Sunteți pe pagina 1din 18

Capitolul 2

SPAŢII LINIARE

2.1 Spaţii liniare


an univ. 2004/2005
În acest capitol sunt studiate unele proprietăţi matematice ale unei mulţimi de elemente
care formează un spaţiu liniar sau vectorial. Elementele acestui spaţiu pot fi entităţi de
natură cu totul diferită: forţe, viteze, semnale electrice, vectori geometrici, soluţii ale unor
ecuaţii diferenţiale etc. În ciuda acestei diversităţi vom descrie spaţiul vectorial ı̂n mod
abstract, adică printr-o mulţime de elemente lipsită de orice atribut fizic.
O componentă a noţiunii de spaţiu liniar este noţiunea de corp. În general ne vom opri
asupra corpurilor numerelor reale R şi numerelor complexe C. Fie K un corp comuta-
tiv (care poate fi corpul numerelor reale R sau corpul numerelor complexe C) ale cărui
elemente, numite scalari, vor fi notate, în general, cu litere greceşti mici (α, β, γ, . . . ).

Definiţia 2.1 Fie (K,+, ·) un corp comutativ. Cuaterna ordonată (X, ⊕, ¯, K) unde X 6= ∅
este o mulţime, ⊕ o lege internă aditivă,

⊕ : X × X → X : ∀(x, y) ∈ X2 , (x, y) → x ⊕ y ∈ X,

¯ o lege externă multiplicativă de compoziţie,

¯ : K × X → X : ∀(α, x) ∈ K × X, (α, x) → α ¯ x ∈ X

se numeşte spaţiu liniar (vectorial) peste câmpul K (sau K−spaţiu liniar) dacă (X,⊕)
este grup comutativ şi sunt satisfăcute axiomele
SL1 .∀(α, β, x) ∈ K2 × X : α ¯ (β ¯ x) = (α · β) ¯ x
SL2 .∀(α, β, x) ∈ K2 × X : (α + β) ¯ x = (α ¯ x) ⊕ (β ¯ x)
SL3 .∀(α, x, y) ∈ K × X2 : α ¯ (x ⊕ y) = (α ¯ x) ⊕ (α ¯ y)
SL4 .∀x ∈ X : 1 ¯ x = x, unde 1 este elementul neutru pentru operaţia · din K.

Observaţii.
1. Elementele mulţimii X se numesc vectori şi vor fi notate cu litere latine mici.

25
26 CAPITOLUL 2. SPAŢII LINIARE

2. Cuaterna ordonată (X, ⊕, ¯, R) se numeşte spaţiu liniar real, iar cuaterna ordonată
(X, ⊕, ¯, C) se numeşte spaţiu liniar complex.
3. Pentru claritate am folosit notaţia ”+” şi ”·” pentru operaţiile de adunare şi înmulţire
definite pe corpul de scalari, iar cu ” ⊕ ” şi ” ¯ ” operaţiile de adunare a vectorilor şi de
înmulţire cu un scalar a unui vector. O astfel de distincţie între aceste operaţii este esenţială
pentru înţelegerea corectă a noţiunilor. Complexitatea notaţiei ar îngreuna înţelegerea şi
de aceea în cele ce urmează, vom folosi aceleaşi notaţii, de ” + ” şi ” · ” pentru cele două
operaţii, având grijă să înţelegem din contextul fiecărei relaţii semnificaţia ei.

Exemple de spaţii liniare.


Exemplul 2.1 X = {θX } , constând dintr-un singur vector, vectorul nul, este un K−spaţiu
liniar, peste orice câmp K, numit spaţiu vectorial nul.
Exemplul 2.2 Spaţiul liniar aritmetic Kn .
Fie (K, +, ·) un corp comutativ şi n ∈ N, n ≥ 1. Considerăm produsul cartezian
Kn = K× · · · × K, Kn = {x|x = (x1 , . . . , xn ), xi ∈ K, i = 1, n}.
Pe Kn definim operaţiile
∀(x, y) ∈ Kn ×Kn , x +y = (x1 , . . . , xn ) +(y1 , . . . , yn ) = (x1 +y1 , . . . , xn +yn ) (adunarea
pe componente)
şi
∀(α, x) ∈ K × Kn , α · x = (α · x1 , . . . , α · xn ) (ı̂nmulţirea cu un scalar a fiecărei
componente).
Folosind cele două operaţii şi proprietăţile câmpului K se verifică axiomele spaţiului
liniar. (Kn , +, ·, K) se numeşte spaţiu liniar aritmetic.
În particular, dacă considerăm K = R atunci (Rn , +, ·, R) se numeşte spaţiu liniar
aritmetic real, iar dacă considerăm K = C atunci (Cn , +, ·, C) se numeşte spaţiu liniar
aritmetic complex.
Pentru n = 1 obţinem (K, +, · K) spaţiu liniar. Putem vorbi deci despre spaţiul liniar
real al numerelor reale şi de spaţiu liniar complex al numerelor complexe.
Exemplul 2.3 Analog definim spatiul Kn = {x|x = (x1 , . . . , xn )T , xi ∈ K, i = 1, n}.
Exemplul 2.4 Spaţiul liniar al matricelor dreptunghiulare de tip (m, n), notat
(Mm×n (K), +, ·, K).
Fie (K, +, ·) un corp comutativ. Pentru orice două matrice A = (aij )i=1,m,j=1,n şi B =
(bij )i=1,m,j=1,n ∈ Mm×n (K), λ ∈ K defnim
A + B = (aij )i=1,m,j=1,n + (bij )i=1,m,j=1,n = (aij + bij )i=1,m,j=1,n
λ · A = λ · (aij )i=1,m,j=1,n = (λ · aij )i=1,m,j=1,n
Folosind cele două operaţii şi proprietăţile câmpului K se verifică axiomele spaţiului
liniar.
În particular, dacă m = n matricea A se numeşte matrice patratică de ordin n. Vom
nota prin Mn (K) mulţimea matricelor pătratice de ordin n cu elemente din K.
Pentru K = R se obţin matrice cu elemente reale, iar pentru K = C se obţin matrice cu
elemente complexe.
2.1. SPAŢII LINIARE 27

Exemplul 2.5 Spaţiul liniar al funcţiilor F(M, X).


Fie (K, +, ·) un corp comutativ, M o mulţime oarecare şi (X, +, ·K) un spaţiu liniar.
Notăm prin F(M, X) mulţimea funcţiilor definite pe mulţimea M şi cu valori în X.
F(M, X) = {f |f : M → X}.
Elementele mulţimii F(M, X) le vom nota cu litere mici latine f, g, h, . . . . Definim
egalitatea a două funcţii f şi g astfel:
f (x) = g(x) pentru ∀x ∈ M.
Pe mulţimea F(M, X) se definesc cele două operaţii astfel:
-adunarea ∀(f, g) ∈ F(M, K)×F(M, K) :(f + g)(x) = f (x) + g(x), ∀x ∈ M şi
-înmulţirea funcţiilor din F(M, X) cu scalari din câmpul K : ∀(α, f ) ∈ K ×
F(M, X) : (αf )(x) = αf (x) pentru ∀x ∈ M.
Faţă de aceste legi de compoziţie mulţimea F(M, X) are structura de spaţiu liniar peste
câmpul K. Dacă considerăm K = M = R, atunci F(R, R) se numeşte spaţiul liniar real al
funcţiilor reale cu valori reale.
Exemplul 2.6 Spaţiul liniar al polinoamelor de grad ≤ n cu coeficienţi din corpul
comutativ K, Kn [x], unde x notează variabila polinoamelor.
Fie (K, +, ·) un corp comutativ. Operaţiile de adunare a două polinoame şi de înmulţire
a unui poliom cu un scalar din K determină pe Kn [x] o structură de spaţiu liniar.
Teorema 2.1 (Consecinţe ale definiţiei spaţiului liniar)
Dacă (X, +, ·, K) este un spaţiu liniar, atunci
a) ∀x ∈ X : 0 · x = θX ;
b) ∀α ∈ K : α · θX = θX ;
c) ∀x ∈ X : (−1) · x = −x;
d) ∀(α, x) ∈ K × X : α · x = θX ⇒ α = 0 sau x = θX ;
e) ∀(α, β, x) ∈ K2 × (X \ {θX }) : α · x = β · x ⇒ α = β
f ) ∀(α, x, y) ∈ (K \ {0}) × X2 : α · x = α · y ⇒ x = y
Demonstraţie.
a) ∀x ∈ X : 0 · x = (0 + 0) · x = 0 · x + 0 · x ⇒ 0 · x = θX .
b) ∀α ∈ K, α · θX = α · (θX + θX ) = α · θX + α · θX ⇒ α · θX = θX .
c) ∀x ∈ X : x + (−1) · x = 1 · x + (−1) · x = (1 − 1) · x = 0 · x = θX ⇒ (−1) · x = −x
d) dacă α 6= 0 ⇒ ∃α−1 ∈ K ⇒ α · x = θX ⇒ α−1 · (α · x) = α−1 · θX ⇒ (α−1 · α) · x = θX ⇒
1 · x = θX ⇒ x = θX
e) ∀(α, β, x) ∈ K 2 × (X \ {θX }) : α · x = β · x ⇒ (α − β) · x = θX , x 6= θX ⇒ α = β
f) ∀(α, x, y) ∈ (K \ {0}) × X 2 : α · x = α · y ⇒ α · x + (−α) · y = θX ⇒ α · x + α · (−y) = θX ⇒
α · (x − y) = θX , α 6= 0 ⇒ x = y¨
Consecinţa 2.1 a) ∀(α, x) ∈ K × X : −α · x = (−α) · x = α · (−x),
(−α) · x + αx = (−α + α) · x = 0 · x = θX ⇒ (−α) · x = −α · x;
b)∀(α, β, x) ∈ K 2 × X : (α − β) · x = α · x + (−β) · x = α · x − β · x;
c) ∀(α, x, y) ∈ K × X 2 : α · (x − y) = α · (x + (−y)) = α · x + α · (−y) = α · x − α · y.¨
28 CAPITOLUL 2. SPAŢII LINIARE

2.2 Subspaţii liniare


Definiţia 2.2 Fie (X, +, ·, K) un spaţiu liniar. O submulţime V, V 6= ∅, a mulţimii X se
numeşte subspaţiu liniar al spaţiului X dacă (V, +, ·, K) este un spaţiu liniar.
Teorema 2.2 (Teorema de caracterizare a subspaţiilor liniare)
Fie (X, +, ·, K) un spaţiu liniar. Condiţia necesară şi suficientă ca o submulţime V a
mulţimii X să fie un subspaţiu liniar a spaţiului X este:
a)
∀(x, y) ∈ V2 : x + y ∈ V, (2.1)
b)
∀(α, x) ∈ K × V : α · x ∈ V. (2.2)
Demonstraţie.
Necesitatea. Presupunem că V este un spaţiu liniar. Rezultă că este închis în raport cu
operaţia aditivă definită pe X , deci au loc relaţia a); înmulţirea cu scalari este o operaţie externă
în raport cu K , peste tot definită pe X , deci au loc relaţia b).
Suficienţa. Presupunem a) şi b) îndeplinite, ceea ce înseamnă că V este închis în raport cu
operaţiile de adunare a elementelor lui şi de multiplicare la stânga cu elemente din corpul de
scalari. Proprietăţile de asociativitate şi axiomele SL1 , SL2 , SL3 , SL4 sunt satisfăcute pe X ,
deci cu atât mai mult sunt satisfăcute pe V ⊂ X . Demonstrăm că ∀x ∈ V ⇒ −x ∈ V şi
θX ∈ V . Pentru ∀x ∈ V rezultă, considerând în b) α = −1 rezultă α · x = −x ∈ V ; utilizând
a) cu y = −x obţinem x + (−x) = θX ∈ V.¨

Observaţia 2.1 Relaţiile (2.1) şi (2.2) pot fi ı̂nlocuite printr-o singură relaţie de forma
∀(α, x, y) ∈ K × V2 : α · x + y ∈ V. (2.3)
Exemple de subspaţii liniare.
Exemplul 2.7 Fie (X, +, ·, K) este un spaţiu liniar. Mulţimile V = {θX } şi X sunt subspaţii
liniare ale lui X. Ele se numesc subspaţii improprii. Orice alt subspaţiu a lui X se numeşte
subspaţiu propriu.
Exemplul 2.8 Considerăm spaţiul liniar aritmetic Kn şi fie mulţimea
V = {(0, x2 , . . . , xn ), xi ∈ K, i = 2, n} ⊂ Kn . Observăm că
∀(α, (0, x2 , . . . , xn ), (0, y2 , . . . , yn )) ∈ K × V2 : α(0, x2 , . . . , xn ) + (0, y2 , . . . , yn ) =
(0, αx2 + y2 , . . . , αxn + yn ) ∈ V.
Rezultă că V este un subspaţiu liniar coform relaţiei (2.3).
Exemplul 2.9 Considerăm submulţimea W = {(1, x2 , . . . , xn ), xi ∈ K, i = 2, n} ⊂ Kn .
Observăm că
∀((1, x2 , . . . , xn ), (1, y2 , . . . , yn )) ∈ W2 : (1, x2 , . . . , xn )+(1, y2 , . . . , yn ) = (2, x2 +y2 , . . . ,
/ W, deci W nu este subspaţiu liniar a spaţiului Kn .
xn + yn ) ∈
2.2. SUBSPAŢII LINIARE 29

Exemplul 2.10 Mulţimea funcţiilor pare definite pe I = [−a, a] ⊂ R,

F 0 (I, R) = {f |f : I → R, f (−x) = f (x), ∀x ∈ I}

este un subspaţiu liniar al spaţiului liniar F(I, R).

Exemplul 2.11 Mulţimea funcţiilor impare definite pe I = [−a, a] ⊂ R,

F 00 (I, R) = {f |f : I → R, f (−x) = −f (x), ∀x ∈ I}

este un subspaţiu liniar al spaţiului liniar F(I, R).

Exemplul 2.12 Mulţimea funcţiilor continue pe [a, b] cu valori reale, C ([a, b] , R) este un
subspaţiu liniar al lui F( [a, b] , R).

2.2.1 Operaţii cu subspaţii liniare


Definiţia 2.3 Dacă f : I → X este o funcţie definită pe o mulţime de indici I şi cu valori
ı̂ntr-o mulţime X şi dacă f (i) = xi , i ∈ I, atunci notăm f prin (xi )i∈I pe care-l numim
sistem de elemente din X.

Observaţia 2.2 Elementele sistemului S = (xi )i∈I nu sunt neapărat distincte, de aceea S
poate să nu fie o submulţime a lui X.

Definiţia 2.4 Fie V1 , V2 două subspaţii ale spaţiului liniar (X, +, ·, K). Definim
\
V1 V2 = {v | v ∈ V1 şi v ∈ V2 }
[
V1 V2 = {v | ∃i ∈ {1, 2} : v ∈ Vi }

Teorema
T 2.3 Fie Fie V1 , V2 două subspaţii ale spaţiului liniar (X, +, ·, K). Intersecţia
V1 V2 este un subspaţiu liniar al spaţiului liniar X.

Demonstraţie. T T
Observăm că V1 V2 6= ∅ deoarece
T 2 θ X ∈ V i , ∀i ∈ {1, 2} ⇒ θX ∈ V 1 V2 .
Pentru ∀α ∈ K şi ∀(x, y) ∈ (V1 V2 ) , rezultă x + y ∈ Vi , ∀i ∈ {1, 2} şi deci
\
x + y ∈ V1 V2 (2.4)

De asemenea αx ∈ Vi , ∀i ∈ {1, 2} şi deci


\
αx ∈ V1 V2 . (2.5)
T
Din (2.4)+(2.5) rezultă, conform Teoremei 2.2 de caracterizare a subspaţiilor liniare, că V1 V2
este un subspaţiu liniar.¨
30 CAPITOLUL 2. SPAŢII LINIARE

Exemplul 2.13 Fie R2 [x] spaţiul liniar al polinoamelor de grad ≤ 2 cu coeficienţi din
R . Fie V1 subspaţiul liniar al polinoamelor de forma b1 x + b2 x2 şi V2 subspaţiul liniar
polinoamelor de forma a0 + a1 x. Intersecţia lor este mulţimea polinoamelor de forma cx
care, evident, este un subspaţiu liniar al lui R2 [x] .
Observaţia 2.3 Reuniunea unui sistem de subspaţii liniare nu este, ı̂n general, un subspaţiu
liniar. Ca exemplu considerăm V1 = {(x1 , 0) | (x1 , 0) ∈ R2 } , V2 = {(0, x2 ) | (0, x2 ) ∈ R2 } .
Dacă considerăm u = (1, 0) ∈ V1 şi v = (0, 1) ∈ V2 , u, v ∈ V1 ∪ V2 , dar u + v ∈ / V1 ∪ V2 .
Definiţia 2.5 Fie S = (Vi )i=1,n un sistem de subspaţii ale spaţiului liniar (X, +, ·, K). Se
numeşte suma sistemului S mulţimea definită prin
( )
Xn Xn
V= Vi = v ∈ X |v = vi , vi ∈ Vi , i = 1, n .
i=1 i=1

Teorema 2.4 Suma sistemului S = (Vi )i=1,n de subspaţii ale spaţiului liniar (X, +, ·, K),
notată V, este un subspaţiu liniar al lui X.
Demonstraţie.
Observăm că V 6= ∅ deoarece θX + θX + . . . + θX ∈ V.
X
n X
n
Fie α ∈ K şi (u, v) ∈ V 2 astfel încât u = ui , v = vi , ui , vi ∈ Vi , i = 1, n, α · u + v =
i=1 i=1
Xn X
n X
n
α·( ui ) + vi = (α · ui + vi ) .
i=1 i=1 i=1
Dar Vi , i = 1, n sunt subspaţii liniare rezultă α · ui + vi ∈ Vi , ∀i = 1, n ⇒ α · u + v ∈ V şi
deci, conform relaţiei (2.3), V este subspaţiu liniar.¨
Definiţia 2.6 Fie V1 , V2 două subspaţii ale spaţiului liniar (X, +, ·, K). Dacă V = V1 + V2
V2 = {θX } atunci V se numeşte suma directă a subspaţiilor V1 , V2 şi se notează
şi V1 ∩ L
V = V1 Vi .
Teorema 2.5 (Teorema de caracterizare a sumei directe) Condiţia necesară şi
L ca suma V a subspaţiilor V1 , V2 să fie sumă directă este ca orice element v ∈
suficientă
V = V1 V2 să se scrie în mod unic sub forma
v = v1 + v2 , vi ∈ Vi , i = 1, 2. (2.6)
Demonstraţie. L
Necesitatea. Presupunem că V = V1 V2 şi fie v ∈ V care admite două scrieri distincte, v =
v1 +v2 , v = w1 +w2 , vi , wi ∈ Vi , i = 1, 2. Avem, deci, v1 +v2 = w1 +w2 ⇒ v1 −w1 = (w2 −v2 ).
Rezultă că v1 − w1 ∈ V1 ∩ V2 . Conform ipotezei V1 ∩ V2 = {θX } ⇒ v1 − w1 = θX , v2 − w2 = θX
⇒ v1 = w1 , v2 = w2 . Rezultã cã scrierea este unicã.
Suficienţa. Fie subspaţiile V1 , V2 astfel încât V = V1 + V2 şi descompunerea oricărui vector
v ∈ V de forma (2.6) să fie unică. Fie u ∈ V1 ∩ V2 ⇒ u ∈ V1 şi u ∈ V2 . Rezultă că v =
(v1 − u) + (v2 + u) ∈ V1 + V2 ceea ce contrazice unicitatea scrierii lui v, contradicţie care provine
din faptul că am presupus existenţa lui u 6= θX , u ∈ V1 ∩ V2 = {θX } .¨
2.3. SUBSPAŢIU GENERAT DE UN SISTEM DE VECTORI 31

Exemplul 2.14 Fie F 0 (I, R) şi F 00 (I, R) subspaţiile liniare ale funcţiilor pare şi respectiv
impare, subspaţii ale spaţiului liniar F(I, R). Singura funcţie pară şi impară ı̂n acelaşi
timp este funcţia identic nulă. De aici rezultă că ∀f ∈ F(I, R) : f = f1 + f2 unde f1 ∈
1 1
F 0 (I, R), f2 ∈ F 00 (I, R) cu f1 (x) = [f (x) + f (−x)] , f2 (x) = [f (x) − f (−x)] , ∀x ∈ I.
2 2
Rezultă că
F(I, R) = F 0 (I, R) ⊕ F 00 (I, R).

2.3 Subspaţiu generat de un sistem de vectori


Fie (X, +, ·, K) este un spaţiu liniar S = (vi )i=1,n un sistem de vectori din X.

Definiţia 2.7 Spunem că un vector v ∈ X este o combinaţie liniară de vectorii sis-
temului S dacă există (α1 , . . . , αn ) ∈ Kn astfel ı̂ncât

X
n
v = α1 · v1 + . . . + αn · vn = αi · vi .
i=1

Exemplul 2.15 În spaţiul liniar F(R, R) considerăm sistemul de funcţii (f0 (x) = 1, f1 (x) =
x, . . . , fn (x) = xn ). Orice funcţie polinomială de grad mai mic sau egal cu n poate fi scris
Xn X
n
ca o combinaţie liniară de aceste funcţii, p(x) = αi fi (x) = αi xi ı̂n care unii din
i=0 i=0
coeficienţi αi , i = 0, n pot fi nuli. În schimb funcţia f (x) = ex nu poate fi scrisă ca o
combinaţie liniară de aceleaşi funcţii.

Fie S = (vi )i=1,n un sistem de vectori din X. Notăm cu [S] mulţimea tuturor combinaţi-
ilor liniare de vectori ai sistemului S,
( )
X
n
[S] = v ∈ X ; ∃(α1 , . . . , αn ) ∈ Kn : v = αi · vi .
i=1

Teorema 2.6 Mulţimea [S] ⊂ X este un subspaţiu liniar al lui X.

Demonstraţie.
2
X
n
n
Dacă λ ∈ K, (u, v) ∈ [S] , ∃(α1 , . . . , αn ) ∈ K : u = αi · vi şi ∃(β1 , . . . , βn ) ∈ K n :
i=1
X
n X
n X
n X n
v= βi · vi ⇒ λ · u + v = λ · αi · vi + βi · vi = [(λ · αi ) · vi + βi · vi ] =
i=1 i=1 i=1 i=1
X
n
= (λ · αi + βi ) · vi ∈ [S] .¨
i=1
32 CAPITOLUL 2. SPAŢII LINIARE

Observaţia 2.4 Observăm că [S] este ı̂ntotdeauna un subspaţiu, chiar dacă S este o
mulţime oarecare de vectori.

Definiţia 2.8 Subspaţiul [S] , mulţimea tuturor combinaţiilor liniare de vectori ai sistemu-
lui S, se numeşte subspaţiul generat de vectorii sistemului S.

Definiţia 2.9 Un sistem de vectori din X, S = (vi )i=1,n se numeşte sistem de generatori
pentru X dacă subspaţiul generat de S coincide cu X, adică [S] = X. În acest caz spunem
că S generează pe X.

Definiţia 2.10 Un K-spaţiu liniar X se numeşte finit generat dacă pentru X există un
sistem finit de generatori.

În cadrul acestui curs ne vom ocupa numai de spaţii finit generate.

2.4 Dependenţă şi independenţă liniară


Definiţia 2.11 Un sistem de vectori din X, S = (vi )i=1,n se numeşte sistem liniar de-
pendent (vectorii v1 , . . . , vn se numesc liniar dependenţi) dacă există (α1 , α2 , . . . , αn ) ∈
Kn , (α1 , . . . , αn ) 6= θKn astfel încât

α1 · v1 + α2 · v2 + . . . + αn · vn = θX .

În caz contrar sistemul de vectori S se numeşte sistem liniar independent (vectorii
v1 , . . . , vn se numesc liniar independenţi).

Observaţia 2.5 Din definiţie rezultă că sistemul de vectori S este liniar independent dacă
şi numai dacă ∀(α1 , . . . , αn ) ∈ Kn : α1 · v1 + α2 · v2 +. . . +αn · vn = θX ⇔ (α1 , . . . , αn ) = θKn .

Observaţia 2.5 este utilizată ı̂n practică pentru a verifica dacă un sistem de vectori este
liniar independent.

Exemplul 2.16 Vectorii v1 = (1, 0, 0), v2 = (0, 1, 0), v3 = (0, 0, 1) din R3 sunt liniar inde-
pendenţi deoarece
α1 v1 + α2 v2 + α3 v3 = θR3 ⇔ α1 (1, 0, 0) + α2 (0, 1, 0) + α3 (0, 0, 1) = θR3 ⇔
(α1 , α2 , α3 ) = (0, 0, 0) ⇔ α1 = α2 = α3 = 0.

Exemplul 2.17 Vectorii v1 = (1, 2, −1), v2 = (2, −1, 0), v 3 = (4, 3, −2) din R3 sunt liniar
dependenţi deoarece
α1 v1 + α2 v2 + α3 v3 = θR3 ⇔ α1 (1, 2, −1) + α2 (2, −1, 0) + α3 (4, 3, −2) = θR3 ⇔
( α1 + 2α2 + 4α3 , 2 α1 − α2 + 3α3 , − α1 − 2α3 ) = (0, 0, 0) ⇔

 α1 + 2α2 + 4α3 = 0
2α1 − α2 + 3α3 = 0 . (2.7)

−α1 − 2α3 = 0
2.4. DEPENDENŢĂ ŞI INDEPENDENŢĂ LINIARĂ 33

Sistemul (2.7), care este un sistem liniar omogen, are soluţii diferite de soluţia
banală dacă şi numai dacă determinantul sistemului este zero. Se verifică prin
calcul
¯ că ¯
¯ 1 2 4 ¯¯
¯
¯ 2 −1 3 ¯¯ = 0, deci vectorii sunt liniar dependenţi.
¯
¯ −1 0 −2 ¯
Exemplul 2.18 În spaţiul liniar F(R, R), sistemul de funcţii (f1 (x) = 1, f2 (x) = sin x,
f3 (x) = cos x) este liniar independent. Într-adevăr, din relaţia α1 1 + α2 sin x + α3 cos x =
π
θ, ∀x∈ R rezultă că aceasta este adevărată şi pentru x = 0, 2 , π, de unde obţinem
 α1 + α3 = 0
α1 + α2 = 0 ⇒ α1 = α2 = α3 = 0.

α1 − α3 = 0
În schimb sistemul de funcţii (g1 (x) = 1, g2 (x) = sin2 x, g3 (x) = cos2 x) este liniar dependent
deoarece (−1) · 1+ 1 · sin2 x + 1 · cos2 x = 0.
Exemplul 2.19 Sistemul format numai din vectorul nul, (θX ) este liniar dependent deoare-
ce avem 1 · θX = θX , iar sistemul format dintr-un singur vector nenul, v 6= θX este liniar
independent deoarece α · v = θX , α 6= 0 ⇒ v = θX .
Teorema 2.7 (Teorema de caracterizare a dependenţei liniare) Condiţia nece-
sară şi suficientă ca un sistem de vectori din X, S = (vi )i=1,n să fie liniar dependent este
ca cel puţin unul din vectori să se poată exprima ca o combinaţie liniară de ceilalţi vectori.
Demonatraţie.
Necesitatea. Presupunem că sistemul de vectori S = (vi )i=1,n este liniar dependent. Rezultă
că există (α1 , α2 , . . . , αn ) ∈ K n , (α1 , α2 , . . . , αn ) 6= θKn , astfel încât
α1 · v1 + α2 · v2 + . . . + αn · vn = θX .
Presupunem, de exemplu, αj 6= 0, j ∈ {1, 2, . . . , n} . Atunci
αj · vj = −α1 · v1 − . . . − αj−1 · vj−1 − αj+1 · vj+1 − . . . − αn · vn , αj 6= 0 ⇒ ∃αj−1 ⇒
vj = −αj−1 · α1 · v1 − . . . − αj−1 · αj−1 · vj−1 − αj−1 · αj+1 · vj+1 − . . . − αj−1 · αn · vn
adică vj este o combinaţie liniară de ceilalţi vectori ai sistemului.
Suficienţa. Dacă vj este o combinaţie liniară de ceilalţi vectori ai sistemului S atunci există
(β1 , . . . βj−1 , βj+1 , . . . , βn ) ∈ K n−1
vj = β1 · v1 + . . . + βj−1 · vj−1 + βj+1 · vj+1 + . . . + βn · vn ⇔
β1 · v1 + . . . + βj−1 · vj−1 − vj + βj+1 · vj+1 + . . . + βn · vn = θX .
Notăm αk = βk , k = 1, n, k 6= j, αj = −1 6= 0, (α1 , α2 , . . . , αn ) 6= θKn , rezultă că vectorii
sistemului S sunt liniar dependenţi.¨
Teorema 2.8 Fie X un K -spaţiu liniar. Au loc afirmaţiile:
a) Dacă un sistem de vectori S conţine un subsistem S 0 de vectori liniar dependent,
atunci S este el ı̂nsuşi un sistem liniar dependent.
b) Un subsistem al unui sistem de vectori liniar independenţi este un sistem liniar in-
dependent.
34 CAPITOLUL 2. SPAŢII LINIARE

Demonstraţie.
a) Fie sistemul de vectori S = (vi )i=1,n şi subsistemul S 0 = (vi )i=1,p , p < n, liniar dependent.
Există (α1 , α2 , . . . , αp ) ∈ K p , (α1 , α2 , . . . , αp ) 6= θKn , astfel încât
α1 · v1 + α2 · v2 + . . . + αj · vj = θX .
Această relaţie se poate scrie
α1 · v1 + α2 · v2 + . . . + αj · vj + 0 · vj+1 + . . . + 0 · vn = θX
în care nu toţi coeficienţii sunt egali cu zero, deci sistemul de vectori S = (vi )i=1,n este liniar
dependent.
b) Demonstrăm prin reducere la absurd. Presupunem că există un subsistem S 0 al unui sistem
de vectori liniar independenţi S = (vi )i=1,n care este liniar dependent. Conform punctului a)
sistemul S este liniar dependent, ceea ce este absurd.¨

Consecinţa 2.2 Orice sistem de vectori care conţine vectorul nul este liniar dependent.

Observaţia 2.6 Independenţa liniară poate fi studiată şi pentru sisteme infinite de vectori.
Un sistem infinit de vectori se numeşte liniar independent dacă orice subsistem finit al său
este liniar independent. În caz contrar sistemul se numeşte liniar dependent.

Exemplul 2.20© k Sistemul Sª = (ti )i∈N este liniar independent deoarece orice subsistem al
său de forma t , tk+1 , . . . , tn , k < n, este liniar independent.

2.5 Bază şi dimensiune


Definiţia 2.12 Un sistem de vectori S = (ei )i=1,n din X se numeşte bază ı̂n K-spaţiul
liniar X dacă satisface condiţiile:
a) S este un sistem de vectori liniari independenţi;
b) S este un sistem de generatori pentru K-spaţiul liniar X.

Exemplul 2.21 În spaţiul liniar Kn considerăm sistemul de vectori S = (ei )i=1,n unde

e1 = (1, 0, . . . , 0) , e2 = (0, 1, 0, . . . , 0) , . . . , en = (0, 0, . . . , 0, 1) . (2.8)

Din orice relaţie de forma α1 e1 + α2 e2 + . . . + αn en = θX rezultă αi = 0, ∀i = 1, n deci


sistemul de vectori S = (ei )i=1,n este liniar independent.
Pe de altă parte, pentru orice x = (x1 , x2 , . . . , xn ) ∈ Kn avem x = x1 (1, 0, . . . , 0) +
x2 (0, 1, 0, . . . , 0) + . . . + xn (0, 0, . . . , 0, 1) = x1 e1 + x2 e2 + . . . + xn en , adică sistemul de
vectori S = (ei )i=1,n este un sistem de generatori pentru Kn .
Sistemul de vectori S = (ei )i=1,n definit de (2.8) se numeşte baza canonică (baza
naturală) din Kn .

¢ Mm×n (R), m, n ∈ N sistemul de matrice:
¡ 2.22 În spaţiul liniar
Exemplul
S = Eij , i = 1, m, j = 1, n definite prin
2.5. BAZĂ ŞI DIMENSIUNE 35

j

 
0 ... · ... 0
 0 ... · ... 0 
 
 ... 0 ... 
 
Eij = i →   0 . . . 1 . . . 0 

 0 ... 0 ... 0 
 
 ... 0 ... 
0 ... · ... 0
(deci Eij are toate elementele nule, cu excepţia celui de la intersecţia liniei i cu coloana j,
care este egal cu 1), constituie o bază, numită baza canonică a spaţiului Mm×n (R).

Exemplul 2.23 Baza canonică din Rn [x] este S = (1, x, x2 , . . . , xn ) .

Teorema 2.9 (Teorema de caracterizare a bazelor) Condiţia necesară şi suficientă


ca un sistem de vectori S = (ei )i=1,n din X să fie o bază ı̂n K-spaţiul liniar X este ca orice
vector din X să se exprime ı̂n mod unic ca o combinaţie liniară de vectori din S, adică

∀x ∈ X, ∃∗ (α1 , α2 , . . . , αn ) ∈ Kn : x = α1 e1 + α2 e2 + . . . + αn en . (2.9)

Demonstraţie.
Necesitatea. Presupunem că sistemul de vectori S = (ei )i=1,n este o bază în K -spaţiul liniar
X. Deoarece [S] = X rezultă că
∀x ∈ X, ∃(α1 , α2 , . . . , αn ) ∈ K n : x = α1 · e1 + α2 · e2 + . . . + αn · en .
Demonstrăm că descompunerea este unică prin reducere la absurd. Presupunem că mai există
o descompunere a lui x.
∃(β1 , . . . , βn ) ∈ K n , (β1 , . . . , βn ) 6= (α1 , . . . , αn ):x = β1 · e1 + β2 · e2 + . . . + βn · en . Prin
scădere obţinem
(α1 − β1 ) · e1 + (α2 − β2 ) · e2 + . . . + (αn − βn ) · en = θX .
Dar sistemul de vectori (ei )i=1,n este liniar independent rezultă αk = βk , k = 1, n, deci
unicitatea scierii.
Suficienţa. Presupunem că
∀x ∈ X ,∃∗ (α1 , α2 , . . . , αn ) ∈ K n : x = α1 e1 + α2 e2 + . . . + αn en .
De aici rezultă că S este un sistem de generatori pentru X. Demonstrăm că vectorii sistemului
S sunt liniar independenţi. Pentru aceasta considerăm o relaţie de forma
α1 · e1 + α2 · e2 + . . . + αn · en = θX
care constituie o descompunere a vectorului θX după vectorii sistemului S . Pe de altă parte avem
şi următoarea descompunere a vectorului θX după vectorii sistemului S de forma:
θX = 0 · e1 + 0 · e2 + . . . + 0 · en .
Cum descompunerea după vectorii din S este unică, rezultă αk = 0, k = 1, n, adică sistemul
de vectori S este liniar independent. Deci S este o bază.¨

Observaţia 2.7 Dacă S = (ei )i=1,n o bază ı̂n K-spaţiul liniar X, atunci orice v ∈ X se scrie
ı̂n mod unic sub forma (2.9) (conform Teoremei 2.9).
36 CAPITOLUL 2. SPAŢII LINIARE

Definiţia 2.13 Scalarii care formează n-upla ordonată (α1 , α2 , . . . , αn ) ∈ Kn din descom-
punerea unică (2.9) a lui x ∈ X se numesc coordonatele vectorului x ı̂n baza S.

Teorema următoare este punctul de plecare ı̂n demonstrarea faptului că toate bazele
ı̂ntru-un spaţiu liniar finit au acelaşi număr de vectori.

Teorema 2.10 Fie S = (ei )i=1,n o bază ı̂n K-spaţiul liniar X. Dacă S 0 = (vi )i=1,m un
sistem liniar independent atunci m ≤ n.

Demonstraţie.
Demonstraţia se face prin reducere la absurd. Presupunem că m > n. Va rezulta că sistemul
0
S este liniar dependent. Considerăm relaţia

X
m
αi ·vi = θX . (2.10)
i=1

Dar ∀i = 1, m, vi ∈ X şi deoarece S este o bază în X , rezultă că


X
n
vi = aki · ek , ∀i = 1, m,
k=1
şi deci, ţinând seama de relaţia (2.10) obţinem
X
m Xn X
n X m
αi · ( aki · ek ) = θX ⇔ ( aki αi ) · ek = θX .
i=1 k=1 k=1 i=1
Deoarece S este o bază rezultă sistemul algebric omogen de n ecuaţii cu m necunoscute,
X
n
αi , i = 1, m, m > n, aki αi = 0. Deoarece acest sistem admite soluţii diferite de soluţia
k=1
banală, rezultă că egalitatea (2.10) are loc pentru (α1 , α2 , . . . , αn ) ∈ K n , (α1 , . . . , αn ) 6= θKn
deci sistemul de vectori S 0 este liniar dependent, ceea ce este în contradicţie cu ipoteza.¨
Teorema următoare demonstrează că ı̂ntr-un spaţiu finit dimensional toate bazele au
acelaşi număr de vectori.

Teorema 2.11 Fie X un K-spaţiul liniar şi fie sistemul de vectori S = (ei )i=1,n o bază ı̂n
X. Au loc afirmaţiile:
a) Orice bază din X este formată din n elemente.
b) Orice sistem de vectori liniar independent format din n elemente este o bază ı̂n X.

Demonstraţie.
a) Fie S 0 = (vi )i=1,p o altă bază în X. Deoarece S 0 este un sistem liniar independent, rezultă
că p ≤ n, conform Teoremei 2.10. Analog, deoarece sistemul de vectori S este liniar independent
şi S 0 este bază, rezultă că n ≤ p. Deci n = p.
b) Fie (vi )i=1,n un sistem de vectori linar independenţi din X. Pentru a demonstra că acest
sistem de vectori este o bază e suficient să demonstrăm că el constituie un sistem de generatori.
2.5. BAZĂ ŞI DIMENSIUNE 37

Fie z ∈ X. Conform Teoremei 2.10 vectorii (v1 , v2 , . . . , vn , z) sunt liniar dependenţi. Rezultă că
există (α1 , . . . , αn , α) ∈ K n+1 , (α1 , . . . , αn , α) 6= θKn+1 astfel încât
α1 · v1 + α2 · v2 + . . . + αn · vn + α · z = θX .
Observăm că α 6= 0, în caz contrar (vi )i=1,n nu ar fi bază. Rezultă că
z = −α−1 · α1 · v1 − α−1 · α2 · v2 − . . . − α−1 · αn · vn .
Cum z este arbitrar, (vi )i=1,n un sistem de generatori, deci o bază.¨

Definiţia 2.14 Fie X 6= {θX } un K-spaţiu liniar finit generat. Numărul de vectori ai unei
baze a lui X se numeşte dimensiunea spaţiului X şi se notează dimK X.

Observaţii.
1. În definiţia dimensiunii unui K-spaţiu liniar X este foarte important câmpul K. De
exemplu, dacă X = Cn , acesta este un spaţiu liniar peste câmpul numerelor reale R atunci
dimR Cn = 2n, iar dacă este un spaţiu liniar peste câmpul numerelor complexe C atunci
dimC Cn = n.
2. Dacă X = {θX } ⇒ dimK X = 0.
3. Baza unui spaţiu liniar nu este unică, dar toate bazele au acelaşi număr de vectori.
Baza este utilă prin aceea că orice vector din spaţiu poate fi reprezentat ı̂n mod unic cu
ajutorul ei.
4. Orice spaţiu liniar are o bază.

Exemplul 2.24 Din Exemplul 2.21 rezultă că dimK Kn = n.

Exemplul 2.25 Din Exemplul 2.22 rezultă că dimR Mm×n (R) = mn.

Exemplul 2.26 Din Exemplul 2.23 rezultă că dimR Rn [x] = n + 1.

Teorema 2.12 Fie X un K-spaţiu liniar şi fie V un subspaţiu liniar al lui X. Atunci

dimK V ≤ dimK X.

În plus, dacă dimK V = dimK X atunci X=V.

Demonstraţie.
Fie dimK X = n. Deci orice n + 1 vectori din V (V ⊂ X) vor fi liniar dependenţi. Rezultă
că dimK V ≤ n.
Dacă dimK V = dimK X = n atunci există un sistem de n vectori din V care sunt liniar
independenţi în V, deci şi în X şi, conform Teoremei 2.11, vor forma o bază în X. Deci X =V.¨

Teorema 2.13 (Teorema de completare a unui sistem liniar independent până


la o bază)
Fie X un K-spaţiu liniar de dimensiune n. Oricare ar fi sistemul de vectori (wi )i=1,p din
X, liniar independent, p ≤ n, există un sistem de q = n − p vectori (vi )i=1,q din X, astfel
ı̂ncât (w1 , w2 , . . . , wp , v1 , v2 , . . . , vq ) să fie o bază ı̂n X.
38 CAPITOLUL 2. SPAŢII LINIARE

Demonstraţie.
Demonstraţia se face prin inducţie după q ∈ {0, . . . , n} .
Dacă q = 0, (wi )i=1,p este o bază în X, rezultă că afirmaţia este adevărată.
Presupunem că dacă n este dimensiunea spaţiului X şi p astfel încât p + q = n. Orice sistem
liniar independent (wi )i=1,p poate fi completat până la o bază X.
Fie un sistem liniar independent (wi )i=1,p−1 ; deoarece p ≤ n avem p − 1 ≤ n − 1 şi subspaţiul
V a lui X generat de (wi )i=1,p−1 este distinct de X. Dacă wp ∈ / V , sistemul de vectori (wi )i=1,p
este liniar independent deoarece dacă considerăm relaţia
α1 · w1 + α2 · w2 + . . . + αp · wn = θX
atunci dacă αp = 0 ⇒ α1 = α2 = . . . = αp−1 = 0 deoarece (wi )i=1,p−1 este liniar independent;
dacă αp 6= 0 putem exprima wp ca o combinaţie de vectorii sistemului (wi )i=1,p−1 ⇒ wp ∈ V ,
contrar ipotezei. Conform ipotezei inductive, (wi )i=1,p poate fi completat până la o bază X şi
teorema este demonstrată. ¨

Observaţia 2.8 Dacă (ei )i=1,n este o bază ı̂n X, sistemul liniar independent (wi )i=1,p se
poate completa până la o bază X adăugând n − p vectori din baza (ei )i=1,n astfel ı̂ncât noul
sistem obţinut să fie liniar independent. Completarea nu este unică.

Încheiem acest paragraf prezentând o teoremă care stabileşte legătura dintre subspatiile
V1 , V2 , V1 ∩ V2 şi V1 + V2 .

Teorema 2.14 (Teorema lui Grassmann)


Fie X un K-spaţiu liniar finit dimensionat. Dacă V1 şi V2 sunt două subspaţii liniare
ale lui X atunci are loc relaţia

dimK V1 + dimK V2 = dimK (V1 ∩ V2 ) + dimK (V1 + V2 ).

Demonstraţie.
Conform Teoremelor 2.3 şi 2.4, V1 ∩ V2 şi V1 + V2 sunt subspaţii liniare ale lui X şi deoarece X
este finit dimensional şi acestea au dimensiune finită. Fie dimK (V1 ∩ V2 ) = r ≤ dimK X (conform
Teoremei 2.12). Fie (vi )i=1,r o bază în V1 ∩V2 . Conform Teoremei 2.13, sistemul liniar independent
(vi )i=1,r poate fi completat până la o bază în V1 , S1 = (v1 , v2 , . . . , vr , u1 , u2 , . . . , up ) şi tot
sistemul (vi )i=1,r poate fi completat până la o bază în V2 , S2 = (v1 , v2 , . . . , vr , w1 , w2 , . . . , wq ),
unde am notat dimK V1 = r + p şi dimK V2 = r + q.
Fie sistemul de vectori S = (v1 , v2 , . . . , vr , u1 , u2 , . . . , up , w2 , . . . , wq ). Demonstrăm că S
este o bază în V1 + V2 .
Fie z = z1 + z2 ∈ V1 + V2 , unde z1 ∈ V1 , z2 ∈ V2 . Atunci z1 ∈ [S1 ], z2 ∈ [S2 ], adică S este
un sistem de generatori pentru V1 + V2 .
Demonstrăm liniara independenţă a vectorilor din S. Considerăm o relaţie de forma
p q
X
r X X
αi vi + βj uj + γk wk = θX . (2.11)
i=1 j=1 k=1
2.6. SCHIMBARI DE BAZE ŞI DE COORDONATE 39

Relaţia (2.11) se mai poate scrie sub forma

p q
X
r X X
αi vi + βj uj = − γk wk . (2.12)
i=1 j=1 k=1

Vectorul din membrul stâng al relaţiei (2.12) este din V1 iar cel din membrul drept este din
q
X
V2 şi atunci egalitatea (2.12) implică γk wk ∈ V1 ∩ V2 . Rezultă că
k=1

q q
X X
r X X
r
− γk wk = δi vi ⇔ γk wk + δi vi = θX .
k=1 i=1 k=1 i=1

Dar vectorii (v1 , v2 , . . . , vr , w1 , w2 , . . . , wq ) sunt liniar independenţi în V2 ,rezultă


γ1 = γ2 = . . . = γq = δ1 = δ2 = . . . = δr = 0,
deci
p
X
r X
αi vi + βj uj = θX .
i=1 j=1

Dar vectorii (v1 , v2 , . . . , vr , u1 , u2 , . . . , up ) sunt liniar independenţi în V1 , rezultă


α1 = α2 = . . . = αr = β1 = β2 = . . . = βp = 0,
adică liniara independenţă a sistemului considerat. Deci dimK (V1 + V2 ) = r + p + q.¨

Consecinţa 2.3 Fie X un K-spaţiu liniar de dimensiune n şi V1 şi V2 sunt două subspaţii
liniare ale lui X, X = V1 +V2 . Atunci X = V1 ⊕V2 dacă şi numai dacă dimK V1 +dimK V2 =
n.

2.6 Schimbari de baze şi de coordonate


Considerăm X un K-spaţiu liniar de dimensiune n şi două baze aparţinând acestui spaţiu,
S = (ei )i=1,n şi S 0 = (e0i )i=1,n . Un vector oarecare u ∈ X se poate descompune ı̂n raport cu
cele două baze sub forma:∃ (α1 , α2 , . . . , αn ) ∈ Kn astfel ı̂ncât ı̂n baza S vectorul u se poate
scrie sub forma
 
e1
Xn  e2 
 
u= αi ei = (α1 α2 . . . αn )  ..  , (2.13)
i=1
 . 
en

unde am notat cu (α1 α2 . . . αn ) ∈ M1,n (K) matricea linie care are ca elemente coordo-
natele vectorului u ı̂n baza S. Fie (β1 , β2 , . . . , βn ) ∈ Kn astfel ı̂ncât ı̂n baza S 0 vectorul u se
40 CAPITOLUL 2. SPAŢII LINIARE

poate scrie sub forma


 
e01
X
n  e02 
 
u= βj e0j = (β1 β2 . . . βn )  .. . (2.14)
j=1
 . 
e0n
Vectorii (e0i )i=1,n se pot descompune ı̂n raport cu vectorii bazei S după relaţiile:
 
e1
 e2 
 
e0j = (a1j a2j . . . anj )  ..  , j = 1, n. (2.15)
 . 
en

Înlocuind relaţia (2.15) ı̂n (2.14) rezultă


  
a11 a21 ··· an1 e1
 a12 a22 ··· an2  e2 
  
u = (β1 β2 . . . βn )  .. .. .. ..  .. .
 . . . .  . 
a1n a2n · · · ann en
Din unicitatea descompunerii unui vector după vectorii bazei (Teorema 2.11) rezultă
 
a11 a21 · · · an1
 a12 a22 · · · an2 
 
(α1 α2 . . . αn ) = (β1 β2 . . . βn )  .. .. .. .. 
 . . . . 
a1n a2n · · · ann
sau, transpus,     
α1 a11 a12 ··· a1n β1
 α2     β2 
   a21 a22 ··· a2n   
 .. =  .
 .  ··· ··· ··· · · ·   ... 
αn an1 an2 ··· ann βn
Dacă notăm matricea de trecere de la baza S la baza S 0
 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
A=  ··· ··· ··· ···
,

an1 an2 · · · ann
obţinem scrierea matriceală
   
α1 β1
 α2   β2 
   
 .. = A ..  (2.16)
 .   . 
αn βn
2.6. SCHIMBARI DE BAZE ŞI DE COORDONATE 41

Relaţia (2.16) se numeşte formula matriceală de schimbare a coordonatelor unui


vector la o schimbare de baze.

Definiţia 2.15 Se numeşte matricea schimbării de bază sau matricea de trecere de


la baza S la baza S 0 matricea A a cărei coloană j este formată din coordonatele vectorului
e0j al bazei S 0 ı̂n raport cu vectorii bazei S, j = 1, n.

Teorema 2.15 Matricea A de trecere de la baza S la baza S 0 este inversabilă.

Demonstraţie.
Fie X un K -spaţiu liniar de dimensiune n şi două baze S = (ei )i=1,n şi S 0 = (e0i )i=1,n .
Exprimăm vectorii bazei S cu ajutorul vectorilor bazei S 0 :
 
e01
 e0 
 2 
ei = (b1i b2i . . . bni )  ..  , i = 1, n. (2.17)
 . 
e0n

Ţinând seama de relaţiile (2.13), (2.17) şi (2.14) obţinem


    
b11 b21 ··· bn1 e01 e01
 b12 b22 ··· bn2  e02   e02 
    
u = (α1 α2 . . . αn )  .. .. .. ..  ..  = (β1 β2 . . . βn )  .. 
 . . . .  .   . 
b1n b2n · · · bnn e0n e0n

de unde rezultă, dacă notăm cu B = (bij )i,j=1,n ,


   
α1 β1
 α2   β2 
   
(β1 β2 . . . βn ) = (α1 α2 . . . αn )t B ⇒ B  .. = .. 
 .   . 
αn βn

Înlocuind în relaţia (2.16)


     
α1 β1 α1
 α2   β2   α2 
     
 ..  = A  ..  = A · B  ..  ⇒ B · A = In
 .   .   . 
αn βn αn

unde In = (δij )i,j=1,n , reprezentă matricea unitate de ordin n.


Printr-un raţionament analog, folosind relaţiile (2.14),(2.15) şi (2.13), obţinem A · B = In ,
deci matricea A este inversabilă.¨
42 CAPITOLUL 2. SPAŢII LINIARE

Observaţia 2.9 Orice schimbare de baze cu matricea A nesingulară poate fi privită ca o


schimbare de coordonate. Prescurtat, vom nota schimbarea de baze de la baza S la S 0 prin
A
S → S0.

Definiţia 2.16 Două baze S = (ei )i=1,n şi S 0 = (vi )i=1,n din K-spaţiu liniar X, se numesc
baze la fel orientate dacă determinantul matricei de trecere de la baza S la S 0 este pozitiv.
Dacă acest determinant este negativ, cele două baze se numesc contrar orientate.