Geometria Spaţiilor Vectoriale

Teorie şi Aplicaţii

Mircea NEAGU
2
Cuprins

1 Spaţii vectoriale euclidiene 7

1.1 Grupuri abeliene. Subgrupuri . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 Spaţii vectoriale. Subspaţii . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3 Operaţii cu subspaţii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.4 Baze şi dimensiuni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.5 Coordonate. Schimbări de coordonate . . . . . . . . . . . . . . . . . . . . . 27
1.6 Produse scalare. Lungimi şi unghiuri . . . . . . . . . . . . . . . . . . . . . 31
1.7 Baze ortonormate. Complemente ortogonale . . . . . . . . . . . . . . . . . 35
1.8 Probleme rezolvate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
1.9 Probleme propuse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52

2 Spaţiul vectorial real al vectorilor liberi 57

2.1 Segmente orientate. Vectori liberi . . . . . . . . . . . . . . . . . . . . . . . 57
2.2 Adunarea vectorilor liberi . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
2.3 Înmulţirea vectorilor liberi cu scalari reali . . . . . . . . . . . . . . . . . . . 60
2.4 Coliniaritate şi coplanaritate . . . . . . . . . . . . . . . . . . . . . . . . . . 62
2.5 Produsul scalar a doi vectori liberi . . . . . . . . . . . . . . . . . . . . . . 64
2.6 Produsul vectorial a doi vectori liberi . . . . . . . . . . . . . . . . . . . . . 66
2.7 Produsul mixt a trei vectori liberi . . . . . . . . . . . . . . . . . . . . . . . 69
2.8 Probleme rezolvate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
2.9 Probleme propuse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76

3 Aplicaţii liniare 79
3.1 Definiţie. Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
3.2 Nucleul unei aplicaţii liniare. Injectivitate . . . . . . . . . . . . . . . . . . 82
3.3 Imaginea unei aplicaţii liniare. Surjectivitate . . . . . . . . . . . . . . . . . 84
3.4 Izomorfisme de spaţii vectoriale . . . . . . . . . . . . . . . . . . . . . . . . 86
3.5 Endomorfisme şi matrici pătratice . . . . . . . . . . . . . . . . . . . . . . . 90
3.6 Valori şi vectori proprii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
3.7 Forma diagonală a unui endomorfism . . . . . . . . . . . . . . . . . . . . . 99
3.8 Diagonalizarea endomorfismelor simetrice . . . . . . . . . . . . . . . . . . . 107
3.9 Probleme rezolvate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
3.10 Probleme propuse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122

4 Forme pătratice 127

4.1 Aplicaţii biliniare şi simetrice. Forme pătratice . . . . . . . . . . . . . . . . 127
4.2 Reducerea formelor pătratice la forma canonică . . . . . . . . . . . . . . . 130
4.2.1 Metoda lui Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
4.2.2 Metoda lui Jacobi . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
4.2.3 Metoda valorilor proprii (a transformărilor ortogonale) . . . . . . . 135
4.3 Signatura unei forme pătratice . . . . . . . . . . . . . . . . . . . . . . . . . 138
4.4 Probleme rezolvate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
4.5 Probleme propuse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155

CUPRINS 3
5 Geometrie analitică liniară în spaţiu 159
5.1 Coordonatele unui punct din spaţiu . . . . . . . . . . . . . . . . . . . . . . 159
5.2 Plane orientate în spaţiu . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
5.2.1 Planul determinat de un punct şi un vector normal . . . . . . . . . 161
5.2.2 Planul determinat de un punct şi doi vectori liberi . . . . . . . . . . 162
5.2.3 Planul determinat de trei puncte necoliniare . . . . . . . . . . . . . 163
5.3 Drepte orientate în spaţiu . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
5.3.1 Dreapta determinată de un punct şi o direcţie . . . . . . . . . . . . 164
5.3.2 Dreapta determinată de două puncte distincte . . . . . . . . . . . . 166
5.3.3 Dreapta determinată ca intersecţia a două plane . . . . . . . . . . . 166
5.4 Fascicole de plane . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
5.5 Unghiuri în spaţiu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
5.5.1 Unghiul dintre două plane orientate . . . . . . . . . . . . . . . . . . 168
5.5.2 Unghiul dintre o dreaptă orientată şi un plan orientat . . . . . . . . 169
5.5.3 Unghiul dintre două drepte orientate . . . . . . . . . . . . . . . . . 170
5.6 Distanţe în spaţiu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
5.6.1 Distanţa dintre două puncte . . . . . . . . . . . . . . . . . . . . . . 171
5.6.2 Distanţa de la un punct la un plan . . . . . . . . . . . . . . . . . . 171
5.6.3 Distanţa de la un punct la o dreaptă . . . . . . . . . . . . . . . . . 172
5.6.4 Distanţa dintre două drepte oarecare din spaţiu . . . . . . . . . . . 173
5.6.5 Ecuaţiile carteziene ale perpendicularei comune . . . . . . . . . . . 174
5.7 Probleme rezolvate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174
5.8 Probleme propuse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184

4 CUPRINS
PREFAŢĂ

Această carte reprezintă un Curs de Algebră Liniară şi Geometrie Analitică Liniară
în Spaţiu adresat în principal studenţilor din anul I de la facultăţile tehnice. Scopul
acestui curs este de a-i iniţia pe viitorii ingineri în tainele geometriei superioare din plan
şi din spaţiu, atât de necesară formării unei culturi tehnice solide. Din acest motiv, s-a
încercat ca materialul prezentat să aibă un puternic caracter didactic fără a se neglija însă
rigurozitatea matematică specifică ştiinţelor exacte.
Actualul mod de prezentare al cărţii îmbină experienţa universitară a autorilor menţi-
onaţi în bibliografie cu experienţa proprie a autorului, dobândită de-a lungul mai multor
ani de predare la catedră. Din această perspectivă, considerăm că modul de prezentare a
materiei, precum şi multitudinea şi varietatea exemplelor folosite, asigură prezentei cărţi
un grad destul de mare de independenţă şi sinteză în raport cu bibliografia existentă.
În această carte noţiunile matematice sunt prezentate riguros şi gradual, pornindu-se
de la conceptul pur algebric de spaţiu vectorial şi continuându-se cu conceptul geometric
abstract de spaţiu vectorial euclidian. Urmează studiul particular al spaţiului euclidian
tridimensional al vectorilor liberi, precum şi al elementelor de geometrie analitică liniară
ce derivă din acesta. Din considerente didactice, fiecare Capitol al cărţii este structurat
pe Secţiuni, după cum urmează:

1. expunerea detaliată şi riguroasă a Elementelor de Teorie, cu demonstraţii, exemple

şi contraexemple;

2. prezentarea unui set corespunzător de Probleme Rezolvate, necesar unei mai bune
înţelegeri a conceptelor teoretice studiate;

3. finalizarea expunerii printr-o listă de Probleme Propuse, cu Indicaţii şi Răspunsuri.

Pentru simplificarea expunerii noţiunilor, autorul a utilizat identificarea naturală a

unor spaţii, pornindu-se de la ideea că spaţiul Rn este modelul standard de spaţiu vectorial
euclidian de dimensiune n. Totodată, pentru a se evita supraîncărcarea şi a se fluentiza
exprimarea, limbajul şi notaţiile sunt uneori simplificate, autorul considerând că cititorul
înţelege din context sensul corect al noţiunii sau formulei expuse.
Conştient de faptul că materialul de faţă poate suporta îmbunătăţiri, autorul acestuia
aduce mulţumiri anticipate tuturor cititorilor care vor avea de făcut critici sau sugestii
legate de acesta.

Autorul, 2012

CUPRINS 5
6 CUPRINS
1. SPAŢII VECTORIALE EUCLIDIENE

Un rol însemnat în dezvoltarea fizicii teoretice şi a mecanicii îl poartă noţiunile al-
gebrice abstracte de grup, corp şi spaţiu vectorial. Acestea permit, din punct de vedere
algebric, o mai bună sintetizare a cunoştinţelor respectivelor domenii, precum şi o dez-
voltare matematic riguroasă a diverselor concepte fizice utilizate. În continuare, ne vom
apleca studiul asupra câtorva din cele mai importante structuri algebrice de acest fel:
grupul abelian, câmpul de scalari şi spaţiul vectorial. De asemenea, vom studia diverse
noţiuni cu un puternic caracter fizico-geometric. Ne referim, pe de-o parte, la noţiunile de
bază a unui spaţiu vectorial, dimensiune a unui spaţiu vectorial sau coordonate ale unui
vector, noţiuni aflate în strânsă legătură cu ideea gradelor de libertate ale unui spaţiu
fizic. Pe de altă parte, ne referim la noţiunea geometrică de spaţiu vectorial euclidian.
Un astfel de spaţiu este un spaţiu vectorial înzestrat cu o operaţie adiţională numită
produs scalar, operaţie care permite introducerea noţiunilor de lungime (normă) a unui
vector sau unghi format de doi vectori. Toate aceste noţiuni generalizează natural, în sens
matematic abstract, proprietăţi geometrice şi fizice deja utilizate.

1.1 Grupuri abeliene. Subgrupuri

Unul dintre rolurile cele mai importante în studiul fizicii teoretice îl joacă noţiunea de
grup abelian.

Definiţia 1.1.1 O mulţime de obiecte V , înzestrată cu o operaţie

+ : V × V → V,

se numeşte grup abelian dacă sunt satisfăcute următoarele axiome:

1. x + y = y + x, ∀ x, y ∈ V -comutativitate;

2. (x + y) + z = x + (y + z), ∀ x, y, z ∈ V -asociativitate;

3. ∃ 0 ∈ V astfel încât x + 0 = 0 + x = x, ∀ x ∈ V -element neutru;

4. ∀ x ∈ V, ∃ −x ∈ V astfel încât x + (−x) = (−x) + x = 0 -opusul unui element.

Elementul 0 ∈ V se numeşte elementul neutru al grupului V, iar elementul −x ∈ V

se numeşte opusul elementului x ∈ V.

Exemplul 1.1.2 Fie mulţimea

a b
V = M2 (R) = a, b, c, d ∈ R .
c d

SPAŢII VECTORIALE EUCLIDIENE 7

Înzestrăm mulţimea matricilor pătratice de ordin doi cu operaţia de adunare a matricilor,
definită prin
a b a′ b′ a + a′ b + b′
+ = .
c d c′ d′ c + c′ d + d′
Se verifică uşor că operaţia de adunare a matricilor conferă acestei mulţimi o structură
de grup abelian. Elementul neutru al acestui grup este

0 0
O= ∈ M2 (R).
0 0

Evident, opusul unui element

a b
∈ M2 (R)
c d
este definit prin
a b −a −b
− = ∈ M2 (R).
c d −c −d

Observaţia 1.1.3 Mai general, mulţimea V = Mn (R) a matricilor pătratice de ordin

n ∈ N∗ , împreună cu operaţia clasică de adunare a matricilor, capătă o structură de grup
abelian al cărui element neutru este matricea nulă.

Exemplul 1.1.4 Fie mulţimea perechilor de numere reale

V = R2 = {(x, y) | x, y ∈ R}.

Definim adunarea perechilor de numere ca fiind adunarea pe componente

(x, y) + (x′ , y ′ ) = (x + x′ , y + y ′ ).

Se verifică uşor că adunarea perechilor de numere este comutativă, asociativă şi are ca
element neutru perechea O = (0, 0). Opusul unui element (x, y) ∈ R2 este elementul
−(x, y) = (−x, −y) ∈ R2 . În concluzie, (R2 , +) este un grup abelian.

Observaţia 1.1.5 Mai general, pentru numărul natural n ≥ 2, mulţimea n-uplurilor de

numere reale
V = Rn = {(x1 , x2 , ..., xn ) | x1 , x2 , ..., xn ∈ R},
împreună cu operaţia de adunare

(x1 , x2 , ..., xn ) + (x′1 , x′2 , ..., x′n ) = (x1 + x′1 , x2 + x′2 , ..., xn + x′n ),

are o structură de grup abelian. Elementul neutru al acestui grup este

O = (0, 0, ..., 0) ∈ Rn

iar opusul unui element (x1 , x2 , ..., xn ) ∈ Rn este

−(x1 , x2 , ..., xn ) = (−x1 , −x2 , ..., −xn) ∈ Rn .

8 SPAŢII VECTORIALE EUCLIDIENE

Exemplul 1.1.6 Mulţimea polinoamelor de grad cel mult n ∈ N∗ , definită de

V = Rn [X] = {f ∈ R[X] | grad(f ) ≤ n},

are o structură de grup abelian, relativ la operaţia de adunare clasică a polinoamelor. Cu

alte cuvinte, adunarea polinoamelor este comutativă, asociativă, admite ca element neutru
polinomul nul O şi, în plus, fiecare polinom

f = a0 + a1 X + ... + an X n ∈ Rn [X]

are un opus definit prin

−f = −a0 − a1 X − ... − an X n ∈ Rn [X].

Să considerăm acum că (V, +) este un grup abelian. Fie W ⊆ V o submulţime a lui
V . Este evident că operaţia de adunare de pe grupul V , definită prin + : V × V → V ,
induce pe submulţimea W o operaţie de adunare, definită prin + : W × W → V.

Definiţia 1.1.7 Submulţimea W ⊆ V este un subgrup al grupului (V, +) dacă şi numai
dacă (W, +) are o structură de grup abelian, relativ la operaţia de adunare a elementelor
din W , indusă de adunarea elementelor din V . În această situaţie, vom folosi notaţia
W ≤ V.

Propoziţia 1.1.8 (Criteriul de subgrup) Submulţimea W ⊆ V este un subgrup al

grupului (V, +) dacă şi numai dacă

∀ x, y ∈ W ⇒ x − y ∈ W.

Demonstraţie. Dacă W ⊆ V este un subgrup al grupului (V, +), este evident că pro-
prietatea din propoziţie este adevărată.
Reciproc, operaţia indusă de pe V pe W este evident comutativă şi asociativă. Dacă
pentru orice x, y ∈ W rezultă că x − y ∈ W , atunci, luând x = y, deducem că elementul
neutru 0 al grupului V se află în W . Mai mult, luând x = 0, deducem că ∀ y ∈ W ⇒
−y ∈ W. Cu alte cuvinte, sunt verificate cele patru axiome ale grupului, adică (W, +) este
un subgrup al lui (V, +).

Exemplul 1.1.9 Fie submulţimea de matrici

a 0
W = a∈R ⊂ (M2 (R), +).
0 a

Luând două matrici arbitrare

x 0 y 0
X= ∈ W şi Y = ∈ W,
0 x 0 y

deducem că
x 0 y 0 x−y 0
X −Y = − = ∈ W.
0 x 0 y 0 x−y

Conform criteriului de subgrup, obţinem că W ≤ M2 (R).

GRUPURI ABELIENE. SUBGRUPURI 9

Exemplul 1.1.10 Să considerăm submulţimea tripletelor de numere reale
W = {(x, y, z) ∈ R3 | x + y + z = 0} ⊂ (R3 , +).
Avem evident că
W = {(x, y, −x − y) | x, y ∈ R}.
Luând acum două triplete de numere reale
X = (a, b, −a − b) ∈ W şi Y = (a′ , b′ , −a′ − b′ ) ∈ W,
constatăm că
X −Y = (a − a′ , b − b′ , −a − b + a′ + b′ ) =
= (a − a′ , b − b′ , −(a − a′ ) − (b − b′ )) ∈ W.
Conform criteriului de subgrup, deducem că W ≤ R3 .
Exemplul 1.1.11 Fie submulţimea de polinoame
W = {αX 2 | α ∈ R} ⊂ (R2 [X], +).
Să considerăm două polinoame arbitrare din W , notate f = αX 2 şi g = βX 2 . Deducem
că avem
f − g = αX 2 − βX 2 = (α − β)X 2 ∈ W.
În concluzie, din criteriul de subgrup, obţinem că W ≤ R2 [X].

1.2 Spaţii vectoriale. Subspaţii

În fizică, mecanică şi tehnică se întâlnesc mărimi pe deplin determinate de valorile

lor numerice într-un anumit sistem de măsură dat. De exemplu lungimea, aria, volumul,
masa sau temperatura unui corp. Toate aceste mărimi poartă numele generic de mărimi
scalare. Alături de acestea se întâlnesc şi mărimi care, pentru a fi determinate, sunt
necesare mai multe entităţi, în afară de o valoare numerică a lor. De exemplu forţele sau
vitezele, care sunt determinate de mărimea lor, un sens şi o direcţie. Aceste mărimi se
numesc generic mărimi vectoriale.
Conceptul matematic care realizează o unificare a mărimilor scalare şi vectoriale şi
care, în acelaşi timp, scoate în evidenţă nuanţele diferite ale acestor mărimi distincte, este
reprezentat de noţiunea de spaţiu vectorial peste un câmp de scalari. Este important de
subliniat faptul că, în cele mai multe cazuri, mulţimile de mărimi vectoriale sunt înzestrate
cu o operaţie internă, în raport cu care acestea capătă o structură de grup abelian. În
contrast, mărimile scalare sunt adesea înzestrate cu două operaţii algebrice interne care
le conferă o structură de corp comutativ.
Definiţia 1.2.1 O mulţime de obiecte K, înzestrată cu două operaţii
+ : K × K → K (adunarea)
şi
· : K × K → K (înmulţirea),
se numeşte câmp de scalari sau corp comutativ dacă

10 SPAŢII VECTORIALE EUCLIDIENE

 1. (K, +) este grup abelian cu elementul neutru notat 0;

2. (K ∗ , ·) este grup abelian cu elementul neutru notat 1, unde K ∗ = K\{0}.

Elementele acestui corp se numesc scalari. Opusul unui scalar λ ∈ K este notat
−λ ∈ K, iar inversul unui scalar λ ∈ K ∗ este notat λ−1 ∈ K ∗ .

Exemplul 1.2.2 Fie (K, +, ·) = (R, +, ·), unde ” + ” reprezintă adunarea numerelor
reale şi ” · ” reprezintă înmulţirea numerelor reale. Este cunoscut faptul că (R, +) este
un grup abelian având ca alement neutru numărul 0. Opusul unui număr real λ ∈ R este
−λ ∈ R. Mai mult, mulţimea (R∗ , ·) are, de asemenea, o structură algebrică de grup
abelian având ca element neutru numărul 1. Inversul unui număr real nenul λ ∈ R∗ este
λ−1 = 1/λ ∈ R∗ . În concluzie, deducem că (R, +, ·) este un corp comutativ, adică un
câmp de scalari reali.

Exemplul 1.2.3 Prin analogie cu mulţimea numerelor reale, să luăm mulţimea numere-
lor complexe (K, +, ·) = (C, +, ·), unde ”+” reprezintă adunarea numerelor complexe şi ”·”
reprezintă înmulţirea numerelor complexe. Este cunoscut faptul că mulţimea numerelor
complexe (C, +, ·) este un corp comutativ. În concluzie, mulţimea numerelor complexe
formează un câmp de scalari complecşi.

Fie acum (V, +) o mulţime de obiecte, înzestrată cu o operaţie aditivă, în raport cu

care mulţimea de obiecte are o structură algebrică de grup abelian. Într-un limbaj specific
studiului fizico-geometric, elementele acestui grup se numesc generic vectori. Elementul
neutru al acestui grup este notat 0V şi poartă numele de vectorul nul. De asemenea, să
fixăm un câmp de scalari (K, +, ·).

Definiţia 1.2.4 Mulţimea de vectori (V, +) se numeşte K-spaţiu vectorial sau spaţiu
vectorial peste câmpul de scalari (K, +, ·) dacă există o operaţie algebrică externă
(înmulţirea vectorilor cu scalari)

· : K × V → V, (λ, v) → λ · v,

care verifică următoarele patru proprietăţi axiomatice:

1. λ · (v + w) = λ · v + λ · w, ∀ λ ∈ K, ∀ v, w ∈ V ;

2. (λ + µ) · v = λ · v + µ · v, ∀ λ, µ ∈ K, ∀ v ∈ V;

3. λ · (µ · v) = (λ · µ) · v, ∀ λ, µ ∈ K, ∀ v ∈V;

4. 1 · v = v, ∀ v ∈ V.

În cazul în care (V, +) are o structură algebrică de K-spaţiu vectorial, vom nota pe
scurt K V , operaţiile de adunare a vectorilor şi de înmulţire cu scalari fiind subânţelese.
not
Adesea, pentru simplificare, înmulţirea vectorilor cu scalari va fi notată pe scurt λ·v = λv.

SPAŢII VECTORIALE. SUBSPAŢII 11

Exemplul 1.2.5 Luăm ca mulţime de vectori grupul abelian (V, +) = (R3 , +) şi fixăm
câmpul de scalari reali (K, +, ·) = (R, +, ·). Definim înmulţirea vectorilor cu scalari prin
def
λ · (x, y, z) = (λx, λy, λz), ∀ λ ∈ R, ∀ (x, y, z) ∈ R3 .

Este uşor de verificat că avem adevărate relaţiile:

1. λ · [(x, y, z) + (x′ , y ′ , z ′ )] = λ · (x, y, z) + λ · (x′ , y ′ , z ′ ),

∀ λ ∈ R, ∀ (x, y, z), (x′ , y ′ , z ′ ) ∈ R3 ;

2. (λ + µ) · (x, y, z) = λ · (x, y, z) + µ · (x, y, z), ∀ λ, µ ∈ R, ∀ (x, y, z) ∈ R3 ;

3. λ · (µ · (x, y, z)) = (λ · µ) · (x, y, z), ∀ λ, µ ∈ R, ∀ (x, y, z) ∈ R3 ;

4. 1 · (x, y, z) = (x, y, z), ∀ (x, y, z) ∈ R3 .

În concluzie, putem afirma că R3 este un R-spaţiu vectorial sau, cu alte cuvinte, un
spaţiu vectorial real. Vectorul nul al acestui spaţiu vectorial este 0R3 = (0, 0, 0).

Observaţia 1.2.6 Mai general, să luăm ca mulţime de vectori grupul abelian

(V, +) = (Rn , +),

unde n ≥ 2 este un număr natural arbitrar, şi să fixăm câmpul de scalari reali

(K, +, ·) = (R, +, ·).

Definim înmulţirea vectorilor cu scalari în felul următor:

def
λ · (x1 , x2 , ..., xn ) = (λx1 , λx2 , ..., λxn ), ∀ λ ∈ R, ∀ (x1 , x2 , ..., xn ) ∈ Rn .

Atunci mulţimea Rn are o structură de R-spaţiu vectorial, relativ la operaţiile de adunare

a vectorilor şi de înmulţire cu scalari definite anterior.

Exemplul 1.2.7 Să considerăm că mulţimea de vectori (V, +) este grupul abelian al ma-
tricilor pătratice de ordin doi M2 (R), împreună cu adunarea clasică a matricilor. Fixăm
câmpul de scalari reali (K, +, ·) = (R, +, ·). Definim înmulţirea vectorilor cu scalari reali
ca fiind înmulţirea standard a numerelor reale cu matricile. Se ştie că această înmulţire
externă verifică cele patru proprietăţi ce definesc un spaţiu vectorial. În concluzie, avem
că M2 (R) este un R-spaţiu vectorial. Vectorul nul al acestui spaţiu vectorial este matricea
nulă
0 0
0M2 (R) = .
0 0

Observaţia 1.2.8 Mai general, să considerăm că mulţimea de vectori (V, +) este grupul
abelian al matricilor pătratice de ordin n ≥ 2, notat (Mn (R), +), împreună cu adunarea
clasică a matricilor pătratice. Fixăm câmpul de scalari reali (K, +, ·) = (R, +, ·). Definim
înmulţirea vectorilor cu scalari reali ca fiind înmulţirea standard a numerelor reale cu
matricile pătratice. Atunci mulţimea Mn (R) are o structură de R-spaţiu vectorial, relativ
la operaţiile de adunare a vectorilor şi de înmulţire cu scalari definite anterior.

12 SPAŢII VECTORIALE EUCLIDIENE

Exemplul 1.2.9 Să considerăm că mulţimea de vectori (V, +) este grupul abelian al poli-
noamelor de grad cel mult doi R2 [X], împreună cu adunarea standard a polinoamelor. Să
considerăm câmpul de scalari (K, +, ·) = (R, +, ·). Înmulţirea vectorilor cu scalari reali o
definim ca fiind înmulţirea clasică a numerelor reale cu polinoamele. Se ştie că această
operaţie verifică cele patru proprietăţi axiomatice de la spaţiile vectoriale. În concluzie,
deducem că R2 [X] este un spaţiu vectorial real. Vectorul nul al acestui spaţiu vectorial
este polinomul nul 0R2 [X] = O.

Observaţia 1.2.10 Mai general, să considerăm că mulţimea de vectori (V, +) este grupul
abelian al polinoamelor de grad cel mult n, notat (Rn [X], +), unde n ≥ 2, împreună cu
adunarea standard a polinoamelor. Să considerăm câmpul de scalari reali (K, +, ·) =
(R, +, ·). Înmulţirea vectorilor cu scalari reali o definim ca fiind înmulţirea clasică a nu-
merelor reale cu polinoamele. Atunci mulţimea Rn [X] are o structură de R-spaţiu vectori-
al, relativ la operaţiile de adunare a vectorilor şi de înmulţire cu scalari definite anterior.

Exemplul 1.2.11 Vom considera acum o mulţime de vectori şi un câmp de scalari, îm-
preună cu nişte operaţii, în raport cu care nu avem o structură algebrică de spaţiu vecto-
rial. Pentru aceasta să luăm ca mulţime de vectori V mulţimea polinoamelor de grad mai
mare sau egal cu cinci
R5 [X] = {f ∈ R[X] | grad(f ) ≥ 5},
împreună cu adunarea vectorilor definită de adunarea clasică a polinoamelor. Luând câm-
pul de scalari reali (K, +, ·) = (R, +, ·), definim înmulţirea vectorilor cu scalari ca fiind
înmulţirea standard a numerelor reale cu polinoamele. Evident, cele patru proprietăţi
de la spaţii vectoriale sunt adevărate. Cu toate acestea, mulţimea R5 [X] nu este un R-
spaţiu vectorial deoarece mulţimea R5 [X] nu are o structură de grup abelian în raport cu
adunarea vectorilor. În fapt, adunarea vectorilor, adică adunarea polinoamelor, nu este
bine definită pe R5 [X]. Cu alte cuvinte, suma a două polinoame de grad mai mare sau
egal cu cinci poate avea ca rezultat un polinom de grad mai mic ca cinci. De exemplu,
polinomul f = X 4 + X 8 ∈ R5 [X] adunat cu polinomul g = X − X 4 − X 8 ∈ R5 [X] are ca
rezultat un polinom de grad unu: f + g = X ∈ / R5 [X]. Prin urmare, R5 [X] nu este un
spaţiu vectorial real relativ la operaţiile algebrice precizate mai sus.
Fie V un K-spaţiu vectorial al cărui vector nul este notat 0V . Să notăm cu 0 şi 1
elementele neutre, relativ la operaţiile de adunare şi înmulţire din câmpul de scalari K.

Propoziţia 1.2.12 În spaţiul vectorial KV următoarele proprietăţi algebrice sunt ade-

vărate:

1. 0 · v = 0V , ∀ v ∈V;

2. (−1) · v = −v, ∀ v ∈ V.

Demonstraţie.
1. Luând λ = µ = 0 în proprietatea
(λ + µ)v = λv + µv, ∀ λ, µ ∈ K, ∀ v ∈ V,
deducem că 0 · v = 0 · v + 0 · v. Adunând la stânga cu opusul −0 · v, obţinem că
0 · v = 0V .

SPAŢII VECTORIALE. SUBSPAŢII 13

 2. În aceeaşi relaţie de mai sus, luând λ = 1 şi µ = −1, deducem că

(1 + (−1)) · v = 1 · v + (−1) · v.

Ţinând cont că 0 · v = 0V şi 1 · v = v, obţinem că 0V = v + (−1) · v. Adunând la

stânga cu opusul −v al vectorului v, deducem că (−1) · v = −v.

Să considerăm în continuare că V este un K-spaţiu vectorial şi W ⊆ V este o sub-
mulţime a lui V.

Definiţia 1.2.13 Spunem că W este un subspaţiu vectorial al lui K V dacă submulţimea
W , împreună cu operaţiile de adunare a vectorilor şi de înmulţire cu scalari induse de pe
spaţiul K V, are o structură de K-spaţiu vectorial. În această situaţie, vom folosi notaţia
W ≤K V.

Propoziţia 1.2.14 (Criteriul de subspaţiu) Submulţimea W ⊆ V este un subspaţiu

vectorial dacă şi numai dacă sunt adevărate următoarele două proprietăţi:

1. ∀ v, w ∈ W ⇒ v + w ∈ W ;

2. ∀ λ ∈ K, ∀ v ∈ W ⇒ λv ∈ W.

Demonstraţie. ” ⇒ ” Să presupunem că W ≤K V. În aceste condiţii, deducem că (W, +)

este un grup abelian şi, mai mult, că înmulţirea vectorilor cu scalari este bine definită pe
W. Cu alte cuvinte, proprietăţile 1. şi 2. sunt satisfăcute.
” ⇐ ” Să considerăm acum că proprietăţile 1. şi 2. sunt adevărate. Atunci, este
suficient să demonstrăm că (W, +) este un subgrup în (V, +) şi că sunt verificate cele
patru axiome de la spaţii vectoriale. Luând λ = −1 în relaţia 2., deducem că

−v ∈ W, ∀ v ∈ W.

Prin urmare, folosind relaţia 1., deducem că

v + (−w) = v − w ∈ W, ∀ v, w ∈ W.

Din criteriul de subgrup, obţinem că (W, +) este subgrup al lui (V, +).
Este evident că înmulţirea cu scalari verifică cele patru proprietăţi de la spaţii vecto-
riale. În concluzie, W are o structură de K-spaţiu vectorial, relativ la operaţiile induse
de pe V. Cu alte cuvinte, W este un subspaţiu al spaţiului vectorial V.

Exemplul 1.2.15 Fie submulţimea de matrici

a 0
W = a∈R ⊂ M2 (R).
0 a

Considerând matricile
a 0 b 0
A= ∈ W şi B = ∈ W,
0 a 0 b

14 SPAŢII VECTORIALE EUCLIDIENE

deducem că
a 0 b 0 a+b 0
A+B = + = ∈ W.
0 a 0 b 0 a+b
Mai mult, luând λ ∈ R, deducem că
a 0 λa 0
λA = λ = ∈ W.
0 a 0 λa

Prin urmare, conform criteriului de subspaţiu, avem W ≤R M2 (R).

Exemplul 1.2.16 Fie submulţimea

W1 = {(x, 0) | x ∈ R} ⊂ R2 .

Luând vectorii v = (x, 0) ∈ W1 şi w = (y, 0) ∈ W1 , deducem că

v + w = (x, 0) + (y, 0) = (x + y, 0) ∈ W1 .

Mai mult, avem

λv = λ(x, 0) = (λx, 0) ∈ W1 , ∀ λ ∈ R.
În consecinţă, avem W1 ≤R R2 .
Prin analogie, submulţimea

W2 = {(0, y) | y ∈ R}

este un subspaţiu vectorial al lui R R2 .

Din punct de vedere geometric, este important de notat faptul că spaţiul vectorial

R2 = {(x, y) | x, y ∈ R}

poate fi identificat cu planul cartezian, în timp ce subspaţiile W1 şi W2 pot fi identificate

cu axele de coordonate Ox şi Oy.

Exemplul 1.2.17 Fie W = {f ∈ R[X] | grad (f ) = 2} ⊂ R2 [X]. Deoarece suma a

două polinoame de grad doi poate avea ca rezultat un polinom de grad mai mic decât doi,
deducem că prima proprietate de la criteriul de subspaţiu nu este satisfăcută. De exemplu,
luând polinoamele f = 2 + X 2 ∈ W şi g = 1 − X − X 2 ∈ W, obţinem f + g = 3 − X ∈ / W.
În concluzie, W nu este un subspaţiu în spaţiul vectorial al polinoamelor de grad cel mult
doi R R2 [X].

Exemplul 1.2.18 Fie W = {(x, y, z) ∈ R3 | x + 2y − z = 0} ⊂ R3 . Este evident că avem

W = {(α, β, α + 2β) | α, β ∈ R}.

Fie vectorii v = (α, β, α + 2β) ∈ W şi w = (α′ , β ′ , α′ + 2β ′ ) ∈ W. Suma acestor vectori

este
v + w = (α + α′ , β + β ′ , α + α′ + 2(β + β ′ )) ∈ W.
Mai mult, avem

λv = λ(α, β, α + 2β) = (λα, λβ, λα + 2(λβ)) ∈ W, ∀ λ ∈ R.

Prin urmare, conform criteriului de subspaţiu, avem W ≤R R3 .

SPAŢII VECTORIALE. SUBSPAŢII 15

Exemplul 1.2.19 Fie W = {(x, y, z, t) ∈ R4 | x + y + z + t + 1 = 0} ⊂ R4 . Submulţimea
W se poate rescrie sub forma

W = {(x, y, z, −x − y − z − 1) | x, y, z ∈ R}.

Luând doi vectori arbitrari din W , de exemplu

v = (x, y, z, −x − y − z − 1) ∈ W şi w = (x′ , y ′ , z ′ , −x′ − y ′ − z ′ − 1) ∈ W,

deducem că suma lor

v + w = (x + x′ , y + y ′ , z + z ′ , −(x + x′ ) − (y + y ′ ) − (z + z ′ ) − 2)

nu aparţine lui W . În concluzie, W nu este un subspaţiu vectorial în R R4 .

1.3 Operaţii cu subspaţii

Fie S ⊆K V o submulţime a K-spaţiului vectorial V. Vom utiliza notaţia

L(S) = {α1 v1 + α2 v2 + ... + αp vp | p ∈ N∗ , αi ∈ K, vi ∈ S, ∀ i = 1, p}

pentru a desemna ceea ce se numeşte acoperirea liniară a submulţimii S. Elementele

(vectorii) acoperirii liniare L(S) se numesc combinaţii liniare finite cu vectori din S.

Propoziţia 1.3.1 Acoperirea liniară L(S) este un subspaţiu vectorial în K V.

Demonstraţie. Fie două combinaţii liniare finite cu vectori din submulţimea S, definite
prin v = α1 v1 + α2 v2 + ... + αp vp ∈ L(S) şi w = β 1 w1 + β 2 w2 + ... + β q wq ∈ L(S). Atunci,
suma
v + w = α1 v1 + α2 v2 + ... + αp vp + β 1 w1 + β 2 w2 + ... + β q wq
este, de asemenea, o combinaţie liniară finită cu vectori din S. Prin urmare, deducem că
v + w ∈ L(S). Analog, dacă α ∈ K este un scalar arbitrar, atunci
αv = (αα1 )v1 + (αα2 )v2 + ... + (ααp )vp ∈ L(S).

În concluzie, L(S) ≤K V.

Exemplul 1.3.2 Fie submulţimea S = {X, X 2 } ⊂R R2 [X]. Atunci, acoperirea liniară a

submulţimii S este

L(S) = {αX + βX 2 | α, β ∈ R} ≤R R2 [X].

Exemplul 1.3.3 Fie submulţimea S = {(1, 0, 0), (1, 1, 0), (1, 1, 1)} ⊆R R3 . Atunci, aco-
perirea liniară a submulţimii S este

L(S) = {α(1, 0, 0) + β(1, 1, 0) + γ(1, 1, 1) | α, β, γ ∈ R} =

= {(α + β + γ, β + γ, γ) | α, β, γ ∈ R}.

Notând β + γ = µ şi α + β + γ = ν, rezultă că

L(S) = {(ν, µ, γ) | ν, µ, γ ∈ R} = R3 .

16 SPAŢII VECTORIALE EUCLIDIENE

 Fie W1 , W2 ≤K V două subspaţii ale spaţiului vectorial K V.

Propoziţia 1.3.4 Intersecţia W1 ∩ W2 este un subspaţiu vectorial în K V.

Demonstraţie. Fie v, w ∈ W1 ∩ W2 . Atunci, deducem că avem v, w ∈ W1 şi v, w ∈ W2 .

Deoarece W1 şi W2 sunt subspaţii, rezultă că v + w ∈ W1 şi v + w ∈ W2 . Cu alte cuvinte,
avem v + w ∈ W1 ∩ W2 . Analog, avem

αv ∈ W1 ∩ W2 , ∀ α ∈ K, ∀ v ∈ W1 ∩ W2 .

Exemplul 1.3.5 Fie subspaţiile vectoriale

W1 = L{(1, 0, 0)} ≤R R3 şi W2 = L{(1, 1, 0), (0, 0, 1)} ≤R R3 .

Să calculăm intersecţia W1 ∩ W2 . Din definiţia acoperirii liniare deducem că avem

W1 = {(α, 0, 0) | α ∈ R} şi W2 = {(β, β, γ) | β, γ ∈ R}.

Fie v ∈ W1 ∩ W2 . Atunci, există α, β, γ ∈ R astfel încât v = (α, 0, 0) şi v = (β, β, γ). Prin
urmare, avem α = β = γ = 0, adică v = (0, 0, 0). În concluzie, intersecţia subspaţiilor W1
şi W2 este
W1 ∩ W2 = {(0, 0, 0)} ≤R R3 .

Dacă intersecţia a două subspaţii vectoriale este în mod cert un subspaţiu vectori-
al, prin contrast, reuniunea a două subspaţii vectoriale nu este în mod obligatoriu un
subspaţiu vectorial. Din acest motiv, introducem suma a două subspaţii vectoriale ca
fiind
W1 + W2 = L(W1 ∪ W2 ) ≤K V.

Propoziţia 1.3.6 Suma a două subspaţii vectoriale este dată de mulţimea

W1 + W2 = {w1 + w2 | w1 ∈ W1 , w2 ∈ W2 }.

Demonstraţie. Vom demonstra egalitatea din propoziţie folosind principiul dublei in-
cluziuni.
Este evident că mulţimea {w1 + w2 | w1 ∈ W1 , w2 ∈ W2 } este inclusă în mulţimea
W1 + W2 = L(W1 ∪ W2 ).
Reciproc, să considerăm un vector v ∈ W1 + W2 = L(W1 ∪ W2 ). Deducem că vectorul
v este o combinaţie liniară finită cu vectori din W1 ∪ W2 , adică avem

v = α1 v1 + α2 v2 + ... + αp vp ,

unde αi ∈ K şi vi ∈ W1 ∪ W2 , ∀ i = 1, p. Grupând termenii din combinaţia liniară a lui

v, într-o parte cei care sunt în W1 şi în cealaltă parte cei care sunt în W2 , obţinem că
v = w1 + w2 , unde w1 ∈ W1 şi w2 ∈ W2 , adică ceea ce aveam de demonstrat.
În final, este important de subliniat faptul că vectorii w1 ∈ W1 şi w2 ∈ W2 nu sunt
unici în descompunerea vectorului v = w1 + w2 deoarece, în combinaţia liniară a lui v,
termenii comuni din W1 ∩ W2 pot fi ataşaţi aleatoriu la termenii din W1 sau la cei din W2 .

OPERAŢII CU SUBSPAŢII 17
Definiţia 1.3.7 Subspaţiul vectorial sumă W1 + W2 se numeşte subspaţiu sumă directă
dacă W1 ∩ W2 = {0V }. În acest caz vom folosi notaţia

W1 ⊕ W2 = L(W1 ∪ W2 ) ≤K V.

Propoziţia 1.3.8 Dacă W1 şi W2 sunt subspaţii aflate în sumă directă, atunci avem

W1 ⊕ W2 = {v ∈ V | ∃! w1 ∈ W1 , w2 ∈ W2 astfel încât v = w1 + w2 }.

Demonstraţie. Folosind propoziţia anterioară, deducem că este suficient să demonstrăm
unicitatea descompunerii vectorului v. Să presupunem atunci că avem

v = w1 + w2 = w1′ + w2′ ,

unde w1 , w1′ ∈ W1 şi w2 , w2′ ∈ W2 . Rezultă că avem egalitatea w1 −w1′ = w2′ −w2 . Deoarece
w1 − w1′ ∈ W1 şi w2′ − w2 ∈ W2 , obţinem că w1 − w1′ şi w2′ − w2 ∈ W1 ∩ W2 = {0V }. Cu
alte cuvinte, avem w1 = w1′ şi w2 = w2′ , adică ceea ce aveam de demonstrat.

Exemplul 1.3.9 Fie subspaţiile vectoriale în R R2 , definite prin

W1 = {(x, 0) | x ∈ R} şi W2 = {(0, y) | y ∈ R}.

Fie v = (x, y) ∈ W1 ∩ W2 . Este evident că avem x = y = 0, adică avem subspaţiul sumă
directă
W1 ⊕ W2 ≤R R2 .
Fie acum (x, y) ∈ R2 un vector arbitrar din R2 . Acest vector se descompune în mod unic
ca
(x, y) = (x, 0) + (0, y),
unde (x, 0) ∈ W1 şi (0, y) ∈ W2 . În concluzie, avem

R2 = W1 ⊕ W2 .

Exemplul 1.3.10 Fie subspaţiile vectoriale în mulţimea matricilor pătratice de ordin doi
R M2 (R), definite prin

a b T
W1 = A= a, b, c ∈ R (matricile simetrice A = A)
b c

şi

0 x
W2 = X= x∈R (matricile antisimetrice X = − T X).
−x 0

Să considerăm acum vectorul (matricea)

x y
M= ∈ W1 ∩ W2 .
z t

Deducem imediat că x = t = 0, y = z şi y = −z. Cu alte cuvinte, avem

0 0
x=y=z=t=0⇔M = ,
0 0

18 SPAŢII VECTORIALE EUCLIDIENE

adică avem subspaţiul sumă directă

W1 ⊕ W2 ≤R M2 (R).

Fie acum un vector arbitrar din M2 (R), definit de matricea

a b
∈ M2 (R)
c d

Este evident că acest vector (matrice) se descompune în mod unic ca

 b+c   b−c 
a 0
a b  2   2 
= + ,
c d b+c b−c
d − 0
2 2
unde  b+c   b−c 
a 0
 2   2 
  ∈ W1 şi   ∈ W2 .
b+c b−c
d − 0
2 2
În concluzie, avem descompunerea

M2 (R) = W1 ⊕ W2 .

1.4 Baze şi dimensiuni

Fie S = {e1 , e2 , ..., en } ⊆K V o submulţime finită de vectori din K-spaţiul vectorial V.

Definiţia 1.4.1 Mulţimea S = {e1 , e2 , ..., en } se numeşte sistem de generatori pentru

spaţiul vectorial K V dacă
L(S) = V.

Definiţia 1.4.2 Dacă există în spaţiul vectorial K V un sistem de generatori S cu un

număr finit de vectori e1 , e2 , ..., en , atunci spaţiul vectorial K V se numeşte spaţiu vectorial
finit generat.

Propoziţia 1.4.3 Mulţimea S = {e1 , e2 , ..., en } este sistem de generatori pentru spaţiul
vectorial K V dacă şi numai dacă

∀ v ∈ V, ∃ α1 , α2 , ..., αn ∈ K astfel încât v = α1 e1 + α2 e2 + ... + αn en .

Demonstraţie. Să presupunem întâi că mulţimea S = {e1 , e2 , ..., en } este un sistem
de generatori pentru spaţiul vectorial K V şi să luăm un vector arbitrar v ∈ V = L(S).
Atunci, din definiţia acoperirii liniare L(S), rezultă că

∃ α1 , α2 , ..., αn ∈ K astfel încât v = α1 e1 + α2 e2 + ... + αn en ,

adică proprietatea din propoziţie este adevărată.

BAZE ŞI DIMENSIUNI 19

 Reciproc, să presupunem că proprietatea din propoziţie este adevărată şi să luăm un
vector arbitrar v ∈ V. Atunci

∃ α1 , α2 , ..., αn ∈ K astfel încât v = α1 e1 + α2 e2 + ... + αn en ,

adică v ∈ L(S). Cu alte cuvinte, avem V ⊆ L(S). Deoarece este evident că întotdeauna
avem L(S) ⊆ V , rezultă că L(S) = V . În concluzie, mulţimea S = {e1 , e2 , ..., en } este un
sistem de generatori pentru spaţiul vectorial K V.

Exemplul 1.4.4 Fie S = {e1 = (1, 2), e2 = (2, 4)} ⊂ R R2 . Vom demonstra că sub-
mulţimea S nu este un sistem de generatori pentru spaţiul vectorial R R2 . Pentru aceasta,
să luăm un vector arbitrar v = (x, y) ∈ R2 . Să presupunem că ∃ α, β ∈ R astfel încât

v = (x, y) = αe1 + βe2 = α(1, 2) + β(2, 4).

Deducem că sistemul liniar în necunoscutele α şi β, definit de ecuaţiile

α + 2β = x
2α + 4β = y,

este compatibil pentru orice x, y ∈ R. Deoarece determinantul sistemului este nul, rezultă
că acest sistem este compatibil doar dacă 2x = y. Cu alte cuvinte, doar pentru vectorii de
forma v = (x, 2x) există α, β ∈ R astfel încât

v = αe1 + βe2 .

Deci, conform propoziţiei anterioare, mulţimea S nu este un sistem de generatori pentru

spaţiul vectorial R R2 .

Exemplul 1.4.5 Fie submulţimea de vectori

3
S = {e1 = (1, 0, 0), e2 = (1, 1, 0), e3 = (1, 1, 1)} ⊂ RR .

Vom demonstra că submulţimea S este un sistem de generatori pentru spaţiul vectorial
R R . Pentru aceasta, să luăm un vector arbitrar v = (x, y, z) ∈ R . Să presupunem că
3 3

există α, β, γ ∈ R astfel încât

v = (x, y, z) = αe1 + βe2 + γe3 =

= α(1, 0, 0) + β(1, 1, 0) + γ(1, 1, 1).

Deducem că sistemul în necunoscutele α, β şi γ, definit de ecuaţiile



 α+β+γ =x

β+γ =y


 γ = z,

este compatibil pentru orice x, y, z ∈ R. Acest lucru este adevărat, deoarece determinantul
sistemului este nenul. În concluzie, mulţimea S este un sistem de generatori pentru spaţiul
vectorial R R3 .

20 SPAŢII VECTORIALE EUCLIDIENE

Definiţia 1.4.6 Mulţimea S = {e1 , e2 , ..., en } se numeşte liniar independentă în spaţiul
vectorial K V dacă pentru

∀ α1 , α2 , ..., αn ∈ K astfel încât α1 e1 + α2 e2 + ... + αn en = 0V

rezultă că α1 = α2 = ... = αn = 0. În cazul în care S nu este o mulţime liniar independentă

spunem că S este liniar dependentă.

Observaţia 1.4.7 Mulţimea S = {e1 , e2 , ..., en } este liniar dependentă în K V dacă există
scalarii α1 , α2 , ..., αn ∈ K, nu toţi nuli, astfel încât

α1 e1 + α2 e2 + ... + αn en = 0V .

Cu alte cuvinte, deoarece cel puţin unul dintre scalari este nenul, rezultă că vectorul
corezpunzător poate fi scris ca o combinaţie liniară de ceilalţi vectori.

Exemplul 1.4.8 Fie S = {e1 = (1, 2), e2 = (2, 4)} ⊂ R R2 . Vom demonstra că S nu este
o mulţime liniar independentă în R R2 . Pentru aceasta, fie α, β ∈ R astfel încât

αe1 + βe2 = 0R2 ⇔ α(1, 2) + β(2, 4) = (0, 0).

Deducem că α + 2β = 0. Cu alte cuvinte, există α, β ∈ R, nu amândouă nule, astfel încât

αe1 + βe2 = 0R2 . În concluzie, S este o mulţime liniar dependentă în R R2 . Este important
de notat că avem dependenţa liniară e2 = 2e1 .

Exemplul 1.4.9 Fie S = {e1 = (1, 0, 0), e2 = (1, 1, 0), e3 = (1, 1, 1)} ⊂ R R3 . Să conside-
răm scalarii α, β, γ ∈ R astfel încât

αe1 + βe2 + γe3 = 0R3 ⇔ α(1, 0, 0) + β(1, 1, 0) + γ(1, 1, 1) = (0, 0, 0).

Deducem de aici că α = β = γ = 0. În concluzie, S este o mulţime liniar independentă

în spaţiul vectorial R R3 .

Definiţia 1.4.10 O submulţime B = {e1 , e2 , ..., en } ⊆ K V se numeşte bază a spaţiului

vectorial K V dacă B este şi un sistem de generatori şi o submulţime liniar independentă
în K V .

Exemplul 1.4.11 Submulţimea B = {e1 = (1, 0), e2 = (0, 1)} este bază în spaţiul vecto-
rial R R2 . Pentru a demonstra că B este un sistem de generatori, să observăm că pentru
orice vector (x, y) ∈ R2 avem descompunerea naturală

(x, y) = xe1 + ye2 = x(1, 0) + y(0, 1).

Mai mult, considerând α, β ∈ R astfel încât

αe1 + βe2 = 0R2 ⇔ α(1, 0) + β(0, 1) = (0, 0),

deducem că α = β = 0. Cu alte cuvinte, submulţimea B este liniar independentă. În

concluzie, B este o bază în R R2 numită baza canonică a spaţiului vectorial R R2 .

BAZE ŞI DIMENSIUNI 21

Exemplul 1.4.12 Submulţimea de vectori

B = {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)}

este bază în spaţiul vectorial R R3 . Aceasta este un sistem de generatori deoarece avem

(x, y, z) = xe1 + ye2 + ze3 = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1), ∀ (x, y, z) ∈ R3 .

Evident, luând α, β, γ ∈ R astfel încât

αe1 + βe2 + γe3 = 0R3 ⇔ α(1, 0, 0) + β(0, 1, 0) + γ(0, 0, 1) = (0, 0, 0),

deducem că α = β = γ = 0. Cu alte cuvinte, B este liniar independentă. În concluzie, B

este o bază în R R3 numită baza canonică a lui R R3 .

Exemplul 1.4.13 Submulţimea B = {e1 = 1, e2 = X, e3 = X 2 } este bază în spaţiul

vectorial al polinoamelor de grad cel mult doi R R2 [X]. Aceasta este un sistem de generatori
deoarece orice polinom de grad cel mult doi are expresia f = a · 1 + b · X + c · X 2 , unde
a, b, c ∈ R. Evident, luând α, β, γ ∈ R astfel încât

α · 1 + β · X + γ · X 2 = O (polinomul nul),

deducem că α = β = γ = 0. Cu alte cuvinte, B este liniar independentă. În concluzie, B

este o bază în R R2 [X] numită baza canonică a lui R R2 [X].

Exemplul 1.4.14 Submulţimea de vectori

1 0 0 1 0 0 0 0
B= e1 = , e2 = , e3 = , e4 =
0 0 0 0 1 0 0 1

este bază în spaţiul vectorial al matricilor pătratice de ordin doi R M2 (R). Pentru a demon-
stra că B este un sistem de generatori, să observăm că avem descompunerea naturală

a b a b
= ae1 + be2 + ce3 + de4 , ∀ ∈ M2 (R).
c d c d

Mai mult, considerând α, β, γ, δ ∈ R astfel încât

αe1 + βe2 + γe3 + δe4 = 0M2 (R) (matricea nulă),

deducem că α = β = γ = δ = 0. Cu alte cuvinte, B este liniar independentă. În concluzie,

B este o bază în R M2 (R) numită baza canonică a lui R M2 (R).

Teorema 1.4.15 (de existenţă a bazelor) Fie V = {0V } un K-spaţiu vectorial finit
generat. Atunci există în K V o bază cu un număr finit de elemente.

Demonstraţie. Fie S = {e1 , e2 , ..., ep }, ei = ej , ∀ i = j, un sistem de generatori pentru

K V. Rezultă că avem
V = L({e1 , e2 , ..., ep }).
Dacă S este liniar independentă, atunci S este o bază a lui K V. Dacă S nu este liniar
independentă, atunci există scalarii α1 , α2 , ..., αn ∈ K, nu toţi nuli, astfel încât

α1 e1 + α2 e2 + ... + αp ep = 0V .

22 SPAŢII VECTORIALE EUCLIDIENE

Putem presupune, fără a restrânge generalitatea, că αp = 0. Atunci
ep ∈ L({e1 , e2 , ..., ep−1 }),
care implică egalitatea
V = L(S) = L({e1 , e2 , ..., ep−1 }).
Repetăm raţionamentul de mai sus pentru submulţimea
S1 = {e1 , e2 , ..., ep−1 }
şi deducem că există o submulţime B cu mai puţin de p elemente care este liniar indepen-
dentă. În plus, mulţimea B generează spaţiul vectorial K V, adică este o bază în spaţiul
vectorial K V.
Teorema 1.4.16 Fie V = {0V } un K-spaţiu vectorial finit generat. Atunci orice două
baze finite ale lui K V au acelaşi număr de elemente.
Demonstraţie. Fie B = {e1 , e2 , ..., en } şi B ′ = {e′1 , e′2 , ..., e′n′ } două baze arbitrare ale
lui K V, unde n (respectiv n′ ) reprezintă numărul de elemente al lui B (respectiv B ′ ).
Deoarece B este bază (în particular, B este un sistem de generatori), deducem că
n
∃ aij ∈ K astfel încât e′j = aij ei , ∀ j = 1, n′ .
i=1

Fie scalarii α1 , α2 , ..., αn′ ∈ K astfel încât

n′ n′ n
α1 e′1 + α2 e′2 + ... + αn′ e′n′ = 0V ⇔ αj e′j = 0V ⇔ αj aij ei = 0V .
j=1 j=1 i=1

Deoarece e1 , e2 , ..., en este un sistem de vectori liniar independenţi, deducem că

n′
αj aij = 0, ∀ i = 1, n.
j=1

Obţinem astfel un sistem omogen de ecuaţii având n ecuaţii şi n′ necunoscute α1 , α2 , ..., αn′ .
Pe de altă parte, deoarece şi vectorii e′1 , e′2 , ..., e′n′ sunt liniar independenţi, rezultă că sis-
temul omogen anterior trebuie să aibă doar soluţia nulă. Cu alte cuvinte, trebuie ca
numărul de ecuaţii n să fie mai mare, cel mult egal, cu numărul de necunoscute n′ , adică
trebuie să avem n ≥ n′ şi rang(A) = n′ , unde A = (aij )i=1,n, j=1,n′ este matricea sistemului.
Aplicând acelaşi raţionament invers, pentru bazele B ′ şi B, deducem că n′ ≥ n. În
concluzie, avem n = n′ , adică ceea ce aveam de demonstrat.
Definiţia 1.4.17 Fie B = {e1 , e2 , ..., en } o bază arbitrară finită a spaţiului vectorial finit
generat K V . Numărul elementelor din baza B se numeşte dimensiunea spaţiului vecto-
rial K V şi se notează
dimK V = n ∈ N∗ .
Observaţia 1.4.18 Este important de subliniat că dimensiunea
dimK V = n < ∞
nu depinde de alegerea bazei finite B în K V deoarece, conform teoremei precedente, orice
două baze finite ale spaţiului vectorial finit generat K V au acelaşi număr de elemente.

BAZE ŞI DIMENSIUNI 23

Exemplul 1.4.19 Baza canonică în spaţiul vectorial R R2 este

B = {e1 = (1, 0), e2 = (0, 1)}.

Prin urmare, dimensiunea acestui spaţiu vectorial este dimR R2 = 2.

Exemplul 1.4.20 Baza canonică în spaţiul vectorial R R3 este

B = {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)}.

În concluzie, dimensiunea acestui spaţiu vectorial este dimR R3 = 3.

Exemplul 1.4.21 Baza canonică în spaţiul vectorial R R2 [X] este

B = {e1 = 1, e2 = X, e3 = X 2 }.

Deducem că dimensiunea acestui spaţiu vectorial este dimR R2 [X] = 3.

Exemplul 1.4.22 Baza canonică în spaţiul vectorial R M2 (R) este

1 0 0 1 0 0 0 0
B= e1 = , e2 = , e3 = , e4 = .
0 0 0 0 1 0 0 1

Dimensiunea acestui spaţiu vectorial este dimR M2 (R) = 4.

Observaţia 1.4.23 Este important de remarcat faptul că dimensiunea unui spaţiu vecto-
rial real finit generat coincide cu numărul de variabile independente care determină
un vector arbitrar al spaţiului. Mai mult, baza canonică a spaţiului vectorial se obţine
luând, pe rând, vectorii determinaţi astfel: primul vector se obţine luând prima variabilă
egală cu 1, restul variabilelor egale cu 0; al doilea vector se obţine luând a doua variabilă
egală cu 1, celelalte variabile egale cu 0 şi aşa mai departe.

Exemplul 1.4.24 Avem R2 = {(x, y) | x, y ∈ R}. Deoarece un vector arbitrar al spaţiului

v = (x, y) este determinat de două variabile independente x şi y, rezultă că dimR R2 = 2.
Cei doi vectori ai bazei canonice a spaţiului R R2 se obţin luând x = 1 şi y = 0 pentru
e1 = (1, 0), respectiv x = 0 şi y = 1 pentru e2 = (0, 1).

Exemplul 1.4.25 În spaţiul vectorial R3 = {(x, y, z) | x, y, z ∈ R} un vector arbitrar

v = (x, y, z) este determinat de trei variabile independente x, y şi z, deci dimR R3 = 3.
Cei trei vectori ai bazei canonice a spaţiului R R3 se obţin luând pe rând: x = 1, y = z = 0
pentru e1 = (1, 0, 0), y = 1, x = z = 0 pentru e2 = (0, 1, 0) şi z = 1, x = y = 0 pentru
e3 = (0, 0, 1).

Exemplul 1.4.26 Deoarece un polinom arbitrar de grad cel mult doi, definit prin

f = a + bX + cX 2 ,

este determinat de trei coeficienţi independenţi a, b şi c ∈ R, deducem că dimR R2 [X] = 3.
Cei trei vectori ai bazei canonice a spaţiului vectorial al polinoamelor de grad cel mult doi
R R2 [X] se obţin luând pe rând: a = 1, b = c = 0 pentru e1 = 1, b = 1, a = c = 0 pentru
e2 = X şi c = 1, a = b = 0 pentru e3 = X 2 .

24 SPAŢII VECTORIALE EUCLIDIENE

Exemplul 1.4.27 Deoarece o matrice pătratică de ordin doi, definită prin
a b
A= ,
c d
este total definită de patru variabile independente a, b, c şi d ∈ R, rezultă că

dimR M2 (R) = 4.

Cei patru vectori ai bazei canonice a spaţiului vectorial al matricilor pătratice de ordin
doi R M2 (R) se obţin luând pe rând: a = 1, b = c = d = 0 pentru e1 , b = 1, a = c = d = 0
pentru e2 , c = 1, a = b = d = 0 pentru e3 şi d = 1, a = b = c = 0 pentru e4 .

Exemplul 1.4.28 Să considerăm subspaţiul vectorial

W = {(x, y) ∈ R2 | x + y = 0} ≤ 2
RR .

Este evident că subspaţiul W se poate scrie sub forma

W = {(x, −x) | x ∈ R}.

În concluzie, dimensiunea acestui subspaţiu este dimR W = 1. Mai mult, baza canonică a
subspaţiului W este B = {e1 = (1, −1)}, unde vectorul din această bază s-a obţinut luând
x = 1.

Lema 1.4.29 (Steinitz) Fie V = {0V } un K-spaţiu vectorial finit generat. Atunci orice
submulţime finită liniar independentă a lui K V poate fi completată cu vectori până la o
bază în K V.

Demonstraţie. Fie L′ ⊆ V o submulţime finită liniar independentă a lui K V. Fie un

vector v ∈ V \L(L′ ). Rezultă imediat că mulţimea L′ ∪ {v} este liniar independentă.
Fie S = {v1 , v2 , ..., vn } un sistem finit de generatori pentru K V şi să considerăm
mulţimea R = S\L(L′ ). Atunci mulţimea B = L′ ∪ R este evident liniar independentă şi
un sistem de generatori. În concluzie, B este o bază în K V.

Teorema 1.4.30 Să considerăm un K-spaţiu vectorial V de dimensiune

dimK V = n ≥ 1

şi fie W ≤ KV un subspaţiu vectorial al lui KV . Atunci avem inegalitatea

dimK W ≤ dimK V,

cu ” = ” dacă şi numai dacă W = V.

Demonstraţie. Fie v1 = 0 un vector nenul din K V . Atunci mulţimea {v1 } este liniar
independentă în K V . Presupunând că W = L({v1 }), rezultă ceea ce trebuia demonstrat.
Dacă L({v1 }) W, atunci ∃ v2 ∈ W \L({v1 }) astfel încât mulţimea {v1 , v2 } este liniar
independentă. În această situaţie, ori avem W = L({v1 , v2 }) ori ∃ v3 ∈ W \L({v1 , v2 })
astfel încât mulţimea {v1 , v2 , v3 } este liniar independentă. Continuăm procedeul până la
cel mult n = dimK V. Deducem că avem inegalitatea dimK W ≤ dimK V.
Să presupunem că dimK W = n. Atunci orice bază a subspaţiului W este liniar inde-
pendentă în K V şi conţine n elemente. Prin urmare, aceasta este, de asemenea, o bază a
spaţiului vectorial K V . Rezultă ceea ce trebuia demonstrat, adică W = V.

BAZE ŞI DIMENSIUNI 25

Teorema 1.4.31 (Grassmann) Dacă W1 , W2 sunt subspaţii finit dimensionale în K V ,
atunci W1 + W2 şi W1 ∩ W2 sunt, de asemenea, subspaţii finit dimensionale în K V . Mai
mult, avem relaţia

dimK (W1 + W2 ) = dimK W1 + dimK W2 − dimK (W1 ∩ W2 ).

Demonstraţie. Fie {e1 , e2 , ..., ep } bază în W1 ∩ W2 . Atunci, conform lemei lui Steinitz,
există vectorii
up+1 , up+2 , ..., up+q ∈ W1
şi
wp+1 , wp+2 , ..., wp+r ∈ W2
astfel încât
{e1 , e2 , ..., ep , up+1 , up+2 , ..., up+q }
este bază în W1 şi
{e1 , e2 , ..., ep , wp+1 , wp+2 , ..., wp+r }
este bază în W2 . Este evident că submulţimea de vectori

{e1 , e2 , ..., ep , up+1 , up+2 , ..., up+q , wp+1 , wp+2 , ..., wp+r }

este o bază în W1 + W2 . Rezultă ceea ce trebuia demonstrat.

Corolarul 1.4.32 Dacă W1 , W2 sunt subspaţii finit dimensionale ale lui K V , care se află
în sumă directă, atunci W1 ⊕ W2 este, de asemenea, subspaţiu finit dimensional al lui K V .
Mai mult, avem relaţia

dimK (W1 ⊕ W2 ) = dimK W1 + dimK W2 .

Demonstraţie. Folosim teorema lui Grassmann şi faptul că avem W1 ∩ W2 = {0V }.

Exemplul 1.4.33 Fie W1 = {a + bX | a, b ∈ R} şi W2 = {µX 2 | µ ∈ R} subspaţii ale

spaţiului polinoamelor de grad cel mult doi R R2 [X]. Atunci avem

R2 [X] = W1 ⊕ W2 .

Pentru a demonstra acest lucru, fie f ∈ W1 ∩ W2 . Deducem că ∃ a, b, µ ∈ R astfel încât

f = a + bX = µX 2 ⇔ a + bX − µX 2 = 0R2 [X] ⇔ a = b = µ = 0.

În concluzie, W1 ∩ W2 = {0R2 [X] }, adică subspaţiile W1 şi W2 se află în sumă directă:

W1 ⊕ W2 ≤ R R2 [X].

Mai mult, avem

dimR (W1 ⊕ W2 ) = dimR W1 + dimR W2 = 2 + 1 = 3 = dimR R2 [X] ⇔

⇔ W1 ⊕ W2 = R R2 [X].

26 SPAŢII VECTORIALE EUCLIDIENE

1.5 Coordonate. Schimbări de coordonate

Fie V un K-spaţiu vectorial, unde dimK V = n. Fie B = {e1 , e2 , ..., en } bază în K V.

Deoarece B este bază, rezultă că

∀ v ∈ V, ∃! x1 , x2 , ..., xn ∈ K astfel încât v = x1 e1 + x2 e2 + ... + xnen .

Definiţia 1.5.1 Matricea (x1 , x2 , ..., xn ) ∈ M1,n (K) reprezintă coordonatele vectorului
v în baza B a spaţiului vectorial K V.

Exemplul 1.5.2 Fie vectorul v = (3, 2, 1) şi baza

B = {e1 = (1, 0, 0), e2 = (1, 1, 0), e3 = (1, 1, 1)}

în spaţiul vectorial R R3 . Atunci, la nivel de coordonate, avem descompunerea

v = x1 e1 + x2 e2 + x3 e3 .

Egalând pe componente, obţinem sistemul liniar


 x1 + x2 + x3 = 3


x2 + x3 = 2


 x = 1.
3

Rezolvând sistemul, deducem că x1 = x2 = x3 = 1. În concluzie, (1, 1, 1) reprezintă

coordonatele vectorului v în baza B a spaţiului vectorial R R3 .

Exemplul 1.5.3 Fie vectorul f = 1 + X + X 2 şi baza

B = {e1 = 1 − X, e2 = 3, e3 = 2 + X 2 }

în spaţiul vectorial al polinoamelor de grad cel mult doi R R2 [X]. Atunci, la nivel de coor-
donate, avem descompunerea

f = x1 e1 + x2 e2 + x3 e3 .

Egalând coeficienţii polinoamelor, găsim sistemul liniar



 x + 3x2 + 2x3 = 1
 1
−x1 = 1


 x = 1.
3

Rezolvând sistemul, deducem că

x1 = −1, x2 = 0, x3 = 1.

Cu alte cuvinte, coordonatele vectorului f în baza B sunt (−1, 0, 1).

COORDONATE. SCHIMBĂRI DE COORDONATE 27

 Să considerăm acum că B ′ = {e′1 , e′2 , ..., e′n } este o altă bază a spaţiului vectorial
K V. Deoarece submulţimea B = {e1 , e2 , ..., en } este şi ea o bază în spaţiul vectorial K V,
deducem că avem descompunerile unice:
 ′
 e = c11 e1 + c12 e2 + ... + c1n en ,
 1



 e′2 = c21 e1 + c22 e2 + ... + c2n en ,




 ·

 ·






 ·

 ′
en = cn1 e1 + cn2 e2 + ... + cnn en,
unde C = (cij )i,j=1,n ∈ Mn (K).
Definiţia 1.5.4 Matricea pătratică
T
MBB ′ = C = (cji )i,j=1,n ∈ Mn (K)
se numeşte matricea de trecere de la baza B la baza B ′ .
Fie B = {e1 , e2 , ..., en }, B ′ = {e′1 , e′2 , ..., e′n } şi B ′′ = {e′′1 , e′′2 , ..., e′′n } trei baze ale spaţiu-
lui vectorial K V, unde dimK V = n. Atunci avem
Propoziţia 1.5.5 Următoarele relaţii matriceale sunt adevărate:
1. MBB = In , unde In ∈ Mn (K) este matricea identitate;
2. MB′ B = MBB
−1
′;

3. MBB ′′ = MBB′ · MB′ B′′ .

Demonstraţie.
1. Descompunerea elementelor bazei B în baza B se realizează, evident, în felul urmă-
tor: 
 e1 = 1 · e1 + 0 · e2 + ... + 0 · en ,




 e2 = 0 · e1 + 1 · e2 + ... + 0 · en ,
⇔ MBB = In .
 ...





en = 0 · e1 + 0 · e2 + ... + 1 · en ,
2. Să utilizăm următoarele notaţii formale:
   
e1 e′1
 e2   e′ 
   2 
e =  ..  şi e′ =  ..  .
 .   . 
en e′n
Atunci, din definiţia matricii de trecere de la o bază la alta, avem adevărate ur-
mătoarele relaţii matriceale: e′ = T MBB ′ · e şi e = T MB ′ B · e′ . Acestea implică
egalităţile
e′ = T MBB′ · T MB′ B · e′ ⇒ T MBB ′ · T MB′ B = In .
Cu alte cuvinte, obţinem ceea ce trebuia demonstrat:
−1
MBB ′ · MB ′ B = In ⇔ MB′ B = MBB ′.

28 SPAŢII VECTORIALE EUCLIDIENE

 3. Următoarele relaţii matriceale formale sunt adevărate:
T T T
e′ = MBB′ · e, e′′ = MBB ′′ · e şi e′′ = MB ′ B ′′ · e′ ,

unde  
e′′1
 e′′2 
 
e′′ =  .. .
 . 
e′′n
Aceste relaţii implică egalităţile
T T T T T
e′′ = MB ′ B′′ · MBB′ · e ⇒ MBB ′′ = MB′ B ′′ · MBB ′ .

Fie v ∈ V un vector şi fie

   
x1 x′1
 x2   x′2 
   
X = ..  şi X ′
=  .. 
 .   . 
xn x′n

coordonatele (scrise pe coloană) vectorului v în bazele

B = {e1 , e2 , ..., en } şi B ′ = {e′1 , e′2 , ..., e′n }.

Propoziţia 1.5.6 Următoarea relaţie matriceală de schimbare a coordonatelor este ade-

vărată:
X = MBB′ · X ′ .

Demonstraţie. Deoarece (x′1 , x′2 , ..., x′n ) sunt coordonatele vectorului v în baza B ′ ,
rezultă că avem n
v= x′i e′i .
i=1

Folosind matricea de trecere de la baza B la baza B ′ , această relaţie se poate scrie sub
forma n n
v= x′i cij ej .
i=1 j=1

În acelaşi timp, deoarece (x1 , x2 , ..., xn ) sunt coordonatele vectorului v în baza B, avem
relaţia
n
v= xj ej .
j=1

În concluzie, din ultimele două egalităţi obţinem egalităţile de coordonate:

n
xj = x′i cij , ∀ j = 1, n.
i=1

Aceste egalităţi scrise la nivel matriceal conduc la ceea ce aveam de demonstrat.

COORDONATE. SCHIMBĂRI DE COORDONATE 29

Corolarul 1.5.7 Următoarea relaţie matriceală de schimbare a coordonatelor este ade-
vărată:
X ′ = MB ′ B · X = MBB−1
′ · X.

Exemplul 1.5.8 Fie vectorul v = (1, 2, 3) şi bazele

B = {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)}

şi
B ′ = {e′1 = (1, 0, 0), e′2 = (1, 1, 0), e′3 = (1, 1, 1)}
în spaţiul vectorial R R3 . Atunci avem adevărate egalităţile


 e′ = 1 · e1 + 0 · e2 + 0 · e3 ,
 1
e′2 = 1 · e1 + 1 · e2 + 0 · e3 ,


 e′ = 1 · e + 1 · e + 1 · e ,
3 1 2 3

care conduc la matricea de trecere

 
1 1 1
MBB′ =  0 1 1 .
0 0 1

Este evident că vectorul v are coordonatele

 
1
X=  2 
3

în baza canonică B. Fie 

x′1
X ′ =  x′2 
x′3
coordonatele vectorului v în baza B ′ . Din relaţia de schimbare a coordonatelor deducem că
 ′   −1       
x1 1 1 1 1 1 −1 0 1 −1
 x′2  =  0 1 1   2  =  0 1 −1   2  =  −1  .
x′3 0 0 1 3 0 0 1 3 3

Exemplul 1.5.9 Fie vectorul f = X 2 − 2X + 5 şi bazele

B = {e1 = 1, e2 = X, e3 = X 2 }

şi
B ′ = {e′1 = 2X, e′2 = 3, e′3 = X 2 − 1}
în spaţiul vectorial R R2 [X]. Atunci avem adevărate egalităţile


 e′ = 0 · e1 + 2 · e2 + 0 · e3 ,
 1
e′2 = 3 · e1 + 0 · e2 + 0 · e3 ,


 e′ = −1 · e + 0 · e + 1 · e ,
3 1 2 3

30 SPAŢII VECTORIALE EUCLIDIENE

care conduc la matricea de trecere
 
0 3 −1
MBB ′ =  2 0 0 .
0 0 1

Este evident că vectorul f are coordonatele

 
5
X =  −2 
1

în baza canonică B. Fie  

x′1
X ′ =  x′2 
x′3
coordonatele vectorului f în baza B ′ . Din relaţia de schimbare a coordonatelor deducem
că avem  ′   −1  
x1 0 3 −1 5
 x′2  =  2 0 0   −2  =
x′3 0 0 1 1
    
0 1/2 0 5 −1
=  1/3 0 1/3   −2  =  2  .
0 0 1 1 1

1.6 Produse scalare. Lungimi şi unghiuri

Pentru început, este foarte important de notat faptul până la sfârşitul expunerii ele-
mentelor teoretice ale acestui Capitol vom considera că câmpul de scalari (K, +, ·) este
corpul numerelor reale (R, +, ·). În consecinţă, fie V un R-spaţiu vectorial.

Definiţia 1.6.1 O aplicaţie , : V × V → R, satisfăcând proprietăţile

1. v, w = w, v , ∀ v, w ∈ V (simetrie),

2. v1 + v2 , w = v1 , w + v2 , w , ∀ v1 , v2 , w ∈ V (aditivitate),

3. λv, w = λ v, w , ∀ λ ∈ R, ∀ v, w ∈ V (omogeneitate),

4. v, v ≥ 0, ∀ v ∈ V, cu ” = ” dacă şi numai dacă v = 0V (pozitiv definire),

se numeşte produs scalar pe spaţiul vectorial real R V.

Definiţia 1.6.2 Un spaţiu vectorial real R V, înzestrat cu un produs scalar , , se numeşte

spaţiu euclidian.

PRODUSE SCALARE. LUNGIMI ŞI UNGHIURI 31

Exemplul 1.6.3 Fie v = (x1 , x2 , x3 ) ∈ R3 şi w = (y1 , y2 , y3 ) ∈ R3 doi vectori arbitrari
ai spaţiului vectorial R R3 . Să arătăm că aplicaţia
def
v, w = x1 y1 + x2 y2 + x3 y3 ∈ R
este un produs scalar pe R R3 . Pentru aceasta trebuie să demonstrăm cele patru proprietăţi
care definesc un produs scalar. Simetria rezultă imediat din următoarele egalităţi:
v, w = x1 y1 + x2 y2 + x3 y3 = y1 x1 + y2 x2 + y3 x3 = w, v .
Luând un scalar arbitrar λ ∈ R, omogeneitatea rezultă din relaţiile:
λv, w = (λx1 )y1 + (λx2 )y2 + (λx3 )y3 = λ(x1 y1 + x2 y2 + x3 y3 ) = λ v, w .
Prin analogie, rezultă şi proprietatea de aditivitate a aplicaţiei , . Pentru a demonstra
proprietatea de pozitiv definire să observăm că avem
v, v = x21 + x22 + x23 ≥ 0,
cu ” = ” dacă şi numai dacă x1 = x2 = x3 = 0, adică v = (0, 0, 0). În concluzie, (R3 , , )
este un spaţiu euclidian.

Exemplul 1.6.4 Să arătăm că aplicaţia

1
def
f, g = f (x)g(x)dx ∈ R,
−1

unde f, g sunt polinoame de grad cel mult doi, este un produs scalar pe R R2 [X]. Este
evident că avem proprietatea de simetrie:
1 1
f, g = f (x)g(x)dx = g(x)f (x)dx = g, f .
−1 −1

Luând un scalar arbitrar λ ∈ R, omogeneitatea rezultă din relaţiile:

1 1
λf, g = [λf (x)]g(x)dx = λ f (x)g(x)dx = λ f, g .
−1 −1

Printr-un calcul simplu, folosind proprietatea de aditivitate a integralei, rezultă şi propri-
etatea de aditivitate a aplicaţiei , . Pentru a demonstra proprietatea de pozitiv definire
să observăm că inegalitatea f 2 (x) ≥ 0, ∀ x ∈ [−1, 1], implică inegalitatea integrală
1
f, f = f 2 (x)dx ≥ 0.
−1

Mai mult, să presupunem că avem f, f = 0. Din punct de vedere geometric aceasta
înseamnă că aria subgraficului funcţiei pozitive f 2 ≥ 0 este nulă. Însă această arie este
nulă dacă şi numai dacă f(x) = 0, ∀ x ∈ [−1, 1]. Cu alte cuvinte, avem f, f = 0 dacă
şi numai dacă f = O (polinomul nul). În concluzie, (R2 [X], , ) este un spaţiu euclidian.
Teorema 1.6.5 (inegalitatea Cauchy) În orice spaţiu vectorial euclidian (V, , ) pro-
dusul scalar satisface inegalitatea Cauchy
2
v, w ≤ v, v · w, w , ∀ v, w ∈ V,
cu ” = ” dacă şi numai dacă vectorii v şi w sunt liniar dependenţi.

32 SPAŢII VECTORIALE EUCLIDIENE

Demonstraţie. Să presupunem că w = 0V . Atunci avem w, w = 0. Pe de altă parte,
folosind aditivitatea produsului scalar, obţinem

v, 0V + v, 0V = v, 0V , ∀ v ∈ V,

adică v, 0V = 0, ∀ v ∈ V. Cu alte cuvinte, inegalitatea Cauchy este adevărată în acest

caz.
Să presupunem acum că w = 0V şi să luăm un vector arbitrar v ∈ V. Pozitiv definirea
produsului scalar implică inegalitatea

v + λw, v + λw ≥ 0, ∀ λ ∈ R.

Folosind aditivitatea şi omogeneitatea produsului scalar, deducem că

w, w λ2 + 2 v, w λ + v, v ≥ 0, ∀ λ ∈ R.

Prin urmare, trebuie ca discriminantul ecuaţiei de grad doi să fie negativ, adică
2
∆ = 4 v, w − 4 w, w · v, v ≤ 0.

Mai mult, dacă discriminantul este nul rezultă că există λ ∈ R astfel încât

v + λw = 0V ,

adică vectorii v şi w sunt liniar dependenţi. Rezultă ceea ce aveam de demonstrat.

Corolarul 1.6.6 Fie (V, , ) un spaţiu euclidian. Atunci, funcţia

|| · || : V → R,

definită prin
||v|| = v, v , ∀ v ∈ V,
verifică următoarele proprietăţi:

1. ||v|| ≥ 0, ∀ v ∈ V, cu ” = ” dacă şi numai dacă v = 0V ;

2. ||λv|| = |λ| · ||v||, ∀ λ ∈ R, ∀ v ∈ V;
3. ||v + w|| ≤ ||v|| + ||w||, ∀ v, w ∈ V. (inegalitatea triunghiului)

Demonstraţie. Pozitiv definirea şi omogeneitatea produsului scalar implică imediat

proprietăţile 1. şi 2. Folosind proprietăţile produsului scalar şi inegalitatea lui Cauchy,
deducem inegalitatea triunghiului:

||v + w||2 = v + w, v + w = v, v + 2 v, w + w, w ≤
≤ ||v||2 + ||w||2 + 2 · | v, w | ≤
≤ ||v||2 + ||w||2 + 2 · ||v|| · ||w|| = (||v|| + ||w||)2 , ∀ v, w ∈ V.

Definiţia 1.6.7 Funcţia || · || : V → R, definită prin

||v|| = v, v , ∀ v ∈ V,

se numeşte norma (lungimea) euclidiană a spaţiului euclidian (V, , ).

PRODUSE SCALARE. LUNGIMI ŞI UNGHIURI 33

Exemplul 1.6.8 Să calculăm lungimea (norma) vectorului v = (1, 2, 3) în spaţiul eucli-
dian (R3 , , ). Folosind definiţia produsului scalar pe spaţiul vectorial R R3 , obţinem
√ √
||v|| = v, v = 12 + 22 + 32 = 14.

Exemplul 1.6.9 Să calculăm lungimea (norma) vectorului f = X în spaţiul euclidian

(R2 [X], , ). Folosind definiţia produsului scalar pe spaţiul vectorial R R2 [X], obţinem

1 1
2
||f || = f, f = f 2 (x)dx = x2 dx = .
−1 −1 3

Definiţia 1.6.10 Fie (V, , ) un spaţiu euclidian şi fie v, w ∈ V \{0V } doi vectori arbi-
trari nenuli. Atunci, numărul real θ ∈ [0, π], definit de relaţia
v, w
cos θ = ∈ [−1, 1],
||v|| · ||w||
se numeşte unghiul dintre v şi w în spaţiul euclidian (V, , ).

Observaţia 1.6.11 Faptul că avem cos θ ∈ [−1, 1] rezultă din inegalitatea lui Cauchy.

Exemplul 1.6.12 Să calculăm unghiul dintre vectorii

v = (1, 2, 3) şi w = (3, 2, 0)

în spaţiul euclidian (R3 , , ). Conform definiţiei produsului scalar pe spaţiul vectorial R R3 ,

avem
v, w = (1, 2, 3), (3, 2, 0) = 1 · 3 + 2 · 2 + 3 · 0 = 7,
√ √ √ √
||v|| = 12 + 22 + 32 = 14 şi ||w|| = 32 + 22 + 02 = 13.
În concluzie, obţinem

v, w 7 7 7
cos θ = =√ √ = ⇔ θ = arccos .
||v|| · ||w|| 14 · 13 26 26

Exemplul 1.6.13 Să calculăm unghiul dintre vectorii

f = X şi g = X 2

în spaţiul euclidian (R2 [X], , ). Conform definiţiei produsului scalar pe spaţiul vectorial
R R2 [X], avem
1
f, g = x3 dx = 0.
−1

Deducem că avem cos θ = 0, adică θ = π/2.

Definiţia 1.6.14 Doi vectori nenuli v, w ∈ V \{0V } sunt ortogonali (perpendiculari)

în spaţiul euclidian (V, , ) dacă
π
v, w = 0 ⇔ θ = .
2
În această situaţie, vom folosi notaţia v ⊥ w.

34 SPAŢII VECTORIALE EUCLIDIENE

Propoziţia 1.6.15 Orice doi vectori nenuli ortogonali v ⊥ w în spaţiul euclidian (V, , )
sunt liniar independenţi.

Demonstraţie. Fie α, β ∈ R astfel încât αv + βw = 0V , unde

v, w = 0.
Aplicând în egalitatea precedentă produsul scalar cu vectorul v, obţinem
α v, v + β w, v = 0,
adică α = 0. Analog, făcând produsul scalar al egalităţii de mai sus cu vectorul w, deducem
că β = 0. În concluzie, mulţimea {v, w} este liniar independentă.

Corolarul 1.6.16 Fie (V, , ) un spaţiu euclidian de dimensiune

dimR V = n ≥ 1.
În acest context, orice mulţime de n vectori ortogonali unul pe celălalt formează o bază a
spaţiului euclidian (V, , ).

Demonstraţie. Fie mulţimea de vectori B = {e1 , e2 , ..., en } ⊆ R V, unde

ei ⊥ ej , ∀ i, j = 1, n, i = j.
Conform propoziţiei anterioare, deducem că mulţimea B este liniar independentă. Deoa-
rece avem
dimR V = n,
rezultă că mulţimea B este de fapt bază în spaţiului euclidian (V, , ).

1.7 Baze ortonormate. Complemente ortogonale

Fie B = {e1 , e2 , ..., en } o bază în spaţiul euclidian (V, , ), a cărui dimensiune este
dimR V = n.

Definiţia 1.7.1 Spunem că baza B = {e1 , e2 , ..., en } este o bază ortonormată a spaţiului
euclidian (V, , ) dacă sunt adevărate proprietăţile:
ei ⊥ ej , ∀ i, j = 1, n, i = j şi ||ei || = 1, ∀ i = 1, n.

Observaţia 1.7.2 O bază B = {e1 , e2 , ..., en } este ortonormată în spaţiul vectorial eucli-
dian (V, , ) dacă sunt adevărate proprietăţile:
ei , ej = 0, ∀ i, j = 1, n, i = j şi ei , ei = 1, ∀ i = 1, n.

Exemplul 1.7.3 În spaţiul euclidian (R3 , , ) baza canonică

B = {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)}
este o bază ortonormată deoarece, prin calcule simple, deducem că
e1 ⊥ e2 ⊥ e3 ⊥ e1 şi ||e1 || = ||e2 || = ||e3 || = 1.

BAZE ORTONORMATE. COMPLEMENTE ORTOGONALE 35

Exemplul 1.7.4 În spaţiul euclidian (R2 [X], , ) baza canonică

B = {e1 = 1, e2 = X, e3 = X 2 }

nu este o bază ortonormată deoarece

1 √
||e1 || = ||1|| = −1
dx = 2 = 1,

1 2
||e2 || = ||X|| = −1
x2 dx = = 1,
3
1 2
||e3 || = ||X 2 || = −1
x4 dx = =1
5
şi, mai mult, avem
1
2
e1 , e3 = 1, X 2 = x2 dx = = 0.
−1 3

În studiul spaţiilor euclidiene este mult mai convenabil să utilizăm baze ortonormate
decât baze neortonormate deoarece primele furnizează importante proprietăţi geometrice
ale spaţiului. În consecinţă, vom detalia în continuare un procedeu prin care putem asocia
unei baze neortonormate o bază nouă, care este ortonormată. Evident, un asemenea pro-
cedeu ne asigură de faptul că în orice spaţiu euclidian există cel puţin o bază ortonormată.

Teorema 1.7.5 (Procedeul de ortonormalizare Gram-Schmidt) Fie

B = {e1 , e2 , ..., en }

o bază neortonormată a spaţiului euclidian (V, , ), unde dimR V = n. Atunci, cu ajutorul

bazei iniţiale B, se poate construi o nouă bază

GS(B) = {f1 , f2 , ..., fn }

care este ortonormată în spaţiul euclidian (V, , ).

Demonstraţie. Pornind de la elementele bazei B, construim sistemul de vectori

B ′ = {e′1 , e′2 , ..., e′n }

ale cărui elemente sunt definite în felul următor:

e′1 = e1 ;
e′2 = e2 + a21 e′1 , a21 ∈ R;
e′3 = e3 + a31 e′1 + a32 e′2 , a31 , a32 ∈ R;
..
.
e′i = ei + ai1 e′1 + ai2 e′2 + ... + aii−1 e′i−1 , ail ∈ R, ∀ l = 1, i − 1;
..
.
e′n = en + an1 e′1 + an2 e′2 + ... + ann−1 e′n−1 , anl ∈ R, ∀ l = 1, n − 1.

36 SPAŢII VECTORIALE EUCLIDIENE

 Vom arăta în continuare că mulţimea de vectori B ′ reprezintă un sistem de genera-
tori pentru spaţiul euclidian (V, , ). Pentru aceasta vom demonstra prin inducţie după
indicele i ∈ {1, 2, ..., n} că avem

L({e1 , e2 , ..., ei }) = L({e′1 , e′2 , ..., e′i }).

Pentru i = 1 este evident că avem

L({e1 }) = L({e′1 }).

Să considerăm i ∈ {2, 3, ..., n} şi să presupunem că

L({e1 , e2 , ..., ei−1 }) = L({e′1 , e′2 , ..., e′i−1 }).

Atunci, din ipoteza de inducţie şi modul de de construcţie al vectorului e′i , deducem
egalităţile:

L({e1 , e2 , ..., ei }) = L({e1 , e2 , ..., ei−1 }) + L({ei }) =

= L({e′1 , e′2 , ..., e′i−1 }) + L({ei }) =
= L({e′1 , e′2 , ..., e′i−1 , ei }) =
= L({e′1 , e′2 , ..., e′i−1 , e′i }).

În concluzie, avem
L({e1 , e2 , ..., en }) = L({e′1 , e′2 , ..., e′n }) = V,
adică B ′ este un sistem de generatori pentru spaţiul euclidian (V, , ).
Pentru ca sistemul de vectori B ′ să fie şi liniar independent, vom alege constantele
aij ∈ R, i = 2, n, j = 1, i − 1, astfel încât vectorii mulţimii B ′ să fie ortogonali unul pe
celălalt. Pentru aceasta trebuie ca următoarele condiţii să fie adevărate:

e′i , e′j = 0, ∀ i = 2, n, j = 1, i − 1.

Impunând aceste condiţii vectorilor din B ′ şi ţinând cont de modul de construcţie al
vectorilor e′i , ∀ i = 1, n, deducem că trebuie să avem adevărate egalităţile

ei , e′j + aij e′j , e′j = 0, ∀ i = 2, n, j = 1, i − 1,

adică trebuie să luăm constantele

ei , e′j ei , e′j
aij = − = − , ∀ i = 2, n, j = 1, i − 1.
e′j , e′j ||e′j ||2

În concluzie, sistemul de vectori B ′ = {e′1 , e′2 , ..., e′n }, construit cu ajutorul constantelor
de mai sus, reprezintă o bază de vectori ortogonali pentru spaţiul euclidian (V, , ). Luând
acum mulţimea de vectori
GS(B) = {f1 , f2 , ..., fn},
unde
def 1
fi = · e′ , ∀ i = 1, n,
||e′i || i
găsim ceea ce aveam de demonstrat. Cu alte cuvinte, mulţimea de vectori GS(B) este o
bază ortonormată a spaţiului euclidian (V, , ). Evident, această bază este furnizată de
baza neortonormată iniţială B.

BAZE ORTONORMATE. COMPLEMENTE ORTOGONALE 37

Exemplul 1.7.6 Utilizând procedeul de ortonormalizare Gram-Schmidt, să ortonormăm
baza
B = {e1 = (1, 0, 0), e2 = (1, 1, 0), e3 = (1, 1, 1)}
în spaţiul euclidian (R3 , , ). Pentru aceasta, vom lua vectorul

e′1 = e1 = (1, 0, 0).

Să considerăm acum vectorul

e′2 = e2 + ke′1 = (1, 1, 0) + k(1, 0, 0) = (1 + k, 1, 0), k ∈ R,

unde constanta k o determinăm din următoarea condiţie de ortogonalitate:

e′2 , e′1 = 0 ⇔ (1 + k, 1, 0), (1, 0, 0) = 0 ⇔ 1 + k = 0 ⇔ k = −1.

Prin urmare, avem

e′2 = (0, 1, 0).
Să considerăm şi vectorul

e′3 = e3 + k1 e′1 + k2 e′2 =

= (1, 1, 1) + k1 (1, 0, 0) + k2 (0, 1, 0) =
= (1 + k1 , 1 + k2 , 1), k1 , k2 ∈ R,

unde constantele k1 şi k2 le determinăm din următoarele condiţii de ortogonalitate:

e′3 , e′1 = 0 (1 + k1 , 1 + k2 , 1), (1, 0, 0) = 0

⇔ ⇔
e′3 , e′2 = 0 (1 + k1 , 1 + k2 , 1), (0, 1, 0) = 0

1 + k1 = 0 k1 = −1
⇔ ⇔
1 + k2 = 0 k2 = −1.

Prin urmare, avem

e′3 = (0, 0, 1).
Deoarece avem ||e′1 || = ||e′2 || = ||e′3 || = 1, rezultă că baza ortonormată obţinută în
urma procedeului Gram-Schmidt este exact baza canonică a spaţiului euclidian (R3 , , ),
şi anume
GS(B) = {f1 = (1, 0, 0), f2 = (0, 1, 0), f3 = (0, 0, 1)},
unde
1 1 1
f1 = · e′ , f2 = · e′ , f3 = · e′ .
||e′1 || 1 ||e′2 || 2 ||e′3 || 3

Exemplul 1.7.7 Utilizând procedeul de ortonormalizare Gram-Schmidt, să ortonormăm

baza canonică
B = {e1 = 1, e2 = X, e3 = X 2 }
în spaţiul euclidian (R2 [X], , ). Pentru aceasta, vom lua vectorul

e′1 = e1 = 1.

38 SPAŢII VECTORIALE EUCLIDIENE

Să considerăm acum vectorul
e′2 = e2 + ke′1 = X + k, k ∈ R,
unde constanta k o determinăm din următoarea condiţie de ortogonalitate:
1 1
x2
e′2 , e′1 =0⇔ (x + k)dx = 0 ⇔ + kx = 0 ⇔ 2k = 0 ⇔ k = 0.
−1 2 −1

Prin urmare, avem

e′2 = X.
Să considerăm şi vectorul
e′3 = e3 + k1 e′1 + k2 e′2 = X 2 + k2 X + k1 , k1 , k2 ∈ R,
unde constantele k1 şi k2 le determinăm din următoarele condiţii de ortogonalitate:
 1


′ ′ 
 (x2 + k2 x + k1 )dx = 0
e3 , e1 = 0 −1
′ ′
⇔ 1
⇔
e3 , e2 = 0 


 (x3 + k2 x2 + k1 x)dx = 0
−1
 1


 x3 x2  2 

 + k2 + k1 x =0 
 + 2k1 = 0  k = −1
3 2 −1 3 1
⇔ ⇔ ⇔ 3
 2k = 0
 4 3 2 1  

 x x x k2 = 0.

 + k2 + k1 =0 3
2
4 3 2 −1
Prin urmare, avem
1
e′3 = X 2 − .
3
Să calculăm acum normele vectorilor e1 , e2 şi e3 :
′ ′ ′

1 √
||e′1 || = dx = 2,
−1

1
2
||e′2 || = x2 dx = ,
−1 3
1 2
1 8
||e′3 || = x2 − dx = .
−1 3 45
Baza ortonormată obţinută în urma procedeului Gram-Schmidt este
GS(B) = {f1 , f2 , f3 },
unde
1 1
f1 = ′
· e′1 = √ ,
||e1 || 2
1 3
f2 = · e′ = · X,
||e′2 || 2 2
1 45 1
f3 = · e′ = · X2 − .
||e′3 || 3 8 3

BAZE ORTONORMATE. COMPLEMENTE ORTOGONALE 39

Definiţia 1.7.8 Fie W un subspaţiu vectorial al spaţiului euclidian (V, , ). Submulţimea

W ⊥ = {v ∈ V | v ⊥ w, ∀ w ∈ W }

se numeşte complementul ortogonal al subspaţiului vectorial W în spaţiul euclidian

(V, , ).

Teorema 1.7.9 Complementul ortogonal W ⊥ este un subspaţiu vectorial al spaţiului eu-

clidian (V, , ). Mai mult, următoarea relaţie de complementaritate este adevărată:

V = W ⊕ W ⊥.

Demonstraţie. Să demonstrăm întâi că W ⊥ este un subspaţiu vectorial al spaţiului

euclidian (V, , ). Pentru a demonstra acest lucru vom utiliza criteriul de subspaţiu. Fie
doi vectori arbitrari v1 , v2 ∈ W ⊥ . Din definiţia complementului ortogonal W ⊥ rezultă că
avem
v1 , w = v2 , w = 0, ∀ w ∈ W.
Atunci, printr-un calcul simplu, deducem că avem

v1 + v2 , w = v1 , w + v2 , w = 0, ∀ w ∈ W,

adică v1 + v2 ∈ W ⊥ . Să luăm acum un scalar arbitrar α ∈ R şi un vector arbitrar v ∈ W ⊥ .

Atunci, este evident că avem

v, w = 0, ∀ w ∈ W.

Prin urmare, deducem că avem

αv, w = α v, w = 0, ∀ w ∈ W,

adică αv ∈ W ⊥ . În concluzie, W ⊥ este un subspaţiu vectorial al lui V.

Să demonstrăm acum că subspaţiile W şi W ⊥ se află în sumă directă. Pentru aceasta
fie v ∈ W ∩ W ⊥ . Rezultă că
v, w = 0, ∀ w ∈ W.
Particularizând w = v, obţinem că v, v = 0, adică v = 0V . Prin urmare, avem

W ∩ W ⊥ = {0V },

adică
W ⊕ W ⊥ ≤R V.
Pentru a arăta că subspaţiul sumă directă W ⊕ W ⊥ coincide cu întreg spaţiul ambiental
V , vom demonstra că orice vector al spaţiului V se descompune în mod unic ca suma
dintre un vector al lui W şi un vector al lui W ⊥ . Pentru aceasta fie

B = {e1 , e2 , ..., ep }

o bază ortonormată în subspaţiul W, unde p = dimR W, şi fie v ∈ V un vector arbitrar.

Să considerăm vectorul

w = v, e1 e1 + v, e2 e2 + ... + v, ep ep ∈ W.

40 SPAŢII VECTORIALE EUCLIDIENE

Vom demonstra că v − w ∈ W ⊥ . Pentru aceasta este suficient să observăm că avem

v − w, ei = v, ei − w, ei = v, ei − v, ei = 0, ∀ i = 1, n.

În concluzie, avem descompunerea unică

v = w + (v − w),

unde w ∈ W şi v − w ∈ W ⊥ . Cu alte cuvinte, obţinem egalitatea W ⊕ W ⊥ = V.

Corolarul 1.7.10 Fie W un subspaţiu al spaţiului vectorial euclidian (V, , ) şi fie v ∈ V

un vector arbitrar. Atunci există şi sunt unici nişte vectori w ∈ W şi w⊥ ∈ W ⊥ astfel
încât
v = w + w⊥.

Demonstraţie. Proprietatea din Corolar este evidentă din decompunerea

V = W ⊕ W ⊥.

Vectorii w ∈ W şi w ⊥ ∈ W ⊥ , cu proprietatea de mai sus, se numesc proiecţiile vectorului

v pe subspaţiile W şi W ⊥ .

Exemplul 1.7.11 Fie subspaţiul vectorial

W = {(x, 0) | x ∈ R} ≤R R2 .

Să calculăm complementul ortogonal W ⊥ în spaţiul euclidian (R2 , , ) şi să determinăm
proiecţiile vectorului v = (1, 2) pe subspaţiile W şi W ⊥ . Pentru aceasta să observăm că
avem dimR W = 1. O bază în W este

B = {e1 = (1, 0)}.

Căutăm acum toţi vectorii (x, y) ∈ R2 astfel încât

(x, y), (1, 0) = 0 ⇔ x = 0.

Prin urmare, complementul ortogonal al subspaţiului W este subspaţiul

W ⊥ = {(0, y) | y ∈ R}.

Din teorema precedentă deducem că avem R2 = W ⊕ W ⊥ . Este evident, de asemenea, că
avem descompunerea unică
(1, 2) = (1, 0) + (0, 2),
unde (1, 0) ∈ W şi (0, 2) ∈ W ⊥ . Să se noteze că, din punct de vedere geometric, proiecţiile
lui v = (1, 2) pe subspaţiile W şi W ⊥ , adică w = (1, 0) ∈ W şi w⊥ = (0, 2) ∈ W ⊥ , repre-
zintă exact coordonatele proiecţiilor ortogonale ale punctului P (1, 2) pe axele de coordonate
Ox şi Oy.

BAZE ORTONORMATE. COMPLEMENTE ORTOGONALE 41

Exemplul 1.7.12 Fie subspaţiul vectorial
W = {(x, y, z) ∈ R3 | x + y + z = 0} ≤R R3 .
Să calculăm complementul ortogonal W ⊥ în spaţiul euclidian (R3 , , ) şi să determinăm
proiecţiile vectorului v = (1, 2, 3) pe subspaţiile W şi W ⊥ . Pentru aceasta să observăm că
avem
W = {(x, y, −x − y) | x, y ∈ R}.
Rezultă că dimR W = 2. O bază în W este
B = {e1 = (1, 0, −1), e2 = (0, 1, −1)}.
Căutăm acum toţi vectorii (x, y, z) ∈ R3 astfel încât
(x, y, z), (1, 0, −1) = 0 x−z =0
⇔ ⇔ x = y = z.
(x, y, z), (0, 1, −1) = 0 y − z = 0.
Prin urmare, complementul ortogonal al subspaţiului W este subspaţiul
W ⊥ = {(α, α, α) | α ∈ R}.
Din teorema precedentă deducem că R3 = W ⊕ W ⊥ . Atunci există x, y, α ∈ R astfel încât
să avem descompunerea unică
(1, 2, 3) = (x, y, −x − y) + (α, α, α),
unde (x, y, −x − y) ∈ W şi (α, α, α) ∈ W ⊥ . Rezultă că avem sistemul


 x+α =1

y+α=2


 −x − y + α = 3,

a cărui soluţie unică este x = −1, y = 0 şi α = 2.

În concluzie, proiecţiile vectorului v = (1, 2, 3) pe subspaţiile W şi W ⊥ sunt
w = (−1, 0, 1) ∈ W şi w ⊥ = (2, 2, 2) ∈ W ⊥ .
Cu alte cuvinte, avem adevărată descompunerea unică
(1, 2, 3) = (−1, 0, 1) + (2, 2, 2),
unde (−1, 0, 1) ∈ W şi (2, 2, 2) ∈ W ⊥ .

1.8 Probleme rezolvate

not
1. Fie (V, +, ·) un spaţiu vectorial real. Pe produsul cartezian C V = V × V definim
următoarele operaţii de adunare a vectorilor şi de înmulţire a lor cu scalari complecşi:
(v1 , w1 ) + (v2 , w2 ) = (v1 + v2 , w1 + w2 ) ,
(α + iβ) (v, w) = (αv − βw, αw + βv), ∀ α, β ∈ R, i2 = −1.

42 SPAŢII VECTORIALE EUCLIDIENE

 Să se arate că, relativ la aceste operaţii, C V este spaţiu vectorial complex.
Rezolvare. Se ştie că produsul cartezian (V × V, +) este un grup abelian cu e-
lementul neutru (0V , 0V ), opusul unui vector (v, w) fiind vectorul (−v, −w). Fie
z1 = α1 + iβ 1 , z2 = α2 + iβ 2 doi scalari complecşi. În acest context, avem

(z1 + z2 ) (v, w) = [(α1 + α2 ) + i (β 1 + β 2 )] (v, w) =

= ((α1 + α2 ) v − (β 1 + β 2 ) w, (α1 + α2 ) w + (β 1 + β 2 ) v) =
= (α1 v − β 1 w, α1 w + β 1 v) + (α2 v − β 2 w, α2 w + β 2 v) =
= z1 (v, w) + z2 (v, w) .

Fie acum z = α + iβ ∈ C şi (v1 , w1 ) , (v2 , w2 ) ∈ V × V. Atunci

z [(v1 , w1 ) + (v2 , w2 )] = (α + iβ) (v1 + v2 , w1 + w2 ) =

= (α (v1 + v2 ) − β (w1 + w2 ) , α (w1 + w2 ) + β (v1 + v2 )) =
= (αv1 − βw1 , αw1 + βv1 ) + (αv2 − βw2 , αw2 + βv2 ) =
= z (v1 , w1 ) + z (v2 , w2 ) .

În mod asemănător, se arată că

(z1 · z2 ) (v, w) = z1 (z2 (v, w)) şi (1 + 0i) (v, w) = (v, w) .

În concluzie, mulţimea C V , împreună cu operaţiile de mai sus, este un spaţiu vec-

torial complex.
Observaţie. Spaţiul vectorial complex C V (relativ la operaţiile de mai sus) poartă
numele de complexificatul spaţiului vectorial real V .

2. Fie F[a,b] mulţimea tuturor funcţiilor reale definite pe intervalul [a, b] ⊂ R.

(a) Să se arate că operaţiile

(f + g) (x) = f (x) + g (x) , ∀ x ∈ [a, b],

(αf) (x) = αf (x) , ∀ α ∈ R, ∀ x ∈ [a, b],

definesc o structură de R-spaţiu vectorial pe mulţimea funcţiilor reale F[a,b] .

(b) Dacă intervalul [a, b] ⊂ R este simetric faţă de origine, să se arate că sub-
mulţimile

F+ = f ∈ F[a,b] | f (−x) = f (x) ⊂ F[a,b] (funcţiile pare),

F− = f ∈ F[a,b] | f (−x) = −f (x) ⊂ F[a,b] (funcţiile impare),

sunt subspaţii vectoriale şi, mai mult, că avem egalitatea

F[a,b] = F+ ⊕ F− .

Rezolvare. (a) Se cunoaşte că F[a,b] , + este un grup abelian cu elementul neutru
O, unde O : [a, b] → R, O(x) = 0, ∀ x ∈ [a, b], este funcţia identic nulă. În plus,
pentru orice x ∈ [a, b], avem adevărate relaţiile:

((α + β) f ) (x) = (α + β) f (x) = αf (x) + βf (x) = (αf ) (x) + (βf) (x) ,

(α (f + g)) (x) = α (f + g) (x) = αf (x) + αg (x) = (αf ) (x) + (αg) (x) .

PROBLEME REZOLVATE 43
 De asemenea, avem

((αβ) f ) (x) = (αβ) f (x) = α (βf (x)) = (α (βf)) (x) , ∀ x ∈ [a, b],

adică (αβ) f = α (βf). Mai mult,

1 · f = f, ∀ f ∈ F[a,b] .

În concluzie, mulţimea F[a,b] este un R-spaţiu vectorial.

(b) Este uşor de demonstrat că, în cazul în care intervalul [a, b] ⊂ R este simetric faţă
de origine, suma a două funcţii pare (impare) este tot o funcţie pară (impară) şi, mai
mult, că înmulţirea cu un scalar real a unei funcţii pare (impare) este, la rândul ei,
tot o funcţie pară (impară). Prin urmare, conform criteriului de subspaţiu, rezultă
că F+ şi F− sunt subspaţii în F[a,b] . Mai rămâne de demonstrat că F[a,b] = F+ ⊕ F− .
Pentru aceasta este suficient de demonstrat că orice element f ∈ F[a,b] se poate scrie
unic sub forma
f = f+ + f− ,
unde f+ ∈ F+ şi f− ∈ F− . În această direcţie, să considerăm f ∈ F[a,b] o funcţie
arbitrară şi să construim funcţiile
1
f+ (x) = [f (x) + f (−x)] ,
2
1
f− (x) = [f (x) − f (−x)] .
2
Se verifică uşor că f+ ∈ F+ şi f− ∈ F− şi, mai mult, că este adevărată relaţia

f = f+ + f− .

Pentru a demonstra unicitatea descompunerii anterioare, vom demonstra că avem

F+ ∩ F− = {O}. Fie un element arbitrar f ∈ F+ ∩ F− . Atunci, pentru orice
x ∈ [a, b], au loc simultan relaţiile: f (−x) = f (x) şi f (−x) = −f (x) . Acest lucru
implică
f (x) = 0, ∀ x ∈ [a, b],
adică f = O.
3. Să se arate că submulţimile de matrici
Sn = A ∈ Mn (R) | T A = A (matricile simetrice),
An = A ∈ Mn (R) | T A = −A (matricile antisimetrice),
sunt subspaţii vectoriale în Mn (R) şi, mai mult, că avem

Mn (R) = Sn ⊕ An .

Rezolvare. Cu ajutorul criteriului de subspaţiu şi al relaţiilor

T
(A + B) = T A + T B şi T
(αA) = α T A,

rezultă că Sn şi An sunt subspaţii ale lui Mn (R) . Să luăm acum o matrice arbitrară
A din intersecţia Sn∩An. Atunci, din relaţiile
T
A = A şi T A = −A

44 SPAŢII VECTORIALE EUCLIDIENE

 rezultă că A = O (matricea nulă). În concluzie, intersecţia Sn ∩An este subspaţiul
nul. Mai mult, pentru o matrice oarecare B ∈ Mn (R), să considerăm matricile
1 T 1 T
B+ = B+ B , B− = B− B .
2 2
Este evident că avem B+ ∈ Sn, B− ∈ An şi B = B+ + B− . Prin urmare am demon-
strat că Mn (R) = Sn ⊕ An .
4. Să se stabilească dependenţa sau independenţa liniară a următoarelor sisteme de
vectori şi să se precizeze dacă sunt sisteme de generatori:

(a) S1 = {v1 = (1, 3), v2 = (−2, 1)} ⊂ R R2 ;

(b) S2 = {v1 = (1, 3, −2), v2 = (−2, 1, 0), v3 = (0, 5, −4)} ⊂ R R3 ;
(c) S3 = {v1 ≡ 1, v2 ≡ cos2 x, v3 ≡ cos 2x} ⊂ R C 0 (R) (funcţiile reale continue).

Rezolvare. (a) Fie α, β ∈ R astfel încât αv1 + βv2 = 0R2 . Rezultă sistemul liniar
omogen
α − 2β = 0
3α + β = 0,
al cărui determinant este nenul. În consecinţă, sistemul admite numai soluţia nulă.
Cu alte cuvinte, sistemul de vectori S1 este liniar independent în R2 . Pentru a studia
dacă sistemul de vectori S1 este un sistem de generatori pentru R2 , să considerăm
un vector arbitrar v = (x, y) ∈ R2 şi să studiem dacă există α, β ∈ R astfel încât
αv1 + βv2 = v. Rezultă sistemul liniar neomeogen
α − 2β = x
3α + β = y.
Deoarece determinantul sistemului este nenul rezultă că sistemul are soluţie unică
pentru ∀ x, y ∈ R. În concluzie, sistemul de vectori S1 este şi un sistem de generatori
pentru R2 , adică este o bază în R2 .
(b) Determinantul obţinut prin scrierea pe coloană a vectorilor v1 , v2 şi v3 este
1 −2 0
3 1 5 = −8.
−2 0 −4
Determinantul fiind nenul, rezultă că sistemul de vectori S2 este o bază în spaţiul
vectorial R3 .
(c) Se ştie din trigonometrie că cos 2x = 2 cos2 x − 1. Cu alte cuvinte, avem relaţia
v3 = 2v2 − v1 , adică sistemul de vectori S3 este liniar dependent în C 0 (R). Să
presupunem că sistemul de vectori S3 este sistem de generatori pentru C 0 (R). În
această situaţie, orice funcţie continuă se scrie ca o combinaţie liniară de v1 , v2 şi
v3 . În particular, pentru funcţia cos x există α, β, γ ∈ R astfel încât

cos x = α + β cos2 x + γ cos 2x, ∀ x ∈ R.

Luând în egalitatea anterioară x = π, rezultă că α + β + γ = −1. Pentru x = 0

găsim însă α + β + γ = 1. Contradicţie! Prin urmare, sistemul de vectori S3 nu este
un sistem de generatori pentru C 0 (R).

PROBLEME REZOLVATE 45
 5. Să se calculeze coordonatele vectorilor următori în bazele precizate:

(a) v = (1, 1, 1), în baza

3
B = {e1 = (2, 2, −1), e2 = (2, −1, 2), e3 = (−1, 2, 2)} ⊂ RR ;

(b) v = X 5 − X 4 + X 3 − X 2 + X − 1, în baza

B = {1, 1 + X, 1 + X 2 , 1 + X 4 , 1 + X 5 , 1 − X 3 } ⊂ R R5 [X].

Rezolvare. (a) Fie (α, β, γ) ∈ R3 coordonatele vectorului v în baza B. Rezultă

egalitatea v = αe1 + βe2 + γe3 din care găsim sistemul liniar

 2α + 2β − γ = 1
2α − β + 2γ = 1

−α + 2β + 2γ = 1.

În concluzie, deducem că α = β = γ = 1/3.

(b) Să presupunem că (α, β, γ, δ, ε, µ) ∈ R6 sunt coordonatele polinomului v în baza
B. Deducem că

v = α + β(1 + X) + γ(1 + X 2 ) + δ(1 + X 4 ) + ε(1 + X 5 ) + µ(1 − X 3 ).

Egalând coeficienţii celor două polinoame, găsim valorile α = 0, β = ε = 1 şi

γ = δ = µ = −1. În concluzie, coordonatele polinomului v în baza B sunt exprimate
de vectorul (0, 1, −1, −1, 1, −1).

6. Să se arate că vectorii u, v, w ∈ R3 , unde

u = (−1, 1, 1) , v = (1, 1, 1) , w = (1, 3, 3) ,

sunt liniar dependenţi şi să se găsească relaţia de dependenţă liniară.

Rezolvare. Deoarece determinantul format prin scrierea pe coloană a vectorilor u,
v şi w este nul, rezultă că vectorii u, v, w sunt liniar dependenţi. Să presupunem că
avem următoarea relaţie de dependenţă liniară vectorială: w = αu + βv, unde α,
β ∈ R. Această relaţie conduce la sistemul liniar

−α + β = 1
α + β = 3,

care admite soluţia unică α = 1, β = 2. În concluzie, avem w = u + 2v.

7. Fie v1 , v2 şi v3 trei vectori liniar independenţi în spaţiul vetorial real V . Să se
determine α ∈ R astfel încât vectorii u1 = v1 + αv2 , u2 = v2 + αv3 şi u3 = v3 + αv1
să fie liniar independenţi (respectiv liniar dependenţi).
Rezolvare. Pentru ca vectorii u1 , u2 şi u3 să fie liniar independenţi trebuie ca
pentru orice scalari β 1 , β 2 , β 3 ∈ R, care verifică egalitatea β 1 u1 + β 2 u2 + β 3 u3 = 0V ,
să rezulte că β 1 = β 2 = β 3 = 0. Dar, din egalitatea

β 1 u1 + β 2 u2 + β 3 u3 = 0V ⇔

46 SPAŢII VECTORIALE EUCLIDIENE

 ⇔ β 1 (v1 + αv2 ) + β 2 (v2 + αv3 ) + β 3 (v3 + αv1 ) = 0V ⇔
⇔ (β 1 + β 3 α) v1 + (β 2 + β 1 α) v2 + (β 3 + β 2 α) v3 = 0V ,
precum şi din liniara independenţă a vectorilor v1 , v2 , v3 , deducem că

 β1 + αβ 3 = 0
αβ 1 + β 2 = 0

αβ 2 + β 3 = 0.

Prin urmare, condiţia ca vectorii u1 , u2 , u3 să fie liniar independenţi devine echiva-

lentă cu aceea ca determinantul sistemului de mai sus să fie nenul. Acest fapt
conduce la condiţia α = −1. Evident, pentru α = −1 vectorii u1 , u2 şi u3 sunt liniar
dependenţi.

8. Să se determine suma şi intersecţia subspaţiilor vectoriale U, V ≤R R3 , unde

U = {(x1 , x2 , x3 ) ∈ R3 | x1 − x2 = 0} ,
V = {(x1 , x2 , x3 ) ∈ R3 | 2x1 − x2 + x3 = 0} .

Rezolvare. Subspaţiul intersecţie U ∩ V este determinat de mulţimea soluţiilor

sistemului
x1 − x2 = 0
2x1 − x2 + x3 = 0,
care admite soluţiile x1 = α, x2 = α, x3 = −α, unde α ∈ R. Prin urmare, avem

U ∩ V = {(α, α, −α) | α ∈ R} .

Subspaţiul vectorial sumă este U + V = {u + v | u ∈ U, v ∈ V } . Folosind notaţiile

u = (u1 , u2 , u3 ) şi v = (v1 , v2 , v3 ), problema determinării sumei de subspaţii U + V
revine la aceea a determinării vectorilor (λ, µ, ν) ∈ R3 pentru care sistemul


 u1 − u2 = 0


 2v1 − v2 + v3 = 0
u1 + v1 = λ


 u + v2 = µ
 2

u3 + v3 = ν

este compatibil. Deoarece sistemul precedent este compatibil pentru orice valori λ,
µ şi ν ∈ R, rezultă că avem U + V = R3 . Suma subspaţiilor nu este directă deoarece
avem U ∩ V = {(0, 0, 0)}.

9. În spaţiul vectorial R R3 se consideră sistemele de vectori

B ′ = {e′1 = (1, 1, 0) , e′2 = (1, 0, 1) , e′3 = (1, 0, −1)} ,

B ′′ = {e′′1 = (1, 0, 0) , e′′2 = (1, 1, 0) , e′′3 = (1, 1, 1)} .

(a) Să se arate că B ′ şi B ′′ sunt baze şi să se detemine matricea de trecere de la
baza B ′ la baza B ′′ .
(b) Să se calculeze coordonatele vectorului v ∈ R3 în raport cu cele două baze ştiind
că (2, −1, 1) sunt coordonatele sale exprimate în baza canonică a spaţiului R R3 .

PROBLEME REZOLVATE 47
 Rezolvare. (a) Sistemele de vectori B ′ şi B ′′ sunt baze în R3 deoarece determinanţii
formaţi prin scrierea pe coloană a vectorilor din sistemele respective sunt nenuli.
Pentru a determina matricea de trecere de la baza B ′ la baza B ′′ , descompunem
vectorii e′′i , ∀ i = 1, 3, după vectorii bazei B ′ . Spre exemplu, pentru vectorul e′′1 avem
descompunerea

e′′1 = c11 e′1 + c12 e′2 + c13 e′3 , c11 , c12 , c13 ∈ R.

Prin calcul direct, deducem că


 c11 + c12 + c13 = 1
c11 = 0

c12 − c13 = 0,

adică c11 = 0 şi c12 = c13 = 1/2. În mod asemănător, deducem că
e′′2 = c21 e′1 + c22 e′2 + c23 e′3 ⇒ c21 = 1, c22 = c23 = 0,
e′′3 = c31 e′1 + c32 e′2 + c33 e′3 ⇒ c31 = 1, c32 = −c33 = 1/2.

În concluzie, matricea de trecere de la baza B ′ la baza B ′′ este matricea

 
0 1 1
MB ′ B ′′ = T C = (cji )i,j=1,3 =  1/2 0 1/2  .
1/2 0 −1/2

(b) Coordonatele vectorului v în baza B ′ se pot obţine direct, descompunând pe v

după vectorii bazei B ′ . Cu alte cuvinte, considerând că coordonatele lui v în baza
B ′ sunt X ′ = (α, β, γ) ∈ R3 , atunci avem

v = (2, −1, 1) = αe′1 + βe′2 + γe′3 .

Egalând pe componente, în urma calculelor, găsim α = −1, β = 2 şi γ = 1. Analog,

descompunând vectorul v după vectorii bazei B ′′ , găsim că X ′′ = (3, −2, 1) sunt
coordonatele vectorului v în baza B ′′ .
Observaţie. Problema se poate rezolva şi utilizând formula de schimbare de coor-
donate T X ′′ = MB−1′ B′′ · T X ′ .
10. Să se arate că pe spaţiul polinoamelor de grad cel mult n, notat cu Rn [X], operaţia
definită prin
n
f, g = ai bi ,
i=0

unde f = a0 + a1 X + ... + an X n şi g = b0 + b1 X + ... + bn X n este un produs scalar. În

raport cu acest produs scalar, să se calculeze norma f şi distanţa d (f, g) = ||f −g||,
unde
f = 1 + X + 2X 2 − 6X 3 şi g = 1 − X − 2X 2 + 6X 3 .

Rezolvare. În mod evident, avem comutativitatea f, g = g, f . Fie polinoamele

arbitrare f1 = a10 + a11 X + ... + a1n X n şi f2 = a20 + a21 X + ... + a2n X n . Avem
n n n
f1 + f2 , g = (a1i + a2i )bi = a1i bi + a2i bi = f1 , g + f2 , g .
i=0 i=0 i=0

48 SPAŢII VECTORIALE EUCLIDIENE

 Mai mult, pentru α ∈ R un număr real arbitrar, deducem că
n n
αf, g = (αai )bi = α ai bi = α f, g .
i=0 i=0

Pozitiv definirea este asigurată de faptul că

n
f, f = (ai )2 ≥ 0, ∀ f ∈ Rn [X],
i=0

cu egalitate dacă şi numai dacă ai = 0, ∀ i = 1, n, adică f = O (polinomul nul).

În concluzie, operaţia considerată este un produs scalar pe Rn [X].
√
Pentru f = 1 + X + √ 2X 2 − 6X 3 , avem f = f, f = 42. Mai mult, găsim
d (f, g) = f − g = 2 41.

11. Fie vectorii x = (x1 , x2 , ..., xn ) , y = (y1 , y2 , ..., yn ) ∈ Rn . Folosind produsul scalar
uzual al spaţiului Rn , să se demonstreze următoarele inegalităţi:

n 2 n n
(a) xi yi ≤ x2i · yi2 ;
i=1 i=1 i=1

n n n
(b) (xi + yi )2 ≤ x2i + yi2 .
i=1 i=1 i=1

Rezolvare. (a) Se scrie inegalitatea Cauchy

2 2 2
x, y ≤ x · y

de pe spaţii euclidiene generale pentru cazul particular al produsului scalar canonic

pe Rn . Găsim inegalitatea Cauchy-Buniakovski-Schwarz cerută.
(b) Se scrie inegalitatea triunghiului

x+y ≤ x + y

de pe spaţii euclidiene generale pentru cazul particular al produsului scalar canonic

pe Rn . Găsim rezultatul cerut.

12. Să se ortonormeze sistemul de vectori

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

în raport cu produsul scalar uzual de pe R3 .

Rezolvare. Utilizând procedeul Gram-Schmidt, construim vectorul

v1′ = v1 = (1, −2, 2).

Fie acum vectorul

v2′ = v2 + kv1′ = (−2, 1, 2) + k(1, −2, 2) = (−2 + k, 1 − 2k, 2 + 2k), k ∈ R,

PROBLEME REZOLVATE 49
 unde constanta k o determinăm din următoarea condiţie de ortogonalitate:
v2′ , v1′ = 0 ⇔ (−2 + k, 1 − 2k, 2 + 2k), (1, −2, 2) = 0 ⇔ 9k = 0
⇔ k = 0.
Prin urmare, avem
v2′ = (−2, 1, 2) .
Să considerăm şi vectorul
v3′ = v3 + k1 v1′ + k2 v2′ =
= (5, 3, 5) + k1 (1, −2, 2) + k2 (−2, 1, 2) =
= (5 + k1 − 2k2 , 3 − 2k1 + k2 , 5 + 2k1 + 2k2 ), k1 , k2 ∈ R,
unde constantele k1 şi k2 le determinăm din următoarele condiţii de ortogonalitate:
v3′ , v1′ = 0
⇔
v3′ , v2′ = 0

(5 + k1 − 2k2 , 3 − 2k1 + k2 , 5 + 2k1 + 2k2 ), (1, −2, 2) = 0

⇔
(5 + k1 − 2k2 , 3 − 2k1 + k2 , 5 + 2k1 + 2k2 ), (−2, 1, 2) = 0
9 + 9k1 = 0 k1 = −1
⇔ ⇔
3 + 9k2 = 0 k2 = −1/3.
Prin urmare, avem
14 14 7
v3′ = , , .
3 3 3
Ortonormând vectorii v1′ , v2′ şi v3′ , găsim baza ortonormată
{e1 , e2 , e3 } ⊂ R3 ,
unde
1 ′ 1 2 2
e1 = v = ,− , ,
v1′ 1 3 3 3
1 ′ 2 1 2
e2 = v = − , , ,
v2′ 2 3 3 3
1 ′ 1 2 2 1
e3 = ′
v3 = (14, 14, 7) = , , .
v3 21 3 3 3

13. Să se determine în spaţiul R3 complementul ortogonal al subspaţiului vectorial al

soluţiilor sistemului
x1 − x2 − x3 = 0
x1 + 2x2 − x3 = 0
şi să se găsească o bază ortonormată în acest complement.
Rezolvare. Subspaţiul dat este S = {(α, 0, α) | α ∈ R}. Condiţia ca un vector
v = (v1 , v2 , v3 ) ∈ R3 să fie ortogonal pe subspaţiul S este ca αv1 + αv3 = 0, ∀ α ∈ R.
Cu alte cuvinte, complementul ortogonal al lui S este
S ⊥ = {(v1 , v2 , −v1 ) | v1 , v2 ∈ R}.

50 SPAŢII VECTORIALE EUCLIDIENE

 O bază ortogonală în S ⊥ se obţine luând v1 = 1, v2 = 0 şi viceversa. După ortonor-
marea acestor vectori găsim baza ortonormată
1
B⊥ = e1 = √ (1, 0, −1), e2 = (0, 1, 0) .
2

14. Fie subspaţiul vectorial W1 ≤R R3 , care este generat de vectorii

w1 = (1, −1, 0) şi w2 = (−1, 1, 2) .

Să se determine complementul ortogonal W2 al lui W1 şi să se descompună vectorul

v = (2, 2, 2) după cele două subspaţii.
Rezolvare. Deoarece sistemul de vectori {w1 , w2 } este liniar independent şi avem
W1 = L({w1 , w2 }), rezultă că {w1 , w2 } este o bază în W1 , adică dimR W1 = 2.
Fie W2 complementul ortogonal al subspaţiului W1 . Din teorema lui Grassmann
deducem că dimR W2 = 1. Să considerăm că w3 = (x, y, z) = (0, 0, 0) este o bază în
W2 = L({w3 }). Din condiţiile de ortogonalitate w3 ⊥w1 şi w3 ⊥w2 deducem că x = y
şi z = 0. Cu alte cuvinte, avem

W2 = {(x, x, 0) | x ∈ R} = L({w3 = (1, 1, 0)}).

Vectorul v = (2, 2, 2) se descompune unic în R3 = W1 ⊕ W2 după formula

v = aw1 + bw2 + cw3 , a, b, c ∈ R.

Prin calcul, găsim a = b = 1 şi c = 2. În concluzie, avem următoarele proiecţii

vectoriale: PrW1 v = w1 + w2 şi PrW2 v = 2w3 .
15. Să se determine în (R3 , , ) complementul ortogonal W ⊥ al subspaţiului W generat
de vectorii v1 = (1, 0, 2) şi v2 = (−2, 0, 1) . Să se găsească apoi descompunerea
v = w + w ⊥ a vectorului v = (1, 1, 1) ∈ R3 după cele două subspaţii complementare
şi să se verifice relaţia
! !2
v 2 = w 2 + !w ⊥ ! (Teorema lui Pitagora).

Rezolvare. Fie W subspaţiul generat de vectorii liniar independenţi v1 şi v2 . Dacă

u = (α, β, γ) ∈ W ⊥ , unde α, β, γ ∈ R, atunci vectorul u este ortogonal şi pe vectorul
v1 şi pe vectorul v2 . Aceste condiţii conduc la sistemul liniar
α + 2γ = 0
−2α + γ = 0,
a cărui soluţie unică este α = γ = 0. Prin urmare, avem

W ⊥ = {(0, β, 0) | β ∈ R} .

Mai mult, este evident că avem

3 1
w= · v1 − · v2 = (1, 0, 1) ∈ W, w⊥ = (0, 1, 0) ∈ W ⊥ ,
5 5
astfel încât v = w + w⊥ . Teorema lui Pitagora este imediată.

PROBLEME REZOLVATE 51
1.9 Probleme propuse

1. Fie V şi W două K-spaţii vectoriale. Să se arate că produsul cartezian

V × W = {(v, w) | v ∈ V, w ∈ W }

este un K-spaţiu vectorial în raport cu operaţiile

(v1 , w1 ) + (v2 , w2 ) = (v1 + v2 , w1 + w2 ) , ∀ v1 , v2 ∈ V, w1 , w2 ∈ W,

α (v, w) = (αv, αw) , ∀ α ∈ K, (v, w) ∈ V × W.

2. Să se precizeze dacă operaţiile definite pe mulţimile indicate determină o structură

de spaţiu vectorial:

v + w = (x1 + y1 , x2 + y2 ) , ∀ v = (x1 , x2 ) , w = (y1 , y2 ) ∈ R2 ,

(a)
αv = (0, αx2 ) , ∀ α ∈ R, v = (x1 , x2 ) ∈ R2 ;
v + w = (x1 + y2 , x2 + y1 ) , ∀ v = (x1 , x2 ) , w = (y1 , y2 ) ∈ R2 ,
(b)
αv = (αx1 , αx2 ) , ∀ α ∈ R, v = (x1 , x2 ) ∈ R2 ;
x⊕y = 3
x3 + y 3 , ∀ x, y ∈ R,
(c)
α ⊗ x = αx, ∀ α ∈ R, x ∈ R;
v + w = (x1 + y1 , x2 + y3 , x3 − y2 , ) ,
(d)
αv = (αx3 , αx2 , αx1 ) ,

unde v = (x1 , x2 , x3 ) ∈ R3 , w = (y1 , y2 , y3 ) ∈ R3 , α ∈ R.

R. (a) Nu. (b) Nu. (c) Da. (d) Nu.

3. Utilizând criteriul de subspaţiu, să se decidă care dintre submulţimile de mai jos
formează subspaţii vectoriale în spaţiile vectoriale indicate:

(a) S1 = {(x, y) ∈ R2 | 2x − y = 0} ⊂ R2 ;
(b) S2 = {(x, y) ∈ R2 | 2x − y + 1 = 0} ⊂ R2 ;
(c) S3 = {(x, y) ∈ R2 | x2 − y 2 = 0} ⊂ R2 ;
(d) S4 = {αX 2 | α ∈ R} ⊂ R2 [x];
(e) S4 = {f | grad(f) ≥ 2} ⊂ R4 [x];
(f) S6 = {(x1 , x2 , x3 ) ∈ R3 | x1 − x2 + 2x3 = 0} ⊂ R3 ;
(g) S7 = {(x1 , x2 , x3 ) ∈ R3 | x1 + x2 − x3 = 0, x1 − x2 = 0} ⊂ R3 ;
(h) S8 = {f ∈ C 0 ([0, 1]) | f - derivabilă} ⊂ C 0 ([0, 1]);
(i) S9 = {A ∈ M2 (R) | A· T A = I2 } ⊂ M2 (R).

R. (a) Da. (b) Nu. (c) Nu. (d) Da. (e) Nu. (f) Da. (g) Da. (h) Da. (i) Nu.

4. Să se stabilească dependenţa sau independenţa liniară a sistemelor de vectori:

52 SPAŢII VECTORIALE EUCLIDIENE

 (a) S1 = {u1 = (1, 1, 0) , u2 = (1, 0, 2) , u3 = (0, −1, 2)} ⊂ R3 ;
(b) S2 = {v1 = (1, 1, 2) , v2 = (2, 2, 4)} ⊂ R3 ;
(c) S3 = {v1 = X − 1, v2 = X 3 } ⊂ R3 [X];
(d) S4 = {v1 ≡ 1, v2 ≡ cos 2x, v3 ≡ cos 4x, v4 ≡ cos4 x} ⊂ C 0 (R);
(e) S5 = {v1 ≡ ex , v2 ≡ xex , ..., vn ≡ xn−1 ex } ⊂ C 0 (R);
1 2 −1 1
(f) S6 = v= ,w = ⊂ M2 (R).
0 3 1 −1

R. (a) Dependenţi, u3 = u2 − u1 . (b) Dependenţi, v2 = 2v1 . (c) Independenţi. (d)

Dependenţi, v3 = 8v4 − 4v2 − 3v1 . (e) Independenţi. (f) Independenţi.

5. Să se determine suma şi intersecţia subspaţiilor

U = L ({u1 = (1, 1, 0) , u2 = (1, 0, 2) , u3 = (0, −1, 2)}) ⊆ R3 ,

V = L ({v1 = (1, 1, 2) , v2 = (0, 2, 4)}) ⊂ R3 .

R. U + V = R3 , U ∩ V = {(2a, a, 2a) | a ∈ R} = L ({(2, 1, 2)}) .

6. Să se determine subspaţiul sumă directă U ⊕ V ⊆ R3 , unde

U = {(x, y, z) ∈ R3 | 2x − y = 0, 3x − z = 0} ,
V = L ({(−1, 2, 1) , (2, −4, −2)}) .

R. U ⊕ V = {(a, b, a + b) | a, b ∈ R} = L ({(1, 0, 1), (0, 1, 1)}) .

7. Să se determine câte o bază în subspaţiile U + V, respectiv U ∩ V, şi să se verifice

teorema lui Grassmann pentru:

U = {(x1 , x2 , x3 ) ∈ R3 | x1 + x2 − 2x3 = 0} ⊂ R3 ,
(a)
V = L ({(1, 1, 1) , (1, 0, 0) , (3, 2, 2)}) ⊆ R3 ;
U = L ({(1, 0, 2, −1) , (0, 1, 1, 0)}) ⊂ R4 ,
(b)
V = L ({(2, −1, 1, 0) , (−1, 0, 1, 2) , (0, 2, 1, 0)}) ⊂ R4 .

R. (a) U + V = R3 = L ({(1, 0, 0), (0, 1, 0), (0, 0, 1)}) ,

U ∩ V = {(γ, γ, γ) | γ ∈ R} = L({(1, 1, 1)}).
(b) U + V = R4 = L ({(1, 0, 0, 0), (0, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1)}) ,
U ∩ V = {(−4y, 17y, 9y, 4y) | y ∈ R} = L({(−4, 17, 9, 4)}).

8. Să se precizeze care din următoarele sisteme de vectori formează baze în spaţiile
vectoriale date:

(a) B1 = {e1 = (1, 2) , e2 = (2, −1)} ⊂ R2 ;

(b) B2 = {e1 = (1, 0, −1) , e2 = (2, 1, −3) , e3 = (1, −1, 0)} ⊂ R3 ;
(c) B3 = {e1 = (1, 0, 1) , e2 = (0, −1, 1) , e3 = (1, −1, 1)} ⊂ R3 ;
(d) B4 = 1, 1 − X, (1 − X)2 , (1 − X)3 ⊂ R3 [X] ;

PROBLEME PROPUSE 53
 1 0 1 1 1 1 1 1
(e) B5 = , , , ⊂ M2 (R).
0 0 0 0 0 1 1 1

R. (a) Bază. (b) Nu e bază. (c) Bază. (d) Bază. (e) Bază.

9. Să se calculeze coordonatele vectorilor următori în bazele precizate:

(a) v = (7, 14, −1, 2), unde

B = {(1, 2, −1, −2), (2, 3, 0, −1), (1, 2, 1, 4), (1, 3, −1, 0)} ⊂ R4 ;

(b) v = X 5 − X 4 + X 3 − X 2 − X + 1, unde

B = {1 + X 3 , X + X 3 , X 2 + X 3 , X 3 , X 4 + X 3 , X 5 + X 3 } ⊂ R5 [X].

R. (a) T X = (0, 2, 1, 2). (b) T X = (1, −1, −1, 2, −1, 1).

10. Să se determine coordonatele vectorului v ∈ R3 în baza

B2 = {g1 = (1, −1, 1), g2 = (3, 2, 1), g3 = (0, 1, 0)} ⊂ R3 ,

ştiind că în baza

B1 = {f1 = (1, 1, 1), f2 = (1, 1, 0), f3 = (1, 0, 0)} ⊂ R3

are coordonatele T X1 = (1, 2, 3).

R. T X2 = (−3/2, 5/2, −7/2).

11. Să considerăm spaţiul vectorial real al matricilor M2 (R), precum şi baza canonică
B formată din vectorii
1 0 0 1 0 0 0 0
E1 = , E2 = , E3 = , E4 = .
0 0 0 0 1 0 0 1

(a) Să se găsească câte o bază B1 , respectiv B2 , în subspaţiul matricilor simetrice

S2 ⊂ M2 (R), respectiv matricilor antisimetrice A2 ⊂ M2 (R), şi să se determine
matricea de trecere de la baza canonică B la baza B ′ = B1 ∪ B2 .
x y
(b) Să se exprime matricea A = în baza B ′ .
z t

1 0 0 1 0 0
R. (a) Avem bazele B1 = E1′ = , E2′ = , E3′ = şi
0 0 1 0 0 1
0 1
B2 = E4′ = . Matricea de trecere este
−1 0
 
1 0 0 0
 0 1 0 1 
MBB ′ =
 0
.
1 0 −1 
0 0 1 0
y+z y−z
(b) A = x · E1′ + · E2′ + t · E3′ + · E4′ .
2 2
54 SPAŢII VECTORIALE EUCLIDIENE
 12. Folosind procedeul de ortonormalizare Gram-Schmidt, să se ortonormeze urmă-
toarele baze:
(a) e1 = (1, 1, 0) , e2 = (1, 0, 1) , e3 = (0, 0, −1) în spaţiul euclidian R3 ;
(b) e1 = (1, 1, 0, 0) , e2 = (1, 0, 1, 0) , e3 = (1, 0, 0, 1) , e4 = (0, 1, 1, 1) în R4 ;
(c) e1 = X 2 + X, e2 = X 2 + 1, e3 = −1 în spaţiul euclidian R2 [X].
1 1 1
R. (a) f1 = √ (1, 1, 0), f2 = √ (1, −1, 2), f3 = √ (1, −1, −1).
2 6 3
1 1 1
(b) f1 = √ (1, 1, 0, 0), f2 = √ (1, −1, 2, 0), f3 = √ (1, −1, −1, 3),
2 6 2 3
1
f4 = (−1, 1, 1, 1).
2
√ √
15 3 3
(c) f1 = · (X 2 + X), f2 = · (1 − X), f3 = · (5X 2 − X − 2).
4 8 4
13. Să se verifice faptul că aplicaţia
2

f, g = f (t) g (t) dt, ∀ f, g ∈ C 0 ([0, 2]),

0
reprezintă un produs scalar pe spaţiul vectorial al funcţiilor continue şi să se orto-
normeze în raport cu acest produs scalar sistemul de funcţii
B = e1 ≡ 1, e2 ≡ t − 2, e3 ≡ t2 − 3t .

1 3 5
R. f1 = √ , f2 = · (t − 1), f3 = · (3t2 − 6t + 2).
2 2 8
14. Determinaţi complementele ortogonale ale subspaţiilor generate de următoarele sis-
teme de vectori:
(a) v1 = (1, 2, 0) , v2 = (2, 0, 1) în spaţiul euclidian R3 ;
(b) v1 = (−1, 1, 2, 0) , v2 = (3, 0, 2, 1) , v3 = (4, −1, 0, 1) în spaţiul euclidian R4 .
R. (a) W ⊥ = {(−2y, y, 4y) | y ∈ R}.
−2z − t −8z − t
(b) W ⊥ = , , z, t z, t ∈ R .
3 3
15. Să se găsească proiecţia vectorului v = (14, −3, −6) pe complementul ortogonal W ⊥
al subspaţiului W generat de vectorii v1 = (−3, 0, 7) şi v2 = (1, 4, 3) din R3 . Să se
calculeze lungimea acestei proiecţii.
92
R. Proiecţia căutată este vectorul Pr⊥ (v) = (7, −4, 3). Lungimea proiecţiei este
74
⊥ 92
|| Pr (v)|| = √ .
74
16. Să se găsească proiecţia vectorului v = (−1, 1, 2) ∈ R3 pe subspaţiul soluţiilor
sistemului omogen x + y + z = 0.
1
R. Proiecţia căutată este vectorul Pr(v) = (−5, 1, 4).
3

PROBLEME PROPUSE 55
56 SPAŢII VECTORIALE EUCLIDIENE
2. SPAŢIUL VECTORIAL REAL AL VECTO-
RILOR LIBERI

În acest capitol vom studia proprietăţile geometrice particulare ale unui spaţiu vectorial
real remarcabil, numit spaţiul vectorilor liberi. Acest spaţiu modelează, din punct de
vedere matematic, spaţiul marimilor fizice vectoriale ca forţele, acceleraţiile, vitezele sau
momentele. Este important de subliniat că spaţiul vectorial real al vectorilor liberi poate
fi înzestrat cu o structură naturală de spaţiu euclidian, care permite măsurarea lungimii
unui vector liber, precum şi a unghiului format de doi vectori liberi. Mai mult, vom vedea
că putem defini în acest spaţiu o serie de produse specifice, cu o puternică semnificaţie
fizico-geometrică, cum ar fi produsul vectorial sau produsul mixt.

2.1 Segmente orientate. Vectori liberi

Vom nota cu E3 spaţiul punctual tridimensional al geometriei euclidiene elementare.

−→
Pentru orice două puncte distincte A, B ∈ E3 vom nota cu AB segmentul orientat carac-
terizat de următoarele entităţi:

1. direcţia = dreapta suport a segmentului [AB];

2. orientarea (sensul) = de la A la B;

−→
3. lungimea (norma) = lungimea segmentului [AB] notată cu ||AB||.

−→
Segmentul orientat AB

−→
Punctul A se numeşte originea segmentului orientat AB iar punctul B se numeşte
−→
vârful segmentului orientat AB.
−→
În cazul în care originea A şi vârful B ale unui segment orientat AB coincid (A = B)
−→
se obţine segmentul orientat nul. Prin definiţie, segmentul orientat nul AA are lungimea
egală cu 0, nu are nici o direcţie şi nici un sens, fiind reprezentat geometric de punctul A.
Spunem că două segmente orientate nenule au aceeaşi direcţie dacă direcţiile lor sunt
paralele sau confundate.

SPAŢIUL VECTORIAL REAL AL VECTORILOR LIBERI 57

 −→ −−→
Definiţia 2.1.1 Două segmente orientate nenule AB şi CD se numesc echipolente dacă
au aceeaşi direcţie, acelaşi sens şi aceeaşi lungime. În acest caz vom folosi notaţia:
−→ −−→
AB ∼ CD.

−→ −−→
Segmente orientate echipolente: AB ∼ CD

−→ −−→
Observaţia 2.1.2 Două segmente orientate nenule AB şi CD sunt echipolente (i.e.
−→ −−→
AB ∼ CD) dacă şi numai dacă pot fi suprapuse prin paralelism astfel încât originile
A şi C (resp. vârfurile B şi D) să coincidă.
Observaţia 2.1.3 Prelungim relaţia de echipolenţă şi la segmentele orientate nule: -
admitem că toate segmentele orientate nule sunt echipolente între ele.
Folosind observaţia de mai sus, definiţia relaţiei de echipolenţă şi câteva proprietăţi
geometrice elementare, deducem uşor următorul rezultat:

Propoziţia 2.1.4 Relaţia de echipolenţă satisface următoarele proprietăţi:

−→ −→
1. AB ∼ AB (reflexivitate);
−→ −−→ −−→ −→
2. AB ∼ A′ B ′ ⇒ A′ B ′ ∼ AB (simetrie);
−→ −−→ −−→ −−−→ −→ −−−→
3. AB ∼ A′ B ′ şi A′ B ′ ∼ A′′ B ′′ ⇒ AB ∼ A′′ B ′′ (tranzitivitate).
−→
Fie AB un segment orientat arbitrar. Vom nota cu AB mulţimea
def
" −−→ −−→ −→ #
AB = A′ B ′ A′ B ′ ∼ AB .

Definiţia 2.1.5 Mulţimea AB se numeşte clasa de echipolenţă a segmentului orientat

−→
AB.
−→
Observaţia 2.1.6 Evident avem AB ∈ AB şi fiecare segment orientat din clasa de
echipolenţă AB este un reprezentant al clasei.
Definiţia 2.1.7 Clasele de echipolenţă ale segmentelor orientate se numesc vectori li-
beri.
Observaţia 2.1.8 Pentru o mai bună înţelegere a diferenţei dintre conceptul de vector
liber şi conceptul de segment orientat, să notăm că un vector liber reprezintă o infinitate
de segmente orientate echipolente. Mai exact un vector liber AB reprezintă segmentul
−→
orientat AB, împreună cu toate segmentele orientate echipolente cu el. Prin analogie,
situaţia este asemănătoare cu definiţia unui număr raţional care reprezintă concomitent o
infinitate de fracţii. Spre exemplu, numărul raţional 1/2 reprezintă de fapt toate fracţiile
echivalente: 2/4, 3/6, 4/8, . . . şi aşa mai departe.

58 SPAŢIUL VECTORIAL REAL AL VECTORILOR LIBERI

Observaţia 2.1.9 Vectorii liberi vor fi notaţi prin a, b, c, ... sau AB, CD, ..., iar în desen
vor fi reprezentaţi printr-unul dintre segmentele orientate echipolente care definesc acel
vector liber. În spaţiul vectorilor liberi nu se face distincţie între segmentele orientate
echipolente.

Definiţia 2.1.10 Direcţia, sensul şi norma (lungimea) segmentelor orientate echipolente
care definesc un vector liber se numesc direcţia, sensul şi norma (lungimea) vectorului
liber.

Observaţia 2.1.11 Norma unui vector liber a sau AB se notează cu ||a|| sau AB .

Definiţia 2.1.12 Vectorul liber care are lungimea zero se numeşte vectorul nul şi se
notează cu 0. Vectorul nul 0 este reprezentat geometric de un punct.

Definiţia 2.1.13 Un vector liber de lungime unu se numeşte versor şi, în general, se
notează cu e.

2.2 Adunarea vectorilor liberi

Vom nota cu V3 (respectiv V2 ) mulţimea tuturor vectorilor liberi din spaţiu (respectiv
plan). În continuare vom demonstra o serie de proprietăţi algebrice sau geometrice ale
spaţiului V3 , ele putând fi simplu particularizate şi aplicate la spaţiul V2 .
−→ −→
Fie doi vectori liberi a, b ∈ V3 şi fie OA, respectiv AB, nişte segmente orientate
reprezentative ale acestor vectori liberi. Atunci vectorul liber c reprezentat de segmentul
−−→
orientat OB se numeşte suma vectorilor a şi b şi se notează

c = a + b.

Definiţia 2.2.1 Regula de adunare a vectorilor liberi prezentată mai sus se numeşte re-
gula triunghiului sau regula paralelogramului.

Regula triunghiului: c = a + b

Observaţia 2.2.2 Operaţia de adunare a vectorilor liberi este bine definită şi nu depinde
−→ −→
de alegerea reprezentanţilor OA şi AB. Cu alte cuvinte, dacă alegem alţi reprezentanţi
pentru efectuarea sumei a+b, vectorul liber rezultat este reprezentat de un segment orientat
−−→
echipolent cu OB.

ADUNAREA VECTORILOR LIBERI 59

 În concluzie, adunarea vectorilor liberi

+ : V3 × V3 → V3 , (a, b) → a + b,

este o lege de compoziţie internă pe spaţiul V3 . În acest context, putem demonstra urmă-
torul rezultat:

Teorema 2.2.3 (V3 , +) este un grup abelian. Cu alte cuvinte, sunt adevărate următoarele
proprietăţi:

1. a + b = b + a, ∀ a, b ∈ V3 (comutativitate);

2. (a + b) + c = a + (b + c), ∀ a, b, c ∈ V3 (asociativitate);

3. a + 0 = 0 + a = a, ∀ a ∈ V3 , unde 0 este vectorul nul (element neutru);

4. ∀ a ∈ V3 , ∃ −a ∈ V3 astfel încât a + (−a) = (−a) + a = 0 (orice element are un

opus).

Demonstraţie. Proprietăţile 1. şi 3. sunt evidente din definiţia adunării a doi vec-
tori liberi. Pentru a demonstra asociativitatea să considerăm trei vectori liberi a, b şi c.
Folosind regula triunghiului, asociativitatea rezultă din figura de mai jos:

Asociativitatea: (a + b) + c = a + (b + c)

Este evident că opusul unui vector liber a este vectorul liber −a caracterizat de aceeaşi
direcţie, sens opus şi aceeaşi lungime cu a vectorului liber a.

Opusul vectorului liber a

2.3 Înmulţirea vectorilor liberi cu scalari reali

Fie λ ∈ R un scalar real şi fie a ∈ V3 un vector liber. Vom defini înmulţirea cu scalari
reali λa ∈ V3 în felul următor:

60 SPAŢIUL VECTORIAL REAL AL VECTORILOR LIBERI

 1. dacă λ = 0 sau a = 0, atunci λa = 0;
2. dacă λ = 0 şi a = 0, atunci vectorul liber λa este caracterizat de aceeaşi direcţie cu
a vectorului liber a, acelaşi sens cu al vectorului liber a dacă λ > 0 şi sens opus cu
al vectorului liber a dacă λ < 0, şi are lungimea

||λa|| = |λ| · ||a||.

Înmulţirea vectorilor liberi cu scalari reali

Teorema 2.3.1 Spaţiul vectorilor liberi V3 , împreună cu operaţiile de adunare a vectorilor

liberi şi de înmulţire a acestora cu scalari reali, are o structură de spaţiu vectorial real.
Cu alte cuvinte, următoarele proprietăţi sunt adevărate:

1. λ(a + b) = λa + λb, ∀ λ ∈ R, ∀ a, b ∈ V3 ;
2. (λ + µ)a = λa + µa, ∀ λ, µ ∈ R, ∀ a ∈ V3 ;
3. λ(µa) = (λµ)a, ∀ λ, µ ∈ R, ∀ a ∈ V3 ;
4. 1 · a = a, ∀ a ∈ V3 .

Demonstraţie. Proprietăţile 2., 3. şi 4. sunt evidente din modul de definire a operaţiilor
cu vectori liberi.
−→
Pentru a demonstra proprietatea 1. să considerăm că segmentul orientat OA este
−→
reprezentantul vectorului liber a şi segmentul orientat AB este reprezentantul vectoru-
−
→ −−→
lui liber b . Atunci, din regula triunghiului, segmentul orientat OB este reprezentantul
−−→
vectorului liber a + b. Să presupunem acum că λ > 0 şi să notăm cu OA′ reprezentantul
−−→
vectorului λa şi cu OB ′ reprezentantul vectorului λ(a + b).

−→ −→ −→ −→
Proprietatea: λ(OA + AB) = λOA + λAB

Se observă că △OAB ∼ △OA′ B ′ , având un unghi comun şi laturile (care determină
acest unghi) de lungimi proporţionale. Rezultă că avem
−→ −− →
AB A′ B ′

ÎNMULŢIREA VECTORILOR LIBERI CU SCALARI REALI 61

şi
−− → −→
A′ B ′ = λAB.
−−→
Cu alte cuvinte, segmentul orientat A′ B ′ este reprezentantul lui λb. Prin urmare, segmen-
−−→
tul orientat OB ′ este reprezentantul sumei λa + λb, adică avem

λ(a + b) = λa + λb.

Analog se tratează cazul λ < 0.

2.4 Coliniaritate şi coplanaritate

Din punct de vedere geometric, doi vectori liberi nenuli a şi b sunt coliniari dacă
au aceeaşi direcţie (i.e. direcţiile segmentelor orientate reprezentative sunt paralele sau
confundate).

Teorema 2.4.1 Doi vectori liberi nenuli a şi b sunt coliniari dacă şi numai dacă există
λ ∈ R\{0} astfel încât
a = λb.

Demonstraţie. ” ⇐ ” Este evident că relaţia a = λb, unde λ = 0, implică faptul că
vectorii liberi nenuli a şi b au aceeaşi direcţie.
” ⇒ ” Dacă vectorii liberi nenuli a şi b sunt coliniari, rezultă că au aceeaşi direcţie.
Dacă b are acelaşi sens cu a, atunci este evident că avem

b
b= · a.
||a||

Dacă b are sens opus lui a, atunci este evident că avem

b
b=− · a.
||a||

Corolarul 2.4.2 Doi vectori liberi nenuli şi necoliniari sunt liniar independenţi în spaţiul
vectorial real V3 .

Demonstraţie. Fie a şi b doi vectori liberi nenuli şi necoliniari. Să presupunem prin
absurd că vectorii a şi b sunt liniar dependenţi în spaţiul vectorial real V3 . Din definiţia
liniar dependenţei a doi vectori liberi rezultă că există α, β ∈ R, unde α2 + β 2 = 0, astfel
încât αa + βb = 0. Pentru β = 0 această relaţie se transcrie b = λa, unde λ = −α/β = 0.
Prin urmare, conform propoziţiei anterioare, vectorii liberi a şi b sunt coliniari. Acest
lucru se află în contradicţie cu necoliniaritatea vectorilor liberi a şi b. În concluzie vectorii
liberi a şi b sunt liniar independenţi în spaţiul vectorial real V3 .
Din punct de vedere geometric, trei vectori liberi nenuli a, b şi c sunt coplanari dacă
segmentele orientate reprezentative ale celor trei vectori liberi sunt paralele cu un plan
dat în spaţiu.

62 SPAŢIUL VECTORIAL REAL AL VECTORILOR LIBERI

Teorema 2.4.3 Trei vectori liberi nenuli a, b şi c sunt coplanari dacă şi numai dacă
există λ, µ ∈ R, unde λ2 + µ2 = 0, astfel încât

c = λa + µb.

Demonstraţie. ” ⇐ ” Din modul de definire al operaţiilor cu vectori liberi, este evident

că vectorul liber c = λa + µb, unde λ2 + µ2 = 0, se află în acelaşi plan cu vectorii liberi a
şi b.
” ⇒ ” Să presupunem că vectorul liber c se află în acelaşi plan cu vectorii liberi a şi
−→ −−→ −→
b. Fie OA, OB şi OC segmentele orientate coplanare reprezentative ale vectorilor liberi
a, b şi c. Ducând din punctul C paralele la dreptele OA şi OB, deducem că avem (vezi şi
figura)
−→ −−→ −→ −→ −−→
OC = OE + OF = λOA + µOB,
unde λ, µ ∈ R, cu proprietatea λ2 + µ2 = 0.

−→ −→ −−→
Descompunerea: OC = λOA + µOB

−→ −−→ −→
Ţinând cont că OA, OB şi OC sunt segmentele orientate reprezentative ale vectorilor
liberi a, b şi c, rezultă ceea ce aveam de demonstrat.

Corolarul 2.4.4 Trei vectori liberi nenuli şi necoplanari sunt liniar independenţi în spa-
ţiul vectorial real V3 .

Demonstraţie. Fie a, b şi c trei vectori liberi nenuli şi necoplanari. Să presupunem
prin absurd că vectorii liberi a, b şi c sunt liniar dependenţi în spaţiul vectorial real V3 .
Din definiţia liniar dependenţei a trei vectori liberi rezultă că există α, β, γ ∈ R, unde
α2 + β 2 + γ 2 = 0, astfel încât αa + βb + γc = 0. Pentru γ = 0 această relaţie se transcrie
c = λa + µb, unde λ = −α/γ şi µ = −β/γ au proprietatea λ2 + µ2 = 0. Prin urmare,
conform propoziţiei anterioare, vectorii liberi a, b şi c sunt coplanari. Acest lucru se află
în contradicţie cu necoplanaritatea vectorilor liberi a, b şi c. În concluzie, vectorii liberi
a, b şi c sunt liniar independenţi în spaţiul vectorial real V3 .

Teorema 2.4.5 Orice trei vectori liberi nenuli şi necoplanari formează o bază în spaţiul
vectorial real V3 . Prin urmare, avem

dimR V3 = 3.

Demonstraţie. Fie a, b şi c trei vectori liberi nenuli şi necoplanari. Atunci, conform
corolarului anterior, sistemul de vectori {a, b, c} este liniar independent în spaţiul vectorial
real V3 .
Vom demonstra în continuare că sistemul de vectori {a, b, c} este un sistem de gene-
ratori în spaţiul vectorial real V3 . Pentru aceasta să considerăm d un vector liber arbitrar

COLINIARITATE ŞI COPLANARITATE 63

 −→ −−→ −→ −−→
din V3 . Fie OA, OB, OC şi OD segmentele orientate reprezentative ale vectorilor liberi
a, b, c şi d. Ducând din punctul D plane paralele la planele (AOB), (BOC) şi (AOC),
deducem că avem (vezi şi figura)
−−→ −−→ −−→ −−→ −→ −−→ −→
OD = OD1 + OD2 + OD3 = αOA + β OB + γ OC,
unde α, β, γ ∈ R.

−−→ −→ −−→ −→
Descompunerea: OD = αOA + β OB + γ OC

−→ −−→ −→ −−→
Ţinând cont că OA, OB, OC şi OD sunt segmentele orientate reprezentative ale vec-
torilor liberi a, b, c şi d, rezultă că sistemul de vectori {a, b, c} este un sistem de generatori
în spaţiul vectorial real V3 .
În concluzie, sistemul de vectori liberi nenuli şi necoplanari {a, b, c} formează o bază
în spaţiul vectorial real V3 .

2.5 Produsul scalar a doi vectori liberi

Deoarece în spaţiul vectorial real al vectorilor liberi V3 o bază este formată din orice
trei vectori liberi nenuli şi necoplanari, ne vom fixa în continuare atenţia asupra unei baze
privilegiate, extrem de utilizată. Este vorba despre o bază formată din trei versori i, j şi
k, care sunt perpendiculari unul pe celălalt.
Definiţia 2.5.1 Baza
B = i, j, k ,
unde
i ⊥ j ⊥ k ⊥ i şi i = j = k = 1,
se numeşte baza canonică a spaţiului vectorial real al vectorilor liberi V3 .
Deoarece mulţimea B este o bază în spaţiul V3 , rezultă că orice vector liber v ∈ V3 se
descompune în mod unic ca
v = xi + yj + zk,
unde x, y, z ∈ R reprezintă coordonatele vectorului liber v în baza canonică B.
Fie acum doi vectori liberi arbitrari
a = x1 i + y1 j + z1 k
şi
b = x2 i + y2 j + z2 k,
unde xi , yi , zi ∈ R, ∀ i ∈ {1, 2}.

64 SPAŢIUL VECTORIAL REAL AL VECTORILOR LIBERI

Definiţia 2.5.2 Aplicaţia , : V3 × V3 → R, definită prin
def
a, b = x1 x2 + y1 y2 + z1 z2 ,
se numeşte produsul scalar pe spaţiul vectorilor liberi V3 .
not
Observaţia 2.5.3 În unele lucrări se mai foloseşte notaţia a, b = a · b.
Teorema 2.5.4 Spaţiul (V3 , , ) este un spaţiu euclidian real. Cu alte cuvinte, aplicaţia
produs scalar are următoarele proprietăţi:
1. a, b = b, a , ∀ a, b ∈ V3 ;

2. λa, b = λ a, b , ∀ λ ∈ R, ∀ a, b ∈ V3 ;
3. a, b + c = a, b + a, c , ∀ a, b, c ∈ V3 ;
4. a, a ≥ 0, ∀ a ∈ V3 , cu egalitate dacă şi numai dacă a = 0.
Demonstraţie. Proprietăţile 1., 2. şi 4. sunt imediate din folosirea definiţiei produsului
scalar , . Pentru a demonstra proprietatea 3. să considerăm vectorul liber arbitrar
c = x3 i + y3 j + z3 k,
unde x3 , y3 , z3 ∈ R. Atunci avem egalităţile:
a, b + c = x1 (x2 + x3 ) + y1 (y2 + y3 ) + z1 (z2 + z3 ) =
= x1 x2 + y1 y2 + z1 z2 + x1 x3 + y1 y3 + z1 z3 =
= a, b + a, c .

Folosind teoria generală de la spaţiile euclidiene reale, cu ajutorul produsului scalar

, pe spaţiul vectorial real al vectorilor liberi V3 , putem introduce noţiunile de normă
(lungime) a unui vector liber şi unghi format de doi vectori liberi.
Astfel, dacă avem vectorul liber arbitrar
v = xi + yj + zk,
unde x, y, z ∈ R, atunci norma (lungimea) sa este dată de formula
||v|| = v, v = x2 + y 2 + z 2 .
Dacă avem vectorii liberi arbitrari
a = x1 i + y1 j + z1 k
şi
b = x2 i + y2 j + z2 k,
unde xi , yi , zi ∈ R, ∀ i ∈ {1, 2}, atunci aceşti doi vectori liberi formează un unghi
ϕ ∈ [0, π] definit de formula
def a, b x1 x2 + y1 y2 + z1 z2
cos ϕ = = .
||a|| · b x21 + y12 + z12 · x22 + y22 + z22
În particular, vectorii liberi a şi b sunt perpendiculari (ortogonali) a ⊥ b dacă şi numai
dacă ϕ = π/2, adică
x1 x2 + y1 y2 + z1 z2 = 0.
Conform definiţiei de mai sus, deducem că întotdeauna avem adevărată relaţia
a, b = ||a|| · b · cos ϕ.

PRODUSUL SCALAR A DOI VECTORI LIBERI 65

2.6 Produsul vectorial a doi vectori liberi

Fie doi vectori liberi arbitrari

a = x1 i + y1 j + z1 k

şi
b = x2 i + y2 j + z2 k,
unde xi , yi , zi ∈ R, ∀ i ∈ {1, 2}.

Definiţia 2.6.1 Aplicaţia × : V3 × V3 → V3 , definită prin

i j k
def y1 z 1 x1 z1 x1 y1
a×b = x1 y1 z1 = i− j+ k,
y2 z 2 x2 z2 x2 y2
x2 y2 z2

se numeşte produsul vectorial pe spaţiul vectorilor liberi V3 .

Aplicaţia produs vectorial are o serie importantă de proprietăţi geometrice pe care le

expunem în rezultatul care urmează.

Teorema 2.6.2 Produsul vectorial are următoarele proprietăţi:

1. a × b ⊥ a şi a × b ⊥ b, ∀ a, b ∈ V3 ;

2. a × b = − b × a, ∀ a, b ∈ V3 (anticomutativitate);

3. a × a = 0, ∀ a ∈ V3 ;

4. a × b = 0 ⇔ a şi b sunt coliniari;

5. λ(a × b) = (λa) × b = a × (λb), ∀ λ ∈ R, ∀ a, b ∈ V3 (omogeneitate);

6. a × (b + c) = a × b + a × c, ∀ a, b, c ∈ V3 (distributivitate);

7. a × b = ||a|| · b · sin ϕ, ∀ a, b ∈ V3 , unde ϕ = ∡ a, b ;

8. a × (b × c) = a, c · b − a, b · c, ∀ a, b, c ∈ V3 (dublul produs vectorial).

Demonstraţie. Proprietăţile 2., 3., 4., 5. şi 6. sunt imediate din definiţia produsului
vectorial şi proprietăţile determinanţilor.
Pentru a demonstra proprietatea 1. să observăm că avem

y1 z1 x1 z1 x1 y1
a × b, a = x1 − y + z =
y2 z2 x2 z2 1 x2 y2 1
x1 y1 z1
= x1 y1 z1 = 0 ⇔ a × b ⊥ a.
x2 y2 z2

Analog se obţine relaţia a × b, b = 0 ⇔ a × b ⊥ b.

66 SPAŢIUL VECTORIAL REAL AL VECTORILOR LIBERI

 Pentru a demonstra proprietatea 7. să observăm că, pe de o parte, prin calcul, avem

2 2 2
y1 z1 x1 z1 x 1 y1
a×b = + + =
y2 z2 x2 z2 x 2 y2
= (y1 z2 − y2 z1 )2 + (x1 z2 − x2 z1 )2 + (x1 y2 − x2 y1 )2 =
= (x21 + y12 + z12 )(x22 + y22 + z22 ) − (x1 x2 + y1 y2 + z1 z2 )2 =
2 2
= ||a||2 · b − a, b .

Pe de altă parte, avem

||a|| · b · sin ϕ = ||a|| · b 1 − cos2 ϕ =

$
% 2
% a, b
= ||a|| · b &1− =
2
||a||2 · b
2 2
= ||a||2 · b − a, b .

Pentru a demonstra proprietatea 8., să considerăm vectorul liber

c = x3 i + y3 j + z3 k,

unde x3 , y3 , z3 ∈ R. Atunci avem

i j k
x1 y1 z1
a × (b × c) = =
y2 z2 x z x 2 y2
− 2 2
y3 z3 x3 z3 x 3 y3
= [y1 (x2 y3 − x3 y2 ) + z1 (x2 z3 − x3 z2 )]i −
−[x1 (x2 y3 − x3 y2 ) − z1 (y2 z3 − y3 z2 )]j −
−[x1 (x2 z3 − x3 z2 ) + y1 (y2 z3 − y3 z2 )]k
= [x2 (y1 y3 + z1 z3 ) − x3 (y1 y2 + z1 z2 )]i −
−[y3 (x1 x2 + z1 z2 ) − y2 (x1 x3 + z1 z3 )]j −
−[z3 (x1 x2 + y1 y2 ) − z2 (x1 x3 + y1 y3 )]k
= [x2 ( a, c − x1 x3 ) − x3 ( a, b − x1 x2 )]i −
−[y3 ( a, b − y1 y2 ) − y2 ( a, c − y1 y3 )]j −
−[z3 ( a, b − z1 z2 ) − z2 ( a, c − z1 z3 )]k
' (
= x2 a, c − x3 a, b i −
' (
− y3 a, b − y2 a, c j −
' (
− z3 a, b − z2 a, c k
= a, c · (x2 i + y2 j + z2 k) − a, b · (x3 i + y3 j + z3 k) =
= a, c · b − a, b · c.

PRODUSUL VECTORIAL A DOI VECTORI LIBERI 67

Observaţia 2.6.3 Proprietăţile 1., 2. şi 7. ale produsului vectorial arată că, în cazul a
doi vectori liberi nenuli şi necoliniari, produsul vectorial

a×b=0

este un vector liber cu proprietăţile:

1. este perpendicular pe planul determinat de vectorii liberi a şi b;

2. prin convenţie, are sensul determinat de regula burghiului − ducem vectorul a

peste vectorul b şi vedem ce se întâmplă cu burghiul (urcă sau coboară) − acest sens
este desemnat în figura de mai jos prin versorul e.

3. are lungimea (norma) egală numeric cu aria paralelogramului determinat de vec-

torii liberi a şi b. Cu alte cuvinte, avem formula

Aparalelogram = a × b = ||a|| · b · sin ϕ.

Produsul vectorial şi aria paralelogramului

Observaţia 2.6.4 Formula dublului produs vectorial se reţine mai uşor dacă este
scrisă sub forma determinantului simbolic

b c
a × (b × c) = .
a, b a, c

De asemenea, este important de subliniat faptul că nu avem asociativitatea

(a × b) × c = a × (b × c),

deoarece avem
a, c b, c
(a × b) × c = .
a b

Exemplul 2.6.5 Fie vectorii liberi a = −2i − 2j + 3k şi b = i − j − k. Vom calcula în

continuare aria triunghiului determinat de vectorii a şi b, precum şi înălţimea triunghiului
corespunzătoare bazei b. Pentru aceasta, să calculăm produsul vectorial

i j k
a×b= −2 −2 3 = 5i + j + 4k.
1 −1 −1

68 SPAŢIUL VECTORIAL REAL AL VECTORILOR LIBERI

 Pe de o parte, deoarece aria triunghiului determinat de vectorii a şi b este jumătate din
aria paralelogramului determinat de vectorii a şi b, rezultă că aria triunghiului determinat
de vectorii liberi a şi b este dată de formula
√
a×b 1√ 2 42
Atriunghi = = 5 + 12 + 42 = .
2 2 2
Pe de altă parte, dacă notăm cu h înălţimea triunghiului corespunzătoare bazei b,
formula corespunzătoare ariei triunghiului este

b ·h
Atriunghi = .
2
Prin urmare, înălţimea triunghiului corespunzătoare bazei b este
√ √
2Atriunghi 42 42 √
h= =√ 2 = √ = 14.
b 1 + 12 + 12 3

2.7 Produsul mixt a trei vectori liberi

Fie trei vectori liberi arbitrari

a = x1 i + y1 j + z1 k,
b = x2 i + y2 j + z2 k,
c = x3 i + y3 j + z3 k,

unde xi , yi , zi ∈ R, ∀ i ∈ {1, 2, 3}.

Definiţia 2.7.1 Aplicaţia ( , , ) : V3 × V3 × V3 → R, definită prin

x1 y1 z1
def
(a, b, c) = a, b × c = x2 y2 z2 ,
x3 y3 z3
se numeşte produsul mixt pe spaţiul vectorilor liberi V3 .

Teorema 2.7.2 Următoarele proprietăţi ale produsului mixt sunt adevărate:

1. (a, b, c) = −(a, c, b) = (c, a, b) = −(c, b, a), ∀ a, b, c ∈ V3 ;

2. λ(a, b, c) = (λa, b, c) = (a, λb, c) = (a, b, λc), ∀ λ ∈ R, ∀ a, b, c ∈ V3 ;

3. (a + b, c, d) = (a, c, d) + (b, c, d), ∀ a, b, c, d ∈ V3 ;

4. (a, b, c) = 0 ⇔ vectorii liberi a, b, c sunt coplanari;
5. Dacă vectorii liberi a, b, c sunt necoplanari, atunci modulul produsului mixt repre-
zintă volumul paralelipipedului construit pe vectorii liberi a, b şi c. Cu alte cuvinte,
avem formula
Vparalelipiped = (a, b, c) .

PRODUSUL MIXT A TREI VECTORI LIBERI 69

 Produsul mixt şi volumul paralelipipedului

Demonstraţie. Proprietăţile 1., 2., 3. şi 4. sunt imediate din definiţia produsului mixt
şi proprietăţile determinanţilor. Pentru a demonstra proprietatea 5. să observăm că,
notând d = b × c, avem

(a, b, c) = a, d = ||a|| · d · cos ϕ =

= ||a|| · b × c · cos ϕ =
= b · ||c|| · sin θ · ||a|| · cos ϕ = Vparalelipiped ,

unde ϕ este unghiul dintre vectorii liberi a şi d = b × c iar θ este unghiul dintre vectorii
liberi b şi c.

Exemplul 2.7.3 Fie vectorii liberi

a = i + 2j + 2k, b = −i + 3k şi c = −2i + j − k.

Vom calcula în continuare volumul tetraedrului determinat de vectorii a, b şi c, precum şi
înălţimea tetraedrului corespunzătoare bazei determinate de vectorii b şi c. Pentru aceasta,
să calculăm produsul mixt

1 2 2
(a, b, c) = −1 0 3 = −19.
−2 1 −1

Pe de o parte, deoarece volumul tetraedrului construit pe vectorii a, b şi c este o şesime

din volumul paralelipipedului construit pe vectorii a, b şi c, rezultă că volumul tetraedrului
determinat de vectorii a, b şi c este dat de formula

(a, b, c) 19
Vtetraedru = = .
6 6
Să calculăm acum produsul vectorial

i j k
b×c= −1 0 3 = −3i − 7j − k.
−2 1 −1

Atunci, aria bazei determinate de vectorii b şi c este dată de formula

√
b×c 1 59
Abazei = = (−3)2 + (−7)2 + (−1)2 = .
2 2 2
70 SPAŢIUL VECTORIAL REAL AL VECTORILOR LIBERI
 Pe de altă parte, dacă notăm cu h înălţimea tetraedrului corespunzătoare bazei deter-
minate de vectorii b şi c, formula corespunzătoare volumului tetraedrului este
Abazei · h
Vtetraedru = .
3
Prin urmare, înălţimea tetraedrului corespunzătoare bazei determinate de vectorii liberi
b şi c este
19
3Vtetraedru 19
h= = √2 == √ .
Abazei 59 59
2

2.8 Probleme rezolvate

1. Fie triunghiul △ABC şi fie M mijlocul segmentului [BC]. Atunci are loc relaţia
vectorială a medianei
2AM = AB + AC.
Rezolvare. Fie A′ simetricul punctului A faţă de M . Evident avem

AA′ = 2AM.

Deoarece în patrulaterul ABA′ C diagonalele se înjumătăţesc, rezultă că patrulaterul

ABA′ C este un paralelogram. Prin urmare, din regula paralelogramului, avem

AA′ = AB + AC,

adică ceea ce aveam de demonstrat.

2. Fie ABCD un paralelogram şi fie O punctul de intersecţie al diagonalelor sale. Fie

S un punct arbitrar din spaţiu. Atunci avem

4SO = SA + SB + SC + SD.

Rezolvare. Deoarece ABCD este un paralelogram, rezultă că diagonalele se în-

jumătăţesc, adică ||AO|| = ||OC|| şi ||BO|| = ||OD||. Aplicăm acum relaţia vecto-
rială a medianei în triunghiurile △SAC şi △SBD şi găsim egalităţile

2SO = SA + SC,
2SO = SB + SD.

Adunând aceste relaţii rezultă egalitatea cerută.

3. Într-un cerc de centru O se consideră două coarde AM B şi CM D perpendiculare
între ele. Să se demonstreze că

M A + MB + MC + M D = 2M O.

Rezolvare. Alegem pe segmentul [CD] punctul D′ cu proprietatea că

||DD′ || = ||CM ||,

PROBLEME REZOLVATE 71
 iar pe segmentul [AB] punctul B ′ cu proprietatea că

||BB ′ || = ||M A||.

Evident, atunci avem

M A + M B = M B′
şi
M C + M D = MD′ .
Din construcţie, se vede usor că avem

△AOB ′ ≡ △BOM ⇒ ||OB ′ || = ||OM ||,

△DOD′ ≡ △COM ⇒ ||OD′ || = ||OM ||.

Deoarece unghiul B ′ M D′ este drept, rezultă că punctele B ′ , O şi D′ sunt coliniare
şi [M O] este mediană în triunghiul △B ′ M D′ . Aplicând acum relaţia medianei,
obţinem
M B ′ + M D′ = 2M O.

4. Punctul H este ortocentrul triunghiului △ABC dacă şi numai dacă au loc egalităţile

HA, HB = HB, HC = HC, HA .

Rezolvare. Evident, vectorul HA este înălţime în triunghiul △ABC dacă şi numai
dacă
HA, BC = 0 ⇔ HA, HC − HB = 0.
Egalităţile de demonstrat sunt acum imediate.

5. Să se arate că dacă vectorii a = 2m + n şi b = m + n sunt coliniari, atunci vectorii
m şi n sunt coliniari.
Rezolvare. Vectorii a şi b sunt coliniari dacă şi numai dacă

a × b = 0 ⇔ (2m + n) × (m + n) = 0 ⇔
⇔ 2m × n + n × m = 0 ⇔ m × n = 0.

6. Fie vectorii a = m + 2n şi b = m − 3n, unde

π
m = 5, n = 3, ∡ (m, n) = .
2
Să se calculeze:

(a) lungimile diagonalelor paralelogramului construit pe a şi b;

(b) unghiul dintre diagonalele paralelogramului construit pe a şi b;
(c) aria paralelogramului determinat de a şi b.

72 SPAŢIUL VECTORIAL REAL AL VECTORILOR LIBERI

 Rezolvare. (a) Diagonalele paralelogramului construit pe a şi b sunt determinate
de vectorii a + b şi a − b. Prin urmare, avem
! !
!a + b! = a + b, a + b = 2m − n, 2m − n =
√
= 4 m 2 − 4 m, n + n 2 = 4 m 2 + n 2 = 109,
! !
!a − b! = a − b, a − b = 5n, 5n = 5 n = 15.
(b) Deoarece avem
2
a + b, a − b = 2m − n, 5n = 10 m, n − 5 n = −45,
rezultă că unghiul dintre diagonale este
a + b, a − b 3
cos θ = ! ! ! ! = −√ .
!a + b! · !a − b! 109
(c) Aria paralelogramului este
! !
Aparalelogram = !a × b! = 5n × m = 5 n · m = 75.

7. Să se demonstreze identitatea lui Jacobi

a × (b × c) + c × (a × b) + b × (c × a) = 0.
Rezolvare. Utilizând formula dublului produs vectorial, găsim egalităţile
a × (b × c) = a, c · b − a, b · c,
c × (a × b) = c, b · a − c, a · b,
b × (c × a) = b, a · c − b, c · a.
Adunând cele trei relaţii, obţinem egalitatea cerută.
8. Să se demonstreze relaţia
(a × b, b × c, c × a) = (a, b, c)2 .
Să se arate că dacă vectorii a × b, b × c şi c × a sunt coplanari, atunci ei sunt şi
coliniari.
Rezolvare. Utilizând formula dublului produs vectorial obţinem relaţia
(b × c) × (c × a) = b × c, a · c − b × c, c · a = (a, b, c) · c.
Folosind acum şi definiţia produsului mixt, deducem că
(a × b, b × c, c × a) = a × b, (b × c) × (c × a) =
= (a, b, c) · a × b, c = (a, b, c)2 .

Din relaţia anterioară deducem că dacă vectorii a × b, b × c şi c × a sunt coplanari,
atunci şi vectorii a, b şi c sunt coplanari. Prin urmare, vectorii liberi a × b, b × c şi
c × a sunt şi coliniari.

PROBLEME REZOLVATE 73
 9. Să se demonstreze identitatea lui Lagrange
2 ! !2 2
! !2
a, b + !a × b! = a · !b! .

Rezolvare. Relaţia de demonstrat este imediată dacă ţinem cont de formulele

! !
a, b = a · !b! · cos ϕ

şi ! ! ! !
!a × b! = a · !b! · sin ϕ.

′
10. Fie a, b şi c trei vectori necoplanari. Arătaţi că există vectorii a′ , b şi c′ cu propri-
etăţile:
a′ , a = 1, a′ , b = 0, a′ , c = 0;
) ′ * ) ′ * ) ′ *
b , a = 0, b , b = 1, b , c = 0;

c′ , a = 0, c′ , b = 0, c′ , c = 1.
Rezolvare. Din proprietăţile de mai sus, rezultă că vectorul a′ este perpendicular
atât pe b cât şi pe c, adică este coliniar cu produsul vectorial b × c. Prin urmare,
există λ ∈ R astfel încât
a′ = λ b × c .
Acum, din condiţia a′ , a = 1, deducem că
1
λ= .
(a, b, c)

Analog, găsim
′ c×a a×b
b = şi c′ = .
(a, b, c) (a, b, c)

′
Observaţie. Vectorii a′ , b şi c′ se numesc reciprocii vectorilor a, b şi c.

11. Fie vectorul v = 2i + αj + βk, unde α, β ∈ R. Să se determine α şi β astfel încât
vectorul v să fie perpendicular pe vectorii

a = −i + 4j + 2k şi b = 3i − 3j − 2k.

Cu α şi β astfel calculaţi să se determine unghiul dintre vectorii v şi a + b.

Rezolvare. Vectorul v este perpendicular pe vectorii a şi b dacă şi numai dacă v
este coliniar cu produsul vectorial a × b, unde

i j k
a×b= −1 4 2 = −2i + 4j − 9k.
3 −3 −2

Punând condiţia de coliniaritate v = λ a × b , unde λ ∈ R, obţinem α = −4 şi

β = 9.

74 SPAŢIUL VECTORIAL REAL AL VECTORILOR LIBERI

 Unghiul dintre vectorii v şi a + b este dat de formula

v, a + b π
cos θ = =0⇔θ= ⇔v ⊥ a+b .
||v|| · ||a + b|| 2

Observaţie. Problema se poate rezolva şi punând condiţiile

v, a = 0 şi v, b = 0.

12. Să se determine λ ∈ R astfel încât vectorii

v 1 = i + 2j − 3k, v 2 = 2i − j + 2k şi v3 = λi − j + k

să fie coplanari, şi să se găsească relaţia de dependenţă liniară.

Rezolvare. Condiţia de coplanaritate este

1 2 −3
(v 1 , v 2 , v 3 ) = 0 ⇔ 2 −1 2 = 0 ⇔ λ = −3.
λ −1 1

Pentru a găsi relaţia de dependenţă liniară, se determină α şi β ∈ R din egalitatea

v3 = αv1 + βv2 ⇒ α = β = −1.

În concluzie, relaţia de dependenţă liniară este v 3 = −v 1 − v2 .

13. Să se rezolve ecuaţia

x × (x × a) = b,
unde a şi b sunt vectori daţi (nenuli şi necoliniari).
Rezolvare. Înmulţind scalar ecuaţia cu x × a, deducem că

b, x, a = x, a, b = 0 ⇒ x ⊥ a × b.

De asemenea, înmulţind scalar cu x, rezultă că x ⊥ b. Prin urmare vectorul x este

coliniar cu produsul vectorial b × (a × b). Cu alte cuvinte, există λ ∈ R astfel încât
' (
x = λ · b × (a × b) .

Pentru a determina pe λ, fie înlocuim în ecuaţia iniţială, fie observăm că

! ! ! !
x × (x × a) = !b! ⇒ x 2 · a · sin ∡ (a, x) = !b! .

Ţinând cont de faptul că x ⊥ b şi că vectorul x este situat în planul vectorilor a şi
b, deducem că
! !
sin ∡ (a, x) = cos ∡ a, b ⇒ x 2 · a · cos ∡ a, b = !b! ⇔
! !
!b!
⇔ x = ,
a, b

PROBLEME REZOLVATE 75
 unde ∡ a, b ∈ [0, π/2] este o condiţie necesară de existenţă a soluţiei. Pe de altă
parte avem însă
! ' (!
x = !λ · b × (a × b) ! =
! ! ! !
= |λ| · !b! · !a × b! .

În concluzie, se obţine

1 b × (a × b)
λ = ±! ! ⇒ x = ±! ! .
!a × b! · a, b !a × b! · a, b

2.9 Probleme propuse

1. Fie G centrul de greutate al triunghiului △ABC şi M un punct oarecare din spaţiu.
Să se demonstreze relaţia

M A + M B + M C = 3M G.

Ind. Se folosesc relaţia triunghiului M G + GA = M A şi analoagele acesteia. De

asemenea, se ţine cont de faptul că pentru centrul de greutate avem

GA + GB + GC = 0.

2. Într-un tetraedru ABCD muchiile opuse sunt perpendiculare două câte două dacă
şi numai dacă
AB, AC = AB, AD = AC, AD .
Ind. Folosind egalitatea triunghiului, se arată că relaţia AB, CD = 0 este echiva-
lentă cu AB, AC = AB, AD . Analog, se obţin celelalte echivalenţe.
! !
3. !
Fie a şi b doi vectori perpendiculari,
! având normele a = 3, !b! = 4. Să se calculeze
! 3a − b × a − 2b !.
R. 60.
4. Fie m, n şi p trei vectori necoplanari. Să se studieze liniar independenţa vectorilor

a = 2m − 3n + p, b = m + n + 2p şi c = m − n.

R. Liniar independenţi, deoarece avem (a, b, c) = −4(m, n, p) = 0.

′
5. Dacă a′ , b şi c′ sunt reciprocii vectorilor a, b şi c, atunci se cer:
′
(a) Să se exprime produsul mixt (a′ , b , c′ ) în funcţie de produsul mixt (a, b, c); În
′
ce condiţii vectorii a′ , b şi c′ sunt coplanari ?
′
(b) Să se demonstreze că volumul tetraedrului construit pe vectorii a′ ×(a×b), b ×
(b × c) şi c′ × (c × a) este egal cu volumul tetraedrului construit pe a, b şi c;

76 SPAŢIUL VECTORIAL REAL AL VECTORILOR LIBERI

 (c) Să se deducă egalitatea a′ × (a × b) = c′ × (c × b).
′ 1
R. (a) Avem (a′ , b , c′ ) = .
(a, b, c)
(b) Folosind formula dublului produs vectorial, obţinem
′
a′ × (a × b) = −b, b × (b × c) = −c, c′ × (c × a) = −a.

6. Se dau vectorii v 1 = aj − bk, v 2 = −ai − ck şi v 3 = bi − cj, unde a, b, c ∈ R. Să se

calculeze:

(a) (v 1 , v 2 , v3 ) = ?
(b) v 1 × (v 2 × v 3 ) = ?
(c) v 1 + v 2 + v3 = ?

R. (a) (v1 , v2 , v 3 ) = −2abc.

(b) v 1 × (v 2 × v 3 ) = c(a − b)(a + b)i + bc2 j + ac2 k.
(c) v 1 + v 2 + v 3 = (b − a)i + (a − c)j − (b + c)k.
7. Se dau vectorii p, q, r necoplanari şi se consideră vectorii
u = p − 2q + 3r, v = αp − q + r, w = 3p + q − r.

(a) Să se determine α ∈ R astfel încât să avem egalitatea de volume

V(u,v,w) = 5V(p,q,r) .

(b) În cazul când α = 2 şi vectorii p, q, r formează un tetraedru regulat de latură

l, să se determine unghiul ϕ dintre vectorul u şi planul determinat de v şi w.
√
R. (a) α1 = 2, α2 = −8. (b) cos ϕ = ± 2/6.
8. Fie sistemul de ecuaţii
x × (y × a) = b
y × x × b = a,
unde a × b = 0.
! !
(a) Să se arate că sistemul are soluţii dacă şi numai dacă a = !b!. Să se rezolve
sistemul în acest caz.
(b) Dacă a ⊥ b, atunci x ⊥ y. Reciproca este adevărată ?
! !
R. (a) Pentru a = !b!, soluţiile sistemului sunt
+ , + ,
a, b a, b
x=λ· a− · b şi y = µ · b − ·a ,
||a||2 ||a||2
unde scalarii λ, µ ∈ R au proprietatea
||a||2
λ·µ= .
||a × b||2

(b) Nu.

PROBLEME PROPUSE 77
78 SPAŢIUL VECTORIAL REAL AL VECTORILOR LIBERI
3. APLICAŢII LINIARE

În studiul structurilor algebrice de grup sau corp, un rol extrem de important este
jucat de morfismele şi, mai ales, de izomorfismele de grupuri sau corpuri. Prin analogie,
un rol important în studiul spaţiilor vectoriale este jucat de morfismele de spaţii vectoriale
numite, pe scurt, aplicaţii liniare. Un rol aparte este jucat de izomorfismele de spaţii
vectoriale, reprezentate de aplicaţiile liniare bijective. Aceste izomorfisme scot în evidenţă
anumite spaţii vectoriale care, din cauză că sunt izomorfe cu o clasă întreagă de alte spaţii
vectoriale, reprezintă obiectul principal de studiu în algebra liniară. În acest sens, de
exemplu, subliniem importanţa studiului spaţiului vectorial real R Rn care este izomorf cu
orice spaţiu vectorial real de dimensiune n.

3.1 Definiţie. Exemple

Fie V şi W două K-spaţii vectoriale.

Definiţia 3.1.1 Se numeşte aplicaţie liniară sau transformare liniară sau morfism
de spaţii vectoriale o aplicaţie f : V → W care verifică proprietăţile:

1. f (v + w) = f(v) + f (w), ∀ v, w ∈ V ;

2. f (αv) = αf (v), ∀ α ∈ K, ∀ v ∈ V.

Observaţia 3.1.2 Mulţimea tuturor aplicaţiilor liniare de la K-spaţiul vectorial V la K-

spaţiul vectorial W se notează LK (V, W ).

Definiţia 3.1.3 O aplicaţie liniară f : V → V se numeşte endomorfism al K-spaţiului

vectorial V.

Observaţia 3.1.4 Mulţimea tuturor endomorfimelor K-spaţiului vectorial V se notează

EndK (V ). Mulţimea
(EndK (V ), +, ◦),
unde ” + ” reprezintă adunarea funcţiilor şi ” ◦ ” reprezintă compunerea funcţiilor, are o
structură algebrică de inel necomutativ.

Definiţia 3.1.5 Fie f ∈ LK (V, W ) o aplicaţie liniară. Dacă f : V → W este bijectivă,

atunci aplicaţia liniară f se numeşte izomorfism de spaţii vectoriale. În această situaţie,
vom folosi notaţia
f
V ≃ W.

Propoziţia 3.1.6 Fie f ∈ LK (V, W ) o aplicaţie liniară. Atunci, aplicaţia liniară f are
următoarele proprietăţi:

APLICAŢII LINIARE 79
 1. f (0V ) = 0W ;

2. f (−v) = −f (v), ∀ v ∈ V;

3. f (αv + βw) = αf (v) + βf(w), ∀ α, β ∈ K, ∀ v, w ∈ V .

Demonstraţie. 1. Din prima proprietate a unei aplicaţii liniare deducem că

f (0V + 0V ) = f (0V ) + f (0V ) ⇔ f (0V ) = f(0V ) + f (0V ).

În ultima egalitate, adunând la dreapta cu vectorul −f (0V ), obţinem

0W = f (0V ).

2. Din prima proprietate a unei aplicaţii liniare deducem egalităţile:

f (v + (−v)) = f(v) + f (−v) ⇔ f (0V ) = f (v) + f (−v), ∀ v ∈ V.

Folosind acum proprietatea 1., obţinem

0W = f (v) + f(−v) ⇔ f (−v) = −f (v), ∀ v ∈ V.

3. Fie α, β ∈ K doi scalari arbitrari şi fie v, w ∈ V doi vectori arbitrari. Folosind

proprietăţile unei aplicaţii liniare deducem imediat egalităţile:

f (αv + βw) = f(αv) + f(βw) = αf (v) + βf (w).

Exemplul 3.1.7 Fie aplicaţia f : R3 → R2 , definită prin

f (x, y, z) = (x + z, y − z).

Vom demonstra că f este o aplicaţie liniară. Pentru aceasta să considerăm doi vectori
arbitrari
(x1 , y1 , z1 ), (x2 , y2 , z2 ) ∈ R3 .
Atunci, următoarele egalităţi sunt adevărate:

f ((x1 , y1 , z1 ) + (x2 , y2 , z2 )) = f(x1 + x2 , y1 + y2 , z1 + z2 ) =

= (x1 + x2 + z1 + z2 , y1 + y2 − (z1 + z2 )) =
= (x1 + z1 , y1 − z1 ) + (x2 + z2 , y2 − z2 ) =
= f(x1 , y1 , z1 ) + f (x2 , y2 , z2 ).

Fie acum α ∈ R un scalar arbitrar şi fie (x, y, z) ∈ R3 un vector arbitrar. Atunci, avem
egalităţile:

f (α(x, y, z)) = f (αx, αy, αz) =

= (αx + αz, αy − αz) =
= α(x + z, y − z) =
= αf(x, y, z).

În concluzie, aplicaţia f este o aplicaţie liniară.

80 APLICAŢII LINIARE
Exemplul 3.1.8 Fie aplicaţia f : R3 → R2 , definită prin

f (x, y, z) = (x + y, z − x + 1).

Conform propoziţiei anterioare, dacă aplicaţia f ar fi liniară ar trebui ca ea să ducă

vectorul nul din R3 în vectorul nul din R2 . Acest lucru nu este însă adevărat deoarece

f (0, 0, 0) = (0, 1) = (0, 0).

În concluzie, aplicaţia f nu este o aplicaţie liniară.

Exemplul 3.1.9 Fie aplicaţia f : R2 → R2 , definită prin

f (x, y) = (x − y, x + sin y).

Vom arăta în continuare că, deşi această aplicaţie duce vectorul nul din R2 în vectorul
nul din R2 , totuşi ea nu este o aplicaţie liniară. Acest lucru subliniază faptul că condiţia

f (0, 0) = (0, 0)

este una necesară, dar nu şi suficientă. Să presupunem deci că aplicaţia f este liniară.
Atunci, următoarea proprietate ar trebui să fie adevărată:

f(α(x, y)) = αf (x, y), ∀ α ∈ R, ∀ (x, y) ∈ R2 .

Această proprietate este însă echivalentă cu

(α(x − y), αx + sin(αy)) = α(x − y, x + sin y), ∀ α ∈ R, ∀ (x, y) ∈ R2 .

Prin urmare, dacă aplicaţia f ar fi liniară ar trebui ca următoarea egalitate trigonometrică

să fie adevărată:
sin(αy) = α sin y, ∀ α ∈ R, ∀ y ∈ R.
Contradicţie! De ce? Pentru că această egalitate trigonometrică nu este adevărată pentru
orice α ∈ R şi y ∈ R. Spre exemplu, pentru α = 2 avem

sin(2y) = 2 sin y cos y = 2 sin y, ∀ y ∈ R\{2kπ | k ∈ Z}.

În concluzie, aplicaţia f nu este o aplicaţie liniară, deşi avem f (0, 0) = (0, 0).

Exemplul 3.1.10 Fie aplicaţia D : R2 [X] → R1 [X], definită prin

D(f) = f ′ ,

unde f ′ ∈ R1 [X] reprezintă derivata polinomului f ∈ R2 [X]. Atunci, următoarele egalităţi

sunt adevărate:

D(f + g) = (f + g)′ = f ′ + g ′ = D(f ) + D(g), ∀ f, g ∈ R2 [X].

Mai mult, avem

D(αf ) = (αf )′ = αf ′ = αD(f ), ∀ α ∈ R, ∀ f ∈ R2 [X].

În concluzie, aplicaţia D este o aplicaţie liniară. Această aplicaţie liniară se numeşte

aplicaţia liniară de derivare.

DEFINIŢIE. EXEMPLE 81
Exemplul 3.1.11 Fie aplicaţia I : R2 [X] → R3 [X], definită prin
x
I(f ) = f (t)dt,
0

unde f ∈ R2 [X]. În acest context, următoarele egalităţi sunt adevărate:

x
I(f + g) = [f (t) + g(t)]dt =
0
x x
= f(t)dt + g(t)dt = I(f ) + I(g), ∀ f, g ∈ R2 [X],
0 0

şi
x x
I(αf ) = [αf (t)]dt = α f (t)dt = αI(f ), ∀ α ∈ R, ∀ f ∈ R2 [X].
0 0

În concluzie, aplicaţia I este o aplicaţie liniară. Această aplicaţie liniară se numeşte

aplicaţia liniară de integrare.

Exemplul 3.1.12 Fie aplicaţia T : M2 (R) → M2 (R), definită prin

T
T (A) = A,

unde T A ∈ M2 (R) reprezintă transpusa matricii A ∈ M2 (R). Ţinând cont de proprietăţile

transpusei unei matrici, deducem că avem adevărate egalităţile:
T T T
T (A + B) = (A + B) = A+ B = T (A) + T (B), ∀ A, B ∈ M2 (R),

şi
T T
T (αA) = (αA) = α · A = αT (A), ∀ α ∈ R, ∀ A ∈ M2 (R).
În concluzie, aplicaţia T este o aplicaţie liniară. Această aplicaţie liniară se numeşte
aplicaţia liniară de transpunere.

3.2 Nucleul unei aplicaţii liniare. Injectivitate

Fie f ∈ LK (V, W ) o aplicaţie liniară.

Definiţia 3.2.1 Submulţimea

ker(f) = {v ∈ V | f (v) = 0W } ⊆ V

se numeşte nucleul aplicaţiei liniare f.

Propoziţia 3.2.2 Nucleul aplicaţiei liniare f ∈ LK (V, W ) este un subspaţiu vectorial al

domeniului de definiţie V. Cu alte cuvinte, avem

ker(f) ≤K V.

82 APLICAŢII LINIARE
Demonstraţie. Aplicăm criteriul de subspaţiu. Pentru aceasta, fie doi vectori arbitrari
v, w ∈ ker(f ). Din definiţia nucleului deducem că avem
f(v) = f (w) = 0W .
Folosind liniaritatea aplicaţiei f , rezultă că avem
f(v + w) = f (v) + f (w) = 0W .
Prin urmare v + w ∈ ker(f ). Să considerăm acum un scalar arbitrar α ∈ K şi un vector
arbitrar v ∈ ker(f). Rezultă că avem f(v) = 0W . Folosind din nou liniaritatea aplicaţiei
f, deducem că
f (αv) = αf (v) = 0W ,
adică αv ∈ ker(f ). În concluzie, conform criteriului de subspaţiu, găsim ceea ce aveam de
demonstrat.
Definiţia 3.2.3 Dimensiunea nucleului ker(f) se numeşte defectul aplicaţiei liniare f.
În acest context, vom folosi notaţia
def(f ) = dimK ker(f ).
Teorema 3.2.4 (de caracterizare a injectivităţii unei aplicaţii liniare) Fie o apli-
caţie liniară f ∈ LK (V, W ). Atunci, următoarele afirmaţii sunt echivalente:
1. Aplicaţia liniară f este injectivă;
2. ker(f ) = {0V };
3. def(f) = 0.
Demonstraţie. Este evident că afirmaţiile 2. şi 3. sunt echivalente. Să demonstrăm
acum că 1. ⇒ 2. Pentru aceasta, să presupunem că aplicaţia liniară f este injectivă şi să
luăm un vector arbitrar v ∈ ker(f ). Deducem că
f (v) = 0W .
Pe de altă parte, deoarece f este aplicaţie liniară, avem
f (0V ) = 0W .
Atunci, din injectivitatea aplicaţiei f, rezultă că v = 0V . Prin urmare, avem
ker(f ) = {0V }.
Reciproc, să demonstrăm că 2. ⇒ 1. Pentru aceasta, să presupunem că
ker(f) = {0V }
şi să luăm doi vectori arbitrari v, w ∈ V astfel încât
f (v) = f(w).
Deoarece aplicaţia f este liniară, egalitatea de mai sus se poate scrie sub forma
f(v) − f(w) = 0W ⇔ f (v − w) = 0W ⇔ v − w ∈ ker(f ) = {0V }.
Prin urmare, deducem că
v − w = 0V ⇔ v = w.
În concluzie, aplicaţia liniară f este injectivă. Rezultă ceea ce aveam de demonstrat.

NUCLEUL UNEI APLICAŢII LINIARE. INJECTIVITATE 83

Exemplul 3.2.5 Fie aplicaţia liniară f : R2 → R3 , definită prin

f (x, y) = (3x − y, 2x + y, x − 2y).

Să calculăm nucleul aplicaţiei liniare f. Din definiţia nucleului unei aplicaţii liniare de-
ducem că avem

ker(f) = {(x, y) ∈ R2 | f (x, y) = (0, 0, 0)} =

= {(x, y) ∈ R2 | 3x − y = 0, 2x + y = 0, x − 2y = 0}.

Deoarece sistemul liniar 


 3x − y = 0

2x + y = 0


 x − 2y = 0

are doar soluţia banală, rezultă că

ker(f ) = {(0, 0)}.

Conform teoremei anterioare, deducem că aplicaţia liniară f este injectivă.

Exemplul 3.2.6 Fie aplicaţia liniară de derivare D : R2 [X] → R1 [X], definită prin

D(f) = f ′ ,

unde f ∈ R2 [X]. Să calculăm nucleul aplicaţiei liniare de derivare D. Avem

ker(D) = {f ∈ R2 [X] | D(f) = O} =

= {f ∈ R2 [X] | f ′ = O} =
= {c | c ∈ R} ≡ R.

Deoarece ker(D) = {O}, rezultă că aplicaţia de derivare D nu este injectivă.

3.3 Imaginea unei aplicaţii liniare. Surjectivitate

Fie f ∈ LK (V, W ) o aplicaţie liniară.

Definiţia 3.3.1 Submulţimea

Im(f ) = {w ∈ W | ∃ v ∈ V astfel încât f (v) = w} ⊆ W

se numeşte imaginea aplicaţiei liniare f.

Propoziţia 3.3.2 Imaginea aplicaţiei liniare f ∈ LK (V, W ) este un subspaţiu vectorial

al codomeniului W. Cu alte cuvinte, avem

Im(f ) ≤K W.

84 APLICAŢII LINIARE
Demonstraţie. Vom aplica criteriul de subspaţiu. Pentru aceasta, fie doi vectori ar-
bitrari w1 , w2 ∈ Im(f). Din definiţia imaginii unei aplicaţii liniare, rezultă că există
v1 , v2 ∈ V astfel încât f(v1 ) = w1 şi f (v2 ) = w2 . Deoarece aplicaţia f este liniară, de-
ducem că
f (v1 + v2 ) = f (v1 ) + f(v2 ) = w1 + w2 ,
adică w1 +w2 ∈ Im(f ). Să considerăm acum un scalar arbitrar α ∈ K şi un vector arbitrar
w ∈ Im(f ). Rezultă că există v ∈ V astfel încât f (v) = w. Folosind din nou liniaritatea
aplicaţiei f, deducem că
f (αv) = αf (v) = αw,
adică αw ∈ Im(f ). În concluzie, conform criteriului de subspaţiu, găsim ceea ce aveam de
demonstrat.

Definiţia 3.3.3 Dimensiunea imaginii Im(f) se numeşte rangul aplicaţiei liniare f. În

acest context, vom folosi notaţia

rang(f ) = dimK Im(f ).

Teorema 3.3.4 (caracterizarea surjectivităţii unei aplicaţii liniare) Fie o aplica-

ţie liniară f ∈ LK (V, W ). Atunci, următoarele afirmaţii sunt echivalente:

1. Aplicaţia liniară f este surjectivă;

2. Im(f ) = W ;

3. rang(f ) = dimK W.

Demonstraţie. Este evident că afirmaţiile 2. şi 3. sunt echivalente. Să demonstrăm
acum că 1. ⇒ 2. Pentru aceasta, să presupunem că aplicaţia liniară f este surjectivă şi
să luăm un vector arbitrar w ∈ W. Deoarece aplicaţia f este surjectivă, rezultă că există
un vector v ∈ V astfel încât f (v) = w. Prin urmare, avem w ∈ Im(f ). În concluzie, avem
W ⊆ Im(f). Deoarece este evident că avem Im(f ) ⊆ W, deducem că avem egalitatea
W = Im(f ).
Reciproc, să presupunem că Im(f ) = W şi să luăm un vector arbitrar w ∈ W = Im(f ).
Din definiţia imaginii unei aplicaţii liniare rezultă că există un vector v ∈ V astfel încât
f(v) = w. Cu alte cuvinte, din definiţia surjectivităţii unei aplicaţii rezultă că aplicaţia
liniară f este surjectivă.

Exemplul 3.3.5 Fie aplicaţia liniară f : R3 → R2 , definită prin

f (x, y, z) = (x − y, 2x + y + z).

Să calculăm imaginea aplicaţiei liniare f. Din definiţia imaginii unei aplicaţii liniare de-
ducem că avem

Im(f ) = {(u, v) ∈ R2 | ∃ (x, y, z) ∈ R3 astfel încât f(x, y, z) = (u, v)} =

= {(u, v) ∈ R2 | ∃ (x, y, z) ∈ R3 a.î. x − y = u, 2x + y + z = v}.

Deoarece sistemul liniar

x−y =u
2x + y + z = v

IMAGINEA UNEI APLICAŢII LINIARE. SURJECTIVITATE 85

are soluţie pentru orice valori u şi v ∈ R, rezultă că avem

Im(f ) = R2 .

Conform teoremei anterioare, deducem că aplicaţia liniară f este surjectivă.

Exemplul 3.3.6 Fie aplicaţia liniară de integrare I : R2 [X] → R3 [X], definită prin
x
I(f ) = f (t)dt,
0

unde f ∈ R2 [X]. Să calculăm imaginea aplicaţiei liniare de integrare I. Prin definiţie,
avem
Im(I) = {g ∈ R3 [X] | ∃ f ∈ R2 [X] astfel încât I(f) = g}
Fie un polinom arbitrar de grad cel mult trei, definit prin

g = AX 3 + BX 2 + CX + D,

unde A, B, C, D ∈ R sunt coeficienţi daţi. Să presupunem că există un polinom de grad
cel mult doi, definit prin
f = aX 2 + bX + c,
unde a, b, c ∈ R, astfel încât I(f) = g. Atunci avem
x
(at2 + bt + c)dt = Ax3 + Bx2 + Cx + D,
0

adică
x3 x2
a + b + cx = Ax3 + Bx2 + Cx + D.
3 2
Egalând coeficienţii celor două polinoame, găsim egalităţile:

a = 3A, b = 2B, c=C şi D = 0.

În concluzie, imaginea aplicaţiei liniare de integrare I este

Im(I) = {AX 3 + BX 2 + CX | A, B, C ∈ R} = R3 [X].

Rezultă că aplicaţia de integrare I nu este surjectivă.

3.4 Izomorfisme de spaţii vectoriale

În această secţiune vom studia condiţii necesare şi suficiente ca două spaţii vectoriale
finit dimensionale să fie izomorfe. Pentru aceasta vom demonstra mai întâi următorul
rezultat.

Teorema 3.4.1 (a dimensiunii) Fie f ∈ LK (V, W ) o aplicaţie liniară. Dacă domeniul

V este un K-spaţiu vectorial finit dimensional, atunci următoarea egalitate este adevărată:

dimK V = def(f) + rang(f ).

86 APLICAŢII LINIARE
Demonstraţie. Să presupunem că avem dimK V = n şi

def(f) = dimK ker(f ) = p,

unde 0 ≤ p ≤ n < ∞. Fie

B1 = {e1 , e2 , ..., ep }
o bază în nucleul ker(f ). Deoarece nucleul ker(f) este un subspaţiu vectorial al domeniului
V, atunci, conform lemei lui Steinitz, putem completa cu vectori baza B1 până la o bază

B = {e1 , e2 , ..., ep , v1 , v2 , ..., vn−p }

în spaţiul vectorial V. Vom demonstra în continuare că mulţimea

B2 = {f(v1 ), f(v2 ), ..., f(vn−p )}

este o bază a imaginii Im(f), ceea ce va implica egalitatea

rang(f ) = dimK Im(f) = n − p,

adică ceea ce trebuia demonstrat. Să demonstrăm mai întâi că mulţimea B2 este liniar
independentă. Pentru aceasta fie scalarii α1 , α2 , ..., αn−p ∈ K astfel încât

α1 f (v1 ) + α2 f (v2 ) + ... + αn−p f (vn−p ) = 0W .

Din proprietatea de liniaritate a aplicaţiei f deducem că egalitatea de mai sus se poate
rescrie sub forma
f (α1 v1 + α2 v2 + ... + αn−p vn−p ) = 0W .
Această egalitate este echivalentă cu condiţia

α1 v1 + α2 v2 + ... + αn−p vn−p ∈ ker(f ).

Deoarece mulţimea B1 este o bază a nucleului ker(f ), rezultă că ∃ β 1 , β 2 , ..., β p ∈ K astfel
încât
α1 v1 + α2 v2 + ... + αn−p vn−p = β 1 e1 + β 2 e2 + ... + β p ep .
Trecând toţi termenii în membrul stâng, deducem că avem egalitatea

α1 v1 + α2 v2 + ... + αn−p vn−p − β 1 e1 − β 2 e2 − ... − β p ep = 0V.

Deoarece mulţimea B este o bază în spaţiul vectorial V (în particular, mulţimea B este
liniar independentă), rezultă că

α1 = α2 = ... = αn−p = β 1 = β 2 = ... = β p = 0,

adică mulţimea B2 este liniar independentă. Să demonstrăm acum că mulţimea B2 este
un sistem de generatori pentru imaginea Im(f ). Pentru aceasta să considerăm un vector
arbitrar w ∈ Im(f). Din definiţia imaginii Im(f) deducem că există un vector v ∈ V astfel
încât f(v) = w. Deoarece mulţimea B este o bază în spaţiul vectorial V, rezultă că există
scalarii k1 , k2 , ..., kn ∈ K astfel încât

v = k1 e1 + k2 e2 + ... + kp ep + kp+1 v1 + kp+2 v2 + ... + kn vn−p .

IZOMORFISME DE SPAŢII VECTORIALE 87

Calculând aplicaţia liniară f în egalitatea de mai sus şi ţinând cont de faptul că avem
f(v) = w şi f (e1 ) = f(e2 ) = ... = f(ep ) = 0,
deducem că avem egalitatea
w = kp+1 f (v1 ) + kp+2 f (v2 ) + ... + kn f(vn−p ).
Cu alte cuvinte, vectorul arbitrar w ∈ Im(f ) este o combinaţie liniară de vectorii
f (v1 ), f(v2 ), ..., f(vn−p ),
adică mulţimea B2 este un sistem de generatori pentru imaginea Im(f).

Corolarul 3.4.2 Fie f ∈ LK (V, W ) o aplicaţie liniară. Dacă domeniul V este un K-

spaţiu vectorial finit dimensional, atunci avem adevărate următoarele afirmaţii:

1. Dacă f este injectivă, atunci dimK V ≤ dimK W ;

2. Dacă f este surjectivă, atunci dimK V ≥ dimK W ;
3. Dacă f este bijectivă, atunci dimK V = dimK W .

Demonstraţie. Teorema dimensiunii de mai sus ne asigură că întotdeauna avem egali-
tatea
dimK V = def(f ) + rang(f ).
1. Dacă f este injectivă, atunci, conform teoremei de caracterizare a injectivităţii,
avem
def(f) = 0.
Deoarece imaginea Im(f ) este subspaţiu vectorial al codomeniului W, obţinem inegalitatea
dimK V = rang(f) = dimK Im(f) ≤ dimK W.
2. Dacă f este surjectivă, atunci, conform teoremei de caracterizare a surjectivităţii,
avem
rang(f ) = dimK W.
Deoarece întotdeauna avem def(f) ≥ 0, obţinem inegalitatea
dimK V = def(f) + dimK W ≥ dimK W.
3. Dacă f este bijectivă, atunci f este şi injectivă şi surjectivă. Prin urmare, conform
punctelor 1. şi 2., avem inegalităţile
dimK V ≤ dimK W şi dimK V ≥ dimK W.
În concluzie, avem egalitatea
dimK V = dimK W.

Punctul 3. al Corolarului de mai sus afirmă că dacă două spaţii vectoriale sunt
izomorfe, atunci în mod obligatoriu ele au aceeaşi dimensiune. Reciproc, vom demonstra
în continuare că dacă două spaţii vectoriale au aceeaşi dimensiune, atunci ele sunt în mod
obligatoriu izomorfe. Cu alte cuvinte, demonstrăm în această secţiune că condiţia necesară
şi suficientă ca două K-spaţii vectoriale V şi W să fie izomorfe este ca dimK V = dimK W.

88 APLICAŢII LINIARE
Teorema 3.4.3 (fundamentală de izomorfism) Fie V şi W două K-spaţii vectoriale
astfel încât dimK V = dimK W. Atunci, spaţiile vectoriale V şi W sunt izomorfe.

Demonstraţie. Să presupunem că mulţimea

B1 = {e1 , e2 , ..., en }

este o bază în spaţiul vectorial V şi mulţimea

B2 = {v1 , v2 , ..., vn }

este o bază în spaţiul vectorial W, unde

n = dimK V = dimK W.

Deoarece mulţimea B1 este o bază în spaţiul vectorial V, rezultă că orice vector v ∈ V se
descompune unic ca
v = x1 e1 + x2 e2 + ... + xn en ,
unde x1 , x2 , ..., xn ∈ K reprezintă coordonatele vectorului v în baza B1 . Definim aplicaţia

f :V →W

în felul următor:
def
f (v) = f(x1 e1 + x2 e2 + ... + xnen ) = x1 v1 + x2 v2 + ... + xn vn .

Să demonstrăm că aplicaţia f este liniară. Pentru aceasta să considerăm doi vectori
arbitrari
v = x1 e1 + x2 e2 + ... + xn en ∈ V
şi
v ′ = x′1 e1 + x′2 e2 + ... + x′n en ∈ V,
unde x′1 , x′2 , ..., x′n ∈ K reprezintă coordonatele vectorului v ′ în baza B1 . Atunci avem

f(v + v ′ ) = f ((x1 + x′1 )e1 + (x2 + x′2 )e2 + ... + (xn + x′n )en ) =
= (x1 + x′1 )v1 + (x2 + x′2 )v2 + ... + (xn + x′n)vn =
= x1 v1 + x2 v2 + ... + xn vn + x′1 v1 + x′2 v2 + ... + x′n vn =
= f (v) + f(v ′ ).

Fie acum un scalar arbitrar α ∈ K şi un vector arbitrar

v = x1 e1 + x2 e2 + ... + xn en ∈ V.

Atunci avem

f (αv) = f ((αx1 )e1 + (αx2 )e2 + ... + (αxn )en ) =

= (αx1 )v1 + (αx2 )v2 + ... + (αxn )vn =
= α(x1 v1 + x2 v2 + ... + xn vn ) =
= αf(v).

În concluzie, aplicaţia f este liniară.

IZOMORFISME DE SPAŢII VECTORIALE 89

 Vom demonstra în continuare că aplicaţia liniară f este bijectivă.
Pentru a demonstra injectivitatea aplicaţiei liniare f să considerăm un vector arbitrar
v ∈ ker(f ), unde
v = x1 e1 + x2 e2 + ... + xn en .
Atunci avem
f (v) = 0W ⇔ x1 v1 + x2 v2 + ... + xn vn = 0W .
Din liniar independenţa bazei B2 deducem că

x1 = x2 = ... = xn = 0,

adică v = 0V . Cu alte cuvinte, avem

ker(f ) = {0V },

adică aplicaţia liniară f este injectivă.

Pentru a demonstra surjectivitatea aplicaţiei liniare f să considerăm un vector arbitrar
w ∈ W. Deoarece mulţimea B2 este o bază în spaţiul vectorial W, rezultă că există scalarii
x1 , x2 , ..., xn ∈ K astfel încât să avem descompunerea unică

w = x1 v1 + x2 v2 + ... + xn vn .

Este evident că, luând vectorul

v = x1 e1 + x2 e2 + ... + xn en ∈ V,

avem adevărată relaţia f (v) = w. Prin urmare, aplicaţia liniară f este surjectivă.
În concluzie, aplicaţia f este un izomorfism între spaţiile vectoriale V şi W.

Corolarul 3.4.4 Fie V un spaţiu vectorial real de dimensiune dimR V = n. Atunci spaţiul
vectorial R V este izomorf cu spaţiul vectorial R Rn .

Demonstraţie. Spaţiul vectorial real

Rn = (x1 , x2 , x3 , ..., xn−1 , xn ) | xi ∈ R, ∀ i = 1, n

are dimensiunea dimR Rn = n. Baza canonică a spaţiului vectorial R Rn este

B = {e1 = (1, 0, 0, ..., 0, 0), e2 = (0, 1, 0, ..., 0, 0), ........., en = (0, 0, 0, ..., 0, 1)}.

Conform Teoremei fundamentale de izomorfism, rezultă ceea ce aveam de demonstrat.

3.5 Endomorfisme şi matrici pătratice

Pe tot parcursul acestei secţiuni vom considera V un K-spaţiu vectorial de dimensiune

dimK V = n. Să presupunem că

B = {e1 , e2 , ..., en }

90 APLICAŢII LINIARE
este o bază în spaţiul vectorial V. Dacă v ∈ V este un vector arbitrar, atunci există scalarii
x1 , x2 , ..., xn ∈ K astfel încât să avem descompunerea unică

v = x1 e1 + x2 e2 + ... + xn en .

Fie acum f ∈ EndK (V ) un endomorfism al spaţiului vectorial V. Deoarece endomor-

fismul f este o aplicaţie liniară, rezultă că valoarea endomorfismului f calculată în v este
dată de expresia
f (v) = x1 f (e1 ) + x2 f(e2 ) + ... + xn f (en ).
Prin urmare, endomorfismul f este bine definit de valorile sale pe baza B, adică de valorile

f (e1 ), f (e2 ), ..., f (en ).

Aceşti vectori aparţin însă tot spaţiului vectorial V. În consecinţă, putem să descompunem
şi aceşti vectori în baza B. Să presupunem că aceste descompuneri sunt date de relaţiile:


 f (e1 ) = c11 e1 + c12 e2 + ... + c1nen ,



 f (e2 ) = c21 e1 + c22 e2 + ... + c2nen ,




 ·

 ·






 ·


f (en ) = cn1 e1 + cn2 e2 + ... + cnn en ,

unde C = (cij )i,j=1,n ∈ Mn (K).

Definiţia 3.5.1 Matricea MB (f ) = T C = (cji )i,j=1,n ∈ Mn (K) se numeşte matricea în

baza B a endomorfismului f.

Să considerăm că mulţimea

B ′ = {e′1 , e′2 , ..., e′n }

este o altă bază în spaţiul vectorial V şi să presupunem că matricea de trecere de la baza
B la baza B ′ este
MBB ′ = (aij )i,j=1,n ∈ Mn (K).

Propoziţia 3.5.2 Dacă f ∈ EndK (V ) este un endomorfism al spaţiului vectorial V,

atunci relaţia de legătură dintre matricile MB (f ) şi MB ′ (f ) este exprimată prin formula
−1
MB′ (f ) = MBB ′ · MB (f) · MBB ′ .

Demonstraţie. Definiţia matricii de trecere de la baza B la baza B ′ implică egalităţile

n
e′j = akj ek , ∀ j = 1, n.
k=1

Definiţiile matricilor MB (f) şi MB ′ (f ) conduc la relaţiile:

n n
f (ek ) = ckl el , ∀ k = 1, n, şi f (e′i ) = c′ij e′j , ∀ i = 1, n,
l=1 j=1

ENDOMORFISME ŞI MATRICI PĂTRATICE 91

unde MB′ (f) = T C ′ = (c′ji )i,j=1,n ∈ Mn (K). În acest context, din liniaritatea endomorfis-
mului f obţinem egalităţile:
n n n n
f (e′i ) = f aki ek = aki f (ek ) = aki ckl el , ∀ i = 1, n,
k=1 k=1 k=1 l=1

şi
n n n
f (e′i ) = c′ij e′j = c′ij alj el , ∀ i = 1, n.
j=1 j=1 l=1

Din aceste două egalităţi deducem că avem relaţiile

n n n n
aki ckl el = c′ij alj el , ∀ i = 1, n.
l=1 k=1 l=1 j=1

Deoarece mulţimea B este o bază în spaţiul vectorial V, rezultă că avem relaţiile
n n
aki ckl = c′ij alj , ∀ i = 1, n, ∀ l = 1, n.
k=1 j=1

La nivel matriceal, aceste ultime relaţii se scriu sub forma

MB (f ) · MBB′ = MBB ′ · MB ′ (f ),

adică ceea ce aveam de demonstrat.

Exemplul 3.5.3 Să determinăm matricea în baza

B ′ = {e′1 = (1, 1, 1), e′2 = (1, 0, 1), e′3 = (0, 1, 1)}

a endomorfismului f : R3 → R3 , definit prin

f (x, y, z) = (2x − y, x + y + z, y − z).

Pentru aceasta să considerăm baza canonică

B = {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)}.

Matricea de trecere de la baza canonică B la baza B ′ este

 
1 1 0
MBB′ =  1 0 1 .
1 1 1
Inversa acestei matrici este
 
1 1 −1
−1
MBB ′ =  0 −1 1  .
−1 0 1
Deoarece avem egalităţile

 f (e1 ) = (2, 1, 0) = 2e1 + e2 ,
f (e2 ) = (−1, 1, 1) = −e1 + e2 + e3 ,

f (e3 ) = (0, 1, −1) = e2 − e3 ,

92 APLICAŢII LINIARE
rezultă că matricea endomorfismului f în baza canonică B este
 
2 −1 0
MB (f) =  1 1 1 .
0 1 −1
Prin urmare, matricea endomorfismului f în baza B ′ este
 
4 5 1
−1  −3 −3 −2  .
MB′ (f ) = MBB ′ · MB (f) · MBB ′ =

−1 −3 1
Cu alte cuvinte, sunt adevărate relaţiile


 f (e′1 ) = (1, 3, 0) = 4e′1 − 3e′2 − e′3 ,

f (e′2 ) = (2, 2, −1) = 5e′1 − 3e′2 − 3e′3 ,


 f (e′ ) = (−1, 2, 0) = e′ − 2e′ + e′ .
3 1 2 3

Fie V un K-spaţiu vectorial de dimensiune dimK V = n şi fie

(EndK (V ), +, ◦)

inelul necomutativ al endomorfismelor spaţiului vectorial V, unde ”+” reprezintă adunarea

funcţiilor şi ” ◦ ” reprezintă compunerea funcţiilor. Atunci putem demonstra următorul
rezultat:

Teorema 3.5.4 (identificarea endomorfismelor cu matricile pătratice) Inelul ne-

comutativ al endomorfismelor (EndK (V ), +, ◦) este izomorf cu inelul necomutativ al ma-
tricilor pătratice (Mn (K), +, ·).

Demonstraţie. Să fixăm

B = {e1 , e2 , ..., en }
o bază în spaţiul vectorial V şi să definim aplicaţia
def
T : EndK (V ) → Mn (K), T (f) = MB (f ), ∀ f ∈ EndK (V ).

Folosind definiţia matricii unui endomorfism într-o anumită bază, se poate arăta că pentru
orice două endomorfisme f, g ∈ EndK (V ) avem relaţiile:

T (f + g) = MB (f + g) = MB (f ) + MB (g) = T (f ) + T (g),

şi
T (f ◦ g) = MB (f ◦ g) = MB (f ) · MB (g) = T (f ) · T (g).
În consecinţă, aplicaţia T este un morfism de inele necomutative. Vom demonstra în
continuare că aplicaţia T este inversabilă. Pentru aceasta să considerăm aplicaţia
def
T ′ : Mn (K) → EndK (V ), T ′ (A) = fA , ∀ A = (aij )i,j=1,n ∈ Mn (K),

unde endomorfismul fA este definit prin

n n n n n
fA (v) = fA xi ei = xi aji ej = xi aji ej ,
i=1 i=1 j=1 j=1 i=1

ENDOMORFISME ŞI MATRICI PĂTRATICE 93

 n
pentru orice vector v = i=1 xi ei ∈ V. Folosind definiţiile aplicaţiilor T şi T ′ , deducem
că avem relaţiile:
(T ◦ T ′ )(A) = T (T ′ (A)) = T (fA ) =
= MB (fA ) = A, ∀ A = (aij )i,j=1,n ∈ Mn (K),
şi
[(T ′ ◦ T )(f )](v) = [T ′ (T (f ))](v) = [T ′ (MB (f ))](v) =
n n n
= fMB (f ) (v) = fMB (f ) xi ei = xi cji ej =
i=1 j=1 i=1
n n
= xi f (ei ) = f(v), ∀ f ∈ EndK (V ), ∀ v = xi ei ∈ V,
i=1 i=1

unde MB (f ) = (cij )i,j=1,n ∈ Mn (K). În concluzie, aplicaţia T este un izomorfism de inele

necomutative.
Observaţia 3.5.5 Teorema de mai sus subliniază faptul că în algebra liniară nu se mai
face distincţie între endomorfisme şi matrici pătratice. Astfel, unui endomorfism dat i se
poate asocia imediat o matrice scrisă într-o anumită bază şi, reciproc, având o matrice
pătratică dată, putem construi imediat un endomorfism a cărui matrice într-o anumită
bază să fie exact matricea pătratică dată. Mai mult, adunarea a două endomorfisme se
identifică cu adunarea a două matrici pătratice, compunerea a două endomorfisme se iden-
tifică cu înmulţirea a două matrici pătratice iar inversarea unui endomorfism se identifică
cu inversarea unei matrici pătratice. Cu alte cuvinte, următoarele relaţii matriceale sunt
adevărate:
1. MB (f + g) = MB (f) + MB (g), ∀ f, g ∈ EndK (V );
2. MB (f ◦ g) = MB (f) · MB (g), ∀ f, g ∈ EndK (V );
3. MB (f −1 ) = (MB (f ))−1 , ∀ f ∈ EndK (V );
4. MB (1V ) = In , unde 1V : V → V, 1V (v) = v, ∀ v ∈ V, este endomorfismul
identitate iar In ∈ Mn (K) este matricea identitate.
Exemplul 3.5.6 Fie endomorfismul f : R3 → R3 , definit prin
f (x, y, z) = (2x + y, −4x + 2y − z, 7x + y + z).
Matricea în baza canonică
B = {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)}
a acestui endomorfism este
 
2 1 0
def
A = MB (f) =  −4 2 −1  .
7 1 1
Reciproc, putem recupera din matricea dată A endomorfismul iniţial, cu ajutorul for-
mulei
   T
2 1 0 x
def
fA (x, y, z) =  −4 2 −1  ·  y  = (2x + y, −4x + 2y − z, 7x + y + z).
7 1 1 z

94 APLICAŢII LINIARE
3.6 Valori şi vectori proprii

Fie V un K-spaţiu vectorial şi fie f ∈ EndK (V ) un endomorfism al spaţiului vectorial

V. Conceptele de vector şi valoare proprie ale unui endomorfism sunt intim legate de
noţiunea de subspaţiu invariant al unui endomorfism.
Definiţia 3.6.1 Un scalar λ ∈ K se numeşte valoare proprie pentru endomorfismul
f ∈ EndK (V ) dacă există un vector nenul v ∈ V \{0V } cu proprietatea
f(v) = λv.
Definiţia 3.6.2 Mulţimea tuturor valorilor proprii asociate endomorfismului f este no-
tată cu σ(f) şi se numeşte spectrul endomorfismului f.
Fie f ∈ EndK (V ) un endomorfism al spaţiului vectorial V şi fie λ ∈ σ(f) o valoare
proprie a endomorfismului f.
Definiţia 3.6.3 Orice vector nenul v ∈ V \{0V } cu proprietatea
f (v) = λv
se numeşte vector propriu corespunzător valorii proprii λ ∈ σ(f ).
Să considerăm mulţimea
def
Vλ = {v ∈ V | f (v) = λv}.
Observaţia 3.6.4 Deoarece avem
Vλ = ker(f − λ · 1V ),
rezultă că mulţimea Vλ este un subspaţiu al spaţiului vectorial V .
Definiţia 3.6.5 Mulţimea Vλ se numeşte subspaţiul propriu corespunzător valorii pro-
prii λ ∈ σ(f).
Exemplul 3.6.6 Fie endomorfismul de derivare D : R2 [X] → R2 [X], definit prin
D(f) = f ′ ,
unde f ∈ R2 [X]. Să calculăm spectrul endomorfismului D. Pentru aceasta să presupunem
că λ ∈ R este o valoare proprie a endomorfismului de derivare D. Din definiţia valorii
proprii asociate unui endomorfism deducem că există un polinom nenul de grad cel mult
doi f = O cu proprietatea
D(f) = λf ⇔ f ′ = λf.
Egalitatea de mai sus implică relaţiile:
f′
= λ ⇔ (ln f )′ = λ ⇔ ln f = λx + ln C,
f
unde C > 0. Prin urmare avem
f = Ceλx .
Deoarece funcţia Ceλx nu este o funcţie polinomială de grad cel mult doi, rezultă că spectrul
endomorfismului D este
σ(D) = ∅.

VALORI ŞI VECTORI PROPRII 95

Exemplul 3.6.7 Fie endomorfismul f : R3 → R3 , definit prin
f (x, y, z) = (4x + 6y, −3x − 5y, −3x − 6y + z).
Ne propunem să calculăm spectrul endomorfismului f . Pentru aceasta să presupunem că
λ ∈ R este o valoare proprie a endomorfismului f . Din definiţia valorii proprii asociate
unui endomorfism deducem că există un vector nenul
(x, y, z) ∈ R3 \{(0, 0, 0)}
cu proprietatea
f (x, y, z) = λ(x, y, z) ⇔ (4x + 6y, −3x − 5y, −3x − 6y + z) = (λx, λy, λz).
Egalând pe componente, deducem că sistemul liniar omogen


 (4 − λ)x + 6y = 0

−3x − (5 + λ)y = 0


 −3x − 6y + (1 − λ)z = 0

trebuie să admită o soluţie nenulă. Aceasta înseamnă că determinantul sistemului trebuie
să fie nul, adică avem
4−λ 6 0
−3 −5 − λ 0 = 0 ⇔ (1 − λ)2 (λ + 2) = 0.
−3 −6 1−λ
Rădăcinile acestei ecuaţii sunt λ1 = 1 şi λ2 = −2. Prin urmare, spectrul endomorfismului
f este
σ(f ) = {1, −2}.
Să calculăm subspaţiile proprii corespunzătoare valorilor proprii λ1 = 1 şi λ2 = −2. Din
definiţia subspaţiului propriu corespunzător unei valori proprii deducem că avem (Obs.
Punem în matricea sistemului λ = 1)
      
 3 6 0 x 0 
Vλ=1 = (x, y, z) ∈ R3  −3 −6 0   y  =  0  =
 
−3 −6 0 z 0
= (x, y, z) ∈ R3 | 3x + 6y = 0 =
= {(−2y, y, z) | y, z ∈ R}
şi (Obs. Punem în matricea sistemului λ = −2)
      
 6 6 0 x 0 
Vλ=−2 = (x, y, z) ∈ R3  −3 −3 0   y  =  0  =
 
−3 −6 3 z 0
= (x, y, z) ∈ R3 | 6x + 6y = 0, − 3x − 6y + 3z = 0 =
= {(−y, y, y) | y ∈ R} .
Dimensiunile acestor subspaţii proprii sunt
dimR Vλ=1 = 2 şi dimR Vλ=−2 = 1.
Bazele canonice ale acestor subspaţii proprii sunt
Bλ=1 = {(−2, 1, 0), (0, 0, 1)} şi Bλ=−2 = {(−1, 1, 1)}.

96 APLICAŢII LINIARE
 Fie V un K-spaţiu vectorial şi fie f ∈ EndK (V ) un endomorfism al spaţiului vectorial
V. Vom demonstra în continuare câteva proprietăţi de algebră liniară ale vectorilor proprii
şi subspaţiilor proprii ale endomorfismului f .
Teorema 3.6.8 Nu există vector propriu corespunzător la două valori proprii distincte
ale endomorfismului f .
Demonstraţie. Să presupunem că vectorul v = 0V este un vector propriu corespunzător
la două valori proprii λ1 , λ2 ∈ σ(f ). Rezultă că avem egalităţile f (v) = λ1 v şi f (v) = λ2 v.
Aceste egalităţi implică relaţiile
λ1 v = λ2 v ⇔ (λ1 − λ2 )v = 0V .
Deoarece v = 0V , deducem că λ1 = λ2 .
Teorema 3.6.9 Vectorii proprii corespunzători la valori proprii distincte ale endomor-
fismului f sunt liniar independenţi.
Demonstraţie. Fie v1 , v2 , ..., vp ∈ V vectori proprii corespunzători valorilor proprii dis-
tincte λ1 , λ2 , ..., λp ∈ σ(f ). Vom demonstra că sistemul de vectori proprii
{v1 , v2 , ..., vp }
este liniar independent prin inducţie după p ∈ N. Pentru p = 1 este evident că mulţimea
{v1 } este liniar independentă deoarece v1 = 0V . Să presupunem acum că afirmaţia este
adevărată pentru p − 1 vectori proprii corespunzători la p − 1 valori proprii distincte ale
endomorfismului f şi să demonstrăm afirmaţia pentru sistemul de vectori proprii
{v1 , v2 , ..., vp }
corespunzători valorilor proprii distincte
λ1 , λ2 , ..., λp ∈ σ(f),
unde p ≥ 2. Pentru aceasta fie scalarii k1 , k2 , ..., kp ∈ K astfel încât
k1 v1 + k2 v2 + ... + kp vp = 0V .
Atunci, aplicând endomorfismul f , obţinem
f (k1 v1 + k2 v2 + ... + kp vp ) = 0V ⇔ k1 λ1 v1 + k2 λ2 v2 + ... + kp λp vp = 0V .
Putem presupune, fără a restrânge generalitatea, că avem λp = 0. Atunci, multiplicând
prima relaţie cu scalarul λp şi scăzând-o din ultima relaţie, deducem că avem egalitatea
k1 (λ1 − λp )v1 + k2 (λ2 − λp )v2 + ... + kp−1 (λp−1 − λp )vp−1 = 0V .
Dar, din ipoteza de inducţie, sistemul de vectori proprii
{v1 , v2 , ..., vp−1 }
este liniar independent. Prin urmare, deducem că
k1 (λ1 − λp ) = k2 (λ2 − λp ) = ... = kp−1 (λp−1 − λp ) = 0.
Deoarece valorile proprii λ1 , λ2 , ..., λp sunt distincte, rezultă că avem
k1 = k2 = ... = kp−1 = 0,
ceea ce implică egalitatea kp vp = 0V . Deoarece vp = 0V , rezultă kp = 0, adică ceea ce
aveam de demonstrat.

VALORI ŞI VECTORI PROPRII 97

Teorema 3.6.10 Subspaţiile proprii corespunzătoare la valori proprii distincte ale endo-
morfismului f se află în sumă directă.

Demonstraţie. Fie λ1 = λ2 valori proprii distincte ale endomorfismului f . Vom demon-

stra că
Vλ1 ∩ Vλ2 = {0V }.
Pentru aceasta fie un vector arbitrar v ∈ Vλ1 ∩ Vλ2 . Atunci avem f (v) = λ1 v şi f (v) = λ2 v.
Scăzând aceste relaţii, deducem că

(λ1 − λ2 )v = 0V .

Deoarece valorile proprii λ1 şi λ2 sunt distincte, rezultă că v = 0V , adică ceea ce aveam
de demonstrat.
Fie V un K-spaţiu vectorial de dimensiune dimK V = n. Fie f ∈ EndK (V ) un endo-
morfism al spaţiului vectorial V. Să presupunem că

B = {e1 , e2 , ..., en }

este o bază a spaţiului vectorial V şi să considerăm că MB (f ) este matricea endomorfis-
mului f în baza B. În acest context, putem demonstra următoarele rezultate de algebră
liniară.

Teorema 3.6.11 Orice valoare proprie λ ∈ σ(f ) este o rădăcină a ecuaţiei

det [MB (f) − λIn ] = 0.

Demonstraţie. Fie λ ∈ σ(f ) o valoare proprie a endomorfismului f şi fie v ∈ V \{0V }

un vector propriu asociat valorii proprii λ. Atunci avem

(f − λ · 1V )(v) = 0V .

Considerând că
X = (x1 , x2 , ..., xn ) ∈ M1,n (K)
reprezintă coordonatele vectorului nenul v = 0V în baza B, relaţia anterioară poate fi
scrisă la nivel matriceal în felul următor:

X · [MB (f) − λIn ] = O,

unde
O = (0, 0, ..., 0) ∈ M1,n (K).
Această relaţie matriceală reprezintă un sistem liniar omogen care admite soluţii nebanale
X = O. Prin urmare, determinantul sistemului este nul, adică avem

det [MB (f) − λIn ] = 0.

Teorema 3.6.12 Polinomul Pf (λ) = det [MB (f) − λIn ] este independent de alegerea
bazei B.

98 APLICAŢII LINIARE
Demonstraţie. Să considerăm că

B ′ = {e′1 , e′2 , ..., e′n }

este o altă bază a spaţiului vectorial V şi că MBB′ este matricea de trecere de la baza B
la baza B ′ . Atunci avem adevărată relaţia matriceală
−1
MB′ (f ) = MBB ′ · MB (f) · MBB ′ .

Din această relaţie matriceală rezultă egalităţile:

' −1 (
det [MB′ (f) − λIn ] = det MBB ′ · MB (f ) · MBB ′ − λIn =
' −1 (
= det MBB ′ · (MB (f ) − λIn ) · MBB ′ =
−1
= det MBB′ · det [MB (f ) − λIn ] · det MBB ′ =
= det [MB (f ) − λIn ] = Pf (λ),

unde am folosit egalităţile de determinanţi:

det (A · B) = (det A) · (det B)

şi
1
det A−1 = .
det A

Definiţia 3.6.13 Polinomul Pf (λ) se numeşte polinomul caracteristic al endomorfis-

mului f iar ecuaţia polinomială
Pf (λ) = 0
se numeşte ecuaţia caracteristică a endomorfismului f .

Observaţia 3.6.14 Din cele expuse până acum rezultă că dacă V este un K-spaţiu vec-
torial de dimensiune finită
dimK V = n,
atunci orice valoare proprie a unui endomorfism f ∈ EndK (V ) este o rădăcină a polino-
mului caracteristic Pf (λ). Deoarece acest polinom are gradul n, deducem că endomorfismul
f are cel mult n valori proprii distincte.

3.7 Forma diagonală a unui endomorfism

Fie V un K-spaţiu vectorial de dimensiune dimK V = n şi fie f ∈ EndK (V ) un endo-

morfism al spaţiului vectorial V. Am văzut într-o secţiune precedentă că endomorfismului
f i se poate asocia o matrice pătratică MB (f ) corespunzătoare unei anumite baze B a
spaţiului vectorial V. În această secţiune vom căuta o bază convenabilă B a spaţiului
vectorial V în raport cu care matricea endomorfismului f să aibă o formă cât mai simplă,
în sensul ca matricea să conţină cât mai multe zerouri. O astfel de matrice simplă este o
matrice care are toate elementele nule, cu excepţia celor de pe diagonala principală. Din
acest motiv introducem următorul concept.

FORMA DIAGONALĂ A UNUI ENDOMORFISM 99

Definiţia 3.7.1 Endomorfismul f ∈ EndK (V ) se numeşte diagonalizabil dacă există o
bază B = {e1 , e2 , ..., en } a spaţiului vectorial V, în raport cu care avem
 
l1 0 · · · 0
 0 l2 · · · 0 
 
MB (f ) =  .. .. . . ..  ,
 . . . . 
0 0 · · · ln

unde li ∈ K, ∀ i = 1, n.

În continuare, vom demonstra o serie de rezultate care conduc la condiţii necesare şi
suficiente ca un endomorfism f ∈ EndK (V ) să fie diagonalizabil.

Lema 3.7.2 Un endomorfism f ∈ EndK (V ) este diagonalizabil dacă şi numai dacă există
în spaţiul vectorial V o bază formată numai din vectori proprii ai endomorfismului f.

Demonstraţie. Să presupunem întâi că endomorfismul f este diagonalizabil. Atunci

există în spaţiul vectorial V o bază

B = {e1 , e2 , ..., en }

astfel încât  
l1 0 · · · 0
 0 l2 · · · 0 
 
MB (f ) =  .. .. . . . ,
 . . . .. 
0 0 · · · ln
unde li ∈ K, ∀ i = 1, n. Din definiţia matricii unui endomorfism într-o anumită bază
deducem că următoarele relaţii sunt adevărate:

f(ei ) = li ei , ∀ i = 1, n.

Prin urmare, vectorii e1 , e2 , ..., en sunt vectori proprii ai endomorfismului f iar scalarii
l1 , l2 , ..., ln sunt valorile proprii corespunzătoare, nu neapărat distincte.
Reciproc, să presupunem că există în spaţiul vectorial V o bază

B = {v1 , v2 , ..., vn }

formată numai din vectori proprii ai endomorfismului f . Atunci următoarele relaţii sunt
adevărate:
f (vi ) = λi vi , ∀ i = 1, n,
unde scalarii λ1 , λ2 , ..., λn sunt valorile proprii asociate endomorfismului f , nu neapărat
distincte. În consecinţă, avem
 
λ1 0 · · · 0
 0 λ2 · · · 0 
 
MB (f ) =  .. .. . . ..  ,
 . . . . 
0 0 · · · λn

adică endomorfismul f este diagonalizabil.

100 APLICAŢII LINIARE

 Să considerăm λ0 ∈ σ(f ) o valoare proprie a endomorfismului f ∈ EndK (V ) şi

B = {e1 , e2 , ..., en }

o bază a spaţiului vectorial V, unde dimK V = n. Evident, valoarea proprie λ0 este o

rădăcină a polinomului caracteristic

Pf (λ) = det [MB (f ) − λIn ] .

Să presupunem că m0 ∈ N∗ este multiplicitatea algebrică a valorii proprii λ0 privită ca

rădăcină a polinomului caracteristic. Mai mult, să presupunem că dimensiunea subspa-
ţiului propriu Vλ0 este
dimK Vλ0 = d0 ≤ n.
În acest context, putem enunţa următorul rezultat:

Lema 3.7.3 Următoarea inegalitate este adevărată: d0 ≤ m0 .

Demonstraţie. Dacă d0 = n, atunci Vλ0 = V şi f = λ0 · 1V . Rezultă că polinomul

caracteristic al endomorfismului f este

Pf (λ) = (λ0 − λ)n .

Prin urmare, multiplicitatea algebrică a valorii proprii λ0 este m0 = n = d0 .

Să presupunem acum că d0 < n şi să considerăm că sistemul de vectori

{v1 , v2 , ..., vd0 }

este o bază a subspaţiului propriu Vλ0 . Conform lemei lui Steinitz, completăm cu vectori
această bază până la o bază

B = {v1 , v2 , ..., vd0 , vd0 +1 , ..., vn }

a spaţiului vectorial V. Deoarece primii d0 vectori sunt vectori proprii corespunzători

valorii proprii λ0 , deducem că avem următoarele relaţii:

f (vi ) = λ0 vi , ∀ i = 1, d0 ,
n
f (vi ) = j=1 aij vj , ∀ i = d0 + 1, n,

unde aij ∈ K, ∀ i = d0 + 1, n, ∀ j = 1, n. Prin urmare, matricea endomorfismului f în

baza B este
 
λ0 0 · · · 0 a(d0 +1)1 a(d0 +2)1 ··· an1

 0 λ0 · · · 0 a(d0 +1)2 a(d0 +2)2 ··· an2 

.. .. . . . .. .. ... ..

 . . . .. . . .


MB (f) =  .
 0 0 · · · λ0 a(d0 +1)d0 a(d0 +2)d0 · · · and0 
 .. .. .. .. .. .. ... .. 
 . . . . . . . 
0 0 · · · 0 a(d0 +1)n a(d0 +2)n · · · ann

Rezultă că polinomul caracteristic are forma

Pf (λ) = (λ0 − λ)d0 · D(λ),

FORMA DIAGONALĂ A UNUI ENDOMORFISM 101

unde D(λ) este un polinom de grad n − d0 . Pe de altă parte, deoarece multiplicita-
tea algebrică a valorii proprii λ0 este m0 , deducem că polinomul caracteristic are forma
polinomială
Pf (λ) = (λ0 − λ)m0 · Q(λ),
unde Q(λ0 ) = 0. În consecinţă, avem d0 ≤ m0 .
Fie V un K-spaţiu vectorial de dimensiune dimK V = n şi fie f ∈ EndK (V ) un
endomorfism al spaţiului vectorial V.

Teorema 3.7.4 Endomorfismul f este diagonalizabil dacă şi numai dacă sunt adevărate
afirmaţiile:

1. Toate rădăcinile polinomului caracteristic Pf (λ) se află în corpul K;

2. Dimensiunea fiecărui subspaţiu propriu asociat unei valori proprii este egală cu mul-
tiplicitatea algebrică a valorii proprii care îi corespunde.

Demonstraţie. Fie λ1 , λ2 , ..., λp ∈ K, unde p ≤ n, toate valorile proprii distincte ale

endomorfismului f şi fie m1 , m2 , ..., mp ∈ N∗ multiplicităţile lor algebrice ca rădăcini ale
polinomului caracteristic Pf (λ). În acest context, rezultă că polinomul caracteristic are
forma
Pf (λ) = (λ − λ1 )m1 (λ − λ2 )m2 ...(λ − λp )mp Q(λ),
unde
p
mj ≤ n,
j=1

deoarece polinomul caracteristic Pf (λ) are gradul n.

Este evident că condiţia ca polinomul caracteristic Pf (λ) să aibă toate rădăcinile în
corpul K este ca polinomul Q(λ) să fie un polinom constant, nenul. Această condiţie este
însă echivalentă cu condiţia
p
mj = n.
j=1

Să presupunem acum că endomorfismul f este diagonalizabil. Atunci, există în spaţiul
vectorial V o bază
B = {e1 , e2 , ..., en }
formată numai din vectori proprii. Pentru orice j ∈ {1, 2, ..., p} să notăm cu sj numărul de
vectori din baza B care aparţin subspaţiului propriu Vλj . Să presupunem că dimensiunea
subspaţiului propriu Vλj este
dj = dimK Vλj .
Deoarece mulţimea B este liniar independentă, rezultă că avem inegalităţile

sj ≤ dj , ∀ j = 1, p.

Deoarece scalarii λ1 , λ2 , ..., λp sunt toate valorile proprii distincte ale endomorfismului f ,
deducem că avem egalitatea
p
sj = n.
j=1

102 APLICAŢII LINIARE

Mai mult, conform Lemei precedente, următoarele inegalităţi sunt adevărate:

sj ≤ dj ≤ mj , ∀ j = 1, p.

Deoarece p p
mj ≤ n = sj ,
j=1 j=1

deducem că
p p
dj = mj = n şi sj = dj = mj , ∀ j = 1, p.
j=1 j=1

Reciproc, să presupunem că următoarele egalităţi sunt adevărate:

p
dj = mj , ∀ j = 1, p, şi mj = n.
j=1

Să considerăm mulţimea ordonată

B ′ = {e′1 , e′2 , ..., e′n },

unde primii m1 vectori reprezintă o bază în subspaţiul propriu Vλ1 , următorii m2 vectori
reprezintă o bază în subspaţiul propriu Vλ2 şi aşa mai departe. Din proprietăţile subspaţi-
ilor proprii corespunzătoare la valori proprii distincte deducem că mulţimea B ′ este o bază
în spaţiul vectorial V. Deoarece mulţimea B ′ este o bază formată numai din vectori pro-
prii, rezultă că endomorfismul f este diagonalizabil. Mai mult, matricea endomorfismului
f în baza B ′ este matricea care are pe diagonala principală valorile proprii λ1 , λ2 , ..., λp ,
scrise fiecare de atâtea ori cât arată multiplicităţile lor algebrice m1 , m2 , ..., mp , iar în
afara diagonalei principale are numai zerouri.
Din demonstraţia acestei Teoreme iese în evidenţă următorul algoritm de diagonalizare
al unui endomorfism pe un spaţiu vectorial finit dimensional.

Algoritm de diagonalizare a unui endomorfism

1. Se fixează o bază B a spaţiului vectorial finit dimensional V şi se scrie matricea

A = MB (f) a endomorfismului f în baza B.

2. Se determină toate valorile proprii λj , unde j = 1, p, rezolvând ecuaţia caracteristică

Pf (λ) = det [A − λIn ] = 0,

unde In ∈ Mn (K) este matricea identitate.

3. Se verifică dacă toate valorile proprii λj , unde j = 1, p, aparţin câmpului de scalari

K. În caz contrar, se opreşte algoritmul şi se afirmă că endomorfismul f nu este
diagonalizabil.

4. Pentru fiecare valoare proprie λj se scrie multiplicitatea algebrică corespunzătoare

mj .

5. Pentru fiecare valoare proprie λj se determină subspaţiul propriu corespunzător Vλj .

FORMA DIAGONALĂ A UNUI ENDOMORFISM 103

 6. Fiecărui subspaţiu propriu Vλj i se calculează dimensiunea dj = dimK Vλj .

7. Se verifică dacă este adevărată egalitatea

dj = mj .

În caz contrar, se opreşte algoritmul şi se afirmă că endomorfismul f nu este diago-
nalizabil.

8. În fiecare subspaţiu propriu Vλj se scrie câte o bază Bj .

9. În spaţiul vectorial V se scrie baza

p
4
′
B = Bj
j=1

în care se obţine forma diagonală a endomorfismului f .

10. Se scrie forma diagonală D = MB′ (f) a lui f , punându-se pe diagonală valorile
proprii ale matricii A = MB (f), fiecare valoare proprie fiind scrisă de atâtea ori cât
arată multiplicitatea sa algebrică.

11. Se verifică relaţia matriceală

D = C −1 · A · C,
unde C = MBB′ este matricea de trecere de la baza B la baza B ′ .

Exemplul 3.7.5 Fie endomorfismul f : R3 → R3 , definit prin

f (x, y, z) = (4x + 6y, −3x − 5y, −3x − 6y + z).

Să studiem dacă endomorfismul f este diagonalizabil şi, în caz afirmativ, să determinăm
baza în care se obţine forma diagonală a acestui endomorfism. Pentru aceasta să fixăm

B = {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)}

baza canonică a spaţiului vectorial R R3 . Evident, matricea endomorfismului f în baza

canonică B este  
4 6 0
A = MB (f ) =  −3 −5 0  .
−3 −6 1
Polinomul caracteristic asociat endomorfismului f este

4−λ 6 0
Pf (λ) = det [A − λI3 ] = −3 −5 − λ 0 = −(λ + 2)(λ − 1)2 .
−3 −6 1−λ

Rădăcinile acestui polinom sunt valorile proprii ale endomorfismului f. Prin urmare,
valorile proprii ale endomorfismului f sunt λ1 = −2, de multiplicitate algebrică m1 = 1,
şi λ2 = 1, de multiplicitate algebrică m2 = 2.

104 APLICAŢII LINIARE

 Subspaţiul propriu corespunzător valorii proprii λ1 = −2 este (Obs. Punem în ma-
tricea A − λI3 valoarea λ = −2)
     
 6 6 0 x 0 
Vλ1 = (x, y, z) ∈ R3  −3 −3 0   y  =  0  =
 
−3 −6 3 z 0
= (x, y, z) ∈ R3 | 6x + 6y = 0, − 3x − 6y + 3z = 0 =
= {(−y, y, y) | y ∈ R} .

Dimensiunea subspaţiului propriu Vλ1 este

d1 = dimR Vλ1 = 1 = m1 .

O bază a subspaţiului propriu Vλ1 este (Obs. Luăm y = 1)

B1 = {e′1 = (−1, 1, 1)}.

Subspaţiul propriu corespunzător valorii proprii λ2 = 1 este (Obs. Punem în matricea

A − λI3 valoarea λ = 1)
      
 3 6 0 x 0 
Vλ2 = (x, y, z) ∈ R3  −3 −6 0   y  =  0  =
 
−3 −6 0 z 0
= (x, y, z) ∈ R3 | 3x + 6y = 0 =
= {(−2y, y, z) | y, z ∈ R} .

Dimensiunea subspaţiului propriu Vλ2 este

d2 = dimR Vλ2 = 2 = m2 .

O bază a subspaţiului propriu Vλ2 este (Obs. Luăm, pe rând, y = 1 şi z = 0, şi viceversa,
y = 0 şi z = 1)
B2 = {e′2 = (−2, 1, 0), e′3 = (0, 0, 1)}.
Baza în care se obţine forma diagonală a endomorfismului f este

B ′ = {e′1 = (−1, 1, 1), e′2 = (−2, 1, 0), e′3 = (0, 0, 1)}.

Forma diagonală a endomorfismului f este

 
−2 0 0
D = MB ′ (f ) =  0 1 0  .
0 0 1

Se verifică uşor că următoarea relaţie matriceală este adevărată:

D = C −1 · A · C,

unde (Obs. Se scriu pe coloană vectorii bazei B ′ )

 
−1 −2 0
C = MBB′ =  1 1 0 .
1 0 1

FORMA DIAGONALĂ A UNUI ENDOMORFISM 105

Exemplul 3.7.6 Fie endomorfismul f ∈ EndR (R3 ) a cărui matrice în baza canonică este
 
4 0 0
A =  0 0 1 .
0 −1 2

Să studiem dacă matricea A este diagonalizabilă. Pentru aceasta să observăm că polinomul
caracteristic al acestei matrici este

4−λ 0 0
PA (λ) = det [A − λI3 ] = 0 −λ 1 = (4 − λ)(λ − 1)2 .
0 −1 2 − λ

Prin urmare, valorile proprii ale acestei matrici sunt λ1 = 4, de multiplicitate algebrică
m1 = 1, şi λ2 = 1, de multiplicitate algebrică m2 = 2.
Subspaţiul propriu corespunzător valorii proprii λ1 = 4 este (Obs. Punem în matricea
A − λI3 valoarea λ = 4)
      
 0 0 0 x 0 
Vλ1 = (x, y, z) ∈ R3  0 −4 1   y  =  0  =
 
0 −1 −2 z 0
= (x, y, z) ∈ R3 | − 4y + z = 0, − y − 2z = 0 =
= {(x, 0, 0) | x ∈ R}.

Dimensiunea subspaţiului propriu Vλ1 este

d1 = dimR Vλ1 = 1 = m1 .

O bază a subspaţiului propriu Vλ1 este (Obs. Luăm x = 1)

B1 = {e′1 = (1, 0, 0)}.

Subspaţiul propriu corespunzător valorii proprii λ2 = 1 este (Obs. Punem în matricea

A − λI3 valoarea λ = 1)
      
 3 0 0 x 0 
Vλ2 = (x, y, z) ∈ R3  0 −1 1   y  =  0  =
 
0 −1 1 z 0
= (x, y, z) ∈ R3 | x = 0, − y + z = 0 =
= {(0, y, y) | y ∈ R}.

Dimensiunea subspaţiului propriu Vλ2 este

d2 = dimR Vλ2 = 1.

Deoarece dimensiunea d2 = 1 a subspaţiului propriu Vλ2 este diferită de multiplicitatea

algebrică m2 = 2 a valorii proprii λ2 = 1, rezultă că matricea A nu este diagonalizabilă.

106 APLICAŢII LINIARE

3.8 Diagonalizarea endomorfismelor simetrice

Fie (V, , ) un spaţiu euclidian real de dimensiune finită dimR V = n.

Definiţia 3.8.1 Un endomorfism f ∈ EndR (V ) care verifică proprietatea

v, f (w) = f(v), w , ∀ v, w ∈ V,
se numeşte endomorfism simetric al spaţiului euclidian real (V, , ).

Teorema 3.8.2 Orice endomorfism simetric f ∈ EndR (V ) al spaţiului euclidian real

(V, , ) este diagonalizabil.

Demonstraţie. Vom demonstra afirmaţia din teoremă prin inducţie după

n = dimR V.
Pentru început să presupunem că f ∈ EndR (V ), unde n = dimR V = 1, este un
endomorfism simetric. Deoarece avem n = dimR V = 1, rezultă că există un vector nenul
v0 = 0V astfel încât mulţimea {v0 } să fie bază în spaţiul vectorial real V. Din relaţia
f(v0 ) ∈ V , deducem că există un unic scalar λ ∈ R astfel încât
f (v0 ) = λv0 .
Cu alte cuvinte, vectorul v0 este vector propriu al endomorfismului simetric f. În concluzie,
endomorfismul simetric f este diagonalizabil.
Să presupunem acum că afirmaţia din teoremă este adevărată pentru orice spaţiu
euclidian real de dimensiune mai mică sau egală decât n − 1 şi să demonstrăm afirmaţia
pentru un spaţiu euclidian real de dimensiune n. Fie f ∈ EndR (V ) un endomorfism
simetric al spaţiului euclidian real (V, , ), unde
dimR V = n.
Să considerăm v1 = 0V un vector nenul al spaţiului euclidian real (V, , ) şi să luăm
scalarul
f (v1 ), v1
λ1 = ∈ R.
v1 , v1
Vom demonstra în continuare că există un vector nenul v = 0V cu proprietatea
f (v) = λ1 v.
Această afirmaţie este echivalentă, pe rând, cu afirmaţiile:
∃ v = 0V a.î. f (v) − λ1 v = 0V ⇔
∃ v = 0V a.î. f (v) − λ1 v, f (v) − λ1 v = 0 ⇔
∃ v = 0V a.î. v, v · λ21 − 2 · f (v), v · λ1 + f(v), f (v) = 0.
Utilizând inegalitatea lui Cauchy şi ţinând cont de faptul că λ1 este o rădăcină reală a
ecuaţiei de gradul doi, deducem că ultima afirmaţie de mai sus este echivalentă, pe rând,
cu afirmaţiile:
2 f (v), v
∃ v = 0V a.î. f (v), v − f (v), f (v) · v, v = 0 şi λ1 = ⇔
v, v

DIAGONALIZAREA ENDOMORFISMELOR SIMETRICE 107

 f(v), v
∃ v = 0V a.î. λ1 =
v, v
Să presupunem acum că această ultimă afirmaţie nu este adevărată. Deducem atunci
că avem
f (v), v
λ1 = , ∀ v = 0V .
v, v
În particular, pentru vectorul v1 = 0V , obţinem contradicţia
f (v1 ), v1
λ1 = .
v1 , v1

În consecinţă, există un vector nenul v = 0V cu proprietatea

f (v) = λ1 v.

Să considerăm acum că subspaţiul vectorial W = L{v} este acoperirea liniară a vec-
torului nenul v = 0V . Evident, mulţimea {v} este o bază a subspaţiului W , deci avem

dimR W = 1.

Să considerăm că W ⊥ este complementul ortogonal al subspaţiului W. Din relaţia

dimR V = dimR W + dimR W ⊥ ,

deducem că avem

dimR W ⊥ = n − 1.
Vom demonstra în continuare că f (W ⊥ ) ⊆ W ⊥ . Pentru aceasta să considerăm un
vector arbitrar w ∈ W ⊥ . Deoarece endomorfismul f este simetric, deducem că avem

f(w), v = w, f (v) = w, λ1 v = λ1 w, v = 0.

Cu alte cuvinte, avem f(w) ∈ W ⊥ , adică ceea ce aveam de demonstrat.

În consecinţă, din ipoteza de inducţie, endomorfismul simetric

f |W ⊥ : W ⊥ → W ⊥ ,

unde dimR W ⊥ = n − 1, este diagonalizabil.

Să considerăm că mulţimea de vectori proprii

{u2 , u3 , ..., un } ⊂ W ⊥

reprezintă baza în care se obţine forma diagonală a endomorfismului f |W ⊥ . Atunci, deoa-

rece avem
V = W ⊕ W ⊥,
rezultă că mulţimea de vectori

{v, u2 , u3 , ..., un } ⊂ V

reprezintă baza în care se obţine forma diagonală a endomorfismului simetric

f : V → V.

108 APLICAŢII LINIARE

Definiţia 3.8.3 O matrice pătratică A ∈ Mn (R), care verifică proprietatea
T
A= A,

se numeşte matrice simetrică.

Observaţia 3.8.4 O matrice simetrică A = (aij )i,j=1,n ∈ Mn (R) are proprietatea

aij = aji , ∀ i, j = 1, n.

Cu alte cuvinte, elementele unei matrici simetrice sunt simetrice faţă de diagonala prin-
cipală.

Să presupunem acum că f ∈ EndR (V ) este un endomorfism simetric şi că mulţimea

B = {e1 , e2 , ..., en }

este o bază ortonormată a spaţiului euclidian real (V, , ). Să considerăm că

MB (f ) = (cij )i,j=1,n ∈ Mn (R)

este matricea endomorfismului simetric f în baza ortonormată B. În acest context, putem

demonstra următorul rezultat.

Teorema 3.8.5 Matricea MB (f ) este o matrice simetrică.

Demonstraţie. Trebuie să demonstrăm că proprietatea

cij = cji , ∀ i, j = 1, n,

este adevărată. Ţinând cont de faptul că endomorfismul f este simetric, rezultă că urmă-
toarele relaţii sunt adevărate:

f(ei ), ej = ei , f (ej ) , ∀ i, j = 1, n.

Din definiţia matricii unui endomorfism într-o anumită bază deducem că avem relaţiile
5 n 6 5 n
6
cki ek , ej = ei , clj el , ∀ i, j = 1, n.
k=1 l=1

Folosind proprietăţile produsului scalar şi faptul că baza B este ortonormată, găsim re-
laţiile:
n n
cki δ kj = clj δ il , ∀ i, j = 1, n,
k=1 l=1

unde
1, r = s
δ rs =
0, r = s
este simbolul lui Kronecker. Cu alte cuvinte, am obţinut ceea ce aveam de demonstrat.

Corolarul 3.8.6 Orice matrice simetrică A ∈ Mn (R) este diagonalizabilă.

DIAGONALIZAREA ENDOMORFISMELOR SIMETRICE 109

Demonstraţie. Evident, orice matrice simetrică A ∈ Mn (R) poate fi privită ca matricea
unui endomorfism simetric f ∈ EndR (Rn ) într-o bază ortonormată B a spaţiului eucli-
dian real (Rn , , ). Prin urmare, deoarece orice endomorfism simetric este diagonalizabil,
deducem că matricea simetrică A = MB (f) este diagonalizabilă.

Exemplul 3.8.7 Să se diagonalizeze endomorfismul simetric f ∈ EndR (R3 ) a cărui ma-
trice în baza canonică a spaţiului R R3 este matricea simetrică
 
0 1 0
A =  1 1 1 .
0 1 0

Obs. Baza canonică este ortonormată în spaţiul euclidian (R3 , , ).

Conform Corolarului de mai sus, matricea simetrică A este diagonalizabilă. Polinomul
caracteristic al acestei matrici simetrice este
−λ 1 0
PA (λ) = det [A − λI3 ] = 1 1−λ 1 = −λ(λ + 1)(λ − 2).
0 1 −λ

Prin urmare, valorile proprii ale acestei matrici simetrice sunt λ1 = 0, λ2 = −1 şi λ3 = 2,
de multiplicitate algebrică m1 = m2 = m3 = 1.
Subspaţiul propriu corespunzător valorii proprii λ1 = 0 este (Obs. Punem în matricea
A − λI3 valoarea λ = 0)
      
 0 1 0 x 0 
Vλ1 = (x, y, z) ∈ R3  1 1 1   y  =  0  =
 
0 1 0 z 0
= (x, y, z) ∈ R3 | y = 0, x + y + z = 0 =
= {(x, 0, −x) | x ∈ R}.

Dimensiunea subspaţiului propriu Vλ1 este

d1 = dimR Vλ1 = 1 = m1 .

O bază a subspaţiului propriu Vλ1 este (Obs. Luăm x = 1)

B1 = {e′1 = (1, 0, −1)}.

Subspaţiul propriu corespunzător valorii proprii λ2 = −1 este (Obs. Punem în ma-

tricea A − λI3 valoarea λ = −1)
      
 1 1 0 x 0 
3
Vλ2 = (x, y, z) ∈ R  1 2 1   y  =  0  =
 
0 1 1 z 0
= (x, y, z) ∈ R3 | x + y = 0, x + 2y + z = 0, y + z = 0 =
= {(x, −x, x) | x ∈ R}.

Dimensiunea subspaţiului propriu Vλ2 este

d2 = dimR Vλ2 = 1 = m2 .

110 APLICAŢII LINIARE

O bază a subspaţiului propriu Vλ2 este (Obs. Luăm x = 1)

B2 = {e′2 = (1, −1, 1)}.

Subspaţiul propriu corespunzător valorii proprii λ3 = 2 este (Obs. Punem în matricea

A − λI3 valoarea λ = 2)
      
 −2 1 0 x 0 
Vλ3 = (x, y, z) ∈ R3  1 −1 1   y  =  0  =
 
0 1 −2 z 0
= (x, y, z) ∈ R3 | − 2x + y = 0, x − y + z = 0, y − 2z = 0 =
= {(z, 2z, z) | z ∈ R}.

Dimensiunea subspaţiului propriu Vλ3 este

d3 = dimR Vλ3 = 1 = m3 .

O bază a subspaţiului propriu Vλ3 este(Obs. Luăm z = 1)

B3 = {e′3 = (1, 2, 1)}.

Baza în care se obţine forma diagonală a matricii simetrice A este

B ′ = {e′1 = (1, 0, −1), e′2 = (1, −1, 1), e′3 = (1, 2, 1)}.

Forma diagonală a matricii simetrice A este

 
0 0 0
D =  0 −1 0  .
0 0 2

Se verifică uşor că următoarea relaţie matriceală este adevărată:

D = C −1 · A · C,

unde (Obs. Se scriu pe coloană vectorii bazei B ′ )

 
1 1 1
C =  0 −1 2  .
−1 1 1

3.9 Probleme rezolvate

1. Să se studieze care dintre următoarele aplicaţii sunt liniare:

(a) f : R2 → R2 , f (x1 , x2 ) = (x1 − x2 , x1 + x2 + 3);

(b) f : R2 → R3 , f (x1 , x2 ) = (x1 x2 , x1 , x2 );
(c) f : Rn [X] → Rn [X], f (p) = q, q(X) = p(−X);
(d) f : R2 → R3 , f (x1 , x2 ) = (x1 − x2 , x1 + x2 , 0);

PROBLEME REZOLVATE 111

 (e) f : R3 → R3 , f (x1 , x2 , x3 ) = (x1 − 2x2 + 3x3 , 2x3 , x1 + x2 );
(f) f : V3 → V3 , f (v) = a × v, unde a ∈ V3 este dat.

Rezolvare. (a) Aplicaţia nu este liniară deoarece

f (0, 0) = (0, 3) = (0, 0).

(b) Deşi f (0, 0) = (0, 0, 0), aplicaţia nu este liniară. Presupunem că f ar fi liniară
şi deducem că

f (λ(x1 , x2 )) = λf (x1 , x2 ), ∀ λ ∈ R, ∀ (x1 , x2 ) ∈ R2 .

Această egalitate implică relaţia falsă

λ2 x1 x2 = λx1 x2 , ∀ λ ∈ R, ∀ (x1 , x2 ) ∈ R2 .

(c) Aplicaţia este liniară deoarece, pentru orice α, β ∈ R şi p, q ∈ Rn [X], avem

f (αp + βq)(X) = (αp + βq)(−X) = αp(−X) + βq(−X) =

= αf(p)(X) + βf (q)(X).

(d) Aplicaţia este liniară deoarece, oricare ar fi scalarul λ ∈ R şi vectorii (x1 , x2 ),
(y1 , y2 ) ∈ R2 , avem

f ((x1 , x2 ) + (y1 , y2 )) = f(x1 + y1 , x2 + y2 ) =

= (x1 + y1 − x2 − y2 , x1 + y1 + x2 + y2 , 0) =
= (x1 − x2 , x1 + x2 , 0) + (y1 − y2 , y1 + y2 , 0) =
= f(x1 , x2 ) + f (y1 , y2 )

şi

f (λ(x1 , x2 )) = f (λx1 , λx2 ) = (λx1 − λx2 , λx1 + λx2 , 0) =

= λ(x1 − x2 , x1 + x2 , 0) = λf (x1 , x2 ).

(e) Aplicaţia este liniară. Se demonstrează ca la punctul (d).

(f) Aplicaţia este liniară deoarece, pentru orice α, β ∈ R şi v, w ∈ V3 , avem

f(αv + βw) = a × (αv + βw) = a × (αv) + a × (βw) =

= α (a × v) + β (a × w) = αf (v) + βf (w).

2. Să se determine nucleul ker f şi imaginea Im f pentru aplicaţia liniară f : R3 → R4 ,

unde
f (x, y, z) = (−x + y + z, x − y + z, 2z, x − y).
Să se verifice Teorema dimensiunii:

dimR ker f + dimR Im f = 3.

Rezolvare. Nucleul aplicaţiei liniare este definit prin

ker f = {(x, y, z) ∈ R3 | f (x, y, z) = (0, 0, 0, 0)}.

112 APLICAŢII LINIARE

 Rezolvând sistemul 

 −x + y + z = 0

x−y+z =0

 2z =0

x − y = 0,
găsim soluţiile
x = y = α ∈ R, z = 0.
Prin urmare, nucleul aplicaţiei liniare este

ker f = {(α, α, 0) | α ∈ R}.

Dimensiunea nucleului este evident dimR ker f = 1, o bază a acestuia fiind (Obs.
Luăm α = 1)
B1 = {e1 = (1, 1, 0)}.
Imaginea aplicaţiei liniare este definită prin

Im f = {(a, b, c, d) ∈ R4 | ∃ (x, y, z) ∈ R3 a. î. f (x, y, z) = (a, b, c, d)}.

Punând condiţia ca sistemul



 −x + y + z = a

x−y+z = b

 2z = c

x−y = d

să fie compatibil, găsim condiţiile de compatibilitate

c c
− a = b − = d.
2 2
Prin urmare, imaginea aplicaţiei liniare este
b−a
Im f = a, b, a + b, a, b ∈ R .
2

Dimensiunea imaginii este evident dimR Im f = 2, o bază a acesteia fiind (Obs.

Luăm, pe rând, a = 2 şi b = 0, şi viceversa, a = 0 şi b = 2)

B2 = {e2 = (2, 0, 2, −1), e3 = (0, 2, 2, 1)}.

Teorema dimensiunii este imediată.

3. Să se determine aplicaţia liniară f : R3 → R3 cu proprietatea

f(vi ) = wi , ∀ i = 1, 3,

unde
v1 = (1, 1, 0), v2 = (1, 0, 1), v3 = (0, 1, 1)
şi
w1 = (2, 1, 0), w2 = (−1, 0, 1), w3 = (1, 1, 1).
Să se arate că avem f 3 = f , unde f 3 = f ◦ f ◦ f .

PROBLEME REZOLVATE 113

 Rezolvare. Fie un vector arbitrar v = (x, y, z) ∈ R3 . Vectorul v se descompune
unic în baza B = {v1 , v2 , v3 } ca
x+y−z x−y+z −x + y + z
v= · v1 + · v2 + · v3 .
2 2 2
Prin urmare, aplicaţia liniară are expresia
x+y−z x−y+z −x + y + z
f (x, y, z) = · f (v1 ) + · f (v2 ) + · f (v3 )
2 2 2
x+y−z x−y+z −x + y + z
= · w1 + · w2 + · w3
2 2 2
= (2y − z, y, z).

Evident, avem

f 3 (x, y, z) = f (f (f(x, y, z))) = f (f(2y − z, y, z)) =

= f (2y − z, y, z) = (2y − z, y, z) = f(x, y, z).

4. Să se arate că aplicaţia liniară f : R2 → R3 , definită prin

f (x, y) = (x − y, x + y, 2x + 3y),

este injectivă, dar nu este surjectivă.

Rezolvare. Nucleul aplicaţiei liniare este definit prin

ker f = {(x, y) ∈ R2 | f (x, y) = (0, 0, 0)}.

Rezolvând sistemul 
 x−y =0
x+y = 0

2x + 3y = 0,
găsim soluţia banală x = y = 0. Prin urmare, nucleul aplicaţiei liniare este

ker f = {(0, 0)},

adică aplicaţia este injectivă.

Imaginea aplicaţiei liniare este definită prin

Im f = {(a, b, c) ∈ R3 | ∃ (x, y) ∈ R2 astfel încât f (x, y) = (a, b, c)}.

Punând condiţia ca sistemul 

 x−y =a
x+y = b

2x + 3y = c
să fie compatibil, găsim condiţia de compatibilitate

3(b − a)
a+b+ = c ⇔ 5b − a = 2c.
2
114 APLICAŢII LINIARE
 Prin urmare, imaginea aplicaţiei liniare este

Im f = { (5b − 2c, b, c) | b, c ∈ R} .

Dimensiunea imaginii este evident

dimR Im f = 2 = 3 = dimR R3 ,

adică aplicaţia nu este surjectivă.

5. Fie aplicaţia liniară f : V3 → V3 , unde

f(v) = a × v, a ∈ V3 \{0} fiind un vector dat.

(a) Să se calculeze nucleul ker f şi imaginea Im f .

(b) Să se determine o bază în raport cu care matricea lui f să aibă forma
 
0 0 0
A= 0 0 1 .
2
0 −||a|| 0

Rezolvare. (a) Nucleul aplicaţiei liniare este

ker f = {v ∈ V3 | a × v = 0} =
= {v ∈ V3 | v coliniar cu a} =
= {λa ∈ V3 | λ ∈ R},

adică aplicaţia nu este injectivă.

Imaginea aplicaţiei liniare este definită prin

Im f = {w ∈ V3 | ∃ v ∈ V3 astfel încât a × v = w}.

Condiţia necesară şi suficientă ca ecuaţia a×v = w să aibă soluţie este ca a, w = 0,
soluţia generală a ecuaţiei fiind în acest caz
1
v =λ·a− · [a × w] ,
||a||2

unde λ ∈ R. Prin urmare, imaginea aplicaţiei liniare este

Im f = {w ∈ V3 | a, w = 0} = {w ∈ V3 | w ⊥ a} ,

adică aplicaţia nu este surjectivă.

(b) Dacă w ∈ V3 este un vector arbitrar fixat astfel încât w ⊥ a, atunci o bază
convenabilă este
B = {e1 = a, e2 = a × w, e3 = w},
deoarece avem
f (e1 ) = 0, f (e2 ) = −||a||2 e3 , f (e3 ) = e2 .

PROBLEME REZOLVATE 115

 6. Să se arate că endomorfismul f : R4 → R4 , a cărui matrice în baza canonică este
 
2 1 0 0
 −4 −2 0 0 
A=  7
,
1 1 1 
−17 −6 −1 −1
este nilpotent de grad doi (i.e. f 2 = 0, unde f 2 = f ◦ f ).
Rezolvare. Se verifică uşor că avem A2 = 0.
Observaţie. O aplicaţie liniară cu proprietatea de mai sus se numeşte structură
tangentă.
7. Să se determine valorile şi vectorii proprii pentru endomorfismul
f : R3 → R3 ,
a cărui matrice în baza canonică este
 
1 2 1
A =  0 −1 −1  .
0 0 2
Rezolvare. Valorile proprii sunt soluţiile ecuaţiei caracteristice
1−λ 2 1
det[A − λI3 ] = 0 ⇔ 0 −1 − λ −1 =0⇔
0 0 2−λ
⇔ (1 − λ)(1 + λ)(2 − λ) = 0.
Prin urmare, avem valorile proprii λ1 = 1, λ2 = −1 şi λ3 = 2.
Vectorii proprii sunt elementele subspaţiilor proprii asociate, cu excepţia vectorului
nul.
Subspaţiul propriu asociat valorii proprii λ1 = 1 este
      
 0 2 1 x 0 
3
Vλ1 = (x, y, z) ∈ R  0 −2 −1   y  =  0  =
 
0 0 1 z 0
= {(x, 0, 0) | x ∈ R}.
Subspaţiul propriu asociat valorii proprii λ2 = −1 este
      
 2 2 1 x 0 
Vλ2 = (x, y, z) ∈ R3  0 0 −1   y  =  0  =
 
0 0 3 z 0
= {(x, −x, 0) | x ∈ R}.
Subspaţiul propriu asociat valorii proprii λ3 = 2 este
      
 −1 2 1 x 0 
3
Vλ3 = (x, y, z) ∈ R  0 −3 −1   y  =  0  =
 
0 0 0 z 0
= {(−y, y, −3y) | y ∈ R}.

116 APLICAŢII LINIARE

 8. Să se studieze dacă endomorfismul f : R3 → R3 , definit prin

f (x, y, z) = (y, −4x + 4y, −2x + y + 2z),

este diagonalizabil şi, în caz afirmativ, să se diagonalizeze.

Rezolvare. Fie baza canonică

B = {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)} ⊂ R3 .

Deoarece avem descompunerile



 f(e1 ) = (0, −4, −2) = 0 · e1 − 4 · e2 − 2 · e3

f(e2 ) = (1, 4, 1) = 1 · e1 + 4 · e2 + 1 · e3


 f(e ) = (0, 0, 2) = 0 · e + 0 · e + 2 · e ,
3 1 2 3

deducem că matricea endomorfismului f în baza canonică este

 
0 1 0
A =  −4 4 0  .
−2 1 2

Valorile proprii ale matricii A sunt soluţiile ecuaţiei caracteristice

−λ 1 0
det[A − λI3 ] = 0 ⇔ −4 4 − λ 0 = 0 ⇔ (2 − λ)3 = 0.
−2 1 2−λ

Prin urmare, avem o singură valoare proprie λ1 = 2, de multiplicitate algebrică

m1 = 3.
Subspaţiul propriu asociat valorii proprii λ1 = 2 este
      
 −2 1 0 x 0 
Vλ1 = (x, y, z) ∈ R3  −4 2 0   y  =  0  .
 
−2 1 0 z 0

Rezolvând sistemul matriceal, găsim

Vλ1 = {(x, 2x, z) | x, z ∈ R} .

Evident, dimensiunea subspaţiului propriu Vλ1 este

d1 = dimR Vλ1 = 2 = 3 = m1 .

În concluzie, endomorfismul nu este diagonalizabil.

9. Să se studieze dacă endomorfismele f : Rn → Rn , definite în baza canonică de

matricile de mai jos, sunt diagonalizabile şi, în caz afirmativ, să se diagonalizeze:

1 −1
(a) A =
1 −1

PROBLEME REZOLVATE 117

 1 1
(b) A =
1 1
 
1 0 0
(c) A =  0 0 1 
0 1 0
 
1 0 3
(d) A =  2 1 2 
3 0 1
 
0 1 0 0
 3 0 2 0 
(e) A = 
 0 2 0
.
3 
0 0 1 0

Rezolvare. (a) Valorile proprii ale matricii A sunt soluţiile ecuaţiei caracteristice

1−λ −1
= 0 ⇔ λ2 = 0.
1 −1 − λ

Prin urmare, avem o singură rădăcină λ1 = 0, de multiplicitate algebrică m1 = 2.

Subspaţiul propriu asociat valorii proprii λ1 = 0 este

1 −1 x 0
Vλ1 = (x, y) ∈ R2 = =
1 −1 y 0
= {(x, x) | x ∈ R}.

Evident, dimensiunea subspaţiului propriu Vλ1 este

d1 = dimR Vλ1 = 1 = 2 = m1 .

În concluzie, endomorfismul nu este diagonalizabil.

(b) Valorile proprii ale matricii A sunt soluţiile ecuaţiei caracteristice

1−λ 1
= 0 ⇔ λ2 − 2λ = 0.
1 1−λ

Prin urmare, avem rădăcinile λ1 = 0, λ2 = 2, de multiplicitate algebrică m1 = 1,

m2 = 1.
Subspaţiul propriu asociat valorii proprii λ1 = 0 este

1 1 x 0
Vλ1 = (x, y) ∈ R2 = =
1 1 y 0
= {(x, −x) | x ∈ R}.

Evident, dimensiunea subspaţiului propriu Vλ1 este

d1 = dimR Vλ1 = 1 = m1 ,

o bază în Vλ1 fiind B1 = {e1 = (1, −1)}.

118 APLICAŢII LINIARE

 Subspaţiul propriu asociat valorii proprii λ2 = 2 este

−1 1 x 0
Vλ2 = (x, y) ∈ R2 = =
1 −1 y 0
= {(x, x) | x ∈ R}.

Dimensiunea subspaţiului propriu Vλ2 este

d2 = dimR Vλ2 = 1 = m2 ,

o bază în Vλ2 fiind B2 = {e2 = (1, 1)}.

Forma diagonală a endomorfismului este

0 0
D= ,
0 2

şi avem relaţia matriceală D = C −1 · A · C, unde

1 1
C= .
−1 1

(c) Valorile proprii ale matricii A sunt soluţiile ecuaţiei caracteristice

1−λ 0 0
0 −λ 1 = 0 ⇔ (λ − 1)2 (λ + 1) = 0.
0 1 −λ

Prin urmare, avem valorile proprii λ1 = 1, λ2 = −1, de multiplicitate algebrică

m1 = 2, m2 = 1.
Subspaţiul propriu asociat valorii proprii λ1 = 1 este
      
 0 0 0 x 0 
Vλ1 = (x, y, z) ∈ R3  0 −1 1   y  =  0  =
 
0 1 −1 z 0
= {(x, y, y) | x, y ∈ R}.

Dimensiunea subspaţiului propriu Vλ1 este

d1 = dimR Vλ1 = 2 = m1 ,

o bază în Vλ1 fiind B1 = {e1 = (1, 0, 0), e2 = (0, 1, 1)}.

Subspaţiul propriu asociat valorii proprii λ2 = −1 este
      
 2 0 0 x 0 
Vλ2 = (x, y, z) ∈ R3  0 1 1  y  =  0  =
 
0 1 1 z 0
= {(0, y, −y) | y ∈ R}.

Dimensiunea subspaţiului propriu Vλ2 este

d2 = dimR Vλ2 = 1 = m2 ,

PROBLEME REZOLVATE 119

 o bază în Vλ2 fiind B2 = {e3 = (0, 1, −1)}.
Forma diagonală a endomorfismului este
 
1 0 0
D= 0 1 0 
0 0 −1
şi avem relaţia matriceală D = C −1 · A · C, unde
 
1 0 0
C =  0 1 1 .
0 1 −1
(d) Valorile proprii ale matricii A sunt soluţiile ecuaţiei caracteristice
1−λ 0 3
2 1−λ 2 = 0 ⇔ (1 − λ)(λ2 − 2λ − 8) = 0.
3 0 1−λ
Prin urmare, avem valorile proprii λ1 = 1, λ2 = 4 şi λ3 = −2, de multiplicitate
algebrică m1 = 1, m2 = 1 şi m3 = 1.
Subspaţiul propriu asociat valorii proprii λ1 = 1 este
      
 0 0 3 x 0 
3
Vλ1 = (x, y, z) ∈ R  2 0 2   y  =  0  =
 
3 0 0 z 0
= {(0, y, 0) | y ∈ R}.
Dimensiunea subspaţiului propriu Vλ1 este
d1 = dimR Vλ1 = 1 = m1 ,
o bază în Vλ1 fiind B1 = {e1 = (0, 1, 0)}.
Subspaţiul propriu asociat valorii proprii λ2 = 4 este
      
 −3 0 3 x 0 
3
Vλ2 = (x, y, z) ∈ R  2 −3 2   y  =  0  =
 
3 0 −3 z 0
4x
= x, , x x∈R .
3
Dimensiunea subspaţiului propriu Vλ2 este
d2 = dimR Vλ2 = 1 = m2 ,
o bază în Vλ2 fiind (luăm x = 3, pentru a evita fracţiile)
B2 = {e2 = (3, 4, 3)}.

Subspaţiul propriu asociat valorii proprii λ3 = −2 este

      
 3 0 3 x 0 
Vλ3 = (x, y, z) ∈ R3  2 3 2  y  =  0  =
 
3 0 3 z 0
= {(x, 0, −x) | x ∈ R}.

120 APLICAŢII LINIARE

 Dimensiunea subspaţiului propriu Vλ3 este

d3 = dimR Vλ3 = 1 = m3 ,

o bază în Vλ3 fiind B3 = {e3 = (1, 0, −1)}.

Forma diagonală a endomorfismului este
 
1 0 0
D= 0 4 0 
0 0 −2

şi avem relaţia matriceală D = C −1 · A · C, unde

 
0 3 1
C =  1 4 0 .
0 3 −1

(e) Valorile proprii ale matricii A sunt soluţiile ecuaţiei caracteristice

−λ 1 0 0
3 −λ 2 0
= 0 ⇔ λ4 − 10λ2 + 9 = 0.
0 2 −λ 3
0 0 1 −λ

Prin urmare, avem valorile proprii λ1 = 3, λ2 = −3, λ3 = 1 şi λ4 = −1, de

multiplicitate algebrică m1 = 1, m2 = 1, m3 = 1 şi m4 = 1.
Subspaţiul propriu asociat valorii proprii λ1 = 3 este
    


 −3 1 0 0 x 0 
    0 
3 −3 2 0   y
Vλ1 = (x, y, z, t) ∈ R4  
 = 

 0 2 −3 3   z   0 

 
0 0 1 −3 t 0
= {(t, 3t, 3t, t) | t ∈ R}.

Dimensiunea subspaţiului propriu Vλ1 este

d1 = dimR Vλ1 = 1 = m1 ,

o bază în Vλ1 fiind B1 = {e1 = (1, 3, 3, 1)}.

Subspaţiul propriu asociat valorii proprii λ2 = −3 este
     

 3 1 0 0 x 0 

  3 3 2 0  
y   0
Vλ2 = (x, y, z, t) ∈ R4  0 2 3 3 
 =  =

 z   0 

 
0 0 1 3 t 0
= { (−t, 3t, −3t, t) | t ∈ R} .

Dimensiunea subspaţiului propriu Vλ2 este

d2 = dimR Vλ2 = 1 = m2 ,

PROBLEME REZOLVATE 121

 o bază în Vλ2 fiind B2 = {e2 = (−1, 3, −3, 1)}.
Subspaţiul propriu asociat valorii proprii λ3 = 1 este
    


 −1 1 0 0 x 0 
      0 
3 −1 2 0  y
Vλ3 = (x, y, z, t) ∈ R4 
= 

 0 2 −1 3   z   0 

 
0 0 1 −1 t 0
= {(−t, −t, t, t) | t ∈ R}.

Dimensiunea subspaţiului propriu Vλ3 este

d3 = dimR Vλ3 = 1 = m3 ,

o bază în Vλ3 fiind B3 = {e3 = (−1, −1, 1, 1)}.

Subspaţiul propriu asociat valorii proprii λ4 = −1 este
     

 1 1 0 0 x 0 

  3 1 2 0    
y   0
Vλ4 = (x, y, z, t) ∈ R4  0 2 1 3 
 =  =

 z   0 

 
0 0 1 1 t 0
= {(t, −t, −t, t) | t ∈ R}.

Dimensiunea subspaţiului propriu Vλ4 este

d4 = dimR Vλ4 = 1 = m4 ,

o bază în Vλ4 fiind B4 = {e4 = (1, −1, −1, 1)}.

Forma diagonală a endomorfismului este
 
3 0 0 0
 0 −3 0 0 
D=  0 0
.
1 0 
0 0 0 −1

Evident, avem relaţia matriceală D = C −1 · A · C, unde

 
1 −1 −1 1
 3 3 −1 −1 
C=  3 −3 1 −1  .


1 1 1 1

3.10 Probleme propuse

1. Să se studieze care dintre următoarele aplicaţii sunt liniare:

(a) f : R2 → R2 , f (x1 , x2 ) = (x1 , −x1 );

122 APLICAŢII LINIARE

 (b) f : R2 → R2 , f (x, y) = (x cos θ − y sin θ, x sin θ + y cos θ), unde unghiul
θ ∈ [0, 2π] este dat;
(c) f : V3 → R, f(v) = a, v , unde a ∈ V3 este un vector dat;
v, a
(d) f : V3 → V3 , f (v) = 2 · a − v, unde a ∈ V3 \{0} este dat;
||a||2
(e) f : M2 (R) → R, f (A) =Trace(A), unde Trace(A) = a11 + a22 ;
(f) f : Rn [X] → Rn [X], f (p) = q, q(X) = p(X + 1) − p(X);
(g) f : R2 → R3 , f (x1 , x2 ) = (sin x1 , cos x2 , x1 − x2 );
(h) f : R3 → R3 , f (x, y, z) = (x, x + y, x + y + z);
(i) T : C n ([0, 1]) → C 0 ([0, 1]) , T (f ) = α1 f ′ + α2 f ′′ + α3 f (3) + . . . + αn f (n) , unde
αi ∈ R şi, pentru n ∈ N, avem

C n ([0, 1]) = {f : [0, 1] → R | f este derivabilă de n-ori şi

cu derivata f (n) continuă

x
(j) T : C 0 ([0, 1]) → F[0,1] , T (f )(x) = f(t)dt, ∀ x ∈ [0, 1], unde
0

F[0,1] = {f : [0, 1] → R | f este funcţie} .

R. (a) Da. (b) Da. (c) Da. (d) Da. (e) Da. (f) Da. (g) Nu. (h) Da. (i) Da. (j) Da.

2. Să se arate că aplicaţiile de mai jos sunt liniare şi să se determine nucleul şi imaginea
lor:

(a) f : R3 → R2 , f (x, y, z) = (x + y − z, 2x − y + z);

(b) f : R4 → R3 , f (x, y, z, t) = (x + y + z, y − t, z − t);
v, a
(c) f : V3 → V3 , f (v) = · a, unde a ∈ V3 \{0} este dat;
||a||2
1
(d) f : R2 [X] → R, f(p) = p(x)dx.
−1

R. (a) ker f = {(0, z, z) | z ∈ R}, Im f = R2 .

(b) ker f = {(−2t, t, t, t) | t ∈ R}, Im f = R3 .
(c) ker f = {v ∈ V3 | v ⊥ a}, Im f = {λa | λ ∈ R}.
(d) ker f = {−3aX 2 + bX + a | a, b ∈ R}, Im f = R.

3. Să se scrie matricea în baza canonică a endomorfismului f : R3 → R3 , unde

f (x, y, z) = (x − y + z, y + z, x − z).
 
1 −1 1
R. A =  0 1 1 .
1 0 −1

PROBLEME PROPUSE 123

 4. Fie a, b ∈ V3 \{0} doi vectori necoliniari. Să se arate că aplicaţia

f : V3 → V3 ,

definită prin
f (x) = a, x · b + b, x · a,
este liniară şi apoi să se determine matricea lui f în baza

B = {a, b, a × b}.
 
a, b ||b||2 0
 
R. MB (f) = 
 ||a||
2
a, b 0 
.
0 0 0

5. Să se determine endomorfismul f : R3 → R3 astfel încât

f(1, 1, 1) = (0, 0, 0), f (1, 0, 0) = (3, 1, 0), f(0, 0, 1) = (1, 2, 0).

R. f(x, y, z) = (3x − 4y + z, x − 3y + 2z, 0).

6. Fie endomorfismul f : R3 → R3 , definit prin

f (x, y, z) = (x − y + z, y, y).

Să se arate că f 2 = f (i.e. f este proiecţie) şi că avem

R3 = ker f ⊕ Im f.

Ind. Avem ker f = {(x, 0, −x) | x ∈ R} şi Im f = {(a, b, b) | a, b ∈ R}.

7. Să se arate că aplicaţia liniară f : R2n → R2n , definită prin

f (x1 , x2 , ..., xn, xn+1 , ..., x2n ) = (xn+1 , xn+2 , ..., x2n, −x1 , −x2 , ..., −xn ),

are proprietatea f 2 = −1R2n .

Observaţie. O aplicaţie liniară cu această proprietate se numeşte structură aproape
complexă.

8. Să se determine valorile şi vectorii proprii pentru endomorfismele

f : R3 → R3 ,

ale căror matrici în baza canonică sunt

 
4 0 0
(a) A =  0 0 1 
0 −1 2
 
7 4 1
(b) A =  4 7 −1 
−4 −4 4

124 APLICAŢII LINIARE

  
−3 −7 −5
(c) A =  2 4 3 .
1 2 2

R. (a) λ1 = 4, Vλ1 = {(x, 0, 0) | x ∈ R}; λ2 = 1, Vλ2 = {(0, y, y) | y ∈ R}.

(b) λ1 = 4, Vλ1 = {(x, −x, x) | x ∈ R}; λ2 = 3, Vλ2 = {(x, −x, 0) | x ∈ R};

3z
λ3 = 11, Vλ3 = − , −z, z z∈R .
4

(c) λ1 = 1, Vλ1 = {(−3y, y, y) | y ∈ R}.

9. Să se arate că endomorfismul f : R4 → R4 , definit prin
f (x, y, z, t) = (−x + t, −y, −z − 2t, x − 2z + 3t),
este diagonalizabil şi să se precizeze baza în care se obţine forma diagonală.
R. Baza în care se obţine forma diagonală este
B ′ = {e′1 = (2, 0, 1, 0), e′2 = (0, 1, 0, 0), e′3 = (1, 0, −2, 5), e′4 = (−1, 0, 2, 1)}

Forma diagonală este D = MB′ (f ) =Diag(−1, −1, 4, −2).

10. Să se studieze dacă endomorfismele f : Rn → Rn , definite în baza canonică de
matricile de mai jos, sunt diagonalizabile şi, în caz afirmativ, să se diagonalizeze:

−4 0
(a) A =
1 4
 
2 −1 1
(b) A =  1 2 −1 
1 −1 2
 
2 5 1
(c) A =  −1 −3 0 
−2 −3 −2
 
1 1 1 1
 1 1 −1 −1 
(d) A = 
 1 −1 1 −1
.

1 −1 −1 1

R. (a) B ′ = {e′1 = (1, 0), e′2 = (−8, 1)}; D = MB ′ (f ) =Diag(4, −4).

(b) B ′ = {e′1 = (0, 1, 1), e′2 = (1, 1, 1), e′3 = (1, 0, 1)}; D = MB′ (f) =Diag(1, 2, 3).

(c) Nu este diagonalizabilă.

(d) B ′ = {e′1 = (1, 1, 0, 0), e′2 = (1, 0, 1, 0), e′3 = (1, 0, 0, 1), e′4 = (1, −1, −1, −1)};
D = MB′ (f) =Diag(2, 2, 2, −2).

PROBLEME PROPUSE 125

126 APLICAŢII LINIARE
4. FORME PĂTRATICE

În studiul maximelor şi minimelor funcţiilor de mai multe variabile, un rol extrem de
important este jucat de signatura formelor pătratice. Formele pătratice pot fi introduse
cu ajutorul aplicaţiilor biliniare şi simetrice, care generalizează în mod natural produsele
scalare.

4.1 Aplicaţii biliniare şi simetrice. Forme pătratice

Fie V un K-spaţiu vectorial.

Definiţia 4.1.1 Se numeşte aplicaţie biliniară şi simetrică pe spaţiul vectorial KV ,
o aplicaţie A : V × V → K, care are proprietăţile:
1. A(v, w) = A(w, v), ∀ v, w ∈ V ,
2. A(αv + βw, w ′ ) = αA(v, w′ ) + βA(w, w′ ), ∀ α, β ∈ K, ∀ v, w, w′ ∈ V .
Exemplul 4.1.2 Orice produs scalar
, :V ×V →R
pe un spaţiu vectorial real R V este o aplicaţie biliniară şi simetrică.
Să presupunem acum că V este un K-spaţiu vectorial de dimensiune dimK V = n < ∞,
şi să considerăm că mulţimea
B = {e1 , e2 , ..., en }
este o bază a spaţiului vectorial K V . Fie v, w ∈ V doi vectori arbitrari care se descompun
în baza B după cum urmează:
n n
v= xi ei şi w = yj ej ,
i=1 j=1

unde xi , yi ∈ K, ∀ i = 1, n. În acest context, dacă A : V × V → K este o aplicaţie

biliniară şi simetrică, atunci avem relaţia:
n n n n
A(v, w) = A xi ei , yj ej = xi yj A(ei , ej ).
i=1 j=1 i=1 j=1

Această relaţie arată că aplicaţia biliniară şi simetrică A este unic definită de valorile sale
pe produsul cartezian B × B. Din acest motiv, introducem următoarea noţiune:
Definiţia 4.1.3 Matricea simetrică A = (aij )i,j=1,n ∈ Mn(K), unde

aij = A(ei , ej ), ∀ i, j = 1, n,
se numeşte matricea în baza B a aplicaţiei biliniare şi simetrice A.

FORME PĂTRATICE 127

 Folosind această definiţie, deducem că expresia analitică a aplicaţiei biliniare şi sime-
trice A : V × V → K este
n n
A(v, w) = aij xi yj .
i=1 j=1

Mai mult, utilizând notaţiile

   
x1 y1
 x2   y2 
   
X = ..  şi Y =  .. ,
 .   . 
xn yn
obţinem relaţia matriceală
T
A(v, w) = X · A · Y.
Să presupunem acum că mulţimea
B ′ = {e′1 , e′2 , ..., e′n }
este o alta bază a spaţiului vectorial KV şi că vectorii arbitrari v şi w se descompun în
baza B ′ după cum urmează:
n n
v= x′i e′i şi w = yj′ e′j ,
i=1 j=1

unde x′i , yi′ ∈ K, ∀ i = 1, n. În acest context, dacă A′ = (a′ij )i,j=1,n ∈ Mn (K), unde
a′ij = A(e′i , e′j ), ∀ i, j = 1, n,
este matricea în baza B ′ a aplicaţiei biliniare şi simetrice A, atunci următoarea relaţie
matriceală este adevărată:
A(v, w) = T X ′ · A′ · Y ′ ,
unde    
x′1 y1′
 x′2   y2′ 
   
X′ =  ..  şi Y ′ =  .. .
 .   . 
x′n yn′
Teorema 4.1.4 Următoarea relaţie de legătură între matricile A şi A′ este adevărată:
T
A′ = MBB′ · A · MBB′ ,
unde matricea MBB ′ este matricea de trecere de la baza B la baza B ′ .
Demonstraţie. Utilizând formulele matriceale de schimbare a coordonatelor
X = MBB′ · X ′ şi Y = MBB′ · Y ′ ,
deducem că avem
T T
'T (
A(v, w) = X ·A·Y = X′ · MBB′ · A · MBB ′ · Y ′ .
Pe de altă parte, ştim însă că avem
T
A(v, w) = X ′ · A′ · Y ′ .
Din cele două relaţii rezultă ceea ce aveam de demonstrat.

128 FORME PĂTRATICE

Definiţia 4.1.5 O aplicaţie Q : V → K, cu proprietatea că există o aplicaţie biliniară şi
simetrică
A:V ×V →K
astfel încât
Q(x) = A(x, x), ∀ x∈V,
se numeşte formă pătratică ataşată aplicaţiei biliniare şi simetrice A.

Observaţia 4.1.6 Dacă Q : V → K este o formă pătratică dată, ataşată aplicaţiei

biliniare şi simetrice A : V × V → K, atunci aplicaţia biliniară şi simetrică A este
recuperată din forma pătratică Q prin intermediul următoarei formule:
1
A(x, y) = [Q(x + y) − Q(x) − Q(y)] , ∀ x, y ∈ V.
2
Fie Q : V → K o formă pătratică ataşată aplicaţiei biliniare şi simetrice

A : V × V → K.

Dacă vectorul arbitrar x ∈ V se descompune în baza

B = {e1 , e2 , ..., en }

ca n
x= xi ei ,
i=1

unde xi ∈ K, ∀ i = 1, n, atunci forma pătratică Q are expresia analitică

n n
Q(x) = aij xi xj ,
i=1 j=1

unde matricea simetrică

A = (aij )i,j=1,n ∈ Mn (K)
este matricea în baza B a aplicaţiei biliniare şi simetrice A. Mai mult, următoarea relaţie
matriceală este adevărată:
Q(x) = T X · A · X,
unde  
x1
 x2 
 
X= .. .
 . 
xn

Definiţia 4.1.7 Matricea simetrică A se numeşte matricea în baza B a formei pă-

tratice Q.

Definiţia 4.1.8 O formă pătratică Q, exprimată analitic prin

n n
Q(x) = aij xi xj ,
i=1 j=1

APLICAŢII BILINIARE ŞI SIMETRICE. FORME PĂTRATICE 129

se află în formă canonică dacă

aij = λj δ ij , ∀ i, j = 1, n,

unde λj ∈ K, ∀ j = 1, n, şi avem

1, i = j;
δ ij =
0, i = j.

Observaţia 4.1.9 Expresia analitică a unei forme pătratice aflate în formă canonică este
n
Q(x) = λj x2j = λ1 x21 + λ2 x22 + ... + λnx2n ,
j=1

unde λj ∈ K, ∀ j = 1, n.

4.2 Reducerea formelor pătratice la forma canonică

În această secţiune vom studia trei posibilităţi de reducere la forma canonică a formelor
pătratice: - metoda lui Gauss, metoda lui Jacobi şi metoda valorilor proprii sau a trans-
formărilor ortogonale. Pentru aceasta să presupunem că V este un R-spaţiu vectorial.

4.2.1 Metoda lui Gauss

Metoda lui Gauss de reducere la forma canonică a formelor pătratice este o metodă
elementară, de formări de pătrate perfecte. Această metodă acţionează la nivel de coor-
donate, fără a se obţine direct baza corespunzătoare formei canonice.

Teorema 4.2.2 (Metoda lui Gauss) Dacă Q : V → R este o formă pătratică, a cărei
expresie analitică în baza
B = {e1 , e2 , ..., en }
este n n
Q(x) = aij xi xj ,
i=1 j=1

unde aij ∈ R, ∀ i, j = 1, n, atunci există o bază în spaţiul vectorial real V în raport cu

care forma pătratică Q să aibă formă canonică.

Demonstraţie. Vom descrie în continuare un algoritm inductiv care reduce problema

studiată la o formă pătratică pe un spaţiu vectorial real de dimensiune mai mică decât

n = dimR V.

Cazul 1. Să presupunem că există un indice i ∈ {1, 2, ..., n} astfel încât aii = 0.
Efectuând, eventual, o renumerotare a coordonatelor x1 , x2 , ..., xn ∈ R, putem presupune

130 FORME PĂTRATICE

fără a restrânge generalitatea că i = 1, adică a11 = 0. În acest context, forma pătratică
Q poate fi rescrisă sub forma
n n n
Q(x) = a11 x21 +2 a1j x1 xj + aij xi xj .
j=2 i=2 j=2

Scoţând factor comun forţat pe 1/a11 din primii doi termeni şi adunând şi scăzând termeni
până la un pătrat perfect, putem rescrie forma pătratică Q sub forma
n n
1
Q(x) = (a11 x1 + a12 x2 + ... + a1n xn )2 + a′ij xi xj ,
a11 i=2 j=2

unde a′ij ∈ R, ∀ i, j = 2, n. Făcând acum schimbarea de coordonate

    
x′1 a11 a12 a13 · · · a1n x1
 x′   0 1 0 ··· 0   
 2     x2 
 ..  =  .. .. .. ..   ..  ,
 .   . . . ··· .  . 
′
xn 0 0 0 ··· 1 xn
deducem că, la nivel de coordonate x′1 , x′2 , ..., x′n ∈ R, forma pătratică Q are expresia
n n
′ 1 ′ 2
Q(x ) = (x ) + a′ij x′i x′j .
a11 1 i=2 j=2

Schimbarea de coordonate de mai sus este corespunzătoare unei noi baze

B ′ = {e′1 , e′2 , e′3 , ..., e′n },
a cărei matrice de schimbare este
 
a11 a12 a13 ··· a1n
 0 1 0 ··· 0 
 
MB ′ B =  .. .. .. .. .
 . . . ··· . 
0 0 0 ··· 1
Evident, forma pătratică
n n
′ ′
Q (x ) = a′ij x′i x′j
i=2 j=2

este o formă pătratică definită pe un spaţiu vectorial real de dimensiune n − 1. Mai mult,
baza în care forma pătratică Q′ are expresia analitică de mai sus este determinată de
vectorii e′2 , e′3 , ..., e′n .
În acest context, dacă există un indice k ∈ {2, 3, ..., n} cu proprietatea că a′kk = 0,
atunci aplicăm din nou acelaşi procedeu al formării de pătrate perfecte pentru forma
pătratică Q′ . În caz contrar, trecem la Cazul 2.
Cazul 2. Să presupunem că aii = 0, ∀ i = 1, n. Deoarece forma pătratică Q nu
este identic nulă, deducem că există aij = 0, unde i = j. Făcând acum schimbarea de
coordonate 
 x = x′i + x′j
 i

xj = x′i − x′j


 x = x′ , ∀ k = i, j,
k k

REDUCEREA FORMELOR PĂTRATICE LA FORMA CANONICĂ 131

găsim că expresia formei pătratice Q devine
n n
′
Q(x ) = a′′rs x′r x′s ,
r=1 s=1

unde a′′ii = 0, deoarece avem

xi xj = (x′i )2 − (x′j )2 .
Matricea de schimbare a bazei, corespunzătoare acestei schimbări de coordonate, este
 
1 0 ··· 0 ··· ··· ··· 0 ··· 0
 0 1 ··· 0 ··· ··· ··· 0 ··· 0 
 
 .. .. . . .. .. .. 
 . . . . ··· ··· ··· . ··· . 
 
 0 0 ··· 1 ··· ··· ··· 1 ··· 0 
 . . . . .. .. 
 . . . . 
MBB =  . . . . · · · · · · · · · . · · · .  ,
′
 . . . . 
 .. .. .. .. · · · · · · · · · ... · · · ... 
 
 0 0 · · · 1 · · · · · · · · · −1 · · · 0 
 
 .. .. .. ..
 . . . . · · · · · · · · · ... . . . ... 

0 0 ··· 0 ··· ··· ··· 0 ··· 1
unde B ′ este baza corespunzătoare sistemului de coordonate x′1 , x′2 , ..., x′n . Deoarece după
această schimbare de coordonate apare un termen la pătrat în expresia formei pătratice Q,
înseamnă că putem aplica acum procedeul de la Cazul 1 pentru ultima expresie analitică
a formei pătratice Q.
În final, continuând procedeele combinate de la Cazurile 1 şi 2, după cel mult n − 1
paşi, găsim o bază în raport cu care forma pătratică Q să aibă forma canonică.
Exemplul 4.2.3 Folosind metoda lui Gauss, să se reducă la forma canonică forma pă-
tratică Q : R3 → R, definită în baza canonică a spaţiului R R3 prin
Q(x) = 2x1 x2 + 2x1 x3 ,
unde x = (x1 , x2 , x3 ) ∈ R3 , fără a se preciza baza în care se obţine această formă canonică.
Deoarece avem aii = 0, ∀ i = 1, 2, 3 (i.e. nu avem nici un termen la pătrat în
expresia formei pătratice Q), pornim procedeul cu o schimbare de coordonate ca în Cazul
2. Astfel, făcând schimbarea de coordonate


 x = x′1 + x′2
 1
x2 = x′1 − x′2


 x = x′ ,
3 3

obţinem
Q(x′ ) = 2(x′1 )2 − 2(x′2 )2 + 2x′1 x′3 + 2x′2 x′3 .
În continuare, deoarece există termeni la pătrat în expresia formei pătratice Q, putem
aplica procedeul din Cazul 1. Cu alte cuvinte, putem forma pătrate perfecte în expresia
formei pătratice Q, prin adunarea şi scăderea unor termeni convenabili. Obţinem astfel
1 1 ′ 2
Q(x′ ) = (2x′1 + x′3 )2 − (x3 ) − 2(x′2 )2 + 2x′2 x′3 =
2 2
1 1 ′
= (2x′1 + x′3 )2 − (x3 − 2x′2 )2 .
2 2
132 FORME PĂTRATICE
Făcând acum schimbarea de coordonate


 x′′ = 2x′1 + x′3
 1
x′′2 = x′3 − 2x′2


 x′′ = x′ ,
3 3

găsim forma canonică

1 1
Q(x′′ ) = (x′′1 )2 − (x′′2 )2 .
2 2

4.2.2 Metoda lui Jacobi

Metoda lui Jacobi de reducere la forma canonică a formelor pătratice este extrem
de utilă când ne trebuie rapid o formă canonică a unei forme pătratice (de exemplu, în
aprecierea naturii punctelor de extrem ale unei funcţii reale de mai mult variabile), fără
a fi interesaţi şi de baza în care se obţine această formă canonică.
Teorema 4.2.3 (Metoda lui Jacobi) Fie Q : V → R o formă pătratică şi fie
A = (aij )i,j=1,n ∈ Mn (R)
matricea simetrică a formei pătratice într-o bază fixată
B = {e1 , e2 , ..., en }
a spaţiului vectorial real V . Dacă determinanţii
a11 a12 a13
a11 a12
∆1 = a11 , ∆2 = , ∆3 = a12 a22 a23 , ... , ∆n = det A
a12 a22
a13 a23 a33
sunt diferiţi de zero, atunci există o bază
B ′ = {f1 , f2 , ..., fn }
astfel încât expresia analitică a formei pătratice Q în baza B ′ să fie
1 ′ 2 ∆1 ′ 2 ∆2 ′ 2 ∆n−1 ′ 2
Q(x′ ) = (x1 ) + (x2 ) + (x3 ) + ... + (xn ) ,
∆1 ∆2 ∆3 ∆n
unde x′1 , x′2 , ..., x′n sunt coordonatele corespunzătoare bazei B ′ .
Demonstraţie. Să considerăm că A este aplicaţia biliniară şi simetrică din care provine
forma pătratică Q şi să căutăm baza
B ′ = {f1 , f2 , ..., fn }
de forma
f1 = c11 e1 ,
f2 = c12 e1 + c22 e2 ,
..
.
fn = c1n e1 + c2n e2 + ... + cnn en ,

REDUCEREA FORMELOR PĂTRATICE LA FORMA CANONICĂ 133

unde cij ∈ R, ∀ 1 ≤ i ≤ j ≤ n. Să presupunem că vectorii bazei B ′ verifică proprietăţile

A(ei , fj ) = 0, ∀ 1 ≤ i < j ≤ n,

şi
A(ei , fi ) = 1, ∀ i = 1, n.
Vom demonstra în continuare că baza B ′ este baza căutată în teoremă. Pentru aceasta
vom arăta că matricea formei pătratice Q în baza B ′ este matricea diagonală
 
1/∆1 0 0 ··· 0
 0 ∆1 /∆2 0 ··· 0 
 
′  0 0 ∆ /∆ · · · 0 
A = 2 3 .
 .. .. .. ... .. 
 . . . . 
0 0 0 · · · ∆n−1 /∆n

Prin definiţie, matricea A′ a formei pătratice Q în baza B ′ este descrisă de elementele

i i
a′ij = A(fi , fj ) = A cki ek , fj = cki A(ek , fj ), ∀ i, j = 1, n.
k=1 k=1

Dacă 1 ≤ i < j ≤ n, atunci avem a′ij = 0, deoarece

A(ek , fj ) = 0, ∀ 1 ≤ k < j ≤ n.

Din simetria aplicaţiei biliniare şi simetrice A deducem că

a′ij = 0, ∀ 1 ≤ j < i ≤ n.

Dacă i ∈ {1, 2, ..., n} este un indice fixat, atunci avem

i
a′ii = cki A(ek , fi ) = cii .
k=1

Este evident că numerele (constantele) cki , ∀ 1 ≤ k ≤ i, verifică sistemul liniar



 A(e1 , fi ) = c1i a11 + c2i a12 + ... + cii a1i = 0



 A(e2 , fi ) = c1i a21 + c2i a22 + ... + cii a2i = 0



..
 .



 A(ei−1 , fi ) = c1i ai−1,1 + c2i ai−1,2 + ... + cii ai−1,i = 0




A(ei , fi ) = c1i ai1 + c2i ai2 + ... + cii aii = 1.

Determinantul sistemului este ∆i = 0 şi deci, utilizând regula lui Cramer, obţinem

∆i−1
a′ii = cii = .
∆i

134 FORME PĂTRATICE

Exemplul 4.2.4 Folosind metoda lui Jacobi, să se reducă la forma canonică forma pă-
tratică Q : R3 → R, definită în baza canonică a spaţiului R R3 prin

Q(x) = 5x21 + 6x22 + 4x23 − 4x1 x2 − 4x1 x3 ,

unde x = (x1 , x2 , x3 ) ∈ R3 , fără a se preciza baza în care se obţine această formă canonică.
Matricea formei pătratice Q în baza canonică a spaţiului R R3 este
 
5 −2 −2
A =  −2 6 0 .
−2 0 4

Deoarece determinanţii

5 −2 −2
5 −2
∆1 = 5, ∆2 = = 26, ∆3 = −2 6 0 = 80
−2 6
−2 0 4

sunt nenuli, rezultă că există nişte coordonate x′1 , x′2 , x′3 în raport cu care forma pătratică
Q să aibă forma canonică
1 5 13
Q(x′ ) = (x′1 )2 + (x′2 )2 + (x′3 )2 .
5 26 40

4.2.3 Metoda valorilor proprii (a transformărilor ortogonale)

Metoda valorilor proprii (a transformărilor ortogonale) de reducere a formelor pătratice

la forma canonică este o metodă eficace, ea dând destul de comod şi o formă canonică a
formei pătratice şi o bază ortonormată în care se obţine această formă canonică.

Teorema 4.2.4 (Metoda valorilor proprii) Fie (V, , ) un spaţiu vectorial euclidian
şi fie Q : V → R o formă pătratică pe spaţiul vectorial real V . Să presupunem că

A = (aij )i,j=1,n ∈ Mn (R)

este matricea simetrică a formei pătratice Q într-o bază ortonormată fixată

B = {e1 , e2 , ..., en }.

Atunci, există o bază ortonormată

B ′ = {f1 , f2 , ..., fn },

formată numai din vectori proprii ai matricii simetrice A, astfel încât expresia analitică a
formei pătratice Q în baza B ′ să fie (notăm cu x′1 , x′2 , ..., x′n coordonatele corespunzătoare
bazei B ′ )
n
2 2 2
′
Q(x ) = λi (x′i )2 = λ1 (x′1 ) + λ2 (x′2 ) + ... + λn (x′n ) ,
i=1

unde λ1 , λ2 , ..., λn ∈ R sunt valorile proprii ale matricii simetrice A, fiecare valoare proprie
fiind scrisă de atâtea ori cât este multiplicitatea sa algebrică.

REDUCEREA FORMELOR PĂTRATICE LA FORMA CANONICĂ 135

Demonstraţie. Deoarece matricea A a formei pătratice Q este o matrice simetrică,
rezultă că ea este diagonalizabilă. Să considerăm atunci baza ortonormată

B ′ = {f1 , f2 , ..., fn },

formată numai din vectori proprii ai matricii simetrice A. Putem presupune, fără a
restrânge generalitatea, că baza B ′ este ortonormată. Aceasta deoarece, la valori proprii
distincte corespund vectori proprii ortogonali (pentru că matricea A este simetrică) şi,
mai mult, vectorii din acelaşi subspaţiu propriu îi putem ortonorma prin procedeul Gram-
Schmidt, fără a ieşi din subspaţiul propriu ambiental.
Evident, baza ortonormată B ′ determină forma diagonală
 
λ1 0 · · · 0
 0 λ2 · · · 0 
 
D =  .. .. . . .. 
 . . . . 
0 0 · · · λn

a matricii simetrice A, unde λ1 , λ2 , ..., λn ∈ R sunt valorile proprii ale matricii simetrice
A. Deoarece bazele B şi B ′ sunt baze ortonormate, rezultă că avem relaţia matriceală
T T
C· C = In ⇔ C −1 = C,

unde C = MBB ′ reprezintă matricea de trecere de la baza ortonormată B la baza orto-

normată B ′ .
Observaţie. O matrice pătratică C ∈ Mn (R), cu proprietatea C· T C = In , se numeşte
matrice ortogonală.
În concluzie, vom avea relaţiile matriceale
T
D = C −1 · A · C = C · A · C.

Deoarece matricea simetrică A este matricea lui Q în baza ortonormată B, egalitatea

de mai sus arată că matricea diagonală D este matricea formei pătratice Q în baza orto-
normată B ′ . În concluzie, găsim forma canonică cerută.

Exemplul 4.2.5 Folosind metoda valorilor proprii, să se reducă la forma canonică forma
pătratică Q : R3 → R, definită în baza canonică a spaţiului euclidian (R3 , , ) prin

Q(x) = x21 + 7x22 + x23 − 8x1 x2 − 16x1 x3 − 8x2 x3 ,

unde x = (x1 , x2 , x3 ) ∈ R3 , precizându-se baza ortonormată în care se obţine această

formă canonică. Pentru aceasta, fie

B = {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)}

baza canonică ortonormată a spaţiului euclidian (R3 , , ). În această bază, matricea

formei pătratice Q este matricea simetrică
 
1 −4 −8
A =  −4 7 −4  .
−8 −4 1

136 FORME PĂTRATICE

Valorile proprii ale matricii simetrice A sunt rădăcinile ecuaţiei caracteristice
1 − λ −4 −8
−4 7 − λ −4 = −(λ − 9)2 (λ + 9) = 0,
−8 −4 1 − λ
adică λ1 = −9, de multiplicitate algebrică m1 = 1, şi λ2 = 9, de multiplicitate algebrică
m2 = 2.
Subspaţiul propriu asociat valorii proprii λ1 = −9 este
      
 10 −4 −8 x 0 
3
Vλ1 = (x, y, z) ∈ R  −4 16 −4   y  =  0  =
 
−8 −4 10 z 0
  
  10x − 4y − 8z = 0 
= (x, y, z) ∈ R3 −4x + 16y − 4z = 0 =
  
−8x − 4y + 10z = 0
= {(2y, y, 2y) | y ∈ R} .
O bază ortonormată a subspaţiului propriu Vλ1 este
2 1 2
B1 = f1 = , , .
3 3 3
Subspaţiul propriu asociat valorii proprii λ2 = 9 este
      
 −8 −4 −8 x 0 
3
Vλ2 = (x, y, z) ∈ R  −4 −2 −4   y  =  0  =
 
−8 −4 −8 z 0
−8x − 4y − 8z = 0
= (x, y, z) ∈ R3 =
−4x − 2y − 4z = 0
= {(x, −2x − 2z, z) | x, z ∈ R} .
O bază neortonormată a subspaţiului propriu Vλ2 este
B2′ = {e′2 = (1, −2, 0), e′3 = (0, −2, 1)} .
Ortonormând această bază a subspaţiului propriu Vλ2 prin procedeul Gram-Schmidt, găsim
următoarea bază ortonormată a subspaţiului propriu Vλ2 :
1 2 4 2 5
B2 = f2 = √ , − √ , 0 , f3 = − √ ,− √ , √ .
5 5 3 5 3 5 3 5
În concluzie, baza ortonormată în care se obţine forma canonică a formei pătratice Q
este
2 1 2 1 2 4 2 5
B ′ = f1 = , , , f2 = √ , − √ , 0 , f3 = − √ , − √ , √ .
3 3 3 5 5 3 5 3 5 3 5
Cu alte cuvinte, făcând schimbarea de coordonate (transformarea ortogonală)
   √ √  ′ 
x1 2/3 1/ √5 −4/3√5 x1
 x2  =  1/3 −2/ 5 −2/3 5   x′2  ,
√
x3 2/3 0 5/3 5 x′3
găsim forma canonică a formei pătratice:
Q(x′ ) = −9(x′1 )2 + 9(x′2 )2 + 9(x′3 )2 .

REDUCEREA FORMELOR PĂTRATICE LA FORMA CANONICĂ 137

4.3 Signatura unei forme pătratice

Să considerăm că V este un R-spaţiu vectorial de dimensiune dimR V = n şi că
n
Q(x) = ai x2i ,
i=1

unde ai ∈ R, ∀ i = 1, n, este o formă pătratică aflată în formă canonică. Fie p ∈ N

numărul de coeficienţi a1 , a2 , ..., an care sunt strict pozitivi, q ∈ N numărul de coeficienţi
strict negativi şi d = n − (p + q) ∈ N numărul de coeficienţi egali cu zero.

Definiţia 4.3.1 Tripletul de numere naturale, notat

σ(Q) = (p, q, d) ∈ N3 ,

se numeşte signatura formei pătratice Q.

Vom demonstra în continuare că deşi forma canonică a unei forme pătratice nu este
unică totuşi toate formele canonice ale aceleiaşi forme pătratice au aceeaşi signatură.

Teorema 4.3.2 (Legea de inerţie) Signatura unei forme pătratice Q este aceeaşi pen-
tru orice formă canonică a lui Q.

Demonstraţie. Să considerăm două baze

B = {e1 , e2 , ..., en }

şi
B ′ = {e′1 , e′2 , ..., e′n }
în spaţiul vectorial real V , astfel încât expresia analitică a formei pătratice Q relativ la
cele două baze să fie una canonică:
n n
Q(x) = ai x2i şi Q(x) = a′i (x′i )2 ,
i=1 i=1

unde ai , a′i ∈ R, ∀ i = 1, n, şi avem

n n
x= xi ei şi x = x′j e′j .
i=1 j=1

Putem presupune, fără a restrânge generalitatea, că

ai , a′i ∈ {−1, 0, 1}, ∀ i = 1, n,

deoarece, în caz contrar, facem o schimbare de coordonate de forma:

x′′i = |ai | · xi , ∀ i = 1, n, sau x′′i = |a′i | · x′i , ∀ i = 1, n.

Mai mult chiar, putem să presupunem (printr-o eventuală renumerotare) că în expresia
canonică a formei pătratice Q relativ la baza B (respectiv B ′ ) primii p (respectiv p′ )

138 FORME PĂTRATICE

coeficienţi sunt strict pozitivi, următorii q (respectiv q ′ ) coeficienţi sunt strict negativi iar
ultimii d (respectiv d′ ) sunt nuli. Atunci avem
p p+q p′ p′ +q ′
Q(x) = x2i − x2i = (x′i )2 − (x′i )2 .
i=1 i=p+1 i=1 i=p′ +1

Vom demonstra acum că p = p′ şi q = q ′ . Pentru aceasta să presupunem prin absurd
că p > p′ şi să considerăm subspaţiile

U = L({e1 , e2 , ..., ep }) şi U ′ = L({e′p′ +1 , e′p′ +2 , ..., e′n }).

Evident dimensiunile subspaţiilor U şi U ′ sunt

dimR U = p şi dimR U ′ = n − p′ .

Deoarece avem relaţia

dimR U + dimR U ′ = p + n − p′ > n = dimR V,

rezultă că subspaţiile U şi U ′ nu se află în sumă directă, adică

U ∩ U ′ = {0V }.

Prin urmare, există un vector nenul x ∈ U ∩ U ′ de forma

x = x1 e1 + x2 e2 + ... + xp ep = x′p′ +1 e′p′ +1 + x′p′ +2 e′p′ +2 + ... + x′n e′n

care verifică relaţiile

0 ≤ x21 + x22 + ... + x2p = Q(x) = −(x′p′ +1 )2 − (x′p′ +2 )2 − ... − (x′n )2 ≤ 0.

Din aceste relaţii rezultă că

x1 = x2 = .. = xp = x′p′ +1 = x′p′ +2 = ... = x′n = 0,

adică avem x = 0. Acest lucru se află în contradicţie cu alegerea vectorului x ∈ U ∩ U ′ .

Această contradicţie este furnizată de presupunerea p > p′ . Analog, presupunerea p′ > p
ne conduce la o contradicţie. În consecinţă, avem p = p′ . Prin aceeaşi metodă se arată că
q = q′ şi deci d = d′ . Rezultă că avem

(p, q, d) = (p′ , q ′ , d′ ).

Exemplul 4.3.3 Folosind, pe rând, metoda lui Gauss, metoda lui Jacobi şi metoda valo-
rilor proprii, să se reducă la forma canonică forma pătratică

Q : R3 → R,

definită în baza canonică a spaţiului vectorial real R R3 prin

Q(x) = x21 + x22 + 4x23 − 4x1 x2 − 4x1 x3 ,

unde x = (x1 , x2 , x3 ) ∈ R3 , verificându-se Legea de inerţie pentru formele canonice

obţinute.

SIGNATURA UNEI FORME PĂTRATICE 139

 1. Metoda lui Gauss. Deoarece în expresia formei pătratice Q apar termeni la pătrat,
putem aduna şi scădea termeni pentru a obţine pătrate perfecte. Astfel avem
Q(x) = (x22 − 4x1 x2 ) + x21 + 4x23 − 4x1 x3 =
= (x2 − 2x1 )2 − 3x21 + 4x23 − 4x1 x3 =
= (x2 − 2x1 )2 + 4(x23 − x1 x3 ) − 3x21 =
78 :
2 x1 92 x21
= (x2 − 2x1 ) + 4 x3 − − − 3x21 =
2 4
8 x 92
1
= (x2 − 2x1 )2 + 4 x3 − − 4x21 .
2
Efectuând acum schimbarea de coordonate
 ′
 x1 = x2 − 2x1

 x1
x′2 = x3 −

 2
 ′
x3 = x1 ,
obţinem forma canonică
Q(x′ ) = (x′1 )2 + 4(x′2 )2 − 4(x′3 )2 .
Evident, signatura formei pătratice Q este
σ(Q) = (2, 1, 0).

2. Metoda lui Jacobi. Matricea formei pătratice Q în baza canonică a spaţiului

vectorial real R R3 este matricea simetrică
 
1 −2 −2
A =  −2 1 0 .
−2 0 4
Deoarece determinanţii
1 −2 −2
1 −2
∆1 = 1, ∆2 = = −3, ∆3 = −2 1 0 = −16,
−2 1
−2 0 4
sunt nenuli, rezultă că există un sistem de coordonate x′′1 , x′′2 , x′′3 în raport cu care
forma pătratică Q să aibă forma canonică
1 3
Q(x′′ ) = (x′′1 )2 − (x′′2 )2 + (x′′3 )2 .
3 16
Evident, signatura formei pătratice Q este
σ(Q) = (2, 1, 0).

3. Metoda valorilor proprii. Valorile proprii ale matricii A a formei pătratice Q

sunt rădăcinile ecuaţiei caracteristice
1 − λ −2 −2
PA (λ) = −2 1 − λ 0 = −λ3 + 6λ2 − λ − 16 = 0.
−2 0 4−λ

140 FORME PĂTRATICE

 Deoarece funcţia polinomială PA (λ) este o funcţie continuă pe mulţimea numerelor
reale R şi întrucât avem schimbările de semn

PA (−2) = 18 > 0, PA (0) = −16 < 0, PA (3) = 8 > 0 şi PA (6) = −22 < 0,

rezultă că polinomul caracteristic PA (λ) are trei rădăcini reale:

λ1 ∈ (−2, 0), λ2 ∈ (0, 3) şi λ3 ∈ (3, 6).

Prin urmare, există un sistem de coordonate x′′′

1 , x2 , x3 în raport cu care forma
′′′ ′′′

pătratică Q să aibă forma canonică

2 ′′′ 2 ′′′ 2
1 ) + λ2 (x2 ) + λ3 (x3 ) .
Q(x′′′ ) = λ1 (x′′′

Evident, signatura formei pătratice Q este

σ(Q) = (2, 1, 0),

deoarece avem
λ1 < 0, λ2 > 0 şi λ3 > 0.

Definiţia 4.3.4 O formă pătratică Q : V → R se numeşte pozitiv definită dacă are

signatura
σ(Q) = (n, 0, 0),
unde n = dimR V .

Observaţia 4.3.5 O formă pătratică Q : V → R este pozitiv definită dacă într-o formă
canonică fixată toţi coeficienţii care apar sunt strict pozitivi.

Definiţia 4.3.6 O formă pătratică Q : V → R se numeşte negativ definită dacă are

signatura
σ(Q) = (0, n, 0),
unde n = dimR V .

Observaţia 4.3.7 O formă pătratică Q : V → R este negativ definită dacă într-o formă
canonică fixată toţi coeficienţii care apar sunt strict negativi.

Reducerea la forma canonică a formelor pătratice prin metoda lui Jacobi şi metoda
valorilor proprii ne permite să obţinem următoarele condiţii necesare şi suficiente ca o
formă pătratică Q : V → R să fie pozitiv definită.

Corolarul 4.3.8 (Criteriul lui Sylvester de pozitiv definire) O formă pătratică

Q:V →R

este pozitiv definită dacă şi numai dacă una din următoarele condiţii este îndeplinită:

1. Toţi determinanţii ∆i verifică inegalităţile

∆i > 0, ∀ i = 1, n;

SIGNATURA UNEI FORME PĂTRATICE 141

 2. Toate valorile proprii ale matricii simetrice A a formei pătratice Q sunt strict po-
zitive.

Reducerea la forma canonică a formelor pătratice prin metoda lui Jacobi şi metoda
valorilor proprii ne permite să obţinem următoarele condiţii necesare şi suficiente ca o
formă pătratică Q : V → R să fie negativ definită.

Corolarul 4.3.9 (Criteriul lui Sylvester de negativ definire) O formă pătratică

Q:V →R

este negativ definită dacă şi numai dacă una din următoarele condiţii este îndeplinită:

1. Toţi determinanţii ∆i verifică inegalităţile

(−1)i ∆i > 0, ∀ i = 1, n;

2. Toate valorile proprii ale matricii simetrice A a formei pătratice Q sunt strict ne-
gative.

Exemplul 4.3.10 Utilizând criteriul lui Sylvester, să se determine valorile λ ∈ R astfel
încât forma pătratică Q : R3 → R, definită în baza canonică a spaţiului vectorial real R R3
prin
Q(x) = −x21 − 2x22 − 2x23 − 2λx1 x2 + 4x1 x3 + 8x2 x3 ,
unde x = (x1 , x2 , x3 ) ∈ R3 , să fie pozitiv (respectiv negativ) definită.
Matricea formei pătratice Q în baza canonică a spaţiului vectorial real R R3 este ma-
tricea simetrică  
−1 −λ 2
A =  −λ −2 4  .
2 4 −2
Prin urmare, avem determinanţii

−1 −λ 2
−1 −λ
∆1 = −1, ∆2 = = 2 − λ2 , ∆3 = −λ −2 4 = 2(λ2 − 8λ + 10).
−λ −2
2 4 −2

Conform criteriului lui Sylvester, forma pătratică Q este pozitiv definită dacă avem
 

 ∆ 1 > 0 
 −1 > 0
 
∆2 > 0 ⇔ 2 − λ2 > 0 ⇔ λ ∈ ∅.

 

 ∆ >0  λ2 − 8λ + 10 > 0
3

Conform criteriului lui Sylvester, forma pătratică Q este negativ definită dacă avem
  

 ∆1 < 0 
 −1 < 0 
 λ∈R
   √ √
∆2 > 0 ⇔ 2 − λ2 > 0 ⇔ λ ∈ (− 2, 2) ⇔ λ ∈ ∅.

 
 
 √ √
 ∆ <0  λ2 − 8λ + 10 < 0  λ ∈ (4 − 6, 4 + 6)
3

142 FORME PĂTRATICE

4.4 Probleme rezolvate

1. Fie A : R3 × R3 → R o aplicaţie biliniară şi simetrică, a cărei expresie analitică în

baza canonică este
A(x, y) = 2x1 y1 + 3x1 y2 + 3x2 y1 − x1 y3 − x3 y1 + x2 y2 −
−x2 y3 − x3 y2 + 2x3 y3 .

(a) Să se scrie matricea lui A în baza canonică şi în baza

B ′ = {e′1 = (1, 1, 1), e′2 = (1, 1, 0), e′3 = (1, 0, 0)}.
(b) Să se determine forma pătratică asociată lui A.

Rezolvare. (a) Fie B = {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)} baza canonică
în R3 . Atunci, matricea lui A în baza canonică B este
 
2 3 −1
A= 3 1 −1  .
−1 −1 2
Deoarece matricea de trecere de la baza B la baza B ′ este
 
1 1 1
C=  1 1 0 ,
1 0 0
rezultă că matricea lui A în baza B ′ este
 
7 7 4
A′ = T C · A · C =  7 9 5  .
4 5 2
(b) Forma pătratică asociată lui A este
Q(x) = A(x, x) = 2x21 + x22 + 2x23 + 6x1 x2 − 2x1 x3 − 2x2 x3 .

2. Pentru formele pătratice Q : Rn → R de mai jos, să se determine aplicaţiile biliniare

şi simetrice din care provin, precum şi matricea lor în baza canonică:

(a) Q : R2 → R, Q(x) = −18x1 x2 + 9x22 .

(b) Q : R3 → R, Q(x) = 2x21 − 6x1 x2 + 3x23 .
(c) Q : R4 → R, Q(x) = x1 x2 + x2 x3 + x3 x4 .

Rezolvare. (a) Aplicaţia biliniară şi simetrică din care provine forma pătratică Q
este dată de formula
1
A(x, y) = [Q(x + y) − Q(x) − Q(y)] =
2
1'
= −18(x1 + y1 )(x2 + y2 ) + 9(x2 + y2 )2 +
2 (
+18x1 x2 − 9x22 + 18y1 y2 − 9y22
= −9x1 y2 − 9x2 y1 + 9x2 y2 .

PROBLEME REZOLVATE 143

 Prin urmare, matricea în baza canonică a lui Q este
0 −9
A= .
−9 9

(b) Folosind formula anterioară, găsim

1'
A(x, y) = 2(x1 + y1 )2 − 6(x1 + y1 )(x2 + y2 ) + 3(x3 + y3 )2 −
2 (
−2x21 + 6x1 x2 − 3x23 − 2y12 + 6y1 y2 − 3y32
= 2x1 y1 − 3x1 y2 − 3x2 y1 + 3x3 y3 .

Matricea în baza canonică a lui Q este

 
2 −3 0
A =  −3 0 0  .
0 0 3

(c) Utilizând din nou formula de mai sus, obţinem aplicaţia biliniară şi simetrică
1 1 1 1 1 1
A(x, y) = x1 y2 + x2 y1 + x2 y3 + x3 y2 + x3 y4 + x4 y3 ,
2 2 2 2 2 2
a cărei matrice este (matricea lui Q)
 
0 1/2 0 0
 1/2 0 1/2 0 
A= .
 0 1/2 0 1/2 
0 0 1/2 0

3. Formele pătratice Q : Rn → R de mai jos sunt date în baza canonică B a lui Rn .

Să se scrie aceste forme în baza

B ′ = {e′1 , e′2 , ..., e′n } ⊂ Rn ,

în cazurile:

(a) Q : R2 → R, Q(x) = 3x21 + 10x1 x2 + 9x22 , unde

e′1 = 2e1 − e2 , e′2 = e1 − e2 .

(b) Q : R3 → R, Q(x) = 3x21 + 4x1 x2 + 4x1 x3 − x23 , unde

e′1 = e1 + e2 + e3 , e′2 = 2e1 − e2 + e3 , e′3 = −e1 + 2e2 − 3e3 .

Rezolvare. (a) Matricea de trecere de la baza B la baza B ′ este

2 1
C=
−1 −1
iar matricea lui Q în baza canonică este
3 5
A= .
5 9

144 FORME PĂTRATICE

 Prin urmare, matricea lui Q în baza B ′ este
T 1 0
A′ = C ·A·C = .
0 2
În concluzie, expresia analitică a lui Q în baza B ′ este
T 2 2
Q(x′ ) = X ′ · A′ · X ′ = (x′1 ) + 2 (x′2 ) ,
unde X ′ = T
x′1 x′2 .
(b) Matricea de trecere de la baza B la baza B ′ este
 
1 2 −1
C =  1 −1 2 
1 1 −3
iar matricea lui Q în baza canonică este
 
3 2 2
A =  2 0 0 .
2 0 −1
Prin urmare, matricea lui Q în baza B ′ este
 
10 13 −6
A′ = T C · A · C =  13 11 −7  .
−6 −7 −2
În concluzie, expresia analitică a lui Q în baza B ′ este
Q(x′ ) = T X ′ · A′ · X ′ =
2 2 2
= 10 (x′1 ) + 11 (x′2 ) − 2 (x′3 ) + 26x′1 x′2 − 12x′1 x′3 − 14x′2 x′3 ,
unde X ′ = T
x′1 x′2 x′3 .
4. Utilizând metoda lui Gauss, să se găsească forma canonică şi signatura formelor
pătratice de mai jos. Care dintre aceste forme pătratice sunt pozitiv definite şi care
sunt negativ definite?

(a) Q : R2 → R, Q(x) = 4x21 + 4x1 x2 + 5x22 .

(b) Q : R2 → R, Q(x) = −x1 x2 .
(c) Q : R3 → R, Q(x) = x21 + x22 + 4x23 + 4x1 x3 + 2x2 x3 .
(d) Q : R3 → R, Q(x) = x1 x2 + x1 x3 + x2 x3 .
(e) Q : R3 → R, Q(x) = 2x21 + 9x22 + 19x23 + 8x1 x2 + 4x1 x3 .
(f) Q : R4 → R, Q(x) = x21 + 2x22 + 2x23 + 3x24 + 2x1 x2 + 2x2 x3 + 2x3 x4 .

Rezolvare. (a) Deoarece în expresia lui Q avem pătrate, formăm pătrate perfecte
şi obţinem
Q(x) = 4(x21 + x1 x2 ) + 5x22 =
78 :
x2 92 x22
= 4 x1 + − + 5x22 =
2 4
8 x2 92
= 4 x1 + + 4x22 .
2
PROBLEME REZOLVATE 145
 Efectuând schimbarea de coordonate

 x′ = x1 + x2
1
2
 x′ = x ,
2 2

găsim forma canonică

2 2
Q(x′ ) = 4 (x′1 ) + 4 (x′2 ) .
Signatura formei pătratice Q este σ(Q) = (2, 0, 0), adică forma pătratică este pozitiv
definită.
(b) Deoarece în expresia lui Q nu avem pătrate, efectuăm schimbarea de coordonate

x1 = x′1 + x′2
x2 = x′1 − x′2
şi găsim forma canonică
2 2
Q(x′ ) = − (x′1 ) + (x′2 ) .
Signatura formei pătratice Q este σ(Q) = (1, 1, 0), adică forma pătratică nu este
nici pozitiv definită, nici negativ definită.
(c) Deoarece în expresia lui Q avem pătrate, formăm pătrate perfecte şi obţinem

Q(x) = x21 + 4x1 x3 + x22 + 4x23 + 2x2 x3 =

= (x1 + 2x3 )2 + x22 + 2x2 x3 =
= (x1 + 2x3 )2 + (x2 + x3 )2 − x23 .

Efectuând schimbarea de coordonate



 x′ = x1 + 2x3
 1
x′2 = x2 + x3


 x′ = x ,
3 3

găsim forma canonică

2 2 2
Q(x′ ) = (x′1 ) + (x′2 ) − (x′3 ) .
Signatura formei pătratice Q este σ(Q) = (2, 1, 0), adică forma pătratică nu este
nici pozitiv definită, nici negativ definită.
(d) Deoarece în expresia lui Q nu avem pătrate, efectuăm schimbarea de coordonate


 x = x′1 + x′2
 1
x2 = x′1 − x′2


 x = x′
3 3

şi găsim
2 2
Q(x′ ) = (x′1 ) − (x′2 ) + 2x′1 x′3 .
Restrângem acum pătratele şi obţinem
; <
2 2
Q(x′ ) = (x′1 ) + 2x′1 x′3 − (x′2 ) =
2 2 2
= (x′1 + x′3 ) − (x′3 ) − (x′2 ) .

146 FORME PĂTRATICE

 Efectuând schimbarea de coordonate


 x′′ = x′1 + x′3
 1
x′′2 = x′3


 x′′ = x′ ,
3 2

găsim forma canonică

2 2 2
Q(x′′ ) = (x′′1 ) − (x′′2 ) − (x′′3 ) .

Signatura formei pătratice Q este σ(Q) = (1, 2, 0), adică forma pătratică nu este
nici pozitiv definită, nici negativ definită.
(e) Deoarece în expresia lui Q avem pătrate, formăm pătrate perfecte şi obţinem

Q(x) = 2x21 + 9x22 + 19x23 + 8x1 x2 + 4x1 x3 =

= 2 x21 + 4x1 x2 + 2x1 x3 + 9x22 + 19x23 =
' (
= 2 (x1 + 2x2 + x3 )2 − 4x22 − x23 − 4x2 x3 + 9x22 + 19x23 =
= 2 (x1 + 2x2 + x3 )2 + x22 + 17x23 − 8x2 x3 =
= 2 (x1 + 2x2 + x3 )2 + (x2 − 4x3 )2 + x23 .

Efectuând schimbarea de coordonate



 x′ = x1 + 2x2 + x3
 1
x′2 = x2 − 4x3


 x′ = x ,
3 3

găsim forma canonică

2 2 2
Q(x′ ) = 2 (x′1 ) + (x′2 ) + (x′3 ) .

Signatura formei pătratice Q este σ(Q) = (3, 0, 0), adică forma pătratică este pozitiv
definită.
(f) Deoarece în expresia lui Q avem pătrate, formăm pătrate perfecte şi obţinem

Q(x) = x21 + 2x22 + 2x23 + 3x24 + 2x1 x2 + 2x2 x3 + 2x3 x4 =

= x21 + 2x1 x2 + 2x22 + 2x23 + 3x24 + 2x2 x3 + 2x3 x4 =
= (x1 + x2 )2 + x22 + 2x2 x3 + 2x23 + 3x24 + 2x3 x4 =
= (x1 + x2 )2 + (x2 + x3 )2 + x23 + 2x3 x4 + 3x24 =
= (x1 + x2 )2 + (x2 + x3 )2 + (x3 + x4 )2 + 2x24 .

Efectuând schimbarea de coordonate

 ′
 x1 = x1 + x2



 x′ = x2 + x3
2


 x′3 = x3 + x4

 ′
x4 = x4 ,

PROBLEME REZOLVATE 147

 găsim forma canonică
2 2 2 2
Q(x′ ) = (x′1 ) + (x′2 ) + (x′3 ) + 2 (x′4 ) .

Signatura formei pătratice Q este σ(Q) = (4, 0, 0), adică forma pătratică este pozitiv
definită.

5. Utilizând metoda lui Jacobi, să se găsească forma canonică şi signatura formelor
pătratice de mai jos. Care dintre aceste forme pătratice sunt pozitiv definite şi care
sunt negativ definite? Să se precizeze care este baza spaţiului în care se obţine forma
canonică respectivă.

(a) Q : R3 → R, Q(x) = x21 + 8x22 + x23 + 16x1 x2 + 4x1 x3 + 4x2 x3 .

(b) Q : R3 → R, Q(x) = x21 + 7x22 + x23 − 8x1 x2 − 16x1 x3 − 8x2 x3 .

Rezolvare. (a) Matricea în baza canonică a formei pătratice Q este

 
1 8 2
A=  8 8 2 
2 2 1

iar determinanţii corespunzători sunt

1 8 2
1 8
∆1 = 1 = 0, ∆2 = = −56 = 0, ∆3 = 8 8 2 = −28 = 0.
8 8
2 2 1

Prin urmare, forma canonică este

2 1 ′ 2 2
Q(x′ ) = (x′1 ) − (x2 ) + 2 (x′3 ) .
56
Signatura formei pătratice Q este σ(Q) = (2, 1, 0), adică forma pătratică nu este
nici pozitiv definită, nici negativ definită.
Pentru a găsi baza în care se obţine această formă canonică, luăm vectorul e′1 = c11 e1
şi determinăm scalarul c11 ∈ R din condiţia

A(e′1 , e1 ) = 1 ⇒ c11 = 1.

Cu alte cuvinte, avem

e′1 = e1 = (1, 0, 0).
Considerăm apoi e′2 = c21 e1 + c22 e2 şi determinăm scalarii c21 , c22 ∈ R din sistemul

A(e′2 , e1 ) = 0 c21 + 8c22 = 0 1 1

⇒ ⇒ c21 = , c22 = − .
A(e′2 , e2 ) = 1 8c21 + 8c22 =1 7 56

Cu alte cuvinte, avem

1 1 1 1
e′2 = e1 − e2 = ,− ,0 .
7 56 7 56

148 FORME PĂTRATICE

 În final, considerăm e′3 = c31 e1 + c32 e2 + c33 e3 şi determinăm scalarii c31 , c32 , c33 ∈ R
din sistemul
 

 A(e′3 , e1 ) = 0 
 c + 8c32 + 2c33 = 0
  31
A(e′3 , e2 ) = 0 ⇒ 8c31 + 8c32 + 2c33 = 0 ⇒

 

 A(e′ , e ) = 1  2c + 2c + c = 1
3 3 31 32 33
1
⇒ c31 = 0, c32 = − , c33 = 2.
2
Cu alte cuvinte, avem

1 1
e′3 = − e2 + 2e3 = 0, − , 2 .
2 2

(b) Matricea în baza canonică a formei pătratice Q este

 
1 −4 −8
A =  −4 7 −4 
−8 −4 1

iar determinanţii corespunzători sunt

1 −4 −8
1 −4
∆1 = 1, ∆2 = = −9, ∆3 = −4 7 −4 = −729.
−4 7
−8 −4 1

Prin urmare, forma canonică este

2 1 ′ 2 1 ′ 2
Q(x′ ) = (x′1 ) − (x2 ) + (x ) .
9 81 3
Signatura formei pătratice Q este σ(Q) = (2, 1, 0), adică forma pătratică nu este
nici pozitiv definită, nici negativ definită.
Luăm vectorul e′1 = c11 e1 şi determinăm scalarul c11 ∈ R din condiţia

A(e′1 , e1 ) = 1 ⇒ c11 = 1.

Cu alte cuvinte, avem

e′1 = e1 = (1, 0, 0).
Considerăm acum e′2 = c21 e1 + c22 e2 şi determinăm scalarii c21 , c22 ∈ R din sistemul

A(e′2 , e1 ) = 0 c21 − 4c22 = 0 4 1

⇒ ⇒ c21 = − , c22 = − .
A(e′2 , e2 ) =1 −4c21 + 7c22 =1 9 9

Cu alte cuvinte, avem

4 1 4 1
e′2 = − e1 − e2 = − ,− ,0 .
9 9 9 9

PROBLEME REZOLVATE 149

 În final, considerăm vectorul e′3 = c31 e1 + c32 e2 + c33 e3 şi determinăm scalarii
c31 , c32 , c33 ∈ R din sistemul
 

 A(e′3 , e1 ) = 0 
 c − 4c32 − 8c33 = 0
  31
A(e′3 , e2 ) = 0 ⇒ −4c31 + 7c32 − 4c33 = 0 ⇒

 

 A(e′ , e ) = 1  −8c − 4c + c = 1
3 3 31 32 33
8 4 1
⇒ c31 = − , c32 = − , c33 = .
81 81 81
Cu alte cuvinte, avem

8 4 1 8 4 1
e′3 = − e1 − e2 + e3 = − , − , .
81 81 81 81 81 81

6. Să se determine valorile parametrului λ ∈ R pentru care formele pătratice de mai

jos sunt pozitiv definite sau negativ definite.

(a) Q : R2 → R, Q(x) = λx21 + (λ + 3)x22 − 4x1 x2 .

(b) Q : R3 → R, Q(x) = λx21 + 8x22 + x23 + 16x1 x2 + 4x1 x3 + 4x2 x3 .

Rezolvare. (a) Matricea în baza canonică a formei pătratice Q este

λ −2
A=
−2 λ + 3

iar determinanţii corespunzători sunt

λ −2
∆1 = λ, ∆2 = = λ2 + 3λ − 4.
−2 λ + 3

Conform criteriului lui Sylvester, forma pătratică Q este pozitiv definită dacă şi
numai dacă
∆1 > 0 λ>0 λ ∈ (0, ∞)
⇔ ⇔ ⇒
∆2 > 0 λ2 + 3λ − 4 > 0 λ ∈ (−∞, −4) ∪ (1, ∞)

⇒ λ ∈ (1, ∞).
Forma pătratică Q este negativ definită dacă şi numai dacă

∆1 < 0 λ<0 λ ∈ (−∞, 0)

⇔ ⇔ ⇒
∆2 > 0 λ2 + 3λ − 4 > 0 λ ∈ (−∞, −4) ∪ (1, ∞)

⇒ λ ∈ (−∞, −4).
(b) Matricea în baza canonică a formei pătratice Q este
 
λ 8 2
A= 8 8 2 
2 2 1

150 FORME PĂTRATICE

 iar determinanţii corespunzători sunt

λ 8 2
λ 8
∆1 = λ, ∆2 = = 8(λ − 8), ∆3 = 8 8 2 = 4(λ − 8).
8 8
2 2 1

Conform criteriului lui Sylvester, forma pătratică Q este pozitiv definită dacă şi
numai dacă  
 ∆1 > 0  λ>0
∆2 > 0 ⇔ λ − 8 > 0 ⇒ λ ∈ (8, ∞).
 
∆3 > 0 λ−8>0
Forma pătratică Q este negativ definită dacă şi numai dacă
 
 ∆1 < 0  λ<0
∆2 > 0 ⇔ λ − 8 > 0 ⇒ λ ∈ ∅.
 
∆3 < 0 λ−8<0

7. Utilizând metoda valorilor proprii, să se găsească forma canonică şi signatura for-
melor pătratice de mai jos. Care dintre aceste forme pătratice sunt pozitiv definite
şi care sunt negativ definite? Să se precizeze baza ortonormată în care se obţine
forma canonică respectivă.

(a) Q : R3 → R, Q(x) = −x21 + x22 − 5x23 + 6x1 x3 + 4x2 x3 .

(b) Q : R3 → R, Q(x) = 3x21 + 6x22 + 3x23 − 4x1 x2 − 8x1 x3 − 4x2 x3 .

Rezolvare. (a) Matricea în baza canonică a formei pătratice Q este

 
−1 0 3
A= 0 1 2 .
3 2 −5

Valorile proprii ale matricii A sunt soluţiile ecuaţiei caracteristice

−1 − λ 0 3
0 1−λ 2 = 0 ⇔ λ(λ − 2)(λ + 7) = 0,
3 2 −5 − λ

adică avem valorile proprii λ1 = 0, λ2 = 2 şi λ3 = −7. Prin urmare, forma canonică
a formei pătratice Q este
2 2
Q(x′ ) = 2 (x′2 ) − 7 (x′3 ) .

Signatura formei pătratice Q este σ(Q) = (1, 1, 1), adică forma pătratică nu este
nici pozitiv definită, nici negativ definită.
Subspaţiul propriu asociat valorii proprii λ1 = 0 este
      
 −1 0 3 x 0 
Vλ1 = (x, y, z) ∈ R3  0 1 2   y  =  0  =
 
3 2 −5 z 0
= {(3z, −2z, z) | z ∈ R}.

PROBLEME REZOLVATE 151

 O bază a subspaţiului propriu Vλ1 este B1 = {f1 = (3, −2, 1)}.
Subspaţiul propriu asociat valorii proprii λ2 = 2 este
      
 −3 0 3 x 0 
3
Vλ2 = (x, y, z) ∈ R  0 −1 2   y  =  0  =
 
3 2 −7 z 0
= {(z, 2z, z) | z ∈ R}.

O bază a subspaţiului propriu Vλ2 este B2 = {f2 = (1, 2, 1)}.

Subspaţiul propriu asociat valorii proprii λ3 = −7 este
      
 6 0 3 x 0 
Vλ3 = (x, y, z) ∈ R3  0 8 2   y  =  0  =
 
3 2 2 z 0
"8 x 9 #
= x, , −2x x∈R .
2
O bază a subspaţiului propriu Vλ3 este B3 = {f3 = (2, 1, −4)}.
Baza în care se obţine forma canonică a lui Q este baza ortonormată B ′ = {e′1 , e′2 , e′3 },
unde
f1 1
e′1 = = √ (3, −2, 1),
||f1 || 14
f2 1
e′2 = = √ (1, 2, 1),
||f2 || 6
f3 1
e′3 = = √ (2, 1, −4).
||f3 || 21
Cu alte cuvinte, transformarea ortogonală
 √ √ √ 
  3/ 14 1/ 6 2/ 21  ′ 
x1  √ √ √  x1
 x2  =  −2/ 14 2/ 6 1/ 21   x′2 
 
x3 √ √ √ x′3
1/ 14 1/ 6 −4/ 21

conduce la forma canonică a formei pătratice Q.

(b) Matricea în baza canonică a formei pătratice Q este
 
3 −2 −4
A =  −2 6 −2  .
−4 −2 3

Valorile proprii ale matricii A sunt soluţiile ecuaţiei caracteristice

3 − λ −2 −4
−2 6 − λ −2 = 0 ⇔ (λ − 7)2 (λ + 2) = 0,
−4 −2 3 − λ

adică avem valorile proprii λ1 = 7 şi λ2 = −2, de multiplicitate algebrică m1 = 2 şi

m2 = 1. Prin urmare, forma canonică a formei pătratice Q este
2 2 2
Q(x′ ) = 7 (x′1 ) + 7 (x′2 ) − 2 (x′3 ) .

152 FORME PĂTRATICE

 Signatura formei pătratice Q este σ(Q) = (2, 1, 0), adică forma pătratică nu este
nici pozitiv definită, nici negativ definită.
Subspaţiul propriu asociat valorii proprii λ1 = 7 este
      
 −4 −2 −4 x 0 
Vλ1 = (x, y, z) ∈ R3  −2 −1 −2   y  =  0  =
 
−4 −2 −4 z 0
= {(x, −2x − 2z, z) | x, z ∈ R}.

O bază neortonormată a subspaţiului propriu Vλ1 este

B1 = {f1 = (1, −2, 0), f2 = (0, −2, 1)}.

Subspaţiul propriu asociat valorii proprii λ2 = −2 este

      
 5 −2 −4 x 0 
Vλ2 = (x, y, z) ∈ R3  −2 8 −2   y  =  0  =
 
−4 −2 5 z 0
= {(2y, y, 2y) | y ∈ R}.

O bază a subspaţiului propriu Vλ2 este B2 = {f3 = (2, 1, 2)}.

Ortonormând prin procedeul Gram-Schmidt baza B = {f1 , f2 , f3 }, găsim baza orto-
normată B ′ = {e′1 , e′2 , e′3 }, unde
√
5
e′1 = (1, −2, 0),
5
√
5
e′2 = (−4, −2, 5),
15
1
e′3 = (2, 1, 2),
3

în care se obţine forma canonică a lui Q. Cu alte cuvinte, transformarea ortogonală

√
 √ 
  5/5 −4 5/15 2/3  ′ 
x1  √ √  x1
 x2  =  −2 5/5 −2 5/15 1/3   x′2 
 
x3 √ x′3
0 5 5/15 2/3

conduce la forma canonică a formei pătratice Q.

8. Fie Q : R3 → R o formă pătratică exprimată în baza canonică prin

Q(x) = 5x21 + 6x22 + 4x23 − 4x1 x2 − 4x1 x3 .

Utilizând metodele Gauss, Jacobi şi a valorilor proprii, să se reducă Q la forma
canonică (fără a se preciza neapărat bazele în care se obţin acestea) şi apoi să se
verifice Legea de inerţie.

PROBLEME REZOLVATE 153

 Rezolvare. Metoda lui Gauss: Deoarece în expresia lui Q avem pătrate, formăm
pătrate perfecte şi obţinem

Q(x) = 6x22 − 4x1 x2 + 5x21 + 4x23 − 4x1 x3 =

2
= 6 x22 − x1 x2 + 5x21 + 4x23 − 4x1 x3 =
3
78 :
x1 92 x21
= 6 x2 − − + 5x21 + 4x23 − 4x1 x3 =
3 9
8 x1 92 13
= 6 x2 − + 4x23 − 4x1 x3 + x21 =
3 3
8 x1 92 8 x1 92 10 2
= 6 x2 − + 4 x3 − + x1 .
3 2 3
Efectuând schimbarea de coordonate
 x1

 x′1 = x2 −

 3
′ x1
 x2 = x3 −

 2
 ′
x3 = x1 ,

găsim forma canonică

2 2 10 ′ 2
Q(x′ ) = 6 (x′1 ) + 4 (x′2 ) + (x ) .
3 3
Signatura formei pătratice Q este σ(Q) = (3, 0, 0), adică forma pătratică este pozitiv
definită.
Metoda lui Jacobi: Matricea în baza canonică a formei pătratice Q este
 
5 −2 −2
A =  −2 6 0 
−2 0 4

iar determinanţii corespunzători sunt

5 −2 −2
5 −2
∆1 = 5, ∆2 = = 26, ∆3 = −2 6 0 = 80.
−2 6
−2 0 4

Prin urmare, forma canonică este

1 ′′ 2 5 ′′ 2 13 ′′ 2
Q(x′′ ) = (x1 ) + (x ) + (x ) .
5 26 2 40 3
Signatura formei pătratice Q este σ(Q) = (3, 0, 0), adică forma pătratică este pozitiv
definită.
Metoda valorilor proprii: Valorile proprii ale matricii A sunt soluţiile ecuaţiei ca-
racteristice
5 − λ −2 −2
−2 6 − λ 0 = 0 ⇔ (λ − 2)(λ − 5)(λ − 8) = 0,
−2 0 4−λ

154 FORME PĂTRATICE

 adică avem valorile proprii λ1 = 2, λ2 = 5 şi λ3 = 8. Prin urmare, forma canonică
a formei pătratice Q este
2 2 2
1 ) + 5 (x2 ) + 8 (x3 ) .
Q(x′′′ ) = 2 (x′′′ ′′′ ′′′

Signatura formei pătratice Q este σ(Q) = (3, 0, 0), adică forma pătratică este pozitiv
definită.

4.5 Probleme propuse

1. Să se studieze care dintre următoarele aplicaţii sunt biliniare şi simetrice:

(a) A : R2 × R2 → R, A (x, y) = 2x1 y1 − 3x2 y2 + 7x1 y2 + 7x2 y1 .

(b) A : R × R → R,
3 3
A (x, y) = x1 y3 + x2 y2 − 3x3 y1 .
(c) A : R × R → R,
3 3
A (x, y) = x21 y2 + x3 y1 .

R. (a) Biliniară şi simetrică. (b) Biliniară, dar nesimetrică. (c) Nici biliniară, nici
simetrică.
2. Fie A : R3 × R3 → R o aplicaţie biliniară şi simetrică, a cărei expresie analitică în
baza canonică este A(x, y) = 2x1 y2 + 2x2 y1 − 3x3 y3 .

(a) Să se scrie matricea lui A în baza canonică şi în baza

B ′ = {e′1 = (1, 1, 0), e′2 = (1, 0, 1), e′3 = (0, 1, 1)}.

(b) Să se determine forma pătratică asociată lui A.

   
0 2 0 4 2 2
R. (a) A =  2 0 0  , A = ′  2 −3 −1 .
0 0 −3 2 −1 −3
(b) Q(x) = A(x, x) = 4x1 x2 − 3x23 .

3. Pentru formele pătratice Q : Rn → R de mai jos, să se determine formele biliniare

şi simetrice din care provin, precum şi matricea lor în baza canonică:

(a) Q : R2 → R, Q(x) = 4x21 − 6x1 x2 + 5x22 .

(b) Q : R3 → R, Q(x) = x21 + 4x1 x2 + 4x1 x3 + 5x22 + 12x2 x3 + 7x23 .
(c) Q : R4 → R, Q(x) = 2x21 + 3x22 + x24 + 2x1 x2 + 4x2 x3 − x3 x4 .

4 −3
R. (a) A(x, y) = 4x1 y1 − 3x1 y2 − 3x2 y1 + 5x2 y2 ; A = .
−3 5

(b) A(x, y) = x1 y1 + 2x1 y2 + 2x2 y1 + 2x1 y3 + 2x3 y1 + 5x2 y2 + 6x2 y3 + 6x3 y2 + 7x3 y3 ;
 
1 2 2
A =  2 5 6 .
2 6 7

PROBLEME PROPUSE 155

 1 1
(c) A(x, y) = 2x1 y1 + 3x2 y2 + x4 y4 + x1 y2 + x2 y1 + 2x2 y3 + 2x3 y2 − x3 y4 − x4 y3 ;
2 2
 
2 1 0 0
 1 3 2 0 
A= .
 0 2 0 −1/2 
0 0 −1/2 1
4. Formele pătratice Q : Rn → R de mai jos sunt date în baza canonică B a lui Rn . Să
se scrie aceste forme în baza B ′ = {e′1 , e′2 , ..., e′n } ⊂ Rn , în cazurile:

(a) Q : R2 → R, Q(x) = 25x21 − 14x1 x2 + 2x22 , unde e′1 = e1 + e2 , e′2 = −e1 + e2 .

(b) Q : R3 → R, Q(x) = x21 + 2x1 x2 − x1 x3 − x22 + 2x2 x3 + x23 , unde

e′1 = 2e1 − e3 , e′2 = −e1 + 2e2 − e3 , e′3 = −e2 + e3 .

√ √
(c) Q : R3 → R, Q(x) = 5x21 + 5x22 + 3x23 + 2x1 x2 + 2 2x1 x3 + 2 2x2 x3 , unde
√ √ √
e′1 = e1 + e2 − 2 2e3 , e′2 = e1 − e2 , e′3 = 2e1 + 2e2 + e3 .

(d) Q : R4 → R, Q(x) = x1 x2 + x2 x3 + x3 x4 , unde

e′1 = e1 + e2 + e3 + e4 , e′2 = e2 + e3 + e4 , e′3 = e3 + e4 , e′4 = e4 .

R. (a) Q(x′ ) = 13 (x′1 )2 − 46x′1 x′2 + 41 (x′2 )2 .

(b) Q(x′ ) = 7 (x′1 )2 − 11 (x′2 )2 − 2 (x′3 )2 + 3x′1 x′2 − 6x′1 x′3 + 11x′2 x′3 .
(c) Q(x′ ) = 20 (x′1 )2 + 8 (x′2 )2 + 35 (x′3 )2 .
(d) Q(x′ ) = 3 (x′1 )2 + 2 (x′2 )2 + (x′3 )2 + 5x′1 x′2 + 3x′1 x′3 + x′1 x′4 + 3x′2 x′3 + x′2 x′4 + x′3 x′4 .

5. Utilizând metoda lui Gauss, să se găsească forma canonică şi signatura formelor
pătratice de mai jos. Care dintre aceste forme pătratice sunt pozitiv definite şi care
sunt negativ definite?

(a) Q : R2 → R, Q(x) = x21 − x1 x2 − x22 .

(b) Q : R2 → R, Q(x) = −16x21 + 24x1 x2 − 9x22 .
(c) Q : R3 → R, Q(x) = x21 + 2x1 x2 + 9x22 + 4x1 x3 + 19x23 .
(d) Q : R3 → R, Q(x) = 9x21 − 12x1 x2 − 6x1 x3 + 4x22 + 4x2 x3 + x23 .
(e) Q : R3 → R, Q(x) = 8x21 + 16x1 x2 + 8x22 + 4x1 x3 + 4x2 x3 + x23 .
(f) Q : R3 → R, Q(x) = x1 x2 − x1 x3 + 2x2 x3 .
(g) Q : R → R,
4
Q(x) = x1 x2 + 2x2 x3 − 3x3 x4 .

5 ′ 2 x2
R. (a) Q(x′ ) = (x′1 )2 − (x2 ) , unde x′1 = x1 − ; x′2 = x2 .
4 2
′ 2
(b) Q(x ) = − (x1 ) , unde x1 = 4x1 − 3x2 ; x2 = x2 .
′ ′ ′

29 ′ 2 x3
(c) Q(x′ ) = (x′1 )2 + 8 (x′2 )2 + (x3 ) , unde x′1 = x1 + x2 + 2x3 ; x′2 = x2 − ;
2 4
x′3 = x3 .
(d) Q(x′ ) = (x′1 )2 , unde x′1 = 3x1 − 2x2 − x3 ; x′2 = x2 ; x′3 = x3 .

156 FORME PĂTRATICE

 1 ′ 2 x3
(e) Q(x′ ) = 8 (x′1 )2 +(x2 ) , unde x′1 = x1 + x2 + ; x′2 = x3 ; x′3 = x2 .
2 4
′′ 2 ′′ 2 ′′ 2
(f) Q(x ) = (x1 ) − (x2 ) + 2 (x3 ) , unde
′′

1 1
x′′1 = (x1 + x2 + x3 ) ; x′′2 = (x1 − x2 + 3x3 ) ; x′′3 = x3 .
2 2
2 ′′′ 2 ′′′ 2 ′′′ 2
(g) Q(x′′′ ) = (x′′′
1 ) − (x2 ) − 3 (x3 ) + 3 (x4 ) , unde

x1 x2 x1 x2 1 1
x′′′
1 = + + x3 ; x′′′
2 = − + x3 ; x′′′ ′′′
3 = (x3 + x4 ); x4 = (x3 − x4 ).
2 2 2 2 2 2

6. Utilizând metoda lui Jacobi, să se găsească forma canonică şi signatura formelor
pătratice de mai jos. Care dintre aceste forme pătratice sunt pozitiv definite şi care
sunt negativ definite? Să se precizeze baza în care se obţine forma canonică.

(a) Q : R3 → R, Q(x) = x21 + 3x22 + x23 + 4x1 x2 + 6x1 x3 + 8x2 x3 .

(b) Q : R3 → R, Q(x) = x21 + x22 + x23 − 4x1 x2 − 2x1 x3 − 2x2 x3 .
(c) Q : R4 → R, Q(x) = x21 + x22 + x23 − x24 + 4x2 x3 + 2x2 x4 + 6x3 x4 .
(d) Q : R4 → R, Q(x) = x21 +x22 +4x23 +4x24 +4x1 x3 +2x1 x4 +2x2 x3 +2x2 x4 +6x3 x4 .

1 ′ 2
R. (a) Q(x′ ) = (x′1 )2 − (x′2 )2 − (x ) ;
4 3
1
B′ = e′1 = (1, 0, 0), e′2 = (2, −1, 0), e′3 = − (1, −2, 1) .
4

1 ′ 2 1 ′ 2
(b) Q(x′ ) = (x′1 )2 − (x ) + (x3 ) ;
3 2 3
1 1
B′ = e′1 = (1, 0, 0), e′2 = − (2, 1, 0), e′3 = − (1, 1, −1) .
3 3

1 ′ 2 3 ′ 2
(c) Q(x′ ) = (x′1 )2 + (x′2 )2 − (x ) − (x4 ) ;
3 3 5
1 1
B′ = e′1 = (1, 0, 0, 0), e′2 = (0, 1, 0, 0), e′3 = (0, 2, −1, 0), e′4 = (0, 5, −1, −3) .
3 5

1 ′ 2
(d) Q(x′ ) = (x′1 )2 + (x′2 )2 − (x′3 )2 + (x ) ;
2 4
1
B′ = e′1 = (1, 0, 0, 0), e′2 = (0, 1, 0, 0), e′3 = (2, 1, −1, 0), e′4 = (−1, −1, 0, 1) .
2

7. Să se determine valorile parametrului λ ∈ R pentru care formele pătratice de mai

jos sunt pozitiv definite sau negativ definite:

(a) Q : R2 → R, Q(x) = x21 + (λ + 3)x22 − 2(λ + 1)x1 x2 .

(b) Q : R2 → R, Q(x) = −9x21 + 6λx1 x2 − x22 .

PROBLEME PROPUSE 157

 (c) Q : R3 → R, Q(x) = x21 + x22 + λx23 − 2x1 x2 − 4x1 x3 .
(d) Q : R3 → R, Q(x) = (4 −λ)x21 +(4 −λ)x22 − (2+λ)x23 +4x1 x2 − 8x1 x3 +8x2 x3 .

R. (a) Q pozitiv definită ⇔ λ ∈ (−2, 1); Q negativ definită ⇔ λ ∈ ∅.

(b) Q pozitiv definită ⇔ λ ∈ ∅; Q negativ definită ⇔ λ ∈ (−1, 1).
(c) Q pozitiv definită ⇔ λ ∈ ∅; Q negativ definită ⇔ λ ∈ ∅.
(d) Q pozitiv definită ⇔ λ ∈ (−∞, −6); Q negativ definită ⇔ λ ∈ (6, ∞).

8. Utilizând metoda valorilor proprii, să se găsească forma canonică şi signatura for-
melor pătratice de mai jos. Care dintre aceste forme pătratice sunt pozitiv definite
şi care sunt negativ definite? Să se precizeze baza ortonormată în care se obţine
forma canonică respectivă.

(a) Q : R2 → R, Q(x) = 5x21 + 5x22 + 4x1 x2 .

(b) Q : R3 → R, Q(x) = 2x1 x2 + 2x1 x3 + 2x2 x3 .
(c) Q : R4 → R, Q(x) = 2x1 x2 − 6x1 x3 − 6x2 x4 + 2x3 x4 .

1 1
R. (a) Q(x′ ) = 3 (x′1 )2 + 7 (x′2 )2 ; B ′ = e′1 = √ (1, −1), e′2 = √ (1, 1) .
2 2
(b) Q(x′ ) = 2 (x′1 )2 − (x′2 )2 − (x′3 )2 ;

1 1 1
B′ = e′1 = √ (1, 1, 1), e′2 = √ (1, 0, −1), e′3 = √ (−1, 2, −1) .
3 2 6

(c) Q(x′ ) = 4 (x′1 )2 − 4 (x′2 )2 + 2 (x′3 )2 − 2 (x′4 )2 ;

1 1 1
B′ = e′1 = (−1, −1, 1, 1), e′2 = (1, −1, 1, −1), e′3 = (−1, 1, 1, −1),
2 2 2
1
e′4 = (1, 1, 1, 1) .
2

9. Fie forma pătratică Q : R3 → R, Q(x) = x21 + x22 + x23 + x1 x2 + x1 x3 + x2 x3 .

Utilizând metodele Gauss, Jacobi şi a valorilor proprii, să se reducă Q la forma
canonică (precizându-se baza în care se obţine aceasta) şi apoi să se verifice Legea
de inerţie.
3 2
Ind. Metoda lui Gauss: Q(x′ ) = (x′1 )2 + (x′2 )2 + (x′3 )2 ;
4 3
4 3
Metoda lui Jacobi: Q(x′′ ) = (x′′1 )2 + (x′′2 )2 + (x′′3 )2 ;
3 2
2 1 2 1 ′′′ 2
Metoda valorilor proprii: Q(x′′′ ) = 2 (x′′′
1) + (x′′′
2) + (x ) .
2 2 3

158 FORME PĂTRATICE

5. GEOMETRIE ANALITICĂ LINIARĂ îN
SPAŢIU

5.1 Coordonatele unui punct din spaţiu

Cu ajutorul spaţiului vectorilor liberi V3 putem introduce riguros matematic noţiunea

de coordonate ale unui punct arbitrar M din spaţiul tridimensional al geometriei ele-
mentare E3 . Pentru aceasta să fixăm baza canonică B = {i, j, k} în spaţiul vectorial real
al vectorilor liberi V3 şi să considerăm că această bază este legată într-un punct fixat O
al spaţiului tridimensional al geometriei elementare E3 .

Definiţia 5.1.1 Ansamblul

R = {O; i, j, k}
se numeşte reperul cartezian canonic al spaţiului tridimensional al geometriei elemen-
tare E3 . Dreptele directoare ale versorilor i, j şi k sunt axele Ox, Oy şi Oz ale unui sistem
de coordonate Oxyz în spaţiul tridimensional al geometriei elementare E3 (aceste axe au
acelaşi sens cu al versorilor i, j şi k) iar punctul O este originea sistemului de coordonate
Oxyz.

Definiţia 5.1.2 Spunem că un punct M din spaţiul tridimensional al geometriei ele-
mentare E3 are coordonatele carteziene (x, y, z) ∈ R3 în reperul cartezian canonic
R = {O; i, j, k} dacă vectorul de poziţie OM se descompune după formula

OM = xi + yj + zk.

Observaţia 5.1.3 Coordonatele carteziene (x, y, z) ale punctului M reprezintă lungimile

proiecţiilor ortogonale ale vectorului de poziţie OM pe cele trei axe de coordonate: Ox, Oy
şi Oz.

Punctul M (x, y, z) din spaţiul E3

GEOMETRIE ANALITICĂ LINIARĂ îN SPAŢIU 159

Exemplul 5.1.4 Să considerăm un cub [OABCO′ A′ B ′ C ′ ], având muchiile de lungime
l > 0, şi să legăm în vârful O baza canonică B = {i, j, k} astfel încât direcţiile şi sensurile
versorilor i, j şi k să coincidă cu ale muchiilor cubului OA, OB şi OO′ .
Este evident că punctul O este originea sistemului de axe. Vectorul de poziţie al acestei
origini este OO = 0 şi deci punctul O are coordonatele O(0, 0, 0).
Deoarece vectorul de poziţie OA este coliniar cu i şi are lungimea ||OA|| = l, rezultă
că avem
OA = li.
Prin urmare, coordonatele vârfului A sunt A(l, 0, 0).
Deoarece vectorul de poziţie OB (resp. OO′ ) este coliniar cu j (resp. k) şi are lungimea
||OB|| = l (resp. ||OO′ || = l), rezultă că avem

OB = lj (resp. OO′ = lk).

Prin urmare, coordonatele vârfurilor B şi O ′ sunt B(0, l, 0) şi O′ (0, 0, l).
Coordonatele vârfului C se determină considerând vectorul de poziţie OC care, con-
form regulii paralelogramului, este

OC = OA + OB = li + lj.

Prin urmare, vârful C are coordonatele C(l, l, 0). Prin analogie, vârful A′ are coordonatele
A′ (l, 0, l) iar vârful B ′ are coordonatele B ′ (0, l, l).
Vectorul de poziţie OC ′ (diagonala cubului) se descompune, conform regulii paralelo-
gramului, în
OC ′ = OC + OO′ = OA + OB + OO′ = li + lj + lk.
Prin urmare, vârful C ′ are coordonatele C ′ (l, l, l).

Cu ajutorul noţiunii de coordonate ale unui punct din spaţiu se pot descrie ecuaţiile
planelor în spaţiu, a dreptelor în spaţiu sau, cu alte cuvinte, se poate dezvolta o întreagă
geometrie analitică în spaţiu. În continuare, vom considera fixat reperul cartezian canonic

R = {O; i, j, k}

în spaţiul tridimensional al geometriei elementare E3 . Cu alte cuvinte, vom considera

fixat sistemul de coordonate Oxyz în spaţiul tridimensional al geometriei elementare E3 .

5.2 Plane orientate în spaţiu

Din perspectiva geometriei analitice în spaţiu, un plan în spaţiu este considerat ca plan
orientat (plan cu faţă ). Acest lucru înseamnă că pentru a identifica un plan P în spaţiu
este necesar să fixăm o orientare (faţă ) a planului P . Această orientare (faţă) fixată ne
arată din ce semispaţiu este privit planul P sau care faţă a planului P este considerată
vizibilă. Pentru a fixa o orientare (faţă) a planului P este suficient să fixăm un vector
liber nenul n care să fie perpendicular pe planul P . Un asemenea vector liber nenul n,
care este perpendicular pe planul P , se numeşte vector normal la planul P . Prin definiţie,
sensul vectorului normal n fixează orientarea (faţa) planului P . Referitor la reprezentarea
intuitivă a planului P , orientat în spaţiu, sunt evidente următoarele afirmaţii:

160 GEOMETRIE ANALITICĂ LINIARĂ îN SPAŢIU

 1. alegerea unui vector normal n la planul P este echivalentă cu alegerea unei orientări
(feţe);
2. alegerea unui sens de rotaţie în planul P este echivalentă cu alegerea unui vector
normal n la planul P . Acest lucru este adevărat deoarece considerăm, prin definiţie,
că vectorul normal n la planul P are sensul determinat de sensul de rotaţie din
planul P prin regula burghiului.
3. planul P are două orientări (feţe). Orientarea (faţa) care corespunde sensului vec-
torului normal n se notează cu (+) iar orientarea (faţa) opusă se notează cu (−).

Orientarea unui plan P în spaţiu

5.2.1 Planul determinat de un punct şi un vector normal

Să considerăm că M0 (x0 , y0 , z0 ) este un punct fixat în spaţiul E3 şi că
n = Ai + Bj + Ck,
unde A2 + B 2 + C 2 = 0, este un vector liber nenul dat din V3 . Atunci, există un unic plan
P , care trece prin punctul M0 şi este perpendicular pe vectorul liber n (vectorul liber n
este un vector normal la planul P ).

Planul P determinat de punctul M0 şi vectorul normal n

Pentru a descrie ecuaţia planului P să considerăm că M (x, y, z) este un punct arbitrar
al planului P . Este evident că apartenenţa M ∈ P este echivalentă cu condiţia
M0 M ⊥ n ⇔ M0 M, n = 0.
Folosind definiţia coordonatelor unui punct în spaţiu, împreună cu regula triunghiului,
obţinem relaţia
M0 M = M0 O + OM = OM − OM0 = (x − x0 )i + (y − y0 )j + (z − z0 )k.

PLANE ORIENTATE îN SPAŢIU 161

Prin urmare ecuaţia vectorială M0 M , n = 0 se transcrie, la nivel de coordonate carte-
ziene, ca ecuaţia în R3 :
P : A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0.

Definiţia 5.2.2 Ecuaţia de mai sus se numeşte ecuaţia planului P determinat de

punctul M0 (x0 , y0 , z0 ) şi vectorul normal n(A, B, C). Dreapta D, care trece prin punc-
tul M0 şi care este paralelă cu vectorul normal n, se numeşte normala la planul P .

Observaţia 5.2.3 Prelucrând membrul stâng al ecuaţiei precedente şi folosind notaţia
not
D = −Ax0 − By0 − Cz0 ,
ecuaţia planului de mai sus se transcrie ca ecuaţia carteziană:
P : Ax + By + Cz + D = 0,
unde A2 + B 2 + C 2 = 0.
Ecuaţia precedentă se numeşte ecuaţia generală a unui plan.
Evident, vectorul normal la planul P (definit de ecuaţia generală anterioară) este dat
de vectorul liber nenul
n = Ai + Bj + Ck.
Cu alte cuvinte, coeficienţii A, B şi C ai lui x, y şi z din ecuaţia generală a unui plan P
determină coordonatele vectorului normal n la planul P .

5.2.2 Planul determinat de un punct şi doi vectori liberi

Este cunoscut din geometria sintetică euclidiană faptul că două drepte concurente
determină un plan. În consecinţă, în geometria analitică în spaţiu un plan P este unic
determinat de un punct M0 (x0 , y0 , z0 ) şi doi vectori liberi necoliniari şi nenuli: u(l1 , m1 , n1 )
şi v(l2 , m2 , n2 ).

Planul P determinat de punctul M0 şi vectorii liberi u şi v

Să considerăm că M (x, y, z) este un punct arbitrar al planului P . Este evident că
punctul M aparţine planului P determinat de punctul M0 (x0 , y0 , z0 ) şi vectorul normal
n = u × v.
Ţinând seama de definiţia produsului vectorial a doi vectori liberi, rezultă că coordo-
natele (A, B, C) ale vectorului normal n la planul P sunt
m1 n1 l n l1 m1
A= , B=− 1 1 şi C = .
m2 n2 l2 n2 l2 m2

162 GEOMETRIE ANALITICĂ LINIARĂ îN SPAŢIU

 Prin urmare, folosind ecuaţia carteziană a unui plan ce trece printr-un punct fixat
M0 (x0 , y0 , z0 ) şi care are vectorul normal n(A, B, C) dat, obţinem ecuaţia carteziană
m1 n1 l1 n1 l1 m1
P : (x − x0 ) − (y − y0 ) + (z − z0 ) = 0.
m2 n2 l2 n2 l2 m2

Ţinând cont acum de descompunerea după prima linie a unui determinant de ordin
trei, observăm că ecuaţia carteziană de mai sus se poate restrânge sub forma mai simplă
de determinant de ordin trei:
x − x0 y − y0 z − z0
P : l1 m1 n1 = 0.
l2 m2 n2

5.2.3 Planul determinat de trei puncte necoliniare

Este cunoscut din geometria sintetică euclidiană faptul că trei puncte necoliniare
M1 (x1 , y1 , z1 ), M2 (x2 , y2 , z2 ) şi M3 (x3 , y3 , z3 )
determină un unic plan P = (M1 M2 M3 ) în spaţiu.

Planul P = (M1 M2 M3 )

Să considerăm că punctul M (x, y, z) este un punct arbitrar al planului P = (M1 M2 M3 ).
Este evident că punctul M aparţine planului P determinat de punctul M1 (x1 , y1 , z1 ) şi
vectorii liberi necoliniari
M1 M2 (x2 − x1 , y2 − y1 , z2 − z1 ) şi M1 M3 (x3 − x1 , y3 − y1 , z3 − z1 ).
Prin urmare, folosind ecuaţia carteziană a unui plan determinat de un punct şi doi
vectori liberi necoliniari, rezultă că ecuaţia carteziană a planului P este
x − x1 y − y1 z − z1
P : x2 − x1 y2 − y1 z2 − z1 = 0.
x3 − x1 y3 − y1 z3 − z1

Ţinând cont acum de descompunerea după ultima ultima coloană a unui determinant
de ordin patru şi de proprietăţile determinanţilor, observăm că ecuaţia carteziană de mai
sus se poate restrânge sub forma mai simplă de determinant de ordin patru:
x y z 1
x1 y1 z1 1
P : = 0.
x2 y2 z2 1
x3 y3 z3 1

PLANE ORIENTATE îN SPAŢIU 163

 Ca o consecinţă imediată a ecuaţiei anterioare, obţinem că condiţia necesară şi sufi-
cientă ca patru puncte în spaţiu

M1 (x1 , y1 , z1 ), M2 (x2 , y2 , z2 ), M3 (x3 , y3 , z3 ) şi M4 (x4 , y4 , z4 )

să fie coplanare este

x1 y1 z1 1
x2 y2 z2 1
= 0.
x3 y3 z3 1
x4 y4 z4 1

5.3 Drepte orientate în spaţiu

Ca şi în cazul planelor, în geometria analitică în spaţiu dreptele sunt considerate ca

drepte orientate (drepte cu sens de parcurs). Acest lucru înseamnă că pentru a identifica
o dreaptă D în spaţiu este necesar să fixăm o orientare (un sens de parcurs) a dreptei D.
Pentru a fixa o orientare (un sens de parcurs) a dreptei D este suficient să fixăm un vector
liber nenul a a cărui dreaptă suport să fie exact dreapta D. Un asemenea vector liber
nenul a se numeşte vector director al dreptei D. Prin definiţie, sensul vectorului director
a fixează orientarea (sensul de parcurs) dreptei D. Referitor la reprezentarea intuitivă a
dreptei D orientate în spaţiu sunt evidente următoarele afirmaţii:

1. alegerea unui vector director a pe dreapta D este echivalentă cu alegerea unei ori-
entări (unui sens de parcurs);

2. dreapta D are două orientări (sensuri de parcurs). Orientarea (sensul de parcurs)

care corespunde sensului vectorului director a se notează cu (+) iar orientarea (sen-
sul de parcurs) opusă se notează cu (−).

5.3.1 Dreapta determinată de un punct şi o direcţie

Să descriem acum ecuaţiile dreptei în spaţiu D, care trece punctul M0 (x0 , y0 , z0 ) şi
este orientată (direcţionată) de un vector liber nenul a(l, m, n).

Drepta determinată de punctul M0 şi vectorul director a

Este evident că un punct arbitrar M(x, y, z) din spaţiu se află pe dreapta D dacă şi
numai dacă vectorul liber M0 M este coliniar cu vectorul director a.

164 GEOMETRIE ANALITICĂ LINIARĂ îN SPAŢIU

 Ţinând cont de regula triunghiului şi de definiţia coordonatelor unui punct în spaţiu,
rezultă că avem relaţiile
M0 M = M0 O + OM = OM − OM0 = r − r0 = (x − x0 )i + (y − y0 )j + (z − z0 )k.
Condiţia de coliniaritate a vectorului liber M0 M cu vectorul director a se reduce la
existenţa unui parametru t ∈ R cu proprietatea că
M0 M = ta.
Scriind această egalitate vectorială la nivel de coordonate, obţinem ecuaţiile parametrice
ale dreptei D: 

 x = x0 + lt,

D: y = y0 + mt,


 z = z + nt,
0

unde t ∈ R. Eliminând parametrul t ∈ R din ecuaţiile parametrice de mai sus, obţinem

ecuaţiile carteziene ale dreptei D:
x − x0 y − y0 z − z0
D: = = ,
l m n
unde l2 +m2 +n2 = 0. Coeficienţii l, m şi n care determină orientarea dreptei D se numesc
parametrii directori ai dreptei D.
Observaţia 5.3.2 Rapoartele care intervin în ecuaţiile carteziene ale dreptei D au un
caracter formal în sensul că, dacă la numitor avem vreun parametru director egal cu zero,
atunci obligatoriu numărătorul corespunzător este şi el egal cu zero.
Să notăm acum cu α, β şi γ unghiurile directoare formate de vectorul director a cu
versorii i, j şi k.

Unghiurile directoare α, β şi γ

Observaţia 5.3.3 Unghiurile directoare α, β şi γ măsoară gradul de înclinare a dreptei

D faţă de axele Ox, Oy şi Oz.
Din definiţia unghiului format de doi vectori liberi deducem că avem următoarele
cosinusuri directoare:
a, i l
cos α = =√ ,
||a|| · i l 2 + m2 + n 2
a, j m
cos β = =√ ,
||a|| · j l + m2 + n2
2

a, k n
cos γ = =√ .
||a|| · k l2 + m2 + n2

DREPTE ORIENTATE îN SPAŢIU 165

Evident, acestea verifică relaţia

cos2 α + cos2 β + cos2 γ = 1.

Prin urmare, înmulţind ecuaţiile carteziene ale dreptei D cu factorul nenul

√
l 2 + m2 + n 2 ,

deducem că ecuaţiile carteziene ale dreptei D pot fi rescrise sub forma echivalentă
x − x0 y − y0 z − z0
D: = = .
cos α cos β cos γ

5.3.2 Dreapta determinată de două puncte distincte

Este cunoscut din geometria sintetică euclidiană că două puncte distincte M1 (x1 , y1 , z1 )
şi M2 (x2 , y2 , z2 ) determină o unică dreaptă în spaţiu D = M1 M2 .

Dreapta D = M1 M2

Pentru a descrie ecuaţiile carteziene ale dreptei D = M1 M2 , să observăm că dreapta
D este dreapta care trece prin punctul M1 (x1 , y1 , z1 ) şi este orientată de vectorul director

M1 M2 = M1 O + OM2 = OM2 − OM1 = (x2 − x1 )i + (y2 − y1 )j + (z2 − z1 )k.

Prin urmare, ţinând cont de expresiile ecuaţiilor unei drepte determinate de un punct şi
un vector director, deducem că ecuaţiile carteziene ale dreptei D = M1 M2 sunt
x − x1 y − y1 z − z1
D: = = .
x2 − x1 y2 − y1 z2 − z1

5.3.3 Dreapta determinată ca intersecţia a două plane

Este cunoscut din cadrul geometriei sintetice euclidiene că intersecţia a două plane
neparalele este o dreaptă. În acest context, fie P1 şi P2 două plane neparalele, de ecuaţii

P1 : A1 x + B1 y + C1 z + D1 = 0 şi P2 : A2 x + B2 y + C2 z + D2 = 0.

Condiţia de neparalelism a planelor P1 şi P2 este echivalentă cu condiţia

A1 B1 C1
rang = 2.
A2 B2 C2

166 GEOMETRIE ANALITICĂ LINIARĂ îN SPAŢIU

 Deoarece planele P1 şi P2 sunt neparalele, rezultă că intersecţia lor determină o unică
dreaptă D = P1 ∩ P2 , determinată de ecuaţiile carteziene
A1 x + B1 y + C1 z + D1 = 0
D = P1 ∩ P2 :
A2 x + B2 y + C2 z + D2 = 0.

Dreapta D = P1 ∩ P2

Este evident că dacă vectorii liberi n1 (A1 , B1 , C1 ) şi n2 (A2 , B2 , C2 ) reprezintă vectorii
normali la planele P1 şi P2 atunci vectorul liber a = n1 × n2 reprezintă vectorul director
al dreptei D = P1 ∩ P2 . Deoarece avem
i j k
B1 C1 A1 C1 A1 B1
a = n1 × n2 = A1 B1 C1 = i− j+ k,
B2 C2 A2 C2 A2 B2
A2 B2 C2
rezultă că parametrii directori l, m şi n ai dreptei D = P1 ∩ P2 sunt
B1 C1 A1 C1 A1 B1
l= , m=− şi n = .
B2 C2 A2 C2 A2 B2

În acest context, rezultă că ecuaţiile carteziene ale dreptei D = P1 ∩ P2 au forma

x − x0 y − y0 z − z0
= = ,
B1 C1 A1 C1 A1 B1
−
B2 C2 A2 C2 A2 B2
unde (x0 , y0 , z0 ) este o soluţie arbitrară a sistemului de ecuaţii care determină dreapta
D = P1 ∩ P2 (i.e. coordonatele unui punct arbitrar M0 al dreptei D = P1 ∩ P2 ).

5.4 Fascicole de plane

Fie P1 şi P2 două plane neparalele, arbitrare în spaţiu, care au ecuaţiile

P1 : A1 x + B1 y + C1 z + D1 = 0 şi P2 : A2 x + B2 y + C2 z + D2 = 0.

Definiţia 5.4.1 Mulţimea tuturor planelor de ecuaţie

π α,β : α (A1 x + B1 y + C1 z + D1 ) + β (A2 x + B2 y + C2 z + D2 ) = 0,
unde α, β ∈ R, α2 + β 2 = 0, se numeşte fascicolul de plane determinat de planele P1
şi P2 .

FASCICOLE DE PLANE 167

Observaţia 5.4.2 Fascicolul de plane π α,β reprezintă toate planele din spaţiu care trec
prin dreapta d = P1 ∩ P2 . În aplicaţii, pentru comoditate, cel mai adesea se foloseşte însă
fascicolul de plane
π λ : A1 x + B1 y + C1 z + D1 + λ (A2 x + B2 y + C2 z + D2 ) = 0,
unde λ ∈ R.

Definiţia 5.4.3 Mulţimea tuturor planelor de ecuaţie

π λ : Ax + By + Cz + λ = 0,
unde λ ∈ R, se numeşte fascicolul de plane paralele cu planul
π : Ax + By + Cz + D = 0.

5.5 Unghiuri în spaţiu

Deoarece planele şi dreptele în spaţiu sunt definite ca figuri geometrice orientate, putem
introduce în mod riguros noţiunile de unghi dintre două plane orientate, dintre o dreaptă
orientată şi un plan orientat şi dintre două drepte orientate.

5.5.1 Unghiul dintre două plane orientate

Să considerăm că

P1 : A1 x + B1 y + C1 z + D1 = 0 şi P2 : A2 x + B2 y + C2 z + D2 = 0,
unde A2i + Bi2 + Ci2 = 0, ∀ i ∈ {1, 2}, sunt două plane orientate arbitrare în spaţiu.
Atunci, vectorii normali la planele P1 şi P2 sunt
n1 (A1 , B1 , C1 ) şi n2 (A2 , B2 , C2 ).
Prin definiţie, unghiul dintre planele orientate P1 şi P2 este dat de unghiul ϕ ∈ [0, π]
format de vectorii normali n1 şi n2 . Acest unghi se determină prin formula
n1 , n2 A1 A2 + B1 B2 + C1 C2
cos ϕ = = .
||n1 || · ||n2 || A21 + B12 + C12 · A22 + B22 + C22

Unghiul dintre planele orientate P1 şi P2

168 GEOMETRIE ANALITICĂ LINIARĂ îN SPAŢIU

Observaţia 5.5.2 Prin definiţia utilizată în geometria sintetică euclidiană, unghiul di-
edru format de planele P1 şi P2 este unghiul plan θ ∈ [0, π], care se obţine secţionând
planele P1 şi P2 cu un plan perpendicular pe dreapta de intersecţie D = P1 ∩ P2 . Unghiul
θ este însă congruent (θ = ϕ) sau suplementar (θ+ϕ = 180◦ ) cu unghiul ϕ, ca unghiuri
cu laturile perpendiculare.

Observaţia 5.5.3 Planele P1 şi P2 sunt perpendiculare (P1 ⊥ P2 ) dacă şi numai dacă:

n1 ⊥ n2 ⇔ n1 , n2 = 0 ⇔ A1 A2 + B1 B2 + C1 C2 = 0.

Observaţia 5.5.4 Planele P1 şi P2 sunt paralele neconfundate (P1 P2 ) dacă şi numai
dacă:
A1 B1 C1 D1
n1 este coliniar cu n2 ⇔ = = = .
A2 B2 C2 D2
Observaţia 5.5.5 Planele P1 şi P2 sunt confundate (P1 = P2 ) dacă şi numai dacă:
A1 B1 C1 D1
= = = .
A2 B2 C2 D2
Observaţia 5.5.6 Rapoartele care intervin în observaţiile anterioare au un caracter for-
mal în sensul că, dacă vreun numitor este egal cu zero, atunci şi numărătorul corespun-
zător este egal cu zero.

5.5.2 Unghiul dintre o dreaptă orientată şi un plan orientat

Fie
x − x0 y − y0 z − z0
D: = = ,
l m n
unde l2 + m2 + n2 = 0, o dreaptă orientată arbitrară în spaţiu şi fie

P : Ax + By + Cz + D = 0,

unde A2 + B 2 + C 2 = 0, un plan orientat arbitrar în spaţiu. Atunci, vectorul director al

dreptei D este a(l, m, n) iar vectorul normal la planul P este n(A, B, C).
Prin definiţie, unghiul dintre dreapta orientată D şi planul orientat P este unghiul
θ ∈ [0, π] format de vectorul normal n cu vectorul director a. Acest unghi se determină
prin formula
n, a Al + Bm + Cn
cos θ = =√ √ .
||n|| · ||a|| A + B 2 + C 2 · l2 + m2 + n2
2

Unghiul dintre dreapta orientată D şi planul orientat P

UNGHIURI îN SPAŢIU 169

Observaţia 5.5.3 În geometria sintetică euclidiană, unghiul format de dreapta D şi
planul P este unghiul ϕ ∈ [0, π] dintre dreapta D şi dreapta D′ , unde D′ este proiecţia
dreptei D pe planul P . Unghiul θ este legat de unghiul ϕ prin relaţia θ + ϕ = 90◦ sau
θ = 90◦ + ϕ.

Observaţia 5.5.4 Dreapta D este paralelă cu planul P (D P , caz particular, D ⊂ P )

dacă şi numai dacă:
n, a = 0 ⇔ Al + Bm + Cn = 0.
Cazul particular de incluziune D ⊂ P apare odată cu condiţia suplimentară
Ax0 + By0 + Cz0 + D = 0.

Observaţia 5.5.5 Dreapta D este perpendiculară pe planul P (D ⊥ P ) dacă şi numai

dacă:
A B C
n este coliniar cu a ⇔ = = .
l m n
Observaţia 5.5.6 Rapoartele care intervin în observaţia anterioară au un caracter for-
mal în sensul că, dacă vreun numitor este egal cu zero, atunci şi numărătorul corespun-
zător este egal cu zero.

5.5.3 Unghiul dintre două drepte orientate

Să considerăm că

x − x1 y − y1 z − z1 x − x2 y − y2 z − z2
D1 : = = şi D2 : = = ,
l1 m1 n1 l2 m2 n2
unde li2 + m2i + n2i = 0, ∀ i ∈ {1, 2}, sunt două drepte orientate arbitrare în spaţiu.
Atunci, vectorul director al dreptei D1 este a(l1 , m1 , n1 ) iar vectorul director al dreptei
D2 este b(l2 , m2 , n2 ).
Prin definiţie, unghiul dintre dreapta orientată D1 şi dreapta orientată D2 este unghiul
ϕ ∈ [0, π] format de vectorul director a cu vectorul director b. Acest unghi se determină
prin formula
a, b l1 l2 + m1 m2 + n1 n2
cos ϕ = = .
||a|| · b l12 + m21 + n21 · l22 + m22 + n22

Ughiul format de dreptele orientate D1 şi D2

Observaţia 5.5.4 Dreptele D1 şi D2 sunt perpendiculare (D1 ⊥ D2 ) dacă şi numai dacă:
a ⊥ b ⇔ a, b = 0 ⇔ l1 l2 + m1 m2 + n1 n2 = 0.

170 GEOMETRIE ANALITICĂ LINIARĂ îN SPAŢIU

Observaţia 5.5.5 Dreptele D1 şi D2 sunt paralele (D1 D2 ) dacă şi numai dacă:

l1 m1 n1
a este coliniar cu b ⇔ = = .
l2 m2 n2

Observaţia 5.5.6 Rapoartele care intervin în observaţia anterioară au un caracter for-

mal în sensul că, dacă vreun numitor este egal cu zero, atunci şi numărătorul corespun-
zător este egal cu zero.

5.6 Distanţe în spaţiu

În această secţiune ne propunem să găsim formule pentru determinarea următoarelor

distanţe: distanţa dintre două puncte, distanţa de la un punct la un plan, distanţa de la
un punct la o dreaptă şi distanţa dintre două drepte.

5.6.1 Distanţa dintre două puncte

Fie M1 (x1 , y1 , z1 ) şi M2 (x2 , y2 , z2 ) două puncte arbitrare din spaţiu. Prin definiţie,
distanţa dintre punctele M1 şi M2 este egală cu norma (lungimea) vectorului M1 M2 .
Deoarece vectorul M1 M2 are descompunerea

M1 M2 = M1 O + OM2 = OM2 − OM1 = (x2 − x1 )i + (y2 − y1 )j + (z2 − z1 )k,

deducem că distanţa dintre punctele M1 şi M2 este dată de formula:

! !
d(M1 , M2 ) = !M1 M2 ! = (x2 − x1 )2 + (y2 − y1 )2 + (z2 − z1 )2 .

5.6.2 Distanţa de la un punct la un plan

Să considerăm că P : Ax + By + Cz + D = 0, unde A2 + B 2 + C 2 = 0, este un plan

orientat arbitrar în spaţiu şi M0 (x0 , y0 , z0 ) este un punct din spaţiu exterior planului P .
Evident, vectorul normal la planul P este n(A, B, C).
Construim acum segmentul [M0 M1 ] ⊥ P , unde M1 ∈ P este proiecţia punctului M0 pe
planul P . Atunci, distanţa de la punctul M0 la planul P este egală cu lungimea vectorului
liber M0 M1 , pe care o notăm cu d(M0 , P ).

Distanţa de la punctul M0 la planul P

DISTANŢE îN SPAŢIU 171

Să presupunem că punctul M1 are coordonatele necunoscute M1 (α, β, γ). Atunci, deoarece
punctul M1 aparţine planului P iar vectorul liber
M0 M1 = (α − x0 )i + (β − y0 )j + (γ − z0 )k
este coliniar cu vectorul normal n(A, B, C), rezultă că coordonatele necunoscute α, β şi γ
verifică sistemul 
 Aα + Bβ + Cγ + D = 0
 α − x0 = β − y0 = γ − z0 .
A B C
Rezolvând acest sistem, găsim soluţiile

 A

 α = x0 − 2 2 + C2
(Ax0 + By0 + Cz0 + D)

 A + B


B
β = y0 − 2 (Ax0 + By0 + Cz0 + D)

 A + B2 + C 2



 C
 γ = z0 − (Ax0 + By0 + Cz0 + D).
A + B2 + C2
2

Prin urmare, printr-un calcul direct, deducem că lungimea vectorului M0 M1 este

M0 M1 = (α − x0 )2 + (β − y0 )2 + (γ − z0 )2 =
|Ax0 + By0 + Cz0 + D|
= √ .
A2 + B 2 + C 2
În concluzie, distanţa de la punctul M0 la planul P este determinată de formula:
|Ax0 + By0 + Cz0 + D|
d(M0 , P ) = √ .
A2 + B 2 + C 2

5.6.3 Distanţa de la un punct la o dreaptă

Să considerăm că

x − x0 y − y0 z − z0
D: = = ,
l m n
unde l2 + m2 + n2 = 0, este o dreaptă orientată arbitrară în spaţiu iar A(x1 , y1 , z1 ) este un
punct din spaţiu exterior dreptei D. Evident, dreapta D trece prin punctul M0 (x0 , y0 , z0 )
şi are vectorul director a(l, m, n).
Construim acum segmentul [AA′ ] ⊥ D, unde A′ ∈ D este proiecţia punctului A
pe dreapta D. Atunci, distanţa de la punctul A la dreapta D este egală cu lungimea
segmentului [AA′ ], pe care o notăm cu d(A, D).

Distanţa de la punctul A la dreapta D

172 GEOMETRIE ANALITICĂ LINIARĂ îN SPAŢIU

Segmentul [AA′ ] este însă înălţimea paralelogramului construit pe vectorii liberi

a(l, m, n) şi M0 A(x1 − x0 , y1 − y0 , z1 − z0 ).

Atunci, din formula generală a ariei unui paralelogram şi cea care dă aria paralelogramului
construit pe vectorii liberi a şi M0 A, deducem că formula care dă distanţa de la punctul
A la dreapta D este
a × M0 A
d(A, D) = .
||a||

5.6.4 Distanţa dintre două drepte oarecare din spaţiu

Să considerăm că

x − x1 y − y1 z − z1 x − x2 y − y2 z − z2
D1 : = = şi D2 : = =
l1 m1 n1 l2 m2 n2
unde li2 + m2i + n2i = 0, ∀ i ∈ {1, 2}, sunt două drepte orientate arbitrare în spaţiu.
Evident, dreapta D1 trece prin punctul M1 (x1 , y1 , z1 ) şi are vectorul director a1 (l1 , m1 , n1 )
iar dreapta D2 trece prin punctul M2 (x2 , y2 , z2 ) şi are vectorul director a2 (l2 , m2 , n2 ).
Se ştie din geometria sintetică euclidiană că dreptele D1 şi D2 din spaţiu pot fi con-
fundate, paralele, concurente sau în poziţie generală.
(1) Dacă dreptele D1 şi D2 sunt confundate sau concurente, atunci, prin definiţie,
distanţa dintre dreptele D1 şi D2 este egală cu zero.
(2) Dacă dreptele D1 şi D2 sunt paralele, atunci distanţa dintre dreptele D1 şi D2 este
dată de formula
a1 × M1 M2 a2 × M1 M2
d(D1 , D2 ) = sau d(D1 , D2 ) = .
||a1 || ||a2 ||
(3) Dacă dreptele D1 şi D2 sunt în poziţie generală, atunci există o unică dreaptă
perpendiculară comună a dreptelor D1 şi D2 , notată AB, cu proprietăţile:

A ∈ D1 , B ∈ D2 , A = B, AB ⊥ D1 şi AB ⊥ D2 .

Distanţa dintre dreptele D1 şi D2

Prin definiţie, distanţa dintre dreptele D1 şi D2 este d(D1 , D2 ) = AB . Din figura de
mai sus, rezultă evident că segmentul [AB] este înălţimea paralelipipedului construit pe
vectorii liberi

a1 (l1 , m1 , n1 ), a2 (l2 , m2 , n2 ) şi M1 M2 (x2 − x1 , y2 − y1 , z2 − z1 ).

DISTANŢE îN SPAŢIU 173

Atunci, din formula generală a volumului unei prisme, formula care dă volumul paralelipi-
pedului construit pe vectorii liberi a1 , a2 şi M1 M2 şi formula care dă aria paralelogramului
construit pe vectorii a1 şi a2 , deducem că formula care dă distanţa dintre dreptele D1 şi
D2 este
a1 , a2 , M1 M2
d(D1 , D2 ) = .
||a1 × a2 ||

5.6.5 Ecuaţiile carteziene ale perpendicularei comune

În contextul anterior, este important de subliniat faptul că perpendiculara comună

AB a dreptelor D1 şi D2 (aflate în poziţie generală), are vectorul director dat de produsul
vectorial a1 × a2 . Prin urmare, perpendiculara comună AB a dreptelor D1 şi D2 poate fi
privită ca intersecţia dintre planele determinate de (un punct şi doi vectori)

M1 , a1 şi a1 × a2 ,

respectiv
M2 , a2 şi a1 × a2 .
În consecinţă, ţinând cont de forma ecuaţiei unui plan determinat de un punct şi doi
vectori, deducem că ecuaţiile carteziene ale perpendicularei comune AB a dreptelor D1 şi
D2 (aflate în poziţie generală) sunt


 x − x1 y − y1 z − z1



 l1 m1 n1 =0

 l3 m3 n3
AB :

 x − x2 y − y2 z − z2



 l2 m2 n2 = 0,


l3 m3 n3

unde
m1 n1 l1 n1 l1 m1
l3 = , m3 = − şi n3 = .
m2 n2 l2 n2 l2 m2

5.7 Probleme rezolvate

1. Să se calculeze aria şi înălţimea din A pentru triunghiul △ABC determinat de
punctele A (0, 1, 0), B (2, 0, 1) şi C (−1, 0, −4).
Rezolvare. Punctele A, B şi C determină vectorii

AB = OB − OA = 2i − j + k,
AC = OC − OA = −i − j − 4k,
BC = OC − OB = −3i − 5k.

174 GEOMETRIE ANALITICĂ LINIARĂ îN SPAŢIU

 Produsul vectorial al vectorilor AB şi AC este

i j k
AB × AC = 2 −1 1 = 5i + 7j − 3k.
−1 −1 −4

Prin urmare, aria triunghiului △ABC este dată de formula

√
1 83
A△ABC = AB × AC = .
2 2
Înălţimea hA din A se determină din relaţia:

1 ! ! 2AABC 83
A△ABC = · hA · !BC ! ⇔ hA = ! ! = .
2 !BC ! 34

2. Să se calculeze volumul tetraedrului ABCD şi înălţimea din A a acestuia, unde
A (3, 2, −1) , B (4, 3, −1) , C (5, 3, −1) , D (4, 2, 1).
Rezolvare. Punctele A, B, C şi D determină vectorii

AB = OB − OA = i + j,
AC = OC − OA = 2i + j,
AD = OD − OA = i + 2k.

Produsul mixt al vectorilor AB, AC şi AD este

1 1 0
AB, AC, AD = 2 1 0 = −2.
1 0 2

Prin urmare, volumul tetraedrului ABCD este dat de formula

1 1
VABCD = AB, AC, AD = .
6 3
Produsul vectorial al vectorilor BC şi BD este

i j k
BC × BD = 1 0 0 = −2j − k.
0 −1 2

Prin urmare, aria triunghiului △BCD este

√
1 5
A△BCD = BC × BD = .
2 2
Înălţimea din A a tetraedrului ABCD se determină din relaţia:
1 3VABCD 2
VABCD = · hA · A△BCD . ⇔ hA = =√ .
3 A△BCD 5

PROBLEME REZOLVATE 175

 3. Se dau punctele A (3, 1, 0) , B (2, 1, −1) şi C (3, 2, 1). Să se scrie ecuaţia planului:

(a) care trece prin punctele A, B şi C;

(b) care trece prin punctul B şi este paralel cu planul xOy;
(c) care trece prin punctul C şi conţine axa Oz;
(d) care trece prin punctele B, C şi este paralel cu axa Oy.

Rezolvare. (a) Ecuaţia planului care trece prin A, B, C este

x − xA y − yA z − zA
xB − xA yB − yA zB − zA = 0,
xC − xA yC − yA zC − zA

adică
x−3 y−1 z
−1 0 −1 = 0 ⇔ x + y − z − 4 = 0.
0 1 1
(b) Planul căutat are drept normală vectorul k(0, 0, 1). Prin urmare, ecuaţia planului
căutat este z + 1 = 0.
(c) Planul conţine orice două puncte de pe axa Oz. Alegem, pentru comoditate,
punctele O (0, 0, 0) şi M (0, 0, 1). Atunci ecuaţia planului cerut este

x − xO y − yO z − zO
xM − xO yM − yO zM − zO = 0,
xC − xO yC − yO zC − zO

adică
x y z
0 0 1 = 0 ⇔ 2x − 3y = 0.
3 2 1
(d) Planul căutat este determinat de punctul B şi direcţiile BC(1, 1, 2) şi j(0, 1, 0).
Prin urmare, ecuaţia planului căutat este

x−2 y−1 z+1

1 1 2 = 0 ⇔ 2x − z − 5 = 0.
0 1 0

4. Să se scrie ecuaţia planului care trece prin punctul M (2, 0, 1) şi care este perpen-
dicular pe planele π 1 : x + y + z = 0 şi π 2 : x − 2y + 3z = 1.
Rezolvare. Fie π planul căutat. Deoarece planul π este perpendicular pe π 1 şi π 2 ,
rezultă că el este paralel cu normalele la acestea, şi anume, n1 (1, 1, 1) şi n2 (1, −2, 3).
Prin urmare, planul π este planul determinat de punctul M şi direcţiile n1 şi n2 ,
adică
x−2 y z−1
π: 1 1 1 = 0 ⇔ 5x − 2y − 3z − 7 = 0.
1 −2 3

176 GEOMETRIE ANALITICĂ LINIARĂ îN SPAŢIU

 5. Să se scrie ecuaţia unui plan paralel cu planul
P : x + y + z = 3,
şi care trece prin mijlocul segmentului [M1 M2 ], unde M1 (1, 3, 2) şi M2 (−1, 3, 4).
Rezolvare. Mijlocul segmentului [M1 M2 ] este punctul
x1 + x2 y1 + y2 z1 + z2
M , , = M (0, 3, 3).
2 2 2
Planul căutat va avea aceeaşi normală cu planul P , deci ecuaţia sa este
1 · (x − 0) + 1 · (y − 3) + 1 · (z − 3) = 0 ⇔ x + y + z − 6 = 0.

6. Să se scrie ecuaţiile dreptei care trece prin punctul M (1, −1, 1) şi este paralelă cu
dreapta de intersecţie a planelor P1 : x + y = 3 şi P2 : x − z = 1.
Rezolvare. Dreapta de intersecţie a planelor P1 şi P2 are drept vector director
produsul vectorial v = n1 × n2 al normalelor la cele două plane (deoarece dreapta
este perpendiculară pe normalele ambelor plane). Avem
i j k
v = n1 × n2 = 1 1 0 = −i + j − k.
1 0 −1
Dreapta căutată are drept vector director pe v şi conţine punctul M , deci ecuaţiile
ei sunt
x−1 y+1 z−1
= = .
−1 1 −1

7. Găsiţi α, β ∈ R astfel încât dreapta

x y−β z
= =
α 1 2
să fie conţinută în planul x − z = 0 şi să treacă prin punctul M (1, 1, 1).
Rezolvare. O condiţie necesară pentru ca dreapta să fie conţinută în plan este ca
vectorul ei director v să fie perpendicular pe normala la plan n(1, 0, −1). Această
condiţie este echivalentă cu v, n = 0 şi conduce la α = 2.
Înlocuind coordonatele lui M în ecuaţiile dreptei, găsim β = 1/2.
8. Să se scrie ecuaţia planului care trece prin punctul M (2, −1, 1) şi este perpendicular
pe dreapta definită de planele P1 : x + 2y + 2z + 2 = 0 şi P2 : x − y + z + 1 = 0.
Rezolvare. Planul căutat are drept normală dreapta d de intersecţie a planelor P1
şi P2 . Însă vectorul director al dreptei d este
i j k
v = n1 × n2 = 1 2 2 = 4i + j − 3k.
1 −1 1
În concluzie, ecuaţia planului căutat este
4 · (x − 2) + 1 · (y + 1) − 3 · (z − 1) = 0 ⇔ 4x + y − 3z − 4 = 0.

PROBLEME REZOLVATE 177

 9. Să se scrie ecuaţia planului care trece prin mijlocul segmentului [MN ], determinat
de punctele M (1, −1, 2) , N (4, −3, 1), este paralel cu dreapta
x−1 y+1
d: = =z
2 3
şi este perpendicular pe planul P : x − 2y − z − 1 = 0.
Rezolvare. Mijlocul segmentului [M N ] este punctul Q(5/2, −2, 3/2). Planul cău-
tat π va conţine vectorul director al dreptei d şi normala la planul P , adică are
ecuaţia
x − 5/2 y + 2 z − 3/2
π: 2 3 1 = 0 ⇔ −x + 3y − 7z + 19 = 0.
1 −2 −1

10. Să se scrie ecuaţiile dreptei care este conţinută în planul

P : x + 3y + 2z − 2 = 0,
se sprijină pe dreapta d : x = y = z şi este paralelă cu planul
P ′ : 4x − y − z − 3 = 0.

Rezolvare. Dreapta căutată va avea ca vector director produsul vectorial al nor-

malelor la cele două plane, şi anume
i j k
′
v =n×n = 1 3 2 = −i + 9j − 13k.
4 −1 −1
Prin urmare, ecuaţiile dreptei pot fi scrise sub forma
x−α y−β z
= = .
−1 9 −13
Din condiţia ca sistemul

 x−α = y−β = z
−1 9 −13

x=y=z
să fie compatibil, găsim ecuaţia 11α − 6β = 0.
Pe de altă parte, condiţia ca dreapta să fie conţinută în planul P implică relaţia
α + 3β − 2 = 0. Rezolvând sistemul, obţinem valorile α = 4/13 şi β = 22/39.
11. Să se scrie ecuaţia planului care trece prin punctul A (3, 1, −2) şi care conţine dreapta
x−4 y+3 z
d: = = .
5 2 1
Rezolvare. Dreapta d este intersecţia planelor
x − 5z − 4 = 0
d:
y − 2z + 3 = 0.

178 GEOMETRIE ANALITICĂ LINIARĂ îN SPAŢIU

 Fascicolul de plane care trece prin dreapta d este

π λ : x − 5z − 4 + λ (y − 2z + 3) = 0, λ ∈ R.

Condiţia A ∈ π λ implică λ = −9/8. Ecuaţia planului căutat este

π λ=−9/8 : 8x − 9y − 22z − 59 = 0.

12. Fie punctul M (2, 1, 0) şi planul P : 2x + 2y + z = −3. Să se determine:

(a) proiecţia punctului M pe planul P ;

(b) simetricul lui M faţă de planul P ;
(c) distanţa de la punctul M la planul P .

Rezolvare. (a) Perpendiculara din punctul M pe planul P este

x−2 y−1 z
= = .
2 2 1
Proiecţia M ′ a punctului M pe planul P se obţine din intersecţia acestei perpendi-
culare cu planul P . Prin urmare, rezolvând sistemul

 x−2 = y−1 = z
2 2 1

2x + 2y + z = −3,

găsim proiecţia M ′ (0, −1, −1).

(b) Coordonatele simetricului M ′′ al punctului M faţă de planul P se obţin din
relaţiile:
xM + xM ” yM + yM ” zM + zM”
xM ′ = , yM ′ = , zM ′ = .
2 2 2
Prin urmare, avem simetricul M ′′ (−2, −3, −2).
(c) Distanţa de la punctul M la planul P este

|2 · 2 + 2 · 1 + 1 · 0 + 3|
d(M, P ) = √ = 3.
22 + 22 + 12

13. Să se determine aplicaţia liniară care transformă un punct P (x, y, z) ∈ R3 în sime-
tricul său faţă de planul π : x + y + z = 0. Să se arate că aplicaţia liniară astfel
determinată este ortogonală.
Rezolvare. Fie P (α, β, γ) un punct arbitrar din spaţiu. Coordonatele proiecţiei P ′
a punctului P pe planul π sunt soluţiile sistemului

x−α =y−β = z−γ

x + y + z = 0.

PROBLEME REZOLVATE 179

 Prin urmare, avem
2α − β − γ −α + 2β − γ −α − β + 2γ
P′ , , .
3 3 3
Deoarece P ′ este mijlocul segmentului P P ′′ , unde P ′′ este simetricul punctului P
faţă de planul π, rezultă că coordonatele simetricului P ′′ sunt
α − 2β − 2γ −2α + β − 2γ −2α − 2β + γ
P ′′ , , .
3 3 3

În concluzie, aplicaţia liniară căutată este f : R3 → R3 , definită prin

x − 2y − 2z −2x + y − 2z −2x − 2y + z
f(x, y, z) = , , .
3 3 3
Matricea acestui endomorfism în baza ortonormată canonică este
 
1 −2 −2
1
A =  −2 1 −2  .
3
−2 −2 1

Se verifică uşor acum că avem A· T A = I3 , adică aplicaţia liniară este ortogonală.
14. Să se afle coordonatele proiecţiei ortogonale a punctului M (1, 1, 1) pe dreapta
x−1 y+1 z + 12
d: = = .
2 2 −1
Rezolvare. Să considerăm că M ′ (α, β, γ) este proiecţia punctului M pe dreapta d.
Deoarece M ′ ∈ d, obţinem relaţiile
α−1 β+1 γ + 12
= = .
2 2 −1
Vectorul MM ′ (α − 1, β − 1, γ − 1) este perpendicular pe vectorul director v(2, 2, −1)
al dreptei d. Prin urmare, avem
M M ′ ⊥ v ⇔ M M ′ , v = 0 ⇔ 2(α − 1) + 2(β − 1) − (γ − 1) = 0.
Rezolvând sistemul, găsim α = −1, β = −3, γ = −11.
15. Să se scrie ecuaţia planului care trece prin dreapta
x−1 y−1 z−2
d: = =
0 1 2
şi este perpendicular pe planul P : x + y + z = 0.
Rezolvare. Planul căutat va conţine vectorul director al dreptei d şi normala la
planul P . Totodată el va trece prin orice punct al dreptei d, spre exemplu, prin
punctul A (1, 1, 2). Prin urmare, ecuaţia planului căutat este
x−1 y−1 z−2
0 1 2 = 0 ⇔ −x + 2y − z + 1 = 0.
1 1 1

180 GEOMETRIE ANALITICĂ LINIARĂ îN SPAŢIU

 16. Să se scrie ecuaţiile dreptei care trece prin punctul A (3, 1, −1) şi se sprijină pe
dreptele:
x y−2 x+1 y z
(a) = = z − 1 şi = = ;
1 3 2 −1 4
x−1 =0
(b) şi x = −t, y = 2t + 1, z = 3t, t ∈ R.
x + 3y − z = 3

Rezolvare. Totalitatea dreptelor din spaţiu, care trec prin punctul


 x−3=0
A: y−1 =0

z + 1 = 0,

este dată de familia de drepte

x − 3 = λ (y − 1)
dλµ : λ, µ ∈ R∗ .
x − 3 = µ (z + 1) ,

(a) Din condiţia ca sistemele

 

 x − 3 = λ (y − 1) 
 x − 3 = λ (y − 1)

 

x − 3 = µ (z + 1) şi x − 3 = µ (z + 1)
 
 x+1 = y = z
 
 x = y−2 =z−1
 
1 3 2 −1 4
să fie compatibile, se găsesc două ecuaţii din care rezultă λ = 7/2 şi µ = −14/5.
(b) Cazul al doilea se tratează analog.
17. Să se găsească pe dreapta

x+y+z−1 =0
3x − y + 4z − 29 = 0

un punct egal depărtat de punctele A (0, 0, 0) şi B (2, 1, 2).

Rezolvare. Punctul căutat se găseşte la intersecţia dreptei date cu planul mediator
al segmentului [AB]. Planului mediator al segmentului [AB] este planul care trece
prin mijlocul M (1, 1/2, 1) al segmentului [AB] şi are direcţia normală AB(2, 1, 2).
Prin urmare, planul mediator al segmentului [AB] are ecuaţia
1
2(x − 1) + 1 · y − + 2(z − 1) = 0 ⇔ 4x + 2y + 4z − 9 = 0.
2
Rezolvând acum sistemul


 x+y+z−1=0

3x − y + 4z − 29 = 0


 4x + 2y + 4z − 9 = 0,

găsim punctul P (−25/2, −5/2, 16).

PROBLEME REZOLVATE 181

 18. Să se calculeze distanţa de la punctul A(1, 2, 2) la dreapta

x−1 y+1 z+1

d: = = .
−5 3 3

Rezolvare. Punctul A1 (1, −1, −1) aparţine dreptei d iar v(−5, 3, 3) este vectorul
director al dreptei d. Rezultă că avem

i j k
AA1 × v = 0 −3 −3 = 15j − 15k.
−5 3 3

Prin urmare, distanţa de la punctul A la dreapta d este:

! ! √ √
!AA1 × v! 225 + 225 450 2
d(A, d) = =√ = √ = 15 .
v 25 + 9 + 9 43 43

19. Să se scrie ecuaţia perpendicularei comune a dreptelor

x−1 y−3 z x y z−1
d1 : = = şi d2 : = = .
2 1 0 −1 2 1
Rezolvare. Perpendiculara comună a dreptelor d1 şi d2 se găseşte la intersecţia
dintre planul determinat de A1 , v 1 , v 1 × v2 şi planul determinat de A2 , v2 , v 1 × v 2 .
Deoarece avem
i j k
v1 × v2 = 2 1 0 = i − 2j + 5k,
−1 2 1
rezultă că ecuaţiile perpendicularei comune sunt


 x−1 y−3 z



 2 1 0 =0

 1 −2 5 x − 2y − z + 5 = 0
⇐⇒

 x y z−1 2x + y = 0.



 −1 2 1 =0


1 −2 5

20. Să se calculeze distanţa dintre dreptele

x+y =4 x−2 y−3 z

d1 : şi d2 : = = .
x − 2y + z = −5 1 2 0

Rezolvare. Direcţiile dreptelor d1 şi d2 sunt v 1 (1, −1, −3) şi v 2 (1, 2, 0), iar produsul
lor vectorial este
i j k
v 1 × v 2 = 1 −1 −3 = 6i − 3j + 3k.
1 2 0

182 GEOMETRIE ANALITICĂ LINIARĂ îN SPAŢIU

 Punctul A1 (1, 3, 0) aparţine dreptei d1 şi punctul A2 (2, 3, 0) aparţine dreptei d2 .
Produsul mixt al vectorilor A1 A2 , v1 şi v 2 este

1 0 0
A1 A2 , v 1 , v 2 = 1 −1 −3 = 6,
1 2 0

ceea ce implică √
A1 A2 , v1 , v2 6 6
d(d1 , d2 ) = = √ = .
v1 × v2 3 6 3

21. Să se determine α şi β ∈ R astfel încât planele

π 1 : x + 2y − z = α,
π 2 : αx = 3,
π 3 : x + βy + z = 0

(a) să se intersecteze după o dreaptă;

(b) să se intersecteze într-un punct;
(c) să formeze o prismă.

Rezolvare. (a) Trebuie ca sistemul


 x + 2y − z = α
αx = 3

x + βy + z = 0

să fie compatibil simplu nedeterminat, adică trebuie să avem



 1 2 −1



 α 0 0 =0

 1 β 1
α(β + 2) = 0
⇔

 1 2 α α2 β − 3β + 6 = 0.



 α 0 3 =0


1 β 0
√
Rezultă α = 0 şi β = 2 (Nu convin! De ce?) sau α = ± 6 şi β = −2.
(b) Sistemul de mai sus trebuie să fie compatibil determinat, adică trebuie să avem

1 2 −1
α 0 0 = 0 ⇒ α ∈ R\{0}, β ∈ R\{−2}.
1 β 1

(c) Deoarece cele trei plane sunt două câte două neparalele, condiţia necesară şi
suficientă ca ele să formeze o prismă este ca cele trei plane să nu aibă nici un
punct comun. Cu alte cuvinte, sistemul
√ format din ecuaţiile planelor trebuie să fie
incompatibil. Rezultă α ∈ R\{0, ± 6} şi β = −2.

PROBLEME REZOLVATE 183

 22. Să se determine simetrica dreptei
x−1 y z−2
d: = =
4 1 −2
faţă de planul xOy.
Rezolvare. Pentru a determina simetrica dreptei d faţă de planul xOy, construim
simetricele a două puncte de pe dreapta d faţă de acest plan. Pentru comoditate,
pe unul dintre puncte îl alegem la intersecţia dreptei d cu planul xOy, adică luăm
punctul M (5, 1, 0) (deoarece simetricul lui M faţă de plan este tot punctul M). Fie,
acum, punctul N (1, 0, 2) ∈ d. Simetricul lui N faţă de planul xOy este N ′ (1, 0, −2).
În concluzie, dreapta căutată este
x−1 y z+2
N ′M : = = .
4 1 2

5.8 Probleme propuse

1. Să se calculeze aria şi înălţimile triunghiului △ABC, unde A (1, −2, 1) , B (2, 1, −1)
şi C (3, 2, −6).
√
182 182 182 182
R. A△ABC = ; hA = ; hB = ; hC = .
2 27 69 14
2. Se dau punctele A (1, −5, 4) , B (0, −3, 1) , C (−2, −4, 3) , D (4, 4, −2). Să se cal-
culeze volumul tetraedrului ABCD şi înălţimile acestuia.
R. VABCD = 15/2; hA = 3. Analog, folosind formula volumului unui tetraedru, se
calculează şi celelalte înălţimi.
3. Se consideră punctele A (a, 0, 0) , B (0, b, 0) , C (0, 0, c), unde a, b, c ∈ R. Să se arate
că avem
1√ 4
A△ABC ≤ a + b4 + c4 .
2
În ce condiţii are loc egalitatea?
R. Aria triunghiului este
1√ 2 2
A△ABC = a b + a2 c2 + b2 c2 .
2
Aplicăm acum inegalitatea Cauchy-Buniakovski-Schwarz. Rezultă că avem egalitate
pentru a2 = b2 = c2 .

4. Să se determine ecuaţia planului care trece prin punctul M (−1, 1, 0) şi taie pe axele
de coordonate segmente cu lungimile proporţionale cu numerele 2, 3 şi 4.
R. 6x + 4y + 3z + 2 = 0.

5. Fie triunghiul △AM C determinat de punctele A (0, 2, 0) , M (3, 2, 1) şi C (0, 1, 2).
Să se scrie ecuaţiile:

184 GEOMETRIE ANALITICĂ LINIARĂ îN SPAŢIU

 (a) înălţimii din A;
(b) medianei din M ;
(c) mediatoarei laturii [AM ].

x y−2 z x 2y − 3 z−1 3x + z − 5 = 0
R. (a) = = ; (b) = = ; (c)
9 −8 19 3 1 0 x − 6y − 3z + 12 = 0.

6. Un mobil M se deplasează în spaţiu pe traiectoria dată de


 x = 2t + 1
y = −t

z = t + 3.

Să se scrie ecuaţiile carteziene ale acestei traiectorii. Să se determine momentul t la
care mobilul se află în planul x + y + z = 0.
x−1 y z−3
R. = = ; t = −2.
2 −1 1
7. Să se scrie ecuaţiile proiecţiei dreptei

x−1 y+1 z−2

d: = =
2 3 5
pe planul π : 3x − 2y + z − 4 = 0.
x+y−z+2 =0
R. Prπ d :
3x − 2y + z − 4 = 0.

8. Să se scrie ecuaţia planului π care este paralel cu planul

P : 3x + 5y + z = 0

şi care trece prin punctul M (2, 0, 5).

R. π : 3x + 5y + z − 11 = 0.

9. Să se determine coordonatele simetricului punctului M (2, −1, −1) faţă de dreapta

x−1 y+1 z
d: = = .
2 3 1
R. Prd M = M ′′ (2/7, −4/7, 8/7).

10. Să se determine simetrica dreptei

x−1 y−2 z
d: = =
2 −1 3

faţă de planul P : 2x − y + z = 0.
x−1 y−2 z
R. = = .
−10 5 1

PROBLEME PROPUSE 185

 11. Să se scrie ecuaţiile proiecţiei ortogonale a dreptei

x+y+z+3=0
d:
2x − 3y − z = 0

pe planul P : 3x + 2y − z − 2 = 0.
−7x + 13y + 5z + 3 = 0
R. PrP d :
3x + 2y − z − 2 = 0.

12. Fie aplicaţia f : R2 → R3 definită prin f (x, y) = proiecţia punctului P (x, y, 0) pe

planul π : 3x − y − 2z = 0. Să se arate că f este aplicaţie liniară şi să se calculeze
ker f şi Im f . Să se determine defectul şi rangul lui f.
5x + 3y 3x + 13y 3x − y
R. f(x, y) = , , ;
14 14 7
ker f = {(0, 0)}, dimR ker f = 0;
Im f = {(a, 3a − 2c, c) | a, c ∈ R}, dimR Im f = 2.

13. Să se găsească unghiul dintre dreptele

x−1 y z−4 y=3

d1 : = = şi d2 : .
−2 2 1 x + 2y + 2z = 1.
√
R. cos ϕ = − 5/3.

14. Calculaţi unghiul pe care îl face planul π : 2x + 2y − z − 3 = 0 cu dreapta

x y z
d: = = .
0 3 4
R. cos θ = 2/15.

15. Să se afle unghiul dintre planele P : x + y + 2z = 1 şi Q : 2x − y + 2z = 3.

√
R. cos ϕ = 5 6/18.

16. Fie planul P : x + y + z + 1 = 0 şi dreapta

x − y − 3z + 2 = 0
d:
2x − y + 2z − 3 = 0.

(a) Să se scrie ecuaţia planului Q care trece prin dreapta d şi face un unghi de 60◦
cu planul P .
(b) Să se scrie ecuaţia planului R care trece prin dreapta d şi face un unghi de 30◦
cu dreapta
x+1 y−2 z−3
d1 : = = .
−1 2 1
√
9 ± 78
R. (a) Q1,2 : x − y − 3z + 2 + λ1,2 (2x − y + 2z − 3) = 0, unde λ1,2 = .
3
√
51 ± 3 70
(b) R1,2 : x − y − 3z + 2 + λ1,2 (2x − y + 2z − 3) = 0, unde λ1,2 = .
73
186 GEOMETRIE ANALITICĂ LINIARĂ îN SPAŢIU
 17. Să se determine simetricul planului P : 2x+y−2z = 1 faţă de planul Q : x+y+z = 0.
R. π : 4x + y − 8z − 3 = 0.

18. Să se calculeze distanţa de la punctul M (3, −2, 1) la dreapta

x−1 y+2 z−3
d: = = .
1 −2 3
√
R. d(M, d) = 4 21/7.

19. Să se arate că dreptele

x−1 y z x+1 y−1 z+1
d1 : = = şi d2 : = =
−2 3 2 2 3 2
sunt oarecare în spaţiu şi să se determine distanţa dintre ele.
√
R. Dreptele nu sunt nici paralele, nici concurente; d(d1 , d2 ) = 5/ 13.

20. Să se afle locul geometric al dreptelor care se sprijină pe dreapta

d1 : x = y = z

şi sunt paralele cu dreapta

x−1 y−2 z−3
d2 : = = .
2 3 1

R. Locul geometric este planul π : 2x − y − z = 0.

21. Fie un triedru dreptunghic OABC, astfel încât

1 1 1 1
+ + = > 0 (constant).
OA OB OC k
Să se demonstreze că planul ABC trece printr-un punct fix.
R. Punctul fix este P (k, k, k).

22. Să se determine locul geometric al simetricelor punctelor din planul

P1 : x + 2y = 0 faţă de planul P2 : 2x + z = 0.
R. Locul geometric este planul π : 3x − 10y + 4z = 0.

23. Să se arate că planele mediatoare ale muchiilor unui tetraedru sunt concurente.

PROBLEME PROPUSE 187

188 GEOMETRIE ANALITICĂ LINIARĂ îN SPAŢIU
Bibliografie

[1] Atanasiu, Gh., Munteanu, Gh., Postolache, M., Algebră Liniară. Geometrie Analitică
şi Diferenţială. Ecuaţii diferenţiale (Culegere de probleme), Editura Fair Partners,
Bucureşti, 2003.

[2] Atanasiu, Gh., Stoica, E., Algebră Liniară. Geometrie Analitică, Editura Fair Part-
ners, Bucureşti, 2003.

[3] Balan, V., Algebră Liniară, Geometrie Analitică şi Diferenţială, Universitatea "Po-
litehnica" din Bucureşti, 1998.

[4] Balan, V., Algebră Liniară. Geometrie Analitică, Editura Fair Partners, Bucureşti
1999.

[5] Craioveanu, M., Albu, I., Geometrie Afină şi Euclidiană, Editura Facla, Timişoara,
1982.

[6] Ianuş, S., Curs de Geometrie Diferenţială, Universitatea Bucureşti, 1981.

[7] Ianuş, S., Geometrie Diferenţială cu Aplicaţii în Teoria Relativităţii, Editura Acade-
miei Române, Bucureşti, 1983.

[8] Miron, R., Introducere în Geometria Diferenţială, Universitatea "Al. I. Cuza" din
Iaşi, 1971.

[9] Miron, R., Geometrie Analitică, Editura Didactică şi Pedagogică, Bucureşti, 1976.

[10] Munteanu, Gh., Manea, A., Geometrie Analitică, Editura Universităţii "Transilva-
nia" din Braşov, 2007.

[11] Neagu, M., Oană, A., Geometrie Superioară în Plan şi în Spaţiu, Editura Univer-
sităţii "Transilvania" din Braşov, 2008.

[12] Nicolescu, L., Curs de Geometrie, Universitatea Bucureşti, 1990.

[13] Nicolescu, L., Geometrie Diferenţială (Culegere de probleme), Universitatea Bu-

cureşti, 1982.

[14] Obădeanu, V., Elemente de Algebră Liniară şi Geometrie Analitică, Editura Facla,
Timişoara, 1981.

[15] Oproiu, V., Geometrie, Universitatea "Al. I. Cuza" din Iaşi, 1980.

[16] Păun, M., Matematici pentru Silvicultori, Vol. I, Editura Fair Partners, Bucureşti,
2009.

[17] Pitiş, Gh., Curs de Algebră, Geometrie şi Ecuaţii Diferenţiale, Universitatea "Tran-
silvania" din Braşov, 1990.

BIBLIOGRAFIE 189
[18] Radu, C., Algebră Liniară, Geometrie Analitică şi Diferenţială, Editura All, Bu-
cureşti, 1996.

[19] Radu, C., Drăguşin, L., Drăguşin, C., Algebră Liniară. Analiză Matematică. Geome-
trie Analitică şi Diferenţială (Culegere de probleme), Editura Fair Partners, Bu-
cureşti, 2000.

[20] Soare, N., Curs de Geometrie, Universitatea Bucureşti, 1996.

[21] Stoica, E., Neagu, M., Algebră Liniară. Geometrie Analitică şi Diferenţială (Culegere
de probleme), Editura Fair Partners, Bucureşti 2009.

[22] Teleman, K., Geometrie Diferenţială Locală şi Globală, Editura Tehnică, Bucureşti,
1974.

[23] Teleman, K., Metode şi Rezultate în Geometria Diferenţială Modernă, Editura Şti-
inţifică şi Enciclopedică, Bucureşti, 1979.

[24] Turtoi, A., Geometrie, Universitatea Bucureşti, 1985.

[25] Udrişte, C., Algebră Liniară. Geometrie Analitică, Editura Geometry Balkan Press,
Bucureşti, 2000.

[26] Udrişte, C., Geometrie Diferenţială. Ecuaţii Diferenţiale, Editura Geometry Balkan
Press, Bucureşti, 1997.

[27] Vrânceanu, Gh., Geometrie Analitică, Proiectivă şi Diferenţială, Editura Didactică
şi Pedagogică, Bucureşti, 1962.

[28] Vrânceanu, Gh., Mărgulescu, G., Geometrie Analitică, Editura Didactică şi Peda-
gogică, Bucureşti, 1973.

190 BIBLIOGRAFIE