UNIVERSITATEA POLITEHNICA TIMIŞOARA

ALGEBRĂ LINIARĂ ŞI GEOMETRIE

DIFERENŢIALĂ

Note de curs

Anania Gı̂rban

c 2018 Anania Gı̂rban

2018
Cuprins

Capitolul 1
RECAPITULARE 1
1.1 Polinoame . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Grupuri . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Corpuri . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

Capitolul 2
SPAŢII VECTORIALE 7
2.1 Dependenţa şi independenţa liniară. Sistem de generatori . . . . . . . . . . . 9
2.2 Bază. Dimensiune . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3 Schimbări de baze . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.4 Subspaţii vectoriale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.5 Întrebări de verificare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

Capitolul 3
APLICAŢII LINIARE 36
3.1 Nucleul şi imaginea unei aplicaţii liniare . . . . . . . . . . . . . . . . . . . . 40
3.2 Matricea unei aplicaţii liniare . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.3 Vectori şi valori proprii ai unui operator liniar . . . . . . . . . . . . . . . . . 48
3.3.1 Determinarea vectorilor şi valorilor proprii ai unui operator liniar . . 50
3.4 Întrebări de verificare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62

Capitolul 4
FORME BILINIARE. FORME PĂTRATICE 63
4.1 Forme biliniare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
4.2 Forme pătratice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
4.2.1 Forma canonică a unei forme pătratice . . . . . . . . . . . . . . . . . 74
4.3 Întrebări de verificare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79

Capitolul 5
SPAŢII VECTORIALE EUCLIDIENE 81
5.1 Procedeul de ortonormare Gram-Schmidt . . . . . . . . . . . . . . . . . . . . 84

2
CUPRINS 3

5.2 Vectori liberi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87

5.3 Planul . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
5.4 Dreapta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
5.5 Simetricul unui punct faţă de un plan . . . . . . . . . . . . . . . . . . . . . . 98
5.6 Simetricul unui punct faţă de o dreaptă . . . . . . . . . . . . . . . . . . . . . 100
5.7 Probleme de distanţă . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102

Capitolul 6
GEOMETRIA DIFERENŢIALĂ A CURBELOR ŞI SUPRAFEŢELOR
DIN E3 103
6.1 Elemente de geometrie diferenţială a curbelor . . . . . . . . . . . . . . . . . 103
6.1.1 Triedrul lui Frenet ı̂ntr-un punct regulat al unei curbe ı̂n E3 . . . . . 104
6.1.2 Unghiul a două curbe . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
6.2 Elemente de geometrie diferenţială a
suprafeţelor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
6.2.1 Planul tangent şi normala ı̂ntr-un punct regulat al unei suprafeţe ı̂n E3 114
6.2.2 Prima formă fundamentală a unei suprafeţe ı̂n E3 . . . . . . . . . . . 118

Capitolul 7
CONICE ŞI CUADRICE 124
7.1 Conice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
7.1.1 Cercul . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
7.1.2 Elipsa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
7.1.3 Hiperbola . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
7.1.4 Parabola . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
7.2 Cuadrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
7.2.1 Elipsoidul . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
7.2.2 Hiperboloidul . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
7.2.2.1 Hiperboloidul cu o pânză . . . . . . . . . . . . . . . . . . . 129
7.2.2.2 Hiperboloidul cu două pânze . . . . . . . . . . . . . . . . . 130
7.2.3 Paraboloidul . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
7.2.3.1 Paraboloidul eliptic . . . . . . . . . . . . . . . . . . . . . . . 130
7.2.3.2 Paraboloidul hiperbolic . . . . . . . . . . . . . . . . . . . . 131
7.2.4 Conul . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
7.2.5 Cilindrul . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
7.2.5.1 Cilindrul eliptic . . . . . . . . . . . . . . . . . . . . . . . . . 132
7.2.5.2 Cilindrul hiperbolic . . . . . . . . . . . . . . . . . . . . . . . 133
7.2.5.3 Cilindrul parabolic . . . . . . . . . . . . . . . . . . . . . . . 134

Capitolul 8
MODEL SUBIECT DE EXAMEN 135
8.1 Model subiect de examen ETC . . . . . . . . . . . . . . . . . . . . . . . . . 135
8.2 Model subiect de examen ET+EE, INFO, CT . . . . . . . . . . . . . . . . . 137
CAPITOLUL 1
RECAPITULARE

1.1 Polinoame
Notăm cu C[X] mulţimea şirurilor (infinite) de numere complexe

f = (a0 , a1 , a2 , . . . , an , . . .), ai ∈ C, i = 1, n

care au numai un număr finit de termeni nenuli (∃m ∈ N a.ı̂. ai = 0 (∀)i > m).

Exemplul 1.1.
f1 = (0, 1, −5, 0, . . . , 0, . . .) ∈ C[X] pentru că are 2 termeni nenuli.
f2 = (1, 0, 3, 0, 5, 0, . . . , 0, 2n+1, 0, . . .) ∈
/ C[X] pentru că are o infinitate de termeni
nenuli.

Pe mulţimea C[X] definim două operaţii interne:

(∀) f, g ∈ C[X], unde
f = (a0 , a1 , a2 , . . . , an , 0, . . .)

g = (b0 , b1 , b2 , . . . , bm , 0, . . .)

• Adunarea
f + g = (a0 + b0 , a1 + b1 , a2 + b2 , . . . , an + bn , . . .)

• Înmulţirea
f · g = (c0 , c1 , c2 , . . . , cn , . . .)
 2

unde
c0 = a0 b0
c1 = a0 b1 + a1 b0
c2 = a0 b2 + a1 b1 + a2 b0
...
n
P
cn = a0 bn + a1 bn−1 + . . . + an b0 = ai bn−i
i=0

• Înmulţirea cu scalar

αf = (αa0 , αa1 , . . . , αan , . . .), (∀)α ∈ C

Definiţia 1.1.

1) Orice element din C[X] pe care sunt definite cele trei operaţii se numeşte poli-
nom cu coeficienţi complecşi.

2) a0 , a1 , . . . , an ∈ C se numesc coeficienţii polinomului

f = (a0 , a1 , a2 , . . . , an , 0, . . .).

3) n se numeşte gradul polinomului f (an 6= 0, (∀) m > n, am = 0).

Observaţia 1.1. Analog

Z[X] este mulţimea polinoamelor cu coeficienţi ı̂ntregi.
Q[X] este mulţimea polinoamelor cu coeficienţi raţionali.
R[X] este mulţimea polinoamelor cu coeficienţi reali.
şi au loc incluziunile:

Z[X] ⊂ Q[X] ⊂ R[X] ⊂ C[X].

 3

C[X] ı̂n raport cu adunarea şi ı̂nmulţirea polinoamelor este un inel unitar cu
(0, 0, . . . , 0, . . .) elementul neutru faţă de adunare şi
(1, 0, . . . , 0, . . .) elementul neutru faţă de ı̂nmulţire.
Forma algebrică a polinoamelor

Definiţia 1.2. Vom numi polinomul

X =not (0, 1, 0, . . . , 0, . . .) ∈ C[X]

nedeterminata X.

Aplicând regula de ı̂nmulţire a două polinoame obţinem puterile lui X:

X 2 = (0, 0, 1, 0, . . . , 0, . . .)
X 3 = (0, 0, 0, 1, 0, . . . , 0, . . .)
X n = (0| .{z
. . 0}, 1, 0, . . . , 0, . . .)
n−ori
şi notăm
X 0 =not (1, 0, . . . , 0, . . .).
Convenim de asemenea să notăm polinomul constant
αX 0 = (α, 0, . . . , 0, . . .) =not α, (∀)α ∈ C.
Folosind acum cele trei operaţii definite pe C[X], putem scrie orice polinom f ∈ C[X],
f = (a0 , a1 , a2 , . . . , an , 0, . . .) sub forma:

f = a0 + a1 X + a2 X 2 + . . . + an X n ,

adică forma cunoscută pentru polinoame.

Observaţia 1.2. Într-un polinom, nedeterminata X NU este o variabilă ci o notaţie

consacrată pentru şirul de numerere complexe
(0, 1, 0, . . . , 0, . . .) la fel cum, de exemplu, cu R notăm numerele reale.
 4

Problemă:
Dacă X este un şir, de ce spunem că polinomul X − 1 are rădăcina 1?

Răspuns:
Oricărui polinom f = a0 + a1 X + a2 X 2 + . . . + an X n i se asociază o funcţie F : C → C,

F (x) = a0 + a1 x + a2 x2 + . . . + an xn

unde x ∈ C este argumentul funcţiei F şi ia valori numerice şi definim:

Definiţia 1.3. Fie x0 ∈ C, atunci:

1) F (x0 ) se numeşte valoarea polinomului f ı̂n punctul x0 .

2) x0 se numeşte rădăcina polinomului f dacă F (x0 ) = 0

Vom nota ı̂n tot ce urmează

Rn [X] mulţimea polinoamelor cu coeficienţi reali de grad cel mult n şi
Cn [X] mulţimea polinoamelor cu coeficienţi complecşi de grad cel mult n.
 5

1.2 Grupuri
Fie G o mulţime nevidă şi ∗ o lege de compoziţie internă definită pe G.

Definiţia 1.4. (G, ∗) se numeşte grup dacă

G1) (∀)x, y, z ∈ G, x ∗ (y ∗ z) = (x ∗ y) ∗ z

G2) (∃)e ∈ G a.ı̂. (∀)x ∈ G, x ∗ e = e ∗ x = x

G3) (∀)x ∈ G (∃)x0 ∈ G a.ı̂. x ∗ x0 = x0 ∗ x = e.

Dacă ı̂n plus are loc şi:

G4) (∀)x, y ∈ G, x ∗ y = y ∗ x
atunci (G, ∗) se numeşte grup comutativ sau abelian.

Exemplul 1.2.
(R, +), (C, +) cu adunarea numerelor reale sau complexe
(R[X], +) cu adunarea polinoamelor
(Mm,n (R), +) cu adunarea matricelor
 6

1.3 Corpuri
Fie K o mulţime nevidă şi + şi · două legi de compoziţie interne definite pe K.

Definiţia 1.5. (K, +, ·) se numeşte corp dacă

C1) (K, +) este grup abelian

C2) (K, ·) este grup

C3) · este distributivă faţă de +, adică (∀)x, y, z ∈ K au loc:

x · (y + z) = x · y + x · z,
(x + y) · z = x · z + y · z.
Dacă ı̂n plus are loc şi:

C4) (∀)x, y ∈ K, x · y = y · x
atunci (K, +, ·) se numeşte corp comutativ sau abelian.

Exemplul 1.3.
(R, +, ·), (C, +, ·) cu adunarea şi ı̂nmulţirea numerelor reale sau complexe
(R[X], +, ·) cu adunarea şi ı̂nmulţirea polinoamelor
(Mm,n (R), +, ·) cu adunarea şi ı̂nmulţirea matricelor
CAPITOLUL 2
SPAŢII VECTORIALE

Fie (K, +, ·) un corp comutativ. Notăm cu 0 elementul neutru faţă de adunare şi cu 1
elementul neutru faţă de ı̂nmulţire.
Fie V o mulţime nevidă şi + şi · două legi de compoziţie, una internă (+ : V × V → V )
şi una externă (· : K × V → V ) definite pe V .

Definiţia 2.1. (V /K, +, ·) se numeşte spaţiu vectorial peste corpul de scalari

K dacă

SV1) (V, +) este grup abelian

SV2) α · (β · v̄) = (α · β) · v̄, (∀)α, β ∈ K, (∀)v̄ ∈ V

SV3) α · (ū + v̄) = α · ū + α · v̄, (∀)α ∈ K, (∀)ū, v̄ ∈ V

SV4) (α + β) · v̄ = α · v̄ + β · v̄, (∀)α, β ∈ K, (∀)v̄ ∈ V

SV5) 1 · v̄ = v̄, (∀)v̄ ∈ V .

Elementele lui V se numesc vectori.

Elementele lui K se numesc scalari.
 8

Observaţia 2.1. Notăm cu · şi ı̂nmulţiea a doi scalari şi ı̂nmulţiea unui vector cu
un scalar fără pericol de confuzie deoarece vectorii ı̂i vom nota ı̂ntotdeauna cu bară
deasupra şi cu + atât adunarea a doi vectori cât si adunarea a doi scalari din acelaşi
motiv.

Propoziţia 2.1. Dacă (V /K, +, ·) este un spaţiu vectorial peste corpul de scalari K
atunci au loc:

1) 0 · v̄ = 0̄, (∀)v̄ ∈ V

2) (−1)v̄ = −v̄, (∀)v̄ ∈ V

3) α · 0̄ = 0̄, (∀)α ∈ K.

Exemplul 2.1.

• (Cn /C, +, ·) unde pe mulţimea

Cn = {(a1 , a2 , . . . , an )|ai ∈ C, i = 1, n}
introducem o operaţie internă:
(a1 , a2 , . . . , an ) + (b1 , b2 , . . . , bn ) =def (a1 + b1 , a2 + b2 , . . . , an + bn )
şi o operaţie externă:
α · (a1 , a2 , . . . , an ) =def (α · a1 , α · a2 , . . . , α · an )

• (R[X]/R, +, ·) cu adunarea polinoamelor şi ı̂nmulţirea unui polinom cu un număr

real

• (Mm,n (R)/R, +, ·) cu adunarea matricelor şi ı̂nmulţirea matricelor cu un număr

real
 9

2.1 Dependenţa şi independenţa liniară. Sistem de

generatori
Fie (V /K, +, ·) un spaţiu vectorial peste corpul de scalari K şi
S = {v̄1 , v̄2 , . . . , v̄n } ⊂ V un sistem (mulţime) finit de vectori din V .

Definiţia 2.2.

• Fie scalarii α1 , α2 , . . . , αn ∈ K. Atunci vectorul v̄ ∈ V :

v̄ = α1 · v̄1 + α2 · v̄2 . . . + αn · v̄n (2.1)

se numeşte o combinaţie liniară a vectorilor lui S.

• Scalarii α1 , α2 , . . . , αn ∈ K se numesc coeficienţii combinaţiei liniare (2.1).

Exemplul 2.2.

• Vectorul nul 0̄ este ı̂ntotdeauna o combinaţie liniară a vectorilor oricărui sistem

de vectori S pentru că (∃)0 ∈ K a. ı̂.

0̄ = 0 · v̄1 + 0 · v̄2 + . . . + 0 · v̄n .

• Vectorul
v̄ = 1v̄1 + 2v̄2 . . . + nv̄n

este o combinaţie liniară a vectorilor lui S.

Definiţia 2.3.

• Sistemul de vectori S se numeşte liniar dependent dacă vectorul nul este o

 10

combinaţie liniară a vectorilor v̄1 , v̄2 , . . . v̄n cu cel puţin un coeficient nenul, adică
(∃)i ≤ n, αi 6= 0 a.ı̂.:

0̄ = α1 · v̄1 + α2 · v̄2 + . . . + αn · v̄n (2.2)

• Relaţia (2.2) se numeşte relaţia de dependenţă a vectorilor

v̄1 , v̄2 , . . . v̄n .

• Sistemul de vectori S se numeşte liniar independent dacă nu este liniar de-

pendent, adică:

0̄ = α1 · v̄1 + α2 · v̄2 + . . . + αn · v̄n ⇔ a1 = a2 = . . . = an = 0.

• Sistemul de vectori S se numeşte liniar independent maximal dacă (∀v) ∈

V ⇒ S ∪ {v̄} este liniar dependent, adică conţine cel mai mare număr de vectori
liniari independenţi din V .

Observaţia 2.2. Sistemul S este liniar dependent dacă există cel puţin un vector din
S care este o combinaţie liniară de ceilalţi vectori din S:

0̄ = α1 · v̄1 + α2 · v̄2 + . . . + αn · v̄n ⇒ (∃)αi 6= 0 ⇒

α1 α2 αi−1 αi+1
v̄i = · v̄1 + · v̄2 + . . . + · v̄i−1 + · v̄i+1 + . . . + αn · v̄n .
αi αi αi αi

Exemplul 2.3.

• Sistemul format doar din vectorul nul, S = {0̄} este liniar dependent pentru că
(∀)α 6= 0 ∈ K avem că:
0̄ = α · 0̄.
 11

• Sistemul format dintr-un singur vector nenul, S = {v̄}, v̄ 6= 0̄ este liniar inde-
pendent pentru că:
0̄ = α · v̄ ⇔ α = 0.

Exemplul 2.4. Să se găsească relaţia de dependenţă a vectorilor sisitemului

S = {v̄1 = (1, −2), v̄2 = (−1, 3), v̄3 = (0, 1), v̄4 = (1, −1)}.

Soluţie. Pentru a găsi relaţia de dependenţă ı̂ntre vectorii v̄1 , v̄2 , v̄3 , v̄4 şi anume

0̄ = α1 · v̄1 + α2 · v̄2 + α3 · v3 + α4 · v̄4 (2.3)

va trebui să determinăm scalarii α1 , α2 , α3 , α4 care verifică această relaţie. Înlocuind vectorii
v̄1 , v̄2 , v̄3 , v̄4 ı̂n relaţia (2.3) obţinem

(0, 0) = α1 (1, −2) + α2 (−1, 3) + α3 (0, 1) + α4 (1, −1)

= (α1 − α2 + α4 , −2α1 + 3α2 + α3 − α4 ),

relaţie echivalentă cu sistemul omogen

(
α1 − α2 + α4 = 0
−2α1 + 3α2 + α3 − α4 = 0.

Matricea sistemului este

α1 α2 α3 α4
" #
1 −1 |0 1
A=
−2 3 |1 −1
 
 0 1 
cu   minor principal ⇒

 1 −1 
α3 , α4 necunoscute principale
α1 , α2 necunoscute secundare.
Trecem necunoscutele secundare ı̂n partea dreaptă a semnului “=” şi sistemul va fi echiva-
 12

lent cu ( (
α4 = −α1 + α2 α3 = α1 − 2α2
⇔
α3 − α4 = 2α1 − 3α2 α4 = −α1 + α2 .

Înlocuim α3 şi α4 ı̂n relaţia de dependenţă (2.3):

(0, 0) = α1 v̄1 + α2 v̄2 + (α1 − 2α2 )v̄3 + (−α1 + α2 )v̄4

= α1 (v̄1 + v̄3 − v̄4 ) + α2 (v̄2 − 2v̄3 + v̄4 )

echivalent cu ( (
v̄1 + v̄3 − v̄4 = 0̄ v̄1 = −v̄3 + v̄4
⇔
v̄2 − 2v̄3 + v̄4 = 0̄ v̄2 = 2v̄3 − v̄4 .

Observaţia 2.3. Relaţia de dependenţă poate ı̂nsemna un sistem de relaţii liniare

ı̂ntre vectorii sistemului liniar dependent.

Observaţia 2.4. În probleme pentru a studia liniar dependenţa unui sistem de vectori
vom folosi Criteriul pracic 2.1.

Definiţia 2.4. Sistemul de vectori S se numeşte sistem de generatori pentru spaţiul

vectorial V dacă orice vector din V se poate scrie ca o combinaţie liniară de vectori
din S (S ⊂ V generează pe V ), adică (∀)v̄ ∈ V , (∃)α1 , α2 , . . . , αn ∈ K a.ı̂.:

v̄ = α1 · v̄1 + α2 · v̄2 + . . . + αn · v̄n .

Exemplul 2.5. Fie V = R3 , K = R, S = {ē1 = (1, 0, 0), ē2 = (0, 1, 0), ē3 =
(0, 0, 1)} ⊂ R3 . Arătăm că orice vector din R3 , v̄ = (x, y, z), x, y, z ∈ R este gen-
 13

erat (se poate scrie ca o combinaţie liniară) de cei trei vectori din S, ē1 , ē2 , ē3 :

v̄ = (x, y, z) = (x, 0, 0) + (0, y, 0) + (0, 0, z)

= x · (1, 0, 0) + y · (0, 1, 0) + z · (0, 0, 1) = x · ē1 + y · ē2 + z · ē3 , x, y, z ∈ R.

Am arătat ca o infinitate de vectori cât conţine spaţiul R3 sunt toţi generaţi de cei
trei vectori din S, adică S este sistem de generatori pentru R3 .

Observaţia 2.5. La fel ca şi ı̂n cazul liniar dependenţei unui sistem de vectori şi
pentru a studia dacă un sistem de vectori este sistem de generatori pentru un spaţiu
vectorial (V /K, +, ·) vom folosi Criteriul pracic 2.1.
 14

2.2 Bază. Dimensiune

Fie (V /K, +, ·) un spaţiu vectorial peste corpul de scalari K,
B = {v̄1 , v̄2 , . . . , v̄n } ⊂ V un sistem finit de vectori din V şi
α1 , α2 , . . . , αn ∈ K scalari din corpul K.

Definiţia 2.5. Sistemul de vectori B se numeşte bază pentru spaţiul vectorial (V /K, +, ·)
dacă:

B1) B este liniar independent

B2) B este sistem de generatori pentru V .

Exemplul 2.6. Bazele canonice. Baza ı̂ntr-un spaţiu vectorial nu este unică şi de aceea
se alege o anumită bază de referinţă pe care o vom numi baza canonică, o vom nota Bc ,
iar vectorii săi ı̂i vom nota cu ēi sau Ēi :
În spaţiul vectorial R2 ,

Bc =def {ē1 = (1, 0), ē2 = (0, 1)}

În spaţiul vectorial R3 ,

Bc =def {ē1 = (1, 0, 0), ē2 = (0, 1, 0), ē3 = (0, 0, 1)}

În spaţiul vectorial Rn ,

Bc =def {ē1 = (1, 0, . . . , 0), ē2 = (0, 1, 0, . . . , 0), . . . , ēn = (0, . . . , 0, 1)}

În spaţiul vectorial R1 [X],

Bc =def {ē1 = X, ē2 = 1}

În spaţiul vectorial R2 [X],

Bc =def {ē1 = X 2 , ē2 = X, ē3 = 1}

 15

În spaţiul vectorial Rn [X],

Bc =def {ē1 = X n , ē2 = X n−1 , . . . , ēn = X, en+1 = 1}

În spaţiul vectorial M2 [C],

( " # " # " # " #)
1 0 0 1 0 0 0 0
Bc =def Ē1 = , Ē2 = , Ē3 = , Ē4 =
0 0 0 0 1 0 0 1

În spaţiul vectorial M3,1 [C],

      


 1 0 0 
     
Bc =def Ē1 =  0
  , Ē2 =  1  , Ē3 =  0 
    

 
 0 0 1 

În spaţiul vectorial Mm,n [C],

      

 1 ... 0 0 1 ... 0 0 ... 0 

. .. .
      
Bc = def
Ē1 =  ..  , Ē2 =  .  , . . . , Ēm·n = .. 
      
 
 0 ... 0 0 0 ... 0 0 ... 1 

Observaţia 2.6. Să observăm că baza canonică ı̂n

Rn are n vectori,
Rn [X] are n + 1 vectori
Mm·n are m · n vectori.

Cum B este bază pentru V , B este şi sistem de generatori pentru V şi am văzut din
Definiţia 2.4 că pentru orice vector v̄ ∈ V există scalarii α1 , α2 , . . . , αn ∈ K a.ı̂.:

v̄ = α1 · v̄1 + α2 · v̄2 + . . . + αn · v̄n .

Atunci aceşti scalari sunt unici, adică avem propoziţia:

 16

Propoziţia 2.2. Dacă B este o bază pentru spaţiul vectorial (V /K, +, ·), atunci
(∀)v̄ ∈ V (∃!)α1 , α2 , . . . , αn ∈ K a.ı̂.:

v̄ = α1 · v̄1 + α2 · v̄2 + . . . + αn · v̄n . (2.4)

Demonstraţie.
Existenţa. Este dată aşa cum am văzut de proprietatea bazei de a fi şi sistem de
generatori.
Unicitatea. Presupunem prin reducere la absurd că (∃)(β1 , β2 , . . . , βn ∈ K a.ı̂. (∃)i cu
βi 6= αi şi:
v̄ = β1 · v̄1 + β2 · v̄2 + . . . + βn · v̄n .

Avem atunci că:

v̄ = α1 · v̄1 + α2 · v̄2 + . . . + αn · v̄n = β1 · v̄1 + β2 · v̄2 + . . . + βn · v̄n ,

sau
0̄ = (α1 − β1 ) · v̄1 + (α2 − β2 ) · v̄2 + . . . + (αn − βn ) · v̄n .

Cum B este şi sistem liniar independent ⇒ αi = bi , (∀)i ≤ n, absurd pentru că am presupus
că există cel puţin un i pentru care βi 6= αi .


Definiţia 2.6. Scalarii α1 , α2 , . . . , αn din relaţia (2.4) se numesc coordonatele vec-

torului v̄ ı̂n baza B.

Observaţia 2.7.

• Propoziţia (2.2) ne permite să identificăm orice vector cu coordonatele sale ı̂ntr-o
 17

bază B = {v̄1 , v̄2 , . . . , v̄n } şi astfel obţinem forma cunoscută a unui vector:

v̄ = α1 · v̄1 + α2 · v̄2 + . . . + αn · v̄n =not (α1 , α2 , . . . , αn )B

=not [v̄]B .

• În baze diferite coordonatele aceluiaşi vector vor fi diferite şi e nevoie ı̂ntotdeauna
să precizăm şi baza ı̂n care vectorul are aceste coordonate.

• Baza pusă ca indice la coordonatele unui vector ne fereşte şi de posibila confuzie
dată de faptul că ı̂n Rn forma vectorului coincide cu scrierea sa pe coordonate
ı̂n baza canonică, pe când ı̂n celelalte spaţii vectoriale nu; de exemplu:
v̄ = (5, 6) ∈ R2 , (5, 6) = (5, 0) + (0, 6) = 5 · ē1 + 6 · ē2 = (5, 6)Bc
p̄ = 5X + 6 ∈ R1 [X], 5X + 6 = 5 · X + 6 · 1 = 5 · ē1 + 6 · ē2 = (5, 6)Bc .

Propoziţia 2.3.

1) Dacă B este o bază ı̂n V şi S = {ū1 , ū2 , . . . , ūp } ⊂ V este un sistem liniar
independent, atunci p ≤ n, adică B este un sistem liniar independent maximal
ı̂n V .

2) Într-un spaţiu vectorial care are o bază cu un număr finit de vectori, toate bazele
au acelaşi număr de vectori.

Demonstraţie. 1) Se demonstrează prin inducţie.

2) Fie B şi B 0 = {v̄10 , v̄20 , . . . , v̄p0 } două baze ale lui V . B şi B 0 fiind baze, din definiţia
(2.5), sunt şi sisteme liniar independente.
B bază şi B 0 sistem liniar independent ⇒1) p ≤ n.
B 0 bază şi B sistem liniar independent ⇒1) n ≤ p.
Adică p = n.

 18

Observaţia 2.8. Un spaţiu vectorial nu are o singură bază, dar toate bazele sale au
acelaşi număr de vectori.

Acum are sens definiţia:

Definiţia 2.7. Spunem că spaţiul vectorial V are dimensiunea n dacă ı̂n V există
o bază cu n vectori.

Fie S = {ū1 , ū2 , . . . , ūp } ⊂ V este un sistem oarecare de vectori din V şi B o bază a lui
V . Vectorii din S fiind vectori din V ı̂i putem scrie ı̂n coordonate ı̂n baza B:

ū1 = α11 · v̄1 + α12 · v̄2 + . . . + α1n · v̄n = (α11 , α12 , . . . , α1n )B
ū2 = α21 · v̄1 + α22 · v̄2 + . . . + α2n · v̄n = (α21 , α22 , . . . , α2n )B
..
.
ūp = αp1 · v̄1 + αp2 · v̄2 + . . . + αpn · v̄n = (αp1 , αp2 , . . . , αpn )B .

Considerăm matricea A care are pe coloane coordonatele vectorilor din S ı̂n baza B:

[ū1 ]B [ū2 ]B · · · [ūp ]B

↓ ↓ ↓
 
α11 α21 · · · αp1
(2.5)
 α12 α22 · · · αp2
 

A=
 .. .. .. ..

 . . . .


α1n α2n · · · αpn

Definiţia 2.8. Numim matricea A din (2.5) matricea asociată sistemului S ı̂n
baza B.
 19

Teorema 2.1 (Criteriul practic pentru sisteme de vectori).

1) S este un sistem liniar independent d.n.d. rang A = p (numărul de vectori din

S)

2) S este un sistem un sistem de generatori pentru V d.n.d rang A =dim V

3) S este bază ı̂n V d.n.d. rang A =dim V = p (numărul de vectori din S)

d.n.d. S este un sistem liniar independent maximal ı̂n V
d.n.d. S este un sistem liniar independent şi p (numărul de
vectori din S)=dim V .

Demonstraţie. Considerăm o combinaţie liniară a vectorilor din S:

β1 · ū1 + β2 · ū2 + . . . + βp · ūp . (2.6)

Cum

ū1 = (α11 , α12 , . . . , α1n )B | · β1

ū2 = (α21 , α22 , . . . , α2n )B | · β2
..
.
ūp = (αp1 , αp2 , . . . , αpn )B | · βp
+

β1 · ū1 + β2 · ū2 + . . . + βp · ūp = (β1 · α11 + β2 · α21 + . . . + βp · αp1 ,

β1 · α12 + β2 · α22 + . . . + βp · αp2 ,
...
β1 · α1n + β2 · α2n + . . . + βp · αpn )B .

1) S liniar independent d .n.d. β1 · ū1 + β2 · ū2 + . . . + βp · ūp = 0̄ implică β1 = β2 = . . . =

 20

βp = 0 d.n.d.


 β1 · α11 + β2 · α21 + . . . + βp · αp1 = 0,


 β1 · α12 + β2 · α22 + . . . + βp · αp2 = 0,


 ...




β1 · α1n + β2 · α2n + . . . + βp · αpn = 0


d.n.d.    
β1 0
β2 0
   
   
A· ..
=
..
. (2.7)
. .
   
   
βp 0
Sistemul omogen (2.7) are doar soluţia nulă d.n.d. rangA=nr. de necunoscute d.n.d.
rangA = p.
2) S sistem de generatori pentru V d.n.d. (∀)v̄ ∈ V, (∃)β1 , β2 , . . . , βp ∈ K a.ı̂.

v̄ = β1 · ū1 + β2 · ū2 + . . . + βp · ūp . (2.8)

B este bază ı̂n V ⇒ (∃!)x1 , x2 , . . . , xn ∈ K a.ı̂. v̄ = (x1 , x2 , . . . , xn )B . Atunci relaţia (2.8)

este echivalentă cu

β1 · ū1 + β2 · ū2 + . . . + βp · ūp = (x1 , x2 , . . . , xn )B

d.n.d. 

 β1 · α11 + β2 · α21 + . . . + βp · αp1 = x1 ,


 β1 · α12 + β2 · α22 + . . . + βp · αp2 = x2 ,




 ...


β1 · α1n + β2 · α2n + . . . + βp · αpn = x3


d.n.d.    
β1 x1
β2 x2
   
   
A· ..
=
..
. (2.9)
. .
   
   
βp x3
Sistemul (2.9) este compatibil d.n.d. rangA=nr. de necunoscute d.n.d. rang A =rang
 21

Ā=numărul de ecuaţii=n.
  
α11 α21 · · · αp1  x1
 α12 α22 · · · αp2  x2
  

Ā = 
 .. .. .. ..  ..
 .
 . . . .  .



α1n α2n · · · αpn  x3

Dacă rang A = n atunci minorul principal al lui A va fi minor principal şi pentru Ā,
(∀)x1 , x2 , . . . , xn ∈ K.
3) Rezultă din 1) şi 2).


Exemplul 2.7. Fie

S = {p1 = 2X 2 , p2 = 3X 2 + X, p3 = X 2 + 5X + 2, p4 = X 2 − 4X − 2} ⊂ R2 [X] şi
B = {q1 = X 2 , q2 = X 2 + X, q3 = X 2 + X + 1} ⊂ R2 [X].

a) Să se scrie coordonatele vectorului

p̄ = 7X 2 + 11X + 9

ı̂n baza canonică.

b) Să se studieze dacă S este un sistem liniar dependent.

c) Să se studieze dacă S este un sistem de generatori.

d) Să se arate că B este o bază ı̂n R2 [X].

Soluţie. a) În baza canonică din R2 [X], Bc = {X 2 , X, 1}, vectorul p~ se scrie:

p = 7X 2 + 11X + 9 = 7 · X 2 + 11 · X + 9 · 1 = 7 · ē1 + 11 · ē2 + 9 · ē3 = (7, 11, 9)Bc

b) Scriem vectorii sistemului S ı̂n baza canonică din R2 [X]:

p1 = 2X 2 = 2 · X 2 + 0 · X + 0 · 1 = 2 · ē1 + 0 · ē2 + 0 · ē3 = (2, 0, 0)Bc
p2 = 3X 2 + X = 3 · X 2 + 1 · X + 0 · 1 = 3 · ē1 + 1 · ē2 + 0 · ē3 = (3, 1, 0)Bc
p3 = X 2 + 5X + 2 = 1 · X 2 + 5 · X + 2 · 1 = 1 · ē1 + 5 · ē2 + 2 · ē3 = (1, 5, 2)Bc
p4 = X 2 −4X −2 = 1·X 2 +(−4)·X +(−2)·1 = 1· ē1 +(−4)· ē2 +(−2)· ē3 = (1, −4, −2)Bc .
 22

Matricea asociată sistemului S ı̂n baza canonică este:

[p̄1 ]Bc [p̄2 ]Bc [p̄3 ]Bc [p̄4 ]Bc

↓ ↓ ↓ ↓
 
2 3 1 | 1
 
A=
 0 1 5 | −4 

0 0 2 | −2
 
 2 3 1
 

 
Minorul M =  0 1 5  = 4 6= 0 este un minor principal ⇒ rang A=dim M = 3. Aplicând

 
 0 0 2 
Criteriul practic pentru sisteme de vectori 2.1 avem că:
rang A = 3 6= 4 = numărul de vectori din S ⇒ S nu este liniar independent ⇒ S este
liniar dependent.

c) rang A = 3 =dim R2 [X] (numărul de vectori din baza canonică de exemplu) ⇒ S este
sistem de generatori pentru R2 [X].

d) Procedând la fel ca la punctul a), vom scrie vectorii din B ı̂n baza canonică din R2 [X]:
q1 = X 2 = 1 · X 2 + 0 · X + 0 · 1 = 1 · ē1 + 0 · ē2 + 0 · ē3 = (1, 0, 0)Bc
q2 = X 2 + X = 1 · X 2 + 1 · X + 0 · 1 = 1 · ē1 + 1 · ē2 + 0 · ē3 = (1, 1, 0)Bc
q3 = X 2 + X + 1 = 1 · X 2 + 1 · X + 1 · 1 = 1 · ē1 + 1 · ē2 + 1 · ē3 = (1, 1, 1)Bc .
Matricea asociată sistemului B ı̂n baza canonică este:

[q̄1 ]Bc [q̄2 ]Bc [q̄3 ]Bc

↓ ↓ ↓
 
1 1 1
 
A=
 0 1 1 

0 0 1

A este o matrice pătratică cu det A = 1 6= 0 ⇒ rang A=dim A = 3. Aplicând Criteriul

practic pentru sisteme de vectori 2.1 avem că:
rang A = 3 = numărul de vectori din B =dim R2 [X] ⇒ B este o bază pentru R2 [X].
 23

2.3 Schimbări de baze

Fie (V /K, +, ·) un spaţiu vectorial cu dim V = n,
B1 = {v̄1 , v̄2 , . . . , v̄n } ⊂ V şi
B2 = {ū1 , ū2 , . . . , ūn } ⊂ V două baze ale lui V ,
v̄ ∈ V un vector arbitrar din V .

Problemă:
Fiind date ı̂n V două baze, ce legătură există ı̂ntre coordonatele aceluiaşi vector ı̂n
cele două baze?

Răspunsul este dat de formula (2.10) pe care o vom obţine algoritmic parcurgând următorii
paşi:

1) Dacă B1 şi B2 sunt baze ale lui V , atunci fiecare vector din B2 se poate scrie ı̂n baza
B1 :



 ū1 = α11 · v̄1 + α12 · v̄2 + . . . + α1n · v̄n ,

.. ⇔
 .


ū = α · v̄ + α · v̄ + . . . + α · v̄ ,
n n1 1 n2 2 nn n




 ū1 = (α11 , α12 , . . . , α1n )B1 ,

..
 .


ū = α , α , . . . , α ) ,
n n1 n2 nn B1

2) Construim matricea T←−−− punând coordonatele vectorilor din B2 scrişi ı̂n baza B1 .
B1 B2

Atenţie!
Baza săgeţii de la indicele lui T arată de unde se iau vectorii, iar vârful ei arată
ı̂n ce bază sunt scrişi.
 24

[ū1 ]B1 . . . [ūn ]B1

↓ ↓
 
α11 · · · αp1
 α12 · · · αp2
 

T←−−−
B1 B2
=
 .. .. ..

 . . .


α1n · · · αpn

Definiţia 2.9. T←−−− se numeşte matricea de trecere de la baza B1 la baza B2 .

B1 B2

Atenţie!
Se citeste ı̂n ordinea ı̂n care sunt scrise bazele şi se construieşte ı̂n ordine invesă:
se iau vectorii din B2 şi se scriu ı̂n B1 .

Observaţia 2.9. Dacă ı̂n particular, B1 = Bc este baza canonică din V , atunci
T←−−− = A-matricea asociată bazei B2 .
Bc B2

Propoziţia 2.4. Matricea de trecere de la o bază la alta este o matrice nesingulară.

Demonstraţie. B1 şi B2 sunt două baze ı̂n V rezultă ca au acelaşi număr de vectori n,
adică matricea de trecere este o matrice pătratică.
B2 bază ⇒ B2 sistem liniar independent ⇒ rang T←−−− = nr. de vectori din B2 = n ⇒
B1 B2
T←−−− nesingulară.
B1 B2

3)
 25

Teorema 2.2 (Teorema de schimbare a coordonatelor unui vector). Are loc relaţia:

[v̄]B1 = T←−−− [v̄]B

B1 B2 2 (2.10)

unde [v̄]Bi reprezintă coordonatele vectorului v̄ ı̂n baza Bi .

Vom considera acum un caz particular al teoremei precedente foarte util ı̂n probleme, şi
anume când B1 = Bc , adică când vrem să trecem un vector din baza canonică ı̂ntr-o altă
bază rezolvăm sistemul:

Propoziţia 2.5 (Teorema de schimbare a coordonatelor unui vector din baza canonică
ı̂n baza B).

[v̄]Bc = T←−− [v̄]B

Bc B
(2.11)
= A[v̄]B

unde A este matricea asociată bazei B.

În continuare vom da două proprietăţi ale matricei de trecere de la o bază la alta:

Propoziţia 2.6 (Proprietăţile matricei de trecere de la o bază la alta).

−1
1) T←−−− = T←
B2 B1 −−−
B1 B2

2) Dacă B3 este altă bază a spaţiului vectorial V , atunci:

T←−−− = T←−−− · T←−−− .

B1 B3 B1 B2 B2 B3
 26

Exemplul 2.8. Fie B1 = {v̄1 = X, v̄2 = X + 1} ⊂ R1 [X], B2 = {ū1 = X + 2, ū2 =

2X + 1} ⊂ R1 [X] şi p̄ = 4X + 2.

a) Să se studieze dacă B1 şi B2 sunt baze ı̂n R1 [X]

b) În caz afirmativ să se scrie T←−−−

B1 B2

c) Să se scrie coordonatele vectoului p̄ ı̂n bazele B1 , respectiv B2 .

Soluţie.
a) Pentru a studia dacă sistemul de vectori B1 este bază scriem matricea asociată lui B1
şi aplicăm Criteriul practic (2.1) 3). Coloanele matricei A sunt coordonatele vectorilor din
B1 ı̂n baza canonică din R1 [X], Bc = {X, 1}:
v̄1 = X = 1 · X + 0 · 1 = (1, 0)Bc
v̄2 = X + 1 = 1 · X + 1 · 1 = (1, 1)Bc ⇒

[v̄1 ]Bc [v̄2 ]Bc

↓ ↓
" #
1 1
A1 =
0 1
det A = 1 6= 0 ⇒ rang A = 2 = numărul de vectori din B1 = dim R1 [X] ⇒ din Criteriul
practic (2.1) 3) că B1 este bază.
Procedăm analog şi cu B2 :
ū1 = X + 2 = 1 · X + 2 · 1 = (1, 2)Bc
ū2 = 2X + 1 = 2 · X + 1 · 1 = (2, 1)Bc ⇒

[ū1 ]Bc [ū2 ]Bc

↓ ↓
" #
1 2
A2 =
2 1
det A = −3 6= 0 ⇒ rang A = 2 = numărul de vectori din B2 = dim R1 [X] ⇒ din
Criteriul practic (2.1) 3) că B2 este bază.
 27

b) Pentru a scrie matricea de trecere de la baza B1 la baza B2 , T←−−− , urmăm paşii

B1 B2
descrişi la ı̂nceputul paragrafului, adică:
1) Aşa cum arată săgeata, scriem vectorii din B2 , adică ū1 şi u2 , ı̂n baza B1 . Cei doi
vectori ı̂i avem scrişi ı̂n baza canonică la punctul a). Ca să ı̂i trecem din baza canonică ı̂n
baza B2 folosim formula (2.11):

[ū1 ]Bc = T←−−− [ū ]

Bc B1 1 B1
= A1 [ū1 ]B1 . (2.12)

Cum ū1 = (1, 2)Bc şi notăm [ū1 ]B1 =not (α1 , α2 ) coordonatele lui ū1 ı̂n baza B1 . Atunci
relaţia (2.12) este echivalentă cu sistemul:
" # " #" # ( (
1 1 1 α1 α1 + α2 = 1 α1 = −1
= ⇔ ⇔
2 0 1 α2 α2 = 2 α2 = 2
⇒ [ū1 ]B1 = (−1, 2)B1 .
Analog, ū2 = (2, 1)Bc şi notăm [ū2 ]B1 =not (β1 , β2 ) coordonatele lui ū2 ı̂n baza B1 . Re-
zolvăm sistemul:
" # " #" # ( (
2 1 1 β1 β1 + β2 = 2 β1 = 1
= ⇔ ⇔
1 0 1 β2 β2 = 1 β2 = 1
⇒ [ū2 ]B1 = (1, 1)B1 .
2) Punem cei doi vectori obţinuţi pe coloane şi obţinem matricea de trecere:

[ū1 ]B1 [ū2 ]B1

↓ ↓
" #
−1 1
T←−−− =
B1 B2
2 1

c) Scriem vectorul v̄ ı̂n baza canonică:

v̄ = 4X + 2 = 4 · X + 2 · 1 = (4, 2)Bc
şi notăm coordonatele sale ı̂n baza B1 cu [v̄]B1 =not (α1 , α2 ).
Ca să trecem vectorul v̄ din baza canonică ı̂n bazele B1 vom folosi tot formula (2.11):

[v̄]Bc = T←−−− [v̄]B = A1 [v̄]B ⇔ (2.13)

Bc B1 1 1
 28

" # " #" # ( (

4 1 1 α1 α1 + α2 = 4 α1 = 2
= ⇔ ⇔
2 0 1 α2 α2 = 2 α2 = 2
⇒ [v̄]B1 = (2, 2)B1 .
Ştim că v̄ = (4, 2)Bc şi notăm coordonatele sale ı̂n baza B2 cu [v̄]B2 =not (β1 , β2 ). Re-
zolvăm sistemul:
[v̄]Bc = T←−−− [v̄]B = A2 [v̄]B ⇔ (2.14)
Bc B2 2 2

" # " #" # ( (

4 1 2 β1 β1 + 2β2 = 4 β1 = 0
= ⇔ ⇔
2 2 1 β2 2β1 + β2 = 2+ |(−2) β2 = 2

⇒ [v̄]B2 = (0, 2)B2 .

 29

2.4 Subspaţii vectoriale

Fie (V /K, +, ·) un spaţiu vectorial,
S ⊂ V , S 6= ∅ şi
U = {v̄1 , v̄2 , . . . , v̄p } ⊂ V un sistem arbitrar de vectori din V .

Definiţia 2.10. Sistemul de vectori S se numeşte subspaţiu vectorial al lui V dacă:

SSV1) (∀)ū, v̄ ∈ S ⇒ ū + v̄ ∈ S
SSV2) (∀)ū, (∀)α ∈ K ⇒ α · ū ∈ S.

Notăm S ⊂SSV V .

Propoziţia 2.7 (de caracterizare a subspaţiilor vectoriale).

• 0̄ ∈ S (pentru că 0̄ · ū = 0̄ ∈ S)

• Orice subspaţiu vectorial este la rândul său un spaţiu vectorial.

• S este un subspaţiu vectorial al lui V d.n.d.

(∀)ū, v̄ ∈ S, (∀)α, β ∈ K ⇒ α · ū + β · v̄ ∈ S.

Definiţia 2.11. Mulţimea tuturor combinaţiilor liniare ale vectorilor din U ,

L(U ) = {v̄|(∃)α1 , . . . , αp ∈ K a.ı̂. v̄ = α1 v̄1 + . . . + αp v̄p }

se numeşte acoperirea liniară a lui U (sau spaţiul generat de U ).

 30

Următoarea propoziţie o vom folosi foare des ı̂n exerciţii pentru a arăta că un sistem de
vectori este subspaţiu vectorial:

Propoziţia 2.8 (de caracterizare a acoperirii liniare).

Acoperirea liniară a unui sistem de vectori U este

1) spaţiul generat de U (U este sistem de generatori pentru L(U )).

2) un subspaţiu vectorial al lui V .

Propoziţia de mai sus ne spune două lucruri importante:

1) este suficient să arătăm că o submulţime a lui V este un L(U ) (acoperirea liniară a
unui sistem oarecare de vectori) pentru a demonstra că este un subspaţiu vectorial al
lui V .

2) furnizează un sistem de generatori U pentru un subspaţiu vectorial odată ce am arătat

că subspaţiul este un L(U ).

Exemplul 2.9. Să se arate că sistemele de vectori

a) S1 = {(x, y, z) ∈ R3 |3x + 2y − 5z = 0}

b) S2 = {(x, y, z) ∈ R3 |2x + 5y − z = 0, y − 3z = 0}
sunt subspaţii vectoriale ale lui R3 şi să se găsească câte o bază a lor.

Soluţie.
a) 3x + 2y − 5z = 0 este un sistem de o ecuaţie cu 3 necunoscute. Matricea sistemului
este

x y z
h i
3| 2 − 5

Un minor principal este de exemplu |3| care corespunde necunoscutei x, deci vom putea
considera
 31

x- necunoscută principală
y, z - necunoscute secundare.
Trecem necunoscutele secundare ı̂n partea dreaptă a semnului = şi rezolvăm ecuaţia
2 5
3x = −2y + 5z ⇒ x = − y + z.
3 3
Înlocuim acum valoarea lui x găsită ı̂n definiţia lui S1 :

S1 ={(x, y, z) ∈ R3 |3x + 2y − 5z = 0} =
  
2 5
− y + z, y, z , y, z ∈ R =
3 3
    
2 5
− y, y, 0 + z, 0, z , y, z ∈ R =
3 3
     
2 5
y − , 1, 0 + z , 0, 1 , y, z ∈ R =
3 3
L(U1 ),

unde     
2 5
U1 = v̄1 = − , 1, 0 , v̄2 = , 0, 1 .
3 3
Am demonstrat astfel că S1 este o acoperire liniară (a lui U1 ). Rezultă

- din Propoziţia (2.8)-2) că S1 este un subspaţiu vectorial al lui R3

- din Propoziţia (2.8)-1) că U1 este un sistem de generatori pentru S1 (1).

Studiem dacă U1 este si sistem liniar independent:

* Construim matricea asociată sistemului U1 punând vectorii pe coloană:

v̄1 v̄2
↓ ↓
 2 5 
−
 3 3 
A1 = 
 |1 0|  .


|0 1|

 
 1 0 
* Minorul   6= 0 este minor principal ⇒ rang A1 = 2=numărul de vectori
 
 0 1 
rezultă din Criteriul practic (2.1) 1) că U1 este liniar independent (2).
 32

Din relaţiile (1) şi (2) ⇒ din definiţia bazei că U1 este o bază pentru S1 ⇒ dim S1 = 2.
(
2x+ 5y − z = 0,
b) este un sistem de două ecuaţii cu 3 necunoscute. Matricea
y − 3z = 0
sistemului este

x y z
" #
2 5| −1
0 1| −3
 
 2 5 
Un minor principal este de exemplu   care corespunde necunoscutelor x şi y, deci vom
 
 0 1 
putea considera
x, y- necunoscute principale
z - necunoscută secundară.
Trecem necunoscutele secundare ı̂n partea dreaptă a semnului = şi rezolvăm sistemul de
ecuaţii ( (
2x + 5y = z, x = −7z,
⇔
y = 3z y = 3z

Înlocuim acum valorile lui x şi y găsite ı̂n definiţia lui S2 :

S2 ={(x, y, z) ∈ R3 |2x + 5y − z = 0, y − 3z = 0} =
{(−7z, 3z, z) , z ∈ R} =
{z(−7, 3, 1), z ∈ R} =
L(U2 ),

unde
U2 = {v̄ = (−7, 3, 1)} .

Am demonstrat astfel că S2 este o acoperire liniară (a lui U2 ). Rezultă

- din Propoziţia (2.8)-2) că S2 este un subspaţiu vectorial al lui R3

- din Propoziţia (2.8)-1) că U2 este un sistem de generatori pentru S2 (1).

U2 este şi sistem liniar independent (2) pentru că aşa cum am arătat ı̂n Exemplul
 33

(2.3) 2), un sistem format dintr-un singur vector nenul este ı̂ntotdeauna liniar inde-
pendent.
Din relaţiile (1) şi (2) ⇒ din definiţia bazei că U2 este o bază pentru S2 ⇒ dim S2 = 1.
 34

2.5 Întrebări de verificare

Dependenţa şi independenţa liniară. Sisteme de generatori. Baze

de vectori

1) Când un sistem de vectori este liniar independent/dependent? (criteriul practic)

2) Care este relaţia de dependenţă pentru un sistem de vectori?
3) Cum se găseşte relaţia de dependenţă pentru un sistem de vectori?
4) Când un sistem de vectori este sistem de generatori? (criteriul practic)

Bază. Dimensiune

1) Când un sistem de vectori este bază? (criteriul practic)

2) Cum se calculează dimensiunea unui spaţiu?
3) Care sunt bazele canonice ı̂n Rn , Rn [X], Mm,n [R]?

Schimbări de baze

1)* Coloanele matricei de trecere de la baza B1 la baza B2 , T ← sunt coordonatele

B1 B2
vectorilor din baza .... scrişi ı̂n baza ...
2) Dacă B = {v̄1 , v̄2 , . . . , v̄n } este o bază atunci cum se scrie un vector ı̂n baza B şi
reciproc, ce ı̂nseamnă că se ştiu coordonatele unui vector ı̂n baza B?

v̄ = α1 v̄1 + α2 v̄2 + . . . + αn v̄n = (α1 , α2 , . . . , αn )B

3) Cu ce formulă se trece un vector din baza canonică ı̂ntr-o bază B?

 35

Subspaţii vectoriale

1) Cum se arată că o subulţime a unui spaţiu vectorial este subspaţiu vectorial?
2)* Cum se arată că o subulţime a unui spaţiu vectorial nu este subspaţiu vectorial?
3) Cum se determină o bază a unui subspaţiu vectorial?
4) Cum se determină dimensiunea unui subspaţiu vectorial?
CAPITOLUL 3
APLICAŢII LINIARE

Fie V şi W două spaţii vectoriale peste corpul de scalari K.

Definiţia 3.1. O funcţie f : V → W se numeşte aplicaţie liniară dacă:

AL1) f (ū + v̄) = f (ū) + f (v̄), (∀)ū, v̄ ∈ V

AL2) f (αū) = αf (ū), (∀)ū, (∀)α ∈ K.

Propoziţia 3.1. f : V → W este o aplicaţie liniară d.n.d.

AL3) f (αū + βv̄) = αf (ū) + βf (v̄), (∀)ū, v̄ ∈ V, (∀)α, β ∈ K.

Demonstraţie. “⇒” f este o aplicaţie liniară ⇒ AL3).

Calculăm f (αū + βv̄) =AL1) f (αū) + f (βv̄) =AL2) αf (ū) + βf (v̄).
“⇐” AL3) ⇒ f este o aplicaţie liniară.
În AL3) avem:
- pentru α = β = 1 ⇒ f (ū + v̄) = f (ū) + f (v̄) ⇒ AL1)
- pentru β = 0 ⇒ f (αū) = αf (ū) ⇒ AL2)
adică f este o aplicaţie liniară.

 37

Notăm
L(V, W ) =not {f : V → W |f aplicaţie liniară}.

Teorema 3.1. (L(V, W )/K, +, ·) este un spaţiu vectorial peste corpul de scalari K ı̂n
raport cu adunarea funcţiilor şi ı̂nmulţirea unei funcţii cu un scalar.

Propoziţia 3.2. Orice aplicaţie liniară f : V → W duce elemetul nul din domeniu
ı̂n elementul nul din codomeniu
f (0V ) = 0W .

Demonstraţie.
f (0V ) = f (0 · v̄) =AL1) 0 · f (v̄) = 0W .

O observaţie importantă care ne permite să decunoaştem când este vorba de liniaritate
este:

Observaţia 3.1. Deşi pe unele spaţii vectoriale se mai pot introduce şi alte operaţii
ı̂ntre vectori şi scalari, liniaritatea implică doar
-adunarea vectorilor
-ı̂nmulţirea cu scalar.
De exemplu, ı̂n spaţiile vectoriale (C/R, +, ·), (Mm,m (R)/R, +, ·),
(Rn [X]/R, +, ·), ştim că ı̂n plus mai sunt definite şi ı̂nmulţirea a doi vectori, şi ridicarea
la putere, etc. care nu pot fi folosite când este vorba de liniaritate.

Exemplul 3.1 (exemplu de aplicaţie liniară).

Fie f : R3 → R1 [X], f (a, b, c) = (a + b)X + c. Arătaţi că f este o aplicaţie liniară.
 38

Soluţie. În spaţiul vectorial (Rn [X]/R, +, ·), X şi 1 sunt vectori, iar a, b, c ∈ R sunt
scalari ⇒ f este o aplicaţie liniară, deoarece (a + b)X + c implică doar adunare de vectori şi
ı̂nmulţire cu scalari. Demonstrăm aceasta folosind Propoziţia (3.1):
Fie v̄1 = (a1 , b1 , c1 ), v̄2 = (a2 , b2 , c2 ) ∈ R3 şi α, β ∈ R. Calculăm

f (αv̄1 + βv̄2 ) =f [α(a1 , b1 , c1 ) + β(a2 , b2 , c2 )]

=f (αa1 + βa2 , αb1 + βb2 , αc1 + βc2 )
| {z } | {z } | {z }
a b c

=[(αa1 + βa2 ) + (αb1 + βb2 )]X + (αc1 + βc2 )

| {z } | {z } | {z }
a b c

=α [(a1 + b1 )X + c1 ] + β [(a2 + b2 )X + c2 ]
=αf (a1 , b1 , c1 ) + βf (a2 , b2 , c2 )
=αf (v̄1 ) + βf (v̄2 ).

De unde rezultă că f este aplicaţie liniară.

Exemplul 3.2 (exemplu de funcţie care "nu este#aplicaţie

" liniară).
#
a b 1 c
Fie g : R4 → M2,2 (R), g(a, b, c, d) = · . Arătaţi că g nu este o
1 1 d 1
aplicaţie liniară.
" # " #
a b 1 c
Soluţie. În spaţiul vectorial (M2,2 (R)/R, +, ·), şi sunt vectori, iar
1 1 d 1
ı̂n expresia analitică a lui g apare ı̂nmulţirea a doi vectori ⇒ g nu este o aplicaţie liniară.
Demonstrăm aceasta folosind definiţia aplicaţiei liniare, adică trebuie să găsim cel puţin un
caz ı̂n care nu este verificată AL1) sau AL2):
 39

Fie v̄ = (1, 1, 1, 1) ∈ R4 şi −1 ∈ R. Calculăm

g(−v̄) =g(−1, −1, −1, −1)

" # " #
−1 −1 1 −1
= ·
1 1 −1 1
" #
0 0
= ,
0 0
−g(v̄) = − g(1, 1, 1, 1)
" # " #
1 1 1 1
= ·
1 1 1 1
" #
2 2
= .
2 2

⇒ g(−v̄) 6= −g(v̄) de unde rezultă că g nu este o aplicaţie liniară.

 40

3.1 Nucleul şi imaginea unei aplicaţii liniare

Fie f ∈ L(V, W ).

Definiţia 3.2.

• Se numeşte nucleul aplicaţiei liniare f mulţimea

Ker(f ) =def {v̄ ∈ V |f (v̄) = 0̄W }.

• Se numeşte imaginea aplicaţiei liniare f mulţimea

Im(f ) =def {w̄ ∈ W |(∃)v̄ ∈ V a.ı̂. f (v̄) = w̄}.

Propoziţia 3.3. Fie SV = {ū1 , . . . , ūp } ∈ V şi

f (SV ) = {f (ū1 ), . . . , f (ūp )} ∈ W .
Dacă f (SV ) este liniar independent ⇒ SV este linar independent.

Teorema 3.2 (de caracterizare a nucleului şi a imaginii unei aplicaţii liniare).
Fie BV = {v̄1 , . . . , v̄n } ∈ V o bază ı̂n V . Atunci au loc:

1) Ker(f ) ⊂SSV V

2) Im(f ) ⊂SSV W

3) Im(f ) = L (f (BV )) = L ({f (v̄1 ), . . . , f (v̄n )})

4) f este injectivă d.n.d Ker(f ) = {0̄V }

d.n.d. dim Ker(f ) = 0

5) f este surjectivă d.n.d Im(f ) = W

 41

d.n.d. dim Im(f ) =dim W

6) dim Ker(f )+ dim Im(f ) =dim V

Demonstraţie. 3) BV -bază ı̂n V ⇒ (∃)α1 , α2 , . . . , αn ∈ K a.ı̂. (∀)v̄ ∈ V avem:

v̄ = α1 v̄1 + α2 v̄2 + . . . + αn v̄n .

Dar f este o aplicaţie liniară ⇒Propoziţia (3.1)

f (v̄) = α1 f (v̄1 ) + α2 f (v̄2 ) + . . . + αn f (v̄n ). (3.1)

⇒ Im(f ) = {w̄ ∈ W |(∃)v̄ ∈ V a.ı̂. f (v̄) = w̄}

=(3.1) {α1 f (v̄1 ) + α2 f (v̄2 ) + . . . + αn f (v̄n ), α1 , α2 , . . . , αn ∈ K}.


Observaţia 3.2. Din relaţia Im(f ) = L ({f (v̄1 ), . . . , f (v̄n )}) ⇒Propoziţia 2.8−1) sistemul
de vectori f (BV ) = {f (v̄1 ), . . . , f (v̄n )} este sistem de generatori pentru Im(f ). O
bază pentru Im(f ) se poate obţine din vectorii corespunzători coloanelor unui minor
principal ai matricei asociate sistemului f (BV ).

Definiţia 3.3.

• dim Ker(f ) se numeşte defectul lui f şi se notază def(f ).

• dim Im(f ) se numeşte rangul lui f şi se notază rang(f ).

Definiţia 3.4. O aplicaţie liniară f ∈ L(V, W ) bijectivă se numeşte izomorfism.

 42

Propoziţia 3.4. Dacă f ∈ L(V, W ) este izomorfism, atunci

dim V = dim W.

Exemplul 3.3. Fie f : R3 → R1 [X],

f (a, b, c) = (2a + b)X + c.

a) Să se găsească nucleul lui f şi o bază a sa.

b) Să se găsească imaginea lui f şi o bază a sa.

c) Este f injectivă, surjectivă sau izomorfism? Justificaţi răspunsul.

Soluţie. a)

Ker(f ) = {v̄ ∈ R3 |f (v̄) = 0} = {(a, b, c) ∈ R3 |(2a + b)X + c = 0}.

Un polinom este egal cu polinomul nul când coeficienţii puterilor lui X sunt toţi nuli:

a b c
( " #
2a + b = 0 2 |1 0
⇒ rang =2⇒
c= 0 0 |0 1

b, c necunoscute principale,
a necunoscută secundară.
Rezlvând sistemul ı̂n necunoscutele principale obţinem:
(
b = −2a
⇒
c=0

Ker(f ) = {(a, −2a, 0), a ∈ R} = {a(1, −2, 0), a ∈ R} = L(B1 ),

 43

unde B1 = {(1, −2, 0)} ⇒ dim Ker(f ) = 1 6= 0 ⇒ f nu este injectivă.

b) Pentru a afla imaginea lui f folosim Teorema 3.2, 3):

Im(f ) =L ({f (ē1 ), f (ē2 ), f (ē3 )}) (ēi fiind vectorii bazei canonice din R3 )
=L ({f (1, 0, 0), f (0, 1, 0), f (0, 0, 1)})
=L ({2X, X, 1})

⇒ B = {2X, X, 1} este sistem de generatori pentru Im(f ). Pentru a găsi o bază a lui Im(f )
este suficient să găsim un sistem liniar independent maximal ı̂n B. Matricea asociată lui B
este:

2X X 1
↓ ↓ ↓
" #
2 |1 0
A= .
0 |0 1

Rang A = 2 ⇒ B2 = {X, 1} sistem liniar independent maximal ⇒ B2 este o bază a lui

Im(f ) ⇒ dim Im(f ) = 2 =dim R1 [X] ⇒Teorema 3.2−5) f este surjectivă.
c) f nu este izomorfism pentru că nu este bijecţie (sau dim R3 = 3 6= 2 =dim R1 [X]).
def(f ) = 1; rang(f ) = 2.

 44

3.2 Matricea unei aplicaţii liniare

Fie f ∈ L(V, W ),
BV = {v̄1 , . . . , v̄n } ∈ V o bază ı̂n V ,
BW = {w̄1 , . . . , w̄m } ∈ W o bază ı̂n W .
Vectorii f (v̄i ) ∈ W, i = 1, n au scierea ı̂n baza BW :

f (v̄i ) = (ai1 , ai2 , . . . , aim )BW , i = 1, n.

Definiţia 3.5. Matricea obţinută punând coordonatele vectorilor [f (v̄i )]BW pe coloană:

[f (v̄1 )]BW [f (v̄2 )]BW . . . [f (v̄n )]BW

↓ ↓ ↓
 
a11 a21 ··· an1
a12 a22 ··· an2
 
def
 
[f ]BV BW = 
.. .. .. ..
.
. . . .
 
 
a1m a2m ··· anm

se numeşte matricea lui f ı̂n perechea de baze BV BW .

Observaţia 3.3. f este unic determinat de matricea sa ı̂ntr-o pereche de baze.

Dacă V = W şi BV = BW = B, atunci notăm [f ]BB =not [f ]B .

Dacă BV este baza canonică din V şi BW este baza canonică din W , atunci notăm
[f ]BV BW =not [f ].
 45

Teorema 3.3. Are loc relaţia:

[f (v̄)]BW = [f ]BV BW [v̄]BV . (3.2)

Această relaţie ne permite să mai definim pe langă forma analitică a unei aplicaţii
liniare cu care suntem obişnuiţi şi o altă formă şi anume:

Definiţia 3.6. Relaţia (3.2) se numeşte forma matriceală a lui f ı̂n bazele BV , BW .

Exemplul 3.4. Fie aplicaţia liniară f : R1 [X] → R3 , f (aX + b) = (a, b, a + b)

(forma analitică alui f ), B = {p̄1 = X + 1, p̄2 = X − 2} o bază ı̂n R1 [X] şi B1 =
{v̄1 = (1, 1, 0), v̄2 = (0, 0, 1), v̄2 = (2, −1, 0)}.

a) Să se scrie matricea lui f ı̂n perechea de baze canonice.

b) Să se scrie matricea lui f ı̂n perechea de baze cBB1 .

c) Să se găsească Ker(f ).

d) Să se găsească Im(f ).

e) Stabiliţi dacă f este izomorfism.

Soluţie. a) Calculăm f (ēi ), unde ēi sunt vectorii bazei canonice din R1 [X] :
f (X) = f (1 · X + 0 · 1) =a=1,b=0 (1, 0, 1) = (1, 0, 1)Bc
f (1) = f (0 · X + 1 · 1) =a=0,b=1 (0, 1, 1) = (0, 1, 1)Bc

[f (X)]Bc [f (1)]Bc
↓ ↓
 
1 0
 
[f ] = 
 0 1 .

1 1
 46

b) Calculăm f (p̄i ), unde p̄i sunt vectorii bazei B ⊂ R1 [X] :

f (X + 1) = f (1 · X + 1 · 1) =a=1,b=1 (1, 1, 2)
f (X − 2) = f (1 · X − 2 · 1) =a=1,b=−2 (1, −2, −1)
Trecem acum cei doi vectori obţinuţi din baza canonică ı̂n baza B1 :
f (X + 1) = (1, 1, 2) = (1, 1, 2)Bc = (α1 , α2 , α3 )B1
Pentru a trece vectorul f (X + 1) din baza canonică din R3 ı̂n baza B1 ⊂ R3 folosim
formula de schimbare de bază:

[f (X + 1)]Bc = A1 [f (X + 1)]B1 . (3.3)

 
1 0 2
 
unde A1 =  1 0 −1  este matricea asociată bazei B1 .

0 1 0
Atunci relaţia (3.3) este echivalentă cu sistemul:
      
1 1 0 2 α  α1
+2α3 = 1  α1 = 1
 1 

 

  
 1  =  1 0 −1   α2  ⇔ α1 −α3 = 1 ⇔ α2 = 2
      
 
2 0 1 0 α3  α2 =2  α = 0.
3

⇒ [f (X + 1)]B1 = (1, 2, 0)B1 .

Trecem acum al doilea vector, f (X − 2), din baza canonică ı̂n baza B1 :
f (X − 2) = (1, −2, −1) = (1, −2, −1)Bc = (β1 , β2 , β3 )B1
Pentru a trece vectorul f (X − 2) din baza canonică din R3 ı̂n baza B1 ⊂ R3 folosim ca
şi mai sus formula de schimbare de bază:

[f (X − 2)]Bc = A1 [f (X − 2)]B1 . (3.4)

Atunci relaţia (3.4) este echivalentă cu sistemul:

      
1 1 0 2 β
 1   β1
+2β3 = 1  β1 = −1

 

  
 −2  =  1 0 −1   β2  ⇔ β1 −β3 = −2 ⇔ β2 = −1
      
−1 = −1
 
0 1 0 β3  β2  β = 1.
3

⇒ [f (X − 2)]B1 = (−1, −1, 1)B1 .

Putem scrie acum matricea lui f ı̂n perechea de baze BB1 , [f ]BB1 :
 47

[f (X + 1)]B1 [f (X − 2)]B1
↓ ↓
 
1 −1
 
[f ]BB1 = 
 2 −1 .

0 1

c)

Ker(f ) ={aX + b ∈ R1 [X]|f (aX + b) = (0, 0, 0)}

={aX + b ∈ R1 [X]|(a, b, a + b) = (0, 0, 0)}

 a b
 a =0

   (
|1 0 a=0
b=0 ,   ⇒ a, b necunoscute principale ⇒ ⇒ Ker(f ) =
 a+ b = 0 rang  |0 1  = 2 b=0

  
1 1
{0̄} ⇒ def(f ) = 0 ⇒ f este injectivă.
d) Im(f ) = L ({f (X), f (1)}) = L ({(1, 0, 1), (0, 1, 1)}) .
f (X) f (1)
 
|1 0
  ⇒ rang (f ) = 2 6= 3 = dim R3 ⇒ f nu este surjectivă.
rang  |0 1 
 = 2
1 1
e) f nu este surjectivă ⇒ f nu este bijectivă ⇒ f nu este izomorfism.
 48

3.3 Vectori şi valori proprii ai unui operator liniar

Fie (V /K, +, ·) un spaţiu vectorial cu dim V = n,
S ⊂SSV V un subspaţiu vectorial al lui V ,
notăm L(V, V ) =not L(V ) şi
fie f ∈ L(V ).

Definiţia 3.7. O aplicaţie liniară f ∈ L(V ) se numeşte operator liniar.

Propoziţia 3.5. Fie g ∈ L(V, W ) o aplicaţie liniară. Dacă S ⊂SSV V ⇒ g(S) ⊂SSV
V.

Demonstraţie. Fie w̄1 , w̄2 ∈ g(S) ⇔ (∃)v̄1 , v̄2 ∈ S a.ı̂. g(v̄1 ) = w̄1 , g(v̄1 ) = w̄2 ⇒
(∀)α, β ∈ K,

αw̄1 + β w̄2 = αg(v̄1 ) + βg(v̄2 ) =Propoziţia 3.1 g(αv̄1 ) + βv̄2 ) ∈ g(S).

| {z }
∈S

⇒Propoziţia 2.7−3) g(S) ⊂SSV V .

Definiţia 3.8. În general, f (S) este o submulţime a lui V . Dacă f (S) ⊂SSV V ,
atunci S se numeşte subspaţiu invariant al lui f .

Exemplul 3.5. Fie f : R3 → R3 un operator liniar definit de matricea sa ı̂n baza

canonică:  
3 −1 0
 
[f ]Bc =
 2 1 1 .

0 2 3

Să se arate că subspaţiul generat de vectorul v̄ = (−1, 0, 2), L({v̄}) este un subspaţiu
 49

invariant al lui R3 .

Soluţie. Fie S = L({v̄}) = {α · v̄|α ∈ R}.

     
3 −1 0 −1 3
     
[f (v̄)]Bc =(3.2) [f ]Bc [v̄]Bc = 
 2 1 1  ·
 
 0 = 0 
  
0 2 3 2 6

⇒ f (v̄) = (−3, 0, 6) = 3(−1, 0, 2) = 3v̄.

Calculăm

f (S) = {f (α · v̄)|α ∈ R} =AL2) {αf (v̄)|α ∈ R}

= {|{z}
3α v̄|α ∈ R} = {λ · v̄|λ ∈ R} = L({v̄})
λ

= S,

Din Definiţia 3.8 ⇒ S este un subspaţiu invariant al lui R3 . 

Din exemplul anterior rezultă că pentru operatorul liniar f dat există un vector v̄ şi un
scalar λ pentru care f (v̄) = λv̄. De vectorii şi scalarii de acestă formă ne vom ocupa ı̂n cele
ce urmează:

Definiţia 3.9.

a) v̄ Se numeşte vector propriu al lui f dacă (∃)λ ∈ K a.ı̂.

f (v̄) = λv̄ (3.5)

b) Scalarul λ din relaţia (3.5) se numeşte valoare proprie a lui f .

 50

3.3.1 Determinarea vectorilor şi valorilor proprii ai unui operator

liniar

Cum un operator liniar este unic determinat de matricea sa ı̂ntr-o bază a lui V , aşa
cum am arătat ı̂n Observaţia 3.3, este acelaşi lucru când ne referim la vectorii şi
valorile proprii ai unui operator liniar sau ai unei matrice.

Pentru determinarea vectorilor şi valorilor proprii ai unui operator liniar vom urma următoarele
etape (evidenţiate cu roşu):
Din relaţiile
f (v̄) =(3.5) λv̄ şi [f (v̄)]BV =(3.2) [f ]BV [v̄]BV , (3.6)

unde BV este o bază ı̂n V , rezultă ecuaţia λ[v̄]BV = [f ]BV [v̄]BV ⇔

([f ]BV − λIn )[v̄]BV = 0. (3.7)

(3.7) este un sistem omogen cu matricea sistemului

[f ]BV − λIn .

Pentru a avea şi soluţii nenule sistemul (3.7) trebuie să fie compatibil nedeterminat ⇔
det ([f ]BV − λIn ) = 0.

Definiţia 3.10.

• Funcţia polinomială de gradul n ı̂n necunoscuta λ

pn (λ) = det ([f ]BV − λIn )

se numeşte polinomul caracteristic al operatorului f , respectiv al matricei

[f ]BV .
 51

•
pn (λ) = 0

se numeşte ecuaţia caracteristică a operatorului f , respectiv a matricei [f ]BV .

Cum rădăcinile polinomului caracteristic pn (λ) verifică relaţia (3.6) rezulă din Definiţia 3.9
ca ele sunt valori proprii ale operatorului f , respectiv ale matricei [f ]BV .

Definiţia 3.11. Mulţimea valorilor proprii ale lui f

Sp(f ) = {λ1 , λ2 , . . . , λp }

se numeşte spectrul operatorului f .

Dacă fixăm o valoare proprie a lui f , λi ∈ Sp(f ), atunci sistemul

([f ]BV − λi In )[v̄]BV = 0n (3.8)

este compatibil nedeterminat pentru că λi este o soluţie a ecuaţiei

[f ]BV − λIn = 0n

⇒ soluţia sa nu se reduce la soluţia nulă.

Soluţiile sistemului omogen (3.8) verifică (3.6) ⇒ soluţiile sistemului (3.8) vor fi vectori
proprii ai operatorului f , respectiv ale matricei [f ]BV .

Propoziţia 3.6. Valorile proprii ale lui f nu depind de baza BV aleasă.

Demonstraţie. Fie BV0 altă bază ı̂n V ⇒

[f ]BV0 = TB−1
VB
0 [f ]BV TBV B 0 .
V
V
 52

Atunci
 
det [f ]BV0 − λIn = det TB−1 −1


0 [f ] B TB B 0 − λT 0 In TB B 0
V BV V V V BV BV V V
 
= det TB−1
VB
0 ([f ]BV − λIn )TBV B 0
V
V

= det TB−1 0
V BV
· pn (λ) · det TBV BV0
= det In · pn (λ)
= pn (λ).

Propoziţia 3.7. Mulţimea vectorilor proprii corespunzători aceleiaşi valori proprii λi

Sλ=λi = {v̄ ∈ V |f (v̄) = λi v̄}

(3.9)
= {v̄ ∈ V |([f ]BV − λi In )[v̄]BV = 0n }

este un subspaţiu vectorial al lui V .

Demonstraţie. (∀)α, β ∈ K şi (∀)ū, v̄ ∈ Sλ=λi ⇒

f (αū + βv̄) =AL3) αf (ū) + βf (v̄)

=(3.9) αλi ū + βλi v̄
= λi (αū + βv̄)

⇒ αū + βv̄ ∈ Sλ=λi ⇒Propoziţia 2.7−3) Sλ=λi ⊂SSV V. 

Definiţia 3.12. Subspaţiul Sλ=λi se numesşte subspaţiul propriu corespunzător

valorii proprii λi .
 53

Definiţia 3.13. Două matrici A şi A0 se numesc similare dacă există o matrice T
nesingulară a.ı̂.
A = T · A0 · T −1 .

Vom folosi proprietăţile vectorilor proprii pentru a stabili când o matrice este similară cu o
matrice diagonală
 
a1
a2
 
 
D= ..
 = diag(a1 , . . . , an )

 . 

an
cu ai nu toţi nuli.

Atenţie:
În general polinomul caracteristic nu are toate rădăcinile distincte. Notăm cu mi
ordinul de multiplicitate al rădăcinii λi (numărul de rădăcini egale cu λi ). Dacă pn (λ)
are k rădăcini distincte λ1 , λ2 , . . . , λk , atunci se poate scrie:

pn (λ) = (λ − λ1 )m1 · (λ − λ2 )m2 · . . . · (λ − λk )mk .

Teorema 3.4 (de diagonalizare). În V există o bază formată din vectorii proprii ai
lui f (respectiv [f ]BV ) d.n.d.

1) pn (λ) are toate rădăcinile ı̂n corpul de scalari K, adică

Sp(f ) ⊂ K.
 54

2) Dacă mi este ordinul de multiplicitate al rădăcinii λi ı̂n pn (λ), atunci

dim Sλ=λi = mi , i = 1, k.

Definiţia 3.14. Un operator (respectiv o matrice pătratică) cate verifică condiţiile 1)

şi 2) din Teorema de diagonalizare 3.4 se numeşte operator diagonalizabil (respec-
tiv matrice diagonalizabilă).

Observaţia 3.4. Baza a cărei existenţă este dată de Teorema de diagonalizare 3.4
este

B = B1 ∪ B2 ∪ . . . ∪ Bk ,

unde Bi sunt baze ale subspaţiilor proprii Sλ=λi .

Propoziţia 3.8. Dacă f este diagonalizabil, atunci matricea sa ı̂n baza B = B1 ∪

B2 ∪ . . . ∪ Bk are forma diadonală, şi anume, valorile proprii apar ı̂n ordine λ1 ,
λ2 , . . ., λk pe diagonala principală, fiecare de atâtea ori de câte ori arată ordinul său
de multiplicitate mi :
 55

 
λ1
 m ...
 

 1− 
 or 

 i λ1 


 λ2 

 m ... 
[f ]B =  2 − 
o
 
 ri 
 . . λ2 
 . 

 λk 


m .. 

k
. 
 − 
or
i λk

[f ]B = diag (λ1 , . . . , λ1 , λ2 , . . . , λ2 , . . . , λk , . . . , λk ).
| {z } | {z } | {z }
m1 −ori m2 −ori mk −ori

Propoziţia 3.9.
 
a1
a2
 
 
1) Dacă D este o matrice diagonală, D = 
 ...
 , atunci

 
an

 
an1
an2
 

n

D = ..
.

 . 

ann

2) Dacă două matrici A şi A0 sunt similare, atunci

An = T A0n T −1 .

Demonstraţie. 1) Rezultă din calcul direct.

 56

2) A este similară cu A0 ⇒Definiţia3.13 (∃)T nesingulară a.ı̂. A = T · A0 · T −1 ⇒

n I
z }| {
An = (T A0 T −1 )(T A0 T −1 ) . . . (T A0 T −1 ) = T A0n T −1 ).
| {z }
n−ori

Exemplul 3.6. Să se arate că operatorii liniari

a) f1 R2 → R2 . f1 (x, y) = (x − y, 2x − y)

b) f2 : R1 [X] → R1 [X], f2 (aX + b) = aX + 3a + b

nu sunt diagonalizabili.

Soluţie. Urmăm
" paşii
# descrişi mai sus:
1 −1
a) [f1 ]Bc = ⇒
2 −1
 
 1−λ −1 
p2 (λ) = det ([f1 ] − λI2 ) =   = λ2 + 1
 
 2 −1 − λ 
Teorema 3.4-1)
care nu are rădăcini
" # ⇒
reale f1 nu este diagonalizabil.
1 0
b) [f2 ]Bc = . Calculăm polinomul caracteristic:
3 1
 
 1−λ 0 
p2 (λ) = det ([f2 ] − λI2 ) =   = (1 − λ)2

 3 1−λ 
⇒ λ = 1 este valoare proprie cu ordinul de multiplicitate om (λ = 1) = 2.
Calculăm subspaţiul propriu corespunzător valorii proprii λ = 1,
( " # " #)
a 0
Sλ=1 = aX + b ∈ R1 [X]| ([f2 ] − 1I3 ) =
b 0
( " #" # " #)
0 0 a 0
= aX + b ∈ R1 [X]| = .
3 0 b 0
 57

" #" # " #

0 0 a 0
Rezolvăm sistemul = ⇔
|3̄| 0 b 0
a necunoscută principală,
b necunoscută secundară
⇒a=0⇒

Sλ=1 = {0 · X + b, b ∈ R}
= {b, b ∈ R}
= L(B),

unde B = {1}.
⇒Propoziţia (2.8)−1) B este sistem de generatori pentru Sλ=1 . (3)
B este format dintr-un singur vector nenul ⇒Exemplul (2.3) B este sistem liniar independent.
(4)
Din relaţiile (3) şi (4) ⇒ B = {1} este o bază pentru Sλ=1
⇒ dim Sλ=1 = 1 6= 2 = om(λ = 1) ⇒Teorema 3.4-2) f2 nu este diagonalizabil.

Următoarea teorema ne dă o altă metodă pentru a afla inversa unei matrice:

Teorema 3.5 (lui Hamilton-Cayley). Dacă pn (λ) este polinomul caracteristic al ma-
tricei pătratice A (respectiv al operatorului f ), atunci

pn (A) = 0n .

 
0 1 1
 
Exemplul 3.7. Fie matricea A = 
 1 0 1 .

1 1 0

a) Să se studieze dacă A este diagonalizabilă şi ı̂n caz afirmativ să se aducă A la
forma diagonală.
 58

b) Folosind Teorema lui Hamilton-Cayley 3.5 să se calculeze A−1 .

Soluţie. Urmăm la fel ca ı̂n exerciţiul anterior paşii descrişi mai sus:
a) Calculăm polinomul caracteristic:
 
 −λ 1 1
 

 
p3 (λ) = det (A − λI3 ) =  1 −λ 1  = −(λ + 1)2 (λ − 2)1 ⇒

1 −λ
 
 1 

Sp(A)={-1,2}⊂ R, (3.10)

om(λ = −1) = 2,
om(λ = 2) = 1.
Calculăm subspaţiul propriu corespunzător valorii proprii λ = −1,
   



 x 0 

3
   
Sλ=−1 = (x, y, z) ∈ R | (A − (−1)I3 )  y  =  0 
   

 

 z 0 
      


 1 1 1 x 0 
3 
     
= (x, y, z) ∈ R |  1 1 1    y  =  0 
   

 
 1 1 1 z 0 

Rezolvăm sistemul     
1| 1 1 x 0
    
 1 1 1  y  =  0  ⇒
    
1 1 1 z 0

x necunoscută principală,
y, z necunoscute secundare
 59

⇒ x = −y − z ⇒

Sλ=−1 ={(−y − z, y, z), y, z ∈ R}

={(−y, y, 0) + (−z, 0, z), y, z ∈ R}
={y(−1, 1, 0) + z(−1, 0, 1), y, z ∈ R}
=L(B1 ),

unde B1 = {(−1, 1, 0), (−1, 0, 1)}.

⇒Propoziţia (2.8)−1) B1 este sistem de generatori pentru Sλ=−1 . (1)
 
−1 −1
  Crireriul practic (2.1)
Rang A1 =  1  = 2 = nr de vectori din B1 ⇒
0  B1 este sistem liniar independent

0 1
(2)
Din relaţiile (1) şi (2) ⇒ B1 = {(−1, 1, 0), (−1, 0, 1)} este o bază a lui Sλ=−1 ⇒

dim Sλ=−1 = 2 = om(λ = −1). (3.11)

Calculăm subspaţiul propriu corespunzător valorii proprii λ = 2,

   



 x 0 

   
Sλ=2 = (x, y, z) ∈ R3 | (A − 2I3 ) 
 y = 0 
  

 

 z 0 
      


 −2 1 1 x 0 
3
    
= (x, y, z) ∈ R | 
 1 −2 1    y  =  0  .
   

−2
 
 1 1 z 0 

Rezolvăm sistemul     
−2 1| 1 x 0
    
1 −2|  y  =  0  ⇒
1 
    

1 1 −2 z 0

x, y necunoscute principale,
z necunoscută secundară
 60

(
x=z
⇒
y=z

Sλ=2 ={(z, z, z), z ∈ R}

={z(1, 1, 1), y, z ∈ R}
=L(B2 ),
unde B2 = {(1, 1, 1)}.
⇒Propoziţia (2.8)−1) B2 este sistem de generatori pentru Sλ=2 . (3)
B2 este format dintr-un singur vector nenul ⇒Exemplul (2.3) B2 este sistem liniar independent.
(4)
Din relaţiile (3) şi (4) ⇒ B2 = {(1, 1, 1)} este o bază a lui Sλ=2 ⇒

dim Sλ=2 = 1 = om(λ = 2). (3.12)

Din relaţiile (3.10),(3.11) şi (3.12) ⇒Teorema 3.4 A este diagonalizabilă. Forma diagonală
a lui A este:  
−1 0 0
 
D=
 0 −1 0 

0 0 2

ı̂n baza

B = B1 ∪ B2 = {(−1, 1, 0), (−1, 0, 1), (1, 1, 1)}.

| {z } | {z }
B1 B2

b) Aşa cum am văzut la punctul a), polinomul caracteristic al lui A este

p3 (λ) = −(λ + 1)2 (λ − 2) = −λ3 + 3λ + 2 ⇒Teorema 3.5 p3 (A) = 03 ⇔

−A3 + 3A + 2I3 = 03 ⇔
1
I3 = (A3 − 3A)|A−1 ⇔
2
 61

1
A−1 = (A2 − 3I3 )
2    
0 1 1 0 1 1
1    
=   1 0 1  1 0 1  − 3I3

2    
1 1 0 1 1 0
   
2 1 1 3 0 0
1    
=  1 2 1  − 0 3 0 
   
2 
1 1 2 0 0 3
 
−1 1 1
1 
=  1 −1 1 .
2 
1 1 −1
 62

3.4 Întrebări de verificare

Aplicaţii liniare

1) Ce formă are o funcţie f : V → W care este o aplicaţie liniară?

2)* Coloanele matricei lui f ı̂n perechea de baze B1 = {v̄1 , v̄2 , . . . , v̄n } B2 = {ū1 , ū2 , . . . , ūn }
, [f ]B1 B2 sunt coordonatele vectorilor f (....) scrişi ı̂n baza ...
3) Cum se determină Ker(f ) şi o bază a sa?
4) Cum se determină Im(f ) = L( ... ) şi o bază a sa?
7) Când este f injectivă? Când este f surjectivă? Când este f izomorfism?

Valori şi vectori proprii

1) Când un operator liniar (o matrice pătratică) este diagonalizabil (diagonalizabilă)?

(teorema de diagonalizare)
2) Cum se calculează polinomul caracteristic?
3) Cine sunt rădăcinile polinomului caracteristic?
4) Pentru o valoare proprie fixată λ = λ0 cum se calculează vectorii subspaţiului propriu
Sλ=λ0 ?
5) Ce fel de vectori conţine subspaţiul propriu Sλ=λ0 şi implicit o bază a sa?
6) Dacă operatorul liniar (matricea pătratică) este diagonalizabil (diagonalizabilă), care
este forma diagonală?
7) În ce bază se scrie forma diagonală (ı̂n caz că ea există)?
8) Cum se calculează A−1 , A ∈ Mn cu teorema lui Hamilton-Cayley?
CAPITOLUL 4
FORME BILINIARE. FORME PĂTRATICE

4.1 Forme biliniare

Fie (V, +, ·) un spaţiu vectorial cu dim V = n,
B = {v̄1 , v̄2 , . . . , v̄n } bază ı̂n V ,
o funcţie ϕ : V × V → K şi
matricea pătratică [aij = ϕ(v̄i , v̄j )]i,j=1,n ∈ Mn (K)

Definiţia 4.1. ϕ se numeşte formă biliniară pe V dacă

FB1) a) ϕ(ū1 + ū2 , v̄) = ϕ(ū1 , v̄) + ϕ(ū2 , v̄), (∀)ū1 , ū2 , v̄ ∈ V
b) ϕ(ū, v̄1 + v̄2 ) = ϕ(ū, v̄1 ) + ϕ(ū, v̄2 ), (∀)ū, v̄1 , v̄2 ∈ V

FB2) a) ϕ(αū, v̄) = αϕ(ū, v̄), (∀)ū, v̄ ∈ V, (∀)α ∈ K

b) ϕ(ū, αv̄) = αϕ(ū, v̄), (∀)ū, v̄ ∈ V, (∀)α ∈ K

Propoziţia 4.1. ϕ este o formă biliniară d.n.d.

FB3) a) ϕ(αū1 + β ū2 , v̄) = αϕ(ū1 , v̄) + βϕ(ū2 , v̄),

(∀)ū1 , ū2 , v̄ ∈ V, (∀)α, β ∈ K
 64

b) ϕ(ū, αv̄1 + βv̄2 ) = αϕ(ū, v̄1 ) + βϕ(ū, v̄2 ),

(∀)ū, v̄1 , v̄2 ∈ V, (∀)α, β ∈ K

Demonstraţie. Analog ca la aplicaţii liniare.



Definiţia 4.2.

• Matricea notată
[ϕ]B =def [ϕ(v̄i , v̄j )]i,j=1,n

se numeşte matricea lui ϕ ı̂n baza B.

• ϕ(v̄i , v̄j ) se numesc coeficienţii lui ϕ ı̂n baza B.

Teorema 4.1 (Legătura dintre forma analitică şi forma matriceală a unei forme
biliniare). Orice formă biliniară ϕ este unic determinată de matricea sa ı̂ntr-o bază B
şi are loc:
ϕ(ū, v̄) = [ū]TB [ϕ]B [v̄]B (4.1)

Exemplul 4.1. Fie ϕ : R2 × R2 → R,

ϕ [(x1 , x2 ), (y1 , y2 )] = x1 y1 + 2, x2 y1 − x2 y2 .

a) Să se arate că ϕ este formă biliniară.

b) Să se găsească [ϕ]B , unde B = {v̄1 = (1, 2), v̄2 = (3, 4)}.

c) Să se scrie expresia analitică a formei biliniare ϕ1 : R2 × R2 → R cu matricea

 65

" #
1 0
lui ϕ1 ı̂n baza canonică [ϕ1 ]Bc =
−1 1

Soluţie. a) Fie ū = (u1 , u2 ), t̄ = (t1 , t2 ), w̄ = (w1 , w2 ) ∈ R2 şi α, β ∈ R.

Calculăm

ϕ(αū + β t̄, w̄) = ϕ[(αu1 + βt1 , αu2 + βt2 ), ( w1 , w2 )]

| {z } | {z } |{z} |{z}
x1 x2 y1 y2

= (αu1 + βt1 ) w1 +2(αu2 + βt2 ) w1 −(αu2 + βt2 ) w2

| {z } |{z} | {z } |{z} | {z } |{z}
x1 y1 x2 y1 x2 y2

= α(u1 w1 + 2u2 w1 − u2 w2 ) + β(t1 w1 + 2t2 w1 − t2 w2 )

= αϕ(ū, w̄) + βϕ(t̄, w̄).

ϕ(ū, αt̄ + β w̄) = ϕ[( u1 , u2 ), (αt1 + βw1 , αt2 + βw2 )]

|{z} |{z} | {z } | {z }
x1 x2 y1 y2

= u1 (αt1 + βw1 ) + 2 u2 (αt1 + βw1 ) − u2 (αt2 + βw2 )

|{z} | {z } |{z} | {z } |{z} | {z }
x1 y1 x2 y1 x2 y2

= α(u1 t1 + 2u2 t1 − u2 t2 ) + β(u1 w1 + 2u2 w1 − u2 w2 )

= αϕ(ū, t̄) + βϕ(ū, w̄).

⇒FB3) ϕ este o formă biliniară.

b) Elementele aij ale matricei [ϕ]B sunt

aij = ϕ(v̄i , v̄j ) .

 66

Calculăm ϕ(v̄i , v̄j ):

a11 = ϕ(v̄1 , v̄1 ) = ϕ[(|{z}

1 , |{z}
2 ), (|{z} 2 )] = 1 · 1 + 2 · 2 · 1 − 2 · 2 = 1
1 , |{z}
x1 x2 y1 y2

a12 = ϕ(v̄1 , v̄2 ) = ϕ[(|{z}

1 , |{z}
2 ), (|{z} 4 )] = 1 · 3 + 2 · 2 · 3 − 2 · 4 = 7
3 , |{z}
x1 x2 y1 y2

a21 = ϕ(v̄2 , v̄1 ) = ϕ[(|{z}

3 , |{z}
4 ), (|{z} 2 )] = 3 · 1 + 2 · 4 · 1 − 4 · 2 = 3
1 , |{z}
x1 x2 y1 y2

a22 = ϕ(v̄2 , v̄2 ) = ϕ[(|{z}

3 , |{z}
4 ), (|{z} 4 )] = 3 · 3 + 2 · 4 · 3 − 4 · 4 = 17
3 , |{z}
x1 x2 y1 y2

" #
1 7
⇒ [ϕ]B = .
3 17
c) Forma analitică a lui ϕ1 este dată de Teorema 4.1
" #" #
h i 1 0 y1
ϕ1 [(x1 , x2 ), (y1 , y2 )] = x1 x2
−1 1 y2
" #
h i y
1
= x1 − x2 x2
y2
= x1 y1 − x2 y1 + x2 y2 .

Observaţia 4.1.

• Formula (4.2) se foloseşte ı̂n principal pentru a găsi expresia analitică a unei
forme biliniare când se cunoaşte matricea sa ı̂n baza canonică,

• Matricea unei forme biliniare ı̂n baza canonică Bc din V se poate scrie direct
punând ı̂n matrice coeficientul lui xi yj pe poziţia aij (coeficienţii se iau din
expresia analitică).

ϕ(ū, v̄) = a11 x1 y1 + a12 x1 y2 + . . . + aij xi yj + . . . + ann xn yn ⇔

 67

 
a11 a12 . . . a1n
a21 a22 . . . a2n 
 

[ϕ]Bc = .. .. .. .. ,

. . . . 


an1 an2 . . . ann
unde ū şi v̄ au coordonatele ū = (x1 , . . . , xn )Bc , v̄ = (y1 , . . . , yn )Bc .
Şi reciproc, expresia analitică a lui ϕ se poate scrie direct dacă se cunoaşte [ϕ]Bc
punând fiecare din elementele matricei aij ca şi coeficient al lui xi yj ı̂n expresia
analitică.

Exemplul 4.2. În Exemplul" 4.1 #c) având dată matricea aplicaţiei biliniare ϕ1 ı̂n
1 0
baza canonică, [ϕ1 ]Bc = , putem scrie direct forma analitică tinând cont
−1 1
de Observaţia 4.1:

ϕ1 [(x1 , x2 ), (y1 , y2 )] = a11 x1 y1 + a12 x1 y2 + a21 x2 y1 + a22 x2 y2

= 1x1 y1 + 0x1 y2 + (−1)x2 y1 + 1x2 y2 .

Propoziţia 4.2 (Formula de schimbare a matricei unei forme biliniare la o schimbare

de bază.). Dacă B i̧ B 0 sunt baze ı̂n V , atunci

t
[ϕ]B 0 = T← −−0 [ϕ]B T←−−0 .
BB
BB

Exemplul 4.3. Să se scrie ϕ1 din Exemplul 4.1 c) ı̂n baza B dată la punctul b).
 68

Soluţie. Folosind formula de schimbare a matricei unei forme biliniare la schimbarea de

bază din baza canonică ı̂n baza B avem că

t
[ϕ1 ]B 0 = T← −− [ϕ1 ]B T←−−0
BB 0 BB
" #" #" #
1 1 1 0 1 −1
=
−1 1 −1 1 1 1
" #" #
0 1 1 −1
=
−2 1 1 1
" #
1 1
= .
−1 3

Definiţia 4.3. ϕ se numeşte simetrică dacă

ϕ(ū, v̄) = ϕ(v̄, ū), (∀)ū, v̄ ∈ V

Propoziţia 4.3. ϕ este simetrică d.n.d. matricea sa ı̂ntr-o bază B este o matrice
simetrică, adică
[ϕ]B = [ϕ]tB

Exemplul 4.4. Să se determine a ∈ R a.ı̂. forma biliniară ϕ : R2 × R2 → R,

ϕ [(x1 , x2 ), (y1 , y1 )] = (a − 1)x1 y2 + (a2 − a)x2 y1 + x2 y2 să fie simetică.
" #
0 a−1
Soluţie. [ϕ]Bc = . Pentru ca ϕ să fie simetrică, trebuie ca [ϕ]Bc să fie
a2 − a 1
 69

o matrice simetrică ⇔ [ϕ]Bc = [ϕ]tBc ,

" # " #
0 a−1 0 a2 − a
=
a2 − a 1 a−1 1
⇔ a2 − a = a − 1
⇔ a2 − 2a + 1 = 0
⇔ (a − 1)2 = 0
⇔ a = 1.
 70

4.2 Forme pătratice

Fie (V, +, ·) un spaţiu vectorial cu dim V = n,
B = {v̄1 , v̄2 , . . . , v̄n } bază ı̂n V ,
ϕ : V × V → K o formă biliniară simetrică şi
f : V → K.

Definiţia 4.4.

• Aplicaţia f dată de relaţia

f (v̄) = ϕ(v̄, v̄)

se numeşte forma pătratică asociată formei biliniare ϕ.

• Reciproc, dată o formă pătratică f , forma biliniară simetrică ϕ pentru care

ϕ(v̄, v̄) = f (v̄), (∀)v̄ ∈ V

se numeşte polara formei pătratice f .

Din definiţie ştim doar valorile polarei unei forme pătratice pentru perechile (v̄, v̄) ∈
V × V . Valorile polarei pentru o pereche oarecare (ū, v̄) ∈ V × V sunt date de propoziţia:

Propoziţia 4.4. Polara ϕ a unei forme pătratice f este forma biliniară simetrică
dată de formula:

1
ϕ(ū, v̄) = [f (ū + v̄) − f (ū) − f (v̄)] , (∀)ū, v̄ ∈ V.
2

Demonstraţie. Calculăm

f (ū + v̄) = ϕ(ū + v̄, ū + v̄)

=ϕ biliniară ϕ(ū, ū) + ϕ(ū, v̄) + ϕ(v̄, ū) + ϕ(v̄, v̄)
=ϕ simetrică f (ū) + 2ϕ(ū, v̄) + f (v̄)
 71

1
⇒ ϕ(ū, v̄) = [f (ū + v̄) − f (ū) − f (v̄)] .
2


Observaţia 4.2. În exerciţii pentru a determina ploara unei forme pătratice vom
folosi matricea formei pătratice pe care o definim astfel:

Definiţia 4.5. Se numeşte matricea formei pătratice f ı̂n baza B, matricea polarei
sale ϕ ı̂n baza B,
[f ]B =def [ϕ]B .

La fel ca la forme biliniare, legătura dintre forma analitică şi forma matriceală a unei
forme pătratice este dată de

Teorema 4.2 (Legătura dintre forma analitică şi forma matriceală a unei forme
pătratice). Orice formă pătratică f este unic determinată de matricea sa ı̂ntr-o bază
B şi are loc:
f (v̄) = [v̄]TB [f ]B [v̄]B . (4.2)

Observaţia 4.3.

• Matricea unei forme pătratice este o matrice simetrică.

• Dacă se cunoaşte [f ]Bc = [aij ]i,j=1,n , ştim că [f ]Bc = [ϕ]Bc şi atunci expre-
sia analitică a polarei lui f se poate scrie direct punând aij coeficientul lui
xi yj şi al lui xj yi (matricea fiind simetrică ⇒ aij = aji ): [f ]Bc (= [ϕ]Bc ) =
 72

 
a11 a12 . . . a1n
a12 a22 . . . a2n 
 

.. .. .. ..  ⇒
 
. . . . 


a1n a2n . . . ann

ϕ(v̄, ū) = a11 x1 y1 + a12 (x1 y2 + x2 y1 ) + . . . + aij (xi yj + xj yi ) + . . . + ann xn yn

iar
f (v̄) = a11 (x1 )2 + 2a12 x1 x2 + . . . + 2aij xi xj + . . . + ann (xn )2 ,

unde v̄ şi ū au coordonatele v̄ = (x1 , . . . , xn )Bc , ū = (y1 , . . . , yn )Bc .

• Dacă se cunoaşte expresia analitică lui f , atunci matricea lui f ı̂n baza canonică
se scrie punând (coeficientul lui xi yj )/2 şi pe poziţia ij şi pe poziţia ji ı̂n matrice:

a12 a aij aji

2
x12 + 12
2
x21 2
xij + 2
xji

f (v̄) = a11 (x1 )2 + + . . . + ann (xn )2 ⇒

z }| { z }| {
a12 x1 x2 +... + aij xi xj
 a12 a1n 
a11 ...
 2 2 
 
 a12 a2n 
 
[f ]Bc = 
 2 a22 . . . 
 . 2 
 .. .. .. .. 
. . . 
a1n a2n
 
... ann
2 2
unde ı̂n baza Bc vectorul v̄ are coordonatele v̄ = (x1 , . . . , xn )Bc .

Exemplul 4.5.

a) Se dă forma pătratică f : R2 → R,

f (x1 , x2 ) = 3x21 − 4x1 x2 + 3x22 .

Să se scrie expresia analitică a lui f .

 73

b) Se dă forma biliniară ϕ : R3 × R3 → R,

ϕ [(x1 , x2 , x3 ), (y1 , y2 , y3 )] =2x1 y1 + x2 y2 + 3x1 y2 + 3x2 y1

√ √
−4x1 y3 − 4x3 y1 − 3x2 y3 − 3x3 y2 .

Să se scrie forma pătratică asociată ı̂n caz că ea există.

" #
3 −2
Soluţie. a) [f ]Bc = = [ϕ]Bc ⇒
−2 5

ϕ [(x1 , x2 ), (y1 , y2 )] = 3x1 y1 − 2x1 y2 − 2x2 y1 + 5x2 y2 .

 
2 3 −4
 √ 
b) [ϕ]Bc =  3 1 − 3  = [ϕ]tBc ⇒
√ 
−4 − 3 0
[ϕ]Bc este o matrice simetrică ⇒ (∃) forma pătratică asociată şi [f ]Bc = [ϕ]Bc ⇒
√
f (x1 , x2 , x3 ) = 2x21 + x22 + 6x1 x2 − 8x1 x3 − 2 3x2 x3 .

Propoziţia 4.5. Orice matrice simetrică este diagonalizabilă.

 74

4.2.1 Forma canonică a unei forme pătratice

Fie V un spaţiu vectorial cu dim V = n,
B = {v̄1 , . . . , v̄n } o bază a lui V şi
f : V → K o formă pătratică.

Definiţia 4.6. Dacă f are forma

f (v̄) = a11 x21 + a22 x22 + . . . + ann x2n (4.3)

ı̂n baza B, unde v̄ = (x1 , . . . , xn )B , atunci (4.3) se numeşte forma canonică a lui f
ı̂n baza B.

Observaţia 4.4. Dacă f are forma canonică ı̂n baza B, atunci matricea lui f ı̂n baza
B este matricea diagonală
 
a11
a22
 
 
[f ]B = 
 ...
.

 
ann

Propoziţia 4.6 (Legea inerţiei a lui Sylvester). Pentru o formă pătratică, numărul
coeficienţilor nuli, pozitivi şi negativi ai formei canonice sunt constanţi, adică nu
depind de baza ı̂n care este scrisă forma canonică.

Definiţia 4.7. Forma pătratică f se numeşte

• pozitiv definită dacă f (ū) > 0, (∀)ū ∈ V \ {0̄}

 75

• semipozitiv definită dacă (∃)ū0 ∈ V \{0̄} a.ı̂. f (ū0 ) = 0 şi f (ū) ≥ 0, (∀)ū ∈ V

• negativ definită dacă f (ū) < 0, (∀)ū ∈ V \ {0̄}

• seminegativ definită dacă (∃)ū0 ∈ V \ {0̄} a.ı̂. f (ū0 ) = 0 şi

f (ū) ≤ 0, (∀)ū ∈ V

• nedefinită dacă (∃)ū, v̄ ∈ V a.ı̂. f (ū) > 0 şi f (v̄) < 0.

Pentru a aduce o formă pătratică la forma canonică vom folosi metoda valorilor proprii.
Metoda valorilor proprii
Matricea lui f ı̂n baza B, [f ]B este o matrice simetrică ⇒ [f ]B este diagonalizabilă şi din
Teorema de diagonalizare 3.4 că există o bază

B 0 = B1 ∪ B2 ∪ . . . ∪ Bp

astfel ı̂ncât

[f ]B = diag (λ1 , . . . , λ1 , λ2 , . . . , λ2 , . . . , λk , . . . , λk ).
| {z } | {z } | {z }
om(λ1 )−ori om(λ2 )−ori om(λk )−ori

unde

• λi sunt valorile proprii

• Bi sunt bazele subspaţiilor proprii Sλ=λ1

Expresia analitică a lui f ı̂n baza B 0 este

f (v̄) = [v̄]tB 0 [f ]B 0 [v̄]B 0

= λ1 y12 + . . . + λp yn2 ,

unde v̄ = (y1 , . . . , yn )B 0 .

Exemplul 4.6. Fie ϕ : R3 × R3 → R,

ϕ [(x1 , x2 , x3 ), (y1 , y2 , y3 )] = x1 y2 + x2 y1 + x1 y3 + x3 y1 − x3 y2 − x2 y3 .
 76

a) Să se scrie forma pătratică f asociată lui ϕ dacă ea esistă.

b) Să se scrie forma canonică a formei pătratice f .

 
0 1 1
 
Soluţie. a) [ϕ]Bc =  1 0 −1  = [ϕ]t ⇒ (∃) forma pătratică asociată f : R3 → R.
  Bc

1 −1 0
[f ]Bc = [ϕ]Bc ⇒
f (x1 , x2 , x3 ) = 2x1 x2 + 2x2 x3 + 2x1 x3 .

b) Aducem [f ]Bc la forma diagonală:

Polinomul caracteristic este:
 
−λ 1 1
  2 1
p3 (λ) = 
  = −(λ − 1) (λ + 2) .
1 −λ −1 
1 −1 −λ

Valorile proprii sunt rădăcinile polinomului caracteristic ⇒

• λ1 = 1, om (λ1 ) = 2

• λ1 = −2, om (λ1 ) = 1
Atunci forma canonică a lui f ı̂n baza B este

f (v̄) = 1 · y12 + 1 · y22 + (−2) · y32 , (4.4)

unde v̄ = (x1 , . . . , xn )Bc = (y1 , . . . , yn )B .

Pentru a afla baza B ı̂n care f are forma canonică (4.4), calculăm subspaţiile core-
spunzătoare valorilor proprii.
Subspaţiul propriu corespunzător valorii proprii λ = 1 este
   


 x 0 
3
   
Sλ=1 = (x, y, z) ∈ R | ([f ]Bc − 1I3 )  y  =  0 
   

 

 z 0 
     


 −1 1 1 x 0 

3 
    
= (x, y, z) ∈ R |  1 −1 −1   y  =  0
   


1 −1 −1
 
 z 0 
 77

Rezolvăm sistemul     
−1| 1 1 x 0
    
 y  =  0  ⇒
−1 −1 
 1    

1 −1 −1 z 0

x necunoscută principală,
y, z necunoscute secundare
⇒x=y+z ⇒

Sλ=1 ={(y + z, y, z), y, z ∈ R}

={(y, y, 0) + (z, 0, z), y, z ∈ R}
={y(1, 1, 0) + z(1, 0, 1), y, z ∈ R}
=L(B1 ),

unde B1 = {(1, 1, 0), (1, 0, 1)}.

⇒Propoziţia (2.8)−1) B1 este sistem de generatori pentru Sλ=1 . (1)
 
1 1
 
Rang A1 =  1 0  = 2 = nr de vectori din B1 ⇒Crireriul practic (2.1) B1 este sistem liniar independent.
 
0 1
(2)
Din relaţiile (1) şi (2) ⇒ B1 = {(1, 1, 0), (1, 0, 1)} este o bază a lui Sλ=1 (3)
Calculăm subspaţiul propriu corespunzător valorii proprii λ = −2,
    


 x 0 
3
   
Sλ=−2 = (x, y, z) ∈ R | ([f ]Bc − (−2I3 )  y  =  0 
   

 

 z 0 
      


 2 1 1 x 0 
3 
     
= (x, y, z) ∈ R |  1 2 −1    y  =  0  .
   

1 −1
 
 2 z 0 

Rezolvăm sistemul     
2 |1 1 x 0
    
 1 |2 −1   y  =  0  ⇒
    
1 −1 2 z 0
 78

y, z necunoscute principale,
x necunoscută secundară
( (
y + z = −2x y = −x
⇔ ⇒
2y − z = −x z = −x

Sλ=−2 ={(x, −x, −x), x ∈ R}

={x(1, −1, −1), x ∈ R}
=L(B2 ),
unde B2 = {(1, −1, −1)}.
⇒Propoziţia (2.8)−1) B2 este sistem de generatori pentru Sλ=−2 . (4)
B2 este format dintr-un singur vector nenul ⇒Exemplul (2.3) B2 este sistem
liniar independent. (5)
Din relaţiile (4) şi (5) ⇒ B2 = {(1, −1, −1)} este o bază a lui Sλ=−2 (6)
Din relaţiile (3) şi (6) ⇒ baza ı̂n care f are forma canonică este

B = B1 ∪ B2 = {(1, 1, 0), (1, 0, 1), (1, −1, −1)}.

| {z } | {z }
B1 B2
 79

4.3 Întrebări de verificare

Forme biliniare

1) Cine este W pentru ca o funcţie ϕ : V × V → W să poată fi o formă biliniară?

2) Dacă B = {v̄1 , v̄2 , . . . , v̄n } este o bază a lui V şi matricea lui ϕ ı̂n baza B este [ϕ]B =
[aij ]i,j=1,n , atunci aij = ...
4) Dată matricea [ϕ]Bc care este forma analitică a lui ϕ?
5) Dată forma analitică a lui ϕ, care este matricea [ϕ]Bc ?

Forme pătratice

1) Căror forme biliniare ϕ li se poate asocia o formă pătratică?

2) Cum este matricea unei astfel de forme biliniare ı̂ntr-o bază B?
3) Dată o formă biliniară ϕ, unde este definită şi cum se scrie forma pătratică asociată
f?
4) Dacă B = {v̄1 , v̄2 , . . . , v̄n } este o bază a lui V şi matricea lui f ı̂n baza B este [f ]B =
[aij ]i,j=1,n , atunci aij = ...
5) Care este legătura ı̂ntre [ϕ]B şi [f ]B ?
6) Dată matricea [f ]Bc care este forma analitică a lui f ?
7) Dată forma analitică a lui f , care este matricea [f ]Bc ?
8) Cum se scrie o formă canonică a formei pătratice f ?
Dacă s-a folosit metoda valorilor proprii pentru reducerea la forma canonică a formei
pătratice f
9) Cine sunt coeficienţii formei canonice?
10) În ce bază are această formă?
 80

Tipuri de matrice studiate

1) Matricea asociată unui sistem de vectori.

2) Matricea de trecere de la o bază la alta.
3) Matricea unei aplicaţii linare ı̂ntr-o pereche de baze.
4) Matricea unei forme biliniare ı̂n baza canonică şi ı̂ntr-o bază oarecare.
5) Matricea unei forme pătratice ı̂n baza canonică.