ALGEBRĂ LINIARĂ - UNITATEA DE ÎNVĂŢARE 4

OVIDIU VEGHEŞ

Noiembrie 2011

CUPRINS
1. Obiectivele unităţii de învăţare 4 1
2. Spaţii euclidiene şi unitare 2
2.1. Produs scalar real şi produs scalar complex 2
2.2. Ortogonalitate şi complement ortogonal 3
2.3. Reprezentarea matriceală a produsului scalar 4
2.4. Elemente de teoria aproximării. 5
3. Operatori liniari în spaţii euclidiene şi unitare 6
3.1. Adjunctul unui operator liniar 6
3.2. Clase de endomorfisme 6
4. Exerciţii rezolvate 7
5. Test de autoevaluare 9
6. Răspunsuri şi comentarii la testul de autoevaluare 9
7. Setul de exerciţii nr.4 10
7.1. Tema nr.9 10
7.2. Tema nr.10 11
Bibliografie 12

1. O
Ă Ţ   
Ă Ţ  4
Acest material este destinat studenţilor din învăţământul economic din anul I, ID, de
la Facultatea de Cibernetică, Statistică şi Informatică Economică din Academia de Studii
Economice Bucureşti.
Unitate de învăţare 4 conţine, o prezentare într-o formă accesibilă, dar riguroasă a
principalelor rezultate privind spaţiile euclidiene şi a spaţiilor unitare.
Sarcinile impuse în parcurgerea materialului sunt:
- memorarea noţiunilor descrise în material, descrierea lor în limbaj matematic ca şi
exprimarea alternativă a lor,
- memorarea principalelor rezultate matematice şi urmărirea aplicării lor în exerciţiile
propuse,
- parcurgerea unora din titlurile privind teoria (T) recomandate în bibliografie, pentru
a recupera demonstraţiile principalelor propoziţii şi teoreme,
- parcurgerea altor probleme rezolvate cuprinse într-unul din titlurile privind aplicaţiile
(A) recomandate în bibliografie, pentru a identifica diferite tipuri de probleme,
- reconstituirea unor raţionamente matematice implicând noţiuni şi rezultate din unităţile
de învăţare 1÷3,
1
2 OVIDIU VEGHEŞ

- autotestarea cunoştinţelor şi deprinderilor dobândite folosind testul de autoevaluare,

urmată de reluarea paşilor anteriori în caz de eşec.
- efectuarea temei cuprinsă în setul de exerciţii nr.4,
- utilizarea acestor noţiuni cu încărcatura semantică aferentă în combinaţie cu limbajul
cotidian atunci când contextul face posibil acest lucru.
Obiectivele avute în vedere sunt:
-însuşirea limbajului specific modelării realităţii economico-sociale prin modele liniare,
-dezvoltarea capacităţii de a construi un raţionament,
-dezvoltarea atenţiei pentru a face conexiuni,
-dobândirea unor noi competenţe privind analiza unor procese sau fenomene economice
dintre cele mai diverse.
După studiul acestei unităţi de învăţare, studentul va avea cunoştinţe despre: princi-
palele particularităţi ale calcului vectorial atunci când spaţiul vectorial posedă un produs
scalar, legătura între cel mai bun aproximant şi proiecţia ortogonală, ca şi despre trans-
formările simetrice şi transformările ortogonale.
Deşi materialul prezent nu evidenţiază acest aspect studentul dobândeşte cunoştinţele de
fundamentale necesare la alte discipline ce se ocupă cu modelarea matematică a realităţii.

2. SŢ   
 Ş 


2.1. Produs scalar real şi produs scalar complex. 2.1.1 Definiţie Fie V un spaţiu
vectorial real. O aplicaţie ·, · : V × V → R se numeşte produs scalar real dacă
ps1: [aditivitate] ∀x, y, z ∈ V, x + y, z = x, z + y, z ;
ps2: [omogenitate] ∀x, y ∈ V, ∀α ∈ R, αx, y = α x, y ;
ps3: [simetrie] ∀x, y ∈ V, x, y = y, x ;
ps4: [definire pozitivă şi nedegenarare] ∀x ∈ V, x, x
0 şi x, x = 0 ⇔ x = 0.
Dacă pe spaţiul vectorial V s-a definit un produs scalar real atunci spunem că V este
un spaţiu euclidian. În acest context
se numeşte lungimea unui vector (sau norma
euclidiană) x ∈ V numărul real
x
= x, x, se numeşte măsura unghiului a doi

x,y
vectori x, y ∈ V numărul real ∢ (x, y) ∈ [0, π] ce verifică relaţia cos ∢ (x, y) = x·y . Doi
vectori x, y ∈ V se numesc ortogonali dacă x, y = 0 şi notăm acest fapt prin x ⊥ y.
2.1.2 Observaţie Un produs scalar real pe spaţiu vectorial real V este orice funcţională
biliniară simetrică a cărei funcţională pătratică ataşată este pozitiv definită. Într-un spaţiu
vectorial real fixat se poate alege în mai multe moduri o funcţională biliniară simetrică a
cărei funcţională pătratică ataşată este pozitiv definită. Măsurările geometrice rezultate
vor fi dependente de această alegere, aşa că lungimea unui vector, unghiul dintre doi
vectori, distanţa dintre doi vectori nu vor fi definite univoc.
2.1.3 Definiţie Fie V un spaţiu vectorial complex. O aplicaţie ·, · : V × V → C se
numeşte produs scalar complex dacă
ps1: [aditivitate] ∀x, y, z ∈ V, x + y, z = x, z + y, z ;
ps2: [omogenitate] ∀x, y ∈ V, ∀α ∈ C, αx, y = α x, y ;
ps3: [hermitic—simetrie] ∀x, y ∈ V, x, y = y, x ( desemnează conjugarea complexă);
ps4: [definire pozitivă şi nedegenarare] ∀x ∈ V, x, x
0 şi x, x = 0 ⇔ x = 0.
Dacă pe spaţiul vectorial V s-a definit un produs scalar complex atunci spunem că V este
un spaţiu
unitar. În acest context se numeşte lungimea unui vector x ∈ V numărul
real
x
= x, x. Doi vectori x, y ∈ V se numesc ortogonali dacă x, y = 0 şi notăm
acest fapt prin x ⊥ y.
 ALGEBR Ă LINIAR Ă - UNITATEA DE ÎNV Ă ŢARE 4 3

2.1.4 Observaţie i) Din definiţia produsului scalar complex rezultă conjugat-liniarita-

tea în al doilea argument:
∀x, y, z ∈ V, x, y + z = x, y + x, z şi ∀x, y ∈ V, ∀β ∈ C, x, βy = β x, y .
Referindu-ne la această proprietate, spunem că produsul scalar este o funcţională sesqui-
liniară.
ii) Se poate renunţa la axioma ps3 dacă cerem conjugat-liniaritatea în al doilea argu-
ment, după cum rezultă din raţionamentul: x + y, x + y real cere ca x, y + y, x să fie
real, iar x + iy, x + iy cere ca i (− x, y + y, x) să fie real. Rezultă x, y = y, x.
2.1.5 Observaţie Un produs scalar complex pe spaţiu vectorial complex V este orice
funcţională sesquiliniară hermitic—simetrică a cărei funcţională pătratică ataşată este strict
pozitiv definită. O funcţională sesquiliniară hermitic—simetrică a cărei funcţională hermitic—
pătratică ataşată este pozitiv definită se poate alege în mai multe moduri într-un spaţiu
vectorial real fixat. Măsurările geometrice rezultate vor fi dependente de această alegere,
aşa că lungimea unui vector, distanţa dintre doi vectori nu vor fi definite univoc.
2.1.6 Definiţie Fie V un spaţiu vectorial real sau complex. O aplicaţie
·
: V → [0, ∞)
se numeşte normă dacă
n1:
x
= 0 ⇔ x = 0V ;
n2: ∀x, y ∈ V, ∀α ∈ K (R respectiv C) ,
αx
= |α|
x
;
n3: ∀x, y ∈ V,
x + y

x
+
y
.
2.1.7 Observaţie Într-un spaţiu normat putem defini distanţa1 dintre vectori prin:
d (x, y) =
x − y
.
2.1.8 Propoziţie Dacă V este un spaţiu euclidian sau un spaţiu unitar atunci au loc:
i)
·
: V → [0, ∞) este o normă pe V;
ii) ∀x, y ∈ V, |x, y| 
x
·
y
(inegalitatea Cauchy—Buniakovski—Schwarz), iar
|x, y| =
x
·
y
⇔ vectorii x şi y sunt liniar dependenţi (i.e. sunt coliniari);
iii)
x ± y
2 =
x
2 +
y
2 ± 2 Re x, y, iar pentru x ⊥ y avem
x + y
2 =
x
2 +
y
2
(teorema lui Pitagora).
2.1.9 Observaţie i) Într-un spaţiu euclidian din inegalitatea Cauchy—Buniakovski—
<x,y>
Schwarz urmează că xy ∈ [−1, 1] .
ii) Dacă x ⊥ y atunci
x + y
2 =
x
2 +
y
2 . Reciproca este adevarată dacă K = R şi
falsă dacă K = C.
iii) Dacă vectorii (xi )i=1,k sunt ortogonali doi câte doi, atunci are loc teorema lui
Pitagora generalizată:  2 
 k  k 2
 i=1 xi  = i=1
xi
.
2.2. Ortogonalitate şi complement ortogonal. Fie V este un spaţiu euclidian sau un
spaţiu unitar, nenul, finit dimensional (K ∈ {R, C}).
2.2.10 Definiţie Două submulţimi A, B ale lui V se numesc ortogonale şi se notează
cu A ⊥ B dacă ∀x ∈ A, ∀y ∈ B, x ⊥ y.
2.2.11 Propoziţie Sunt adevărate afirmaţiile: i) A ⊥ B ⇔ B ⊥ A; ii) A ⊥ B ⇒
A ∩ B = {0}; iii) spanK ({gi | i ∈ I}) ⊥ B ⇔ ∀i ∈ I, gi ⊥ B .
1Distanţa dintre doi vectori are proprietăţile:

i) d (x, y)
0, ∀x, y ∈ V şi d (x, y) = 0 ⇔ x = y;

ii) d (x, y) = d (y, x) , ∀x, y ∈ V;
iii) d (x, y)  d (x, z) + d (z, y) , ∀x, y, z ∈ V.
4 OVIDIU VEGHEŞ

2.2.12 Observaţie x ∈ A şi x ⊥ A ⇒ x, x = 0 ⇒ x = 0.

2.2.13 Definiţie Se numeşte complement ortogonal al unei mulţimi de vectori A şi
se notează A⊥ = spanK (∪B⊥A B) .
2.2.14 Propoziţie Sunt adevărate afirmaţiile: i) A⊥ = {v ∈ V | v ⊥ A}; ii) A⊥ =
(spanK (A))⊥ ; iii) A ⊥ A⊥ ; iv) A⊥ este subspaţiu vectorial; v) dacă A este subspaţiu
 ⊥
vectorial a lui V atunci dimK A⊥ = dimK V−dimK A şi A⊥ = A; vi) A ⊆ B ⇒ B⊥ ⊇ A⊥ ;
vii) dacă A şi B sunt subspaţii vectoriale a lui V pentru care A ⊥ B şi dimK A + dimK B =
dimK V atunci V = A ⊕ B, B = A⊥ şi A = B⊥ .
2.2.15 Definiţie O mulţime de vectori {vi }i∈I se numeşte ortogonală dacă vi , vj  = 0,
∀i = j, i, j ∈ I. Dacă, în plus,
vi
= 1, ∀i ∈ I mulţimea se numeşte ortonormată. O
bază se numeşte ortonormală dacă vectorii ei formează o mulţime de vectori ortonormată.
2.2.16 Observaţie 1. Două subspaţii vectoriale sunt ortogonale dacă şi numai dacă
fiecare vector al unei baze din primul subspaţiu este ortogonal pe fiecare vector al unei
baze din cel de-al doilea subspaţiu.
2. Suma a două subspaţii vectoriale ortogonale este directă. Suma unei familii oarecare
de subspaţii vectoriale ortogonale două câte două este directă.
3. O mulţime ortogonală de vectori, ce nu conţine vectorul nul, este format cu vectori
liniar independenţi.
2.2.17 Teoremă[de ortogonalizare Gram—Schmidt] Fie E = (ei )i=1,n un sistem de
vectori liniar independenţi din spaţiul V, unde n ∈ N∗ . Notăm Xk = spanK ({e1 , · · · , ek }),
pentru k = 1, n.

e ,fj 
i) Dacă f1 = e1 şi fk+1 = ek+1 − kj=1
fk+1 j ,fj 
fj pentru orice k = 1, n − 1, atunci
F = (fi )i=1,n este un sistem de vectori ortogonali, nenuli din V cu proprietăţile:
a) Xk = spanK ({f1 , · · · , fk }) , ∀k = 1, n;
b) fk+1 ⊥ Xk , ∀k ∈ {1, . . . , n − 1} .
ii) 0 
fk

ek
, ∀k ∈ {1, . . . , n}.
iii) Dacă un şir de vectori (vi )i=1,n are următoarele proprietăţi:
a) Xk = spanK ({v1 , · · · , vk }) , ∀k = 1, n;
b) vk+1 ⊥ Xk , ∀k ∈ {1, . . . , n − 1} ,
atunci vn este coliniar cu fn , ∀n ∈ {1, . . . , n}.
2.2.18 Observaţie Am demonstrat că orice spaţiu euclidian admite o bază ortogonală,
bază ce poate fi ortonormată. În plus dimK V este numărul maxim de vectori nenuli,
ortogonali (ortonormaţi).

2.3. Reprezentarea matriceală a produsului scalar. Fie V este un spaţiu euclidian,

nenul, cu n = dimR V ∈ N∗ .
2.3.19 Definiţie Dacă E = (e1 , e2 , ..., en ) este un reper al spaţiului vectorial V atunci
numim matrice Gram matricea G = [gij = ei , ej ]i,j=1,n .
2.3.20 Propoziţie Fie E = (e1 , e2 , ..., en ) este un reper al spaţiului vectorial V.
i) ∀x, y ∈ V, x, y = [x]TE G [y]E ;
ii) matricea Gram G este nesingulară şi simetrică;
iii) 0  det G  e1 , e1  e2 , e2  . . . en , en ;
iv) det G este pătratul volumului paralelipipedului n-dimensional construit pe vectorii
e1 , e2 , . . . , en .
2.3.21 Observaţie Dacă ne fixăm asupra unei baze E a spaţiului euclidian V atunci
pentru a construi un produs scalar este suficient să precizăm o matrice G nesingulară şi
 ALGEBR Ă LINIAR Ă - UNITATEA DE ÎNV Ă ŢARE 4 5

simetrică şi să definim x, y = [x]TE G [y]E , ∀x, y ∈ V. Matricea G devine matrice Gram,
în baza E a produsului scalar astfel definit.

2.4. Elemente de teoria aproximării. Fie V este un spaţiu euclidian, nenul, cu n =

dimR V ∈ N∗ .
2.4.22 Definiţie Pentru un vector x ∈ V şi o mulţime A ⊆ V se numeşte distanţa de
la x la A
d (x, A) = inf
x − y
.
y∈A

2.4.23 Definiţie Fie V un spaţiu euclidian real şi W un subspaţiu vectorial al său. Se
numeşte:
(1) cel mai bun aproximant a lui x ∈ V în W elementul x∗W ∈ W pentru care

x − x∗W
= min
x − y

y∈W

(2) proiecţia ortogonală a lui x ∈ V pe W elementul PrW (x) ∈ W pentru care

x − PrW (x) ⊥ W, sau echivalent
x − PrW (x) , y = 0, ∀y ∈ W.
2.4.24 Teoremă[de caracterizare a celui mai bun aproximant prin proiecţie ortogonală]
Există un singur vector din W ce satisface ambele condiţii ale definiţiei precedente (de unde
PrW (x) = x∗W ).
2.4.25 Propoziţie Sunt adevărate proprietăţile:
 
(1)
PrW (x)
2 = x, PrW (x), ∢ (x, PrW (x)) ∈ 0, π2 ,
PrW (x)

x
, ∀x ∈ V;
(2) PrW (x1 + x2 ) = PrW (x1 ) + PrW (x2 ), ∀x1 , x2 ∈ V şi PrW (αx) = α PrW (x), ∀x ∈
V, ∀α ∈ R;
(3) PrW (v) = v, ∀v ∈ W şi PrW (x1 ) , x2  = x1 , PrW (x2 ), ∀x1 , x2 ∈ V.
2.4.26 Corolar PrW (PrW (x)) = PrW (x), ∀x ∈ V.
2.4.27 Propoziţie Fie V1 ⊆ V2 două subspaţii vectoriale a spaţiului V. Atunci:
(1) PrV2 (PrV1 (x)) = PrV1 (x), ∀x ∈ V;
(2) PrV1 (PrV2 (x)) = PrV1 (x), ∀x ∈ V (teorema celor 3 perpendiculare).
2.4.28 Corolar[ecuaţiile normale ale celui mai bun aproximant] Dacă (e1 , e2 , ..., ep )
este un reper al subspaţiului vectorial W atunci PrW (x) = pi=1 αi ei are are coeficienţii
α1 ,. . . , αp daţi de unica soluţie a sistemului:
    
e1 , e1  e2 , e1  ... ep , e1  α1 x, e1 
 e1 , e2  e2 , e2  ... ep , e2    α2   x, e2  
 ............. .
    =  
 ... ... ... ...   .... 
e1 , ep  e2 , ep  ... ep , ep  αp x, ep 
     
matrice Gram coeficienţilor Fourier
Pentru repere ortonormate matricea Gram este matricea unitate şi αi = x, ei , ∀i =
1, . . . , p.
2.4.29 Propoziţie Fie subspaţiul vectorial W. Atunci:
(1)
x − PrV (x)
2 =
x
2 −
PrW (x)
2 =
x
2 sin ∢ (x, PrW (x)), ∀x ∈ V;
(2) Dacă (e1 , e2 , ..., ep ) este un reper al lui W, atunci
p


x − PrW (x)
2 =
x
2 − αi ei , x
i=1
6 OVIDIU VEGHEŞ

(3) Dacă (e1 , e2 , ..., ep ) este un reper ortonormată al lui W, atunci

p


x − PrW (x)
2 =
x
2 − (αi )2 .
i=1
2.4.30 Observaţie Teorema lui Pitagora cere ca

x
2 =
x − PrW (x)
2 +
PrW (x)
2
pentru că vectorii PrW (x) şi x − PrW (x) sunt perpendiculari. Lungimea unei perpendic-
ulare este mai mică sau egală decât lungimea oricărei oblice.

x,w
2.4.31 Propoziţie Dacă w ∈ V, w = 0 şi W = spanR {w} atunci PrW (x) =
w,w w,

x,w2
x,w
y,w

x − PrW (x)
2 =
x
2 −
w,w şi PrW (x) , y =
w,w = x, PrW (y), ∀x, y ∈ V.

3. O 
 
Ţ   
 Ş


3.1. Adjunctul unui operator liniar. Fie V1 , V2 două K-spaţii euclidiane sau unitare,
cu dimensiune finită (K ∈ {R, C}). Notăm cu ., .V1 şi ., .V2 produsele scalare din cele
două spaţii.
3.1.1 Teoremă Fie o funcţională f : V1 × V2 → K biliniară pentru K = R, respectiv
sesquiliniară pentru K = C.
i) Există un singur operator liniar T1 ∈ LK (V1 , V2 ) astfel încât f (x, y) = T1 (x) , yV2 ;
ii) Există un singur operator liniar T2 ∈ LK (V2 , V1 ) astfel încât f (x, y) = x, T2 (y)V1 .
3.1.2 Definiţie Se numeşte adjunctul operatorului liniar T ∈ LK (V1 , V2 ) un op-
erator liniar T ∗ ∈ LK (V2 , V1 ) care verifică
(3.1) ∀x, y ∈ V, T (x) , yV2 = x, T ∗ (y)V1 .
3.1.3 Propoziţie i) Pentru orice T ∈ LK (V1 , V2 ) există un unic operator liniar T ∗ ∈
LK (V2 , V1 ) care verifică relaţia 3.1.
ii) (T ∗ )∗ = T , ∀T ∈ LK (V1 , V2 ).
iii) (T1 + T2 )∗ = T1∗ + T2∗ , ∀T1 , T2 ∈ LK (V1 , V2 ).
iv) (αT )∗ = αT ∗ , ∀T ∈ LK (V1 , V2 ), ∀α ∈ K.
v) (U ◦ T )∗ = T ∗ ◦ U ∗ , ∀T ∈ LK (V1 , V2 ), ∀U ∈ LK (V2 , V3 ), dacă (V3 , K) este un spaţiu
euclidian
 sau ∗ unitar, cu dimensiune finită.
vi) T −1 = (T ∗ )−1 , ∀T ∈ LK (V1 , V2 ) cu T este bijectiv.
3.1.4 Observaţie Demonstarea existenţei adjunctului unui operator liniar se face
folosind reprezentarea matriceală a operatorilor. Dacă A ∈ Mm,n (C), atunci A∗ = AT =
T
A ∈ Mn,m (C). Dacă A ∈ Mm,n (R), atunci A∗ = AT ∈ Mn,m (R).

3.2. Clase de endomorfisme. Fie V este un spaţiu euclidian sau un spaţiu unitar, nenul,
cu n = dimK V ∈ N∗ şi T ∈ LK (V, V).
3.2.5 Definiţie Un endomorfism T ∈ LK (V, V) care verifică relaţia T ∗ = T se numeste
autoadjunct (sau simetric dacă K = R, respectiv hermitic dacă K = C).
3.2.6 Teoremă Fie H un reper ortonormat a lui V. Sunt echivalente afirmaţiile:
i) T este autoadjunct;
ii) ∀x,
 y ∈V, T (x) , y = x, T (y);
∗
iii)2 [T ]H
H = [T ]H
H.

T
2Dacă K = R, atunci condiţia se poate scrie [T ]H = [T ]H
H H.
 ALGEBR Ă LINIAR Ă - UNITATEA DE ÎNV Ă ŢARE 4 7

3.2.7 Propoziţie Sunt echivalente afirmaţiile:

i) T este hermitic; ii) ∀x ∈ V, x, T (x) ∈ R.
3.2.8 Teoremă Fie T ∈ LK (V, V) autoadjunct. Atunci: i) T este endomorfism dia-
gonalizabil; ii) toate valorile proprii sunt reale; iii) la valori proprii distincte corespund
vectori proprii ortogonali.
3.2.9 Observaţie În situaţia în care K = R, un operator de proiecţie este ortogonal
dacă şi numai dacă este autoadjunct.
3.2.10 Definiţie Un endomorfism T ∈ LK (V, V) care verifică relaţia T ◦ T ∗ = T ∗ ◦ T =
idV se numeste ortogonal, pentru K = R, respectiv unitar pentru K = C.
3.2.11 Teoremă Fie H un reper ortonormat a lui V. Sunt echivalente afirmaţiile:
i) T este unitar3;
ii) ∀x,y∈ V, T (x) , T (y) = x,y;
∗ ∗
iii)4 [T ]HH [T ]H H H
H = [T ]H [T ]H = In .
3.2.12 Propoziţie Sunt echivalente afirmaţiile:
i) T este unitar sau ortogonal; ii) ∀x ∈ V,
T (x)
=
x
.
3.2.13 Observaţie Dacă T este ortogonal sau unitar, atunci T conservă norma, dis-
tanţa şi unghiul dintre vectori.
3.2.14 Teoremă Fie T ∈ LK (V, V) autoadjunct. Atunci: i) T este endomorfism dia-
gonalizabil; ii) toate valorile proprii au modulul 1; iii) la valori proprii distincte corespund
vectori proprii ortogonali.
3.2.15 Observaţie Mai există şi alte clase de endomorfisme:
i) T ∈ LK (V, V) care verifică relaţia T ◦ T ∗ = T ∗ ◦ T se numeşte normal;
ii) T ∈ LK (V, V) care verifică relaţia T ∗ = −T se numeşte antiautoadjunct.

4. EŢ  
4.0.1 Exerciţiu În spaţiul vectorial real R3 se consideră vectorii
v1 = (1, 0, 1) , v2 = (1, 1, 0) , v3 = (0, 1, 1) , v4 = (1, 0, −1)
şi subspaţiul vectorial X = spanR ({v2 , v3 , v4 }). Să se determine: i) o bază pentru X
formată doar din vectorii iniţiali; ii) o bază ortonornată a lui X; iii) proiecţia ortogonală
a vectorului v1 pe X; iv) complementul ortogonal X⊥ a lui X.
Soluţie. Fie E = (e1 = (1, 0, 0) , e2 = (0, 1, 0) , e3 = (0, 0, 1)) reperul canonic din spaţiul vectorial real
R3 . i) Folosim tehnica din lema schimbului. Obţinem
R3 e1 e2 e3 v2 v3 v4
e1 1 0 0 1 ↓ 0 1
←
−
e2 0 1 0 1 1 0
e3 0 0 1 0 1 −1
v2 1 0 0 1 0 1
e2 −1 1 0 0 1 ↓ −1
←
−
e3 0 0 1 0 1 −1
v2 1 0 0 1 0 1
v3 −1 1 0 0 1 −1
e3 1 −1 1 0 0 0
Observăm că v4 = v2 − v3 . Fie v ∈ X arbitrar. Există ε2 , ε3 , ε4 ∈ R astfel încât v = ε2 v2 + ε3 v3 + ε4 v4 .
Atunci
v = (ε2 + ε4 ) v2 + (ε3 − ε4 ) v3 ∈ spanR ({v2 , v3 }) .

3Dacă K = R, atunci T este ortogonal.

T
T
4Dacă K = R, atunci condiţia se poate scrie [T ]H [T ]H H H
= In .
H H = [T ]H [T ]H
8 OVIDIU VEGHEŞ

Rezultă după un scurt raţionament că X = spanR ({v2 , v3 }). Am arătat că {v2 , v3 } este o mulţime de gener-
atori pentru X. Pe de altă parte {v2 , v3 } este o mulţime liniar independentă, deoarece este o submulţime a
altei mulţimi liniar independente ({v2 , v3 , e3 } este o bază în R3 ). Raţionamentul precedent justifică faptul
că {v2 , v3 } este o bază în X şi
dimR X = 2.
ii) Pentru început trebuie pus în evidenţă produsul scalar
x, y
= [x]TE I3 [y]E = x1 y1 + x2 y2 + x3 y3 , ∀x = (x1 , x2 , x3 ) , y = (y1 , y2 , y3 ) ∈ R3 .
Folosim procedeul Gram-Schimidt pentru a obţine o mulţime ortogonală de vectori {w1 , w2 } plecând
de la {v2 , v3 }.
w1 = v2 = (1, 1, 0) ,

v3 ,w1 
 
w2 = v3 −
w 1 ,w1 
w1 = v3 − 12 w1 = −1
2
, 12 , 1 .
Mulţimea ortonormată cautată este {u1 , u2 }, unde


u1 = 1
w = √1 w1 = √1 , √1 , 0 ,
w1  1 2
2 √ 2 √ √ 
u2 = 1
w
w2  2
= √1 w2 = −6 6 , 66 , 36 .
3/2

{u1 , u2 } este o mulţime de generatori pentru X conform teoremei 2.2.17, deoarece

X = spanR ({v2 , v3 }) = spanR ({w1 , w2 }) = spanR ({u1 , u2 }) .
{u1 , u2 } este o mulţime liniar independentă deoarece este o mulţime ortogonală. În concluzie {u1 , u2 } este
o bază ortonornată a lui X.
iii) Fie PrX (v1 ) ∈ X proiecţia ortogonală a vectorului v1 pe X. Atunci PrX (v1 ) = αv2 +βv3 , cu α, β ∈ R,
se determină din condiţia v1 − PrX (v1 ) ⊥ X. Sistemul
 
α v2 , v2
+ β v3 , v2
= v1 , v2
2α + β = 1
sau echivalent
α v2 , v3
+ β v3 , v3
= v1 , v3
α + 2β = 1
 
are soluţia α = 13 , β = 31 . Obţinem PrX (v1 ) = 31 v2 + 31 v3 = 31 , 32 , 13 .
iv) X⊥ = {v ∈ V | v ⊥ X} = {v ∈ V | v, v2
= 0, v, v3
= 0}.
4.0.2 Exerciţiu Fie T ∈ L R2 , R3 , T (x1 , x2 ) = (x1 , x1 + x2 , 4x2 − x1 ). Să se deter-
mine adjunctul operatorului T dacă în R2 se foloseşte produsul scalar uzual, iar în R3
produsul scalar
(x1 , x2 , x3 ) , (y1 , y2 , y3 )R3 = 10x1 y1 + 3x1 y2 + 3x2 y1 + 2x2 y2 + x2 y3 + x3 y2 + x3 y3 .
Soluţie. Fie E3 = (e3,1 = (1, 0, 0) , e3,2 = (0, 1, 0) , e3,3 = (0, 0, 1)) reperul canonic din spaţiul vectorial
real R3 şi E2 = (e2,1 = (1, 0) , e2,2 = (0, 1)) reperul canonic din spaţiul vectorial real R2 .
 
  10 3 0
1 0
G2 = , G3 =  3 2 1 
0 1
0 1 1
sunt matricele Gram de reprezentare a produselor scalare din R2 şi R3 . Din datele problemei avem
 
 1 0
E2  1
[T ]E 3
= [T (e 2,1 )]E 3
, [T (e2,2 )] E3
= 1 .
−1 4
Avem relaţiile
x, y
R2 = [x]TE2 G2 [y]E2 , ∀x = (x1 , x2 ) , y = (y1 , y2 ) ∈ R2 ,
x, y
R3 = [x]TE3 G3 [y]E3 , ∀x = (x1 , x2 , x3 ) , y = (y1 , y2 , y3 ) ∈ R3 ,
E2
[T (x)]E3 = [T ]E 3
[x]E2 , ∀x = (x1 , x2 ) ∈ R2 şi
E
[T ∗ (y)]E2 = [T ∗ ]E32 [y]E3 , ∀y = (y1 , y2 , y3 ) ∈ R3 .
Condiţia
∀x = (x1 , x2 ) ∈ R2 , ∀y = (y1 , y2 , y3 ) ∈ R3 , T (x) , y
R3 = x, T ∗ (y)
R2 .
este echivalentă cu
T
E2 E
[T ]E 3
G3 = G2 [T ∗ ]E32 .
 ALGEBR Ă LINIAR Ă - UNITATEA DE ÎNV Ă ŢARE 4 9

Rezultă
T  
E 13 4 0
[T ∗ ]E32 E2
= [T ]E3 −1
G3 G2 = .
3 6 5
Relaţiile 
z1 = 13y1 + 4y2
z2 = 3y1 + 6y2 + 5y3
 3 2  
permit definirea adjunctului T ∈ L R , R operatorului T ∈ L R2 , R3 prin T ∗ (y1 , y2 , y3 ) = (z1 , z2 ).
∗

5. T    

5.0.1 Exerciţiu Definiţi noţiunile: i) mulţime ortonormată de vectori; ii) complement
ortogonal al unui subspaţiu vectorial; iii) adjunctul unui operator liniar.
5.0.2 Exerciţiu Enunţaţi rezultatul matematic privind: i) procedeul de ortogonalizare
Gram-Schmidt; ii) ecuaţiile normale ale celui mai bun aproximant; iii) operatorii liniari
ortogonali.
5.0.3 Exerciţiu Demonstraţi teorema de caracterizare a celui mai bun aproximant prin
proiecţie ortogonală.
5.0.4 Exerciţiu Să se demonstreze că într-un spaţiu euclidian sau unitar are loc regula
paralelogramului
 

x + y
2 +
x − y
2 = 2
x
2 +
y
2 , ∀x, y ∈ V.

5.0.5 Exerciţiu În spaţiul vectorial real R3 se consideră vectorii

w1 = (1, 1, 0) , w2 = (0, 1, 1)
şi subspaţiul vectorial W = spanR ({w1 , w2 }). Să se determine operatorul de proiecţie
ortogonală PrW .

6. RĂ 
  Ş  
       
În rezolvarea testului trebuie să ţinem cont că soluţiile propuse trebuie să fie clare,
corecte şi complete.
Exerciţiul 5.0.1.
Soluţie. Este vorba de definiţiile i) 2.2.15; ii) 2.2.13 şi echivalent 2.2.14-(i); iii) 3.1.
Exerciţiul 5.0.2.
Soluţie. i) Este vorba de următoarele rezultate 2.2.17 şi 2.2.18; ii) 2.4.28; iii) 3.2.10, 3.2.11, 3.2.12,
3.2.13 şi 3.2.14.
Exerciţiul 5.0.3.
Soluţie. ”⇒” Presupunem că ∃y ∈ W, y = 0, α = x − x∗W , y
> 0. Notăm cu w = x∗W + α

y,y
y
2 ∗ 2
un element a lui W ce are proprietatea x − w < x − x∗W . (Într-adevăr x − w = x − xW  −
α2 ∗ 2 α2
2α

y,y
x − x∗W , y
+
y,y 2 y, y
= x − xW  −
y,y .) Am obţinut un aproximant w mai bun decât cel mai

bun aprovimant x∗W . În concluzie x − x∗W , y

= 0, ∀y ∈ W.
”⇐” Fie y ∈ W arbitrar. Atunci x − y2 = x − PrW (x) − (y − PrW (x))2 = x − PrW (x)2 −
2 x − PrW (x) , y − PrW (x)
+ y − PrW (x)2 = x − PrW (x)2 + y − PrW (x)2
x − PrW (x)2 . Deci
miny∈W x − y = x − PrW (x).
”Unicitate” Fie v1 , v2 ∈ W astfel încât x − v1 , y
= 0 şi x − v2 , y
= 0, ∀y ∈ W. Atunci din relaţiile
v1 − v2 ∈ W şi v1 − v2 , y
= 0, ∀y ∈ W rezultă v1 = v2 .
”Existenţă” Aplicăm teorema lui Weierstrass funcţiei continue y → x − y (unde x ∈ V fixat).
Exerciţiul 5.0.4.
Soluţie. x + y2 + x − y2 = x + y, x + y
+ x − y, x − y
= 2 x2 + 2 y2 + 2 Re x, y
−
2 Re x, y
= 2 x2 + 2 y2 .
Exerciţiul 5.0.5.
10 OVIDIU VEGHEŞ

Soluţie. Fie E = (e1 = (1, 0, 0) , e2 = (0, 1, 0) , e3 = (0, 0, 1)) reperul canonic din spaţiul vectorial real
R3 . Un vector x = (x1 , x2 , x3 ) ∈ R3 arbitrar se scrie x = x1 e1 + x2 e2 + x3 e3 sau echivalent [x]E =
 T
x1 x2 x3 .
 
1 0 0
G= 0 1 0 
0 0 1
este matricea Gram de reprezentare a produsului scalar din R3 şi avem
x, y
= [x]TE G [y]E = [x]TE [y]E , ∀x = (x1 , x2 , x3 ) , y = (y1 , y2 , y3 ) ∈ R3 .
 
  1 0
Fie M = [w1 ]E , [w2 ]E =  1 1 . W = (w1 , w2 ) este un reper în W conform consecinţelor teoremei
0 1

număr de vectori
rangului, pentru că rang M = 2 = . Fie PrW (x) ∈ W proiecţia ortogonală a vectorului
dimR R3
x = (x1 , x2 , x3 ) ∈ R pe W. Atunci PrW (x) = αw1 + βw2 , cu α, β ∈ R, se determină din condiţia
3

x − PrW (x) ⊥ W. Sistemul ecuaţiilor normale 2.4.28 se scrie matriceal

 
α
M T M [PrW (x)]W = M T [x]E , unde [PrW (x)]W = .
β
Dar [PrW (x)]E = M [PrW (x)]W , conform propoziţiei 3.4.23, din unitatea de învătare 2, de caracterizare
a matricei unui operator liniar. Obţinem pentru orice x ∈ R3
 T −1 T
[PrW (x)]E = M  M M  M [x]E  2 
1
1 0  −1   − 31
2 1 1 1 0 3 3
 [x] .
= 1 1  =  31 2 1
E
1 2 0 1 1 3 3
0 1 − 31 13 2
3
 
Operatorul de proiecţie ortogonală PrW ∈ L R3 , R3 , PrW (x1 , x2 , x3 ) = (y1 , y2 , y3 ) este dat de

 y1 = 23 x1 + 31 x2 − 13 x3
y2 = 13 x1 + 32 x2 + 13 x3 .

y3 = 13 x2 − 31 x1 + 23 x3

7. S   Ţ 
.4

7.1. Tema nr.9. 7.1.1 Exerciţiu Să se arate că ., . : R3 × R3 → R,

(x1 , x2 , x3 ) , (y1 , y2 , y3 ) = 10x1 y1 + 3x1 y2 + 3x2 y1 + 2x2 y2 + x2 y3 + x3 y2 + x3 y3
 
defineşte un produs scalar real în R3 , R . Determinaţi în acest produs scalar lungimea
vectorilor x = (1, 2, 1) şi y = (1, 1, 1), precum şi cosinusul unghiului celor doi vec-
tori. Să se dea exemplu de vector nenul perpendicular pe x şi y. Să se construiască,
prin procedeul Gram-Schmidt, o bază ortonormată plecând de la baza canonică E =
{e1 = (1, 0, 0) , e2 = (0, 1, 0) , e3 = (0, 0, 1)}.
7.1.2 Exerciţiu Să se arate că ., . : R3 [X] × R3 [X] → R,
 1  1 
P (X) , Q (X) = P (t) Q (s) dt ds
0 0

defineşte un produs scalar real în (R3 [X], R). Determinaţi în acest produs scalar lungimea
vectorilor P (X) = (1 + X)2 şi Q (X) = 1 + X + X 2 , precum şi cosinusul unghiului celor
doi vectori. Să se dea exemplu de vector nenul perpendicular pe P (X) şi Q (X). Să se
construiască, prin procedeul Gram-Schmidt, un  reper ortonormat plecând de la reperul
canonic E = e1 = 1, e2 = X, e3 = X 2 , e4 = X 3 .
 ALGEBR Ă LINIAR Ă - UNITATEA DE ÎNV Ă ŢARE 4 11

7.1.3 Exerciţiu i) În spaţiul vectorial real al funcţiilor continue CR ([0, 2π]) se defineşte
produsul scalar
 2π
f, g = f (t) g (t) dt, ∀f, g ∈ CR ([0, 2π]) .
0
Să se arate că {1, cos (x) , sin (x) , cos (2x) , sin (2x) , . . .} este o familie formată cu vectori
ortogonali 2 câte 2.  
ii) În spaţiul vectorial real al funcţiilor continue CR (R) se consideră A = eλ1 x , . . . , eλn x
şi X = spanR (A), unde λ1 , . . . λn sunt n numere reale distincte. Să se construiască un pro-
dus scalar ., . : X × X → R astfel încât A să fie o familie de vectori ortogonali 2 câte
2.
7.1.4 Exerciţiu (Inegalitatea Hadmand) Pentru orice matrice A = [ai,j ]i,j=1,n cu ele-
mente din corpul real se verifică inegalitatea
 n 2 
0  (det A)2  nk=1 i=1 ak,i .
7.1.5 Exerciţiu Fie V un spaţiu vectorial real sau complex.
i) Dacă
.
este o normă pe X ce verifică regula paralelogramului
 

x + y
2 +
x − y
2 = 2
x
2 +
y
2 , ∀x, y ∈ V,
atunci
def. 1
 
x, y = 4
x + y
2 −
x − y
2 + i
x + iy
2 − i
x − iy
2 pentru K = C,
def. 1
 
x, y = 2
x + y
2 −
x
2 −
y
2 pentru K = R

defineşte un produs scalar pe V compatibil cu norma (i.e.

x
2 = x, x).
ii) Dacă E = (e1 , . . . , en ) este un reper în V, atunci să se arate că V devine spaţiu
normat prin alegerea
  1
(1)
x
1 = nk=1 |xk | ; (2)
x
∞ = max |xk | ; (3)
x
p = ( nk=1 |xk |p ) p , cu p > 1,
k=1,n
T
unde [x]E = (x1 , . . . , xn ) arbitrar. Care din aceste norme verifică punctul (i) ?
7.2. Tema nr.10. 7.2.6 Exerciţiu Fie V un spaţiu unitar şi T ∈ LC (V, V). Să se arate
că sunt echivalente afirmaţiile:
i) (1) T (x) , y = x, T (y), ∀x, y ∈ V; (2) x, T (x) ∈ R, ∀x ∈ V.
ii) (1) T (x) , T (y) = x, y, ∀x, y ∈ V; (2)
T (x)
=
x
, ∀x ∈ V.
7.2.7 Exerciţiu (i) Să se arate că orice transformare unitară este injectivă. (ii) Daţi
exemplu, dacă există, de transformare hermitiană neinjectivă.
7.2.8 Exerciţiu (i) Să se arate că funcţia f : R2 × R2 → R,
f ((x1 , x2 ) , (y1 , y2 )) = 2x1 y1 + x1 y2 + x2 y1 + x2 y2
defineşte pe R2 un produs scalar.  
(ii) Să se arate că operatorul U : R2 → R2 , U (x1 , x2 ) = x1 − 12 x2 , 2x2 este autoadjunct
şi să se determine o bază în care operatorul are forma diagonală.
(iii) Să se arate că operatorul T : R2 → R2 , T (x1 , x2 ) = (x1 + x2 , −x2 ) este ortogonal
şi să se determine o bază în care operatorul are forma diagonală.
7.2.9 Exerciţiu În spaţiu euclidian R4 se consideră vectorul x = (5, 2, −2, 2) şi sub-
spaţiul vectorial X = spanR ({(2, 1, 1, −1) , (1, 1, 3, 0) , (1, 2, 8, 1)}). Să se determine: i)
proiecţia ortogonală a vectorului x pe subspaţiul X; ii) distanţa de la x la X; iii) comple-
mentul ortogonal X⊥ al spaţiului X; iv) expresia operatorului de proiecţie ortogonală pe X;
12 OVIDIU VEGHEŞ

v) expresia operatorului de proiecţie ortogonală pe X⊥ ; vi) câte o bază ortonormată pen-

tru fiecare dintre subspaţiile X şi X⊥ , folosind procedeul de ortogonalizare Gram-Schmidt;
vii) dacă prin reuniunea vectorilor de la punctul precedent se poate obţine tot o baza
ortonormată, dar pentru R4 .
7.2.10 Exerciţiu Se consideră în spaţiu euclidian R5 subspaţiul
  
5 x1 + x2 + x3 + x4 + x5 = 0
X = (x1 , x2 , x3 , x4 , x5 ) ∈ R | .
x1 − x2 − x3 − x4 + x5 = 0
i) Să se determine subspaţiul X⊥ . ii) Să se verifice că X ⊕ X⊥ = R5 . iii) Să se determine
⊥ X⊥
prXX , prX⊥ : R → R . iv) Să se verifice PrX = prX , PrX⊥ = prX⊥ .
X 5 5 X

Bibliografie
[1] G. Cenuşă şi colectiv catedră. Matematici pentru economişti. Ed.CISION, Bucureşti, 2000. T
[2] G. Cenuşă şi colectiv catedră. Matematici pentru economişti. Culegere de probleme. Ed.CISION, Bu-
cureşti, 2001. A
[3] Colectiv catedră. Matematici aplicate în economie. Ed.ASE, 1990. T
[4] S.H. Friedberg, A.J. Insel. Linear Algebra. Printice Hall, 2003. T
[5] R. Şerban (coord.) şi colectiv catedră. Culegere de probleme de algebră liniară. Ed.ASE, 1986. A
[6] C. Neculăescu, O. Vegheş. Introducere în algebră liniară. Ed.ASE, 2005. T
[7] A. Toma. Algebră liniară. Culegere de probleme. Ed.Economica, 2002. A
[8] G. Cenuşă, I.Săcuiu, V.Burlacu. Matematici. Curs pentru studenţii din anul I de la specializarea: Pla-
nificare şi Cibernetică Economică. Ed.ASE, 1986. T
[9] C. Neculăescu, O. Vegheş. Introducere în algebra liniară. Curs în format digital. Capitolul 5.
http://www.biblioteca-digitala.ase.ro/biblioteca/carte2.asp?id=362&idb=11 . T
 ALGEBRĂ LINIARĂ - UNITATEA DE ÎNVĂŢARE 3

OVIDIU VEGHEŞ

Noiembrie 2011

CUPRINS
1. Obiectivele unităţii de învăţare 3 1
2. Funcţionale liniare, biliniare şi pătratice 2
2.1. Funcţionale liniare şi spaţiu dual 2
2.2. Funcţionale biliniare 3
2.3. Funcţionale biliniare simetrice 4
2.4. Funcţionale pătratice reale 5
3. Exerciţii rezolvate 6
4. Test de autoevaluare 11
5. Răspunsuri şi comentarii la testul de autoevaluare 11
6. Setul de exerciţii nr.3 13
6.1. Tema nr.7 13
6.2. Tema nr.8 14
Bibliografie 15

1. O
Ă Ţ   
Ă Ţ  3
Acest material este destinat studenţilor din învăţământul economic din anul I, ID, de
la Facultatea de Cibernetică, Statistică şi Informatică Economică din Academia de Studii
Economice Bucureşti.
Unitate de învăţare 3 conţine, o prezentare într-o formă accesibilă, dar riguroasă a
principalelor rezultate privind o funcţionalele liniare, biliniare şi pătratice.
Sarcinile impuse în parcurgerea materialului sunt:
- memorarea noţiunilor descrise în material, descrierea lor în limbaj matematic ca şi
exprimarea alternativă a lor,
- memorarea principalelor rezultate matematice şi urmărirea aplicării lor în exerciţiile
propuse,
- parcurgerea unora din titlurile privind teoria (T) recomandate în bibliografie, pentru
a recupera demonstraţiile principalelor propoziţii şi teoreme,
- parcurgerea altor probleme rezolvate cuprinse într-unul din titlurile privind aplicaţiile
(A) recomandate în bibliografie, pentru a identifica diferite tipuri de probleme,
- reconstituirea unor raţionamente matematice implicând noţiuni şi rezultate din unităţile
de învăţare 1 şi 2,
- autotestarea cunoştinţelor şi deprinderilor dobândite folosind testul de autoevaluare,
urmată de reluarea paşilor anteriori în caz de eşec.
- efectuarea temelor cuprinse în setul de exerciţii nr.3,
1
2 OVIDIU VEGHEŞ

- utilizarea acestor noţiuni cu încărcatura semantică aferentă în combinaţie cu limbajul

cotidian atunci când contextul face posibil acest lucru.
Obiectivele avute în vedere sunt:
-însuşirea limbajului specific modelării realităţii economico-sociale prin modele liniare,
-dezvoltarea capacităţii de a construi un raţionament,
-dezvoltarea atenţiei pentru a face conexiuni,
-dobândirea unor noi competenţe privind analiza unor procese sau fenomene economice
dintre cele mai diverse,
-studierea posibilităţii extinderii acestor rezultate în cazul folosirii corpului numerelor
complexe C (funcţionale sesquiliniare şi funcţionale pătratice hermitice).
După studiul acestei unităţi de învăţare, studentul va avea cunoştinţe despre: dualul
algebric al unui spaţiu vectorial, funcţionalele liniare, biliniare şi funcţionalele pătratice
reale, reprezentările lor matriceale şi elemente de calcul vectorial în spaţiul dual.
Deşi materialul prezent nu evidenţiază acest aspect studentul dobândeşte cunoştinţele de
fundamentale necesare la alte discipline ce se ocupă cu modelarea matematică a realităţii.

2. F
Ţ 
 
, 
 Ş  Ă 

2.1. Funcţionale liniare şi spaţiu dual. Fie V un K-spaţiu vectorial, nenul, în situaţia
în care K este corp comutativ.
2.1.1 Definiţie Funcţia ϕ : V → K se numeşte funcţională liniară dacă:
i) ϕ(x1 + x2 ) = ϕ(x1 ) + ϕ(x2 ), ∀x1 , x2 ∈ V;
ii) ϕ(αx) = αϕ(x), ∀x ∈ V, ∀α ∈ K.
Se notează cu
LK (V; K) = {ϕ : V → K | ϕ funcţională liniară} .
K-spaţiul vectorial LK (V; K) se numeşte dualul algebric al K-spaţiului vectorial V.
2.1.2 Observaţie O funcţională liniară este un caz particular de operator liniar,
deaorece corpul de scalari K este la rândul său un spaţiu vectorial peste el însuşi. Drept ur-
mare rezultatele obţinute pentru operatori liniari rămân valabile, cu adaptarile de rigoare,
şi în cazul funcţionalelor liniare.
2.1.3 Propoziţie Fie V un K-spaţiu vectorial, nenul, finit dimensional. Atunci:
i) K-spaţiile vectoriale LK (V; K) şi V sunt izomorfe între ele;
ii) pentru orice reper E = (e1 , . . . , em ) în V, unde m = dimK V ∈ N∗ , există un unic
reper E • = (e•1 , . . . , e•m ) în LK (V; K), astfel încât


• 1 i=j
ei (ej ) = δij = , ∀i, j ∈ {1, . . . , m} .
0 i = j
2.1.4 Definiţie Fie E = (e1 , . . . , em ) un reper în V, cu m ∈ N∗ şi ϕ : V → K o
funcţională liniară. Se numeşte matricea funcţionalei ϕ corespunzătoare perechii
de repere E, {1} matricea
 
[ϕ]E
{1} = ϕ (e1 ) ϕ (e2 ) ... ϕ (em ) ∈ M1,m (K) .
2.1.5 Propoziţie Fie E = (e1 , . . . , em ) un reper în V, unde m ∈ N∗ şi ϕ : V → K o
funcţională liniară.
i) Există o singură matrice A = [a1,j ]j=1,m ∈ M1,m (K) pentru care
ϕ (x) = A [x]E , ∀x ∈ V.
ii) Matricea [ϕ]E
{1} ∈ M1,m (K) verifică relaţia precedentă.
 ALGEBR Ă LINIAR Ă - UNITATEA DE ÎNV Ă ŢARE 3 3

2.1.6 Teoremă Fie V un K-spaţiu vectorial finit dimensional, E şi G două repere în V
şi ϕ : V → K o funcţională liniară. Atunci
[ϕ]G E
{1} = [ϕ]{1} C,

unde C este matricea de trecere de la E la G.

2.1.7 Definiţie Fie E = (e1 , . . . , em ) un reper în V, unde m ∈ N∗ şi ϕ : V → K o
funcţională liniară. Se numeşte matricea coordonatelor funcţionalei ϕ corespunză-
toare reperului E • matricea
 
ϕ (e1 )
[ϕ]E • =  ...  ∈ Mm,1 (K) .
ϕ (em )
2.1.8 Propoziţie Fie E = (e1 , . . . , em ) un reper în V, unde m ∈ N∗ şi ϕ : V → K o
funcţională liniară.
i) Există o singură matrice A = [ai,1 ]i=1,m ∈ Mm,1 (K) pentru care

ϕ (x) = m •
i=1 ai,1 ei (x) , ∀x ∈ V.

ii) Matricea [ϕ]E • ∈ Mm,1 (K) verifică relaţia precedentă.

iii) [ϕ]TE • = [ϕ]E
{1} .
2.1.9 Teoremă Fie V un K-spaţiu vectorial finit dimensional, E şi G două repere în V
şi ϕ : V → K o funcţională liniară. Atunci
[ϕ]G• = C T [ϕ]E • ,
unde C este matricea de trecere de la E la G.

2.2. Funcţionale biliniare. Fie V1 , V2 două K-spaţii vectoriale, nenul, în situaţia în care
K este corp comutativ.
2.2.10 Definiţie Funcţia ψ : V1 × V2 → K se numeşte funcţională biliniară dacă:
i) ψ(x1 + x2 , y) = ψ(x1 , y) + ψ(x2 , y), ∀x1 , x2 ∈ V1 , ∀y ∈ V2 ;
ii) ψ(αx, y) = αψ(x, y), ∀x ∈ V1 , ∀y ∈ V2 , ∀α ∈ K;
iii) ψ(x, y1 + y2 ) = ψ(x, y1 ) + ψ(x, y2 ), ∀x ∈ V1 , ∀y1 , y2 ∈ V2 ;
iv) ψ(x, βy) = βψ(x, y), ∀x ∈ V1 , ∀y ∈ V2 , ∀β ∈ K.
Se notează cu
LK (V1 , V2 ; K) = {ψ : V1 × V2 → K | ψ funcţională biliniară} .
2.2.11 Definiţie Fie E = (e1 , . . . , em ) un reper în V1 , F = (f1 , . . . , fn ) un reper în
V2 , unde m, n ∈ N∗ şi ψ : V1 × V2 → K o funcţională biliniară. Se numeşte matricea
funcţionalei biliniare ψ în reprezentarea naturală corespunzătoare perechii de
repere E, F matricea
[ψ(ei , fj )]i=1,m,j=1,n ∈ Mm,n (K) .
2.2.12 Propoziţie[caracterizarea matricei asociată unei funcţionale biliniare] Se con-
sideră ψ : V1 × V2 → K o funcţională biliniară.
i) Există o singură matrice A = [ai,j ]i=1,m,j=1,n ∈ Mm,n (K) pentru care

ψ(x, y) = [x]TE A [y]F , ∀x ∈ V1 , ∀y ∈ V2 .

ii) Matricea funcţionalei biliniare ψ în reprezentarea naturală corespunzătoare perechii
de repere E, F verifică relaţia precedentă.
4 OVIDIU VEGHEŞ

2.2.13 Teoremă[modificarea matricei unei funcţionale biliniare la schimbarea reperelor]

Fie V1 , V2 două K-spaţii vectoriale finit dimensionale, E şi G două repere în V1 , iar F şi
H două repere în V2 şi ψ : V1 × V2 → K o funcţională biliniară. Dacă A, B sunt matricele
de reprezentare a funcţionalei biliniare ψ în perechea de repere E, F şi respectiv G, H,
atunci
B = C T AD,
unde C este matricea de trecere de la E la G şi D matricea de trecere de la F la H.
2.2.14 Definiţie Funcţionala biliniară ψ : V1 × V2 → K se numeşte nedegenerată în
primul argument dacă pentru x ∈ V1 avem proprietatea ∀y ∈ V2 , ψ (x, y) = 0, atunci
obţinem x = 0V1 . Funcţionala biliniară ψ : V1 × V2 → K se numeşte nedegenerată în
al doilea argument dacă pentru y ∈ V2 avem proprietatea ∀x ∈ V1 , ψ (x, y) = 0, atunci
obţinem y = 0V2 .
2.2.15 Propoziţie Fie V1 , V2 două K-spaţii vectoriale finit dimensionale, o funcţio-
nală ψ : V1 × V2 → K biliniară şi A matricea de reprezentare a funcţionalei biliniare ψ
corespunzătoare unei perechii de repere.
i) ψ este nedegenerată în primul argument dacă şi numai dacă rang A = dimK V1 .
ii) ψ este nedegenerată în al doilea argument dacă şi numai dacă rang A = dimK V2 .

2.3. Funcţionale biliniare simetrice. Fie V un K-spaţiu vectorial, nenul, în situaţia în

care K este corp comutativ.
2.3.16 Definiţie Funcţia φ : V × V → K se numeşte funcţională biliniară simetrică
dacă:
i) φ(x1 + x2 , y) = φ(x1 , y) + φ(x2 , y), ∀x1 , x2 , y ∈ V;
ii) φ(αx, y) = αφ(x, y), ∀x, y ∈ V, ∀α ∈ K;
iii) φ(x, y1 + y2 ) = φ(x, y1 ) + φ(x, y2 ), ∀x, y1 , y2 ∈ V;
iv) φ(x, βy) = βφ(x, y), ∀x, y ∈ V, ∀β ∈ K;
v) φ(x, y) = φ(y, x), ∀x, y ∈ V.
Se notează cu
LsK (V, V; K) = {φ ∈ LK (V, V; K) | φ funcţională biliniară simetrică} .
2.3.17 Definiţie Fie E = (e1 , . . . , em ) un reper în V, unde m ∈ N∗ şi φ : V × V → K o
funcţională biliniară simetrică. Se numeşte matricea funcţionalei biliniare simetrice
φ în reprezentarea naturală corespunzătoare reperului E matricea
[φ(ei , ej )]i=1,m,j=1,m ∈ Mm (K) .

2.3.18 Observaţie Matricea de reprezentare a unei funcţionalei biliniare simetrice φ

coincide cu matricea de reprezentare a lui φ ca funcţională biliniară, dar ea este o matrice
simetrică.
2.3.19 Propoziţie[caracterizarea matricei unei funcţionale biliniare simetrice] Se con-
sideră φ : V × V → K o funcţională biliniară simetrică.
i) Există o singură matrice A = [ai,j ]i=1,m,j=1,m ∈ Mm (K) simetrică pentru care

φ(x, y) = [x]TE A [y]E , ∀x, y ∈ V.

ii) Matricea funcţionalei biliniare simetrice φ în reprezentarea naturală corespunzătoare
reperului E este o matrice simetrică ce verifică relaţia precedentă.
2.3.20 Teoremă[modificarea matricei unei funcţionale biliniare la schimbarea reperelor]
Fie V un K-spaţiu vectorial finit dimensional, E şi G două repere în V şi φ : V × V → K
 ALGEBR Ă LINIAR Ă - UNITATEA DE ÎNV Ă ŢARE 3 5

o funcţională biliniară simetrică. Dacă A, B sunt matricele de reprezentare a funcţionalei

biliniare simetrice φ în reperul E şi respectiv G, atunci
B = C T AC,
unde C este matricea de trecere de la E la G.
2.3.21 Definiţie Fie V un K-spaţiu vectorial finit dimensional şi φ : V × V → K o
funcţională biliniară. φ se numeşte diagonalizabilă dacă există un reper F în V pentru
care matricea de reprezentare a funcţionalei biliniare φ în perechea de repere F, F este o
matrice diagonală.
2.3.22 Propoziţie Fie V un K-spaţiu vectorial finit dimensional. Orice funcţională
biliniară diagonalizabilă este o funcţională biliniară simetrică. Dacă K este un corp de
caracteristică diferită de 2 atunci reciproca afirmatiei precedente este adevărată.
2.3.23 Definiţie Funcţionala biliniară, simetrică φ : V × V → K este nedegenerată
pe V (în ambele argumente) dacă funcţionala biliniară φ : V × V → K este nedegenerată
atât în primul argument, cât şi în al doilea.
2.3.24 Propoziţie Fie V un K-spaţii vectoriale finit dimensional, φ : V × V → K o
funcţională biliniară, simetrică şi A matricea de reprezentare a funcţionalei φ corespunză-
toare unui reper. Atunci φ este nedegenerată pe V (în ambele argumente) dacă şi numai
dacă matricea A este inversabilă.

2.4. Funcţionale pătratice reale. Fie V un spaţiu vectorial real, nenul.

2.4.25 Definiţie Funcţia σ : V → R se numeşte funcţională pătratică dacă există
o funcţională biliniară simetrică φσ : V × V → R astfel încât σ (x) = φσ (x, x), ∀x ∈ V.
Spunem că φσ este polar ataşată lui σ.
2.4.26 Definiţie Funcţionala pătratică σ : V → R este:
i) pozitiv definită dacă σ (x) > 0, ∀x ∈ V {0V };
ii) pozitiv semidefinită dacă σ (x)
0, ∀x ∈ V fără ca σ să fie pozitiv definită;
iii) negativ definită dacă σ (x) < 0, ∀x ∈ V {0V };
iv) negativ semidefinită dacă σ (x)  0, ∀x ∈ V fără ca σ să fie negativ definită;
v) nedefinită dacă ∃x, y ∈ V astfel încât σ (x) σ (y) < 0.
2.4.27 Definiţie Fie E = (e1 , . . . , em ) un reper în V, unde m ∈ N∗ şi σ : V → R o
funcţională pătratică. Se numeşte matricea funcţionalei pătratrice σ corespun-
zătoare reperului E matricea funcţionalei biliniare simetrice polar ataşată lui σ în
reprezentarea naturală corespunzătoare reperului E.
2.4.28 Propoziţie Fie V un R-spaţiu vectorial finit dimensional şi σ : V → R o
funcţională pătratică. i) Funcţională biliniară simetrică φσ : V × V → R polar ataşată lui
σ este definită prin
1
φσ (x, y) = 2 (σ (x + y) − σ (x) − σ (y)) , ∀x, y ∈ V;
ii)Dacă A este matricea de reprezentare a funcţionalei pătratrice σ în reperul E, atunci A
este diagonalizabilă şi
σ (x) = [x]TE A [x]E , ∀x ∈ V;
iii) Dacă A, B sunt matricele de reprezentare a funcţionalei pătratrice σ în reperul E şi
respectiv G, atunci
B = C T AC,
unde C este matricea de trecere de la E la G.
2.4.29 Definiţie Fie V un R-spaţiu vectorial cu dimR V = m ∈ N∗ şi σ : V → R
o funcţională pătratică. Se numeşte forma canonică a funcţionalei pătratice σ o
6 OVIDIU VEGHEŞ

exprimare de forma
σ (x) = [x]TF Λ [x]F , ∀x ∈ V,
unde Λ ∈ Mm (R) este o matrice diagonală, iar F un reper în V. Se numeşte signatura
funcţionalei pătratice σ, şi se notează sgn σ, un triplet (n− , n0 , n+ ), cu n− + n0 + n+ =
m, unde n− , n0 , respectiv n+ este numărul de coeficienţi negativi, nuli, respectiv pozitivi
de pe diagonala matricei Λ. n− + n+ se numşte rangul funcţionalei pătratice σ.
2.4.30 Observaţie Funcţionala pătratică σ : V → R este: i) pozitiv definită dacă
n+ = m; ii) pozitiv semidefinită dacă n− = 0 şi n+ = m; iii) negativ definită dacă
n− = m; iv) negativ semidefinită dacă n+ = 0 şi n− = m; v) n− = 0 şi n+ = 0.
2.4.31 Teoremă[de inerţie a lui Sylvester] Signatura unei funcţionale pătratice sunt
invarianţi ai funcţionalei pătratice (adică nu depind de metoda folosită pentru găsirea
reperului F al formei canonice).
2.4.32 Observaţie Orice funcţională pătratică poate fi adusă la forma canonică. Tre-
buie reţinut că există mai multe metode de aducere la forma canonică a unei funcţionale
pătratice. Metoda elemetară a lui Gauss este o metodă întotdeuna aplicabilă chiar dacă
uneori sunt necesare artificii de calcul. Metoda Jacobi este o metodă care poate fi aplicată
doar dacă ipoteza de lucru a metodei este validă. Metoda vectorilor şi valorilor proprii
(numită şi metoda transformărilor ortogonale) este o metodă întotdeuna aplicabilă, dar
solicită rezolvarea unor ecuaţii polinomiale de grad superior. Se va exemplifica folosirea
acestor metode în al doilea exerciţiu rezolvat.
2.4.33 Observaţie i) Natura unei funcţionale pătratice se poate afla fără a determina
reperul formei canonice prin metoda Jacobi. Dacă
A = [ai,j ]i=1,m,j=1,m ∈ Mm (R)
este matricea funcţionalei pătratrice σ corespunzătoare unui reper E şi

a1,1 . . . a1,m
a1,1 a1,2
∆0 = 1, ∆1 = a11 , ∆2 = , . . . , ∆m = . . . ... ... ,
a2,1 a2,2
am,1 . . . am,m
∆m−1
atunci σ este pozitiv (negativ) definită dacă toate rapoartele ∆ 0 ∆1
∆1 , ∆2 , . . . , ∆m sunt pozi-
tive (negative). Dacă unele dintre rapoarte sunt pozitive şi altele negative, atunci funcţio-
nala pătratrică σ este nedefinită. Nu putem afirma nimic dacă σ este pozitiv semidefinită
sau negativ semidefinită.
ii) Natura unei funcţionale pătratice se poate afla fără a determina reperul formei ca-
nonice prin metoda vectorilor şi valorilor proprii. Dacă
A = [ai,j ]i=1,m,j=1,m ∈ Mm (R)
este matricea funcţionalei pătratrice σ corespunzătoare unui reper E şi
λ1 ,λ2 , . . . , λm sunt valorile proprii ale matricei A,
atunci σ este pozitiv (negativ) definită dacă toate valorile proprii sunt pozitive (negative).
Dacă unele dintre rapoarte sunt pozitive şi altele negative, atunci funcţionala pătratrică σ
este nedefinită. Dacă zero este valoare proprie şi nu avem valori proprii negative (pozitive),
atunci σ este pozitiv semidefinită (negativ semidefinită).

3. EŢ  

3.0.1 Exerciţiu În spaţiul vectorial real R3 se consideră vectorii

g1 = (2, 1, 1) , g2 = (1, 2, 1) , g3 = (−1, 1, 2) .
 ALGEBR Ă LINIAR Ă - UNITATEA DE ÎNV Ă ŢARE 3 7

i) Să se verifice că G = (g1 , g2 , g3 ) este un reper în R3 şi să se determine funcţionala
liniara ϕ : R3 → R care satisface condiţiile ϕ (g1 ) = 1,
ϕ (g2 ) = 3, ϕ (g3 ) = 6.
ii) Să se determine reperul G• = (g1• , g2• , e•3 ) din LR R3 ; R , astfel încât


• 1 i=j
gi (gj ) = δ ij = , ∀i, j ∈ {1, 2, 3} .
0 i = j
iii) Să se determine reprezentările matriceale ale funcţionalei liniare ϕ : R3 → R asociate
perechii de repere G, {1} şi respectiv G• .
Soluţie. Fie E = (e1 = (1, 0, 0) , e2 = (0, 1, 0) , e3 = (0, 0, 1)) reperul canonic din spaţiul vectorial real
R3 . i) Fie  

 2 1 −1
C = [g1 ]E , [g2 ]E , [g3 ]E =  1 2 1 .
1 1 2
G = (g1 , g2 , g3 ) este un reper în R3 , în conformitate cu criteriile ce însoţesc teorema rangului privind
det C=6=0
liniar independenţa
  şi respectiv sistemul de generatori,
deoarece rang C  =
3 = numărul  de vectori
= dimR L R3 , R . Din datele problemei [ϕ]G {1} = ϕ (g1 ) ϕ (g2 ) ϕ (g3 ) = 1 3 6 . Atunci
 1 

 2
− 21 1
2

−1
[ϕ]E G
{1} = [ϕ]{1} C = 1 3 6  − 16 5
6
− 21  = −1 1 2
− 16 − 61 1
2
 

 x1
şi ϕ (x) = [ϕ]E {1} [x]E = −1 1 2  x2  = −x1 + x2 + 2x3 , ∀x = (x1 , x2 , x3 ) ∈ R3 .
x3
ii) Reluând raţionalentul precedent obţinem pentru orice x = (x1 , x2 , x3 ) ∈ R3
 1  

 2
− 12 1
2 x1
G
g1• (x) = [g1• ]{1} C −1 [x]E = 1 0 0  − 16 5
6
− 21   x2  = 12 x1 − 12 x2 + 21 x3 ,
1 1 1
 16 − − 6 2   x3 
1 1

 2
− 2 2
x1
g2• (x) = [g2• ]G{1} C
−1
[x]E = 0 1 0  − 16 5
6
− 21   x2  = 56 x2 − 16 x1 − 21 x3 ,
1 1 1
 −16 − 16 2
1
  x3 

 2
− 2 2 x1
g3• (x) = [g3• ]G{1} C −1
[x]E = 0 0 1  −1
6
5
6
− 2
1 
x2  = 12 x3 − 16 x2 − 61 x1 .
1 1 1
−6 −6 2
x3
• • • •
 3 
Faptul că G = (g1 , g2 , e3 ) este un reper în LR R ; R rezultă din 2.1.3.
iii) Putem privi expresia funcţionalei liniare ϕ : R3 → R obţinute în două moduri:  

 ξ1
G 3 G
"primul:" ϕ (x) = [ϕ]{1} [x]G , ∀x = (x1 , x2 , x3 ) ∈ R , unde [ϕ]{1} = 1 3 6 , iar [x]G =  ξ 2  cu
ξ3
 • 1 1 1
 ξ 1 = g1 (x1 , x2 , x3 ) = 2 x1 − 2 x2 + 2 x3
ξ = g2• (x1 , x2 , x3 ) = 65 x2 − 61 x1 − 12 x3 .
 2
ξ 3 = g3• (x1 , x2 , x3 ) = 21 x3 − 61 x2 − 16 x1


[ϕ]G{1} = 1 3 6 este matricea funcţionalei ϕ corespunzătoare perechii de repere G, {1}.
"al doilea:" ϕ (x) = g1• (x) + 3g2• (x) + 6g3• (x), ∀x ∈ R3 sau echivalent scris σ = g1• + 3g2• + 6g3• .

T
[ϕ]G• = 1 3 6 este matricea coordonatelor funcţionalei ϕ corespunzătoare reperului G• .
3.0.2 Exerciţiu Se dă funcţionala pătratică σ : R3 → R definită prin
σ (x1 , x2 , x3 ) = 3x21 + 6x22 + 3x23 − 4x1 x2 − 4x2 x3 − 8x3 x1 .
i) Să se pună în evidenţă forma algebrică şi forma matriceală a expresiei ce defineşte
funcţionala pătratică σ. ii) Să se determine funcţionala biliniară, simetrică, polar (prin
dedublare) ataşată funcţionalei pătratice σ. iii) Utilizând metoda lui Gauss să se aducă
funcţionala pătratică la forma canonică. iv) Utilizând metoda lui Jacobi să se aducă
funcţionala pătratică la forma canonică. v) Utilizând metoda vectorilor şi valorilor proprii
8 OVIDIU VEGHEŞ

să se aducă funcţionala pătratică la forma canonică. vi) Să se verifice legea de inerţie a
lui Sylvester. vii) Să se precizeze natura formei pătratice.
Soluţie. Fie E = (e1 = (1, 0, 0) , e2 = (0, 1, 0) , e3 = (0, 0, 1)) reperul canonic din spaţiul vectorial real
R3 . Un vector x = (x1 , x2 , x3 ) ∈ R3 arbitrar se scrie x = x1 e1 + x2 e2 + x3 e3 sau echivalent [x]E =

T
x1 x2 x3 .
i) Forma algebrică a funcţionalei pătratice σ este
σ (x) = 3x21 + 6x22 + 3x23 − 4x1 x2 − 4x2 x3 − 8x3 x1 , ∀x ∈ R3 ,
iar forma matriceală a funcţionalei pătratice σ este
 
3 −2 −4
3
σ (x) = [x]TE A [x]E , ∀x ∈ R , cu A =  −2 6 −2  .
−4 −2 3
Soluţionarea cerinţelor (iii), (iv) şi (v) se face prin determinarea unei nou reper F = (f1 , f2 , f3 ) în care
matricea de reprezentare a lui σ are forma diagonală. Dacă C este matricea de trecere de la E la F , atunci
[x]E = C [x]F şi [x]TE = [x]TF C T . Rezultă

σ (x) = [x]TE A [x]E = [x]TF C T AC [x]F , ∀x ∈ R3 .

Vom concluziona că B = C T AC este matricea diagonală cautată, corespunzătoare formei canonice a lui σ.
ii) Fie φσ : R3 × R3 → R, este definită prin φσ (x, y) = 21 (σ (x + y) − σ (x) − σ (y)), dacă folosim forma
algebrică, şi φσ (x, y) = [x]TE A [y]E , dacă folosim forma matriceală. Am considerat x = (x1 , x2 , x3 ) , y =
(y1 , y2 , y3 ) ∈ R3 arbitrare. În ambele situaţii obţinem
φσ ((x1 , x2 , x3 ) , (y1 , y2 , y3 )) = 3x1 y1 − 2x1 y2 − 2x2 y1 − 4x1 y3 + 6x2 y2 − 4x3 y1 − 2x2 y3 − 2x3 y2 + 3x3 y3 .
iii) Algoritmul este iterativ
σ (x) = 3x21 + 6x22 + 3x23 − 4x1 x2 − 4x2 x3 − 8x3 x1
= 3 x21 − 34 x1 x2 − 83 x3 x1 + 6x22 + 3x23 − 4x2 x3
 2  
= 3 x1 − 32 x2 − 43 x3 − 3 94 x22 + 16 9 3
x2 + 16 x x + 6x22 + 3x23 − 4x2 x3
9 2 3
 2
= 3 x1 − 32 x2 − 43 x3 + 14 x2 − 28
3 2
x x − 7 x2
3 2 3 3 3
 2 14
= 3 x1 − 3 x2 − 3 x3 + 3 x2 − 2x2 x3 − 73 x23
2 4 2
 2  2 
= 3 x1 − 32 x2 − 43 x3 + 14 3
x2 − 2x2 x3 − 73 x23
 2
= 3 x1 − 32 x2 − 43 x3 + 14 3
(x2 − x3 )2 − 14 x2 − 37 x23
3 3
 2 2
= 3 x1 − 32 x2 − 43 x3 + 14 3
(x2 − x3 ) − 7x23 .
Notăm 
 ξ 1 = ϕ1 (x1 , x2 , x3 ) = x1 − 32 x2 − 43 x3
ξ = ϕ2 (x1 , x2 , x3 ) = x2 − x3 .
 2
ξ 3 = ϕ3 (x1 , x2 , x3 ) = x3
Putem privi relaţia obţinută în două moduri.

T
"primul:" Dacă [x]F = ξ 1 ξ 2 ξ 3 , atunci
 
3 0 0
2 14 2 2 T 
σ (x) = 3 (ξ 1 ) + (ξ ) − 7 (ξ 3 ) = [x]F 0 14 0  [x]F .
3 2 3
0 0 −7
    
ξ1 1 − 23 − 34 x1
Relaţia  ξ 2  =  0 1 −1   x2  este relaţia [x]F = C −1 [x]E . Obţinem
ξ3 0 0 1 x3
 −1  
1 − 23 − 34 1 32 2
C= 0 1 −1  =  0 1 1 
0 0 1 0 0 1
 2  
şi identificăm F = f1 = (1, 0, 0) , f2 = 3 , 1, 0 , f3 = (2, 1, 1) reperul formei canonice.
"al doilea:" σ (x) = 3 (ϕ1 (x))2 + 14 3
(ϕ2 (x))2 − 7 (ϕ3 (x))2 , ∀x = (x1 , x2 , x3 ) ∈ R3 sau echivalent scris
 
 3  1 0 0
2 14 2 2 2
σ = 3ϕ1 + 3 ϕ2 −7ϕ3 , unde (ϕ1 , ϕ2 , ϕ3 ) este un reper în LR R ; R (deoarece rang  − 3 1 0 =3=
− 43 −1 1
   
numărul de funcţionale din LR R3 ; R = dimR LR R3 ; R ).
 ALGEBR Ă LINIAR Ă - UNITATEA DE ÎNV Ă ŢARE 3 9

iv) Căutăm acel reper F = (f1 = (c11 , 0, 0) , f2 = (c21 , c22 , 0) , f3 = (c31 , c32 , c33 )) pentru care sunt ver-
ificate relaţiile

  ϕσ (e1 , f3 ) = 0
ϕσ (e1 , f2 ) = 0
(3.1) {ϕσ (e1 , f1 ) = 1 ϕ (e2 , f3 ) = 0 .
ϕσ (e2 , f2 ) = 1  σ
ϕσ (e3 , f3 ) = 1
Suntem conduşi la rezolvarea sistemelor

  3c31 − 2c32 − 4c33 = 0
3c21 − 2c22 = 0
(3.2) {3c11 = 1 6c32 − 2c31 − 2c33 = 0 .
6c22 − 2c21 = 1 
3c33 − 2c32 − 4c31 = 1
 T  T
Dacă toate sistemele sunt compatibile, atunci, deoarece B T = C T AC = C T AT C T = C T AC =
B, avem
 
σ (x) = [x]TF C T AC [x]F   
c11 0 0 3 −2 −4 c11 c21 c31
= [x]TF  c21 c22 0   −2 6 −2   0 c22 c32  [x]F
 c31 c32 c33  −4 −2  3 0 0 c33
c11 0 0 1 0 0
= [x]TF  c21 c22 0   ∗ 1 0  [x]F
 c31 c32 c33  ∗ ∗ 1
c11 0 0
= [x]TF  0 c22 0  [x]F
0 0 c33

T
= c11 (ξ 1 )2 + c22 (ξ 2 )2 + c33 (ξ 3 )2 , unde [x]F = ξ 1 ξ 2 ξ 3 , ∀x ∈ R3 .
Rolul coeficienţilor c11 , c22 , c33 devine esenţial în determinarea signaturii lui σ. Aceşti coeficienţi sunt
daţi de
 
   3 −2 −4 
∆0 ∆1 ∆2  3 −2   
c11 = , c22 = , c33 = , unde ∆0 = 1, ∆1 = 3, ∆2 =  , ∆ =  −2 6 −2  .
∆1 ∆2 ∆3 −2 6  3 
−4 −2 3 
 1 1

3 7
− 27
Rezolvând sistemul 3.2 obţinem matricea C =  0 14 − 17  de trecere la de la baza E la F , iar
3

0 0 − 17
 
3 −2 −4
matricea de trecere la de la baza F la E este C −1 =  0 14 3
− 14
3
. Putem privi relaţia obţinută
0 0 −7
pentru σ (x) în două moduri.  1 
3
0 0
"primul:" σ (x) = 13 (ξ 1 )2 + 14 3
(ξ 2 )2 − 17 (ξ 3 )2 = [x]TF  0 14 3
0  [x]F şi identificăm
0 0 − 71
      
1 1 3 2 1 1
F = f1 = , 0, 0 , f2 = , , 0 , f3 = − , − , −
3 7 14 7 7 7
baza formei canonice.
"al doilea:" σ (x) = 13 (ϕ1 (x))2 + 3
14
(ϕ2 (x))2 − 1
7
(ϕ3 (x))2 , ∀x = (x1 , x2 , x3 ) ∈ R3 sau echivalent scris
σ = 13 ϕ21 + 14
3 2
ϕ2 − 71 ϕ23 , unde

 ϕ1 (x) = 3x1 − 2x2 − 4x3
ϕ (x) = 14 x − 14
3 2 3 3
x ,
 2
ϕ3 (x) = −7x3
 
 3  3 0 0
14
construieşte un reper în LR R ; R (deoarece rang  −2 3
0  = 3 = numărul de funcţionale din
−4 − 14 3
−7
   
LR R3 ; R = dimR LR R3 ; R ).
v) Se ştie că orice matrice simetrică este diagonalizabilă. Ecuaţia caracteristică a matricei A este
 
 3−λ −2 −4 

det (A − λI) =  −2 6−λ −2  = −λ3 + 12λ2 − 21λ − 98 = 0.
 −4 −2 3−λ 
10 OVIDIU VEGHEŞ
 (1) (2)
Obţinem spectrul matricei A ca fiind σ (A) = −2, 7 .
  
5 −2 −4  5x1 − 2x2 − 4x3 = 0
Pentru λ = −2 avem B−2 = A − (−2) I =  −2 8 −2  şi sistemul 8x2 − 2x1 − 2x3 = 0 .

−4 −2 5 5x3 − 2x2 − 4x1 = 0
Obţinem    
 2 
ker (A − (−2) I) = α  1  | α ∈ R .
 
2
  
−4 −2 −4  −4x1 − 2x2 − 4x3 = 0
Pentru λ = 7 avem B7 = A − 7I =  −2 −1 −2  şi sistemul −2x1 − x2 − 2x3 = 0 . Obţinem

−4 −2 −4 −4x1 − 2x2 − 4x3 = 0
     
 1 0 
ker (A − 7I) = β  −2  + γ  −2  | β, γ ∈ R .
 
0 1
Fie F = (f1 = (2α, α, 2α) , f2 = (β, −2β, 0) , f3 = (β ′ , −2β ′ − 2γ, γ)) un reper în R3 format cu vectori
proprii pentru care
(3.3) C −1 = C T ,
 

 −2 0 0
T −1
unde C = [f1 ]E , [f2 ]E , [f3 ]E . Atunci B = C AC = C AC =  0 7 0 . Deoarece
0 0 7
  
2α α 2α 2α β β′
T ′
C C = β −2β 0   α −2β −2β − 2γ 
′ ′
 β −2γ − 2β γ 2α 0 γ
9α2 0 0
= 0 5β 2 β (4γ + 5β ′ ) ,
0 β (4γ + 5β ) 5γ + 8γβ ′ + 5(β ′ )2
′ 2

sistemul 3.3 (sau echivalent I = C T C) devine



 9α2 = 1

5β 2 = 1
.

 5γ + 8γβ ′ + 5(β ′ )2 = 1
2

β (4γ + 5β ′ ) = 0
√ √
Alegem o singură soluţie (cât mai simplă): α = 13 , β = √15 , β ′ = − 15
4
5 şi γ = 31 5. Rezultă
 2 √ 
√1 − 4155
3 5 √
 
imediat matricea C =  31 − √2 − 2155  de trecere la de la baza E la F şi respectiv matricea
5 √
2 5
3
0 3
 2 1 2 
√
3 3√ 3
C −1 =  1
5 √
5 − 52 √5 0
√
 de trecere la de la baza F la E. Putem privi relaţia obţinută pentru
4 2 1
− 15 5 − 15 5 3
5
σ (x) în două moduri.  
−2 0 0
2 2 2
"primul:" σ (x) = −2 (ξ 1 ) + 7 (ξ 2 ) + 7 (ξ 3 ) =  0 [x]TF 7 0  [x]F şi identificăm
0 0 7
      
2 1 2 1√ 2√ 4√ 2 √ 1√
F = f1 = , , , f2 = 5, − 5, 0 , f3 = − 5, − 5, 5
3 3 3 5 5 15 15 3
reperul formei canonice.
"al doilea:" σ (x) = −2 (ϕ1 (x))2 + 7 (ϕ2 (x))2 + 7 (ϕ3 (x))2 , ∀x = (x1 , x2 , x3 ) ∈ R3 sau echivalent scris
σ = −2ϕ21 + 7ϕ22 + 7ϕ23 , unde
 2 1 2
 ϕ1 (x) = 3 x √1 + 3 x22 +
√ 3 x3
1
ϕ (x) = 5 √5x1 − 5 √5x2 √ ,
 2
ϕ3 (x) = 13 5x3 − 15 2
5x2 − 154
5x1
 ALGEBR Ă LINIAR Ă - UNITATEA DE ÎNV Ă ŢARE 3 11
 2
√ 
√1 − 4155
  3 5 √
 
construieşte un reper în LR R3 ; R (deoarece rang  1
3
− √25 − 2155  = 3 = numărul de funcţionale
√
2 5
0 3 3
 3   3 
din LR R ; R = dimR LR R ; R ).
vi) Signatura formei pătratice este sgn σ = (2, 0, 1) indiferent de metoda de aducere la forma canonică.
vii) Funcţionala pătratică σ este nedefinită.

4. T    

4.0.1 Exerciţiu Definiţi noţiunile: i) funcţională biliniară simetrică; ii) funcţională

pătratică negativ semidefinită; iii) signatura unei funcţionale pătratice.
4.0.2 Exerciţiu Enunţaţi rezultatul matematic privind: i) proprietăţile matricei coor-
donalelor unei funcţionale liniare; ii) teorema lui Sylvester; iii) modalităţile de recunoaştere
a unei funcţionale pătratice pozitiv definită.
4.0.3 Exerciţiu Să se demonstreze propoziţia privind caracterizarea matricei asociată
unei funcţionale biliniare simetrice.
4.0.4 Exerciţiu Se consideră funcţionala pătratică σ : R3 → R, σ (x) = 2x1 x2 + 2x2 x3 ,
unde x = (x1 , x2 , x3 ). Să se aducă funcţionala pătratică la forma canonică, să se precizeze
reperul în care este scrisă forma canonică şi să se precizeze natura funcţionalei pătratice.
4.0.5 Exerciţiu Să se determine matura funcţionalei pătratice V : R3 → R, V (x) =
−3x22 + x23 + 4x1 x2 − 2x2 x3 + 2αx1 x3 , unde x = (x1 , x2 , x3 ) şi α este un parametru real.

5. RĂ 
  Ş  
       

În rezolvarea testului trebuie să ţinem cont că soluţiile propuse trebuie să fie clare,
corecte şi complete.
Exerciţiul 4.0.1.
Soluţie. Este vorba de definiţiile i) 2.3.16; ii) 2.4.26; iii) 2.4.29.
Exerciţiul 4.0.2.
Soluţie. i) Este vorba de următoarele rezultate 2.1.3 şi 2.1.8; ii) 2.4.31; iii) 2.4.30 şi 2.4.33.
Exerciţiul 4.0.3.
Soluţie. Este vorba de următorul rezultat 2.3.19. Fie E = (e1 , . . . , em ) un reper în V, unde m ∈ N∗ .
i) Fie A, B ∈ Mm (K) două matrice simetrice astfel încât

[x]TE A [y]E = φ (x, y) = [x]TE B [y]E , ∀x, y ∈ V.

Pentru x = ei şi y = ej , avem cu necesitate ai,j = φ (ei , ej ) = bi,j pentru orice i, j ∈ {1, . . . , m}. Obţinem
că A = B.
ii) Fie ai,j = φ (ei , ej ), cu i, j ∈ {1, . . . , m} şi A = [ai,j ]i=1,m,j=1,m ∈ Mm (K). Atunci, ai,j =
φ (ei , ej ) = φ (ej , ei ) = aj,i , pentru orice i, j ∈ {1, . . . , m} şi în consecinţă AT = A. Mai mult, dacă

T
T
[x]E = x1 . . . xm şi [y]E = y1 . . . ym , atunci pentru orice i ∈ {1, . . . , m} avem
 
 m m
 y1
φ (ei , y) = φ ei , yj ej = yj φ (ei , ej ) = φ (ei , e1 ) ... φ (ei , em )  ... ,
j=1 j=1
ym
12 OVIDIU VEGHEŞ

şi, drept consecinţă,

 m   
m m m
φ (x, y) =φ i=1 j=1 yj ej =
xi ei , i=1 xi φ ei , j=1 yj ej
 

 φ (e1 , y)
= x1 . . . xm  ... 
 φ (em , y)  

 φ (e1 , e1 ) . . . φ (e1 , em ) y1
= x1 . . . xm  ... ... ...  ... 
φ (em , e1 ) . . . φ (em , em ) ym
= [x]TE A [y]E , ∀x, y ∈ V.
Am demostrat astfel şi cea de a doua cerinţă.
Exerciţiul 4.0.4.
Soluţie. Fie E = (e1 = (1, 0, 0) , e2 = (0, 1, 0) , e3 = (0, 0, 1)) reperul canonic din spaţiul vectorial real
R3 . Un vector x = (x1 , x2 , x3 ) ∈ R3 arbitrar se scrie x = x1 e1 + x2 e2 + x3 e3 sau echivalent [x]E =

T
x1 x2 x3 . Vom utiliza metoda elemetară a lui Gauss. Notăm

 y1 = 12 x1 + 21 x2
y2 = 12 x1 − 21 x2 .

y3 = x3
Atunci x1 = y1 + y2 , x2 = y1 − y2 , x3 = y3 şi
σ (x) = 2 (y1 + y2 ) (y1 − y2 ) + 2 (y1 − y2 ) y3 = 2y12 + 2y1 y3 − 2y22 − 2y2 y3
= 2 y12 + y1 y3 − 2y22 − 2y2 y3
 2  
= 2 y1 + 21 y3 − 2 14 y32 − 2y22 − 2y2 y3
  2  
= 2 y1 + 21 y3 − 2 (y2 + y2 y3 ) − 2 14 y32
  2  2    
= 2 y1 + 21 y3 − 2 y2 + 12 y3 + 2 14 y32 − 2 41 y32
  2  2
= 2 y1 + 21 y3 − 2 y2 + 12 y3
 2  2
= 2 21 x1 + 12 x2 + 12 x3 − 2 21 x1 − 12 x2 + 21 x3
Notăm 
 ξ 1 = 21 x1 + 21 x2 + 12 x3
ξ = 12 x1 − 21 x2 + 12 x3 .
 2
ξ 3 = x3

T
Dacă [x]F = ξ1 ξ2 ξ3 , atunci
 
2 0 0
2 2 2
σ (x) = 2 (ξ 1 ) − 2 (ξ 2 ) + 0 (ξ 3 ) = [x]TF  0 −2 0  [x]F .
0 0 0
   1 1 1
 
ξ1 2 2 2 x1
Relaţia  ξ 2  =  12 −1 1   x2  este relaţia [x] = C −1 [x] . Obţinem
2 2 F E
ξ3 0 0 1 x3
 1 1 1
−1  
2 2 2
1 1 −1
C =  12 −12
1 
2
=  1 −1 0 
0 0 1 0 0 1
şi identificăm F = (f1 = (1, 1, 0) , f2 = (1, −1, 0) , f3 = (−1, 0, 1)) reperul formei canonice. Signatura formei
pătratice este sgn σ = (1, 1, 1). Funcţionala pătratică σ este nedefinită.
Exerciţiul 4.0.5.
Soluţie. Fie E = (e1 = (1, 0, 0) , e2 = (0, 1, 0) , e3 = (0, 0, 1)) reperul canonic din spaţiul vectorial real
R3 . Un vector x = (x1 , x2 , x3 ) ∈ R3 arbitrar se scrie x = x1 e1 + x2 e2 + x3 e3 sau echivalent [x]E =

T
x1 x2 x3 . Vom utiliza, pentru început, metoda lui Jacobi. Forma matriceală a funcţionalei
pătratice σ este
 
0 2 α
T 3
σ (x) = [x]E A [x]E , ∀x ∈ R , cu A =  2 −3 −1  .
α −1 1
 ALGEBR Ă LINIAR Ă - UNITATEA DE ÎNV Ă ŢARE 3 13

Fie  
   0 2 α 
 0 2   
∆0 = 1, ∆1 = −3, ∆2 =  = −4, ∆ 3 =  2 −3 −1  = 3α2 − 4α − 4.
2 −3  
 α


−1 1
Atunci
α −∞ − 32 2 ∞
∆3 + 0 − 0 +
 
Pentru α ∈ R  − 23 , 2 calculăm rapoartele
∆0 ∆1 ∆1 −4
< 0, > 0, = .
∆1 ∆2 ∆2 3α2 − 4α − 4
 
Pentru α ∈ − 32 , 2 vom utiliza metoda vectorilor şi valorilor proprii. Polinomul caracteristic al matricei
A este
 
 −λ 2 α 
    
det (A − λI) =  2 −3 − λ −1  = −λ3 − 2λ2 + α2 + 8 λ + 3α2 − 4α − 4 .
 α −1 1−λ 
 
2 1
√(1) (1)
1
√ (1)
Pentru α = − 3 obţinem spectrul matricei A ca fiind σ (A) = − 3 85 − 1, 0 , 3 85 − 1 .
 
√ (1) (1) √ (1)
Pentru α = 2 obţinem spectrul matricei A ca fiind σ (A) = − 13 − 1, 0 , 13 − 1 .

Concluzia este
α −∞ − 32 2 ∞
sgn σ (2, 0, 1) (1, 1, 1) (1, 0, 2) (1, 1, 1) (2, 0, 1)
σ-nedefinită     
Observaţie: Metoda lui Jacobi s-a aplicat pentru funcţionalei pătratice σ : R3 → R, σ (x1 , x2 , x3 ) =
V (x2 , x1 , x3 ), iar ∆1 = ∆σ,1 , ∆2 = ∆σ,2 , ∆3 = ∆σ,3 .

6. S   Ţ 
.3
6.1. Tema nr.7. 6.1.1 Exerciţiu Să se precizeze dacă următorul sistem de funcţionale
liniare (ϕ1 , ϕ2 , ϕ3 ), unde ϕi : R3 → R, este liniar independent:
ϕ1 (x1 , x2 , x3 ) = x1 + x2 − x3 ,
ϕ2 (x1 , x2 , x3 ) = x1 − x2 + x3 ,
ϕ3 (x1 , x2 , x3 ) = x1 + 3x2 − 3x3 .
Să se cerceteze dacă funcţionalele date formează o bază în LR (Rn ; R).
6.1.2 Exerciţiu Să se arate că funcţionala f : Rn [X] → R, f (P (X)) = P (a), unde
a este un număr real fixat, este o funcţională liniară. Să
se determine matricele de
reprezentare a acestei funcţionale 2
folosind reperele E = 1, X, X , ..., X şi respectiv
n
 2 n
(X−a)
F = 1, X−a
1! , 2! , ..., (X−a)
n! .
6.1.3 Exerciţiu În spaţiul vectorial real R3 se consideră vectorii
g1 = (0, 1, 1) , g2 = (1, 0, 1) , g3 = (1, 1, 0) .
i) Să se verifice că G = (g1 , g2 , g3 ) este un reper în R3 şi să se determine funcţionala
liniara ϕ : R3 → R care satisface condiţiile ϕ (g1 ) = −1,
ϕ (g2) = 0, ϕ (g3 ) = 1.
ii) Să se determine reperul G• = (g1• , g2• , e•3 ) din LR R3 ; R , astfel încât


• 1 i=j
gi (gj ) = δ ij = , ∀i, j ∈ {1, 2, 3} .
0 i = j
iii) Să se determine reprezentările matriceale ale funcţionalei liniare ϕ : R3 → R asociate
perechii de repere G, {1} şi respectiv G• .
14 OVIDIU VEGHEŞ

6.1.4 Exerciţiu Fie φ : R3 [X] × R3 [X] → R,

 1  1 
′ ′
φ (P (X) , Q (X)) = P (t) Q (s) dt ds.
0 0

i) Să se arate că φ este o funţională biliniară cu valori reale; ii) Să se cerceteze dacă funcţio-
nala biliniară este simetrică şi nedegenerată; iii) Să se determine matricea funcţionalei φ
în reprezentarea naturală corespunzătoare reperului canonic al spaţiului real R3 [X]; iv) Să
se

determine matricea funcţionalei

 φ în reprezentarea naturală corespunzătoare reperului
X 2 − 1, X 2 − X, X 2 , X 2 − X 3 ; v) Să se evidenţieze relaţia de legătură între cele două
matrice determinate anterior.
6.1.5 Exerciţiu Fie V un K-spaţiu vectorial, cu dimK V = n ∈ N∗ . Funcţionala
biliniară, simetrică φ : V × V → K este nedegenerată pe V (în ambele argumente) dacă
şi numai dacă matricea funcţionalei biliniare simetrice φ în reprezentarea naturală cores-
punzătoare unui reper este inversabilă.

6.2. Tema nr.8. 6.2.6 Exerciţiu Se dau V şi W două K-spaţii vectoriale şi ψ : V ×W →
K o funcţională biliniară. Notăm
⊥
XWψ = {y ∈ W | ∀x ∈ X, ψ (x, y) = 0}
complementul ortogonal (în al doilea argument) al K-subspaţiului vectorial X ⊆ V în W.
Să se arate că:
⊥
i) XWψ este subspaţiu vectorial a lui W;
⊥
ii) dacă E ′ = {e1 , ..., ep } este o bază a lui X atunci y ∈ XWψ ⇐⇒ ψ (ek , y) = 0,
∀k ∈ {1, . . . , p};
⊥
iii) dacă X şi W sunt spaţii finit dimensionale atunci dim W  dim X + dim XWψ ;
iv) dacă X şi W sunt spaţii finit dimensionale atunci ψ este nedegenerată pe X în primul
⊥ ⊥
argument (i.e. WX ψ = {0V }) dacă şi numai dacă dim W = dim X + dim XWψ .
⊥
v) dacă ψ este nedegenerată pe V în primul argument (i.e. WV ψ = {0V }) şi nedegenerată
⊥
pe W în al doilea argument (i.e. VWψ = {0W }) atunci dim V = dim W.
6.2.7 Exerciţiu Fie V un K-spaţiu vectorial şi φ : V × V → K o funcţională biliniară
simetrică. Reformulaţi cerinţele exerciţiului precedent pentru noul context.
6.2.8 Exerciţiu Daţi exemplu de funcţională biliniară, simetrică care este: i) nenulă
şi degenerată pe întregul spaţiu vectorial; ii) nedegenerată pe întregul spaţiu, dar este
degenerată pe un subspaţiu vectorial.
6.2.9 Exerciţiu Se dau funcţionalele pătratice σi : R4 → R, i = 1, 2, 3, definite prin
σ1 (x) = x21 + x22 + x23 + x1 x2 + x2 x3 + x3 x1 ,
σ2 (x) = 2x1 x2 + 2x2 x3 + 2x3 x1 ,
σ3 (x) = 2x1 x2 − 6x1 x3 − 6x2 x4 + 2x3 x4 ,
unde x = (x1 , x2 , x3 , x4 ). Utilizând metodele lui Gauss, lui Jacobi şi respectiv metoda
vectorilor şi valorilor proprii să se aducă funcţionalele pătratice la forma canonică, să se
precizeze reperele în care sunt scrise formele canonice, să se verifice legea de inerţie a lui
Sylvester şi să se precizeze natura funcţionalelor pătratice.
6.2.10 Exerciţiu Să se determine valorile reale ale parametrului a pentru care func-
ţionala pătratică V : R3 → R este pozitiv definită.
i) V (x) = 2x21 + x22 + 3x23 + 2ax1 x2 + 2x3 x1 , x = (x1 , x2 , x3 );
ii) V (x) = x21 + x22 + 5x23 + 2ax1 x2 + 4x2 x3 − 2x3 x1 , x = (x1 , x2 , x3 ).
 ALGEBR Ă LINIAR Ă - UNITATEA DE ÎNV Ă ŢARE 3 15

Bibliografie
[1] G. Cenuşă şi colectiv catedră. Matematici pentru economişti. Ed.CISION, Bucureşti, 2000. T
[2] G. Cenuşă şi colectiv catedră. Matematici pentru economişti. Culegere de probleme. Ed.CISION, Bu-
cureşti, 2001. A
[3] Colectiv catedră. Matematici aplicate în economie. Ed.ASE, 1990. T
[4] S.H. Friedberg, A.J. Insel. Linear Algebra. Printice Hall, 2003. T
[5] R. Şerban (coord.) şi colectiv catedră. Culegere de probleme de algebră liniară. Ed.ASE, 1986. A
[6] C. Neculăescu, O. Vegheş. Introducere în algebră liniară. Ed.ASE, 2005. T
[7] A. Toma. Algebră liniară. Culegere de probleme. Ed.Economica, 2002. A
[8] G. Cenuşă, I.Săcuiu, V.Burlacu. Matematici. Curs pentru studenţii din anul I de la specializarea:
Planificare şi Cibernetică Economică. Ed.ASE, 1986. T
[9] G. Cenuşă, R. Şerban, C. Raischi. Matematici pentru economisti. Curs în format digital. Capitolul
2,3. http://www.biblioteca-digitala.ase.ro/biblioteca/carte2.asp?id=21&idb=11 . T
[10] C. Neculăescu, O. Vegheş. Introducere în algebra liniară. Curs în format digital. Capitolul 4.
http://www.biblioteca-digitala.ase.ro/biblioteca/carte2.asp?id=362&idb=11 . T
 ALGEBRĂ LINIARĂ - UNITATEA DE ÎNVĂŢARE 2

OVIDIU VEGHEŞ

Octombrie 2014

CUPRINS
1. Obiectivele unităţii de învăţare 2 1
2. Operatori liniari. Nucleu, imagine. Operaţii cu operatori şi reprezentarea lor 2
2.1. Operatori liniari 2
2.2. Operatori liniari definiţi pe spaţii de tip finit 3
2.3. Operaţii cu operatori liniari 4
2.4. Reprezentarea matriceală a operatorilor liniari 5
3. Vectori şi valori proprii. Polinom caracteristic 5
3.1. Vectori şi valori proprii 5
3.2. Subspaţii invariante. 6
3.3. Determinarea elementelor spectrale pe spaţii finit dimensionale 6
4. Forma canonică a unui endomorfism. Polinoame de endomorfisme 8
4.1. Endormorfisme diagonalizabile 8
4.2. Polinoame de endomorfisme (matrice) 9
5. Exerciţii rezolvate 10
6. Test de autoevaluare 13
7. Răspunsuri şi comentarii la testul de autoevaluare 14
8. Setul de exerciţii nr.2 16
8.1. Tema nr.4 16
8.2. Tema nr.5 16
8.3. Tema nr.6 17
Bibliografie 17

1. O
Ă Ţ   
Ă Ţ  2

Acest material este destinat studenţilor din învăţământul economic din anul I, ID, de
la Facultatea de Cibernetică, Statistică şi Informatică Economică din Academia de Studii
Economice Bucureşti.
Unitate de învăţare 2 conţine, o prezentare într-o formă accesibilă, dar riguroasă a
principalelor rezultate privind operatorii de spaţii vectoriale (punând accentul pe spaţiile
vectoriale de tip finit), precum şi a unei scurte introduceri în teoria spectrală şi a noţiunilor
aferente.
Sarcinile impuse în parcurgerea materialului sunt:
- memorarea noţiunilor descrise în material, descrierea lor în limbaj matematic ca şi
exprimarea alternativă a lor,
1
2 OVIDIU VEGHEŞ

- memorarea principalelor rezultate matematice şi urmărirea aplicării lor în exerciţiile

propuse,
- parcurgerea unora din titlurile privind teoria (T) recomandate în bibliografie, pentru
a recupera demonstraţiile principalelor propoziţii şi teoreme,
- parcurgerea altor probleme rezolvate cuprinse într-unul din titlurile privind aplicaţiile
(A) recomandate în bibliografie, pentru a identifica diferite tipuri de probleme,
- reconstituirea unor raţionamente matematice implicând noţiuni şi rezultate din uni-
tatea de învăţare 1,
- autotestarea cunoştinţelor şi deprinderilor dobândite folosind testul de autoevaluare,
urmată de reluarea paşilor anteriori în caz de eşec.
- efectuarea temelor cuprinse în setul de exerciţii nr.2,
- utilizarea acestor noţiuni cu încărcatura semantică aferentă în combinaţie cu limbajul
cotidian atunci când contextul face posibil acest lucru.
Obiectivele avute în vedere sunt:
-însuşirea limbajului specific modelării realităţii economico-sociale prin modele liniare,
-dezvoltarea capacităţii de a construi un raţionament,
-dezvoltarea atenţiei pentru a face conexiuni,
-dobândirea unor noi competenţe privind analiza unor procese sau fenomene economice
dintre cele mai diverse.
După studiul acestei unităţi de învăţare, studentul va avea cunoştinţe despre: operatori
liniari, operaţii cu operatori liniari, reprezentarea matriceală a operatorilor liniari, va-
lori, vectori şi subspaţii proprii, polinom caracteristic al unui endomorfism, spectrul unui
endomorfism, polinoame de matrice, matrice diagonalizabile şi forma lor diagonală. Aceste
cunoştinţe se folosesc la rezolvarea sistemelor de ecuaţii diferenţiale de ordinul întâi cu
coeficienţi constanţi.
Deşi materialul prezent nu evidenţiază acest aspect studentul dobândeşte cunoştinţele de
fundamentale necesare la alte discipline ce se ocupă cu modelarea matematică a realităţii.

2. O 
. N  , 
. OŢ    Ş 

 
2.1. Operatori liniari. Fie V1 , V2 două K-spaţii vectoriale. Vom nota, pentru a sim-
plifica scrierea, cu „+” atât adunarea vectorilor din V1 cât şi pe cea din V2 , deşi avem
în vedere două operaţii distincte. Folosim aceeaşi convenţie simplificatoare de notare şi
pentru înmulţirea cu scalari: „·” sau „ ”. Atragem atenţia că avem un singur corp al
scalarilor K (care va fi presupus comutativ în majoritatea rezultatelor).
Reamintim definiţia operatorilor liniari dată în unitatea de învăţare 1: funcţia sau
aplicaţia T : V1 → V2 se numeşte
i) aditivă dacă T (x1 + x2 ) = T (x1 ) + T (x2 ), ∀x1 , x2 ∈ V1 ,
ii) K-omogenă dacă T (αx) = αT (x), ∀x ∈ V1 , ∀α ∈ K,
iii) K-operator liniar dacă T este aditiv şi K-omogen.
Păstrăm notaţiile de la funcţii privind imaginea unei submulţimi A ⊆ V1 prin
aplicaţia T ca fiind
T (A) = {T (x) | x ∈ A} ,
respectiv imagimea inversă a unei submulţimi B ⊆ V2 prin aplicaţia T ca fiind
T −1 (B) = {x | T (x) ∈ B} .
Proprietăţilor curente de lucru cu ele vom adăuga altele, datorită contextului.
 ALGEBR Ă LINIAR Ă - UNITATEA DE ÎNV Ă ŢARE 2 3

Se notează cu
LK (V1 , V2 ) = {T : V1 → V2 | T este K-operator liniar} .
2.1.1 Definiţie Operatorii T1 , T2 ∈ LK (V1 , V2 ) sunt egali, şi scriem T1 = T2 , dacă
T1 (x) = T2 (x), ∀x ∈ V1 .
2.1.2 Exemplu Următoarele aplicaţii sunt operatori liniari:
1) idV : V → V, idV (x) = x, ∀x ∈ V, unde V este un K-spaţiu vectorial. idV este
operatorul identic1 pe V.
2) D : Rn [X] → Rn [X], D(P ) = P ′ , ∀P ∈ Rn [X], unde Rn [X] este spaţiul vectorial
real al polinoamelor de grad cel mult n.

b
3) I : CR [a, b] → R, I(f) = a f (t) dt, ∀f ∈ CR [a, b], unde CR [a, b] este spaţiul vectorial
reale al funcţiilor reale continue definite pe [a, b].
4) 0 : V1 → V2 , 0 (x) = 0V2 , ∀x ∈ V1 , este operatorul nul.
2.1.3 Observaţie Un operator T : V1 → V2 este K-operator liniar dacă şi numai dacă
T (αx + βy) = αT (x) + βT (y) , ∀x, y ∈ V1 , ∀α ∈ K.
2.1.4 Propoziţie Dacă T : V1 → V2 este un K-operator liniar, atunci:
i) T (0V1 ) = 0V2 ;
ii) T (−x)
 = −T (x), ∀x ∈ V1 ;
iii) T ( ni=1 αi xi ) = ni=1 αi T (xi ), ∀α1 , . . . , αn ∈ K, ∀x1 , . . . , xn ∈ V1 cu n ∈ N∗ .
2.1.5 Definiţie Fie T : V1 → V2 este un K-operator liniar. Se numeşte nucleul
K-operatorului liniar T şi se notează ker T = T −1 ({0V2 }). Se numeşte imaginea K-
operatorului liniar T şi se notează Im T = T (V1 ).
2.1.6 Teoremă Fie T : V1 → V2 este un K-operator liniar.
i) Dacă X ⊆ V1 K-subspaţiu, atunci T (X) ⊆ V2 este un K-subspaţiu vectorial.
ii) Dacă Y ⊆ V2 K-subspaţiu, atunci T −1 (Y) ⊆ V1 este un K-subspaţiu vectorial.
2.1.7 Corolar Pentru un K-operator liniar T : V1 → V2 avem ker T este un K-subspaţiu
vectorial în V1 şi Im T este +un K-subspaţiu vectorial în V2 .
2.1.8 Propoziţie Fie T : V1 → V2 este un K-operator liniar. Atunci i) T este injectiv
⇔ ker T = {0V1 }; ii) T este surjectiv ⇔ Im T = V2 .
2.2. Operatori liniari definiţi pe spaţii de tip finit. Fie V1 , V2 două K-spaţii vecto-
riale, cu dimK V1 finită. Deoarece K este fixat se poate renunţa la evidenţierea lui. Astfel,
obţinem de exemplu sintagmele „T este omogen” sau respectiv „T este operator liniar”.
Această convenţie o vom aplica în continuare.
2.2.9 Teoremă[a dimensiunii] Fie T : V1 → V2 este un operator liniar. Atunci
dimK V1 = dimK ker T + dimK Im T .
dimK ker T se numeşte defectul operatorului liniar T şi dimK Im T se numeşte rangul
operatorului liniar T .
2.2.10 Corolar Au loc afirmaţiile: i) T injectiv ⇔ dim V1 = dimK Im T . ii) T surjectiv
⇔ dim V2 = dimK Im T .
2.2.11 Corolar Două spaţii vectoriale izomorfe au aceeaşi dimensiune.
2.2.12 Propoziţie Fie T : V1 → V2 este un operator liniar. Fie I o mulţime finită
de indici, E = {ei | i ∈ I} ⊆ V1 , F = {fi | i ∈ I} ⊆ V2 . Sunt adevărate implicaţiile, în
contextul în care T (ei ) = fi , ∀i ∈ I: i) dacă E este o mulţime liniar independentă şi T
injectiv, atunci F este o mulţime liniar independentă; ii) dacă F este o mulţime liniar
independentă, atunci E este o mulţime liniar independentă; iii) dacă E este o mulţime de
1Operatorul identic este notat uneori 1 .
V
4 OVIDIU VEGHEŞ

generatori pentru V1 şi T surjectiv, atunci F este o mulţime de generatori pentru V2 ; iv)
dacă F este o mulţime de generatori pentru V2 şi T injectiv, atunci E este o mulţime de
generatori pentru V1 ; v) dacă T este bijectiv atunci E este bază în V1 dacă şi numai dacă
F este bază în V2 .
2.2.13 Propoziţie[principiul extinderii prin liniaritate] Fie V1 , V2 două K-spaţii vec-
toriale. Fie m ∈ N∗ , E = {e1 , . . . , em } o bază în V1 şi F = {f1 , . . . , fm } ⊆ V2 . Atunci
există un unic operator liniar T : V1 → V2 , pentru care T (ei ) = fi , ∀i ∈ {1, . . . , m}.
2.2.14 Teoremă[izomorfism a spaţiilor vectoriale de tip finit] Două spaţii vectoriale ce
au aceeaşi dimensiune sunt izomorfe.
2.2.15 Corolar i) Orice K-spaţiu vectorial V de dimensiune m este izomorf cu spaţiul
vectorial (Km , K). ii) Orice K-spaţiu vectorial V de dimensiune m este izomorf cu spaţiul
vectorial (M1,m (K) , K). iii) Orice K-spaţiu vectorial V de dimensiune m este izomorf cu
spaţiul vectorial (Mm,1 (K) , K).
2.2.16 Observaţie Unii autori identifică Km cu Mm,1 (K) şi consideră matricile din
Km ca fiind matrici coloană. În exerciţiile din culegerile de probleme vom respecta decizia
autorului, dar coordonatele le aşezăm întotdeauna pe coloană.
2.3. Operaţii cu operatori liniari. Fie V1 , V2 , V3 trei K-spaţii vectoriale.
2.3.17 Definiţie i) Dacă T1 , T2 ∈ LK (V1 , V2 ), definim adunarea prin
T1 + T2 : V1 → V2 , (T1 + T2 ) (x) = T1 (x) + T2 (x) , ∀x ∈ V1 .
ii) Dacă α ∈ K şi T ∈ LK (V1 , V2 ), definim înmulţirea cu scalari prin
αT : V1 → V2 , (αT ) (x) = αT (x) , ∀x ∈ V1 .
iii) Dacă (V3 , K) este un spaţiu vectorial, T ∈ LK (V1 , V2 ) şi U ∈ LK (V2 , V3 ), definim
produsul operatorului U cu T, notat prin U · T sau U T , prin compunerea U ◦ T ca funcţii
U ◦ T : V1 → V3 , (U ◦ T ) (x) = U (T (x)) , ∀x ∈ V1 .
iv) Dacă T ∈ LK (V1 , V2 ) şi T este bijectiv, definim inversul operatorului prin
 
T −1 : V2 → V1 unde T −1 (y) = x, x ∈ V1 cu proprietatea T (x) = y, ∀y ∈ V2 .
2.3.18 Propoziţie i) Dacă T1 , T2 ∈ LK (V1 , V2 ), atunci T1 + T2 ∈ LK (V1 , V2 ).
ii) În condiţiile în care K este corp comutativ, dacă α ∈ K şi T ∈ LK (V1 , V2 ), atunci
αT ∈ LK (V1 , V2 ).
iii) În condiţiile în care (V3 , K) este spaţiu vectorial, dacă T ∈ LK (V1 , V2 ) şi U ∈
LK (V2 , V3 ), atunci U ◦ T ∈ LK (V1 , V3 )
iv) Dacă T ∈ LK (V1 , V2 ) şi T este bijectiv, atunci T −1 ∈ LK (V2 , V1 ).
2.3.19 Corolar În condiţiile în care K este corp comutativ, LK (V1 , V2 ) este K-spaţiu
vectorial. Mai exact se verifică:
i) (T1 + T2 ) + T3 = T1 + (T2 + T3 ), ∀T1 , T2 , T3 ∈ LK (V1 , V2 );
ii) T1 + T2 = T2 + T1 , ∀T1 , T2 ∈ LK (V1 , V2 );
iii) T + 0 = 0 + T = T , ∀T ∈ LK (V1 , V2 ), unde 0 ∈ LK (V1 , V2 );
iv) ∀T ∈ LK (V1 , V2 ), ∃ (−T ) ∈ LK (V1 , V2 ), T + (−T ) = (−T ) + T = 0;
v) 1K T = T , ∀T ∈ LK (V1 , V2 );
vi) (αβ) T = α (βT ), ∀T ∈ LK (V1 , V2 ), ∀α, β ∈ K;
vii) (α + β) T = αT + βT , ∀T ∈ LK (V1 , V2 ), ∀α, β ∈ K;
viii) α (T1 + T2 ) = αT1 + αT2 , ∀T1 , T2 ∈ LK (V1 , V2 ), ∀α ∈ K.
2.3.20 Observaţie În plus, se pot verifica şi proprietăţile:
i) U ◦ (T1 + T2 ) = U ◦ T1 + U ◦ T2 , ∀T1 , T2 ∈ LK (V1 , V2 ), ∀U ∈ LK (V2 , V3 );
ii) (U1 + U2 ) ◦ T = U1 ◦ T + U2 ◦ T , ∀T ∈ LK (V1 , V2 ), ∀U1 , U2 ∈ LK (V2 , V3 );
 ALGEBR Ă LINIAR Ă - UNITATEA DE ÎNV Ă ŢARE 2 5

iii) T ◦ idV1 = T , şi idV2 ◦T = T , ∀T ∈ LK (V1 , V2 );

iv) T −1 ◦ T = idV1 şi T ◦ T −1 = idV2 , ∀T ∈ LK (V1 , V2 ) cu T bijectiv;
v) α (U ◦ T ) = (αU ) ◦ T = U ◦ (αT ), ∀T ∈ LK (V1 , V2 ), ∀U ∈ LK (V2 , V3 ), ∀α ∈ K.

2.4. Reprezentarea matriceală a operatorilor liniari. Fie V1 , V2 două K-spaţii vec-

toriale de tip finit, E = (e1 , . . . , en ) un reper în V1 şi F = (f1 , . . . , fm ) un reper în V2 ,
unde m, n ∈ N∗ .
2.4.21 Definiţie Fie T : V1 → V2 este un operator liniar. Se numeşte matricea
operatorului T corespunzătoare perechii de repere E, F matricea
[T ]E
F = [[T (e1 )]F , [T (e2 )]F , ..., [T (en )]F ] ∈ Mm,n (K) .

2.4.22 Exemplu Fie V un K-spaţiu vectorial de tip finit, E = (e1 , . . . , en ) şi F =

(f1 , . . . , fn ) două repere în V, unde n ∈ N∗ . Atunci
[idV ]FE = [[f1 ]E , [f2 ]E , ..., [fn ]E ] ∈ Mn (K) ,
este matricea de trecere de la reperul E la reperul F .
Evident [idV ]E F
E = [idV ]F = In ∈ Mn (K).
2.4.23 Propoziţie[caracterizarea matricei unui operator liniar] Se consideră T : V1 →
V2 un operator liniar.
i) Există o singură matrice A = [ai,j ]i=1,m,j=1,n ∈ Mm,n (K) pentru care
[T (x)]F = A [x]E , ∀x ∈ V1 .
ii) Matricea [T ]E
F ∈ Mm,n (K) verifică relaţia precedentă.
2.4.24 Teoremă[modificarea matricei unui operator la schimbarea reperelor] Fie T :
V1 → V2 este un operator liniar, E şi G două repere în V1 , iar F şi H două repere în V2 .
Atunci
[T ]G F E G
H = [idV2 ]H [T ]F [idV1 ]E .
2.4.25 Teoremă Fie V1 , V2 două K-spaţii vectoriale de tip finit, unde K este un corp
comutativ. Fie E = (e1 , . . . , en ) un reper în V1 şi F = (f1 , . . . , fm ) un reper în V2 , unde
m, n ∈ N∗ . În aceste condiţii, definim operatorul
AEF : LK (V1 , V2 ) → Mm,n (K) definită prin AEF (T ) = [T ]E
F

care verifică proprietăţile:

i) AEF este o aplicaţie bijectivă;
ii) AEF (T1 + T2 ) = AEF (T1 ) + AEF (T2 ), ∀T1 , T2 ∈ LK (V1 , V2 ).
iii) AEF (αT ) = αAEF (T ), ∀T ∈ LK (V1 , V2 ) , ∀α ∈ K.
iv) AEG (U ◦ T ) = AF G (U ) · AEF (T ), ∀T ∈ LK (V1 , V2 ), ∀U ∈ LK (V2 , V3 ), unde G
este un reper în spaţiul finit dimensional (V3 , K).  
v) Dacă T ∈ LK (V1 , V2 ) este bijecţie, atunci AF E T −1 = (AEF (T ))−1 .
2.4.26 Corolar În condiţiile în care K este corp comutativ, LK (V1 , V2 ) este izomorf
cu Mm,n (K). Rezultă dimK LK (V1 , V2 ) = dimK V1 · dimK V2 .
2.4.27 Observaţie Putem determina baza canonică în K-spaţiul vectorial LK (V1 , V2 )
ţinând cont de izomorfismul precedent.

3. V Ş   . P

 

3.1. Vectori şi valori proprii. Fie V un K-spaţiu vectorial, nenul, în care K corp co-
mutativ şi T ∈ LK (V, V) un endomorfism.
6 OVIDIU VEGHEŞ

3.1.1 Definiţie Considerăm sistemul


T (v) = λv
(3.1) .
v = 0

i) λ ∈ K se numeşte valoare proprie (sau valoare caracteristică) dacă ∃v ∈ V

pentru care se verifică sistemul 3.1.
ii) v ∈ V se numeşte vector propriu (sau vector caracteristic) corespunzător
valorii proprii λ ∈ K dacă se verifică 3.1.
iii) Se numeşte spectrul endomorfismului T mulţimea

(3.2) σ (T ) = {λ ∈ K | ∃v ∈ V, v = 0 astfel încât T (v) = λv} .

iv) Se numeşte subspaţiu propriu corespunzător valorii proprii λ ∈ σ (T ), K-

subspaţiul vectorial ker (T − λ idV ) = {v ∈ V | T (v) = λv}.
3.1.2 Observaţie Rezolvarea problemei găsirii vectorilor şi valorilor proprii cere să
parcurgem următoarele trei etape:
Etapa 1: Se determină spectrul operatorului T (mulţimea valorilor proprii).
Etapa 2: Se determină pentru fiecare valoare proprie subspaţiul propriu.
Etapa 3: Din fiecare subspaţiu propriu se extrag vectorii proprii (de care suntem in-
teresaţi).
3.1.3 Propoziţie λ ∈ / σ (T ) dacă şi numai dacă T − λ idV este endomorfism injectiv.

3.2. Subspaţii invariante. Fie V un K-spaţiu vectorial, nenul, în situaţia în care K este
corp comutativ. Fie un endomorfism T ∈ LK (V, V).
3.2.4 Definiţie Un K-subspaţiu vectorial X în V se numeşte T -invariant dacă şi numai
dacă T (X) ⊆ X.
3.2.5 Propoziţie În condiţiile definiţiei sunt adevărate afirmaţiile:
i) Dacă X este subspaţiu T -invariant, atunci2 T |X ∈ LK (X, X).
ii) {0V } şi V sunt subspaţii T -invariante.
iii) Dacă X1 şi X2 sunt subspaţii T -invariante, atunci X1 ∩ X2 este T -invariant.
iv) Dacă X1 şi X2 sunt subspaţii T -invariante, atunci X1 + X2 este T -invariant.
v) spanK (G) este T -invariant dacă şi numai dacă T (G) ⊆ spanK (G).
3.2.6 Observaţie Dacă X este subspaţiu T -invariant cu dimK X = 1, atunci există
v ∈ V vector propriu a lui T astfel încât X = spanK ({v}). Reciproc, dacă v ∈ V este un
vector propriu a lui T , atunci X = spanK ({v}) este un subspaţiu T -invariant.

3.3. Determinarea elementelor spectrale pe spaţii finit dimensionale. Fie V un

K-spaţiu vectorial, nenul, finit dimensional, în care K corp comutativ şi T ∈ LK (V, V) un
endomorfism liniar. Fie n = dimK V ∈ N∗ .
Fie E = (e1 , . . . , en ) un reper în V şi A = [ai,j ]i,j=1,n = [T ]E
E ∈ Mn (K). Atunci
[T (x)]E = A [x]E , ∀x ∈ V. Sistemul 3.1 este echivalent cu
  
[T ]E [x] = λ [x] ⇐⇒ [T ]E
− λ [idV ]E
E [x]E = [0]E .
(3.3) E E E E
[x]E = [0]E

2Este necesar să atragem atenţia asupra notaţiei folosite, şi anume, am notat restricţia endomorfismului
T ∈ LK (V, V) la K-subspaţiul vectorial X, atât din punct de vedere al domeniului cât şi a codomeniului,
prin T |X : X → X.
 ALGEBR Ă LINIAR Ă - UNITATEA DE ÎNV Ă ŢARE 2 7

Am obţinut, echivalent,


 (a1,1 − λ) x1 + a1,2 x2 + . . . + a1,n xn = 0

 a2,1 x1 + (a2,2 − λ) x2 + . . . + a2,n xn = 0
(3.4) ..


 .
 an,1 x1 + an,2 x2 + . . . + (an,n − λ) xn = 0
un sistem de n ecuaţii şi n necunoscute x1 , . . . , xn , cu un parametru
 λ ∈ K, sistem ce
x1
 .. 
trebuie să aibă cel puţin o soluţie nenulă. Am considerat [x]E =  . .
xn
3.3.7 Definiţie Fie A ∈ Mn (K). Se numeşte polinom caracteristic al matricei A,
polinomul de gradul n, notat PA (λ), şi definit prin
PA (λ) = det (A − λIn ) .
3.3.8 Observaţie[Structura polinomului caracteristic] Dacă considerăm matricea A =
[ai,j ]i,j=1,n ∈ Mn (K), atunci

PA (λ) = (−1)n λn + ζ n−1 λn−1 + . . . ζ 1 λ + ζ 0 ,

unde
ζ 0 = det (A)
şi pentru k = 1, n − 1 avem
 
ai1 ,i1 ai1 ,i2 . . . ai1 ,in−k
k   ai2 ,i1 ai2 ,i2 . . . ai2 ,in−k 
ζ k = (−1) · det  .
1
i1 <...<in−k
n
 . . . ... ... ... 
ain−k ,i1 ain−k ,i2 . . . ain−k ,in−k

Evident ζ n−1 = (−1)n−1 Tr A, unde Tr A = a1,1 + . . . + an,n este urma matricei A.

3.3.9 Observaţie Corpul scalarilor joacă un rol esenţial. Ecuaţia caracteristică PA (λ) =
0 are n rădăcini, dacă K = C. Dacă K = R, atunci nu avem certitudinea existenţei în R
a soluţiilor ecuaţiei caracteristice (vezi de exemplu ecuaţia λ2 + 1 = 0). Ultima remarcă
este adevărată şi pentru K = Q (vezi de exemplu ecuaţia λ2 − 2 = 0).
3.3.10 Propoziţie Polinomul caracteristic este invariant (rămâne nemodificat) indifer-
ent care ar fi matricea de reprezentare a unui endomorfism T ∈ LK (V, V) într-un reper al
K-spaţiul vectorial V.
3.3.11 Definiţie Se numeşte polinom caracteristic al endomorfismului T ∈
LK (V, V), polinomul notat PT (λ), şi definit prin
 
PT (λ) = det [T ]E E − λ [id ]E
V E = P[T ]E (λ) , unde E este un reper arbitar fixat în V.
E

3.3.12 Observaţie Pentru rezolvarea problemei găsirii vectorilor şi valorilor proprii
putem folosi următoarele etape de calcul:
Etapa 0 : Se alege un reper E în K-spaţiul vectorial V şi se determină A = [T ]E
E.
Etapa 1: Se rezolvă ecuaţia caracteristică PA (λ) = 0, unde PA (λ) este polinomul
caracteristic de grad n asociat matricei A, şi se determină σ (T ).
Etapa 2: Pentru fiecare λ ∈ σ(T ), se determină K-subspaţiul propriu ker (T − λ idV )
(prin rezolvarea sistemului (A − λIn ) [x]E = [0]E ).
Etapa 3: Din fiecare subspaţiu propriu se extrag vectorii proprii.
8 OVIDIU VEGHEŞ

3.3.13 Definiţie Fie T ∈ LK (V, V) şi λ ∈ σ (T ). Numim dimensiunea geometrică

a lui λ numărul dλ = dimK ker (T − λ idV ) ∈ N∗ . Numim dimensiunea algebrică a lui
λ ordinul de multiplicitate mλ ∈ N∗ al lui λ ca rădăcină a polinomului caracteristic PT (λ).
3.3.14 Lemă Fie T ∈ LK (V, V) un endomorfism pentru care
{λ1 , . . . , λr } ⊆ σ (T ) , unde λi = λj pentru orice i = j, i, j ∈ {1, . . . , r} .
Notăm Vλk subspaţiul propriu corespunzător valorii proprii λk , adică
Vλk = ker (T − λk idV ) ,
pentru orice k ∈ {1, . . . , r}. În aceste condiţii sunt adevărate afirmaţiile:
i) O mulţime de vectori proprii corespunzătoare la valori proprii distincte este liniar
independentă ({v1 , . . . , vr } este liniar independentă oricare ar fi alegerea vectorilor vk ∈
Vλk {0V },k ∈ {1, . . . , r}). 

ii) Vλk ∩ j∈{1,...,r} {k} Vλj
= {0V }, ∀k ∈ {1, . . . , r}.

iii) dλk = dimK Vλk
mλk , ∀k ∈ {1, . . . , r} şi m k=1 mλk
n, unde prin mλk am
pus în evidenţă ordinul de multiplicitate al valorii proprii λk ca rădăcină a polinomului
caracteristic, pentru orice k ∈ {1, . . . , r}.

4. F 

Ă 
 
!. P
  
!

4.1. Endormorfisme diagonalizabile. Fie V un K-spaţiu vectorial, nenul, finit dimen-

sional, în care K corp comutativ şi T ∈ LK (V, V). Fie n = dimK V ∈ N∗ .
Fie E = (e1 , . . . , en ) un reper în V şi A = [ai,j ]i,j=1,n = [T ]E E ∈ Mn (K). Atunci
[T (x)]E = A [x]E , ∀x ∈ V.
4.1.1 Definiţie T se numeşte endomorfism diagonalizabil dacă există un reper
F = (f1 , . . . , fn ) al K-spaţiului vectorial V pentru care [T ]FF este o matrice diagonală
adică, o matrice ale cărei elemente nenule pot fi doar pe diagonala principală.
4.1.2 Lemă Dacă G este un reper a K-spaţiu vectorial V, format doar din vectori
proprii ai lui T , atunci D = [T ]G G este o matrice diagonală, unde elementele de pe diagonala
principală sunt valorile proprii. Reciproca este de asemenea adevărată.
4.1.3 Observaţie Dacă endomorfismul T ∈ LK (V, V) are n valori proprii distincte,
atunci T este diagonalizabil. Într-adevăr, oricare ar fi alegerea vectorilor proprii vk ∈
Vλk {0V }, cu k ∈ {1, . . . , n}, reperul G = (v1 , . . . , vn ) este format numai din vectori
proprii ai lui T , iar D = [T ]G G este o matrice diagonală.
4.1.4 Teoremă[Caracterizarea endomorfismelor diagonalizabile] Fie endomorfismul T ∈
LK (V, V) pentru care spectrul său este
σ (T ) = {λ1 , . . . , λr } , unde λi = λj pentru orice i = j, i, j ∈ {1, . . . , r} .
Notăm prin mλk ordinul de multiplicitate al valorii proprii λk ca rădăcină a polinomului
caracteristic, pentru orice k ∈ {1, . . . , r}. Atunci sunt echivalente afirmaţiile:
i) T este un endomorfism diagonalizabil;
ii) Există un reper al K-spaţiului vectorial V, format doar din vectori proprii ai lui T ;
iii) Polinomul caracteristic are toate rădăcinile în corpul K (adică rk=1 mλk = n) şi
dλk = mλk , unde dλk = dimK ker (T − λk idV ), ∀k ∈ {1, . . . , r};
iv) V = ⊕rk=1 ker (T − λk idV ).
4.1.5 Definiţie Matricea A ∈ Mn (K) se numeşte diagonalizabilă dacă există C ∈
GLn (K) ⊆ Mn (K) astfel încât C −1 AC este o matrice diagonală. În acest caz C se numeşte
matricea ce permite diagonalizarea lui A. Pentru o matrice diagonalizabilă, relaţia
A = CDC −1 , cu C ∈ GLn (K) şi D ∈ Mn (K) matrice diagonală, poartă denumirea de
 ALGEBR Ă LINIAR Ă - UNITATEA DE ÎNV Ă ŢARE 2 9

formă diagonală a matricei A. S-a notat cu GLn (K) mulţimea matricelor inversabile
de ordinul n cu elemente din K.
4.1.6 Observaţie Pentru a pune în evidenţă forma diagonală a unei matrice patratice
diagonalizabile A ∈ Mn (K) putem folosi următoarele etape de calcul:
Etapa 0 : Se alege reperul canonic E în K-spaţiul vectorial Mn,1 (K).
Etapa 1: Se rezolvă ecuaţia caracteristică PA (λ) = 0, unde PA (λ) este polinomul
caracteristic de grad n asociat matricei A.
Etapa 2: Pentru fiecare λ ∈ σ(A), se determină K-subspaţiul propriu prin rezolvarea
sistemului (A − λIn ) [x]E = [0]E .
Etapa 3: Pentru fiecare λ ∈ σ (A) se alege un reper Fλ în K-subspaţiul propriu deter-
minat la etapa a 2-a.
Etapa 4: Se construieşte reperul F = (Fλ )λ∈σ(A) în K-spaţiul vectorial Mn,1 (K) format
doar din seturile de vectori proprii determinate la etapa a 3-a şi se pune în evidenţă atât
matricea diagonală D (având diagonala principală formată din valorile proprii), matricea
C de trecere de la reperul E la reperul F , cât şi relaţia A = CDC −1 ce exprimă forma
diagonală a matricei A.
4.1.7 Propoziţie Fie T ∈ LK (V, V) un endomorfism diagonalizabil şi
σ (T ) = {λ1 , . . . , λr } , unde λi = λj pentru orice i = j, i, j ∈ {1, . . . , r}
spectrul său. Atunci T = λ1 p1 + . . . + λr pr unde pk : V → V este K-operator liniar de
proiecţie3 cu proprietatea Im pk = ker (T − λk idV ), pentru fiecare k ∈ {1, . . . , r}.

4.2. Polinoame de endomorfisme (matrice). 4.2.8 Teoremă[Hamilton-Cayley] Dacă

K este Q, R sau C, fie A ∈ Mn (K) şi PA (λ) polinomul său caracteristic. Atunci
PA (A) = 0n .
Demonstraţie. Fie PA (λ) = a0 + a1 λ + . . . + an λn expresia polinomului caracteristic. Matricea
adjunctă, adj (A − λIn ) este o matrice polinom în λ de forma
adj (A − λIn ) = B0 + λB1 + . . . + λn−1 Bn−1 ,
deoarece complemenţii algebrici sunt polinoame în λ de grad cel mult n − 1. Atunci
PA (λ) In = det (A − λIn ) In = (A − λIn ) adj (A − λIn ) .
Identificarea coeficienţilor celor două polinoame conduce la relaţiile:


 a0 In = AB0



 a1 In = AB1 − B0

a2 In = AB2 − B1

 ...



 an−1 In = ABn−1 − Bn−2

an In = −Bn−1
Prin înmulţirea la dreapta a relaţiilor respectiv cu In , A, A2 , . . . , An−1 , An obţinem


 a0 In = AB0

 2

 a 1 A = A B1 − AB0

a2 A = A3 B2 − A2 B1
2


 ...



 an−1 An−1 = An Bn−1 − An−1 Bn−2

an An = −An Bn−1
Prin însumarea relaţiilor obţinem PA (A) = a0 In + a1 A + . . . + an An = 0n .
4.2.9 Corolar Fie A ∈ Mn (K) şi Q ∈ K [X]. Atunci Q (A) ∈ Mn (K) şi există scalarii
q0 , q1 , . . . , qn−1 ∈ K astfel încât Q (A) = q0 In + q1 A + . . . + qn−1 An−1 .
3Un endomorfism T : V → V pentru care T 2 = T , unde T 2 = T ◦ T se numeşte proiecţie.
10 OVIDIU VEGHEŞ

4.2.10 Corolar Fie T ∈ LK (V, V), cu dimK V = n ∈ N∗ , şi Q ∈ K [X]. Atunci

Q (T ) ∈ LK (V, V) şi există scalarii q0 , q1 , . . . , qn−1 ∈ K astfel încât Q (T ) = q0 idV +q1 T +
. . . + qn−1 T n−1 .

5. E#Ţ  
5.0.1 Exerciţiu Fie T : R3 → R2 , T (x1 , x2 , x3 ) = (x1 − x2 , 2x1 − 2x2 ). Să se: i) arate
că T este R-operator liniar; ii) determine nucleul şi imaginea operatorului T ; iii) afle [T ]EF
matricea operatorului T corespunzătoare reperelor canonice E = (e1 , e2 , e3 ) şi F = (f1 , f2 );
iv) [T ]G
H matricea operatorului T corespunzătoare reperelor G = (e1 + e2 , e1 + e3 , e2 + e3 )
şi H = (2f1 + f2 , −f1 ); v) relaţia de legatura între [T ]G E
H şi [T ]F .
Soluţie. Spaţiile vectoriale reale implicate sunt R3 şi R2 . Reperele canonice în aceste spaţii sunt
E = (e1 = (1, 0, 0) , e2 = (0, 1, 0) , e3 = (0, 0, 1)) ,
F = (f1 = (1, 0) , f2 = (0, 1)) .
i) Fie (x1 , x2 , x3 ) , (y1 , y2, y3 ) ∈ R3 şi α, β ∈ R. Avem
T (α (x1 , x2 , x3 ) + β (y1 , y2, y3 )) = T ((αx1 , αx2 , αx3 ) + (βy1 , βy2, βy3 ))
= T (αx1 + βy1 , αx2 + βy2 , αx3 + βy3 )
= ((αx1 + βy1 ) − (αx2 + βy2 ) , 2 (αx1 + βy1 ) − 2 (αx2 + βy2 ))
= α (x1 − x2 , 2x1 − 2x2 ) + β (y1 − y2 , 2y1 − 2y2 ) = αT (x1 , x2 , x3 ) + βT (y1 , y2 , y3 ) .
ii) Fie (x1 , x2 , x3 ) ∈ ker T . Condiţia este echivalentă cu T (x1 , x2 , x3 ) = (0, 0) sau

x1 − x2 = 0
.
2x1 − 2x2 = 0

 x1 = α
Valorile necunoscutelor (principale şi secundare) sunt x2 = α , α, β ∈ R, de unde rezultă

x3 = β
ker T = {(α, α, β) | α, β ∈ R} = {α (1, 1, 0) + β (0, 0, 1) | α, β ∈ R} = spanR ({(1, 1, 0) , (0, 0, 1)}) .
Deoarece vectorii care generează acest subspaţiu sunt independenţi, avem dimR ker T = 2.
Fie (y1 , y2 ) ∈  Im T . Condiţia este echivalentă cu existenţa (x1 , x2, x3 ) ∈ R3 pentru care (y1 , y2 ) =
x 1 − x 2 = y1
T (x1 , x2 , x3 ) sau . Condiţia de compatibilitate este y2 = 2y1 . Rezultă
2x1 − 2x2 = y2
 
Im T = (y1 , y2 ) ∈ R2 | y2 = 2y1 = {γ (1, 2) | γ ∈ R} = spanR ({(1, 2)}) .
Pentru că vectorul generator al acestui subspaţiu este nenul, avem dimR Im T = 1.
Evident dimR ker T + dimR Im T = 2 + 1 = 3 = dimR R3 .
iii) Evident T (e1 ) = (1, 2) = 1f1 + 2f2 , T (e2 ) = (−1, −2) = −1f1 − 2f2 ,T (e3 ) = (0, 0) = 0f1 + 0f2 .
Atunci

 1 −1 0
[T ]E
F = [T (e )]
1 F , [T (e )]
2 F , [T (e )]
3 F = .
2 −2 0
Matricea are proprietatea că
3
[T (x)]F = [T ]E
F [x]E , ∀x ∈ R .
iv) Avem T (e1 + e2 ) = (0, 0) = 0f1 + 0f2 , T (e1 + e3 ) = (1, 2) = 1f1 + 2f2 ,T (e2 + e3 ) = (−1, −2) =
−1f1 − 2f2 . Folosim tehnica din lema schimbului. Obţinem
R2 f1 f2 2f1 + f2 −f1 T (e1 + e2 ) T (e1 + e3 ) T (e2 + e3 )
f1 1 0 2 −1 ↓ 0 1 −1
←−
f2 0 1 1 0 0 2 −2
−f1 −1 0 −2 1
f2 0 1 1 ↓ 0
←
−
−f1 −1 2 0 1
2f1 + f2 0 1 1 0
2f1 + f2 0 1 1 0 0 2 −2
−f1 −1 2 0 1 0 3 −3
 ALGEBR Ă LINIAR Ă - UNITATEA DE ÎNV Ă ŢARE 2 11

sau explicit
T (e1 + e2 ) = 0 (2f1 + f2 )+0 (−f1 ) , T (e1 + e3 ) = 2 (2f1 + f2 )+3 (−f1 ) , T (e2 + e3 ) = −2 (2f1 + f2 )−3 (−f1 ) .
Lema schimbului ne garantează că H este un reper în R2 . Dar şi G este un reper în R3 deoarece sunt
indeplinite criteriile impuse de consecinţele teoremei rangului:
 
1 1 0 
G numărul de vectori
rang [idV1 ]E = rang  1 0 1  = 3 = .
dimR R3
0 1 1
Matricea


 0 2 −2
[T ]G
H = [T (e1 + e2 )]H , [T (e1 + e3 )]H , [T (e2 + e3 )]H = .
0 3 −3
are proprietatea că
3
[T (x)]H = [T ]G
H [x]G , ∀x ∈ R .

v) Teorema privind modificarea matricei unui operator la schimbarea reperelor ne spune

[T ]G F E G
H = [idV2 ]H [T ]F [idV1 ]E .
 



 1 1 0
0 2 −2 0 1 0 1 −1 
Într-adevăr avem = 1 0 1 .
0 3 −3 −1 2 0 2 −2
0 1 1
 
19 34 51 17
 −5 −8 −15 −5 
5.0.2 Exerciţiu Se consiceră matricea A = 
 −3 −6 −7 −3 . Să se calculeze

1 2 3 3
A−1 folosind Teorema Cayley-Hamilton.
Soluţie. Polinomul caracteristic asociat matricei A este
 
19 − λ 34 51 17
 −5 −8 − λ −15 −5 
PA (λ) = det (A − λI4 ) = det   = λ4 − 7λ3 + 18λ2 − 20λ + 8.
 −3 −6 −7 − λ −3 
1 2 3 3−λ
Rezultă det A = 8 (termenul liber din scrierea polinomului) şi în consecinţă A este inversabilă. Conform
teoremei Cayley-Hamilton
A4 − 7A3 + 18A2 − 20A + 8I4 = 04 .
Avem
 −1   −1 
A 8
A3 + 87 A2 + −18
8
A + 20
8 4
I = 8
A3 + 87 A2 + −18
8
A + 20
8 4
I A = I4 .
Folosind unicitatea elementului simetric în grupul GL4 (R), al matricelor inversabile de ordinul 4 cu ele-
mente numere reale, rezultă
 
−8 −17 − 51 2
− 17
2
 5 11 15 5 
A−1 = −1
8
A3 + 87 A2 + −18
8
A + 20
8 4
I =
 3
2 2 2 2
3
.

2
3 5 2
− 21 −1 − 32 0
Observaţie. Reamintim că dacă K este un corp comutativ, atunci mulţimea GLn (K), a matricelor
inversabile de ordinul n cu elemente din K, este grup.
5.0.3 Exemplu Fie endomorfismul T : R4 → R4 , definit prin
, x2 , x3 , x4 ) = (y1 , y2 , y3 , y4 ) , unde
T (x1
 y = 19x1 + 34x2 + 51x3 + 17x4
 1

y2 = −5x1 − 8x2 − 15x3 − 5x4
, ∀ (x1 , x2 , x3 , x4 ) ∈ R4 .

 y 3 = −3x 1 − 6x 2 − 7x 3 − 3x4

y4 = x1 + 2x2 + 3x3 + 3x4
12 OVIDIU VEGHEŞ

i) Să se determine matricea endomorfismului corespunzătoare reperului canonic E =

(e1 , e2 , e3 , e4 ) din spaţiul vectorial real R4 . ii) Să se afle vectorii şi valorile proprii corespun-
zătoare endomorfismului T . iii) Să se verifice că T este diagonalizabil şi să se determine
un reper în spaţiul vectorial R4 , format din vectori proprii.
Soluţie. Explicităm e1 = (1, 0, 0, 0), e2 = (0, 1, 0, 0), e3 = (0, 0, 1, 0), e4 = (0, 0, 0, 1).
i) Evident
T (e1 ) = (19, −5, −3, 1) , T (e2 ) = (34, −8, −6, 2) , T (e3 ) = (51, −15, −7, 3) , T (e4 ) = (17, −5, −3, 3) .
Atunci  
19 34 51 17
E   −5 −8 −15 −5 

[T ]E = [T (e1 )]E , [T (e2 )]E , [T (e3 )]E , [T (e4 )]E =  .
−3 −6 −7 −3 
1 2 3 3
E  4
Matricea A = [T ]E ∈ M4 R are proprietatea că
4
[T (x)]E = [T ]E
E [x]E , ∀x ∈ R .

ii) Ecuaţia caracteristică este

 
19 − λ 34 51 17
 −5 −8 − λ −15 −5 
det (A − λI4 ) = det   = λ4 − 7λ3 + 18λ2 − 20λ + 8 = 0
 −3 −6 −7 − λ −3 
1 2 3 3−λ
Rădăcinile ecuaţiei caracteristice (valorile proprii) sunt
λ1 = 1, λ2 = λ3 = λ4 = 2.
(1) (3)
Spectrul endomorfismului T este σ (T ) = 1 , 2 . În continuare, pentru fiecare valoare proprie, deter-
minăm subspaţiile proprii.  
18 34 51 17
 −5 −9 −15 −5 
Pentru λ = 1, notăm U1 = T − 1 idR4 . Obţinem B1 = [U1 ]E 
E = A − I4 =  −3
 şi

−6 −8 −3
1 2 3 2
dimR ker (U1 ) = 4 − dimR Im (U1 ) = 4 − rang B1 = 4 − 3 = 1 =ordinul de multiplicitate pentru λ = 1.
Continuând calculele (vezi 3.4) din rezolvarea sistemului


 18x1 + 34x2 + 51x3 + 17x4 = 0

−5x1 − 9x2 − 15x3 − 5x4 = 0
 −3x1 − 6x2 − 8x3 − 3x4 = 0


x1 + 2x2 + 3x3 + 2x4 = 0
obţinem ker (U1 ) = spanR ({(17, −5, −3, 1)}).  
17 34 51 17
E
 −5 −10 −15 −5 
Pentru λ = 2, notăm U2 = T − 2 idR4 . Avem B2 = [U2 ]E = A − 2I4 =  −3 −6
 şi

−9 −3
1 2 3 1
dimR ker (U2 ) = 4 − dimR Im (U2 ) = 4 − rang B2 = 4 − 1 = 3 =ordinul de multiplicitate pentru λ = 2.
Continuând calculele (vezi 3.4) din rezolvarea sistemului


 17x1 + 34x2 + 51x3 + 17x4 = 0

−5x1 − 10x2 − 15x3 − 5x4 = 0
 −3x1 − 6x2 − 9x3 − 3x4 = 0


x1 + 2x2 + 3x3 + x4 = 0
obţinem ker (U2 ) = spanR ({(−2, 1, 0, 0) , (−3, 0, 1, 0) , (−1, 0, 0, 1)}).
Vectorii proprii sunt cei din ker (U1 ) {(0, 0, 0, 0)} pentru valoarea proprie λ = 1 şi cei din ker (U2 )
{(0, 0, 0, 0)} pentru valoarea proprie λ = 2.
iii) Polinomul caracteristic are toate rădăcinile în corpul scalarilor R şi dimensiunea algebrică şi geo-
metrică pentru fiecare valoare proprie coincid. Conform teoremei 4.1.4 de caracterizare a endomorfismelor
diagonalizabile tragem concluzia că endomorfismul T este diagonalizabil.
 ALGEBR Ă LINIAR Ă - UNITATEA DE ÎNV Ă ŢARE 2 13

Considerăm vectorii v1 = (17, −5, −3, 1), v2 = (−2, 1, 0, 0), v3 = (−3, 0, 1, 0), v4 = (−1, 0, 0, 1). Consi-
derăm matricea  
−17 7 5 −1
  5 −2 −1 0 
C = [v1 ]E , [v2 ]E , [v3 ]E , [v4 ]E =  .
 3 −1 −1 0 
−1 0 0 1

card ({v1 , v2 , v3 , v4 })
Având în vedere că rang C = 4 = tragem concluzia că V = (v1 , v2 , v3 , v4 ) este un
dimR R4
4
reper în spaţiul vectorial real R , iar C este matricea de trecere de la reperul E la V . Atunci
 
1 0 0 0
  0 2 0 0 
D = [T ]VV = [T (v1 )]V , [T (v2 )]V , [T (v3 )]V , [T (v4 )]V =  0 0 2 0 


0 0 0 2
şi D = [T ]VV = [idR4 ]E E V
V [T ]E [idR4 ]E = C
−1
AC.
 
y ′ = 3y + 5z y ′ = 13y + 25z
5.0.4 Exemplu Să se rezolve SEDL1 i) ii) .
z′ = y − z z ′ = −y + 23z


y (t)
Soluţie. Fie x (t) = un t ∈ I. Vom concluziona în final că I = R. Fiecare sistem de ecuaţii
z (t)
se va scrie în formă

matriceală

x = Ax. Vom
′

aduce matricea

1 A1 la forma Jordan
A1 = CJ C .
−1
1
3 5 5 −1 4 0
i) Avem A = = 6 6 , cu C −1 = 6 6 .
1 −1 1 1 0 −2 − 61 56 − 16 65

  ′
v1 v1 = 4v1
Notăm v = C −1 x, cu v = şi obţinem sistemul v ′ = J v adică . soluţia sistemului
v2 v2′ = −2v2
 4t
v1 (t) = c1 e
generală a sistemului este , cu t ∈ R. Avem x = Cv. Revenind la sistemul dat avem
v2 (t) = c2 e−2t
 4t −2t
y (t) = 5c1 e − c2 e
, cu t ∈ R şi c1 , c2 constante reale fixate.
z (t) = c1 e4t + c2 e−2t




1 
1 
13 25 25 0 18 1 0 0
ii) Avem A = = 25 , cu C −1
= 25 .
−1 23 5 1 0 18 − 51 1 −1 1

  ′ 5
v1 v1 = 18v1 + v2
Notăm v = C −1 x, cu v = şi obţinem sistemul v ′ = Jv adică . soluţia
v2 v2′ = 18v2

v1 (t) = c1 e18t + c2 te18t
sistemului generală a sistemului este , cu t ∈ R. Avem x = Cv. Revenind la
v2 (t) = c2 e18t
 18t 18t
y (t) = 25c1 e + 25c2 te
sistemul dat avem , cu t ∈ R şi c1 , c2 constante reale fixate.
z (t) = (5c1 + c2 ) e18t + 5c2 te18t

6. T    

6.0.1 Exerciţiu Definiţi noţiunile: i) matricea unui operator liniar corespunzătoare

unei perechi de repere; ii) endomorfism diagonalizabil; iii) dimensiunea geometrică a unei
valori proprii; iv) spectrul unui endomorfism.
6.0.2 Exerciţiu Enunţaţi rezultatul matematic privind: i) proprietăţile din K-spaţiul
vectorial LK (V1 , V2 ); ii) structura coeficienţilor unui polinom caracteristic; iii) invarianţa
polinomului caracteristic; iv) caracterizare a endomorfismelor diagonalizabile.
6.0.3 Exerciţiu Fie U : R3 [X] → R3 [X], definit prin
U (P (X)) = P ′ (X) − P (X) .
Să se arate că U este un automorfism şi să se afle operatorul invers.
6.0.4 Exerciţiu Fie n ∈ N, n  2. a) Să se cerceteze dacă K-spaţiul vectorial Mn (K),
al matricelor pătratice de ordin n cu elemente din K, este suma directă dintre subspaţiul
matricelor simetrice şi subspaţiul matricelor antisimetrice. b)Fie A ∈ Mn (K) o matrice
14 OVIDIU VEGHEŞ

diagonalizabilă şi C ∈ GLn (K) o matrice ce permite diagonalizarea ei. Dacă D = C −1 AC,
atunci i) αA = C (αD) C −1 , ∀α ∈ K; ii) Am = CDm C −1 , ∀m ∈ N∗ .
6.0.5 Exerciţiu Fie endomorfismul T : R4 → R4 , definit prin
, x2 , x3 , x4 ) = (y1 , y2 , y3 , y4 ) , unde
T (x1
 y = 19x1 + 34x2 + 51x3 + 17x4
 1

y2 = −5x1 − 8x2 − 15x3 − 5x4
, ∀ (x1 , x2 , x3 , x4 ) ∈ R4 .

 y 3 = −3x 1 − 6x 2 − 7x 3 − 3x4

y4 = x1 + 2x2 + 3x3 + 3x4
Să se determine T n : R3 → R3 , cu n ∈ N∗ .

7. RĂ 
  Ş 
       
În rezolvarea testului trebuie să ţinem cont că soluţiile propuse trebuie să fie clare,
corecte şi complete.
Exerciţiul 6.0.1.
Soluţie. Este vorba de definiţiile i) 2.4.21;.ii) 4.1.1; iii) 3.3.13; iv) 3.1.1.
Exerciţiul 6.0.2.
Soluţie. Este vorba următoarele rezultate: i) 2.3.19 şi 2.3.20; ii) 3.3.7 şi 3.3.8; iii) 3.3.10 şi 3.3.11; iv)
4.1.4.
Exerciţiul 6.0.3.
 
Soluţie. Fie E = 1, X, X 2 , X 3 reperul canonic din R3 [X]. Conform definiţiei
   
U a0 + a1 X + a2 X 2 + a3 X 3 = a1 + 2a2 X + 3a3 X 2 − a0 + a1 X + a2 X 2 + a3 X 3
= (a1 − a0 ) + (2a2 − a1 ) X + (3a3 − a2 ) X 2 + (−a3 ) X 3 .
Matricea
 
−1 1 0 0
E    2    3   0 −1 2 0 
[U ]E = [U (1)]E , [U (X)]E , U X E , U X E =   .
0 0 −1 3 
0 0 0 −1
Conform principiului de extindere prin liniaritate există un operator liniar T : R3 [X] → R3 [X] pentru
care  
−1 −1 −2 −6
 −1  0 −1 −2 −6 
[T ]E E
E = [U ]E = 0
.
0 −1 −3 
0 0 0 −1
Deoarece
      
[U ◦ T (1)]E , [U ◦ T (X)]E , U ◦ T X 2 E , U ◦ T X 3 E = [U ◦ T ]E E E
E = [U ]E [T ]E
 −1        
= [U ]E
E [U ]E
E
= I4 = idR3 [X] (1) E , idR3 [X] (X) E , idR3 [X] X 2 E , idR3 [X] X 3 E ,

folosind unicitatea din principiului de extindere prin liniaritate tragem concluzia că U ◦ T = idR3 [X] . În
mod analog T ◦ U = idR3 [X] . Folosind proprietăţile compunerii funcţiilor U şi T sunt bijective. Am arătat
că U este un izomorfism liniar. Deoarece domeniul şi codomeniul coincid U este automorfism.
 −1 E  E −1
Pe de altă parte, aceleaşi relaţii conduc la U = T (şi deci U
−1
E
= [U ]E ). De aici obţinem
 
U −1 a0 + a1 X + a2 X 2 + a3 X 3
= (−a0 − a1 − 2a2 − 6a3 ) + (−a1 − 2a2 − 6a3 ) X + (−a2 − 3a3 ) X 2 + (−a3 ) X 3 .

Exerciţiul 6.0.4.
   
Soluţie. a) Fie X1 = S ∈ Mn (K) | S T = S şi X2 = A ∈ Mn (K) | AT = −A . Am notat cu AT
transpusa matricei A. Pentru început verificăm că X1 şi X2 sunt K-subspaţii vectoriale.
Dacă S1 , S2 ∈ X1 , adică S1T = S1 şi S2T = S2 , atunci (S1 + S2 )T = S1T + S2T = S1 + S2 şi deci
S1 + S2 ∈ X1 . Dacă α ∈ K şi S ∈ X1 , adică S T = S, atunci (αS)T = αS T = αS şi deci αS ∈ X1 . Am
 ALGEBR Ă LINIAR Ă - UNITATEA DE ÎNV Ă ŢARE 2 15

probat astfel că X1 este K-subspaţiu vectorial. Dacă A1 , A2 ∈ X2 , adică AT1 = −A1 şi AT2 = −A2 , atunci
(A1 + A2 )T = AT1 + AT2 = −A1 − A2 = − (A1 + A2 ) şi deci A1 + A2 ∈ X2 . Dacă α ∈ K şi A ∈ X2 ,
adică AT = −A, atunci (αA)T = αAT = α (−A) = − (αA) şi deci αA ∈ X2 . Am probat astfel că X2 este
K-subspaţiu vectorial. 
X1 + X2 = Mn (K)
Pentru a verifica X1 ⊕ X2 = Mn (K), sau echivalent , trebuie să verifică patru
X1 ∩ X2 = {0n }
incluziuni. X1 ∩ X2 ⊇ {0n } şi X1 + X2 ⊆ Mn (K) sunt evidente.
Cazul 1: K este un corp algebric cu caracteristica diferită de 2.
"X1 ∩ X2 ⊆ {0n }" Fie M ∈ X1 ∩ X2 . Atunci din M T = M = −M avem 2M = 0n . Rezultă M = 0n .
"X1 + X2 ⊇ Mn (K)" Fie M ∈ Mn (K) arbitrar. Atunci M = S + A, unde
   
S = (2 · 1)−1 M + M T ∈ X1 şi A = (2 · 1)−1 M − M T ∈ X2 .

Este imediată verificarea

   
S T = (2 · 1)−1 M T + M = S şi AT = (2 · 1)−1 M T − M = −A.

Am verificat că X1 şi X2 sunt spaţii suplementare directe unul celuilalt în Mn (K).
Cazul 2: K este un corp algebric cu caracteristica egală cu 2 (de exemplu Z2 ).
Atunci M = −M , ∀M ∈ Mn (K) şi, în consecintă, X1 = X2 = {0n }. Nu se poate calcula X1 ⊕ X2 .
b) Din ipoteza rezultă A = CDC −1 . i) Avem
 
αA = α CDC −1 = C (αD) C −1 .
ii) Vom demonstra afirmaţia prin inducţie. "pasul iniţial" Afirmaţia pentru m = 1 a fost probată.
"pasul de inducţie" Dacă Am = CD m C −1 , atunci Am+1 = AAm = CDC −1 CDm C −1 = CDIn D m C −1 =
CDm+1 C −1 .
În concluzie afirmaţia Am = CDm C −1 este adevărată pentru orice m ∈ N∗ .
Exerciţiul 6.0.5.
Soluţie. Folosim calculele efectuate în cel de al doilea exerciţiu rezolvat. Endomorfismul T este
diagonalizabil. Fie
E = (e1 = (1, 0, 0, 0) , e2 = (0, 1, 0, 0) , e3 = (0, 0, 1, 0) , e4 = (0, 0, 0, 1)) şi
V = (v1 = (17, −5, −3, 1) , v2 = (−2, 1, 0, 0) , v3 = (−3, 0, 1, 0) , v4 = (−1, 0, 0, 1))
reperul canonic, şi respectiv reperul format din vectori proprii, ai spaţiului vectorial real R4 . Avem
   
19 34 51 17 1 0 0 0
 −5 −8 −15 −5   
A = [T ]E   , D = [T ]V =  0 2 0 0 
E =  −3 −6 −7 −3  V  0 0 2 0 
1 2 3 3 0 0 0 2
 
−17 7 5 −1
  5 −2 −1 0 
şi A = CDC −1 , unde C = [v1 ]E , [v2 ]E , [v3 ]E , [v4 ]E =   3
. Atunci
−1 −1 0 
−1 0 0 1
 n
[T n ]E V n V E V
E = [idR4 ]E [T ]V [idR4 ]V = [idR4 ]E [T ]V
V
[idR4 ]E
V = CD C
n −1
 n n n

1 + 18 (2 − 1) 34 (2 − 1) 51 (2 − 1) 17 (2n − 1)
n
 −5 (2 − 1) n
1 − 9 (2 − 1) −15 (2 − 1) n n
−5 (2 − 1)  .
=  −3 (2n − 1)

−6 (2n − 1) 1 − 8 (2n − 1) −3 (2n − 1) 
2n − 1 2 (2n − 1) 3 (2n − 1) 1 + 2 (2n − 1)

Folosind proprietatea că [T n (x)]E = [T n ]E 4

E [x]E , ∀x ∈ R obţinem rezultatul T
n
: R4 → R4 este definit
n
prin T (x1 , x2 , x3 , x4 ) = (y1 , y2 , y3 , y4 ), unde


 y1 = (1 + 18 (2n − 1)) x1 + 34 (2n − 1) x2 + 51 (2n − 1) x3 + 17 (2n − 1) x4

y2 = −5 (2n − 1) x1 + (1 − 9 (2n − 1)) x2 − 15 (2n − 1) x3 − 5 (2n − 1) x4
,
 y3 = −3 (2n − 1) x1 − 6 (2n − 1) x2 + (1 − 8 (2n − 1)) x3 − 3 (2n − 1) x4

 n n n n
y4 = (2 − 1) x1 + 2 (2 − 1) x2 + 3 (2 − 1) x3 + (1 + 2 (2 − 1)) x4
pentru ∀ (x1 , x2 , x3 , x4 ) ∈ R4 .
16 OVIDIU VEGHEŞ

8. S   #Ţ 
.2
8.1. Tema nr.4. 8.1.1 Exerciţiu Scrieţi matricea asociată următorilor operatori în
perechea de baze canonice în cazul liniarităţii lor, să se determine nucleul, imaginea,
rangul şi defectul operatorilor, precum şi să se verifice teorema dimensiunii: a) U :
R2 → R4 , U (x1 , x2 ) = (x1 , x1 + x2 , x2 , x1 − x2 ); b) U : R4 → R3 , U (x1 , x2 , x3 , x4 ) =
(x1 + x2 , x1 + x3 , x1 + x4 ); c) U : Rn [X] → Rn [X], U (P (X)) = P (−X); d) U : Rn [X] →
Rn−1 [X], U (P (X)) = P ′ (X); e) U : R3 → R3 , U (x1 , x2 , x3 ) = (x3 , x1 , x2 ); f) U :
Rn [X] → Rn−1 [X], U (P (X)) = P (X + 1) − P (X). Am notat cu Rn [X] spaţiul vector-
ial al polinoamelor de grad cel mult n peste R în nedeterminata X. 
8.1.2 Exerciţiu a) Să se arate că în spaţiul vectorial real L R2 , R3 al tuturor oper-
atorilor liniari de la R2 la R3 operatorii U1 (x1 , x2 ) = (x1 , 0, 0), U2 (x1 , x2 ) = (0, x1 , 0),
U3 (x1 , x2 ) = (0, 0, x1 ), U4 (x1 , x2 ) = (x2 , 0, 0), U5 (x1 , x2 ) = (0, x2 , 0), U6 (x1 , x2 ) =
(0, 0, x2 ) formează o bază. Să se găsească unica reprezentare a operatorului liniar T definit
prin T (x1 , x2 ) = (x1 , 2x1 + 3x2 , 4x1 − 5x2 ) ca o combinaţie liniară a elementelor acestei
baze.  
b) Fie U1 , U2 , U3 ∈ L R3 , R3 definite prin
U1 (x1 , x2 , x3 ) = (x1 + 2x2 , x2 − x3 , 2x2 + x3 ) ;
U2 (x1 , x2 , x3 ) = (x3 , −x2 , x1 ) ;
U3 (x1 , x2 , x3 ) = (−x1 + x2 + x3 , −x2 + x3 , 2x1 + 3x2 − x3 ) .
 
Să se determine U4 , U5 , U6 ∈ L R3 , R3 definiţi prin U4 = U1 +U2 , U5 = U2 ◦U1 , U6 = U3−1 .
8.1.3 Exerciţiu Fie V un K-spaţiu vectorial, unde K are caracteristica diferită de 2.
Dacă T : V → V este un morfism cu proprietatea T ◦ T = idV , atunci să se arate că:
i) X1 = {x + T (x) | x ∈ V} este subspaţiu vectorial;
ii) X2 = {x − T (x) | x ∈ V} este subspaţiu vectorial;
iii) X1 ⊕ X2 = V.
8.1.4 Exerciţiu Fie (V, K) un spaţiu vectorial şi X1 , X2 două subspaţii vectoriale a lui
V. Dacă X1 ⊕ X2 = V atunci următoarele aplicaţii prX X1
X1 , prX2 : V → V, definite prin
2

prX X1
X1 (x) = x1 , prX2 (x) = x2 , unde x = x1 + x2 , cu x1 ∈ X1 , x2 ∈ X2 .
2

sunt morfisme de spaţii vectoriale. Să se verifice că: i) prX X2 X2 X1 X1

X1 ◦ prX1 = prX1 ; ii) prX2 ◦ prX2 =
2

prX X2 X1 X1 X2 X2 X1
X2 ; iii) prX1 ◦ prX2 = 0; iv) prX2 ◦ prX1 = 0; v) prX1+ prX2 = idV .
1

8.1.5 Exerciţiu Se consideră spaţiul vectorial R3 , R şi X1 = span (S1 ) şi X2 =

span (S2 ) unde S1 = {a1 = (1, 2, 1) , a2 = (2, 3, 3)} , S2 = {a3 = (3, 7, 1)} . Să se arate că
X1 ⊕ X2 = R3 şi să se determine prX X1
X1 şi prX2 .
2

8.2. Tema nr.5. 8.2.6 Exerciţiu i) Fie spaţiul vectorial real V şi operatorul liniar U :
V → V,
2π
U (f ) (x) = 0 (1 + sin (x − t)) f (t) dt, x ∈ [0, 2π] .
(a) Pentru V = CR [0, 2π], să se arate că Im U este finit—dimensional şi să se afle o bază
pentru Im U . (b) Pentru V = CR1 [0, 2π], să se afle o bază pentru Im U . (c) Generalizare
privind rangul operatorului U pe spaţiul vectorial al funcţiilor derivabile de k-ori, cu
derivata rezultată continuă pe [0, 2π], V = CRk [0, 2π], unde k ∈ N∗ .
ii) În fiecare din cele 3 situaţii (a), (b) şi (c) să se cerceteze dacă
U |Im U : Im U → Im U
este un endomorfism diagonalizabil.
iii) Să se găsească valorile proprii şi vectorii proprii ale endomorfismului U .
 ALGEBR Ă LINIAR Ă - UNITATEA DE ÎNV Ă ŢARE 2 17

8.2.7 Exerciţiu Fie V un K-spaţiu vectorial, nenul, în care K corp comutativ şi T ∈
LK (V, V) un endomorfism. Considerăm îndeplinită condiţia dimK V = n ∈ N∗ . Atunci
λ∈/ σ (T ) dacă şi numai dacă T − λ idV este automorfism.
8.2.8 Exerciţiu Fie un endomorfism T ∈ LK (V, V). Să se arate că: i) vectorii proprii
a lui T corespunzători valorii proprii zero, şi doar aceştia, aparţin lui ker T ; ii) vectorii
proprii a lui T corespunzători unei valori proprii nenule aparţin lui Im T .
8.2.9 Exerciţiu Fie A ∈ Mn (C). Să se arate că matricele A şi respectiv AT au acelaşi
polinom caracteristic. Să se dea exemplu de matrice A pentru care operatori liniari având
matricele de reprezentare A şi respectiv AT nu au acelaşi vectori proprii.
8.2.10 Exerciţiu Valoarea absolută a oricărei valori proprii a unei matrici productive4
este strict subunitară.
 
8.3. Tema nr.6. 8.3.11 Exerciţiu Fie T ∈ LR R3 , R3 definit prin
T (x1 , x2 , x3 , x4 ) = (−x1 , x2 − 4x1 , 2x4 − 3x3 , 3x4 − 4x3 ) .
i) Să se afle valorile proprii, subspaţiile proprii şi vectorii proprii ale endomorfismului T ; ii)
Să se arate că există un reper B în spaţiul vectorial real R3 în care matricea operatorului
D = [T ]B n E
B are forma diagonală; iii) Să se determine matricea [T ]E a endomorfismul
∗
T = T ◦ . . . ◦ T (unde T apare de n-ori), cu n ∈ N , corespunzătoare reperului canonic E
n

din R3 ; iv) Să se determine subspaţiile vectorialeX din R3 pentru  care  T (X) ⊆ X.

−1 0 −5 0 1 2
8.3.12 Exerciţiu Se consideră matricele: a)  5 4 5 ; b)  1 0 1 . Să se
−5 0 −1 2 1 0
afle valorile proprii, vectorii proprii şi să se diagonalizeze matricele.
8.3.13 Exerciţiu Pentru fiecare din situaţiile de la exerciţiul 8.3.12, să se calculeze
A−1 folosind teorema Cayley-Hamilton. Poate fi folosită teorema Cayley-Hamilton pentru
a se calcula An , cu n ∈ N ?
8.3.14 Exerciţiu Fie p : V → V un operator liniar de proiecţie. Să se demonstreze că
i) Im p = {v ∈ V | p (v) = v}; ii) V = ker p ⊕ Im p; iii) p este un endomorfism diagonalizabil
şi σ (p) = {0, 1}.
8.3.15 Exerciţiu Fie V un K-spaţiu vectorial, nenul. i) Să se arate că dacă p : V → V
este o proiecţie, atunci idV −p este proiecţie pentru care
ker (idV −p) = Im p, Im (idV −p) = ker p
şi 2p − idV este o involuţie5. Care din aceste trei endomorfisme este diagonalizabil ?

Bibliografie
[1] G. Cenuşă şi colectiv catedră. Matematici pentru economişti. Ed.CISION, Bucureşti, 2000. T
[2] G. Cenuşă şi colectiv catedră. Matematici pentru economişti. Culegere de probleme. Ed.CISION, Bu-
cureşti, 2001. A
[3] Colectiv catedră. Matematici aplicate în economie. Ed.ASE, 1990. T
[4] S.H. Friedberg, A.J. Insel. Linear Algebra. Printice Hall, 2003. T
[5] R. Şerban (coord.) şi colectiv catedră. Culegere de probleme de algebră liniară. Ed.ASE, 1986. A
[6] C. Neculăescu, O. Vegheş. Introducere în algebră liniară. Ed.ASE, 2005. T
[7] A. Toma. Algebră liniară. Culegere de probleme. Ed.Economica, 2002. A
[8] G. Cenuşă, I.Săcuiu, V.Burlacu. Matematici. Curs pentru studenţii din anul I de la specializarea:
Planificare şi Cibernetică Economică. Ed.ASE, 1986. T

4O matrice pătratică A ∈ M (R), unde n ∈ N, n  2, cu elemente pozitive se numeşte productivă,

n
dacă există v0 ∈ Mn,1 (R) astfel încât v0  Av0 .
5Un endomorfism T : V → V pentru care T 2 = id , unde T 2 = T ◦ T se numeşte involuţie.
V
18 OVIDIU VEGHEŞ

[9] C. Udrişte, C. Radu, C. Dicu, O. Mălăncioiu. Probleme de algebră, geometrie şi ecuaţii diferenţiale.
Ed.Didactică şi pedagogică, 1981. A
[10] C. Neculăescu, O. Vegheş. Introducere în algebra liniară. Curs în format digital. Capitolul 1,2,3,6.
http://www.biblioteca-digitala.ase.ro/biblioteca/carte2.asp?id=362&idb=11 . T
 ALGEBRĂ LINIARĂ - UNITATEA DE ÎNVĂŢARE 1

OVIDIU VEGHEŞ

Octombrie 2011

CUPRINS
1. Obiectivele unităţii de învăţare 1 1
2. Spaţii vectoriale şi subspaţii liniare 2
2.1. Spaţii vectoriale 2
2.2. Subspaţii vectoriale 4
2.3. Acoperirea liniară a unei mulţimi 5
3. Baze şi repere. Dimensiunea unui spaţiu vectorial 5
3.1. Dependenţă şi independenţă liniară 5
3.2. Baze şi repere ale spaţiilor vectoriale 6
3.3. Dimeniunea unui spaţiu vectorial 7
4. Folosirea coordonatelor unui vector în spaţii vectoriale de tip finit 7
4.1. Coordonatele unui vector în spaţii vectoriale de dimeniune finită 7
4.2. Modificarea coordonatelor unui vector la schimbarea reperelor 8
4.3. Rolul rangului matricei coordonatelor unor vectori 8
5. Operaţii cu subspaţii vectoriale 9
5.1. Suma şi intersecţia de subspaţii vectoriale 9
5.2. Suma directă de subspaţii vectoriale 9
5.3. Operaţii cu subspaţii în spaţii vectoriale de tip finit 10
6. Exerciţii rezolvate 10
7. Test de autoevaluare 14
8. Răspunsuri şi comentarii la testul de autoevaluare 15
9. Setul de exerciţii nr.1 16
9.1. Tema nr.1 16
9.2. Tema nr.2 16
9.3. Tema nr.3 17
Bibliografie 18

1. O
Ă Ţ   
Ă Ţ  1

Acest material este destinat studenţilor din învăţământul economic din anul I, ID, de
la Facultatea de Cibernetică, Statistică şi Informatică Economică din Academia de Studii
Economice Bucureşti.
Unitate de învăţare 1 conţine, o prezentare într-o formă accesibilă, dar riguroasă a
noţiunilor introductive privind vectorii, scalarii şi spaţiile vectoriale.
Sarcinile impuse în parcurgerea materialului sunt:
1
2 OVIDIU VEGHEŞ

- memorarea noţiunilor descrise în material, descrierea lor în limbaj matematic ca şi

exprimarea alternativă a lor,
- memorarea principalelor rezultate matematice şi urmărirea aplicării lor în exerciţiile
propuse,
- parcurgerea unora din titlurile privind teoria (T) recomandate în bibliografie, pentru
a recupera demonstraţiile principalelor propoziţii şi teoreme,
- parcurgerea altor probleme rezolvate cuprinse într-unul din titlurile privind aplicaţiile
(A) recomandate în bibliografie, pentru a identifica diferite tipuri de probleme,
- autotestarea cunoştinţelor şi deprinderilor dobândite folosind testul de autoevaluare,
urmată de reluarea paşilor anteriori în caz de eşec.
- efectuarea temei cuprinsă în setul de exerciţii nr.1,
- utilizarea acestor noţiuni cu încărcatura semantică aferentă în combinaţie cu limbajul
cotidian atunci când contextul face posibil acest lucru.
Obiectivele avute în vedere sunt:
-însuşirea limbajului specific modelării realităţii economico-sociale prin modele liniare,
-dezvoltarea capacităţii de a construi un raţionament,
-dezvoltarea atenţiei pentru a face conexiuni,
-dobândirea unor noi competenţe privind analiza unor procese sau fenomene economice
dintre cele mai diverse.
După studiul acestei unităţi de învăţare, studentul va avea cunoştinţe despre: spaţii
vectoriale, subspaţii vectoriale, operaţii cu subspaţii vectoriale, acoperirea liniară a unei
mulţimi, mulţime de generatori ai unui spaţiu liniare, dependenţă şi independenţă liniară,
baze şi repere în spaţii vectoriale, dimensiunea unui spaţiu vectorial, raporturile dintre
subspaţii în spaţii vectoriale de tip finit, coordonatele unui vector în spaţii vectoriale de
tip finit, modificarea coordonatelor unui vector la schimbarea reperelor, rangului matricei
coordonatelor unor vectori.
Deşi materialul prezent nu evidenţiază acest aspect studentul dobândeşte cunoştinţele de
fundamentale necesare la alte discipline ce se ocupă cu modelarea matematică a realităţii.

2. SŢ   Ş   Ţ  


2.1. Spaţii vectoriale. Fie K şi V două mulţimi nevide.
2.1.1 Definiţie Mulţimea K posedă o structură de corp algebric dacă sunt definite
două operaţii algebrice binare:


de adunare +K : K × K → K
de înmulţire ·K : K × K → K
ce verifică axiomele:
corp-1: ∀α, β, γ ∈ K, (α +K β) +K γ = α +K (β +K γ);
corp-2: ∀α, β ∈ K, α +K β = β +K α;
corp-3: ∃0K ∈ K, ∀α ∈ K, α +K 0K = α;
corp-4: ∀α ∈ K, ∃ (−α) ∈ K, α +K (−α) = 0K ;
corp-5: ∀α, β, γ ∈ K, (α ·K β) ·K γ = α ·K (β ·K γ);
corp-6: ∃1K ∈ K, ∀α ∈ K, α ·K 1K = α;
corp-7: ∀α ∈ K∗ = K {0K }, ∃α−1 ∈ K, α ·K α−1 = 1K ;
corp-8: 0K
= 1K ;
corp-9: ∀α, β, γ ∈ K,
(α +K β) ·K γ = (α ·K γ) +K (β ·K γ) şi
α ·K (β +K γ) = (α ·K β) +K (α ·K γ) .
 ALGEBR Ă LINIAR Ă - UNITATEA DE ÎNV Ă ŢARE 1 3

Vom nota prin (K, +K , ·K ) structura de corp a asociată lui K. Dacă, în plus de verifică
şi axioma:
corp-10: ∀α, β ∈ K, α ·K β = β ·K α
spunem că K posedă o structură de corp algebric comutativ (sau că (K, +K , ·K ) este o
structură de corp comutativ).
2.1.2 Observaţie Reamintim că în orice grup se poate introduce natural o nouă o-
peraţie asociată. Astfel, în cazul nostru, se poate defini operaţia de scădere, notată prin
„−K ”, unde α −K β = α +K (−β), ∀α, β ∈ K .
2.1.3 Definiţie Dacă (K1 , +K1 , ·K1 ) şi (K2 , +K2 , ·K2 ) indică corpuri algebrice, o funcţie
f : K1 → K2 se numeşte morfism de corpuri algebrice dacă:
(1) ∀α, β ∈ K1 , f (α +K1 β) = f (α) +K2 f (β),
(2) ∀α, β ∈ K1 , f (α ·K1 β) = f (α) ·K2 f (β),
(3) f (1K1 ) = 1K2 .
Dacă morfismul de corpuri f : K1 → K2 este şi bijectiv el se numeşte izomorfism.
2.1.4 Propoziţie Fie K un corp algebric. Sunt adevărate afirmaţiile:
(1) ∀α ∈ K, α ·K 0K = 0K ·K α = 0K ,
(2) ∀α ∈ K {0K }, α nu este divizor a lui 0K nici la stânga, nici la dreapta,
(3) ∀α, β ∈ K, α ·K (−β) = (−α) ·K β = − (α ·K β) ∧ (−α) ·K (−β) = α ·K β,
(4) ∀α, β, γ ∈ K, (α −K β) ·K u = α ·K γ −K β ·K γ,
(5) ∀α, β, γ ∈ K, α ·K (β −K γ) = α ·K β −K α ·K γ,
(6) ∀n ∈ N {0, 1}, ∀α, β 1 , . . . , β n ∈ K,
α ·K (β 1 +K . . . +K β n ) = (α ·K β 1 ) +K . . . +K (α ·K β n ) ,
(7) ∀n ∈ N {0, 1}, ∀α1 , . . . , αn , β ∈ K,
(α1 +K . . . +K αn ) ·K β = (α1 ·K β) +K . . . +K (αn ·K β) .
2.1.5 Definiţie Spunem că V posedă o structură de K-spaţiu vectorial (sau K-spaţiu
liniar), unde K este un corp algebric, dacă sunt definite două operaţii algebrice binare:


de adunare a vectorilor + : V×V → V
de înmulţire cu scalari a vectorilor · : K × V → V
ce verifică axiomele:
sv-1: ∀u, v, w ∈ V, (u + v) + w = u + (v + w);
sv-2: ∀u, v ∈ V, u + v = v + u;
sv-3: ∃0V ∈ V, ∀u ∈ V, u + 0V = u;
sv-4: ∀u ∈ V, ∃ (−u) ∈ V, u + (−u) = 0V ;
sv-5: ∀u ∈ V, 1K · u = u;
sv-6: ∀α, β ∈ K, ∀u ∈ V, (α ·K β) · u = α · (β · u);
sv-7: ∀α, β ∈ K, ∀u ∈ V, (α +K β) · u = α · u + β · u;
sv-8: ∀α ∈ K, ∀u, v ∈ V, α · (u + v) = α · u + α · v.
Vom nota prin (V, +, ·, K, +K , ·K ) structura de spaţiu vectorial a lui V. Dacă contextul
nu este ambiguu, atunci V se numeşte, simplu, spaţiu vectorial.
În contextul K-spaţiului vectorial V, elementele mulţimii K se numesc scalari, iar e-
lementele mulţimii V se numesc vectori, operaţia „+” se numeşte operaţie internă, iar
„·” se numeşte operaţie externă spaţiului vectorial. Operaţiile „+” şi „·” sunt denumite
operaţii vectoriale.
4 OVIDIU VEGHEŞ

2.1.6 Observaţie Pentru K = R , V se numeşte spaţiu vectorial real, iar pentru K = C,

V se numeşte spaţiu vectorial complex. În acest context, sixpletul (V, +, ·, R, +R , ·R ), res-
pectiv (V, +, ·, C, +C , ·C ), indicând structura vectorială reală, respectiv structura vectorială
complexă.
2.1.7 Observaţie i) Operaţia de scădere a vectorilor, notată prin „−”, este definită
prin
u − v = u + (−v), ∀u, v ∈ V.
ii) De regulă α·(β · u)
= β ·(α · u), cu α, β ∈ K, u ∈ V, atunci când K nu este comutativ.
2.1.8 Propoziţie Fie sixpletul (V, +, ·, K, +K , ·K ) ce indică un spaţiu vectorial. Sunt
adevărate afirmaţiile:
(1) ∀α ∈ K, ∀u ∈ V, α · 0V = 0K · u = 0V ,
(2) Dacă α ∈ K, u ∈ V, u
= 0V şi α · u = 0V , atunci α = 0K ,
(3) Dacă α ∈ K, α
= 0K , u ∈ V şi α · u = 0V , atunci u = 0V ,
(4) ∀α ∈ K, ∀u ∈ V, α · u = 0V ←→ (α = 0K ∨ u = 0V ),
(5) ∀u ∈ V, (−1K ) · u = −u,
(6) ∀α ∈ K, ∀u ∈ V, α · (−u) = (−α) · u = − (α · u) ∧ (−α) · (−u) = α · u,
(7) ∀α, β ∈ K, ∀u ∈ V, (α −K β) · u = α · u − β · u,
(8) ∀α ∈ K, ∀u, v ∈ V, α · (u − v) = α · u − α · v,
(9) ∀n ∈ N {0, 1}, ∀α ∈ K, ∀u1 , . . . , un ∈ V,
α · (u1 + . . . + un ) = (α · u1 ) + . . . + (α · un ) ,
(10) ∀n ∈ N {0, 1}, ∀α1 , . . . , αn ∈ K, ∀u ∈ V,
(α1 +K . . . +K αn ) · u = (α1 · u) + . . . + (αn · u) .
2.1.9 Observaţie Notaţiile pot fi "simplificate", în sensul următor: elementul neutru
la adunarea vectorilor 0V va fi notat cu 0, elementul neutru la adunarea scalarilor 0K va
fi notat tot cu 0, elementul neutru la înmulţirea scalarilor 1K va fi notat cu 1. Distincţia
între diferitele elemente notate la fel se va face din context. În mod asemănător
distincţia între diferitele operaţii notate la fel se va face din context, astfel
încât structura de spaţiu vectorial va fi notată cu (V, +, ·, K, +, ·), fără a exista pericol de
confuzie decât aparent. În mod frecvent vom nota structura de spaţiu vectorial cu (V, K)
atunci când toate operaţiile sunt considerate implicit cunoscute. Mai mult, pentru α ∈ K
şi u ∈ V întelegem prin αu rezultatul operaţiei α · u.
2.1.10 Definiţie Dacă (V1 , +V1 , ·V1 , K, +, ·) şi (V2 , +V2 , ·V2 , K, +, ·) indică spaţii vec-
toriale (peste acelaşi corp de scalari !), o funcţie U : V1 → V2 se numeşte K-morfism de
spaţii vectoriale (sau K-aplicaţie liniară, sau K-operator liniar) dacă:
(1) ∀x, y ∈ V1 , U (x +V1 y) = U (x) +V2 U (y) (U este aditiv),
(2) ∀x ∈ V1 , ∀α ∈ K, U (α ·V1 x) = α ·V2 U (x) (U este omogen).
Se notează cu LK (V1 , V2 ) mulţimea tuturor K-morfismelor de spaţii vectoriale dintre
(V1 , +V1 , ·V1 , K, +, ·) şi (V2 , +V2 , ·V2 , K, +, ·).
Dacă K-morfismul de spaţii vectoriale U : V1 → V2 este şi bijectiv el poartă denu-
mirea de K-izomorfism de spaţii vectoriale. Spaţiile vectoriale între care există un
U
K-izomorfism se numesc K-izomorfe. Se va nota acest prin V1 ∼=K V2 (sau V1 ∼ =K V2 , dacă
vrem să punem în evidenţă K-izomorfismul U : V1 → V2 ).

2.2. Subspaţii vectoriale. 2.2.11 Definiţie Fie V un K-spaţiu vectorial şi X ⊆ V,

X
= ∅. X se numeşte K-subspaţiu vectorial sau K-subspaţiu liniar (sau subspaţiu
 ALGEBR Ă LINIAR Ă - UNITATEA DE ÎNV Ă ŢARE 1 5

vectorial, dacă contextul nu este ambiguu) al lui V dacă:

i) ∀u, v ∈ X, u + v ∈ X;
ii) ∀α ∈ K, ∀u ∈ X, α · u ∈ X.
2.2.12 Observaţie i) Dacă X este K-subspaţiu vectorial al K-spaţiului vectorial V,
atunci X este K-spaţiu vectorial (sau echivalent (X, +, ·, K, +, ·) este o structură vectorială).
ii) Are loc următoarea caracterizare a subspaţiilor vectoriale: X este K-subspaţiu vec-
torial al K-spaţiului vectorial V dacă şi numai dacă
∀u, v ∈ X, ∀α, β ∈ K, avem α · u + β · v ∈ X.

2.3. Acoperirea liniară a unei mulţimi. Fie V un K-spaţiu vectorial.

2.3.13 Definiţie Fie M ⊆ V, M
= ∅.
i) Se numeşte acoperirea liniară lui M mulţimea
spanK (M) = {α1 v1 + . . . + αr vr |v1 , . . . , vr ∈ M, α1 , . . . , αr ∈ K, r ∈ N∗ } .
ii) Dacă u ∈ spanK (M), atunci spunem că u este o combinaţie liniară finită de
elemente a lui M, iar scalarii α1 , . . . , αr ∈ K care fac validă o relaţie de forma
u = α1 v1 + . . . + αr vr
se numesc ponderi în combinaţia liniară a lui u.
iii) Spunem că M este o mulţime de generatori ai spaţiului V (sau M generează
mulţimea tuturor vectorilor din V) dacă spanK (M) = V.
2.3.14 Propoziţie Fie M ⊆ V, M
= ∅ şi G ⊆ V, G
= ∅.
i) spanK (M) este subspaţiu vectorial şi, în plus, M ⊆ spanK (M).
ii) Dacă X este subspaţiu vectorial, atunci X = spanK (X).
iii) Dacă M1 ⊆ M2 ⊆ V, M1
= ∅, atunci spanK (M1 ) ⊆ spanK (M2 ). Mai mult,
orice supramulţime, în sensul incluziunii, al unei mulţimi de generatori este mulţime de
generatori a lui V.
iv) Dacă G este o mulţime de generatori pentru V şi v ∈ G ∩ spanK ({v1 , ..., vm }), atunci
(G \ {v}) ∪ {v1 , ..., vm } este o mulţime de generatori pentru V.
v) Dacă G este o mulţime de generatori pentru V şi v ∈ G ∩ spanK (G \ {v}), atunci
G \ {v} este sistem de generatori pentru V.

3. B Ş  . D



 Ţ  

3.1. Dependenţă şi independenţă liniară. Fie V un K-spaţiu vectorial.

3.1.1 Definiţie i) Fie {v1 , .., vr } o mulţime de vectori din V. Această mulţime se
numeşte mulţime liberă sau liniar independentă sau că este formată cu vectori
liniar independenţi dacă este adevărată următoarea implicaţie
∀α1 , ..., αn ∈ K, α1 v1 + . . . + αr vr = 0V −→ α1 = α2 = ... = αn = 0.
ii) Fie L ⊆ V, L
= ∅ (finită sau infinită). L se numeşte mulţime de vectori liniar
independentă dacă orice parte finită, nevidă, a sa este liniar independentă.
iii) Fie L ⊆ V, L
= ∅. Dacă această mulţime nu este liniar independentă, atunci ea se
numeşte mulţime legată sau liniar dependentă.
3.1.2 Observaţie Fie L ⊆ V, L
= ∅ o mulţime (finită sau infinită) de vectori din V. Ea
este liniar dependentă dacă şi numai dacă există o submulţime finită a sa {v1 , .., vr } ⊆ L
şi
∃α1 , ..., αn ∈ K, nu toţi simultan nuli, astfel încât α1 v1 + . . . + αr vr = 0V .
6 OVIDIU VEGHEŞ

3.1.3 Propoziţie i) Fie v ∈ V, v

= 0V . Atunci mulţimea {v} este liniar independentă.
ii) O submulţime, în sensul incluziunii, a unei mulţimi de vectori liniar independentă
este o mulţime de vectori liniar independentă.
iii) Orice supramulţime, în sensul incluziunii, a unei mulţimi liniar dependente este o
mulţime liniar dependentă.
iv) Orice mulţime de vectori care conţine vectorul nul este liniar dependentă.
v) O mulţime de vectori este liniar dependentă dacă şi numai dacă cel puţin unul dintre
vectori este o combinaţie liniară finită a unora dintre ceilalţi vectori.
vi) Dacă L ⊆ V, L
= ∅, cu L liniar independentă şi L ∪ {v} este liniar dependentă
atunci v se poate scrie ca o combinaţie liniară finită de vectori din L.
vii) Dacă L ⊆ V, L
= ∅, cu L liniar independentă şi v ∈ spanK (L), atunci ponderile
din combinaţia liniară finită de vectori din L a lui v sunt unice.

3.2. Baze şi repere ale spaţiilor vectoriale. Fie V un K-spaţiu vectorial.
3.2.4 Definiţie Fie B ⊆ V, B
= ∅ (finită sau infinită). Mulţimea B se numeşte baza
a K-spaţiului vectorial V dacă B este atât o mulţime de generatori pentru V cât şi
o mulţime de vectori liniar independentă. Dacă pentru o bază avem fixată o relaţie de
ordine între elementele ei, atunci se va folosi sintagma reper în K-spaţiul vectorial V.
3.2.5 Observaţie i)Între vectorii unei baze B nu există o regulă generală de indexare
a elementelor mulţimii B. Dacă în schimb avem în vedere o ordine de enumerare, atunci
spunem că lucrăm cu un reper. Astfel dacă B = {bi | i ∈ I} este o bază, atunci (bi )i∈I
este reperul asociat implicit indexării date de mulţimea ordonată I.
ii) Se foloseşte uneori denumirea de bază Hamel dacă baza are o infinitate de elemente.
3.2.6 Teoremă[caracterizarea bazelor] Fie B ⊆ V, B
= ∅ (finită sau infinită). Sunt
echivalente afirmaţiile:
(1) B este o mulţime liniar independentă, maximală în sensul incluziunii;
(2) B este o mulţime de generatori a lui V, minimală în sensul incluziunii;
(3) B este bază.
3.2.7 Observaţie (a) B este o mulţime liniar independentă maximală, în sensul in-
cluziunii, dacă
∀M ⊇ B, M
= ∅, M
= B atunci M nu este o mulţime liniar independentă.
Echivalent, orice mulţime liniar independentă care include B este chiar egală cu B.
(b) De asemenea, B este o mulţime de generatori a spaţiului V minimală, în sensul
incluziunii, dacă
∀M ⊆ B, M
= ∅, M
= B atunci M nu este o mulţime de generatori pentru V.
Echivalent, orice mulţime de generatori a lui V inclusă în B este chiar egal cu B.
3.2.8 Teoremă[fundamentală a spaţiilor vectoriale] Fie V este un K-spaţiu vectorial,
nenul (V
= {0V }).
(1) Dacă L ⊆ G ⊆ V, L
= ∅, cu L liniar independentă şi G mulţime de generatori
pentru V, atunci există B
= ∅ bază a spaţiului vectorial astfel încât L ⊆ B ⊆ G.
(2) K-spaţiul vectorial V admite o bază.
3.2.9 Corolar[completare] Fie V este un K-spaţiu vectorial, nenul. Dacă L ⊆ V, L
= ∅,
cu L liniar independentă, atunci există B
= ∅ bază a spaţiului vectorial astfel încât L ⊆ B.
3.2.10 Corolar[extragere] Fie V este un K-spaţiu vectorial, nenul. Dacă G ⊆ V, G
= ∅,
cu G mulţime de generatori pentru V, atunci există B
= ∅ bază a spaţiului vectorial astfel
încât B ⊆ G.
 ALGEBR Ă LINIAR Ă - UNITATEA DE ÎNV Ă ŢARE 1 7

3.3. Dimeniunea unui spaţiu vectorial. Fie V un K-spaţiu vectorial.

3.3.11 Teoremă[Steinitz] Fie L = {u1 , u2 , ..., ur } o mulţime de vectori liniar indepen-
dentă şi G = {g1 , g2 , ..., gm } o mulţime de vectori generatori pentru V, unde r, m ∈ N∗ .
Sunt adevărate următoarele două afirmaţii:
i) r
m;
ii) putem înlocui r vectori din mulţimea G cu vectori din mulţimea L, şi mulţimea
obţinută este sistem de generatori al lui V.
3.3.12 Corolar Dacă V este un spaţiu vectorial, nenul, finit generat, atunci V are o
bază. Mai mult orice altă bază este finită şi toate bazele au acelaşi număr de elemente.
3.3.13 Teoremă Fie V este un K-spaţiu vectorial, nenul. Între orice două baze poate
fi stabilită o aplicaţie bijectivă.
3.3.14 Definiţie i) Dacă K-spaţiul vectorial
 V admite o bază cu un număr finit de
vectori sau K-spaţiul vectorial V este  0 , el se numeşte spaţiu vectorial de tip finit.
Dacă K-spaţiul vectorial V nu este 0 , numărul
  de elemente al oricărei baze se notează
dimK V. Dacă K-spaţiul vectorial V este 0 , dimK V, este zero.
ii) Dacă K-spaţiul vectorial V admite o bază cu un număr infinit de vectori, el se numeşte
spaţiu vectorial de tip infinit. În acestă situaţie notăm dimK V =∞.
iii) dimK V se numeşte dimensiunea K-spaţiului vectorial V.
3.3.15 Exemplu 1) Pentru K-spaţiul vectorial Kn , cu n ∈ N∗ , mulţimea
E = {e1 = (1, 0, . . . 0) , e2 = (0, 1, . . . 0) , . . . , en = (0, 0, . . . 1)}
este o bază şi, în consecinţă, dimK Kn = n.
2) Pentru K-spaţiul vectorial Mm.n (K), cu m, n ∈ N∗ , mulţimea
      
 1 0 .. 0 0 1 .. 0 0 0 .. 0 
 
 0 0 .. 0   0 0 .. 0   0 0 .. 0 
E = e11 =   , e12 =   , . . . , emn =  

 .. .. .. .. .. .. .. .. .. .. .. .. 

0 0 .. 0 0 0 .. 0 0 0 .. 1
este o bază şi, în consecinţă, dimK Mm.n (K) = mn. 
3) Pentru K-spaţiul vectorial K [X], mulţimea 1, X, X 2 , . . . , X n , . . . este liniar in-
dependentă maximală.
  Pentru K-spaţiul vectorial Kn [X], cu n ∈ N∗ , mulţimea E =
1, X, X 2 , . . . , X n este o bază. Rezultă dimK K [X] = ∞ şi dimK Kn [X] = n + 1.
4) Pentru spaţiul vectorial real FR (I) = {f : I → K | f - funcţie}, unde I este un in-
terval nesingular, mulţimea {1, cos (x) , sin (x) , cos (2x) , sin (2x) , . . .} este liniar indepen-
dentă nemaximală şi, în consecinţă, dimR FR (I) = ∞. De asemenea dimR CR (I) = ∞,
unde CR (I) = {f ∈ FR (I) | f- continuă pe I}.

4. F 

  
Ţ     

4.1. Coordonatele unui vector în spaţii vectoriale de dimeniune finită. Fie V un
K-spaţiu vectorial de tip finit, n = dimK V ∈ N şi E = (ei )i=1,n un reper al său.
4.1.1 Lemă[bazei] Orice vector se scrie în mod unic ca o combinaţie liniară (finită !)
de vectori ai bazei (abstracţie făcând de ordinea de însumare a termenilor).
4.1.2 Definiţie Se numeşte matricea coordonatelor  vectorului x ∈ V în reperul
x1
E, notată [x]E ∈ Mn.1 (K), matricea coloană [x]E =  ...  ale cărei elemente se verifică
xn
relaţia
x = x1 e1 + x2 e2 + ... + xn en .
Scalarii x1 , . . . , xn ∈ K se numesc coordonatele lui x în reperul E.
8 OVIDIU VEGHEŞ

4.1.3 Observaţie Lema 4.1.1 ne probează unicitatea coordonatelor unui vector într-un
reper.
 
a1
 .. 
 . 
 
4.1.4 Lemă[schimbului] Dacă v ∈ V astfel încât [v]E =  ak , cu ak
= 0, atunci
 . 
 .. 
an
B = (e1 ..., ek−1 , v, ek+1 , ..., en ) este un nou reper în K-spaţiul vectorial V, iar coordonatele
unui vector oarecare din V se schimbă după următoarea schemă:
e1 . . . ei . . . ek . . . en v x
e1 1 ... 0 ... 0 ... 0 a1 x1
... ... ... ... ... ... ... ... ... ...
ei 0 ... 1 ... 0 ... 0 ai xi Pas Gauss-Jordan
=⇒
... ... ... ... ... ... ... ... ... ...
ek 0 ... 0 ... 1 ... 0 a−k ↓
← xk
... ... ... ... ... ... ... ... ... ...
en 0 ... 0 ... 0 ... 1 an xn

e1 . . . ei . . . ek ... en v x
e1 1 . . . 0 . . . −a−1
k a1 ... 0 0 x1 − xk a−1
k a1
... ... ... ... ... ... ... ... ... ...
ei 0 . . . 1 . . . −a−1
k ai ... 0 0 xi − xk a−1
k ai
... ... ... ... ... ... ... ... ... ...
v 0 ... 0 ... a−1
k ... 0 1 xk a−1
k
... ... ... ... ... ... ... ... ... ...
en 0 . . . 0 . . . −a−1
k an ... 1 0 xn − xk a−1
k an
4.1.5 Observaţie K poate fi corp algebric comutativ sau necomutativ.

4.2. Modificarea coordonatelor unui vector la schimbarea reperelor. Fie K un

corp algebric comutativ, V un K-spaţiu vectorial de tip finit, n = dimK V.
4.2.6 Definiţie Fie E = (ei )i=1,n şi F = (fi )i=1,n două repere în V. Se numeşte
matricea de trecere de la E la F matricea care are pe coloane coordonatele vectorilor
din F exprimaţi in reperul E, adică [[f1 ]E . . . [fn ]E ].
4.2.7 Teoremă Fie E = (ei )i=1,n şi F = (fi )i=1,n două repere. Notăm prin C matricea
de trecere de la E la F , iar D matricea de trecere de la F la E. Atunci C şi D sunt
nesingulare, C −1 = D şi D−1 = C. În plus, [x]E = C [x]F şi [x]F = C −1 [x]E , ∀x ∈ V.
4.2.8 Observaţie Este util să reţinem următoarea schemă de transformare
E F x
E I C=D −1 [x]E = C [x]F
F D=C −1 I [x]F = C −1 [x]E

4.3. Rolul rangului matricei coordonatelor unor vectori. Fie K un corp comutativ
şi m, n ∈ N∗ .
4.3.9 Teoremă Rangul unei matrice A ∈ Mm,n (K) este egal cu numărul maxim de
coloane (linii) ce formează o mulţime liniar independente în K-spaţiul vectorial Mm,1 (K)
(respectiv M1.n (K)).
 ALGEBR Ă LINIAR Ă - UNITATEA DE ÎNV Ă ŢARE 1 9

4.3.10 Corolar[Criteriul privind liniar independenţa] Fie K un corp algebric comuta-

tiv, V un K-spaţiu vectorial de tip finit, n = dimK V. Considerăm dat reperul B = (bi )i=1,n
 
şi mulţimea de vectori {v1 , . . . , vp } ⊆ V. Fie A = [v1 ]B . . . [vp ]B matricea care conţine
pe coloane coordonatele acestor vectori în reperul B. Atunci {v1 , . . . , vp } este liniar inde-
pendentă dacă şi numai dacă rang A = p
n.
4.3.11 Corolar[Criteriul privind sistemul de generatori] Fie K un corp algebric comuta-
tiv, V un K-spaţiu vectorial de tip finit, n = dimK V. Considerăm dat reperul B = (bi )i=1,n
 
şi mulţimea de vectori {v1 , . . . , vp } ⊆ V. Fie A = [v1 ]B . . . [vp ]B matricea care conţine
pe coloane coordonatele acestor vectori în reperul B. Atunci spanK {v1 , . . . , vp } = V dacă
şi numai dacă rang A = n
p.

5. OŢ    Ţ  

5.1. Suma şi intersecţia de subspaţii vectoriale. Fie V un K-spaţiu vectorial.
5.1.1 Definiţie Fie M, M1 , ..., Mr ⊆ V submulţimi de vectori, nevide. Definim
 
suma de mulţimi: M1 + ... + Mr = v1 + ... + vr | vs ∈ M, ∀s = 1, r ,
α-omotetia mulţimii M (α ∈ K): αM = {α · v | v ∈ M} ,
mulţimea direcţiilor mulţimii M: KM = {α · v | α ∈ K, v ∈ M} .
5.1.2 Teoremă Fie V un K-spaţiu vectorial. Sunt adevărate afirmaţiile:
i) Dacă Xs , cu s ∈ {1, . . . , r}, sunt K-subspaţii vectoriale în V, atunci X1 + . . . + Xr este
K-subspaţiu vectorial a lui V. În plus
X1 + . . . + Xr = SpanK (X1 ∪ . . . ∪ Xr ) .
ii) Dacă Xs , cu s ∈ I, sunt K-subspaţii vectoriale în V, atunci ∩s∈I Xs este K-subspaţiu
vectorial a lui V.
5.2. Suma directă de subspaţii vectoriale. 5.2.3 Propoziţie Fie X1 , . . ., Xr sunt
K-subspaţii vectoriale în V. Sunt echivalente afirmaţiile:
(1) ∀x ∈ X1 + . . . + Xr , ∃! (x1 , . . . , xr ) ∈ X1× . . . × Xr astfel încât x = x1 + ... + xr .

(2) ∀s ∈ {1, . . . , r}, Xs ∩ j∈{1,...,r},j=s Xj = {0V }.
5.2.4 Definiţie Fie X1 , . . ., Xr sunt K-subspaţii vectoriale în V. Dacă
∀x ∈ X1 + . . . + Xr , ∃! (x1 , . . . , xr ) ∈ X1 × . . . × Xr astfel încât x = x1 + ... + xr
atunci suma subspaţiilor date este directă şi notăm acest fapt prin
X1 ⊕ . . . ⊕ Xr = X1 + . . . + Xr .
5.2.5 Definiţie K-subspaţiile X1 şi X2 se numesc suplementare unul celuilalt, dacă
şi numai dacă V = X1 ⊕ X2 .
5.2.6 Teoremă Orice subspaţiu al unui spaţiu vectorial are un subspaţiu suplementar.
Două spaţii suplementare ale aceluiaşi subspaţiu vectorial sunt izomorfe între ele.
5.2.7 Observaţie i) Ne aşteptăm ca un K-subspaţiu vectorial X1 să admită, în general,
mai multe K-subspaţii vectoriale

X2 suplementare.
X1 + X2 = V
ii) V = X1 ⊕ X2 ⇐⇒ .
X1 ∩ X2 = {0V }
5.2.8 Propoziţie Fie X1 , . . ., Xr K-subspaţii vectoriale în V astfel încât
V = X1 ⊕ . . . ⊕ Xr .
Dacă Yk ⊆ Xk este o mulţime de vectori liniar independentă, k = 1, r, atunci Y = ∪rk=1 Yk
este o mulţime de vectori liniar independentă.
10 OVIDIU VEGHEŞ

5.3. Operaţii cu subspaţii în spaţii vectoriale de tip finit. Fie V un K-spaţiu vec-
torial de tip finit (n = dimK V ∈ N).
5.3.9 Propoziţie i) Dacă X1 , X2 sunt K-subspaţii vectoriale în V astfel încât X1 ⊆ X2 ,
atunci dimK X1
dimK X2
dimK V.
ii) Fie X1 , X2 sunt K-subspaţii vectoriale în V. Dacă X1 ⊆ X2 şi dimK X1 = dimK X2 ,
atunci X1 = X2 .
iii) Orice şir monoton, în sensul incluziunii, de K-subspaţii vectoriale în V este stagnant
de la un anumit rang.
5.3.10 Teoremă[Grassmann] Fie X1 , X2 ⊆ V două K-subspaţii vectoriale. Atunci
dimK (X1 + X2 ) = dimK X1 + dimK X2 − dimK (X1 ∩ X2 ) .
5.3.11 Corolar Fie X1 , X2 ⊆ V două K-subspaţii vectoriale. Dacă dimK X1 +dimK X2 >
n (= dimK V), atunci X1 ∩ X2
= {0V }.
5.3.12 Propoziţie Fie X1 , . . ., Xr sunt K-subspaţii vectoriale în V. Sunt echivalente
afirmaţiile:
(1) V1 = X1 ⊕ . . . ⊕ Xr . 
(2) V1 = X1 + . . . + Xr şi dimK V1 = ni=1 dimK Xi .
5.3.13 Corolar Fie X1 , X2 sunt K-subspaţii vectoriale în V. Sunt echivalente afirmaţi-
ile:
(1) ∀x ∈ V1 = X1 + X2 , ∃! (x1 , x2 ) ∈ X1 × X2 astfel încât x = x1 + x2 .
(2) V1 = X1 + X2 , şi X1 ∩ X2 = {0V }.
(3) V1 = X1 + X2 , şi dimK V1 = dimK X1 + dimK X2 .
5.3.14 Definiţie Fie X1 un K-subspaţiu vectoriale în V. Dimensiunea suplementului
direct se mai numeşte codimensiunea lui X1 .
5.3.15 Observaţie Fie X1 un K-subspaţiu vectoriale în V.
i) codimK X1 = dimK V − dimK X1 = dimK (V|X1 ).
ii) Fie F = {f1 , . . . , fdimK X1 } o bază a lui X1 . Conform corolarului de completare, se
poate completa F până la o bază B în V, şi fie fdimK X1 +1 , ..., fdimK V vectorii neneuli,
adăugaţi lui F . Fie X2 = spanK ({fdimK X1 +1 , ..., fdimK V }). Atunci X2 este suplementul
direct a lui X1 în V (V = X1 ⊕ X2 ). Verificarea acestei observaţii este lăsată cititorului.

6. E Ţ  
6.0.1 Exerciţiu Fie F submulţimea lui R3 definită prin
F = {(c + d, 2c, c − 3d) | c, d ∈ R} .
i) Arătaţi că F este un subspaţiu vectorial real a spaţiului vectorial real R3 . ii) Fie G
subspaţiu vectorial real a lui R3 definit prin
 
G = (x, y, z) ∈ R3 | − 3x + 2y − z = 0 .
iii) Arătaţi F şi G coincid ca subspaţii vectoriale. iv) Să se decidă dacă v = (1, 1, 2) este
un vector din F . v) Să se verifice că F ⊕ spanR ({v}) = R3 .
Soluţie. Toate calculele şi raţionamentele se fac în spaţiul vectorial real R3 .
i) Dacă (c + d, 2c, c − 3d), (c′ + d′ , 2c′ , c′ − 3d′ ) ∈ F , unde c, d, c′ , d′ ∈ R, atunci








(c + d, 2c, c − 3d) + c′ + d′ , 2c′ , c′ − 3d′ = c + c′ + d + d′ , 2 c + c′ , c + c′ − 3 d + d′ ∈ F,
deoarece (c + c′ ) , (d + d′ ) ∈ R.
Dacă (c + d, 2c, c − 3d) ∈ F , unde c, d ∈ R, şi α ∈ R, atunci evident
α (c + d, 2c, c − 3d) = ((αc) + (αd) , 2 (αc) , (αc) − 3 (αd)) ∈ F,
deoarece (αc) , (αd) ∈ R.
 ALGEBR Ă LINIAR Ă - UNITATEA DE ÎNV Ă ŢARE 1 11

−3x + 2y − z = 0
ii) Dacă (x, y, z) , (x′ , y ′ , z ′ ) ∈ G, adică , cu x, x′ , y, y ′ , z, z ′ ∈ R, atunci
−3x′ + 2y ′ − z ′ = 0
−3 (x + x′ ) + 2 (y + y′ ) − (z + z ′ ) = 0 şi x + x′ , y + y′ , z + z ′ ∈ R. Rezultă (x + x′ , y + y ′ , z + z ′ ) ∈ G.
Dacă α ∈ R şi (x, y, z) ∈ G, adică −3x + 2y − z = 0, cu x, y, z ∈ R, atunci −3 (αx) + 2 (αy) − (αz) = 0
şi αx, αy, αz ∈ R. Rezultă (αx, αy, αz) ∈ G.
iii) Vom căuta câte o mulţime de generatori atât pentru subspaţiu vectorial F , cât şi pentru G.
F = {c (1, 2, 1) + d (1, 0, −3) | c, d ∈ R} = spanR ({v1 , v2 }) ,
G = {x (1, 0, −3) + y (0, 1, 2) | x, y ∈ R} = spanR ({v2 , v3 }) ,
unde v1 = (1, 2, 1) , v2 = (1, 0, −3) şi v3 = (0, 1, 2) .
"F ⊆ G" Arătăm că v1 , v2 ∈ G. Acest fapt este adevărat, deoarece −3 · 1 + 2 · 2 − 1 = 0 şi −3 · 1 + 2 ·
0 − (−3) = 0. Dar, atunci orice combinaţie liniară (finită) a celor doi vectori aparţine lui G, pentru că G
este subspaţiu vectorial. Am demonstrat astfel incluziunea.
"G ⊆ F " Arătăm că v2 , v3 ∈ F . Primul vector este unul din vectorii care participă la generarea lui
F , şi deci aparţine lui F . Pentru a demonstra a doua aparteneţă, trebuie să găsim c, d ∈ R astfel încât
v3 = cv1 + dv2 . Suntem conduşi la rezolvarea sistemului

 c+d=0
2c = 1

c − 3d = 2.
Sistemul este compatibil, având unica soluţie c = 21 , d = − 12 . Atunci v3 = 21 v1 − 21 v2 ∈ F . Deoarece F este
subspaţiu vectorial, rezultă că G ⊆ F .
Cele două incluziuni fiind demonstrate rezultă F = G.
iv) Pentru a verifica că v ∈ F , trebuie să găsim c, d ∈ R astfel încât v = cv1 + dv2 . Suntem conduşi la
rezolvarea sistemului 
 c+d=1
2c = 1

c − 3d = 2.
Sistemul nu este compatibil şi în concluzie v ∈
/ F. 
F + spanR ({v}) = R3
v) Pentru a verifica F ⊕ spanR ({v}) = R3 sau echivalent , trebuie să verifică
F ∩ spanR ({v}) = {0V }
3
patru incluziuni. F ∩ spanR ({v}) ⊇ {0V } şi F + spanR ({v}) ⊆ R sunt evidente.
"F ∩ spanR ({v}) ⊆ {0V }" Fie u ∈ F ∩ spanR ({v}). Atunci există b, c, d ∈ R astfel încât u = bv =
cv1 + dv2 . Sistemul echivalent cu relaţia precentă este

 c+d−b=0
2c − b = 0

c − 3d − 2b = 0.
Sistemul este compatibil, având unica soluţie b = c = d = 0. Atunci u = 0V .
"F +spanR ({v}) ⊇ R3 " Fie u = (x, y, z) ∈ R3 arbitrar. Căutăm b, c, d ∈ R astfel încât u = bv +cv1 +dv2 .
Suntem conduşi la rezolvarea sistemului

 b+c+d=x
b + 2c = y

2b + c − 3d = z.
Sistemul este compatibil, având unica soluţie b = x − 23 y + 31 z, c = 56 y − 21 x − 61 z, d = 12 x − 61 y − 61 z. Atunci
u = u1 + u2 , unde


u1 =
x − 23 y + 31 z v ∈ span

R ({v}) 
u2 = 6 y − 2 x − 6 z v1 + 12 x − 61 y − 61 z v2 ∈ F .
5 1 1

Am verificat că F şi spanR ({v}) sunt spaţii suplementare directe unul celuilalt în R3 .
6.0.2
 Exerciţiu Fie E  = {e1 , e2 , e3 , e4 } baza canonică în spaţiul vectorial real R4 şi

Ei = ei , j∈{1,2,3,4}{i} ej , i = 1, 2, 3, 4. Să se determine dimR spanR (Ei ) , i = 1, 2, 3, 4
 
şi dimR spanR ∩i∈{1,2,3,4} Ei .
Soluţie. #) Baza canonică în spaţiul vectorial real R4 este formată cu vectorii
e1 = (1, 0, 0, 0) , e2 = (0, 1, 0, 0) , e3 = (0, 0, 1, 0) , e4 = (0, 0, 0, 1) .
12 OVIDIU VEGHEŞ

E este o mulţime liniar independentă, pentru că α1 e1 + α2 e2 + α3 e3 + α4 e4 = (0, 0, 0, 0) atrage

(α1 , α2 , α3 , α4 ) = (0, 0, 0, 0) ,
adică toţi scalarii α1 , α2 , α3 , α4 sunt nuli. E este mulţime de generatori pentru R4 , deoarece pentru orice
(x1 , x2 , x3 , x4 ) ∈ R4 , există scalarii reali x1 , x2 , x3 , x4 astfel incât (x1 , x2 , x3 , x4 ) = x1 e1 +x2 e2 +x3 e3 +x4 e4 .
În exerciţiile viitoare nu va mai trebui să facem acestă verificare.
#) Evident E1 = {(1, 0, 0, 0) , (0, 1, 1, 1)} este o mulţime de generatori pentru spanR (E1 ), aşa cum
rezultă din definiţia spaţiului generat de o mulţime de vectori. Vom verifica că E1 este şi mulţime de
vectori liniar independentă. Într-adevăr, α (1, 0, 0, 0) + β (0, 1, 1, 1) = (0, 0, 0, 0) cere cu necesitate α = 0 şi
β = 0. Am probat astfel că E1 este o bază în spanR (E1 ) şi în consecinţă dimR spanR (E1 ) = 2.
În mod asemănător dimR spanR (E2 ) = dimR spanR (E3 ) = dimR spanR (E4 ) = 2.
#) Fie v ∈ E1 ∩ E2 ∩ E3 ∩ E4 arbitrar. Atunci există scalarii a1 , b1 , a2 , b2 , a3 , b3 , a4 , b4 astfel încât


 a1 e1 + b1 (e2 + e3 + e4 )

a2 e2 + b2 (e1 + e3 + e4 )
v= .

 a3 e3 + b3 (e1 + e2 + e4 )

a4 e4 + b4 (e1 + e2 + e3 )
Suntem conduşi la rezolvarea sistemului


 a1 = b2 = b3 = b4

a2 = b1 = b3 = b4
.

 a3 = b1 = b2 = b4

a4 = b1 = b2 = b3
Sistemul este compatibil cu soluţia a1 = b1 = a2 = b2 = a3 = b3 = a4 = b4 = t, t ∈ R. Rezultă
v = t (e1 + e2 + e3 + e4 ) = t (1, 1, 1, 1).
Concluzia este E1 ∩ E2 ∩ E3 ∩ E4 = spanR ({e1 + e2 + e3 + e4 }). (A doua incluziune este trivială.)
Vectorul e1 +e2 +e3 +e4 este nenul şi atunci {e1 + e2 + e3 + e4 } este o mulţime liniar independentă. Evi-
dent {e1 + e2 + e3 + e4 } este o mulţime de generatori pentru spanR ({e1 + e2 + e3 + e4 }), aşa cum rezultă
din definiţia spaţiului generat de o mulţime de vectori. Am probat că


dimR spanR ∩i∈{1,2,3,4} Ei = 1

deoarece {e1 + e2 + e3 + e4 } este o bază pentru spanR ({e1 + e2 + e3 + e4 }).

6.0.3 Exerciţiu Considerăm spaţiul vectorial real M2 (R), mulţimile

       
1 2 −1 1 2 −1 2 2
S1 = , , , ,

 1 0   1 1  0  1 2 2
1 2 2 1 2 4
S2 = , ,
0 1 3 1 0 2
şi subspaţiile X1 = spanR (S1 ), X2 = spanR (S2 ).
i) Să se determine dimR X1 şi dimR X2 şi câte o bază în fiecare subspaţiu.
ii) Să se determineX1 + X2 şi X1 ∩ X2 , dimensiunile acestor subspaţii.
0 0
iii) Să se arate că = M1 + M2 cu M1 ∈ X1 şi M2 ∈ X2 se poate realiza în cel
0 0
puţin două moduri distincte.
Soluţie. Considerăm reperul canonic E = (E1,1 , E1,2 , E2,1 , E2,2 ), unde
   
1 0 0 1 0 0 0 0
E1,1 = , E1,2 = , E2,1 = , E2,2 = ,
0 0 0 0 1 0 0 1
în spaţiul vectorial real M2 (R). Notăm cu A1 , A2 , A3 , A4 şi respectiv B1 , B2 , B3 matricele din S1 , respectiv
S2 , în ordinea în care sunt scrise în enunţul execiţiului.
 
1 −1 2 2

  2 1 −1 2 
i) rang [A1 ]E , [A2 ]E , [A3 ]E , [A4 ]E = rang  1
 = 3. Deoarece numărul de vectori
1 0 2 
0 1 1 2
este 4 (= 3) vectorii A1 , A2 , A3 , A4 sunt liniar dependenţi. Numărul maxim de vectori liniar independenţi
 ALGEBR Ă LINIAR Ă - UNITATEA DE ÎNV Ă ŢARE 1 13

este 3. Deoarece
 
1 −1 2

  2 1 −1 
rang [A1 ]E , [A2 ]E , [A3 ]E = rang   = 3 = numărul de vectori.
 1 1 0 
0 1 1
rezultă {A1 , A2 , A3 } este o mulţime de vectori liniar independentă. Observăm că A4 = A1 + A2 + A3 . Fie
C ∈ X1 arbitrar. Există ε1 , ε2 , ε3 , ε4 ∈ R astfel încât C = ε1 A1 + ε2 A2 + ε3 A3 + ε4 A4 . Atunci
C = (ε1 + ε4 ) A1 + (ε2 + ε4 ) A2 + (ε3 + ε4 ) A3 ∈ spanR ({A1 , A2 , A3 }) .
Rezultă după un scurt raţionament că X1 = spanR ({A1 , A2 , A3 }). Am arătat că {A1 , A2 , A3 } este o
mulţime de generatori pentru X1 . Raţionamentul precedent justifică faptul că (A1 , A2 , A3 ) este un reper
în X1 şi
dimR X1 = 3.
Observăm că B3 = 2B1 . {B1 , B2 } este o mulţime de vectori liniar independentă deoarece
 
1 2

  2 1 
rang [B1 ]E , [B2 ]E = rang  0 3  = 2 = numărul de vectori.


1 1
Fie C ∈ X2 arbitrar. Există ε1 , ε2 , ε3 ∈ R astfel încât C = ε1 B1 + ε2 B2 + ε3 B3 . Atunci
C = (ε1 + 2ε3 ) B1 + ε2 B2 ∈ spanR ({B1 , B2 }) .
Rezultă X2 = spanR ({B1 , B2 }). Am arătat că {B1 , B2 } este o mulţime de generatori pentru X2 . Raţiona-
mentul precedent justifică faptul că (B1 , B2 ) este un reper în X2 şi
dimR X2 = 2.
ii-a) X1 + X2 = spanR ({A1 , A2 , A3 }) + spanR ({B 1 , B2 }) = spanR ({A1 , A
2 , A3 , B1 , B2 }).
1 −1 2 1 2

  2 1 −1 2 1 
rang [A1 ]E , [A2 ]E , [A3 ]E , [B1 ]E , [B2 ]E = rang   = 4. Căutăm o dependenţă
 1 1 0 0 3 
0 1 1 1 1
liniară a vectorilor A1 , A2 , A3 , B1 , B2 . Relaţia
α1 A1 + α2 A2 + α3 A3 + α4 B1 + α5 B2 = 0M2 (R)
este echivalentă cu sistemul 

 α1 − α2 + 2α3 + α4 + 2α5 = 0

2α1 + α2 − α3 + 2α4 + α5 = 0
.

 α1 + α2 + 3α5 = 0

α2 + α3 + α4 + α5 = 0
Soluţia α1 = − 23 13
α , α2 = − 12
12 5
α5 , α3 = − 54 α5 , α4 = 34 α5 scoate în evidenţă dependenţa
23 13
B2 = A
12 1
+ A
12 2
+ 54 A3 − 34 B1 .
Deoarece
 
1 −1 2 1

  2 1 −1 2 

rang [A1 ]E , [A2 ]E , [A3 ]E , [B1 ]E = rang   = 4 = numărul de vectori.
1 1 0 0 
0 1 1 1
rezultă {A1 , A2 , A3 , B1 } este o mulţime de vectori liniar independentă. Fie C ∈ X1 + X2 arbitrar. Există
ε1 , ε2 , ε3 , ε4 ∈ R astfel încât C = ε1 A1 + ε2 A2 + ε3 A3 + ε4 B1 + ε5 B2 . Atunci

23




C = ε1 + 12 ε5 A1 + ε2 + 13 ε A2 + ε3 + 45 ε5 A3 + ε3 − 43 ε5 B1 ∈ spanR ({A1 , A2 , A3 , B1 }) .
12 5

Rezultă X1 + X2 = spanR ({A1 , A2 , A3 , B1 }). Am arătat că {A1 , A2 , A3 , B1 } este o mulţime de generatori
pentru X1 + X2 . Raţionamentul precedent justifică faptul că (A1 , A2 , A3 , B1 ) este un reper în X1 + X2 şi
dimR (X1 + X2 ) = 4.
Mai mult, F = (A1 , A2 , A3 , B1 ) este un reper şi în M2 (R), şi deci X1 + X2 = M2 (R).
ii-b) X1 ∩ X2 = {C ∈ M2 (R) | C ∈ X1 şi C ∈ X2 }
= {C ∈ M2 (R) | C = α1 A1 + α2 A2 + α3 A3 = α4 B1 + α5 B2 , α1 , α2 , α3 , α4 , α5 ∈ R} .
14 OVIDIU VEGHEŞ

Egalitatea vectorială α1 A1 + α2 A2 + α3 A3 = α4 B1 + α5 B2 exprimată în reperul F înseamnă α1 [A1 ]F +

α2 [A2 ]F + α3 [A3 ]F = α4 [B1 ]F + α5 [B2 ]F . Suntem conduşi la sistemul
 23

 α1 − 12 α5 = 0
 13
α2 − 12 α5 = 0

 α3 − 54 α5 = 0
 4
α − α4 = 0
3 5

23
ce are soluţia α1 = 12 t, α = 13 t, α3 = 54 t, α4 = 34 t, α5 = t, cu t ∈ R. Notăm D = 23 13
A + 12 A2 + 45 A3 =
 10 11 2 12 12 1
4
B + B2 =
3 1
3 3
7 . Obţinem X1 ∩ X2 = spanR ({D}) şi
3 3

dimR (X1 ∩ X2 ) = 1

deoarece D nu este matricea nulă.

Observaţie. Constatăm că teorema dimensiunii a lui Grassmann

dimK (X1 + X2 ) = dimK X1 + dimK X2 − dimK (X1 ∩ X2 ) .

este verificată (4 = 3 + 2 − 1).

 
iii) Deoarece X1 ∩ X2 = 0M2 (R) suma directă X1 ⊕ X2 nu este definită. În acestă situaţie cerinţa
exerciţiului are sens. Atunci

0M2 (R) = 0M2 (R) + 0M2 (R) , cu 0M2 (R) ∈ X1 şi 0M2 (R) ∈ X2
0M2 (R) = D + (−D) , cu D ∈ X1 şi − D ∈ X2

sunt două scrieri distincte.

7. T    

7.0.1 Exerciţiu Definiţi noţiunile: i) spaţiu vectorial; ii) sumă directă de subspaţii
vectoriale; iii) bază a unui spaţiu vectorial; iv) codimensiunea unui subspaţiu vectorial; v)
matricea de trecere de la un reper la altul.
7.0.2 Exerciţiu Enunţaţi proprietăţile: i) acoperirii liniare a unei mulţimi; ii) mul-
ţimilor de generatori pentru un spaţiu vectorial; iii) mulţimilor liniar independente; iv)
principalele rezultate privind subspaţiile spaţiilor vectoriale de tip finit; v) consecinţele
teoremei rangului.
7.0.3 Exerciţiu Să se demonstreze lema schimbului.
7.0.4 Exerciţiu Se dau vectorii a1 = (1, −1, 2), a2 = (1, 1, 1), a3 = (1, −3, 3), a4 =
(2, 8, −1) în spaţiul vectorial real R3 . i) Să se determine spanR (A), unde A = {a1 , a2 , a3 , a4 },
şi dimR spanR (A). ii) Arătaţi că v = (2, 6, 0) ∈ spanR (A) şi determinaţi matricea coordo-
natelor vectorului v într-un reper al spaţiului spanR (A) format dintr-o selecţie de vectori
din mulţimea A.
7.0.5 Exerciţiu Fie F submulţimea lui R2 [X] definită prin
 
F = (m + n) X 2 + 2mX + (m − 3n) | m, n ∈ R .

i) Arătaţi că F este un subspaţiu vectorial real a spaţiului vectorial real R2 [X]. ii) Fie G
subspaţiu vectorial real a lui R2 [X] definit prin
 
G = aX 2 + bX + c ∈ R2 [X] | − 3a + 2b − c = 0 .

iii) Arătaţi F şi G coincid ca subspaţii vectoriale. iv) Să se decidă dacă P = X 2 + X + 2
este un polinom din F . v) Să se verifice că F ⊕ spanR ({P }) = R2 [X].
 ALGEBR Ă LINIAR Ă - UNITATEA DE ÎNV Ă ŢARE 1 15

8. RĂ 
  Ş  
       
În rezolvarea testului trebuie să ţinem cont că soluţiile propuse trebuie să fie clare,
corecte şi complete.
Exerciţiul 7.0.1.
Soluţie. Este vorba de definiţiile i) 2.1.5; ii) 5.2.4; iii) 3.2.4; iv) 5.3.14; v) 4.2.6.
Exerciţiul 7.0.2.
Soluţie. Este vorba de definiţiile i) 2.3.14-primele trei afirmaţii; ii) 2.3.14-ultimele trei afirmaţii; iii)
8. Pentru ii) şi iii) adăugăm şi teorema 3.2.6; iv) Este vorba următoarele rezultate 5.3.9, 5.3.10, 5.3.12,
5.3.13; v) 4.3.10 şi 4.3.11.
Exerciţiul 7.0.3.
Soluţie. Din datele problemei
v = a1 e1 + . . . + ai ei + . . . + ak ek + . . . + an en ,
cu ak = 0. Rezultă

ek = a−1
k v+
−1
i∈{1,...,n},i=k (−ak ai )ei
Vom demonstra că mulţimea de vectori a lui B este o mulţime de vectori liniar independentă. Fie
γ 1 e1 + . . . + γ i ei + . . . + γ k v + . . . + γ n en = 0V .
Înlocuim v cu expresia de mai sus şi obţinem
(γ 1 + γ k a1 ) e1 + . . . (γ i + γ k ai ) ei + . . . + (γ k ak ) ek + . . . + (γ n + γ k an ) en = 0V .

γ i + γ k ai = 0, ∀i = k
Deoarece E este liniar lindependentă rezultă Tragem concluzia că
γ k ak = 0 unde ak = 0.

γ i = 0, ∀i = k
,
γk = 0
adică toţi scalarii sunt nuli.
Vom demonstra că mulţimea de vectori a lui B este o mulţime de vectori ce genereză pe V. Fie x ∈ V
arbitrar. Deoarece spanK (B) = V, atunci
x =x
1 e1 + . . . + xk ek + . .
. + xn en 
= i∈{1,...,n},i=k xi ei + xk a−1 k v + i∈{1,...,n},i=k (−xk a−1
k ai )ei

 
= xk a−1
k v + i∈{1,...,n},i=k (xi − xk a−1k ai )ei .

Exerciţiul 7.0.4.
Soluţie. i) Pentru început, calculăm
 

 1 1 1 2
rang [a1 ]E , [a2 ]E , [a3 ]E , [a4 ]E = rang  −1 1 −3 8  = 2.
2 1 3 −1
Deoarece numărul de vectori este 4 (= 2) vectorii a1 , a2 , a3 , a4 sunt liniar dependenţi. Numărul maxim
de vectori liniar independenţi este 2. Facem o alegere şi reluăm calculul:
 

 1 1
rang [a1 ]E , [a2 ]E = rang  −1 1  = 2 = numărul de vectori.
2 1
Rezultă {a1 , a2 } este o mulţime de vectori liniar independentă.
Căutăm constantele reale α, β, γ, δ pentru care a3 = αa1 + βa2 şi a4 = γa1 + δa2 . Pentru acesta avem
de rezolvat sistemele  
 α+β =1  γ +δ = 2
−α + β = −3 şi −γ + δ = 8 .
 
2α + β = 3 2γ + δ = −1
Obţinem soluţiile α = 2, β = −1, γ = −3, δ = 5. Rezultă a3 = 2a1 − a2 şi a4 = −3a1 + 5a2 .
Fie u ∈ spanR (A) arbitrar. Există ε1 , ε2 , ε3 , ε4 ∈ R astfel încât u = ε1 a1 + ε2 a2 + ε3 a3 + ε4 a4 . Atunci
u = (ε1 + 2ε3 − 3ε4 ) a1 + (ε2 − ε3 + 5ε4 ) a2 ∈ spanR ({a1 , a2 }) .
16 OVIDIU VEGHEŞ

Am arătat că spanR (A) ⊆ spanR ({a1 , a2 }). Deoarece incluziunea spanR (A) ⊇ spanR ({a1 , a2 }) este evi-
dentă rezultă spanR (A) = spanR ({a1 , a2 }). Am arătat că {a1 , a2 } este o mulţime de generatori pentru
spanR (A).
Raţionamentul precedent justifică faptul că B = (a1 , a2 ) este un reper în spanR (A) şi
dimR spanR (A) = 2.
ii) Completăm reperul B = (a1 , a2 ) din spanR (A) la reperul B1 = (a1 , a2 , e3 ) din R3 (altenative de

1 1 0
justificare sunt lăsate cititorului). Fie C matricea de trecere de la E la B1 . Atunci C =  −1 1 0 
2 1 1
 1 −1
   
2 2
0 2 −2
şi [v]B1 = C −1 [v]E =  12 1
2
0   6  =  4  (conform teoremei privind modificarea coordo-
−3 1
2 2
1 0 0

−2
natelor unui vector la schimbarea reperelor). Răspunsul solicitat este [v]B = (fapt echivalent cu
4
v = −2a1 + 4a2 ).
Exerciţiul 7.0.5.
Soluţie. Similitudinea cu primul exerciţiu rezolvat este evidentă. i),ii),iii),v) Răspunsurile sunt afir-
mative şi se justifică răspunsurile. iv) Răspunsul este negativ şi se justifică.

9. S    Ţ 
.1
9.1. Tema nr.1. 9.1.1 Exerciţiu i) Fie V un spaţiu vectorial real şi C V = V×V. Definim
operaţiile
+ : C V × C V → C V, (x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 )
· : C × C V → C V, (α + βi) · (x, y) = (αx − βy, βx + αy) .
Să se arate că C V este spaţiu vectorial complex (se numeşte complexificatul spaţiului
vectorial real V). În plus, C Rn = Cn .
ii) Fie V un spaţiu vectorial complex şi R V = V. Definim operaţiile de „+” prin
preluarea operaţiei din V, iar „·” este restricţia înmulţirii vectorilor din V cu scalari reali.
Să se arate că R V este spaţiu vectorial real (se numeşte trecerea în real a spaţiului
vectorial complex V). În plus, R Cn = R2n .
9.1.2 Exerciţiu i) Determinaţi dimQ R, dimR R, dimR Rn , dimC Cn , dimR Cn .
ii) Dacă dimR V = n ∈ N∗ , atunci dimC C V = n.
iii) Dacă dimC V = n ∈ N∗ , atunci dimR R V = 2n.  √ 
9.1.3 Exerciţiu Să se determine acoperirea liniară a mulţimii A = 1, 2 în Q-spaţiul
√
vectorial R şi R-spaţiul vectorial R. Aparţine 3 2 acestei acoperiri?
9.1.4 Exerciţiu Găsiţi dimensiunea şi o bază pentru
 
spanR X 6 + X 4 , X 6 + 3X 4 − X, X 6 − 2X 4 + X, X 6 − 4X 4 + 2X .
9.1.5 Exerciţiu Arătaţi că mulţimea tuturor soluţiilor unui sistem liniar şi omogen
de n ecuaţii cu n necunoscute este un subspaţiu vectorial a lui spaţiului vectorial real
Mn.1 (R). Aflaţi dimensiunea sa.
9.2. Tema nr.2. 9.2.6 Exerciţiu Fie E = (e1 , e2, e3 ) un reper în K-spaţiul vectorial V
şi vectorul x = e1 − 2e2 + 3e3 .
i) Determinaţi [x]F matricea coordonatelor vectorului x în reperul F = (f1 , f2 , f3 ), unde
f1 = e1 , f2 = 2e1 + e2 , f3 = e1 − 2e2 + e3 .
ii) Determinaţi [x]G matricea coordonatelor vectorului x în reperul G = (g1 , g2 , g3 ),
unde g1 = e1 + e2 , g2 = e2 + e3 , g3 = e3 + e1 .
iii) Care este legătura dintre matricele [x]F şi [x]G ?
 ALGEBR Ă LINIAR Ă - UNITATEA DE ÎNV Ă ŢARE 1 17

9.2.7 Exerciţiu Se consideră vectorii a1 = (1, 0, 0, −1), a2 = (2, 1, 1, 0), a3 = (1, 1, 1, 1),
a4 = (1, 2, 3, 4), a5 = (0, 1, 2, 3) în spaţiul vectorial real R4 . i) Să se determine dimensiunea
şi o bază în spaţiul generat de vectorii a1 , a2 , a3 , a4 , a5 . ii) Determinaţi coordonatele
acestor vectori într-un reper construit din baza determinată anterior. iii) În câte moduri
putem alege o bază în spanR ({a1 , a2 , a3 , a4 , a5 }) formată doar dintre vectorii a1 , a2 , a3 ,
a4 , a5 . iv) Completaţi baza, determinată la primul punct, la o bază în R4 .
9.2.8 Exerciţiu Fie  spaţiul vectorial real M3 (R). Folosind lema schimbului să se:

 4x1 + 3x2 + 3x3 = 6 2 3 1
a) rezolve sistemul 3x1 + 2x2 + x3 = 8 ; b) inverseze matricea  1 2 1 .

10x1 + 7x2 + 5x3 = 22 1 1 2
9.2.9 Exerciţiu Determinaţi dacă vectorii w1 , w2 w3 , w4 pot fi exprimaţi ca şi combi-
naţii liniare, în spaţiul vectorial real R3 , ale vectorilor v1 , v2 , v3 , unde

v1 = (1, 1, 1) , v2 = (1, 0, −1) , v3 = (1, 3, 5) ,

w1 = (1, 2, 3) , w2 = (0, 1, 2) , w3 = (3, 4, 5) , w4 = (4, 6, 8) .

Putem afirma ceva despre spanR ({v1 , v2 , v3 }) şi spanR ({w1 , w2 , w3 , w4 }), bazându-ne pe
aceste verificări?
9.2.10 Exerciţiu În spaţiul vectorial real R4 să se consideră vectorii v1 = (2, 3, −1, 0),
1, 1, 2). i) Să se arate
v2 = (3, 4, 0, 2), v3 = (2, 1, 5, 8), v4 = (1,  că spanR ({v1 , v2 }) =
spanR ({v3 , v4 }). ii) Să se determine spanR nv1 + n2 v2 | n ∈ N∗ .

9.3. Tema nr.3. 9.3.11 Exerciţiu Fie V un K-spaţiu vectorial. Fie M ⊆ V, M

= ∅.
Atunci
spanK (M) = ∩X⊇M , X este K-subspaţiu vectorial X.

9.3.12 Exerciţiu În spaţiul vectorial real R3 se consideră vectorii

v1 = (2, 1, 0) , v2 = (1, 2, 3) , v3 = (−5, −2, 1) ,

w1 = (1, 1, 2) , w2 = (−1, 3, 0) , w3 = (2, 0, 3) .

Fie X1 = spanR ({v1 , v2 , v3 }) şi X2 = spanR ({w1 , w2 , w3 }). i) Determinaţi X1 + X2 . ii)

Determinaţi X1 ∩ X2 . iii) Găsiţi două descompuneri distincte a lui u = (1, 0, 1) ca sumă
de vectori din X1 şi X2 .
9.3.13 Exerciţiu Considerăm spaţiul vectorial real R4 , mulţimile
S1 = {(2, 1, 0, 1) , (2, 1, 1, 1) , (1, −1, 1, 2)} ,
S2 = {(1, 1, 2, −1) , (0, 1, 1, −2) , (0, 1, 1, −2)}

şi subspaţiile X1 = spanR (S1 ), X2 = spanR (S2 ).

i) Să se găsească câte o bază în subspaţiile X1 + X2 şi X1 ∩ X2 .
ii) Să se arate că vectorul v = (1, 0, 1, 1) se poate descompune în cel puţin două moduri
distincte ca sumă de vectori a celor două spaţii.
9.3.14 Exerciţiu Să se demonstreze teorema lui Grassmann.
9.3.15 Exerciţiu i) Fie V un K-spaţiul vectorial, nenul, de dimensiune finită. Dacă
X este un K-subspaţiu vectorial a lui V, să se indice o modalitate de construire a unui
suplement direct a lui X în V.
ii) Se consideră vectorii a1 = (1, 0, 0, −1), a2 = (2, 1, 1, 0), a3 = (1, 1, 1, 1), a4 =
(1, 2, 3, 4), a5 = (0, 1, 2, 3) în spaţiul vectorial real R4 . Construiţi un suplement direct
pentru spanR ({a1 , a2 , a3 , a4 , a5 }) în R4 .
18 OVIDIU VEGHEŞ

Bibliografie
[1] G. Cenuşă şi colectiv catedră. Matematici pentru economişti. Ed.CISION, Bucureşti, 2000. T
[2] G. Cenuşă şi colectiv catedră. Matematici pentru economişti. Culegere de probleme. Ed.CISION, Bu-
cureşti, 2001. A
[3] Colectiv catedră. Matematici aplicate în economie. Ed.ASE, 1990. T
[4] S.H. Friedberg, A.J. Insel. Linear Algebra. Printice Hall, 2003. T
[5] R. Şerban (coord.) şi colectiv catedră. Culegere de probleme de algebră liniară. Ed.ASE, 1986. A
[6] C. Neculăescu, O. Vegheş. Introducere în algebră liniară. Ed.ASE, 2005. T
[7] A. Toma. Algebră liniară. Culegere de probleme. Ed.Economica, 2002. A
[8] G. Cenuşă, I.Săcuiu, V.Burlacu. Matematici. Curs pentru studenţii din anul I de la specializarea:
Planificare şi Cibernetică Economică. Ed.ASE, 1986. T
[9] G. Cenuşă, R. Şerban, C. Raischi. Matematici pentru economisti. Curs în format digital. Capitolul 1.
http://www.biblioteca-digitala.ase.ro/biblioteca/carte2.asp?id=21&idb=11 . T
[10] C. Neculăescu, O. Vegheş. Introducere în algebra liniară. Curs în format digital. Capitolul 1,2,3.
http://www.biblioteca-digitala.ase.ro/biblioteca/carte2.asp?id=362&idb=11 . T