CURSUL 2: TRANSFORMĂRI LINIARE

1. Transformări liniare

Fie V şi W două spaţii vectoriale peste acelaşi corp comutativ, k. Considerăm
o funcţie T : V → W . Vom numi V domeniul funcţiei T şi W codomeniul
funcţiei T . Pentru un element v ∈ V , T (v) se va numi imaginea lui v prin T .
Imaginea aplicaţiei T se notează cu Im(T ) şi este mulţimea tuturor imaginilor
vectorilor din V , i.e.
Im(T ) = {T (v) : v ∈ V }.

Im(T)
V
W

Pentru un element w ∈ W , notăm cu T −1 (w) mulţimea tuturor vectorilor v

din V cu proprietatea că T (v) = w. Vom numi această mulţime preimaginea
vectorului w. Observăm că preimaginea unui element poate sa fie vidă. Acest
lucru se ı̂ntâmplă ı̂n cazul ı̂n care w ∈ W \ Im(T ).

Exemplul 1.1. Fie T : R3 → R2 o funcţie definită prin

T (v) = (v1 − 3v2 + v3 , 2v1 + v2 ),

unde v = (v1 , v2 , v3 ) ∈ R3 . Determinaţi

a. imaginea vectorului v = (−1, 2, 3).

b. imaginea vectorului v = (0, 0, 0).
c. preimaginea vectorului w = (−1, 3).
d. preimaginea vectorului w = (0, 0).

Soluţie. a. T (v) = T (−1, 2, 3) = (−1 − 3 · 2 + 3, 2 · (−1) + 2) = (−4, 0).

b. T (v) = T (0, 0, 0) = (0 − 3 · 0 + 0, 2 · 0 + 0) = (0, 0).

1
2 TRANSFORMĂRI LINIARE
c. Trebuie să determinăm vectorii v = (v1 , v2 , v3 ) cu proprietatea că T (v) =
(−1, 3). Cu alte cuvinte, trebuie să determinăm (dacă există) soluţia sistemului

v − 3v + v = −1
1 2 3
2v1 + v2 = 3.

Notând v2 = α ∈ R, sistemul devine


v + v = −1 + 3α
1 3
2v1 = 3 − α

Soluţia sistemului este 

1
v1 = 2 (3 − α)



v2 = α ∈ R


v3 = 1 (7α − 5)

2

Prin urmare, T −1 (w) = ( 12 (3 − α), α, 12 (7α − 5)) : α ∈ R .



d. Vom proceda ca ı̂n cazul c. Trebuie să determinăm vectorii v = (v1 , v2 , v3 )

cu proprietatea că T (v) = (0, 0). Cu alte cuvinte, trebuie să determinăm soluţia
sistemului 
v − 3v + v = 0
1 2 3
2v1 + v2 = 0.

Notând v2 = α ∈ R, sistemul devine


v + v = 3α
1 3
2v1 = −α

Soluţia sistemului este 

α
v1 = − 2



v2 = α ∈ R


v3 = 7α

2

Prin urmare, T −1 (w) = (− α2 , α, 7α


2
) : α∈R . 

Definiţia 1.2. Fie V şi W două k-spaţii vectoriale şi T : V → W o funcţie.

Funcţia T se numeşte transformare liniară dacă sunt ı̂ndeplinite următoarele
două condiţii:

Anda Olteanu- ANMB

TRANSFORMĂRI LINIARE 3

1. T (u + v) = T (u) + T (v) pentru orice doi vectori u, v ∈ V ;

2. T (αv) = αT (v), pentru orice vector v ∈ V şi orice scalar α ∈ k.

Observaţia 1.3. Trebuie observat că deşi au fost notate la fel, operaţiile din
definiţie sunt diferite. Astfel, dacă ţinem cont de spaţiul vectorial ı̂n care sunt
definite operaţiile, avem

1. T (u +V v) = T (u) +W T (v) pentru orice doi vectori u, v ∈ V ;

2. T (α ·V v) = α ·W T (v), pentru orice vector v ∈ V şi orice scalar α ∈ k.

Exemple evidente de transformări liniare sunt transformarea nulă T : V → W ,

T (v) = 0W , pentru orice v ∈ V şi transformarea identică T : V → V , T (v) = v
pentru orice v ∈ V .
Transformările liniare mai pot fi găsite ı̂n literatura de specialitate şi sub den-
umirea de aplicaţii liniare sau morfisme de spaţii vectoriale.
Putem considera următoarea definiţie echivalentă cu Definiţia 1.2 care combină
cele două condiţii ı̂ntr-una singură:

Definiţia 1.4. Fie V şi W două k-spaţii vectoriale şi T : V → W o funcţie.

Funcţia T se numeşte transformare liniară dacă şi numai dacă

T (αu + βv) = αT (u) + βT (v),

pentru orice doi vectori u, v ∈ V şi orice doi scalari α, β ∈ k

Exemplul 1.5. Funcţia din exemplul precedent, T : R3 → R2 ,

T (v) = (v1 − 3v2 + v3 , 2v1 + v2 ),

unde v = (v1 , v2 , v3 ) ∈ R3 este o aplicaţie liniară. Pentru a demonstra acest

lucru, considerăm u.v ∈ R3 şi α, β ∈ R. Verificăm că este ı̂ndeplinită condiţia
din Definiţia 1.4:
T (αu + βv) = αT (u) + βT (v).
Observăm că

αu + βv = α(u1 , u2 , u3 ) + β(v1 , v2 , v3 ) = (αu1 + βv1 , αu2 + βv2 , αu3 + βv3 ).

Prin urmare

T (αu + βv) = (αu1 + βv1 − 3αu2 − 3βv2 + αu3 + βv3 , 2αu1 + 2βv1 + αu2 + βv2 ) =

Anda Olteanu- ANMB

4 TRANSFORMĂRI LINIARE

= α(u1 − 3u2 + u3 , 2u1 + u2 ) + β(v1 − 3v2 + v3 , 2v1 + v2 ) =

= αT (u) + βT (v).

Exemplul 1.6. Funcţia T : Mn×m (R) → Mm×n (R) definită prin T (A) = At
este o transformare liniară. Pentru a verifica acest lucru, demonstrăm că sunt
ı̂ndeplinite condiţiile din Definiţia 1.2. Fie A, B ∈ Mn×m şi α ∈ R. Atunci
T (A + B) = (A + B)t = At + B t = T (A) + T (B)
şi
T (αA) = (αA)t = αAt = αT (A).

Exemplul 1.7. Funcţia T : P3 → P2 definită prin T (p(x)) = p0 (x) este o transfor-

mare liniară. Pentru a demonstra acest lucru, folosim Definiţia 1.4. Fie α, β ∈ R
şi p, q ∈ P3 . Demonstrăm că
T (αp + βq) = αT (p) + βT (q)
folosind proprietăţile derivatei. Prin urmare
T (αp(x) + βq(x)) = (αp + βq)0 (x) = (αp)0 (x) + (βq 0 )(x) =
= αp0 (x) + βq 0 (x) = αT (p(x)) + βT (q(x)).

Exemplul 1.8. Funcţiile T1 , T2 : R2 → R2 definite prin T1 (v) = (v1 + v2 , 5) şi

T2 (v) = (v12 , v2 ) nu sunt aplicaţii liniare. Într-adevăr, dacă considerăm vectorii
u = (1, 1) şi v = (2, 0) din R2 , observăm că u + v = (3, 1) şi
T1 (u + v) = (4, 5) 6= T1 (u) + T1 (v) = (2, 5) + (2, 5) = (4, 10).
De asemenea
T2 (u + v) = (9, 1) 6= T2 (u) + T2 (v) = (1, 1) + (4, 0) = (5, 1).

Propoziţia 1.9. Fie V şi W două k-spaţii vectoriale şi T : V → W o transfor-

mare liniară. Atunci:

a. T (0V ) = 0W ;
b. T (−v) = −T (v) pentru orice v ∈ V ;
c. T (u − v) = T (u) − T (v) pentru orice doi vectori u, v ∈ V ;
d. Dacă v = α1 v1 + α2 v2 + · · · + αn vn ∈ V , atunci
T (v) = α1 T (v1 ) + α2 T (v2 ) + · · · + αn T (vn ).

Anda Olteanu- ANMB

TRANSFORMĂRI LINIARE 5

Demonstraţie. a. Fie v ∈ V un vector arbitrar. Atunci

T (0V ) = T (0v) = 0T (v) = 0W .

b. Fie v ∈ V un vector arbitrar. Atunci

T (−v) = T ((−1)v) = (−1)T (v) = −T (v).

c. Fie u şi v doi vectori din V . Atunci

T (u − v) = T (u + (−1)v) = T (u) + (−1)T (v) = T (u) − T (v).

d. Se demonstrează imediat prin inducţie. 

Ultima proprietate exprimă faptul că dacă se cunoaşte comportamentul unei

transformări liniare pe vectorii unei baze, atunci se poate determina imaginea
oricărui vector din domeniul transformării liniare.

Exemplul 1.10. Fie T : R3 → R3 o aplicaţie liniară cu proprietatea că

T (1, 0, 0) = (2, −1, 4),

T (0, 1, 0) = (1, 5, −2),

T (0, 0, 1) = (0, 3, 1).

Determinaţi T (4, 5, −2).

Soluţie. Cum (4, 5, −2) = 4(1, 0, 0)+5(0, 1, 0)−2(0, 0, 1), conform Propoziţiei 1.9(d),
avem că
T (4, 5, −2) = 4T (1, 0, 0) + 5T (0, 1, 0) − 2T (0, 0, 1) =

= 4(2, −1, 4) + 5(1, 5, −2) − 2(0, 3, 1) = (13, 15, 4).

În cele ce urmează, ne ı̂ndreptăm atenţia spre operaţii cu aplicaţii liniare.

Propoziţia 1.11. Fie V şi W două k-spaţii vectoriale, γ ∈ k şi S, T : V → W

două aplicaţii liniare. Atunci S + T : V → W şi γT : V → W definite prin
(S + T )(v) = S(v) + T (v) şi (γT )(v) = γT (v), pentru orice v ∈ V sunt aplicaţii
liniare.

Anda Olteanu- ANMB

6 TRANSFORMĂRI LINIARE

Demonstraţie. Fie u, v ∈ V şi α, β ∈ k. Atunci, folosind faptul că S şi T sunt

aplicaţii liniare, avem

(S + T )(αu + βv) = S(αu + βv) + T (αu + βv) =

= αS(u) + βS(v) + αT (u) + βT (v) =

= α(S + T )(u) + β(S + T )(v).

Similar
(γT )(αu + βv) = γT (αu + βv) =

= γ(αT (u) + βT (v)) =

= α(γT )(u) + β(γT )(v).



Observaţia 1.12. Notăm cu L(V, W ) mulţimea tuturor transformărilor liniare

definite de la V la W . Folosind adunarea şi ı̂nmulţirea cu scalari definite ı̂n
propoziţia anterioară, putem organiza L(V, W ) ca un k-spaţiu vectorial.

Propoziţia 1.13. Fie U, V, W k-spaţii vectoriale şi T : U → V , S : V → W

două aplicaţii liniare. Atunci S ◦ T este o aplicaţie liniară.

Demonstraţie. Trebuie să demonstrăm că are loc egalitatea din Definiţia 1.4.
Pentru aceasta, fie v, u ∈ U şi α, β ∈ k. Atunci

(S ◦ T )(αu + βv) = S(T (αu + βv)) = S(αT (u) + βT (v)) =

= αS(T (u)) + βS(T (v)) = α(S ◦ T )(u) + β(S ◦ T )(v).


T
U V S
W

v T(v) S(T(v))

Figure 1. Compunerea transformărilor liniare

Anda Olteanu- ANMB

TRANSFORMĂRI LINIARE 7

2. Nucleul şi imaginea unei transformări liniare

Fie V şi W două k-spaţii vectoriale şi T : V → W o aplicaţie liniară. În

Propoziţia 1.9 am văzut faptul că 0V este dus, prin transformarea T , ı̂n vectorul
0W . Având ı̂n vedere că există vectori ı̂n V care, prin transformarea T , sunt
duşi ı̂n 0W , este firesc să ne punem problema descrierii tuturor vectorilor care au
această proprietate.

Definiţia 2.1. Fie T : V → W o transformare liniară. Mulţimea

ker(T ) = {v ∈ V : T (v) = 0W }
se numeşte nucleul transformării T .
T

W
V

ker(T) 0W

Figure 2. Nucleul transformării T .

Exemplul 2.2. a. Nucleul transformării nule T : V → W , T (v) = 0W este

ı̂ntregul domeniu V , deci ker(T ) = V .
b. Nucleul transformării identice T : V → V , T (v) = v este format doar din
vectorul nul 0V , deci ker(T ) = {0V }.

Exemplele următoare nu mai sunt evidente:

Exemplul 2.3. Fie T : R3 → R3 o transformare liniară definită prin

T (v) = (v1 + v2 + v3 , v2 + v3 , v3 ).
Determinaţi ker(T ).

Soluţie. Fie v ∈ R3 , v = (v1 , v2 , v3 ) astfel ı̂ncât T (v) = (0, 0, 0), echivalent cu

(v1 + v2 + v3 , v2 + v3 , v3 ) = (0, 0, 0). Prin urmare, obţinem sistemul

v1 + v2 + v3 = 0



v2 + v3 = 0


v3 = 0


Anda Olteanu- ANMB

8 TRANSFORMĂRI LINIARE

care are soluţia v1 = v2 = v3 = 0. Prin urmare, ker(T ) = {(0, 0, 0)}. 

Exemplul 2.4. Fie T : R3 → R2 o transformare liniară definită prin T (v) =

(v1 − v2 − 2v3 , −v1 + 2v2 + 3v3 ), unde v = (v1 , v2 , v3 ) ∈ R3 . Determinaţi ker(T ).

Soluţie. Fie v ∈ R3 , v = (v1 , v2 , v3 ) astfel ı̂ncât T (v) = (0, 0), echivalent cu

(v1 − v2 − 2v3 , −v1 + 2v2 + 3v3 ) = (0, 0). Prin urmare, obţinem sistemul

v − v − 2v = 0
1 2 3
.
−v1 + 2v2 + 3v3 = 0

Matricea extinsă asociată sistemului este

 !  !
1 −1 −2 0 L2 +L1 1 −1 −2 0
 ⇐⇒ 
−1 2 3 0 0 1 1 0
deci obţinem sistemul 
v − v − 2v = 0
1 2 3
.
v2 + v3 = 0

Notând v3 = α ∈ R, sistemul devine


v − v = 2α
1 2
v2 = −α

cu soluţia v1 = α, v2 = −α şi v3 = α cu α ∈ R. Prin urmare

ker(T ) = {(α, −α, α) : α ∈ R} = {α(1, −1, 1) : α ∈ R} = L{(1, −1, 1)}.

Se poate observa că, dacă ı̂n Exemplul 2.3, nucleul este format doar din vectorul
nul, ı̂n Exemplul 2.4 nucleul conţine un număr infinit de vectori.

Teorema 2.5. Fie V şi W două k-spaţii vectoriale şi T : V → W o transformare

liniară. Atunci ker(T ) este subspaţiu vectorial ı̂n V .

Demonstraţie. Este evident faptul că ker(T ) ⊆ V . Conform Propoziţiei 1.9, avem
T (0V ) = 0W , deci 0V ∈ ker(T ). Prin urmare, ker(T ) este o mulţime nevidă.
Fie α, β ∈ k şi u, v ∈ ker(T ), echivalent cu T (u) = T (v) = 0W . Pentru a
demonstra că ker(T ) este subspaţiu vectorial ı̂n V este suficient să verificăm că

Anda Olteanu- ANMB

TRANSFORMĂRI LINIARE 9

αu + βv ∈ ker(T ), echivalent cu T (αu + βv) = 0W . Având ı̂n vedere că T este

transformare liniară şi că u, v ∈ ker(T ), obţinem

T (αu + βv) = αT (u) + βT (v) = α · 0W + β · 0W = 0W .


Fiind subspaţiu vectorial, nucleul are o bază. Definim defectul aplicaţiei T ,
şi-l vom nota cu def(T ), ca fiind dimensiunea nucleului, deci def(T ) = dim(ker(T )).
Pentru determinarea unei baze ı̂n nucleul unei transformări liniare se procedează
ca ı̂n exemplul următor:

Exemplul 2.6. Fie T : R5 → R3 definită prin

T (v) = (−v1 + v2 + 2v3 + v4 + v5 , 2v1 + 3v2 + v3 , 2v1 + v2 + 2v3 + v4 ),

unde v = (v1 , . . . , v5 ) ∈ R5 . Determinaţi o bază ı̂n ker(T ).

Soluţie. Fie v = (v1 , . . . , v5 ) ∈ ker(T ), prin urmare T (v) = (0, 0, 0). Obţinem
sistemul 
−v1 + v2 + 2v3 + v4 + v5 = 0



2v1 + 3v2 + v3 = 0


2v1 + v2 + 2v3 + v4 = 0.


Inversând ultimele două ecuaţii ale sistemului, obţinem


−v1 + v2 + 2v3 + v4 + v5 = 0



2v1 + v2 + 2v3 + v4 = 0.


2v1 + 3v2 + v3 = 0.


care are necunoscutele principale v3 , v4 , v5 şi necunoscutele secundare v1 şi v2 .

Renotând necunoscutele secundare v1 = α ∈ R şi v2 = β ∈ R, obţinem sistemul

 2v + v4 + v5 = α − β
 3


2v3 + v4 = −2α − β.


v3 = −2α − 3β.


care are soluţia v3 = −2α − 3β, v4 = 2α + 5β şi v5 = 3α + 2β. Prin urmare,

ker(T ) = {(α, β, −2α − 3β, 2α + 5β, 3α + 2β) : α, β ∈ R} =

= {(α, 0, −2α, 2α, 3α) + (0, β, −3β, 5β, 2β) : α, β ∈ R} =

Anda Olteanu- ANMB

10 TRANSFORMĂRI LINIARE

= {α(1, 0, −2, 2, 3) + β(0, 1, −3, 5, 2) : α, β ∈ R}.

Notând u1 = (1, 0, −2, 2, 3) şi u2 = (0, 1, −3, 5, 2), obţinem că {u1 , u2
} este sistem

1 0
0 1
 
 
de generatori pentru ker(T ). Cum rank([u1 u2 ]) = 2, unde [u1 u2 ] =  −2 −3,

2 5
 

3 2
obţinem că mulţimea {u1 , u2 } este liniar independentă, deci {u1 , u2 } formează o
bază pentru ker(T ) şi def(T ) = dim(ker(T )) = 2. 

La ı̂nceputul capitolului a fost definită noţiunea de imagine a unei funcţii T :

V → W ca fiind

Im(T ) = {w ∈ W : există v ∈ V astfel ı̂ncât T (v) = w} =

= {T (v) : v ∈ V }.

Teorema 2.7. Fie V, W două k-spaţii vectoriale şi T : V → W o transformare

liniară. Imaginea transformării T , Im(T ), este subspaţiu vectorial ı̂n W .

Demonstraţie. Fie w1 , w2 ∈ Im(T ), deci există v1 , v2 ∈ V astfel ı̂ncât T (v1 ) = w1

şi T (v2 ) = w2 . Fie α, β ∈ k. Pentru a demonstra că Im(T ) este subspaţiu
vectorial este suficient să demonstrăm că αw1 + βw2 ∈ Im(T ) deci că există
u ∈ V astfel ı̂ncât T (u) = αw1 + βw2 . Având ı̂n vedere că w1 , w2 ∈ Im(T ) şi că
T este transformare liniară, avem

αw1 + βw2 = αT (v1 ) + βT (v2 ) = T (αv1 + βv2 ) = T (u),

unde u = αv1 + βv2 ∈ V . 

Ca şi ı̂n cazul nucleului unei transformări liniare, şi pentru imaginea trans-
formării avem ı̂n vedere determinarea unei baze. Vom defini rangul trans-
formării liniare T , şi-l vom nota rank(T ), ca fiind dimensiunea spaţiului vec-
torial Im(T ), i.e. rank(T ) = dim(Im(T )).
Pentru a exemplifica modul ı̂n care se poate determina o bază pentru imaginea
unei transformări liniare, vom considera următorul exemplu.

Exemplul 2.8. Fie T : R5 → R4 definită prin

T (v) = (2v1 +2v2 −3v3 +v4 +3v5 , v1 +v2 +v3 +v4 −v5 , 3v1 +3v2 +4v5 , 3v1 +3v2 −v3 −2v4 ),

Anda Olteanu- ANMB

TRANSFORMĂRI LINIARE 11

unde v = (v1 , . . . , v5 ) ∈ R5 . Determinaţi Im(T ) şi rank(T ).

Soluţie. Observăm cu a

(2v1 +2v2 −3v3 +v4 +3v5 , v1 +v2 +v3 +v4 −v5 , 3v1 +3v2 +4v5 , 3v1 +3v2 −v3 −2v4 ) =

= (2v1 , v1 , 3v1 , 3v1 ) + (2v2 , v2 , 3v2 , 3v2 ) + (−3v3 , v3 , 0, −v3 )+

+(v4 , v4 , 0, −2v4 ) + (3v5 , −v5 , 4v5 , 0) =
= v1 (2, 1, 3, 3) + v2 (2, 1, 3, 3) + v3 (−3, 1, 0, −1) + v4 (1, 1, 0, −2) + v5 (3, −1, 4, 0),
unde v1 , . . . , v5 ∈ R. Notând u1 = (2, 1, 3, 3), u2 = (2, 1, 3, 3), u3 = (−3, 1, 0, −1),
u4 = (1, 1, 0, −2) şi u5 = (3, −1, 4, 0) obţinem că Im(T ) = Span(u1 , u2 , u3 , u4 , u5 ).
Pentru a extrage o bază din acest sistem de generatori trebuie să determinăm ran-
gul matricei [u1 u2 u3 u4 u5 ]. Avem că

L − 2L1
   2

2 2 −3 1 3 1 1 1 1 −1 L3 − 3L1
 L4 − 3L1
   
1 1 1 1 −1  L1 ↔L2 2 2 −3 1
 ⇐⇒  3  ⇐⇒
[u1 u2 u3 u4 u5 ] = 
3 3 0
 0 4 

3 3 0
 0 4 

3 3 −1 −2 0 3 3 −1 −2 0

L2 − 2L1
   
L3 − 3L1 1 1 1 1 −1 5L3 − 3L2 1 1 1 1 −1
L4 − 3L1 5L4 − 4L2 4L4 − 7L3
   
0 0 −5 −1 5  0 0 −5 −1 5 
⇐⇒   ⇐⇒   ⇐⇒
0
 0 −3 −3 7  
0
 0 0 −12 20 
0 0 −4 −5 3 0 0 0 −21 −5
 
1 1 1 1 −1
4L4 − 7L3 0 0 −5
 
−1 5 
⇐⇒  .
0 0 0
 −12 20 

0 0 0 0 −160
Observăm că rank([u1 u2 u3 u4 u5 ]) = 4 şi că vectorii u2 , u3 , u4 , u5 sunt liniar
independenţi. Cum u1 este o combinaţie liniară de aceşti vectori, obţinem că
mulţimea {u2 , u3 , u4 , u5 } este o bază pentru Im(T ). Prin urmare, rank(T ) =
dim(Im(T )) = 4. 

Între defectul unei transformări liniare şi rangul acesteia este o strânsă legătură,
descrisă ı̂n următoarea teoremă:

Anda Olteanu- ANMB

12 TRANSFORMĂRI LINIARE

Teorema 2.9 (Teorema dimensiunii). Fie V şi W două k-spaţii vectoriale şi
T : V → W o transformare liniară. Atunci

def(T ) + rank(T ) = dim(V ).

Cu ajutorul nucleului şi al imaginii unei transformări liniare pot fi descrise

proprietăţi ale transformărilor liniare precum injectivitatea şi surjectivitatea.

Teorema 2.10. Fie T : V → W o transformare liniară. Atunci T este funcţie

injectivă dacă şi numai dacă ker(T ) = {0V }.

Proof. “⇒” Presupunem că T este funcţie injectivă şi trebuie să demonstrăm că
ker(T ) = {0V }. Fie v ∈ ker(T ), deci T (v) = 0W . Cum T este injectivă, ecuaţia
T (v) = 0W are o unică soluţie v = 0V .
“⇐” Presupunem că ker(T ) = {0V } şi vrem să demonstrăm că T este injectivă.
Fie u, v ∈ V astfel ı̂ncât T (u) = T (v). Vom arăta că u = v. Egalitatea
T (u) = T (v) implică T (u) − T (v) = 0W . Cum T este transformare liniară,
obţinem că T (u − v) = 0W ceea ce implică u − v ∈ ker(T ). Dar ker(T ) = {0V },
deci u − v = 0V echivalent cu u = v. 

Este cunoscut faptul că o funcţie este surjectivă dacă orice element din codome-
niu este imaginea unui element din domeniu. În consecinţă, următorul rezultat
este imediat.

Teorema 2.11. Fie T : V → W o transformare liniară. Atunci T este funcţie

surjectivă dacă şi numai dacă Im(T ) = W .

În cazul particular ı̂n care domeniul şi codomeniul au aceeaşi dimensiune,
obţinem:

Teorema 2.12. Fie V şi W dous̆ k-spaţii vectoriale cu dim(V ) = dim(W ) = n

şi T : V → W o transformare liniară. Atunci T este funcţie injectivă dacă şi
numai dacă T este surjectivă.

Demonstraţie. Presupunem că T este transformare injectivă, deci conform Teore-

mei 2.10, ker(T ) = {0V }, deci def(T ) = 0. Teorema dimensiunii 2.9 afirmă atunci
că rank(T ) = dim(V ) − def(T ) = n şi cum rank(T ) ≤ n, obţinem rank(T ) = n,
deci Im(T ) = W şi T este surjectivă.

Anda Olteanu- ANMB

TRANSFORMĂRI LINIARE 13

Reciproc, dacă presupunem că T este surjectivă, avem că Im(T ) = W , deci
rank(T ) = n. Aplicând Teorema dimensiunii 2.9, obţinem def(T ) = dim(V ) −
rank(T ) = 0, deci ker(T ) = {0V } şi T este injectivă. 

În cele ce urmează vom avea ı̂n vedere spaţiile vectoriale cu aceeaşi dimensiune.

Definiţia 2.13. Fie V şi W două k-spaţii vectoriale. O transformare liniară

T : V → W se numeşte izomorfism dacă T este injectivă şi surjectivă (T este
bijectivă).

Definiţia 2.14. Fie V şi W două k-spaţii vectoriale. Spunem că V şi W sunt
izomorfe dacă există un izomorfism T : V → W .

Teorema 2.15. Două k-spaţii vectoriale V şi W sunt izomorfe dacă şi numai
dacă au aceeaşi dimensiune.

Demonstraţie. Presupunem că V şi W sunt izomorfe şi dim(V ) = n. Vrem să
demonstrăm că dim(W ) = n. Deoarece V şi W sunt izomorfe, există T : V → W
o transformare liniară care este injectivă şi surjectivă. Cum T este injectivă,
dim(ker(T )) = 0, deci, din Teorema dimensiunii 2.9,

dim(Im(T )) = dim(V ) − dim(ker(T )) = n.

Cum T este surjectivă, Im(V ) = W , deci dim(W ) = n.

Reciproc, presupunem că dim(V ) = dim(W ) = n şi vrem să demonstrăm că
V şi W sunt izomorfe. Fie B = {v1 , . . . , vn } şi B 0 = {w1 , . . . , wn } baze ı̂n V şi,
respectiv, W . Fie v ∈ V un vector arbitrar. Atunci v se poate scrie ı̂n mod unic
sub forma
v = α1 v1 + · · · + αn vn ,
unde α1 , . . . , αn ∈ k. Definim T : V → W prin T (v) = β1 w1 + · · · + βn wn =
[T (v)]B 0 . Se verifică uşor că T este transformare liniară. ı̂n plus, ea este atât
injectivă cât şi surjectivă. Prin urmare, V şi W sunt izomorfe. 

Teorema 2.15 afirmă că spaţiile vectoriale care au aceeaşi dimensiune reprezintă
de fapt “acelaşi” spaţiu.

Exemplul 2.16. Următoarele spaţii de dimensiune 4 sunt izomorfe:

• R4
• M2×2 (R)

Anda Olteanu- ANMB

14 TRANSFORMĂRI LINIARE

• P3 – mulţimea polinoamelor de grad cel mult 3

• M4×1 (R)
• V = {(x1 , x2 , x3 , x4 , 0) : x1 , x2 , x3 , x4 ∈ R} ⊆ R5 .

Observaţia 2.17. Având ı̂n vedere Teorema 2.15, vom utiliza ı̂n exemple mai
des spaţiul vectorial n-dimensional Rn .

3. Matricea asociată unei transformări liniare

Fie A ∈ Mm×n (R) o matrice. Cu ajutorul acestei matrice se poate construi o

aplicaţie liniară.

Exemplul 3.1. Fie

!
1 0 −1 2
A= ∈ M2×4 (R).
3 1 0 0

Cu ajutorul matricei A se poate construi o transformare liniară T : R4 → R2

definită prin T (v) = A · v, mai precis, dacă v = (v1 , v2 , v3 , v4 )t atunci
 
! v1  !
1 0 −1 2 v2  v 1 − v3 + 2v 4
T (v) = ·v  =
 .
3 1 0 0  3 3v1 + v2
v4

Prin urmare, aplicaţia T este definită prin T (v1 , . . . , v4 ) = (v1 −v3 +2v4 , 3v1 +v2 ).

Observăm că pentru a putea defini transformarea liniară, vectorii din R4 au fost
consideraţi matrice din M4×1 (R), iar vectorii din R2 au fost priviţi ca matrice din
M2×1 (R). Acest lucru poate fi generalizat pentru orice matrice A ∈ Mm×n (R).
Aplicaţia nulă este descrisă de matricea 0m,n , iar aplicaţia identitate este descrisă
de matricea In (evident m = n).

Teorema 3.2. Fie A ∈ Mm×n (R) o matrice. Funcţia T definită prin T (v) = A·v
este o transformare liniară de la Rn la Rm . Pentru a putea defini aplicaţia liniară,
vectorii din Rm sunt matrice din Mm×1 (R), iar vectorii din Rn sunt matrice din
Mn×1 (R).

În continuare, vom observa că orice transformare liniară poate fi reprezentată
printr-o matrice.

Anda Olteanu- ANMB

TRANSFORMĂRI LINIARE 15

Fie V şi W două k-spaţii vectoriale, dim(V ) = n, dim(W ) = m şi T : V → W

o transformare liniară. Fie B = {v1 , . . . , vn } o bază ı̂n V şi B 0 = {w1 , . . . , wm } o
bază ı̂n W . Cum T (v1 ), . . . , T (vn ) ∈ W şi B 0 este o bază ı̂n W , putem considera
coordonatele vectorilor ı̂n această bază:
 
α11
 α21 
 
∼
[T (v1 )]B 0 = α11 w1 + α21 w2 + · · · + αm1 wm =  .  
 .. 


αm1
 
α12
 α22 
 
[T (v2 )]B 0 = α12 w1 + α22 w2 + · · · + αm2 wm ∼
= .. 

 . 
αm2
..
.
 
α1n
 α2n 
 
[T (vn )]B 0 ∼
= α1n w1 + α2n w2 + · · · + αmn wm =  . 

 .. 


αmn
Matricea A ∈ Mm×n (R) definită prin
 
α11 α12 ··· α1n
 α21 α22 ··· α2n 
 
A=  .. .. .. 
 . . . 


αm1 αm2 · · · αmn

are proprietatea că [T (v)]B 0 = A · [v]B şi se numeşte matricea transformării
liniare T .

Exemplul 3.3. Fie T : R4 → R3 definită prin

T (v) = (v1 + v3 − 2v4 , v2 + v4 , 3v1 − v3 ).

Fie bazele canonice

B = {e1 = (1, 0, 0, 0), e2 = (0, 1, 0, 0), e3 = (0, 0, 1, 0), e4 = (0, 0, 0, 1)}

şi
B 0 = {f1 = (1, 0, 0), f2 = (0, 1, 0), f3 = (0, 0, 1)}.

Anda Olteanu- ANMB

16 TRANSFORMĂRI LINIARE

Să se afle matricea transformării T .

Soluţie. Calculăm imaginile vectorilor din B prin transformarea T şi coordonatele

acestora ı̂n baza B 0 :
 
1
∼
T (e1 ) = T (1, 0, 0, 0) = (1, 0, 3) = f1 + 3f3 = 0
 

3
 
0
∼
T (e2 ) = T (0, 1, 0, 0) = (0, 1, 0) = f2 = 1
 

0
 
1
T (e3 ) = T (0, 0, 1, 0) = (1, 0, −1) = f1 − f3 ∼ = 0 
 

−1
 
−2
T (e4 ) = T (0, 0, 0, 1) = (−2, 1, 0) = −2f1 + f2 ∼ =  1 .
 

0
Prin urmare, matricea transformării T este
 
1 0 1 −2
A = 0 1 0 1 .
 

3 0 −1 0


Observaţia 3.4. Exemplul anterior poate fi generalizat astfel: funcţia T : Rn →

Rm este transformare liniară
 dacă şi numai dacă există o matice A ∈ Mm×n (R)
v1
.
astfel ı̂ncât T (v) = A ·  .
 . , unde v = (v1 , . . . , vn ) reprezintă coordonatele ı̂n
vn
baza canonică din Rn .

Atunci când bazele nu mai sunt cele canonice, lucrurile sunt mai complicate:

Exemplul 3.5. Fie T : R3 → R4 transformarea liniară definită prin

T (v) = (2v1 , v1 + v2 , v2 + v3 , v1 + v3 ).

Anda Olteanu- ANMB

TRANSFORMĂRI LINIARE 17

Fie bazele
B = {u1 = (1, 1, 0), u2 = (0, 1, 1), u3 = (1, 0, 1)}

şi

B 0 = {w1 = (1, 1, 1, 1), w2 = (1, 1, 1, 0), w3 = (1, 1, 0, 0), w4 = (1, 0, 0, 0)}.

Să se afle matricea transformării T .

Soluţie. Calculăm imaginile vectorilor din B prin transformarea T şi coordonatele

acestora ı̂n baza B 0 :
T (u1 ) = T (1, 1, 0) = (2, 2, 1, 1).

Trebuie să determinăm coordonatele acestui vector ı̂n baza B 0 . Fie α1 , . . . , α4 ∈ R

astfel ı̂ncât
α1 w1 + α2 w2 + α3 w3 + α4 w4 = (2, 2, 1, 1).

Obţinem sistemul



 α1 + α2 + α3 + α4 = 2


α + α + α = 2
1 2 3


 α1 + α2 = 1


α1 = 1


cu soluţia α1 = 1, α2 = 0, α3 = 1, α4 = 0. Prin urmare

 
1
 
0
T (u1 ) = T (1, 1, 0) = (2, 2, 1, 1) = w1 + w3 ∼
=1 .

 
0

Procedăm la fel cu ceilalţi vectori.

T (u2 ) = T (0, 1, 1) = (0, 1, 2, 1).

Trebuie să determinăm coordonatele acestui vector ı̂n baza B 0 . Fie α1 , . . . , α4 ∈ R

astfel ı̂ncât
α1 w1 + α2 w2 + α3 w3 + α4 w4 = (0, 1, 2, 1).

Anda Olteanu- ANMB

18 TRANSFORMĂRI LINIARE

Obţinem sistemul



 α1 + α2 + α3 + α4 = 0


α + α + α = 1
1 2 3


 α1 + α2 = 2


α1 = 1


cu soluţia α1 = 1, α2 = 1, α3 = −1, α4 = −1. Prin urmare

 
1
 
1
∼
T (u1 ) = T (1, 1, 0) = (0, 1, 2, 1) = w1 + w2 − w3 − w4 = 
−1 .

 
−1

T (u3 ) = T (1, 0, 1) = (2, 1, 1, 2).

Fie α1 , . . . , α4 ∈ R astfel ı̂ncât

α1 w1 + α2 w2 + α3 w3 + α4 w4 = (2, 1, 1, 2).

Obţinem sistemul



 α1 + α2 + α3 + α4 = 2


α + α + α = 1
1 2 3


 α1 + α2 = 1


α1 = 2


cu soluţia α1 = 2, α2 = −1, α3 = 0, α4 = 1. Prin urmare



2
 
−1
T (u1 ) = T (1, 1, 0) = (2, 1, 1, 2) = 2w1 − w2 + w4 ∼
= 0 .

 
1
Prin urmare, matricea transformării T este
 
1 1 2
 
0 1 −1
A= .
1
 −1 0 

0 −1 1


Anda Olteanu- ANMB

TRANSFORMĂRI LINIARE 19

Această metodă nu se aplică numai ı̂n cazul spaţiilor vectoriale de forma Rn .

Exemplul următor are ı̂n vedere alte spaţii vectoriale.

Exemplul 3.6. Fie T : P3 → P2 definit prin T (p(x)) = p0 (x). Fie B =

{1, x, x2 , x3 } bază ı̂n P3 şi B 0 = {1, x, x2 } bază ı̂n P2 . Să se determine matricea
transformării T .

Soluţie. Calculăm imaginile vectorilor din B prin transformarea T şi coordonatele

acestora ı̂n baza B 0 :  
0
T (1) = (1) = 0 ∼
0
= 0 .
 

0
 
1
T (x) = (x) = 1 ∼
0
= 0 .
 

0
 
0
T (x ) = (x ) = 2x ∼
2 2 0
= 2 .
 

0
 
0
3 3 2 ∼  
T (x ) = (x ) = 3x = 0 .
3
Prin urmare, matricea transformării T este
 
0 1 0 0
A = 0 0 2 0 .
 

0 0 0 3
Observăm că aceasta este ı̂ntr-adevăr derivata unui polinom de grad cel mult
3. De exemplu, pentru p(x) = 3 − 4x + 2x2 − 5x3 avem

 
  3  
0 1 0 0   −4
 −4 ∼
T (3 − 4x + 2x2 − 5x3 ) = 0 0 2 0 ·  2
 2  =  4  = −4 + 4x − 15x .
  
0 0 0 3 −15
 
−5


Anda Olteanu- ANMB