Cuprins

CAPITOLUL I: Numere şi structuri algebrice ................................... 9

§1. Mulţimi de numere ............................................................ 9
§2. Grupuri. Inele. Corpuri ...................................................... 10
§3. Corpul numerelor complexe ................................................ 13

CAPITOLUL II: Spaţiul vectorial kn .............................................. 17

§4. Legi de compoziţie externe................................................. 17
§5. Spaţii vectoriale şi vectori .................................................. 17
§6. Spaţiul vectorial kn ........................................................... 19
Exerciţii ............................................................................ 22

CAPITOLUL III: Vectori din plan şi spaţiu ..................................... 23

§7. Drepte. Segmente. Plane. .................................................. 23
§8. Spaţiul vectorilor de poziţie ................................................ 26
§9. Produsul scalar................................................................ 29
§10. Produsul vectorial........................................................... 35
Exerciţii ............................................................................ 39

CAPITOLUL IV: Spaţii vectoriale ................................................ 43

§11. Exemple de spaţii vectoriale.............................................. 43
§12. Combinaţii liniare........................................................... 44
§13. Dependenţa liniară ......................................................... 46
§14. Sisteme de generatori...................................................... 48
§15. Bază. Dimensiune ........................................................... 51
Exerciţii ............................................................................ 61

CAPITOLUL V: Aplicaţii liniare. Matrici........................................ 65

§16. Aplicaţii liniare .............................................................. 65
§17.Matrici ......................................................................... 70
Exerciţii ............................................................................ 77

CAPITOLUL VI: Determinanţi .................................................... 83

§18.Permutări. Determinanţi ................................................... 83
§19.Rangul unei matrici.......................................................... 92
§20.Produsul mixt. Arii . Volume ............................................... 97
§21. Vectori şi valori proprii .................................................. 102
Exerciţii .......................................................................... 109

3
CAPITOLUL VII: Sisteme de ecuaţii liniare................................... 119
§22.Sisteme liniare. ............................................................ 119
§23. Regula lui Cramer ......................................................... 121
§24.Algoritm de rezolvare a sistemelor liniare............................. 123
§25.Sisteme liniare omogene. ................................................ 126
EXERCIŢII ......................................................................... 143

CAPITOLUL VIII: Spaţii euclidiene ............................................. 149

§26. Spaţii euclidiene. Normă. Unghi........................................ 149
§27.Inegalităţi ................................................................... 152
Exerciţii .......................................................................... 159

CAPITOLUL IX: Forme pătratice ............................................... 163

§28.Forme pătratice............................................................ 163
§29.Algoritmi de reducere la forma canonică .............................. 171
§30.Forme pătratice pozitiv definite ........................................ 178
Exerciţii .......................................................................... 181

CAPITOLUL X: Conice şi cuadrice.............................................. 183

§31.Funcţi pătratice ............................................................ 184
§32.Conice ....................................................................... 186
§33.Cuadrice..................................................................... 189
Exerciţii .......................................................................... 201

Soluţii................................................................................ 203
BIBLIOGRAFIE ....................................................................... 265
Index................................................................................. 267

4
 Introducere

O privire succintă asupra cronologiei matematicii din antichitate până în

zilele noastre evidenţiază perioada din jurul anului 1800 ca un moment de
referinţă. Datorită unei sume de fenomene economice, sociale, culturale
se creează condiţii mult mai favorabile dezvoltării matematicii. În prima
jumătate a secolului al XIX-lea disciplinele studiate în veacurile
precedente îşi schimbă radical problematica de cercetare, evoluează în
direcţii noi. Se dezvoltă şi se impun metode şi concepte inedite, apar noi şi
fertile domenii de cercetare, se reliefează interdependenţele dintre
diferitele ramuri ale matematicii, se amplifică aplicaţiile matematicii în
fizică, chimie, tehnică.

Vectorii şi matricile fac parte dintre acele obiecte matematice care au

apărut în această epocă efervescentă. Vectorii au fost introduşi de către K.
Wessel în 1799 în legătură cu reprezentarea geometrică a numerelor
complexe, fiind utilizaţi cu succes în mecanică, fizică şi geometrie. După o
jumătate de secol J.J. Sylvester şi A. Cayley au iniţiat, în memoriile lor
algebrice, studierea matricilor. Investigarea proprietăţilor vectorilor şi a
matricilor a contribuit la cristalizarea unei noi direcţii de cercetare:
algebra liniară.

Algebra liniară joacă un rol important în ansamblul diferitelor ramuri ale

matematicii, deoarece metodele ei sunt folosite în domenii variate cum
sunt geometria, analiza matematică, algebra, analiza funcţională.
Procedeele sale sunt utilizate în fizică, chimie, ştiinţele tehnice, mai
recent şi în biologie.

5
Acest volum îşi propune prezentarea principalelor concepte şi rezultate ale
algebrei liniare, pornind de la cunoştinţele de matematică predate în
primele două clase de liceu.

Principalele obiecte matematice studiate de algebra liniară sunt spaţiile

vectoriale şi morfismele de spaţii vectoriale (numite şi aplicaţii liniare).
Am insistat în primele două capitole asupra noţiunii de spaţiu vectorial,
care este esenţială pentru prezentarea şi înţelegerea metodelor şi
rezultatelor algebrei liniare. Am prezentat detaliat câteva spaţii vectoriale
importante în aplicaţii (kn,, spaţiul vectorilor de poziţie) precum şi unele
elemente de geometrie din Ñ2 şi Ñ3. În continuare, sunt studiate

morfismele de spaţii vectoriale şi matricile, determinanţii, sistemele de

ecuaţii liniare, spaţiile euclidiene şi formele pătratice. Ultimul capitol se
ocupă de două probleme importante ale geometriei analitice: clasificarea
conicelor şi cuadricelor reale.

Am lăsat de o parte unele capitole mai dificile ale algebrei liniare (de
exemplu dualitatea, produsele tensoriale, operatorii ortogonali şi
autoadjuncţi, forma normală Jordan, produsele exterioare) deoarece am
dorit ca această lucrare să fie accesibilă unor categorii cât mai largi de
cititori: matematicieni, fizicieni, chimişti, ingineri, informaticieni,
economişti, studenţi din anul I de la facultăţile cu profil ştiinţific sau
tehnic, dar mai ales elevilor din ultimele clase de liceu.

Fiecare capitol cuprinde o expunere a principalelor noţiuni şi rezultate,

precum şi exemple şi exerciţii. Sfătuim cititorul să abordeze exerciţiile pe
parcursul lecturării textului, iar apoi să confrunte soluţiile sale cu cele
care se găsesc la sfârşitul cărţii. Rezolvarea tuturor problemelor îl va ajuta
să înţeleagă mai bine chestiunile teoretice şi îl va înarma cu aparatul

6
tehnic necesar aplicării rezultatelor şi procedeelor algebrei liniare în
situaţii concrete.

7
8
 CAPITOLUL I
Numere şi structuri algebrice

Vom expune principale concepte şi metode ale algebrei liniare pornind de

la unele cunoştinţe elementare despre mulţimile de numere şi structurile
algebrice. Pentru a nu trimite cititorul la alte lucrări, în acest capitol vom
rezuma principalele noţiuni şi rezultate asupra numerelor şi structurilor
algebrice care vor interveni în celelalte capitole.

§1. Mulţimi de numere

Presupunem cititorul familiarizat cu conceptul de mulţime şi cu operaţiile

elementare relative la mulţimi. Teoria mulţimilor a fost iniţiată de către
Georg Cantor (1845-1918). Prima prezentare axiomatică a teoriei
mulţimilor a fost dezvoltată de către Ernst Zermelo (1871-1953) în 1908 şi
îmbunătăţită de către Abraham Fraenkel (1891-1965) în 1922 (sistemul
axiomatic ZF).

Numerele fac parte dintre conceptele primare cu care operează

matematica. În secolul al XIX-lea, matematicienii şi-au pus problema
introducerii riguroase a numerelor naturale, întregi, raţionale şi reale.
Giuseppe Peano a construit axiomatic numerele naturale (1889), iar
Richard Dedekind, Karl Weirestrass şi Georg Cantor au obţinut construcţii
ale numerelor reale pornind de la cele raţionale.

9
Vom utiliza convenţiile uzuale pentru a nota mulţimile de numere. Acestea
sunt:
Í*={1, 2, 3, 4, …, n, …} mulţimea numerelor naturale nenule,

Í={0, 1, 2, 3, 4, …, n, …} mulţimea numerelor naturale,

Ù={…, -2, -1, 0, 1, 2, 3,…} mulţimea numerelor întregi,

m
Ð={ ; m, n ∈ Ù, n ≥ 1, (m, n)=1} mulţimea numerelor raţionale,
n

Ñ={a0+0,a1a2…an…; a0∈Ù, ai ∈ {0,1,2,3,4,…9}} mulţimea numerelor reale

(pe care o identificăm cu mulţimea fracţiilor zecimale finite sau infinite).

Între aceste mulţimi au loc următoarele incluziuni (stricte):

Í*⊂ Í ⊂ Ù ⊂ Ð ⊂ Ñ.

Pe mulţimile de numere se definesc mai multe legi de compoziţie (operaţii

aritmetice elementare). Dintre acestea, două, adunarea ”+” şi înmulţirea
“·”, sunt legi de compunere interne faţă de fiecare dintre mulţimile Í, Ù,

Ð şi Ñ, adică suma şi produsul a două numere naturale (respectiv intregi,

raţionale, reale) este tot un număr natural (respectiv întreg, raţional,

real). Celelalte două operaţii aritmetice elementare, scăderea şi
împărţirea, se pot defini (atunci când au sens) cu ajutorul adunării,
respectiv multiplicării.

§2. Grupuri. Inele. Corpuri

O mulţime de numere, înzestrată cu adunarea sau înmulţirea, are anumite

proprietăţi, cum sunt asociativitatea şi comutativitatea, definind astfel o
structură algebrică. Aceste proprietăţi nu sunt specifice doar mulţimilorÙ,

10
Ð sau Ñ ci şi altor obiecte matematice. Ele intervin în toate ramurile

matematicii şi de aceea studierea lor prezintă un interes deosebit. Vom

prezenta pe scurt trei dintre cele mai frecvent întâlnite structuri
algebrice: grup, inel, corp.

Definiţie: Fie G o mulţime nevidă, iar +: G × G → G o aplicaţie. Cuplul (G,+)

se numeşte grup dacă sunt satisfăcute următoarele condiţii:
A) x+(y+z) = (x+y)+z pentru oricare x,y,z∈G. (Asociativitate)
E) Există un element 0∈G astfel încât x+0 = 0+x = x pentru orice
x∈G. (Existenţa elementului neutru).
S) Pentru orice x∈G există x’∈G astfel încât x+x’ = x’+x = 0.
(Existenţa elementelor simetrizabile).
Dacă, în plus, este îndeplinită şi condiţia
C) x+y = y+x pentru orice x,y∈G (Comutativitate) grupul (G,+) este
numit grup comutativ (sau grup abelian).

Exemple de grupuri.
i) Mulţimea Ù înzestrată cu adunarea este un grup comutativ.

ii) (Ð,+) şi (Ñ,+) sunt grupuri comutative.

iii) (Í,+) nu este grup. (Nu este satisfăcută axioma S).

Observaţie. Aplicaţia ”+” ce satisface condiţiile A, E şi S este numită legea

de compunere internă a grupului. Ea poate fi notată prin orice simbol. De
exemplu:·,⊥, á, ⊕ .

De obicei se notează aditiv (adică prin “+”) legea de compunere a unui

grup comutativ. În acest caz, dacă x∈G elementul x’∈G astfel încât x+x’ =
0 este notat prin –x şi se numeşte opusul lui x.

11
Exemple de grupuri comutative
i) (Ð*,·) şi (Ñ*,·) sunt grupuri comutative.

ii) (Ñ, ∗), x ∗ y = x+y+xy, este un grup comutativ.

Definiţie. Fie A o mulţime nevidă, iar +,·: A × A → A două aplicaţii.

Tripletul (A,+,·) se numeşte inel unitar (sau inel) dacă sunt satisfăcute
următoarele condiţii:
I. (A,+) este un grup.
II.1. (x·y)·z = x·(y·z) pentru orice x, y, z∈A.
2. Există un element 1∈A astfel încât x·1 = 1·x = x pentru orice x∈A
III. (x+y)·z = x·z+y·z pentru orice x, y, z∈A; x·(y+z) = x·y + x·z
pentru orice x, y, z∈A (Distributivitatea legii “·” faţă de legea ”+”).

Dacă legea “·” este comutativă, inelul (A,+,·) este numit inel comutativ.

Observaţie. Din axiomele I, II, III rezultă că (A,+) este un grup abelian.

Exemple de inele.
i) Mulţimea Ù este un inel unitar comutativ, faţă de adunarea şi

înmulţirea numerelor întregi.

ii) (Ñ,+,·) este un inel comutativ.

iii) (Ùn,+,·), n ∈ Í*, este un inel comutativ.

Observaţie. Există şi inele necomutative, de exemplu inelele de matrici

(vezi §17).

Definiţie. Fie (k,+,·) un inel. Inelul (k,+,·) se numeşte corp dacă pentru
orice x∈k\{0}=k* există x~ ∈ k astfel încât xx~ = x~x = 1 .

12
Dacă (k,+,·) este un corp, iar legea “·” este comutativă atunci (k,+,·) se
numeşte corp comutativ.

Observaţii.
i) Inelul (k,+,·) este un corp dacă si numai dacă cuplul (k*,·) este un
grup.
ii) Legile +,· pot fi notate prin orice simboluri, de exemplu: ⊕ , á

sau ⊥, T sau ∧,∨ .

Dacă (k,+,·) este un corp, iar x∈k* atunci elementul x~ ∈ k astfel încât
xx~ = x~x = 1 este notat prin x-1 şi se numeşte inversul lui x.

Exemple de corpuri:
i) (Ð,+,·) şi (Ñ,+,·) sunt corpuri comutative.

ii) (Ùp,+,·), unde p ≥ 2 este un număr prim, este un corp

comutativ.
Observaţie. Există inele care nu sunt corpuri. De exemplu (Ù4,+,·),

deoarece 2 ≠ 0, dar 2 nu este inversabil în Ù4.

§3. Corpul numerelor complexe

Numerele complexe au apărut ca o extindere naturală a mulţimii

numerelor reale, în legătură cu determinarea polinoamelor într-o variabilă
cu coeficienţi reali. Deşi numerele complexe au fost considerate în mod
implicit de către G. Cardano (1545), R. Bombelli (1572), I. Newton, G.W.
Leibniz, A. de Moivre (1707), R. Cotes (1722), L. Euler (1777), C. Wessel

13
(1799), definiţia lor explicită a fost formulată doar la începutul secolului al
XIX-lea de către C.F. Gauss (1777-1855).

În acest paragraf vom construi mulţimea numerelor complexe introducând

o structură de corp pe mulţimea Ñ2=Ñ×Ñ={(x,y); x,y∈Ñ}.

Fie ⊕ :Ñ2 x Ñ2 → Ñ2, (x,y) ⊕ (x’,y’) = (x+x’,y+y’) şi :Ñ2xÑ2→Ñ2,

(x,y) (x’,y’) = (xx’-yy’, xy’+x’y).

1.3.1 Propoziţie. (Ñ2, ⊕ , ) este un corp comutativ.

Demonstraţie. (Ñ2, ⊕ , ) este un inel comutativ, (0,0) fiind

elementul neutru faţă de legea ⊕ , iar (1,0) elementul neutru faţă

de legea .Să arătăm că acest inel este un corp. Fie (x,y)∈
Ñ2\{(0,0)}. Căutăm (x’,y’)∈ Ñ2 astfel încât (x,y) (x’,y’) = (1,0).

Rezultă că

xx’-yy’ = 1
yx’+xy’ = 0,
x −y
deci x ′ = 2 2
,y ′ = 2 (x2+y2≠0 deoarece (x,y)≠(0,0)). Prin
x +y x + y2

urmare (Ñ2, ⊕ , ) este un corp comutativ.

Definiţie. Mulţimea Ñ2, înzestrată cu structura de corp definită de legile

⊕ şi , se numeşte mulţimea numerelor complexe. Mulţimea numerelor

complexe este notată prin simbolul Â.

În continuare, vom arăta cum definiţia precedentă ne conduce la

reprezentarea uzuală a numerelor complexe.

14
Vom nota legea ⊕ prin + şi o vom numi adunarea numerelor complexe,
iar legea prin · şi o vom numi înmulţirea numerelor complexe.

Vom defini o nouă operaţie, de la Ñ × Â la Â, numită înmulţirea cu scalari

reali, astfel:
:Ñ × Â → Â

a (x,y) = (ax,ay) pentru orice a∈Ñ, (x,z)∈Â.

Operaţia “ ” verifică următoarele condiţii:

1) a [(x,y)+(x’,y’)] = a (x.y)+a (x’,y’) pentru orice a∈Ñ, (x,y),

(x’,y’)∈ Â.

2) (a+b) (x,y) = a (x,y)+b (x,y) pentru orice a,b∈Ñ, (x,y)∈ Â.

3) (ab) (x,y) = a [b (x,y)] pentru orice a, b∈Ñ, (x,y)∈ Â.

4) 1 (x,y) = (x,y) pentru orice (x,y)∈Â.

Observaţie. Înmulţirea cu scalari nu este o lege de compunere internă pe

mulţimea  (nefiind definită pe Â⊗Â). Operaţia “ ” este un exemplu de

lege de compunere externă.

Convenţii şi notaţii. Fie a un număr real. Lui a îi asociem cuplul (a,0)∈ Â.

În acest fel Ñ se identifică cu o submulţime a lui Â. Vom nota (a,0) = a

pentru orice a∈Ñ.

Notăm prin i cuplul (0,1).

Vom nota tot prin “·” şi înmulţirea cu scalari “ ”.
Cu aceste convenţii putem obţine aşa numita reprezentare algebrică a
numerelor complexe.

15
1.3.2. Propoziţie. a) (x,y) = x+yi pentru orice (x, y)∈ Â

b) i2=-1
Demonstraţie. a) Fie (x,y)∈Â. Utilizând proprietăţile 1 şi 4 ale

înmulţirii cu scalari obţinem

(x,y) = (x,0)+(0,y) = x(1,0)+y(0,1) = x+yi.
b) i2 = (0,1)·(0,1) = (-1,0) = -1·(1,0) = -1.

Observaţii.
i) Se mai utilizează notaţia z = (x,y). Prin urmare z = x+yi. Aceasta
este reprezentarea algebrică a unui număr complex.
ii) Simbolul i = − 1 a fost introdus de către L. Euler (1777), iar
denumirea de număr complex a fost utilizată prima oară de către C.
F. Gauss (1831).
iii) Corpul  al numerelor complexe are o proprietate remarcabilă:

orice polinom neconstant într-o variabilă cu coeficienţi complecşi

are toate rădăcinile complexe. În limbajul teoriei corpurilor
proprietatea precedentă revine la faptul că mulţimea  este un

corp algebric închis.

iv) Pe corpul  nu poate fi introdusă o relaţie de ordine compatibilă

cu structura de corp. (Â nu este un corp ordonat, aşa cum sunt Ð şi

Ñ).

v) Să reţinem şirul de incluziuni

Í*⊂ Í ⊂Ù ⊂ Ð ⊂ Ñ ⊂ Â.

16
 CAPITOLUL II
Spaţiul vectorial kn

§4. Legi de compoziţie externe

În capitolul, precedent a fost definită înmulţirea cu scalari reali a

numerelor complexe. Aceasta este o aplicaţie de la Ñ⊗Â la Â, deci nu este

o lege de compunere internă.

Definiţie. Fie A, B două mulţimi nevide. O aplicaţie f:A⊗B → B se numeşte

lege de compunere externă pe mulţimea B.

Exemple de legi de compunere externe.

a)”·”: Ñ⊗Â → Â, a(x+yi) = ax+(ay)i.

b)* :Í ⊗ Ñ→ Ñ, n*x = xn.

c)T : Ù⊗ Ð → Ð, mTq = m+q.

§5. Spaţii vectoriale şi vectori

Definiţie. Fie (V,+) un grup, iar (k,+,·) un corp comutativ. Mulţimea V se

numeşte spaţiu vectorial peste k (sau k-spaţiu vectorial) dacă există o
lege de compunere externă :k⊗Õ→Õ astfel încât sunt satisfăcute

următoarele condiţii:
1)a (u+v) = a u+a v, pentru orice a∈k, u,v∈Õ.

17
 2)(a+b) u = a u+b u, pentru orice a,b∈k, u∈Õ.

3)a (b u) = (ab) u, pentru orice a,b∈k, u∈Õ.

4)1 u = u pentru orice u∈V.

Observaţie. Dacă Õ este un k-spaţiu vectorial atunci grupul (Õ,+) este

comutativ.

Într-adevăr, să considerăm u,v∈Õ. Atunci

2 (u+v) = 2 u+2 v = u+u+v+v şi

2 (u+v) = (u+v)+(u+v) = u+v+u+v.
Deci –u+(u+u+v+v)-v = -u+(u+v+u+v)-v, adică u+v = v+u.

Exemplu. Mulţimea  este un spaţiu vectorial peste Ñ. (vezi §3).

Convenţie. Fie Õ un k-spaţiu vectorial. Atunci legea de compunere externă

“ ” este notată, de obicei, prin ”·”. Dacă a,b∈k şi u∈Õ atunci a·b

reprezintă produsul elementelor a şi b din corpul k, iar a·u reprezintă

înmulţirea exterioară dintre elementul a din corpul k şi elementul u din
spaţiul Õ.

Elementele corpului k sunt numite scalari, iar elementele grupului Õ sunt

numite vectori.

2.5.1. Propoziţie. (Reguli de calcul într-un spaţiu vectorial).

i) 0k·x = 0V pentru orice x∈Õ.

ii) (-1)·x = -x pentru orice x∈Õ

iii) a·0V = 0V pentru orice a∈k.

18
 Demonstraţie. i) 0k·x = (0k+0k)·x = 0k·x+0k·x, deci 0k·x = -0k·x+(0k·x+
+0k·x) = -0k·x+0k·x = 0V.
ii) x+(-1)x = 1·x+(-1)·x = (1-1)·x = 0k·x = 0V, adică x+(-1)·x =
0V. Rezultă că (-1)·x = -x+ 0V = -x
iii) a·0V = a·(0V+0V) = a·0V+a·0V. Deci 0V = a·0V-a·0V = (a·0V+
a·0V)-a·0V = a·0V.

2.5.2.Corolar. Fie a∈k, x∈Õ. Atunci a·x = 0V dacă şi numai dacă

a = 0k sau x = 0V.
Demonstraţie. Să presupunem că a·x = 0V. Dacă a≠0k atunci a este
inversabil în k. Deci x = 1·x = (a-1·a)·x = a-1·(ax) = (a-1)·0V = 0V
conform iii). Cealaltă implicaţie rezultă din i) şi ii).

Convenţie. Fie Õ un spaţiu vectorial peste corpul comutativ k. Vom nota

prin O atât scalarul 0k din k cât şi vectorul 0V din Õ.

§6. Spaţiul vectorial kn

Fie (k,+,·) un corp comutativ, iar n∈Í*. Mulţimea kn = k⊗k⊗···⊗k =

{(x1,…,xn); x1,…,xn∈k} poate fi înzestrată cu o structură naturală de spaţiu

vectorial peste k. Construcţia pe care o descriem mai jos este sugerată de
structura de Ñ-spaţiu vectorial a mulţimii Ñ2 (considerată în §3).

Definim + :kn⊗kn → kn prin legea (x1,…,xn)+(y1,…,yn) = (x1+y1,…,xn+yn), unde

xj+yj reprezintă suma elementelor xj şi yj din corpul k.

19
Cuplul (kn,+) este un grup comutativ, având drept element neutru pe
(0,…,0). Vom nota n-uplul (0,…,0) prin 0. (Nu trebuie confundate
elementele 0 =( 0,…,0)∈kn şi 0∈k !).

Definim o lege externă ·:k⊗kn→kn prin a·(x1,…,xn) = (ax1,…,axn) pentru

orice a∈k, (x1,…,xn)∈kn.

Atunci, pentru orice a,b∈k şi (x1,…,xn), (y1,…,yn)∈kn avem:

1) a·[(x1,…,xn)+(y1,…yn)] = a·(x1+y1,…,xn+yn) = [a(x1+y1),…,a(xn+yn)] =
(ax1 + ay1, …, axn + ayn) = (ax1, …, axn) + (ay1, …, ayn) = a(x1, …, xn) +
a(y1,…,yn).
2) (a+b) · (x1,…,xn) = [(a+b)x1, …, (a+b)xn] = (ax1 + bx1, …, axn + byn)
= (ax1, …, axn)+ (bx1, …, bxn) = a(x1,…,xn)+b(x1,…,xn).
3) a·[b·(x1,…,xn)] = a(bx1,…,bxn) = [(ab)x1,…,(ab)xn] = (ab)(x1,…,xn).
4) 1·(x1,…,xn) = (1x1,…,1xn) = (x1,…,xn).

Din relaţiile 1,2,3 şi 4 rezultă că grupul (kn,+) este un spaţiu vectorial

peste k.

Definiţie. Fie u1 = (u11,…,u1n), u2 = (u21,…,u2n),…,um=(um1,…umm)∈kn şi fie

a1,…,am∈k. Vectorul a1u1 + ··· + amum = (a1u11 + ··· + am1um1, …, a1u1n + ··· +
amumn) ∈ kn se numeşte combinaţie liniară a vectorilor u1,…,um.

Exemple de combinaţii liniare.

i) Fie u1 = (1,2,0),u2 = (2,1,-3)∈k3. atunci 2u1+3u2 = (2,4,0)+(6,3,-9)
= (8,7,-9).
ii) Fie u1 = (-1,0,1,2),u2 = (4,1,-5,1),u3 = (2/3,1/3,-4/3,1) ∈Ð4.

Atunci 2u1+u2-3u3 = (0,0,0,0).

20
În continuare vom arăta că în kn există o mulţime definită de vectori B⊂ kn

astfel încât orice vector din kn să poată fi reprezentat în mod unic ca o

combinaţie liniară de vectori din B.

2.6.1. Propoziţie. Fie e1 = (1,0,…,0),e2 = (0,1,0,…,0),…,en-1 = (0,…,0,1,0),

en = =(0,…,0,1)∈kn. Atunci orice vector din kn se reprezintă în mod unic
ca o combinaţie liniară a vectorilor e1,…,en.
Demonstraţie. Fie u = (x1,x2,…,xn)∈kn. Atunci u = (x1,0,…,0)+(0,
x2,0,…,0)+···+(0,…,0,xn) = x1(1,0,…,0)+x2(0,1,0,…,0)+···+xn(0,0,…,1)
= x1e1+x2e2+···+xnen. Deci u este o combinaţie liniară a vectorilor
e1,…,en.

Să arătăm că reprezentarea lui u ca o combinaţie liniară a vectorilor

e1,…,en este unică. Să presupunem că u = a1e1 + a2e2 + ··· + anen, unde ai∈k.
Atunci u = a1(1,0,…,0)+a2(0,1,0,…,0)+···+an(0,…,0,1) = (a1,a2,…,an) prin
urmare (x1,x2,…,xn) = (a1,a2,…,an), deci x1 = a1, x2 = a2,…,xn = an. Deci
reprezentarea lui u = x1e1+x2e2+···+xnen este unică.

Definiţie. Mulţimea {e1,e2,…,en} se numeşte baza canonică a spaţiului

vectorial kn.
O mulţime finită B⊂kn se numeşte bază a spaţiului vectorial kn dacă orice

vector din kn poate fi reprezentat în mod unic ca o combinaţie liniară de

vectori din B.

Observaţie. Se poate arăta că orice bază din kn are exact n elemente.

Exemple de baze în k4.
i) (1,1,1,1), (1,1,1,0), (1,1,0,0), (1,0,0,0)
ii) (0,1,0,1), (0,1,0,0), (1,1,1,0), (1,1,1,1)
iii) (1,0,0,0), (0,1,0,0), (0,0,1,0), (0,0,0,1)

21
Exerciţii

1. Fie V un k-spaţiu vectorial, a,b∈k şi u,v∈Õ.

Să se arate că:
i) au = av dacă şi numai dacă a = 0 sau u = v.
ii) au = bu dacă şi numai dacă a = b sau u = 0.

2. Fie K un corp comutativ şi x1,…,xn∈k. Să se arate că opusul lui

(x1,x2,…,xn) în kn este (-x1,…,-xn).

3. Fie x = (1,2), y = (1,-1), z = (0,3)∈Ñ2. Să se arate că x este o combinaţie

liniară a vectorilor y şi z.

4. Fie V =Ù32, unde Ù3 = {0,1,2} este corpul claselor de resturi modulo 3.

i) Să se arate că următoarele mulţimi sunt baze în Õ:

a) (1,1), (2,1);
b) (1,1), (1,0);
c) (2,2), (1,0)
ii) Să se arate că vectorii (1,2), (2,1), (1,1) nu formează o bază a lui Õ.

22
 CAPITOLUL III
Vectori din plan şi spaţiu

§7. Drepte. Segmente. Plane.

Structura de spaţiu vectorial a lui Ñn permite o descriere simplă a unor

concepte geometrice elementare: punctul, dreapta şi planul.

Definiţie. Un punct din Ñn este un vector din Ñn.

Definiţie. Fie r0∈Ñn, a∈Ñn\{0}. Mulţimea {r0+ta; t∈Ñ} se numeşte dreapta

care trece prin punctul r0 şi are direcţia a. Vom nota prin d(r0,a) dreapta
care trece prin r0 şi are direcţia a (fig. 1).

Fig. 1

Definiţie. Două drepte d1 = d(r1,a) şi d2 = d(r2,b) se numesc paralele dacă a

= b, adică au aceeaşi direcţie (fig. 2).

23
 Fig. 2

Definiţie. Fie A,B∈Ñn. Mulţimea [A,B] = { x∈Ñn; x = (1-t)A+tB, 0 ≤ t ≤ 1 } se

numeşte segmentul de capete A şi B. (Punctul A este numit originea

segmentului, iar punctul B este numit capătul segmentului [A,B]).

Observaţie. Dacă A,B sunt puncte de pe dreapta reală Ñ atunci segmentul

[A,B] coincide cu intervalul închis [A,B].

n
Definiţie. Fie A = (a1,…,an), B = (b1,…,bn)∈ Ñ . Numărul

∑ (a − b j ) se numeşte lungimea segmentului [A,B]. Lungimea

n
2
AB = j
j =1

segmentului [A,B] mai este notată şi d(A,B) (fig. 3).

Fig. 3

24
Definiţie. Fie r0∈Ñn\{0} şi fie a, b∈Ñn\{0} astfel încât a ≠ tb pentru orice

t∈Ñ. Mulţimea P(r0,a,b) = {r0+sa+tb∈Ñn; s,t∈Ñ} se numeşte planul ce trece

prin punctul r0 şi are direcţiile a şi b (fig. 4).

Fig. 4

Exemplu. Fie r0 = (0,0,0), a = (1,0,0), b = (0,1,0)∈ Ñ 3. Atunci planul

P(r0,a,b) este planul x0y din Ñ3 (fig. 5).

Fig. 5

25
§8. Spaţiul vectorilor de poziţie

Noţiunea de vector îşi are originea în unele probleme de geometrie şi

mecanică. Din punct de vedere geometric spaţiile vectoriale Ñ, Ñ2 şi Ñ3

corespund dreptei, planului, respectiv spaţiul uzual. În aceste spaţii,

vectorii sunt consideraţi drept “segmente orientate”. Vom preciza
definiţia geometrică a acestor “vectori” şi vom arăta că vectorii cu aceeaşi
origine formează un spaţiu vectorial.

Definiţie. Fie A,B∈Ñn, unde n≥1. Perechea ordonată (A,B) se numeşte

săgeată de capete A şi B. Săgeata de capete A şi B este notată AB , iar

punctul B este numit capătul săgeţii AB .

Observaţie. Adesea săgeata AB este numită “vectorul AB ”. Ea este

reprezentată astfel ca în fig. 6.

Fig. 6

Definiţie. Două săgeţi AB şi CD se numesc egal paralele dacă există o

explicaţie t:Ñ n → Ñn astfel încât t(A) = C, t(B) = D, iar segmentele [AB] şi

[CD] sunt paralele şi egale (fig. 7)

Fig. 7

26
În continuare ne vom referi la săgeţi din Ñ2 sau Ñ3.

Notaţie. Notaţia AB =║ CD semnifică faptul că săgeţile AB şi CD sunt egal

paralele.

3.8.1.Lemă. Relaţia “=║” este o relaţie de echivalenţă pe mulţimea

săgeţilor, adică:

1) AB =║ AB . (Relaţia este reflexivă).

2) Dacă AB =║ CD atunci CD =║ AB . (Relaţia este simetrică).

3) Dacă AB =║ CD şi CD =║ EF atunci AB =║ EF (Relaţia este

tranzitivă).

Demonstraţie. Cele trei afirmaţii rezultă din proprietăţile egalităţii

segmentelor şi ale paralelismului dreptelor definite în paragraful
precedent.

Observaţie. Orice săgeată este egal paralelă cu o săgeată având originea

în punctul 0, unde 0 = (0,0) în Ñ2, respectiv 0 = (0,0,0) în Ñ3.

n
Notaţie. Vom nota prin  0 mulţimea săgeţilor din Ñn care au originea în

punctul 0 = (0,….,0)∈Ñn.

n
3.8.2. Propoziţie.  0 este un spaţiu vectorial peste Ñ.
n n n
Demonstraţie. Definim”+”:  0 ⊗  0 →  0 prin OA + OB = OC , unde

C = A+B este suma vectorilor A şi B din Ñ.

27
 n n
De asemenea, considerăm legea de compunere externă “ ”:Ñ⊗  0 →  0 ,

a OA = OD , unde D = a·A∈ Ñn.

n
În acest fel  0 devine un Ñ-spaţiu vectorial. (De fapt aceasta rezultă din

structura de Ñ-spaţiu vectorial a lui Ñn).

2 3
Interpretarea geometrică. În  0 şi  0 adunarea a două săgeţi OA şi OB
revine la "regula paralelogramului" (fig. 8).

Fig. 8

Să presupunem că săgeţile OA şi OB sunt necolineare. Prin ca-

petele A şi B ale săgeţilor OA şi OB se duc paralele la dreptele (OB),

respectiv (OA). Intersecţia lor este capătul C al săgeţii “sumă” OC =

= OA + OB .

Dacă săgeţile OA şi OB sunt colineare se pot prezenta două cazuri (fig. 9):

Fig. 9

• Dacă punctele A şi B sunt de aceeaşi parte a lui O (adică A∈[OB]

sau B∈[OA] translatăm pe OB astfel încât noua origine a lui OB

să fie A şi se obţine punctul C.

• Dacă O∈[AB] atunci translatăm săgeata - OB astfel încât

capătul ei să

Fig. 10

28
coincidă cu A. Noua poziţie a originii săgeţii - OB va fi punctul C (fig. 10).

Observaţie. Ţinând cont de faptul că orice săgeată din Ñn este egal

n
paralelă cu o săgeată din  0 ; putem defini şi pe mulţimea săgeţilor din Ñn

o ”sumă”. Mai precis, vom defini suma a două săgeţi AB şi CD drept o

n
săgeată din  0 . Săgeata AB este egal paralelă cu săgeata OX , iar
săgeata

Fig. 11

n
CD este egal paralelă cu săgeata OY . În  0 avem OX + OY = OZ .

Definim atunci AB + CD = OZ . În acest fel am definit de fapt “suma” a

două clase de echivalenţă de săgeţi din Ñn (fig. 11).

§9. Produsul scalar

Multe probleme de geometrie şi mecanică admit soluţii simple făcând apel

la proprietăţi elementare ale vectorilor şi săgeţilor din Ñ, Ñ2 şi Ñ3. Pentru

a ilustra metodele vectoriale utilizate la rezolvarea problemelor de

geometrie vom introduce două noi operaţii pe mulţimea vectorilor. Vom
asocia unui cuplu de vectori din Ñn un număr real (numit “produsul

29
scalar”), iar în paragraful următor vom defini “produsul vectorial” a doi
vectori din Ñ3 drept un nou vector din Ñ3.

Definiţie. Fie A = (a1,…,an), B = (b1,…,bn)∈ Ñ n. Numărul real (A,B)=a1b1

+···.+anbn se numeşte produsul scalar al vectorilor A şi B.

Pentru vectorii din Ñ2 şi Ñ3 produsul scalar are o interesantă interpretare

geometrică. O prezentăm în următoarele două rezultate.

3.9.1. Propoziţie. Fie A,B ∈ Ñ2, iar u unghiul dintre dreptele (OA) şi
uuur uuur
(OB). Atunci (A,B) = OA ⋅ OB ⋅ cos u .

Demonstraţie.

Fig. 12

Să presupunem că A = (a1,a2), B = (b1,b2). Fie C proiecţia lui A pe

Ox, iar D proiecţia lui B pe Ox. Atunci C = (a1,0), D = (b1,0). Atunci
∧ ∧ ∧ ∧ ∧ ∧
cos u = cos( BOD - AOC ) = cos BOD ·cos AOC +sin BOD ·sin AOC =

=
OD
⋅
OC
+
BD
⋅
AC
=
(a2b 2 + a1b1 ) .
OB OA OB OA b12 + b 22 ⋅ a12 + a 22

Deci (A,B) = ║ OA ║·║ OB ║·cos u (fig. 12).

30
3.9.2. Propoziţie. Fie A,B∈Ñ3, iar u unghiul dintre dreptele (OA) şi

(OB).Atunci (A,B) = ║ OA ║·║ OB ║·cos u.

Demonstraţie. Fie A = (a1,a2,a3), B = (b1,b2,b3).

Fig. 13

Vom determina cos u utilizând teorema cosinusurilor în triunghiul

AOB. Deoarece AB = (a1 − b1) 2 + (a 2 − b 2 ) 2 + (a 3 − b3 ) 2 ,

OA = a12 + a 22 + a 32 şi OB = b12 + b22 + b32 obţinem

2 2 2
OA + OB − AB 2(a1b1 + a 2 b 2 + a 3 b3 )
cos u = = .
2 OA ⋅ OB 2 OA ⋅ OB

Deci (A,B)= ║ OA ║·║ OB ║·cos ( OA , OB ) (fig. 13).

Observaţii.

i) De obicei, produsul scalar al săgeţilor OA şi OB este notat

OA · OB şi se defineşte ca fiind (A,B). Prin urmare:

OA · OB =║ OA ║·║ OB ║·cos ( OA , OB ).
ii) Propoziţiile precedente au sugerat definiţia „unghiului” dintre
doi vectori dintr-un spaţiu euclidian (un spaţiu vectorial peste Ñ

înzestrat cu un produs scalar, vezi §26).

31
 2 3
3.9.3.Corolar. Fie OA , OB ∈  0 sau  0 . Atunci OA · OB = 0 dacă şi
numai dacă este împlinită una dintre următoarele condiţii:
1) A = 0
2) B = 0
3) Dreptele (OA) şi (OB) sunt perpendiculare.

Demonstraţie. Din propoziţiile precedente rezultă că OA · OB = 0

dacă şi numai dacă ║ OA ║ = 0 sau ║ OB ║ = 0 sau cos( OA , OB ) =

0, condiţii care sunt echivalente cu cele din enunţ.

2
3.9.4.Corolar. OA · OA = OA

Demonstraţie. Este suficient să observăm că avem

cos( OA · OA ) = = cos0 = 1.

În continuarea acestui paragraf convenim să considerăm configuraţiile

geometrice la care ne referim (puncte, drepte, segmente etc.) ca
aparţinând planului Ñ2.

3.9.5.Propoziţie. Mijloacele laturilor unui patrulater sunt vârfurile unui

paralelogram.
Demonstraţie. Fie ABCD un patrulater plan. Fie P mijlocul
segmentului [AB], Q mijlocul segmentului [BC], R mijlocul
segmentului [CD], iar S mijlocul segmentului [DA].

32
 Fig. 14

1 1 1 1
Atunci P = (A+ B), Q = (B+C), R = (C+D), S = (D+A). Deci
2 2 2 2
1 1
PQ = PB + BQ = AB + BC .
2 2

Prin urmare SR = SD + DR =
1
2
( ) (
1
)
AD + DC = BC + AB = PQ . Deci PQ
2

şi SR sunt săgeţi egal paralele, deci PQRS este un paralelogram

(fig. 14).

3.9.6. Propoziţie. Pe laturile triunghiului ABC se construiesc în exterior

triunghiurile asemenea ABD, BEC şi CFA. Atunci mijloacele segmentelor
[AC], [DC], [BC] şi [EF] sunt vârfurile unui paralelogram.

Demonstraţie. Fie DA = a, EB = b, FC = c . Să presupunem că

Fig. 15

AD BE CF ∧ ∧ ∧
= = = k . Fie u = ADB = BEC = CFA .
DB EC FA

33
 Fie a’, b’ respectiv c’ săgeţile obţinute rotind pe a, b respectiv c cu
unghiul u în sens contrar acelor de ceasornic. Atunci
1 1 1
DB = a ′, EC = b ′, FA = c ′ .
k k k

Fie d = a+b+c, iar d’ săgeata obţinută din d printr-o rotaţie de unghi

u în sens contrar acelor de ceasornic.

Deoarece AD + DB + BE + EC + CF + FA = 0 obţinem
1 1 1
−a+ a′−b+ b′−c + c′ = 0,
k k k
1
deci d = a + b + c = (a ′ + b ′ + c ′) = 1 d ′ . Deoarece 0 < u < 180o
k k
rezultă că d şi d’ sunt săgeţi necolineare. Prin urmare kd = d’ dacă
şi numai dacă d = d’ = 0. În particular reţinem relaţia
(*) a+b+c = 0.

Fie P mijlocul segmentului [AC], Q mijlocul segmentului [DC], R

mijlocul segmentului [BC], şi S mijlocul segmentului[EF]. Atunci
1 → → → → 1 → 1 →
QP = a şi RS = RC + CF + FS = BC -c+ FE =
2 2 2
1 → → 1 → → 1 1 1 1 1
= ( BE + EC )–c- ·( EC + CF ) = (-b+ b′ )-c- ( b′ -c)= - (b+c)
2 2 2 k 2 k 2
1 → → →
= a= QP . Deci săgeţile RS şi QP sunt egal paralele. Prin urmare
2
PQRS este un paralelogram (fig. 15).

3.9.7.Lemă. Fie a,b,c trei vectori din Ñ2 de lungime cel mult 1. Atunci

există cel puţin doi dintre ei astfel încât suma sau diferenţa lor să aibă
lungimea cel mult 1.

34
 Demonstraţie. Să considerăm vectorii a,b,c,-a,-b,-c. Atunci

Fig. 16

există cel puţin doi dintre ei care să determine un unghi de măsură

cel mult 60o. Fie aceştia u şi v. Atunci − u + v ≤ 1 (fig. 16).

§10. Produsul vectorial

Produsul vectorial a doi vectori u şi v din Ñ3 poate fi obţinut studiind

relaţiile dintre viteza unghiulară şi viteza unui punct material supus unei
mişcări de rotaţie, sau momentul unei forţe în raport cu un punct. El este
un vector din Ñ3, perpendicular pe planul vectorilor u şi v, având lungimea

u ⋅ v ⋅ sin(u, v ) . Produsul vectorial are numeroase aplicaţii în geometrie şi

fizică.

Definiţie. Fie u,v ∈Ñ3, u=(u1,u2,u3), v=(v1, v2,v3), vectorul u⊗v=(u2v3-u3v2,

u3v1-u1v3, u1v2-u2v1)∈Ñ 3 se numeşte produsul vectorial al vectorilor u şi v.

3.10.1.Propoziţie. Fie u,v,w∈Ñ3. Atunci

i) (u×v,u) = (u×v,v) = 0.
ii) u×v = -v×u.
iii) u×u = 0.
iv) (u+v)×w = u×w+v×w.

35
 Demonstraţie.
i) (u×v,u) = ((u2v3-u3v2, u3v1-u1v3, u1v2-u2v1), (u1,u2,u3)) =
(u2v3-u3v2)u1+( u3v1-u1v3)u2+( u1v2-u2v1)u3 = 0. La fel se arată
că (u×v,v) = 0.
ii) şi iii) rezultă din definiţie.
iv) (u+v) ×w = (u1+v1,u2+v2,u3+v3) × (w1,w2,w3) = ((u2+v2)w3-
(u3+v3)w2, (u3+v3)w1-(u1+v1)w3, (u1+v1)w2-(u2+v2)w1) = (u2w3-
u3w2,u3w1-u1w3,u1w2-u2w1)+(v2w3-v3w2,v3w1-v1w3,v1w2-v2w1) =
=u×w+v×w.

Observaţie. În general (u×v) ×w ≠ u× (v×w). De exemplu: să considerăm

u = (1,1,1), v = (1,2,2), w = (2,2,1). Atunci (u × v) × w = (0,-1,1) × (2,2,1) =
(-3,-1,2) ≠ (-5,0,5) = (1,1,1) × (-2,3,-2) = u×(v×w).

3.10.2.Propoziţie. Fie u,v∈Ñ3. Atunci ║u×v║2 = ║u║·║v║·│sin (u,v)│

Demonstraţie. Putem presupune u ≠ (0,0,0), v ≠ (0,0,0) , deci

║u║≠0, ║v║≠0. Deoarece ║u×v║2=(u×v,u×v)=(u2v3-u3v2)2+(u3v1-u1v3)2
+(u1v2-u2v1)2, ║u2║=u12+u22+u32, ║v║2 = v12 + v22 + v32, şi
(u,v ) = u ⋅ v cos (u,v ) avem
2 2
(u,v)2 u v − (u,v)2
sin ( u,v ) = 1 −
2
2 2
= 2 2
, deci
u ⋅ v u v

u ⋅ v ⋅ sin2 (u,v) = ( u12 + u22 + u32 )( v12 + v 22 + v 32 ) - ( u1v1 + u2 v 2 + u3 v 3 ) =

2 2 2

=(u2v3-u3v2)2+(u3v1-u1v3)2+(u1v2-u1v1)2 = ║u×v║2.

3.10.3.Corolar. Avem u×v = 0 dacă şi numai dacă este îndeplinită una

din următoarele condiţii:
1) u = (0,0,0).
2) v = (0,0,0).
3) Vectorii u şi v sunt colineari.

36
 Demonstraţie. Din propoziţia precedentă rezultă că u×v = 0 dacă şi
numai dacă u = 0 sau v = 0 sau sin (u,v) = 0.

3.10.4 Corolar. Avem u×v = u×(au+v) pentru orice u,v∈Ñ3. a∈Ñ.

Demonstraţie. u×(au+v) = u×(au)+u×v = u×v deoarece u şi au sunt

colineari.

37
38
Exerciţii

5. Să se arate că orice dreaptă din Ñ coincide cu Ñ.

6. Să se arate că segmentul [a,b] aparţine dreptei d(a,b-a) care trece prin

a şi are direcţia b-a.

7. Fie A,B,C trei puncte distincte din Ñn. Să se arate că punctele A,B,C

sunt coliniare dacă şi numai dacă există t∈Ñ astfel încât A = C+t(B-C).

8. Fie A,B,C ∈Ñn (n ≥ 2) trei puncte necolineare şi fie X∈Ñn. Să se arate că

X aparţine planului determinat de punctele A,B,C dacă şi numai dacă

există s,t∈Ñ astfel încât X = A+s(B-A)+t(C-A).

9. Fie r0∈Ñn, a,b∈Ñn\{0}. Să se arate că dreptele d(r0,a) şi d(r0,b) sunt

incluse în planul P(r0,a,b).

AC
10. Fie A,B∈Ñn şi fie C∈[AB]. Dacă = k să se arate că
CB

1
C= (A + kB) .
1+ k

11. Fie A1,A2,…,Am∈Ñn. Să se arate că

uuuuur uuuuur uuuuuuuur uuuuuur
A1A 2 + A 2 A 3 + ... + A m−1A m + A m A1 = 0 . (Unde 0 este săgeata nulă).

2
12. Fie OA,OB∈  0 . Să se arate că produsul scalar OA·OB este puterea
punctului O faţă de cercul de diametru [AB].

39
13. Să se arate că raportul a două laturi ale paralelogramului din
propoziţia 3.9.6. este egal cu raportul lungimilor segmentelor [AD] şi [DB].

14. Să se demonstreze vectorial că în orice triunghi medianele sunt

2
concurente într-un punct situat pe fiecare mediană la din mediana faţă
3
de vârf.

15. Să se arate că segmentul care uneşte mijloacele laturilor neparalele

ale unui trapez este paralel cu bazele şi are lungimea egală cu semisuma
lungimilor bazelor.

16. Să se arate că în orice triunghi înălţimile sunt concurente.

17. Fie G centrul de greutate al triunghiului ABC. Să se arate că

uuur uuur uuur
GA + GB + GC = 0 .

18. Fie A,B,C trei puncte din Ñ3. Să se determine mulţimea punctelor
uuur uur uur
X∈Ñ3 care satisfac relaţia 3 ⋅ XA = 2 ⋅ XB + XC .

19. Fie SABCD o piramidă regulată având vârful în S, astfel încât unghiul
diedru a două feţe adiacente este u, iar lungimea muchiilor laterale este
1. Să se calculeze:
uur uur
i) Produsul scalar AS ⋅ AB .
ii) Lungimea segmentului scalar [AK], unde K este mijlocul
segmentului [BS].

uuur uuur
20. Fie O,A,B∈Ñ3. Să se arate că OA ⊗ OB = 2S AOB .

40
21. Fie ABCD un paralelogram şi fie E∈[AB], F∈[AD], Q∈[DC] astfel încât
AE 1 AF 3 DQ 3
= , = , = . Să se determine raportul ariilor triunghiului
EB 3 FD 5 QC 7

EFQ şi paralelogramului ABCD.

41
42
 CAPITOLUL IV
Spaţii vectoriale

În capitolul al II-lea am definit spaţiile vectoriale peste un corp comutativ

k şi am pus în evidenţă o structură de k-spaţiu vectorial a mulţimii kn. În
acest capitol vom discuta unele noţiuni care permit descrierea unui spaţiu
vectorial printr-o submulţime a sa, numită bază. Vom prezenta apoi câteva
spaţii vectoriale semnificative.

§11. Exemple de spaţii vectoriale

Înainte de a introduce conceptele: de liniar dependenţă, sistem de

generatori şi bază vom pune în evidenţă câteva exemple relevante de
spaţii vectoriale.
1) kn este un k-spaţiu vectorial (unde k este un corp comutativ,
n ≥ 1, vezi §6).
2) Â este un Ñ-spaţiu vectorial.

3) Mulţimea Ñ este un Ð-spaţiu vectorial. Definim + : Ñ⊗Ñ→Ñ ca

fiind adunarea numerelor reale, iar ·: Ð⊗Ñ→Ñ, q·r = qr înmulţirea

numerelor reale q şi r.

În acest fel pe mulţimea Ñ avem două structuri naturale de spaţiu

vectorial: Ñ este un Ñ-spaţiu vectorial: Ñ este un Ñ-spaţiu vectorial şi Ñ

este un Ð-spaţiu vectorial.

43
 4) Mulţimea claselor de echivalenţă ale săgeţilor din Ñn (vezi

capitolul III) este un Ñ-spaţiu vectorial. Acest spaţiu vectorial se

n
identifică cu spaţiul vectorilor de poziţie  0 .
5) Mulţimea F(Ñ) a funcţiilor f: Ñ →Ñ este un Ñ-spaţiu vectorial.

Într-adevăr, pentru f,g∈F(Ñ) definim f+g : Ñ→Ñ, (f+g)(x) = f(x)+g(x)

pentru orice x∈Ñ, iar pentru a∈Ñ, f∈F(Ñ) definim af : Ñ→Ñ,

(af)(x) = af(x) pentru orice x∈Ñ.

6) Mulţimea k[T] = {f(T) = a0+a1T+···+anTn; ai∈k} a polinoamelor

într-o variabilă cu coeficienţi în corpul comutativ k este un k-spaţiu
vectorial. Într-adevăr, k[T] este un grup în raport cu adunarea
polinoamelor şi definim : k⊗k[T] → k[T] prin a·(a0+a1T+···+anTn) =
aa0 + +aa1T + ···+ aanTn.
7) Mulţimea Pn(k) = {f∈k[T]; gr f ≤ n} este un k-spaţiu vectorial (cu
aceleaşi legi de compunere ca la exemplu 6).

§12. Combinaţii liniare

Fie V un k-spaţiu vectorial. Dacă x,y∈V şi a, b∈k atunci x+y, ax, by şi

ax+by reprezintă noi vectori din V. Acest procedeu poate fi extins obţinând
noi vectori pornind de la o familie de vectori.

Definiţie. Fie V un k-spaţiu vectorial şi x1,x2,… ,xm∈V. Un vector x∈V se

numeşte combinaţie liniară a vectorilor x1,x2,…,xm dacă există
a1,a2,…,am∈k astfel încât
x = a1x1+a2x2+···+amxm.

44
Exemple de combinaţii liniare.
1) Fie V =Ñ3, x = (1,1,2), y = (0,0,3). O combinaţie liniară a

vectorilor x şi y este orice vector de forma ax+by = (a,a,2a)

+(0,0,3b) = (a,a,2a+3b), unde a,b∈Ñ.

2) Fie e1 = (1,0,…,0), e2 =(0,1,0,…,0), …, en-1 = (0,…,0,1, 0), en =

(0,…,0,1)∈kn, unde k este un corp comutativ. Atunci orice vector
din kn este o combinaţie liniară a vectorilor e1,…,en. Într-adevăr, fie
x∈kn. Atunci x = (xn,…,xn) cu x1,…,xn∈k. Deci x = x1e1+···+xnen, adică
x este o combinaţie liniară a vectorilor e1,…,en.

Observaţie. Noţiunea de combinaţie liniară a unei mulţimi finite de vectori

poate fi extinsă şi pentru familii oarecare de vectori (finite sau infinite).

Definiţie. Fie V un spaţiu vectorial peste k, iar Y o submulţime a lui V. Un

vector x∈V se numeşte combinaţie liniară a unor vectori din Y dacă există
o familie finită {y1,…,ym}⊂Y astfel încât x să fie o combinaţie liniară a
vectorilor y1,…,ym.

Exemplu. Fie V = Ñ2 şi Y = {y∈Ñ2 ; y = (a,2a), a∈Ñ sau y = (b,1), b∈Ñ}.

Atunci orice vector x∈Ñ2 este o combinaţie liniară a unor vectori din Y.

Într-adevăr, fie x = (x1,x2) şi să considerăm v = (1,2), w = (1,1). Atunci

v,w∈Y şi x = (x2-x1)v+(2x1-x2)w.

Observaţie. Într-un spaţiu vectorial nu au sens, în general, sumele

“infinite” de vectori. De exemplu, fie V = Ñ. Atunci suma infinită

1+1+···+1+··· nu reprezintă un număr real.

45
§13. Dependenţa liniară

Definiţie. Fie V un k-spaţiu vectorial. Vectorii x1,…,xm∈V se numesc liniari

dependenţi peste k dacă există a1,…,am∈k, unde cel puţin un scalar ai ≠ 0,
astfel încât a1x1+a2x2+···+amxm = 0.

Observaţie. Vectorii x1,…,xm sunt liniari dependenţi peste k dacă şi numai

dacă OV este o combinaţie liniară nebanală a vectorilor x1,…,xm.
(combinaţia liniară 0·x1+0·x2+···+0·xm = 0 este numită combinaţie liniară
banală (sau trivială) a vectorilor x1,…,xm).

Definiţie. Vectorii x1,…,xm∈V se numesc liniari independenţi dacă nu sunt

liniari dependenţi.

Observaţie. Vectorii x1,…,xm sunt liniar independenţi dacă şi numai dacă

din relaţia a1x1+···+amxm= 0, ai ∈ k, rezultă a1 = ··· = am = 0.

Exemple.
1) Vectorii x = (1,2,0,2), y = (2,2,2,1), z = (2,3,3,3)∈ Ñ 3 sunt liniari

independenţi. Într-adevăr, dacă a,b,c∈Ñ sunt astfel încât

ax+by+cz = 0 = (0,0,0,0) atunci

⎧a + 2b + 2c = 0
⎪2a + 2b + 3c = 0
⎪
⎨
⎪2b + 3c = 0
⎪⎩2a + b + 3c = 0

deci a = b = c = 0.
2) Vectorii x = (1,2,0,2), y = (2,2,2,1), z = (4,6,2,5,)∈ Ñ 3 sunt liniari

dependenţi deoarece 2x+y-z = 0.

46
 3) 2 şi 3 sunt liniar independente peste Ð, dar sunt liniar

dependente peste Ñ.

Într-adevăr, dacă a 2 +b 3 = 0, unde a,b∈Ð atunci:

2ab 6 = -(2a2+3b2)∈Ð.

Dar 6 ∉Ð. Deci a = 0 sau b = 0. Dacă a = 0 atunci b 3 = 0, deci b = 0.

Dacă b = 0 atunci a 2 = 0. deci 2 şi 3 sunt liniar independente peste

Ð.

Deoarece 3 2- 2 3 = 0 rezultă că 2 şi 3 sunt liniar dependente

peste Ñ.

4) Fie V un k-spaţiu vectorial şi x∈V. Atunci x este liniar

independent dacă şi numai dacă x≠0. într-adevăr, dacă ax=0 şi a≠0
atunci x=0.
5) Fie V un spaţiu vectorial peste Ñ, x, y∈V şi fie u = x+y, v = x-2y.

Atunci vectorii x, y sunt liniar independenţi dacă şi numai dacă

vectorii u, v sunt liniar independenţi. Aceasta rezultă din relaţiile
⎛ c 2d ⎞ ⎛ c d⎞
au+bv = (a+b)x+(a-2b)y şi cx+dy = ⎜ + ⎟u + ⎜ − ⎟ v .
⎝3 3 ⎠ ⎝3 3⎠
Observaţie. Noţiunea de liniar dependenţă poate fi extinsă şi pentru
familii infinite de vectori.

Definiţie. Fie V un k-spaţiu vectorial, iar M o mulţime de vectori din V.

Mulţimea M se numeşte legată (sau liniar dependentă) dacă există o
submulţime finită a lui M formată din vectori liniar dependenţi.
Mulţimea M se numeşte liberă (sau liniar independentă) dacă orice
submulţime finită a sa este formată din vectori liniar independenţi.

Observaţie. În exerciţiul 26 este descrisă o familie infinită liberă.

47
§14. Sisteme de generatori.
Subspaţii vectoriale

Definiţie. Fie V un k-spaţiu vectorial. O familie de vectori M ⊂ V se

numeşte sistem de generatori al lui V dacă orice vector din V este o
combinaţie liniară a unor vectori din M.

Observaţie. Mulţimea M este un sistem de generatori al lui V dacă şi numai

dacă pentru orice v∈V există x1,…,xm∈ M şi a1,…,am∈k astfel încât v =
a1x1+···+amxm.

Exemple de sisteme de generatori.

1) Mulţimea V este un sistem de generatori al spaţiului vectorial V.
2) Fie x1 = (1,1,2), x2 = (2,1,1), x3 = (0,0,2), x4 = (0,1,1). Atunci
mulţimea M = {x1,x2,x3,x4} este un sistem de generatori al lui Ñ3.

Într-adevăr, fie v = (v1,v2,v3)∈ Ñ 3. Atunci

1 1 ⎛1 1 ⎞ ⎛ 3 ⎞
v = = v 1x1 + v 1x 2 + ⎜ v 3 − v 1 − v 2 ⎟ x 3 + ⎜ v 2 − v1 ⎟ x 4 .
2 4 ⎝2 2 ⎠ ⎝ 4 ⎠
3) Fie k un corp comutativ. Atunci mulţimea {1,T,T2,…,Tn,..}
generează spaţiul vectorial k[T]. Într-adevăr, orice polinom din k[T]
este o sumă finită de monoame, deci o combinaţie liniară
a1Tn1 + a2 Tn2 + ... + am Tnm adică o combinaţie liniară a unor vectori
din mulţimea {1,T,T2,…,Tn,...}.

Exemplu de familie liberă care nu este un sistem de generatori. Fie u =

(1,1,1), v = (1,1,2). Atunci mulţimea M = {u,v} este o familie liberă.

48
Deoarece (1,2,0) ≠ (c+d,c+d,c+2d) pentru orice c,d∈Ñ mulţimea M nu este

un sistem de generatori al lui Ñ3.

Definiţie. Fie V un k-spaţiu vectorial. O submulţime nevidă W ⊂ V se

numeşte subspaţiu vectorial al lui V dacă sunt îndeplinite următoarele
condiţii:
i) 0V∈W
ii) cx+dy∈W pentru orice x,y∈W, c,d∈k.

Observaţie. Condiţia i) rezultă din condiţia ii). Într-adevăr fie x∈W. atunci
0V = x-x∈W.

Exemple de subspaţii vectoriale.

1) {x = (x1,…, xn-1, xn)∈ Ñ n; xn = 0} este un subspaţiu vectorial al lui

Ñn care se identifică cu Ñn-1.

2) C(Ñ,Ñ) = {f: Ñ →Ñ; f este continuă pe Ñ} este un subspaţiu

vectorial al lui F(Ñ) = {f: Ñ →Ñ}.

3) Fie V un k-spaţiu vectorial şi w1,…,wm∈V. Atunci mulţimea

Sp(w1,…,wm) = {c1w1+···+cmwm; c1,…,cm∈k} este un subspaţiu
vectorial al lui V.

Subspaţiul Sp(w1,…,wm) se numeşte subspaţiul vectorial generat de

vectorii w1,…,wm. Uneori acest subspaţiu este notat < w1,…,wm>.

Definiţie. Fie V un k-spaţiu vectorial, iar U,W subspaţii vectoriale ale lui V.
Mulţimea U+W = {u+w; u∈U, w∈W} se numeşte suma subspaţiilor U şi W.

49
4.14.1.Propoziţie. Fie V un k-spaţiu vectorial, iar U şi W subspaţii
vectoriale ale lui V. Atunci mulţimea U+W este un subspaţiu vectorial al
lui V.
Demonstraţie. Fie v1,v2 ∈U + W şi a,b∈k. Atunci există u1,u2∈U şi
w1,w2∈W astfel încât v1 =u1+w1, v2=u2+w2. Atunci av1+bv2 = a(u1+w1) +
b(u2+w2)= (au1+bu2) + (aw1+bw2 )∈U+W deoarece au1+bu2∈ U,
aw1+bw2 ∈ W, U şi W fiind subspaţii vectoriale. Prin urmare U+W
este un subspaţiu vectorial al lui V.

4.14.2.Propoziţie. Fie V un k-spaţiu vectorial, iar U,W subspaţii

vectoriale ale lui V. Atunci U∩W este un subspaţiu vectorial al lui V.

Demonstraţie. Fie v1,v2 ∈U ∩  W şi a,b∈k. Atunci av1 + bv2 ∈ U şi

av1+bv2∈W, deci av1+bv2∈U ∩  W. Prin urmare U ∩  W este un

subspaţiu vectorial al lui V.

Observaţie. Reuniunea a două spaţii vectoriale nu este, în general , un

subspaţiu vectorial. Fie V =Ñ2, U ={x1,x2 ∈Ñ2; x1 = x2} , W ={( x1,x2)∈ Ñ2; 2x1

= x2 }. Fie u = (1,1), w =(2,1). Atunci u ∈ U, w ∈ W, dar u + w = (3,2) ∉

U∪W. Deci , U∪W nu este un subspaţiu vectorial.

4.14.3.Propoziţie. Fie V un k-spaţiu vectorial şi fie M ={ xi ; i ∈I } ⊂ V.

Atunci M este o familie liberă dacă şi numai dacă xi ∉ Sp (M \{ xi })
pentru orice i ∈ I.
Demonstraţie. Dacă există i ∈ I astfel încât xi ∈ Sp(M\{ xi } atunci
există j1,…,jm ∈I {i} şi a1,…,am∈k astfel încât xi = a1xj 1 + ··· +amxj m ,
deci M n-ar fi liberă.

50
 Să presupunem că M este liberă. Atunci pentru orice i,i1,…,in ∈I
avem xi ≠ a1xi 1 +···+ anxi n pentru orice aj ∈ k, deci xi ∉ Sp(M\{xi }).

§15. Bază. Dimensiune

Putem prezenta acum noţiunea de bază a unui spaţiu vectorial .

Definiţie. Fie V un k-spaţiu vectorial. O submulţime B ⊂ V se numeşte

bază a spaţiului vectorial V dacă este liberă şi B este un sistem de

generatori al lui V.

Exemple de baze.
1) Fie e1 = (1,0), e2 = (0,1) ∈Ñ2. Atunci mulţimea {e1,e2} este o

bază a lui Ñ2.

2) Fie k un corp comutativ , iar T o nedeterminată. Atunci mulţimea

{1,T,T2,…,Tn,…} este o bază a k-spaţiului vectorial k[T] .

4.15.1. Propoziţie. Fie V un k-spaţiu vectorial şi fie B⊂V. Atunci B este

o bază a lui V dacă şi numai dacă orice vector din V se reprezintă în
mod unic, ca o combinaţie liniară de vectori din B .
Demonstraţie. Să presupunem că B este o bază a lui V. În particular
B este un sistem de generatori al lui V. Deci orice vector din V este
o combinaţie liniară a unor vectori din B. Să arătăm că o astfel de
reprezentare este unică. Fie B = {ei} i ∈I. Fie x∈V şi fie a1,…,an,
b1,…,bm ∈k astfel încât
x = a1ei1+···+ anein =b1ej1 + …+ bmejm, unde i1,…,in,j1,…,jm ∈I.

51
 Fie {f1,…,fp}= {ej1,…,ejm}U{ei1,…,ein}. Atunci x = a1ei1 + ··· + anein=
=c1f1 + ··· +cpfp şi x = b1ej1 + ··· + bmejm = d1f1+··· +dpfp, unde ai,di ∈k
şi {a1,…,an} = {c1,…,cp}, {b1,…,bm}= {d1,…,dp}.
Deci, c1f1 + ··· + cpfp = d1f1+…dpfp, adică
(*) (c1-d1)f1 + ··+ (cp-dp)fp = 0.

Cum f1,…,fp ∈B rezultă că f1,…,fp sunt liniar independenţi. Din (∗)

rezultă atunci c1-d1 = ··· = cp-dp = 0. Prin urmare c1 = d1,…,cp = dp ,
deci reprezentarea lui x ca vector din Sp(B) este unică.

Să presupunem acum că orice vector din V se reprezintă în mod

unic ca o combinaţie liniară de elemente din B. În particular rezultă
că Sp(B) = V, deci B este un sistem de generatori al lui V. Să arătăm
că familia B este liberă (liniar independentă). Fie B1 o subfamilie
finită a lui B. Să presupunem că B1 = {g1,…,gs}. Fie a1,…,a,…,as∈k
astfel încât
a1g1 + ··· + asgs = 0.

Deoarece 0.g1 + ··· + 0.gs = 0 din unicitatea reprezentării lui 0 ca

element din Sp(B) rezultă că a1 = ··· = as = 0. Deci g1,…,gs sunt liniar
independente. Prin urmare B este liberă. Cum B este şi sistem de
generatori rezultă că B este o bază a lui V.

Definiţie. Fie V un k-spaţiu vectorial, iar B = {ei}i∈I o bază a sa. Atunci

există şi sunt unici scalarii a1, …, an ∈ k astfel încât x = a1ei1 + ··· + anein,
unde eij∈B. Scalarii a1,…,an cu această proprietate se numesc coordonatele
(sau componentele) vectorului x în raport cu baza B.

Exemplu. Fie V = Ñ2, B = {e1,e2}, unde e1 = (1,0), e2 = (0,1).

52
Fie x = (x1,x2)∈V. Atunci x = x1e1 + x2e2. Deci coordonatele lui x în raport cu
baza B sunt x1 şi x2.

Toate spaţiile vectoriale concrete considerate până aici admit baze. Se

pune atunci următoarea problemă: Fiind dat un k-spaţiu vectorial V
arbitrar, există o bază a lui V ? Această problemă are un răspuns pozitiv.
Mai mult, dacă B1 şi B2 sunt două baze ale lui V, se poate arăta că există o
bijecţie de la B1 la B2 , adică B1 şi B2 au acelaşi ″număr″ de elemente. Acest
″număr″ va fi numit dimensiunea spaţiului vectorial V. În continuare vom
discuta cazul spaţiilor vectoriale care admit baze cu un număr finit de
elemente. Vom discuta apoi şi cazul bazelor cu un număr infinit de
elemente, caz care necesită utilizarea lemei lui Zorn.

Definiţie. Fie V un k-spaţiu vectorial, v1,…,vn∈V şi fie r≤n. Mulţimea

{v1,…,vr} se numeşte submulţime maximală de vectori liniar
independenţi din v1,…,vn dacă:
1) v1,…,vr sunt vectori liniar independenţi.
2) v1,…,vr,vi sunt vectori liniar dependenţi pentru orice i∈{r+1,…,n}.

4.15.2.Teoremă. Fie V un k-spaţiu vectorial care admite o mulţime

finită de generatori { v1,…,vr}. Dacă{ v1,…,vr} este o submulţime
maximală de elemente liniar independente din {v1,…,vr} atunci {
v1,…,vr} este o bază a lui V.
Demonstraţie. Este suficient să arătăm că mulţimea { v1,…,vr} este
un sistem de generatori a lui V.
Deoarece mulţimea { v1,…,vr} este un sistem de generatori a lui V
este suficient să arătăm că vr+1,…,vn∈Sp(v1,…,vr). Fie i∈{r+1,…,n}.
Atunci vectorii v1,…,vr,vi sunt liniar dependenţi. Deci există
a1,…,ar,ai ∈k, nu toţi nuli, astfel încât
a1v1+···+arvr+aivi = 0.

53
 Dacă ai = 0 ar rezulta că v1,…,vr ar fi liniar dependenţi. Deci ai ≠ 0.
Atunci
vi = - ai−1 (a1v1+···+arvr), deci vi∈Sp(v1,…,vr).

4.15.3.Propoziţie. Fie V un k-spaţiu vectorial care admite o bază finită {

v1,…,vn} şi fie w1,…,wn∈V. Dacă n>m atunci vectorii w1,…,wn sunt liniar
dependenţi.
Demonstraţie. Putem presupune că w1,…,wn ≠ 0. Deoarece
{v1,…,vm} este o bază a lui V există a1,…,am∈k astfel încât w1 =
a1v1+···+amvm.
Deoarece w1 ≠ 0 există i∈{1,2,3,…,m} astfel încât ai ≠ 0. după o
eventuală reindexare putem presupune că a1 ≠ 0. Atunci
v1 = a1−1 ( w1 − a 2 v 2 − − am v m ) .

Deci
V = Sp(w1,v2,…,vm).
Fie r∈{1,2,3,…,m-1}. Să presupunem că am arătat că V =
Sp(w1,…,wr,vr+1,…,vm). Vom dovedi că V = Sp(w1,…,wr,wr+1,vr+2,…,vm).
Într-adevăr, wr+1∈V = Sp(w1,…,wr,vr+1,…,vm), deci există
b1,…,br,cr+1,…,cm∈k astfel încât
wr+1 = b1w1+···+brwr+cr+1vr+1+···+cmvm.
Dacă cr+1 = ··· = cm = 0 atunci vectorii w1,…,wr,wr+1, sunt liniar
dependenţi, deci w1,…,wn sunt liniar dependenţi.
Dacă există i∈{r+1,…,m} astfel încât ci ≠ 0, putem presupune, după
o eventuală reindexare, că cr+1 ≠ 0. Atunci

vr+1=- c −r +11 (b1 w 1 + ... + b r w r − w r +1 + c r + 2 + ... + c m w m ) ∈

∈Sp(w1,…,wr,wr+1,vr+2,…,vm) Deci V = Sp(w1,…,wr+1,vr+2,…,vm).

Continuând astfel rezultă
V = Sp(w1,…,wm).

54
 Deoarece n>m există d1,…,dm∈k astfel încât wn = d1w1+···+dmwm.
Prin urmare vectorii w1,…,wn sunt liniar dependenţi.

4.15.4.Corolar. Fie V un k-spaţiu vectorial. Dacă B1,B2 sunt două baze

finite ale lui V, atunci B1,B2 au acelaşi număr de elemente.
(card B1 = card B2).
Demonstraţie. Fie m = card B1, n = card B2. din propoziţia
precedentă obţinem m ≤ n şi n ≤ m, deci m = n.

Definiţie. Fie V un k-spaţiu vectorial. Dacă V are o bază finită B numărul n

= card B este numit dimensiunea k-spaţiului vectorial V. Dimensiunea k-
spaţiului vectorial V este notată dimkV sau dim V.

Un k-spaţiu vectorial care nu are baze finite se numeşte spaţiu vectorial

de dimensiune infinită.

Exemple.
1) Fie k un corp comutativ. Atunci dimkkn = n, deoarece vectorii e1 =
(1,0,…,0), e2 = (0,1,0,…,0),…,en=(0,0,…,1) formează o bază a lui kn.
2) Fie V = {(x1,x2,x3)∈ Ñ 3; x1+x2+x3 = 0}. Mulţimea {(1,1,-2),(1,-1,0)}

formează o bază a lui V. Deci dimV = 2.

3) Fie k un corp comutativ. Atunci k[T] este un k-spaţiu vectorial de
dimensiune infinită. Mulţimea {1,T,T2,…,Tn,…} este o bază a lui k[T].
Pentru a caracteriza elementele unei baze a unui spaţiu vectorial vom
introduce noţiunea de mulţime maximală de vectori liniar independenţi.

Definiţie. Fie V un k-spaţiu vectorial, v1,…,vn∈V. Mulţimea {v1,…,vn} se

numeşte mulţime maximală de vectori liniar independenţi dacă sunt
îndeplinite următoarele condiţii:
a) Vectorii v1,…,vn sunt liniar independenţi.
b) Vectorii w, v1,…,vn sunt liniar dependenţi pentru orice w∈V.

55
Exemple.
1) Fie V =Ñ. Atunci orice număr real nenul este o mulţime maximală

de vectori liniar independenţi din V.

2) Fie k un corp comutativ. Atunci {(1,0),(0,1)} este o mulţime
maximală de vectori liniar independenţi din k2.

4.15.5.Propoziţie. Fie V un k-spaţiu vectorial. Dacă { v1,…,vn} este o

mulţime maximală de elemente liniar independente din V atunci
{v1,…,vn} este o bază al lui V.
Demonstraţie. Este suficient să arătăm că {v1,…,vn} este un sistem
de generatori a lui V.

Fie v∈V. Dacă v∈{ v1,…,vn} atunci v∈Sp(v1,…,vn). dacă v ≠ v1,…,vn

atunci vectorii v, v1,…,vn sunt liniar dependenţi. Deci există
a,a1,…,an∈k, nu toţi nuli, astfel încât
av+a1v1+···+anvn = 0.
Dacă a = 0 atunci a1v1+···+anvn = 0, nu toţi ai nuli, deci vectorii
v1,…,vn ar fi liniar dependenţi. Deci a ≠ 0. Atunci
v = -a-1(a1v1+···+anvn)∈Sp(v1,…,vn).

4.15.6.Corolar. Fie V un k-spaţiu vectorial de dimensiune finită n. Dacă

vectorii v1,…,vn∈V sunt liniar independenţi atunci ei formează o bază a
lui V.
Demonstraţie. Conform propoziţiei 4.15.3. {v1,…,vn} este o mulţime
maximală de vectori liniar independenţi din V, deci conform
propoziţiei precedente formează o bază a lui V.

4.15.7.Corolar. Fie V un k-spaţiu vectorial de dimensiune finită. Dacă

W⊂V este un subspaţiu vectorial şi dim W = dim V atunci W = V.

56
 Demonstraţie. Fie {w1,…,wn} o bază a lui W, unde n = dim V.
Deoarece dim V = n, iar w1,…,wn sunt liniar independenţi în V
rezultă că {w1,…,wn} este o bază a lui V. Deci V = Sp(w1,…,wn).
Deoarece şi W = Sp(w1,…,wn) deducem că W = V.

Ne propunem, în final, să arătăm că orice k-spaţiu vectorial are cel

puţin o bază. Pentru aceasta vom utiliza lema lui Zorn (metoda
“inducţiei transfinite”). Lema lui Zorn se referă la mulţimi parţial
ordonate inductive.

Definiţie. Fie M o mulţime nevidă, iar “ ≤ ” o relaţie pe M. Cuplul (M, ≤ ) se

numeşte mulţime parţial ordonată dacă sunt îndeplinite următoarele
condiţii:
1) x ≤ x pentru orice x∈M (reflexivitate).
2) Dacă x,y,z∈M, x ≤ y şi y ≤ z atunci x ≤ z (tranzitivitate).
3) Dacă x,y∈M, x ≤ y şi y ≤ x atunci x = y (antisimetrie).

Exemple de mulţimi parţial ordonate.

a) (Ñ, ≤ ), unde x ≤ y, dacă x<y sau x = y.

b) Fie S o mulţime finită, iar M = P(S) mulţimea tuturor

submulţimilor sale. Fie A,B∈M. Definim A ⊂ B prin A ⊂ B sau A = B.

Atunci (M,⊆) este o mulţime parţial ordonată.

Definiţie. Fie (M, ≤ ) o mulţime parţial ordonată. M se numeşte mulţime

inductivă dacă pentru orice A⊂M cu proprietatea: dacă a,b∈A atunci a ≤ b
sau b ≤ a, există m∈M astfel încât a ≤ m pentru orice a∈A.

Fie (M, ≤ ) o mulţime parţial ordonată elementul u∈M se numeşte element

maximal al lui M dacă x ≤ u pentru orice x∈M şi dacă v∈M este astfel încât
x≤v pentru orice x∈M atunci u = v.

57
Exemplu. Fie M o mulţime finită ⊂ Ñ. Atunci (M, ≤ ) este inductivă.

Următoarea afirmaţie este echivalentă cu una dintre axiomele teoriei

mulţimilor (axioma alegerii).

Lema lui Zorn. Fie X ≠ ∅ o mulţime parţial ordonată inductivă. Atunci X

are un element maximal.

Lema lui Zorn permite demonstrarea existenţei unei baze a unui spaţiu
vectorial oarecare.

4.15.8.Teoremă. Orice spaţiu vectorial admite o bază.

Demonstraţie. Fie V un k-spaţiu vectorial. Să considerăm familia
X⊂ P(V) formată din submulţimile de vectori liniar independenţi din

V, ordonată prin relaţia de incluziune ⊆.

Vom arăta că X este inductivă. Fie S ⊂ X astfel încât pentru orice

Y1,Y2∈S să avem Y1⊆Y2 sau Y2⊆Y1. Fie Z = UY reuniunea tuturor
Y∈S

mulţimilor din S. Atunci Z este formată din vectori liniar

independenţi. (Dacă y1,…,yn∈ Z atunci există Y∈S astfel încât
{y1,…,yn}⊂Y, deci y1,…,yn sunt liniar independenţi). Prin urmare
Z ∈X şi Y⊆ Z pentru orice Y∈S.

Atunci din lema lui Zorn rezultă că există B∈X element maximal.
Deci B este formată din vectori liniar independenţi.

Să arătăm că B este şi un sistem de generatori al lui V. Fie v∈V.

Dacă v∈B atunci v∈Sp(B). Dacă v∉B atunci B∪{v} nu este liberă,

58
 deci există v1,…,vn∈B şi a,a1,…,an∈k, a ≠ 0, astfel încât
av+a1v1+···+anvn = 0. Atunci
v = -a-1(a1v1+···+anvn) ∈ Sp(v1,…,vn) ⊂ Sp(B).

Prin urmare B este un sistem de generatori al lui V. Cum B este

formată din vectori liniar independenţi rezultă că B este o bază a
spaţiului vectorial V.

Observaţie. Demonstraţia precedentă nu ne pune la dispoziţie un procedeu

efectiv de a găsi o bază a unui spaţiu vectorial. Există spaţii vectoriale
concrete, cum ar fi Q-spaţiul vectorial Ñ, pentru care nu putem determina

o bază, chiar dacă teorema precedentă ne asigură de existenţa ei.

59
60
Exerciţii

22. Fie f1 = (1,2,-1), f2 = (3,-2,2), f3 = (4,0,1)∈k3, unde k este un corp

comutativ. Să se arate că există x∈k3 astfel încât x să fie egal cu două
combinaţii liniare diferite ale vectorilor f1,f2,f3.

23. Dacă x1,…,xm sunt vectori liniari dependenţi să se arate că există

j∈{1,2,…,m} astfel încât xj să fie o combinaţie liniară a celorlalţi m-1
vectori.

24. Fie V un k-spaţiu vectorial şi fie x,y∈V, x≠y. Să se arate că vectorii x şi

y sunt liniar dependenţi dacă şi numai dacă există a∈k astfel încât ax+(1-
a)y = 0.

25. Să se arate că sin x, cos x∈F(Ñ) sunt vectori liniar independenţi peste Ñ.

26. Să considerăm funcţiile 1,sin x, sin 2x,…,sin nx,… ∈F(Ñ). Să se arate:

1) 1, sin x,…, sin nx sunt liniar independente peste Ñ pentru orice

n∈Í.

2) Familia M = {sin nx; n∈Í} este liberă.

27. Să se arate că mulţimea M= {(1,2,3), (1,0,0 ) , ( 0,1,0 ) ,(0,0,1)} este un

sistem de generatori al lui Ñ3, dar nu este liniar independentă.

28. Fie W un subspaţiu vectorial al spaţiului vectorial V. Să se arate:

1) W este un subgrup al lui (V,+).
2) W este un spaţiu vectorial.

61
29) Fie V un k-spaţiu vectorial, iar w1,…,wm∈V. Să se arate că mulţimea
{w1,…,wm} este un sistem de generatori al lui Sp(w1,…,wm).

30. Fie k un corp comutativ, iar T o nedeterminată. Să se arate că

mulţimea Pn(k) = {f∈k[T]; gr f ≤ n} este un subspaţiu vectorial al lui k[T]. Să
se determine un sistem de generatori al lui Pn(k).

31. Fie U = {(x1,x2,x3)∈ Ñ 3; x1 = x2} şi W = {(x1,x2,x3)∈ Ñ3; x1 = x3}.

a) Să se arate că U şi W sunt subspaţii vectoriale ale lui Ñ3.

b) Să se descrie subspaţiul U+W.

c) Să se arate că U+W = Ñ3.

32. Fie V un spaţiu vectorial, iar U,W subspaţii vectoriale. Să se arate că

U∪W este un subspaţiu vectorial dacă şi numai dacă U⊆W şi W⊆U.

33. Fie k un corp comutativ, P2(k) = {f∈k[T]; gr f ≤ 2}. Să se arate că

{1,T,T2} este o mulţime maximală de vectori liniar independenţi din P2(k).

34. Să se arate că există V spaţiu vectorial de dimensiune infinită şi W

subspaţiu vectorial al său astfel încât dim W = dim V dar W⊂V.

35. Fie V un k-spaţiu vectorial de dimensiune finită n. Fie r∈{1,2,…,n-1} şi

fie v1,…,vr vectori liniar independenţi din V. Să se arate că există
vr+1,…,vn∈V astfel încât mulţimea {v1,…,vn} să fie o bază a lui V.

36. Fie Í* = Í \ {0}. Pe mulţimea Í* introducem relaţia p astfel : n p m

dacă n îl divide pe n. Să se arate că (Í*, p ) este o mulţime parţial

ordonată.

62
37. Fie M o mulţime finită reală. Să se arate că M are element maximal.

38.Fie S o mulţime, M = P(S) = {X; X ⊆ S}. Să se arate că (M,⊆) are

element maximal.

39. Să se determine dimensiunea subspaţiului vectorial al lui Ñ4 generat de

vectorii f1 = (1, 0, 0, -1), f2 = (2, 1, 1, 0), f3 = (3, 1, 1, -1), f4 = (1, 2, 3,4),

f5 = (2,-1,-2,-5).

40. Să se arate că vectorii f1 = (1,2,-1,-2), f2 = (2,3,0,-1), f3 = (1,2,1,4), f4

= (1,3,-1,0) formează o bază a lui Ñ4 peste Ñ şi să se determine

coordonatele vectorului x = (5,11,0,15) în raport cu această bază.

41. Fie k un corp comutativ, W1 = {(a1,…,an)∈kn; a1= an}, W2 =

{(a1,…,an)∈kn; a2 = an}. Să se determine dimensiunile subsapţiilor vectoriale
W1,W2 şi W1+W2.

42. Fie V un k-spaţiu vectorial de dimensiune finită şi W1,W2 subspaţii

vectoriale. Să se arate că:
dim (W1+W2) = dim W1+dim W2-dim W1∩W2.

43. Fie k un corp comutativ, W1 = {(a1,…,a5)∈k5; a2+a4= 0}, W2 =

{(a1,…,a5)∈k5; a1= a2 = 0}. Să se determine dim (W1+W2) şi să se deducă
W1+W2 = k5.

44. Fie V un k-spaţiu vectorial, x,y,z∈V şi a,b,c∈k*. Să se arate că vectorii

v1 = ax-by, v2 = cy-az, v3 = bz-cx generează un subspaţiu vectorial de
dimensiune ≤ 2.

63
45. Fie V un spaţiu vectorial peste Â. Dacă dimCV = n∈Í* să se arate că V

este un spaţiu vectorial peste Ñ şi dimRV = 2n.

46. Fie {e1,…,en} o bază a k-spaţiului vectorial V. Să se arate că en ≠

a1e1+···+an-1en-1 pentru orice a1,…,an-1∈k.

64
 CAPITOLUL V
Aplicaţii liniare. Matrici

Matricile şi aplicaţiile liniare fac parte dintre noţiunile fundamentale ale

algebrei. Proprietăţile lor interesante permit studierea relaţiile dintre
diverse spaţii vectoriale definite peste acelaşi corp. Deşi matricile pot fi
considerate şi in alt cadru decât cel al spaţiilor vectoriale, ele se bucură
de proprietăţi remarcabile doar când sunt puse în legătură cu morfismele
de spaţii vectoriale (sau de module). De aceea am preferat să studiem
principalele proprietăţi ale matricilor după discutarea aplicaţiilor liniare.

§16. Aplicaţii liniare

Izomorfisme de spaţii vectoriale

Definiţie. Fie V şi W două spaţii vectoriale peste acelaşi corp comutativ k.

O aplicaţie A:V→W se numeşte aplicaţie liniară (sau morfism de spaţii
vectoriale, sau operator liniar) dacă
A(ax+by) = aA(x)+bA(y) pentru orice a,b∈k, x,y∈V.

Exemple de aplicaţii liniare.

1) A: Ñ → Ñ, A(x) = x.

2) A: Ñ 2→ Ñ, A(x1,x2) = x1+x2.

3) D:k[T] →k[T], D(f) = f’ (operatorul de derivare).

65
Definiţie. Fie V,W două k-spaţii vectoriale. O aplicaţie A:V→W se numeşte
izomorfism de spaţii vectoriale dacă sunt îndeplinite următoarele
condiţii:
1) A este o aplicaţie liniară.
2) A este bijectivă.
3) A-1:W→V este liniară.(Inversa lui A este liniară).

Exemple de izomorfisme de spaţii vectoriale.

1) Fie V un k-spaţiu vectorial. Atunci A:V→ V, A(v) = v, este un
izomorfism de spaţii vectoriale.
2) Fie k un corp comutativ şi fie
A : k4 → P3(k), A(x1, x2, x3, x4) = x1+x2T+x3T2+x4T3.
A este liniară şi bijectivă iar inversa sa A-1(a0+a1T+a2T2+a3T3) =
(a0,a1,a2,a3) este de asemenea liniară. Deci A este un izomorfism de
spaţii vectoriale.

Notaţie. Fie V,W două k-spaţii vectoriale. L(V,W) = {A:V→W; A este

liniară}.

5.16.1.Lemă. Fie V,W două k-spaţii vectoriale. Atunci L(V,W) poate fi

înzestrată cu o structură de k-spaţiu vectorial.
Demonstraţie. Fie f,g∈L(V,W). Definim (f+g)(x) = f(x)+g(x) pentru
orice x∈V. Dacă a∈k, f∈L(V,W) definim (af)(x) = af(x) pentru orice
x∈V. În acest fel mulţimea L(V,W) devine un k-spaţiu vectorial.
Rezultatul precedent va permite considerarea aplicaţiilor liniare,
care sunt nişte funcţii, ca elemente ale unui spaţiul vectorial. În
acest fel multe proprietăţi ale operatorilor liniari pot fi deduse din
proprietăţile spaţiilor vectoriale.

5.16.2.Propoziţie. Fie V,W două k-spaţii vectoriale, x1,…,xn∈V şi

A∈L(V,W). Atunci:

66
 a) Dacă x1,…,xn sunt liniar dependenţi în V atunci vectorii
A(x1),…,A(xn) sunt liniar dependenţi în W.
b) Dacă A este injectivă, iar x1,…,xn sunt liniar independenţi în V
atunci vectorii A(x1),…,A(xn) sunt liniar independenţi în W.
c) Dacă A este surjectivă, iar { x1,…,xn} este un sistem de
generatori al lui V atunci {A(x1),…,A(xn)} este un sistem de
generatori al lui W.
Demonstraţie. a) Deoarece vectorii x1,…,xn sunt liniar dependenţi,
există a1,…,an ∈k, nu toţi nuli astfel încât ax1+···+anxn = 0.
Atunci A(a1x1+···+anxn) = A(0) = 0, deci a1A(x1)+···+anA(xn) = 0, ceea
ce arată că vectorii A(x1),…, A(xn) sunt liniar dependenţi.
b) Fie a1,…,an∈k astfel încât a1A(x1)+···+anA(xn) = 0. Atunci
A(a1x1+···+anxn) = 0 = A(0).
Deoarece A este injectivă rezultă că a1x1+···+anxn = 0. Dar vectorii
x1,..,xn sunt liniar independenţi rezultă că a1 = ··· = an = 0. Prin
urmare A(x1),…,A(xn) sunt vectori liniar independenţi.
c) Fie w∈W. Deoarece A este surjectivă există v∈V astfel încât
A(v)=w. Cum {x1,.…,xn} este un sistem de generatori al lui V, există
a1,…,an∈k astfel încât v=a1x1+···+anxn. Atunci
w = A(v) = A(a1x1+···+anxn) = a1A(x1)+···+anA(xn) = Sp(A(x1),…,A(xn)).
Prin urmare mulţimea {A(x1),…,A(xn)} este un sistem de generatori
al lui W.

5.16.3.Corolar. Două k-spaţii vectoriale de dimensiune finită sunt

izomorfe dacă şi numai dacă au aceeaşi dimensiune.
Demonstraţie. Fie V1,V2, două k-spaţii vectoriale de dimensiune
finită. Dacă A:V1→V2 este un izomorfism de spaţii vectoriale, iar
{e1,…,en} este o bază a lui V1, din propoziţia precedentă rezultă că
mulţimea {A(e1),…,A(en)} este o bază a lui V2. Prin urmare dim
V1=dim V2 .

67
 Să presupunem că dim V1 = dim V2 = n∈Í*. Fie {e1,…,en} o bază a lui

V1, iar {f1,…,fn} o bază a lui V2. Definim A:V1→V2 prin

A(a1e1+···+anen) = a1f1+···+anfn. aplicaţia A este un izomorfism de
spaţii vectoriale.

Observaţie. Din rezultatul precedent rezultă că un k-spaţiu vectorial de

dimensiune finită nu poate fi izomorf cu un k-spaţiu vectorial de
dimensiune infinită.

Fie V,W două k-spaţii vectoriale, iar A∈L(V,W). Operatorului liniar A i se

asociază două sub spaţii vectoriale: nucleul lui A şi imaginea lui A.
Cunoaşterea unor proprietăţi ale acestor subspaţii permite o caracterizare
mai precisă a operatorului A.

Definiţie. Mulţimea ker A = {x∈V; A(x) = 0} se numeşte nucleul lui A.

Mulţimea Im A = {y∈W; există x∈V astfel încât A(x) = y} se numeşte

imaginea lui A.

5.16.4.Lemă. Fie V,W două k-spaţii vectoriale, iar A∈L(V,W). Atunci ker
A este un subspaţiu vectorial al lui V, iar Im A este un subspaţiu
vectorial al lui W.
Demonstraţie. Fie a,b∈k şi x,y∈ker A. Atunci A(x) = A(y) = 0, deci
A(ax+by) = aA(x)+bA(y) = =0. Prin urmare ax+by∈ker A, deci ker A
este un subspaţiu vectorial al lui V.

Fie a,b∈k şi y1,y2∈Im A. Atunci există x1,x2∈V astfel încât A(x1) = y1,
A(x2) = y2. Deoarece A este liniară avem ay1+by2 = aA(x1)+bA(x2) =
A(ax1+bx2)∈Im A. Deci Im A este un subspaţiu vectorial al lui W.

68
Definiţie. Fie V,W două k-spaţii vectoriale, iar A∈L(V,W). Dimensiunea lui
ker A se numeşte defectul lui A iar dimensiunea lui Im A se numeşte rangul
lui A.

Sunt utilizate notaţiile def A = dim(ker a), rg A = dim (Im A).

Exemplu. Fie A: Ñ2→ Ñ3, A(x,y) = (x,x+y,x-y). A este un operator liniar. Să

determinăm ker A şi Im A.

Fie (x,y)∈ker A. Atunci A(x,y) = (x,x+y,x-y) = (0,0,0),deci x = y = 0. prin

urmare ker A ={(0,0)}⊂ Ñ 2, deci def A = 0.

Fie (u1,u2,u3) Im A. Atunci vectorii u = (1,1,1), v = (0,1,-1) formează o bază

a lui Im A. Prin urmare rg A = 2.

5.16.5.Teoremă. Fie V,W două k-spaţii vectoriale şi A∈L(V,W). Dacă V

este un k-spaţiu vectorial de dimensiune finită atunci
rg A +def A = dim V.
Demonstraţie. ker A este un subspaţiu vectorial al lui V, deci dim
(ker A) este finită. Fie atunci {e1,…,en} o bază a lui ker A. Există
en+1,…,em∈V astfel încât mulţimea {e1,…,em} să fie o bază a lui V.

Fie y∈Im A. Deci există x∈V astfel încât A(x) = y. Fie a1,…am∈k
astfel încât x = =a1e1+···+amem. Deoarece e1,…,en∈ker A, rezultă că
y = A(x) =a1A(e1) + ··· + anA(en) + an+1A(en+1) + ··· + amA(em) =
=an+1A(en+1) + ··· + amA(em) ∈ Sp(A(en+1), …, A(em)). Deci mulţimea
{A(en+1),…,A(em)} este un sistem de generatori al lui Im A. Vom
arăta că acest sistem de generatori este chiar o bază a lui Im A.

69
 Fie bn+1,…,bm∈k astfel încât bn+1A(en+1)+···+bmA(em) = 0. Deci
a(bn+1en+1+···+bmem) = 0, adică bn+1en+1+···+bmem∈ker A. Prin urmare
există c1,…,cn∈k astfel încât bn+1en+1+···+bmem = c1e1+···+cnen,
deci -c1e1-···-cnen+bn+1en+1+···+bmem = 0.
Dar e1,…,en,en+1,…,em sunt liniar independenţi (formând o bază).
Deci –c1 = ··· = -cn = bn+1 = ··· = bm = 0. deci vectorii A(en+1),…,A(em)
sunt liniar independenţi. Atunci rg A = dim (Im A) = m-n.
Prin urmare def A+rg A = n+(m-n) = m = dim V.

§17.Matrici

Deşi matricile fac parte dintre conceptele naturale cu care operează

algebra liniară au fost introduse în matematică după alte noţiuni care sunt
legate de studiul lor, de exemplu după studierea determinanţilor. Matricile
cu un număr finit de linii şi coloane au fost considerate la mijlocul
secolului trecut de către James Sylvester (814-1897), A. Cayley (1821-
1895) şi R. Hamilton (1805-1865). Matricile infinite au fost puse în evidenţă
de către D. Hilbert (1862+1943) 50 de ani mat târziu.

Definiţie. Fie S o mulţime nevidă. Un şir (aij)1≤i≤m, 1≤j≤n de elemente din S

se numeşte matrice de tip(m,n).
Fie A = (aij)1≤i≤m.
1≤j≤n
.
Şirul(ai1,…,ain) se numeşte linia i a matricii A, iar şirul (aij,…amj) se numeşte
coloana j a matricii A. Este utilizată notaţia

⎛ a11 ... a1j a1n ⎞

⎜ ... ... ... ... ⎟⎟
A=⎜
⎜ a i1 ... a ij a in ⎟
⎜⎜ ⎟
⎝ am1 ... amj amn ⎟⎠

70
Matricea A se numeşte matrice pătratică de ordin n dacă m = n.

Matricea At = (bij)1≤i≤n, unde bij = aji, se numeşte transpusa matricii A.

Matricea transpusă At este de tip(n,m).

Vom nota prin M(m,n;S) mulţimea matricilor de tip (m,n) cu elemente din
mulţimea S.

5.17.1.Propoziţie. Fie k un corp comutativ. Atunci mulţimea M(m,n;k)

poate fi organizată ca un spaţiu vectorial peste k de dimensiune mn.

Demonstraţie. Fie A,B∈M(m,n;k), A=(aij) 1≤i≤m , B=(bij) 1 ≤ i ≤ m ,

1≤ j≤n 1≤ j≤n

definim A+B= C = (cij) 1≤i≤m , unde cij=aij+bij, iar pentru a∈k definim
1≤ j≤n

aA=(dij) 1≤i≤m , unde dij = aaij. Utilizând reprezentarea matricilor sub

1≤ j≤n

formă de tablou avem :

⎛ a11 ... a1j a1n ⎞ ⎛ b11 ... b1j b1n ⎞ ⎛ a11 + b11 ... ... a1n + b1n ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ ... ... ... ... ⎟ + ⎜ ... ... ... ... ⎟ = ⎜ ... ... ... ... ⎟,
⎜a ⎟ ⎜ ⎟ ⎜ ⎟
⎝ m1 ... amj amn ⎠ ⎝ bm1 ... bmj bmn ⎠ ⎝ am1 + bm1 ... ... amn + bmn ⎠

⎛ a11 ... a1j a1n ⎞ ⎛ aa11 ... aa1j aa1n ⎞

⎜ ⎟ ⎜ ⎟
a ⎜ ... ... ... ... ⎟ = ⎜ ... ... ... ... ⎟.
⎜a ⎟ ⎜ ⎟
⎝ m1 ... amj amn ⎠ ⎝ aam1 ... aamj aamn ⎠

În acest fel mulţimea M(m,n;k) devine un k-spaţiu vectorial. Fie

⎛ 0 ... 0 0 ⎞
⎜ ⎟
Eij= ⎜ ... ... 1 0 ⎟ matricea care are toate elementele nule,
⎜ 0 ... 0 0 ⎟
⎝ ⎠

71
 exceptând elementul aflat pe linia i şi coloana j, care este 1. Deci
Eij =(est) 1≤i≤m
1≤ j≤n

⎧1 pentru ( s, t ) = (i, j )
est= ⎨ .
⎩0 pentru ( s, t ) ≠ (i, j )

Vom arăta că mulţimea E={Eij} 1≤i≤m , este o bază a lui M (m,n;k).

1≤ j≤n

Fie A=(aij)∈M(m.n;k). Atunci

⎛ a11 0 ... 0 ⎞ ⎛ 0 a12 ... 0 ⎞ ⎛ 0 0 ... 0 ⎞
⎜ 0 0 ... 0 ⎟ ⎜ 0 0 ... 0 ⎟⎟ ⎜ 0 0 ... 0 ⎟
A= ⎜ ⎟+⎜ + ... + ⎜ ⎟=
⎜ ... ... ... ...⎟ ⎜ ... ... ... ...⎟ ⎜ ... ... ... ... ⎟
⎜⎜ 0 0 ... 0 ⎟⎟ ⎜⎜ 0 0
⎟
... 0 ⎟⎠ ⎜⎜ 0 0 ... a ⎟⎟
⎝ ⎠ ⎝ ⎝ mn ⎠

= a11E11+a12E12+···+aijEij++···+amnEmn, ceea ce arată că A se

reprezintă în mod unic ca o combinaţie liniară de elemente din E.
Prin urmare dim M(m.n;k) = card E = mn.

Definiţie. Fie A=(aij) 1≤i ,o matrice pătratică de ordin n cu elemente din

j≤n

mulţimea S.

Matricea A se numeşte matrice diagonală dacă aij=0 pentru i≠j, adică

⎛ a11 0 ... 0 ⎞
⎜ 0 a ... 0 ⎟⎟
A= ⎜ 22
.
⎜ ... ... ... ... ⎟
⎜⎜ ⎟
⎝ 0 0 ... ann ⎟⎠

72
Matricea A se numeşte inferior triunghiulară dacă aij=0 pentru i<j, adică
⎛ a11 0 ... 0 ⎞
⎜a a 22 ... 0 ⎟⎟
A= ⎜ 21 .
⎜ ... ... ... ... ⎟
⎜⎜ ⎟
⎝ an1 an2 ... ann ⎟⎠

Matricea A se numeşte superior triunghiulară dacă At este inferior

triunghiulară.

Matricea A se numeşte simetrică dacă aij=aji pentru orice i,j∈{1,2,…,n}.

Matricea A se numeşte antisimetrică dacă aij+aji=0 pentru orice

i,j∈{1,2,…,n}. (S fiind un grup comutativ).

Observaţie. Fie k un corp comutativ. Atunci mulţimea matricilor simetrice

n(n+1)
din M(n,n;k) formează un k-spaţiu vectorial de dimensiune , o bază
2
a sa fiind F={F11,…,F1n,F22,…,F2n,…,Fnn}, unde Fij=(fst),

⎧1 pentru (s,t) = (i,j) sau(j,i)

fst= ⎨ .
⎩0 altfel

Definiţie. Fie k un corp comutativ, A=(aij)∈M(m.n;k), B=(bij)∈M(n,p;k).

n
Matricea C=(cij) ∈M(m,p;k), unde cij = ∑a
s =1
is bsj , se numeşte produsul

matricilor A şi B. Este folosită notaţia C = A·B.

Observaţii. i) (AB)t = BtAt.

ii) Să presupunem m = n = p. În general AB ≠ BA. De exemplu,

⎛ 0 1⎞ ⎛0 0⎞ ⎛0 0⎞ ⎛0 0⎞
fie A = ⎜ ⎟ ,B = ⎜ ⎟ . Atunci AB = ⎜ 0 0 ⎟ ≠ ⎜ 0 1 ⎟ = BA .
⎝0 0⎠ ⎝ 0 1⎠ ⎝ ⎠ ⎝ ⎠

73
 n
Definiţie. Fie k un corp comutativ iar A∈M(n,n;K). Tr A = ∑a
i =1
ii se numeşte

urma matricii A.

5.17.2.Lemă. Fie k un corp comutativ şi A,B∈M(n,n;k). Atunci:

i) Tr (AB) = Tr (BA).
ii) Dacă B este inversabilă atunci Tr A = Tr (BAB-1).

Demonstraţie. i) Fie A = (aij), B = (bij), AB = (cij), BA = (dij).

n n n n n n
Atunci Tr(AB) = ∑ cii = ∑ ∑ a isbsi = ∑ ∑ bsia is = ∑ dss = Tr (BA ) .
i =1 i =1 s =1 s =1 i=1 s =1

ii) Folosind i) avem Tr A = Tr (B-1B)A = Tr B-1(BA) = Tr (BA)B-1 = Tr

(BAB-1).
Vom arăta în continuare că matricile cu elemente dintr-un corp
comutativ descriu o familie de aplicaţii liniare.

Definiţie. Fie V, W două k-spaţii vectoriale, E = {e1, …, em} o bază a lui

V, E’ = {e1′,...,en′ } o bază a lui W şi fie A∈L(V,W). Atunci există aij∈k

astfel încât

n
A(ei) = ∑ a e ′ , adică
j=1
ij j

A(e1) = a11e1′ + ... + a1nen′

·············································

A(ei ) = a i1e1′ + ... + a inen′

··········································

A(em ) = am1e1′ + ... + amnen′ .

74
 ⎛ a11 ... a1n ⎞
⎜ ⎟
Matricea MA = ⎜ a i1 ... a in ⎟ = (aij)∈M(m,n;k) se numeşte matricea
⎜a ⎟
⎝ m1 ... amn ⎠
aplicaţiei liniare A în raport cu bazele E şi E’.

MA este notată uneori MA,E,E’.

Definiţie. Fie V un k-spaţiu vectorial de dimensiune finită, iar e={e1,…,en},

e′ = {e1′,...,en′ } două baze finite ale sale. Matricea Q = Mid,e,e’ se numeşte

matricea de trecere de la baza e la baza e’.

Observaţie. Dacă Q = (qij) 1≤ i , j ≤ n atunci

e1 = q11e1′ + ... + q1nen′

………………………………

ei = qi1e1′ + ... + qinen′

………………………………

en = qn1e1′ + ... + qnnen′ .

Exemplu. Fie A:Ñ 2→Ñ3, A(x1,x2) = (x1,2x1,x1+x2). Fie e = {(1,0),(0,1)} şi e’

= {(1,0,0),(0,1,0),(0,0,1)}. Atunci e este o bază a lui Ñ2, e’ este o bază a

lui Ñ3 şi

A(e1) = A(1,0) = (1,2,1) = 1 e1′ + 2 ⋅ e2′ + 1⋅ e3′ ,

A(e2) = A(0,1) = (0,0,1) = 1⋅ e3′ .

⎛1 2 1 ⎞
Prin urmare MA,e,e’ = ⎜ ⎟.
⎝ 0 0 1⎠

75
 ⎛e′ ⎞
⎜ 1⎟
⎜ . ⎟
⎜ ⎟
Observaţie. M A ⋅ ⎜ . ⎟ = (A(e1),...,A(em )) .
⎜ . ⎟
⎜ ⎟
⎜e ′ ⎟
⎝ n ⎠

5.17.3.Propoziţie. Fie V,W două k-spaţii vectoriale de dimensiune

finită, dim V = m, dim W = n. Atunci spaţiile vectoriale M(m,n;k) şi
L(V,W) sunt izomorfe.

Demonstraţie. Fie E = {e1,…,em} o bază a lui V, iar E’ = { e1′,...,en′ }

o bază a lui W.
Fie s:L(V,W)→M(m,n;k), s(A) = MA,E,E’. Definim t:M(m,n;k)→L(V,W),
n
t(aij) = g, unde g(ei) = ∑ a e ′ . Aplicaţiile s şi t sunt liniare şi t·s =
j=1
ij j

1L(V,W), s·t = 1M(m,n;k). Deci spaţiile vectoriale M(m,n;k) şi L(V,W) sunt

izomorfe.

5.17.4.Corolar. dim L(V,W) = mn.

Demonstraţie. dim L(V,W) = dim M(m,n;k) = mn.

76
Exerciţii

47. Fie V,W două k-spaţii vectoriale şi A∈L(V,W). Să se arate:

a) A(0) = 0.
b) A(-x) = -A(x) pentru orice x∈V.
⎛ n ⎞ n
c) A ⎜ ∑ a i v i ⎟ = ∑ a i A(v i ) pentru orice ai∈k, vi∈V.
⎝ i=1 ⎠ i=1

48. Fie Ñ+*={x∈Ñ; x>0} şi fie :Ñ ⊗Ñ*→Ñ, a x = xa.

i) Să se arate că (Ñ+*,·) este un Ñ-spaţiu vectorial în raport cu legea

externă .
ii) Să se găsească o aplicaţie liniară de la (Ñ+*,·) la (Ñ,+).

49. Fie V,W două k-spaţii vectoriale şi fie f∈L(V,W). Dacă f este bijectivă,
să se arate că f este un izomorfism de spaţii vectoriale.

50. Fie f: Ñ 2→Ñ2, f(x1,x2) = (x1,x2)+(1,2). Este f liniară ?

51. Fie f: Ñ 2→Ñ3, f(x1,x2) = (x1,x2,x1-x2). Este f liniară ?

52. Fie A: Ñ →Ñ2, A(x) = (2x,3x). Să se arate că A este un operator liniar.

53. Fie V un k-spaţiu vectorial şi fie A1,…,An∈L(V,k). Fie A:V→kn, A(x) =

(A1(x),…,An(x)). Să se arate că A este un operator liniar.

54. Fie A: Ñ3→Ñ, A(x,y,z) = x-2y+3z. Să se arate că A este o aplicaţie

liniară şi să se determine rg A.

77
55. Fie A: Ñ3→Ñ2, A(x,y,z) = (x+y,x+z). Să se arate că A este o aplicaţie

liniară şi să se determine rg A.

56. Fie A: Ñ3→Ñ3, A(x,y,z) = (x+2y,x+z,3z). Să se arate că A este o

bijecţie.

57. Fie V un k-spaţiu vectorial de dimensiune finită şi fie A∈L(V,V). Să se

arate că A este o bijecţie dacă şi numai dacă rg A = dim V.

58. Fie A = (aij) 1≤ i , j ≤ n o matrice pătratică. Să se arate că A este superior

triunghiulară dacă şi numai dacă aij = 0 pentru i>j.

59. Fie A = (aij) o matrice antisimetrică cu elemente reale. Atunci:

a) aii = 0 pentru orice i∈{1,2,…,n}.
b) Există B,C∈M(n,n;k), B matrice superior triunghiulară, C matrice
inferior triunghiulară, astfel încât A = B+C.

60. Fie k un corp comutativ. Să considerăm mulţimile M1 = {A∈M(n,n;k); A

matrice diagonală}, M2 = {A∈M(n,n;k); A matrice antisimetrică},
M3 = {A∈M(n,n;k); A matrice superior triunghiulară}, M4 = {A∈M(n,n;k); A
matrice inferior triunghiulară}.
a) Să se arate că M1,M2,M3,M4 sunt subspaţii vectoriale ale lui
M(n,n;k) şi să se determine dimensiunile lor.
b) Fie W = {A∈M(n,n;k); A simetrică}. Să se arate că spaţiile
vectoriale M3,M4 şi W sunt izomorfe.

61. Să se arate că nu există A,B∈M(n,n;k) astfel încât AB-BA = In, unde In

este matricea diagonală unitate.

78
62. Fie e1 = (1,0,0), e2 = (0,1,0), e3 = (0,0,1) e1’= (1,1,2), e2’=(1,2,2),
e3’=(1,2,3) ∈Ñ3. Să se arate că mulţimile e = {e1,e2,e3} sunt baze ale lui

Ñ3 şi să se determine matricea de trecere de la e la e’.

63. Fie A: Ñ3→Ñ2, A(x1,x2,x3) = (x1+x2,x2+2x3), e = {(1,0,0), (0,1,0),

(0,0,1)}, e’ = {(1,1),(1,2)}. Să se arate că A este liniară şi să se determine

MA,e,e’.

64. Fie U,V,W trei k-spaţii vectoriale de dimensiune finită, iar e, e’

respectiv e’’ baze ale lui U,V respectiv W. Fie A∈L(U,V), B∈L(V,W). Să se
arate că MBoA = MA MB. B

⎛ 1 0⎞ ⎛ 0 1⎞ ⎛ 0 −i ⎞ ⎛1 0 ⎞
65. Fie σ0 = ⎜ ⎟ , σ1 = ⎜ ⎟ , σ2 = ⎜ ⎟ , σ3 = ⎜ ⎟ ∈M(2,2;Â).
⎝ 0 1⎠ ⎝ 1 0⎠ ⎝i 0⎠ ⎝ 0 −1⎠
(Matricile lui Pauli).
a) Să se arate că σm σn + σn σm = 2δmn σ 0 pentru orice

⎧0 pentru m ≠ n
m,n∈{1,2,3},unde δmn = ⎨ .
⎩1 pentru m=-n
b) Să se arate că matricile σ0,iσ1,iσ2,iσ3 sunt liniar independente
peste Ñ.

c) σ 2j = σ 0 pentru orice j = 0,1,2,3.

d) Tr σj = 0 pentru orice j = 1,2,3.

66. Fie A∈M(2,2; Ñ). Să se arate că matricile A,A2,A3,A4,A5 sunt liniar

dependente peste Ñ.

67. Fie k un corp comutativ, A∈M(m,m;k). Să se arate că există n∈Í* şi

a1,…,an∈k, an ≠ 0, astfel încât

79
 a1A+a2A2+···+anAn = 0.
⎛1 2 3 ⎞
⎜ ⎟
68. Fie A = ⎜ 0 −3 −6 ⎟ ∈M(3,3; Ñ). Să se determine An unde n∈Í*.
⎜0 2 4 ⎟
⎝ ⎠

⎛1 2 3 ⎞
⎜ ⎟
69. Fie A = ⎜ 0 −3 −6 ⎟ ∈M(3,3; Ñ). Să se arate că matricea B = 2A-I3 este
⎜0 2 4 ⎟
⎝ ⎠
o soluţie a ecuaţiei X2 = I3.

⎛ 31⎞ ⎛ 31⎞
⎜ ⎟ ⎜ ⎟
70. Să se arate că ecuaţia matricială ⎜ 31⎟ X = ⎜ 31⎟ are o infinitate de
⎜ 31⎟ ⎜ 31⎟
⎝ ⎠ ⎝ ⎠

soluţii X∈M(2,2; Ñ).

⎛a b⎞
71. Fie A = ⎜ ⎟ ∈M(2,2; Ñ). Să se determine matricile X∈M(2,2; Ñ)
⎝ c d⎠
astfel încât AX = XA.

72. Fie A,B∈M(n,n; Ñ) astfel încât AB = BA şi există r,s∈Í cu proprietatea

Ar =Bs = 0. să se arate că există u,v∈Í* astfel încât (AB)u = (A+B)v = 0.

⎛ 1 a b⎞
⎜ ⎟
73. Fie A = ⎜ 0 1 c ⎟ ∈M(3,3; Ñ) şi fie B = A-I3. Să se arate că
⎜ 0 0 1⎟
⎝ ⎠
B4 = 0.

74. Fie A∈M(3,3; Ñ) astfel încât (A-I3)4 = 0. Să se arate că există

C∈M(3,3; Ñ) astfel încât AC = CA = I3.

80
 ⎛a b⎞
75. Fie A = ⎜ ⎟ ∈M(2,2; Ñ). Să se arate:
⎝ c d⎠
a) A2-(a+d)A+(ad-bc)I2 = 0.
b) Dacă există n∈Í* astefl încât An = 0 atunci A2 = 0.

81
82
 CAPITOLUL VI
Determinanţi

Determinanţii fac parte dintre cele mai cunoscute şi utilizate obiecte ale
algebrei liniare. Ei au fost cunoscuţi din secolul al XVII-lea. Primii
matematicieni care au folosit determinanţii au fost G.W.Leibniz (1642-
1708) şi, independent de întreaga cultură europeană, japonezul Seki
Kowa(1646-1716).

Determinanţii pot fi asociaţi în mod natural unei aplicaţii liniare A:V→V,

unde V este un k-spaţiu vectorial de dimensiune finită. Această asociere
face apel la produsele exterioare şi permite deducerea elegantă a
proprietăţilor determinanţilor invocând argumente de calcul tensorial. În
acest capitol vom evita această cale, deoarece construcţia algebrei
exterioare necesită introducerea unor noi concepte. (Vezi [10] sau [12]).
Am preferat să considerăm determinanţii pornind de la reprezentarea lor
ca o sumă de elemente dintr-un corp.

§18.Permutări. Determinanţi

Determinanţii au apărut în legătură cu rezolvarea sistemelor de ecuaţii

algebrice de gradul 1 (sisteme liniare).

Fie aij,bi∈ k (i, j∈{1, 2}, k un corp comutativ) şi să considerăm sistemul de

⎧a11x1 + a12 x 2 = b1
ecuaţii în x1 şi x2 (∗) ⎨ .
⎩a 21x1 + a 22 x 2 = b2

83
Utilizând metoda eliminării se obţin relaţiile
(a11a22−a21a12)x1 = b1a22-b2a12,
(a11a22-a21a12)x2=bba11-b1a21.

b11a 22 − b2 a12 b a − b1a 21

Dacă a11a22-a21a12≠0 atunci x1 = , x1 = 2 11 este unica
a11a 22 − a 21a12 a11a 22 − a 21a12

soluţie a sistemului (∗).

Elementele a11a22-a21a12, b1a22-b2a12 şi b2a11-b1a21 sunt definite pornind de la

⎛ a11 a12 ⎞ ⎛ b1 a12 ⎞ ⎛ a11 b1 ⎞
matricile A = ⎜ ⎟ , A1 = ⎜ ⎟ , A3 = ⎜ ⎟ ∈ M(2,2;k) după
⎝ a 21 a 22 ⎠ ⎝ b2 a 22 ⎠ ⎝ a 21 b2 ⎠
următoarea regulă: ele sunt egale cu diferenţa produselor elementelor
aflate pe cele două diagonale ale matricii.

Elementul det ( A ) = a11a22 − a21a12 ∈ k este numit determinantul matricii A.

Cu această convenţie, dacă det ( A ) ≠ 0 , soluţia sistemului (∗) poate fi

det ( A1 ) det ( A 2 )
scrisă x1 = , X2 = .
det ( A ) det ( A )

Pentru a defini determinantul unei matrici pătratice cu n linii şi n coloane

vom utiliza câteva noţiuni despre permutările unei mulţimi finite.

Definiţie. Fie n∈ Í*. O bijecţie σ:{1,2,…,n}→{1,2,…,n} se numeşte

permutare a mulţimii {1,2,…,n}.Permutarea σ este reprezentată, de

⎛ 1 2 3 ... n ⎞
obicei, astfel: σ = ⎜ ⎟.
⎝ σ (1) σ ( 2 ) σ ( 3 ) ... σ ( n ) ⎠

Mulţimea permutărilor lui {1,2,...,n} este notată prin σ n sau Sn.

84
Definiţie. O permutare σ∈ σ n se numeşte transpoziţie dacă există i, j

∈ {1,2,...,n} , i≠j, astfel încât σ ( s ) = s pentru s≠i, j, σ ( i ) = j şi σ ( j) = i .

Exemplu.
⎛1 2 3 4 5 ⎞
σ=⎜ ⎟ este o transpoziţie (care permută pe 1 cu 3 şi lasă pe
⎝3 2 1 4 5⎠
loc celelalte elemente).

Definiţie. Fie n ≥ 2 , σ∈σn. σ se numeşte permutare pară dacă este

compunerea unui număr par de transpoziţii.σ se numeşte permutare
impară dacă este compunerea unui număr impar de transpoziţii.

⎧1 daca σ este para

Numărul ε ( σ ) = ⎨ se numeşte signatura permutării
⎩-1 daca σ este impara
σ.

Observaţie. O permutare nu se exprimă în mod unic ca o compunere de

transpoziţii, dar ea este întotdeauna compunerea unui număr par ori impar
de transpoziţii.

6.18.1.Propoziţie. Fie n ≥ 2 şi σ , τ ∈σn. Atunci ε ( στ ) = ε ( σ ) ε ( τ ) .

Demonstraţie. Fie σ1,..., σ s , τ 1 ,.....τ t ∈σn transpoziţii astfel încât

σ = σ1 ⋅ ⋅ ⋅ σs , τ = τ1 ⋅ ⋅ ⋅ τt . Atunci

Prin urmare ε ( στ ) = ( −1) = ( −1) ( −1) = ε ( σ ) ε ( τ ) .

s+t s t

Definiţie. Fie k un corp comutativ, iar A∈M(n,n;k), A=(aij) 1≤ i , j ≤ n . Suma

85
det ( A ) = ∑ ε (σ)
σ∈!n
a1σ (1) a2 σ ( 2 ) ...anσ (n )
este numită determinantul matricii pătratice

A. (n ≥ 2).

Pentru n = 1 se consideră det ( a11 ) = a11 .

a11 ... a1n

Notaţie. det (A) = ... ... ... .
an1 ... ann

Observaţie. Definiţia precedentă extinde definiţia determinanţilor

matricilor din M(2,2;k).

⎛ a11 a12 ⎞
Într-adevăr, să considerăm n = 2 şi fie A = ⎜ ⎟ ∈M(2,2;k). Grupul ↔
⎝ a 21 a 22 ⎠

⎛1 2 ⎞ ⎛ 1 2⎞
are 2! = 2 elemente, şi anume σ0 = ⎜ ⎟ , σ1 = ⎜ ⎟ . Atunci ε(σ0) = 1,
⎝1 2 ⎠ ⎝ 2 1⎠
ε(σ1) = -1. Deci

∑ ε (σ) a
σ∈!2
1σ(1)
a 2 σ( 2) = ε ( σ0 ) a1σ0 (1)a 2 σ0 ( 2) + ε ( σ1 ) a1σ1 (1)a 2 σ1 ( 2) = a11a 22 − a12a 21 , deci

regăsim definiţia determinantului pentru n = 2.

⎛ a11 a12 a13 ⎞

⎜ ⎟
Cazul particular n = 3. Fie A = ⎜ a 21 a 22 a 23 ⎟ . Atunci det(A) are 3! = 6
⎜a a33 ⎟⎠
⎝ 31 a32
termeni. Aplicând definiţia se obţine det A = a11a22a33-a11a23a32-
a12a21a33+a12a23a31+a13a21a32-a13a22a31.

În continuare vom stabili principalele proprietăţi ale determinanţilor. Vom

presupune că matricile considerate au n-linii şi n-coloane cu elemente din
corpul comutativ k.
6.18.2.Propoziţie. det (A) = det(At).

86
 Demonstraţie. det(A) = ∑ ε ( σ )a
σ∈!n
1σ(1)
...anσ(n) , iar

det(A t ) = ∑ ε ( σ )b1τ(1) ...bnτ(n) = ∑ ε ( τ ) a τ(1)1...a τ(n)n . Fie τ1 = τ-1. Atunci

τ∈!n τ∈!n

ε(τ1) = ε( ), τ1(i) = τ-1(i), iar τ1 parcurge ∈σn dacă τ parcurge ∈σ n.

Prin urmare det(A t ) = ∑ ε ( τ )a
τ1∈!n
1 1τ1 (1)
...anτ1 (n) = det ( A ) .

Observaţii.
i) Din definiţia determinantului rezultă că fiecare termen din det
(A) este produsul a n elemente care se găsesc pe linii distincte ale
matricii A. (mai precis a1σ(1) se află pe prima linie, a2σ(2) pe a doua
linie,…,anσ(n) pe a na linie).
ii) Din propoziţia precedentă rezultă că fiecare termen din det (A)
este produsul a n elemente care se găsesc pe coloane distincte ale
matricii A.

6.18.3.Corolar. Dacă o linie sau coloană a matricii A are toate

elementele nule atunci det (A) = 0.
Demonstraţie. Fiecare termen din det (A) este produsul a câte unui
element de pe fiecare coloană (respectiv de pe fiecare linie), deci
este 0. Atunci det (A) = 0.

6.18.4.Propoziţie. Fie A∈M(n,n;k), iar A’∈M(n,n;k) matricea obţinută din

A permutând liniile i şi i+1. Atunci det A’= -det A.
Demonstraţie. Fie τ transpoziţia (i, i+1). Dacă τ parcurge σn atunci
στ parcurge σn şi ε ( στ ) = ε ( σ ) ε ( τ ) = ε ( σ ) . Fie τ1=στ. Atunci

det A ′= ∑ ε ( σ ) a1σ(1) ...a i+1,σ(1)a iσ( i+1) ...anσ(n) =]

σ∈!N

= ε ( τ) ∑ ε (σ ) a
σ1∈1n
1 1σ1 (1)
...a iσ1 ( i)a i+1σ1 ( i+1) ...anσ1 (n) = − det A

87
6.18.5.Corolar. Fie A ∈M(n,n;k) iar A’ matricea obţinută inversând două
coloane (sau două linii). Atunci det A’ = -det A.
Demonstraţie. Dacă i1<i2 inversăm liniile i1 şi i2, atunci putem
permuta liniile i1 şi i1+1, apoi i1+1 şi i1+2 ş.a.m.d., până când linia i1
are rangul i2.

Apoi inversăm i2-1 cu linia i2-2, linia i2-2 cu linia i2-3 ş.a.m.d., până
când linia i2 are rangul i1. În acest fel se efectuează (i2-i1)+(i2-1-i1) =
2(i2-i1)-1 schimbări de semn, deci det A’ = -det A.

În continuare vom descrie un procedeu frecvent utilizat: calcularea

unui determinant de ordinul n cu ajutorul unor determinanţi de
ordinul n-1.

⎛ a11 ... a1j ... a1n ⎞

⎜ ... ... ... ... ... ⎟⎟
⎜
Definiţie. Fie A = ⎜ a i1 ... a ij ... a in ⎟ ∈M(n,n;k). Fie Aij∈M(n-1,n-1;k)
⎜ ⎟
⎜ ... ... ... ... ... ⎟
⎜a ... anj ... ann ⎟⎠
⎝ n1
matricea obţinută din A eliminând linia i şi coloana j din A, linia şi coloana
pe care se află aij.

Determinantul (de ordinul n-1) Dij = det (Aij) se numeşte minorul

elementului aij(sau (i,j)-minorul lui det A). Γij = (-1)i+jDij se numeşte
complementul algebric al elementului aij în det A.

6.18.6. Propoziţie. („Dezvoltarea unui determinant după o linie”). Fie

n n
A = ( aij ) (1 ≤ i,j ≤ n ) ∈M(n,n;k). Atunci det ( A ) = ∑ ( −1) a ijDij = ∑ a ijΓ ij .
i+ j

j=1 j=1

Demonstraţie. Să considerăm

88
 Dij = ∑ ε ( τ) a
τ∈Sn −1
1τ(1)
...a i−1,τ( i−1)a i+1,τ( i+1) ...anτ(n) , unde Sn-1 este mulţimea

bijecţiilor de la {1,2,…,i-1,i+1,…,n} la {1,2,…,j-1,j+1,…,n}.

Dacă j∈{1,2,…,n} atunci considerăm σ∈∈σn, σ(i) = j, σ (u) = u

pentru u ≠ i. Atunci (-1)i+jε(τ) = ε(σ). Pentru τ parcurgând Sn-1 şi j
parcurgând {1,2,…,n} se obţin n! permutări distincte, deci toate
elementele din . Prin urmare
n n

∑ ( −1) a ijDij = ∑ ( −1) a ij ∑ ε ( τ) a

i+ j i+ j
1τ(1)
...a i−1,τ( i−1)a i+1,τ( i+1) ...anτ(n) =
j=1 j=1 τ∈Sn −1

∑ ε (σ) a
σ∈!n
1σ(1)
...a iσ( i) ...anσ(n) = det A

6.18.7.Corolar. Dacă într-o matrice pătratică două linii (sau două

coloane) sunt egale atunci det A = 0.
Demonstraţie. Din propoziţia precedentă rezultă că este suficient
să demonstrăm corolarul pentru n = 2. Însă
⎛ a11 a12 ⎞
det ⎜ ⎟ = a11a12 − a11a12 = 0 . Deci det A = 0.
⎝ a11 a12 ⎠

6.18.8.Corolar. Dacă elementele unei linii (sau ale unei coloane) a

matricii A∈M(n,n;k) sunt înmulţite cu a∈k, atunci matricea obţinută are
determinantul egal cu a·det A.
Demonstraţie. Este suficient să dezvoltăm determinantul după linia
(respectiv coloana) care a fost multiplicată cu a.

6.18.9.Corolar. Dacă A∈M(n,n;k) şi a∈k atunci det (aA) = an det (A).

Demonstraţie. Din corolarul precedent obţinem det (aA) = an det
(A) deoarece fiecare linie este multiplicată cu a.

89
6.18.10.Corolar. Fie A = (aij)∈M(n,n;k), s∈{1,2,…n}, asj = a’sj+a’’sj (j =
1,2,…,n), A’ matricea obţinută din A înlocuind elementele asj ale liniei s
cu elementele a’sj, iar A’’ matricea obţinută din A înlocuind elementele
asj cu a’’sj. Atunci det (A) = det (A’)+det(A’’).

Demonstraţie. Dezvoltând după linia s obţinem

n n n n
det(A) = ∑a
j=1
sj Γ sj = ∑ (a′sj + a′′sj)Γ sj = ∑ a′sjΓ sj + ∑ a′′sjΓ sj =
j=1 j=1 j=1

= det(A’)+det(A”).

6.18.11.Corolar. Dacă în matricea A∈M(n,n;k) o linie (sau o coloană)

este o combinaţie liniară a celorlalte linii (respectiv coloane) atunci
det(A) = 0.

Demonstraţie. Fie C1 = (a11,…,an1)t, C2 = (a12,…,an2)t, …, Cn =

(a1n,…,ann)t coloanele matricii A. Să presupunem că există
s∈{1,2,…,n} şi b1,…,bs-1∈k astfel încât Cs = b1C1+···+bs-1Cs-1. Atunci
conform corolariilor precedente avem
det (A) = b1det(C1, …, C1, …, Cn) + b2det(C1, C2, …, C2, …, Cn) + · ·· +
+bs-1det(C1, …, Cs-1, Cs-1, …, Cn) = 0 + 0 + ··· + 0 = 0 (în fiecare
matrice existând două coloane egale).

6.18.12.Corolar. Fie A∈M(n,n;k). Dacă la o linie (sau la o coloană)

adunăm o combinaţie liniară a celorlalte linii (respectiv coloane) se
obţine o matrice care are acelaşi determinant ca şi matricea A.

Demonstraţie. Utilizăm aceleaşi notaţii ca şi în demonstraţia

corolarului precedent. Atunci
det (C1, …, Cs-1, b1C1 + ··· + bs-1Cs-1 + Cs, Cs+1,…,Cn) = det (C1,…, Cs-1,
b1C1+···+ bs-1Cs-1,Cs+1,…,Cn) + det(C1,…,Cs-1,Cs,Cs+1,…,Cn) = det(A).

90
6.18.13.Propoziţie. Fie X1,…,Xn∈M(n,1;k) (matrici coloană), bij∈k
(1≤i,j≤n) şi fie
A1 = b11X1+···+b1nXn
…………………………..
An = bn1X1+···+bnnXn
Atunci det (A1,…,An) = det (X1,…,Xn)det((bij)).
Demonstraţie. Din rezultatele precedente rezultă că det este o
aplicaţie liniară în raport cu fiecare coloană. Scriind sumele de
determinanţi care apar se obţine

( )
det ( A1,...,A n ) = ∑ bσ(1)1...bσ(n)n det X σ(1) ,..., X σ(n) , unde σ parcurge
σ

mulţimea tuturor funcţiilor de la {1,2,…,n} la {1,2,…,n}.

Dacă i≠j şi σ(i) = σ(j) atunci det (Xσ(1),…,Xσ(i),…,Xσ(j),…,Xσ(n))=0 (două

coloane egale ), deci în sumă apar doar funcţiile injective de la
{1,2,…,n} la {1,2,..,n}. dar acestea sunt şi surjective. Prin urmare
termenii semnificativi din sumă se indexează după σ parcurgând
doar σ n. Deoarece det(Xσ(1),…,Xσ(n))=ε(σ-1) det(X1,…,Xn) şi ε(σ)=ε(σ-1)
rezultă că avem

det(A1,…,An)= ∑ ε(σ)b
σ∈In
σ (1)1 ...b σ (n)n det(X1 ,..., X n ) =

= det(X1 ,..., X n ) det((b ij )) .

6.18.14.Teoremă. Fie A,B∈M(n,n;k). Atunci det(AB) = det(A)det(B).

Demonstraţie. Fie A = (aij)1≤i,j≤n, B =(bij) 1≤i,j≤n, C = AB. Fie Ai,Bi
respectiv Ci a matricii A,B respectiv C. Atunci
Ci = b1iA1+···+bniAn.

Din propoziţia precedentă obţinem

det(AB) = det(C) = det(b11A1+···+bn1An,…,b1nA1+···+bnnAn) =

91
= ∑ ε ( σ ) bσ(1)1...bσ(n)n det ( A1,..., A n ) = det (B ) ⋅ det ( A ) .
σ∈!n

§19.Rangul unei matrici

Inversarea matricilor

⎛ a11 ... a1n ⎞

⎜a ... a 2n ⎟⎟
Definiţie. Fie k un corp comutativ, m,n∈Í*, A = ⎜ 21 ∈M(m,n;k).
⎜ ... ... ... ⎟
⎜⎜ a ... amn ⎟⎠
⎟
⎝ m1

Se numeşte rangul matricii A cel mai mare ordin al minorilor nenuli din A.
Rangul matricii A este notat rg(A). Dacă A = 0 se consideră rg(A) =0.

Observaţii.
i) Dacă toţi minorii de ordin p+1 sunt nuli, atunci toţi minorii de
ordin ≥ p+2 sunt nuli. Intr-adevăr, orice minor de ordin p+2 este o
combinaţie liniară a unor minori de ordin p+1(dezvoltarea după o
linie), deci este 0. Analog se arată că orice minor de ordin p+3 este
nul, ş.a.m.d.
ii)0≤rg (A).

Definiţie. Fie A = (aij) (1≤i≤m) (11≤j≤n) ∈M(m,n;k) şi fie A1 =

=(a11,…,a1n),…,Am = (am1,…,amn) liniile matricii A. Dimensiunea spaţiului
vectorial generat de A1,…,Am se numeşte rangul liniar al matricii A şi se
notează rglin(A).

6.19.1.Propoziţie. rg(A) = rglin(A).

Demonstraţie. Să observăm că orice permutare de linii (sau
coloane) stabileşte o bijecţie între minorii de acelaşi ordin ai
matricii A şi ai matricii transformate.

92
 rglin(A) nu se schimbă prin permutarea liniilor A1,…,Am. De
asemenea rglin(A) nu se schimbă prin permutarea coloanelor
(relaţiile de dependenţă liniară rămân aceleaşi).

Fie p = rg(A). Putem presupune p ≠ 0. Conform remarcilor

a11 ... a1p

precedente putem presupune că D = ... ... ... ≠ 0.
ap1 ... app

Atunci liniile A1,…,Ap sunt liniar independente. (In caz contrar D=0).

Fie i>p. Vom arăta că Ai∈Sp(A1,…,Ap). Să considerăm determinantul

de ordin p+1
a11 ... a1p a1j
a 21 ... a 2p a 2j
DP +1 = ... ... ... ...
ap1 ... app apj
a i1 ... a ip a ij
.
Dacă j≤p atunci Dp+1 are două coloane egale, deci Dp+1 =0. Dacă
j∈{p+1,…,n} atunci Dp+1 după ultima coloană obţinem
a1jD1+a2jD2+···+apjDj+aijD =0.

Minorii D1,…,Dp nu depind de j (j=1,2,…,n). Deci

D1A1+D2A2+···+DpAp+DAi =0.
Deoarece D ≠ 0 rezultă că Ai∈Sp (A1,…,Ap) pentru orice i∈{1,2,…,n}.
Cum A1,…,Ap sunt liniar independente rezultă că rglin(A) = p.

6.19.2.Propoziţie. Fie A∈M(m,n;k), B∈M(n,p;k). Atunci rg(AB)≤rg(A) şi

rg(AB)≤rg(B).

93
 Demonstraţie. Fie

⎛ a11 ... a1n ⎞ ⎛ b11 ... b1p ⎞ ⎛ c11 ... c1p ⎞

⎜ ⎟ ⎜ ⎟ ⎜ ⎟
A = ⎜ ... ... ... ⎟ ,B = ⎜ ... ... ... ⎟ ,C = ⎜ ... ... ... ⎟ .
⎜a ⎟ ⎜ b ... b ⎟ ⎜c ⎟
⎝ m1 ... amn ⎠ ⎝ n1 np ⎠ ⎝ m1 ... cmp ⎠
Fie B1,…,Bn liniile matricii B,iar C1,…,Cm liniile matricii C. Deoarece
B

n
Cij = ∑ a itbtj pentru orice i∈{1,2,…,m},j∈{1,2,…,p}
t =1

n
avem Ci = ∑ a ijBj ∈ Sp (B1,...,Bn ) . Deci dim Sp(C1,…,Cm)≤dim
j=1

Sp(B1,…,Bn), adică rg(AB) ≤rg(B).

Considerând relaţiile rg(AB)=rg(AB)t=rg(BtAt) obţinem
rg(AB)=rg(BtAt)≤rg(At) = rg(A).

Definiţie. Fie k un corp comutativ, n≥1. GL(n,k) = {A∈M(n,n;k) ; există

B∈M(n,n;k) astfel încât AB = BA = In}.
Observaţie. GL (n,k),⋅) este un grup.
Mulţimea GL (n,k) este numită grupul general liniar.

6.19.3.Propoziţie. 1) Dacă A∈M(m,n;k) şi B∈GL(n,k) atunci rg(AB) = rg(A).

2) Dacă A∈GL(n,k) şi B∈M(n,p;k) atunci rg(AB) = rg(B).
Demonstraţie. 1) A = A⋅(BB-1) = (AB)B-1.
Atunci rg(A) = rg[(AB)B-1] ≤ rg(AB) ≤ rg(A). Deci rg(A) = rg(AB). □
2) B = (A-1A)B = A-1(AB), deci rg(B) = rg[A-1(AB)]≤rg(AB)≤rg(B). Prin
urmare rg(B) = rg(AB).

În continuare vom studia condiţiile în care o matrice pătratică este

inversabilă şi vom descrie un algoritm pentru obţinerea inversei unei
matrici. Vom investiga mai întâi cazul matricilor de ordinul 2.

94
 ⎛a b⎞
6.19.4.Lemă. Fie A = ⎜ ⎟ ∈ M ( 2,2;k ) . Matricea A este inversabilă
⎝ c d⎠
dacă şi numai dacă det(A) ≠ 0. Dacă A este inversabilă atunci A-1 =

1 ⎛ d −b ⎞
⎜ ⎟.
det ( A ) ⎝ −c a ⎠

Demonstraţie. Dacă există B = A-1∈M(2,2;k) atunci det (A)⋅det(B) =

det(I2) = 1, deci det(A)≠0. Ne propunem să găsim o matrice B =

⎛x y⎞ ⎛ 1 0⎞
⎜ z u ⎟ astfel încât AB = BA = ⎜ 0 1 ⎟ . Deci
⎝ ⎠ ⎝ ⎠

⎧ax + bz = 1
(1) ⎨ şi
⎩cx + dz = 0

⎧ay + bu = 0
(2) ⎨
⎩cy + du = 1.
d −c
Din sistemele (1) şi (2) obţinem x = ,z = , respectiv
ad − bc ad − bc
−b a
y= ,u = . Se verifică relaţiile AB = BA = I2. Prin
ad − bc ad − bc
urmare

1 ⎛ d −b ⎞
A-1 = ⎜ ⎟.
ad − bc ⎝ −c a ⎠

Vom extinde rezultatul precedent pentru matrici pătratice de ordin

oarecare.

6.19.5.Teoremă. Fie A = (aij) (1≤i, j≤n)∈M(n,n;k).

Atunci :
a) Matricea A este inversabilă dacă şi numai dacă det(A) ≠0.
1
b) Dacă A∈GL(n,k) atunci A-1 = A ∗ , unde A∗∈M(n,n;k), A∗ =
det A
(aij∗) (1≤i, j≤n), aij∗ = det(A1,…,Ai-1,Ej,Ai+1,…,An), (A1,…,An fiind
coloanele matricii A, iar E1,…,En coloanele matricii unitate In).

95
 Demonstraţie. Fie B∈M(n,n;k) astfel încât AB = BA = In. Atunci
det(A) ⋅det(B) = 1,deci det(A) ≠0. Să presupunem că det(A)≠0 şi fie
X = (xij) (1≤i, j≤n)∈M(n,n;k) astfel încât AX = XA = In. Atunci din

⎛ x11 ... x1j ... x1n ⎞

⎜ ... ... ... ... ... ⎟⎟
⎜
relaţia (A1,…,An) ⎜ x i1 ... x ij ... x in ⎟ = In = (E1,...,Ej ,...,En )
⎜ ⎟
⎜ ... ... ... ... ... ⎟
⎜x ... x nj ... x nn ⎟⎠
⎝ n1
rezultă
(∗) x1jA1+···+xijA1+···+xnjAj = Ej, 1≤j≤n.
Rezolvând sistemul (*) se obţine
1
Xij= det(A1,…,Ai-j,Ej,Ai+1,…An).
det A

Să verificăm relaţia XA = In, unde elementele Xij sunt cele determinate mai
sus. Dar aceasta rezultă din relaţiile (∗).

Deoarece det(At) = det(A) ≠ 0 ca şi mai sus există Y∈M(n,n;k) astfel încât

AtY = In. Prin urmare In = Int = (AtY)t = Yt(At)t = YtA = YtInA = Yt(AX)A = (YtA)
(XA) = In(XA) = XA.

Prin urmare AX = XA = In, deci X = A-1

1
Observaţie. Dacă A este inversabilă atunci A-1 = A ∗ , unde A∗ este
det A
transpusă matricii (Γij) (1≤i,j≤n), Γij fiind complementul algebric al lui aij în
matricea A.

96
§20.Produsul mixt. Arii . Volume

În acest paragraf revenim asupra vectorilor din Ñ3 şi aplicaţiilor în

geometrie. În §9 şi §10 am introdus produsul scalar şi produsul vectorial.

Vom considera produsul mixt al unui triplet de vectori din Ñ3. Aceasta se

exprimă comod cu ajutorul unui determinant de ordinul 3. Produsul mixt

permite definirea volumului unui paralelipiped. Vom descrie de asemenea
caracterizarea unui plan din Ñ3 cu ajutorul determinanţilor.

Definiţie. Fie a,b,c∈Ñ3. Numărul real (a,b,c) = (a,b⊗c) se numeşte

produsul mixt al vectorilor a, b şi c.

a1 a 2 a3
6.20.1.Propoziţie. Fie a,b,c∈Ñ . Atunci (a,b,c) = b1 b2
3
b3 , unde a =
c1 c2 c3

(a1,a2,a3), b = (b1,b2,b3), c = (c1,c2,c3).

Demonstraţie. (a,b,c) = (( a1,a2,a3), (b2c3 –b3c2, b3c1–b1c3, b1c2–b2c1))

a1 a 2 a3
= a1(b2c3 – b3c2) – a2(b1c3 – b3c1) + a3(b1c2 – b2c1) = b1 b2 b3 .
c1 c2 c3

În continuare vom interpreta cu ajutorul vectorilor aria unui paralelogram

şi volumul unui paralelipiped.

Vom reaminti ce este aria unei suprafeţe poligonale plane.

97
Definiţie. Fie Pg(Ñ2) mulţimea suprafeţelor poligonale din Ñ2. Se numeşte

arie o funcţie σ:Pg (Ñ2)→ [0,∝) care satisface următoarele condiţii :

10. Dacă S1 şi S2 sunt suprafeţe poligonale congruente atunci

σ(S1)=σ(S2).
20.Dacă S1 şi S2 sunt suprafeţe poligonale disjuncte atunci
σ(S1US2)=σ(S1)+σ(S2).
30.Dacă T este un pătrat de latură 1 atunci σ(T) = 1.

Deoarece orice suprafaţă poligonală este reuniunea unui număr finit de

triunghiuri disjuncte, este suficient să definim aria unui triunghi.

Definiţie. Fie A = (a1,a2), B = (b1,b2), C = (c1,c2)∈ Ñ2 şi fie

⎛ b1 − a1 c1 − a1 ⎞ 1
M=⎜ . Numărul S ABC = det ( M ) se numeşte aria
⎝ b2 − a 2 c2 − a 2 ⎟⎠ 2
triunghiului ABC.

Observaţie. SABC defineşte o funcţie arie în sensul definiţiei precedente.

uur uuur
Într-adevăr, deoarece săgeţile AB si AC sunt egal paralele cu săgeţile
uuuur uuuur
corespunzătoare OB1 si OC1 este suficient să presupunem A = 0= (0,0).
Deci

1 ⎛ b1 c1 ⎞ 1
SOBC = det ⎜ = b c − b2 c1 (fig. 17).
2 ⎝ b2 c2 ⎟⎠ 2 1 2

98
 Fig. 17a

Funcţia S satisface condiţiilor 1o şi 2o. Pentru a arăta că ea satisface

condiţiei 3o să considerăm pătratul T având vârfurile în punctele O,C,D,B şi
latura 1. (fig. 17). Deci putem presupune 0 = (0,0), B = (0,1), C = (1,0), D =
(1,1). Deoarece triunghiurile BOC şi BDC sunt congruente, este suficient să

1 1 ⎛ 0 1⎞ 1 1
demonstrăm că SBOC = . Dar SBOC = det ⎜ ⎟ = −1 = .
2 2 ⎝ 1 0⎠ 2 2

Fig. 17b

Să reamintim ce este volumul unui poliedru din Ñ3.

Definiţie. Fie Pol(Ñ3) mulţimea poliedrelor din Ñ3. Se numeşte volum o

funcţie v:Pol(Ñ3)→[0,∝) care îndeplineşte următoarele condiţii:

1o Dacă P1 şi P2 sunt poliedre congruente atunci v(P1) = v(P2).

2o Dacă P1 şi P2 sunt poliedre disjuncte atunci v(P1∪P2) = v(P1)+
v(P2).

99
 3o Dacă K este un cub de latură 1 atunci v(K) = 1.

Deoarece orice poliedru este reuniunea unui număr finit de tetraedre

disjuncte, este suficient să definim volumul unui tetraedru.

Definiţie. Fie A = (a1, a2, a3), B = (b1, b2, b3), C = (c1, c2, c3), D = (d1, d2,
⎛ b1 − a1 c1 − a1 d1 − a1 ⎞
3 ⎜ ⎟
d3)∈ Ñ şi fie M = ⎜ b2 − a 2 c2 − a 2 d2 − a 2 ⎟ ∈M(3,3; Ñ).
⎜b − a c3 − a 3 d3 − a3 ⎟⎠
⎝ 3 3

1
Numărul VABCD = det M se numeşte volumul tetraedrului ABCD.
6

Observaţie. VABCD defineşte o funcţie volum în sensul definiţiei precedente.

uur uuur uuur
Într-adevăr, deoarece săgeţile AB,AC,AD sunt egal paralele cu săgeţi
uuuur uuuur uuuur
corespunzătoare OB1,OC1,OD1 este suficient să presupunem A = 0 = (0,0,0).

⎛ b1 c1 d1 ⎞
1 ⎜ ⎟
Deci VOBCD = det ⎜ b2 c2 d2 ⎟ .
6 ⎜b
⎝ 3 c3 d3 ⎟⎠

Funcţia V satisface condiţiilor 1o şi 2o. Pentru a arăta că ea satisface

condiţiei 3o să considerăm cubul K având vârfurile în punctele
O,A,A’,C,B,C’,D,B’ şi latura 1(fig. 18)

Fig. 18

Deci putem presupune 0 = (0,0,0), A = (0,1,0), A’ = (1,1,0), C = (1,0,0), B =

(0,0,1), C’ = (1,0,1), D = (1,1,1), B’ = (0,1,1).

100
Dar cubul poate fi descompus în şase tetraedre congruente. Deci

⎛0 1 0⎞
⎜ ⎟
VK = 6 ⋅ VOABC = det ⎜ 0 0 1 ⎟ = 1.
⎜ 1 0 0⎟
⎝ ⎠

Observaţie. Noţiunea de paralelipiped poate fi extinsă pentru orice spaţii

vectoriale înzestrate cu un produs scalar. Volumul unui astfel de
„paralelipiped generalizat” se exprimă cu ajutorul determinanţilor Gram.

Vom descrie în final ecuaţia unui plan din Ñ3 care trece printr-un punct dat

şi are direcţii date cu ajutorul unui determinant.

6.20.2.Propoziţie. Fie P0= (x0,y0,z0)∈ Ñ3 şi A = (a1,a2,a3), B = (b1,b2,b3)∈

Ñ3\{(0,0,0)} astfel încât A şi B să fie liniar independenţi. Atunci planul

uuur uuur
care trece prin P0 şi are direcţiile OA si OB este format din mulţimea
x − x0 a1 b1
3
punctelor (x,y,z)∈Ñ care satisfac relaţiei y − y0 a 2 b2 = 0 .
z − z0 a 3 b3

Demonstraţie. Fie P = (x,y,z) un punct din planul care trece prin P0

uuur uuur
şi are direcţiile OA si OB . Atunci există s,t∈Ñ astfel încât (x,y,z) =

(x0,y0,z0)+s(a1,a2,a3)+t(b1,b2,b3). Deci
x − x 0 = sa1 + tb1
y − y 0 = sa 2 + tb2 .
z − z 0 = sa 3 + tb3

⎛ x − x0 a1 b1 ⎞
⎜ ⎟
Deci prima coloană a matricii M = ⎜ y − y0 a 2 b2 ⎟ este o
⎜z−z a3 b3 ⎟⎠
⎝ 0

combinaţie liniară a celorlalte două. Prin urmare det(M) = 0.

101
 Reciproc, dacă det(M) = 0 atunci rg(M)≤2. cum A şi B sunt liniar
independenţi rezultă că rg(M) = 2.deci prima coloană aparţine
subspaţiului generat de celelalte două, deci există s,t∈Ñ astfel

încât (x-x0,y-y0,z-z0) = sA+tB.

§21. Vectori şi valori proprii

Una dintre problemele centrale ale algebrei liniare are ca obiect studierea
structurii aplicaţiilor liniare. În cazul spaţiilor vectoriale de dimensiune
finită acest studiu este echivalent cu cercetarea structurii unor matrici.
Printre conceptele de bază legate de această problemă sunt cele de spaţiu
invariant, vectori şi valori proprii.

Definiţie. Fie V un k-spaţiu vectorial şi A∈L(V,v). Vectorul v∈V se numeşte

vector propriu al lui A dacă există a∈k astfel încât A(v) = av.

Dacă v ≠ 0 atunci a este unic determinat. (Dacă a1 = a2v atunci (a1-a2)v = 0

deci, cum v ≠ 0, a1-a2 = 0, adică a1 = a2). În acest caz a se numeşte
valoarea proprie a lui A corespunzătoare vectorului propriu v.

Exemple de vectori proprii.

1) Fie V = C∞(Ñ) = {f: Ñ →Ñ; este infinit derivabilă}, D:V→V, D(f) =

f’ (operatorul de derivare). Atunci funcţia f(t) = e2t este un vector

propriu (nenul), iar 2 este valoarea proprie corespunzătoare. Intr-
adevăr, D(f(t)) = 2e2t2f(t).

102
 2) Fie A : Ñ2→Ñ2, A(x,y) = (x+y,y). Fie e = (a,0), a ≠ 0. Atunci A(e) =

(a,0) = 1·e, deci este un vector propriu (nenul), iar 1 valoarea

proprie corespunzătoare.
Definiţie. Fie V un k-spaţiu vectorial şi A∈L(V,V). Un subspaţiu vectorial
W⊂V se numeşte invariant relativ la A (sau subspaţiu A-invariant) dacă
A(W)⊂W.

Exemplu. Fie A: Ñ3→ Ñ3, A(x,y,z) = (x,y,x+5y-7z), W = {(x,y,z)∈ 3

; 8z =

x+5y}. Atunci W este un subspaţiu A-invariant. Într-adevăr, W = {(x,y,z)∈

Ñ3 ;x = 8a, y = 8b, z = a+5b, a,b∈Ñ}. Atunci pentru

w = (8a,8b,a+5b)∈W avem A(w) = (8a,8b,a+5·(8b)-7(a+5b)) = (8a,8b,a+5b)

= w∈W. Deci W este A-invariant.

6.21.1.Lemă. Fie V un k-spaţiu vectorial, A∈L(V,V), iar a∈k o valoare

proprie a lui A. Atunci mulţimea V(a) formată din vectorii care au pe a
drept valoare proprie, este un subspaţiu invariant relativ la A.
Demonstraţie. Fie x1,x2∈V(a), b1,b2∈k. Atunci A(b1x1+b2x2) = b1A(x1)
+ b2A(x2) = b1(ax1) + b2(ax2) = a(b1x1+b2x2). Deci b1x1+b2x2∈V(a).

Fie x∈V(a). Atunci A[A(x)] = A(ax) = aA(x), deci A(x)∈V(a). Prin

urmare A[V(a)]⊂V(a), adică V(a) este A-invariant.

6.21.2.Propoziţie. Fie V un k-spaţiu vectorial, A∈L(V,V), v1,…,vn vectori

proprii nenuli ai lui A, iar a1,…,an valorile proprii corespunzătoare. Dacă
a1,a2,…an sunt distincte atunci vectorii v1,v2,…vn sunt liniar
independenţi.
Demonstraţie. Vom raţiona prin inducţie după n.
Dacă n = 1 atunci v1 este liniar independent, fiind nenul.

103
 Să presupunem afirmaţia dovedită pentru m vectori (m≤n-1) şi s+o
demonstrăm pentru n vectori. Fie b1,…,bn∈k astfel încât
(1) b1v1 +···+ bn-1vn-1 + bnvn = 0.
Deoarece A(vi) = aivi pentru i = 1,2,…,n, aplicând A relaţiei (1) se
obţine
(2) b1a1v1 +···+bn-1an-1vn-1 + bnanvn = 0.
Din (1) şi (2) obţinem (eliminând pe vn)
b1(an-a1)v1+…+bn-1(an-an-1x)vn-1 = 0.
Deoarece an-a1 ≠ 0,…,an-an-1 ≠ 0, iar vectorii sunt liniar independenţi
(conform ipotezei inductive), rezultă b1 = ··· = bn-1 = 0. Atunci bnvn =
0. Dar vn ≠ 0, deci bn = 0.
Prin urmare v1,…,vn sunt vectori liniar independenţi.

Observaţie. Există operatori liniari care nu admit valori proprii. Să

considerăm, de exemplu, A : Ñ2→ Ñ2 , A(x,y) = (-x-y, 2x+y). Atunci A nu

are valori proprii. Intr-adevăr, dacă a∈Ñ şi (x,y)∈ Ñ2 \{(0,0)} atunci relaţia

A(x,y) = a(x,y) implică (-x-y, 2x+y) = (ax,ay), adică (a+1)x + y = 0, 2x+(1-

a)y = =, deci y = -(a+1)x şi (a2+1)x = 0, ceea ce ar implica x = y =
=0,contradicţie.

Vom arăta că toţi operatorii liniari definiţi pe spaţii vectoriale de

dimensiune finită peste corpul numerelor complexe admit valori proprii.

6.21.3.Teoremă Fie v un Â-spaţiu vectorial de dimensiune finită şi fie

A∈L(V,V). Atunci există cel puţin un vector propriu nenul al lui A.

Demonstraţie. Fie n = dim V. Atunci L(V,V) este un Â-spaţiu

vectorial de dimensiune n2 . Atunci aplicaţiile liniare idV =

I,A,A2,…,An2 sunt liniar dependente peste  (fiind în număr de

104
 1+n2>n2). Deci există m∈Í∗, m≤n2 şi ao, a1,…,am∈Â, am ≠ 0, astfel

încât ao.I + a1A +···+amAm = 0.

Fie f(T) = ao + a1T +···+ amTmÂ∈[T]\ . Atunci există b1,…,bm∈Â

astfel încât f(T) = am(T-b1)···(T-bm). (Conform teoremei

fundamentale a algebrei). Prin urmare am(A – b1I)0···0(A + bmI) = 0.
Rezultă că există i∈{1,2,…,m} astfel încât A – biI să nu fie
inversabilă (în caz contrar am avea 0 = am(A-b1I)0···0(A-bmI) ar fi
inversabilă, contradicţie). Deci există v∈V, v≠0, astfel încât
(A+biI)v = 0 (vezi şi exerciţiul 126). Prin urmare A)v) = biv, adică v
este un vector propriu nenul al lui A.

Deoarece în cazul spaţiilor vectoriale de dimensiune finită, spaţiul

vectorial al aplicaţiilor liniare L(V,V) este izomorf cu un spaţiu vectorial de
matrici, determinarea vectorilor şi valorilor proprii ale unei aplicaţii liniare
A:V→ V revine la rezolvarea unei probleme matriciale. Mai precis, valorile
proprii ale lui A sunt rădăcini ale unui polinom asociat matricii lui A în
raport cu o bază, numit polinomul caracteristic al lui A.

Definiţie. Fie k un corp comutativ, n≥1,A∈M(n,n;k).

Polinomul PA(T) = det(T·In – A)∈k[T] se numeşte polinomul caracteristic al
matricii A.

Dacă A = (aij)1≤i, j≤n atunci

T − a11 −a12 ... −a1n
−a 21 T − a 22 ... −a 2n
PA ( T ) = .
... ... ... ...
−an1 −an2 ... T − ann

105
6.21.4.Lemă. Fie A,B∈M(n,n;k). Dacă matricea B este inversabilă atunci
PA(T) = PB-1AB(T).
B

Demonstraţie. PA(T) = det(T·In–A)=det[B-1(T·In–A)B]=

=det(T·B-1B-B-1AB)= det(T·In - B-1AB) = PB-1AB(T)

Definiţie. Fie A∈M(n,n;k) şi fie LA : kn→kn aplicaţia liniară determinată de

matricea A în raport cu baza canonică a lui kn. Se numeşte vector propriu
al matricii A un vector v∈kn care este vector propriu al aplicaţiei liniare
LA. Valorile proprii ale lui LA se numesc valori proprii ale matricii A.

6.21.5.Propoziţie. Fie A∈M(n,n;k). Atunci a∈k este valoare proprie a

matricii A dacă şi numai dacă PA(a) = 0.
Demonstraţie. Să presupunem că a∈k este o valoare proprie a
matricii A = (aij) 1≤i, j≤n. Atunci există(x1,…,xn)∈kn___{(0,…,0)} astfel
încât
⎛ a11 ... a1n ⎞ ⎛ x1 ⎞ ⎛ x1 ⎞
⎜a ... a 2n ⎟⎟ ⎜⎜ x 2 ⎟⎟ ⎜⎜ x 2 ⎟⎟
⎜ 21 ⋅ = . Prin urmare
⎜ ... ... ... ⎟ ⎜ . ⎟ ⎜ . ⎟
⎜⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ an1 ... ann ⎟⎠ ⎜⎝ x n ⎟⎠ ⎜⎝ x n ⎟⎠

⎧(a − a11)x1 − a12 x 2 − ... − a1n x n = 0

⎪ −a x + (a − a )x − ... − a x = 0
⎪ 21 1 22 2 2n n
⎨
⎪ ........................................
⎪⎩ −an1x1 − an2 x 2 − ... + (a − ann )x n = 0.

Fie
⎛ a − a11 −a12 ... −a1n ⎞
⎜ −a a − a 22 ... −a 2n ⎟
M A (a) = ⎜ ⎟.
21

⎜ ... ... ... ... ⎟

⎜⎜ −a −an2
⎟
... a − ann ⎟⎠
⎝ n1

Dacă C1,C2,…Cn sunt coloanele matricii MA(a) atunci

106
 ⎛0⎞
⎜.⎟
⎜ ⎟
x1C1 + x2C2 +···+xnCn = ⎜ . ⎟ .
⎜ ⎟
⎜.⎟
⎜0⎟
⎝ ⎠
Dar (x1,…,xn)≠(0,…,0). Prin urmare coloanele C1,…,Cn sunt liniar
dependente, deci det(C1,…,Cn)=0. Prin urmare
PA(a)=detMA(a)=det(C1,…,Cn) =0.
Reciproc, dacă PA(a) = 0 atunci coloanele C1,…,Cn ale matricii MA(a) sunt
liniar dependente. Fie atunci (y1,…,yn)∈kn\{(0,…,0)} astfel încât

⎛0⎞
⎜.⎟
⎜ ⎟
y1C1 + y2C2 +···+ynCn = ⎜ . ⎟ .
⎜ ⎟
⎜.⎟
⎜0⎟
⎝ ⎠
Atunci

⎧(a − a11 ) y1 − a12 y2 − ... − a1n yn = 0

⎪
⎨.................................................... ,
⎪− a y − a y − ... − (a − a ) y = 0
⎩ n1 1 n 2 2 nn n

⎛ y1 ⎞ ⎛ y1 ⎞ ⎛ y1 ⎞
⎜ . ⎟ ⎜ . ⎟ ⎜ . ⎟
deci A ⎜ ⎟ = a ⎜ ⎟ . Deci ⎜ ⎟ este un vector propriu al matricii A, iar a
⎜ . ⎟ ⎜ . ⎟ ⎜ . ⎟
⎜⎜ y ⎟⎟ ⎜⎜ y ⎟⎟ ⎜⎜ y ⎟⎟
⎝ n⎠ ⎝ n⎠ ⎝ n⎠
este valoarea proprie corespunzătoare.

6.21.6.Propoziţie. Fie A∈L(V,V), MA∈M(n,n;k) matricea lui A în raport cu

baza {e1,…,en}. Atunci a∈k este o valoare proprie a lui A dacă şi numai
dacă PM A ( a ) = 0 .

Demonstraţie. Fie v∈V\{0} astefl încât A(v) = av. Fie MA = (aij)

(1≤i,j≤n) şi fie b1,…,bn∈k, nu toţi bi nuli astfel încât v =
b1e1+···+bnen. Atunci

107
 n n n n
A ( v ) = ∑ bj A ( e j ) =∑∑ bja jie i =∑ ( b1a1i + ... + bnani ) e i =
j=1 i =1 j=1 i=1

a ( b1e1 + .... + bnen ) . Deci

b1a1i + ... + bna ni , adică

b1a1i + ..._ bi ( a ii − a ) + ... + bnani = 0 .

Deoarece există j∈{1,2,…,n} astfel încât bj ≠ 0 coloanele matricii

⎛ a11 − a ... a1n ⎞
⎜ ⎟
⎜ ... ... ... ⎟ sunt liniar dependente, deci PM A ( a ) = 0 .
⎜ ... ann − a ⎠⎟
⎝ an1

Cealaltă implicaţie se demonstrează analog cu cea corespunzătoare din

propoziţia precedentă.

108
Exerciţii

76. Să se arate că mulţimea σ n este un grup.

77. Să se arate că grupul σ n nu este un grup comutativ dacă n≥3.

78. Să se arate că mulţimea σ n are n! elemente.

⎛ 1 2 3⎞ ⎛1 2 3 ⎞
79. Fie σ = ⎜ ⎟ , τ= ⎜ ⎟ ∈ σ 3. Să se determine x∈ σ 3 astfel
⎝3 1 2⎠ ⎝1 3 2 ⎠
încât σx = τ.

⎛1 2 3 4⎞
⎟ ∈ σ 4. Să se arate că există n∈Í* astfel încât σ =
n
80. Fie σ = ⎜
⎝ 4 1 3 2 ⎠
e, unde e este permutarea identitate. Să se determine cel mai mic n cu
această proprietate.

81. Fie n≥2. Să se arate că orice permutare din σ n este compunerea unui
număr finit de transpoziţii.

⎛1 2 3 4 5 6⎞
82. Să se arate că permutarea ⎜ ⎟ poate fi exprimată ca o
⎝2 1 3 4 5 6⎠
compunere de transpoziţii în două moduri diferite. Să se determine
signatura permutării.

83. Fie A∈M(n,n;k), iar A” matricea obţinută din A inversând două coloane
succesive. Să se arate că det(A”) = -det A.

109
 n n
84. Fie A = (aij) 1≤i,j≤n∈M(n,n;k). Atunci det ( A ) = ∑ ( −1) a ijDij = ∑ a ijΓ ij .
i+ j

i =1 i =1

85. Fie A ∈ (aij) ∈M(n,n;k) o matrice inversabilă iar A-1 inversa sa. Atunci
a) det(A) ≠ 0.
b) det(A-1) = (det A)-1.

86. Să se arate că determinantul unei matrici superior triunghiulare (sau

inferior triunghiulare) este egal cu produsul elementelor de pe diagonala
principală.

⎛ 1 2 3⎞
⎜ ⎟
87. Fie A = ⎜ 0 2 5 ⎟ ∈ M(3,3;Ñ). Să se calculeze det (A).
⎜ −1 −4 1 ⎟
⎝ ⎠

88. Fie k un corp comutativ şi fie a,b∈k. Să se calculeze determinantul de

a −b 0 ... 0 0
0 a −b ... 0 0
0 0 a ... 0 0
ordin n D = .
... ... ... ... ... ...
0 0 0 ... a −b
−b 0 0 ... 0 a

89. Să se calculeze determinantul de ordinul patru

2 3 1 2
1 2 0 3
D= .
1 3 2 1
−3 1 4 3

110
 1 2 3 4 1 2 3 4
0 2 5 9 1 3 3 4
90. Să se calculeze determinanţii D1 = , D2 = .
0 0 3 7 1 −1 7 4
−2 −4 −6 1 1 −2 5 9

1 1 1 ... 1 1
−1 1 2 ... n − 2 n − 1
−1 −1 1 ... n − 3 n − 2
91. Să se calculeze D = .
... ... ... ... ... ...
−1 −1 −1 ... 1 2
−1 −1 −1 ... −1 1

1 1 ... 1
a1 a2 ... an
2
92. Să se calculeze determinantul Dn = a1 a 22 ... an2 , unde ai∈k.
... ... ... ...
a1n−1 an2−1 ... ann−1

(determinantul Vandermonde de ordin n).

n +1 n −1 ... 2 1
3 n ... 3 2
93. Fie Dn = n 1 ... n n − 1 , unde n∈Í. Dacă n≥3 să se arate că
... ... ... ... ...
2 1 ... 1 1

Dn≥9.

94. Fie n∈Í*. Să se arate că

1 2 ... 2n 2n + 1
22 32 ... ( 2n + 1) 2
( 2n + 2 )2
... ( 2n + 2 ) ( 2n + 2 )3 ≠ 0 .
3
Dn = 33 43
... ... ... ... ...
( 2n + 1) 2n +1
... ... ... ( 2n + 2 )2n+1

111
 1 1 1 1
1 2 −2 3
95. Să se calculeze D = .
3 8 0 15
1 8 −8 27

1 −1 −1 ... −1 −1
0 2 −1 ... −1 −1
0 0 3 ... −1 −1
96. Fie n∈Í. Să se calculeze Dn = .
... ... ... ... ... ...
0 0 0 ... n − 1 −1
1 1 1 ... 1 1

97. Fie A∈M(n,n;k). Să se arate că următoarele afirmaţii sunt echivalente:

1) det(A) ≠ 0.
2) Liniile matricii A sunt liniar independente.
3) Coloanele matricii A sunt liniar independente.
4) rg(A) = n.

⎛1 2 3⎞
⎜2 3 5 ⎟⎟
98. Să se determine rangul matricii ⎜ ∈M(4,3;Ñ).
⎜1 3 3⎟
⎜⎜ 1 2
⎟
4 ⎟⎠
⎝

99. Să se determine rangul matricilor

⎛7 9 4 2⎞ ⎛ 6 5 -2 4 ⎞
⎜ 2 −2 1 1⎟ ⎟ ⎜ 9 -1 4 -1 ⎟
A=⎜ , B= ⎜ ⎟ ∈M(4,4;Ñ).
⎜5 6 3 2⎟ ⎜ 3 4 2 -2 ⎟
⎜⎜ ⎟ ⎜⎜ ⎟⎟
⎝2 3 1 1 ⎟⎠ ⎝ 3 -9 2 -11⎠

112
 ⎛3 2 1 3 5⎞
⎜ ⎟
⎜6 4 3 5 7⎟
100. Să se determine rangul matricii A= ⎜ ∈M(4,5;Ñ)
9 6 5 7 9⎟
⎜ ⎟
⎜3 2 0 4 8 ⎟⎠
⎝

⎛ 1 3 3⎞
⎜ ⎟
101. Să se studieze inversibilitatea matricii A= ⎜ 3 0 1 ⎟ ∈M(3,3;Ñ)
⎜ 2 1 2⎟
⎝ ⎠

⎛ 1 3 2⎞
⎜ ⎟
102. Să se studieze inversabilitatea matricii A= ⎜ 3 0 1 ⎟ ∈M(3,3;Ñ)
⎜ 2 1 2⎟
⎝ ⎠

103. Fie A,B∈M(n,n;k). Dacă determinanta det(A) ≠ 0 să se arate că

(A+B)·A-1(A-B)=(A-B)·A-1· ·(A+B).

⎛a b c d⎞
⎜ −b a −d c ⎟
104. Fie a,b,c,d∈Ñ şi fie A = ⎜ ⎟ . Să se arate că rg(A) = 4
⎜ −c d a −b ⎟
⎜⎜ ⎟⎟
⎝ −d −c b a ⎠

dacă şi numai dacă unul dintre numerele a,b,c,d este nenul.

⎛ cos θ sin θ ⎞
105. Să se determine inversa matricii A = ⎜ ⎟ , unde θ∈Ñ.
⎝ − sin θ cos θ ⎠

106. Să se determine X∈M(3,3;Ñ) astfel încât

⎛ 1 2 0⎞ ⎛2 7 3⎞ ⎛ 1 2 0⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ 0 1 0 ⎟ X ⎜ 3 9 4 ⎟ = ⎜ 1 0 1⎟ .
⎜0 0 2⎟ ⎜ 1 5 3⎟ ⎜0 0 2⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠

113
 ⎛ 1 −2 3 ⎞ ⎛ 1 2 3⎞
⎜ ⎟ ⎜ ⎟
107. Să se determine X∈M(3,3; ) astfel încât ⎜ 0 3 1 ⎟ X = ⎜ 0 2 1 ⎟ .
⎜1 1 4⎟ ⎜0 0 6⎟
⎝ ⎠ ⎝ ⎠

⎛ 1 −2 3 ⎞ ⎛ 1 −2 3 ⎞
⎜ ⎟ ⎜ ⎟
108. Să se determine X∈M(3,3;Ñ) astfel încât ⎜ 0 3 1 ⎟ X = ⎜ 0 3 1 ⎟ .
⎜1 1 4⎟ ⎜1 1 4⎟
⎝ ⎠ ⎝ ⎠

109. Fie k un corp comutativ şi fie A,B∈GL(n,k).

Să se arate că (AB)-1 = B-1·A-1.

110. Fie k un corp comutativ şi fie A∈M(n,n;k), B∈GL(n,k) astfel încât AB =

BA. Să se arate că AB-1 = B-1A.

⎛ 1 2 1 2⎞
⎜ ⎟
111. Să se determine a∈Ñ astfel încât matricea ⎜ 0 1 −2 a ⎟ să fie de
⎜ 1 3 −1 2 ⎟
⎝ ⎠
rang 2.

112. Fie k un corp comutativ, n≥1 şi fie A,B∈M(n,n;k). Dacă B este

inversabilă să se arate că (BAB-1)n = BAnB-1.

113. Fie k un corp comutativ şi A∈GL(n,k). Să se arate că există un

b1,…,bn∈k astfel încât
In = b1A+···+bmAm.
114. Fie a,b,c∈Ñ3. Să se arate că:

a) (a,b,c) = (b,c,a) = (c,a,b).

b) (a,b,c) = -(b,a,c) = -(c,b,a) = -(a,c,b).

115. Fie a,b∈Ñ3. Să se arate că (a,b,a) = (a,a,b) = (a,b,b) = 0.

114
116. Fie a,b,c,d∈Ñ3. Să se arate că (a⊗b)⊗(c⊗d) = (a,b,d)c-(a,b,c)d.

117. Fie 0 = (0,0), B = (b1,b2), C = (c1,c2) şi fie D∈Ñ2 astfel încât

uuur uuur uuur
OD = OB + OC . Să se calculeze aria paralelogramului OBCD.

118. Să se determine aria paralelogramului determinat de săgeţile

uuur uuur
OB si OC unde
a) B = (1,2), C = (-3,1).
b) B = (-3,4), C = (-2,3).

119. Să se calculeze volumul paralelipipedului determinat de săgeţile

uuur uuur uuur
OB,OC si OD unde
a) B =(1,2,1), C = (2,1,3), D = (-1,1,4).
b) B = (0,1,1), C = (1,2,3), D = (0,-2,1).

120. Fie T: Ñ2→Ñ2 o aplicaţie liniară , MT matricea sa în raport cu baza

{(1,0),(0,1)} şi fie P un paralelogram. Fie T(P) imaginea lui P prin T. Să se

arate că T(P) este un paralelogram σ(T(P)) = det ( M T ) ⋅ σ (P ) .

121. Fie Π un plan din Ñ3. Să se arate că există a,b,c,d∈Ñ astfel încât Π

coincide cu mulţimea punctelor (x,y,z)∈ Ñ3 pentru care ax+by+cz+d = 0.

122. Să se arate că planul care trece prin punctul (1,1,1) şi are direcţiile
uuur uuur
OA,OB unde A = (1,0,0), B = (-1,1,1) conţine punctul 0 = (0,0,0).

123. Fie V un k-spaţiu vectorial, A∈L(V,V), v∈V un vector propriu al lui A,

b∈k. Să se arate că bv este un vector propriu al lui A.

115
124. Fie V un k-spaţiu vectorial, A∈L(V,V), iar W1,W2 sub spaţii invariante
relativ la A. Să se arate că W1∩W2 şi W1+W2 sunt subspaţii invariante relativ
la A.

125. Fie V = {f: Ñ →Ñ; f-derivabilă}. Dacă a1,…,an sunt numere reale

distincte atunci e 1 ,..., e

ant
sunt vectori liniari independenţi din Ñ-spaţiul
at

vectorial V.

126. Fie V un k-spaţiu vectorial de dimensiune finită, a∈k şi A∈L(V,V). Să

se arate că a este o valoare proprie a lui A dacă şi numai dacă operatorul
liniar B = A-a·idV nu este ireversibil.

127. Fie V un k-spaţiu vectorial de dimensiune finită şi A∈L(V,V). Dacă V

are o bază formată din vectori proprii ai lui A să se arate că matricea lui A
în raport cu această bază este o matrice diagonală.

128. Fie V un k-spaţiu vectorial de dimensiune finită n şi fie A∈L(V,V).

Dacă A are n valori proprii distincte să se arate că V are o bază formată din
vectori proprii.

129. Să se determine valorile proprii ale aplicaţiei liniare A: Ñ3→Ñ3,

A(x,y,z) = (2x,x+2y,x+2y+z). Să se descrie subspaţiile invariante

corespunzătoare acestor valori proprii.

130. Fie A: Ñ3→Ñ3, A(x,y,z) = (x,y,x+5z-7z). Să se determine valorile

proprii a lui A şi sub spaţiile invariante corespunzătoare.

116
131. Fie V un k-spaţiu vectorial şi A∈L(V,V). Să se arate că IM(A) este un A-
subspaţiu invariant.

132. Fie V un k-spaţiu vectorial şi A∈L(V,V). Să se arate că mulţimea

ker(A) este un A-spaţiu invariant.

133. Fie V un k-spaţiu vectorial şi A∈L(V,V) şi b∈k. Să se arate că

aplicaţiile liniare A şi A-bI au aceeaşi vectori proprii.

134. Fie V un k-spaţiu vectorial şi A,B∈L(V,V) astfel încât A o B = B o A . Să

se arate că IM(A) şi ker(A) sunt subspaţii invariante în raport cu B.

⎛ a11 a12 ... a1n ⎞

⎜ 0 a ... a 2n ⎟⎟
135. Fie A = ⎜ 22
o matrice superior triunghiulară din
⎜ ... ... ... ... ⎟
⎜⎜ ⎟
⎝ 0 0 ... ann ⎟⎠

M(n,n;k) şi fie r≥1. Să se determine valorile proprii Ar.

136. Fie V un k-spaţiu vectorial şi A∈L(V,V). Dacă există r≥1 astfel încât Ar
= 0 să se arate că 0∈k este singura valoare proprie a lui A.

137. Fie A: Ñ4→Ñ4, A(x1,…,x4) = (x1-x2+x4,2x1-2x2+2x4,2x3,3x1-3x2+3x4). Să

se determine valorile proprii ale lui A şi să se descrie sub spaţiile

invariante corespunzătoare.

138. Să se arate că aplicaţia liniară A: Ñ2→Ñ2, A(x,z) = (2x+y,-5x-2y), nu

are valori proprii.

117
139. Fie A: Ñ3→Ñ3, A(x,y,z) = (2x+5y-z,-x-3y,2x+3y-2z). Să se determine

valorile proprii ale lui A şi să se descrie sub spaţiile invariante

corespunzătoare.

140. Fie V un Ñ-spaţiu vectorial şi A∈L(V,V). Dacă dimÑV este un număr

impar, să se arate că A admite cel puţin un vector propriu nenul.

141. Fie Pn(Ñ) = {f∈Ñ [T]; gr f≤n} şi fie D:Pn(Ñ)→Pn(Ñ) operatorul de

derivare. Să se determine subspaţiile invariante ale lui Pn(Ñ) relativ la D

142. Fie D:Pn(Ñ)→Pn(Ñ) operatorul de derivare. Dacă n≥2 să se arate că

Pn(Ñ) conţine subspaţii neinvariante relativ la D.

118
 CAPITOLUL VII
Sisteme de ecuaţii liniare

Studierea spaţiilor vectoriale, a aplicaţiilor liniare, a matricilor şi

determinanţilor, permite abordarea unitară a sistemelor de ecuaţii
algebrice de gradul întâi cu coeficienţi într-un corp comutativ. Astfel de
sisteme sunt numite sisteme de ecuaţii liniare. Vom descrie, utilizând
aparatul tehnic al algebrei liniare, condiţii necesare şi suficiente de
compatibilitate ale unui sistem liniar. În cazul în compatibilităţii vom
obţine procedee algoritmice de rezolvare a acestor sisteme.

§22.Sisteme liniare.
Teorema Kronecker-Capelli

Definiţie. Fie k un corp comutativ, aij∈k (1≤i≤n,1≤j≤m), bj∈k (1≤j≤n). Se

numeşte soluţie a sistemului de ecuaţii liniare
⎧a11x1 + ... + a1m x m = b1
⎪a x + ... + a x = b
⎪
( ∗) ⎨ 21 1 2m m 2

⎪.........................
⎪⎩an1x1 + ... + anm x m = bn

unde vector(x1,…,xn)∈kn astfel încât sunt satisfăcute relaţiile (∗).

Relaţiile (∗) sunt echivalente cu relaţia matricială
(∗∗) AX = B,
unde

119
 ⎛ b1 ⎞ ⎛ x1 ⎞
⎛ a11 ... a1m ⎞ ⎜ .⎟ ⎜ . ⎟
⎜a ... a 2m ⎟⎟ ⎜ ⎟ ⎜ ⎟
A=⎜ ∈ M(n,m;k),B = ⎜ . ⎟ ∈ M(n,1;k), X = ⎜ . ⎟ ∈ M(m,1;k).
21
⎜ ... ... ... ⎟ ⎜ ⎟ ⎜ ⎟
⎜⎜ a ⎟
⎟ ⎜ .⎟ ⎜ . ⎟
⎝ n1 ... anm ⎠ ⎜b ⎟ ⎜x ⎟
⎝ n⎠ ⎝ m⎠
Sistemul liniar (∗) se numeşte omogen (respectiv neomogen) dacă B = 0
(respectiv B ≠ 0).

Sistemul liniar (∗) se numeşte compatibil dacă are o soluţie în kn.

Observaţie. Sistemul liniar (∗) este compatibil dacă şi numai dacă ecuaţia
matriciala (∗∗)are o soluţie X∈M(m,1;k).

În continuare vom numi ecuaţia matricială (∗) sistem liniar, referindu-ne

de fapt la sistemul liniar (∗) cu care această ecuaţie este echivalentă.

⎛ a11 ... a1m ⎞

⎜a ... a 2m ⎟⎟
Definiţie. Matricea A = ⎜ 21 ∈ M(n,m;k) se numeşte matricea
⎜ ... ... ... ⎟
⎜⎜ a ... anm ⎟⎠
⎟
⎝ n1
sistemului liniar (∗), iar matricea
⎛ a11 ... a1m ba ⎞
⎜a ... a 2m b2 ⎟⎟
A = ⎜ 21
e
∈ M(n,m;k) se numeşte matricea extinsă a
⎜ ... ... ... ...⎟
⎜⎜ ⎟
⎝ an1 ... anm bn ⎟⎠

sistemului liniar (∗).

7.22.1.Teoremă.(Kronecker-Capelli). Sistemul liniar (∗) este compatibil

dacă şi numai dacă rg(A) = rg(Ae).

120
 ⎛ a11 ⎞ ⎛ a1m ⎞
⎜ . ⎟ ⎜ . ⎟
⎜ ⎟ ⎜ ⎟
Demonstraţie. Fie A1 = ⎜ . ⎟ ,..., A m = ⎜ . ⎟ coloanele matricii A.
⎜ ⎟ ⎜ ⎟
⎜ . ⎟ ⎜ . ⎟
⎜a ⎟ ⎜a ⎟
⎝ n1 ⎠ ⎝ nm ⎠
Atunci sistemul liniar (∗) este echivalent cu relaţia
(1) x1A1+···+xmAm = B.

Deci sistemul (∗) este compatibil dacă şi numai dacă

B∈Sp(A1,…,Am), adică Sp(A1,…,Am) = Sp(A1,…,Am,B). Dar rg(A) = dim
Sp(A1,…,Am) şi rg(Ae) = dim Sp(A1,…,Am,B).

Cum Sp(A1,…,Am)⊂Sp(A1,…,Am,B) şi rg(Ae) ≤min(n,m+1) rezultă că

Sp(A1,…,Am,B) dacă şi numai dacă rg(A) = rg(Ae). Prin urmare
sistemul (∗) este compatibil.

§23. Regula lui Cramer

În paragraful precedent am arătat că sistemul liniar AX = B este compatibil

dacă şi numai dacă rg(A) = rg(Ae). Acest rezultat nu oferă, în cazul
compatibilităţii, şi un algoritm de determinare a soluţiilor. Un astfel de
procedeu a fost elaborat de către matematicianul elveţian Gabriel Cramer
(1704-1752) în lucrarea ″Introduction à l′Analyse des Lignes Courbes
Algèbriques ″ (1750,Geneva). El a considerat cazul particular n = m şi
A∈M(n,n;k) este inversabilă. În acest caz sistemul liniar AX = B admite o
unică soluţie, şi anume X = A-1B.

121
7.23.1.Propoziţie. Fie k un corp comutativ, A=(aij)1≤i, j≤n∈M(n,n;k),

⎛ b1 ⎞
⎜ .⎟
⎜ ⎟
B = ⎜ . ⎟ ∈ M(n,1;k).
⎜ ⎟
⎜ .⎟
⎜b ⎟
⎝ n⎠
Dacă A este inversabilă atunci sistemul liniar
⎧a11x1 + ... + a1n x n = b1
⎪a x + ... + a x = b
⎪ 21 1 2n n 2
(∗) ⎨
⎪ ........................
⎪⎩an1x1 + ... + ann x n = bn

este compatibil şi are o unică soluţie x1,…,xn, unde

⎛ a11...b1...a1n ⎞
⎜ ⎟
det ⎜ ............. ⎟
⎜ a ...b ...a ⎟
xi = ⎝ n1 n nn ⎠
pentru i = 1,2,…,n.
⎛ a11...a1j...a1n ⎞
⎜ ⎟
det ⎜ .............. ⎟
⎜ a ...a ...a ⎟
⎝ n1 ni nn ⎠

(Matricea de la numărător se obţine din matricea A înlocuind coloana i cu

matricea coloană B).
Demonstraţie. Deoarece A este o matrice inversabilă rezultă că
det(A) ≠ 0, deci rg(A) = n. Deoarece Ae ∈M(n,n+1;k) iar primele sale
n coloane reprezintă matricea A rezultă că rg(Ae) = n. Deci rg(A) =
rg(Ae), adică sistemul liniar (∗) este compatibil.

⎛ a11 ⎞ ⎛ a1n ⎞
⎜ . ⎟ ⎜ . ⎟
⎜ ⎟ ⎜ ⎟
Fie A1 = ⎜ . ⎟ ,..., A n = ⎜ . ⎟ coloanele matricii A.
⎜ ⎟ ⎜ ⎟
⎜ . ⎟ ⎜ . ⎟
⎜a ⎟ ⎜a ⎟
⎝ n1 ⎠ ⎝ nn ⎠
Fie Bi = (A1,…,Ai-1,…,An) matricea obţinută din A înlocuind coloana i
cu matricea coloană B.

122
 Să presupunem că x1,…,xn∈k sunt astfel încât este satisfăcut
sistemul (∗). Prin urmare
(1) x1A1+···+xnAn = B.
Considerăm det(Bi) şi ţinem cont de relaţia (1). Se obţine
det(Bi) = det(A1,…,Ai-1,…,An) =
=det(A1,…,Ai-1,x1A1+···+xiAi+···+xnAn,Ai+1,…,nAn) =
= x1.det(A1, …, Ai-1, Ai, Ai+1, …, An = + ···+ xi.det(A1, …, Ai-1, Ai, Ai+1,
…, An) +···+0 = xi.det(A). (Determinanţii nuli au două coloane
det(Bi )
egale). Prin urmare x i = pentru i = 1,2,…,n.
det(A)

§24.Algoritm de rezolvare a sistemelor liniare

Regula lui Cramer se aplică doar unei clase particulare de sisteme liniare :
A matricea pătratică inversabilă. Vom descrie în cele ce urmează un
procedeu de rezolvare a unui sistem liniar compatibil oarecare.

Fie k un corp comutativ, m,n∈Í* şi fie

⎛ b1 ⎞
⎛ a11 ... a1m ⎞ ⎜ .⎟
⎜a ... a 2m ⎟⎟ ⎜ ⎟
A=⎜ ∈ M(n,m;k),B = ⎜ . ⎟ ∈ M(n,1;k),
21
⎜ ... ... ... ⎟ ⎜ ⎟
⎜⎜ a ... anm ⎠
⎟
⎟ ⎜ .⎟
⎝ n1 ⎜b ⎟
⎝ n⎠
⎛ a11 ... a1m b1 ⎞
⎜ ⎟
A = ⎜ ... ... ... ...⎟ ∈ M(n,.m;k). Să presupunem că sistemul liniar
e

⎜a ⎟
⎝ n1 ... anm bn ⎠

⎧a11x1 + ... + a1m x m = b1

⎪a x + ... + a x = b
⎪ 21 1 2m m 2
(∗) ⎨
⎪ ..........................
⎪⎩an1x1 + ... + anm x m = bn

este compatibil.

123
Atunci din teorema Kronecker+Capelli rezultă că rg(A) = rg(ae). Fie r =
rg(A). Prin urmare în A există un r-minor nenul. După o eventuală
reindexare putem presupune că
a11...a1r
D = ........ ≠ 0.
ar1...arr

Atunci sistemul liniar (∗) este echivalent cu sistemul

⎧a11x1 + ... + a1r x r = b1 − a1,r +1x r +1 − ... − a1m x m

⎪
⎪a 21x1 + ... + a 2r x r = b2 − a 2,r +1x r +1 − ... − a 2m x m
(∗′) ⎨
⎪...................................................
⎪ar1x1 + ... + arr x r = br − ar,r +1x r +1 − ... − arm x m.
⎩

Să observăm că (∗′) este un sistem liniar în x1,…,xr pentru xr+1,…,xm

elemente fixate din k. Matricea A’ = (aij) 1≤ i ≤ r ∈M(r,r;k) este inversabilă.
1≤ j ≤ r

Deci sistemul(∗′) admite o unică soluţie. Această soluţie poate fi

determinată utilizând regula lui Cramer. Rin urmare x1,…,xr se obţin ca
funcţii de gradul întâi în xr+1,…,xm. Elementele xr+1,…,xm joacă rolul unor
parametri care parcurg corpul k.

124
Exemplu. Să considerăm sistemul real

⎧ x1 + x2 + x3 − x4 = 2
⎪2 x + x − x = 4
⎪⎪ 1 2 3

⎨ x2 + 3x3 − 2 x4 = 4 .
⎪− x + 3 x + 3 x + x = 6
⎪ 1 2 3 4

⎪⎩ x1 − x2 − x3 − x4 = −2

Se constată că rg(A) = rg(Ae) = 3. Deoarece 3-minorul corespunzător

primelor trei linii şi primelor trei coloane este nul, vom considera 3-
minorul corespunzător primelor trei coloane şi liniilor II, III şi V. Avem
2 1 −1 2 3 1
′
D = 0 1 3 = 0 1 3 =8.
1 −1 −1 1 0 0

Sistemul este echivalent cu sistemul liniar

⎧2x1 + x 2 − x3 = 0
⎪
(*’) ⎨ x2 + 3x 3 = 4 + 2x 4 .
⎪x
⎩ 1 − x2 − x3 = −2 + x 4

Fie x4 = a∈Ñ. Rezolvăm sistemul (*’) utilizând regula lui Cramer. Obţinem

8a −8a + 8 8a + 8
x1 = = a, x 2 = = −a + 1, x 3 = = a + 1.
8 8 8

Prin urmare soluţia generală a sistemului liniar considerat este

(x1,x2,x3,x4)=(a,-a+1,a+1,a), unde A∈Ñ.

Observaţie. În cazul sistemelor liniare cu un număr mare de ecuaţii şi de

necunoscute procedeul descris în acest paragraf, deşi este algoritmic,
necesită un număr mare de operaţii. De aceea astfel de sisteme liniare,
care apar mai ales în aplicaţiile matematicii (în fizică, chimie, ştiinţele
125
tehnice, economie, biologie, etc.), sunt rezolvate cu ajutorul
calculatoarelor. În cazul utilizării calculatoarelor sunt folosite procedee
mai rapide, care apelează la un număr mai mic de operaţii. Amintim
metoda de eliminare a lui Gauss, algoritmul Gauss-Jordan, metoda lui
Choelsky.

§25.Sisteme liniare omogene.

Sistemele liniare omogene pot fi studiate utilizând algoritmul descris în

paragraful precedent. Ele prezintă o particularitate: orice sistem liniar
omogen este compatibil şi mulţimea soluţiilor sale formează un spaţiu
vectorial. De asemenea, considerarea sistemului omogen asociat unui
sistem liniar neomogen, permite descrierea tuturor soluţiilor sistemului
neomogen.

7.25.1.Propoziţie. Fie k un corp comutativ şi fie

A = (aij)(1≤i≤n,1≤j≤m)∈M(n,m;k). Atunci mulţimea soluţiilor sistemului
liniar omogen
⎧a11x1 + ... + a1m x m = 0
⎪a x + ... + a x = 0
⎪ 21 1
(*) ⎨
2m m

⎪........................
⎪⎩an1x1 + ... + anm x m = 0

formează un k-spaţiu vectorial de dimensiune m-rg(A).

Demonstraţie. Fie f:km→kn,

⎛ m m m ⎞
f(x1,…,xm)== ⎜ ∑ a1j x j , ∑ a 2j x j,..., ∑ anj x j ⎟ . Atunci f este o aplicaţie
⎝ j=1 j=1 j=1 ⎠
liniară, iar ker f coincide cu mulţimea soluţiilor sistemului liniar (*).
Să observăm că sistemul (*) este compatibil, adică nucleu ker f este
nevid (el conţine vectorul (0,…,0)∈km). Deoarece rg(f)+def(f) = dim

126
 kk, iar im(f) este un k-spaţiu vectorial de dimensiunea rg(A) rezultă
că
rg(f) = dim km-dim(ker f),
deci
dim(ker f) = m-rg(A).

Observaţie. Din rezultatul precedent rezultă că orice sistem liniar omogen

este compatibil. Problema care se pune în legătură cu un astfel de sistem
constă în descrierea spaţiului vectorial al soluţiilor sale. Această descriere
se obţine utilizând algoritmul descris în paragraful precedent.

⎧ x1 + x 2 + x 3 = 0
⎪3x + x + 2x = 0
⎪ 1 2 3
Exemplu. Să considerăm sistemul liniar real (*) ⎨ .
⎪ x1 + 3x 2 + 2x 3 = 0
⎩⎪ − x1 + 5x 2 + 2x 3 = 0

⎛1 1 1⎞
⎜3 1 2 ⎟⎟
Matricea sistemului este A=⎜ . Deoarece
⎜1 3 2⎟
⎜⎜ −1 ⎟
5 2 ⎟⎠
⎝

⎛ 1 1 1⎞ ⎛ 3 1 2⎞
⎜ ⎟ ⎜ ⎟ ⎛ 1 1⎞
det ⎜ 3 1 2 ⎟ = det ⎜ 1 3 2 ⎟ = 0 şi det ⎜ ⎟ = −2 ≠ 0 rezultă că
⎜ 1 3 2⎟ ⎜ −1 5 2 ⎟ ⎝ 3 1⎠
⎝ ⎠ ⎝ ⎠
rg(A) = 2.

Prin urmare mulţimea soluţiilor este un spaţiu vectorial de dimensiune 3-

rg(A) = 3 - 2 =1. Sistemul (*) este echivalent cu sistemul
⎧ x1 + x 2 = − x 3
( *′ ) ⎨ .
⎩3x1 + x 2 = −2x 3

127
 1 1
Deci x1 − x 3 ,x 2 = − x 3 . Prin urmare mulţimea soluţiilor sistemului liniar
2 2
⎧⎛ a a ⎞ ⎫
(*) este ⎨⎜ −
,− , a ⎟; a ∈ ⎬ .
⎩⎝ 2 2 ⎠ ⎭

7.25.2.Propoziţie. Fie A = (aij) (1≤i≤n,1≤j≤m)∈M(n,m;k),

⎛ b1 ⎞
⎜ .⎟
B = ⎜ ⎟ ∈M(n,1;k)\{0}. Considerăm sistemele liniare
⎜ .⎟
⎜⎜ ⎟⎟
⎝ bn ⎠
(1) AX = B
(2) AY = 0
şi să presupunem că (1) admite o soluţie X0∈M(m,1;k). Atunci
X∈M(m,1;k) este o soluţie a sistemului liniar neomogen (1) dacă şi numai
dacă există Y∈M(m,1;k) soluţie a sistemului liniar omogen (2) astfel încât
X = Y+X0.
Demonstraţie. Să presupunem că X este o soluţie a sistemului liniar
neomogen (1). Atunci AX = B şi AX0 = B, deci A(X-X0) = 0. prin
urmare Y = X- X0 este o soluţie a sistemului liniar omogen (2). Avem
X = Y+X0.
Reciproc, dacă Y este o soluţie a sistemului liniar neomogen (1).
Într-adevăr AX = A(Y+X0) = AY+AX0 = 0+B = B, deci X verifică (1).

Observaţie. Rezultatul precedent oferă un nou procedeu de rezolvare a

sistemelor liniare omogene, în cazul în care se cunoaşte o soluţie
particulară. Această metodă este utilă în diversele aplicaţii ale algebrei
liniare, printre altele la studierea sistemelor d ecuaţii diferenţial liniare.

128
Exemplu. Se consideră sistemul liniar real
⎧ x1 + x 2 + x 3 = 2
⎪
(1) ⎨3x1 + x 2 + 2x 3 = 5 .
⎪ x + 3x + 2x = 3
⎩ 1 2 3

Sistemul (1) admite soluţia particulară (1,0,1). Soluţia generală a

sistemului liniar omogen asociat

⎧ x1 + x 2 + x 3 = 0
⎪
(2) ⎨3x1 + x 2 + 2x 3 = 0
⎪ x + 3x + 2x = 0
⎩ 1 2 3

este (a,a,-2a), unde a∈Ñ. Prin urmare orice soluţie a sistemului liniar

neomogen (1) este de forma (x1,x2,x3) = (a,a,-2a)+(1,0,1) = (a+1,a,-2a+1),

unde a∈Ñ.

METODA ELIMINĂRII GAUSS-JORDAN

Metoda eliminării a fost inventată de Carl Friedrich Gauss (1777-1855)

pentru rezolvarea sistemelor de ecuaţii liniare şi utilizată cu succes şi
Camille Jordan (1838-1855) la studierea matricilor. Ea permite prin
operaţii simple a soluţiilor sistemelor liniare, calcularea rangului şi
studierea inversabilităţii matricilor fără a face apel la calculul unor
determinanţi. Din punct de vedere computaţional procedeul oferă
avantajul obţinerii rapide a rezultatelor şi posibilitatea abordării unor
probleme în care dimensiunile să fie mai mari. Algoritmul Gauus-Jordan
poate fi scris cu uşurinţă în pseudocod, ceea ce permite programarea
imediată.

129
 ECHIVALENŢA PRIN LINII

Definiţie. Transformarea liniară L se numeşte operaţie elementară de

linie asupra unei matrici dacă este una dintre operaţiile liniare următoare:
1. Multiplicarea unei linii printr-un scalar nenul, de exemplu
înmulţirea liniei i prin scalarul c≠0; se scrie L=Li(c).
2. Inversiunea a două linii, de exemplu a liniilor i şi j; se scrie
L=Lij.
3. adunarea la o linie a uneia multiplicate cu un scalar, de
exemplu adunarea la linia i a liniei j, (j≠i), înmulţită c≠0; se
scrie L=Lij(c).

⎛ 0 1 − 2⎞
⎜ ⎟
⎜−1 0 1 ⎟
Exemplu. Fie A = ⎜ .
2 −1 0 ⎟
⎜ ⎟
⎜ 3 0 −1⎟
⎝ ⎠
⎛ −1 0 1 ⎞
⎜ ⎟
⎜ 0 1 − 2⎟
Avem L12 ( A) = ⎜ .
2 −1 0 ⎟
⎜ ⎟
⎜ 3 0 −1⎟
⎝ ⎠

Aplicând succesiv L12,L1(-1),…,L3(1/2) se obţine

⎛ 0 1 − 2⎞ ⎛−1 0 1 ⎞ ⎛1 0 −1⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ −1 0 1 ⎟ L12 ⎜ 0 1 − 2 ⎟ L1 ( −1) ⎜ 0 1 − 2 ⎟
⎜ 2 − 1 0 ⎟ ⎯⎯→⎜ 2 − 1 0 ⎟ ⎯⎯⎯→⎜ 2 − 1 0 ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ 3 0 −1⎟ ⎜ 3 0 −1⎟ ⎜ 3 0 −1⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠

130
 ⎛1 0 −1⎞ ⎛1 0 −1⎞ ⎛1 0 −1⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
31 ( −2 )
⎜ 0 1 − 2 ⎟ 41 ( −3 )
⎜ 0 1 − 2 ⎟ ⎜0 1 − 2⎟
⎯L⎯ ⎯→⎜ ⎯L⎯ ⎯→⎜ ⎯L⎯⎯→⎜
32 (1)

0 −1 2 ⎟ 0 −1 2 ⎟ 0 0 0 ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜3 0 −1⎟
⎝ ⎠
⎜0 0
⎝ 2 ⎟⎠ ⎜0
⎝ 0 2 ⎟⎠

⎛1 0 −1⎞ ⎛1 0 −1⎞
⎜ ⎟ ⎜ ⎟
⎜0 1 − 2 ⎟ L3 (1 / 2) ⎜ 0 1 − 2⎟
⎯⎯→⎜
L34
⎯⎯⎯→⎜ .
0 0 2 ⎟ 0 0 1 ⎟
⎜ ⎟ ⎜ ⎟
⎜0
⎝ 0 0 ⎠ ⎟ ⎜
⎝0 0 0 ⎟⎠

Definiţie. Două matrici A şi B care au acelaşi format se numesc echivalente

prin linii dacă B se obţine din A prin aplicarea succesivă a unui număr finit
de operaţii elementare de linie, adică
B = Lk…L2L1(A),

Unde L1,L2,…,Lk sunt operaţii elementare de linie. Se foloseşte notaţia

l
A~ B

7.25.3. Propoziţie. Echivalenţa prin linii este o relaţie de echivalenţă.

Demonstraţie. Este suficient să verificăm următoarele relaţii:
l
i. avem A ~ A .
l l
ii. dacă A ~ B , atunci B ~ A .
l l l
iii. dacă A ~ B şi B ~ C , atunci A ~ C .

Rangul unei matrici

Definiţie. [Frobenius, 1879] Rangul unei matrici A, notat rg (A), este

numărul de linii nenule al formei reduse Gauss-Jordan a matricii A.

131
 ⎛ 1 −2 0 5 1⎞
⎜ ⎟
⎜ −2 3 1 −9 2 ⎟
Exemplu: Considerăm A=⎜ 3 1 0 12 −1⎟ . Prin operaţii
⎜ ⎟
⎜ 2 2 1 8 2⎟
⎜ −1 −3 2 0 1 ⎟⎠
⎝
elementare de linie obţinem forma redusă Gauss-Jordan:

⎛ 1 −2 0 5 1⎞ ⎛ 1 −2 0 5 1 ⎞
⎜ ⎟ ⎜ ⎟
⎜ −2 3 1 −9 2 ⎟ ⎜ 0 −1 1 1 4 ⎟
A=⎜ 3 1 0 12 −1⎟ ⎯⎯⎯⎯⎯⎯⎯⎯
L21 (2), L31 ( −3), L42 (1), L51 (1)
→ ⎜ 0 7 0 −3 −4 ⎟
⎜ ⎟ ⎜ ⎟
⎜ 2 2 1 8 2⎟ ⎜ 0 5 2 −1 4 ⎟
⎜ −1 −3 2 0 1 ⎟⎠ ⎜ 0 −5 2 5 2 ⎟
⎝ ⎝ ⎠

⎛ 1 −2 0 5 1 ⎞
⎜ ⎟
⎜ 0 1 −1 −1 −4 ⎟
L2 ( −1), L32 (7), L42 (5), L54 (1)
⎯⎯⎯⎯⎯⎯⎯⎯ → ⎜ 0 0 7 4 24 ⎟
⎜ ⎟
⎜ 0 0 7 4 24 ⎟
⎜0 0 4 4 6 ⎟
⎝ ⎠

⎛ 1 −2 0 5 1 ⎞
⎜ ⎟
⎜ 0 1 −1 −1 −4 ⎟
L35 ( −2), L43 ( −1), L5 (1/ 2)
⎯⎯⎯⎯⎯⎯⎯ → ⎜ 0 0 −1 −4 12 ⎟
⎜ ⎟
⎜0 0 0 0 0 ⎟
⎜0 0 2 2 3 ⎟
⎝ ⎠

132
 ⎛ 1 −2 0 5 1 ⎞ ⎛ 1 −2 0 5 1 ⎞
⎜ ⎟ ⎜ ⎟
⎜ 0 1 −1 −1 −4 ⎟ ⎜ 0 1 −1 −1 −4 ⎟
L53 (2), L3 ( −1)
⎯⎯⎯⎯⎯ → ⎜ 0 0 1 4 −12 ⎟ ⎯⎯⎯⎯⎯
L45 , L4 (1/ − 6)
→ ⎜ 0 0 1 4 −12 ⎟
⎜ ⎟ ⎜ ⎟
⎜0 0 0 0 0 ⎟ ⎜ 0 0 0 1 −9 / 2 ⎟
⎜ 0 0 0 −6 27 ⎟ ⎜0 0 0 0 0 ⎟⎠
⎝ ⎠ ⎝

⎛ 1 −2 0 0 47 / 2 ⎞ ⎛1 0 0 0 37 / 2 ⎞
⎜ ⎟ ⎜ ⎟
⎜ 0 1 −1 0 −17 / 2 ⎟ ⎜0 1 0 0 −5 / 2 ⎟
L34 ( −4), L24 (1), L14 ( −5)
⎯⎯⎯⎯⎯⎯⎯ →⎜ 0 0 1 0 6 ⎟ ⎯⎯⎯⎯⎯
L23 (1), L12 (2)
→⎜ 0 0 1 0 6 ⎟
⎜ ⎟ ⎜ ⎟
⎜0 0 0 1 −9 / 2 ⎟ ⎜0 0 0 1 −9 / 2 ⎟
⎜0 0 0
⎝ 0 0 ⎠ ⎟ ⎜0
⎝ 0 0 0 0 ⎟⎠

aşadar rg(A) = 4.

Inversarea matricilor

Inversarea matricilor pătratice se bazează pe câteva rezultate rezumate

l
mai jos. Să considerăm A ∈ M(m × m,~ ) şi să notăm prin I=Im matricea
unitate de ordin m. Avem:
• L(A) = EA, unde E = L(Im).
l
• Dacă A ~ B , atunci există P un produs de matrici elementare astfel
încât B = PA. În particular matricea P este inversabilă.
l
• Dacă (A | B) ~ (B | P) , atunci B = PA.
l
• Dacă (A |I) ~ (I | P) , atunci A este inversabilă şi P = A+1.

Să observăm că putem stabili dacă matricea A este inversabilă analizând

forma sa Gauss-Jordan. Dacă aceasta are m linii nenule , matricea a este

133
inversabilă. Dacă numărul acestor linii este strict mai mic decât ordinul
matricii, atunci A nu este inversabilă.

⎛ −2 1 0 3 ⎞
⎜ ⎟
3 −2 1 7 ⎟
Exemplu: Fie A = ⎜ . Studiem mai întâi inversabilitatea
⎜ 1 −1 2 0 ⎟
⎜⎜ ⎟⎟
⎝ −1 7 1 −2 ⎠
matricii.

Aplicând operaţii elementare de linie obţinem succesiv:

⎛ 1 −1 2 0⎞ ⎛ 1 −1 2 0 ⎞
⎜ ⎟ ⎜ ⎟
3 −2 1 7 ⎟ L21 ( −3), L31 (2), L41 (1) ⎜ 0 1 −5 7 ⎟
A ⎯⎯→ ⎜
L13
⎯⎯⎯⎯⎯⎯⎯ →
⎜ −2 1 0 3⎟ ⎜ 0 −1 4 3 ⎟
⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟
⎝ −1 7 1 −2 ⎠ ⎝ 0 6 3 −2 ⎠

⎛ 1 −1 2 0 ⎞ ⎛ 1 −1 2 0 ⎞
⎜ ⎟ ⎜ ⎟
0 1 −5 7 ⎟ L4 (1/11) ⎜ 0 1 −5 7 ⎟
L32 (1), L42 ( −6)
⎯⎯⎯⎯⎯ →⎜ ⎯⎯⎯⎯ →
⎜ 0 0 −1 10 ⎟ ⎜ 0 0 −1 10 ⎟
⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟
⎝ 0 0 33 −44 ⎠ ⎝ 0 0 3 −4 ⎠

⎛ 1 −1 2 0 ⎞ ⎛ 1 −1 2 0 ⎞
⎜ ⎟ ⎜ ⎟
⎜ 0 1 −5 7 ⎟ L4 (1/ 26), L3 ( −1) ⎜ 0 1 −5 7 ⎟
⎯⎯⎯
L43 (3)
→ ⎯⎯⎯⎯⎯→
⎜ 0 0 −1 10 ⎟ ⎜ 0 0 1 −10 ⎟
⎜⎜ ⎟⎟ ⎜⎜ ⎟
⎝ 0 0 0 26 ⎠ ⎝0 0 0 1 ⎟⎠

⎛ 1 −1 2 0⎞ ⎛ 1 −1 2 0⎞
⎜ ⎟ ⎜ ⎟
0 1 −5 7 ⎟ L23 (5), L24 ( −7) ⎜ 0 1 0 0⎟
L34 ( −10)
⎯⎯⎯⎯ →⎜ ⎯⎯⎯⎯⎯ →
⎜0 0 1 0⎟ ⎜0 0 1 0⎟
⎜⎜ ⎟⎟ ⎜⎜ ⎟
⎝0 0 0 1⎠ ⎝0 0 0 1 ⎟⎠

134
 ⎛1 1 1 0⎞
⎜ ⎟
0 1 0 0⎟
L12 (1), L13 ( −2)
⎯⎯⎯⎯⎯ →⎜ ,
⎜0 0 1 0⎟
⎜⎜ ⎟
⎝0 0 0 1 ⎟⎠

ceea ce arată că matricea A este inversabilă.

Aplicând acum algoritmul Gauss-Jordan matricii extinse ( A I 4 ) se obţine:

⎛ −2 1 0 3 1 0 0 0⎞ ⎛ 1 −1 2 0 0 0 1 0⎞
⎜ ⎟ ⎜ ⎟
⎜ 3 −2 1 7 0 1 0 0 ⎟ L13 ⎜ 3 −2 1 7 0 1 0 0⎟
(A I) = ⎯⎯→
⎜ 1 −1 2 0 0 0 1 0⎟ ⎜ −2 1 0 3 1 0 0 0⎟
⎜⎜ ⎟⎟ ⎜⎜ ⎟
⎝ −1 7 1 −2 0 0 0 1⎠ ⎝ −1 7 1 −2 0 0 0 1 ⎟⎠

⎛ 1 −1 2 0 0 0 1 0⎞
⎜ ⎟
0 1 −5 7 0 1 −3 0⎟
L21 ( −3), L31 (2), L41 (1)
⎯⎯⎯⎯⎯⎯⎯ →⎜
⎜ 0 −1 4 3 1 0 2 0⎟
⎜⎜ ⎟
⎝ 0 6 3 −2 0 0 1 1 ⎟⎠

⎛ 1 −1 2 0 0 0 1 0⎞
⎜ ⎟
L32 (1), L42 ( −6) ⎜ 0 1 −5 7 0 1 −3 0 ⎟
⎯⎯⎯⎯⎯ →
⎜ 0 0 −1 10 1 1 −1 0 ⎟
⎜⎜ ⎟⎟
⎝ 0 0 33 −44 0 −6 19 1 ⎠

⎛ 1 −1 2 0 0 0 1 0 ⎞
⎜ ⎟
⎜ 0 1 −5 7 0 1 −3 0 ⎟
⎯⎯⎯⎯
L4 (1/11)
→
⎜ 0 0 −1 10 1 1 −1 0 ⎟
⎜⎜ ⎟⎟
⎝ 0 0 3 −4 0 −6 /11 19 /11 1/11⎠

135
 ⎛ 1 −1 2 0 0 0 1 0 ⎞
⎜ ⎟
⎜ 0 1 −5 7 0 1 −3 0 ⎟
⎯⎯⎯
L43 (3)
→
⎜ 0 0 −1 10 1 1 −1 0 ⎟
⎜⎜ ⎟⎟
⎝ 0 0 0 26 3 27 /11 −14 /11 1/11⎠

⎛ 1 −1 2 0 0 0 1 0 ⎞
⎜ ⎟
L4 (1/ 26), L3 ( −1) ⎜ 0 1 −5 7 0 1 −3 0 ⎟
⎯⎯⎯⎯⎯→
⎜ 0 0 1 −10 −1 −1 1 0 ⎟
⎜⎜ ⎟
⎝0 0 0 1 3 / 26 27 / 286 −7 /143 1/ 286 ⎟⎠

⎛ 1 −1 2 0 0 0 1 0 ⎞
⎜ ⎟
0 1 −5 7 0 1 −3 0 ⎟
⎯⎯⎯→ ⎜
L34 (10)
⎜0 0 1 0 2 /13 −8 /143 73 /143 5 /143 ⎟
⎜⎜ ⎟
⎝0 0 0 1 3 / 26 27 / 286 −7 /143 1/ 286 ⎟⎠

⎛ 1 −1 2 0 0 0 1 0 ⎞
⎜ ⎟
0 1 0 0 −1/ 26 17 / 286 −15 /143 43 / 286 ⎟
L23 (5), L24 ( −7)
⎯⎯⎯⎯⎯ →⎜
⎜0 0 1 0 2 /13 −8 /143 73 /143 5 /143 ⎟
⎜⎜ ⎟
⎝0 0 0 1 3 / 26 27 / 286 −7 /143 1/ 286 ⎟⎠

⎛1 0 0 0 −9 / 26 49 / 286 −18 /143 23 / 286 ⎞

⎜ ⎟
0 1 0 0 −1/ 26 17 / 286 −15 / 286 43 / 286 ⎟
L12 (1), L13 ( −2)
⎯⎯⎯⎯⎯ →⎜ .
⎜0 0 1 0 2 /13 −8 /143 73 /143 5 /143 ⎟
⎜⎜ ⎟
⎝0 0 0 1 3 / 26 27 / 286 −7 /143 1/ 286 ⎟⎠

136
De aici obţinem inversa matricii considerate:

⎛ −9 / 26 49 / 286 −18 /143 23 / 286 ⎞

⎜ ⎟
−1/ 26 17 / 286 −15 /143 43 / 286 ⎟
A−1 = ⎜ .
⎜ 2 /13 −8 /143 73 /143 5 /143 ⎟
⎜⎜ ⎟
⎝ 3 / 26 27 / 286 −7 /143 1/ 286 ⎟⎠

⎛1 1 1 ⎞
⎜ ⎟
Exemplu: Considerăm A = ⎜ 1 2 3 ⎟ . Prin algoritmul Gauss-Jordan se
⎜1 3 6 ⎟
⎝ ⎠
obţine:

⎛1 1 1 1 0 0 ⎞ ⎛1 1 1 1 0 0⎞
( A I ) = ⎜1 2 3 0 1 0 ⎟ ⎯⎯⎯⎯⎯→ ⎜ 0 1 2 −1 1 0 ⎟⎟
⎜ ⎟ L21 ( −1), L31 ( −1) ⎜
⎜1 3 6 0 0 1 ⎟ ⎜ 0 2 5 −1 0 1 ⎟
⎝ ⎠ ⎝ ⎠

⎛1 1 1 1 0 0⎞ ⎛1 1 1 1 0 0 ⎞
⎜
L32 ( −2) ⎟ L23 ( −2) ⎜ ⎟
⎯⎯⎯→ ⎜ 0 1 2 −1 1 0 ⎟ ⎯⎯⎯→ ⎜ 0 1 0 −3 5 −2 ⎟
⎜ 0 0 1 1 −2 1 ⎟ ⎜ 0 0 1 1 −2 1 ⎟
⎝ ⎠ ⎝ ⎠

⎛ 1 0 0 3 −3 1 ⎞
⎜
L12 ( −1), L13 ( −1)⎟
⎯⎯⎯⎯⎯→ ⎜ 0 1 0 −3 5 −2 ⎟ .
⎜ ⎟
⎝ 0 0 1 1 −2 1 ⎠

⎛ 3 −3 1 ⎞
⎜−1 ⎟
Prin urmare matricea este inversabilă şi A = ⎜ −3 5 −2 ⎟ .
⎜ 1 −2 1 ⎟
⎝ ⎠

137
 Rezolvarea sistemelor liniare

Metoda eliminării Gauss-Jordan permite rezolvarea sistemelor liniare fără a

recurge la calculul determinanţilor, ceea ce este avantajos din punct de
vedere computaţional.

7.25.4. Propoziţie. Fie ( A B) şi ( A′ B′) două matrici extinse de ordin

m × ( n + 1) . Dacă ele sunt echivalente prin linii, atunci sistemele liniare
corespunzătoare AX = B şi A’X = B’ sunt echivalente.

Demonstraţie. Este suficient să observăm că există o matrice

elementară E astfel încât ( A B ) = E ( A′ B′ ) .

Presupunem că matricea Z este o soluţie a sistemului, adică AY =

B. Atunci au loc relaţiile
A′ = EA, B′ = EB si AY = B
prin urmare
A′Y = ( EA)Y = E ( AY ) = EB = B ′ ,
deci Y este şi o soluţie a sistemului A′X = B′ .
Datorită simetriei raţionamentului precedent, orice soluţie a
sistemului A′X = B ′ verifică şi sistemul AX = B .□

7.25.5.Teoremă. Fie AX = B un sistem de ecuaţii liniare unde

A∈M(m,n; Â) iar B este o matrice coloană din M(m,1; Â). Atunci

( )
1. Dacă r A B > r(A), atunci sistemul este incompatibil.

( )
2. Dacă r A B = r(A) = n, atunci sistemul admite soluţie unică.

3. Dacă r A B( ) = r(A) = r < n, atunci sistemul admite o

infinitate de soluţii care depind de n-r parametri.

138
Demonstraţie. 1. Fie ( A′ B′ ) redusa lui Gauss-Jordan a matricii

extinse ( A B ) . Deoarece r ( A B ) > r(A), matricea ( A′ B′ ) are mai

multe linii decât A′ . Aşadar sistemul A′X = B′ conţine cel puţin o

ecuaţie de forma
0·x1+···+0·xn = b,
cu b ≠ 0, deci sistemul este incompatibil.

2-3. Să presupunem acum r ( A B ) > r(A) = r. Atunci rezolvarea

sistemului AX = B este echivalentă cu considerarea celor r linii ale

sistemului A′X = B ′ . Variabilele corespunzătoare coloanelor pivot
ale matricii A’ sunt numite variabile pilot. Să presupunem că
aceasta sunt xj1,…,xjr.

Dacă r = n, sistemul A′X = B′ este de forma

x1 = b1'
x2 = b2'
O M
xn = bn'
care admite o singură soluţie.
Dacă r < n, există n-r variabile ce nu sunt pivot. Acestea sunt
numite variabile libere. Fără a restrânge generalitatea, putem
presupune că j1 = 1,…,jr = r. În acest caz sistemul A’X = B’ arată
astfel:
n
x1 + ∑ α1i xi = b1'
i = r +1
n
x2 + ∑ α 2i xi = b2'
i = r +1

O M
n
xr + ∑ α ri xi = br'
i = r +1

139
 Prin urmare variabilele pivot se obţin atunci în funcţie de matricea
B’ şi de variabilele libere xr+1,…,xn.

Exemplu : Considerăm sistemul liniar

⎧ x1 + x2 − 4 x3 = −2
⎪
⎨3 x1 + x2 − x3 = 2
⎪ + 3x3 =
⎩2 x1 4

Avem

⎛ 1 1 − 4 −2 ⎞ ⎛ 1 1 −4 − 2 ⎞
( A B ) = ⎜ 3 1 −1 2 ⎟ ⎯⎯⎯⎯⎯→ ⎜ 0 −2 11 8 ⎟⎟
⎜ ⎟ L21 ( −3), L31 ( −1) ⎜
⎜1 0 3 4 ⎟ ⎜ 0 −2 11 8 ⎟
⎝ ⎠ ⎝ ⎠

⎛1 1 −4 −2 ⎞
⎜ ⎟
→ ⎜ 0 1 −11/ 2 −4 ⎟ = ( A′ B′ ) .
L2 ( −1/ 2), L32 ( −1)
⎯⎯⎯⎯⎯⎯
⎜0 0 0 0 ⎟⎠
⎝

Prin urmare r ( A B ) = r ( A ) 2 < 3 = n . Conform teoremei 1.3 sistemul este

compatibil şi admite o infinitate de soluţii. Din calculul precedent reiese

că sistemul este echivalent cu

x1 + x2 − 4 x3 = −2
.
x2 − 11/ 2 x3 = −4

Variabilele pivot sunt x1 şi x2, iar x3 este variabilă liberă. Soluţia sistemului
este

140
 ⎛ 3 ⎞
⎜ 2− 2λ ⎟
⎛ x1 ⎞ ⎜ ⎟
⎜ ⎟ ⎜ 11 ⎟
⎜ x2 ⎟ = ⎜ −4 + 2 λ ⎟ , unde λ este un parametru complex.
⎜x ⎟ ⎜ ⎟
⎝ 3⎠ λ
⎜⎜ ⎟⎟
⎝ ⎠

141
142
EXERCIŢII

⎧ x1 + x 2 = 1
⎪
143. Să se arate că sistemul liniar peste Ñ ⎨ x1 − x 2 = 2 este incompatibil.
⎪3x + x = 0
⎩ 1 2

⎧ x1 + x 2 − x 3 =2
⎪ x −x +x =0
⎪ 1 2 3
144. Să se arate că sistemul liniar peste Ñ ⎨ este
⎪ 1− x + 3x 2 + x 3 =6
⎪⎩ x1 + 3x 2 + x 3 =8

compatibil.

145. Fie k un corp comutativ şi n∈Í*. Să considerăm A∈M(n,n;k),

B∈M(n,1;k). Atunci:
a) Dacă A este o matrice inversabilă la stânga atunci sistemul liniar
AX=B admite cel mult o soluţie.
b) Dacă A este o matrice inversabilă de la dreapta atunci sistemul
liniar AX=B admite cel puţin o soluţie.

146. Fie A∈GL(n;k), B∈M(n,1;k). Să se arate că sistemul liniar AX=B admite

soluţie unică.

147. Să se rezolve sistemele liniare reale

⎧ x1 − x 2 + x 3 = 0
⎪
a) ⎨ 2x1 + x 2 + x 3 = 8
⎪ x + 3x − x = 10
⎩ 1 2 3

143
 ⎧ 2x1 − x 2 + x 3 = 0
⎪
b) ⎨ x1 + x 2 + 3x 3 = 1
⎪ 6x + 3x + 8x = 2.
⎩ 1 2 3

148. Să se rezolve sistemul liniar real

⎧2x1 − x 2 + 3x 3 = 9
⎪
⎨3x1 − 5x 2 + x 3 = −4
⎪4x − 7x + x = 5.
⎩ 1 2 3

149. Să se rezolve sistemul liniar real

⎧2x1 + 5x 2 + 4x 3 + x 4 = 20
⎪ x + 3x + 2x + x = 11
⎪ 1 2 3 4
⎨
2x
⎪ 1 + 10x 2 + 9x 3 + 7x 4 = 40
⎪⎩3x1 + 8x 2 + 9x 3 + 2x 4 = 37.

150. Să se rezolve sistemul liniar real

⎧7x1 + 9x 2 + 4x 3 + 2x 4 = 2
⎪2x − 2x + x + x = 6
⎪ 1 2 3 4
⎨
5x
⎪ 1 + 6x 2 + 3x 3 + 2x 4 = 3
⎪⎩2x1 + 3x 2 + x 3 + x 4 = 0.

151. Să se rezolve sistemul liniar real

⎧ x1 − 2x 2 + 3x 3 − x 4 = 6
⎪2x + 3x − 4x + 4x = −7
⎪ 1 2 3 4
⎨ .
⎪3x1 + x 2 − 2x 3 − 2x 4 = 9
⎪⎩ x1 − 3x 2 + 7x 3 + 6x 4 = −7

⎧3x1 + 2x 2 = 6
⎪
152. Să se determine m∈Ñ astfel încât sistemul liniar real ⎨ x1 + 4x 2 = 3
⎪2x + x = m
⎩ 1 2

să fie compatibil.

144
153. Să se rezolve sistemul liniar real
⎧ x1 + 2x 2 − x 3 = 3
⎨
⎩ x1 − 3x 2 + 4x 3 = 2.

154. Să se rezolve sistemul liniar peste k=Ù3

⎧ x1 + 2x 2 + x 3 = 0
⎪
⎨2x1 + 2x 2 + x 3 = 1
⎪ x 2 + 2x 3 = 1.
⎩

155. Să se rezolve sistemul liniar real

⎧ x1 + 2x 2 + x 3 = 0
⎪
⎨2x1 + 2x 2 + x 3 = 1
⎪ x 2 + 2x 3 = 1.
⎩

156. Să se rezolve sistemul liniar real

⎧ x1 + x 2 − 2x 3 − x 4 + x 5 = 1
⎪
⎨3x1 − x 2 + x 3 + 4x 4 + 3x 5 = 4
⎪ x + 5x − 9x − 8x + x = 0.
⎩ 1 2 3 4 5

157. Să se determine m∈Ñ astfel încât sistemul liniar real

⎧2x1 − x 2 + x 3 + x 4 = 1
⎪
⎨ x1 + 2x 2 − x 3 + 4x 4 = 1
⎪ x + 7x − 4x + 11x = m
⎩ 1 2 3 4

să fie compatibil şi, în acest caz, să se rezolve.

158. Să se discute după parametrul real m şi, în cazurile de

compatibilitate, să se rezolve sistemul liniar real
⎧( 3 − 2m) x1 + ( 2 − m) x 2 + x3 = m
⎪
⎨( 2 − m) x1 + ( 2 − m) x 2 + x3 = 1
⎪
⎩ x1 + x 2 + ( 2 − m ) x 3 = 1.

145
159. Să se discute după parametrul a∈Â şi, în caz de compatibilitate, să se

rezolve sistemul liniar peste Â

⎧ x + ay + a 2 z = 0
⎪
⎨ ax + y + az = 0
⎪ −2
⎩a x + ay + z = 0.

160. Să se discute după parametrii reali a, b, c şi, în caz de

compatibilitate, să se rezolve sistemul liniar real
⎧ x+ y+ z= 9
⎪3x − y + 2z = 10
⎪
⎨
⎪2x + 7y − 3z = 8
⎪⎩ax − by + cz = 20.

161. Fie k un corp comutativ si A∈M(n, m;k). Să se arate că sistemul liniar

omogen AX=0 admite soluţii nenule din M(m,1;k) daca şi numai dacă rg(A)
≠m.

162. Fie A∈M(n,n;k). Să se arate că sistemul liniar omogen AX=0 admite

soluţii nenule din M(n,1;k) dacă şi numai dacă det(A)=0.

163. Fie a, b, c, d∈Ñ. Să se arate că sistemul liniar omogen

⎧ ax1 + bx 2 + cx 3 + dx 4 =0
⎪−bx + ax + bx − cx =0
⎪ 1 2 3 4
⎨
⎪−cx1 − dx 2 + ax 3 + bx 4 =0
⎪⎩−dx1 + cx 2 − bx 3 + ax 4 =0

admite soluţii nenule dacă şi numai a=b=c=d=0.

164. Să se arate că mulţimea soluţiilor unui sistem liniar neomogen nu

formează un spaţiu vectorial.

146
165. Să se rezolve sistemul liniar real
⎧2x1 + x 2 − 4x 3 = 0
⎪
⎨3x1 + 5x 2 − 7x 3 = 0
⎪4x − 5x − 6x = 0.
⎩ 1 2 3

166. Fie a, b, c∈Ñ. Să se rezolve sistemul liniar

⎧ x1 + ax 2 + a3 x 3 = 0
⎪
⎨ x1 + bx 2 + b x 3 = 0
3

⎪
⎩ x1 + cx 2 + c x 3 = 0.
3

Discuţie

⎛ 1 1 1 0 ... 0 ⎞
⎜ 0 1 1 1 ... 0 ⎟
⎜ ⎟
⎜ ... ... ... ... ... ... ⎟
167. Fie A= ⎜ ⎟ ∈M(50,50;Ñ). Să se arate că
⎜ 0 0 0 0 ... 111⎟
⎜ 1 0 0 0 ... 011⎟
⎜⎜ ⎟⎟
⎝ 1 1 0 0 ... 001⎠

det(A)≠0.

168. Să se rezolve sistemul liniar real

⎧ x1 + 2x 2 + x 3 + x 4 = 0
⎪
⎨2x1 + 5x 2 + x 3 + 5x 4 = 0
⎪3x + 8x + x + 9x = 0.
⎩ 1 2 3 4

169. Să se discute după parametrul real a si să se discute sistemul liniar

real
⎧( 2 − a ) x 1 + x2 + x3 = 0
⎪
⎨ x1 + ( 2 − a ) x 2 + x3 = 0
⎪
⎩ x1 + x 2 + ( 2 − a ) x 3 = 0.

147
170. Să se rezolve sistemul liniar real
⎧2x1 + 3x 2 − x 3 + 5x 4 =0
⎪3x − x + 2x − 7x =0
⎪ 1 2 3 4
⎨
4x
⎪ 1 + x 2 − 3x 3 + 6x 4 =0
⎪⎩ x1 − 2x 2 + 4x 3 − 7x 4 = 0.

171. Să se rezolve sistemul liniar real

⎧ 2x1 − x 2 + 3x 3 + −4x 4 + 2x 5 − x 6 = 0
⎪ x + 3x − 2x + 6x + x + 2x = 0
⎪ 1 2 3 4 5 6

⎪−
⎪ 2x 1 − x 2 + 7x 3 − x 4 − 4x 5 + x 6 = 0
⎨
⎪ x1 + x 2 + 8x 3 + x 4 − x 5 + 2x 6 = 0
⎪ x1 + 2x 2 + 31x 3 + 2x 4 − 7x 5 + 7x 6 = 0
⎪
⎪⎩ x1 − x 2 + 8x 3 − 2x 4 + 2x 5 − x 6 = 0.

172. Să se rezolve sistemul liniar real

⎧ x1 + nx 2 + nx 3 + ... + nx n = 0
⎪nx + 2x + nx + ... + nx n = 0
⎪ 1 2 3

⎪⎪nx1 + nx 2 + 3x 3 + ... + nx n = 0
⎨
⎪...............................................
⎪nx1 + nx 2 + nx 3 + ... + ( n − 1) x n−1 + nx n = 0
⎪
⎪⎩ x1 + x 2 + x 3 + ... + x n−1 + x n = 0.

148
 CAPITOLUL VIII
Spaţii euclidiene

Spaţiile vectoriale Ñn au o bogată structură geometrică. Acest fenomen

este posibil datorită definirii adecvate a conceptelor de “distanţă” şi de

“unghi”. Pentru cazurile n =2 şi n =3 am arătat (în capitolul al II –lea) că
aceste concepte pot fi prezentate cu ajutorul produsului scalar a doi

vectori. În acest caz vom considera spaţiile vectoriale înzestrate cu o

aplicaţie biliniară, simetrică şi pozitiv definită(adică înzestrate cu un
produs scalar). Aceste spaţii, numite spaţii vectoriale euclidiene, posedă o
bogată structură. Spaţiile euclidiene constituie cadrul natural al multor
probleme de geometrie, analiză, algebră şi altele. Vom expune
principalele propietăţi ale acestor spaţii, precum şi cîteva dintre aplicaţiile
lor.

§26. Spaţii euclidiene. Normă. Unghi

Definiţie. Fie Õ un Ñ-spaţiu vectorial. O aplicaţie ( , ):Õ × Õ → Ñ se

numeşte produs scalar pe Õ dacă sunt satisfăcute următoarele condiţii:

10 (x, y ) = (y, x ) pentru orice x, y ∈ Õ

20 (x,by + cz ) = b(x, y ) + c(x, z ) pentru orice x, y, z ∈ Õ şi pentru

orice b, c ∈ Ñ.

149
 30. (x, x ) ≥ 0 pentru orice x ∈ Õ şi (x, x ) = 0 dacă şi numai dacă
x = 0.

Observaţii i)Din condiţiile 10 şi 20 rezultă că (ax + by, z ) = a(x, y ) + b(y, z )

pentru oricare x, y, z ∈ Õ şi pentru orice a,b ∈ Ñ.

ii) Condiţiile 10, 20 şi 30 arată că produsul scalar este o aplicaţie

simetrică (10), biliniară (adică liniară în fiecare variabilă (20+10)) şi
pozitiv definită(30).
iii) Produsul scalar (x, y ) este frecvent notat şi x, y .

Exemplu. Fie Õ = Ñn, x = (x1,...,xn), y = (y1,...,yn)∈ Ñn. Atunci

(x, y ) = x1y1+...+xnyn defineşte un produs scalar. Într-adevăr, fie x, y, z ∈ Ñn

şi b,c∈ Ñ. Atunci

10 (x,y) = x1y1+...+xnyn = y1x1+...+ynxn = (y,x).

20(x,by+cz) = x1(by1+cz1)+...+xn(byn+czn)=b(x1y1+...+xnyn)+c(x1z1+...+
+xnzn)=b(x,y)+c(x,z)
30(x,x)=xi2+...+xi2 ≥ 0 deoarece xi2 ≥ 0 pentru orice xi ∈ Ñ. De

asemenea (x, x)=0 dacă şi numai dacă xi2 = xi2 = 0, adică x1 = ... = xn
= 0, adică x = (0,...,0).

Prin urmare a fost justificată denumirea de ”produs scalar„ utilizată în

capitolul al III-lea (§9).

Definiţie. Un Ñ-spaţiu vectorial Ä înzestrat cu un produs scalar se numeşte

spaţiu euclidian.

Dacă x∈ Ä numărul real x = (x, x ) se numeşte norma vectorului x.

150
Dacă x, y∈ Ä numărul real d(x, y)= x − y se numeşte distanţa de la x la y.

Exemplu. Să considerăm x = (x1,...,xn), y = (y1,...,yn)∈ Ñn. Atunci:

n n 2

x = ∑x
j=1
2
(x, y ) =
j ,d ∑ (x
j=1
j − yj)

8.26.1. Teoremă. Fie Ä un spaţiu euclidian. Atunci:

(x, y ) ≤ x . y pentru orice x,y∈ Ä.

Demonstraţie. Fie x,y∈ Ä. Dacă y = 0 atunci ambii membri ai

inegalităţii sunt nuli.

Să presupunem că y ≠ 0. Fie a un număr real. Atunci:

= (x + ay, x + ay ) = x + 2a(x, y ) + a 2 y
2 2 2 2
x + ay ≥ 0. Dar x + ay
2
este un polinom de gradul doi în a. Cum x + ay ≥ 0 pentru orice

Δ a′ = (x, y )2 − x . y
2 2
a∈ Ñ rezultă că ≤ 0. Prin urmare

(x, y ) ≤ x.y.

Observaţie. Fie x,y∈ Ä\ {o} .Atunci din inegalitatea lui Schwarz rezultă

−1 ≤
( x , y ) ≤ 1. Deci putem interpreta numărul real
( x, y ) drept
x. y x. y

cosinusul unui număr real din intervalul [0, Π ]

(x, y )
Definiţie. Fie x, y ∈ Ä\ {0} . Numărul real [0, Π ] astfel încât cos θ = se
x.y

numeşte unghiul dintre x si y.

151
Exemplu. Fie x,y∈ Ñn\ {0} . Atunci unghiul dintre x şi y este

x1y 1 + ... + x n y n
θ = arccos .
x12 + ... + x n2 . y12 + ... + y n2

Definiţie. Fie x,y doi vectori din spaţiul euclidian Ä. Vectorii x şi y se

numesc perpendiculari dacă (x,y)=0

8.26.2.Lemă. Fie Ä un spaţiu euclidian şi x, y∈ Ä. Atunci vectorii x şi y

2 2 2
sunt perpendiculari dacă şi numai dacă x + y = x + y .

= (x + y, x + y ) = x + 2(x, y ) + y .
2 2 2
Demonstraţie. x+y Prin
2 2 2
urmare x+y = x + y dacă şi numai dacă 2(x,y)=0, adică

(x,y)=0, deci dacă şi numai dacă vectorii x şi y sunt perpendiculari.

§27.Inegalităţi

Una dintre cele mai importante proprietăţi ale spaţiilor euclidiene este
inegalitatea lui Schwarz: (x, y ) ≤ x ⋅ y . Ea permite, printre altele,

definirea unei metrici, deci introducerea unei topologii pe un spaţiu

euclidian. În acest paragraf vom arăta cum din considerarea inegalităţii lui
Schwarz şi a consecinţelor acesteia pentru diverse spaţii euclidiene
particulare se obţin inegalităţi clasice referitoare la numere reale,
configuraţii geometrice, integrale Riemann, sisteme algebrice şi altele.
Vom deduce şi alte inegalităţi remarcabile referitoare la spaţiile
euclidiene. Aceste inegalităţi permit obţinerea unor noi inegalităţi
elementare.

152
8.27.1.Propoziţie. Fie Ä un spaţiu Euclidian. Atunci

x + y ≤ x + y pentru orice x,y∈ Ä.

Demonstraţie. Fie x,y∈ Ä. Vom utiliza inegalitatea lui Schwarz.

Deoarece (x, y ) ≤ x ⋅ y rezultă că (x, y ) ≤ x ⋅ y . Prin urmare

= (x + y, x + y ) ≤ x =(x + y )2 ,
2 2 2
x+y +2 x ⋅ y + y deci

x+y ≤ x + y.

8.27.2.Corolar. Fie x1,…,xn,y1,…,yn ∈ Ñ. Atunci:

n n n
i) ∑
i=1
xiy i ≤ ∑
i=1
x 2i ⋅ ∑y
i=1
2
i .

n n n
ii) ∑ (x i + y i )2
i=1
≤ ∑
i=1
x 2i + ∑y
i=1
2
i .

Demonstraţie. Să observăm că Ñn este un spaţiu Euclidian. Fie

x=(x1,...,xn), y=(y1,...,yn)∈ Ñn. Atunci:

n n n
(x, y ) = ∑ x i y i , x = ∑x 2
i , y = ∑y 2
i . Prin urmare i) devine
i=1 i=1 i=1

(x, y ) ≤ x ⋅ y (adică inegalitatea lui Schwarz), iar ii) devine

x + y ≤ x + y (adică inegalitatea triunghiului).

Observaţie. Inegalitatea triunghiului permite definirea adecvată a

distanţei dintre două puncte ale unui spaţiu euclidian.

Definiţie. Fie Ä un spaţiu euclidian şi fie x,y∈ Ä.Numărul real

d(x, y ) = x − y se numeşte distanţa dintre x si y.

153
8.27.3.Propoziţie.(“Caracterizarea distanţei”). Fie Ä un spaţiu euclidian

şi fie x,z,y,∈ Ä. Atunci:

10 d(x,y) = d(y,x).
20 d(x,y) ≤ d(x,z)+d(z,y).
30 d(x,y) ≥ 0 şi d(x,y) = 0 dacă şi numai dacă x = y.

Demonstraţie.

10 d(x, y ) = x − y = (x − y, x − y ) = (y − x, y − x ) = y − x = d(y, x ).

20 Din inegalitatea triunghiului obţinem

d(x, y ) = x − y = (x − z ) + (z − y ) ≤ x − z + z − y = d(x, z ) + d(z, y ).

30 d(x, y ) ≥ 0 Deoarece u ≥ 0 pentru orice u∈ Ä. De asemenea

d(x,y) = 0 dacă şi numai dacă x-y = 0, adică x = y

Exemple de distanţe.
1) Fie x = (x 1, x 2 ), y = (y 1, y 2 ) ∈ Ñ2.

Atunci d(x, y ) = (x 1 − y 1 )2 + (x 2 − y 2 )2 , ceea ce corespunde cu

“distanţa” uzuală.
2) Fie x = (x1,x2,x3), y = (y1,y2,y3) ∈ Ñ3.

Atunci d(x, y ) = (x 1 − y 1 )2 + (x 2 − y 2 )2 + (x 3 − y 3 )2 .

Observaţie. În Ñ2 se pot defini şi alte “distanţe” ce satisfac condiţiile 10,

20, 30 din propoziţia precedentă De exemplu

d1 (x, y ) = x 1 − y 1 + x 2 − y 2 .

154
8.27.4 Propoziţie. Fie C ([a,b]) mulţimea funcţiilor continue
b
f:[a,b] → Ñ. Pentru f, g ∈ C([a, b]) definim f, g = f (t )g(t )dt. Atunci , ∫ a

este un produs scalar pe C([a, b]).

Demonstraţie. Simetria şi biliniaritatea rezultă din comutativitatea
înmulţirii numerelor reale, respectiv din liniaritatea integralei
Riemann
b
Dacă f ∈ C([a, b]) atunci f, f = ∫ a
f 2 (t )dt ≥ 0 deoarece [f (t )]2 ≥0

pentru orice t ∈ [a, b] . Dacă f, f = 0 atunci f 2 (t ) = 0 aproape peste

tot pe [a, b] . Cum f este continuă pe [a, b] rezultă că f = 0 pe [a, b] .

8.27.5.Corolar. Fie f, g ∈ C([a, b]). Atunci:

b b 2 b 2
10 ∫ f (t )g(t )dt ≤ ∫ f (t ) dt ⋅ ∫ g(t ) dt .
a a a

b b b
∫ [f(t) + g(t)] dt ≤ ∫ f (t )2 dt + ∫ g(t )2 dt .
2
20
a a a

Demonstraţie. C([a, b]) este un spaţiu euclidian, produsul scalar

fiind cel definit în propoziţia precedentă. Inegalităţile 10 şi 20 devin

f, g ≤ f ⋅ g (inegalitatea lui Schwarz) şi f+g ≤ f + g

(inegalitatea triunghiului).

8.27.6.Propoziţie. Fie Ä un spaţiu euclidian şi fie v 1,..., v n ∈ Ä astfel

încât (v i , v j ) = δ ij . Atunci:

a) Vectorii v 1,..., v n sunt liniar independenţi.

n n
b) Dacă x ∈ Ä atunci x − ∑ (x, v i )v i
i =1
≤ x− ∑a v
i =1
i i , pentru orice

a 1,..., a n ∈ Ñ.

155
 Demonstratie. a) Fie b1,…,bn ∈ Ñ astfel încât b 1v 1 + ... + b n v n = 0.

Atunci (b1v 1 + ... + b n v n , v i ) = b i (v i , v 1 ) = b i =0 pentru orice i =

1,2,…,n. Deci vectorii v1,…,vn sunt liniar independenţi.
n
b) Fie c1 = (x, v i ),.y = x − ∑ c v . Atunci:
i=1
i i

n
(y, v j ) = (x, v j ) − ∑ ci (v i, v j ) =cj − cj (v j, v j ) = 0
i =1

n
⎛ n
⎞ n
Deoarece x − ∑i =1
a i v i = ⎜⎜ x −
⎝
∑ i =1
c i v i ⎟⎟ +
⎠
∑ (c
i=1
i − a i )v i = y + z şi (x,z)=0

din teorema lui Pitagora rezultă

n 2

∑a v
2 2 2 2
x− i i = y+z = y + z ≥ y . Prin urmare
i=1

n n
x− ∑
i=1
civ i ≤ x − ∑a v
i=1
i i .

8.27.7.Propoziţie.Fie Ä un spaţiu euclidian şi fie v 1,..., v n ∈ Ä astfel

n
încât (v i v j ) = δ ij . Atunci ∑ (x, v ) 2 2
i ≤ x pentru orice x ∈ Ä.
i=1

Demonstraţie. Fie x∈ Ä. Atunci:

n n n

∑ (x, v i )2 ∑ (x, v i )2 + ∑ (x, v i )2

2 2
x − = x −2 =
i =1 i =1 i=1

⎛ n n
⎞
= ⎜⎜ x −
⎝
∑ (x, v i )v 1, x − ∑ (x, v i )v i ⎟⎟ ≥ 0,
i =1 i =1 ⎠

∑ (x, v )
n
2 2
deci i ≤ x .
i=1

156
8.27.8. Propoziţie. Fie Ä un spaţiu euclidian şi fie x, y ∈ Ä\{0}. Atunci

vectorii x şi y sunt ortogonali dacă ăi numai dacă x ≤ x + ay pentru

orice a∈ Ñ.

Demonstraţie. Să presupunem că (x,y)=0. Atunci

+ 2a(x, y ) + y = (x + ay, x + ay ) = x + ay .
2 2 2 2 2 2
x ≤ x + a2 y = x
Deci x ≤ x + ay .

Reciproc, să presupunem că x ≤ x + ay pentru orice a∈ Ñ. Atunci

+ 2a(x, y ) + a 2 y .
2 2 2 2
x ≤ x + ay = x

Deci a 2 y + 2a(x, y ) ≥ 0 pentru orice a∈ Ñ.

+ 2a(x, y ) ≤ 0.
2
Dacă (x,y) ≠ 0 atunci există a∈ Ñ astfel încât a 2 y

⎛ − 2(x, y ) ⎞
Într-adevăr, dacă (x,y)<0 alegem a ∈ ⎜ 0, ⎟, iar dacă (x, y)>0
⎜ y
2 ⎟
⎝ ⎠

⎛ − 2(x, y ) ⎞
alegem a ∈ ⎜ ,0 ⎟ . Prin urmare (x,y) = 0, adică x şi y sunt
⎜ y2 ⎟
⎝ ⎠
vectori ortogonali.

8.27.9. Propoziţie. Fie Ä un spaţiu euclidian. Atunci

x − y ⋅ z ≤ y − z ⋅ x + z − x ⋅ y pentru orice x,y,z∈ Ä.

Demonstraţie. Dacă x = 0 atunci inegalitatea rezultă din egalitatea

y ⋅ z = z ⋅ y . Analog inegalitatea este adevărată pentru y = 0 şi

z = 0.
Să presupunem că x ≠ 0, y ≠ 0, z ≠ 0.
x y z
Fie x , = 2
, y, = 2
, z, = 2
. Atunci
x y z

157
 ⎛ x y ⎞⎟ 2(x, y )
2 2
, 2 y x x y
,
x −y =⎜ 2 − , 2 − 2 ⎟
= − + =
⎜ x y
2
x y ⎠ x
4
x
2
⋅ y
2
y
4
⎝

− 2(x, y ) + x (x − y, x − y ) =
2 2 2
y x−y
= 2 2
= 2 2 2 2
.
x ⋅ y x ⋅ y x ⋅ y

x−y
Deci x , − y , = .
x ⋅ y

x−z z−y
La fel se obţin şi relaţiile x , − z, = şi z, − y , = .
x ⋅ z z ⋅ y

Din inegalitatea triunghiului x , − y , ≤ x , − z, + z, − y , obţinem

x−y x−z z−y

≤ + .
x ⋅ y x ⋅ z z ⋅ y

Prin urmare x − y ⋅ z ≤ x − z ⋅ y + z − y ⋅ x .

158
Exerciţii

173.Fie( , ) un produs scalar definit pe spaţiul vectorial real Õ. Dacă

x1,…,xm, y1,…,yn ∈ Õ şi a1,…,am, b1,…,bn ∈ Ñ să se arate că

m n
( a1x 1 + ... + a m x m , b1y 1 + ... + bn y n ) = ∑∑ a ib j (x i , y j ).
i =1 j =1

174. Fie Ä un spaţiu euclidian şi fie x, y∈ Ä. Să se arate că

2 2 2 2
x+y + x−y =2x +2y .

175.Fie x = (1,0), y = (0,1)∈ Ñ2. Să se determine unghiul dintre x şi z.

176. Fie Ä un spaţiu euclidian şi fie x,y∈ Ä\{0}. Să se arate că vectorii x si y

sunt perpendiculari dacă şi numai dacă unghiul dintre x şi z este drept.

177. Să se arate că x, y = 2x1y1+7x2y2 defineşte un produs scalar pe Ñ2.

178. Fie x = (0,1,0), y = (0, 3 ,1) ∈ Ñ3. Să se determine unghiul dintre x,y.

179. Să se arate că (x,y)=x1y1+x1y2+x2y1+2x2y2 este un produs scalar pe Ñ2

180. Fie a,b,c∈ Ñ. Să se arate că (x, y ) = ax 1y 1 + b(x 1y 2 + x 2 y 1 ) + cx 2 y 2

este un produs scalar pe Ñ2 dacă şi numai dacă a ≥ 0 şi ac>b2.

159
181. Să se arate că (x, y)=10x1y1+3x1y2+3x2y1+2x2y2+x2y3+x3y2+x3y3 defineşte
un produs scalar pe Ñ3.

182. Fie Ä un spaţiu euclidian şi fie u, v∈ Ä.

1) Dacă (u, x) = 0 pentru orice x∈ Ä să se arate că u = 0.

2) Dacă (u, x)= (v, x) pentru orice x∈ Ä să se arate că u = v.

183. Fie Ä un spaţiu euclidian şi fie x,y,z∈ Ä\{0}. Să se arate, printr-un

exemplu, că din egalitatea (x, y) = (x, z) nu rezultă neapărat y = z.

184. Fie Ä un spaţiu euclidian şi fie x, y∈ Ä. Să se arate, printr-un

exemplu, că din (x,y) = 0 nu rezultă neapărat x = 0 si y = 0.

185. Fie x,y∈ Ñ2. Să se arate că vectorii x şi y sunt liniar dependenţi dacă

(x, x ) (x, y )
şi numai dacă =0.
(x, y ) ( y, y )

186. Fie x1,…,xn, y1,…,yn ∈ Ñ şi a1,…,an ∈ (0, ∞ ) .Să se arate că:

n n
x 2i n

∑i =1
x iy i ≤ ∑
i =1 ai
+ ∑a y .
i=1
i i

187. Fie Ï = (1,0,2), Ð = (-1,1,3)∈ Ñ3.Să se calculeze distanţa dintre Ï şi

Ð.

188. Să se arate că:

(x+y+z+u)2+(x+y-z-u)2+(-x+y-z+u)2 ≤ 4(x2+y2+z2+u2) pentru orice x,y,z,u∈ Ñ.

160
 1 sin x sin 2 x sin nx
189. Fie f0(x) = , f1(x) = , f2(x) = ,…, fn(x) = ,
2Π Π Π Π

fn(x)∈ Â ([0,2Π ]) . Să se arate că (fi,fj) = δ ij pentru orice i, j ∈{0,1,…,n},

2Π
unde (f,g)= f (t )g(t )dt .
∫ 0

190. Fie f ∈ Â ([0,2Π ]) . Să se arate că:

2
2Π ⎡ 1 n
⎤
10
∫ 0
⎢f (t ) −
⎣ Π
∑k =1
sin⋅ kt ⋅ f (s ) sin⋅ ks ⋅ ds⎥ dt ≤
⎦
2
2Π ⎡ 1 n
⎤
≤ ∫
0
⎢f (t ) −
⎣ Π
∑
k =1
ak sin⋅ kt⎥ dt ,
⎦
pentru orice a1,…,an ∈ Ñ.
n 2
⎡ 2fΠ(t ) sin⋅ kt ⋅ dt ⎤ ≤ 2Π
20 ∑∫ ⎢0
k =1 ⎣
⎥⎦ ∫ [f (t)] dt .
0
2

191. Fie fn(t) = cos nt, t∈ Ñ. Să se arate că f1,…,fn sunt vectori liniar

independenţi din  ([0,2Π ]) .

192. Să se determine soluţiile reale ale sistemului de ecuaţii

⎧ x 4 + y 4 + z4 = 1
⎨ 2 2 2
.
⎩x + y + 2 z = 7

⎧⎪ x 2 + y 4 + z 4 + 4u 4 = 7
193. Să se arate că sistemul ⎨ 2 2 2 nu admite
⎪⎩2 x + y + 3z + 2u = 28

soluţii reale.

161
194. Fie A, B, C, D patru puncte din planul euclidian. Să se arate că
AC ⋅ BD ≤ AB ⋅ CD + BC ⋅ AD .

195. Fie A, B, C, D patru puncte distincte. Să se arate că

AC ⋅ BD = AB ⋅ CD + BC ⋅ AD dacă şi numai dacă punctele A, B, C, D

sunt conciclice.

162
 CAPITOLUL IX
Forme pătratice

Formele pătratice peste un k-spatiu vectorial V sunt definite cu ajutorul

polinoamelor omogene de gradul doi. Ele pot fi puse în corespondenţa cu
mulţimea aplicaţiilor biliniare şi simetrice de la V × V la k. Proprietăţile lor
permit studierea hipersuprafeţelor de gradul al doilea. În particular se
obţine clasificări ale conicelor şi cuadricelor reale.

§28.Forme pătratice

Definiţie. Fie V un k-spatiu vectorial, iar g:V × V → k o aplicaţie bi-

liniară şi simetrica, adica:
i) g(x,y) = g(y,x) pentru orice x,y∈V,
ii) g(a1x1+a2x2,y)=a1g(x1,y)+a2g(x1,y) pentru orice a1,a2 ∈k, x1,x2,y∈V.
Funcţia f:V → k, definită prin f(V) = g(v,v) pentru orice v ∈ V , se numeşte
forma patratică determinată de g pe V.

Exemple. 1) f: kn → k, f(x) = (x,x) = x 12 +…+x n2 , este forma patratică

n
asociată produsului scalar (x,y) = ∑x y
j =1
j j .

2) Fie C=(cij) 1≤ i,j≤ n ∈ M(n,n;k) o matrice simetrică.

163
 n
Atunci g(x,y)= ∑c x y
i,j=1
ij i j este biliniara si simetrică. Forma patratică

n
corespunzătoare f: kn → k este f(x) = ∑c x x
i, j=1
ij i j .

Convenţie. În continuare vom presupune ca spaţiile vectoriale con-

siderate au scalarii într-un corp k în care elementul 2 = 1k+1k este inversa-
bil. (De exemplu k = Ð,Ñ, sau Ù3).

9.28.1.Lemă. Fie V un k-spatiu vectorial, g: V × V → k biliniară şi

simetrica, iar f: V → k forma patratică asociata. Atunci
1
g(x,y) = [f(x+y) – f(x) – f(y)]
2
pentru orice x,y∈V.
1 1
Demonstraţie. [f(x+y)–f(x)–f(y)] = [g(x+y,x+y)–g(x,x)–g(y,y)] =
2 2
1
= [g(x,x)+2g(x,y)+g(y,y)–g(x,x)–g(y,y)] = g(x,y).
2

9.28.2.Propoziţie. Fie V un k-spaţiu vectorial de dimensiune fini-

tă, g:V × V → k biliniară. Fie {e1,..., en } o bază a lui V şi fie cij = g(eI,ej).
n n n
Fie x = ∑
i =1
x ie i , y = ∑
i =1
y ie i . Atunci g(x,y) = ∑c x y .
i, j=1
ij i j

Demonstraţie.
n n n n
g(x,y)=g( ∑ x e , ∑ y e ) = ∑ x y g(e , e ) = = ∑ c x y .
i =1
i i
j =1
j j
i, j=1
i j i j
i, j=1
ij i j

Definiţie. Fie V un k-spaţiu vectorial de dimensiune finită,

g:V × V → k biliniară, {e1,..., en } o bază a lui V şi fie cij = g(ei,ej). Matricea

164
C = (cij) 1≤ i,j≤ n ∈ M(n,n;k) se numeşte matricea formei biliniare g în raport

cu baza {e1,..., en } .

Observaţie. Dacă g este şi simetrică atunci g(ei,ej) = g(ej,ej), deci matricea

C este simetrică.

9.28.3.Lemă. Fie V un k-spaţiu vectorial de dimensiune finită,

g: V × V → k biliniară şi simetrica,iar f :V → k forma patratică asociată.
Fie C = (cij) 1≤ i,j≤ n matricea lui g faţă de baza {e1,..., en } şi fie
n n
x= ∑
i =1
x ie i ∈ V. Atunci f(x) = ∑
i,j=1
cijx i x j.

Definiţie. Fie V un k-spaţiu vectorial de dimensiune finită, g:V × V → k

biliniară şi simetrica, iar f:V → k forma patratică asociata. Matricea C =
(cij) 1≤ i,j≤ n ∈ M(n,n;k) a lui g în raport cu baza {e1,..., en } se numeşte

matricea formei pătratice f în raport cu baza {e1,..., en } .

9.28.4.Propoziţie. Fie V un k-spaţiu vectorial de dimensiune finită, f: V

{ }
→ k o formă patratică, e = {e1,..., en }, e' = e1' ,..., en' două baze ale lui V.
Fie C matricea lui f în raport cu baza e, C’ matricea lui f în raport cu
baza e’, iar Q matricea de trecere de la baza e la baza e`. Atunci C =
=QC`Qt.
Demonstraţie. Fie g: V × V → k forma biliniară si simetrica asociată

formei pătratice f. Fie C = (cij), C` = (c 'ij ), Q = (qij). Atunci

cij = g(eI,ej), c 'ij = g(e 'i , e 'j ).

165
 ⎛ e1' ⎞
⎜ ⎟
⎜ .⎟
De asemenea (e1,…,en) = Q ⎜⎜ . ⎟⎟ . Prin urmare es = qs1e 1' + … + qsne n' .
⎜ .⎟
⎜⎜ ' ⎟⎟
⎝ en ⎠
Deci
n n n n n
cij = g(eI,ej) = g( ∑
u =1
qiueu' , ∑
v =1
qjv e 'v ) = ∑
u,v =1
'
qiuqjv cuv = ∑ ∑c
u =1
qiu(
v =1
'
uv qjv ) =

n n n

∑u =1
qiu( ∑
v =1
'
cuv qtvj) = ∑q
u =1
iubuj, unde (buj) = C`Qt. Deci C = QC`Qt.

9.28.5.Corolar. rg(C`) = rg(C`).

Demonstraţie. Matricile Q si Qt fiind inversabile rezultă că
rg(C`)=rg(QC`Qt) = rg(C`Qt) = rg(C).

Definiţie. Fie V un k-spaţiu vectorial de dimensiune finită, f:V → k o

formă patratică, iar C ∈M(n,n;k) matricea formei pătratice f în raport cu
baza {e1,..., en } . Numărul rg(f)=rg(C)se numeşte rangul formei pătratice f.

Observaţie. Din corolarul precedent rezultă că rg(f) nu depinde de

alegerea bazei e1,…,en.

Definiţie. Fie V un k-spaţiu vectorial de dimensiune finită, iar

f: V → k o formă patratică. Forma patratică f se numeşte:
a) nedegenerată (sau nesingulară) dacă rg(f) = dim V.
b) degenerată (sau singulară) dacă rg(f)< dim V.

Exemple 1) f: Ñ2 → Ñ, f(x1,x2) = x 12 − x 22 este nedegenerată

(rg(f) = 2 = dim(Ñ2) ).

166
 2) f: Ñ3 → Ñ, f(x1,x2,x3) = x1x3 este degenerată (rg(f) = 2< dim(Ñ3)).

Observaţie. Fie V un k-spaţiu vectorial de dimensiune finită,

g:V × V → k biliniară şi simetrică, iar f:V → k forma patratică asociată.
Dacă există o bază {e1,..., en } a lui V astfel încât g(ei, ej) = 0, pentru i ≠ j,
atunci

f(x) = a1x 12 +a 2 x 22 + ... + an x n2 , unde ai ∈k.

n
Într-adevar, fie x1,…,xn ∈k astfel încât x = ∑x e
i =1
i i . Atunci

n n
f(x) = g(x,x) = ∑
i,j=1
x i x jg(e i , e j) = ∑a x
i =1
2
i i , unde ai = g(ei, eI).

În continuare vom arăta că există o bază a lui V cu proproprietăţile de mai

n
sus. În cazul k = Ñ reprezentarea formei pătratice f(x) = ∑a x
i =1
i
2
i are o

proprietate remarcabilă: numărul coeficientilor pozitivi (şi al celor

negativi) nu depinde de alegerea bazei {e1,..., en } . Acest rezultat este
foarte important în studiul conicelor şi cuadricelor reale.

9.28.6.Teoremă. Fie V un k-spaţiu vectorial nenul de dimensiune finită,

iar g:V × V → k biliniară şi simetrica. Atunci există o bază {v 1,..., v n } a lui
V astfel încât g(vI, vj) = 0 pentru i ≠ j.
Demonstraţie. Vom demonstra teorema prin inductie după n=dimV.
Daca dim V = 1 atunci exista v∈V \ {0} si {v} este o baza a lui V.

Să presupunem că n ≥ 2. Fie {u1,..., un } o bază a lui V. Dacă

g(ui,uj)=0 pentru orice i,j atunci alegem v1 = u1,…,vn = un.

167
 Dacă există i astfel încât g(ui,ui) ≠ 0 alegem v1 = ui. Deci g(v1, v1) ≠ 0.
g(v, v 1)
Fie v∈V\V1, unde V1 = Sp(v1). Fie c = şi fie w = v–cv1. Atunci
g(v 1, v 1)
v = (v–cv1)+cv1 = w+cv1. Avem g(w,v1) = g(v-cv1,v1) = g(v,v1)–
cg(v1,v1)g(v, v1)–g(v,v1) = 0. Fie W = {w ∈ V; g(w, v 1) = 0} . Mulţimea
W este un subspaţiu vectorial al lui V. Deoarece V1 ∩ W ≠ V1 şi dim
V1=1 rezultă că V1 ∩ W = {0} .
Deci dim(V1+W) = dimV1+dimW–0 = 1+dimW. Cum V1+W = V rezultă
că dimW = n-1. Deci, conform ipotezei inductive, exista o bază
{v 2 ,..., v n } a lui W astfel încât g(vI,vj) = 0 pentru orice i ≠ j,i,j ≥ 2.

Atunci {v 1, v 2 ,..., v n } este o bază care satisface condiţiile din

teoremă.

Observaţie. Fie g:V × V → k biliniară şi simetrica. Dacă g(v,v) = 0 nu

rezultă neaparat ca v = 0.

De exemplu, pentru V =Ñ3 să considerăm g(x,y) = x1y1+x1y2+x2y1+x2y2–x3y3 şi

v = (1,1,2). Atunci g(v,v) = 0 deşi v ≠ (0,0,0).

⎛1 1 0 ⎞
⎜ ⎟
Să observăm că rg(f) = rg ⎜ 1 1 0 ⎟ = 2<dimÑ3.
⎜ 0 0 − 1⎟
⎝ ⎠

9.28.7.Lema. Fie V un k-spaţiu vectorial de dimensiune finită,

g: V × V → k biliniară şi simetrică, f:V → k forma pătratică asociată.Fie
{v 1,..., v n } o bază a lui V astfel încât g(eI, ej) = 0 pentru i ≠ j. Atunci

există a1,…,an ∈k\ {0} astfel încât f(x) = a1x 12 +…+anx n2 pentru orice
n
x= ∑x v
i =1
i i ∈ V dacă şi numai dacă f este nedegenerată.

168
 n
Demonstraţie. Să remarcăm că f(x) = ∑a x
i=1
i
2
i, unde aI = g( vi, vi ).

Matricea lui g în raport cu baza {v 1,..., v n } este

⎛ a1 0 ... 0⎞
⎜ ⎟
⎜ 0 a2 ... 0 ⎟
Q= ⎜
... ... ... ... ⎟
⎜ ⎟
⎜0 0 ... a n ⎟⎠
⎝
Deci rg(f) = n dacă şi numai dacă det(Q) ≠ 0, adică dacă şi numai
dacă a1,…,an ≠ 0.

9.28.8. Teorema lui Sylvester. Fie V un Ñ-spaţiu vectorial de

dimensiune finită, iar g : V × V → Ñ biliniară şi simetrică. Atunci există

r∈ ô cu proprietatea:

Dacă {v 1,..., v n } este o bază a lui V astfel încât g(vI,vj) = 0 pentru i ≠ j,

atunci există exact r indici i pentru care g(vI,vI)> 0.
Demonstraţie. Fie {v 1,..., v n } , {w 1,..., w n } două baze ale lui V
astfel încât g(vi,vj) = g(wi,wj) = 0 pentru i ≠ j. Putem presupune,
după o eventuală reindexare, că avem
⎧
⎪ g(v i , v i ) > 0,pentru 1 ≤ i ≤ r
⎪⎪
⎨ g(v i , v i ) < 0, pentru r + 1 ≤ i ≤ s
⎪
⎪g(v i , v i ) = 0,pentru s + 1 ≤ i ≤ n
⎩⎪
şi
⎧
⎪g(w i , w i ) > 0, pentru 1 ≤ i ≤ r '
⎪⎪
⎨g(w i , w i ) < 0, pentru r ' +1 ≤ i ≤ s'
⎪
⎪g(w i , w i ) = 0, pentru s' +1 ≤ i ≤ n
⎩⎪

169
 Să aratăm că vectorii v1,…,vr, wr’+1,…,wn sunt liniar independenţi.
Într-adevăr, fie x1,…,xr, yr’+1,…,yn ∈ Ñ astfel încât

X1v1+…+xrvr+yr’+1wr’+1+…ynwn = 0,
deci
(*) x1v1+…+xrvr = -(yr’+1wr’+1+ynwn).
Fie cI = g(vI,vI), dI = g(wI,wI). Aplicând forma pătratică asociată lui g
ambilor membrii ai egalitaţii (*) obţinem

0 ≤ c1x 12 +…+crx r2 = dr’+1y r2' +1 +…+ds’y s2' ≤ 0.

Cum c1,…,cr ≥ 0 şi dr’+1,…,ds’ ≥ 0 rezultă că
X1 = … = xr = yr’+1 = … = ys’ = 0.
Atunci ys’+1ws’+1+…+ynwn = 0, deci ys’+1 = … = yn = 0.
Deci vectorii v1,…,vr, wr’+1,…,wn sunt liniar independenţi. Dar dim
V=n. Atunci r+(n-r’) ≤ n, deci r ≤ r’.
Analog se arată că r’ ≤ r. Prin urmare r = r’.

Notă. Rezultatul precedent a fost obţinut de către James Joseph Sylvester

(1814-1897),jurist şi matematician englez.

Observaţii. i) Numărul r∈ ô din teorema lui Sylvester poate fi nul. De

exemplu, să considerăm g: Ñ2 × Ñ2 → Ñ, g(x,y) = -x1y1–x2y2. Atunci

g(x,x) = f(x) = -x 12 -x 22 ≤ 0 pentru orice

x = (x1,x2)∈ Ñ2.

ii) Din teorema lui Sylvester rezultă că există r, s, t∈ ô astfel încât

r+s+t = dim V şi dacă {v 1,..., v n } este o bază a lui V astfel încât

g(vI,vj)= 0 pentru i ≠ j, atunci există exact r indici i pentru care
g(vI,vI) >0, exact s indici j pentru care g(vj,vj)<0 şi exact t indici u
pentru care g(vu,vu) = 0.

170
Definiţie. Numărul r din teorema lui Sylvester se numeşte indicele de
pozitivitate al formei pătratice f.

Exemplu. Fie f:Ñ2 → Ñ, f(x) = x 12 -2x 22 . Atunci f este o formă pătratică (ce

corespunde formei biliniare şi simetrice g(x,y) = x1y1–2x2y2). Indicele ei de

pozitivitate este r = 1.

§29.Algoritmi de reducere la forma canonică

Definiţie. Fie V un k-spaţiu vectorial de dimensiune finită, iar

f: V → k o formă pătratică.
Forma pătratică f se numeşte canonică în raport cu baza {e 1,..., e n } dacă
există b1,…,bn ∈k astfel încât
n
f(x) = b1x 12 +…+bnx n2 pentru orice x = ∑x e
i =1
i i ∈V.

În continuare ne vom ocupa de următoarea problemă: Fiind dată o formă

pătratică f: V → k există o bază a lui V în raport cu care f să fie canonică?

Problema precedentă are un răspuns pozitiv. Mai mult , există procedee

algoritmice de determinare a unei baze în raport cu care forma f să fie
canonică ( procedee numite “reducerea la forma canonică”). Vom prezenta
trei algoritmi de reducere la forma canonică: algoritmul lui Gram-Schmidt,
algoritmul Lagrange-Gauss şi algoritmul lui Jacobi.

171
A.Algoritmul Gram-Schmidt

1
Fie g: V × V → k, g(x,y) = [f(x+y)-f(x)-f(y)]. Atunci, comform teoremei
2
9.28.6, există o bază {v 1,..., v n } a lui V astfel încât g(vI,vj) = 0 pentru i ≠ j.

Prin urmare există a1,…,an ∈k astfel încât f(x) = a1x 12 pentru orice
n
x= ∑x v
i =1
i i ∈V.

Ţinând cont de demonstraţia teoremei 9.28.6 se obţine următorul

algoritm:

Fie {u1,..., u n } o bază a lui V.

Dacă g(ui,uI) = 0 pentru orice i=1,2,…,n alegem v1 = u1, …, vn = un.

Dacă există i cu g(ui,ui) ≠ 0 după o eventuală reindexare putem presupune

că g(uI,uI) ≠ 0 pentru 1 ≤ i ≤ s si g(uj,uj) = 0 pentru s+1 ≤ j ≤ n , unde s=rg(f).
Alegem
v1 = u1
g(u 2 , v 1)
v2 = u2- v1
g(v 1, v 1)

g(u 3 , v 2 ) g(u 3 , v 1)
v3 = u3- v2- v1
g(v 2 , v 2 ) g(v 1, v 1)
…………………………………………………
g(u s , v s −1) g(u s , v 1)
vs = us- vs-1-…- v1
g(v s −1, v s −1) g(v 1, v 1)

172
vs+1 = us+1
………………………………………………………………….
Vn = un.
Se observă că g(vi,vj) = 0 pentru i ≠ j .

Exemplu. Fie f:Ñ3 → Ñ, f(x) = x 12 +2x1x2+x 22 -x 32 .

Atunci g(x,y) = x1y1+x1y2+x2y1+x2y2–x3y3. Se obţine rg(f) = 2. Pornind de la

baza e1 = (1,0,0), e2 = (0,1,0), e3 = (0,0.1) obtinem baza
v1 = (1,0,0)
v2 = (0,0,1)
v3 = (-1,1,0).

Avem g(v1,v2) = g(v1,v3) = g(v2,v3) = 0, f(v1) = 1, f(v2) = -1,f(v3) = 0. Atunci

f(x1v1+x2v2+x3v3) = x 12 f(v1)+x 22 f(v2)+x 32 f(v3) = x 12 -x 22 este forma canonică a

lui f.

B.Algoritmul Lagrange-Gauss

Acest algoritm îşi are originea în formalizarea câtorva artificii uzuale din
algebra elementară (completări de pătrate, descompunerea diferenţei a
două pătrate) şi altele).

9.29.1.TEOREMĂ. Fie f:V → k o forma pătratică. Atunci există un

izomorfism de spaţii vectoriale T:V → V astfel încât T(f) să fie canonică.

Observaţie. Existenţa izomorfismului de spaţii vectoriale T cu pro-

prietaţile din teorema precedentă este echivalentă cu existenţa unei baze
a lui V fată de care forma pătratică f să fie canonică.

173
Demonstraţia teoremei 9.29.1. Vom raţiona prin inducţie. Dacă
rg(f) = 0 atunci f(x) = 0 este canonică.

Dacă rg(f) = 1 atunci există o bază în raport cu care f(x) = a1x 12 ,

adică f(x) este canonică.
Să presupunem teorema demonstrată pentru forme pătratice de
rang cel mult n-1 si s-o dovedim pentru forme pătratice de rang n.
n
Fie {e1,..., en } o bază a lui V şi să presupunem că f(x) = f( ∑x e
i =1
i i )=

n
= ∑a x x
i,j=1
ij i j , unde a ij ∈k, aij = aji.

Deoarece rg(f) = n rezultă că f ≠ 0, deci există (s,t) astfel încât

ast ≠ 0. Dacă a11 = … = ann atunci considerăm aplicaţia liniară
T1:V → V definită prin
⎧ '
⎪ x j pentru j ≠ s, t
⎪⎪
(1) xj = ⎨x 's + x 't pentru j = s .
⎪
⎪x 's − x 't pentru j = t
⎪⎩
n

∑a x x
2 2
Atunci f(x) = 2astx 's -2astx 't +… = ' ' '
ij i j , unde a 'ss = 2ast ≠ 0,
i,j=1

a 'tt ≠ 0, iar aplicatia liniară T1 este inversabilă (determinantul

1 1
matricii sale este ± ≠ 0), deci este un izomorfism de spaţii
1 −1

vectoriale.
Presupunând că am aplicat, eventual, izomorfismul T1 rezultă că
există i∈ {1,2...., n} astfel încât aii ≠ 0. Putem presupune după o
eventuală reindexare a elementelor bazei, că a11 ≠ 0. Să considerăm
atunci aplicaţia liniară T2:V → V definită prin

174
 ⎧y 1 = a11x1 + a12 x 2 + ... + a1n x n
⎪y = x2
⎪⎪ 2
(2) ⎨.......... .......... .......... ....
⎪
⎪ yn = x n.
⎪⎩
Fie Q matricea transformării (2). Deoarece det(Q) = a11 = ≠ 0 rezultă
că aplicaţia liniară T2este un izomorfism de spaţii vectoriale. Atunci
n
f(x) = a11x 12 +2a12x1x2+…+2a1nx1xn+ ∑a x x
i,j= 2
ij i j =

n
1 1
=
a11
(a11x1+a12x2+…+a1nxn)2-
a11
(a12x2+…+a1nxn)2+
i,j= 2
∑
a ijx i x j =

1 2
= y 1 +g(y2,…,yn).
a11
Să observăm că g este o formă pătratică şi rg(g) = rg(f)–1. Conform
ipotezei inductive există cij ∈k (i,j = 2,3,…,n) astfel încât
det(cij) 2 ≤ i,j≤n ≠ 0 si

g(y2,…,yn) = b2z 22 +…+bnz n2 cu bj ∈k, unde

⎧ z 2 = c 22 y 2 + ... + c 2n y n
⎪
⎨ .......... .......... ......
⎪z = c y + ... + c y .
⎩ n n2 2 nn n

Fie T3:V → V aplicaţia liniară definită prin

⎧z1 = a11x1 + a12 x 2 + ... + a1n x n
⎪z = c22 x 2 + ... + c2n x n
⎪⎪ 2
(3) ⎨.......... .......... .......... ...
⎪
⎪ zn = cn2 x 2 + ... + cnn x n .
⎪⎩

Fie T:V → V, T = T3 (eventual T = T3T1). Atunci T este un

izomorfism de spaţii vectoriale şi forma pătratică este canonică
fată de baza {T(e1),..., T(en) }.

Exemple. 1) Fie f:Ñ2 → Ñ, f(x) = x 12 -4x1x2+6x 22 .

175
 ⎧y1 = x1 − 2 x 2
Fie ⎨
⎩y 2 = x 2 .

Atunci f(x) = (x1–2x2)2+2x 22 = y 12 este canonică.

2) Fie f:Ñ2 → Ñ, f(x) = 8x1x2. Fie

⎧ y1 = x1 + x 2
⎨
⎩y 2 = x1 − x 2 .
1 1
Atunci x1= (y1+y2), x2= (y1-y2).
2 2
1
Prin urmare f(x)=8· (y1+y2)(y1-y2) = 2y 12 -2y 22 este canonică.
4

C.Algoritmul lui Jacobi

Algoritmul lui Jacobi se aplică formelor pătratice nedegenerate f pentru

care toţi minorii principali ai matricii lui f în raport cu o bază sunt nenuli.
Metoda prezintă avantajul obţinerii formei canonice chiar şi făra a
determina efectiv izomorfismul de spaţii vectoriale corespunzător.

9.29.2. TEOREMA LUI JACOBI. Fie f:V → K o formă pătratică

n n
nedegenerată, {e1,…,en} o bază a lui V, f ( x ) = f ( ∑ i =1
x ie i ) = ∑a x x
i, j =1
ij i j , unde

aij∈k, aij=aji.

a11 ... a1i

Fie Δ i = ... ... ... . Dacă Δ i ≠ 0 pentru orice i=1,2,…,n atunci există o
ai1 ... aii

bază {e1’,…,en’} a lui V astfel încât

n
1 '2 Δ1 '2 Δ '2
f (x) = f ( ∑x e ) = Δ
i =1
i
'
i
'

1
x1 +
Δ2
x 2 + ... + n −1 x n .
Δn

176
 Demonstraţie. Fie g:V × V → k forma biliniară asociată lui f. Să
presupunem că {e’1,…, e’n} este o bază a lui V astfel încât g(e’1, e’j)=
0 pentru i ≠ j şi
⎧e1′ = b11e1
⎪e′ = b e + b e
⎪ 2 12 1 22 2
(*) ⎨
⎪ .......... .......... .......... .....
⎪⎩e′n = b1ne1 + b2nen + ... + bnnen ,

unde bij ∈ k.
Pentru aceasta este suficient ca g(ei’ ej’)= δ ij.
Avem e' j = b1 j e1 + b 2 j e 2 + ... + b jj e j , g(e i , e j ) = a ij . Din condiţiile

g(e1 , e' j ) = 0,..., g(e j-1 , e' j ) = 0, g(e j , e j ) = 1

se obţine sistemul liniar

⎧a11b1j + ... + a1jb jj = 0
⎪
⎪.......... .......... .....
(j) ⎨
⎪a j−1,1 b1j +... + a j−1,j b jj = 0
⎪a j1b1j + ... + a jjb jj = 1.
⎩
Determinantul sistemului(j)este Δj ≠ 0, deci b1 j ,..., b jj sunt unic

determinate de condiţiile g (e i , e' j ) = 0 pentru i = 1,2,…,j-1,

Δ j−1
g(e j , e j ) = 1 . Mai mult,rezolvînd sistemul (j) se obţine b jj = .
Δj

Matricea aplicaţiei liniare (*)este triungiulară,deci detrminantul său

1 Δ1 Δ 1
este: b11b 22 ...bnn = ⋅ ... n −1 = ≠ 0 . Prin urmare (*) este un
Δ1 Δ 2 Δn Δn
izomorfism de spaţii vectoriale.

2 2 2
Exemplu. Fie f:Ñ33 → Ñ, f ( x ) = x 1 + 2x 2 + 2 x 3 + 4x 1 x 2 + 2x 2 x 3 + 8x 1 x 3 .

Atunci: Δ1=1, Δ2=-2, Δ 3 = 15 .

Prin urmare

177
 1 2 Δ1 Δ 2 2 1 2 2
f(x) = f(y 1e' 1 + y 2 e' 2 + y 3 e' 3 ) = y1 + + y 3 = y 12 − y 2 2 − y3
Δ1 Δ 2 Δ3 2 15

este canonică faţă de baza { e'1 , e' 2 , e' 3 }.

§30.Forme pătratice pozitiv definite

Fie V un spaţiu vectorial peste Ñ, iar f:V → Ñ o formă pătratică.În multe

aplicaţii ale algebrei liniare(de exemplu în probleme de extrem) esete

important să stabilim în ce condiţii f(x) ia numai valori pozitive sau numai
valori negative. Vom arăta cum rezultatele din paragraful precedent
permit obţinerea unor astfel de condiţi.

Definiţie. Fie V un Ñ-spaţiu vectorial de dimensiune finită, iar

f:V → Ñ o formă pătratică.Forma pătratică f se numeşte pozitiv definită

dacă f(x)>0 pentru orice x ∈ V\{0}.

Observaţie.f(0)=0.

n
9.30.1.Lemă. Fie V un spaţiu vectorial peste Ñ şi f ( x ) = ∑a
i , j=1
ij x i y j o

formă pătratică.Dacă f este pozitiv definită atunci aii> pentru orice

i=1,2,,…,n.
Demonstraţie. Fie g: V ⊗ V → Ñ forma biliniară şi simetrică

asociată lui f şi fie {e1,…,en} o bază asociată lui V astfel încât

178
 n n
f (x) = f ( ∑
i =1
x iei ) = ∑a
ij=1
ij x i x j . Atunci ei ≠ 0 pentru orice i=1,2,..,n,

deci a ii = g (e i , e i ) = f (e i ) > 0 .

Observaţie. Condiţia din lema precedentă este necesară, dar nu este

suficientă pentru ca f să fie pozitiv definită.

2 2
De exemplu, să considerăm f: Ñ2 → Ñ, f(x) = x 1 + 10x 1 x 2 + 2x 2 . Atunci

a11=1>0, a 22 =2>0. Totuşi f((1,−2) = 1 − 20 + 8 = −11 < 0 .

n
9.30.2.Lemă. Fie V un spaţiu vectorial peste Ñ şi f ( x ) = ∑a
i , j=1
ij x i x j o

formă pătratică peste V. Fie A = (a ij ) ≤ i, j ≤ n ∈ M (n , n; Ñ). Dacă f este

poitiv definită atunci det(A)>0.

2 2
Demonstraţie. Fie f(x)= b11 y1 + ... + b nn y n o formă canonică. Din
lema precedentă rezultă că b11>0,…,bnn>0. Fie

⎛ b11 0 ... 0 ⎞
⎜ ⎟
⎜ 0 b 22 ... 0 ⎟
A’= ⎜ . Atunci există Q ∈ GL(n;Ñ) astfel încât
... ... ... ... ⎟
⎜ ⎟
⎜ 0
⎝ 0 ... b nn ⎟⎠

A=QA’Qt. Prin urmare

det(A)= (det Q )2 ⋅ det(A ' ) = (det Q )2 b11...bnn > 0 .

Observaţie. Nici condiţia precedentă nu este suficientă .Fie f: Ñ2 → Ñ,

2 2
f(x)=- x 1 − 2 x 2 . Atunci det(A)=2>0 dar f(x)<0 pentru orice

x= ( x 1 , x 2 ) ≠ (0,0) .

179
9.30.3.Propoziţie. Fie f:V → Ñ o formă pătratică. Atunci f este pozitiv

definită dacă toţi minorii principali ai matricii lui f în raport cu o bază

sunt >0.
n n
Demonstraţie.Să presupunem că f ( x ) = f ( ∑
i =1
x iei ) = ∑a
ij=1
ij x i x j , unde

{e1,…,en} este o bază a lui V. Fie A= (a ij )1≤i , j≤ n .

Fie Vs = Sp(e1,…,es).Să considerăm fs:V → Ñ restricţia aplicaţie f la

Vs. Dacă f este pozitiv definită pe V atunci fs este pozitiv definită pe

s s
Vs.Dar fs( ∑ x e ) = ∑a x x
i =1
i i
i,j=1
ij i j . Cum matricea lui fs în raport cu baza

{e1,…,es}. este A s = (a ij)1≤ i,j≤ s . Din lema 9.30.2 rezultă că

Δ s = det( A s ) > 0.

Reciproc să presupunem că Δ1 > 0,..., Δ n > 0 . Conform algoritmului

lui Jacobi există o bază {e’1,…,e’n} a lui V astfel încât
n
1 Δ1 2 Δ
f (x ) = f ( ∑ y e' ) = Δ
i =1
i i
1
2
y1 +
Δ2 Δn
2
y 2 + ... + n −1 y n . Fie x ∈ V,

n
x ≠ 0 .Atunci există j astfel încât yj ≠ 0 , unde x= ∑ y e' . Prin urmare
i =1
i i

f(x)>0.

9.30.4.Corolar. Fie f: Ñ2 → Ñ, f(x,y)= ax 2 + 2bcxy + cy 2 , unde a,b,c ∈ Ñ.

Atunci f este pozitiv definită dacă şi numai dacă a>0 şi b2<ac.

Demonstraţie. Forma pătratică f este pozitiv definită dacă şi numai
a b
dacă Δ1 >0 şi Δ 2 >0, adică Δ1 =a>0 şi Δ 2 = = ac − b 2 > 0 . Este
b c

suficient să observăm că Δ 2 >0 dacă si numai dacă b2<ac.

180
Exerciţii

196. Fie V un k-spaţiu vectorial, g : V ⊗ V → k bilineară şi simetrică, iar

f:V → k forma pătratică asociată. Să se arate că:
1
g( x, y) = [f ( x + y) − F( x − y)] pentru orice x,z ∈ V.
4
197. Să se arate că aplicaţia f:Ñ3 → Ñ,
2 2 2
f( x 1 , x 2 , x 3 ) = x1 − 4x1x 2 + 4x 2 − 2x1x 3 + 2x 2 x x + x 3 este o formă pătratică.
Să se determine rg(f).
198. Fie g: Ñ3 ⊗ Ñ3 → Ñ, g(x,y) = x 1 y1 − x 2 y 2 − x 3 y 2. Să se detrmine o bază

{ v1 , v 2 , v 3 } a lui Ñ3 astfel încât g(vi,vj)=0 pentru i ≠ j.

199. Să se reducă formă pătratică f: Ñ2 → Ñ, f(x)= x 12 + 4 x1x 2 + x 2 2 , la

forma canonică utilizînd algoritmul Gram-Schmidt.

200. Fie V un k-spaţiu vectorial,f1,f2 : V → k forme pătratice, iar g1 şi g2

formele biliniare şi simetrice corespunzătore. Să se arate că f1+f2 este
forma pătratică asociată formei biliniare şi simetrice g1+g2.

201. Fie f: Ñn → Ñ o formă pătratică. Dacă există f1,f2 : Ñn → Ñ aplicaţii

liniare astfel încât f( x) = f1( x)f2 ( x) pentru orice x ∈ Ñn, să se arate că

rg(f) ≤ 2?
202. Fie f: Ñn → Ñ o formă pătratică astfel încât rg(f) ≤ 2. Rezultă atunci

că există f1,f2 : Ñn → Ñ liniare astfel încât f( x) = f1( x)f2 ( x) pentru orice

x ∈ Ñn

181
203.iFieig:Ñ3 ⊗ Ñ3 → Ñ,ig(x,y)=x1y1-4x2y1-3x2y2-4x1y1+3x3y1+3x1y3-7x3y3. Să

se arate că g este biliniară şi simetrică. Să se scrie forma pătratică f

asociată lui g şi să se determie rg(f).

204. Să se reducă la forma canonică forma pătratică f: Ñ3 → Ñ,

f( x) = x 12 + x 2 2 + 3 x 3 2 + 4 x 1x 2 + 2 x 1x 3 + 2 x 2 x 3 .

205. Să se reducă la forma canonică forma pătratică f: Ñ3 → Ñ,

f( x) = 8 x 12 − 2 x 1x 2 + 5x 2 2 + 4 x 1x 3 + 2 x 2 3 − 6 x 2 x 3 .

206. Să se reducă la forma canonică forma pătratică f: Ñ3 → Ñ,

f(x) = x 1x 2 + x 1x 3 + x 2 x 3 .

207. Fie a1,…,an ∈ Ñ. Să se reducă la forma canonică forma pătratică

n
f:Ñn → Ñ, f(x) = ∑a
i, j =1
ij x i x j .

n
208. Fie f: Ñn → Ñ, f(x) = ∑x
i =1
i
2
+ ∑x x
1≤ i ≤ j ≤ n
i j . Să se reducă f la forma

canonică.
209. Să se reducă la forma canonică forma pătratică f: Ñn → Ñ,
n −1
f(x) = ∑x x
i =1
i i +1 .

210. Să se reducă la forma canonică forma pătratică f: Ñ3 → Ñ,

f(x) = 2 x 12 + 3x 1 x 2 + 4 x 1x 3 + x 2 2 + x 3 2 .

182
 CAPITOLUL X
Conice şi cuadrice

Conicele şi cuadricele fac parte dintre obiectele geometrice frecvent

întâlnite în diverse domenii de activitate. Sfera, cilindrul, conul (care sunt
cuadrice), iar apoi cercul, elipsa, hiperbola, parabola (care sunt conice) au
fost studiate încă din Antichitate. Menaichmos (cca. 350 î.e.n.), unul
dintre elevii lui Platon, este considerat primul matematician care a
considerat secţiuni ale unui con, obţinând astfel conice. Studierea
secţiunilor conice au făcut parte dintre preocupările majore ale lui
Aristeus, Euclid, Apollonius, Arhimede, Pappus. Primii trei au scris chiar
tratate asupra conicelor. Dintre acestea au ajuns până la noi primele şapte
din cele opt cărţi ale „Conicelor” lui Apollonius (cca.260-200 î.e.n.).
Lucrarea lui Apollonius rezumă în primele patru cărţi tote cunoştinţele
despre conice obţinute până la el. În ea sunt introduşi termenii de elipsă,
hiperbolă şi parabolă. Conicele au fost studate şi de matematicienii
musulmani în secolele X-XII. Menţionăm că Omar Khayyam (1044-1124) a
rezolvat ecuaţii de gradul trei utilizînd intersecţii de conice.

Primii autori din epoca modernă care au studiat conicele au fost J.Werner
(1468-1528), F.Maurolicus(1494-1575) şi J.Kepler (1571-1630). Dezvoltarea
geometriei analitice plane de către R.Descartes (1596-1650) şi
P.Fermat(1601-1665) a permis descrierea conicelor cu ajutorul unor
polinoame în două variabile de gradul doi. Cuadricele au fost descrise cu
ajutorul polinoamelor de gradul doi în trei variabile în cadrul geometriei
analitice în spaţiu. Primul care a folosit termenul de cuadrică a fost

183
G.Salmon (1819-1904) în tratatul “Geometry of Three Dimensions”
(1862,Dublin). Printre matematicienii care au avut în secolul trecut
contribuţii importante amintim pe Germinal Dandelin (1794-1847), care a
obţinut focarele şi directorele unei conice cu ajutorul unor sfere înscrise
într-un con.

În acest capitol vom utiliza aparatul tehnic al algebrei liniare pentru a

descrie conicele şi cuadricele reale. Se va obţine o clasificare simplă a
acestora. Clasificarea va rezulta din studierea funcţiilor pătratice reale
definite pe Ñ3.

§31.Funcţi pătratice

Definiţie . O aplicaţie Q : Ñn → Ñ se numeşte funcţie pătratică pe Ñn

dacă există q : Ñn → Ñ formă pătratică, u : Ñn → Ñ formă liniară şi c ∈ Ñ

astfel încât Q(x)=q(x)+u(x)+c pentru orice x ∈ Ñn.

Numărul rg(Q)=rg(q) se numeşte rangul funcţiei pătratice Q.

n
Observaţie. Fie {e1,…,en} bază a lui Ñn, x = ∑x e
i =1
i i ∈ Ñn. Atunci există

aij,bi ∈ Ñ astfel încât aij=aji pentru orice i,j ∈ {1,2,…,n} şi

n n
q(x) = ∑a
i,j=1
ij , x i , x j , u( x) = ∑b x
i=1
i i

Prin urmare o funcţie pătratică Q pe Ñn este de forma

184
 n n
Q(x) = ∑
i,j=1
a ij , x i , x j + ∑b xi=1
i i +c

Vom arăta că, fiind dată o funcţie pătratică Q: Ñn → Ñ, există o bază

{e1,…,en} a lui Ñn şi ai,d ∈ Ñ astfel încât

Q (x) = a 1x 12 + ... + a r x r 2 + d (r ≤ n)

ori

Q(x) = a 1x 12 + ... + a r x r 2 + x r +1 (r ≤ n-1).

Acest rezultat va permite, în cazurile particulare n=2 şi n=3, clasificarea

conicelor şi cuadricelor reale.

10.31.1.Teoremă. Fie Q: Ñn → Ñ o funcţie pătratică. Atunci există o

bază {e1,…,en} a lui Ñn în raport cu care Q are una dintre următoarele

forme:
n
a) Dacă rg(Q) = n atunci Q (x) = ∑a x
i=1
i i
2
+ d , unde ai,d ∈ Ñ

r
b) Dacă rg(Q) = r ≤ n-1 atunci Q (x) = ∑a x
i=1
i i
2
+ d , unde ai,d ∈ Ñ

r
ori Q(x) = ∑a x
i=1
i i
2
+ x r +1 , unde ai ∈ Ñ.

Demonstraţie. Fie r=rg(Q). Atunci rg(q)=r, deci există o bază

n
{e1,…,en} a lui Ñn astfel încât pentru orice x = ∑x e
i=1
i i ∈ Ñn să avem

r
q(x) = ∑a x
i =1
i i
2
, unde ai ∈ Ñ, ai ≠ 0.

185
 n n
a) Dacă r=n atunci Q (x) = ∑
i=1
a ix i2 + ∑b x
i=1
i i +c

n
bi 2 n
bi2
Prin urmare Q(x) = ∑
i=1
a i (x i +
2a i
) +c− ∑ 4ai=1
2
.
i

Deci există o bază {e’1,…,e’n} a lui Ñn astfel încât pentru orice

n n n
bi2
y= ∑ y e'
i =1
i i ∈ Ñn să avem Q (y) = ∑a y
i=1
i i
2
+ d , unde d = c − ∑ 4a
i=1
2
.
i

b)Dacă r ≤ n-1 pot avea loc următoarele două situaţii:

i) br+1 = … = bn = 0
În acest caz există o bază {e’1,…,e’n} a lui Ñn astfel încât
n
pentru orice y = ∑ y e'
i =1
i i ∈ Ñn să avem

r rn
bi2
Q (y) = ∑
i=1
a i y i 2 + d , unde d = c − ∑ 4a
i =1
2
.
i

ii) Există j ∈ {r+1,…,n} astfel încât bj ≠ 0. În acest caz există

o bază {e’1,…,e’n} a lui Ñn astfel încât pentru orice
n r
y= ∑
i =1
y i e' i ∈ Ñn să avem Q(y) = ∑a yi =1
i i
2
+ y r +1 .

§32.Conice

Definiţie. Fie Q: Ñ2 → Ñ o funcţie pătratică. Mulţimea X ={(x,y) ∈ Ñ2;

Q(x,y)=0} se numeşte conică.

Relaţia Q(x,y)=0 se numeşte ecuaţia conicei. (Frecvent, prin abuz de

limbaj, relaţia Q(x,y)=0 este numită conică. Este utilizată notaţia X=V(Q).).

186
Observaţie. O conică X ⊂ Ñ2 este formată din punctele (x,y) ∈ Ñ2 pentru

care

ax 2 + bxy + cy 2 + dx + ey + f = 0 ,

unde a,b,c,d,e,f ∈ Ñ, cel puţin unul dintre coeficienţii a,b,c fiind nenul.

10.32.1.Propoziţie. Fie X ⊂ Ñ2 o conică.Atunci există o bază a lui Ñ2

astfel încât ecuaţia conicei X să aibă una dintre următoarele forme:

10 ax 2 + by 2 + c = 0 , unde a,b,c ∈ Ñ şi cel puţin unul dintre coeficienţii

a, b este nenul.

20 ax 2 + dy = 0 , unde a ∈ Ñ, a ≠ 0, d ∈ Ñ.

Demonstraţie . Propoziţia rezultă din teorema de clasificare a

funcţiilor pătratice reale (cazul particular n=2).

Definiţie. Fie X = V(Q) o conică din Ñ2. Să presupunem că ecuaţia lui X este

ax 2 + by 2 + c = 0 sau ax 2 + dy = 0 .
Dacă Q(x,y)=0 implică Q(-x,-y)=0 pentru orice (x,y) ∈ X se spune că X este o
conică cu centru.

Dacă există (x,y) ∈ Ñ2 astfel încât Q(x,y)=0 şi Q(-x,-y) ≠ 0 se spune că X este

o conică fără centru.

Exemple. 1) x 2 − y 2 − 1 = 0 şi x 2 − y 2 + 4 = 0 sunt conice cu centru.

2) x 2 − 2 y = 0 este o conică fără centru.

Observaţie. Din punct de vedere geometric un punct M0 =

=(X0,y0) ∈ Ñ2 este centru al conicei X dacă şi numai dacă pentru orice punct

M ∈ X rezultă că şi simetricul său M’ faţă de M0 aparţine lui X

187
10.32.2.Propoziţie. Fie X=(Q) u Ñ2.

a) Dacă există o bază a lui Ñ2 astfel încât Q(x,y)= ax 2 + by 2 + c atunci X

are centru.

b) Dacă există o bază a lui Ñ2 astfel încât Q(x,y)= ax 2 + dy atunci X are

centru dacă şi numai dacă d=0.

Demonstraţie . a) Fie (x,y) ∈ X. Atunci Q(x,y)= a(− x 2 ) + b(− y 2 ) + c =

= Q(-x,-y).Deci X are centru.
b) Dacă (x,y) şi (-x,-y) ∈ X atunci 2dy=0, adică dy=0. Dacă d ≠ o
atunci există (x,y) ∈ X ∉ (0,0), deci X nu are centru. Dacă d=0 atunci

Q(x,y)= ax 2 , deci X nu are centru.

Observaţii. i) Există conice care au centru unic, de exemplu cercul

x2 + y2 −1= 0 .
ii) Există conice care au o infinitate de centre, de exemplu dreapta

dublă x 2 = 0 .

iii) Există conice care nu au centru, de exemplu parabola x 2 = 2y .

10.32.3.Teoremă. Orice conică reală aparţine uneia din următoarele

clase distincte:

1) ax 2 + by 2 + c = 0 , unde a,b sunt nenule şi de acelaţi semn, iar c este

de semn contrar lui a şi b. (Elipsă).

2) ax 2 + by 2 + c = 0 , unde a,b,c sunt nenule şi de acelaşi semn. (Elipsă

imaginară).

3) ax 2 + by 2 + c = 0 , unde a,b,c ≠ 0. (Hiperbolă).

4) ax 2 + by 2 = 0 , unde ab< 0. (Cuplu de drepte secante).

188
5) ax 2 + by 2 = 0 , unde ab>0. (Punct dublu).

6) ax 2 + c = 0 , unde ac< 0. (Cuplu de drepte paralele).

7) ax 2 + c = 0 , unde ac> 0. (Cuplu de drepte vide).

8) ax 2 = 0 , unde a ≠ 0. (Dreaptă dublă).

9) ax 2 + dy =0,unde a,d ≠ 0. (Parabolă).

Demonstraţie. Din propoziţia precedentă rezultă că există o bază a
lui Ñ2 astfel încât ecuaţia conicei X este

a) ax 2 + by 2 + c = 0
sau

b) ax 2 + dy =0.

a) Dacă X este ax 2 + by 2 + c = 0 pentru a,b,c ≠ 0 se obţin conicele

1),2) sau3) în funcţie de semnele lui a,b,c. (În cazul 1) pentru a = b
conica este un cerc, iar în cazul 2) conica este mulţimea vidă).
Dacă b = 0 şi a ≠ 0 se obţin conicele 6) sau 7).
Dacă a = 0 şi b ≠ 0 se obţin conicele 6) sau 7).
Dacă c = 0 şi a,b ≠ 0 se obţin conicele 4) sau 5).

b) Dacă X este ax 2 + dy =0 pot avea loc următoarele posibilităţi:

a,d ≠ 0 şi se obţine conica 9)
d = 0, a ≠ 0 şi se obţine conica 8).

Observaţii. i) Conicele 1,3,4,5,6,8 au centru. Parabola nu are centru.

ii) Conicele 1,3,9 (elipsa, hiperbola, parabola) se numesc conice
nedegenerate. Conicele 4,5,6,8 se numesc conice degenerate.
(Conicele 2 şi 7 se numesc conice imaginare).
iii) Se pot stabill criterii care să decidă, pornind de la coeficienţii
funcţiei pătraticeQ, de ce tip este conica X=V(Q).

189
§33.Cuadrice

Definiţie. Fie Q : Ñ3 → Ñ o funcţie pătrătică. Mulţimea X={(x,y,z) ∈ Ñ3;

Q(x,y,z)=0} se numeşte cuadrică.

Relaţia Q(x,y,z)=0 este numită ecuaţia cuadricei X. (Prin abuz de limbaj

relaţia Q(x,y,z)=0 este numită cuadrică). Este utilizată notaţia X=V(Q).

Observaţie. Ecuaţia unei cuadrice este de forma

a 11x 2 + a 12 xy + a 13 xz + a 22 y 2 + a 23 yz + a 33 z 2 + a 31zx + a 32 zy + b1x + b 2 y + b 3 z +
+ c = 0,

unde aij, bi, c ∈ Ñ, există ast ≠ 0 şi aij = aji pentru orice i,j ∈ {1,2,3}.

10.33.1 Propozţie. Fie X ⊂ Ñ3 o cuadrică. Atunci există o bază a lui Ñ2

astfel încât ecuaţia cuadricei X să aibă una dintre următoarele forme:

10 ax 2 + by 2 + cz 2 + d = 0 unde a,b,c,d ∈ Ñ şi cel puţin unul dintre

coeficienţii a,b,c este nenul.

20 ax 2 + by 2 + ez = 0 unde a,b,c,d ∈ Ñ şi cel puţin unul dintre coeficienţii

a,b este nenul.

Demonstraţie. Propoziţia rezultă din teorema de clasificare a
fucţiilor pătratice reale (cazul particular n = 3).

Definiţie. Fie X = V(Q) o cuadrică din Ñ3 şi să presupunem că ecuaţia lui X

este ax 2 + by 2 + cz 2 + d = 0 sau ax 2 + by 2 + cz = 0 . Dacă (x,y,z) ∈ X se

spune că X este o cuadrică cu centru.

190
Dacă există (x,y,z) ∈ X astfel încât (-x,-y,-z) ∉ X se spune că X este o
cuadrică fără centru.

10.33.2.Propoziţie. Fie X = V(Q) o cuadrică din Ñ3.

a) Dacă există o bază a lui Ñ3 astfel încât Q(x,y,z) = ax2+by2+cz+d atunci

X are centru.
b) Dacă există o bază a lui Ñ3 astfel încât Q(x,y,z) = ax2+by2+cz atunci X

are centru dacă şi numai dacă e = 0.

Demonstraţie. a) Fie (x,y,z) ∈ X. Atunci Q(-x,-y,-z)=ax2+by2+cz2+d=
=Q(x,y,z)=0, deci (-x,-y,-z) ∈ X. Prin urmare X are centru.
b) Dacă (x,y,z) ∈ X şi (-x,-y,-z) ∈ X atunci 2ez = 0. Deci X are centru
dacă şi numai dacă e = 0.

10.33.3.Teoremă. Orice cuadrică reală aparţine uneia din următoarele

clase distincte:

x2 y 2 z2
1) + + = 1 , a,b,c, ∈ Ñ\{0}. (Elipsoid)
a2 b2 c2

x2 y 2 z2
2) + − = 1 , a,b,c, ∈ Ñ\{0}. (Hiperboloid cu o pânză)
a2 b2 c2

x 2 y 2 z2
3) − − = 1, a,b,c, ∈ Ñ\{0}. (Hiperboloid cu două pânze)
a2 b2 c2

x 2 y 2 z2
4) + + + 1 = 0 , a,b,c ∈ Ñ\{0}. (Elipsoid vid)
a2 b2 c2

x2 y2 z2
5) + + = 0 , a,b,c ∈ Ñ\{0}. (Punct dublu)
a2 b2 c2

x 2 y 2 z2
6) + − = 0 , a,b,c ∈ Ñ\{0}. (Con)
a2 b2 c2

x2 y2
7) + = 2z , a,b ∈ Ñ\{0}. (Paraboloid eliptic)
a2 b2

191
 x2 y2
8) − = 2z , a,b ∈ Ñ\{0}. (Paraboloid hiperbolic)
a2 b2

x2 y2
9) + = 1 , a,b ∈ Ñ\{0}. (Cilindru eliptic)
a2 b2

x2 y2
10) − = 1 , a,b ∈ Ñ\{0}. (Cilindru hiperbolic)
a2 b2

x2 y2
11) + + 1 = 0 , a,b ∈ Ñ\{0}. (Cilindru vid)
a2 b2

x2
12) = 2 y , a ∈ Ñ\{0}. (Cilindru parabolic)
a2

x2 y2
13) + = 0 , a,b ∈ Ñ\{0}. (Dreaptă dublă)
a2 b2

x2 y2
14) − = 0 , a,b ∈ Ñ\{0}. (Cuplu de plane secante)
a2 b2

x2
15) = 1 , a,b ∈ Ñ\{0}. (Cuplu de plane paralele)
a2

x2
16) 2 + 1 = 0 , a,b ∈ Ñ\{0}. (Cuplu de plane vide)
a

17) x 2 = 0 . (Plan dublu)

Demonstraţie. Din propoziţia precedentă rezultă că există o bază a

lui Ñ3 astfel încât ecuaţia cuadricei X să fie de forma

i) Ax2+By2+Cz2+D = 0
sau
ii) Ax2+By2+Ez = 0.
i) Dacă ecuaţia lui X este Ax2+By2+Cz+D = 0 atunci pentru A,B,C ≠ 0
se obţin cuadricele 1,2,3,4,5,6 în funcţie de semnele lui A,B,C şi D.

192
Dacă A,B ≠ 0 şi C = 0 se obţin cuadricele 9,10,11,13,14. (Analog
dacă B,C ≠ 0, A = 0 sau A,C ≠ 0, B = 0).
Dacă A ≠ 0, B = C = 0 se obţin cuadricele 15,16,17. (Analog dacă
B ≠ 0, A = C = 0 sau C ≠ 0, A = B = 0).
ii) Dacă ecuaţia lui X este Ax2+By2+Ez = 0 şi E ≠ 0 se obţin cuadricele
7, 8 sau 12.
Reprezentări grafice ale unor cuadrice remarcabile.

x2 y 2 z2
1. Elipsoidul + + = 1.
a2 b2 c2

Fig.20

Reprezentarea grafică a elipsoidului (fig,20) se obţine studiind

intersecţia sa cu plane paralele cu planele determinate de axele de
coordonate. Să considerăm , de exemplu, un plan paralel cu planul
xOz. Fie aceasta y = h. Intersecţia sa cu elipsoidul este conica

x2 z2 h2
+ = 1 − .
a2 b2 b2

Dacă h ∈ (−b, b) atunci intersecţia este o elipsă. Dacă h =-b sau h = b

atunci planul intersectează elipsoidul într-un singur punct. Dacă
h > b atunci planul nu intersectează elipsoidul.

Intersecţia elipsoidului cu planele x = h şi z = h este de aceeaşi

natuă. Să remarcăm că elipsoidul este cuprins într-un paralelipiped

193
dreptunghic având muchiile egale cu 2a, 2b, 2c şi centrul în punctul
0 = (0,0,0).

2. Hiperboloidul cu o pânză

x2 y 2 z2
+ − = 1.
a2 b2 c2

Fig.21

Vom intersecta cuadrica cu plane paralele determinate de axele de

coordonate.

y 2 z2 h2
Să considerăm planul x = h. Se obţine conica − = 1 − .
b2 c2 a2
Pentru h ≠ −a sau h ≠ a această conică este o hiperbolă. Pentru

y 2 z2
h=-a sau h=a se obţine − = 0 , deci intersecţia este formată
b2 c2
din două drepte concurente.
Intersecţia cu planul y = h este de aceeaşi natură.
Considerând intersecţia cuadricei cu planul z = h se obţine elipsa

x2 y2 h2
+ = 1 + .
a2 b2 c2

194
Să observăm că lungimea semiaxelor elipsei variază de la a şi b la
x2 y2
+∞ , pentru h ∈ [0,+∞) . Pentru h = 0 se obţine elipsa − = 1.
a 2 b2
3. Hiperboloidul cu două pânze

x2 y2 z2
− − = 1.
a2 b2 c2

Fig.22

Să considerăm intersecţia cuadricei cu planul x=h. Se obţine conica.

entru h ∈ (−a, a) conica este o elipsă imaginară, deci planul x=h nu
intersectează cuadrica. Pentru h=-a se obţine punctul (-a,0,0), iar
pentru h = a punctul (a,0,0). Dacă h > a atunci intersecţia este o

elipsă.

Considerând intersecţia cu planul y = h se obţine conica

x2 z2 h2
− = 1 +
a2 c2 b2

care este o hiperbolă. Tot o hiperbolă se obţine şi intersectând

cuadrica cu planul z = h.

195
 x2 y2 z2
4. Conul + − =0
a2 b2 c2

Fig.23

y 2 z 2 h2
Secţiunea cu planul x = h este hiperbola − + = . Pentru
b2 c2 a2
h=0 se obţin două drepte. Intersecţia cu planul y = h este de aceeaşi
natură.

x 2 y 2 h2
Intersecţia cu planul z = h este conica + = , care este o
a2 b2 c2
elipsă pentru h ≠ 0 . Pentru h = 0 se obţine punctul (0,0,0).

Să remarcăm că există plane care intersectează cuadrica după o

c
parabolă. Să considerăm planul z = x + h , unde h ≠ 0 . Se obţine
a
parabola

2hb 2 ha
y2 = (x + ) .
ac 2c

196
 x2 y2
7. Paraboloidul eliptic + = 2z .
a2 b2

Fig.24

Să observăm că paraboloidul eliptic este conţinut în regiunea din

spaţiu {(x, y, z) ∈  3 ; z ≥ 0 } .

Să considerăm intersecţia cu planul z = h, unde h ≥ 0 . Dacă h = 0 se

x2 y2
obţine punctul(0,0,0). Dacă h ≠ 0 se obţine elipsa + = 2h .
a2 b2

y2 h2
Intersecţia cu planul x = h este parabola = 2 z − , iar
b2 a2

x2 h2
intersecţia cu planul y = h este parabola = 2 z − .
a2 b2

x2 y2
8. Paraboloidul hiperbolic − = 2z .
a2 b2
Fig.25

197
 y2 h2
Intersecţia cu planul x = h este parabola = −2 z + , iar
b2 a2

x2 h2
intersecţia cu planul y = h este parabola = 2 z + .
a2 b2

x 2 y2
Intersecţia cu planul z = h este hiperbola − = 2h dacă h ≠ 0
a2 b2

x2 y2
sau cuplul de drepte secante − dacă h = 0.
a2 b2

x2 y2
9. Cilindrul eliptic + = 1.
a2 b2

Fig.26

Intersecţia cu planul x = h este vidă dacă h ∉ [ −a, a] . Dacă h = -a

sau h = a intersecţia este dreapta y = 0. Dacă h ∈ (−a, a) intersecţia

este un cuplu de drepte paralele. Intersecţia cu planul y = h este de
aceeaşi natură.

x2 y2
Intersecţia cu planul z = h este elipsa + = 1.
a2 b2

198
 x2 y2
10. Cilindrul hiperbolic − = 1.
a 2 b2

Fig.27

y 2 h2
Intersecţia cu planul x = h este conica = − 1. Pentru
b2 a2
h ∈ (−a, a) planul nu intersectează cuadrica. Dacă h = -a sau h = a

intersecţia este dreapta y = 0. Dacă h > a intersecţia este formată

din două drepte paralele.

x2 h2
Intersecţia cu planul y = h este conica = 1 + , deci este
a2 b2
formată din două drepte paralele.

x2 y2
Intersecţia cu planul z = h este hiperbola − = 1.
a 2 b2

x2
12. Cilindrul parabolic = 2y .
a2

Fig.28

199
 h2
Intersecţia cu planul x = h este dreapta y = , iar intersecţia cu
2a 2
planul y = h este formată din două drepte paralele dacă h > 0 şi
este vidă pentru h < 0.

x2
Intersecţia cu planul z = h este parabola = 2y .
a2

200
Exerciţii

211. Să se stabilească natura conicei 2 x 2 + x + y = 0 şi să se reprezinte

grafic.

212. Să se reprezinte grafic conica x 2 − 8 xy + 16 y 2 = 0 .

213. Să se reprezinte grafic conica x 2 + y 2 − 8 x + 6 y + 21 = 0 .

214. Să se reprezinte grafi conica 9x 2 − 6 x − y 2 + 2 y = 0 .

215. Să se reprezinte grafic conica x 2 − 4 y + 6 x + 5 = 0 .

216. Să se stabilească natura cuadricei x 2 + 4 yz = 0 .

217. Să se stabilească natura cuadricei x 2 − 4 xy + z 2 − 2 x + 1 = 0 .

218. Să se stabilească natura cuadricei x 2 − y 2 + 2 yz − z 2 + 2 x + 1 = 0 .

201
202
Soluţii

1. Vom utiliza corolarul 2.5.2.

i) au = av dacă şi numai dacă au − av = a(u − v) = 0 , deci dacă şi
numai dacă a = 0 sau u–v = 0, adică a = 0 sau u = v.
ii) au = bu dacă şi numai dacă au − bu = (a − b)u = 0 , deci dacă şi
numai dacă a – b = 0 sau u = 0, adică a = b sau u = 0.

2. (x 1,..., x n ) + (− x 1,...,− x n ) = ( x 1 − x 1,..., x n − x n ) = (0,...,0) .

3. x = (1,2) = 1 ⋅ (1,−1) + 1 ⋅ (0,3) = y + z .

4. Fie (x, y) ∈ V . Atunci (x, y) = (2 y − x)(1,1) + ( x − y)(2,1) , deci vectorii (1,1),

(2,1)sunt un sistem de generatori. Cum ei sunt şi liniari
inependenţi, rezultă că formează o bază a lui V = Ù32.

ii) Deoarece (0,0) = (1 ⋅ (1,2) + 1 ⋅ (2,1) = 0 ⋅ (1,1) rezultă că vectorul (0,0)

nu pate fi reprezentat în mod unic ca o combinaţie liniară a
vectorilor (1,2), (2,1) şi (1,1).

x − r0
5. Fie d = d(r0,a). Atunci d ⊂  atunci x = r0 + ta , unde t = ∈
a
(căci a ≠ 0 ),deci x ∈ d . Prin urmare d = Ñ.

6. Fie x ∈ [a, b] . Atunci există t ∈, 0 ≤ t ≤ 1, astfel încât

x = a + ta − a + (1 − t)b = a + (1 − t)(b − a) .

203
7. Să presupunem, de exemplu, că A aparţine segmentului [CB]. Conform
exerciţiului precedent A = C +t(B-C), unde 0 ≤ t ≤ 1.
Dacă A = C+t(B-C), unde 0 ≤ t ≤ 1, atunci A aparţine dreptei care trece prin
C şi are direcţia B+C. Deoarece B = C + 1 ⋅ (B − C) aparţine aceleeaşi drepte
rezultă că punctele A,B,C sunt coliniare.

8. Planul determinat de punctele A,B şi C este planul care trece prin A şi

are direcţiile B-C şi C=A. Un punct oarecare al său este A+s(B-A)+t(C-A),
unde s,t ∈ Ñ.

Reciproc, să considerăm planul format din punctele A + s(B − A) + t(C − A) ,

unde s,t ∈ Ñ.

Pentru s = 0, t = 0 se obţine punctul A.

Pentru s = 0, t = 1 se obţine punctul C.
Pentru s = 1, t = 0 se obţine punctul B.

9. r0 + ta = r0 + ta + 0 ⋅ b ∈ P(r0 , a, b) şi r0 + tb = r0 + 0 ⋅ a + tb ∈ P(r0 , a, b) .

AC
10. Fie A = (a1, … ,an) ,b = (b1, … ,bn), C = (c1, … ,cn). Dacă = k atunci
CB

n n

∑ i=1
(c i − a i ) 2 = k ∑ (c
i =1
i − b i )2 .

Fie Ai,Bi şi CI proiecţiile punctelor A,B şi C pe dreapta Oxi. Atunci

ci − ai a + kb i A + kB
= k . Rezultă că avem c i = i . Prin urmare C = .
bi − ci 1+ k 1+ k

204
11. Să observăm că A1 A2 + A2 A3 = A1 A3 .Avem succesiv

Fig.29

A1 A2 + A2 A3 + A3 A4 = A1 A3 + A3 A4 = A1 A4 ,
…………………………………………………………………..

A1 A2 + ... + Am −1 Am = A1 Am .

Prin urmare

A1 A2 + A2 A3 + ... + Am −1 Am + Am A1 = A1 Am + Am A1 = 0.

12. Fie At proiecţia punctului A pe dreapta

→ →
(OB). Fie unghiul dintre OA ' şi OA .Atunci OA ' = OA ⋅ cos u

Fig.30

Iar A’ aparţine cercului de diametru [AB ]. Puterea punctului O faţă de

→ →
cercul de diametru [AB ] este OA ⋅ OB ⋅ cos u = OA ⋅ OB

205
 ∧
13. Deoarece (PQ ) (AD ) şi (QR ) (BD ) rezultă că unghiul PQR este efal

PQ AD
cu unghiul u şi = =k.
RQ DB

14. Fie M mijlocul segmentului [BC] , iar O = ( 0, 0 ) ∈  2 . Atunci

→ →
→
OB + OC
OM =
2

Fig.31

→ → → →
Fie G ∈ [AM] astfel încât AG = 2 GM . Atunci GA + 2 GM = 0 . Dar
→ → → → → → → →
⎛ → →
⎞
GA = OA − OG, GM = OM − OG . Prin urmare OA − OG+ 2⎜⎜ OM− OG ⎟⎟ = 0 deci
⎝ ⎠
→ → → → →
→
OA + 2 OM OA + OB + OC
OG = = .
3 3

Deoarece OG are o expresie simetrică faţă de A, B şi C rezultă că G

aparţine feicăreia dintre cele trei mediane ale unghiului, deci cele trei
2 1
mediane sunt concurente într-un punct situat la de vârf şi la de bază.
3 3

15. Fie M mijlocul segmentului [AB ] , iar N mijlocul

206
 Fig. 32

Segmentului [CD ] . Fie O un punct arbitrar din plan. Atunci

→ → → → → → → → →
→ →
OC+ OD OA + OB OC − OB OD− OA BC
→
MN = ON− OM = − = + = +
2 2 2 2 2
→ → →
AD BC + AD
+ = .
2 2

16. Fie H intersecţia înălţimilor din A şi B. Vom arăta că dreapta (CH) este
perpendiculară pe dreapta (AB).

Fig.33

Avem AH · BC = 0 şi BH · AC = 0Deoarece AC = HC - HA şi BC = HC - HB
obţinem

HC · AB = HC ·( HB - HA )= HC · HB - HC · HA = HC · HB - HA · HB -

HC · HA + HB · HA =

=( HC - HA )· HB -( HC - HB )· HA = AC · HB - BC · HA = 0-0 = 0

Prin urmare dreapta (HC) este perpendiculară pe dreapta(AB).

17. Fie M mijlocul segmentului [BC]. Atunci GB + GC = 2 MG = −2 MG = −GA.

207
 Fig.34

Deci GA + GB + GC = 0

18. Avem XA = CA - CX şi XB = CB - CX

Fig.35

Deci 3( CA - CX ) = 2( CB - CX )- CX dacă şi numai dacă 3 CA = 2 CB

Prin urmare mulţimea punctelor X cu proprietatea cerută este Ñ3 dacă

3 CA = 2 CB ori Ø (dacă) 3 CA ≠ 2 CB .

Observaţie. Dacă 3 CA = 2 CB atunci punctele A, B şi C sunt coliniare.

∧
19. Să presupunem că SAB = v. Atunci AS ⋅AB = AS ⋅ AB cos v = =2cos2v

208
 Fig.36

∧
Fie M ∈ [SB] astfel încât AMC = u . Din triunghiul AMO obţinem

2 u
AB = AM sin , iar din triunghiul AMB obţinem AM = AB sin v .
2 2
1 cos u 2 cos u
Deoarece sin v = şi cos 2 v = obţinem AS ⋅AB = .
u cos u − 1 cos u − 1
2 sin
2

AS + AB
Deoarece AK = avem
2

2 1 2 2 9 cos u − 1
AK = AK ⋅AK = (AS + AB + 2 AS ⋅ AB) = .
4 4(cos u − 1)

1 1 − 9 cos u
Deci AK = .
2 1 − cos u

1 1
20. S AOB = OA ⋅ OB ⋅ sin(OA, OB) = OA × OB
2 2

Conform propoziţiei 3.10.2.

209
 Fig.37

2
21. Fie a = AB , AD = b ∈  A . Atunci S = S ABCD = a × b .

Fig.38

1 3 5 3
Avem AE = a , AF = b . FD = b , DQ = a.
4 8 8 10

1 3
Atunci EF = AE − AF = a − b,
4 8

5 3
FQ = FD + DQ = b+ a.
8 10

Prin urmare 1 1 3 1 5 3
S EFQ = FE × FQ = ( b − a) × ( b + a) =
2 2 8 4 8 10
1 15 5 9 3
= b×b − a×b + b×a − a×a =
2 64 32 80 40
1 −5 −9 1 25 + 18 43
= ( + )a × b = ⋅ a×b = S
2 32 80 2 160 320

S EFQ 43
Prin urmare = .
S ABCD 320

22. Fie X = (5,2,0) . Atunci X = 0 ⋅ f1 + (−1) ⋅ f2 + 2 ⋅ f3 = 2 ⋅ f1 + f2 .

210
23. Fie a 1,..., a m ∈ k , nu toţi ai nuli, astfel încât

a 1X 1 + a 2 X 2 + ... + a m x m = 0 . Fie atunci j ∈ {1,2,..., m} astfel încât a j ≠ 0 .

Avem

(*) a j x j = −(a 1x 1 + ... + a j−1x j−1 + a j+1x j+1 + ... + a m x m ) .

Deoarece a j ≠ 0 în k există aj-1. Înmulţind relaţia (*) la stânga cu a j −1

obţinem

x j = − a j − 1 ( a 1 x 1 + ... + a j − 1 x j − 1 + a j + 1 x j + 1 + ... + a m x m ) =
= b 1 x 1 + ... + b j − 1 x j − 1 + ... + b m x m

unde b i = −a j −1a i .

24. Dacă ax + (1 − a)y = 0 atunci vectorii x şi y sunt liniari dependenţi.

Într-adevăr, dacă a = 1-a = 0 ar rezulta 1=0, ceea ce este absurd (k fiind un
corp).

Dacă x şi y sunt liniari dependenţi fie b, c ∈ k astfel încât b ≠ 0 şi

bx + cx = 0 (cazul c ≠ 0 se tratează analog). Dacă b + c = 0 atunci
x − y = 0 , deci x = y , ceea ce contrazice ipoteza că x şi y sunt distincţi.

Deci b + c ≠ 0 . Fie a = (b + c) −1 b . Avem (b + c) −1 bx + (b + c) −1 cy = 0 şi

1 − a = (b + c) −1(b + c) − (b + c) −1 b = (b + c) −1(b + c − b) = (b + c) −1 c . Deci

ax + (1 − a)y = 0 .

25. Dacă a, b ∈  şi a sin x + b cos x = 0 pentru orice număr real x să

considerăm x = 0 . Rezultă b = 0 .

211
Deci a sin x = o pentru orice x ∈  . Fie x = 90 o . Atunci a = 0 . Deci
funcţiile sin şi cos sunt liniar independente peste Ñ.

26. Vom demonstra prin inducţie după k ∈ Í că funcţiile 1, sinx, sin2x, … ,

sin kx sunt liniar independente peste Ñ.

Pentru k = 0 trebuie arătat că 1 este un vector liniar independent. Dar

1 ≠ 0 , deci este liniar independent.

Să presupunem afirmaţia dovedită pentru k = n şi s-o demonstrăm pentru

k = n + 1.

Fie a0,a1,…,an+1 ∈ Ñ, astfel încât

a 0 ⋅ 1 + a 1 ⋅ sin x + a 2 ⋅ sin 2 x + ... + a n ⋅ sin nx + a n+1 ⋅ sin(n + 1)x = 0

pentru orice x ∈  .

Fie f :  →  ,

f( x) = a 0 + a 1 sin x + a 2 sin 2 x + ... + a n sin nx + a n+1 sin(n + 1)x.

Deci f( x) = 0 pentru orice x ∈  . Funcţia f este de două ori derivabilă.

Avem f " (x) = 0 pentru orice x ∈  . Atunci (n + 1) 2 f(x) + f " (x) = 0 pentru
orice x ∈  .

212
Deci

∑a
k =0
k [(n + 1) 2 − k 2 ] sin kx = 0

pentru orice x ∈  .

Din ipoteza inductivă rezultă că a k [(n + 1) 2 − k 2 ] = 0 pentru

k = 0,1,2, … ,n. Deci a 0 = a 1 = a 2 = ... = a n = 0 . Deci a n+1 sin(n + 1)x = 0

π
pentru orice x ∈  . Fie x = . Rezultă a n+1 = 0 . Prin urmare
2(n + 1)

funcţiile 1, sin x, sin 2x, … , sin(n+1)x sunt liniar independente peste Ñ.

27. Fie x = ( x 1, x 2 , x 3 ) ∈  .

Atunci x = 0 ⋅ (1,2,3) + x 1(1,0,0) + x 2 (0,1,0) + x 3 (0,0,1) , deci M este un sistem de

generatori al lui Ñ3.

Deoarece (−1) ⋅ (1,2,3) + 1 ⋅ (1,0,0) + 2 ⋅ (0,1,0) + 3 ⋅ (0,0,1) = (0,0,0) rezultă că M nu

este liniar independentă.

28. 1) Fie x,y ∈ W. Atunci x − y = 1⋅ x + (−1) ⋅ y ∈ W. Deci W este un subgrup

al lui (V,+).

2) (W,+) este un grup, iar cei cx ∈ W pentru orice x ∈ W, c ∈ k. Din axiomele

spaţiului vectorial V rezultă că avem:

213
 a(x + y) = ax + by,
(a + b)x = ax + ay,
a(bx) = (ab)x
1⋅ x = x

pentru orice a,b ∈ k, x,y ∈ W.

29. Fie w ∈ Sp(w1, … ,wn). Atunci c1, … ,cm ∈ k astfel încât

w = c 1w 1 + ... + c m w m .

30. Mulţimea Pn(k) este un subspaţiu vectorial al lui k[T] deoarece suma a
două poliname de grad ≤ n este un polinom e grad ≤ n.

Fie f ∈ Pn(k). Atunci f(T) = a 0 + a 1T + ... + a n T n , unde ai ∈ k (unii coeficienţi

ai pot fi nuli). Deci f este o combiaţie liniară a polinoamelor

1, T,..., T n ∈ Pn (k) . Deci mulţimea {1, T, T2, … ,Tn} este un sistem de

generatori al spaţiului vectorial Pn(k).

31. a) Dacă x = ( x 1, x 2 , x 3 ) , y = ( y 1, y 2 , y 3 ) ∈ U şi a, b ∈  atunci

v = ax + by ∈ U căci v 1 = ax 1 + by 1 = v 3 . Deci U este un spaţiu vectorial al

lui Ñ3. Analog şi W este un subspaţiu vectrial al lui Ñ3.

b) Fie v = x + y , unde x ∈ U, y ∈ W. Atunci v = ( x 1 + y 1, x 2 + y 1, x 1 + y 3 ) .

Deci U + W = {(a + b, c + b, a + d); a, b, c, d ∈ }

}.

c) Să observăm că U + W ⊂ 3 . Fie v = ( v 1, v 2 , v 3 ) ∈  3 . Atunci

v = (v 1 + 0, v 2 + 0, v 1 + (v 3 − v 1)) = (a + b, c + b, a + d) , unde a = v1 , b=0,

c = v 2 , d = v 3 − v 1 . Deci v ∈ U + w . Prin urmare U + W ⊂  3 .

214
32. Să presupunem că U ∪ W este un subspaţiu vecorial al lui v. Dacă
U ⊄ W şi W ⊄ U atunci există u ∈ U \ W şi w ∈ W \ U . Atunci u + w ∉ U ∪ W .
(Dacă u + w ∈ U atunci w ∈ U , contradiaţie, iar dacă u + w ∈ w atunci
u ∈ W , contradicţie). Deci U ∪ W n-ar fi un spaţiu vectorial.

Dacă U ⊂ W atunci U ∪ W = W este un subspaţiu vectorial, iar dacă W ⊂ U

atunci U ∪ W = U este un subspaţiu vectorial.

33. Mulţimea {1, T, T2} este formată din vectori liniar independenţi. Fie

w ∈ P2 (k) . Atunci w = a 0 + a 1T + a 2 T 2 , unde a0, a1, a2 ∈ k, deci

1⋅ w − a 0 ⋅ 1 − a 1T − a 2 T 2 = 0 , adică w, 1, T, T2 sunt liniar independenţi. Prin

urmare {1, T, T2} este o mulţime maximală de vectori liniari independenţi.

34. Fie k un corp comutativ, v = k[T], iar W = k[ T 2 ] ⊂ k[ T] . Să observăm că

W = {f ∈ k[T] , f = a 0 + a 1T 2 + ... + a n T 2n , ai ∈ k, n ∈ Í. FieB={1,T,T2,…,Tn ,…}

şi B1={1,T2,T4,…,T2n,… }. Atunci B este o bază a lui V, B1 este o bază a lui W

şi card(B) = card(B1) (funcţia f : B → B1 , f(T j ) = T 2 j fiind o bijecţie). Cum

T 3 ∈ V \ W rezultă că W ≠ V .

35. Deoarece r < n mulţimea {v1, … ,vr+1} = {v1, … ,vn} este o bază a lui V.

Dacă r + 1 < n atunci există v r + 2 ∈ V astfel încât vectorii v1, … ,vr+2 să fie
liniari independenţi. Din nou comparăm pe r+2 cu n. După un număr finit
de paşi găsim n vectori liniari independenţi v1, … ,vn. Deoarece
dim V=n rezultă că mulţimea {v1, … ,vn} este o bază a lui V.

215
36. Dacă n ∈ Í* atunci n îl divide pe n, deci n < n. Dacă n < m şi

m < p atunci m = na, p = mb, unde a,b ∈ Í*.

Deci p = mb = (na); deci n<p.

În sfârşit, să presupunem că n < m şi m < n. Deci există a,b ∈ Í* astfel încât

m = na şi n = nb. Atunci m = na = (mb)a, deci ba = 1. Cum

a,b ∈ Í* rezultă că a = b = 1. Prin urmare n = m.

Deci ( Í*,< ) este o mulţime parţial ordonată.

37. Putem presupune după o eventuală reindexare, că a 1 ≤ a 2 ≤ ... ≤ a n .

Atunci an este element maximal.

38. Mulţimea S este element maximal.

39. Vectorii f1, f2, f4, sunt liniari independenţi.

Într-adevăr, dacă a, b, c ∈ Ñ şi af1 + bf2 + cf4 = 0 atunci

a+2b+c = 0 ,

b+2c = 0 ,

b+3c = 0 ,

-a+4c = 0 ,

deci a = b = c = 0.

216
Fie W = Sp(f1,f2,f4). Avem f3 = f1 + f2 ∈ W şi f5 = f3 − f4 ∈ Sp(f1, f2 , f3 , f4 , f5 ) .
Prin urmare Sp(f1,f2,f3,f4,f5)=W, deci are dimensiunea 3.

40. Vectorii f1, f2, f3, f4 sunt liniari independenţi. Deoarece dim  4 = 4
rezultă că mulţimea { f1, f2, f3, f4 } este o bază a lui Ñ4. Deoarece x = ( 5,

11, 0, 15 ) = -2f1 + f2 + 3f3 + 2f4 rezultă că x are în raport cu această bază

coordonatele –2, 1, 3, 2.

41. Vectorii (1, 0, … ,0, 1), (0, 1, 0, … ,0), … ,(0, 0, … ,0, 1, 0) formează o
bază a lui w1, deci dim W1 = n-1.

Vectorii (1, 0, … ,0), (0, 1, 0, … ,0, 1), … ,(0, … ,0, 1, 0) formează o bază a
lui W2, deci dim W2= n-1.

W1 + W2 = {(a 1 + b1, a 2 + b 2 , a 3 + b 3 ,..., a n−1 + b n−1, a 1 + b 2 ); a i , b i ∈ k } =

O
= {(a + b, a ' + c, c 3 ,..., c n−1, a + c) ∈ k n ; a, a ' , c i , c, b ∈ k }
bază a lui W1+W2 este formată din vectorii (1, 0, … ,0), (0, 1, 0, … ,0),…,
(0, … ,0, 1), deci dim(W1 + W2) = n.

42. Fie {u1, … ,ur} o bază a lui W1 ∩ W2 . Atunci există vectorii v r +1,.., v n şi

w r +1,..., w m astfel încât {u1,..., u r } ∪ { v r +1,..., v n } să fie o bază a lui W1,

iar {u1,..., u r } ∪ { w r +1,..., w n } să fie o bază a lui W2. Atunci mulţimea

{u1,..., u r } ∪ v r +1,..., v n } ∪ { w r +1,..., w n } este o bază a lui W1+W2. Prin

urmare

dim( W1 + W2 ) = r + (n − r) + (m − r) = n + m − r = dim W1 + dim W2 − dim W1 ∩ W2

217
43. dim W1 = 4 , dim W2 = 3 .

Deoarece W1 ∩ W2 = {(a 1, a 2 , a 3 , a 4 , a 5 ) ∈ k 5 ; a 1 = a 2 = a 4 = 0 } rezultă că

dim W1 ∩ W2 = 2 .

Atunci dim( W1 + W2 ) = dim W1 + dim W2 − dim W1 ∩ W2 = 4 + 3 − 2 = 5 .

Cum W1 + W2 ⊂ k 5 şi dim(w 1 + W2 ) = 5 = dim k 5 rezultă că W1 + W2 = k 5 .

44. Deoarece cv 1 + bv 2 + av 3 = 0 rezultă că dim W < 3 .

45. Fie a ∈  , v ∈ V. Atunci a ∈ Â şi av se defieşte conform structurii de Â-

spaţiu vectorial a lui V.

Fie {e1, … ,en} o bază a lui V peste Â. Atunci mulţimea {e1, ie1, …, en, ien}

este o bază a lui V peste Ñ. Într-adevăr, dacă v ∈ V există şi sunt unici z1, …

,zn ∈ Â astfel încât

v = z 1e 1 + z 2 e 2 + ... + z n e n .

Fie z1 = a1 + ib1, z2 = a2 +ib2, … ,zn = an + ibn, unde aj, bj ∈ Ñ. Atunci

V = a1e1 + b1(ie1) + a2e2 + b2(ie2) + … + anen +bn(ien) şi reprezentarea este

unică. Prin urmare dimÑV=2n.

46. Să presupunem că ar exista a1, … ,an-1 ∈ k astfel încât en =a1e1 + … +

+an-1en-1. Atunci

a1e1 + … + an-1en-1 + (-1)en = 0.

218
Deoarece −1 ≠ 0 ar rezulta că vectorii e1, … ,en-1, en ar fi liniari
dependenţi, ceea ce contrazice presupunerea că mulţimea {e1, … ,en-1, en}
este o bază a lui V.

47. a) A(0) = A(0) + A(0) = 2A(0). Deci A(0) = 0.

b) Fie x ∈ V. Atunci A(x) + A(-x) = A(x - x)= A(0) = 0, deci A(-x) = -

A(x).

c) Vom dovedi afirmaţia prin inducţie după n.

Pentru n = 1, 2 c) rezultă din definiţia aplicaţiilor liniare.

Să presupunem relaţia c) verificată pentru n-1 vectori şi s-o dovedim

pentru n vectori. Fie x = a1v1 + … + an-1vn-1, y = anvn. Atunci

n −1
A(x) = ∑ a A(v ) conform inducţiei şi A(y) = a A(v ). Prin urmare
j=1
j j n n

n n−1
A( ∑i =1
a i v i ) = A( ∑a v
j=1
j j + a n v n ) = A(x + y) = A(x) + A(y) =

n−1 n
= ∑ a A(v ) + a
j=1
j j n A(v n ) = ∑ a A(v ) .
i=1
i i

48. Cuplul ( *+ ,.) este un grup (abelian).

Fie a, b ∈ Ñ, x,y > 0. Atunci

(a + b) ⋅ o x = x a +b = x a x b = (a o x) ⋅ (b o x) ,

a o (xy) = (xy)a = x a y a = (a o x) ⋅ (a o y) ,

(ab) o x = x ab = (x b ) a = (b o x) a = a o (b o x) ,

1o x = x 1 = x .

219
Prin urmare ( Ñ+*, .) este un Ñ-spaţiu vectorial.

Deoarece ln[(a o x) ⋅ (b o y)] = ln(x a y b ) = a ⋅ ln x + b ⋅ ln y rezultă că aplicaţia

ln: Ñ+* → Ñ este o aplicaţie liniară.

49. Este suficient să arătăm că f-1 este o aplicaţie liniară de la W la V. Fie

a, b ∈ k şi w1, w2 ∈ W. Deoarece f este surjectivă (fiind bijecţie) există v1,
v2 ∈ V astfel încât f(v1) = w1 şi f(v2) = w2. Atunci

f(av1+bv2) = af(v10+bf(v2) = aw1+bw2 .

Deoarece f este bijectivă rezultă că f-1(aw1+bw2) = av1+bv2 . Dar v1 = f-1(w1),

v2 = f-1(w2). Prin urmare f-1(aw1+bw2) = af-1(w1)+bf-1(w2), adică f-1 este
liniară. Rezultă că f este un izomorfism de spaţii vectoriale.

50. f[(1,1)+(1,0)] = f((2,1)) = (2,1)+(1,2) = (3,3) iar f((1,1))+f((1,0)) =

=(2,3)+(2,2) = (4,5). Deci f nu este liniară.

51. f[a(x1,x2)+b(y1,y2)] = f(ax1+by1,ax2+by2)(ax1+by1,ax2+by2,ax1+by1--ax2-

by2) = a(x1,x2,x1-x2)+b(y1,y2,y1-y2) = af(x1,x2)+bf(y1,y2) pentu orice a,b ∈ Ñ,

(x1,x2), (y1,y2) ∈ Ñ2. Deci este o aplicaţie liniară.

52. A(ax+by) = (2ax+2by,3ax+3by) = a(2x,3x)+b(2y,3y) = =aA(x)+bA(y). Prin

urmare A este un operator liniar.

220
53. Fie a,b ∈ k şi x,y ∈ V. Atunci A(ax+by) = (A1(ax+by), … ,An(ax+by)) =
=(aA1(x)+bA1(y), … ,aAn(x) +bAn(y)) = a(A1(x), … ,An(x))+b(A1(y), … ,An(y)) =
= aA(x)+bA(y). Deci A este liniară.

54. A[a(x,y,z)+b(x1,y1,z1)] = ax+bx1-2(ay+by1)+3(az+bz1) = a(x-2y+3z)+b(x1-

2y1 +3z10=aA(x,y,z)+bA(x1,y1,z1). Deci A este liniară.

Fie (x,y,z) ∈ ker A. Atunci x − 2 y + 3z = 0 , deci x = 2 y + 3z . Prin urmare

ker A = {(2 y + 3z, y, z) ∈  3 ; y, z ∈  } . Vectorii (2,1,0), (3,0,1) formează o

bază a lui ker A. Prin urmare def A = dim(ker A) = 2. Im A ⊂  iar
1 = 1 − 2 ⋅ 0 + 3 ⋅ 0 ∈ Im A . Deci Im A = Ñ. Prin urmare A este o surjecţie.

55. A este o aplicaţie liniară. Dacă (x, y, z) ∈ ker A atunci y=-x , z=-x, deci
ker A = {(x, -x, -x); x ∈ Ñ}. Prin urmare def A = dim (ker A) = 1. Deoarece

def (A) + rg(A) = dim Ñ3 = 3 rezultă că rg(A) = 2.

56. A este o aplicaţie liniară, deci un morfism de grupuri. Deoarece ker A =

{(0,0,0)} rezultă că A este o injecţie, deci def (A) = 0. Atunci rg(A)= =3,
adică dim(Im A) = 3 = dim Ñ3. Prin urmare A(Ñ3) = Ñ3, deci A este şi

surjectivă. Prin urmare A este o bijecţie.

57. rg(A)+def(A) = dim V, deci rg(A) = dimV dacă şi numai dacă def(A) = 0.
Dar def(A) = 0 dacă şi numai dacă ker A = 0 , deci dacă şi numai dacă A
este o injecţie.

221
58. Este suficient să observăm că matricea A eate superior triunghiulară
dacă şi numai dacă transpusa sa At = (bij) este inferior triunghiulară.

59. Deoarece aii+aii = 2aii = 0 rezultă că aii = 0 pentru i = 1,2,…,n.

A = B + C , unde

⎛ 0 a 12 ... a 1n ⎞ ⎛ 0 0 ... 0 0⎞
⎜ ⎟ ⎜ ⎟
⎜0 0 ... a 2n ⎟ ⎜ − a 12 0 ... 0 0⎟
B=⎜ , B=⎜ .
... ... ... ... ⎟ .... ... ... ... ...⎟
⎜ ⎟ ⎜ ⎟
⎜0 ⎟ ⎜ 0 ⎟⎠
⎝ 0 ... 0a nn ⎠ ⎝ − a 1n − a 2n ... − a n−1,n

60. a) Mulţimile M1, M2, M3 şi M4 sunt subspaţii vectoriale. O bază a lui M1

este mulţimea {E1, … ,En}, unde Ei este matricea diagonală care are 1 în
poziţia (i,i) şi 0 în rest. Deci dim M1 = n.

Să observăm că M2+W = M(n,n;k) şi M2 ∩ W = 0. Atunci

n = dim( M 2 + W) = min M 2 + dim W − dim M 2 ∩ W ,

n(n + 1) n(n − 1)
deci dim M 2 = n − = .
2 2

O bază a lui M3 este formată din matricile superior triunghiulare care au 1

n(n + 1)
într-o singură poziţe. Deci dim M 3 = . Analog se arată că
2
n(n + 1)
dim M 4 = .
2

n(n + 1)
b) Deoarece dim M 3 = dim M 4 = dim W = rezultă că spaţiile
2
vectoriale M, M4 şi W sunt izomorfe.

222
61. Să observăm că Tr(In ) = 1 + 1 + ... + 1 = n ≠ 0 . Deoarece Tr(AB) = =Tr(BA)
rezultă că Tr(AB-BA) = 0. Deci AB-BA ≠ In pentru orice A,B∈M(n,n;k).

62. e1 = 2e1’ + e2’-2e3’

e2 = -e1’ + e2’

e3 = - e2’ + e3’

⎛2 1 − 2⎞
⎜ ⎟
Deci Q = ⎜ − 1 1 0 ⎟ este matricea de trecere de la baza e la baza e’.
⎜ 0 −1 1 ⎟
⎝ ⎠

63. Aplicaţia A este liniară deoarece este definită cu ajutorul unor

polinoame omogene de gradul întâi.

A(e1) = A(1,0,0) = (1,0) = 2e1’ – e2’

A(e2) = A(o,1,0) = (1,1) = e1’

A(e30 = A(0,0,1) = (0,2) = -2(1,1) = 2(1,2) = -2e1’ + 2e2’.

Prin urmare

⎛ 2 − 1⎞
⎜ ⎟
M A,e,e' =⎜ 1 0 ⎟.
⎜− 2 2 ⎟
⎝ ⎠

64. Fie e = {e1, … ,em}, e’ = {e1’, … ,en’}, e” = {e1”, … ,ep”} şi MA ‚ MA,e,e’ =

(aij), MB = MB,e',e” = (bjs), M B⋅A = M BA,e,e, = (c is ) . Atunci

p
(1) (B o A)(e i ) = ∑c
s =1
is e s
,,
.

223
De asemenea

n n
B o A)(e i ) = B(A(e i )) = B( ∑
j=1
a ij e j, ) = ∑ a B(e
j=1
ij j
,
)=
(2) n p p n
= ∑ ∑
j=1
a ij
s =1
b js e s ,, ) = ∑ ∑a
s =1
(
j=1
ijb js )e s
,,

n
Din (1) şi (2) obţinem c is = ∑a
j=1
ijb js .

Deci M A ⋅ M B = M B⋅A .

⎛0 1 ⎞⎛ 0 − i ⎞ ⎛ 0 − i ⎞⎛ 0 1 ⎞
σ1σ 2 + σ 2 σ1 = ⎜⎜ ⎟⎜ ⎟+⎜ ⎟⎜ ⎟=
⎝1 0 ⎟⎠⎜⎝ i 0 ⎟⎠ ⎜⎝ i 0 ⎟⎠⎜⎝ 1 0 ⎟⎠
65. a)
⎛ i 0 ⎞ ⎛− i 0⎞ ⎛0 0⎞
= ⎜⎜ ⎟⎟ + ⎜⎜ ⎟=⎜ ⎟ = 2δ12 σ 0
⎝ 0 − i⎠ ⎝ 0 i ⎟⎠ ⎜⎝ 0 0 ⎟⎠

Analog se verifică şi celelalte identităţi.

b) Fie a, b, c, d∈ Ñ astfel încât

⎛0 0⎞ ⎛ a + di bi + c ⎞ ⎛ 0 0 ⎞
aσ 0 + biσ 1 + ciσ 2 + diσ 3 = ⎜⎜ ⎟⎟ . Prin urmare ⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ .
⎝0 0⎠ ⎝ bi − c a − di ⎠ ⎝ 0 0 ⎠
Deci a = di = c+bi = a-di = 0, deci a = b = c = d = 0. Prin urmare matricile
σ 0 , iσ 1, iσ 2 şi iσ 3 sunt liniar independente peste Ñ.

c) σ 0 2 = σ 0 deoarece σ 0 este matricea unitate.

⎛ 0 1 ⎞⎛ 0 1 ⎞ ⎛ 1 0 ⎞
σ 12 = ⎜⎜ ⎟⎟⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ = σ 0 . La fel se verifică şi celelalte relaţii.
⎝ 1 0 ⎠⎝ 1 0 ⎠ ⎝ 0 1 ⎠

d) Trσ 1 = 0 = 0 = 0 , Trσ 2 = 0 + 0 = 0 , Trσ 3 = 1 − 1 = 0 .

224
66. Deoarece dimÑM(2,2;Ñ) = 4 orice cinci vectori din M(2,2;Ñ) sunt liniari

dependenţi. În particular A,A2, … ,A5 sunt liniari independenţi peste R.

67. Fie s > m2 . Deoarece dimkM(m,m;k) = m2<s rezultă că matricile A,A2, …

,As sunt liniar dependente peste k. Rezultă că există a1, … ,as ∈ k , nu toţi ai
nuli, astfel încât

a 1A + a 2 A 2 + ... + a s A s = 0 .

Fie n∈{1,2, … ,s} cel mai mare cu proprietatea an ≠ 0. Atunci

a 1A + a 2 A 2 + ... + a n A n = 0 ,

unde an ≠ 0.

68. Să observăm că A2 ‚ a. Rezultă atunci că An ‚ A pentru orice n∈ Í*.

69. Din exerciţiul precedent rezultă că A2 = A.

Atunci B2 = (2A-I3)(2A-I3) = 2A(2A-I3) – I3(2A-I3)=4A2-2A-2A+I3 = 4A-4A+I3 = I3.

⎛ x y ⎞
70. Dacă X∈M(2,2;Ñ) attic X = ⎜⎜ ⎟⎟ , unde a,b ∈ Ñ.
⎝ 3 − 3a 1 − 3b ⎠

⎛x y⎞
71. Fie X = ⎜⎜ ⎟⎟ . Din condiţia AX = XA se obţine sistemul liniar
⎝ z u⎠

225
⎧bz = cy
⎪
⎨ay + bu = bx + dy
⎪cx + dz = az + cu
⎩

Pot avea loc următoarele patru cazuri.

1) b = c = 0. Atunci ay = dy şi dz = az.
⎛ x 0⎞
Dacă a ≠ d atunci y = z = 0, deci X = ⎜⎜ ⎟⎟ .
⎝ 0 u⎠

⎛ x 0⎞
Dacă a ‚ d atunci y şi z pot fi oarecare, deci X = ⎜⎜ ⎟⎟ .
⎝ 0 u⎠

a−d
2) b = 0, c ≠ 0 . Atunci y = 0 şi se obţine x = u + ⋅ z , deci
c
⎛ a−d ⎞
u+ ⋅ y y⎟
X=⎜
⎜ b ⎟.
⎝ 0 u ⎠
3) b ≠ 0 , c = 0. Atunci z = 0. Se obţine matricea
⎛ a−d ⎞
u+ ⋅ y y⎟
X=⎜
⎜ b ⎟.
⎝ 0 u ⎠

c
4) b ≠ 0 , c ≠ 0 . Atunci z = y . Prin urmare (a-d)(1-c)y = 0. Atunci a =
b
d, sau c = 1, sau y = 0. Deci
⎛u 0⎞ ⎛a b⎞
X = ⎜⎜ ⎟⎟ pentru A = ⎜⎜ ⎟⎟ ,
⎝ 0 u⎠ ⎝ c d⎠

⎛ a−d ⎞
⎜ u+ ⋅ y y⎟ ⎛a b⎞ ⎛a b⎞
X= ⎜ ⎟ ⎜ ⎟ b≠ 0.
⎜ b ⎟ pentru A = ⎜ c a ⎟ cu b,c ≠ 0 ori A = ⎜ 1 d ⎟ ,
⎝ 0 u ⎠ ⎝ ⎠ ⎝ ⎠

72. Fie u = rs. Atunci (AB)u = AuBu = (Ar)s(BS)r = 0·0 = 0.

Fie v = (r+1)(s+1). Deoarece AB = BA avem

226
 v
(A + B) = ∑C
i= 0
V
i
A iB V − i .

Dacă i > r atunci Ai = ArAi-r = 0·Ai-r = 0, iar dacă 0 ≤ i ≤ r atunci

v − i ≥ v − r = (r + 1)(s + 1) − r = s(r + 1) > s . Deci Bv-I = BSBt = 0, unde t∈ Í. Prin

urmare (A+B)V = 0.

⎛ 1 2a 2b + ac ⎞ ⎛ 1 3a 3b + 3ac ⎞
⎜ 2
⎟ 3
⎜ ⎟
73. Se obţine A = ⎜ 0 1 2c ⎟ , A = ⎜ 0 1 3c ⎟ ,
⎜0 0
⎝ 1 ⎟⎠ ⎜0 0
⎝ 1 ⎟
⎠

⎛ 1 4a 4b + 6ac ⎞
4
⎜ ⎟
A = ⎜0 1 4 c ⎟ . Prin urmare
⎜0 0 1 ⎟
⎝ ⎠

⎛0 0 0⎞
4 4 4
⎜ 3 2
⎟
B = ( A − I3 ) = A − 4 A + 6 A − 4 A + I3 = ⎜ 0 0 0 ⎟ = 0
⎜0 0 0⎟
⎝ ⎠

74. Fie B = A-I3 şi C = I3-B+B2-B3. Să notăm I3 = I. Atunci A = I+B. Se obţine

AC = (I+B)(I-B+B2-B3) = (I-B+B2-B3)+(B-B2+B3-B4) = I-B4 = I-0 = I şi

CA = (I-B+B2-B3)(I+B) = (I-B+B2-B3)+(B-B2+B3-B4) = I-B4 = I-0 = 0.

⎛0 0⎞
75. a) Se obţine A 2 − (a + d)A + (ad − bc)I2 = ⎜⎜ ⎟⎟
⎝0 0⎠

b) Dacă n = 1 atunci A = 0, deci A2 = 0.

Dacă n = 2 A2 = 0.

227
Să presupunem că An = 0, unde n ≥ 3 . Din a) obţinem An+1-(a+d)An+(ad-
bc)An-1 = 0, deoarece relaţia se multiplică cu An-1. Însă An = 0 şi An+1 = AnA =
0·A = 0. Prin urmare

(ad-bc)An-1 = 0.

Dacă ad − bc ≠ 0 atunci An-1 = 0. Dacă n − 1 ≠ 0 atunci An-2 = 0, ş.a.m.d. Se

obţine A2 = 0.

Dacă ad-bc = 0 atunci A2 = (a+d)A. Dacă a+d = 0 atunci rezultă că A2 =

(a+d)A. Dacă a+d = 0atunci rezultă că A2 = 0. Dacă a + d ≠ 0 atunci
(a+d)An-1 = An = 0, deci An-1 = 0. Ca şi în cazul precedent rezultă A2 = 0.

76. Fie M = {1,2, … ,n]. Compunerea funcţiilor M → M este asociativă, iar

⎛1 2 ... n ⎞
permutarea identică e = ⎜⎜ ⎟⎟ este element neutru faţă de
⎝1 2 ... n ⎠
compunerea funcţiilor.

⎛1 2 ... n ⎞
Fie σ = ⎜⎜ ⎟ ∈ σn . Definim ϕ:M → M , τ(ij) = j . Atunci
⎝ i1 i 2 ... i n ⎟⎠

σ ⋅ τ = τ ⋅ σ = e , deci τ = σ −1 ∈ σn . Deci σ n este un grup.

⎛ 1 2 3 4 ... n ⎞ ⎛1 2 3 4 ... n ⎞
77. Fie σ, τ ∈ σn , σ = ⎜⎜ ⎟⎟ , τ = ⎜⎜ ⎟⎟ .
⎝ 3 1 2 4 ... n ⎠ ⎝1 3 2 4 ... n ⎠

228
Atunci (σ o τ)(1) = σ(1) = 3 , iar (τ o σ)(1) = τ(3) = 2 , deci σ o τ ≠ τ o σ . Prin

urmare grupul σ n nu este comutativ.

78. Vom raţiona prin inducţie asupra lui n.

Pentru n = 1 există o unică bijecţie {1} → {1}. Fie M = {1,2, … ,n} , s∈M, M1
= M\{s}. Dacă presupunem că am arătat că există (n-1)! bijecţii de la M1 la
M1 să considerăm f : M → M , f(s) = t, f bijecţie. Fie M2 = M\{t}. Atunci
restricţia f1 a funcţiei f la M1 este o bijecţie de la M1 la M2, iar pe t = f(s) îl
putem alege în n moduri, rezultă că există (n-1)!n = n ! bijecţii de la M la
M.

⎛ 1 2 3⎞ ⎛ 1 2 3⎞
79. Să observăm că σ −1 = ⎜⎜ ⎟⎟ . Prin urmare x = σ −1τ = ⎜⎜ ⎟⎟ .
⎝ 2 3 1⎠ ⎝ 2 1 3⎠

80. Deoarece grupul σ 4 are 4! = 24 de elemente rezultă că σ 24 = e .

Pentru a determina cel mai mic n cu proprietatea σ n = e considerăm

σ, σ 2 ,... . Se observă că σ ≠ e, σ 2 ≠ e şi σ 3 = e . Deci n = 3 răspunde

problemei.

81. Fie σ ∈ σ n şi fie m ‚ card{I; σ (i) ≠ i}. Dacă m = 0 atunci σ = e, deci este
compunerea a două transpoziţii:

⎛ 1 2 3 ... n ⎞⎛ 1 2 3 ... n ⎞
σ = ⎜⎜ ⎟⎟⎜⎜ ⎟⎟ .
⎝ 2 1 3 ... n ⎠⎝ 2 1 3 ... n ⎠

Dacă afirmaţia este adevărată pentru m=1,2, …, t-1 o dovedim pentru m=t.

229
 ⎛ 1 2 3 4 5 6⎞
82. Fie σ = ⎜⎜ ⎟⎟ ∈ σ 6 şi să considerăm transpoziţiile
⎝2 1 3 4 5 6⎠

τ 1=(36), τ2 = (45), τ1’ = (34), τ2’ =(56), τ = (12). Atunci σ = ττ1τ2 = ττ'1τ' 2 şi

ε(σ) = −1 .

83. det A = det At, iar det A” = det At,’, unde matricea At,’ se obţine din
matricea At inversând două linii succesive. Se aplică apoi propoziţia 6.18.4.

84. Rezultă din propoziţia 6.18.6 şi din relaţia det A = det At.

85. Deoarece AA-1 = A-1A = In şi det In = 1 rezultă că det(A)·det(A-1) = =1.

Atunci det( A) ≠ 0 , det(A −1) ≠ 0 şi det(A-1)=(detA)-1.

⎛ a 11 a 12 ... a 1n ⎞
⎜ ⎟
⎜ 0 a 22 ... a 2n ⎟
86. Să presupunem că A = ⎜ 0 0 ... a 3n ⎟ .
⎜ ⎟
⎜ ... ... ... ... ⎟
⎜ ⎟
⎝ 0 0 0 a nn ⎠

Dezvoltând succesiv după prima coloană obţinem

⎛ a 22 a 23 ... a 2n ⎞
⎜ ⎟
⎜ 0 a 23 ... a 3n ⎟
det A = a 11 det⎜ = ... = a 11a 22 ...a nn .
... ... ... ... ⎟
⎜ ⎟
⎜ 0 0 ... a nn ⎟⎠
⎝

230
87. Adunăm primele două linii la a treia şi se obţine determinantul unei
matrici superior triunghiulare. Deci

1 2 3 1 2 3
det(A) = 0 2 5 = 0 2 5 = 1 ⋅ 2 ⋅ 9 = 18 .
−1 − 4 1 0 0 9

88. Dezvoltăm după prima coloană. Cei doi determinanţi de ordinul n-1
care apar în dezvoltare corespund unor matrici superior, respectiv inferior
triunghiulare. Prin urmare

a −b ... 0 0 −b 0 ... 0 0
0 a ... 0 0 a −b ... 0 0
1+1
D = (−1) a ⋅ ... ... ... ... ... + (−1)n+1(−b) ⋅ ... ... ... ... ... aa n−1 +
0 0 ... a − b 0 0 ... − b 0
0 0 ... 0 a 0 0 ... a b
+ (−1)n+1(−b)(−b)n−1 = a n − b n

89. Adunăm a doua linie multiplicată cu (-2) la prima, cu (- 1) la a doua

şi cu 3 la a patra linie. Dezvoltând după prima coloană se obţine un
determinant de ordinul trei. Se deduce D = -78.

90. D1 = 54, D2 = 20.

91. Adunăm prima linie la celelalte. Se obţine determinantul unei matrici

superior triunghiulare. Deci

231
 1 1 1 ... 1 1
0 2 3 ... n − 1 n
0 0 2 ... n − 2 n − 1
D= = 1 ⋅ 2 n−1 = 2 n−1 .
... ... ... ... ... ...
0 0 0 ... 2 3
0 0 0 ... 0 2

92. Scăzând din fiecare linie linia precedentă multiplicată cu an obţinem

1 1 ... 1
a1 − a n a 2 − an ... 0
D n = a 1(a 1 − a n ) a 2 (a 2 − a n ) ... 0 = (−1)n+1(a 1 − a n )(a 2 − a n )...
... ... ... ...
n−2 n− 2
a 1 (a 1 − a n ) a 2 (a 2 − a n ) ... 0
...(a n−1 − a n )D n−1 = (a n − a 1)(a n − a 2 )...(a n − a n−1)D n−1

Dezvoltând apoi pe Dn+1, Dn+2 ş.a.m.d obţinem D n = ∏ (a

i≤ j≤n
i − a j) .

93. Se scade ultima coloană din prima, iar apoi a doua linie din prima, a
treia din a doua ş.a.m.d. Deci

n −1 −1 −1 ... −1 −1
0 n −1 −1 ... −1 −1
0 0 n − 1 ... − 1 − 1
Dn = . Adunând ultima linie la celelalte se
... ... ... ... ... ...
0 0 0 ... n − 1 − 1
1 1 1 ... 1 1

obţine determinantul unei matrici inferior triunghiulare. Prin urmare

Dn = nn −1 ≥ 9 pentru n ≥ 3 .

232
 ⎛ 1 2 ... 2n + 1⎞
94. Să considerăm permutarea σ 1 = ⎜⎜ ⎟ şi să
⎝ 2n + 1 2n ... 1 ⎟⎠

remarcăm că ε(σ1)a1σ1(1)...a 2n +1, σ1(2n + 1) este un număr impar. Cum ceilalţi

termeni din dezvoltarea lui Dn conţin o putere a lui 2n+2 rezultă că Dn este
un număr impar, deci Dn ≠ 0 .

95. Scriem elementele celei de a treia linii astfel: 1+2, 4+4, 4+(-4), 9+6. Se
obţine suma a doi determinanţi. Primul este un determinant Vandermonde,
iar al doilea are două linii proporţionale. Se obţine D = 120.

96. Scriind elementele ultimei linii 0+1, 0+1, … ,0+1, (n-1)+1 obţinem

1 − 1 − 1 ... −1 −1 1 − 1 − 1 ... −1 −1
0 2 − 1 ... −1 −1 0 2 − 1 ... −1 −1
0 0 3 ... − 1 −1 0 0 3 ... − 1 − 1
Dn = + .
... ... ... ... ... ... ... ... ... ... ... ...
0 0 0 ... n − 1 −1 0 0 0 ... n − 1 − 1
0 0 0 ... 0 n −1 1 1 1 ... 1 1

Primul determinant corespunde unei matrici superior triunghiulare iar în

cel de al doilea adunăm ultima linie la celelalte şi se obţine un
determinant ce corespunde unei matrici inferior triunghiulare. Deci

Dn = 1 ⋅ 2 ⋅ 3...(n − 2)(n − 1)2 + 2 ⋅ 3 ⋅ 4...n ⋅ 1 = (2n − 1(n − 1)!

97. Din propoziţia 6.19.1 rezultă că afirmaţiile 2) şi 3) sunt echivalente.

Cum det(A) = det(At) rezultă că 2) este echivalent cu 3). Dar det(A) ≠ 0
dacă şi numai dacă toate liniile sunt liniar independente, adică 1) este
echivalentă cu 2).

233
 ⎛1 2 3⎞
⎜ ⎟
⎜1 1 2⎟
98. Scăzând prima linie din celelalte obţinem matricea ⎜ , care
0 1 0⎟
⎜ ⎟
⎜0
⎝ 0 1 ⎟⎠

are ultimele trei linii liniar independente. Deci rg(A) = 3.

99. rg(A) = rg(B) = 4.

100. rg(A) = 2.

101. det(A) = 0. Deci matricea A nu este inversabilă.

102. det( A) = 11 ≠ 0 . Prin urmare A-1 există şi

⎛ −1 − 4 3 ⎞
−1 1 * 1⎜ ⎟
A = A = ⎜− 4 − 2 2 ⎟ .
det A 11 ⎜
⎝ 3 5 − 9 ⎟⎠

103. Deoarece det(A) ≠ 0 matricea A este inversabilă. Atunci

(A+B)A-1(A-B)=(AA-1+BA-1)(A-B)=(I+BA-1)(A-B)=IA+BA-1A-IB-BA-1B=A-BA-1B şi
(A-B)(A-1(A+B)=(AA-1-BA-1)(A+B)=(I-BA-1)(A+B)=A+B-BA-1A-BA-1B=A-BA-1B, de
unde rezultă relaţia din enunţ.

104. A ⋅ A t = (a 2 + b 2 + c2 + d2 )I4 . Deoarece det(A) = det(At) rezultă că

det(A)=(a2+b2+c2+d2)2. Deci det(A) = 0 dacă şi numai dacă a2+b2+c2+d2 = 0,
adică a = b = c = d = 0.

⎛ cos θ − sin θ ⎞
105. A −1 = ⎜⎜ ⎟⎟ .
⎝ sin θ cos θ ⎠

234
 ⎛ 1 2 0⎞ ⎛2 7 3⎞ ⎛ 1 2 0⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
106. Fie A = ⎜ 0 1 0 ⎟ , B = ⎜ 3 9 4 ⎟ , C = ⎜ 1 0 1 ⎟ . Deoarece matricile
⎜0 0 2⎟ ⎜ 1 5 3⎟ ⎜0 0 2⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠
A şi B sunt inversabile ecuaţia AXB = C are soluţia X = A-1CB-1. Se obţine

⎡ 2 14 7⎤
⎢− 3 −
3
− ⎥
3
⎢ 11 ⎥
X=⎢ 14 4 ⎥ .
⎢ 3 ⎥
⎢− 1 −
1 1 ⎥
⎢⎣ 6 3 2 ⎥⎦

107. Ecuaţia AX = B nu are soluţii deoarece det(A) = 0, iar

det(B) = 12 ≠ 0.

108. Ecuaţia AX = B nu poate fi rezolvată înmulţind la stânga cu inversa lui

A deoarece det(A) = 0, deci A nu este inversabilă. Considerând o matrice
oarecare cu trei linii şi trei coloane, se obşine un sistem liniar. Soluţia
generală a ecuaţiei matriciale AX = B este

⎛11a + 1 11b − 11 11c ⎞

⎜ ⎟
X =⎜ a b c ⎟ , unde a, b, c ∈ Ñ.
⎜ − 3a
⎝ 3 − 3b 1 − 3c ⎟⎠

109. (AB)(B-1A-1) = A(BB-1)A-1 = AIA-1 = AA-1 = I şi

(B-1A-1)(AB) = =B-1(A-1A)B = B-1(A-1A)B = B-1IB = B-1B = I.

110. Deoarece AB = BA. Atunci ABB-1 = BAB-1, adică A = BAB-1. Atunci B-1A =
B-1(BAB-1) = (B-1B)(AB-1) = I(AB-1) = AB-1.

111. Se obţine a = 0.

235
112. Vom dovedi egalitatea prin inducţie după n.

Pentru n = 1 egalitatea revine la BAB-1 = BAB-1.

Dacă presupunem egalitatea dovedită pentru exponenţi ≤ n atunci avem

(BAB-1)n+1 = (BAB-1)n(BAB-1) = (BAnB-1)(BAB-1) = (BAn)(B-1B)(AB-1) = (BAn)(AB-1) =

=BAn+1B-1.

113. Fie s ∈ Í şi a0, a1, … ,as ∈k, a s ≠ 0 , astfel încât

a 0In + a1A + ... + a s A s = 0 .

Dacă a 0 ≠ 0 alegem m = s şi bI = -aia0-1.

Dacă a0 = 0 fie t ≤ s − 1 astfel încât a0 = … =at-1 = 0, at ≠ 0 . Atunci

atAt+ … +asAs = 0.

Înmulţim relaţia precedentă cu A-t şi obţinem atIn + at+1A + … + asAs-t = 0.

Alegem m = s-t şi bI = aI+tat-1.

a1 a 2 a3
114. Utilizăm relaţia (a, b, c) = b1 b2 b3 şi faptul că într-un determinant
c1 c2 c3

inversarea a două linii schimbă semnul.

115. Utilizând exprimarea produsului mixt ca un determinant, se observă

că două linii sunt egale, deci produsele mixte considerate sunt nule.

(a × b) × (c × d) = (a 2b3 − a 3b 2 , a 3b1 − a1b3 , a1b2 − a 2b1)

116.
c2 d3 − c3d2 , c3d1 − c1d3 , c1d2 − c2 d1) = ... = (a, b, d)c − (a, b, c)d

236
117. Deoarece triunghiurile BOC şi BDC (fig.39), sunt congruente

Fig.39

rezultă că σ(OBCD) = 2σ(BOC) = b1c2 − b2 c1 .

118.Vom utiliza exerciţiul precedent. Obţinem

a) σ(OBCD) = 7

şi

b) σ(OBCD) = 1.

119. a) Volumul este 18.

b) Volumul este 3.

120. Putem presupune că paralelogramul P are unul dintre vârfuri în 0 =

(0,0). Fie P generat de săgeţile OA şi OB . Atunci T(P) este paralelogramul

generat de săgeţile OT(A) si OT(B) . (T(O) = 0 deoarece T este liniară).

237
 Fig 40

⎛a b⎞
Fie e1 = (1,0), e2 = (0,1), MT = ⎜⎜ ⎟⎟ , A = (a1,a2), B = (b1,b2). Atunci T(A)
⎝c d⎠
= (aa1+ba2,ca1+da2), T(B) = (ab1+bb2, cb1+db2). Prin urmare

⎛ aa + ba 2 ab1 + bb 2 ⎞
(T(P) ) = det ⎜⎜ 1 ⎟ = (ad − bc)(a1b 2 − a 2 b1 ) =
⎝ ca 1 + da 2 cb1 + db 2 ⎟⎠

= det(M T ) ·σ(P).

121. P0 = ( x0,y0,z0) fiind un punct din plan iar OA si OB direcţiile

planului, dezvoltăm determinantul din poziţia 6.20.2. Se obţine
ax+by+cz+d = 0 , unde a, b, c, d∈ Ñ.

122.y = z.

123. Fie a∈k astfel încât Av =av. Atunci A(bv) = bA(v) = b(av) = (bv), deci
bv este un vector propriu al aplicaţiei liniare A.

124. Fie x∈W 1 ∩ W 2 . Atunci A(x) ∈W 1 , A(x)∈W 2 , deci A(x)∈W 1 ∩ W 2 .

238
Fie z = w 1 +w 2 ∈ W 1 +W 2 , unde w 1 ∈ W 1 , w 2 ∈ W 2 . Atunci A(w 1 )∈W 1 ,

A(w 2 )∈W 2 . Deci A(z) = A(w 1 +w 2 ) = A(w 1 )+A(w 2 ) ∈W 1 +W 2 .

at a t
125.Fie A: V → V, A(f) = f`. Atunci A(e at )= ae at , deci e 1
,…,e n
sunt
vectori proprii nenuli, având valorile proprii distincte a 1 ,…,a n . Din
propoziţia 6.21.2 rezultă că ei sunt liniar independenţi.

126. Să presupunem că a este o valoare proprie a lui A. Deci există v∈V,

v ≠ 0 astfel încât Av =av. Atunci Av–av = (A-aI)v = Bv, deci ker B ≠ {O}. Prin
urmare B nu este o injecţie, deci nu este o bijecţie.

Să presupunem că B este un operator neinversabil. Deoarece V este un k-

spatiu vectorial de dimensiune finită rezultă că B nu este o injecţie. Deci
există v∈V , v ≠ 0 astfel încât Av=av. Atunci a este o valoare proprie a lui
A.

127. Fie B = {v1 ,..., v n } o bază a lui V formată din vectori proprii ai lui A.

Deci există a 1 ,…,a n ∈ k astfel încât

Av 1 = a 1 v 1 ,

Av 2 = a 2 v 2 ,
…………………
Av n = a n v n .
Prin urmare matricea lui A în raport cu baza B este
⎛ a1 0 0⎞
⎜ ⎟
⎜ 0 a2 0⎟
⎜0 0
⎝ a n ⎟⎠

239
128. Fie v 1 ,…,vn ∈V şi a 1 ,…,a n ∈ k astfel încât a i ≠ a j pentru i ≠ j şi Avi =

a i v i . Din propoziţia 6.21.2 rezultă că vectorii v 1 ,…,v n sunt liniar

independenţi. Fie B = {v1 ,..., v n } . Deoarece card(B) = dim(V) rezultă că B

este o bază a lui V.

129. Valorile proprii ale lui A sunt rădăcinile reale ale polinomului
caracteristic al matricii lui A în raport cu baza canonică e 1 = (1,0,0), e 2 =

=(0,1,0), e 3 = (0,0,1). Dar

t − 2 −1 −1
P MA (t) = 0 t − 2 − 2 = (t-2) 2 (t-1).
0 0 t −1

Deci valorile proprii ale lui A sunt a 1 = 2 şi a 2 = 1.

Fie (x,y,z) ∈V(2). Atunci A(x,y,z) = 2(x,y,z), adică (2x, x+2y, x+2y+z) =
(2x,2y,2z). Atunci x = 0 , z = 2y, Deci V(2) = {(0, b,2b);∈ } şi dim V(2) = 1.

V(1) = {(0,0, b); b ∈ R} şi dim V(1) = 1.

130. P MA (t)=(t-1) 2 (t+7). Deci valorile proprii ale lui A sunt a 1 =1 şi a 2 =-7.

V(1) = {(8a ,8b, a + 5b); a , b ∈ R} . O bază a lui V(1) este formată din vectorii
(8,0,1) si (0,8,5). Deci dim V(1) = 2.
V(-7) = {(O, O, b); b ∈ } ,deci dim V(-7) = 1.

131. Fie y∈ImA. Deci există x∈V astfel încât Ax = y. Atunci Ay∈ImA. Prin
urmare ImA este un A-subspaţiu invariant.

132. Fie x∈ker A, adică A(x) = 0. Fie y = A(x). Atunci A(y) = A(0) = =0, deci
ker A este un A-subspaţiu invariant.

240
133. Fie a∈k. Atunci Av = av dacă şi numai dacă Av-av = av-bv, adică (A-
bI)v = (a-b)v. Prin urmare v∈V este un vector propriu al aplicaţiei liniare A
dacă şi numai dacă este un vector propriu al aplicaţiei liniare A-bI.

134. Fie y∈ImA. Atunci există x∈V astfel încât Ax=y, Atunci By =
=B(Ax)=A(Bx)∈ImA, Deci ImA este un subspaţiu B-invariant.

Fie x∈ker A. Atunci Ax = 0. Vom arăta că y = Bx∈ker A. Într-adevăr, Ay =

A(Bx) = B(Ax) = B(0) = 0, deci Bx∈ker A. Prin urmare B(ker A) ⊂ ker A, adică
ker A este un subspaţiu B-invariant.

135. Se arată prin inducţie după r∈ ô* că

⎛ a11
r
b12 ... b1n ⎞
⎜ ⎟
⎜ 0 ar22 ... b 2n ⎟
Ar = ⎜ r r
⎟ . Prin urmare valorile proprii ale lui A sunt a 11 ,
⎜ ... ... ... ... ⎟
⎜ 0
⎝ 0 ... arnn ⎟⎠

a r22 ,…,a rnn .

136. Fie v∈V\ {0} şi a∈k astfel încât Av=av. Atunci A r (v)=A r −1 (av)=aA r −1 (v)

= … = a r v. Dar A r (v) = 0. Deci a r v = 0. Deoarece v ≠ 0 rezultă că a r = 0,

deci a=0.

137. Polinomul caracteristic

t −1 − 2 0 −3
1 t+2 0 3
= t 2 (t-2) 2 are rădăcinile reale. Deci a 1 =0 şi a 2 ==2
0 0 t−2 0
−1 −2 0 t−3

sunt valorile proprii ale aplicaţiei liniare A.

241
Fie x=(x 1 ,x 2 ,x 3 ,x 4 )∈V(0). Atunci A(x)=(0,0,0,0) deci x 3 =0, x 2 =x 1 +x 4 .

Deci V(0) = {(a, a + b,0, b); a, b ∈ } . Rezultă că dim V(0) = 2.

Fie x∈V(2). Atunci A(x)=2x. Se obţine V(2)= {(a,2a, b,3a); a, b ∈ } . Prin

urmare dim V(2) = 2.

t−2 5
138. Polinomul caracteristic =t 2 +1 nu are rădăcini reale, deci
−1 t + 2

A nu are valori proprii.

139. Polinomul caracteristic este (t+1) 3 . Deci a = -1 este singura valoare

proprie a aplicaţiei liniare A.
Fie (x,y,z)∈V(-1). Atunci x = -2y, z = -y. Prin urmare dim V(-1) = 1.

140. Polinomul caracteristic având gradul impar, admite cel putin o

rădăcina reala. Deci A are cel puţin o valoare proprie, deci A admite cel
puţin un vector propriu nenul.
141. Fie W ⊂ P n (Ñ) un subspaţiu D-invariant. Dacă W ≠ {0} fie m=max

{gr(g); g ∈ W} . Fie g∈W astfel încât gr(g) = m. Fie D i (g) = g i . Atunci

gr(g i )=m-i si g i ≠ 0 pentru i = 0,1,…,m. Prin urmare g 0 ,g 1 ,…,g m sunt liniar

independente. Deoarece W este un subspaţiu D-invariant rezultă că W g =

Sp(g 0 ,g 1 ,…,g m ) ⊂ W. Dar W ⊂ P m (Ñ). Deci W g ⊂ P m (Ñ). Dar dim W g = =

m+1 = dim P m (Ñ). Deci W g = P m (Ñ).

Rezultă că D-subspaţiile invariante ale lui P n (Ñ) sunt {0} , P 1 (Ñ),…,

P n −1 (Ñ), P n (Ñ).

242
 ⎡p ⎤
142. Fie U = {f ∈ [T ] , gr(f) este un număr par ≤ 2 ⎢ ⎥ } . Atunci U este un
⎣2⎦
subspaţiu vectorial al lui P n (R). Fie f∈U cu gr(f) = 2. Atunci gr(Df) = 1, deci

D f ∉ U. Prin urmare U nu este un D-spaţiu invariant.

⎛1 1 ⎞ ⎛ 1 1 1⎞
⎜ ⎟ ⎜ ⎟
143. A = ⎜ 1 − 1⎟ , A = ⎜ 1 − 1 1 ⎟ . Atunci det(A e )=6 ≠ 0, deci rg(A e )=3.
e

⎜3 1 ⎟ ⎜3 1 0⎟
⎝ ⎠ ⎝ ⎠

Deoarece rg(A) = 2 rezultă rg(A) ≠ rg(A e ), deci sistemul este incompatibil.

144. rg(A) = rg(A e ) = , deci sistemul este compatibil.

145. a) Să presupunem că matricea A este inversabilă la stânga. Deci

există S∈M(n,n ,k) astfel încât SA = I. Dacă există X∈M(n,1;k) astfel încât
AX = B atunci, prin multiplicare la stânga cu S, se obţine X = IX = =(SA)X
=S(AX) = SB, deci unica soluţie posibilă este X = SB.

b) Fie D∈M(n,n;k) astfel încât AD = I. Atunci B =IB = (AD)B = A(DB). Deci X =

DB este o soluţie a sistemului liniar AX = B.

146. Existenţa şi unicitatea soluţiei rezultă din exerciţiul precedent.

Soluţia sistemului este X = A −1 B.

147. a) det(A) = -2, det(B 1 ) = -4, det (B 2 ) = -6, det(B 3 ) = -2. Deci x 1 = 2,

x 2 = 3, x 3 = 1.
1 2
b) det(A) = -15 ≠ 0. Se obţine x 1 = - , x 2 = 0, x 3 = .
5 5

148. rg(A) = 2 ≠ 3 = rg(A e ). Prin urmare sistemul este incompatibil.

243
149. x 1 = 1, x 2 =2, x 3 = 1, x 4 = -1.

2 6 17
150. x 1 = - , x2 = - , x3 = , x 4 = 1.
5 5 5
151. det(A) =35, det(B 1 )=70, det(B 2 )=-35, det(B 3 )=0, det(B 4 )=-70. Prin

urmare x 1 =2, x 2 =-1, x 3 =0, x 4 =-2.

152. rg(A)=2. Dacă sistemul este compatibil atunci rg(A e )=2, deci
57 15 3
det(A e )=57-14m=0. Deci m= . Soluţiile sistemului sunt x 1 = , x 2 =- .
14 7 14

13 1
153. rg(A)=rg(A e )=2. Se obţine x 1 = - a, x 2 = +a, x 3 =a, unde a∈ Ñ.
5 5

154. Deoarece rg(A)=rg(A e )=2 sistemul este comparabil. Soluţia generala a

sistemului este (x 1 ,x 2 ,x 3 )=(1,1+a,a) unde a ∈ Ù 3 = {0,1,2}.

155. det.(A)=-3 ≠ 0, deci sistemul are o unica soluţie. Utilizând regula

luiCramer se obţine (x 1 ,x 2 ,x 3 )=(1,-1,1).

5 a 3
156. rg(A)=rg(A e )=2. Soluţia generală este (x 1 ,x 2 ,x 3 ,x 4 ,x 5 )=( + - b-
4 4 4
1 7 7
-c, - + a + b,a,b,c,), unde a,b,c∈ Ñ.
4 4 4

157. rg(A)=2. Deci trebuie ca rg(A e )=2. Rezultă ca m=5. Soluţia generală
4 a 6 3 3 7
este (x 1 ,x 2 ,x 3 ,x 4 )=( - - b, + a - b,a,b) unde a,b∈ Ñ.
5 5 5 5 5 5

158.det(A)=(1-m) 2 (3-m).

244
 4 −m
Dacă m ≠ 1 si 3 atunci sistemul are soluţia unică x 1 =-1, x 2 == ,
3−m
1
x3= .
3−m

Dacă m=1 atunci soluţia generală este (x 1 ,x 2 ,x 3 )=(-a-b,a,b), unde a,b∈ Ñ.

Dacă m=3 atunci rg (A)=2 ≠ 3=rg(A e ), deci sistemul este incompatibil.

159. Sistemul fiind omogen este compatibil pentru orice a. det(A)=(1-

- aa ) 2 =(1- a 2
)2 .

1
Dacă det(A)=0 atunci a=1. În acest caz a = şi sistemul este echivalent cu
a

x=-ay - a 2 z, deci soluţia generală este (x,y,z)=(-ab-a 2 c,b,c), unde b,c∈ Â.

Dacă a ≠ 1 atunci det(A) ≠ 0, deci sistemul admite unica soluţie

(x,y,z)=(0,0,0).

160. rg(A)=3. Atunci det(A e )=0. adică 25(-a+3b-5c+20)=0. Se obţine

(x,y,z)=(1,3,5).

161. Fie W= {X ∈ M(m,1; k); AX = o} . Atunci W este un spaţiu vectorial peste

k. Deci W ≠ {0} dacă şi numai dacă dim W ≠ 0. Dar dim W==m-rg(A). Deci W
este nenul dacă şi numai dacă m ≠ rg(A).

162. Conform exerciţiului precedent sistemul liniar omogen AX=0 admite

soluţii nenule in M(n,1 ,k) dacă şi numai dacă rg(A) ≠ n. Dar rg(A) ≠ n dacă
şi numai dacă det(A)=0.

245
163. Fie
⎛ a b c d ⎞
⎜ ⎟
⎜− b a d − c⎟
A= ⎜ . Atunci AA t =(a 2 +b 2 +c 2 +d 2 ) I4 .Atunci (det A) 2 =
−c −d a b ⎟
⎜ ⎟
⎜− d c − b a ⎟
⎝ ⎠

=det(A).det(A t )=(a 2 +b 2 +c 2 +d 2 ) 4 .

Prin urmare det(A)=(a 2 +b 2 +c 2 +d 2 ) 2 . Rezultă că det(A)=0 dacă şi numai

dacă a 2 +b 2 +c 2 +d 2 = 0.Dar a,b,c,d fiind numere reale rezultă că det(A)=o
dacă şi numai dacă a=b=c=d=0. Deci sistemul admite soluţii nenule dacă şi
numai dacă a=b=c=d =0.

164. Dacă mulţimea W= {X ∈ M(m,1; k); AX = B} ar forma un spaţiu vectorial

atunci 0∈M(m,1;k) ar aparţine lui W. Dar AO=0 ≠ B, deci 0 ∉ W. Deci W nu
este un K-spaţiu vectorial.

165. rg(A)=2. Sistemul este echivalent cu

2x 1 + x 2 =4x 3 ,

3x 1 + 5x 2 =7x 3 .
13 2
Obţinem x 1 = x 3 , x 2 = x 3 . Deci mulţimea soluţiilor formează un Ñ-
7 7
spaţiu vectorial de dimensiune 1.

166. det(A)=(a+b+c)(b-a)(c-a)(c-b). Distingem urmatoarele cazuri:

1. a+b+c ≠ 0 , a ≠ b, a ≠ c, b ≠ c. Atunci det(A) ≠ 0, deci
(x 1 ,x 2 ,x3)=(0,0,0) este unica soluţie a sistemului.
2. a=b=c ≠ 0. Atunci rg(A)=1 şi soluţia generală este (-ad1-a3d2,d1,d2) ,
unde d1,d2 ∈ Ñ.
3. a=b=c=0. Atunci rg(A) =1 şi soluţia generală este (0, d1,d2), unde
d1d2 ∈ Ñ.
4. a=b ≠ c. Atunci rg(A)=2 şi sistemul este echivalent cu

246
 ⎧x1 + bx 2 = − b 3 x 3 ,
⎨ 3
⎩ x1 + cx 2 = −c x 3 .
Atunci x1=-bc(b+c)x3, x2=(b2+bc+c2)x3, deci mulţimea soluţiilor este un
spaţiu vectorial de dimensiune 1.
5. a=c ≠ b si 6. b=c ≠ a se tratează la fel cu situaţia 4.
6. a ≠ b, b ≠ c, c ≠ a si a+b+c=0. Atunci rg(A)=2 şi sistemul este echivalent
⎧ x + ax 2 = −a 3 x 3 ,
cu ⎨ 1 3
⎩x1 + bx 2 = − b x 3 .
Se obţine x1=-ab(a+b)x3, x2=(a2+ab+b2)x3, deci soluţiile formează un Ñ-

spaţiu vectorial de dimensiune 1.

⎛ x1 ⎞ ⎛ 0 ⎞
⎜ ⎟ ⎜ ⎟
⎜ . ⎟ ⎜.⎟
167. Să considerăm sistemul liniar A ⎜ . ⎟ = ⎜ . ⎟ , adică
⎜ ⎟ ⎜ ⎟
⎜ . ⎟ ⎜.⎟
⎜ ⎟ ⎜ ⎟
⎝ x 50 ⎠ ⎝ 0 ⎠
⎧ x1 + x 2 + x 3 = 0
⎪ x +x +x =0
⎪ 2 3 4
⎪ x3 + x 4 + x5 = 0
⎪
⎨ ..........................
⎪x + x + x = 0
⎪ 48 49 50
⎪ x 49 + x 50 + x1 = 0
⎪
⎩ x 50 + x1 + x 2 = 0

Scăzând ecuaţiile succesive se obţine

X1=x4=…=x49, x2=x5=…=x50, x3=x6=…=x48.

Adunând ecuaţiile se obţine 3(x1+…+x50)=0.

Deoarece x1+x2+x3=0 rezultă x49+x50=0, deci x1=0. Atunci x2=0 si x3=0. Prin
urmare x1=…=x50=0. Deci rg(A)=50, adică det(A) ≠ 0.

168. Soluţia generală este (x1,x2,x3x4)=(-3a+5b, a-3b, a, b), unde a, b∈ Ñ.

247
169. det(A)=-(a-1)2(a-4).

Dacă a∈ Ñ\ {1,4} atunci rg(A)=3, deci sistemul admite doar soluţia nulă

(x1,x2,x3)=(0,0,0).

Dacă a=1 atunci rg(A)=1 şi soluţia generală este (-c-d,c,d), unde c,d∈ Ñ.

Dacă a=4 atunci rg(A)=2. Soluţiile sunt de forma (c, c, c), unde c∈ Ñ.

170. (x1,x2,x3,x4)=(0, 0, 0, 0) este singura soluţie deoarece rg(A)=4.

171. rg(A)=4. Primele trei ecuaţii şi ultima dau sistemul echivalent

⎧2x1 − x 2 + 3x 3 − 4x 4 = −2 x 5 + x 6
⎪x + 3x − 2 x + 6x = − x − 2 x
⎪ 1 2 3 4 5 6
⎨
⎪ − 2 x 1 − x 2 + 7 x 3 − x 4 = 4 x 5 − x 6
⎪⎩ x1 − x 2 + 8x 3 − 2 x 4 = −2x 5 + x 6

Soluţiile formează un spaţiu vectorial de dimensiune 2.

172. det(A)=(-1)n-1.(n-1)! ≠ 0. Prin urmare unica soluţie este

(x1,x2,…,xn)=(0,0,…,0).

173. Deoarece (·,·) este o aplicaţie liniară în raport cu fiecare variabilă

avem:
m m n
(a1x1+…+amxm,b1y1+…+bnyn)= ∑
i =1
a i ( x i , b1 y1 + ... + b n y n ) = ∑∑ a b (x , y ).
i =1 j=1
i j j j

174. Explicitând cei doi termeni din membrul stâng obţinem

(1) x + y 2=(x+y,x+y)=(x,x+y) + (y,x+y)= x 2+2(x,y)+ y 2,

248
(1) x − y 2 =(x-y,x-y)=(x,x-y) + (-y,x-y)= x 2-2(x,y) + y 2.

Adunând relaţiile (1) si (2) obţinem egalitatea din enunţ.

∧ 1.0 + 0.1 ∧
175. cos( x , y ) = =0, deci( x , y )=900.
1.1

∧
176. Fie u unghiul dintre x si y. Dacă ( x , y )=0 atunci cos u=0 , deci u=900.
∧
Dacă u=900 atunci cos u=0, deci ( x , y )=0.

177. Primele două axiome se verifică uşor. <x,x>=2x 12 + 7x 22 ≥ 0 deoarece

x1,x2 ∈ Ñ şi <x,x>=0 dacă şi numai dacă x1=x2=0, adică x=(0,0).

( x , y) 3
178. cos u= = , deci u=300.
x.y 2

179. (x,y)=x 12 +2x1x2 + 2x 22 =(x1 +x2)2 + x 22 ≥ 0 si (x,y)=0 dacă şi numai dacă

x1+x2=x2=0,adică x1=x2 =0.

180. Vom dovedi implicaţia nebanală. Presupunem că( , ) este un produs

scalar pe Ñ2. Fie x= (u,1) . Atunci (x,x)=au2 + 2bu + c >0 pentru orice u∈ Ñ.

Prin urmare a>0 si b2 – ac<0.

181. Se verifică axiomele produsului scalar. De exemplu, dacă x=(x1,x2,x3)

≠ (0,0,0) atunci (x,x)=x 12 + (3x1 + x2)2 + (x2 + x3)2 >0 .

182. 1)Fie x=u. Atunci (u,u)=0, deci u=0 .

2) Din relaţia (u,u) =(v,x) rezultă că (u-v,x)=(u,x) – (v,x)=0 pentru orice
x∈E. Deci u-v=o, deci u=v.

249
183. Fie E=Ñ3, x= (1,1,1) ,y=(1,0,1), z=(0,1,1). Atunci y ≠ z, dar

(x,y)=2=(x,z).

184. Fie E=Ñ4, x=(-1,0,1,0), y=(0,1,0,2). Atunci x ≠ 0, y ≠ 0 şi (x,y)=0.

⎛ (x, x ) (x, y )⎞
185. det ⎜⎜ ⎟= x 2
· y 2
- (x, y ) 2 = 0 dacă şi numai dacă
⎝ (x, y ) (y, y )⎟⎠
x · y = (x, y ) . Din demonstraţia teoremei 8.26.1. (inegalitatea lui

Schwarz) rezultă că există a∈  astfel încât x + ay = 0 .Cum 1 ≠ 0 rezultă

că x şi z sunt vectori liniar dependenţi.
186. Considerăm  n cu structura uzuală de spaţiu euclidian. Fie

⎛ x x ⎞
(
u = ⎜ 1 ,..., n ⎟ , v = y 1 a1, ,..., y n a n ∈ n .
⎜ a a n ⎟⎠
)
⎝ 1
n n n
x 2i
Atunci (u,v)= ∑x y , u
i =1
i i = ∑a
i =1 i
,v = ∑a y
i =1
i
2
i.

Inegalitatea rezultă atunci din teorema 8.26.1.

187. d(P,Q)= 6.

1 1 1
188. Fie v1= (1,1,1,1), v2= (1,1,−1,−1), v3 = (− 1,1,−1,1). ,
2 2 2

w = (x, y, z, u) ∈  4 Avem (v 1, v 2 ) = (v 1., v 3 ) = (v 2 , v 3 ) = 0 şi

(v 1, v 1 ) = (v 2 , v 2 ) = (v 3 , v 3 ) = 1, deci suntem în condiţiile inegalităţii lui

Bessel. Prin urmare

(w, v 1 )2 + (w, v 2 )2 + (w, v 3 )2 ≤ (w, w )2 ,

adică
1
(x + y + z + u)2 + 1 (x + y − z − u)2 + 1 (− x + y − z + u)2 ≤ x 2 + y 2 + z 2 + u2 .
4 4 4

250
 2π 2π
189. Este suficient să observăm că ∫ sin kt sin mt dt = πδ
0
km şi ∫ 1 dt = 2π .
0

190. Se aplică exerciţiul precedent şi inegalităţile 8. 27. 6 şi 8. 27. 7.

191. Este suficient să observăm că f1,...,fn sunt vectori ortogonali doi câte
2π
doi în raport cu produsul scalar (f, g ) = ∫ f (t)g(t)dt .
0

192. Să presupunem că sistemul are o soluţie reală (x, y, z ) . Fie

( )
u= x 2 , y 2 , z 2 , v= (1, 1, 2) ∈  3
. Atunci u = x 4 + y 4 + z 4 = 1 , v = 6 ,

(u, v)=x 2 + y 2 + 2z 2 = 7 . Deci (u, v ) 〉 u . v , ceea ce contrazice

inegalitatea lui Schwarz.

193. Să presupunem că (x,z,y,u) ar fi o soluţie reală. Fie v

=(x,y 2 ,z 2 ,2u 2 ), w= (2,1,3,1) ∈  4

.

Atunci v = x 2 + y 4 + z 4 + 4u 4 = 7 , w = 15 , (w,v)=28. Deci am avea

(v, w ) 〉 v . w ceea ce contrazice inegalitatea lui Schwarz. Deci sistemul

nu are soluţii reale.

194. Putem presupune că unul din puncte este originea (0,0) . Să

presupunem că B =0=(0,0) şi fie A=x, C=y, D=z. Atunci AC = x − y ,

BD = z , AB = x , CD = y − z , BC = y , AD = x − z . (fig.41)

251
 Fig.41

Dar, din inegalitatea lui Ptolemeu, avem

x − y.z ≤ x −z.y + z − y .x ,

deci
AC . BD ≤ AB . CD + BC . AD .

195. Ţinând seama de inegalitatea lui Ptolemeu problema revine la a

stabili în ce condiţii avem
(1) x − y . z = y − z . x + z − x . y ,undex, y, z, ≠ (0, 0).

Fie x=(x 1, x 2 ), y= (y 1 , y 2 ), z= (z 1 , z 2 ). Din (1) rezultă că

1 0 0 0
1 x1 x 2 x 12 + x 22
=0, deci punctele (0, 0), (x 1, x 2 ), (y 1, y 2 ) şi(z 1 , z 2 ) sunt
1 y1 y 2 y 12 + y 22
1 z1 z 2 z12 + z 22

situate pe acelaşi cerc.

1
196. [f(x + y) − f(x − y)] = 1 [g(x + y, x + y) − g(x − y, x − y)]
4 4
1
[g(x, x) + 2g(x, y) + g(y, y) − g(x, x) + 2g(x, y) − g(y, y)] = g(x, y).
4

197. Fie g:  3 ·  3 →  ,

g(x,y)=x 1 y 1 − 2 x 1 y 2 − 2 x 2 y 1 + 4 x 2 y 2 − x 1y 3 − x 3 y 1 +x 2 y 3 + x 3 y 2 + x 3 y 3 .
Deoarece g (x, x) =f(x) şi g este biliniară şi simetrică rezultă că f este o

252
formă pătratică pe  3. Matricea formei f în raport cu baza
{(1,0,0 ), (0,1,0 ), (0,0,1)} este
⎛ 1 − 2 − 1⎞
⎜ ⎟
Q= ⎜ − 2 4 1 ⎟.
⎜ −1 1
⎝ 1 ⎟⎠

Deoarece det(Q) =-1 ≠ 0 rezultă că rg(f) =3. Deci forma pătratică f este
nedegenerată.

198. rg(g) =3. Fie v1=(1, 1, 1). Atunci g(v1, v1)= −1 .Obţinem v2 =(2, 1, 1),
v3=(0, 1, -1) cu g(v2, v2) =2, g(v3, v3)=2 şi g(v1, v2) =g(v1, v3)=g(v2,v3)=0

199. g(x, y) =x1y1+ 2x1y2 +2x2y1 +x2y2, rg(f) =2.

Fie e1=(1,0), e2=(0,1). Utilizând algoritmul Gram-Schmidt obţinem
V1 =e1=(1,0),
g(e 2 , e1) 2
V2 =e2 − e1 = (0,1) − (1,0) = (−2,1)
g(e1,e1) 1

Avem f(v1)= 1, f(v2)= −3, g(v1,v2)=0.

Fie x=x1y1 +x2y2. Atunci f(x)= f(x1y1 + x2y2)= f(v1)x 12 + f(v2)x 22 =x 12 −3x 22

200. (g1+g2)(x,x) +g2(x,x) =f1(x) +f2(x)=(f1+f2)(x) pentru orice x∈V.

201. Să presupunem că f(x1,…,xn)=f1(x1,…,xn).f2(x1,…,xn), unde

n n
f1(x1,…,xn)= ∑i=1
b i x i , f2 (x 1,..., x n ) = ∑ c x ,b ,...,b , c ,..., c
j=1
j j 1 n 1 n ∈.

253
Putem presupune că f1 ≠ 0, f2 ≠ 0. (Dacă f1=0 sau f2=0 atunci
f=0, deci rg(f)=0 ).

Dacă există c∈ Ñ\ {0} astfel încât f1=cf2 atunci f=cf 22 .

⎧ x1' = c1x1 + c2 x 2 + ... + cn x n

⎪ '
⎪⎪ x 2 = x 2
Fie ⎨
⎪.......... .......... .......... ...
⎪ x n' = x n .
⎪⎩

Atunci f=c x1′2 , deci rg(f)=1.

Dacă f1 şi f2 sunt liniar independente peste Ñ considerăm

⎧ x1' = b1x1 + ... + bn x n

⎪ '
⎪ x 2 = c1x1 + ... + cn x n
⎪⎪ x 3' = x 3
⎨
⎪.......... .......... .....
⎪ '
⎪ xn = xn
⎪⎩

(dacă n=2 se consideră doar x 1' =f1, x '2 =f2 ). Atunci f=x 1' x '2 , deci
rg(f)=2.

202. Nu. De exemplu f(x)=x 12 +x 22 este un polinom ireductibil, iar rg(f)=2.

Dacă rg(f)=0 sau 1 atunci răspunsul este pozitiv.

203. Aplicaţia g este biliniară şi simetrică, iar

f(x)=x 12 -8x1x2-3x 22 +6x1x3-7x 32 .

254
 ⎛ 1 −4 3 ⎞
⎜ ⎟
Fie Q= ⎜ − 4 − 3 0 ⎟ matricea lui g faţă de baza {(1,0,0),(0,1,0),(0,0,1)} .
⎜ 3
⎝ 0 − 7 ⎟⎠

Deoarece det(Q)=160 rezultă că rg (f)=3.

204. Vom utiliza algoritmul Lagrange-Gauss. Avem

f(x)=x 12 +4x1x2+2x1x3+x 22 +2x2x3+3x 32 =(x1+2x2+x3)2–

1
(2x2+x3)2+x 22 +2x2x3+3x 32 =(x1+2x2+x3)2–3x 22 +2x2x3+3x 32 =(x1+2x2+x3)2- (3x2-
3
10 2
-x3)2+ x3 .
3
Fie
⎧
⎪y 1 = x 1 + 2 x 2 + x 3
⎪⎪
(*) ⎨ y 2 = 3x 2 − x 3
⎪
⎪ y3 = x3
⎪⎩

Deoarece determinantul matricii aplicaţiei liniare (*) este nenul re-

zultă că (*) este un izomorfism de spaţii vectoriale.
1 2 10 2
f(x)=y 12 - y3 + y3 .
3 3

205. Să observăm că rg(f)=3. Vom utiliza altgoritmul Lagrange-Ga-

uss. Avem
1 39 2 3 2 11
f(x)= (8x1-x2+2x3)2+ x 2 + x 3 - x2x3.
8 8 2 2
Fie
⎧
⎪x ' = 8 x − x + 2 x
⎪⎪ 1 1 2 3
'
(1) ⎨x 2 = x 2 .
⎪
⎪ x 3' = x 3
⎩⎪

255
 ⎛ 8 − 1 2⎞
⎜ ⎟
Matricea aplicaţiei liniare (1) este A= ⎜ 0 1 0 ⎟ . Matricea A este
⎜ 0 0 1⎟
⎝ ⎠
ireversibilă iar inversa ei este
⎛1 1 1⎞
⎜ − ⎟
-1 ⎜
8 8 4⎟
A =⎜ 0 1 0 ⎟
⎜0
⎜ 0 1 ⎟⎟
⎝ ⎠

Atunci inversa aplicaţiei liniare (1) este

⎧ 1 1 1
⎪x1 = 8 x1′ + 8 x ′2 − 4 x ′3
⎪
(1’) ⎨x 2 = x′2
⎪x = x′ .
⎪ 3 3
⎩

Aplicând (1’) forma pătratică f devine.

1 2 39 2 11 3 1 8 39 11 2
f= x1′ + x ′2 − x′2 x ′3 + x ′32 = x1′2 + ( x ′2 − x ′3 )2- x ′32 .
8 8 2 2 8 39 8 4 39

Fie

⎧y 1 = x1′
⎪⎪ 39 11
(2) ⎨y 2 = x ′2 − x ′3
⎪ 8 4
⎩⎪ 3
y = x ′
3

256
 ⎛1 0 0 ⎞
⎜ 39 11 ⎟
Matricea aplicaţiei liniare (2) este B= ⎜ 0 − ⎟ . Ea este inversabilă şi
⎜⎜ 8 4⎟
⎝ 1 0 0 ⎟⎠

⎛1 0 0 ⎞
⎜ 8 22 ⎟
-1
avem B = ⎜ 0 ⎟.
⎜⎜ 39 39 ⎟
⎝1 0 0 ⎟⎠

Prin urmare inversa aplicaţiei liniare (2) este (2’)

⎧x1′ = y 1
⎪⎪ 8 22
(2’) ⎨x′2 = y2 + y3
⎪ 39 39
⎩⎪x′3 = y 3 .

1 2 8 2 2 2
Aplicând forma pătratică f devine f= y1 + y 2 − y 3 , care este forma
8 39 3
canonică a lui f.

⎛1 1 −7⎞
⎛1 1 1⎞ ⎜ ⎟
⎜ − ⎟ ⎛1 0 0 ⎞ ⎜8 39 39 ⎟
-1 -1 ⎜
8 8 4⎟ ⎜ 8 22 ⎟ 8 22 ⎟
Deoarece A B = ⎜ 0 1 0 ⎟ ⎜0 ⎟ = ⎜0 rezultă că
⎜ 39 39 ⎟ ⎜ 39 39 ⎟
⎜0
⎜ 0 1 ⎟⎟ ⎜⎝ 0 0 1 ⎟⎠ ⎜0 0 1 ⎟
⎝ ⎠ ⎜ ⎟
⎝ ⎠
forma canonică a lui f este realizată prin izomorfismul de spaţii vectoriale

⎧ 1 1 7
⎪x1 = 8 y 1 + 39 y 2 − 39 y 3
⎪⎪ 8 22
(3) ⎨ x2 = y2 + y3
⎪ 39 39
⎪ x3 = y3
⎩⎪

206. rg(f)=3. Fie

257
 ⎧x1 = x1′ + x ′2
⎪
(1) ⎨x 2 = x1′ − x ′2
⎪x = x′
⎩ 3 3

Atunci f(x)=(x 1' +x '2 )(x 1' -x '2 ) + (x 1' +x '2 )x 3' + (x 1' -x '2 )x 3' =x +2x 1' x 3' -

- x1′2 =(x 1' +x 3' )2 - x ′22 - x ′32 .

Fie

⎧y1 = x1′ + x′3

⎪
(2’) ⎨y 2 = x′2
⎪y = x′
⎩ 3 3

deci

⎧x1′ = y1 − y 3
⎪
(2) ⎨x′2 = y 2
⎪x′ = y
⎩ 3 3

Atunci f=y 12 -y 22 -y 32 este canonică, forma canonică fiind realizată prin

izomorfismul de spaţii vectoriale

⎧
⎪ x1 = y 1 + y 2 − y 3
⎪
(3) ⎨x 2 = y 1 − y 2 − y 3
⎪x = y .
⎪ 3 3
⎩

207.Dacă a1=a2=…=an=0 atunci f(x)=0, deci f este canonică.

Putem presupune că există i∈ {1,2,..., n} astfel încât ai ≠ 0. Să consideram

atunci aplicaţia liniară

258
 ⎧ y 1 = a1x1 + a 2 x 2 + ... + an x n
⎪ y =x
⎪ 2 2
⎪
⎪.......... .......... .......... ...
⎪ y i −1 = x i −1
⎪⎪
(*) ⎨ y i = x1
⎪
⎪ y i +1 = x i +1
⎪
⎪.......... .......... .......... ...
⎪
⎪ yn = xn .
⎪⎩

Deoarece ai ≠ 0 aplicaţia (*) este inversabilă. Se obţine forma ca-

nonică f=y 12 .

208. Să considerăm aplicaţia liniară

n
1
y1=x1+
2
∑x
i= 2
i

n
1
y2=x2+
3 ∑x
i= 3
i

……………………………

1
yn-1=xn-1+ xn
n

yn=xn

Ea este un izoformism de spaţii vectoriale . Se obţine forma canonică

3 2 4 2 n +1 2
f=y 12 + y 2 + y 3 +…+ yn .
4 6 2n

209. Vom trata separat cazurile n par si n impar.

259
i) Să presupunem că n este un număr par.

Fie

⎧ x i + x i +1 + x i + 2
⎪ y1 = 2
, pentru i = 1,3,5,..., n − 3,
⎪
⎪ y = x i −1 − x i + x i +1 , pentru i = 2,4,6,..., n − 2,
⎪ i 2
⎨ x n −1 + x n
⎪ y n −1 = ,
⎪ 2
⎪ x n −1 − x n
⎪y n =
⎩ 2

Se obţine forma canonică f=y 12 -y 22 +y 32 -…+y n−

2 2
1 -y n .

ii) Să presupunem că n este un număr impar. Fie

⎧ x i + x i +1 + x i + 2
⎪ yi = 2
, pentru i = 1,3,5,..., n − 2,
⎪
⎪
⎪⎪ x i −1 − x i + x i + 1
⎨ yi = , pentru i = 2,4,6,..., n − 1,
⎪ 2
⎪y n = x n .
⎪
⎪
⎩⎪

Se obţine forma canonică f=y 12 - y 22 + y 32 - … +y n−

2 2
2 - y n−1 .

1 17
210. Utilizăm algoritmul lui Jacobi. Avem Δ 1=2, Δ 2=- , Δ 3=- .
4 4

Fie e1′ =a11e1= (a11,0,0), e′2 =a21e1 + a22e2= (a21,a22,0), e′3 =a31e1+
+a32e2+a33e3=(a31,a32,a33).

260
 3
Forma biliniară asociată formei pătratice f este g(x,y)= =2x1y1+
2
3
x1y2+2x1y3+ x2y1+x2y2+2x3y1+x3y3. Din condiţiile g( e′i ,ej)= δ ij obţinem
2

1
e′i =( ,0,0),
2

e′2 =(6,-8,0),

8 12 1
e′3 =( ,- , ).
17 17 17

Forma canonică se obţine atunci prin aplicaţia

⎧ 1 8
⎪x 1 = y 1 + 6 y 2 + y3
⎪ 2 17
⎪ 12
⎨ x 2 = −8 y 2 − y3
⎪ 17
⎪ 1
⎪ x 3 = 17 y 3
⎩

Forma canonică a lui f este

1 2 1 2
f= y 1 − 8 y 22 + y3.
2 17

211. Ecuaţia conicei mai poate fi scrisă sub forma

1 2 1 1 1
2(x+ ) +y- =0. Fie x1=x+ , y1=y- .
4 8 4 8

261
 Fig.42

Se obţine parabola 2x 12 +y1=0 (fig 42)

212. (x-4y)2=0 este o dreaptă dublă.(fig.43)

Fig.43

213. Ecuaţia conicei poate fi pusă sub forma

Fig.44

(x-4)2+(y+3)2–4=0 si reprezintă un cerc.(fig.44)

262
214. Conica se mai poate scrie (3x-1)2-(y-1)2=0, adică
(3x-y)(3x+y-2)=0 si este un cuplu de drepte secante:

Fig.45

3x=y şi 3x=-y + 2. (fig.45)

215. Conica se mai poate scrie (x+3)2-(2y+1)2–3=0

Fig.46

şi este o hiperbolă. (fig.46)

216. Fie x1=x, y1=y+z, z1=y-z. Atunci x2+4yz=x 12 +y 12 -z 12 .

Cuadrica x 12 +y 12 -z 12 =0 este un con.

217. Să observăm ca x2–4xy–2x+z2+1=x2–2x(2y+1)+z2+1=

= (x-2y-1)2–(2y+1)2+z2+1.

263
Fie x1=x-2y-1, y1=2y+1, z1=z. Cuadrica devine

x 12 -y 12 +z 12 +1=0, adică -x 12 +y 12 -z 12 =1, care este un hiperboloid cu două

pânze.

218. x2–y2+2yz–z2+2x+1=(x+1)2–(y-z)2=(x-y+z+1)(x+y-z+1)=0 care este un

cuplu de plane secante.

264
BIBLIOGRAFIE

1. I.D.Albu, M.Craioveanu. Geometrie afină si euclidiană. Editura Facla,

Timişoara (1982).

2. I.Creanga, C.Reischer. Algebră liniară. Editura didactică şi pedagogică

, Bucureşti (1970).

3. I.M.Ghelfand. Algebră liniară. Editura tehnică , Bucureşti (1953).

4. I.D.Ion, N.Radu. Algebra. Editura didactică şi pedagogică, Bucureşti

(1981).

5. I.D.Ion, A.Ghioca, N.Nediţa. Algebra, manual pentru clasa a XII-a.

Editura didactică si pedagogică, Bucureşti (1989).

6. A.I.Kostrikin, I.I.Manin. Lineinaia alghebra i gheometria. Universitatea

din Moscova, Moscova (1980).

7. C.Nastasescu, C.Nita, I.Stanescu. Elemente de algebră superioară.

Manual pentru clasa a XI-a . Editura didactică şi pedagogică , Bucureăti
(1989).

8. I.Popescu, D.Ştefanescu, D.Blideanu. Probleme de algebră liniară.

Universitatea din Bucureşti, Bucureşti (1986).

9. M.Postnikov. Lectures in Geometry. Mir, Moscow (1982).

10. I.Proskuryakov. Problems in Linear Algebra. Mir, Moscow (1978).

11. Gh.D.Simionescu. Noţiuni de algebră vectorială şi aplicaţii în

geometrie. Editura tehnică, Bucureşti (1982).

12. D.Ştefanescu. Modele matematice în fizică. Universitatea din

Bucureşti, Bucureşti (1984).

265
266
 Index

A Elipsoidul, 192

adunarea numerelor complexe, 14 F

aplicaţie liniară, 65 forma patratică, 163
aria triunghiului, 98 funcţie pătratică, 184
B G
bază, 21, 51 grup, 11
C grupul general liniar, 95

combinaţie liniară, 20, 44, 45 H

complementul algebric, 89
coordonatele (sau componentele), 52
corp, 12
canonică, 171
Cilindrul eliptic, 198
Cilindrul hiperbolic, 199
Cilindrul parabolic, 199
conică cu centru, 187
conică fără centru, 187
Conul, 196
cuadrică, 189
cuadrică cu centru, 190
cuadrică fără centru, 190
D liniari independenţi, 46
determinantul, 86
degenerată, 166
dimensiunea k-spaţiului vectorial V,
55
E matrice diagonală, 73
egal paralele, 26
element maximal, 58
Hiperboloidul cu două pânze, 194
Hiperboloidul cu o pânză, 194
I
indicele de pozitivitate, 170
inel unitar, 12
înmulţirea numerelor complexe, 14
invariant, 103
izomorfism de spaţii vectoriale, 66
L
legată (sau liniar dependentă), 47
lege de compunere externă, 17
liberă (sau liniar independentă), 47
liniari dependenţi, 46
M
matrice, 71
matricea formei biliniare, 165
matricea formei pătratice, 165
matricea aplicaţiei liniare, 75

267
matricea de trecere, 75 rangul funcţiei pătratice, 184
matricea sistemului liniar, 120 S
minorul elementului, 89 signatura permutării, 85
mulţime inductivă, 57 sistem de generatori, 48
mulţime maximală de vectori liniar spaţiu vectorial peste k, 17
independenţi, 55 spaţiu euclidian, 150
mulţime parţial ordonată, 57 submulţime maximală de vectori
mulţimea numerelor complexe, 14 liniar independenţi, 53
N subspaţiu vectorial, 49
nedegenerat, 166 suma subspaţiilor, 49
norma, 150 T
nucleul, 68 transpoziţie, 85
P U
permutare, 84 unghiul, 151
permutare impară, 85 urma matricii, 74
permutare pară, 85
V
polinomul caracteristic, 105
valoarea proprie, 102
produsul matricilor, 74
valori proprii ale matricii, 106
produsul mixt, 97
vector, 23
produsul scalar, 30
vector propriu, 102
produsul vectorial, 35
vector propriu al matricii, 106
pozitiv definită, 178
volum, 100
produs scalar, 149
volumul tetraedrului, 100
R
rangul matricii, 92
rangul formei pătratice, 166

268