CLD PDF

Leonard Dăuş
ALGEBRĂ LINIARĂ
şi
GEOMETRIE ANALITICĂ
PrefaŃă
Algebra liniară şi geometria analitică reprezintă de multă vreme instrumente

fundamentale pentru disciplinele matematice, abstracte sau aplicate. Cursurile de
algebră liniară şi geometrie se regăsesc în programa analitică a oricărei universităŃi cu
profil tehnic. Conceptele introduse şi rezultatele obŃinute în cadrul unui astfel de curs,
fiind preluate şi utilizate de numeroase discipline tehnice, au condus la necesitatea
introducerii algebrei liniare şi a geometriei ca materie de studiu pentru toate
specializările din Universitatea Tehnică de ConstrucŃii Bucureşti.
Această lucrare are la bază cursurile pe care le-am predat la Facultatea de
Hidrotehnică şi respectă programa analitică a primului semestru aferentă specializării
Ingineria Mediului. Principalele teme tratate sunt: calcul vectorial, geometrie analitică
în spaŃiu, spaŃii vectoriale şi spaŃii euclidiene, valori proprii şi vectori proprii, forme
pătratice şi forme biliniare. De asemenea sunt prezentate şi câteva metode numerice în
algebra liniară: metode de rezolvare a sistemelor de ecuaŃii liniare sau pentru
determinarea valorilor proprii şi a vectorilor proprii. Toate rezultatele teoretice sunt
însoŃite de demonstraŃii complete, ceea ce permite parcurgerea independentă a acestei
lucrări de către studenŃii anului I. Deşi cartea are un pronunŃat caracter teoretic, pe
parcursul ei am inclus numeroase exerciŃii având rezolvări complete, iar fiecare
capitol se încheie cu o secŃiune de exerciŃii propuse, cu diferite grade de dificultate.
Astfel, lucrarea poate fi folosită şi în cadrul seminarului.
Doresc să mulŃumesc D-lui. Prof. Dr. Ghiocel Groza pentru atenŃia cu care a
citit manuscrisul şi pentru observaŃiile pertinente şi constructive care au marcat
pozitiv conceperea acestei lucrări.
Bucureşti, septembrie 2009 Leonard Dăuş

Cuprins
Capitolul I: Vectori liberi.................................................................................. 1

1. Vectori liberi.......................................................................................... 1
2. OperaŃii cu vectori liberi........................................................................ 4
3. Expresia analitică a unui vector liber.................................................... 12
4. Produsul scalar...................................................................................... 14
5. Produsul vectorial.................................................................................. 19
6. Produsul mixt........................................................................................ 24
7. ExerciŃii................................................................................................. 26
Capitolul II: Planul şi dreapta în spaŃiu........................................................... 29

1. Planul..................................................................................................... 29
2. Dreapta.................................................................................................. 33
3. Fascicol de plane................................................................................... 37
4. Unghiuri în spaŃiu.................................................................................. 40
5. DistanŃe în spaŃiu................................................................................... 43
6. ExerciŃii................................................................................................. 48
Capitolul III: SpaŃii vectoriale.......................................................................... 50

1. NoŃiunea de spaŃiu vectorial. Exemple.................................................. 50
2. DependenŃă şi independenŃă liniară....................................................... 52
3. Sistem de generatori. Bază a unui spaŃiu vectorial................................ 54
4. SubspaŃii vectoriale............................................................................... 60
5. Schimbarea bazei unui spaŃiu vectorial................................................. 65
6. ExerciŃii................................................................................................. 67
Capitolul IV: SpaŃii euclidiene.......................................................................... 70

1. Produs scalar. Normă............................................................................. 70
2. Ortogonalitate. Baze ortonormate......................................................... 76
3. Polinoame ortogonale............................................................................ 82
4. ExerciŃii................................................................................................. 90
Capitolul V: Transformări liniare.................................................................... 92

1. DefiniŃie. Exemple. ProprietăŃi.............................................................. 92
2. Nucleul şi imaginea unei transformări liniare....................................... 96
3. Matricea asociată unei transformări liniare........................................... 102
4. ExerciŃii................................................................................................. 107
Capitolul VI: Sisteme de ecuaŃii liniare............................................................ 109
1. Metoda lui Gauss................................................................................... 109
2. Factorizarea LU..................................................................................... 114
3. Factorizarea Cholesky........................................................................... 123
4. Metode iterative de rezolvare ale sistemelor de ecuaŃii liniare............. 127
5. ExerciŃii................................................................................................. 135
Capitolul VII: Valori proprii şi vectori proprii............................................... 138

1. Valori proprii şi vectori proprii............................................................. 138
2. Localizarea valorilor proprii.................................................................. 146
3. Diagonalizarea unui endomorfism (sau a unei matrice)........................ 149
4. Metoda puterii....................................................................................... 155
5. ExerciŃii................................................................................................. 158
Capitolul VIII: Clase speciale de matrice........................................................ 160

1. Matrice ortogonale................................................................................. 160
2. Matrice simetrice................................................................................... 164
3. RotaŃii şi simetrii................................................................................... 166
4. ExerciŃii................................................................................................. 174
Capitolul IX: Forme biliniare. Forme pătratice.............................................. 176

1. Forme biliniare...................................................................................... 176
2. Forme pătratice. Reducerea la forma canonică..................................... 179
3. Signatura unei forme pătratice. Teorema inerŃiei.................................. 189
4. ExerciŃii................................................................................................. 192
Bibliografie.......................................................................................................... 195
Indice................................................................................................................... 197
Capitolul I
Vectori liberi
1. Vectori liberi
Fie E 3 spaŃiul tridimensional al geometriei elementare, spaŃiu conceput ca o

mulŃime de puncte şi în care sunt valabile axiomele lui Euclid.
DefiniŃii 1.1: Se numeşte vector legat sau segment orientat o pereche

ordonată de puncte (A,B) ∈ E 3 × E3
A
fig. 1
Punctul A se numeşte originea, iar B vârful sau extremitatea vectorului legat

(A,B).
Dacă A ≠ B , atunci dreapta determinată de punctele A şi B se numeşte
direcŃia vectorului legat (A,B). Dacă A = B , atunci obŃinem vectorul legat (A,A),
numit vector legat nul. DirecŃia orică rui vector legat nul este nedeterminată.
Se numeşte lungime sau normă sau modul a unui vector legat (A,B) numărul
real pozitiv care reprezintă distanŃa dintre punctele A şi B (relativă la o unitate de
mă sură fixată).
Evident, un vector legat este nul dacă şi numai dacă lungimea lui este zero.
DefiniŃii1.2: Fie (A,B) şi (C,D) doi vectori lega Ńi nenuli.
1
1. Spunem că (A,B) şi (C,D) au aceeaşi direcŃie dacă dreptele lor suport sunt
paralele. În cazul particular în care dreptele suport coincid, vom spune că vectorii
legaŃi sunt coliniari.
2. Dacă A,B,C,D sunt puncte necoliniare, vectorii lega Ńi (A,B) şi (C,D) au
aceea şi direcŃie, iar punctele B şi D se află de aceea şi parte a dreptei AC, vom spune
că (A,B) şi (C,D) au acelaşi sens (fig. 2). Dacă A,B,C,D sunt puncte coliniare şi există
două puncte E, F, nesituate pe dreapta determinată de cele patru puncte iniŃiale,
astfel încât vectorul legat (E,F) are acela şi sens şi cu (A,B) şi cu (C,D), vom spune că
(A,B) şi (C,D) au acelaşi sens. Doi vectori care au aceea şi direcŃie dar nu au acela şi
sens, se spune că au sensuri opuse.
B
D
A C
fig. 2
DefiniŃia 1.3: Doi vectori lega Ńi (A,B) şi (C,D) se numesc echipolenŃi şi vom
nota (A,B)~(C,D), dacă au acelaşi sens şi aceea şi lungime sau, echivalent, dacă
segmentele [AD] şi [BC] au acelaşi mijloc.
B D
A C
fig. 3
ObservaŃie: Se poate verifica fără dificultate că rela Ńia de echipolenŃă pe

mulŃimea vectorilor lega Ńi are proprietăŃile:
1. este reflexivă: (A,B)~(A,B);
2. este simetrică : dacă (A,B)~(C,D), atunci şi (C,D)~(A,B);
3. este tranzitivă: dacă (A,B)~(C,D) şi (C,D)~(E,F), atunci (A,B)~(E,F).
Astfel, putem afirma că echipolenŃa vectorilor legaŃi este o relaŃie de echivalen Ńă.
RelaŃia de echipolenŃă poate fi extinsă şi la vectorii legaŃi nuli: orice doi

vectori legaŃi nuli sunt echipolenŃi între ei.
2
Fiind dat vectorul legat (A,B), există o infinitate de vectori legaŃi echipolenŃi
cu (A,B) (practic, cu originea în orice punct al spaŃiului E 3 putem construi un vector
echipolent cu (A,B) şi numai unul).
DefiniŃia 1.4: Clasele de echivalenŃă ale vectorilor lega Ńi, relativ la rela Ńia de
echipolen Ńă , se numesc vectori liberi. Cu alte cuvinte, un vector liber reprezintă
mulŃimea tuturor vectorilor legaŃi echipolenŃi cu un vector legat dat. Dacă (A,B) este
un vector legat, atunci vom nota cu AB vectorul liber corespunză tor, adică
AB = {(C , D) ∈ E3 × E3 / (C , D) ~ ( A, B)}
Vom nota cu V3 mulŃimea tuturor vectorilor liberi din spaŃiul E 3 .

Un vector legat (A,B) determină un vector liber (o clasă de echivalenŃă) AB şi
vom spune că este un reprezentant al vectorului liber determinat. Vom nota
( A,B) ∈ AB .
Uneori, vectorii liberi se notează şi cu litere mici cu săgeată deasupra:
r r r r
a , b , u , v , ...
DefiniŃia 1.5: Prin direcŃie, sens şi lungime a unui vector liber vom înŃelege
direcŃia, sensul şi respectiv lungimea unui reprezentant al vectorului liber. Dacă AB
este un vector liber, vom nota cu AB lungimea vectorului liber.
ObservaŃie: Un vector legat este caracterizat prin: origine, direcŃie, sens şi

lungime. În cazul unui vector liber, caracteristice sunt numai direcŃia, sensul şi
r
lungimea. Aşadar putem considera un vector liber dat v ca având originea în orice
punct din spaŃiu.
DefiniŃia 1.6: Vectorul liber de lungime zero se numeşte vector nul şi se

r
notează 0 .
Ca reprezentant al vectorului nul putem lua vectorul legat (A,A), cu A ∈ E3

arbitrar. DirecŃia şi sensul vectorului liber nul sunt nedeterminate.
DefiniŃia 1.7: Un vector liber de lungime unu se numeşte versor.

r r r r
DefiniŃia 1.8: Doi vectori liberi a şi b se numesc egali şi scriem a = b în
cazul în care reprezentanŃii lor sunt echipolenŃi.
r r
DefiniŃia 1.9: Doi vectori liberi nenuli a şi b care au aceeaşi direcŃie se
numesc vectori coliniari. Trei vectori liberi nenuli care admit reprezentanŃi situaŃi
într-un acelaşi plan se numesc coplanari.
DefiniŃia 1.10: Doi vectori coliniari care au aceeaşi lungime, dar sensuri
r r
opuse se numesc vectori opuşi; opusul vectorului liber a va fi notat cu − a .
3
2. OperaŃii cu vectori liberi
r r
DefiniŃia 2.1: Fie a şi b doi vectori liberi, O punct fixat în spa Ńiul E 3 şi
r r
consideră m vectorii OA şi OB astfel încât OA = a şi OB = b . Atunci suma
r r r r r
vectorilor a şi b , notată a + b este vectorul c = OC , unde OC este diagonala
paralelogramului OACB.
ObservaŃii: 1. DefiniŃia precedentă este cunoscută sub numele de regula

paralelogramului. Această regulă de adunare a vectorilor are la bază fapte
experimentale şi a fost ob Ńinută mai întâi la compunerea (adunarea) forŃelor în
mecanică.
r
2. Vectorul sumă c este independent de alegearea punctului O în spa Ńiu,
r r
adică de alegerea reprezentanŃilor OA şi OB ai vectorilor a şi respectiv b .
B C
O A
fig. 4
r
Se poate vedea că, dacă se consideră punctele A şi B în E 3 astfel încât OA = a
r r r
şi AB = b , atunci vectorul OB va reprezenta suma a + b . Această metodă de
adunare a doi vectori liberi este cunoscută sub numele de regula triunghiului.
O A
fig. 5
ObservaŃie: Regula triunghiului se generalizează la regula liniei poligonale,

r r r
prin intermediul căreia pot fi adunaŃi un număr de n vectori liberi a1 , a 2 , ... , a n , astfel:
4
pornind din punctul O se construieşte linia poligonală OA1 A2 ... An , cu
r r r r r r r
OA1 = a1 , A1 A2 = a 2 , ... , An−1 An = a n ; atunci suma a1 + a 2 + ... + a n este s = OAn .
r A2
a2
r
a1 A1 r r
s an
O An
fig. 6
PropoziŃia 2.2: OperaŃia de adunare a vectorilor liberi are următoarele

proprietăŃi:
r r r r r r
1. este comutativă : a + b = b + a , pentru orice a , b ∈ V3 ;
r r r r r r r r r
2. este asociativă: ( a + b ) + c = a + (b + c ) , pentru orice a , b , c ∈ V3 ;
r r r r r r
3. are element neutru, vectorul nul: a + 0 = 0 + a = a , pentru orice a ∈ V3 ;
r
4. orice element este simetrizabil: pentru orice vector liber a există un vector
r r r r r r r r
notat − a astfel încât a + ( −a ) = ( −a ) + a = 0 ( − a este chiar opusul vectorului a ,
definit în paragraful anterior).
DemonstraŃie: 1. Proprietatea de comutativitate a adunării vectorilor liberi

este imediată dacăr se Ńine cont de regula paralelogramului.
r r
2. Fie a , b , c ∈ V3 arbitari. Proprietatea de asociativitate este evidentă dacă se
foloseşte regula triunghiului:
r
b r
b
r
c r
r r r c
a a +b r r r
a b +c
r r r
(a + b ) + c r r r
a + (b + c )
fig. 7
3. şi 4. Clar. ▄
ObservaŃii: 1. Din PropoziŃia precedentă rezultă că (V3 , +) este un grup
abelian.
5
2. Cu ajutorul vectorului opus se poate efectua scăderea a doi vectori astfel:
r r r r r r
a − b = a + ( −b ) . Din punct de vedere grafic, diferen Ńa a − b este cea de-a doua
r r
diagonală a paralelogramului construit pe vectorii a şi b , cu sensul că tre vectorul
din care se scade.
r r
r a −b r r
b a+b
r
a
fig. 8
r
DefiniŃia 2.3: Fie a un vector liber şi λ ∈ R . Se numeşte înmulŃire a
r r
vectorului a cu scalarul (numă rul real) λ şi se notează λ a vectorul definit astfel:
r r r r
- dacă a ≠ 0 şi λ ≠ 0 , atunci λ a are lungimea λ a , aceeaşi direcŃie cu a ,
r r
iar sensul coincide cu al lui a sau este opus sensului lui a , după cum λ > 0 sau
λ < 0.
r r r
- dacă a = 0 sau λ = 0 , atunci λa = 0 .
PropoziŃia 2.4: ÎnmulŃirea vectorilor liberi cu scalari are proprietăŃile:

r r r r
1. (λ + µ )a = λa + µa , ∀λ , µ ∈ R, ∀ a ∈ V3 ;
r r r r r r
2. λ ( a + b ) = λa + λb , ∀λ ∈ R, ∀ a , b ∈ V3 ;
r r r
3. (λµ )a = λ (µa ) , ∀λ , µ ∈ R, ∀ a ∈ V3 ;
r r r
4. 1a = a , a ∈ V3 .
DemonstraŃie: Să observăm mai întâi că atât scalarii cât şi vectorii care apar
în relaŃiile din propoziŃie pot fi presupuşi nenuli (în caz contrar, relaŃiile sunt evidente,
din definiŃia înmulŃirii unui vector liber cu un scalar).
1. Vom considera următoarele cazuri: r r r
i) λ , µ > 0 . Rezultă că λ + µ > 0 . Vectorii (λ + µ )a şi λa + µa vor avea
r
aceeaşi direcŃie şi acelaşi sens cu a . Cu privire la lungimile lor, obŃinem:
r r r r r r r r r
(λ + µ ) a = λ + µ a = ( λ + µ ) a = λ a + µ a = λa + µa = λa + µa .
r r r
Astfel putem conchide că în acest caz (λ + µ )a = λa + µa .
ii) λ , µ < 0 se tratează similar cazului anterior.
iii) λ > 0 şi µ < 0 . Fără a restrânge generalitatea, putem presupune
λ + µ > 0 . Atunci:
r r r r r r r r
λa + µa = (λ + µ − µ )a + µa = (λ + µ )a + (−µa ) + µa = (λ + µ )a
(la penultima egalitate s-a folosit punctul i), scalarii λ + µ şi − µ fiind ambii
pozitivi).
iv) λ < 0 şi µ > 0 se tratează similar cazului anterior.
6
r r r r
2. Considerăm vectorii OA = a şi AB = b . Atunci OB = a + b . Presupunem
r
λ > 0 (cazul λ < 0 fiind similar). Fie punctele A' , B '∈ E 3 astfel încât OA' = λa şi
r r
OB ' = λ ( a + b ) .
B B'
O A A'
fig. 9
Atunci avem asemănarea ∆OAB ~ ∆OA' B' , deci segmentele [ AB ] şi [ A' B '] vor fi
paralele, iar între lungimile lor există relaŃia: [ A' B'] = λ [ AB] . Astfel, obŃinem că
r
A' B' = λ AB = λb . Aplicând regula triunghiului găsim că OB' = OA' + A' B ' , adică
r r r r
λ ( a + b ) = λa + λ b .
3. şi 4. Clar, din definiŃia înmulŃirii unui vector liber cu un scalar, dacă se Ńine
cont de orientările şi lungimile vectorilor care apar în ambii membri ai egalităŃilor de
demonstrat. ▄
r r r r r
PropoziŃia 2.5: Fie a , b ∈ V3 \ {0} doi vectori liberi. Atunci a şi b sunt
r r
coliniari dacă şi numai dacă există un unic scalar λ astfel încât b = λa .
r r
DemonstraŃie: Presupunem că vectorii a şi b sunt coliniari. Considerăm
r r
r a r b r r r r
versorii lor u = r şi v = r . Deoarece a şi b sunt coliniari, atunci u şi v vor fi
a b
r r r r
coliniari. łinând cont şi că u = v = 1 , rezultă că u şi v vor fi sau egali sau opuşi,
r r
r b r r b r r r
deci b = r a sau b = − r a . Astfel b = λa , cu λ ∈ R . Unicitatea lui λ este clară,
a a
r r
b r r b r r
deoarece λ = r , dacă a şi b au acelaşi sens, respectiv λ = − r , dacă a şi b au
a a
sensuri opuse. ▄
r r r
Teorema 2.6: Fie a şi b doi vectori liberi necoliniari. Dacă c este un
r r
vector liber coplanar cu vectorii a şi b , atunci există şi sunt unici scalarii α şi β
r r r
astfel încât c = α a + β b .
7
r r r r
DemonstraŃie: Dacă a sau b ar fi vector nul, atunci a şi b ar fi coliniari,
r r r
ceea ce contrazice ipoteza. Deci a , b ∈ V3 \ {0} .
r r
Dacă c = 0 , atunci putem considera α = β = 0 şi concluzia teoremei este
clară.
r r r
Aşadar, în cele ce urmează, vom lucra cu a , b , c vectori liberi nenuli. Fie O
r r r
punct arbitrar în spaŃiul E3 şi vectorii OA = a , OB = b , OC = c . Coplanaritatea
r r r
vectorilor a , b , c este echivalentă cu coplanaritatea punctelor O, A, B şi C.
Prin punctul C vom duce paralele la vectorii OA şi OB si notăm cu B' , A'
intersecŃiile acestor paralele cu direcŃiile vectorilor OB şi respectiv OA . Ob Ńinem
astfel paralelogramul OA' CB ' :
B'
C
O A' A
fig. 10
Evident OC = OA' + OB' . Vom demonstra că OA' şi OB' sunt unicii vectori având
aceeaşi direcŃie cu vectorii OA şi respectiv OB , cu proprietatea că OC = OA' + OB' .
Presupunem prin absurd că există A" ≠ A' punct pe dreapta OA şi B" ≠ B' punct pe
dreapta OB astfel încât OC = OA' + OB' = OA" + OB" . Rezultă că
r
OA' − OA" = OB" − OB' . Evident OA' − OA" este un vector nenul coliniar cu a , iar
r
OB" − OB' este un vector nenul coliniar cu b . Astfel, din PropoziŃia 2.5, egalitatea
r r
OA' − OA" = OB" − OB' conduce la coliniaritatea vectorilor a şi b - contradicŃie.
Deci scrierea OC = OA' + OB' este unică.
Pe de altă parte, deoarece vectorii OA şi OA' sunt coliniari, din PropoziŃia 2.5
r
rezultă că există şi este unic un scalar α astfel încât OA' = α a . Similar, folosind
coliniaritatea vectorilor OB şi OB' , obŃinem că există şi este unic un scalar β astfel
r r r r
încât OB' = β b . Deci c = α a + β b , cu α , β scalari unic determinaŃi. ▄
r r r r
Teorema 2.7: Fie a , b şi c trei vectori liberi necoplanari. Dacă v este un
vector liber, atunci există şi sunt unici scalarii α , β , γ astfel încât
r r r r
v =α a +β b +γ c .
r r r
DemonstraŃie: Vectorii a , b şi c sunt nenuli (altfel s-ar contrazice condiŃia de
necoplanaritate din ipoteză).
8
r r
Dacă v = 0 , atunci putem lua α = β = γ = 0 şi concluzia teoremei este clară.
r r r r
De asemenea, dacă v este coplanar cu doi dintre vectorii a , b , c , atunci ne
reducem la cazul teoremei precedente.
r r r r
Astfel, în cele ce urmează, vom considera că vectorii a , b , c şi v sunt nenuli şi
oricare trei sunt necoplanari. Fie O un punct arbitrar în spaŃiul E3 şi vectorii
r r r r
OA = a , OB = b , OC = c şi OM = v . Prin punctul M construim paralela la vectorul
OC şi notăm cu N punctul de intersecŃie al acestei paralele cu planul determinat de
vectorii OA şi OB . Pe dreptele suport ale vectorilor OA , OB şi OC se consideră
punctele A' , B' şi respectiv C ' astfel încât patrulaterele OA' NB ' şi ONMC ' sunt
paralelograme (vezi fig. 11) :
C'
M
r
v
B'
O
A' B
N
A
fig. 11
Este clar că OM = ON + OC ' = OA' + OB' + OC ' (1)

Se demonstrează fără dificultate, prin reducere la absurd, că OA' , OB' şi OC ' sunt
unicii vectori având aceeaşi direcŃie cu vectorii OA , OB şi respectiv OC , cu
proprietatea că OM = OA' + OB' + OC '
Folosind PropoziŃia 2.5 obŃinem că există şi sunt unici scalarii α , β , γ astfel
r r r
încât OA' = α a , OB' = β b şi OC ' = γ c (2)
r r r r
Înlocuind relaŃiile (2) în (1), găsim că v = α a + β b + γ c . ▄
În finalul acestui paragraf, prezentăm o propoziŃie deosebit de utilă în anumite

probleme de geometrie vectorială, aşa cum vom vedea.
PropoziŃia 2.8: Fie A, M, B trei puncte coliniare, cu M situat între A şi B.

Dacă O este un punct arbitrar în spaŃiu şi MA = k MB , atunci
9
OA + k OB
OM = (*)
1+ k
A B
M
O
fig. 12
DemonstraŃie: Evident k este un scalar pozitiv (fiind raportul a două lungimi

de vectori). Deoarece MA şi MB sunt vectori coliniari de sensuri opuse şi
MA = k MB , rezultă că
MA = − k MB (3)
Dar, din triunghiurile OAM şi OBM găsim că
MA = OA − OM (4)
şi respectiv
MB = OB − OM (5)
Înlocuind relaŃiile (4) şi (5) în (3), obŃinem că:
OA − OM = − k (OB − OM ) ,
OA + k OB
de unde rezultă că OM = .▄
1+ k
Caz particular important: Dacă M este mijlocul segmentului [AB], atunci k = 1 , deci
relaŃia (*) devine:
OA + OB
OM = (**)
2
ExerciŃiul 1: Să se arate, cu ajutorul calculului vectorial, că medianele într-un

triunghi sunt concurente.
SoluŃie:Fie A' , B' , C ' mijloacele laturilor BC, CA şi respectiv AB. Notăm
r r
AB = c , BC = a şi {G} = AA' I BB' (vezi fig. 13). Din regula triunghiului rezultă
r r
r r AB + AC a + 2c
AC = a + c . Aplicând relaŃia (**), vom găsi: AA' = = şi
2 2
r r
BA + BC a − c
BB' = = . Vectorii AG şi AA' fiind coliniari, există un scalar α astfel
2 2
10
încât AG = α AA' . Similar, putem găsi scalarul β astfel încât BG = β BB' . Dar
AB + BG = AG .
B'
B A' C
fig. 13
r v
Înlocuind în funcŃie de vectorii a şi c , egalitatea precedentă conduce la
r r r r
r a−c a + 2c
relaŃia: c + β =α . Prin gruparea convenabilă a termenilor se obŃine că:
2 2
α β r  β r
 −  a = 1 − α − c .
2 2  2
r v
Pentru a exista triunghiul ABC este clar că vectorii a şi c trebuie să fie necoliniari.
α β β
Astfel, din egalitatea precedentă rezultă că − = 1 − α − = 0 , de unde se obŃine
2 2 2
2
că α = β = .
3
Deci punctul G este situat pe medianele AA' şi BB' la două treimi de vârf şi o
treime de bază. Dacă vom considera acum {G '} = AA' I CC ' , printr-un raŃionament
similar celui anterior vom obŃine că G' este situat pe medianele AA' şi CC ' la două
treimi de vârf şi o treime de bază şi astfel G = G ' ceea ce înseamnă concurenŃa
medianelor triunghiului ABC. 
ObservaŃie: Pe parcursul rezolvării ExerciŃiului 1 s-a demonstrat că centrul

de greutate al unui triunghi se află situat la două treimi de vârf şi o treime de bază pe
fiecare dintre mediane.
ExerciŃiul 2: Fie ABC un triunghi oarecare şi G centrul său de greutate. Dacă

O este un punct arbitrar în spaŃiu, să se arate că
OA + OB + OC = 3OG .
11
O
A
C
B A'
fig. 14
SoluŃie: Fie A' mijlocul laturii BC. După cum am văzut, centrul de greutate
într-un triunghi se află situat la o treime de bază şi două treimi de vârf, pe fiecare
dintre mediane. Astfel, GA = 2 GA' . Aplicând relaŃia (*) punctelor coliniare A, G,
OA + 2OA' 1
A' , va rezulta că OG =
1+ 2
(
= OA + 2OA' .
3
)
OB + OC
A' fiind mijlocul segmentului [BC], din (**) obŃinem că OA' = . Din
2
ultimele două relaŃii se obŃine egalitatea cerută. 
Lăsăm cititorului ca temă următorul:
ExerciŃiul 3: Fie ABCD un tetraedru oarecare şi G centrul său de greutate.

Dacă O este un punct arbitrar în spaŃiu, să se arate că
OA + OB + OC + OD = 4OG .
(Centrul de greutate al unui tetraedru se afla la intersecŃia medianelor tetraedrului –
segmentele care unesc vârfurile tetraedrului cu centrele de greutate ale feŃelor opuse.
Centrul de greutate se află poziŃionat la un sfert de faŃă şi trei sferturi de vârf, pe
fiecare dintre medianele tetraedrului.)
3. Expresia analitică a unui vector liber
Există mai multe posibilităŃi de a descrie şi studia obiectele geometrice în

spaŃiul tridimensional. Cea mai veche metodă, utilizată pentru prima dată de
12
matematicienii Greciei antice şi formalizată de Euclid, constă în studiul axiomatic al
acestor obiecte: se definesc punctele, liniile, planele şi alte obiecte geometrice prin
intermediul axiomelor pe care le satisfac. O altă metodă, datorată lui Descartes,
propune pentru rezolvarea problemelor de geometrie o abordare algebrică, după cum
urmează: se fixează mai întâi un punct O ca origine şi apoi se trasează trei axe
perpendiculare două câte două în punctul O (prin axă înŃelegem o dreaptă pe care s-au
fixat o origine, un sens şi o unitate de măsură). Vom conveni ca cele trei axe să fie
dispuse ca în fig. 15.
Axa Ox se numeşte axa absciselor, Oy axa ordonatelor, iar Oz axa cotelor. Pe
r r r
cele trei axe de coordonate se vor considera versorii i , j , k având aceeaşi orientare cu
Ox, Oy, respectiv Oz şi originea în punctul O. Vom nota acest sistem ortogonal de
coordonate prin Oxyz.
r r r
Cum versorii i , j , k sunt necoplanari, conform Teoremei 2.7, orice vector
r
liber v ∈ V3 se scrie în mod unic sub forma:
r r r r
v = vx i + v y j + vz k . (1)
M
r
k r
j
r y
i
O
fig. 15
r
Scalarii v x , v y , v z se numesc componentele vectorului v , iar relaŃia (1) este cunoscută
r
sub numele de expresia analitică a vectorului v .
Considerăm M un punct oarecare din spaŃiu. În raport cu sistemul de
coordonate considerat, punctul M are coordonate ( x M , y M , z M ) . Vom desemna acest
lucru prin notaŃia M ( x M , y M , z M ) . Din procedeul descompunerii unui vector după trei
direcŃii necoplanare, indicat în demonstraŃia Teoremei 2.7, precum şi din
reprezentarea punctelor în sistemul de ortogonal de coordonate Oxyz, se obŃine că:
r r r
OM = x M i + y M j + z M k . (2)
PropoziŃia 3.1: Fie M ( x M , y M , z M ) şi N ( x N , y N , z N ) două puncte în spaŃiu.

Atunci vectorul MN are expresia analitică:
r r r
MN = ( x N − x M )i + ( y N − y M ) j + ( z N − z M )k .
13
z
r
k
N
y
r r
i O j
fig. 16
r r r
DemonstraŃie: Conform relaŃiei (2), avem: OM = x M i + y M j + z M k şi
r r r
ON = x N i + y N j + z N k . Deoarece MN = ON − OM , folosind egalităŃ ile precedente
obŃinem relaŃia dorită. ▄
4. Produsul scalar
r r r r r
DefiniŃia 4.1: Fie a , b ∈ V3 \ {0} . Numim unghi determinat de vectorii a , b şi
r r
notăm cu (a , b ) unghiul, din intervalul [0, π ] , format de direcŃiile celor doi
vectori, astfel încât vârfurile celor doi vectori să se afle pe cele două laturi ale
unghiului (vezi fig. 17).
r
a
r
a
r r
b b
fig. 17
r r r r
DefiniŃia 4.2: Fie a , b ∈ V3 \ {0} . Se numeşte produs scalar al vectorilor a şi
r r r r r r r r r
b şi se notează cu a ⋅ b numărul real dat de formula a ⋅ b = a b cos (a , b ) .
r r r r r r
Dacă a = 0 sau b = 0 , atunci prin definiŃie a ⋅ b = 0 .
14
ObsevaŃie: Din definiŃia precedentă se obŃine imediat o primă formulă de
calcul a unghiului dintre doi vectori nenuli:
r r
r r a ⋅b
cos (a , b ) = r r
a b
r r
Astfel, ca o consecinŃă, obŃinem că doi vectori nenuli a şi b sunt ortogonali dacă şi
r r
numai dacă a ⋅ b = 0 .
r r
Interpretarea mecanică a produsului scalar: Dacă a şi b sunt doi vectori, O
r r
este un punct material asupra că ruia se exercită o forŃă F = a şi care efectuează o
r r r
deplasare definită de vectorul b , atunci produsul scalar a ⋅ b este chiar lucrul
r r
mecanic L al forŃei F pentru deplasarea b .
r r
F =a
r
b
O
fig. 18
r r r r r
DefiniŃia 4.3: Dacă a , b ∈ V3 \ {0} , iar θ = (a , b ) , atunci numărul real
r r r
a cosθ se numeşte mărimea proiecŃiei ortogonale a vectorului a pe vectorul b şi
r r r r r r
se notează prbr a . Dacă a = 0 , atunci prin definiŃie prbr a = 0 . Dacă b = 0 , atunci nu
r
există prbr a .
ObservaŃie: Din definiŃiile produsului scalar şi respectiv a mărimii proiecŃiei

ortogonale a unui vector pe un alt vector, obŃinem că
r r r r r r
a ⋅ b = b prbr a = a prar b .
PropoziŃia 4.4: Mă rimea proiecŃiei ortogonale are proprietăŃile:

r r r r r r r r
1. prcr (a + b ) = prcr a + prcr b , pentru orice a , b , c ∈ V3 \ {0} ;
r r r r r
2. prbr (λa ) = λ prbr a , pentru orice a , b ∈ V3 \ {0} şi λ ∈ R .
DemonstraŃie: 1. Fie O punct arbitrar în spaŃiul E3 şi punctele A,B,C astfel

r r r r r
încât OA = a , OB = b , OC = c . Atunci OA' = prcr a , OB' = prcr b şi
r r
OD' = prcr (a + b ) (vezi fig. 19). Deoarece OD' = OB' + B' D ' = OB' + OA' ,
r r r r
rezultă că prcr ( a + b ) = prcr a + prcr b .
15
D
A
r r
a +b
r
a
r
b B
r
O A' c B' D' C
fig. 19
2. Presupunem mai întâi că λ >0. Considerăm punctele A, A1 , B astfel încât

r r r
OA = a , OA1 = λa şi OB = b . Dacă A' şi A1' sunt proiecŃiile ortogonale ale
punctelor A şi respectiv A' pe dreapta OB (vezi fig. 20), din asemănarea
OA'1 OA1
triunghiurilor OAA' şi OA1 A1' rezultă că = = λ , de unde obŃinem
OA' OA
r r
OA'1 = λ OA' , ceea ce înseamnă că prbr (λa ) = λ prbr a .
Dacă λ = 0, atunci din DefiniŃia 4.3 egalitatea de demonstrat devine 0=0.
Dacă λ <0, se procedează similar cazului λ >0.
A1
r
λa
r A
a
O A1'
A'
▄
fig. 20
PropoziŃia 4.5: Produsul scalar al vectorilor liberi are proprietăŃile:

r r r r r r
1. a ⋅ b = b ⋅ a , pentru orice a , b ∈ V3 ;
r r r r r r r r
2. ( λa ) ⋅ b = λ ( a ⋅ b ) = a ⋅ (λb ) , pentru orice a , b ∈ V3 şi λ ∈ R ;
r r r r r r r r r r
3. a ⋅ (b + c ) = a ⋅ b + a ⋅ c , pentru orice a , b , c ∈ V3 .
DemonstraŃie: 1. Este evident din definiŃia produsului scalar, având în vedere

r r r r
că unghiul dintre vectorii a şi b coincide cu unghiul dintre b şi a .
2. Este suficient să demonstr ăm prima egalitate.
r r r r
Dacă λ = 0 , atunci (λa ) ⋅ b = λ (a ⋅ b ) = 0 .
r r r r r r
Dacă λ >0, atunci vectorii λa şi a au acelaşi sens, deci ( λa , b ) = ( a , b ) .
În acest caz, obŃinem:
16
r r r r r r r r r r r r
(λa ) ⋅ b = λa b cos (λa , b ) = λ a b cos (a , b ) = λ (a ⋅ b ) .
r r
Dacă λ <0, atunci vectorii λa şi a au sensuri opuse. Astfel
r r r r r r r r
( λa , b ) = π − (a , b ) deci cos (λa , b ) = − cos (a , b ) . În acest caz, obŃinem:
(λa ) ⋅ b = λa b cos (λa , b ) = −λ a b (− cos (a , b )) = λ (a ⋅ b ) .
3. łinând cont, pe de-o parte de relaŃia dintre produsul scalar şi mărimea
proiecŃiei ortogonale, iar pe de altă parte de PropoziŃia 4.4, succesiv obŃinem:
r r r r r r r r rr r rr r r r r
a ⋅ (b + c ) = a pra (b + c ) = a pra b + a pra c = a ⋅ b + a ⋅ c ▄
Teorema 4.6 (Expresia analitică a produsului scalar): Fie

r r r r r r r r
a = a x i + a y j + a z k şi b = b x i + b y j + b z k doi vectori liberi, da Ńi sub formă
analitică. Atunci produsul lor scalar se calculează cu formula:
r r
a ⋅ b = a x bx + a y b y + a z bz .
Demonstra Ńie: Determinăm mai întâi valorile produsului scalar pe mulŃimea

r r r
versorilor {i , j , k } . De exemplu, din definiŃia produsului scalar ob Ńinem:
r r r r r r r r
i ⋅ i = i i cos 0 0 = 1 şi i ⋅ j = i j cos 90 0 = 0 ,
rezultatele produsului scalar pe mulŃimea versorilor axelor de coordonate putând fi
date sub forma tabelului:
łinând cont de proprietăŃile produsului scalar şi de tabelul precedent, ob Ńinem

succesiv:
r r r r r r r r r r r r r r
a ⋅ b = (a x i + a y j + a z k ) ⋅ (b x i + b y j + b z k ) = a x b x i ⋅ i + a x b y i ⋅ j + a x bz i ⋅ k +
a y bx j ⋅ i + a y b y j ⋅ j + a y bz j ⋅ k + a z bx k ⋅ i + a z b y k ⋅ j + a z bz k ⋅ k =
a x bx + a y b y + a z b z ▄
r r r r
Corolarul 4.7: Dacă a = a x i + a y j + a z k este un vector liber, atunci
r
a = ax 2 + a y 2 + az 2
r r r
DemonstraŃie: Dacă a = 0 , atunci evident a = 0 = a x 2 + a y 2 + a z 2 .
r r r r r2
Dacă a ≠ 0 , atunci din DefiniŃia 4.2 ob Ńinem a ⋅ a = a , iar din Teorema 4.6
r r r
avem a ⋅ a = a x 2 + a y 2 + a z 2 , de unde găsim a = a x 2 + a y 2 + a z 2 . ▄
17
ExerciŃiul 1: Să se determine scalarul λ astfel încât vectorii
r r r r r r r r
a = i + (λ + 3) j + λk şi b = 7λ i − 3 j − k să fie perpendiculari.
r r
SoluŃie: Aşa cum s-a văzut anterior, perpendicularitatea vectorilor a şi b este
r r
echivalentă cu egalitatea a ⋅ b = 0 . Utilizând expresia analitică a produsului scalar,
ob Ńinem că 7 λ − 3(λ + 3) − λ = 0 , de unde λ = 3 . 
r r r r
ExerciŃiul 2: Dacă a , b ∈ V3 astfel încât a = 3 , b =2, iar unghiul dintre cei
π
doi vectori este , să se determine unghiul dintre diagonalele paralelogramului
3
construit pe cei doi vectori.
r
b
r
a
fig. 21
SoluŃie: Deoarece la acest moment avem o formulă de calcul numai pentru

unghiul dintre rdoi vectori, ester natural să d ăm semnificaŃie de vectori celor două
r r
diagonale: a + b , respectiv a − b (vezi fig. 21). Pentru determinarea unghiului format
de aceşti doi vectori, folosim:
r r r r
r r r r (a + b ) ⋅ (a − b )
cos (a + b , a − b ) = r r r r
a +b a −b
r r r r r2 r2
Dar (a + b ) ⋅ (a − b ) = a − b = 5 . De asemenea,
r r2 r r r r r2 r r r2 1
a + b = (a + b ) ⋅ (a + b ) = a + 2a ⋅ b + b = 9 + 2 ⋅ 3 ⋅ 2 ⋅ + 4 = 19 , de unde
2
r r r r
a + b = 19 . Similar găsim a − b = 7 . În final obŃinem:
r r r r 5
cos (a + b , a − b ) = . 
133
r r r r r
ExerciŃiul 3: Se consideră vectorii OA = i + 2 j − 2k şi OB = 3i + 4k . Să se
determine versorul bisectoarei unghiului (OA, OB) .
SoluŃie: Determinăm mai întâi versorii corespunzători celor doi vectori daŃi:
r 1 r r r
OA = 1 + 4 + 4 = 3 şi OB = 9 + 16 = 5 , deci a = (i + 2 j − 2k ) şi
3
18
r 1 r r
b = (3i + 4 k ) sunt versorii vectorilor OA , resp. OB . Paralelogramul determinat de
5 r
r
versorii a şi b este de fapt un romb, deci bisectoarea unghiului determinat de cei doi
vectori coincide cu diagonala care trece prin punctul O. Dacă notăm
r r r 14 r 2 r 2 r
d = a + b = i + j + k , atunci versorul bisectoarei unghiului căutat va fi :
15 3 15
r
r d 1 r r r
v= r =
10 3
(
14i + 10 j + 2k .  )
d
ExerciŃiul 4: DemonstraŃi că într-un triunghi înălŃimile sunt concurente.
B'
C'
B C
fig. 22
SoluŃie: Fie BB' şi CC ' înălŃimile corespunzătoare laturilor AC şi respectiv

AB. Notăm {H } = BB' I CC ' . Vom demonstra că AH ⊥ BC .
r r r
Introducem vectorii a = HA , b = HB şi c = HC . Rezultă că AB = b − a ,
r v v v
BC = c − b şi CA = a − c . Deoarece BH ⊥ AC şi CH ⊥ AB , obŃinem că
v v r r v r rr rr
b (a − c ) = 0 şi c (b − a ) = 0 . Prin adunarea ultimelor două relaŃii găsim b a − c a = 0 ,
v v r
adică (b − c )a = 0 , ceea ce implică AH ⊥ BC . 
5. Produsul vectorial
r r r
DefiniŃia 5.1 : Fie a , b ∈ V3 \ {0} doi vectori necoliniari. Se numeşte produs
r r r r
vectorial al vectorilor a şi b şi se notează cu a × b vectorul având:
r r
- direcŃie perpendiculară pe vectorii a şi b ;
- sens dat de regula burghiului, adicr ă sensul de avansare al burghiului când
r
se deplasează vectorul a peste vectorul b ;
19
r r r r r r
- mărime dată de formula a × b = a b sin (a , b ) .
(vezi fig. 23)
r r r r r
Dacă a sau b = 0 , sau vectorii a şi b sunt coliniari, atunci prin definiŃie
r r
a ×b = 0.
ObservaŃie: Formula de calcul a mărimii produsului vectorial furnizează o

altă modalitate de determinare a unghiului dintre doi vectori nenuli:
r r
r r a ×b
sin (a , b ) = r r
a b
În consecinŃă, doi vectori liberi nenuli sunt coliniari dacă şi numai dacă produsul lor
vectorial este zero.
r
a
r
b
r r
a×b
fig. 23
Interpretarea geometrică a produsului vectorial: Mă rimea produsului

vectorial a doi vectori nenuli si necoliniari este egală cu aria paralelogramului
construit pe cei doi vectori (pentru demonstrarea acestui rezultat indicăm utilizarea
AB ⋅ AC ⋅ sin Aˆ
formulei ariei unui triunghi ABC ca )
2
PropoziŃia
r r r rProdusul vectorial
5.2:
r r
are proprietăŃile:
1. a × b = −b × a , pentru orice a , b ∈ V3 ;
r r r r r r r r
2. (λ a ) × b = λ (a × b ) = a × (λ b ) , pentru orice a , b ∈ V3 şi λ ∈ R ;
r r r r r r r r r r
3. a × (b + c ) = a × b + a × c , pentru orice a , b , c ∈ V3 .
DemonstraŃie: 1. Schimbând ordinea factorilor în produsul vectorial, direcŃia

şi mărimea acestuia nu se modifică. Se va schimba doar sensul. Astfel, avem că
r r r r
a × b = −b × a , deci produsul vectorial este anticomutativ.
2. Vom demonstra prima egalitate, pentru cea de-a doua procedându-se
analog.
Dacă λ = 0 , atunci fiecare termen al egalităŃii ce trebuie probată devine
vectorul nul.
20
r r
Dacă λ >0, putem considera că vectorii a , b sunt nenuli (în caz contrar, dubla
r r r r r r
egalitate din enunŃ este evidentă). Atunci (λa , b ) = (a , b ) şi vectorii (λ a ) × b ,
r r r r
a × b şi λ (a × b ) vor avea acelaşi sens. Pe de altă parte,
(λa ) × b = λa b sin (λa, b ) = λ a b sin ( a , b ) = λ (a × b ) ,
r r r r
deci putem conchide că (λa ) × b = λ (a × b ) .
r r r r r r r r
Dacă λ <0, atunci ( λa , b ) = π − (a , b ) şi în plus (λa ) × b , λ (a × b ) sunt
coliniari. Mai mult,
(λa ) × b = λa b sin (λa , b ) = −λ a b sin (a , b ) = λ (a × b ) = λ (a × b ) .
r r r r
Deci şi în acest caz (λa ) × b = λ (a × b ) .
r r r
3. Observăm că, dacă cel puŃin unul dintre vectorii a , b , c este nul, atunci
egalitatea pe care vrem să o demonstrăm este evidentă. Astfel, putem presupune că
r r r
vectorii a , b , c sunt toŃi nenuli.
r
Vom demonstra relaŃia mai întâi în cazul particular în care a este versor:
r
a = 1. Fixăm O ∈ E3 şi considerăm A, B, C ∈ E3 astfel încât
r r r
OA = a , OB = b , OC = c . Construim planul (P) care trece prin punctul O şi este
perpendicular pe vectorul OA . Fie OD = OB + OC şi notăm cu B ' , C ' , D ' proiecŃiile
ortogonale ale punctelor B, C şi respectiv D pe planul (P) . Evident OB' D' C ' este
un paralelogram.
D
B
C
O
B'
C"
D' C'
B" D"
(P)
fig. 24
Din definiŃ ia mărimii produsului vectorial avem :

OA × OB = OA OB sin ( AOB ) = OB cos (BOB' )
= OB' = OA OB' sin(π 2) = OA × OB' .
łinând cont şi de faptul că vectorii OA, OB, OB ' sunt coplanari, precum şi de poziŃia
relativă a vectorilor OB şi OB' faŃă de vectorul OA , obŃinem că
OA × OB = OA × OB' . (1)
21
Asemănător se obŃine că OA × OC = OA × OC ' şi OA × OD = OA × OD ' . (2)
Fie B"∈ E 3 astfel încât OB" = OA × OB' . Deoarece OB" ⊥ OA , B" se află
situat în planul (P) . Cum OB" ⊥ OB ' şi OB" = OB' , OB" se obŃine rotind vectorul
OB' cu unghi π 2 în planul (P) (astfel ca sensul lui OB" să respecte regula
burghiului aplicată vectorilor OA şi OB ' ). Similar se obŃin în planul (P) punctele C"
şi D" din relaŃ iile OC" = OA × OC ' şi respectiv OD" = OA × OD ' . În plus, OB" D" C "
este paralelogramul obŃinut prin rotirea paralelogramului OB ' D ' C ' cu unghi π 2 în
planul (P) . Din regula paralelogramului rezultă că OD" = OB" + OC" , adică
OA × OD ' = OA × OB ' + OA × OC ' . Din relaŃiile (1) şi (2), ultima egalitate este
echivalentă cu OA × OD = OA × OB + OA × OC , adică
OA × (OB + OC ) = OA × OB + OA × OC .
Astfel
r r r r r r r
a × (b + c ) = a × b + a × c (3)
r r
r r a r
Presupunem acum că a ∈ V3 \ {0} arbitrar şi notăm v = r . Atunci evident v
a
r r r r r r r
este versor şi, din relaŃia (3), v × (b + c ) = v × b + v × c . Amplificând această egalitate
r
cu a şi Ńinând cont de proprietatea 2 din această propoziŃie vom obŃine afirmaŃia
dorită. ▄
Teorema 5.3 r (Expresia

r analitică
r a produsului vectorial): Fie
r r r r r
a = a x i + a y j + a z k şi b = bx i + b y j + bz k doi vectori liberi, daŃi sub formă
analitică. Atunci produsul lor vectorial se calculează cu formula:
r r r
i j k
r r
a × b = ax a y a z .
bx b y bz
DemonstraŃie: Determin ăm mai întâi valorile produsului vectorial pe

r r r
mulŃimea versorilor {i , j , k } . De exemplu, din DefiniŃia 5.1 şi din orientarea
versorilor (vezi fig. 25), obŃinem:
r r r r r
i × i = 0 şi i × j = k .
RaŃionând astfel, rezultatele produsului vectorial pe mulŃimea versorilor axelor de
coordonate pot fi date sub forma tabelului
22
Din proprietăŃile produsului vectorial şi din rezultatele tabelului precedent
obŃinem:
a × b = ( a x i + a y j + a z k ) × (b x i + b y j + b z k ) = a x b x i × i + a x b y i × j + a x b z i × k +
r r r r r r r r r r r r r
a y bx j × i + a y b y j × j + a y bz j × k + a z bx k × i + a z b y k × j + a z bz k × k = a x b y k −
r r r r r
a x bz j − a y b x k + a y bz i + a z b x j − a z b y i .
Pe de altă parte:
r r r
i j k
r r r r r r
a x a y a z = a y b z i + a z b x j + a x b y k − a y b x k − a z b y i − a x bz j .
bx b y bz
Comparând aceste două relaŃii, obŃinem formula dorită. ▄
ExerciŃiul 1: StudiaŃi coliniaritatea punctelor: A(-1,3,2), B(0,4,1) şi C(2,6,-1).
SoluŃie:Punctele A(-1,3,2), B(0,4,1) şi C(2,6,-1) sunt coliniare dacă şi numai

r r r r r r r
dacă vectorii AB = i + j − k şi AC = 3i + 3 j − 3k sunt coliniari, adică AB × AC = 0 .
r r r
i j k
r
Dar AB × AC = 1 1 − 1 = 0 , deci cele trei puncte sunt coliniare. 
3 3 −3
ExerciŃiul 2: Se consideră punctele A(1,0,2), B(3,2,-2) şi C(0,-1,2). Să se

determine aria triunghiului ABC precum şi lungimea înălŃ imii din B.
r r r
SoluŃie:Vectorii AB şi AC au expresiile analitice AB = 2i + 2 j − 4 k şi
r r
AC = −i − j . Folosind expresia analitică a produsului vectorial, obŃinem:
r r r
i j k
r r
AB × AC = 2 2 − 4 = −4i + 4 j ,
−1 −1 0
1
de unde găsim aria triunghiului S ABC = AB × AC = 2 2 .
2
2 S ABC
Pe de altă parte, lungimea înălŃimii din B este hb = = 4. 
AC
23
6. Produsul mixt
r r r r r r
DefiniŃia 6.1: Fie a , b , c ∈ V3 . Se numeşte produs mixt al vectorilor a , b , c şi
r r r
se notează cu ( a , b , c ) scalarul dat de relaŃia:
r r r r r r
( a , b , c ) = a ⋅ (b × c )
Teorema 6.2r(Expresia
r analitică arprodusului mixt): Fie r
r r r r r r r r
a = a x i + a y j + a z k , b = bx i + b y j + bz k şi c = c x i + c y j + c z k trei vectori liberi,
daŃi sub formă analitică. Atunci produsul mixt al celor trei vectori se poate calcula
prin formula:
ax a y az
r r r
( a , b , c ) = bx b y b z
cx cy cz
DemonstraŃie: Din expresia analitică a produsului vectorial obŃinem că:

r r r
i j k
r r b y b z r bx b z r b x b y r
b × c = b x b y bz = i− j+ k.
c y cz cx cz cx cy
c x c y cz
Folosind acum definiŃia produsului mixt şi expresia analitică a produsului scalar,
rezultă că:
ax ay az
r r r r r r b y bz bx bz bx b y
( a , b , c ) = a ⋅ (b × c ) = a x − ay + az = bx by bz
cy cz cx cz cx cy
cx cy cz
(ultima egalitate, privită de la dreapta la stânga, reprezintă dezvoltarea după prima
linie a determinantului de ordinul trei). ▄
PropoziŃia 6.3:r Produsul mixtr are proprietăŃile: r

r r r r r r r r r
1. (a , b , c ) = (b , c , a ) = (c , a , b ) , pentru orice a , b , c ∈ V3 ;
r r r r r r r r r r r r r r r
2. (a , b , c ) = − (b , a , c ) = −(a , c , b ) = −(c , b , a ) , pentru orice a , b , c ∈ V3 ;
3. (a1 + a 2 , b , c ) = (a1 , b , c ) + (a 2 , b , c ) , pentru orice a1 , a 2 , b , c ∈ V3 ;
r r r r r r r r r
4. (λa , b , c ) = λ (a , b , c ) , pentru orice a , b , c ∈ V3 şi λ ∈ R .
DemonstraŃie: Aceste proprietăŃi se verifică imediat dacă se Ńine cont de

expresia analitică a produsului mixt, precum şi de proprietăŃile determinanŃilor. ▄
ObservaŃie: ProprietăŃile 1. şi 2. pot fi sintetizate astfel: la aplicarea unei

permută ri de ordin 3 termenilor unui produs mixt se schimbă semnul dacă şi numai
dacă permutarea este impară.
24
Interpretarea geometrică a produsului mixt: Modulul produsului mixt
r r r
(a, b , c ) este egal cu volumul paralelipipedului construit pe cei trei vectori.
Într-adevăr, volumul paralelipipedului este dat de produsul dintre aria bazei Ab
r r
şi înălŃimea paralelipipedului h. Dar aria bazei Ab este b × c (vezi interpretarea
r r r
geometrică a produsului vectorial), iar unghiul ϕ dintre vectorii a şi b × c coincide
r r
cu unghiul dintre vectorul a şi înălŃimea h, deci a cos ϕ = h. ObŃinem astfel:
r r r r r r
(a , b , c ) = a b × c cos ϕ = Abh, deci concluzia dorită.
fig. 26
r r r
Corolar 6.4: Trei vectori liberi a , b , c sunt coplanari dacă şi numai dacă
produsul lor mixt este zero.
r r r
DemonstraŃie: Putem presupune, fără a reduce generalitatea, că a , b , c sunt
vectori nenuli şi oricare doi sunt necoliniari (în cazul contrar echivalenŃa din enunŃ
fiind clară).
r r r
Dacă a , b , c sunt vectori coplanari, în ipoteza de lucru formulată anterior, din
r r r
Teorema 2.6 rezultă că există scalarii α , β astfel încât c = α a + β b . Astfel, ultima
r r r
linie a determinantului care reprezintă expresia analitică a produsului mixt (a , b , c ) va
fi o combinaŃie liniară a primelor două linii şi în consecinŃă acest determinant va fi
r r r
zero. Deci (a , b , c ) = 0 .
Reciproc, dacă produsul mixt este zero, atunci volumul r paralelipipedului
r
construit pe cei trei vectori este zero (vezi fig. 26). Vectorii b şi c fiind necoliniari,
aria bazei Ab este nenulă şi astfel rezultă că înălŃimea h a paralelipipedului trebuie să
fie zero. rAcest lucru se întâmplă dacă şi numai dacă punctul A este în planul bazei,
r r
adică a , b , c sunt vectori coplanari. ▄
AplicaŃie importantă: Calculul volumului unui tetraedru
25
r r
b ×c
⋅h r r r
A ⋅h (a , b , c )
Volumul tetraedrului OABC este: VOABC = ∆OBC = 2 = .
3 3 6
ExerciŃiul 1: Se consideră punctele A(1,0,2), B(3,−1,1), C (0,2,7) . Să se

determine un punct D pe axa Ox astfel încât volumul tetredrului ABCD sa fie 7. AflaŃ i
apoi lungimea înălŃimii coborâte din vârful D pe faŃa (ABC) a tetraedrului.
SoluŃie: Vârful căutat D fiind pe axa Ox, va avea coordonate de forma

D(α ,0,0) , cu α ∈ R . Atunci vectorii AB, AC , AD au expresiile analitice:
r r r r r r r r
AB = 2i − j − k , AC = −i + 2 j + 5k şi respectiv AD = (α − 1)i − 2k .
2 −1 −1
Rezultă că ( AB, AC , AD) = − 1 2 5 = −3α − 3 , de unde obŃinem că volumul
α −1 0 −2
− 3α − 3 α +1
tetraedrului ABCD este V ABCD = = . Punând condiŃia ca acest volum
6 2
să fie 7 găsim α 1 = −15 şi α 2 = 13 . Deci există dou ă puncte D1 (−15,0,0) şi
D2 (13,0,0) care satisfac cerinŃele exerciŃiului.
Dacă notăm cu h lungimea înălŃimii coborâte din vârful D pe faŃa (ABC) a
3V
tetraedrului, atunci h = ABCD , unde AABC reprezintă aria triunghiului ABC.
AABC
Deoarece
r r r
i j k
r r r 1 3 11
AB × AC = 2 − 1 − 1 = −3i − 9 j + 3k , iar AABC = AB × AC = , obŃinem
2 2
−1 2 5
14
h= . 
11
7. ExerciŃii
1. Fie ABC un triunghi oarecare, G centrul său de greutate şi A' , B' , C '
mijloacele laturilor BC, CA şi respectiv AB. Să se arate că:
r
i) AA' + BB' + CC ' = 0 ;
r
ii) G este unicul punct din spaŃiu care satisface relaŃia GA + GB + GC = 0 ;
iii) centrul de greutate al triunghiului A' B ' C ' coincide cu centrul de greutate G
al triunghiului ABC.
2. Pe un cerc cu centrul în punctul O se consideră trei puncte A, B, C. Să se

r
arate că triunghiul ABC este echilateral dacă şi numai dacă OA + OB + OC = 0 .
26
3. Fie ABC un triunghi şi O centrul cercului circumscris triunghiului. Să se
arate că triunghiul ABC este echilateral dacă şi numai dacă AB + AC = 3 AO .
4. Într-un cerc de centru O se consideră două coarde perpendiculare AB şi CD

care se intersectează în punctul P. Să se demonstreze că:
PA + PB + PC + PD = 2 PO .
5. Să se arate, cu ajutorul calculului vectorial, că diagonalele unui romb sunt

perpendiculare.
6. Fie ABCD un patrulater şi O punctul de intersecŃie al diagonalelor.

i) Să se arate că ABCD este trapez dacă şi numai dacă punctul O aparŃine unuia
dintre segmentele care uneşte mijloacele a dou ă laturi opuse ale patrulaterului;
ii) Să se arate că ABCD este paralelogram dacă şi numai dacă punctul O
aparŃine fiecăruia dintre segmentele care uneşte mijloacele laturilor opuse ale
patrulaterului.
7. Fie ABCD un patrulater şi O punctul de intersecŃie al diagonalelor. Să se

arate că ABCD este paralelogram dacă şi numai dacă MA + MB + MC + MD = 4 MO ,
oricare ar fi punctul M din spaŃiu.
8. i) Fie A, B, C , M ∈ E3 puncte arbitrare. Să se demonstreze că are loc relaŃia:

AM ⋅ BC + BM ⋅ CA + CM ⋅ AB = 0 .
ii) Să se demonstreze că dacă într-un tetraedru dou ă perechi de muchii opuse
sunt ortogonale, atunci şi cea de-a treia pereche are aceeaşi proprietate.
9. Fie ABC un triunghi şi O un punct arbitrar în spaŃiu. Să se demonstreze

relaŃia:
BC × OA + CA × OB + AB × OC = 2(OA × OB + OB × OC + OC × OA) .
10. Fie α , β , γ unghiurile pe care le formează un vector liber nenul cu axele

de coordonate. Să se arate că cos 2 α + cos 2 β + cos 2 γ = 1 . (Remarcă:
cos α , cos β , cos γ se numesc cosinu şii directori ai vectorului.)
r r r r r r r
11. Dacă a , b , c ∈ V3 astfel încât a +b +c = 0, să se arate că
r r r r r r
a × b = b × c = c × a . Reciproc este adevărat?
12. Să se demonstreze, cu ajutorul calculului vectorial, că în orice triunghi

a b c
ABC are loc relaŃia = = (teorema sinusului). (IndicaŃie: Se poate
sin A sin B sin C
utiliza exerciŃiul 11.)
13. Se consideră punctele A(a,0,0), B(0, b,0), C (0,0, c) . Să se arate că aria

1
triunghiului ABC este cel mult egală cu a 4 + b 4 + c 4 . În ce caz are loc
2
27
egalitatea?
r r r r r r
14. Să se arate că vectorii a = 3u + v şi b = −u + v sunt coliniari dacă ş i
r r
numai dacă vectorii u şi v sunt coliniari.
r r r r r r r
15. Fie a = i − 2 j + 2k şi b = i + j . Să se determine:
r r
i) unghiul dintre vectorii a şi b ;
r r
ii) aria paralelogramului construit pe vectorii a şi b
16. Să se determine λ ∈ R astfel încât vectorii

r r r r r r r r
a = 3i + 2λj + (λ − 4)k şi b = λi − j + 3k
să fie perpendiculari.
rr rr rr
17. Să se determine calculeze expresia E = a b + b c + c a , cunoscând că
r r r r r r r r r
a + b + c = i + j + k şi a = b = c = 2 .
r r r r r r
18. Se consideră vectorii liberi a , b , c cu proprietăŃile: a = 3, b = 1, c = 2 şi
r r π r r π r r π r r r
(a , b ) = , (a , c ) = , (b , c ) = . Să se calculeze a + b − 2c .
3 6 4
19. Să se arate că vectorii

r r r
r r r r r r r r
a = i + 2 j − 3k , b = 4i + 4 j − k , c = 2i + 5k
sunt coplanari.
20. Să se determine λ ∈ R astfel încât vectorii

r r r r r r r r r r r
a = (λ + 2)i + 2 j + 3k , b = λ i + j − k , c = 4i + 2 k
r r r
să fie coplanari şi să se descompună apoi vectorul a după direcŃiile vectorilor b şi c .
21. Să se demonstreze că
r r r r r r
a+b b +c c +a 1 r r r
 
 2 , 2 , 2  = 4 (a , b , c ) ,
 
r r r
oricare ar fi a , b , c ∈ V3 .
22. Fie punctele A(1,1,1), B(4,4,4), C (3,5,5), D (2,4,7) . Să se determine:

i) Volumul tetraedrului ABCD;
ii) Lungimea înălŃimii coborâte din vârful A pe faŃa (BCD).
r r r
23. Se consideră vectorii u , v , w necoplanari cu ajutorul cărora se definesc
a = u − 2v + 3w , b = λ u − v + w , c = 3u + v − w .
Să se determine scalarul λ astfel încât volumul tetraedrului determinat de
r r r r r r
vectorii a , b , c să fie de cinci ori volumul tetraedrului determinat de vectorii u , v , w .
28
Capitolul II
Planul şi dreapta în spaŃiu
Pe parcursul acestui capitol ne vom raporta la sistemul ortogonal de

coordonate Oxyz introdus în secŃ iunea 3 a capitolului precedent. De asemenea,
no Ńiunile introduse şi rezultatele ob Ńinute în capitolul Vectori liberi vor fi instrumente
deosebit de utile pentru studiul planelor şi dreptelor din spaŃiu.
1. Planul
Teorema 1.1 (EcuaŃia planului ce trece printr-un punct dat şi este

perpendicular pe o direcŃie dată): Dacă M 0 ( x0 , y 0 , z 0 ) este un punct fix în spa Ńiu, iar
r r r r
n = Ai + Bj + Ck un vector nenul dat, atunci ecuaŃia planului ce trece prin M 0 şi
r
este perpendicular pe vectorul n are forma:
A( x − x0 ) + B( y − y 0 ) + C ( z − z 0 ) = 0 . (1)
r
n
(P) M0
fig. 27
DemonstraŃie: Fie (P) planul căutat şi considerăm M ( x, y , z ) un punct

arbitrar în planul (P) , diferit de punctul M 0 . ApartenenŃa punctului M la planul (P)
29
r
este echivalentă cu perpendicularitatea vectorilor n şi M 0 M , deci cu relaŃia
r r r r
n ⋅ M 0 M = 0 . Deoarece M 0 M = ( x − x 0 )i + ( y − y 0 ) j + ( z − z 0 )k , Ńinând cont de
expresia analitică a produsului scalar obŃinem că
A( x − x0 ) + B( y − y 0 ) + C ( z − z 0 ) = 0 .
Aşadar, un punct M ( x, y , z ) aparŃine planului (P) dacă şi numai dacă
A( x − x0 ) + B( y − y 0 ) + C ( z − z 0 ) = 0 . ▄
DefiniŃia 1.2: Orice vector perpendicular pe un plan dat se numeşte vector

normal la planul respectiv.
ObservaŃie: Din demonstra Ńia Teoremei 1.1 reiese

r că, dat fiind un plan de
r r r
ecua Ńie Ax + By + Cz + D = 0 , atunci n = Ai + Bj + Ck este un vector normal la
planul considerat.
Teorema 1.3 (EcuaŃia generală a planului): Orice plan din spa Ńiu este definit
de o ecuaŃie de forma:
Ax + By + Cz + D = 0 , (2)
2 2 2
cu A, B, C , D anumite constante reale astfel ca A + B + C ≠ 0.
DemonstraŃie: Fie (P) un plan arbitrar. Alegând M 0 ( x0 , y0 , z 0 ) un punct în

r r r r
planul (P) şi n = Ai + Bj + Ck un vector normal la planul (P) , conform Teoremei
1.1 ob Ńinem că ecuaŃia planului (P) este A( x − x0 ) + B( y − y 0 ) + C ( z − z 0 ) = 0 , adică
Ax + By + Cz + D = 0 , unde s-a notat D = − Ax0 − By 0 − Cz 0 . Datorită faptului că un
vector normal la un plan este nenul, ob Ńinem condiŃia adiŃională A 2 + B 2 + C 2 ≠ 0. ▄
Teorema 1.4: Orice ecuaŃie de gradul întâi în x,y,z defineşte un plan din
spaŃiu.
DemonstraŃie: O ecuaŃie de gradul întâi în x, y, z este de forma

Ax + By + Cz + D = 0 (3)
2 2 2
cu A, B, C , D constante reale date şi A + B + C ≠ 0 (pentru ca ecuaŃia să fie de
gradul întâi). O astfel de ecuaŃie are o infinitate de soluŃii reale (se dau valori arbitrare
la dou ă dintre necunoscute şi se determină cea de-a treia necunoscută). Fie
( x 0 , y 0 , z 0 ) o soluŃie a acestei ecuaŃii. Evident tripletul de numere reale ( x0 , y 0 , z 0 )
corespunde punctului M ( x0 , y 0 , z 0 ) din spaŃiu şi
Ax0 + By 0 + Cz 0 + D = 0 (4)
Scăzând relaŃia (4) din relaŃia (3) obŃinem că
A( x − x0 ) + B( y − y 0 ) + C ( z − z 0 ) + D = 0 (5)
EcuaŃiile (3) şi (5) sunt echivalente (se poate ob Ńine ecuaŃia (5) din (3) - aşa
cum am văzut mai sus – şi invers putem ajunge la ecuaŃia (3) pornind de la (5), tot cu
ajutorul relaŃiei (4)). Pe de altă parte, după cum rezultă din Teorema 1.1, ecuaŃia (5)
defineşte un plan (planul ce trece prin punctul M ( x0 , y 0 , z 0 ) şi este perpendicular pe
r r r r
vectorul n = Ai + Bj + Ck ). Deci şi ecuaŃia (3) va reprezenta un plan din spaŃiu. ▄
30
Teorema 1.5 (EcuaŃia planului paralel cu două direcŃii neparalele): Dacă
r r r r
M 0 ( x 0 , y 0 , z 0 ) este un punct fix în spa Ńiu, iar v1 = l1i + m1 j + n1 k şi
r r r r
v 2 = l 2 i + m2 j + n 2 k sunt doi vectori neparaleli, atunci ecua Ńia planului ce trece
r r
prin M 0 şi este paralel cu vectorii v1 şi v 2 are forma:
x − x0 y − y0 z − z0
l1 m1 n1 = 0 . (6)
l2 m2 n2
r
v1
M0 M
(P)
r
v2
fig. 28
r
DemonstraŃie: Fie (P) planul ce trece prin M 0 şi este paralel cu vectorii v1
r r r
şi v 2 . Considerăm M ( x, y , z ) un punct arbitrar în planul (P) . Vectorii liberi v1 şi v 2
fiind paraleli cu planul (P) , pot fi consideraŃi ca incluşi în (P) , de unde ob Ńinem
r r r r
coplanaritatea vectorilor M 0 M , v1 şi v 2 , adică ( M 0 M , v1 , v 2 ) = 0. Cum
r r r
M 0 M = ( x − x 0 )i + ( y − y 0 ) j + ( z − z 0 )k Ńinând cont de expresia analitică a
produsului scalar, obŃinem ecuaŃia dorită. ▄
Teorema 1.6 (EcuaŃia planului ce trece prin trei puncte necoliniare): Dacă
M i ( xi , yi , z i ) , i = 1,3 , sunt trei puncte necoliniare, atunci ecuaŃia planului determinat
de cele trei puncte este:
x − x1 y − y1 z − z1
x 2 − x1 y 2 − y1 z 2 − z1 = 0 . (7)
x3 − x1 y 3 − y1 z 3 − z1
M2
M1 M3
(P)
fig. 29
31
DemonstraŃie: Aşa cum se ştie, din axiomele de incidenŃă ale spaŃiului şi
consecinŃele lor, trei puncte necoliniare determină un plan şi numai unul. Fie (P)
planul ce trece prin punctele M i ( xi , yi , z i ) , i = 1,3 .
r r r r
Dacă notăm v1 = M 1 M 2 şi v 2 = M 1 M 3 , este clar că vectorii v1 şi v 2 sunt
inclu şi în planul (P) , deci paraleli cu planul (P) , iar punctul M 1 aparŃine planului
(P) . Putem astfel aplica Teorema 1.5. Având în vedere că
r r r
M 1 M 2 = ( x 2 − x1 )i + ( y 2 − y1 ) j + ( z 2 − z1 )k ,
r r r
M 1 M 3 = ( x3 − x1 )i + ( y 3 − y1 ) j + ( z 3 − z1 )k ,
relaŃia (6) conduce la ecuaŃia dorită. ▄
Corolar 1.7 (EcuaŃia planului prin tăieturi): Planul care intersectează axele
sistemului cartezian ortogonal în punctele A(a,0,0), B(0, b,0) şi respectiv C (0,0, c)
(diferite de originea O a sistemului cartezian) are ecuaŃia
x y z
+ + −1 = 0 (8)
a b c
O B y
A
x
fig. 30
DemonstraŃie: Evident, punctele A,B,C sunt necoliniare. Conform Teoremei

1.6, ecuaŃia planului determinat de punctele A,B,C este:
x−a y z
−a b 0 = 0.
−a 0 c
Dezvoltând acest determinant dup ă prima linie ob Ńinem
bc( x − a ) + acy + abz = 0 .
Dacă se împarte relaŃia precedentă prin abc , obŃinem ecuaŃia (8). ▄
ObservaŃie: Teoremele 1.1, 1.5, 1.6 precum şi Corolarul 1.7 prezintă situaŃii
favorabile determină rii ecuaŃiei unui plan în spaŃiu. Într-o problemă de geometrie
analitică având drept concluzie determinarea ecua Ńiei unui anumit plan, se va reduce
32
situa Ńia prezentată în problemă la unul din rezultatele teoretice menŃionate anterior şi
se foloseşte ecuaŃia corespunză toare.
ExerciŃiul 1: Să se determine ecuaŃia planului de coordonate (xOy).
SoluŃia 1: Planul de coordonate (xOy) trece prin originea O(0,0,0) şi este

r
perpendicular pe versorul k . Astfel, din Teorema 1.1, ecuaŃia planului de coordonate
(xOy) este 0( x − 0) + 0( y − 0) + 1( z − 0) = 0 , adică z = 0 . 
SoluŃia 2: Planul de coordonate (xOy) trece prin originea O(0,0,0) şi este

r r
paralel cu versorii i şi j (de fapt cei doi versori sunt incluşi – caz particular de
paralelism – în planul (xOy)). Din Teorema 1.5 ecuaŃia planului de coordonate (xOy)
este
x−0 y −0 z −0
1 0 0 = 0,
0 1 0
deci z = 0 . 
SoluŃia 3: Vom folosi că planul de coordonate (xOy) trece prin originea

O(0,0,0) şi prin punctele A(1,0,0) şi B(0,0,1) . Astfel, din Teorema 1.6, ecuaŃia
planului căutat este
x−0 y −0 z −0
1− 0 0 − 0 0 − 0 = 0,
0 − 0 1− 0 0−0
adică z = 0 . 
ExerciŃiul 2: Să se determine ecuaŃia planului ştiind că punctul M (1,0,3) este

piciorul perpendicularei coborâte din origine pe plan.
r r
SoluŃie: Din ipoteză, OM = i + 3k este vector normal pentru planul căutat, iar
punctul M (1,0,3) aparŃine acestui plan. Putem aplica Teorema 1.1 şi vom obŃine
ecuaŃia 1( x − 1) + 0( y − 0) + 3( z − 3) = 0 , adică x + 3 z − 10 = 0 . 
2. Dreapta
DefiniŃia 2.1: Fie (d) o dreaptă dată din spaŃiu. Se numeşte vector director al
r
r r r
dreptei (d) orice vector având direcŃia paralelă cu dreapta (d). Dacă v = li + mj + nk
este un vector director al dreptei (d), atunci l, m, n se numesc parametri directori ai
dreptei.
33
Teorema 2.2 (EcuaŃia vectorială a dreptei): Dacă M 0 este un punct fixat
r
arbitrar în spa Ńiu, iar v un vector nenul, atunci ecuaŃia vectorială a dreptei ce trece
r
prin M 0 şi are pe v vector director este
r r r
r = r0 + λv , (1)
r r
unde r este vectorul de poziŃie al unui punct oarecare de pe dreaptă, r0 este vectorul
de poziŃie al lui M 0 , iar λ un parametru real.
z r
v
M0
r M
r r0
k r
r
r y
O j
r
i
x
fig. 31
DemonstraŃie: Fie (d) dreapta care trece prin M 0 şi are direcŃia dată de
r
vectorul v . Considerăm M un punct oarecare pe dreapta (d). Deoarece vectorii M 0 M
r
şi v sunt coliniari, conform PropoziŃiei 2.5 din Capitolul I , există un scalar λ astfel
r r r
încât M 0 M = λv . Pe de altă parte, din regula triunghiului, M 0 M = r − r0 . ObŃinem
r r r r r r
deci r − r0 = λv sau, echivalent, r = r0 + λv . ▄
Teorema 2.3 (EcuaŃiile parametrice ale dreptei): EcuaŃiile parametrice ale

dreptei care trece prin punctul M 0 ( x 0 , y 0 , z 0 ) şi are vectorul director
r r r r
v = li + mj + nk sunt:
 x = x 0 + λl

 y = y 0 + λm , (2)
 z = z + λn
 0
unde λ este un parametru real.
DemonstraŃie: Dacă (d) este dreapta care trece prin M 0 şi are vectorul
r
director v , iar M ( x, y , z ) este un punct arbitrar pe dreapta (d), atunci, conform
r r r r
Teoremei 2.2, ecuaŃia vectorială a dreptei (d) este r = r0 + λv , unde r este vectorul
r
de poziŃie al punctului M , iar r0 este vectorul de poziŃie al lui M 0 .
34
r
M0 v
r
r0
M
r
r (d)
O
fig. 32
r r r
łinând cont de expresiile analitice ale vectorilor r , r 0 şi respectiv v ,
ob Ńinem că
r r r r r r r r r
xi + y j + zk = x0 i + y0 j + z 0 k + λ (li + mj + nk ) ,
r r r r r r
adică xi + y j + zk = ( x0 + λl )i + ( y 0 + λm) j + ( z 0 + λn )k . Folosind unicitatea
descompunerii unui vector după trei vectori necoplanari, rezultă că
 x = x 0 + λl

 y = y 0 + λm . ▄
 z = z + λn
 0
Teorema 2.4 (EcuaŃiile canonice ale dreptei): EcuaŃiile canonice ale rdreptei
r r r
care trece prin punctul M 0 ( x0 , y 0 , z 0 ) şi are vectorul director v = li + mj + nk sunt:
x − x0 y − y 0 z − z 0
= = . (3)
l m n
DemonstraŃie: Din Teorema 2.3, ecuaŃiile parametrice ale dreptei care trece
r r r r
prin punctul M 0 ( x0 , y 0 , z 0 ) şi are vectorul director v = li + mj + nk sunt date de
sistemul (2). Explicitând λ din fiecare dintre cele trei ecuaŃii ale sistemului se obŃine
şirul de trei rapoarte egale din relaŃia (3). ▄
ObservaŃie: Vom conveni să scriem ecua Ńiile unei drepte sub forma (3) şi în
cazul când unul sau doi dintre parametrii directori l, m, n sunt nuli, înŃelegând în
acest caz că dacă unul dintre numitorii ecuaŃiilor (3) este zero, atunci şi numărătorul
corespunză tor este zero.
Teorema 2.5 (EcuaŃiile dreptei care trece prin două puncte date): Dacă
M 1 ( x1 , y1 , z1 ) şi M 2 ( x 2 , y 2 , z 2 ) sunt două puncte distincte din spaŃiu, atunci
ecua Ńiile dreptei care trece prin cele două puncte sunt:
x − x1 y − y1 z − z1
= = . (4)
x 2 − x1 y 2 − y1 z 2 − z1
r r
DemonstraŃie: Dacă notăm v = M 1M 2 , este clar că v reprezintă un vector
director al dreptei deteminate de punctele M 1 şi M 2 . łinând cont că
r r r
M 1M 2 = ( x 2 − x1 )i + ( y 2 − y1 ) j + ( z 2 − z1 )k , din Teorema 2.4 se ob Ńine imediat
relaŃia dorită. ▄
35
Din geometria euclidiană se ştie că două plane neparalele se intersectează dup ă
o dreaptă. Fie ( P1 ) : A1 x + B1 y + C1 z + D1 = 0 şi ( P2 ) : A2 x + B2 y + C 2 z + D2 = 0
r r r r
două plane neparalele şi (d ) = ( P1 ) I ( P2 ) . Vectorii n1 = A1i + B1 j + C1k şi
r r r r
n 2 = A2 i + B2 j + C 2 k sunt vectori normali pentru planele ( P1 ) şi respectiv ( P2 ) .
r r
Cum cele două plane sunt neparalele, vectorii n1 şi n 2 vor fi necoliniari, adică
r r r
n1 × n 2 ≠ 0 . Deoarece
r r r
i j k
r r
n1 × n 2 = A1 B1 C1 ,
A2 B2 C2
r r r A B1 C1 
condiŃia n1 × n 2 ≠ 0 este echivalentă cu rang  1  = 2 . Am ob Ńinut astfel
 A2 B2 C 2 
următorul rezultat:
Teorema 2.6 (EcuaŃiile dreptei ca intersecŃie de două plane): O dreaptă (d)

din spa Ńiu are ecuaŃii de forma
 A1 x + B1 y + C1 z + D1 = 0
 , (5)
 A2 x + B2 y + C 2 z + D2 = 0
A B1 C1 
cu rang  1  = 2.
 A2 B2 C 2 
( P1 )
( P2 )
(d )
fig. 33
ObservaŃie: Aşa cum vom vedea în paragrafele următoare, în formulele legate

de unghiuri şi distan Ńe la drepte intervin parametrii directori ai acestora. Astfel,
devine importantă aflarea parametrilor directori ai unei drepte (d) date sub forma
(5). Vom utiliza nota Ńiile premergă toare Teoremei 2.6.
r r r
Avem n1 ⊥ ( P1 ) şi (d ) ⊂ ( P1 ) , de unde n1 ⊥ (d ) . Similar obŃinem n 2 ⊥ (d ) .
Aceste rela Ńii de perpendicularitate asigură că dreapta (d ) este perpendiculară pe
36
r r r r
planul determinat de vectorii n1 şi n 2 . Cum şi vectorul n1 × n 2 este perpendicular pe
r r r r
planul determinat de vectorii n1 şi n 2 , ob Ńinem că n1 × n 2 este vector director al
dreptei (d ) . Deoarece
r r B C1 r A1 C1 r A1 B1 r
n1 × n 2 = 1 i − j+ k,
B2 C 2 A2 C 2 A2 B2
rezultă că parametrii directori ai dreptei (d ) sunt:
B1 C1 A C1 A B1
l= , m=− 1 , n= 1 (6)
B2 C2 A2 C2 A2 B2
ExerciŃiu: Să se determine ecuaŃiile axei de coordonate Ox.
SoluŃia 1: Axa Ox trece prin originea O(0,0,0) şi are direcŃia dată de versorul
r x y z
i . Conform Teoremei 2.4 ecuaŃiile axei Ox sunt = = . De remarcat că aceste
1 0 0
x y
ecuaŃii sunt echivalente, dintr-o observaŃie anterioară sau luând ecuaŃiile = şi
1 0
x z y = 0
= şi înmulŃind mezii şi extremii, cu  . Aceste ultime ecuaŃii ale axei Ox
1 0 z = 0
reprezintă de fapt scrierea axei ca intersecŃie a două plane: (xOz ) şi (xOy) . 
SoluŃia 2: Vom folosi că axa Ox trece prin originea O(0,0,0) şi prin punctul
x y z
A(1,0,0) . Din Teorema 2.5 rezultă că ecuaŃiile axei Ox sunt = = . 
1 0 0
ObservaŃie: EcuaŃiile axei Ox sunt date de un şir de trei rapoarte egale, având
doi numitori egali cu zero. Acest şir de rapoarte egale este echivalent cu sistemul de
ecua Ńii:
x y
1 = 0 y = 0
x z , adică  .
 =  z = 0
1 0
S-au obŃinut astfel ecuaŃiile axei Ox ca intersecŃie de două plane: (xOz) şi (xOy).
3. Fascicol de plane
DefiniŃia 3.1: Fie (d) o dreaptă din spaŃiu. Totalitatea planelor care con Ńin
dreapta (d) se numeşte fascicol de plane determinat de dreapta (d). În acest caz,
dreapta (d) se numeşte axa fascicolului (vezi fig. 32).
37
(d)
fig. 34
Teorema 3.2: Fie (d) o dreaptă din spaŃiu având ecua Ńiile
 A1 x + B1 y + C1 z + D1 = 0
 .
 A2 x + B2 y + C 2 z + D2 = 0
Atunci orice plan din fascicolul de axă (d) are o ecuaŃie de forma
α ( A1 x + B1 y + C1 z + D1 ) + β ( A2 x + B2 y + C 2 z + D2 ) = 0 (1)
cu α , β ∈ R astfel încât α 2 + β 2 ≠ 0 .
Reciproc, orice ecuaŃie de forma (1), cu α , β ∈ R , α 2 + β 2 ≠ 0 defineşte un
plan din fascicolul de axă (d).
DemonstraŃie: Fie (P) un plan oarecare din fascicolul de axă (d). Atunci (P)
va avea o ecuaŃie de forma Ax + By + Cz + D = 0 , cu A, B, C , D ∈ R astfel ca
A 2 + B 2 + C 2 ≠ 0 . Dreapta (d) este dată ca intersecŃie a două plane: ( P1 ) de ecuaŃie
A1 x + B1 y + C1 z + D1 = 0 şi respectiv ( P2 ) de ecuaŃie A2 x + B2 y + C 2 z + D2 = 0 .
Deoarece ( P1 ) I ( P2 ) I ( P) = (d ) , sistemul
 A1 x + B1 y + C1 z + D1 = 0

 A2 x + B2 y + C 2 z + D2 = 0
 Ax + By + Cz + D = 0

este compatibil nedeterminat. Combinând Teorema Kronecker-Cappelli şi Teorema
lui Cramer, rezultă că
 A1 B1 C1   A1 B1 C1 D1 
   
rang  A2 B2 C 2  = rang  A2 B2 C 2 D2  < 3 . (2)
 A B C   A B C D 
  
Pe de altă parte, deoarece ( P1 ) I ( P2 ) = (d ) avem
A B1 C1 
rang  1  = 2. (3)
 A2 B2 C 2 
38
 A1 B1 C1 D1 
 
Din relaŃiile (2) şi (3) obŃinem că matricea  A2 B2 C 2 D2  are rangul 2, deci
 A B C D 

ultima linie a matricei este o combinaŃie liniară a primelor două. Aşadar există
α , β ∈ R astfel încât
( A B C D ) = α ( A1 B1 C1 D1 ) + β ( A2 B2 C 2 D2 )
sau, echivalent
Ax + By + Cz + D = α ( A1 x + B1 y + C1 z + D1 ) + β ( A2 x + B2 y + C 2 z + D2 ) .
CondiŃia α 2 + β 2 ≠ 0 este evidentă deoarece A 2 + B 2 + C 2 ≠ 0 .
Reciproc, ecuaŃia (1) se poate scrie sub forma
(αA1 + βA2 ) x + (αB1 + βB2 ) y + (αC1 + βC 2 ) z + (αD1 + β D2 ) = 0 . (4)
CoeficienŃii αA1 + βA2 , αB1 + βB2 , αC1 + β C 2 nu se pot anula simultan (în caz
A B C
contrar, deoarece α 2 + β 2 ≠ 0 , obŃinem şirul de rapoarte egale 1 = 1 = 1 , ceea
A2 B2 C 2
ce contrazice ( P1 ) I ( P2 ) = (d ) ). Deci ecuaŃia (4) este o ecuaŃie de gradul întâi şi
reprezintă, conform Teoremei 1.4, un plan. Pe de altă parte, coordonatele punctelor de
pe dreapta (d) verifică atât ecuaŃia planului ( P1 ) cât şi a lui ( P2 ) , deci verifică şi
ecuaŃia (1). Astfel planul dat de ecuaŃia (1) conŃine dreapta (d). ▄
ExerciŃiu: Să se determine ecuaŃia planului care trece prin punctul M (1,0,3) şi

x −1 y +1 z
conŃine dreapta (d ) : = = .
2 3 −1
SoluŃie: Fie (P) planul căutat. Deoarece (P) conŃine dreapta (d), planul face
parte din fascicolul de axă (d). Pentru a putea aplica Teorema 3.2 este necesar să
scriem dreapta (d) ca intersecŃie a dou ă plane. Pornind de la ecuaŃiile canonice ale lui
 x −1 y +1
 =
(d) obŃinem  2 3 sau echivalent 3 x − 2 y − 5 = 0 . Atunci planul (P) va avea
x −1 z 
 =  x + 2z −1 = 0
 2 −1
o ecuaŃie de forma α (3 x − 2 y − 5) + β ( x + 2 z − 1) = 0 , adică
(3α + β ) x − 2αy + 2 βz − 5α − β = 0 , cu α , β ∈ R astfel încât α 2 + β 2 ≠ 0 .
Din apartenenŃa punctului M la planul (P) rezultă că
3α + β + 6 β − 5α − β = 0 , deci α = 3β . Înlocuind în ecuaŃia planului (P) obŃinem
( P) : 10βx − 6 βy + 2 βz − 16β = 0 . Cum β ≠ 0 (în caz contrar, dacă β = 0 rezultă că
şi α = 0 ceea ce contrazice condiŃia α 2 + β 2 ≠ 0 ), putem împărŃi ecuaŃia planului (P)
prin 2 β , de unde rezultă că ( P) : 5 x − 3 y + z − 8 = 0 . 
39
4. Unghiuri în spaŃiu
În geometria euclidiană prin unghi dintre două plane se înŃelege unghiul diedru
al planelor.
DefiniŃia 4.1: Unghiul dintre două plane ( P1 ) şi ( P2 ) , notat (( P1 ), ( P2 )) ,

este unghiul format de doi vectori normali ai celor două plane.
( P1 )
( P2 )
r
n1 r
n2
fig. 35
ObservaŃie: Unghiul dintre două plane, definit anterior, este egal sau
suplementar unghiului diedru (acest lucru depinzând de sensurile vectorilor normali).
Teorema 4.2 (Unghiul dintre două plane): Fie

( P1 ) : A1 x + B1 y + C1 z + D1 = 0 şi ( P2 ) : A2 x + B2 y + C 2 z + D2 = 0 două plane din
spaŃiu. Atunci
A1 A2 + B1 B2 + C1C 2
cos (( P1 ), ( P2 )) = . (1)
A12 + B12 + C12 A22 + B22 + C 22
r r r r r r r r r
DemonstraŃie: Fie n1 = A1i + B1 j + C1k şi n 2 = A2 i + B2 j + C 2 k . Atunci n1
r
şi n 2 sunt vectori normali pentru planele ( P1 ) şi respectiv ( P2 ) şi în plus, din
r r
DefiniŃia 4.1, (( P1 ), ( P2 )) = (n1 , n 2 ) . Dar
r r
r r nn A1 A2 + B1 B2 + C1C 2
cos (n1 , n 2 ) = r 1 r2 = ,
n1 n 2 A2 + B 2 + C 2 A 2 + B 2 + C 2
1 1 1 2 2 2
de unde se obŃine rezultatul dorit. ▄
40
Cazuri particulare importante:
1. ( P1 ) ⊥ ( P2 ) dacă şi numai dacă A1 A2 + B1 B2 + C1C 2 = 0 (condiŃia de
perpendicularitate dintre două plane).
Având în vedere că măsura unghiului dintre două plane perpendiculare este
π 2 şi cos(π 2) = 0 , din relaŃia (1) obŃinem imediat echivalenŃa dorită.
A1 B C
2. ( P1 ) ( P2 ) dacă şi numai dacă = 1 = 1 (condiŃia de paralelism
A2 B2 C 2
dintre două plane).
r r
Într-adevăr, ( P1 ) ( P2 ) dacă şi numai dacă vectorii normali n1 şi n 2 sunt
r r
coliniari sau, echivalent, există şi este unic un scalar λ astfel încât n1 = λn 2 . Această
A B C
egalitate are loc dacă şi numai dacă 1 = 1 = 1 = λ .
A2 B2 C 2
DefiniŃia 4.3: Unghiul dintre două drepte arbitrare din spa Ńiu ( d1 ) şi (d 2 ) ,
notat ((d1 ), (d 2 )) , este unghiul format de doi vectori directori ai celor două
drepte.
Teorema 4.4 (Unghiul dintre două drepte): Fie

x − x1 y − y1 z − z1 x − x2 y − y 2 z − z 2
( d1 ) : = = şi (d 2 ) : = = două drepte din
l1 m1 n1 l2 m2 n2
spaŃiu. Atunci
l1l 2 + m1m2 + n1n 2
cos ((d1 ), (d 2 )) = . (2)
l12 + m12 + n12 l 22 + m22 + n 22
r r r r r r r r
DemonstraŃie: Vectorii v1 = l1i + m1 j + n1k şi v 2 = l 2 i + m2 j + n 2 k sunt
vectori directori ai dreptelor (d 1 ) şi (d 2 ) . Deoarece
rr
r r v1v 2 l1l 2 + m1m 2 + n1n 2
cos (v1 , v 2 ) = r r = ,
v1 v 2 l 2 + m2 + n2 l 2 + m2 + n2
1 1 1 2 2 2
din DefiniŃia 4.3 se ob Ńine relaŃia (2). ▄

1. (d 1 ) ⊥ (d 2 ) dacă şi numai dacă l1l 2 + m1 m2 + n1n 2 = 0 (condiŃia de
perpendicularitate dintre două drepte).
Justificarea acestei echivalenŃ e este similară celei de la condiŃia de
perpendicularitate a planelor.
l1 m1 n1
2. (d 1 ) (d 2 ) dacă şi numai dacă = = (condiŃia de paralelism dintre
l2 m 2 n2
două drepte).
Într-adevăr, dreptele ( d1 ) şi (d 2 ) sunt paralele dacă şi numai dacă vectorii
r r l m n
directori v1 şi v 2 sunt coliniari, adică 1 = 1 = 1 .
l 2 m2 n 2
41
DefiniŃia 4.5: Se numeşte unghi format de dreapta (d) şi planul (P) şi se
notează ((d ), ( P)) cel mai mic dintre unghiurile formate de dreapta (d) cu
proiecŃia ei pe planul (P).
(d)
r r
v n
(P)
fig. 36
Teorema 4.6 (Unghiul dintre o dreaptă şi un plan): Dacă (d) este o dreaptă
x − x0 y − y 0 z − z 0
având ecuaŃiile = = , iar (P) un plan de ecua Ńie
l m n
Ax + By + Cz + D = 0 , atunci
Al + Bm + Cn
sin ((d ), ( P)) = . (3)
2 2 2 2 2 2
A +B +C l +m +n
r r r r r r r r
DemonstraŃie: Dacă n = Ai + Bj + Ck şi v = li + mj + nk , atunci
r r π r r
(n, v ) = ± ((d ), ( P)) . ObŃinem astfel că sin (n , v ) = cos ((d ), ( P)) , de
2
unde, folosind formula unghiului dintre doi vectori obŃinută la produsul scalar, va
rezulta relaŃia (3). ▄

A B C
1. (d ) ⊥ ( P) dacă şi numai dacă = = (condiŃia de perpendicularitate
l m n
dintre o dreaptă şi un plan).
Într-adevăr, dreapta (d) este
r perpendiculară per planul (P) dacăr si numai dacă
r r r r r
vectorul director v = li + mj + nk şi vectorul normal n = Ai + Bj + Ck sunt coliniari,
A B C
adică = = .
l m n
2. (d ) ( P) dacă şi numai dacă Al + Bm + Cn = 0 (condiŃia de paralelism

dintre o dreptă şi un plan).
Într-adevăr, (d ) ( P) dacă şi numai dacă măsura unghiului format de dreapta
(d) şi planul (P) este 0. Deoarece sin 0 = 0 , din relaŃia (3) se obŃine imediat afirmaŃia
dorită.
42
ExerciŃiul 1: Să se determine ecuaŃia planului care trece prin axa Oz şi
formează cu planul ( P) : 2 x + y − 5 z + 1 = 0 un unghi de 60 o .
x = 0
SoluŃie: Fie (P' ) planul căutat. EcuaŃiile axei Oz sunt  . Deoarece
y = 0
planul (P' ) face parte din fascicolul de plane de axă Oz, (P' ) are o ecuaŃie de forma
α x + β y = 0 , cu α , β ∈ R astfel încât α 2 + β 2 ≠ 0 .
Din Teorema 4.2 şi din ipoteză rezultă
2α + β 1
cos (( P), ( P' )) = = .
2
10(α + β ) 2 2
β
Ob Ńinem că 6α 2 + 16αβ − 6 β 2 = 0 , de unde α = −3β sau α =
. Înlocuind
3
în ecuaŃia planului (P' ) , vom găsi două plane care satisfac ipoteza exerciŃiului:
x
( P1' ) : + y = 0 şi ( P2' ) : −3 x + y = 0 . 
3
ExerciŃiul 2: Să se determine unghiul dintre dreptele

x +1 y −1 z  y −1 = 0
(d1 ) : = = şi (d 2 ) :  .
−2 2 1 x + y + 2z = 0
SoluŃie: Pentru a putea aplica Teorema 4.4 trebuie să determinăm mai întâi
parametrii directori ai dreptei (d 2 ) :
1 0 0 0 0 1
l2 = = 2 , m2 = − = 0 , n2 = = −1 .
1 2 1 2 1 1
Ob Ńinem
− 2 ⋅ 2 + 2 ⋅ 0 + 1 ⋅ (−1) 5
cos ((d1 ), (d 2 )) = =− , de unde
2 2 2 2
(−2) + 2 + 1 2 + 0 + (−1) 2 2 3
 5   5
((d1 ), (d 2 )) = arccos −  = π − arccos 
 3 . 
 3   
5. DistanŃe în spaŃiu
Teorema 5.1 (DistanŃa de la un punct la un plan): Dacă M 0 ( x0 , y 0 , z 0 ) este

un punct, iar (P) este un plan de ecuaŃie Ax + By + Cz + D = 0 , atunci distan Ńa de la
punctul M 0 la planul (P) este:
Ax0 + By0 + Cz 0 + D
d (M 0 , ( P)) = . (1)
A2 + B 2 + C 2
43
M0
r
n
M 0'
M1
fig. 37
r r r r
DemonstraŃie: Fie n = Ai + Bj + Ck , M 0' proiecŃia punctului M 0 pe planul
( P) şi M 1 ( x1 , y1 , z1 ) un punct arbitrar din planul ( P) , diferit de M 0' . Atunci
d (M 0 , ( P)) = M 0' M 0 , iar lungimea vectorului M 0' M 0 reprezintă modulul mărimii

r
proiecŃiei ortogonale a vectorului M 1M 0 pe vectorul normal n:
M 0' M 0 = prnr M 1 M 0 . ObŃinem deci d (M 0 , ( P)) = prnr M 1M 0 . Dar, din cele

r
M 1M 0 ⋅ n
văzute la produsul scalar, prnr M 1 M 0 = r . Va rezulta că
n
r
M 1M 0 ⋅ n A( x0 − x1 ) + B( y 0 − y1 ) + C ( z 0 − z1 )
d (M 0 , ( P)) = r = =
n A2 + B 2 + C 2
Ax0 + By 0 + Cz 0 + D − Ax1 − By1 − Cz1 − D Ax0 + By0 + Cz 0 + D
= = .▄
A2 + B 2 + C 2 A2 + B 2 + C 2
Teorema 5.2 (DistanŃa de la un punct la o dreaptă): Dacă M 1 ( x1 , y1 , z1 ) este

x − x0 y − y0 z − z 0
un punct, iar (d ) este o dreaptă de ecuaŃii = = , atunci distanŃa
l m n
de la punctul M 1 la dreapta (d ) este
r
M 0 M1 × v
d (M 1 , (d )) = r , (2)
v
r r r r
unde M 0 ( x0 , y 0 , z 0 ) şi v = li + mj + nk .
DemonstraŃie: Punctul M 0 ( x0 , y 0 , z 0 ) se află pe dreapta (d ) , iar

r r r r
v = li + mj + nk este vector director al dreptei (d ) . Considerăm paralelogramul
r
construit pe vectorii M 0 M 1 şi v .
44
M1
r
(d ) M0 v
fig. 38
r
Din geometria clasică, aria acestui paralelogram este d ( M 1 , (d )) ⋅ v . Pe de
altă parte, din interpretarea geometrică a produsului vectorial, aria paralelogramului
r
respectiv este M 0 M 1 × v . Din cele două exprimări ale ariei obŃinem
r
M 0 M1 × v
d (M 1 , (d )) = r .▄
v
În finalul acestui paragraf vom studia distanŃa dintre două drepte (d1 ) şi (d 2 )
din spaŃiu. Vom proceda în funcŃie de poziŃia relativă a celor două drepte:
1. dacă dreptele (d1 ) şi (d 2 ) sunt concurente, atunci evident distanŃa dintre
cele două drepte este d ((d1 ), (d 2 )) = 0 .
2. dacă dreptele (d 1 ) şi (d 2 ) sunt paralele, atunci pentru determinarea
distanŃei dintre cele două drepte se consideră un punct M 1 pe dreapta (d1 ) şi
d ((d1 ), (d 2 )) = d (M 1 , (d 2 )) .
3. dacă dreptele ( d1 ) şi (d 2 ) sunt necoplanare, atunci pentru determinarea
distanŃei dintre cele două drepte (măsurată pe perpendiculara comună a dreptelor) se
aplică următoarea teoremă:
Teorema 5.3 (DistanŃa dintre două drepte necoplanare): Dacă

x − x1 y − y1 z − z1
( d1 ) : = =
l1 m1 n1
x − x2 y − y 2 z − z 2
(d 2 ) : = =
l2 m2 n2
sunt două drepte necoplanare, atunci distanŃa dintre dreptele (d1 ) şi (d 2 ) este
r r
( M 1M 2 , v1 , v2 )
d ((d1 ), (d 2 )) = r r , (3)
v1 × v 2
r r r r r r r r
unde M 1 ( x1 , y1 , z1 ) , M 2 ( x 2 , y 2 , z 2 ) , v1 = l1i + m1 j + n1k şi v 2 = l 2 i + m2 j + n 2 k .
r
DemonstraŃie: Vom considera paralelipipedul construit pe vectorii M 1 M 2 , v1
r
şi v 2 . ÎnălŃimea acestui paralelipiped, h p , este chiar distanŃa dintre dreptele ( d1 ) şi
r r
(d 2 ) , iar aria bazei paralelipipedului este v1 × v2 . Pe de altă parte, din interpretarea
r r
geometrică a produsului mixt, volumul acestui paralelipiped este ( M 1 M 2 , v1 , v 2 ) .
45
r
v1
M1
( d1 )
hp
r
(d 2 ) v2
M2
fig. 39
Aşadar
r r r r
d ((d 1 ), (d 2 )) ⋅ v1 × v 2 = ( M 1 M 2 , v1 , v 2 ) ,
de unde rezultă formula (3). ▄
ExerciŃiul 1: Fie punctul A(−2,0,3) şi planul ( P) : 3x + 4 y − z − 17 = 0 . Să se

determine:
i) proiecŃia punctului A pe planul (P);
ii) simetricul punctului A faŃă de planul (P).
A
r
n
B
( P)
C
fig. 40
SoluŃie: i) Notăm cu B proiecŃia punctului A pe planul (P). Atunci dreapta AB

r r r r
este perpendiculară pe planul (P). Deoarece n = 3i + 4 j − k este vector normal pentru
r
planul (P), obŃinem că n este vector director pentru dreapta AB. łinând cont că
x + 2 y z −3
A(−2,0,3) ∈ AB , ecuaŃiile dreptei AB vor fi AB : = = .
3 4 −1
Evident {B} = AB I ( P ) , deci coordonatele punctului B sunt soluŃia sistemului
 x + 2 y z −3
 = =
 3 4 −1 .
3x + 4 y − z − 17 = 0
Rezolvând acest sistem de trei ecuaŃii şi trei necunoscute, găsim B(1,4,2) .
46
ii) Dacă notăm cu C simetricul punctului A faŃă de planul (P), atunci punctul B
(proiecŃia lui A pe planul (P)) este mijlocul segmentului [AC]. Rezultă că
x + xC y + yC z + zC
xB = A , yB = A , zB = A .
2 2 2
Deoarece A(−2,0,3) şi B(1,4,2) , vom obŃine C (4,8,1) . 
x −1 y − 2 z − 3
ExerciŃiul 2: Fie punctul A(4,3,10) şi dreapta (d ) : = = . Să
2 4 5
se determine:
i) proiecŃia punctului A pe dreapta (d);
ii) simetricul punctului A faŃă de dreapta (d).
SoluŃie: i) Notăm cu B proiecŃia punctului A pe dreapta (d) şi cu (P) planul

care trece prin punctul A si este perpendicular pe dreapta (d).
(P)
A
r
v B
(d)
fig. 41
r r r r
Vectorul v = 2i + 4 j + 5k este vector director al dreptei (d) şi deci vector normal
pentru planul (P). Vom obŃine astfel
( P) : 2( x − 4) + 4( y − 3) + 5( z − 10) = 0 sau echivalent ( P) : 2 x + 4 y + 5z − 70 = 0 .
Se demonstrază fară dificultate că {B} = (d ) I ( P) . Astfel, coordonatele
punctului B sunt soluŃia sistemului
 x −1 y − 2 z − 3
 = =
 2 4 5 .
2 x + 4 y + 5z − 70 = 0
Prin rezolvarea acestui sistem găsim B(3,6,8) .
ii) Fie C simetricul punctului A faŃă de dreapta (d). Printr-un raŃionament
similar celui de la punctul b) al exerciŃiului precedent se obŃine C (2,9,6) . 
47
6. ExerciŃii
1. Să se scrie ecuaŃia planului care:

i) este paralel cu planul xOy si trece prin punctul A(2,4,−1);
ii) trece prin axa Ox şi prin punctul B(3,−1,2);
iii) este paralel cu axa Ox şi trece prin punctele C(4,0,-2) şi D(5,1,7).
2. Să se determine ecuaŃia planului care trece prin punctul M (1,−5,−3) şi este

perpendicular pe planele ( P1 ) : x + y − z − 2 = 0 şi ( P2 ) : 3x − y + z + 1 = 0 .
3. Planul ( P) : 3x + 2 y + z − 18 = 0 formează împreună cu planele de

coordonate un tetraedru. Să se determine lungimea diagonalei cubului care poate fi
înscris în acest tetraedru, astfel încât trei dintre feŃele sale să coincidă cu planele de
coordonate, iar un vârful opus originii să se afle în planul (P).
4. Să se determine α şi β astfel încât planele ( P1 ) : x + 2 y + z = α ,

( P2 ) : α x = 3 şi ( P3 ) : x + β y + z = 0
i) să se intersecteze după o dreaptă;
ii) să se intersecteze într-un punct;
iii) să poată forma suprafaŃa laterală a unei prisme.
5. Să se determine punctul M din planul xOy pentru care suma distanŃelor de

la punctele A(3,0,2) şi B(0,1,4) la M este minimă.
6. Se consideră familia de plane

( Pλ ) : (−1 − λ2 ) x + (1 + λ2 ) y + 2λz + λ2 + λ + 1 = 0
unde λ ∈ R .
Să se arate că :
i) Planele familiei date fac parte dintr-un fascicul de plane ;
ii) Există o direcŃie fixă care face acelaşi unghi cu fiecare plan al familiei.
7. Să se scrie ecuaŃiile dreptei care :

i) trece prin punctele A(2,0,1) şi B(1,−1,0) ;
r r r r
ii) trece prin origine şi are vectorul director v = i + 2 j − 3k .
8. Fie punctele A(1,2,3) , B(2,0,−2) şi C (3,3,0) . Să se scrie ecuaŃiile medianei,

înălŃimii şi bisectoarei din A în triunghiul ABC.
9. StudiaŃi, în funcŃie de parametrul λ , poziŃia relativă a dreptelor

x −3 y z −1  x − y + z −1 = 0
(d1 ) : = = şi (d 2 ) :  .
1 −2 λ 2 x + y − z − 2 = 0
48
10. Să se determine ecuaŃia dreptei care trece prin punctul M (1,1,2) şi este
x −1 y z +1
perpendiculară pe dreapta (d ) : = = .
2 3 2
x −1 y −1 z
11. Fie dreapta (d ) : = = şi punctul A(1,−1,3) .
1 1 −3
i) Să se determine proiecŃia punctului A pe dreapta (d) ;
ii) Să se determine simetricul punctului A faŃă de dreapta (d).
 x + y − 2z − 1 = 0
12. Fie dreapta (d ) :  şi punctul A(1,0,1) din spaŃiu. Să se
x + 3y − z − 4 = 0
determine punctul B de pe dreapta (d ) , cel mai apropiat de punctul A şi apoi să se
determine distanŃa dintre punctele A şi B.
13*. Se consideră dreptele

x + y − 1 = 0  x=0  x + 3z − 3 = 0
( d1 ) :  (d 2 ) :  (d 3 ) : 
 z =0 y + z − 2 = 0  y=0
a) Să se arate că cele trei drepte sunt două câte două necoplanare şi nu
există nici un plan paralel cu toate cele trei drepte ;
b) Fie M 1 şi M 2 puncte mobile pe dreptele (d1 ) şi (d 2 ) . Să se
determine locul geometric al mijlocului M al segmentului [ M 1 M 2 ] .
14. Fie punctul M (5,−7,2) , dreapta (d ) : x − 2 = y + 3 = − z şi planul

( P) : 2 x + y + 3z = 0 . Să se calculeze :
i) DistanŃa de la punctul M la dreapta (d) ;
ii) DistanŃ a de la punctul M la planul (P) ;
iii) DistanŃa de la dreapta (d) la planul (P).
49
Capitolul III
SpaŃii vectoriale
1. NoŃiunea de spaŃiu vectorial. Exemple
Pe întreg parcursul acestui capitol prin corp vom înŃelege un corp comutativ.
DefiniŃia 1.1: Fie K un corp având elementul unitate notat cu 1. Un spaŃiu

vectorial peste corpul K sau un K-spaŃiu vectorial este un grup abelian (V,+)
împreună cu o operaŃie externă
K × V →V , (a , v) a av
numită înmulŃire cu scalari, cu următoarele proprietăŃi:
1. a(v + u ) = av + au ,
2. (a + b)v = av + bv ,
3. (ab)v = a(bv) ,
4. 1v = v ,
pentru orice a, b ∈ K , v, u ∈ V .
Elementele lui K se numesc scalari, iar cele ale lui V vectori. Vom nota prin
0 K scalarul nul şi prin 0V vectorul nul.
ObsevaŃie: De cele mai multe ori, în exerciŃii sau exemple se va lucra cu spaŃii
vectoriale peste corpul numerelor reale R sau peste corpul numerelor complexe C. În
aceste situaŃii vom spune că avem un spaŃiu vectorial real, respectiv un spaŃiu
vectorial complex.
PropoziŃia 1.2: Fie V un K-spaŃiu vectorial, a ∈ K şi v ∈ V . Atunci:

1. av = 0V dacă şi numai dacă a = 0 K sau v = 0V ;
2. (−a)v = a(−v) = −av .
DemonstraŃie: 1. Fie a = 0 K . Atunci 0 K v = (0 K + 0 K )v = 0 K v + 0 K v , de

unde, prin scădere în ambii membri a termenului 0 K v , obŃinem că 0 K v = 0V .
Asemănător se demonstrează că a 0V = 0V .
50
Reciproc, presupunem că av = 0V . Dacă a ≠ 0 K , atunci a este inversabil in K
şi vom avea:
v = 1v = (a −1a)v = a −1 (av) = a −1 0V = 0V .
2. Se foloseşte punctul 1. al propoziŃiei precum şi relaŃiile:
0V = (a − a)v = av + (−a)v şi 0V = a(v − v) = av + a(−v) . ▄
Exemple: 1. Orice corp K are o structură de spaŃiu vectorial peste el însuşi,

dacă vom considera ca şi operaŃie externă chiar înmulŃirea din corpul K.
2. Fie K un corp şi n ∈ N * . Definim:

K n = K × K × ... × K = {( x1 , x 2 ,..., xn ) / xi ∈ K , i = 1,2,..., n} .
Pe mulŃimea K n o operaŃie de adunare:
( x1 , x 2 ,..., x n ) + ( y1 , y 2 ,..., y n ) = ( x1 + y1 , x 2 + y 2 ,..., x n + y n )
şi o înmulŃire cu scalari:
a( x1 , x 2 ,..., x n ) = (ax1 , ax2 ,..., axn ) , a ∈ K .
Se arată fară dificultate că mulŃimea K n este un K-spaŃiu vectorial. De menŃionat că
elementul neutru al operaŃiei de adunare este (0,0,...,0) ∈ K n , iar opusul elementului
( x1 , x 2 ,..., xn ) este (− x1 ,− x 2 ,...,− x n ) .
3. Din Capitolul I, rezultă că mulŃimea V3 a vectorilor liberi din spaŃiu este un

spaŃiu vectorial real, faŃă de adunarea vectorilor liberi şi înmulŃirea vectorilor liberi cu
scalari (numere reale). În acest exemplu deosebit de important, elementul neutru este
r r r r
vectorul liber nul 0 , iar opusul unui element v este − v (opusul lui v ca vector
liber).
4. Fie R corpul numerelor reale, n ∈ N * şi

R n [ X ] = {P ( X ) ∈ R[ X ] / gradP( X ) ≤ n}
mulŃimea polinoamelor cu coeficienŃi reali, de grad cel mult n. R n [ X ] devine un
spaŃiu vectorial real faŃă de operaŃiile de adunare a polinoamelor şi înmulŃire a
polinoamelor cu numere reale.
De asemenea, mulŃimea R[X ] a polinoamelor cu coeficienŃi reali împreună cu
operaŃiile menŃ ionate anterior are o structură de spaŃiu vectorial real.
5. Dacă în Exemplul 4 se înlocuieşte peste tot corpul numerelor reale R cu

corpul numerelor complexe C (având deci polinoame cu coeficienŃi complecşi), vom
obŃine două exemple de spaŃii vectoriale complexe.
6. MulŃimea
C ([a ,b]) = { f : [a ,b] → R / f continuã}
a funcŃiilor continue definite pe intervalul [a, b] cu valori reale, împreună cu
operaŃiile de adunare a funcŃiilor şi înmulŃire a funcŃiilor cu numere reale, capătă o
structură de spaŃiu vectorial real.
51
7. Fie m, n ∈ N * . Atunci mulŃimea M m, n (R ) a matricelor cu m linii şi n
coloane şi componente reale, împreună cu operaŃiile de adunare a matricelor şi de
înmulŃire a matricelor cu numere reale, devine un spaŃiu vectorial real.
2. DependenŃă şi independenŃă liniară
DefiniŃia 2.1: Fie V un spaŃiu vectorial peste corpul K şi v1 , v 2 ,..., vn ∈ V .

Spunem că vectorul v din V este o combinaŃie liniară a vectorilor v1 , v 2 ,..., vn cu
scalari din corpul K dacă există α 1 , α 2 ,...,α n ∈ K astfel încât:
v = α1v1 + α 2 v2 + ... + α n vn .
În acest caz, scalarii α 1 , α 2 ,...,α n se numesc coeficienŃii combinaŃiei liniare.

1. Spunem că vectorii v1 , v 2 ,..., vn sunt liniar dependenŃi dacă există
α 1 , α 2 ,...,α n ∈ K , nu toŃi nuli, astfel încât:
α1v1 + α 2 v 2 + ... + α n v n = 0V .
În acest caz notăm dep K {v1 , v2 ,..., vn } .
2. Spunem că vectorii v1 , v 2 ,..., vn sunt liniar independenŃi dacă nu sunt liniar
dependenŃi, adică, dacă din orice relaŃie de forma
α1v1 + α 2 v 2 + ... + α n v n = 0V ,
cu α i ∈ K , rezultă cu necesitate că α 1 = α 2 = ... = α n = 0 K . În acest caz notă m
ind K {v1 , v 2 ,..., v n } .
ObservaŃii: Primele trei afirmaŃii sunt consecinŃe imediate ale definiŃiei

precedente:
1. Orice mulŃime de vectori care are o submulŃime liniar dependentă este
liniar dependentă.
2. Orice submulŃime a unei mulŃimi liniar independente este liniar
independentă.
3. Orice mulŃime care conŃine vectorul nul este liniar dependentă.
4. Dacă V este un K-spaŃiu vectorial si v este un vector din V, atunci
ind K {v} dacă şi numai dacă v ≠ 0V . Într-adevă r, dacă presupunem ind K {v} atunci,
din observaŃia precedentă, v ≠ 0V . Reciproc, presupunem că v ≠ 0V . Consideră m
scalarul α astfel încât α v = 0V . Presupunem prin absurd că α ≠ 0 K . Deoarece K
este corp, α este inversabil şi 0V = α −1 (α v) = (α −1α )v = v , contradicŃie. Deci
α = 0 K , adică ind K {v} .
52
Exemple: 1. În spaŃiul vectorial real R n vectorii:
e1 = (1,0,0,...,0,0) , e2 = (0,1,0,...,0,0) , ..., en = (0,0,0,...,0,1)
(vectorul ei are 1 pe poziŃia i şi 0 în rest) sunt liniar independenŃi.
Într-adevăr, fie α1 , α 2 ,...,α n ∈ R astfel încât α 1e1 + α 2 e2 + ... + α n en = 0 R n .
Succesiv obŃinem:
α1 (1,0,0,...,0,0) + α 2 (0,1,0,...,0,0) + ... + α n (0,0,0,...,0,1) = (α1 ,0,0,...,0,0) +
(0 ,α 2 ,0,...,0,0) + ... + (0,0,0,...,0,α n ) = (α 1 , α 2 ,...,α n ) = (0,0,...,0)
de unde rezultă că α1 = α 2 = ... = α n = 0 .
r r r
2. În spaŃiul vectorial real V3 versorii i , j , k sunt liniar independenŃi.
r r r r
Într-adevăr, dacă α , β , γ sunt trei scalari astfel încât α i + β j + γ k = 0 , din
unicitatea descompunerii unui vector liber după trei direcŃii necoplanare rezultă că
α = β =γ =0.
3. În spaŃiul vectorial complex C[X ] vectorii 1, X , X 2 ,..., X n sunt liniar

independenŃi, deoarece polinomul α n X n + α n−1 X n−1 + ... + α1 X + α 0 este polinomul
nul dacă şi numai dacă toŃi coeficienŃii α i sunt nuli.
4. Se consideră spaŃiul vectorial real al funcŃiilor continue C (R ) şi vectorii

f1 ( x) = cos 2 ( x) , f 2 ( x) = sin 2 ( x) , f 3 ( x) = 1 . Atunci vectorii f1 ( x), f 2 ( x) şi f 3 ( x)
sunt liniar dependenŃi, deoarece 1 f1 ( x) + 1 f 2 ( x) + (−1) f 3 ( x) = 0 .
5. În spaŃiul vectorial real M m, n (R ) vom nota cu Ei , j matricea care are 1 pe

poziŃia (i,j) şi 0 în rest. Atunci vectorii Ei , j , cu 1 ≤ i ≤ m , 1 ≤ j ≤ n , sunt liniar
independenŃi.
PropoziŃia 2.3: Fie V un K-spaŃiu vectorial şi v1 , v2 ,..., v n ∈ V . Vectorii

v1 , v 2 ,..., vn sunt liniar dependenŃi dacă şi numai dacă există un indice i, 1 ≤ i ≤ n ,
astfel încât vi să fie o combinaŃie liniară a celorlalŃi n-1 vectori.
DemonstraŃie: Presupunem că v1 , v 2 ,..., vn sunt liniar dependenŃi. Atunci

există scalarii α 1 , α 2 ,...,α n , nu toŃi nuli, astfel încât
α1v1 + α 2 v 2 + ... + α n v n = 0V . (1)
Fie α i scalarul care este cu certitudine nenul. Atunci α i este inversabil. Astfel, din
relaŃia (1), obŃinem că
−1 −1 −1 −1
vi = (−α i α 1 )v1 + ... + (−α i α i −1 )vi −1 + (−α i α i +1 )vi +1 + ... + (−α i α n )v n ,
deci vi este o combinaŃie liniară a vectorilor v1 ,..., vi −1 , vi +1 ,..., v n .
Reciproc, dacă vi este o combinaŃie liniară a vectorilor v1 ,..., vi −1 , vi +1 ,..., v n ,
atunci există scrierea
vi = β 1v1 + ... + β i −1vi −1 + β i +1vi +1 + ... + β n v n .
53
Rezultă că
β1v1 + ... + β i −1vi −1 + (−1)vi + β i +1vi +1 + ... + β n v n = 0V .
Cum − 1 ≠ 0 , putem concluziona că v1 , v 2 ,..., vn sunt liniar dependenŃi. ▄
Prin negarea propoziŃiei precedente se obŃine următorul rezultat:
Corolar 2.4: Fie V un K-spaŃiu vectorial şi v1 , v2 ,..., v n ∈ V . Atunci vectorii

v1 , v 2 ,..., vn sunt liniar independenŃi dacă şi numai dacă pentru orice indice i,
1 ≤ i ≤ n , vectorul vi nu este o combinaŃie liniară a celorlalŃi n-1 vectori.
PropoziŃia 2.5: Fie V un K-spaŃiu vectorial şi v1 , v2 ,..., v n ∈ V . Vectorii

v1 , v 2 ,..., vn sunt liniar independenŃi dacă şi numai dacă orice scriere a unui vector v
din V ca o combinaŃie liniară a vectorilor v1 , v 2 ,..., vn se realizează în mod unic,
adică dacă avem scrierea v = α 1v1 + α 2 v 2 + ... + α n vn , cu α i ∈ K , 1 ≤ i ≤ n , atunci
coeficienŃii α i ai combinaŃiei liniare sunt unic determinaŃi.
DemonstraŃie: Presupunem mai întâi că v1 , v 2 ,..., vn sunt liniar independenŃ i

şi considerăm v ∈ V arbitrar. Dacă prin absurd v ar admite două scrieri distincte ca şi
combinaŃie liniară a vectorilor v1 , v 2 ,..., vn , atunci ar exista scalarii α1 ,...,α n , β1 ,..., β n
astfel încât
v = α1v1 + ... + α n v n = β1v1 + ... + β n v n ,
cu α i ≠ β i pentru măcar un indice 1 ≤ i ≤ n . ObŃinem că
(α1 − β1 )v1 + ... + (α i − β i )vi + ... + (α n − β n )v n = 0V ,
cu α i − β i ≠ 0 , deci v1 , v 2 ,..., vn sunt liniar dependenŃi – contradicŃie. Aşadar scrierea
lui v ca o combinaŃie liniară a vectorilor v1 , v 2 ,..., vn este unică.
Reciproc, presupunem că scrierea oricărui vector v din V ca o combinaŃie
liniară a vectorilor v1 , v 2 ,..., vn se realizează în mod unic. Considerăm v = 0V şi
observăm că
0V = 0v1 + 0v 2 + ... + 0v n .
Orice altă scriere de forma 0V = α 1v1 + α 2 v 2 + ... + α n v n implică
α1 = α 2 = ... = α n = 0 . Deci v1 , v 2 ,..., vn sunt liniar independenŃi. ▄
3. Sistem de generatori. Bază a unui spaŃiu vectorial

Spunem că vectorii v1 , v 2 ,..., vn formează un sistem de generatori al spaŃiului V dacă
54
orice vector din V este o combinaŃie liniară a vectorilor v1 , v 2 ,..., vn , adică pentru
orice v ∈ V există scalarii α 1 , α 2 ,..., α n , astfel încât
v = α 1v1 + ... + α n vn .
Exemple: 1. În spaŃiul vectorial R n vectorii:

e1 = (1,0,0,...,0,0) , e2 = (0,1,0,...,0,0) , ..., en = (0,0,0,...,0,1)
formează un sistem de generatori: dacă x = ( x1 , x2 ,..., x n ) este un vector arbitrar din
R n , atunci avem evident egalitatea x = x1e1 + x 2 e2 + ... + x n en .
r r r
2. Versorii i , j , k constituie un sistem de generatori al spaŃiului vectorial V3 ,
deoarece orice vector liber se poate scrie ca o combinaŃie liniară a acestor versori cu
anumiŃi scalari.
3. În spaŃiul vectorial R n [ X ] , al polinoamelor cu coeficienŃi reali, de grad cel

mult n, vectorii 1, X , X 2 ,..., X n formează un sistem de generatori, orice polinom de
grad cel mult n scriindu-se ca o combinaŃie liniară a monoamelor precedente.
4. În spaŃiul vectorial M m, n (R ) , matricele Ei , j , cu 1 ≤ i ≤ m , 1 ≤ j ≤ n ,

alcătuiesc un sistem de generatori: dacă A = (ai, j ) i , j =1,n este o matrice din
m, n
M m, n (R ) , atunci are loc egalitatea A = ∑ ai , j E i , j .
i , j =1
ObsevaŃie: În fiecare din exemplele precedente s-au gă sit, pentru spaŃiile

vectoriale menŃionate, sisteme de generatori finite (cu un numar finit de elemente).
Totuşi există si spaŃii vectoriale care nu admit sisteme de generatori finite. SpaŃiul
vectorial R[ X ] , al polinoamelor cu coeficienŃi reali, este un astfel de exemplu.
DefiniŃia 3.2: Un spaŃiu vectorial care admite o mulŃime finită de generatori

se numeşte spaŃiu vectorial finit generat.
DefiniŃia 3.3: Fie V un spaŃiu vectorial peste corpul K şi B = {v1 , v 2 ,..., vn } o

mulŃime de vectori din V. Vom spune că B este o bază a spaŃiului vectorial V dacă:
1. vectorii din B sunt liniar independenŃi;
2. vectorii din B formează un sistem de generatori al lui V.
Exemple: 1. În spaŃiul vectorial R n vectorii:

e1 = (1,0,0,...,0,0) , e2 = (0,1,0,...,0,0) , ..., en = (0,0,0,...,0,1)
formează o bază.
2. În spaŃiul vectorial R n [ X ] , monoamele 1, X , X 2 ,..., X n formează o bază.
3. Pentru spaŃiul vectorial M m, n (R ) , mulŃimea B = {Ei, j / 1 ≤ i ≤ m,1 ≤ j ≤ n}

reprezintă o bază.
55
PropoziŃia 3.4: Fie V un K-spaŃiu vectorial şi B = {v1 , v 2 ,..., vn } o mulŃime de
vectori din V. Atunci B este o bază a lui V dacă şi numai dacă pentru orice v ∈ V
există şi sunt unici α1 , α 2 ,...,α n ∈ K cu proprietatea că
v = α 1v1 + ... + α n vn .
DemonstraŃie: Din DefiniŃia 3.1, existenŃa scalarilor α1 , α 2 ,...,α n este

echivalentă cu faptul că vectorii mulŃ imii B formează un sistem de generatori al lui V.
Unicitatea scalarilor α1 , α 2 ,...,α n este echivalentă, conform PropoziŃiei 2.5, cu liniar
independenŃa vectorilor din mulŃimea B. ▄
DefiniŃia 3.5: Scalarii α 1 , α 2 ,..., α n din propoziŃia precedentă se vor numi

coordonatele vectorului v în baza B.
Lema 3.6: Fie V un K-spaŃiu vectorial şi S = {v1 , v 2 ,..., vn } un sistem de

generatori al lui V. Dacă există un indice i, 1 ≤ i ≤ n , astfel încât vi să fie o
combinaŃie liniară a celorlalŃi vectori, atunci mulŃimea S \ {vi } rămâne un sistem de
generatori al spaŃiului V.
DemonstraŃie: Fie v ∈ V arbitrar ales. Deoarece S este un sistem de

generatori al lui V, există scalarii α 1 , α 2 ,..., α n cu proprietatea că
v = α1v1 + ... + α i vi + ... + α n vn . (1)
Pe de altă parte, deoarece vi este o combinaŃie liniară a vectorilor din S \ {vi } , există
scalarii β 1 ,..., β i −1 , β i +1 ,..., β n astfel încât
vi = β1v1 + ... + β i −1vi −1 + β i +1vi +1 + ... + β n v n . (2)
Înlocuind relaŃia (2) în relaŃia (1), obŃinem egalitatea
v = (α1 + α i β1 )v1 + ... + (α i −1 + α i β i −1 )vi −1 + (α i +1 + α i β i +1 )vi +1 + ... + (α n + α i β n )v1
ceea ce arată că S \ {vi } este un sistem de generatori al lui V. ▄
Teorema 3.7: Fie V un K-spaŃiu vectorial finit generat. Atunci din orice sistem
de generatori al lui V se poate extrage o bază pentru V.
DemonstraŃie: Fie S = {v1 , v 2 ,..., vn } un sistem de generatori al spaŃiului

vectorial V. Fără a restrânge generalitatea, putem presupune că toŃi vectorii din S sunt
nenuli (altfel, se elimină din S vectorii nuli şi ce se obŃine va rămâne în continuare un
sistem de generatori al lui V).
Vom demonstra teorema utilizând metoda inducŃiei matematice.
Dacă n = 1 atunci S = {v1} . Cum v1 ≠ 0 , conform unei observaŃii anterioare,
avem ind K {v1 } , care, împreună cu ipoteza că S este sistem de generatori, conduce la
concluzia că S = {v1} este o bază a lui V.
Presupunem teorema adevărată pentru spaŃiile vectoriale care admit un sistem
de generatori având n − 1 vectori şi o vom demonstra pentru spaŃiile vectoriale care
admit un sistem de generatori format din n elemente {v1 , v2 ,..., v n } . Distingem
următoarele două cazuri posibile:
56
1. Vectorii mulŃimii {v1 , v2 ,..., v n } sunt liniar independenŃi. Atunci, evident,
S = {v1 , v 2 ,..., vn } este o bază a spaŃiului vectorial.
2. Există cel puŃin un vector în mulŃimea {v1 , v 2 ,..., vn } care este o combinaŃie
liniară a celorlalŃi vectori din mulŃime. Fie vi acest vector. Atunci, din Lema 3.6,
S \ {vi } rămâne un sistem de generatori al spaŃiului vectorial. Doarece S \ {vi } are
n − 1 elemente, putem aplica ipoteza inductivă şi astfel, din mulŃimea S \ {vi } se
poate extrage o bază a spaŃiului vectorial. ▄
Teorema 3.8 (Teorema schimbului): Fie V un K-spaŃiu vectorial finit generat,

{v1 , v 2 ,..., vn } un sistem de generatori al lui V şi {w1 , w2 ,..., wr } o mulŃime liniar
independentă de vectori din V. Atunci:
1. r ≤ n ;
2. Putem înlocui r vectori din sistemul de generatori, (eventual după o
renumerotare) fie aceştia v1 , v 2 ,..., vr , cu vectorii w1 , w2 ,..., wr astfel încât mulŃimea
obŃinută {w1 ,..., wr , vr +1 ,..., vn } să fie, de asemenea, un sistem de generatori al lui V.
DemonstraŃie: Vom demonstra teorema prin inducŃie matematică după r.

Dacă r = 1 , atunci evident r ≤ n . Din ipoteza că {v1 , v2 ,..., v n } este un sistem
de generatori al lui V, obŃinem existenŃa scalarilor α 1 , α 2 ,...,α n astfel încât
w1 = α 1v1 + α 2 v 2 + ... + α n v n . (3)
Deoarece avem ind K {w1} , rezultă w1 ≠ 0V , deci cel puŃin un scalar care apare în
combinaŃia liniară din relaŃia (3) este nenul. Putem presupune, eventual renumerotând
vectorii v1 , v 2 ,..., vn , că α1 ≠ 0 . Astfel, α1 va fi inversabil, care, împreună cu relaŃia
(3), conduce la
v = α −1 w + (−α −1α )v + ... + (−α −1α )v (4)
1 1 1 1 2 2 1 n n
Cum {v1 , v 2 ,..., vn } este sistem de generatori al lui V, din relaŃia (4) rezultă că
{w1 , v2 ,..., v n } este, de asemenea, un sistem de generatori al lui V.
Presupunem acum teorema adevărată pentru un sistem liniar independent
având r − 1 vectori şi vrem să o demonstrăm în cazul unui sistem liniar independent
cu r vectori. Dacă {w1 , w2 ,..., wr } este mulŃime liniar independentă, atunci şi
{w1 , w2 ,..., wr −1} este liniar independentă. Folosind ipoteza inductivă, obŃinem că
r − 1 ≤ n şi că {w1 ,..., wr −1 , v r ,..., v n } , după o eventuală renumerotare, este un sistem
de generatori al lui V. Dacă am avea r −1 = n , atunci {w1 ,..., wr −1} ar fi un sistem de
generatori al lui V, deci wr ar fi o combinaŃie liniară a vectorilor w1 ,..., wr −1 ,
contradicŃie cu liniar independenŃa mulŃimii {w1 , w2 ,..., wr } . Aşadar r − 1 < n , de
unde rezultă că r ≤ n .
Pentru a doua afirmaŃie a teoremei folosim faptul că {w1 ,..., wr −1 , v r ,..., v n }
este un sistem de generatori al lui V. Astfel, există scalarii α 1 ,...,α r −1 , β r ,..., β n cu
proprietatea că
wr = α1 w1 + ... + α r −1 wr −1 + β r v r + ... + β n v n . (5)
57
Deoarece mulŃimea {w1 , w2 ,..., wr } este liniar independentă, atunci cel puŃin unul
dintre scalarii β r ,..., β n este nenul. Putem presupune, după o eventuală renumerotare,
că β r ≠ 0, deci β r inversabil. Din relaŃia (5) vom obŃine că
−1 −1 −1 −1 −1
v r = (− β r α 1 ) w1 + ... + (− β r α r −1 ) wr −1 + β r wr + (− β r α r +1 )v r +1 + ... + (− β r α n )v n .
Din egalitatea precedentă şi din faptul că {w1 ,..., wr −1 , v r ,..., v n } este un sistem de
generatori al lui V, rezultă că {w1 ,..., wr , vr +1 ,..., vn } este un sistem de generatori al lui
V, iar teorema este demonstrată. ▄
Corolar 3.9: Fie V un K-spaŃiu vectorial finit generat. Atunci orice două baze
ale lui V au acelaşi numă r de elemente.
DemonstraŃie: Fie B1 şi B2 două baze ale lui V, având m şi respectiv n

elemente. În particular B1 este sistem liniar independent de vectori, iar B2 este un
sistem de generatori al lui V. Aplicând teorema precedentă obŃinem că m ≤ n .
Schimbăm acum rolul lui B1 cu al lui B2 şi făcând acelaşi raŃionament găsim n ≤ m .
Din cele două inegalităŃi rezultă că m = n , deci cele două baze au acelaşi cardinal. ▄
Din corolarul de mai sus reiese că numărul de elemente dintr-o bază este un
invariant al spaŃiului vectorial, adică acest număr nu depinde de baza aleasă, ci numai
de spaŃiul vectorial considerat. Astfel, are sens următoarea definiŃie:
DefiniŃia 3.10: Numă rul de elemente dintr-o bază oarecare a unui K-spaŃiu
vectorial finit generat V se numeşte dimensiunea spaŃiului vectorial şi se notează
dim K (V ) .
Exemple: Putem menŃiona câteva dimensiuni de spaŃii vectoriale importante:

1. dimR (R n ) = n ;
2. dimR (V3 ) = 3 ;
3. dimR (M m,n (R n )) = mn ;
4. dimR (R n [ X ]) = n + 1 ;
Tot din Corolarul 3.9, rezultă că dacă un spaŃiu vectorial are o bază formată
dintr-un număr infinit de vectori, atunci orice altă bază va conŃine tot un număr infinit
de vectori. În acest caz, vom spune că avem un spaŃiu vectorial infinit dimensional şi
notăm dim K (V ) = +∞ .
Un exemplu de spaŃiu infinit dimensional este R[ X ] , deoarece nu putem găsi
un sistem finit de generatori al lui R[ X ] şi deci cu atât mai mult nu există o bază a lui
R[X ] cu un număr finit de elemente.
Rezultatele prezentate în următorul corolar sunt consecinŃe imediate ale
Teoremei schimbului. Fiecare dintre acestea este deosebit de folositor în aplicaŃiile în
care se cere să se verifice dacă un anumit număr de vectori formează o bază într-un
spaŃiu vectorial.
Corolar 3.11: Fie V un K-spaŃiu vectorial cu dim K (V ) = n . Atunci:

1. Orice mulŃime de m vectori din V, cu m > n , este liniar dependentă ;
58
2. Orice mulŃime de n vectori din V este bază a lui V dacă şi numai dacă este
mulŃime liniar independentă ;
3. Orice mulŃime de n vectori din V este bază a lui V dacă şi numai dacă
mulŃimea reprezintă un sistem de generatori al lui V.
ExerciŃiu: Să se arate că mulŃimea

B = {v1 = (1,0,−1), v 2 = (−1,1,0), v3 = (0,1,1)}
este o bază a spaŃiului vectorial R 3 . DeterminaŃi coordonatele vectorului v = (7,0,3)
în această bază.
SoluŃie: Deoarece mulŃimea B are 3 elemente şi dimR (R 3 ) = 3 , este suficient

să arătăm, conform Corolar 3.11, că B este o mulŃime liniar independentă.
Considerăm scalarii α 1 ,α 2 ,α 3 astfel încât α 1v1 + α 2 v 2 + α 3 v3 = 0 R3 , adică
α1 (1,0,−1) + α 2 (−1,1,0) + α 3 (0,1,1) = (0,0,0) .
Folosind operaŃiile de pe spaŃiile vectoriale de tipul R n , egalitatea precedentă este
echivalentă cu relaŃia (α1 − α 2 , α 2 + α 3 ,−α1 + α 3 ) = (0,0,0) şi mai departe cu
sistemul:
 α1 − α 2 = 0

 α2 + α3 = 0
− α + α = 0
 1 3
Avem astfel un sistem liniar omogen, cu număr egal de ecuaŃii şi necunoscute.
Deoarece determinantul coeficienŃilor
1 −1 0
∆= 0 1 1 =2
−1 0 1
este nenul, sistemul este de tip Cramer, deci compatibil determinat (i.e. are soluŃie
unică). Cum sistemul este omogen, el are soluŃia banală. Deci unica soluŃie va fi
α 1 = α 2 = α 3 = 0 şi astfel putem conchide că vectorii mulŃimii B sunt liniar
independenŃi.
Pentru ultima parte a exerciŃiului trebuie să găsim scalarii β 1 , β 2 , β 3 cu
proprietatea că v = β1v1 + β 2 v 2 + β 3 v3 , adică
(7,0,3) = β1 (1,0,−1) + β 2 (−1,1,0) + β 3 (0,1,1) .
Ultima egalitate este echivalentă cu sistemul:
 β1 − β 2 = 7

 β 2 + β3 = 0
− β + β = 3
 1 3
Rezolvând sistemul, găsim β1 = 2, β 2 = −5, β 3 = 5 . 
59
4. SubspaŃii vectoriale
DefiniŃia 4.1: Fie V un K-spaŃiu vectorial. O submulŃime nevidă S a lui V se

numeşte subspaŃiu vectorial al lui V dacă cele două operaŃii date pe V induc pe S o
structură de K-spaŃiu vectorial.
PropoziŃia 4.2: Fie V un K-spaŃiu vectorial şi S o submulŃime nevidă a lui V.

Atunci următoarele afirmaŃii sunt echivalente:
1. S este un subspaŃiu vectorial al lui V;
2. sunt îndeplinite condiŃiile:
a) x + y ∈ S , pentru orice x , y ∈ S ;
b) α x ∈ S , pentru orice x ∈ S şi α ∈ K ;
3. α x + β y ∈ S , pentru orice x , y ∈ S şi α , β ∈ K .
DemonstraŃie: 1. ⇒ 2. AfirmaŃia este clară deoarece S este parte stabilă în

raport cu operaŃiile de pe V.
2. ⇒ 3. Fie x , y ∈ S şi α , β ∈ K arbitrari aleşi. Folosind condiŃia b) obŃinem
că α x , β y ∈ S , de unde, utilizând condiŃia a), rezultă că α x + β y ∈ S .
3. ⇒ 1. Fie x , y ∈ S arbitrari. Considerând α = 1 şi β = −1 , din afirmaŃia 3.
rezultă că x − y ∈ S , adică S este un subgrup al lui V. Luăm acum α = 1 şi β = 0 în
afirmaŃia 3. şi obŃinem că α x ∈ S . Toate condiŃiile din definiŃia spaŃiului vectorial
sunt adevărate, deoarece elementele lui S se află şi în V, deci S posedă o structură de
K-spaŃiu vectorial împreună cu operaŃiile de pe V.
ObservaŃie: Orice subspaŃiu vectorial conŃine vectorul nul al spaŃiului

vectorial (se ia α = 0 în condiŃia 2b).
Exemple : 1. Dacă V este un spaŃiu vectorial, atunci mulŃimea {0} este un

subspaŃiu vectorial al lui V, numit subspaŃiul nul. Orice subspaŃiu diferit de spaŃiul
vectorial V şi de subspaŃiul nul {0} se numeşte subspaŃiu propriu.
2. SubmulŃimile
R × {0} = {( x1 ,0) / x1 ∈ R}
{0} × R = {(0, x 2 ) / x 2 ∈ R}
sunt subspaŃii vectoriale ale lui R 2 . (Acest exemplu are următoarea interpretare
geometrică: axele de coordonate Ox şi respectiv Oy sunt subspaŃii vectoriale ale
planului xOy).
Într-adevăr, fie x, y ∈ R × {0} şi α , β ∈ R arbitrari. Atunci x = ( x1 ,0) ,
y = ( y1 ,0) cu x1 , y1 ∈ R , iar α x + β y = α ( x1 ,0) + β ( y1 ,0) = (α x1 + β y1 ,0) ∈ R × {0} .
În consecinŃă, folosind PropoziŃia 4.2, obŃinem că R × {0} este subspaŃiu vectorial al
lui R 2 . Analog se demonstrează că {0} × R este subspaŃiu vectorial al lui R 2 .
60
3. SpaŃiul vectorial R n [ X ] este un subspaŃiu vectorial al spaŃiului R[X ] ,
deoarece grad (α P( X ) + β Q ( X )) ≤ max( grad ( P ( X )), grad (Q( X ))) , pentru orice
P( X ), Q ( X ) ∈ R[ X ] şi α , β ∈ R .
4. MulŃimea M nS (R ) = { A ∈ M n (R ) / A = At } (a matricelor simetrice de ordin

n), precum şi mulŃimea M nA (R ) = { A ∈ M n (R ) / A = − At } (a matricelor antisimetrice
de ordin n) sunt subspaŃii vectoriale ale spaŃiului vectorial al matricelor pătratice de
ordin n.
5. MulŃimea D([a ,b]) a funcŃiilor derivabile definite pe intervalul [a,b] cu

valori reale este un subspaŃiu vectorial al spaŃiului C ([a ,b]) al funcŃiilor continue
definite pe intervalul [a,b] cu valori reale.
DefiniŃia 4.3: Dacă S1 şi S 2 sunt subspaŃii ale unui spaŃiu vectorial V, atunci
mulŃimea
S1 + S 2 = {s = s1 + s 2 / s1 ∈ S1 , s 2 ∈ S 2 }
se numeşte suma subspaŃiilor vectoriale S1 şi S 2 .
PropoziŃia 4.4: Fie V un K-spaŃiu vectorial şi S1 , S 2 două subspaŃii

vectoriale ale lui V. Atunci S1 + S 2 şi S1 I S 2 sunt de asemeni subspaŃii vectoriale
ale lui V.
DemonstraŃie: Vom folosi PropoziŃia 4.2.

Arătăm mai întâi că suma subspaŃiilor S1 şi S 2 este un subspaŃiu al lui V. Fie
r , s ∈ S1 + S 2 şi α , β ∈ K arbitrari. Din definiŃia precedentă, r = r1 + r2 , s = s1 + s 2
cu r1 , s1 ∈ S1 şi r2 , s 2 ∈ S 2 . Astfel
α r + β s = α r1 + α r2 + β s1 + β s 2 = (α r 1+ β s1 ) + (α r2 + β s 2 ) ∈ S1 + S 2 ,
deci S1 + S 2 este un subspaŃiu vectorial al lui V.
Demonstrăm acum că intersecŃia S1 I S 2 este subspaŃiu al lui V. Fie
r , s ∈ S1 I S 2 şi α , β ∈ K arbitrari. Deci r , s ∈ S i , i = 1,2 . Cum S i este un subspaŃiu
al lui V, rezultă că α r + β s ∈ S i , i=1,2, de unde α r + β s ∈ S1 I S 2 . Astfel S1 I S 2
este un subspaŃiu vectorial al lui V. ▄
ObservaŃie: NoŃiunea de sumă a două subspaŃii vectoriale poate fi extinsă la

un număr arbitrar finit de subspaŃii, şi în acest caz suma subspaŃiilor fiind în
contiuare un subspaŃiu vectorial. De asemeni, şi partea din propoziŃia 4.4 privind
intersecŃia celor două subspaŃii poate fi generalizată la o familie arbitrară de
subspaŃii ale lui V, intersecŃia rămânând şi în acest caz un subspaŃiu vectorial al lui
V.
DefiniŃia 4.5: Fie V un K-spaŃiu vectorial şi A o submulŃime nevidă a lui V.

MulŃimea
 n 
Sp( A) = ∑ α i vi / n ∈ N *vi ∈ A, α i ∈ K , i = 1, n
 i =1 
61
se numeşte subspaŃiul vectorial al lui V generat de mulŃimea A. (Sp(A) reprezintă
mulŃimea tuturor combinaŃiilor liniare finite care se pot forma cu elemente din A.)
PropoziŃia 4.6: În contextul şi cu notaŃiile definiŃiei precedente, Sp(A) este cel

mai mic subspaŃiu vectorial al lui V ce conŃine mulŃimea A.
DemonstraŃie: Demonstrăm întâi că Sp(A) este un subspaŃiu vectorial al lui V.

Fie v ,u ∈ Sp( A ) şi α , β ∈ K arbitrari. Deoarece v şi u sunt combinaŃii liniare ale unor
elemente din A, este clar că αv + βu va fi tot o combinaŃie liniară a elementelor lui A,
adică αv + β u ∈ Sp(A) , deci Sp(A) este subspaŃiu vectorial al lui V.
Considerăm acum S un subspaŃiu vectorial al lui V astfel încât A ⊆ S . Vrem
să arătăm că Sp( A ) ⊆ S . Fie v ∈ Sp( A ) arbitrar. Atunci v este de forma
v = α1v1 + ... + α n v n cu vi ∈ A, α i ∈ K , i = 1, n . Deoarece vi ∈ A ⊆ S şi S este un
subspaŃiu vectorial al lui V, obŃinem că v = α 1v1 + ... + α n vn ∈ S , adică Sp( A ) ⊆ S şi
astfel putem conchide că Sp(A) este cel mai mic subspaŃiu vectorial al lui V ce conŃine
mulŃimea A. ▄
Dacă V este un K- spaŃiu vectorial, iar S1 , S 2 sunt două subspaŃii vectoriale

ale lui V, atunci pentru un vector s ∈ S1 + S 2 este posibil să găsim mai multe
descompuneri de forma s = s1 + s 2 , cu s1 ∈ S1 , s 2 ∈ S 2 . De exemplu, în spaŃiul
vectorial real R3 considerăm subspaŃiile S1 = {( x1 , x 2 ,0) / x1 , x2 ∈ R} şi
S 2 = {(0, y1 , y 2 ) / y1 , y 2 ∈ R} . Pentru vectorul (1,7,3) ∈ R 3 avem scrierile
(1,7 ,3) = (1,1,0) + (0,6,3) şi (1,7,3) = (1,10,0) + (0,−3,3) . În continuare, vom analiza
cazul în care descompunerea de forma s = s1 + s 2 , cu s1 ∈ S1 , s 2 ∈ S 2 este unică.
DefiniŃia 4.7: Suma subspaŃiilor vectoriale S1 şi S 2 ale spaŃiului vectorial V

se numeşte sumă directă şi se notează S1 + S 2 = S1 ⊕ S 2 dacă pentru orice vector s
din S1 + S 2 avem o unică scriere de forma s = s1 + s 2 , cu s1 ∈ S1 , s 2 ∈ S 2 .
PropoziŃia 4.8: Fie V un K-spaŃiu vectorial şi S1 , S 2 două subspaŃii

vectoriale ale lui V. Atunci următoarele afirmaŃii sunt echivalente:
1. S1 + S 2 = S1 ⊕ S 2 ;
2. S1 I S 2 = {0V } .
DemonstraŃie: 1. ⇒ 2. Fie u ∈ S1 I S 2 şi considerăm un vector s ∈ S1 ⊕ S 2 .

Atunci există s1 ∈ S1 , s 2 ∈ S 2 astfel încât s = s1 + s 2 . Pe de altă parte,
s = ( s1 + u ) + ( s 2 − u ) şi s1 + u ∈ S1 , s 2 − u ∈ S 2 . łinând cont că avem o unicitate a
scrierii lui s ca suma a două elemente din S1 şi respectiv S 2 , obŃinem că s1 = s1 + u
şi s 2 = s 2 − u , de unde u = 0V . Aşadar S1 I S 2 = {0V } .
2. ⇒ 1. Fie s ∈ S1 ⊕ S 2 astfel încât s = s1 + s 2 = s '1 + s ' 2 cu s1 , s '1 ∈ S1 şi
s 2 , s ' 2 ∈ S 2 . ObŃinem că s1 − s '1 = s 2 − s ' 2 ∈ S1 I S 2 , de unde rezultă că
62
s1 − s '1 = s 2 − s ' 2 = 0V , adică s1 = s '1 şi s 2 = s ' 2 . Unicitatea scrierii s ca suma a două
elemente din S1 şi respectiv S 2 probează că S1 + S 2 = S1 ⊕ S 2 . ▄
DefiniŃia 4.9: Fie V un K-spaŃiu vectorial şi S1 , S 2 două subspaŃii vectoriale

ale lui V. Dacă V = S1 ⊕ S 2 , atunci S1 şi S 2 se numesc subspaŃii complementare în
V. Vom mai spune că S 2 este un complement al lui S1 .
Exemple: 1. SubspaŃiile S1 = R × {0} şi S 2 = {0} × R (vezi exemplul 2) sunt

subspaŃii complementare în R 2 . Într-adevăr, R 2 = S1 + S 2 şi orice vector
x = ( x1 , x 2 ) ∈ R 2 se scrie în mod unic sub forma x = ( x1 ,0) + (0 , x2 ) cu ( x1 ,0) ∈ S 1 şi
( 0, x 2 ) ∈ S 2 .
2. Dacă se consideră spaŃiul vectorial M n (R ) al matricelor pătratice de

dimensiune n cu componente reale, subspaŃiul M nS (R ) al matricelor simetrice şi
subspaŃiul M nA (R ) al matricelor antisimetrice (vezi exemplul 4), atunci
M n (R ) = M nS (R ) ⊕ M nA (R ) . Într-adevăr, fie A = (aij )1≤i , j ≤ n ∈ M n (R ) matrice
pătratică oarecare. Considerăm matricele:
1 1
A' =  (a + a )  ∈ M nS (R ) şi A" =  (a − a )  ∈ M nA (R ) .
 2 ij ji   2 ij ji 
Atunci A = A' + A" , ceea ce implică M n (R ) = M n (R ) + M nA (R ) . Pe de altă parte,
S
M nS (R ) I M nA (R ) = {0 n } , deci rezultă că M n (R ) = M nS (R ) ⊕ M nA (R ) .
PropoziŃia 4.10: Dacă V este un spaŃiu vectorial finit dimensional, atunci

pentru orice subspaŃiu vectorial al său există un complement.
DemonstraŃie:
Fie S un subspaŃiu vectorial al lui V şi B = {e1 , e2 ,..., er } o bază a lui S.
Evident B este o mulŃime liniar independentă de vectori din V şi, din Teorema
schimbului, putem completa mulŃimea B la o bază B = {e1 ,..., er , er +1 ,..., en } a lui V.
Fie S ' = Sp({er +1 ,..., en }) . Vom arăta că S ' este un complement al lui S.
Într-adevăr, dacă v ∈ V , atunci, din PropoziŃia 3.4, există şi sunt unici scalarii
α 1 , α 2 ,..., α n astfel încât v = α 1e1 + ... + α r er + α r +1e r +1 + ... + α n e n . Dacă notăm
s = α1e1 + ... + α r er şi s ' = α r +1er +1 + ... + α n en , rezultă că v = s + s ' , cu s ∈ S , s '∈ S '
unic determinaŃi. Astfel V = S ⊕ S ' , deci S ' este un complement al lui S. ▄
ObservaŃie: În general, complementul unui subspaŃiu vectorial nu este unic.

De exemplu, în spaŃiul vectorial R 3 subspaŃiul S = {( x1 , x2 ,0) / x1 , x2 ∈ R} are ca şi
complemenŃi atât subspaŃiul S1 = {(0, y, y) / y ∈ R} cât şi subspaŃiul
S 2 = {(0,0, z ) / z ∈ R} .
Ultima parte a acestei secŃiuni se ocupă cu studiul dimensiunii subspaŃiilor

vectoriale.
63
PropoziŃia 4.11: Fie V un K-spaŃiu vectorial finit dimensional şi S un
subspaŃiu vectorial al lui V. Atunci dim K ( S ) ≤ dim K (V ) , cu egalitate dacă şi numai
dacă S = V .
DemonstraŃie: Fie r = dim K (S ) şi n = dim K (V ) . Considerăm B' o bază a lui

S. În particular B' este o mulŃime liniar independentă a lui S, deci şi a lui V. Dacă B
este o bază a spaŃiului vectorial V, atunci B va fi un sistem de generatori al lui V. Din
Teorema schimbului obŃinem acum că dim K ( S ) ≤ dim K (V ) .
Dacă dim K ( S ) = dimK (V ) , atunci din Teorema schimbului B' va fi o bază şi a
lui V. Astfel S = Sp( B' ) = V . Reciproc, dacă S = V este evident că
dim K (S ) = dim K (V ) . ▄
Teorema 4.12 (Grassmann): Fie V un K-spaŃiu vectorial şi S1 , S 2 două

subspaŃii vectoriale finit dimensionale ale lui V. Atunci:
dimK (S1 + S 2 ) = dimK ( S1 ) + dimK ( S 2 ) − dimK ( S1 I S 2 ) .
DemonstraŃie: Fie dim K (S1 I S 2 ) = p , dim K (S1 ) = q , dim K (S 2 ) = r şi

considerăm B = {e1, e2 , ..., e p } o bază a subspaŃiului S1 I S 2 . Este clar că S1 I S 2
este subspaŃiu şi în S1 şi în S 2 , deci aplicând Teorema schimbului putem completa
baza B atât la o bază B1 = { e1, e2 , ..., e p , e 'p +1 ,...,eq' } a lui S1 , cât şi la o
bază B2 = { e1 , e2 , ..., e p , e"p +1 ,...,e"r } a lui S 2 . Vom arăta că
B = { e1 , e2 , ..., e p , e 'p +1 ,...,eq' , e "p +1,...,er" } este o bază a subspaŃiului S1 + S 2 .
Demonstrăm mai întâi liniar independenŃa:
fie scalarii α 1 ,...,α p , α 'p +1 ,..., α q' , α "p +1 ,..., α r" astfel încât
α 1e1 + ... + α p e p + α 'p +1e 'p+1 + ... + α q' eq' + α "p +1e "p+1 + ... + α r" er" = 0V .
Rezultă că vectorul
α 1e1 + ... + α p e p + α 'p +1e 'p +1 + ... + α q' e q' = −(α "p +1e "p +1 + ... + α r" er" ) (1)
aparŃine lui S1 I S 2 , deci este o combinaŃie liniară a vectorilor e1 , e2 , ..., e p . ObŃinem
astfel existenŃa unor scalari β1 ,..., β p astfel încât
β1e1 + ... + β p e p = −(α "p +1e "p +1 + ... + α r" e "r )
łinând cont de liniar independenŃa mulŃimii B2 , din egalitatea precedentă se obŃine că
α "p+1 = ... = α r" = 0 (2)
Înlocuind relaŃia (2) în (1), rezultă că α 1e1 + ... + α p e p + α 'p+1e 'p +1 + ... + α q' eq' = 0V .
Cum B1 este mulŃime liniar independentă, din relaŃia precedentă obŃinem că
α 1 = ... = α p = α 'p +1 = ... = α q' = 0 (3)
RelaŃiile (2) şi (3) asigură liniar independenŃa mulŃimii B.
Vom proba acum că B este un sistem de generatori al lui S1 + S 2 . Fie
s = s1 + s 2 ∈ S1 + S 2 , cu s1 ∈ S1 şi s 2 ∈ S 2 . B1 fiind sistem de generatori al lui S1
rezultă că există scalarii γ 1 ,..., γ p , γ p+1 ,..., γ q astfel încât
64
s1 = γ 1e1 + ... + γ p e p + γ p +1eq' +1 + ... + γ q eq' (4)
Analog, B2 sistem de generatori al subspaŃiului S 2 implică existenŃa scalarilor
δ 1 ,..., δ p , δ p+1 ,..., δ r astfel încât
s 2 = δ 1e1 + ... + δ p e p + δ p +1e "p +1 + ... + δ r er" . (5)
Adunând relaŃiile (4) şi (5) şi grupând convenabil termenii se obŃine:
s = s1 + s 2 = (γ 1 + δ 1 )e1 + ... + (γ p + δ p )e p + γ p +1eq' +1 + ... + γ q eq' + δ p +1e "p +1 + ... + δ r e "r
Astfel B constituie şi un sistem de generatori al lui S1 + S 2 . Pentru a încheia
demonstraŃia este suficient să remarcăm că B conŃine q + r − p elemente. ▄
5. Schimbarea bazei unui spaŃiu vectorial
Fie V un spaŃiu vectorial peste corpul K şi B1 = {e1 , e2 ,..., en } ,

B2 = { f1 , f 2 ,..., f n } două baze al lui V. Deoarece B1 este o bază a lui V, conform
PropoziŃiei 3.4 orice vector din V se exprimă în mod unic ca o combinaŃie liniară a
vectorilor bazei B1 cu anumiŃi scalari. În particular, acest lucru este valabil şi pentru
vectorii din B2 . Astfel se obŃine următorul sistem de relaŃii:
 f1 = c11e1 + c 21e2 + ... + c n1e n
 f = c e + c e + ... + c e
 2 12 1 22 2 n2 n (1)

 ...........................................
 f n = c1n e1 + c 2n e2 + ... + c nn en
cu cij ∈ K unic determinaŃi.
DefiniŃia 5.1: Matricea

 c11 c12 ... c1n 
 
 c21 c 22 ... c2n 
C = ∈ M n (K )
... ... ... ... 
 
c ... c nn 
 n1 c n2
se numeşte matricea de trecere de la baza B1 la baza B2 .
ObservaŃie: Sistemul de relaŃii (1) se poate scrie matricial sub următoarea

formă:
65
 f1   e1 
   
 f2  t  e2 
 ...  = C  ...  (2)
   
f  e 
 n  n
PropoziŃia 5.2: Fie V un K-spaŃiu vectorial şi B1 = {e1 , e2 ,..., en } ,

B2 = { f1 , f 2 ,..., f n } două baze al lui V. Atunci matricea de trecere C de la B1 la B2
este inversabilă , inversa ei C −1 fiind matricea de trecere de la B2 la B1 .
DemonstraŃie: Presupunem prin absurd că matricea de trecere C nu ar fi

inversabilă, adică det(C ) = 0 . În acest caz, sistemul:
 c11 x1 + c12 x 2 + ... + c1n x n = 0
c x + c x + ... + c x = 0
 21 1 22 2 n2 n

 ...........................................
c n1 x1 + c n 2 x 2 + ... + c nn x n = 0
ar avea şi alte soluŃii diferite de cea banală. Fie λ1 , λ 2 ,..., λ n o astfel de soluŃie nenulă.
ObŃinem că:
(c11λ1 + ... + c1n λn )e1 + ... + (c n1λ1 + ... + c nn λ n )en = 0e1 + ... + 0en = 0V ,
de unde, prin gruparea convenabilă a termenilor, găsim:
λ1 (c11e1 + ... + c n1en ) + ... + λ n (c1n e1 + ... + c nn e n ) = 0V .
łinând cont de relaŃiile sistemului (1), egalitatea precedentă este echivalentă cu
λ1 f1 + ... + λ n f n = 0V .
Cum cel puŃin unul dintre scalarii λ1 , λ 2 ,..., λ n este nenul, rezultă că mulŃimea
B2 = { f1 , f 2 ,..., f n } este liniar dependentă – o contradicŃie cu ipoteza că B2 este bază.
Aşadar presupunerea făcută este falsă, deci matricea de trecere de la o bază la alta este
mereu inversabilă.
Putem folosi acum că matricea C este inversabilă, deci şi matricea C t va fi
inversabilă (deoarece det (C ) = det (C t ) ). Astfel, din relaŃia (2) se obŃine că
 e1   f1   f1 
     
 e2  t −1  f 2  −1 t  f 2 
 ...  = (C )  ...  = (C )  ...  ,
     
e  f  f 
 n  n  n
ceea ce demonstrează că C −1 este matricea de trecere de la B2 la B1 . ▄
PropoziŃia 5.3: Fie V un K-spaŃiu vectorial B1 = {e1 , e2 ,..., en } ,

B2 = { f1 , f 2 ,..., f n } două baze al lui V şi C matricea de trecere de la baza B1 la baza
B2 . Dacă x1 , x 2 ,..., x n sunt coordonatele unui vector v ∈ V în baza B1 , iar
y1 , y 2 ,..., y n sunt coordonatele aceluiaşi vector v în raport cu baza B2 atunci:
66
 x1   y1 
   
 x2   y2 
 ...  = C  ...  (3)
   
x  y 
 n  n
DemonstraŃie: Deoarece x1 , x 2 ,..., x n sunt coordonatele lui v în baza B1 , iar

n n
y1 , y 2 ,..., y n sunt coordonatele lui v în baza B2 , atunci v = ∑ xi ei = ∑ y j f j .
i =1 j =1
Folosind sistemul de relaŃii (1) vom obŃine:
n n n  n  n  n 
∑ xi ei = ∑ y j f j = ∑ y j  ∑ cij ei  = ∑  ∑ cij y j  ei .
i =1 j =1 j =1  i =1  i =1  j =1 
n
Deoarece scrierea unui vector într-o bază este unică, rezultă că xi = ∑ cij y j ,
j =1
pentru orice 1 ≤ i ≤ n . Ultima egalitate este echivalentă cu relaŃia matriceală (3) şi
astfel demonstraŃia este completă. ▄
6. ExerciŃii
1. Să se demonstreze că mulŃimea R *+ împreună cu operaŃiile

⊕ : R *+ × R *+ → R *+ , x ⊕ y = x y
⊗ : R × R *+ → R *+ , α ⊕ x = x α
este un spaŃiu vectorial real.
2. Se consideră vectorii
v1 = (1,−3,2) , v 2 = (5,0,4) , v3 = (7,−6,8)
din spaŃiul vectorial R 3 .
i) Să se demonstreze că vectorii v1 , v 2 , v3 sunt liniar dependenŃi;
ii) Să se determine o relaŃie de liniar dependenŃă între cei trei vectori.
3. Să se studieze liniar independenŃa următorilor vectori:

i) v1 = (1,1,1,1) , v2 = (1,1,0,1) , v3 = (1,0,1,1) , v4 = (0,1,1,1) din R 4 ;
ii) f1 = 1 + X − 3 X 2 , f 2 = 2 X + X 2 , f 3 = 1 + 7 X din R 2 [ X ] ;
iii) f1 = e x , f 2 = xe x , f 3 = x 2 e x din C ([0,1]) ;
−1 1  1 − 1  1 0 0 1 
iv) A1 =   , A2 =   , A3 =   , A4 =   din M 2 (R ) .
 1 0 0 1  −1 1  1 − 1
67
4. Fie V un spaŃiu vectorial peste corpul K şi v1 , v2 , v3 ∈ V vectori liniar
independenŃi. Să se arate că vectorii v1 + v 2 , v 2 + v3 , v3 + v1 sunt liniar independenŃi.
Reciproc este adevărat?
5*. Se consideră numerele reale x1 , x 2 , ..., xn , distincte două câte două. Să se

demonstreze că vectorii:
v1 = (1,1,...,1) , v 2 = ( x1 , x 2 ,..., xn ) , v3 = ( x12 , x 22 ,..., xn2 ) ,..., v k = ( x1k −1 , x 2k −1 ,..., xnk −1 )
sunt liniar independenŃi, pentru orice k ≤ n .
6. StabiliŃi dacă următoarele sisteme de vectori formează baze ale spaŃiilor

vectoriale indicate:
i) v1 = (1,−3,2) , v 2 = (3,−2,1) , v3 = (2,−1,3) în R 3 ;
ii) v1 = 1 − 3i , v2 = 2 + 4i în C (ca spaŃiu vectorial real);
iii) f1 = 1 + X , f 2 = X + X 2 , f 3 = 1 + X 2 în R 2 [ X ] .
7. DeterminaŃi numărul real λ astfel încât vectorii

v1 = (1, λ ,2) , v2 = (0,1, λ ) , v3 = (2,0,2)
să formeze o bază a lui R 3 .
8. DeterminaŃi care din următoarele submulŃimi ale lui R n sunt subspaŃii

vectoriale ale lui R n ( n ≥ 3 ):
i) S = {x = ( x1 , x 2 ,..., xn ) ∈ R n / xi ≥ 0 , i = 1, n} ;
ii) S = {x = ( x1 , x 2 ,..., xn ) ∈ R n / xn = 0} ;
iii) S = {x = ( x1 , x 2 ,..., xn ) ∈ R n / x1 x2 = 0} ;
n
iv) S = { x = ( x1 , x2 ,..., x n ) ∈ R n / ∑ xi = 0} ;
i =1
n
v) S = {x = ( x1 , x 2 ,..., xn ) ∈ R n / ∑ xi = 1} .
i =1
În cazul subspaŃiilor găsite, aflaŃi dimensiunea lor.
9. Fie S submulŃimea matricelor din M 3 (R ) de forma

a b c
 
 c a + b + c 0 .
b 0 0 

Să se demonstreze că S este un subspaŃiu vectorial al lui M 3 (R ) şi să se determine
dimensiunea lui S, specificând şi o bază.
10. Să se determine coordonatele vectorului v = (3,0,7) din spaŃiul vectorial

3
R în baza B = {e1 = (1,1,1) , e2 = (1,2,2) , e3 = (1,2,3)} .
68
11. Să se arate că mulŃimile de polinoame B = {1,1 + X ,1 + X 2 } şi
B' = {1 + X 2 , X + X 2 , 2 X 2 } sunt baze în R 2 [ X ] . DeterminaŃi matricea de trecere de
la B la B' .
12. Să se demonstreze că subspaŃiile lui R 4 generate de vectorii

U = {(2,3,11,5) , (1,1,5,2) , (0,1,1,1)}
V = {(2,1,3,2) , (1,1,3,4) , (5,2,6,2)}
sunt complementare.
69
Capitolul IV
SpaŃii euclidiene
1. Produs scalar. Normă
DefiniŃia 1.1: Fie V un spaŃiu vectorial real. O aplicaŃie

⋅ ,⋅ :V × V → R
cu proprietăŃile:
1. x, y = y, x , pentru orice x, y ∈ V - simetrie;
2. x + y, z = x, z + y, z , pentru orice x, y, z ∈ V - aditivitate;
3. λx, y = λ x, y , pentru orice x, y ∈ V şi orice λ ∈ R - omogenitate;
4. x, x ≥ 0 , pentru orice x ∈ V , cu egalitate dacă şi numai dacă x = 0V –
pozitiv definire şi nedegenerare,
se numeşte produs scalar pe spaŃiul vectorial V.
DefiniŃia 1.2: Un spaŃiu vectorial real pe care s-a definit un produs scalar se
numeşte spaŃiu euclidian.
ObservaŃie: Deoarece un spaŃiu euclidian este în primul rând un spaŃiu

vectorial, noŃiuni ca vectori liniar (in)dependenŃi, sistem de generatori, bază,
dimensiune etc., introduse pe parcursul Capitolului 3, rămân valabile şi vor prezenta
importanŃă şi în cazul spaŃiilor euclidiene. În acelaşi timp, aplicaŃia de produs scalar
face posibilă definirea de noi concepte şi prezentarea unor rezultate caracteristice
numai spaŃiilor euclidiene.
PropoziŃia 1.3: Produsul scalar ⋅,⋅ pe un spaŃiu euclidian V are

proprietăŃile:
1. x,0V = 0V , x = 0 ;
2. x, y + z = x, y + x, z , pentru orice x, y, z ∈ V ;
n n
3. ∑ α i xi , y = ∑ α i xi , y , pentru orice x1 ,...xn , y ∈ V şi α1 ,...,α n ∈ R ;
i =1 i =1
70
4. x, λy = λ x, y , pentru orice x, y ∈ V şi λ ∈ R .
DemonstraŃie: 1. Prima egalitate este evidentă din proprietatea de simetrie a

produsului scalar. Pentru cea de-a doua egalitate avem:
0V , x = 0V + 0V , x = 0V , x + 0V , x , de unde obŃinem că
0V , x = 0 .
2. Din proprietăŃile de simetrie şi aditivitate ale produsului scalar, succesiv
avem: x, y + z = y + z , x = y, x + z , x = x, y + x, z , pentru orice x, y, z ∈ V .
3. RelaŃia se demonstrează folosind metoda inducŃiei matematice şi
proprietatea de aditivitate a produsului scalar.
4. Folosind proprietăŃile de simetrie şi omogenitate ale produsului scalar, vom
obŃine:
x, λy = λy, x = λ y, x = λ x, y , pentru orice x, y ∈ V şi orice λ ∈ R . ▄
Exemple: 1. SpaŃiul vectorial V3 al vectorilor liberi înzestrat cu produsul

scalar
r r r r r r r r
a, b = a ⋅ b = a b cos (a , b )
(definit în Capitolul 1) este un spaŃiu euclidian real.
2. Se consideră spaŃiul vectorial real R n şi pentru orice doi vectori x, y ∈ R n ,

x = ( x1 , x 2 ,..., xn ) , y = ( y1 , y 2 ,..., y n ) definim
x, y = x1 y1 + x 2 y 2 + ... + xn y n .
Se demonstrează fară dificultate că această aplicaŃie verifică axiomele produsului
scalar şi astfel R n devine un spaŃiu euclidian real.
3. Fie L2 spaŃiul vectorial al şirurilor de numere reale (x n )n∈N* cu

∞
2
proprietatea că seria ∑ xi este convergentă. Definim aplicaŃia:
i =1
∞
⋅ ,⋅ : L2 × L2 → R , x , y = ∑ xi y i ,
i =1
pentru orice x = ( x n )n∈N* şi y = ( y n )n∈N* şiruri din L2 .
Deoarece xi yi ≤
1
2
xi( 2
+ yi
2
), pentru orice i ∈ N , seria ∑ x y
*
∞
i =1
i i este convergentă,
deci aplicaŃia ⋅,⋅ este bine definită. Mai mult, această aplicaŃie verifică şi axiomele
produsului scalar, prin urmare L2 este un spaŃiu euclidian real.
4. Dacă se consideră spaŃiul C ([a, b]) al funcŃiilor continue definite pe

intervalul [a, b] cu valori reale, atunci aplicaŃia
b
⋅ ,⋅ : C ([a , b]) × C ([a , b]) → R , f , g = ∫ f ( x) g ( x)dx
a
este un produs scalar pe spaŃiul C ([a, b]) .
71
Într-adevăr, pentru f , g , h ∈ C ([a, b]) şi λ ∈ R arbitrari, avem:
b b
• f , g = ∫ f ( x) g ( x)dx = ∫ g ( x) f ( x)dx = g , f ;
a a
b b b
• f + g , h = ∫ ( f ( x) + g ( x))h( x)dx = ∫ f ( x)h( x)dx + ∫ g ( x)h( x)dx =
a a a
f , h + g, h
b b
• λf , g = ∫ λf ( x) g ( x)dx = λ ∫ f ( x) g ( x)dx = λ f , g ;
a a
b
• f , f = ∫ ( f ( x)) 2 dx ≥ 0 , deoarece integrala definită dintr-o funcŃie pozitivă
a
b 2
este întotdeauna pozitivă. Mai mult, dacă f , f = 0 , atunci ∫a ( f ( x)) dx = 0 , de
unde, Ńinând cont de interpretarea geometrică a integralei şi de faptul că f este
continuă, obŃinem că ( f ( x)) 2 = 0 , şi astfel f ( x) = 0 , pentru orice x ∈ [a, b] .
Reciproc, dacă f ( x) = 0 , pentru orice x ∈ [a, b] , atunci evident f , f = 0 .
5. SpaŃiul vectorial real M m,n (R ) al matricelor cu m linii şi n coloane devine

un spaŃiu euclidian real dacă se consideră aplicaŃia
⋅,⋅ M m,n (R ) × M m,n (R ) → R , A, B = Tr ( At B) .
( Tr (C ) reprezintă urma matricei pătratice C, adică suma elementelor de pe diagonala
principală a matricei C).
Teorema (Cauchy-Buniakowski-Schwarz) 1.4: Dacă V este un spaŃiu

euclidian cu produsul scalar ⋅,⋅ , atunci
2
x, y ≤ x, x y, y , (1)
pentru orice x, y ∈ V . Egalitatea are loc dacă şi numai dacă vectorii x şi y sunt liniar
dependenŃi.
DemonstraŃie: Dacă x = 0V , atunci x, y = x, x = 0 , deci în relaŃia (1) avem

egalitate. Pe de altă parte, deoarece orice mulŃime de vectori ce conŃine vectorul nul
este liniar dependentă, teorema este demonstrată în acest caz particular.
Putem presupune deci că x ≠ 0V , adică x, x > 0 . Considerăm α ∈ R
arbitrar. Din proprietatea de pozitiv definire a produsului scalar, rezultă că
α x + y, α x + y ≥ 0 . Pe de altă parte, folosind axiomele produsului scalar, avem
αx + y, αx + y = α 2 x, x + 2α x, y + y, y ,
deci
α 2 x, x + 2α x, y + y, y ≥ 0 , pentru orice x, y ∈ V .
Definim funcŃia ϕ : R → R , ϕ (α ) = α 2 x, x + 2α x, y + y, y . Observăm că ϕ este
o funcŃie polinomială de gradul doi, având coeficientul termenului dominant
x, x > 0 şi cu proprietatea că ϕ (α ) ≥ 0 , pentru orice α ∈ R . ObŃinem că
2
discriminantul său ∆ ≤ 0 , adică 4 x, y − 4 x, x y, y ≤ 0 , de unde rezultă că
2
x, y ≤ x, x y , y .
72
2
Presupunem acum că x, y = x, x y, y , adică ∆ = 0 . Atunci ecuaŃia de
gradul doi α 2 x, x + 2α x, y + y, y = 0 are două rădacini reale egale α 1 = α 2 .
ObŃinem deci că α1 x + y, α1 x + y = 0 . Din proprietatea de nedegenerare a
produsului scalar rezultă că α 1 x + y = 0 , deci vectorii x şi y sunt liniar dependenŃi.
Reciproc, dacă x şi y sunt liniar dependenŃi, atunci există λ ∈ R astfel încât
2 2 2
y = λx . Rezultă că x, y = α 2 x, x , iar x , x y , y = x, x α x, α x = α 2 x, x .
2
Din ultimele două relaŃii obŃinem că x, y = x, x y, y . ▄
DefiniŃia 1.5: Fie V un spaŃiu vectorial real. Se numeşte normă pe spaŃiul V o

aplicaŃie ⋅ : V → R care verifică relaŃiile:
1. x ≥ 0 , pentru orice x ∈ V , cu egalitate dacă şi numai dacă x = 0V ;
2. x + y ≤ x + y , pentru orice x, y ∈ V (inegalitatea triunghiului);
3. λx = λ x , pentru orice x ∈ V şi λ ∈ R .
DefiniŃia 1.6: Un spaŃiu vectorial pe care s-a definit o normă se numeşte

spaŃiu normat.
Exemple: 1. AplicaŃiile ⋅ ∞
, ⋅ 1, ⋅ p
: R n → R , definite prin:
x ∞
= max x k ,
k =1, n
n
x 1 = ∑ xk ,
k =1
1
 n p p
x =  ∑ xk  , p ≥1
p  
 k =1 
sunt norme pe spaŃiul vectorial R n .
2. În spaŃiul vectorial C ([a, b ]) al funcŃiilor continue definite pe intervalul

[a , b] cu valori reale, aplicaŃia
⋅ : C ([a , b]) → R , f = sup f ( x)
x∈[ a ,b ]
este o normă pe C ([a, b ]) .
PropoziŃia 1.7: Fie V un spaŃiu euclidian. AplicaŃia ⋅ : V → R , definită prin

x = x, x este o normă, numită norma euclidiană .
DemonstraŃie: Axioma 1. din definiŃ ia normei rezultă imediat din faptul că un

radical de ordin par este pozitiv şi din proprietatea de nedegenerare a produsului
scalar. Axioma 3. rezultă din proprietatea de omogenitate a produsului scalar.
73
łinând cont că x = x, x , din inegalitatea Cauchy-Buniakowski-Schwarz
rezultă că x, y ≤ x y , pentru orice x, y ∈ V . ObŃinem astfel:
2 2 2 2
x+ y = x + y , x + y = x, x + 2 x, y + y , y = x + 2 x, y + y ≤ x + 2 x, y +
2 2 2 2
y ≤ x +2 x y + y =(x + y ) ,
de unde, având în vedere că aplicaŃia este pozitiv definită, rezultă că
x + y ≤ x + y , pentru orice x, y ∈ V . ▄
Corolar 1.8: Orice spa Ńiu euclidian este un spa Ńiu normat.
ObservaŃie: Dacă V este un spa Ńiu euclidian cu produsul scalar ⋅,⋅ , iar
x ∈ V , atunci prin x se înŃelege norma euclidiană a lui x, adică x = x, x .
Aşa cum s-a văzut anterior, orice produs scalar al unui spaŃiu euclidian induce
o normă. În cele ce urmează, vrem să vedem în ce condiŃii o normă provine dintr-un
produs scalar, adică este normă euclidiană.
PropoziŃia 1.9: Fie V un spaŃiu vectorial normat. Norma ⋅ de pe V este o

normă euclidiană dacă şi numai dacă este satisfăcută rela Ńia (cunoscută sub numele
de identitatea paralelogramului):
x+ y
2
+ x− y
2
=2 x ( 2
+ y
2
),
pentru orice x, y ∈ V .
DemonstraŃie: Presupunem că norma lui V este o normă euclidiană. Atunci

există ⋅, ⋅ un produs scalar pe V astfel încât x = x, x , oricare ar fi x ∈ V . Astfel,
Ńinând cont şi de axiomele produsului scalar, obŃinem că:
2 2
x+ y + x− y = x + y , x + y + x − y , x − y = x, x + x, y + y , x + y , y +
x, x − x, y − y, x + y, y = 2 x + y ( 2 2
)
Reciproc, presupunem că norma de pe V satisface identitatea paralelogramului.
Vom arăta că aplicaŃia
⋅ ,⋅ :V × V → R x , y =
1
4
x + y
2
− x − y (
2
)
este un produs scalar şi că norma ⋅ de pe V provine din acest produs scalar.
Verificăm axiomele din definiŃ ia produsului scalar:
• simetria :
x, y =
1
4
( 2
x+ y − x− y =
2 1
4
) (2 2
x + y − −1 y − x =
2 1
4
2 2
x + y − y − x = y, x ) ( )
• aditivitatea : observăm că pentru orice x, y, z ∈ V avem:
74
x + y, z + x − y, z =
1
4
(
x+ y+z
2
)+ 14 ( x − y + z − x − y − z ) =
− x+ y−z
2 2 2
(4 x + y + z + x − y + z )− 14 ( x + y − z + x − y − z ) =
1 2 2 2 2
(2 x + z + y )− 12 ( x − z + y ) = 12 ( x + z − x − z ) = 2 x, z
1 2 2 2 2 2 2
(2)
Considerând y = x în relaŃia (2) obŃinem:

2 x , z = 2 x, z , (3)
pentru orice x, z ∈ V .
Rescriem acum relaŃia (2) cu x + y şi x − y în locul lui x şi respectiv y.
Rezultă că
2 x, z + 2 y , z = 2 x + y , z ,
de unde, folosind relaŃia (3),
x, z + y, z = x + y, z .
• omogenitatea: se demonstrează prin inducŃie, folosind şi proprietatea
de aditivitate probată anterior, că
m m
∑ xi , y = ∑ xi , y ,
i =1 i =1
pentru orice x1 ,..., x m , y ∈ V , În particular, considerând x1 = ... = x m = x , obŃinem că
mx, y = m x, y ,
pentru orice x, y ∈ V şi orice m ∈ N .
Deoarece 0V , y = 0 , rezultă că − mx, y = − mx, y = − m x, y , pentru orice
x, y ∈ V şi orice m ∈ N . Astfel obŃinem că
mx, y = m x, y
pentru orice x, y ∈ V şi orice m ∈ Z .
Fie acum n ∈ N * . Succesiv avem:
1 1 1 1 1 1
x, y = n x, y = n x, y = x, y ,
n n n n n n
de unde rezultă că
m m
x, y = x, y ,
n n
pentru orice x, y ∈ V şi orice m ∈ Z , n ∈ N * . Ultima relaŃie este echivalentă cu
qx, y = q x, y ,
pentru orice x, y ∈ V şi orice q ∈ Q .
Considerăm acum α ∈ R . Un rezultat din cadrul analizei matematice asigură
existenŃa unui şir de numere raŃionale (q k )k∈N cu proprietatea că lim q k = α .
k →∞
Folosind proprietăŃile demonstrate anterior pentru aplicaŃia ⋅,⋅ , avem:
75
α x, y − α x, y ≤ α x , y − q k x, y + q k x, y − α x, y = α x, y − q k x , y +
(q k − α ) x, y = (α − q k ) x, y + q k − α x, y ≤ (α − q k ) x y + q k − α x, y
= α − q k x y + q k − α x, y
Trecând la limită k → ∞ , din această relaŃie obŃinem αx, y − α x, y ≤ 0 , ceea ce
conduce la concluzia dorită: αx, y = α x, y , pentru orice x, y ∈ V şi orice α ∈ R .
• pozitiv definirea şi nedegenerarea: evident
2
x, x = x ≥ 0,
cu egalitate dacă şi numai dacă x = 0V . ▄
DefiniŃia 1.10: Fie V un spaŃiu vectorial real. Se numeşte distan Ńă sau metrică
pe V o aplica Ńie d :V ×V → R care verifică proprietăŃile:
1. d ( x, y ) ≥ 0 pentru orice x, y ∈ V , cu egalitate dacă şi numai dacă x = y ;
2. d ( x, y ) = d ( y, x) , pentru orice x, y ∈ V ;
3. d ( x, y ) ≤ d ( x, z ) + d ( z , y ) , pentru orice x, y, z ∈ V .
DefiniŃia 1.11: Un spaŃiu vectorial pe care s-a definit o distanŃă se numeşte

spaŃiu metric.
PropoziŃia 1.12: Fie V un spaŃiu normat. Atunci aplica Ńia d :V ×V → R ,

definită prin d ( x, y ) = x − y este o distanŃă pe V.
DemonstraŃie: Vom arăta că aplicaŃia d satisface axiomele din definiŃia

distanŃei. ProprietăŃile de pozitiv definire şi nedegenerare, precum şi inegalitatea
triunghiului, rezultă imediat din proprietăŃile corespunzătoare ale normei. Mai trebuie
probată simetria:
d ( x, y ) = x − y = − ( y − x ) = − 1 y − x = d ( y , x ) .
Astfel, aplicaŃia d ( x, y ) = x − y este o distanŃă pe V. ▄
2. Ortogonalitate. Baze ortonormate
Dacă x şi y sunt doi vectori nenuli dintr-un spaŃiu euclidian V, atunci

inegalitatea Cauchy-Buniakowski-Schwarz se poate rescrie
x, y
−1 ≤ ≤ 1.
x y
Acest lucru justifică introducerea următoarei noŃiuni:
76
DefiniŃia 2.1: Fie V un spaŃiu euclidian şi x, y doi vectori nenuli din V. Se
numeşte unghi dintre vectorii x şi y numărul θ ∈ [0, π ] dat de relaŃia:
x, y
cos θ = .
x y
DefiniŃia 2.2: Fie V un spaŃiu euclidian. Doi vectori x şi y din V se numesc

ortogonali dacă x, y = 0 . În acest caz notă m x ⊥ y .
ObservaŃie: Din PropoziŃia 1.3 rezultă că vectorul nul este ortogonal pe orice
vector al unui spa Ńiu euclidian.
PropoziŃia 2.3 : Fie V un spa Ńiu euclidian şi x, y doi vectori din V. Atunci
vectorii x şi y sunt ortogonali dacă şi numai dacă are loc relaŃia
2 2 2
x+ y = x + y . (1)
DemonstraŃie: Succesiv avem:

2 2 2
x+ y = x + y , x + y = x, x + x, y + y , x + y , y = x + 2 x, y + y .
2 2 2
Astfel, x + y = x + y dacă şi numai dacă 2 x, y = 0 sau, echivalent x ⊥ y . ▄
ObservaŃie: Rezultatul precedent mai este cunoscut sub numele de Teorema

lui Pitagora pentru spa Ńii euclidiene. Teorema lui Pitagora din geometria clasică
poate fi privită ca un caz particular, dacă se consideră spaŃiul euclidian V3 al
vectorilor liberi cu produsul scalar introdus în paragraful anterior.
PropoziŃia 2.4: Dacă V este un spaŃiu euclidian, iar x1 , x 2 ,..., x n sunt n vectori
nenuli din V, ortogonali doi câte doi, atunci x1 , x 2 ,..., xn sunt liniar independen Ńi.
DemonstraŃie: Vectorii x1 , x 2 ,..., xn fiind ortogonali doi câte doi înseamnă că

xi , x j = 0 , pentru orice i ≠ j .
Fie α 1 , α 2 ,...,α n ∈ R astfel încât α 1 x1 + α 2 x2 + ... + α n x n = 0V şi fixăm un
indice 1 ≤ k ≤ n arbitrar. Rezultă că α1 x1 + α 2 x2 + ... + α n x n , x k = 0V , xk = 0 , de
unde obŃinem că α1 x1 , x k + α 2 x2 , x k + ... + α n xn , xk = α k x k , x k = 0 . Din
ultima egalitate, având în vedere că x k ≠ 0V , rezultă α k = 0 . Cum indicele k a fost
ales arbitrar, putem conchide că α i = 0 , pentru orice 1 ≤ i ≤ n , ceea ce implică liniar
independenŃa vectorilor x1 , x 2 ,..., x n . ▄
DefiniŃia 2.5: O bază a unui spa Ńiu euclidian se numeşte bază ortogonală
dacă oricare doi vectori ai bazei sunt ortogonali. Dacă în plus toŃi vectorii bazei sunt
de normă 1 atunci baza se numeşte ortonormată.
Din definiŃia precedentă rezultă că B = {ei }i∈I este bază ortonormată dacă şi
numai dacă
77
ei , e j = δ ij ,
1, pentru i = j
pentru orice i, j ∈ I , unde δ ij =  este simbolul lui Kronecker.
0, pentru i ≠ j
ObservaŃie: Se poate introduce următorul concept mai general: o submulŃime

A a unui spaŃiu euclidian se numeşte sistem ortonormat dacă xi , x j = δ ij , pentru
orice xi , x j ∈ A .
Teorema 2.6: În orice spa Ńiu euclidian finit dimensional există o bază
ortonormată.
DemonstraŃie: Fie V un spaŃiu euclidian finit dimensional. Atunci V are o

bază finită, B = {e1 , e2 ,..., en } . Găsirea unei baze ortonormate a lui V se face în două
etape: se determină mai întâi, pornind de la baza B, o bază B' ortogonală; apoi, cu
ajutorul bazei intermediare B' se construieşte baza finală B ortonormată.
Etapa I: Vom construi inductiv baza B' = {e'1 , e' 2 ,..., e' n } ortogonală. Definim:
• e'1 = e1 ;
• e' 2 = e2 + α1e'1 , cu α1 ∈ R . Scalarul α 1 se determină din condiŃia de
ortogonalitate e' 2 ⊥ e'1 , adică e' 2 , e'1 = 0 . łinând cont de forma considerată pentru
e' 2 , obŃinem e2 + α1e'1 , e'1 = 0 , de unde e2 , e'1 + α1 e'1 , e'1 = 0 . Astfel rezultă că
e2 , e'1
α1 = − .
e'1 , e'1
• e'3 = e3 + β1e'1 + β 2 e' 2 , cu β1 , β 2 ∈ R . Determinăm β1 şi β 2 din
condiŃiile e'3 ⊥ e'1 şi e'3 ⊥ e' 2 . Din prima relaŃie de ortogonalitate obŃinem că
e3 + β1e'1 + β 2 e' 2 , e'1 = 0 sau, echivalent, e3 , e'1 + β1 e'1 , e'1 + β 2 e' 2 , e'1 = 0 .
e3 , e'1
Deoarece e' 2 , e'1 = 0 , obŃinem β1 = − . Similar, din e'3 ⊥ e' 2 găsim
e'1 , e'1
e3 , e' 2
β2 = − .
e' 2 , e' 2
• Presupunem că s-au construit vectorii e'1 , e' 2 ,..., e' k ∈ V , ortogonali
doi câte doi. Definim e' k +1 = ek +1 + λ1e'1 +λ 2 e' 2 +... + λ k e' k , cu λ i ∈ R astfel încât
e' k +1 ⊥ e' i pentru orice 1≤ i ≤ k . Din condiŃia e' k +1 , e' i = 0 , obŃinem
ek +1 , e' i
λi = − pentru orice 1 ≤ i ≤ k .
e ' i , e' i
Astfel se construiesc vectorii nenuli e'1 , e' 2 ,..., e' n , ortogonali doi câte doi. Din
PropoziŃia 2.4 rezultă că e'1 , e' 2 ,..., e' n sunt liniar independenŃi. Deoarece
dimR ( V ) = n putem conchide, pe baza Corolarului 3.11 din Capitolul III, că
B' = {e'1 , e' 2 ,..., e' n } este o bază ortogonală a lui V.
78
e'1 e' e'
Etapa II: Considerăm: e1 = , e 2 = 2 , ..., e n = n . Se verifică fără
e'1 e'2 e' n
dificultate că B = {e1 , e 2 ,..., e n } este o bază ortonormată a lui V. ▄
ObservaŃii: 1. Metoda pentru determinarea unei baze ortogonale, prezentată

în etapa I a demonstra Ńiei prcedente este cunoscută sub numele de procedeu Gram-
Schmidt sau procedeu de ortogonalizare.
2. Pentru rezolvarea exerciŃiilor în care se cere determinarea unei baze
ortonormate într-un spaŃiu euclidian, pornind de la o bază dată , se procedează ca în
demonstra Ńia Teoremei 2.6.
ExerciŃiul 1: Să se găsească o bază ortonormată a lui R 3 , pornind de la baza

B = {v1 = (1,2,2), v 2 = (2,−2,1), v3 = (−2,1,2)} .
SoluŃie: Etapa I: Determinăm, cu ajutorul procedeului Gram-Schmidt, baza

B' = {v'1 , v' 2 , v' 3 } ortogonală. Considerăm
• v'1 = v1 = (1,2,2) ;
• v' 2 = v2 + α v'1 , cu α ∈ R astfel încât v ' 2 ⊥ v'1 . Din această condiŃie de
v , v'
ortogonalitate rezultă că α = − 2 1 = 0 . Astfel obŃinem v' 2 = v 2 = (2,−2,1) .
v'1 , v'1
• v' 3 = v3 + β1 v'1 + β 2 v' 2 , cu β1 , β 2 ∈ R astfel încât v' 3 ⊥ v'1 şi v '3 ⊥ v' 2 .
v3 , v'1 4
Procedând ca pe parcursul demonstraŃiei Teoremei 2.6, obŃinem β1 = − =−
v'1 , v '1 9
v3 , v ' 2 4
şi β 2 = − = . Înlocuind β 1 , β 2 în expresia lui v '3 găsim
v' 2 , v' 2 9
4 4  14 7 14 
v' 3 = v3 − v'1 + v' 2 =  − , − ,  .
9 9  9 9 9
Aşadar la finalul primei etape s-a obŃinut baza ortogonală:
  14 7 14 
B' = v'1 = (1,2,2), v' 2 = (2,−2,1), v'3 =  − , − ,  .
  9 9 9 
Etapa II: Calculăm mai întâi normele vectorilor din baza B' :
v'1 = v'1 , v'1 = 1 + 4 + 4 = 3
v'2 = v'2 , v'2 = 4 + 4 + 1 = 3
196 49 196 7
v '3 = v '3 , v '3 = + + = .
81 81 81 3
Definind
v'1 v' v'
v1 = , v2 = 2 , v3 = 3 ,
v'1 v' 2 v'3
obŃinem baza ortonormată
79
 1 2 2  2 2 1  2 1 2 
B = v1 =  , , , v 2 =  ,− , , v 3 =  − ,− ,  . 
 3 3 3  3 3 3  3 3 3 
DefiniŃia 2.7: Fie V un spaŃiu euclidian şi A o submulŃime nevidă a sa.

Spunem că un vector x ∈ V este ortogonal pe mulŃimea A dacă x este ortogonal pe
toŃi vectorii din A. Vom nota cu
A ⊥ = { x ∈ V / x ⊥ y , (∀) y ∈ A}
mulŃimea vectorilor ortogonali pe A.
PropoziŃia 2.8: În contextul definiŃiei precedente, A ⊥ este un subspa Ńiu

vectorial al lui V.
DemonstraŃie: Fie x, x'∈ A ⊥ şi α , β ∈ R arbitrari. Pentru un y ∈ A oarecare,

avem α x + β x' , y = α x, y + β x' , y = α 0 + β 0 = 0 . Deci α x + β x' ⊥ y . Cum y a
fost considerat arbitrar în A, rezultă că α x + β x'∈ A ⊥ , deci A ⊥ este un subspaŃiu
vectorial al lui V. ▄
DefiniŃia 2.9: Dacă S este un subspa Ńiu vectorial al unui spa Ńiu euclidian V,
atunci S ⊥ se numeşte complementul ortogonal al lui S.
Teorema 2.10: Fie V un spaŃiu vectorial finit dimensional şi S un subspa Ńiu

vectorial al său. Atunci
V = S ⊕ S⊥.
DemonstraŃie: Din Teorema 2.6 se obŃine existenŃa unei baze ortonormate

m
{e1 , e2 ,..., em } a lui S. Fie x ∈ V arbitrar şi vectorul y = ∑ x, ei ei . Evident y ∈ S şi
i =1
în plus, pentru orice 1 ≤ j ≤ m , avem:
m m
x − y , e j = x, e j − y , e j = x, e j − ∑ x, ei ei , e j = x, e j − ∑ x, ei ei , e j =
i =1 i =1
m
x, e j − ∑ x, ei δ ij = x, e j − x, e j = 0 .
i =1
Deci x − y ⊥ e j pentru orice 1 ≤ j ≤ m . Cum {e1 , e2 ,..., em } formează o bază a
lui S, rezultă imediat că x − y este ortogonal pe orice vector din S , adică x − y ∈ S ⊥ .
Astfel x = y + ( x − y) ∈ S + S ⊥ şi, cum x a fost considerat arbitrar în V, obŃinem că
V = S + S⊥.
Fie acum z ∈ S ∩ S ⊥ . Rezultă că z ⊥ z , adică z , z = 0 , de unde z = 0V .
Deci S ∩ S ⊥ = {0V } şi cum V = S + S ⊥ , conform PropoziŃiei 4.8 din Capitolul III,
obŃinem V = S ⊕ S ⊥ . ▄
80
DefiniŃia 2.11: Din definiŃia sumei directe a două subspaŃii vectoriale avem
V = S ⊕ S ⊥ dacă şi numai dacă orice vector x din V se poate scrie în mod unic sub
forma x = y + y ' , cu y ∈ S şi y'∈ S ⊥ . Vectorul y se va numi proiecŃia ortogonală a
lui x pe subspaŃiul S şi vom nota y = prS x .
ObservaŃie: În contextul şi cu notaŃiile Teoremei 2.10, din demonstra Ńia

acesteia rezultă că proiecŃia ortogonală a vectorului x pe subspaŃiul S este dată de
rela Ńia:
n
y = ∑ x, ei ei
i =1
ExerciŃiul 2: Să se determine proiecŃia ortogonală a vectorului x = (1,0,3) pe

subspaŃiul lui R 3 generat de vectorii v1 = (1,1,0) şi v 2 = (2,1,−1) .
SoluŃie: Fie α, β ∈ R astfel încât α v1 + β v 2 = 0 R3 . Rezultă că

(α + 2β , α + β , − β ) = (0,0,0) , de unde α = β = 0 . Deci v1 şi v 2 sunt liniar
independenŃi şi ei vor forma o bază a lui Sp({v1 , v 2 }) - subspaŃiul lui R 3 generat de
vectorii v1 şi v 2 .
Construim o bază ortogonală a lui Sp({v1 , v 2 }) : considerăm v1' = v1 = (1,1,0) şi
v , v' 3
v 2' = v 2 + α v1' , cu α =− 2 1 =− . Astfel obŃinem
v'1 , v'1 2
 1 1 
B' = v'1 = (1,1,0), v' 2 =  ,− ,−1 bază ortogonală a lui Sp({v1 , v 2 }) .
  2 2 
6
Calculăm acum v1' = 2 şi v2' = . Rezultă că
2
 v' v' 
  1 1   1 1 2 
B = v1 = 1' =  , ,0 , v 2 = 2' =  ,− ,− 
 v1  2 2  v2  6 6 6 

este o bază ortonormată a lui Sp({v1 , v 2 }) .
Din observaŃia anterioară se obŃine că proiecŃia ortogonală a vectorului x pe
subspaŃiul lui R 3 generat de vectorii v1 şi v 2 este vectorul
2
1 5 1 1   5 5 5  1 4 5
y = ∑ x , vi v i = v1 − v 2 =  , ,0  −  ,− , −  =  − , ,  . 
i =1 2 6  2 2   6 6 3  3 3 3
81
3. Polinoame ortogonale
DefiniŃia 3.1: Fie I un interval real având extremităŃile a şi b ( a, b ∈ R ). O

funcŃie w : I → R cu proprietăŃile:
1. w( x) > 0 , pentru orice x ∈ I ;
b
n
2. ∫x w( x)dx < ∞ , pentru orice n ∈ N
a
se numeşte funcŃie pondere.
ObservaŃie: Integralele având una sau ambele limite de integrare infinite se

studiază în cadrul cursului de analiză matematică şi sunt cunoscute sub denumirea de
integrale improprii de prima speŃă .
PropoziŃia 3.2: Fie I un interval cu extremităŃile a şi b, iar w o funcŃie pondere

pe I, continuă. Atunci aplicaŃia:
b
⋅ ,⋅ : R[ x] × R[ x] → R , P, Q = ∫ P( x)Q( x) w( x)dx
a
reprezintă un produs scalar pe R[ x] .
b
n
DemonstraŃie: Mai întâi să observăm că, deoarece ∫x w( x)dx < ∞ , pentru
a
b
orice n ∈ N , integrala ∫a P( x)Q( x)w( x)dx există şi este finită, pentru orice
P, Q ∈ R[ x] , deci aplicaŃia ⋅ ,⋅ este corect definită.
Axiomele din definiŃia produsului scalar se verifică fără dificultate, folosind
proprietăŃile integralei. ▄
În continuare, pe tot parcursul acestui paragraf, aplicaŃia ⋅ ,⋅ va reprezenta

produsul scalar introdus în propoziŃia precedentă.
DefiniŃia 3.3: Un şir de polinoame P0 , P1 , P2 ,... din R[ X ] , cu proprietăŃile:

1. grad ( Pn ) = n , pentru orice n ∈ N ;
2. Pm , Pn = 0 , pentru orice m ≠ n
se numeşte şir de polinoame ortogonale.
DefiniŃia3.4: Dacă P0 , P1 , P2 ,... este un şir de polinoame ortogonale fa Ńă de

produsul scalar construit cu ajutorul funcŃiei pondere w : I → R , atunci I se numeşte
interval de ortogonalitate.
ObservaŃie: FuncŃia pondere determină în mod univoc orice polinom din şirul
P0 , P1 , P2 ,... de polinoamele ortogonale, până la câte o constantă multiplicativă.
Aceste constante se determină cu ajutorul unei condiŃii suplimentare, impusă tuturor
polinoamelor din şir, condiŃie numită standardizare.
82
Vom prezenta în continuare câteva proprietăŃi remarcabile ale şirurilor de
polinoame ortogonale.
PropoziŃia 3.5: Dacă P0 , P1 , P2 ,... este un şir de polinoame ortogonale, atunci

orice polinom Q de grad n se poate scrie în mod unic ca o combina Ńie liniară a
polinoamelor P0 , P1 ,..., Pn , adică există şi sunt unici α 0 , α1 ,... , α n ∈ R astfel încât
Q( x) = α 0 P0 ( x) + α 1 P1 ( x) + ... + α n Pn ( x) .
DemonstraŃie: Arătăm mai întâi existenŃa, prin inducŃie matematică după n .

Pentru n = 0 , avem grad ( P0 ) = grad (Q) = 0 , deci P0 şi Q sunt polinoame
Q
constante nenule. Punând α 0 = , atunci evident Q( X ) = α 0 P0 ( X ) .
P0
Presupunem afirmaŃia adevărată pentru un n ∈ N fixat şi vrem s-o
demonstrăm pentru n + 1 . Fie Q polinom de grad n + 1 . Notăm cu λ şi µ
coeficienŃii termenilor dominanŃi ai polinoamelor Q şi respectiv Pn +1 . Atunci
λ
Q( x) − Pn+1 ( x) este un polinom de grad cel mult n . Conform ipotezei inductive,
µ
există α 0 , α 1 ,... , α n ∈ R astfel încât
λ
Q( x) − Pn+1 ( x) = α 0 P0 ( x) + α1 P1 ( x) + ... + α n Pn ( x)
µ
sau, echivalent,
λ
Q( x) = α 0 P0 ( x) + α1 P1 ( x) + ... + α n Pn ( x) + Pn+1 ( x) .
µ
Deci orice polinom de grad n se poate scrie ca o combinaŃie liniară a polinoamelor
P0 , P1 ,..., Pn , pentru orice n ∈ N .
Demonstrăm acum unicitatea scrierii. Fie Q un polinom de grad n pentru care
Q( x) = α 0 P0 ( x) + α1 P1 ( x) + ... + α n Pn ( x) = β 0 P0 ( x) + β1P1 ( x) + ... + β n Pn ( x) ,
cu α 0 , α 1 ,..., α n , β 0 , β 1 ,..., β n ∈ R . Fixăm un indice 1 ≤ i ≤ n , arbitrar. Rezultă că, pe
de-o parte
Q( x), Pi ( x) = α 0 P0 ( x) + α1 P1 ( x) + ... + α n Pn ( x), Pi ( x) = α i Pi ( x), Pi ( x) ,
iar pe de altă parte
Q( x), Pi ( x) = β 0 P0 ( x) + β1 P1 ( x) + ... + β n Pn ( x), Pi ( x) = β i Pi ( x), Pi ( x) .
Aşadar α i Pi ( x), Pi ( x) = β i Pi ( x), Pi ( x) , de unde, Ńinând cont că Pi este polinom
nenul, iar produsul scalar este nedegenerat, obŃinem α i = β i . Astfel rezultă şi
unicitatea scrierii. ▄
ObservaŃie: Concluzia propoziŃiei precedente poate fi probată şi având în

vedere că P0 , P1 , P2 ,..., Pn sunt polinoame ortogonale, deci sunt liniar independente.
Deoarece dimR ( R n [ X ]) = n + 1 , este clar că polinoamele P0 , P1 , P2 ,..., Pn vor
constitui o bază a spaŃiului vectorial R n [ X ] şi în consecin Ńă orice polinom Q de
grad n se poate scrie în mod unic ca o combinaŃie liniară a polinoamelor
P0 , P1 , P2 ,..., Pn .
83
Corolar 3.6: Orice şir de polinoame ortogonale constituie o bază a spaŃiului
vectorial R[ X ] .
DemonstraŃie: AfirmaŃia este clară, având în vedere şi PropoziŃia 3.4 din

Capitolul III.
PropoziŃia 3.7: Fie P0 , P1 , P2 ,... un şir de polinoame ortogonale şi Q un

polinom oarecare de grad n. Atunci orice polinom Pm , cu m > n , este ortogonal pe
polinomul Q .
DemonstraŃie: Conform PropoziŃiei 3.5, există α 0 , α1 ,... , α n ∈ R astfel încât

n
Q( x) = ∑ α i Pi ( x) . Atunci
i =1
n n
Pm ( x), Q( x) = Pm ( x), ∑ α i Pi ( x) = ∑ α i Pm ( x), Pi ( x) = 0
i =1 i =1
(ultima egalitate este clară, din ortogonalitatea polinoamelor Pm şi Pi ). Deci
polinomul Pm este ortogonal pe polinomul Q . ▄
Teorema 3.8: Fie P0 , P1 , P2 ,... un şir de polinoame ortogonale. Atunci pentru

orice n ∈ N polinomul Pn are exact n rădă cini reale, distincte două câte două,
aflate în interiorul intervalului de ortogonalitate.
DemonstraŃie: Fie x1 , x 2 ,..., x m punctele din interiorul intervalului de

ortogonalitate în care polinomul Pn îşi schimbă semnul. Evident x1 , x 2 ,..., x m sunt
rădăcini ale polinomului Pn şi, din Teorema Fundamentală a Algebrei, m ≤ n . Vom
demonstra că m = n .
Presupunem prin absurd că m < n . Considerăm polinomul
m
Φ ( x) = ∏ ( x − xi ) .
i =1
Atunci Φ este un polinom de grad m care îşi schimbă semnul în fiecare dintre
punctele x1 , x 2 ,..., x m . De aici rezultă că Φ ( x) Pn ( x) este polinom sau strict pozitiv
sau strict negativ pe intervalul de ortogonalitate, cu excepŃia punctelor x1 , x 2 ,..., x m şi,
eventual, a capetelor intervalului. Cum w( x) este funcŃie strict pozitivă, atunci
Φ ( x) Pn ( x) w( x) este funcŃie sau strict pozitivă sau strict negativă pe intervalul de
ortogonalitate, cu excepŃia punctelor x1 , x 2 ,..., x m şi eventual a capetelor intervalului.
Astfel,
b
Q, Pn = ∫ Φ ( x) Pn ( x) w( x)dx ≠ 0 ,
a
contradicŃie cu PropoziŃia 3.7 . Deci m = n şi astfel teorema este demonstrată. ▄
Teorema 3.9: Orice şir de polinoame ortogonale P0 , P1 , P2 ,... poate fi definit

printr-o relaŃie de recuren Ńă de forma
84
Pn+1 ( x ) = ( a n x + bn ) Pn ( x) − c n Pn−1 ( x) ,
unde a n , bn , cn sunt coeficien Ńi care depind de n.
DemonstraŃie: Fie n ∈ N * fixat. Considerăm mai întâi a n astfel încât

a n xPn ( x) − Pn+1 ( x) să fie un polinom de grad cel mult n. Apoi alegem bn astfel încât
( a n x + bn ) Pn ( x) − Pn+1 ( x) să fie un polinom de grad cel mult n − 1 . Conform
PropoziŃiei 3.5, acest ultim polinom se scrie în mod unic sub forma unei combinaŃii
liniare a polinoamelor P0 , P1 ,..., Pn −1 :
n −1
( a n x + b) Pn ( x) − Pn+1 ( x) = ∑ α i Pi ( x) (1)
i =1
Fixăm acum un indice 1 ≤ j ≤ n − 2 arbitrar. Din relaŃia (1) obŃinem:
n −1
(a n x + b ) Pn ( x) − Pn+1 ( x), Pj ( x) = ∑α i Pi ( x), Pj ( x) ,
i =1
sau, echivalent,
n −1
a n xPn ( x), Pj ( x) + bn Pn ( x), Pj ( x) − Pn+ 1 ( x), Pj ( x) = ∑ α i Pi ( x), Pj ( x) (2)
i =1
Deoarece P0 , P1 , P2 ,... este un şir de polinoame ortogonale, din relaŃia (2) rezultă
a n xPn ( x), P j ( x) = α j P j ( x), P j ( x) (3)
Dar
b b
xPn ( x), P j ( x) = ∫ ( xPn ( x)) P j ( x) w( x) dx = ∫ Pn ( x)( xPj ( x)) w( x)dx = Pn ( x), xPj ( x)
a a
şi astfel egalitatea (3) este echivalentă cu
a n Pn ( x), xP j ( x) = α j P j ( x), P j ( x) (4)
Cum grad ( xPj ( x)) = n − 1 < n = grad ( Pn ( x)) , din PropoziŃia 3.7 obŃinem că
Pn ( x), xPj ( x) = 0 şi astfel, relaŃia (4) conduce la α j = 0 pentru orice 1 ≤ j ≤ n − 2 .
Aşadar egalitatea (1) se poate rescrie sub forma:
( a n x + b) Pn ( x) − Pn+1 ( x) = α n−1 Pn−1 ( x) ,
sau echivalent
Pn+1 ( x) = ( a n x + b) Pn ( x) − α n−1 Pn−1 ( x) .
Notând pe α n −1 cu cn , relaŃia de recurenŃă din enunŃul teoremei este clară. ▄
ObservaŃie: Presupunând că polinoamele din şirul considerat sunt de forma

Pk ( x) = λk x k + µ k −1 x k −1 + ... ,
din demonstraŃia prezentată anterior se obŃin formulele de calcul direct pentru
coeficien Ńii rela Ńiei de recurenŃă
λ  µ µ  λn−1 Pn , Pn
a n = n+1 , bn = a n  n − n−1  , c n = a n , (5)
λn  λn+1 λn  λ n Pn−1 , Pn −1
pentru orice n ∈ N * .
85
Teorema 3.10: Dacă P0 , P1 , P2 ,... este un şir de polinoame ortogonale, atunci
orice ră dă cină a polinomului Pn se află situată între două rădăcini ale polinomului
Pn+1 , pentru orice n ∈ N * .
DemonstraŃie: Putem presupune, schimbând eventual semnul (acest lucru nu

afectează rădăcinile), că toate polinoamele şirului au termenul dominant pozitiv.
Într-o primă etapă demonstrăm prin inducŃie că
Pn' +1 ( x) Pn ( x) > Pn+1 ( x) Pn' ( x) , (6)
pentru orice n ∈ N şi orice x din intervalul de ortogonalitate.
Dacă n = 0 , atunci P1' ( x) > 0 , P0 ( x) > 0 şi P0' ( x) = 0 , deci relaŃ ia (6) este
clară.
Presupunem că pentru un n ∈ N * , fixat, avem Pn' ( x) Pn−1 ( x) > Pn ( x) Pn' −1 ( x) .
Conform Teoremei 3.9, polinoamele şirului satisfac o relaŃie de recurenŃă de forma
Pn+1 ( x ) = ( a n x + bn ) Pn ( x) − c n Pn−1 ( x) .
Prin derivare, obŃinem
Pn' +1 ( x) = a n Pn ( x) + (a n x + bn ) Pn' ( x) − Pn' −1 ( x ) .
Atunci
Pn' +1 ( x) Pn ( x) − Pn +1 ( x) Pn' ( x) = [ a n Pn ( x) + ( a n x + bn ) Pn' ( x) − c n Pn' −1 ( x)]Pn ( x) −
[( a n x + bn ) Pn ( x) − c n Pn −1 ( x)]Pn' ( x) = a n Pn2 ( x) + cn [ Pn' ( x) Pn −1 ( x) − Pn ( x) Pn' −1 ( x)] > 0

deoarece a n , c n > 0 şi, din ipoteza inductivă, Pn' ( x) Pn −1 ( x) − Pn ( x) Pn' −1 ( x) > 0 . Deci
Pn' +1 ( x) Pn ( x) > Pn +1 ( x) Pn' ( x) , pentru orice n ∈ N şi orice x din intervalul de
ortogonalitate.
Considerăm acum xi şi xi +1 două rădăcini consecutive ale Pn+1 ( x) . Atunci
Pn' +1 ( xi ) Pn ( xi ) > Pn +1 ( xi ) Pn' ( xi ) = 0 şi Pn' +1 ( xi +1 ) Pn ( xi +1 ) > Pn +1 ( xi +1 ) Pn' ( xi +1 ) = 0
Astfel, Pn' +1 ( xi ) şi Pn ( xi ) , respectiv Pn' +1 ( xi +1 ) şi Pn ( xi +1 ) , au acelaşi semn.
'
Deoarece Pn+ 1 ( x ) îşi schimb ă semnul pe intervalul ( xi , xi +1 ) , atunci şi Pn (x ) îşi
schimbă semnul pe ( xi , xi +1 ) . Aşadar, din Proprietatea lui Darboux, Pn ( x) are cel
puŃin o rădăcină între xi şi xi +1 . łinând cont că, din Teorema 3.8 , Pn+1 ( x) are n + 1
rădăcini reale distincte, iar Pn ( x) are n rădăcini reale distincte, atunci Pn ( x) are
exact o rădăcină între xi şi xi+1 . ▄
În finalul acestui capitol vom prezenta câteva şiruri particulare de polinoame

ortogonale deosebit de importante prin aplicaŃiile lor în diverse zone ale matematicii
cum ar fi: ecuaŃii diferenŃiale, teoria interpolării, modelare matematică etc. Toate
aceste şiruri particulare se pot obŃine cu ajutorul procedeului Gram-Schmidt din baza
e0 = 1, e1 = x, e2 = x 2 , e3 = x 3 ,... a spaŃiului de polinoame R[ x] , lucrându-se cu
anumite produse scalare de tipul celui introdus în PropoziŃia 3.2 .
86
Polinoamele Legendre
Se notează cu Pn ( x) şi sunt caracterizate de intervalul de ortogonalitate
I = [−1,1] , funcŃia pondere w( x) = 1 şi standardizarea Pn (1) = 1 . Astfel, pentru
determinarea polinoamelor Legendre se aplică procedeul de ortogonalizare, lucrând
1
cu produsul scalar P , Q = ∫ P ( x)Q( x) dx şi găsindu-se mai întâi polinoamele
−1
~
ortogonale Pn ( x) . Polinoamele Pn (x) se obŃin prin multiplicarea fiecărui polinom
~
Pn ( x) cu o anumită constantă, astfel încât Pn (1) = 1 . Vom exemplifica acest lucru
găsind primele patru polinoame Legendre:
~
• P0 = e0 = 1 ;
~ 1 1
~ ~ e1 , P0 ~ x2
• P1 = e1 + αP0 , cu α = − ~ ~ . Deoarece e1 , P0 = ∫ xdx = = 0,
P0 , P0 −1
2
−1
~
rezultă că α = 0 , de unde P1 = x ;
1
~ ∫ x 2 dx 2
~ ~ ~ e ,
2 0P 1
• P2 = e2 + β 0 P0 + β1 P1 , cu β 0 = − ~ ~ = − −11 = − 3 = − şi
P0 , P0 2 3
∫ 1dx
−1
1
3
~
e2 , P1 ∫ x dx 0 ~ 1
β1 = − ~ ~ = − −11 = − = 0 . Astfel, obŃinem că P2 = x 2 − .
P1 , P1 2 3
∫ 1dx
−1
~ ~
~ ~ ~ ~ e3 , P0 e3 , P1 3
• P3 = e3 + γ 0 P0 + γ 1 P1 + γ 2 P2 , cu γ 0 = − ~ ~ = 0 , γ 1 = − ~ ~ = − ,
P0 , P0 P1 , P1 5
~
e3 , P2 ~ 3
γ 2 = − ~ ~ = 0 . Rezultă că P3 = x 3 − x .
P2 , P2 5
~ ~ ~ 2 ~ 2
Deoarece P0 (1) = 1 , P1 (1) = 1 , P2 (1) = , P3 (1) = , obŃinem primele patru
3 5
polinoame Legendre:
1 1
P0 ( x) = 1 , P1 ( x ) = x , P2 ( x) = (3 x 2 − 1) , P3 ( x) = (5 x 3 − 3 x) .
2 2
RelaŃia de recurenŃă pe care, conform Teoremei 3.9, o satisfac polinoamele
Legendre este
2n + 1 n
Pn +1 ( x) = xPn ( x) − Pn −1 ( x) .
n +1 n +1
87
Polinoamele Cebâşev de prima speŃă
Se notează cu Tn (x) şi sunt caracterizate de intervalul de ortogonalitate
1
I = (−1,1) , funcŃia pondere w( x) = şi standardizarea Tn (1) = 1.
2
1− x
Primele patru polinoame Cebâşev de prima speŃă sunt:
T0 ( x) = 1 , T1 ( x) = x , T2 ( x) = 2 x 2 − 1 , T3 ( x) = 4 x 3 − 3 x .
RelaŃia de recurenŃă verificată de polinoamele Cebâşev de prima speŃă este:
Tn +1 ( x ) = 2 xTn ( x) − Tn −1 ( x) .
O altă posibilitate de definire a polinoamelor Cebâşev de prima speŃă este dată

de următoarea propoziŃie:
PropoziŃia 3.10: Pentru orice n ∈ N se defineşte funcŃia

f n : [−1,1] → R , f n ( x) = cos(n arccos x) .
Atunci au loc următoarele afirmaŃii:
1. f n (x) reprezintă un polinom de gradul n;
2. coeficientul termenului dominant al lui f n (x) este 2 n −1 , pentru n ∈ N * ;
3. f n ( x) = Tn ( x) , pentru orice x ∈ (−1,1) .
DemonstraŃie: 1. Pentru un x ∈ [−1,1] , fixat arbitrar, notăm cu t = arccos x .

Conform formulei lui Moivre avem
(cos t + i sin t ) n = cos nt + i sin nt .
Dezvoltând membrul stâng al egalităŃii precedente cu binomul lui Newton şi egalând
părŃile reale obŃinem:
cos nt = cos n t − C n2 cos n −2 t sin 2 t + C n4 cos n −4 t sin 4 t − ...
Deoarece cos t = x , iar sin t = 1 − x 2 , relaŃia anterioară conduce la
f n ( x) = x n − C n2 x n − 2 (1 − x 2 ) + C n4 x n − 4 (1 − x 2 ) 2 − ... (7)
şi astfel f n (x) este un polinom de gradul n.
2. Coeficientul lui x n , dedus din relaŃia (7), este 1 + C n2 + C n4 + ... = 2 n −1 .
3. Vom demonstra că f 0 , f1 , f 2 ,... este un şir de polinoame ortogonale cu
1
intervalul de ortogonalitate I = (−1,1) şi funcŃia pondere w( x) = .
1 − x2
Într-adevăr,
1 arccos x = t 0 π
f m ( x) f n ( x) − sin t
∫ dx = ∫ cos(mt ) ⋅ cos(nt) sin t
dt = ∫ cos mt ⋅ cos ntdt =
−1 1 − x2 π 0
π π π
1 1 1
20∫ cos(m + n)tdt + ∫ cos(m − n)tdt =
20 2(m + n)
sin( mt + nt ) +
0
π
1
sin( mt − nt ) = 0 , pentru m ≠ n .
2(m − n) 0
88
Având în vedere că f n (1) = cos(n arccos1) = cos 0 = 1 , putem concluziona că
f n ( x) = Tn ( x) , pentru orice x ∈ (−1,1) . ▄
Polinoamele Cebâşev de speŃa a doua

Se notează cu U n (x) şi sunt caracterizate de intervalul de ortogonalitate
I = (−1,1) , funcŃia pondere w( x) = 1 − x 2 şi standardizarea U n (1) = n + 1 .
Primele patru polinoame Cebâşev de speŃa a doua sunt:
U 0 ( x) = 1 , U 1 ( x) = 2 x , U 2 ( x) = 4 x 2 − 1 , U 3 ( x) = 8 x 3 − 4 x .
RelaŃia de recurenŃă verificată de polinoamele Cebâşev de speŃa a doua este:
U n +1 ( x) = 2 xU n ( x) − U n −1 ( x) .
Polinoamele Hermite
Se notează cu H n (x) şi sunt caracterizate de intervalul de ortogonalitate
2
I = (−∞, ∞) , funcŃia pondere w( x) = e − x , iar standardizarea impune coeficientul
termenului dominant să fie 2 n .
Primele patru polinoame Hermite sunt:
H 0 ( x) = 1 , H 1 ( x) = 2 x , H 2 ( x ) = 4 x 2 − 2 , H 3 ( x) = 8 x 3 − 12 x .
RelaŃia de recurenŃă pe care o verifică polinoamele Hermite este:
H n +1 ( x) = 2 xH n ( x) − 2nH n −1 ( x) .
Polinoamele Laguerre
Se notează cu Ln (x) şi sunt caracterizate de intervalul de ortogonalitate
I = [0, ∞) , funcŃia pondere w( x) = e − x , iar standardizarea impune coeficientul
(−1) n
termenului dominant să fie .
n!
Primele patru polinoame Laguerre sunt:
1 1
L0 ( x) = 1 , L1 ( x) = − x + 1 , L2 ( x) = ( x 2 − 4 x + 2) , L3 ( x) = (− x 3 + 9 x 2 − 18 x + 6) .
2 6
RelaŃia de recurenŃă verificată de polinoamele Laguerre este:
1 n
Ln +1 ( x) = (− x + 2 n + 1) Ln ( x) − Ln −1 ( x) .
n +1 n +1
89
4. ExerciŃii
1. Fie R 3 [ x] spaŃiul vectorial al polinoamelor de grad cel mult trei cu

coeficienŃi reali şi aplicaŃia ⋅ , ⋅ : R 3 [ x] × R 3 [ x] → R , definită prin
P, Q = P(−2)Q (−2) + P(−1)Q (−1) + P (1)Q(1) + P(2)Q(2) .
i) Să se demonstreze că această aplicaŃie este un produs scalar pe R 3 [ x] ;
ii) Să se determine un polinom ortogonal pe 1, x şi x 2 . Câte astfel de poli-
noame există?
2. Dacă A, B ∈ M 2 (R ) , A = (aij ) i , j =1,2 , B = (bij ) i, j =1, 2 se defineşte aplicaŃia

⋅,⋅ M 2 (R ) × M 2 (R ) → R , A, B = a11b11 + a12 b12 + a 21b21 + a 22 b22 .
i) Să se demonstreze că această aplicaŃie este un produs scalar;
 1 − 3  2 0 
ii) Să se calculeze   ,   .
 2 7   5 − 1
3. Fie V un spaŃiu euclidian şi x,y doi vectori din V. Să se arate că x = y

dacă şi numai dacă x + y ⊥ x − y .
4. Să se găsească o bază ortonormată a lui R 3 , pornind de la baza:

i) B = {v1 = (1,−1,1), v2 = (1,0,1), v3 = (1,1,2)} ;
ii) B = {v1 = (0,1,1), v2 = (1,0,1), v3 = (1,1,0)} ;
iii) B = {v1 = (a,0,0), v 2 = (b, c,0), v3 = (d , e, f )} , cu a, b, c, d , e, f ∈ R astfel
încât acf ≠ 0 .
5. Să se găsească o bază ortonormată a lui R 4 , pornind de la baza

B = {v1 = (1,1,1,0), v2 = (1,1,0,1), v3 = (1,01,1), v4 = (0,11,1)} .
6. Să se determine o bază ortonormată a subspaŃiului

S = {( x1 , x 2 , x3 , x4 ) / x1 − x 2 + 2 x3 − x 4 = 0}
al lui R 4 .
7. Fie V un spaŃiu euclidian finit dimensional şi S un subspaŃiu vectorial al său.

Să se arate că S = V dacă şi numai dacă S ⊥ = {0V } .
8. Fie V un spaŃiu euclidian şi A o submulŃime a lui V. Să se demonstreze că:

i) A ⊥ = Sp( A) ⊥ ;
ii) ( A ⊥ ) ⊥ = Sp( A) .
90
(Remarcă: Acest exerciŃiu arată în particular că, dacă S este un subspaŃiu vectorial al
lui V, iar {s1 , s 2 ,..., s m } este o bază a lui S, atunci
S ⊥ = {v ∈ V / v, s i = 0, (∀)1 ≤ i ≤ m} .)
9. Pe spaŃiul vectorial real C ([−l , l ]) al funcŃiilor continue definite pe

intervalul [−l , l ] cu valori reale, se consideră aplicaŃia
1 l
⋅ ,⋅ : C ([−l , l ]) × C ([−l , l ]) → R , f , g = ∫ f ( x) g ( x)dx .
l −l
i) Să se probeze că această aplicaŃie este un produs scalar pe C ([−l , l ]) ;
ii) Să se demonstreze că mulŃimea
 1 π x  π x   2π x   2π x   nπ x   nπ x  
 , sin  , cos , sin  , cos ,..., sin  , cos ,...
 2  l   l   l   l   l   l  
constituie un sistem ortonormat de vectori din C ([−l , l ]) faŃă de produsul scalar
menŃ ionat anterior.
10. Fie V un spaŃiu euclidian de dimensiune n şi {v1 , v 2 ,..., v m } , cu m ≤ n , o

mulŃime de vectori din V. Se defineşte determinantul
v1 , v1 v1 , v 2 ... v1 , vm
v2 , v1 v2 , v2 ... v2 , vm
Γ (v1 , v 2 ,..., v m ) = ,
... ... ... ...
v m , v1 v m , v2 ... vm , vm
numit determinant Gram al vectorilor {v1 , v2 ,..., vm } . Să se demonstreze că mulŃ imea
vectorilor {v1 , v 2 ,..., v m } este liniar independentă dacă şi numai dacă determinantul
Γ (v1 , v2 ,..., v m ) este nenul.
11*. Fie V un spaŃiu euclidian şi {v1 , v 2 ,..., vn } o bază a lui V. Dacă

{e1 , e2 ,..., en } reprezintă baza ortogonală obŃinută din baza {v1 , v 2 ,..., vn } în urma
aplicării procedeului Gram-Schmidt, să se arate că:
i) ei ≤ vi , pentru orice 1 ≤ i ≤ n ;
ii) Γ (e1 , e2 ,..., en ) = Γ(v1 , v2 ,..., vn ) ;
2 2 2
iii) Γ (v1 , v 2 ,..., v n ) ≤ v1 v 2 ... v n ,
unde Γ reprezintă determinantul Gram definit în exerciŃiul anterior.
91
Capitolul V
Transformări liniare
1. DefiniŃie. Exemple. ProprietăŃi
DefiniŃia 1.1 : Fie V şi V ' două spaŃii vectoriale peste corpul K. O funcŃie
T : V → V ' se numeşte transformare liniară (aplicaŃie liniară sau morfism de spaŃii
vectoriale) dacă satisface urmă toarele condiŃii:
1. T ( x + y ) = T ( x) + T ( y ) pentru orice x, y ∈ V ;
2. T (α x) = α T ( x) pentru orice x ∈ V şi α ∈ V .
O transformare liniară T : V → V se numeşte endomorfism al spaŃiului
vectorial V.
Vom nota cu L(V ,V ' ) mulŃimea tuturor transformă rilor liniare de la V la V '
şi cu End K (V ) mulŃimea tuturor endomorfismelor lui V.
ObsevaŃie: Se verifică imediat că dacă T : V → V ' este o transformare

liniară atunci T (0V ) = 0V ' şi T (− x) = −T ( x) pentru orice x ∈ V .
Exemple 1. Fie V şi V’ două spaŃii vectoriale peste corpul K şi T : V → V ' ,

T ( x) = 0V ' pentru orice x ∈V. Se arată imediat că T este o transformare liniară,
numită transformarea liniară nulă.
2. AplicaŃia Tr : M n(K) → K , Tr(A) = urma matricei A este o transformare

liniară, deoarece Tr(A+B)=Tr(A)+Tr(B) şi Tr (α x) = α Tr ( x) , pentru orice
A,B ∈ M n(K) şi α ∈ K . În acelaşi timp, aplicaŃia det :M n(K) → K , det(A) =
determinantul matricei A nu este transformare liniară, pentru că, în general,
det ( A + B) ≠ det ( A) + det ( B) .
3. AplicaŃiile T1 : C 1 (a,b) → C 0 (a,b) , T1 ( f ) = f ' şi T2 : C 0 [a,b] → R ,

b
T2 ( f ) = ∫ f ( x)dx sunt transformări liniare, provenind din domeniul analizei
a
matematice.
92
4. AplicaŃiile T1 ,T2 : R 2 → R 2 , T1 ( x,y) = ( x,-y) şi T2 ( x,y) = ( y,x) reprezintă
endomorfisme ale lui R 2 , provenind din domeniul geometriei analitice ( T1 reprezintă
simetria faŃă de axa Ox, iar T2 este simetria în raport cu prima bisectoare a reperului
cartezian xOy).
PropoziŃia 1.2: Fie V şi V ' două spaŃii vectoriale peste corpul K. O funcŃie
T : V → V ' este transformare liniară dacă şi numai dacă:
T (α x + β y ) = α T ( x) + β T ( y ) (1)
pentru orice x, y ∈ V şi α , β ∈ K .
DemonstraŃie: Presupunem mai întâi că T este transformare liniară. Folosind

relaŃiile din DefiniŃia 1.1, succesiv obŃinem:
T (α x + β y) = T (α x) + T ( β y) = α T ( x) + β T ( y )
pentru orice x, y ∈ V şi α,β ∈ V .
Reciproc, presupunem că T satisface relaŃia (1). Considerând α = β = 1 în
relaŃia (1), se obŃine T ( x + y ) = T ( x) + T ( y ) . Pe de altă parte, dacă se consideră β = 0
în relaŃia (1), obŃinem T (α x) = α T ( x) . ▄
Corolar 1.3: Fie V şi V ' două spaŃii vectoriale peste corpul K. O funcŃie
T : V → V ' este transformare liniară dacă şi numai dacă:
n n
T ( ∑ α i xi ) = ∑ α i T ( x i )
i =1 i =1
pentru orice n ∈ N \ {0,1} , x1 , x 2 ,..., xn ∈ V şi α 1 , α 2 ,...,α n ∈ K .
DemonstraŃie: Se utilizează PropoziŃia 1.2 şi metoda inducŃiei matematice,

după n. ▄
PropoziŃia 1.4: Fie T :V → V' o transformare liniară şi vectorii

x1 , x 2 ,..., xn ∈ V .
1. Dacă x1 , x 2 ,..., xn sunt liniar dependenŃi, atunci şi vectorii
T ( x1 ), T ( x2 ),..., T ( xn ) ∈ V ' sunt liniar dependenŃi.
2. Dacă vectorii T ( x1 ), T ( x 2 ),...,T ( x n ) sunt liniar independenŃi, atunci şi
vectorii x1 , x 2 ,..., x n sunt liniar independenŃi.
DemonstraŃie: 1. Dacă x1 , x 2 ,..., xn sunt liniar dependenŃi, atunci există

scalarii α 1 , α 2 ,...,α n ∈ K , nu toŃi nuli, astfel încât α 1 x1 + α 2 x2 + ... + α n x n = 0V
Aplicând transformarea liniară T acestei egalităŃi şi folosind Corolarul 1.3 , obŃinem
că α 1T ( x1 ) + α 2T ( x2 ) + ... + α n T ( x n ) = 0V , adică T ( x1 ), T ( x 2 ),...,T ( x n ) sunt liniar
dependenŃi.
2. Acest rezultat este de fapt negarea afirmaŃiei de la punctul 1. ▄
Teorema 1.5: Fie V şi V’ două spaŃii vectoriale peste corpul K,

B = {e1 , e2 ,..., en } o bază a lui V şi { y1 , y 2 ,..., y n } o familie de vectori din spaŃiul V ' .
93
Atunci există şi este unică transformarea liniară T : V → V ' astfel încât T (ei ) = y i
pentru orice i = 1, n .
n
DemonstraŃie: Dacă x = ∑ α i ei este un vector arbitrar din V, atunci definim
i =1
n
funcŃia T : V → V ' , T ( x) = ∑ α i yi ( datorită unicităŃii scrierii unui vector într-o bază
i =1
dată, funcŃia este bine definită). Demonstrăm acum că această aplicaŃie este liniară:
n
considerăm x' = ∑ β i ei un alt vector din V şi scalarii arbitrari a,b ∈ K . Vom obŃine:
i =1
 n n   n  n
T (ax + bx' ) = T  a ∑ α i ei + b∑ β i ei  = T  ∑ (aα i + bβ i )ei  = ∑ (aα i + bβ i ) yi =
 i =1 i =1   i=1  i =1
n n
a∑ α i yi + b∑ β i yi = aT ( x) + bT ( x' )
i =1 i =1
adică T este transformare liniară.
Pentru a proba unicitatea lui T, considerăm o transformare U : V → V ' care
n
satisface de asemenea egalităŃile U (ei ) = yi , i = 1,n . Fie x = ∑ α i ei un vector
i =1
oarecare din V. Atunci:
 n  n n n  n 
U ( x) = U  ∑ α i ei  = ∑ α iU (ei ) = ∑ α i yi = ∑ α i T (ei ) = T  ∑ α i ei  = T ( x) . ▄
   
 i =1  i=1 i =1 i =1  i =1 
Din teorema precedentă rezultă imediat următorul rezultat:
Corolarul 1.6: Două transformări liniare de la V la V ' coincid dacă şi numai

dacă ele coincid pe elementele unei baze din V .
PropoziŃia 1.7: Fie T : V → V ' şi U : V ' → V ' ' două transformă ri liniare.
Atunci U o T : V → V ' ' este o transformare liniară.
DemonstraŃie: Considerăm x, y ∈ V şi α , β ∈ K arbitrari. Atunci:

(U o T )(α x + βy ) = U (T (α x + β y)) = U (α T ( x) + βT ( y )) = α U (T ( x)) + βU (T ( y )) =
α (U o T )( x) + β (U o T )( y ) ,
deci conform PropoziŃiei 1.2 U o T este o transformare liniară. ▄
Teorema 1.8: Fie T ,U : V → V ' două transformări liniare. Atunci

1. aplicaŃia T + U : V → V ' , definită prin (T + U )( x) = T ( x) + U ( x) este o
transformare liniară ;
2. pentru orice scalar λ ∈ K , aplicaŃia λ ⋅ T : V → V ' , definită prin
(λ ⋅ T )( x) = λT ( x) este o transformare liniară.
94
Mai mult, mulŃimea L(V , V ' ) a transformă rilor liniare de la V la V ' ,
împreună cu cele două operaŃii definite anterior, formează un spaŃiu vectorial peste
corpul K.
DemonstraŃie: Fie x, y ∈ V şi α , β ∈ K arbitrari. Atunci:

1. (T + U )(α x + βy ) = T (α x + βy ) + U (α x + βy ) = αT ( x) + βT ( y) + αU ( x) +
βU ( y) = α (T ( x) + U ( x)) + β (T ( y ) + U ( y )) = α (T + U )( x) + β (T + U )( y ) , deci T + U
este o transformare liniară.
2. (λ ⋅ T )(α x + β y) = λT (α x + β y) = λ (αT ( x) + β T ( y )) = αλ T ( x) +
βλT ( y ) = α (λ ⋅ T )( x) + β (λ ⋅ T )( y ) , deci λ ⋅ T este o transformare liniară.
S-au obŃinut astfel:
- o operaŃie internă pe L(V ,V ' )
+ : L(V ,V ' ) × L(V , V ' ) → L(V ,V ' )
- o operaŃie externă pe L(V ,V ' ) cu scalari din K
⋅ : K × L(V , V ' ) → L(V ,V ' )
Se probează fără dificultate, prin calcul direct, că sunt satisfăcute axiomele din
definiŃia spaŃiului vectorial (de menŃionat că vectorul nul în acest spaŃiu vectorial este
transformarea liniară nulă, iar opusul vectorului T este transformarea (−1) ⋅ T ). ▄
Teorema 1.9: Fie V şi V ' două K-spaŃii vectoriale de dimensiune n, respectiv

m. Atunci spaŃiul vectorial L(V ,V ' ) are dimensiunea mn.
DemonstraŃie: Fie B = {e1 , e2 ,..., en } şi B' = { f1 , f 2 ,..., f m } baze pentru

spaŃiile vectoriale V şi respectiv V ' . Pentru fiecare pereche de numere naturale (k , l )
cu 1 ≤ k ≤ m şi 1 ≤ l ≤ n , conform Teoremei 1.5, există o unică transformare liniară
 0, i ≠ l
Ek ,l : V → V ' , Ek ,l (ei ) =  .
 fk , i = l
0, i ≠ l
Cu ajutorul simbolului lui Kronecker δ i l =  putem scrie Ek ,l (ei ) = δ i l f k .
1, i = l
Vom demonstra că cele mn transformări liniare Ek ,l , 1 ≤ k ≤ m , 1 ≤ l ≤ n , formează o
bază a spaŃiului vectorial L(V ,V ' ) .
Considerăm T : V → V ' o transformare liniară arbitrară. Pentru fiecare
1 ≤ j ≤ n , notăm cu a1 j , a 2 j ,..., a mj componentele vectorului T (e j ) în baza B' , adică
m
T (e j ) = ∑ a kj f k .
k =1
Succesiv avem:
m m n m n
T (e j ) = ∑ akj f k = ∑∑ a kl δ jl f k = ∑∑ akl Ek ,l (e j ) ,
k =1 k =1 l =1 k =1 l =1
pentru orice 1 ≤ j ≤ n . Din Corolarul 1.6 obŃinem că
m n
T = ∑∑ a kl Ek ,l ,
k =1 l =1
adică {E k ,l }1≤ k ≤m ,1≤ j ≤ n este un sistem de generatori pentru L(V ,V ' ) .
95
Prob ăm acum liniar independenŃa transformărilor liniare E k ,l , 1 ≤ k ≤ m ,
m n
1 ≤ l ≤ n . Presupunem că există scalarii a kl astfel încât ∑∑ a kl E k ,l = 0 L (V ,V ') .
k =1 l =1
m n
Cum 0 L(V ,V ') este transformarea liniară nulă, ob Ńinem că ∑∑ a kl E k ,l (e j ) = 0 ,
k =1 l =1
m n m
pentru orice 1 ≤ j ≤ n . Rezultă că ∑∑ a kl δ jl f k = 0 şi astfel avem ∑ a kj f k = 0.
k =1 l =1 k =1
Liniar independenŃa vectorilor f1 , f 2 ,..., f m implică a kj = 0 , pentru orice k şi orice j,
adică {E k ,l }1≤ k ≤m ,1≤ j ≤ n este mulŃime liniar independentă.
Astfel putem conchide că {E k ,l }1≤ k ≤m ,1≤ j ≤ n este o bază pentru spaŃiul vectorial
L(V ,V ' ) şi deci dim K L(V ,V ' ) = mn . ▄
ExerciŃiu: StabiliŃi dacă următoarea aplicaŃie este transformare liniară:

T : R 3 → R 3 , T ( x,y,z) = (2 x-y + 3 z, -x + y,7 z ) .
SoluŃie: Utilizăm PropoziŃia 1.2: fie ( x1 , y1 , z1 ), ( x 2 , y 2 , z 2 ) ∈ R 3 şi α , β ∈ R .

Atunci:
T (α ( x1 , y1 , z1 ) + β ( x 2 , y 2 , z 2 )) = T ((α x1 , α y1 , α z1 ) + ( β x2 , β y 2 , β z 2 )) =
T (α x1 + β x2 , α y1 + β y 2 , α z1 + β z 2 ) = (2(α x1 + β x2 ) − (α y1 + β y 2 ) +
3(α z1 + β z 2 ),−(α x1 + β x 2 ) + (α y1 + β y 2 ),7(α z1 + β z 2 )) .
Pe de altă parte,
α T ( x1 , y1 , z1 ) + βT ( x 2 , y 2 , z 2 ) = α (2 x1-y1 + 3z1, -x1 + y1,7 z1 ) +
β (2 x 2 -y 2 + 3z 2 , -x2 + y 2 ,7 z 2 ) = (2α x1-α y1 + 3α z1, -α x1 + α y1,7α z1 ) +
(2 β x2 -β y 2 + 3β z 2 , -β x2 + β y 2 , 7 β z 2 ) = (2(α x1 + β x2 ) − (α y1 + β y 2 ) +
3(α z1 + β z 2 ),−(α x1 + β x 2 ) + (α y1 + β y 2 ),7(α z1 + β z 2 )) .
Deci T este transformare liniară. ▄
2. Nucleul şi imaginea unei transformări liniare
Fie V şi V ' dou ă spaŃii vectoriale peste acelaşi corp K.
DefiniŃia 2.1: Fie T : V → V ' o transformare liniară. Numim nucleul

transformării T mulŃimea
Ker (T ) = { x ∈ V / T ( x) = 0V ' } .
Se numeşte imaginea transformării T mulŃimea
Im(T ) = { y ∈ V ' / (∃) x ∈ V a.i. T ( x) = y}
96
ObservaŃie: Deoarece 0V ∈ Ker (T ) şi 0V ' ∈ Im(T ) , atunci nucleul şi
imaginea unei transformări liniare sunt mulŃimi nevide.
PropoziŃia 2.2: Dacă T : V → V ' este o transformare liniară, atunci nucleul

Ker(T) este un subspaŃiu vectorial al lui V, iar imaginea Im(T) este un subspaŃiu
vectorial al lui V ' .
DemonstraŃie: Considerăm x, x'∈ Ker (T ) şi α , β ∈ K arbitrari. Deoarece T

este transformare liniară, din PropoziŃia 1.2 obŃinem:
T (α x + β x' ) = α T ( x) + β T ( x' ) = α 0V + β 0V = 0V , deci α x + β x'∈ Ker (T ), aşadar
Ker (T ) este subspaŃiu vectorial al lui V.
Fie acum y , y' ∈ Im( T ) şi α , β ∈ K oarecare. Deoarece y, y'∈ Im(T ) , există
elementele x, x'∈ V astfel încât T ( x) = y şi T ( x' ) = y ' . Pe de altă parte,
T (α x + β x' ) = α T ( x) + β T ( x' ) = α y + β y ' , deci α y + β y '∈ Im(T ), adică Im(T )
este un subspaŃiu vectorial al lui V. ▄
În cele ce urmează, cu ajutorul no Ńiunilor de nucleu şi imagine vom caracteriza

injectivitatea, respectiv surjectivitatea, unei transformări liniare.
PropoziŃia 2.3: Fie T : V → V ' o transformare liniară . Atunci următoarele

afirmaŃii sunt echivalente:
1. T este injectivă ;
2. Ker (T ) = {0V } ;
3. T transformă orice mulŃime de vectori liniar independenŃi din V într-o
mulŃime de vectori liniar independenŃi din V ' .
DemonstraŃie: 1. ⇒ 2. Am văzut anterior că {0V } ⊆ Ker (T ) . Vom proba şi

incluziunea inversă. Fie x ∈ Ker (T ) . Rezultă că T ( x) = 0V ' . Deoarece T (0V ) = 0V ' ,
Ńinând cont de injectivitatea lui T, ob Ńinem că x = 0V . Aşadar Ker (T ) ⊆ {0V } şi deci
Ker (T ) = {0V } .
2. ⇒ 3. Fie x1 , x 2 ,..., x n vectori liniar independenŃi din V. Considerăm scalarii
n
α 1 , α 2 ,...,α n astfel încât ∑ α i T ( xi ) = 0V ' . Cum T este transformare liniară, obŃinem
i =1
n n
că T (∑ α i x i ) = 0 V ' şi astfel ∑ α i xi ∈ Ker (T ) = {0V } . Deoarece vectorii
i =1 i =1
x1 , x 2 ,..., xn sunt liniar independenŃi, rezultă că α1 = α 2 = ... = α n = 0 K , adică
T ( x1 ), T ( x 2 ),...,T ( x n ) sunt liniar independenŃi.
3. ⇒1. Fie x1 , x2 ∈ V , x1 ≠ x 2 . Atunci x1 − x2 ≠ 0V , deci x1 − x2 este un
vector liniar independent. Conform afirmaŃiei 3., vectorul T ( x1 − x 2 ) este liniar
independent, deci nenul. ObŃinem că T ( x1 ) − T ( x 2 ) = T ( x1 − x2 ) ≠ 0V ' , adică
T ( x1 ) ≠ T ( x2 ) , ceea ce arată că T este o transformare liniară injectivă. ▄
97
PropoziŃia 2.4: Pentru o transformare liniară T : V → V ' , următoarele
afirmaŃii sunt echivalente:
1. T este surjectivă;
2. Im(T ) = V ' ;
3. T transformă orice sistem de generatori al lui V într-un sistem de
generatori al lui V ' .
DemonstraŃie: 1. ⇔ 2. Această echivalenŃă este evidentă din definiŃia funcŃiei

surjective.
2. ⇒ 3. Presupunem că x1 , x 2 ,..., xn este un sistem de generatori al lui V.
Considerăm un vector arbitrar y ∈ V ' = Im(T ) . Atunci există un vector x ∈ V astfel
încât T ( x) = y . Deoarece x1 , x 2 ,..., xn constituie un sistem de generatori al lui V,
n  n 
există scalarii α1 , α 2 ,...,α n astfel încât x = ∑ α i xi . Rezultă că T  ∑ α i xi  = y ,
 
i =1  i =1 
n
adică ∑ α i T ( xi ) = y şi deci T ( x1 ), T ( x 2 ),...,T ( x n ) formează un sistem de generatori
i =1
al lui V ' .
3. ⇒1. Deoarece V este un sistem de generatori pentru V, rezultă că T (V ) este
un sistem de generatori pentru V ' . Cum T (V ) este un subspaŃiu vectorial al lui V ' ,
ob Ńinem că T (V ) = V ' , adică T este surjectivă. ▄
DefiniŃia 2.5: Pentru o transformare liniară T : V → V ' dimensiunea nucleului

Ker (T ) se numeşte defectul transformă rii T şi se notează def(T), iar dimensiunea
imaginii Im(T ) se numeşte rangul transformă rii T şi se notează rang(T).
Teorema 2.6 (Teorema rang-defect): Fie V şi V ' două K-spaŃii vectoriale

finit dimensionale şi T : V → V ' o transformare liniară. Atunci are loc relaŃia:
dim K V = def (T ) + rang (T ) .
DemonstraŃie : Fie n = dim K V şi considerăm B1 = {e1 , e2 ,..., em } o bază a lui

Ker (T ) . Deoarece Ker (T ) este un subspaŃiu vectorial al lui V, putem completa baza
B1 la o bază B = {e1 , e2 ,..., em , em +1 ,..., en } a lui V. Vom demonstra că
B2 = {T (em+1 ),...,T (en )} este o bază a lui Im(T ) .
Fie y ∈ Im(T ) arbitrar. Rezultă că există un element x în V astfel ca T ( x) = y .
B fiind o bază a lui V, în particular este sistem de generatori, deci există scalarii
n
α1 ,...,α n ∈ K astfel încât x = ∑ α i ei . Rezultă că
i =1
 n  n m n n
y = T ( x) = T  ∑ α i ei  = ∑ α iT (ei ) =∑ α iT (ei ) + ∑ α i T (ei ) = ∑ α iT (ei ) ,
 
 i=1  i =1 i =1 i =m +1 i = m+1
deci {T (em +1 ),...,T (en )} este un sistem de generatori pentru Im(T ) .
Demonstrăm acum liniar independenŃa acestor vectori. Considerăm scalarii
β m +1 ,..., β n ∈ K cu proprietatea că
98
β m +1T (em+1 ) + ... + β nT (en ) = 0V ' .
T fiind o transformare liniară, obŃinem
T ( β m+1em +1 + ... + β n en ) = 0V '
sau echivalent β m +1em+1 + ... + β n en ∈ Ker (T ) . Dar B1 = {e1 , e2 ,..., em } este o bază a
lui Ker(T), deci există scalarii β1 ,..., β m ∈ K astfel încât
β m +1em +1 + ... + β n e n = β1e1 + ... + β m em ,
adică
β1e1 + ... + β m em − β m +1e m +1 − ... − β n en = 0V .
Pe de altă parte, B = {e1 , e2 ,..., em , em +1 ,..., en } este o bază a lui V, deci mulŃime liniar
independentă, de unde rezultă că
β1 = ... = β m = β m +1 = ... = β n = 0 ,
şi astfel mulŃimea B2 = {T (em +1 ),...,T (en )} este liniar independentă, deci bază a lui
Im(T).
S-a obŃinut aşadar că: rang (T ) = n − m = dimK V − def (T ) , de unde rezultă
imediat relaŃ ia dorită. ▄
DefiniŃia 2.7: O transformare liniară T : V → V ' se numeşte izomorfism dacă

este bijectivă. Dacă în plus V = V ' , atunci T se numeşte automorfism.
Vom spune că V şi V ' sunt spaŃii vectoriale izomorfe şi vom nota V ~
− V ' dacă
există un izomorfism T : V → V ' .
ObservaŃie: Se poate verifica fără dificultate că relaŃia de izomorfism pe

mulŃimea spaŃiilor vectoriale peste corpul K are proprietăŃile:
4. este reflexivă: V ~
−V ;
5. este simetrică: dacă V ~− V ' , atunci şi V ' ~
−V ;
6. este tranzitivă: dacă V − V ' şi V ' − V " , atunci V ~
~ ~ −V " .
Astfel, putem afirma că izomorfismul spaŃiilor vectoriale este o relaŃie de echivalenŃă.
PropoziŃia 2.8: Dacă T : V → V ' este un izomorfism, atunci şi aplicaŃia

−1
T : V ' → V este un izomorfism.
DemonstraŃie: Este suficient să demonstrăm că T −1 este transformare liniară

(bijectivitatea fiind evidentă). Considerăm x, y ∈ V şi α , β ∈ K arbitrari. Rezultă că
T (T −1 (α x + β y)) = α x + βy , (1)
iar pe de altă parte
T (α T −1 ( x) + βT −1 ( y )) = α T (T −1 ( x)) + βT (T −1 ( y )) = α x + β y . (2)
Cum T este injectivă, din relaŃiile (1) şi (2) ob Ńinem că
T −1 (α x + βy ) = α T −1 ( x) + βT −1 ( y ) ,
adică T −1 este un izomorfism. ▄
Teorema 2.9: Orice K-spaŃiu vectorial de dimensiune n este izomorf cu spaŃiul

vectorial K n .
99
DemonstraŃie: Fie V un K-spaŃiu vectorial de dimensiune n şi
B = {e1 , e2 ,..., en } o bază a lui V. Definim o aplicaŃie T : V → K n în următorul mod:
dacă x ∈ V atunci T ( x) = ( x1 , x2 ,..., x n ) , unde x1 , x2 ,..., xn sunt componentele
n
vectorului x în baza B, adică x = ∑ xi ei .
i =1
n n
Demonstrăm că T este transformare liniară: fie x = ∑ xi ei , y = ∑ y i ei şi
i =1 i =1
n
α , β ∈ K arbitrari. Deoarece α x + β y = ∑ (α xi + β yi )ei , rezultă că
i =1
T (α x + βy ) = (α x1 + βy1 , α x 2 + βy 2 ,...,α x n + βy n ) = α ( x1 , x2 ,..., x n ) + β ( y1 , y 2 ,..., y n )
= αT ( x ) + β T ( y ) .
Fie x ∈ Ker (T ) . Atunci T ( x) = 0 K n = (0 K ,0 K ,...,0 K ) . łinând cont de
definirea transformării liniare T, avem x = 0 K e1 + 0 K e2 + ... + 0 K en = 0V . Aşadar
Ker (T ) = {0V } şi din PropoziŃia 2.3 obŃinem că T este transformare liniară injectivă.
Pentru a proba surjectivitatea lui T considerăm y = ( y1 , y 2 ,..., y n ) ∈ K n arbitrar.
n  n 
Atunci ∑ ii y e ∈ V şi în plus T  ∑ yi ei  = ( y1 , y 2 ,..., y n ) .
 
i =1  i =1 
Deci transformarea T construită anterior este un izomorfism de spaŃii
vectoriale şi astfel spaŃiile vectoriale V şi K n sunt izomorfe. ▄
Corolarul 2.10: Două K-spaŃii vectoriale finit dimensionale V şi V ' sunt

izomorfe dacă şi numai dacă
dim K V = dimK V ' .
DemonstraŃie: Presupunem mai întâi că V şi V ' sunt K-spaŃii vectoriale

izomorfe, deci există un izomorfism T : V → V ' . Din injectivitatea şi surjectivitatea
lui T obŃinem Ker (T ) = {0V } , respectiv Im(T ) = V ' şi astfel dim K Ker (T ) = 0 , iar
dim K Im(T ) = dimK V ' . Folosind acum Teorema rang-defect rezultă că
dim K V = dim K Ker (T ) + dimK Im(T ) = dimK V ' .
Reciproc, dacă dim K V = dim K V ' = n , atunci din Teorema 2.9 rezultă că
V~ n
− K şi V '− ~ K n . Deoarece izomorfismul de spaŃii vectoriale constituie o relaŃie de
echivalenŃă (în particular, este simetrică şi tranzitivă), obŃinem că V ~ −V ' . ▄
Corolarul 2.11: Fie V şi V ' două K-spaŃii vectoriale de dimensiune n,

respectiv m. Atunci spaŃiul vectorial al transformărilor liniare L(V ,V ' ) şi spaŃiul
vectorial M m ,n ( K ) al matricelor cu m linii şi n coloane sunt izomorfe. În particular,
End K (V ) şi M n (K ) sunt spaŃii vectoriale izomorfe.
100
DemonstraŃie: În Teorema 1.9 s-a demonstrat că dim K L(V ,V ' ) = mn . łinând
cont de faptul că şi dim K M m,n ( K ) = mn , din Corolarul 2.10 ob Ńinem că L(V ,V ' ) şi
M m,n ( K ) sunt spaŃii vectoriale izomorfe. ▄
PropoziŃia 2.12: Fie V şi V ' două K-spaŃii vectoriale finit dimensionale, cu

dim K V = dim K V ' şi T : V → V ' o transformare liniară. Atunci următoarele afirmaŃii
sunt echivalente:
1. T este injectivă;
2. T este surjectivă;
3. T este izomorfism.
DemonstraŃie: 1. ⇒ 2. Deoarece T este injectivă, din PropoziŃia 2.3 avem

Ker (T ) = {0V } şi deci def (T ) = 0 . Din ipoteză şi din Teorema rang-defect rezultă că
dim K V ' = dimK V = rang (T ) şi astfel V ' = Im(T ) , adică T este surjectivă.
2. ⇒1. Din surjectivitatea lui T ob Ńinem Im(T ) = V ' , de unde
rang (T ) = dimK V ' = dim K V . Aplicând Teorema rang-defect rezultă că def (T ) = 0 ,
adică Ker (T ) = {0V } , ceea ce probează că T este injectivă.
1. ⇒ 3. S-a văzut anterior că injectivitatea lui T implică şi surjectivitatea.
Astfel, presupunând că T este injectivă, ob Ńinem că T este transformare liniară
bijectivă, adică un izomorfism.
3. ⇒1. Evident. ▄
ExerciŃiu: Se consideră transformarea liniară

T : R3 → R2 , T ( x1 , x2 , x3 ) = ( x1 − 3 x 2 , x2 + x3 ) .
Să se determine nucleul şi imaginea transformării T. VerificaŃi Teorema rang-defect.
SoluŃie: Din definiŃia nucleului avem Ker (T ) = {x ∈ R 3 / T ( x) = 0 R 2 } . Cu alte

cuvinte, dacă x = ( x1 , x2 , x3 ) ∈ Ker (T ) , atunci T ( x1 , x2 , x3 ) = (0,0) , adică
( x1 − 3 x2 , x 2 + x3 ) = (0,0) . ObŃinem astfel sistemul
 x1 − 3 x 2 = 0
 .
 x2 + x3 = 0
Acesta este un sistem omogen, simplu nedeterminat, cu soluŃia
 x1 = −3α

 x 2 = −α , unde α ∈ R .
 x =α
 3
Deci Ker (T ) = {(−3α ,−α , α ) / α ∈ R} . Evident dimR Ker (T ) = 1 , o bază a nucleului
fiind {(−3,−1,1)} .
Pe de altă parte, Im(T ) = { y ∈ R 2 /(∃) x ∈ R 3 astfel încât T ( x) = y} . Aceasta
înseamnă că ( y1 , y 2 ) ∈ Im(T ) dacă şi numai dacă sistemul
 x1 − 3 x 2 = y1
 (3)
 x2 + x3 = y 2
101
 1 − 3 0
este compatibil. Notând A =   matricea coeficienŃilor sistemului, iar
0 1 1
 1 − 3 0 y1 
A =   matricea extinsă a sistemului, rezultă că
 0 1 1 y2 
rang ( A) = rang ( A ) = 2 . Aşadar, din Teorema Kronecker-Capelli, sistemul de ecuaŃii
(3) este compatibil, independent de valorile y1 şi y 2 . Rezultă că Im(T ) = R 2 , de
unde dimR Im(T ) = 2 .
Egalitatea din Teorema rang-defect este satisfăcută deoarece
dimR R 3 = 3 = 1 + 2 = dimR Ker (T ) + dimR Im(T ) . 
3. Matricea asociată unei transformări liniare
Toate spaŃiile vectoriale considerate în această secŃiune vor avea dimensiunea

finită.
Fie V şi V ' dou ă spaŃii vectoriale peste corpul K, cu dim K V = n şi
dim K V ' = m . Considerăm B = {e1 , e2 ,..., en } o bază a lui V, B' = {e1 ' , e2 ' ,..., em '} o
bază a lui V ' şi fie T : V → V ' o transformare liniară. Deoarece T (ei ) ∈ V ' , pentru
orice i = 1,n , iar B' este o bază a lui V ' , atunci există şi sunt unici scalarii a ij astfel
încât
 T (e1 ) = a11e1 '+ a 21e2 '+... + a m1em '
T (e ) = a e '+ a e '+... + a e '
 2 12 1 22 2 m2 m
 (1)
 ................................................
T (en ) = a1n e1 '+ a2 n e2 '+ ... + amn em '
DefiniŃia 3.1: Matricea A care se obŃine considerând transpusa matricei

coeficienŃilor sistemului de relaŃii (1) se numeşte matricea asociată transformării
liniare T în bazele B şi B' . Notăm:
 a11 a12 ... a1n 
 
 a 21 a 22 ... a 2n 
A = AB,B ' (T ) = 
... ... ... ... 
 
a a ... a 
 m1 m2 mn 
Dacă T este un endomorfism al lui V, iar B' = B , atunci A se numeşte matricea
asociată endomorfismului T în baza B şi se notează AB (T ) .
În secŃiunea precedentă s-a demonstrat că spaŃiul vectorial al transformărilor

liniare L(V ,V ' ) şi spaŃiul vectorial M m,n (K ) al matricelor cu m linii şi n coloane
102
sunt izomorfe. Putem indica acum, cu ajutorul definiŃiei precedente, un izomorfism
între aceste dou ă spaŃii vectoriale:
Φ : L (V , V ' ) → M m,n ( K ) , Φ (T ) = AB ,B ' (T ) .
Acest izomorfism are drept consecinŃe imediate următoarele afirmaŃii:
- dacă T1 , T2 : V → V ' sunt două transformări liniare, atunci T1 şi T2 coincid
dacă şi numai dacă matricele lor asociate AB ,B ' (T1 ) şi AB ,B ' (T2 ) sunt egale;
- dacă T1 , T2 : V → V ' sunt dou ă transformări liniare, atunci transformării
liniare sumă T1 + T2 i se asociază matricea AB , B ' (T1 ) + AB ,B ' (T2 ) . Cu alte cuvinte
AB ,B ' (T1 + T2 ) = AB ,B ' (T1 ) + AB ,B ' (T2 ) ;
- dacă T : V → V ' este o transformare liniară şi λ ∈ K , atunci transformării
liniare λT i se asociază matricea λ AB ,B ' (T ) . Altfel spus, AB ,B ' (λT ) = λ AB ,B ' (T ) .
În particular, dacă V = V ' , aplicaŃia
Φ : End K (V ) → M n ( K ) , Φ (T ) = AB (T )
stabileşte un izomorfism între spaŃiul vectorial End K (V ) al endomorfismelor lui V şi
spaŃiul vectorial M n ( K ) al matricelor p ătratice de ordin n cu componente din corpul
K. Se poate demonstra, având în vedere şi propoziŃia următoare, că aplicaŃ ia Φ
stabileşte chiar un izomorfism de inele între ( End K (V ), + , o) şi (M n ( K ), + , ⋅ ) .
PropoziŃia 3.2: Fie V ,V ' , V " trei spaŃii vectoriale peste corpul K,
B = {e1 , e2 ,..., en } , B' = {e1 , e2 ,..., em } , respectiv B" = {e1 , e2 ,..., e p } baze ale acestor
spaŃii, iar T1 : V → V ' , T2 : V ' → V " două transformări liniare. Dacă AB ,B ' (T1 ) este
matricea asociată lui T1 în bazele B şi B' , iar AB ',B" (T2 ) este matricea asociată lui
T2 în bazele B' şi B" , atunci transformării T2 o T1 : V → V " îi este asociată, în
bazele B şi B" , matricea AB ', B" (T2 ) ⋅ AB ,B ' (T1 ) , adică
AB ,B" (T2 o T1 ) = AB ',B" (T2 ) ⋅ AB , B ' (T1 ) .
DemonstraŃie: Dacă AB ,B ' (T1 ) = (a ij ) i=1,m, j =1,n şi AB ', B" (T2 ) = (bki ) k =1, p,i =1,m ,
atunci, din modul cum s-a definit matricea asociată unei transformări liniare în două
baze date, rezultă că
m p
T1 (e j ) = ∑ aij ei ' , T2 (ei ' ) = ∑ bki ek " ,
i =1 k =1
pentru orice j = 1, n şi respectiv i = 1, m .
Vom ob Ńine că:
m  m m p
(T2 o T1 )(e j ) = T2 (T1 (e j )) = T2  ∑ aij ei '  = ∑ aij T2 (ei ' ) =∑ aij ∑ bki ek " =
 
 i=1  i=1 i =1 k =1
p  m 
∑  ∑ bki aij ek " , pentru orice j = 1, n .
k =1  i =1 
103
m
Deci AB,B" (T2 o T1 ) = (c kj ) k =1, p, j =1,n , unde c kj = ∑ bki aij şi astfel este clar că
i =1
AB,B" (T2 o T1 ) = AB ',B" (T2 ) ⋅ AB, B' (T1 ) . ▄
Corolarul 3.3: Dacă T : V → V este un automorfism având matricea asociată

AB (T ) în raport cu baza B a lui V, atunci matricea asociată lui T −1 în baza B este
AB (T ) −1 , altfel spus AB (T −1 ) = AB (T ) −1 .
DemonstraŃie: Din PropoziŃia 3.2 avem AB (T o T −1 ) = AB (T ) ⋅ AB (T −1 ) sau

echivalent AB ( IdV ) = AB (T ) ⋅ AB (T −1 ) . Deoarece matricea asociată aplicaŃiei
identice în orice bază este matricea unitate I n de ordin n, cu n = dim K V , rezultă că
AB (T ) ⋅ AB (T −1 ) = I n , de unde obŃinem AB (T −1 ) = AB (T ) −1 . ▄
PropoziŃia 3.4 : Fie T : V → V ' o transformare liniară, B = {e1 , e2 ,..., en } o

bază a lui V, B' = {e1 ' , e2 ' ,..., em '} o bază a lui V ' şi x ∈ V un vector oarecare. Dacă
n m
x = ∑ xi ei este scrierea lui x în baza B, iar y = T ( x) = ∑ y j e j ' reprezintă scrierea
i =1 j =1
imaginii lui x prin transformarea T în baza B' , atunci între componentele xi şi
componentele yi există relaŃia:
n
y j = ∑ a ji xi , j = 1, m (2)
i =1
n
DemonstraŃie: Din ipoteză x = ∑ xi ei . Aplicând transformarea T acestei
i =1
egalităŃi şi folosind liniaritatea lui T, precum şi sistemul de relaŃii (1), obŃinem:
 n  n n m m  n 
T ( x) = T  ∑ xi ei  = ∑ xiT (ei ) = ∑ xi ∑ a ji e j ' = ∑  ∑ a ji xi e j '
   
 i=1  i =1 i =1 j =1 j =1  i =1 
m
Dar, cu notaŃiile din enunŃ T ( x) = ∑ y j e j ' . łinând cont de unicitatea scrierii unui
j =1
vector într-o bază dată, obŃinem imediat că
n
y j = ∑ a ji xi . ▄
i =1
ObservaŃie: Matriceal, relaŃia (2) se rescrie astfel:

Y = AX (3)
unde Y = ( y1 , y 2 ,..., y m ) şi X = ( x1 , x2 ,..., x n ) t .
t
În finalul acestei secŃiuni vom studia cum se modifică matricea asociată unei
transformări liniare la schimbarea bazei.
104
Teorema 3.5: Fie T : V → V ' o transformare liniară, B = {e1 , e2 ,..., en } şi
B1 = { f1 , f 2 ,..., f n } baze ale lui V, iar B' = {e1 ' , e2 ' ,..., em '} şi B1 ' = { f1 ' , f 2 ' ,..., f m ' }
baze ale lui V ' . Dacă C este matricea de trecere de la baza B la baza B1 , iar C '
matricea de trecere de la B' la B1 ' , atunci
AB1 ,B1 ' (T ) = (C ' ) −1 AB , B ' (T ) C .
DemonstraŃie: Presupunem că
C = (cij ) i, j =1,n , C ' = (cij ' ) i, j =1,m , AB ,B ' (T ) = (a ij ) i =1,m , j =1,n ,
AB1 ,B1' (T ) = (aij ' ) i =1,m, j =1,n .
Folosind definiŃia matricei asociate unei transformări liniare, precum şi definiŃia
matricei de trecere de la o bază la alta într-un spaŃiu vectorial, vom ob Ńine pe de-o
parte:
 n  n n m  m n 
T ( f i ) = T  ∑ c ji e j  = ∑ c ji T (e j ) = ∑ c ji  ∑ a kj ek '  = ∑  ∑ a kj c ji ek ' , (4)
 j =1  j =1  k =1  k =1 j =1 
  j =1 
pentru orice i = 1, n , iar pe de altă parte:
m m  m  mm 
T ( f i ) = ∑ a ji ' f j ' = ∑ a ji '  ∑ c kj ' ek '  = ∑  ∑ c kj ' a ji ' ek ' , (5)
j =1 j =1  k =1  k =1 j =1 

pentru orice i = 1, n .
Având în vedere unicitatea scrierii unui vector într-o bază dată, din relaŃiile (4)
şi (5) ob Ńinem
n m
∑ akj c ji = ∑ ckj ' a ji ' ,
j =1 j =1
pentru orice i = 1, n şi k = 1, m , sau echivalent cu egalitatea matriceală

AB ,B ' (T ) C = C ' AB1 ,B1' (T ) .
Deoarece matricea de trecere de la o bază la alta este inversabilă, din ultima relaŃie
ob Ńinem:
AB1 ,B1 ' (T ) = (C ' ) −1 AB, B' (T ) C . ▄
Corolarul 3.6: : Fie T : V → V un endomorfism al lui V, B = {e1 , e2 ,..., en } şi

B' = {e1 ' , e2 ' ,..., en ' } baze ale lui V. Dacă C este matricea de trecere de la baza B la
baza B' , atunci
AB ' (T ) = C −1 AB (T ) C .
DemonstraŃie: Evident dacă se aplică Teorema 3.5 pentru V ' = V , B1 = B şi

B1 ' = B ' . ▄
ExerciŃiu: Fie aplicaŃia

T : R 3 → R 3 , T ( x1 , x2 , x3 ) = ( x2 + x3 , x1 + x3 , x1 + x2 ) .
i) ArătaŃi că T este un automorfism;
105
ii) DeterminaŃi matricea asociată lui T −1 în baza canonică a lui R 3 .
SoluŃie: i) Se probează fară dificultate (similar ExerciŃiului din prima secŃiune

a acestui capitol) că T este transformare liniară. Deoarece spaŃiul vectorial pe care este
definit T coincide cu spaŃiul în care T ia valori reiese că T este un endomorfism al lui
R3 .
Demonstrăm acum că T este aplicaŃie injectivă. Într-adevăr,
Ker (T ) = {x ∈ R 3 / T ( x) = 0 R 3 } . Considerând x = ( x1 , x 2 , x3 ) ∈ Ker (T ) , rezultă că
T ( x1 , x2 , x3 ) = (0,0,0) , de unde găsim sistemul omogen:
 x 2 + x3 = 0

 x1 + x3 = 0 .
x + x = 0
 1 2
0 1 1
Deoarece determinantul coeficienŃilor sistemului este 1 0 1 = 2 ≠ 0 , sistemul va fi
1 1 0
 x1 = 0

compatibil determinat. Fiind un sistem omogen, unica soluŃie a acestuia este  x2 = 0 ,
x = 0
 3
deci Ker (T ) = {0 R 3 } şi putem conchide astfel că T este aplicaŃie injectivă. Din
PropoziŃia 2.12 obŃinem acum că T este un automorfism al lui R 3 .
ii) Vom folosi Corolarul 3.3. Pentru aceasta, trebuie determinată mai întâi
matricea asociată lui T în baza canonică B = {e1 = (1,0,0), e2 = (0,1,0), e3 = (0,0,1)} a
lui R 3 :
T (e1 ) = T (1,0,0) = (0,1,1) = (0,1,0) + (0,0,1) = e2 + e3
T (e2 ) = T (0,1,0) = (1,0,1) = e1 + e3
T (e3 ) = T (0,0,1) = (1,1,0) = e1 + e2 .
0 1 1
 
Rezultă că matricea asociată lui T în baza B este AB (T ) =  1 0 1  . În final găsim
1 1 0
 
că matricea asociată lui T −1 în baza B este
−1 1 1
−1 −1 1 
AB (T ) = ( AB (T )) =  1 −1 1  . 
2
1 1 − 1
106
4. ExerciŃii
1. StudiaŃi care dintre următoarele aplicaŃii sunt transformări liniare:

i) T : R 2 → R 2 , T ( x1 , x2 ) = ( x1 − 2 x 2 , x1 + x2 ) ;
ii) T : R 2 → R 2 , T ( x1 , x2 ) = ( x1 , − x 2 ) ;
iii) T : R 3 → R , T ( x1 , x2 , x3 ) = ax1 + bx2 + cx3 + d , unde a, b, c, d ∈ R ;
iv) T A : M np (R ) → M mp (R ) , T A ( B) = AB , unde A ∈ M mn (R ) este o
matrice dată;
v) T : R[ X ] → R[ X ] , T ( P( X )) = P( X ) − 3P' ( X ) + 2 P" ( X ) .
2. Pentru următoarele transformări liniare:

i) T : R 3 → R 2 , T ( x1 , x2 , x3 ) = ( x1 + 3 x3 , x 2 − x3 ) ;
ii) T : R 2 → R 3 , T ( x1 , x2 ) = ( x1 + x 2 , x1 − x2 , 3 x2 ) ;
iii) T : R 3 → R 3 , T ( x) = kx , unde k ∈ R * ;
1
iv) T : R 3 [ X ] → R 2 [ X ] , T ( P( X )) = X 2 ∫ P( X )dX − 3P' ( X ) ;
0
v) T : R n → R n , T ( x1 , x 2 ,..., xn ) = ( x1 , x1 + x 2 ,..., x1 + x 2 + ... + xn ) ,
să se determine nucleul, imaginea şi să se verifice Teorema rang-defect.
3. Să se determine toate endomorfismele T : R 3 → R 3 care satisfac condiŃiile:

T (1,1,0) = (2,−1,7) , T (1,−1,0) = (−3,4,6) , T (0,0,1) = (9,0,5) .
4. Să se demonstreze că transformarea liniară

T : R 2 → R 3 , T ( x1 , x2 ) = ( x1 + x 2 , x1 − x2 , 3 x2 )
este injectivă, dar nu este surjectivă.
5. Să se demonstreze că aplicaŃia
r r r
T : V3 → V3 , T (v ) = a × v ,
r
cu a ∈ V3 dat, este transformare liniară. DeterminaŃi nucleul şi imaginea acestei
transformări.
6. Se consideră aplicaŃ ia
T : R 2 [ X ] → R 2 [ X ] , T ( P( X )) = XP' ( X ) .
i) Să se demonstreze că T este un automorfism;
ii) Să se determine matricea asociată lui T în baza B = {1, X , X 2 } .
7. Se consideră transformarea liniară T : R 3 → R 2 care pe elementele bazei

canonice a lui R 3 este definită astfel: T (1,0,0) = (3,4) , T (0,1,0) = (7,1) ,
T (0,0,1) = (8,1) . Să se determine matricea asociată transformării T în perechea de baze
B1 = {(1,1,0) , (1,−1,0) , (0,0,1)} şi B2 = {(−1,1) , (1,1)} .
107
8. Se consideră aplicaŃ ia
 1 − 1  0 − 1
T : M 2 (R ) → M 2 (R ) , T ( X ) =   X − X   .
2 0  1 2 
i) Să se demonstreze că T este endomorfism al lui M 2 (R ) ;
ii) Să se determine nucleul, precum şi o bază a acestuia;
iii) Să se determine matricea ataşată lui T în baza
 1 0   1 1  1 1  1 1
B =   ,   ,   ,   .
 0 0   0 0  1 0  1 1
108
Capitolul VI
Sisteme de ecuaŃii liniare
Metodele de rezolvare ale sistemelor de ecuaŃii liniare se împart în două

categorii:
- metode directe: presupun obŃinerea soluŃiei exacte a sistemului după un
număr finit de operaŃii elementare;
- metode iterative: se bazează pe folosirea unei aproximaŃii iniŃiale care se
îmbunătăŃeşte de la o etapă la alta.
1. Metoda lui Gauss
Prezentăm în această secŃiune cea mai simplă metodă directă de rezolvare a

sistemelor de ecuaŃii liniare, numită Metoda lui Gauss sau Metoda eliminărilor
succesive. Această metodă are la bază ideea transformării sistemului dat într-un sistem
superior triunghiular sau trapezoidal prin eliminarea succesivă a necunoscutelor şi
apoi folosirea procedeului de substituire inversă pentru rezolvarea sistemului obŃinut.
Considerăm un sistem de m ecuaŃii şi n necunoscute:
 a11 x1 + a12 x 2 + ... + a1n x n = b1

 a x + a x + ... + a x = b
 21 1 22 2 2n n 2
(S ) :  .
 ...............................................
a m1 x1 + a m 2 x 2 + ... + a mn xn = bm
Notăm cu
 a11 a12 ... a1n   a11 a12 ... a1n b1 
   
 a 21 a 22 ... a 2n  e  a 21 a 22 ... a 2n b2 
A= şi A =
... ... ... ...  ... ... ... ... ... 
   
a am2 ... a mn  a a m2 ... a mn bm 
 m1  m1
109
matricea coeficienŃilor sistemului, respectiv matricea extinsă a sistemului. Putem
presupune că fiecare coloană a matricea A este nenulă, în caz contrar sistemul (S)
putându-se înlocui cu un sistem cu număr mai mic de necunoscute.
DefiniŃia 1.1: i) Spunem că sistemului (S) i s-a aplicat o transformare

elementară de tipul ( I ) dacă sistemului i se permută două ecuaŃii, poziŃia celorlalte
m-2 ecuaŃii ră mânând nemodificată:
 E1  E1
 ...  ...
 
 Ei E j
 (I ) 
( S ) :  ... → (S ' ) :  ...
E E
 j  i
 ...  ...
 
Em Em
Vom folosi nota Ńia Ei ↔ E j .
ii) Spunem că sistemului (S) i s-a aplicat o transformare elementară de tipul

( II ) dacă o ecuaŃie a sistemului se înmulŃeşte cu o constantă nenulă, celelalte m-1
ecuaŃii rămânând nemodificate:
 E1  E1
 ...  ...
 
( II )
( S ) :  Ei → (S ' ) : λEi
 ...  ...
 
 E m  E m
Vom folosi notaŃia λEi .
iii) Spunem că sistemului (S) i s-a aplicat o transformare elementară de tipul

( III ) dacă unei ecuaŃii a sistemului i se adună o altă ecuaŃie multiplicată cu o
constantă nenulă, celelalte m-1 ecuaŃii ră mânând nemodificate:
 E1  E1
 ...  ...
 
 Ei  Ei
 ( III ) 
( S ) :  ...  → (S ' ) :  ...
E  E + λE
 j  j i
 ...  ...
 
Em  Em
Vom folosi notaŃia E j + λEi .
110
DefiniŃia 1.2: Două sisteme de ecuaŃii elementare (S ) şi (S ' ) se numesc
sisteme echivalente dacă sistemul (S ' ) se obŃine din sistemul (S ) printr-un numă r
finit de transformări elementare de tipul ( I ) , ( II ) sau ( III ) . Vom desemna acest
lucru prin notaŃia ( S ) ~ ( S ' ) .
ObservaŃie: RelaŃia “~” este o relaŃie de echivalenŃă pe mulŃimea sistemelor

de m ecuaŃii liniare şi cu n necunoscute.
Teorema 1.3: Fie (S ) şi (S ' ) două sisteme de m ecuaŃii liniare şi cu n

necunoscute. Dacă (S ) şi (S ' ) sunt sisteme echivalente, atunci (S ) şi (S ' ) au
aceleaşi soluŃii.
DemonstraŃie: łinând cont de definiŃia sistemelor echivalente, precum şi de

observaŃia anterioară, ne putem reduce la cazul în care (S ' ) se obŃine din (S ) printr-o
singură transformare elementară de tipul ( I ), ( II ) sau ( III ) . În acest caz este evident
că orice soluŃie a sistemului (S ) este soluŃie şi a sistemului (S ' ) .
Pe de altă parte, deoarece sistemul (S ) se obŃine din sistemul (S ' ) printr-o
transformare elementară de tipul ( I ), ( II ) sau ( III ) , orice soluŃie a sistemului (S ' )
este soluŃie a sistemului (S ) şi astfel teorema este demonstrată. ▄
Teorema 1.4: Orice sistem (S ) cu m ecuaŃii liniare şi n necunoscute este

echivalent cu un sistem (S ) de forma:
a11 x1 + ......................................... + a1n x n = b1

 a 2k2 xk2 + .......................... + a 2n xn = b2
 a3k3 x k3 + ............... + a3n x n = b3

 ........................
(S ) : 
 a rkr xkr + .... + a rn x n = br
 0 = br +1

 ...........
 0 = bn

unde a11 , a 2 k2 , a3k3 , ..., a rkr ≠ 0 şi 1 < k 2 < k 3 < ... < k r . (S ) se va numi forma
triunghiulară a sistemului ( S ) .
DemonstraŃie: Deoarece prima coloană a matricei A este nenulă, atunci există

cel puŃin un element nenul pe această coloană. Fie i indicele minim cu proprietatea că
ai1 ≠ 0 . Dacă i = 1 , atunci prima ecuaŃie a sistemului are coeficientul lui x1 nenul.
Dacă i > 1 , atunci permutând între ele ecuaŃiile E1 şi Ei obŃinem un sistem
echivalent cu sistemul iniŃial, având coeficientul lui x1 nenul în prima ecuaŃie.
Pentru orice indice j > 1 , adunăm la ecuaŃia E j ecuaŃia E1 înmulŃită cu
a j1
− . Ob Ńinem sistemul:
a11
111
a11
'
x1 + ......................................... + a1' n xn = b1'

 a 2' k2 x k2 + .......................... + a 2' n xn = b2'
(S ' ) : 
 ...............................................................
 '
a mk x + ........................ + a mn '
xn = bm'
 2 k2
'
unde a11 ≠ 0 , iar k 2 > 1 este indicele minim pentru care cel puŃin unul dintre
coeficienŃii a 2' k2 , a3' k2 ,..., amk
'
2
este nenul. Este clar că ( S ' ) ~ (S ) .
Se continuă aplicarea procedeului descris mai sus sistemului de m-1 ecuaŃii
obŃinut din (S ' ) prin eliminarea primei ecuaŃii. Va rezulta un sistem de forma:
a11
'
x1 + ......................................... + a1' n x n = b1'

 a "2k2 xk2 + .......................... + a 2" n x n = b2"

(S ") :  a3" k3 xk3 + .............. + a 3" n xn = b3"
 ...................................................


 a "mk3 x k3 + ............ + a "mn x n = bm"
unde 1 < k 2 < k 3 şi cel puŃin unul dintre coeficienŃii a 3" k3 , ..., a mk
"
3
este nenul.
Deoarece ( S " ) ~ ( S ' ) , datorită tranzitivităŃii relaŃiei “~” ob Ńinem că
( S " ) ~ (S ) . După un număr finit de aplicări ale procedeului descris anterior ajungem
la sistemul ( S ) , echivalent cu sistemul iniŃial (S ) . ▄
ObservaŃie: 1. Sistemul (S ) este compatibil dacă şi numai dacă în forma ( S )

nu apar ecua Ńii de forma 0 = b p , cu b p nenul.
2. În cazul în care sistemul (S ) este compatibil, rezolvarea acestuia prin
metoda lui Gauss se face astfel: în forma (S ) a sistemului, x1 , x k2 , ..., x kr vor fi
necunoscute principale, iar celelalte n − r nedeterminate vor fi necunoscute
secundare. Din ultima ecuaŃie
a rkr x kr + .... + a rn x n = br
a sistemului ( S ) se determină x kr în funcŃie de necunoscutele secundare. Se va
înlocui această valoare în penultima ecuaŃie şi se determină x kr −1 . Continuând astfel,
în final vom obŃine x1 . Acest procedeu de aflare a necunoscutelor după ce sistemul a
fost adus la forma triunghiulară este cunoscut sub numele de substituire inversă.
ExerciŃiul 1: Să se rezolve, cu ajutorul metodei lui Gauss, sistemul de ecuaŃii

liniare:
 x1 + 3 x2 + 5 x3 − 4 x 4 =1
 x + 3x + 2 x − 2 x + x = −1
 1 2 3 4 5
 x1 − 2 x 2 + x3 − x 4 − x5 =3
 x − 4x + x + x − x =3
 1 2 3 4 5
 x1 + 2 x 2 + x3 − x4 + x5 = −1
112
SoluŃie: Vom folosi algoritmul descris în demonstraŃia Teoremei 1.4 pentru a
găsi forma triunghiulară a sistemul dat.
Cu ajutorul transformărilor elementare ( I ), ( II ) şi ( III ) sistemul se poate
scrie succesiv astfel:
E2 +( −1) E1
 x1 + 3 x2 + 5 x3 − 4 x4 =1 E3 +( −1) E1  x1 + 3 x 2 + 5 x3 − 4 x 4 =1
 x + 3x + 2 x − 2 x + x = −1 E4 +( −1) E1  − 3 x3 + 2 x4 + x5 = −2
 1 2 3 4 5 
E5 + ( −1) E1
 1x − 2 x 2 + x 3 − x 4 − x 5 =3   
→  − 5 x 2 − 4 x3 + 3 x 4 − x 5 =2
 x − 4x + x + x − x =3  − 7 x − 4 x + 5x − x =2
 1 2 3 4 5  2 3 4 5
 x1 + 2 x 2 + x3 − x 4 + x5 = −1  − x 2 − 4 x3 + 3 x4 + x5 = −2
 x1 + 3 x 2 + 5 x3 − 4 x 4 =1
 − x − 4 x + 3x + x = −2 E3 + ( −5) E2
 2 3 4 5
E2 ↔ E5 E4 +( −7 ) E2
 →  − 5 x 2 − 4 x 3 + 3 x 4 − x 5 =2   →
 − 7 x − 4 x + 5x − x =2
 2 3 4 5
 − 3 x3 + 2 x4 + x5 = −2
 x1 + 3 x2 + 5 x3 − 4 x 4 =1 1
E3  x1 + 3 x 2 + 5 x3 − 4 x4 =1
 − x − 4 x + 3x + x = −2
2  − x − 4 x + 3x + x = −2
 2 3 4 5 1  2 3 4 5
E4
 16 x 3 − 12 x 4 − 6 x 5 = 12 8 →  8 x 3 − 6 x 4 − 3 x 5 =6
 24 x3 − 16 x 4 − 8 x5 = 16  3 x3 − 2 x 4 − x 5 =2
 
 − 3 x3 + 2 x 4 + x5 = −2  − 3 x3 + 2 x 4 + x 5 = −2
 x1 + 3 x 2 + 5 x3 − 4 x4 =1
 − x − 4 x + 3x + x  8
E4 + −  E3
 2 3 4 5 = −2  3
E
3 ↔ E4
→  3 x 3 − 2 x 4 − x 5 =2 E5 + E3
  →
 8 x3 − 6 x 4 − 3 x 5 =6

 − 3 x3 + 2 x 4 + x 5 = −2
 x1 + 3x2 + 5 x3 − 4 x 4 =1
 − x − 4 x + 3 x + x = −2
 2 3 4 5
 3 2
 x3 − x 4 − x 5 =2 .
 2 1 2
− x 4 − x5 =
 3 3 3
 0=0
113
Putem acum să tragem următoarele concluzii: sistemul dat este compatibil
nedeterminat, x1 , x2 , x3 , x 4 sunt necunoscute principale, iar x5 este necunoscută
secundară. Utilizând substituirea inversă găsim:
α α α
x1 = − , x2 = −1 − , x3 = 0, x4 = −1 − , x5 = α
2 2 2
cu α ∈ R . 
ExerciŃiul 2: Folosind metoda lui Gauss să se rezolve sistemul:

 x1 + x 2 − 3x3 = −1
2 x + x − 2x = 1
 1 2 3

 x1 + x 2 + x3 = 3
 x1 + 2 x2 − 3x3 = 1
SoluŃie: Utilizând transformările elementare, succesiv avem:
E2 + ( −2) E1
 x1 + x 2 − 3x3 = −1  x1 + x 2 − 3x3 = −1
E3 +( −1) E1
2 x + x − 2x = 1  − x + 4x =3
 1 2 3 E4 + ( −1) E1 
   → 
2 3
E
4 + E2

→
 1 x + x 2 + x 3 =3  4 x 3 =4
 x1 + 2 x2 − 3x3 = 1  x2 =2
 x1 + x 2 − 3x3 = −1  x1 + x 2 − 3x3 = −1
 − x + 4x =3  − x + 4x = 3
 2 3 4 + ( −1) E3 
 E  → 
2 3
.
 4 x3 =4  4 x3 = 4
 4 x3 =2  0 = −2
Deoarece forma triunghiulară a sistemului dat conŃine egalitatea imposibilă 0 = −2 ,

sistemul este incompatibil. 
2. Factorizarea LU
În algebra liniară, prin factorizare a unei matrice se înŃelege scrierea matricei

respective ca un produs de alte matrice, având anumite particularităŃ i. Această
secŃiune este dedicată factoriză rii LU, adică scrierii, în anumite condiŃii, a unei
matrice pătratice sub forma unui produs dintre o matrice inferior triunghiulară (Lower
triangular matrix) şi o matrice superior triunghiulară (Upper triangular matrix ).
DefiniŃia 2.1: 1. O matrice L = (lij ) i, j =1,n ∈ M n (R ) se numeşte matrice

inferior triunghiulară dacă lij = 0 pentru orice i < j , adică toate elementele situate
114
deasupra diagonalei principale sunt nule. Aşadar, o matrice inferior triunghiulară va
fi de forma:
 l11 0 0 ... 0 
 
 l 21 l 22 0 ... 0 
L =  l31 l32 l33 ... 0  .
 
 ... ... ... ... ... 
l 
 n1 l n 2 l n3 ... l nn 
2. O matrice U = (u ij ) i, j =1,n ∈ M n (R ) se numeşte matrice superior

triunghiulară dacă uij = 0 pentru orice i > j , adică toate elementele situate sub
diagonala principală sunt nule. Aşadar, o matrice superior triunghiulară va fi de
forma:
 u11 u12 u13 ... u1n 
 
 0 u 22 u 23 ... u 2 n 
U = 0 0 u 33 ... u 3n  .
 
 ... ... ... ... ... 
 0 0 0 ... u nn 

PropoziŃia 2.2: Matricele inferior (superior) triunghiulare au următoarele

proprietăŃi:
1. Suma şi produsul a două matrice inferior (superior) triunghiulare, de
aceeaşi dimensiune, sunt matrice inferior (superior) triunghiulare;
2. Determinantul unei matrice inferior (superior) triunghiulare este egal cu
produsul elementelor situate pe diagonala principală;
3. O matrice inferior (superior) triunghiulară este inversabilă dacă şi numai
dacă toate elementele situate pe diagonala principală sunt nenule;
4. Inversa unei matrice inferior (superior) triunghiulară , în cazul în care
există , este tot o matrice inferior (superior) triunghiulară .
DemonstraŃie: 1. Evident, din DefiniŃia 2.1.

2. Se demonstrează prin metoda inducŃiei matematice după n, utilizând
dezvoltarea determinantului după o coloană (respectiv o linie).
3. Se obŃine imediat din punctul precedent al acestei propoziŃii, având în
vedere că o matrice pătratică este inversabilă dacă şi numai dacă matricea are
determinantul nenul.
4. Fie
 l11 0 0 ... 0 
 
 l 21 l 22 0 ... 0 
L =  l31 l32 l33 ... 0 
 
 ... ... ... ... ... 
l 
 n1 l n 2 l n3 ... l nn 
o matrice inferior triunghiulară, inversabilă şi L −1 = (λ ij ) i , j =1,n ∈ M n (R ) inversa
matricei L. Presupunem prin absurd că L −1 nu este matrice inferior triunghiulară.
115
Atunci în matricea L −1 există cel puŃin un element nenul situat deasupra diagonalei
principale. Fie k indicele minim cu proprietatea că λ kj ≠ 0 , cu k < j .
Deoarece L ⋅ L −1 = I n , elementul de pe poziŃia (k, j) din matricea unitate I n se
obŃine înmulŃind linia k din matricea L cu coloana j din matricea L −1 . Astfel obŃinem
că l kk λ kj = 0 , de unde rezultă l kk = 0 - contradicŃie cu inversabilitatea matricei L.
Deci matricea L −1 este inferior triunghiulară.
Similar se probează afirmaŃ ia pentru matrice superior triunghiulară. ▄
În continuare vom introduce noŃiunea de matrice inferior triunghiulară

elementară, concept deosebit de important pentru factorizarea LU.
Fie
 0 
 
 ... 
 0 
ck =  , ek = (0 ... 0 1 0 ... 0 )
 γ k +1 
 ... 
 
 γ 
 n 
matricea coloană având 0 pe primele k poziŃii, respectiv matricea linie cu 1 pe poziŃia
k şi 0 în rest.
DefiniŃia 2.3: Se numeşte matrice inferior triunghiulară elementară o matrice

pă tratică de forma
 1 0 ... 0 0 ... 0
 
 0 1 ... 0 0 ... 0
 ... ... ... ... ... ... ...
 
Lk = I n − ck ek =  0 0 ... 1 0 ... 0.
 0 0 ... − γ 0 
 k +1 1 ...
 ... ... ... ... ... ... ...
 
 0 0 ... − γ n 0 ... 1
PropoziŃia 2.4: Matricea inferior triunghiulară elementară Lk este

inversabilă, inversa ei fiind
 1 0 ... 0 0 ... 0
 
 0 1 ... 0 0 ... 0
 ... ... ... ... ... ... ...
 
Lk−1 = I n + c k ek =  0 0 ... 1 0 ... 0.
 0 0 ... γ 0 
 k +1 1 ...
 ... ... ... ... ... ... ...
 
 0 0 ... γ n 0 ... 1
116
DemonstraŃie: Deoarece matricea Lk este o matrice inferior triunghiulară
având numai elemente nenule pe diagonala principală, din PropoziŃia 2.2 rezultă că
Lk este matrice inversabilă.
Prob ăm acum că I n + c k ek este inversa matricei Lk :
Lk ( I n + ck ek ) = ( I n − ck ek )( I n + c k ek ) = I n − (c k ek )(ck ek ) . (1)
Deoarece ek ck = 0 , succesiv avem:
(ck ek )(c k ek ) = c k (ek c k )ek = c k 0 ek = 0 . (2)
Înlocuind relaŃia (2) în (1) obŃinem
Lk ( I n + c k ek ) = I n ,
de unde putem conchide că Lk−1 = I n + ck ek . ▄
DefiniŃia 2.5: Pentru o matrice A = (aij ) i , j =1,n ∈ M n (R ) , determinanŃii

a11 a12 a13
a11 a12
∆1 = a11 , ∆ 2 = , ∆ 3 = a 21 a 22 a 23 ,..., ∆ n = det ( A)
a 21 a 22
a31 a 32 a33
se numesc minori principali.
Lema 2.6: Presupunem că pentru matricea A ∈ M n (R ) există două matrice

L,U ∈ M n (R ) astfel încât
A=LU.
Atunci pentru orice partiŃie
A A12  L 0  U U 12 
A =  11  , L =  11  , U =  11 
 A21 A22   L21 L22  U 21 U 22 
cu A11 , L11 ,U 11 ∈ M k (R ) , k ≤ n , avem A11 = L11U11 .
DemonstraŃie: Prin calcul direct. ▄
Teorema 2.7: Fie A = (aij ) i , j =1,n ∈ M n (R ) o matrice pătratică pentru care

primii n − 1 minori principali ∆1 , ∆ 2 , ..., ∆ n−1 sunt nenuli. Atunci matricea A admite o
factorizare LU, adică există o matrice inferior triunghiulară L ∈ M n (R ) şi o
matrice superior triunghiulară U ∈ M n (R ) astfel încât
A=LU.
DemonstraŃie: Pentru a demonstra această teoremă, vom construi matricele

triunghiulare L şi U cu proprietatea că A = LU . Procedeul utilizat în acest scop va fi
folosit şi în exerciŃiile având drept cerinŃă determinarea factorizării LU pentru o
anumită matrice.
Deoarece ∆1 = a11 ≠ 0 , putem considera matricea inferior triunghiulară
elementară
117
 1 0 0 ... 0 
 a 21 
− 1 0 ... 0 
 a11 
 a 
L1 =  − 31 0 1 ... 0  .
a
 11 
 ... ... ... ... ...
 − a n1 0 0 ... 1 
 a
 11 
Definim A1 = L1 A . Rezultă că
 a (1) (1)
a12 ... a1(1n) 
 11
(1)
 0 a 22 ... a 2(1n) 
A1 =  .
 ... ... ... ... 
 0 a n(12) (1) 
... a nn
 
Evident a1(1j) = a1 j , pentru orice j = 1, n .
Din PropoziŃia 2.4 rezultă că
 1 0 0 ... 0 
 a 21 
 1 0 ... 0  (1)
a (1)
a12 ... a1(1n) 
 a11  11
(1)
a  0 a 22 ... a 2(1n) 
A = L 1−1 A1 =  31 0 1 ... 0  . (3)
a11  ... ... ... ... 
 
 ... ... ... ... ... 0 a (1) ... a nn (1) 
 a n1 0 0 ... 1  n2 
a 
 11 
Folosind acum Lema 2.6 , din egalitatea precedentă obŃinem că
1 0  (1)
 a11 a12   a a (1) 
a12
  = 21 1  11 
  0 a (1)  , de unde, trecând la egalităŃile dintre determi-
 a 21 a 22   a11  22 
(1) (1) ∆2
(1)
nanŃi, avem: ∆ 2 = a11 a 22 sau echivalent a 22 ≠ 0.
=
∆1
Astfel, putem considera în continuare matricea inferior triunghiulară
elementară
1 0 0 ... 0 
 
0 1 0 ... 0 
(1)
 a32 
 0 − (1) 1 ... 0 
L2 =  a 22 
 ... ... ... ... ...
 a (1) 
 0 − n 2 0 ... 1 
 (1)
a 22 
 
şi apoi să definim
118
 a ( 2) ( 2)
a12 ( 2)
a13 ... a1(n2) 
 11
( 2) ( 2)
 0 a 22 a 23 ... a 2(2n) 
 ( 2) 
A2 = L2 A1 =  0 0 a33 ... a3(2n)  .
 ... ... ... ... ... 
 
 0 0 (2) 
a n( 23) ... a nn
 
Evident, primele două linii ale matricelor A2 şi A1 coincid, iar
1 0 0 ... 0 
  ( 2) ( 2) ( 2)
0 1 0 ... 0  a11 a12 a13 ... a1(n2) 
(1)
 a32  0 ( 2)
a 22 ( 2)
a 23 ... a 2(2n) 
0 1 ... 0  
A1 = L2−1 A2 =  (1)
a 22  0 0 ( 2)
a33 ... a3(2n)  (4)
 ... ... ... ... ... ... ... ... ... ... 
 a n(12)  
0 ... 1  0
(2) 
0 0 a n( 23) ... a nn 
 (1)
a 22 
 
Înlocuind relaŃia (4) în (3) obŃinem A = L1−1 L2−1 A2 , de unde cu ajutorul Lemei 2.6
găsim:
 
 1 0 0 
 
( 2) ( 2) ( 2) 
 a11 a12 a13    a11 a12 a13
   a 21  ( 2)

( 2) 
a
 21 a 22 a 23   = 1 0   0 a 22 a 23 .
a   a11 
 0 ( 2) 
 31 a 32 a 33   0 a33 
a a (1)   
 31 32
1 
 a11 a (1) 
 22 
Prin trecere la egalităŃile dintre determinanŃi rezultă că
(2) (2) (2) (1) ( 2 ) ∆ (2) (2) ∆
∆ 3 = a11 a 22 a33 = a11a 22 a33 = ∆1 2 a 33 şi astfel a33 = 3 ≠ 0 . Deci procedeul
∆1 ∆2
poate fi continuat.
În general, se consideră matricea inferior triunghiulară elementară
 1 0 ... 0 0 ... 0 
 
 0 1 ... 0 0 ... 0 
 ... ... ... ... ... ... ...
 
 0 0 ... 1 0 ... 0 
Lk = 
 a k( k+−11,k) 
0 0 ... − (k −1) 1 ... 0  ,
 a k ,k 
 
 ... ... ... ...
( k −1)
... ... ...
 a n, k 
 0 0 ... − (k −1) 0 ... 1 
 a k ,k 
 
cu ajutorul căreia se defineşte matricea
119
 a (k ) (k )
a12 ... a1(kk ) a1(,kk)+1 ... a1(nk ) 
 11
 0 (k )
a 22 ... a 2(kk) a 2( k,k)+1 ... a 2(kn) 
 
 ... ... ... ... ... ... ... 
Ak = Lk Ak −1 = 0 0 (k )
... a kk a k( k,k)+1 ... a kn (k ) 
.
 
 0 0 ... 0 a k( k+)1,k +1 ... a k( k+)1,n 
 
 ... ... ... ... ... ... ... 
 0 0 ... 0 a n(k,k)+1 ... a nn (k ) 
 
Este clar că primele k linii ale matricei Ak coincid cu primele k linii ale matricei Ak −1
∆
şi că Ak = Lk Lk −1... L1 A . În plus a k(k+)1,k +1 = k +1 .
∆k
În final, după n − 1 aplicări ale procedeului descris anterior, vom obŃine
matricea superior triunghiulară
 a ( n−1) a (n−1) ... a (n−1) 
 11 12 1n 
( n −1)
 0 a 22 ... a 2(nn−1) 
An−1 = Ln−1 An− 2 = Ln−1 Ln−2 ... L1 A =  . (5)
 ... ... ... ... 
 0 0 ( n −1) 
... a nn
 
Notând matricea An−1 cu U şi Ńinând cont că matricele Lk sunt inversabile, pentru
orice k = 1, n − 1 , din relaŃia (5) obŃinem
A = L1−1 L2−1... Ln−−11 U .
Dacă se notează L = L1−1 L2−1... Ln−−11 , atunci, din PropoziŃia 2.2, L este o matrice
inferior triunghiulară şi în plus
A = LU . ▄
ObservaŃii: 1. Ipoteza Teoremei 2.7 cu privire la minorii principali ai

matricei A reprezintă o condiŃie suficientă , dar nu şi necesară pentru ca matricea A
să admită o factorizare LU. Pentru a ilustra acest lucru vom considera matricea
0 0
A =   .
1 3
Deşi ∆1 = 0 , este uşor de verificat că
 0 0   0 0  1 1 
  =   
 1 3   1 1  0 2 
reprezintă o factorizare LU a matricei A.
2. Nu orice matrice pătratică admite o factorizare LU. Într-adevăr, fie

matricea
0 1
A =   .
1 0
Dacă A ar putea fi scrisă sub forma
l 0  u11 u12 
A = LU =  11   ,
 l12 l 22  0 u 22 
120
ar rezulta că l11u11 = 0 . Atunci, conform PropoziŃiei 2.2, cel puŃin una din matricele
L şi U ar avea determinantul nul, contradicŃie cu det ( A) = −1 = det ( L)det (U ) .
ExerciŃiul 1: Să se studieze dacă matricea

 −1 2 1
 
A =  0 8 6
 − 2 0 5
 
admite factorizare LU şi în caz afirmativ să se determine o astfel de factorizare.
−1 2
SoluŃie: Deoarece ∆1 = −1 ≠ 0 şi ∆ 2 = = −8 ≠ 0 , din Teorema 2.7
0 8
rezultă că matricea A admite factorizare LU.
Urmând paşii descrişi în demonstraŃia Teoremei 2.7 obŃinem succesiv
matricele:
 1 0 0  −1 2 1
   
L1 =  0 1 0  , A1 = L1 A =  0 8 6 ,
− 2 0 1  0 − 4 3
   
 
1 0 0  −1 2 1
 
L2 =  0 1 0 , A2 = L2 A1 =  0 8 6  = U ,
 1 
0 1  0 0 6
 
 2 
   
 1 0 0  1 0 0   1 0 0 
 
L = L1−1 L2−1 =  0 1 0  0 1 0  =  0 1 0  .
   
 2 0 1  0 − 1 1   2 − 1 1 
 
 2   2 
Atunci
 
 − 1 2 1   1 0 0  − 1 2 1 
   
A =  0 8 6  =  0 1 0  0 8 6  = LU . 
 
 − 2 0 5   2 − 1 1  0 0 6 
   
 2 
Cu ajutorul factorizării LU putem transpune în limbaj matriceal metoda

elimină rii a lui Gauss în cazul particular al sistemelor de ecuaŃii liniare având număr
egal de ecuaŃii şi necunoscute şi pentru care matricea coeficienŃ ilor are minorii
principali, eventual cu excepŃia ultimului, nenuli.
Considerăm sistemul
 a11 x1 + a12 x 2 + ... + a1n x n = b1
a x + a x + ... + a x = b
 21 1 22 2 2n n 2
 . (6)
 ...............................................
an1 x1 + an 2 x 2 + ... + a nn x n = bn
121
Notând
 a11 a12 ... a1n   b1   x1 
     
 a 21 a 22 ... a 2 n   b2  x 
A=  , B =  , X = 2,
... ... ... ... ... ...
     
a     
 m1 a m 2 ... a mn   bn   xn 
sistemul (6) este echivalent cu ecuaŃia matriceală
AX = B . (7)
Presupunând că matricea A are primii n − 1 minori principali nenuli, atunci
din Teorema 2.7 există o matrice inferior triunghiulară L ∈ M n (R ) şi o matrice
superior triunghiulară U ∈ M n (R ) astfel încât A = LU . EcuaŃia (7) este astfel
echivalentă cu ecuaŃia matriceală LUX = B , ecuaŃia care corespunde rezolvării a
două sisteme triunghiulare:
LY = B şi UX = Y . (8)
În concluzie, pentru a afla soluŃia sistemului (7), se rezolvă mai întâi sistemul LY = B
(cu matricea coeficienŃilor L inferior triunghiulară) şi apoi se trece la rezolvarea
sistemului UX = Y (cu matricea coeficienŃilor U superior triunghiulară).
ExerciŃiul 2: Să se rezolve sistemul:

 − x1 + 2 x 2 + x 3 = 0

 8 x 2 + 6 x 3 = 10 .
− 2 x + 5 x 3 = −11
 1
SoluŃia: Conform calculelor din ExerciŃiul 1, matricea A a coeficienŃilor

sistemului admite următoarea factorizare LU:
 
 − 1 2 1   1 0 0  − 1 2 1 
    
A =  0 8 6  = 0 1 0  0 8 6  = LU .
 
 − 2 0 5   2 − 1 1  0 0 6 
   
 2 
Aşa cum s-a văzut anterior, soluŃia sistemului dat se poate obŃine rezolvând succesiv
sistemele triunghiulare:

 y1 =0 − x1 + 2 x 2 + x3 = y1
 
 y2 = 10 şi  8 x 2 + 6 x3 = y 2 .
 1  6 x3 = y 3
2 y1 − 2 y 2 + y 3 = −11 

ObŃinem imediat: y1 = 0, y 2 = 10, y 3 = −6 şi respectiv x1 = 3, x 2 = 2, x3 = −1 . 
122
3. Factorizarea Cholesky
DefiniŃia 3.1: Spunem că o matrice A ∈ M n (R ) admite factorizare Cholesky

dacă există o matrice inferior triunghiulară K ∈ M n (R ) , inversabilă , cu
proprietatea că
A = K Kt. (1)
Presupunând că matricea A admite o factorizare Cholesky, din relaŃ ia (1) şi din

proprietăŃile matricei transpuse obŃinem:
At = ( K K t ) t = ( K t ) t K t = K K t = A ,
ceea ce arată că A este o matrice simetrică. Deducem deci: pentru ca matricea A să
admită factorizare Cholesky avem condiŃia necesară ca A să fie matrice simetrică. În
cele ce urmează, vom stabili condiŃii necesare şi suficiente pentru ca matricea A să
admită factorizare Cholesky.
DefiniŃia 3.2: O matrice A ∈ M n (R ) se numeşte matrice pozitiv definită dacă

xAx t > 0 ,
pentru orice vector nenul x ∈ R n .
PropoziŃia 3.3: Dacă A ∈ M n (R ) este o matrice pozitiv definită, atunci toŃi

minorii ei principali ∆1 , ∆ 2 , ..., ∆ n sunt nenuli.
DemonstraŃie: Presupunem prin absurd că există k ∈ {1,2,..., n} astfel încât

∆ k = 0 . În acest caz putem găsi un vector nenul ( x1 , x 2 ,..., x k ) ∈ R k cu proprietatea
că
 a11 a12 ... a1k 
 
 a21 a22 ... a2 k 
( x1 x2 ... xk ) = 0R k .
... ... ... ... 
 
a akk 
 k1 ak 2 ...
Considerăm vectorul x = ( x1 , x2 ,..., x k ,0,...,0) ∈ R n . Evident x este un vector nenul şi
 a11 a12 ... a1k a1,k +1 ... a1n  x1 

  
 a 21 a 22 ... a 2k a 2,k +1 ... a 2 n  x 2 
 ... ... ... ... ... ... ...  ... 
  
xAx t = ( x1 x 2 ... x k 0 ... 0) a k1 ak 2 ... a kk a k ,k +1 ... a kn  x k  = 0 n
R
a a k +1,2 ... a k +1,k a k +1,k +1 ... a k +1,n  0 
 k +1,1  
 ... ... ... ... ... ... ...  ... 
  
 a n1 an2 ... a nk a n,k +1 ... a nn  0 
123
în contradicŃie cu faptul că matricea A este pozitiv definită. Deci toŃi minorii principali
ai matricei A sunt nenuli. ▄
Din propoziŃia anterioară şi din Teorema 2.7 obŃinem imediat următorul

rezultat:
Corolarul 3.4: O matrice pozitiv definită admite factorizare LU.
Teorema 3.5: O matrice A ∈ M n (R ) admite factorizare Cholesky dacă şi

numai dacă A este matrice simetrică şi pozitiv definită.
DemonstraŃie: Presupunem mai întâi că A este simetrică şi pozitiv definită.

Din Corolarul 3.4 obŃinem existenŃa unei matrice inferior triunghiulare L şi a unei
matrice superior triunghiulare U astfel încât A = LU . Datorită simetriei matricei
avem:
LU = A = At = U t L t . (2)
Din PropoziŃia 3.3, det ( A) ≠ 0 , ceea ce implică inversabilitatea matricelor L şi U.
Astfel, din relaŃia (2) obŃinem
U ( L t ) −1 = L −1U t .
În membrul stâng al acestei egalităŃi avem o matrice superior triunghiulară, pe când în
membrul drept avem o matrice inferior triunghiulară. Aşadar
D = U ( L t ) −1 = L −1U t
este o matrice diagonală. Rezultă că U = DL t şi
A = LDL t . (3)
Vom demonstra acum că D este matrice pozitiv definită: într-adevăr, din
relaŃia (3) avem D = L −1 A( L t ) −1 . Considerând un vector x ∈ R n pentru care
0 ≥ xDx t = xL −1 A( L t ) −1 x t = xL −1 A( xL −1 ) t , obŃinem xL −1 = 0 R n , de unde x = 0 R n ,
ceea ce arată că D este matrice pozitiv definită.
D fiind matrice diagonală, va avea forma
 d1 0 ... 0 
 
 0 d 2 ... 0 
D= .
... ... ... ... 
 
 0 0 ... d 
 n
Pentru orice 1 ≤ i ≤ n considerăm vectorul ei = (0,...,0,1,0,...,0) ∈ R n având 1 pe

poziŃia i şi 0 în rest. După cum am demonstrat anterior, D este pozitiv definită, deci
0 < ei D eit = d i . Putem astfel defini matricea
 d1 0 ... 0 
 
 0 d 2 ... 0 
K = L⋅   ∈ M n (R ) .
 ... ... ... ... 
 0 0 ... d n 

Din relaŃia (3) se obŃine că A = K K t . Cum matricea K este evident inferior
triunghiulară şi inversabilă, putem conchide că A admite factorizare Cholesky.
124
Reciproc, dacă A admite factorizare Cholesky, atunci există K ∈ M n ( R )
inferior triunghiulară şi inversabilă astfel încât A = K K t . Aşa cum am arătat la
începutul acestei secŃiuni, rezultă că A este o matrice simetrică.
Considerăm acum vectorul x = ( x1 , x2 ,..., xn ) ∈ R n . ObŃinem:
xAx t = xKK t x t = ( xK )( xK ) t (4)
Notând vectorul xK cu y şi presupunând că acesta are componentele
y = ( y1 , y 2 ,..., y n ) , din relaŃia (4) rezultă:
xAx t = yy t = y12 + y 22 + ... + y n2 ≥ 0 ,
cu egalitate dacă şi numai dacă y1 = y 2 = ... = y n = 0 , sau echivalent x = 0 R n
(deoarece K este matrice inversabilă). Astfel, xAx t > 0 pentru orice x ∈ R n \ {0 R n } ,
ceea ce înseamnă că A este matrice pozitiv definită. ▄
Finalul acestei secŃiuni este dedicat determinării descompunerii Cholesky, în

ipotezele Teoremei 3.5. Presupunând că matricea K are componentele k ij , egalitatea
matriceală A = K K t se poate rescrie sub forma:
 a11 a12 ... a1n   k11 0 ... 0  k11 k 21 ... k n1 
    
 a12 a 22 ... a 2 n   k 21 k 22 ... 0  0 k 22 ... k n 2 
 ... = .
... ... ...   ... ... ... ...  ... ... ... ... 
    
a a 2n ... a nn   k n1 kn2 ... k nn  0 0 ... k nn 
 1n
ÎnmulŃind succesiv prima linie a matricei K cu coloanele matricei K t obŃinem:
2
k11 = a11 , k11k 21 = a12 , ... , k11k n1 = a1n
de unde găsim elementele de pe prima coloană a matricei K:
a a
k11 = a11 , k 21 = 12 , ... , k n1 = 1n .
k11 k11
Prin înmulŃirea celei de-a doua linii a matricei K cu ultimele n − 1 coloane ale
matricei K t obŃinem:
2 2
k 21 + k 22 = a 22 , k 21k 31 + k 22 k 32 = a 23 , ... , k 21k n1 + k 22 k n 2 = a 2n ,
de unde rezultă elementele nenule de pe a doua coloană a matricei K:
2 a − k 21k 31 a − k 21k n1
k 22 = a 22 − k 21 , k 32 = 23 , ... , k n 2 = 2n .
k 22 k 22
Procedând astfel, vom obŃine formulele pentru determinarea elementelor nenule ale
matricei K:
i −1
k ii = aii − ∑ k ip2 , i = 1, n (5)
p =1
i −1
aij − ∑ k ip k jp
p =1
k ji = , j >i (6)
k ii
125
ExerciŃiu: StudiaŃi dacă matricea
1 2 3 
 
A =  2 13 21
 3 21 83 
 
admite factorizare Cholesky, iar în caz afirmativ determinaŃi această factorizare.
SoluŃie: Evident, A este matrice simetrică. Vom demonstra că A este matrice

pozitiv definită: fie x = ( x1 , x 2 , x3 ) ∈ R 3 . Atunci:
 1 2 3  x1 
  
xAx = ( x1 x 2 x3 ) 2 13 21 x2  = x12 + 13 x22 + 83 x32 + 4 x1 x 2 + 6 x1 x3 + 42 x 2 x3 =
t
 3 21 83  x 
  3 
( x1 + 2 x 2 + 3x3 ) 2 + (3x 2 + 5x3 ) 2 + 49 x32 ≥ 0 ,
cu egalitate dacă şi numai dacă
 x1 + 2 x2 + 3 x3 = 0

 3 x2 + 5 x3 = 0 sau echivalent x1 = x 2 = x3 = 0 .
 7 x3 = 0

Aşadar am obŃinut că xAx t > 0 , pentru orice vector nenul x ∈ R 3 , ceea ce probează
că matricea A este pozitiv definită. În consecinŃă, din Teorema 3.5, matricea A admite
factorizare Cholesky.
Cu ajutorul formulelor (5) şi (6) determinăm elementele nenule ale matricei K:
a 2 a 3
k11 = a11 = 1 , k 21 = 12 = = 2 , k 31 = 13 = = 3
k11 1 k11 1
2 a − k 21k31 21 − 6
k 22 = a 22 − k 21 = 13 − 4 = 3 , k32 = 23 = =5
k 22 3
2 2
k 33 = a33 − k 31 − k 32 = 83 − 9 − 25 = 7 ,
1 0 0
 
deci K =  2 3 0 . 
 3 5 7
 
ObservaŃie: Pentru a demonstra că o anumită matrice este simetrică şi pozitiv

definită se poate folosi următorul rezultat (ce va fi demonstrat în Capitolul IX):
Criteriul lui Sylvester: O matrice simetrică este pozitiv definită dacă şi numai
dacă toŃi minorii principali ai matricei sunt strict pozitivi.
Astfel, în cazul exerciŃiului anterior, deoarece

1 2
∆1 = 1> 0 , ∆ 2 = = 9 > 0 , ∆ 3 = det ( A) = 441 > 0
2 13
putem afirma că A este matrice pozitiv definită.
126
4. Metode iterative de rezolvare ale sistemelor
de ecuaŃii liniare
Considerăm sistemul de ecuaŃii liniare

 a11 x1 + a12 x 2 + ... + a1n x n = b1
a x + a x + ... + a x = b
 21 1 22 2 2n n 2
 . (1)
 ...............................................
an1 x1 + an 2 x 2 + ... + a nn x n = bn
Cu notaŃiile:
 a11 a12 ... a1n   x1   b1 
     
 a21 a 22 ... a 2n   x2   b2 
A=  , X = , B= 
... ... ... ... ... ...
     
a     
 n1 a n 2 ... ann   xn   bn 
sistemul (1) este echivalent cu ecuaŃia matriceală
AX = B . (2)
Vom descompune matricea A sub forma A = C − M , unde C este o matrice
inversabilă pentru care C −1 se poate calcula uşor (de exemplu, C este matrice
diagonală sau matrice triunghiulară). RelaŃia (2) conduce la
CX = MX + B ,
sau echivalent
X = C −1MX + C −1B .
~ ~
Dacă notăm A = C −1M şi B = C −1 B , obŃinem egalitatea
~ ~
X = AX + B .
{ }
Cu ajutorul acestei relaŃii vom construi recurent un şir de vectori X (k ) k∈N
n
din R astfel:
~ ~
X ( k +1) = A X ( k ) + B . (3)
În cele ce urmează vom stabili anumite condiŃii în care şirul de vectori

{ }
X (k )
k∈N “tinde” către soluŃia exactă X
*
a sistemului (1). În DefiniŃia 1.5 din
Capitolul IV s-a introdus noŃiunea de normă a unui vector într-un spaŃiu vectorial.
Acest concept poate fi extins pentru matrice:
DefiniŃia 4.1: O aplicaŃie

⋅ : M n (R) → R
care verifică relaŃiile:
1. A ≥ 0 , pentru orice A ∈ M n (R ) , cu egalitate dacă şi numai dacă A = 0 n ;
2. A + B ≤ A + B , pentru orice A, B ∈ M n (R ) ;
3. λA = λ A , pentru orice A ∈ M n (R ) şi λ ∈ R ;
4. A B ≤ A B , pentru orice A, B ∈ M n (R )
se numeşte normă matricială.
127
Fie ⋅ o normă pe spaŃiul vectorial R n . Pentru orice matrice A ∈ M n (R )
definim
A i = max Ax .
x =1
Ay 1 y
Deoarece max = max Ay = max A = max Ax , am obŃinut că
y ≠0 y y ≠0 y y ≠0 y x =1
Ax
A i = max Ax = max .
x =1 x ≠0 x
Lema 4.2: În contextul şi cu nota Ńiile anterioare, avem:

Ax ≤ A i x ,
pentru orice A ∈ M n (R ) şi x ∈ R n .
DemonstraŃie: Dacă x = 0 R n , atunci evident Ax = A i x = 0 .

Ay Ax
Pe de altă parte, deoarece A i = max ≥ , pentru orice
y ≠0 y x
x ∈ R n \ {0 R n } , lema este complet demonstrată. ▄
PropoziŃia 4.3: Dacă ⋅ este o normă pe spaŃiul vectorial R n , atunci

aplicaŃia ⋅ i
: M n (R ) → R , A i = max Ax este o normă matricială.
x =1
DemonstraŃie: Evident, aplicaŃia ⋅ i

verifică primele trei axiome din
DefiniŃia 4.1, deoarece norma ⋅ satisface condiŃiile similare.
Având în vedere definirea aplicaŃiei ⋅ i
, precum şi Lema 4.2, succesiv avem:
AB i = max ( AB) x = max A( Bx) ≤ max A i
Bx ≤ max A i B i
x = Ai B i
x =1 x =1 x =1 x =1
ceea ce probează şi ultima axiomă din DefiniŃia 4.1. ▄
DefiniŃia 4.4: Norma matricială ⋅ i

construită în PropoziŃia 4.3 se numeşte
normă matricială indusă de norma ⋅ .
ObservaŃie: În cazul în care se consideră normele ⋅ ∞

, ⋅ 1
: Rn → R ,
definite prin:
n
x ∞
= max xk , x 1 = ∑ xk ,
k =1,n k =1
atunci normele matriciale induse vor fi:
n n
A ∞
= max ∑ a ij , A 1 = max ∑ a ij .
1≤i ≤ n j =1 1≤ j ≤n i =1
128
~
Teorema 4.5: Dacă A < 1 , atunci sistemul de ecua Ńii (1) este compatibil
∞
{ }
determinat, iar şirul de vectori X ( k ) k∈N definit prin rela Ńia de recuren Ńă
~ ~
X ( k +1) = AX (k ) + B converge în spaŃiul normat R n , relativ la norma ⋅ ∞ , către
*
solu Ńia exactă X a sistemului (1).
DemonstraŃie: Pentru a demonstra că sistemul (1) este compatibil determinat

~
vom arăta mai întâi că matricea I n − A este inversabilă. Presupunem prin absurd că
~
I n − A nu este inversabilă. Atunci există un vector nenul X ∈ R n astfel încât
~
( I n − A) X = 0 Rn ,
~
sau echivalent X = AX . Trecând la normă în ultima relaŃie şi utilizând Lema 4.2,
ob Ńinem
~ ~
X ∞ = AX ≤ A X ∞ ,
∞ ∞
~
de unde găsim 1 ≤ A , contradicŃie. Deci presupunerea făcută este falsă şi astfel
∞
~
matricea I n − A este inversabilă.
La începutul acestei secŃiuni s-a arătat că sistemul (1) este echivalent cu
~ ~
X = AX + B
şi deci cu sistemul
~ ~
( I n − A) X = B .
~
Cum matricea I n − A este inversabilă, atunci sistemul anterior este compatibil
determinat, ceea ce demonstrază că sistemul (1) este compatibil determinat.
Deoarece X * este soluŃia exactă a sistemului (1), atunci
~ ~
X * = AX * + B . (4)
Pe de altă parte, din relaŃia de recurenŃă (3) a şirului X (k )
{ }
k∈N avem
~ ~
X (1) = A X (0 ) + B . (5)
Scăzând relaŃia (4) din (5), ob Ńinem
~
X (1) − X * = A( X (0 ) − X * ) .
~ ~
Similar, deoarece X ( 2) = AX (1) + B , vom găsi
~ ~
X ( 2) − X * = A( X (1) − X * ) = A 2 ( X (0) − X * ) .
Utilizând metoda inducŃiei matematice se demonstrează că
~
X ( k ) − X * = A k ( X (0) − X * ) , (6)
pentru orice k ∈ N . Prin trecere la norma ⋅ ∞ în relaŃia (6), vom avea:
~ ~ ~ k
X (k ) − X * = A k ( X ( 0) − X * ) ≤ Ak X ( 0) − X * ≤ A X ( 0) − X * .
∞ ∞ ∞ ∞ ∞ ∞
~
Cum A < 1 , rezultă că
∞
lim X (k ) − X * =0
k →∞ ∞
şi astfel teorema este complet demonstrată. ▄
129
În final, vom prezenta două dintre cele mai cunoscute metode iterative de
rezolvare a sistemelor de ecuaŃii liniare: metoda Jacobi şi metoda Gauss-Seidel.
Metoda Jacobi
În contextul general descris anterior în această secŃiune, se consideră
 a11 0 ... 0   0 a12 ... a1n 
   
 0 a 22 ... 0   a 21 0 ... a2n 
C = şi M = − .
... ... ... ...  ... ... ... ... 
   
 0 0 ... ann  a 
  n1 an 2 ... 0 
Presupunând că aii ≠ 0 , pentru orice i = 1, n , rezultă că
 a12 a1n   b1 
 0 − ... −   
 a11 a11   a11 
 a 21 a 2n   b2 
~ − 0 ... − ~
A = C M = a
−1
a 22 şi B = C B =  a 22 
−1
 22   
 ... ... ... ...   ... 
 − a n1 a
− n 2 ... 0   bn 
 a a nn  a 
 nn   nn 
x ( k )
 1 
 x (k )  aij
{ }
Dacă vectorii din şirul X ( k ) k∈N au componentele X
(k )
=  2  , notând a~ij = −
aii
 ... 
 x (k ) 
 n 
~ b
şi bi = i , atunci relaŃia de recurenŃă (3) este echivalentă cu sistemul de iteraŃii:
a ii
 x (k +1) = a~12 x ( k ) + a~13 x (k ) + ... + a~1n xn( k ) + b~1
 (1k +1) ~ (2k ) ~ (3k ) ~
 x2 = a 21 x1 + a 23 x3 + ... + a~2n x n(k ) + b2
 (7)
 ......................................................................
 x ( k +1) = a~ x ( k ) + a~ x (k ) + ... + a~ (k ) ~
 n n1 1 n2 2 n , n −1 x n −1 + bn
~
Aşadar, din Teorema 4.5, obŃinem că, dacă A < 1 , atunci sistemul de iteraŃii (7)
∞
furnizează un şir de vectori din R n care tinde către soluŃia exactă a sistemului (1).
Deoarece
~ n  a a a a a a n,n−1 
A = max ∑ a~ij = max  12 + 13 + ... + 1n , ... , n1 + n2 + ... + ,
∞ 1≤i ≤ n j =1  a11 a11 a11 a nn a nn a nn 
~
condiŃia A < 1 este echivalentă cu sistemul de relaŃii
∞
 a11 > a12 + a13 + ... + a1n

 a 22 > a 21 + a 23 + ... + a 2n
 . (8)
 ..........................................
 a nn > a n1 + a n2 + ... + a n,n−1

130
DefiniŃia 4.6: O matrice A ∈ M n ( R ) ale că rei componente satisfac sistemul
de relaŃii (8) se numeşte matrice diagonal dominantă.
Din Teorema 4.5 şi din cele prezentate mai sus se obŃine următorul rezultat:
Teorema 4.7: Dacă matricea A este diagonal dominantă, atunci sistemul de ecuaŃii
(1) este compatibil determinat. Mai mult, sistemul de iteraŃii (7) furnizează
{ }
componentele unui şir de vectori X ( k ) k∈N convergent că tre soluŃia exactă a
sistemului (1).
ObservaŃii: 1. Presupunerea că aii ≠ 0 , pentru orice i = 1, n , sub care s-a

făcut raŃionamentul metodei Jacobi este evident îndeplinită dacă A este matrice
diagonal dominantă.
{ }
2. Pentru a determina vectorii şirului X (k ) k∈N este necesar să cunoaştem
vectorul X (0) , cunoscut sub numele de vector de iniŃializare. Dacă într-un exerciŃiu
nu se precizează explicit acest vector, se poate considera vectorul nul ca vector de
iniŃializare.
ExerciŃiul 1: Utilizând metoda lui Jacobi, să se calculeze trei iteraŃii pentru

aproximarea solu Ńiei sistemului
 7 x1 − x 2 + 2 x3 = 10

 x1 + 5 x 2 + x3 = −3 .
− x + 3 x + 11x = 7
 1 2 3
 0
(0)  
Se va utiliza vectorul de iniŃializare X =  0 .
 0
 
SoluŃie: Verificăm mai întâi că ne situăm în condiŃiile de aplicabilitate ale
Teoremei 4.7: evident, sistemul dat este un sistem de ecuaŃii liniare, având acelaşi
număr de ecuaŃii şi necunoscute. Mai mult, deoarece
 7 > −1 + 2

 5 >1+1 ,
 11 > − 1 + 3

matricea sistemului dat este diagonal dominantă.
Sistemul dat poate fi pus sub forma
 1 2 10
 x1 = 7 x2 − 7 x3 + 7
 1 1 3
 x 2 = − x1 − x3 − .
 5 5 5
x = x − x + 7
1 3
 3 11 1 11 2 11
Aşadar, sistemul de iteraŃii (7) corespunzător sistemului dat va fi
131
 ( k +1) 1 (k ) 2 ( k ) 10
 x1 = x 2 − x3 +
7 7 7
 1 ( k ) 1 (k ) 3
( k +1)
 x2 = − x1 − x3 − .
 5 5 5
x ( k + 1) 1 ( k ) 3 ( k ) 7
3 = x1 − x 2 +
 11 11 11
Prima iteraŃie se obŃine pentru k = 0 :
 (1) 1 (0) 2 (0) 10 10
 x1 = 7 x2 − 7 x3 + 7 = 7
 1 ( 0 ) 1 ( 0) 3 3
(1)
 x2 = − x1 − x3 − = − .
 5 5 5 5
x = x − x + =
(1 ) 1 ( 0 ) 3 ( 0 ) 7 7
3
 11 1 11 2 11 11
Pentru k = 1 avem cea de-a doua iteraŃie:
 (2) 1 (1) 2 (1) 10 447
 x1 = 7 x2 − 7 x3 + 7 = 385
 1 (1) 1 (1) 3 78
( 2)
 x2 = − x1 − x3 − = − .
 5 5 5 77
 x ( 2) = 1 x (1) − 3 x (1) + 7 = 358
 3 11 1 11 2 11 385
A treia iteraŃie se obŃine pentru k = 2 :
 (3) 1 ( 2) 2 ( 2) 10 56
 x1 = 7 x 2 − 7 x3 + 7 = 55
 1 (2) 1 (2) 3 56
( 3)
 x2 = − x1 − x3 − = − .
 5 5 5 55
x = x − x + =
( 3 ) 1 ( 2 ) 3 ( 2 ) 7 56
3
 11 1 11 2 11 55
S-au obŃinut astfel primii trei vectori (exceptând vectorul de iniŃializare X (0) )
{ }
ai şirului X ( k ) k∈N :
 10   447   56 
     
 7   1,4285   385   1,161   55   1,0181 
3   78   56  
X (1) =  −  ≈  − 0,6  ; X ( 2) =  −  ≈  − 1,0129  ; X (3) =  −  ≈  − 1,0181 .
 5  77   55 
 7   0,6363   358   0,9298   56   1,0181 
     
 11   385   55 
1
 
SoluŃia exactă a sistemului fiind X =  − 1 , observăm că lim X ( k ) − X * = 0 . 
*
k →∞ ∞
1
 
132
Metoda Gauss-Seidel
Această metod ă foloseşte descompunerea matricei A sub forma A = C − M cu
 a11 0 ... 0   0 a12 ... a1n 
   
 a 21 a 22 ... 0   0 0 ... a 2n 
C = şi M = − .
... ... ... ...  ... ... ... ... 
   
a   0 0 ... 0 
 n1 a n 2 ... a nn   
{ }
În acest caz, vom considera şirul X ( k ) k∈N de vectori din R n definit prin relaŃ ia de
recurenŃă
CX (k +1) = MX ( k ) + B . (8)
 x (k ) 
 1 
 x (k )  aij
Presupunem că aii ≠ 0 , pentru orice i = 1, n . Dacă X ( k ) =  2  , notând a~ij = −
 ...  a ii
 x (k ) 
 n 
~ b
şi bi = i , atunci relaŃia de recurenŃă (8) este echivalentă cu sistemul de iteraŃii:
a ii
 x ( k +1) = a~12 x ( k ) + a~13 x (k ) + ... + a~1n x n(k ) + b~1
 1( k +1) ~ 2( k +1) ~ 3 (k ) ~
 x2 = a 21 x1 + a 23 x3 + ... + a~2n xn( k ) + b2
 (9)
........................................................................
 x ( k +1) = a~ x (k +1) + a~ x ( k +1) + ... + a~ ( k +1) ~
 n n1 1 n2 2 n ,n −1 x n −1 + bn
Se poate demonstra că are loc următorul rezultat:
Teorema 4.8: Dacă matricea A este diagonal dominantă, atunci sistemul de

ecua Ńii (1) este compatibil determinat, iar sistemul de iteraŃii (9) furnizează
{ }
componentele unui şir de vectori X ( k ) k∈N convergent că tre soluŃia exactă a
sistemului (1).
ExerciŃiul 2: Cu ajutorul metodei Gauss-Seidel, să se calculeze trei iteraŃii

pentru aproximarea soluŃiei sistemului
 7 x1 − x 2 + 2 x3 = 10

 x1 + 5 x 2 + x3 = −3 .
− x + 3 x + 11x = 7
 1 2 3
 0
(0)  
Se va utiliza vectorul de iniŃializare X =  0 .
 0
 
SoluŃie: Ca la ExerciŃiul 1, se arată mai întâi că matricea sistemului este

diagonal dominantă. Sistemul de iteraŃii (9) corespunzător este
133
 ( k +1) 1 2 10
 x1 = x2( k ) − x3(k ) +
7 7 7
 1 (k +1) 1 (k ) 3
( k +1)
 x2 = − x1 − x3 −
 5 5 5
x ( k + 1) 1 ( k +1) 3 ( k +1) 7
3 = x1 − x2 +
 11 11 11
Prima iteraŃie se obŃine pentru k = 0 :
 (1) 1 (0) 2 (0) 10 10
 x1 = 7 x2 − 7 x3 + 7 = 7
 1 (1) 1 (0) 3 31
(1)
 x2 = − x1 − x3 − = − .
 5 5 5 35
x = x − x + =
(1 ) 1 (1) 3 (1 ) 7 388
3
 11 1 11 2 11 385
Pentru k = 1 avem cea de-a doua iteraŃie:
 ( 2) 1 (1) 2 (1) 10 935
 x1 = 7 x2 − 7 x3 + 7 = 922
 1 (1) 1 (1) 3 1147
( 2)
 x2 = − x1 − x3 − = − .
 5 5 5 1142
 x ( 2) = 1 x (1) − 3 x (1) + 7 = 405
 3 11 1 11 2 11 404
A treia iteraŃie se obŃine pentru k = 2 :
 (3) 1 (2) 2 ( 2) 10 749
 x1 = 7 x 2 − 7 x3 + 7 = 750
 1 ( 2) 1 ( 2 ) 3 4375
(3 )
 x 2 = − x1 − x3 − = − .
 5 5 5 4374
 x (3) = 1 x ( 2) − 3 x ( 2) + 7 = 16998
3
 11 1 11 2 11 16999
Astfel, vectorii ob ŃinuŃi în urma acestor iteraŃii vor fi:
 10   935 
   
 7   1,4285   922   1,0141 
31   1147   
X (1) =  −  ≈  − 0,8857  ; X ( 2) =  − ≈  − 1,0043 ;
 35   1142 
 388   1,0077   405   1,0024 
   
 385   404 
 749 
 
 750   0,9986 
4375   
X (3) =  − ≈  − 1,0002  . 
 4374 
 16998   0,9999 
 
 16999 
ObservaŃie: Comparând rezultatele ob Ńinute prin metoda Jacobi şi prin

metoda Gauss-Seidel în ExerciŃiile 1 şi respectiv 2, se observă că în cazul ultimei
metode avem o aproximare mai precisă a soluŃiei exacte a sistemului. De men Ńionat
că , deşi se întâmplă frecvent, aceasta nu este însă o regulă generală .
Dezavantajul metodei Gauss-Seidel constă însă într-un volum mai mare de
calcule.
134
5. ExerciŃii
1. UtilizaŃ i metoda lui Gauss pentru a rezolva sistemele de ecuaŃii:

 x1 + x 2 + x3 = 9  x1 + x2 + x3 = 0
 
a) 2 x1 + 4 x 2 − 3 x3 = 1 b)  2 x1 + x2 + x3 = 0
3x + 6 x − 5 x = 0 3 x + 2 x + 2 x = 0
 1 2 3  1 2 3
 3 x1 − x2 + x3 + x 4 = 0  x1 + x2 − x3 = 10
2 x + x + x3 + 2 x 4 = − 2 2 x − 2 x + x = 0
 
c)  1 2
d)  1 2 3
 13 x − x 2 + x3 + 4 x 4 = − 3  4 x 2 + x 3 = 20
 5 x1 + x2 − x3 + x 4 = 6  x1 + x3 = 5
2. Cu ajutorul metodei lui Gauss să se determine ce condiŃii satisfac α , β , γ

astfel încât sistemul:
 x1 + 2 x2 + 3 x3 = α

2 x1 + 5 x2 + 3 x3 = β
 x + 8 x3 = γ
 1
să fie compatibil.
3. Să se studieze dacă matricele

 3 −7 −2 2 
 3 6 − 9  
  − 3 5 1 0 
a)  2 5 − 3  b) 
 − 4 1 10  6 − 4 0 − 5
   
 − 9 5 − 5 12 
 
admit factorizare LU şi în caz afirmativ să se determine această descompunere.
4. Să se rezolve sistemul
 2 x1 − x2 + 2 x3 = 1

− 6 x1 − 2 x3 = 0 ,
 8x − x + 5x = 4
 1 2 3
utilizând în prealabil factorizarea LU a matricei coeficienŃilor sistemului.
5*. Fie matricea

 β1 γ 1 0 0 
 
 α1 β 2 γ2 0 
A= .
0 α2 β3 γ 3 
 
0 0 α 3 β 4 

i) Presupunând că matricea A admite factorizare LU, să se verifice că aceasta
este dată de:
135
 1 0 0 0
 α1 
 1 0 0 π 1 γ 1 0 0 
 π1   
 0 π2 γ2 0 
L= 0 α2  şi U = ,
 π2
1 0 0 0 π3 γ3 
   
α3 0 0 0 π 4 
 0 
 0 1 
 π3 
α iγ i
unde π 1 = β 1 şi π i +1 = β i +1 − , i = 1,3 .
πi
ii) AplicaŃi punctul i) pentru a determina factorizarea LU a matricei
 3 −1 0 0 
 
−1 3 −1 0 
 0 − 1 3 − 1 .
 
 0 0 −1 3 
 
(Remarcă: O matrice de forma lui A se numeşte matrice tridiagonală. Factorizarea
indicată la punctul i) este valabilă pentru orice matrice tridiagonală, indiferent de
dimensiunea ei.)
6*. Fie A = (aij ) i, j =1,n ∈ M n (R ) o matrice şi pentru orice k ∈ {1,2,..., n}

notăm Ak = ( aij ) i , j =1,k ∈ M k ( R ) submatricele principale ale lui A. Atunci A este
pozitiv definită dacă şi numai dacă Ak pozitiv definită, pentru orice k ∈ {1,2,..., n} .
7. Fie A = (aij ) i , j =1,n ∈ M n (R ) o matrice simetrică şi pozitiv definită. Atunci

aii a jj ≥ aij2 , cu egalitate dacă şi numai dacă i = j .
8. Să se studieze dacă următoarele matrice:

1 2 3   4 2 − 6
   
a)  2 8 12  b)  2 10 9 
 3 12 27   − 6 9 26 
   
admit factorizare Cholesky şi în caz afirmativ găsiŃi această descompunere.
9. Să se rezolve sistemul
 9 x1 − x 2 + 6 x3 = 16

− x1 + 2 x 2 − 3 x3 = −6 ,
 6 x − 3 x + 9 x = 18
 1 2 3
utilizând în prealabil factorizarea Cholesky a matricei coeficienŃ ilor sistemului.
10. Cu ajutorul metodei Jacobi, să se calculeze trei iteraŃii pentru aproximarea

solu Ńiei sistemului
10 x1 + x 2 − x3 = 18

 x1 + 15 x2 + x3 = −12
− x + x + 20 x = 17
 1 2 3
136
Se va utiliza vectorul nul ca vector de iniŃializare.
11. Cu ajutorul metodei Gauss, să se calculeze trei iteraŃii pentru aproximarea

solu Ńiei sistemului
10 x1 + x 2 − x3 = 18

 x1 + 15 x2 + x3 = −12
− x + x + 20 x = 17
 1 2 3
Se va utiliza vectorul nul ca vector de iniŃializare. ComparaŃi rezultatele cu cele
ob Ńinute la ExerciŃiul 10.
137
Capitolul VII
Valori proprii şi vectori proprii
Pe tot parcursul acestui capitol, K va desemna corpul numerelor reale R sau

corpul numerelor complexe C , iar V un spaŃiu vectorial peste corpul K.
1. Valori proprii şi vectori proprii
DefiniŃia 1.1: Fie T : V → V un endomorfism al lui V. Un scalar λ ∈ K se

numeşte valoare proprie a lui T dacă există un vector nenul v ∈ V astfel încât:
T ( v ) = λv
În acest caz, vectorul v se numeşte vector propriu asociat valorii proprii λ .
MulŃimea tuturor valorilor proprii ale endomorfismului T se numeşte spectrul
lui T şi se notează Spec(T).
Pentru o valoare proprie λ a transformării liniare T, vom nota

Svp(λ ) = {v ∈ V / T (v) = λv}.
Evident Svp(λ ) este mulŃimea formată din toŃi vectorii proprii asociaŃi valorii proprii
λ , la care se adaugă vectorul nul.
DefiniŃia 1.2: Fie T : V → V un endomorfism al lui V şi S un subspaŃiu

vectorial al lui V. Vom spune că S este subspaŃiu invariant al lui V relativ la T dacă
T (S ) ⊆ S
PropoziŃia 1.3: Dacă λ este o valoare proprie a transformării liniare

T : V → V , atunci Svp(λ ) este un subspaŃiu invariant al lui V relativ la T, denumit
subspaŃiul vectorilor proprii asocia Ńi valorii proprii λ .
DemonstraŃie: Arătăm mai întâi că Svp(λ ) este un subspaŃiu vectorial al lui

V. Fie u , v ∈ Svp(λ ) şi α , β ∈ K , arbitari aleşi. Atunci:
T (α u + β v) = α T (u ) + β T (v) = α (λ u ) + β (λ v) = (λα )u + (λβ )v = λ (α u + β v) ,
deci α u + β v ∈ Svp(λ ) , adică Svp(λ ) este subspaŃiu vectorial al lui V.
138
Demonstrăm acum invarianŃa subspaŃiului Svp(λ ) relativ la T. Dacă
v ∈ Svp(λ ) , atunci T (v) = λv, deci T (T (v)) = T (λv) = λT (v) , de unde T (v) ∈ Svp(λ ).
Aşadar Svp(λ ) este un subspaŃiu al lui V invariant la T. ▄
PropoziŃia 1.4: Dacă T : V → V este un endomorfism al spaŃiului vectorial V,

atunci:
1. Fiecărui vector propriu al lui T îi corespunde o unică valoare proprie λ ;
2. La valori proprii distincte ale lui T corespund vectori proprii liniar
independen Ńi.
DemonstraŃie: 1. Fie v ∈ V un vector propriu al endomorfismului T căruia îi

corespund două valori proprii λ1 ,λ2 ∈ K . Rezultă că T (v) = λ1v şi T (v) = λ2 v , de
unde ( λ1 − λ2 )v = 0V . Vectorul v fiind vector propriu, el este nenul, deci obŃinem că
λ1 = λ 2 .
2. Demonstrăm prin inducŃie după numărul valorilor proprii. Dacă avem o
singură valoare proprie, acesteia îi corespunde un vector propriu, deci nenul, care
formează o submulŃime liniar independentă a lui V.
Presupunem că la n valori proprii distincte corespund vectori proprii liniar
independenŃi. Fie acum valorile proprii distincte λ 1 , λ2 ,..., λn +1 cărora le corespund
vectorii proprii v1 , v 2 ,..., v n +1 ∈ V . Rezultă că
T ( v1 ) = λ1v1 , T (v 2 ) = λ2 v 2 ,..., T (v n +1 ) = λn +1vn +1 . Studiem liniar independenŃa
vectorilor v1 , v2 ,..., v n +1 : considerăm scalarii α 1,α 2 ,...,α n+1 astfel încât
α 1v1 + α 2 v 2 + ... + α n+1vn+1 = 0V (1)
Aplicând endomorfismul T ultimei egalităŃi, succesiv ob Ńinem:
0V = T (α 1 v1 + α 2 v 2 + ... + α n+1v n+1 ) = α 1T (v1 ) + α 2T (v 2 ) + ... + α n+1T (v n+1 )

(2)
= α 1λ1v1 + α 2 λ2 v2 + ... + α n+1 λn+1 vn+1
Cel mult o valoare proprie a lui T este zero, deci există valori proprii nenule. Putem
presupune că λ n+1 este una dintre acestea. Dacă înmulŃim relaŃia (1) cu λ n+1 şi o
scădem din (2), obŃinem:
α 1 (λ1 − λn+1 )v1 + α 2 (λ2 − λn+1 )v2 + ... + α n (λn − λn+1 )v n = 0V
deoarece v1,v 2 ,...,vn reprezintă n vectori proprii ce corespund la n valori proprii
distincte, folosind ipoteza inductivă, rezultă că ei sunt liniar independenŃ i, deci:
α 1 ( λ1 − λn+1 ) = α 2 ( λ2 − λn +1 ) = ... = α n (λn − λ n+1 ) = 0 K
Cum λ1 ,λ 2 ,...,λn+1 sunt valori proprii distincte dou ă câte două, ob Ńinem că
α 1 = α 2 = ... = α n = 0 K (3)
Înlocuind (3) în (1) şi Ńinând cont că v n +1 ≠ 0V , se găseşte imediat şi α n +1 = 0 K , deci
v1,v2 ,...,vn +1 sunt liniar independenŃi, iar aserŃiunea este demonstrată. ▄
Din punctul 1. al propoziŃiei precedente obŃinem următorul
139
Corolar 1.5: Dacă T : V → V un endomorfism al lui V, iar λ1 ,λ2 ∈ K sunt
două valori proprii distincte ale lui T, atunci Svp(λ1 ) ∩ Svp(λ 2 ) = {0V } .
Teorema 1.6: Dacă V este un spa Ńiu vectorial complex de dimensiune n,

atunci orice endomorfism T : V → V are exact n valori proprii complexe.
DemonstraŃie: Deoarece dimCV = n , atunci există B = {e1 , e2 ,..., en } bază a

lui V. Notăm cu A = ( aij )1≤i , j ≤ n matricea asociată endomorfismului T în baza B.
n
Conform definirii matricei asociate unei transformări liniare, avem T (ei ) = ∑ a ji e j ,
j =1
pentru orice 1 ≤ i ≤ n .
Un număr complex λ este valoare proprie a endomorfismului T dacă şi numai
dacă există x ∈ V \ {0V } astfel încât
T ( x) = λ x (4)
n
Presupunând că scrierea vectorului x în baza B este x = ∑ xi ei , rezultă că
i =1
 n  n n  n  n  n 
T ( x) = T  ∑ xi ei  = ∑ xiT ( ei ) = ∑ xi  ∑ a ji e j  = ∑  ∑ xi a ji  e j
 i =1  i =1 
i =1  j =1
 j =1  i =1 

 n  n
şi λ x = λ  ∑ x j e j  = ∑ (λ x j )e j .
 j =1 
  j =1
Aşadar, relaŃia (4) devine:
n  n  n
∑  ∑ i ji  j ∑ (λ x j )e j .
 x a  e =
j =1  i =1  j =1
n
Deoarece scrierea unui vector într-o bază este unică, ob Ńinem că ∑ xi a ji = λ xj ,
i =1
pentru orice 1 ≤ j ≤ n , sau echivalent:
 (a11 − λ ) x1 + a12 x2 + ... + a1n xn = 0
a x + (a − λ ) x + ... + a x = 0
 21 1 22 2 2n n
 (5)
 ....................................................
a n1 x1 + a n 2 x 2 + ... + (a nn − λ ) x n = 0
Astfel, existenŃa unui vector x ∈ V \ {0V } care satisface relaŃia (4) este echivalentă cu
existenŃa unei solu Ńii nenule a sistemului liniar omogen (5), situaŃie care se întâmplă
atunci şi numai atunci când determinantul coeficienŃilor sistemului este nul:
a11 − λ a12 ... a1n
a 21 a 22 − λ ... a 2n
=0 (6)
... ... ... ...
a n1 a n2 ... a nn − λ
140
RelaŃia (6) reprezintă o ecuaŃie de gradul n cu necunoscuta λ , având
coeficienŃii complecşi. Această ecuaŃie are, conform Teoremei fundamentale a
algebrei, exact n soluŃii complexe, care sunt chiar valorile proprii ale
endomorfismului T. ▄
Membrul stâng al ecuaŃiei (6) se mai poate scrie ca det ( A − λ I n ) , unde I n

reprezintă matricea unitate de ordin n. Corespunzător vom defini polinomul
P (λ ) = det ( A − λ I n ) . Deşi acest polinom este construit cu ajutorul matricei A (care
se obŃine din baza B considerată), vom arăta că polinomul P(λ ) este independent de
baza aleasă.
PropoziŃia 1.7: Polinomul P(λ ) nu depinde de baza B a spa Ńiului vectorial V,

ci numai de endomorfismul T.
DemonstraŃie: Fie B = {e1 , e2 ,..., en } , B' = {e1' , e2' ,..., en' } dou ă baze ale lui V şi
A, A' matricele asociate endomorfismului T în bazele B şi respectiv B' . Conform
Corolarului 3.6 din Capitolul V, A' = C −1 AC , unde C reprezintă matricea de trecere
de la baza B la baza B' . Rezultă că
det ( A'−λ I n ) = det (C −1 AC − λ I n ) = det (C −1 AC − C −1λ I n C ) = det (C −1 ( A − λ I n )C ) =
det (C −1 ) det ( A − λ I n ) det (C ) = det ( A − λ I n ) ,
ceea ce demonstrează invarianŃa polinomului P(λ ) faŃă de schimbarea bazei spaŃiului
vectorial V. ▄
PropoziŃia precedentă permite definirea următoarelor concepte:
DefiniŃia 1.8: P (λ ) = det ( A − λ I n ) se numeşte polinom

Polinomul
caracteristic asociat endomorfismului T, iar ecua Ńia det ( A − λ I n ) = 0 poartă numele
de ecuaŃie caracteristică a lui T.
ObservaŃie: DemonstraŃie Teoremei 1.6 furnizează o metodă pentru

determinarea valorilor proprii şi a vectorilor proprii ai unui endomorfism: valorile
proprii sunt rădăcinile ecuaŃiei caracteristice, iar vectorii proprii asociaŃi unei valori
proprii λ0 au componentele date de soluŃii nenule ale sistemului de ecua Ńii obŃinut
din sistemul (5) prin înlocuirea lui λ cu λ0 .
ExerciŃiul 1: Să se determine valorile proprii şi vectorii proprii ai

endomorfismului
T : R 3 → R 3 , T ( x1 , x2 , x3 ) = (4 x1 + 6 x 2 , − 3 x1 − 5 x2 , − 3 x1 − 6 x2 + x3 ) .
SoluŃie: Determinăm mai întâi matricea asociată endomorfismului T în baza

canonică B = {e1 = (1,0,0), e2 = (0,1,0), e3 = (0,0,1)} a lui R 3 . Deoarece
T (1,0,0) = (4,−3,−3)
T (0,1,0) = (6,−5,−6)
T (0,0,1) = (0,0,1) ,
141
 4 6 0
 
matricea asociată lui T în baza B este A =  − 3 − 5 0  , deci ecuaŃia caracteristică
− 3 − 6 1
 
4−λ 6 0
va fi − 3 − 5 − λ 0 = 0 sau, echivalent, (4 − λ )(−5 − λ )(1 − λ ) + 18(1 − λ ) = 0 .
−3 −6 1− λ
Rezolvând această ecuaŃie obŃinem valorile proprii: λ1 = λ2 = 1, λ3 = −2 .
Vectorii proprii corespunzători valorii proprii duble λ1 = λ 2 = 1 sunt daŃi de
mulŃimea soluŃiilor nenule ale sistemului
 3 x1 + 6 x2 = 0  x1 = −2α
  2 2
− 3 x1 − 6 x2 = 0 , adică  x2 = α , cu α , β ∈ R , α + β ≠ 0 .
− 3 x − 6 x = 0 x = β
 1 2  3
Deci forma generală a vectorilor proprii corespunzători valorii proprii 1 este
v1 = (−2α , α , β ) , cu α , β ∈ R , α 2 + β 2 ≠ 0 .
Pentru determinarea vectorilor proprii corespunzători valorii proprii λ3 = −2 ,
rezolvăm sistemul
 6 x1 + 6 x 2 = 0

− 3 x1 − 3 x 2 = 0
− 3 x − 6 x + 3 x = 0
 1 2 3
Rezultă că forma generală a vectorilor proprii corespunzători valorii proprii -2 este
v1 = (α ,−α ,−α ) , cu α ∈ R * . 
ObservaŃie importantă: Fie V un spa Ńiu vectorial de dimensiune n. Deoarece

spaŃiul vectorial al endomorfismelor lui V, End K (V ) , şi spaŃiul vectorial al
matricelor pătratice de dimensiune n, M n (K ) , sunt izomorfe, au sens noŃiunile de
valori proprii şi vectori proprii ai unei matrice A ∈ M n (K ) , prin acestea în Ńelegând
valorile proprii şi, respectiv, vectorii proprii ai endomorfismului corespunzător
matricei A prin intermediul izomorfismului menŃionat anterior (vezi Corolar 2.11,
Capitolul V). Mai mult, polinomul P(λ ) va fi numit şi polinom caracteristic al
matricei A, iar ecuaŃia det ( A − λI n ) = 0 , ecuaŃie caracteristică a matricei A. Evident,
valorile proprii ale lui A sunt soluŃii ale ecuaŃiei caracteristice a lui A. Dacă λ 0 este
o valoare proprie a matricei A, iar v0 ∈ K n un vector propriu corespunzător (scris
sub formă de coloană), atunci din relaŃia (5) obŃinem că ( A − λ0 I n ) v0 = 0 K n , sau
echivalent
Av0 = λ0 v0 (7)
PropoziŃia următoare furnizează relaŃii de legătură între valorile proprii ale

unei matrice şi urma, respectiv determinantul acesteia. Reamintim că:
142
• dacă A = ( aij )1≤i , j≤ n ∈ M n ( K ) , atunci suma elementelor de pe diagonala
principală a matricei A se numeşte urma lui A şi se notează Tr (A) . Deci
n
Tr ( A) = ∑ aii . (Remarcă: notaŃia Tr provine de la “trace” – urmă în limba engleză.)
i =1
• dacă A = ( aij )1≤i, j ≤n ∈ M n ( K ) , atunci din definiŃia determinantului de
ordin n avem det ( A) = ∑ ε (σ )a1σ (1) a 2σ (2) ...anσ ( n) , unde S n este mulŃimea tuturor
σ ∈Sn
permutărilor de gradul n, iar ε (σ ) este signatura permutării σ .
PropoziŃia 1.9: Fie A = ( aij )1≤i, j ≤n ∈ M n ( K ) şi λ1 ,λ 2 ,...,λ n valorile proprii

ale matricei A. Atunci:
1. λ1 + λ2 + ... + λ n = Tr ( A) ;
2. λ1λ 2 ...λ n = det ( A) .
DemonstraŃie: Considerăm P (λ ) = det ( A − λI n ) , polinomul caracteristic al

matricei A. Din definiŃ ia determinantului de ordin n, rezultă că
P (λ ) = (a11 − λ )(a 22 − λ )...(a nn − λ ) + ( polinoame de grad ≤ n − 2 ) =
( −1) n λn + ( −1) n−1 ( a11 + a 22 + ... + a nn )λn−1 + c n−2 λn−2 + ... + c1λ + c0 .
λ1 , λ2 ,...,λn fiind rădăcinile polinomului caracteristic, din relaŃiile lui Viète
ob Ńinem:
( −1) n −1 ( a11 + a 22 + ... + a nn )
λ1 + λ2 + ... + λn = − = Tr ( A) şi
( −1) n
c
λ1λ2 ...λn = (−1) n 0 n = c0 .
(−1)
Deoarece c0 = P (0) = det ( A) , rezultă că λ1λ2 ...λn = det ( A) . ▄
ObservaŃie: Pe parcursul acestei demonstraŃii s-a obŃinut că, în polinomul

caracteristic, coeficientul termenului dominant este a n = (−1) n , iar termenul liber
este λ1λ2 ...λn = det ( A) .
Din punctul 2. al propoziŃiei anterioare rezultă următorul
Corolarul 1.10: O matrice A ∈ M n (K ) este inversabilă dacă şi numai dacă

toate valorile proprii ale lui A sunt nenule.
DefiniŃia 1.10: Fie Q( x) = a m x m + a m −1 x m −1 + ... + a1 x + a0 ∈ K [ x] un

polinom arbitrar şi A ∈ M n (K ) . Matricea
Q( A) = a m A m + a m−1 A m −1 + ... + a1 A1 + a0 I n ∈ M n ( K )
se numeşte polinom de matrice A definit de Q.
143
Teorema 1.11 (Hamilton-Cayley): Fie matricea A ∈ M n (K ) şi P(λ ) polino-
mul său caracteristic. Atunci P( A) = 0 n , unde 0 n este matricea nulă de ordin n.
DemonstraŃie: Deoarece pentru orice matrice inversabilă C ∈ M n (K ) avem

1
C −1 = C * , unde C * este matricea adjunctă a lui C, rezultă că:
det (C )
1
( A − λI n ) −1 = ( A − λI n )* ,
P (λ )
pentru orice λ ∈ K \ Spec( A) , de unde obŃinem
( A − λI n )( A − λI n ) * = P (λ ) I n . (7)
*
Matricea adjunctă ( A − λI n ) are drept componente complemenŃii algebrici ai
elementelor din matricea A − λI n , deci determinanŃi de ordin n − 1 care sunt
polinoame de grad cel mult n − 1 în variabila λ . Rezultă că matricea ( A − λI n ) *
poate fi scrisă sub forma
( A − λI n ) * = Γ n−1λn−1 + Γ n− 2 λn− 2 + ... + Γ1λ1 + Γ 0 , (8)
unde Γ n−1 ,..., Γ 0 ∈ M n ( K ) .
Presupunem că polinomul caracteristic al matricei A este
P (λ ) = a n λn + a n−1λn −1 + ... + a1λ + a 0 . (9)
Înlocuind relaŃiile (8) şi (9) în relaŃia (7) obŃinem:
( A − λI n )(Γ n−1λn−1 + Γ n− 2 λn− 2 + ... + Γ1λ + Γ 0 ) = ( a n λn + a n−1λn−1 + ... + a1λ + a 0 ) I n .
Prin identificarea coeficienŃilor termenilor de acelaşi grad din cei doi membri ai
egalităŃii precedente, găsim relaŃiile:
− Γ n −1 = a n I n
A Γ n −1 − Γ n − 2 = a n −1 I n
A Γ n −2 − Γ n −3 = a n −2 I n
........................................
A Γ1 − Γ 0 = a1 I n
A Γ 0 = a0 I n .
ÎnmulŃind la stânga prima relaŃie cu A n , a doua cu A n−1 , ..., penultima cu A , iar
ultima cu A 0 = I n şi adunând obŃinem
0 = a n A n + a n−1 A n−1 + ... + a1 A + a 0 I n = P ( A) . ▄
Corolarul 1.12: Fie A ∈ M n (K ) . Atunci pentru orice k ∈ N putem scrie

A k = β n−1 A n−1 + β n−2 A n −2 + ... + β1 A + β 0 I n ,
cu β 0 , β1 ,..., β n−1 ∈ K .
DemonstraŃie: Vom proceda prin inducŃie matematică după k.

Pentru k ∈ {0,1,..., n − 1} avem A k = 1 ⋅ A k , deci afirmaŃia din corolar este
evidentă.
Pentru k = n , din Teorema Hamilton-Cayley, avem
144
a n A n + a n −1 A n −1 + ... + a1 A + a0 I n = 0 ,
de unde obŃinem
A n = −a n−1a n −1 A n −1 − ... − a n−1a1 A − a n−1a 0 I n
( a n este inversabil deoarece, conform unei observaŃii anterioare, a n = (−1) n ).
Presupunem că A k = β n−1 A n−1 + β n− 2 A n− 2 + ... + β1 A + β 0 I n . Rezultă că
A k +1 = A k A = β n−1 A n + β n−2 A n−1 + ... + β1 A 2 + β 0 A =
β n−1 (−a n−1a n−1 A n−1 − ... − a n−1a1 A − a n−1a 0 I n ) + β n −2 A n−1 + ... + β1 A 2 + β 0 A =
(− β n −1a n−1an −1 + β n −2 ) A n −1 + ... + (−β n−1a n−1a1 + β 0 ) A − β n −1a n−1a0 I n
Astfel putem concluziona că orice putere a matricei A se poate scrie numai în funcŃie
de matricele A n−1 ,..., A, I n . ▄
O aplicaŃie importantă a Teoremei Hamilton-Cayley este, aşa cum rezultă din

următorul corolar, calculul inversei unei matrice:
Corolarul 1.13: Dacă A ∈ M n (K ) este o matrice inversabilă, atunci există

β 0 , β1 ,..., β n −1 ∈ K astfel încât
A −1 = β n−1 A n−1 + β n −2 A n− 2 + ... + β1 A + β 0 I n .
DemonstraŃie: Din Teorema Hamilton-Cayley avem

a n A n + a n−1 A n−1 + ... + a1 A + a 0 I n = 0 .
Din PropoziŃia 1.9, a 0 = det ( A) ≠ 0 . Rezultă că
I n = −a 0−1a n A n − a 0−1a n−1 A n−1 − ... − a 0−1a1 A .
ÎnmulŃind această relaŃie cu A −1 obŃinem
A −1 = −a 0−1a n A n −1 − a 0−1a n −1 A n −2 − ... − a 0−1a 2 A − a 0−1a1 I n ,
de unde, notând β n−1 = −a 0−1a n , β n− 2 = −a 0−1a n−1 ,..., β1 = −a 0−1a 2 , β 0 = − a 0−1a1 , rezultă
egalitatea dorită. ▄
ExerciŃiul 2: Să se determine inversa matricei

 4 6 0
 
A =  − 3 − 5 0 .
− 3 − 6 1
 
SoluŃie: Polinomul caracteristic al matricei A este

4−λ 6 0
P (λ ) = − 3 − 5 − λ 0 = −λ3 + 3λ − 2 .
−3 −6 1− λ
Deoarece termenul liber al polinomului caracteristic este nenul, atunci matricea A este
inversabilă. Din Teorema Hamilton-Cayley, avem − A 3 + 3 A − 2 I 3 = 0 3 , sau
1
echivalent I 3 = (− A3 + 3 A) . ÎnmulŃind această egalitate cu A −1 obŃinem
2
145
 5 
 3 0
 2 
1 3
A −1 = ( − A + 3I 3 ) =  −
2
− 2 0 . 
2  2 
 3 
− − 3 1
 2 
2. Localizarea valorilor proprii
În paragraful anterior am văzut că valorile proprii ale unui endomorfism sau

ale unei matrice A ∈ M n (K ) se obŃin prin rezolvarea ecuaŃiei caracteristice
det ( A − λ I n ) = 0 . Această tehnică de găsire a valorilor proprii are în principal două
inconveniente: în primul rând trebuie calculat un determinant de ordin n, proces destul
de laborios când n creşte; în al doilea rând, rezolvarea unei ecuaŃii algebrice de grad
cel puŃin 5 poate fi extrem de dificilă (N.H. Abel a demonstrat în 1824 că, pentru o
ecuaŃie algebrică de grad cel puŃin 5, nu există formule de calcul ale soluŃiilor în
funcŃie de coeficienŃi, formule care să utilizeze operaŃii de adunare, înmulŃire şi
radicali).
În cele ce urmează, vom prezenta două rezultate obŃinute de S.A. Gerschgorin
în 1931, rezultate ce permit o localizare a valorilor proprii ale unei matrice
A ∈ M n (C) .
Teorema 2.1 (Gerschgorin): Fie A = ( aij ) i, j =1,n ∈ M n (C) . Dacă pentru orice
n
1 ≤ i ≤ n se notează ri = ∑ aij , Di = {z ∈ C/ z − a ii ≤ ri }, atunci
j =1, j ≠i
n
Spec( A) ⊆ U Di , (1)
i =1
cu alte cuvinte, orice valoare proprie a matricei A se află în cel puŃin unul din
discurile Di , numite discuri Gerschgorin.
DemonstraŃie: Considerăm λ o valoare proprie arbitrară a matricei A şi v un

vector propriu corespunzător lui λ . Notăm cu v1 , v2 ,..., vn componentele vectorului v
în baza canonică a spaŃiului vectorial complex C n şi cu k indicele pentru care
v k = max{v1 , v2 ,..., v n } . Deoarece orice vector propriu este nenul, rezultă că v k ≠ 0 .
EcuaŃia k a sistemului (5) (din secŃiunea precedentă) pe care-l verifică vectorul v :
a k1v1 + ... + a k ,k −1v k −1 + ( a kk − λ )v k + a k ,k +1v k +1 + ... + a kn v n = 0
146
n vj
este echivalentă cu a kk − λ = − ∑ a kj
vk
. Aplicând modulul egalităŃii precedente
j =1, j ≠ k
şi Ńinând cont de proprietăŃile acestuia, rezultă că:
n vj n vj n
a kk − λ = − ∑ a kj ≤ ∑ a kj ⋅ ≤ ∑ a kj = rk ,
j =1, j ≠ k vk j =1, j ≠ k vk j =1, j ≠ k
adică λ ∈ Dk . Cum λ a fost o valoare proprie arbitrară, incluziunea din enunŃ este
clară. ▄
ObservaŃie: Se poate obŃine o “rafinare” (în sensul de restrângere) a

n
domeniului U Di căruia aparŃin valorile proprii ale unei matrice A dacă se
i =1
n
consideră în plus ci = ∑ a ji şi Dit = {z ∈ C/ z − aii ≤ ci } (adică se lucrează cu
j =1, j ≠i
sume pe coloanele matricei în locul sumelor pe linii). Având în vedere că
Spec( A) = Spec( A t ) şi transferând rezultatul Teoremei 2.1 de la matricea A la
transpusa ei, obŃinem că:
 n   n 
Spec( A) ⊆  U Di I  U Dit  (2)
   
 i =1   i =1 
Teorema 2.2 (Gerschgorin): Fie A ∈ M n (C) . Dacă există o reuniune de p

discuri Gerschgorin disjunctă de celelalte n-p discuri, atunci există exact p valori
proprii (nu neapărat distincte) ale matricei A, care aparŃin reuniunii celor p discuri
iniŃiale.
DemonstraŃie: Vom folosi următorul rezultat: rădăcinile unui polinom cu
coeficienŃi complecşi sunt funcŃii continue de coeficienŃii polinomului (vezi [23], pag.
49). Deoarece coeficienŃii polinomului caracteristic ai matricei A se scriu în funcŃie de
componentele matricei, rezultă că valorile proprii ale matricei A variază continuu cu
componentele ei.
Putem scrie matricea A sub forma A = B + C , unde
 a11 0 ... 0   0 a12 ... a1n 
   
 0 a22 ... 0   a 21 0 ... a2n 
B= şi C =  .
... ... ... ...  ... ... ... ... 
   
 0 0 ... a  a a ... 0 
 nn   n1 n 2 
Pentru orice t ∈ [0,1] , notăm A(t ) = B + tC . Din Teorema 2.1, valorile proprii λi (t )
ale matricei A(t ) aparŃin reuniunii discurilor Gerschgorin Di (t ) definite de
n
z − aii ≤ tri cu ri = ∑ aij . Discurile Di (t ) cresc continuu o dată cu t, de la
j =1, j ≠i
punctele individuale a ii , când t = 0 , până la discurile Gerschgorin ale matricei A,
când t = 1 . Deci, dacă cele p discuri având reuniunea disjunctă de celelalte n − p au
centrele în ai1i1 , ai2i2 ,..., ai pi p , atunci reuniunea Ω(t ) = Di1 (t ) ∪ Di2 (t ) ∪ ... ∪ Di p (t )
147
~
este disjunctă de reuniunea Ω(t ) a celorlalte n − p discuri Gerschgorin ale matricei
A(t ) , pentru orice t ∈ [0,1] .
Vom demonstra că λ j (t ) ∈ Ω(t ) , pentru orice j ∈ {i1 , i2 ,..., i p } şi orice
t ∈ [0,1] . Presupunem prin absurd că această apartenenŃă a tuturor valorilor proprii
menŃ ionate la mulŃimea Ω(t ) nu are loc. Atunci, având în vedere:
1. continuitatea variabilităŃii valorilor proprii λi (t ) o dată cu parametrul t;
~
2. Ω(t ) ∩ Ω(t ) = φ , pentru orice t ∈ [0,1] ;
3. λi (0) = aii ∈ Di (0) ,
ar rezulta că există un j0 ∈ {i1 , i 2 ,..., i p } şi un t 0 ∈ [0,1] astfel încât
~
λ j 0 (t 0 ) ∉ Ω(t 0 ) ∩ Ω(t 0 ) , contradicŃie cu Teorema 2.1. Deci presupunerea făcută este
falsă. Dând lui t valoarea 1, obŃinem că λ j (1) = Ω(1) = Di1 (1) ∪ Di2 (1) ∪ ... ∪ Di p (1) ,
pentru orice j ∈ {i1 , i 2 ,..., i p } , adică exact p valori proprii ale matricei A aparŃin
reuniunii celor p discuri Gerschgorin şi astfel teorema este complet demonstrată. ▄
Corolar 2.3: Dacă pentru matricea A ∈ M n (C) există un disc Gerschgorin

izolat de celelalte n − 1 discuri, atunci acest disc conŃine exact o valoare proprie a
matricei A.
ExerciŃiul 1: Să se localizeze valorile proprii ale matricei

5 1 1 
 
A = 0 6 1  .
 1 0 − 5
 
SoluŃie: Vom prezenta două modalităŃi de localizare.

Prima dintre acestea foloseşte Teorema 2.1: avem r1 = 2 , r2 = 1 , r3 = 1 , iar
discurile Gerschgorin D1 = {z ∈ C/ z − 5 ≤ 2} , D2 = {z ∈ C/ z − 6 ≤ 1} şi
D3 = {z ∈ C/ z + 5 ≤ 1} . Astfel, Spec( A) ⊆ D1 ∪ D2 ∪ D3 = D1 ∪ D3 .
y
-5 3 5 7
O x
D2
D3
D1
fig. 42
148
De menŃionat că, deoarece D3 ∩ ( D1 ∪ D2 ) = φ , atunci, conform Teoremei 2.2, în
discul D3 se află exact o valoare proprie a lui A, iar în D1 ∪ D2 = D1 se află celelalte
două valori proprii.
Pentru a obŃine o localizare şi mai bună, vom folosi formula (2) din observaŃia
anterioară: c1 = 1 , c 2 = 1 , c3 = 2 , iar D1t = {z ∈ C/ z − 5 ≤ 1}, D2t = {z ∈ C/ z − 6 ≤ 1}
şi D3t = {z ∈ C/ z + 5 ≤ 2}. Atunci
Spec( A) ⊆ ( D1 ∪ D2 ∪ D3 ) ∩ ( D1t ∪ D2t ∪ D3t ) = D1t ∪ D2 ∪ D3
-5 5 6
O x
D3 D1t D2
fig. 43
Prin rezolvarea ecuaŃiei caracteristice a matricei A se găsesc λ 1 = 5 ,

1+ 5 5 1− 5 5
λ2 = şi λ 3 = . Este uşor de verificat că aceste valori proprii aparŃin
2 2
discurilor D1t , D2 şi respectiv D3 . 
3. Diagonalizarea unui endomorfism (sau a unei matrice)
În acest paragraf V va fi spaŃiu vectorial finit dimensional.
DefiniŃia 3.1: O matrice D ∈ M n (K ) de forma

 d1 0 ... 0
 
0 d2 ... 0
D=
... ... ... ... 
 
0 0 ... d n 

(adică având elemente nenule cel mult pe diagonala principală) se numeşte matrice
diagonală. Se mai notează D = diag ( d1 , d 2 ,..., d n ) .
149
DefiniŃia 3.2: Două matrice A, B ∈ M n ( K ) se numesc matrice asemenea
dacă există o matrice C ∈ M n (K ) , inversabilă, astfel încât B = C −1 ⋅ A ⋅ C . În acest
caz vom nota A ~ B .
ObservaŃie: Din demonstraŃia PropoziŃiei 1.7 reiese că două matrice

asemenea au aceleaşi valori proprii.
DefiniŃia 3.3: 1. Fie A ∈ M n (K ) . Spunem că A este matrice diagonalizabilă

dacă există o matrice diagonală D astfel încât A ~ D . În acest caz, matricea D se
numeşte forma diagonală a matricei A.
2. Fie V un spaŃiu vectorial şi T : V → V un endomorfism al lui V. Spunem că
T este diagonalizabil dacă există o bază a lui V în care matricea asociată lui T este
diagonală.
Teorema 3.4: Fie T : V → V un endomorfism al lui V. Atunci T este

diagonalizabil dacă şi numai dacă există o bază a lui V formată din vectori proprii ai
lui T.
DemonstraŃie: Fie n = dim K (V ) .

Presupunem mai întâi că T este diagonalizabil. Atunci, conform definiŃiei
precedente, există B = {e1 , e2 ,..., en } o bază a lui V faŃă de care matricea A asociată lui
T este matrice diagonală:
 a11 0 ... 0 
 
 0 a22 ... 0 
A= .
... ... ... ... 
 
 0 0 ... ann 

Din definiŃia matricei ataşate unei transformări liniare într-o anumită bază avem
T (ei ) = aii ei , pentru orice 1 ≤ i ≤ n . Deoarece vectorii e1 , e2 ,..., en fac parte dintr-o
bază, ei sunt nenuli şi astfel, din egalitatea anterioară, a11 , a 22 ,..., a nn sunt valori
proprii ale lui T, iar e1 , e2 ,..., en sunt vectori proprii corespunzători acestor valori
proprii. Deci B este o bază formată din vectori proprii ai lui T.
Reciproc, presupunem că există B = {e1 , e2 ,..., en } o bază a lui V formată din
vectori proprii ai endomorfismului T. Pentru orice 1 ≤ i ≤ n notăm cu λi valoarea
proprie căreia îi corespunde vectorul propriu ei . Atunci T (ei ) = λi ei , pentru orice
1 ≤ i ≤ n . Deci matricea asociată lui T în baza B este matricea diagonală
 λ1 0 ... 0 
 
 0 λ2 ... 0 
D= .▄
... ... ... ... 
 
 0 0 ... λ 
 n
ObservaŃie: De reŃinut că, dacă endomorfismul T este diagonalizabil, atunci

baza în care matricea asociată este matrice diagonală este formată din vectorii
proprii ai lui T.
150
Teorema 3.5: Fie T : V → V un endomorfism al lui V. Dacă valorile proprii
ale lui T aparŃin corpului K şi sunt distincte două câte două, atunci T este
diagonalizabil.
DemonstraŃie: Fie n = dim K (V ) şi λ1 , λ2 ,..., λ n valorile proprii ale lui T.

Pentru fiecare valoare proprie λi considerăm vi , un vector propriu corespunzător.
Deoarece valorile proprii ale lui T sunt diferite două câte două, din PropoziŃia 1.4
avem că vectorii proprii v1 , v 2 ,..., vn sunt liniar independenŃi. Cum dim K (V ) = n ,
atunci B = {v1 , v 2 ,..., vn } formează o bază a lui V şi deci, din Teorema 3.4, obŃinem că
endomorfismul T este diagonalizabil. ▄
Teorema precedentă furnizează o condiŃie necesară pentru ca un endomorfism

să fie diagonalizabil. Din enunŃul ei, nu putem afirma nimic în cazul în care există cel
putin două valori proprii egale. În continuare ne vom ocupa de găsirea unei condiŃii
necesare şi suficiente, condiŃie care să ne permită să concluzionăm şi când un
endomorfism nu este diagonalizabil.
DefiniŃia 3.6: Fie T : V → V este un endomorfism al lui V şi λ o valoare

proprie a lui T.
1. Se numeşte multiplicitate algebrică a lui λ şi se notează cu ma(λ ) ordinul
de multiplicitate al valorii proprii λ ca rădăcină a ecuaŃiei caracteristice a
endomorfismului T.
2. Se numeşte multiplicitate geometrică a lui λ şi se notează cu mg (λ )
dimensiunea subspŃiului Svp(λ ) , al vectorilor proprii corespunzători valorii proprii
λ.
PropoziŃia 3.7: Fie T : V → V este un endomorfism şi λ 0 o valoare proprie a

lui T. Atunci are loc inegalitatea:
mg (λ 0 ) ≤ ma (λ 0 ) .
DemonstraŃie: Vom nota n = dim K (V ) , p = mg (λ 0 ) şi B = {e1 , e2 ,..., e p } o

bază a subspaŃiului vectorial propriu Svp(λ 0 ) . Deoarece Svp(λ 0 ) este un subspaŃiu
vectorial al lui V, atunci evident p ≤ n .
Dacă p = n , atunci matricea asociată endomorfismului T în baza B este
λ0 0 ... 0 
 
 0 λ0 ... 0 
A= ,
... ... ... ... 
 
 0 0 ... λ 0 

de unde obŃinem ecuaŃia caracteristică a lui T : ( −1) n (λ − λ 0 ) n = 0 . Rezultă că λ 0
este rădăcină multiplă de ordin n a ecuaŃiei caracteristice şi astfel
mg (λ 0 ) = n = ma (λ 0 ) .
Dacă p < n , atunci completăm baza B = {e1 , e2 ,..., e p } a lui Svp(λ 0 ) la o
bază B' = {e1 , e2 ,..., e p , e p +1 ,..., en } a lui V. Deoarece pentru orice 1 ≤ i ≤ p , ei este
151
vector propriu al lui T corespunzător valorii proprii λ 0 , atunci T (ei ) = λ 0 ei . Pentru
n
p +1 ≤ i ≤ n , avem o scriere de forma T (ei ) = ∑ a ji e j . Aşadar, matricea asociată lui
j =1
T în baza B' este
λ0 0 ... 0 a1, p +1 ... a1,n 
 
 0 λ 0 ... 0 a 2, p +1 ... a 2 ,n 
 ... ... ... ... ... ... ... 
A= .
 0 0 ... λ 0 a p , p +1 ... a p ,n 
 ... ... ... ... ... ... ... 

 0 0 ... 0 a n, p +1 ... a n,n 

În acest caz, ecuaŃia caracteristică a lui T este:
( −1) p (λ − λ 0 ) p Q( λ ) = 0 , (1)
unde
a p +1, p +1 − λ a p +1, p + 2 ... a p +1,n
a p + 2, p +1 a p + 2, p + 2 − λ ... a p + 2, n
Q (λ ) = .
... ... ... ...
a n, p +1 a n, p + 2 ... a n ,n − λ
Din relaŃia (1) obŃinem că ma (λ 0 ) ≥ p = mg (λ 0 ) şi astfel propoziŃia este complet
demonstrată. ▄
Teorema 3.8 (Criteriul general de diagonalizare): Endomorfismul T : V → V

este diagonalizabil dacă şi numai dacă polinomul său caracteristic are toate
rădăcinile în corpul K şi pentru orice valoare proprie λ a lui T avem
mg (λ ) = ma(λ ) .
DemonstraŃie: Fie n = dim K (V ) .

Presupunem mai întâi că endomorfismul T este diagonalizabil. Atunci,
conform Teoremei 3.4, există B = {e1 , e2 ,..., en } o bază a lui V formată din vectori
proprii ai lui T faŃă de care matricea A asociată lui T este matrice diagonală. Notăm
cu λ1 , λ2 ,..., λ p elementele de pe diagonala principală a matricei A. Atunci polinomul
caracteristic al endomorfismului T este:
np
P(λ ) = (−1) n (λ − λ 1 ) n1 (λ − λ2 ) n2 ...(λ − λ p ) ,
unde ni reprezintă numărul de apariŃii al lui λi pe diagonala principală, pentru
p
1 ≤ i ≤ p . Rezultă că ∑ ni = n şi λi ∈ K sunt valori proprii ale lui T având
i =1
multiplicităŃile algebrice ni (apartenenŃa valorilor λi la corpul K este clară, deoarece
A ∈ M n ( K ) ).
Fără a reduce generalitatea, putem presupune că primii n1 vectori ai bazei B
corespund valorii proprii λ1 , următorii n2 vectori corespund valorii proprii λ2 , şi aşa
152
mai departe. Atunci vectorii e1 , e2 ,..., en1 aparŃin subspaŃiului vectorilor proprii
Svp(λ1 ) şi cum aceşti vectori erau liniar independenŃi, numărul lor n1 este cel mult
egal cu dimensiunea lui Svp(λ1 ) : n1 ≤ dim K Svp(λ1 ) . Pe de altă parte, din PropoziŃia
3.7, avem dim K Svp(λ1 ) = mg (λ1 ) ≤ ma(λ1 ) = n1 . Rezultă că n1 = dim K Svp(λ1 ) ,
adică ma(λ1 ) = mg (λ1 ) . Similar se demonstrează că ma(λi ) = mg (λi ) , pentru orice
2 ≤i ≤ p.
Reciproc, presupunem acum că polinomul caracteristic al lui T are toate
rădăcinile în corpul K şi pentru orice valoare proprie λ a lui T avem mg (λ ) = ma(λ ) .
Fie λ1 , λ2 ,..., λ p valorile proprii distincte două câte două ale lui T şi n1 , n 2 ,..., n p
p
multiplicităŃile lor algebrice. Evident ∑ ni = n . Fie B1 = {e1 , e2 ,..., en1 } o bază a
i =1
subspaŃiului Svp(λ1 ) , B2 = {en1 +1 , en1 + 2 ,..., en2 } o bază a subspaŃiului Svp(λ2 ) ,... şi
B p = {en p−1 +1 , en p −1 + 2 ,..., en p } o bază a subspaŃiului Svp(λ p ) . Considerăm mulŃimea
de vectori B = B1 ∪ B2 ∪ ... ∪ B p . Deoarece Svp(λi ) ∩ Svp(λ j ) = {0V } (vezi Corolar
1.5), pentru orice i ≠ j , mulŃimea B conŃine exact n1 + n 2 + ... + n p = n vectori. Mai
mult, fiecare dintre mulŃimile B1 , B2 ,...B p sunt liniar independente şi Ńinând cont de
PropoziŃia 1.4 obŃinem că B este mulŃime liniar independentă având n = dim K V
elemente. Deci B este o bază a lui V. Se verifică imediat că matricea asociată
endomorfismului T în baza B este matrice diagonală şi astfel T este diagonalizabil. ▄
ObservaŃie: Fie T : V → V un endomorfism care, într-o bază B a lui V, are

matricea ataşată A. Dacă D = diag ( λ1 , λ 2 ,..., λn ) este forma diagonală a matricei A,
atunci
C −1 ⋅ A ⋅ C = D , (2)
unde C este matricea având pe coloane componentele în baza B ale vectorilor proprii
ai lui T corespunzători vectorilor proprii λ1 , λ2 ,..., λn .
RelaŃia (2) este echivalentă cu A = C ⋅ D ⋅ C −1 . Prin ridicare la puterea n
obŃinem:
A n = C ⋅ D n ⋅ C −1 (3)
ExerciŃiul 1: Fie endomorfismul T : R 3 → R 3 având matricea asociată în

0 −1 3 
3  
baza canonică a lui R : A =  5 0 − 3  . StudiaŃi dacă T este diagonalizabil, iar în
1 −1 2 
 
caz afirmativ găsiŃi forma diagonală a matricei A.
SoluŃie: Determinăm mai întâi valorile proprii ale endomorfismului, prin

rezolvarea ecuaŃiei caracteristice:
153
−λ −1 3
5 −λ −3 = 0.
1 −1 2−λ
Vom găsi λ1 = −1 , λ 2 = 1 şi λ3 = 2 . Deoarece valorile proprii sunt distincte două
câte două, din Teorema 3.5 obŃinem că T este diagonalizabil. Mai mult, forma
 −1 0 0
 
diagonală a matricei A este: D =  0 1 0  .
 0 0 2
 
ExerciŃiul 2: Fie endomorfismul T : R 3 → R 3 căruia în baza canonică îi este

asociată matricea
 5 −1 0
 
A =  −1 5 0 .
1 1 6 

i) ArătaŃi că endomorfismul T este diagonalizabil;
ii) DeterminaŃ i o bază B a lui R 3 în raport de care matricea asociată lui T are
forma diagonală;
iii) CalculaŃi A 2009 .
SoluŃie: i) Rezolvăm ecuaŃia caracteristică a lui T pentru a determina valorile

proprii:
5−λ −1 0
−1 5 − λ 0 =0.
1 1 6−λ
5 − λ −1
Dezvoltând determinantul după ultima coloană obŃinem: (6 − λ ) = 0 , de
−1 5 − λ
unde rezultă ( 6 − λ ) 2 ( 4 − λ ) = 0 . Astfel, valorile proprii ale lui T sunt λ1 = λ2 = 6 şi
λ3 = 4 . Deoarece λ1 = λ 2 , vom decide dacă T este diagonalizabil cu ajutorul
Criteriului general de diagonalizare.
Vectorii proprii corespunzători valorii proprii 6 sunt daŃi de sistemul:
− x1 − 6 x 2 = 0  x1 = α
  2 2
 − x1 − x2 = 0 , adică  x2 = −α , cu α , β ∈ R , α + β ≠ 0 .
 x +x =0 x = β
 1 2  3
SubspaŃiul invariant corespunzător valorii proprii 6 este
Svp(6) = {(α ,−α , β ) / α , β ∈ R} .
O bază pentru Svp(6) este B1 = {(1,−1,0) , (0,0,1)} , de unde rezultă dimR Svp (6) = 2 .
Aşadar ma(6) = mg (6) = 2 .
Pentru valoarea proprie 4, vectorii proprii sunt daŃi de sistemul:
 x1 − x2 = 0  x1 = α
  *
− x1 + x2 = 0 , adică  x2 = α , cu α ∈ R .
x + x + 2x = 0  x = −α
 1 2 3  3
154
Svp(4) = {(α , α , α ) / α ∈ R} .
O bază pentru Svp(4) este B2 = {(1,1,−1)} , de unde rezultă dimR Svp(4) = 1 . Aşadar
ma(4) = mg (4) = 1 .
Deoarece toate valorile proprii ale lui T sunt numere reale şi au multiplicitatea
algebrică egală cu cea geometrică, din Criteriului general de diagonalizare obŃinem
că T este diagonalizabil.
ii) O bază în care matricea asociată endomorfismului T are forma diagonală
este B = B1 ∪ B2 = {(1,−1,0) , (0,0,1) , (1,1,−1)}
iii) Vom folosi relaŃia (3) din observaŃia anterioară. Matricea C va avea drept
1 0 1 1 − 1 0 
  −1 1 
coloane vectorii bazei B, adică C =  − 1 0 1  . Rezultă că C = 1 1 1  .
 0 1 − 1 2 
  1 1 0 
Deci:
 1 0 1   6 0  1 − 1 0 
2009
0
  1 
A 2009 = C ⋅ D 2009 ⋅ C −1 =  − 1 0 1  ⋅  0 6 2009 0  ⋅ 1 1 1  =
 0 1 − 1  0  2
   0 4 2009  1 1 0 

 6 2009 2009 2009 2009
+4 −6 +4 0 
1  2009 2009 2009 2009
= − 6 +4 6 +4 0  .
2  2009 2009 2009 2009 2009 
 6 −4 6 −4 6 
 
4. Metoda puterii
În acest paragraf vom prezenta o metodă iterativă care permite determinarea

aproximativă, în anumite condiŃii, a valorii proprii de modul maxim, precum şi a unui
vector propriu corespunzător. Pentru simplificarea scrierii vom conveni că toŃi vectorii
care apar în continuare vor fi vectori coloană (adică elementele spaŃiului vectorial real
R n sunt scrise sub formă de coloană).
DefiniŃia 4.1: Fie A ∈ M n ( R ) o matrice având valorile proprii λ1 , λ2 ,..., λ n .

Spunem că λ1 este valoare proprie dominantă dacă
λ1 > λi ,
pentru orice i = 2, n . Vectorii proprii corespunzători valorii proprii λ1 se numesc
vectori proprii dominanŃi.
Pentru matricea A ∈ M n (R ) facem următoarele presupuneri:

1) A admite valoarea proprie dominantă λ1 ;
155
2) există n vectori proprii v1 , v 2 ,..., v n ∈ R n liniar independenŃi, corespunză-
tori celor n valori proprii λ1 , λ2 ,..., λ n .
De remarcat că, deoarece v1 , v 2 ,..., vn ∈ R n şi A ∈ M n (R ) , din egalitatea
Avi = λi vi rezultă că λ i ∈ R pentru orice i = 1, n .
 x ( 0) 
 1 
 x ( 0) 
Considerăm vectorul nenul X (0) =  2  ∈ R n . Deoarece v1 , v 2 ,..., vn
 ... 
 x ( 0) 
 n 
formează o bază a lui R n , atunci există şi sunt unici α1 , α 2 ,...,α n ∈ R , astfel încât
X (0) = α 1v1 + α 2 v 2 + ... + α n vn .
Definim X (1) = AX (0) , X ( 2) = AX (1) = A 2 X (0) , X (3) = AX ( 2) = A3 X (0) etc. În
general,
X ( k ) = A k X ( 0) ,
pentru k ∈ N * . Deoarece λ1 ≠ 0 (fiind valoare proprie dominant ă), avem:
A k X (0) = A k (α1v1 + α 2 v 2 + ... + α n v n ) = α1 ( A k v1 ) + α 2 ( A k v 2 ) + ... + α n ( A k v n ) =
 k k 
λ  λ 
= α 1 (λ1k v1 ) + α 2 (λk2 v 2 ) + ... + α n ( λkn vn ) = λ1k α1v1 + α 2  2  v 2 + ... + α n  n  v n  .
  λ1   λ1  
 
ObŃinem că
k k
1 (k ) λ  λ 
k
X − α 1v1 = α 2  2  v2 + ... + α n  n  v n .
λ1  λ1   λ1 
Trecând la normă în egalitatea precedentă, rezultă că
k k k
1 (k )  λ2  λ  λ
X − α 1 v1 = α 2   v 2 + ... + α n  n  vn ≤ α 2 2 v 2 + ... +
λ1k  λ1   λ1  λ1
k
λ k →∞ λi
+ αn n v n → 0 (deoarece rapoartele sunt subunitare).
λ1 λ1
 1 
Astfel, în ipoteza că α1 ≠ 0 , şirul de vectori  k X ( k )  aproximează un multiplu
λ 
 1  k ≥1
nenul al vectorului v1 , deci un vector propriu dominant al matricei A.
În plus, pentru k suficient de mare, avem X ( k ) ≈ λ1k α 1v1 , de unde rezultă că
X ( k +1) ≈ λ1k +1α1v1 . Vectorul X (k ) , aproximând un vector propriu, va avea cel puŃin o
componentă nenulă. Fie aceasta x kj . Atunci obŃinem că
x kj +1
λ1 ≈ .
x kj
156
S-a obŃinut astfel următoarea metodă, numită Metoda puterii, utilizată la
aproximarea valorii proprii dominante şi a unui vector propriu dominant, pentru o
matrice A ∈ M n (R ) care satisface condiŃiile 1) şi 2):
- Etapa 1: se consideră un vector arbitrar nenul X (0 ) numit şi vector de
iniŃializare;
- Etapa 2: se calculează X (1) = AX (0 ) , X ( 2) = AX (1) , X (3) = AX (2 ) , ....,
X ( k ) = A k X (0) , X ( k +1) = A k +1 X (0) (k fiind ales suficient de mare);
- Etapa 3: se alege o componentă nenulă a vectorului X (k ) - fie aceasta x (k )
j -
şi atunci valoarea proprie dominantă a matricei A va fi aproximată de
x (jk +1)
λ 1 ≈ (k ) ;
xj
-Etapa 4: X (k ) aproximează un vector propriu dominant al matricei A.
ExerciŃiu: Utilizând metoda puterii, să se calculeze cinci iteraŃii pentru

aproximarea valorii proprii maxime în modul a matricei
3 2 1
 
 2 3 2 .
1 2 3
 
1
(0)  
Se va considera vectorul de iniŃializare X =  0 .
 0
 
SoluŃie: Se calculează succesiv:
 3 2 1  1   3   3 2 1  3  14 
         
X (1) = AX (0)
=  2 3 2  0  =  2  ; X ( 2) (1)
= AX =  2 3 2  2  = 14  ;
 1 2 3  0   1   1 2 3  1  10 
         
 3 2 1 14   80   3 2 1  80   492 
(3 ) (2)      ( 4) ( 3)     
X = AX =  2 3 2 14  =  90  ; X = AX =  2 3 2  90  =  574  ;
 1 2 3 10   72   1 2 3  72   476 
         
 3 2 1  492   3100 
( 5) (4)     
X = AX =  2 3 2  574  =  3658  .
 1 2 3  476   3068 
    
x1(5) 3100
Valoarea proprie de modul maxim este λ 1 ≈ = ≈ 6,30081 , iar un
x1( 4) 492
 3100 
( 5)  
vector propriu corespunzător acestei valori proprii este v1 ≈ X =  3658  . 
 3068 
 
157
5. ExerciŃii
1. Să se determine valorile proprii şi vectorii proprii ai matricelor:

3 4  1 3
a)   ; b)   ;
5 2  − 2 6
 5 6 − 3 0 0 1 0 1 1
     
c)  − 1 0 1  ; d)  0 1 0  ; e)  − 1 2 1  .
 1 2 −1 1 0 0  −1 −1 4
     
2. Fără a rezolva ecuaŃia caracteristică determinaŃi care dintre următorii vectori

 − 1  − 1 1  0 
       
1 0 0  1 
a)   , b)   , c)   , d)  
0 2 −1 −3
       
1  2 0  0 
       
sunt vectori proprii ai matricei
 − 9 − 6 − 2 − 4
 
 − 8 − 6 − 3 −1
A= .
20 15 8 5 
 
 32 21 7 12 
 
Pentru vectorii proprii găsiŃ i determinaŃi şi căror valori proprii corespund ei.
3. Fie A, B ∈ M n (R ) două matrice astfel încât Spec( A) = Spec( B) . Rezultă

din această egalitate că matricele au acelaşi polinom caracteristic?
4. Fie A, B ∈ M n (R ) două matrice asemenea. Atunci:

i) matricele A 2 şi B 2 sunt asemenea. Generalizare.
ii) dacă matricea A este inversabilă, atunci B este inversabilă, iar matricele
A −1 şi B −1 sunt asemenea.
5. Fie A, B ∈ M n (R ) două matrice. Dacă A sau B este matrice inversabilă,

atunci matricele AB şi BA sunt asemenea.
6. Cu ajutorul discurilor Gerschgorin demonstraŃi că următoarea matrice:

1 0 − 2 0 
 
 0 12 0 − 4 
A=
1 0 −1 0 
 
0 5 0 0 

are cel puŃin două valori proprii reale.
7. Să se reprezinte grafic discurile Gerschgorin asociate matricelor următoare:
158
 
1 2 − 1
  5 1 2 1 + 2i 4 2 
1 3    
a)  0 ; b)  1 2 1 ; c)  0 i 3
2 2 
  0 1 10   5 6 7 
1  
 1 3 
 3 
şi sa se precizeze câte valori proprii sunt situate în fiecare din zonele determinate de
aceste discuri.
8. StudiaŃi care dintre următoarele matrice sunt diagonalizabile, iar în caz

afirmativ determinaŃi forma diagonală.
 2 2 − 2  6 −2 1   0 1 0
     
a)  1 3 − 1  ; b)  − 2 9 − 2  ; c)  − 4 4 0  ;
−1 1 1   1 − 2 − 6  − 2 1 2
     
 5 −1 1 1 2 1 
   
d)  − 1 5 1  ; e)  2 0 − 2  .
0 0 6  −1 2 3 
  
9. Să se calculeze cinci iteraŃii, cu ajutorul metodei puterii, pentru aproximarea

valorii proprii maxime în modul a matricei
 3 1 1
 
1 3 1 .
 1 1 3
 
 0
(0)  
Se va considera vectorul de iniŃializare X = 1 .
 0
 
159
Capitolul VIII
Clase speciale de matrice
1. Matrice ortogonale
În acest capitol, pentru elementele spaŃiului vectorial R n vom folosi scrierea

sub formă de matrice coloană.
DefiniŃia 1.1: O matrice A ∈ M n (R ) se numeşte ortogonală dacă AAt = I n .
Exemple: Matricele
 cos α 0 − sin α 
 1 0   0 − 1  cos α − sin α   
  ,   ,   , 0 1 0 
 0 1   1 0   sin α cos α  
 sin α 0 cos α 
sunt ortogonale, acest lucru probându-se prin calcul direct.
PropoziŃia 1.2: 1. Dacă A ∈ M n (R ) este matrice ortogonală , atunci:

a) det ( A) = ±1 ;
b) A −1 este matrice ortogonală .
2. Dacă A, B ∈ M n (R ) sunt matrice ortogonale, atunci AB este matrice
ortogonală.
DemonstraŃie: 1. a) Deoarece AAt = I n , rezultă că det ( AAt ) = 1 , sau

echivalent det ( A)det ( At ) = 1 . Dar det ( At ) = det ( A) . Astfel obŃinem det ( A) 2 = 1 , de
unde det ( A) = ±1 .
b) Din relaŃia AAt = I n se obŃine imediat că A −1 = At , de unde, prin
transpunere, ( A −1 ) t = A . ÎnmulŃind la stânga ultima egalitate cu A −1 , rezultă că
A −1 ( A −1 ) t = I n . Deci A −1 este matrice ortogonală.
2. Folosind proprietăŃile transpusei unei matrice şi definiŃia matricei
ortogonale, succesiv avem:
160
( AB)( AB) t = ( AB)(B t At ) = A( BB t ) At = AI n At = AAt = I n ,
deci AB este matrice ortogonală. ▄
Teorema 1.3: Pentru o matrice A ∈ M n (R ) următoarele afirmaŃii sunt

echivalente:
1. A este matrice ortogonală;
2. liniile lui A formează o bază ortonormată a spaŃiului euclidian R n ;
3. coloanele lui A formează o bază ortonormată a spaŃiului euclidian R n .
DemonstraŃie: Dacă
 a11 a12 ... a1n 
 
 a 21 a 22 ... a 2 n 
A= ,
... ... ... ... 
 
a 
 n1 a n 2 ... a nn 
atunci vom nota cu a1 , a2 , ..., a n vectorii linie ai matricei A: a1 = (a11, a12 ,..., a1n ) ,
a 2 = (a 21, a 22 ,..., a 2 n ) , ..., a n = (a n1, a n 2 ,..., a nn ) . Se verifică imediat, prin calcul
direct, că
 a1 , a1 a1 , a2 ... a1 , a n 
 
 a2 , a1 a2 , a2 ... a2 , an 
AAt =   (1)
... ... ... ...
 
 a ,a an , a2 ... an , an 
 n 1 
1. ⇒ 2. Deoarece A este matrice ortogonală, avem AAt = I n . Astfel, Ńinând
cont şi de relaŃia (1), obŃinem că
 a1 , a1 a1 , a 2 ... a1 , an   1 0 ... 0 
   
 a 2 , a1 a 2 , a 2 ... a2 , a n   0 1 ... 0 
 ... = .
... ... ...   ... ... ... ...
   
 a ,a
 n 1 an , a2 ... a n , a n   0 0 ... 1 
Rezultă că a i , a j = δ ij , pentru orice i, j = 1, n . Cum vectorii a1 , a2 , ..., a n sunt
ortogonali doi căte doi, ei sunt liniar independenŃi (vezi PropoziŃia 2.4, Capitolul IV)
şi vor forma o bază a lui R n . Din a i , a j = δ ij , obŃinem că B = {a1 , a2 ,..., a n } este
bază ortonormată a lui R n .
2. ⇒ 1. Deoarece B = {a1 , a2 ,..., an } este o bază ortonormată a lui R n , atunci
a i , a j = δ ij , pentru orice i, j = 1, n . Din relaŃia (1) obŃinem că
1 0 ... 0 
 
t 0 1 ... 0 
AA =  = In ,
... ... ... ...
 
0 0 ... 1 

adică A este matrice ortogonală.
161
1. ⇔ 3. Această echivalenŃă este acum clară, înlocuind matricea A cu At şi
folosind echivalenŃa 1. ⇔ 2. ▄
Următoarea propoziŃie furnizează o caracterizare a matricelor ortogonale cu

ajutorul produsului scalar de pe spaŃiul euclidian R n , introdus în Capitolul IV.
Teorema 1.4: O matrice A = (aij ) i , j =1,n ∈ M n (R ) este ortogonală dacă şi

numai dacă A păstrează produsul scalar, adică
Ax, Ay = x, y
pentru orice x, y ∈ R n .
DemonstraŃie: Presupunem mai întâi că A este matrice ortogonală, adică

t
AA = I n . łinând cont de proprietăŃile transpusei unei matrice, rezultă că
Ax, Ay = ( Ax) t ( Ay ) = ( x t At )( Ay) = x t ( At A) y = x t I n y = x t y = x, y .
Reciproc, presupunem că Ax, Ay = x, y , pentru orice x, y ∈ R n .
Considerăm i, j ∈ {1,2,..., n} arbitrari. Atunci Aei , Ae j = ei , e j , unde ei , e j sunt
vectorii din R n având 1 pe poziŃia i, respectiv j, şi 0 în rest. Rezultă că
δ ij = Aei , Ae j = ( Aei ) t ( Ae j ) = eit ( At A)e j = a1i a j1 + a 2i a j 2 + ... + a ni a jn ,
ceea ce reprezintă elementul situat pe poziŃia (i, j ) în matricea At A . Deci At A = I n ,
de unde rezultă că AAt = I n , adică A este matrice ortogonală. ▄
Corolarul 1.5: O matrice A ∈ M n (R ) este ortogonală dacă şi numai dacă A

pă strează lungimile vectorilor, adică
Ax = x
pentru orice x ∈ R n .
DemonstraŃie: Presupunem mai întâi că A este matrice ortogonală. Din

definiŃia normei unui vector într-un spaŃiu euclidian şi din teorema precedentă avem:
Ax = Ax, Ax = x, x = x ,
pentru orice x ∈ R n .
Reciproc, presupunem că Ax = x pentru orice x ∈ R n . Considerăm
x, y ∈ R n doi vectori arbitrari. Atunci:
2 2
x, x + 2 x, y + y, y = x + y, x + y = x + y = A( x + y ) = A( x + y ), A( x + y ) =
Ax + Ay, Ax + Ay = Ax, Ax + 2 Ax, Ay + Ay, Ay = x, x + 2 Ax, Ay + y, y .
Rezultă că Ax, Ay = x, y . Din Teorema 1.4 putem conchide că A este matrice
ortogonală. ▄
162
Corolarul 1.6: Dacă A ∈ M n (R ) este matrice ortogonală , atunci A păstrează
unghiurile dintre vectori, adică
cos ( Ax, Ay) = cos ( x, y )
DemonstraŃie: Din definiŃia unghiului dintre doi vectori într-un spaŃiu

euclidian, Teorema 1.4 şi Corolarul 1.5 avem :
Ax, Ay x, y
cos ( Ax, Ay ) = = = cos ( x, y ) . ▄
Ax Ay x y
ExerciŃiu: Să se studieze dacă matricea

 −1 2 2
1 
A =  2 −1 2 
3
 2 2 − 1
este ortogonală.
SoluŃia 1: Vom folosi Teorema 1.3. Considerând vectorii determinaŃi de liniile

matricei A:
1 1 1
a1 = (−1,2,2) , a 2 = (2,−1,2) , a 3 = (2,2,−1) ,
3 3 3
vom avea:
1 4 4 2 2 4
a1 , a1 = + + = 1 , a1 , a2 = − − + = 0
9 9 9 9 9 9
4 1 4 2 4 2
a2 , a 2 = + + = 1 , a1 , a3 = − + − = 0
9 9 9 9 9 9
4 4 1 2 2 4
a3 , a3 = + + = 1 , a2 , a3 = − − + = 0 .
9 9 9 9 9 9
Deoarece a1 , a2 , a3 sunt ortogonali doi câte doi, din PropoziŃia 2.4, Capitolul IV
rezultă că a1 , a2 , a3 sunt liniar independenŃi şi ei vor constitui o bază a lui R 3 . Cum
ai , a j = δ ij , această bază este ortogonală. În consecinŃă, matricea A este ortogonală.
SoluŃia 2: Se foloseşte definiŃia matricei ortogonale:

−1 2 2  −1 2 2  9 0 0
t 1 1  1 
AA =  2 − 1 2   2 − 1 2  =  0 9 0  = I 3 . 
3 3 9
2 2 − 1  2 2 − 1 0 0 9

163
2. Matrice simetrice
DefiniŃia 2.1: O matrice A ∈ M n (R ) se numeşte simetrică dacă A = At ,

adică aij = a ji , pentru orice i, j = 1, n .
Pentru a stabili o caracterizare a matricelor simetrice cu ajutorul produsului

scalar de pe spaŃiul euclidian R n , introdus în Capitolul IV, avem nevoie de
următoarea:
Lema 2.2: Fie A = (aij ) i, j =1,n ∈ M n (R ) . Dacă x, Ay = 0 , pentru orice
x, y ∈ R n , atunci A = On .
DemonstraŃie: Fixăm i, j ∈ {1,2,..., n} arbitrari şi considerăm x = ei , y = e j

vectorii din R n având 1 pe poziŃia i, respectiv j, şi 0 în rest. Se verifică imediat, prin
calcul direct că x, Ay = eit Ae j = aij şi astfel aij = 0 . Cum indicii i, j au fost
consideraŃi arbitrari, putem conchide că A = On . ▄
PropoziŃia 2.3: O matrice A ∈ M n (R ) este simetrică dacă şi numai dacă

Ax, y = x, Ay
DemonstraŃie: Presupunem mai întâi că A este matrice simetrică. Atunci

t
A = A . łinând cont de proprietăŃile transpusei unei matrice, rezultă că
x, Ay = x t Ay = x t At y = ( Ax) t y = Ax, y .
Reciproc, presupunem că Ax, y = x, Ay , pentru orice x, y ∈ R n . Deoarece
Ax, y = ( Ax) t y = x t At y = x, At y , rezultă că x, Ay = x, At y , de unde obŃinem
x, ( A − A t ) y = 0 , pentru orice x, y ∈ R n . Folosind Lema 2.2 rezultă că
A − At = On , ceea ce înseamnă că matricea A este simetrică. ▄
Teorema 2.5: Fie A ∈ M n (R ) o matrice simetrică. Atunci toate valorile

proprii ale lui A sunt reale.
DemonstraŃie: Fie λ o valoare proprie a matricei A. łinând cont de ecuaŃia

caracteristică a matricei A şi de Teorema Fundamentală a Algebrei, rezultă că λ ∈ C .
Considerăm z ∈ C n un vector propriu corespunzător valorii proprii λ . Atunci
λ = α + iβ , cu α , β ∈ R şi z = x + iy , cu x, y ∈ R n .
164
Deoarece z este vector propriu corespunzător valorii proprii λ , avem Az = λz , de
unde rezultă că A( x + iy ) = (α + iβ )( x + iy ) , adică Ax + iAy = αx − βy + i(αy + βx) .
ObŃinem astfel că
 Ax = αx − βy
 .
 Ay = αy + β x
Aplicând produsul scalar acestor două egalităŃi se ajunge la sistemul
 Ax, y = α x, y − β y 2
 2
.
 x, Ay = α x, y + β x
Din PropoziŃia 2.3, Ax, y = x, Ay . Astfel obŃinem că
2 2
α x, y − β y = α x, y + β x ,
( 2 2
)
sau, echivalent, β x + y = 0 . Deoarece z este nenul, avem x
2
+ y
2
≠ 0 şi
astfel β = 0 , ceea ce înseamnă că λ ∈ R . ▄
Din PropoziŃia 1.4, Capitolul VII rezultă că, la valori proprii distincte ale unei
matrice A ∈ M n ( R ) corespund vectori proprii liniar independenŃi. În cazul particular
al matricelor simetrice are loc următorul rezultat:
PropoziŃia 2.6: Dacă A ∈ M n ( R ) este o matrice simetrică , atunci la valori

proprii diferite ale lui A corespund vectori proprii ortogonali.
DemonstraŃie: Fie u şi v doi vectori proprii corespunzători valorilor proprii

λ1 ≠ λ2 ale matricei A. Folosind proprietăŃile produsului scalar precum şi PropoziŃia
2.3, obŃinem succesiv:
λ1 u , v = λ1u , v = Au, v = u , Av = u , λ 2 v = λ2 u , v .
Rezultă că ( λ1 − λ2 ) u , v = 0 . Deoarece λ1 ≠ λ2 , avem u , v = 0 , adică vectorii u şi
v sunt ortogonali. ▄
Teorema 2.7: Fie A ∈ M n (R ) o matrice simetrică . Atunci există o matrice

ortogonală C ∈ M n ( R ) astfel încât
C −1 AC = D ,
unde D = diag (λ1 , λ2 ,..., λn ) este forma diagonală a matricei A.
DemonstraŃie: Vom utiliza metoda inducŃiei matematice după ordinul n al

matricei A.
Pentru n = 1 , teorema este evidentă, considerând C = (1) .
Presupunem teorema adevărată pentru toate matricele simetrice de ordin n − 1 .
Fie A o matrice simetrică de ordin n. Din Teorema 2.5 se obŃine existenŃa unei valori
proprii reale λ 1 a matricei A. Considerăm v1 ∈ R n un vector propriu corespunzător
valorii proprii λ 1 astfel încât v1 = 1 . Cu ajutorul Procedeului Gram-Schmidt (descris
în Capitolul IV) se poate construi o bază ortonormată B = {v1 , v 2 ,..., vn } a spaŃiului
vectorial R n . Construim matricea S1 ∈ M n (R ) având drept coloane vectorii
165
v1 , v 2 ,..., vn . Deoarece B este bază ortonormată va rezulta că S1 este matrice
ortogonală, deci S1−1 = S1t . Vom obŃine:
( S1−1 AS1 ) t = ( S1t AS1 ) t = S1t At S1 = S1t AS1 = S1−1 AS1 ,
deci S1−1 AS1 este matrice simetrică. Mai mult, prima coloană a acestei matrice este
( S1−1 AS1 ) e1 , unde e1 = (1, 0, ..., 0) t ∈ R n . Deoarece S1e1 = v1 rezultă că:
( S1−1 AS1 ) e1 = ( S1−1 A) v1 = S1−1λ 1v1 = λ 1S1−1v1 = λ 1e1 .
Deci am obŃinut că
 λ1 0 
S1−1 AS1 =  ,

 0 A 1 
unde A1 este matrice simetrică de ordin n − 1 . Conform ipotezei inductive, există o
matrice ortogonală C1 ∈ M n (R ) astfel încât C1−1 A1C1 = D1 , cu D1 matrice diagonală
de ordin n − 1 .
1 0 
Considerăm S =   ∈ M n (R ) . Evident S este matrice ortogonală şi
 0 C1 
 1 0  λ 1 0  1 0   λ 1 0  λ1 0 
S −1S1−1 AS1S =  t   =  = .
 0 C1  0 A1  0 C1   0 C1 A1C1   0 D1 
t
λ 0 
Punând C = S1 S , obŃinem că C −1 AC = D , unde D =  1  . Având în vedere că
 0 D1 
produsul a două matrice ortogonale rămâne matrice ortogonală, rezultă că matricea C
este ortogonală şi astfel teorema este demonstrată. ▄
3. RotaŃii şi simetrii
Prima secŃiune a acestui capitol a fost dedicată studiului matricelor ortogonale.

În cele ce urmează, vom determina forma matricelor ortogonale de ordinul 2 şi vom
prezenta aplicaŃii ale acestora în domeniul transformărilor geometrice din plan.
Fie
a b
A =  
c d
o matrice ortogonală. Egalitatea matricială AA t = I 2 este echivalentă cu sistemul de
relaŃii:
a 2 + b 2 = 1

ac + bd = 0 (1)
c 2 + d 2 = 1

Distingem următoarele cazuri:
166
b 2 = 1

I) a = 0 : sistemul de relaŃii (1) devine bd = 0 , care conduce la b = ±1 ,
c + d = 1
2 2

d = 0 , c = ±1 , deci A poate fi una din matricele:
 0 1   0 1   0 − 1  0 − 1
  ,   ,   ,   .
1 0  −1 0 1 0   −1 0 
a 2 + b 2 = 1

II) c = 0 : sistemul de relaŃii (1) devine bd = 0 , care conduce la d = ±1 ,
d 2 = 1

b = 0 , a = ±1 . Astfel, A va fi una din matricele:
1 0 1 0   −1 0  −1 0 
  ,   ,   ,   .
 0 1   0 − 1  0 1   0 − 1
III) ac ≠ 0 : rezultă că bd ≠ 0 . Din a doua relaŃie a sistemului (1) obŃinem că
a b
= − = λ , de unde găsim a = λ d şi b = −λ c . Sistemul de relaŃii (1) devine
d c
λ (d + c 2 ) = 1
2 2
 2 , deci λ2 = 1 .
d + c 2 = 1
 a b
Dacă λ = 1 , avem A =   .
− b a
a b 
Dacă λ = −1 , avem A =   .
 b − a
Reunind rezultatele obŃinute în cele trei cazuri, putem conchide că matricele
ortogonale de ordin 2 sunt de forma:
a − b a b 
  sau   ,
b a  b − a
unde a, b ∈ R , cu a 2 + b 2 = 1 . Egalitatea a 2 + b 2 = 1 ne permite să găsim un unghi
α astfel încât a = cos α şi b = sin α . Astfel, vom putea rescrie forma matricelor
ortogonale:
 cos α − sin α   cos α sin α 
  sau   . (2)
 sin α cos α   sin α − cos α 
Aceste două tipuri de matrice au aplicaŃii importante la transformările geometrice din
plan.
În primele două capitole s-a lucrat în spaŃiul tridimensional E3 al geometriei
elementare în care ne-am raportat la un sistem de coordonate Oxyz. Vom nota cu E 2
planul de coordonate xOy, conceput ca o mulŃime de puncte.
DefiniŃia 3.1: Fie α ∈ R . AplicaŃia Rα : E 2 → E2 , Rα (M ) = M ' cu

proprietăŃile:
1. d (O, M ) = d (O, M ' ) ;
2. (MOM ' ) = α ,
167
se numeşte rotaŃie de unghi α .
y
M'
M
α
θ
O x
fig. 44
ObservaŃii: 1. Vom conveni ca atunci când avem un unghi pozitiv rotaŃia să se

efectueze în sens trigonometric, iar pentru valori negative ale unghiului sensul să fie
invers.
2. Identificând orice punct din E 2 prin perechea alcătuită din coordonatele
sale, putem înzestra E2 cu o structură de spaŃiu vectorial real, similară structurii lui
R 2 . Mai mult, dacă punctul M are coordonatele ( x, y ) , iar M ' are coordonatele
( x ' , y ' ) , în locul relaŃiei Rα (M ) = M ' vom mai scrie şi Rα ( x, y ) = ( x' , y ' ) .
Teorema 3.2: O aplicaŃie Rα : E 2 → E2 este rotaŃie de unghi α dacă şi

numai dacă Rα ( x, y ) = ( x cos α − y sin α , x sin α + y cos α ) .
DemonstraŃie: Presupunem mai întâi că Rα este rotaŃie de unghi α .

Considerăm M ( x, y ) un punct arbitrar din E 2 şi M ' ( x' , y ' ) imaginea sa prin rotaŃia
Rα . Rezultă că
Rα ( x, y ) = ( x' , y ' ) . (3)
Pe de altă parte, dacă notăm r = d (O, M ) = d (O, M ' ) , cu ajutorul notaŃiilor
din fig. 44, avem:
 x = r cos θ
 şi
 y = r sin θ
 x' = r cos(θ + α ) = r cos θ cos α − r sin θ sin α = x cos α − y sin α
 (4)
 y ' = r sin(θ + α ) = r sin θ cos α + r cos θ sin α = x sin α + y cos α
Înlocuind relaŃiile (4) în (3), obŃinem
Rα ( x, y ) = ( x cos α − y sin α , x sin α + y cos α ) .
Reciproc, considerăm aplicaŃia
Rα : E 2 → E2 , Rα ( x, y ) = ( x cos α − y sin α , x sin α + y cos α )
şi vrem să demonstrăm că ea este o rotaŃie, în sensul DefiniŃiei 3.1. Fie
M 1 ( x1 , y1 ) ∈ E 2 , un punct arbitrar şi M 2 ( x 2 , y 2 ) imaginea sa prin intermediul
aplicaŃiei Rα . Rezultă că
168
 x2 = x1 cos α − y1 sin α
 . (5)
 y 2 = x1 sin α + y1 cos α
Atunci:
d (O, M 2 ) = ( x1 cos α − y1 sin α ) 2 + ( x1 sin α + y1 cos α ) 2 =
= x12 cos 2 α + y12 sin 2 α + x12 sin 2 α + y12 cos 2 α =
= x12 + y12 = d (O, M 1 )

Fie r = d (O, M 1 ) = d (O, M 2 ) , θ unghiul format de sensul pozitiv al axei Ox
cu segmentul OM 1 , iar ϕ unghiul format de sensul pozitiv al axei Ox cu segmentul
OM 2 (se convine că aceste unghiuri sunt măsurate în sens trigonometric). Rezultă că:
 x1 = r cosθ
 (6)
 y1 = r sin θ
 x2 = r cos ϕ
şi  (7)
 y 2 = r sin ϕ
Înlocuind relaŃiile (6) în (5) găsim
 x2 = r cosθ cos α − r sin θ sin α = r cos(θ + α )
 (8)
 y 2 = r cosθ sin α + r sin θ cos α = r sin(θ + α )
Sistemele de relaŃii (7) şi (8) conduc la egalitatea θ + α = ϕ + 2kπ , cu k ∈ N .
Rezultă că α = ϕ − θ + 2kπ , ceea ce arată că ( M 1OM 2 ) = α . Astfel, putem
conchide că aplicaŃia Rα este rotaŃia de unghi α . ▄
PropoziŃia 3.3: Orice rotaŃie este un endomorfism al lui E 2 .
DemonstraŃie: Fie α arbitrar şi considerăm rotaŃia de unghi α , Rα .

Conform Teoremei 3.2, Rα ( x, y ) = ( x cos α − y sin α , x sin α + y cos α ) . Se verifică
imediat, prin calcul direct, că această aplicaŃie satisface axiomele din definiŃia
transformării liniare. ▄
ObservaŃii: 1. Matricea asociată rotaŃiei de unghi α

Rα : E 2 → E2 , Rα ( x, y ) = ( x cos α − y sin α , x sin α + y cos α )
în baza canonică B = {(1,0) , (0,1)} este
 cos α − sin α 
M R =   .
 sin α cos α 
Această matrice este cunoscută sub numele de matricea rotaŃiei de unghi α . Aşa cum
am menŃionat în prima secŃiune, această matrice este ortogonală.
2. Din Teorema 3.2 rezultă că între coordonatele punctului iniŃial M şi
coordonatele punctului M ' obŃinut în urma rotaŃiei există relaŃia:
 x'   cos α − sin α  x 

  =    (9)
 y'   sin α cos α  y 
169
PropoziŃia 3.4: Compunerea a două rotaŃii este tot o rotaŃie. Mai exact, dacă
Rα , R β : E 2 → E 2 sunt rotaŃii de unghi α , respectiv β , atunci Rβ o Rα este rotaŃia
Rα + β de unghi α + β .
DemonstraŃie: Din Teorema 3.2 avem:
( Rβ o Rα )( x, y) = R β ( x cos α − y sin α , x sin α + y cos α )
= ( ( x cos α − y sin α ) cos β − ( x sin α + y cos α ) sin β ,

( x cos α − y sin α ) sin β + ( x sin α + y cos α ) cos β )
= ( x cos α cos β − y sin α cos β − x sin α sin β − y cos α sin β ,
x cos α sin β − y sin α sin β + x sin α cos β + y cos α cos β )
= ( x cos(α + β ) − y sin(α + β ) , x sin(α + β ) + y cos(α + β ))
de unde rezultă că Rβ o Rα este rotaŃia Rα + β de unghi α + β . ▄
ObservaŃie: În general compunerea endomorfismelor nu este comutativă.

Totuşi, compunerea rotaŃiilor este comutativă, acest lucru fiind clar, din propoziŃia
precedentă: Rβ o Rα = Rα + β = R β +α = Rα o Rβ .
ExerciŃiul 1: Fie A1 A2 A3 A4 A5 A6 un hexagon regulat. Ştiind că A1 ( 7,0) şi că

diagonalele se intersectează în O(0,0) , să se determine coordonatele celorlalte vărfuri
ale hexagonului.
A3 A2
A4 A1
O x
A5 A6
fig. 45
SoluŃie: Din ipoteză, reiese că hexagonul este poziŃionat, în raport cu reperul

cartezian xOy, ca în fig. 45. Este clar că punctele A2 , A3 , A4 , A5 , A6 se ob Ńin prin
rotaŃii de unghiuri multipli de π 3 , aplicate punctului A1 . Din relaŃ ia (9) rezultă:
170
 π π
 x2   cos 3 − sin 3  7  7 7 3
  =    , deci A2  , 
2 2 
 y 2   sin π π  0 
cos   
 3 3 
 2π 2π 
 x3   cos 3 − sin 3  7   7 7 3
  =    , deci A3  − , 
 2 2 
 y3   sin 2π cos
2π  0 
  
 3 3 
 x4   cos π − sin π  7 
  =    , deci A4 (−7,0)
 y 4   sin π cos π  0 
 4π 4π 
 x5   cos 3 − sin 3  7   7 7 3
  =    , deci A5  − ,− 
 2 
4π  0 
  2 
 3 3 
 5π 5π 
 x6   cos 3 − sin 3  7  7 7 3
  =    , deci A6  ,− . 
2 2 
5π  0 
 
 3 3 
DefiniŃia 3.5: Fie (d ) o dreaptă fixată din E 2 . Aplica Ńia

S d : E2 → E2 , S d (M ) = M ' ,
unde M ' este simetricul geometric al punctului M faŃă de dreapta (d ) se numeşte
simetrie de axă (d ) .
Vom studia mai întâi cazul particular în care dreapta (d ) este chiar axa de
coordonate Ox. Fie M ( x, y ) un punct arbitrar din E2 şi M ' ( x' , y ' ) imaginea lui M
prin aplicaŃia S Ox : ( x' , y ' ) = S Ox ( x, y ) .
y
O x
M'
fig. 46
Deoarece M ' ( x' , y ' ) este simetricul punctului M ( x, y ) faŃă de axa Ox, evident avem
 x' = x
 .
 y' = − y
171
Ob Ńinem astfel relaŃia matricială
 x'   1 0  x 
  =    (10)
 y'   0 − 1 y 
În cazul în care (d ) este o dreaptă ce trece prin originea O şi formează
unghiul α cu axa Ox , pentru determinarea relaŃiilor de transformare ale
coordonatelor unui punct în urma simetriei faŃă de dreapta (d ) , vom proceda astfel
(vezi fig. 47):
y y
• M
α x (d ) x
O O
• M1
(d )
y y
• M'
• M2
(d )
O x O x
(d )
fig. 47
- se efectuează rotaŃia de unghi − α care duce dreapta (d ) peste axa Ox. Dacă
M 1 ( x1 , y1 ) este imaginea punctului M ( x, y ) în urma acestei rotaŃii, atunci:
 x1   cos α sin α  x 
  =   
 y1   − sin α cos α  y 
- se face simetria faŃă de axa Ox. Notând cu M 2 ( x 2 , y 2 ) simetricul punctului

M 1 faŃă de axa Ox, Ńinând cont de relaŃia (10), ob Ńinem:
 x2   1 0  x1 
  =   
 y 2   0 − 1 y1 
172
- în final, se efectuează o nouă rotaŃie de unghi α care aduce dreapta (d ) în
poziŃia iniŃială. Dacă M ' ( x' , y ' ) este imaginea punctului M 2 ( x 2 , y 2 ) în urma acestei
rotaŃii, atunci:
 x'   cos α − sin α  x 2 
  =   
 y'   sin α cos α  y 2 
Aşadar, legătura dintre coordonatele punctului M şi ale simetricului său M '

faŃă de dreapta (d ) este dată de relaŃia matricială
 x'   cos α − sin α  1 0  cos α sin α  x 
  =      (11)
 y'   sin α cos α  0 − 1 − sin α cos α  y 
Efectuând înmulŃirile din membrul drept, obŃinem:
 x'   cos 2α sin 2α  x 

  =    (12)
 y'   sin 2α − cos 2α  y 
ObservaŃie: Matricea
 cos 2α sin 2α 
M S =   ,
 sin 2α − cos 2α 
asociată simetriei faŃă de dreapta (d ) , este şi ortogonală şi simetrică. Aceste două
proprietăŃi conduc la relaŃia M S2 = I 2 . Interpretarea geometrică a acestui rezultat
este urmă toarea: dacă se efectuează o simetrie de două ori se obŃine punctul iniŃial:
S d ( S d ( M )) = M .
ExerciŃiul 2: Să se determine coordonatele simetricului punctului M (5,1) faŃă

de dreapta ( d ) : y = 3 x .
y
•M
O x
(d)
fig. 48
SoluŃie: Deoarece dreapta (d ) trece prin origine, putem aplica relaŃia (12).
Dacă notăm cu α unghiul pe care-l face (d ) cu sensul pozitiv al axei Ox, atunci,
173
Ńinând cont de interpretarea pantei unei drepte, rezultă că tg α = 3 , de unde găsim
π
α= .
3
Astfel, coordonatele lui M ' , simetricul punctului M faŃă de dreapta (d ) , vor fi
date de egalitatea:
 2π 2π 
 x'   cos 3 sin 
3  5  ,
  =   
 y'   sin 2π − cos 2π  1 
 3 3 
adică
 1 3
− 
   2 2  5 
x '
  =  
 y'   3 1  1 
 
 2 2 
 − 5 + 3 5 3 +1
Ob Ńinem M '  , . 
 2 2 
4. ExerciŃii
1. Să se studieze care dintre următoarele matrice sunt ortogonale:

 1 1 
1 + −1 −1 
− 7 4 4  2 2 
1  1 1 1 
 4 −1 8  ;  1− 1 − − 1 .
9 2 2 2
 4 8 − 1  
 1 2 1 
 
2. Să se demonstreze că matricea
 −α α + α 2 1 + α 
1 
Aα = 2
 1+α −α α +α2 
1 + α + α  
α + α 2 1+ α −α 
 
este ortogonală, pentru orice α ∈ R .
3. DemonstraŃi că orice matrice triunghiulară ortogonală este matrice

diagonală.
4*. Fie A ∈ M n (R ) o matrice ortogonală cu det ( A) = 1 . Dacă n este impar,

să se demonstreze că 1 este valoare proprie a matricei A.
174
5. Fie A ∈ M n (R ) o matrice simetrică. Dacă A este inversabilă, atunci A −1
este matrice simetrică?
6. Se consideră p ătratul ABCD cu vârful A(5,2) . Ştiind că diagonalele

pătratului se intersectează în O(0,0) , să se determine coordonatele celorlalte vârfuri
ale p ătratului.
7. Pentru p ătratul din ExerciŃiul 6, fie A' , B' , C ' , D' simetricele vârfurilor
A,B,C şi respectiv D faŃă de axa Oy. Ce reprezintă figura A' B' C ' D' ?
r
8. Să se determine simetricul versorului i faŃă de dreapta y = − x .
175
Capitolul IX
Forme biliniare. Forme pătratice
1. Forme biliniare
Pe tot parcursul acestui capitol cu V vom desemna un spaŃiu vectorial real.
DefiniŃia 1.1: O aplica Ńie F : V × V → R care satisface proprietăŃile:

1. F (α x + β y, z ) = α F ( x, z ) + β F ( y, z ) , pentru orice x, y, z ∈ V şi α , β ∈ R ;
2. F ( x, α y + β z ) = α F ( x, y ) + β F ( x, z ) , pentru orice x, y, z ∈ V şi α , β ∈ R ,
se numeşte formă biliniară.
ObservaŃie: În concordanŃă cu PropoziŃia 1.2 din Capitolul V, condiŃiile 1. şi

2. din definiŃia precedentă semnifică faptul că aplicaŃia F este liniară în raport cu
prima, respectiv a doua variabilă. Astfel, denumirea de formă biliniară este pe deplin
justificată.
DefiniŃia 1.2: O formă biliniară F : V × V → R se numeşte simetrică dacă

F ( x, y) = F ( y, x) ,
DefiniŃia 1.3: O formă biliniară simetrică F se numeşte pozitiv (negativ)

semidefinită dacă F ( x, x) ≥ 0 (resp. F ( x, x) ≤ 0 ), pentru orice x ∈ V . Dacă în plus
F ( x, x) = 0 numai pentru x = 0V , F se numeşte pozitiv (resp. negativ) definită.
Exemple: 1. Fie V un spaŃiu euclidian cu un produs scalar x, y : V × V → R .

Atunci aplicaŃia F : V × V → R , F ( x, y) = x, y este o formă biliniară simetrică,
pozitiv definită, acest lucru probându-se imediat, având în vedere axiomele din
definiŃia produsului scalar.
2. Dacă L1 , L2 : V → R sunt două transformări liniare, atunci F : V × V → R ,

F ( x, y ) = L1 ( x) L2 ( y ) este o formă biliniară. Evident, F este simetrică dacă şi numai
dacă L1 = L2 .
176
Fie V un spaŃiu vectorial real de dimensiune n, B = {e1 , e2 ,..., en } o bază a lui
n n
V şi F : V × V → R o formă biliniară. Dacă x = ∑ xi ei şi y = ∑ y j e j sunt doi
i =1 j =1
vectori arbitrari din V, atunci
 n n  n n
F ( x, y ) = F  ∑ xi ei , ∑ y j e j  = ∑∑ xi y j F (ei , e j ) . (1)
 i=1  i =1 j =1
 j =1 
Pentru i, j = 1, n , notăm aij = F (ei , e j ) . Astfel, relaŃia (1) conduce la
n n
F ( x, y) = ∑∑ a ij xi y j , (2)
i =1 j =1
ceea ce ne permite să conchidem că forma biliniară F este perfect determinată de
matricea A = (aij ) i , j =1,n .
DefiniŃia 1.4: Matricea A = (aij ) i , j =1,n ∈ M n (R ) construită mai sus se

numeşte matricea asociată formei biliniare F în baza B.
PropoziŃia 1.5: Fie V un spaŃiu vectorial real finit dimensional şi

F : V × V → R o formă biliniară . Atunci F este simetrică dacă şi numai dacă
matricea asociată lui F într-o bază oarecare este simetrică .
DemonstraŃie: Considerăm B = {e1 , e2 ,..., en } o bază arbitrară a lui V şi fie

A = (aij ) i , j =1,n matricea asociată lui F în baza B.
Presupunem mai întâi că F este formă biliniară simetrică. Atunci
a ij = F (ei , e j ) = F (e j , ei ) = a ji ,
pentru orice i, j = 1, n , deci A este matrice simetrică.
Reciproc, dacă A este matrice simetrică, atunci aij = a ji , pentru orice
n
i, j = 1, n . Fie x, y ∈ V doi vectori arbitrari având scrierile în baza B: x = ∑ xi ei şi
i =1
n n n n n
y = ∑ y j e j . Rezultă că F ( x, y ) = F (∑ xi ei , ∑ y j e j ) = ∑∑ xi y j F (ei , e j ) =
j =1 i =1 j =1 i =1 j =1
n n n n n n n n
∑∑ xi y j aij =∑ ∑ xi y j a ji = ∑∑ xi y j F (e j , ei ) =F (∑ y j e j , ∑ xi ei ) = F ( y, x) şi
i =1 j =1 i =1 j =1 i =1 j =1 j =1 i =1
astfel putem conchide că forma biliniară F este simetrică. ▄
Aşa cum s-a văzut anterior, matricea asociată unei forme biliniare
F : V ×V → R depinde de baza spaŃiului vectorial V. În continuare, vom studia cum
se modifică această matrice o dată cu schimbarea bazei spaŃiului vectorial.
Teorema 1.6: Fie V un spa Ńiu vectorial de dimensiune n, B1 = {e1 , e2 ,..., en } şi

B2 = { f1 , f 2 ,..., f n } două baze ale lui V şi F : V × V → R o formă biliniară. Dacă
177
A = (aij ) i , j =1,n şi B = (bij ) i , j =1,n sunt matricele ataşate lui F în bazele B1 şi
respectiv B2 , atunci
B = C t AC ,
unde C = (cij ) i, j =1,n este matricea de trecere de la baza B1 la baza B2 .
DemonstraŃie: Din definiŃia matricei de trecere de la o bază la alta pentru un

spaŃiu vectorial avem
n
f i = ∑ c ji e j .
j =1
Folosind DefiniŃia 1.4 obŃinem:
n n n n n n
bij = F ( f i , f j ) = F (∑ cki ek , ∑ clj el ) = ∑∑ cki clj F (ek , el ) = ∑∑ cki clj a kl =
k =1 l =1 k =1 l =1 k =1 l =1
n  n 
∑  ∑ cki a kl  clj , pentru orice i, j = 1, n , de unde rezultă că B = C t AC . ▄
l =1  k =1 
ExerciŃiu: Se consideră aplicaŃia

F : R 3 × R 3 → R , F ( x, y ) = x1 y1 + x1 y 2 + x 2 y1 + 2 x 2 y 2 + 3 x3 y3 ,
unde x = ( x1 , x2 , x3 ) şi y = ( y1 , y 2 , y3 ) .
a) Să se arate că F este o formă biliniară.
b) Este F simetrică? Dar pozitiv definită?
c) DeterminaŃi matricea asociată acestei forme biliniare în baza canonică a
spaŃiului vectorial R 3 .
SoluŃie: a) Fie x = ( x1 , x2 , x3 ), y = ( y1 , y 2 , y3 ), z = ( z1 , z 2 , z 3 ) ∈ R 3 şi
α , β ∈ R , arbitrari. Atunci:
F (α x + β y, z ) = (α x1 + β y1 ) z1 + (α x1 + β y1 ) z 2 + (α x2 + β y 2 ) z1 + 2(α x2 + β y 2 ) z 2 +
3(α x3 + β y3 ) z 3 = α x1 z1 + β y1 z1 + α x1 z 2 + β y1 z 2 + α x2 z1 + β y 2 z1 + 2α x 2 z 2 + 2 β y 2 z 2 +
3α x3 z 3 + 3β y3 z 3 = α ( x1 z1 + x1 z 2 + x2 z1 + 2 x 2 z 2 + 3 x3 z 3 ) + β ( y1 z1 + y1 z 2 + y 2 z1 +
2 y 2 z 2 + 3 y 3 z 3 ) = α F ( x, z ) + β F ( y , z ) .
Similar se arată că F ( x, α y + β z ) = α F ( x, y ) + β F ( x, z ) . Astfel, F este o
formă biliniară.
b) F ( x, y) = x1 y1 + x1 y 2 + x 2 y1 + 2 x2 y 2 + 3 x3 y3 = y1 x1 + y1 x 2 + y 2 x1 +
2 y 2 x 2 + 3 y3 x3 = F ( y , x) , pentru orice x, y ∈ R 3 , deci F este simetrică.
Pe de altă parte,
F ( x, x) = x12 + 2 x1 x2 + 2 x 22 + 3 x32 = ( x1 + x 2 ) 2 + x 22 + 3 x32 ≥ 0
cu egalitate dacă şi numai dacă x1 + x 2 = x2 = x3 = 0 , adică x1 = x 2 = x3 = 0 .
Aşadar, F este şi pozitiv definită.
c) Baza canonică a lui R 3 este
B = {e1 = (1,0,0) , e2 = (0,1,0) , e3 = (0,0,1)} .
178
Deoarece F (e1 , e1 ) = 1, F (e1 , e2 ) = 1 , F (e1 , e3 ) = 0 , F (e2 , e1 ) = 1, F (e2 , e2 ) = 2 ,
F (e2 , e3 ) = 0 , F (e3 , e1 ) = 0 , F (e3 , e2 ) = 0 , F (e3 , e3 ) = 3 , matricea asociată formei
pătratice F în baza B este:
 1 1 0
 
A =  1 2 0 . 
 0 0 3
 
ObservaŃie: Simetria matricei A reprezintă o confirmare a simetriei formei

biliniare F.
2. Forme pătratice. Reducerea la forma canonică
DefiniŃia 2.1: Fie F o formă biliniară simetrică. AplicaŃia

Q :V → R , Q ( x ) = F ( x, x ) (1)
se numeşte formă pătratică asociată formei biliniare simetrice F. În acest context,
vom spune că F este polara formei pătratice Q.
Aşa cum reiese din această definiŃie, orice formă biliniară simetrică induce o
unică formă pătratică. Vom arăta că este valabilă şi reciproca, adică oricărei forme
pătratice i se asociază o unică formă biliniară simetrică. Într-adevăr,
Q ( x + y ) = F ( x + y , x + y ) = F ( x, x ) + 2 F ( x, y ) + F ( y , y ) = Q ( x ) + 2 F ( x, y ) + Q ( y ) ,
de unde rezultă că
1
F ( x, y ) = [Q( x + y ) − Q( x) − Q( y )] , (2)
2
S-a ob Ńinut astfel următorul rezultat:
PropoziŃia 2.2: Între mulŃimea formelor pă tratice definite pe spaŃiul vectorial

V şi mulŃimea formelor biliniare simetrice definite pe V × V există o corespondenŃă
bijectivă.
Exemple: 1. Fie V un spaŃiu euclidian cu un produs scalar x, y : V × V → R .

Aşa cum am văzut în secŃiunea precedentă, aplicaŃia F : V ×V → R , F ( x, y ) = x, y
este o formă biliniară simetrică. Aceasta induce forma pătratică Q : V → R ,
2
Q ( x ) = F ( x , x ) = x, x = x .
2. AplicaŃia
Q : R3 → R , Q( x) = x12 + 7 x22 + 3 x32 − x1 x2 + 5 x 2 x3 ,
unde x = ( x1 , x2 , x3 ) , reprezintă o formă pătratică. Polara acestei forme pătratice este
179
1 1
F ( x, y ) = [Q( x + y ) − Q( x) − Q( y )] = [( x1 + y1 ) 2 + 7( x2 + y 2 ) 2 + 3( x3 + y3 ) 2 −
2 2
( x1 + y1 )( x2 + y 2 ) + 5( x2 + y 2 )( x3 + y3 ) − x12 − 7 x22 − 3 x32 + x1 x2 − 5 x2 x3 −
1 1
y12 − 7 y 22 − 3 y32 + y1 y 2 − 5 y 2 y3 ] = x1 y1 + 7 x 2 y 2 + 3 x3 y 3 − x1 y 2 − x 2 y1 +
2 2
5 5
x 2 y 3 + x3 y 2 .
2 2
În continuarea acestei secŃiuni vom lucra sub ipoteza că V este spaŃiu vectorial
real de dimensiune n.
DefiniŃia 2.3: Fie B o bază a spa Ńiului vectorial V şi Q : V → R o formă

pă tratică . Se numeşte matrice asociată formei pătratice Q în baza B matricea
asociată polarei sale F în aceeaşi bază .
ObservaŃie: Deoarece polara unei forme pă tratice este o formă biliniară

simetrică, din definiŃia precedentă şi din PropoziŃia 1.5 rezultă că matricea asociată
unei forme pă tratice este întotdeauna simetrică .
Fie x un vector arbitrar al spaŃiului vectorial V, având scrierea în baza

n
B = {e1 , e2 ,..., en } : x = ∑ xi ei . Atunci
i =1
n n n n n n
Q( x) = F ( x, x) = F (∑ xi ei , ∑ x j e j ) = ∑∑ xi x j F (ei , e j ) = ∑∑ a ij xi x j .
i =1 j =1 i =1 j =1 i =1 j =1
Aşadar, prin fixarea unei baze B a spaŃiului vectorial V, pentru forma pătratică Q se
ob Ńine o scriere de forma
Q( x) = ∑ a ij xi x j (3)
1≤i , j ≤ n
unde a ij reprezintă componentele matricei A ataşate formei pătratice Q în baza B (şi
deci, conform observaŃiei anterioare, avem aij = a ji , pentru orice i, j = 1, n ). Evident,
o dată cu schimbarea bazei spaŃiului vectorial se va schimba şi expresia (3) a formei
pătratice.
DefiniŃia 2.4: Spunem că forma pătratică Q : V → R este redusă la forma

canonică dacă se determină pentru Q o scriere de forma
n
Q( x) = ∑ bi xi2 , (4)
i =1
într-o anumită bază a lui V.
ObservaŃie: Având în vedere că în scrierea (3) a unei forme pătratice apar

două tipuri de termeni (termeni la pătrat, pentru i = j , şi termeni micşti, pentru
i ≠ j ) , a reduce o formă pătratică la forma canonică înseamnă de fapt a găsi o
scriere în care să apară numai termeni cu pătrate.
180
Vom prezenta trei metode pentru reducerea formelor pătratice la forma
canonică.
Metoda lui Gauss
Teorema 2.5 (Gauss): Pentru orice formă pătratică Q : V → R există o bază

B a lui V în care forma pătratică este redusă la forma canonică.
DemonstraŃie: Fie B = {e1 , e2 ,..., en } bază a lui V faŃă de care forma pătratică
Q are expresia Q( x) = ∑ aij xi x j .
1≤i , j ≤n
Distingem dou ă cazuri:
(I) Există cel puŃin un i ∈ {1,2,..., n} astfel încât aii ≠ 0 (în expresia formei
pătratice apare cel pu Ńin un termen la pătrat). Printr-o eventuală renumerotare a
vectorilor bazei B se poate presupune că a11 ≠ 0 . Atunci, în expresia formei biliniare
Q, vom grupa termenii astfel:
n
1
Q( x) = a11 x12 + 2 ∑ a1 j x1 x j + ∑ a ij xi x j = (a11 x1 + a12 x 2 + ... + a1n x n ) 2 −
j =2 2≤i , j ≤ n a11
1 1
∑ a1i a1 j xi x j + ∑ aij xi x j =
a11 2≤i, j ≤n a11
(a11 x1 + a12 x2 + ... + a1n xn ) 2 + ∑ a ij' xi x j ,
2≤i , j ≤ n 2≤i , j ≤ n
a1i a1 j
unde aij' = a ij − , pentru orice 2 ≤ i, j ≤ n .
a11
Notând
 x1' = a11 x1 + a12 x 2 + ... + a1n xn
 '
 x 2 = x2
 (5)
 .....
x' = x
 n n
ob Ńinem
1 '
Q( x) =
a11
x1 ( )2 + ∑ aij' xi' x 'j . (6)
2≤ i , j ≤ n
x1' , x 2' ,..., xn' reprezintă componentele vectorului x în baza B ' = {e1' , e2' ,..., en' } , faŃă de
care forma pătratică Q are expresia (6). De remarcat că suma ∑ aij' xi' x 'j care apare
2≤ i , j ≤ n
în (6) este o formă p ătratică în n − 1 variabile. Astfel, dup ă cel mult n − 1 paşi
(aplicând eventual şi procedeul descris în cazul (II) ), vom ob Ńine o bază
B = {e1 , e2 ,..., en } a lui V faŃă de care Q are expresia canonică:
Q( x) = α1 x12 + α 2 x22 + ... + α n x n2 .
(II) ToŃi coeficienŃii a ii sunt nuli (în expresia formei p ătratice apar numai
termeni micşti). Lucrând sub presupunerea că forma p ătratică Q este nenulă, există
181
i, j ∈ {1,2,..., n} , i ≠ j , astfel încât aij ≠ 0 . Printr-o eventuală renumerotare a
vectorilor din baza B se poate presupune că a12 ≠ 0 . Cu ajutorul schimbărilor de
coordonate
 x1 = x1' + x2'
 ' '
 x1 = x1 − x 2

 x3 = x3'
 ....

 xn = x n'
vom obŃine

( ) ( )
Q( x) = 2a12  x1' − x2'  + ...
2 2

(7)
Deoarece în această expresie avem cel puŃin un termen la p ătrat, se poate aplica în
continuare procedeul descris la cazul (I). ▄
ObservaŃie: Procedeul descris în demonstraŃia anterioară reprezintă metoda

lui Gauss de reducere a formelor pătratice la forma canonică.
ExerciŃiul 1: Se consideră forma p ătratică Q : R 3 → R , care într-o anumită

bază B a spaŃiului R 3 are expresia Q( x) = x12 + 4 x22 + x32 − 2 x1 x 2 + 2 x1 x3 . Cu
ajutorul metodei lui Gauss, să se reducă această formă pătratică la forma canonică.
SoluŃie: Deoarece în expresia formei pătratice apar termeni la pătrat, ne

situăm în cazul (I) al metodei lui Gauss. Urmând procedeul descris în această situaŃie,
vom avea:
Q( x) = ( x12 − 2 x1 x 2 + 2 x1 x3 ) + 4 x 22 + x32 =
= ( x1 − x2 + x3 ) 2 − x22 − x32 + 2 x2 x3 + 4 x22 + x32 =
= ( x1 − x2 + x3 ) 2 + 3 x22 + 2 x 2 x3 =
1
= ( x1 − x2 + x3 ) 2 + (9 x22 + 6 x 2 x3 ) =
3
1 1
= ( x1 − x2 + x3 ) 2 + (3 x 2 + x3 ) 2 − x32
3 3
Cu notaŃiile:
 x1 = x1 − x2 + x3

 x 2 = 3 x 2 + x3
x = x
 3 3
vom obŃine forma canonică a formei p ătratice:
1 1
Q( x) = x12 + x 22 − x32 .
3 3
182
Pentru a determina baza B = {e1 , e2 , e3 } în raport cu care s-a obŃinut această
formă canonică, se exprimă mai întâi componentele iniŃiale x1 , x 2 , x3 ale vectorului x
în funcŃie de componentele x1 , x2 , x3 din baza B :
 1 4
 x1 = x1 + 3 x2 − 3 x3
 1 1
 x2 = x 2 − x3
 3 3
 x 3 = x 3

Din PropoziŃia 5.3, Capitolul III, obŃinem că matricea de trecere de la baza
iniŃ ială B = {e1 , e2 , e3 } la baza B este
 
 1 0
0
 
1 1
C = 0 .
 3 3 
 4 1 
− − 1
 3 3 
Rezultă că vectorii bazei B vor fi:
 1 4
e1 = e1 + 3 e2 − 3 e3
 1 1
e2 = e2 − e3
 3 3
e3 = e3


ExerciŃiul 2: Să se reducă la forma canonică prin metoda lui Gauss forma

pătratică
Q : R3 → R , Q( x) = x1 x 2 + x2 x3 + x3 x1 ,
specificând şi transformarea de coordonate care se efectuează.
SoluŃie: Deoarece în expresia formei pătratice apar numai termeni micşti, ne

situăm în cazul (II) al metodei lui Gauss. În consecinŃă, facem schimb ările de
coordonate:
 x1 = x1' + x2'
 ' '
 x2 = x1 − x 2 . (8)
x = x '
 3 3
Astfel, forma pătratică devine:

( ) − (x ) + (x − x )x + x (x + x ) =
Q( x) = x1'
2 ' 2
2
'
1
'
2
'
3
'
3
'
1
'
2
= (x ) − (x ) + 2 x x = (x ) + 2 x x  − (x )
' 2
1
' 2
2
' '
1 3
' 2
1
' '
1 3
' 2
2 =
 
(
= x1' + x3' ) − (x ) − (x )
2 ' 2
2
' 2
3
183
Se efectuează o nou ă schimbare de coordonate
 x1 = x1' + x3'
 '
 x2 = x 2 (9)
x = x '
 3 3
în urma căreia va rezulta forma canonică

Q( x) = x12 − x22 − x32 .
Din sistemele de relaŃii (8) şi (9) se ob Ńin relaŃiile de transformare ale
coordonatelor:
 1 1
 x1 = 2 x1 + 2 x 2 + x3
 1 1
 x2 = x1 − x2
 2 2
 x3 = x 3


Metoda lui Jacobi
Teorema 2.6 (Jacobi): Fie V un spa Ńiu vectorial, B = {e1 , e2 ,..., en } o bază a
lui V şi Q : V → R o formă pă tratică având expresia Q( x) = ∑ aij xi x j în baza B.
1≤i , j ≤ n
Dacă matricea A = (aij ) i , j =1,n ∈ M n (R ) asociată formei pătratice Q în baza B are
toŃi minorii principali
a11 a12 a13
a a12
∆1 = a11 , ∆ 2 = 11 , ∆ 3 = a12 a 22 a 23 ,..., ∆ n = det ( A)
a12 a 22
a13 a 23 a 33
nenuli, atunci există o bază B = {e1 , e2 ,..., en } a lui V faŃă de care Q are forma
canonică :
1 2 ∆1 2 ∆ 2 2 ∆
Q( x) = x1 + x2 + x3 + ... + n−1 xn2 . (10)
∆1 ∆2 ∆3 ∆n
DemonstraŃie: Fie F : V × V → R polara formei p ătratice Q. Căutăm vectorii

bazei B de forma:
e1 = c11e1
e = c e + c e
 2 12 1 22 2
..........................
 (11)
ei = c1i e1 + c2i e2 + ... + cii ei
...........................

en = c1n e1 + c 2n e2 + ........ + cnn en
unde coeficienŃii cij se determină din condiŃiile
184
F ( ei , e j ) = 0 , pentru orice 1 ≤ j < i ≤ n (12)
şi F (ei , ei ) = 1 , pentru i = 1, n . (13)
(Aceste ultime relaŃii sunt deduse din condiŃia ca matricea asociată formei pătratice Q
în baza B să fie diag (c11 , c22 ,..., c nn ) . )
Fixăm un i ∈ {1,2,..., n} arbitrar. Deoarece
 i  i i
( )
F (ei , e j ) = F  ∑ cki ek , e j  = ∑ cki F ek , e j = ∑ cki a kj ,
 
 k =1  k =1 k =1
din relaŃiile (12) şi (13) , Ńinând cont că a kj = a jk , obŃinem sistemul:
a11c1i + a12 c2i + ... + a1i cii =0
a c
 12 1i + a 22 c2i + ... + a 2i cii =0
............................................... .
a c + a
 1,i −1 1i 2,i −1c 2i + ... + a i −1,i c ii =0
a1i c1i + a 2i c 2i + ... + aii cii =1
Se observă că determinantul acestui sistem este minorul principal ∆ i , care, conform
ipotezei, este nenul. Astfel, din regula lui Cramer, sistemul este compatibil determinat
şi în plus
a11 ... a1,i −1 0
1 ... ... ... ... ∆ i −1
cii = = .
∆ i a1,i −1 ... ai −1,i−1 0 ∆i
a1i ... a i−1,i 1
Având în vedere că matricea
 c11 c12 ... c1n 
 
 0 c 22 ... c 2n 
C =
... ... ... ... 
 
 0 0 ... c nn 

1 ∆1 ∆ i −1 1
are determinantul det (C ) = c11c 22 ...c nn = ... = ≠ 0 şi că
∆1 ∆ 2 ∆i ∆i
B = {e1 , e2 ,..., en } este o bază a lui V, din sistemul de relaŃii (11) rezultă că şi
B = {e1 , e2 ,..., en } este o bază a lui V. Deoarece
0, pentru i ≠ j
F ( ei , e j ) =  ,
cii , pentru i = j
concluzia teoremei este acum clară. ▄
ObservaŃie: Spre deosebire de metoda lui Gauss, care se poate aplica pentru
orice formă pătratică, în cazul metodei Jacobi suntem condiŃionaŃi de faptul ca toŃi
minorii principali ai matricei ata şate formei pătratice în baza iniŃială să fie nenului.
Astfel, dacă măcar unul dintre aceşti minori este zero, atunci metoda lui Jacobi nu
poate fi aplicată şi trebuie utilizată o altă metodă.
185
ExerciŃiul 3: Utilizând metoda lui Jacobi, să se reducă la forma canonică
următoarea forma p ătratică:
Q : R 3 → R , Q( x) = 3 x12 + 3 x22 − 2 x1 x2 + 4 x1 x3 + 4 x2 x3 ,
unde x = ( x1 , x2 , x3 ) este un vector arbitrar din R 3 .
SoluŃie: Matricea asociată formei p ătratice Q în baza canonică a lui R 3 este:

 3 −1 2
 
A =  −1 3 2 .
 2 2 0 

Minorii principali ai acestei matrice sunt:
3 −1 2
3 −1
∆1 = 3 ≠ 0 , ∆ 2 = = 8 ≠ 0 , ∆ 3 = − 1 3 2 = −32 ≠ 0 ,
−1 3
2 2 0
deci putem aplica metoda lui Jacobi. Forma canonică a formei p ătratice Q va fi:
1 2 ∆1 2 ∆ 2 2 1 2 3 2 1 2
Q( x) = x1 + x2 + x3 = x1 + x 2 − x3 . 
∆1 ∆2 ∆3 3 8 4
Metoda transformărilor ortogonale
Această metodă de reducere la forma canonică, spre deosebire de celelalte

două metode prezentate anterior, se aplică numai formelor pătratice definite pe spaŃii
euclidiene.
Teorema 2.7: Fie V un spaŃiu euclidian de dimensiune n şi Q : V → R o

formă pătratică. Atunci există o bază ortonormată a lui V în raport cu care forma
pă tratică Q este redusă la forma canonică.
DemonstraŃie: În concordanŃă cu Teorema 2.6, Capitolul IV, există o bază

ortonormată B = {e1 , e2 ,..., en } a lui V . Fie A = (aij ) i , j =1,n matricea asociată formei
pătratice Q în baza B. Deoarece A este matrice simetrică, din Teorema 2.7, Capitolul
VIII rezultă existenŃa unei matrice ortogonale C = (cij ) i , j =1,n ∈ M n (R ) cu
proprietatea că
A = CDC t , (14)
unde D = diag (λ 1 , λ2 ,..., λn ) este forma diagonală a matricei A.
Construim baza B = {e1 , e2 ,..., en } a lui V astfel încât matricea de trecere de la
baza B la B să fie chiar C:
e1 = c11e1 + c 21e2 + ... + cn1en
e = c e + c e + ... + c e
 2 12 1 22 2 n2 n

 ..............................................
en = c1n e1 + c2n e2 + ... + cnn en
186
łinând cont că B = {e1 , e2 ,..., en } este o bază ortonormată, iar C este o matrice
ortogonală vom ob Ńine relaŃiile:
n n n
ei , ei = ∑ c k i ek , ∑ c j i e j = ∑ ck i c ji ek , e j = ∑ c k2i = 1 ,
k =1 j =1 1≤ k , j ≤n k =1
pentru i = 1, n , şi respectiv
n n n
ei , e j = ∑ ck i ek , ∑ c p j e p = ∑ ck i c p j ek , e p = ∑ ck i c k j = 0 ,
k =1 p =1 1≤ k , p ≤n k =1
pentru orice i ≠ j . Aşadar, B = {e1 , e2 ,..., en } este o bază ortonormată a lui V.

Notând cu F polara formei pătratice Q, din Teorema 1.6 şi din relaŃ ia (14)
rezultă că matricea asociată lui F în baza B este D = diag (λ1 , λ2 ,..., λn ) şi, în
consecinŃă, forma pătratică Q va avea scrierea în baza B :
Q( x) = λ1 x12 + λ2 x 22 + ... + λn xn2 ,
adică este redusă la forma canonică. ▄
ObservaŃie: Deoarece spaŃiile vectoriale de tipul R n sunt spa Ńii euclidiene,

această metodă poate fi folosită în majoritatea exerciŃiilor având drept cerinŃă
reducerea formelor pătratice la forma canonică .
Din demonstraŃia teoremei precedente se deduce următorul algoritm de

reducere a unei forme pătratice Q : V → R la forma canonică, unde V este spaŃiu
euclidian de dimensiune n:
- Etapa 1: se scrie matricea A ataşată formei p ătratice;
- Etapa 2: se calculează, prin rezolvarea ecuaŃiei caracteristice
det ( A − λ I n ) = 0 , valorile proprii λ i , 1 ≤ i ≤ p , având ordinele de
multiplicitate ni şi se determină subspaŃiile vectorilor proprii Spv(λ i ) ,
corespunzătoare acestor valori proprii;
- Etapa 3: Pentru fiecare subspaŃiu Spv(λ i ) se determină câte o bază
ortonormată Bi ;
- Etapa 4: Forma canonică a formei pătratice date este:
Q( x) = λ1 x12 + λ2 x 22 + ... + λn xn2 ,
cu menŃiunea că în această scriere fiecare valoare proprie apare de un
număr de ori egal cu ordinul de multiplicitate. Baza ortonormată în care se
obŃine această formă canonică este B = B1 ∪ B2 ∪ ... ∪ Bn .
ExerciŃiul 4: Să se reducă la forma canonică, prin metoda transformărilor

ortogonale, următoarea formă p ătratică.:
Q : R 3 → R , Q( x) = 3 x12 + 3 x22 − 2 x1 x2 + 4 x1 x3 + 4 x2 x3 ,
unde x = ( x1 , x2 , x3 ) este un vector arbitrar din R 3 , specificând şi o bază
ortonormată în care s-a obŃinut această formă.
187
SoluŃie: Matricea asociată formei p ătratice Q în baza canonică a lui R 3 este:
 3 −1 2
 
A =  −1 3 2 .
 2 2 0 

Vom determina valorile proprii ale matricei A, rezolvând ecuaŃia caracteristică
3 − λ −1 2
det ( A − λ I 3 ) = 0 sau echivalent − 1 3 − λ 2 = −λ 3 + 6λ 2 − 32 = 0 . Se
2 2 −λ
ob Ńin λ 1 = −2 , λ 2 = λ 3 = 4 .
Vectorii proprii corespunzători valorii proprii λ 1 = −2 sunt daŃi de sistemul:
 5 x1 − x2 + 2 x3 = 0  x1 = −α
  *
− x1 + 5 x2 + 2 x3 = 0 , având solu Ńia  x2 = −α , cu α ∈ R .
 2x + 2x + 2x = 0  x = 2α
 1 2 3  3
Svp(−2) = {(−α ,−α ,2α ) / α ∈ R} .
O bază pentru Svp(−2) este {(−1,−1,2) } , de unde ob Ńinem baza ortonormată
 1 1 2 
B1 =  − ,− ,  .
 6 6 6 
Pentru valoarea proprie 4, vectorii proprii sunt daŃi de sistemul:
− x1 − x 2 + 2 x3 = 0  x1 = −α + 2 β
 
− x1 − x 2 + 2 x3 = 0 , adică  x2 = α , cu α , β ∈ R , α 2 + β 2 ≠ 0 .
2 x + 2 x − 4 x = 0 x = β
 1 2 3  3
Svp(4) = {(−α + 2 β , α , β ) / α , β ∈ R } .
Alegem e2 = (−1,1,0) ∈ Svp(4) şi vrem să determinăm e3 = (−α 3 + 2 β 3 , α 3 , β 3 )
astfel încât e2 , e3 = 0 , adică α 3 − 2 β 3 + α 3 = 0 . Rezultă că β 3 = α 3 , de unde
e3 = (α 3 , α 3 , α 3 ) şi astfel putem alege e3 = (1,1,1) . S-a ob Ńinut baza ortogonală
{(−1,1,0) , (1,1,1)} , din care se construieşte, prin normalizare, baza ortonormată
 1 1   1 1 1  
B2 =  − , ,0  ,  , ,   .
 2 2   3 3 3 
Forma canonică a formei pătratice date este
Q( x) = −2 x12 + 4 x 22 + 4 x32 ,
aceasta fiind ob Ńinută în baza ortonormată
 1 1 2   1 1   1 1 1 
B =  − ,− ,  ,  − , ,0  ,  , ,   . 
 6 6 6  2 2   3 3 3 
ObservaŃie: Comparând rezultatele obŃinute în urma rezolvă rii exerciŃiilor 3

şi 4, reiese concluzia că atunci când se reduce o formă pătratică la forma canonică,
prin două metode diferite, se pot ob Ńine rezultate diferite. În secŃiunea următoare,
vom determina totuşi un invariant al formei canonice.
188
3. Signatura unei forme pătratice. Teorema inerŃiei
În această secŃiune, V va desemna un spaŃiu vectorial real de dimensiune n.
DefiniŃia 3.1: Pentru o formă pătratică Q : V → R având forma canonică

n
Q( x) = ∑ ai xi2 ,
i =1
în care p coeficienŃi sunt strict pozitivi, q coeficienŃi sunt strict negativi, iar
r = n − ( p + q) sunt nuli, tripletul ( p , q, r ) se numeşte signatura formei pă tratice.
Teorema 3.2 (Teorema inerŃiei): Signatura unei forme pă tratice este un

invariant al formei canonice, adică signatura este aceea şi în orice formă canonică a
formei pătratice respective.
DemonstraŃie: Fie Q : V → R o formă pătratică şi B1 = {e1 , e2 ,..., en } ,

B2 = { f1 , f 2 ,..., f n } două baze ale lui V în raport cu care Q are formele canonice:
n n
Q( x) = ∑ ai xi2 , Q( x) = ∑ bi ~
xi2
i =1 i =1
cu signaturile ( p1 , q1 , r1 ) şi respectiv ( p 2 , q 2 , r 2 ) .
Printr-o eventuală rearanjare a vectorilor din cele dou ă baze se poate
presupune că primii p1 (respectiv p 2 ) coeficienŃi ai celor dou ă forme canonice sunt
strict pozitivi, următorii q1 (respectiv q 2 ) coeficienŃi sunt strict negativi, iar ultimii
r1 (respectiv r 2 ) coeficienŃi sunt nuli.
Presupunem prin absurd că p1 > p 2 . Vom nota cu V1 = Sp{e1 , e2 ,..., e p 1 }
subspaŃiul lui V generat de {e1 , e2 ,..., e p 1 } şi cu V2 = Sp{e p2 +1 , e p2 + 2 ,..., en }
subspaŃiul lui V generat de {e p2 +1 , e p2 + 2 ,..., en } . Rezultă că
dim(V1 ) + dim(V2 ) = p1 + n − p 2 > n .
Aplicând acum Teorema lui Grassmann avem:
n ≥ dim(V1 + V2 ) = dim(V1 ) + dim(V2 ) − dim(V1 ∩ V2 ) > n − dim(V1 ∩ V2 ) ,
de unde rezultă că V1 ∩ V2 ≠ {0V } . Astfel, se poate considera un vector nenul
x * ∈ V1 ∩ V2 .
Pe de-o parte, deoarece x * ∈ V1 avem x * = x1e1 + x 2 e2 + ... + x p e p , de unde
p
Q( x * ) = ∑ a i xi2 ≥ 0 , (1)
i =1
iar pe de altă parte, cum x ∈ V2 avem x = ~
x p 2 +1 f p 2 +1 + ~
*
x p 2 +2 f p +2 + ... + ~
x n f n , şi
2
astfel
n
Q( x * ) = ∑ bi ~xi2 ≤ 0 . (2)
i = p2 +1
189
Din relaŃiile (1) şi (2) obŃinem Q( x * ) = 0 , de unde vom găsi
x = x = ... = x = ~
1 2 p xp 2 +1=~
x = ... = ~
p 2 +2 x = 0 , ceea ce
n implică x * = 0V -
contradicŃie. Deci presupunerea că p1 > p 2 este falsă. Similar se demonstrază că nu
putem avea nici inegalitatea p1 < p 2 şi astfel am obŃinut că p1 = p 2 .
Procedând analog, se arată că q1 = q 2 , ceea ce demonstrează că signatura este
aceeaşi pentru ambele forme canonice. ▄
Exemplu: În ExerciŃiul 4 s-a determinat pentru forma pătratică

Q : R 3 → R , Q( x) = 3x12 + 3x22 − 2 x1 x2 + 4 x1 x3 + 4 x2 x3 ,
forma canonică Q( x) = −2 x12 + 4 x 22 + 4 x32 . Astfel, signatura acestei forme pătratice
va fi (2,1,0) .
DefiniŃia 3.3: Spunem că forma pătratică Q : V → R este pozitiv (negativ)

definită dacă Q( x) > 0 (resp. Q( x) < 0 ) pentru orice x ∈ V \ {0V } .
ObservaŃie: O formă pătratică Q este pozitiv (negativ) definită dacă şi numai

dacă polara ei F este pozitiv (resp. negativ) definită.
Teorema 3.4 (Criteriul lui Sylvester): Fie Q : V → R o formă pă tratică ,

B = {e1 , e2 ,..., en } o bază a lui V, A = (aij ) i , j =1,n matricea asociată formei pă tratice
Q în baza B şi ∆1 , ∆ 2 , ..., ∆ n minorii principali ai matricei A. Atunci:
1. Q este pozitiv definită dacă şi numai dacă ∆ i > 0 , pentru i = 1, n ;
2. Q este negativ definită dacă şi numai dacă (−1) i ∆ i > 0 , pentru i = 1, n .
DemonstraŃie: 1. Presupunem că forma pătratică Q este pozitiv definită şi

notăm cu F polara lui Q. Vom arăta mai întâi că toŃi minorii principali ai matricei A
sunt nenuli. Presupunem prin absurd că există k ∈ {1,2,..., n} astfel încât ∆ k = 0 . În
acest caz o linie a determinantului ∆ k este o combinaŃie liniară a celorlalte linii, deci
există α1 , α 2 ,...,α k ∈ R , nu toŃi nuli, astfel încât
α1a1i + α 2 a 2i + ... + α k a k i = 0 ,
pentru i = 1, k . Din această relaŃie, succesiv obŃinem:
k k  k 
0 = ∑ α j a ji = ∑ α j F (e j , ei ) = F  ∑ α j e j , ei  ,
 j =1 
j =1 j =1  
pentru i = 1, k . ÎnmulŃind relaŃiile de mai sus cu α i şi sumând aceste relaŃii după
i = 1, k , obŃinem:
 k k 
F  ∑ α j e j , ∑ α i ei  = 0 .
 j =1 
 i =1 
190
k
Cum F este pozitiv definită, rezultă ∑ α i ei = 0 , ceea ce arată că vectorii e1 , e2 ,..., ek
i =1
sunt liniar dependenŃi – contradicŃie. Deci ∆ i ≠ 0 , pentru i = 1, n .
Putem aplica acum Teorema 2.6 . Rezultă că există o bază B = {e1 , e2 ,..., en }
în raport cu care forma pătratică Q are forma canonică
1 2 ∆1 2 ∆ 2 2 ∆
Q( x) = x1 + x2 + x3 + ... + n−1 xn2 .
∆1 ∆2 ∆3 ∆n
1 ∆1 ∆ 2 ∆
Deoarece Q este pozitiv definită, obŃinem , , ,..., n−1 > 0 şi în consecinŃă
∆1 ∆ 2 ∆ 3 ∆n
∆1 , ∆ 2 , ..., ∆ n > 0 .
1 ∆1 ∆ 2 ∆
Reciproc, dacă ∆1 , ∆ 2 , ..., ∆ n > 0 rezultă că , , ,..., n−1 > 0 . Astfel,
∆1 ∆ 2 ∆ 3 ∆n
1 2 ∆1 2 ∆ 2 2 ∆
Q( x) = x1 + x2 + x3 + ... + n−1 xn2 > 0 ,
∆1 ∆2 ∆3 ∆n
pentru orice x ∈ V \ {0V } , unde x1 , x 2 ,..., xn sunt componentele vectorului x în baza
în care s-a obŃinut baza canonică a cărei existenŃă este asigurată de Teorema 2.6. Deci
forma pătratică Q este pozitiv definită.
2. Forma pătratică Q este negativ definită dacă şi numai dacă forma pătratică
Q ' : V → R , Q ' ( x) = − Q( x) este pozitiv definită. Matricea asociată lui Q ' este
A' = − A , iar minorii ei principali sunt ∆' i = (−1) i ∆ i , i = 1, n .
De la punctul 1. al teoremei avem Q ' pozitiv definită dacă şi numai dacă
∆' i > 0 . Aşadar Q este negativ definită dacă şi numai dacă (−1) i ∆ i > 0 . ▄
Fie Q : V → R o formă pătratică având scrierea

Q( x) = ∑ a ij xi x j (3)
1≤i , j ≤ n
într-o anumită bază B a lui V. Dacă notăm cu A = (aij ) i , j =1,n matricea asociată formei
pătratice Q în baza B, atunci egalitatea (3) este echivalentă cu relaŃia matricială
Q( x) = XAX t (4)
(în membrul drept al acestei egalit ăŃi X este matricea linie ( x1 , x 2 ,..., xn ) ).
Reamintim că o matrice A ∈ M n (R ) se numeşte pozitiv definită dacă
xAx t > 0 , pentru orice vector nenul x ∈ R n . Din relaŃia (4) se obŃine imediat
următorul rezultat:
PropoziŃia 3.5: Forma pătratică Q : V → R este pozitiv definită dacă şi

numai dacă matricea ei asociată A este pozitiv definită.
Deoarece între mulŃimea formelor pătratice Q : V → R şi mulŃimea matricelor

simetrice A ∈ M n (R ) este o corespondenŃă bijectivă, cu ajutorul PropoziŃiei 3.5
putem reformula primul punct al Criteriului lui Sylvester astfel:
191
Teorema 3.6: O matrice simetrică este pozitiv definită dacă şi numai dacă to Ńi
minorii principali ai matricei sunt strict pozitivi.
4. ExerciŃii
1. Care dintre următoarele aplicaŃii:

a) F : R 2 × R 2 → R , F ( x, y ) = x1 y 2 − x 2 y1 , unde x = ( x1 , x2 ) , y = ( y1 , y 2 ) ;
b) F : R 2 × R 2 → R , F ( x, y ) = ( x1 − y1 ) 2 − x2 y 2 , unde x = ( x1 , x 2 ) ,
y = ( y1 , y 2 ) ;
c) F : R 3 × R 3 → R , F ( x, y ) = x1 y1 + 2 x 2 y 2 − 3 x3 y3 , unde x = ( x1 , x2 , x3 ) ,
y = ( y1 , y 2 , y3 ) ,
sunt forme biliniare?
2. Fie A ∈ M n (R ) o matrice fixată. Să se demonstreze că aplicaŃia

F : M n (R ) × M n (R ) → R , F ( X , Y ) = XAY t este o formă biliniară.
3*. Fie F : V ×V → R o formă biliniară pozitiv definită. Atunci are loc

inegalitatea:
F ( x, y) 2 ≤ F ( x, x) F ( y, y ) ,
pentru orice x, y ∈ V , cu egalitate dacă şi numai dacă vectorii x şi y sunt liniar
independenŃi. (IndicaŃie: se poate folosi Teorema 1.6, Capitolul IV.)
4. Se consideră aplicaŃ ia F : R 3 × R 3 → R ,
F ( x, y ) = 3x1 y 2 + x 2 y1 + x2 y 2 − x3 y1 + 2 x3 y3 ,
unde x = ( x1 , x2 , x3 ) , y = ( y1 , y 2 , y3 ) .
i) ArătaŃi că F este formă biliniară;
ii) ScrieŃi matricea asociată lui F în baza canonică a lui R 3 ;
iii) DeterminaŃi matricea asociată lui F în baza B1 = {(0,1,1) , (1,0,0) , (1,1,0)} .
5. Să se determine formele pătratice induse de următoarele forme biliniare

simetrice:
a) F : R 3 × R 3 → R , F ( x, y ) = x1 y1 + x2 y 2 + x3 y3 + 2 x1 y 2 + 2 x2 y1 −
4 x2 y3 − 4 x3 y 2
b) F : M n (R ) × M n (R ) → R , F ( AB) = Tr ( AB) .
6. Utilizând metoda lui Gauss, să se reducă la forma canonică următoarele

forme pătratice:
a) Q( x1 , x 2 , x3 ) = x12 + 9 x 22 + 17 x32 − 2 x1 x 2 + 4 x1 x3 ;
192
b) Q( x1 , x 2 , x3 ) = 4 x12 + x22 + x32 − 4 x1 x2 − 4 x1 x3 + 8x 2 x3 ;
c) Q( x1 , x 2 , x3 , x 4 ) = x1 x2 + x1 x3 + x1 x 4 + x2 x3 + x2 x 4 + x3 x4 ;
d) Q( x1 , x 2 , x3 , x 4 ) = x12 + 2 x 22 − 3x 42 + x1 x 2 + 2 x1 x3 − 4 x1 x 4 + x2 x3 + x3 x4 .
7. ReduceŃi următoarele forme pătratice la forma canonică, utilizând metoda

lui Jacobi:
a) Q( x1 , x 2 , x3 ) = x12 + 8 x22 + x32 + 16 x1 x 2 + 4 x1 x3 + 4 x2 x3 ;
b) Q( x1 , x 2 , x3 ) = 2 x12 + 2 x 22 + 3x32 − 4 x1 x2 − 4 x2 x3 ;
c) Q( x1 , x 2 , x3 , x 4 ) = x12 − x22 + x32 − 2 x42 − 2 x1 x2 + 2 x1 x3 − 2 x1 x 4 +
2 x2 x3 − 4 x 2 x 4 ;
d) Q( x1 , x 2 , x3 , x 4 ) = x12 + x 22 + 4 x32 + 4 x42 + 4 x1 x3 + 2 x1 x 4 + 2 x2 x3 +
2 x 2 x 4 + 6 x3 x 4 .
8. Cu ajutorul metodei transformărilor ortogonale, să se reducă la forma

canonică următoarele forme pătratice:
a) Q( x1 , x 2 , x3 ) = x12 + 2 x22 + 3x32 − 4 x1 x 2 − 4 x 2 x3 ;
b) Q( x1 , x 2 , x3 ) = x12 + x22 + x32 − 2 x1 x2 − 2 x1 x3 − 2 x2 x3 ;
c) Q( x1 , x 2 , x3 ) = 3 x12 − 5 x 22 − 7 x32 − 8 x1 x 2 + 8 x2 x3 .
9. Se consideră forma pătratică

Q( x1 , x 2 , x3 ) = 5 x12 + 6 x 22 + 4 x32 − 4 x1 x2 − 4 x1 x3 .
Utilizând metoda lui Gauss, metoda lui Jacobi şi respectiv metoda transformărilor
ortogonale, să se reducă forma pătratică la forma canonică. VerificaŃi Teorema
inerŃiei.
193
Bibliografie
[1] M. Abramowitz, I.A. Stegun – Handbook of mathematical functions, Dover

Publications, 1972
[2] Gh. Atanasiu, Gh. Munteanu, M. Postolache – Algebră liniară, geometrie

analitică şi diferenŃială , ecua Ńii diferenŃiale, Editura All, 1994
[3] V. Bălan – Algebră liniară, geometrie analitică, Editura Fair Partners, 1999
[4] V. Brînzănescu, O. Stănăşilă – Matematici speciale, Editura All, 1998
[5] T.S. Chihara – An introduction to orthogonal polynomials, Gordon & Breach,

1978
[6] C. Costinescu – Algebră liniară şi aplicaŃii în geometrie, Editura Matrix Rom,

2005
[7] V. Éfimov – Éléments de géométrie analitique, Édition MIR, Moscou, 1969
[8] D. Faddéev, I. Sominski – Recueil d’exercices d’algèbre supérieure, Édition MIR,

Moscou, 1972
[9] G. Groza – Analiză numerică, Editura Matrix Rom, 2005
[10] G. Golub, C. Van Loan – Calcul matricial, Editua Theta, 2005
[11] R. Horn, C. Johnson – Analiza matricială, Editua Theta, 2001
[12] D. Lay – Linear algebra and its applications, Addison-Wesley Publishing, 2003
[13] A.F. Nikiforov, S.K. Suslov, V.B. Uvarov – Classical orthogonal polynomials of
a discrete variable, Springer-Verlag, 1992
[14] M. Pavel – Algebră liniară, geometrie analitică şi diferenŃială, Vol. 1, Editura

Agir, Bucureşti, 2002
195
[15] G. Păltineanu, Ş. Donescu – Algebră liniară , Editura Matrix Rom, 2007
[16] G. Păltineanu, M. Pavel, R. Trandafir – Bazele analizei numerice, Editura

Printech, 2001
[17] A. Popescu – Algebră liniară şi aplica Ńii, Editura UniversităŃii Bucureşti, 1999
[18] Gh.D. Simionescu – NoŃiuni de algebră vectorială şi aplicaŃii în geometrie,

Editura Tehnică, 1983
[19] D. Smaranda, N. Soare – Transformări geometrice, Editura Academiei Române,

1988
[20] G. Strang – Linear algebra and its applications, Thomson Learning, 1988
[21] C. Udrişte – Probleme de algebra liniară, geometrie analitică şi diferenŃială,

Editura Didactică şi pedagogică, 1976
[22] M. Voicu, G. Groza, V. Marinescu – Algebră liniară, geometrie analitică şi

diferenŃială, Editura ICB, 1988
[23] V. Voievodine – Principes numeriques d’algèbre linéaire, Édition MIR, Moscou,

1977
196
Index
automorfism 99 mixt 24
axa unui fascicol de plane 37 expresia analitică a produsului
scalar 17
expresia analitică a produsului
bază a unui spaŃiu vectorial 55 vectorial 22
bază ortogonală 77 expresia analitică a unui
bază ortonormată 77 vector liber 13
combinaŃie liniară 52 factorizare Cholesky 123

complement ortogonal 80 factorizare LU 114
componentele unui vector fascicol de plane 37
liber 13 forma canonică a unei forme
coordonatele unui vector pătratice 180
într-o bază 56 forma diagonală a unei matrice 150
criteriul general de diagonalizare 152 forma triunghiulară a unui sistem 111
criteriul lui Sylvester 190 formă biliniară 176
formă biliniară pozitiv (negativ)
definită 176
defectul unei transformări liniare 98 formă biliniară simetrică 176
dimensiunea unui spaŃiu formă pătratică 179
vectorial 58 formă pătratică pozitiv (negativ)
discuri Gerschgorin 146 definită 190
funcŃie pondere 82
ecuaŃia generală a planului 30

ecuaŃia caracteristică 141 imaginea unei transformări liniare 96
ecuaŃiile canonice ale interval de ortogonalitate 82
dreptei 35 izomorfism de spaŃii vectoriale 99
ecuaŃiile parametrice ale
dreptei 34
endomorfism 92 înmulŃirea unui vector liber
expresia analitică a produsului cu un scalar 6
197
produs scalar pe un spaŃiu
vectorial 70
matrice asemenea 150 produsul mixt a trei vectori
matrice diagonal dominantă 131 liberi 24
matrice diagonală 149 produsul scalar a doi vectori
matrice diagonalizabilă 150 liberi 14
matrice inferior (superior) produsul vectorial a doi
triunghiulară 114 vectori liberi 19
matrice ortogonală 160 proiecŃie ortogonală 81
matrice pozitiv definită 123
matrice simetrică 164
matricea asociată unei forme rangul unei transformări liniare 98
biliniare 177 regula paralelogramului 4
matricea asociată unei forme regula triunghiului 4
pătratice 180 rotaŃie 167
matricea asociată unei transformări
liniare 102
matricea de trecere de la o bază scalar 50
la alta 65 signatura unei forme pătratice 189
matricea rotaŃiei 169 simetrie 171
metoda iterativă Gauss-Seidel 133 sistem de generatori 54
metoda iterativă Jacobi 130 sisteme echivalente 111
metoda lui Gauss pentru forme spaŃii vectoriale izomorfe 99
pătratice 181 spaŃiu euclidian 70
metoda lui Jacobi pentru forme spaŃiu metric 76
pătratice 184 spaŃiu normat 73
metoda puterii 157 spaŃiu vectorial 50
metoda transformărilor spaŃiu vectorial finit generat 55
ortogonale 186 standardizare 82
metrică 76 subspaŃii complementare 63
minori principali 117 subspaŃiu vectorial 60
subspaŃiu vectorial generat de o
mulŃime 62
normă euclidiană 73 suma directă a două subspaŃii
normă matricială 127 vectoriale 62
normă pe un spaŃiu vectorial 73 suma a doi vectori liberi 4
nucleul unei transformări liniare 96 suma a două subspaŃii vectoriale 61
parametri directori ai unei şir de polinoame ortogonale 82

drepte 33
polara formei pătratice 179
polinoame Cebâşev de speŃa teorema Cauchy-Buniakowski
a doua 89 -Schwarz 72
polinoame Cebâşev de speŃa întâi 88 teorema Hamilton-Cayley 144
polinoame Hermite 89 teorema inerŃiei 189
polinoame Laguerre 89 teorema lui Gerschgorin 146, 147
polinoame Legendre 87 teorema lui Grassmann 64
polinom caracteristic 141 teorema rang-defect 98
procedeul Gram-Schmidt 79 transformare liniară 92
198
transformări elementare pentru
un sistem 110
unghiul dintre doi vectori

liberi 14
unghiul dintre două drepte 41
unghiul dintre două plane 40
unghiul dintre o dreaptă şi
un plan 42
valoare proprie 138

valoare proprie dominantă 155
vector director al unei drepte 33
vector legat 1
vector liber 3
vector propriu 138
vector propriu dominant 155
vectori echipolenti 3
vectori liniar (in)dependenŃi 52
vectori ortogonali 77
versor 3
199

CLD PDF

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

CLD PDF

Încărcat de

Drepturi de autor:

Formate disponibile

Leonard Dăuş

Algebra liniară şi geometria analitică reprezintă de multă vreme instrumente

Bucureşti, septembrie 2009 Leonard Dăuş

Capitolul I: Vectori liberi.................................................................................. 1

Capitolul II: Planul şi dreapta în spaŃiu........................................................... 29

Capitolul III: SpaŃii vectoriale.......................................................................... 50

Capitolul IV: SpaŃii euclidiene.......................................................................... 70

Capitolul V: Transformări liniare.................................................................... 92

Capitolul VII: Valori proprii şi vectori proprii............................................... 138

Capitolul VIII: Clase speciale de matrice........................................................ 160

Capitolul IX: Forme biliniare. Forme pătratice.............................................. 176

Fie E 3 spaŃiul tridimensional al geometriei elementare, spaŃiu conceput ca o

DefiniŃii 1.1: Se numeşte vector legat sau segment orientat o pereche

Punctul A se numeşte originea, iar B vârful sau extremitatea vectorului legat

DefiniŃii1.2: Fie (A,B) şi (C,D) doi vectori lega Ńi nenuli.

ObservaŃie: Se poate verifica fără dificultate că rela Ńia de echipolenŃă pe

RelaŃia de echipolenŃă poate fi extinsă şi la vectorii legaŃi nuli: orice doi

Vom nota cu V3 mulŃimea tuturor vectorilor liberi din spaŃiul E 3 .

ObservaŃie: Un vector legat este caracterizat prin: origine, direcŃie, sens şi

DefiniŃia 1.6: Vectorul liber de lungime zero se numeşte vector nul şi se

Ca reprezentant al vectorului nul putem lua vectorul legat (A,A), cu A ∈ E3

DefiniŃia 1.7: Un vector liber de lungime unu se numeşte versor.

ObservaŃii: 1. DefiniŃia precedentă este cunoscută sub numele de regula

ObservaŃie: Regula triunghiului se generalizează la regula liniei poligonale,

PropoziŃia 2.2: OperaŃia de adunare a vectorilor liberi are următoarele

DemonstraŃie: 1. Proprietatea de comutativitate a adunării vectorilor liberi

PropoziŃia 2.4: ÎnmulŃirea vectorilor liberi cu scalari are proprietăŃile:

Este clar că OM = ON + OC ' = OA' + OB' + OC ' (1)

În finalul acestui paragraf, prezentăm o propoziŃie deosebit de utilă în anumite

PropoziŃia 2.8: Fie A, M, B trei puncte coliniare, cu M situat între A şi B.

DemonstraŃie: Evident k este un scalar pozitiv (fiind raportul a două lungimi

ExerciŃiul 1: Să se arate, cu ajutorul calculului vectorial, că medianele într-un

ObservaŃie: Pe parcursul rezolvării ExerciŃiului 1 s-a demonstrat că centrul

ExerciŃiul 2: Fie ABC un triunghi oarecare şi G centrul său de greutate. Dacă

Lăsăm cititorului ca temă următorul:

ExerciŃiul 3: Fie ABCD un tetraedru oarecare şi G centrul său de greutate.

3. Expresia analitică a unui vector liber

Există mai multe posibilităŃi de a descrie şi studia obiectele geometrice în

PropoziŃia 3.1: Fie M ( x M , y M , z M ) şi N ( x N , y N , z N ) două puncte în spaŃiu.

ObservaŃie: Din definiŃiile produsului scalar şi respectiv a mărimii proiecŃiei

PropoziŃia 4.4: Mă rimea proiecŃiei ortogonale are proprietăŃile:

DemonstraŃie: 1. Fie O punct arbitrar în spaŃiul E3 şi punctele A,B,C astfel

2. Presupunem mai întâi că λ >0. Considerăm punctele A, A1 , B astfel încât

PropoziŃia 4.5: Produsul scalar al vectorilor liberi are proprietăŃile:

DemonstraŃie: 1. Este evident din definiŃia produsului scalar, având în vedere

Teorema 4.6 (Expresia analitică a produsului scalar): Fie

Demonstra Ńie: Determinăm mai întâi valorile produsului scalar pe mulŃimea

łinând cont de proprietăŃile produsului scalar şi de tabelul precedent, ob Ńinem

SoluŃie: Deoarece la acest moment avem o formulă de calcul numai pentru

ExerciŃiul 4: DemonstraŃi că într-un triunghi înălŃimile sunt concurente.

SoluŃie: Fie BB' şi CC ' înălŃimile corespunzătoare laturilor AC şi respectiv

ObservaŃie: Formula de calcul a mărimii produsului vectorial furnizează o

Interpretarea geometrică a produsului vectorial: Mă rimea produsului

DemonstraŃie: 1. Schimbând ordinea factorilor în produsul vectorial, direcŃia

Din definiŃ ia mărimii produsului vectorial avem :

= OB' = OA OB' sin(π 2) = OA × OB' .

Teorema 5.3 r (Expresia

DemonstraŃie: Determin ăm mai întâi valorile produsului vectorial pe

Comparând aceste două relaŃii, obŃinem formula dorită. ▄

ExerciŃiul 1: StudiaŃi coliniaritatea punctelor: A(-1,3,2), B(0,4,1) şi C(2,6,-1).

SoluŃie:Punctele A(-1,3,2), B(0,4,1) şi C(2,6,-1) sunt coliniare dacă şi numai

ExerciŃiul 2: Se consideră punctele A(1,0,2), B(3,2,-2) şi C(0,-1,2). Să se

DemonstraŃie: Din expresia analitică a produsului vectorial obŃinem că: