru care xn ∈ / Vx este finită. Se scrie
d d
lim xn = x sau xn → x pentru n → ∞ sau xn → x.
n→∞ n→∞

Teoremă 5.4.1 Şirul de puncte (xn )n , xn ∈ (X, d) este convergent la x ∈ X ⇔ şirul de numere
reale nenegative (d (xn , x))n este convergent la zero, sau echivalent
d
xn → x ⇔ ∀ε > 0 ∃N (ε) ∈ N astfel încât d (xn , x) < ε ∀n ≥ N (ε) .
n→∞

R Am demonstrat că (X, d0 ) este spaţiu metric discret. Putem caracteriza şirurile din X unde
d0 (xn , x) → 0.

Demonstraţie. Într-adevăr, dacă d0 (xn , x) → 0 atunci alegând ε = 12 obţinem că există n0 ∈ N


astfel încât d0 (xn , x) < ε = 21 pentru n ≥ n0 . Aceasta este posibil numai dacă d0 (xn , x) = 0 adică
xn = x pentru orice n ≥ n0 .
 T
7n −n 3n−1 −2 , n ≥ 1, de puncte din R3 , dE . Să se

Exerciţiu 5.4.5 Fie şirul an = n+1 , 2 , 3n +2
calculeze lim an . 
n→∞

Soluţie. Limita unui şir convergent de puncte din Rn se calculează pe componente. Deci
T
lim an = 7, 0, 31 . Notând a = (7, 0, 3)T se observă că dE (an , a) → 0 când n → ∞.
n→∞

Definiţie 5.4.9 Fie şirul de puncte (xn )n∈N , xn ∈ X şi (kn ) un şir strict crescător de numere
naturale. Şirul de puncte (yn ) cu proprietatea că ∀n ∈ N astfel încât yn = xkn se numeşte subşir
al şirului de puncte (xn ) din spaţiul metric (X, d).

5.4.2 Şiruri fundamentale


Fie (X, d) spaţiu metric şi (xn )n∈N şir de puncte din X.
Definiţie 5.4.10 (xn )n∈N se numeşte şir fundamental, sau şir Cauchy, dacă pentru orice
ε > 0, există numărul natural N (ε), astfel încât d (xm , xn ) < ε∀m ≥ N (ε) şi ∀n ≥ N (ε) sau
5.4 Noţiunea de distanţă, punct fix, contracţie. Teorema de punct fix 157

echivalent d (xn+p , xn ) < ε∀n ≥ N (ε) şi ∀p ∈ N.

n→∞
R (xn )n∈N este şir fundamental dacă şi numai dacă d (xn+p , xn ) → 0 ∀p ∈ N.

R Orice şir convergent este un şir Cauchy.

R Orice şir Cauchy este mărginit.

R Orice şir Cauchy care conţine un subşir convergent este el însuşi convergent.

Definiţie 5.4.11 Un spaţiu metric (X, d) se numeşte complet dacă orice şir Cauchy de
elemente din X este convergent.

R Într-un spaţiu metric complet şirurile convergente sunt precis şirurile Cauchy.

R Spaţiul metric (Rn , d) unde d este metrica Euclidiană este spaţiu metric complet.

Exerciţiu 5.4.6 Să se dea exemplu de şir fundamental care nu este convergent. 

n
Soluţie. Şirul de numere raţionale en = 1 + n1 este fundamental în (Q, |·|) (căci este convergent
în (R, |·|)) dar nu este convergent în (Q, |·|) deoarece în caz contrar ar rezulta că e = lim en ∈ Q,
n→∞
absurd. Deducem că (Q, |·|) nu este spaţiu metric complet.

Exerciţiu 5.4.7 În spaţiul metric (R, |·|) să se dea exemplu de şir mărginit care nu este
fundamental. 

Soluţie. Şirul xn = 1 + (−1)n este mărginit în (R, |·|) căci |xn | ≤ 2, dar nu este fundamental,
deoarece |x2n − x2n−1 | = 2 ∀n ∈ N.

Exerciţiu 5.4.8 Daţi exemplu de contracţie f : X → X pentru care X ⊆ R nu este spaţiu


metric complet. 

Soluţie. Observăm că (0, 1) înzestrat cu metrica uzuală din R nu este spaţiu metric complet.
Într-adevăr, fie xn = 1n . Fiecare membru al acestui interval este în (0, 1). În plus, xn este şir
Cauchy dar limita lui este 0 ∈ / (0, 1). Evident f : (0, 1) → (0, 1) definită prin f (x) = 21 x este o
contracţie în (0, 1) fără a avea puncte fixe în (0, 1).

5.4.3 Principiul contracţiei


Fie spaţiile metrice (X, d) şi (Y, σ ), A ⊆ X o submulţime nevidă a lui X, f : A → Y funcţie şi
a ∈ A punct oarecare al mulţimii A.
Definiţie 5.4.12 Spunem că funcţia f : A → Y este continuă în punctul a ∈ A dacă pentru
orice vecinătate V ∈ V f (a) există vecinătatea U ∈ Va astfel încât f (U ∩ A) ⊂ V .
158 Capitolul 5. Probleme metrice în spaţii euclidiene
Definiţie 5.4.13 Dacă funcţia f nu este continuă în punctul a ∈ A spunem că f este discon-
tinuă în a sau că a este punct de discontinuitate al lui f .

Teoremă 5.4.2 Teorema de caracterizare a continuităţii. Fie f : A → Y, A ⊆ (X, d) şi


a ∈ A. Următoarele sunt echivalente
i) f este continuă în a;
ii) ∀ε > 0 ∃δ = δ (ε) > 0 astfel încât ∀x ∈ A cu d (x, a) < δ să avem σ ( f (x) , f (a)) < ε.
iii) ∀ (xn ) , xn ∈ A cu xn → a =⇒ f (xn ) → f (a) .

R Orice distanţă este o funcţie continuă.

Definiţie 5.4.14 Fie (X, d) spaţiu metric. Spunem că funcţia f : X → X este contracţie pe
(X, d) dacă există α ∈ (0, 1) astfel încât d ( f (x) , f (y)) ≤ αd (x, y) pentru orice x, y ∈ X.

Definiţie 5.4.15 Fie (X, d) spaţiu metric. Elementul x ∈ X se numeşte punct fix pentru
aplicaţia (operatorul) f : X → X dacă f (x) = x.

Exerciţiu 5.4.9 Să se dea exemplu de funcţie care are cel puţin două puncte fixe. 

Soluţie. Aplicaţia f : [0, 1] → [0, 1] definită prin f (x) = x2 are ca puncte fixe pe x1 = 0 şi x2 = 1
deoarece f (0) = 0 iar f (1) = 1.

Exerciţiu 5.4.10 Se consideră spaţiul metric (M, d) unde M = [1, ∞) iar d este distanţa
uzuală. Fie funcţia f : M → M dată prin f (x) = 2x + 1x . Să se arate că f este contracţie şi să
se determine α şi punctul fix. 

Soluţie. Pentru început evaluăm



x 1 y 1 x−y y−x 1 1
| f (x) − f (y)| = + − − =
+ = |x − y| − .

2 x 2 y 2 xy 2 xy
1
Din x, y ≥ 1 rezultă 0 < xy ≤ 1 şi deci funcţia (x, y) → 12 − xy
1
. Concludem că α = 1
2 pentru ca

1 1
2 xy ≤ α.

Punctul fix este soluţia ecuaţiei f (x) = x, deci x = 2x + 1x sau echivalent x2 = 2. Deoarece
√ √
x ≥ 1, punctul fix este x = 2. Pe de altă parte, cum α = 12 < 1 rezultă că x = 2 este unicul
punct fix.
Un rezultat fundamental în teoria spaţiilor metrice este principiul contracţiei dat de

Teoremă 5.4.3 — Teorema de punct fix a lui Banach. Dacă (X, d) este un spaţiu metric
complet şi f : X → X este o contracţie de constantă α ∈ (0, 1) atunci
i) f este continuă pe X;
ii) ∀x0 ∈ X şirul (xn )n al aproximaţiilor succesive xn+1 = f (xn ), ∀n ∈ N, converge la
punctul x∗ care este unicul punct fix al lui f ;
αn
iii) eroarea aproximării d (xn , x∗ ) ≤ 1−α d (x0 , f (x0 )) ∀n ∈ N ∗ .

Demonstraţie. i) Fie a ∈ X şi şirul (an )n ⊂ X cu lim an = a, deci lim d (an , a) = 0. Avem
n→∞ n→∞

0 ≤ d ( f (an ) , f (a)) ≤ αd (an , a)


& ↓ .
0
5.4 Noţiunea de distanţă, punct fix, contracţie. Teorema de punct fix 159

de unde lim d ( f (an ) , f (a)) = 0 =⇒ f continuă.


n→∞
ii) Avem

d (xn , xn+1 ) = d ( f (xn−1 ) , f (xn )) ≤ αd (xn−1 , xn ) = αd ( f (xn−2 ) , f (xn−1 ))


≤ α 2 d (xn−2 , xn−1 ) ≤ ... ≤ α n d (x0 , x1 ) . (5.1)

Să calculăm d (xn+p , xn ). Avem

d (xn , xn+p ) ≤ d (xn , xn+1 ) + d (xn+1 , xn+p )


≤ d (xn , xn+1 ) + d (xn+1 , xn+2 ) + ... + d (xn+p−1 , xn+p )
≤ α n d (x0 , x1 ) + α n+1 d (x0 , x1 ) + ... + α n+p−1 d (x0 , x1 )
1−αp
= α n 1 + α + ... + α p−1 d (x0 , x1 ) = α n

d (x0 , x1 )
1−α
1
≤ αn d (x0 , x1 ) (5.2)
1−α
deoarece α p este subunitar şi nenegativ. Am demonstrat că
1
0 ≤ d (xn , xn+p ) ≤ α n d (x0 , x1 ) ⇒ lim d (xn , xn+p ) = 0∀p ∈ N
& ↓n→∞ 1−α n→∞
0 .(d-continuă)

X complet
=⇒ (xn ) este şir Cauchy → (xn )n este convergent, fie x∗ = lim xn . În xn+1 = f (xn )
n→∞
trecem la limită, folosind f continuă rezultă
 
lim xn+1 = lim f (xn ) = f lim xn
n→∞ n→∞ n→∞

deci x∗ = f (x∗ ). O altă soluţie x∗∗ nu poate să existe deoarece am avea

0 < d (x∗ , x∗∗ ) = d ( f (x∗ ) , f (x∗∗ )) ≤ αd (x∗ , x∗∗ ) < d (x∗ , x∗∗ )

evident imposibil.
iii) Conform inegalităţii (5.2) avem
αn
0 ≤ d (xn , xn+p ) ≤ d (x0 , x1 ) .
1−α

R Se poate demonstra că dacă (X, d) este un spaţiu metric complet şi f : X → X este o
contracţie de constantă α ∈ (0, 1) atunci
α
d (xn , x∗ ) ≤ d (xn−1 , xn ) .
1−α

R O ecuaţie de forma f (x) = 0 se poate pune sub forma g (x) = x în mai multe moduri, nu
toate la fel de convenabile aplicabilităţii metodei aproximaţiilor succesive. De exemplu,
pentru a rezolva ecuaţia x2 − 2 = 0 se preferă punerea ei sub forma x = 21 x + 2x . Cele

√ √
două soluţii, − 2 şi 2 se obţin pornind de la aproximaţiile strict negative şi, respectiv
strict pozitive.
160 Capitolul 5. Probleme metrice în spaţii euclidiene

Exerciţiu 5.4.11 Fie (I, dE ) spaţiu metric complet al lui (R, dE ) şi f : I → I funcţie continuă
pe I şi derivabilă pe interiorul lui I. Frecvent în analiza matematică sunt întâlnite iteraţii
de forma xn+1 = f (xn ), n ∈ N. Să se demonstreze că (xn )n≥0 este convergent pentru orice
alegere a lui x0 ∈ I dacă există α ∈ (0, 1) astfel încât | f 0 (x)| ≤ α pentru orice x ∈ I. 

Soluţie. Rezultă din teorema lui Lagrange că pentru orice x şi y din I există t = t (x, y) între x şi
y astfel încât f (x) − f (y) = f 0 (t) (x − y).
Deci | f (x) − f (y)| = | f 0 (t)| |x − y| ≤ α |x − y| ⇐⇒ dE ( f (x) , f (y)) ≤ αdE (x, y), adică f
este contracţie.
Recapitulare:

(I, dE ) spaţiu metric complet Teorema Banach
=⇒ că xn este convergent.
f contracţie

Exerciţiu 5.4.12 Să se arate că ecuaţia x3 + 12x − 1 = 0 are o singură rădăcină reală şi să se
calculeze această rădăcină cu o eroare mai mică de 0, 0001 (altfel spus cu o precizie de 10−4 ).


Soluţie. Etapa 1. Se localizează rădăcina. Folosim şirul lui Rolle.


x −∞ −4 4 +∞ g (x) = x3 + 12x − 1 =⇒ g0 (x) = 3x2 + 12
g (x) −∞ −113 111 +∞ g0 (x) = 0 =⇒ 3x2 + 12 = 0 =⇒ x ∈ /R
− − + + lim g (x) = −∞ şi lim g (x) = ∞
x→−∞ x→∞
g (−4) = (−4)3 + 12 (−4) − 1 = −64 − 48 − 1 = −113
g (4) = 43 + 12 · 4 − 1 = 64 + 48 − 1 = 111
Şirul lui Rolle este − −+ + şi deoarece există o singură schimbare de semn (corespunzătoare
^
valorilor −4 şi 4) deducem că ecuaţia are o singură rădăcină reală în intervalul [−4, 4]. Mai mult,
cum g (0) · g (1) < 0 o localizare mai bună a rădăcinii este intervalul (0, 1).
1
Etapa 2. Ecuaţia se mai scrie x x2 + 12 − 1 = 0 sau echivalent x = x2 +12 .
1
Dorim să aplicăm Teorema Banach. Ultima expresie sugerează să considerăm f (x) = x2 +12 .
Probăm că f este contracţie în I = [0, 1]. Pentru aceasta folosim Exerciţiul 5.4.11. Observăm că
−2x
f 0 (x) = .
(x2 + 12)2

−2x
Pe de altă parte | f 0 (x)| = = 2x
iar cum x2 + 12 ≥ 12 şi x ≤ 1 deducem că

2 2
(x2 +12) (x2 +12)
(
1 1
1 1 2 ≤ 122
≤ şi (x2 +12)
x2 +12 12
2x ≤ 2.

Am demonstrat că | f 0 (x)| ≤ 1212 · 2 = 72


1
.
1
Conform Exerciţiului 5.4.11 avem | f (x) − f (y)| ≤ 72 |x − y| ∀x, y ∈ [0, 1] adică f este con-
tracţie.
Etapa 3. Alegem x0 = 0 ∈ [0, 1]. Construim şirul aproximaţiilor succesive x1 = f (x0 ) =
1 1
f (0) = 12 şi deci |x1 − x0 | = 12 .
Din Etapa 1 şi Teorema Banach cunoaştem că f are un unic punct fix iar eroarea aproximării
este dată de relaţia
αn
d (xn , x∗ ) ≤ d (x0 , x1 ) ∀n ∈ N∗ .
1−α
5.4 Noţiunea de distanţă, punct fix, contracţie. Teorema de punct fix 161

Această ultimă relaţie ne furnizează câte iteraţii să facem pentru ca eroarea să fie mai mică de
0, 0001. Determinăm n ∈ N∗ minim astfel încât

αn 1 72 1 n
 
1
d (x0 , x1 ) adică < 4.
1−α 2 71 72 10

Pentru
n = 0 =⇒ 0, 25352112 < 1014 Fals
1 72 1 2 72 1

n = 2 =⇒ 2 71 72 = 736128 < 104
Adevărat

astfel că trebuie făcute două iteraţii. Pentru n = 2 găsim

1 122 144
x∗ ' x2 = f (x1 ) = = = ' 0, 08328514
1 2 1 + 123 1729

12 + 12

soluţie a problemei cu o eroare mai mică de 10−4 .

Exerciţiu 5.4.13 Să se demonstreze că este posibil să rezolvăm ecuaţia f (x) = x3 + x − 1 = 0
1
folosind iteraţia xn = g (xn−1 ) = 2
1+xn−1
pentru n ≥ 1. Să se calculeze x1 , x2 , x3 pentru x0 = 1
şi să se estimeze d (x, xn ). 

Soluţie. Fie g (x) = x21+1 . Egalitatea g (x) = x este echivalentă cu x = 1


sau cu x 1 + x2 = 1

1+x2
adică chiar ecuaţia x3 + x − 1 = 0 ce dorim să o rezolvăm.
Etapa 1. Se localizează rădăcina. Folosim şirul lui Rolle.

x −∞ +∞ f 0 (x) = 0 =⇒ 3x2 + 1 = 0 =⇒ ecuaţia nu are soluţii reale.


f (x) −∞ +∞
− +

Şirul lui Rolle este −+ şi deci ecuaţia are o singură rădăcină reală în intervalul (−∞, ∞). Mai
^
mult f (0) · f (1) = (−1) · 1 < 0 şi rădăcina se află în (0, 1).
Considerăm spaţiul metric complet ([0, 1] , dE ) şi verificăm că g este contracţie pe [0, 1].
Observăm că
2x 2x 2
g0 (x) = − şi g0 (x) =


(1 + x2 )2 (1 + x2 )2 1

adică nu avem o estimare bună. Încercăm astfel


6 x2 − 13

00 2 (−2) 2x 2 2 2

g (x) = − − 2x = −1 − x + 4x = .
(1 + x2 )2 (1 + x2 )3 (1 + x2 )3 (1 + x2 )3

Rezolvăm g00 (x) = 0 =⇒ x = ± √13 . Construim tabelul

x −∞ − √13 √1
3√
+∞

g0 (x) 0 % 3 3
8 & −383 % 0
g00 (x) + + 0 − 0 + +
   
Rezultă din tabel că g0 (x) ≤ g0 − √13 şi g0 (x) ≥ g0 √13 deoarece x = − √13 este punct de
maxim iar x = √1 este punct de minim.
3
162 Capitolul 5. Probleme metrice în spaţii euclidiene
  √   √
Inegalitatea g0 (x) ≥ g0 √1
3
0 0
= − 8 este echivalentă cu −g (x) ≤ −g √13 = 3 8 3 sau,
3 3

mai mult |g0 (x)| ≤ 3 3
8 (deoarece x ∈ [0, 1] =⇒ g0 (x) ≤ 0).

3 3
Cum α = 8 < 1 =⇒ din Exerciţiul 5.4.11 că g este contracţie. În concluzie, f (x) = 0
poate fi rezolvată folosind iteraţia dată.
Etapa 3. Fie x0 = 1. Observăm că
   
1 1 1 1 4 4 1 25
x1 = g (x0 ) = = , x2 = g = 1
= , x3 = g = 16
= .
1+1 2 2 1+ 4 5 5 1 + 25 41
αn
În final |x∗ − xn | ≤ 1−α |x1 − x0 | sau echivalent
 √ n
3 3     2n  n
8 1 4 27 3 27 2
|x − xn | ≤ √ 1− = √ < .
1− 383 2 8 − 3 3 64 2 64


Exerciţiu 5.4.14 Să se estimeze 3 cu 4 zecimale, folosind principiul contracţiei. 


Soluţie. Observăm că 3 este rădăcină a ecuaţiei x2 = 3. Deci problema se reduce la a afla
soluţia pozitivă a acestei ecuaţii cu 4 zecimale,
√ adică să se estimeze soluţia cu o eroare mai
 mică
de 10−4 . Mai mult, trebuie să observăm că 3 este un punct fix pentru f (x) = 1
2 x + 3
x .
3
Se arată ca mai sus că f este contracţie pe 2 , ∞ de constantă α = 2 . Dacă alegem x0 = 32
1


atunci
  !
1 3 1 3 3 7
x1 = f (x0 ) = x0 + = +3 = .
2 x0 2 2 2 4
n
Pe de altă parte d (xn , x∗ ) ≤ 1−α
α
d (x0 , x1 ) ∀n ∈ N∗ .
În cazul nostru
√ 1 n  n  n


2 1 3 7 1 1 1
xn − 3 ≤ |x − x1 | = · 2 · − = · 2 · = n+1 .

1 0

1− 2 2 2 4 2 4 2

Membrul drept este mai mic decât 1014 pentru n = 13, care înseamnă că x13 aproximează 3 cu 4
zecimale. Mai mult, iteraţia xn+1 = f (xn ) ne dă un răspuns mai rapid. Din calcule, se observă
x3 ' 1, 732050810 şi x4 ' 1, 732050807. Deci |x3 − x4 | ≤ 1018 .
√ √
Pentru α = 12 =⇒ x4 − 3 ≤ |x4 − x3 | şi deci 3 este aproximat foarte bine chiar de către


x4 . Am obţinut 3 ' 1, 73205.

5.5 Noţiunea de spaţiu normat

Fie (X, <, >) spaţiu euclidian real. Am văzut că lungimea (sau norma euclidiană) a unui vector

x ∈ X este numărul real kxk = < x, x >. Un calcul direct arată că

N1) kxk ≥ 0 ∀x ∈ X şi kxk = 0 ⇔ x = 0X ;


N2) kαxk = |α| kxk ∀x ∈ X, ∀α ∈ R;
N3) kx + yk ≤ kxk + kyk ∀x, y ∈ X,

proprietăţi ce demonstrează că o normă poate fi definită direct, astfel:


5.5 Noţiunea de spaţiu normat 163

Definiţie 5.5.1 Fie (X, R) spaţiu vectorial real.


i) Se numeşte normă în (X, R) o funcţie k·k : X → R astfel încât pentru orice x şi y din
X şi orice scalari α au loc N1), N2) şi N3).
ii) Se numeşte spaţiu normat un spaţiu vectorial (X, R) pe care s-a fixat o normă k·k.
Notăm situaţia (X, k·k).

R Funcţia k·k : X → R cu proprietăţile N1), N2) şi N3) este continuă.

bază
R Fie (X, R) spaţiu vectorial real. Dacă B = {b1 , ..., bn } ⊂ X atunci orice vector x ∈ X
se scrie x = Σni=1 xi bi , unde x = (x1 , ..., xn )T este vectorul coordonatelor în baza B iar
următoarele funcţionale sunt norme
kxk∞ = max |xi | norma ∞ (norma maximum)
1≤i≤n
1/p
kxk p = Σni=1 |xi | p norma p (pentru p = 2 norma euclidiană).

R Normele operatoriale pentru o matrice A = (ai j )i, j=1,..,n ∈ Mm,n (C) subordonate normelor
kxk∞ , kxk1 şi kxk2 sunt

kAk∞ = max Σnj=1 ai j (norma liniilor)
1≤i≤n
kAk = max Σ n ai j (norma coloanelor)
1 i=1
1≤ j≤n
T
kAk2 = [Rs (A∗ · A)]1/2 în care A∗ = A iar Rs este raza spectrală (norma euclidiană).

Exerciţiu 5.5.1 Fie X = C [a, b] = { f : [a, b] → R | f este continuă }. Să se arate că dacă
(X, R) este spaţiul vectorial real al funcţiilor definite pe [a, b] atunci k f kL1 = ab | f (x)| dx
R

defineşte o normă pe X. 

Soluţie. Arătăm că sunt îndeplinite axiomele N1)-N2):


verificăm N1): deoarece | f (x)| ≥ 0 evident şi k f kL1 ≥ 0. Pe de altă parte, dacă f = 0 atunci
| f | = 0 =⇒ k f kL1 = 0. Presupunem acum că k f kL1 = 0 şi demonstrăm că f = 0. Într-adevăr
dacă prin absurd există x0 ∈ [a, b] astfel încât f (x0 ) 6= 0 =⇒ | f (x0 )| > 0. Pe de altă parte, din
continuitatea lui f , deducem că există o constantă m > 0 şi un interval [c, d] ⊆ [a, b] astfel încât
| f (x)| > m pentru orice x ∈ [c, d] (c < d). Atunci avem estimarea
Z b Z d
k f kL 1 = | f (x)| dx ≥ | f (x)| dx ≥ m (d − c) > 0
a c
adică o contradicţie cu k f kL1 = 0. Deci k f kL1 = 0 =⇒ | f | = 0 şi f = 0;
verificăm N2): avem
Z b Z b
kαxk = |α f (x)| dx = |α| | f (x)| dx = |α| k f kL1 ;
a a
verificăm N3): observăm că
Z b Z b Z b
k f + gkL1 = | f (x) + g (x)| dx ≤ | f (x)| dx + |g (x)| dx = k f kL1 + kgkL1
a a a
fapt ce încheie demonstraţia că (X, k·kL1 ) este spaţiu vectorial normat.

R Orice spaţiu normat (X, k·k) admite o metrică d, definită prin d (x, y) = kx − yk pentru
orice x, y ∈ X.
164 Capitolul 5. Probleme metrice în spaţii euclidiene

5.6 Aplicaţie a teoremei de punct fix a lui Banach


Fie A = (ai j )i, j=1,...,n ∈ Mn (R) matrice inversabilă ale cărei elemente de pe diagonala princi-
pală sunt egale cu 1, x = (x1 , .., xn )T ∈ Rn şi b = (b1 , .., bn )T ∈ Rn . Vom considera problema
determinării soluţiei sistemului de ecuaţii liniare neomogen A · x = b.
Pentru aceasta, scriem sistemul sub forma (I − A) · x + b = x şi considerăm spaţiul metric
complet (Rn , d) unde d (x, y) = kx − yk∞ . Definim f = ( f1 , ..., fn ) : Rn → Rn prin f (x) =
(In − A) · x + b şi observăm că

f (x) − f (y) = (In − A) · (x − y) .

Din această relaţie se poate obţine estimarea


n
max | fi (x) − fi (y)| ≤ max Σ (In − A)i j x j − y j = kIn − Ak∞ x j − y j

1≤i≤n 1≤i≤n j=1
n n
= max Σ (In − A)i j x j − y j = max Σ ai j x j − y j .

1≤i≤n j=1, j6=i 1≤i≤n j=1, j6=i

În concluzie,
n n
d ( f (x) , f (y)) = k f (x) − f (y)k∞ ≤ max Σ ai j d (x, y) = max Σ ai j kx − yk .

1≤i≤n j=1, j6=i 1≤i≤n j=1, j6=i

Această discuţie împreună cu Teorema de punct fix a lui Banach demonstrează veridicitatea
următorului rezultat:
T
Teoremă 5.6.1 Fie A = (ai j )i, j=1,...,n ∈ Mn (R) matrice inversabilă, x = (x1 , .., xn ) ∈ Rn şi
n
b = (b1 , .., bn )T ∈ Rn . Dacă Σ

ai j < |aii | pentru orice i = 1, ..., n atunci pentru orice
j=1, j6=i
x0 ∈ Rn şirul aproximaţiilor succesive xm+1 = (In − A) · xm + b pentru m = 0, 1, ... converge la
unica soluţie a sistemului A · x = b.
6. Clase speciale de operatori

6.1 Adjunctul unui operator liniar


Fie (X, <, >X ) şi (Y, <, >Y ) spaţii euclidiene (reale sau complexe).

Definiţie 6.1.1 Fie u : X −→ Y operator liniar. Se numeşte adjunct al lui u un operator liniar
u∗ : Y −→ X definit prin

< u (x) , y >Y =< x, u∗ (y) >X ∀x ∈ X şi y ∈ Y. (6.1)

Teoremă 6.1.1 Dacă X este finit dimensional atunci orice operator liniar u : X −→ Y admite
un unic adjunct u∗ : Y −→ X.

Demonstraţie. Dacă {e1 , ..., en } este o bază ortonormată a lui X atunci u∗ îndeplineşte

< u (e j ) , y >Y =< e j , u∗ (y) >X pentru orice j.

Deci u∗ (y) = ∑nj=1 < u (e j ) , y >Y e j şi u∗ este unic. Definim u∗ în acest mod şi observăm că
(6.1) este îndeplinită pentru x = e j . Din liniaritatea lui u şi u∗ deducem că (6.1) este îndeplinită
pentru orice x ∈ X. Deci u∗ există.

Exerciţiu 6.1.1 Pe R2 ,R se consideră produsul scalar




< x, y >= x1 y1 + x2 y2 , ∀x = (x1 , x2 )T ∈ R2 ∀y = (y1 , y2 )T ∈ R2

şi operatorul liniar u : R2 → R2 , u (x) = (x1 − x2 ,2x1 )T pentru orice x = (x1 , x2 )T ∈ R2 . De-
terminaţi operatorul adjunct al lui u (notat cu u∗ ). 

Soluţie. Observăm că < x, y >= x1 y1 + x2 y2 , ∀x = (x1 , x2 )T ∈ R2 ∀y = (y1 , y2 )T ∈ R2 este chiar


produsul scalar canonic din R2 . Mai mult
 
1 −1
u (x) = A · x unde A = [A]uBc = .
2 0
166 Capitolul 6. Clase speciale de operatori
n o
T T
Pentru a răspunde problemei se cunoaşte că e1 = (1, 0) , e2 = (0, 1) este o bază ortonormată
a lui R2 . Pe de altă parte
2
u∗ (y) = ∑ < u (e j ) , y > e j =< u (e1 ) , y > e1 + < u (e2 ) , y > e2 unde y = (y1 , y2 )T
j=1

sau echivalent
u∗ (y) = < (1, 2)T , (y1 , y2 )T > (1, 0)T + < (−1, 0)T , (y1 , y2 )T > (0, 1)T
= (y1 + 2y2 ) (1, 0)T − y1 (0, 1)T = (y1 + 2y2 , −y1 )T .
Desigur se poate verifica că < u (x) , y >=< x, u∗ (y) > ∀x, y ∈ R2 . Într-adevăr,
< (x1 − x2 ,2x1 )T , (y1 , y2 )T >=< (x1 , x2 )T , (y1 + 2y2 , −y1 )T >
sau echivalent y1 (x1 − x2 ) + 2x1 y2 = x1 (y1 + 2y2 ) − x2 y1 egalitate adevărată.

Teoremă 6.1.2 Presupunem că dimR X = dimR Y = n ∈ N∗ . Următoarele au loc:


i) Dacă operatorul liniar u : X −→ Y admite ca operator liniar adjunct pe u∗ : Y −→ X,
Be = {e1 , ..., en } este o bază ortonormată a lui X iar B f = { f1 , ..., fn } este o bază ortonormată
a lui Y atunci matricea lui u în raport cu Be şi B f este matricea transpusă conjugată a lui u∗ în
raport cu Be şi B f .
ii) Dacă u1 , u2 : X −→ Y sunt operatori liniari iar λ1 , λ2 ∈ K atunci

(λ1 u1 + λ2 u2 )∗ = λ1 u∗1 + λ2 u∗2 .

iii) Dacă operatorul liniar u : X −→ Y admite ca operator liniar adjunct pe u∗ : Y −→ X


atunci (u∗ )∗ = u.

6.2 Endomorfisme autoadjuncte


Fie (X, <, >) spaţiu euclidian (real sau complex).
Definiţie 6.2.1 Endomorfismul u : X −→ X se numeşte operator autoadjunct dacă u = u∗
(sau, echivalent < u (x) , y >=< x, u (y) > ∀x, y ∈ X).

Unele proprietăţi pentru operatori autoadjuncţi sunt redate în:

Teoremă 6.2.1 Dacă u : X −→ X este operator autoadjunct atunci


i) ∀x ∈ X avem < u (x) , x >∈ R;
ii) u are toate valorile proprii reale;
iii) dacă λ şi µ sunt valori proprii distincte atunci vectorii proprii corespunzători sunt
ortogonali;
iv) dacă X este spaţiu euclidian real cu dimR X = n ∈ N∗ atunci matricea lui u corespun-
zătoare unei baze ortonormate este simetrică. Reciproc, dacă X este spaţiu euclidian real cu
dimR X = n ∈ N∗ iar matricea lui u : X −→ X corespunzătoare unei baze ortonormate este
simetrică atunci u este operator autoadjunct.

Demonstraţie. i) Observăm că


not ăm definiţia produsului u
z = < u (x) , x > = < x, u (x) > = < u (x) , x > = z.
scalar autoadjunct

ii) Cum λ este valoare proprie arbitrară a lui u deducem că există x 6= 0X astfel încât
u (x) = λ x.
6.2 Endomorfisme autoadjuncte 167

Evaluăm < u (x) , x >=< λ x, x >= λ < x, x >= λ kxk2 > 0 şi obţinem

< u (x) , x >


λ =− ∈ R deoarece kxk2 ∈ R iar din i) avem < u (x) , x >∈ R.
kxk2

iii) Fie λ şi µ valori proprii distincte. Din

λ valoare proprie rezultă că există x 6= 0X astfel încât u (x) = λ x


µ valoare proprie rezultă că există y 6= 0X astfel încât u (y) = µy

iar din u : X −→ X este operator autoadjunct obţinem

< u (x) , y >=< x, u (y) > ∀x, y ∈ X sau echivalent < λ x, y >=< x, µy > .

Avem succesiv
µ=µ
< λ x, y >=< x, µy >⇐⇒ λ < x, y >= µ< y, x > ⇔ λ < x, y >= µ < x, y >

iar în final

< x, y > (λ − µ) = 0 =⇒< x, y >= 0

deoarece λ şi µ sunt valori proprii distincte. Mai mult Xλ ⊥Xµ .


iv) Fie n = dimR X. Cum

dimR X = dimR Rn = n ∈ N∗
izomorf
deducem din Teorema fundamentală de izomorfism I că (X, R) ' (Rn , R) astfel că putem
notăm
considera < x, y >= xT y pentru orice x, y ∈ X. Fie A = [A]uB matricea operatorului u într-o
bază ortonormată B a lui X. Dacă u (x) = Ax atunci

< u (x) , y >=< x, u (y) > ∀x, y ∈ X

este echivalentă cu

< Ax, y >=< x, Ay >⇐⇒ (Ax)T y = xT Ay ⇐⇒ xT AT y = xT Ay, ∀x, y ∈ X,

relaţie din care se deduce că A = AT =⇒ A este simetrică. Reciproca este lăsată ca exerciţiu.

Exerciţiu 6.2.1 Ştiind că f ((x1 , x2 ) , (y1 , y2 )) = 5x1 y1 + 2x1 y2 + 2x2 y1 + x2 y2 defineşte un
2
produs scalar real pe R ,R , să se arate că

T : R2 → R2 , T (x1 , x2 ) = (−2x1 − x2 , 5x1 + 3x2 )T

este operator liniar autoadjunct în raport cu produsul scalar definit. 

Soluţie. Notăm că

f ((x1 , x2 ) , (y1 , y2 )) =< (x1 , x2 )T , (y1 , y2 )T > .

Trebuie arătat că

< T (x) , y >=< x, T (y) > ∀x = (x1 , x2 )T , y = (y1 , y2 )T ∈ R2


168 Capitolul 6. Clase speciale de operatori

sau mai mult

< T (x1 , x2 ) , (y1 , y2 )T >=< (x1 , x2 )T , T (y1 , y2 ) > ∀ (x1 , x2 )T , (y1 , y2 )T ∈ R2

echivalent cu

< (−2x1 − x2 , 5x1 + 3x2 )T , (y1 , y2 )T >=< (x1 , x2 )T , (−2y1 − y2 , 5y1 + 3y2 )T > .

Pentru aceasta, observăm că


  
T T  5 2 y1
< (x1 , x2 ) , (y1 , y2 ) >= 5x1 y1 + 2x1 y2 + 2x2 y1 + x2 y2 = x1 x2
2 1 y2
egalitate ce uşurează calculele din
  
T T  5 2 y1
< (−2x1 − x2 , 5x1 + 3x2 ) , (y1 , y2 ) > = −2x1 − x2 5x1 + 3x2
2 1 y2
= y2 (x1 + x2 ) + x2 y1
(6.2)

şi
  
T T 5 2 −2y1 − y2
< (x1 , x2 ) , (−2y1 − y2 , 5y1 + 3y2 ) > = x1 x2
2 1 5y1 + 3y2 (6.3)
= x1 y2 + x2 y1 + x2 y2 .
Rămâne să observăm că (6.2) şi (6.3) implică

< T (x) , y >=< x, T (y) > ∀x = (x1 , x2 )T , y = (y1 , y2 )T ∈ R2

şi deci T este autoadjunct în raport cu produsul scalar definit.

R Dacă u : X → X este operator autoadjunct atunci există o bază ortonormată în raport cu


care matricea lui u este o matrice diagonală.

Definiţie 6.2.2 O matrice A = (ai j )i, j=1,n se numeşte hermitică dacă ai j = a ji pentru orice
i, j = 1, ..., n.

Teoremă 6.2.2 Fie X spaţiu euclidian (real sau complex) finit dimensional nenul. Endo-
morfismul u : X −→ X este autoadjunct dacă şi numai dacă matricea lui în raport cu o bază
ortonormată este o matrice hermitică.

6.3 Metoda valorilor proprii de aducere la forma canonică


Fie (X, <, >) spaţiu euclidian real cu dimR X = n ∈ N∗ şi V : X → R formă pătratică.

R [Etapa 1:] Fixăm un reper B ⊂ X şi scriem A = [A]VB matricea lui V în reperul B.

R [Etapa 2:] Determinăm valorile proprii λi (i = 1, ..., p cu p ≤ n) din relaţia


|A − λ In | = 0
având ordinele de multiplicitate maλ iar pentru fiecare valoare proprie λi determinăm
i
subspaţiile proprii corespunzătoare Xλi .
6.3 Metoda valorilor proprii de aducere la forma canonică 169

R [Etapa 3:] Pentru fiecare subspaţiu propriu Xλi determinăm câte un reper ortonormat Bi ,
i = 1, ..., p.

R [Etapa 4:] Forma canonică a funcţionalei pătratice date este

V (x) = λ1 ω12 + .... + λ p ω p2

cu menţiunea că în această scriere fiecare valoare proprie apare de un număr de ori egal
cu ordinul de multiplicitate algebrică. Reperul ortonormat în care se obţine această formă
este B = B1 ∪ ... ∪ B p iar ωi sunt coordonatele lui x în reperul B.

Având acest rezultat, clasificarea funcţionalelor pătratice şi a matricelor pătratice poate fi
redată în:

R Natura funcţionalei pătratice se determină cu ajutorul valorilor proprii astfel


i) dacă λi > 0, ∀i = 1, ..., p atunci A şi V sunt pozitiv definite;
ii) dacă λi ≥ 0, ∀i = 1, ..., p şi ∃λ j = 0 atunci A şi V sunt pozitiv semidefinite;
iii) dacă λi < 0, ∀i = 1, ..., p atunci A şi V sunt negativ definite;
iv) dacă λi ≤ 0, ∀i = 1, ..., p şi ∃λ j = 0 atunci A şi V sunt negativ semidefinite;
v) dacă există i 6= j, 1 ≤ i, j ≤ p, cu λi > 0 şi λ j < 0 atunci A şi V sunt nedefinite.

Exerciţiu 6.3.1 Se consideră funcţionala pătratică

V : R2 → R definită prin V (x) = f (x, x) = 4x12 + 4x22 + 6x1 x2 .

Determinaţi forma canonică a funcţionalei pătratice precum şi reperul formei canonice. 

Soluţie. Matricea funcţionalei pătratice corespunzătoare reperului canonic (bazei canonice) din
R3 , R este
6
   
4 2 4 3
A= 6 = .
2 4 3 4

Determinăm valorile proprii din relaţia



4−λ 3 = 0 ⇔ λ 2 − 8λ + 7 = 0.

|A − λ In | = 0 ⇐⇒
3 4−λ

Ecuaţia λ 2 − 8λ + 7 = 0 are soluţiile λ1 = 7 cu maλ1 = 1 şi λ2 = 1 cu maλ2 = 1 (Evident


λ1 = 7 > 0 şi λ2 = 1 > 0 implică o formă pătratică pozitiv definită.).
Pentru fiecare valoare proprie determinăm subspaţiile proprii corespunzătoare.
Astfel, pentru λ1 = 7 căutăm vλ1 = (m, n)T din relaţia
    
−3 3 m 0  
= =⇒ m = n şi vλ1 = n (1, 1)T =⇒ Xλ1 = Span (1, 1)T
3 −3 n 0

iar pentru λ2 = 1 căutăm vλ2 = (a, b)T din relaţia


    
3 3 a 0  
= =⇒ a = −b şi vλ1 = b (−1, 1)T =⇒ Xλ2 = Span (−1, 1)T .
3 3 b 0
170 Capitolul 6. Clase speciale de operatori

Pentru fiecare subspaţiu propriu determinăm câte un reper ortonormat:


(  ) (  )
1 1 T 1 1 T
pentru Xλ1 =⇒ B1 = √ ,√ iar pentru Xλ2 =⇒ B2 = −√ , √ .
2 2 2 2

Forma canonică a funcţionalei pătratice date este


 
2 2 7 0
V (x) = 7ω1 + ω2 cu matricea D = .
0 1

Reperul ortonormat în care se obţine această formă este


(  )
1 1 T 1 1 T
  
B = B1 ∪ B2 = f1 = √ , √ , f2 = − √ , √
2 2 2 2

iar ω1 , ω1 sunt coordonatele lui x în reperul B, mai exact x = ω1 f1 + ω2 f2 .


Verificăm relaţia CT AC = D sau echivalent
! ! 
√1 √1
 √1 √1


2 2 4 3 2 2 7 0
=
− √12 √12 3 4 √1
2
√1
2
0 1

pentru a observa că nu s-a greşit la calcule.


Este necesar să remarcăm că dacă aplicam metoda lui Jacobi s-ar fi obţinut V (x) = 14 ω12 +
4 2
7 ω2 rezultând concluzia că atunci când folosim metode distincte de aducere la forma canonică
putem obţine expresii distincte.

6.4 Operatori liniari (endomorfisme) ortogonali


Fie (X, <, >) spaţiu euclidian real finit dimensional.
Definiţie 6.4.1 Endomorfismul u : X −→ X se numeşte operator liniar ortogonal dacă are loc
< u (x) , u (y) >=< x, y > pentru orice x, y ∈ X.

Redăm câteva proprietăţi ale operatorilor liniari ortogonali:

Teoremă 6.4.1 Dacă (X, <, >) spaţiu euclidian real finit dimensional iar u : X −→ X este
operator liniar ortogonal atunci
i) se conservă norma euclidiană:

ku (x)k = kxk ∀x ∈ X,

ii) se conservă distanţa dată de normă:

d (u (x) , u (y)) = d (x, y) ∀x, y ∈ X,


 
iii) se conservă cosinusul: cos u (x) \ cy) ∀x, y ∈ X.
, u (y) = cos (x,

Demonstraţie. i) Evident
p √
ku (x)k = < u (x) , u (x) > = < x, x > = kxk .

ii) Avem

d (u (x) , u (y)) = ku (x) − u (y)k = ku (x − y)k = kx − yk = d (x, y) .


6.4 Operatori liniari (endomorfisme) ortogonali 171

iii) Clar
  < u (x) , u (y) > < x, y >
\
cos u (x) , u (y) = = = cos (x,
cy) .
ku (x)k ku (y)k kxk kyk

Definiţie 6.4.2 Matricea A ∈ Mn×n (C) este numită matrice ortogonală dacă AT · A = In .

Teoremă 6.4.2 Un operator liniar este operator ortogonal dacă şi numai dacă matricea lui în
raport cu o bază ortonormată este o matrice ortogonală.

Exerciţiu 6.4.1 Determinaţi valorile proprii şi vectorii proprii ai operatorului liniar ortogonal
 T
3 4 4 3
2
U : R → R ,U (x) = 2
x1 − x2 , − x1 − x2 , ∀x = (x1 , x2 )T ∈ R2 .
5 5 5 5


Soluţie. Avem
 T
3 4 4 3
2
U : R → R ,U (x) = 2
x1 − x2 , − x1 − x2 , ∀x = (x1 , x2 )T ∈ R2
5 5 5 5
de unde
3
− 45 3
− 45
    
x1
U (x) = 5 şi deci A = [A]UBc = 5 .
− 45 − 53 x2 − 45 − 35

Remarcăm că
3
− 45 3
− 54
    
T 5 5 1 0
A·A = =
− 54 − 35 − 45 − 35 0 1

egalitate ce într-adevăr confirmă că U este ortogonal.


Determinăm valorile proprii
3
− 45

−λ
|A − λ I2 | = 0 ⇐⇒ 5 = 0 =⇒ λ1 = 1 şi λ2 = −1.
− 45 − 35 − λ

Determinăm vectorii proprii corespunzători valorilor proprii:


• pentru λ1 = 1 căutăm vλ1 = (m, n)T din relaţia
 −2
− 45
   
m 0
5
4 8 = =⇒ (m, n)T = n(−2, 1)T
−5 −5 n 0 | {z }
not ăm
= v1

• pentru λ1 = −1 căutăm vλ2 = (a, b)T din relaţia


8
T
− 45
     
a 0 1
5 = =⇒ (a, b)T = b ,1 .
− 45 2
5 b 0 2
| {z }
not ăm
= v2

Mai mult, remarcăm că, în raport cu produsul scalar canonic din R2 , avem < v1 , v2 >= 0.
172 Capitolul 6. Clase speciale de operatori

Exerciţiu 6.4.2 Să se arate că determinantul matricei unui operator ortogonal relativ la o bază
ortonormată este 1 (caz în care spunem că operatorul este rotaţie) sau este −1 (caz în care
spunem că este simetric). 

Soluţie. Într-adevăr, fie A ∈ Mn×n (C) matricea unui operator ortogonal în raport cu o bază
ortonormată. Din relaţia AT · A = In deducem că

det AT · A = det In ⇔ det AT det A = det In ⇐⇒ (det A)2 = 1 =⇒ det A ∈ {±1} .



7. Autoevaluare

7.1 Test 1
Exerciţiu 7.1.1 În R2 , R se consideră elementele


x1 = (1, 2)T , x2 = (1, −1)T , x3 = (2, 4)T .

i) Să se extragă din {x1 , x2 , x3 } un subsistem B care să constituie o bază în R2 , R .




Câte repere se pot forma cu elementele bazei B?


ii) Să se determine coordonatele lui x = (3, 5)T în baza B.
iii) Dacă X = Span (x1 , x2 , x3 ) atunci să se determine câte o bază ortonormată pentru
subspaţiile vectoriale X şi, respectiv X ⊥ în raport cu produsul scalar canonic din R2 precum şi
proiecţiile ortogonale ale vectorilor x = (x1 , x2 )T pe X = Span (x1 , x2 , x3 ), respectiv distanţa
de la x = (2, 3)T la X ⊥ .
T T , (2, 4)T şi u ∈

iv) Să se cerceteze dacă (0, 0) = u 1 + u2 cu u 1 ∈ X1 = Span (1, 2) 2
X2 = Span (1, −1)T , (2, 4)T se poate realiza în cel puţin două moduri distincte.



Exerciţiu 7.1.2 Să se determine matricea funcţionalei pătratice V : R3 → R

V (x) = f (x, x) = 5x1 x2 − x2 x3 + 2x1 x3 .

corespunzătoare reperului canonic (bazei canonice) din R3 , R şi să se studieze natura


funcţionalei pătratice V folosind metoda Jacobi. 

Exerciţiu 7.1.3 Fie F01 mulţimea funcţiilor continue pe [0, 1] şi < ·, · >: F01 × F01 → R definit
prin
Z 1
< f , g >= f (x) g (x) dx, ∀ f , g ∈ F01 .
0

Să se arate că < ·, · > defineşte un produs scalar pe F01 × F01 şi să se calculeze < f , g > pentru
f (x) = 2x2 − x şi g (x) = x4 + 1. 
174 Capitolul 7. Autoevaluare

Exerciţiu 7.1.4 Se consideră endomorfismul U : R3 → R3 definit prin

U (x1 , x2 , x3 ) = (−x3 , −x2 , −x1 )T .

i) Să se scrie matricea operatorului U în baza canonică din R3 , R .




ii) Să se determine spectrul şi subspaţiile proprii ale operatorului liniar U.
ii) Este operatorul liniar diagonalizabil? Dar jordanizabil? Justificaţi răspunsurile iar în
caz afirmativ să se determine forma diagonală/jordan precum şi reperul în care U are această
formă. 

T
Exerciţiu 7.1.5 Pentru w (x) = (y (x) , z (x)) ∈ R2 se consideră operatorul U : R2 → R definit
prin
 
1 α
U (w) = Aw, unde A = cu α ∈ R
0 1

este matricea lui U în baza canonică din R2 , R .




i) Să se determine spectrul şi subspaţiile proprii ale operatorului liniar U.


ii) Să se determine soluţia generală a sistemului de ecuaţii diferenţiale liniare U (w) = w0 .


Exerciţiu 7.1.6 Să se determine


i) toate funcţionalele linire f : R3 → R. Generalizare.
ii) funcţionala liniară f : R3 → R astfel încât

f (0, 1, 2) = 1, f (1, 0, 2) = 2 şi f (1, 2, 0) = 1.

Exerciţiu 7.1.7 Definiţi noţiunea de acoperire liniară a (unui) unei (spaţiu generat de o
mulţime) mulţimi de vectori şi arătaţi că este subspaţiu vectorial. 

Exerciţiu 7.1.8 Fie (X, K) şi (Y, K) subspaţii vectoriale ale spaţiului vectorial (V, K). Definiţi
suma directă a subspaţiilor (X, K) şi (Y, K) şi arătaţi că este subspaţiu vectorial al lui (V, K). 

Exerciţiu 7.1.9 În spaţiul vectorial (V, K) se consideră subspaţiile vectoriale V1 şi V2 . Să se
definească noţiunea de supliment direct şi să se arate că dacă V10 este suplimentul direct al lui
V1 ∩V2 în V1 iar V20 este suplimentul direct al lui V1 ∩V2 în V2 atunci V10 ∩V2 = V20 ∩V1 = {0V }.


Exerciţiu 7.1.10 Fie X un spaţiu euclidian real şi un operator liniar U ∈ L (X, X). Scrieţi
definiţia operatorului ortogonal U. 

Exerciţiu 7.1.11 Fie (X, <, >) spaţiu euclidian real cu dimR X = n ∈ N∗ . Dacă u : X −→ X
este operator liniar autoadjunctiar A este matricea lui u corespunzătoare unei baze ortonormate
atunci să se arate că det AAT = (det A)2 . 
7.2 Test 2 175

7.2 Test 2
Exerciţiu 7.2.1 Fie următoarele sisteme de vectori
n o
F = f1 = (−2, 1, 1)T , f2 = (3, −1, 1)T , f3 = (1, 1, −1)T
n o
G = g1 = (2, 1, 0)T , g2 = (0, −1, 1)T , g3 = (1, 1, 0)T .

i) Să se arate că F, G sunt baze în R3 , R .




ii) Să se determine matricea de trecere de la G la F şi de la F la G.


iii) Dacă x ∈ R3 este astfel încât xF = (4, −2, 1)T atunci să se determine xG . 

Exerciţiu 7.2.2 Considerăm spaţiul vectorial C3 ,C înzestrat cu produsul scalar canonic şi


n o
W = span (1, 1, i)T , (1, 1, −i)T ⊂ C3 ,C .


Să se determine o bază ortonormată în W . 

Exerciţiu 7.2.3 Să se discute după valorile parametrului λ natura funcţionalei pătratice

V (x) = 4x12 + 4x22 + 20x32 + 8λ x1 x2 − 8x1 x3 + 16x2 x3 .

T
Exerciţiu 7.2.4 Pentru w (x) = (y (x) , z (x)) ∈ R2 se consideră operatorul U : R2 → R definit
prin
 
α 1
U (w) = Aw, unde A = cu α ∈ R
1 0

este matricea lui U în baza canonică din R2 , R .




i) Să se determine spectrul şi subspaţiile proprii ale operatorului liniar U.


ii) Să se determine soluţia generală a sistemului de ecuaţii diferenţiale liniare U (w) = w0 .


Exerciţiu 7.2.5 Se consideră endomorfismul U : R3 → R3 definit prin U (x) = A · x unde


 
1 1 0
A= 0 1 1 
0 0 1

este matricea operatorului U în baza canonică din R3 .


i) Să se determine spectrul şi subspaţiile proprii ale operatorului liniar U.
ii) Este operatorul liniar diagonalizabil? Dar jordanizabil? Justificaţi răspunsul. În caz
afirmativ să se determine forma diagonală/jordan precum şi baza în care U are această formă.

176 Capitolul 7. Autoevaluare

Exerciţiu 7.2.6 Să se studieze dacă operatorul U : R2 → R2 definit prin

U (x, y) = (4x + y, 2x − y)T

este inversabil şi să se calculeze inversul său. 

Exerciţiu 7.2.7 Fie X,Y, S subspaţii vectoriale ale unui spaţiu vectorial (V, K). Ce înseamnă
că S este suma directă a lui X şi Y ? 

Exerciţiu 7.2.8 Se consideră un spaţiu euclidian X şi un operator liniar U ∈ L (X, X). Scrieţi
definiţia operatorului autoadjunct U. 

Exerciţiu 7.2.9 Fie (X, <, >) spaţiu euclidian (real sau complex). Dacă u : X −→ X este
operator liniar autoadjunct atunci să se arate că ∀x ∈ X\ {0X } avem < u (x) , x > ·i este număr
pur imaginar. 

7.3 Test 3
not
Exerciţiu 7.3.1 Fie A = (ai j )i, j=1,2 ∈ M2×2 (C), trA = a11 + a22 urma matricei A, (X, C)
spaţiul vectorial al matricelor pătratice de tip 2×2 de urmă 0 de componente numere complexe
peste corpul numerelor complexe C:
n o
X = A = (ai j )i, j=1,2 ∈ M2×2 (C) trA = 0

şi
 
0 i
Y = SpanC subspaţiu vectorial al lui (X, C).
1 0

Dacă pe (X, C) se defineşte < A, B >= tr (AB∗ ) atunci:


i) să se arate că < A, B > este produs scalar;
ii) să se determine o bază ortonormată pentru Y ⊥ . 

Exerciţiu 7.3.2 Se consideră funcţia f : R2 × R2 → R definită prin

f (x, y) = 4x1 y1 + x1 y2 − x2 y2 + x2 y1

unde x = (x1 , x2 )T ∈ R2 , y = (y1 ,y2 )T ∈ R2 .


i) Să se arate că f este funcţională biliniară simetrică.
n o
ii) Să se determine matricea lui f în reperul B = b1 = (−1, 3)T , b2 = (2, 1)T .
iii) Să se scrie funcţionala pătratică asociată lui V : R2 → R şi să se studieze natura lui
V folosind metoda lui Jacobi de aducere la forma canonică. 
7.4 Test 4 177

Exerciţiu 7.3.3 Fie f : P3 [X] → R definită prin


Z 1
f (p) = p (x) dx.
0

i) Să se arate că f este funcţională liniară.


ii) Să se scrie matricea funcţionalei liniare f în baza canonică din (P3 [X] ,R). 

Exerciţiu 7.3.4 Se consideră endomorfismul U : R3 → R3 definit prin U (x) = A · x unde


 
1 0 0
A= 0 1 0 
0 0 1

este matricea operatorului U în baza canonică din R3 .


i) Să se determine spectrul şi subspaţiile proprii ale operatorului liniar U.
ii) Este operatorul liniar diagonalizabil? Dar jordanizabil? Justificaţi răspunsul. În caz
afirmativ să se determine forma diagonală/jordan precum şi reperul în care U are această
formă. 

T
Exerciţiu 7.3.5 Fie U1 : R2 → R3 definit prin U1 (x, y) = (x − y, x + y, −x + y) şi U2 : R3 →
T
R3 definit prin U2 (x, y, z) = (x + y, y + z, x) . Să se calculeze U2 ◦U1 . 

Exerciţiu 7.3.6 Fie (X, K) şi (Y, K) subspaţii vectoriale ale spaţiului vectorial (V, K). Arătaţi
că (X ∩Y, K) este subspaţiu vectorial al lui (V, K). 

Exerciţiu 7.3.7 Fie X, Y spaţii euclidiene reale şi un operator liniar U ∈ L (X,Y ). Scrieţi
teorema privind unicitatea operatorului adjunct. 

Exerciţiu 7.3.8 Fie (X, <, >) spaţiu euclidian (real sau complex). Dacă u : X −→ X este
operator liniar autoadjunct iar λ 6= 0 este valoare proprie oarecare a lui U atunci să se arate
că λ i este număr complex pur imaginar. 

7.4 Test 4
Exerciţiu 7.4.1 Dacă (P2 [X] , R) este spaţiul vectorial al polinoamelor cu coeficienţi reali
de grad cel mult doi peste corpul numerelor reale,

B = a1 = 1, a2 = 1 + t, a3 = t 2 reper în (P2 [X] , R)




şi

p1 = a1 + 2a2 + a3 , p2 = a1 − 2a3 , p3 = 2 + 2t + 3t 2 = 2a2 + 3a3 , p4 = a2 + a3

atunci:
i) să se arate că p1 , p2 , p3 , p4 generează spaţiul P2 [X];
ii) să se extragă un reper B0 din {p1 , p2 , p3 , p4 };
178 Capitolul 7. Autoevaluare

iii) să se determine coordonatele lui p = 2a1 + a2 în reperul B0 ;


iv) să se arate că < ·, · >: P2 [X] × P2 [X] → R definit prin < p, q >= 01 p (t) q (t) dt
R

defineşte un produs scalar şi să se determine o bază ortonormată Bo pornind de la baza B0 , în
raport cu produsul scalar astfel definit. 

Exerciţiu 7.4.2 Se consideră endomorfismul U : R3 → R3 definit prin U (x) = A · x unde


 
1 1 0
A= 0 1 0 
0 0 1

este matricea operatorului U în baza canonică din R3 .


i) Să se determine spectrul şi subspaţiile proprii ale operatorului liniar U.
ii) Este operatorul liniar diagonalizabil? Dar jordanizabil? Justificaţi răspunsul. În caz
afirmativ să se determine forma diagonală/jordan precum şi baza în care U are această formă.


Exerciţiu 7.4.3 Se consideră funcţia f : R2 → R definită prin

f (x, y) = 2x1 y2 − x2 y2 + 4x2 y1

unde x = (x1 , x2 )T ∈ R2 , y = (y1 ,y2 )T ∈ R2 .


i) Să se arate că f este funcţională biliniară. Este f biliniară simetrică? Dacă da,
justificaţi. n o
ii) Să se determine matricea lui f în reperul B = b1 = (−1, 3)T , b2 = (2, 1)T . 

Exerciţiu 7.4.4 Fie f : P3 [X] × P3 [X] → R definită prin


Z 1
f (p, q) = p2 (x) q2 (x) dx.
0

i) Să se arate că f este funcţională liniară simetrică.


ii) Să se scrie matricea funcţionalei liniare f în reperul canonic din (P3 [X] ,R). 

Exerciţiu 7.4.5 Fie f : R3 → R definită prin f (x1 , x2 , x3 ) = x1 + 2x2 + 2x3 .


i) Să se arate că f este funcţională liniară.
ii) Să se se determine Ker f , Im f , dimR Ker f şi dimR Im f .
iii) Să se scrie matricea funcţionalei liniare f în reperul
n o
B = (0, 1, 1)T , (1, 0, 1)T , (1, 1, 0)T ⊂ R3 , R .


Exerciţiu 7.4.6 Se consideră endomorfismul U : R4 → R4 definit prin

U (x1 , x2 , x3 , x4 ) = (2x1 + x2 , 2x2 , x4 , −x3 + 2x4 )T .


7.5 Test 5 179

i) Să se scrie matricea operatorului U în baza canonică din R4 , R .




ii) Să se determine spectrul şi subspaţiile proprii ale operatorului liniar U.
iii) Este operatorul liniar diagonalizabil? Dar jordanizabil? Justificaţi răspunsurile iar
în caz afirmativ să se determine forma diagonală/jordan precum şi baza în care U are această
formă. 

√ √
Exerciţiu 7.4.7 Fie a > 0 parametru real, p ∈ N∗ şi f : [ a, +∞) → [ p+1 a, +∞) definită
p+1

prin
1 h ai
f (x) = px + p .
p+1 x
i) Să se arate că f este contracţie;

ii) Să se arate că unicul punct fix al lui f este p+1 a;

iii) Să se găsească o aproximare a lui p+1 a cu o eroare de cel mult ε > 0. 

Exerciţiu 7.4.8 Să se enunţe şi demonstreze Teorema de existenţă a suplimentului. 

Exerciţiu 7.4.9 Definiţi suma a două subspaţii vectoriale ale unui spaţiu vectorial (V, K) şi
arătaţi că este subspaţiu vectorial în (V, K). 

Exerciţiu 7.4.10 Presupunem că (X, <, >) este spaţiu euclidian (real sau complex), u : X −→
X este operator liniar autoadjunct, xλ este un vector propriu de normă 1 al lui u corespunzător
valorii proprii λ iar xµ este un vector propriu de normă 1 al lui u corespunzător valorii proprii
µ. Să se arate că < ixλ + xµ ,xλ + ixµ >= 0 pentru λ 6= µ. 

7.5 Test 5
Exerciţiu 7.5.1 Se consideră endomorfismul U : R3 → R3 definit prin U (x) = A · x unde
 
1 0 0
A= 0 2 0 
0 0 3

este matricea operatorului U în baza canonică din R3 .


i) Să se determine spectrul şi subspaţiile proprii ale operatorului liniar U.
ii) Este operatorul liniar diagonalizabil? Dar jordanizabil? Justificaţi răspunsul. În caz
afirmativ să se determine forma diagonală/jordan precum şi baza în care U are această formă.


T
Exerciţiu 7.5.2 Fie U : R2 → R2 operator definit prin U (x) = (x1 − x2 , −x1 + x2 ) pentru
orice x = (x1 , x2 )T ∈ R2 .
i) Să se arate că U este operator liniar autoadjunct;
ii) Să se determine valorile proprii şi vectorii proprii ai operatorului liniar autoadjunct
U;
iii) Să se determine nucleul KerU şi imaginea ImU ale operatorului liniar autoadjunct
U precum şi dimR KerU, respectiv dimR ImU. 
180 Capitolul 7. Autoevaluare

3 3
 U : R → R definit prin U (x1 , x2 , x3 ) =
Exerciţiu 7.5.3 Fie A matricea endomorfismul
(−x1 , −x2 , −x3 )T în baza canonică din R3 , R . Să se determine An . 

Exerciţiu 7.5.4 Să se discute după valorile parametrului λ natura funcţionalei pătratice

V (x) = 3λ x12 + (3λ + 9) x32 − 12x1 x2 .

Exerciţiu 7.5.5 Fie matricea


 
3α −2 0
A (α) =  −2 0 0 .
0 0 3α + 3

i) Să se discute (fără aflarea bazei) în funcţie de parametrul α natura funcţionalei


pătratice care are matricea A (α).
ii) Pentru operatorul care are matricea A (1) să se afle: forma canonică Jordan, baza
Jordan şi să se verifice formula de schimbare a matricei la schimbarea bazei cu regula pivotului.


Exerciţiu 7.5.6 Fie U : M2 (R) → P2 [X] definit prin


 
2 a b
U (A) (x) = ax + (b − c) x + d, A = .
c d

Să se se determine KerU, ImU, dimR KerU şi dimR ImU. 

T
Exerciţiu 7.5.7 Să se arate că U : R2 → R3 definit prin U (x, y) = (x, x + y, y) este operator
liniar. 

T
Exerciţiu 7.5.8 Să se arate că U : R2 → R3 definit prin U (x, y) = (x, xy, y) nu este operator
liniar. 

Exerciţiu 7.5.9 Să se arate că U : M2 (R) → R2 definit prin


 
a b
U = (a + b, c + d)T
c d

este operator liniar. 

Exerciţiu 7.5.10 Să se studieze dacă operatorul liniar U : M2 (R) → R4 definit prin
 
a b
U = (a, a + d, b + c, d)T
c d

este inversabil. 
8. Bibliografie

[1] L. Bădin, M. Cărpuşcă, G. Ciurea şi R. Şerban, Algebră liniară culegere de probleme,
Editura ASE, 1999.
[2] Gh. Cenuşă, V. Burlacu, R. Coroi, M. Toma şi A. Filip, Matematici aplicate în economie,
Tipografia A.S.E., 1990.
[3] Gh. Cenuşă, A. Filip, C. Raischi, ş.a., Matematici pentru economişti, Editura Cison, Bu-
cureşti, 2000.
[4] Gh. Cenuşă şi C. Neculăescu, Elemente de algebră liniară pentru economişti, Editura A.S.E.,
Bucureşti, 1998.
[5] Gh. Cenuşă, A. Filip, C. Raischi, D. Baz, M. Toma, V. Burlacu, I. Săcuiu şi I. Mircea,
Matematici pentru economişti, Editura Cison, Bucureşti, 2000.
[6] D.-P. Covei, Matematici aplicate în economie, Editura Academica Brâncuşi, Târgu-Jiu,
2009.
[7] S. Dedu şi F. Şerban, Matematici aplicate în economie, Editura Teocora, Bucureşti, 2009.
[8] J. Defranza şi G. Gagliardi, Introduction to linear algebra with applications, 1st Edition,
Tata Mcgraw Hill Education, 2012.
[9] C. Neculăescu şi O.Vegheş, Introducere în algebra liniară, Editura ASE, Bucuresti, 2005.
[10] O. Popescu, Matematici aplicate în economie, vol. I, II, Editura Didactică şi Pedagogică,
Bucureşti, 1993.
[11] I. Purcaru, Elemente de algebră şi programare liniară, Editura Ştiinţifică şi Enciclopedică,
Bucureşti, 1982.
[12] D. Simms, Linear Algebra, School of Mathematics, Trinity College, Dublin, Course 211,
2009.
[13] A. Toma, Algebră liniară: culegere de probleme, Editura Economică, Bucureşti, 2002.
[14] I. Vladimirescu şi M. Popescu, Algebră liniară şi geometrie analitică, Editura Universitaria,
Craiova, 1994.
[15] G. Vraciu, Algebră liniară şi complemente de analiză matematică, Editura Reprograph,
Craiova, 2001.