Documente Academic
Documente Profesional
Documente Cultură
OVIDIU VEGHEŞ
Octombrie 2011
CUPRINS
1. Obiectivele unităţii de învăţare 1 1
2. Spaţii vectoriale şi subspaţii liniare 2
2.1. Spaţii vectoriale 2
2.2. Subspaţii vectoriale 4
2.3. Acoperirea liniară a unei mulţimi 5
3. Baze şi repere. Dimensiunea unui spaţiu vectorial 5
3.1. Dependenţă şi independenţă liniară 5
3.2. Baze şi repere ale spaţiilor vectoriale 6
3.3. Dimeniunea unui spaţiu vectorial 7
4. Folosirea coordonatelor unui vector în spaţii vectoriale de tip finit 7
4.1. Coordonatele unui vector în spaţii vectoriale de dimeniune finită 7
4.2. Modificarea coordonatelor unui vector la schimbarea reperelor 8
4.3. Rolul rangului matricei coordonatelor unor vectori 8
5. Operaţii cu subspaţii vectoriale 9
5.1. Suma şi intersecţia de subspaţii vectoriale 9
5.2. Suma directă de subspaţii vectoriale 9
5.3. Operaţii cu subspaţii în spaţii vectoriale de tip finit 10
6. Exerciţii rezolvate 10
7. Test de autoevaluare 14
8. Răspunsuri şi comentarii la testul de autoevaluare 15
9. Setul de exerciţii nr.1 16
9.1. Tema nr.1 16
9.2. Tema nr.2 16
9.3. Tema nr.3 17
Bibliografie 18
1. O
Ă Ţ
Ă Ţ 1
Acest material este destinat studenţilor din învăţământul economic din anul I, ID, de
la Facultatea de Cibernetică, Statistică şi Informatică Economică din Academia de Studii
Economice Bucureşti.
Unitate de învăţare 1 conţine, o prezentare într-o formă accesibilă, dar riguroasă a
noţiunilor introductive privind vectorii, scalarii şi spaţiile vectoriale.
Sarcinile impuse în parcurgerea materialului sunt:
1
2 OVIDIU VEGHEŞ
Vom nota prin (K, +K , ·K ) structura de corp a asociată lui K. Dacă, în plus de verifică
şi axioma:
corp-10: ∀α, β ∈ K, α ·K β = β ·K α
spunem că K posedă o structură de corp algebric comutativ (sau că (K, +K , ·K ) este o
structură de corp comutativ).
2.1.2 Observaţie Reamintim că în orice grup se poate introduce natural o nouă o-
peraţie asociată. Astfel, în cazul nostru, se poate defini operaţia de scădere, notată prin
„−K ”, unde α −K β = α +K (−β), ∀α, β ∈ K .
2.1.3 Definiţie Dacă (K1 , +K1 , ·K1 ) şi (K2 , +K2 , ·K2 ) indică corpuri algebrice, o funcţie
f : K1 → K2 se numeşte morfism de corpuri algebrice dacă:
(1) ∀α, β ∈ K1 , f (α +K1 β) = f (α) +K2 f (β),
(2) ∀α, β ∈ K1 , f (α ·K1 β) = f (α) ·K2 f (β),
(3) f (1K1 ) = 1K2 .
Dacă morfismul de corpuri f : K1 → K2 este şi bijectiv el se numeşte izomorfism.
2.1.4 Propoziţie Fie K un corp algebric. Sunt adevărate afirmaţiile:
(1) ∀α ∈ K, α ·K 0K = 0K ·K α = 0K ,
(2) ∀α ∈ K {0K }, α nu este divizor a lui 0K nici la stânga, nici la dreapta,
(3) ∀α, β ∈ K, α ·K (−β) = (−α) ·K β = − (α ·K β) ∧ (−α) ·K (−β) = α ·K β,
(4) ∀α, β, γ ∈ K, (α −K β) ·K u = α ·K γ −K β ·K γ,
(5) ∀α, β, γ ∈ K, α ·K (β −K γ) = α ·K β −K α ·K γ,
(6) ∀n ∈ N {0, 1}, ∀α, β 1 , . . . , β n ∈ K,
α ·K (β 1 +K . . . +K β n ) = (α ·K β 1 ) +K . . . +K (α ·K β n ) ,
(7) ∀n ∈ N {0, 1}, ∀α1 , . . . , αn , β ∈ K,
(α1 +K . . . +K αn ) ·K β = (α1 ·K β) +K . . . +K (αn ·K β) .
2.1.5 Definiţie Spunem că V posedă o structură de K-spaţiu vectorial (sau K-spaţiu
liniar), unde K este un corp algebric, dacă sunt definite două operaţii algebrice binare:
de adunare a vectorilor + : V×V → V
de înmulţire cu scalari a vectorilor · : K × V → V
ce verifică axiomele:
sv-1: ∀u, v, w ∈ V, (u + v) + w = u + (v + w);
sv-2: ∀u, v ∈ V, u + v = v + u;
sv-3: ∃0V ∈ V, ∀u ∈ V, u + 0V = u;
sv-4: ∀u ∈ V, ∃ (−u) ∈ V, u + (−u) = 0V ;
sv-5: ∀u ∈ V, 1K · u = u;
sv-6: ∀α, β ∈ K, ∀u ∈ V, (α ·K β) · u = α · (β · u);
sv-7: ∀α, β ∈ K, ∀u ∈ V, (α +K β) · u = α · u + β · u;
sv-8: ∀α ∈ K, ∀u, v ∈ V, α · (u + v) = α · u + α · v.
Vom nota prin (V, +, ·, K, +K , ·K ) structura de spaţiu vectorial a lui V. Dacă contextul
nu este ambiguu, atunci V se numeşte, simplu, spaţiu vectorial.
În contextul K-spaţiului vectorial V, elementele mulţimii K se numesc scalari, iar e-
lementele mulţimii V se numesc vectori, operaţia „+” se numeşte operaţie internă, iar
„·” se numeşte operaţie externă spaţiului vectorial. Operaţiile „+” şi „·” sunt denumite
operaţii vectoriale.
4 OVIDIU VEGHEŞ
3.2. Baze şi repere ale spaţiilor vectoriale. Fie V un K-spaţiu vectorial.
3.2.4 Definiţie Fie B ⊆ V, B
= ∅ (finită sau infinită). Mulţimea B se numeşte baza
a K-spaţiului vectorial V dacă B este atât o mulţime de generatori pentru V cât şi
o mulţime de vectori liniar independentă. Dacă pentru o bază avem fixată o relaţie de
ordine între elementele ei, atunci se va folosi sintagma reper în K-spaţiul vectorial V.
3.2.5 Observaţie i)Între vectorii unei baze B nu există o regulă generală de indexare
a elementelor mulţimii B. Dacă în schimb avem în vedere o ordine de enumerare, atunci
spunem că lucrăm cu un reper. Astfel dacă B = {bi | i ∈ I} este o bază, atunci (bi )i∈I
este reperul asociat implicit indexării date de mulţimea ordonată I.
ii) Se foloseşte uneori denumirea de bază Hamel dacă baza are o infinitate de elemente.
3.2.6 Teoremă[caracterizarea bazelor] Fie B ⊆ V, B
= ∅ (finită sau infinită). Sunt
echivalente afirmaţiile:
(1) B este o mulţime liniar independentă, maximală în sensul incluziunii;
(2) B este o mulţime de generatori a lui V, minimală în sensul incluziunii;
(3) B este bază.
3.2.7 Observaţie (a) B este o mulţime liniar independentă maximală, în sensul in-
cluziunii, dacă
∀M ⊇ B, M
= ∅, M
= B atunci M nu este o mulţime liniar independentă.
Echivalent, orice mulţime liniar independentă care include B este chiar egală cu B.
(b) De asemenea, B este o mulţime de generatori a spaţiului V minimală, în sensul
incluziunii, dacă
∀M ⊆ B, M
= ∅, M
= B atunci M nu este o mulţime de generatori pentru V.
Echivalent, orice mulţime de generatori a lui V inclusă în B este chiar egal cu B.
3.2.8 Teoremă[fundamentală a spaţiilor vectoriale] Fie V este un K-spaţiu vectorial,
nenul (V
= {0V }).
(1) Dacă L ⊆ G ⊆ V, L
= ∅, cu L liniar independentă şi G mulţime de generatori
pentru V, atunci există B
= ∅ bază a spaţiului vectorial astfel încât L ⊆ B ⊆ G.
(2) K-spaţiul vectorial V admite o bază.
3.2.9 Corolar[completare] Fie V este un K-spaţiu vectorial, nenul. Dacă L ⊆ V, L
= ∅,
cu L liniar independentă, atunci există B
= ∅ bază a spaţiului vectorial astfel încât L ⊆ B.
3.2.10 Corolar[extragere] Fie V este un K-spaţiu vectorial, nenul. Dacă G ⊆ V, G
= ∅,
cu G mulţime de generatori pentru V, atunci există B
= ∅ bază a spaţiului vectorial astfel
încât B ⊆ G.
ALGEBR Ă LINIAR Ă - UNITATEA DE ÎNV Ă ŢARE 1 7
4. F
Ţ
4.1. Coordonatele unui vector în spaţii vectoriale de dimeniune finită. Fie V un
K-spaţiu vectorial de tip finit, n = dimK V ∈ N şi E = (ei )i=1,n un reper al său.
4.1.1 Lemă[bazei] Orice vector se scrie în mod unic ca o combinaţie liniară (finită !)
de vectori ai bazei (abstracţie făcând de ordinea de însumare a termenilor).
4.1.2 Definiţie Se numeşte matricea coordonatelor vectorului x ∈ V în reperul
x1
E, notată [x]E ∈ Mn.1 (K), matricea coloană [x]E = ... ale cărei elemente se verifică
xn
relaţia
x = x1 e1 + x2 e2 + ... + xn en .
Scalarii x1 , . . . , xn ∈ K se numesc coordonatele lui x în reperul E.
8 OVIDIU VEGHEŞ
4.1.3 Observaţie Lema 4.1.1 ne probează unicitatea coordonatelor unui vector într-un
reper.
a1
..
.
4.1.4 Lemă[schimbului] Dacă v ∈ V astfel încât [v]E = ak , cu ak
= 0, atunci
.
..
an
B = (e1 ..., ek−1 , v, ek+1 , ..., en ) este un nou reper în K-spaţiul vectorial V, iar coordonatele
unui vector oarecare din V se schimbă după următoarea schemă:
e1 . . . ei . . . ek . . . en v x
e1 1 ... 0 ... 0 ... 0 a1 x1
... ... ... ... ... ... ... ... ... ...
ei 0 ... 1 ... 0 ... 0 ai xi Pas Gauss-Jordan
=⇒
... ... ... ... ... ... ... ... ... ...
ek 0 ... 0 ... 1 ... 0 a−k ↓
← xk
... ... ... ... ... ... ... ... ... ...
en 0 ... 0 ... 0 ... 1 an xn
e1 . . . ei . . . ek ... en v x
e1 1 . . . 0 . . . −a−1
k a1 ... 0 0 x1 − xk a−1
k a1
... ... ... ... ... ... ... ... ... ...
ei 0 . . . 1 . . . −a−1
k ai ... 0 0 xi − xk a−1
k ai
... ... ... ... ... ... ... ... ... ...
v 0 ... 0 ... a−1
k ... 0 1 xk a−1
k
... ... ... ... ... ... ... ... ... ...
en 0 . . . 0 . . . −a−1
k an ... 1 0 xn − xk a−1
k an
4.1.5 Observaţie K poate fi corp algebric comutativ sau necomutativ.
4.3. Rolul rangului matricei coordonatelor unor vectori. Fie K un corp comutativ
şi m, n ∈ N∗ .
4.3.9 Teoremă Rangul unei matrice A ∈ Mm,n (K) este egal cu numărul maxim de
coloane (linii) ce formează o mulţime liniar independente în K-spaţiul vectorial Mm,1 (K)
(respectiv M1.n (K)).
ALGEBR Ă LINIAR Ă - UNITATEA DE ÎNV Ă ŢARE 1 9
5.3. Operaţii cu subspaţii în spaţii vectoriale de tip finit. Fie V un K-spaţiu vec-
torial de tip finit (n = dimK V ∈ N).
5.3.9 Propoziţie i) Dacă X1 , X2 sunt K-subspaţii vectoriale în V astfel încât X1 ⊆ X2 ,
atunci dimK X1 dimK X2 dimK V.
ii) Fie X1 , X2 sunt K-subspaţii vectoriale în V. Dacă X1 ⊆ X2 şi dimK X1 = dimK X2 ,
atunci X1 = X2 .
iii) Orice şir monoton, în sensul incluziunii, de K-subspaţii vectoriale în V este stagnant
de la un anumit rang.
5.3.10 Teoremă[Grassmann] Fie X1 , X2 ⊆ V două K-subspaţii vectoriale. Atunci
dimK (X1 + X2 ) = dimK X1 + dimK X2 − dimK (X1 ∩ X2 ) .
5.3.11 Corolar Fie X1 , X2 ⊆ V două K-subspaţii vectoriale. Dacă dimK X1 +dimK X2 >
n (= dimK V), atunci X1 ∩ X2
= {0V }.
5.3.12 Propoziţie Fie X1 , . . ., Xr sunt K-subspaţii vectoriale în V. Sunt echivalente
afirmaţiile:
(1) V1 = X1 ⊕ . . . ⊕ Xr .
(2) V1 = X1 + . . . + Xr şi dimK V1 = ni=1 dimK Xi .
5.3.13 Corolar Fie X1 , X2 sunt K-subspaţii vectoriale în V. Sunt echivalente afirmaţi-
ile:
(1) ∀x ∈ V1 = X1 + X2 , ∃! (x1 , x2 ) ∈ X1 × X2 astfel încât x = x1 + x2 .
(2) V1 = X1 + X2 , şi X1 ∩ X2 = {0V }.
(3) V1 = X1 + X2 , şi dimK V1 = dimK X1 + dimK X2 .
5.3.14 Definiţie Fie X1 un K-subspaţiu vectoriale în V. Dimensiunea suplementului
direct se mai numeşte codimensiunea lui X1 .
5.3.15 Observaţie Fie X1 un K-subspaţiu vectoriale în V.
i) codimK X1 = dimK V − dimK X1 = dimK (V|X1 ).
ii) Fie F = {f1 , . . . , fdimK X1 } o bază a lui X1 . Conform corolarului de completare, se
poate completa F până la o bază B în V, şi fie fdimK X1 +1 , ..., fdimK V vectorii neneuli,
adăugaţi lui F . Fie X2 = spanK ({fdimK X1 +1 , ..., fdimK V }). Atunci X2 este suplementul
direct a lui X1 în V (V = X1 ⊕ X2 ). Verificarea acestei observaţii este lăsată cititorului.
6. E Ţ
6.0.1 Exerciţiu Fie F submulţimea lui R3 definită prin
F = {(c + d, 2c, c − 3d) | c, d ∈ R} .
i) Arătaţi că F este un subspaţiu vectorial real a spaţiului vectorial real R3 . ii) Fie G
subspaţiu vectorial real a lui R3 definit prin
G = (x, y, z) ∈ R3 | − 3x + 2y − z = 0 .
iii) Arătaţi F şi G coincid ca subspaţii vectoriale. iv) Să se decidă dacă v = (1, 1, 2) este
un vector din F . v) Să se verifice că F ⊕ spanR ({v}) = R3 .
Soluţie. Toate calculele şi raţionamentele se fac în spaţiul vectorial real R3 .
i) Dacă (c + d, 2c, c − 3d), (c′ + d′ , 2c′ , c′ − 3d′ ) ∈ F , unde c, d, c′ , d′ ∈ R, atunci
(c + d, 2c, c − 3d) + c′ + d′ , 2c′ , c′ − 3d′ = c + c′ + d + d′ , 2 c + c′ , c + c′ − 3 d + d′ ∈ F,
deoarece (c + c′ ) , (d + d′ ) ∈ R.
Dacă (c + d, 2c, c − 3d) ∈ F , unde c, d ∈ R, şi α ∈ R, atunci evident
α (c + d, 2c, c − 3d) = ((αc) + (αd) , 2 (αc) , (αc) − 3 (αd)) ∈ F,
deoarece (αc) , (αd) ∈ R.
ALGEBR Ă LINIAR Ă - UNITATEA DE ÎNV Ă ŢARE 1 11
−3x + 2y − z = 0
ii) Dacă (x, y, z) , (x′ , y ′ , z ′ ) ∈ G, adică , cu x, x′ , y, y ′ , z, z ′ ∈ R, atunci
−3x′ + 2y ′ − z ′ = 0
−3 (x + x′ ) + 2 (y + y′ ) − (z + z ′ ) = 0 şi x + x′ , y + y′ , z + z ′ ∈ R. Rezultă (x + x′ , y + y ′ , z + z ′ ) ∈ G.
Dacă α ∈ R şi (x, y, z) ∈ G, adică −3x + 2y − z = 0, cu x, y, z ∈ R, atunci −3 (αx) + 2 (αy) − (αz) = 0
şi αx, αy, αz ∈ R. Rezultă (αx, αy, αz) ∈ G.
iii) Vom căuta câte o mulţime de generatori atât pentru subspaţiu vectorial F , cât şi pentru G.
F = {c (1, 2, 1) + d (1, 0, −3) | c, d ∈ R} = spanR ({v1 , v2 }) ,
G = {x (1, 0, −3) + y (0, 1, 2) | x, y ∈ R} = spanR ({v2 , v3 }) ,
unde v1 = (1, 2, 1) , v2 = (1, 0, −3) şi v3 = (0, 1, 2) .
"F ⊆ G" Arătăm că v1 , v2 ∈ G. Acest fapt este adevărat, deoarece −3 · 1 + 2 · 2 − 1 = 0 şi −3 · 1 + 2 ·
0 − (−3) = 0. Dar, atunci orice combinaţie liniară (finită) a celor doi vectori aparţine lui G, pentru că G
este subspaţiu vectorial. Am demonstrat astfel incluziunea.
"G ⊆ F " Arătăm că v2 , v3 ∈ F . Primul vector este unul din vectorii care participă la generarea lui
F , şi deci aparţine lui F . Pentru a demonstra a doua aparteneţă, trebuie să găsim c, d ∈ R astfel încât
v3 = cv1 + dv2 . Suntem conduşi la rezolvarea sistemului
c+d=0
2c = 1
c − 3d = 2.
Sistemul este compatibil, având unica soluţie c = 21 , d = − 12 . Atunci v3 = 21 v1 − 21 v2 ∈ F . Deoarece F este
subspaţiu vectorial, rezultă că G ⊆ F .
Cele două incluziuni fiind demonstrate rezultă F = G.
iv) Pentru a verifica că v ∈ F , trebuie să găsim c, d ∈ R astfel încât v = cv1 + dv2 . Suntem conduşi la
rezolvarea sistemului
c+d=1
2c = 1
c − 3d = 2.
Sistemul nu este compatibil şi în concluzie v ∈
/ F.
F + spanR ({v}) = R3
v) Pentru a verifica F ⊕ spanR ({v}) = R3 sau echivalent , trebuie să verifică
F ∩ spanR ({v}) = {0V }
3
patru incluziuni. F ∩ spanR ({v}) ⊇ {0V } şi F + spanR ({v}) ⊆ R sunt evidente.
"F ∩ spanR ({v}) ⊆ {0V }" Fie u ∈ F ∩ spanR ({v}). Atunci există b, c, d ∈ R astfel încât u = bv =
cv1 + dv2 . Sistemul echivalent cu relaţia precentă este
c+d−b=0
2c − b = 0
c − 3d − 2b = 0.
Sistemul este compatibil, având unica soluţie b = c = d = 0. Atunci u = 0V .
"F +spanR ({v}) ⊇ R3 " Fie u = (x, y, z) ∈ R3 arbitrar. Căutăm b, c, d ∈ R astfel încât u = bv +cv1 +dv2 .
Suntem conduşi la rezolvarea sistemului
b+c+d=x
b + 2c = y
2b + c − 3d = z.
Sistemul este compatibil, având unica soluţie b = x − 23 y + 31 z, c = 56 y − 21 x − 61 z, d = 12 x − 61 y − 61 z. Atunci
u = u1 + u2 , unde
u1 = x − 23 y + 31 z v ∈ span
R ({v})
u2 = 6 y − 2 x − 6 z v1 + 12 x − 61 y − 61 z v2 ∈ F .
5 1 1
Am verificat că F şi spanR ({v}) sunt spaţii suplementare directe unul celuilalt în R3 .
6.0.2
Exerciţiu Fie E = {e1 , e2 , e3 , e4 } baza canonică în spaţiul vectorial real R4 şi
Ei = ei , j∈{1,2,3,4}{i} ej , i = 1, 2, 3, 4. Să se determine dimR spanR (Ei ) , i = 1, 2, 3, 4
şi dimR spanR ∩i∈{1,2,3,4} Ei .
Soluţie. #) Baza canonică în spaţiul vectorial real R4 este formată cu vectorii
e1 = (1, 0, 0, 0) , e2 = (0, 1, 0, 0) , e3 = (0, 0, 1, 0) , e4 = (0, 0, 0, 1) .
12 OVIDIU VEGHEŞ
este 3. Deoarece
1 −1 2
2 1 −1
rang [A1 ]E , [A2 ]E , [A3 ]E = rang = 3 = numărul de vectori.
1 1 0
0 1 1
rezultă {A1 , A2 , A3 } este o mulţime de vectori liniar independentă. Observăm că A4 = A1 + A2 + A3 . Fie
C ∈ X1 arbitrar. Există ε1 , ε2 , ε3 , ε4 ∈ R astfel încât C = ε1 A1 + ε2 A2 + ε3 A3 + ε4 A4 . Atunci
C = (ε1 + ε4 ) A1 + (ε2 + ε4 ) A2 + (ε3 + ε4 ) A3 ∈ spanR ({A1 , A2 , A3 }) .
Rezultă după un scurt raţionament că X1 = spanR ({A1 , A2 , A3 }). Am arătat că {A1 , A2 , A3 } este o
mulţime de generatori pentru X1 . Raţionamentul precedent justifică faptul că (A1 , A2 , A3 ) este un reper
în X1 şi
dimR X1 = 3.
Observăm că B3 = 2B1 . {B1 , B2 } este o mulţime de vectori liniar independentă deoarece
1 2
2 1
rang [B1 ]E , [B2 ]E = rang 0 3 = 2 = numărul de vectori.
1 1
Fie C ∈ X2 arbitrar. Există ε1 , ε2 , ε3 ∈ R astfel încât C = ε1 B1 + ε2 B2 + ε3 B3 . Atunci
C = (ε1 + 2ε3 ) B1 + ε2 B2 ∈ spanR ({B1 , B2 }) .
Rezultă X2 = spanR ({B1 , B2 }). Am arătat că {B1 , B2 } este o mulţime de generatori pentru X2 . Raţiona-
mentul precedent justifică faptul că (B1 , B2 ) este un reper în X2 şi
dimR X2 = 2.
ii-a) X1 + X2 = spanR ({A1 , A2 , A3 }) + spanR ({B 1 , B2 }) = spanR ({A1 , A
2 , A3 , B1 , B2 }).
1 −1 2 1 2
2 1 −1 2 1
rang [A1 ]E , [A2 ]E , [A3 ]E , [B1 ]E , [B2 ]E = rang = 4. Căutăm o dependenţă
1 1 0 0 3
0 1 1 1 1
liniară a vectorilor A1 , A2 , A3 , B1 , B2 . Relaţia
α1 A1 + α2 A2 + α3 A3 + α4 B1 + α5 B2 = 0M2 (R)
este echivalentă cu sistemul
α1 − α2 + 2α3 + α4 + 2α5 = 0
2α1 + α2 − α3 + 2α4 + α5 = 0
.
α1 + α2 + 3α5 = 0
α2 + α3 + α4 + α5 = 0
Soluţia α1 = − 23 13
α , α2 = − 12
12 5
α5 , α3 = − 54 α5 , α4 = 34 α5 scoate în evidenţă dependenţa
23 13
B2 = A
12 1
+ A
12 2
+ 54 A3 − 34 B1 .
Deoarece
1 −1 2 1
2 1 −1 2
rang [A1 ]E , [A2 ]E , [A3 ]E , [B1 ]E = rang = 4 = numărul de vectori.
1 1 0 0
0 1 1 1
rezultă {A1 , A2 , A3 , B1 } este o mulţime de vectori liniar independentă. Fie C ∈ X1 + X2 arbitrar. Există
ε1 , ε2 , ε3 , ε4 ∈ R astfel încât C = ε1 A1 + ε2 A2 + ε3 A3 + ε4 B1 + ε5 B2 . Atunci
23
C = ε1 + 12 ε5 A1 + ε2 + 13 ε A2 + ε3 + 45 ε5 A3 + ε3 − 43 ε5 B1 ∈ spanR ({A1 , A2 , A3 , B1 }) .
12 5
Rezultă X1 + X2 = spanR ({A1 , A2 , A3 , B1 }). Am arătat că {A1 , A2 , A3 , B1 } este o mulţime de generatori
pentru X1 + X2 . Raţionamentul precedent justifică faptul că (A1 , A2 , A3 , B1 ) este un reper în X1 + X2 şi
dimR (X1 + X2 ) = 4.
Mai mult, F = (A1 , A2 , A3 , B1 ) este un reper şi în M2 (R), şi deci X1 + X2 = M2 (R).
ii-b) X1 ∩ X2 = {C ∈ M2 (R) | C ∈ X1 şi C ∈ X2 }
= {C ∈ M2 (R) | C = α1 A1 + α2 A2 + α3 A3 = α4 B1 + α5 B2 , α1 , α2 , α3 , α4 , α5 ∈ R} .
14 OVIDIU VEGHEŞ
23
ce are soluţia α1 = 12 t, α = 13 t, α3 = 54 t, α4 = 34 t, α5 = t, cu t ∈ R. Notăm D = 23 13
A + 12 A2 + 45 A3 =
10 11 2 12 12 1
4
B + B2 =
3 1
3 3
7 . Obţinem X1 ∩ X2 = spanR ({D}) şi
3 3
dimR (X1 ∩ X2 ) = 1
0M2 (R) = 0M2 (R) + 0M2 (R) , cu 0M2 (R) ∈ X1 şi 0M2 (R) ∈ X2
0M2 (R) = D + (−D) , cu D ∈ X1 şi − D ∈ X2
7.0.1 Exerciţiu Definiţi noţiunile: i) spaţiu vectorial; ii) sumă directă de subspaţii
vectoriale; iii) bază a unui spaţiu vectorial; iv) codimensiunea unui subspaţiu vectorial; v)
matricea de trecere de la un reper la altul.
7.0.2 Exerciţiu Enunţaţi proprietăţile: i) acoperirii liniare a unei mulţimi; ii) mul-
ţimilor de generatori pentru un spaţiu vectorial; iii) mulţimilor liniar independente; iv)
principalele rezultate privind subspaţiile spaţiilor vectoriale de tip finit; v) consecinţele
teoremei rangului.
7.0.3 Exerciţiu Să se demonstreze lema schimbului.
7.0.4 Exerciţiu Se dau vectorii a1 = (1, −1, 2), a2 = (1, 1, 1), a3 = (1, −3, 3), a4 =
(2, 8, −1) în spaţiul vectorial real R3 . i) Să se determine spanR (A), unde A = {a1 , a2 , a3 , a4 },
şi dimR spanR (A). ii) Arătaţi că v = (2, 6, 0) ∈ spanR (A) şi determinaţi matricea coordo-
natelor vectorului v într-un reper al spaţiului spanR (A) format dintr-o selecţie de vectori
din mulţimea A.
7.0.5 Exerciţiu Fie F submulţimea lui R2 [X] definită prin
F = (m + n) X 2 + 2mX + (m − 3n) | m, n ∈ R .
i) Arătaţi că F este un subspaţiu vectorial real a spaţiului vectorial real R2 [X]. ii) Fie G
subspaţiu vectorial real a lui R2 [X] definit prin
G = aX 2 + bX + c ∈ R2 [X] | − 3a + 2b − c = 0 .
iii) Arătaţi F şi G coincid ca subspaţii vectoriale. iv) Să se decidă dacă P = X 2 + X + 2
este un polinom din F . v) Să se verifice că F ⊕ spanR ({P }) = R2 [X].
ALGEBR Ă LINIAR Ă - UNITATEA DE ÎNV Ă ŢARE 1 15
8. RĂ
Ş
În rezolvarea testului trebuie să ţinem cont că soluţiile propuse trebuie să fie clare,
corecte şi complete.
Exerciţiul 7.0.1.
Soluţie. Este vorba de definiţiile i) 2.1.5; ii) 5.2.4; iii) 3.2.4; iv) 5.3.14; v) 4.2.6.
Exerciţiul 7.0.2.
Soluţie. Este vorba de definiţiile i) 2.3.14-primele trei afirmaţii; ii) 2.3.14-ultimele trei afirmaţii; iii)
8. Pentru ii) şi iii) adăugăm şi teorema 3.2.6; iv) Este vorba următoarele rezultate 5.3.9, 5.3.10, 5.3.12,
5.3.13; v) 4.3.10 şi 4.3.11.
Exerciţiul 7.0.3.
Soluţie. Din datele problemei
v = a1 e1 + . . . + ai ei + . . . + ak ek + . . . + an en ,
cu ak = 0. Rezultă
ek = a−1
k v+
−1
i∈{1,...,n},i=k (−ak ai )ei
Vom demonstra că mulţimea de vectori a lui B este o mulţime de vectori liniar independentă. Fie
γ 1 e1 + . . . + γ i ei + . . . + γ k v + . . . + γ n en = 0V .
Înlocuim v cu expresia de mai sus şi obţinem
(γ 1 + γ k a1 ) e1 + . . . (γ i + γ k ai ) ei + . . . + (γ k ak ) ek + . . . + (γ n + γ k an ) en = 0V .
γ i + γ k ai = 0, ∀i = k
Deoarece E este liniar lindependentă rezultă Tragem concluzia că
γ k ak = 0 unde ak = 0.
γ i = 0, ∀i = k
,
γk = 0
adică toţi scalarii sunt nuli.
Vom demonstra că mulţimea de vectori a lui B este o mulţime de vectori ce genereză pe V. Fie x ∈ V
arbitrar. Deoarece spanK (B) = V, atunci
x =x
1 e1 + . . . + xk ek + . . . + xn en
= i∈{1,...,n},i=k xi ei + xk a−1 k v + i∈{1,...,n},i=k (−xk a−1
k ai )ei
= xk a−1
k v + i∈{1,...,n},i=k (xi − xk a−1k ai )ei .
Exerciţiul 7.0.4.
Soluţie. i) Pentru început, calculăm
1 1 1 2
rang [a1 ]E , [a2 ]E , [a3 ]E , [a4 ]E = rang −1 1 −3 8 = 2.
2 1 3 −1
Deoarece numărul de vectori este 4 (= 2) vectorii a1 , a2 , a3 , a4 sunt liniar dependenţi. Numărul maxim
de vectori liniar independenţi este 2. Facem o alegere şi reluăm calculul:
1 1
rang [a1 ]E , [a2 ]E = rang −1 1 = 2 = numărul de vectori.
2 1
Rezultă {a1 , a2 } este o mulţime de vectori liniar independentă.
Căutăm constantele reale α, β, γ, δ pentru care a3 = αa1 + βa2 şi a4 = γa1 + δa2 . Pentru acesta avem
de rezolvat sistemele
α+β =1 γ +δ = 2
−α + β = −3 şi −γ + δ = 8 .
2α + β = 3 2γ + δ = −1
Obţinem soluţiile α = 2, β = −1, γ = −3, δ = 5. Rezultă a3 = 2a1 − a2 şi a4 = −3a1 + 5a2 .
Fie u ∈ spanR (A) arbitrar. Există ε1 , ε2 , ε3 , ε4 ∈ R astfel încât u = ε1 a1 + ε2 a2 + ε3 a3 + ε4 a4 . Atunci
u = (ε1 + 2ε3 − 3ε4 ) a1 + (ε2 − ε3 + 5ε4 ) a2 ∈ spanR ({a1 , a2 }) .
16 OVIDIU VEGHEŞ
Am arătat că spanR (A) ⊆ spanR ({a1 , a2 }). Deoarece incluziunea spanR (A) ⊇ spanR ({a1 , a2 }) este evi-
dentă rezultă spanR (A) = spanR ({a1 , a2 }). Am arătat că {a1 , a2 } este o mulţime de generatori pentru
spanR (A).
Raţionamentul precedent justifică faptul că B = (a1 , a2 ) este un reper în spanR (A) şi
dimR spanR (A) = 2.
ii) Completăm reperul B = (a1 , a2 ) din spanR (A) la reperul B1 = (a1 , a2 , e3 ) din R3 (altenative de
1 1 0
justificare sunt lăsate cititorului). Fie C matricea de trecere de la E la B1 . Atunci C = −1 1 0
2 1 1
1 −1
2 2
0 2 −2
şi [v]B1 = C −1 [v]E = 12 1
2
0 6 = 4 (conform teoremei privind modificarea coordo-
−3 1
2 2
1 0 0
−2
natelor unui vector la schimbarea reperelor). Răspunsul solicitat este [v]B = (fapt echivalent cu
4
v = −2a1 + 4a2 ).
Exerciţiul 7.0.5.
Soluţie. Similitudinea cu primul exerciţiu rezolvat este evidentă. i),ii),iii),v) Răspunsurile sunt afir-
mative şi se justifică răspunsurile. iv) Răspunsul este negativ şi se justifică.
9. S Ţ
.1
9.1. Tema nr.1. 9.1.1 Exerciţiu i) Fie V un spaţiu vectorial real şi C V = V×V. Definim
operaţiile
+ : C V × C V → C V, (x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 )
· : C × C V → C V, (α + βi) · (x, y) = (αx − βy, βx + αy) .
Să se arate că C V este spaţiu vectorial complex (se numeşte complexificatul spaţiului
vectorial real V). În plus, C Rn = Cn .
ii) Fie V un spaţiu vectorial complex şi R V = V. Definim operaţiile de „+” prin
preluarea operaţiei din V, iar „·” este restricţia înmulţirii vectorilor din V cu scalari reali.
Să se arate că R V este spaţiu vectorial real (se numeşte trecerea în real a spaţiului
vectorial complex V). În plus, R Cn = R2n .
9.1.2 Exerciţiu i) Determinaţi dimQ R, dimR R, dimR Rn , dimC Cn , dimR Cn .
ii) Dacă dimR V = n ∈ N∗ , atunci dimC C V = n.
iii) Dacă dimC V = n ∈ N∗ , atunci dimR R V = 2n. √
9.1.3 Exerciţiu Să se determine acoperirea liniară a mulţimii A = 1, 2 în Q-spaţiul
√
vectorial R şi R-spaţiul vectorial R. Aparţine 3 2 acestei acoperiri?
9.1.4 Exerciţiu Găsiţi dimensiunea şi o bază pentru
spanR X 6 + X 4 , X 6 + 3X 4 − X, X 6 − 2X 4 + X, X 6 − 4X 4 + 2X .
9.1.5 Exerciţiu Arătaţi că mulţimea tuturor soluţiilor unui sistem liniar şi omogen
de n ecuaţii cu n necunoscute este un subspaţiu vectorial a lui spaţiului vectorial real
Mn.1 (R). Aflaţi dimensiunea sa.
9.2. Tema nr.2. 9.2.6 Exerciţiu Fie E = (e1 , e2, e3 ) un reper în K-spaţiul vectorial V
şi vectorul x = e1 − 2e2 + 3e3 .
i) Determinaţi [x]F matricea coordonatelor vectorului x în reperul F = (f1 , f2 , f3 ), unde
f1 = e1 , f2 = 2e1 + e2 , f3 = e1 − 2e2 + e3 .
ii) Determinaţi [x]G matricea coordonatelor vectorului x în reperul G = (g1 , g2 , g3 ),
unde g1 = e1 + e2 , g2 = e2 + e3 , g3 = e3 + e1 .
iii) Care este legătura dintre matricele [x]F şi [x]G ?
ALGEBR Ă LINIAR Ă - UNITATEA DE ÎNV Ă ŢARE 1 17
9.2.7 Exerciţiu Se consideră vectorii a1 = (1, 0, 0, −1), a2 = (2, 1, 1, 0), a3 = (1, 1, 1, 1),
a4 = (1, 2, 3, 4), a5 = (0, 1, 2, 3) în spaţiul vectorial real R4 . i) Să se determine dimensiunea
şi o bază în spaţiul generat de vectorii a1 , a2 , a3 , a4 , a5 . ii) Determinaţi coordonatele
acestor vectori într-un reper construit din baza determinată anterior. iii) În câte moduri
putem alege o bază în spanR ({a1 , a2 , a3 , a4 , a5 }) formată doar dintre vectorii a1 , a2 , a3 ,
a4 , a5 . iv) Completaţi baza, determinată la primul punct, la o bază în R4 .
9.2.8 Exerciţiu Fie spaţiul vectorial real M3 (R). Folosind lema schimbului să se:
4x1 + 3x2 + 3x3 = 6 2 3 1
a) rezolve sistemul 3x1 + 2x2 + x3 = 8 ; b) inverseze matricea 1 2 1 .
10x1 + 7x2 + 5x3 = 22 1 1 2
9.2.9 Exerciţiu Determinaţi dacă vectorii w1 , w2 w3 , w4 pot fi exprimaţi ca şi combi-
naţii liniare, în spaţiul vectorial real R3 , ale vectorilor v1 , v2 , v3 , unde
Putem afirma ceva despre spanR ({v1 , v2 , v3 }) şi spanR ({w1 , w2 , w3 , w4 }), bazându-ne pe
aceste verificări?
9.2.10 Exerciţiu În spaţiul vectorial real R4 să se consideră vectorii v1 = (2, 3, −1, 0),
1, 1, 2). i) Să se arate
v2 = (3, 4, 0, 2), v3 = (2, 1, 5, 8), v4 = (1, că spanR ({v1 , v2 }) =
spanR ({v3 , v4 }). ii) Să se determine spanR nv1 + n2 v2 | n ∈ N∗ .
Bibliografie
[1] G. Cenuşă şi colectiv catedră. Matematici pentru economişti. Ed.CISION, Bucureşti, 2000. T
[2] G. Cenuşă şi colectiv catedră. Matematici pentru economişti. Culegere de probleme. Ed.CISION, Bu-
cureşti, 2001. A
[3] Colectiv catedră. Matematici aplicate în economie. Ed.ASE, 1990. T
[4] S.H. Friedberg, A.J. Insel. Linear Algebra. Printice Hall, 2003. T
[5] R. Şerban (coord.) şi colectiv catedră. Culegere de probleme de algebră liniară. Ed.ASE, 1986. A
[6] C. Neculăescu, O. Vegheş. Introducere în algebră liniară. Ed.ASE, 2005. T
[7] A. Toma. Algebră liniară. Culegere de probleme. Ed.Economica, 2002. A
[8] G. Cenuşă, I.Săcuiu, V.Burlacu. Matematici. Curs pentru studenţii din anul I de la specializarea:
Planificare şi Cibernetică Economică. Ed.ASE, 1986. T
[9] G. Cenuşă, R. Şerban, C. Raischi. Matematici pentru economisti. Curs în format digital. Capitolul 1.
http://www.biblioteca-digitala.ase.ro/biblioteca/carte2.asp?id=21&idb=11 . T
[10] C. Neculăescu, O. Vegheş. Introducere în algebra liniară. Curs în format digital. Capitolul 1,2,3.
http://www.biblioteca-digitala.ase.ro/biblioteca/carte2.asp?id=362&idb=11 . T
ALGEBRĂ LINIARĂ - UNITATEA DE ÎNVĂŢARE 2
OVIDIU VEGHEŞ
Octombrie 2011
CUPRINS
1. Obiectivele unităţii de învăţare 2 1
2. Operatori liniari. Nucleu, imagine. Operaţii cu operatori şi reprezentarea lor 2
2.1. Operatori liniari 2
2.2. Operatori liniari definiţi pe spaţii de tip finit 3
2.3. Operaţii cu operatori liniari 4
2.4. Reprezentarea matriceală a operatorilor liniari 5
3. Vectori şi valori proprii. Polinom caracteristic 5
3.1. Vectori şi valori proprii 5
3.2. Subspaţii invariante. 6
3.3. Determinarea elementelor spectrale pe spaţii finit dimensionale 6
4. Forma canonică a unui endomorfism. Polinoame de endomorfisme 8
4.1. Endormorfisme diagonalizabile 8
4.2. Polinoame de endomorfisme (matrice) 9
5. Exerciţii rezolvate 10
6. Test de autoevaluare 13
7. Răspunsuri şi comentarii la testul de autoevaluare 13
8. Setul de exerciţii nr.2 15
8.1. Tema nr.4 15
8.2. Tema nr.5 16
8.3. Tema nr.6 16
Bibliografie 17
1. O
Ă Ţ
Ă Ţ 2
Acest material este destinat studenţilor din învăţământul economic din anul I, ID, de
la Facultatea de Cibernetică, Statistică şi Informatică Economică din Academia de Studii
Economice Bucureşti.
Unitate de învăţare 2 conţine, o prezentare într-o formă accesibilă, dar riguroasă a
principalelor rezultate privind operatorii de spaţii vectoriale (punând accentul pe spaţiile
vectoriale de tip finit), precum şi a unei scurte introduceri în teoria spectrală şi a noţiunilor
aferente.
Sarcinile impuse în parcurgerea materialului sunt:
- memorarea noţiunilor descrise în material, descrierea lor în limbaj matematic ca şi
exprimarea alternativă a lor,
1
2 OVIDIU VEGHEŞ
2. O
. N ,
. OŢ Ş
2.1. Operatori liniari. Fie V1 , V2 două K-spaţii vectoriale. Vom nota, pentru a sim-
plifica scrierea, cu „+” atât adunarea vectorilor din V1 cât şi pe cea din V2 , deşi avem
în vedere două operaţii distincte. Folosim aceeaşi convenţie simplificatoare de notare şi
pentru înmulţirea cu scalari: „·” sau „ ”. Atragem atenţia că avem un singur corp al
scalarilor K (care va fi presupus comutativ în majoritatea rezultatelor).
Reamintim definiţia operatorilor liniari dată în unitatea de învăţare 1: funcţia sau
aplicaţia T : V1 → V2 se numeşte
i) aditivă dacă T (x1 + x2 ) = T (x1 ) + T (x2 ), ∀x1 , x2 ∈ V1 ,
ii) K-omogenă dacă T (αx) = αT (x), ∀x ∈ V1 , ∀α ∈ K,
iii) K-operator liniar dacă T este aditiv şi K-omogen.
Păstrăm notaţiile de la funcţii privind imaginea unei submulţimi A ⊆ V1 prin
aplicaţia T ca fiind
T (A) = {T (x) | x ∈ A} ,
respectiv imagimea inversă a unei submulţimi B ⊆ V2 prin aplicaţia T ca fiind
T −1 (B) = {x | T (x) ∈ B} .
Proprietăţilor curente de lucru cu ele vom adăuga altele, datorită contextului.
Se notează cu
LK (V1 , V2 ) = {T : V1 → V2 | T este K-operator liniar} .
ALGEBR Ă LINIAR Ă - UNITATEA DE ÎNV Ă ŢARE 2 3
2.2. Operatori liniari definiţi pe spaţii de tip finit. Fie V1 , V2 două K-spaţii vecto-
riale, cu dimK V1 finită. Deoarece K este fixat se poate renunţa la evidenţierea lui. Astfel,
obţinem de exemplu sintagmele „T este omogen” sau respectiv „T este operator liniar”.
Această convenţie o vom aplica în continuare.
2.2.9 Teoremă[a dimensiunii] Fie T : V1 → V2 este un operator liniar. Atunci
dimK V1 = dimK ker T + dimK Im T .
dimK ker T se numeşte defectul operatorului liniar T şi dimK Im T se numeşte rangul
operatorului liniar T .
2.2.10 Corolar Au loc afirmaţiile: i) T injectiv ⇔ dim V1 = dimK Im T . ii) T surjectiv
⇔ dim V2 = dimK Im T .
2.2.11 Corolar Două spaţii vectoriale izomorfe au aceeaşi dimensiune.
2.2.12 Propoziţie Fie T : V1 → V2 este un operator liniar. Fie I o mulţime finită
de indici, E = {ei | i ∈ I} ⊆ V1 , F = {fi | i ∈ I} ⊆ V2 . Sunt adevărate implicaţiile, în
contextul în care T (ei ) = fi , ∀i ∈ I: i) dacă E este o mulţime liniar independentă şi T
injectiv, atunci F este o mulţime liniar independentă; ii) dacă F este o mulţime liniar
independentă, atunci E este o mulţime liniar independentă; iii) dacă E este o mulţime de
generatori pentru V1 şi T surjectiv, atunci F este o mulţime de generatori pentru V2 ; iv)
dacă F este o mulţime de generatori pentru V2 şi T injectiv, atunci E este o mulţime de
generatori pentru V1 ; v) dacă T este bijectiv atunci E este bază în V1 dacă şi numai dacă
F este bază în V2 .
2.2.13 Propoziţie[principiul extinderii prin liniaritate] Fie V1 , V2 două K-spaţii vec-
toriale. Fie m ∈ N∗ , E = {e1 , . . . , em } o bază în V1 şi F = {f1 , . . . , fm } ⊆ V2 . Atunci
există un unic operator liniar T : V1 → V2 , pentru care T (ei ) = fi , ∀i ∈ {1, . . . , m}.
2.2.14 Teoremă[izomorfism a spaţiilor vectoriale de tip finit] Două spaţii vectoriale ce
au aceeaşi dimensiune sunt izomorfe.
2.2.15 Corolar i) Orice K-spaţiu vectorial V de dimensiune m este izomorf cu spaţiul
vectorial (Km , K). ii) Orice K-spaţiu vectorial V de dimensiune m este izomorf cu spaţiul
vectorial (M1,m (K) , K). iii) Orice K-spaţiu vectorial V de dimensiune m este izomorf cu
spaţiul vectorial (Mm,1 (K) , K).
2.2.16 Observaţie Unii autori identifică Km cu Mm,1 (K) şi consideră matricile din
K ca fiind matrici coloană. În exerciţiile din culegerile de probleme vom respecta decizia
m
3.1. Vectori şi valori proprii. Fie V un K-spaţiu vectorial, nenul, în care K corp co-
mutativ şi T ∈ LK (V, V) un endomorfism.
3.1.1 Definiţie Considerăm sistemul
T (v) = λv
(3.1) .
v = 0
6 OVIDIU VEGHEŞ
3.2. Subspaţii invariante. Fie V un K-spaţiu vectorial, nenul, în situaţia în care K este
corp comutativ. Fie un endomorfism T ∈ LK (V, V).
3.2.4 Definiţie Un K-subspaţiu vectorial X în V se numeşte T -invariant dacă şi numai
dacă T (X) ⊆ X.
3.2.5 Propoziţie În condiţiile definiţiei sunt adevărate afirmaţiile:
i) Dacă X este subspaţiu T -invariant, atunci2 T |X ∈ LK (X, X).
ii) {0V } şi V sunt subspaţii T -invariante.
iii) Dacă X1 şi X2 sunt subspaţii T -invariante, atunci X1 ∩ X2 este T -invariant.
iv) Dacă X1 şi X2 sunt subspaţii T -invariante, atunci X1 + X2 este T -invariant.
v) spanK (G) este T -invariant dacă şi numai dacă T (G) ⊆ spanK (G).
3.2.6 Observaţie Dacă X este subspaţiu T -invariant cu dimK X = 1, atunci există
v ∈ V vector propriu a lui T astfel încât X = spanK ({v}). Reciproc, dacă v ∈ V este un
vector propriu a lui T , atunci X = spanK ({v}) este un subspaţiu T -invariant.
2Este necesar să atragem atenţia asupra notaţiei folosite, şi anume, am notat restricţia endomorfismului
T ∈ LK (V, V) la K-subspaţiul vectorial X, atât din punct de vedere al domeniului cât şi a codomeniului,
prin T |X : X → X.
ALGEBR Ă LINIAR Ă - UNITATEA DE ÎNV Ă ŢARE 2 7
3.3.12 Observaţie Pentru rezolvarea problemei găsirii vectorilor şi valorilor proprii
putem folosi următoarele etape de calcul:
Etapa 0 : Se alege un reper E în K-spaţiul vectorial V şi se determină A = [T ]E E.
Etapa 1: Se rezolvă ecuaţia caracteristică PA (λ) = 0, unde PA (λ) este polinomul
caracteristic de grad n asociat matricei A, şi se determină σ (T ).
Etapa 2: Pentru fiecare λ ∈ σ(T ), se determină K-subspaţiul propriu ker (T − λ idV )
(prin rezolvarea sistemului (A − λIn ) [x]E = [0]E ).
Etapa 3: Din fiecare subspaţiu propriu se extrag vectorii proprii.
3.3.13 Definiţie Fie T ∈ LK (V, V) şi λ ∈ σ (T ). Numim dimensiunea geometrică
a lui λ numărul dλ = dimK ker (T − λ idV ) ∈ N∗ . Numim dimensiunea algebrică a lui
λ ordinul de multiplicitate mλ ∈ N∗ al lui λ ca rădăcină a polinomului caracteristic PT (λ).
3.3.14 Lemă Fie T ∈ LK (V, V) un endomorfism pentru care
{λ1 , . . . , λr } ⊆ σ (T ) , unde λi = λj pentru orice i = j, i, j ∈ {1, . . . , r} .
Notăm Vλk subspaţiul propriu corespunzător valorii proprii λk , adică
Vλk = ker (T − λk idV ) ,
8 OVIDIU VEGHEŞ
4. F
Ă
!. P
!
5. E#Ţ
5.0.1 Exerciţiu Fie T : R3 → R2 , T (x1 , x2 , x3 ) = (x1 − x2 , 2x1 − 2x2 ). Să se: i) arate
că T este R-operator liniar; ii) determine nucleul şi imaginea operatorului T ; iii) afle [T ]EF
matricea operatorului T corespunzătoare reperelor canonice E = (e1 , e2 , e3 ) şi F = (f1 , f2 );
iv) [T ]G
H matricea operatorului T corespunzătoare reperelor G = (e1 + e2 , e1 + e3 , e2 + e3 )
şi H = (2f1 + f2 , −f1 ); v) relaţia de legatura între [T ]G E
H şi [T ]F .
Soluţie. Spaţiile vectoriale reale implicate sunt R3 şi R2 . Reperele canonice în aceste spaţii sunt
E = (e1 = (1, 0, 0) , e2 = (0, 1, 0) , e3 = (0, 0, 1)) ,
F = (f1 = (1, 0) , f2 = (0, 1)) .
i) Fie (x1 , x2 , x3 ) , (y1 , y2, y3 ) ∈ R3 şi α, β ∈ R. Avem
T (α (x1 , x2 , x3 ) + β (y1 , y2, y3 )) = T ((αx1 , αx2 , αx3 ) + (βy1 , βy2, βy3 ))
= T (αx1 + βy1 , αx2 + βy2 , αx3 + βy3 )
= ((αx1 + βy1 ) − (αx2 + βy2 ) , 2 (αx1 + βy1 ) − 2 (αx2 + βy2 ))
= α (x1 − x2 , 2x1 − 2x2 ) + β (y1 − y2 , 2y1 − 2y2 ) = αT (x1 , x2 , x3 ) + βT (y1 , y2 , y3 ) .
ii) Fie (x1 , x2 , x3 ) ∈ ker T . Condiţia este echivalentă cu T (x1 , x2 , x3 ) = (0, 0) sau
x1 − x2 = 0
.
2x1 − 2x2 = 0
x1 = α
Valorile necunoscutelor (principale şi secundare) sunt x2 = α , α, β ∈ R, de unde rezultă
x3 = β
ker T = {(α, α, β) | α, β ∈ R} = {α (1, 1, 0) + β (0, 0, 1) | α, β ∈ R} = spanR ({(1, 1, 0) , (0, 0, 1)}) .
Deoarece vectorii care generează acest subspaţiu sunt independenţi, avem dimR ker T = 2.
Fie (y1 , y2 ) ∈ Im T . Condiţia este echivalentă cu existenţa (x1 , x2, x3 ) ∈ R3 pentru care (y1 , y2 ) =
x 1 − x 2 = y1
T (x1 , x2 , x3 ) sau . Condiţia de compatibilitate este y2 = 2y1 . Rezultă
2x1 − 2x2 = y2
Im T = (y1 , y2 ) ∈ R2 | y2 = 2y1 = {γ (1, 2) | γ ∈ R} = spanR ({(1, 2)}) .
Pentru că vectorul generator al acestui subspaţiu este nenul, avem dimR Im T = 1.
Evident dimR ker T + dimR Im T = 2 + 1 = 3 = dimR R3 .
iii) Evident T (e1 ) = (1, 2) = 1f1 + 2f2 , T (e2 ) = (−1, −2) = −1f1 − 2f2 ,T (e3 ) = (0, 0) = 0f1 + 0f2 .
Atunci
1 −1 0
[T ]E
F = [T (e 1 )]F , [T (e2 )]F , [T (e 3 )] F = .
2 −2 0
Matricea are proprietatea că
3
[T (x)]F = [T ]E
F [x]E , ∀x ∈ R .
iv) Avem T (e1 + e2 ) = (0, 0) = 0f1 + 0f2 , T (e1 + e3 ) = (1, 2) = 1f1 + 2f2 ,T (e2 + e3 ) = (−1, −2) =
−1f1 − 2f2 . Folosim tehnica din lema schimbului. Obţinem
R2 f1 f2 2f1 + f2 −f1 T (e1 + e2 ) T (e1 + e3 ) T (e2 + e3 )
f1 1 0 2 −1 ↓ 0 1 −1
←−
f2 0 1 1 0 0 2 −2
−f1 −1 0 −2 1
f2 0 1 1 ↓ 0
←
−
−f1 −1 2 0 1
2f1 + f2 0 1 1 0
2f1 + f2 0 1 1 0 0 2 −2
−f1 −1 2 0 1 0 3 −3
sau explicit
T (e1 + e2 ) = 0 (2f1 + f2 )+0 (−f1 ) , T (e1 + e3 ) = 2 (2f1 + f2 )+3 (−f1 ) , T (e2 + e3 ) = −2 (2f1 + f2 )−3 (−f1 ) .
ALGEBR Ă LINIAR Ă - UNITATEA DE ÎNV Ă ŢARE 2 11
Lema schimbului ne garantează că H este un reper în R2 . Dar şi G este un reper în R3 deoarece sunt
indeplinite criteriile impuse de consecinţele teoremei rangului:
1 1 0
G numărul de vectori
rang [idV1 ]E = rang 1 0 1 = 3 = .
dimR R3
0 1 1
Matricea
0 2 −2
[T ]G
H = [T (e1 + e2 )]H , [T (e1 + e3 )]H , [T (e2 + e3 )]H = .
0 3 −3
are proprietatea că
3
[T (x)]H = [T ]G
H [x]G , ∀x ∈ R .
v) Teorema privind modificarea matricei unui operator la schimbarea reperelor ne spune
[T ]G F E G
H = [idV2 ]H [T ]F [idV1 ]E .
1 1 0
0 2 −2 0 1 0 1 −1
Într-adevăr avem = 1 0 1 .
0 3 −3 −1 2 0 2 −2
0 1 1
19 34 51 17
−5 −8 −15 −5
5.0.2 Exerciţiu Se consiceră matricea A =
−3 −6 −7 −3 . Să se calculeze
1 2 3 3
−1
A folosind Teorema Cayley-Hamilton.
Soluţie. Polinomul caracteristic asociat matricei A este
19 − λ 34 51 17
−5 −8 − λ −15 −5
PA (λ) = det (A − λI4 ) = det = λ4 − 7λ3 + 18λ2 − 20λ + 8.
−3 −6 −7 − λ −3
1 2 3 3−λ
Rezultă det A = 8 (termenul liber din scrierea polinomului) şi în consecinţă A este inversabilă. Conform
teoremei Cayley-Hamilton
A4 − 7A3 + 18A2 − 20A + 8I4 = 04 .
Avem
A −18
A3 + 87 A2 + −18
8
A + 20 I = −1
8 4 8
A3 + 87 A2 + −188
A + 20 I A = I4 .
8 4
Folosind unicitatea elementului simetric în grupul GL4 (R), al matricelor inversabile de ordinul 4 cu ele-
mente numere reale, rezultă
−8 −17 − 51 2
− 17
2
5 11 15 5
A−1 = −1
8
A3 + 87 A2 + −18
8
A + 20 I =
8 4 3
2 2 2 2
3
.
2
3 5 2
1 3
−2 −1 −2 0
Observaţie. Reamintim că dacă K este un corp comutativ, atunci mulţimea GLn (K), a matricelor
inversabile de ordinul n cu elemente din K, este grup.
5.0.3 Exemplu Fie endomorfismul T : R4 → R4 , definit prin
, x2 , x3 , x4 ) = (y1 , y2 , y3 , y4 ) , unde
T (x1
y1 = 19x1 + 34x2 + 51x3 + 17x4
y2 = −5x1 − 8x2 − 15x3 − 5x4
, ∀ (x1 , x2 , x3 , x4 ) ∈ R4 .
y 3 = −3x 1 − 6x 2 − 7x 3 − 3x4
y4 = x1 + 2x2 + 3x3 + 3x4
i) Să se determine matricea endomorfismului corespunzătoare reperului canonic E =
(e1 , e2 , e3 , e4 ) din spaţiul vectorial real R4 . ii) Să se afle vectorii şi valorile proprii corespun-
zătoare endomorfismului T . iii) Să se verifice că T este diagonalizabil şi să se determine
un reper în spaţiul vectorial R4 , format din vectori proprii.
Soluţie. Explicităm e1 = (1, 0, 0, 0), e2 = (0, 1, 0, 0), e3 = (0, 0, 1, 0), e4 = (0, 0, 0, 1).
12 OVIDIU VEGHEŞ
i) Evident
T (e1 ) = (19, −5, −3, 1) , T (e2 ) = (34, −8, −6, 2) , T (e3 ) = (51, −15, −7, 3) , T (e4 ) = (17, −5, −3, 3) .
Atunci
19 34 51 17
E −5 −8 −15 −5
[T ]E = [T (e1 )]E , [T (e2 )]E , [T (e3 )]E , [T (e4 )]E = .
−3 −6 −7 −3
1 2 3 3
E
4
Matricea A = [T ]E ∈ M4 R are proprietatea că
4
[T (x)]E = [T ]E
E [x]E , ∀x ∈ R .
0 0 0 2
şi D = [T ]VV = [idR4 ]E
V [T ]E
E [id 4
R E]V
= C −1
AC.
7. RĂ
Ş
În rezolvarea testului trebuie să ţinem cont că soluţiile propuse trebuie să fie clare,
corecte şi complete.
Exerciţiul 6.0.1.
Soluţie. Este vorba de definiţiile i) 2.4.21;.ii) 4.1.1; iii) 3.3.13; iv) 3.1.1.
Exerciţiul 6.0.2.
Soluţie. Este vorba următoarele rezultate: i) 2.3.19 şi 2.3.20; ii) 3.3.7 şi 3.3.8; iii) 3.3.10 şi 3.3.11; iv)
4.1.4.
Exerciţiul 6.0.3.
Soluţie. Fie E = 1, X, X 2 , X 3 reperul canonic din R3 [X]. Conform definiţiei
U a0 + a1 X + a2 X 2 + a3 X 3 = a1 + 2a2 X + 3a3 X 2 − a0 + a1 X + a2 X 2 + a3 X 3
2 3
= (a1 − a0 ) + (2a2 − a1 ) X + (3a3 − a2 ) X + (−a3 ) X .
14 OVIDIU VEGHEŞ
Matricea
−1 1 0 0
E
2 3 0 −1 2 0
[U ]E = [U (1)]E , [U (X)]E , U X E , U X E = .
0 0 −1 3
0 0 0 −1
Conform principiului de extindere prin liniaritate există un operator liniar T : R3 [X] → R3 [X] pentru
care
−1 −1 −2 −6
−1 0 −1 −2 −6
[T ]E E
E = [U ]E = 0
.
0 −1 −3
0 0 0 −1
Deoarece
[U ◦ T (1)]E , [U ◦ T (X)]E , U ◦ T X 2 E , U ◦ T X 3 E = [U ◦ T ]E E E
E = [U ]E [T ]E
−1
= [U ]E
E [U ]E
E
= I4 = idR3 [X] (1) E , idR3 [X] (X) E , idR3 [X] X 2 E , idR3 [X] X 3 E ,
folosind unicitatea din principiului de extindere prin liniaritate tragem concluzia că U ◦ T = idR3 [X] . În
mod analog T ◦ U = idR3 [X] . Folosind proprietăţile compunerii funcţiilor U şi T sunt bijective. Am arătat
că U este un izomorfism liniar. Deoarece domeniul şi codomeniul coincid U esteautomorfism.
E −1
Pe de altă parte, aceleaşi relaţii conduc la U −1 = T (şi deci U −1 E = [U ]EE ). De aici obţinem
U −1 a0 + a1 X + a2 X 2 + a3 X 3
= (−a0 − a1 − 2a2 − 6a3 ) + (−a1 − 2a2 − 6a3 ) X + (−a2 − 3a3 ) X 2 + (−a3 ) X 3 .
Exerciţiul 6.0.4.
Soluţie. a) Fie X1 = S ∈ Mn (K) | S T = S şi X2 = A ∈ Mn (K) | AT = −A . Am notat cu AT
transpusa matricei A. Pentru început verificăm că X1 şi X2 sunt K-subspaţii vectoriale.
Dacă S1 , S2 ∈ X1 , adică S1T = S1 şi S2T = S2 , atunci (S1 + S2 )T = S1T + S2T = S1 + S2 şi deci
S1 + S2 ∈ X1 . Dacă α ∈ K şi S ∈ X1 , adică S T = S, atunci (αS)T = αS T = αS şi deci αS ∈ X1 . Am
probat astfel că X1 este K-subspaţiu vectorial. Dacă A1 , A2 ∈ X2 , adică AT1 = −A1 şi AT2 = −A2 , atunci
(A1 + A2 )T = AT1 + AT2 = −A1 − A2 = − (A1 + A2 ) şi deci A1 + A2 ∈ X2 . Dacă α ∈ K şi A ∈ X2 ,
adică AT = −A, atunci (αA)T = αAT = α (−A) = − (αA) şi deci αA ∈ X2 . Am probat astfel că X2 este
K-subspaţiu vectorial.
X1 + X2 = Mn (K)
Pentru a verifica X1 ⊕ X2 = Mn (K), sau echivalent , trebuie să verifică patru
X1 ∩ X2 = {0n }
incluziuni. X1 ∩ X2 ⊇ {0n } şi X1 + X2 ⊆ Mn (K) sunt evidente.
Cazul 1: K este un corp algebric cu caracteristica diferită de 2.
"X1 ∩ X2 ⊆ {0n }" Fie M ∈ X1 ∩ X2 . Atunci din M T = M = −M avem 2M = 0n . Rezultă M = 0n .
"X1 + X2 ⊇ Mn (K)" Fie M ∈ Mn (K) arbitrar. Atunci M = S + A, unde
S = (2 · 1)−1 M + M T ∈ X1 şi A = (2 · 1)−1 M − M T ∈ X2 .
Este imediată verificarea
S T = (2 · 1)−1 M T + M = S şi AT = (2 · 1)−1 M T − M = −A.
Am verificat că X1 şi X2 sunt spaţii suplementare directe unul celuilalt în Mn (K).
Cazul 2: K este un corp algebric cu caracteristica egală cu 2 (de exemplu Z2 ).
Atunci M = −M , ∀M ∈ Mn (K) şi, în consecintă, X1 = X2 = {0n }. Nu se poate calcula X1 ⊕ X2 .
b) Din ipoteza rezultă A = CDC −1 . i) Avem
αA = α CDC −1 = C (αD) C −1 .
ii) Vom demonstra afirmaţia prin inducţie. "pasul iniţial" Afirmaţia pentru m = 1 a fost probată.
"pasul de inducţie" Dacă Am = CDm C −1 , atunci Am+1 = AAm = CDC −1 CDm C −1 = CDIn Dm C −1 =
CD m+1 C −1 .
În concluzie afirmaţia Am = CD m C −1 este adevărată pentru orice m ∈ N∗ .
ALGEBR Ă LINIAR Ă - UNITATEA DE ÎNV Ă ŢARE 2 15
Exerciţiul 6.0.5.
Soluţie. Folosim calculele efectuate în cel de al doilea exerciţiu rezolvat. Endomorfismul T este
diagonalizabil. Fie
E = (e1 = (1, 0, 0, 0) , e2 = (0, 1, 0, 0) , e3 = (0, 0, 1, 0) , e4 = (0, 0, 0, 1)) şi
V = (v1 = (17, −5, −3, 1) , v2 = (−2, 1, 0, 0) , v3 = (−3, 0, 1, 0) , v4 = (−1, 0, 0, 1))
reperul canonic, şi respectiv reperul format din vectori proprii, ai spaţiului vectorial real R4 . Avem
19 34 51 17 1 0 0 0
−5 −8 −15 −5
A = [T ]E , D = [T ]V = 0 2 0 0
E = −3 −6 −7 −3 V 0 0 2 0
1 2 3 3 0 0 0 2
−17 7 5 −1
5 −2 −1 0
şi A = CDC −1 , unde C = [v1 ]E , [v2 ]E , [v3 ]E , [v4 ]E = 3
. Atunci
−1 −1 0
−1 0 0 1
n
E V V E V V E
[T n ]E = [idR4 ]E [T n ]V [idR4 ]V = [idR4 ]E [T ]V [idR4 ]V = CD n C −1
n n
1 + 18 (2 − 1) 34 (2 − 1) 51 (2n − 1) 17 (2n − 1)
−5 (2n − 1) 1 − 9 (2n − 1) −15 (2n − 1) −5 (2n − 1) .
= −3 (2n − 1)
−6 (2n − 1) 1 − 8 (2n − 1) −3 (2n − 1)
2n − 1 2 (2n − 1) 3 (2n − 1) 1 + 2 (2n − 1)
Folosind proprietatea că [T n (x)]E = [T n ]E 4
E [x]E , ∀x ∈ R obţinem rezultatul T
n
: R4 → R4 este definit
prin T n (x1 , x2 , x3 , x4 ) = (y1 , y2 , y3 , y4 ), unde
y1 = (1 + 18 (2n − 1)) x1 + 34 (2n − 1) x2 + 51 (2n − 1) x3 + 17 (2n − 1) x4
y2 = −5 (2n − 1) x1 + (1 − 9 (2n − 1)) x2 − 15 (2n − 1) x3 − 5 (2n − 1) x4
,
y3 = −3 (2n − 1) x1 − 6 (2n − 1) x2 + (1 − 8 (2n − 1)) x3 − 3 (2n − 1) x4
y4 = (2n − 1) x1 + 2 (2n − 1) x2 + 3 (2n − 1) x3 + (1 + 2 (2n − 1)) x4
pentru ∀ (x1 , x2 , x3 , x4 ) ∈ R4 .
8. S #Ţ
.2
8.1. Tema nr.4. 8.1.1 Exerciţiu Scrieţi matricea asociată următorilor operatori în
perechea de baze canonice în cazul liniarităţii lor, să se determine nucleul, imaginea,
rangul şi defectul operatorilor, precum şi să se verifice teorema dimensiunii: a) U :
R2 → R4 , U (x1 , x2 ) = (x1 , x1 + x2 , x2 , x1 − x2 ); b) U : R4 → R3 , U (x1 , x2 , x3 , x4 ) =
(x1 + x2 , x1 + x3 , x1 + x4 ); c) U : Rn [X] → Rn [X], U (P (X)) = P (−X); d) U : Rn [X] →
Rn−1 [X], U (P (X)) = P ′ (X); e) U : R3 → R3 , U (x1 , x2 , x3 ) = (x3 , x1 , x2 ); f) U :
Rn [X] → Rn−1 [X], U (P (X)) = P (X + 1) − P (X). Am notat cu Rn [X] spaţiul vector-
ial al polinoamelor de grad cel mult n peste R în nedeterminata X.
8.1.2 Exerciţiu a) Să se arate că în spaţiul vectorial real L R2 , R3 al tuturor oper-
atorilor liniari de la R2 la R3 operatorii U1 (x1 , x2 ) = (x1 , 0, 0), U2 (x1 , x2 ) = (0, x1 , 0),
U3 (x1 , x2 ) = (0, 0, x1 ), U4 (x1 , x2 ) = (x2 , 0, 0), U5 (x1 , x2 ) = (0, x2 , 0), U6 (x1 , x2 ) =
(0, 0, x2 ) formează o bază. Să se găsească unica reprezentare a operatorului liniar T definit
prin T (x1 , x2 ) = (x1 , 2x1 + 3x2 , 4x1 − 5x2 ) ca o combinaţie liniară a elementelor acestei
baze.
b) Fie U1 , U2 , U3 ∈ L R3 , R3 definite prin
U1 (x1 , x2 , x3 ) = (x1 + 2x2 , x2 − x3 , 2x2 + x3 ) ;
U2 (x1 , x2 , x3 ) = (x3 , −x2 , x1 ) ;
U3 (x1 , x2 , x3 ) = (−x1 + x2 + x3 , −x2 + x3 , 2x1 + 3x2 − x3 ) .
Să se determine U4 , U5 , U6 ∈ L R3 , R3 definiţi prin U4 = U1 +U2 , U5 = U2 ◦U1 , U6 = U3−1 .
16 OVIDIU VEGHEŞ
prX X1
X1 (x) = x1 , prX2 (x) = x2 , unde x = x1 + x2 , cu x1 ∈ X1 , x2 ∈ X2 .
2
prX X2 X1 X1 X2 X2 X1
X2 ; iii) prX1 ◦ prX2 = 0; iv) prX2 ◦ prX1 = 0; v) prX1+ prX2 = idV .
1
8.2. Tema nr.5. 8.2.6 Exerciţiu i) Fie spaţiul vectorial real V şi operatorul liniar U :
V → V,
U (f ) (x) = 02π (1 + sin (x − t)) f (t) dt, x ∈ [0, 2π] .
(a) Pentru V = CR [0, 2π], să se arate că Im U este finit—dimensional şi să se afle o bază
pentru Im U . (b) Pentru V = CR1 [0, 2π], să se afle o bază pentru Im U . (c) Generalizare
privind rangul operatorului U pe spaţiul vectorial al funcţiilor derivabile de k-ori, cu
derivata rezultată continuă pe [0, 2π], V = CRk [0, 2π], unde k ∈ N∗ .
ii) În fiecare din cele 3 situaţii (a), (b) şi (c) să se cerceteze dacă
U |Im U : Im U → Im U
este un endomorfism diagonalizabil.
iii) Să se găsească valorile proprii şi vectorii proprii ale endomorfismului U .
8.2.7 Exerciţiu Fie V un K-spaţiu vectorial, nenul, în care K corp comutativ şi T ∈
LK (V, V) un endomorfism. Considerăm îndeplinită condiţia dimK V = n ∈ N∗ . Atunci
λ∈/ σ (T ) dacă şi numai dacă T − λ idV este automorfism.
8.2.8 Exerciţiu Fie un endomorfism T ∈ LK (V, V). Să se arate că: i) vectorii proprii
a lui T corespunzători valorii proprii zero, şi doar aceştia, aparţin lui ker T ; ii) vectorii
proprii a lui T corespunzători unei valori proprii nenule aparţin lui Im T .
8.2.9 Exerciţiu Fie A ∈ Mn (C). Să se arate că matricele A şi respectiv AT au acelaşi
polinom caracteristic. Să se dea exemplu de matrice A pentru care operatori liniari având
matricele de reprezentare A şi respectiv AT nu au acelaşi vectori proprii.
8.2.10 Exerciţiu Valoarea absolută a oricărei valori proprii a unei matrici productive4
este strict subunitară.
8.3. Tema nr.6. 8.3.11 Exerciţiu Fie T ∈ LR R3 , R3 definit prin
T (x1 , x2 , x3 , x4 ) = (−x1 , x2 − 4x1 , 2x4 − 3x3 , 3x4 − 4x3 ) .
i) Să se afle valorile proprii, subspaţiile proprii şi vectorii proprii ale endomorfismului T ; ii)
Să se arate că există un reper B în spaţiul vectorial real R3 în care matricea operatorului
D = [T ]B n E
B are forma diagonală; iii) Să se determine matricea [T ]E a endomorfismul
T n = T ◦ . . . ◦ T (unde T apare de n-ori), cu n ∈ N∗ , corespunzătoare reperului canonic E
din R3 ; iv) Să se determine subspaţiile vectoriale X din R3 pentru care T (X) ⊆ X.
4O matrice pătratică A ∈ M (R), unde n ∈ N, n 2, cu elemente pozitive se numeşte productivă,
n
dacă există v0 ∈ Mn,1 (R) astfel încât v0 Av0 .
ALGEBR Ă LINIAR Ă - UNITATEA DE ÎNV Ă ŢARE 2 17
−1 0 −5 0 1 2
8.3.12 Exerciţiu Se consideră matricele: a) 5 4 5 ; b) 1 0 1 . Să se
−5 0 −1 2 1 0
afle valorile proprii, vectorii proprii şi să se diagonalizeze matricele.
8.3.13 Exerciţiu Pentru fiecare din situaţiile de la exerciţiul 8.3.12, să se calculeze
A−1 folosind teorema Cayley-Hamilton. Poate fi folosită teorema Cayley-Hamilton pentru
a se calcula An , cu n ∈ N ?
8.3.14 Exerciţiu Fie p : V → V un operator liniar de proiecţie. Să se demonstreze că
i) Im p = {v ∈ V | p (v) = v}; ii) V = ker p ⊕ Im p; iii) p este un endomorfism diagonalizabil
şi σ (p) = {0, 1}.
8.3.15 Exerciţiu Fie V un K-spaţiu vectorial, nenul. i) Să se arate că dacă p : V → V
este o proiecţie, atunci idV −p este proiecţie pentru care
ker (idV −p) = Im p, Im (idV −p) = ker p
şi 2p − idV este o involuţie5. Care din aceste trei endomorfisme este diagonalizabil ?
Bibliografie
[1] G. Cenuşă şi colectiv catedră. Matematici pentru economişti. Ed.CISION, Bucureşti, 2000. T
[2] G. Cenuşă şi colectiv catedră. Matematici pentru economişti. Culegere de probleme. Ed.CISION, Bu-
cureşti, 2001. A
[3] Colectiv catedră. Matematici aplicate în economie. Ed.ASE, 1990. T
[4] S.H. Friedberg, A.J. Insel. Linear Algebra. Printice Hall, 2003. T
[5] R. Şerban (coord.) şi colectiv catedră. Culegere de probleme de algebră liniară. Ed.ASE, 1986. A
[6] C. Neculăescu, O. Vegheş. Introducere în algebră liniară. Ed.ASE, 2005. T
[7] A. Toma. Algebră liniară. Culegere de probleme. Ed.Economica, 2002. A
[8] G. Cenuşă, I.Săcuiu, V.Burlacu. Matematici. Curs pentru studenţii din anul I de la specializarea:
Planificare şi Cibernetică Economică. Ed.ASE, 1986. T
[9] C. Udrişte, C. Radu, C. Dicu, O. Mălăncioiu. Probleme de algebră, geometrie şi ecuaţii diferenţiale.
Ed.Didactică şi pedagogică, 1981. A
[10] C. Neculăescu, O. Vegheş. Introducere în algebra liniară. Curs în format digital. Capitolul 1,2,3,6.
http://www.biblioteca-digitala.ase.ro/biblioteca/carte2.asp?id=362&idb=11 . T