¼

0.1. PREFAŢ A v

0.1. Prefaţ¼
a
Cursul de Algebr¼ a liniar¼
a se adreseaz¼
a cu prec¼ adere (dar nu numai)
studenţilor Facult¼aţii de Cibernetic¼
a, Statistic¼
a şi Informatic¼
a Economic¼
a.
Participanţii la acest curs se cer a … persoane care au absolvit liceul,
au susţinut cu succes bacalaureatul şi au fost declaraţi admişi ca studenţi
printr–o form¼ a de admitere (examen sau concurs). Pentru ei cursul de
Algebr¼a Liniar¼ a reprezint¼ a una dintre primele experienţe studenţeşti şi
din acest punct de vedere, se poate spune c¼ a structura cursului este un
standard pentru ce se va întâmpla mai departe în evoluţia studentului spre
absolvire şi spre profesionalism.
Care este bagajul iniţial de cunoştinţe necesare studentului?

Matematic¼
a: Trebuie st¼apânite „perfect”toate cunoştinţele de liceu.
preciz¼
ari:
–Matematica reprezint¼ a un ansamblu; descompunerea în Alge-
br¼a, Analiz¼a, Geometrie este arti…cial¼ a şi conduce la pierderi
de informaţie (întregul este mai mare decât suma componen-
telor).
–Materia de liceu trebuie st¼ apânit¼
a în „cross–section”: foarte
des studenţii sunt puşi în situaţia de a „s¼ari”de la o clas¼ a de
liceu la alta f¼ar¼
a efort; este un slalom informaţional pentru
care absolvenţii de liceu nu sunt întotdeauna preg¼ atiţi.
–Programa de liceu obişnuieşte s¼ a „ignore ”aspectele teoretice
ale materiei discutate; o condiţie necesar¼ a pentru începutul
cursului este st¼ apânirea materiei de liceu la nivel de teorie
(de…niţii, enunţuri şi demonstraţii).
–Printre „zonele” care în general nu sunt st¼ apânite şi la care
studenţii au probleme se num¼ ar¼
a: Logica, Teoria Mulţimilor,
Funcţii, Mulţimile de numere (caracteristicile şi structura
lor), Trigonometria, Aplicaţii şi interpret¼ ari ale noţiunilor
matematice abstracte în alte domenii (Economie, Ştiinţe So-
ciale, Fizic¼a, etc).
–Geometria şi Geometria Analitic¼ a trebuie st¼apânite f¼ar¼a pro-
bleme; pentru foarte multe noţiuni abstracte, Geometria re-
prezint¼a „vizualizare”.
–Absolvenţii de liceu au o foarte mare problem¼ a cu citirea unor
texte de matematic¼ a (se constat¼ a c¼
a uneori, deşi au absolvit
 vi CUPRINS

liceul, nu şi–au citit manualele de Matematic¼ a din Liceu, ci

numai au f¼ acut exerciţii pe modele date la clas¼ a)
–Psihologic vorbind, asimilarea informaţiei matematice este
foarte mult îmbun¼ at¼aţit¼
a de dou¼ a aspecte: vizualizarea in-
formaţiei şi conectarea informaţiei vizualizate cu informaţii
„vecine” din alte domenii (prin interpret¼ ari ale noţiunilor
matematice abstracte) şi din viaţa de zi cu zi; de obicei,
pentru ca acest sistem s¼ a funcţioneze este nevoie de o atitu-
dine speci…c¼ a şi de un antrenament de durat¼ a.
Informatic¼
a: Nivelul minim este de utilizare a unui sistem de operare şi a unor
programe aplicative în cadrul acestui sistem de operare.
preciz¼
ari:
–Cei mai mulţi dintre proaspeţii studenţi lucrez¼ a pe computer
de câţiva ani şi au studiat în Liceu Informatic¼ a.
–Pentru nivelul minim nu este necesar¼ a st¼apânirea altor siste-
me de operare în afara celor de la Microsoft (e.g. Windows 98,
Windows 2000, Windows XP). Le–ar … de folos dac¼ a ar avea
m¼ acar noţiuni despre alte sisteme de operare (în special cele
Open Source, Linux: RedHat, Mandrake, Debian, Slackware,
Suse, etc).
–Utilizarea liniei de comand¼ a este foarte util¼ a şi, din p¼acate,
aproape necunoscut¼ a (de fapt st¼ apânirea liniei de comand¼ a
şi a script–urilor este un tip special de cultur¼ a informatic¼ a)
–Studiul m¼ acar al unui limbaj de programare este necesar; din
p¼ acate, absolvenţii de liceu st¼ apânesc acest nivel dar nu au
ce programa (cunosc cuvintele şi topica frazei, dar nu prea
au ce spune...)
–St¼ apânirea şi a altor programe aplicative în afar¼ a de Microsoft
O¢ ce. De exemplu tehnoredactarea profesional¼ a de texte
matematice se face folosind sisteme care au la baz¼ a un limbaj
de programare numit LaTeX.
–Lucrul pe computer în Limba Român¼ a (cu caractere româ-
neşti) este o necesitate care de obicei este ignorat¼ a.
–Matematica de liceu poate … îmbog¼ aţit¼
a prin utilizarea pro-
gramelor (produselor software) de tip CAS (Computer Alge-
bra Systems) dintre care menţion¼ am: Scienti…c WorkPlace,
Mathematica, Mupad, Maple, MatLab, MathCad, Octave,
Maxima, SciFace, etc. Din p¼ acate acest lucru nu se întâmpl¼ a.
 ¼
0.1. PREFAŢA vii

–Este total ignorat¼ a problema licenţelor software şi a noţiunii

de copyright. A fura sau nu este o problem¼ a personal¼ a de
moral¼ a care nu va …rezolvat¼ a la cursul de Algebr¼ a Liniar¼ a dar
ni se pare total nociv şi periculos s¼ a nu ştii c¼
a furi şi c¼
a poţi
… penalizat pentru asta... cu certitudine nu este atitudine
profesional¼a. Un sfat: este bine s¼ a se citeasc¼ a pentru …ecare
produs software m¼ acar EULA (End User Licence Agreement).
Limbi str¼
aine: Este necesar¼ a st¼
apânirea m¼ acar a unei limbi de circulaţie inter-
naţional¼a (alta decât Limba Român¼ a :-))
preciz¼
ari:
–Cei mai mulţi absolvenţi de liceu st¼ apânesc Limba Englez¼ a;
unii se descurc¼a în Limba Francez¼ a, Limba Spaniol¼ a, Limba
Italian¼a, Limba German¼ a, Limba Rus¼ a, etc.
–Aproape nimeni nu a lucrat în aceste limbi altceva decât
studiul limbii; studenţi care st¼ apânesc bine şi foarte bine o
limb¼a au di…cult¼aţi la citirea unor texte profesionale în acea
limb¼a (texte referitoare la Economie, Informatic¼ a, Matema-
tic¼
a, etc)
Evident, preciz¼ arile de mai sus se refer¼ a la constat¼ari f¼
acute în activi-
tatea cu studenţii (15 generaţii de studenţi) cu precizarea c¼ a observaţiile
se refer¼a numai la studenţii din cadrul Academiei de Studii Economice.
Cursul se ocup¼ a în special de rezultatele care au loc în cadrul structurii
abstracte numit¼ a „spaţiu vectorial”, mai precis cele de dimensiune …nit¼ a.
Se prezint¼ a de…niţiile şi noţiunile introductive dup¼ a care se trece la demon-
str¼
ari de rezultate. Se discut¼ a problema reprezent¼ arii obiectelor abstracte
în spaţii vectoriale, tehnici de calcul şi proceduri pentru a‡area acestor re-
prezent¼ ari iar cursul se încheie cu forme canonice. Se prezint¼ a introducerea
structurilor de natur¼ a geometric¼ a (spaţii euclidiene, proiecţii, etc) în cadrul
structurilor abstracte şi se preg¼ ateşte introducerea structurilor de natur¼ a
topologic¼ a (analiz¼a) peste structura de tip algebric–geometric.
Textul de faţ¼ a este conceput pentru a … un material ce completeaz¼ a
notele de curs şi un punct de plecare pentru preg¼ atirea seminarului. Textul
de faţ¼
a nu este conceput pentru a … „user–friendly” (prietenos din punct
de vedere al prezent¼ arii) ci pentru a … un ajutor în procesul de predare.
R¼amâne la latitudinea …ec¼ arui titular de curs s¼ a decid¼a cât şi cum foloseşte
acest text. De altfel, o întrebare care merit¼ a totdeauna pus¼ a este: „Pentru
cine a fost scris acest text?”. R¼ aspunsul autorilor la aceast¼ a întrebare
este: „Pentru noi.” Textul de faţ¼ a nu conţine şi nu face apel la noţiunile
viii CUPRINS

de informatic¼ a invocate mai sus, cunoştinţe necesare preg¼

atirii referatelor
şi proiectelor.
Algebra Liniar¼ a este un subiect clasic. Asta înseamn¼ a c¼a cele mai
multe cursuri dintre cele ce vor urma în viaţa de student fac (sau ar
trebui s¼ a fac¼
a) apel la Algebra Liniar¼
a. Printre acestea se num¼ ar¼a: Analiz¼a
Matematic¼ a, Matematici Generale, Matematici Financiare, Teoria Proba-
bilit¼aţilor, Statistica, Matematici Actuariale, Procese Stochastice, Teoria
Riscului, Economie, Microeconomie, Macroeconomie, Econometrie, Socio-
metrie, Teoria Deciziilor, Analiz¼ a Numeric¼ a, Analiza Datelor, Criptogra…e,
Baze de Date etc. La cererea studenţilor pot … oferite informaţii despre
interpretarea noţiunilor abstracte de Algebr¼ a Liniar¼
a în …ecare dintre
aceste contexte, dar deocamdat¼ a s–a decis s¼ a nu se încarce textul şi cu
aceste informaţii.
 CAPITOLUL 1

Spaţii vectoriale

1.1. Introducere
1.1.1. De…niţie. (De…niţia spaţiului vectorial) Se dau:
mulţimile:
–V 6= ; (elementele mulţimii V se numesc vectori (puncte));
–K 6= ; (elementele mulţimii K se numesc scalari (numere));
funcţiile:
–+K ( ; ) : K K ! K (funcţia este o operaţie pe mulţimea
K numit¼ a adunarea scalarilor şi va … notat¼ a „+”;),
– K ( ; ) : K K ! K (funcţia este o operaţie pe mulţimea K
numit¼ a înmulţirea scalarilor şi va … notat¼
a „”),
–+V ( ; ) : V V ! V (funcţia este o operaţie pe mulţimea V
numit¼ a adunarea vectorilor şi va … notat¼ a „+”;)
– ( ; ) : K V ! V (funcţia este o operaţie extern¼ a pe
mulţimea V numit¼ a înmulţirea vectorilor cu scalari şi va …
notat¼ a „”(pentru …ecare 2 K …xat, operaţia parţial¼ aV3
x 7! x 2 V poate … numit¼ a omotetie de parametru ).)
Perechea (V; K) (împreun¼ a cu operaţiile descrise mai sus) se numeşte
spaţiu vectorial dac¼
a sunt îndeplinite urm¼ atoarele condiţii:
(1) (K; +K ; K ) este corp comutativ;
(2) (V; +V ) este grup abelian;
(3) 8a; b 2 K; 8x; y 2 V, au loc:
(a) (a +K b) x = a x +V b x (distributivitatea la dreapta a
operaţiei „”faţ¼
a de operaţia „+K ”);
(b) a (x +V y) = a x +V a y (distributivitatea la stânga a
operaţiei „”faţ¼
a de operaţia „+K ”);
(c) a (b x) = (a K b) x;
(d) 1K x = x.

1
2 1. SPAŢII VECTORIALE

1.1.2. Observaţie.

Distincţia între diferitele operaţii notate la fel se va face

din context;
Elementul 0V este elementul neutru la adunarea vectorilor şi va
… notat în continuare cu 0;
Elementul 0K este elementul neutru la adunarea scalarilor şi va
… notat în continuare cu 0;
Elementul 1K este elementul neutru la înmulţirea scalarilor şi va
… notat în continuare cu 1;
Distincţia între diferitele elemente notate la fel se va face
din context.
Se folosesc noţiuni (presupuse) cunoscute din liceu: mulţimile de
numere (N, Z, Q, R, C) şi propriet¼ aţile lor, noţiunile Algebrei
de clasa a XII–a cum ar … parte stabil¼ a, operaţie, monoid, grup,
grup abelian, inel, inel comutativ, corp, corp comutativ, element
neutru pentru …ecare structur¼ a algebric¼ a, elemente simetrizabile,
simetricul unui element (faţ¼ a de o operaţie sau alta, atunci când
este cazul), propriet¼ aţi ale lor: unicitatea elementului neutru, u-
nicitatea elementului simetric, etc.
Convenţii de notaţie: vectorii vor … notaţi cu litere latine mici (a,
b, c, u, v, w, x, y, z, etc), scalarii cu litere greceşti mici ( , , , ,
etc), mulţimile cu litere latine mari „dublate”(A, B, C, D, K, L,
M, N, R, X, V, etc) la care se vor ad¼ auga eventual indici ( 0 , V1 ,
1 3 (2)
etc) şi/sau supraindici (U , x , y4 , etc) în funcţie de context.

1.1.3. Exerciţiu. S¼
a se arate c¼
a într–un monoid (cu element neutru)
elementul neutru este unic.

1.1.4. Exerciţiu. S¼a se arate c¼

a într–un grup elementul simetric al
unui element este unic.

1.1.5. Exemplu. Se consider¼

a mulţimea

0 1
x1
Rn = f@ ... A ; xi 2 R; i = 1; ng:
xn
 1.1. INTRODUCERE 3

Rn este spaţiu vectorial real în raport cu operaţiile:

0 1 0 1 0 1 0 1 0 1
x1 y1 x1 + y1 x1 y1
@ ... A + @ .. A Def
. = @ ..
. A;8@ .. A ; @
.
.. A 2 Rn
.
xn yn xn + yn xn yn

(semnul + din stânga se refer¼ a la adunarea elementelor din Rn iar semnele

+ din dreapta se refer¼ a la adunarea elementelor din R, deci se foloseşte
acelaşi semn pentru dou¼ a operaţii distincte; pe parcursul textului, distinc-
ţia trebuie f¼
acut¼
a din context) şi

0 1 0 1
x1 x1
@ ... A Def
= @ ..
. A ; 8 2 R:
xn xn

(R; +; ) este corp comutativ (se ştie din liceu); (Rn ; +) este grup abelian
(adunarea pe componente este asociativ¼ a, comutativ¼ a, admite element
neutru şi orice element este simetrizabil,
0 1datorit¼ a propriet¼aţilor
0 adun¼1 arii
0 x1
pe R), elementul neutru este 0Rn = @ ... A iar simetricul lui @ ... A este
0 xn
0 1
x1
@ .. A. Au loc propriet¼
aţile de distributivitate:
.
xn

0 1 0 1 0 1
x1 ( + ) x1 x1 + x1
.
( + ) @ .. A = @ .. A=@ .. A=
. .
x ( + ) xn x + x
0 1n 0 1 0 1 0n 1 n
x1 x1 x1 x1
= @ .
.. A + @ .
.. A= @ ... A + @ ... A ;
xn xn xn xn
4 1. SPAŢII VECTORIALE
0 1 0 1 0 1 0 1
x1 y1 x1 + y1 (x1 + y1 )
(@ ... A + @ ... A) = @ ..
. A=@ ..
. A=
xn yn xn + yn (xn + yn )
0 1 0 1 0 1
x1 + y1 x1 y1
=@ .. A=@ .. A+@ .. A=
. . .
x + yn xn yn
0 n 1 0 1
x1 y1
= @ ... A + @ ... A ;
xn yn

0 1 0 1 0 1
x1 ( ) x1 ( x1 )
( .
) @ .. A = @ .. A=@ .. A=
. .
xn ( ) x ( xn )
0 1 0 n1
x1 x1
= @ ... A = ( @ ... A):
xn xn

1.1.6. De…niţie. (De…niţia subspaţiului) Fie (V; K) spaţiu vectorial şi

S V; S se numeşte subspaţiu vectorial al lui (V; K) dac¼a:
(1) 8x; y 2 S; x + y 2 S;
(2) 8 2 K; 8x 2 S; x 2 S:

1.1.7. Exemplu. Mulţimea

80 1 9
< x1 =
S= @ x2 A 3
2 R ; x2 = 0
: ;
x3

este subspaţiu vectorial0

al spaţiului
1 vectorial
0 (R3 ; R).
1
x1 y1
Fie x; y 2 S ) x = @ 0 A şi y = @ 0 A; au loc:
x3 y3
01 0 1 0 1
x1 y1 x1 + y1
x+y =@ 0 A+@ 0 A=@ 0 A 2 S;
x3 y3 x3 + y3
 1.1. INTRODUCERE 5
0 1 0 1
x1 x1
iar pentru 2 R, x = @ 0 A = @ 0 A 2 S. Din de…nţia subspa-
x3 x3
ţiului rezult¼ a mulţimea S este subspaţiu al spaţiului vectorial (R3 ; R).
a c¼

1.1.8. De…niţie. (De…niţia operatorului liniar) Dac¼ a (V1 ; K) şi (V2 ; K)

sunt spaţii vectoriale (peste acelaşi corp de scalari), o funcţie U ( ) : V1 !
V2 se numeşte mor…sm de spaţii vectoriale (aplicaţie liniar¼a, operator
liniar, etc) dac¼a:

(1) U (x + y) = U (x) + U (y) ; 8x; y 2 V1 ( U ( ) este mor…sm de

grupuri (este aditiv));
(2) U ( x) = U (x) ; 8x 2 V1 ; 8 2 K (U ( ) este omogen).

Se noteaz¼
a cu LK (V1 ; V2 ) mulţimea tuturor mor…smelor dintre (V1 ; K)
şi (V2 ; K).

1.1.9. Exemplu. Fie spaţiile vectoriale (R3 ; R) şi (P2 [X] ; R) (Pn [X]
este mulţimea tuturor polinoamelor de grad cel mult n, în nedeterminata
X şi cu coe…cienţi reali). Funcţia U ( ) : P2 [X] ! R3 de…nit¼
a prin U (P ( ))
3 2
= xP ( ) 2 R (pentru un0polinom 1 P (X) = aX + bX + c 2 P2 [X] se
a
ataşeaz¼a vectorul xP ( ) = @ b A) este mor…sm de spaţii vectoriale.
c
Operaţiile în (P2 [X] ; R) sunt (de…niţiile sunt cunoscute din liceu):

Def
P ( ) + Q ( ) = (P + Q) ( ) ; unde: (P + Q) (X) = P (X) + Q (X) ;
Def
P ( ) = (( P ) ( )) ; unde: (
P ) (X) =0 P1 (X) :
a
P (X) = aX 2 + bX + c 2 P2 [X] ) U (P ( )) = @ b A 2 R3 ;
0c 1
a1
Q (X) = a1 X 2 + b1 X + c1 2 P2 [X] ) U (Q ( )) = @ b1 A 2 R3 :
c1
6 1. SPAŢII VECTORIALE

(P + Q) ( ) este de…nit de:

(P + Q) (X) = (a + a1 ) X02 + (b + b1
1) X 0
+ (c + 2 P2 [X]
1c1 ) 0 1 )
a + a1 a a1
) U ((P + Q) ( )) = @ b + b1 A = @ b A + @ b1 A
c + c1 c c1
= U (P ( )) + U (Q ( ))
( P ) ( ) este de…nit de:
( P ) (X)
0= 1aX 2 + 0bX 1
+ c)
a a
) U (( P ) ( )) = @ b A = @ b A = U (P ( )) :
c c
1.1.10. De…niţie. (Spaţii izomorfe) Spaţiile vectoriale între care exist¼
a
un mor…sm bijectiv (izomor…sm) se numesc izomorfe. Se va nota (V1 ; K) =
(V2 ; K).
1.1.11. Exerciţiu. S¼
a se arate c¼
a mor…smul din exemplul anterior este
funcţie bijectiv¼
a.
1.1.12. De…niţie. (Funcţional¼ a liniar¼
a) Se numeşte funcţional¼a liniar¼a
pe (V; K) orice operator liniar între (V; K) şi (K; K) (orice element al
mulţimii LK (V; K)). Mulţimea tuturor funcţionalelor liniare pe (V; K) se
noteaz¼a cu V0 (= LK (V; K)) şi se numeşte dualul algebric al lui (V; K).
1.1.13. Exerciţiu. S¼ a se arate c¼ a U ( ) : P2 [X] ! R, de…nit prin
U (P ( )) = P (1) este o funcţional¼
a liniar¼
a.
1.1.14. De…niţie. (Combinaţie liniar¼a) Pentru n 2 N, i = 1; n; xi 2
Pn
V şi i 2 K, elementul x = i xi se numeşte combinaţie liniar¼
a a
i=1
elementelor xi cu scalarii i . (scalarii care particip¼
a la sum¼
a se mai numesc
ponderi iar combinaţia liniar¼ a se mai numeşte sum¼a ponderat¼a ).
0 1 0 1
1 0
1.1.15. Exemplu. 2 @ 0 A +3 @ 1 A este o combinaţie liniar¼ a în R3 ;
0 0
0 1
2
valoarea ei este @ 3 A.
0
 1.1. INTRODUCERE 7

1.1.16. De…niţie. (Acoperirea liniar¼ a) Dac¼a A V este o mulţime

oarecare de vectori, mulţimea
( n )
Def
X
spanK (A) = i xi ; n 2 N; i 2 K; xi 2 A; i = 1; n
i=1
este mulţimea tuturor combinaţiilor liniare cu elemente din A.
1.1.17. Exemplu. În spaţiul vectorial (P2 [X] ; R), pentru A = f1; Xg,
spanR A = fa 1 + b X; a; b 2 Rg este mulţimea tuturor combinaţiilor li-
niare cu polinoamele 1 şi X şi este mulţimea tuturor polinoamelor de grad
cel mult 1 în X (inclusiv constantele, privite ca polinoame).
1.1.18. Observaţie. spanK (A) se modi…c¼ a la modi…carea corpului de
3
scalari: R este spaţiu vectorial atât peste corpul R cât şi peste corpul
Q, dar structura lor de spaţii vectoriale este diferit¼
a: aceeaşi mulţime de
vectori genereaz¼
a alte mulţimi de combinaţii liniare
2 p 3 082 3 2 391
3 < 1 0 =
4 1 5 2 spanR @ 4 0 5 ; 4 1 5 A
: ;
2 p0 3 082 0 3 2 0 391
3 < 1 0 =
4 1 52 = spanQ @ 4 0 ; 1 5 A
5 4
: ;
0 0 0
1.1.19. De…niţie. (Dependenţ¼ a şi independenţ¼
a liniar¼
a) Mulţimea de
vectori xi ; i = 1; n se numeşte liniar dependent¼a dac¼ a cel puţin unul
dintre vectori se poate scrie ca o combinaţie liniar¼ a a celorlalţi vectori.
Dac¼a nici unul nu poate … scris ca o combinaţie liniar¼
a a celorlalţi vectori,
atunci mulţimea de vectori se numeşte liniar independent¼a .
1.1.20. Exemplu. Mulţimea de vectori din R4
80 1 0 1 0 19
>
> 1 1 2 >
>
<B C B C B 5 C=
2
B C;B 3 C B C
> @ 2 A @ 4 A ; @ 2 A>
>
: 1 >
;
0 1
este liniar dependent¼
a pentru c¼
a
0 1 0 1 0 1
1 1 2
B 2 C B 3 C B 5 C
B C+B C B C:
@ 2 A @ 4 A=@ 2 A
1 0 1
8 1. SPAŢII VECTORIALE

Mulţimea de vectori din R4

80 1 0 1 0 19
>
> 1 1 3 >
>
<B C B C B 5 C=
2
B C;B 3 C B C
> @ 2 A @ 4 A;@ 2 A>
>
: 1 >
;
0 1
este liniar independent¼a pentru c¼ a (de exemplu) rangul matricii care are
drept coloane vectorii mulţimii este egal cu num¼
arul vectorilor
0 (justi…carea1
1 1 3
B 2 3 5 C
raţionamentului va …dat¼a în continuare) (rangul matricii B
@ 2
C
4 2 A
1 0 1
este 3).
1.1.21. Observaţie. (De…niţii echivalente ale independenţei li-
niare) Familia (xi )i=1;n este liniar independent¼
a dac¼
a şi numai dac¼
a are
loc una dintre a…rmaţiile:
Pn
(1) 8 i 2 K; i = 1; n; i xi = 0 ) 1 = = n = 0 (unic).
i=1
P
n
(relaţia i xi = 0 are loc numai pentru scalari nuli);
i=1
P
n
(2) 8 i 2 K; i = 1; n; (9i 2 f1; ; ng ; i 6= 0) ) i xi 6= 0.
i=1
(dac¼
a m¼acar un scalar este nenul, atunci combinaţia liniar¼
a este
nenul¼
a)
Demonstraţie. Cele dou¼ a a…rmaţii se obţin una din cealalt¼ a din
relaţia logic¼
a (p ! q) (eq !ep) (se recomand¼ a recapitularea capitolului
de Logic¼ a) ; echivalenţa cu de…niţia are loc pentru c¼ a, dac¼
a m¼acar un
vector este combinaţie liniar¼ a de ceilalţi vectori, atunci exist¼a scalarii
P
n
i 2 K; i = 1; n; nu toţi nuli, astfel încât i xi = 0.
i=1

1.1.22. Algoritm. (Studiul dependenţei liniare a unei familii de vec-

tori) Fie o mulţime de vectori xi ; i = 1; n în spaţiul vectorial (V; K).
Pasul 1. Se consider¼a relaţia:
X
n

i xi = 0;
i=1
care este privit¼
a ca o ecuaţie vectorial¼
a în necunoscutele 1, , n.
 1.1. INTRODUCERE 9

Pasul 2. Se rezolv¼ a ecuaţia de la Pasul 1, în sensul c¼ a se a‡a¼ toate soluţiile

ecuaţiei (de fapt, pentru stabilirea naturii familiei de vectori este
su…cient s¼ a se r¼aspund¼ a la întrebarea: „Exist¼ a şi alte soluţii în
afar¼ a de soluţia identic nul¼a ( i = 0, i = 1; n)?”. De obicei acest
pas înseamn¼ a rezolvarea (eventual cu discuţie dup¼ a parametrii,
dac¼ a familia de vectori depinde de parametri) unui sistem liniar
de ecuaţii folosind tehnicile de liceu sau Metoda pivotului.
Pasul 3. În funcţie de rezultatele obţinute la Pasul 2, se …nalizeaz¼ a studiul
cu concluzia adecvat¼ a:
dac¼ a soluţia nul¼
a este unic¼ a, mulţimea este liniar independent¼ a
dac¼ a soluţia nul¼a nu este unic¼ a, mulţimea este liniar dependent¼ a
şi eventual se scoate în evidenţ¼ a şi o dependenţ¼a (se înlocuieşte o
soluţie nenul¼ a în ecuaţia de la Pasul 1).
(soluţia nul¼
a veri…c¼ a întotdeauna sistemul de pasul 1; în situ-
aţia de independenţ¼ a liniar¼
a, esenţial este s¼
a se justi…ce faptul c¼ a
nu exist¼ a alte soluţii)

1.1.23. Exemplu. S¼a se studieze natura mulţimii de vectori:

0 1 0 1 0 1
m 1 1
v1 (m) = 1 ; v2 (m) = m ; v3 (m) = 1 A ; m 2 R
@ A @ A @
1 1 m

în spaţiul (R3 ; R).

Se consider¼ a ecuaţia (vectorial¼
a)

1 v1 (m) + 2 v2 (m) + 3 v3 (m) = 0;

cu necunoscutele 1, 2, 3 care prin înlocuire devine:

0 1 0 1 0 1 0 1
m 1 1 0
1
@ 1A+ 2
@mA + 3
@ A
1 = @ 0 A;
1 1 m 0
adic¼
a
0 1 01
+ 3+m2 1 0
@ 1+m 2+ 3
A = @ 0 A:
1+ 2+m 3 0
Se obţine sistemul algebric liniar omogen:
10 1. SPAŢII VECTORIALE

8
< m + 2+
1 3 =0
1+m 2+ 3 =0
:
1+ 2+m 3 =0
a c¼
arui mulţime de soluţii este dependent¼ a de parametrul m şi este:
8 80 19
>
> < 0 =
>
> @ 0 A ;
>
> m 2 Rn f 2; 1g
>
> : 0 ;
>
> 80 1 9
>
>
< < a b =
S (m) = @ a A ; a; b 2 R ; m = 1
>
> : b ;
>
> 8 0 1 9
>
>
>
> < a =
>
> @ a A; a 2 R ;
>
> m= 2
: : a ;

În concluzie:
pentru m 2 Rn f 2; 1g mulţimea de vectori este liniar indepen-
dent¼a.
pentru m = 2 mulţimea de vectori este liniar dependent¼ a iar o
dependenţ¼a liniar¼
a este v1 ( 2) + v2 ( 2) + v3 ( 2) = 0.
pentru m = 1 mulţimea de vectori este liniar dependent¼ a iar o
dependenţ¼a liniar¼
a este 2v1 (1) + v2 (1) + v3 (1) = 0.
Se observ¼a c¼
a se obţin informaţii de dou¼
a tipuri:
de tip calitativ (despre natura mulţimii de vectori)
de tip cantitativ (în cazul dependenţei liniare se obţine o relaţie
de dependenţ¼ a între vectori).
1.1.24. De…niţie. (Sistem de generatori) Fiind dat¼a mulţimea X
a mulţimea de vectori xi ; i = 1; n genereaz¼a mulţimea X
V, se spune c¼
dac¼a X span (xi )i=1;n . Mulţimea de vectori xi ; i = 1; n se mai
numeşte sistem de generatori pentru mulţimea X. Dac¼ a mulţimea X nu
este speci…cat¼
a, se subînţelege c¼
a X = V.
1.1.25. Exemplu. În spaţiul vectorial (P2 [X] ; R), pentru A = f1; Xg,
spanR A = fa 1 + b X; a; b 2 Rg este mulţimea tuturor combinaţiilor li-
niare cu polinoamele 1 şi X şi deci A genereaz¼
a mulţimea tuturor polinoa-
melor de grad cel mult 1 în X.
 ¼ ŢI
1.2. PROPRIETA 11

1.2. Propriet¼
aţi
1.2.1. Propoziţie. (Reguli de calcul într-un spaţiu vectorial)
(1) 8 ; 2 K; 8x; y 2 V, au loc relaţiile:
(x y) = x y, ( ) x= x x;
(2) 8 2 K; 0V = 0V ;
(3) 8x 2 V; 0K x = 0V ;
(4) 8x 2 V; ( 1K ) x = x;
(5) x = 0V ) = 0K sau x = 0V .
Demonstraţie. Fie ; 2 K; x; y 2 V aleşi arbitrar;
(1) x = ((x y) + y) = (x y)+ y ) (x y) = x y;
x = (( ) + )x = ( )x + x ) x x=( ) x;
(2) 0V = (x x) = x x = 0V :
(3) 0K x = ( ) x= x x = 0V :
(4) 0V = 0K x = (1K 1K ) x = (1K + ( 1K )) x = 1K x + ( 1K ) x
) (1K x) = ( 1K ) x:
(5) x = 0V şi 6= 0 ) 9 1 2 K şi 1
x = 1 0V ) x = 0:

1.2.2. Propoziţie. (Propriet¼aţi ale operatorilor liniari) Fie U ( ) :

V1 ! V2 Atunci au loc:
(1) U ( ) liniar , 8 ; 2 K, 8x1 ; x2 2 V1 , U ( x1 + x2 ) = U (x1 )+
U (x2 )
(2) U ( ) liniar )
(a) U (0V1 ) = 0V2 ;
(b) 8 subspaţiu V01 V1 , U (V01 ) = fU (v) ; v 2 V01 g este subspaţiu
în V2 ;
(c) 8 subspaţiu V02 V2 , U 1 (V02 ) = fv 2 V1 ; U (v) 2 V02 g este
subspaţiu în V1 .
Demonstraţie. Fie U ( ) : V1 ! V2
(1) evident.
(2) Dac¼a U ( ) este liniar, atunci:
(a) U (0V1 ) = U (x x) = U (x) U (x) = 0V2
(b) Fie ; 2 K, y1 ; y2 2 U (V01 ) ) 9x1 ; x2 2 V01 astfel încât
V01 subspaţiu ) x1 + x2 2 V01
U (xi ) = yi ; )
U ( ) operator liniar
) U ( x1 + x2 ) = U (x1 )+ U (x2 ) = y1 + y2 2 U (V10 ) :
12 1. SPAŢII VECTORIALE

(c) Fie ; 2 K, x1 ; x2 2 U 1 (V02 ) ) U (x1 ), U (x2 ) 2 V02 )

U ( x1 + x2 ) = U (x1 ) + U (x2 ) 2 V02 ) x1 + x2 2
U 1 (V02 ).

1.2.3. De…niţie. Subspaţiul U (V1 ) (al codomeniului) se numeşte i-

a Im U ( ); subspaţiul U 1 (f0g) (al do-
maginea operatorului şi se noteaz¼
meniului) se numeşte nucleul operatorului şi se noteaz¼
a ker U ( ).
Urm¼ atoarele dou¼ a propoziţii arat¼
a c¼
a inversarea şi compunerea func-
ţiilor p¼astreaz¼a calitatea de mor…sm de spaţii vectoriale.
1.2.4. Propoziţie. Fie (V1 ; K), (V2 ; K) dou¼
a spaţii vectoriale peste
acelaşi corp şi …e U ( ) : V1 ! V2 mor…sm bijectiv. Atunci U 1 ( ) :
V2 ! V1 este mor…sm bijectiv (inversa unui mor…sm inversabil este
mor…sm)(inversa unui operator liniar inversabil este operator liniar).
Demonstraţie. Se ştie c¼
a au loc
U (u + v) = U (u) + U (v) ; U ( u) = U (u) :
Fie x; y 2 V2 ) pentru U 1 (x) = u; U 1 (y) = v; are loc U (u) =
x, U (v) = y şi U (u + v) = U (u) + U (v) ) U (u + v) = x + y )
U 1 (x + y) = u + v ) U 1 (x + y) = U 1 (x) + U 1 (y) deci operatorul
invers este aditiv. Fie 2 K, x 2 V2 , U 1 (x) = v ) U (v) = x şi
are loc U ( v) = U (v) ) U ( v) = x ) v = U 1 ( x) )
1 1
U (x) = U ( x).
1.2.5. Propoziţie. Fie U1 ( ) : V1 ! V2 , U2 ( ) : V2 ! V3 mor…sme
peste spaţii vectoriale cu acelaşi corp K de scalari. Atunci U ( ) : V1 ! V3
de…nit prin U (v) = U2 (U1 (v)), 8v 2 V1 este mor…sm de spaţii vectoriale
(calitatea de mor…sm se p¼ astreaz¼ a prin operaţia de compunere).
Demonstraţie. Fie v1 ; v2 2 V1 ; are loc U (v1 + v2 ) = U2 (U1 (v1 + v2 ))
aditivitatea aditivitatea
= U2 (U1 (v1 ) + U1 (v2 )) = U2 (U1 (v1 )) + U2 (U1 (v2 ))
lui U1 (:) lui U2 (:)
= U (v1 ) + U (v2 ). Omogenitatea se demonstreaz¼
a analog.
1.2.6. Observaţie. Relaţia „= ”( De…niţia (1.1.10)) este o relaţie de e-
chivalenţ¼a între spaţii vectoriale peste acelaşi corp (este re‡exiv¼
a, simetric¼a
şi tranzitiv¼a) (aceast¼a relaţie este de…nit¼
a pe o mulţime de spaţii vectoriale
şi cu ajutorul ei se pot stabili clase de echivalenţ¼ a).
 ¼ ŢI
1.2. PROPRIETA 13

Demonstraţie. Re‡exivitatea rezult¼ a din faptul c¼ a operatorul iden-

titate U ( ) : V1 ! V1 , U (v) = v este liniar şi bijectiv, deci V1 = V1 .
Simetria rezult¼a din Propoziţia (1.2.4), pentru c¼a dac¼a V1 = V2 , atunci
1
9 U ( ) : V1 ! V2 mor…sm bijectiv ) U ( ) : V2 ! V1 mor…sm bijectiv
) V2 = V1 . Tranzitivitatea rezult¼ a din Propoziţia (1.2.5) pentru c¼
a, dac¼
a
V1 = V2 şi V2 = V3 atunci exist¼ a izomor…smele U ( ) : V1 ! V2 şi
V ( ) : V2 ! V3 iar noua funcţia (V U ) ( ) : V1 ! V3 p¼ astreaz¼
a prin
compunere şi proprietatea de liniaritate şi pe cea de bijectivitate, deci
V1 = V3 .
1.2.7. Observaţie. Mulţimea LK (V1 ; V2 ) admite împreun¼
a cu opera-
ţiile obişnuite între funcţii
Def
(U1 ( ) + U2 ( )) (x) = U1 (x) + U2 (x) ;
Def
( U1 ( )) (x) = U1 (x) ;
o structur¼
a de spaţiu vectorial peste corpul K (Deci în particular şi dualul
algebric (1.1.12) este spaţiu vectorial peste corpul K).
Demonstraţie. (LK (V1 ; V2 ) ; +) este evident grup (din propriet¼
aţile
adun¼
arii pe V2 ) şi are ca element neutru operatorul identic nul O ( ) :
V1 ! V2 , O (v) 0. Celelalte axiome sunt satisf¼ acute evident.

1.2.8. Observaţie. span (xi )i=1;n este subspaţiu liniar.

Demonstraţie. Fie v1 ; v2 2 span (xi )i=1;n şi 2 K ) 9 1i ; 2

i 2
Pn
j
K, i = 1; n, astfel încât vj = i xi ; j = 1; 2; atunci v1 + v2 =
i=1
P
n
1 2
P
n
1
( i + i ) xi 2 span (xi )i=1;n iar v1 = ( i ) xi 2 span (xi )i=1;n
i=1 i=1

1.2.9. Observaţie. Fie V0 un subspaţiu vectorial al spaţiului (V; K).

Atunci,
X
n
8n 2 N; 8xi 2 V0 ; 8 i 2 K; i = 1; n; i xi 2 V0 :
i=1

(orice subspaţiu conţine toate combinaţiile liniare ale elementelor lui)

14 1. SPAŢII VECTORIALE

Demonstraţie. Prin inducţie dup¼ a n 2 N: pentru n = 1, din axioma

2 a subspaţiului vectorial rezult¼ a c¼
a pentru orice x1 2 V0 şi pentru orice
scalar 1 2 K, are loc 1 x1 2 V0 . S¼ a presupunem c¼a proprietatea are loc
pentru n 2 N şi …e n + 1 vectori şi scalari aleşi arbitrar xi 2 V0 , i 2
K; i = 1; n + 1. Atunci are loc:
9
P
n+1 Pn
>
>
i xi = i xi + n+1 xn+1 >
>
i=1 i=1 = X
n+1
P
n+1 ) i x i 2 V0 :
i xi 2 V0 (proprietatea pentru n) >
>
i=1 >
> i=1
;
x
n+1 n+1 2 V 0 (proprietatea pentru n = 1)

T
1.2.10. Observaţie. span (xi )i=1;n = V0 (este cel mai mic
V0 subspaţiu
V0 (xi )
i=1;n

subspaţiu liniar care conţine familia (xi )i=1;n ).

T
Demonstraţie. span (xi )i=1;n V0 pentru c¼
a orice sub-
V0 subspaţiu
V0 (xi )
i=1;n

spaţiu care conţine familia (xi )i=1;n conţine şi toate combinaţiile liniare ale
acestei familii (Propoziţia (1.2.9)); incluziunea invers¼ a rezult¼
a din Propoziţia
(1.2.8): span (xi )i=1;n este subspaţiu vectorial şi cum conţine familia
(xi )i=1;n urmeaz¼a c¼
a face parte dintre subspaţiile care particip¼ a la intersecţie,
T
aşa c¼a are loc span (xi )i=1;n V0 pentru c¼ a intersecţia este
V0 subspaţiu
V0 (xi )
i=1;n

inclus¼
a în orice mulţime care particip¼
a la intersecţie.

1.3. Exemple de spaţii vectoriale

1.3.1. Exemplu. Spaţiul Kn de şiruri2 ordonate
3 de n elemente din
x1
corpul K. Vectorii sunt elemente de forma 4 ... 5, adunarea şi înmulţirea
xn
cu un scalar se face pe componente. Exemple importante sunt pentru
K = R, K = C şi pentru K = Q.
 1.3. EXEMPLE DE SPAŢII VECTORIALE 15

1.3.2. Exemplu. Spaţiul vectorial al matricilor de m linii şi n coloane,

cu coe…cienţi peste un corp …xat. Spaţiul este Mm n (K), vectorii sunt
matrice, adunarea vectorilor este adunarea matricilor, înmulţirea unui
vector cu un scalar este înmulţirea matricilor cu un scalar.
1.3.3. Exemplu. Spaţiul vectorial al şirurilor oarecare de numere reale.
Spaţiul este notat RN , un vector este un şir de numere reale înţeles ca
succesiunea ordonat¼a şi in…nit¼
a a elementelor şirului. Adunarea vectorilor
este adunarea termen cu termen a şirurilor
(an )n2N + (bn )n2N = (an + bn )n2N
(este un nou şir al c¼
arui termen general se obţine prin adunarea termenilor
generali ai celor dou¼ a şiruri date) iar înmulţirea unui vector cu un scalar
este înmulţirea şirului cu un scalar
(an )n2N = ( an )n2N :
1.3.4. Exemplu. Spaţiul vectorial al şirurilor Cauchy de numere raţio-
nale (un şir (an )n2N Q este Cauchy dac¼ a 8" > 0, 9n" 2 N, 8n; m n" ,
jan am j < "), cu operaţiile de…nite ca la exemplul anterior.
1.3.5. Exemplu. Spaţiul polinoamelor în nedeterminata t cu coe…cienţi
a p(t) = a0 +a1 t+ +an tn şi q(t) = b0 +b1 t+ +bn tn
reali, notat R [t]. Dac¼
sunt dou¼ a polinoame din R [t], de…niţiile
p(t) + q(t) = (a0 + b0 ) + (a1 + b1 )t + + (an + bn )tn
p(t) = a0 + a1 t + + an tn
0 =0
dau o structur¼
a de spaţiu vectorial.
1.3.6. Exemplu. Spaţiul vectorial al polinoamelor în nedeterminata
t, cu coe…cienţi reali, de grad cel mult n, notat Rn [t].
1.3.7. Exemplu. Spaţiul vectorial al tuturor funcţiilor f ( ) : R ! R
a C 1 şi care satisfac ecuaţia diferenţial¼
de clas¼ a f 0 (t) + af (t) = 0, 8t 2 R.
1.3.8. Exemplu. Spaţiul vectorial real al tuturor funcţiilor inde…nit
derivabile D1 (R; R).
1.3.9. Exemplu. Spaţiul vectorial real al tuturor funcţiilor care au
domeniul [a; b] şi codomeniul R, notat F ([a; b] ; R).
16 1. SPAŢII VECTORIALE

1.3.10. Exemplu. Spaţiul vectorial real al funcţiilor din F ([a; b] ; R)

care sunt lipschitziene (funcţii f ( ) : [a; b] ! R pentru care exist¼
a kf > 0
astfel încât jf (x) f (y)j 6 kf jx yj, 8x; y 2 [a; b]), notat L ([a; b] ; R).

1.4. Exerciţii
0 1 0 1 0 1
1 1 3
1.4.1. Exemplu. Familia de vectori @ A @ A @
1 ; 2 ; 2 A genereaz¼
a
1 3 1
spaţiul R3 .
1.4.2. Exerciţiu. Fie (V; R) un spaţiu vectorial real oarecare. Se de…nesc
operaţiile:
+ : (V V) (V V) ! V V
de…nit¼ a prin
(x1 ; y1 ) + (x2 ; y2 ) = (x1 + x2 ; y1 + y2 )
şi
: C (V V) ! (V V)
de…nit¼ a prin
( + i ) (x; y) = ( x y; x + y) :
S¼ a se arate c¼a (V V; C) cu operaţiile de mai sus este un spaţiu vectorial
complex (acest spaţiu se numeşte complexi…catul spaţiului real (V; R) )
1.4.3. Exerciţiu. S¼a se arate c¼
a mulţimea funcţiilor nederivabile pe
[a; b] nu este spaţiu vectorial.
1.4.4. Exerciţiu. S¼
a se arate c¼
a reuniunea a dou¼
a subspaţii vectoriale
nu este neap¼
arat un subspaţiu vectorial.
1.4.5. Exerciţiu. S¼
a se arate c¼a mulţimea V0 = fx 2 Rn ; Ax = 0g
este un subspaţiu vectorial, unde A 2 Mm n (R).
80 1 9
>
> 0 >
>
<B C =
B a C
1.4.6. Exerciţiu. Fie subspaţiile A = @ A ; a; b 2 R , B =
>
> b >
>
: 0 ;
80 1 9
>
> 0 >
>
<B C =
0
B C ; a; b 2 R . S¼
@ a A a se determine A + B.
>
> >
>
: b ;
 1.4. EXERCIŢII 17

1.4.7. Exerciţiu. Dac¼a operatorul liniar U ( ) : Rn ! Rn are proprietatea

2
c¼
a U ( ) + U ( ) + I ( ) = O ( ), atunci operatorul este bijectiv.
 CAPITOLUL 2

Reprezent¼
ari în spaţii vectoriale de tip …nit

2.1. Introducere
2.1.1. Propoziţie. (De…niţii echivalente ale bazei) Fie B o mulţime
de vectori în (V; K). Sunt echivalente a…rmaţiile:
(1) B este liniar independent¼a şi maximal¼
a (în sensul c¼
a orice mulţime
liniar independent¼a care include B este chiar egal¼ a cu B);
(2) B este sistem de generatori minimal (în sensul c¼ a orice sistem de
generatori inclus în B este chiar egal cu B);
(3) B este sistem de generatori şi mulţime liniar independent¼ a.
Demonstraţie. Se va demonstra dup¼ a schema: (1))(2))(3))(1).
(1))(2) Se ştie c¼ a B este liniar independent¼ a şi maximal¼ a; pentru
început se va studia calitatea mulţimii de a … sistem de generatori. S¼ a
presupunem prin reducere la absurd c¼ a B nu ar … sistem de generatori;
atunci 9v0 2 V n span (B) şi noua mulţime B1 = B [ fv0 g este liniar
independent¼ a (dac¼
a n-ar …, atunci v0 ar … combinaţie liniar¼ a de elementele
lui B) şi include strict mulţimea B, contradicţie cu maximalitatea lui B (ca
mulţime liniar independent¼ a). Deci mulţimea B este sistem de generatori.
S¼a presupunem prin reducere la absurd c¼ a B ca sistem de generatori n-
ar … minimal. Atunci exist¼ a B0 inclus strict în B şi care este sistem de
generatori. Fie v1 2 B n B0 ; v1 este combinaţie liniar¼ a a elementelor din
B0 (în care v1 nu se a‡a¼) deci B nu este mulţime liniar independent¼ a,
contradicţie.
(2))(3) Cum B este sistem de generatori, s¼ a presupunem prin reducere
la absurd c¼ a mulţimea B n-ar … liniar independent¼ a, adic¼a ar exista un
vector v2 2 B care s¼ a …e combinaţie liniar¼ a de ceilalţi vectori şi atunci
noua mulţime B n fv2 g ar … strict inclus¼ a în B şi ar p¼
astra proprietatea de
sistem de generatori (pentru c¼ a …ecare vector poate … scris ca o combinaţie
liniar¼
a de vectorii din B, iar în combinaţiile liniare la care particip¼ a şi v2
acesta poate … înlocuit cu o combinaţie liniar¼ a din B n fv2 g, obţinându-se
combinaţii liniare numai cu elementele lui B n fv2 g) contradicţie.
19
20 ¼
2. REPREZENTARI îN SPAŢII VECTORIALE DE TIP FINIT

(3))(1) Cum B este liniar independent¼ a, dac¼

a n-ar … maximal¼a (ca
0
mulţime liniar independent¼ a) ar exista o mulţime B liniar independent¼ a
şi care conţine B. Atunci v 0 2 B 0 n B nu este combinaţie liniar¼ a de
vectorii din B (pentru c¼a altfel B 0 n-ar … liniar independent¼
a) ceea ce este
o contradicţie cu faptul c¼
a B este sistem de generatori.
2.1.2. De…niţie. Se numeşte baz¼a orice mulţime de vectori care satisface
una dintre condiţiile echivalente din Propoziţia anterioar¼ a. Dac¼
a pentru
o baz¼
a …xat¼a se ţine cont şi de ordinea vectorilor în baz¼
a, atunci în locul
cuvântului baz¼a se va folosi cuvântul reper.
2.1.3. De…niţie. Un spaţiu vectorial se va numi de tip …nit dac¼
a
admite o baz¼
a …nit¼
a şi se va numi de tip in…nit în caz contrar.
2.1.4. Teorem¼ a. (Existenţa bazei) Dac¼ a familia …nit¼ a (xi )i=1;n este
sistem de generatori pentru V în care subfamilia (xi )i=1;r , r n, este liniar
independent¼ a, atunci exist¼
a o baz¼
a B a lui V astfel încât
Not
fx1 ; ; xr g B fx1 ; ; xr ; ; xn g = S:
Demonstraţie. Fie B un sistem de elemente liniar independente,
care include (xi )i=1;r , este inclus în (xi )i=1;n şi este maximal cu aceast¼ a
proprietate. Din alegerea lui B urmeaz¼ a c¼a num¼ arul de elemente din
B este mai mic sau egal cu n. Fie B = fx1 ; ; xr ; xr+1 ; ; xm g, cu
r m n; cu o eventual¼ a renumerotare a vectorilor; B este baz¼ a a
spaţiului. Se presupune prin reducere la absurd c¼ a B nu ar … baz¼ a; atunci
9x0 2 V astfel încât x0 2 = span (B); dar S este sistem de generatori aşa
P k
c¼
a x0 este combinaţie liniar¼ a de elemente din S, x0 = i yi . Dac¼a toate
i=1
elementele yi ; i = 1; k ar … în span (B), ar urma c¼ a şi x0 2 span (B), aşa
c¼
a printre elementele yi 2 fx1 ; ; xr ; ; xn g ; i = 1; k exist¼ a m¼
acar unul
Def
care nu este în span (B) şi care se noteaz¼ a y0 ; atunci B 0 = B [ fy0 g
fx1 ; ; xr ; ; xn g este liniar independent¼a şi conţine strict pe B, ceea ce
contrazice construcţia (maximalitatea) lui B în fx1 ; ; xr ; ; xn g.
2.1.5. Corolar. Din orice sistem …nit de generatori se poate extrage o
baz¼
a.
Demonstraţie. Fie fx1 ; ; xr ; ; xn g sistem de generatori; exist¼
a
m¼
acar un vector nenul (dac¼
a toţi ar …nuli, n-ar mai …sistem de generatori),
 2.1. INTRODUCERE 21

care se noteaz¼
a cu v0 . Au loc:
fv0 g este familie liniar independent¼
a
fv0 g fx1 ; ; xr ; ; xn g
şi se aplic¼
a teorema precedent¼
a ) 9B baz¼
a astfel încât
fv0 g B fx1 ; ; xr ; ; xn g :

2.1.6. Corolar. Orice familie liniar independent¼

a de vectori poate …
completat¼a pân¼
a la o baz¼
a.
Demonstraţie. Familia liniar independent¼ a este inclus¼
a într-un sistem
…nit de generatori (se adaug¼ a noi vectori cu veri…carea propriet¼ aţii de
generare şi a propriet¼ aţii de independenţ¼
a liniar¼a; dac¼a procesul nu se
opreşte dup¼a un num¼ ar …nit de paşi atunci se contrazice faptul c¼a spaţiul
este de tip …nit) şi se aplic¼a teorema precedent¼ a, deci exist¼
a o baz¼ a care
conţine familia liniar independent¼ a.
2.1.7. Teorem¼ a. (Teorema schimbului, Steinitz) Fie fv1 ; ; vr g
o familie liniar independent¼ a şi …e fu1 ; ; un g un sistem de generatori.
Atunci, eventual cu o renumerotare a vectorilor, fv1 ; ; vr ; ur+1 ; ; un g
este sistem de generatori (orice familie …nit¼ a liniar independent¼ a de r
vectori poate înlocui anumiţi r vectori din orice sistem …nit de generatori,
cu p¼astrarea calit¼
aţii de sistem de generatori).
Demonstraţie. Inducţie dup¼ a num¼arul vectorilor din familia liniar
a, j = 1; r: Pentru j = 1, 9 i 2 K; i = 1; n astfel încât
independent¼
X
n
v1 = i ui ;
i=1

dac¼a toţi scalarii i ar …nuli atunci v1 ar …nul ceea ce contrazice independenţa

liniar¼
a a familiei fv1 ; ; vr g; deci m¼
acar un scalar este nenul şi printr-o
renumeroatare a sistemului de generatori, se poate presupune c¼ a 1 6= 0;
se poate scrie u1 ca o combinaţie liniar¼ a de vectorii v1 ; u2 ; ; un :

1 X
n
i
(2.1.1) u1 = v1 ui :
1 i=2 1
22 ¼
2. REPREZENTARI îN SPAŢII VECTORIALE DE TIP FINIT

P
n
Fie v 2 V oarecare; 9 i 2 K; i = 1; n, astfel încât v = i ui dar din
i=1
(2.1.1) urmeaz¼a:
Pn P
n
1
Pn P
n
v= i ui = 1 u1 + i ui = 1 1
v1 i=2
i
1
ui + i ui =
i=1 i=2 i=2
P
n
i 1
= 1
1
v1 + i 1
ui ;
i=2

deci v este combinaţie liniar¼a de v1 ; u2 ; ; un , adic¼

a fv1 ; u2 ; ; un g este
un sistem de generatori. S¼ a presupunem a…rmaţia adev¼ arat¼ a pentru j =
r 1 n: dac¼ a r 1 = n, atunci ar urma o contradicţie cu faptul c¼ a mai
exist¼
a un vector, vr astfel încât fv1 ; ; vr g este liniar independent¼ a; deci
r 1 < n şi fv1 ; ; vr 1 ; ur ; ; un g este sistem de generatori )
X
r 1 X
n
9 i 2 K; vr = i vi + i ui ;
i=1 i=r
rP1
dac¼
a toţi scalarii i 2 K; i = r; n ar …nuli, atunci vr = i vi contradicţie
i=1
cu independenţa liniar¼
a a familiei fv1 ; ; vr g; deci 9i0 2 fr; ; ng astfel
încât i0 6= 0; se presupune printr-o renumerotare c¼ a r= 6 0 şi atunci ur
poate … scris ca o combinaţie liniar¼
a de vectorii fv1 ; ; vr 1 ; vr ; ; un g:
1 X
r 1 X
n
i i
(2.1.2) ur = vr vi ui ;
r i=1 r i=r+1 r

din faptul c¼
a fv1 ; ; vr 1 ; ur ; ; un g este sistem de generatori şi din
(2.1.2) urmeaz¼
a c¼
a fv1 ; ; vr ; ur ; ; un g este sistem de generatori: 8v 2
V; 9 i 2 K; i = 1; n;
rP1 P
n rP1 P
n
v= i vi + i ui = i vi + r ur + i ui =
i=1 i=r i=1 i=r+1
rP1 rP1 P
n P
n
1
= i vi + r vr i
vi i
ui + i ui =
r r r
i=1 i=1 i=r+1 i=r+1
rP1 Pn
= i
i r
vi + r
vr + i
i r
ui ;
r r r
i=1 i=r+1

ceea ce înseamn¼ a c¼a orice vector al spaţiului este combinaţie liniar¼ a de

vectorii familiei fv1 ; ; vr ; ur ; ; un g, adic¼
a fv1 ; ; vr ; ur ; ; un g este
sistem de generatori
 2.1. INTRODUCERE 23

2.1.8. Corolar. Într-un spaţiu de tip …nit, num¼

arul de vectori al oric¼
arei
familii …nite liniar independente este mai mic sau egal decât num¼ arul de
vectori al oric¼
arui sistem …nit de generatori.
Demonstraţie. Din demonstraţia la Teorema schimbului (2.1.7)
2.1.9. Corolar. Într-un spaţiu vectorial de tip …nit, orice dou¼
a baze
au acelaşi num¼
ar de vectori.
Demonstraţie. Cele dou¼ a baze pot … privite în acelaşi timp ca familii
liniar independente şi ca sisteme de generatori, şi din corolarul precedent
urmeaz¼ a c¼
a cele dou¼
a numere sunt …ecare mai mic sau egal decât cel¼ alalt,
adic¼a egale
2.1.10. De…niţie. Num¼ arul de elemente al oric¼arei baze din spaţiul de
tip …nit (V; K) se numeşte dimensiunea spaţiului şi se noteaz¼
a cu dimK V.
2.1.11. Propoziţie. Fiind …xat¼ a o baz¼
a într-un spaţiu vectorial de tip
…nit, orice vector al spaţiului se poate scrie ca o combinaţie liniar¼ a de
vectorii bazei. Mai mult, sistemul de scalari care particip¼ a la combinaţia
liniar¼
a este unic determinat de baza …xat¼ a.
Demonstraţie. Fie B = fu1 ; ; un g o baz¼
a şi …e v 2 V; cum B este
P
n
sistem de generatori, 9 i 2 K, i = 1; n, v = i ui ; …e înc¼
a un sistem de
i=1
P
n
scalari i 2 K, i = 1; n, v = i ui . Atunci are loc
i=1
X
n X
n X
n

i ui = i ui ) ( i i ) ui =0
i=1 i=1 i=1

şi cum B este liniar independent¼ a, urmeaz¼ a i = i ; 8i = 1; n, ceea ce

a c¼
înseamn¼ a c¼
a scrierea vectorului în baza B este unic¼
a
În continuare, …ind …xat spaţiul vectorial (V; K) şi baza B = fv1 ; ; vn g
a acestui spaţiu (în care conteaz¼ a ordinea vectorilor în baz¼ a), pentru
…ecare vector v al spaţiului se va nota reprezentarea vectorului în baza
B (coordonatele vectorului în baza B) cu [v]B . Deci
2 3
1
6 2 7
[v]B = 6 7
4 ... 5 ;
n
24 ¼
2. REPREZENTARI îN SPAŢII VECTORIALE DE TIP FINIT

unde scalarii i sunt unicii scalari care particip¼

a la scrierea vectorului dat
ca o combinaţie liniar¼
a de vectorii bazei
Xn
v= i vi ;
i=1

scrierea lor f¼acându-se (prin convenţie) pe vertical¼ a iar ordinea scalarilor

…ind unic determinat¼ a de ordinea vectorilor în baz¼ a. Trebuie remarcat c¼ a
reprezentarea unui vector depinde de baza …xat¼ a, în sensul c¼a schimbarea
bazei atrage schimbarea reprezent¼ arii, cu toate c¼
a vectorul nu se schimb¼ a
(acelaşi obiect …xat se vede diferit din diferite puncte de vedere). Modul
în care se petrece aceast¼ a schimbare şi leg¼
atura dintre diferite reprezent¼
ari
ale aceluiaşi obiect este studiat¼
a în secţiunile urm¼atoare.
2.1.12. Propoziţie. Orice spaţiu vectorial de tip …nit (V; K) cu dimK V =
n este izomorf cu (Kn ; K) 1.1.10.
Demonstraţie. Fie (V; K) spaţiu vectorial de tip …nit şi …e B o baz¼
a
…xat¼a în (V; K). Se consider¼ a aplicaţia ' ( ) : V ! Kn ; de…nit¼
a prin
' (v) = [v]B . Aplicaţia ' ( ) este liniar¼
a:
2 3 2 0 3
1 1
6 2 7 Xn
6 02 7 Xn
6 7
[v1 ]B = 4 .. 5 ; v1 = 6 7
i vi ; [v2 ]B = 4 .. 5 ; v2 =
0
i vi )
. i=1
. i=1
0
n n

X
n X
n X
n
0 0
v1 + v2 = i vi + i vi = ( i + i ) vi )
i=1 i=1 i=1
2 0 3 2 3 2 0 3
1 + 1 1 1
0 0
6 2+ 2 7 6 2 7 6 7 2
[v1 + v2 ]B = 6
4 .. 7 = 6 . 7 + 6 . 7 = [v1 ] + [v2 ]
5 4 .. 5 4 .. 5 B B
.
0 0
n + n n n
deci ' (v1 + v2 ) = ' (v1 ) + ' (v2 ) (din unicitatea reprezent¼
arii într-o baz¼
a).
Analog, pentru 2 K are loc
2 3 2 3
1 1
X
n
6 2 7 6 2 7
v1 = ( 6
i ) v i ) [ v 1 ]B = 4 .. 7= 6 . 7= [v1 ]B
. 5 4 .. 5
i=1
n n
 2.2. EXEMPLE DE BAZE STANDARD 25

deci ' ( v1 ) = ' (v1 ), adic¼

a aplicaţia este liniar¼
a.
Aplicaţia este bijectiv¼
a: injectivitatea rezult¼a din proprietatea de liniar
independenţ¼a a bazei (deci din unicitatea coordonatelor) iar surjectivitatea
din proprietatea de sistem de generatori a bazei.

2.2. Exemple de baze standard

În continuare se vor da exemple de baze standard (canonice) pentru
diferite spaţii vectoriale. În …ecare spaţiu vectorial se poate lucra cu o
in…nitate de baze; ca o convenţie general¼ a, dac¼
a nu se precizeaz¼
a o baz¼a
pentru spaţiul în care se lucreaz¼a, se va presupune implicit c¼
a se lucreaz¼
a
cu baza standard (canonic¼ a).
2.2.1. Exemplu. Baza standard pentru Rn : mulţimea E = fe1 ; : : : ; en g
de vectori coloan¼
a
2 3
(i; j)
[ei ]E = 4 .. 5 2 Rn :
.
(i; n)
2.2.2. Exemplu. Baza standard pentru R2 este
1 0
; :
0 1

2.2.3. Exemplu. Baza standard pentru R3 este

82 3 2 3 2 39
< 1 0 0 =
4 0 5;4 1 5;4 0 5 :
: 0 0 1 ;

2.2.4. Exemplu. Baza standard pentru Rn [t] este mulţimea

E = 1; t1 ; : : : ; tn :
2.2.5. Exemplu. Baza standard pentru R [t] este mulţimea
E = 1; t1 ; : : : ; tn ; : : : :
2.2.6. Exemplu. Baza standard pentru Mm n (R) este mulţimea E =
fE11 ; : : : ; Emn g de matrici Eij cu proprietatea c¼
a locul (i; j) este ocupat
de valoarea 1 iar celelalte locuri sunt ocupate da valoarea 0.
26 ¼
2. REPREZENTARI îN SPAŢII VECTORIALE DE TIP FINIT

2.2.7. Exemplu. Baza standard pentru M3;2 (R) este mulţimea E =

fE11 ; E12 ; E21 ; E22 ; E31 ; E32 g a matricilor
2 3 2 3 2 3
1 0 0 1 0 0
[E11 ]E = 4 0 0 5 ; [E12 ]E = 4 0 0 5 ; [E21 ]E = 4 1 0 5 ;
2 0 0 3 2 0 0 3 2 0 0 3
0 0 0 0 0 0
4 5 4 5
[E22 ]E = 0 1 ; [E31 ]E = 0 0 ; [E32 ]E = 0 0 5 : 4
0 0 1 0 0 1

2.3. Reprezentarea vectorilor

Fie V spaţiu vectorial de tip …nit peste corpul K şi …e B = fe1 ; ::; en g
un reper al s¼au. Coordonatele vectorilor reperului în raport cu reperul
sunt: 2 3 2 3 2 3
1 0 0
6 0 7 6 1 7 6 0 7
6 7 6 7 6 . 7
[e1 ]B = 6 0 7 6 0 7
6 . 7 ; [e2 ]B = 6 . 7 ; ; [en ]B = 6 7
6 .. 7 :
4 .. 5 4 .. 5 4 0 5
0 0 1
2.3.1. Observaţie. Între vectorii u, u1 , u2 are loc relaţia
u = u1 + u2 ; ; 2K
dac¼
a şi numai dac¼
a între coordonatele (reprezent¼arile) lor în aceeaşi baz¼
a
are loc relaţia
[u]B = [u1 ]B + [u2 ]B :
Demonstraţie. Evident
2.3.2. Observaţie. Fie baza B = fe1 ; ::; en g …xat¼
a şi …e B1 = fv1 ; ::; vm g
o familie oarecare de vectori (este important¼ a ordinea vectorilor în ambele
familii). Coordonatele vectorilor consideraţi sunt, în baza B, urm¼ atoarele:
2 3 2 3 2 3
11 12 1m
6 21 7 6 22 7 6 2m 7
6 7 6 7 6 7
[v1 ]B = 6
6 31 7 ; [v2 ] = 6
7 B 6 32 7 ; :::; [vm ] = 6
7 B 6 3m 7;
7
4 .. 5 4 .. 5 4 .. 5
. . .
n1 n2 nm
P
n
vj = ij ei ; 8j = 1; m
i=1
 2.3. REPREZENTAREA VECTORILOR 27

Se noteaz¼
a cu (M (B1 ))B (2 Mn m (K)) matricea care are drept coloane
coordonatele vectorilor familiei B1 în baza B,
2 3
11 12 1m
6 21 22 2m 7
6 7
(M (B1 ))B = 6
6 31 32 3m 7:
7
4 .. .. ... .. 5
. . .
n1 n2 nm

Urm¼atoarele calit¼
aţi ale familiei B1 pot … studiate cu ajutorul acestei
matrici:
(1) Vectorii sunt consideraţi membrii ai spaţiului aritmetic
n–dimensional (adic¼ a num¼ arul de linii din matrice);
(2) Num¼arul vectorilor este egal cu m (num¼ arul coloanelor);
(3) Vectorii familiei B1 sunt liniar independenţi dac¼a şi numai dac¼
a

(n m şi rang ((M (B1 ))B ) = m) ;

(4) Vectorii familiei B1 formeaz¼

a un sistem de generatori dac¼
a şi
numai dac¼ a

(n m şi rang ((M (B1 ))B ) = n) ;

(5) Familia B1 este baz¼

a dac¼
a şi numai dac¼
a

(n = m şi rang ((M (B1 ))B ) = n) :

În ipoteza c¼a familia B1 este baz¼ a, se pune problema reprezent¼ arii

vectorilor în noua baz¼
a şi a g¼
asirii leg¼
aturii dintre vechea reprezentare şi
noua reprezentare. Reprezentarea noii baze în vechea baz¼ a este (matricial):
0 1
11 12 1n
B 21 22 2n C
B C
(M (B1 ))B = B
B 31 32 3n C:
C
@ .. .. .. .. A
. . . .
n1 n2 nn

Aceast¼
a matrice este format¼
a din reprezent¼arile vectorilor noii baze (pe
coloane) în vechea baz¼a.
28 ¼
2. REPREZENTARI îN SPAŢII VECTORIALE DE TIP FINIT

În noua reprezentare, vectorii familiei B1 vor avea coordonatele

2 3 2 3 2 3
1 0 0
6 0 7 6 1 7 6 0 7
6 7 6 7 6 7
[v1 ]B1 = 6 0 7 ; [v2 ] = 6 0 7 ; :::; [vn ] = 6 ... 7 ;
6 . 7 B 1 6 . 7 B 1 6 7
4 .. 5 4 .. 5 4 0 5
0 0 1
iar vectorii bazei vechi vor avea coordonatele
2 0 3 2 0 3 2 0 3
11 12 1n
6 0 7 6 0 7 6 0 7
6 21 7 6 22 7 6 2n 7
0 0 0
[e1 ]B1 =6
6 31 7 ; [e2 ] = 6
7 B1 6 32 7 ; :::; [en ] = 6
7 B1 6 3n 7;
7
4 .. 5 4 .. 5 4 .. 5
. . .
0 0 0
n1 n2 nn
X
n
0
ei = ji vj
j=1
S¼
a not¼am cu (M (B))B1 matricea care are drept coloane coordonatele
vectorilor vechii baze (B) în noua baz¼
a (B1 ),
2 0 0 0 3
11 12 1n
6 0 0 0 7
6 21 22 2n 7
0 0 0
[M (B)]B1 =6
6 31 32 3n 7:
7
4 .. .. ... .. 5
. . .
0 0 0
n1 n2 nn
Fie x un vector oarecare al spaţiului; coordonatele lui în baza B sunt
2 3
x1
6 x2 7
6 7
[x]B = 6 x 7
6 .3 7 ;
4 .. 5
xn
iar în baza B1 sunt 2 3
x01
6 x02 7
6 7
[x]B1 =6 x03 7:
6 .. 7
4 . 5
x0n
 2.3. REPREZENTAREA VECTORILOR 29

Leg¼atura dintre cele dou¼

a reprezent¼
ari ale aceluiaşi vector este dat¼
a de
relaţiile:
P
n P
n P
n P
n P
n
x= x0j vj = x0j ij ei = x0j ij ei =
j=1 j=1 !
i=1 j=1 i=1!
P
n P
n P
n P
n
= x0j ij ei = x0j ij ei ;
i=1 j=1 i=1 j=1

P
n P
n
dar x = xi ei , deci xi = x0j ij , 8i = 1; n (din unicitatea reprezent¼
arii
i=1 j=1
într-o baz¼
a). Scrierea matricial¼
aa acestei relaţii este:
2 n 3
2 3 P 0 0 10 1
x1 6 j=1 xj 1j 7 11 12 13 1n x01
6 7 6 7 B CB C
6 7 6 6
Pn 7 B CB C
6 x2 7 6 xj 2j 7
0
7 B 21 22 23 ::: 2n CB x02 C
6 7 6 j=1 7 B CB C
6 7 6 P n 7 B CB C
6 7=6 0 7=B CB C;
6 3 7 6
x x 3j 7 B 31 32 33 3n CB x03 C
6 7 6 j=1 j 7 B CB C
6 7 6 .. 7 B CB C
6 . 7 6 . 7 B .. .. .. .. .. CB .. C
4 .. 5 6 7 @ . . . . . A@ . A
4 P n 5
xn 0
xj nj n1 n2 n3 nn x03
j=1

deci are loc relaţia:

[x]B = (M (B1 ))B [x]B1
( Se mai spune c¼ a (M (B1 ))B este matricea de trecere de la B1 la B) Se
observ¼ a c¼
a matricea de trecere de la noua baz¼a la vechea baz¼ a are drept
coloane coordonatele în baza nou¼ a pentru vectorii bazei vechi. Analog, are
loc şi relaţia
[x]B1 = (M (B))B1 [x]B
(Se mai spune c¼
a (M (B1 ))B este matricea de trecere de la B la B1 ) ceea
ce înseamn¼
a c¼
a, pentru orice vector x, are loc
1
(M (B))B1 [x]B = ((M (B1 ))B ) [x]B ;

adic¼a (M (B))B1 = ((M (B1 ))B ) 1 . Schematic, aceste leg¼

aturi pot …reprezentate
în felul urm¼
ator:
30 ¼
2. REPREZENTARI îN SPAŢII VECTORIALE DE TIP FINIT

(M (B1 ))B
!
B1 B
1
((M (B1 ))B )
Dac¼ a se dau dou¼ a baze B1 şi B2 , amândou¼ a raportate la baza de
referinţ¼
a E, trecerea de la B1 la B2 se face „pivotând”pe baza de referinţ¼
a:
…e (M (B))E matricea care are drept coloane coordonatele vectorilor bazei
B în baza E şi (M (B1 ))E matricea care are drept coloane coordonatele
vectorilor bazei B1 în baza E. Atunci
1
[x]B = ((M (B))E ) [x]E ; [x]E = (M (B))E [x]B

1
[x]B1 = ((M (B1 ))E ) [x]E ; [x]E = (M (B1 ))E [x]B1
şi atunci au loc relaţiile:

1 1
[x]B = ((M (B))E ) [x]E = ((M (B))E ) (M (B1 ))E [x]B1
deci are loc schema desf¼
aşurat¼
a

1
(M (B))E ((M (B1 ))E )
! !
B E B1
1
((M (B))E ) (M (B1 ))E
şi schema restrâns¼
a

(M (B1 ))E 1 ((M (B))E )

!
B B1
1
((M (B))E ) (M (B1 ))E
O metod¼ a practic¼
a de realizare sistematic¼a a calculelor necesare este
metoda elimin¼arii a lui Gauss.
Metoda elimin¼ arii a lui Gauss este generalizarea metodei reducerii
pentru rezolvarea sistemelor de ecuaţii liniare din ciclul gimnazial. Fiind
dat un sistem liniar de ecuaţii, metoda alege o necunoscut¼ a şi o ecuaţie
(astfel încât coe…cientul necunoscutei din ecuaţia aleas¼ a s¼
a …e nenul) şi
elimin¼a necunoscuta aleas¼ a din toate celelalte ecuaţii, folosind înmulţirea
ecuaţiilor cu numere convenabile şi adunarea între ele a ecuaţiilor (transform¼ ari
 2.3. REPREZENTAREA VECTORILOR 31

elementare). Metoda se bazeaz¼ a pe principiile de lucru cu relaţii de echivalenţ¼

a
(egalitatea) folosite pentru ecuaţii, date de compatibilitatea dintre relaţia
de echivalenţ¼
a şi structura de spaţiu vectorial; acestea sunt:
Multiplicarea ambilor termeni ai unei egalit¼ aţi cu acelaşi scalar
nenul nu modi…c¼ a soluţiile ecuaţiei.
Adunarea aceleiaşi cantit¼ aţi la ambii termeni nu modi…c¼ a soluţiile
ecuaţiei.
Înlocuirea unei cantit¼ aţi dintr-o ecuaţie cu o cantitate egal¼ a nu
modi…c¼ a soluţiile ecuaţiei.
Aceste principii pot …folosite pentru formularea unei proceduri sistematice
de g¼
asire a soluţiilor unui sistem de ecuaţii liniare. În continuare va …
descris¼
a aceast¼a procedur¼ a.
Fie sistemul:

8
> a11 x1 + a12 x2 + a1j xj + a1m xm = b1
>
>
>
> a x + a22 x2 + a2j xj + a2m xm = b2
< 21 1
>
> ai1 x1 + ai2 x2 + aij xj + aim xm = bi
>
>
>
:
an1 x1 + an2 x2 + anj xj + anm xm = bn
în care coe…cientul aij este nenul. Se alege s¼ a se elimine necunoscuta
xj din toate ecuaţiile în afar¼ a de ecuaţia i (cu alte cuvinte coe…cienţii
necunoscutei xj s¼ a devin¼a nuli în toate ecuaţiile în afar¼
a de ecuaţia i) iar
pentru ecuaţia i coe…cientul s¼ a devin¼
a 1. Pentru aceasta se fac urm¼ atoarele
operaţii:
se împarte linia i la aij iar rezultatul se scrie în locul liniei i;
pentru …ecare ecuaţie k = 1; n, k 6= i, se adun¼ a la ecuaţia k
ecuaţia i înmulţit¼
a cu akj ;
se scrie rezultatul în locul liniei k.
În urma acestor operaţii, noul sistem va conţine necunoscuta xj numai
în ecuaţia i; calculele se sistematizeaz¼ a astfel: elementul aij din vechiul
sistem se va numi PIVOT iar noii coe…cienţi ai sistemului se vor obţine
din vechii coe…cienţi urmând REGULA PIVOTULUI:
(1) Locurile de indici (l; j)l=1;n l6=i (coloana pivotului) sunt ocupate
de elemente nule iar locul (i; j) (locul pivotului) este ocupat de
valoarea 1.
32 ¼
2. REPREZENTARI îN SPAŢII VECTORIALE DE TIP FINIT

(2) Locurile de indici (i; k)k=1;m k6=j (linia pivotului) sunt ocupate de
aik
aij
(linia pivotului se împarte la pivot).
(3) Celelalte locuri (k; l)k=1;m k6=j (nici pe linia i şi nici pe coloana j)
l=1;n l6=i
sunt ocupate cu
REGULA DREPTUNGHIULUI:
coloana j coloana l
linia i aij ——— ail
j j
linia k akj ——— akl

Pentru …ecare akl , se ataşeaz¼ a dreptunghiul de vârfuri aij , ail ,

akj , akl (generat de pivot şi de elementul ales); noul element care
ocup¼ a locul (k; l) este obţinut cu formula: produsul pe diagonala
care conţine pivotul minus produsul pe diagonala care nu conţine
pivotul şi totul împ¼ arţit la pivot. Formula este:
aij akl akj ail
a0kl = ;
aij
unde a0kl înseamn¼
a noul ocupant al locului (k; l).
Toate calculele se vor pune într-un tabel iar semni…caţia acestor calcule,
din punct de vedere al coordonatelor vectorilor, este:
Prima coloan¼ a din stânga reprezint¼ a, la …ecare pas, vectorii bazei
şi ordinea vectorilor în baz¼ a.
Prima linie reprezint¼ a vectorii care particip¼ a la transformare, şi
ale c¼aror coordonate sunt a‡ate la …ecare pas.
Coloanele (numerice) sunt coordonatele vectorilor din prima linie
(dintr-un spaţiu vectorial real de dimensiune n), reprezentaţi pentru
tabelul iniţial într-o baz¼
a iniţial¼
a notat¼a (ei )i=1;n , iar pentru tabelele
ulterioare în baze intermediare.
Alegerea pivotului aij înseamn¼ a înlocuirea în baz¼ a a vectorului de
baz¼ a de rang i cu vectorul reprezentat de coloana j.
- La …ecare alegere de pivot se schimb¼ a baza şi coordonatele vectorilor
care sunt capete de coloan¼ a, dar este vorba despre aceeaşi vectori reprezentaţi
altfel.
Tabelul iniţial (cu toate am¼anuntele necesare) arat¼ a în felul urm¼
ator:
 2.3. REPREZENTAREA VECTORILOR 33

v1 vj vm e1 ei en b
e1 a11 a1j a1m 1 0 0 b1
e2 a21 a2j a2m 0 0 0 b2
.. .. .. .. .. .. .. ..
. . . . . . . .
ei ai1 aij # aim 0 1 0 bi
.. .. .. .. .. .. .. ..
. . . . . . . .
en an1 anj anm 0 0 1 bn
iar al doilea tabel se va obţine din primul cu regula pivotului:
v1 vj vm e1 ei en b
a1j
e1 a011 0 a01m 1 aij
0 b01
a2j
e2 a021 0 a02m 0 aij
0 b02
.. .. .. .. .. .. .. ..
. . . . . . . .
a(i 1)j
ei 1 a0(i 1)1 0 a0(i 1)m 0 aij
0 0
bi 1
ai1 aim 1 bi
vj aij
1 aij
0 aij
0 aij
a(i+1)j
ei+1 a0(i+1)1 0 a0(i+1)m 0 aij
0 b0i+1
.. .. .. .. .. .. .. ..
. . . . . . . .
0 0 anj
en an1 0 anm 0 aij
1 b0n

Cu aceast¼
a metod¼
a se pot rezolva sistemele liniare (neomogene)
Ax = b
în modul urm¼
ator:
(1) Se formeaz¼ a tabelul iniţial.
(2) Se aplic¼a metoda pivotului pân¼ a când nu se mai poate aplica
pentru nici un element.
(3) Se scrie rezultatul astfel: cu o eventual¼a renumerotare de necunoscute
(coloane) şi ecuaţii (linii), tabelul …nal este de forma
..
I . A012 b01

..
0 . 0 b02
34 ¼
2. REPREZENTARI îN SPAŢII VECTORIALE DE TIP FINIT

în care necunoscutele (ecuaţiile) corespunz¼ atoare matricii identitate

I sunt necunoscutele (ecuaţiile) principale, ecuaţiile corespunz¼ atoare
liniilor de zerouri sunt ecuaţiile care decid compatibilitatea sistemului
b02 = 0 ) sistem compatibil
( ), necunoscutele corespunz¼ atoare
b02 6= 0 ) sistem incompatibil
coloanelor matricii A012 sunt necunoscutele secundare ale sistemului
iar soluţia sistemului (dac¼a este compatibil) se scrie sub forma

xP = b01 A012 xS :

2.3.3. Exemplu. S¼
a se rezolve sistemele:

8 0 1
< 4x1 + 3x2 + 3x3 = 14 2
(1) 3x1 + 2x2 + 5x3 = 13 (Soluţia este: @ 1 A)
: 2x + x + 8x = 13 1
1 2 3
8 0 1
< 4x1 + 3x2 + 3x3 = 6 3 + 12
(2) 3x1 + 2x2 + x3 = 8 (Soluţia este: @ 5 14 A, 2 R)
:
8 11x1 + 8x2 + 7x3 = 20
< x1 + x2 + x3 = 10
(3) 2x1 + x2 + x3 = 16 (Nu are soluţie)
: 3x + 2x + 2x = 24
1 2 3

2.3.4. Soluţie. (1) Metoda pivotului aplicat¼

a acestui sistem are
urm¼atoarea form¼
a:
 2.3. REPREZENTAREA VECTORILOR 35

x1 x2 x3 j b
4 3 3 j 14
3 2 5 j 13
2 1 8 j 13
j
3 3 7
1 j
4 4 2
1 11 5
0 j
4 4 2
1 13 .
0 j 6
2 2
j
1 0 9 j 11
0 1 11 j 10
0 0 1 j 1
j
1 0 0 j 2
0 1 0 j 1
0 0 1 j 1
Soluţia
0 1sistemului
0 1se citeşte pe coloana b a ultimului tabel şi
x1 2
este @ x 2
A = @ 1 A.
x3 1
Matricial, operaţiile pentru …ecare pivot sunt urm¼ atoarele (folosind
matrici
0 elementare):
1 0 1
1 3 3 7
0 1
B 4 0 0C 4 3 3 14 B1 4 4 2C
B 3 C B 1 11 5 C
B C @ A B C,
B 4 1 0C 3 2 5 13 = B0 4 4 2 C
@ 2 A 2 1 8 13 @ 1 13 A
0 1 0 6
4 0 1 2 2
0 1 1 3 3 7
0 1
1 3 0 B 4 4 2 C 1 0 9 11
B0 4 0C B B0 1 11 5 C C = @0 1 11 10A,
@ 4 A B C
0 1 @ 4 4 2 A 0 0 1 1
1 13
2 0 6
2 2
36 ¼
2. REPREZENTARI îN SPAŢII VECTORIALE DE TIP FINIT
0 10 1 0 1
1 0 9 1 0 9 11 1 0 0 2
@0 1 11 A @0 1 11 10A = @0 1 0 1A.
0 0 1 0 0 1 1 0 0 1 1
0 Identitatea1matricial¼ a obţinut¼a pornind de la matricea
0 iniţial¼
1a
4 3 3 14 1 0 0 2
@3 2 5 13A şi terminând cu matricea …nal¼ a @0 1 0 1A
2 1 8 13 0 0 1 1
(folosind matrici elementare) este: 0 1
1
0 1 01 3 01 0 1 0 1
1 0 9 B 4 0 0C 4 3 3 14 1 0 0 2
@0 1 11 A B 0 4 0C B C
B 3 1 0C @3 2 5 13A = @0 1 0 1A.
@ 4 A B C
0 0 1 0 1 @ 42 A 2 1 8 13 0 0 1 1
2 0 1
4
(2) Metoda pivotului aplicat¼ a acestui sistem are urm¼ atoarea form¼ a:
x1 x2 x3 j b
4 3 3 j 6
3 2 1 j 8
11 8 7 j 20
j
3 3 3
1 j
4 4 2
1 5 7 .
0 j
4 4 2
1 5 7
0 j
4 4 2
j
1 0 3 j 12
0 1 5 j 14
0 0 0 j 0
Se observ¼ a c¼
a algoritmul nu mai poate … continuat deoarece în
ultimul tabel ultima linie (corespunz¼ atoare necunoscutelor) este
nul¼a. Deoarece şi elementul corespunz¼ ator coloanei b este nul,
rezult¼a c¼
a sistemul este compatibil
0 1 80 1 nedeterminat. 1 9
x1 < 12 + 3 =
Soluţia sistemului este @ x2 A 2 @ 14 5 A ; 2 R
: ;
x3
Matricial, operaţiile pentru …ecare pivot sunt urm¼ atoarele (folosind
matrici elementare):
 2.3. REPREZENTAREA VECTORILOR 37
0 1 0 1
1 3 3 3
0 0 C 0 1
B 4 4 3 3 6 B 1 4 4 2 C
B 3 C B 1 5 7 C
B 1 0 C @ 3 2 1 8 A=B 0 C
B 4 C B 4 4 2 C
@ 11 A 11 8 7 20 @ 1 5 7 A
0 1 0
4 0 1 4 4 2
3 3 3
0 1 1 0 1
1 3 0 B B 4 4 2 C C 1 0 3 12
1 5 7 C @
@ 0 4 0 AB B 0 C= 0 1 5 14 A
1 1 @ 4 4 2
0 1 5 7 A 0 0 0 0
0
4 4 2
Identitatea matricial¼ a obţinut¼a pornind de la matricea iniţial¼a
şi terminând cu matricea
0 …nal¼a (folosind
1 matrici elementare) este:
1
0 1 0 0 C0 1 0 1
1 3 0 B B 4 C 4 3 3 6 1 0 3 12
3
@ 0 4 0 AB B 1 0 C C @ 3 2 1 8 A = @ 0 1 5 14 A.
0 1 1 @ 11 4 A 11 8 7 20 0 0 0 0
0 1
4
(3) Metoda pivotului aplicat¼ a acestui sistem are urm¼ atoarea form¼ a:
x1 x2 x3 j b
1 1 1 j 10
2 1 1 j 16
3 2 2 j 24
j
1 1 1 j 10
) Sistemul este incompatibil.
0 1 1 j 4
0 1 1 j 6
j
1 0 0 j 6
0 1 1 j 4
0 0 0 j 2
Matricial, operaţiile pentru …ecare pivot sunt urm¼ atoarele (folosind
matrici
0 elementare): 10 1 0 1
1 0 0 1 1 1 10 1 1 1 10
@ 2 1 0 A @ 2 1 1 16 A = @ 0 1 1 4 A
3 0 1 3 2 2 24 0 1 1 6
38 ¼
2. REPREZENTARI îN SPAŢII VECTORIALE DE TIP FINIT
0 10 1 0 1
1 1 0 1 1 1 10 1 0 0 6
@ 0 1 0 A@ 0 1 1 4 A=@ 0 1 1 4 A
0 1 1 0 1 1 6 0 0 0 2
Identitatea matricial¼
a obţinut¼a pornind de la matricea iniţial¼
a
şi terminând
0 cu matricea
10 …nal¼ a (folosind
10 matrici elementare)
1 0 este: 1
1 1 0 1 0 0 1 1 1 10 1 0 0 6
@ 0 1 0 A @ 2 1 0 A @ 2 1 1 16 A = @ 0 1 1 4 A
0 1 1 3 0 1 3 2 2 24 0 0 0 2

Inversarea unei matrici se poate face folosind aceeaşi schem¼

a, cu tabelul
iniţial şi …nal în forma:

A I

1
I A

0 1
2 3 1
a se inverseze matricea @ 1 2
2.3.5. Exemplu. S¼ 1 A
1 1 2

2.3.6. Soluţie. Tabelul pentru aplicarea metodei pivotului este urm¼

atorul:
 2.3. REPREZENTAREA VECTORILOR 39

2 3 1 j 1 0 0
1 2 1 j 0 1 0
1 1 2 j 0 0 1
j
3 1 1
1 j 0 0
2 2 2
1 1 1
0 j 1 0
2 2 2
1 3 1
0 j 0 1
2 2 2
j
1 0 1 j 2 3 0
0 1 1 j 1 2 0
0 0 2 j 1 1 1
j
3 5 1
1 0 0 j
2 2 2
1 3 1
0 1 0 j
2 2 2
1 1 1
0 0 1 j
2 2 2
Ultimele trei linii şi ultimele
0 trei coloane
1 dau matricea invers¼
a:
3 5 1
0 1 1
B 2 C
2 3 1 B 1 32 21 C
@ 1 2 1 A =B B 2 2
C
C
@ 1 2
1 1 2 1 1 A
2 2 2
Matricial, operaţiile pentru …ecare pivot sunt urm¼ atoarele (folosind
matrici elementare): 0 1
3 1 1
0 10 1
1=2 0 0 2 3 1 1 0 0 B 1 2 2 2
0 0 C
B 1 1 1 C
@ 1=2 1 0 A @ 1 2 1 0 1 0 A=B B 0 1 0 C
C
1=2 0 1 1 1 2 0 0 1 @ 2 2 2 A
1 3 1
0 0 1
2 2 2
40 ¼
2. REPREZENTARI îN SPAŢII VECTORIALE DE TIP FINIT
0 1
3 1 1
0 11 0 0 C 0 1
1 3 0 B
B 2 2 2 C 1 0 1 2 3 0
1 1 1
@ 0 2 0 AB
B 0 1 0 CC = @ 0 1 1 1 2 0 A
0 1 1 @ 2 2 2 A 0 0 2 1 1 1
1 3 1
0 0 1
2 2 2 0 1
3 5 1
0 10 1
1 0 1=2 1 0 1 2 3 0 B 1 0 0
2 2 2 C
B 1 3 1 C
@ 0 1 1=2 A @ 0 1 1 1 2 0 A=B B 0 1 0 C
C
0 0 1=2 0 0 2 1 1 1 @ 2 2 2 A
1 1 1
0 0 1
0 1 2 2 2
3 5 1
0 1 0 1
2 3 B
1 B 2 2 2 C 1 0 0
1 3 C
1 C @
Proba: @ 1 2 1 AB
B 2 = 0 1 0 A
1 1 2 @ 1 2 2 C
A 0 0 1
1 1
2 2 2
Folosind aceast¼ a metod¼ a şi acest mod de organizare a calculelor se
pot efectua majoritatea cerinţelor speci…ce algebrei liniare, cu p¼ astrarea
semni…caţiilor reprezent¼
arilor în bazele iniţiale, intermediare şi …nale.
Suportul teoretic este oferit de

2.3.7. Teorem¼ a. (Lema substituţiei) Fie (V; K) spaţiu vectorial de

tip …nit, V1 un subspaţiu generat de sistemul de vectori liniar independenţi
P
m
B = fe1 ; ; em g şi v = a j 6= 0 atunci B 0 =
i ei 2 V1 . Dac¼
i=1
fe1 ; ej 1 ; v; ej+1 ; ; em g este o nou¼
a baz¼
a a lui V1 iar leg¼
atura dintre
2 3 2 0 3
1 1
vechile coordonate 4 ... 5 (în baza B) şi noile coordonate 4 ... 5 (în
0
m m
j i j j i
baza B 0 ) ale unui vector oarecare x 2 V1 este 0
j = ; 0
i = .
j j
a B 0 este liniar independent, atunci
Reciproc, dac¼ j 6= 0.

P
m v P
m
i
Demonstraţie. v = i ei şi j 6= 0 ) ej = ei ) B 0
i=1 j i=1;i6=j j
P
m P
m
este sistem de generatori pentru V1 ; mai mult, x = i ei = i ei +
i=1 i=1;i6=j
 2.3. REPREZENTAREA VECTORILOR 41
!
P
m v P
m
i P
m
i v
j ej = i ei + j ei = i j ei + j
i=1;i6=j j i=1;i6=j j i=1;i6=j j j
0 i 0 j
) noile coordonate sunt i = i j ; i 6= j; j = . Fie i astfel încât
j j
P
m P
m P
m P
m
i ei + j v =0) i ei + j i ei =0 ) ( i + j i ) ei +
i=1;i6=j i=1;i6=j i=1 i=1;i6=j
j = 0 j
j j ej =0) ) i = 0, 8i
i + j i = 0; i 6= j
0
) B este baz¼
a în V1

2.3.8. Exemplu. S¼
a se studieze natura sistemului de vectori:

01 0 1 0 1 0 1
1 2 1 1
v1 = @ 0 A ; v2 = @1A ; v3 = @1A ; v4 = @ 2 A
1 3 1 0

2.3.9. Soluţie. Se consider¼ a sistemul vectorial în necunoscutele 1 , 2 ,

3 , 4 : v
1 1 + v
2 2 + v
3 3 + 4 4 = 0. Trebuie a‡ate toate valorile scalarilor
v
1 , 2 , 3 , 4 care veri…c¼ a sistemul vectorial. Prin înlocuirea în sistemul
vectorial a reprezent¼ arilor vectorilor (date în baza canonic¼ a) se obţine o
nou¼ a form¼0a: 11[v1 ]E + 02 1 [v2 ]E + 03 [v13 ]E + 0
4 [v4 ]E E )1
1= [0]0
1 2 1 1 0
) 1 0 @ A @ A
+ 2 1 + 3 1 + 4 2 @ A @ A = @ 0 A care este
1 3 1 0 0
echivalent¼
8 a cu un sistem liniar omogen în necunoscutele 1 , 2 , 3 , 4 :
< 1+2 2+ 3 4 = 0
2+ 3+2 4 = 0
:
1+3 2+ 3 = 0
Se rezolv¼a acest sistem folosind metoda pivotului şi cu p¼ astrarea semni…caţiilor
de spaţiu vectorial (bazele în care sunt reprezentaţi vectorii):
42 ¼
2. REPREZENTARI îN SPAŢII VECTORIALE DE TIP FINIT

j v1 v2 v3 v4 j e1 e2 e3 j b
j j j
e1 j 1 # 2 1 1 j 1 0 0 j 0
e2 j 0 1 1 2 j 0 1 0 j 0
e3 j 1 3 1 0 j 0 0 1 j 0
j j j
v1 j 1 2 1 1 j 1 0 0 j 0
e2 j 0 1 # 1 2 j 0 1 0 j 0
e3 j 0 5 2 1 j 1 0 1 j 0
j j j
v1 j 1 0 1 5 j 1 2 0 j 0
v2 j 0 1 1 2 j 0 1 0 j 0
e3 j 0 0 3 # 11 j 1 5 1 j 0
j j j
4 2 1 1
v1 j 1 0 0 j j 0
3 3 3 3
5 1 2 1
v2 j 0 1 0 j j 0
3 3 3 3
11 1 5 1
v3 j 0 0 1 j j 0
3 3 3 3
Matricial, operaţiile pentru …ecare pivot sunt urm¼
atoarele (folosind matrici
elementare):
0 10 1 0 1
1 0 0 1 2 1 1 1 0 0 1 2 1 1 1 0 0
@ 0 1 0 A@ 0 1 1 2 0 1 0 A=@ 0 1 1 2 0 1 0 A
1 0 1 1 3 1 0 0 0 1 0 5 2 1 1 0 1
0 10 1 0 1
1 2 0 1 2 1 1 1 0 0 1 0 1 5 1 2 0
@ 0 1 0 A@ 0 1 1 2 0 1 0 A=@ 0 1 1 2 0 1 0 A
0 5 1 0 5 2 1 1 0 1 0 0 3 11 1 5 1
0 1 0 1
1 4 2 1 1
0 1
B 1 0 3 C 1 0 1 5 1 2 0 B 1 0 0 3 3 3 3 C
B 1 C B 5 1 2 1 C
B 0 1 C@ 0 1 1 2 0 1 0 A=B C
B 3 C B 0 1 0 3 3 3 3 C
@ 1 A 0 0 3 11 1 5 1 @ 11 1 5 1 A
0 0 0 0 1
3 3 3 3 3
 2.4. REPREZENTAREA OPERATORILOR 43

Veri…care:
0 1
2 1 1
0 1 0 1
1 2 1 B B 3 3 3 C 1 0 0
@ 0 1 1 AB 1 2 1 CC=@ 0 1 0 A
B 3 3 3 C
1 3 1 @ 1 5 1 A 0 0 1
3 3 3
2.3.10. Exemplu. Fie vectorii:
0 1 0 1 0 1
0 1 m
@ A @ A @
v1 = 2 ; v2 (m) = m ; v3 (m) = 0 A ; m 2 R:
1 1 1
S¼
a se discute în funcţie de parametrul m natura familiei de vectori.
2.3.11. Soluţie. Se consider¼
a sistemul vectorial în necunoscutele 1,
2 , 3 : 1 v1 + 2 v2 (m) + 3 v3 (m) = 0 şi cu parametrul m.

2.3.12. Observaţie. Prezentarea de faţ¼ a a metodei elimin¼ arii a lui

Gauss (metodei pivotului) nu este complet¼ a: nu s–a speci…cat modul de
abordare complet pentru situaţiile când pivotul nu poate …ales pe diagonala
principal¼
a, nu s–au prezentat aspecte legate de abordarea numeric¼ a a
problemei (situaţiile când calculele implicate se efectueaz¼
a cu aproximaţii),
nu s–a prezentat efectuarea acestor calcule folosind software matematic
specializat (Computer Algebra Systems), nu s–au prezentat aplicaţii ale
acestei metode în alte zone de interes. Sper¼ am c¼a toate aceste omisiuni
vor … acoperite de alte cursuri şi/sau texte.
2.4. Reprezentarea operatorilor
Fie U ( ) : V1 ! V2 un operator liniar între dou¼ a spaţii vectoriale
peste acelaşi corp K. S¼ a presupunem c¼ a spaţiile vectoriale sunt de tip …nit,
de dimensiune n; respectiv m şi s¼ a alegem câte o baz¼ a în …ecare spaţiu,
Bd = (e1 ; ::; en ) în domeniul de de…niţie şi Bc = (f1 ; ::; fm ) în codomeniul
operatorului. Fie
P
m
U (ej ) = aij fi ; j = 1; n (reprezentarea vectorial¼ a)
i=1 2 3
a1j
6 a2j 7
[U (ej )]Bc = 6 7
4 ... 5 (reprezentarea în coordonate)
amj
44 ¼
2. REPREZENTARI îN SPAŢII VECTORIALE DE TIP FINIT

reprezent¼
arile imaginilor vectorilor bazei domeniului de de…niţie în baza
codomeniului. Matricea astfel obţinut¼ a (aij ) i=1;n se numeşte matricea
j=1;m
asociat¼
a lui U ( ) în bazele Bd şi Bc . Reciproc, pentru …ecare matrice A 2
Mn m (R) şi pentru …ecare alegere de baze în domeniu şi în codomeniu
exist¼
a câte un operator liniar asociat, de…nit prin formula2 de mai 3 sus.
x1
Dac¼a x 2 V1 şi scrierea lui x în baza Bd este [x]Bd = 4 .. 5, atunci
.
xn
!
Pn Pn Pn Pm
U (x) = U xj ej = xj U (ej ) = xj aij fi =
j=1 j=1 j=1 i=1
!
P n Pm Pm Pn
= aij xj fi = aij xj fi
j=1 i=1 i=1 j=1

deci scrierea lui U (x) în baza Bc este

2 n 3
P
6 j=1 a1j xj 7 0 12 3
6 n 7 a11 a12 a1n x1
6 P 7
6 a x 7 B a21 a22 a2n C 6 x2 7
6 2j j 7 B
[U (x)]Bc = 6 j=1 7 = @ .. .. .. .. C 6 . 7;
6
6 .. 7
7 . . . . A 4 .. 5
6 n . 7 am1 am2 amn xn
4 P 5
amj xj
j=1
[U (x)]Bc = MBd ;Bc (U ( )) [x]Bd :

2.4.1. Propoziţie. Operatorul U ( ) este bijectiv dac¼

a şi numai dac¼
a
matricea ataşat¼
a lui pentru o alegere oarecare a bazelor din domeniu şi
codomeniu este inversabil¼a.
Demonstraţie. „)”Dac¼ a U ( ) este bijectiv, atunci cele dou¼ a spaţii
au aceeaşi dimensiune (deci matricea ataşat¼ a este p¼ atratic¼
a) şi pentru
…ecare y 2 V2 sistemul Ax = y are o unic¼ a soluţie. Se presupune prin
reducere la absurd c¼ a matricea n-ar … inversabil¼ a; ar urma det A = 0,
adic¼a matricea are coloanele liniar dependente. Se consider¼ a o combinaţie
liniar¼a nenul¼a de coloanele matricii a c¼ arei valoare s¼ a …e vectorul nul;
matricial înseamn¼ a o soluţie nenul¼ a a sistemului Ax = 0, care odat¼ a cu
soluţia x accept¼
a şi soluţii de forma x, 2 K. Aceasta este o contradicţie
 2.4. REPREZENTAREA OPERATORILOR 45

cu faptul c¼
a sistemul Ax = 0 are o unic¼ a soluţie, contradicţie care provine
din ipoteza c¼a matricea n-ar … inversabil¼ a. Deci exist¼a A 1.
„(”Dac¼ a matricea A este inversabil¼ a, atunci spaţiile sunt de aceeaşi
dimensiune şi p¼astrând aceeaşi baz¼ a în …ecare spaţiu operatorul V ( ) :
V2 ! V1 de…nit prin V (y) = A 1 y este chiar operatorul invers pentru
U ( ), adic¼
a U ( ) este inversabil deci bijectiv

2.4.2. De…niţie. Se numeşte rangul operatorului U ( ) rangul matricii

ataşate lui pentru o alegere oarecare a bazelor.

2.4.3. Observaţie. (1) Un operator este injectiv dac¼ a şi numai

dac¼
a rangul s¼
au este egal cu dimensiunea domeniului de de…niţie.
(2) Un operator este surjectiv dac¼
a şi numai dac¼
a rangul s¼
au este egal
cu dimensiunea codomeniului.

Demonstraţie. Evident

Fiind …xat¼ a o baz¼a Bd = fv1 ; ; vn g în (V; K) şi o baz¼

a Bc = fwg în
(K; K), orice funcţional¼
a liniar¼
a f ( ) : V ! K (care este un tip particular
de operator) admite o unic¼ a reprezentare:
!
X n Xn
f (v) = f v
i i = i f (vi ) ;
i=1 i=1

deci valoarea funcţionalei în v este unic determinat¼ a de valorile funcţionalei

în vectorii bazei şi de coordonatele vectorului. În scriere matricial¼a, are loc:
2 3
1
6 2 7
[f (v)]Bc = f (v1 ) f (v2 ) f (vn ) 6 . 7=
4 .. 5
n
= f (v1 ) f (v2 ) f (vn ) [v]Bd :

Mai mult, dac¼ a pentru o baz¼ a …xat¼ a în V se noteaz¼ a cu i ( ) : V ! K

coordonata i a …ec¼ arui vector în baza …xat¼ a (baza în K nu se schimb¼ a),
familia de funcţionale ( i ( ))i=1;n este o baz¼a în V0 . Aceast¼
a baz¼
a se numeşte
baza dual¼ a bazei Bd din V. Urmeaz¼ a c¼
a pentru spaţii vectoriale de tip …nit
spaţiul este izomorf cu dualul s¼ au.
46 ¼
2. REPREZENTARI îN SPAŢII VECTORIALE DE TIP FINIT

2.4.4. Observaţie. Schimbarea reprezent¼ arii operatorilor la schimbarea

bazei se face astfel:
[U (x)]Bc = MBd ;Bc (U ( )) [x]Bd ; [U (x)]Bc0 = MBd0 ;Bc0 (U ( )) [x]B 0 ;
d
[x]B 0 = (M (Bd ))B 0 [x]Bd ; [U (x)]Bc0 = (M (Bc ))Bc0 [U (x)]Bc ;
d d

deci
1
[U (x)]Bc = (M (Bc ))Bc0 [U (x)]Bc0 = MBd ;Bc (U ( )) [x]Bd )
[U (x)]Bc0 = (M (Bc ))Bc0 MBd ;Bc (U ( )) [x]Bd =
1
= (M (Bc ))Bc0 MBd ;Bc (U ( )) (M (Bd ))B 0 [x]B 0
d d
 CAPITOLUL 3

Subspaţii vectoriale

3.1. Operaţii cu subspaţii vectoriale

3.1.1. Propoziţie. Intersecţia unei familii de subspaţii este subspaţiu.
Demonstraţie. Dac¼ a (V; K) este
T spaţiu vectorial iar (Vi )i2I sunt subspaţii
ale lui (V; K), atunci pentru V0 := Vi au loc:
i2I
1. x, y 2 V0 ) 8i 2 I x, y 2 Vi ) 8i 2 I, x + y 2 Vi ) x + y 2 V0
2. x 2 V0 , 2 K ) 8i 2 I x 2 Vi şi 2 K ) 8i 2 I x 2 Vi ) x 2
V0 .
3.1.2. De…niţie. Se numeşte suma unei familii (Vi )i2I de subspaţiimulţimea
( )
X Def X
Vi = vi ; vi 2 Vi ; 8i 2 I :
i2I i2I

3.1.3. Propoziţie. Suma unei familii de subspaţii este un subspaţiu.

P
Demonstraţie. xj 2 Vi ; j = 1; 2 ) 9vij 2 Vi ; 8i 2 I; j = 1; 2
i2I
P j P 1 P
astfel încât xj = vi ) x1 + x2 = (vi + vi2 ) 2 Vi : Analog, pentru
P i2I 1 P i2I i2I
2 K; x1 = ( vi ) 2 Vi .
i2I i2I

3.1.4. Propoziţie. Suma subspaţiilor coincide cu subspaţiul generat

de reuniunea subspaţiilor
!
X [
Vi = span Vi
i2I i2I

(este cel mai mic subspaţiu care conţine reuniunea familiei).

P S
Demonstraţie. Fie x 2 Vi ) 9vi 2 Vi Vi ; 8i 2 I astfel
i2I i2I
P S S
încât x = vi ) x 2 L Vi : Reciproc, …e x 2 L Vi )9 j 2
i2I i2I i2I
47
48 3. SUBSPAŢII VECTORIALE

S P
m
K, 9vj 2 Vi , x = j vj . Pentru …ecare j 9ij 2 I, vj = uij 2 Vij )
i2I j=1
P
m P
i vi 2 Vi deci x = j uij 2 Vi .
j=1 i2I

P P
3.1.5. Propoziţie. max (dim Vi ) dim Vi dim (Vi ) :
i2I i2I i2I

P
Demonstraţie. Pentru prima inegalitate, are loc 8i 2 I; Vi Vi
i2I
P P
) 8i 2 I; dim Vi dim Vi ) max (dim Vi ) dim Vi .
i2I i2I i2I
Pentru a doua inegalitate, …e câte o baz¼ a în …ecare subspaţiu şi …e
familia obţinut¼
Pa prin reunirea lor; aceast¼
a nou¼ a P
familie este sistem de
generatori în Vi iar num¼arul ei de vectori este dim (Vi ); cum orice
i2I i2I
baz¼
a a subspaţiului are cel mult tot atâţia vectori câţi are un sistem de
P P
generatori, rezult¼
a c¼
a dim Vi dim (Vi ).
i2I i2I

3.1.6. Propoziţie. (De…niţii echivalente pentru suma direct¼ aa

dou¼a subspaţii) Fie V1 şiV2 dou¼
a subspaţii şiV1 +V2 suma lor. Urm¼
atoarele
a…rmaţii sunt echivalente:
(1) Orice vector al sumei admite o unic¼ a descompunere într-o sum¼a
dintre un vector din V1 şi un vector din V2 .
(2) Intersecţia celor dou¼
a subspaţii este subspaţiul nul.
(3) Dimensiunea sumei subspaţiilor este egal¼ a cu suma dimensiunilor
subspaţiilor.

Demonstraţie. Se va demonstra echivalenţa a…rmaţiilor 1. şi 2., 2. şi

3.
1.,2. Fie suma V1 + V2 cu proprietatea 1. şi …e x 2 V1 \ V2 : Pentru
v 2 V1 + V2 9vi 2 Vi , i = 1; 2 aşa ca v = v1 + v2 = (v1 x) + (x + v2 ) cu
v1 x 2 V1 şi x + v2 2 V2 deci descompunerea este unic¼ a dac¼
a şi numai
dac¼a 8x 2 V1 \ V2 ; x = 0:
2.,3. Fie câte o baz¼a (ei )i=1;k1 ; (fj )j=1;k2 în …ecare subspaţiu.
„)”Se presupune c¼ a V1 \V2 = f0g. Atunci familia (ei )i=1;k1 [(fj )j=1;k2
este baz¼
a în V1 + V2 : familia este sistem de generatori; …e o combinaţie
 3.1. OPERAŢII CU SUBSPAŢII VECTORIALE 49

liniar¼
a nul¼
a
P
k1 P
k2
i ei + j fj =0)
i=1 j=1
P
k1 P
k2
)x= i ei = j fj 2 V1 \ V2 = f0g
i=1 j=1

şi cum (ei )i=1;k1 , (fj )j=1;k2 sunt baze în V1 , respectiv V2 urmeaz¼ a c¼a toţi
scalarii sunt nuli, adic¼ a familia este liniar independent¼ a şi deci baz¼ a în
V1 + V2 ) dim (V1 + V2 ) = k1 + k2 .
„(” Fie c¼ a dim (V1 + V2 ) = dim V1 + dim V2 ; se presupune prin
reducere la absurd c¼ a ar exista x 6= 0 2 V1 \ V2 . Familia format¼ a din cele
dou¼ a baze este sistem de generatori, dar nu mai este liniar independent¼ a,
pentru c¼a vectorul nenul x admite dou¼ a reprezent¼ari distincte în cele dou¼ a
subspaţii, aşa c¼
a reprezentarea oric¼ arui vector al sumei poate … modi…cat¼ a
prin adunarea reprezent¼ arii lui x în V1 şi sc¼
aderea reprezent¼arii lui x în V2 .
Extragerea din ea a unei baze conduce la micşorarea strict¼ a a num¼ arului
de vectori, deci dim (V1 + V2 ) < dim V1 + dim V2 ; contradicţie cu ipoteza.
Deci intersecţia conţine numai elementul nul
3.1.7. De…niţie. Suma V1 + V2 a dou¼ a subspaţii V1 şiV2 se numeşte
direct¼a dac¼
a este satisf¼
acut¼
a una dintre condiţiile echivalente din propoziţia
de mai sus. Suma direct¼ a a dou¼
a subspaţii se noteaz¼ a cuV1 V2 .
3.1.8. De…niţie. Dou¼
a subspaţii V1 şi V2 se numesc suplimentare în
V dac¼aV = V1 V2 .
3.1.9. Propoziţie. Dac¼ a V1 este subspaţiu al lui V atunci exist¼
a un
subspaţiu V2 astfel încât V = V1 V2 :
a (ei )i=1;k1 a lui V1 care se completeaz¼
Demonstraţie. Fie o baz¼ a
a a lui V cu vectorii (fj )j=1;k2 . Atunci V2 = L (fj )j=1;k2 este
la o baz¼
suplimentul lui V1 în V: x 2 V1 \ V2 ) vectorul x se exprim¼ a în acelaşi
timp ca o combinaţie liniar¼
a de vectorii …ec¼arei subfamilii,
k1
X k2
X
x= i ei = j fj
i=1 j=1

deci
k1
X k2
X
i ei j fj =0
i=1 j=1
50 3. SUBSPAŢII VECTORIALE

deci toţi scalarii sunt nuli, adic¼

a orice element al intersecţiei este nul, adic¼
a
suma spaţiilor este direct¼ a
3.1.10. Observaţie. Dac¼
a V1 este subspaţiu în V astfel încât dim V1 =
k şidim V = n, atunci suplimentul lui V1 în V are dimensiunea n k.
Dimensiunea suplimentului se mai numeşte codimensiunea lui V1 .
3.1.11. Teorem¼
a. (De…niţii echivalente pentru suma direct¼ aa
P
k
mai multor subspaţii) Fie (Vi )i=1;k şi V = Vi . Urm¼
atoarele a…rmaţii
i=1
sunt echivalente:
(1) Fiecare vector x al sumei se descompune în mod unic sub forma:
Pk
x= vi ; vi 2 Vi ; i = 1; k.
i=1 !
Pk
(2) 8j = 1; k; Vj \ Vi = f0g :
i=1;i6=j
P
k
(3) dim Vi = dim V:
i=1

! „1,2” Se presupune c¼
Demonstraţie. a!j = 1; k astfel încât
a exist¼
Pk P
k
Vj \ Vi 6= f0g ) 9x 2 Vj \ Vi n f0g ) x 2 Vj şi
i=1;i6=j i=1;i6=j
P
k P
k
x 2 Vi şi x 6= 0: Atunci x = vi0 ; vi 2 Vi ; i 6= j şi pentru
i=1;i6=j i=1;i6=j
P
k Pk Pk
un vector oarecare al sumei v 2 Vi are loc v = vi = vi +
i=1 i=1 i=1;i6=j
! !
P
k Pk P
k
vj = vi x + (vj + x) = vi vi0 + (vj + x) =
i=1;i6=j i=1;i6=j i=1;i6=j
P
k
(vi vi0 )+(vj + x), care este o alt¼
a descompunere pentru x, distinct¼
a
i=1;i6=j
de prima din cauz¼ a c¼a x 6= 0, contradicţie cu unicitatea descompunerii.
Pk Pk Pk
Reciproc, dac¼a vi = vi0 , atunci (vi vi0 ) = 0 şi dac¼
a 9j astfel încât
i=1 i=1 i=1 !
Pk Pk
vj vj0 6= 0; atunci vj0 vj = (vi vi0 ) 6= 0 ) 9j; Vj \ Vi 6=
i=1;i6=j i=1;i6=j
f0g contradicţie.
 3.1. OPERAŢII CU SUBSPAŢII VECTORIALE 51

„2)3” Fie câte o baz¼ a în …ecare subspaţiu; reuniunea bazelor este

sistem de generatori al sumei, iar din condiţia 2 rezult¼ a independenţa
liniar¼
a a reuniunii de baze: dac¼ a reuniunea de baze n-ar …liniar independent¼ a,
atunci ar exista un indice j şi un vector în V
!j care s¼
a …e sum¼a de vectori din
P
k
celelalte subspaţii, adic¼
a Vj \ Vi 6= f0g contradicţie. Urmeaz¼ a
i=1;i6=j
c¼
a are loc 3.
„3)2” Reuniunea bazelor este sistem de generatori al sumei şi din 3
urmeaz¼ a c¼
a este şi liniar
! independent¼
a (ca …ind minimal¼a), aşa c¼a dac¼
!a
Pk Pk
are loc Vj \ Vi 6= f0g atunci pentru 0 6= x 2 Vj \ Vi
i=1;i6=j i=1;i6=j
şi pentru v oarecare o scriere a lui v în reuniunea bazelor ar putea …
modi…cat¼ a prin intermediul lui x în alt¼ a scriere distinct¼ a de prima, folosind
Pk
cele dou¼a reprezent¼ ari ale lui x în Vj şi în Vi :
i=1;i6=j
! !
kj0 kj kj kj0
P j0 j0 Pk P j j Pk P j j P j0 j0
x= i ei = i ei ; v= i ei = i ei +
i=1 j=1;j6=j0 i=1 j=1 i=1 i=1
! !
kj kj0 kj
P
k P j j P j0 j0 P
k P
i ei = i i eji 0 + j j j
i + i ei , adic¼ a
j=1;j6=j0 i=1 i=1 j=1;j6=j0 i=1
reuniunea familiei de baze n–ar … liniar independent¼
a, contradicţie.
3.1.12. De…niţie. Suma unei familii de subspaţii (Vi )i=1;k se numeşte
direct¼a dac¼
a este satisf¼
acut¼
a una dintre condiţiile echivalente din teorema
de mai sus.
3.1.13. Teorem¼ a. (Formula lui Grassmann) Pentru orice dou¼
a
subspaţii V1 şi V2 are loc:
dim V1 + dim V2 = dim (V1 + V2 ) + dim (V1 \ V2 ) :
Demonstraţie. Fie
V01 suplimentul direct al lui V1 \ V2 în V1 :
V1 = (V1 \ V2 ) V01 :
(V1 \ V2 ) \ V01 = f0g;
)
V01 V1 :
0
V2 suplimentul direct al lui V1 \ V2 în V2 :
V2 = (V1 \ V2 ) V02 ;
52 3. SUBSPAŢII VECTORIALE

(V1 \ V2 ) \ V02 = f0g;

)
V02 V8 2:
>
> V01 \ V2 = V1 \ V01 \ V2 = (V1 \ V2 ) \ V01 = f0g
>
< | {z }
=V01
De unde rezult¼
a:
>
> V2 \ V1 = V2 \ V02 \ V1 = (V1 \ V2 ) \ V02 = f0g :
0
>
: | {z }
=V02
Ar¼
at¼
am c¼
a are loc relaţia:
V1 + V2 = (V1 \ V2 ) V01 V02 :
Trebuie demonstrate relaţiile:
(V1 \ V2 ) \ (V01 + V02 ) = f0g
x 2 (V1 \ V2 ) \ (V01 + V02 ) ) x 2 V1 ; x 2 V2 ; x 2 V01 + V02 )
x 2 V1 ; x 2 V2 ; x = u1 + u2 ; ui 2 V0i ) u1 2 V01 V1 şi
u1 = x u2 2 V2 ) u1 2 V1 \ V2 \ V01 = f0g ) u1 = 0;
analog u2 = 0 deci x = 0.
V01 \ ((V1 \ V2 ) + V02 ) = V01 \ V2 = f0g.
V02 \ ((V1 \ V2 ) + V01 ) = V02 \ V1 = f0g.
Aşadar descompunerea sumei V1 + V2 = (V1 \ V2 ) V01 V02 este
direct¼
a şi atunci are loc relaţia dintre dimensiuni:
dim (V1 + V2 ) = dim (V1 \ V2 ) + dim V01 + dim V02 ;
cum dim V0i = dim Vi dim (V1 \ V2 ) urmeaz¼
a c¼
a
dim (V1 + V2 ) = dim V1 + dim V2 dim (V1 \ V2 ) ;
ceea ce încheie demonstraţia

3.2. Izomor…sme de spaţii vectoriale

3.2.1. Observaţie. Fie (V; K) un spaţiu vectorial şi V0 un subspaţiu
al s¼
au; V0 …ind subspaţiu, este şi subgrup al grupului V. Se consider¼
a pe
V relaţia
Def
u vV0 v , u v 2 V0 :
Aceast¼a relaţie este o relaţie de echivalenţ¼
a pe V (deocamdat¼
a este
necesar¼a numai calitatea de grup a lui V).
Demonstraţie. Simetrie: u vV0 v ) u v 2 V0 ) v u 2 V0 )
v vV0 u.
Tranzitivitate: u vV0 v şi v vV0 w ) u v şi v w 2 V0 ) u w =
(u v) + (v w) 2 V0 .
 3.2. IZOMORFISME DE SPAŢII VECTORIALE 53

Re‡exivitate: 8v 2 V, v vV0 v pentru c¼

av v = 0 2 V0
a „vV0 ” genereaz¼
Relaţia de echivalenţ¼ ape V clase de echivalenţ¼a: se
va nota cu x b mulţimea tuturor elementelor lui V care sunt echivalente cu
x:
b = fv 2 V; x vV0 vg = x + V0 = fx + v0 ; v0 2 V0 g :
x
Dou¼ a clase de echivalenţ¼a pot numai s¼ a coincid¼
a sau s¼ a …e disjuncte
(evident) iar familia tuturor claselor de echivalenţ¼
a formeaz¼ a o partiţie
a lui V (sunt disjuncte dou¼ a câte dou¼
a iar reuniunea lor este V).
3.2.2. De…niţie. Se numeşte mulţime factor (mulţime cât) mulţimea
tuturor claselor de echivalenţ¼
a; se noteaz¼
a
V=V0 = fb
x; x 2 Vg
(este o mulţime de clase de echivalenţ¼
a, deci o mulţime de mulţimi)
3.2.3. Observaţie. Pentru …ecare x 2 V funcţia x ( ) : V0 ! (x + V0 )
de…nit¼
a prin x (v) = v + x este bijectiv¼
a.
Demonstraţie. Evident
3.2.4. Propoziţie. Pe mulţimea V=V0 se poate de…ni o stuctur¼
a de
spaţiu vectorial.
Demonstraţie. (V=V0 ; K) este spaţiu vectorial cu operaţiile:
Def
adunarea x b + yb = x[ + y este o operaţie bine de…nit¼ a (nu depinde
de reprezentanţi) între clasele de echivalenţ¼ a pentru c¼a, dac¼a xb= x b1 şi
yb = yb1 , atunci x x1 şi y y1 2 V0 ) (x + y) (x1 + y1 ) 2 V0 deci
x[ + y = x\ 1 + y1 . Asociativitatea rezult¼a din asociativitatea operaţiei pe
V: (b x + yb) + zb = x[ + y + zb = (x +\ y) + z = x +\ (y + z) = x b + y[+z =
xb + (by + zb); elementul neutru este b 0(= V0 ) iar opusul este x b = cx.
Înmulţirea unei clase de echivalenţ¼ a cu un scalar: xb = cx. Operaţia
este bine de…nit¼ a pentru c¼ a, dac¼
a xb = x b1 atunci x x1 2 V0 deci
(x x1 ) 2 V0 , adic¼ a cx = cx1 . Au loc şi propriet¼ aţile din de…niţia
spaţiului vectorial:
( + )x b=( \ + )x = \ x + x = cx + cx = x b+ x b;
x + yb) = x[
(b \
+ y = (x + y) = \ x + y = cx + cy;
( xb) = cx = \ ( x) = (\ )x = ( ) x b;1 xb = 1dx = x b: Deci
(V=V0 ; K) este spaţiu vectorial (cu operaţiile între clase de echivalenţ¼ a
de…nite mai sus)
54 3. SUBSPAŢII VECTORIALE

3.2.5. Observaţie. Funcţia ( ) : V ! (V=V0 ) de…nit¼ a prin (x) = xb

este mor…sm de spaţii vectoriale iar nucleul acestui mor…sm este chiar V0 .
Demonstraţie. (x + y) = x[ +y =x b + yb = (x)+ (y) iar ( x) =
cx = x b = (x) deci funcţia este mor…sm de spaţii vectoriale. Nucleul
operatorului este ker (:) = fx 2 V; (x) = 0 2 V=V0 g şi este chiar
V0
3.2.6. De…niţie. Spaţiul vectorial construit mai sus se numeşte spaţiul
vectorial factor (cât) al spaţiului V în raport cu subspaţiul V0 .
3.2.7. Teorem¼ a. (Teorema fundamental¼ a de izomor…sm) Fie
U ( ) : V1 ! V2 un mor…sm între dou¼ a spaţii vectoriale. Atunci spaţiile
vectoriale V1 = ker U ( ) şi Im U ( ) sunt izomorfe.
Demonstraţie. Se de…neşte U~ ( ) : V1 = ker U ( ) ! Im U ( ) prin U~ (b x) =
U (x);
U~ ( ) este bine de…nit (de…niţia nu depinde de reprezentanţi) pentru
c¼a dac¼axb = yb atunci x y 2 ker U ( ), adic¼ a U (x) = U (y).
U ( ) este mor…sm de spaţii vectoriale: aditivitatea U~ (b
~ x1 + xb2 ) =
U~ x\ 1 + x2 = U (x1 + x2 ) = U (x1 ) + U (x2 ) = U~ (b x1 ) + U~ (b
x2 );
omogenitatea U~ ( x b) = U~ (cx) = U ( x) = U (x) = U~ (b x).
U~ ( ) este surjectiv: y 2 Im U ( ) ) 9xy 2 V1 , U (xy ) = y ) U~ (xy ) = y.
U~ ( ) este injectiv: U~ (b
x1 ) = U~ (b
x2 ) ) U (x1 ) = U (x2 ) ) x1 x2 2
ker U ( ) ) x b1 = xb2 .
Deci U~ ( ) este izomor…sm de spaţii vectoriale
3.2.8. Teorem¼ a. (Teorema I de izomor…sm) Fie (V; K) un spaţiu
vectorial, V1 şi V2 subspaţii vectoriale astfel încât V V1 V2 . Atunci
spaţiile vectoriale ((V=V2 ) = (V1 =V2 )) şi V=V1 sunt izomorfe.
Demonstraţie. Se noteaz¼ b = x + V2 clasa lui x în raport cu V2
a cu x
(deci elementul lui V=V2 ) şi cu xe = x + V1 clasa lui x în raport cu V1
(deci elementul lui V=V1 ); se de…neşte funcţia (:) : (V=V2 ) ! (V=V1 )
prin (b x) = xe. ( ) este bine de…nit¼ a pentru c¼
axb1 = x
b2 ) x1 x2 2 V2
) x 1 x 2 2 V1 ) x e1 = x
e2 .
( ) este mor…sm de spaţii vectoriale pentru c¼
a (b b2 ) =
x1 + x x\
1 + x2

= x^ e1 + x
1 + x2 = x e2 = (b x2 ) şi
x1 ) + (b b) =
( x (cx) = fx = x
e=
(b
x).
 3.2. IZOMORFISME DE SPAŢII VECTORIALE 55

Im (:) = V=V1 (funcţia este evident surjectiv¼ a) iar nucleul ei este

V1 =V2 : x b 2 ker (:) , (b e
x) = 0 , x e
e = 0 , x 2 V1 deci x b 2 ker (:)
dac¼ a şi numai dac¼ b = x + V2 şi x 2 V1 adic¼
ax b 2 V1 =V2 V=V2 .
ax
(V=V2 )
Se aplic¼a Teorema fundamental¼ a de izomor…sm şi se obţine c¼
a
ker (:)
şi Im (:) sunt izomorfe, adic¼a ((V=V2 ) = (V1 =V2 )) şi V=V1 sunt izomorfe

3.2.9. Teorem¼ a. (Teorema II de izomor…sm) Fie (V; K) un spaţiu

vectorial, V1 şi V2 subspaţii vectoriale ale lui V. Atunci spaţiile vectoriale
V1 = (V1 \ V2 ) şi (V1 + V2 ) =V2 sunt izomorfe.
Demonstraţie. Se de…neşte funcţia ( ) : V1 ! (V1 + V2 ) =V2 prin
(x) = xb = x + V2 .
Funcţia este mor…sm de spaţii vectoriale: (x + y) = x[ +y =x b + yb =
(x) + (y) şi ( x) = cx = x b= (x). x 2 ker (:) , x 2 V1 şi
b=b
x 0 () x 2 V2 ) deci ker (:) = V1 \ V2 .
Fie y 2 (V1 + V2 ) =V2 ) 9x1 2 V1 , 9x2 2 V2 , y = x1 + x2 + V2 =
x 1 + V2 = x b1 ) (x1 ) = y ) funcţia este surjectiv¼ a.
Din Teorema fundamental¼ a de izomor…sm urmeaz¼ a c¼
a spaţiile V1 = ker (:)
şi Im (:) sunt izomorfe, adic¼
a spaţiile vectoriale V1 = (V1 \ V2 ) şi (V1 + V2 ) =V2
sunt izomorfe.
3.2.10. Teorem¼ a. (Dimensiunea spaţiului factor) Fie (V; K) un
spaţiu vectorial de tip …nit şi V0 un subspaţiu al s¼
au. Atunci
dim (V=V0 ) = dim V dim V0 :
Demonstraţie. Se alege o baz¼ a x1 ; ; xk în V0 şi se completeaz¼ a
pân¼a la o baz¼a x1 ; ; xk ; y 1 ; ; yr în V. Se consider¼ a familia yb1 ; ; ybr
în V=V0 ; x1 ; ; x k ; y1 ; ; yr este baz¼ a în V aşa c¼
a 8v 2 V 9 i ; j 2 K
X k
Pr P
r
astfel încât v = i xi + j y j , adic¼
a b
v = bj deci yb1 ;
jy ; ybr
i=1 i=1
|i=1{z }
2V0
P
r
formeaz¼
a sistem de generatori în V=V0 . Fie j 2 K astfel încât bj
jy =b
0
i=1
P
r P
r
) j yj 2 V0 ; dac¼
a 0 6= v0 = j yj 2 V0 , atunci din faptul c¼
a
i=1 i=1
v0 este reprezentabil şi ca o combinaţie liniar¼ a de xi ar urma c¼ a vectorii
x1 ; ; x k ; y1 ; ; yr accept¼
a o combinaţie liniar¼
a nul¼
a cu coe…cienţi nenuli,
56 3. SUBSPAŢII VECTORIALE

contradicţie cu calitatea de baz¼ a; aşadar v0 este nul şi cum y1 ; ; yr

sunt liniar independenţi în V urmeaz¼ a c¼
a toţi scalarii sunt nuli. Aşadar
yb1 ; ; ybr este o baz¼
a în spaţiul factor V=V0 şi dim V=V0 = r, adic¼ a
dim V=V0 = dim V dim V0
3.2.11. Corolar. Fie (V; K) un spaţiu vectorial, V1 şi V2 subspaţii
vectoriale ale lui V. Atunci
dim V1 + dim V2 = dim (V1 + V2 ) + dim (V1 \ V2 ) :
Demonstraţie. Din Teorema II de izomor…sm se ştie c¼ a spaţiile vectoriale
V1 = (V1 \ V2 ) şi (V1 + V2 ) =V2 sunt izomorfe, deci au aceeaşi dimensiune.
Deci
dim (V1 = (V1 \ V2 )) = dim ((V1 + V2 ) =V2 )
şi din corolarul anterior
dim (V1 = (V1 \ V2 )) = dim V1 dim (V1 \ V2 )
iar
dim ((V1 + V2 ) =V2 ) = dim (V1 + V2 ) dim V2
aşa c¼
a
dim V1 dim (V1 \ V2 ) = dim (V1 + V2 ) dim V2 :

3.2.12. Corolar. Fie (V1 ; K), (V2 ; K) dou¼a spaţii vectoriale de tip
…nit şi U ( ) : V1 ! V2 un mor…sm de spaţii vectoriale. Atunci au loc
a…rmaţiile:
(1) dimV1 = dim (ker U ( )) + dim (Im U ( ));
(2) U ( ) injectiv , dim V1 = dim (Im U ( ));
(3) U ( ) surjectiv , dim V2 = dim (Im U ( )).
Demonstraţie. Evident
3.2.13. Teorem¼ a. (Teorema lui Sard a câtului, variant¼
a …nit–dimensional¼ a)
Fie X, Y , Z spaţii vectoriale peste acelaşi corp K şi …e operatorii liniari
S ( ) : X ! Y şi T ( ) : X ! Z. Dac¼ a S ( ) este surjectiv iar ker S ( )
ker T ( ), atunci 9 operatorul liniar unic R ( ) : Y ! Z astfel încât T =
R S:
b
Demonstraţie. Fie operatorii S^ ( ) : X= ker S ( ) ! Y şi T^ ( ) : X= ker T ( ) !
Z de…niţi prin:
b b
S^ (^
x) = S (x) şi T^ x
^ = T (x).
 3.2. IZOMORFISME DE SPAŢII VECTORIALE 57

b
Operatorii S^ ( ) şi T^ ( ) sunt bine de…niţi (Exerciţiu!).
b
Operatorii S^ ( ) şi T^ ( ) sunt liniari (Exerciţiu!).
b
Operatorii S^ ( ) şi T^ ( ) sunt injectivi (Exerciţiu!).
S^ ( ) este surjectiv (pentru c¼ a S ( ) este surjectiv) (Exerciţiu!).
) S^ ( ) bijectiv ) 9S^ ( ) : Y ! X= ker S ( ) bijectiv liniar.
1

Fie funcţia: P ( ) : X= ker S ( ) ! X= ker T ( ) de…nt¼

a prin P (^ b^.
x) = x
P ( ) este bine de…nit (Exerciţiu!).
P ( ) este liniar (Exerciţiu!).
b
De…nim R ( ) : Y ! Z prin: R ( ) = T^ P S^ 1 ( ). Atunci
b b b b
(R S) (x) = R (S (x)) = T^ P S^ 1
(S (x)) = T^ (P (^
x)) = T^ x
^ =
T (x).
3.2.14. Observaţie. Reciproc, dac¼ a X, Y , Z spaţii vectoriale peste
acelaşi corp K iar S ( ) : X ! Y şi T ( ) : X ! Z sunt operatori liniari
astfel încât 9 operatorul liniar R ( ) : Y ! Z cu T = R S, atunci este
evident c¼ a are loc ker S ( ) ker T ( ) (Exerciţiu!).
 CAPITOLUL 4

Funcţionale pe spaţii vectoriale de tip …nit

4.1. Introducere
4.1.1. De…niţie. Se numeşte funcţional¼a pe spaţiul vectorial (V; K)
orice funcţie de…nit¼
a pe V şi cu valori în K.
4.1.2. De…niţie. O funcţional¼
a f ( ) : V ! K se numeşte aditiv¼a dac¼
a
8v1 ; v2 2 V; f (v1 + v2 ) = f (v1 ) + f (v2 )
4.1.3. De…niţie. O funcţional¼
a real¼
a f ( ) : V ! R se numeşte subaditiv¼a
dac¼
a
f (x + y) f (x) + f (y) ; 8x; y 2 V:
4.1.4. De…niţie. O funcţional¼
a f ( ) : V ! K se numeşte omogen¼a
dac¼
a
f ( x) = f (x) ; 8x 2 V; 8 2 K:
4.1.5. De…niţie. O funcţional¼
a real¼
a f ( ) : V ! R se numeşte pozitiv
omogen¼a dac¼
a
f ( x) = f (x) ; 8x 2 V; 8 0:
4.1.6. De…niţie. O funcţional¼
a real¼
a subaditiv¼
a şi cu proprietatea
f ( x) = j j f (x) ; 8x 2 V; 8 2 R
se numeşte seminorm¼a .
4.1.7. De…niţie. O funcţional¼
a real¼
a se numeşte subomogen¼a dac¼
a
f ( x) f (x) ; 8x 2 V; 8 1
() f ( x) f (x) ; 8 2 (0; 1])
4.1.8. De…niţie. O funcţional¼a real¼a, pozitiv¼
a şi extins¼
a () : V !
R+ se numeşte !–seminorm¼a dac¼ a este netrivial¼a (adic¼ a atinge şi alte
valori în afara celor in…nite), subaditiv¼
a, cresc¼
atoare şi !–pozitiv omogen¼a
( adic¼
a are loc relaţia: 8x 2 V, 8 0; ( x) = ! (x)).
59
60 4. FUNCŢIONALE PE SPAŢII VECTORIALE DE TIP FINIT

4.1.9. De…niţie. Se numeşte con pozitiv un obiect (A; +; ; 6; 0) unde:

(1) (A; +) este semigrup (monoid) comutativ cu element unitate 0:
(2) : R+ A ! A este operaţie extern¼ a (cu propriet¼aţile obişnuite
de compatibilitate).
(3) „6”este o relaţie de ordine (parţial¼
a) pe A astfel încât 0 este cel
mai mic element din A, şi care are propriet¼ aţile:
(a) ax 6 ay; 8a 2 R+ ; 8x; y 2 A;
(b) ax 6 bx; 8a; b 2 R+ ; 8x 2 A;
(c) x 6 y ) z + x 4 z + y; 8x; y; z 2 A:
4.1.10. Teorem¼ a. (H. Hahn, S. Banach, prelungirea funcţionalelor
liniare) Fie f ( ) o funcţional¼ a subliniar¼
a pe un spaţiu liniar real V şi
f0 ( ) o funcţional¼
a liniar¼
a de…nit¼a pe un subspaţiu liniar V0 , satisf¼
acând
condiţia
f0 (v) 6 f (v) ; 8v 2 V0 :
În aceste condiţii, funcţionala f0 ( ) poate … prelungit¼ a pe tot spaţiul V
cu p¼astrarea liniarit¼
aţii şi a inegalit¼
aţii, adic¼
a exist¼
a o funcţional¼
a liniar¼
a
~
f0 ( ) : V ! R, aşa ca
f~0 (v) = f0 (v) ; 8v 2 V0 ;
f~0 (v) 6 f (v) ; 8v 2 V:
Demonstraţie. Fie v1 2 V n V0 ; …e V1 = span (V0 [ fv1 g) ; pentru
orice v 0 ; v 00 2 V0 ; au loc:
f0 (v 0 ) f0 (v 00 ) = f0 (v 0 v 00 ) 6
6 f (v 0 v 00 ) = f ((v 0 + v1 ) (v 00 + v1 )) 6
f (v 0 + v1 ) + p ( v 00 v1 ) )
) f ( v 00 v1 ) f0 (v 00 ) 6 f (v 0 + v1 ) f0 (v 0 ) :
Not¼
am
= supv2V0 ( f ( v v1 ) f0 (v)) ;
= inf v2V0 (f (v + v1 ) f0 (v)) :
Atunci are loc
;
…e 1 2 [ ; ] : Are loc
f( v v1 ) f0 (v) 1 f (v + v1 ) f0 (v) ; 8v 2 V0 :
 4.1. INTRODUCERE 61

În continuare se observ¼ a c¼a orice vector v 2 V1 se poate scrie unic sub

forma
v = v0 + v1 ; v0 2 V0 ; 2 R:
Se de…neşte funcţionala liniar¼
a f1 ( ) : V1 ! R prin
f1 (v) = f0 (v0 ) + 1:

Funcţionala f1 ( ) este liniar¼

a (evident) şi veri…c¼
a pe V1 inegalitatea; trebuie
demonstrat c¼ a
8 2 R; 8v0 2 V0 ; are loc f1 (v0 ) + 1 6 f (v0 + v1 ) :
Pentru = 0; inegalitatea are loc. Pentru > 0; are loc, pentru v = 1 v;
inegalitatea:
1 1
1 6 f v + v1 f0 v ) f0 (v) + 1 6 f (v + v1 ) :

Pentru < 0; are loc, pentru v = 1 v; inegalitatea:

1 1 1 1
f v v1 f0 v 6 1 )( )f v v1 f0 v + 1 )
>0
) f (v + v1 ) f0 (v) + 1:

Deci funcţionala iniţial¼

a se poate prelungi pe un subspaţiu liniar mai larg
decât V0 cu p¼ astrarea liniarit¼
aţii şi a inegalit¼
aţii. Pentru V spaţiu liniar de
tip …nit, acest lucru înseamn¼ a c¼ a într-un num¼ ar …nit de paşi funcţionala
iniţial¼
a poate … prelungit¼a pe tot spaţiul
4.1.11. Observaţie. Teorema are loc pe un spaţiu vectorial oarecare
(nu neap¼arat de tip …nit), cu aplicarea teoremei lui Zorn.
4.1.12. Corolar. Dac¼ a în teorema Hahn-Banach funcţionala f ( ) este
în plus şi subomogen¼ a, atunci funcţionala f ( ) este prelungibil¼ a pe tot
spaţiul cu p¼
astrarea liniarit¼
aţii şi a inegalit¼
aţii faţ¼
a de funcţionala subliniar¼
a
şi subomogen¼ a.
4.1.13. Observaţie. Fiind …xat¼a funcţionala f ( ) subliniar¼
a şi subomogen¼
a,
se pot de…ni explicit dou¼
a funcţionale d1 ( ; ) : V V ! R+ de…nit¼ a prin
Def
d1 (x; y) = f (x) + f (y) f (x + y) şi d2 ( ; ) : R V ! R, de…nit¼ a prin
Def
d2 ( ; x) = f (x) f ( x).
4.1.14. Teorem¼a. Fie A un con pozitiv şi …e ( ) : A ! R+ ; () :
R+ ! R+ dou¼ a funcţii cu propriet¼
aţile:
62 4. FUNCŢIONALE PE SPAŢII VECTORIALE DE TIP FINIT

(1) ( ) are propriet¼

aţile:
(a) 9x 2 A, (x) 2 (0; 1) şi ( ) este neconstant¼ a.
(b) ( ) este subaditiv¼ a.
(c) ( ) este cresc¼ atoare.
(2) 8x 2 A; 8 2 R+ , are loc: ( x) = ( ) (x) :
În aceste condiţii 9! 2 (0; 1] astfel încât (t) = t! ; 8t 2 R+ :
Demonstraţie. Fie x0 2 A cu (x0 ) 2 (0; 1).
(x0 ) = (1x0 ) = (1) (x0 ) ) (1) = 1:
( ) este multiplicativ¼
a:
(abx0 ) = (ab) (x0 ) = (a) (bx0 ) = (a) (b) (x0 ) )
) (ab) = (a) (b) :
( ) este cresc¼
atoare:
0 6 a < b < 1 ) ax0 6 bx0 )
) (a) (x0 ) = (ax0 ) 6 (bx0 ) = (a) (x0 ) )
) (a) 6 (b) :
În particular, din faptul c¼
a ( ) este cresc¼
atoare rezult¼ a c¼
a este continu¼
a
în afara unei mulţimi cel mult num¼
arabile. Se va folosi numai c¼a exist¼
a un
punct de continuitate.
( ) este subaditiv¼
a:
(a + b) (x0 ) = ((a + b) x0 ) = (ax0 + bx0 ) 6 (ax0 ) + (bx0 ) =
= (a) (x0 ) + (b) (x0 ) = ( (a) + (b)) (x0 ) )
) (a + b) 6 (a) + (b) :
1
Fie a > 0; atunci (x0 ) = a a1 x0 = (a) 1
a
(x0 ) ) (a) =
a
1 şi (a) > 0 (deci are sens expresia ln (ex ) care va … folosit¼a mai jos).
Din proprietatea de multiplicitate rezult¼a pentru a = b = 0 c¼
a (0) =
2
(0) deci exist¼
a dou¼
a cazuri: (0) = 0 sau (0) = 1.
Pentru (0) = 1, din monotonie ) 8a 2 [0; 1], 0 6 a 6 1 )
1 = (0) 6 (a) 6 (1) = 1 ) 8a 2 [0; 1], (a) = 1. Mai
1 1
mult, 8a 2 [1; 1), 2 (0; 1] şi (a) = = 1 deci în acest
a 1
a
caz funcţia ( ) este identic egal¼
a cu 1, adic¼
a ! = 0. Cum relaţia
(ax) = (a) (x) are loc pentru …ecare a 2 R+ şi pentru …ecare
 4.1. INTRODUCERE 63

x 2 A, pentru a = 0 rezult¼a (0) = 1 (x) ; 8x 2 A deci funcţia

( ) este constant¼
a de valoare (0) 6= 0, contradicţie cu ipoteza.
Deci (0) 6= 1.
Pentru (0) = 0 se consider¼ a funcţia F ( ) : R ! R de…nit¼a prin
F (x) = ln (ex ); din multiplicitatea lui ( ) rezult¼
a c¼
a are loc

F (x + y) = ln (ex+y ) = ln (ex ey ) = ln ( (ex ) (ey )) =

= ln (ex ) + ln (ey ) = F (x) + F (y)

) F ( ) este aditiv¼ a (este soluţie a ecuaţiei lui Cauchy). Cum

( ) este continu¼ a m¼acar într-un punct, urmeaz¼ a c¼
a şi F ( ) este
continu¼ a m¼
acar într-un punct. Deci F ( ) este soluţie continu¼ a pe
R a ecuaţiei lui Cauchy, adic¼ a 9! 2 R astfel încât F (x) = !x şi
deci (ex ) = e!x = (ex )! , adic¼ a (t) = t! . Din continuitatea pe
R a funcţiei F ( ) rezult¼a continuitatea pe (0; 1) a funcţiei ( ).
!
t , pentru t > 0
Deci (t) = Din (ax) = (a) (x), pentru
0, pentru t = 0:
a = 0 ) (0) = 0. Funcţia ( ) este cresc¼ atoare deci ! 0 iar
dac¼a ! = 0 ) (ax) = (x), 8a 2 R+ , 8x 2 A ) pentru a = 0,
(x) = (0) = 0, contradicţie cu netrivialitatea funcţiei ( );
deci ! 6= 0. ( ) este subaditiv¼ a deci pentru a = b = 1 are loc
2 = (1 + 1) 6 1 + 1 = 2 ) ! 6 1. Deci ! 2 (0; 1]
! ! ! !

4.1.15. Observaţie. (Ecuaţia lui Cauchy)

f (x + y) = f (x) + f (y) ; 8x; y 2 R:

S¼
a studiem funcţiile care satisfac ecuaţia lui Cauchy:
Pentru x = y = 0, are loc: f (0) = 2f (0) deci f (0) = 0:
Pentru x = y = 1, are loc f (2) = f (1 + 1) = 2f (1); în general,
pentru orice n 2 N, are loc f (n) = nf (1) (prin inducţie); se
Not.
noteaz¼a ! = f (1) :
0 = f (1 1) = f (1 + ( 1)) = f (1) + f ( 1) ) f ( 1) =
f (1) = ! şi cu acelaşi raţionament ca la pasul anterior urmeaz¼
a
c¼
a pentru orice n 2 Z , are loc f (n) = !n, deci relaţia f (n) = !n
are loc pentru orice n num¼ ar întreg.
64 4. FUNCŢIONALE PE SPAŢII VECTORIALE DE TIP FINIT

Are loc, pentru orice num¼

ar n natural strict pozitiv, relaţia
n 1 1 1 1 1
! = f (1) = f =f + = nf )f =! ;
n n n n n n
| {z }
n–ori

m 1 1
deci pentru m un alt num¼
ar natural are loc f n
=f + =
n n
| {z }
m–ori
mf n1 = ! m n
; raţionamentul se extinde şi pentru numere raţionale
negative, aşa c¼ a relaţia f (x) = !x are loc pentru orice num¼ ar
raţional.
Dac¼ a o soluţie a ecuaţiei Cauchy este continu¼ a într-un punct,
atunci este continu¼ a în orice punct. Fie c¼
a 8 (xn )n2N cu xn ! x0 ,
are loc f (xn ) ! f (x0 ) şi …e yn ! y; atunci are loc
f (yn ) = f ((yn y + x0 ) + y x0 ) = f (yn y + x0 ) + f (y x0 ) !
! f (x0 ) + f (y x0 ) = f (y) ;
pentru c¼a şirul (yn y + x0 )n2N tinde la x0 :
Exist¼
a soluţii ale ecuaţiei Cauchy care nu sunt continue în nici-un
punct (şi care sunt numite funcţii Hamel).

4.2. Funcţionale biliniare

Ne vom folosi şi de un abuz de limbaj referindu-ne la o baz¼
a ca la o
familie de vectori în care conteaz¼
a ordinea.
4.2.1. De…niţie. Fie (V1 ; K) şi (V2 ; K) dou¼ a spaţii vectoriale peste
acelaşi corp de scalari. Se numeşte funcţional¼a biliniar¼a orice funcţie B ( ; ) :
V1 V2 ! K liniar¼ a în …ecare variabil¼ a. Dac¼a în plus V1 = V2 = V şi
are loc relaţia B (x; y) = B (y; x) ; 8 (x; y) 2 V V, atunci se spune c¼ a
funcţionala biliniar¼a este simetric¼
a.
4.2.2. De…niţie. Fie Ek = ek1 ; ; eknk baze …xate ale spaţiilor (Vk ; K),
k = 1; 2 şi B ( ; ) : V1 V2 ! K o funcţional¼ a biliniar¼a. Matricea
AB (E1 ; E2 ) = B e1i ; e2j i=1;n1 se numeşte matrice asociat¼ a funcţionalei
j=1;n2
biliniare corespunz¼
atoare bazelor E1 ; E2 .
4.2.3. Propoziţie. Fie Ek = ek1 ; ; eknk baze …xate ale spaţiilor
(Vk ; K), k = 1; 2. O funcţional¼
a biliniar¼
a B ( ; ) : V1 V2 ! K este
 4.2. FUNCŢIONALE BILINIARE 65

unic şi complet determinat¼

a de matricea AB (E1 ; E2 ) asociat¼
a. În acest
T
caz avem B (x; y) = [x]E1 AB (E1 ; E2 ) [y]E2 .

Demonstraţie.2 Vectorii
3 x 2 V1 2
şi y 2 V
32 se reprezint¼
a unic în bazele
1 1
alese prin [x]E1 = 4 ... 5, [y]E2 = 4 ... 5 şi din liniaritatea în …ecare
n1 n2
variabil¼
a rezult¼
a: !
P
n1
1
P
n2
2
P
n2 P
n1
1 2
B (x; y) = B i ei ; j ej = B i ei ; ej j =
i=1 j=1 j=1 i=1
2 3
1
P
n1 P
n1
= B 1 2
i ei ; e1 B 1 2
i ei ; en2
4 ... 5 =
i=1 i=1
n2
2 3
1
P
n1 P
n1
= 1 2
i B (ei ; e1 )
1 2
i B ei ; en2
4 ... 5 =
i=1 i=1
n2
0 12 3
B (e11 ; e21 ) B 1 2
e1 ; en2 1
= 1 n1
@ A 4 ... 5 =
B e1n1 ; e21 B e1n1 ; e2n2 n2
n1 P
P n2
= [x]TE1 AB (E1 ; E2 ) [y]E2 . Relaţia B (x; y) = i jB e1i ; e2j
i=1 j=1
exprim¼a evident dependenţa reprezent¼
arii de cele dou¼
a baze. Unicitatea
reprezent¼
arii este evident¼
a.
4.2.4. Observaţie. Dac¼ a se consider¼a operatorul liniar U ( ) : V2 !
Kn1 de…nit prin U (y) = AB (E1 ; E2 ) [y]E2 şi funcţionala liniar¼a fa ( ) :
0
V1 ! K cu a 2Kn1 …xat (fa ( ) 2 (V1 ) ) de…nit¼ a prin fa (x) = [x]TE1 a,
funcţionala biliniar¼
a poate … privit¼
a ca o compunere: B (x; y) = fU (y) (x).
4.2.5. Propoziţie. Fie spaţiile (Vk ; K), k = 1; 2 şi B ( ; ) : V1 V2 !
K o funcţional¼a biliniar¼a. Pentru bazele Ek (vechea baz¼ a) şi Fk (noua
baz¼
a) al spaţiului Vk , cu k = 1; 2, avem

AB (F1 ; F2 ) = (M (F1 ))TE1 AB (E1 ; E2 ) (M (F2 ))E2 :

Am notat cu (M (Fk ))Ek matricele de trecere (coloanele sunt reprezent¼

arile
vectorilor noii baze în vechea baz¼
a), k = 1; 2.
66 4. FUNCŢIONALE PE SPAŢII VECTORIALE DE TIP FINIT

Demonstraţie. Leg¼ atura dintre coordonatele în vechea baz¼ a şi coor-

donatele în noua baz¼ a este dat¼
a de [x]E1 = (M (F1 ))E1 [x]F1 pentru x 2 V1
şi [y]E2 = (M (F2 ))E2 [y]F2 pentru y 2 V2 . Atunci
B (x; y) = [x]TE1 AB (E1 ; E2 ) [y]E2 =
T
= (M (F1 ))E1 [x]F1 AB (E1 ; E2 ) (M (F2 ))E2 [y]F2 =
= [x]TF1 (M (F1 ))TE1 AB (E1 ; E2 ) (M (F2 ))E2 [y]F2 .
arii B (x; y) = [x]TF1 AB (F1 ; F2 ) [y]F2
Folosind unicitatea reprezent¼
obţinem relaţia din enunţ.
4.2.6. Observaţie. Este interesant de remarcat c¼ a membrul drept
depinde de vechile baze E1 şi E2 dar membrul stâng nu depinde (adic¼ a
indiferent de unde s-ar porni, se ajunge în acelaşi loc). Mai mult, rangul
matricei ce reprezint¼
a o funcţional¼
a biliniar¼
a nu depinde de bazele alese
pentru reprezentare.
4.2.7. Observaţie. Matricea AB (E; E) a unei funcţionale biliniare
simetrice B ( ; ) : V V ! K într-o baz¼ a E arbitrar¼
a este simetric¼ a.
Reciproca este adev¼arat¼
a.
4.2.8. Observaţie. Oric¼arei funcţionale B ( ; ) : V V ! K biliniare
i se poate asocia o funcţional¼
a biliniar¼a simetric¼a Bs ( ; ) : V V ! K
1
prin Bs (x; y) = [B (x; y) + B (y; x)].
2
4.2.9. De…niţie. Pentru o funcţional¼ a biliniar¼
a simetric¼a, se numeşte
nucleu mulţimea
ker B ( ; ) = fx 2 V; B (x; y) = 0; 8y 2 Vg
Dac¼a ker B ( ; ) = f0g funcţionala biliniar¼
a simetric¼
a se numeşte nedege-
nerat¼
a.
4.2.10. Observaţie. Nucleul unei funcţionale biliniare simetrice este
subspaţiu vectorial.
4.2.11. Propoziţie. O funcţional¼
a biliniar¼
a simetric¼
a este nedegene-
rat¼
a dac¼a şi numai dac¼
a matricea ataşat¼
a pentru o alegere de baze este
inversabil¼
a.
Demonstraţie. Fie E1 ; E2 dou¼ a baze arbitrare ale spaţiului V pe care
este de…nit¼
a funcţionala biliniar¼
a simetric¼
a B ( ; ). Atunci avem B (x; y) =
T
[x]E1 AB (E1 ; E2 ) [y]E2 . AB (E1 ; E2 ) este nesingular¼ a dac¼ a şi numai
 4.2. FUNCŢIONALE BILINIARE 67

dac¼a sistemul [x]TE1 AB (E1 ; E2 ) = [0]E1 are ca unic¼ a soluţie vectorul

x = 0 (sistemul este de tip Cramer ce admite numai soluţia banal¼ a).
T
Fie x 2 V o soluţie a sistemului [x]E1 AB (E1 ; E2 ) = [0]E . Rezult¼ a
B (x; y) = 0; 8y 2 V şi prin urmare x 2 ker B ( ; ). Reciproc dac¼ a
x 2 ker B ( ; ) prin particularizarea vectorului y obţinem c¼
a x este o soluţie
T
a sistemului [x]E1 AB (E1 ; E2 ) = [0]E1 . Am demonstrat c¼ a ker B ( ; ) =
n o
T
x 2 V; [x]E1 AB (E1 ; E2 ) = [0]E1 . Concluzia devine banal¼ a.

4.2.12. De…niţie. Se numeşte funcţional¼ a p¼

atratic¼
a o funcţie Q ( ) :
V ! K, de…nit¼ a pe spaţiul vectorial (V; K), pentru care exist¼
a o funcţional¼
a
biliniar¼
a simetric¼a B ( ; ) : V V ! K astfel încât Q (x) = B (x; x), 8x 2
V. Dac¼ a este dat¼a funcţionala p¼atratic¼
a Q ( ), atunci funcţionala biliniar¼
a
Def 1
B (x; y) = [Q (x + y) Q (x) Q (y)], unde B ( ; ) : V V ! K, se
2
numeşte funcţionala biliniar¼ a simetric¼a polar¼a.
4.2.13. Observaţie. Asocierea funcţional¼ a p¼atratic¼
a –funcţionala bi-
liniar¼
a simetric¼a precizat¼
a în de…niţie este o bijecţie. Forma matricial¼ a
g¼asit¼
a pentru funcţionale biliniare se particularizeaz¼
a şi în cazul funcţio-
Pn
nalelor p¼atratice: Q (x) = [x]TE AQ (E) [x]E = B (ei ; ej ) xi xj unde am
i;j=1
de…nit matricea AQ (E) = AB (E; E), care este o matrice simetric¼
a.
4.2.14. De…niţie. Fie Q ( ) : V ! R o funcţional¼
a p¼atratic¼
a real¼a.
(1) Q ( ) este pozitiv de…nit¼
a dac¼a Q (x) > 0; 8x 2 V; x 6= 0.
(2) Q ( ) este negativ de…nit¼a dac¼
a Q (x) < 0; 8x 2 V; x 6= 0.
(3) Q ( ) este semipozitiv de…nit¼ a Q (x) > 0; 8x 2 V.
a dac¼
(4) Q ( ) este seminegativ de…nit¼a dac¼a Q (x) 6 0; 8x 2 V.
(5) Q ( ) este nede…nit¼a dac¼
a 9x; y 2 V; Q (x) > 0 şi Q (y) < 0.
Dac¼a reuşim s¼
a punem în evidenţ¼ a o baz¼
a F a spaţiului V pe care este
de…nit¼a funcţional¼a p¼atratic¼
a Q ( ) cu proprietatea c¼ a matricea AQ (F )
este diagonal¼a atunci spunem c¼ a am adus forma p¼atratic¼a la forma canonic¼a .
Citirea propriet¼aţilor din de…niţia precedent¼a se face pe forma canonic¼ a,
prin studierea semnului elementelor de pe diagonala matricei AQ (F ). O
problem¼ a important¼ a este aceea a existenţei unei baze cu propriet¼ aţile
cerute. R¼aspunsul la aceast¼ a prim¼a problem¼ a este a…rmativ. O a doua
problem¼ a este construirea efectiv¼ a a unei astfel de baze. Se cunosc mai
multe metode dintre care detaliem în continuare dou¼ a. Prima dintre ele
68 4. FUNCŢIONALE PE SPAŢII VECTORIALE DE TIP FINIT

P
n
pune accentul pe manipularea formei algebrice Q (x) = ij i j , iar a
i;j=1
doua pe forma matriceal¼ a Q (x) = [x]TE AQ (E) [x]E . Avem doua feţe ale
T
aceleiaşi medalii deoarece AQ (E) = ( ij )i;j=1;n şi [x]E = 1 n .
Am considerat n = dim V şi E o baz¼ a …xat¼ a. Vom folosi şi în continuare
notaţiile.
4.2.15. Teorem¼a. (Metoda Gauss de aducere la forma cano-
P n
T
a) Fie Q ( ) : V ! R, Q (x) =
nic¼ ij i j = [x]E AQ (E) [x]E o
i;j=1
2 3
1
funcţional¼
a p¼ a, unde [x]E = 4 ... 5 şi AQ (E) = (
atratic¼ ij )i;j=1;n . Atunci
n
exist¼
a o baz¼
a F a lui V în care matricea funcţionalei este diagonal¼
a.
Demonstraţie. Demonstraţia o vom face prin inducţie în raport cu
dimensiunea spaţiului vectorial V.
Dac¼a dim V = 1 forma p¼ atratic¼a are forma canonic¼ a, cu F = E.
Consider¼ am a…rmaţia adev¼ arat¼a pentru dim V = k şi o vom proba
pentru dim V = k+1. În mod necesar se realizeaz¼ a unul dintre urm¼ atoarele
dou¼a cazuri:
(1) 9i 2 f1; ; k + 1g astfel încât aii 6= 0
(2) 8i 2 f1; ; k + 1g ; aii = 0.
În cazul 2 se disting dou¼ a siuaţii: prima în care funcţionala p¼ atratic¼
a
este identic nul¼a şi a doua în exist¼ a ai0 j0 6= 0. În prima situaţie AQ (E) e
matricea nul¼ a, forma p¼ atratic¼a este adus¼ a la forma canonic¼ a, iar F E.
A doua situaţie se reduce la cazul 1 prin transformarea de coordonate:
8
< i0 = i0 + j0
= i0
: j0 j0
k = k ; 8k 2 f1; ; k + 1g n fi0 ; j0 g
care este speci…c¼
a unei schimb¼
ari de baz¼
a. Transformarea provoac¼
a apariţia
unui element nenul pe locul ai0 i0 :
X
k+1 X
k+1
Q (x) = aij i j = a0ij i j, cu a0i0 i0 = 2ai0 j0 6= 0
i;j=1 i;j=1

deci prin aceast¼ a transformare cazul 2. este redus la cazul 1 (exist¼

a şi alte
posibilit¼
aţi de reducere a cazului 2. la cazul 1). Baza E1 în care [x]E1 =
 4.2. FUNCŢIONALE BILINIARE 69

T
1 k+1 se deduce din
8
>
> 1 pentru i = j; i; j 2= fj0 g
<
1 pentru i 6= j; i; j 2 fi0 ; j0 g
(M (E1 ))E = ij ; ij = ;
>
> 1 pentru i = j = j0
: 0 în rest.

relaţie care a asigurat leg¼ atura [x]E = (M (E1 ))E1 [x]E1 . Baza E1 va lua
locul bazei E pentru continuarea raţionamentului.
În cazul 1 not¼ am cu i0 unul din indicii pentru care ai0 i0 6= 0. Atunci
P
k+1
Q (x) = aij i j =
i;j=1
!
P
k+1 P
k+1 P
k+1
= ai0 i0 2i0 + i0 ai0 j j + aji0 j + aij i j =
j=1;j6=i0 j=1;j6=i0 i;j=1;i;j6=i0
0 ! !2 1
P
k+1
ai0 j P
k+1
ai0 j
= ai0 i0 @ 2i0 + 2 i0 ai i j
+ ai i j
A
0 0 0 0
j=1;j6=i0 j=1;j6=i0
!2
P
k+1
ai0 j P
k+1
ai0 i0 ai0 i0 j
+ aij i j =
j=1;j6=i0 i;j=1;i;j6=i0
!2
P
k+1
ai0 j P
k+1
ai0 i ai0 j
= ai0 i0 i0 + ai0 i0 j
+ aij ai0 i0 i j.
j=1;j6=i0 i;j=1;i;j6=i0
Fie transformarea de coordonate:
8
< P ai0 j
k+1
i0 = i0 + ai i j
j=1;j6=i0 0 0
:
i = i , pentru i 6= i0 .

(determinantul matricei transform¼

arii este nenul aşa c¼
a transformarea este
o schimbare de baz¼
a). Atunci

X
k+1
2
Q (x) = ai0 i0 i0 + a0ij i j
i;j=1;i;j6=i0

adic¼
a matricea ataşat¼a funcţionalei liniare are elementele liniei şi coloanei
i0 nule (în afara locului (i0 ; i0 ), ocupat de ai0 i0 ). Baza E1 = (e1i )i=1;k+1 în
70 4. FUNCŢIONALE PE SPAŢII VECTORIALE DE TIP FINIT

T
care [x]E1 = 1 k+1 se deduce din
0 1
1 0 0 0
B 0 1 0 0 C
B C
B .. .. . . .. .. C
B . . . . . C
(M (E1 ))E = B
B ai0 1 ai0 2 ai0 ;k+1 C
C
B ai0 i0 ai0 i0
1 ai0 i0 C
B .. .. .. . . .. C
@ . . . . . A
0 0 0 1
relaţie care a asigurat leg¼ atura [x]E = (M (E1 ))E [x]E1 . Spaţiul V se
descompune în sum¼ a (direct¼
a) dintre dou¼ a subspaţii, primul corespunz¼ ator
coordonatei i0 (spaţiu 1-dimensional) şi al doilea corespunz¼ ator celorlalte
coordonate (spaţiu k-dimensional). Conform ipotezei de inducţie pentru
subspaţiul vectorial span (e1i )i=1;k+1;i6=i0 , de dimensiune k, exist¼ a baza
P
k+1 P
k+1
(fi )i=1;k+1;i6=i0 pentru care a0ij i j = a00ii 2i . Alegem fi0 = e1i0
i;j=1;i;j6=i0 i=1;i6=i0
şi F = (fi )i=1;k+1 . Rezult¼
a
X
k+1
Q (x) = a00ii 2
i = [x]TF AQ (F ) [x]F
i=1
T
unde [x]F = 1 k+1 cu AQ (F ) matrice diagonal¼
a.
4.2.16. Exemplu. S¼ a se discute dup¼a parametrul natura funcţionalei
atratice Q(x) = 21 + 6 22 + 3 23 + 4 1 2 + 6 1 3 .
p¼
4.2.17. Soluţie. Se aduce funcţionala p¼
atratic¼
a la forma canonic¼
a fo-
losind Metoda Gauss: Q(x) = 21 + 6 22 + 3 23 + 4 1 2 + 6 1 3 =
= 21 + 2 1 (2 2 + 3 3 ) + (2 2 + 3 3 )2 (2 2 + 3 3 )2 + 6 22 + 3 23 =
= ( 1 + 2 2 + 3 3 )2 4 22 9 2 23 12 2 3 + 6 22 + 3 23 =
= ( 1 + 2 2 + 3 3 )2 + 2 22 + 3 9 2 23 12 2 3 =
= ( 1 + 2 2 + 3 3 )2 +2 22 2 3 2 3 + 9 2 23 18 2 23 + 3 9 2 23 =
= ( 1 + 2 2 + 3 3 )2 + 2 ( 2 3 3 )2 + 3 1 9 2 23 )
1 1
1 3 3
+1
2
1 9 0 +++ 0
semi semi
Q (x) nedef poz def nedef
poz def poz def
 4.2. FUNCŢIONALE BILINIARE 71
8
= 1+2 2+3 3 < 1
Transformarea de coordonate este: = 3 3 (matricea
: 2= 2
3 3
ataşat¼
a transform¼
arii este nesingular¼
a pentru
2 orice
3 ). Scris¼
a2 echivalent
3
1 1
avem [x]E = (M (F ))E [x]F unde [x]E = 4 2
5 ; [x] = 4
F 2
5 ; iar
0 1 3 3
1 2 9
(M (F ))E = @ 0 1 3 A. Alegem f1 = e1 , f2 = 2e1 + e2 , f3 =
0 0 1
9 e1 + 3 e2 + e3 . Am notat cu E = (e1 ; e2 ; e3 ) şi F = (f1 ; f2 ; f3 ) baza
iniţial¼
a şi respectiv cea corespunz¼
atoare formei canonice.

4.2.18. Teorem¼a. (Metoda Jacobi de aducere la forma canonic¼ a)

P n
T
Fie Q ( ) : V ! R, Q (x) = ij i j = [x]E AQ (E) [x]E o funcţional¼
a
i;j=1
2 3
1
p¼ a, unde [x]E = 4 ... 5 şi AQ (E) = (
atratic¼ ij )i;j=1;n . Atunci exist¼
ao
n
baz¼
a F a lui V în care
X
n
k 1 2
Q (x) = k;
k
k=1

2 3
1
unde 0 = 1 şi k = det ( ij )i;j=1;k sunt nenuli şi [x]F = 4 ... 5.
n

Demonstraţie. Fie
1
BQ (x; y) = [Q (x + y) Q (x) Q (y)] = [x]TE AQ (E) [y]E :
2
C¼
aut¼
am o baz¼
a F = (f1 ; : : : ; fn ) pentru care

Pk BQ (ek ; fi ) = 0; pentru i 6= k
fk = i=1 ik ei şi
BQ (ek; fk ) = 1
pentru …ecare k 2 f1; : : : ; ng .
72 4. FUNCŢIONALE PE SPAŢII VECTORIALE DE TIP FINIT

P
n
În aceste condiţii Q (x) = BQ (x; x) = [x]TF AQ (F ) [x]F = 2
kk k . Am
k=1
folosit
AQ (F ) = (M (F ))TE AQ (E) (M (F ))E =
0 10 1 0 1
11 0 0 1 0 0 11 0 0
B 12 22 0 CB 1 0 C B 0 22 0 C
=B
@ ... .. .. .. CA
B . . .
@ .. C
A =B
@ .. .. .. .. C :
. . . .
. . . . . . . . . . A
1n 2n nn 1 0 0 nn

Coe…cienţii ik în mod unic din condiţiile din enunţ (pentru …ecare k

se obţine câte un sistem Cramer cu determinantul matricei sistemului
k 1
k ). Din rezolvarea sistemului de condiţii impuse obţinem kk = k
,
k = 1; n.
4.2.19. Exemplu. S¼a se discute dup¼
a parametrul natura funcţionalei
2 2 2
p¼
atratice Q(x) = 1 + 6 2 + 3 3 + 4 1 2 + 6 1 3 .
4.2.20. Soluţie. Se aduce funcţionala p¼
atratic¼
a la forma canonic¼
a fo-
1 2
losind Metoda Jacobi. 0 = 1, 1 = 1, 2 = = 2, 3 =
2 6
1 2 3
2 6 0 = 6 1 9 2 . Pentru 2 31 metoda nu poate …aplicat¼ a.
3 0 3
Pentru 2 = 31 Q(x) = 11 21 + 21 22 + 6 1 29 2 23 . Baza F a fost c¼
autat¼a
0 (1 )
11 12 13
astfel încât (M (F ))E = @ 0 22 23
A s¼a satisfac¼a urm¼ atoarele condiţii:
0 0 33
(1) f 11 = 1, cu soluţia 11 = 1.
12 + 2 22 = 0 12 = 1
(2) , cu soluţia 1 .
2 12 + 6 22 = 1 22 =82
8 3
< 13 + 2 23 + 3 33 = 0 < 11 = 9 2 1
>
(3) 2 +6 =0 , cu soluţia 12 = 9 2 1 .
: 3 13 + 323 = 1 >
: = 1
13 33 13 3(9 2 1)

Alegem f1 = e1 , f2 = e1 + 12 e2 , f3 = 9
3
2 e
1 1
+ 9 2 e
1 2
+ 3(9
1
2 e.
1) 3
Am notat cu E = (e1 ; e2 ; e3 ) şi F = (f1 ; f2 ; f3 ) baza iniţial¼
a şi respectiv cea
corespunz¼atoare formei canonice. Natura formei p¼ atratice este precizat¼ a
în tabelul urm¼
ator:
 4.2. FUNCŢIONALE BILINIARE 73

1 1
1 3 3
+1
2
1 9 0 +++ 0
Q (x) nedef ? poz def ? nedef
4.2.21. Teorem¼ a. (Teorema de inerţie Sylvester) Num¼ arul de
coe…cienţi strict pozitivi, strict negativi şi nuli din forma canonic¼
a a fun-
cţionalei p¼
atratice nu depinde de metoda folosit¼ a pentru aducerea la forma
canonic¼ a.
P
p1
+ 2
P
q1
2 Pp2
+ 2 Pq2
2
Demonstraţie. Fie Q (x) = i i j j = i i j j
i=1 j=1 i=1 j=1
dou¼ a scrieri ale funcţionalei p¼ atratice în form¼ a canonic¼a în bazele F1 =
ff11 ; ; fn1 g şi F2 = ff12 ; ; fn2 g, unde pentru scrierea j, primii pj coe…-
cienţi sunt strict pozitivi, urm¼ atorii qj coe…cienţi sunt negativi şi ultimii
n (pj + qj ) coe…cienţi sunt nuli. Am impus aceste condiţii pentru a înlesni
scrierea. Condiţiile pot … uşor ridicate.
Fie V1 = span f11 ; ; f 1 ; V2 = span fp22 +1 ; fn2 ; atunci v 2
2 3 p1 2 3
1 0
6 .. 7 6 .. 7
6 . 7 6 . 7
6 7 6 7
6 p1 7 6 0 7
6 7 6 7
6 0 7 6 p2 +1 7
6 . 7 6 .. 7
V1 \ V2 ) [v]F1 = 6 7
6 .. 7 iar [v]F2 = 6
6 . 7, deci are loc:
7
6 0 7 6 7
6 7 6 p2 +q2 7
6 0 7 6 7
6 7 6 p2 +q2 +1 7
6 .. 7 6 .. 7
4 . 5 4 . 5
0 n
9
P + 2
p1
>
Q (v) = i i 0 şi i > 0; 8i = 1; p1 >
+
=
i=1
P
q2 ) Q (v) = 0, deci v =
Q (v) = 2
0 şi > 0; 8i = 1; q >
>
j j j 2 ;
j=1
0, adic¼a V1 \ V2 = f0g.
) dim (V1 + V2 ) = dim V1 + dim V2 = p1 + (n p2 ) n ) p1 p2 ;
analog urmeaz¼ a c¼a p2 p1 , ceea ce înseamn¼
a c¼
a p1 = p2 . Se demonstreaz¼
a
la fel c¼
a q 1 = q2 .
 CAPITOLUL 5

Spaţii euclidiene

5.1. Introducere
5.1.1. De…niţie. Fie V un spaţiu vectorial real. O aplicaţie h ; i :
V V ! R se numeşte produs scalar real dac¼ a
ps1: [simetrie] 8x; y 2 V; hx; yi = hy; xi ;
ps2: [aditivitate] 8x; y; z 2 V; hx + y; zi = hx; zi + hy; zi ;
ps3: [omogenitate] 8x; y 2 V; 8 2 R; h x; yi = hx; yi ;
ps4: [de…nire pozitiv¼ a şi nedegenarare] 8x 2 V; hx; xi > 0 şi
hx; xi = 0 , x = 0:
Dac¼a pe spaţiul vectorial V s-a de…nit un produs scalar real atunci
spunem c¼ a V este un spaţiu euclidian. În acest context se numeşte plungimea
unui vector (sau norma euclidian¼ a) x 2 V num¼ arul real kxk = hx; xi, se
numeşte m¼ asura unghiului a doi vectori x; y 2 V num¼ arul real ^ (x; y) 2
[0; ] ce veri…c¼a relaţia cos ^ (x; y) = kxk kyk . Doi vectori x; y 2 V se numesc
hx;yi

ortogonali dac¼ a hx; yi = 0 şi not¼ am acest fapt prin x ? y.

5.1.2. Observaţie. Un produs scalar real pe (V; R) este orice funcţional¼ a
biliniar¼
a simetric¼
a a c¼ arei funcţional¼
a p¼atratic¼
a ataşat¼a este strict pozitiv
de…nit¼a. Într-un spaţiu vectorial real …xat se poate alege în mai multe
moduri o funcţional¼ a biliniar¼
a simetric¼a a c¼
arei funcţional¼
a p¼
atratic¼a ataşat¼
a
este pozitiv de…nit¼ a. M¼asur¼arile geometrice rezultate vor … dependente de
aceast¼a alegere, aşa c¼a lungimea unui vector, unghiul dintre doi vectori,
distanţa dintre doi vectori nu vor … de…nite univoc.
5.1.3. De…niţie. Fie V un spaţiu vectorial complex. O aplicaţie h ; i :
V V ! C se numeşte produs scalar complex dac¼ a
ps1: [hermitic–simetrie] 8x; y 2 V; hx; yi = hy; xi;
ps2: [aditivitate] 8x; y; z 2 V; hx + y; zi = hx; zi + hy; zi ;
ps3: [omogenitate] 8x; y 2 V; 8 2 C; h x; yi = hx; yi ;
ps4: [de…nire pozitiv¼ a şi nedegenarare] 8x 2 V; hx; xi > 0 şi
hx; xi = 0 , x = 0:
75
76 5. SPAŢII EUCLIDIENE

Dac¼a pe spaţiul vectorial V s-a de…nit un produs scalar complex atunci

spunem c¼a V este un spaţiu unitar. În acest
p context se numeşte lungimea
unui vector x 2 V num¼ arul real kxk = hx; xi. Doi vectori x; y 2 V se
numesc ortogonali dac¼ a hx; yi = 0 şi not¼
am acest fapt prin x ? y.
5.1.4. Observaţie. Se poate renunţa la axioma ps1 dac¼ a cerem hermitic–
liniaritate în al doilea argument, dup¼ a cum rezult¼ a din raţionamentul:
hx + y; x + yi real cere ca hx; yi + hy; xi s¼
a …e real, iar hx + iy; x + iyi cere
ca i ( hx; yi + hy; xi) s¼
a …e real. Rezult¼ a hx; yi = hy; xi.
5.1.5. Observaţie. Un produs scalar complex pe (V; C) este orice
funcţional¼
a biliniar¼a hermitic–simetric¼a a c¼
arei funcţional¼
a hermitic–p¼ atratic¼a
ataşat¼
a este strict pozitiv de…nit¼
a. O funcţional¼a biliniar¼
a hermitic–simetric¼ a
a c¼
arei funcţional¼a hermitic–p¼atratic¼
a ataşat¼
a este pozitiv de…nit¼a se poate
alege în mai multe moduri într-un spaţiu vectorial real …xat. M¼ asur¼
arile
geometrice rezultate vor … dependente de aceast¼ a alegere, aşa c¼
a lungimea
unui vector, distanţa dintre doi vectori nu vor … de…nite univoc.
5.1.6. Propoziţie. Dac¼ a V este un spaţiu euclidian sau un spaţiu
unitar atunci au loc
(1) k k : V ! [0; 1) este o norm¼ a pe V;
(2) 8x; y 2 V; jhx; yij 6 kxk kyk (inegalitatea Cauchy–Buniakov-
ski–Schwarz), iar jhx; yij = kxk kyk , vectorii x şi y sunt liniar
dependenţi (i.e. sunt coliniari);
(3) kx yk2 = kxk2 + kyk2 2 Re hx; yi, iar pentru x ? y avem
kx + yk2 = kxk2 + kyk2 (teorema lui Pitagora).
Demonstraţie. Evident inegalitatea Cauchy–Buniakovski este adev¼ arat¼
a
pentru hx; yi = 0.
Pentru un spaţiu euclidian hx + y; x + yi 0; 8 2 R; 8x; y 2 V ,
hx; xi+2 hx; yi+ 2 hy; yi 0; 8 2 R; 8x; y 2 V ) = 4 hx; yi2 hx; xi hy; yi
0; 8x; y 2 V. Se observ¼ a c¼
a dac¼
a x0 şi y0 sunt astfel încât = 0, atunci
ecuaţia de gradul 2 în are o soluţie dubl¼ a 0 şi deci are loc: hx0 ; x0 i +
2 0 hx0 ; y0 i + 20 hy0 ; y0 i = 0, adic¼
a hx0 + 0 y0 ; x0 + 0 y0 i = 0 de unde
rezult¼a c¼a x0 + 0 y0 = 0, adic¼ a vectorii x0 şi y0 sunt liniar dependenţi.
Pentru un spaţiu unitar hx + y; x + yi 0; 8 2 C; 8x; y 2 V ,
2
hx; xi + hx; yi + hx; yi + j j hy; yi 0; 8 2 C; 8x; y 2 V Alegâng
hx;yi
= t jhx;yij , cu t 2 R arbitrar ) hx; xi + 2t jhx; yij + t2 hy; yi 0; 8t 2
R; 8x; y 2 V ) = 4 jhx; yij2 hx; xi hy; yi 0; 8x; y 2 V. Se observ¼
a
 5.1. INTRODUCERE 77

c¼
a dac¼a x0 şi y0 sunt astfel încât = 0, atunci ecuaţia de gradul 2 în t are
hx;yi
o soluţie dubl¼a t0 şi pentru 0 = t0 jhx;yij deci are loc: hx0 ; x0 i+ 0 hx0 ; y0 i+
2
0 hx0 ; y0 i+ 0
hy0 ; y0 i = 0, adic¼
a hx0 + 0 y0 ; x0 + 0 y0 i = 0 de unde rezult¼
a
c¼
a x0 + 0 y0 = 0, adic¼ a vectorii x0 şi y0 sunt liniar dependenţi.
Funcţionala p¼ ap
tratic¼
a ataşat¼a formei biliniare ce de…neşte produsul
scalar este kxk = hx; xi: Se cer veri…cate:
(1) kxk 0; 8x 2 V; kxk = 0 , x = 0.
(2) k xk = j j kxk ; 8x 2 V; 8 - scalar.
(3) kx + yk kxk + kyk ; 8x; y 2 V (inegalitatea triunghiului).
Primele dou¼ a condiţii sunt imediat veri…cabile. Folosind hx; yi+hy; xi =
2 Re hx; yi 2 jhx; yij 2 kxk kyk, inegalitatea triunghiului rezult¼ a
kx + yk2 = hx + y; x + yi = kxk2 + kyk2 + 2 Re hx; yi
kxk2 + kyk2 + 2 kxk kyk = (kxk + kyk)2 :

5.1.7. Observaţie. Într-un spaţiu euclidian din inegalitatea Cauchy–

<x;y>
Buniakovski–Schwarz urmeaz¼ a c¼
a kxkkyk 2 [ 1; 1] :
5.1.8. De…niţie. Pentru orice doi vectori se numeşte distanţa dintre
vectori lungimea diferenţei:
d (x; y) = kx yk :
5.1.9. Observaţie. Distanţa dintre doi vectori are propriet¼
aţile:
(1) d (x; y) 0; d (x; y) = 0 , x = y.
(2) d (x; y) = d (y; x), 8x; y 2 V.
(3) d (x; y) d (x; z) + d (z; y), 8x; y; z 2 V.
5.1.10. Observaţie. Are loc regula paralelogramului
kx + yk2 + kx yk2 = 2 kxk2 + kyk2 ; 8x; y 2 V:
Demonstraţie. kx + yk2 +kx yk2 = hx + y; x + yi+hx y; x yi =
= 2 kxk2 + 2 kyk2 + 2 Re hx; yi 2 Re hx; yi = 2 kxk2 + 2 kyk2 .
5.1.11. Observaţie. Dac¼a vectorii (xi )i=1;k sunt ortogonali doi câte
doi, atunci are loc Teorema lui Pitagora generalizat¼ a:
Xk 2 Xk
xi = kxi k2 :
i=1 i=1
78 5. SPAŢII EUCLIDIENE

2
* +
P
k P
k P
k P
k P
k P
k
Demonstraţie. xi = xi ; xj = hxi ; xj i = hxi ; xi i =
i=1 i=1 j=1 i=1 j=1 i=1
P
k
kxi k2 .
i=1

5.2. Ortogonalitate în spaţii euclidiene

Ne vom limita prezentarea la spaţii euclidiene.
5.2.1. De…niţie. Dou¼
a submulţimi A, B ale lui V se numesc ortogonale
şi se noteaz¼
a cu A ? B dac¼a 8x 2 A; 8y 2 B; x ? y.
Se numeşte complement ortogonal al unei mulţimi de vectori A şi se
noteaz¼ a A? = span [ B :
B?A

5.2.2. Propoziţie. Într–un spaţiu euclidian V sunt adev¼

arate a…rmaţiile
(1) A ? B ) A \ B = f0g ;
(2) span fai ji 2 Ig ? B , ai ? y; 8i 2 I; 8y 2 B;
(3) A? este subspaţiu vectorial şi A ? A? ;
(4) a A este subspaţiu vectorial a lui V atunci dim A? = dim V
Dac¼
dim A;
(5) Dac¼
a A şi B sunt subspaţii vectoriale a lui V pentru care dim A +
dim B = dim V şi A ? B atunci V = A B; B = A? şi A = B? ;
?
a A este subspaţiu vectorial a lui V atunci A? = A:
(6) Dac¼
(7) A B ) B? A? şi A? = (span (A))? .
Demonstraţie. (1) x 2 A \ B ) hx; xi = 0 ) x = 0: P
(2) ”(” Fie x 2 span fai ji 2 Ig arbitrar. Atunci x = j2J I j aj
P
(unde J este o mulţime …nit¼ a de indici) şi hx; yi = j2J I j haj ; yi =
0, 8y 2 B: ”)” Se obţine prin particularizarea vectorului din
span fai ji 2 Ig. P P
(3) Fie x; y 2 A? : Atunci x = j2J1 -…nit¼a j bj şi y = j2J2 -…nit¼a j bj
unde pentru …ecare a 2 A avem 8j 2 JP 1 , ha; bj i = 0 şi 8j 2
J2 , ha; bj i = 0. Rezult¼ a x + y = j2J1 [J2 -…nit¼a j bj 2 A?
a astfel c¼
P ?
şi x = j2J1 -…nit¼a j bj 2 A pentru orice scalar 2 R:
(4) Fie (e1 ; e2 ; :::; ep ) o baz¼a a subspaţiului vectorial A pe care o
complet¼ am la o baz¼ a E = (e1 ; e2 ;P
:::; em ) a spaţiului vectorial V:
Fie y 2 A? V arbitrar şi y = m i=1 i ei descompurea lui y în
 5.2. ORTOGONALITATE îN SPAŢII EUCLIDIENE 79

baza E: Sistemul
he1 ; yi = he2 ; yi = ::: = hep ; yi = 0;
care caracterizeaz¼a relaţia A ? A? conform celui de al doilea
punct al propoziţiei, se scrie
8 m
>
> he ; e i + he1 ; e2 i + ::: + he1 ; ep i + ::: + he1 ; em i =0
< 1 1 1 2 p
m
he2 ; e1 i 1 + he2 ; e2 i
2 + ::: + he2 ; ep i p + ::: + he2 ; em i =0
:
>
> :::
: he ; e i he i he m
p 1 1 + ;
p 2e 2 + ::: + p ; ep i p + ::: + hep ; em i =0
Deoarece matricea funcţionalei biliniare ce de…neşte produsul scalar
asociat¼
a bazei fe1 ; e2 ; :::; ep g este nesingular¼
a sistemul este compatibil
de m p ori nedeterminat. Vom avea dim A? = m p = dim V
dim A:
(5) Folosind prima a…rmaţie avem A\B = f0g şi din dim A+dim B =
dim V rezult¼ a c¼
a V = A B: Deoarece B este un subspaţiu
vectorial a lui A? cu dim B = dim V dim A = dim A? rezult¼ a
?
c¼
aB=A :
(6) Este o consecinţ¼
a a punctelor precedente.
(7) Este o consecinţ¼
a a punctelor precedente.

5.2.3. Observaţie. x 2 A şi x ? A ) hx; xi = 0 ) x = 0.

5.2.4. Observaţie. Evident A? = fx; x ? Ag.
5.2.5. De…niţie. Un sistem de vectori fvi gi2I dintr-un spaţiu euclidian
se numeşte sistem ortogonal dac¼ a hvi ; vj i = 0, 8i 6= j; i; j 2 I. Dac¼
a, în
plus, kvi k = 1, 8i 2 I sistemul se numeşte sistem ortonormat. O baz¼ a se
numeşte ortonormal¼a dac¼ a vectorii ei formeaz¼ a un sistem ortonormat.
5.2.6. Observaţie. 1. Dou¼ a subspaţii vectoriale sunt ortogonale dac¼
a şi
numai dac¼ a …ecare vector al unei baze din primul subspaţiu este ortogonal
pe …ecare vector al unei baze din cel de-al doilea subspaţiu.
2. Suma a dou¼a subspaţii vectoriale ortogonale este direct¼ a. Suma unei
familii oarecare de subspaţii vectoriale ortogonale dou¼ a câte dou¼a este
direct¼a.
3. Un sistem ortogonal de vectori, ce nu conţine vectorul nul, este
format cu vectori liniar independenţi. Dimensiunea spaţiului dim V este
num¼ arul maxim de vectori, nenuli, ortogonali;
80 5. SPAŢII EUCLIDIENE

5.2.7. Teorem¼ a. (Teorema de ortogonalizare Gram–Schmidt) Fie V

este un spaţiu euclidian cu dim V = n. Fie E = (ei )i=1;n o baz¼ a şi …e
Vk = span (e1 ; ; ek ). Exist¼
a o baz¼
a F = (fi )i=1;n cu propriet¼
aţile:
(1) 8k 2 f1; : : : ; ng ; span (f1 ; ; fk ) = Vk :
(2) 8k 2 f1; : : : ; n 1g ; fk+1 ? Vk :
Demonstraţie. Vom proceda prin inducţie dup¼ a dimensiunea spaţiului.
Dac¼ a E = (e) este o baz¼ a a spaţiului euclidian V, cu e 6= 0, atunci evident
F = E este un sistem ortogonal. Pentru k 2 f1; : : : ; n 1g arbitrar, dac¼ a
E = (e1 ; e2 ; : : : ; ek+1 ) este o baz¼ a a spaţiului euclidian V atunci vom ar¼ ata
c¼a exist¼ a F = ff1 ; f2 ; : : : ; fk+1 g o baz¼ a ortogonal¼ a a spaţiului V. Conform
ipotezei de inducţie exist¼ a ff1 ; f2 ; : : : ; fk g sistem ortogonal, format cu
vectori nenuli, pentru care span fe1 ; e2 ; : : : ; ek g = span ff1 ; f2 ; : : : ; fk g.
Pk
Fie fk+1 = ek+1 j=1 "j fj , unde scalarii "1 ; : : : ; "n se determin¼ a din
Pn hek+1 ;fj i
condiţiile hfk+1 ; fj i = 0, 8j = 1; k. Obţinem fk+1 = ek+1 j=1 hfj ;fj i fj .
Evident F = ff1 ; f2 ; : : : ; fk+1 g este un sistem ortogonal, format cu vectori
nenuli. Rezult¼ a F este liniar independent. Se poate uşor veri…ca c¼ a F este
şi sistem de generatori pentru V (span (F ) = V = span (E)).
Mai mult, pentru c¼ a pentru …ecare i 2 f2; : : : ; ng, fi şi ei sunt în
poziţia de perpendicular¼ a, respectiv oblic¼ a faţ¼
a de subspaţiul generat de
e1 ; ; ei 1 ; urmeaz¼ a c¼ a are loc kfi k kei k.
5.2.8. Observaţie. Am demostrat c¼ a orice spaţiu euclidian admite o
baz¼
a ortogonal¼
a, baz¼
a ce poate … ortonormat¼a.

5.3. Propriet¼
aţi de reprezentare
Ne situ¼
am în continuare în contextul unui spaţiu euclidian (V; R; < ; >)
cu dim V = n. Bazându–ne pe principiul de reprezentare 4.2.3 al funcţionalelor
biliniare putem introduce urm¼ atoarea de…niţie.
5.3.1. De…niţie. Dac¼a E = (e1 ; e2 ; :::; en ) este o baz¼
a a spaţiului
vectorial V atunci numim matrice Gram matricea G = (gij = hei ; ej i)i;j=1;n .
5.3.2. Observaţie. Dac¼a ne …x¼
am asupra unei baze E a spaţiului
euclidian X atunci pentru a construi un produs scalar este su…cient s¼ a
preciz¼am o matrice G nesingular¼ a şi simetric¼
a şi s¼
a de…nim hx; yi =
t
[y] G [x], 8x; y 2 V. Matricea G devine matrice Gram, în baza E a
produsului scalar astfel de…nit.
 ¼ ŢI DE REPREZENTARE
5.3. PROPRIETA 81

Dac¼a facem raportarea la o baz¼ a ortonormat¼a U = (u1 ; u2 ; :::; un )

atunci
2 3 2 3
Xn 1
.. 5 ; [y] = 4 .. 5 :
1
< x; y >= i i ; 8x; y 2 V cu coordonatele [x]U =
4 . .
U
i=1
n n

Radicalul funcţionalei p¼atratice ataşate, notat cu k k, va … considerat de

forma:
v 2 3
u n
uX 2 1
kxk = t i ; 8x 2 V cu coordonatele [x]U =
4 ... 5 :
i=1
n

În continuare not¼am cu [x] reprezint¼

a matricea coloan¼
a a coordonatelor
vectorului x în baza în care a fost scris¼ a matrivea Gram G. Folosind
rezultatele paragrafelor precedente deducem:

5.3.3. Propoziţie. (1) 8x; y 2 V; hx; yi = [x]t G [y];

(2) matricea Gram G este nesingular¼ a şi simetric¼
a;
(3) 0 6 det G 6 he1 ; e1 i he2 ; e2 i : : : hen ; en i;
(4) det G este p¼
atratul volumului paralelipipedului n-dimensional construit
pe vectorii e1 ; e2 ; : : : ; en .

Demonstraţie. Vom reaminti demonstraţia a…rmaţiei ultime. G este

nesingular¼
a dac¼a şi numai dac¼a sistemul G [x] = [0] are ca unic¼ a soluţie
vectorul x = 0: O form¼ a echivalent¼a de scriere a sistemului este
X
n X
n
hek ; xi = j hek ; ej i = gkj j = 0 cu k = 1; 2; :::; n:
j=1 j=1

P P
Rezult¼ a hx; xi = nk=1 k hek ; xi = nk=1 k 0 = 0, şi, în consecinţ¼ a x = 0.
Folosind inducţia matematic¼ a obţinem det G = hf1 ; f1 i hf2 ; f2 i : : : hfn ; fn i,
unde ff1 ; f2 ; : : : ; fn g se obţine din fe1 ; e2 ; : : : ; en g prin procedeul de ortogonalizare
Gram-Schimdt. Folosind 0 6 kfi k 6 kei k, 8i = 1; : : : n deducem relaţiile
cerute.
S¼
a detaliem aceste considerente. Fiind daţi vectorii liniar independenţi
e1 ; ; ek se pune problema m¼ asur¼ arii volumului k-dimensional. Fie determinantul
82 5. SPAŢII EUCLIDIENE

(numit determinant Gram)

he1 ; e1 i he1 ; e2 i he1 ; ek i

Def he2 ; e1 i he2 ; e2 i he2 ; ek i
G (e1 ; ; ek ) = :
hek ; e1 i hek ; e2 i hek ; ek i

Pentru calcularea acestui determinant se aplic¼ a procedeul de ortogonalizare:

hf1 ;e2 i
…e f1 = e1 ; f2 = e2 hf1 ;f1 i f1 . Se înlocuieşte peste tot e1 cu f1 ; apoi se
adaug¼a la coloana a doua coloana întâi înmulţit¼ a cu hfhf11;f;e12ii (care este
atribuit locului doi din produsul scalar). Prin aceast¼ a operaţie în coloana
doi ocupantul locului din dreapta al produsului scalar e2 este înlocuit cu f2 :
Apoi se adaug¼ a la linia doi prima linie înmulţit¼
a cu acelaşi scalar, atribuit
de aceast¼a dat¼
a locului din stânga al produsului scalar. Astfel se înlocuieşte
peste tot în determinantul Gram e2 cu f2 : Se procedeaz¼ a la fel pân¼ a când
se înlocuiesc toţi vectorii ei cu vectorii fi care sunt ortogonali doi câte
doi, aşa c¼
a determinantul va avea elemente nenule numai pe diagonala
principal¼a:

hf1 ; f1 i 0 0
0 hf2 ; f2 i 0
G (e1 ; ; ek ) = =
0 0 hfk ; fk i
= hf1 ; f1 i hf2 ; f2 i hfk ; fk i =
2 2 2
= kf1 k kf2 k kfk k ke1 k2 ke2 k2 kek k2 :

Pentru k = 1; volumul 1-dimensional p al lui e1 este chiar lungimea lui

ke1 k : Deci V ol1 (e1 ) = ke1 k = kf1 k = G (e1 ).
Pentru k = 2; volumul 2-dimensional al paralelogramului format de
e1 şi e2 este aria acestui paralelogram şi estepke1 k kf2 k ; V ol2 (e1 ; e2 ) =
V ol1 (e1 ) kf2 k = ke1 k kf2 k = kf1 k kf2 k = G (e1 ; e2 ).p
Pentru k = 3; V ol3 (e1 ; e2 ; e3 ) = V ol2 (e1 ; e2 ) kf3 k = G (e1 ; e2 ; e3 ).
Înpgeneral, volumul k-dimensional al paralelipipedului format de e1 ; ; ek
va … G (e1 ; ; ek ). S¼
a consider¼am vectorii e1 ; ; ek reprezentaţi într-o
2 3
1j
baz¼ aU cu coordonatele [ej ]U = 4 ... 5; determinantul Gram
a ortonormal¼
nj
 ¼ ŢI DE REPREZENTARE
5.3. PROPRIETA 83

va … atunci
!
X
n
G (e1 ; ; ek ) = det li lj = det AT A ;
l=1 i;j=1;k
0 1
11 12 1k
unde A = @ .. .. .. A este matricea care are drept coloane
. . .
n1 n2 nk
coordonatele …ec¼ arui vector (are n linii şi k coloane) iar AT este transpusa
sa.
Din propriet¼ aţile minorilor şi ale produsului matricial se ştie c¼ a
X
Mji11;; ;j;iss (AB) = Mli11;; ;l;iss (A) Mjl11;; ;j;lss (B) ;
l1 < <ls

(unde Mli11;; ;l;iss (A) este minorul obţinut din liniile i1 ; ; is şi din coloanele
l1 ; ; ls ) şi ţinând seama de faptul c¼ a pentru matricea transpus¼ a are loc
Mji11;; ;is
;js AT = Mij11;; ;js
;is (A) ;
urmeaz¼
a c¼
a
X 2
G (e1 ; ; ek ) = M1;1; ;k
;k AT A = M1;l1 ; ;lk
;k (A) ;
l1 < <lk

adic¼a determinantul Gram este egal cu suma p¼ atratelor tuturor minorilor

de ordin k din matricea coordonatelor într-o baz¼ a ortonormat¼ a. Urmeaz¼ a
c¼
a volumul paralelipipedului k-dimensional este radicalul acestei sume de
p¼atrate. În particular, când num¼ arul vectorilor este acelaşi cu dimensiunea
spaţiului şi sunt liniar independenţi, va … un singur minor de ordin n şi
atunci volumul paralelipipedului n-dimensional este chiar modulul determinantului
format de coordonatele vectorilor în orice baz¼ a ortonormal¼ a. De aici rezult¼
a
interpretarea modulului determinantului ca volum. Din inegalitatea anterioar¼ a
urmeaz¼ a c¼a
Yn
det (A) kei k ;
i=1

adic¼
a volumul paralelipipedului este cel mult egal cu produsul lungimilor
laturilor, iar egalitatea are loc dac¼
a şi numai dac¼
a laturile sunt ortogonale
dou¼a câte dou¼ a.
84 5. SPAŢII EUCLIDIENE

5.4. Proiecţii şi elemente de cea mai bun¼

a aproximare
5.4.1. Operatori de proiecţie.
5.4.1. De…niţie. Un endomor…sm S ( ) : V ! V este numit proiecţie
(proiector) dac¼a S S = S. Se numeşte cadrul de proiecţie a lui S
subspaţiul Im S şi cadrul proiectantelor lui S subspaţiul ker S. Vom nota
S cu prker S
Im S pentru a pune în evidenţ¼a elementele proiecţiei.
5.4.2. Propoziţie. Fie S : V ! V un operator de proiecţie. Atunci:
(1) w 2 Im S () w este nul sau este vector propriu corespunz¼ ator
valorii proprii 1;
(2) z 2 ker S () z este nul sau este vector propriu corespunz¼ ator
valorii proprii 0;
(3) V = ker S Im S şi dim X = dim ker S + dim Im S;
(4) 1X S : V ! V este un operator de proiecţie pentru care
ker (1V S) = Im S şi Im (1V S) = ker S;
(5) prker S Im S ker S
Im S + prker S = 1V şi prIm S prIm S Im S ker S
ker S = prker S prIm S = 0V .

Demonstraţie. Fie x 2 V arbitrar. Atunci S (x S (x)) = S (x)

S (S (x)) = S (x) S (x) = 0. Deci x = (x S (x)) + S (x) cu x S (x) 2
ker S şi S (x) 2 Im S. Fie x 2 ker S \ Im S. Atunci S (x) = 0 şi x = S (u),
cu u 2 V. Avem x = S (u) = S (S (u)) = S (x) = 0. Am probat astfel c¼ a
V = ker S Im S.
Fie v 2 ker (1V S). Atunci (1V S) (v) = 0 sau S (v) = v. Rezult¼ a
v 2 Im S. Fie w 2 Im S. Atunci w = S (u), cu u 2 V. Rezult¼ a w = S (u) =
S (S (u)) = S (w) sau (1V S) (w) = 0, adic¼ a w 2 ker (1V S).
Fie y 2 Im (1V S). Atunic y = (1V S) (u), cu u 2 X. Obţinem
S (y) = S (u S (u)) = S (u) S (S (u)) = 0. Rezult¼ a y 2 ker S. Fie
z 2 ker S. Rezult¼ a z = z S (z) = (1V S) (z), adic¼ a z 2 Im (1V S).
În plus (1V S) (1V S) = 1V 1V S 1V 1V S + S S = 1V S.
Ultima a…rmaţie este o consecinţ¼ a a relaţiilor precedente (prIm S
ker S =
1V S).
5.4.3. Observaţie. Fie V = V1 V2 (pentru …ecare x 2 V, 9!x1 2 V1
şi 9!x2 2 V2 astfel încât x = x1 + x2 ). x1 se va numi proiecţia lui x pe V1
în direcţia V2 .
5.4.4. Propoziţie. Fie V1 ; V2 dou¼
a subspaţii vectoriale pentru care
V = V1 V2 . Atunci:
 ¼ APROXIMARE
5.4. PROIECŢII ŞI ELEMENTE DE CEA MAI BUNA 85

(1) Exist¼ a U : V ! V o proiecţie pentru care ker U = V1 şi Im S =

V2 ;
(2) Oricare ar … endomor…smul S : V ! V avem S = S prVV21 +S
prVV12 .

Demonstraţie. Fie fu1 ; u2 ; : : : udim V1 g şi fu1+dim V1 ; u2+dim V1 ; : : : ; udim V2 +dim V1 g

o baz¼a din V1 şi, respectiv, din V2 . Împreun¼ a ele formeaz o baz¼ a în X.
Exist¼
a un singur operator pentru care U (u1 ) = 0, ..., U (udim V1 ) = 0,
U (u1+dim V1 ) = u1+dim V1 , ...P,U (udim VP
) = udim V . Evident U P U = U.
Dac¼ a y 2 ker U , cu y = i i ui + j j uj , atunci U (y) = j j uj = 0
de
P unde j = 0, 8j = 1 + dim V1 ; : : : ; dim V2 P + dim V1 . P Rezult¼ a y =
i i ui 2 V1 . Dac¼ a y 2 Im U atunci exist¼
P
a x = i i ui + j j uj 2 X,
y = U (x). Rezult¼ a y = j j uj 2 V2 . Implicaţiile reciproce sunt evidente.
Relaţia prVV21 + prVV12 = 1X atrage S = S prVV21 +S prVV12 .
5.4.5. Observaţie. Fie fu1 ; u2 ; : : : udim V1 g o baz¼a din V1 . Dac¼
a complet¼ am
mulţimea de vectori liniar independenţi la o baz¼ a în V cu vectorii fe1+dim V1 ; e2+dim V1 ; : : : ; edim V g
atunci vectorii
fu1 ; u2 ; : : : udim V1 ; U (e1+dim V1 ) ; U (e2+dim V1 ) ; : : : ; U (edim V )g
constituie o alt¼ a baz¼a în V pentru care fU (e1+dim V1 ) ; U (e2+dim V1 ) ; : : : ; U (edim V )g
este o baz¼ a în V2 .
P P
Demonstraţie. „liniar independenţa”Relaţia i i ui + j j U (ej ) =
P P
0 şi liniaritatea lui U fac adev¼ arate egalit¼ aţile 0 = U i i ui + j j U (ej ) =
P P P P
i i U (ui ) + j j U (ej ) = U ej . Rezult¼ a j j ej 2
a, de aici, c¼
P P Pj j P
ker U sau j j ej = i i ui sau i ( i ) ui + j j ej = 0. Toţi coe…cienţii
se anuleaz¼ a i = 0, 8i = 1; : : : ; dim V1 şi j = 0, 8j = 1+dim V1 ; : : : ; dim V
dup¼ a care i = 0, 8i = 1; : : : ; dim V1 .
P „sistemP de generatori”Fie x 2 V arbitrar. Atunci îl putem scrie ca x =
i i iu + j j ej (unde
P
i = 1; : : : ; dim V1 şi j = 1 + dim V1 ; : : : ; dim V).
Rezult¼ a U (x) = j j U (ej ). Deoarece x U (x) 2 ker U = V1 avem
a c¼
P P P
x U (x) = i i ui şi în concluzie x = i i ui + j j U (ej ). În plus
P
dac¼ a x 2 V2 = Im U avem x = U (x) = j j U (ej ).
5.4.2. Elemente de teoria aproxim¼ arii. Ne situ¼
am în continuare
în contextul unui spaţiu euclidian (V; R; < ; >) cu dim V = n.
86 5. SPAŢII EUCLIDIENE

5.4.6. De…niţie. Pentru un vector x 2 V şi o mulţime A V se

numeşte distanţa de la x la A
d (x; A) = inf kx yk :
y2A

5.4.7. De…niţie. Fie V un spaţiu euclidian real şi W un subspaţiu

vectorial al s¼
au. Se numeşte:
(1) cel mai bun aproximant a lui x 2 V în W elementul xW 2 W
pentru care
kx xW k = min kx yk
y2W

(2) proiecţia ortogonal¼

a a lui x 2 V pe W elementul PrW (x) 2 W
pentru care x PrW (x) ? W, sau echivalent
hx PrW (x) ; yi = 0; 8y 2 W:
5.4.8. Teorem¼ a (de caracterizare a celui mai bun aproximant prin
proiecţie ortogonal¼ a). Exist¼
a un singur vector din W ce satisface ambele
condiţii ale de…niţiei precedente (de unde PrW (x) = xW ).
Demonstraţie. ”)”Presupunem c¼ a 9y 2 W, y 6= 0, = hx xW ; yi >
am cu w = xW + hy;yi y un element a lui W ce are proprietatea
0. Not¼
kx wk < kx xW k. (Într-adev¼
ar kx wk2 = kx xW k2 2
hy;yi
hx xW ; yi+
2 2 2

hy;yi2
hy; yi = kx xW k hy;yi
.) Am obţinut un aproximant w mai bun
decât cel mai bun aprovimant xW . În concluzie hx xW ; yi = 0, 8y 2 W.
”(”Fie y 2 W arbitrar. Atunci kx yk2 = kx PrW (x) (y PrW (x))k2 =
kx PrW (x)k2 2 hx PrW (x) ; y PrW (x)i+ky PrW (x)k2 = kx PrW (x)k2 +
ky PrW (x)k2 > kx PrW (x)k2 . Deci miny2W kx yk = kx PrW (x)k.
”Unicitate” Fie v1 ; v2 2 W astfel încât hx v1 ; yi = 0 şi hx v2 ; yi =
0, 8y 2 W. Atunci din relaţiile v1 v2 2 W şi hv1 v2 ; yi = 0, 8y 2 W
rezult¼
a v1 = v2 .
”Existenţ¼
a” Aplic¼
am teorema lui Weierstrass funcţiei continue y 7!
kx yk (unde x 2 V …xat).
5.4.9. Propoziţie. Sunt adev¼arate propriet¼aţile:
(1) kPrW (x)k = hx; PrW (x)i, ^ (x; PrW (x)) 2 0; 2 , kPrW (x)k 6
2

kxk, 8x 2 V;
(2) PrW (x1 + x2 ) = PrW (x1 ) + PrW (x2 ), 8x1 ; x2 2 V şi PrW ( x) =
PrW (x), 8x 2 V, 8 2 R;
 ¼ APROXIMARE
5.4. PROIECŢII ŞI ELEMENTE DE CEA MAI BUNA 87

(3) PrW (v) = v, 8v 2 W şi hPrW (x1 ) ; x2 i = hx1 ; PrW (x2 )i, 8x1 ; x2 2
X.
Demonstraţie. (1) Prima relaţie rezult¼a din hx PrW (x) ; PrW (x)i =
kPrW (x)k2
0, iar celelalte dou¼ a din cos ^ (x; PrW (x)) = kxk kPrW (x)k
= kPrkxk
W (x)k
2
[0; 1].
(2) Din hx1 PrW (x1 ) ; yi = 0 şi hx2 PrW (x2 ) ; yi = 0, 8y 2 W
rezult¼ a hx1 + x2 (PrW (x1 ) + PrW (x2 )) ; yi = 0, 8y 2 W. Conform
unicit¼ aţii din teorema precedent¼ a rezult¼
a PrW (x1 + x2 ) = PrW (x1 )+
PrW (x2 ). Analog, din h x PrW (x) ; yi = 0, 8y 2 W rezult¼ a
hx PrW (x) ; yi = 0, 8y 2 W. Folosind, din nou, unicitatea
obţinem PrW ( x) = PrW (x).
(3) Fie v 2 W arbitrar. Dac¼ a alegem y = v PrW (v) 2 W în
relaţia hv PrW (v) ; yi = 0 obţinem PrW (v) = v (şi în particular
PrW (PrW (x)) = PrW (x)). Deoarece PrW (x1 ),PrW (x2 ) 2 W putem
scrie egalit¼ aţile: hPrW (x1 ) ; x2 i = hPrW (x1 ) ; x2 PrW (x2 )i+hPrW (x1 ) ; PrW (x2 )i =
hPrW (x1 ) ; PrW (x2 )i = hx1 PrW (x1 ) ; PrW (x2 )i+hPrW (x1 ) ; PrW (x2 )i =
hx1 ; PrW (x2 )i.

5.4.10. Corolar. PrW (PrW (x)) = PrW (x), 8x 2 V.

5.4.11. Teorem¼ a (de caracterizare a celui mai bun aproximant prin
simetrie operatorial¼
a). Operatorul de proiecţie S : V ! V este un operator
de proiecţie ortogonal¼
a pe Im S dac¼a şi numai dac¼a
hS (x1 ) ; x2 i = hx1 ; S (x2 )i , 8x1 ; x2 2 V.
Demonstraţie. A…rmaţia a patra a propoziţiei precedente demonstreaz¼
a
prima jum¼ atate. Pentru a doua …e x2 = y 2 Im S arbitrar. Atunci S (y) =
y şi din condiţia de simetrie avem hx1 Sx1 ; yi = 0, 8y 2 Im S.
5.4.12. Propoziţie. Fie V1 V2 dou¼ a subspaţii vectoriale a spaţiului
V. Atunci:
(1) PrV2 (PrV1 (x)) = PrV1 (x), 8x 2 V;
(2) PrV1 (PrV2 (x)) = PrV1 (x), 8x 2 V (teorema celor 3 perpendiculare).
Demonstraţie. (1) Se aplic¼
a punctul trei al teoremei precedente
pentru PrV1 (x) 2 V1 , 8x 2 V.
(2) Din hx PrV2 (x) ; wi = 0, 8w 2 V2 şi hPrV2 (x) PrV1 (PrV2 (x)) ; wi =
0, 8w 2 V1 rezult¼ a hx PrV1 (PrV2 (x)) ; wi = 0, 8w 2 V1 .
88 5. SPAŢII EUCLIDIENE

Folosind unicitatea din teorema de caracterizare avem PrV1 (PrV2 (x)) =

PrV1 (x), 8x 2 V.

5.4.13. Corolar (ecuaţiile normale ale celui mai bun aproximant).

Dac¼
Pp a fe1 ; e2 ; : : : ; ep g este o baz¼
a a subspaţiului vectorial W atunci PrW (x) =
2 i i
i=1 e are are coe…cienţii ; p daţi
1 ; : : :3 2 de unica
3 soluţie
2 a sistemului: 3
he1 ; e1 i he2 ; e1 i ::: hep ; e1 i 1 hx; e1 i
6 he1 ; e2 i he2 ; e2 i ::: hep ; e2 i 7 6 2 7 6 hx; e2 i 7
6 7 6 7 =6 7
4 ::: ::: ::: ::: 5 4 :::: 5 4 ::::::::::::: 5.
he1 ; ep i he2 ; ep i ::: hep ; ep i p hx; ep i
| {z } | {z }
matrice Gram coe…cienţilor Fourier
Pentru baze ortonormate matricea Gram este matricea unitate şi i =
hx; ei i, 8i = 1; : : : ; p.
Demonstraţie.
P Condiţia hx PrW (x) ; yi = 0, 8y 2 W este echivalent¼
a
cu hx; ek i = pi=1 i hei ; ek i sau înc¼
a cu sistemul dat.
5.4.14. Propoziţie. Fie subspaţiul vectorial W. Atunci:
(1) kx PrV (x)k2 = kxk2 kPrW (x)k2 = kxk2 sin ^ (x; PrW (x)),
8x 2 V;
(2) Dac¼a fe1 ; e2 ; : : : ; ep g este o baz¼
a a lui W, atunci
p
2 2
X
kx PrW (x)k = kxk i hei ; xi
i=1

(3) Dac¼
a fe1 ; e2 ; : : : ; ep g este o baz¼
a ortonormat¼
a a lui W, atunci
p
2 2
X
kx PrW (x)k = kxk ( i )2 .
i=1

Demonstraţie. Avem kx PrW (x)k2 = hx PrW (x) ; xi hx PrW (x) ; PrW (x)i =
| {z }
=0
Pp
hx; xi hPrW (x) ; xi = kxk2 i=1 i hei ; xi. Pentru ultima a…rmaţie ţinem
cont c¼
a i = hx; ei i, 8i = 1; : : : ; p.
5.4.15. Observaţie. Teorema lui Pitagora cere ca
kxk2 = kx PrW (x)k2 + kPrW (x)k2
pentru c¼
a vectorii PrW (x) şi x PrW (x) sunt perpendiculari. Lungimea
unei perpendiculare este mai mic¼
a sau egal¼
a decât lungimea oric¼
arei oblice.
 ¼ APROXIMARE
5.4. PROIECŢII ŞI ELEMENTE DE CEA MAI BUNA 89

Demonstraţie. Orice oblic¼a este de forma x w, cu w 2 W. Din

faptul c¼
a x PrW (x) este ortogonal pe W urmeaz¼ a c¼a este ortogonal pe
…ecare vector din W, deci pe v0 . Atunci au loc relaţiile:x w = x
PrW (x) + (PrW (x) w)
9
x w = x PrW (x) + (PrW (x) w) =
PrW (x) w 2 W )
;
(x PrW (x)) ? (PrW (x) w)
T. Pitagora.
) kx wk2 = kx PrW (x)k2 + kPrW (x) wk2 )
) kx PrW (x)k kx wk
adic¼
a lungimea oric¼
arei oblice este mai mare decât lungimea perpendicularei.

5.4.16. Propoziţie. Dac¼

a w 2 V; w 6= 0 şi W = span fwg atunci
2
PrW (x) = hw;wi w, kx PrW (x)k2 = kxk2 hx;wi
hx;wi
hw;wi
şi hPrW (x) ; yi = hx;wihy;wi
hw;wi
=
hx; PrW (y)i, 8x; y 2 V.
 CAPITOLUL 6

Elemente de teorie spectral¼

a a operatorilor

6.1. Forma canonic¼

a Jordan
6.1.1. De…niţie. Se numeşte celul¼a Jordan de ordin r ataşat¼a scalarului
o matrice r r de forma:

0 1
1 0
B 0 0 C
J (r) = B
@ .. C:
A
.
0 0
6.1.2. De…niţie. Se numeşte bloc Jordan de ordin (r1 ; ; rk ) ataşat
scalarului o matrice (r1 + + rk ) (r1 + + rk ) de forma:
0 1
J (r1 ) 0 0
B 0 J (r2 ) 0 C
J (r1 ; rk ) = B
@ . ..
C:
A
0 0 J (rk )
6.1.3. De…niţie. Se numeşte matrice Jordan ataşat¼a scalarilor ( 1 ; ; s)
şi scalarilor r1 i ; rkii , i = 1; s o matrice de forma:
0 1
J 1 r1 1 ; ; rk11 0 0
B 0 J 2 r1 2 ; ; rk22 0 C
B C
J =B . C:
@ . . A
0 0 J s r1 ;
s
; rks
s

6.1.4. De…niţie. Un subspaţiu V0 se numeşte invariant relativ la operatorul

U ( ) dac¼a
U (V0 ) V0 :
6.1.5. Observaţie. Dac¼
a un operator admite un subspaţiu invariant
de dimensiune m, atunci matricea corespunz¼
atoare unei alegeri de baz¼a
91
92 ¼ A OPERATORILOR
6. ELEMENTE DE TEORIE SPECTRALA

a spaţiului pentru care primii m vectori sunt baz¼ a a subspaţiului este de

A11 A12
forma cu A21 = O 2Mn m;m :
A21 A22
2 3
ai1
6 ai2 7
6 7
6 .. 7
Pm 6 . 7
6 7
Demonstraţie. U (fj ) = aij fi (U (fj )) = 6 aim 7 ,8j = 1; m
i=1 6 7
6 0 7
6 . 7
4 .. 5
0
6.1.6. Observaţie. Dac¼ a spaţiul se poate reprezenta ca o sum¼a direct¼
a
de subspaţii invariante, atunci matricea operatorului într-o baz¼ a corespunz¼atoare
sumei directe este 0 1
A11 0 0
B 0 A22 0 C
B . C
@ .. A
0 0 Akk
Demonstraţie. Pentru dou¼ a subspaţii, …e V = V1 V2 şi …e o baz¼
a
ataşat¼
a acestei sume directe:
f1 ; ; fk1 ; g1 ; ; gk2 ;
atunci ultimele k2 coordonate ale lui U (fj ) sunt nule (pentru c¼
a se exprim¼
a
numai cu baza lui V1 ) şi primele k1 coordonate ale lui U (gj ) sunt nule
(pentru c¼a se exprim¼a numai cu baza lui V2 )
6.1.7. De…niţie. Subspaţiile invariante de dimensiune 1 se mai numesc
direcţii invariante. Orice vector nenul al unei direcţii invariante se numeşte
vector propriu. (un vector nenul se numeşte vector propriu al operatorului,
dac¼a operatorul transform¼ a vectorul într-un vector coliniar cu el).
6.1.8. Observaţie. Vectorii x şi U (x) sunt coliniari dac¼
a şi numai
dac¼
a exist¼
a un scalar astfel încât
U (x) = x:
Scalarul se numeşte valoare proprie corespunz¼atoare vectorului propriu.
6.1.9. Observaţie. Orice familie de vectori proprii corespunz¼ atori la
valori proprii distincte dou¼
a câte dou¼
a este o familie liniar independent¼a.
 ¼ JORDAN
6.1. FORMA CANONICA 93

Demonstraţie. Fie v1 ; ; vm vectori proprii şi …e 1 ; ; m valorile

proprii. Prin inducţie, dac¼ a m = 1, v1 6= 0 deci este liniar independent.
Pentru m = 2, dac¼ a 1 v1 + 2 v2 = 0; atunci 0 = U ( 1 v1 + 2 v2 ) =
1 U (v1 ) + 2 U (v2 ) = 1 9 1 v1 + 2 2 v2 .
v
1 1 + v
2 2 = 0 =
1 1 v1 + 2 2 v2 = 0 )2 1 ( 1 2 ) v1 = 0 ) 1 = 2 contradicţie.
;
1 6
= 0
1 v1 + + m vm = 0 ) 1 1 v1 + + m m vm = 0 şi se înmulţeşte
prima egalitate cu m ) 1 ( 1 m ) v 1 + + m 1( m 1 m ) vm 1 =
0; se aplic¼a ipoteza de inducţie pentru cei m 1 vectori proprii ) j ( j m) =
0) j=0
6.1.10. Observaţie. Orice operator are cel mult n valori proprii distincte
dou¼
a câte dou¼
a.
Demonstraţie. La …ecare valoare proprie distinct¼ a corespunde m¼ acar
un vector propriu şi familia acestor vectori proprii este liniar independent¼
a,
deci num¼arul de vectori nu poate dep¼ aşi dimensiunea spaţiului
6.1.11. Observaţie. Fie o valoare proprie …xat¼
a. Mulţimea vectorilor
proprii corespunz¼
atori valorii proprii formeaz¼
a un subspaţiu vectorial.
Demonstraţie. U (x1 ) = x1 şi U (x2 ) = x2 ) U ( 1 x1 + 2 x2 ) =
( 1 x1 + 2 x2 ) deci orice combinaţie liniar¼
a de vectori proprii corespunz¼atori
valorii proprii este vector propriu corespunz¼ ator aceleiaşi valori proprii

6.1.12. De…niţie. Subspaţiul V se numeşte subspaţiul propriu al operatorului

U ( ) corespunz¼ator valorii proprii :
6.1.13. Observaţie. Relaţia U (v) = v scris¼
a într-o baz¼
a oarecare în
care operatorul are matricea A este
A [v]B = [v]B ) (A In ) [v]B = 0;
care este un sistem liniar omogen în necunoscutele coordonatele vectorului
v şi cu parametrul . Condiţia necesar¼
a şi su…cient¼
a pentru a admite soluţii
nenule este ca determinantul matricii sistemului s¼ a …e nul, adic¼
a
det (A I) = 0:
Aceast¼
a ecuaţie în necunoscuta se numeşte ecuaţia caracteristic¼a a
matricii A, iar polinomul se numeşte polinomul caracteristic al matricii
A:
94 ¼ A OPERATORILOR
6. ELEMENTE DE TEORIE SPECTRALA

6.1.14. Observaţie. Polinomul caracteristic nu depinde de baza în

care a fost reprezentat operatorul.
Demonstraţie. Leg¼ atura dintre matricile aceluiaşi operator în dou¼
a
1
baze distincte este B = T AT; unde T este matricea de trecere dintre
cele dou¼
a baze; are loc
1
det (T AT I) = det (T 1 AT T 1 T ) = det (T 1 (A I) T ) =
= det T 1 det (A I) det T = det (A I) :

6.1.15. Observaţie. Rezovarea ecuaţiei caracteristice conduce la urm¼ atoarele

situaţii:
(1) Toate r¼ ad¼
acinile polinomului aparţin corpului de scalari şi sunt
distincte dou¼ a câte dou¼ a. În acest caz, exist¼a o baz¼a format¼a din
vectori proprii corespunz¼ atori valorilor proprii, toate subspaţiile
proprii sunt de dimensiune 1 iar matricea operatorului în aceast¼ a
baz¼a este diagonal¼a, pe diagonal¼ a a‡ându-se exact valorile proprii,
în ordinea dat¼ a de aşezarea vectorilor proprii în baz¼ a.
(2) Toate r¼ ad¼
acinile polinomului aparţin corpului de scalari dar nu
sunt distincte dou¼ a câte dou¼ a. În acest caz se pune întrebarea
dac¼a dimensinea subspaţiului propriu ataşat unei valori proprii
multiple (numit¼ a dimensiunea geometric¼ a a valorii proprii) este
egal¼
a sau nu cu ordinul de multiplicitate al valorii proprii (numit
dimensiunea algebric¼ a a valorii proprii). Vor exista în continuare
dou¼a subcazuri:
(a) Toate r¼ ad¼
acinile polinomului aparţin corpului de scalari dar
nu sunt distincte dou¼ a câte dou¼ a şi pentru …ecare valoare
proprie multipl¼ a, dimensiunile ei (geometric¼ a şi algebric¼
a)
sunt egale.
(b) Toate r¼ ad¼
acinile polinomului aparţin corpului de scalari dar
nu sunt distincte dou¼ a câte dou¼a şi exist¼
a m¼acar o valoare
proprie multipl¼ a pentru care dimensiunile ei nu sunt egale.
(3) Ecuaţia caracteristic¼ a nu are toate r¼ ad¼acinile în corpul K:
În continuare, pentru g¼ asirea unei forme cât mai simple a matricii unui
operator, se vor face reduceri succesive ale problemei; se va porni de la
operatori oarecare (pe spaţii vectoriale complexe) a c¼
aror reprezentare va …
redus¼
a la reprezentarea unor operatori de un tip special, numiţi nilpotenţi.
 ¼ JORDAN
6.1. FORMA CANONICA 95

Se va da o reprezentare a operatorilor nilpotenţi apoi se va încheia prin

reprezentarea operatorilor pe spaţii vectoriale reale.
Se consider¼a (V; C) un spaţiu vectorial de dimensiune …nit¼ a peste
corpul numerelor complexe. Fie U ( ) : V ! V un operator şi …e A matricea
operatorului într-o baz¼
a; …e ecuaţia caracteristic¼a det (A In ) = 0 =
Qk
ni
( i) :
i=1

6.1.16. Teorem¼a. (Teorema Hamilton-Cayley) Fie U ( ) un operator

cu matricea A într-o baz¼a oarecare şi cu polinomul caracteristic P ( ) =
det (A I). Atunci au loc P (A) = 0 2Mn n (C) (matricea nul¼ a) şi
P (U ) = 0 (operatorul nul).

Demonstraţie. Fie matricea A I; matricea este inversabil¼

a dac¼
a şi
numai dac¼
a 2
= (A) şi în acest caz se calculeaz¼
a inversa acestei matrici:

1 1 1
(A I) = B = B ;
det (A I) P( )

unde B este matricea cu elementele Aji (complemenţii algebrici ai matricii

(A I)), care sunt polinoame de grad cel mult n 1 în : Atunci se poate
scrie
n 1
B = B0 + B1 + + Bn 1 ;

unde Bk sunt matrici p¼

atrate de ordin n. Urmeaz¼
a c¼
a are loc

P ( ) I = (A I) B

şi rescriem aceast¼

a relaţie dup¼
a puterile lui ; not¼
am P ( ) = 0 + 1 +
n
+ n şi egalitatea anterioar¼ a devine:

n n 1
( 0 + 1 + + n ) I = (A I) B0 + B1 + + Bn 1 ;

şi cum membrul drept se ordoneaz¼

a dup¼
a puterile lui astfel:

AB0 + (AB1 B0 ) + (AB2 B1 ) 2 + +

n 2 n
+ (ABn 1 Bn 2 ) + ( Bn 1 ) ;
96 ¼ A OPERATORILOR
6. ELEMENTE DE TEORIE SPECTRALA

urmeaz¼a c¼
a au loc egalit¼
aţile (pe care le adun¼
am înmulţite convenabil,
pentru a reduce termenii din dreapta):
0I = AB0
1I = AB1 B0 j A (la stânga)
2 I = AB2 B1 j A2 (la stânga)
= j
n 1 I = ABn 1 Bn 2 j An 1 (la stânga)
nI = Bn 1 j An (la stânga)
deci
0I = AB0
1A = A2 B1 AB0
2
2A = A3 B2 A2 B1
=
n 1
n 1A = An Bn 1 An 1 Bn 2
n
nA = An Bn 1
şi prin adunarea egalit¼
aţilor rezult¼
a
2 n 1 n
0I + 1A + 2A + n 1A + nA = 0;
adic¼
a P (A) = 0 (matricea nul¼
a) şi evident P (U ) = 0 (operatorul nul)
6.1.17. Observaţie. (Cel mai mare divizor comun al unor polinoame)
Pentru dou¼ a polinoame p1 (x) şi p2 (x), din algoritmul lui Euclid de a‡are
a celui mai mare divizor comun rezult¼ a c¼
a cel mai mare divizor comun este
ultimul rest diferit de zero şi c¼
a exist¼
a polinoamele h1 (x) şi h2 (x) astfel
încât are loc
c:m:m:d:c: (p1 ( ) ; p2 ( )) = h1 ( ) p1 ( ) + h2 ( ) p2 ( ) ;
pentru trei polinoame, are loc
c:m:m:d:c: (p1 ( ) ; p2 ( ) ; p3 ( )) =
= c:m:m:d:c: (c:m:m:d:c: (p1 ( ) ; p2 ( )) ; p3 ( )) =
= h01 ( ) c:m:m:d:c: (p1 ( ) ; p2 ( )) + h02 ( ) p3 ( ) =
= h01 ( ) (h001 ( ) p1 ( ) + h02 ( ) p2 ( )) + h02 ( ) p3 ( ) =
= h2 ( ) p1 ( ) + h2 ( ) p2 ( ) + h3 ( ) p3 ( )
iar proprietatea se generalizeaz¼a pentru un num¼
ar oarecare de polinoame:
9hi ( ) polinoame, i = 1; k astfel încât
X
k
c:m:m:d:c: (p1 ( ) ; p2 ( ) ; ; pk ( )) = hi ( ) pi ( ) :
i=1
 ¼ JORDAN
6.1. FORMA CANONICA 97

6.1.18. De…niţie. Un operator N ( ) se numeşte nilpotent dac¼

a exist¼
a
r
r 2 N astfel încât N ( ) = O ( ) (operatorul nul).
6.1.19. Observaţie. Pentru un operator nilpotent şi pentru f 6= 0 şi
k = min fs; N s (f ) = 0g 1, vectorii de forma f; N (f ) ; ; N k (f ) sunt
liniar independenţi.
Demonstraţie.
X
k
i
iN (f ) = 0 j N k ( ) ) 0N
k
(f ) = 0 ) 0 = 0;
i=0

analog prin compunere cu N k j

( ) se obţine c¼
a 8j = 1; k, j =0
6.1.20. Teorem¼a. (Reducerea unui operator complex la operatori
ni
nilpotenţi) Pentru …ecare i , se consider¼ a V i = ker ((U i I) ( )).
Atunci au loc a…rmaţiile:
(1) V i sunt subspaţii invariante ale lui U ( ).
Lk
(2) V = V i.
i=1
(3) Restricţia notat¼a Uj ( ) a operatorului U ( ) la …ecare subspaţiu
V , Uj ( ) : V ! V j ; Uj (x) = U (x) ; 8x 2 V j este de forma
j j

Uj ( ) = (Nj + j I) ( ), cu Nj ( ) operator nilpotent pe V j şi I ( )

operatorul unitate pe V j .
Demonstraţie.
(1)
ni
v 2 V i ) (U i In ) (v) = 0;
atunci
ni ni
(U i In ) (U (v)) = (U i In ) ((U i In + i In ) (v)) =
ni +1 ni
= (U i In ) (v) + i (U i In ) (v) = 0 ) U (v) 2 U
i

deci V i este subspaţiu invariant al operatorului U .

(2) Are loc
Yk
ni
P( )= ( i) ;
i=1
a pentru j = 1; k se consider¼
şi dac¼ a polinoamele

nj
Y
k
ni
Pj ( ) = ( j) ; Qj ( ) = ( i) ;
i=1;i6=j
98 ¼ A OPERATORILOR
6. ELEMENTE DE TEORIE SPECTRALA

atunci
c:m:m:d:c: (Q1 ( ) ; ; Qk ( )) = 1
deci exist¼
a polinoamele hi ( ) astfel încât s¼
a aib¼
a loc
X
k
hj ( ) Qj ( ) = 1;
j=1

mai mult, are loc

P ( ) = Pj ( ) Qj ( ) ; 8j = 1; k;
scriind aceste relaţii pentru polinoamele de operatori ataşate rezult¼
a
din Teorema Hamilton-Cayley c¼ a
0 =P (U ( )) = Pj (U ( )) Qj (U ( ))
) Pj (U ( )) ((Qj (U ( ))) (v)) = 0; 8v 2 V;
) (Qj (U ( ))) (v) 2 V j ; 8v 2 V
şi
X
k
hj (U ( )) Qj (U ( )) = I ( ) ;
j=1

adic¼
a, ţinând cont de faptul c¼
a
hj (U ( )) Qj (U ( )) = Qj (U ( )) hj (U ( )) ;
Pk
hj (U ( )) ((Qj (U ( ))) (v)) =
j=1
P
k
= (Qj (U ( ))) ((hj (U ( ))) (v)) = v; 8v 2 V;
j=1

cum (Qj (U ( ))) (v) 2 V j şi V j este invariant la U ( ) ; rezult¼

a
c¼
a
(Qj (U ( ))) ((hj (U ( ))) (v)) 2 V j ;
aşa c¼
a orice vector al spaţiului se descompune în sum¼
a de elemente
din V ; j = 1; k; deci are loc
j

X
k
V= V i:
i=1
 ¼ JORDAN
6.1. FORMA CANONICA 99

P
k
Suma este direct¼
a: Fie vj 2 V j
astfel încât vj = 0; atunci au
j=1
loc
Pi (U ( )) (vi ) = 0
şi
6 i!)
Qi (U ( )) (vj ) = 0; 8j = 1; k; j =
Pk
Qi (U ( )) (vi ) = Qi (U ( )) vl = 0;
l=1;j6=i

cum polinoamele Pi ( ) şi Qi ( ) sunt relativ prime între ele, exist¼

a
polinoamele R1 ( ) şi R2 ( ) astfel încât
R1 ( ) Pi ( ) + R2 ( ) Qi ( ) = 1;
adic¼
a
0 = R1 (U ( )) ((Pi (U ( ))) (vi )) + R2 (U ( )) ((Qi (U ( ))) (vi )) = vi ;
adic¼
a descompunerea este unic¼ a.
(3) Se noteaz¼ a Uj ( ) : V j ! V j Uj (v) = U (v) ; 8v 2 V j restricţia
operatorului U ( ) la subspaţiul V j : Din de…niţia spaţiului V j ;
nj nj
are loc (U j I) (v) = 0; 8v 2 V
j
deci (Uj j I) (v) = 0;
8v 2 V j : Are loc Uj ( ) = (Uj j I) ( ) + j I ( ) ; iar operatorul
Uj j I este nilpotent.

6.1.21. Teorem¼ a. (Forma canonic¼ a Jordan a operatorilor nil-

potenţi) Fie N ( ) un operator nilpotent pe un spaţiu vectorial V. Atunci
exist¼a o baz¼
a a spaţiului în care matricea operatorului este un bloc Jordan
ataşat scalarului nul.
Demonstraţie. N ( ) nilpotent ) 9!r 2 N astfel încât ker N r ( ) = V
şi ker N r 1 ( ) & V (cel mai mic exponent pentru care operatorul este
identic nul),
Not
r = min dim N k ( ) = dim V = n
k
(existenţa rezult¼
a din faptul c¼
a operatorul este nilpotent iar unicitatea
prin reducere la absurd); mai mult, are loc x 2 ker N k ( ) ) N k (x) = 0
) N N k (x) = 0 ) x 2 ker N k+1 ( ) deci:
ker N ( ) ker N 2 ( ) ker N k ( )
100 ¼ A OPERATORILOR
6. ELEMENTE DE TEORIE SPECTRALA

(nucleele puterilor lui N ( ) formeaz¼

a un lanţ, care este …nit şi de la rangul
r încolo toţi termenii sunt egali cu spaţiul) (puterile operatorului sunt
operatorul nul de la rangul r, inclusiv). Rezult¼ a c¼
a lanţul este:
f0g = ker N 0 ( ) ker N 1 ( ) ker N 2 ( )
ker N r 1 ( ) ker N r ( ) = V
6=

şi …e
Not
mk = dim ker N k ( ) ; k = 0; r )
0 = m0 m1 m2 mr 1 < mr = n:
Mai mult, dac¼
a se consider¼
a şirul diferenţelor dimensiunilor,
Not
qk = m k mk 1 ; k = 1; r;
are loc
qr qr 1 qr 2 q2 q1
(va rezulta din demonstraţie, în continuare). Pentru …ecare k = 1; r, are
loc
ker N k ( ) = ker N k 1 ( ) Qk ;
cu Q1 = ker N ( ) iar qk = dim Qk ,
V = ker N r ( ) = ker N r 1
() Qr ;
cu
Not
dim Qr = qr = mr mr 1 = p1 :
Se alege o baz¼a în Qr ; f1 ; fp1 ; vectorii f1 ; fp1 sunt liniar independenţi
şi, mai mult, au proprietatea c¼a dac¼ a i sunt astfel încât
p1
X
r 1
i fi 2 ker N ( );
i=1

atunci i = 0 (pentru c¼
a dac¼
a ar exista scalarii i astfel încât
p1
X
i fi = v0 2 ker N r 1
( ) nf0g; atunci ker N r 1
( ) \ Qr 6= f0g
i=1

contradicţie). Deci
V = ker N r ( ) = ker N r 1
() Sp ff1 ; fp1 g :
Se observ¼
a c¼
a vectorii
N (f1 ) ; N (fp1 )
 ¼ JORDAN
6.1. FORMA CANONICA 101

sunt în ker N r 1 ( ) (pentru c¼a fi 2 ker N r ( ) ) N r (fi ) = 0 ) N r 1

(N (fj )) =
r 1
0 ) N (fj ) 2 N ( )); mai mult,
P
p1
iN (fi ) 2 ker N r 2
())
i=1
P
p1 P
p1
Nr 2
iN (fi ) = Nr 1
i fi =0)
i=1 i=1
P
p1
) i fi 2 ker N r 1
() ) i = 0;
i=1

(deci în particular sunt liniar independenţi) vectorii N (f1 ) ; N (fp1 )

sunt în ker N r 1 ( ) şi nu sunt în ker N r 2 ( ) deci
N (f1 ) ; N (fp1 ) 2 Qr 1 ;
dim ker N r 1
( ) = m r 1 = m r 2 + qr 1 ; q r 1 p1
(deci are loc şi qr 1 qr )
şi
V = ker N r ( ) = ker N r 1
() Sp ff1 ; fp1 g =
= ker N r 2 ( ) Qr 1 Sp ff1 ; fp1 g :
Fie
Not
p 2 = qr 1 p1
şi …e
fp1 +1 ; fp1 +p2
completarea sistemului liniar independent N (f1 ) ; ; N (fp1 ) pân¼
a la o
baz¼
a a lui Qr 1 ; sistemul de vectori
N (f1 ) ; ; N (fp1 ) ; fp1 +1 ; fp1 +p2
este o baz¼
a în Qr 1 şi are loc:
V = ker N r ( ) = ker N r 1 ( ) Sp ff1 ; fp1 g =
= ker N r 2 ( ) Qr 1 Sp ff1 ; fp1 g =
r 2
= ker N ( ) Sp fN (f1 ) ; ; N (fp1 ) ; fp1 +1 ; fp1 +p2 g Sp ff1 ; fp1 g :
Se aplic¼
a operatorul N ( ) bazei din Qr 1 :
N 2 (f1 ) ; ; N 2 (fp1 ) ; N (fp1 +1 ) ; N (fp1 +p2 )
este un sistem de p1 + p2 vectori, care este liniar independent în Qr 2 (deci
p1 + p2 = qr 1 qr 2 ) şi care se completeaz¼ a pân¼a la o baz¼
a în Qr 2 cu
Not
p 3 = qr 2 qr 1 = qr 2 p1 p2
102 ¼ A OPERATORILOR
6. ELEMENTE DE TEORIE SPECTRALA

vectori. În …nal se obţine structura:

f1 ; fp1 baz¼
a în Qr
N (f1 ) ; ; N (fp1 ) ; fp1 +1 ; fp1 +p2 baz¼ a în Qr 1
2 2
N (f1 ) ; ; N (fp1 ) ; N (fp1 +1 ) ; ; N (fp1 +p2 ) ; fp1 +p2 +1 ; ; fp1 +p2 +p3
baz¼ a în Qr 2 ,
:::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::
N r 1 (f1 ) ; ; N r 1 (fp1 ) ; N r 2 (fp1 +1 ) ; ; N r 2 (fp1 +p2 ) ; ;
; fp1 + +pr 1 +1 ; ; fp1 + +pr 1 +pr baz¼ a în Q1 = ker N ( ).
Fiecare coloan¼ a a tabloului este câte o familie liniar independent¼ a care
determin¼ a câte un subspaţiu invariant al operatorului N ( ); primele p1
subspaţii sunt de dimensiune r; urm¼ atoarele p2 sunt de dimensiune r 1,
etc; ultimele pr subspaţii sunt de dimensiune 1. Mai mult, ultima linie
este format¼ a din vectori proprii (toţi ataşaţi valorii proprii nule). Întregul
spaţiu este sum¼ a direct¼ a de aceste subspaţii pe vertical¼ a; pentru spaţiul
format de prima coloan¼ a, se alege ca baz¼ a
Nr 1
(f1 ) ; N r 2
(f1 ) ; ; N (f1 ) ; f1
(în aceast¼
a ordine); în aceast¼
a baz¼
a restricţia operatorului la acest subspaţiu
este dat¼
a de valorile operatorului în vectorii bazei:
f1 2 V = ker N r ) N r (f1 ) = 0
2 3
0
6 0 7
6 . 7
N N r 1
(f1 ) = N (f1 ) = 6
r
6 .. 7
7
4 0 5
0
2 3
1
6 0 7
6 . 7
N N r 2 (f1 ) = N r 1 (f1 ) = 6 6 .. 7
7
4 0 5
0
2 3::::::::::::::::::::::::::::::::::::::::::::::::::::::
0 1
0 0 1 0
6 .. 7 B 0 0 .. C
6 . 7 B . . . C Not
N (f1 ) = 6
6 0 7 ) Nj
7 sp inv (x) = B .
B . .. 0 C C x = J0 (r) x;
4 1 5 @ 0 0 1 A
0 0 0 0
 6.2. DECOMPLEXIFICAREA FORMEI CANONICE COMPLEXE 103

se obţine în …nal urm¼atoarea structur¼a pentru matricea operatorului:

0 1
J0 (r)
p1 cel. B .. C
de B . 0 0 C
B J0 (r) C
ord. r B C
B J0 (r 1) C
p2 cel. B C
B .. C
de B 0 . 0 C
B C
ord. r 1 B J0 (r 1) C
.. B C
. B .
.. .
.. .. C
B . C
pr cel. B C
B J0 (1) C
de B .. C
@ 0 0 . A
ord. 1
J0 (1)

6.2. Decomplexi…carea formei canonice complexe

Când corpul de scalari este real, atunci valorile proprii sunt în general
complexe, deci nu fac parte din corpul de scalari; mai mult, vectorii proprii
ataşaţi la valori proprii complexe sunt de coordonate complexe. Pentru a se
obţine o form¼ a pseudodiagonal¼ a şi în aceast¼a situaţie se aplic¼a urm¼atoarea
tehnic¼ a:
Fie = + i 2 C n R; > 0 o valoare proprie complex¼ a cu ordinul
de multiplicitate m. Atunci = i este valoare proprie complex¼ a cu
acelaşi ordin de multiplicitate şi celor dou¼ a valori proprii trebuie s¼ a li se
ataşeze un spaţiu invariant real de dimensiune 2m: Acelaşi operator v¼ azut
ca operator peste un spaţiu vectorial complex admite o baz¼ a Jordan în
care pentru corespund m vectori proprii liniar independenţi f1 ; ; fm
de coordonate complexe; atunci vectorii f1 ; ; fm formeaz¼ a baz¼ a Jordan
pentru
Av = v ) A (Re v + i Im v) = (Re + i Im ) (Re v + Im v)
) Av = v ) v este vector propriu pentru
Baza Jordan ataşat¼ a valorii proprii este dat¼ a de relaţiile:
Af11 = f11 ; ; Af1q = f1q
Af21 = f11 + f21 ; ; Af2q = f1q + f2q
.........................................................
Afn11 = fn11 1 + fn11 ; ; Afnqq = fnqq 1 + fnqq
104 ¼ A OPERATORILOR
6. ELEMENTE DE TEORIE SPECTRALA

Vectorii fjk sunt liniar independenţi şi formeaz¼a o baz¼a Jordan pentru
: Pornind de la baza Jordan ataşat¼ a celor dou¼
a valori proprii complexe
conjugate descris¼ a mai sus se construieşte o baz¼ a în spaţiul real prin
înlocuirea …ec¼arei perechi de vectori complecşi cojugaţi fjk ; fjk cu perechea
de vectori reali gkj = 12 fkj + fkj ; hjk = 2i1 fkj fkj : Din relaţiile

Afkj = fkj 1+ fkj ;

Afkj = fkj j
1 + fk

şi din relaţiile

f + f = (Re ( ) + i Im ( )) (Re (f ) + i Im (f )) +
+ (Re ( ) i Im ( )) (Re (f ) i Im (f )) =
= 2 Re ( ) Re (f ) 2 Im ( ) Im (f ) = 2 (Re ( ) g Im ( ) h) ;

f f = (Re ( ) + i Im ( )) (Re (f ) + i Im (f ))
(Re ( ) i Im ( )) (Re (f ) i Im (f )) =
= 2i Re ( ) Im (f ) + 2i Im ( ) Re (f )
rezult¼
a
Agkj = gkj 1 + Re ( ) gkj Im ( ) hjk ;
Ahjk = hjk 1 + Re ( ) gkj + Im ( ) hjk
aşa c¼
a înlocuirile …ec¼
arei perechi de celule complexe (pentru = +i )
sunt:
0
0
0 1 0 1
1 0 0 1 0
B 0 0 0 C B 0 1 C
B C B C
@ 0 0 1 A @ 0 0 A
0 0 0 0 0
0 1 0 1
1 0 0 0 0 1 0 0 0
B 0 1 0 0 0 C B 0 1 0 0 C
B C B C
B 0 0 0 0 0 C B 0 0 1 0 C
B C B C
B 0 0 0 1 0 C B 0 0 0 1 C
B C @ 0 A
@ 0 0 0 0 1 A 0 0 0
0 0 0 0 0 0 0 0 0
:::::::::::::::::::::::::::::::::
 ¼ JORDAN
6.3. ALGORITM PENTRU ADUCEREA UNUI OPERATOR LA FORMA CANONICA 105

6.3. Algoritm pentru aducerea unui operator la forma canonic¼

a
Jordan
(1) Se g¼
aseşte matricea ataşat¼a operatorului în baza iniţial¼
a (canonic¼ a)
(2) Se rezolv¼a (în C) ecuaţia caracteristic¼
a det (A I) = 0 şi se reţin
toate r¼
ad¼acinile j 2 C, j = 1; k, cu ordinele de multiplicitate nj ,
Pk
nj = n.
j=1
Pentru …ecare r¼ ad¼acin¼a j (de multiplicitate nj ) obţinut¼
a la
pasul 2.:
nj
(3) Se calculeaz¼ a spaţiul V j = ker (U j I) ( ).
(4) Se calculeaz¼ a restricţia Uj ( ) a operatorului U ( ) la subspaţiul
V j , Uj ( ) : V j ! V j ; Uj (x) = U (x) ; 8x 2 V j .
(5) Se calculeaz¼ a operatorul nilpotent Nj ( ) : V j ! V j , de…nit
prin: Nj (x) = Uj (x) j I (x) = (Uj j I) (x), 8x 2 V .
j

(6) Se calculeaz¼ a şirul de nuclee:

r 1 r
f0g = ker Nj0 ( ) ker Nj ( ) ker Nj2 ( ) ker Nj j () ker Nj j ( ) = V j ;

se calculeaz¼
a

rj = min dim ker Njk ( ) = dim V j

= nj
k

şi pentru …ecare k = 1; rj , se consider¼

a descompunerea

ker Njk ( ) = ker Njk 1

() Qjk ;

(7) Se calculeaz¼ a mjk = dim ker Njk ( ), k = 0; rj

(8) Se calculeaz¼ a qkj = dim Qjk = mjk mjk 1 ; k = 1; rj
(9) Se calculeaz¼ a
pj1 = mjrj mjrj 1 = qrjj ,
pj2 = qrjj 1 pj1 ,
pj3 = qrjj 2 qrjj 1 = qrjj 2 pj1 pj2

a f1j ;
a în Qjrj , notat¼
(10) Se alege o baz¼ fpjj ; se consider¼
a vectorii
1

fpjj +1 ; fpjj +pj

1 1 2
106 ¼ A OPERATORILOR
6. ELEMENTE DE TEORIE SPECTRALA

a sistemul liniar independent Nj f1j ;

care completeaz¼ ; Nj fpjj
1
pân¼ a a lui Qjrj
a la o baz¼ 1 ; se continu¼
a acest procedeu pân¼
a se
obţine structura:

f1j ; fpjj baz¼

a în Qjr
1

Nj f1j ; ; N fpjj ; fpjj +1 ; fpjj +pj baz¼

a în Qjrj 1
1 1 1 2

Nj2 f1j ; ; Nj2 fpjj ; Nj fpjj +1 ; ; Nj fpjj +pj ; fpjj +pj +1 ; ; fpjj +pj +pj
1 1 1 2 1 2 1 2 3
baz¼ a în Qjr 2 ,
:::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::
r 1 r 1 r 2 r 2
Nj j f1j ; ; Nj j fpjj ; Nj j fpjj +1 ; ; Nj j fpjj +pj ; ;
1 1 1 2
; fpjj + +pj ; ; fpjj + +pj j baz¼
a în Qj1 = ker Nj ( ).
1 r j 1 +1 1 r j 1 +prj

Baza Jordan se obţine prin ordonarea vectorilor de mai sus

în felul urm¼ ator: se aleg vectorii pe coloan¼
a, de jos în sus –
pentru …ecare vector, de la exponentul maxim al operatorului la
exponentul minim – de exemplu, pentru prima coloan¼ a (primul
j
vector, f1 ):
r 1 r 2
Nj j f1j ; Nj j f1j ; ; Nj f1j ; f1j
(11) În …nal se obţine în aceast¼
a baz¼
a (de fapt reper, pentru c¼ a ordinea
vectorilor în baz¼a este important¼a) pj1 celule de ordin rj , pj2 celule
de ordin rj 1, etc.

6.4. Aplicaţii ale teoriei spectrale

6.4.1. De…niţie. Pentru un operator liniar U ( ) : Rn ! Rn , se numeşte
operatorul adjunct acel operator (unic) U ( ) : Rn ! Rn cu proprietatea:
hU (x) ; yi = hx; U (y)i ; 8x; y 2 Rn :
6.4.2. Observaţie.
U ()=U()
(U1 + U2 ) ( ) = U1 ( ) + U2 ( )
(U1 U2 ) ( ) = (U2 U1 ) ( )
 6.4. APLICAŢII ALE TEORIEI SPECTRALE 107

6.4.3. De…niţie. Operatorul liniar U ( ) se numeşte normal dac¼

a
(U U ) ( ) = (U U) ( )
(operatorul comut¼
a cu adjunctul s¼
au).
6.4.4. Propoziţie. Orice vector propriu al unui operator normal, ataşat
valorii proprii , este vector propriu al operatorului adjunct, ataşat valorii
proprii :
Demonstraţie. Pentru x vector propriu are loc
U (U (x)) = U (U (x)) = U ( x) = U (x) ;
ceea ce înseamn¼ a c¼a şi U (x) este vector propriu al operatorului U ( ) ;
ataşat valorii proprii ; adic¼a operatorul U ( ) transform¼a vectorii proprii
ai operatorului U ( ) corespunz¼ atori valorii proprii tot în vectori proprii
de acelaşi tip. Mai mult, pentru orice doi vectori proprii x şi y are loc
hU (x) ; yi = hx; U (y)i = hx; yi = x; y ;
adic¼
a U (x) = x
6.4.5. Teorem¼a. (Structura unui operator normal real) Exist¼ a
o baz¼a ortonormal¼
a de vectori proprii în care matricea operatorului este
de forma
0 1
1 1
B 1 1 C
B C
B .. C
B . C
B C
B C
B m m C
B C
B m m C
B C
B C
B m+1 C
B C
B .. C
B . C
B C
B C
@ A
r

în care j = j +i j ; j = 1; m sunt valorile proprii complexe iar m+1 ; n

sunt cele reale, num¼arul de apariţii al …ec¼
arei valori proprii …ind egal cu
ordinul ei de multiplicitate.
108 ¼ A OPERATORILOR
6. ELEMENTE DE TEORIE SPECTRALA

6.4.6. Observaţie. Operatorul normal reprezint¼a o transformare format¼ a

din rotaţii cu omotetii în m plane ortogonale dou¼
a câte dou¼ a şi (numai)
omotetii în celelalte r m direcţii ortogonale.
6.4.7. Observaţie. Matricea
0 1
q p j
2+ 2
p j
2+ 2
j j
= 2
+ 2 @ j j j j A
j j
j j p j
2+ 2
p j
2+ 2
j j j j

q
reprezint¼
a o omotetie de coe…cient 2
j + 2
j şi o rotaţie de unghi arccos p j
2+ 2
:
j j

6.4.8. De…niţie. Operatorul liniar U ( ) se numeşte autoadjunct dac¼

a
U ( ) = U ( ):
6.4.9. Propoziţie. Matricea unui operator liniar autoadjunct într-o
baz¼
a ortonormat¼
a este simetric¼
a.
P
n P
n
Demonstraţie. Fie x = xi ei ; y = yj ej şi A = (aij )i;j=1;n : Au
i=1 j=1
loc:
Pn
U (ei ) = aki ek ; deci
k=1 * +
Pn P
n P
n P
n
hU (x) ; yi = U xi ei ; yj ej = xi yj hU (ei ) ; ej i =
i=1 j=1 i=1 j=1
P
n P
n P
n P
n P
n
= xi yj aki ek ; ej = xi yj aji şi analog,
i=1 j=1 i=1 j=1
* k=1 !+
Pn P
n Pn P n
hx; U (y)i = xi ei ; U yj ej = xi yj hei ; U (ej )i =
i=1 j=1 i=1 j=1
P
n P
n P
n P
n P
n
= xi yj ei ; akj ek = xi yj aij şi din relaţia
i=1 j=1 k=1 i=1 j=1

hU (x) ; yi = hx; U (y)i ; 8x; y 2 Rn

urmeaz¼
a c¼
a aij = aji ; adic¼ a (A = AT )
a matricea este simetric¼
6.4.10. Teorem¼
a. Valorile proprii ale unui operator real simetric sunt
reale.
 6.4. APLICAŢII ALE TEORIEI SPECTRALE 109

Demonstraţie. Av = v ) Av = v şi
v T Av = v T v = v T v
v T Av = v T v = v T v
T T
dar v T Av = v T AT v T = v T Av ) kvk2 = kvk2 ) =
6.4.11. Teorem¼ a. Vectorii proprii asociaţi la valori proprii distincte
ale unui operator real simetric sunt ortogonali doi câte doi.
Demonstraţie.
9
Av1 = 1 v1 ) v2T Av1 = 1 v2T v1 >
>
T T >
>
Av2 = 2 v2 ) v1 Av2 = 2 v1 v2 =
T
v2T Av1 = v1T Av2 ) v1T v2 = 0
>
>
v2T v1 = v1T v2 >
>
;
1 6= 2

6.4.12. Observaţie. Exist¼ a o baz¼a ortonormal¼a format¼a din vectori

proprii în care matricea unui operator simetric este diagonal¼ a de valori
proprii (pentru c¼a un operator simetric este un operator normal f¼
ar¼
a valori
proprii complexe). Geometric, operatorul simetric reprezint¼ a omotetii pe
direcţii ortogonale.
6.4.13. De…niţie. Operatorul liniar U ( ) se numeşte antiautoadjunct
dac¼
a
U ( ) = U ( ):
6.4.14. Propoziţie. Un operator antiautoadjunct are numai valori
proprii pur imaginare.
Demonstraţie. Din U ( ) = U ( ) rezult¼
a c¼
a = ; adic¼
a partea
real¼
a a valorii proprii este nul¼
a
6.4.15. Observaţie. Celulele matricii în baza canonic¼ a Jordan real¼a
0 j
cap¼at¼
a forma special¼ a , care din punct de vedere geometric
j 0
înseamn¼ a omotetii şi rotaţii de 90 în plane ortogonale dou¼a câte dou¼
a.
6.4.16. De…niţie. Un operator liniar U ( ) : Rn ! Rn se numeşte
unitar dac¼
a
hU (x) ; U (y)i = hx; yi :
110 ¼ A OPERATORILOR
6. ELEMENTE DE TEORIE SPECTRALA

6.4.17. Observaţie. Operatorii unitari sunt acei operatori care transform¼

a
o baz¼
a ortonormal¼
a într-o alt¼
a baz¼
a ortonormal¼ a.
6.4.18. Propoziţie. Dac¼a A = (aij )i;j=1;n este matricea operatorului
atoare bazei canonice (ei )i=1;n , atunci are loc
unitar corespunz¼
AT A = AAT = In operatorul este inversabil şi A 1
= AT :
Demonstraţie. Din de…niţie rezult¼
a c¼
a
ij = hei ; ej i = hU (ei ) ; U (ej )i =
= hcolA (i) ; colA (j)i = hlinAT (i) ; colA (j)i
) AT A = In :

6.4.19. Observaţie.
kU (x)k = kxk (conserv¼ a norma);
kU (x) U (y)k = kx yk (conserv¼ a distanţa);
cos (U (x) ; U (y)) = cos (x; y) (conserv¼a unghiul).
6.4.20. Propoziţie. Orice valoare proprie a unui operator unitar este
num¼ar real sau complex de modul unitar.
Demonstraţie. hU (x) ; U (y)i = h x; yi = hx; yi = hx; yi ; 8x; y
vectori proprii ataşaţi valorii proprii ) = 1; adic¼
aj j=1
6.4.21. Observaţie. Exist¼ a o baz¼ a ortonormal¼
a format¼a din vectori
proprii în care matricea este de tip
0 1
cos 1 sin 1
B sin 1 cos 1 C
B C
B ... C
B C
B C
B C
B cos m sin m C
B C
B sin m cos m C
B C
B C
B 1 C
B C
B .. C
B . C
B C
B C
@ A
1
 6.4. APLICAŢII ALE TEORIEI SPECTRALE 111

Geometric, aceast¼ a structur¼ a înseamn¼a rotaţii (f¼

ar¼
a omotetii) în planele
ortogonale corespunz¼ atoare valorilor proprii complexe; direcţiile corespunz¼
atoare
valorilor proprii reale combinate dou¼ a câte dou¼ a formeaz¼
a plane ortogonale
în care se realizeaz¼a rotaţii de 0 sau de 180 , la care pentru cazul impar
se adaug¼ a o simetrie sau o identitate pe ultima direcţie.
6.4.22. De…niţie. O matrice p¼ atratic¼
a cu elemente pozitive se numeşte
a 9v 0 > 0 astfel încât
productiv¼a dac¼
v 0 > Av 0 :
6=

(relaţia „u > v”între doi vectori u şi v va … numit¼

a „inegalitate tare între
6=
vectori”şi înseamn¼
a c¼
a …ecare coordonat¼a a vectorului u este strict mai
mare decât coordonata corespunz¼ atoare a vectorului v)
6.4.23. Teorem¼ a. Valoarea absolut¼a a oric¼
arei valori proprii a unei
matrici productive este strict subunitar¼
a.
Demonstraţie.
P
n P
n
Av = v ) vi = aij vj ) j j jvi j aij jvj j )
j=1 j=1
vi
P
n
vj
j j vi0 vi0
aij vj0 vj0
)
j=1
vi vj Pn
vj
) j j vi0 vi0
max vj0
aij vj0 < max vj0
vi0 )
j j=1 j
v
j j vi0 vv0i < max vj0 vi0 8i = 1; n )
i j j

dac¼
a se alege în locul lui i indicele în care membrul drept atinge maximul,
…e acesta r, relaţia devine:
vr vr
j j vr0 0
< 0 vr0 ) j j < 1:
vr vr

1
6.4.24. Teorem¼a. Dac¼ a A este productiv¼
a, atunci exist¼
a (I A) şi
este cu elemente pozitive (nestrict).
Demonstraţie. Are loc relaţia
(I A) I + A + A2 + Am = I Am+1
112 ¼ A OPERATORILOR
6. ELEMENTE DE TEORIE SPECTRALA

şi din teorema precedent¼ a urmeaz¼ a lim Am+1 = 0 (matricea nul¼

a c¼ a),
m!1
deci prin trecere la limit¼
a relaţia devine
(I A) I + A + A2 + Am + = I;
deci exist¼
a
1
(I A) = I + A + A2 + Am + :

6.4.25. Exemplu. Modelul lui Leontie¤

Ax + y = x;
unde A este o matrice productiv¼ a care reprezint¼ a matricea coe…cienţilor
tehnologici (coe…cientul din producţia de bun j consumat pentru producerea
unei unit¼aţi de bun i) , x este un vector coloan¼a al nivelurilor de producţie
iar y este vectorul coloan¼ a al cererii …nale. Relaţia se mai scrie
y = (I A) x
1
şi din teoremele anterioare 9 (I A) şi are loc
x = (I A) 1 y = (I + A + A2 + Am + )y =
= y + Ay + A2 y + Am y + ;
relaţie interpretabil¼
a astfel: pentru obţinerea unei producţii …nale nete
y trebuie produs¼ a cantitatea Ay intermediar¼ a necesar¼a producerii lui y;
2
pentru care trebuie produs A y necesar lui Ay; : Producţia total¼
ax
a fost descompus¼ a y şi în producţii intermediare Am y
a în producţie …nal¼
date de matricile de consumuri intermediare Am :
Problema caracteriz¼
arii matricilor productive admite şi o reciproc¼
a:
6.4.26. Teorem¼ a. Dac¼a pentru matricea p¼atratic¼
a pozitiv¼
a A matricea
(I A) 1 exist¼
a şi este pozitiv¼
a, atunci A este productiv¼a.
1
Demonstraţie. Fie v > 0 ) x = (I A) v>0)x Ax = v > 0
6= 6= 6=
) x > Ax ) A este productiv¼
a
6=

6.4.27. Observaţie. Transpusa unei matrici productive este tot productiv¼

a.
6.4.28. Teorem¼
a. (Perron-Frobenius) Fie A o matrice real¼
a pozitiv¼
a.
Atunci:
 6.4. APLICAŢII ALE TEORIEI SPECTRALE 113

(1) Dac¼ a toate elementele matricii A sunt strict pozitive, atunci exist¼a
o valoare proprie de modul maximal care este real¼ a, strict pozitiv¼
a
şi c¼
areia i se poate asocia un vector propriu cu toate elementele
strict pozitive;
(2) Dac¼ a A este nenul¼a, are o valoare proprie real¼
a strict pozitiv¼a, de
modul maximal, c¼ areia i se poate asocia un vector propriu (nenul)
de elemente pozitive (sau nule).
Demonstraţie. (1) Fie M o valoare proprie de modul maximal
şi …e v un vector propriu asociat valorii proprii M : Are loc Av =
M v; adic¼
a pe coordonate
X n
aij vj = M vi ; 8i = 1; n;
j=1

deci
X
n X
n
j M j jvi j jaij vj j jaij j jvj j ; 8i = 1; n;
j=1 j=1

…e 3 2
jv1 j
p = 4 ... 5 = jvj ;
jvn j
cum aij > 0; are loc
j Mj p Ap;
presupunem prin reducere la absurd c¼ a 9k 2 f1; ; ng astfel
încât
X
n
j M j jvk j < akj jvj j
j=1
şi …e z = (A j M j I) p; are loc z > 0 ) Az > 0 şi Ap > 0 )
6= 6=
9" > 0;
Az > "Ap > 0;
6= 6=
dar
Az = A (A j M j I) p = A2 j M j Ap
deci
A2 p = Az + j M j Ap > "Ap + j M j Ap = (" + j M j) Ap;
6=
114 ¼ A OPERATORILOR
6. ELEMENTE DE TEORIE SPECTRALA

1
cu B = A > 0; are loc
"+j Mj 6=

BAp > Ap
6=

şi deci are loc prin recurenţ¼

a
B k Ap > Ap;
6=

din faptul c¼
a M este valoare proprie de modul maximal, urmeaz¼ a
a B are toate valorile proprii de modul subunitar, deci lim B m =
c¼
m!1
0 (matricea nul¼
a de ordin n); prin trecere la limit¼ a, rezult¼
a c¼
a
0 > Ap contradicţie cu existenţa indicelui k, aşa c¼
a are loc
6=

j Mj p = Ap
(2) Se aplic¼
a 1. pentru matricea A + "U; cu U matricea de ordin n
care are toate elementele 1; dup¼
a care se trece la limit¼
a
 ANEXA A

Logic¼
a matematic¼
a binar¼
a

Logica matematic¼ a binar¼a se ocup¼ a de operaţii cu enunţuri logice şi

evalu¼
ari ale valorii lor de adev¼ ar (se consider¼a numai enunţuri logice cu
o valoare de adev¼ ar din dou¼a posibile; aceast¼ a convenţie este restrictiv¼
a,
dar nu este scopul prezent¼ arii de faţ¼
a s¼
a se ocupe de alte situaţii)

A.1. Propoziţii logice

A.1.1. De…niţie. (OPERAŢII CU ENUNŢURI LOGICE):

p ep
¼
(1) NEGAŢIA LOGICA (NON): 0 1
1 0
p q p^q
0 0 0
¼ (ŞI): 0
(2) CONJUNCŢIA LOGICA 1 0
1 0 0
1 1 1
p q p_q
0 0 0
¼
(3) DISJUNCŢIA LOGICA (SAU): 0 1 1
1 0 1
1 1 1
(4) IMPLICAŢIA LOGICA ¼ (Dac¼
a–Atunci):
(a) Din adev¼ ar implic¼
a numai adev¼
ar
(b) Din fals implic¼
a orice.
115
116 ¼ MATEMATICA
A. LOGICA ¼ BINARA
¼

p q p!q
0 0 1
(1) 0 1 1
1 0 0
1 1 1

A.1.2. Observaţie. (PROPRIETAŢI ¼ ALE OPERAŢIILOR CU

ENUNŢURI LOGICE):
(1) e (ep) p (principiul terţului exclus)
(2) p _ q q _ p (comutativitate)
(3) p _ (q _ r) (p _ q) _ r (asociativitate)
(4) p _ 1 1 (proprietatea de ultim element)
(5) p _ 0 p (proprietatea de element neutru)
(6) p ^ q q ^ p (comutativitate)
(7) p ^ p p (idempotenţ¼ a)
(8) p _ p p (idempotenţ¼ a)
(9) p ^ (q ^ r) (p ^ q) ^ r (asociativitate)
(10) p ^ 0 0 (proprietatea de prim element)
(11) p ^ 1 p (proprietatea de element neutru)
(12) e (p _ q) ep^eq (Regulile lui DeMorgan)
(13) e (p ^ q) ep_eq
(14) p ^ (q _ r) (p ^ q) _ (p ^ r) (distributivitatea conjuncţiei faţ¼
a
de disjuncţie)
(15) p _ (q ^ r) (p _ q) ^ (p _ r)
A.1.3. Teorem¼
a. (Reducerea implicaţiei logice la operaţii elementare)
ep _ q p ! q.
Demonstraţie. Prin tabl¼
a de adev¼
ar.
A.1.4. Teorem¼
a. (Negarea implicaţiei logice)
e (p ! q) p^eq.
Demonstraţie. e (p ! q) e (ep _ q) e (ep) ^eq p^eq.
A.1.5. Teorem¼
a. (Principiul demonstraţiei prin reducere la absurd)
p ! q (eq) ! (ep).
Demonstraţie. p ! q ep _ q q_ep e (eq) _ep (eq) ! (ep).
 A.2. PREDICATE LOGICE 117

A.2. Predicate logice

A.2.1. De…niţie. Se numeşte predicat logic orice funcţie p ( ) : D ! P
(mulţimea propoziţiilor) (orice funcţie care are drept codomeniu mulţimea
propoziţiilor) (domeniul poate …privit ca mulţimea de parametri ai predicatului)
e (8x; p (x)) 9x; ep (x)
e (9x; p (x)) 8x; ep (x)
A.2.2. Exemplu. S¼
a se g¼
aseasc¼
a negaţia enunţului logic: „Toţi oamenii
sunt muritori”
A.2.3. Observaţie. Cuanti…catorii logici (existenţial şi universal) nu
comut¼
a:
8x 9yx p (x; y) 6= 9y8xp (x; y)
 ANEXA B

Elemente de teoria mulţimilor

Printre caracteristicile secolelor XIX şi XX în matematic¼ a este şi de…nitivarea

construcţiei matematicii ca sistem axiomatic. Una dintre constat¼ ari este
c¼a, axiomatic vorbind, totul porneşte de la noţiunea de mulţime. Noţiunea
îns¼ aşi de mulţime nu poate … de…nit¼ a (se poate dempnstra acest lucru). De
altfel, pentru orice ştiinţ¼
a se ridic¼a întrebarea: „Ce noţiuni foloseşte acea
ştiinţ¼a dar nu le poate de…ni riguros?”. Pentru matematic¼ a, r¼
aspunsul este:
„Noţiunea de mulţime”. În general, r¼ aspunsurile posibile pentru aceast¼ a
întrebare sunt consecinţe ale ciclului de rezultate teoretice obţinute de
Kurt Gödel în prima jum¼ atate a secolului XX, despre incompletitudinea
unui sistem axiomatic. În esenţ¼ a şi f¼
ar¼
a a se intra în mai multe detalii,
s–a stabilit c¼ a orice sistem axiomatic este incomplet sau contradictoriu;
asta înseamn¼ a, printre altele, c¼
a orice ştiinţ¼
a necontradictorie trebuie s¼ a
se aştepte la probleme indecidabile şi s¼ a aib¼
a maturitatea de a le dep¼ aşi.
B.1. Operaţii cu mulţimi
B.1.1. De…niţie. Operaţiile de baz¼
a cu mulţimi sunt: reuniune, intersecţie,
complementar¼ a. Relaţia dintre o mulţime şi elementele ei este cea de
apartenenţ¼
a. Relaţia de baz¼
a între mulţimi este incluziunea.

Reuniune: A [ B = fx; x 2 A sau x 2 Bg

Intersecţie: A \ B = fx; x 2 A şi x 2 Bg
Complementar¼ a: C A = fx; x 2 A şi x 62 g
Incluziune: A B , 8x 2 A; x 2 B
Mulţimea p¼ arţilor: P ( ) = fA; A g
B.1.2. Observaţie. Fie A, B, C 2 P ( ). Prin CA se va înţelege
complementara mulţimii A faţ¼
a de . Operaţiile cu mulţimi au urm¼
atoarele
propriet¼
aţi:
(1) A [ A = A (idempotenţa reuniunii);
(2) A [ = (proprietatea de ultim element a reuniunii);
119
120 B. ELEMENTE DE TEORIA MULŢIMILOR

(3) A \ A = A (idempotenţa intersecţiei);

(4) A \ = A (proprietatea de element neutru a intersecţiei);
(5) A [ ; = A (proprietatea de element neutru a reuniunii);
(6) A \ ; = ; (proprietatea de prim element a intersecţiei);
(7) A [ B = B [ A (comutativitatea reuniunii);
(8) A \ B = B \ A (comutativitatea reuniunii);
(9) A[(B [C) = (A[B)[C = A[B [C (asociativitatea reuniunii);
(10) A\(B\C) = (A\B)\C = A\B\C (asociativitatea intersecţiei);
(11) A [ (B \ C) = (A [ B) \ (A [ C) (distributivitatea reuniunii faţ¼
a
de intersecţie);
(12) A \ (B [ C) = (A \ B) [ (A \ C) (distributivitatea intersecţiei
faţ¼
a de reuniune);
(13) A [ (A \ B) = A;
(14) A \ (A [ B) = A;
(15) A [ CA = ;
(16) A \ CA = ;;
(17) CCA = A;
S T
(18) C (A [ B) = CA\CB; C Ai = CAi (relaţiile lui DeMorgan);
i2I i2I
T S
(19) C (A \ B) = CA[CB; C Ai = CAi (relaţiile lui DeMorgan);
i2I i2I
(20) AnB = A \ CB (diferenţa a dou¼
a mulţimi);
B.1.3. De…niţie. Se numeşte produs cartezian a dou¼
a mulţimi A şi B
mulţimea:
A B = f(a; b); a 2 A şi b 2 Bg:
B.1.4. Observaţie. Alte propriet¼
aţi:
(1) An(B [ C) = (AnB)nC;
(2) An(B \ C) = (AnB) [ (AnC);
(3) (A [ B)nC = (AnC) [ (BnC);
(4) (A \ B)nC = A \ (BnC) = (AnC) \ B;
(5) A (B [ C) = (A B) [ (A C);
(6) A (B \ C) = (A B) \ (A C);
(7) A (BnC) = (A B)n(A C);
B.2. Relaţii
B.2.1. De…niţie. Fie X, Y dou¼ a mulţimi. Se numeşte relaţie (cores-
pondenţ¼a) binar¼a între mulţimile X şi Y orice triplet R = (X; Y; GR ),
 B.2. RELAŢII 121

unde GR este o submulţime a produsului cartezian, GR X Y . X se

numeşte domeniul de de…niţie al relaţiei, Y se numeşte codomeniul relaţiei
iar GR se numeşte gra…cul relaţiei. Mulţimea
DR = fx 2 X; 9y 2 Y; (x; y) 2 GR g X
se numeşte domeniul (efectiv) al relaţiei R. Mulţimea
ImR = fy 2 Y ; 9x 2 X; (x; y) 2 GR g Y
1
se numeşte imaginea relaţiei. Relaţia R = (Y; X; GR 1 ) de…nit¼
a prin
GR 1 = f(y; x) ; (x; y) 2 GR g Y X
se numeşte relaţia invers¼a relaţiei R. Relaţia X = (X; X; G X ) de…nit¼
a
prin G X = f(x; x) ; x 2 Xg X X se numeşte relaţia identitate pe X.
B.2.2. De…niţie. Fie X, Y , Z trei mulţimi şi relaţiile R1 = (X; Y; GR1 ),
R2 = (Y; Z; GR2 ). Relaţia R = (X; Z; GR ) de…nit¼ a prin:
GR = f(x; z) ; x 2 X; z 2 Zşi 9y 2 Y a.î. (x; y) 2 GR1 şi (y; z) 2 GR2 g
se numeşte compunerea relaţiilor R1 şi R2 şi se noteaz¼
a R2 R1 (R2 R1 =
R).
B.2.3. Observaţie. Operaţia de compunere a relaţiilor este asociativ¼
a
dar nu este comutativ¼
a.
B.2.4. De…niţie. R = (X; X; GR ) se numeşte relaţie de preordine dac¼
a
are propriet¼
aţile:
(1) Re‡exivitate: G X GR (8x 2 X, (x; x) 2 GR );
(2) Tranzitivitate: (x; y), (y; z) 2 GR ) (x; z) 2 GR .
B.2.5. De…niţie. R = (X; X; GR ) se numeşte relaţie de echivalenţ¼a
dac¼a este relaţie de preordine şi are în plus proprietatea de simetrie:
GR 1 GR ((x; y) 2 GR ) (y; x) 2 GR ). Mulţimea x^ = fy 2 X; (x; y) 2 GR g
se numeşte clasa de echivalenţ¼a a lui x în raport cu relaţia R. Mulţimea
claselor de echivalenţ¼a (mulţimea cât a lui X în raport cu R) se noteaz¼ a
cu X=R.
B.2.6. Observaţie. Dac¼ a R este o relaţie de echivalenţ¼
a pe X şi x^ este
clasa de echivalenţ¼
a a unui element, atunci:
(1) x 2 x^, 8x 2 X;
(2) (x; y) 2 R , x^ = y^;
(3) (x; y) 2
= R , x^ \ y^ = ;.
122 B. ELEMENTE DE TEORIA MULŢIMILOR

B.2.7. De…niţie. R = (X; X; GR ) se numeşte relaţie de ordine (preferinţ¼a)

dac¼
a este relaţie de preordine şi în plus are proprietatea de antisimetrie:
GR \ GR 1 = G X ((x; y) 2 GR şi (y; x) 2 GR ) x = y). Relaţia
de ordine se numeşte total¼a dac¼ a 8x; y 2 X, (x; y) 2 GR sau (y; x) 2
GR (GR [ GR 1 = X X) şi se numeşte parţial¼a dac¼ a nu este total¼a.
Perechea (X; R) se numeşte mulţime ordonat¼a (de relaţia de ordine R).
O mulţime ordonat¼ a se numeşte inductiv ordonat¼a dac¼a orice submulţime
total ordonat¼a a sa este majorat¼ a.
B.2.8. Observaţie. (Lema lui Zorn) Orice mulţime inductiv ordonat¼
a
are un element maximal.
B.2.9. Observaţie. Dac¼ a R este relaţie de ordine pe X, atunci R 1
este tot relaţie de ordine pe X (se mai numeşte relaţia de ordine dual¼a
relaţiei R).
Demonstraţie. Re‡exivitatea: x 2 X ) (x; x) 2 GR ) (x; x) 2
GR 1 ;
Tranzitivitatea: Fie (x; y) 2 GR 1 şi (y; z) 2 GR 1 ) (y; x) 2 GR şi
(z; y) 2 GR ) (z; x) 2 GR ) (x; z) 2 GR 1 ;
Antisimetria: (x; y) 2 GR 1 şi (y; x) 2 GR 1 ) (x; y) 2 GR şi (y; x) 2
GR ) x = y
B.2.10. De…niţie. Fie X o mulţime ordonat¼ a şi A 2 P (X).
A se numeşte majorat¼a (minorat¼a) dac¼ a 9a 2 X astfel încât
(x; a) 2 GR ((a; x) 2 GR ) 8x 2 A. Elementul a se numeşte
majorant (minorant) al mulţimii A.
Dac¼ a mulţimea majoranţilor (minoranţilor) lui A este minorat¼ a
(majorat¼ a) atunci minorantul majoranţilor (majorantul minoranţilor)
este unic şi se numeşte supremul (in…mul) mulţimii A (se noteaz¼a
sup A, respectiv inf A).
a 2 X se numeşte maximal (minimal) dac¼ a 8x 2 X, (a; x) 2 R
((x; a) 2 R) ) x = a.
Dac¼ a A = X este majorat¼ a (minorat¼
a), atunci majorantul (minorantul)
este unic şi se numeşte ultim element (prim element).
B.2.11. De…niţie. O relaţie R = (X; Y; GR ) se numeşte de tip funcţie
(funcţional¼a) dac¼a are propriet¼ aţile:
(1) 8x 2 X, 9y 2 Y , (x; y) 2 GR ;
(2) (x; y1 ) 2 GR şi (x; y2 ) 2 GR ) y1 = y2 .
 B.2. RELAŢII 123

B.2.12. Observaţie. Dou¼ a relaţii sunt egale dac¼

a cele dou¼a triplete
sunt egale, adic¼
a dac¼
a domeniile, codomeniile şi gra…cele sunt egale.
B.2.13. De…niţie. Fie f ( ) : X ! Y o funcţie. Pentru A X,
mulţimea
f (A) = ff (x) ; x 2 Ag Y
se numeşte imaginea direct¼a a mulţimii A prin funcţia f ( ) iar pentru
B Y mulţimea
1
f (B) = fx; f (x) 2 Bg X
se numeşte preimaginea mulţimii B prin funcţia f ( ).
B.2.14. Observaţie. Fie f ( ) : X ! Y o funcţie. Au loc urm¼
atoarele
a…rmaţii:
(1)
1
8A 2 P (X) ; 8B 2 P (Y ) ; f (A) B,A f (B)
(2)
1 1
8A 2 P (X) ; f f (A) A f (f (A))
(3)
1
8A 2 P (X) ; 8B 2 P (Y ) ; f A \ f (B) = f (A) \ B
(4) !
[ [
1 1
8 (Bi )i2I P (Y ) ; f Bi = f (Bi )
i2I i2I
(5) !
\ \
1 1
8 (Bi )i2I P (Y ) ; f Bi = f (Bi )
i2I i2I
(6)
1 1
8B 2 P (Y ) ; f (CB) = Cf (B)
(7) !
[ [
8 (Ai )i2I P (X) ; f Ai = f (Ai )
i2I i2I
(8) !
\ \
8 (Ai )i2I P (X) ; f Ai f (Ai )
i2I i2I
124 B. ELEMENTE DE TEORIA MULŢIMILOR

Demonstraţie. Exerciţiu.

B.3. Operaţii cu funcţii

Ca regul¼ a general¼ a, cu dou¼a (sau mai multe) funcţii se pot efectua
operaţii algebrice în anumite condiţii iar rezultatul operaţiei este o nou¼ a
funcţie. Condiţiile sunt urm¼ atoarele:
Funcţiile trebuie s¼ a aib¼a acelaşi codomeniu; operaţiile algebrice
care pot … efectuate cu funcţii sunt corespondentele operaţiilor
algebrice care pot … efectuate cu elementele codomeniului comun.
Rezultatul operaţiei dintre funcţii este o nou¼ a funcţie care are
drept codomeniu codomeniul comun al celor dou¼ a funcţii. Dac¼ a
funcţiile au drept codomenii mulţimi diferite, operaţia nu se poate
efectua (eventual se poate face mai întâi, în condiţii speci…ce, o
operaţie de transformare a codomeniilor)
Dac¼ a funcţiile au acelaşi domeniu de de…niţie atunci rezultatul
operaţiei dintre funcţii este o nou¼a funcţie care are drept domeniu
de de…niţie domeniul de de…niţie comun al funcţiilor. Dac¼ a domeniile
de de…niţie sunt diferite, se poate eventual de…ni rezultatul operaţiei
ca o funcţie care are drept domeniu de de…niţie partea comun¼ a
a domeniilor de de…niţie ale funcţiilor participante la operaţie
(intersecţia domeniilor); dac¼ a nu au parte comun¼ a, operaţia nu
poate … de…nit¼ a.
Exemple:
Dac¼ a f ( ) ; g ( ) : D ! R sunt dou¼ a funcţii cu codomeniul real de…nite
pe aceeaşi mulţime D, cu aceste dou¼ a funcţii se pot efectua operaţiile care
pot … efectuate cu numere reale: adunare, înmulţire, sc¼ adere, împ¼ arţire.
Se obţin urm¼ atoarele funcţii–rezultat:
Funcţia–sum¼a s ( ) : D ! R, s ( ) := (f + g) ( ), de…nit¼ a prin
s(x) = f (x) + g(x) 8x 2 D.
Funcţia–produs p ( ) : D ! R, p ( ) := (f g) ( ), de…nit¼ a prin
p(x) = f (x)g(x) 8x 2 D.
Funcţia–diferenţ¼a (f g) ( ) : D ! R, de…nit¼ a prin (f g)(x) :=
f (x) g(x) 8x 2 D
Funcţia–cât h ( ) : D1 ! R, de…nit¼ a prin h (x) := fg(x)
(x)
8x 2 D1
pe mulţimea D1 = fx 2 Djg(x) 6= 0g.
Existenţa unei structuri de ordine pe codomeniul comun al funcţiilor
permite extinderea relaţiei de ordine şi la funcţii; dac¼ a f ( );g( ) : D ! R
 B.3. OPERAŢII CU FUNCŢII 125

sunt dou¼ a funcţii cu codomeniul real de…nite pe aceeaşi mulţime D, atunci

se spune c¼ a f ( ) g ( ) dac¼a are loc f (x) g (x) 8x 2 D; se obţine astfel
o relaţie de ordine între funcţii, care pierde din caracteristicile iniţiale
ale relaţiei dintre elemente (noua relaţie nu mai este total¼ a, în sensul c¼ a
pentru dou¼ a funcţii se poate întâmpla s¼a nu …e comparabile, chiar dac¼ a
elementele codomeniului sunt toate comparabile). De asemenea, se extind
la funcţii noţiunile de maxim, minim, modul:
h ( ) : D ! R, h(x) := max(f (x); g(x)) (maximul a dou¼ a funcţii),
k ( ) : D ! R, k(x) := min(f (x); g(x)) (minimul a dou¼ a funcţii), jf j ( ) :
D ! R, jf j (x) := jf (x)j (modulul unei funcţii).
 ANEXA C

Matrici

C.1. Noţiuni generale despre matrici

C.1.1. De…niţie. Se numeşte matrice (engl. matrix, pl. matrices) o
funcţie care are ca domeniu de de…niţie un produs cartezian I J şi care
asociaz¼a …ec¼arei perechi (i; j) 2 I J câte o expresie (matematic¼
a) (orice
reprezentare dreptunghiular¼ a de expresii matematice).

C.1.2. Observaţie. Mulţimile I şi J sunt privite tradiţional ca mulţimi

…nite de indici (pot … considerate şi in…nite; când va … cazul, se va face
distincţia în context); reprezentarea acestor funcţii se face tabelar, dar
exist¼
a şi alte convenţii. Prin convenţie mulţimea I indexeaz¼ a liniile iar J
indexeaz¼ a coloanele. O matrice cu m linii şi n coloane se mai numeşte
matrice de tip (m; n). Matricile de tip (m; 1) sau (1; n) se mai numesc
vectori (coloan¼ a, respectiv linie). Pentru …ecare alegere posibil¼a a indicilor
de linie şi de coloan¼ a (i; j) se mai numeşte loc (poziţie, celul¼ a) al (a)
matricii; valoarea care se a‡a¼ pe un loc se mai numeşte intrare (trebuie
f¼
acut¼a distincţie între locul (i; j) şi elementul aij care ocup¼
a locul, adic¼a
între argument şi valoarea din codomeniu ataşat¼ a argumentului). Operaţiile
cu matrici care vor … descrise în continuare nu au întodeauna sens pentru
expresii matematice oarecare; de obicei, diverse operaţii se efectueaz¼ a
numai asupra unor anumite tipuri de matrici iar diferenţa se face din
context.

C.1.3. De…niţie. Se numeşte submatrice a unei matrici restricţia matricii

la o submulţime de indici: dac¼a A = (aij )i2I;j2J şi I0 I, J0 J, atunci
A0 = (aij )i2I0 ;j2J0 este o submatrice a lui A (orice restricţie a funcţiei
care de…neşte matricea). Exemplu: A (ijj) este submatricea obţinut¼ a din
matricea iniţial¼a A prin îndep¼
artarea liniei i şi coloanei j.

Operaţii standard cu matrici: Adunare, sc¼adere, înmulţire a dou¼

a matrici
(în cazul particular al înmulţirii unei matrici linie cu o matrice coloan¼a,
127
128 C. MATRICI

operaţia se mai numeşte şi produs scalar), înmulţirea unei matrici cu o

expresie.
Fie A = (aij )i=1;n;j=1;m o matrice;
C.1.4. De…niţie.
AT = (aji )i=1;n;j=1;m
se numeşte transpusa lui A (engl. transpose of A) (este matricea care are
drept coloane liniile matricii A).
C.1.5. De…niţie. Pentru matrici cu elemente numere complexe, adjuncta
hermitic¼a (transpusa hermitic¼a, transpusa conjugat¼a, etc.) (engl. Hermitian
transpose, conjugate transpose, adjoint, Hermitian adjoint, etc) a unei
matrici este matricea care se obţine din matricea iniţial¼
a prin transpunere
şi trecere la conjugata complex¼a pentru elementele matricii iniţiale.
C.1.6. De…niţie. Adjuncta (adjuncta clasic¼a ) (engl. adjugate, classical
adjoint) (a) unei matrici este transpusa matricii cofactorilor.
C.1.7. De…niţie. Cofactorul (engl. cofactor) locului (i; j) al matricii
A este num¼arul
Aij = ( 1)i+j det A (ijj) ;
1
A 1= (Aji )i;j=1;n :
det A
C.1.8. De…niţie.
In = ( ij )i=1;n;j=1;n
se numeşte matrice identitate (engl. identity matrix );

0n;m = (0)i=1;n;j=1;m
se numeşte matrice nul¼a (engl. null matrix );
matrice p¼atratic¼a ( engl. square matrix): n = m (num¼ arul de linii şi de
coloane este egal);
diagonala principal¼a a unei matrici p¼ atratice: locurile (i; i), i = 1; n;
prin extindere, diagonala principal¼ a a unei matrici oarecare este format¼ a
din locurile (i; i), i = 1; min (n; m)
matrice simetric¼a ( engl. symmetric matrix): A = AT (nu poate …decât
p¼
atratic¼
a);
Matrice diagonal¼a (engl. diagonal matrix): (di ij )i=1;n;j=1;n (elemente
oarecare pe diagonala principal¼ a, zero în rest);
 C.1. NOŢIUNI GENERALE DESPRE MATRICI 129

matrice superior (inferior) triunghiular¼a ( engl. upper (lower) triangular

matrix): o matrice p¼ atratic¼
a pentru care elementele sub (peste) diagonala
principal¼
a sunt nule;
matrice strict superior (inferior) triunghiular¼a ( engl. strictly upper
(lower) triangular matrix): o matrice p¼ atratic¼
a pentru care elementele sub
(peste) diagonala principal¼ a sunt nule, inclusiv diagonala principal¼ a.
Matrice ortonormal¼a pe coloane (engl. column orthonormal matrix):
AT A = I
Matrice ortonormal¼a (engl. orthonormal matrix): A p¼ a şi AT A =
atratic¼
I
Rangul unei matrici (engl. rank of a matrix): dimensiunea maxim¼ aa
unei submatrici p¼atratice a matricii, care are determinantul nenul (num¼ arul
maxim de coloane care, privite ca vectori coloan¼ a într–un spaţiu vectorial,
formeaz¼a un sistem liniar independent).
Matrice invers¼a a lui A (engl. the inverse matrix of A): o matrice B
care satisface relaţiile: AB = BA = I.
Matrice p¼atratic¼a inversabil¼a (nesingular¼a) (engl. nonsingular matrix):
matrice de rang maxim (echiv. matrice pentru care exist¼ a o matrice invers¼ a);
Matrice de rang maxim (engl. full rank): matrice pentru care RangA =
min fn; mg;
Urma unei matrici p¼atratice A (engl. trace of matrix A): suma elementelor
de pe diagonala principal¼ a a unei matrici p¼atratice.

C.1.9. Observaţie. (1) A superior triunghiular¼ a ) AT inferior

tringhiular¼
a.
(2) Dac¼a o matrice A 2 Mn;n (R) este strict superior (inferior) triunghiular¼
a,
n
atunci A = 0.

C.1.10. Observaţie. Dac¼

a exist¼
a matricea invers¼
a, este unic¼
a; de obicei
1
se noteaz¼
a cu A .

Demonstraţie. Din AB1 = B1 A = I şi AB2 = B2 A = I rezult¼ a c¼

a
B1 şi B2 au aceleaşi dimensiuni iar B1 = B1 I = B1 (AB2 ) = (B1 A) B2 =
IB2 = B2 .

C.1.11. De…niţie. 1n este o matrice coloan¼ a de dimensiune n şi cu

toate elementele egale cu 1.
enij este matricea p¼atratic¼
a de dimensiune n care are pe locul (i; j)
valoarea 1 şi 0 în rest
130 C. MATRICI

C.1.12. Observaţie. Se observ¼

a c¼
a
0 dac¼ a j 6= k
enij enkl =
enil dac¼
a j = k:
Tijn (a) = In +aenij se numeşte matrice elementar¼a (transformare elementar¼a),
pentru i 6= j; înmulţirea la stânga a unei matrici (nu neap¼ arat p¼
atratice,
de dimensiune (m; n)) cu matricea elementar¼ a Tijn (a) are ca rezultat o
nou¼ a matrice (de dimensiune (m; n)) ale c¼ arei linii corespund cu liniile
vechii matrici, mai puţin linia i care este înlocuit¼ a cu valoarea obţinut¼ a
prin adunarea la vechea linie i a liniei j înmulţit¼ a cu a (liniai +a liniaj !
liniai ). Tijn (a) A este rezultatul operaţiei elementare (între linii): se adun¼ a
la linia i linia j înmulţit¼a cu a şi rezultatul se scrie pe linia i (operaţie de
atribuire).
C.1.13. Exemplu.
0 1
1 0 0 0
B 0 1 0 aC
4
T24 (a) = B
@0
C;
0 1 0A
0 0 0 1
0 10 1
1 0 0 0 a11 a12 a13
a14
B0 1 0 aC Ba21 a22 a24 C
a23
B CB C=
@0 0 1 0A @a31 a32 a34 A
a33
0 0 0 0 1 a41 a42 a43
a44 1
a11 a12 a13 a14
Ba21 + aa41 a22 + aa42 a23 + aa43 a24 + aa44 C
=B
@ a31
C
A
a32 a33 a34
a41 a42 a43 a44
0 10 1
10 0 0 a11 a12 a13
B0 1 0 aC B C
B C Ba21 a22 a23 C =
@0 0 1 0 A @ a31 a32 a33 A
00 0 0 1 a41 a42 a43 1
a11 a12 a13
Ba21 + aa41 a22 + aa42 a23 + aa43 C
=B
@ a31
C
A
a32 a33
a41 a42 a43
 C.1. NOŢIUNI GENERALE DESPRE MATRICI 131

ATijm (a) este rezultatul operaţiei elementare (între coloane): se adun¼

a la
coloana j coloana i înmulţit¼ a cu a.
0 1
1 0 0 0
B0 1 0 0C
4
T32 (a) = B@0 a 1 0A ;
C
0 0 0 1
0 10 1
a11 a12 a13 a14 1 0 0 0
Ba21 a22 a23 a24 C B0 1 0 0C
B CB C
@a31 a32 a33 a34 A @0 a 1 0A =
a41 0 a42 a43 a44 0 0 0 1 1
a11 a12 + aa13 a13 a14
Ba21 a22 + aa23 a23 a24 C
=B @a31 a32 + aa33 a33 a34 A
C
a41 a42 + aa43 a43 a44
0 1
0 1 1 0 0 0
a11 a12 a13 a14 B C
@a21 a22 a23 a24 A B0 1 0 0C =
@0 a 1 0A
a31 a32 a33 a34
0 0 0 0 1 1
a11 a12 + aa13 a13 a14
= a21 a22 + aa23 a23 a24 A
@
a31 a32 + aa33 a33 a34
C.1.14. Observaţie. Propriet¼
aţi ale matricilor elementare:
(1)
det Tijn (a) = 1;
(2)
Tijn (a) Tijn (b) = In + aenij In + benij =
= In + (a + b) enij = Tijn (a + b)
deci produsul a dou¼
a matrici elementare este tot o matrice elementar¼
a
(proprietate de parte stabil¼
a),
(3)
Tijn (0) = In
este element neutru

Tijn (a) Tijn ( a) = Tijn (0) = In

132 C. MATRICI

deci Tijn (a) este nesingular¼

a cu inversa Tijn ( a) (cu alte cuvinte,
transform¼ arile elementare sunt reversibile).
(4)
1 01n n+1
= Ti+1j+1 (a)
0n1 Tijn (a)
C.1.15. De…niţie. Se numeşte matrice de transformare orice produs
…nit de matrice elementare.
C.1.16. De…niţie. Qnij , i < j (matrice de permutare) (permutation
matrix ) este matricea obţinut¼ a din matricea unitate In prin permutarea
între ele a liniei i şi a liniei j (poate … privit¼
a şi ca matricea obţinut¼
a din
matricea unitate prin permutarea între ele a coloanelor i şi j).
C.1.17. Observaţie. Qnij A este matricea care are aceleaşi linii ca matricea
iniţial¼
a A, dar liniiile i şi j sunt schimbate între ele.
C.1.18. Observaţie. AQnij este matricea care are aceleaşi coloane ca
matricea iniţial¼
a, dar coloanele i şi j sunt schimbate între ele.
n
C.1.19. De…niţie. Rij , i < j este este matricea obţinut¼
a din matricea
unitate In prin permutarea între ele a liniei i şi a liniei j, linia j …ind cu
semn schimbat (elementul de sub diagonala principal¼ a este 1) (poate …
privit¼
a şi ca matricea obţinut¼ a din matricea unitate prin permutarea între
ele a coloanelor i şi j, cu elementul de sub diagonala principal¼ a de valoare
1).
C.1.20. Observaţie.
Qnij = Tijn ( 1) Tjin (1) Tijn ( 1) In
(deci Qnij este matrice de transformare), adic¼ a se fac succesiv urm¼atoarele
operaţii asupra matricii identitate:
(1) se scade din linia i linia j şi se pune rezultatul în locul liniei i,
(2) se adun¼a la linia j linia i şi se pune rezultatul în locul liniei j,
(3) se scade din linia i linia j şi se pune rezultatul în locul liniei i.
C.1.21. Observaţie.
n
Rij = Tjin ( 1) Tijn (1) Tjin ( 1)
n
(deci Rij este matrice de transformare), adic¼ a se fac succesiv urm¼ atoarele
operaţii asupra matricii identitate:
(1) se scade din linia j linia i şi se pune rezultatul în locul liniei j,
 C.1. NOŢIUNI GENERALE DESPRE MATRICI 133

(2) se adun¼a la linia i linia j şi se pune rezultatul în locul liniei i,

(3) se scade din linia j linia i şi se pune rezultatul în locul liniei j.
C.1.22. Exemplu.
0 1
1 0 0 0
B 0 0 1 0 C
Qn23 = B@ 0 1 0 0 A;
C
0 0 0 1
0 10 1
1 0 0 0 a11 a12 a13 a14
B 0 0 1 0 C Ba21 a22 a23 a24 C
B CB C
@ 0 1 0 0 A @a31 a32 a33 a34 A =
0 0 001 a41 a42 a431 a44
a11 a12 a13 a14
Ba31 a32 a33 a34 C
=B @a21 a22 a23 a24 A ;
C
a41 a42 a43 a44
0 10 1
1 0 0 0 a11 a12 a13
B 0 0 1 0 C Ba21 a22 a23 C
B CB C
@ 0 1 0 0 A @a31 a32 a33 A =
0 0 001 a41 a42
1 a43
a11 a12 a13
Ba31 a32 a33 C
=B C
@a21 a22 a23 A ;
a41 a42 a43
0 10 1
a11 a12 a13 a14 1 0 0 0
Ba21 a22 a23 a24 C B 0 0 1 0 C
B CB C
@a31 a32 a33 a34 A @ 0 1 0 0 A =
a41 a420 a43 a44 0 0 1 0 1
a11 a13 a12 a14
B a21 a23 a22 a24 C
=B @ a31 a33 a32 a34 A ;
C
a41 a43 a42 a44
0 1
1 0 0 0
B 0 0 1 0 C
4
R23 =B @ 0
C;
1 0 0 A
0 0 0 1
134 C. MATRICI
0 1
0 1 1 0 0 0
a11 a12 a13 a14 B
0 0 1 0 C
@a21 a22 a23 a24 A B
@ 0
C=
1 0 0 A
a31 a32 a33 a34
0 0 0 0
1 1
a11 a13 a12 a14
= @ a21 a23 a22 a24 A;
a31 a33 a32 a34

0 10 1
1 00 0 a11 a12 a13 a14
B 0 01 0 C Ba21 a22 a23 a24 C
B CB C=
@ 0 1
0 0 A @a31 a32 a33 a34 A
0 00
0 1 a41 a42 a43 1a44
a11 a12 a13 a14
B a31 a32 a33 a34 C
=B
@ a21
C;
a22 a23 a24 A
a41 a42 a43 a44

0 10 1
1 0 0 0 a11 a12 a13
B 0 0 1 0 C Ba21 a22 a23 C
B CB C=
@ 0 1 0 0 A @a31 a32 a33 A
0 000 1 a41 a42 1a43
a11 a12 a13
B a31 a32 a33 C
=B@ a21
C;
a22 a23 A
a41 a42 a43

0 10 1
a11 a12 a13 a14 1 0 0 0
Ba21 a22 a23 C B
a24 C B 0 0 1 0 C
B C=
@a31 a32 a33 a34 A @ 0 1 0 0 A
a41 a420 a43 a44 0 0 0
1 1
a11 a13 a12 a14
B a21 a23 a22 a24 C
=B @ a31
C;
A
a33 a32 a34
a41 a43 a42 a44
 C.1. NOŢIUNI GENERALE DESPRE MATRICI 135
0 1
0 1 1 0 0 0
a11 a12 a13 a14 B
@a21 a22 a23 a24 A B 0 0 1 0 C
C=
@ 0 1 0 0 A
a31 a32 a33 a34
0 0 0 0
1 1
a11 a13 a12 a14
= @ a21 a23 a22 a24 A;
a31 a33 a32 a34

0 C.1.23. 0 1Exist¼
1 Observaţie. a o matrice de transformare care transform¼
a
a1 1
B a2 C B 0 C
B . C 6= 0Rn în B . C(= en1 ).
@ .. A @ .. A
an 0
C.1.24. Teorem¼ a. Fie A = (aij )i=1;n;j=1;m o matrice nenul¼
a. Atunci
exist¼
a o matrice de transformare U (de dimensiune n) şi r 2 N\[1; min fn; mg]
astfel încât U A =
0 1
0 0 1 b1j1 +1 b1m
B 0 0 0 0 1 b2j2 +1 b2m C
B C
B 0 0 0 0 0 0 1 b3j3 +1 b3m C
B C
B C
B C
B 0 0 0 0 0 0 0 0 1 brjr +1 brm C
B 0 0 0 0 0 0 0 0 0 0 C
B C
@ A
0 0 0 0 0 0 0 0 0 0
cu 1 j1 < < jr ; o matrice de forma de mai sus se numeşte matrice
scar¼a (eşalon) (de fapt, form¼ a în scar¼a pe linie a matricii iniţiale) (engl. row
echelon form); se caracterizeaz¼ a prin urm¼ atoarele: primele j1 1 coloane
sunt identic nule, submatricea format¼ a din coloanele j1 +1 pân¼ a la j2 1 şi
liniile 2 pân¼a la n este submatrice nul¼ a, etc (elementele unitare, deci nenule
de pe locurile (1; j1 ), , (r; jr ) formeaz¼a o pseudodiagonal¼ a (scar¼a), iar
elementele la stânga şi sub aceast¼ a pseudodiagonal¼ a sunt nule) (num¼ arul
de zerouri de la începutul …ec¼ arei linii creşte strict odat¼a cu indicele de
linie).
Demonstraţie. Dem: Prin inducţie dup¼ a dimensiunile matricii: presupunem
rezultatul adev¼
arat pentru orice matrice de tip (n0 ; m0 ) cu n0 < n, m0 <
m; …e j1 prima coloan¼ a a matricii A care are m¼ acar un element nenul.
Exist¼
a o transformare elementar¼ a care aduce elementul nenul pe linia 1,
136 C. MATRICI

anuleaz¼a toate celelalte elemente ale coloanei j1 şi transform¼

a elementul
nenul în 1. Submatricea obţinut¼a prin înl¼
aturarea coloanelor 1 j1 şi liniei
1 este de dimensiuni (n 1; m j1 ) şi conform ipotezei de inducţie poate
… adus¼a la o form¼
a eşalon qed.
C.1.25. Observaţie. matricea A şi orice matrice eşalon a ei au acelaşi
rang.
C.1.26. Observaţie. O alt¼ a form¼a de tip eşalon este forma eşalon
redus¼a pe linie (reduced row echelon form), care are urm¼
atoarele propriet¼
aţi:
(1) Num¼ arul de zerouri de la începutul …ec¼ arei linii creşte odat¼
a cu
indicele liniei.
(2) Primul element nenul al …ec¼ arei linii este egal cu 1.
(3) Fiecare coloan¼ a care conţine prima valoare nenul¼ a a unei linii are
celelalte elemente nule.

C.2. Operaţii de baz¼

a cu matrici
C.2.1. De…niţie. Produs matricial (product of matrices) pentru matrici
compatibile din punct de vedere al produsului matricial, i.e. num¼ arul de
coloane al primei matrici este egal cu num¼arul de linii al celei de–a doua
matrici (engl. commensurate matrices):
A = (aij )i=1;n;j=1;m ; B = (bjl )j=1;n;l=1;p ; C = AB; C = (cil )i=1;n;l=1;p
P
m
cil = aij bjl ; 8i = 1; n; l = 1; p
j=1

C.2.2. De…niţie. Multiplicare cu un scalar (engl. scalar multiplication):

A = (aij )i=1;n;j=1;m ; 2 C; C = A; C = (cij )i=1;n;j=1;m
cij = aij ; 8i = 1; n; j = 1; m
C.2.3. De…niţie. Sum¼a matricial¼a (engl. sum of matrices):
A = (aij )i=1;n;j=1;m ; B = (bij )i=1;n;j=1;m ; C = A + B; C = (cij )i=1;n;j=1;m
cij = aij + bij ; 8i = 1; n; j = 1; m
C.2.4. De…niţie. Transpunere (engl. transpose):
A = (aij )i=1;n;j=1;m ; C = (cij )i=1;n;j=1;m = A0 ; cij = aji ; 8i = 1; n; j = 1; m
 ¼ CU MATRICI
C.2. OPERAŢII DE BAZA 137

C.2.5. De…niţie. Urma (Trace) unei matrici p¼

atratice:
X
n
T r (A) = aii
i=1

C.2.6. Observaţie. Dac¼

a A 2 Mn;m (R) şi B 2 Mm;n (R), atunci
T r (AB) = T r (BA).
Demonstraţie.
A = (aij )i=1;n;j=1;m ;
B = (bij )i=1;m;j=1;n ;
AB = (cij )i=1;n;j=1;n ;
X
n X
n
BA = (dij )i=1;n;j=1;n cucij = aik bkj iardij = aki bjk ;
k=1 k=1
! !
X
n X
n X
n X
n X
n X
n
T r (AB) = cll = alk bkl = alk bkl = dkk = T r (BA)
l=1 l=1 k=1 k=1 l=1 k=1

C.2.7. De…niţie. Se numeşte determinantul matricii p¼

atratice A, num¼
arul
P Q
n
det (A) = "( ) ak (k)
2Sn k=1

P
n
C.2.8. Observaţie. det A = aik ik (dezvoltarea determinantului
k=1
P
n
dup¼
a linia i)= akj kj (dezvoltarea determinantului dup¼
a coloana j),
k=1
unde:
C.2.9. De…niţie. complementul algebric al locului (poziţiei) (i; k) este:
ik = ( 1)i+k dik
C.2.10. De…niţie. minorul locului (poziţiei) (i; k) se noteaz¼
a dik şi este
determinantul submatricii obţinute prin eliminarea liniei i şi coloanei k.
C.2.11. De…niţie. Se numeşte permanentul matricii p¼
atratice A, num¼
arul
P Q n
P ermanent (A) = ak (k)
2Sn k=1
138 C. MATRICI

C.3. Alte operaţii cu matrici

C.3.1. De…niţie. Produs între elementele matricilor (engl. element
product)
A: B = C; cij = aij bij ; 8i = 1; n; j = 1; m

C.3.2. De…niţie. Împ¼arţire între elementele matricilor (engl. element

division):
aij
A: B = C; cij = ; 8i = 1; n; j = 1; m
bij
C.3.3. De…niţie. Condiţie logic¼a (engl. logical condition):

1; aij bij
A: B = C; cij = ; 8i = 1; n; j = 1; m
0; aij 6 bij

C.4. Matrici partiţionate

C.4.1. De…niţie. Produs Kronecker (produs direct): A B = (aij B)
(rezultatul este o matrice obţinut¼
a astfel: …ecare loc al matricii A este
ocupat de elementul de pe locul (i; j) înmulţit cu matricea B)

C.4.2. De…niţie. Sum¼

a direct¼
a (engl. direct sum):

A 0
A B=
0 B

C.4.3. Observaţie. (produsul a dou¼

a matrici partiţionate)

A11 A12
A= ;
A21 A22
B11 B12
B=
B21 B22
A11 B11 + A12 B21 A11 B12 + A12 B22
) AB =
A21 B11 + A22 B21 A21 B12 + A22 B22

Demonstraţie. Fie A = (aij )i=1;n;j=1;m , B = (bjk )j=1;m;k=1;p ; produsul

P
m
este C = (cik )i=1;n;k=1;p , unde cik = aij bjk . Se descrie partiţionarea
j=1
 C.4. MATRICI PARTIŢIONATE 139

matricii A:
A11 = (aij )i=1;n1 ;j=1;m1 = a11
ij i=1;n1 ;j=1;m1 ;
12
A12 = (aij )i=1;n1 ;j=m1 +1;m = aij i=1;n ;j=m +1;m ;
1 1
A21 = (aij )i=n1 +1;n;j=1;m1 = a21
ij i=n1 +1;n;j=1;m1 ;
A22 = (aij )i=n1 +1;n;j=m1 +1;m = a22
ij i=n +1;n;j=m +1;m
1 1

Analog se descrie partiţionarea matricii B:

!
B11 = b11
jk j=1;m1 ;k=1;p1 ; B12 = b12
jk i=1;m1 ;j=p1 +1;p ;
21 22
B21 = bjk j=m +1;m;k=1;p ; B22 = bjk j=m +1;m;k=p +1;p
1 1 1 1

P
m P
m1 P
m
Din cik = aij bjk = aij bjk + aij bjk rezult¼
a:
j=1 j=1 k=m1 +1

m1
!
X X
m
(cik )i=1;n1 ;k=1;p1 = aij bjk + aij bjk =
j=1 j=m1 +1 i=1;n1 ;k=1;p1

m1
!
X X
m
= a11 11
ij bjk + a12 21
ij bjk ) (cik )i=1;n1 ;k=1;p1 = A11 B11 +A12 B21
j=1 j=m1 +1 i=1;n1 ;k=1;p1
m1
!
X X
m
(cik )i=1;n1 ;k=p1 +1;p = aij bjk + aij bjk =
j=1 j=m1 +1 i=1;n1 ;k=p1 +1;p
m1
!
X X
m
= a11 12
ij bjk + a12 22
ij bjk ) (cik )i=1;n1 ;k=p1 +1;p = A11 B12 +A12 B22
j=1 j=m1 +1 i=1;n1 ;k=p1 +1;p
m1
!
X X
m
(cik )i=n1 +1;n;k=1;p1 = aij bjk + aij bjk =
j=1 j=m1 +1 i=n1 +1;n;k=1;p1
m1
!
X X
m
= a21 11
ij bjk + a22 21
ij bjk ) (cik )i=n1 +1;n;k=1;p1 = A21 B11 +A22 B21
j=1 j=m1 +1 i=n1 +1;n;k=1;p1
m1
!
X X
m
(cik )i=n1 +1;n;k=p1 +1;p = aij bjk + aij bjk =
j=1 j=m1 +1 i=n1 +1;n;k=p1 +1;p
140 C. MATRICI

m1
!
X X
m
= a21 12
ij bjk + a22 22
ij bjk ) (cik )i=n1 +1;n;k=p1 +1;p = A21 B12 +A22 B22
j=1 j=m1 +1 i=n1 +1;n;k=p1 +1;p

A11 A12 B11 B12 A11 B11 + A12 B21 A11 B12 + A12 B22
) =
A21 A22 B21 B22 A21 B11 + A22 B21 A21 B12 + A22 B22

C.4.4. Observaţie.
A11 0 I 0
det = det A11 ; det = det A11 :
A21 I A21 A11
Demonstraţie. Se dezvolt¼ a determinantul dup¼ a coloanele (respectiv
liniile) corespunz¼
atoare matricii unitate; când s–au terminat, ceea ce r¼
amâne
este det A11
C.4.5. Observaţie.
A11 0
det = det A11 det A22 :
0 A22
A11 0 I 0
Demonstraţie. Se observ¼
a c¼
a are loc relaţia: =
0 I 0 A22
A11 0 A11 0 I 0
şi prin trecere la determinanţi se obţine c¼
a det det =
0 A22 0 I 0 A22
A11 0 A11 0
det , adic¼
a = det A11 det A22
0 A22 0 A22
C.4.6. Observaţie.
A11 0
det = det A11 det A22 :
A21 A22
A11 0 I 0 A11 0
Demonstraţie. Se observ¼
a c¼
a =
A21 I 0 A22 A21 A22
A11 0
şi prin trecere la determinanţi se obţine c¼
a det = det A11 det A22
A21 A22

C.4.7. Observaţie.
I A12
det = det (A22 A21 A12 ) :
A21 A22
 C.4. MATRICI PARTIŢIONATE 141

I 0 I A12 I A12
Demonstraţie. Se observ¼
a c¼
a =
A21 I A21 A22 0 A22 A21 A12
I A12
şi prin trecere la determinanţi se obţine det = det (A22 A21 A12 )
A21 A22

A11 A12
C.4.8. Observaţie. Dac¼
a A = şi A11 sunt p¼
atratice
A21 A22
inversabile, are loc:
det A = det A11 det A22 A21 A111 A12
A11 A12 A11 0 I A111 A12
Demonstraţie. = )
A21 A22 0 I A21 A22
A11 A12 I A111 A12
) det = det A11 det = det A11 det A22 A21 A111 A12
A21 A22 A21 A22

C.4.9. Observaţie. Pentru o matrice

In1 B I A12
;
C D A21 A22
se obţine prin transform¼
ari elementare
I B I A12
:
0 D CB 0 A22 A21 A12
In1 0 In1 B In1 B
Demonstraţie. = =
C In n1 C D C + C D CB
I B
0 D CB
I 0 I A12 In1 A12
= =
A21 I A21 A22 A21 + A21 A22 A21 A12
I A12
=
0 A22 A21 A12
In1 B
T(n1 +1;n1 ) ( c1n1 ) T(n1 +1;2) ( c12 ) T(n1 +1;1) ( c11 )
C D
T(n1 +1;n1 ) a21 1n1 T(n1 +1;2) ( a21 21
12 ) T(n1 +1;1) ( a11 )
Qn2 Qn1
In1 B
T(n1 +i;k) ( cik ) =
i=1 k=1 C D
142 C. MATRICI

In1 0 In1 B In1 B

= =
C In n1 C D 0 D
C.4.10. Exemplu.
0 10 1
1 0 0 0 1 0 a13 a14
B 0 1 0 0C B 1 a23 a24 C
B CB 0 C
@ a31 0 1 0A @a31 a32 a33 a34 A =
00 0 0 1 a41 a42 a43 a44 1
1 0 a13 a14
B0 1 a23 a24 C
=B@ 0 a32 a33 a13 a31 a34 a31 a14 A
C
a41 a42 a43 a44
0 10 1
1 0 0 0 1 0 a13 a14
B0 1 0 0C B C
B CB 0 1 a23 a24 C=
@0 a32 1 0A @ 0 a32 a33 a13 a31 a34 a31 a14 A
00 0 0 1 a41 a42 a43 a44 1
1 0 a13 a14
B0 1 a23 a24 C
=B @0
C
0 a33 a13 a31 a23 a32 a34 a31 a14 a32 a24 A
a41 a42 a43 a44
0 10 1
1 0 0 0 1 0 a13 a14
B 0 1 0 0C B C
B CB 0 1 a23 a24 C=
@ 0 0 1 0 A @ 0 0 a33 a13 a31 a23 a32 a34 a31 a14 a32 a24 A
a41 0 00 1 a41 a42 a43 a44 1
1 0 a13 a14
B0 1 a23 a24 C
=B @0 0 a33 a13 a31 a23 a32 a34 a31 a14 a32 a24 A
C
0 a42 a43 a13 a41 a44 a14 a41
0 10 1
1 0 0 0 1 0 a13 a14
B0 1 0 0C B C
B C B0 1 a23 a24 C=
@0 0 1 0 A @ 0 0 a33 a13 a31 a23 a32 a34 a31 a14 a32 a24 A
0 a42 00 1 0 a42 a43 a13 a41 a44 a141 a41
1 0 a13 a14
B0 1 a23 a24 C
=B @0 0 a33 a13 a31 a23 a32 a34 a31 a14 a32 a24 A
C
0 0 a43 a13 a41 a23 a42 a44 a14 a41 a24 a42
 C.4. MATRICI PARTIŢIONATE 143

Se observ¼
a c¼
a:
a33 a13 a31 a23 a32 a34 a31 a14 a32 a24
=
a43 a13 a41 a23 a42 a44 a14 a41 a24 a42
a33 a34 a31 a32 a13 a14
=
a43 a44 a41 a42 a23 a24
Forma transform¼
arii:
0 10 10 10 1
1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0
B0 1 0 0C B 0 1 0 0C B0 1 0 0C B 0 1 0 0C
B CB CB CB C=
@0 0 1 0A @ 0 0 1 0A @0 a32 1 0A @ a31 0 1 0A
0 a42 0 1 a41 000 1 0 0 1 0 1 0 0 0 1
1 0 0 0
B 0 1 0 0C
=B
@ a31
C
a32 1 0A
a41 a42 0 1
A11 A12 A22 A12 A11 A22 A12 A21 A12 A11 A11 A12
= )
A21 A22 A21 A11 A21 A22 A22 A21 A22 A11 A21 A12
) dac¼
a A11 şi A12 comut¼
a sau dac¼
a A21 şi A22 comut¼
a are loc:
A11 A12 A22 A12 A11 A22 A12 A21 0
=
A21 A22 A21 A11 A21 A22 A22 A21 A22 A11 A21 A12
sau
A11 A12 A22 A12 A11 A22 A12 A21 A12 A11 A11 A12
=
A21 A22 A21 A11 0 A22 A11 A21 A12
C.4.11. Observaţie. Dac¼
a A, A11 şi C sunt p¼
atratice şi nesingulare,
A11 A12
atunci din A = se obţine
A21 A22
1 A111 + A111 A12 C 1 A21 A111 A111 A12 C 1
A = ;
C 1 A21 A111 C 1
cu C = A22 A21 A111 A12 .
A11 A12 A111 + A111 A12 C 1 A21 A111 A111 A12 C 1
Demonstraţie. =
A21 A22 C 1 A21 A111 C 1
A11 A111 + A111 A12 C 1 A21 A111 A12 C 1 A21 A111 A11 A111 A12 C 1 +A12 C 1
= 1 1 1 1 =
A21 A11 + A11 A12 C 1 A21 A11 A22 C 1 A21 A11 A21 A111 A12 C 1 +A22 C 1
I + A12 C 1 A21 A111 A12 C 1 A21 A111 A12 C 1 +A12 C 1
= =
A21 A111 +A21 A111 A12 C 1 A21 A111 A22 C 1 A21 A111 A21 A111 A12 C 1 +A22 C 1
144 C. MATRICI

I 0
= =
A21 + A21 A111 A12 A22 C A21 1
A111 A21 A111 A12 + A22 C 1

I 0 I 0
= 1 =
(A21 CC A21 ) A11 CC 1
1
0 I
C.4.12. Observaţie.
AT1
A = (A1 A2 ) ) AT =
AT2
A11 A12 AT11 AT21
A= ) AT =
A21 A22 AT12 AT22

C.5. SVD. Inversa Moore–Penrose.

C.5.1. De…niţie. Dac¼ a A 2 M(m;k) (R), A 2 M(k;m) (R) se numeşte
invers¼a generalizat¼a a lui A în sens Moore–Penrose dac¼
a satisface urm¼
atoarele
condiţii:
(1) AA A = A
(2) A AA = A
(3) AA şi A A sunt simetrice
C.5.2. Observaţie. Inversa Moore–Penrose este unic¼
a.
Demonstraţie. Fie B care satisface şi ea (i), (ii), (iii). Atunci:
T T
A = A AA = (A A) A = AT (A ) A =
T T T T
= (AB A) (A ) A = AT (B ) AT (A ) A =
T T T
= AT (B ) (A A) A = AT (B ) A AA =
T T T
= AT (B ) A = (B A) A = B AA = B (AA ) =
T T T T
= B (A ) AT = (B AB ) (A ) AT = B (AB ) (A ) AT =
T T T T T
= B (B ) AT (A ) AT = B (B ) (AA A) = B (B ) AT =
T
= B (AB ) = B AB = B .
C.5.3. Observaţie. Fie A 2 M(m;k) (R); atunci AT A 2 M(k;k) (R)
(k;m)(m;k)
este simetric¼
a şi pozitiv semide…nit¼
a.
Demonstraţie. A 2 M(m;k) (R), x 2 Rk (vector coloan¼ a) ) Ax 2
m T
a) şi (Ax) Ax =< Ax; Ax > 0 , x AT A x
R (vector coloan¼ T
0
T
a AT A 2 M(k;k) (R) este pozitiv semide…nit¼
adic¼ a; pentru c¼ a AT A =
T
AT AT = AT A, rezult¼ a matricea AT A este şi simetric¼
a c¼ a.
 C.5. SVD. INVERSA MOORE–PENROSE. 145

C.5.4. Observaţie. Dac¼a produsul dintre o matrice şi transpusa ei

este matricea nul¼
a atunci matricea este nul¼
a.
Demonstraţie. Diagonala pricipal¼ a a produsului este suma p¼
atratelor
elementelor …ec¼
arei linii din matricea iniţial¼
a.
C.5.5. Exemplu.
T
a1;1 a1;2 a1;1 a1;2 a21;1 + a22;1 a1;1 a1;2 + a2;1 a2;2
=
a2;1 a2;2 a2;1 a2;2 a1;1 a1;2 + a2;1 a2;2 a21;2 + a22;2
C.5.6. Teorem¼a. (A‡area SVD şi a inversei generalizate) Orice matrice
A 2 M(m;k) (R) de rang r poate … descompus¼ a într–un produs
A = U D VT
(m;k) (m;r) (r;r) (r;k)

(SVD: Singular Value Decomposition), unde:

(1) D este matrice diagonal¼ a (r; r) cu elementele pe diagonala principal¼
a
strict pozitive descresc¼
atoare (d11 d22 drr > 0)
(2) U şi V sunt matrici ale c¼
aror coloane sunt vectori ortonormali, de
dimensiuni respectiv (m; r) şi (k; r) (i.e.
UT U = VT V = Ir
(r;m) (m;r) (r;k) (k;r) (r;r)
şi
U UT = Im ; U T U = Ir ):
(m;r) (r;m) (r;m) (m;r)

(3) Mai mult, inversa generalizat¼

a în sens Moore–Penrose a matricii
A este
A = V D 1 UT ;
(k;m) (k;r) (r;r) (r;m)

unde
V 2 M(k;r) ; D 2 M(r;r) ; U 2 M(m;r) :
Demonstraţie. Fie A 2 M(m;k) (R); atunci AT A 2 M(k;k) (R)
(k;m)(m;k)
este simetric¼
a şi pozitiv semide…nit¼ a. 9W 2 M(k;k) (R) astfel încât W T AT A W
este diagonal¼a (admite o baz¼ a ortonormal¼ a format¼
a din vectori proprii
în care matricea ataşat¼ a este diagonal¼ a) (mai mult, se poate presupune
c¼
a pe diagonala principal¼ a valorile proprii, care sunt toate pozitive, sunt
ordonate descresc¼ ator), deci W T AT A W = G. Fie r rangul matricii AT A
146 C. MATRICI

(i.e. matricea AT A are exact r valori proprii strict pozitive iar celelalte sunt
nule); atunci G = diag (gii )i=1;k iar

g11 grr > 0 = gr+1r+1 = = gkk ;

deci
!
G1 0
G= ;W = W1 W2 ;
0 0 (k;r) (k;k r)

Ir 0(r;k r)
= Ik = W T W =
0 01(k r;k) Ik r 0 1
W1T ! W1T W1 W1T W2
B (r;k) C B (r;r) (r;k r) C
@ WT A W1 W2 =@ T
W W W T A
2 (k;r) (k;k r) 2 1 2 W2
(k r;k) (k r;r) (k r;k r)

a W1T W1 = Ir ),
(aşa c¼
(r;r)

0 1
! W1T
B (r;k) C
Ik = W W T = W1 W2 T
@ W T A = W1 W1 + W2 W2
T
(k;r) (k;k r) 2 (k;r) (r;k) (k;k r)(k r;k)
(k r;k)

a W1 W1T = Ik
(aşa c¼ W2 W2T ),
(k;r) (r;k) (k;k r)(k r;k)
iar

W1T G1 0
AT A (W1 W2 ) =
W2T 0 0

,
0 1
W1T AT A
B (r;k) C G1 0
@ A (W1 W2 ) =
W2T AT A 0 0
(k r;k)
 C.5. SVD. INVERSA MOORE–PENROSE. 147

, 0 1
W1T AT A
B (r;k) C
@ A (W1 W2 ) =
W2T AT A
(k r;k)
0 1
W1T A A W1 W1T AT A W2
T

B (r;r) (r;k r) C
=@ A=
W2T AT A W1 W2T AT A W2
(k 0r;r) (k r;k 1
r)
G1 0
(r;k r)
= @ (r;r) A
0 0
(k r;k) (k r;k r)
, 8
>
> W1T AT A W1 = G1
>
> (r;r)
>
>
(r;r)
> T T
< W1 A A W2 = (r;k0 r)
>
(r;k r)
;
>
> W2T AT A W1 = 0
>
> (k r;k)
>
>
(k r;r)
>
> T T
: W2 A A W2 = (k r;k
0
r)
(k r;k r)
în particular,
W2T AT A W2 = 0 ;
(k r;k r)
(k r;k r)
i.e.
(AW2 )T AW2 = 0 ) AW2 = 0(m;k r)
(k r;k r) (k r;k r)

(produsul dintre matrice şi transpusa ei este matricea nul¼

a ) matricea
este nul¼
a)
Se de…nesc:
p
D = G1
(r;r)
p
(i.e. D este matrice diagonal¼ a care are ca elemente gii i=1;r
care sunt
strict pozitive şi descresc¼
atoare).

V = W1
(k;r)
1
U = AV D
(m;r)
148 C. MATRICI

Din raţionamentele de mai sus rezult¼

a:

V T V = W1T W1 = Ir ;
T T
U T U = (AV D 1 ) U = (D 1 ) V T AT AV D 1 =
= D 1 W1T AT AW1 D 1 = D 1 G1 D 1 =
p p
= diag gii gii gii i=1;r = Ir ;
U DV T = (AV D 1 ) DW1T = AW1 W1T =
! =0(m;k r)
z }| {
= A Ik W2 W2T = A A W2 W2T =
(k;k r)(k r;k) (k;k r) (k r;k)
=A 0(m;k r) W2T =A 0(m;k) = A
(k r;k)

care stabileşte descompunerea.

matricea V D 1 U T satisface:
1)
A V D 1 U T A = U DV T V D 1 U T U DV T =
= U D V T V D 1 U T U DV T =
= U DIr D 1 Ir DV T = U DV T = A
2)
V D 1U T U DV T V D 1 U T = V D 1 U T U D V T V D 1 U T =
= V D 1 Ir DIr D 1 U T = V D 1 U T = A
3)
U DV T V D 1 U T = U D V T V D 1 U T = U DIr D 1 U T = U U T )

T T
) U DV T V D 1U T = UUT = UUT
(matricea este simetric¼
a)

V D 1U T U DV T = V D 1 Ir DV T = V V T )
T T
) V D 1 U T U DV T = VVT =VVT
(matricea este simetric¼a)
Din 1), 2), 3) rezult¼ a V D 1 U T satisface relaţiile care de…nesc inversa
a c¼
Moore–Penrose; cum matricea care satisface aceste relaţii este unic¼ a, rezult¼
a
A = V D 1U T .
 C.5. SVD. INVERSA MOORE–PENROSE. 149

C.5.7. Observaţie. Dac¼ a A este simetric¼ a, atunci U este linie de

vectori proprii ai lui A corespunz¼ atori la valori proprii nenule, aşa c¼
a
AT U = U D1 , cu D1 matrice diagonal¼ a (r; r) cu valori proprii nenule,
atoare. În acest caz, V = AT U D 1 = U D1 D 1 . Cum
în ordine descresc¼
elementele matricilor D şi D1 sunt identice mai puţin eventual semnul,
coloanele matricilor U şi V sunt …e egale (pentru r¼ ad¼
acini pozitive) …e
cu semn invers (pentru r¼ ad¼
acini negative). Aşadar, dac¼a A este pozitiv
T
semide…nit¼a, are o descompunere SVD A = U DU cu U cu coloane
ortogonale iar D pozitiv diagonal¼a.
C.5.8. Observaţie. Dac¼
a A este p¼ atratic¼
a şi nesingular¼
a, are loc:
A = A 1 (inversa generalizat¼
a în sens Moore–Penrose coincide cu inversa
obişnuit¼
a a matricii)
Demonstraţie. A p¼ atratic¼ a ) 9A 1 ) AA A = Aj
a şi nesingular¼
A la stânga ) A A = I; analog AA A = Aj A 1 la dreapta ) AA =
1

I deci A satisface relaţiile care de…nesc A 1 , care este unica matrice care
satisface relaţiile; rezult¼ a A = A 1.
a c¼
C.5.9. Observaţie. Sistemul de ecuaţii
A x = y
(m;k)(k;1) (m;1)

are o soluţie
, y = A A y ;
(m;1) (m;k)(k;m)(m;1)

mai mult, mulţimea plan¼

a a tuturor soluţiilor este mulţimea vectorilor
x = A y + [Ik A A ] z 8z 2 Rk :
(k;1) (k;m)(m;1) (k;m)(m;k) (k;1)

Demonstraţie. Ax = yj A la stânga ) A Ax = A yj A la stânga

) AA Ax = AA y ) Ax = AA y deci dac¼ a sistemul este compatibil
atunci y = AA y.
Reciproc, dac¼
a y = AA y atunci x = A y este soluţie a sistemului:
A (A y) = AA y = y, deci sistemul este compatibil.
Mai mult, pentru z 2 Rk , are loc: A (A y + [I A A]z) = AA y +
A[I A A]z = y + Az AA Az = y + Az Az = y.
C.5.10. Observaţie. AA şi A A sunt idempotente.
2
Demonstraţie. AA A = Aj A la dreapta ) (AA ) = AA
2
AA A = Aj A la stânga ) (A A) = A A
 ANEXA D

Exemple de subiecte

Toate subiectele prezentate în continuare sunt concepute astfel încât

s¼
a satisfac¼
a (pe cât posibil) urm¼
atoarele principii (nu neap¼
arat în ordinea
în care sunt listate):

Cursul, seminarul, laboratorul, evaluarea …nal¼ a reprezint¼ a un ansamblu.

Condiţiile de desf¼
aşurare a ansamblului curs–evaluare …nal¼ a trebuie
cunoscute de la început.
Nu exist¼a evalu¼ ari perfecte; imperfecţiunile pot … controlate.
Datoria profesorului este s¼ a …e corect faţ¼
a de studenţii conştiincioşi;
o prim¼ a dovad¼ a de corectitudine a profesorului faţ¼ a de aceşti
studenţi este s¼a–i disting¼ a de ceilalţi studenţi (de exemplu prin
notare).
Un examen pierdut nu este o pedeaps¼ a, ci o constatare a faptului
c¼
a o persoan¼ a, într–un anumit moment al evoluţiei sale, nu a
evoluat su…cient de bine.
Orice not¼ a între 5 şi 10 este prima recompens¼ a a unei munci care
a reprezentat o evoluţie su…cient¼ a.
De obicei, motivele care stau la baza insuccesului unui student
sunt individuale iar identi…carea acestor motive poate … de folos
studentului în evoluţia lui viitoare.
Studentul trebuie s¼ a aib¼a o atitudine activ¼ a şi critic¼
a referitoare
la activitatea comun¼ a, el …ind atât principalul responsabil pentru
rezultatele obţinute cât şi principalul bene…ciar.
Subiectele trebuie s¼ a …e într–o m¼ asur¼a cât mai mic¼ a surprinz¼atoare.
Subiectele trebuie s¼ a …e cât mai acoperitoare din punct de vedere
al materiei studiate.
Punctajul care se acord¼ a pentru …ecare subiect se acord¼ a pân¼a la
prima greşeal¼a. (Motivaţie: dac¼ a într–un şir de implicaţii logice o
a…rmaţie este fals¼ a, ulterior se poate a…rma orice iar ansamblul
este adev¼arat -> eventual revedeţi anexa de Logic¼ a)
151
152 D. EXEMPLE DE SUBIECTE

Punctajul care poate … obţinut dep¼ aşeşte nota maxim¼ a (nota

maxim¼ a este 10 iar punctajul poate … şi 14 sau 15). (Motivaţie:
studentul nu trebuie s¼ a …e perfect ca s¼ a obţin¼a not¼ a maxim¼ a)
Trebuie s¼ a existe o regul¼ a care s¼ a evite situaţia c¼ a un student
se concentreaz¼ a numai pe un tip de subiecte (de exemplu regula
punctajului minim pe o categorie de subiecte)
Studentul trebuie s¼ a cunoasc¼ a şi s¼
a fac¼
a în scris dovada cunoaşterii
rezultatelor teoretice (enunţuri şi demonstraţii). (Motivaţie: unul
dintre scopurile preg¼ atirii studenţilor este ca ei s¼ a devin¼ a creatori
de formule, reguli, principii şi nu numai utilizatori de formule,
reguli, principii; demonstraţiile reprezint¼ a „cod surs¼ a”iar studenţii
trebuie s¼ a …e capabili s¼ a înţeleag¼ a codul surs¼ a şi s¼
a–l adapteze
nevoilor lor). Punctarea de principiu a unui rezultat teoretic este:
25% pentru enunţ şi 75% pentru demonstraţie.
Studentul trebuie s¼ a aib¼ a abilitatea de rezolvare de exerciţii teoretice
(ca o etap¼ a intermediar¼ a între exerciţii practice şi teorie –abilitatea
se probeaz¼ a în scris)
Studentul trebuie s¼ a aib¼ a abilitatea de a rezolva exerciţii practice
(abilitatea se probeaz¼ a în scris).
Studentul trebuie s¼ a aib¼ a posibilitatea de a obţine explicaţia punctajului
obţinut şi eventual s¼ a i se explice greşelile pe care le–a f¼ acut. (nu
exist¼a greşeli mici şi greşeli mari; numai greşeli)

D.1. Examen Algebr¼

a Liniar¼
a, sesiunea din iarn¼
a 1997-1998
1. Pentru operatorul
U ( ) : R3 [X] ! R3 [X] ; U (p) = p0 ;
s¼
a se aduc¼
a la forma canonic¼
a Jordan, s¼
a se a‡e baza Jordan şi s¼
a se veri…ce
formula de schimbare a matricei la schimbarea bazei.
2. Pentru operatorii
U1 ( ) ; U2 ( ) : C 1 [a; b] ! C 1 [a; b] ;
de…niţi prin
U1 (f ( )) = g1 ( ) ; g1 (x) = xf (x)
şi
Zx
U2 (f ( )) = g2 ( ) ; g2 (x) = f (t) dt;
a
 ¼ LINIARA,
D.2. EXAMEN ALGEBRA ¼ IUNIE 1998 153

s¼
a se caracterizeze valorile proprii şi vectorii proprii.
3. Pentru operatorul
U ( ) : C 1 [0; 2 ] ! C 1 [0; 2 ] ;
de…nit prin
Z2
U (f ( )) = g ( ) ; g (x) = (1 + sin (x t)) f (t) dt;
0

se cere s¼
a se a‡e o baz¼a pentru Im U ( ).
4. S¼
a se enunţe Teorema 0 Hamilton-Cayley
1 şi s¼
a se foloseasc¼
a pentru
1 0 1
a‡area inversei matricii A = @ 0 2 0 A.
0 0 3
5. Inegalitatea dintre oblic¼
a şi perpendicular¼a.
6. Matrici productive.

D.2. Examen Algebr¼

a Liniar¼
a, iunie 1998
1. S¼
a se demonstreze c¼ a orice funcţie f : [a; b] ! R se descompune în
mod unic într-o sum¼a dintre o funcţie par¼ a şi una impar¼
a.
2. Fie V0 subspaţiul soluţiilor ecuaţiei
3x y 2z = 0
şi …e operatorul U : R2 ! R3 , de…nit prin
00 11
x1
x1 x1
U = Pr @@ x2 AA ; 8 2 R2 :
x2 V0 x2
0
Se cere:
a. S¼a se g¼
aseasc¼
a o baz¼
a a spaţiului V0 .
x1
b. S¼
a se g¼
aseasc¼
a exprimarea lui U în baza de la a.
x2
x1
c. S¼
a se g¼
aseasc¼
a exprimarea lui U în baza canonic¼
a a lui
x2
R3 .
d. S¼
a se g¼aseasc¼
a matricea operatorului U (:).
e. S¼
a se g¼
aseasc¼a o baz¼
a pentru nucleul operatorului.
f. S¼
a se g¼
aseasc¼
a o baz¼a pentru imaginea operatorului.
154 D. EXEMPLE DE SUBIECTE

3. Pentru operatorii U1 ; U2 : C 1 [a; b] ! C 1 [a; b] ; de…niţi prin U1 (f (:)) =

Rx
g1 (:) ; g1 (x) = xf (x) şi U2 (f (:)) = g2 (:) ; g2 (x) = f (t) dt; s¼ a se
a
caracterizeze valorile proprii şi vectorii proprii.
4. Pentru operatorul U : C 1 [0; 2 ] ! C 1 [0; 2 ] ; de…nit prin
Z2
U (f (:)) = g (:) ; g (x) = (1 + sin (x t)) f (t) dt;
0

se cere s¼
a se a‡e o baz¼a pentru Im U .
5. Fie U : R3 [X] ! R3 [X], de…nit prin U (P ) = P 0 P . S¼
a se arate
c¼
a U este izomor…sm şi s¼ a se a‡e operatorul invers. 0 1
6 6 15
6. Fie operatorul U : R3 ! R3 , cu matricea A = @ 1 5 5 A.
1 2 2
a. S¼
a se a‡e valorile proprii şi vectorii proprii.
b. S¼
a se a‡e forma canonic¼ a Jordan şi o baz¼a Jordan.
7. Teorema Hamilton-Cayley.
8. Teorema de punct …x pentru contracţii.

D.3. Examen Algebr¼

a Liniar¼
a, septembrie 1998
(1) Fie V0 subspaţiul soluţiilor ecuaţiei
3x y 2z = 0
şi …e operatorul U ( ) : R2 ! R3 , de…nit prin
00 11
x1
x1 x1
U = Pr @@ x2 AA ; 8 2 R2 :
x2 V0 x2
0
Se cere:
(a) S¼
a se arate c¼a U ( ) este operator liniar şi s¼
a se g¼
aseasc¼
a
matricea ataşat¼
a.
(b) S¼a se g¼
asesc¼
a câte o baz¼a pentru imaginea şi pentru nucleul
operatorului.
(2) Pentru operatorii
U1 ( ) ; U2 ( ) : C 1 [a; b] ! C 1 [a; b] ;
 ¼ LINIARA,
D.4. EXAMEN (1) ALGEBRA ¼ IANUARIE 1999 155

de…niţi prin
U1 (f ( )) = g1 ( ) ; g1 (x) = xf (x)
şi
Zx
U2 (f ( )) = g2 ( ) ; g2 (x) = f (t) dt;
a
s¼
a se caracterizeze valorile proprii şi vectorii proprii.
(3) Pentru operatorul
U ( ) : C 1 [0; 2 ] ! C 1 [0; 2 ] ;
de…nit prin
Z2
U (f ( )) = g ( ) ; g (x) = (1 + sin (x t)) f (t) dt;
0

se cere s¼
a se a‡e o baz¼
a pentru Im U ( ).
(4) Inegalitatea dintre oblic¼
a şi perpendicular¼
a.
(5) Teorema Perron-Frobenius.

D.4. Examen (1) Algebr¼

a Liniar¼
a, ianuarie 1999
1. Sum¼a direct¼
a de dou¼ a subspaţii vectoriale.
2. Fie V0 subspaţiul soluţiilor ecuaţiei
3x y 2z = 0
şi …e operatorul U ( ) : R2 ! R3 , de…nit prin
00 11
x1
x1 x1
U = Pr @@ x2 AA ; 8 2 R2 :
x2 V0 x2
0
Se cere:
a. S¼
a se arate c¼ a U ( ) este operator liniar şi s¼
a se g¼
aseasc¼
a matricea
ataşat¼
a.
b. S¼
a se g¼
asesc¼a câte o baz¼
a pentru imaginea şi pentru nucleul operatorului.
3. Teorema de inerţie Sylvester.
4. Fie U ( ) : Rn ! Rn liniar cu proprietatea c¼ a
U ( )2 U ( ) + I ( ) = 0:
S¼
a se arate c¼
a U ( ) este izomor…sm.
156 D. EXEMPLE DE SUBIECTE

5. Fie U ( ) : R3 [X] ! R3 [X], de…nit prin U (P ) = P 0 P . S¼

a se arate
c¼
a U este izomor…sm şi s¼a se a‡e operatorul invers. 0 1
6 6 15
6. Fie operatorul U ( ) : R3 ! R3 , cu matricea A = @ 1 5 5 A.
1 2 2
a. S¼
a se a‡e valorile proprii şi vectorii proprii.
b. S¼
a se a‡e forma canonic¼ a Jordan şi o baz¼a Jordan.
7. Teorema Perron-Frobenius.

D.5. Examen (2) Algebr¼

a Liniar¼
a, februarie 1999
1. Formula Grassman.
2. S¼
a se demonstreze c¼ a orice funcţie f : [a; b] ! R se descompune în
mod unic într-o sum¼ a dintre0o funcţie par¼ a şi una
1 impar¼ a.
2 0
3. Fie matricea A ( ) = @ 2 0 0 A.
0 0 +3
a. S¼
a se discute (f¼
ar¼
a a‡area bazei) în funcţie de parametrul natura
funcţionalei p¼
atratice care are matricea A ( ) :
b.Pentru operatorul care are matricea A (3) s¼ a se a‡e:
b1 Forma canonic¼ a Jordan
b2 Baza Jordan.
b3. S¼
a se veri…ce formula de schimbare a matricii la schimbarea bazei,
cu regula pivotului.
4. Fie V0 subspaţiul vectorial al soluţiilor sistemului
8
< 3x1 + 2x2 + x3 2x4 = 0
5x1 + 4x2 + 3x3 + 2x4 = 0
: x + 2x + 3x + 10x = 0:
1 2 3 4
0 1
3
B 0 C
Se cere s¼
a se determine proiecţia ortogonal¼ a a vectorului x = B@ 5 A.
C
9
5. S¼
a se arate c¼
a, dac¼a U : V ! V este o proiecţie, atunci 2U I este
a U este o involuţie atunci 21 (U + I) este o proiecţie
o involuţie iar dac¼
(operatorul este involuţie dac¼ a U 2 = I).
6. Distanţa de la un vector la un subspaţiu.
 ¼ LINIARA,
D.7. EXAMEN ALGEBRA ¼ AUGUST 1999 157

D.6. Examen (3) Algebr¼ a Liniar¼ a, februarie 1999

0 1 0 1 0 1
1 2 3
(1) Se dau vectorii: v1 = @ A
2 ; v2 = @ A
3 ; v3 ( ) = @ 7 A;
1 3
(a) s¼a se discute independenţa şi dependenţa familiei în funcţie
de parametrul .
(b) în cazul dependenţei liniare s¼ a se g¼ aseasc¼ a dependenţa.
0 1
3
(c) S¼a se exprime vectorii e1 ; e2 ; e3 ; v1 ; v2 ; v3 (1) ; v = @ 1 A în
4
baza B = (v1 ; v2 ; v3 (1)) folosind regula pivotului.
(d) S¼a se a‡e imaginea şi nucleul operatorului U pentru care
matricea în baza canonic¼ a are coloanele v1 ; v2 ; v3 (2).
(e) Fiind daţi un vector şi un subspaţiu, s¼ a se de…neasc¼ a noţiunile:
proiecţie ortogonal¼ a, perpendicular¼ a, distanţ¼ a.
(f) Aplicaţie pentru e1 şi Im U:
(g) Teorema Hamilton-Cayley.
(h) Aplicaţie pentru operatorul U .
(i) S¼
a se enunţe noţiunea de matrice productiv¼ a şi rezultatele
cunoscute.
1
(j) S¼
a se decid¼ a dac¼ a matricea lui 10 U în baza canonic¼ a este
productiv¼ a şi în caz a…rmativ s¼a se calculeze matricea cheltuielilor
indirecte de ordin doi.
(2) Teorema de punct …x pentru contracţii.

D.7. Examen Algebr¼

a Liniar¼
a, august 1999
1. Fie V0 subspaţiul vectorial al soluţiilor sistemului
8
< 3x1 + 2x2 + x3 2x4 = 0
5x1 + 4x2 + 3x3 + 2x4 = 0
: x + 2x + 3x + 10x = 0:
1 2 3 4
0
1
3
B 0 C
Se cere s¼ a a vectorului x = B
a se determine proiecţia ortogonal¼ C
@ 5 A.
9
2. S¼ a se demonstreze c¼ a dac¼ a operatorul liniar p ( ) : V ! V este
proiecţie, atunci are loc V = p (V) ker p ( ).
158 D. EXEMPLE DE SUBIECTE
0 1
6 6 15
3. Fie operatorul U ( ) : R3 ! R3 , cu matricea A = @ 1 5 5 A.
1 2 2
a. S¼
a se a‡e valorile proprii şi vectorii proprii.
b. S¼
a se a‡e forma canonic¼ a Jordan şi o baz¼a Jordan.
4. S¼
a se arate c¼ a polinomul caracteristic al unui operator liniar nu
depinde de baza în care este reprezentat operatorul.
5. S¼
a se arate c¼a valorile proprii ale unui operator real simetric sunt
reale.
6. S¼
a se enunţe Teorema Hamilton–Cayley şi s¼ a se a‡e cu ajutorul ei
1 0
A 1 şi An , dac¼
aA= .
1 1

D.8. Lucrare scris¼

a la Algebr¼
a Liniar¼
a, decembrie 2002
(1) (a) S¼ a se arate c¼ a preimaginea printr–un operator liniar a unui
subspaţiu vectorial este subspaţiu vectorial.
(b) S¼ a se arate c¼ a inversa unui operator liniar inversabil este
operator liniar.
(2) S¼ a se arate c¼ a dac¼a o familie de vectori este liniar independent¼ a
şi maximal¼ a atunci este sistem de generatori minimal.
(3) Teorema de existenţ¼ a a bazei. Enunţ şi demonstraţie.
(4) Formula lui Grassmann. Enunţ şi demonstraţie.
(5) Ar¼ ataţi c¼a, dac¼
a (V; K) este spaţiu vectorial şi V0 V este un
subspaţiu vectorial, atunci pe mulţimea V =V0 (mulţimea factor)
se poate de…ni o structur¼ a de spaţiu vectorial.
(6) Fie U ( ) : V ! V un operator liniar cu proprietatea c¼ a U2 ( ) =
1V ( ) (operatorul identitate).
(a) S¼a se arate c¼ a U ( ) este bijectiv.
(b) Dac¼ a V1 = fx 2 V ; U (x) = xg şi V1 = fx 2 V ; U (x) = xg,
s¼a se arate c¼ a V = V1 V2 folosind descompunerea x =
x+U (x) x U (x)
2
+ 2 .
 ¼ LINIARA,
D.9. EXAMEN ALGEBRA ¼ FEBRUARIE 2003 159
8
< 3x1 + 2x2 + x3 2x4 = 0
(7) Fie V0 subspaţiul vectorial al soluţiilor sistemului 5x1 + 4x2 + 3x3 + 2x4 = 0
: x + 2x + 3x + 10x = 0:
1 2 3 4
Se
0 cere1 s¼
a se determine proiecţia ortogonal¼ a a vectorului x =
3
B 0 C
B C
@ 5 A.
9
(8) În (R3 [X]; R) se consider¼ a A = span (3 x2 ; 3 + X 2X 3 ) şi
B = span ( X X + 2X 3 ; 2X 2X 2 ). Se cere s¼
2
a se a‡e o baz¼a
şi dimensiunea subspaţiului vectorial C = A + B.
(9) S¼ a se discute dup¼ a valorile parametrului natura funcţionalei
p¼ atratice V (x) = x21 + x22 + 5x23 + 2 x1 x2 2x1 x3 + 4x2 x3 :
(10) 5. Fie U ( ) : R3 [X] ! R3 [X], de…nit prin U (P ) = P 0 P . S¼ a se
arate c¼ a U este izomor…sm şi s¼a se a‡e operatorul invers (folosind
metoda pivotului).
Not¼a: Fiecare subiect este cotat cu un punct, subpunctele sunt notate
cu jum¼atate de punct. Pentru nota minim¼ a, studentul trebuie s¼a acumuleze
minim 2 puncte din subiectele 1–5 şi minim 2 puncte din subiectele 6–10.
Studentul care (în plus) rezolv¼ a o categorie întreag¼ a (toate subiectele 1–5
sau toate subiectele 6–10) primeşte la nota …nal¼ a un punct în plus.

D.9. Examen Algebr¼

a Liniar¼
a, februarie 2003
a.(1)
(0,5p) S¼ a se arate c¼ a relaţia.de echivalenţ¼
a între spaţii vectoriale
peste acelaşi corp este relaţie de echivalenţ¼a.
b. (0,5p) S¼ a se arate c¼ a inversa unui operator liniar inversabil este
operator liniar.
2. (1p) S¼ a se arate c¼
a dac¼ a o familie de vectori este baz¼ a atunci este liniar
independent¼ a şi maximal¼ a.
3. (1.p) S¼ a se arate c¼a orice spaţiu vectorial (V; K) de dimensiune n este
izomorf cu (K n ; K).
4. (1p) Fie U ( ) : V1 ! V2 operator liniar între spaţiile vectoriale (V1 ; K)
şi (V2 ; K). Ar¼ataţi c¼a spaţiile vectoriale V1 = ker U ( ) şi Im U ( )
sunt izomorfe.
5. (1p) Orice familie de vectori proprii corespunz¼ atori la valori proprii
distincte dou¼ a câte dou¼ a este o familie liniar indpendent¼ a.
6. (1p) Teorema Hamilton–Cayley.
160 D. EXEMPLE DE SUBIECTE

7. (1p) S¼a se arate c¼a polinomul caracteristic al unui operator liniar nu

depinde de baza în care este reprezentat operatorul.
8. (1p) Fie U ( ) : V ! V un operator liniar cu proprietatea c¼ a U2 ( ) =
1V ( ) (operatorul identitate).
(a) S¼a se arate c¼
a U ( ) este bijectiv.
(b) Dac¼ a V1 = fx 2 V ; U (x) = xg şi V1 = fx 2 V ; U (x) = xg,
s¼
a se arate c¼a V = V1 V2 .
(2) Fie V0 subspaţiul soluţiilor ecuaţiei
3x y 2z = 0
şi …e operatorul U ( ) : R2 ! R3 , de…nit prin
00 11
x1
x1 x1
U = Pr @@ x2 AA ; 8 2 R2 :
x2 V0 x2
0
Se cere:
a. (0,5p) S¼ a se arate c¼ a U ( ) este operator liniar şi s¼ a se g¼
aseasc¼ a
matricea ataşat¼ a.
b. (0,5p) S¼ a se g¼ asesc¼a câte o baz¼ a pentru imaginea şi pentru nucleul
operatorului.
10. (1p) S¼ a se arate c¼ a, dac¼ a U ( ) : V ! V este o proiecţie, atunci
(2U I) ( ) este o involuţie iar dac¼ a U ( ) este o involuţie atunci
1
2
(U + I) ( ) este o proiecţie (operatorul este involuţie dac¼ a U2 ( ) =
I ( )). 0 1 0 1 0 1
1 2 3
(3) Se dau vectorii: v1 = @ A
2 ; v2 = @ A
3 ; v3 ( ) = @ 7 A;
1 3
a. (0,5p) s¼ a se discute independenţa şi dependenţa familiei în funcţie
de parametrul .
b. (0,5p) în cazul dependenţei liniare s¼ a se g¼ aseasc¼ a dependenţa.
0 1
3
c. (0,5p) S¼ a se exprime vectorii e1 ; e2 ; e3 ; v1 ; v2 ; v3 (1) ; v = @ 1 A în
4
baza B = (v1 ; v2 ; v3 (1)) folosind regula pivotului.
d. (0,5p) S¼ a se a‡e imaginea şi nucleul operatorului U ( ) pentru care
matricea în baza canonic¼ a are coloanele v1 ; v2 ; v3 (2).
e. (0,5p) Fiind daţi un vector şi un subspaţiu, s¼ a se de…neasc¼ a noţiunile:
proiecţie ortogonal¼ a, perpendicular¼ a, distanţ¼ a.
 ¼ LINIARA,
D.10. EXAMEN ALGEBRA ¼ SEPTEMBRIE 2003 161

f. (0,5p) Aplicaţie pentru e1 şi Im U:

12. (0,5p) Pentru operatorul

U ( ) : R3 [X] ! R3 [X] ; U (p) = p0 ;

s¼
a se aduc¼
a la forma canonic¼
a Jordan, s¼
a se a‡e baza Jordan şi s¼
a
se veri…ce formula de schimbare a matricei la schimbarea bazei.
Not¼a: Pentru a … declarat „promovat”la examen (nota 5), studentul
trebuie s¼
a acumuleze minim 2 puncte din subiectele 1–7 şi minim 2 puncte
din subiectele 8–12. Dup¼
a dep¼aşirea pragului minim, punctajul …nal este
dat de suma punctelor acumulate.

D.10. Examen Algebr¼

a Liniar¼
a, septembrie 2003
(1) (a) De…niţii echivalente ale sumei directe de dou¼ a subspaţii. Enunţ
şi demonstraţie.
(b) S¼ a se arate c¼ a inversa unui operator liniar inversabil este
operator liniar.
(2) S¼ a se arate c¼ a dac¼ a o familie de vectori este baz¼ a atunci este liniar
independent¼ a şi maximal¼ a.
(3) S¼ a se arate c¼ a orice spaţiu vectorial (V; K) de dimensiune n este
izomorf cu (K n ; K).
(4) Fie U ( ) : V1 ! V2 operator liniar între spaţiile vectoriale (V1 ; K)
şi (V2 ; K). Ar¼ ataţi c¼a spaţiile vectoriale V1 = ker U ( ) şi Im U ( )
sunt izomorfe.
(5) S¼ a se arate c¼ a orice familie de vectori proprii corespunz¼ atori la
valori proprii distincte dou¼ a câte dou¼ a este o familie liniar indpendent¼a.
(6) Teorema Hamilton–Cayley.
(7) S¼ a se arate c¼ a polinomul caracteristic al unui operator liniar nu
depinde de baza în care este reprezentat operatorul.
(8) Fie U ( ) : V ! V un operator liniar cu proprietatea c¼ a U2 ( ) =
1V ( ) (operatorul identitate).
(a) S¼ a se arate c¼ a U ( ) este bijectiv.
(b) Dac¼ a V1 = fx 2 V ; U (x) = xg şi V1 = fx 2 V ; U (x) = xg,
s¼a se arate c¼ a V = V1 V2 .
(9) Fie V0 subspaţiul soluţiilor ecuaţiei

3x y 2z = 0
162 D. EXEMPLE DE SUBIECTE

şi …e operatorul U ( ) : R2 ! R3 , de…nit prin

00 11
x1
x1 x1
U = Pr @@ x2 AA ; 8 2 R2 :
x2 V0 x2
0
Se cere:
(a) S¼ a se arate c¼ a U ( ) este operator liniar şi s¼ a se g¼
aseasc¼ a
matricea ataşat¼ a.
(b) S¼ a se g¼ asesc¼a câte o baz¼ a pentru imaginea şi pentru nucleul
operatorului.
(10) S¼a se arate c¼ a, dac¼ a U ( ) : V ! V este o proiecţie, atunci
(2U I) ( ) este o involuţie iar dac¼ a U ( ) este o involuţie atunci
1
2
(U + I) ( ) este o proiecţie (operatorul este involuţie dac¼ a U2 ( ) =
I ( )). 0 1 0 1 0 1
1 2 3
(11) Se dau vectorii: v1 = @ 2 A ; v2 = @ 3 A ; v3 ( ) = @ 7 A;
1 3
(a) s¼ a se discute independenţa şi dependenţa familiei în funcţie
de parametrul .
(b) în cazul dependenţei liniare s¼ a se g¼ aseasc¼ a dependenţa.
0 1
3
(c) S¼ a se exprime vectorii e1 ; e2 ; e3 ; v1 ; v2 ; v3 (1) ; v = @ 1 A în
4
baza B = (v1 ; v2 ; v3 (1)) folosind regula pivotului.
(d) S¼ a se a‡e imaginea şi nucleul operatorului U ( ) pentru care
matricea în baza canonic¼ a are coloanele v1 ; v2 ; v3 (2).
(a) Fiind daţi un vector şi un subspaţiu, s¼ a se de…neasc¼ a noţiunile:
proiecţie ortogonal¼ a, perpendicular¼ a, distanţ¼ a.
(b) Aplicaţie pentru e1 şi Im U ( ), unde U ( ) este operatorul de
la pct. 11.d. 0 1
6 6 15
(12) Fie operatorul U ( ) : R3 ! R3 , cu matricea A = @ 1 5 5 A.
1 2 2
(a) S¼ a se a‡e valorile proprii şi vectorii proprii.
(b) S¼ a se a‡e forma canonic¼ a Jordan.
(13) Pentru operatorul de la 13. s¼ a se a‡e o baz¼ a Jordan.
Not¼a: Fiecare subiect este cotat cu un punct, subpunctele sunt notate
cu jum¼atate de punct. Punctajul minim necesar pentru ca examenul s¼ a …e
 ¼ LINIARA,
D.12. EXAMEN (2) ALGEBRA ¼ IANUARIE 2004 163

trecut este de minim 2 puncte din subiectele 1–7 ŞI minim 2 puncte din
subiectele 8–14.

D.11. Examen (1) Algebr¼

a Liniar¼
a, ianuarie 2004
(1) S¼
a se demonstreze teorema Hamilton–Cayley.
(2) S¼
a se arate c¼ a, dac¼a familia (xi )i=1;n este sistem de generatori
pentru spaţiul vectorial de tip …nit (V; K), în care subfamilia
(xi )i=1;k este liniar independent¼a (k n), atunci exist¼
a o baz¼
a
B a lui V astfel încât
fx1 ; ; xk g B fx1 ; ; xn g :
(3) S¼ a se arate c¼
a suma a dou¼ a subspaţii vectoriale este direct¼
a dac¼ a
şi numai dac¼ a dimensiunea sumei subspaţiilor este egal¼ a cu suma
dimensiunilor subspaţiilor.
(4) S¼ a se demonstreze Teorema Fundamental¼ a de Izomor…sm.
(5) Se consider¼ a subspaţiile V1 = Span fp1 ; p2 g şi V2 = Span fp3 ; p5 g.
S¼ a se g¼
aseasc¼ a o baz¼
a a subspaţiului V1 \ V2 .
0 0
(6) Fie U ( ) : C[0;2 ] ! C[0;2 ] o funcţie de…nit¼a prin:
Z2
U (f ( )) (x) = (1 + sin (x t)) f (t) dt; x 2 [0; 2 ] :
0

S¼
a se arate c¼a U ( ) este operator liniar, s¼
a se arate c¼
a Im U ( )
este …nit–dimensional şi s¼
a se a‡e o baz¼
a pentru Im U ( ).
(7) Fie U ( ) : R3 [X] ! R3 [X], de…nit prin U (P ) = P 0 + P . S¼ a se
arate c¼
a U ( ) este izomor…sm şi s¼
a se a‡e operatorul invers.
(8) Pentru operatorul U ( ) de la punctul anterior, s¼ a se a‡e forma
canonic¼a Jordan.
(9) Pentru operatorul U ( ) de la punctul anterior, s¼ a se a‡e o baz¼a
în care operatorul are form¼ a canonic¼
a Jordan.
(10) S¼
a se demonstreze regula paralelogramului:
jjx + yjj2 + jjx yjj2 = 2 jjxjj2 + jjyjj2 8x; y 2 V:
(suma p¼
atratelor diagonalelor este egal¼
a cu suma p¼
atratelor laturilor).

D.12. Examen (2) Algebr¼

a Liniar¼
a, ianuarie 2004
(1) S¼a se arate c¼
a imaginea direct¼a şi preimaginea printr–un operator
liniar a unui subspaţiu liniar este subspaţiu liniar.
164 D. EXEMPLE DE SUBIECTE

(2) Teorema de inerţie (Sylvester).

(3) S¼ a se demonstreze c¼ a dac¼
a operatorul liniar p ( ) : V ! V este
proiecţie, atunci are loc V = p (V) ker p ( ).
(4) S¼ a se arate c¼a într–un spaţiu vectorial euclidian real, lungimea
perpendicularei unui vector pe un subspaţiu vectorial este mai
mic¼ a decât orice oblic¼
a.
(5) S¼ a se arate c¼
a suma a dou¼a subspaţii vectoriale este direct¼
a dac¼
a
şi numai dac¼ a dimensiunea sumei subspaţiilor este egal¼a cu suma
dimensiunilor subspaţiilor.
(6) S¼ a se demonstreze Teorema Fundamental¼ a de Izomor…sm.
(7) Fie V0 subspaţiul vectorial al soluţiilor sistemului
8
< 3x1 + 2x2 + x3 2x4 = 0
5x1 + 4x2 + 3x3 + 2x4 = 0
: x + 2x + 3x + 10x = 0:
1 2 3 4

Se cere1s¼
0 a se determine proiecţia ortogonal¼
a a vectorului x =
3
B 0 C
B C
@ 5 A.
9
(8) S¼
a se discute natura funcţionalei p¼
atratice
q (x) = x21 4x1 x2 + ( + 3) x23
în funcţie de parametrul .
(9) S¼a se demonstreze (folosind suma direct¼ a de subspaţii pe spaţiul
liniar al tuturor funcţiilor de…nite pe [ a; a] cu valori în R) c¼ a
orice funcţie f ( ) : [ a; a] ! R se descompune în mod unic într-o
sum¼ a dintre o funcţie par¼ a şi una impar¼
a.
(10) Pentru operatorul liniar
U1 ( ) : C 1 [a; b] ! C 1 [a; b] ;
de…nit prin
U1 (f ( )) = g1 ( ) ; g1 (x) = xf (x)
s¼
a se caracterizeze valorile proprii şi vectorii proprii.
(11) Pentru operatorul liniar
U2 ( ) : C 1 [a; b] ! C 1 [a; b] ;
 ¼ LINIARA,
D.12. EXAMEN (2) ALGEBRA ¼ IANUARIE 2004 165

de…nit prin

Zx
U2 (f ( )) = g2 ( ) ; g2 (x) = f (t) dt;
a

s¼
a se caracterizeze valorile proprii şi vectorii proprii. 0 1
1 1
0 1
B 2 3 C
B 2 1 0 0 C
aA = B
(12) Pentru operatorul U ( ) care are matricea ataşat¼ B 3
C,
C
@ 0 2 12 A
2
0 0 0 2
s¼
a se a‡e forma canonic¼ a Jordan.
(13) Pentru operatorul U ( ) de la punctul anterior, s¼
a se a‡e o baz¼
a
în care operatorul are form¼a canonic¼
a Jordan.
166 D. EXEMPLE DE SUBIECTE

Algoritm pentru aducerea unui operator la forma canonic¼

a
Jordan
(1) Se g¼
aseşte matricea ataşat¼a operatorului în baza iniţial¼
a (canonic¼ a)
(2) Se rezolv¼a (în C) ecuaţia caracteristic¼
a det (A I) = 0 şi se reţin
toate r¼
ad¼acinile j 2 C, j = 1; k, cu ordinele de multiplicitate nj ,
Pk
nj = n.
j=1
Pentru …ecare r¼ ad¼acin¼a j (de multiplicitate nj ) obţinut¼
a la
pasul 2.:
nj
(3) Se calculeaz¼ a spaţiul V j = ker (U j I) ( ).
(4) Se calculeaz¼ a restricţia Uj ( ) a operatorului U ( ) la subspaţiul
V j , Uj ( ) : V j ! V j ; Uj (x) = U (x) ; 8x 2 V j .
(5) Se calculeaz¼ a operatorul nilpotent Nj ( ) : V j ! V j , de…nit
prin: Nj (x) = Uj (x) j I (x) = (Uj j I) (x), 8x 2 V .
j

(6) Se calculeaz¼ a şirul de nuclee:

r 1 r
f0g = ker Nj0 ( ) ker Nj ( ) ker Nj2 ( ) ker Nj j () ker Nj j ( ) = V j ;
se calculeaz¼
a
rj = min dim ker Njk ( ) = dim V j
= nj
k

şi pentru …ecare k = 1; rj , se consider¼

a descompunerea

ker Njk ( ) = ker Njk 1

() Qjk ;

(7) Se calculeaz¼ a mjk = dim ker Njk ( ), k = 0; rj

(8) Se calculeaz¼ a qkj = dim Qjk = mjk mjk 1 ; k = 1; rj
(9) Se calculeaz¼ a
j
p1 = mrj mjrj 1 = qrjj ,
j

pj2 = qrjj 1 pj1 ,

pj3 = qrjj 2 qrjj 1 = qrjj 2 pj1 pj2

a f1j ;
a în Qjrj , notat¼
(10) Se alege o baz¼ fpjj ; se consider¼
a vectorii
1

fpjj +1 ; fpjj +pj

1 1 2
 ¼ LINIARA,
D.12. EXAMEN (2) ALGEBRA ¼ IANUARIE 2004 167

a sistemul liniar independent Nj f1j ;

care completeaz¼ ; Nj fpjj
1
pân¼ a a lui Qjrj
a la o baz¼ 1 ; se continu¼
a acest procedeu pân¼
a se
obţine structura:

f1j ; fpjj baz¼

a în Qjr
1

Nj f1j ; ;N fpjj ; fpjj +1 ; fpjj +pj baz¼

a în Qjrj 1
1 1 1 2

Nj2 f1j ; ; Nj2 fpjj ; Nj fpjj +1 ; ; Nj fpjj +pj ; fpjj +pj +1 ; ; fpjj +pj +pj
1 1 1 2 1 2 1 2 3
baz¼ a în Qjr 2 ,
:::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::
r 1 r 1 r 2 r 2
Nj j f1j ; ; Nj j fpjj ; Nj j fpjj +1 ; ; Nj j fpjj +pj ; ;
1 1 1 2
; fpjj + +pj ; ; fpjj + +pj j baz¼
a în Qj1 = ker Nj ( ).
1 r j 1 +1 1 r j 1 +prj

Baza Jordan se obţine prin ordonarea vectorilor de mai sus

în felul urm¼ ator: se aleg vectorii pe coloan¼
a, de jos în sus –
pentru …ecare vector, de la exponentul maxim al operatorului la
exponentul minim – de exemplu, pentru prima coloan¼ a (primul
vector, f1j ):
r 1 r 2
Nj j f1j ; Nj j f1j ; ; Nj f1j ; f1j
(11) În …nal se obţine în aceast¼
a baz¼
a (de fapt reper, pentru c¼ a ordinea
vectorilor în baz¼a este important¼a) pj1 celule de ordin rj , pj2 celule
de ordin rj 1, etc.
 Indice

aplicatie liniara, 5 forma canonic¼ a

Metoda Gauss, 66
baz¼
a Metoda Jacobi, 69
de…niţii echivalente, 17 Formula lui Grassmann, 49
existenţa, 18 funcţii Hamel, 62
baza, 18 functionala, 57
duala, 43 aditiva, 57
baz¼
a liniara, 6
ortonormal¼ a, 77 omogena, 57
pozitiv omogena, 57
combinatie subaditiva, 57
liniara, 6 subomogena, 57
complexi…cat, 16 !-pozitiv omogen¼ a, 57
con pozitiv, 58 !-seminorma, 57
cosinusul unghiului dintre doi vectori, funcţional¼
a
73 biliniar¼
a, 62
simetric¼a, 62
determinant biliniar¼
a simetric¼ a polar¼
a, 65
Gram, 80 p¼atratic¼
a, 65
dimensiune form¼a canonic¼ a, 65
algebric¼
a, 92
geometric¼ a, 92 inegalitate
direcţie tare între vectori, 109
invariant¼a, 90 inegalitatea
distanţa dintre perpendicular¼ a şi oblic¼
a, 86
de la un vector la o mulţime, 84 dintre volum si produsul lungimilor
dintre doi vectori, 75 laturilor, 81
dual triunghiului, 75
algebric, 6 izomor…sm, 6
relaţie de echivalenţ¼
a, 12
ecuaţie
caracteristic¼
a, 91 Jordan
Ecuaţia lui Cauchy, 61 bloc, 89
169
170 INDICE

celul¼
a, 89 nucleul, 12
matrice, 89 propriet¼
aţi, 11

Lema polinom
substitutiei, 38 caracteristic, 91
liniar cel mai mare divizor comun, 94
dependenta, 7 ponderi, 6
independenta, 7 produs scalar, 73
proiecţia
matrice unui vector pe un subspaţiu, 82
de trecere intre baze, 27 proiector, 82
Jordan, 89
productiv¼ a, 109 regula dreptunghiului, 30
matricea regula paralelogramului, 75
funcţionalei biliniare, 62 regula pivotului, 29
unui operator, 42 reper, 18
modelul Leontie¤, 110
mor…sm, 5 schema
bijectiv, 6 de schimbare de baza, 28
mulţime seminorma, 57
factor, cât, 51 sistem
mulţime de generatori, 10
complement ortogonal, 76 spaţiu
mulţimi vectorial
ortogonale, 76 factor, cât, 52
reguli de calcul, 11
norm¼a euclidian¼a, 73 spaţiu vectorial
nucleul coordonatele unui vector într-o baz¼ a,
funcţionalei biliniare simetrice, 64 21
dimensiunea, 21
omotetie, 1 spatiu
operator vectorial, 1
adjunct, 104 de tip …nit, 18
antiautoadjunct, 107 de tip in…nit, 18
autoadjunct, 106 spaţiu vectorial
nilpotent, 95 euclidian, 73, 74
normal, 105 subspaţii
unitar, 107 relaþia de echivalenþ¼a de…nit¼
a de relaţia
operator liniar, 5 de echivalenţ¼
a de…nit¼
a de, 50
rangul, 43 subspaţiu
operatori invariant, 89
liniari propriu, 91
imaginea, 12 subspatii
liniaritatea compunerii, 12 codimensiune, 48
liniaritatea inversului, 12 intersectie, 45
 INDICE 171

suma, 45
suma directa, 47, 49
de…nitii echivalente, 46, 48
suplimentare, 47
subspatiu, 4
suma ponderata, 6

Teorema
asupra dimensiunii spaţiului factor,
53
de inerţie Sylvester, 71
de ortogonalizare Gram-Schmidt, 78
forma canonic¼ a a operatorilor nilpotenţi,
97
fundamental¼ a de izomor…sm, 52
Hahn-Banach de prelungire, 58
Hamilton-Cayley, 93
I de izomor…sm, 52
II de izomor…sm, 53
Perron-Frobenius, 110
Pitagora generalizat¼ a, 75
reducerea unui operator la operatori
nilpotenţi, 95
schimbului, Steinitz, 19
structura unui operator normal real,
105

valoare
proprie, 90
vector
propriu, 90
vectori, 1
ortogonali, 73, 74
volumul k-dimensional al paralelipipedului,
80
 Bibliogra…e

[1] Becheanu, M; Dinc¼ a, A; Ion, I. D.; Niţ¼

a, C.; Purdea, I.; Radu, N.; Ştef¼ anescu, M.;
Vraciu, C.: Algebr¼ a pentru perfecţionarea profesorilor, Editura Didactic¼ a şi
Pedagogic¼ a, Bucureşti, 1983.
[2] Bellman, Richard: Introducere în analiza matricial¼ a, (traducere din limba
englez¼a), Editura Tehnic¼ a, Bucureşti, 1969. (Titlul original: Introduction to
Matrix Analysis, McGraw-Hill Book Company, Inc., 1960)
[3] Bourbaki, N.: Élements de mathematique, Paris, Acta Sci. Ind. Herman, Cie,
1953.
[4] Burlacu, V., Cenuş¼ a, Gh., S¼acuiu, I., Toma, M.: Curs de Matematici, Academia
de Studii Economice, Facultatea de Plani…care şi Cibernetic¼ a Economic¼ a,
remultiplicare, uz intern, Bucureşti, 1982.
[5] Chiţescu, I.: Spaţii de funcţii, Editura ştiinţi…c¼ a şi enciclopedic¼a, Bucureşti,
1983.
[6] Colojoar¼ a, I.: Analiza matematic¼ a Editura didactic¼ a şi pedagogic¼a, Bucureşti,
1983.
[7] Cr¼aciun, V. C.: Exerciţii şi probleme de analiz¼ a matematic¼ a, Tipogra…a
Universit¼aţii Bucureşti, 1984.
[8] Cristescu, R.: Analiza funcţional¼ a, Editura ştiinţi…c¼ a şi enciclopedic¼ a,
Bucureşti, 1983.
[9] Dr¼aguşin, C., Dr¼ aguşin, L., Radu, C.: Aplicaţii de algebr¼ a, geometrie şi
matematici speciale, Editura Didactic¼ a şi Pedagogic¼ a, Bucureşti, 1991.
[10] Glazman, I. M., Liubici, I. U.: Analiza liniar¼ a pe spaţii …nit dimensionale,
Editura Ştiinţi…c¼
a şi Enciclopedic¼a, Bucureşti, 1980.
[11] Holmes, Richard, B.: Geometric Functional Analysis and its Applications
[12] Guerrien, B.: Algebre lineare pour economistes, Economica, Paris, 1991.
[13] Ion D. Ion; Radu, N.: Algebr¼ a, Editura Didactic¼ a şi Pedagogic¼ a, Bucureşti, 1991.
[14] Kurosh, A.: Cours d’algèbre supérieure, Editions MIR, Moscou, 1980.
[15] McFadden, Daniel: Curs Economics 240B (Econometrics), Second Half, 2001
(class website, PDF)
[16] Monk, J., D.: Mathematical Logic, Springer-Verlag, 1976.
[17] R¼adulescu, M., R¼ adulescu, S.: Teoreme şi probleme de Analiz¼ a Matematic¼ a,
Editura didactic¼ a şi Pedagogic¼ a, Bucureşti, 1982.
[18] Rockafellar, R.,Tyrrel: Convex Analysis, Princeton, New Jersey, Princeton
University Press, 1970.

173
174 BIBLIOGRAFIE

[19] Saporta, G., Ştef¼ anescu, M. V.: Analiza datelor şi informatic¼a –cu aplicaţii
la studii de piaţ¼ a şi sondaje de opinie-, Editura economic¼
a, 1996.
[20] Şabac, I. Gh.: Matematici speciale, vol I, II, Editura didactic¼ a şi pedagogic¼
a,
Bucureşti, 1981.
[21] Şilov, G. E.: Analiz¼ a matematic¼ a (Spaţii …nit dimensionale), Editura
ştiinţi…c¼
a şi enciclopedic¼a, Bucureşti, 1983.