Lectii de Algebra PDF

Ariadna Lucia Pletea Adrian Corduneanu Mircea Lupan
LECŢII DE ALGEBRĂ LINIARĂ
IASI, 2005
1
Cuprins
Capitolul 1
1.1. Matrice şi determinanţi...................................................................5
1.1.1. Determinantul unei matrice pătratice.........................................8
1.1.2. Matricea inversă.......................................................................12
1.1.3. Rangul unei matrice. Linii principale şi coloane principale........14
1.2 Spaţiul vectorial real.......................................................................18
1.2.1. Schimbarea coordonatelor vectorului la schimbarea bazei........22
1.3. Transformare liniară ı̂n Vn ............................................................23
1.3.1. Polinom caracteristic. Vectori proprii şi valori proprii..............27
1.3.2. Teorema de reprezentare spectrală...........................................29
1.3.3. Diagonalizarea unei matrice......................................................31
1.3.4. Algoritmul de diagonalizare a unei matrice..............................35
1.3.5. Forma canonică Jordan............................................................35
1.3.6. Algoritmul de aducere la forma Jordan....................................36
1.3.7. Autovalorile unor matrice reale simetrice.................................38
1.4. Spaţiul vectorial normat...............................................................41
1.4.1. Norme pe Rn (n ≥ 2).................................................................42
1.5. Spaţiul euclidian............................................................................ 50
1.6. Forme liniare, biliniare şi pătratice........................................... 62
1.7. Spaţiul liniar al vectorilor liberi..................................................78
1.7.1. Structura algebrică a spaţiului vectorilor liber.........................78
1.7.2. Spaţiul liniar V3 .......................................................................85
1.8. Repere..............................................................................................89
1.8.1. Aplicaţii la studiul conicelor şi cuadricelor................................97
2
Capitolul 2
2.1. Numere complexe.........................................................................113
2.2. Transformări elementare.............................................................117
2.3. Matrice bloc...................................................................................127
2.4. Transformări liniare.....................................................................130
2.5. Spaţii euclidiene............................................................................137
2.6. Exponenţiala de argument matriceal.........................................157
2.7. Conice pe ecuaţii reduse.............................................................165
2.7.1. Cercul.....................................................................................165
2.7.2. Elipsa......................................................................................166
2.7.3. Hiperbola................................................................................168
2.7.4. Parabola.................................................................................170
2.8. Cuadrice pe ecuaţii reduse...........................................................171
2.8.1. Sfera........................................................................................171
2.8.2. Elipsoidul................................................................................172
2.8.3. Hiperboloidul cu o pânză........................................................173
2.8.4. Hiperboloidul cu două pânze..................................................175
2.8.5. Paraboloidul eliptic................................................................176
2.8.6. Paraboloidul hiperbolic..........................................................176
2.9. Generări de suprafeţe..................................................................177
2.9.1. Generarea suprafeţelor cilindrice............................................177
2.9.2. Generarea suprafeţelor conice.................................................179
2.9.3. Generarea suprafeţelor de rotaţie............................................181
2.9.4. Generaratoarele rectilinii ale cuadricelor.................................182
2.10. Probleme propuse.......................................................................184
Capitolul 3
Mathematica ı̂n algebră.....................................................................201
Capitolul 1
Noţiuni teoretice
1.1 Matrice şi determinaţi

Definiţia 1.1 O matrice de tipul m×n este o mulţime de mn numere aij ,
reale sau complexe, i = 1, m, j = 1, n, aşezate ı̂ntr-un tabel dreptunghiular
după regula primul indice arată linia, iar al doilea arată coloana ı̂n care se
află elementul respectiv.
Notăm mulţimea matricelor de ordin m × n ale căror elemente sunt nu-

mere reale cu Mm×n (R). Dacă scriem A = (aij )i=1,m,j=1,n aceasta reprezintă
matricea A ∈Mm×n (R), de forma
⎛ ⎞
a11 a12 a13 · · · a1n
⎜ a21 a22 a23 · · · a2n ⎟
⎜ ⎟
A = ⎜ .. .. .. .. .. ⎟ .
⎝ . . . . . ⎠
am1 am2 am3 · · · amn
Dacă m = n, adică numărul liniilor este egal cu numărul coloanelor,

matricea se numeşte pătrată. Notăm mulţimea matricelor cu elemente reale
de ordin n × n cu Mn (R).
Dacă matricele sunt de acelaşi tip m × n, ele se pot aduna după regula
”element cu element”. Aceasta ı̂nseamnă că dacă A = (aij ) şi B = (bij ),
atunci A + B = (aij + bij )i=1,m,j=1,n . Dacă α ∈ R (se foloseşte şi denumirea
de ”scalar”), definim matricea αA, produsul dintre un scalar şi o matrice,
după regula
αA = (αaij )i=1,m,j=1,n .
5
6 CAPITOLUL 1. NOŢIUNI TEORETICE
Matricele se notează cu litere mari ı̂ngroşate (bold), iar scalarii se notează

cu litere mici obişnuite. Dacă adunarea matricelor şi ı̂nmulţirea cu scalari a
matricelor sunt operaţii simple şi par foarte naturale, ı̂nmulţirea matricelor
pare artificială, cel puţin la prima vedere. În cele ce urmează, vom arăta
cum se ajunge la ı̂nmulţirea lor, care după cum se ştie, se face după regula
”linie cu coloană”. Presupunem că avem n variabile independente x1 , x2 ,
. . . , xn , iar variabilele y1 ,y2 , . . . , yp depind de ele prin relaţiile liniare
X n
yi = bij xj , i = 1, p. (1.1)
j=1
Este evident că aici apare ı̂n mod natural matricea B = (bij ) de tipul
p × n (p linii şi n coloane) care face legătura ı̂ntre variabilele y1 , y2 , . . . , yp
şi respectiv x1 , x2 , . . . , xn . Să presupunem acum că variabilele z1 , z2 , . . . ,
zm depind la rândul lor după regula (transformare liniară)
p
X
zi = aij yj , i = 1, m. (1.2)
j=1
Vom considera şi matricea A = (aij ) de tipul m × p, care face legătura

ı̂ntre cele două rânduri de variabile y1 , y2 , . . . ,yp şi respectiv z1 , z2 , . . . ,zm .
Putem reprezenta schematic situaţia descrisă aici, astfel
B A
x → y → z
B A
notând cu B transformarea dată de formulele (1.1) şi cu A pe cea dată de
formulele (1.2). Deci, B şi A sunt matricele celor două transformări liniare.
Transformarea de la variabilele x la variabilele z este normal să o notăm
A ◦ B, amintind de notaţia funcţiei compuse din analiza matematică. A ◦ B
se va numi produsul celor două transformări A şi B. Acum urmează să
aflăm ı̂n mod concret cum depind variabilele z de variabilele x. Fixăm un
P
p Pn
indice i din mulţimea 1, m şi scriem zi = aij yj . Dar yj = bjk xk ,
j=1 k=1
j = 1, p după cum rezultă din (1.1); evident, a trebuit să folosim un nou
indice de sumare, deoarece i a fost fixat ı̂n prima formulă, iar j a fost şi
el fixat când am reprodus formula (1.1), care ne dă valoarea lui yj . Putem
deci scrie Ã n !
p p p
X X X X Xn
zi = aij yj = aij bjk xk = aij bjk xk , (1.3)
j=1 j=1 k=1 j=1 k=1
1.1. MATRICE ŞI DETERMINAŢI 7
unde am folosit
PP pentru prima dată simbolul sumei duble (adică cu doi indici
de sumare) . În suma dublă, cei doi indici de sumare iau independent
unul de altul toate valorile prescrise (j de la 1 la p, k de la 1 la n) şi deci
putem fixa pe k şi da lui j pe rând toate valorile, sumele obţinute depinzând
de k şi trebuind apoi să fie sumate, dând lui k toate valorile de la 1 la n.
Pe scurt, putem schimba ı̂n (1.3) ordinea
Ã p de sumare,
! scriind
X n X
zi = aij bjk xk (1.4)
k=1 j=1
P
p
valabilă pentru i = 1, 2, . . . , m. Dacă facem notaţia cik = aij bjk pentru
j=1
fiecare i ∈ 1, m şi fiecare k ∈ 1, n, putem scrie (1.4) ı̂n forma
X n X
n
zi = cik xk sau zi = cij xj , i = 1, m (1.5)
k=1 j=1
deoarece nu are importanţă cum se notează indicele de sumare (indice mut).
Dar cij este ceea ce se numeşte ”produsul liniei i din A cu coloana j din B”.
Prin definiţie, matricea C = (cij ) de tipul m × n se numeşte produsul celor
două matrice şi se notează AB. Dacă facem legătura cu produsul A ◦ B
al celor două transformări de variabile, putem enunţa pe scurt: matricea
produsului este egală cu produsul matricelor. Pentru a putea fi ı̂nmulţite
două matrice, trebuie ca numărul de coloane din prima să fie egal cu numărul
de linii din a doua. Din ı̂nmulţirea a două matrice de tip m × p şi respectiv
p × n, rezultă o matrice de tipul m × n.
Se impun câteva observaţii: ı̂n cazul matricelor pătrate de acelaşi tip
n × n (se mai spune ”de ordinul n”) ı̂nmulţirea nu este, ı̂n general, co-
mutativă. Adică se pot găsi oricând două matrice A şi B, astfel ı̂ncât
AB 6= BA, egalitatea având loc numai ı̂n cazuri particulare. Se poate ı̂nsă
arăta asociativitatea produsului a trei matrice A, B, C adică egalitatea
(AB) C = A (BC), nu numai ı̂n cazul matricelor de acelaşi ordin, dar şi ı̂n
cazul când aceste produse se pot face, adică atunci când prima este de tipul
m × p, a doua de tipul p × q şi a treia de tipul q × n. În cazul matricelor
pătrate, se cunoaşte existenţa matricei unitate, notată I, care este element
neutru la ı̂nmulţire. I este matricea care are 1 pe toată diagonala principală
şi 0 ı̂n rest. Avem AI = IA = A, ∀A ∈ Mn (R). ¡ ¢
Transpusa unei matrice A = (aij ) de tip m×n se notează cu AT = a0ij ,
unde a0ij = aji , ∀i = 1, n, j = 1, m. Liniile transpusei sunt coloanele matricei
A, iar coloanele transpusei sunt liniile matricei A. Matricele A şi AT sunt
¡ ¢T
transpuse una alteia, adică AT = A.
Exerciţiul 1.1 Dacă A ∈Mm×n (R) şi B ∈Mn×p (R) (se poate efectua pro-
dusul), să se arate că (AB)T = BT AT . Altfel spus, transpusa produsului
este egală cu produsul transpuselor ı̂n ordine inversă.
Un prim avantaj ı̂n folosirea matricelor se poate vedea chiar ı̂n scrierea
formulelor (1.1), (1.2) şi (1.5). Dacă notăm prin x, y şi z matricele date prin
¡ ¢T ¡ ¢T ¡ ¢T
x = x1 · · · xn , y = y1 · · · yn şi z = z1 · · · zn , for-
mulele date le putem scrie ı̂n forma prescurtată y = Bx, z = Ay, respectiv
z = A (Bx) = (AB) x.
În teoria sistemelor diferenţiale, scrierea matriceală se foloseşte cu suc-
ces, căci un sistem diferenţial liniar omogen cu coeficienţi constanţi de forma
⎧
⎪
⎪ ẏ1 (t) = a11 y1 (t) + a12 y2 (t) + · · · + a1n yn (t)
⎨
ẏ2 (t) = a21 y1 (t) + a22 y2 (t) + · · · + a2n yn (t)
⎪
⎪ ...
⎩
ẏn (t) = an1 y1 (t) + an2 y2 (t) + · · · + ann yn (t)
poate fi scris prescurtat ı̂n forma ẏ (t) = Ay (t). Aici A = (aij ) este
matricea constantă de ordinul n a coeficienţilor aij a sistemului diferenţial
iar y (t) este matricea coloană a funcţiilor necunoscute yi (t), dată prin
¡ ¢T
y (t) = y1 (t) · · · yn (t) , iar ẏ (t) este matricea coloană (de tip n × 1)
¡ ¢T
dată prin ẏ (t) = ẏ1 (t) · · · ẏn (t) , formată cu derivatele funcţiilor
yi (t), i = 1, n.
1.1.1 Determinantul unei matrice pătrate

Fiecărei matrice pătrate A, cu elemente reale sau complexe, i se ataşează
un număr, numit determinantul ei, notat det(A). Determinantul unei ma-
trice A = (aij ) de ordinul n se notează şi prin simbolul grafic
¯ ¯
¯ a11 a12 a13 · · · a1n ¯
¯ ¯
¯ a21 a22 a23 · · · a2n ¯
¯ ¯
¯ .. .. .. .. .. ¯ .
¯ . . . . . ¯¯
¯
¯ an1 an2 an3 · · · ann ¯
Prin definiţie, determinantul unei matrice A de ordinul doi,

µ ¶
a11 a12
A=
a21 a22
este dat de egalitatea det(A) = a11 a22 − a12 a21 . În acest caz, se pot verifica
uşor toate proprietăţile determinanţilor, cunoscute din liceu. Dacă A este
o matrice de ordinul trei,
⎛ ⎞
a11 a12 a13
A = ⎝ a21 a22 a23 ⎠
a31 a32 a33
atunci det(A) se calculează după regula

¯ ¯ ¯ ¯ ¯ ¯
¯ a22 a23 ¯ ¯ ¯ ¯ ¯
det(A) = a11 ¯¯ ¯ − a12 ¯ a21 a23 ¯ + a13 ¯ a21 a22 ¯,
a32 a33 ¯ ¯ a31 a33 ¯ ¯ a31 a32 ¯
deci se reduce la calcularea unor determinanţi de ordinul doi. Se poate
vedea că determinanţii de ordinul doi care apar ı̂n egalitatea precedentă, se
obţin din det(A) prin ”tăierea” liniei ı̂ntâia şi a coloanei corespunzătoare
indicelui al doilea al elementelor din linia ı̂ntâia şi am putea scrie
¯ ¯ ¯ ¯
¯ a22 a23 ¯ ¯ a21 a23 ¯
det(A) = (−1) a11 ¯¯
1+1 ¯ + (−1) a12 ¯
1+2 ¯
¯ a31 a33 ¯ +
a32 a33 ¯
¯ ¯
¯ a21 a22 ¯
1+3
+... + (−1) a13 ¯ ¯ ¯.
a31 a32 ¯
Dacă extindem această regulă la determinanţi de ordinul patru, rezultă
că obţinerea lor se reduce la calcularea unor determinanţi de ordinul trei
şi că ı̂n general, calcularea unor determinanţi de ordinul n se reduce la
calcularea unor determinanţi de ordinul n − 1. Cu alte cuvinte, putem
calcula determinanţi de orice ordin.
Dacă facem notaţiile
¯ ¯ ¯ ¯
¯ ¯
1+1 ¯ a22 a23 ¯
¯ ¯
1+2 ¯ a21 a23 ¯
A11 = (−1) ¯ ¯ , A12 = (−1) ¯ ,
a32 a33 a31 a33 ¯
¯ ¯
¯ ¯
1+3 ¯ a21 a22 ¯
A13 = (−1) ¯ ,
a31 a32 ¯
putem scrie det(A) = a11 A11 + a12 A12 + a13 A13 şi atunci avem dezvoltarea
determinantului după elementele primei linii. Numerele A11 , A12 , A13 se
numesc complemenţii algebrici ai elementelor din prima linie. În terminolo-
gia engleză, complemenţii algebrici se numesc cofactori.
În general, dacă A = (aij ) este o matrice oarecare de ordinul n, pen-
tru orice element aij din det(A), se defineşte complementul său algebric
Aij = (−1)i+j dij , unde dij este valoarea determinantului de ordinul n − 1,
obţinut prin suprimarea liniei i şi coloanei j. Fapt cu totul remarcabil, se

poate demonstra că det(A), definit aşa cum s-a spus, adică folosind dez-
voltarea după elementele primei sale linii, se poate obţine ı̂n n moduri prin
dezvoltarea după elementele oricărei linii şi ı̂n n moduri prin dezvoltarea
după elementele oricărei coloane, adică avem
P n
det(A) = aij Aij , ∀i = 1, n
j=1
P n (1.6)
det(A) = aij Aij , ∀j = 1, n.
i=1
Dacă ı̂nlocuim linia k cu linia i (i 6= k), celelalte linii rămânând neschim-

bate, se obţine un determinant nul (două linii identice). Dezvoltând noul
determinant după linia k şi ţinând seama că complemenţii algebrici ai ele-
mentelor acestei linii nu s-au schimbat, obţinem că
X n
aij Akj = 0, dacă i 6= k, i, k = 1, n. (1.7)
j=1
Altfel spus, dacă ı̂nmulţim elementele unei linii cu complemenţii algebrici

ai elementelor altei linii şi sumăm, obţinem zero. Aceeaşi concluzie are loc
şi relativ la coloane, adică
Xn
aij Aik = 0, dacă j 6= k, j, k = 1, n. (1.8)
i=1
Putem introduce o regulă generală de calcul a unui determinant. Pentru

aceasta introducem unele noţiuni noi. Dacă p ≤ n, numim minor de ordinul
p al matricei A determinantul de ordinul p format cu elementele situate la
intersecţia a p linii şi p coloane ale matricei A. Dacă i1 < i2 < . . . < ip
şi j1 < j2 < . . . < jp sunt p linii şi respectiv p coloane ale matricei A,
atunci minorul de ordin p corespunzător liniilor i1 , i2 , . . . , ip şi coloanelor
j1 , j2 , . . . , jp este
¯ ¯
¯ ai1 j1 ai1 j2 . . . ai1 jp ¯
¯ ¯
¯ ai2 j1 ai2 j2 . . . ai2 jp ¯
M = ¯¯ ¯.
¯
¯ . . . . . . . . . . . . ¯
¯ aip j1 aip j2 . . . aip jp ¯
Numim minor complementar al minorului M de ordin p al matricei A,

determinantul Mc de ordinul n − p al matricei extras din A prin suprimarea
celor p linii şi p coloane corespunzătoare lui M.
Minorii de ordinul 1 ai matricii A sunt elementele sale, aij . Minorii

complementari ai acestora sunt determinanţi de ordinul n − 1.
Numim complement algebric al minorului M al matricei A elementul
definit de C = (−1)s Mc , unde s = (i1 + i2 + . . . + ip )+ (j1 + j2 + . . . + jp ),
adică suma indicilor liniilor şi coloanelor matricei A utilizate ı̂n M.
Determinantul matricei pătratice de ordinul n − 1 care se obţine din A
prin suprimarea liniei i şi coloanei j se numeşte minorul complementar al
elementului aij şi se notează cu dij . Numărul Aij = (−1)i+j dij este tocmai
complementul algebric al elementului aij .
Teorema 1.1 (Teorema lui Laplace) Determinantul matricei A este egal

cu suma produselor minorilor de ordinul p ce se pot construi cu elementele
a p linii (coloane) fixate ale matricei A prin complemenţii lor algebrici.
Exerciţiul 1.2 Să se calculeze valoarea determinantului

¯ ¯
¯ a11 a12 a13 a14 ¯
¯ ¯
¯ a21 a22 a23 a24 ¯
D= ¯¯ ¯.
¯
¯ a31 a32 a33 a34 ¯
¯ a41 a42 a43 a44 ¯
folosind regula lui Laplace si dezvoltându-l după primele două linii.
Rezolvare.
¯ Folosind
¯ teorema ¯lui Laplace¯ obţinem:
¯ ¯
¯ a11 a12 ¯ ¯ a33 a34 ¯ ¯ a11 a13 ¯
D = ¯¯ ¯ · (−1) 1+2+1+2 ¯ ¯ ¯
¯ a43 a44 ¯ + ¯ a21 a23 ¯ ·
¯
a21 a22 ¯
¯ ¯ ¯ ¯ ¯ ¯
¯ a a ¯ ¯ a a ¯ ¯ ¯
·(−1)1+2+1+3 ¯¯ 32 34 ¯+¯ 11 14 ¯ · (−1)1+2+1+4 ¯ a32 a33 ¯+
a42 a44 ¯ ¯ a21 a24 ¯ ¯ a42 a43 ¯
¯ ¯ ¯ ¯ ¯ ¯
¯ a12 a13 ¯ ¯
1+2+2+3 ¯ a31 a34 ¯
¯ ¯ a12 a14 ¯
¯ ¯ · (−1) ¯ ¯
+¯
a22 a23 ¯ ¯ a41 a44 ¯ + ¯ a22 a24 ¯ ·
¯ ¯ ¯ ¯ ¯ ¯
¯ a a ¯ ¯ a a ¯ ¯ ¯
·(−1)1+2+2+4 ¯¯ 31 33 ¯+¯ 13 14 ¯ · (−1)1+2+3+4 ¯ a31 a32 ¯ .¨
a41 a43 ¯ ¯ a23 a24 ¯ ¯ a41 a42 ¯
Ca aplicaţie a regulii lui Laplace să calculăm determinantul produsului

a două matrice pătratice.
Exerciţiul 1.3 Fie A, B ∈Mn (R). Să se arate că determinantul produsu-
lui matricelor A şi B este egal cu produsul determinanţilor celor două ma-
trice, adică det(AB) = det(A) det B.
Rezolvare Fie A = (aij ), B = (bij ), C = AB = (cij ), cu

Xn
cik = aij bjk , i, k = 1, n. (1.9)
j=1
Construim
⎛ matricea pătratică de ordinul 2n ⎞
a11 a12 . . . a1n 0 0 ... 0
⎜ a21 a22 . . . a2n 0 0 ... 0 ⎟
⎜ ⎟
⎜ ... ... ... ... ... ... ... ... ⎟
⎜ ⎟ µ ¶
⎜ an1 an2 . . . ann 0 0 ... 0 ⎟ A 0
P=⎜ ⎜ −1 0 . . . 0 b11
⎟=
⎟ .
⎜ b12 . . . b1n ⎟ −I B
⎜ 0 −1 . . . 0 b21 b22 . . . b2n ⎟
⎜ ⎟
⎝ ... ... ... ... ... ... ... ... ⎠
0 0 . . . −1 bn1 bn2 . . . bnn
Dezvoltând determinantul matricei P, folosind teorema lui Laplace după
primele n linii, obţinem det P = det(A) det B.
Pe de altă parte, matricea P poate fi transformată, fără a modifica val-
oarea determinantului ei, folosind proprietăţile determinanţilor astfel ı̂ncât
la intersecţia ultimelor n linii şi n coloane să obţinem zerouri. Pentru aceasta
este suficient ca la elementele coloanei n + k să adunăm elementele cores-
punzătoare ale primelor n coloane ı̂nmulţite respectiv cu b1k , b2k , . . . , bnk ,
pentru k = 1, n. Ţinând seama de (1.9), matricea P devine
⎛ ⎞
a11 a12 . . . a1n c11 c12 . . . c1n
⎜ a21 a22 . . . a2n c21 c22 . . . c2n ⎟
⎜ ⎟
⎜ ... ... ... ... ... ... ... ... ⎟
⎜ ⎟ µ ¶
⎜ an1 an2 . . . ann cn1 cn2 . . . cnn ⎟ A C
Q=⎜ ⎜ −1 0 . . . 0
⎟= .
⎜ 0 0 ... 0 ⎟ ⎟ −I 0
⎜ 0 −1 . . . 0 0 0 ... 0 ⎟
⎜ ⎟
⎝ ... ... ... ... ... ... ... ... ⎠
0 0 . . . −1 0 0 ... 0
Dezvoltând determinantul matricei Q, folosind Teorema lui Laplace,
după ultimele n linii, obţinem det Q = (−1)2n(n+1) det C = det C. Cum
det P = det Q, deducem că det(A)B = det(A) det B.¨
1.1.2 Matricea inversă

¡ ¢
Dacă A = (aij ) este o matrice de ordinul n, notăm prin A∗ = a∗ij
matricea cu elementele a∗ij = Aji , i, j = 1, n, adică A∗ este transpusa ma-
tricei formată cu complemenţii algebrici ai elementelor din determinantul
matricei A. Ţinând seama de relaţiile (1.6), (1.7) şi (1.8), avem

AA∗ = A∗ A = (det(A)) In (1.10)
unde In este matricea unitate de ordinul n. Dacă det(A) 6= 0, matricea A
1
se numeşte nesingulară. Notând A−1 = A∗ , din (1.10) rezultă că
det(A)
AA−1 = A−1 A = In , (1.11)
adică A−1 este elementul invers al lui A (faţă de operaţia de ı̂nmulţire
a matricelor) ı̂n mulţimea matricelor nesingulare de ordinul n, care deci
formează un grup necomutativ. Cu notaţiile introduse, putem scrie
⎛ ⎞
A11 A21 · · · An1
−1 1 ⎜ ⎜ A12 A22 · · · An2 ⎟
⎟
A = ⎜ . .. .. .. ⎟ . (1.12)
det(A) ⎝ .. . . . ⎠
A1n A2n · · · Ann
Exerciţiul 1.4 (Regula lui Cramer) Să considerăm sistemul liniar alge-
bric (n ecuaţii cu n necunoscute)
⎧
⎪
⎪ a11 x1 + a12 x2 + · · · + a1n xn = b1
⎨
a21 x1 + a22 x2 + · · · + a2n xn = b2
(1.13)
⎪
⎪ ...
⎩
an1 x1 + an2 x2 + · · · + ann xn = bn
care poate fi scris ı̂n forma matriceală Ax = b, ı̂n care A = (aij ) este
matrice de ordinul n, iar x şi b sunt matrice-coloană de tip n × 1, date
¡ ¢T ¡ ¢T
prin x = x1 x2 · · · xn , respectiv b = b1 b2 · · · bn . Dacă
presupunem det(A) 6= 0, matricea A este inversabilă, inversa ei este A−1 ,
şi obţinem
¡ ¢
x = A−1 A x = A−1 (Ax) = A−1 b, adică x = A−1 b.
(1.14)
Pe de altă parte, dacă ı̂n ecuaţia Ax = b punem x = A−1 b
¡ ¢ ¡ ¢
A A−1 b = AA−1 b = In b = b (1.15)
adică x = A−1 b este ı̂n adevăr soluţia unică a ecuaţiei date. Din egali-
tatea
⎛ ⎞
b1
1 ¡ ¢⎜
⎜ b2 ⎟
⎟
xi = A1i A2i · · · Ani ⎜ .. ⎟ , i = 1, n
det(A) ⎝ . ⎠
(1.16)
bn
deducem
1 di
xi = (b1 A1i + b2 A2i + · · · + bn Ani ) = , i = 1, n
det(A) det(A)
(1.17)
ı̂n care di este valoarea determinantului care se obţine din det(A), prin
ı̂nlocuirea coloanei i cu coloana termenilor liberi b1 , b2 , . . . , bn .¨
1.1.3 Rangul unei matrice. Linii principale şi coloane

principale
Definiţia 1.2 Fie A = (aij ) o matrice de tip m×n. Matricea A are rangul
r, dacă există un minor de ordinul r construit cu elementele matricei, care
să fie nenul şi toţi minorii de ordin mai mare decât r, dacă există, să fie
nuli.
Dacă A are măcar un element diferit de zero, rangul său, notat r (A),
satisface inegalitatea 1 ≤ r (A) ≤ min {m, n}. Singura matrice care are
rangul zero, este matricea cu toate elementele zero.
Dacă r (A) = r ≥ 1, alegem un minor de ordinul r, diferit de zero şi
liniile sale le vom numi linii principale, iar coloanele sale se vor numi coloane
principale. Evident, aceste denumiri depind de minorul ales, care dă rangul
matricei. Pentru simplificarea scrierii, fără a micşora generalitatea, putem
presupune că acest minor este cel din colţul de stânga sus al matricei A:
⎛ ⎞
a11 a12 · · · a1r · · · a1j · · · a1n
⎜ a21 a22 · · · a2r · · · a2j · · · a2n ⎟
⎜ ⎟
⎜ .. .. .. .. .. .. .. .. ⎟
⎜ . . . . . . . . ⎟
⎜ ⎟
⎜ ar1 ar2 · · · arr · · · arj · · · arn ⎟
A=⎜ ⎜ ... .. .. .. .. .. .. .. ⎟ .
⎜ . . . . . . . ⎟⎟ (1.18)
⎜ a ⎟
⎜ i1 ai2 · · · air · · · aij · · · ain ⎟
⎜ . .. .. .. .. .. .. .. ⎟
⎝ .. . . . . . . . ⎠
am1 am2 · · · amr · · · amj · · · amn
Teorema 1.2 Orice linie a unei matrice este combinaţie liniară de liniile
principale şi orice coloană este combinaţie liniară de coloanele principale.
Demonstraţie. Fixăm linia i (i > r) şi considerăm toţi determinanţii de

forma ¯ ¯
¯ a11 a12 · · · a1r a1j ¯¯
¯
¯ a21 a22 · · · a2r a2j ¯¯
¯
¯ .. .. .. .. .. ¯ , j = 1, n.
¯ . . . . . ¯¯ (1.19)
¯
¯ ar1 ar2 · · · arr arj ¯ ¯
¯
¯ ai1 ai2 · · · air aij ¯
Toţi aceşti n determinanţi sunt nuli: dacă 1 ≤ j ≤ r, ei au două coloane
identice; dacă j > r ei sunt minori de ordinul r+1 din A, deci sunt şi ei nuli,
deoarece au ordinul mai mare decât r = r (A). Deoarece primele r coloane
rămân fixate, complemenţii algebrici ai elementelor din ultima coloană nu
depind de această coloană. Notând aceşti complemenţi algebrici (cofactori)
cu α1 , α2 , . . . , αr , αr+1 şi dezvoltând (pentru j fixat) după elementele ultimei
coloane, găsim
α1 a1j + α2 a2j + · · · + αr arj + αr+1 aij = 0, j = 1, n (1.20)
unde constantele αk nu depind de j (odată ce i a fost fixat) şi αr+1 6= 0.

αk
Notând ck = − , k = 1, r, găsim
αr+1
aij = c1 a1j + c2 a2j + · · · + cr arj , ∀j = 1, n. (1.21)
Aceasta ne spune că linia i (i a fost fixat) este combinaţie liniară de

primele r linii (liniile principale ı̂n det(A)). Evident, aceste constante de-
pind totuşi de linia fixată i.
Relativ la coloane: dacă ı̂n (1.19) presupunem j fixat şi i variabil,
complemenţii algebrici ai elementelor din ultima linie nu depind de i. Dez-
voltând (1.19) după ultima linie, avem
β1 ai1 + β2 ai2 + · · · + βr air + βr+1 aij = 0, i = 1, m (1.22)
unde βk nu depind de i (j a fost fixat) şi βr+1 6= 0. De fapt, βr+1 = αr+1 .

βk
Notând λk = − , k = 1, r, avem
βr+1
aij = λ1 ai1 + λ2 ai2 + · · · + λr air , ∀i = 1, m (1.23)
adică coloana j (j a fost fixat ı̂n acest raţionament) este combinaţie liniară
de coloanele principale. Evident, constantele λ1 , λ2 , . . . , λr depind de
coloana fixată. În formă matriceală, formulele (1.23) se scriu
⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞
a1j a11 a12 a1r
⎜ a2j ⎟ ⎜ a21 ⎟ ⎜ a22 ⎟ ⎜ a2r ⎟
⎜ .. ⎟ ⎜ .. ⎟ ⎜ .. ⎟ ⎜ .. ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ . ⎟ ⎜ . ⎟ ⎜ . ⎟ ⎜ . ⎟
⎜ ⎟ = λ1⎜ ⎟ + λ2⎜ ⎟ + · · · + λr⎜ ⎟ .¥
⎜ aij ⎟ ⎜ ai1 ⎟ ⎜ ai2 ⎟ ⎜ air ⎟
⎜ . ⎟ ⎜ . ⎟ ⎜ . ⎟ ⎜ . ⎟ (1.24)
⎝ .. ⎠ ⎝ .. ⎠ ⎝ .. ⎠ ⎝ .. ⎠
amj am1 am2 amr
Observaţia 1.1 Evident, primele linii sunt şi ele combinaţii de liniile prin-
cipale. Enunţ asemănător şi pentru primele coloane. De exemplu, prima
coloană (j = 1) se obţine din (1.23) pentru λ1 = 1, λ2 = λ3 = · · · = λr = 0.
Astfel, afirmaţia din enunţul teoremei se referă la toate liniile şi la toate
coloanele matricei oarecare A.
Teorema 1.3 (Teorema lui Rouché) Compatibilitatea unui sistem alge-

bric liniar este echivalentă cu anularea tuturor determinanţilor caracteris-
tici.
Demonstraţie. Să considerăm acum sistemul liniar de m ecuaţii cu n
necunoscute ⎧
⎪
⎪ a11 x1 + a12 x2 + · · · + a1n xn = b1
⎨
a21 x1 + a22 x2 + · · · + a2n xn = b2
(1.25)
⎪
⎪ ...
⎩
am1 x1 + am2 x2 + · · · + amn xn = bm
care poate fi scris ı̂n forma matriceală Ax = b, unde A = (aij ) este o
matrice de ordinul m×n, b este o matrice-coloană de tip m×1, definită prin
¡ ¢T
b = b1 b2 · · · bm , x este o matrice-coloană de tip n × 1, de forma
¡ ¢T
x = x1 x2 · · · xn . Presupunem r (A) = r (1 ≤ r ≤ min {m, n}) şi
presupunem că minorul de ordin r din colţul de stânga-sus este diferit de
zero. Numim determinanţi caracteristici ai sistemului, toţi determinanţii de
forma ¯ ¯
¯ a11 a12 · · · a1r b1 ¯
¯ ¯
¯ a21 a22 · · · a2r b2 ¯
¯ ¯
¯ .. .. .. .. .. ¯ , i = r + 1, r + 2, . . . , m.
¯ . . . . . ¯¯
¯
¯ ar1 ar2 · · · arr br ¯ (1.26)
¯ ¯
¯ ai1 ai2 · · · air bi ¯
Dacă toţi aceşti determinanţi sunt egali cu 0, ı̂i dezvoltăm după ultima
linie şi rezultă: coloana termenilor liberi (matricea b) este combinaţie liniară
de primele coloane, adică există nişte constante λ1 , λ2 , . . . , λr astfel ı̂ncât

să avem
⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞
b1 a11 a12 a1r
⎜ b2 ⎟ ⎜ a21 ⎟ ⎜ a22 ⎟ ⎜ a2r ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ .. ⎟ = λ1 ⎜ .. ⎟ + λ2 ⎜ .. ⎟ + · · · + λr ⎜ .. ⎟ .
⎝ . ⎠ ⎝ . ⎠ ⎝ . ⎠ ⎝ . ⎠
(1.27)
bm am1 am2 amr
Aceasta ı̂nseamnă că punând x1 = λ1 , x2 = λ2 , . . . , xr = λr , xi = 0

pentru i > r, avem o soluţie a sistemului (1.25), deci acest sistem este
compatibil. Reciproc, să presupunem că sistemul (1.25) este compatibil,
adică are cel puţin o soluţie, pe care să o notăm x01 , x02 , . . . , x0n . Scriind ı̂n
formă matriceală că această soluţie verifică sistemul (1.25), obţinem
⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞
b1 a11 a12 a1r
⎜ b2 ⎟ ⎜ a21 ⎟ ⎜ a22 ⎟ ⎜ a2r ⎟
⎜ ⎟ 0⎜ ⎟ 0⎜ ⎟ 0 ⎜ ⎟
⎜ .. ⎟ = x1⎜ . ⎟ + x 2⎜ . ⎟ + · · · + x n⎜ . ⎟,
⎝ . ⎠ ⎝ .. ⎠ ⎝ .. ⎠ ⎝ .. ⎠
(1.28)
bm am1 am2 amr
adică coloana b este combinaţie liniară de coloanele matricei A, care la
rândul lor sunt combinaţii liniare de coloanele principale (care ı̂n cazul
de faţă sunt primele r coloane din A). În concluzie, b este o anumită
combinaţie de coloanele principale, deci toţi determinanţii caracteristici
(1.26) sunt nuli. ¥
Teorema 1.4 Anularea unui determinant este echivalentă cu faptul că ı̂ntre
coloanele sale există o dependenţă liniară.
Demonstraţie. După cum se ştie, dacă ı̂ntre coloanele unui determinant
există o combinaţie liniară (echivalent, una dintre ele se exprimă liniar
ı̂n funcţie de celelalte), acest determinant este nul. Însă şi reciproca este
adevărată: dacă un determinant este nul, atunci ı̂ntre coloanele sale există
o dependenţă liniară. În adevăr, fie det(A) = 0, unde A = (aij ) este o
matrice de ordinul n. Atunci, avem r (A) < n, deci numărul coloanelor
principale este mai mic decât n (acest număr este ≤ n − 1). Prin urmare,
există măcar o coloană care nu este principală şi aceasta se exprimă ca o
combinaţie liniară de alte coloane. ¥
Se mai poate spune şi altfel: necesar şi suficient ca un determinant să
fie nul, este ca ı̂ntre coloanele sale să existe o dependenţă liniară. Desigur,
propoziţii asemănătoare se pot enunţa şi relativ la liniile unui determinant.
1.2 Spaţiul vectorial real

Definiţia 1.3 Se numeşte spaţiu vectorial peste corpul real R, (spaţiu
liniar real) o mulţime V de elemente pe care se definesc două operaţii şi
anume: adunarea elementelor lui V şi ı̂nmulţirea cu scalari (corpul nu-
merelor reale) ale elementelor lui V. Operaţia de adunare o vom nota prin
simbolul ”+” (plus). Adunarea este o operaţie internă, adică definită pe
V cu valori ı̂n V, ı̂n timp ce ı̂nmulţirea cu scalari este definită pe R × V
cu valori ı̂n V. Elementele lui V se numesc vectori. Adunarea satisface
următoarele axiome:
1◦ este comutativă: x + y = y + x, ∀ x, y ∈ V,
2◦ este asociativă: x+ (y + z) = (x + y) +z, ∀ x, y, z ∈ V,
3◦ există element neutru θ ∈ V: x + θ = x, ∀ x ∈ V,
4◦ ∀x ∈ V, există un element, numit ”opusul” său şi notat cu −x, astfel
ı̂ncât x + (−x) = θ.
Faţă de această operaţie, V este un grup aditiv comutativ. Faţă de
ı̂nmulţirea cu scalari, V satisface axiomele:
5◦ α (x + y) = αx + αy, ∀α ∈ R şi ∀ x, y ∈ V,
6◦ (α + β) x = αx + βx, ∀ α, β ∈ R şi ∀ x ∈ V,
7◦ α (βx) = (αβ) x, ∀ α, β ∈ R şi ∀ x ∈ V,
8◦ 1 · x = x, ∀ x ∈ V. (Prin 1 · x am ı̂nţeles produsul dintre numărul 1
şi vectorul x.)
Exemplul 1.1 Spaţiul vectorial aritmetic real Rn . Fie Rn = R × R ×
· · · × R (produsul cartezian a lui R de n ori). Vom nota prin x un element
n
oarecare
¡ din R ; acesta ¢este o n-uplă ordonată de numere reale şi vom scrie
n
x = x1 x2 · · · xn , unde¡ xi ∈ R pentru i = 1, n. Adunarea ¢ pe R se
defineşte prin regula x + y = x1 + y1 x2 + y2¡ · · · xn + yn , ∀ x, ¢y ∈
Rn , iar ı̂nmulţirea cu scalari prin regula αx = αx1 αx2 · · · αxn , ∀
α ∈ R şi ∀x ∈ Rn . Rn are structură de spaţiu liniar.
Exemplul 1.2 Spaţiul vectorial Rn . Notăm cu Rn mulţimea ale cărei
elemente sunt matrice-coloană de tip n × 1, cu elemente reale. Un element
oarecare (vector) din acest spaţiu, se scrie astfel
⎛ ⎞
x1
⎜ x2 ⎟
⎜ ⎟
x = ⎜ .. ⎟ , cu xi ∈ R pentru i = 1, n.
⎝ . ⎠
xn
1.2. SPAŢIUL VECTORIAL REAL 19
Adunarea şi ı̂nmulţirea cu scalari se definesc ı̂n mod evident. Vom

prefera să lucrăm cu acest spaţiu ı̂n cele ce urmează. Vectorul x ı̂l vom
¡ ¢T
preciza prin relaţia x = x1 x2 · · · xn , din motive grafice. Analog
se poate introduce spaţiul liniar real Cn .
Definiţia 1.4 Mulţimea X ⊂ V se numeşte subspaţiu al spaţiului vectorial

V, dacă X este un spaţiu liniar ı̂n raport cu operaţiile de adunare a vectorilor
şi ı̂nmulţire cu scalari a vectorilor mulţimii V.
Teorema 1.5 (Teorema de caracterizare a subspaţiilor liniare) Con-

diţia necesară şi suficientă ca X ⊂ V să fie un subspaţiu liniar a spaţiului
V este:
a) ∀ x, y ∈ X : x + y ∈ X,
b) ∀ α ∈ R, x ∈ X : α · x ∈ X.
Demonstraţie. Necesitatea. Presupunem că X este un spaţiu liniar. Rezul-
tă că X este ı̂nchis ı̂n raport cu operaţiile de adunare a vectorilor şi ı̂nmulţire
cu scalari a acestora.
Suficienţa. Presupunem a) şi b) ı̂ndeplinite, ceea ce ı̂nseamnă că X este
ı̂nchis ı̂n raport cu operaţiile de adunare a elementelor lui şi de ı̂nmulţire la
stânga cu elemente din corpul de scalari real. Proprietăţile de asociativitate
şi axiomele 5, 6, 7, 8 sunt satisfăcute pe V, deci cu atât mai mult sunt
satisfăcute pe X ⊂ V. Demonstrăm că ∀x ∈ X ⇒ −x ∈ X şi θ ∈ X. Pentru
∀x ∈ X rezultă, considerând ı̂n b) α = −1 rezultă α · x = −x ∈ X; utilizând
a) cu y = −x obţinem x + (−x) = θ ∈ X.¥
Definiţia 1.5 Fie X1 , X2 două subspaţii ale spaţiului liniar V. Definim

\
X1 X2 = {v | v ∈ X1 şi v ∈ X2 }
[
X1 X2 = {v | v ∈ X1 sau v ∈ X2 }
Teorema
T 1.6 Fie X1 , X2 două subspaţii ale spaţiului liniar V. Intersecţia
X1 X2 este un subspaţiu liniar al spaţiului liniar V.
T
Demonstraţie. Observăm
T că X 1 X2 6= ∅ deoarece θ ∈ Xi , ∀i ∈ {1, 2}
rezultă că θ ∈ X1 X2 . Pentru ∀x, y ∈ X1 ∩ X2 , rezultă x + y ∈ X1 şi
x + y ∈ X2 , deci x + y ∈ X1 ∩ X2 . DeTasemenea ∀α ∈ R şi ∀x ∈ X1 ∩ X2
⇒ αx ∈ X1 şi αx ∈ X2 şi deci αx ∈ X1 X2 .Rezultă,
T conform Teoremei 1.5
de caracterizare a subspaţiilor liniare, că X1 X2 este un subspaţiu liniar.¥
Observaţia 1.2 Reuniunea unui sistem de subspaţii liniare nu este un

subspaţiu liniar. Ca exemplu considerăm X1 = {(x1 , 0) | (x1 , 0) ∈ R2 } ,
X2 = {(0, x2 ) | (0, x2 ) ∈ R2 } . Dacă considerăm x = (1, 0) ∈ X1 şi y =
(0, 1) ∈ X2 , x, y ∈ X1 ∪ X2 , dar x + y ∈/ X1 ∪ X2 .
Definiţia 1.6 Fie X1 , X2 două subspaţii ale spaţiului liniar V. Se numeşte

suma subspaţiilor X1 , X2 mulţimea definită prin
X = X1 + X2 = {x ∈ V |x = x1 + x2 , x1 ∈ X1 , x2 ∈ X2 } .
Teorema 1.7 Suma subspaţiilor X1 , X2 ale spaţiului liniar V, X = X1 +X2 ,

este un subspaţiu liniar al lui V.
Demonstraţie. Observăm că X 6= ∅ deoarece θ + θ ∈ X. Fie α ∈ R şi
x, y ∈ X astfel ı̂ncât x = x1 + x2 , y = y1 + y2 , x1 , y1 ∈ X1 , x2 , y2 ∈ X2 ,
atunci α·x+y = α·(x1 +x2 )+(y1 +y2 ) = (αx1 +y1 )+(αx2 +y2 ) ∈ X1 +X2 ,
deoarece Xi , i = 1, 2 sunt subspaţii liniare ¥
Definiţia 1.7 Fie X1 , X2 două subspaţii ale spaţiului liniar V. Dacă X =

X1 + X2 şi X1 ∩ X2 = {θ} atunci
L X se numeşte suma directă a subspaţiilor
X1 , X2 şi se notează V = V1 Vi .
Dacă V este un spaţiu vectorial oarecare, vom nota prin v, v(1) , v(2) ,
. . . vectorii din acest spaţiu.
Definiţia 1.8 Spunem că un vector
© (1) ª v ∈ X este o combinaţie liniară a
(2) (n)
vectorilor v , v , . . . , v dacă există c1 , c2 , . . . , cn ∈ R astfel ı̂ncât
X n
(1) (2) (n)
v = c1 v + c2 v + . . . + cn v = ci v(i) .
i=1
© ª
Dacă notăm B = v(1) , v(2) , . . . , v(n) atunci mulţimea combinaţiilor
liniare a acestor vectori se notează [B] . Se demonstrează că [B] este subspaţiu
subspaţiu liniar.
Definiţia 1.9 Vectorii v(1) , v(2) , . . . , v(m) se numesc liniar indepen-
denţi, dacă relaţia
c1 v(1) + c2 v(2) + · · · + cm v(m) = θ
este adevărată numai dacă c1 = c2 = · · · = cm = 0. În caz contrar, ei se
numesc liniar dependenţi.
Dependenţa liniară este echivalentă cu faptul că ı̂n sistemul dat de vec-
tori, există măcar unul care este combinaţie liniară de ceilalţi.
1.2. SPAŢIUL VECTORIAL REAL 21
Definiţia 1.10 Dacă ı̂n V există n vectori liniar independenţi, dar orice
sistem de m vectori cu m > n este liniar dependent, spunem că V este finit
dimensional şi are dimensiunea n. În acest caz, se poate scrie Vn ı̂n loc de
V.
Drept exemple de spaţii n-dimensionale sunt Rn şi Rn .
Definiţia 1.11 Într-un spaţiu Vn , orice sistem de n vectori liniar indepen-
denţi se numeşte bază.
© ª
Teorema 1.8 Fie v(1) , v(2) , . . . , v(n) este o bază ı̂n spaţiul vectorial Vn .
Orice vector v ∈ Vn se scrie ı̂n mod unic ca o combinaţie liniară de vectorii
bazei.
Demonstraţie. Fie relaţia de forma c1 v(1) + c2 v(2) + · · · + cn v(n) + cv = θ
şi demonstrăm că nu toţi coeficienţii sunt nuli. Dacă
© c = 0 atunci rezultă ª
că c1 v(1) + c2 v(2) + · · · + cn v(n) = θ şi deoarece v(1) , v(2) , . . . , v(n) sunt
vectori liniar independenţi, rezultă toţi ci = 0, ceea ce ar contrazice faptul
că numărul maxim de vectori liniar independenţi este n. Deci c 6= 0. Dacă
ci
notăm αi = − , i = 1, n găsim v = α1 v(1) + α2 v(2) + · · · + αn v(n) şi această
c
scriere este unică. În adevăr, dacă am avea şi v = β1 v(1) +β2 v(2) +· · ·+βn v(n)
ar rezulta (β1 − α1 ) v(1) + (β2 − α2 ) v(2) + · · · + (βn − αn ) v(n) = θ, care
implică βi = αi , i = 1, n.¥
Numerele (scalarii) α1 , α2 , . . . , αn se numesc coordonatele lui v ı̂n raport
cu baza aleasă. Dacă se alege o altă bază, coordonatele unui vector se vor
schimba (vor fi diferite de cele din prima bază).
Observaţia 1.3 În aplicaţii demonstăm că n vectori formează o bază dacă
sunt liniar independenţi şi dacă orice vector din spaţiu se poate scrie ca o
combinaţie liniară a acestor vectori.
Dacă se cunoaşte dimensiunea spaţiului dim V = n, atunci pentru a
arăta că n vectori formează o bază este suficient să arătăm că sunt liniar
independenţi.
Exemplul 1.3 În spaţiul vectorial Rn considerăm vectorii {e1 , e2 , ..., en }

unde ¡ ¢ ¡ ¢
e1 = 1 0 . . . 0 ¡ , e2 = 0 1 ¢0 . . . 0 , . . . ,
en = 0 . . . 0 1
(1.29)
Aceşti vectori sunt liniar independenţi deoarece din orice relaţie de forma
c1 e1 + c2 e2 + . . . + cn en = θ rezultă αi = 0, ∀i = 1, n.
n
Pe de
¡ altă parte, pentru
¢ ¡orice x = (x1 , x2¢, . . . , xn ) ∈¡ R avem scrierea¢
x = x1 1 0 . . . 0 +x2 0 1 0 . . . 0 +. . .+xn 0 . . . 0 1 =
x1 e1 + x2 e2 + . . . + xn en şi această scriere este unică. Vectorii {e1 , e2 , ..., en }
formează baza standard (naturală) din Rn .
1.2.1 Schimbarea coordonatelor vectorului la schim-

barea bazei
© ª
Într-un spaţiu Vn , considerăm două baze B = v(1) , v(2) , . . . , v(n) şi
© ª
B 0 = u(1) , u(2) , . . . , u(n) . Ele sunt legate prin relaţiile
u(1) = c11 v(1) + c21 v(2) + · · · + cn1 v(n)

u(2) = c12 v(1) + c22 v(2) + · · · + cn2 v(n)
(1.30)
...
u = c1n v + c2n v(2) + · · · + cnn v(n)
(n) (1)
ı̂n care determinantul coeficienţilor este diferit de zero (exerciţiu). Dacă un

vector oarecare v se scrie descompus după cele două baze ı̂n forma
v = ξ1 v(1) + ξ2 v(2) + · · · + ξn v(n) ,

(1.31)
v = η1 u(1) + η2 u(2) + · · · + ηn u(n)
legătura ı̂ntre coordonatele ξ şi coordonatele η este

ξ1 = c11 η1 + c12 η2 + · · · + c1n ηn
ξ2 = c21 η1 + c22 η2 + · · · + c2n ηn Xn
⇔ ξi = cij ηj , i = 1, n
...
j=1 (1.32)
ξn = cn1 η1 + cn2 η2 + · · · + cnn ηn
sau ı̂n formă matriceală

⎛ ⎞ ⎛ ⎞⎛ ⎞
ξ1 c11 c12 · · · c1n η1
⎜ ξ2 ⎟ ⎜ c21 c22 · · · c2n ⎟⎜ η2 ⎟
⎜ ⎟ ⎜ ⎟⎜ ⎟
⎜ .. ⎟ = ⎜ .. .. .. .. ⎟⎜ .. ⎟ (1.33)
⎝ . ⎠ ⎝ . . . . ⎠⎝ . ⎠
ξn cn1 cn2 · · · cnn ηn
unde C = (cij ), i, j = 1, n se numeşte matricea schimbării de bază de la baza

B la baza B 0 . S-au exprimat coordonatele vechi, ı̂n funcţie de cele noi. Prin
ı̂nmulţire cu matricea C−1 , putem obţine şi coordonatele noi, ı̂n funcţie de
cele vechi.
1.3. TRANSFORMARE LINIARĂ ÎN VN 23
Exemplul 1.4 În R3 ⎛ considerăm

⎞ baza
⎛ canonică
⎞ ⎛ ⎞
1 0 0
(1)
e = ⎝ ⎠
0 ,e = (2) ⎝ ⎠
1 ,e = (3) ⎝ 0 ⎠ (1.34)
0 0 1
şi altă bază ⎛ ⎞ ⎛ ⎞ ⎛ ⎞
1 1 1
(1)
u = ⎝ 0 ⎠ (2)
,u = ⎝ 1 ⎠ (3)
,u = ⎝ 1 ⎠. (1.35)
0 0 1
¡ ¢T
Un vector oarecare x, dat prin x = x1 x2 x3 se scrie ı̂n prima
bază x = x1 e + x2 e + x3 e , iar ı̂n a doua x = η1 u(1) + η2 u(2) +
(1) (2) (3)
η3 u(3) . Legătura ı̂ntre coordonate va fi următoarea x1 = η1 + η2 + η3 ,

x2 = η2 + η3 , x3 = η3 . Se pot exprima uşor şi coordonatele
© (1) noi ı̂n funcţie
ª de
(2) (3)
cele
© (1)vechi. Matricea
ª schimbării de bază de la baza e , e , e la baza
(2) (3)
u ⎛, u , u ⎞este
1 1 1
⎝ 0 1 1 ⎠
0 0 1 © (1) (2) (3) ª
iar coordonatele vectorului x ı̂n raport cu baza © (1)e (2), e , eª ı̂n funcţie
(3)
de coordonatele vectorului ı̂n raport cu baza u , u , u sunt date de
relaţia
⎛ ⎞ ⎛ ⎞⎛ ⎞
x1 1 1 1 η1
⎝ x2 ⎠ = ⎝ 0 1 1 ⎠ ⎝ η2 ⎠ ¨
x3 0 0 1 η3
Definiţia 1.12 Două baze B = {e1 , e2 , ..., en } şi B 0 = {e01 , e02 , ..., e0n } din
spaţiul vectorial Vn , se numesc baze la fel orientate dacă determinantul
matricei schimbării de bază de la baza B la B 0 este pozitiv. Dacă acest
determinant este negativ, cele două baze se numesc contrar orientate.
1.3 Transformare liniară ı̂n Vn

Definiţia 1.13 O transformare (aplicaţie) liniară f : Vn → Vn este o
funcţie care satisface proprietăţile
a) f (x + y) = f (x) + f (y) , ∀x, y ∈ Vn
(1.36)
b) f (αx) = αf (x) , ∀α ∈ R, ∀x ∈ Vn .
Se obţine
Ã mprin inducţie
! relaţia
X Xm
¡ ¢
f ci x(i) = ci f x(i) , ∀ci ∈ R, ∀x(i) ∈ Vn , i = 1, m.
i=1 i=1 (1.37)
Observaţia 1.4 Dacă ı̂n Definiţia 1.13, a) ı̂nlocuim x = y = θ obţinem

f (θ) = f (θ) + f (θ), de unde rezultă că
f (θ) = θ, (1.38)
Condiţia (1.38) este doar o condiţie necesară ca o aplicaţie să fie liniară. De
aici rezultă că dacă f (θ) 6= θ atunci f nu este liniară.
© ª
Fie bază oarecare v(1) , v(2) , . . . , v(n) ı̂n Vn . Pentru a exprima vectorul
f (x), trebuie să cunoaştem imaginile vectorilor bazei. Astfel, se presupun
cunoscuţi coeficienţii (scalari) ı̂n relaţiile
¡ ¢
f ¡v(1) ¢ = a11 v(1) + a21 v(2) + · · · + an1 v(n) ,
f v(2) = a12 v(1) + a22 v(2) + · · · + an2 v(n) ,
(1.39)
¡ (n) ¢ ...
f v = a1n v(1) + a2n v(2) + · · · + ann v(n) .
Notând x = ξ1 v(1) + ξ2 v(2) + · · · + ξn v(n) şi f (x) = η1 v(1) + η2 v(2) + · · · +

ηn v(n) , vom putea scrie
Ã ! µn ¶
P
n
(j)
Pn ¡ (j) ¢ P n P (i)
f (x) = f ξj v = ξj f v = ξj aij v =
j=1 j=1 j=1 i=1
Ã !
Pn Pn Pn Pn P
n
(1.40)
= aij ξj v(i) = aij ξj v(i) = ηi v(i) ,
j=1 i=1 i=1 j=1 i=1
schimbând ordinea de sumare ı̂n suma dublă ce apare aici. Ţinând seama
de unicitatea descompunerii unui vector după o bază dată, rezultă ηi =
Pn
aij ξj , ∀i = 1, n. Matricea A = (aij ) de ordinul n se numeşte matricea
j=1
© ª
transformării liniare f , relativ la baza aleasă v(1) , v(2) , . . . , v(n) . Legătura
ı̂ntre coordonatele vectorului curent x şi ale transformatului său y = f (x)
este dată matriceal prin relaţia
⎛ ⎞ ⎛ ⎞⎛ ⎞
η1 a11 a12 · · · a1n ξ1
⎜ η2 ⎟ ⎜ a21 a22 · · · a2n ⎟ ⎜ ξ2 ⎟
⎜ ⎟ ⎜ ⎟⎜ ⎟
⎜ .. ⎟ = ⎜ .. .. .. .. ⎟ ⎜ .. ⎟ . (1.41)
⎝ . ⎠ ⎝ . . . . ⎠⎝ . ⎠
ηn an1 an2 · · · ann ξn
© ª
Evident, dacă fixăm ı̂n V o altă bază u(1) , u(2) , . . . , u(n) , transformării
f ı̂i va corespunde acum o altă matrice, notată B. Ne propunem să aflăm
legătura dintre matricele A şi B. Pentru aceasta trebuie să ştim legătura
dintre cele două baze şi vom presupune din nou că este dată de relaţiile
(1.30). Dacă notăm cu ξi , i = 1, n coordonatele unui vector oarecare x ı̂n
prima bază şi cu ξi0 , i = 1, n coordonatele sale ı̂n a doua bază, legătura
dintre ele se exprimă cu matricea schimbării de bază C = (cij ). La fel
pentru vectorul y = f (x), coordonatele sale ı̂n prima bază sunt ηi , i = 1, n,
iar ı̂n a doua bază le notăm cu ηi0 , i = 1, n. Din relaţiile scrise ı̂n forma
matriceală
⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞
ξ1 ξ10 η1 η10
⎜ ξ2 ⎟ ⎜ ξ 0 ⎟ ⎜ η2 ⎟ ⎜ η0 ⎟
⎜ ⎟ ⎜ 2 ⎟ ⎜ ⎟ ⎜ 2 ⎟
⎜ .. ⎟ = C ⎜ .. ⎟ , ⎜ .. ⎟ = C ⎜ .. ⎟ şi
⎝ . ⎠ ⎝ . ⎠ ⎝ . ⎠ ⎝ . ⎠
0
ξn ⎛ ξn ⎞ η⎛
n ⎞ ηn0
(1.42)
η1 ξ1
⎜ η2 ⎟ ⎜ ξ2 ⎟
⎜ ⎟ ⎜ ⎟
⎜ .. ⎟ = A ⎜ .. ⎟
⎝ . ⎠ ⎝ . ⎠
ηn ξn
obţinem imediat că

⎛ ⎞ ⎛ ⎞
η10 ξ10
⎜ η20 ⎟ ⎜ ξ20 ⎟
⎜ ⎟ ⎜ ⎟
⎜ .. ⎟ = C−1 AC ⎜ .. ⎟, (1.43)
⎝ . ⎠ ⎝ . ⎠
ηn0 ξn0
de unde rezultă că matricea transformării liniare f ı̂n a doua bază este
B = C−1 AC, dacă ţinem seama că vectorul x era arbitrar.
Definiţia 1.14 Matricele A şi C−1 AC se numesc matrice asemenea.
Observaţia 1.5 Matricele unei transformări liniare relativ la două baze

alese sunt matrice asemenea.
Definiţia 1.15 Mulţimea ker(f ) = {u | u ∈ Vn : f (u) = θ} se numeşte nu-

cleul transformării liniare f .
Definiţia 1.16 Mulţimea Im(f ) = {w | w ∈ Vn : ∃u ∈ Vn : f (u) = w} se

numeşte imaginea transformării liniare f .
Teorema 1.9 Nucleul lui f este un subspaţiu liniar al spaţiului liniar Vn .

Imaginea lui f este un subspaţiu liniar al spaţiului liniar Vn .
Demonstraţie. Observăm că ker(f ) 6= ∅ deoarece θ ∈ ker(f ). Fie α ∈ R

şi u, v ∈ ker(f ) astfel ı̂ncât f (u) = θ, f (v) = θ. Atunci f (αu + v) =
αf (u) + f (v) = θ şi deci αu + v ∈ ker(f ).
Observăm că Im(f ) 6= ∅ deoarece θ ∈ Im(f ). Fie α ∈ R şi u, v ∈ Im(f ).
Rezultă că există w1 , w2 ∈ Vn astfel ı̂ncât f (u) = w1 , f (v) = w2 ; αw1 +
w2 = αf (u) + f (v) = f (αu + v) de unde rezultă că αw1 + w2 ∈ Im(f ).¥
Definiţia 1.17 Dimensiunea spaţiului ker(f ) se numeşte defectul lui f şi
se notează def(f ). Dimensiunea spaţiului Im(f ) se numeşte rangul lui f şi
se notează rang(f ).
Teorema 1.10 Transformarea liniară f este injectivă dacă şi numai dacă
ker(f ) = {θ} .
Demonstraţie. Necesitatea. Presupunem că transformarea liniară f este
injectivă şi fie u ∈ ker(f ) deci f (u) = θ. Dar f (θ) = θ şi cum f (u) = f (θ)
rezultă că u = θ, adică ker(f ) = {θ} .
Suficienţa. Presupunem că ker(f ) = {θ} şi fie f (u) = f (v). Rezultă
f (u − v) = θ deci u − v ∈ ker(f ), adică u = v, deci f injectivă.¥
Exerciţiul 1.5 Transformarea liniară f este surjectivă dacă şi numai dacă
Im(f ) = Vn .
Teorema 1.11 Fie transformarea liniară f : Vn → Vn . Atunci
rang(f ) + def(f ) = n.
© ª
Demonstraţie. Fie def(f ) = r ≤ n şi© fie v(1) , v(2) , . . . ª, v(r) o bază ı̂n
ker(f ). Completăm
© (1) sistemul de vectori v(1) , v(2) , . . . , vª(r) până la o bază
ı̂n spaţiu Vn , v , v(2) , v(r) , v(r+1) , v(r+2)ª, . . . , v(n) . Vom demonstra
©, . . .(r+1)
că sistemul de vectori f (v ), . . . , f (v(n) ) este o bază ı̂n Im(f ).
Fie w ∈ Im(f ). Rezultă că există v ∈ Vn astfel ı̂ncât f (v) = w. Dar
Pr P n
v= αi v(i) + αi v(i) de unde rezultă că
i=1 i=r+1
Xr Xn
(i)
w = f (v) = αi f (v ) + αi f (v(i) ),
Pn i=1 i=r+1
deci w = αi f (v(i) ), deoarece v(i) ∈ ker(f ), i = 1, r. Rezultă că orice
i=r+1
vector din Im(f ) se © poate scrie ca o combinaţie
ª liniară de vectori din sis-
(r+1) (n)
temul de vectori f (vª ), . . . , f (v ) . Arătăm că vectorii sistemului
©
f (v(r+1) ), . . . , f (v(n) ) sunt liniar independenţi ı̂n Im(f ).
Pn P
n
Fie αi f (v(i) ) = θ rezultă că f ( αi v(i) ) = θ deci
i=r+1 i=r+1
P
n Pn P r P
n P r
αi v(i) ∈ ker(f ) ⇒ αi v(i) = βi v(i) ⇒ αi v(i) − βi v(i) = θ.
i=r+1 © i=r+1 i=1 i=r+1 ª i=1
Deoarece v(1) , v(2) , . . . , v(r) , v(r+1) , v(r+2) , . . . , v(n) este un sistem de
vectori liniar© independent, rezultă ªαr+1 = . . . = αn = β1 = . . . = βr = 0,
deci vectori f (v(r+1) ), ©. . . , f (v(n) ) sunt liniar ª independenţi.
(r+1) (n)
Rezultă că vectorii f (v ), . . . , f (v ) formează o bază ı̂n Im(f ),
deci rang(f ) = n − r ⇒ rang(f ) + def(f ) = n.¥
© (1) (2) (p)
ª
Exerciţiul 1.6 Fie f o transformare © liniară şi S = v , v ª , ..., v un
sistem de vectori din Vn , iar S 0 = f (v(1) ), f (v(2) ), ..., f (v(p) ) . Să se arate
că dacă f este injectivă şi S este un sistem de vectori liniar independent ı̂n
Vn , atunci sistemul S 0 este şi el un sistem liniar independent.
Rezolvare. Relaţia α1 f (v(1) ) + · · · + αp f (v(p) ) = θ este echivalentă cu
f (α1 v(1) + · · · + αp v(p) ) = θ ⇒ α1 v(1) + · · · + αp v(p) ∈ ker(f ). Deoarece f
este injectivă rezultă α1 v(1) + · · · + αp v(p) = θ şi deoarece S este un sistem
liniar independent rezultă α1 = · · · = αp = 0, deci sistemul S 0 este un sistem
liniar independent.¨
1.3.1 Polinom caracteristic. Vectori proprii şi valori

proprii
Definiţia 1.1 Un vector v, diferit de vectorul nul, se numeşte vector pro-
priu al transformării liniare f : Vn → Vn , dacă există un scalar λ, astfel
ı̂ncăt f (v) = λv. În acest caz, λ se numeşte valoare proprie sau auto-
valoare a transformării f .
Dacă alegem o bază ı̂n Vn şi notăm cu ξi , i = 1, n coordonatele lui v
şi cu A = (aij ) matricea transformării ı̂n această bază, condiţia ca v să fie
vector propriu se scrie matriceal ı̂n forma
⎛ ⎞⎛ ⎞ ⎛ ⎞
a11 a12 · · · a1n ξ1 ξ1
⎜ a21 a22 · · · a2n ⎟ ⎜ ξ2 ⎟ ⎜ ξ2 ⎟
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜ .. .. .. .. ⎟ ⎜ .. ⎟ = λ ⎜ .. ⎟ (1.44)
⎝ . . . . ⎠⎝ . ⎠ ⎝ . ⎠
an1 an2 · · · ann ξn ξn
sau, ı̂n formă echivalentă,
⎛ ⎞⎛ ⎞ ⎛ ⎞
λ − a11 −a12 · · · −a1n ξ1 0
⎜ −a21 λ − a22 · · · −a2n ⎟ ⎜ ξ2 ⎟ ⎜ 0 ⎟
⎟ ⎜ ⎟ ⎜
⎜ ⎟
⎜ .. .. .. .. ⎟ ⎜ .. ⎟ = ⎜ .. ⎟ .
⎝ . . . . ⎠⎝ . ⎠ ⎝ . ⎠
(1.45)
−an1 −an2 · · · λ − ann ξn 0
Pentru ca sistemul să aibă soluţii nebanale, se impune ca determinan-

tul coeficienţilor să fie nul, adică det (λI − A) = 0. Se calculează ı̂ntâi
autovalorile şi apoi pentru fiecare dintre ele se găsesc vectorii proprii cores-
punzători. La autovalori reale corespund vectori proprii reali. Dacă A este
o matrice reală, s-ar putea să aibă şi autovalori complexe şi atunci problema
se complică sau, mai bine zis, poate fi pusă ı̂ntr-un cadru mai general.
Putem admite că o matrice A de ordinul n este reală sau complexă.
¡ ¢T
Vom spune că un vector-coloană v, dat prin v = ξ1 ξ2 · · · ξn este
un vector propriu al matricei A, dacă este nenul şi dacă există o constantă
λ, reală sau complexă, astfel ı̂ncât Av = λv.
Aflarea autovalorilor se reduce la rezolvarea ecuaţiei algebrice P (λ) = 0,
unde P (λ) = det (λI − A) este polinomul caracteristic al lui A, variabila
λ fiind reală sau complexă. Vectorii proprii ai matricei A pot şi ei să fie
reali sau complecşi. Se vede uşor că, dacă matricea A este de ordinul n,
atunci P (λ) este de forma
P (λ) = λn + p1 λn−1 + · · · + pn−1 λ + pn . (1.46)
Se poate arăta că p1 = − (a11 + a22 + · · · + ann ) = − tr A, unde tr este
urma matricei A, pn = (−1)n det(A), dar ı̂n general, pentru orice k = 1, n
pk = (−1)k σk (1.47)
unde σk este suma minorilor de ordinul k din det(A) (ı̂n număr de Cnk )
a căror diagonală principală este o porţiune din diagonala principală a lui
det(A).
Exerciţiul 1.7 Să se arate că dacă A = (aij ) este o matrice de ordinul 3,
atunci
3 2
µ¯ P (λ)
¯ =¯ λ − (a11¯+ a¯22 + a33 ) λ¯¶ +
¯ a11 a12 ¯ ¯ a11 a13 ¯ ¯ a22 a23 ¯
+ ¯¯ ¯+¯ ¯+¯ ¯ λ − det(A).
a21 a22 ¯ ¯ a31 a33 ¯ ¯ a32 a33 ¯
Exerciţiul 1.8 Să se arate că două matrice asemenea au acelaşi polinom
caracteristic.
Rezolvare. Fie A, B două matrice asemenea de ordin n. Atunci există
o matrice P de ordin n nesingulară astfel ı̂ncât B = P−1 AP. Folosind
definiţia polinomului caracteristic obţinem:
PB (λ) = det(λI−B) = det(λP−1 P − P−1 AP) = det (P−1 (λI − A)P) =
det(P−1 ) det(λI − A) det P = det(λI − A) = PA (λ) deoarece det(P−1 ) =
1/ det(P).¨
1.3.2 Teorema de reprezentare spectrală

Dacă notăm autovalorile matricei A cu λ1 , λ2 , ..., λn indiferent de faptul
că ele sunt reale sau complexe, simple sau multiple, putem scrie P (λ) ı̂n
forma
P (λ) = (λ − λ1 ) (λ − λ2 ) . . . (λ − λn ) . (1.48)
Dacă g (λ) = b0 λm +b1 λm−1 +· · ·+bm−1 λ+bm cu b0 6= 0 este un polinom
cu coeficienţi reali sau complecşi, punem prin definiţie
g (A) = b0 Am + b1 Am−1 + · · · + bm−1 A + bm I, (1.49)
unde I este matricea unitate de ordinul n. În acest fel, am definit o nouă
matrice g (A), ale cărei autovalori vrem să le aflăm. Mai ı̂ntâi, vom scrie
g (λ) = b0 (λ − α1 ) (λ − α2 ) · · · (λ − αm ) , (1.50)
unde αi , i = 1, m sunt rădăcinile lui g (λ).
Teorema 1.12 Dacă A este o matrice de ordinul n, cu autovalorile λi ,
i = 1, n, iar g (λ) este un polinom oarecare de forma (1.50) atunci
det(g (A)) = g (λ1 ) g (λ2 ) · · · g (λn ) . (1.51)
Demonstraţie. Vom observa că

g (A) = b0 (A − α1 I) (A − α2 I) · · · (A − αm I) (1.52)
şi că
det g (A) = bn0 det (A − α1 I) det (A − α2 I) · · · det (A − αm I) .
(1.53)
Deoarece
det (A − αi I) = (−1)n det (αi I − A) =
(1.54)
= (−1)n P (αi ) , i = 1, m
putem scrie
det g (A) = (−1)mn bn0 P (α1 ) P (α2 ) · · · P (αm ) . (1.55)
Numerele P (αi ) le obţinem din (1.48) Scriem aceste numere unul sub
altul, obţinând tabloul cu m linii
(α1 − λ1 ) (α1 − λ2 ) · · · (α1 − λn )
(α2 − λ1 ) (α2 − λ2 ) · · · (α2 − λn )
(1.56)
...
(αm − λ1 ) (αm − λ2 ) · · · (αm − λn )
ı̂n care apar mn paranteze, pe care ar trebui să le ı̂nmulţim ı̂ntre ele.
Folosind şi factorul (−1)mn , putem schimba semnul parantezelor, obţinând
acelaşi număr ca mai sus şi tabloul
(λ1 − α1 ) (λ2 − α1 ) · · · (λn − α1 )
(λ1 − α2 ) (λ2 − α2 ) · · · (λn − α2 )
. (1.57)
...
(λ1 − αm ) (λ2 − αm ) · · · (λn − αm )
A mai rămas factorul bn0 , pe care ı̂l folosim ı̂nmuţind produsul numerelor
din fiecare coloană cu b0 şi observând că
g (λi ) = b0 (λi − α1 ) (λi − α2 ) · · · (λi − αm ) , ∀i = 1, n.¥
(1.58)
De aici, rezultă o consecinţă importantă şi anume:
Teorema 1.13 Dacă A este o matrice de ordinul n, cu autovalorile λi ,
i = 1, n, iar g (λ) este un polinom oarecare, autovalorile matricei g (A) sunt
numerele g (λi ), i = 1, n.
Demonstraţie. Cu x fixat, considerăm polinomul h (λ) = x − g (λ). Con-
form teoremei precedente, avem
det h (A) = h (λ1 ) h (λ2 ) · · · h (λn ) =
= (x − g (λ1 )) (x − g (λ2 )) · · · (x − g (λn )) .
Dar h (A) = xI − g (A), deci
det (xI − g (A)) = (x − g (λ1 )) (x − g (λ2 )) · · · (x − g (λn )) .
(1.59)
Înlocuind pe x, care era arbitrar, cu λ variabil, obţinem
det (λI − g (A)) =
(1.60)
= (λ − g (λ1 )) (λ − g (λ2 )) · · · (λ − g (λn ))
adică polinomul caracteristic al matricei g (A) are rădăcinile g (λi ), i =
1, n.¥
Dacă facem convenţia că simbolul A ∼ λ, λ2 , . . . , λn reprezintă faptul că
A are autovalorile λi , i = 1, n, atunci putem scrie ı̂n formă plastică
½
A ∼ λ1 , λ2 , . . . , λn
(1.61)
g (A) ∼ g (λ1 ) , g (λ2 ) , . . . , g (λn )
oricare ar fi polinomul g (λ), independent de faptul că autovalorile lui A sunt
reale sau complexe, simple sau multiple. Teorema precedentă se numeşte
uneori teorema de reprezentare spectrală (mulţimea autovalorilor unei ma-
trice formează ”spectrul” matricei).
Exemplul 1.5 Matricea 2A + 3I are autovalorile 2λi + 3 (cazul g (λ) =
2λ + 3), matricea A2 are autovalorile λ2i (cazul g (λ) = λ2 ), etc.
1.3.3 Diagonalizarea unei matrice

Definiţia 1.18 Se numeşte matrice diagonală, matricea J pătratică de
forma ⎛ ⎞
d1 0 ... 0
⎜ 0 d2 ... 0 ⎟
⎜ ⎟
J = ⎜ .. .. .. .. ⎟ .
⎝ . . . . ⎠
0 0 ... dn
Folosim şi scrierea J = diag [d1 , d2 , ..., dn ] .

Definiţia 1.19 Se numeşte matrice diagonalizabilă orice matrice aseme-
nea cu o matrice diagonală.
Fie A = (aij ) o matrice de ordinul n, cu elemente reale sau complexe.
Vectorii proprii şi autovalorile ei pot, desigur, să fie reale sau complexe.
Vom considera spaţiul vectorial Cn , care constă din mulţimea matricelor-
coloană de tip n × 1, cu operaţiile uzuale de adunare şi ı̂nmulţire cu scalari
(care acum pot fi şi numere complexe).
Fiecărei autovalori ı̂i corespunde câte un vector propriu, determinat până
la un factor nenul de proporţionalitate, căci dacă Av = λv (v 6= θ, θ vecto-
rul nul), atunci evident că şi cv cu c 6= 0 satisface condiţia A (cv) = λ (cv),
deci este şi el vector propriu, corespunzător aceleeaşi autovalori λ.
Teorema 1.14 O matrice A de ordin n este diagonalizabilă dacă şi numai
dacă există o bază ı̂n Cn formată din vectorii propri ai matricei A.
Demonstraţie. Necesitatea. Deoarece A este o matrice diagonalizabilă,
rezultă că există o matrice H de ordin n cu proprietatea că det (H)6=0,
astfel ı̂ncât H−1 AH = diag[λ1 , λ2 , ..., λn ].
Notăm J = diag [λ1 , λ2 , . . . , λn ], adică J este matricea a cărei diagonală
principală constă din numerele λi , i = 1, n şi toate celelalte elemente sunt
nule. Se verifică egalitatea AH = HJ. Cum cele două matrice au acelaşi
polinom caracteristic, fiind matrice asemenea, rezultă că A are valorile pro-
prii λ1 , λ2 , ..., λn .
Fie H = col [H1 , ..., Hn ] , unde Hi ∈ Cn , i = 1, n, sunt coloanele ma-
tricei H. Deoarece H este inversabilă, rezultă că rang(H) = n, vectorii
{H1 , ..., Hn } sunt liniar independenţi şi formează o bază ı̂n Cn . Mai mult,
AH = H diag[λ1 , ..., λn ] ⇒
A col [H1 , ..., Hn ] = col [H1 , ..., Hn ] diag[λ1 , ..., λn ] ⇒
AHi = λi Hi , i = 1, n.
Deci baza formată din vectorii© proprii este {H1 , ª. . . , Hn } .

Suficienţa. Presupunem că v(1) , v(2) , . . . , v(n) sunt vectorii proprii
corespunzători valorilor proprii λ1 , λ2 ..., λn (nu neapărat distincte) şi for-
mează o bază ı̂n Cn . £ ¤
Rezultă că matricea H = col v(1) , v(2) , . . . , v(n) este inversabilă. Deoa-
rece Av(i) = λi v(i) , i = 1, n, rezultă că prima coloană din AH este vectorul
Av(1) = λ1 v(1) , dar tot λ1 v(1) se află şi pe prima coloană din HJ. A doua
coloană din AH este vectorul λ2 v(2) , dar tot λ2 v(2) se află şi pe a doua
coloană din HJ, etc.
£ ¤ £ ¤
A col v(1) , v(2) , . . . , v(n) = col v(1) , v(2) , . . . , v(n) diag[λ1 , ..., λn ] ⇒
H−1 AH = diag [λ1 , ..., λn ] ,
rezultă că A este diagonalizabilă.¥
Teorema 1.15 Vectorii proprii corespunzători valorilor proprii distincte
sunt liniar independenţi.
Demonstraţie. Fie matricea A de ordin n cu autovalorile λi distincte,
adică λi 6= λj pentru i 6= j. Pentru fiecare λi , fixăm câte un vector propriu
v(i) : Av(i) = λi v(i) , i = 1, n. © ª
Vom arăta că sistemul de vectori v(1) , v(2) , . . . , v(n) este liniar inde-
pendent, deci formează o bază ı̂n spaţiul Cn . Mai ı̂ntâi, arătăm că v(1)
şi ¡v(2) sunt liniar¢ independenţi. În adevăr, fie c1 v(1) + c2 v(2) = θ. Din
A c1 v(1) + c2 v(2) = θ ⇒ c1 Av(1) + c2 Av(2) = c1 λ1 v(1) + c2 λ2 v(2) = θ. Dar
c1 v(1) + c2 v(2) = θ şi c1 λ1 v(1) + c2 λ2 v(2) = θ ⇒
(1.62)
c1 (λ2 − λ1 ) v(1) = θ
deci c1 = 0 şi atunci rezultă şi c2 = 0. Deci cei doi vectori sunt liniar
independenţi.
© (1) (2) Presupunem ª acum (ipoteza inductivă) că sistemul de vec-
(k)
tori v , v , . . . , v este liniar independent. Va rezulta că dacă mai
(k+1)
adăugăm şi vectorul v , cei k + 1 vectori vor fi de asemenea liniar inde-
pendenţi. În adevăr, fie
c1 v(1) + c2 v(2) + · · · + ck v(k) + ck+1 v(k+1) = θ. (1.63)
Înmulţind ambii membri ai egalităţii (1.63) cu matricea A, obţinem
relaţia
c1 λ1 v(1) + c2 λ2 v(2) + · · · + ck λk v(k) +
(1.64)
+ck+1 λk+1 v(k+1) = θ.
Înmulţind (1.63) cu λk+1 şi apoi scăzând (1.64), obţinem fără dificultate
că
c1 (λk+1 − λ1 ) v(1) + c2 (λk+1 − λ2 ) v(2) +
(1.65)
+ · · · + ck (λk+1 − λk ) v(k) = θ
care, ı̂n baza ipotezei inductive, implică toţi coeficienţii din (1.65) nuli, deci
c1 = c2 = · · · = ck = 0. Dar atunci şi ck+1 = 0, adică (1.63) implică
toţi coeficienţii ci , i = 1, k + 1 sunt nuli, deci cei k + 1 vectori sunt liniar
independenţi. În concluzie,
£ (1) cei n vectori¤ proprii sunt liniar independenţi,
deci matricea H = col v , v , . . . , v(n) , adică matricea ale cărei coloane
(2)
sunt cei n vectori proprii ai lui A este nesingulară (det H 6= 0).¥

Observaţia 1.6 În cazul autovalorilor simple, putem spune că ı̂n Rn (sau
ı̂n Cn ) există o bază formată din vectori proprii ai matricei A.
Au loc egalităţile
J = H−1 AH şi A = HJH−1 . (1.66)
Prima ı̂nsemnă că ”am diagonalizat” matricea A. Mai interesantă este ı̂nsă
cea de a doua, din care deducem
Ak = HJk H−1 , k = 1, 2, 3, . . . , (1.67)
formulă care, ı̂n cazul că autovalorile lui A sunt distincte, se poate folosi pen-
tru calcularea puterilor Ak , observând că Jk se obţine foarte uşor, deoarece
£ ¤
Jk = diag λk1 , λk2 , . . . , λkn . (1.68)
Mai general, dacă g (λ) este un polinom oarecare, dat prin g (λ) = b0 λm +
b1 λm−1 + · · · + bm−1 λ + bm , iar g (A) este matricea dată prin formula (1.49),
din relaţiile (1.67) şi (1.68) deducem că
g (A) = H diag [g (λ1 ) , g (λ2 ) , . . . , g (λn )] H−1 . (1.69)
Putem scrie şi relaţia
diag [g (λ1 ) , g (λ2 ) , . . . , g (λn )] = H−1 g (A) H, (1.70)
adică matricea H ”diagonalizează” şi orice matrice g (A), ı̂n care g (λ) este
un polinom oarecare de variabila λ. De altfel g (λi ), i = 1, n sunt autovalorile
lui g (A), cărora le corespund aceeaşi vectori proprii v(i) ai matricei A.
Teorema 1.16 (Cayley - Hamilton) Fiecare matrice pătrată A (de ordin

n) ı̂şi anulează polinomul caracteristic, adică P (A) = 0 (0 matricea nulă).
Demonstraţie. Plecăm de la formula

1
(λI − A)−1 = B (λ) (1.71)
P (λ)
adevărată pentru orice λ diferit de autovalori (rădăcinile lui P (λ)). Prin
B (λ) am notat matricea transpusă formată cu complemenţii algebrici ai
elementelor matricei λI − A. Elementele matricei B (λ) sunt polinoame de
λ, de grad cel mult egal cu n − 1 (cele de pe diagonala principală au efectiv
gradul n − 1, celelalte au gradul mai mic decât n − 1). Deci putem scrie
B (λ) = B0 λn−1 + B1 λn−2 + · · · + Bn−2 λ + Bn−1 (1.72)
ı̂n care coeficienţii sunt matrice constante de ordinul n (B (λ), ca şi λI − A

sunt matrice de ordinul n). Prin ı̂nmulţirea relaţiei (1.71) mai ı̂ntâi cu P (λ)
şi apoi cu λI − A (la dreapta) obţinem identitatea
P (λ) I ≡ B (λ) (λI − A) (1.73)
sau pe larg
(λn + p1 λn−1 + · · · + pn−1 λ + pn ) I ≡ (B0 λn−1 +
(1.74)
+B1 λn−2 + · · · + Bn−2 λ + Bn−1 ) (λI − A) .
Din identificarea coeficienţilor matriceali, rezultă
I = B0 An
p1 I = B1 − B0 A An−1
p2 I = B2 − B1 A An−2
... ... (1.75)
pn−2 I = Bn−2 − Bn−3 A A2
pn−1 I = Bn−1 − Bn−2 A A
pn I = −Bn−1 A I
Prin ı̂nmulţire la dreapta a acestor egalităţi cu puterile descrescătoare
ale matricei A şi sumarea tuturor egalităţilor obţinute se vede că ı̂n dreapta
toţi termenii se reduc, deci se obţine matricea nulă, iar ı̂n stânga se obţine
tocmai matricea
P (A) = An + p1 An−1 + · · · + pn−1 A + pn I, (1.76)
de unde rezultă P (A) = 0.¥

1.3.4 Algoritmul de diagonalizare a unei matrice

Pentru orice valoare proprie λi cu multiplicitatea mi ı̂ncercăm să găsim
mi vectori proprii liniar independenţi corespunzători acestei valori proprii
λi . Dacă acest procedeu reuşeşte pentru toate valorile proprii, atunci se pot
obţine n vectori proprii liniar independenţi, deci matricea este diagonaliza-
bilă. Prezentăm un algoritm de diagonalizare a unei matrice de ordin n cu
elemente reale.
Pasul 1. Determinarea valorilor proprii ale matricei A. Calculăm poli-
nomul caracteristic P (λ) = det(λI − A) şi rădăcinile acestuia. Fie
P (λ) = (λ − λ1 )n1 (λ − λ2 )n2 ...(λ − λp )np .
Pasul 2. Dacă există măcar o rădăcină a polinomului caracteristic care
nu este ı̂n R, algoritmul se opreşte. Matricea A nu poate fi adusă la forma
diagonală. Dacă toate rădăcinile polinomului caracteristic sunt ı̂n R, trecem
la Pasul 3.
Pasul 3. Determinarea vectorilor proprii ale matricei A. Fie λ1 , λ2 , ..., λp
valorile proprii distincte cu ordinele de multiplicitate algebrică n1 , n2 , ...,
Pp
np , ni = n.
i=1
Pentru fiecare i = 1, p, determinăm vectorii proprii corespunzători valorii
proprii λi . Pentru aceasta rezolvăm p sisteme liniare omogene
(A − λi In )x = θ, i = 1, p.
Toate soluţiile liniar independente ale acestor sisteme, ı̂n număr de mi ,
formează vectorii proprii corespunzători autovalorii λi .
Pasul 4. Dacă ni = mi , ∀i = 1, p, matricea poate fi adusă la forma
diagonală şi trecem la Pasul 5. În caz contrar algoritmul se opreşte.
Pasul 5. Determinarea formei diagonale. Matricea diagonala are forma
J = diag[λ1 , ..., λ1 , λ2 , ..., λ2 , ..., λp , ..., λp ]
| {z } | {z } | {z }
n1 ori n2 ori np ori
iar vectorii proprii sunt reuniunea vectorilor proprii liniar independenţi
determinaţi la Pasul 3.
Matricea modală H, care este şi matricea de asemănare, are coloanele
formate din vectorii proprii. Are loc relaţia J = H−1 AH.N
1.3.5 Forma canonică Jordan

Dificultatea apare atunci când acest procedeu nu este posibil, adică nu
se poate să avem mi vectori proprii liniar independenţi coresponzător valorii
proprii λi . În acest caz matricea nu este diagonalizabilă. În acest caz există
totdeauna o formă relativ simplă, numită formă Jordan, la care poate fi
adusă matricea.
Definiţia 1.20 Matricea Jp (λ) de ordin p, (p ≥ 1, λ ∈ R)
⎛ ⎞
λ 1 0 ... 0 0
⎜ 0 λ 1 ... 0 0 ⎟
⎜ ⎟
Jp (λ) = ⎜ .. .. .. .. .. ⎟ (1.77)
⎝ . . . ... . . ⎠
0 0 0 ... 0 λ
se numeşte bloc Jordan (celulă Jordan) de ordin p.
Definiţia 1.21 O matrice J de ordin n de forma
J = diag [Jn1 (λ1 ), Jn2 (λ2 ), ..., Jnk (λk )] ,
ı̂n care Jni (λi ), matrice de ordin ni , i=1, k, n1 + n2 + ... + nk = n, este un

bloc Jordan corespunzător valorii proprii λi , se numeşte matrice Jordan
de ordin n.
Definiţia 1.22 Fie A o matrice de ordin n. Un sistem de q vectori v(1) ,
v(2) , ..., v(q) , q ≥ 1, q ∈ N, din Rn care satisface condiţiile
v(1) 6= θ, Av(1) = λv(1) , Av(2) = λv(2) + v(1) ,
(1.78)
..., Av(q) = λv(q) + v(q−1) .
se numeşte serie de vector propriu şi asociaţi de lungime q corespunză-
toare valorii proprii λ a matricei A, ı̂n care v(1) este vectorul propriu numit
cap de serie, iar ceilalţi se numesc vectori asociaţi vectorului propriu.
Se poate demonstra că vectorii dintr-o serie de vector propriu şi asociaţi
sunt liniar independenţi; de asemenea dacă unei serii de vector propriu
şi asociaţi ı̂i adăugăm vectori proprii liniar independenţi sau alte serii de
vectori proprii şi asociaţi, sistemul de vectori obţinut este liniar independent.
De aici rezultă că dacă numărul total de vectori proprii şi asociaţi este
egal cu ordinul matricei A, atunci aceştia formează o bază care se numeşte
bază Jordan corespunzătoare matricei A.
1.3.6 Algoritmul de aducere la forma Jordan

Prezentăm un algoritm de aducere la forma Jordan a unei matrice de
ordin n cu elemente reale.
Pasul 1. Determinarea valorilor proprii ale matricei A. Calculăm poli-

nomul caracteristic
P (λ) = det(λI − A) = (λ − λ1 )n1 (λ − λ2 )n2 ...(λ − λp )np ,
unde λ1 , λ2 , ..., λp sunt valorile proprii, iar n1 , n2 , ..., np ordinele de multi-
plicitate ale rădăcinilor polinomului P (λ).
Pasul 2. Dacă exista măcar un i = 1, p astfel ı̂ncât λi ∈ / R algoritmul se
opreşte. În caz contrar trecem la Pasul 3.
Pasul 3. Determinarea numărului seriilor de vectori proprii şi asociaţi.
Pentru fiecare valoare proprie ı̂n parte λk , k = 1, p calculăm
dk = nk − rang(λk I − A)
şi obţinem numărul de serii de vectori proprii şi asociaţi corespunzători
valorii proprii λk .
Dacă dk = 1, avem o singură serie de lungime nk formată dintr-un vector
propriu şi asociaţi şi acestei serii ı̂i corespunde o celulă Jordan de ordin nk .
Trecem la Pasul 5.
Dacă dk = nk , atunci există nk serii de vectori proprii şi asociaţi, core-
spunzători valorii proprii λk şi fiecare din aceste serii este formată dintr-un
singur vector. Trecem la Pasul 5.
Dacă 1 < dk < mk , trecem la Pasul 4.
Pasul 4. Determinarea lungimii seriilor de vectori proprii şi asociaţi.
Sunt dk serii de vectori proprii şi asociaţi de lungimi pe care urmează să le
determinăm. Calculăm pentru j ≥ 1,
ϕ(j, λk ) = rang(λk I − A)j−1 − 2 rang(λk I − A)j + rang(λk I − A)j+1 .
Dacă ϕ(j, λk ) 6= 0, atunci avem ϕ(j, λk ) serii de vectori proprii şi
asociaţi de lungime j. (Convenim că puterea zero a oricărei matrice este
matricea
X unitate a cărei rang este egal cu n). Calculul se opreşte când
j · ϕ(j, λk ) = nk .
j
Pasul 5. Determinarea seriilor de vectori proprii şi asociaţi corespunzător
valorii proprii λk .
Pornim de la seria de lungime maximă. Fie această lungime s. Dacă
(1)
v ∈ Rn este vector propriu pentru © matricea A corespunzătoare
ª valorii
(1) (2) (s)
proprii λk , cap de serie pentru seria v , v , . . . , v atunci
(A − λk In )v(1) = θ, (A − λk In )v(2) = v(1) , ...,
(1.79)
(A − λk In )v(s) = v(s−1) .
Înlocuind din aproape ı̂n aproape obţinem:

(A − λk In )v(s) = v(s−1) , (A − λk In )2 v(s) = v(s−2) ,
. . . , (A − λk In )s−1 v(s) = v(1) , (A − λk In )s v(s) = θ. (1.80)
Deci ultimul asociat din serie este o solutie nenulă a sistemului liniar
omogen (A − λIn )s v(s) = θ. Fie aceasta soluţie v(s) .
Observăm că (A − λIn )s−1 v(s) = v(1) 6= θ. Alegem vectorul solutie a
sistemului (A − λIn )s v(s) = θ a cărui imagine prin (A − λIn )s−1 va fi un
vector nenul care nu este altul decât vectorul propriu cap de serie, v(1) .
Ceilalţi vectori din serie se determină utilizând relaţiile (1.79).
Trecem la seria următoare ı̂n ordinea descrescătoare a lungimilor până
se epuizează toate seriile corespunzătoare valorii proprii λk .
Fiecărei serii de vectori proprii şi asociaţi ı̂i corespunde o celulă Jordan
egală cu lungimea seriei.
Se reia algoritmul de la Pasul 3 pentru următoarea valoare proprie până
se epuizează toate valorile proprii.
Toate seriile de vectori proprii şi asociaţi formează baza Jordan.
Pasul 6. Determinarea matricei Jordan şi a matricei modale.
Matricea Jordan este formată din toate celulele Jordan asociate seriilor
de vectori proprii şi asociaţi.
Matricea modală H are pe coloane coordonatele vectorilor proprii şi
asociaţi, având grijă să le scriem ı̂n ordinea ı̂n care apar ı̂n serie şi ı̂n ordinea
valorilor proprii.N
1.3.7 Autovalorile unor matrice reale simetrice

Definiţia 1.23 Matricea reală A = (aij ) de ordinul n se numeşte simetri-
că, dacă coincide cu transpusa ei, adică dacă AT = A.
Simetria este echivalentă cu condiţia aij = aji , ∀i, j = 1, n.
Teorema 1.17 Autovalorile unei matrice reale simetrice sunt reale.
√
Demonstraţie. Notăm cu j = −1. Fie α + jβ o autovaloare a matricei
A şi u + jv vectorul propriu corespunzător ei. Evident, am presupus că
vectorii-coloană u şi v sunt reali. Din A (u + jv) = (α + jβ) (u + jv),
rezultă prin separarea părţilor reale şi respectiv imaginare,
Au = αu − βv, Av = βu + αv. (1.81)
Prin ı̂nmulţirea primei ecuaţii la stânga cu vT şi a celei de a doua cu
uT , găsim
vT Au = αvT u − βvT v, uT Av = βuT u + αuT v. (1.82)

T
Deoarece v u este un număr, el este egal cu transpusul său, astfel ı̂ncât
¡ ¢T
vT u = vT u = uT v. (1.83)
Analog şi vT Au este un număr şi ţinând seama că matricea A este o matrice
simetrică, retultă:
¡ ¢T
vT Au = vT Au = uT AT v = uT Av (1.84)
Scăzând prima ecuaţie (1.82) din cea de a doua, obţine
¡ ¢
β uT u + vT v = 0. (1.85)
¡ ¢T P
n
Observăm că dacă u = α1 . . . αn atunci uT u = αi2 ≥ 0. De
i=1
aici rezultă că uT u + vT v > 0 (vectorul propriu u + jv este prin definiţie
nenul) şi din (1.85) obţinem β = 0, deci orice autovaloare a unei matrice
simetrice este reală.¥
Observaţia 1.7 Vectorii proprii sunt de asemenea reali, căci sistemul din
care ei se obţin are toţi coeficienţii reali. Se poate arăta că oricare ar fi
matricea reală simetrică A, ı̂n Rn există baze formate din vectori proprii ai
lui A.
Definiţia 1.24 Matricea reală A = (aij ) de ordinul n se numeşte antisi-
metrică, dacă AT = −A.
Antisimetria este echivalentă cu condiţia aij = −aji , ∀i, j = 1, n. Se ob-
servă că elementele de pe diagonala principală sunt nule şi că cele simetrice
faţă de această diagonală sunt opuse (au suma zero).
Teorema 1.18 Autovalorile unei matrice reale antisimetrice sunt de forma
jβ, cu β număr real.
Demonstraţie. Fie α + jβ o autovaloare a matricei A şi u + jv vectorul
propriu asociat ei. Din A (u + jv) = (α + jβ) (u + jv), găsim din nou
ecuaţiile (1.81). Prin ı̂nmulţirea la stânga a primei ecuaţii cu uT şi a celei
de a doua cu vT , găsim
uT Au = αuT u − βuT v, vT Av = βvT u + αvT v. (1.86)
Folosind antisimetria lui A, vom arăta că pentru orice vector x ∈ Rn ,
avem xT Ax = 0.
¡ ¢T
xT Ax = xT Ax = xT AT x = −xT Ax, (1.87)
deci xT Ax = 0, ∀x ∈ Rn . Adunând cele două ecuaţii (1.86), obţinem
¡ ¢
α uT u + vT v = 0, (1.88)
de unde rezultă α = 0. Deci orice autovaloare este de forma jβ.¥
Observaţia 1.8 Cazul β = 0 este posibil. Dacă n = impar şi A este

antisimetrică, rezultă det(A) = 0 şi p (λ) = det (λI − A) are termenul liber
nul. Deci λ = 0 este rădăcină a lui P (λ), adică este autovaloare a lui A.
Definiţia 1.25 Matricea reală A = (aij ) de ordinul n se numeşte ortogo-
nală, dacă AT = A−1 (transpusa egală cu inversa).
Rezultă că această definiţie este echivalentă cu condiţia
AAT = AT A = I, (1.89)
unde
¡ I este
¢ matricea unitate de ordinul n. O primă constatare este că
T 2
det AA = (det(A)) = 1, deci det (A) = ±1.
P1. Dacă det(A) = 1, rezultă că fiecare element aij este egal cu com-
plementul său algebric, folosind relaţia AT = A−1 .
P2. Dacă det(A) = −1, rezultă că aij = −Aij , ∀i, j = 1, n, folosind
aceeaşi relaţie.
P3. Din AAT = I rezultă că suma pătratelor elementelor de pe fiecare
linie este egală cu 1, adică
Xn
a2ij = 1, ∀i = 1, n. (1.90)
j=1
P4. Din AAT = I rezultă că produsul a două linii distincte este nul,
adică
Xn
aij akj = 0, dacă i 6= k, i, k = 1, n. (1.91)
j=1
P5. Din AT A = I rezultă că suma pătratelor elementelor de pe fiecare
coloană a matricei A este egală cu 1, adică
X n
a2ij = 1, ∀j = 1, n. (1.92)
i=1
P6. Produsul a două coloane distincte este nul, adică
Xn
aij aik = 0, dacă j 6= k, j, k = 1, n. (1.93)
i=1
P7. Îndeplinirea simultană a proprietăţilor P3 şi P4 atrage că A este
ortogonală, deoarece AAT = I, deci AT = A−1 .
P8. Îndeplinirea simultană a proprietăţilor P5 şi P6 atrage că A este
ortogonală, deoarece AT A = I, deci AT = A−1 .
Are loc şi echivalenţa P3 şi P4 ⇔P5 şi P6. În ce priveşte autovalorile
unei matrice ortogonale, putem enunţa următoarea teoremă.
1.4. SPAŢIUL VECTORIAL NORMAT 41
Teorema 1.19 Orice autovaloare λ a unei matrice ortogonale satisface

condiţia |λ| = 1.
Demonstraţie. Fie λ autovaloare a matricei ortogonale A şi fie v un
vector propriu: Av = λv. Dacă λ este real, rezultă că şi v este real. Prin
transpunere, găsim vT AT = λvT (egalitatea a doi vectori - linie). Prin
ı̂nmulţirea celor două egalităţi, obţinem
¡ T T¢ 2
¡ T ¢
v A¡ (Av) ¢ = λ ¡v v ¢ ⇒ (1.94)
vT AT A v = λ2 vT v ,
¡ ¢
adică vT v = λ2 vT v . Deoarece vT v 6= 0 (este pozitiv), rezultă λ2 = 1,
deci λ = ±1 ı̂n mod obligatoriu. Dacă λ este complex, vom găsi
Av = λv, Av = λ̄v, vT AT = λ̄vT (1.95)
folosind conjugarea cantităţilor complexe. Înmulţind prima şi ultima ecuaţie
din (1.95), găsim
¡ T T¢ ¡ ¢ ¡ ¢
v A (Av) = λλ̄ vT v sau vT v = |λ|2 vT v . (1.96)
Dacă vectorul v, care are elemente complexe, este considerat de forma
¡ ¢T
v = ξ1 ξ2 · · · ξn , rezultă că
⎛ ⎞
ξ1
T
¡ ¢⎜⎜ ξ2 ⎟
⎟
v v = ξ 1 ξ 2 · · · ξ n ⎜ .. ⎟ =
⎝ . ⎠ (1.97)
ξn
2 2 2
= |ξ1 | + |ξ2 | + · · · + |ξn | 6= 0
şi deci din (1.97), rezultă |λ|2 = 1, adică |λ| = 1 sau λ = cos ϕ + j sin ϕ.¥
1.4 Spaţiul vectorial normat

Definiţia 1.26 Vom spune că un spaţiu vectorial real V este normat, dacă
fiecărui element x ∈ V i se ataşează un număr real, notat |x| şi numit
norma sa, cu satisfacerea următoarelor axiome:
1◦ |x| ≥ 0, ∀x ∈ V şi |x| = 0 ⇔ x = θ (elementul nul din V),
2◦ |αx| = |α| · |x|, ∀α ∈ R şi ∀x ∈ V,
3◦ |x + y| ≤ |x| + |y|, ∀x, y ∈ V.
Exemplul 1.6 Dacă ne referim la mulţimea numerelor reale R, organizată
ca un spaţiu vectorial normat, este evident, că pentru orice x ∈ R, valoarea
sa absolută |x| este o normă pe R.
Exemplul 1.7 Dacă notăm C [a, b] mulţimea funcţiilor reale şi continue
x = x (t), definite pe intervalul [a, b], organizată ca un spaţiu vectorial faţă
de operaţiile obişnuite de adunare a funcţiilor şi ı̂nmulţire cu scalari (numere
reale), putem defini o normă pe acest spaţiu prin formula
|x| = sup |x (t)| , pentru a ≤ t ≤ b. (1.98)
Observaţia 1.9 Observăm că C [a, b] este un spaţiu infinit dimensional,

căci oricare ar fi n natural, se pot găsi n funcţii continue liniar independente.
De exemplu: x1 (t) = 1, x2 (t) = t, . . . , xn (t) = tn−1 .
1.4.1 Norme pe Rn (n ≥ 2)
Acestea sunt importante, deoarece se folosesc ı̂n unele probleme de
analiză numerică. Norma |·| este o funcţie: Rn → R+ , care satisface cele
trei axiome, din definiţia 1.26. Pentru a le deosebi, atunci când vorbim
despre mai multe norme pe acelaşi spaţiu, putem să le asociem câte un
indice, de exemplu |·|1 , |·|2 , etc. În unele cărţi, funcţia care defineşte o
normă este notată cu ajutorul unei litere, de exemplu ρ1 (·), ρ2 (·), etc.
Adoptăm convenţia de notare prin bare verticale.
Norma |·|1 este dată prin |x|1 = max |xi |, unde x ∈ Rn este un vector
i
¡ ¢T
oarecare, dat prin x = x1 x2 ... xn . Cele trei axiome se verifică
imediat şi nu este cazul să insistăm.
P
n
Norma |·|2 este dată prin |x|2 = |xi |, ∀x ∈ Rn . Să verificăm cele trei
i=1
axiome:
1◦ |x|2 ≥ 0 şi |x|2 = 0 ⇔ x =θ, vectorul nul (coloana formată din
zerouri) este evidentă.
Pn P
n P
n
2◦ |αx|2 = |αxi | = |α|·|xi | = |α| |xi | = |α|·|x|2 pentru ∀α ∈ R
i=1 i=1 i=1
şi ∀x ∈ Rn . Deci şi axioma a doua este ı̂ndeplinită.
Pn P
n P
n P
n
3◦ |x + y| = |xi + yi | ≤ (|xi | + |yi |) = |xi | + |yi | = |x|2 +
i=1 i=1 i=1 i=1
|y|2 , ∀x, y ∈ Rn aşa cum cere a treia axiomă.
Norma euclidiană pe Rn
Norma euclidiană pe Rn este definită prin formula
q
kxk = x21 + x22 + · · · + x2n , ∀x ∈ Rn . (1.99)
Primele două condiţii (axiome) care definesc o normă sunt evident sa-
tisfăcute şi trebuie să o verificăm pe cea de a treia. Inegalitatea kx + yk ≤
kxk + kyk este echivalentă cu cea obţinută din ea prin ridicarea la pătrat.
Aceasta din urmă se scrie ı̂n forma v v
u n u n
X n X n
u X uX Xn
2
(xi + yi ) ≤ 2
xi + 2t 2 t
xi · 2
yi + yi2
i=1 i=1 i=1 i=1 i=1 (1.100)
care, la rândul ei, este echivalentă cu
v v
u n u n
X n
uX uX
xi yi ≤ t x2i · t yi2 (Cauchy) (1.101)
i=1 i=1 i=1
adevărată oricare ar fi xi şi yi , i = 1, n, adică oricare ar fi vectorii x, y ∈ Rn .
Exerciţiul 1.9 Când are loc egalitatea kx + yk = kxk + kyk ı̂n Rn ?

Rezolvare. Se ştie că egalitatea
Ã n !2 Ã n !Ã n !
X X X
xi yi = x2i yi2 (1.102)
i=1 i=1 i=1
ı̂n care xi şi yi , i = 1, n sunt numere reale, are loc dacă şi numai dacă
Pn P
n
∃α ∈ R, astfel ı̂ncât yi = αxi , i = 1, n. Dar atunci xi yi = α x2i şi
i=1 i=1
deci trebuie ca α > 0 pentru ca (1.101) să devină egalitate. În concluzie,
trebuie să avem relaţia x = αy cu α > 0 ı̂ntre cei doi vectori (ambii au
fost presupuşi nenuli). Dacă unul din vectorii x şi y este nul, egalitatea ı̂n
discuţie devine banală.¨
Exerciţiul 1.10 Orice combinaţie liniară de norme, cu coeficienţi pozitivi,

este o normă pe Rn .
Rezolvare. Fie ρ1 (x), ρ2 (x), . . . , ρm (x) norme definite pe Rn şi norma
Pm
ρ (x) = ci ρi (x), unde coeficienţii ci , i = 1, m sunt pozitivi. În mod
i=1
evident, avem ρ (x) ≥ 0, ∀x ∈ Rn şi ρ (x) = 0 ⇔ x = θ. Apoi, ρ (αx) =
Pm P
m
ci ρi (αx) = |α| ci ρi (x) = |α| ρ (x), ∀α ∈ R şi ∀x ∈ Rn . În fine,
i=1 i=1
P
m P
m
ρ (x + y) = ci ρi (x + y) ≤ ci (ρi (x) + ρi (y)) =
i=1 i=1
P
m Pm
= ci ρi (x) + ci ρi (y) = ρ (x) + ρ (y) , ∀x, y ∈ Rn .¨
i=1 i=1
Exerciţiul 1.11 Dacă |·| este o normă pe Rn şi A = (aij ) este o matrice
reală nesingulară (det(A) 6= 0), atunci ρ (x) = |Ax| pentru ∀x ∈ Rn de-
fineşte o nouă normă pe Rn . (Se verifică uşor cele trei axiome).
Prin acest procedeu, putem defini o infinitate de norme pe Rn , deoarece
există o infinitate de matrice nesingulare. De exemplu, dacă luăm norma
|·|1 , matricea
⎛ ⎞
1 1 0
A=⎝ 1 0 1 ⎠ (1.103)
0 1 1
şi punem
ρ1 (x) =max {|x1 + x2 |, |x1 + x3 |, |x2 + x3 |}, ∀x ∈ R3
(1.104)
avem o nouă normă pe R3 , dacă ţinem seama că
⎛ ⎞
x1 + x2
Ax = ⎝ x1 + x3 ⎠ , ∀x ∈ R3 . (1.105)
x2 + x3
Dacă luăm norma |·|2 şi punem
ρ2 (x) = |x1 +x2 |+|x1 +x3 |+|x2 +x3 | , ∀x ∈ R3 (1.106)
obţinem o nouă normă. Dacă luăm norma euclidiană k·k, vom găsi o altă
normă şi anume
q
ρ3 (x) = (x1 +x2 )2 +(x1 +x3 )2 +(x2 +x3 )2, ∀x ∈ R3 .¨
(1.107)
Exerciţiul 1.12 Dacă |·| este o normă pe Rn şi A este o matrice de ordinul
n, există un număr M > 0 astfel ı̂ncât |Ax| ≤ M |x|, ∀x ∈ Rn .
Rezolvare. Mulţimea S = {x; x ∈ Rn cu |x| = 1} , sfera de rază 1 este o

mulţime compactă ı̂n Rn (mărginită şi ı̂nchisă). Orice normă pe Rn este o
funcţie continuă de cele n variabile independente xi şi deci este mărginită
pe S (teorema lui Weierstrass). Deci avem |Ax| ≤ M pentru ∀x ∈ S. Dacă
x ∈ Rn este un vector oarecare diferit de vectorul nul, avem |A (x/ |x|)| ≤ M
şi deci |Ax| ≤ M |x|. Altfel spus, avem |Ax| / |x| ≤ M pentru orice x 6= θ
din Rn .¨
Generarea normelor pentru matricele pătrate
Dacă |·| este o normă pe Rn , ea generează o anumită normă pe mul-

ţimea Mn (R). Vom nota norma unei matrice A din această mulţime cu
simbolul |A|. Axiomele pe care le satisface o normă pe spaţiul Mn (R) sunt
următoarele:
1◦ |A| ≥ 0, ∀A ∈ Mn (R) şi |A| = 0 ⇔ A = 0 (matricea nulă),
2◦ |αA| = |α| · |A|, ∀α ∈ R şi ∀A ∈ Mn (R) ,
3◦ |A + B| ≤ |A| + |B|, ∀A, B ∈ Mn (R) ,
4◦ |AB| ≤ |A| · |B|, ∀A, B ∈ Mn (R)
Ultima axiomă nu are corespondent ı̂n cazul normei definite pe Rn . Dacă
plecăm de la o anumită normă pe Rn , notată |·| şi A este o matrice oarecare
din Mn (R), definim
½ ¾
|Ax|
|A| = sup ; x 6= θ, x ∈ Rn (1.108)
|x|
unde sup (supremum) este notaţia uzuală pentru marginea superioară a

unei mulţimi de numere reale. Definiţia (1.108) este corectă, deoarece acest
supremum nu poate fi ∞ (conform cu Exerciţiul 1.12). Prima axiomă este
evident satisfăcută. Pentru cea de a doua, scriem
½ ¾
|(αA) x|
|αA| = sup ; x 6= θ =
|x|
½ ¾ ½ ¾
|α| · |Ax| |Ax|
= sup ; x 6= θ = |α| sup ; x 6= θ =
|x| |x| (1.109)
= |α| · |A| , ∀α ∈ R şi ∀A ∈ Mn (R) .
Pentru a verifica axioma a treia, vom scrie

½ ¾ ½ ¾
|(A + B) x| |Ax + Bx|
|A + B| = sup ; x 6= θ = sup ; x 6= θ ≤
|x| |x|
½ ¾ ½ ¾
|Ax| + |Bx| |Ax|
≤ sup ; x 6= θ ≤ sup ; x 6= θ +
|x| |x|
½ ¾ (1.110)
|Bx|
+ sup ; x 6= θ = |A| + |B| , ∀A, B ∈ Mn (R) .
|x|
Pentru ultima axiomă, scriem
½ ¾
|(AB) x|
|AB| = sup ; x 6= θ =
|x|
½ ¾ ½ ¾
|A (Bx)| |A| · |Bx|
= sup ; x 6= θ ≤ sup ; x 6= θ =
|x| |x|
½ ¾ (1.111)
|Bx|
= |A| sup ; x 6= θ = |A| · |B|
|x|
oricare ar fi A, B ∈ Mn (R). Am folosit majorarea |Ax| ≤ |A| · |x| pentru
orice vector din Rn , care rezultă din definiţia (1.108). În rezumat, formula
(1.108) defineşte ı̂n adevăr o normă pe Mn (R), care ı̂n acest fel devine un
spaţiu vectorial normat real.
Teorema 1.20 Dacă notăm ½ ¾
|Ax|1
|A|1 = sup ; x 6= θ (1.112)
|x|1
pentru orice matrice A = (aij ) din Mn (R), rezultă
X n
|A|1 = max |aij | . (1.113)
i
j=1
Demonstraţie. Notăm Ax = y şi avem |Ax|1 = |y|1 = max |yi |. Dar

i
P
n P
n
yi = aij xj şi |xj | ≤ |x|1 deci |yi | ≤ |x|1 · |aij |. Pentru moment, notăm
j=1 j=1
P
n
M = max |aij | şi admitem că acest maxim se atinge pentru valoarea k
i j=1
a indicelui de linie i. Din |yi | ≤ M |x|1 , ∀i = 1, n avem |Ax|1 ≤ M |x|1
pentru orice x ∈ Rn . Toate rapoartele mulţimii din (1.112) sunt mărginite
superior de M, care este deci o barieră superioară pentru această mulţime.
Dacă găsim un vector x e 6=θ, pentru care raportul |Ae x|1 / |e
x|1 are valoarea M
(echivalent |Ae x|1 = M |e x|1 ), rezultă că M este chiar marginea superioară
(supremum) a mulţimii de rapoarte. Acest vector este x e, dat prin xe =
T Pn
(sgn ak1 , sgn ak2 , . . . , sgn akn ) , are elementul de pe linia k, x ek = |akj | =
j=1
M şi norma |x|1 = 1. Deci el satisface egalitatea |Ae
x|1 = M |e x|1 şi atunci
formula (1.112) este demonstrată.¥
Norma |A|1 se numeşte uneori ”norma pe linii”, deoarece se obţine
sumând valorile absolute ale elementelor de pe fiecare linie şi luând apoi
cea mai mare sumă găsită.
Teorema 1.21 Dacă notăm ½ ¾

|Ax|2
|A|2 = sup ; x 6= θ , (1.114)
|x|2
această normă este dată de formula
X
n
|A|2 = max |aij | . (1.115)
j
i=1
P
n
Demonstraţie. Notăm Ax = y şi avem |Ax|2 = |y|2 = |yi |. Din
i=1
P
n Pn
yi = aij xj , rezultă |yi | ≤ |aij | · |xj |, ∀i = 1, n şi deci
j=1 Ã j=1 ! Ã n !
X n Xn X n X
|Ax|2 ≤ |aij | · |xj | = |aij | |xj | .
i=1 j=1 j=1 i=1 (1.116)
P
n
Dacă notăm pentru moment M = max |aij |, putem scrie
j i=1
Xn
|Ax|2 ≤ M |xj | = M |x|2 , ∀x ∈ Rn . (1.117)
j=1
Ca şi ı̂n cazul precedent, dacă găsim un vector x e pentru care |Ae x|2 =
M |e
x|2 , va rezulta că M = |A|2 şi deci formula (1.115) este adevărată. Acest
P
n
vector x ı̂l găsim astfel: dacă admitem că max |aij | se realizează pentru
j i=1
P
n
valoarea k a indicelui de coloană j, adică dacă presupunem că M = |aik |,
i=1
considerăm vectorul x ale cărui elemente sunt egale cu zero, ı̂n afară de cel
de pe linia k, care este egal cu 1. El are proprietatea că Ae x coincide cu
coloana k a matricei A, deci |Ae x|2 = M şi pe de altă parte |ex|2 = 1. Prin
urmare, avem |Ae x|2 = M |ex|2 şi demonstraţia este ı̂ncheiată.¥
Observaţia 1.10 Nu trebuie să credem că toate normele pentru matricele
din Mn (R) sunt generate de normele pentru vectorii din Rn , după cum se
va vedea din următorul exemplu.
Norma euclidiană pentru matricele din Mn (R)

Pentru A = (aij ) definim norma sa euclidiană, notată kAk, prin for-
mula v
uX
u n X n
kAk = t a2ij . (1.118)
i=1 j=1
Primele două axiome sunt ı̂n mod evident ı̂ndeplinite. Cea de a treia
este
kA + Bk ≤ kAk + kBk , ∀A, B ∈ Mn (R) . (1.119)
Această inegalitate este echivalentă cu cea obţinută prin ridicare la

pătrat
kA + Bk2 ≤ kAk2 + 2 kAk · kBk + kBk2 (1.120)
care se scrie pe larg astfel v v

Xn X
n uXn uX X
u u n 2 n
2
(aij + bij ) ≤ aij + 2t
2
aij · t
2
bij + b2ij .
i,j=1 i,j=1 i,j=1 i,j=1 i,j=1 (1.121)
P
n P
n P
n
Am folosit pentru suma dublă notaţia prescurtată evident,
i=1 j=1 i,j=1
din motive de ordin grafic. La rândul său, ultima inegalitate este echivalentă
cu
v v
Xn uX n uX
u u n 2
aij bij ≤ t 2 t
aij · bij (Cauchy). (1.122)
i,j=1 i,j=1 i,j=1
Ne putem convinge de aceasta, numerotând elementele aij , ı̂ncepând cu

a11 şi terminând cu ann şi scriindu-le ı̂n şirul α1 , α2 , . . . , αN unde N = n2 .
La fel facem şi cu elementele bij , pe care le sriem β1 , β2 , . . . , βN . Atunci
inegalitatea (1.122) se scrie ı̂n forma
v v
uN uN
XN uX uX
αi βi ≤ t 2 t
αi · βi2 (1.123)
i=1 i=1 i=1
şi este evident adevărată. A mai rămas de verificat ultima axiomă:

kABk ≤ kAk · kBk , ∀A, B ∈ Mn (R) . (1.124)
Întâi vom arăta că avem kAxk ≤ kAk · kxk, ∀x ∈ Rn . În adevăr, dacă
Ã !2
Pn Pn
punem Ax = y, avem yi = aij xj şi deci yi2 = aij xj , din
j=1 j=1
Ã n !Ã n ! Ã n !
X X X
2
yi ≤ a2ij x2j = aij kxk2 , i = 1, n. (1.125)
j=1 j=1 j=1
şi ı̂n continuare Ã !

P
n P
n P
n
kAxk2 = yi2 ≤ a2ij kxk2 =
i=1 i=1 j=1
Ã ! (1.126)
P
n P
n
2 2 2
= a2ij kxk = kAk · kxk
i=1 j=1
adică kAxk ≤ kAk · kxk. Dacă v(1) , v(2) , . . . , v(n) sunt coloanele matricei
B, vectoriih Av(1) , Av(2) , . . . , Av(n)i sunt coloanele matricei AB, adică
AB = col Av(1) , Av(2) , . . . , Av(n) şi
° ° ° ° ° °
° (1) °2 ° (2) °2
2 ° (n) °2
kABk = °Av ° + °Av ° + · · · + °Av ° ≤
³° °2 ° °2 ´
≤ kAk2 °v(1) ° + · · · + °v(n) ° = kAk2 · kBk2 (1.127)
deci (1.124) este adevărată.

√
Observaţia 1.11 Matricea unitate In are norma euclidiană egală cu n.
Dacă ar exista o normă |·| pentru vectori, care să ne conducă la norma k·k
|In x| |x|
pentru matrice, ar trebui să avem kIn k = sup = sup = 1, ceea ce
|x| |x|
este evident imposibil.
Exerciţiul 1.13 În spaţiul Mn (R), punem ρ (A) = max |aij | pentru orice
i,j
matrice A. Să se arate că această funcţie nu defineşte o normă pe Mn (R).
Rezolvare. Fie A = B cu aij = bij = 1, ∀i, j = 1, n. Matricea AB are

toate elementele egale cu n. Deci ρ (A) = ρ (B) = 1, iar ρ (AB) = n şi nu
are loc inegalitatea ρ (AB) ≤ ρ (A) ρ (B).¨
µ ¶
Exerciţiul 1.14 Dacă punem ρ (A) = n max |aij | , avem o normă pe
i,j
spaţiul Mn (R).
Rezolvare. Primele trei axiome se verifică imediat. Pentru a o verifica pe

ultima, luăm două matrice oarecare A = (aij ), B = (bij ) şi notăm C = AB.
Pn
Avem cij = aik bkj , de unde găsim
k=1
P
n
|cij | ≤ |aik | · |bkj | ≤
µ ¶ k=1
P
n
≤ |aik | (max |bkj |) ≤ (n max |aik |) (max |bkj |) (1.128)
k=1
deci
n |cij | ≤ (n max |aik |) (n max |bkj |) , ∀i, j = 1, n (1.129)
ceea ce implică ρ (AB) ≤ ρ (A) ρ (B).¨
1.5 Spaţiul euclidian

Un spaţiu euclidian este un spaţiu vectorial real, ı̂n care avem o nouă
operaţie şi anume produsul scalar a doi vectori. Un astfel de spaţiu poate
fi finit dimensional sau cu o infinitate de dimensiuni. Un spaţiu euclidian
n-dimensional se notează de obicei cu En . Produsul scalar este o funcţie
definită pe E × E şi cu valori ı̂n R şi se notează cu simbolul h·, ·i, adică
prin hx, yi ı̂nţelegem produsul scalar (număr real) al celor doi vectori x şi
y. Uneori, se foloseşte şi notaţia (x, y), dar o preferăm pe prima, deoarece
a doua poate să producă confuzie. Axiomele care definesc un produs scalar
sunt următoarele:
1◦ hx, yi ≥ 0, ∀x, y ∈ E şi hx, xi = 0 ⇔ x = θ,
2◦ hx, yi = hy, xi, ∀x, y ∈ E,
3◦ hαx, yi = α hx, yi, ∀α ∈ R şi ∀x, y ∈ E
4◦ hx + y, zi = hx, zi + hy, zi, ∀x, y, z ∈ E
O proprietate a produsului scalar (ı̂n orice spaţiu euclidian E) este
Teorema 1.22 (Inegalitatea Schwarz - Cauchy-Buniakovski) În o-
rice spaţiu euclidian, este adevărată relaţia
hx, yi2 ≤ hx, xi · hy, yi , ∀x, y ∈ E. (1.130)
Demonstraţie. Dacă unul din vectori este nul, inegalitatea este adevărată
şi se reduce la 0 ≤ 0. De aceea, putem presupune că ambii vectori sunt
nenuli (6=θ ). Avem
htx + y, tx + yi = t2 hx, xi + 2t hx, yi + hy, yi ≥ 0, ∀t ∈ R
(1.131)
şi de aici rezultă că discriminantul trinomului este ≤ 0, deci (1.130) este
adevărată.¥
1.5. SPAŢIUL EUCLIDIAN 51
Inegalitatea poate fi scrisă şi ı̂n forma ehivalentă

p p
|hx, yi| ≤ hx, xi · hy, yi, ∀x, y ∈ E. (1.132)
p
Dacă punem kxk = hx, xi, definim o normă pe E, căci sunt ı̂ndeplinite
toate condiţiile normei şi anume:
1◦ kxk ≥ 0,p ∀x ∈ E şi kxk p = 0 ⇔ x =θ,
◦
2 kαxk = hαx, αxi = α2 hx, xi = |α| · kxk, ∀α ∈ R şi ∀x ∈ E,
3◦ kx + yk ≤ kxk + kyk, ∀x, y ∈ E.
Pentru a demonstra condiţia 3◦ , ţinem seama că este echivalentă cu cea
obţinută prin ridicare la pătrat şi anume
hx + y, x + yi ≤ hx, xi + 2 kxk · kyk + hy, yi (1.133)
care la rândul său este echivalentă cu (1.132), ce poate fi transcrisă ı̂n forma
|hx, yi| ≤ kxk · kyk . (1.134)
Putem să ne referim la norma k·k, spunând că este cea generată de
produsul scalar din spaţiul euclidian E.
Spaţiul vectorial real Rn devine spaţiu euclidian, dacă definim produsul
scalar după formula
Xn
T
hx, yi = y x = xi yi (1.135)
i=1 ¡ ¢T
ı̂n care x şi y sunt vectori oarecare din Rn , daţi prin x = x1 x2 . . . xn
¡ ¢T
şi respectiv y = y1 y2 . . . yn . Verificarea celor trei axiome ale
produsului scalar este imediată.
De observat că norma k·k generată pe Rn de produsul scalar, este norma
euclidiană (introdusă anterior) dată de formula
q
kxk = x21 + x22 + · · · + x2n , ∀x ∈ Rn . (1.136)
Definiţia 1.27 Dacă pentru doi vectori x şi y dintr-un spaţiu euclidian
En avem hx, yi = 0, se spune că cei doi vectori sunt ortogonali şi se scrie
aceasta prin simbolul x ⊥ y. Dacă un vector x are norma (uneori se spune
”lungimea”) egală cu 1, se spune că el este normat şi se numeşte versor.
© (1) (2) (n)
ª
Definiţia 1.28 Spunem
(i) (j)că
® o bază v , v , . . ., v(i) (i)din
® En este orto-
normată, dacă v , v = 0 pentru i 6=½ j şi v , v = 1, ∀i = 1, n
(i) (j) ® 0, pentru i 6= j
(echivalent cu v , v = δij unde δij = , simbolul lui
1, pentru i = j
Kroneker).
În legătură cu această definiţie, are loc următoarea teoremă.
Teorema 1.23 (Procedeul de ortogonalizare Gram-Schmidt). În o-

rice spaţiu euclidian En există baze ortonormate (prescurtat B.O.N).
© ª
Demonstraţie. Fie v(1) , v(2) , . . . , v(n) o bază oarecare ı̂n En şi să con-
siderăm vectorii
⎧ (1)
⎪
⎪ u = v(1)
⎪
⎪
⎨ u(2) = v(2) + α21 u(1)
u(3) = v(3) + α31 u(1) + α32 u(2)
⎪
⎪
⎪
⎪ ... (1.137)
⎩ (n) (n) (1) (2) (n−1)
u = v + αn1 u + αn2 u + · · · + αn,n−1 u
cu proprietatea că fiecare dintre ei (ı̂n afară de primul) este ortogonal pe
toţi cei care ı̂l preced. Astfel, avem
(2) (1) ® ® ®
u ,u = 0 ⇒ v(2) , u(1) + α21 u(1) , u(1) = 0
(2) (1) ®
v ,u
⇒ α21 = − (1) (1) (1.138)
hu , u i
şi am găsit (ı̂n mod unic) constanta α21 . În continuare, avem
(3) (1) ® ® ®
u ,u = 0 ⇒ v(3) , u(1) + α31 u(1) , u(1) = 0
(3) (1) ®
v ,u
⇒ α31 = − (1) (1) (1.139)
hu , u i
şi ı̂ncă
(3) (2) ® ® ®
u ,u = 0 ⇒ v(3) , u(2) + α32 u(2) , u(2) = 0
(3) (2) ®
v ,u
⇒ α32 = − (2) (2) (1.140)
hu , u i
şi am găsit (ı̂n mod unic) şi vectorul u(3) . Presupunând că am determinat
k − 1 vectori cu proprietăţile cerute, arătăm că procedeul poate continua,
determinândul şi pe cel de al k-lea, adică pe cel imediat următor. El este
de forma
u(k) = v(k) + αk1 u(1) + · · · + αk,k−1 u(k−1) (1.141)
ı̂n care coeficientul αk1 , i = 1, k − 1 se află din condiţiile de ortogonalitate

pe cei k − 1 vectori aflaţi anterior (şi care sunt ortogonali ı̂ntre ei). Astfel,
avem
⎧ (k) (1) ®
⎪ (k) (1) ® (k) (1) ® (1) (1) ® v ,u
⎪
⎪ u ,u = v ,u + αk1 u , u = 0 ⇒ αk1 = − (1) (1)
⎪
⎪ hu , u i
⎪
⎪
⎨ ...
(k) (k−1) ® (k) (k−1) ® ®
⎪ u ,u = v ,u + αk,k−1 u(k−1) , u(k−1) = 0 ⇒
⎪
⎪ (k) (k−1) ® (1.142)
⎪
⎪
⎪
⎪ v , u
⎩ αk,k−1 = − (k−1) (k−1)
hu ,u i
şi ı̂n concluzie, putem determina toţi cei n vectori din (1.137), care sunt
liniar independenţi (de ce?) şi deci nenuli. Ei sunt ortogonali doi câte doi şi
dacă ı̂l ı̂mpărţim pe fiecare la lungimea sa, obţinem o bază ortonormată.¥
Exerciţiul 1.15 Să se afle o bază ortonormată ı̂n R3 , plecând de la baza

⎛ ⎞ ⎛ ⎞ ⎛ ⎞
1 −1 4
v(1) = ⎝ 2 ⎠ , v(2) = ⎝ 3 ⎠ , v(3) = ⎝ 0 ⎠ .
2 5 −2 (1.143)
(1) (1) (2) (2) (1)
(2) (1) ®
Rezolvare. Fie u = v
(2) (1) ® (1) (1) ® şi u = v + α21 v , u ,u = 0 ⇒
(2)
α21 = − v , u / u ,u = −5/3. Va rezulta că u este dat prin
(2)
¡ ¢T
u = −8/3 −1/3 5/3 .
Apoi, ı̂l căutăm pe u(3) ı̂n forma u(3) = v(3) + α31 u(1) + α32 u(2) şi
¡ ¢T
găsim α31 = 0, α32 = 7/5. Va rezulta că u(3) = 4/15 −7/15 5/15 .
Înmulţind pe u(2) cu 3 şi pe u(3) cu 15, am găsit trei vectori ortogonali şi
anume ⎛ ⎞ ⎛ ⎞ ⎛ ⎞
1 −8 4
⎝ 2 ⎠ , ⎝ −1 ⎠ , ⎝ −7 ⎠ sau
2 5 5
⎛ 1 ⎞ ⎛ − √8 ⎞ ⎛ √4 ⎞ (1.144)
3 10 3 10
3
⎝ 2 ⎠,⎜ 1 ⎟ ⎜
⎝ − 3√10 ⎠ , ⎝ − 3√10 ⎠
7 ⎟
3
2
3 √5 √5
3 10 3 10
ultimii trei formând o bază ortonormată.¨

© ª © ª
Exerciţiul 1.16 Fie v(1) , v(2) , . . . , v(n) şi u(1) , u(2) , . . . , u(n) două baze
ortonormate ı̂n En . Să se arate că matricea schimbării de bază (trecere de
la prima la a doua) este ortogonală.
P n
Rezolvare. Dacă notăm u(i) = aki v(k) , i = 1, n, matricea schimbării de
k=1
bază este A = (aij ) şi avem
¿ À
(i) (j) ® P
n
(k)
P
n
(m)
u ,u = aki v , amj v =
k=1 m=1
P
n P
n ® Pn (1.145)
= aki amj v(k) , v(m) = aki akj .
j=1 m=1 k=1
P
n P
n
Prin urmare, avem aki akj = 0 pentru i 6= j şi a2ki = 1 pentru
k=1 k=1
i = 1, n, adică A este matrice ortogonală.¨
© ª © ª
Exerciţiul 1.17 Fie v(1) , v(2) , . . . , v(n) şi u(1) , u(2) , . . . , u(n) două baze
ı̂n En . Dacă prima este ortonormată şi matricea schimbării de bază (tre-
cere de la prima la a doua) este ortogonală, rezultă că şi a doua bază este
ortonormată.
Rezolvare. Folosind notaţiile
® din exerciţiul precedent
şi relaţia
® (1.145),
rezultă că avem u(i) , u(j) = 0 pentru i 6= j şi u(i) , u(i) = 1 pentru
i = 1, n, adică şi a doua bază este ortonormată.¨
Definiţia 1.29 O transformare liniară f : En → En se numeşte ortogo-
nală dacă păstrează produsul scalar al vectorilor, adică dacă
hf (x) , f (y)i = hx, yi , ∀x, y ∈ En .
Teorema 1.24 Matricea unei transformări ortogonale ı̂n orice bază orto-
normată dintr-un spaţiu euclidian En este o matrice ortogonată.
© (1) (2) (n)
ª
¡ (i) ¢ ¡ (j) ¢® (i) (j) ® o bază ortonormată ı̂n En . Din
Demonstraţie. Fie v , v , . . . , v
egalitatea
© f v ,f v = ªv , v = δij , i, j = 1, n rezultă că vec-
(1) (2) (n)
torii f (v ), f (v ), . . . , f (v ) formează şi ei o bază ortonormată. Dacă
¡ ¢ Pn
A = (aij ) este matricea lui f ı̂n baza aleasă, adică f v(i) = aki v(k) ,
k=1
i = 1, n rezultă ¿ n À
¡ (i) ¢ ¡ (j) ¢® P (k)
Pn
(m)
f v ,f v = aki v , amj v =
k=1 m=1
Pn P
n ® P n
= aki amj v(k) , v(m) = aki akj . (1.146)
k=1 m=1 k=1
Prin urmare, avem
Xn X
n
aki akj = 0 dacă i 6= j şi a2ki = 1, ∀i = 1, n,
k=1 k=1 (1.147)
adică A este o matrice ortogonală.¥
Definiţia 1.30 Transformarea liniară f : En → En se numeşte autoad-
junctă, dacă
hf (x) , yi = hx, f (y)i , ∀x, y ∈ En .
Teorema 1.25 În orice bază ortonormată din En , matricea unei trans-
formări liniare autoadjuncte este simetrică şi reciproc, dacă există o bază
ortonormată ı̂n care matricea unei transformări liniare este simetrică atunci
transformarea este autoadjunctă.
P
n P
n
Demonstraţie. Necesitatea. Dacă x = ξi v(i) şi y = ηj v(j) , putem
i=1 j=1
scrie * n +
X ¡ (i) ¢ X
n X
n X
n
¡ ¢ ®
hf (x) , yi = ξi f v , ηj v(j) = ξi ηj f v(i) , v(j) .
i=1 j=1 i=1 j=1 (1.148)
Dacă A = (aij ) este matricea lui f ı̂n baza aleasă, atunci
* n +
¡ (i) ¢ (j) ® X Xn
®
(k) (j)
f v ,v = aki v , v = aki v(k) , v(j) = aij ,
k=1 k=1 (1.149)
unde am ţinut seama că vectorii v(i) , i = 1, n formează o bază ortonormată.
Din ultimele două relaţii, rezultă că
X n X n
hf (x) , yi = aji ξi ηj , ∀x, y ∈ En . (1.150)
i=1 j=1
Schimbând rolul vectorilor x şi y ı̂n formula precedentă, vom găsi că
Xn X n Xn X n
hx, f (y)i = hf (y) , xi = aji ηi ξj = aij ξi ηj ;
i=1 j=1 i=1 j=1 (1.151)
şi deci
X
n X
n
(aij − aji ) ξi ηj = 0. (1.152)
i=1 j=1
deoarece variabilele ξi şi ηj sunt arbitrare, obţinem aij = aji , i, j = 1, n,

adică matricea A este simetrică.
Suficienţa. Dacă există ı̂n En o bază ortonormată, ı̂n care matricea unei
transformări liniare f este simetrică, rezultă că f este autoadjunctă. În
adevăr, din (1.150) şi (1.151) se vede că ı̂n ipoteza aij = aji , i, j = 1, n
avem hf (x) , yi = hx, f (y)i, ∀x, y ∈ En .¥
Definiţia 1.31 Dacă f : Vn → Vn este o transformare liniară, vom spune

că vectorul v 6= θ este un vector propriu pentru f , dacă există un scalar
λ, astfel ı̂ncât f (x) = λx. Numărul λ se numeşte autovaloare (valoare
proprie) a transformării f .
© ª
Dacă f are matricea A = (aij ) ı̂n o bază e(1) , e(2) , . . . , e(n) din Vn ,
P
n
iar vectorul propriu ı̂l căutăm ı̂n forma v = ξi e(i) , relaţia f (x) = λx
i=1
conduce la rezolvarea sistemului
⎧
⎪
⎪ (λ − α11 ) ξ1 − α12 ξ2 − . . . − α1n ξn = 0
⎨
−α21 ξ1 + (λ − α22 ) ξ2 − · · · − α2n ξn = 0
(1.153)
⎪
⎪ ...
⎩
−αn1 ξ1 − αn2 ξ2 − · · · + (λ − αnn ) ξn = 0
din care se vede că autovalorile lui f sunt autovalorile matricei A, iar coor-
donatele ξi sunt elementele vectorului propriu din Rn , aşa cum au fost ele
definite anterior.
Observaţia 1.12 Autovalorile unei transformări liniare nu depind de baza
aleasă ı̂n Vn deoarece matricele unei transformări liniare sunt matrice aseme-
nea (observaţia 1.5) iar matricele asemenea au acelaşi polinom caracteristic
(exerciţiul 1.8). Autovalorile unei transformări autoadjuncte sunt reale, căci
ele apar ca autovalori ale unei matrice reale simetrice.
O proprietate importantă a transformărilor liniare autoadjuncte este cea
stabilită de următoarea teoremă:
Teorema 1.26 Fie f : En → En o transformare liniară autoadjunctă.

Atunci, există ı̂n spaţiul euclidian En o bază ortonormată, formată din vec-
tori proprii ai lui f .
Demonstraţie. Ştiind că autovalorile lui f sunt reale, fixăm una dintre ele,
pe care o notăm λ1 . Din sistemul (1.153), ı̂n care punem λ = λ1 , putem
găsi cel puţin¡un vector
¢ propriu ı̂n En , pe care ı̂l normăm şi ı̂l notăm e(1)
astfel ı̂ncât f e(1) = λ1 e(1) . © ® ª
Considerăm apoi mulţimea En−1 = x; x ∈ En , x, e(1) = 0 , care con-
stă din toţi vectorii x ∈ En , ortogonali pe vectorul propriu e(1) . En−1 este
un subspaţiu vectorial al luiEn , având® proprietatea
¡ (1) ¢®că x ∈ En−1 rezultă
®
(1)
că f (x) ∈ En−1 . În adevăr, f (x) , e = x, f e = λ1 x, e(1) = 0.
Putem scrie f : En−1 → En−1 şi atunci f are măcar un vector
(2) ® propriu
(2) (1)
(normat) e ∈ En−1 . Acest © vector satisface ® condiţia
® e ,ªe = 0.
(1) (2)
Considerăm En−2 = x; x ∈ En , x, e = x, e = 0 mulţimea vec-
(1) (2)
torilor ortogonali pe e şi e . Aceasta este un subspaţiu vectorial, de
dimensiune n − 2, invariant faţă de transformarea f , adică x ∈ En−2 ⇒
f (x) ∈ En−2 , adică f : En−2 → En−2 . Rezultă că f are un vector propriu
(normat) e(3) ∈ En−2 . Acesta este ortogonal pe precedenţii săi e(1) şi e(2) .
Continuând ı̂n acest mod, ajungem să găsim n − 1 vectori proprii (normaţi)
e(1) , e(2) , . . . , e(n−1) , fiecare
© fiindortogonal
® pe toţi cei care ª ı̂l preced. Vec-
torul e(n−1) ∈ E2 = x; x ∈ En , x, e(i) = 0, i = 1, n − 2 , acest subspaţiu
de dimensiune doi fiind de asemenea invariant ı̂n raport cu transformarea
f , adică f (E2 ) ⊂ E2 .
În fine,© definim un alt subspaţiu® invariantª faţă de f , notat E1 şi dat
(i)
prin E1 = x; x ∈ En , x, e = 0, i = 1, n − 1 , ı̂n care găsim un alt vector
(n)
propriu e , ortogonal pe toţi cei care ı̂l preced şi pe care ı̂l putem considera
normat (de lungime unu).
În concluzie, am găsit n vectori proprii normaţi ai transformării (i) (j) ® f şi
(1) (2) (n)
anume e , e , . . . , e ®, ortogonali doi câte doi şi versori: e , e =0
pentru i 6= j şi e(i) , e(i) = 1 pentru i = 1, n. Aceşti vectori sunt liniar
independenţi. În adevăr din c1e(1) + c2®e(2) + · · · + cn e(n) = θ, rezultă prin
ı̂nmulţirea scalară cu e(i) că ci e(i) , e(i) = ci = 0, ∀i = 1, n.
Deci ei formează baza ortonormată căutată ı̂n En .¥
Observaţia 1.13 Au loc incluziunile En ⊃ En−1 ⊃ · · · ⊃ Ek ⊃ · · · ⊃ E2 ⊃
E1 , fiecare Ek fiind un subspaţiu de dimensiune k, k = 1, n.
Aplicaţie ı̂n cazul spaţiului Rn . Baza standard ı̂n Rn este formată

din vectorii ⎛ ⎞ ⎛ ⎞ ⎛ ⎞
1 0 0
⎜ 0 ⎟ ⎜ 1 ⎟ ⎜ 0 ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
u(1) = ⎜ ... ⎟ , u(2) = ⎜ ... ⎟ , . . . , u(n) = ⎜
..
. ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ 0 ⎠ ⎝ 0 ⎠ ⎝ 0 ⎠ (1.154)
0 0 1
şi este ortonormată. Coordonatele unui vector oarecare x, exprimat prin

¡ ¢T
x = x1 x2 . . . xn sunt chiar numerele xi , i = 1, n deoarece este
P
n
evident că avem x = xi e(i) .
i=1
Fie A = (aij ) o matrice de ordinul n, matricea ı̂n baza standard a
transformării liniare f : Rn → Rn , definită prin condiţiile
¡ (i) ¢ Xn
f u = aji u(j) , i = 1, n.
j=1
Avem
⎛ ⎞ ⎛ ⎞
a11 a1i
¡ ¢ ⎜⎜ a21 ⎟
⎟ ¡ (i) ¢ ⎜
⎜ a2i ⎟
⎟
f u(1) = ⎜ .. ⎟ , . . . , f u =⎜ .. ⎟,
⎝ . ⎠ ⎝ . ⎠
an1 ⎛ ⎞ ani
a1n
(1.155)
¡ (n) ¢ ⎜
⎜ a2n ⎟
⎟
...,f u =⎜ .. ⎟
⎝ . ⎠
ann
P
n
adică aceşti vectori sunt coloanele matricei A. Scriind x = xi u(i) şi
i=1
P
n ¡ ¢
f (x) = xi f u(i) se vede că putem exprima această transformare şi prin
i=1
egalitatea matriceală f (x) = Ax (produs de matrice), ∀x ∈ Rn .
Dacă ı̂n plus matricea reală A este şi simetrică, conform celor spuse,
transformarea liniară f care o admite ca matrice a sa ı̂n baza standard, adică
¡ ¢ P n
transformarea definită prin f u(i) = aji u(j) , i = 1, n este autoadjunctă,
j=1
adică avem hf (x) , yi = hx, f (y)i, ∀x, y ∈ Rn .
Observaţia 1.14 Deoarece atât autovalorile, cât şi vectorii proprii ai ma-
tricei simetrice A coincid cu autovalorile şi vectorii proprii ai transformării
autoadjuncte (sistemul (1.153)), rezultă că pentru A există ı̂n Rn o bază
ortonormată din vectori proprii ai săi şi că deci orice matrice simetrică poate
fi diagonalizată cu ajutorul unei matrice ortogonale!
Observaţia 1.15 Dacă A (simetrică) are autovalorile λi , i = 1, n distincte,
găsim pentru fiecare λi câte un vector propriu (normat), ansamblul lor
formând baza ortonormată căutată. Dacă o autovaloare are multiplicitatea
p (2 ≤ p ≤ n), ei ı̂i corespund p vectori proprii independenţi. Dacă ei nu sunt
ortogonali doi câte doi, folosim procedeul de ortogonalizare Gram-Schimdt,
obţinând pentru autovaloarea respectivă un număr de vectori proprii ortog-
onali ı̂ntre ei egal cu multiplicitatea sa (adică p). Trebuie să ţinem seama de
faptul că orice combinaţie liniară nenulă de vectori proprii corespunzători
aceleeaşi autovalori λ, este de asemenea vector propriu corespunzător cu λ.
În adevăr, dacă avem Av(i) = λv(i) , i = 1, p atunci
p p p
X X X
(i) (i)
v= ci v ⇒Av = ci Av = λ ci v(i) = λv.
i=1 i=1 i=1 (1.156)
Vom ilustra cele expuse prin următorul exerciţiu.
Exerciţiul 1.18 Se consideră⎛matricea ⎞

1 2 −4
A = ⎝ 2 −2 −2 ⎠ .
−4 −2 1
(a) Să se arate că ı̂n R3 există o bază formată din vectori proprii ai lui A.
(b) Să se afle o bază ortonormată formată din vectori proprii ai matricei A.
Rezolvare. (a) Aflăm polinomul caracteristic P (λ) = det (λI − A) =
(λ + 3)2 (λ − 6). Avem autovalorile λ1 = λ2 = −3, λ3 = 6. Pentru aflarea
vectorilor proprii folosim sistemul (1.153), ı̂n cazul n = 3. Pentru λ = −3,
vom găsi doi vectori proprii liniar independenţi (sistemul se reduce la o
¡ ¢T
singură ecuaţie) şi anume v(1) şi v(2) , daţi prin v(1) = 1 0 1 şi v(2) =
¡ ¢T
1 −2 0 . Pentru λ = 6. găsim un singur vector propriu şi anume
¡ ¢T
v , dat prin v(3) = 2 1 −2 , făcând evident abstracţie de factorii de
(3)
proporţionalitate. Aceşti trei vectori sunt liniar independenţi£ şi după cum ¤a
(1) (2) (3)
fost stabilit mai demult, ı̂n cazul ⎛general, matricea ⎞ H = col v , v , v
1 1 2
H = 0 −2 1 ⎠
⎝
1 0 −2
satisface condiţia AH = HJ sau J = H−1 AH, unde J = diag [−3, −3, 6].
(b) Pentru a afla baza ortonormată căutată, aplicăm procedeul de or-
togonalizare vectorilor v(1) şi v(2) , punând
(2) ® e(1) = v(1) , e(2) = v(2) + αv(1) şi
găsind, din ecuaţia v + αe(1) , e(1) = 0 că α = −1/2, de unde avem
⎛ ⎞ ⎛ ⎞ ⎛ 1 ⎞
1 1
(2) ⎝ ⎠ 1⎝ ⎠ ⎝ 2 ⎠
e = −2 − 0 = −2 .
2
0 1 − 12
Acum avem o bază ı̂n R3 , formată din trei vectori ortogonali doi câte
doi ⎛ ⎞ ⎛ 1 ⎞ ⎛ ⎞
1 2
2
⎝ 0 ⎠ , ⎝ −2 ⎠ , ⎝ 1 ⎠ ,
1 − 12 −2
iar dacă ı̂l normăm pe fiecare, găsim baza ortonormată căutată
⎛ 1 ⎞ ⎛ √1 ⎞ ⎛ 2 ⎞
√
2 3 2 3
⎜ ⎟ ⎜ 4 ⎟ ⎜ ⎟
⎝ 0 ⎠ , ⎝ − 3√2 ⎠ , ⎝ 13 ⎠ .
√1 − 3√1 2 − 23
2
Schimbând notaţiile
£ (1)şi numindu-i
¤ pe aceşti vectori e(1) , e(2) , e(3) avem o
altă matrice H̃ = col e , e(2) , e(3) , care satisface şi ea condiţia AH̃ = H̃J,
unde J a fost definită anterior (notaţia J provine de la numele matemati-
cianului Jordan). Evident că avem din nou J = H̃−1 AH̃, dar acum H̃ fiind
o matrice ortogonală, rezultă H̃−1 = H̃T şi deci putem scrie J = H̃T AH̃.
Ordinea ı̂n care se numerotează autovalorile este arbitrară, de exemplu am
fi putut pune λ1 = 6, λ2 = −3, λ3 = −3 şi atunci se modifică şi matricea
H (se schimbă coloanele ı̂ntre ele).¨
Observaţia 1.16 Chiar dacă fixăm ordinea autovalorilor (deci şi a vecto-
rilor proprii), matricea H (deci şi H̃) nu este unic determinată. În exemplul
precedent, puteam să fi schimbat primele două coloane ı̂ntre ele (ambii vec-
tori v(1) şi v(2) corespund aceleeaşi autovalori λ = −3).
O consecinţă importantă a teoremei care spune că orice matrice reală
simetrică de ordinul n are n vectori proprii liniar independenţi este o metodă
de aducere a unei forme pătratice la forma canonică (sumă de pătrate). Să
considerăm un polinom omogen de gradul doi ı̂n variabilele x1 , x2 , . . . , xn ,
notat prescurtat prin f (x) ı̂n loc de f (x1 , x2 , . . . , xn ). Acesta are forma
Xn X
f (x) = aii x2i + bij xi xj . (1.157)
i=1 i<j
Dacă notăm bij = 2aij şi punem aji = aij , i, j = 1, n, definim o matrice
reală simetrică A = (aij ) de ordinul n şi este evident că putem scrie
Ã n !
X n X n Xn X
f (x) = aij xi xj = xi aij xj = xT Ax
i=1 j=1 i=1 j=1 (1.158)
¡ ¢T
unde x este vectorul din Rn , definit prin x = x1 x2 . . . xn . Dacă
ne gândim la cei n vectori proprii liniar independenţi ai lui A, notaţi v(1) ,
v(2)£, . . . , v(n) care formează
¤ o bază ortonormată ı̂n Rn şi punem H =
col v(1) , v(2) , . . . , v(n) , ştim că avem HT AH = J, unde
J = diag [λ1 , λ2 , . . . , λn ] ,
λi cu i = 1, n fiind autovalorile matricei H. Trecerea de la baza standard
din Rn la baza ortonormată formată din vectorii proprii v(i) , i = 1, n se face
cu ajutorul matricei H. Dacă notăm ξ1 , ξ2 , . . . , ξn coordonatele vectorului
x ı̂n noua bază, această trecere o putem reda prescurtat (matriceal), scriind
x = Hξ, unde ξ este vectorul-coloană având elementele ξi , i = 1, n. Atunci,
vom putea scrie
f (x) = xT Ax = (Hξ)T A (Hξ) =

¡ ¢ Pn (1.159)
= ξ T HT AH ξ = ξ T Jξ = λi ξi2 ,
i=1
şi vom spune că am găsit o formă canonică pentru f (sumă de pătrate ale
variabilelor ξi ). Putem exemplifica cele spuse aici, folosind matricea A din
exerciţiul precedent.
Exerciţiul 1.19 Să se aducă la forma canonică, forma pătratică
f (x) = x21 − 2x22 + x23 + 4x1 x2 − 8x1 x3 − 4x2 x3 .
Rezolvare. Avem a11 = 1, a22 = −2, a33 = 1, a12 = 2, a13 = −4, a23 = −2
deci matricea formei pătratice⎛
f este ⎞
1 2 −4
A = ⎝ 2 −2 −2 ⎠ .
−4 −2 1
Matricea ortogonală care ⎛
diagonalizează pe A
⎞ este
1 √ 1 √ 2
3
⎜ 2 3 2 ⎟
H = ⎝ 0 − 3√4 2 31 ⎠ ,
√1 − 3√1 2 − 23
2
iar autovalorile lui A sunt λ⎧1 = −3, λ2 = −3, λ3 = 6. Făcând substituţia

⎪ 1 1 2
⎪
⎪ x1 = √ ξ1 + √ ξ2 + ξ3
⎪
⎪ 2 3 2 3
⎪
⎨ 4 1
x = Hξ ⇔ x2 = − √ ξ2 + ξ3
⎪
⎪ 3 2 3
⎪
⎪
⎪
⎪ 1 1 2
⎩ x3 = √ ξ1 − √ ξ2 − ξ3
2 3 2 3
obţinem f (x) = −3ξ12 − 3ξ22 + 6ξ32 . Metoda descrisă se numeşte aducerea
unei forme pătratice la forma canonică, printr-o transformare ortogonală de
coordonate.¨
Succesul acestei metode este condiţionat de aflarea autovalorilor matricei
A, care presupune rezolvarea unei ecuaţii algebrice de gradul n (ı̂n cazul
general). Vom vedea că există alte metode de aducere la forma canonică,
care nu presupun aflarea autovalorilor. Până atunci ı̂nsă, să reţinem că ı̂n Rn
există o bază canonică ortonormată, ı̂n care forma pătratică f (x) = xT Ax
Pn
să fie scrisă f (x) = λi ξi2 , ı̂n care λi , i = 1, n sunt autovalorile lui A
i=1
(simple sau multiple), iar ξi , i = 1, n sunt coordonatele vectorului x ı̂n baza
canonică.
1.6 Forme liniare, biliniare şi pătratice

Definiţia 1.32 O aplicaţie (funcţie) f : V → R se numeşte formă liniară,
dacă satisface condiţiile
f (x + y) = f (x) + f (y) , ∀x, y ∈ V
f (αx) = αf (x) , ∀α ∈ R şi ∀x ∈ V,
unde V spaţiu vectorial real.
Spaţiul V poate să fie şi infinit dimensional. De exemplu, dacă notăm
cu V = C [a, b] , mulţimea funcţiilor reale continue pe [a, b], atunci aplicaţia
f , definită prin
Z b
f (x) = x (t) dt, ∀x ∈ C [a, b] (1.160)
a
este o formă liniară pe C [a, b].

Algebra© liniară studiază ªı̂nsă cazul spaţiilor liniare finit dimensionale
Vn . Dacă v(1) , v¡(2) , . .¢. , v(n) este ¢ ı̂n Vn şi f : V
¡ o(2)bază →¢ R este o formă
¡ n(n)
(1)
liniară, notăm f v = a1 , f v = a2 , . . . , f v = an , pentru
Pn
x = ξi v(i) , vom găsi
i=1 Ã n !
X Xn
¡ (i) ¢ X n
(i)
f (x) = f ξi v = ξi f v = ai ξi , ∀x ∈ Vn .
i=1 i=1 i=1 (1.161)
© ª P
n
Dacă ı̂n Vn luăm o altă bază e(1) , e(2) , . . . , e(n) cu e(i) = cji v(j) ,
j=1
P
n
i = 1, n şi notăm x = ηi e(i) , găsim
i=1
µn ¶
P (i) Pn ¡ ¢
f (x) = f ηi e = ηi f e(i) =
Ã i=1! Ã
i=1 !
P
n P
n Pn Pn Pn
= ηi f cji v(j) = ηi cji aj = bi ηi (1.162)
i=1 j=1 i=1 j=1 i=1
P
n
unde am folosit notaţia bi = cji aj , i = 1, n. Spunem că ai sunt coeficienţii
j=1
formei liniare f ı̂n prima bază, iar ηi sunt coeficienţii săi ı̂n baza a doua.
(i)
Exerciţiul 1.20 Dacă ı̂n Rn folosim
¡ (i) ¢ baza standard şi notăm u , i = 1, n
vectorii acestei baze, punând f u = ai , i = 1, n şi considerând vectorul
1.6. FORME LINIARE, BILINIARE ŞI PĂTRATICE 63
¡ ¢T
a ∈ Rn ale cărui elemente sunt ai (adică a = a1 a2 . . . an ), din
P
n
(1.161) rezultă f (x) = ai ξi = ha, xi, ∀x ∈ Rn , unde h·, ·i reprezintă
i=1
produsul scalar ı̂n Rn . De fapt, de aici rezultă că orice formă liniară pe Rn
(mai general, ı̂n orice spaţiu euclidian En ) poate fi scrisă ı̂n forma f (x) =
ha, xi, unde a este un vector fixat şi x este vectorul curent din Rn .
Din punct de vedere al consecinţelor, cazul formelor biliniare pe Vn este
mult mai important.
Definiţia 1.33 O formă biliniară reală este o aplicaţie f : Vn × Vn → R,
liniară ı̂n raport cu fiecare dintre cele două variabile ale sale.
Aceasta ı̂nseamnă
½ că sunt ı̂ndeplinite condiţiile
f (x + y, z) = f (x, z) + f (y, z)
,
½ f (αx, y) = αf (x, y)
(1.163)
f (x, y + z) = f (x, y) + f (x, z)
f (x, αy) = αf (x, y)
oricare ar fi x, y, zª ∈ Vn şi oricare ¡ar fi α ¢∈ R. Dacă fixăm o bază
© (1) (2)
v , v , . . . , v(n) ı̂n Vn şi notăm f v(i) , v(j) = aij , i, j = 1, n avem
Ã !
P
n Pn
f (x, y) = f ξi v(i) , ηj v(j) =
i=1 j=1
(1.164)
P
n P n ¡ (i) (j) ¢ P n P n
= ξi ηj f v , v = aij ξi ηj
i=1 j=1 i=1 j=1
pentru valoarea (numărul) f (x, y), ı̂n funcţie de coordonatele celor doi vec-
tori x şi y ı̂n baza aleasă. Dacă notăm A = (aij ) şi numim aceasta matricea
formei biliniare f ı̂n baza dată, putem scrie matriceal ⎛ formula
⎞ (1.164) astfel
η1
¡ ¢ ⎜ η
⎜ 2 ⎟
⎟
f (x, y) = ξ1 ξ2 · · · ξn A ⎜ .. ⎟ . (1.165)
⎝ . ⎠
ηn
© (i) ª
Observaţia
¡ (i) (j) ¢ 1.17 În R n , dacă fixăm baza standard u , i = 1, n şi notăm
f u ,u = aij , putem scrie ⎛ ⎞
y1
¡ ¢ ⎜ ⎜ y2 ⎟
⎟
f (x, y) = x1 x2 · · · xn A ⎜ .. ⎟ = xT Ay,
⎝ . ⎠
(1.166)
yn
oricare ar fi vectorii-coloană x şi y.
Definiţia 1.34 O formă biliniară f : Vn × Vn → R se numeşte simetrică,

dacă f (x, y) = f (y, x), ∀x, y ∈ Vn .
Dacă f este simetrică,

¡ matricea
¢ ¢ ij ) este simetrică ı̂n orice bază
¡ ei A = (a
din Vn , căci din f v(i) , v(j) = f v(j) , v(i) rezultă aij = aji , ∀i, j = 1, n.
Reciproc,
© (1) dacă matriceaª unei forme biliniare f este simetrică ı̂ntr-o bază
dată v , v , . . . , v(n) din Vn , adică dacă avem aij = aji , ∀i, j = 1, n,
(2)
rezultă că f este simetrică. În adevăr, dacă x şi y sunt doi vectori oarecare
din Vn , avem
X
n X n X
n Xn
f (x, y) = aij ξi ηj = aji ηj ξi = f (y,x) . (1.167)
i=1 j=1 j=1 i=1
¡ ¢ ¡ ¢
Cu alte cuvinte, este suficient ca să avem f v(i) , v(j) = f v(j) , v(i)
pentru toţi vectorii unei baze ı̂n Vn , pentru ca să avem f (x, y) = f (y, x)
pentru orice pereche de vectori şi deci f să fie simetrică.
Schimbarea matricei unei forme biliniare la schimbarea bazei
Teorema 1.27 Fie f o formă biliniară pe Vn , având matricele A = (aij )
ı̂n prima bază şi B = (bij ) ı̂n cea de a doua bază. Dacă notăm C = (cij )
matricea schimbării de bază, atunci
B = CT AC. (1.168)
© ª © ª
Demonstraţie. Notând e(1) , e(2) , . . . , e(n) şi respectiv v(1) , . . . , v(n)
cele două baze, au loc relaţiile
Xn
¡ ¢ ¡ ¢
(i)
v = cji e(j) , aij = f e(i) , e(j) , bij = f v(i) , v(j)
j=1 (1.169)
şi putem scrie
µ ¶
P
n
(k)
P
n
(p)
bij = f cki e , cpj e =
k=1 p=1
(1.170)
P
n P
n ¡ ¢ Pn P
n
= cki cpj f e(k) , e(p) = cki akp cpj
k=1 p=1 k=1 p=1
P
n
pentru i, j = 1, n. Să observăm că suma akp cpj este egală cu produsul
p=1
liniei k din matricea A, cu coloana j din matricea B. Dacă pentru moment
P
n
notăm AC = M = (mij ), putem scrie prescurtat akp cpj = mij . În
p=1
¡ ¢
fine, dacă notăm cki = c0ik şi observăm că matricea c0ij = CT , din relaţia
P
n
bij = c0ik mkj , bij este egal cu produsul liniei i din CT , cu coloana j din
k=1
M care are loc pentru orice i, j = 1, n. Rezultă că
B = CT M = CT (AC) = CT AC.¥ (1.171)
În legătură cu cele prezentate aici, se pune problema găsirii unei baze
vectoriale, ı̂n care o anumită formă biliniară dată să aibă matricea cea mai
simplă, adică să fie o matrice diagonală.
Teorema 1.28 Fie f o formă biliniară simetrică, cu matricea A = (aij )
ı̂n o bază dată©din Vn . Dacă toţiªminorii principali ∆i , i = 1, n sunt nenuli,
există o bază v(1) , v(2) , . . . , v(n) ı̂n Vn , ı̂n care f are forma canonică
∆0 ∆1 ∆n−1
f (x, y) = ξ1 η1 + ξ2 η2 + · · · + ξn ηn ,
∆1 ∆2 ∆n
(1.172)
unde am notat ∆0 = 1
Demonstraţie. Presupunem că forma biliniară f : V©n × Vn → R este ª
simetrică şi că matricea ei A = (aij ) ı̂ntr-o bază dată e(1) , e(2) , . . . , e(n)
are toţi minorii principali nenuli. Minorii principali ¯ sunt ¯
¯ a11 a12 · · · a1p ¯
¯ ¯ ¯ ¯
¯ a11 a12 ¯ ¯ a21 a22 · · · a2p ¯
∆1 = a11 , ∆2 = ¯ ¯ ¯ , . . . , ∆p = ¯ ¯ ¯,
a21 a22 ¯ ¯ · · · · · · · · · · · · ¯
¯
¯ ap1 ap2 · · · app ¯
¯ ¯
¯ a11 a12 · · · a1n ¯
¯ ¯ (1.173)
¯ a21 a22 · · · a2n ¯
. . . , ∆n = ¯¯ ¯.
¯
¯ · · · · · · · · · · · · ¯
¯ an1 an2 · · · ann ¯
© ª ¡ ¢
Vom căuta o bază v(1) , v(2) , . . . , v(n) cu proprietatea că f v(i) , v(j) =
0 pentru i 6= j, ceea ce va ı̂nsemna că matricea B = (bij ) a formei f ı̂n noua
bază are elementele bij = 0 pentri i 6= j, adică este o matrice diagonală.
Vom căuta vectorii v(i) ı̂n forma
⎧ (1)
⎪
⎪ v = α11 e(1)
⎪
⎪
⎪
⎪ v(2) = α21 e(1) + α22 e(2)
⎨
...
. (1.174)
⎪
⎪ v(p) = αp1 e(1) + αp2 e(2) + · · · + αpp e(p)
⎪
⎪
⎪
⎪ ...
⎩ (n)
v = αn1 e(1) + αn2 e(2) + · · · + αnn e(n)
¡ ¢
Primul vector ı̂l aflăm din condiţia f v(1) , e(1) = 1, adică α11 a11 = 1,
de unde găsim α11 = 1/a11 . Deoarece ∆¡0 = 1, putem ¢ scrie că
¡ α(2)11 =(2)∆¢0 /∆1 .
(2) (2) (1)
Vectorul v ı̂l aflăm din condiţiile f v , e = 0 şi f v , e = 1,
care conduce la sistemul ¯ ¯
½
α21 a11 + α22 a12 = 0 ¯ a11 a12 ¯
, cu ∆2 = ¯ ¯ ¯ 6= 0
α21 a21 + α22 a22 = 1 a21 a22 ¯
(1.175)
(3) (1)
care are soluţie unică (α21 şi α22 ), ı̂n care α¡22 = ∆1 /∆¢ 2 . Pe
¡ v(3) =(2)α¢31 e +
(2) (3) (3) (1)
α32
¡ e + α¢33 e ı̂l aflăm din condiţiile f v , e = f v ,e = 0 şi
f v(3) , e(3) = 1, care conduce la sistemul
⎧ ¯ ¯
⎨ α31 a11 + α32 a12 + α33 a13 = 0 ¯ a11 a12 a13 ¯
¯ ¯
α31 a21 + α32 a22 + α33 a23 = 0 , cu ∆3 = ¯¯ a21 a22 a23 ¯¯ 6= 0.
⎩ ¯ a31 a32 a33 ¯ (1.176)
α31 a31 + α32 a32 + α33 a33 = 1
Sistemul are soluţia unică (α31 , α32 şi α33 ), ı̂n care α33 = ∆2 /∆3 .
Este clar că procedeul poate fi continuat, ultimul vector v(n) fiind supus
la condiţiile
¡ ¢ ¡ ¢ ¡ ¢ ¡ ¢
f v(n) , e(1) = f v(n) , e(2) = · · · = f v(n) , e(n−1) = 0, f v(n) , e(n) = 1.
În plus, vom găsi că αnn = ∆n−1 /∆n . Din condiţia ¡ făcută,
¢ se vede că
orice vector v(p) (2 ≤ p ≤ n) satisface condiţia f v(p) , e(k) = 0 pentru
p > k, adică bpk = 0 pentru p > k. Ţinând seama că f este simetrică,
rezultă bpk = 0 şi pentru p < k, adică matricea B este de tip diagonal.
Elementele ei de pe diagonala principală sunt
¡ ¢ ¡ ¢
bii = f v(i) , e(i) = f v(i) , αii e(i) =
¡ ¢ ∆i−1 (1.177)
= αii f v(i) , e(i) = αii =
∆i
oricare ar fi i = 1, ªn. Toate aceste elemente sunt diferite de 0. Arătăm că
©
v(1) , v(2) , . . . , v(n) formează o nouă bază, adică sunt liniar independenţi.
În adevăr, avem
P n
ci v(i) = θ ⇒
i=1
µn ¶
P (i) (k)
¡ ¢ (1.178)
f ci v , v = ck f v(k) , v(k) = θ ⇒
i=1
ck = 0
P
n P
n
oricare ar fi k = 1, n. Prin urmare, dacă notăm x = ξi v(i) , y = ηj v(j)
i=1 j=1
şi ţinem seama de (1.176), putem scrie
∆0 ∆1 ∆n−1
f (x, y) = ξ1 η1 + ξ2 η2 + · · · + ξn ηn .¥
∆1 ∆2 ∆n
Exerciţiul 1.21 Se dă forma biliniară simetrică

f (x, y) = x1 y1 + 2x2 y2 + 5x3 y3 + 4 (x1 y2 + x2 y1 ) − 2 (x1 y3 + x3 y1 )
ı̂n care variabilele reale xi , yi sunt coordonatele vectorilor x şi y, ı̂n baza
standard din R3 . Să se afle o bază canonică şi să se scrie expresia lui f ı̂n
această bază.
Rezolvare. Baza iniţială este formată din vectorii e(i) , i = 1, 3 daţi prin
¡ ¢T ¡ ¢T ¡ ¢T
e(1) = 1 0 0 , e(2) = 0 1 0 , e(3) = 0 0 1 . Vectorii x şi
¡ ¢T ¡ ¢T
y sunt daţi prin x = x1 x2 x3 , respectiv y = y1 y2 y3 . Vom
găsi
¡ ¢ ¡ ¢ ¡ ¢
f e(1) , e(1) = 1, f e(2) , e(2) = 2, f e(3) , e(3) = 5,
¡ ¢ ¡ ¢ ¡ ¢
f e(1) , e(2) = 4, f e(1) , e(3) = −2, f e(2) , e(3) = 0
deci matricea lui f ı̂n baza iniţială este
⎛ ⎞
1 4 −2
A = ⎝ 4 2 0 ⎠.
−2 0 5
Rezultă ∆1 = 1, ∆2 = −14, ∆3 = −78. Pentru v(1) = α11 e(1) avem
α11 = 1; pentru v(2) = α21 e(1) + α22 e(2) avem α21 = 2/7 şi α22 = −1/14;
pentru v(3) = α31 e(1) + α32 e(2) + α33 e(3) avem α31 = −2/39, α32 = 4/39,
α33 = 7/39. Deci baza canonică este
⎛ ⎞ ⎛ 2 ⎞ ⎛ 2 ⎞
1 7
− 39
⎜ ⎟ ⎜ ⎟
v = ⎝ 0 ⎠ , v = ⎝ − 14 ⎠ , v = ⎝ 39
(1) (2) 1 (3) 4
⎠.
0 0 7
39
P
3 P
3
Dacă notăm x = ξi v(i) , y = ηi v(i) vom găsi
i=1 i=1
1 7
f (x, y) = ξ1 η1 − ξ2 η2 + ξ3 η3 ,
14 39
legătura ı̂ntre variabile fiind
⎧ ⎧
⎪ 2 2 ⎪ 2 2
⎪
⎪ x1 = ξ1 + ξ2 − ξ3 ⎪
⎪ y1 = η1 + η2 − η3
⎪
⎪ 7 39 ⎪
⎪ 7 39
⎨ ⎨
1 4 1 4
x2 = − ξ2 + ξ3 , y2 = − η2 + η3 ¨.
⎪
⎪ 14 39 ⎪
⎪ 14 39
⎪
⎪ 7 ⎪
⎪ 7
⎪
⎩ x3 = ξ3 ⎪
⎩ y3 = η3
39 39
Cazul formelor pătratice este mai important, din punct de vedere al
aplicaţiilor ı̂n rezolvarea unor probleme, decât cel al formelor biliniare, deşi
este ı̂n strânsă legătură cu acesta.
Definiţia 1.35 Dacă f : Vn × Vn → R este o formă biliniară simetrică,

funcţia g : Vn → R dată prin g (x) = f (x, x), ∀x ∈ Vn se numeşte formă
pătratică reală.
© ª P
n
Dacă e(1) , e(2) , . . . , e(n) este o bază de vectori ı̂n Vn , x = ξi e(i) este
i=1
un vector oarecare şi A = (aij ) este matricea lui f ı̂n această bază, putem
scrie Ã n !
X Xn Xn X n
g (x) = f (x, x) = f ξi e(i) , ξj e(j) = aij ξi ξj ,
i=1 j=1 i=1 j=1 (1.179)
cu observaţia că aij = aji , i, j = 1, n, deoarece matricea A este simetrică.
Are loc următoarea teoremă, care decurge din teorema corespunzătoare des-
pre găsirea unei baze canonice pentru formele biliniare simetrice.
Teorema 1.29 (Teorema lui Jacobi) Fie f o formă biliniară simetrică

şi fie A = (aij ) matricea formei biliniare ı̂ntr-o bază dată din Vn . Dacă
toţi
© (1)minorii săi principali
ª ∆i , i = 1, n sunt nenuli, există o bază canonică
(2) (n)
v ,v ,...,v ı̂n Vn , ı̂n care forma pătratică g (x) = f (x, x) se scrie
∆0 2 ∆1 2 ∆n−1 2
g (x) = ξ1 + ξ2 + · · · + ξ (1.180)
∆1 ∆2 ∆n n
ξi , i = 1, n fiind coordonatele vectorului x ı̂n baza canonică.
Exerciţiul 1.22 Să se aducă la forma canonică forma pătratică

g (x) = x21 − 2x1 x2 − 4x1 x3 + 4x22 + x23
ı̂n care xi , i = 1, n sunt coordonatele vectorului x ∈ R3 , ı̂n baza standard.

Rezolvare. Matricea formei pătratice g (şi a formei biliniare f din care

provine) este ⎛ ⎞
1 −1 −2
A = ⎝ −1 4 0 ⎠,
−2 0 1
cu ∆1 = 1, ∆2 = 3, ∆3 = −13.¡ Dacă notăm ¢ e(1) , e(2) , e(3) vectorii bazei
standard din R3 , avem aij = f e , e , i, j = 1, ¡3. Primul¢ vector v(1) al
(i) (j)
bazei canonice se caută ı̂n forma v(1) = α11 e(1) , cu f v(1) , e(1) = 1 şi rezultă
α11 = 1. Deci v(1) = ¢e(1) . Al ¡doilea vector
¡ (2) ¢ v(2) = α21 e(1) + α22 e(2) satisface
condiţiile f v , e(1) = 0, f v(2) , e(2) = 1, care conduc la sistemul
⎛ 1 ⎞
(
3
α21 − α22 = 0 1 1 ⎜ ⎟
⇒ α21 = , α22 = ⇒ v(2) = ⎝ 13 ⎠ .
−α21 + 4α22 = 1 3 3
0
Ultimul vector ı̂l căutăm

¡ (3) ı̂n(1)forma
¢ v(3)¡ = α31 e(1)
¢ + α32 e¡(2) + α33¢e(3) şi
ı̂i impunem condiţiile f v , e = 0, f v(3) , e(2) = 0, f v(3) , e(3) = 1,
care conduc la sistemul
⎧
⎧ ⎪ α =−8
⎪ ⎛ 8 ⎞
⎪
⎪ 31
⎪
⎨ α31 − α32 − 2α33 = 0 ⎪
⎨ 13 − 13
2 (3) ⎜ 2 ⎟
−α31 + 4α32 =0 ⇒ α32 = − ⇒ v = ⎝ − 13 ⎠ .
⎪
⎩ −2α ⎪
⎪ 13
+ α33 = 1 ⎪
⎪ 3
− 13
⎩ α33 = − 3
⎪
31
13
© ª
Dacă notăm ξ1 , ξ2 , ξ3 coordonatele vectorului x ı̂n baza v(1) , v(2) , v(3) ,
găsim 1 3 2
g (x) = ξ12 + ξ22 − ξ ,
3 13 3
iar matricea schimbării de bază este⎧
⎛ ⎞ ⎪ 1 8
⎪
⎪ x1 = ξ1 + ξ2 − ξ3
1 13 − 13 8
⎪
⎪ 3 13
⎜ ⎨
2 ⎟ 1 2
C=⎜ ⎝
0 13 − 13 ⎟⇒
⎠ x2 = ξ2 − ξ3 ¨.
⎪
⎪ 3 13
0 0 − 13 3 ⎪
⎪ 3
⎪
⎩ x3 = − ξ3
13
O altă metodă de găsire a unei baze canonice pentru o formă pătratică
reală se bazează pe folosirea transformării liniare autoadjuncte ataşate ei.
Dacă f = f (x, y) este o formă biliniară simetrică ı̂n En , care are matricea
© ª
A = (aij ) ı̂n baza ortonormată e(1) , e(2) , . . . , e(n) , considerăm şi transfor-
marea liniară
© (1) autoadjunctă
(2) (n)
ª ϕ : En → En , care are aceeaşi matrice A ı̂n baza
aleasă e , e , . . . , e . Vrem să demonstrăm că are loc egalitatea
f (x, y) = hϕ (x) , yi , ∀x, y ∈ En , (1.181)
unde h·, ·i reprezintă produsul scalar ı̂n En . Observând că şi hϕ (x) , yi este
o formă biliniară ı̂n En , va fi suficient
© (1)să (2)
arătăm căªmatricele celor două
forme biliniare din (1.181) ı̂n baza e , e , . . . , e(n) coincid, de unde va
rezulta că cele două forme biliniare sunt identice. În adevăr, dacă B este
matricea formei hϕ (x) , yi, avem
¡ (i) ¢ (j) ®
¿ n bij = ϕÀ e , e =
P (1.182)
= aki e(k) , e(j) = aji = aij , ∀i, j = 1, n.
k=1
Acum, ştim că pentru orice transformare liniară autoadjunctă (ceea ce
ı̂nseamnă că matricea ei este simetrică ı̂n orice bază) există o bază formată
din vectori proprii ai săi, ortogonali doi câte doi. Uneori, găsirea acestei
baze
© (1) presupune aplicarea
ª procedeului de ortogonalizare Gram-Schmidt.
¡ ¢ Fie
v , v(2) , . . . , v®(n) această bază, pentru care avem ϕ v(i) = λi v(i) , i =
1, n şi³ v´(i) , v(j) = 0 pentru i 6= j. Dacă alegem această bază şi notăm
B̃ = b̃ij matricea (comună) a celor două transformări, avem
¡ ¢ ® ®
b̃ij = ϕ v(i) , v(j) = λi v(i) , v(j) = 0 pentru i 6= j
®
şi b̃ii = λi v(i) , v(i) , i = 1, n. (1.183)
P n
Folosind notaţia x = ξi v(i) pentru vectorul curent din En şi g (x) =
i=1
f (x, x) pentru forma pătratică obţinută din forma biliniară f (x, y), avem
g (x) = α1 ξ12 + α2 ξ22 + · · · + αn ξn2 ,
® ° °2 (1.184)
cu αi = λi v(i) , v(i) = λi °v(i) ° , i = 1, n.
Exerciţiul 1.23 Să se aducă la forma canonică

g (x) = x21 + 2x22 + 3x23 − 4x1 x2 − 4x2 x3
ı̂n care variabilele xi , i = 1, 3 sunt numere reale.

Rezolvare. x este vectorul curent din R3 , ale cărui coordonate ı̂n baza
standard sunt x1 , x2 , x3 . Matricea acestei forme pătratice pătratice (şi a
formei biliniare din care provine) este
⎛ ⎞
1 −2 0
A = ⎝ −2 2 −2 ⎠ .
0 −2 3
În acelaşi timp, A este şi matricea transformării liniare ϕ, care satisface
g (x) = hϕ (x) , xi. ¯ Căutăm valorile proprii
¯ şi vectorii proprii pentru ϕ:
¯ λ−1 2 0 ¯
¯ ¯
P (λ) = ¯ 2 ¯ λ−2 2 ¯¯ = λ3 − 6λ2 + 3λ + 10 = 0
¯ 0 2 λ−3 ¯
¡ ¢T
cu rădăcinile λ1 = 5, λ2 = 2, λ3 = −1 şi vectorii proprii v(1) = 1 −2 2 ,
¡ ¢T ¡ ¢T
v(2) = −2 1 2 ®, v(3) = 2 2 ®1 , care sunt ortogonali
(3) ® doi câte doi.
(1) (1) (2) (2) (3)
Mai avem v , v = 9, v , v = 9, v , v = 9. Dacă notăm
P3
x= ξi v(i) , găsim
i=1
g (x) = 45ξ12 + 18ξ22 − 9ξ32 .
Din ı̂ntâmplare, vectorii v(i) au aceeaşi lungime, ceea ce nu se ı̂ntâmplă
ı̂n cazul general. Dacă normăm vectorii v(i) , adică considerăm baza u(1) =
¡ 1 2 2 T
¢ (2)
¡ 2 1 2 ¢T (3) ¡ 2 2 1 ¢T
3
− 3 3 , u = −3 3 3 ,u = 3 3 3 şi notăm x =
P 3
ηi u(i) , găsim
i=1
g (x) = 5η12 + 2η22 − η32 ,
iar schimbarea corespunzătoare de coordonate este dată de formulele
⎧
⎪ 1 2 2
⎪
⎪ x1 = η1 − η2 + η3
⎪
⎪ 3 3 3
⎨
2 1 2
x2 = − η1 + η2 + η3 ¨.
⎪
⎪ 3 3 3
⎪
⎪ 2 2 1
⎪
⎩ x3 = η1 + η2 + η3
3 3 3
Din formula (1.184) rezultă şi următoarea consecinţă importantă:
Teorema 1.30 Fie g : En → R o formă pătratică şi ϕ : En → En trans-
formarea liniară ©autoadjunctă, careª satisface condiţia g (x) = hϕ (x) , xi,
∀x ∈ En . Dacă v(1) , v(2) , . . . , v(n) este o bază ortonormată formată din
Pn
vectori proprii ai lui ϕ şi notăm x = ξi v(i) , g (x) se exprimă ı̂n această
i=1
bază prin formula
g (x) = λ1 ξ12 + λ2 ξ22 + · · · + λn ξn2 , ∀x ∈ En (1.185)
ı̂n care λi , i = 1, n sunt autovalorile transformării ϕ.
O teoremă asemănătoare cu teorema lui Jacobi se poate formula pentru

forme pătratice degenerate:
Teorema 1.31 Fie g o formă pătratică de rang r < n. Există o bază ı̂n
Vn ı̂n care minorii principali ∆i 6= 0, i = 1, r sunt nenuli şi ı̂n care forma
pătratică g are expresia
∆0 2 ∆1 2 ∆r−1 2
g (x) = ξ1 + ξ2 + · · · + ξ (1.186)
∆1 ∆2 ∆r r
ξi , i = 1, n fiind coordonatele vectorului x ı̂n baza determinată.
Exerciţiul 1.24 Se consideră forma pătratică
f (x) = 2x21 + 2x22 − 2x23 + 6x1 x2 − 2x1 x3 + 2x2 x3 .
Să se determine forma canonică folosind metoda Jacobi.

Rezolvare. Să determinăm forma canonică folosind metoda lui Jacobi.
Matricea lui f este ⎛ ⎞
2 3 −1
A = ⎝ 3 2 1 ⎠.
−1 1 −2 ¯ ¯
¯2 3¯
Calculăm minorii principali: ∆0 = 1, ∆1 = 2, ∆2 = ¯¯ ¯ =
3 2¯
1 2
−5, ∆3 = det A = 0.Deci, h (x) = y12 − y22 .
© ¡ ¢ 2¡ 5 ¢ ¡ ¢ª
Fie B = e1 = 1 0 0 , e2 = 0 1 0 , e3 = 0 0 1 baza
canonică a spaţiului R3 . Căutăm o bază B 0 = {e01 , e02 , e03 } cu vectori de
forma e01 = c11 e1 , e02 = c21 e1 + c22 e2 , e03 = c31 e1 + c32 e2 + c33 e3 .
Fie g (x, y) polara lui f (x) , g (x, y) = 2x1 y1 + 3x1 y2 − x1 y3 + 3x2 y1 +
2x2 y2 + x2 y3 − x3 y1 + x3 y2 − 2x3 y3 .Pentru determinarea coeficienţilor vom
1
impune condiţiile: g (e01 , e1 ) = 1 ⇒ 2c11 = 1 ⇒ c11 = ;
⎧ 2
½ ½ ⎨ c21 = 3
⎪
g (e02 , e1 ) = 0 2c21 + 3c22 = 0 5
⇒ ⇒ 2 ;
g (e02 , e2 ) = 1 3c21 + 2c22 = 1 ⎪
⎩ c22 = −
⎧ ⎧ ⎧ 5
⎨ g (e03 , e1 ) = 0 ⎨ 2c31 + 3c32 − c33 = 0 ⎨ c31 = α
g (e03 , e2 ) = 0 ⇒ 3c31 + 2c32 + c33 = 0 ⇒ c32 = α
⎩ 0 ⎩ ⎩
g (e3 , e3 ) = 0 −c31 + c32 − 2c33 = 0 c33 = α ∈ R
Deoarece forma pătratică este degenerată, vectorul e03 nu se determină
1 3 2
univoc. Deci, e01 = e1 , e02 = e1 − e2 , iar al treilea vector al bazei poate
2 5 5
fi, de exemplu, e03 = e1 + e2 + e3 . Astfel schimbarea de coordonate este:
⎛ 1 3 ⎞
⎛ ⎞ 1 ⎛ ⎞
x1 ⎜ 2 5 ⎟ y1
⎝ x2 ⎠ = ⎜⎜ 0 −2
⎟⎝
y2 ⎠ .
⎝ 1 ⎟
⎠
x3 5 y3
0 0 1
Observăm că ı̂n acest caz am obţinut signatura (1, 1, 1).
Metoda Gauss - Jacobi de aducere la forma canonică.

P
n P
n
Fie g (x) = aij xi xj cu aij = aji o formă pătratică ı̂n Rn . Pre-
i=1 j=1
supunem că toţi minorii principali ∆i 6= 0, i = 1, n. Căutăm ca prin operaţii
asupra liniilor matricei A să obţinem o matrice care să aibă toate elementele
de sub diagonala principală nule. Aceasta se poate obţine ı̂nmulţind lini-
ile cu factori convenabili şi scăzând (adunând) din liniile care ı̂i urmează,
căutând să obţinem zerouri pe coloană. După ce obţinem zerouri pe prima
coloană, găsim o matrice⎛ de forma ⎞
a11 a12 · · · a1n
⎜ 0 b22 · · · b2n ⎟
⎜ ⎟
⎜ 0 b32 · · · b3n ⎟ .
⎜ ⎟
⎝ ··· ··· ··· ··· ⎠
0 bn2 · · · bnn
Primele două linii rămân neschimbate şi deoarece b22 6= 0 (de fapt b22 =
∆2
), ı̂nmulţim linia a doua cu factori convenabili şi scădem din cele ce ı̂i
∆1
urmează, reuşind să obţinem zerouri pe toată coloana a doua, cu excepţia
bineı̂nţeles a primelor două elemente ale acestei coloane. Vom găsi acum o
matrice de forma⎛ ⎞
a11 a12 a13 · · · a1n
⎜ 0 b22 b23 · · · b2n ⎟
⎜ ⎟
⎜ 0 0 c · · · b ⎟ , cu c33 = ∆3 6= 0.
⎜ 33 3n ⎟ ∆2
⎝ ··· ··· ··· ··· ··· ⎠
0 0 cn3 · · · cnn
Procedând ı̂n acest fel, ajungem ı̂n final la o matrice pe care, dacă
schimbăm notaţiile,
⎛ o putem scrie ı̂n forma ⎞
g11 g12 g13 · · · g1n
⎜ 0 g22 g23 · · · g2n ⎟
⎜ ⎟
G=⎜ 0 0 g · · · g ⎟ , cu gii = ∆i , i = 1, n
⎜ 33 3n ⎟ ∆i−1
⎝ ··· ··· ··· ··· ··· ⎠
0 0 0 · · · gnn
şi o vom numi forma gausiană a matricei simetrice A = (aij ). Nu facem

demonstraţia, care este relativ complicată, dar din punct de vedere practic,
lucrurile sunt simple. Făcând notaţiile
⎧
⎪
⎪ ξ1 = g11 x1 + g12 x2 + · · · + g1n xn
⎨
ξ2 = g22 x2 + · · · + g2n xn
⎪
⎪ . . .
⎩
ξn = gnn xn
se obţine pentru forma pătratică considerată

1 2 1 2 1 2
g (x) = ξ1 + ξ2 + · · · + ξ , ∀x ∈ Rn .
g11 g22 gnn n
Exerciţiul 1.25 Să se aducă la forma canonică prin metoda Gauss - Jacobi,
forma pătratică
g (x) = x21 + 2x22 − x23 − 6x1 x2 + 10x1 x3 + 16x2 x3 .
Rezolvare. Vom găsi ∆1 = 1, ∆2 = −7, ∆3 = −347 şi vom reda găsirea

matricei G prin schema următoare
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
1 −3 5 1 −3 5 1 −3 5
⎜ ⎟
A = ⎝ −3 2 8 ⎠ → ⎝ 0 −7 23 ⎠ → ⎝ 0 −7 23 ⎠ = G.
347
5 8 −1 0 23 −26 0 0
7
Punând ⎧
⎪
⎪ ξ1 = x1 − 3x2 + 5x3
⎨
ξ2 = −7x2 + 23x3
⎪
⎪ 347
⎩ ξ3 = x3
7
1 7 2
obţinem g (x) = ξ12 − ξ22 + ξ . Se poate verifica rezultatul, prin
7 347 3
ı̂nlocuirea variabilelor ξi cu xi şi obţinem pentru g (x) expresia din enunţ.¨
Mai există un procedeu, cu totul elementar, datorat lui Gauss, care
se bazează pe scrierea formei pătratice ca o combinaţie de pătrate ale unor
polinoame de gradul ı̂ntâi ı̂n variabilele date. Vom arăta cum se face practic
acest lucru, reluând g (x) din exemplul precedent: vom lua ı̂ntâi numai
termenii care conţin variabila x1 , scriind

¡ ¢
g (x) = x21 − 6x1 x2 + 10x1 x3 + 2x22 − x23 + 16x2 x3 =
£ ¤
= (x1 − 3x2 + 5x3 )2 − 9x22 − 25x23 + 30x2 x3 + 2x22 − x23 + 16x2 x3 =
= (x1 − 3x2 + 5x3 )2 − 7x22 + 46x2 x3 − 26x23 =
µ ¶
2 2 46
= (x1 − 3x2 + 5x3 ) − 7 x2 − x2 x3 − 26x23 =
7
"µ ¶2 #
23 529
= (x1 − 3x2 + 5x3 )2 − 7 x2 − x3 − x2 − 26x23 =
7 49 3
µ ¶2
2 23 347 2
= (x1 − 3x2 + 5x3 ) − 7 x2 − x3 + x.
7 7 3
Acum, dacă notăm ⎧

⎪
⎪ ξ1 = x1 − 3x2 + 5x3
⎨
23
ξ2 = x2 − x3
⎪
⎪ 7
⎩
ξ3 = x3
347 2
găsim g (x) = ξ12 − 7ξ22 + ξ , deci altă expresie pentru aceeaşi g (x).
7 3
Coeficienţii formei canonice (sumă de pătrate ale variabilelor) nu sunt
unici, după cum se poate vedea şi din exemplul prezentat. Dar există ceva
comun tuturor formelor canonice ale unei forme pătratice date. Anume,
ı̂n oricare formă canonică, numărul pătratelor cu coeficienţi pozitivi este
acelaşi. La fel, este invariant şi numărul coeficienţilor negativi. Are loc o
teoremă importantă:
Teorema 1.32 (Legea inerţiei pentru formele pătratice reale). Pen-
tru orice formă pătratică f : Vn × Vn → R şi ı̂n orice bază canonică a
sa, numărul coeficienţilor pozitivi, numărul coeficienţilor negativi, deci şi
numărul coeficienţilor nuli se pastrează neschimbaţi.
© ª © ª
Demonstraţie (schiţă). Fie v(1) , v(2) , . . . , v(n) şi u(1) , u(2) , . . . , u(n)
Pn P n
două baze canonice pentru f . Notăm x = ξi v(i) şi respectiv x = ϕi u(i)
i=1 i=1
pentru un vector oarecare din Vn şi fie
f (x) = α1 ξ12 + α2 ξ22 + · · · + αp ξp2 −
2 2 2 (1.187)
−αp+1 ξp+1 − αp+2 ξp+2 − · · · − αp+q ξp+q ,
unde coeficienţii αi , i = 1, p + q sunt pozitivi şi evident p + q ≤ n. Dacă

p + q < n, ı̂nseamnă că există şi coeficenţi nuli, care ı̂nsă nu au mai fost
scrişi. Presupunem că ı̂n a doua bază, avem
f (x) = β1 η12 + β2 η22 + · · · + βr ηr2 −
2 2 2 (1.188)
−βr+1 ηr+1 − βr+2 ηr+2 − · · · − βr+s ηr+s ,
unde βi sunt pozitivi, i = 1, r + s şi r + s ≤ n. Să presupunem p > r, adică
numărul coeficienţilor pozitivi
© (1)ı̂n prima bază este mai mare decât ªı̂ntr-a
doua. Mulţimea de vectori v , v , . . . , v(p) , v(r+1) , v(r+2) , . . . , v(n) este
(2)
liniar dependentă, căci are p+(n − r) = (p − r)+n > n vectori. Deci există
o combinaţie liniară nulă
c1 v(1) + c2 v(2) + · · · + cp v(p) + c0r+1 v(r+1) +
(1.189)
+c0r+2 v(r+2) + · · · + c0n v(n) = θ,
ı̂n care măcar un coeficient este nul. Mai exact, există măcar un ci 6=
0, cu 1 ≤ i ≤ p şi măcar un c0j 6= 0, cu r + 2 ≤ j ≤ n. Schimbând
notaţiile, putem spune că există un vector v 6= θ, v = ξ1 v(1) + ξ2 v(2) +
· · · + ξp v(p) = ηr+1 u(r+1) + ηr+2 u(r+2) + · · · + ηn u(n) , ı̂n care coeficienţii sunt
anumite constante precizate şi măcar un ξi 6= 0. Din (1.187), rezultă
f (v) = α1 ξ12 + α2 ξ22 + · · · + αp ξp2 > 0 (1.190)
iar din (1.188), obţinem

2 2
f (v) = −βr+1 ηr+1 − · · · − βr+s ηr+s ≤ 0. (1.191)
Contradicţia obţinută arată că ipoteza p > r este falsă. Schimbând
rolurile bazelor, rezultă că şi ipoteza r > p este falsă. Prin urmare, p = r.
Prin ı̂nmulţirea formei f cu (−1), avem o nouă formă pătratică ı̂n care
variabilele cu coeficient negativ devin variabile cu coeficient pozitiv şi deci
q = s. Evident că se păstrează şi numărul total de pătrate (cu coeficient
nenul) ı̂n forma canonică. Acest număr se numeşte rangul formei pătratice
şi coincide cu rangul matricei sale ı̂n orice bază din Vn .¥
Altă noţiune foarte importantă relativ la formele pătratice este cea de
formă pătratică reală pozitiv definită.
Definiţia 1.36 Spunem că forma pătratică g : En → R este pozitiv
definită, dacă ∀x ∈ En , x 6= θ ⇒ g (x) > 0.
Altfel spus, g = g (x) este pozitiv definită dacă ia numai valori pozitive,
cu excepţia vectorului nul θ, pentru care g (θ) = 0.
Teorema 1.33 Condiţia necesară şi suficientă ca o formă pătratică

g : En → R să fie pozitiv definită este ca toate autovalorile matricei sale să
fie pozitive.
Demonstraţie. © (1)Fie(2)A = (a(n)
ij )ªmatricea formei pătratice g ı̂n o bază dată
ortonormată e , e , . . . , e din En . Dacă ϕ = ϕ (x) este transformarea
liniară ataşată formei g, adică transformarea liniară autoadjunctă ce are
aceeaşi matrice A ı̂n baza dată, ştim că g (x) = hϕ (x) , xi, ∀x ∈ En . Ştim
de asemenea că pentru transformarea ϕ, există©o bază ortonormată ª formată
din vectori proprii ai săi. Notăm această bază v(1) , v(2) , . . . , v(n) şi scriem
Pn
x= ξi v(i) . Atunci, avem
i=1
X
n
g (x) = λ1 ξ12 +···+ λn ξn2 = λi ξi2 , ∀x ∈ En .
i=1 (1.192)
6 θ rezultă g (x) > 0,
Suficienţa. Dacă toţi λi > 0, este evident că x =
deoarece există măcar un ξi 6= 0.
Necesitatea. Presupunem g (x) este pozitiv definită. Dacă ar exista un
λi ≤ 0, pentru orice vector nenul x = ξi v(i) am avea g (x) = λi ξi2 ≤ 0, ceea
ce este imposibil. Deci rezultă λi > 0 pentru i = 1, n.¥
Mai importantă este ı̂nsă o altă caracterizare a formei pătratice pozi-
tiv definite, care nu face apel la găsirea autovalorilor matricei A, lucru ı̂n
general dificil dacă n ≥ 3 (trebuie rezolvată o ecuaţie algebrică de grad
≥ 3).
Teorema 1.34 (Sylvester). Fie f : Vn × Vn → R o formă biliniară si-
metrică, cu matricea A = (aij ) ı̂ntr-o bază dată din Vn . Necesar şi suficient
ca forma pătratică g (x) = f (x, x) să fie pozitiv definită, este ca toţi minorii
principali ai matricei A, să fie pozitivi
∆1 > 0, ∆2 > 0, . . . , ∆n > 0. (1.193)
Demonstraţie. Dacă au loc condiţiile ∆i 6= 0, i = 1, n ştim să construim

o bază canonică, ı̂n care g (x) are forma
∆0 2 ∆1 2 ∆n−1 2
g (x) = ξ1 + ξ2 +. . .+ ξ , ∀x ∈ En (1.194)
∆1 ∆2 ∆n n
ı̂n care ξi sunt coordonatele vectorului x ı̂n noua bază.
Suficienţa condiţiei (1.193). Dacă toţi ∆i > 0, ı̂n (1.194) toţi coeficienţii
sunt pozitivi şi atunci este evident că x 6= θ ⇒ g (x) > 0.
Necesitatea
© condiţiei (1.193).
ª Presupunem că g (x) este pozitiv definită.
Notăm e(1) , e(2) , . . . , e(n) baza dată, ı̂n care g (x) are matricea A = (aij ).
Pn
Dacă facem notaţia x = ζi e(i) , avem
i=1
X
n X
n
g (x) = aij ζi ζj , cu aij = aji , ∀x ∈ Vn .
i=1 j=1 (1.195)
¡ ¢
Luând pe rând x = e(i) , găsim g e(i) = aii > 0, i = 1, n, adică toate
elementele de pe diagonala principală din A sunt pozitive. Presupunem
acum că există un minor principal
¯ ¯
¯ a11 a12 · · · a1i ¯
¯ ¯
¯ a21 a22 · · · a2i ¯
∆i = ¯¯ ¯ = 0.
¯ (1.196)
¯ ··· ··· ··· ··· ¯
¯ ai1 ai2 · · · aii ¯
Considerăm sistemul algebric

⎧
⎪
⎪ a11 ζ1 + a12 ζ2 + · · · + a1i ζi = 0
⎨
a21 ζ1 + a22 ζ2 + · · · + a2i ζi = 0
(1.197)
⎪
⎪ ...
⎩
ai1 ζ1 + ai1 ζ2 + · · · + aii ζi = 0
care admite cel puţin o soluţie nebanală ζ10 , ζ20 , . . . , ζi0 (căci ∆i = 0). Notăm
v = ζ10 e(1) + ζ20 e(2) + · · · + ζi0 e(i) 6=θ şi avem
X
i
¡ ¢
g (v) = ζp0 ap1 ζ10 + ap2 ζ20 + · · · + api ζi0 = 0 (1.198)
p=1
ceea ce este absurd (contrazice ipoteza că g (x) este pozitiv definită). Prin
urmare, toţi ∆i 6= 0 şi atunci putem construi baza canonică ı̂n care g (x) se
scrie ı̂n forma (1.194). Toţi coeficienţii trebuind să fie pozitivi, rezultă fără
dificultate ∆i > 0, i = 1, n.¥
1.7 Spaţiul liniar al vectorilor liberi

1.7.1 Structura algebrică a spaţiului vectorilor liberi
© ¡ ¢ ª
Fie spaţiul liniar Rn = x | x = x1 x2 · · · xn , xi ∈ R, i = 1, n .
Definiţia 1.37 Cuaterna ordonată (a, b, c, d) de vectori din Rn se numeşte
paralelogram ı̂n Rn dacă a − b + c − d = θ.(Figura 1.1)
1.7. SPAŢIUL LINIAR AL VECTORILOR LIBERI 79
Figura 1.1.
Definiţia 1.38 Perechile ordonate (a, b) , (d, c) de vectori din spaţiul Rn
se numesc perechi ordonate echivalente şi notăm (a, b) ∼ (d, c) dacă
cuaterna ordonată (a, b, c, d) este paralelogram.
Teorema 1.35 Relaţia “perechile ordonate (a, b) , (d, c) de vectori
din Rn sunt perechi ordonate echivalente“ este o relaţie de echivalenţă
ı̂n Rn × Rn .
Demonstraţie. Verificăm proprietăţile relaţiei de echivalenţă: reflexivi-
tatea, simetria şi tranzitivitatea.
Reflexivitatea: (a, b) ∼ (a, b) ⇔ a − b + a − b = θ evident;
Simetria: (a, b) ∼ (d, c) ⇒ (d, c) ∼ (a, b)
(a, b) ∼ (d, c) ⇔ a−b+c−d = θ ⇔ d−c+b−a = θ ⇔ (d, c) ∼ (a, b) .
Tranzitivitatea (Figura 1.2): (a, b) ∼ (d, c) , (d, c) ∼ (f, e) rezultă că
(a, b) ∼ (f, e) ; dar
(a, b) ∼ (d, c) ⇔ a − b + c − d = θ
.
(d, c) ∼ (f, e) ⇔ d − c + e − f = θ
Atunci, adunând relaţiile de mai sus obţinem a−b+e−f = θ, echivalent
cu (a, b) ∼ (f, e) .¨
Figura 1.2.
Observaţia 1.18 Relaţia de echivalenţă “perechile ordonate (a, b) ,
(d, c) de vectori din Rn sunt perechi ordonate echivalente“ ı̂mparte
mulţimea Rn × Rn ı̂n clase de echivalenţă. Clasele de echivalenţă poartă
denumirea de vectori liberi asociaţi spaţiului Rn . Un vector liber asociat
spaţiului Rn este o submulţime a spaţiului Rn × Rn Clasele de echivalenţă
sunt disjuncte.
Fie (a, b) ∈ Rn × Rn . Notăm −→u = {(d, c) ∈ Rn × Rn | (d, c) ∼ (a, b)} .
Notăm vectorii liberi cu −
→
u ,−
→v ,−
→
w , ...
Mulţimea vectorilor liberi asociaţi spaţiului liniar Rn este notată cu Vn .
Dacă − →
u este un vector liber asociat spaţiului Rn şi (a, b) ∈ −
→
u , atunci
−→
(a, b) este un reprezentant al vectorului liber u şi punem acest fapt ı̂n
−
→ →
evidenţă notând ab ∈ −u pentru a sublinia notaţiile cunoscute din fizică.
Elementul a ∈ R se numeşte originea, iar b ∈ Rn se numeşte ex-
n
−
→
tremitatea reprezentantului (a, b) a vectorului liber − →
u . Spunem că ab
este reprezentantul vectorului liber − →
u aplicat ı̂n a. Vom numi puncte ele-
n
mentele spaţiului liniar R
−
→
Observaţia 1.19 Dacă ab ∈ − →u şi x ∈ Rn rezultă că există un y ∈ Rn
−
→ → ∼ − →
astfel ı̂ncât −
→ ∼ ab. Într-adevăr, −
xy xy ab ⇒ x − y + b − a = θ ⇒
y = x − a + b. Această observaţie ne spune că ı̂n orice punct al lui Rn
putem aplica un vector reprezentant al unei clase de vectori liberi date.
Definiţia 1.39 Fie (− →

u ,−
→
v ) o pereche ordonată de vectori liberi oarecare
−
→ −→
asociaţi spaţiului Vn , ab ∈ −→u şi ad ∈ − →v . Vectorul liber − →
w al cărui
−→
reprezentant ac este definit prin condiţia ca (a, b, c, d) să fie paralelogram,
deci c = −a + b + d, se numeşte vectorul liber sumă al perechii ordonate
(−
→u ,−
→
v ) şi se notează −
→
w =− →
u +− →v . (Figura 1.3)
Operaţia internă pe Vn definită mai sus + : Vn × Vn → Vn se numeşte

operaţia de adunare a vectorilor liberi
Figura 1.3.
−
→ →
Definiţia 1.40 Fie un vector liber oarecare −
→
u , ab ∈ −
u şi α ∈ R. Vectorul
−
→ −
→
liber v al cărui reprezentant este vectorul ac unde c = a + α(b − a) se
numeşte vectorul liber produs cu scalarul α a vectorului liber − →
u şi se
notează −
→
v = α− →
u.
Operaţia externă pe Vn , · : R × Vn → Vn se numeşte operaţie de

ı̂nmulţire a unui scalar real cu un vector liber.
Observaţia 1.20 Din Definiţia 1.40, c = a + α(b − a) dacă şi numai dacă
a−c+αb−αa = θ ⇔ (a, c, αa, αb) este paralelogram ⇒ (a, c) ∼ (αa, αb).
−
→ −
→
Observaţia 1.21 Observăm că dacă ab ∈ − →
u atunci −ba ∈ −− →
u . Într-
−
→ −
→
adevăr, dacă ı̂n definiţia 1.40 punem α = −1 şi ab ∈ u iar ac ∈ −−
−
→ →u
rezultă că c = a − (b − a) = a − b + a ⇔ a − c + a − b = 0 ⇒ ac ∼ −
→
−
→ −
→
−ba ⇒ −ba ∈ −− →
u.
Teorema 1.36 Vn este spaţiu vectorial.

Demonstraţie. Arătăm că sunt satisfăcute axiomele spaţiului liniar.
11 .∀−
→u ,− →
v ,−
→
w ∈ Vn : (−→u +− →
v)+− →
w =− →
u + (−→v +− →
w ).
−→ − → −
→ −
→ −
→ −
→ −→ −
→ −→
Dacă ab ∈ u , ac ∈ v , ad ∈ w şi aa1 ∈ u + v rezultă că (a, b, a1 , c)
şi deci a − b + a1 − c = θ ⇒ a1 = −a + b + c. Dacă − →2 ∈ (−
ac →
u +− →v )+−→
w ⇒
(a, d, c2 , a1 ) paralelogram implică a−d+c2 −a1 = θ ⇒ c2 = −a+a1 +d =
−2a + b + c + d.
−→ → − → → −→ −
Dacă ab ∈ − v , ad ∈ −
w şi aa2 ∈ →v +−→
w ⇒ (a, d, a2 , c) paralelogram
⇒ a − d + a2 − c = θ ⇒ a2 = −a + d + c. Dacă − aa→3 = −
→u + (−→
v +− →
w) ⇒
(a, b, a3 , a2 ) paralelogram⇒ a − b + a3 − a2 = θ ⇒ a3 = −a + a2 + b =
−2a + b + c + d.
Comparând expresiile lui a3 şi c2 (Figura 1.4) observăm că a3 = c2 ⇒
−
aa→3 = − →2 ⇒ (−
ac →
u +− →
v)+− →
w =− →u + (−
→
v +− →
w ).♦
Figura 1.4.
−
→ −
→ − → → −
12 . ∃ 0 ∈ Vn : ∀− →
u ∈ Vn ⇒ − →u + 0 = 0 +− u =→ u.
−
→ − → − → −
→ −→ −
→ −
→
Dacă ab ∈ 0 , ac ∈ u şi ac1 ∈ u + 0 ⇒ (a, c, c1 , b) paralelogram⇒
−
→ →
a−c+c1 −b = θ ⇒ c1 = −a+b+c. Dar − →u+ 0 =− u ⇒ c = c1 ⇒ a = b.
− → −
→ −→
Dacă ac2 ∈ 0 + u ⇒ (a, b, c2 , c) paralelogram⇒ a − b + c2 − c = θ
−
→ →
⇒ c2 = −a + b + c. Dar 0 + − u = −→
u ⇒ c = c2 ⇒ a = b. Obţinem
−
→ −→ −
→ −
→ − → − → −
→
aa ∈ 0 ⇒ u + 0 = 0 + u = u .♦
−
→
13 .∀−→
u ∈ Vn , ∃ − −→u ∈ Vn : −
→
u + (−−→
u ) = (−− →u)+− →
u = 0.
−
→ − −
→
Dacă ab ∈ → u ,−→ ∈ −−
ac →
u , aa ∈ 0 ⇒ aa ∈ − →
u + (−− →
u ) ⇒ (a, b, a, c)
paralelogram ⇒ a − b + a − c = θ ⇒ a − c = b − a ⇒ − → = −−
ac
→
ab ⇒
−
→ −→
u +(−− →u ) = (−−→
u )+ − →
u = 0 . Analog rezultă şi partea a doua a egalităţii.
14 .∀−
→
u ,− →
v ∈ Vn : − →
u +−→v =− →v +− →
u.
−→ − → −
→ −
→ − →
Dacă ab ∈ u , ac ∈ v , aa1 = u + − −
→ →
v ⇒ (a, b, a1 , c) paralelogram⇒
a − b + a1 − c = θ ⇒ a1 = −a + b + c; − →2 ∈ −
aa →
v +− →
u ⇒ (a, c, a2 , b)
paralelogram⇒ a − c + a2 − b = θ ⇒ a2 = −a + b + c ⇒ a1 = a2 ⇒
−
→
u +− →
v =− →v +− →
u.
Din 11 , 12 , 13 şi 14 Rezultă că (Vn , +) este grup abelian.♦
21 . ∀α ∈ R, ∀− →
u ,−
→
v ∈ Vn : α(− →u +− →
v ) = α−→
u + α− →
v.
−
→ − → −
→ −
→ −→ −→ −
→
Dacă ab ∈ u , ac ∈ v atunci dacă aa1 ∈ u + v rezultă că (a, b, a1 , c)
paralelogram, deci a − b + a1 − c = θ adică a1 = −a + b + c; dacă − →2 ∈
aa
α(−→
u +− →
v ) ⇒ a2 = a + α(a1 − a).
Dacă − →3 ∈ α−
aa →
u ⇒ a3 = a + α(b − a); − →4 ∈ α−
aa →
v ⇒ a4 = a + α(c − a);
−→ −→ −
→
dacă aa5 ∈ α u +α v ⇒ (a, a3 , a5 , a4 ) paralelogram⇒ a−a3 +a5 −a4 = θ ⇒
a5 = −a+a3 +a4 = −a+a+α(b−a)+a+α(c−a) = a+α(b−a+c−a) =
a + α(a1 − a).
Rezultă că a2 = a5 ⇒ α(−
→
u +− →
v ) = α− →
u + α− →
v .(Figura 1.5)♦
Figura 1.5.
22 . ∀α, β ∈ R, ∀−→
u ∈ Vn : (α + β)− →
u = α− →u + β−→
u.
−
→ − → −→ −
→
Dacă ab ∈ u , aa1 ∈ (α + β) u ⇒ a1 = a + (α + β)(b − a).
Dacă − →2 ∈ α−
aa →u ⇒ a2 = a + α(b − a), − →3 = β −
aa →
u ⇒ a3 = a + β(b − a),
−→ −→ −
→
aa4 ∈ α u + β u ⇒ (a, a2 , a4 , a3 ) paralelogram ⇒ a − a2 + a4 − a3 = θ ⇒
a4 = −a+a2 +a3 ⇒ a4 = −a+a+α(b−a)+a+β(b−a) = a+(α+β)(b−a)
Rezultă că a1 = a4 ⇒ (α + β)− →u = α− →
u + β−→
u .(Figura 1.6)♦
Figura 1.6.
23 . ∀α, β ∈ R, ∀−→
u ∈ Vn : (αβ)−
→
u = α(β − →u ).
−
→ − → −→ −→
Dacă ab ∈ u , aa1 ∈ (αβ) u ⇒ a1 = a + (αβ)(b − a).
Dacă − →2 ∈ β −
aa →u ⇒ a2 = a + β(b − a), −→3 ∈ α(β −
aa →
u ) ⇒ a3 = a + α(a2 −
a) ⇒ a3 = a + α(a + β(b − a) − a) = a + αβ(b − a).
Rezultă că a1 = a3 ⇒ (αβ)−→
u = α(β −→
u ).♦
24 . ∀−
→u ∈ Vn : 1−→u =−→
u.
−
→ − → −→
Dacă ab ∈ u , aa1 ∈ 1 →
−u ⇒ a1 = a + 1(b − a) = b ⇒ 1− →u =− →
u .♦
Rezultă că Vn este spaţiu vectorial.¥
n
nb ∈ R , a 6= b. Mulţimea
Definiţia 1.41 Fie a, o
→=α·−
x ∈ Rn : ∃α ∈ R, −
ax
→
ab
se numeşte dreapta din Rn care trece prin punctele distincte a, b.Vectorii

−
→
α · ab, α ∈ R, α 6=0 se numesc vectori directori ai dreptei ce trece prin
−→ −
→
punctele a, b ∈ Rn . În particular ab 6= 0 este un vector director al
dreptei care trece prin punctele distincte a, b.
Dreapta este un subspaţiu liniar al spaţiului vectorilor liberi Vn .
Definiţia 1.42 Vectorii liberi −→u ,−
→
v se numesc vectori liberi coliniari
−
→ −→
dacă sistemul de vectori { u , v } este liniar dependent, adică există α ∈ R
astfel ı̂ncât −
→
v = α−
→
u.
Definiţia 1.43 Vectorii liberi −
→
u ,−
→
v ,−→
w ∈ V3 se numesc vectori liberi
coplanari dacă sistemul de vectori { u , −
−
→ →
v ,−
→
w } este liniar dependent.
Definiţia 1.44 Două drepte din Rn se numesc drepte paralele dacă vec-
torii lor directori sunt coliniari.
Definiţia 1.45 Mulţimea dreptelor din Rn care sunt paralele cu o dreaptă
dată se numeşte direcţie ı̂n Rn . Orice dreaptă, element al unei direcţii din
Rn , se numeşte reprezentant al acelei direcţii şi o determină ı̂n mod unic.
−
→
Observaţia 1.22 Pentru vectorul liber 0 nu se defineşte noţiunea de
direcţie.
Observaţia 1.23 Observăm că dacă (a, b, c, d) este paralelogram ı̂n Rn cu
vectorii a, b, c, d distincţi ı̂ntre ei, atunci a − b + c − d = θ ⇔ a − b =
−
→ − → − →
d − c ⇔ ab ∼ dc 6= 0 şi deci dreptele care trec prin punctele a, b şi d, c
sunt paralele. La fel şi cele care trec prin a, d şi b, c.
Teorema 1.37 Fie spaţiile vectoriale Rn şi Vn . Atunci funcţia
−
→
f : Rn → Vn , ∀x ∈ Rn : f (x) = θx, unde θ = ( 0 . . . 0 ) ∈ Rn
este o transformare liniară bijectivă (un izomorfism).
Demonstraţie. Verificăm liniaritatea lui f.
−−−−−→
∀x, y ∈ Rn : f (x + y) = θ(x + y).
Fie − →1 ∼ −
aa
−−−−→ −→ − →
θ(x + y) ⇒ a1 = a + x + y; f (x) + f (y) = θx + θy, şi
−→2 ∼ −
aa
→ − →
θx + θy ⇒ a2 = a + x + y ⇒ f (x + y) = f (x) + f (y).
−−−→
∀x ∈ Rn , ∀α ∈ R : f (αx) = θ(αx).
Fie −aa→1 = − −−→
θ(αx) ⇒ a1 = a + αx − θ şi −
aa→2 = α−−→
(θx) ⇒ a2 = a + α(x −
θ) ⇒ f (αx) = αf (x).
Injectivitatea. f (x) = θθ ⇔ x = θ ⇔ ker(f ) = {θ} .(se foloseşte
Exerciţiul 1.10).
−
→ −→
Surjectivitatea. ∀θx ∈ Vn ∃y ∈ Rn : f (y) = θx. Considerăm y = x.¥
−→ −
→
Teorema 1.38 Fie spaţiile vectoriale Rn şi Vn şi vectorii liberi i1 , ..., in
−
→ −→ −→ −→
din Vn definiţi de relaţiile i1 = θe1 ,..., in = θen , unde {e1 , ..., en } este
−→ −
→
baza standard din Rn , atunci vectorii i1 , ..., in formează o bază ı̂n Vn .
Demonstraţie. Deoarece {e1 , ..., en } este baza standard din Rn ea este
un sistem de vectori liniar independenţi şi deoarece f este o transformare
liniară bijectivă (este suficient să fie injectivă) rezultă, utilizând exerciţiul
−
→ −
→
1.6, că vectorii i1 , ..., in sunt liniar independenţi, deci formează o bază ı̂n
Vn .¥
Definiţia 1.46 Dacă − →u este un vector liber din Vn , atunci proprietatea lui
−
→u de a avea ca reprezentanţi perechi ordonate de vectori din Rn , se numeşte
sensul vectorului liber − →
u.
−→
Observaţia 1.24 Pentru vectorul liber 0 ∈ Vn nu se defineşte noţiunea
de sens. Dacă −→
u şi −→
v sunt vectori liberi coliniari şi −
→
v = α− →u , atunci
−
→ −
→
u , v se numesc vectori liberi de acelaşi sens dacă α > 0 şi vectori liberi
de sensuri opuse dacă α < 0.
Definiţia 1.47 Spaţiul vectorial Vn este un spaţiu euclidian ı̂n raport cu
produsul scalar standard real
h−
→
u ,−→
v i = hx, yi
definit pentru orice vectori liberi − →
u ,−v ∈ Vn , θx ∈ −
→ →
u , θy ∈ −
→v , ı̂n mem-
brul
p− al doilea fiind produsul scalar din R . De asemenea rezultă că k−
n →
uk=
→ −
→ −
→
h u , u i şi se numeşte lungimea vectorului u .
−
→
Definiţia 1.48 Fie punctele distincte a, b, c ∈ Rn astfel ı̂ncât vectorii ab
şi −
→ să nu fie coliniari. Mulţimea
ac
n o
x ∈ Rn : ∃(α, β) ∈ R2 , −→=α·−
ax
→
ab + β · −
→
ac
se numeşte plan din Rn care trece prin punctele a, b, c sau planul din
Rn determinat de punctele a, b, c.
Planul este un subspaţiu liniar al spaţiului vectorilor liberi Vn .
Definiţia 1.49 Fie planul determinat de punctele distincte a, b, c ∈ Rn
−
→ →
astfel ı̂ncât vectorii ab şi −
ac să nu fie coliniari Direcţia unică determinată
−→
de un vector liber ortogonal simultan pe vectorii ab şi − → (deci pe plan) se
ac
numeşte direcţia normelelor planului care trece prin punctele a, b, c. O
dreaptă a acestei direcţii se numeşte o normală a planului ce trece prin
punctele a, b, c.
Definiţia 1.50 Numim unghiul a doi vectori − →

u şi −
→
v , notat ^(− →u ,−→v ),
unghiul propriu dintre doi reperezentanţi ai acestor vectori liberi aplicaţi ı̂n
acelaşi punct.
1.7.2 Spaţiul liniar V3

Produsul scalar a doi vectori liberi
Deoarece ı̂n spaţiul V3 al vectorilor liberi sunt definite noţiunile de
lungime a unui vector şi de unghi dintre doi vectori, putem defini un produs
scalar pe V3 pornind de la aceste noţiuni.
Definiţia 1.51 Dacă − →u ,−
→v ∈ V3 atunci produsul scalar al perechii de
vectori liberi ( ½−
→ −→
u , v ) este definit prin
−→ → − →
−
→ −→ k−→
u k k−→
v k cos ^(−
→
u ,− →
v ), dacă −→u 6= 0 şi −
v 6= 0 ,
h u , v i= −→ −→
0, dacă −
→u = 0 sau − →
v = 0.
(1.199)
−
→ −→ −
→
Dacă −→
u ∈ V3 atunci − →
un= x1 i + xo2 j + x3 k , xi ∈ R, i = 1, 3. Coordo-
−
→ − → −→
natele (x1 , x2 , x3 ) ı̂n baza i , j , k se numesc coordonatele euclidiene
−→ −→ −
→
ale vectorului − →
u , iar expresia −→
u = x1 i + x2 j + x3 k se numeşte expresia
analitică a vectorului − →
u . Se mai utilizează scrierea −→
u = (x1 , x2 , x3 ).
Expresia analitică a produsului scalar. nConsiderămo ı̂n spaţiului
−
→ − → − →
liniar real V3 baza ortonormată notată prin B= i , j , k . Observăm
−
→ −→ −→ −→ −→ −→ −
→ − → −→ − →
că h i , i i = 1, h j , j i = 1, h k , k i = 1, h i , j i = h j , i i = 0,
−
→ − → −
→ − → → −
− → −
→ − →
h i , k i = h k , i i = 0 şi h j , k i = h k , j i = 0. Folosind aceste relaţii şi
−→ −→ −
→ → −
→
ı̂nlocuind ı̂n produsul scalar pe − →
u = x1 i + x2 j + x3 k şi − v = y1 i +
−→ −
→
y2 j + y3 k , obţinem
−→ −→ −
→ − → −→ −→
h−
→
u ,−→
v i = hx1 i +x2 j +x3 k , y1 i +y2 j +y3 k i = x1 y1 +x2 y2 +x3 y3 ,
de unde rezultă expresia analitică a produsului scalar.
Produsul vectorial a doi vectori liberi

Definiţia 1.52 Dacă − →
u ,−→v ∈ V3 atunci produsul vectorial a perechii
ordonate de vectori
⎧ liberi ( u , −
−
→ →
v ) este vectorul
½−
−→
u ×− →
v definit prin
⎪ →u şi −
→
v sunt necoliniari
⎪
⎪ −
→ − → −
→ − →
⎨ k u kk v ksin^( u , v )e −
→ −→ − → −
→
( u 6= 0 şi v 6= 0 )
−→
u ×− →
v = ½−
⎪ −
→ →u şi −→
v sunt coliniari (1.200)
⎪
⎪
⎩ 0 −
→ −
→
u = 0 sau − → −
→
v = 0,
unde −→e este un versor perpendicular pe − →

u şi −→
v astfel ı̂ncât
n sistemul
o de
−
→ −
→ −
→
vectori {−
→
u,−
→v,−
→e } să fie o bază la fel orientată cu baza B= i , j , k .
Teorema 1.39 (Expresia

n analitică
o a produsului vectorial) Fie baza
−→ −→ − → −→
ortonormată B= i , j , k ı̂n V3 şi fie − →u ,−→
v ∈ V3 . Dacă −→
u = x1 i +
−
→ −→ → −
→ −
→ −
→
x2 j + x3 k , −
v = y1 i + y2 j + y3 k , xi , yi ∈ R, i = 1, 3 atunci
¯ − → ¯¯
¯ →i
−
→ −
j k ¯
−
→ ¯
u ×−→v = ¯¯ x1 x2 x3 ¯¯ . (1.201)
¯ y1 y2 y3 ¯
Demonstraţie. Ţinem seama de tabelul

−
→ −
→ −→
× i j k
−→ −
→ −
→ −→
i 0 k −j
−→ −
→ −
→ −→ .
j −k 0 i
−→ −
→ −
→ −→
k j −i 0
³ ´ ³ ´
−
→ −→ −
→ −
→ −→ −
→ −
→ −
→
Atunci u × v = x1 i + x2 j + x3 k × y1 i + y2 j + y3 k =
¯ − → ¯¯
¯ →i
−
→ −
j k ¯
−
→ −
→ → ¯
−
(x2 y3 − x3 y2 ) i − (x1 y3 − x3 y1 ) j + (x1 y2 − x2 y1 ) k = ¯¯ x1 x2 x3 ¯¯ .¥
¯ y1 y2 y3 ¯
Teorema 1.40 Vectorul − →u ×− →v definit ı̂n Definiţia 1.52 are următoarele

proprietăţi:
−
→
a) −
→
u ×− →v = 0 ⇔− →
u k− →
v;
−
→
b) Dacă u × v 6= 0 , atunci {−
−
→ −
→ →
u ,−→v ,−
→
u ×− →v } , ı̂n această ordine,
formează o bază orientată pozitiv.
−
→ −
→
c) Dacă − →
u 6= 0 şi −
→v =6 0 ⇒ k− →
u ×− →
v k2 = k− →
u k2 k− →
v k2 − h−→
u ,−→
v i2
(identitatea lui Lagrange);
d) −
→
u ×− →v = −−→
v ×− →u ;(proprietatea de anticomutativitate)
α( u × v ) = α u × v = −
−→ −
→ −
→ −
→ →
u × α− →
v , α ∈ R;
−
→u × ( v + w) = u × v + u × −
−
→ −
→ −
→ −→ −
→ →
w ;
−
→ −→
e) k u × v k = A¤ , unde A¤ notează aria paralelogramului construit
cu vectorii liberi −→
u şi −
→
v.
−
→ −
→ −
→
Demonstraţie. Fie vectorii − →
u = x1 i + x2 j + x3 k , xi ∈ R, i = 1, 3,
−
→ −→ −
→ −
→
v = y1 i + y2 j + y3 k , yi ∈ R, i = 1, 3.
⎧
⎨ x2 y3 − x3 y2 = 0 x1 x2 x3 1
−→ −
→ −
→
a) u × v = 0 ⇔ x1 y3 − x3 y1 = 0 ⇔ = = = (cu
⎩ y1 y2 y3 α
x1 y2 − x2 y1 = 0
convenţia că anularea unui numitor este echivalentă cu anularea şi a numă-
−
→
rătorului respectiv). Rezultă y1 = αx1 , y2 = αx2 , y3 = αx3 ⇒ − →
v = y1 i +
−
→ −
→ −
→ −
→ −→ −→ −
→ −
→
y2 j + y3 k = αx1 i + αx2 j + αx3 k = α(x1 i + x2 j + x3 k ) = α− →u ⇒
−→ −
→
vectorii u , v sunt coliniari.
b) Vectori − →
u ,−→
v ,−→
u ×− →v sunt necoplanari deoarece − →u ∦− →
v şi −
→
u ×− →v ⊥
−→ −→ −
→ −
→
nu , u × v o⊥ v şi deci formează o bază. Matricea de trecere de la baza
−→ − → − →
i , j , k la baza {− →
u ,− →v ,−
→u ×− →
v } este
⎛ ⎞
x1 y1 x2 y3 − x3 y2
A= ⎝ x2 y2 x1 y3 − x3 y1 ⎠
x3 y3 x1 y2 − x2 y1
şi det(A) = (x2 y3 −x3 y2 )2 +(x1 y3 −x3 y1 )2 +(x1 y2 −x2 y1 )2 = k− →
u ×− →
v k2 > 0.
c) k−→u ×− →
v k2 = k− →u k2 k− →
v k2 sin2 ^(−→u ,−
→v)=
−→
= k u k k v k k u k k v k cos ^( u , v ) = k−
2 −
→ 2 −
→ 2 −
→ 2 2 −
→ −
→ →
u k2 k− →v k2 − h−
→
u ,− →
v i2 .
d) Rezultă utilizând relaţia (1.201) şi proprietăţile determinanţilor.
e) A¤ = k− →u k k−
→v k sin ^(− →
u ,−→v ) = k−→
u ×− →
v k .¥
Dublul produs vectorial

Definiţia 1.53 Fie sistemul de vectori liberi {− →
u ,−
→v ,−→
w } . Dublul produs
vectorial al acestuia se defineşte ca fiind vectorul liber − →u × (−
→
v ×− →
w ), ı̂n
care ordinea vectorilor şi locul parantezelor este esenţial.
Teorema 1.41 Fie sistemul de vectori liberi {− →
u ,−
→v ,−→
w } . Atunci
−→ −
→ −→ −
→ −
→ −
→ −
→
u × ( v × w) = h u , wi v − h u , v iw.−
→ −
→
Demonstraţie. Dacă doi din vectorii daţi sunt coliniari, afirmaţia este
−→ −→
evidentă. Într-adevăr, dacă −→
v q− →
w ⇒− →v ×−
→
w = 0 ⇒− →
u ×(−→
v ×−
→
w) = 0 .
Dacă −→
w = α− →v ⇒ h− →u ,−
→
w i− →v − h−
→
u ,−→
v i−
→
w = h−
→
u , α−→v i−
→
v − h−
→
u ,−
→
v iα−
→
v =
−
→ −→ −→
0 şi analog pentru v = α u .
−
→ − → −
→
Fie − →
v ∦− →
w şi alegem baza i , j , k astfel ı̂ncât
⎧ − −
→ −→ −
→
⎨ → u = x1 i + x2 j + x3 k
−
→ −
→
v = y1 i .
⎩ − → −
→ −
→
w = z1 i + z2 j
¯ − → ¯
¯ → i
−→ −
j k ¯¯
¯ −
→
Obţinem − →v ×− →
w = ¯¯ y1 0 0 ¯¯ = y1 z2 k .
¯ z1 z2 0 ¯
¯ − → ¯
¯ →i
−→ −
j k ¯¯
¯ −→ −→
Calculăm −→u × (− →v ×−→
w ) = ¯¯ x1 x2 x3 ¯¯ = x2 y1 z2 i − x1 y1 z2 j .
¯ 0 0 y1 z2 ¯
Pe de altă parte
−
→ −
→ −
→
h−→u ,−
→
w i−
→
v − h− →
u ,−
→
v i−
→
w = (x1 z1 + x2 z2 )y1 i − x1 y1 (z1 i + z2 j ) =
−
→ −
→ →
x2 z2 y1 i − x1 y1 z2 j = −u × (−
→v ×− →
w ).¥
Observaţia 1.25 Produsul vectorial al vectorilor liberi nu este asociativ.
Aceasta rezultă din faptul că (−
→
u ×− →
v) × − →
w = −− →
w × (− →
u ×− →
v) =
−h w , v i u + h w , u i v este un vector coplanar cu u şi v , iar −
−
→ −→ −
→ −
→ −→ −
→ −→ −
→ →u ×
−
→ −
→ −→ −
→ −
→ −→ −
→
( v × w ) este coplanar cu v şi w . Deci, ı̂n general, ( u × v ) × w 6=
−
→u × (−→
v ×− →
w ).
Produsul mixt
Definiţia 1.54 Fie sistemul de vectori liberi {− →
u ,−→
v ,−→
w } . Produsul mixt
al acestui sistem de vectori este definit prin ( u , v , w ) = h−
−
→ −
→ −→ →u ,−→
v ×− →w i.
Teorema 1.42 Fie sistemul de vectori liberi {− →
u ,−→v ,−
→
w } . Să se arate că
−
→ −→ −
→
a) ( u , v , w ) = 0 dacă şi numai dacă vectorii sunt coplanari.
b) Dacă vectorii nu sunt coplanari, modulul produsului mixt al sistemului
de vectori {− →
u ,−→
v ,−→
w } , |(−
→
u ,− →
v ,− →
w )| , este volumul paralelipipedului con-
struit pe cei trei vectori aplicaţi ı̂n acelaşi punct.
c) Dacă
⎧ − −
→ −→ −
→
⎨ → u = x1 i + x2 j + x3 k
−→ −
→ −
→ −→
v = y1 i + y2 j + y3 k
⎩ − → −
→ −
→ −
→
w = z1 i + z2 j + z3 k
atunci ¯ ¯
¯ x1 x2 x3 ¯
¯ ¯
(−
→u ,−
→v ,−→
w ) = ¯¯ y1 y2 y3 ¯¯ . (1.202)
¯ z1 z2 z3 ¯
d) (−→
u ,−
→
v ,−→
w ) = (− →v ,−
→
w,− →
u ) = (−→
w,− →u ,−
→
v ) (produsul mixt este invari-
ant la permutări circulare).
Demonstraţie.
⎧ − a) (−
→u ,−→
v ,−→
w ) = 0 ⇔ h− →u ,−
→
v ×− →
wi = 0 ⇔
→ −
→ −
⎨ u ⊥ v × w sau→
−
→v q−→w sau ⇔− →u ,−
→
v ,−→
w sunt coplanari.
⎩ −→ −
→ −
→ −
→ −→ −→
u = 0 sau v = 0 sau w = 0
b) Fie (−
→u ,−
→v ,−→
w ) 6= 0. Cu notaţiile de mai jos, ϕ 6= 900 , avem
h−→
u ,−→
v ×− →
w i = k−→u k k−→
v ×− →
w k cos ϕ = (aria bazei)(±ı̂nălţimea)⇒
1.8. REPERE 89
|(−
→
u ,−→
v ,−→
w )| = (aria bazei)(ı̂nălţimea) = volumul paraleleipipedului con-
struit pe cei trei vectori (Figura 1.7).
Figura 1.7.
c) ( u , −
−→ →
v ,− →
w ) ¯= h−
→u ,−
→
v × ¯−
→
w i = x1 (y2 z3 − y3 z2 ) − x2 (y1 z3 − y3 z1 ) +
¯ x1 x2 x3 ¯
¯ ¯
x3 (y2 z1 − y1 z2 ) = ¯¯ y1 y2 y3 ¯¯ .
¯ z1 z2 z3 ¯
Din punctul (b) rezultă condiţia de coplanaritate a trei vectori şi anume
produsul lor mixt trebuie să fie egal cu zero.
d) Rezultă folosind expresia produsului mixt (1.202) şi ţinând seama ca
valoarea determinantului nu se schimbă dacă efectuăm permutări circulare
asupra liniilor acestuia.¥
Vom considera ı̂n cele ce urmează spaţiile vectoriale ale vectorilor liberi
din plan, V2 sau din spaţiu, V3 .
1.8 Repere
Definiţia 1.55 Un reper ı̂n spaţiul vectorial Vn este o pereche R = (O; B),
unde O este un punct fixat numit originea reperului, iar B este o bază con-
siderată ı̂n spaţiul vectorilor liberi Vn .
În mod frecvent se consideră B o bază ortonormată. De obicei, se con-
sideră toţi vectorii bazei B aplicaţi ı̂n acelaşi punct, punctul O.
−
→ − →
În plan se consideră ı̂n mod obişnuit reperul
n R
o = (O; i , j ) unde O ∈
−→ − →
R2 este un punct din plan fixat, iar B = i , j o bază ortonormată, iar
−→ −→ − →
ı̂n spaţiunR = (O; io, j , k ) unde O ∈ R3 este un punct din spaţiu fixat,
−
→ − → −→
iar B = i , j , k o bază ortonormată. În cazul spaţiului s-a convenit ca
axa Ox să fie determinată de punctul O şi să aibă direcţia dată de vectorul
−→
i , axa Oy să fie determinată de punctul O şi să aibă direcţia dată de
−
→
vectorul j , iar axa Oz să fie determinată de punctul O şi să aibă direcţia
−
→
dată de vectorul k . Axele Ox, Oy, Oz se numesc axele reperului sau
axe de coordonate. Planul xOy este determinat de punctul O şi vectorii
−→ − → −→ − →
i , j , planul xOz este determinat de punctul O şi vectorii i , k iar planul
−
→ − →
zOy este determinat de punctul O şi vectorii k , j . Planele xOy, yOz, xOz
se numesc planele reperului R sau plane de coordonate.
−−→
Fie R = (O; B) un reper şi punctul M ∈ Rn . Vectorul OM este numit
vectorul de poziţie al punctului M faţă de reperul R. Notăm − →
r =
−−→ −→ − −→
OM iar dacă există posibilitate de confuzie, notăm r M = OM şi vom
−
→ −→
folosi notaţia M(−→r M ). Dacă M ∈ R2 , atunci −→r M = x i + y j , x poartă
denumirea de abscisa, iar y ordonata punctului M şi vom folosi notaţia
−
→ − → − →
M(x, y). Dacă M ∈ R3 , atunci − →
r M = x i +y j +z k , x poartă denumirea
de abscisa, y ordonata şi z cota punctului M şi vom folosi notaţia M(x, y, z)
şi numim (x, y, z) coordonatele punctului M.
−−−→
Exerciţiul 1.26 Să se scrie expresia vectorului M1 M2 ı̂n reperul ortonor-
−
→ − → − →
mat R = (O; i , j , k ) din V3 dacă sunt cunoscute coordonatele punctelor
M1 şi M2 , M1 (x1 , y1 , z1 ), M2 (x2 , y2 , z2 ). (Figura 1.8.)
−−→ −−−→ −−→ −−−→ −−→ −−→
Rezolvare. OM1 + M1 M2 = OM2 ⇔ M1 M2 = OM2 − OM1 ,
−−→ −
→ −
→ −
→ −−→ −
→ −
→ −
→ −−−→
dar OM1 = x1 i + y1 j + z1 k , OM2 = x2 i + y2 j + z2 k ⇒ M1 M2 =
−
→ −→ −→
(x2 − x1 ) i + (y2 − y1 ) j + (z2 − z1 ) k .♦
Figura 1.8.
−
→ − → − →
Dacă R = (O; i , j , k ) este un reper şi M1 (−
→
r 1 ), M2 (−
→
r 2 ) două puncte
3
din R , atunci
dist(M1 , M2 ) = k−
→r 2−− →r 1k . (1.203)
sau, dacă M1 (x1 , y1 , z1 ), M2 (x2 , y2 , z2 ), atunci
q
dist(M1 , M2 ) = (x2 − x1 )2 + (y2 − y1 )2 + (z2 − z1 )2 .
Dacă M1 (−
→
r 1 ), M2 (−
→
r 2 ) sunt două puncte din R2 , M1 (x1 , y1 ), M2 (x2 , y2 )
atunci q
dist(M1 , M2 ) = (x2 − x1 )2 + (y2 − y1 )2 .
1.8. REPERE 91
−
→ −→ − →
Schimbarea reperelor ı̂n plan. Fie R = (O; i , j) un reper şi R0 = (O0 ; i0 , j0 )
un alt reper. Trecerea de la reperul R la reperul R0 (Figura 1.9) este dată
de translaţia
0 −→ −
→
OO = x0 i + y0 j
şi rotaţia ( − → −
→ −→
i0 = a11 i + a21 j
−
→ −
→ −→ (1.204)
j0 = a12 i + a22 j
Figura 1.9.
Aceată schimbare de repere poate fi scrisă matriceal astfel: dacă M(− →r)
−
→ −
→ −
→ −
→ −→ −
→ 0 −→0 −
→
0 0
atunci r = x1 i + y1 j ı̂n reperul R = (O; i , j ) şi M( r ), r = x1 i +
−→ −→ − → −
→ −−→ −→ −
→
y10 j0 ı̂n reperul R0 = (O0 ; i0 , j0 ) atunci −
→r = r0 + OO0 ⇔ x1 i + y1 j =
−
→ −→ −
→ −
→ −
→ − →
x01 i0 + y10 j0 + x0 i + y0 j (Figura 1.9) şi daca ı̂nlocuim i0 şi j0 cu expresia
lor din relaţiile (1.204) şi ţinem seama de unicitatea descompunerii după
vectorii
µ bazei,¶ µ obţinem: ¶ µ ¶ µ ¶
x1 a11 a12 x01 x0
= + .
x2 a21 a22 x02 y0
−
→ − → − →
Schimbarea reperelor ı̂n spaţiu. Fie R = (O; i , j , k ) un reper
−
→ − → −→
ortonormat drept şi R0 = (O0 ; i0 , j0 , k0 ) un alt reper. Trecerea de la reperul
R la reperul R0 este dată de translaţia
0 −
→ −→ −
→
OO = x0 i + y0 j + z0 k
şi rotaţia ⎧ −
⎪ →0 −
→ −
→ −→
⎨ i = a11 i + a21 j + a31 k
−
→ −
→ −
→ −→
j0 = a12 i + a22 j + a32 k (1.205)
⎪
⎩ −
→0 −
→ −
→ −→
k = a13 i + a23 j + a33 k
⎛ ⎞
a11 a12 a22
unde A = ⎝ a21 a22 a23 ⎠ .
a31 a32 a33
Formula matriceală de schimbare a reperului se obţine printr-un raţio-
nament analog ca ı̂n plan:
⎛ ⎞ ⎛ 0 ⎞ ⎛ ⎞
x1 x1 x0
⎝ x2 ⎠ = A ⎝ x02 ⎠ + ⎝ y0 ⎠ (1.206)
0
x3 x3 z0
Reamintim că ı̂n cazul bazelor ortonormate matricea A de trecere de la
o bază la alta este o matrice ortogonală.
Exerciţiul 1.27 Să se scrie ecuaţia planului (π) determinat de un punct şi
de normala la plan.
−
→ −
→
Rezolvare. Fie punctul M0 (− →r 0 ) şi N ∈ V3 , N 6= 0 normala la plan
(Figura 1.10). Atunci un punct M(− →
r ) aparţine planului (π) dacă şi numai
−−−→ − →
dacă M0 M ⊥ N , adică verifică ecuaţia:
−
→ → −
hN, − r −→ r 0 i = 0. (1.207)
Ecuaţia (1.207) se numeşte ecuaţia vectorială a planului determinat
de un punct şi un vector normal la plan.¨
Figura 1.10.
−
→ −→ −→
Exerciţiul 1.28 Fie un reper ortonormat R = (O; i , j , k ) şi ı̂n raport
−
→ −
→ −
→ −→ −→
cu acesta punctul M0 (x0 , y0 , z0 ) şi N = A i + B j + C k 6= 0 . Să se
arate că punctul M(x, y, z) aparţine planului (π) determinat de punctul
−
→
M0 şi normala N la plan dacă şi numai dacă
1.8. REPERE 93
A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0 (1.208)

sau, notând D = −(Ax0 + By0 + Cz0 ),
Ax + By + Cz + D = 0. (1.209)
−→ → −
Rezolvare. Punctul M ∈ (π) dacă şi numai dacă h N , − r −→ r 0 i = 0. Dar
−
→ −
→ −
→ −→ −→
r − r 0 = (x − x0 ) i + (y − y0 ) j + (z − z0 ) k implică ecuaţia (1.208)
care este echivalentă cu ecuaţia (1.209)¨
−
→ − → − →
Exerciţiul 1.29 Fie, ı̂n raport cu un reper R = (O; i , j , k ) şi planul
(π) care conţine punctul M0 (− →
r 0 ) şi este paralel cu vectorii −
→u ,− →
v ∈ V3 ,
−
→ −
→
vectori necoliniari, u × v 6= 0. Să se scrie ecuaţia planului (π) determinat
de un punct al său şi cei doi vectori necoliniari.
Rezolvare. Un punct M(− →r ) aparţine planului (π) dacă şi numai dacă vec-
−
→ −→ −−−→
torii u , v , M0 M sunt coplanari (Figura 1.11). Condiţia de coplanaritate
−−−→ → −
a celor trei vectori −
→
u, − →
v , M0 M = − r −→ r 0 se poate exprima prin faptul
că produsul mixt al acestora este egal cu zero
(−
→
u ,−→v ,−
→
r −− →
r 0 ) = 0. (1.210)
Figura 1.11.
Exerciţiul 1.30 Fie planele
(π1 ) A1 x + B1 y + C1 z + D1 = 0,
(π2 ) A2 x + B2 y + C2 z + D2 = 0.
Să se arate că:
A1 B1 C1 D1
a) Planele coincid dacă şi numai dacă: A2
= B2
= C2
= D2
;
A1 B1 C1
b) Planele sunt paralele dacă şi numai dacă: = =
A2 B2 C2
6= D1
D2
;
c) Planele
µ se intersectează
¶ după o dreaptă dacă şi numai dacă:
A1 B1 C1
rang = 2.
A2 B2 C2
Rezolvare. a) Planele coincid dacă şi numai dacă cele două ecuaţii au
aceleaşi soluţii, ceea ce are loc dacă şi numai dacă coeficienţii acestora sunt
proporţionali.
b) Planele sunt paralele dacă şi numai dacă sistemul format din cele
două ecuaţii
µ este incompatibil, ¶ ceea ceµse ı̂ntâmplă dacă şi¶numai dacă
A1 B1 C1 A1 B1 C1 D1
rang = 1 şi rang = 2.
A2 B2 C2 A2 B2 C2 D2
c) Planele se intersectează dacă şi numai dacă sistemul format din cele
două ecuaţii este compatibil, cu o infinitate simplă de soluţii, ceea ce are
loc dacă µşi numai dacă ¶
A1 B1 C1
rang = 2.¨
A2 B2 C2
Exerciţiul 1.31 (Distanţa de la un punct la un plan) Fie planul (π)
−
→ → −
hN, − r −→ r 0 i = 0 şi M1 (−
→r 1 ). Să se deducă formula distanţei de la punctul
M1 la planul (π). ¯ ¯
¯− → − → −→ ¯
¯h N , r 1 − r 0 i¯
dist(M1 , (π)) = ° ° . (1.211)
°−
→°
°N°
Rezolvare. (Figura 1.12) Dacă Punctul M1 ∈ (π) atunci dist(M1 , (π)) = 0

−−−→ −→ → −
şi M0 M1 se găseşte ı̂n planul (π) rezultă că h N , −
r 1− →
r 0 i = 0, adică (1.211)
are loc.
Figura 1.12.
−
→
Dacă M1 ∈ / (π), fie −→
u ,−
→v 6= 0 doi vectori din (π), necoliniari, −
→
u ×−
→
v 6=
−
→
0 . Atunci ¯ ¯
¯ −−−→ − → −
→ ¯
volum paralelipiped ¯ (M 0 M 1 , u , v )¯
dist(M1 , (π)) = = =
¯ ¯ aria bazei k−→u ×− →vk
¯− →¯
−
r 1−−
¯h → →r 0 , N i¯
= ° ° .¨
°−
→°
°N°
1.8. REPERE 95
Unghiul a două plane.

−
→ −→ −→
Definiţia 1.56 Fie un reper ortonormat R = (O; i , j , k ) şi planele
−
→ − →
(π1 ), (π2 ) cu normalele N1 , N2 . Se numeşte unghiul format de planele
−
→ − →
(π1 ), (π2 ) unghiul dintre vectorii normali N1 , N2 .
Observaţia 1.26 Dacă notăm cu α unghiul dintre cele două plane, α =
((π\
1 ), (π2 )), atunci D E
−→ − →
N1 , N2
cos α = °
°−
° ° °.
→° °− →° (1.212)
°N1 ° °N2 °
−
→ −→ − →
Exerciţiul 1.32 Fie un reper ortonormat R = (O; i , j , k ) şi planele
(π1 ), (π2 ) de ecuaţii
(π1 ) A1 x + B1 y + C1 z + D1 = 0
(π2 ) A2 x + B2 y + C2 z + D2 = 0.
Să se arate că (π1 ) ⊥ (π2 ) dacă şi numai dacă normalele la plan sunt
perpendiculare, adică
A1 A2 + B1 B2 + C1 C2 = 0; (1.213)
Rezolvare. Formula (1.212) se poate rescrie, ţinând seama de ecuaţiile

planelor şi de expresia vectorilor normali, de forma
A1 A2 + B1 B2 + C1 C2 π
cos α = p 2 p , α = ⇒ cos α = 0
A1 + B12 + C12 A22 + B22 + C22 2
şi de aici rezultă (1.213).¨
−
→
Exerciţiul 1.33 Fie, ı̂n raport cu un reper ortonormat R = (O; i , j, k)
−→
din V3 , M0 (−
→
r 0 ) şi −
→
u ∈ V3 , −
→
u 6= 0 . Să se scrie ecuaţia dreptei determinată
de punctul M0 şi are vectorul director − →u.
Figura 1.13.
Rezolvare. (Figura 1.13) Un punct M(− →

r ) se află pe dreapta (d) conţinând
−→
M0 şi care este paralelă cu u , dacă şi numai dacă
−
→
(d) : (−
→
r −−→r 0) × − →
u = 0, (1.214)
echivalent cu
(d) : −
→
r =−
→
r 0 + α−
→
u , α ∈ R. (1.215)
−−−→
M ∈ (d) ⇔ M0 M = α− →
u ⇔− →r −−
→r 0 = α−
→
u ⇒vectorii −
→
r −− →
r 0 şi −
→
u
−
→ −→ −
→
sunt coliniari rezultă (1.214). Din r − r 0 = α u ⇒(1.215).♦
Ecuaţia (1.214) se numeşte ecuaţia vectorială a dreptei determi-
nată de un punct şi de un vector director.
Exerciţiul 1.34 (Dreapta ca intersecţie de două plane) Fie, ı̂n raport

−
→ −→ − → −
→ − →
cu un reper ortonormat R = (O; i , j , k ), M0 (− →r 0 ) şi fie N1 , N2 ∈ V3
−
→ − → −
→
doi vectori necoliniari, N1 × N2 6= 0 . Atunci un punct M(− →
r ) se află
pe dreapta (d) conţinând M0 şi perpendiculară pe vectorii N1 , N2 dacă şi
−−−→ − → −−−→ − →
numai dacă M0 M ⊥ N1 şi M0 M ⊥ N2 adică
½ − → → −
hN1 , −
r −→ r 0i = 0
−
→ − → −
→ ¨. (1.216)
hN2 , r − r 0 i = 0
Exerciţiul 1.35 (Perpendiculara comună) Fie două drepte neparalele

(d1 ) : −
→
r =− →
r 1 + αu1 ,
(d2 ) : r = →
−
→ −r 2 + αu2
Să se scrie ecuaţia perpendicularei comune a acestora.
Figura 1.14.
Rezolvare. (Figura 1.14). Fie M0 ∈ (d1 ), dreapta (d1 ) are direcţia − →1 . Prin
u
M0 ducem reprezentanţi ai vectorilor − →1 şi −
u →2 . Punctul M0 şi reprezentanţii
u
direcţiilor −
→1 şi −
u →2 determină un plan (α). Proiectăm pe acest plan dreapta
u
1.8. REPERE 97
(d2 ), fie această proiecţie (d02 ). Fie M1 intersecţia dintre dreptele (d1 ) şi (d02 ).
Ducem prin M1 perpendiculara pe planul (α) care intersectează (d2 ) ı̂n M2
(M1 şi (d2 ) determină un plan perpendicular pe planul (α)). Aceasta va fi
dreapta (d) a cărei direcţie este dată de − u→1 × −→2 .
u
−→ →2 ) (normala planului determinat de − −−→
Fie N1 = − →1 × (−
u u→1 × − u M1 M2 şi
−→ →2 ) (normala planului determinat de M−1− − →
(d1 )) şi N2 = − →2 × (−
u →1 × −
u u M2 şi
(d2 )). Atunci dreapta (d) poate fi văzută ca intersecţie a două plane, planul
−→
determinat de normala N1 şi care conţine dreapta (d1 ) şi punctul M2 şi
−→
planul determinat de normala N2 şi care conţine dreapta (d2 ) şi punctul
M1 .
Ecuaţiile dreptei sunt
½ − →
hN1 , r − r0 i = 0
(d) −→ . (1.217)
hN2 , r − r3 i = 0
unde r0 este vectorul de poziţie al punctului M0 , iar − →
r3 este vectorul de
poziţie al unui punct oarecare de pe dreapta (d2 ).
Vom arăta că (d), dreapta determinată de punctele M1 şi M2 este per-
−
→ − →
pendiculară pe (d1 ) şi (d2 ). Un vector director al dreptei (d) este N1 × N2 =
k−→
u1×− →
u 2 k2 (−
→
u1 ×− →u 2 ) şi cum − →
u1 ×−→
u2 ⊥ − →u 1, −→
u1 ×− →
u2 ⊥ − →u2 ⇒
(d) ⊥ (d1 ), (d) ⊥ (d2 ).¨
Exerciţiul 1.36 (Distanţa dintre două drepte) Oricare ar fi două drep-
te neparalele
(d1 ) : −
→
r =− →r 1 + α−→
u 1,
−
→ −
→
(d2 ) : r = r 2 + α u 2−
→
distanţa dintre cele două drepte este ¯ ¯
¯ −−−→ − ¯
¯hM1 M2 , →
u1×− →
u 2 i¯
dist(d1 , d2 ) = . (1.218)
k−
→
u1×− →
u 2k
Rezolvare. Fie dreptele: (d1 ) determinată de punctul M1 şi direcţia
−
→1 şi (d2 ) determinată de punctul M2 şi direcţia −
u →2 . Distanţa dintre cele
u
două drepte este lungimea ı̂nălţimii paralelipipedului construit pe vectorii
−−−→ −
M1 M2 , →u 1, −
→
u 2 . Baza paralelipipedului este formată pe vectorii − →
u 1, −
→
u 2.
Utilizăm Exerciţiul 1.42, b).¨
1.8.1 Aplicaţii la studiul conicelor şi cudricelor

Conice pe ecuaţii generale
−
→ − →
Fie reperul R = (O, i , j ) ı̂n V2 .
Definiţia 1.57 Conica este locul geomretric (Γ) al punctelor M din plan
ale căror coordonate (x, y), ı̂n raport cu reperul ortonormat R, satisfac
ecuaţia µ ¶µ ¶ µ ¶
¡ ¢ a11 a12 x ¡ ¢ a01
(Γ) : x y +2 x y + a00 = 0,
a12 a22 y a02
(1.219)
2 2 2
unde a11 + a12 + a22 6= 0, aij ∈ R, i, j ∈ {0, 1, 2}, i ≤ j.
Ecuaţia (1.219) este scrierea matriceală a ecuaţiei a11 x2 +2a12 xy+a22 y 2 +
2a01 x +2a02 y +a00 = 0, ecuaţie de gradul doi ı̂n x şi y, ı̂n care cel puţin unul
dintre coeficienţii termenilor de gradul al doilea , a11 , a12 , a22 este diferit de
zero.
Una din problemele importante rezolvate ale geometriei analitice constă
ı̂n faptul că a dovedit că orice conică poate fi adusă, printr-o schimbare con-
2 2 2 x2 y 2
venabilă de reper la una din ecuaţiile: cerc: x +y = R , elipsă: 2 + 2 = 1,
a b
x2 y2 2
hiperbolă: 2 − 2 = 1, parabolă: y = 2px, două drepte concurente:
a b
x2 y2
− 2 = 0, două drepte paralele: x2 − a2 = 0, două drepte confundate
a2 b
x2 y 2 x2 y 2
x2 = 0, un punct: 2 + 2 = 0, mulţimea vidă: 2 + 2 + 1 = 0.
a b a b
Utilizând rotaţia şi translaţia realizăm o schimbare de reper de la reperul
−
→ − →
R = (O, i , j ) la un reper adecvat la fel orientat cu reperul R, numit reper
canonic, faţă de care conica (1.219) să aibă una din ecuaţiile de mai sus.
Tipul conicei (1.219) este determinat de expresia termenilor de grad doi,
adică de forma pătratică µ ¶µ ¶
¡ ¢ a a x
q(−→
x)= x y 11 12
,
a12 a22 y
−
→ −→
unde − →
x =x i + y j .
Problema care ne propunem să o rezolvăm: să găsim un reper ı̂n raport
cu care ecuaţia (1.219) să aibă o formă cât mai simplă. Vom studia mai
ı̂ntâi forma pătratică q şi o vom aduce la forma canonică.
Dacă a12 = 0 matricea formei pătratice are forma diagonală şi se trece
direct la efectuarea translaţiei.
Dacă a12 6= 0 se face mai ı̂ntâi o rotaţie. Prezentăm ı̂n continuare modul
ı̂n care se efectuează rotaţia. n o
−→ − →
Matricea formei pătratice (q)B , ı̂n baza B = i , j este o matrice
simetrică. Ea este ı̂ntotdeauna diagonalizabilă, deci există o bază orto-
normată formată din vectori proprii (conform Observaţiei 1.14) ai matricei
1.8. REPERE 99
simetrice. Acesteia ı̂i ataşăm ecuaţia caracteristică

¯ ¯
¯ a11 − λ a12 ¯
¯ ¯ = 0 ⇔ λ2 − (a11 + a22 )λ + a11 a22 − a212 = 0
¯ a12 a22 − λ ¯
ale cărei rădăcini sunt ı̂ntodeauna reale (conform Teoremei 1.17).
Facem observaţia că nu putem avea λ1 = λ2 = 0 deoarece aceasta implică
a11 = a12 = a22 = 0, contrar ipotezei.
Corespunzător valorilor proprii λ1 şi λ2 avem vectorii proprii {− →1 , −
u →2 } .
u
Fie − →1 = 1 −
e u→ −
→
1 , e2 =
1 − →2 versorii vectorilor proprii astfel ı̂ncât
u
−→
k u1 k −→
k u2 k
−
→ −
→ −→ − → −
→ −
→
e1 = c11 i + c21 j , e2 = c12 i + c22 j . Matricea deµ trecere de ¶
la baza B =
n o c11 c12
−
→ − →
i , j la baza B 0 = {− →1 , −
e →
e2 } este matricea C = şi aceasta
c21 c22
este ortogonală. Matricea C trebuie să fie astfel construită ı̂ncât det C =1
(avem ı̂n vedere posibilitatea ı̂nlocuirii unuia din versori prin opusul său
sau renumerotarea acestora) pentru a fi la fel orientată cu baza B. Versorii
{−
→
e −
→ 0
1 , e2 } astfel construiţi dau direcţiile noilor axe Ox şi respectiv Oy , iar
0
rotaţia
µ ¶ µ ¶µ 0 ¶
x c11 c12 x
= (1.220)
y c21 c22 y0
reduce forma pătratică q la forma canonică λ1 (x0 )2 + λ2 (y 0 )2 .

În reperul R0 = (O, −→
e −
→
1 , e2 ) ecuaţia (1.219) va avea forma:
0
λ1 (x0 )2 + λ2 (y 0 )2 + 2a01 x0 + 2a002 y 0 + a00 = 0. (1.221)
Cazul I: forma pătratică q are rangul 2 (λ1 λ2 6= 0). Ecuaţia (1.221)

devine, prin restângerea pătratelelor, de forma
µ 0 ¶2 µ 0 ¶2
0 a001 2 0 a002 2 a01 a02
λ1 (x + ) + λ2 (y + ) = + − a00 .
λ1 λ2 λ1 λ2
⎛ ⎞
µ 0 ¶ µ ¶ a010
−
x X ⎜ λ1 ⎟
Prin translaţia = + ⎝ a0 ⎠ şi notând
y0 Y
− 20
µ 0 ¶2 µ 0 ¶2 λ2
a01 a02
a000 = + − a00 , ecuaţia (1.219) va avea ı̂n reperul R00 =
λ1 λ2
(O0 , −
→
e −
→
1 , e2 ) forma
λ1 X 2 + λ2 Y 2 = a000 . (1.222)
µ 0 ¶
0 a01 a002
Originea noului reper O are coordonatele − , − ı̂n reperul
λ1 λ2
R0 = (O, − →
e −
→
1 , e2 ) şi aplicând relaţiile (1.220) obţinem coordonatele ı̂n repe-
rul iniţial. Ecuaţia (1.222) arată că O0 X şi O0 Y sunt axe de simetrie ale
conicei, iar O0 este centru de simetrie. Rezultă că ı̂n acest caz conica are
centru de simetrie.
Dacă a000 = 0 şi λ1 λ2 > 0 conica se reduce la un singur punct, centrul
său O0 , iar dacă a000 = 0 şi λ1 λ2 < 0 conica reprezintă două drepte secante
care trec prin punctul O0 .
Dacă a000 6= 0, ı̂mpărţind prin a000 şi notând
¯ 0 ¯ ¯ 0 ¯
¯ a00 ¯ ¯ ¯
¯ ¯ = a , ¯ a00 ¯ = b2 , a > 0, b > 0,
2
¯ λ1 ¯ ¯ λ2 ¯
ecuaţia (1.222) devine:

X2 Y2
ε1 2 + ε2 2 = 1
a b
unde ε1 = ±1, ε2 = ±1. Dacă ε1 = ε2 = 1 conica este o elipsă. Dacă
ε1 = ε2 = −1 conica este mulţimea vidă. Dacă ε1 ε2 = −1 conica este o
hiperbolă.
Cazul II: forma pătratică q are rangul 1 (sau λ1 = 0 sau λ2 = 0).
Presupunem că λ1 = 0 şi λ2 6= 0. Ecuaţia (1.219) se poate scrie
µ 0 ¶2
0 a001 2 0 0 a02
λ2 (y + ) + 2a01 x + a00 − = 0. (1.223)
λ2 λ2
Dacă a001 6= 0 conica este o parabolă. Ecuaţia (1.223) devine
⎛ µ 0 ¶2 ⎞
a02
0 ⎜ a00 − ⎟
0 a02 2 0 ⎜ 0 λ2 ⎟
λ2 (y + ) + 2a01 ⎜x + 0 ⎟ = 0.
λ2 ⎝ 2a01 ⎠
⎛ µ ¶2 ⎞
a002
µ ¶ µ¶ ⎜ a00 − λ2 ⎟
x0 X ⎜ − ⎟
Prin translaţia = +⎜⎜
0
2a01
⎟ ecuaţia (1.219)
⎟
y0 Y ⎝ ⎠
a0
− 02
λ2
va avea forma ı̂n reperul R00 = (O0 , −
→
e −
→
1 , e2 )
λ2 Y 2 + 2a001 X = 0. (1.224)
1.8. REPERE 101
Forma ecuaţiei (1.224) arată că, ı̂n cazul ı̂n care una din valorile proprii
este nulă, conica admite o axă de simetrie, ı̂n acest caz O0 X.
Dacă a001 = 0 ecuaţia (1.223) devine
µ 0 ¶2
0 a001 2 a02
λ2 (y + ) + a00 − = 0. (1.225)
λ2 λ2
µ 0 ¶2
a02
Dacă a00 − = 0 atunci ecuaţia reprezintă două drepte care co-
λ2
incid. µ 0 ¶2 Ã µ 0 ¶2 !
a02 a02
Dacă a00 − 6= 0 şi λ2 a00 − < 0 ecuaţia reprezintă
λ2 λ2
Ã µ 0 ¶2 !
a02
două drepte paralele. Dacă λ2 a00 − > 0 ecuaţia reprezintă
λ2
mulţimea vidă.
Exerciţiul 1.37 Să se aducă la forma canonică conica

5x2 + 8xy + 5y 2 − 18x − 18y + 9 = 0
şi să se reprezinte grafic.
Rezolvare. µ Scriem ¶ matriceal

µ ¶ ecuaţia conicei:µ ¶
¡ ¢ 5 4 x ¡ ¢ −9
x y +2 x y +9=0
4 5 y −9
µ ¶
5 4
Matricea formei pătratice este . Deoarece rangul matricei for-
4 5
mei pătratice este 2, conica este cu centru. Ecuaţia caracteristică a matricei
formei pătratice este λ2 − 10λ + 9 = 0 ⇒ λ1 = 1, λ2 = 9.
−
→ − → → −
− → − →
Vectorii proprii sunt ³u1 = i − ´ j , şi u2 =³ i + j ,´iar versorii cores-
punzători sunt −→1 = √1 −
e
→ − →
i − j şi − →
e2 = √2
1 −
→ − →
i + j .
2
Ã !
√1 √1
2 2
Matricea de rotaţie este: C = −1
√ √1
, det C = 1. Scriem rotaţia
2 2
µ ¶ Ã 1 1
!µ
0
¶
x √ √ x
= 2 2 . În urma rotaţiei ecuaţia conicei devine
−1 √1
y √
2 2
y0
Ã !µ ¶Ã 1 !µ ¶
¡ 0 0 ¢ √12 √ −1
2 5 4 √
2
√1
2 x0
x y √1 √1 −1 √1
+
2 2
4 5 √
2 2
y0
Ã !µ ¶
¡ 0 0 ¢ √12 √ −1
2 −9
+2 x y √1 √1
+9=0⇒
2 2
−9
µ ¶µ ¶ ¶ µ
¡ 0 0
¢ 1 0 x0 ¡ 0 00√ ¢
x y +2 x y +9=0
0 9 y0 −9 2
√ ¡ √ ¢2
(x0 )2 + 9(y 0 )2 − 18y 0 2 + 9 = 0 ⇔ (x0 )2 + 9 y 0 − 2 − 9 = 0.
√
Centrul conicei este O0 (0, 2), coordonatele sale fiind date ı̂n reperul
R0 = (O; − →
e −
→
1 , e2 ). µ 0 ¶ µ ¶ µ ¶
x X 0
În urma translaţiei = + √ , se obţine ecuaţia
y0 Y 2
X2
X 2 + 9Y 2 − 9 = 0 ⇔ +Y2−1=0
9
Conica este o elipsă. Coordonatele lui O0 ı̂n raport cu reperul iniţial
sunt:
µ ¶ Ã 1 !µ ¶ µ ¶
x0 √ √1 0 1
= 2
−1 1
2 √ = .
y0 √
2
√
2
2 1
În cele ce urmează prezentăm rotaţia şi translaţia axelor şi desenăm ı̂n
noul reper graficul conicei.
−
→ − →
Rotaţia sistemului de axe: reperul R = (O; i , j ) trece ı̂n reperul
R0 = (O; − →
e −
→ −
→
1 , e2 ). Ecuaţia dreptei care trece prin origine şi are direcţia e1
este: x = −y, iar ecuaţia dreptei care trece prin origine şi are direcţia − →2
e
este x = y. Sensul axelor (Ox0 , Oy 0 ) este dat de vectorii − →1 , −
e →
e2.
Translaţia sistemului de axe: reperul R = (O, e1 , − 0 −→ →
e 2 ) trece ı̂n
00 0 −
→ −
→ 0
reperul R = (O , e1 , e2 ). Ecuaţiile dreptelor care trec prin O (1, 1) şi au
direcţiile −
→
e −
→
1 respectiv e2 sunt: x = −y + 2 şi respectiv ⇔ y = x. În acest
ultim reper trasăm graficul elipsei va fi (Figura 1.15):
Figura 1.15.
Exerciţiul 1.38 Să se aducă la forma canonică conica
3x2 − 4xy − 2x + 4y − 3 = 0
şi să se traseze graficul.
Rezolvare. µ Scriem matriceal
¶ µ ecuaţia
¶ conicei: µ ¶
¡ ¢ 3 −2 x ¡ ¢ −1
x y +2 x y −3=0
−2 0 y 2
1.8. REPERE 103
µ ¶
3 −2
Matricea formei pătratice este . Deoarece rangul matricei
−2 0
formei pătratice este 2, conica este cu centru. Ecuaţia caracteristică este
λ2 −3λ−4 = 0 ⇒ λ1 = −1, λ2 = 4. Vectorii
³ proprii
´ şi versorii corespunzători
−
→ −→ −
→ −→ →2 = −2− → − →
−→
sunt: u1 = i + 2 j ⇒ e1 = √5 i + 2 j şi −
−
→ 1
u i + j ⇒
³ ´
−
→ 1 −
→ − →
e2 = 5 −2 i + j .
√
Ã !
√1 −2
√
5 5
Matricea de rotaţie este: C = √2 √1
, det C = 1. Scriem rotaţia
5 5
µ ¶ Ã 1 −2 ! µ 0 ¶
x √ √ x
= 5 5 . În urma rotaţiei şi a restrângerii pătratelor
2 1
y √
5
√
5
y0
ecuaţia coniceiÃdevine: !µ ¶Ã 1 !µ ¶
¡ 0 0 ¢ √1 √2 3 −2 √ − √ 2
x0
x y 5 5 5 5 +
− √25 √15 −2 0 √2
5
√1
5
y0
Ã !µ ¶
¡ 0 0 ¢ √1 √2 −1
+2 x y 5 5 −3=0
− √25 √15 2
3 1
−(x0 − √ )2 + 4(y 0 + √ )2 − 2 = 0.
5 5
Centrul conicei este O0 ( √35 , − √15 ), coordonatele sale fiind date ı̂n repe-
µ 0 ¶ µ ¶ Ã 3 !
x X √
rul R0 = (O; −→
e −
→
1 , e2 ). Facem translaţia = + 5 şi
y 0
Y − √15
obţinem −X 2 + 4Y 2 − 2 = 0 ⇔
X2 Y 2
− + 1 −1=0
2 2
Conica este o hiperbolă. Coordonatele lui O0 ı̂n raport cu reperul iniţial

sunt:
µ ¶ Ã 1 −2 ! Ã 3 ! µ ¶
x0 √ √ √ 1
= 5 5 5 = .
2 1 1
y0 √
5
√
5
− 5
√ 1
În cele ce urmează prezentăm rotaţia şi translaţia axelor şi desenăm ı̂n
noul reper graficul conicei.
−→ − →
Rotaţia sistemului de axe: reperul R = (O; i , j ) trece ı̂n reperul
R0 = (O, − →
e −
→ −
→
1 , e2 ). Ecuaţia dreptei care trece prin origine şi are direcţia e1
este: 2x = y, iar ecuaţia dreptei care trece prin origine şi are direcţia − →
e2
este x = −2y. Sensul axelor (Ox0 , Oy 0 ) este dat de vectorii − →
e −
→
1 , e2 .
Translaţia sistemului de axe: reperul R0 = (O, − →

e −
→
1 , e2 ) trece ı̂n
0 −
→ −
→
reperul R = (O , e1 , e2 ). Ecuaţiile dreptelor care trec prin O0 (1, 1) şi au
00
direcţiile −
→
e −
→
1 respectiv e2 sunt: 2x = y + 1 şi respectiv x = −2y + 3. În acest
ultim reper graficul conicei va fi (figura 1.16):
Figura 1.16.
Exerciţiul 1.39 Să se aducă la forma canonică şi să se deseneze conica:
x2 − 4xy + 4y 2 − 6x + 2y + 1 = 0.
Rezolvare. µ Scriem matriceal
¶ µ ecuaţia
¶ conicei: µ ¶
¡ ¢ 1 −2 x ¡ ¢ −3
x y +2 x y +1=0
−2 4 y 1
µ ¶
1 −2
Matricea formei pătratice este . Deoarece rangul matricei
−2 4
formei pătratice este 1, conica este fără centru. Ecuaţia caracteristică este
λ2 − 5λ = 0 ⇒ λ1 = 0, λ2 =³5. Vectorii´ proprii sunt pentru λ1 = 0, − →1 =
u
−→ − → −→ −
→ →2 = i −2−
−
→ →
2 i + j cu versorul − →1 = √1 2 i + j , iar pentru λ2 = 5, −
e 5
u j
³ ´
−
→ −
→
cu versorul −→
e2 = √5
1
i −2 j .
Ã !
√2 √1
5 5
se modifică deoarece det C = −1.
Matricea de rotaţie C = √1 −2
√
5 5
³ ´
−
→ −
→ 1 −→ −
→
Pentru ca det C = 1 schimbăm sensul vectorului e2 , e2 = 5 − i + 2 j ,
√
Ã !
√2 −1
√
5 5
deci matricea de rotaţie va fi C = √1 √2
. Scriem rotaţia
5 5
µ ¶ Ã 2 −1 ! µ 0 ¶
x √ √ x
= 5 5 .
1 2
y √
5
√
5
y0
0
În urma rotaţiei şi a restrângerii pătratelor
µ ecuaţia
¶ conicei
µ ¶ devine
µ 5(y
¶ −
√ x0
X 0
√1 )2 − 2x0 5 = 0. Efectuăm translaţiaţia = + √1 şi
5 y0 Y 5
1.8. REPERE 105
√
obţinem ecuaţia 5Y 2 − 2X 5 = 0 ⇔ Y 2 = √25 X.
Vârful parabolei va fi ı̂n punctul O0 (0, √15 ), coordonatele sale fiind date
ı̂n reperul R0 = (O; −
→
e −
→ 0
1 , e2 ). Coordonatele lui O ı̂n raport cu reperul iniţial
µ ¶ Ã 2 −1 ! µ ¶ µ 1 ¶
x0 √
5
√
5
0 −5
sunt: = 1 2 1 = 2 .
y0 √
5
√
5
√
5 5
Trasarea graficului:
−
→ −→
Rotaţia sitemului de axe: reperul R = (O; i , j ) trece ı̂n reperul
R0 = (O, − →
e −
→
1 , e2 ). Ecuaţia dreptei care trece prin origine şi are direcţia dată
de vectorul − →
e1 este: x = 2y, iar ecuaţia dreptei care trece prin origine şi
are direcţia → −e2 este 2x = −y. Sensul axelor (Ox0 , Oy 0 ) este dat de vectorii
−→ −
→
e1 , e2 .
Translaţia sistemului de axe: reperul R0 = (O, − →
e −
→
1 , e2 ) trece ı̂n repe-
00 0 −
→ −
→ 0
rul R = (O , e1 , e2 ), unde O va fi vârful parabolei.Ecuaţiile axelor trans-
late vor fi: x − 2y − 1 = 0 şi 2x + y = 0. Cele două sisteme de axe le trasăm
pe acelaşi grafic. În acest ultim reper trasăm graficul parabolei (Figura
1.17):
Figura 1.17.
Exerciţiul 1.40 Să se aducă la forma canonică şi să se deseneze conica:
x2 + 2xy + y 2 + 2x + 2y − 3 = 0.
Rezolvare. µScriem ¶matriceal
µ ¶ ecuaţia conicei: µ ¶
¡ ¢ 1 1 x ¡ ¢ 1
x y +2 x y −3=0
1 1 y 1
µ ¶
1 1
Matricea formei pătratice este . Deoarece rangul matricei formei
1 1
pătratice este 1, conica este fără centru. Ecuaţia caracteristică este λ2 −
2λ = 0 ⇒ λ1 = 0, λ2 = 2. ³ Vectorii´ proprii şi versorii corespunzători
³ sunt:
´
−
→ −→ −→ −
→ 1 −
→ −→ −→ −
→ −
→ −
→ 1 −
→ −
→
u1 = i − j ⇒ e1 = 2 i − j , u2 = i + j ⇒ e2 = 2 i + j .
√ √
Ã !
√1 √1
2 2
Matricea de rotaţie C = are det C = 1. Scriem rotaţia
− √12 √1
2
µ ¶ Ã !µ¶
x √1 √1 x0
= 2 2 . În urma rotaţiei ecuaţia conicei devine
y − √12 √1
2
y0
√ ¡ √ ¢¡ √ ¢
2(y 0 )2 + 2y 0 2 − 3 = 0 ⇔ 2 y 0 + 32 2 y 0 − 12 2 = 0. Rezultă că ecuaţia
reprezintă
√ √două drepte paralele. Înlocuim y 0 din expresia rotaţiei, y 0 =
1 1
2
x 2 + 2 y 2 ı̂n ecuaţia conicei rotită, obţinem ecuaţiile celor două drepte
x+y +3 = 0, x+y −1 = 0 şi le reprezentăm grafic ı̂n sistemul iniţial (Figura
1.18):.
Figura 1.18.
Cuadrice pe ecuaţii generale

O problemă similară se pune pentru suprafeţe din V3 reprezentate prin
−
→ − → − →
ecuaţii algebrice de gradul al doilea. Fie reperul R = (O, i , j , k ) ı̂n V3 .
Definiţia 1.58 Cudrica este locul geometric al punctelor din spaţiu ale
căror coordonate (x, y, z) ı̂n raport cu reperul R, satisfac ecuaţia
⎛ ⎞⎛ ⎞
¡ ¢ a 11 a12 a13 x
(Σ) : x y z ⎝ a12 a22 a23 ⎠ ⎝ y ⎠+
a⎛13 a23⎞ a33 z
¡ ¢ a01
(1.226)
+2 x y z ⎝ a02 ⎠ + a00 = 0,
a03
unde a211 + a212 + a213 + a222 + a223 + a233 6= 0, aij ∈ R, i, j ∈ {0, 1, 2, 3}, i ≤ j.
Ecuaţia (1.226) este scrierea matriceală a ecuaţiei

a11 x2 +a22 y 2 +a33 z 2 +2a12 xy+2a13 xz+2a23 yz+2a01 x+2a02 y+2a03 z+a00 = 0,
ecuaţie de gradul doi ı̂n x, y şi z, ı̂n care cel puţin unul dintre coeficienţii
termenilor de gradul al doilea a11 , a22 , a33 , a12 , a13 , a23 este diferit de zero.
Problema care ne propunem să o rezolvăm: să găsim un reper ı̂n raport
cu care ecuaţia (1.226) să aibă o formă cât mai simplă.
1.8. REPERE 107
Vom studia mai ı̂ntâi forma pătratică q şi o vom aduce la forma canonică.
Tipul cuadricei (1.226) este determinat de expresia termenilor de grad doi,
adică de forma pătratică ⎛ ⎞⎛ ⎞
¡ ¢ a11 a12 a13 x
−
→
q( x ) = x y z ⎝ a12 a22 a23 ⎠ ⎝ y ⎠.
a13 a23 a33 z
−
→ −
→ −→ −
→
unde x =x i + y j + z k .
Conform celor studiate, există o bază ortonormată ı̂n V3 formată din
vectori proprii ai matricei formei pătratice, care este o matrice simetrică, ı̂n
raport cu care forma pătratică are forma canonică. Calculăm valorile proprii
λ1 , λ2 , λ3 şi vectorii proprii corespunzători, determinăm baza ortonormată
{−
→e 1 ,n−→e 2, −
→e 3 } formată
o din vectori proprii. Fie C matricea de trecere de la
−
→ − → − →
baza i , j , k la baza {− →
e 1, −
→
e 2, −
→
e 3 } . Aceasta va fi matricea de rotaţie
şi o alegem ı̂n aşa fel ı̂ncât det C =1. În caz contrar schimbăm orientarea
unui vector dintre vectorii {− → e 1, −→e 2, −
→
e 3 } . Versorii {−→e 1, −
→
e 2, −
→
e 3 } vor da
0 0 0
direcţiile axelor Ox , Oy , Oz ⎛ ⎞ iar rotaţia⎛ 0 ⎞
x x
⎝ y ⎠ = C ⎝ y0 ⎠ (1.227)
z z0
reduce forma pătratică la forma canonică λ1 (x0 )2 + λ2 (y 0 )2 + λ3 (z 0 )2 . În
reperul R = (O, − →
e 1, − →
e 2, −→
e 3 ) ecuaţia (1.226) va avea forma
λ1 (x ) + λ2 (y ) + λ3 (z 0 )2 + 2a001 x0 + 2a002 y 0 + 2a003 z 0 + a00 = 0.
0 2 0 2
(1.228)
Cazul I: forma pătratuică q are rangul 3 (λ1 λ2 λ3 6= 0) . Ecuaţia (1.221)
devine, prin restângerea0 pătratelelor: 0
a a a0
λ1 (x0 + 01 )2 + λ2 (y 0 + 02 )2 + λ3 (z 0 + 03 )2 =
λ1 λ2 λ3
µ 0 ¶2 µ 0 ¶2 µ 0 ¶2
a01 a02 a03 (1.229)
= + + − a00 .
λ1 λ2 λ3
µ 0 ¶2 µ 0 ¶2 µ 0 ¶2
0 a01 a02 a03
Notăm a00 = + + − a00 . Prin translaţia
λ1 ⎛ λ2 0 ⎞ λ3
a01
⎛ 0 ⎞ ⎛ ⎞ ⎜ −λ ⎟
x X ⎜ 0
1 ⎟
⎝ y ⎠ = ⎝ Y ⎠+⎜ −
0 ⎜ a02 ⎟
⎟ ecuaţia (1.226) va căpăta ı̂n reperul
⎜ λ2 ⎟
z0 Z ⎝ a0 ⎠
− 03
λ3
0 0 −
→ −→ −→
R = (O , e 1 , e 2 , e 3 ), forma:
0
λ1 X 2 + λ2 Y 2 + λ3 Z 2 = a00 (1.230)
µ 0 0 0
¶
a01 a 02 a 03
Originea noului reper O0 va avea coordonatele − , − , − ı̂n
λ1 λ2 λ3
reperul R = (O, − e 1, −
→ →
e 2, −
→
e 3 ) şi aplicând (1.227) obţinem coordonatele lui
0
O ı̂n reperul iniţial.
0
Dacă a00 = 0 şi λ1 , λ2 , λ3 au acelaşi semn, cuadrica se reduce la un singur
punct, centrul său.
0
Dacă a00 = 0 şi λ1 , λ2 , λ3 nu au acelaşi semn, cuadrica este un con cu
centrul ı̂n O0 .
0 0
Dacă a00 6= 0 putem ı̂mpărţi cu a00 şi notăm
¯ 0 ¯ ¯ 0 ¯ ¯ 0 ¯
¯ a00 ¯ ¯ ¯ ¯ ¯
¯ ¯ = a2 , ¯ a00 ¯ = b2 , ¯ a00 ¯ = c2 , a > 0, b > 0, c > 0.
¯ λ1 ¯ ¯ λ2 ¯ ¯ λ3 ¯
Ecuaţia (1.230) va avea forma

X2 Y2 Z2
ε1 2 + ε2 2 + ε3 2 = 1,
a b c
cu ε1 , ε2 , ε3 ∈ {−1, 1} .
Dacă ε1 = ε2 = ε3 = 1, cudrica este un elipsoid. Dacă doi dintre aceştia
sunt egali cu 1, de exemplu ε1 = ε2 = 1, iar ε3 = −1, cudrica este un
hiperboloid cu o singură pânză. Dacă doi dintre ei sunt egali cu -1 iar
celălalt este egal cu 1, cuadrica este un hiperboloid cu două pânze. Dacă
ε1 = ε2 = ε3 = −1, cuadrica este mulţimea vidă.
Cazul II: forma pătratică q are rangul 2 (una din valorile proprii este
zero). Presupunem că λ1 6= 0, λ2 6= 0, λ3 = 0. Ecuaţia (1.229) poate fi scrisă
sub forma
µ 0 ¶2 µ 0 ¶2
0 a001 2 0 a002 2 0 a01 a02
λ1 (x + ) + λ2 (y + ) + 2a03 z = + − a00 .
λ1 λ2 λ1 λ2
µ 0 ¶2 µ 0 ¶2
0 a01 a02
Notăm a00 = + − a00 . Prin translaţia
λ1 λ2
⎛ ⎞
⎛ 0 ⎞ ⎛ ⎞ a001
−
x X ⎜ λ1 ⎟
⎝ y 0 ⎠ = ⎝ Y ⎠ + ⎜ a002 ⎟ ⎜
⎟ ecuaţia (1.226) va căpăta ı̂n sistemul
⎝ − ⎠
z0 Z λ2
0
0 0 − → −→ −→
R = (O , e 1 , e 2 , e 3 ), forma:
a0 a0
λ1 (x0 + 01 )2 + λ2 (y 0 + 02 )2 + 2a003 z 0 = a000 .
λ1 λ2
1.8. REPERE 109
µ 0 ¶
0 a01 a002
Originea noului reper O va avea coordonatele − , − , 0 ı̂n repe-
λ1 λ2
rul R = (O, − →e 1, −→
e 2, −
→
e 3 ) şi aplicând (1.227) obţinem coordonatele lui O0
ı̂n reperul iniţial.
Pentru a003 = 0 ecuaţia se reduce la
λ1 X 2 + λ2 Y 2 = a000 (1.231)
Dacă a000 = 0 şi λ1 λ2 > 0, cuadrica se reduce la mulţimea punctelor axei

O0 Z. Dacă a000 = 0 şi λ1 λ2 < 0, cuadrica se reduce la două plane secante,
intersecţia lor fiind axa O0 Z.
Dacă a000 6= 0 prin ı̂mpărţirea la a000 ecuaţia (1.231) se scrie sub forma:
γ1 X 2 + γ2 Y 2 = 1, γ1 γ2 6= 0.
Cuadrica este un cilindru (eliptic dacă γ1 γ2 > 0, hiperbolic dacă γ1 γ2 <
0) cu generatoarele paralele cu axa O0 Z.
Cazul III: forma pătratică q are rangul 1 (două din valorile proprii sunt
zero). Presupunem că λ1 6= 0, λ2 = λ3 = 0. Ecuaţia (1.229) poate fi scrisă
sub forma µ 0 ¶2
0 a001 2 0 0 0 0 a01
λ1 (x + ) + 2a02 y + 2a03 z = − a00 .
λ1 λ1
µ 0 ¶2
0 a01
Notăm a00 = − a00 . Prin translaţia
λ1 ⎛ ⎞
⎛ 0 ⎞ ⎛ ⎞ a001
x X ⎜ − ⎟
⎝ y 0 ⎠ = ⎝ Y ⎠ + ⎜ λ1 ⎟ ecuaţia (1.226) va căpăta ı̂n sistemul
⎝ 0 ⎠
z0 Z
0
0 0 −
→ −
→ −
→
R = (O , e 1 , e 2 , e 3 ), forma:
λ1 X 2 + 2a002 Y + 2a003 Z = a000 .
µ 0 ¶
0 a01
Originea noului reper O va avea coordonatele − , 0, 0 ı̂n reperul
λ1
R = (O, − e 1, −
→ →
e 2, −→
e 3 ) şi aplicând (1.227) obţinem coordonatele lui O0 ı̂n
reperul iniţial.
Dacă a002 6= 0 sau a003 6= 0 cuadrica este un cilindru cu generatoarele
paralele cu dreapta de ecuaţii X = 0, a002 Y + a003 Z = a000 .
Dacă a002 = 0, a003 = 0 ecuaţia cuadricei se reduce la λ1 X 2 = a000 . Dacă
λ1 a000 > 0 cuadrica este formată din două plane paralele. Dacă λ1 a000 < 0
nu există puncte reale care să satisfacă ecuaţia. Dacă λ1 a000 = 0 ⇒ a000 = 0
ecuaţia cuadricei se reduce la ecuaţia a două plane care coincid.
−
→ −→ − →
Exerciţiul 1.41 Se consideră cuadrica care ı̂n reperul R = (O, i , j , k )
are ecuaţia: ⎛ ⎞⎛ ⎞ ⎛ ⎞
¡ ¢ 7 −2 0 x ¡ ¢ −11
x y z ⎝ −2 6 −2 ⎠ ⎝ y ⎠ + 2 x y z ⎝ 14 ⎠ + 36 = 0.
0 −2 5 z −4
Să se aducă cuadrica la forma canonică şi să se precizeze natura ei.
Rezolvare.⎛ Fie A matricea ⎞ formei pătratice
7 −2 0
A = ⎝ −2 6 −2 ⎠ .
0 −2 5
Calculăm polinomul caracteristic P (λ) = λ3 − 18λ2 + 99λ − 162. Va-
lorile proprii sunt λ1 = 9, λ2 = 6, λ3 = 3. Pentru λ1 = 9 vectorul propriu
¡ ¢T
este −→u 1 = 2 −2 1 , pentru λ2 = 6 vectorul propriu este −→
u2 =
¡ ¢T ¡ ¢T
2 1 −2 , pentru λ3 = 3 vectorul propriu este −
→u3 = 1 2 2 .
−
→ ¡ 2 −2 1 ¢T
Baza ortonormată formată din vectorii proprii este e 1 = 3 3 3 ,
−
→ ¡ 2 1 −2 ¢T − → ¡ 1 2 2 ¢T
e2= 3 3 3 , e 3 = 3⎛ 3 3 . ⎞
2 2 1
3 3 3
Cu matricea de rotaţie C = ⎝ − 23 1
3
2
3
⎠ cu det C = 1. efectuăm
1
3
− 23 2
3
rotaţia
⎛ ⎞ ⎛ 2 ⎞⎛ ⎞
2 1
x 3 3 3
x0
⎝ y ⎠ = ⎝ −2 1 2 ⎠ ⎝ y0 ⎠
3 3 3
1
z 3
− 23 2
3
z0
şi obţinem ecuaţia
9(x0 )2 + 6(y 0 )2 + 3(z 0 )2 − 36x0 + 6z 0 + 36 = 0 ⇔
9(x0 − 2)2 + 6y 02 + 3(z 0 + 1)2 − 3 = 0
Efectuăm
⎛ ⎞ translaţia
⎛ ⎞ ⎛ ⎞
x0 X 2
⎝ y0 ⎠ = ⎝ Y ⎠ + ⎝ 0 ⎠
z0 Z −1
9X 2 + 6Y 2 + 3Z 2 − 3 = 0 ⇔ 3X 2 + 2Y 2 + Z 2 − 1 = 0
Suprafaţa este un elipsoid.

Centrul elipsoidului ı̂n reperul R = (O, − →1 , −
u →2 , −
u →3 ) este O0 (2, 0, −1).
u
Coordonatele centrului cuadricei ı̂n raport cu reperul R sunt:
1.8. REPERE 111
⎛ ⎞ ⎛ 2 2 1
⎞⎛ ⎞ ⎛ ⎞
x 3 3 3
2 1
⎝ y ⎠ = ⎝ −2 1 2 ⎠ ⎝ 0 ⎠ = ⎝ −2 ⎠ .
3 3 3
1
z 3
− 23 2
3
−1 0
−
→ −→ − →
Exerciţiul 1.42 Se consideră cuadrica care ı̂n reperul R = (O, i , j , k )
are ecuaţia: ⎛ ⎞⎛ ⎞ ⎛ ⎞
¡ ¢ 0 1 1 x ¡ ¢ −1
x y z ⎝ 1 0 1 ⎠ ⎝ y ⎠ + 2 x y z ⎝ 1 ⎠ + 6 = 0.
1 1 0 z −4
Să se aducă cuadrica la forma canonică şi să se precizeze natura ei.
Rezolvare. ⎛ Fie A matricea
⎞ formei pătratice
0 1 1
A = ⎝ 1 0 1 ⎠.
1 1 0
Calculăm polinomul caracteristic P (λ) = λ3 − 3λ − 2. Valorile proprii
sunt λ1 = λ2 = −1, λ3 = 2. Vectorii proprii sunt: pentru λ1 = −1 vectorii
¡ ¢T ¡ ¢T
proprii sunt − →
u 1 = 1 0 −1 şi −
→u 2 = 0 1 −1 , pentru λ3 = 2
¡ ¢
vectorul propriu este − → T
u3 = 1 1 1 . Observăm că vectorii proprii
corespunzători valorii proprii λ1 = −1 nu sunt ortogonali. Îi ortogonalizăm
aplicând procedeul Gram-Schmidt.
−
→ ¡ ¢T − −→
u 2 ,−
→
v 1 = 1 0 −1 ,→v2=− →
u 2 + α21 − →v 1 , α21 = − hh−→ v 1i
v 1 ,−
→
v 1i
= − 12 ,
−
→ ¡ ¢T 1 ¡ ¢T ¡ 1 ¢T
v 2 = 0 1 −1 − 2 1 0 −1 = − 2 1 − 12
³ ´T
Baza ortonormată formată din vectorii proprii este − →
e 1 = √12 0 − √12 ,
³ ´T ³ ´T
−→e 2 = − √16 √26 √ −1
,−→
e 3 = √13 √13 √13 .
6
⎛ 1 ⎞
√
2
− √16 √13
⎜ √2 √1 ⎟
Cu matricea de rotaţia C = ⎝ 0 6 3 ⎠
cu det C = 1. efectu-
1 1 1
− √2 − √6 √3
ăm rotaţia ⎛ ⎞⎛
⎛ ⎞ √1 √1 √1
⎞
x 2
− 6 3 x0
⎝ y ⎠=⎜ ⎝ 0 √2
⎟
√1 ⎠ ⎝ y 0 ⎠
6 3
z − √12 − √16 √13 z0
√ √
−(x0 )2 − (y 0 )2 + 2(z 0 )2 − 2 3x0 + 2z 0 − 2 2z 0 + 6 = 0 ⇔
√
0
√ 2 0 2 0 2 2
−(x + 3) − (y + 1) + 2(z + ) +6 = 0
2
Efectuăm
⎛ ⎞ translaţia
⎛ ⎞ ⎛ √ ⎞
0 − 3
x X
⎝ y 0 ⎠ = ⎝ Y ⎠ + ⎝ −1 ⎠
√
z0 Z − 22
X2 Y 2 Z2
−X 2 − Y 2 + 2Z 2 + 9 = 0 ⇔ +2 − −1=0
9 9 9
Suprafaţa este un hiperboloid√ cu o pânză.
√ Centrul elipsoidului ı̂n reperul
−→ −
→ −
→ 0 2
R = (O, u1 , u2 , u3 ) este O (− 3, −1, − 2 ). Coordonatele centrului cuadri-
cei ı̂n raport cu reperul R sunt: ⎞
⎛ ⎞ ⎛ √1 √1 √1
⎛ √ ⎞ ⎛ 1√ ⎞
x 2
− 6 3 − 3 − 2 √6
⎝ y ⎠=⎜ ⎝ 0 2 1 ⎟⎝
−1 ⎠ .= ⎝ − 12√ 6 ⎠ .
3 ⎠
√ √
6 √
z − √12 − √16 √13 − 22 1
2
6
Capitolul 2
Completări şi exerciţii
2.1 Numere complexe

Numerele complexe se introduc pornind de la mulţimea numerelor reale.
Necesitatea introducerii lor s-a datorat faptului că unele ecuaţii algebrice
(chiar dintre cele mai simple) nu au rădăcini ı̂n mulţimea numerelor reale,
notată R. Exemplu clasic este ecuaţia: x2 + 1 = 0. Prin număr complex,
notat z, se ı̂nţelege o pereche ordonată de numere reale (a, b) şi se scrie
z = (a, b). Pe mulţimea numerelor complexe, notată C, se introduc două
operaţii, numite adunare şi ı̂nmulţire, după regulile: dacă z1 = (a, b) şi
z2 = (c, d), suma şi produsul lor sunt date de
z1 + z2 = (a + c, b + d) , z1 z2 = (ac − bd, ad + bc) .
Se verifică proprietăţile acestor operaţii, similare cu cele din cazul numerelor
reale (comutativitate, asociativitate, element neutru, etc). Operaţiile cu
numere complexe se simplifică foarte mult, dacă folosim aşa numita formă
algebrică a lor. Vom observa că putem scriem (a, b) = (a, 0) + (0, b) şi că
(0, b) poate fi scris ı̂n forma (b, 0) · (0, 1). Numărul complex (0, 1) se notează
cu j (unitate ”imaginară”) şi se observă că j 2 = j · j = (−1, 0). Dacă facem
convenţia să notăm numărul complex (x, 0) prin x, ∀x ∈ R, atunci putem
scrie mai ı̂ntâi z = (a, 0) + (b, 0) (0, 1) sau mai simplu z = a + bj. Aceasta
este forma algebrică a numărului complex z = (a, b). Calculele care folosesc
forma algebrică se fac după aceleaşi reguli ca şi cum numerele ar fi reale,
ţinând seama că j 2 este egal cu (−1, 0) şi deci se va scrie j 2 = −1.
Exemplul 2.1 Să se calculeze câtul numerelor complexe z1 = (a, b) şi z2 =
(c, d) 6= (0, 0).
113
114 CAPITOLUL 2. COMPLETĂRI ŞI EXERCIŢII
Rezolvare. Aceasta ı̂nseamnă să găsim un număr z = (x, y), astfel ı̂ncât
z1 = z2 · z. Scriind (c, d) · (x, y) = (a, b), găsim (cx − dy, cy + dx) = (a, b),
deci ½
cx − dy = a
dx + cy = b
ac + bd bc − ad
de unde x = 2 2
,y= 2 . Prin urmare, câtul z este
c +d c µ+ d2 ¶
ac + bd bc − ad
z= , .
c2 + d2 c2 + d2
Este ı̂nsă mult mai simplu, să folosim forma algebrică a numerelor z1 şi z2 ,
pentru a afla câtul lor:
z1 a + bj (a + bj) (c − dj) ac + bd bc − ad
z= = = 2 2
= 2 + 2 j .¨
z2 c + dj c +d c + d2 c + d2
Observaţia 2.1 Uneori, se scrie a + jb ı̂n loc de a + bj, ı̂n baza comutativi-
tăţii produsului a două numere complexe. Avem jb = bj, aici fiind vorba de
egalitatea (0, 1) (b, 0) = (b, 0) (0, 1). De exemplu, nu se scrie cos θ + (sin θ) j,
căci este mai simplu să scriem cos θ + j sin θ.
O problemă importantă ı̂n legătură cu numerele complexe este definirea

exponenţialei ı̂n complex, adică definirea numărului complex ez , unde z =
x + jy ∈ C. Dacă vrem să avem ez1 +z2 = ez1 ez2 (ca ı̂n real), trebuie să
impunem condiţia ex+jy = ex ejy , unde x şi y sunt reali. Ne punem problema
cum se defineşte numărul complex ejy , cu y ∈ R. Plecând de la seria (α ∈ R)
α α2 αn
eα = 1 + + +···+ + ···
1! 2! n!
şi ı̂nlocuind formal α cu jy, obţinem
µ ¶
jy y2 y4 y6 y3 y5 y7
e =1− + − + ··· + j y − + − + ···
2! 4! 6! 3! 5! 7!
dacă ţinem seama de egalităţile j 2n = (−1)n şi j 2n+1 = (−1)n j. Sumele

celor două serii din dezvoltarea lui ejy sunt cos y, respectiv sin y. Deci ar
trebui să avem
ejy = cos y + j sin y, ∀y ∈ R
şi prin urmare, vom defini ez prin formula
ex+jy = ex (cos y + j sin y) , ∀z = x + jy ∈ C.
2.1. NUMERE COMPLEXE 115
Se poate ajunge la această definiţie şi pe o cale absolut riguroasă şi mai
mult chiar, se poate demonstra că acesta este singurul mod ı̂n care poate fi
definită funcţia ez ı̂n plan complex, astfel ı̂ncât să păstreze cât mai multe
din proprietăţile funcţiei de variabilă reală f (x) = ex . Astfel, se verifică
uşor că
ez1
ez1 ez2 = ez1 +z2 , z2 = ez1 −z2 , ∀z1 , z2 ∈ C, ez 6= 0, ∀z ∈ C
e
dar apare o mare deosebire faţă de funcţia f (x) = ex de variabilă reală.
Anume, ez are perioada 2πj căci e2πj = cos 2π + j sin 2π = 1. Mai general,
avem
ez+2kπj = ez , ∀z ∈ C şi ∀k ∈ Z.
În schimb, se poate demonstra că funcţia complexă de variabilă complexă

f (z) = ez , are derivată şi f 0 (z) = ez ı̂n orice punct z ∈ C. Se vede uşor că
|ez | = ex , ∀z = x + jy ∈ C
şi că
arg z = y + 2kπ, ∀z 6= 0, z = x + jy ∈ C.
Dacă f = f (t) este o funcţie de variabilă reală t, cu valori complexe:

f (t) = f1 (t) + jf2 (t), definită pe un interval al axei reale, spunem că f
este continuă, dacă funcţiile reale f1 (t) şi f2 (t) sunt continue. Spunem că
f este derivabilă, dacă f1 (t) şi f2 (t) sunt derivabile. Derivata sa, ı̂n raport
cu variabila t, este f 0 (t) = f10 (t) + jf20 (t).
Exemplul 2.2 Fie f (t) = eαt , cu α = a + bj număr complex. Avem

f (t) = eat (cos bt + j sin bt) = eat cos bt + jeat sin bt,
f 0 (t) = aeat cos bt − beat sin bt + jaeat sin bt + jbeat cos bt =
= aeat (cos bt + j sin bt) + bjeat (cos bt + j sin bt) =
= (a + bj) e(a+bj)t ,
0
adică (aαt ) = αeαt , derivarea făcându-se la fel ca şi ı̂n cazul când α este
real.¨
Acest fapt ı̂şi găseşte o aplicaţie importantă la aflarea soluţiei generale

a ecuaţiilor diferenţiale cu coeficienţi constanţi.
Exemplul 2.3 Să considerăm ecuaţia diferenţială

y 00 − 4y 0 + 5y = 0
ı̂n care y = y (x) este funcţia necunoscută. Încercând o soluţie particulară

de forma y = eλx , după derivare şi ı̂nlocuire ı̂n ecuaţie, se ajunge la condiţia
(λ2 − 4λ + 5) eλx = 0, care după simplificare cu eλx se reduce la λ2 −4λ+5 =
0. Aceasta are rădăcinile λ1 = 2 + j şi λ2 = 2 − j. Astfel, am găsit soluţia
particulară y = e(2+j)x = e2x (cos x + j sin x) cu valori complexe. Se arată
uşor că y1 (x) = e2x cos x şi y2 (x) = e2x sin x sunt soluţii particulare reale
şi, aşa cum se ştie, soluţia generală a ecuaţiei date se scrie ı̂n forma
y = e2x (C1 cos x + C2 sin x) , x ∈ (−∞, ∞)
unde C1 şi C2 sunt constante arbitrare.¨

Observaţia 2.2 Ţinând seama de modul ı̂n care s-a definit funcţia f (z) =
ez , pare curioasă legătura care se face ı̂ntre funcţia exponenţială şi funcţiile
trigonometrice cos x şi sin x. Dealtfel, se spune că celebra formulă ejπ = −1
arată ı̂ntr-o formă concisă legătura dintre aritmetică (prin numărul 1),
geometrie (prin numărul π = 3.141592653...), algebră (prin unitatea imagi-
nară j) şi analiza matematică (prin numărul lui Euler, e = 2.718281828...).
Observaţia 2.3 Cu ajutorul exponenţialei, putem defini şi logaritmul com-
plex al oricărui număr z 6= 0. Vom rezolva ecuaţia ew = z şi vom nota w =
log z. Scriind z ı̂n forma trigonometrică z = |z| (cos (arg z) + sin (arg z)) şi
w ı̂n forma algebrică w = u + jv, din egalitatea
eu (cos v + j sin v) = |z| (cos (arg z) + j sin (arg z))
obţinem u = log |z| şi v = arg z, deci

log z = log |z| + j arg z, ∀z 6= 0.
Am folosit notaţia log pentru logaritmul natural (logaritmul ı̂n baza e).
De exemplu, log (−1) = log 1 + j arg (−1) = j (2k + 1) π, ∀k ∈ Z. Din
cauză că argumentul unui număr z 6= 0 are o infinitate de valori, datorată
periodicităţii funcţiilor cos şi sin, putem fixa una dintre ele, de obicei cea
cuprinsă ı̂n intervalul (−π, π], pe care o notăm cu θ. Dacă folosim şi notaţia
|z| = ρ, putem scrie
z = ρejθ şi log z = log ρ + j (θ + 2kπ) , ∀k ∈ Z.
2.2. TRANSFORMĂRI ELEMENTARE 117
2.2 Transformări elementare

Se pot defini următoarele trei tipuri de transformări elementare asupra
liniilor unei matrici.
Definiţia 2.1 Numim transformări elementare asupra liniilor matricei
A următoarele operaţii:
(1) T1 transformarea prin care se ı̂nmulţeşte o linie cu un scalar nenul;
(2) T2 transformarea prin care se schimbă două linii ı̂ntre ele;
(3) T3 transformarea prin care se adună la elementele unei linii ele-
mentele corespunzătoare altei linii ı̂nmulţite cu un scalar.
Orice⎛ matrice⎞ A ∈Mn×m (R) se poate scrie cu ajutorul liniilor sub forma:
L1
⎜ .. ⎟ ¡ ¢
A = ⎝ . ⎠ , unde Li = ai1 . . . aim , i = 1, n.
Ln
Folosind scrierea matricei cu ajutorul liniilor, cele trei transformări ele-
mentare se reprezintă prin schemele: ⎛ ⎞ ⎛ ⎞
L1 L1
⎛ ⎞ ⎛ ⎞ ⎜ .. ⎟ ⎜ .. ⎟
L1 L1 ⎜ . ⎟ ⎜ . ⎟
⎜ .. ⎟ ⎜ .. ⎟ ⎜ ⎟ ⎜ ⎟
⎜ . ⎟ ⎜ . ⎟ ⎜ Li ⎟ ⎜ Lj ⎟
⎜ ⎟ ⎜ ⎟ ⎜ . ⎟ ⎜ ⎟
⎜ Li ⎟ − T ⎜ αL ⎟ , α 6
= 0, ⎜ .. ⎟ T2 ⎜ ... ⎟ ,
⎜ . ⎟ →⎜ . 1 i ⎜ ⎟ →⎜ ⎟
⎝ .. ⎠ ⎝ ..
⎟
⎠ ⎜ L ⎟− ⎜ L ⎟
⎜ j ⎟ ⎜ i ⎟
⎜ . ⎟ ⎜ . ⎟
Ln Ln ⎝ .. ⎠ ⎝ .. ⎠
⎛ ⎞ ⎛ ⎞ Ln Ln
L1 L1
⎜ .. ⎟ ⎜ .. ⎟
⎜ . ⎟ ⎜ . ⎟
⎜ ⎟ ⎜ ⎟
⎜ Li ⎟ ⎜ Li + βLj ⎟
⎜ . ⎟ ⎜ . ⎟
⎜ .. ⎟ T3 ⎜ .. ⎟.
⎜ ⎟− → ⎜ ⎟
⎜ L ⎟ ⎜ L ⎟
⎜ j ⎟ ⎜ j ⎟
⎜ . ⎟ ⎜ . ⎟
⎝ .. ⎠ ⎝ .. ⎠
Ln Ln
Vom arăta că rangul unei matrici ramâne invariant la transformările
elementare aplicate liniilor unei matrice.
Pentru aceasta observăm că transformările elementare asupra liniilor se
realizează ı̂nmulţind la stânga matricea A cu una din matricele:
-pentru transformarea T1 prin care se ı̂nmulţeşte o linie a unei matrice
cu un scalar α 6= 0 se ı̂nmulţeşte la stânga matricea A cu o matrice de tip
n × n de forma:
i
↓
⎛ ⎞
1 0 ... ... 0 .. 0
⎜ .. .. ... ... .. .. .. ⎟
⎜ ⎟
i→ ⎜ ⎜ 0 0 ... 1 0 .. 0 ⎟ ⎟
Mi (α) = ⎜ 0 0 ... ... α .. 0 ⎟ , det(Mi (α)) = α 6= 0
⎜ ⎟
⎝ .. .. ... ... .. .. 0 ⎠
0 0 ... ... 0 .. 1
care are pe diagonala principală 1 cu excepţia poziţiei (i, i) al cărei element
este α 6= 0, iar elementele nediagonale toate sunt egale cu zero.
-pentru transformarea T2 prin care se schimbă ı̂ntre ele două linii se
ı̂nmulţeşte la stânga matricea A cu o matrice de tip n × n de forma:
i j
↓ ↓
⎛ ⎞
1 ... 0 ... 0 .. 0
⎜ .. ... .. ... .. .. .. ⎟
⎜ ⎟
i→ ⎜ ⎜ 0 ... 0 ... 1 .. 0 ⎟
⎟
Mij = ⎜ .. ... .. ... .. .. .. ⎟ , det(Mij ) = 1 6= 0,
⎜ ⎟
j→ ⎜ ⎜ 0 ... 1 ... 0 .. 0 ⎟
⎟
⎝ .. ... .. ... .. .. .. ⎠
0 ... 0 ... 0 .. 1
matrice care are pe diagoonala principală 1 cu excepţia poziţiilor (i, i) şi
(j, j) care sunt egale cu 0, iar elementele care nu sunt pe diagonala principală
sunt zero cu excepţia elementelor de pe poziţiile (i, j) şi (j, i) care sunt egale
cu 1.
-pentru transformarea T3 prin care se adună la linia i linia j ı̂nmulţită
cu un scalar β se ı̂nmulţeşte la stânga matricea A cu o matrice de tip n × n
de forma:
i j
↓ ↓
⎛ ⎞
1 .. 0 .. 0 .. 0
⎜ . .. .. .. . .. . ⎟
⎜ ⎟
i → ⎜ 0 .. 1 .. β . 0 ⎟
⎜ ⎟
Mij (β) = ⎜ . .. .. .. .. .. . ⎟ , det(Mij (β)) = 1 6= 0,
⎜ ⎟
j→ ⎜ ⎜ 0 .. 0 .. 1 .. 0 ⎟
⎟
⎝ . .. .. .. . .. . ⎠
0 .. 0 . 0 . 1
matrice care are pe diagonala principală 1, iar elementele care nu sunt pe
diagonala principală sunt zero cu excepţia elementului de pe poziţia (i, j)
care este egal cu β.

Matricele introduse mai sus Mi (α), Mij , Mij (β) poartă denumirea de
matrice elementare.
Demonstrăm că dacă ı̂nmulţim o matrice la stânga cu matricele nesin-
gulare Mi (α), Mij , Mij (β) atunci rangul matricei nu se modifică.
Dacă A ∈Mn×m (R) atunci ea poate fi privită ca o transformare liniară
de la Rm la Rn . Definim nucleul lui A,
ker(A) = {x ∈ Rm : Ax = θ}
şi imaginea matricei A,
Im(A) = {y ∈ Rn : ∃x ∈ Rm , y = Ax} .
ker(A) şi Im(A) sunt subspaţii liniare ale spaţiilor liniare Rm respectiv Rn ,
conform Teoremei 1.9. Între dimensiunile acestor subspaţii are loc relaţia
m = def(A) + rang(A), conform Teoremei 1.11.
Exerciţiul 2.1 Dacă U este o matrice de tip n × n inversabilă şi A o

matrice de tip n × m atunci ker(UA) = ker(A). Să se deducă de aici că
rang(UA) = rang(A).
Rezolvare. Pentru a demonstra egalitatea mulţimilor ker(UA) = ker(A)

folosim dubla incluziune: ker(UA) ⊂ ker(A) şi ker(A) ⊂ ker(UA). Fie
x ∈ ker(UA), rezultă UAx = θ şi deoarece matricea U este inversabilă,
implică U−1 (UAx) = U−1 θ implică Ax = θ ⇒ x ∈ ker(A). Reciproc, dacă
x ∈ ker(A) rezultă Ax = θ, UAx = Uθ ⇒ UAx = θ deci x ∈ ker(UA).
De aici rezultă ker(UA) = ker(A) ⇒ def(UA) = def(A). Dar n =
def(A) + rang(A) şi n = def(UA) + rang(UA). Rezultă rang(UA) =
rang(A).¨
O aplicaţie practică a transformărilor elementare asupra liniilor unei
matrice este calculul rangului matricei.
Exerciţiul
⎛ 2.2 Să se calculeze
⎞ rangul matricei
1 1 1 1 1
⎜ 3 2 1 1 −3 ⎟
A=⎜ ⎝ 0 1
⎟.
2 2 6 ⎠
5 4 3 3 −1
Rezolvare. S-au aplicat matricele M21 (−3) şi M51 (−5) şi s-a obţinut
coloana ı̂ntâia a matricei unitate:
⎛ ⎞⎛ ⎞
1 0 0 0 1 0 0 0
⎜ 0 1 0 ⎟ ⎜
0 ⎟ ⎜ −3 1 0 0 ⎟
M51 (−5)M21 (−3)A = ⎜
⎝ 0
⎟·
0 1 0 ⎠⎝ 0 0 1 0 ⎠
−5 0 0 1 0 0 0 1
⎛ ⎞ ⎛ ⎞
1 1 1 1 1 1 1 1 1 1
⎜ 3 2 1 1 −3 ⎟ ⎜ 0 −1 −2 −2 −6 ⎟
·⎜
⎝ 0 1 2 2 6 ⎠=⎝ 0
⎟ ⎜ ⎟.
1 2 2 6 ⎠
5 4 3 3 −1 0 −1 −2 −2 −6
S-au aplicat matricele M2 (−1), M12 (−1), M32 (−1) şi M42 (−1) şi s-a
obţinut coloana a doua a matricei unitate: ⎛ ⎞
1 0 0 0
⎜ 0 1 0 0 ⎟
M42 (−1)M32 (−1)M12 (−1)M2 (−1)A = ⎜ ⎝ 0 0 1 0 ⎠·
⎟
0 1 0 1
⎛ ⎞⎛ ⎞⎛ ⎞
1 0 0 0 1 −1 0 0 1 0 0 0
⎜ 0 1 0 0 ⎟ ⎜ 0 1 0 0 ⎟ ⎜ 0 −1 0 0 ⎟
·⎜ ⎟⎜ ⎟⎜
⎝ 0 −1 1 0 ⎠ ⎝ 0 0 1 0 ⎠ ⎝ 0 0 1 0 ⎠ ·
⎟
0 0 0 1 0 0 0 1 0 0 0 1
⎛ ⎞ ⎛ ⎞
1 1 1 1 1 1 0 −1 −1 −5
⎜ 0 −1 −2 −2 −6 ⎟ ⎜ 0 1 2 2 6 ⎟
·⎜
⎝ 0 1
⎟=⎜ ⎟.
2 2 6 ⎠ ⎝ 0 0 0 0 0 ⎠
0 −1 −2 −2 −6 0 0 0 0 0
Numărul de unu care se pot obţine pe diagonala principală, schimbând
eventual coloanele ı̂ntre ele, reprezintă rangul matricei. Rezultă că rangul
matricei A este 2.¨
O altă aplicaţie practică a transformărilor elementare asupra liniilor unei
matrice este un procedeu numeric simplu de calculare a inversei unei matrici.
Reamintim că inversa unei matrici nesingulare A de tip n × n este dată de
relaţia
AA−1 = A−1 A = I, (2.1)
unde I este matricea unitate.

Dacă am aplicat matricei A un număr finit de transformări elementare
succesive E1 E2 ...Ek şi rezultatul acestor operaţii este matricea unitate,
putem scrie
E1 E2 ...Ek A = I. (2.2)
O comparaţie a relaţiilor (2.1) şi (2.2) conduce la relaţia
A−1 = E1 E2 ...Ek .
µ ¶
a11 a12
Exerciţiul 2.3 Fie matricea de ordin doi nesingulară A = cu
a21 a22
∆ = a11 a22 − a12 a21 6= 0. Presupunem că a11 6= 0. Să se prezinte etapele de
calcul al inversei matricei A utilizând transformările elementare.
Rezolvare. Scriem¯ matricea identitate alături de matricea A

µ ¶
a11 a12 ¯¯ 1 0
A=
a21 a22 ¯ 0 1
şi executăm următorii paşi pentru a determina inversa matricei:
1. Se inmulţeşte matricea A cu matricea M1 ( a111 ) pentru a obţine 1 ı̂n
loc de a11 .
µ 1 ¶µ ¯ ¶ µ ¯ 1 ¶
1 a
0 a11 a12 ¯¯ 1 0 1 aa12 ¯
¯ a
0
M1 ( a11 )A = 11 = 11 11 .
0 1 a21 a22 ¯ 0 1 a21 a22 ¯ 0 1
2. Se inmulţeşte prima linie cu a21 şi se scade din linia a doua.
µ ¶µ ¯ 1 ¶
1 0 1 aa12 ¯ 0
M21 (−a21 )A = 11 ¯ a11 =
−a21 1 a21 a22 ¯ 0 1
µ ¯ ¶ µ ¯ 1 ¶
1 a12 ¯ 1
0 1 aa12 ¯ 0
= a11 ¯ a11
= 11 ¯ a11
.
0 a22 − a111 a12 a21 ¯ − a111 a21 1 0 a∆11 ¯ − aa21
11
1
3. Se ı̂mparte linia a doua prin a∆11
µ ¶µ ¯ 1 ¶
1 0 1 aa12 ¯ 0
1 11 ¯ a
M2 ( a11 )A = 11
=
0 a∆11 0 a∆11 ¯ − aa21
11
1
µ ¯ ¶
1 aa12 ¯ 1
0
= 11 ¯ a11 .
0 1 ¯ − ∆1 a21 ∆1 a11
4. Linia a doua se ı̂nmulţeşte cu − a111 a12 şi se adună la linia ı̂ntâia:
µ ¶µ a12 ¯
¯ 1 ¶
1 − aa12 1 a11 ¯ a11
0
M21 (−a21 )A = 11 =
0 1 a21 a22 ¯ − a∆21 a∆11
µ ¯ ¶
1 0 ¯¯ ∆1 a22 − ∆1 a12
= .
0 1 ¯ − ∆1 a21 ∆1 a11
µ 1 ¶
−1 ∆
a22 − ∆1 a12
Rezultă că A = .¨
− ∆1 a21 ∆1 a11
Exerciţiul 2.4 Folosind metoda transformărilor elementare să se deter-

mine inversa matricei
⎛ ⎞
1 −2 1
A = ⎝ 3 −5 2 ⎠ .
−3 −4 5
¡ ¢
Rezolvare. Vom forma matricea A I . Cu ¡ ajutorul
¢ transformărilor el-
ementare¡efectuate
¢ asupra liniilor matricii A I vom aduce matricea
la forma I B . Vom avea A−1 = B.
⎛ ⎞ ⎛ ⎞
1 −2 1 1 0 0 L2 −3L1 →L2 1 −2 1 1 0 0 L1 +2L2 →L1
⎝ 3 −5 2 0 1 0 ⎠ L3 +3L−→ 1 →L3
⎝ 0 1 −1 −3 1 0 ⎠ L3 +10L →L
−→2 3
−3 −4 5 0 0 1 0 −10 8 3 0 1
⎛ ⎞ L1 − 12 L3 →L1 ⎛ 17 1
⎞
1 0 −1 −5 2 0 1 0 0 2
−3 − 2
L − 12 L3 →L2 ⎜ 1 ⎟
⎝ 0 1 −1 −3 1 0 ⎠ 2 −→ ⎝ 0 1 0 21
−4 −
1 2 2 ⎠
− 2 L3 →L3
0 0 −2 −27 10 1 0 0 1 2 −5 − 12
27
⎛ 17 ⎞
2
−3 − 12
⎜ ⎟
Deci A−1 = ⎝ 21
2
−4 − 12 ⎠.¨
27
2
−5 − 12

¯ ¯
¯ 1 1 2 3 ¯
¯ ¯
¯ 1 1 3 4 ¯¯
D= ¯ ¯ .
¯ 2 5 1 −1 ¯¯
¯ −1 −2 2 4 ¯
folosind regula lui Laplace si dezvoltându-l după primele două linii.

¯ ¯ ¯ ¯ ¯ ¯
¯ 1 1 ¯ ¯ 1 −1 ¯ ¯ 1 2 ¯
Rezolvare. D = ¯¯ ¯ · (−1)1+2+1+2 ¯ ¯ ¯
¯ 2 4 ¯ + ¯ 1 3 ¯·
¯
1 1 ¯
¯ ¯ ¯ ¯ ¯ ¯
¯
1+3+1+2 ¯ 5 −1 ¯¯ ¯¯ 1 3 ¯¯ ¯
1+1+2+4 ¯ 5 1 ¯¯
·(−1) ¯ −2 4 ¯ + ¯ 1 4 ¯ · (−1) ¯ −2 2 ¯ +
¯ ¯ ¯ ¯ ¯ ¯
¯ 1 2 ¯ ¯
1+2+2+3 ¯ 2 −1 ¯¯ ¯¯ 1 3 ¯¯
¯ ¯ · (−1)
+¯
1 3 ¯ ¯ −1 4 ¯ + ¯ 1 4 ¯ ·
¯ ¯ ¯ ¯ ¯ ¯
¯
2+1+2+4 ¯ 2 1 ¯¯ ¯¯ 2 3 ¯¯ ¯
1+2+3+4 ¯ 2 5 ¯¯
·(−1) ¯ −1 2 ¯ + ¯ 3 4 ¯ · (−1) ¯ −1 −2 ¯ = −5.¨
Exerciţiul 2.6 Folosind metoda transformărilor elementare să se rezolve

sistemele:
⎧ ⎧
⎪
⎪ 3x − y + z + 5t = 2 ⎪
⎪ x − 2y + 2z + 3t = 5
⎨ ⎨
x − 2y − z − 3t = 4 2x − 3y − 4z + 6t = 2
a) ; b)
⎪
⎪ −2x + 5y + z − 2t = 8 ⎪
⎪ −3x + 4y + z − 6t = 5
⎩ ⎩
−x + y + 2z + 11t = −20 x + 2y + 3z − 8t = −10
Rezolvare. a) Cu ajutorul transformărilor elementare vom aduce matri-

cea extinsă la un sistem echivalent ı̂n care necunoscutele principale vor
corespunde coloanelor matricii unitate care au putut fi formate. Efectuăm
succesiunea de transformări elementare:
⎛ ⎞ ⎛ ⎞
3 −1 1 5 2 1 −2 −1 −3 4 L2 −3L1 →L2
L3 +2L1 →L3
⎜ 1 −2 −1 −3 4 ⎟ L1 ↔L2 ⎜ 3 −1 1 5 2 ⎟
⎜ ⎟ −→ ⎜ ⎟ L4 +L−→1 →L4
⎝ −2 5 1 −2 8 ⎠ ⎝ −2 5 1 −2 8 ⎠
−1 1 2 11 −20 −1 1 2 11 −20
⎛ ⎞ ⎛ ⎞
1 −2 −1 −3 4 1 −2 −1 −3 4 L1 −2L2 →L2
L3 −5L2 →L3
⎜ 0 5 ⎟ ⎜
4 14 −10 ⎟ L2 ↔L3 ⎜ 0 1 −1 −8 16 ⎟ L4 +L2 →L4 ⎟
⎜
⎝ 0 1 −1 −8 16 ⎠ −→ ⎝ 0 5 4 14 −10 ⎠
−→
0 −1 1 8 −16 0 −1 1 8 −16
⎛ ⎞ ⎛ ⎞
1 0 −3 −19 36 1 −2 −1 −3 4
⎜ 0 1 −1 −8 16 ⎟ 19 L3 ↔L3 ⎜ 0 1 −1 −8 16 ⎟ LL12−3L 3 →L1
⎜ ⎟ −→ ⎜ ⎟ +L −→3 →L2
⎝ 0 0 9 54 −90 ⎠ ⎝ 0 0 9 54 −90 ⎠
0 0 0 0 0 0 0 0 0 0
⎛ ⎞
1 0 0 −1 6
⎜ 0 1 0 −2 6 ⎟
⎜ ⎟
⎝ 0 0 1 6 −10 ⎠
0 0 0 0 0
Prin urmare, sistemul este echivalent cu sistemul: x = t + 6, y = 2t + 6,
z = −6t − 10, t ∈ R.
b) Aplicăm transformările elementare asupra matricei extinse a sistemu-
lui:
⎛ ⎞ ⎛ ⎞
1 −2 2 3 5 L2 −2L1 →L2 1 −2 2 3 5 L1 +2L2 →L1
L3 +3L1 →L3
⎜ 2 −3 −4 6 2 ⎟ L4 −L1 →L4 ⎜ 0 1 −8 0 −8 ⎟ LL34 +2L
−4L
2 →L3
2 →L4
⎜ ⎟ −→ ⎜ ⎟ −→
⎝ −3 4 1 −6 5 ⎠ ⎝ 0 −2 7 3 20 ⎠
1 2 3 −8 −10 0 4 1 −11 −15
⎛ ⎞ ⎛ ⎞
1 0 −14 3 −11 1 0 −14 3 −11 LL1 +14L +8L
3 →L1
→L2
⎜ 0 1 −8 0 −8 ⎟ 1
3 →L3 ⎜ 0 1 −8 0 −8 ⎟
2 3
⎜ ⎟ 9 L−→ ⎜ ⎟ L4 −33L3 →L4
−→
⎝ 0 0 −9 3 4 ⎠ ⎝0 0 1 − 13 − 49 ⎠
0 0 33 −11 17 0 0 33 −11 17
⎛ 5
⎞
1 0 0 −3 0
⎜ 0 1 0 −8 0 ⎟
⎜ 3 ⎟
⎝ 0 0 1 −1 0 ⎠
3
0 0 0 0 1
Prin urmare, sistemul este echivalent cu sistemul: x − 53 t = 0, y − 85 t = 0,
z − 13 t = 0, 0 = 1 care este incompatibil.¨
Exerciţiul 2.7 Să se găsească o bază ı̂n subspaţiul lui R4 , subspaţiu definit
de soluţiile sistemului liniar omogen
⎧
⎪
⎪ x − 3y − z + 2t = 0
⎨
x − 4y + 3z + 4t = 0
⎪
⎪ x − y − 9z − 2t = 0
⎩
3x − 10y + z + 8t = 0
Rezolvare. Rezolvăm sistemul:

⎛ ⎞ ⎛ ⎞
1 −3 −1 2 L2 −L1 →L2
1 −3 −1 2
⎜ 1 −4 3 4 ⎟ ⎜
1 →L3 ⎜ 0 −1 4 2 ⎟
⎜ ⎟ L3 −L
−→ ⎟
⎝ 1 −1 −9 −2 ⎠ L4 −3L 1 →L4
⎝ 0 2 −8 −4 ⎠
3 −10 1 8 0 −1 4 2
⎛ ⎞
1 −3 −1 2
⎜
L3 +2L2 →L3 ⎜ 0 −1 4 2 ⎟
−→ ⎟
L4 −L2 →L4 ⎝ 0 0 0 0 ⎠
0 0 0 0
½
x − 3y − z + 2t = 0
Obţinem sistemul echivalent , care are soluţia:
−y + 4z + 2t = 0
x = 13α + 4β, y = 4α + 2β, z = α ∈ R, t = β ∈ R. Prin urmare, subspaţiul
definit de soluţiile sistemului este:
© ¡ ¢ ª
S = x ∈ R4 | x = 13α + 4β 4α + 2β α β , α, β ∈ R .
¡ ¢
¡ Observăm că
¢ orice vector din S este de forma: x = α 13 4 1 0 +
β 4 2 0 1 ≡ αv1 +βv2 , α, β ∈ R. Vectorii v1 şi v2 generează subspaţiul
S şi, deoarece sunt liniar independenţi, formează o bază a subspaţiului S.¨
Exerciţiul 2.8 În spaţiul R4 se dau sistemele de vectori

¡ ¢ ¡ ¢
S1 = {e01 = 1 −2 2 1 , e02 = 2 0 −1 3 ,
¡ ¢ ¡ ¢
e03 = 1 −6 7 0 , e04 = −3 −2 4 −5 },
¡ ¢ ¡ ¢
S2 = {e001 = 2 −1 1 0 , e002 = 2 −5 6 −1 ,
¡ ¢
e003 = 2 −7 −4 1 }
Să se expliciteze subspaţiile [S1 ] ∩ [S2 ] şi [S1 ] + [S2 ], unde am notat cu
[S] mulţimea combinaţiilor liniare ale vectorilor sistemului S.
Rezolvare. Determinăm câte o bază ı̂n cele două subspaţii: S10 ı̂n [S1 ],
respectiv, S20 ı̂n [S2 ].
⎛ ⎞
1 2 1 −3 ¯ ¯
⎜ −2 0 −6 −2 ⎟ ¯ 1 2 ¯
⎜
rang ⎝ ⎟ ¯
= 2, ¯ ¯ 6= 0 ⇒ S10 = {e01 , e02 } ,
2 −1 7 4 ⎠ −2 0 ¯
1 3 0 −5
⎛ ⎞
2 2 2 ¯ ¯
⎜ −1 −5 −7 ⎟ ¯ 2 2 ¯¯
⎜
rang ⎝ ⎟ ¯
= 2, ¯ 6= 0 ⇒ S20 = {e001 , e002 } .
1 6 −4 ⎠ −1 −5 ¯
0 −1 1
Fie x ∈ [S1 ] ∩ [S2 ]. Atunci x ∈ [S10 ] şi x ∈ [S20 ]. Avem
½ ½
x ∈ [S10 ] x = α1 e01 + α2 e02
⇒ ⇒ α1 e01 + α2 e02 = β1 e001 + βe002 .
x ∈ [S20 ] x = β1 e001 + β2 e002
Obţinem sistemul
⎧ ⎧
⎪
⎪ α1 + 2α2 − 2β1 − 2β2 = 0 ⎪
⎪ α1 = −2λ
⎨ ⎨
−2α1 − β1 − 5β2 = 0 α2 = λ
⇔ , λ∈R.
⎪
⎪ 2α 1 − α2 − β1 − 6β2 = 0 ⎪
⎪ β1 = λ
⎩ ⎩
α1 + 3α2 + β2 = 0 β2 = −λ
Deci,
¡ ¢
x = −2λe01 + λe02 = λ (−2e01 + e02 ) = λ 0 4 −5 1 , sau
¡ ¢
x = λe001 − λe002 = λ (e001 − e002 ) = λ 0 4 −5 1 .
Astfel
© ¡ ¢ ª
[S1 ] ∩ [S2 ] = x ∈ R4 | x = λ 0 4 −5 1 , λ ∈ R .
Fie x ∈ [S1 ] + [S2 ]. Rezultă că x = x0 + x00 cu x0 ∈ [S10 ] şi x00 ∈

[S20 ], adică x ∈ [S10 ∪ S20 ]. Subspaţiul [S1 ] + ⎛ 0 0
⎞1 ∪ S2 ].
[S2 ] este generat de [S
1 2 2 2
⎜ −2 0 −1 −5 ⎟
Să determinăm o bază ı̂n [S10 ∪ S20 ]. rang ⎜ ⎝ 2 −1 1
⎟ = 3,
6 ⎠
¯ ¯ 1 3 0 −1
¯ 1 2 2 ¯
¯ ¯
¯ −2 0 −1 ¯ 6= 0.Deci [S1 ] + [S2 ] este generat de e01 , e02 şi e001 :
¯ ¯
¯ 2 −1 1 ¯
© ª
[S1 ] + [S2 ] = x ∈ R4 , x = αe01 + βe02 + γe001 , α, β, γ ∈ R .¨
Exerciţiul 2.9 Se consideră sistemul de vectori:

© ¡ ¢ ¡ ¢ª
S = e1 = 1 3 −1 2 , e2 = −2 1 0 3 .
Să se completeze S până la o bază ı̂n R4 .
Rezolvare. În R4 orice patru vectori liniar independenţi

¡ formează bază.¢
Vom completa
¡ sistemul de¢ vectori S cu doi vectori: e3 = a1 a2 a3 a4
şi e4 = b1 b2 b3 b4 astfel ı̂ncât sistemul {e1 , e2 , e3 , e4 } să fie liniar
independent. Din α1 e1 + α2 e2 + α3 e3 + α4 e4 = θ rezultă sistemul
⎧
⎪
⎪ α1 − 2α2 + a1 α3 + b1 α4 = 0
⎨
3α1 + α2 + a2 α3 + b2 α4 = 0
.
⎪
⎪ −α1 + a3 α3 + b3 α4 = 0
⎩
2α1 + 3α2 + a4 α3 + b4 α4 = 0
Vectorii e1 , e2 , e3 , e4 vor fi liniar independenţi dacă sistemul va admite

o singură soluţie, soluţia banală. Deci determinantul sistemului trebuie să
fie diferit de zero: ¯ ¯
¯ 1 −2 a1 b1 ¯
¯ ¯
¯3 1 a2 b2 ¯¯
¯
∆=¯ ¯ 6= 0.
¯−1 0 a3 b3 ¯
¯2 3 a4 b4 ¯
¯ ¯
¯1 −2¯
Deoarece ¯¯ ¯ = 7 6= 0, putem lua a1 = a2 = b1 = b2 = 0 şi astfel
¯
¯ ¯ ¯3 1 ¯ ¯ ¯
¯1 −2¯ ¯a3 b3 ¯ ¯a3 b3 ¯
∆ = ¯¯ ¯·¯ ¯. Condiţia ∆ 6= 0 este echivalentă cu ¯ ¯
¯a4 b4 ¯ 6= 0. Fie
3 1 ¯ ¯a4 b4 ¯
a3 = a4 = b3 = −b4 = 1. Obţinem
2.3. MATRICE BLOC 127
¯ ¯ ¯ ¯
¯1 −2¯ ¯1 1 ¯
¯
∆=¯ ¯ · ¯ ¯ = 7 · (−2) = −14 6= 0.
3 1 ¯ ¯1 −1¯
¡ ¢ ¡ ¢
Deci e3 = 0 0 1 1 , e4 = 0 0 1 −1 .¨
2.3 Matrice bloc

Definiţia 2.2 O matrice bloc M este o matrice construită cu ajutorul
altor matrice de ordin mai mic. Aceste matrice mai mici se numesc blocuri
sau submatrice ale lui M.
De exemplu dacă considerăm matricele A ∈Mm×n (R) B ∈Mm×p (R),

C ∈Mq×n µ(R) şi D¶∈Mq×p (R) atunci matricea
A B
M=
C D
este o matrice bloc, M ∈M(m+q)×(n+p) (R).
Exerciţiul 2.10 Dacă două matrice au aceeaşi configuraţie şi matricele di-
agonale sunt matrice pătratice atunci cele două matrice se pot ı̂nmulţi după
o regulă similară cu regula de ı̂nmulţire a matricelor. Astfel dacă considerăm
matricele A1 , A2 ∈Mn×n (R), B1 , B2 ∈Mn×m (R), C1 , C2 ∈Mm×n (R) şi D1 ,
D2 ∈Mm×m (R) atunci
µ ¶µ ¶ µ ¶
A1 B1 A2 B2 A1 A2 + B1 C2 A1 B2 + B1 D2
= .¨
C1 D1 C2 D2 C1 A2 +D1 C2 C1 B2 +D1 D2
Definiţia 2.3 Dacă A1 , A2 , ..., Ap sunt matrice pătratice (pot fi de dimen-

siuni diferite), numim sumă directă a matricelor A1 A2 , ..., Ap matricea
⎛ ⎞
A1 0 0 0
£ ¤ ⎜⎜ 0 A2 0 0 ⎟ ⎟
diag A1 A2 , ..., Ap = ⎜ .. .. . . .. ⎟
⎝ . . . . ⎠
0 0 0 Ap
unde blocurile din afara diagonalei sunt zero.
Exerciţiul
µ 2.11 ¶ Să se determine inversa matricei bloc Q de forma:
A 0
Q=
0 B
ştiind că matricele A şi B sunt pătratice (pot fi de dimensiuni diferite)
inversabile.
Rezolvare. µ Se−1verifică ¶
imediat că matricea
−1 A 0
Q =
0 B−1
verifică relaţiile Q−1 Q = QQ−1 = I.¨
µ ¶
A B
Exerciţiul 2.12 Să se arate că inversa matricei bloc P = este
µ −1 ¶ C D
−1 A (I + BFCA−1 ) −A−1 BF
P =
−FCA−1 F
¡ −1
¢−1
unde F = D − CA B .
Rezolvare. Înmulţim la stânga matricea P cu o matrice astfel ı̂ncât ma-

tricea
µ obţinută să ¶
aibă
µ zero sub ¶ diagonala
µ pricipală: ¶
I 0 A B A B
= .
−CA−1 I C D 0 −CA−1 B + D
Matricea obţinută o ı̂nmulţim la dreapta cu o matrice astfel aleasă ı̂ncât
desupra
µ digonalei principale
¶µ să¶obţinem
µ zero: ¶
I 0 A B I −A−1 B
−1 =
−CA
µ I C D¶ µ 0 I ¶ µ ¶
A B I −A−1 B A 0
= = .
0 −CA−1 B + D 0 I 0 −CA−1 B + D
µ Plecăm de la ¶µ relaţia ¶ µ ¶ µ ¶
I 0 A B I −A−1 B A 0
=
−CA−1 I C D 0 I 0 −CA−1 B + D
inversăm ambii membrii
µ ¶−1 µ ¶−1 µ ¶−1
I −A−1 B A B I 0
=
0 I C D −CA−1 I
µ ¶−1
A 0 (2.3)
= .
0 −CA−1 B + D
Dar,
µ conform exerciţiului ¶−12.11:
µ −1 ¶
A 0 A 0
= ¡ ¢−1 .
0 −CA−1 B + D 0 −CA−1 B + D
¡ ¢−1
Notăm cu F = −CA−1 B + D . Înmulţind la stı̂nga şi la dreapta
relaţia
µ (2.3) cu¶matricele µ ¶
I −A−1 B I 0
şi respectiv , obţinem:
0 I −CA−1 I
µ ¶−1 µ ¶ µ −1 ¶µ ¶
A B I −A−1 B A 0 I 0
= ,
C D 0 I 0 F −CA−1 I
2.3. MATRICE BLOC 129
µ ¶−1 µ ¶µ ¶
A B A−1 −A−1 BF I 0
= ,
C D 0 F −CA−1 I
µ ¶−1 µ −1 ¶
A B A (I + BFCA−1 ) −A−1 BF
= .¨
C D −FCA−1 F
Exerciţiul
µ 2.13 ¶Să se determine determinantul matricei bloc Q de forma:
A B
Q= .
0 C
Rezolvare. Aplicând regula lui Laplace generalizată rezultă că
det(Q) = det(A) det(C).¨
Exerciţiul 2.14 Să se calculeze determinantul matricei bloc P, dacă A şi
D sunt matrici
µ pătratice
¶ şi măcar una dintre ele este nesingulară.
A B
P= .
C D
Rezolvare. Dacă matricea A este inversabilă atunci ı̂nmulţim la dreapta
matricea P cu o matrice astfel ı̂ncât matricea obţinută să aibă zero deasupra
diagonalei
µ principale:
¶µ ¶ µ ¶
A B I −A−1 B A 0
=
C D 0 I C D − CA−1 B
şi calculând determinantul ambilor membrii obţinem
det(P) = det(A) det(D − CA−1 B). Dacă AC = CA obţinem că
det(P) = det(AD − CB).
Dacă matricea D este inversabilă atunci ı̂nmulţim la stânga matricea
P cu o matrice astfel ı̂ncât matricea obţinută să aibă zero sub diagonala
principală:
µ ¶µ ¶ µ ¶
A B I 0 A − BD−1 C B
=
C D −D−1 C I 0 D
şi calculând determinantul ambilor membrii obţinem
det(P) = det(D) det(A − BD−1 C). Dacă CD = DC obţinem că
det(P) = det(AD − CB).¨
Teorema 2.1 Dacă A este o matrice de ordin n × n, B este o matrice de

ordin m µ × n şi ¶
A 0
C=
0 B
suma directă a matricelor A şi B atunci matricea C este diagonalizabilă
dacă şi numai dacă A şi B sunt diagonalizabile.
Demonstraţie. Necesitatea. Presupunem că matricea C este diagonaliz-

abilă, rezultă că există o matrice H nesingulară de ordin n + m astfel ı̂ncât
H−1 CH = diag [λ1 , λ2 , ..., λn+m ] .
Dacă scriem matricea H cu ajutorul coloanelor,
H = col [H1 , H2 , ..., Hn+m ]
¡ ¢T
unde Hi = s1i · · · sni qn+1,i · · · qn+m,i atunci CHi = λi Hi .
¡ ¢T ¡ ¢T
Dacă notăm Si = s1i · · · sni , Qi = qn+1,i · · · qn+m,i a-
tunci ASi = λi Si şi BQi = λi Qi .
Dacă am avea mai puţin de n vectori liniar independenţi ı̂n mulţimea
de vectori S1 , ..., Sn+m atunci rangul matricei col [S1 , S2 , ..., Sn+m ] ar fi mai
mic decât n. La fel şi pentruµ matricea col [Q1 , ¶
Q2 , ..., Qn+m ] . În oricare
S1 S2 · · · Sn+m
din cazuri matricea H = ar avea rangul mai mic
Q1 Q2 · · · Qn+m
decât n + m, fals deoarece matricea H este inversabilă. Deci există exact n
vectori proprii liniar independenţi ı̂n mulţimea S1 , ..., Sn+m şi cum aceştia
sunt vectori proprii pentru A, rezultă că A este diagonalizabilă. Analog se
arată că matricea B este diagonalizabilă.
Reciproc. Presupunem că A şi B sunt diagonalizabile, deci există două
matrici P1 , de ordin n, şi P2 , de ordin m, nesingulare astfel ı̂ncât matricele
P−1 −1
1 AP1 şi P2 BP2 sunt matrici diagonale, deci matricea P CP este
−1
diagonalăµ unde matricea

¶ P este
P1 0
P=
0 P2
nesingulară (det P = ( det P1 )(det P2 ) 6= 0).¥
2.4 Transformări liniare

Exerciţiul 2.15 Se dau transormările liniare:
f : R3 → R4 , f (x) = (x1 + x2 , 2x1 − x2 + x3 , −x1 + 2x3 , 3x3 ) ,
g : R4 → R3 , g (y) = (y1 + y2 − y3 − y4 , 2y2 − 3y4 , y1 − y3 + 2y4 ) .
Să se calculeze nucleele şi imaginile aplicaţiilor f şi g. Să se calculeze

aplicaţiile compuse f ◦g şi g◦f . Să se verifice că matricea aplicaţiei compuse
este egală cu produsul matricelor celor două aplicaţii.
Rezolvare. Deoarece ker f = {x ∈ R3 , f (x) = θ}, obţinem sistemul

2.4. TRANSFORMĂRI LINIARE 131
⎧
⎪ x1 + x2 = 0 ⎧
⎪
⎨ ⎨ x1 = 0
2x1 − x2 + x3 = 0
⇔ x2 = 0 .
⎪
⎪ −x1 + 2x3 = 0 ⎩
⎩ x3 = 0
3x3 = 0
Deci ker f = {θ}. Din Im f = {y ∈ R4 , ∃x ∈ R3 , f (x) = y}, rezultă
sistemul ⎧
⎪
⎪ x1 + x2 = y1
⎨
2x1 − x2 + x3 = y2
.
⎪
⎪ −x1 + 2x3 = y3
⎩
3x3 = y4
Cum rangul matricei sistemului este 3, rezultă că sistemul este compatibil
dacă ¯ ¯
¯1 1 0 y ¯
¯ 1 ¯
¯ 2 −1 1 y2 ¯
¯ ¯
¯−1 0 2 y3 ¯ = 0 ⇔ 3y1 + 3y2 + 9y3 − 7y4 = 0.
¯ ¯
¯0 0 3 y4 ¯
© ¡ ¢ ª
Deci Im f = y = y1© y2 y3 y4 ¡ ∈ R4 , 3y1 + 3y ¢ 2 + 9y 3 −
ª 7y4 = 0 .
Analog, obţinem ker g = x ∈ R4 , x = α 0 α 0 , α ∈ R şi Im g =
R3 . Avem
rang f = 3, def f = 0,
rang g = 3, def g = 1.
Să calculăm acum aplicaţiile compuse.
(f ◦ g) (y) =
= ( y1 +3y2 −y3 −4y4 3y1 −3y3 +3y4 y1 −y2 −y3 +5y4 3y1 −3y3 +6y4 )
Analog,
(g ◦ f ) (x) =
= ( 4x1 − 4x3 4x1 − 2x2 − 7x3 2x1 + x2 + 4x3 )
În perechea de baze canonice din cele două spaţii aplicaţiile vor avea
matricele: ⎛ ⎞
1 1 0 ⎛ ⎞
⎜ 2 −1 1 ⎟ 1 1 −1 −1
(f )B1 ,B2 = ⎜ ⎟
⎝ −1 0 2 ⎠ , (g)B2 ,B1 = ⎝ 0 2 0 −3 ⎠ ,
1 0 −1 2
0 0 3
⎛ ⎞
1 3 −1 −4 ⎛ ⎞
⎜ 3 0 −3 3 ⎟ 4 0 −4
(f ◦ g)B2 = ⎜ ⎝ 1 −1 −1 5
⎟,
⎠ (g ◦ f )B1 = ⎝ 4 −2 −7 ⎠ .
2 1 4
3 0 −3 6
Observăm că (f ◦ g)B2 = (f )B1 ,B2 · (g)B2 ,B1 şi (g ◦ f )B1 = (g)B2 ,B1 ·
(f )B1 ,B2 .¨
Exerciţiul 2.16 În R3 se dau bazele

© ¡ ¢ ¡ ¢ ¡ ¢ª
B1 = u1 = 1 2 −2 , u2 = 0 2 −1 , u3 = 1 −2 1 ,
© ¡ ¢ ¡ ¢ ¡ ¢ª
B2 = v1 = 1 1 0 , v2 = −1 1 −1 , v3 = 2 0 −1 .
Să se determine aplicaţia liniară f care duce vectorii bazei B1 ı̂n vectorii
bazei B2 . Să se determine matricea aplicaţiei ı̂n fiecare din bazele: standard,
B1 , B2 . Să se determine f (x), unde x = (2, 2, 2) , coordonatele fiind date
ı̂n baza standard din R3 .
Rezolvare. Fie B = {e1 , e2 , e3 } baza standard a spaţiului. Avem
f (u1 ) = v1 ⇔ f (e1 ) + 2f (e2 ) − 2f (e3 ) = e1 + e2 ,
f (u2 ) = v2 ⇔ 2f (e2 ) − f (e3 ) = −e1 + e2 − e3 ,
f (u1 ) = v3 ⇔ f (e1 ) − 2f (e2 ) + f (e3 ) = 2e1 − e3 .
Obţinem astfel un sistem ı̂n care necunoscutele sunt f (e1 ), f (e2 ) şi
f (e3 ). Soluţia sistemului este
f (e1 ) = e1 + e2 − 2e3 ,
f (e2 ) = −e1 + e2 − 2e3 ,
f (e3 ) = −e1 + e2 − 3e3 .
Scriind ultimele trei relaţii sub formă matriceală
⎛ ⎞ ⎛ ⎞⎛ ⎞
f (e1 ) 1 1 −2 e1
⎝ f (e2 ) ⎠ = ⎝ −1 1 −2 ⎠ ⎝ e2 ⎠ ,
f (e3 ) −1 1 −3 e3
obţinem matricea aplicaţiei f ı̂n baza canonică
⎛ ⎞
1 −1 −1
(f )B = ⎝ 1 1 1 ⎠.
−2 −2 −3
Matricele de trecere de la baza canonică la bazele B1 , respectiv B2 , sunt
⎛ ⎞ ⎛ ⎞
1 0 1 1 −1 2
C1 = ⎝ 2 2 −2 ⎠ , C2 = ⎝ 1 1 0 ⎠.
−2 −1 1 0 −1 −1
Astfel matricele lui f ı̂n bazele B1 , respectiv B2 , sunt
⎛ ⎞ ⎛ ⎞
0 −1 −2 −1 1 2
1⎝ 1
(f )B1 = C−1
1 (f )B C1 = 2 3 4 ⎠ (f )B C1 = ⎝ 5 −3 0 ⎠ ,
2 2
2 1 2 3 −3 2
⎛ ⎞ ⎛ ⎞
1 3 2 −1 1 2
1⎝ 1
(f )B2 = C−1
2 (f )B C2 = −1 1 −2 ⎠ (f )B C2 = ⎝ 5 −3 0 ⎠ .
4 2
1 −1 −2 3 −3 2
Observăm că aplicaţia lliniară f are aceeaşi matrice ı̂n bazele B1 şi B2 .
Să calculăm f (x) folosind matricea lui f ı̂n baza canonică.
⎛ ⎞⎛ ⎞ ⎛ ⎞
1 −1 −1 2 −2
⎝ 1 1 1 ⎠⎝ 2 ⎠ = ⎝ 6 ⎠.
−2 −2 −3 2 −14
Deci, f (x) = −2e1 + 6e2 − 14e3 = (−2, 6, −14). Să calculăm f (x)
folosind matricea lui f ı̂n baza B1 . Pentru aceasta vom calcula coordonatele
lui x ı̂n baza B1 . Descompunând x după vectorii bazei B1 , obţinem
⎧ ⎧
⎪
⎨ α1 + α 3 = 2 ⎪
⎨ α1 = −3
2α1 + 2α2 − 2α3 = 2 ⇔ α2 = 9 .
⎪
⎩ −2α − α + α = 2 ⎪
⎩ α =5
1 2 3 3
Deci, x = −3 u1 + 9 u2 + 5 u3 = −3u1 + 9u2 + 5u3 .

⎛ ⎞⎛ ⎞ ⎛ ⎞ ⎛ ⎞
−1 1 2 −3 22 11
1⎝ 1
5 −3 0 ⎠ ⎝ 9 ⎠ = ⎝ −42 ⎠ = ⎝ −21 ⎠ .
2 2
3 −3 2 5 −26 −13
Aşadar, f (x) = 11u1 − 21u2 − 13u3 . Pentru verificare, ı̂nlocuim fiecare din
vectorii ui cu descompunerile lor după baza canonică şi obţinem
f (x) = 11 (e1 + 2e2 − 2e3 ) − 21 (2e2 − e3 ) − 13 (e1 − 2e2 + e3 ) =

= −2e1 + 6e2 − 14e3 = (−2, 6, −14) .¨
Exerciţiul 2.17 Fie matricea⎛ ⎞

−3 −7 −5
A= ⎝ 2 4 3 ⎠.
1 2 2
Să se studieze dacă matricea este diagonalizabilă şi ı̂n caz afirmativ să
se determine o matrice diagonală şi o matrice modală.
Rezolvare. Pentru determinarea valorilor proprii calculăm polinomul ca-

racteristic:
¯ P (λ)¯ = ¯λ3 − δ1¯λ2 +
¯ δ2 λ − δ3 ,¯δ1 = −3 + 4 + 2 = 3,
¯ −3 −7 ¯ ¯ 4 3 ¯ ¯ −3 −5 ¯
δ2 = ¯¯ ¯+¯ ¯+¯ ¯ = 3, δ3 = det A = 1 rezultă
2 4 ¯ ¯ 2 2 ¯ ¯ 1 2 ¯
P (λ) = −(λ − 1)3 ⇒ λ1 = λ2 = λ3 = 1, n1 = 3.
Matricea admite o singură valoare proprie λ = 1 cu multiplicitatea al-
gebrică 3. Pentru determinarea vectorilor proprii rezolvăm sistemul
¡ ¢T
(I − A)x = θ ⇒ x1 = −3x3 , x2 = x3 ⇒ x = x3 −3 1 1 . Rezultă
că nu este posibil să determinăm 3 vectori proprii liniar independenţi cores-
punzător valorii proprii 1, deci matricea nu este diagonalizabilă.¨
Exerciţiul 2.18 Fie matricea

⎛ ⎞
1 0 0 1
⎜ 0 1 0 0 ⎟
A=⎜
⎝ 0
⎟.
0 1 −2 ⎠
1 0 −2 5
Să se studieze dacă matricea este diagonalizabilă şi ı̂n caz afirmativ să
se determine o matrice diagonală şi o matrice modală.
Rezolvare. Pentru determinarea valorilor proprii calculăm polinomul ca-

racteristic: P (λ) = λ4 −8λ3 +13λ2 −6λ = λ(λ−6)(λ−1)2 . Valorile proprii şi
multiplicităţile lor sunt λ1 = 0, n1 = 1; λ2 = 6, n2 = 1; λ3 = λ4 = 1, n3 = 2.
Pentru λ1 = 0, rezolvăm sistemul Ax = θ ⇒ x1 + x4 = 0, x2 = 0,
¡ ¢T
x3 − 2x4 = 0 ⇒ x = x4 −1 0 2 1 , x4 ∈ R.
Pentru λ2 = 6, Ax =6x ⇒ x1 − 5 x4 = 0, x2 = 0, x3 + 25 x4 = 0 ⇒
1
¡ ¢T
x = x4 − 15 0 − 25 1 , x4 ∈ R.
Pentru λ3 = λ4 = 1, Ax = x ⇒x1 − 2x3 = 0, x4 = 0 ⇒
¡ ¢T ¡ ¢T
x = x2 0 1 0 0 + x3 2 0 1 0 , x2 , x3 ∈ R.
Deoarece am determinat 4 vectori proprii liniar independenţi rezultă
că matricea este diagonalizabilă, o matrice diagonală şi una modală sunt,
respectiv⎛ ⎞ ⎛ ⎞
0 0 0 0 −1 0 2 − 15
⎜ 0 1 0 0 ⎟ ⎜ 0 1 0 0 ⎟
J=⎜ ⎟ ⎜
⎝ 0 0 1 0 ⎠, H = ⎝ 2 0 1 − 2 ⎠ .¨
⎟
5
0 0 0 6 1 0 0 1

⎛ ⎞
0 2 0 −1
⎜ 1 0 0 0 ⎟
A=⎜ ⎝ 0 1 0 0 ⎠.
⎟
0 0 1 0
Să se determine o formă canonică Jordan şi o bază Jordan.
Rezolvare. Calculăm polinomul caracteristic: δ1 = 0, δ2 = −2, δ3 = 0,
δ4 = 1; P (λ) = (λ − 1)2 (λ + 1)2 . Valorile proprii şi multiplicităţile lor sunt
λ1 = 1, n1 = 2; λ2 = −1, n2 = 2.
Calculăm pentru λ1 = 1, d1 = 4 − rang(I4 − A), dar rang(I4 − A)= 3 ⇒
d1 = 1. Deci pentru λ1 = 1 avem o singură serie de vectori proprii şi
asociaţi, serie de lungime m1 = 2. Pentru a determina capul de serie căutăm
soluţiile sistemului (I4 − A)2 x=θ,
⎛ ⎞ ⎛ ⎞
3 −4 −1 2 1 −2 1 0
⎜ −2 3 0 −1 ⎟ L1 ↔L3 ⎜ −2 3 0 −1 ⎟ LL23 +2L
−3L
1 →L2
1 →L3
⎜ ⎟ → ⎜ ⎟
⎝ 1 −2 1 0 ⎠ ⎝ 3 −4 −1 2 ⎠ −→
0 1 −2 1 0 1 −2 1
⎛ ⎞ ⎛ ⎞
1 −2 1 0 1 −2 1 0
⎜ 0 −1 2 −1 ⎟ L2 →−L2 ⎜ 0 1 −2 1 ⎟ LL13 +2L 2 →L1
⎜ ⎟ −→ ⎜ ⎟ −3L −→ 3 →L3
⎝ 0 2 −4 2 ⎠ ⎝ 0 2 −4 2 ⎠ L4 −L 2 →L4
0 1 −2 1 0 1 −2 1
⎛ ⎞
1 0 −3 2
⎜ 0 1 −2 1 ⎟
⎜ ⎟
⎝ 0 0 0 0 ⎠.
0 0 0 0
¡ ¢T ¡ ¢T
Rezultă u = 3α − 2β 2α − β α β =α 3 2 1 0 +
¡ ¢T (1) ¡ ¢T
+β −2 −1 0 1 , de unde u1 = 3 2 1 0 ,
(1) ¡ ¢T
u2 = −2 −1 0 1 . Calculăm
(1) (1) ¡ ¢T
z1 = (I4 − A)u1 = −1 −1 −1 −1 ,
(1) (1) ¡ ¢T
z2 = (I4 − A)u2n = 1 o1 1 1 .
(1) (1)
Observăm că z1 , z2 sunt liniar dependenţi, de aceea vom considera
unul din cei doi vectori drept cap de serie. Capul de serie va fi, de exemplu,
(1) ¡ ¢T (1) (1)
v1 = 1 1 1 1 , iar vectorul propriu asociat va fi v2 = u2 sau
(1) (1) (1)
u1 . Considerăm, de exemplu, v2 = u2 (baza Jordan nu este unică)
Concluzie: npentru valoarea
o proprie 1 avem o serie de un vector propriu
(1) (1)
şi un asociat, v1 , v2 şi ei ı̂i corespunde o celulă Jordan de ordin 2.
Calculăm pentru λ2 = −1, d2 = 4 − rang(A + I4 ). Dar rang(A)= 3,

rezultă că pentru λ2 avem o singură serie de vectori proprii şi asociaţi,
serie de lungime 2. Pentru a determina capul de serie determinăm soluţiile
¡ ¢T
sistemului (A + I4 )2 x = θ. Rezultă u = 3α + 2β −2α − β α β
¡ ¢T ¡ ¢T
= α 3 −2 1 0 +β 2 −1 0 1 , de unde
(2) ¡ ¢T (2) ¡ ¢T
u1 = 3 −2 1 0 , u2 = 2 −1 0 1 .
(2) (2) ¡ ¢T
Calculăm z1 = (A + I4 )u1 = −1 1 −1 1 ;
(2) (2) ¡ ¢T
z2 = (A + I4 )u2n = −1o 1 −1 1 .
(2) (2)
Observăm că z1 , z2 sunt liniar dependenţi (identici), de aceea vom
considera unul din cei doi vectori. Capul de serie va fi
(2) ¡ ¢T
v1 = −1 1 −1 1 , iar vectorul propriu asociat va fi, de exemplu,
(2) (2)
v2 = u1 .
Concluzie: npentru valoarea
o proprie −1 avem o serie de un vector propriu
(2) (2)
şi un asociat, v1 , v2 şi ei ı̂i corespunde o celulă Jordan de ordin 2.
Matricea
⎛ Jordan, respectiv
⎞ matricea
⎛ modală, vor
⎞ fi
1 1 0 0 1 −2 −1 2
⎜ 0 1 0 0 ⎟ ⎜ ⎟
J=⎜ ⎟ , H = ⎜ 1 −1 1 −1 ⎟ .¨
⎝ 0 0 −1 1 ⎠ ⎝ 1 0 −1 0 ⎠
0 0 0 −1 1 1 1 1
⎛ ⎞
6 6 −15
A = ⎝ 1 5 −5 ⎠ .
1 2 −2
Să se determine forma canonică Jordan şi o bază Jordan.
Rezolvare. Calculăm polinomul caracteristic: δ1 = 9, δ2 = 27, δ3 = 27;
P (λ) = (λ − 3)3 , λ1 = 3, n1 = 3. Calculăm pentru λ1 = 3, d1 = 3 −
rang(3I3 − A) = 2. Rezultă că pentru λ1 = 3 avem două serii de vectori
proprii şi asociaţi. Deoarece ordinul de multiplicitate a rădăcinii λ1 = 3 este
3, şi având două serii, singura posibilitate este de a avea o serie de lungime
1 şi una de lungime 2.
Calculăm capii de serie: calculăm capul de serie pentru seria de lungime
2. Determinăm o bază ı̂n ker(3I − A)2 . Deoarece (3I − A)2 = 0 rezultă
că vom avea ker(3I − A)2 = R3 , deci o bază ı̂n nucleu este baza canonică.
Aceasta este u11 = ( 1 0 0 )T , u12 = ( 0 1 0 )T , u13 = ( 0 0 1 )T .
2.5. SPAŢII EUCLIDIENE 137
Calculăm z11 = (3I − A)u11 = ( −3 −1 −1 )T ; z12 = (3I − A)u12 =

( −6 −2 −2 )T ; z13 = (3I−A)u13 = ( 15 5 5 )T . Observăm că {z11 , z12 , z13 }
sunt liniar dependenţi, de aceea vom considera unul din cei trei vectori. Ca-
pul de serie va fi v11 = ( −3 −1 −1 )T , iar vectorul propriu asociat va fi:
v21 = z11 sau z12 sau z13 . Considerăm, de exemplu, v21 = z11 (baza Jordan nu
este unică).
Pentru seria de lungime 1, calculăm vectorii proprii rezolvând sistemul
(3I − A)w = θ. Vom obţine: w1 = ( 5 0 1 )T şi w2 = ( −2 1 0 )T .
Concluzie: pentru valoarea proprie 3 avem o serie de un vector propriu
şi un asociat, {v11 , v21 } şi ei ı̂i corespunde o celulă Jordan de ordin 2 şi o serie
formată numai dintr-un vector propriu. Pe acesta ı̂l alegem dintre vectorii
w1 sau w2 astfel ı̂ncât cei trei vectori să fie liniar independenţi. Fie astfel
vectorul v12 = ( 5 0 1 )T . Acestora le corespunde o celulă Jordan de ordin
doi şi una de ordin ı̂ntâi.
Matricea
⎛ Jordan,⎞ respectiv ⎛ matricea⎞modală, sunt:
3 1 0 −3 1 5
J= ⎝ 0 3 0 ,H= ⎠ ⎝ −1 0 0 ⎠ .¨
0 0 3 −1 0 1
2.5 Spaţii euclidiene

Exerciţiul 2.21 Fie A = (aij ) o matrice reală, de ordinul n. Să se arate
că ®
hAx, yi = x, AT y , ∀x, y ∈ Rn .
Rezolvare. Scriind x = (x1 , x2 , . . . , xn )T şi y = (y1 , y2 , . . . , yn )T , avem de
verificat egalitatea
X
n Xn X n X n
aij xj yi = aji xi yj
i=1 j=1 j=1 i=1
care este evidentă.¨
Fie X un subspaţiu din spaţiul euclidian En .
Definiţia 2.4 Submulţimea de vectori Y, definită prin relaţia

Y = {y; y ∈ En , hy, xi = 0, ∀x ∈ X} .
se numeşte complementul ortogonal al subspaţiului X şi se notează cu
simbolul X⊥ .
Se constată imediat că Y este un subspaţiu din En . Dacă X = En ,
subspaţiul Y constă numai din vectorul nul θ, deci acest caz nu este intere-
sant.
Exerciţiul 2.22 Să se arate că dacă Y = X⊥ , atunci Y⊥ = X. Cu alte

cuvinte, cele două subspaţii X şi Y sunt fiecare complementul ortogonal al
celuilalt.
Rezolvare. Fie X un susbpaţiu din En , cu dimªX = m < n. Evident că ı̂n
© (1)
X există o bază ortonormată e , e(2) , . . . , e(m) , care poate fi completată
până la o bază ortonormată din En , prin adăugarea altor vectori e(m+1) ,
e(m+2) , . . . , e(n) . Fiecare din aceşti ultimi n − m vectori face parte din Y =
X⊥ , căci ei fiind ortogonali pe e(1) , e(2) , . . . , e(m) sunt ortogonali pe orice
vector din X. Este evident şi că orice vector de forma cm+1 e(m+1) + cn e(n)
face de asemenea parte din Y. Fie acum y un vector oarecare din Y. El este
de forma y = c1 e(1) +c2 e(2) +· · ·+cm e(m)©+cm+1 e(m+1)ª+· · ·+cn e(n) , ca oricare
vector din En . Ţinând seama că baza e(i) , i = 1, n este ortonormată, din
®
condiţiile y, e(i) = 0 pentru i = 1, m obţinem ci = 0 pentru i = 1, m. În
concluzie, Y coincide cu totalitatea vectorilor de forma
y = cm+1 e(m+1) + cm+2 e(m+2) + · · · + cn e(n) , ci ∈ R, i = m + 1, n
adică este subspaţiul generat de vectorii e(i) , i = m + 1, n. Schimbând rolul
subspaţiilor X şi Y, deducem că Y⊥ = X.¨
De aici rezultă că:
Exerciţiul 2.23 Dacă En este un spaţiu spaţiul euclidian şi X un subspaţiu
al lui En , atunci
En = X ⊕ X⊥ .
O aplicaţie importantă a exerciţiului 2.22 va fi obţinută ı̂n cazul spaţiilor
Rn , referitoare la compatibilitatea sistemului liniar Ax = b. Unii au-
tori numesc teorema care urmează teorema fundamentală a algebrei
liniare.
Teorema 2.2 Condiţia necesară şi suficientă ca sistemul Ax = b să fie
compatibil este ca vectorul ”liber” b să fie ortogonal pe toate soluţiile sis-
temului liniar omogen A⊥ y = θ.
Demonstraţie. Necesitatea. Presupunem că sistemul este compatibil şi fie
y o soluţie oarecare AT y = θ. Deoarece există x ∈ Rn astfel ı̂ncât Ax = b,
vom avea ®
hb, yi = hAx, yi = x, AT y = hx, θi = 0
adică b este ortogonal pe toate soluţiile sistemului AT y = θ.
Suficienţa. Presupunem că b este ortogonal pe toate soluţiile sistemului
T
A y = θ. Mulţimea vectorilor de forma Ax, cu x ∈ Rn formează un
subspaţiu liniar ı̂n Rn , pe care ı̂l notăm X. Acest subspaţiu constă din tota-
litatea combinaţiilor liniare de vectori-coloană din A, deoarece dacă notăm
vectorii coloană cu v(i) , i = 1, n vectorul Ax poate fi scris ı̂n forma
Ax = x1 v(1) + x2 v(2) + · · · + xn v(n) .

Condiţia ca un vector y ∈ Rn să fie ortogonal pe toate elementele din
X este echivalentă cu condiţia ca y să fie ortogonal pe toate coloanele lui
A. Această ultimă condiţie se exprimă prin aceea că y satisface sistemul
AT y = θ (aceasta este condiţia de ortogonalitate pe liniile lui AT , adică pe
coloanele lui A). Prin urmare, complementul ortogonal al lui X, pe care ı̂l
notăm Y, este © ª
Y = X⊥ = y; y ∈ Rn , AT y = θ .
Dar atunci, avem şi Y⊥ = X (conform exerciţiului 2.22). Aceasta
ı̂nseamnă că orice vector b care este ortogonal pe Y, aparţine subspaţiului X
şi deci există x ∈ Rn , astfel ı̂ncât Ax = b. Deci sistemul este compatibil.¥
Teorema precedentă este interesantă numai ı̂n cazul det A = 0. Dacă
det A 6= 0, sistemul Ax = b este compatibil pentru toţi b ∈ Rn . În acest
caz, X = Rn şi Y constă numai din vectorul nul.¡ Subspaţiul
¢ X se notează
cu Im (A) imaginea lui A, iar Y se notează ker A nucleul lui AT . Cu
T
noile notaţii, putem scrie ³ ´⊥

⊥ ¡ T¢ T
(Im (A)) = ker A şi ker (A) = Im (A) .
Relativ la compatibilitatea sistemelor liniare, are loc şi următoarea teo-
remă:
Teorema 2.3 Fie A = (aij ), i = 1, m, j = 1, n o matrice reală, b ∈ Rm şi
x ∈ Rn . Dintre sistemele liniare
Ax = b şi (2.4)
AT u = θ, bT u = c (c 6= 0) (2.5)
unul şi numai unul este compatibil.
Demonstraţie. În sistemul (2.4), necunoscuta este x ∈ Rn , iar ı̂n (2.5)
necunoscuta este u ∈ Rm , θ fiind vectorul nul din Rn .
Cazul: sistemul (2.4) este incompatibil. După teorema lui Kronecker -
Capelli, rezultă r (A) < r(Ã) unde Ã este matricea (A b), obţinută din A
prin adăugarea coloanei b. Dacă r (A) = r (r ≤ min {m, n}), rezultă că
r(Ã) = r + 1. Sistemul (2.5) se scrie pe larg, astfel
⎧
⎪
⎪ a11 u1 + a21 u2 + · · · + am1 um = 0
⎨ .................................
⎪
⎪ a1n u1 + a2n u2 + · · · + amn um = 0 . (2.6)
⎩
b1 u1 + b2 u2 + · · · + bm um = c
¶T µ
AT
Matricea coeficienţilor acestui sistem o putem scrie ı̂n forma şi
bT
ea are rangul r + 1, fiind transpusa matricei Ã = (A b). Matricea obţinută
prin adăugarea coloanei termenilor liberi (matricea extinsă) o scriem ı̂n
forma µ T ¶
A θ
, θ vectorul nul ı̂n Rn . (2.7)
bT c
Evident, ultima ecuaţie ı̂n (2.6) nu este o consecinţă a primelor n linii,
deci matricea (2.7) are rangul mai mare decât r, adică are rangul r + 1.
Deci sistemul (2.5) este compatibil.
Cazul: sistemul (2.4) este compatibil. Fie x o soluţie a sa, adică Ax = b.
Presupunem că şi (2.5) este compatibil şi fie u o soluţie a sa, adică AT u = θ,
bT u = c (c 6= 0). Vom avea
¡ ¢
bT u = (Ax)T u = xT AT u = xT θ = 0 (2.8)
care vine ı̂n contradicţie cu bT u 6= 0. Contradicţia obţinută arată că dacă
(2.4) este compatibil, rezultă că (2.5) este incompatibil.¥
Exerciţiul 2.24 Matricea reală simetrică, de ordinul n, A = (aij ) are au-
tovalorile λ1 ≤ λ2 ≤ · · · ≤ λn . Să se arate că
λ1 kxk2 ≤ xT Ax ≤ λn kxk2 , ∀x ∈ Rn
unde k·k reprezintă norma euclidiană a vectorilor ı̂n Rn .
Rezolvare. Pentru© matricea A,ªexistă o bază ortonormată ı̂n Rn , formată
din vectori proprii v(i) , i = 1, n ai săi. Aceştia satisfac condiţiile Av(i) =
λi v(i) , i = 1, n, sunt ortogonali doi câte£ doi şi fiecare are ¤norma egală cu
unitatea. Matricea ortogonală H = col v(1) , v(2) , . . . , v(n) diagonalizează
matricea A, adică avem H−1 AH = diag [λ1 , λ2 , . . . , λn ] şi deoarece H−1 =
HT , putem scrie şi HT AH = diag [λ1 , λ2 , . . . , λn ]. Dacă facem substituţia
x = Hξ, găsim
¡ ¢
kxk2 = xT x = (Hξ)T (Hξ) = ξ T HT H ξ = ξT ξ = kξk2
şi ¡ ¢
⎛ xT Ax =⎞ ξT HT AH ξ =
λ1 0 ··· 0
⎜ 0 λ2 ··· 0 ⎟
⎜ ⎟
ξT ⎜ .. .. . . . .. ⎟ ξ = λ1 ξ12 + λ2 ξ22 + · · · + λn ξn2 .
⎝ . . . ⎠
0 0 · · · λn
Din ultimele două relaţii, găsim

λ1 kxk2 ≤ xT Ax ≤ λn kxk2 , ∀x ∈ Rn .
Mai putem scrie
(min λi ) kxk2 ≤ xT Ax ≤ (max λi ) kxk2 , ∀x ∈ Rn
unde λi , i = 1, n sunt autovalorile matricei simetrice A.¨
Folosind majorarea obţinută şi formula (1.108), putem obţine norma
matriceală pe Mn×n (R), generată de norma euclidiană a vectorilor ı̂n Rn .
Definiţia 2.5 Se numeşte normă spectrală a matricei A, norma dată de
formula ½ ¾
kAxk
|A|s = sup ; x 6= θ, x ∈ Rn
kxk
ı̂n care k·k este norma euclidiană ı̂n Rn .
Teorema 2.4 Norma spectrală a matricei reale A este dată de formula

√
|A|s = max µi ,
ı̂n care µi sunt autovalorile matricei reale simetrice B = AT A.

Demonstraţie. Mai ı̂ntâi, vom observa că xT Bx ≥ 0, ∀x ∈ Rn . În adevăr,
¡ ¢
xT Bx = xT AT A x = (Ax)T (Ax) = kAxk2 ≥ 0.
Apoi, ştim că printr-o schimbare de variabile x = Hξ, cu H matrice
ortogonală, găsim
xT Bx = µ1 ξ12 + µ2 ξ22 + · · · + µn ξn2 ≤ (max µi ) kξk2 = (max µi ) kxk2

pentru toţi x ∈ Rn . Dar avem şi µi ≥ 0 pentru i = 1, n, dacă ţinem seama
de condiţia xT Bx ≥ 0 pentru orice x ∈ Rn . Din inegaligatea kAxk ≤
√
max µi kxk, ∀x ∈ Rn deducem
kAxk √ √
≤ max µi ⇒ |A|s ≤ max µi .
kxk
Pentru a termina demonstraţia, rămâne să găsim un vector x 6= θ,
kAvk √
pentru care = max µi . Acest vector va fi vectorul propriu al lui B,
kvk
care satisface Bv = µv, unde µ = max µi . În adevăr, avem
vT Bv = kAvk2 şi vT Bv = µvT v = µ kvk2
kAvk √
ceea ce implică = µ.¥
kvk
Observaţia 2.4 De reţinut că norma euclidiană pentru vectori nu generea-

ză norma euclidiană pentru matrice. Evident, avem |A|s ≤ kAk.
Definiţia 2.6 Două norme oarecare |·|1 şi |·|2 pe un spaţiu vectorial real
V se numesc echivalente, dacă există două constante pozitive α ≤ β, astfel
ı̂ncât
α |x|2 ≤ |x|1 ≤ β |x|2 , ∀x ∈ V.
Exerciţiul 2.25 Două norme oarecare pe Rn sunt echivalente.

Rezolvare. Notăm |·|1 şi |·|2 funcţiile care definesc cele două norme pe Rn
şi considerăm mulţimea S = {x; x ∈ Rn şi |x|2 = 1}, care este compactă
(mărginită şi ı̂nchisă ı̂n Rn ). Funcţia reală f (x) = |x|1 este continuă pe
Rn . Notăm α = inf f (x) şi β = sup f (x). Evident α ≤ β şi ı̂n plus α > 0,
x∈S x∈S
căci f ı̂şi atinge marginile (α şi β) şi ia numai valori pozitive pe S (conform
teoremei lui Weierstrass). Luândµ ¶ 6= θ din Rn , avem
x
x x
∈S⇒α≤f ≤ β ⇒ α |x|2 ≤ |x|1 ≤ β |x|2 ,
|x|2 |x|2
inegaliate adevărată pentru ∀x ∈ Rn (inclusiv pentru x = θ).¨
Observaţia 2.5 Evident, este adevărată şi relaţia
1 1
|x|1 ≤ |x|2 ≤ |x|1 , ∀x ∈ Rn .
β α
Exerciţiul 2.26 Formula Xn X n
|A| = |aij | ,
i=1 j=1
defineşte o normă matriceală pe mulţimea Mn×n (R) .
Rezolvare. Este suficient să arătăm numai că |AB| ≤ |A|·|B| pentru două
matrice oarecare, de ¯ nn. Vom¯ scrien n Ã n
n ordinul
n ¯X
!
X X ¯ XX X
¯ ¯
|AB| = ¯ aik bkj ¯ ≤ |aik | · |bkj |
¯ ¯
i=1 j=1 k=1 i=1
P
n j=1 k=1
şi vom folosi majorarea evidentă |bkj | ≤ |bmj |, adică am majorat fiecare
m=1
|bkj | cu suma tuturor valorilor absolute ale elementelor din coloana j. Atunci
vom obţine n că
Ã n !
X X
n X X
n X n
|aik | · |bkj | ≤ |aik | |bmj | = |aik | · |bmj |
şi deci
k=1 k=1
µ m=1 k=1 m=1
¶
P
n P
n P
n P n
|AB| ≤ |aik | · |bmj | =
¶Ã n n !
i=1 j=1 k=1 m=1
µn n
PP P P
= |aik | |bmj | = |A| · |B| .¨
i=1 k=1 j=1 m=1
Exerciţiul 2.27 Fie A o matrice de ordinul n. Dacă λ este autovaloare

pentru A, rezultă |λ| ≤ |A|, oricare ar fi norma matriceală aleasă.
Rezolvare. Fie Ax = λx şi X = col [x, x, . . . , x] matricea cu toate
coloanele x ∈ Rn (s-a presupus x 6= θ). Avem AX = λX, căci fiecare
coloană din AX coincide cu vectorul λx, la fel ca şi fiecare coloană din
matricea λX. Deducem că |λX| = |AX| sau ı̂ncă |λ| · |X| ≤ |A| · |X|.
Simplificând cu |X| 6= 0, obţinem |λ| ≤ |A|.¨
Exerciţiul 2.28 Fie A = (aij ) o matrice de ordinul n. Dacă există o

normă matriceală |·| pentru care |A| < 1, rezultă
lim Ak = 0 = matricea nulă.
k→∞
Rezolvare. Prin definiţie, şirul de matrice {Mk } are limita L, dacă există
o³ normă ´ astfel ı̂ncât |Mk − L| → 0 pentru k → ∞. Dacă notăm Mk =
(k) (k)
mij , k = 1, 2, 3, . . . şi L = (αij ), convergenţa este echivalentă cu mij →
αij pentru k → ∞, oricare ar fi perechea fixată de indici (i, j). Aceasta se
ı̂ntâmplă deoarece orice orice normă matriceală este echivalentă cu oricare
dintre normele cunoscute, pentru care afirmaţia se verifică imediat. În cazul
de faţă, avem ¯ ¯ ¯ ¯
¯Ak − 0¯ = ¯Ak ¯ ≤ |A|k → 0 când k → ∞.
³ ´
k (k) (k)
Deci, dacă notăm A = aij , rezultă aij → 0 când k → ∞, oricare
ar fi perechea de indici (i, j).¨
Exerciţiul 2.29 Fie A = (aij ) o matrice de ordinul n, cu elemente reale
sau complexe. Dacă X n
|aii | > |aij | , i = 1, n
j=1
j6=i
să se arate că det A 6= 0.
Rezolvare. Presupunem det A = 0, ceea ce ı̂nseamnă că o coloană este
combinaţie liniară de celelalte coloane. Avem c1 v(1) + c2 v(2) + · · · + cn v(n) =
θ, unde v(i) sunt vectorii-coloană ai matricei A şi măcar un coeficient este
6= 0. Fie |ck | ≥ |ci | pentru i = 1, n. Avem
c1 c2 cn
v(k) = − v(1) − v(2) − · · · − v(n) ,
ck ck ck
(k)
unde ı̂n dreapta, desigur, lipseşte termenul cu v . În coloana k, pe linia k
se află termenul akk , pentru care avem
c1 c2 cn
akk = − ak1 − ak2 − · · · − akn
ck ck ck
de unde rezultă ¯ ¯ ¯ ¯ ¯ ¯
¯ c1 ¯ ¯ c2 ¯ ¯ cn ¯
|akk | ≤ ¯¯ ¯¯ · |ak1 | + ¯¯ ¯¯ · |ak2 | + · · · + ¯¯ ¯¯ · |akn |
ck ck ck
adică |akk | ≤ |ak1 | + |ak2 | + · · · + |akn |
unde, evident, ı̂n dreapta lipseşte termenul |akk |. Aceasta este o contradic-
ţie, deci det A 6= 0. Elementele matricei A pot fi şi numere complexe.¨
Exerciţiul 2.30 Fie A = (aij ) o matrice de ordinul n, cu elemente reale
P
n
sau complexe. Notăm ρi = |aij |, i = 1, n. Să se arate că
j=1
j6=i
[
n
σ (A) ⊂ {z; |z − aii | ≤ ρi } .
i=1
Rezolvare. Prin σ (A) am notat mulţimea autovalorilor matricei A (spec-

trul matricei A). Mulţimea Di = {z; |z − aii | ≤ ρi } reprezintă un disc din
planul complex, cu centrul ı̂n aii şi de rază ρi . Acestea se numesc discurile
lui Gershgorin. Fie λ un număr complex care nu face parte din mulţimea
S
n
Di . Aceasta ı̂nseamnă că avem |λ − aii | > ρi pentru toţi i = 1, n. Dar
i=1
λ − aii este elementul de pe diagonalela principală a determinantului care
dă valoarea polinomului caracteristic P (λ) = det (λI − A), iar condiţiile
|λ − aii | > ρi pentru i = 1, n spun că pe fiecare linie, elementul de pe
diagonala principală este mai mare ı̂n modul decât suma modulelor celor-
lalte elemente din linia sa. Conform exerciţiului 2.29, P (λ) 6= 0, deci ı̂n
S
n
afara mulţimii Di nu se află nici o rădăcină a polinomului P (λ), adică
i=1
S
n
σ (A) ⊂ Di .¨
i=1
Exerciţiul 2.31 Fie A o matrice de ordinul n, reală sau complexă. Notăm
R (λ) = (λI − A)−1 , pentru λ diferit de autovalorile matricei A. Să se
arate că
R (λ) − R (µ) = (µ − λ) R (λ) R (µ) .
Rezolvare. Scriem
R (λ) = R (λ) (µI − A) R (µ) = R (λ) [(λI − A) + (µ − λ) I] R (µ) =
= [I + (µ − λ) R (λ)] R (µ) = R (µ) + (µ − λ) R (λ) R (µ) ,
de unde rezultă imediat identitatea cerută. Scriind

R (µ) − R (λ) = (λ − µ) R (µ) R (λ)
obţinută prin schimbarea rolurilor lui λ şi µ, găsim şi relaţia
R (λ) − R (µ) = (µ − λ) R (µ) R (λ)
deci ı̂n final vom avea şi egalitatea R (λ) R (µ) = R (µ) R (λ), adică cele
două matrice sunt permutabile.¨
Exerciţiul 2.32 Fie A = (aij ) o matrice reală simetrică de ordinul n. Să
se arate că suma pătratelor autovalorilor sale este egală cu suma pătratelor
elementelor sale, adică
X n Xn X n
λ2i = a2ij .
i=1 i=1 j=1
Rezolvare. Numerele reale λ2i , i = 1, n sunt autovalorile matricei A2 .

P
n Pn
Dacă notăm A2 = B, rezultă λ2i = tr B = bii (am folosit notaţiile
i=1 i=1
P
n Pn P
n P
n P
n
B = (bij )). Dar bii = aij aji = a2ij , deci λ2i = a2ij .¨
j=1 j=1 i=1 i=1 j=1
Exerciţiul 2.33 Fie A = (aij ) o matrice reală nesingulară de ordinul n.

Să se exprime valorile proprii şi vectorii proprii ai matricei inversei matricei
A ı̂n funcţie de valorile proprii şi vectorii proprii ai matricei A.
Rezolvare. Polinomul caracteristic al matricei A este
P (λ) = det (λI − A) = (λ − λ1 ) (λ − λ2 ) · · · (λ − λn ) ,
independent de faptul că autovalorile sunt sau nu sunt simple. Polinomul
caracteristic al matricei A−1 este
1
Q (λ) = det (λI − A−1 ) = det A−1 (λA − I) = det (λA − I) =
det A
µ ¶ µ ¶µ ¶
(−1)n λn 1 (−1)n λn 1 1
= det I−A = − λ1 − λ2 · · ·
λ1 λ2 · · · λn λ λ1 λ2 · · · λn λ λ
µ ¶ µ ¶µ ¶ µ ¶
1 1 1 1
− λn = λ − λ− ··· λ − ,
λ λ1 λ2 λn
adică A−1 are autovalorile λ−1 −1 −1
1 , λ2 , . . . , λn . Observăm că dacă v
(i)
este
(i)
vector propriu pentru A, corespunzător autovalorii λi , atunci din Av =
1
λi v(i) , găsim A−1 v(i) = v(i) , adică v(i) este vector propriu şi pentru A−1 ,
λi
1
corespunzător autovalorii .¨
λi
Exerciţiul 2.34 MatriceaµA are autovalorile

¶µ i 6= 0,µi = 1, n. ¶
λ¶ Să se arate
că ¡ ¢ 1 1 1
det A + A−1 = λ1 + λ2 + · · · λn + .
λ1 λ2 λn
Rezolvare. A + A−1 = A−1 (A2 + I), deci det (A + A−1 ) = (det A−1 ) ×
det (A2 + I). Vom ţine seama că A2 + I = f (A), unde f (λ) = λ2 + 1. Deci
autovalorile matricei A2 + I sunt λ21 + 1, λ22 + 1, . . . , λ2n + 1. În concluzie,
¡ ¢ 1 ¡ 2 ¢¡ ¢ ¡ ¢
det A + A−1 = λ1 + 1 λ22 + 1 · · · λ2n + 1 =
λ λ · · · λn
µ1 2 ¶µ ¶ µ ¶
1 1 1
= λ1 + λ2 + · · · λn + .¨
λ1 λ2 λn
Exerciţiul 2.35 Fie A o matrice de ordinul n, nesingulară şi cu autovalo-
rile λi , i = 1, n. Să se afle polinomul caracteristic al matricei adjuncte,
adică al transpusei formate cu complemenţii algebrici ai elementelor din A.
Rezolvare. Notăm matricea adjunctă cu B şi avem B = (bij ), unde bij =
(Aij ), i, j = 1, n. Putem scrie B = (det A) A−1 . Polinomul caracteristic al
matricei B este
Q (λ) = det (λI − B) =µ det (λI − (det¶A)A−1 ) =
λ
= (det A)n det I − A−1 =
µ ¶µ det A ¶ µ ¶
n λ 1 λ 1 λ 1
= (det A) − − ··· − =
µ det A ¶λµ 1 det A ¶ λ2 µ det A¶ λn
det A det A det A
= λ− λ− ··· λ − .¨
λ1 λ2 λn
Exerciţiul 2.36 Fie A o matrice reală, de ordinul n. Să se arate echiva-

lenţa
xT Ax = 0, ∀x ∈ Rn ⇔ AT = −A.
Rezolvare. Din ¡xT Ax =¢0 obţinem prin transpunere că şi xT AT x = 0.

Aşadar, avem xT A + AT x = 0, ∀x ∈ Rn ceea ce atrage că A + AT = 0,
deci AT = −A. Reciproc, dacă plecăm de la ipoteza că AT = −A, adică
A este antisimetrică, obţinem aii = 0 pentru i = 1, n şi aij = −aji , pentru
i, j = 1, n. Dar atunci,
Xn Xn X
n X
n
T
x Ax = aij xi xj = aij xi xj = (aij + aji ) xi xj = 0, ∀x ∈ Rn .
i=1 j=1 i,j=1 i,j=1
i6=j i<j
Echivalenţa din enunţ a fost dovedită.¨

Exerciţiul 2.37 Fie A reală, antisimetrică şi λ 6= 0 o autovaloare a sa. Să

se arate că
(a) λ = βj, cu β = real diferit de zero;
(b) dacă x = u + jv este vector propriu corespunzător lui λ = βj, avem
kuk = kvk şi hu, vi = 0.
Rezolvare. (a) a fost demonstrată când s-a găsit forma autovalorilor unei
matrice reale antisimetrice.
(b) Scriem A (u + jv) = βj (u + jv) şi găsim Au = −βv, Av = βu.
Din vT Av = 0 = βvT u, rezultă vT u = hu, vi¡= 0. Apoi,¢ din vT Au =
−βvT v şi uT Av = βuT u, găsim prin adunare β uT u − vT v = 0, de unde
kuk = kvk. Am folosit relaţia vT Au + uT Av = 0.¨
Exerciţiul 2.38 Fie A = (aij ) o matrice reală sau complexă, de ordinul n,

P
n
având proprietatea că |aij | < 1 pentru i = 1, n. Să se arate că matricele
j=1
I + A şi I − A sunt inversabile.
Rezolvare. Matricea I + A are elementele 1 + aii pe diagonala principală
şi respectiv aij pentru i 6= j. Pentru i = fixat, avem
X
n X
n
|aii | + |aij | < 1 ⇒ |aij | < 1 − |aii | ≤ |a + aii | ,
i,j=1 i,j=1
j6=i j6=i
deci elementul de pe diagonala principală are modulul mai mare decât
suma modulelor celorlalte elemente de pe linia corespunzătoare. După un
exerciţiul cunoscut, această condiţie implică det (I + A) 6= 0. În mod ana-
log, găsim det (I − A) 6= 0, deci şi det(I − A2 ) 6= 0.¨
Exerciţiul 2.39 Fie A o matrice reală, de ordinul n şi satisfăcând condiţia

xT Ax ≥ 0, ∀x ∈ Rn . Dacă ε > 0, să se arate că A + εI este inversabilă.
Rezolvare. Condiţia xT Ax ≥ 0 se mai scrie ca hAx, xi ≥ 0, ∀x ∈ Rn . Fie
acum (A + εI) x = θ (vectorul nul din Rn ). Avem
h(A + εI) x, (A + εI) xi = hAx, Axi + 2ε hAx, xi + ε2 hx, xi = 0.
Deoarece cei trei termeni sunt nenegativi şi au suma zero, rezultă că toţi
sunt egali cu zero. Din hx, xi = 0 ⇒ x = θ, aşa ı̂ncât sistemul algebric
(A + εI) x = θ are numai soluţia banală x = θ (x1 = x2 = · · · = xn = 0),
ceea ce implică det (A + εI) 6= 0, deci matricea A + εI este inversabilă.¨
Exerciţiul 2.40 Matricea reală A este antisimetrică. Să se arate că

(a) I + A şi I − A sunt inversabile;
(b) B = (I − A) (I + A)−1 este ortogonală.
Rezolvare. (a) Autovalorile lui A sunt de forma forma βj, cu β = real.
Autovalorile matricelor I ± A sunt de forma 1 ± βj 6= 0, deci I ± A sunt
inversabile. ¡ ¢
(b) BT = (I + A)−1 (I − A)T = (I − A)−1 (I + A), deci
BT B = (I − A)−1 (I + A) (I − A) (I + A)−1 =
= (I − A)−1 (I − A) (I + A) (I + A)−1 = I,
adică B este ortogonală. S-a folosit egalitatea
(I + A) (I − A) = (I − A) (I + A), ambele produse fiind egale cu I − A2 ¨.
Exerciţiul 2.41 Fie A o matrice reală, de ordinul n, cu proprietăţile

(a) I + A şi I − A sunt inversabile;
(b) B = (I − A) (I + A)−1 este ortogonală.
Să se arate că A este antisimetrică.
Rezolvare. Fixăm un element u ∈ Rn şi notăm x = (I + A) u, deci
u = (I + A)−1 x. Avem Bx = (I − A) (I + A)−1 x = (I − A) u = u − Au.
Deoarece B este ortogonală, avem hBx, Bxi = hx, xi, ∀x ∈ Rn . Deci,
rezultă
hu − Au, u − Aui = hu + Au, u + aui ,
sau echivalent
kuk2 − 2 hAu, ui + kAuk2 = kuk2 + 2 hAu, ui + kAuk2 .
În concluzie, hAu, ui = uT Au = 0, ∀u ∈ Rn şi matricea A este antisi-

metrică (conform exerciţiului 2.36).¨
Exerciţiul 2.42 Fie A o matrice reală, de ordinul n. Să se arate echiva-

lenţa următoarelor afirmaţii
(a) A este ortogonală;
(b) hAx, Ayi = hx, yi, ∀x, y ∈ Rn ;
(c) hAx, Axi = hx, xi, ∀x ∈ Rn .
Rezolvare. Presupunem că (a) este adevărată şi arătăm că (a) ⇒ (b):
¡ ¢
hAx, Ayi = (Ay)T (Ax) = yT AT A x = yT Ix = yT x =hx, yi , ∀x, y ∈ Rn .
Presupunem că (b) este adevărată şi arătăm că (b) ⇒ (c): luând ı̂n (b),
y = x găsim hAx, Axi = hx, xi, ∀x ∈ Rn , deci această implicaţie a fost
banală. Acum, presupunem că (c) este adevărată şi arătăm

¡ ¢ ⇒ (a):
că (c)
egalitatea (c) poate fi scrisă ı̂n forma echivalentă xT AT A − I x = 0,
∀x ∈ Rn , ceea ce atrage ı̂n mod evident AT A − I = matricea nulă, adică A
este matrice ortogonală. Echivalenţa celor trei afirmaţii a fost dovedită.¨
Exerciţiul 2.43 Fie AD = DA şi D = diag [λ1 , λ2 , . . . λn ] cu λi 6= λj

pentru i 6= j. Să se arate că A este o matrice diagonală.
Rezolvare. Fie i 6= j o pereche de indici; ı̂n AD pe locul (i, j) avem
Pn
elementul aik dkj = aij djj = λj aij . În DA, pe locul (i, j) avem elementul
k=1
P
n
dik akj = dii aij = λi aij . Din (λj − λi ) aij = 0 ⇒ aij = 0 pentru i 6= j.
k=1
Deci A este o matrice diagonală.¨
Exerciţiul 2.44 Fie A şi B reale simetrice, de acelaşi ordin, cel puţin
una dintre ele având autovalorile diferite ı̂ntre ele. Să se arate echivalenţa
afirmaţiilor
(a) AB = BA;
(b) există o matrice ortogonală C, astfel ı̂ncât C−1 AC şi C−1 BC sunt
amândouă matrice diagonale.
Rezolvare. Presupunem AB = BA. Ştim că există C = matrice ortogo-
nală, astfel ı̂ncât. C−1 AC = diag [λ1 , λ2 , . . . , λn ], ı̂n care λi sunt autovalorile
lui A, presupuse diferite ı̂ntre ele (λi 6= λj dacă i 6= j). Matricele C−1 AC
şi C−1 BC comută ı̂ntre ele, căci
¡ −1 ¢¡ ¢ ¡ ¢¡ ¢
C AC C−1 BC = C−1 (AB) C=C−1 (BA) C= C−1 BC C−1 AC
şi prima este o matrice diagonală, cu elemente diferite pe diagonala princi-
pală. Rezultă că şi a doua matrice este de tip diagonal (conform exerciţiului
precedent). Am arătat că (a) ⇒ (b). Reciproc, dacă are loc (b), matricele
C−1 AC şi C−1 BC sunt permutabile, fiind amândouă de tip diagonal. Avem
(C−1 AC) (C−1 BC) = (C−1 BC) (C−1 AC)
sau C−1 (AB) C=C−1 (BA) C,
de unde găsim AB = BA. Deci (b) ⇒ (a). Cele două afirmaţii sunt
echivalente.¨
Observaţia 2.6 Mai interesantă este implicaţia (a) ⇒ (b). Aceasta spune
că este suficient să găsim o bază ortonormată formată din vectori proprii
v(i) ai matricei £cu autovalori ¤distincte, pentru ca notând x = Cξ, unde am
notat C = col v(1) , v(2) , v(3) să aducem simultan la forma canonică cele
două forme pătratice f (x) = xT Ax şi g(x) = xT Bx, ţinând seama şi de
condiţia C−1 = CT .
Exerciţiul 2.45 Fie A o matrice de ordinul n, pentru care An = 0, unde

m este un număr fixat, 1 ≤ m ≤ n. Să se arate că det (I + λA) ≡ 1.
Rezolvare. Autovalorile lui Am sunt λm m m
1 , λ2 , . . . , λn , iar pe de altă parte
ele sunt toate nule, deoarece matricea nulă are polinomul caracteristic egal
cu det (λI − 0) = det (λI) = λn , deci toate autovalorile sale sunt nule.
Rezultă λ1 = λ2 = · · · = λn = 0 şi P (λ) = det (λI − A) ≡ λn . Pentru
λ 6= 0, avem µ ¶
1
det (I + λA) = det λ I+A =
µ ¶ λ µ ¶
1 n 1
= det (−λ) − I − A = (−λ) P − = 1.
λ λ
Dacă λ = 0, afirmaţia din enunţ este de asemenea adevărată.¨
Exerciţiul 2.46 Fie A o matrice reală sau complexă, cu autovalori diferite

ı̂ntre ele şi fie C o matrice care permite diagonalizarea. Să se arate că toate
soluţiile ecuaţiei B2 = A sunt date de formula
h p p p i
B = C diag ± λ1 , ± λ2 , · · · ± λn C−1 ,
ı̂n care λi , i = 1, n sunt autovalorile lui A.

£√ √ √ ¤
Rezolvare. Scriind A = C diag λ1 , λ2£√ , . . . , √λn C−1√
, găsim
¤ că pentru
2 −1
orice B de forma dată, avem B = C diag λ1 , λ2 , . . . , λn C = A.
Reciproc: dacă B2 = A, matricele A şi B comută la ı̂nmulţire şi atunci
comută şi C−1 AC cu C−1 BC. Dar C−1 AC este o matrice diagonală,
cu elementele de pe diagonala principală diferite ı̂ntre ele (λi 6= λj pen-
tru i 6= j) şi atunci C−1 BC este tot o matrice diagonală: C−1 BC =
diag [µ1 , µ2 , . . . , µn ]. De aici, rezultă B = C diag [µ1 , µ2 , . . . , µn ] C−1 şi
B2 = C diag [µ21 , µ22 , . . . , µ2n ] C−1 = A, de unde µ21 = λ1 , µ22 = λ2 , . . . ,
µ2n = λn . Prin urmare, ı̂n mod obligator B este de forma enunţată.¨
Observaţia 2.7 Dacă toţi λi ≥ 0, toate ”rădăcinile” matricei reale A sunt

reale. Dacă toţi λi 6= 0, A are 2n ”rădăcini” de ordinul 2, toate de forma
enunţată.
Exerciţiul 2.47 Fie A şi B două matrice reale simetrice cu autovalorile

λ1 ≤ λ2 ≤ · · · ≤ λn , respectiv µ1 ≤ µ2 ≤ · · · ≤ µn . Notăm ρi , i = 1, n
autovalorile matricei A + B. Să se arate că
λ1 + µ1 ≤ ρi ≤ λn + µm , i = 1, n.
Rezolvare. Din inegalităţile λ1 kxk2 ≤ xT Ax ≤ λn kxk2 şi µ1 kxk2 ≤

xT Bx ≤ µn kxk2 , valabile pentru orice x ∈ Rn , obţinem
(λ1 + µ1 ) kxk2 ≤ xT (A + B) x ≤ (λn + µn ) kxk2 , ∀x ∈ Rn .
Fie v un vector propriu al matricei A + B, corespunzător autovalorii ρ,

adică (A + B) v = ρv şi v 6= θ. Luăm ı̂n inegalităţile precedente x = v,
găsim λ1 + µ1 ≤ ρ ≤ λn + µn pentru orice autovaloare ρ a matricei A + B.¨
Exerciţiul 2.48 Fie A şi B două matrice reale simetrice, de acelaşi ordin,
având autovalorile nenegative. Să se arate că
det (A + B) ≥ det A + det B.
Rezolvare. Păstrând notaţiile din exerciţiul precedent, avem

det (A + B) = ρ1 ρ2 · · · ρn ≥ (λ1 + µ1 ) (λ2 + µ2 ) · · · (λn + µn ) ≥
≥ λ1 λ2 · · · λn + µ1 µ2 · · · µn = det A + det B.
Ipoteza că autovalorile λi şi µi , i = 1, n sunt ≥ 0 a fost esenţială ı̂n

deducerea inegalităţii enunţate care, evident că nu are loc ı̂n cazul matricelor
oarecare.¨
Exerciţiul 2.49 Fie A şi B două matrice reale, de ordinul n. Notăm, ı̂n
ordine crescătoare cu λ̃i , respectiv µ̃i , i = 1, n autovalorile matricelor reale
simetrice AT A sau BT B. Dacă ρ este o autovaloare reală a matricei AB,
să se arate că λ̃ µ̃ ≤ ρ2 ≤ λ̃ µ̃ .
1 1 n n
¡ ¢
Rezolvare. Forma pătratică xT AT A x = kAxk2 ≥ 0, deci toate auto-
valorile λ̃i sunt ≥ 0. La fel, toate autovalorile µ̃i sunt ≥ 0. În plus, avem şi
inegalităţile
λ̃1 kxk2 ≤ kAxk2 ≤ λ̃n kxk2 , µ̃1 kxk2 ≤ kBxk2 ≤ µ̃n kxk2 , ∀x ∈ Rn .
Fie v un vector propriu pentru AB, corespunzător autovalorii reale ρ,

adică (AB) v = ρv, v 6= θ. Avem
k(AB) vk2 = kA (Bv)k2 ≤ λ̃n kBvk2 ≤ λ̃n µ̃n kvk2
care implică ρ2 kvk2 ≤ λ̃n µ̃n kvk2 , deci ρ2 ≤ λ̃n µ̃n . Asemănător, se găseşte
şi inegalitatea λ̃1 µ̃1 ≤ ρ2 , ceea ce ı̂ncheie demonstraţia.¨
Consecinţa 2.1 Dacă A şi B sunt două matrice reale simetrice, de ordinul
n, având ¡autovalorile
¢ ¡ λi , respectiv
¢ µ¡i ı̂n plus
¢ ¡AB = BA,
¢ atunci rezultă
min λ2i min µ2i ≤ ρ2j ≤ max λ2i max µ2i , j = 1, n
pentru toate autovalorile ρj ale matricei AB. În adevăr, ı̂n acest caz AB
este simetrică, deci are toate autovalorile ρj reale, AT A = A2 , BT B = B2 ,
λ̃i = λ2i , µ̃i = µ2i , i = 1, n. Dar λ̃i şi µ̃i , i = 1, n nu mai sunt, ı̂n general,
numerotate ı̂n ordinea crescătoare. Putem scrie şi altfel
(min |λi |) (min |µi |) ≤ |ρj | ≤ (max |λi |) (max |µi |) , j = 1, n.
Exerciţiul 2.50 Folosind teorema Cayley-Hamilton, să se calculeze A−1 şi

A4 − 4A3 − A2 + 12A − 7I pentru
⎛ matricea ⎞
1 2 −1 1
⎜ 2 1 1 2 ⎟
A=⎜ ⎝ 1 0
⎟.
2 3 ⎠
2 −1 1 0
Rezolvare. Conform teoremei Cayley-Hamilton P (A) = 0, unde P (λ)
este polinomul caracteristic al matricei A. Să calculăm P (λ):
P (λ) = λ4 − p1 λ3 + p2 λ2 − p3 λ + p4 , unde
p1 = tr A = 4,
¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯
¯1 2¯ ¯1 −1¯ ¯1 1¯¯ ¯¯1 1¯¯ ¯¯ 1 2¯¯ ¯¯2 3¯¯
p2 = ¯¯ ¯+¯ ¯+¯ + + + = −1,
2 1¯ ¯1 2 ¯ ¯2 0¯ ¯0 2¯ ¯−1 0¯ ¯1 0¯
¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯
¯1 2 −1¯ ¯1 2 1¯¯ ¯¯1 −1 1¯¯ ¯¯ 1 1 2¯¯
¯ ¯ ¯
p3 = ¯¯2 1 1 ¯¯ + ¯¯2 1 2¯¯ + ¯¯1 2 3¯¯ + ¯¯ 0 2 3¯¯ = −11,
¯1 0 2 ¯ ¯2 −1 0¯ ¯2 1 0¯ ¯−1 1 0¯
p4 = det A = −6.
Deci, P (λ) = λ4 − 4λ3 − λ2 + 11λ − 6 şi A4 − 4A3 − A2 + 11A − 6I = 0.
Avem
A4 − 4A3 − A2 + 11A = 6I ⇔ A (A3 − 4A2 − A + 11I) = 6I ⇔
1¡ 3 ¢
A−1 = A − 4A2 − A + 11I ⇔
6
⎛ ⎞
2 −1 0 3
1 ⎜ −6 12 −6 −6 ⎟
A−1 = ⎜ ⎟
6 ⎝ −10 14 −6 −6 ⎠
6 −9 6 3
Deoarece A4 − 4A3 − A2 + 11A − 6I = 0, rezultă că

A4 − 4A3 − A2 + 12A − 7I=
¡ ¢
= A4 − 4A3 − A2 + 11A − 6I + (A − I) = A − I=
⎛ ⎞
0 2 −1 1
⎜ 2 0 1 2 ⎟
=⎜⎝ 1 0
⎟ .¨
1 3 ⎠
2 −1 1 −1
Exerciţiul 2.51 În spaţiul euclidian R3 , dotat cu produsul scalar standard

se consideră subspaţiul
© ª
U = x ∈ R3 | x1 − x2 = 0 .
Să se determine complementul ortogonal

¡ U ⊥ şi ¢apoi să se determine proiec-
ţiile ortogonale ale vectorului x = 3 −1 4 pe U şi U ⊥ .
Rezolvare. Determinăm o bază a subspaţiului U . Din x1 − x2 = 0
rezultă
© ¡x1 = x2 ¢= α, x¡3 = β cu¢ªα, β ∈ R. Deci o bază a lui U este
u1 = 1 1 0 , u2 = 0 0 1 . Complementul ortogonal al lui U
este © ª
U ⊥ = x ∈ R3 | hx, u1 i = hx, u2 i = 0 ,
adică © ª
U ⊥ = x ∈ R3 | x1 + x2 = 0, x3 = 0 .
© ¡ ¢ª
O bază a lui U ⊥ este u3 = 1 −1 0 .
Să calculăm proiecţiile lui x pe cele două subspaţii. Descompunem pe
x după vectorii u1 , u2 şi u3 : x = α1 u1 + α2 u2 + α3 u3 . Obţinem sistemul
⎧ ⎧
⎨ α1 + α3 = 3 ⎨ α1 = 1
α1 − α3 = −1 ⇔ α2 = 4 .
⎩ ⎩
α2 = 4 α3 = 2
Deci,
¡ x=u
¢ 1 +4u2 +2u3 . Proiecţiile
¡ ortogonale
¢ ale lui x sunt x0 = u1 +4u2 =
1 1 4 ∈ U şi x00 = 2u3 = 2 −2 0 ∈ U ⊥ .¨
Exerciţiul 2.52 Să se ortonormeze sistemul de funcţii t, t2 , t3 ı̂n C [0, 1]
R1
ı̂n raport cu produsul scalar hf, gi = tf (t) g (t) dt.
0
Rezolvare. Aplicăm procedeul de ortogonalizare Gram-Schmidt. Fie f1 =
t, f2 = t2 , f3 = t3 . Considerăm g1 = f1 , g2 = f2 + α21 g1 , g3 = f3 +
hf2 , g1 i
α31 g1 +α32 g2 . Conform procedeului de ortogonalizare avem α21 = − ,
hg1 , g1 i
hf3 , g1 i hf3 , g2 i
α31 = − , α32 = − . Astfel obţinem g1 = t, hg1 , g1 i =
hg1 , g1 i hg2 , g2 i
R1 3 1 R1 4 1 4 4
0
t dt = , hf2 , g1 i = 0
t dt = , α21 = − , g2 = t2 − t, hg2 , g2 i =
µ 4¶ 5Z 5 5 µ ¶
2
R1 2 4 1 1
5 1 3 2 10 2 4
0
t t − t dt = , hf3 , g1 i = t dt = , g3 = t − t− t − t =
5 150 0 6 3 7 5
10 10
t3 − t2 + t.¨
7 21
Exerciţiul 2.53 Să se determine un produs scalar ı̂n R3 ı̂n raport cu care
baza
© ¡ ¢ ¡ ¢ ¡ ¢ª
B 0 = e01 = 1 0 0 , e02 = 1 1 0 , e03 = 1 1 1
este ortonormată.
Rezolvare. Fie B = {e1 = (1, 0, 0) , e2 = (0, 1, 0) , e3 = (0, 0, 1)} baza stan-
dard a spaţiului R3 . Fie ρ (x, y) produsul scalar căutat. Deoarece B 0 este
ortonormată, rezultă că forma biliniară simetrică ρ (x, y) are ı̂n baza B 0
matricea (ρ)B0 = I3 . Matricea unei forme biliniare la schimbări de baze este
dată de (ρ)B0 = CT (ρ)B C, unde C este matricea de trecere de la B la B 0
⎛ ⎞
1 1 1
C = ⎝ 0 1 1 ⎠.
0 0 1
Obţinem
¡ ¢−1 ¡ ¢−1 ¡ ¢−1 −1
(ρ)B = CT (ρ)B0 C−1 = CT I3 C−1 = CT C =
⎛ ⎞⎛ ⎞ ⎛ ⎞
1 0 0 1 0 0 1 −1 0
= ⎝ −1 1 0 ⎠ ⎝ 1 1 0 ⎠ = ⎝ −1 2 −1 ⎠ .
0 −1 1 1 1 1 0 −1 2
Deci, ρ (x, y) = x1 y1 − x1 y2 − x2 y1 + 2x2 y2 − x2 y3 − x3 y2 + 2x3 y3 .

Verificare: ρ (e01 , e01 ) = 1, ρ (e01 , e02 ) = 0, ρ (e01 , e03 ) = 0, ρ (e02 , e01 ) = 0,
ρ (e02 , e02 ) = 1, ρ (e02 , e03 ) = 0, ρ (e03 , e01 ) = 0, ρ (e03 , e02 ) = 0, ρ (e03 , e03 ) = 1.¨
Exerciţiul 2.54 Să se calculeze valorile proprii şi subspaţiile proprii pentru
matricea A = (aij ), aij = 1, i, j = 1, n.
Rezolvare. Calculăm polinomul caracteristic P (λ) .

¯ ¯
¯λ − 1 −1 . . . −1 ¯
¯ ¯
¯ −1 λ − 1 . . . −1 ¯
P (λ) = det (λI − A) = ¯¯ ¯.
¯ ... ... ... . . . ¯¯
¯ −1 −1 . . . λ − 1¯
Adunăm¯ la prima linie celelalte linii: ¯ ¯ ¯
¯λ − n λ − n . . . λ − n¯ ¯ 1 1 . . . 1 ¯
¯ ¯ ¯ ¯
¯ −1 λ − 1 . . . −1 ¯¯ ¯−1 λ − 1 . . . −1 ¯
¯ ¯ ¯.
P (λ) = ¯
. . . . . . . . . . . . ¯ = (λ − n) ¯. . . . . . . . . . . . ¯
¯ ¯ ¯ ¯
¯ −1 −1 . . . λ − 1 ¯ ¯−1 −1 . . . λ − 1¯
Scădem prima coloană ¯ din celelalte: ¯ ¯ ¯
¯ 1 0 . . . 0 ¯¯ ¯λ 0 . . . 0 ¯¯
¯ ¯
¯−1 λ . . . 0 ¯ ¯ λ . . . 0 ¯¯
P (λ) = (λ − n) ¯¯ ¯ = (λ − n) ¯ 0
¯ ¯. . . . . . . . . . . .¯ =
¯. . . . . . . . . . . .¯ ¯ ¯
¯−1 0 . . . λ ¯ ¯ 0 0 ... λ ¯
λn−1 (λ − n) .
Valorile proprii sunt λ1 = 0 de multiplicitate n − 1 şi λ2 = n simplă.
Vectorii proprii sunt daţi de soluţiile sistemului (λI − A) X = 0.
Pentru λ = 0 obţinem ⎧
⎧ ⎪ x1 = α1 ∈ R
⎨ −x1 − x2 − · · · − xn = 0 ⎪
⎨
...
... ⇔ .
⎩ ⎪
⎪ xn−1 = αn−1 ∈ R
−x1 − x2 − · · · − xn = 0 ⎩
xn = −a1 − · · · − αn−1
Pentru
⎧ λ = n obţinem
⎪
⎪ (n − 1) x1 − x2 − · · · − xn = 0
⎨
−x1 + (n − 1) x2 − · · · − xn = 0
⇔ x1 = x2 = · · · = xn = α ∈ R.
⎪
⎪ ...
⎩
−x1 − x2 − · · · + (n − 1) xn = 0
Subspaţiile
© proprii¡ sunt: ¢ ª
Vλ1 = ©x ∈ Rn | x = ¡ α1 . . . αn−1 ¢ −α1 − ª· · · − αn−1 , αi ∈ R, i = 1, n − 1 ,
Vλ2 = x ∈ Rn | x = α α¡ . . . α , α ∈ R .¢ ¡ ¢
O bază
¡ ı̂n V λ 1 este {u 1 = ¢ 1 0 . . . 0 −1 , u 2 = 0 1 0 . . . 0 −1 ,...,
un−1 = 0 . . . 0 1 © −1 ¡}. ¢ª
O bază ı̂n Vλ2 este v = 1 1 . . . 1 .¨

h (x) = 2x21 + 2x22 − 2x23 + 6x1 x2 − 2x1 x3 + 2x2 x3 .
Să se determine forma canonică şi baza canonică prin metodele cunoscute
şi să se verifice legea inerţiei.
Rezolvare. Determinăm forma canonică folosind metoda lui Gauss.
h (x) = 2 (x21 + 3x1 x2 − x1 x3 ) + 2x22 − 2x23 + 2x2 x3 =

"µ ¶2 #
3 1 9 1 3
= 2 x1 + x2 − x3 − x22 − x23 + x2 x3 + 2x22 − 2x23 + 2x2 x3 =
2 2 4 4 2
µ ¶2 µ ¶2
3 1 5 2 5 2 3 1
= 2 x1 + x2 − x3 − x2 − x3 + 5x1 x3 = 2 x1 + x2 − x3 −
2 2 2 2 2 2
5
(x2 − x3 )2 .Facem schimbarea de coordonate
2
⎧ ⎧
⎪ 3 1 ⎪ 3
⎨ y1 = x1 + x2 − x3 ⎨ x1 = y1 − y2 − y3
2 2 , din care deducem 2 ,
⎪ y2 = x2 − x3 ⎪ x2 = y2 + y3
⎩ ⎩
y3 = x3 x3 = y3
⎛ ⎞ ⎛ 3 ⎞⎛ ⎞
x1 1 − −1 y1
⎝ ⎠ ⎜ 2 ⎟⎝ ⎠
adică x2 = ⎝ 0 1 1 ⎠ y2 .Matricea schimbării de bază
x3 0 0 1 y3
⎛ 3 ⎞
1 − −1
⎜ 2 ⎟
⎝ 0 1 1 ⎠ dă baza canonică a formei pătratice
0 0 1
½ µ ¶ ¾
0 0
¡ ¢ 0 3 0
¡ ¢
B = e1 = 1 0 0 , e2 = − 1 0 , e3 = −1 1 1 ı̂n care
2
5
ea are expresia h (x) = 2y12 − y22 .Deci signatura formei pătratice este
2
(1, 1, 1).
Să determinăm forma canonică folosind metoda transformărilor ortogo-

nale. Calculăm polinomul caracteristic al matricei formei pătratice şi apoi
valorile şi vectorii proprii: P (λ) ¡= det (λI −¢A) = λ¡3 − 2λ2 −¢15λ ⇒
¡λ1 = −3, λ2 ¢= 5, λ3 = 0, v1 = 1 −1 2 , v2 = 1 1 0 , v3 =
1 −1 −1 .Deci, forma canonică este h (x) = −3y12 +5y22 , baza canonică
1 1 ¡ ¢ 1
B 0 fiind formată din: e01 = v1 = √ 1 −1 2 , e02 = v2 =
kv1 k 6 kv2 k
1 ¡ ¢ 1 1 ¡ ¢
√ 1 1 0 , e03 = v3 = √ 1 −1 −1 . Transformarea de
2 kv3 k 3
coordonate care reduce forma pătratică la forma canonică este:
2.6. EXPONENŢIALA DE ARGUMENT MATRICEAL 157
⎛ ⎞
1 1 1
√ √ √
⎛ ⎞ ⎜ 6 2 3 ⎟ ⎛ ⎞
x1 ⎜ ⎟ y1
⎜ 1 1 1 ⎟
⎝ x2 ⎠ = ⎜ − √ √ −√ ⎟ ⎝ ⎠
⎜ 6 2 3 ⎟ y2 .
x3 ⎜ ⎟ y3
⎝ 2 1 ⎠
√ 0 −√
6 3
Observăm că legea inerţiei se verifică, deoarece şi ı̂n acest caz am obţinut
signatura (1, 1, 1).
Prin metoda Jacobi a fost rezolvat la Exerciţiul 1.24. ¨
2.6 Exponenţiala de argument matriceal

Reamintim că dacă f (λ) este un polinom de variabila λ, f (λ) = b0 λm +
m−1
b1 λ + · · · + bm−1 λ + bm şi A este o matrice constantă, de ordinul n, am
definit matricea f (A) prin formula
f (A) = b0 Am + b1 Am−1 + · · · + bm−1 A + bm I,
m şi n fiind numere naturale, fără nici o legătură ı̂ntre ele.
Ne punem problema cum putem defini funcţii de matrice şi anume cum
putem defini matricea f (A) ı̂n cazul ı̂n care f (x) este o funcţie indefinit
derivabilă oarecare. Una din metode este bazată pe dezvoltarea ı̂n serie
Taylor a funcţiei f (x), folosind noţiunea, relativ complicată de serie de ma-
trice. Dacă f (x) = ex , seria Taylor ı̂n jurul punctului x = 0 corespunzătoare
este
x x2 xn
ex = 1 + + + ··· + + ···
1! 2! n!
şi prin ı̂nlocuire formală a lui x cu A suntem conduşi la expresia:
1 1 1
eA = I + A + A2 + · · · + An + · · · .
1! 2! n!
Aceasta este o serie cu elemente matrici şi poate fi privită ca un ansamblu
de n2 serii de numere reale sau complexe.
Propoziţia 2.1 Dacă A, B ∈ Mn (R), AB = BA, atunci eA+B = eA eB .

1 1 1
Demonstraţie. Fie eA = I + A + A2 + · · · + An + · · · şi eB =
1! 2! n!
1 1 2 1 n
I + B + B + · · · + B + · · · . Folosind produsul ı̂n sens Cauchy
1! 2! n!
1 1 1
a două serii, obţinem e e = (I + A + A2 + · · · + An + · · · )(I +
A B
1! 2! n!
1 1 1 1 1
B + B2 + · · · + Bn + · · · ) = I + (A + B) + (A2 + 2AB + B2 )+
1! 2! n! 1! 2!
1 3 2 2 3 A+B
(A + 3A B + 3AB + B ) + · · · = e .¥
3!
Propoziţia 2.2 Dacă I ∈ Mn (R), matricea unitate, atunci eI = eI.
1 1 1 1 1
Demonstraţie. eI = I + I + I2 + · · · + In + · · · = (1 + + + · · · +
1! 2! n! 1! 2!
1
+ · · · )I = eI.¥
n!
Propoziţia 2.3 Dacă A ∈ Mn (R) atunci (eA )−1 = e−A .
Demonstraţie. Deoarece A şi −A comută, deducem eA e−A = e−A eA =
e0 = I. Deci eA este inversabilă şi inversa ei este e−A .¥
Ne interesează calculul efectiv a lui eA . Pentru aceasta considerăm ur-
mătoarele cazuri:
I. Cazul
⎛ ı̂n care A este matrice ⎞ diagonală, ⎛ A=D ⎞
k
λ1 0 ··· 0 λ1 0 ··· 0
⎜ 0 λ2 · · · 0 ⎟ ⎜ λk2 · · · 0 ⎟
⎜ ⎟ k ⎜ 0 ⎟
D=⎜ . . ⎟,D = ⎜ . . ⎟
⎝ ··· ··· . ··· ⎠ ⎝ ··· ··· . ··· ⎠
0 0 · · · λn 0 0 · · · λkn
1 1 1
eD = I + D + D2 + · · · + Dn + · · · =
⎛ 1! 2! n! ⎞
1
1 + 11 λ1 + · · · 0 ··· 0
⎜0 1 + 11 1
λ2 + 2!1 λ22 + · · · · · · 0 ⎟
⎜ ⎟
= ⎜ .. .. . . .. ⎟=
⎝. . . . ⎠
1 1 2
0 0 · · · 1 + 11 λn + 2! λn + · · ·
⎛ ⎞
λ1
e 0 ··· 0
⎜ 0 e λ2
· ·· 0 ⎟
⎜ ⎟
=⎜ . . ⎟.
⎝ ··· ··· . ··· ⎠
0 0 · · · eλn
II. Cazul ı̂n care A este celulă Jordan de ordin n corespunzătoare valorii
proprii λ ⎛ ⎞
λ 1 ··· 0
⎜ ... ⎟
⎜ 0 λ 0 ⎟
A = Jn = ⎜ ⎟ = λIn + En , unde
⎝ · · · · · · ... 1 ⎠
0 0 ··· λ
⎛ ⎞
⎛ ⎞ 0 0 1 ··· 0
0 1 ··· 0 ⎜ ⎟
.
⎜
⎜ 0 0
... ⎟
0 ⎟ 2 ⎜ ···
⎜ · · · · · · .. · · · ⎟
⎟
En = ⎜ . ⎟ , En = ⎜ 0 0 0 ··· 1 ⎟,··· ,
⎝ · · · · · · .. 1 ⎠ ⎜ ⎟
⎝ 0 0 0 ··· 0 ⎠
0 0 ··· 0 0 0 0 ··· 0
Enn = 0. ∙ ¸
Jn λIn +En λIn 1 1 2 1 n−1
e =e =e I + En + En + · · · + E =
1! 2! (n − 1)! n
⎛ 1 1 1 ⎞
1 1! 2!
· · · (n−1)!
∙ ¸ ⎜ 0 1 1 1
· · · (n−2)! ⎟
1 1 ⎜ 1! ⎟
⎜ 1 ⎟
= eλ I + En + · · · + En−1
n = eλ ⎜ 0 0 1 · · · (n−3)! ⎟,
1! (n − 1)! ⎜ ⎟
⎝ · · · · · · · · · ... · · · ⎠
0 0 0 ··· 1
II. Cazul
⎛ ı̂n care A este⎞o matrice Jordan⎛ ⎞
J1 0 eJ1 0
⎜ J2 ⎟ ⎜ eJ2 ⎟
⎜ ⎟ ⎜ ⎟
J=⎜ . . ⎟ , atunci eJ = ⎜ ... ⎟.
⎝ . ⎠ ⎝ ⎠
0 Js 0 eJs
Teorema 2.5 Dacă A, B ∈ Mn (R), A şi B sunt matrice asemenea,

B = C−1 AC, atunci eB = C−1 eA C.
Demonstraţie. Ştim că B2 = C−1 A2 C, . . . , Bk = C−1 Ak C (inducţie)

X∞
1 k X −1
∞ X ∞
1 k
−1
B
e = B = C AC = C ( A )C = C−1 eA C.¨
k=0
k! k=0 k=0
k!
Consecinţe.
1. Dacă A este diagonalizabilă, D = P−1 AP, atunci eA = PeD P−1 .
2. Dacă A admite forma Jordan, J = P−1 AP, atunci eA = PeJ P−1
unde P este matricea modală.
⎛ 2.56 Fie matricea:

Exerciţiul ⎞
1 0 0 1
⎜ 0 1 0 0 ⎟
A= ⎜ ⎝ 0 0 1 −2 ⎠ .
⎟
1 0 −2 5
Să se calculeze eA .
Rezolvare. Polinomul caracteristic este: P (λ) = λ(λ − 1)2 (λ − 6). Pentru

¡ ¢T
λ = 0, vectorul propriu este v1 = −1 0 2 1 ; pentru λ = 1,
⎛ ⎞
0 0 0 1
⎜ 0 0 0 0 ⎟
A−I=⎜ ⎟
⎝ 0 0 0 −2 ⎠, iar vectorii proprii sunt:
1 0 −2 4
¡ ¢T ¡ ¢T
v2 = 0 1 0 0 , v3 = 2 0 1 0 .
⎛ ⎞
−5 0 0 1
⎜ 0 −5 0 0 ⎟
Pentru λ = 6, A − I = ⎜ ⎝ 0
⎟, iar vectorul propriu
0 −5 −2 ⎠
1 0 −2 −1
⎛ ⎞
0 0 0 0
¡ ¢T ⎜ 0 1 0 0 ⎟
este: v4 = 1 0 −2 5 . Obţinem D = ⎜ ⎝ 0 0 1 0 ⎠ , iar
⎟
0 0 0 6
⎛ ⎞ ⎛ 1 1 1
⎞
−1 0 2 1 −6 0 3 6
⎜ 0 1 0 0 ⎟ ⎜ 0 ⎟
H=⎜ ⎟ , H−1 = ⎜ 02 1 01 ⎟.
⎝ 2 0 1 −2 ⎠ ⎝ 0 5 0 ⎠
5
1 1 1
1 0 0 5 0 − 15
⎛ ⎞ 30 6
1 0 0 0
⎜ 0 e 0 0 ⎟
eD = ⎜⎝ 0 0 e 0 ⎠,
⎟
0 0 0 e6
⎛ ⎞⎛ ⎞⎛ 1 ⎞
−1 0 2 1 1 0 0 0 − 6 0 13 1
6
⎜0 1 0 0 ⎟ ⎜ ⎟⎜ 0⎟
eA = PeD P−1 = ⎜ ⎟⎜ 0 e 0 0 ⎟⎜ 02 1 01 ⎟=
⎝2 0 1 −2 ⎠⎝ 0 0 e 0 ⎠⎝ 5 0 5 0⎠
1 1 1
1 0 0 5 0 0 0 e6 0 − 15
⎛ 4 1 6 1 2 1 6 1 1 6 1
⎞ 30 6
5
e + 30
e + 6
0 5
e − 15
e − 3 6
e − 6
⎜ 0 e 0 0 ⎟
=⎜ ⎝ e− e −
⎟.
2
5
1
15
6 1
3
0 5 e + 15 e + 3 − 3 e + 3 ⎠
1 2 6 2 1 6 1
1 6
6
e − 16 0 − 13 e6 + 13 5 6
6
e + 16
⎛ 2.57 Fie⎞matricea
Exerciţiul
0 1 0
A= −4 4 0 ⎠ .
⎝
−2 1 2
Rezolvare. Polinomul caracteristic este: P (λ) = −(λ − 2)3 . Calculăm

¡ ¢T ¡ ¢T
def(A − 2I), (A − 2I)x = θ implică x = 1 2 0 ,y= 0 0 1
deci există două serii de vectori proprii şi asociaţi. Cum ı̂n total trebuie să
fie trei vectori proprii şi asociaţi rezultă că există o serie de lungime 1(un
vector propriu) şi o serie de lungime 2 (un vector propriu şi un asociat). Ca
să dererminăm
⎛ capul
⎞ ⎛ de ⎞serie;⎛calculăm
⎞
0 1 0 0 1
⎝ −4 4 0 ⎠ ⎝ 1 ⎠ = ⎝ 4 ⎠
−2 1 2 0 1
⎛ ⎞⎛ ⎞ ⎛ ⎞
−2 1 0 0 1
⎝ −4 2 0 ⎠ ⎝ 1 ⎠ = ⎝ 2 ⎠
−2 1 0 0 1
⎛ ⎞ ⎛ ⎞
−2 1 0 0 0 0
A − 2I = ⎝ −4 2 0 ⎠ , (A − 3I)2 = ⎝ 0 0 0 ⎠, o bază ı̂n ker(A −
n¡ −2 1¢ 0 ¡ ¢ ¡
0 0 0o
¢T
T T
3I)2 : este 1 0 0 , 0 1 0 , 0 0 1 . Calculăm
⎛ ⎞⎛ ⎞ ⎛ ⎞ ⎛ ⎞⎛ ⎞ ⎛ ⎞
−2 1 0 1 −2 −2 1 0 0 1
⎝ −4 2 0 ⎠ ⎝ 0 ⎠ = ⎝ −4 ⎠ , ⎝ −4 2 0 ⎠ ⎝ 1 ⎠ = ⎝ 2 ⎠ ,
−2 1 0 0 −2 −2 1 0 0 1
⎛ ⎞⎛ ⎞ ⎛ ⎞
−2 1 0 0 0
⎝ −4 2 0 ⎠ ⎝ 0 ⎠ = ⎝ 0 ⎠ ⇒vectorul propriu (6= θ) cap de serie
−2 1 0 1 0
¡ ¢T
pentru seria de lungime 2 va fi, de exemplu, v11 = 1 2 1 , iar vectorul
1
¡ ¢T
asociat este: v2 = 0 1 0 .
Vectorul propriu din seria de lungime 1, v12 , se alege unul din vectorii din
ker(A − 3I) astfel ı̂ncât {v11 , v21 , v⎛2
1 } să fie liniari
⎞ independenţi. Alegem, de
¡ ¢T 1 1 0
exemplu, v12 = 1 2 0 , det ⎝ 2 2 1 ⎠ = −1.
0 1 0
Matricea
⎛ Jordan: ⎞ ⎛ ⎞
2 0 0 1 1 0
J = ⎝ 0 2 1 ⎠ ; H = ⎝ 2 2 1 ⎠.
0 0 2 0 1 0
µ ¶
J1 2 0 1
e = (e ) , J2 = 2I + E2 , E2 = ,
0 0
µ ¶ µ ¶ µ 2 2 ¶
2 0 0 J2 2 1 2 1 1 e e
E2 = ⇒ e = e (I + E2 ) = e = .
0 0 1! 0 1 0 e2
⎛ ⎞
µ J1
¶ e2 0 0
e 0
eJ = =⎝ 0 e2 e2 ⎠ ,
0 eJ2
⎛ ⎞ 0 ⎛0 e2 ⎞
1 0 1 0 0 1
H = ⎝ 2 1 2 ⎠ ; H−1 = ⎝ −2 1 0 ⎠
⎛1 0 0 ⎞⎛ 2 1 ⎞ 0⎛ −1 ⎞
1 1 0 e 0 0 1 0 −1
eA = ⎝ 2 2 1 ⎠ ⎝ 0 e2 e2 ⎠ ⎝ 0 0 1 ⎠ =
⎛ 0 1 0 ⎞ 0 0 e2 −2 1 0
2 2
−e e 0
= ⎝ −4e 3e 0 ⎠ .
2 2
−2e2 e2 e2
În teoria ecuaţiilor diferenţiale, se utilizează destul de mult matricea
exp (tA), notată şi etA . Mai exact, se defineşte o funcţie F (t) = exp (tA)
de variabila reală t ∈ (−∞, ∞) şi luând valori ı̂n mulţimea matricelor de
ordinul n, prin analogie cu funcţia scalară f (t) = exp (at). Aceasta din
urmă satisface ecuaţia diferenţială ẋ (t) = ax (t) şi condiţia iniţială x (0) =
1. Pentru cazul matriceal, vom considera ecuaţia diferenţială liniară
Ẋ (t) = AX (t) , cu condiţia X (0) = I (2.9)
ı̂n care X (t) este funcţia-matrice de ordinul n, ale cărei elemente sunt funcţii
de variabila independentă t, A este o matrice constantă de acelaşi ordin n, I
este matricea unitate de ordinul n, iar Ẋ (t) este funcţia - matrice obţinută
prin derivarea ı̂n raport cu t£ a fiecărui element al lui X ¤(t).
Dacă notăm X (t) = col x(1) (t) , x(2) (t) , . . . , x(n) (t) , se poate arăta că
relaţiile (2.9) sunt echivalente cu faptul că fiecare coloană x(i) (t) a matricei
X (t) satisface sistemul diferenţial liniar
¡ (i) ¢ ¡ ¢T
x (t) = Ax (t) , x (0) = 0 · · · 0 1 0 · · · 0
i (2.10)
vectorul iniţial x(i) (0) fiind al i-lea vector din baza standard din Rn sau, cu
alte cuvinte, coloana de rand i din matricea unitate I. Rezolvarea acestor
n sisteme diferenţiale duce la aflarea coloanelor matricei X (t) = exp (tA).
Se poate folosi şi notaţia exp (At). În cazurile n = 2, 3 găsirea matricei
exp (tA) nu duce la calcule foarte complicate. Există şi o altă metodă de
găsire a matricei exp (tA), care presupune folosirea transformatei Laplace,
dar nu o prezentăm aici.
µ ¶
1 0
Exemplul 2.4 Fie I = matricea unitate de ordinul 2. Să se afle
0 1
exp (tI).
Rezolvare. Avem de rezolvat (de găsit soluţia generală) sistemul

µ ¶ µ ¶ µ ¶
d x1 (t) 1 0 x1 (t)
= . .
dt x2 (t) 0 1 x2 (t)
Soluţia sa generală este x1 (t) = c1 et , x2 (t) = c2 et cu c1 , c2 = constante
arbitrare. Pentru x1 (0) = 1, x2 (0) = 0 avem prima coloană x(1) (t) =
¡ t ¢T
e 0 , luând c1 = 1, c2 = 0. Pentru x1 (0) = 0, x2 (0) = 1 avem a doua
¡ ¢T
coloană x(2) (t) = 0 et , luând c1 = 0, c2 = 1. În concluzie, rezultă
µ t ¶ µ ¶
e 0 t e 0
exp (tI) = = e I, exp (I) = = eI.¨
0 et 0 e
µ ¶
a −b
Exemplul 2.5 Fie A = , cu b 6= 0. Să se afle exp (tA).
b a
Rezolvare. Sistemul x (t) = Ax (t) se scrie pe larg, astfel
(
ẋ1 (t) = ax1 − bx2
.
ẋ2 (t) = bx1 + ax2
Prin derivarea primei ecuaţii şi eliminarea variabilei x2 , se ajunge la
ecuaţia liniară cu coeficienţi constanţi
¡ ¢
ẍ1 − 2aẋ1 + a2 + b2 x1 = 0
a cărei soluţie generală este x1 = c1 eat cos bt + c2 eat sin bt, unde c1 şi c2 sunt
constante arbitrare. Folosind din nou prima ecuaţie, găsim şi cea de a doua
funcţie a sistemului, x2 = c1 eat sin bt − c2 eat cos bt. Luând c1 = 1, c2 = 0
obţinem prima coloană x(1) (t) a matricei exp (tA):
µ at ¶ µ ¶
(1) e cos bt (1) 1
x (t) = at , cu x (0) = .
e sin bt 0
Luând apoi c1 = 0, c2 = −1, obţinem a doua coloană x(2) (t):

µ ¶ µ ¶
(2) −eat sin bt (2) 0
x (t) = at , cu x (0) = .
e cos bt 1
Deci, putem scrie
µ at ¶ µ ¶
tA e cos bt −eat sin bt at cos bt − sin bt
e = =e .
eat sin bt eat cos bt sin bt cos bt
Pentru t = 1, obţinem matricea exp (A).¨

Exemplul 2.6 Se caută matricele B, pentru care

µ ¶
B a −b
e = ,
b a
cu a şi b reale, nu ambele nule.
Rezolvare. Căutăm B de forma µ

următoare¶
u −v
B= .
v u
Cunoaştem exp (B) din exemplul precedent, deci trebuie să avem
µ ¶ µ ¶ µ ¶
u cos v − sin v a −b cos α − sin α
e = =ρ ,
sin v cos v b a sin α cos α
√ a b
unde am notat ρ = a2 + b2 , = cos α şi = sin α. Obţinem eu = ρ şi
ρ ρ
v = α + 2kπ, ∀k = ı̂ntreg. Deci avem o infinitate de soluţii
µ ¶
ln ρ −(α + 2kπ)
Bk = , k = 0, ±1, ±2, . . . ¨
α + 2kπ ln ρ
În ce priveşte alte proprietăţi ale funcţiei exponenţiale de argument ma-
triceal, asemănătoare celor ale funcţiei clasice ex , din analiza matematică,
prezentăm următoarea teoremă:
Teorema 2.6 Fie A o matrice constantă, de ordinul n. Oricare ar fi nu-
merele reale t şi τ , are loc egalitatea
etA · eτ A = e(t+τ )A .
Demonstraţie. Notând ϕ (t) = etA · eτ A (τ = constant) avem
ϕ̇ (t) = Aϕ (t) , t ∈ (−∞, ∞) şi ϕ (0) = eτ A ,

¯
¯
unde am ţinut seama că etA ¯ = I. În mod asemănător, notând ψ (t) =
t=0
e(t+τ )A (τ = constant), avem
ψ̇ (t) = Aψ (t) , t ∈ (−∞, ∞) şi ψ (0) = eτ A .
Din teorema de existenţă şi unictate a soluţiei pentru sistemul matriceal

Ẋ (t) = AX (t), rezultă că două soluţii care coincid ı̂ntr-un punct (ı̂n cazul
de faţă, t = 0), sunt identice. Deci egalitatea ϕ (t) = ψ (t) are loc pentru
orice t = real şi proprietatea enunţată a fost demonstrată.¥
2.7. CONICE PE ECUAŢII REDUSE 165
În teoria ecuaţiilor diferenţiale, matricea etA se numeşte matrice fun-

damentală pentru sistemul liniar x (t) = Ax (t) (ı̂n scriere matriceală).
Importanţa cunoaşterii sale constă ı̂n aceea că soluţia generală a acestui sis-
tem se scrie ı̂n forma x (t) = etA c, unde c este un vector constant arbitrar,
din Rn . Notând det etA = W (t), numim acest determinant wronskianul
soluţiilor particulare x(1) (t), x(2) (t), . . . , x(n) (t) (coloanele matricei etA ).
Se arată că are loc formula lui Liouville
Ut
t0 (tr A)dτ
W (t) = W (t0 ) e ,
oricare ar fi t şi t0 reali. În cazul nostru, matricea A este constantă şi
P
n
tr A = aii = constant. Luând t = 1 şi t0 = 0, găsim
i=1
det eA = etr A = ea11 +a22 +···+ann .

Pn
Pe de altă parte, avem λi = tr A, unde λi sunt autovalorile matricei
i=1
A. Putem deci să scriem
det eA = eλ1 · eλ2 · · · eλn ,
adică dacă luăm f (λ) = eλ , avem det f (A) = f (λ1 ) f (λ2 ) · · · f (λn ), for-
mulă care am găsit-o prima dată ı̂n cazul f (λ) = polinom ı̂n variabila λ.
2.7 Conice pe ecuaţii reduse

−
→ − →
Fie un plan (π) şi un reper ortonormat R = (O; i , j ).
2.7.1 Cercul
Definiţia 2.7 Cercul este locul geometric al punctelor din plan care au
proprietatea că sunt egal depărtate, la distanţă R, de un punct fix. Punc-
tul fix, M0 (x0 , y0 ) se numeşte centrul cercului iar R se numeşte raza
cercului.
Fie M(x, y) un punct oarecare al cercului. Dacă r şi r0 sunt vectorii de
poziţie ai punctelor M respectiv C, atunci kr − r0 k = R ⇔ (x − x0 )2 + (y −
y0 )2 = R echivalent cu
(x − x0 )2 + (y − y0 )2 = R2 . (2.11)
Ecuaţia (2.11) se numeşte ecuaţia carteziană a cercului de centru

M0 (x0 , y0 ) şi de rază R. Pentru cercul cu centrul ı̂n origine, ecuaţia este
x2 + y 2 = R2 .
Teorema 2.7 O ecuaţie de forma

x2 + y 2 + 2ax + 2by + c = 0 cu a2 + b2 − c > 0 (2.12)
√
reprezintă un cerc cu centrul ı̂n punctul (−a, −b) şi de rază R = a2 + b2 − c.
Demonstraţie. Putem scrie (x + a)2 + (y + b)2 + c − a2 − b2 = 0,deci cu

x0 = −a, y0 = −b, R2 = a2 + b2 − c > 0 obţinem (2.11).¥
Deducem ecuaţiei tangentei la cerc ı̂ntr-un punct al său, M1 (x1 , y1 ).
Dacă P (x, y) este un punct oarecare aparţinând tangentei, atunci vec-
−−→ −
→ −
→
torul CM1 = (x1 − x0 ) i + (y1 − y0 ) j este perpendicular pe vectorul
−−→ −
→ −
→ −−→ −−→
M1 P = (x − x1 ) i + (y − y1 ) j , adică hCM1 , M1 P i = 0 ⇔
(x1 − x0 )(x − x1 ) + (y1 − y0 )(y − y1 ) = 0 ⇔
(x1 − x0 ) [(x − x0 ) + (x0 − x1 )] + (y1 − y0 ) [(y − y0 ) + (y0 − y1 )] = 0 ⇔
(x1 − x0 )(x − x0 ) + (y1 − y0 )(y − y0 ) − [(x1 − x0 )2 + (y1 − y0 )2 ] = 0 ⇔
(x1 − x0 )(x − x0 ) + (y1 − y0 )(y − y0 ) = R2 . (2.13)
Ecuaţia (2.13) se numeşte ecuaţia tangentei la cerc dusă printr-un punct
al cercului obţinută prin dedublare.
Ecuaţiile
½ parametrice ale cercului:
x = x0 + R cos ϕ
, ϕ ∈ [0, 2π) .
y = y0 + R sin ϕ
Dacă
½ cercul are centrul ı̂n origine obţinem parametrizarea:
x = R cos ϕ
, ϕ ∈ [0, 2π) .
y = R sin ϕ
2.7.2 Elipsa
Definiţia 2.8 Elipsa este locul geometric al punctelor din plan care au pro-
prietatea că suma distanţelor la două puncte fixe, F şi F 0 (numite focare),
este constantă şi egală cu 2a, a ∈ R+ .
Figura 2.1.
Deducerea ecuaţiei elipsei

Pentru a deduce ecuaţia elipsei alegem un reper preferenţial: (figura 2.1)
originea O a reperului se consideră ı̂n mijlocul segmentului F F 0 , versorul
−
→ −→ −
→
i este versorul vectorului OF iar versorul j se alege perpendicular pe
−
→ −→ −→
i ı̂n O. Din felul ı̂n care am ales reperul R deducem că OF = c i şi
−−→0 −
→
OF = −c i , unde c > 0. Deci F°(c, 0),°F 0 (−c, ° 0) °şi dacă M(x, y) este un
°−−→° °−−→0 °
punct al locului geometric, atunci °MF ° + °MF ° = 2a, a > 0 fixat.
p p
− 2 + y2 + 2 2
Rezultă
p (x c) p (x + c) + y = 2a ⇔
(x − c)2 + y 2 = 2a − (x + c)2 + y 2
Ridicând la pătrat şi efectuând simplificările obţinem:
p
a (x + c)2 + y 2 = a2 + xc. (2.14)
2
Pentru x > − ac ridicăm din nou la pătrat şi efectuând simplificările
obţinem: °(a2 −°c2 )x°2 + a2°y 2 −° a2 (a°2 − c2 ) = 0. Notăm a2 − c2 = b2 (a > c
°−−→° °−−→° °−−→°
deoarece °MF ° + °MF 0 ° > °F F 0 °) şi obţinem b2 x2 + a2 z 2 − a2 b2 = 0 ⇔
x2 y 2
+ 2 − 1 = 0. (2.15)
a2 b
Ecuaţia (2.15) reprezintă ecuaţia elipsei de semiaxe a şi b. Din (2.14)
c p c
obţinem x + a = (x + c)2 + y 2 . Notăm e = . e se numeşte excentrici-
a a
tatea elipsei şi obţinem
a p
e(x + ) = (x + c)2 + y 2 . (2.16)
e
a
Observăm că e < 1, ı̂n cazul elipsei. x + reprezintă distanţa de la
e
a
punctul M(x, y) la dreapta de ecuaţie x = − , numită directoarea elipsei.
e
a a
Elipsa are două drepte directoare de ecuaţii x = − şi x = iar punctele
e e
a a a a2
elipsei se găsesc ı̂ntre aceste drepte, x ≥ −a > − şi x ≤ a < ( = >
e e e c
a).
Relaţia (2.16) ne arată că raportul distanţelor de la M la F 0 şi la dreapta
a
directoare de ecuaţie x = − este constantă şi egală cu excentricitatea
e
elipsei.
Observaţia 2.8 Axa Ox intersectează elipsa ı̂n punctele A0 (−a, 0) şi A(a, 0)
numite vârfurile elipsei. Axa Oy intersectează elipsa tot ı̂n vârfuri, B(0, b),
B 0 (0, −b). Axele Ox şi Oy sunt axe de simetrie pentru elipsă. Punctul
O(0, 0) numit centrul elipsei este centru de simetrie.
Ecuaţia (2.17) a tangentei la elipsă dusă printr-un punct (x0 , y0 ) de pe

elipsă se obţine prin dedublare.
xx0 yy0
+ 2 − 1 = 0. (2.17)
a2 b
Reprezentarea
½ paramertică a elipsei:
x = a cos ϕ
, ϕ ∈ [0, 2π) .
y = b sin ϕ
2.7.3 Hiperbola
Definiţia 2.9 Hiperbola este locul geometric al punctelor din plan care
au proprietatea că diferenţa distanţelor la două puncte fixe, F şi F 0 (numite
focare), este constantă şi egală cu 2a, a ∈ R+ .
Deducerea ecuaţiei hiperbolei.
Pentru a deduce ecuaţia hiperbolei alegem un reper preferenţial la fel ca
şi ı̂n cazul elipsei (figura 2.2): originea O a reperului se alege ı̂n mijlocul
−
→ −→ −
→
segmentului F F 0 , versorul i este versorul vectorului OF iar versorul j se
−→
alege perpendicular pe i ı̂n O.
Figura 2.2.
−→ → −−→
−
Din felul ı̂n care am ales reperul R deducem că OF = c i şi OF 0 =
−
→
−c i , unde c > 0.°Deci °F (c,°0), F 0°(−c, 0) şi dacă M(x,
° y) este
° ° un punct
° al
°−−→° °−−→0 ° °−−→° °−−→0 °
hiperbolei, atunci °MF ° − °MF ° = 2a, a > 0 fixat,°MF ° > °MF °.
p p
− 2 + y2 − 2 2
Rezultă
p (x c) p (x + c) + y = 2a ⇔
(x − c)2 + y 2 = 2a + (x + c)2 + y 2 .
Ridicând la pătrat şi efectuând simplificările obţinem:
p
a (x + c)2 + y 2 = −a2 − xc. (2.18)
2
Pentru x < − ac ridicăm din nou la pătrat şi efectuând simplificările
obţinem: °(a2 −°c2 )x°2 + a°
2 2
y − 2 2 2 2 2 2
° a (a° − c ) = 0. Notăm c − a = b (a < c
°−−→° °−−→° °−−→°
deoarece °MF ° − °MF 0 ° < °F F 0 °) şi obţinem b2 x2 − a2 z 2 − a2 b2 = 0 ⇔
x2 y 2
− 2 − 1 = 0. (2.19)
a2 b
Ecuaţia (2.19) reprezintă ecuaţia hiperbolei de semiaxe a şi b.
c p c
Din (2.18) obţinem − x − a = (x + c)2 + y 2 . Notăm e = , numită
a a
excentricitatea hiperbolei şi obţinem
a p
−e(x + ) = (x + c)2 + y 2 . (2.20)
e
a
Observăm că e > 1, ı̂n cazul hiperbolei. x + reprezintă distanţa de
e
a
la punctul M(x, y) la dreapta de ecuaţie x = − , numită directoarea
e
a
hiperbolei. Hiperbola are două drepte directoare de ecuaţii x = −
e
a
şi x = iar punctele hiperbolei se găsesc ı̂n exteriorul acestor drepte,
e
a a a a2
x ≤ −a < − şi x ≥ a > ( = < a).
e e e c
Relaţia (2.20) ne arată că raportul distanţelor de la M la F 0 şi la dreapta
a
directoare de ecuaţie x = − este constantă şi egală cu excentricitatea
e
hiperbolei.
b√ 2
Din ecuaţia (2.19) a hiperbolei obţinem: y = x − a2 sau y =
a
b√ 2 b
− x − a2 . Rezultă că dreptele y = ± x sunt asimptote.
a a
Tangenta la hiperbolă
xx0 yy0
− 2 − 1 = 0. (2.21)
a2 b
Ecuaţia (2.21) a tangentei la hiperbolă dusă printr-un punct (x0 , y0 ) de
pe hiperbolă se obţine prin dedublare.
Observaţia 2.9 Hiperbola
x2 y 2
− 2 + 1 = 0. (2.22)
a2 b
este numită şi hiperbola conjugată (figura 2.3) hiperbolei (2.19). Are
aceleaşi asimptote, aceleaşi axe.
y
3.5
3
2.5
2
1.5
1
0.5
0
-5 -4 -3 -2 -1 0 1 2 3 4 5
-0.5
-1 x
-1.5
-2
-2.5
-3
-3.5
Figura 2.3.
Observaţia 2.10 Dacă a = b, hiperbola se numeşte echilateră şi are
ecuaţia x2 − y 2 = a2 . Asimptotele sale sunt bisectoarele axelor, x = y şi
x = −y. Tot hiperbolă echilateră este xy = ±a2 . În acest caz asimptotele
hiperbolei sunt axele de coordonate.
Reprezentarea
½ paramertică a hiperbolei:
x = a ch ϕ
, ϕ ∈ R.
y = b sh ϕ
2.7.4 Parabola
Definiţia 2.10 Parabola este locul geomertic al punctelor din plan egal
depărtate de un punct fix, F , numit numit focar, şi o dreaptă dată, numită
dreaptă directoare.
y 5
1
0
-0.5 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
-1 x
-2
-3
-4
-5
Figura 2.4.
Deducerea ecuaţiei parabolei.
Pentru a deduce ecuaţia parabolei alegem un reper preferenţial (figura
−
→
2.4): originea O a reperului se alege ı̂n vârful parabolei, versorul i este
−→ −→ −
→
versorul vectorului OF iar versorul j se alege perpendicular pe i ı̂n O.
−→ p−→
Din felul ı̂n care am ales reperul R deducem că OF = i şi dreapta
r 2
p p p
directoare de ecuaţie x = − . Trebuie să avem x + = (x − )2 + y 2 ⇔
2 2 2
2.8. CUDRICE PE ECUAŢII REDUSE 171
p2 p2
x2 + px + = x2 − px + + y2 ⇔
4 4
y 2 = 2px. (2.23)
Tangenta la parabolă
yy0 = p(x + x0 ). (2.24)
Ecuaţia (2.24) a tangentei la parabolă dusă printr-un punct (x0 , y0 ) de
pe parabolă se obţine prin dedublare.
Observaţia 2.11 Excentricitatea parabolei este e = 1. O reprezentare
parametrică a parabolei este y = t, x = t2 /(2p).
2.8 Cudrice pe ecuaţii reduse

2.8.1 Sfera
Definiţia 2.11 Locul geometric al punctelor din spaţiu M(x, y, z) cu pro-
prietatea că distanţa lor la un punct fix M0 (x0 , y0 , z0 ) este constantă se
numeste sferă (suprafaţă sferică).
Dacă r respectiv r0 sunt vectorii de poziţie ai punctelor M şi M0 , atunci
kr − r0 k = R. M0 (x0 , y0 , z0 ) se numeşte centrul sferei, iar r este raza sferei.
(Figura 2.5).
Teorema 2.8 Punctul M(x, y, z) aparţine sferei de centru C(x0 , y0 , z0 ) şi
rază R dacă şi numai dacă
(x − x0 )2 + (y − y0 )2 + (z − z0 )2 = R2 .
Demonstraţie. M aparţine sferei⇔ kM0 Mk = R ⇔ kr − r0 k = R ⇔

p
(x − x0 )2 + (y − y0 )2 + (z − z0 )2 = R ⇔
(x − x0 )2 + (y − y0 )2 + (z − z0 )2 = R2 .¥
Figura 2.5.
Studiem ecuaţia x2 + y 2 + z 2 + 2ax + 2by + 2cz + d = 0 ca să stabilim ı̂n
ce caz ea reprezintă ecuaţia unei sfere. Această ecuaţie se mai poate scrie
de forma (x + a)2 + (y + b)2 + (z + c)2 = a2 + b2 + c2 − d. De aici observăm

că dacă
a) a2 + b2√+ c2 − d > 0 ecuaţia reprezintă o sferă de centru (−a, −b, −c)
şi rază R = a2 + b2 + c2 − d.
b) a2 + b2 + c2 − d = 0 ecuaţia reprezintă un punct de coordonate
(−a, −b, −c);
c) a2 + b2 + c2 − d < 0 ecuaţia reprezintă o sferă imaginară.
Ecuaţia x2 + y 2 + z 2 + 2ax + 2by + 2cz + d = 0 cu a2 + b2 + c2 − d > 0
reprezintă ecuaţia carteziană generală a sferei. Ecuaţia sferei cu centru
ı̂n origine şi de rază R este x2 + y 2 + z 2 = R2 . Observăm că elipsoidul este
o mulţime mărginită şi ı̂nchisă, deci compactă.
2.8.2 Elipsoidul
Definiţia 2.12 Elipsoidul este cuadrica reprezentată, ı̂ntr-un reper con-
venabil, prin ecuaţia:
x2 y 2 z 2
+ 2 + 2 = 1, a, b, c ∈ R+ . (2.25)
a2 b c
Figura 2.6.
Se observă că reperul ı̂n raport cu care este scrisă ecuaţia are ori-
ginea, axele şi planele de coordonate elemente de simetrie ale cuadricei.
În concluzie elipsoidul admite trei plane de simetrie, trei axe de sime-
trie şi un centru de simetrie. Punctele ı̂n care axele de coordonate inter-
sectează suprafaţa se numesc vârfurile elipsoidului şi ele sunt: A(a, 0, 0),
A0 (−a, 0, 0), B(0, b, 0), B 0 (0, −b, 0), C(0, 0, c), C 0 (0, 0, −c). Numerele a, b, c
se numesc semiaxele elipsoidului.
Pentru reprezentarea grafică se utilizează metoda intersecţiei cu planele
de coordonate şi cu plane paralele cu planele de coordonate. Pentru z = h,
x2 y 2 h2
obţinem curba: 2 + 2 = 1 − 2 , z = h. Această intersecţie este mulţimea
a b c
vidă dacă |h| > c, este un punct (dublu) pentru h = c, C(0, 0, c) şi pen-
tru h = −c, C 0 (0, 0, −c). Pentru −c < h < c, prima ecuaţie a curbei
x2 y2
de intersecţie poate fi scrisă de forma: + = 1 care
h2 h2
a2 (1 2
− 2 ) b (1 − 2 )
c c
reprezintă, pentru fiecare −c < h < c, ecuaţia unei elipse.
Analog se studiază secţiunile cu plane paralele cu plane paralele cu
xOz, yOz astfel ı̂ncât obţinem imaginea din figura 2.6. Observăm că elip-
soidul este o mulţime mărginită şi ı̂nchisă, deci compactă.
Ecuaţia planului tangent la elipsoid printr-un punct al elipsoidu-
lui se obţine prin dedublare. Fie M0 (x0 , y0 , z0 ) un punct de pe elipsoidul de
ecuaţie (2.25). Ecuaţia planului tangent prin acest punct este
xx0 yy0 zz0
+ 2 + 2 =1
a2 b c
O reprezentare parametrică a elipsoidului se obţine de forma:
⎧
⎨ x = a cos ϕ sin ψ h π πi
y = b sin ϕ sin ψ , ϕ ∈ [0, 2π) , ψ ∈ − , .
⎩ 2 2
z = c cos ψ
x2 y 2 z 2
Suprafaţa reprezentată prin ecuaţia: 2 + 2 + 2 + 1 = 0, a, b, c > 0 se
a b c
numeşte elipsoid imaginar.
2.8.3 Hiperboloidul cu o pânză

Definiţia 2.13 Hiperboloidul cu o pânză este cuadrica reprezentată,
ı̂ntr-un reper convenabil, prin ecuaţia:
x2 y 2 z 2
+ 2 − 2 − 1 = 0, a, b, c ∈ R+ . (2.26)
a2 b c
Numerele a, b, c se numesc semiaxele hiperboloidului.
Figura 2.7.
Reperul ı̂n raport cu care este scrisă ecuaţia are originea, axele şi planele
de coordonate elemente de simetrie ale cuadricei. Acesta are patru vârfuri,
A(a, 0, 0), A0 (−a, 0, 0), B(0, b, 0), B 0 (0, −b, 0). Prin metoda intersecţiei cu
planele de coordonate şi cu plane paralele cu acestea se obţine forma cuadri-
cei, Figura 2.7..Hiperboloidul cu o pânză este o suprafaţă nemărginită.
x2 y2 z2
Cuadrica + − = 0 se numeşte conul asimptotic al hiper-
a2 b2 c2
boloidului cu o pânză (Figura 2.8).
Figura 2.8.
Ecuaţia planului tangent la hiperboloidul cu o pânză printr-un
punct al său se obţine prin dedublare. Fie M0 (x0 , y0 , z0 ) un punct de pe
hiperboloidului cu o pânză de ecuaţie (2.26). Ecuaţia planului tangent prin
acest punct este
xx0 yy0 zz0
+ 2 − 2 = 1.
a2 b c
O reprezentare parametrică a hiperboloidului cu o pânză este:
⎧ cos ϕ
⎪
⎪ x=a
⎪
⎨ cos ψ ³ ´
sin ϕ , ϕ ∈ [0, 2π) , ψ ∈ − π , π .
⎪ y = b cos ψ
⎪ 2 2
⎪
⎩
z = c tg ψ
O altă reprezentare parametrică a hiperboloidului cu o pânză se obţine,
ţinı̂nd seama că 1 + sh2 ψ = ch2 ψ, şi luând z = c sh ψ:
⎧
⎨ x = a cos ϕ ch ψ
y = b sin ϕ ch ψ , ϕ ∈ [0, 2π) , ψ ∈ R.
⎩
z = c sh ψ
2.8.4 Hiperboloidul cu două pânze

Definiţia 2.14 Hiperboloidul cu două pânze este cuadrica dată, ı̂ntr-
un reper convenabil, prin ecuaţia
x2 y 2 z 2
− 2 − 2 − 1 = 0, a, b, c ∈ R+ (2.27)
a2 b c
Numerele a, b, c se numesc semiaxele hiperboloidului.
Figura 2.9.
Hiperboloidul cu două pânze are aceleaşi simetrii ca şi elipsoidul. Are
două vârfuri C(0, 0, c), C 0 (0, 0, c). Se observă că intersecţiile hiperboloidului
cu două pânze cu planele x = 0 şi y = 0 şi cu plane paralele cu acestea sunt
hiperbole. Intersecţiile cu plane paralele cu yOz, z = h, |h| > c, sunt elipse.
Planele z = h,cu −c < h < c, nu intersectează cuadrica (figura 2.9).
Hiperboloidul cu două pânze este o mulţime nemărginită. Cuadrica
x2 y 2 z 2
− − = 0 se numeşte conul asimptotic al hiperboloidului cu două
a2 b2 c2
pânze. (figura 2.10).
Ecuaţia planului tangent la hiperboloidul cu două pânze printr-
un punct al său se obţine prin dedublare. Fie M0 (x0 , y0 , z0 ) un punct
de pe hiperboloidului cu două pânze de ecuaţie (2.27). Ecuaţia planului
tangent prin acest punct este
xx0 yy0 zz0
− 2 − 2 = 1.
a2 b c
O
⎧ reprezentare parametrică a hiperboloidului cu două pânze este:
⎨ x = a ch ψ
y = b cos ϕ sh ψ , ϕ ∈ [0, 2π) , ψ ∈ R+ .
⎩
z = c sin ϕ sh ψ
2.8.5 Paraboloidul eliptic

Definiţia 2.15 Paraboloidul eliptic este cuadrica dată, ı̂ntr-un reper con-
venabil, prin ecuaţia
x2 y 2
+ 2 = 2z, a, b > 0. (2.28)
a2 b
Figura 2.10.
Planele de coordonate yOz şi xOz sunt plane de simetrie, iar axa Oz este
axă de simetrie a suprafeţei. Paraboloidul eliptic nu are centru de simetrie.
Intersecţia cu plane paralele cu xOy este fie mulţimea vidă, fie o elipsă, iar
intersecţia cu plane paralele cu xOz şi yOz sunt parabole (figura 2.10).
Ecuaţia planului tangent la paraboloidul eliptic printr-un punct
al său se obţine prin dedublare. Fie M0 (x0 , y0 , z0 ) un punct de pe parabo-
loidului eliptic de ecuaţie (2.28). Ecuaţia planului tangent prin acest punct
este
xx0 yy0
+ 2 = z + z0 .
a2 b
O reprezentare parametrică a paraboloidului eliptic se obţine luând
2
2z =⎧v :
⎨ x = aψ cos ϕ
⎪
y = bψ sin ϕ , (u, v) ∈ [0, 2π) × [0, ∞) .
⎪
⎩ z = 1 ψ2
2
2.8.6 Paraboloidul hiperbolic

Definiţia 2.16 Paraboloidul hiperbolic este cudrica dată, ı̂ntr-un reper con-
venabil, prin ecuaţia
x2 y 2
− 2 = 2z, a, b > 0 (2.29)
a2 b
2.9. GENERĂRI DE SUPRAFEŢE 177
Figura 2.11.
Planele de coordonate yOz şi xOz sunt plane dde simetrie, iar axa Oz
este axă de simetrie a suprafeţei. Paraboloidul hiperbolic nu are centru
de simetrie. Intersecţiile cu planele z = h 6= 0 sunt hiperbole. Pentru
x2 y 2
h = 0 obţinem 2 − 2 = 0, adică o pereche de drepte secante prin origine.
a b
Punctul O este singurul vârf al suprafeţei. Intersecţiile suprafeţei cu plane
paralele cu planul yOz şi xOz sunt parabole.
Ecuaţia planului tangent la paraboloidul hiperbolic printr-un
punct al său se obţine prin dedublare. Fie M0 (x0 , y0 , z0 ) un punct de pe
paraboloidului hiperbolic de ecuaţie (2.29). Ecuaţia planului tangent prin
acest punct este:
xx0 yy0
− 2 = z + z0 .
a2 b
O
⎧ reprezentare parametrică a paraboloidului eliptic se obţine luând:
⎨ x = aϕ
⎪
y = bψ , (ϕ, ψ) ∈ R2 .
⎪
⎩ z = 1 (ϕ2 − ψ2 )
2
2.9 Generări de suprafeţe

2.9.1 Generarea suprafeţelor cilindrice
Definiţia 2.17 Se numeşte suprafaţă cilindrică suprafaţa care se obţine
prin deplasarea unei drepte variabile (d1 ), paralelă cu o dreaptă fixă (d) şi
care se sprijină pe o curbă fixă (γ).
Dreapta (d1 ) se numeşte generatoarea suprafeţei cilindrice, iar curba (γ)
se numeşte curbă directoare.
Teorema 2.9 Ecuaţia suprafeţei cilindrice obţinute prin deplasarea unei

drepte paralele cu dreapta
½ µ ¶
A1 x + B1 y + C1 z + D1 = 0 A1 B1 C1
(d) , rang = 2,
A2 x + B2 y + C2 z + D2 = 0 A2 B2 C2
şi care ½
se sprijină pe curba
G1 (x, y, z) = 0
(γ)
G2 (x, y, z) = 0
este
F (A1 x + B1 y + C1 z + D1 , A2 x + B2 y + C2 z + D2 ) = 0.
(2.30)
Demonstraţie. Ecuaţiile tuturor dreptelor din spaţiu paralele cu dreapta

(d) sunt de forma
½
A1 x + B1 y + C1 z + D1 = λ
, λ, µ ∈ R. (2.31)
A2 x + B2 y + C2 z + D2 = µ
Din dreptele date de ecuaţii (2.31) intersectează cele care intersectează

curba directoare (γ). Aceatea sunt generatoare ale suprafeţei cilindrice.
Rezultă
⎧ că sistemul
⎪
⎪ A1 x + B1 y + C1 z + D1 = λ
⎨
A2 x + B2 y + C2 z + D2 = µ
⎪
⎪ G1 (x, y, z) = 0
⎩
G2 (x, y, z) = 0
trebuie să fie compatibil. Eliminăm x, y, z şi obţinem o relaţie ı̂ntre λ şi
µ de forma F (λ,µ) = 0, numită condiţie de compatibilitate. Înlocuind
parametrii λ şi µ din ecuaţiile (2.31) ı̂n condiţia de compatibilitate,obţinem
ecuaţia (2.30).¥
Exemplul 2.7 Să se scrie ecauţia suprafeţei cilindrice a cărei curbă direc-
x2 y 2
toare este elipsa 2 + 2 = 1, z = 0 şi generatoarele paralele cu axa Oz.
a b
Rezolvare. Axa Oz are ecuaţiile x = 0, y = 0, iar dreptele paralele cu axa
Oz ⎧ au ecuaţiile x = λ, y = µ. rezultă că sistemul
⎪ x=λ
⎪
⎪
⎨ y=µ λ2 µ2
x2 y 2 ⇔ 2 + 2 = 1 (condiţia de compatibilitate).
⎪ 2 + 2 =1
⎪ a b
⎪
⎩ a b
z=0
x2 y 2
Înlocuind parametrii obţinem ecuaţia 2 + 2 = 1, care ı̂n spaţiu repre-
a b
zintă un cilindru eliptic (figura 2.12).
Figura 2.12.
x2 y2
Observaţia 2.12 Ecuaţiile 2 − 2 = 1, y 2 = 2px reprezintă ı̂n spaţiu
a b
ecuaţia unui cilindru hiperbolic respectiv cilindru parabolic.
Exemplul 2.8 Să se determine proiecţia cercului (din spaţiu!) de ecuaţii
x2 + y 2 + z 2 = 1, y − z = 0 pe planul xOy.
Rezolvare. Proiecţia cercului pe planul xOy este intersecţia dintre acest
plan şi cilindrul care are curba directoare dată de ecuaţiile cercului iar gen-
eratoarea
⎧ paralelă cu axa Oz.
⎧
⎪
⎪ x = λ ⎪
⎪ x=λ
⎨ ⎨
y=µ y=µ
2 2 2 ⇔
⎪
⎪ x + y + z = 1 ⎪
⎪ z=µ
⎩ ⎩ 2
y−z =0 λ + 2µ2 = 1
Condiţia de compatibilitate este λ2 + 2µ2 = 1. Înlocuind parametrii,
obţinem ecuaţia x2 + 2y 2 = 4. Proiecţia cerculului pe planul xOy este elipsa
de ecuaţii x2 + 2y 2 = 4, z = 0.
Observaţia 2.13 Cilindrul eliptic, hiperbolic, parabolic sunt cuadrice de-
generate.
2.9.2 Generarea suprafeţelor conice

Definiţia 2.18 Se numeşte suprafaţă conică suprafaţa generată de o
dreptă variabilă (d) care trece printr-un punct fix V şi care se sprijină pe o
curbă fixă (γ).
Dreapta (d) se numeşte generatoarea suprafeţei conice, punctul fix V se
numeşte vârful conului iar curba (γ) se numeşte curbă directoare.
Teorema 2.10 Ecuaţia suprafeţei conice cu vârful ı̂n punctul de intersecţie
al planelor
⎧ ⎛ ⎞
⎨ A1 x + B1 y + C1 z + D1 = 0 A1 B1 C1
A2 x + B2 y + C2 z + D2 = 0 , rang ⎝ A2 B2 C2 ⎠ = 3,
⎩
A3 x + B3 y + C3 z + D3 = 0 A3 B3 C3
şi care ½
G1 (x, y, z) = 0
(γ)
G2 (x, y, z) = 0
este
A1 x + B1 y + C1 z + D1 A2 x + B2 y + C2 z + D2
F( , ) = 0.
A3 x + B3 y + C3 z + D3 A3 x + B3 y + C3 z + D3
(2.32)
Demonstraţie. Ecuaţiile tuturor dreptelor din spaţiu care trec prin punc-
tul V sunt de forma
½
A1 x + B1 y + C1 z + D1 = λ(A3 x + B3 y + C3 z + D3 )
, λ, µ ∈ R.
A2 x + B2 y + C2 z + D2 = µ(A3 x + B3 y + C3 z + D3 )
(2.33)
Din dreptele date de ecuaţiile (2.33) sunt generatoare ale suprafeţei co-
nice numai cele care intersectează curba directoare (γ). Rezultă că sistemul
⎧
⎪
⎪ A1 x + B1 y + C1 z + D1 = λ(A3 x + B3 y + C3 z + D3 )
⎨
A2 x + B2 y + C2 z + D2 = µ(A3 x + B3 y + C3 z + D3 )
⎪
⎪ G1 (x, y, z) = 0
⎩
G2 (x, y, z) = 0
trebuie să fie compatibil. Eliminăm x, y, z şi obţinem o relaţie ı̂ntre λ şi µ de
forma F (λ,µ) = 0, numită condiţie de compatibilitate. Înlocuind parametrii
λ şi µ ı̂n condiţia de compatibilitate, obţinem ecuaţia (2.32).¥
Exemplul 2.9 Să se scrie ecuaţia suprafeţei conice cu vârful ı̂n punctul
x2 y 2
P (0, 0, 1) şi care conţine elipsa de ecuaţii: z = 0, 2 + 2 = 1.
a b
Rezolvare. Ecuaţiile familiei de drepte care trec prin punctul P şi nu sunt
paralele cu planul xOy sunt: x = λ(z − 1), y = µ(z − 1), λ, µ ∈ R. Aceste
drepte trebuie să intersecteze elipsa, adică sistemul
⎧
⎪ x = λ(z − 1)
⎪
⎪
⎨ y = µ(z − 1)
z=0
⎪
⎪ 2 2
⎪
⎩ x +y =1
a2 b2
trebuie să fie compatibil. Eliminăm x, y, z ı̂ntre ecuaţiile sistemului şi obţinem
λ2 µ2
condiţia de compatibilitate, 2 + 2 = 1. Prin eliminarea parametrilor λ şi
a b
x2
µ ı̂ntre această ecuaţie şi ecuaţiile familiei de drepte se obţine 2 +
a (z − 1)2
y2 x2 y 2
= 1 ⇔ + 2 = (z − 1)2 (figura 2.13). O astfel de suprafaţă
b2 (z − 1)2 a2 b
conică se numeşte conul pătratic. Conul pătratic este o cuadrică degenerată.
Figura 2.13.
2.9.3 Generarea suprafeţelor de rotaţie

Definiţia 2.19 Se numeşte suprafaţă de rotaţie suprafaţa generată de
o curbă (γ) care se roteşte, fără alunecare, ı̂n jurul unei drepte fixe (d).
Dreapta (d) se numeşte axa de rotaţie a suprafeţei de rotaţie.
Observaţia 2.14 În mişcarea de rotaţie definită, un punct al curbei (γ)
descrie un cerc (Γ) cu centrul pe axa de rotaţie, iar planul ı̂n care se află
cercul este perpendicular pe axă. Deci suprafaţa de rotaţie poate fi privită
ca fiind generată de punctele cercurilor (Γ) cu centrele pe (d), situate ı̂n
plane perpendiculare pe (d) şi care se sprijină pe curba (γ).
Teorema 2.11 Ecuaţia suprafeţei de rotaţie a cărei axă de rotaţie are
ecuaţia
x − x0 y − y0 z − z0
(d) : = =
l m n
şi care ½
G1 (x, y, z) = 0
(γ)
G2 (x, y, z) = 0
este p
F ( (x − x0 )2 + (y − y0 )2 + (z − z0 )2 , lx + my + nz) = 0.
(2.34)
Demonstraţie. Cercurile (Γ) se obţin prin intersecţia unei sfere cu centrul
pe axa de rotaţie şi rază variabilă cu un plan variabil perpendicular pe (d) :
½
(x − x0 )2 + (y − y0 )2 + (z − z0 )2 = λ2
.
lx + my + nz = µ
Pentru ca cercul să se sprijine pe curba (γ) sistemul următor

⎧
⎪
⎪ (x − x0 )2 + (y − y0 )2 + (z − z0 )2 = λ2
⎨
lx + my + nz = µ
⎪
⎪ G (x, y, z) = 0
⎩ 1
G2 (x, y, z) = 0
trebuie să fie compatibil. Eliminăm x, y, z şi obţinem o relaţie ı̂ntre λ şi µ de
forma F (λ,µ) = 0, numită condiţie de compatibilitate. Înlocuind parametrii
λ şi µ ı̂n condiţia de compatibilitate, obţinem ecuaţia (2.34).¥
Exemplul 2.10 Să se determine ecuaţia suprafeţei obţinută prin rotaţia ı̂n
jurul axei Oz a hiperbolei (γ) : x = 0, yz = 1.
Rezolvare. Familia de cercuri care generează această suprafaţă are ecuaţi-
ile z = λ, x2 + y 2 = µ., λ ∈ R, µ ∈ R+ , cercuri care trebuie să se intersecteze
cu una din ramurile hiperbolei (γ) : x = 0, yz = 1.
Condiţia de compatibilitate a sistemului format din cele patru ecuaţii
1 1
este 2 = µ. Ecuaţia suprafeţei de rotaţie este x2 + y 2 = 2 . Suprafaţa are
λ pz
1 p 2 1
două pânze de ecuaţii, respectiv: = x + y , = − x2 + y 2 .¨
2
z z
2.9.4 Generatoarele rectilinii ale cuadricelor
Cuadricele degenerate (cilindrul eliptic, hiperbolic, parabolic, conul
pătratic), suprafaţa cilindrică şi suprafaţa conică, au proprietatea că pot fi
descrise de o dreaptă ı̂n mişcare supusă anumitor condiţii. Dintre cuadricele
nedegenerate hiperboloidul cu o pânză şi paraboloidul hiperbolic au această
proprietate.
Ecuaţia (2.26) a hiperboloidului cu o pânză se poate scrie:
x2 z 2 y2 x z x z y y
2
− 2
= 1 − 2
sau ( − )( + ) = (1 − )(1 + ),
a c b a c a c b b
ecuaţie care poate fi considerată ca rezultând prin eliminarea parametrilor
λ şi µ din ecuaţiile
x z y x z 1 y
( + ) = λ(1 + ), ( − ) = (1 − ), (2.35)
a c b a c λ b
x z y x z 1 y
( + ) = µ(1 − ), ( − ) = (1 + ). (2.36)
a c b a c µ b
Ecuaţiile (2.35) şi (2.36) reprezintă două familii de drepte. Dacă (x, y, z)
sunt coordonatele unui punct M situat pe una din cele două drepte, ele vor
verifica şi ecuaţia hiperboloidului, deci punctul M aparţine hiperboloidului.
Deci pentru orice valori ale parametrilor λ şi µ aceste drepte aparţin cuadri-
cei. Când λ şi µ variază, cele două familii de drepre generează suprafaţa.
Spunem că dreptele de ecuaţii (2.35) şi (2.36) formează familii de genera-
toare rectilinii ale hiperboloidului cu o pânză de ecuaţie (2.26).
Analog ecuaţia (2.29) a paraboloidului hiperbolic se poate scrie
x y x y
( + )( − ) = 2z,
a b a b
de unde rezultă că şi această cuadrică posedă două familii de generatoare
rectilinii de ecuaţii
x y x y 2z x y x y 2z
( + ) = λ, ( − ) = şi ( − ) = µ, ( + ) = .
a b a b λ a b a b µ
Cuadricele care au generatoare rectilinii se mai numesc şi cuadrice riglate.
x2 y 2
Exerciţiul 2.58 Fie paraboloidul hiperbolic dat prin ecuaţia − =z
9 4
şi punctul M0 (0, 2, −1).
a) Să se scrie ecuaţiile generatoarelor rectilinii care trec prin M0 .
b) Să se calculeze cosinusul unghiului dintre aceste generatoare.
Rezolvare. Ecuaţiile generatoarelor
⎧ rectilinii se obţin
⎧ xplecând de la
x
⎪ − =λ y ⎪ y
x y x y ⎨ ⎨ + =µ
3 2 3 2
( − )( + ) = z ⇔ (dλ ) x y 1 , (dµ ) x y 1
3 2 3 2 ⎪
⎩ + = z ⎪
⎩ − = z
3 2 λ 3 2 µ
Impunem
⎧ condiţia ca punctul M 0 (0, 2, −1) să se găsească pe dreaptă
0 2 ⎧ x y
⎪
⎨ − =λ ⎨ − = −1
3 2 ⇒ λ = −1 ⇒ 3 2
⎪ 0 2 1 ⎩ x y
⎩ + = (−1) + = −z
3 2 λ 3 2
şi ⎧
0 2 ⎧ x y
⎪
⎨ + =µ ⎨ + =1
3 2 ⇒µ=1⇒ 3 2
⎪ 0 2 1 ⎩ x y
⎩ − = (−1) − =z
3 2 µ 3 2
Pentru a calcula unghiul dintre cele două drepte determinăm direcţiile
lor ¯ −
¯ → → −
− → ¯¯
¯ i j k ¯
−
→ −
→ −
→ → −→ −
→ −
→
−→
u 1 = ¯ 3 − 2 0 ¯¯ = − 12 i − 13 j + 16 k , −
¯ 1 1
u 2 = − 12 i + 13 j − 16 k .
¯ 1 1
1 ¯
3 2
−
→ −→ h−
→u 1, −
→
u 2i 1
4
− 19 − 361
2
cos( u 1 , u 2 ) = − → −→ = 1 1 1 = 7 .¨
k u 1k k u 2k 4
+ 9 + 36
2.10 Exerciţii propuse

Exerciţiul 2.59 Fie A o matrice pătratică de ordinul n şi
f (λ) = b0 λm + b1 λm−1 + · · · + bm−1 λ + bm un polinom oarecare. Să se arate
că orice vector propriu al lui A este vector propriu şi pentru matricea
f (A) = b0 Am + b1 Am−1 + · · · + bm−1 A + bm I.
Exerciţiul 2.60 Fie A şi B două matrice pătratice de ordinul n asemenea.

Să se arate că AT şi BT sunt asemenea. Dacă f (t) = a0 tn + a1 tn−1 + ... +
an−1 t + an este un polinom atunci f (A) şi f (B) sunt asemenea.
Exerciţiul 2.61 Fie A de forma

⎛ ⎞
α 1 0
A = ⎝ 0 α 1 ⎠,
0 0 α
ı̂n care α este constant şi fie f (x) un polinom oarecare. Să se arate că
⎛ ⎞
f (α) f 0 (α) 12 f 00 (α)
f (A) = ⎝ 0 f (α) f 0 (α) ⎠ .
0 0 f 0 (α)
1
Indicaţie. Scriem f (x) = f (α) + (x − α) f 0 (α) + (x − α)2 f 00 (α) + · · ·
2
Exerciţiul 2.62 Fie A şi B două matrice de acelaşi ordin, astfel ı̂ncât
A + B = AB. Să se arate că A − I este inversabilă.
Indicaţie. (A − I) (B − I) = I ⇒ det (A − I) 6= 0.
Exerciţiul 2.63 Se consideră matricea

⎛ ⎞
1 0 0
A = ⎝ 1 2 0 ⎠.
1 2 3
Să se afle un polinom f (x) de grad ≤ 2, astfel ı̂ncât matricea f (A) să
aibă autovalorile µ1 = µ2 = 1, µ3 = 0. Să se scrie f (A).
Indicaţie. Căutăm f (x) = b0 + b1 x + b2 x2 . Matricea f (A) trebuie să
aibă autovalorile f (λ1 ), f (λ2 ), f (λ3 ) unde λ1 = 1, λ2 = 2, λ3 = 3 sunt
autovalorile lui A. Se află ı̂n mod unic coeficienţii b0 , b1 , b2 .
2.10. EXERCIŢII PROPUSE 185
Exerciţiul 2.64 ©Fie V3 un spaţiuª vectorial real de dimensiune 3, iar sis-

temul de vectori e(1) , e(2) , e(3) o bază a sa; f : V3 → V3 este aplicaţia
liniară a cărei matrice ı̂n baza dată este
⎛ ⎞
−3 4 −2
A=⎝ 1 0 1 ⎠.
6 −6 5
© (1) (2) (3) ª
Să se găsească o bază v , v , v , ı̂n V3 , ı̂n care matricea trans-
formării liniare f să fie de tip diagonal.
Indicaţie. Se caută vectorii proprii ai transformării f . Autovalorile sunt
λ1 = 1, λ2 = 2, λ3 = −1.
Exerciţiul 2.65 Se dă forma pătratică f (x) = 5x21 + 6x22 + 4x23 − 4x1 x2 −
4x1 x3 , x ∈ R3 . Să se scrie forma biliniară f˜ (x, y) din care provine şi să se
afle o bază canonică pentru f˜ (x, y).
Indicaţie. Punând f˜ (x, y) = 5x1 y1 + 6x2 y2 + 4x3 y3 − 2 (x1 y2 + x2 y1 ) −
2 (x1 y3 + x3 y1 ), obţinem f˜ (x, x) = 5x21 + 6x22 + 4x23 − 4x1 x2 − 4x1 x3 = f (x),
∀x ∈ R3 . Dacă interpretăm numerele xi , yi , i = 1, 3 drept coordonatele
vectorilor x şi y ı̂n baza standard din R3 , matricea formei biliniare f˜ (deci
şi a formei pătratice f ) ı̂n această bază, este
⎛ ⎞
5 −2 −2
A = ⎝ −2 6 0 ⎠
−2 0 4
şi are minorii principali ∆1 = 5, ∆2 = 26, ∆3 = 80. Notând baza standard
© (1) (2) (3) ª
e ,e ,e , căutăm vectorii bazei canonice ı̂n forma
⎧
(1) (1)
⎪
⎨ v = α11 e
v(2) = α21 e(1) + α22 e(2)
⎪
⎩ (3)
v = α31 e(1) + α32 e(2) + α33 e(3)
¡ ¢ ¡ ¢
şi ı̂i determinăm impunând condiţiile f˜ v(1) , e(1) = 1, f˜ v(2) , e(1) = 0,
¡ ¢ ¡ ¢ ¡ ¢ ¡ ¢
f˜ v(2) , e(2) = 1, f˜ v(3) , e(1) = 0, f˜ v(3) , e(2) = 0, f˜ v(3) , e(3) = 1.
1 1 5 3 1
Se găsesc valorile α11 = , α21 = , α22 = , α31 = , α32 = şi
5 13 26 20 20
13 ¡ ¢
α33 = . Deci vectorii bazei canonice, pentru care avem f˜ v(i) , v(j) = 0
40
¡ ¢ ∆i−1
dacă i 6= j şi f˜ v(i) , v(i) = αii = , i = 1, 3 (∆0 = 1) sunt
∆i
⎛ 1
⎞ ⎛ 1
⎞ ⎛ 3
⎞
5 13 20
v(1) = ⎝ 0 ⎠ , v(2) = ⎝ 5
26
⎠ , v(3) = ⎝
1
20
⎠.
13
0 0
P3
(i)
P3
(j)
40
Scriind x = ξi v şi y = ηj v , avem
i=1 j=1
X ∆i−1
3
1 5 26
f˜ (x, y) = ξi ηi = ξ1 η1 + ξ2 η2 + ξ3 η3
i=1
∆i 5 26 80
şi deci
1 5 26
f (x) = f˜ (x, x) = ξ12 + ξ22 + ξ32 , ∀x ∈ R3 .
5 26 80
Trecerea de la baza standard la baza canonică se face prin schimbarea
de coordonate ⎧
⎪ 1 1 3
⎪
⎪ x = ξ + ξ + ξ3
⎪
⎪
1
5
1
13
2
20
⎨
5 1
x2 = ξ2 + ξ2 .
⎪
⎪ 26 20
⎪
⎪ 13
⎪
⎩ x3 = ξ3
40
Exerciţiul 2.66 Fie A o matrice µ nesingulară¶de ordinul doi şi
αA βA
B=
γA δA
ı̂n care α, β, γ, δ sunt constante şi αδ − βγ 6= 0. Să se arate că B este
nesingulară şi să se expliciteze B−1 .
Indicaţie. Presupunând că det µB 6= −1 0, căutăm ¶ B−1 ı̂n forma
αA βA−1
C= −1
γA δA−1
cu α1 , β1 , γ1 , δ1 constante, ce trebuie determinate. Vom impune condiţia
BC = I4 (matricea unitate de ordinul patru) şi vom nota cu I2 matricea
unitate de ordinul doi. µ Conform cu exerciţiul precedent,¶vom găsi
(αα1 + βγ1 )I2 (αβ1 + βδ1 )I2
BC = ,
(γα1 + δγ1 )I2 (γδ1 + δδ1 )I2
iar sistemele pentru
( găsirea necunoscutelor
( sunt
αα1 + βγ1 = 1 αβ1 + βδ1 = 0
şi .
γα1 + δγ1 = 0 γβ1 + δδ1 = 1
Notând d = αδ − βγ 6= 0, vom obţine
δ γ β α
α1 = , β1 = − , β1 = − , δ1 =
d d d d
−1
şi BC = I4 . Deci B există şiµavem ¶
−1 1 δA−1 −βA−1
B = .
d −γA−1 αA−1
Exerciţiul 2.67 Să se calculeze det B, unde B este matricea - bloc din
problema precedentă.
Indicaţie. Avem de calculat ¯ ¯
¯ αA βA ¯
det B = ¯¯ ¯.
¯
γA δA
Presupunem pentru moment că α 6= 0 şi ı̂nmulţim primele două coloane
β
cu factorul , pe care le scădem apoi din ultimele două coloane (prima din
α
a trei, a doua din a patra). Obţinem
¯ ¯
¯ αA 0 ¯
¯ 2 ¯
det B = ¯¯ βγ ¯,
¯ γA (δ − )A ¯¯
α
unde 02 este matricea nulă de ordinul doi. Apoi, ı̂nmulţim primele două
γ
linii cu şi le scădem din ultimele două linii, obţinem
α ¯ ¯
¯ αA 02 ¯ µ ¶2 ¯ ¯
¯ ¯ βγ ¯¯ A 02 ¯¯
det B = ¯¯ βγ ¯ 2
=α δ−
¯ 02 (δ − )A ¯¯ α ¯ 02 A ¯
α
şi ı̂n final det B = (αδ − βγ)2 (det A)2 . Dacă α = 0, formula rămâne vala-
bilă, făcând aici α → 0.
Exerciţiul 2.68 Se consideră spaţiul vectorial V al funcţiilor f : R → R,
de forma
f (t) = a0 + a1 cos t + b1 sin t + a2 cos 2t + b2 sin 2t, a1 , a2 , b1 , b2 ∈ R.
Să se arate că {1, cos t, sin t, cos 2t, sin 2t} formează o bază ı̂n
³ V şiπ ´
să se
afle matricea aplicaţiei liniare ϕ : V → V, ϕ(f ) = g, g (t) = f t + , ı̂n
4
această bază.
Indicaţie. Cei 5 vectori sunt liniar independenţi, căci din
c0 + c1 cos t + c2 sin t + c3 cos 2t + c4 sin 2t ≡ 0
rezultă mai ı̂ntâi ci = 0, i = 1, 4. În adevăr, ı̂nmulţind această identitate

R2π
cu cos t şi integrând pe [0, 2π], obţinem c1 cos2 t dt = 0, deci c1 = 0.
0
Înmulţind cu sin t şi integrând pe [0, 2π], găsim c2 = 0, etc. şi ı̂n final avem
şi c0 = 0. Dimensiunea spaţiului V este 5, căci oricare 6 vectori sunt liniar
dependenţi, deci cei 5 vectori formează o bază ı̂n V. Avem
³ π´ 1 1
ϕ (1) = 1, ϕ (cos t) = cos t + = √ cos t − √ sin t,
4 2 2
³ π´ 1 1
ϕ (sin t) = sin t + = √ cos t + √ sin t,
4 2 2
³ π´
ϕ (cos 2t) = cos 2t + = − sin 2t,
³ 2
π´
ϕ (sin 2t) = sin 2t + = cos 2t,
2
deci matricea transformării ϕ, ı̂n baza dată, este
⎛ ⎞
1 0 0 0 0
⎜ 0 √1 √1 0 0 ⎟
⎜ 2 2 ⎟
⎜
A = ⎜ 0 − √2 √2 0 0 ⎟
1 1
⎟
⎝ 0 0 0 0 1 ⎠
0 0 0 −1 0
şi se vede că det A = 1, deci transformarea este nedegenerată.
Exerciţiul 2.69 În R4 se iau vectorii
¡ ¢ ¡ ¢
v(1) = 3 2 −1 1 , v(2) = 2 5 0 −1 .
Să se afle, ı̂n baza standard, matricea proiecţiei ortogonale pe subspaţiul

generat de v(1) şi v(2) .
Indicaţie. Proiecţia ortogonală a unui vector oarecare x ∈ R4 pe subspaţiul

generat de v(1) şi v(2) este un vector din ¡ acest subspaţiu,
¢ deci de forma
(1) (2) (1) (2)
c1 v + c2 v , cu proprietatea că x − c1 v + c2 v este ortogonal pe
(1) (2)
vectorii v şi v (adică pe ı̂ntreg subspaţiul generat de aceşti doi vectori).
Anulând respectivele produse scalare, găsim sistemul
( ® ® ®
c1 v(1) , v(1) + c2 v(1) , v(2) = x, v(1)
® ® ® .
c1 v(1) , v(2) + c2 v(2) , v(2) = x, v(2)
Deoarece
(1) (1) ® (1) (2) ® (2) (2) ®
v ,v = 15, v ,v = 15, v ,v = 30,
® ®
x, v(1) = 3x1 + 2x2 − x3 + x4 , x, v(2) = 2x1 + 5x2 − x4 ,
se găseşte că
15c1 = 4x1 − x2 − 2x3 + 3x4 , 15c2 = −x1 + 3x2 + x3 − 2x4 .
Proiecţia ortogonală căutată, notată ϕ (x), este dată de vectorul

ϕ (x) = c1 v(1) + c2 v(2) =
1 £ ¤
= (4x1 − x2 − 2x3 + 3x4 ) v(1) + (−x1 + 3x2 + x3 − 2x4 ) v(2) =
15
1
= ( 10x1 + 3x2 − 4x3 + 5x4 3x1 + 13x2 + x3 − 4x4
15
−4x1 + x2 + 2x3 − 3x4 5x1 − 4x2 − 3x3 + 5x4 )
Proiecţiile vectorilor bazei standard (numite şi baza canonică) sunt

⎧ ¡ ¢ 1 2 1 4 (3) 1 (4)
⎪
⎪ ϕ e(1) = (10, 3, −4, 5) = e(1) + e(2) − e + e
⎪
⎪ 15 3 5 15 3
⎪
⎪ ¡ ¢
⎪
⎪ 1 1 13 1 4 (4)
⎨ ϕ e(2) = (3, 13, 1, −4) = e(1) + e(2) + e(3) − e
15 5 15 15 15
⎪ ¡ (3) ¢ 1 4 1 (2) 2 (3) 1 (4)
⎪
⎪ ϕ e = (−4, 1, 2, −3) = − e(1) + e + e − e
⎪
⎪ 15 15 15 15 5
⎪
⎪
⎩ ϕ ¡e(4) ¢ = 1 (5, −4, −3, 5) = 1 e(1) − 4 e(2) − 1 e(3) + 1 e(4)
⎪
15 3 15 5 3
iar matricea transformării ϕ se poate scrie imediat.
© ª
Exerciţiul 2.70 Fie e(1) , e(2) , e(3) o bază ortonormată ı̂n E3 şi să pre-
supunem că ı̂n baza formată din vectorii
v(1) = e(1) + 2e(2) + e(3) , v(2) = e(1) + e(2) + 2e(3) , v(3) = e(1) + e(2)
aplicaţia liniară ϕ are matricea

⎛ ⎞
1 1 3
B = ⎝ 0 5 −1 ⎠ .
2 7 −3
Să se afle matricea transformării adjuncte ϕ∗ , ı̂n aceeaşi bază.
Indicaţie. Transformarea adjunctă se defineşte prin condiţia hϕ (x) , yi ≡

hx, ϕ∗ (y)i, ∀x, y ∈ E3 . În baze ortonormate, dacă ϕ are matricea A, ad-
juncta ϕ∗ are matricea AT . © ª
Deci este preferabil să lucrăm ı̂n baza e(1) , e(2) , e(3) . Vom avea
⎧ ¡ ¢
(1)
⎪
⎨ ¡ϕ v = v(1) + 2v(3) = 3e(1) + 4e(2) + e(3)
¢
ϕ v(2) = v(1) + 5v(2) + 7v(3) = 13e(1) + 14e(2) + 11e(3) .
⎪
⎩ ¡ (3) ¢
ϕ v = 3v(1) − v(2) − 3v(3) = −e(1) + 2e(2) + e(3)
Pe de altă parte, avem

⎧ ¡ ¢ ¡ (1) ¢ ¡ (2) ¢ ¡ (3) ¢
(1)
⎪
⎨ ϕ ¡v ¢ = ϕ ¡e ¢ + 2ϕ¡ e ¢ + ϕ ¡e ¢
ϕ v(2) = ϕ e(1) + ϕ e(2) + 2ϕ e(3) .
⎪
⎩ ¡ (3) ¢ ¡ ¢ ¡ ¢
ϕ v = ϕ e(1) + ϕ e(2)
¡ (3) ¢ ¡ (2) ¢ ¡ (3) ¢ ¡ (2) ¢ ¡ (3) ¢ ¡ (1) ¢
Scriind
¡ 2ϕ
¢ ¡ ¢ e = ϕ¡ v ¢ − ϕ
¡ ¢ v , ϕ e − ϕ e = ϕ v −
ϕ v(2) , ϕ e(1) = ϕ v(3) − ϕ e(2) , vom obţine
⎧ ¡ ¢
(1) (1) (2) (3)
⎪
⎨ ϕ ¡e ¢ = 2e + 6e + 6e
ϕ e(2) = −3e(1) − 4e(2) − 5e(3) .
⎪
⎩ ¡ (3) ¢
ϕ e = 7e(1) + 6e(2) + 5e(3)
© ª
Deci, ı̂n baza e(1) , e(2) , e(3) , transformarea ϕ∗ va avea ca matrice transpusa
matricei lui ϕ, adică matricea
⎛ ⎞
2 6 6
A∗ = ⎝ −3 −4 −5 ⎠ .
7 6 6
© ª © ª
Trecerea de la baza e(1) , e(2) , e(3) la baza v(1) , v(2) , v(3) se face prin
matricea schimbării de bază
⎛ ⎞
1 1 1
C = ⎝ 2 1 1 ⎠,
1 2 0
prin urmare matricea lui ϕ∗ ı̂n noua bază va fi
B∗ = C−1 A∗ C.
Exerciţiul 2.71 Fie V spaţiul funcţiilor continue pe [0, 2π], cu valori reale.
Definim aplicaţia T : V → V, prin condiţia
Z 2π
T f = g ←→ g (x) = (1 + cos (x − t)) f (t) dt.
0
Să se afle nucleul aplicaţiei T , valorile proprii şi vectorii proprii cores-
punzători.
Indicaţie. Nucleul aplicaţiei constă din toţi vectorii f = f (t), pentru care
T f = 0 (funcţia identic nulă). Deoarece T f = 0 este echivalentă cu
Z 2π Z 2π Z 2π
f (t) dt = 0, f (t) cos t dt = 0, f (t) sin t dt = 0
0 0 0
rezultă că funcţiile care satisfac aceste condiţii, formează nucleul aplicaţiei
T . Aceste funcţii, cu excepţia funcţiei identic nule, sunt ı̂n acelaşi timp
şi vectorii proprii, corespunzători autovalorii λ = 0. Un exemplu de astfel
P
n
de funcţii sunt cele de forma f (t) = (ak cos kt + bk sin kt) ı̂n care există
k=3
măcar un coeficient diferit de 0. Numărul natural n este arbitrar. Dacă
λ 6= 0, din condiţia T f = λf deducem că λf este de forma λf (x) =
a0 + a1 cos x + a2 sin x, adică f (x) = c0 + c1 cos x + c2 sin x ı̂n mod obligator,
constantele c0 , c1 , c2 şi λ trebuind să fie determinate. Se ajunge la condiţia
echivalentă
2πc0 + πc1 cos x + πc2 sin x ≡ λ (c0 + c1 cos x + c2 sin x)
din care rezultă (λ − 2π) c0 = 0, (λ − π) c1 = 0, (λ − π) c2 = 0. Autovalorii
λ = π ı̂i corespund funcţiile proprii f (t) = c1 cos t + c2 sin t (ı̂n care măcar
un coeficient este diferit de 0). Autovalorii λ = 2π ı̂i corespund funcţiile
proprii constante f (t) = c0 6= 0.
Exerciţiul 2.72 În spaţiul vectorial R3 se consideră subspaţiile liniare S1

şi S2 , date de ecuaţiile
S1 : x + y − z = 0, S2 : 3x − 4y − 2z = 0.
(a) Să se arate că aplicaţia

¡ ¢ ¡ ¢
f : −v u + v u → 2u u − v u + 2v
este un izomorfism ı̂ntre S1 şi S2 .

(b) Să se afle locul geometric al mijloacelor segmentelor care unesc
punctele lui S1 , cu imaginile lor prin transformarea f , din S2 .
(c) Să se determine acele izomorfisme liniare ϕ : R3 → R3 , care coincid
cu f pe subspaţiul S1 .
Indicaţie. (a) Orice punct (vector) din S1 poate fi scris ı̂n mod unic ı̂n
¡forma (−v, u + v, u) şi¢ orice punct din S2 poate fi scris ı̂n mod unic ı̂n forma
2u u − v u + 2v ¡ . Aplicaţia f : ¢S1 → S2¡este injectivă şi surjectivă.
¢
Dacă notăm s = −v1 u1 + v1 u1 şi t = −v2 u2 + v2 u2 , avem
f (s + t) = f (s) + f (t), ∀s, t ∈ S1 şi f (cs) = cf (s), ∀c ∈ R şi ∀s ∈ S1 .
(b) Coordonatele mijlocului segmentului (ı̂n spaţiu) care uneşte punctele
¡ ¢ ¡ ¢ v
−v u + v u şi 2u u − v u + 2v sunt z = u− , y = u, z = u+v
2
şi ele satisfac ecuaţia 2x − 3y + z = 0, care este ecuaţia unui plan ce trece
prin origine. Acesta este locul geometric căutat.
¡ ¢ ¡ ¢
(c) Dacă ϕ : x y z → x0 y 0 z 0 este un izomorfism liniar ı̂n
R3 , el este de forma ⎧
0
⎪
⎨ x = a1 x + a2 y + a3 z
y 0 = b1 x + b2 y + b3 z
⎪
⎩ z0 = c x + c y + c z
1 2 3
ı̂n care determinantul coeficienţilor este 6= 0. Impunând condiţia că ϕ coin-

cide cu f pe subspaţiul liniar S1 , găsim
⎧
⎪
⎨ −a1 v + a2 (u + v) + a3 u ≡ 2u
−b1 v + b2 (u + v) + b3 u ≡ u − v .
⎪
⎩ −c v + c (u + v) + c u ≡ u + 2v
1 2 3
Din prima identitate, avem a2 + a3 = 2 şi a2 − a1 = 0. Dacă notăm

a1 = a, vom avea a2 = a şi a3 = 2 − a. Din celelalte două identităţi, găsim
b1 = b, b2 = b − 1, b3 = 2 − b şi respectiv c1 = c, c2 = c + 2, c3 = − (c + 1).
Izomorfismele căutate sunt de forma
⎧
0
⎪
⎨ x = ax + ay + (2 − a) z
y 0 = bx + (b − 1) y + (2 − b) z
⎪
⎩ z 0 = cx + (c + 2) y − (c + 1) z
ı̂n care constantele satisfac condiţia −3a + 4b + 2c 6= 0.
Exerciţiul 2.73 În R3 se consideră transformarea liniară (pentru a real,
fixat): µ ¶
a2
fa : (x, y, z) → x, ax + y, x + ay + z .
2
(a) Se cere matricea Ma a lui fa ı̂n baza standard şi structura mulţimii
{Ma ; a ∈ R}. Să se studieze convergenţa şi să se afle (dacă există) limita
şirului {Sn }, ı̂n care
1 1 1
Sn = I + Ma + Ma2 + · · · + Man .
1! 2! n!
(b) Să se afle valorile şi vectorii proprii pentru Ma .
(1)
¡ ¢ ¡ ¢
Indicaţie.
¡ ¢ (a) Notăm e = 1 0 1 , e(2) = 0 1 0 , e(3) =
0 0 1 şi avem
⎧ µ ¶
⎪ ¡ (1) ¢ a2 a2 (3)
⎪
⎪ f e = 1 a = e(1)
+ ae(2)
+ e
⎨ a 2
¡ ¢ ¡ 2¢
⎪
⎪ fa e(2) = 0 1 a = e(2) + ae(3)
⎪
⎩ ¡ ¢ ¡ ¢
fa e(3) = 0 0 1 = e(3)
de unde rezultă ⎛ ⎞
1 0 0
Ma = ⎝ a 1 0 ⎠.
a 2
2
a 1
Se constată că Ma Mb = Mb Ma = Ma+b , matricea unitate I face parte
din mulţimea considerată (se obţine pentru a = 0), fiecare element Ma are
invers (la operaţia de ı̂nmulţire a matricelor) şi anume Ma−1 = M−a . Deci
mulţimea considerată este un grup comutativ faţă de operaţia internă de
ı̂nmulţire. Se observă că avem
⎛ ⎞
1 0 0
Man = ⎝ na 1 0 ⎠ , n = 1, 2, 3, . . .
(na)2
2
na 1
şi scriind ⎛ ⎞
un 0 0
Sn = ⎝ vn un 0 ⎠ ,
wn vn un
găsim ⎧
⎪ 1 1 1
⎪
⎪ un = 1 + + + · · · + →e
⎪
⎪ 1! 2! n!
⎨ a 2a na
vn = + + ··· + → ae
⎪
⎪ 1! 2! n!
⎪
⎪ 2
⎩ wn = a (σn−1 + σn−2 ) → a2 e
⎪
2
P
∞ 1
unde σn este suma parţială a seriei 1 + = e. Pentru a găsi expresia
n=1 n!
Pn 1 (ka)2
lui wn = , considerăm suma
k=1 k! 2
Xn
1 (kx)2
sn (x) =
k=1
k! 2
pe care o calculăm cu ajutorul derivatei sale
Xn Xn ∙ ¸
0 k2 k 2 3 n
sn (x) = x =x = x 1 + + + ··· + =
k=1
k! k=1
(k − 1)! 1! 2! (n − 1)!
∙ µ ¶ µ ¶ µ ¶
1 1 1 1 1
=x 1+ 1+ + + +···+ + +
1! 1! 2! (k − 2)! (k − 1)!
µ ¶¸
1 1
+··· + + = x (σn−1 + σn−2 ) .
(n − 2)! (n − 1)!
x2 a2
Rezultă sn (x) = (σn−1 + σn−2 ) şi wn = sn (a) = (σn−1 + σn−2 ) →
2 2
a2 e. Am arătat că ⎛ ⎞
e 0 0
lim Sn = ⎝ ae e 0 ⎠ .
n→∞
a2 e ae e
(b) Pentru a 6= 0, Ma are polinomul caracteristic (λ − 1)3 şi deci sin-
gura autovaloare (triplă) este λ = 1, căreia ı̂i corespunde un singur vec-
tor propriu,
¡ dacă
¢ facem abstracţie de factorul de proporţionalitate, anume
v = 0 0 1 . Pentru a = 0, M0 = I = matricea unitate de ordinul trei.
Avem o singură autovaloare, λ = 1 şi orice vector nenul din R3 este vector
propriu pentru I.
Exerciţiul 2.74 Fie
µ ¶
a cos θ − b sin a sin θ + b cos θ
M=
a sin θ + b cos θ −a cos θ + b sin θ
ı̂n care a, b şi θ sunt numere reale date.
(a) Să se afle M n , scriind M = aA + bB.
(b) Să se afle (dacă există)
X
2n
Mk
lim (−1)k−1 .
n→∞
k=1
k
Indicaţie. (a) Se verifică imediat că dacă

µ ¶ µ ¶
cos θ sin θ − sin θ cos θ
A= , B=
sin θ − cos θ cos θ sin θ
avem A2 = B2 = I2 şi AB + BA = 02 . Găsim M 2 = (a2 + b2 ) I2 , M 3 =
n
(a2 + b2 ) M şi ı̂n general M 2n = (a2 + b2 ) I2 , M 2n+1 = (a2 + b2 ) M, oricare
ar fi n natural. Putem scrie, folosind notaţia a2 + b2 = α2 ,
µ ¶
P2n
k−1 M
k
M3 M5 M 2n−1
(−1) = M+ + + ··· + −
k=1 kµ 3 5 ¶ 2n − 1
M2 M4 M 2n
− + + ··· + =
µ 2 4 2n ¶
α2 α4 α2n−2
= 1+ + + ··· + M−
µ 32 5 2n −¶1
α α4 α2n
− + + ··· + I2 .
2 4 2n
Pentru α2 < 1, ambele sume parţiale din formula precedentă sunt con-
vergente. Dacă punem
X∞
α2n−2 X∞
α2n
s= , σ=
n=1
2n − 1 n=1
2n
rezultă că există
X
2n
Mk
lim (−1)k−1 = sM − σI2 .
n→∞
k=1
k
Exerciţiul 2.75 Dacă A este o matrice reală antisimetrică, să se arate că
det A ≥ 0.
Indicaţie. Dacă A este de ordin impar, rezultă det A = 0. Dacă este de
ordin par şi admite λ = 0 ca autovaloare, det A = 0. Dacă A este de ordin
par şi are toate autovalorile 6= 0, rezultă că det A este un produs de factori
pozitivi, deci det A > 0.
Definiţia 2.20 Dacă A este o matrice pătrată, cu elemente reale sau com-
plexe, matricea A∗ = ĀT (conjugată şi transpusă) se numeşte adjuncta
matricei A. Dacă A = A∗ , matricea A se numeşte autoadjunctă. Ma-
tricele reale simetrice sunt caz particular de matrice autoadjuncte.
Exerciţiul 2.76 Să se arate că autovalorile unei matrice autoadjuncte sunt
reale.
Indicaţie. Fie Av = λv, cu v 6= θ (elementul nul din Cn , spaţiul vectorial

al matricelor reale sau complexe, de tipul n × 1). Avem evident vT AT = λv
şi deci vT ĀT = λ̄vT , adică vT A = λ̄vT . Din
(
vT Av = λvT v ¡ ¢
T T ⇒ λ − λ̄ vT v = 0.
v Av = λ̄v v
¡ ¢T
Dacă v = (ξ1 , ξ2 , . . . , ξn )T , rezultă v = ξ¯1 , ξ¯2 , . . . , ξ¯n şi deci
vT v = |ξ1 |2 + |ξ2 |2 + · · · + |ξn |2 > 0,
ceea ce va implica λ − λ̄ = 0 ⇒ λ ∈ R.
Exerciţiul 2.77 Dacă A este o matrice autoadjunctă şi Au = λu, Av =

µv cu λ 6= µ, să se arate că hu, vi = 0.
Indicaţie. Au = λu ⇒ vT Au = λvT u. Pe de altă parte, Av = µv ⇒

Āv = µv ⇒ vT ĀT = µvT ⇒ vT A = µvT ⇒ vT Au = µvT u. Din
(λ − µ) vT u = 0 ⇒ vT u = hu, vi = 0. Dacă u şi v sunt nenuli, putem
spune că la autovalori diferite corespund vectori proprii ortogonali.
Exerciţiul 2.78 Notăm det (λI − A) = λn + p1 λn−1 + · · · + pn−1 λ + pn şi
presupunem pn 6= 0. Să se exprime det (λI − A−1 ), ı̂n funcţie de coeficienţii
pi , i = 1, n.
Indicaţie. Avem
(−1)n
det (λI − A−1 ) = det A−1 (λA − I) = det (λA − I) =
µ ¶ ∙ pn ¸
λn 1 λn 1 p1 pn−1
= det I−A = + + ··· + + pn =
pn λ pn λn λn−1 λ
pn−1 n−1 p1 1
= λn + λ + ··· + λ+ .
pn pn pn
4 (1)
¡ ¢
Exerciţiul
¡ 2.79 În spaţiul
¢ (3) vectorial
¡ R se dau
¢ vectorii a = 1 0 2 1 ,
(2)
a = 2 1 2 3 , a = 0 1 −2 1 . Notând L subspaţiul gen-
eral de aceşti vectori, să se afle o bază a complementului ortogonal L⊥ .
Indicaţie. Cei trei vectori nu sunt liniar independenţi, căci a(3) = −2a(1) +
a(2) . L este subspaţiul generat de a(1) şi a(3) , adică constă din toţi vectorii
de forma c1 a(1) + c2 a(3) . Trebuie să găsim doi vectori liniar independenţi
b(1) şi b(2) , fiecare fiind ortogonal pe a(1) şi a(3) . Scriind b = (α1 , α2 , α3 , α4 ),
obţinem sistemul (
α1 + 2α3 + α4 = 0
α2 − 2α3 + α4 = 0
(1)
¡ ¢
pentru
¡ care găsim
¢ perechea de vectori b = −4 0 −1 −2 şi b(2) =
1 1 0 −1 , care formează o bază ı̂n L⊥ . Evident, ı̂n L⊥ există şi alte
baze, căci sistemul din care le aflăm admite o infinitate de soluţii.
Exerciţiul 2.80 Într-un spaţiu euclidian
© (1) (2) ª E cu 4 dimensiuni, raportat la
(3) (4)
baza ortonormată e , e , e , e , se consideră subspaţiul L format de
vectorii x, ale căror coordonate satisfac sistemul
⎧
⎪
⎨ 2ξ1 + ξ2 + 3ξ3 − ξ4 = 0
3ξ1 + 2ξ2 − 2ξ4 = 0 .
⎪
⎩ 3ξ + ξ + 9ξ − ξ = 0
1 2 3 4
Să se determine complementul ortogonal L⊥ , precum şi o bază ı̂n L⊥ .

Indicaţie. Dacă notăm

⎧
(1) (1) (2) (3) (4)
⎪
⎨ v = 2e + e + 3e − e
v(2) = 3e(1) + 2e(2) − 2e(4)
⎪
⎩ (3)
v = 3e(1) + e(2) + 9e(3) − e(4)
® ® ®
condiţiile date pot fi scrise pe scurt ı̂n forma v(1) , x = v(2) , x = v(3) , x =
0, ∀x ∈®L. Deoarece
v®(3) = 3v(1) − v(2) , condiţiile se reduc la două şi anume
v(1) , x = 0, v(2) , x = 0, ∀x ∈ L, cu v(1) şi v(2) liniar independenţi.
Rezultă că L⊥© este subspaţiul
ª generat de vectorii v(1) şi v(2) , care constituie
(1) (2) ⊥
chiar o bază v , v , ı̂n L .
Exerciţiul 2.81 Fie u 6= θ un vector fixat ı̂n spaţiul euclidian real X şi
fie f : X → X, f (x) = x − a hx, ui u (a constantă reală) o transformare
liniară.
(a) Să se afle a ∈ R, astfel ı̂ncât f să fie o transformare ortogonală şi să
se arate că pentru valoarea a0 6= 0 găsită, avem
½
f, n = impar
f ◦ f ◦ f ···◦ f = .
| {z } I, n = par
n ori
© ª
Fie X = R3 , u = 2e(1) + 2e(2) + e(3) , a = a0 şi e(i) , i = 1, 3 baza
canonică (standard) ı̂n R3 .
(b) Să se scrie matricea transformării liniare f ı̂n baza standard şi să se
afle autovalorile şi vectorii săi proprii.
Indicaţie. (a) Impunem condiţia hf (x) , f (x)i = hx, xi, ∀x ∈ X şi găsim
2
a hx, ui2 (a hu, ui − 2) = 0 ⇒ a = . Prin urmare, f este dată prin
hu, ui
2 hx, ui
f (x) = x − u, ∀x ∈ X.
hu, ui
Rezultă µ ¶
2 hx, ui 2 hx, ui
(f ◦ f ) (x) = f (f (x)) = f x − u = f (x) − f (u) =
hu, ui hu, ui
µ ¶
2 hx, ui 2 hx, ui 2 hu, ui
=x− u− u− u = x, ∀x ∈ X
hu, ui hu, ui hu, ui
ceea ce ı̂nseamnă f ◦ f = I = transformarea identică ı̂n X. Este evident că
aplicarea de un număr impar de ori a transformării f coincide cu f şi că
aplicarea de un număr par de ori coincide cu transformarea identică.
¡ ¢ ¡ ¢
(b) Pentru x = x1 x2 x3 şi u = 2 2 1 , avem hx, ui = 2x1 +
2x2 + x3 şi
2 ¡ ¢
f (x) = x1 e(1) + x2 e(2) + x3 e(3) − (2x1 + 2x2 + x3 ) 2e(1) + 2e(2) + e(3) .
9
Acum, vom căuta imaginile vectorilor e(1) , e(2) , e(3) pentru a putea scrie
matricea lui f ı̂n această bază
⎧
⎪ ¡ ¢ 1 (1) 8 (2) 4 (3)
⎪
⎪ f e(1) = e − e − e
⎪
⎪
⎨ ¡ ¢ 9 9 9
8 1 4
f e(2) = − e(1) + e(2) − e(3) .
⎪
⎪ 9 9 9
⎪
⎪ ¡ (3) ¢ 4 4 7
⎪
⎩ f e = − e − e + e(3)
(1) (2)
9 9 9
Matricea căutată este
⎛ ⎞
1 −8 −4
1
A = ⎝ −8 1 −4 ⎠ .
9
−4 −4 7
Polinomul caracteristic al matricei 9A este (λ − 9)2 (λ + 9), deci A are auto-

valorile λ1 = λ2 = 1, λ3 = −1. Fiind simetrică, admite o bază ortonormată
ı̂n R3 , formată din vectori proprii.
Exerciţiul 2.82 Fie E un spaţiu euclidian real, finit dimensional şi L un

subspaţiu propriu al său. Să se arate echivalenţa
y = prL x ⇔ y ∈ L şi kx − yk ≤ kx − zk , ∀z ∈ L.
Indicaţie. În fond, avem de demonstrat echivalenţa
y ∈ L şi hx − y, zi = 0, ∀z ∈ L ⇔ y ∈ L şi kx − yk ≤ kx − zk , ∀z ∈ L
oricare ar fi x ∈ E. Presupunem că are loc prima afirmaţie. Din egalitatea
x − z = (x − y) + (y − z) ⇒ kx − zk2 = k(x − y) + (y − z)k2 =

= h(x − y) + (y − z) , (x − y) + (y − z)i =
= hx − y, x − yi + hy − z, y − zi + 2 hx − y, y − zi =
= kx − yk2 + ky − zk2 ,
dacă ţinem seama că hx − y, y − zi = 0, deoarece z0 = y − z ∈ L. Deci

avem kx − yk ≤ kx − zk, ∀z ∈ L, adică prima afirmaţie o implică pe cea de
a doua. Reciproc, să presupunem acum că este adevărată a doua afirmaţie
din enunţ. Punând z = y +u ı̂n inegalitatea kx − yk ≤ kx − zk, vom putea
scrie
hx − y, x − yi ≤ h(x − y) − u, (x − y) − ui
din care rezultă
2 hx − y, ui ≤ hu, ui , ∀u ∈ L.
Punând aici tu ı̂n loc de u (cu u = fixat şi t ∈ R), găsim o inegalitate
de forma 2βt ≤ αt2 cu α = hu, ui > 0 şi β = hx − y, ui = constant.
Rezultă cu necesitate β = 0 şi deci hx − y, ui = 0, ∀u ∈ L, adică are
loc prima afirmaţie din enunţ. Prin urmare, echivalenţa din enunţ a fost
demonstrată.
Exerciţiul 2.83 Fie ϕ

¡ o formă ¢ bililiniară
¡ simetrică
¢ definită
¡ ı̂n ¢baza stan-
dard din R2 astfel: ϕ e(1) , e(1) = ϕ e(2) , e(2) = 0, ϕ e(1) , e(2) = 1. Fie
F mulţimea transformărilor liniare f din R2 , cu proprietatea
ϕ (f (x) , f (y)) = ϕ (x, y) , ∀x, y ∈ R2 .
Să se arate că F se descompune ı̂n două clase F1 şi F2 , astfel ı̂ncât
det f = 1, ∀f ∈ F1 şi det f = −1, ∀f ∈ F2 .
Indicaţie. În orice spaţiu vectorial şi ı̂n orice bază a sa, determinantul ma-
tricei unei transformări liniare f are aceeaşi valoare (det C−1 AC = det A),
astfel că notaţia det f este justificată. Dacă notăm x = (x1 , x2 ), y = (y1 , y2 )
şi A = [aij ], i, j = 1, 2 matricea lui f ı̂n baza canonică, avem f (x) =
(a11 x1 + a12 x2 , a21 x1 + a22 x2 ). Deoarece ϕ (x, y) = x1 y2 + x2 y1 , condiţia
cerută se scrie
(a11 x1 + a12 x2 ) (a21 y1 + a22 y2 )+(a21 x1 + a22 x2 ) (a11 y1 + a12 y2 ) ≡ x1 y2 +x2 y1 .
După identificarea coeficienţilor, se obţin ecuaţiile
a11 a21 = 0, a12 a22 = 0, a11 a22 + a21 a12 = 1, a12 a21 + a22 a11 = 1.
1
Cazul I. Luăm a11 = α 6= 0 şi α21 = 0. Rezultă a22 = şi a12 = 0.
α
Elementele f ∈ F1 au matricea de forma
µ ¶
α 0
A= , cu det A = 1.
0 1/α
1
Cazul II. Luăm a11 = 0 şi a21 = β 6= 0. Rezultă a12 = şi a22 = 0.
β
Elementele f ∈ F2 au matricea de forma
µ ¶
0 1/β
A= , cu det A = −1.
β 0
3
© (1) (2) (3)
ª Presupunem că ı̂ntr-o bază oarecare din R , notată
Exerciţiul 2.84
e ,e ,e , produsul scalar este dat de forma biliniară simetrică
f (x, y) = x1 y1 + 5x2 y2 + 6x3 y3 + 2 (x1 y3 + x3 y1 ) + 3 (x2 y3 + x3 y2 ) ,
oricare ar fi x, y ∈ R3 . Aplicaţia liniară ϕ are ı̂n această bază matricea
⎛ ⎞
0 1 −2
A = ⎝ 2 0 −1 ⎠ .
3 −2 0
Să se afle matricea adjunctei ϕ∗ ı̂n aceeaşi bază.
Indicaţie. Forma biliniară simetrică f este pozitiv definită, astfel că punând
hx, yi = f (x, y) am definit un produs scalar pe R3 . Matricea lui f ı̂n baza
dată este ⎛ ⎞
1 0 2
B=⎝ 0 5 3 ⎠
2 3 6
aşa ı̂ncât avem
(1) (1) ® (1) (2) ® (1) (3) ®
e ,e = 1, e ,e = 0, e ,e = 2,
(2) (2) ® (2) (3) ® (3) (3) ®
e ,e = 5, e ,e = 3, e ,e = 1.
De asemenea, avem formulele
⎧ ¡ ¢
(1) (2) (3)
⎪
⎨ ϕ ¡e ¢ = 2e + 3e
ϕ e(2) = e(1) − 2e(3) .
⎪
⎩ ¡ (3) ¢
ϕ e = −2e(1) − e(2)
În relaţia (∗) hϕ (x) , yi = hx, ϕ∗ (y)i, punem y = e(1) şi lui x ı̂i dăm pe
rând valorile e(i) , i = 1, 3, obţinând sistemul
⎧ ¡ ¢ ® (1) ∗ ¡ (1) ¢®
(1) (1)
⎪
⎨ ϕ ¡e ¢ , e ® = e , ϕ ¡e ¢®
ϕ e(2) , e(1) = e(2) , ϕ∗ e(1) .
⎪ ¡ (3) ¢ (1) ® (3) ∗ ¡ (1) ¢®
⎩
ϕ e ,e = e ,ϕ e
Capitolul 3
Mathematica ı̂n algebră
În acest capitol se ilustreaza modul ı̂n care se poate fi folosit pachetul
de programe Mathematica pentru ı̂nţelegerea cursului de algebră liniară
şi geometrie prezentat studenţilor de la facultatea de automatica şi calcu-
latoare. Acest capitol poate fi utilizat ca un ghid pentru cei care vor să se
iniţieze ı̂n utilizarea softului Mathematica.
Sunt analizate cı̂teva aspecte care ţin de utilizarea acestui soft. Sunt
prezentate exemple de probleme care pot fi abordate pentru a fi rezolvate di-
rect cu ajutorul softului şi unele care nu pot fi rezolvate direct, prezentându-
se metode de soluţionare a problemei.
Studenţii pot folosi softul Mathematica pentru rezolvarea problemelor
de matematică care apar ı̂n inginerie iar utilizarea softului este o metoda
complementară şi nu substitutivă matematicii.
Studiind diagrama utilizatorilor acestui soft prezentă pe situl acestui soft
se constată că inginerii şi fizicienii reprezintă aproape jumătate din totalul
utilizatorilor. Remarcăm faptul că inginerii utilizează mai mult acest soft
decât matematicienii.
O sesiune de lucru cu Mathematica este un dialog ı̂ntre utilizator şi
sistemul de calcul. Forma grafică relativ uşoară de scriere a instrucţiunilor,
comentarea unor exemple semnificative şi combinarea cu reprezentări grafice
fac mai uşoară ı̂nţelegerea cursului. Mathematica poate poate fi utilizată
şi pentru preluarea unor calcule numerice sau simbolice greu de efectuat cu
mâna, ceea ce permite o ı̂nţelegere mai profundă a problemelor studiate.
După ce programul a fost instalat, utilizarea lui ı̂ncepe prin tipărirea
unei comenzi şi apoi evaluarea ei prin utilizarea tastelor Shift+Enter.
Cinci reguli de bază ı̂n sintaxa Mathematicii:
201
202 CAPITOLUL 3. MATHEMATICA ÎN ALGEBRĂ
1. numele oricărei comenzi ı̂ncepe cu literă mare; dacă numele comenzii

este format din două cuvinte, prima literă din fiecare cuvânt este mare şi
cuvintele sunt legate,
2. argumentele funcţiilor sunt scrise ı̂ntre paranteze pătrate [· · · ]; paran-
tezele rotunde (· · · ) sunt folosite pentru gruparea operaţiilor; vectorii şi ma-
tricele sunt scrise ı̂ntre acolade {· · · } ; parantezele pătrate duble [[· · · ]] sunt
folosite pentru indexarea tabelelor, a matricelor.
3. ı̂nmulţirea este reprezentată prin spaţiu sau *;
4. puterea este reprezentată prin ˆ;
5. dacă nu s-a obţinut nici un rezultat sau un răspuns incorect atunci
s-a introdus sau executat o comandă incorect.
Mathematica conţine multe funcţii construite şi funcţii care se găsesc
ı̂n pachete care trebuie ı̂ncărcate separat. Pachetele sunt ı̂ncărcate prin
comanda <<director‘numelepachetului‘ unde director este locaţia nu-
melepachetului. Introducând comanda <<director‘Master‘ toate funcţiile
conţinute ı̂n toate pachetele din director pot fi utilizate.
µ ¶
a11 a12
Definirea matricilor. Definim matricea A = cu ajutorul
a21 a22
comenzii
unde a [1, 1] = a11 , a [1, 2] = a12 , a [2, 1] = a21 , a [2, 2] = a22 . Putem realiza
scrierea clasică matriceală a matricei prin comanda:
O altă modalitate de a genera o matrice este de a utiliza comanda Array,
care produce acelaşi rezultat ca mai sus. Matricea identitate de ordin n se

generează cu comanda IdentityMatrix[n] .
Definim un vector linie (v1 , v2 , v3 ) astfel:

203
Mathematica nu face distincţie ı̂ntre un vector linie şi un vector coloană.

La fel putem defini un vector cu instrucţiunea Array.
Extragerea elementelor unei matrici. Presupunem că am generat

matricea
Extragerea liniei a doua din matricea m se face astfel:
iar extragerea elementului (1,2) din matricea m se face cu ajutorul comenzii:
Extragerea unei coloane dintr-o matrice se face cu ajutorul comenzii

Transpose[matrice] care transpune matricea după care extrage din ma-
tricea transpusă linia dorită care reprezintă de fapt coloana matricii. Pentru
a extrage coloana a treia a matricei m procedăm astfel:
sau, acelaşi rezultat, ı̂l obţinem prin comanda:
Exerciţiul 3.1 Să se realizeze cu ajutorul Mathematicii următoarele ope-

raţii: a) să se defineacă matricea mb; b) să se extragă coloana a treia a
matricii; c) sa se extragă elementul (3,2) din matrice; d) să ae afişeze ı̂n
forma clasică matricea.
Calcule cu matrici şi vectori. Mathematica execută toate operaţiile

cu matrici: adunarea, ı̂nmulţirea cu un scalar, ı̂nmulţirea matricilor, trans-
punerea matricii. Inversarea matricei şi calculul determinantului matricii
se pot executa dacă matricea este pătratică. Prezentăm mai jos generarea
a două matrice şi calculul sumei celor două matrice şi, adăugând comanda
TableForm, rezultatul este scris sub formă matriceală obişnuită.
Inversa matricei sumă a celor două matrice se realizează cu astfel:
Pachetul de programe LinearAlgebra‘MatrixManipulation‘ poate fi

folosit pentru:
-adăugarea coloanelor unei matrice la coloanele altei matrice cu condiţia
ca cele două matrice să aibă acelaşi număr de coloane. Se realizează folosind
instrucţiunea AppendColumns[m1, m2] ;
205
-adăugarea liniilor unei matrice la liniile altei matrice cu condiţia ca

cele două matrice să aibă acelaşi număr de linii. Se realizează folosind
instrucţiunea AppendRows[m1, m2] . Se poate forma astfel o matrice bloc
cu alăturând liniile şi coloanele submatricelor.
µ ¶
1 −2 5 ¡ ¢
Exerciţiul 3.2 Se dau matricele m1 = , m2 = 2 −2 1 ,
µ ¶ 0 1 3
1
m3 = . Să se formeze a) o matrice prin alăturarea coloanelor ma-
−2
tricelor m1 şi m2, b) o matrice prin alăturarea liniilor matricelor m1 şi
m3, c) matricea bloc formată din matricele m1, m3, m2 şi completată cu
zerouri.
Tot cu ajutorul comenzilor acestui pachet pot fi executate şi următoarele

operaţii: extragerea primelor n linii din matrice cu ajutorul comenzii
TakeRows[matr, n] , extragerea ulimelor n linii din matricea matr,
TakeRows[matr, m, n] extragerea din matricea matr a liniilor cu numerele
de ordine de la m la n, m ≤ n. Aceleaşi operaţii se pot face şi asupra
coloanelor cu ajutorul comenzii TakeColumns. Se poate extrage dintr-o
matrice o submatrice specificând poziţia primului şi a al ultimului element
din submatrice cu ajutorul comenzii TakeMatrix[matr, poz1, poz2] sau cu
ajutorul comenzii
SubmMatrix[matr, poz, dim] ı̂n care se specifică poziţia primului elem-
ment şi numărul de linii şi coloane care trebuie extrase pornind de la
acesta (dim.este o pereche de numere naturale ı̂n care primul element are
seminficaţia numărului de linii care trebuie extrase pornind de la elementul
specificat prin poz, iar al doilea element reprezintă numărul de coloane care
trebuie extrase).
Exerciţiul 3.3 Se consideră matricea

⎛ ⎞
1 −2 0 3 4 5
⎜ 2 1 −2 9 1 3 ⎟
A=⎜ ⎝ 0 −1 −2 0 1 0 ⎠ .
⎟
0 −1 2 1 3 −2
a) Să se formeze submatricea care este formată din elementele a12 , a13 ,
a14 , a15 , a22 , a23 , a24 , a25 , a32 , ..., a35 , formată din trei linii şi patru coloane.
b) Să se formeze submatricea formată din două linii şi două coloane şi
care are pe prima poziţie elementul a12 .
c) Să se stabilească care din aceste două matrici sunt pătratice.
207

¯ ¯
¯ 1 1 2 3 ¯
¯ ¯
¯ 1 1 3 4 ¯¯
D= ¯ ¯ .
¯ 2 5 1 −1 ¯¯
¯ −1 −2 2 4 ¯
Exerciţiul 3.5 Să se realizeze cu ajutorul Mathematicii următoarele ope-

raţii: ¡ ¢T ¡ ¢T
a) să se genereze vectorii u = 1 2 2 0 ,v= 1 4 5 0 ;
b) să se calculeze norma euclidiană a lui u, versorul vectorului u;
c) să se calculeze produsul scalar dintre vectorii u şi v.
Determinarea soluţiilor sistemelor de ecuaţii. Pentru a rezolva

sistemul liniar Ax = b, unde A este matricea coeficienţilor sistemului, b
este vectorul termenilor liberi iar x vectorul necunoscutelor. Dacă matricea
A este inversabilă, atunci soluţia va fi x = A−1 b.
Exerciţiul
⎧ 3.6 Să se rezolve sistemul:
⎪
⎪ 3x − y + z + 5t = 2
⎨
x − 2y − z − 3t = 4
.
⎪
⎪ −2x + 5y + z − 2t = 8
⎩
−x + y + 2z + 10t = −20
Generăm matricea sistemului, apoi ı̂nmulţim inversa cu termenii liberi
şi obţinem soluţia sistemului.
O altă modalitate de rezolvare este cu ajutorul instrucţiunii Solve.
Se poate rezolva un sistem liniar şi cu instrucţiunea LinearSolve care

rezolvă de obicei mai repede sistemul decât Solve.
Rezolvarea sistemului poate fi facută şi folosind pachetul de programe

<<LinearAlgebra‘GaussianElimination‘. Sunt folosite comenzile LU-
209
Factor care realizează descompunerea LU a matricei sistemului, trecută ı̂n

prima paranteză, iar ı̂n a doua paranteză sunt trecuţi pivoţii. Comanda
LUSolve realizează rezolvarea sistemului folosind substituţia inversă.
Substituţia inversă poate fi folosită pentru rezolvarea sistemelor care au

aceeaşi matrice şi se modifică doar termenii liberi.
.
Rezolvarea unui sistem liniar se poate face şi cu metoda eliminării Gauss-
Jordan. Cu această metodă pot fi rezolvate şi sistemele compatibile nede-
terminate şi cele incompatibile.
Exerciţiul
⎧ 3.7 Să se rezolve sistemele:⎧
⎪
⎪ 3x − y + z + 5t = 2 ⎪
⎪ x − 2y + 2z + 3t = 5
⎨ ⎨
x − 2y − z − 3t = 4 2x − 3y − 4z + 6t = 2
a) ,b)
⎪
⎪ −2x + 5y + z − 2t = 8 ⎪
⎪ −3x + 4y + z − 6t = 5
⎩ ⎩
−x + y + 2z + 11t = −20 x + 2y + 3z − 8t = −10
folosind metoda eliminării Gauss-Jordan.
În cazul primului sistem

Soluţia sistemului x = t + 6, y = 2t + 4, z = −6t − 10.

Rezolvăm sistemul al doilea
Observăm că sistemul este incompatibil deoarece ultima ecuaţie este

0x + 0y + 0z + 0t = 1. Sistemele rezolvate sunt cele din Exerciţiul 2.6 iar
interpretarea rezultatelor este cea făcută la acel exerciţiu.
Exerciţiul 3.8 Folosind teorema Cayley-Hamilton, să se calculeze A−1 şi

să se compare rezultatul cu cel obţinut folosind comanda de inversare a unei
matrici pentru matricea
⎛ ⎞
1 2 −1 1
⎜ 2 1 1 2 ⎟
A=⎜ ⎝ 1 0
⎟.
2 3 ⎠
2 −1 1 0
211
Exerciţiul
⎧ 3.9 Să se rezolve sistemul omogen (reluarea Exerciţiului 2.7):
⎪
⎪ x − 3y − z + 2t = 0
⎨
x − 4y + 3z + 4t = 0
.
⎪
⎪ x − y − 9z − 2t = 0
⎩
3x − 10y + z + 8t = 0
Rezolvăm sistemul cu metoda eliminării Gauss-Jordan.
De aici observăm că obţinem un sistem echivalent sistemului dat format

din
½ ecuaţiile:
x = 13z + 4t
y = 4z + 2t ¡ ¢ ¡ ¢
deci
¡ vectorul soluţie
¢ va fi 13z + 4t 4z + 2t z t = 13 4 1 0 z+
4 2 0 1 t:
Exerciţiul 3.10 Să se realizeze cu Mathematica ortonormalizarea sis-

temului de⎛vectori
⎞ (Exerciţiul
⎛ 1.15.):
⎞ ⎛ ⎞
1 −1 4
v(1) = ⎝ 2 ⎠ , v(2) = ⎝ 3 ⎠ , v(3) = ⎝ 0 ⎠ .
2 5 −2
.
Comenzile CharacteristicPolynomial[m, x] calculează polinomul car-
acteristic al matricei m, polinom ı̂n necunoscuta x,
Eigenvalues[m] calculează valorile proprii ale matricei m,
Eigenvectors[m] furnizează vectorii proprii ai matricei m,
Eigensystem[m] furnizează o listă a valorilor proprii şi a vectorilor
proprii corespunzători.
Exerciţiul
⎛ 3.11 Fie matricea
⎞
1 0 0 1
⎜ 0 1 0 0 ⎟
A=⎜⎝ 0
⎟.
0 1 −2 ⎠
1 0 −2 5
213
Să se calculeze polinomul caracteristic, vaorile proprii şi vectorii proprii

corespunzători.
Exerciţiul 3.12 Se consideră matricea (Exerciţiul 1.18.)

⎛ ⎞
1 2 −4
A = ⎝ 2 −2 −2 ⎠ .
−4 −2 1
(a) Să se arate că ı̂n R3 există o bază formată din vectori proprii ai lui A.
(b) Să se afle o bază ortonormată formată din vectori proprii ai matricei A.
a) Calculăm valorile proprii şi vectorii proprii şi verificăm dacă vectorii
proprii sunt liniar independenţi.
Rezultatul comenzii este: prima paranteză conţine valorile propriui iar

următorele paranteze conţin vectorii proprii.
Verificăm dacă vectorii proprii sunt liniar independenţi, adică dacă for-
mează o bază ı̂n R3 . Pentru aceasta folosim comanda RowReduce[matrice]
care metoda eliminării a lui Gauss-Jacobi. Dacă matricea este nesingulară
se obţine matricea unitate, ceea ce indică că vectorii care formează matricea
sunt liniar independenţi. Dacă matricea este dreptunghiulară sau singulară
atunci primele l coloane vor fi coloanele matricii unitate care se pot forma
din matricea respectivă.
b) Aplicăm procedeul de ortonormare Gram-Schmidt vectorilor proprii

215
Ortogonalizarea se poate face mult mai uşor folosind pachetul de pro-

grame LinearAlgebra‘Orthoogonalization‘. Dacă vectorii care trebuie
ortonormalizaţi nu sunt liniar independenţi rezultatul este imprevizibil.
Dacă dorim să otogonalizăm siatemul de vectori fără a-i normaliza se

foloseşte comanda GramSchmidt[matrice, Normalized->False]

h (x) = 2x21 + 2x22 − 2x23 + 6x1 x2 − 2x1 x3 + 2x2 x3 .
Să se determine forma canonică şi baza canonică.
Generăm matricea formei pătratice, calculăm valorile proprii, vectorii

proprii şi iı̂ ortonormăm.
Exerciţiul 3.14 Să se ortonormeze sistemul de funcţii t, t2 , t3 ı̂n C [0, 1]

R1
ı̂n raport cu produsul scalar hf, gi = tf (t) g (t) dt şi ı̂n raport cu produsul
0
R1
scalar hf, gi0 = f (t) g (t) dt.
0
S-a realizat numai ortogonalizarea sistemului de vectori. Prin comanda

de mai jos realizăm ortogonalizarea aceluiaşi sistem de vectori.
Se realizează ortonormalizarea sistemului de vectori ı̂n raport cu pro-

dusul scalar h, i0 .
.
Folosind acelaşi pachet de programe se poate numai normaliza un vector:
.
Se mai poate calcula proiecţia unui vector pe alt vector folosind din
acelaţi pachet comanda Projection[v1,v2].
217
Pot fi aproximate valorile proprii şi vectorii proprii folosind ı̂n comanda
care calculează valorile proprii şi vectorii proprii pentru matricea N[ma].
⎛ ⎞
3 −5 −4
Exerciţiul 3.15 Fie matricea A = ⎝ −5 6 3 ⎠ . Să se aproximeze
−3 2 −2
valorile proprii şi vectorii proprii corespunzători.

⎛ ⎞
0 2 0 −1
⎜ 1 0 0 0 ⎟
A=⎜ ⎝ 0 1 0 0 ⎠.
⎟
0 0 1 0
Să se determine o formă canonică Jordan şi o bază Jordan.

⎛ ⎞
6 6 −15
A = ⎝ 1 5 −5 ⎠ .
1 2 −2
Să se determine forma canonică Jordan şi o bază Jordan.
Prezentăm exemple de calcul al matricei exponenţiale.

Reluăm Exerciţiile 2.56 şi 2.57.
Exerciţiul 3.18 Fie matricele:

219
⎛ ⎞
1 0 0 1 ⎛ ⎞
⎜ 0 1 0 ⎟ 0 1 0
0 ⎟
A=⎜ ⎝ 0 0 1 −2 ⎠ şi A =
⎝ −4 4 0 ⎠ .
−2 1 2
1 0 −2 5
.
Pachetul Calculus‘VectorialAnalysis‘ conţie comenzi cu ajutorul că-
rora se poate calcula produsul scalar, produsul vectorial, produsul mixt
pentru vectorii din spaţiul tridimensional.
Exerciţiul 3.19 Se consideră vectorii v1 = (1, 2, −1), v2 = (−1, 2, 0) şi

v3 = (−2, 0, 3). Să se calculeze hv1 , v2 i , v1 × v2 şi (v1 , v2 , v3 ) .
Pachete de programe care pot fi folosite pentru desenarea graficelor.
Pentru a trasa graficele conicelor pe ecuaţii generale folosim pachetul

<<Graphics‘ImplicitPlot‘ şi comanda
ImplicitPlot[equation,{x,xmin,xmax}] care desenează graficul curbei

dată implicit prin equation pe intervalul xmin, xmax. Reluăm exreciţiile
1.35, 1.37 şi 1.38. Desenăm graficele conicelor din aceste exerciţii.
221
Pachetul ContourPlot3D conţine comanda ContourPlot3D care poate fi

utilizată pentru a desena suprafeţe. Desenăm ı̂n continuare un elipsoid, un
hiperboloid cu o pânză şi un paraboloid hiperbolic.
223
1
Bibliografie
[1] Borcea V., Neagu A.- Probleme de algebră şi ecuaţii diferenţiale,
Inst. Politehnic, Iaşi, 1993.
[2] A. Cărăuşu - Linear Algebra. Theory & Applications, Editura
Matrix Rom, Bucureşti, 1999.
[3] Chiriţă S.- Probleme de matematici superioare, EDP, Bucureşti,
1989.
[3] Corduneanu A. - Note de curs (teorie, exerciţii, completări). (Xe-
rox, Fac. de automatică şi calculatoare), 2002.
[4] Corduneanu A. - Culegere de probleme. Xerox, Institutul Po-
litehnic Iaşi, 1984.
[5] Fazlollah Reza- Spaţii liniare, EDP, Bucureşti, 1973.
[6] Fadeev D. , E. Somincki - Recuiel d’ exercices d’ algèbre supérieure,
Ed. MIR, Moscova, 1973.
[7] Gheorghiu Gh. Th. - Algebră liniară, geometrie analitică şi
diferenţială şi programare, EDP, Bucureşti, 1977.
[8] Grădinaru N. - Curs de algebră liniară şi geometrie analitică, Inst.
Politehnic, Iaşi, Rotaprint, 1977.
[9] Horn R. a:, Johnson C. R. - Analiză matriceală, Editura Theta,
2001
[10] Ikramov H. - Recuiel de problèmes d’ algèbre linéaire, Ed. MIR,
Moscova, 1977.
[11] Murgulescu E. (colectiv) - Geometrie analitică ı̂n spaţiu şi geome-
trie diferenţială, (C.d.p.), EDP, Bucureşti, 1973.
[12] Papaghiuc N. , C. Călin - Algebră liniară şi geometrie, Editura
Performantică, Iaşi, 2003.
[13] Pop Ioan, Neagu Gh. -Algebră liniară şi geometrie analitică ı̂n
plan şi spaţiu, Editura Plumb, Bacău, 1996
[14] Procopiuc Gh. - Matematica, Univ. Tehnică Iaşi, 1999.
[15] Rudner V. , C. Nicolaescu - Probleme de matematici speciale,
EDP, Bucureşti, 1982.
[16] Gh. I. Şabac - Matematici speciale, EDP, Bucureşti, 1981.
2
[17] R. Trandafir - Matematici superioare, Editura FACLA, Timişoara,

1976.
[18] R. Trandafir - Probleme de matematici pentru ingineri, Ed. Tehnică,
Bucureşti, 1977.
[19] Udrişte C. - Probleme de algebră liniară, geometrie analitică şi
diferenţială, EDP, Bucureşti, 1976.
[20] Udrişte C. (colectiv) - Probleme de algebră liniară, geometrie şi
ecuaţii diferenţiale, EDP, Bucureşti, 1981.
[21] Udrişte C. - Aplicaţii de algebră, geometrie şi ecuaţii diferenţiale,
EDP (RA), Bucureşti, 1993.

Lectii de Algebra PDF

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Lectii de Algebra PDF

Încărcat de

Drepturi de autor:

Formate disponibile

Ariadna Lucia Pletea Adrian Corduneanu Mircea Lupan

LECŢII DE ALGEBRĂ LINIARĂ

1.1 Matrice şi determinaţi

Notăm mulţimea matricelor de ordin m × n ale căror elemente sunt nu-

Dacă m = n, adică numărul liniilor este egal cu numărul coloanelor,

Matricele se notează cu litere mari ı̂ngroşate (bold), iar scalarii se notează

Vom considera şi matricea A = (aij ) de tipul m × p, care face legătura

1.1.1 Determinantul unei matrice pătrate

Prin definiţie, determinantul unei matrice A de ordinul doi,

atunci det(A) se calculează după regula

obţinut prin suprimarea liniei i şi coloanei j. Fapt cu totul remarcabil, se

Dacă ı̂nlocuim linia k cu linia i (i 6= k), celelalte linii rămânând neschim-

Altfel spus, dacă ı̂nmulţim elementele unei linii cu complemenţii algebrici

Putem introduce o regulă generală de calcul a unui determinant. Pentru

Numim minor complementar al minorului M de ordin p al matricei A,

Minorii de ordinul 1 ai matricii A sunt elementele sale, aij . Minorii

Teorema 1.1 (Teorema lui Laplace) Determinantul matricei A este egal

Exerciţiul 1.2 Să se calculeze valoarea determinantului

Ca aplicaţie a regulii lui Laplace să calculăm determinantul produsului

Rezolvare Fie A = (aij ), B = (bij ), C = AB = (cij ), cu

1.1.2 Matricea inversă

matricei A. Ţinând seama de relaţiile (1.6), (1.7) şi (1.8), avem

1.1.3 Rangul unei matrice. Linii principale şi coloane

Demonstraţie. Fixăm linia i (i > r) şi considerăm toţi determinanţii de

unde constantele αk nu depind de j (odată ce i a fost fixat) şi αr+1 6= 0.

Aceasta ne spune că linia i (i a fost fixat) este combinaţie liniară de

unde βk nu depind de i (j a fost fixat) şi βr+1 6= 0. De fapt, βr+1 = αr+1 .

Teorema 1.3 (Teorema lui Rouché) Compatibilitatea unui sistem alge-

de primele coloane, adică există nişte constante λ1 , λ2 , . . . , λr astfel ı̂ncât

Aceasta ı̂nseamnă că punând x1 = λ1 , x2 = λ2 , . . . , xr = λr , xi = 0

1.2 Spaţiul vectorial real

Adunarea şi ı̂nmulţirea cu scalari se definesc ı̂n mod evident. Vom

Definiţia 1.4 Mulţimea X ⊂ V se numeşte subspaţiu al spaţiului vectorial

Teorema 1.5 (Teorema de caracterizare a subspaţiilor liniare) Con-

Definiţia 1.5 Fie X1 , X2 două subspaţii ale spaţiului liniar V. Definim

Observaţia 1.2 Reuniunea unui sistem de subspaţii liniare nu este un

Definiţia 1.6 Fie X1 , X2 două subspaţii ale spaţiului liniar V. Se numeşte

Teorema 1.7 Suma subspaţiilor X1 , X2 ale spaţiului liniar V, X = X1 +X2 ,

Definiţia 1.7 Fie X1 , X2 două subspaţii ale spaţiului liniar V. Dacă X =

Exemplul 1.3 În spaţiul vectorial Rn considerăm vectorii {e1 , e2 , ..., en }

1.2.1 Schimbarea coordonatelor vectorului la schim-

u(1) = c11 v(1) + c21 v(2) + · · · + cn1 v(n)

ı̂n care determinantul coeficienţilor este diferit de zero (exerciţiu). Dacă un

v = ξ1 v(1) + ξ2 v(2) + · · · + ξn v(n) ,

legătura ı̂ntre coordonatele ξ şi coordonatele η este

sau ı̂n formă matriceală

unde C = (cij ), i, j = 1, n se numeşte matricea schimbării de bază de la baza

Exemplul 1.4 În R3 ⎛ considerăm

η3 u(3) . Legătura ı̂ntre coordonate va fi următoarea x1 = η1 + η2 + η3 ,

1.3 Transformare liniară ı̂n Vn

Observaţia 1.4 Dacă ı̂n Definiţia 1.13, a) ı̂nlocuim x = y = θ obţinem

Notând x = ξ1 v(1) + ξ2 v(2) + · · · + ξn v(n) şi f (x) = η1 v(1) + η2 v(2) + · · · +

obţinem imediat că

Definiţia 1.14 Matricele A şi C−1 AC se numesc matrice asemenea.

Observaţia 1.5 Matricele unei transformări liniare relativ la două baze

Definiţia 1.15 Mulţimea ker(f ) = {u | u ∈ Vn : f (u) = θ} se numeşte nu-

Definiţia 1.16 Mulţimea Im(f ) = {w | w ∈ Vn : ∃u ∈ Vn : f (u) = w} se

Teorema 1.9 Nucleul lui f este un subspaţiu liniar al spaţiului liniar Vn .

Demonstraţie. Observăm că ker(f ) 6= ∅ deoarece θ ∈ ker(f ). Fie α ∈ R

1.3.1 Polinom caracteristic. Vectori proprii şi valori

Pentru ca sistemul să aibă soluţii nebanale, se impune ca determinan-

1.3.2 Teorema de reprezentare spectrală

Demonstraţie. Vom observa că