Documente Academic
Documente Profesional
Documente Cultură
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
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.
1.1.3. Exerciţiu. S¼
a se arate c¼
a într–un monoid (cu element neutru)
elementul neutru este unic.
0 1
x1
Rn = f@ ... A ; xi 2 R; i = 1; ng:
xn
1.1. INTRODUCERE 3
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
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
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
i xi = 0;
i=1
care este privit¼
a ca o ecuaţie vectorial¼
a în necunoscutele 1, , n.
1.1. INTRODUCERE 9
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:
T
1.2.10. Observaţie. span (xi )i=1;n = V0 (este cel mai mic
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.
1.4. 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
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
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 :
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
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
i ui = i ui ) ( i i ) ui =0
i=1 i=1 i=1
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
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
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
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
(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
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
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
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
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
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 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
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
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.
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
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
Demonstraţie. Evident
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
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
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
! „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
= 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
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
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
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
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).
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
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
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 .
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.
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
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
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 :
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
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.
5.3. 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
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
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 :
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
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
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.
(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
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
1 1 1
(A I) = B = B ;
det (A I) P( )
P ( ) I = (A I) B
n n 1
( 0 + 1 + + n ) I = (A I) B0 + B1 + + Bn 1 ;
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
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
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
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
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
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
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
se calculeaz¼
a
a f1j ;
a în Qjrj , notat¼
(10) Se alege o baz¼ fpjj ; se consider¼
a vectorii
1
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
q
reprezint¼
a o omotetie de coe…cient 2
j + 2
j şi o rotaţie de unghi arccos p j
2+ 2
:
j j
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
6.4.19. 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
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
(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=
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
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
Demonstraţie. Exerciţiu.
Matrici
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
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
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
1; aij bij
A: B = C; cij = ; 8i = 1; n; j = 1; m
0; aij 6 bij
A 0
A B=
0 B
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
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
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
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
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
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)
V = W1
(k;r)
1
U = AV D
(m;r)
148 C. MATRICI
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)
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
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)
Exemple de subiecte
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.
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.
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.
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.
3x y 2z = 0
162 D. EXEMPLE DE SUBIECTE
trecut este de minim 2 puncte din subiectele 1–7 ŞI minim 2 puncte din
subiectele 8–14.
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).
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
a f1j ;
a în Qjrj , notat¼
(10) Se alege o baz¼ fpjj ; se consider¼
a vectorii
1
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
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
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.