Documente Academic
Documente Profesional
Documente Cultură
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
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.
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
Definiţia 1.1.
1) Orice element din C[X] pe care sunt definite cele trei operaţii se numeşte poli-
nom cu coeficienţi complecşi.
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
nedeterminata X.
f = a0 + a1 X + a2 X 2 + . . . + an X n ,
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
1.2 Grupuri
Fie G o mulţime nevidă şi ∗ o lege de compoziţie internă definită pe G.
G1) (∀)x, y, z ∈ G, x ∗ (y ∗ z) = (x ∗ y) ∗ z
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.
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 .
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
3) α · 0̄ = 0̄, (∀)α ∈ K.
Exemplul 2.1.
Definiţia 2.2.
Exemplul 2.2.
• Vectorul
v̄ = 1v̄1 + 2v̄2 . . . + nv̄n
Definiţia 2.3.
combinaţie liniară a vectorilor v̄1 , v̄2 , . . . v̄n cu cel puţin un coeficient nenul, adică
(∃)i ≤ n, αi 6= 0 a.ı̂.:
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:
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.
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
va trebui să determinăm scalarii α1 , α2 , α3 , α4 care verifică această relaţie. Înlocuind vectorii
v̄1 , v̄2 , v̄3 , v̄4 ı̂n relaţia (2.3) obţinem
lent cu ( (
α4 = −α1 + α2 α3 = α1 − 2α2
⇔
α3 − α4 = 2α1 − 3α2 α4 = −α1 + α2 .
echivalent cu ( (
v̄1 + v̄3 − v̄4 = 0̄ v̄1 = −v̄3 + v̄4
⇔
v̄2 − 2v̄3 + v̄4 = 0̄ v̄2 = 2v̄3 − v̄4 .
Observaţia 2.4. În probleme pentru a studia liniar dependenţa unui sistem de vectori
vom folosi Criteriul pracic 2.1.
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 :
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
Definiţia 2.5. Sistemul de vectori B se numeşte bază pentru spaţiul vectorial (V /K, +, ·)
dacă:
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, 0), ē2 = (0, 1, 0), ē3 = (0, 0, 1)}
Bc =def {ē1 = (1, 0, . . . , 0), ē2 = (0, 1, 0, . . . , 0), . . . , ēn = (0, . . . , 0, 1)}
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.:
Propoziţia 2.2. Dacă B este o bază pentru spaţiul vectorial (V /K, +, ·), atunci
(∀)v̄ ∈ V (∃!)α1 , α2 , . . . , αn ∈ K a.ı̂.:
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 .
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 .
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:
• 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.
Observaţia 2.8. Un spaţiu vectorial nu are o singură bază, dar toate bazele sale au
acelaşi număr de vectori.
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:
Definiţia 2.8. Numim matricea A din (2.5) matricea asociată sistemului S ı̂n
baza B.
19
Cum
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.
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).
p̄ = 7X 2 + 11X + 9
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:
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
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
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:
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).
În continuare vom da două proprietăţi ale matricei de trecere de la o bază la alta:
−1
1) T←−−− = T←
B2 B1 −−−
B1 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 ⇒
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:
SSV1) (∀)ū, v̄ ∈ S ⇒ ū + v̄ ∈ S
SSV2) (∀)ū, (∀)α ∈ K ⇒ α · ū ∈ S.
Notăm S ⊂SSV V .
• 0̄ ∈ S (pentru că 0̄ · ū = 0̄ ∈ S)
(∀)ū, v̄ ∈ S, (∀)α, β ∈ K ⇒ α · ū + β · v̄ ∈ S.
Următoarea propoziţie o vom folosi foare des ı̂n exerciţii pentru a arăta că un sistem de
vectori este subspaţiu vectorial:
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 .
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
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
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)} .
(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
Bază. Dimensiune
Schimbări de baze
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
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.
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
=α [(a1 + b1 )X + c1 ] + β [(a2 + b2 )X + c2 ]
=αf (a1 , b1 , c1 ) + βf (a2 , b2 , c2 )
=αf (v̄1 ) + βf (v̄2 ).
Definiţia 3.2.
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
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 V = dim W.
Soluţie. a)
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
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
Definiţia 3.5. Matricea obţinută punând coordonatele vectorilor [f (v̄i )]BW pe coloană:
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 .
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
[f (X + 1)]B1 [f (X − 2)]B1
↓ ↓
1 −1
[f ]BB1 =
2 −1 .
0 1
c)
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
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,
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 .
Să se arate că subspaţiul generat de vectorul v̄ = (−1, 0, 2), L({v̄}) este un subspaţiu
49
invariant al lui R3 .
= S,
Definiţia 3.9.
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)
[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.
•
pn (λ) = 0
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 .
Sp(f ) = {λ1 , λ2 , . . . , λp }
[f ]BV − λIn = 0n
[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).
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:
Teorema 3.4 (de diagonalizare). În V există o bază formată din vectorii proprii ai
lui f (respectiv [f ]BV ) d.n.d.
Sp(f ) ⊂ K.
54
dim Sλ=λi = mi , i = 1, k.
Observaţia 3.4. Baza a cărei existenţă este dată de Teorema de diagonalizare 3.4
este
B = B1 ∪ B2 ∪ . . . ∪ Bk ,
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
An = T A0n 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
a) f1 R2 → R2 . f1 (x, y) = (x − y, 2x − y)
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
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
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 ⇒
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
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
−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
Aplicaţii liniare
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
Definiţia 4.2.
• Matricea notată
[ϕ]B =def [ϕ(v̄i , v̄j )]i,j=1,n
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)
ϕ [(x1 , x2 ), (y1 , y2 )] = x1 y1 + 2, x2 y1 − x2 y2 .
b) Să se găsească [ϕ]B , unde B = {v̄1 = (1, 2), v̄2 = (3, 4)}.
" #
1 0
lui ϕ1 ı̂n baza canonică [ϕ1 ]Bc =
−1 1
" #
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).
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:
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
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
Propoziţia 4.3. ϕ este simetrică d.n.d. matricea sa ı̂ntr-o bază B este o matrice
simetrică, adică
[ϕ]B = [ϕ]tB
Definiţia 4.4.
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
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.
• 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
iar
f (v̄) = a11 (x1 )2 + 2a12 x1 x2 + . . . + 2aij xi xj + . . . + ann (xn )2 ,
• 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:
Exemplul 4.5.
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.
• semipozitiv definită dacă (∃)ū0 ∈ V \{0̄} a.ı̂. f (ū0 ) = 0 şi f (ū) ≥ 0, (∀)ū ∈ V
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
unde v̄ = (y1 , . . . , yn )B 0 .
ϕ [(x1 , x2 , x3 ), (y1 , y2 , y3 )] = x1 y2 + x2 y1 + x1 y3 + x3 y1 − x3 y2 − x2 y3 .
76
1 −1 0
[f ]Bc = [ϕ]Bc ⇒
f (x1 , x2 , x3 ) = 2x1 x2 + 2x2 x3 + 2x1 x3 .
• λ1 = −2, om (λ1 ) = 1
Atunci forma canonică a lui f ı̂n baza B este
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 ⇒
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
Forme biliniare
Forme pătratice