Matrici şi sisteme de ecuaţii liniare

1. Matrici şi determinanţi

Reamintim aici câteva proprietăţi ale matricilor şi determinanţilor.
Definiţia 1.1. Fie K un corp (comutativ) şi m, n ∈ N∗ . O funcţie
A : {1, . . . , m} × {1, . . . , n} → K
s.n. matrice cu m linii, n coloane (sau de tip (m, n)) şi coeficienţi ı̂n
K.
Notaţia 1.2. 1. Notăm cu Mm,n (K) mulţimea matricilor cu m
linii, n coloane şi coeficienţi ı̂n K. Dacă m = n, atunci notăm Mn (K)
şi numim elementele acestei mulţimi matrici pătratice.
2. Dacă A ∈ Mm,n (K), atunci se notează de obicei A(i, j) = aij ,
iar matricea A este privită ca un tablou
 
a11 . . . a1n
A =  ... ..
.
..  = [a ]
. ij 1≤i≤m;1≤j≤n = [aij ]
am1 . . . amn
Observaţia 1.3. Orice matrice A ∈ Mm,n (K) poate fi privită ca:
 A 
l1
• o coloană cu m vectori (linie) din K n : A =  ... , unde
A
lm
A
li = (ai1 , . . . , ain );
• o linie cu n vectori coloană din K m : A = [cA A
1 , . . . , cn ], unde
t
cj = (a1j , . . . , amj ) .
Definiţia 1.4. 1) Dacă A = [aij ] ∈ Mmn (K) şi B = [bij ] ∈
Mmn (K), atunci adunarea matricilor A şi B este dată de A + B =
[aij + bij ] ∈ Mmn (K).
2) Dacă A = [aij ] ∈ Mmn (K) şi B = [bij ] ∈ Mn (K), atunci
ı̂nmulţirea matricilor Pmatricilor A şi B este dată de AB = [cij ] ∈
Mmp (K), unde cij = nk=1 aik bkj .
3) Dacă A = [aij ] ∈ Mmn (K) α ∈ K, atunci ı̂nmulţirea matricii A
cu scalarul α este dată de αA = [αaij ].
1
2 MATRICI ŞI SISTEME DE ECUAŢII LINIARE

Observaţia 1.5. Au loc următoarele proprietăţi:

• (Mmn (K), +) este un grup abelian;
• Înmulţirea matricilor
– este asociativă (când poate fi efectuată)
– nu este comutativă!
• (Mn (K), +, ·) este un inel cu unitate. Unitatea inelului este:
 
1 0 ... 0
 0 1 ... 0 
In =  
 ... ... ... ...  = [δij ],
0 0 ... 1
cu ∀i ∈ {1, . . . , n}, δii = 1 şi ∀i, j ∈ {1, . . . , n}, i 6= j, δij = 0.
• (AB)t = B t At , unde At = [aji ] notează transpusa matricii
A = [aij ].
Definiţia 1.6. Dacă A = [aij ] ∈ Mn (K), atunci numărul
X
det(A) = ²(σ)a1σ(1) . . . anσ(n)
σ∈Sn

s.n. determinantul lui A.

Example 1.7. n = 2

Propoziţia 1.8. Proprietăţi ale determinanţilor-sinteză)

1) det(A) = det(At );
2) Dacă o linie (coloană) a matricii A este 0, atunci det(A) = 0;
3) Dacă σ ∈ Sn , atunci det[aσ(i)j ] = det[aiσ(j) ] = ²(σ) det[aij ];
4) Dacă A ∈ Mn (K) şi A0 este obţinută din A prin permutarea a
două linii (coloane), atunci det(A) = − det(A0 );
5) Dacă ı̂n matricea A două linii (coloane) sunt egale, atunci det(A) =
0.
6) Dacă A = [aij ] şi pentru un indice k, ∀j ∈ {1, . . . , n}, akj = a0kj +
akj , atunci det(A) = det(A0 ) + det(A00 ), unde A0 = [a0ij ] şi A00 = [a00ij ]
00

cu a00ij = aij pentru i 6= k;

7) Dacă o linie (coloană) a matricii A este o combinaţie liniară de
celelalte linii (coloane), atunci det(A) = 0.
8) Valoarea determinantului nu se modifică dacă adăugăm la o linie
(coloană) o combinaţie liniară de celelalate linii (coloane).
 2. RANGUL UNEI MATRICI 3

9) Dacă A, B ∈ Mn (K) şi α ∈ K, atunci det(AB) = det(A) det(B)

şi det(αA) = αn det(A). Dacă A0 este obţinută din A prin ı̂nmulţirea
unei linii (coloane) cu α, atunci det(A0 ) = α det(A).
10) (complemenţi algebrici) Dacă A = [aij ] ∈ Mn (K) şi Aik
reprezintă matricea obţinută din A prin scoaterea liniei i şi coloanei k,
atunci
Γik = (−1)i+k det(Aik )
s.n. complemenul algebric ataşat coeficietului aik . Au loc egalităţile:
n
X
det(A) = aik Γik
i=1

(dezvoltarea determinantului după coloana k);

n
X
det(A) = aij Γij
j=1

(dezvoltarea determinantului după linia i).

2. Rangul unei matrici

Definiţia 2.1. Dacă A = [aij ] ∈ Mmn (K), p, q ∈ N∗ şi
1 ≤ i1 < i2 < · · · < ip ≤ m; 1 ≤ j1 < . . . jq ≤ n
sunt două şiruri strict crescătoare de numere naturale, atunci matricea
 
ai1 j1 ai1 j2 . . . ai1 jq
 ai2 j1 ai2 j2 . . . ai2 jq 
[ail jk ] = 
 ... .. ..  ∈ Mpq (K)
. ... . 
aip j1 aip j2 . . . aip jq
s.n. submatrice (de tip (p, q)) a matricii A.
Un determinant al unei submatrici de tip (p, p) s.n. minor de grad
p.
p
Observaţia 2.2. Maricea A are Cm Cnq submatrici de tip (p, q).
Definiţia 2.3. Spunem că o matrice A are rangul r (şi notăm
rang(A) = r) dacă A are un minor de grad r nenul şi toţi minorii de
ordin superior lui r ataşaţi lui A sunt nuli.
Teorema 2.4. Dacă A ∈ Mmn (K), atunci
rang(A) = rang[cA A A A
1 , . . . , cn ] = rang[l1 , . . . , lm ]
4 MATRICI ŞI SISTEME DE ECUAŢII LINIARE

Demonstraţie. Dacă rang(A) = r,

Corolarul 2.5. rang(A) = r dacă şi numai dacă A are un minor

de grad r nenul şi orice minor de grad > r este nul.

Observaţia 2.6. Teorema 2.4 ne arată că putem folosi algoritmul

furnizat de lema substituţiei pentru determinarea rangului unei matrici.

Example 2.7.
 3. TRANSFORMĂRI ELEMENTARE 5

3. Transformări elementare
Definiţia 3.1. Fie a = [v1 , . . . , vi , . . . , vj , . . . , vn ] un sistem de
vectori din K-spaţiul vectorial V . Spunem că efectuăm o transfor-
mare elementară asupra sistemului a dacă ı̂l modificăm ı̂ntr-unul din
următoarele moduri:
• permutăm (intervertim) doi vectori din sistem, obţinând un
sistem: a0 = [v1 , . . . , vj , . . . , vi , . . . , vn ]
• ı̂nmulţim un vector cu un scalar α 6= 0, obţinând un sistem:
a = [v1 , . . . , αvi , . . . , vj , . . . , vn ]
• adunăm la un vector din sistem un alt vector din sistem ı̂nmulţit
cu un scalar α ∈ K, obţinând sistemul: a000 = [v1 , . . . , vi +
αvj , . . . , vj , . . . , vn ]
Propoziţia 3.2. Fie a un sistem de vectori din K-spaţiul vectorial
V şi b un sistem de vectori obţinut din a prin aplicarea succesivă a unui
număr finit de transformări elementare. Atunci hai = hbi.
Demonstraţie.

¤
Corolarul 3.3. Dacă a şi b sunt ca ı̂n propoziţia anterioară,
atunci rang(a) = rang(b).
Definiţia 3.4. 1) Fie A = [aij ] = [cA A A A
1 , . . . , cn ] = [l1 , . . . , ln ] ∈
Mmn (K). Spunem că efectuăm o transformare elementară pe linii, re-
spectiv coloane, asupra matricii A dacă modificăm matricea efectuând
o transformare elementară asupra coloanelor, respectiv liniilor, sale.
2) Două matrici A, B ∈ Mmn (K) sunt elementar echivalente (pe
linii, respectiv coloane) dacă B este obţinută din A prin aplicarea suc-
cesivă a unui număr finit de transformări elementare numai asupra
liniilor repectiv numai asupra coloanelor lui A.
Definiţia 3.5. O matrice B = [bij ] ∈ Mmn (K) are o formă eşalon
cu r linii (coloane) nenule dacă sunt ı̂ndeplinite condiţiile:
(i) liniile (coloanele) r + 1, r + 2, . . . sunt nule;
6 MATRICI ŞI SISTEME DE ECUAŢII LINIARE

(ii) dacă n0 (i) repezintă numărul elementelor nule de la ı̂nceputul

liniei (coloanei) i, atunci
0 ≤ n0 (1) < n0 (2) < · · · < n0 (r).
Dacă, ı̂n plus, ∀1 ≤ i ≤ r n0 (i) = i − 1, atunci B are o formă
trapezoidală. O matrice din Mmn cu formă trapezoidală cu n linii
nenule s.n. matrice triunghiulară. Dacă singurele elemente posibil
nenule din B sunt b11 , . . . , brr , atunci spunem că B are formă diagonală.
Example 3.6.

Teorema 3.7. Orice matrice este elementar echivalentă cu o ma-

trice eşalon.
Demonstraţie.

¤
Aplicaţii.
1. Aflarea rangului unui sistem de vectori şi a unei baze a
subspaţiului generat
Fie V un K-s.v., e = [e1 , . . . , en ] o bază a lui V şi a = [v1 , . . . , vm ]
un sistem de vectori din V . scriem coordonatele vectorilor din a ı̂n
 4. SCHIMBAREA BAZEI UNUI SPAŢIU VECTORIAL 7

baza e:
v1 = (α11 , . . . , α1n )et , . . . , vm = (αm1 , . . . , αmn )et
şi considerăm matricea A = [αij ] ∈ Mmn (K). Avem egaliatea (for-
mală):
    
v1 α11 . . . α1n e1
at =  ...  =  ... ...
..  
.
..  = Aet .
.
vm αm1 . . . αmn en
Fie B ∈ Mmn (K) o matrice eşalon cu r linii nenule, echivalentă pe
linii cu A, B = [l1A , . . . , lm
A t
].
Teorema 3.8. a) rang(a) = r;.
b) Sistemul de vectori [l1A et , . . . , lrA et ] este o bază pentru hai.
2. Aflarea rangului unei matrici
Corolarul 3.9. Dacă A este o matrice, elementar echivalentă pe
linii cu o matrice eşalon cu r linii nenule, atunci rang(A) = r.
Example 3.10.

4. Schimbarea bazei unui spaţiu vectorial

Problema 4.1. Fie V un K-s.v. şi a = [v1 , . . . , vn ], b = [w1 , . . . , wn ]
două baze din V . Să se găsească o formulă de calcul a coordonatelor
unui vector x ı̂n baza b , atunci când ştim coordonale sale ı̂n baza a.
Soluţie. Fie x = (α1 , . . . , αn )at = (β1 , . . . , βn )bt .
Scriem coordonatele vectorilor din a ı̂n baza b:
v1 = (α11 , . . . , α1n )bt , . . . , vn = (αn1 , . . . , αnn )bt
8 MATRICI ŞI SISTEME DE ECUAŢII LINIARE

şi considerăm matricea A = [αij ] ∈ Mmn (K). Avem egaliatea (for-

mală):
    
v1 α11 . . . α1n w1
at =  ...  =  ... . . . ..   ..  = U bt ,
. .
vm αn1 . . . αnn wn
unde U = [αij ] ∈ Mn (K).
Dacă x = (α1 , . . . , αn )at = (β1 , . . . , βn )bt , atunci (α1 , . . . , αn )U bt =
(β1 , . . . , βn )bt , deci (β1 , . . . , βn ) = (α1 , . . . , αn )U . ¤
Definiţia 4.2. Matricea U construită anterior s.n. matricea de
trecere de la baza a la baza b.
U
Notaţia 4.3. Situaţia prezentată se notează: a → b.
Am demonstrat
U
Teorema 4.4. Dacă a şi b sunt baze ale K-s.v. V , a → b şi x =
(α1 , . . . , αn )at = (β1 , . . . , βn )bt , atunci (β1 , . . . , βn ) = (α1 , . . . , αn )U
Teorema 4.5. Fie V un K-s.v. şi a, b şi c baze ale lui V . Dacă
U U UV
a → b, b → c, atunci a → c
Demonstraţie. a = U b = U V c. ¤
U U
Corolarul 4.6. Dacă a → b şi b → a, atunci U V = V U = In
Demonstraţie.

¤
5. Matrici inversabile
Definiţia 5.1. O matrice U ∈ Mn (K) s.n. inverabilă dacă există
V ∈ Mn (K) astfel ı̂ncât U V = V U = In . În această situaţie V se
notează cu U −1 şi s.n. inversa lui U .
U U
Corolarul 5.2. Dacă a → b şi b → a, atunci U şi V sunt
inversabile şi V = U −1 .
Teorema 5.3. O matrice A ∈ Mn (K) este inversabilă dacă şi
numai dacă det(A) 6= 0.
 5. MATRICI INVERSABILE 9

Demonstraţie.

¤
Observaţia 5.4. Demontraţia teoremei anterioare ne furnizează o
metodă de calcul a inversei unei matrici.
Teorema 5.5. O matrice A ∈ Mn (K) este inversabilă dacă şi nu-
mai dacă sistemul de vectori format din liniile (coloanele) sale reprezintă
o bază a K-spaţiului vectorial K n .
Demonstraţie.

¤
Observaţia 5.6. Este suficient să cerem ca sistemul de vectori să
fie liniar independent.
10 MATRICI ŞI SISTEME DE ECUAŢII LINIARE

Observaţia 5.7. Dacă A ∈ Mn (K) este invesabilă, atunci A−1

este matricea de trecere de la baza canonică la baza [l1A , . . . , ln A] (sau
[cA
1 , . . . , cn A]). Liniile (coloanele) matricii A
−1
sunt date de cordonatele
vectorilor din baza canonică ı̂n baza [l1 , . . . , ln A] (respectiv [cA
A
1 , . . . , cn A]).

Metode de calcul pentru inversa unei matrici.

II. Folosind lema substituţiei

cA
1 . . . cAn e1 . . . e n
cA1
t −→ .
.. In A−1
e A In
cAn
III. Folosind transformări elementare
Dacă A este inversabilă atunci A ∼ In .
Metoda: [A|In ] ∼ · · · ∼ [In |A−1 ] (se lucrează numai pe linii!)
Example 5.8.

6. Matricea unei aplicaţii liniare

Fie U şi V două K-spaţii vectoriale, a = [a1 , . . . , am bază ı̂n U şi
b = [b1 , . . . , bn ] bază ı̂n V . Dacă f : U → V este o aplicaţie liniară,
calculăm coordonatele vectorilor f (ai ) ı̂n baza b:
 
b1
f (a1 ) = (α11 , . . . , α1n )  ... 
bn
............
 
b1
f (am ) = (αm1 , . . . , αmn )  ...  ,
bn
adică    
f (a1 ) b1
(?)  ..  = [αij ]  .. 
. .
f (am ) bn
Definiţia 6.1. Matricea (αij ) ∈ Mmn (K) dată de formula (?) s.n.
matricea aplicaţiei liniare f ı̂n perechea de baze (a, b). Ea se notează
cu [f ]ab . Dacă U = V şi a = b, atunci notăm matricea corespunzătoare
cu [f ]a .
Observaţia 6.2. Formula (?) poate fi scrisă formal f (at ) = [f ]ab bt .
 6. MATRICEA UNEI APLICAŢII LINIARE 11

Reciproc, dacă A ∈ Mmn (K), atunci ∃!f : U → V aplicaţie

liniară astfel ı̂ncât [f ]ab = A. Aplicaţia f este construită cu condiţia
(?). Dacă x = (α1 , . . . , αm )at , atunci
f (x) = (α1 , . . . , αm )[f ]ab bt .
Observaţia 6.3. (α1 , . . . , αm )[f ]ab reprezintă coordonatele lui f (x)
ı̂n baza b.
Propoziţia 6.4. (legătura ı̂ntre operaţii) Fie U , V şi W trei
K-spaţii vectoriale ı̂n care sunt fixate bazele a, b, respectiv c.
a) Dacă f, g : U → V sunt aplicaţii liniare şi α ∈ K, atunci
[f + g]ab = [f ]ab + [g]ab ,
[αf ]ab = α[f ]ab .

b) Dacă f : U → V şi g : V → W sunt aplicaţii liniare, atunci

[g ◦ f ]ac = [f ]ab [g]bc .
Demonstraţie.

¤
Propoziţia 6.5. (schimbarea bazei)
Fie f : U → V o aplicaţie liniară, a şi a0 baze ı̂n U , respectiv b şi
A B0
b0 baze ı̂n V . Dacă a → a0 şi bb , atunci
[f ]a0 b0 = A−1 [f ]ab B.
Demonstraţie.
12 MATRICI ŞI SISTEME DE ECUAŢII LINIARE

¤
Reamintim rang(f ) = dimK (Im(f )), def(f ) = dimK (Ker(f )).
Propoziţia 6.6. Dacă f : U → V este o aplicaţie liniară, a este
bază ı̂n U şi b este bază ı̂n V , atunci
rang(f ) = rang[f ]ab ,
def(f ) = dimK (U ) − rang[f ]ab .
Demonstraţie.

¤
Example 6.7. f : R4 → R3 , f (x1 , x2 , x3 , x4 ) = (x1 + x3 − x4 , −x1 +
3x2 − x3 + x4 , 2x1 − 3x2 + 2x3 − 2x4 ).

7. Vectori şi valori proprii

Definiţia 7.1. Fie V un K-s.v. şi f : V → V un endomorfism
al lui V . Un vector x ∈ V \ {0} s.n. vector propriu ataşat lui f dacă
există λ ∈ K astfel ı̂ncât f (x) = λx. În aceste condiţii spunem că λ
este o valoare proprie a lui f , corespunzătoare vectorului propriu x.
Mulţimea
Spec(f ) = {λ ∈ K | λ este valoare proprie pentru f }
s.n. spectrul lui f .
Propoziţia 7.2. Fie V un K-s.v. şi f : V → V un endomorfism
al lui V . Sunt adevărate afirmaţiile:
a) Unui vector propriu ı̂i corespunde o singură valoare proprie.
b) Un sistem format din vectori proprii corespunzători la valori pro-
prii distinte este liniar independent.
 7. VECTORI ŞI VALORI PROPRII 13

c) Dacă λ ∈ Spec(f ), atunci mulţimea Vλ = {v ∈ V | f (v) = λv}

este un subspaţiu nenul al lui V şi f (Vλ ) ⊆ Vλ .

Demonstraţie.

Observaţia 7.3. Vλ = Ker(f − λ1V ) este mulţimea vectorilor pro-

prii corespunzători lui λ la care se adaugă vectorul nul.

Definiţia 7.4. Dacă λ ∈ Spec(f ), atunci Vλ s.n. subspaţiul vecto-

rilor proprii ataşati lui λ. Numărul

dλ = dimK (Vλ )

s.n. multiplicitatea geometrică a lui λ.

Definiţia 7.5. Fie V un K-s.v. cu dimK (V ) = n, b o bază ı̂n V

şi f : V → V un endomorfism al lui V . Polinomul Pf (X) = det([f ]b −
XIn ) s.n. polinomul caracteristic ataşat lui f .

Teorema 7.6. Fie V un K-s.v. şi f : V → V un endomorfism al

lui V .
a) Valoarea polinomului caracteristic Pf (X) este idependentă de
baza ı̂n care acesta se calculează.
b) λ ∈ Spec(f ) ⇔ Pf (λ) = 0.

Demonstraţie.
14 MATRICI ŞI SISTEME DE ECUAŢII LINIARE

¤
Definiţia 7.7. Ordinul de multiplicitate a unei valori proprii λ ca
rădăcină a polinomului caracteristic s.n. multiplicitatea algebrică a lui
λ şi se noteaă cu mλ .
Propoziţia 7.8. 1 ≤ dλ ≤ mλ ≤ dimK (V ).
Demonstraţie.

¤
Observaţia 7.9. Teoria vectorilor şi valorilor proprii poate fi făcută
şi pentru matrici pătratice, ţinând cont e faptul că orice matrice A ∈
Mn (K) determină un endomorfism al K-spaţiului vectorial V .
Definiţia 7.10. Fie A ∈ Mn (K).
a) Polinomul PA (X) = det(A − XIn ) s.n. polinomul caracteristic
ataşat lui A.
b) Un scalar λ ∈ K s.n. valoare proprie pentru A dacă PA (λ) = 0.
Notăm cu Spec(A) mulţimea valorilor proprii ataşate lui A.
c) Un n-uplu α = (α1 , . . . , αn ) ∈ K n \{0} s.n. vector propriu pentru
A dacă α(A − λIn ) = 0 pentru un λ ∈ K.
d) Dacă λ ∈ Spec(f ), atunci
• dA = n − rang(A − λIn ) s.n. multiplicitatea geometrică a lui
A.
• mλ =ordinul de multiplicitate a rădăcinii λ pentru PA (X) s.n.
multiplicitatea algebrică a lui λ.
Definiţia 7.11. Două matrici A, A0 ∈ Mn (K) sunt asemenea dacă
există B ∈ Mn (K) a.i. A0 = B −1 AB
Observaţia 7.12. Două matrici asemenea au acelaşi polinom car-
acteristic.
Definiţia 7.13. Spunem că o matrice A ∈ Mn (K) este simetrică
dacă A = At .
Teorema 7.14. Dacă A ∈ Mn (R) este o matrice simetrică, atunci
Spec(A) ⊆ R.
 8. ENDOMORFISME (MATRICI) DIAGONALIZABILE 15

8. Endomorfisme (matrici) diagonalizabile

Definiţia 8.1. Fie V un K-s.v. şi f : V → V un endomorfism al
lui V . Spunem că f este diagonalizabil dacă există o bază b a lui V
astfel ı̂nât [f ]b să fie diagonală.
O matrice este diagonalizabilă dacă este asemenea cu o matrice
diagonală.
Teorema 8.2. Un endomorfism f al K-spaţiului vectorial V este
diagonalizabil dacă şi numai dacă V are o bază formată din vectori
proprii ai lui f .
Demonstraţie.

¤
Teorema 8.3. Fie V un K-s.v. şi f : V → V un endomorfism al
lui V (A ∈ Mn (K)). Următoarele afirmaţii sunt echivalente:
a) f (respectiv A) este diagonalizabil.
b) ∀λ ∈ Spec(f ), mλ = dλ .
Observaţia 8.4. Ca să găsim forma diagonală trebuie să determi-
nam o bază formată din vectori proprii.
Procedeu practic de diagonalizare Pentru diagonalizare endo-
morfismului f : V → V cu dimK (V ) = n, se parcurg următorii paşi:
1) Se fixează o bază b a lui V şi se determină matricea [f ]b ;
2) Calculăm Pf (X) şi determinăm Spec(f );
3) Se P
determină mλ , λ ∈ Spec(f ).
Dacă λ∈Spec(f ) 6= n, atunci f nu este diagonalizabil;
P
Dacă λ∈Spec(f ) = n, atunci se trece la 4);
4) Pentru fiecare λ ∈ Spec(f ) calculăm dλ = n − rang([f ]b − λIn );
16 MATRICI ŞI SISTEME DE ECUAŢII LINIARE

Dacă ∃λ a.i. mλ 6= dλ , atunci f nu este diagonalizabil;

Dacă ∀λ, mλ 6= dλ , atunci f este diagonalizabil şi se trece la
pasul 5);
5) Pentru fiecare λ ∈ Spec(f ) determinăm o bază aλ ı̂n Vλ =
Ker(f − λ1V ).
6) Reuniunea bazelor aλ este o bază ı̂n care f are forma diagonală.
Observaţia 8.5. Pentru diagonalizarea matricilor se respectă paşii
2)–5) din algoritmul anterior. Pasul 6) se ı̂nlocuieşte cu:
6’) Matricea care are pe linii vectorii determinaţi la pasul 5) are pro-
prietatea: BAB −1 este matrice diagonală (A notează matricea iniţială).
 
4 6 0
Example 8.6. A =  −3 −5 0 
−3 −6 1
9. Sisteme de ecuaţii liniare
Definiţia 9.1. Fie K un corp comutativ.
1) Prin sistem de m ecuaţii liniare cu n necunoscute X1 , . . . , Xn şi
coeficienţi ı̂n K se ı̂nţelege un ansamblu de egalităţi formale


 a X + a12 X2 + · · · + a1n Xn = b1
 11 1
a21 X1 + a22 X2 + · · · + a2n Xn = b2
(S) , aij , bi ∈ K.

 .........
 a X + a X + ··· + a X = b
m1 1 m2 2 mn n m

Dacă b1 = · · · = bn = 0, atunci spunem că (S) este un sistem

omogen.
2) Un vector x = (x1 , . . . , xn ) ∈ K n este soluţie pentru (S) dacă
ı̂nlocuind necunoscutele sistemului cu componentele vectorului Xi := xi
toate egalităţile ce se obţin sunt adevărate.
3) Sistemul (S) este compatibil dacă are cel puţin o soluţie şi este
incompatibil dacă nu are soluţii. (S) este compatibil determinat dacă
are exact o soluţie, iar dacă are cel puţin două suluţii, atunci spunem
că este compatibil nedeterminat.
Definiţia 9.2. Fiind dat un sistem (S), matricea A = (aij ) s.n.
 
a11 . . . a1n b1
matricea sitemului (S). Matricea Ae =  ... ..
.
..
.
..  s.n.
.
am1 . . . amn bm
matricea extinsă ataşată lui (S).
Observaţia 9.3. (Forma matriceală) Dacă A = [aij ] este ma-
tricea sistemului (S), atunci sistemul poate i scris sub forma:
(S) AX t = bt ,
 9. SISTEME DE ECUAŢII LINIARE 17

unde X = (X1 , . . . Xn ) şi b = (b1 , . . . , bm ).

Observaţia 9.4. (Forma vectorială) Dacă privim coloanele ma-

tricii A ca vectori coloană din K-spaţiul vectorial K n , atunci sistemul
poate fi pus sub forma:

(S)X1 cA A
1 + . . . X n cn = b
t

Teorema 9.5. (Kroneker-Capelli)

Sistemul de ecutaţii liniare (S) este compatibil dacă şi numai dacă
rang(A) = rang(Ae ).

Demonstraţie.

Observaţia 9.6. Criteriul lui Rouché, studiat ı̂n liceu este o consecinţă
a teoremei Kroneker-Capelli.

Teorema 9.7. Soluţiile unui sistem omogen (S) cu n necunoscute

formează un subspaţiu al K-spaţiului vectorial K n , de dimensiune n −
rang(A).

Demonstraţie.
18 MATRICI ŞI SISTEME DE ECUAŢII LINIARE

¤
Corolarul 9.8. Un sistem omogen (S) are doar soluţia banală
(0, . . . , 0) dacă şi numai dacă n = rang(A).
Observaţia 9.9. Din demonstraţia teoremei se deduce că subspaţiul
soluţiilor unui sistem omogen coincide cu nucleul aplicaţiei liniare f :
K n → K m cu [f ]ee0 = At , unde e şi e0 sunt bazele canonice. Prin ur-
mare, pentru determinarea solţiilor unui sistem omogen se pot aplica
metodele prezentate pentru determinarea nucleelor de aplicaţii liniare.
Teorema 9.10. Fie (S) AX t = bt un sistem de ecuaţii liniare şi
(S0 ) sistemul omogen AX t = 0 (obţinut prin ı̂nlocuirea coloanei b cu
0). Dacă x0 este o soluţie particulară a lui (S) şi S0 este mulţimea
soluţiilor lui (S0 ), atunci mulţimea soluţiilor sistemului (S) este
S = x0 + S0 = {x0 + y | y ∈ S0 }.
Demonstraţie.

10. Rezolvarea sistemelor de ecuaţii liniare

Teorema 10.1. (Regula lui Cramer) Un sistem (S) AX t = bt
cu n ecuaţii şi n necunoscute (adică A ∈ Mn (K)) este compatibil
determinat dacă şi numai dacă det(A) 6= 0. În aceste condiţii soluţia
este x = (x1 , . . . , xn ) cu
xi = (det(A))−1 det[cA A t A A
1 , . . . , ci−1 , b , ci+1 , . . . , cn ], ∀i ∈ {1, . . . , n}.

Demonstraţie.
 10. REZOLVAREA SISTEMELOR DE ECUAŢII LINIARE 19

Metode de rezolvare
I. Metoda lui Cramer
II. Folosind lema substituţiei
Observaţia 10.2. Este suficient să găsim o bază pentru spaţiul
soluţiilor sistemului omogen (numit sistem fundamental de soluţii şi o
soluţie particulară.

Example 10.3. Să se rezolve sistemul


 x1 − x2 + 2x3 + x4 + 3x5 = 2
x 1 − x2 + x3 + x4 + x5 = 1

−3x1 + 2x2 + x3 − 4x4 + 4x5 = −3
III. Metoda lui Gauss
Definiţia 10.4. Spenem că două sisteme de ecuaţii liniare sunt
echivalente dacă ambele sunt compatbile şi au aceleaşi soluţii sau dacă
ambele sunt incompatibile.
Teorema 10.5. Dacă sistemele (S) şi (S 0 ) au matricile extinse
echivalente pe linii, atunci ele sunt echivalente.
20 MATRICI ŞI SISTEME DE ECUAŢII LINIARE

Metoda lui Gauss constă ı̂n aducerea matricii extinse la o fomă

eşalon şi rezolvarea sistemului care are ca matrice extinsă matricea
eşalon obţinută.
Example 10.6. Ex. anterior
Metoda lui Gauss-Jordan se bazează pa acelaşi principiu ca şi metda
lui Gauss, cu diferenţa că se aduce matricea la o formă care este diag-
onală pe primele n coloane (corespunzătoare matricii sistemlui).
Example 10.7. a) Ex. anterior.
Example
 10.8. Să se rezolve cu toate metodele studiate sistemele:
 3x1 + 4x2 + x3 + 2x4 = 3
a) 6x1 + 8x2 + 2x3 + 5x4 = 7

 9x1 + 12x2 + 3x3 + 10x4 = 13
 3x1 + 4x2 + x3 + 2x4 = 3
b) 6x1 + 8x2 + 2x3 + 5x4 = 7
 9x + 12x + 3x + 10x = 14
1 2 3 4