Jordan

Octavian G.
Mustafa
Forma Canonică Jordan a

Matricelor
Teorie, aplicaţii
Publicaţiile DAL
Craiova
Fişier prelucrat ı̂n data de [February 6, 2020]
Avertisment
Acest eseu nu a fost raportat vreunui referent. În consecinţă, conţinutul său trebuie
considerat “ca atare.”
Autorul vă aşteaptă comentariile la adresa lui de e-mail1 şi vă mulţumeşte anti-
cipat pentru efortul depus.
Fiecare proiect de la Publicaţiile DAL trebuie considerat “şantier” dacă nu este
declarat altfel. Versiunea sa este cea a datei de pe pagina cu titlul.
Craiova, Mai 18, 2015 O.G.M.
1 octawian@yahoo.com
v
Prefaţă
În această lucrare discutăm despre aducerea matricelor pătrate, cu elemente (intrări)
reale, la forma canonică Jordan, urmând expunerea din cartea profesorilor Hirsch şi
Smale [14].
Scopul prezentării de faţă este acela de a avea la ı̂ndemână o justificare riguroasă
pentru metoda fundamentală de calcul a exponenţialei unei matrice: Secţiunea 4.3.
Există mai multe modalităţi clasice de aducere a matricelor la forma canonică
Jordan. De exemplu, tehnica descrisă ı̂n [30] — traducerea sa ı̂n româneşte este
[31]; pentru o prezentare schematică, vezi [19, pag. 192 şi urm.] — face apel la
polinomul anulator (adică, minimal [8, pag. 89]) al unui operator liniar, la algebra
polinoamelor de o nedeterminată cu coeficienţi ı̂n K etc. Nu am urmat această cale
aici, fiind interesat de obţinerea rapidă a soluţiilor sistemelor diferenţiale liniare, cu
coeficienţi reali: Secţiunea 4.5.
O investigaţie modernă a teoriei funcţiilor de matrice — rădăcina pătrată, expo-
nenţiala, logaritmul unei matrice, etc — constituie subiectul cărţii [12]. Exemple de
calcul, detaliate, pot fi citite ı̂n [5].
Anumite detalii ale demonstraţiei principale se regăsesc şi ı̂n restul procedeelor
de aducere la forma canonică Jordan. Un exemplu notabil ı̂l constituie proprietatea
(H S ), reformulată ı̂n [31, pag. 169, Teoremă] cu ajutorul polinomului anulator.
Aplicaţiile dezvoltate ı̂n Capitolul 4 au semnificaţii de sine stătătoare. Astfel,
ı̂n Exerciţiul 4.13 se calculează soluţiile fundamentale ale unei ecuaţii diferenţiale
ordinare, liniare şi omogene, cu ajutorul eigenvectorilor generalizaţi ai matricei a-
sociate. În Exerciţiul 4.40, elementele bazei reciproce a bazei unui hiperplan sunt
exprimate cu ajutorul operaţiilor vectoriale din spaţiul ambient.
Craiova, [February 6, 2020] O.G.M.
vii
Cuprins
1 Operatori liniari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1 Vectori şi covectori . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Operatori şi matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 Invarianţii algebrici ai operatorului T . Valori proprii şi vectori
proprii. Polinomul caracteristic. Vectori proprii generalizaţi . . . . . . . 6
1.4 Complexificare, realificare, decomplexificare. Complexificatul
unui operator liniar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2 Teoreme de descompunere . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.1 Suma directă de subspaţii vectoriale. Suma directă de operatori . . . . 19
2.2 Teorema N + M . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.3 Teorema de descompunere primară . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3 Forma canonică a matricelor pătrate cu elemente numerice . . . . . . . . . 47

3.1 Cazul operatorilor nilpotenţi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.2 Forma canonică Jordan a matricei de reprezentare T . . . . . . . . . . . . . 59
3.3 Cazul K = R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4 Aplicaţii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
4.1 Sumare prin părţi. Produsul Cauchy a două serii. Teorema lui F.
Mertens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
4.2 Exponenţiala unei matrice pătrate cu elemente numerice . . . . . . . . . . 84
4.3 Calculul exponenţialei unei matrice pătrate cu elemente complexe . . 87
4.4 Estimarea produsului scalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
4.5 Exerciţii rezolvate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
4.6 Soluţii fundamentale ale ecuaţiilor diferenţiale liniare şi omogene . . 107
4.7 Matrice strict pozitiv-definite. Reprezentarea covectorilor folosind
produsul scalar. Produsul vectorial a m − 1 vectori. Produsul
tensorial a doi vectori. Reciproca unei baze. Rezoluţia identităţii . . . 121
Referinţe Bibliografice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
ix
x Cuprins
Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
Capitolul 1
Operatori liniari
1.1 Vectori şi covectori
Fie E ⊆ Cn — vezi [14, pag. x] — un spaţiu liniar peste corpul K, unde n ≥ 1

este un număr natural. Aici, K ∈ {R, C}. Setul de vectori
S1 = {e1 , · · · , em } , m ≤ n,
reprezintă o bază a sa. Atunci, vom scrie că1

( )
m

E = SpanK {e1 , · · · , em } = ∑ λ j · e j λ j ∈ K .
j=1
Fie x ∈ E. Putem folosi formalismul de calcul matriceal vectori pe linie, adică

 
m
λ1
 . 
x = ∑ λ j · e j = e1 · · · em  ..  , (1.1)
j=1
λm
respectiv formalismul vectori pe coloană,

 
m
e1
 . 
x = ∑ λ j · e j = λ1 · · · λm  ..  .
j=1
em
Aici, elementele λi constituie componentele (coordonatele) vectorului x ı̂n baza S1 .

În cele ce urmează,
ı̂ntrebuinţăm
tehnica (1.1).
Dacă S2 = f 1 , · · · , f m reprezintă altă bază a spaţiului E, atunci există matricea
nesingulară P ∈ Mm (K) astfel ı̂ncât
1Fiind dată mulţimea nevidă A ⊆ E, prin SpanK (A) ı̂nţelegem mulţimea combinaţiilor liniare cu
număr finit de termeni nenuli şi coeficienţi din K, [23, pag. 246, Propoziţia 1.6].
1
2 1 Operatori liniari

f 1 · · · f m = e1 · · · em · col(1) P · · · col(m) P

= e1 · · · em · P (1.2)
unde col(i) P desemnează cea de-a i-a coloană a matricei P.

Notăm cu (xi )i∈1,m şi (yi )i∈1,m componentele vectorului x ı̂n bazele S1 , S2 .
Atunci,
 
x1
 . 
x = e1 · · · em  ..  (1.3)
xm
   
y1 y1
 .   . 
= f 1 · · · f m  ..  = e1 · · · em · P  .. 
ym ym
  
y1
  . 
= e1 · · · em P  ..  . (1.4)
ym
Din (1.3), (1.4), ţinând seama de liniar independenţa peste K a vectorilor din S1 ,
deducem că
   
x1 y1
 .   .. 
.
e1 · · · em  .  − P  .  = 0,
xm ym
respectiv
   
y1 x1
 ..  −1  .. 
 .  = P  . . (1.5)
ym xm
Aşadar, legătura nou-vechi pentru vectori şi coordonate este dată de formulele
(1.2), (1.5) [14, pag. 37].
Componentele (1.3) ne conduc la funcţionalele liniare (covectorii) xi : E → K cu
formulele
!
m
xi (x) = xi ∑ xj ·ej
j=1
m m
= ∑ x j · xi (e j ) = ∑ x j · δi j (1.6)
j=1 j=1
= xi , i ∈ 1, m,
unde δi j = 1 − (sign(i − j))2 , cu

1.2 Operatori şi matrice 3

 −1, u < 0,
sign u = 0, u = 0,

1, u > 0,
desemnează2 simbolul lui L. Kronecker [28, pag. 14]. Setul de covectori
C1 = C1 (S1 ) = {x1 , · · · , xm } (1.7)
alcătuieşte o bază3 a spaţiului E ∗ = L(E, K), adică — [14, pag. 36] —
E ∗ = SpanK {x1 , · · · , xm } .
1.2 Operatori şi matrice
Operatorul liniar (K-liniar) T : E → E — [14, pag. 30] — este descris de vectorii
T = {T (e1 ), · · · , T (em )} , ei ∈ S1 , i ∈ 1, m, (1.8)
căci
!
m m
T (x) = T ∑ xi · ei = ∑ xi · T (ei )
i=1 i=1


x1
 
= T (e1 ) · · · T (em )  ...  , x ∈ E.
xm
Introducem matricea T ∈ Mm (K) prin relaţiile

T (e1 ) · · · T (em ) = e1 · · · em · col(1) T · · · col(m) T

= e1 · · · em · T. (1.9)
Atunci, pentru x ∈ E, avem
2 Se ı̂ntâlnesc şi denumirile delta (lui) Kronecker [21, pag. 3], respectiv simbolul delta (al lui)
Kronecker [35, pag. 5].

3 Numită duala bazei S [11, pag. 23, Theorem 2]. Se spune şi că seturile C şi S sunt biortogo-
1 1 1
nale.
 
x1
 . 
T (x) = T (e1 ) · · · T (em )  .. 
xm
  
x1
  . 
= e1 · · · em T  ..  . (1.10)
xm
Calculele de până acum au ţinut seama doar de faptul că dimensiunea spaţiului E
peste K este finită, spaţiul ı̂n sine putând fi orice set de obiecte abstracte4 . Acum, via
relaţiile (1.3), (1.10), operatorului T i se asociază matricea (de reprezentare ı̂n S1 )
T care desemnează, la rândul său, un operator T : Cm → Cm . Acţiunea (operaţia)
acestui operator T asupra spaţiului Cm este dată de formula [14, pag. 38]
     
x1 x1 x1
 ..   ..   ..  m
 .  7−→ T ·  .  ,  . ∈C .
xm xm xm
Putem, aşadar, echivala elementele spaţiului vectorial L(E, E) peste corpul K cu

matricele din Mm (K) [14, p. 31], respectiv cu vectori din spaţiul liniar L(Cm , Cm )
peste corpul C.
Plecând de la identitatea
     
x1 1 0
 ..   ..   .. 
 .  = x1 ·  .  + · · · + xm ·  .  ,
xm 0 1
introducem baza standard5 (canonică6 ) a spaţiului Cm — peste corpul C —

 
1 0 ··· 0
0 1 · · · 0

i1 · · · im = col(1) Im · · · col(m) Im =  . . . .  = Im . (1.11)
 .. .. . . .. 
0 ··· 0 1
Reamintesc formula (1.2). Avem relaţiile — operatorul T este liniar —

T ( f j ) = T e1 · · · em · col( j) P = T (e1 ) · · · T (em ) · col( j) P

= e1 · · · em · T · col( j) P , j ∈ 1, m,
respectiv
4 Operaţiile cu vectori şi scalari sunt cele tipice, vezi relaţiile din nota de subsol de la pagina 12.
5 Vezi [14, pag. 34].
6 Vezi [20, pag. 3, Example 1.4].
1.2 Operatori şi matrice 5

T ( f 1 ) · · · T ( f m ) = e1 · · · em TP. (1.12)
De aici, pentru x ∈ E, deducem că

    
y1 y1
  .   . 
.
T (x) = T  f 1 · · · f m  .  = T ( f 1 ) · · · T ( f m )  .. 
ym ym
  
y1
  .. 
= e1 · · · em (TP)  .  . (1.13)
ym
Notăm cu W matricea de reprezentare a operatorului T ı̂n S2 . Adică,

T ( f 1 ) · · · T ( f m ) = f 1 · · · f m W.
Atunci,
    
y1 y1
    
T (x) = T  f 1 · · · f m  ...  = T ( f 1 ) · · · T ( f m )  ... 
ym ym
    
y1 y1
.   . 
= f 1 · · · f m W  ..  = e1 · · · em P · W  .. 
ym ym
  
y1
  .. 
= e1 · · · em PW  .  . (1.14)
ym
Expresiile (1.13), (1.14) ne conduc la

  
y1
  .. 
e1 · · · em (TP − PW)  .  = 0,
ym
respectiv la — vectorii e1 , . . . , em sunt liniar independenţi peste K —
TP − PW = Om , W = P−1 TP, (1.15)
vezi [14, pag. 39]. Aici, Om este matricea-nulă m × m.

În (1.12) am folosit doar faptul că sistemul de vectori S2 = { f 1 , · · · , f m } este
legat de S1 = {e1 , · · · , em } prin matricea P din (1.2). Înlocuindu-l pe S2 cu T din
(1.8) şi pe P cu T din (1.9), deducem că

T 2 (e1 ) · · · T 2 (em ) = e1 · · · em · T2 ,
respectiv

T k (e1 ) · · · T k (em ) = e1 · · · em · Tk , k ∈ N∗ . (1.16)
1.3 Invarianţii algebrici ai operatorului T . Valori proprii şi

vectori proprii. Polinomul caracteristic. Vectori proprii
generalizaţi
Plecând de la cea de-a doua dintre relaţiile (1.15), spunem că două matrice
W, T ∈ Mm (K) sunt similare dacă există matricea nesingulară P ∈ Mm (K) ast-
fel ı̂ncât W = P−1 TP, conform [14, pag. 39]. Această similaritate defineşte o relaţie
de echivalenţă (∼) ı̂ntre matricele din Mm (K). Într-adevăr, avem reflexivitate,
T ∼ T, T = Im−1 TIm ,
apoi simetrie — det P 6= 0 —,

−1
W ∼ T =⇒ T ∼ W, W = P−1 TP =⇒ T = P−1 W P−1 , (1.17)
şi tranzitivitate — det P, det R 6= 0 —,
W ∼ T, T ∼ V =⇒ W ∼ V, W = P−1 TP, T = R−1 VR ⇒ W = (RP)−1 V(RP).
De asemeni, dacă W ∼ T, adică W = P−1 TP, atunci Wk ∼ Tk pentru orice

k ∈ N∗ . Într-adevăr, avem

W2 = P−1 TP · P−1 TP = P−1 T P · P−1 TP
= P−1 T2 P,
respectiv — prin inducţie matematică —
Wk = P−1 Tk P, k ∈ N∗ . (1.18)
Determinantul, urma şi rangul (unei matrice) — ca funcţii de matricele din

Mm (K) — sunt invariante la relaţia de similaritate [14, pag. 40, 41]. Putem, din
acest motiv, introduce mărimile
Det T = det T, Tr T = tr T, Rank T = rank T,
unde det, tr şi rank desemnează determinantul, urma7 , respectiv rangul8 matricei
de reprezentare (ı̂n S1 ) T. Avem la dispoziţie, astfel, determinantul, urma şi rangul
unui operator liniar T : E → E — invarianţi algebrici —.
7 În limba engleză, trace.
8 În limba engleză, rank.
1.3 Invarianţi, valori şi vectori proprii 7
Lema 1.1. ([20, pag. 16]) Rangul operatorului liniar T : E → E este egal cu dimen-
siunea subspaţiului liniar T (E) ⊆ E.
Demonstraţie. Să presupunem că setul de vectori {T (e1 ), . . . , T (eh )}, unde h ≤ m,
alcătuieşte o bază9 a subspaţiului T (E). Atunci,

T (e1 ) · · · T (eh ) = e1 · · · em · A,
unde A ∈ Mm,h (K).

Fie λ ∈ K\{0}. Observăm că
T (E) = SpanK {T (e1 ), . . . , T (eh )}

= SpanK {T (e1 ) + λ · T (e2 ), T (e2 ), T (e3 ). . . , T (eh )}, (1.19)
respectiv
E = SpanK {e1 , . . . , em }
= SpanK {e1 + λ · e2 , e2 , e3 . . . , em }. (1.20)
Schimbarea de bază (1.19) produce următoarea modificare a matricei A,
((T (e1 ) + λ · T (e2 )) T (e2 ) T (e3 ) · · · T (eh ))

= e1 · · · em · (col(1) A + λ · col(2) A) col(2) A col(3) A · · · col(h) A .
La rândul său, schimbarea de bază (1.20) modifică matricea A,

T (e1 ) · · · T (eh ) = ((e1 + λ · e2 ) e2 e3 · · · em )
 
lin(1) A
lin(2) A − λ · lin(1) A
 
 lin(3) A 
 
× lin(4) A , (1.21)
 
 .. 
 . 
lin(m) A
unde lin(i) A desemnează cea de-a i-a linie a matricei A.

Trebuie să arătăm că rank A = h, adică există h linii10 ale matricei A care să fie
liniar independente peste corpul K.
Presupunem că, prin reducere la absurd, toate seturile de câte h linii ale matricei
A sunt liniar dependente peste corpul K. Aceasta ı̂nseamnă că, ı̂n particular, setul
tuturor liniilor matricei A este liniar dependent, deci există numerele
{λ1 , λ2 , . . . , λ p−1 , λ p+1 , . . . , λm } ⊂ K

m m
9 Relaţiile y = T (x) = ∑ λi · T (ei ), unde x = ∑ λi · ei ∈ E, arată că familia de vectori {T (e1 ), . . . ,
i=1 i=1
T (em )} este un sistem de generatori pentru spaţiul T (E).
10 Vezi şi [23, pag. 307, Teorema 8.2].
astfel ı̂ncât
lin(p) A = λ1 · lin(1) A + · · · + λ p−1 · lin(p−1) A

+ λ p+1 · lin(p+1) A + · · · + λm · lin(m) A
pentru un anumit p. Aici, apar două situaţii. În prima dintre ele, lin(p) A conţine cel
puţin un element nenul, deci
∑ |λi |2 > 0. (1.22)

1≤i≤m,
i6= p
Cea de-a doua situaţie, când matricea A are (măcar) o linie nulă — formată numai
din elemente nule — va fi discutată ulterior.
Au loc relaţiile — via (1.21) —

T (e1 ) · · · T (eh )
= ((e1 + λ1 · e p ) · · · (e p−1 + λ p−1 · e p ) e p (e p+1 + λ p+1 · e p ) · · · (em + λm · e p ))
 
lin(1) A
 .. 
 . 
 
lin(p−1) A
 
×B, B=  0 ··· 0 ,

lin(p+1) A
 
 .. 
 . 
lin(m) A
respectiv — a p-a linie a matricei B este nulă! —
T (e1 ), . . . , T (eh ) ∈ Q = SpanK { e1 + λ1 · e p , . . . , e p−1 + λ p−1 · e p ,

e p+1 + λ p+1 · e p , . . . , em + λm · e p }.
Se observă că e p 6∈ Q, deci dimensiunea subspaţiului Q ⊆ E este mai mică sau

egală cu m − 1.
Dacă h = m, evident, am ajuns la o contradicţie: cei h vectori liniar independenţi
din T (E) nu se pot afla ı̂ntr-un spaţiu — cel mult — (h − 1)-dimensional!
Dacă h ≤ m − 1, avem relaţia

T (e1 ) · · · T (eh ) = f 1 f 2 · · · f p−1 f p+1 · · · f m ·C, (1.23)
unde
 
lin(1) A
 .. 
 . 
 
lin(p−1) A

C= 

lin(p+1) A
 .. 
 . 
lin(m) A
şi f i = ei + λi · e p , i 6= p, iar vectorii { f 1 , f 2 , . . . , f p−1 , f p+1 , · · · , f m } sunt liniari

independenţi.
Ce se ı̂ntâmplă ı̂nsă dacă lin(p) A este o linie nulă a matricei A? Adică, nu are loc
(1.22)! Atunci, relaţia (1.23) devine
 
lin(1) A
 .. 
 . 
 
lin(p−1) A
T (e1 ) · · · T (eh ) = (e1 e2 · · · e p−1 e p+1 · · · em ) ·   .

lin(p+1) A
 .. 
 . 
lin(m) A
Reluăm discuţia anterioară: presupunem că oricare h din cele m − 1 linii rămase
ale matricei A — vezi matricea C — sunt liniar dependente, de unde rezultă că
setul celor m − 1 linii rămase este liniar dependent etc. Aici, “rolul” matricei A va fi
“jucat” de C. Ajungem la alt spaţiu, de dimensiune cel mult m − 2 peste corpul K.
Procedeul poate fi repetat atâta timp cât dimensiunea spaţiului Q — egală cu
numărul liniilor din A rămase ı̂n discuţie! — este mai mare sau egală cu h. ⊓ ⊔
Fie11 x ∈ Ker T . Pe baza (1.3), (1.10), avem

 
x1
 
0E = T (x) = e1 · · · em T  ...  . (1.24)
xm
Liniar independenţa vectorilor e1 , . . . , em — peste corpul K — ne conduce la siste-

mul algebric
   
x1 0
 ..   .. 
T .  = . (1.25)
xm 0
cu necunoscutele x1 , . . . , xm ∈ K.
11 Vezi nota de subsol de la pagina 29: definiţia lui Ker.

Dacă I : E → E este operatorul-identitate12 din L(E, E) şi λ ∈ C, ne interesează

mulţimea13 Ker (T − λ · I). Conform relaţiei (1.25), aceasta ı̂nseamnă să rezolvăm
ı̂n K sistemul algebric
   
x1 0
 ..   .. 
(T − λ · Im )  .  =  .  . (1.26)
xm 0
Evident, este posibil ca sistemul să nu aibă soluţii nenule!

Deoarece K ⊆ C, dacă impunem ca
p(λ ) = det (T − λ · Im ) = 0, (1.27)
atunci sistemul algebric (1.26) va avea ı̂ntotdeauna soluţii nenule ı̂n C — dar nu
neapărat ı̂n K! —.
Numerele λ ∈ K care sunt soluţii ale ecuaţiei14 algebrice (1.27), deci pentru care
sistemul algebric (1.26) admite soluţii nenule ı̂n K, se numesc valori proprii15 sau
eigenvalori16 ale operatorului T . Dacă numerele x1 , . . . , xm ∈ K sunt o soluţie nenulă
a sistemului (1.26), atunci vectorul
m
x = ∑ xi · ei ∈ SpanK {e1 , · · · , em } = E (1.28)
i=1
constituie un vector propriu sau un eigenvector17 al operatorului T — corespunzător

eigenvalorii λ —.
Observăm că — via (1.25), (1.26) — operatorul liniar T admite valoarea proprie
λ0 = 0 dacă şi numai dacă Ker T 6= {0E }, adică dacă T nu este injectiv.
Polinomul p(λ ) — cu termenul dominant (−1)m λ m , unde m este dimensiunea
spaţiului E — verifică relaţiile, via (1.17),

p(λ ) = det (T − λ · Im ) = det PWP−1 − λ · Im

= det PWP−1 − λ · PIm P−1 = det P (W − λ · Im ) P−1
= det (W − λ · Im ) ,
adică este invariant la relaţia de similaritate. Astfel, el poate fi ataşat operatorului T ,

p(λ ) = pT (λ ), şi se numeşte polinomul caracteristic18 al operatorului.
12 Adică, I(x) = x pentru orice x ∈ E.
13 Nu insistăm acum asupra semnificaţiei operaţiei λ · I atunci când λ ∈ C\K.
14 Numită ecuaţie caracteristică a operatorului T [14, pag. 71].
15 În limba engleză, proper value (sing.) [20, pag. 35]. Unii autori folosesc şi termenii autovalori,
rădăcini caracteristice [2, pag. 99, 129], rădăcini ale ecuaţiei caracteristice [10, pag. 174] sau
valori caracteristice [20, ibid.].
16 În limba engleză, eigenvalue (sing.), conform [14, pag. 42].
17 În limba engleză, eigenvector [14, ibid.].
18 În limba engleză, characteristic polynomial [14, pag. 43].
Să revenim la ecuaţia (1.27). Dacă ea admite soluţia λ0 ∈ K — adică, λ0 este

eigenvaloare a operatorului T —, atunci au loc, evident, relaţiile

0 = [det (T − λ0 · Im )]k = det (T − λ0 · Im )k , k ∈ N∗ .
Ceea ce ı̂nseamnă că toate sistemele algebrice

   
x1 0
   
(T − λ0 · Im )k  ...  =  ...  (1.29)
xm 0
admit soluţii nenule ı̂n K.

n
Dacă familia {x1 , . . . , xm } ⊂ K, ∑ |xi |2 > 0, este soluţia sistemului (1.29) pentru
i=1
un anumit k ≥ 2, atunci vectorul (1.28) poartă numele de vector propriu (sau eigen-
vector) generalizat19 al operatorului T corespunzând eigenvalorii λ0 . Relaţia (1.29)
poate fi reorganizată, evident, ca
    
x1 0
k−1   ..   .. 
(T − λ0 · Im ) · (T − λ0 · Im )  .  =  .  ,
xm 0
aşadar orice vector propriu este şi vector propriu generalizat.
Exemplul 1.1. Fie µ ∈ K\{0} şi matricea

µ 1
(T =) A= .
0 µ
Singura eigenvaloare a lui A este λ0 = µ . Sistemul (1.26) devine

01 x1 0
= .
00 x2 0
Soluţiile
nenule din K ale acestui sistem sunt x1 = x ∈ K\{0}, x2 = 0, deci x =
1
∈ K2 este un eigenvector corespunzând valorii proprii λ0 .
0
Deoarece
(A − λ0 · I2 )2 = O2 ,
sistemul (1.29), unde k = 2, devine

00 x1 0
= .
00 x2 0
19 În limba engleză, generalized eigenvector [20, pag. 41].
Evident, toţi vectorii nenuli din K2 sunt soluţii ale sale,

deci sunt eigenvectori
20 0
generalizaţi ai matricei A. În particular, vectorul y = este un vector propriu
1
generalizat corespunzând valorii proprii λ0 care nu este vector propriu al matricei
A.
1.4 Complexificare, realificare, decomplexificare.

Complexificatul unui operator liniar
Fie E ⊆ Rn — [14, pag. 64] — un spaţiu liniar real m-dimensional. Aici, K = R,

deci
( )
m

E = SpanR {e1 , · · · , em } = ∑ λ j · e j λ j ∈ R . (1.30)
j=1

Mulţimea
( )
m

EC = SpanC {e1 , · · · , em } = ∑ λ j · e j λ j ∈ C ,
j=1
dotată cu operaţiile cu vectori şi scalari tipice21 , alcătuieşte un spaţiu vectorial com-
plex m-dimensional care poartă numele de complexificatul spaţiului E 22 . Reamin-
tindu-ne de baza canonică (1.11), observăm că spaţiul complex Cm este complexifi-
catul spaţiului real Rm : Cm = (Rm )C .
Nu orice spaţiu vectorial complex este complexificatul vreunui spaţiu vectorial
real.

z
Exemplul 1.2. Fie z j = a j + b j · i ∈ C, unde a j , b j ∈ R, j ∈ {1, 2}, şi e1 = 1 ∈
z2
C 2 23
Introducem spaţiul EC = C e1 = SpanC {e1 } şi ne ı̂ntrebăm dacă există x =
.
x1
∈ R2 astfel ca
x2
20 Prin eigenvectori (generalizaţi) ai unei matrice pătrate ı̂nţelegem coloanele de coordonate ale
eigenvectorilor (generalizaţi ai) unui operator liniar ı̂n acea bază a spaţiului E ı̂n care matricea
reprezintă operatorul.
! !
m m m
21 α· ∑ λj · ej +β · ∑ µj ·ej = ∑ (α · λ j + β · µ j )·e j , unde α , β , λ j , µ j ∈ C. De asemeni,
j=1 j=1 j=1
1 · e j = e j . În particular, 0 · e j = 0E pentru orice j ∈ 1, m [18, pag. 112].
22 La fel ca ı̂n cazul C = R2 + (operaţii speciale), avem z · x = (a + b · i)x ≡ (a, b) · x = (a · x, b · x) ≡
ax + i (bx), unde z = a + bi ∈ C. Nu este obligatoriu, aici, ca a · x, b · x, unde x ∈ E, să ı̂nsemne

ı̂nmulţirile cu scalari uzuale — pe componente — din Rn !
23 Operaţiile cu vectori şi scalari sunt cele tipice, din C2 , respectiv R2 .
1.4 Complexificare, realificare, decomplexificare 13

(ax1 ) + i(bx1 )
EC = SpanC {x} = (a + b · i) · x = a, b ∈ R .
(ax2 ) + i(bx2 )
Adică, EC este sau nu este complexificatul spaţiului E = R x?

Fie λ = α + β · i ∈ C. Atunci, din egalităţile

(α a1 − β b1 ) + (α b1 + β a1 ) · i
EC ∋ λ · e1 =
(α a2 − β b2 ) + (α b2 + β a2 ) · i

(ax1 ) + (bx1 ) · i
= ∈ SpanC {x} ,
(ax2 ) + (bx2 ) · i
ı̂n care necunoscutele sunt numerele reale a, b, x1 şi x2 , deducem că

(
α a1 − β b1 = (α a2 − β b2 ) xx12 ,
α b1 + β a1 = (α b2 + β a2 ) xx12 ,
respectiv

 a1 − a2 x1 · α + −b1 + b2 x1 · β = 0,
x2 x2
(1.31)
 b1 − b2 x1 · α + a1 − a2 x1 · β = 0.
x2 x2
Numerele α şi β fiind date — putem, aşadar, presupune că α 2 + β 2 > 0 —, relaţiile
(1.31) pot fi privite ca un sistem algebric, liniar şi omogen, ı̂n necunoscutele α , β ,
care admite o soluţie nenulă. Deci,

a1 − a2 xx1 −b1 + b2 xx1
2 2 = 0,
b1 − b2 1 a1 − a2 1
x x
x2 x2
respectiv
2
x1 x1 2
a1 − a2 + b1 − b2 = 0. (1.32)
x2 x2
În concluzie, pentru ca spaţiul C e1 să fie complexificatul unui spaţiu liniar real,
este necesar — via egalitatea (1.32) — să existe q ∈ R astfel ı̂ncât

x1
z1 = q · z2 . q= (1.33)
x2
Fie F ⊆ Cn un spaţiu liniar complex m-dimensional care este şi subspaţiu liniar24
[14, pag. 33] al spaţiului complex Cn . Atunci, mulţimea [14, pag. 64]
FR = F ∩ Rn ,
24 Adică, moşteneşte operaţiile pe componente ale lui Cn !

dotată cu operaţiile cu vectori şi scalari tipice — preluate de pe Rn —, constituie un

spaţiu liniar real, pe care ı̂l numim realificatul spaţiului F.
Realificarea poate conduce la mulţimi neinteresante.

1
Exemplul 1.3. Fie e1 = ∈ C2 şi F = C e1 , vezi [14, pag. 65, Problem 1]. Atunci,
i

1 a+b·i a b
x = λ · e1 = (a + b · i) = = +i· , x ∈ F,
i −b + a · i −b a
unde a, b ∈ R, respectiv

b 0
= , x ∈ F ∩ R2 .
a 0
De aici, FR = {0R2 }. Observăm că vectorul e1 din acest exemplu nu verifică relaţia
(1.33).
Lema 1.2. Fie subspaţiul liniar E ⊆ Rn . Atunci, realificatul complexificatului său

— notat ECR — este
(EC )R = E.
 j
x1
 
Demonstraţie. Conform (1.30), introducem vectorii e j =  ...  ∈ Rn . Fie, de ase-
xnj
meni, x ∈ EC cu formula — m ≤ n —
 m  m 
∑ a j x1j ∑ b j x1j
 j=1   j=1 
m m    
 ..   .. 
x = ∑ λ j · e j = ∑ (a j + b j · i) · e j =  .  + i ·  . 
j=1 j=1
m  m 
 j  j
∑ j n
a x ∑ j n
b x
j=1 j=1
m 
j
∑ a j x1 
 j=1
 1   
  x1 · · · x1m b1
 ..   .. ..   ... 
.   
=  .  + i ·  .  , a j , b j ∈ R.
m 
 j xn1 · · · xnm bm
∑ a j xn
j=1
Dacă impunem ca x ∈ EC ∩ Rn , atunci

     1    
b1 x1 · · · x1m b1 0
  ..    .. ..   ..  =  ..  ∈ Rn .
 1 e · · · e m  .  = . .  .  . (1.34)
bm xn1 · · · xnm bm 0
Dat fiind că vectorii e1 , . . . , em , ale căror componente alcătuiesc coloanele ma-
tricei sistemului algebric (1.34), sunt liniar independenţi peste R, rangul matricei va
fi maxim, adică m. În aceste condiţii, sistemul (1.34) admite o singură soluţie, cea
nulă: b j = 0 pentru orice j ∈ 1, m.
Am ajuns la
m 
j
∑ j 1  1
 j=1
a x  
  x1 · · · x1m a1 m
 ..   ..  
..   ...  = ∑ a j · e j ∈ SpanR {e1 , · · · , em } = E,
x= . = . .
m  j=1
 j xn1 · · · xnm am
∑ a j xn
j=1
adică x ∈ EC ∩ Rn ⊆ E. Incluziunea inversă, E ⊆ EC ∩ Rn , este evidentă. ⊓

⊔
Lema 1.3. ([14, pag. 67]) Fie subspaţiul liniar E ⊆ Rn şi F ⊆ EC un subspaţiu liniar
al spaţiului EC . Atunci,
FR = F ∩ E
este un subspaţiu liniar al spaţiului E.
Demonstraţie. Plecând de la EC = SpanC {e1 , · · · , em }, unde e j ∈ E, j ∈ 1, m, pre-

supunem că F ⊆ SpanC {e1 , · · · , ek } cu25 k ≤ m.
La fel ca ı̂n lema anterioară — vezi (1.34) —, ajungem la FR = F ∩ Rn ⊆
SpanR {e1 , · · · , ek }. Însă SpanR {e1 , · · · , ek } ⊆ SpanR {e1 , · · · , em } = E, de unde
F ∩ Rn = (F ∩ Rn ) ∩ E = F ∩ (Rn ∩ E) = F ∩ E. ⊓ ⊔
Introducem aplicaţia σ : Cn → Cn cu formula

   
z1 z1
 ..   .. 
σ  .  =  .  , z j ∈ C, j ∈ 1, n,
zn zn
unde z = a − b · i — conjugare complexă — pentru orice z = a + b · i ∈ C. Aici, a,

b ∈ R. Au loc următoarele proprietăţi

σ (α · x + β · y) = α · σ (x) + β · σ (y),
σ ◦ σ = id Cn ,
unde α , β ∈ C şi x, y ∈ Cn iar id Cn este operatorul-identitate din Cn . Adică, σ este

o involuţie a spaţiului liniar complex Cn [6, pag. 25]. În particular, aplicaţia σ este
R-liniară iar σ |Rn : Rn → Rn este operatorul-identitate din Rn .
Lema 1.4. ([14, pag. 64]) Fiind dat subspaţiul liniar complex F ⊆ Cn , există sub-
spaţiul liniar real E ⊆ Rn astfel ı̂ncât F = EC dacă şi numai dacă σ (F) ⊆ F.
25 Subspaţiul SpanC {e1 + e2 , e3 + e4 } ( SpanC {e1 , e2 , e3 , e4 } este 2-dimensional dar k = 4.
Demonstraţie. Partea “=⇒”. Cum F = SpanC {e1 , · · · , em }, unde sistemul {e1 , · · · ,

em } constituie o bază a spaţiului liniar real E, avem — σ (e j ) = e j —
m m
σ( f ) = ∑ λ j · σ (e j ) = ∑ λ j · e j ∈ SpanC {e1 , · · · , em } ,
j=1 j=1
m
unde f = ∑ λ j · e j ∈ F.
j=1
Partea “⇐=”. Pentru orice f ∈ F, unde f = x + i · y şi x, y ∈ Rn , avem σ ( f ) =
x + i · y = x − i · y ∈ F, respectiv
1 1
x= · f + ·σ( f ) ∈ F (1.35)
2 2
şi
1 −1
y= ·f+ · σ ( f ) ∈ F. (1.36)
2i 2i

Fie f 1 , · · · , f m ⊂ Cn o bază a spaţiului liniar F. Atunci, f j = x j + i · y j , unde
x j , y j ∈ Rn şi j ∈ 1, m. Conform (1.35), (1.36), x j , y j ∈ F pentru orice j.
Pentru f ∈ F, putem scrie că — λ j ∈ C —
m m m
f= ∑ λ j · f j = ∑ λ j · x j + ∑ (λ j · i) · y j ∈ SpanC {x1 , · · · , xm , y1 , · · · , ym } .
j=1 j=1 j=1
Adică, setul de vectori {x1 , · · · , xm , y1 , · · · , ym }, din Rn , constituie un sistem de ge-

neratori pentru spaţiul
liniar complex F.
Fie t 1 , · · · ,t p ⊆ {x1 , · · · , xm , y1 , · · · , ym } un sistem maximal de vectori liniar
independenţi — peste R —. Atunci, acest sistem va fi baza spaţiului F, deci

F = SpanC t 1 , · · · ,t p = EC ,
unde E = SpanR {t 1 , · · · ,t p }. ⊓
⊔
Un subspaţiu liniar complex F ⊆ Cn este decomplexificabil [14, pag. 64] dacă
există subspaţiul liniar real E ⊆ Rn astfel ı̂ncât F = EC .
Lema 1.5. Fie subspaţiul decomplexificabil F ⊆ Cn . Atunci, complexificatul realifi-
catului său — notat FRC — este
(FR )C = F.
Demonstraţie. Conform Lemei 1.2, cum F = EC , avem FR = ECR = E. De aici,

(FR )C = EC = F. ⊓ ⊔
Operaţia de realificare poate fi aplicată oricărui subspaţiu complex F ⊆ Cn . Cum
FR ⊆ F, deducem că
FRC = (FR )C = SpanC (FR )

⊆ SpanC (F) = F, (1.37)
vezi [14, pag. 344]. Exemplul 1.3 — via observaţia că SpanC {0R2 } = {0R2 } — ne
arată că putem avea şi incluziune strictă ı̂n (1.37).
Fie E ⊆ Rn un subspaţiu liniar real cu baza26 S1 şi T : E → E un operator liniar.
Pe baza formulei (1.10), introducem operatorul liniar TC : EC → EC astfel
 
m
z1
.
TC (z) = ∑ z j · T (e j ) = e1 · · · em T  ..  , (1.38)
j=1
zm
m
unde z = ∑ z j · e j şi z j ∈ C pentru orice j. Operatorul TC poartă numele de com-
j=1
plexificatul operatorului T [14, pag. 65]. Având aceeaşi matrice de reprezentare,
operatorii T şi TC au acelaşi polinom caracteristic [14, pag. 66].
Lema 1.6. ([14, pag. 65, Proposition]) Operatorul liniar Q : EC → EC este comple-
xificatul unui operator liniar T : E → E — adică, Q = TC — dacă şi numai dacă
Q ◦ σ = σ ◦ Q, Q = σ ◦ Q ◦ σ −1 = σ ◦ Q ◦ σ .
Demonstraţie. Observăm că, aplicaţia σ fiind o involuţie, avem σ −1 = σ .

m
Partea “=⇒”. Fie z = ∑ z j · e j ∈ EC , unde e j ∈ E. Atunci — reamintesc că
j=1
σ (e j ) = e j şi TC (e j ) = T (e j ) pentru orice j —,
! !
m m
(σ ◦ Q ◦ σ ) (z) = (σ ◦ TC ◦ σ ) (z) = (σ ◦ TC ) ∑ zj ·ej =σ ∑ z j · TC (e j )
j=1 j=1
!
m m m
=σ ∑ z j · T (e j ) = ∑ z j · T (e j ) = ∑ z j · T (e j ) = TC (z)
j=1 j=1 j=1
= Q(z).
Partea “⇐=”. Să arătăm că Q(E) ⊆ E. Pentru z = Q(x) ∈ EC , unde x ∈ E, avem27
σ (z) = (σ ◦ Q) (x) = (Q ◦ σ ) (x) = Q(x) = z,
deci z ∈ EC ∩ Rn = ECR = E. Am folosit Lema 1.2.

Fie T = Q|E : E → E. Cum EC = SpanC {e1 , · · · , em } şi e j ∈ E, putem scrie că
26 Introdusă la pagina 1.
27 σ (e) = e pentru orice e ∈ E.
! !
m m m
Q(z) = Q ∑ zj ·ej = ∑ z j · T (e j ) = TC ∑ z j · e j
j=1 j=1 j=1
= TC (z), z ∈ EC .
Am obţinut că
Q = (Q|E )C ,
adică Q este complexificatul restricţiei sale la spaţiul liniar E. ⊓

⊔
Lema 1.7. Dacă operatorii liniari Qk : EC → EC sunt complexificaţii operatorilor

liniari (reali) Tk : E → E, unde k ∈ {1, 2}, atunci,
Q1 ◦ Q2 = (T1 ◦ T2 )C .
Demonstraţie. Conform (1.38), dacă Tk ∈ Mm (R) este matricea de reprezentare ı̂n

S1 a operatorulilor Tk şi (Tk )C , atunci T = T1 · T2 este matricea de reprezentare ı̂n
S1 a operatorilor T1 ◦ T2 şi (T1 ◦ T2 )C .
Pe de altă parte, matricea de reprezentare Q ı̂n S1 a operatorului Q1 ◦ Q2 este
produsul matricelor de reprezentare ale acestor operatori, adică
Q = T1 · T2 .
Concluzia rezultă din (1.38). ⊓

⊔
Capitolul 2
Teoreme de descompunere
2.1 Suma directă de subspaţii vectoriale. Suma directă de

operatori
Fie E ⊆ Cn un spaţiu liniar peste corpul K ∈ {R, C} cu baza S1 — introdusă la

pagina 1 —.
Lema 2.1. Dacă V ⊆ E este un K-subspaţiu liniar1 , atunci există W ⊆ E alt K-

subspaţiu liniar astfel ı̂ncât V ∩ W = {0E } şi orice element e ∈ E să se scrie sub
forma
e = v + w, v ∈ V, w ∈ W. (2.1)
Demonstraţie. Renumerotând, eventual, vectorii din S1 , putem presupune că V =

SpanK {e1 , · · · , eh }, unde h ≤ m. Atunci, fie — pentru h < m —
W = SpanK {eh+1 , · · · , em }. (2.2)
Dacă h = m, adică V = E, luăm W = {0E }.

Fie e ∈ E. Au loc relaţiile
m
e= ∑ kj ·ej (k j ∈ K pentru orice j)
j=1
! !
h m h m
= ∑ kj ·ej + ∑ 0·ej + ∑ 0·ej + ∑ kj ·ej
j=1 j=h+1 j=1 j=h+1
= v + w.
În particular, dacă e ∈ V ∩W , putem scrie că
1 Adică, operaţiile cu scalari folosesc numai elemente (scalari) din corpul K.
19
20 2 Teoreme de descompunere
h m
e= ∑ kj ·ej = ∑ k j · e j,
j=1 j=h+1
respectiv
h m
∑ kj ·ej + ∑ (−k j ) · e j = 0E .
j=1 j=h+1
Vectorii {e1 , · · · , em } fiind liniar independenţi, rezultă că toate coordonatele vecto-
rului e ı̂n baza S1 sunt nule, deci e = 0E .
Descompunerea (2.1) este unică datorită faptului că V ∩W = {0E }. Într-adevăr,
ı̂n caz contrar am avea
m
∑ kj
(1)
e = v1 + w1 = ·ej
j=1
m
∑ kj
(2)
= v2 + w2 = · e j,
j=1
(1) (2)
unde k j , k j ∈ K pentru orice j, respectiv
0E = (v1 − v2 ) + (w1 − w2 ) (2.3)

" # " #
h m
= ∑ kj −kj ·ej + ∑
(1) (2) (1) (2)
kj −kj ·ej . (2.4)
j=1 j=h+1
Concluzia poate fi obţinută ı̂n două moduri. Mai ı̂ntâi, conform (2.3), deducem
că
v1 − v2 = w2 − w1 ∈ V ∩W,
deci
v1 = v2 şi w1 = w2 . (2.5)
Aici nu am ţinut seama de dimensiunea spaţiului ambient E!

Pe de altă parte, via (2.4), liniar independenţa vectorilor {e1 , · · · , em } ne conduce
(1) (2)
la k j = k j pentru orice j, adică tot la (2.5). ⊓ ⊔
Lema 2.2. În contextul Lemei 2.1, dacă V este un subspaţiu propriu2 , atunci spaţiul
W nu este unic.
Demonstraţie. În demonstraţia anterioară am arătat, via formula (2.2), existenţa

unui subspaţiu W pentru care să aibă loc descompunerea (2.1).
2 Adică, h < m. Vezi şi [14, pag. 33].

2.1 Sume directe 21
Putem construi alt subspaţiu, notat W1 , cu aceleaşi proprietăţi ca W . Mai precis,

fie — pentru h < m − 1 —
W1 = SpanK {eh + eh+1 , eh+2 , eh+3 , · · · , em } .
Evident, spaţiul V ı̂şi păstrează formula, V = SpanK {e1 , · · · , eh }. Când h = m − 1,

luăm W1 = K (eh + eh+1 ).
Se observă că
eh + eh+1 ∈ W1 \W, eh+1 ∈ W \W1 ,
deci subspaţiile W şi W1 sunt distincte. ⊓

⊔
Subspaţiul W constituie un complement3 al subspaţiului V iar existenţa descom-

punerii (2.1) se notează cu expresia E = V ⊕W [11, pag. 29, Theorem], numită suma
directă a spaţiilor V şi W . Prin partiţionarea bazei S1 , putem scrie că4
" # " #
s hr+1 s hr+1
∑ ∑ ∑ ∑ 0·ej + ∑ ∑
(r) (r)
e= kj ·ej = kj ·ej + 0·ej ,
r=1 j=hr +1 r=1 j≤hr j=hr +1 j≥hr+1 +1
unde
{1, · · · , m} = {h1 + 1, · · · , h2 } ∪ {h2 + 1, · · · , h3 } ∪ · · · ∪ {hs + 1, · · · , hs+1 }
şi h1 = 0 < h2 < h3 < · · · < hs < hs+1 = m. De unde,
E = V1 ⊕ (V2 ⊕ (· · · ⊕ (Vs−1 ⊕Vs ) · · · )) (2.6)

= V1 ⊕V2 ⊕ · · ·Vs .
Lema 2.3. Dacă V1 ,V2 , . . . ,Vs ⊆ E, unde s ≥ 2, sunt K-subspaţii liniare şi orice
egalitate de forma
v1 + v2 + · · · + vs = 0E , vi ∈ Vi , i ∈ 1, s,
ne conduce la vi = 0E pentru orice 1 ≤ i ≤ s, atunci subspaţiile au ı̂n comun, două

câte două, numai vectorul nul. Reciproca este adevărată doar pentru s = 2.
Demonstraţie. Dacă ar exista i 6= j ∈ 1, s astfel ı̂ncât Vi ∩ V j 6= {0E }, atunci, luând

u ∈ (Vi ∩V j ) \ {0E }, am putea introduce vectorii vi = u, v j = −u, respectiv vk = 0E
s
pentru orice k 6= i, j. Evident, ∑ vr = 0E , ceea ce ar contrazice ipoteza.
r=1
Pentru partea a doua, să presupunem că s ≥ 3. Subspaţiile V1 = K(e1 + e2 ), V2 =
Ke1 şi V3 = Ke2 au, două câte două, ı̂n comun doar vectorul nul chiar dacă are loc
relaţia
3 Mai precis, un complement algebric, vezi [9, pag. 45, Definiţia 2.1.6].
4 Facem convenţia ca orice sumă cu zero termeni să fie nulă.
s
∑ vr = v1 + v2 + v3 + 0E + · · · + 0E
r=1
= (e1 + e2 ) + (−e1 ) + (−e2 ) + 0E + · · · + 0E
= 0E .
În sfârşit, dacă s = 2 şi ar exista vi ∈ Vi \ {0E } cu v1 + v2 = 0E , atunci am ajunge la
u = v1 = −v2 ∈ (Vi ∩V j ) \ {0E } ,
ceea ce ar contrazice ipoteza. ⊓

⊔
Lema 2.4. Fiind date mulţimile nevide A, B, C ⊆ E, sunt valabile următoarele afir-
maţii:
i) dacă A ⊆ B, atunci A ⊆ SpanK (A) ⊆ SpanK (B);
ii) A = SpanK (A) dacă şi numai dacă A este K-subspaţiu liniar;
iii) SpanK (A ∪ B) = SpanK (A ∪ SpanK (B));
iv)5 dacă SpanK (A) ∩ SpanK (B ∪ C) = {0E } şi SpanK (B) ∩ SpanK (A ∪ C) = {0E },
atunci SpanK (A ∪ B) ∩ SpanK (C) = {0E };
v) dacă A ∩ SpanK (B) = 0/ şi SpanK (A) ∩ B = 0,/ atunci SpanK (A) ∪ SpanK (B) (
SpanK (A ∪ B).
Demonstraţie. Partea iii). Este suficient să arătăm că
SpanK (A ∪ SpanK (B)) ⊆ SpanK (A ∪ B).
Astfel, fie u ∈ SpanK (A ∪ SpanK (B)). Atunci,

!
u= ∑ α a a + ∑ α c c = ∑ α a a + ∑ α c ∑ α cb b
a∈A c∈C a∈A c∈C b∈B
!
= ∑ α a a + ∑ ∑ α c · α cb b ∈ SpanK (A ∪ B),
a∈A b∈B c∈C

unde6 (α a )a∈A , (α c )c∈C , α cb b∈B, c∈C ⊂ K şi C = SpanK (B). Fiecare sumă are un
număr finit de termeni nenuli.
Partea iv). Păstrând tehnica de sumare (finită), fie (α a )a∈A , α b b∈B , (α c )c∈C ⊂
K şi vectorii
u= ∑ α a a, v= ∑ α b b, w= ∑ αc c
a∈A b∈B c∈C
5 Fie E = R2 , K = R, baza canonică S = i , i

1 2 şi mulţimile A = i1 + i2 , B = i1 − i2 , C =
i2 . Atunci, SpanK (A) ∩ SpanK (C) = SpanK (B) ∩ SpanK (C) = {0E } dar SpanK (C) ( SpanK (A ∪
B) = E. Vezi şi Exemplul 3.1.
6 În acest tutorial, când nu este pericol de confuzie, expresia (h )
i i∈A ⊂ H reprezintă o prescurtare
a expresiei {hi |i ∈ A} ⊂ H.
2.1 Sume directe 23
pentru care
u + v = w ∈ SpanK (A ∪ B) ∩ SpanK (C).
Observăm că
u = (−v) + w
= ∑ (−α b )b + ∑ α c c ∈ SpanK (A) ∩ SpanK (B ∪C),
b∈B c∈C
de unde u = 0E şi
v = w ∈ SpanK (B) ∩ SpanK (C) ⊆ SpanK (B) ∩ SpanK (A ∪C).
Ajungem la v = w = 0E .
Partea v). Folosim argumentul din demonstraţia Lemei 2.3. Astfel, fie a ∈ A, b ∈
B. Atunci, afirmăm că
a + b ∈ SpanK (A ∪ B)\ (SpanK (A) ∪ SpanK (B)) .
Într-adevăr, dacă am presupune că a + b ∈ SpanK (A), atunci am ajunge la
b = (a + b) + (−a) ∈ B ∩ SpanK (A),
adică la o contradicţie ⊓
⊔
Lema 2.5. ([18, pag. 204, Propoziţia 2.2]) Fie V1 ,V2 , . . . ,Vs ⊆ E, unde s ≥ 2, K-sub-
spaţii liniare. Atunci, orice egalitate de forma
v1 + v2 + · · · + vs = 0E , vi ∈ Vi , i ∈ 1, s,
ne va conduce la vi = 0E pentru orice 1 ≤ i ≤ s dacă şi numai dacă7

 
[
Vi ∩ SpanK  V j  = {0E } (2.7)
j∈1,s\{i}
pentru orice 1 ≤ i ≤ s.
Demonstraţie. Fixăm numărul i ∈ 1, s şi numerotăm elementele mulţimii 1, s\{i},

{ j1 , j2 , . . . , js−1 }. Construim partiţia (Wr )r∈1,s−1 ⊂ P (Mi ) a mulţimii
[
Mi = Vj
j∈1,s\{i}

7 S
K-subspaţiul SpanK Va reprezintă suma K-subspaţiilor (Va )a∈A , [18, pag. 118]. Aici, A =
a∈A
1, s\{i}. Se foloseşte notaţia ∑ Va , [18, pag. 204].
a∈A
cu formulele W1 = V j1 şi
  
[
Wr = V jr \ V jr ∩  V jq  , r ∈ 2, s − 1.
q∈1,r−1
!!
S
Fie vi ∈ Vi ∩ SpanK Vj \ {0E }. Atunci, există vectorii
j∈1,s\{i}
[
W = {w1 , . . . , wt } ⊂ Vj, t ≥ 1,
j∈1,s\{i}

şi scalarii α wq q∈1,t
⊂ K, nu toţi nuli, astfel ı̂ncât8
!
t s−1
vi = ∑ α wq wq = ∑ α ww = ∑ ∑ α ww
q=1 w∈W r=1 w∈W ∩Wr
s−1
= ∑ (−v jr ),
r=1
unde v jr ∈ SpanK (Wr ) ⊆ V jr — vezi Lema 2.4, părţile i), ii) — pentru orice r ∈
1, s − 1 şi cel puţin unul dintre aceşti vectori este nenul. Pentru a construi familia
(v jr )r∈1,s−1 , am adăugat vectorul 0E ori de câte ori W ∩Wr = 0.
/ Apoi, renumerotăm
familia, (v j ) j∈1,s\{i} .
Am obţinut că
vi + ∑ v j = 0E .
j∈1,s\{i}
Reciproc, dacă vi 6= 0E pentru un anumit i, atunci

 
[
vi = ∑ (−v j ) ∈ SpanK  Vj ,
j∈1,s\{i} j∈1,s\{i}
!
S
de unde {vi } ⊂ Vi ∩ SpanK Vj 6= {0E }. ⊓
⊔
j∈1,s\{i}
Lema 2.6. În contextul descompunerii (2.6), fie σ ∈ Ss — [18, pag. 43] — o permu-
tare a mulţimii M = {1, 2, . . . , s} şi partiţia {I, J} ⊂ P(M ) a acestei mulţimi. Au
loc egalităţile

E = Vσ (1) ⊕ Vσ (2) ⊕ · · · ⊕ Vσ (s−1) ⊕Vσ (s) · · ·
8 Reamintesc convenţia ca orice sumă de vectori cu 0 termeni să aibă valoarea 0E .

2.1 Sume directe 25
şi
! !
M M
E= Vi ⊕ Vj .
i∈I j∈J
Demonstraţie. Introducem mulţimile (Wi )i∈1,s , cu formulele Ws = {0E } şi
Wi = Vi+1 ⊕ (Vi+2 ⊕ (· · · ⊕ (Vs−1 ⊕Vs ) · · · )) , i ∈ 1, s − 1.
Aici, E = V1 ⊕W1 , respectiv Wi−1 = Vi ⊕Wi pentru orice 2 ≤ i ≤ s.

Au loc estimările Vs−1 ⊕Vs = SpanK (Vs−1 ∪Vs ), respectiv, via Lema 2.4, partea
iii),
Vs−2 ⊕ (Vs−1 ⊕Vs ) = SpanK (Vs−2 ∪ SpanK (Vs−1 ∪Vs ))

= SpanK (Vs−2 ∪Vs−1 ∪Vs ) .
!
S
În mod inductiv, ajungem la Wi = SpanK Vj pentru orice i ∈ 1, s − 1. De
j≥i+1
unde,
!
[
{0E } = Vi ∩Wi = Vi ∩ SpanK Vj . (2.8)
j≥i+1
Afirmăm că are loc condiţia (2.7). Într-adevăr, ı̂n caz contrar, va exista vectorul
" !#
[
vi = ∑ (−vq ) ∈ Vi ∩ SpanK Vq \ {0E } ,
q6=i q6=i
cu vq ∈ Vq pentru orice q. Din egalitatea (2.8), deducem că există cel puţin un vector
vq nenul astfel ı̂ncât q < i.
Dacă notăm cu q0 ∈ 1, i − 1 cel mai mic index pentru care termenul −vq0 din
suma vi este nenul, deducem că
!
[
vq0 = ∑ (−vq ) ∈ Vq0 ∩ SpanK Vj .
q≥q0 +1 j≥q0 +1
Am ajuns la o contradicţie, deci afirmaţia a fost probată.

Pe baza condiţiei (2.7), construim K-subspaţiile liniare
!
[
Vσ (i+1) ⊕ Vσ (i+2) ⊕ · · · ⊕ Vσ (s−1) ⊕Vσ (s) · · · = SpanK Vσ ( j) ,
j≥i+1
unde i ∈ 1, s − 1. În particular,


Vσ (i) ∩ Vσ (i+1) ⊕ Vσ (i+2) ⊕ · · · ⊕ Vσ (s−1) ⊕Vσ (s) · · · = {0E } .
Mai departe, fie i0 , i1 ∈ I. Ţinând seama de condiţia (2.7), avem

   
[ [
{0E } = Vi0 ∩ SpanK  Vq  = Vi1 ∩ SpanK  Vq  .
q∈J∪{i1 } q∈J∪{i0 }
!
S
Din Lema 2.4, partea iv), unde A = Vi0 , B = Vi1 , C = SpanK Vq , rezultă că
q∈J
!
[
SpanK Vi0 ∪Vi1 ∩ SpanK Vj = {0E } ,
j∈J
adică
!
M
Vi0 ⊕Vi1 ∩ Vj = {0E } .
j∈J
Stabilim concluzia ı̂n mod inductiv.

La fel ca ı̂n demonstraţia Lemei 2.1, nu am ţinut seama de dimensiunea spaţiului
ambient E. ⊓ ⊔
Păstrând contextul Lemei 2.1, fie T : V → V un operator liniar cu matricea de

reprezentare TV , unde

T (e1 ) · · · T (eh ) = e1 · · · eh TV , TV ∈ Mh (K).
Operatorul T poate fi prelungit cu zero la ı̂ntregul spaţiu E. Mai precis, noul

operator — notat tot cu T — verifică relaţia

T (e1 ) · · · T (eh ) T (eh+1 ) · · · T (em ) = e1 · · · eh eh+1 · · · em T,
unde9

TV Oh,m−h
T= ∈ Mm (K).
Om−h,h Om−h
Mai departe, fiind daţi operatorii liniari T : V → V şi P : W → W , cu matricele

TV şi PW , deducem că suma prelungirilor lor cu zero ı̂n spaţiul E este un operator
liniar M : E → E a cărui matrice de reprezentare ı̂n baza S1 are formula
9 O p,q reprezintă matricea-nulă cu p linii şi q coloane. Aici, O p = O p,p .

2.1 Sume directe 27

TV Oh,m−h Oh Oh,m−h
M = T+P = +
Om−h,h Om−h Om−h,h PW

TV Oh,m−h
= .
Om−h,h PW
Dacă spaţiul E este descompus ı̂n suma directă a spaţiilor V1 , . . . , Vs — vezi (2.6)
—, atunci, fiind daţi operatorii liniari Tr : Vr → Vr de matrice TVr , unde r ∈ 1, s, suma
prelungirilor lor cu zero ı̂n spaţiul E este operatorul T : E → E cu matricea
 
TV1 0 · · · 0
 0 TV · · · 0 
 2 
T= . . . . .
 .. .. . . .. 
0 · · · 0 TVs
Acesta se notează cu expresia T = T1 ⊕ · · · ⊕ Ts şi se numeşte suma directă a opera-

torilor (Tr )r∈1,s [14, pag. 41].
Lema 2.7. Fie T : E → E un operator liniar şi E = V ⊕ W . Dacă T (V ) ⊆ V şi

T (W ) ⊆ W , atunci există operatorii K-liniari T1 : V → V şi T2 : W → W astfel ı̂ncât
T = T1 ⊕ T2 .
Demonstraţie. Pentru V = SpanK {e1 , · · · , eh }, W = SpanK {eh+1 , · · · , em }, deducem

că
T (e j ) ∈ SpanK {e1 , · · · , eh }, j ∈ 1, h,
şi
T (ek ) ∈ SpanK {eh+1 , · · · , em }, k ∈ h + 1, m,
respectiv matricea de reprezentare a operatorului ı̂n raport cu baza S1 are forma

A Oh,m−h
T= , A ∈ Mh (K), B ∈ Mm−h (K). (2.9)
Om−h,h B
Avem T1 = T |V cu matricea TV = A şi T2 = T |W cu matricea TW = B. ⊓

⊔
Lema 2.8. Fie E = V ⊕W ⊆ Cn un spaţiu liniar peste corpul K şi operatorul liniar
T : E → E astfel ı̂ncât T (V ) ⊆ V şi T (W ) ⊆ W . Dacă λ ∈ K este o valoare proprie a
operatorului T , atunci λ este valoare proprie pentru cel puţin unul dintre operatorii
T |V , T |W .
Demonstraţie. Fie e = v + w ∈ E, unde v ∈ V şi w ∈ W , un vector propriu corespun-

zător valorii proprii λ .
Din relaţiile
T (e) = T (v) + T (w) = T |V (v) + T |W (w)

= λ ·e
= λ ·v+λ ·w
deducem că
T |V (v) − λ · v = λ · w − T |W (w) (∈ V ∩W )
= 0E ,
respectiv
T |V (v) = λ · v, T |W (w) = λ · w.
Cum e 6= 0E , cel puţin unul dintre vectorii v, w este nenul. Presupunem că w 6= 0.
Atunci, w este eigenvector pentru valoarea proprie λ a operatorului corespunzător,
adică T |W . ⊓
⊔
Exemplul 2.1. În contextul Lemei 2.2, fie T : R6 → R6 operatorul liniar bijectiv dat
de relaţiile
T (i1 ) = i2 , T (i2 ) = i1 , T (i3 ) = i3 ,

T (i4 ) = i4 , T (i5 ) = i6 , T (i6 ) = i5 ,
unde sistemul S1 = {i1 , . . . , i6 } desemnează baza canonică (1.11). Avem

 
010000
1 0 0 0 0 0
 
0 0 1 0 0 0
T= 0 0 0 1 0 0 ,
 det T = 1.
 
0 0 0 0 0 1
000010
Introducem subspaţiile liniare

V = SpanR i1 , i2 , i3 , W = SpanR i4 , i5 , i6 , W1 = SpanR i3 + i4 , i5 , i6 .
Atunci, avem
(E =) R6 = V ⊕W = V ⊕W1
şi — T (i3 + i4 ) = i3 + i4 —
T (V ) = V, T (W ) = W, T (W1 ) = W1 .
Cu alte cuvinte, subspaţiul V poate admite mai multe complemente, fiecare dintre
acestea invariat de către operatorul T !
2.2 Teorema N + M 29
2.2 Teorema N + M
Fie E ⊆ Cn un spaţiu liniar m-dimensional peste corpul K ∈ {R, C} şi T : E → E

un operator K-liniar.
Introducem mulţimile10

Ki (T ) = Ker T i , Li (T ) = Im T i , i ∈ N.
Aici, T 0 = I, unde I este operatorul-identitate din L(E, E), şi T i = T ◦ T ◦ · · · ◦ T —

i factori T —.
Lema 2.9. Pentru orice i ≥ 0, mulţimile Ki (T ) şi Li (T ), ı̂mpreună cu operaţiile

liniare de pe E, sunt spaţii liniare peste corpul K.
Demonstraţie. Aplicaţia T i : E → E fiind un operator liniar, nucleul11 (Ker) şi ima-

ginea12 sa (Im) sunt subspaţii liniare ale spaţiului E. ⊓
⊔
Lema 2.10. Mulţimile

[ \
N= Ki (T ), M= Li (T )
i≥0 i≥0
sunt subspaţii liniare ale spaţiului E.

Demonstraţie.
Fie x ∈ Ki (T ), adică T i (x) = 0. Avem T i+1 (x) = T ◦ T i (x) =
T T i (x) = T (0E ) = 0E , de unde x ∈ Ki+1 (T ). De aici,
K0 (T ) = Ker I = {0E } ⊆ K1 (T ) ⊆ · · · ⊆ Ki (T ) ⊆ Ki+1 (T ) ⊆ · · · ⊆ E. (2.10)

Fie y ∈ Li+1 (T ), adică y = T i+1 (x) pentru un anumit x ∈ E. Avem y = T i ◦ T (x)
= T i (T (x)) = T i (z), de unde y ∈ Li (T ). De aici,
L0 (T ) = Im I = E ⊇ L1 (T ) ⊇ · · · ⊇ Li (T ) ⊇ Li+1 (T ) ⊇ · · · ⊇ {0E } . (2.11)
Facem următoarea observaţie: dacă V ⊂ E este un subspaţiu liniar propriu, de

bază S , al spaţiului liniar E iar e ∈ E\V , atunci vectorii din sistemul B = S ∪ {e}
sunt liniar independenţi peste corpul K. Într-adevăr, cum V = SpanK (S ), dacă e ar
fi o combinaţie liniară de elemente din S , deci e ∈ SpanK (S ), atunci am ajunge la
e ∈ V , adică la o contradicţie.
Pe baza observaţiei anterioare, deducem că ı̂n niciunul din şirurile de spaţii
(2.10), (2.11) nu putem avea o infinitate de incluziuni stricte. O asemenea situaţie
10 Fiind dat operatorul liniar P : E → E, mulţimile Ker P = {e|P(e) = 0E } şi Im P = {P(e)|e ∈

E} = P(E), dotate cu operaţiile spaţiului ambient E, sunt spaţii liniare peste corpul K [11, pag.
88].
11 În limba engleză, kernel [20, pag. 16]. Sau spaţiul nul al operatorului T , vezi [20, pag. 16], [11,
ibid.].
12 În limba engleză, image [14, pag. 34].
ar conduce fie la o infinitate de vectori xi ∈ Ki+1 (T )\Ki (T ) ⊂ E fie la o infinitate

de vectori yi ∈ Li (T )\Li+1 (T ) ⊂ E care să fie liniar independenţi peste corpul K.
Numai că numărul maxim de elemente liniar independente din E este m!
Deducţia anterioară poate fi ı̂mbunătăţită. Astfel, să presupunem că avem Kt (T ) =
Kt+1 (T ) pentru un anumit t ∈ N∗ . Atunci, Kt+1 (T ) = Kt+2 (T ). Pentru a proba acest
fapt, fie x ∈ Kt+2 (T ). Atunci, 0E = T t+2 (x) = T t+1 (T (x)), de unde T (x) ∈ Kt+1 (T ),
respectiv T (x) ∈ Kt (T ). Am ajuns la T t+1 (x) = T t (T (x)) = 0E , adică x ∈ Kt+1 (T ).
În concluzie, Kt+2 (T ) ⊆ Kt+1 (T ). Incluziunea inversă provine din (2.10). Mai de-
parte, să presupunem că avem Lt (T ) = Lt+1 (T ) pentru un anumit t ∈ N∗ . Atunci,
Lt+1 (T ) = Lt+2 (T ). Pentru a proba acest fapt, fie x = T t+1 (y) ∈ Lt+1 (T ). Atunci,
x = T (T t (y)) = T (z), unde z ∈ Lt (T ) = Lt+1 (T ). Avem z = T t+1 (v), de unde
x = T (z) = T t+2 (v). Am ajuns la x ∈ Lt+2 (T ). Incluziunea inversă provine din
(2.11).
Aşadar, există numerele naturale p, r pentru care

Ki (T ) = Ki+1 (T ) = Ki+2 (T ) = · · · ,
(2.12)
L j (T ) = L j+1 (T ) = L j+2 (T ) = · · · ,
unde i ≥ p şi j ≥ r, şi
K0 (T ) ( K1 (T ) ( · · · ( Kp (T ), (2.13)
respectiv
L0 (T ) ) L1 (T ) ) · · · ) Lr (T ).
De aici, N = Kp (T ) şi M = Lr (T ). Concluzia rezultă din Lema 2.9. ⊓

⊔
Lema 2.11. În contextul Lemei 2.10,
T (N) ⊆ N, T (M) ⊆ M.
Demonstraţie. Fie e ∈ N. Atunci, fixăm i ≥ 0 astfel ı̂ncât e ∈ Ki (T ). În cazul i ≥ 1

au loc relaţiile

T i (T (e)) = T i+1 (e) = T T i (e) = T (0E )
= 0E ,
din care deducem că T (e) ∈ Ki (T ) ⊆ N.

Mai departe, fie e ∈ M. Atunci, via (2.12), M = T r (E), deci există f ∈ E cu
proprietatea că e = T r ( f ). Avem
T (e) = T r+1 ( f ) ∈ Im T r+1 = Im T r = M,
ceea ce ı̂ncheie demonstraţia. ⊓

⊔
Lema 2.12. ([14, pag. 333, Theorem]) În contextul Lemei 2.11, fie P : E → E un
operator K-liniar care comută cu T , adică
2.2 Teorema N + M 31
T ◦ P = P ◦ T.
Atunci,
P(N) ⊆ N. (2.14)
Demonstraţie. Din T ◦ P = P ◦ T rezultă că T 2 ◦ P = T ◦ (T ◦ P) = T ◦ (P ◦ T ) =

(T ◦ P) ◦ T = (P ◦ T ) ◦ T = P ◦ T 2 , respectiv
T k ◦ P = P ◦ T k, k ∈ N∗ .
Fie x ∈ N = Kp (T ) — vezi (2.12) —. Au loc relaţiile
T p (P(x)) = (T p ◦ P) (x) = (P ◦ T p ) (x) = P(0E ) = 0E ,
adică P(x) ∈ Kp (T ). ⊓
⊔
Teorema 2.1. ([14, pag. 332, Lemma]) Spaţiul liniar E admite descompunerea
E = N ⊕ M. (2.15)
Demonstraţie. Fie T1 = T |M . Conform Lemei 2.11, operatorul T1 : M → M este

bine-definit. Mai mult, ţinând seama de (2.12), putem scrie că
M = T r (E) = T r+1 (E) = T (T r (E)) = T (M) = T1 (M),
adică T1 este surjectiv. Deoarece spaţiul liniar M este finit dimensional iar operatorul
T1 este K-liniar, deducem că T1 este bijectiv, deci şi injectiv13 .
Cum operatorul T1 este bijectiv, toate puterile sale sunt bijective, adică Ker (T1v ) =
{0E }, unde v ≥ 0. Aşadar, pentru orice e ∈ M\{0E }, şirul (T1v (e))v≥1 conţine doar
vectori nenuli din M. În particular, fie x ∈ N ∩ M\{0E }. Atunci, cum x ∈ N, există
i ≥ 1 astfel ı̂ncât x ∈ Ki (T ), adică T i (x) = 0E . Deoarece x ∈ M\{0E }, relaţiile
0E = T i (x) = T1i (x) 6= 0E
ne conduc la o contradicţie. Am obţinut că
N ∩ M = {0E } .
Rămâne să stabilim că are loc descompunerea (2.1). Fie e ∈ E. Atunci, T r (e) ∈
M. Cum14 M = T1r (M), există şi este unic vectorul w ∈ M cu proprietatea că
T r (e) = T1r (w).
Luând v = e − w, observăm că T r (v) = T r (e) − T r (w) = T r (e) − T1r (w) = 0E ,

adică v ∈ Kr (T ) ⊆ N. ⊓
⊔
13 Vezi [14, pag. 35, 327, Proposition 3] sau [11, pag. 62, Theorem 2].
14 Operatorul T1r este bijectiv!
Lema 2.13. În contextul Teoremei 2.1,
T = T1 ⊕ T2 , (2.16)
unde T1 = T |N şi T2 = T |M . De asemeni, există p ∈ N∗ astfel ca
TNp = Oh , (2.17)
unde h este dimensiunea K-subspaţiului N.
Demonstraţie. Conform (2.12), fixăm p ≥ 1 pentru care Ki (T ) = Kp (T ) oricare ar

fi i ≥ p. Atunci, N = Kp (T ).
Formulele (1.24), (1.25) ne conduc la — reamintesc relaţia (1.16) —
 
x1
 .. 
 
p  . 
T O xh 
0E = T p (v) = e1 · · · em N h,m−h  ,
Om−h,h TM 0
 
.
 .. 
0
h m
unde N = SpanK {e1 , · · · , eh }, M = SpanK {eh+1 , · · · , em } şi v = ∑ xi · ei + ∑ 0 ·
i=1 i=h+1
ei ∈ N, respectiv la identitatea dublă
   
x1 x1
 ..   ..   
   
p  .  p  .  0
TN Oh,m−h xh    TN Oh,m−h  xh   .. 
 
Om−h,h TM  0  = Om−h,h T p  0  = ., (2.18)
  M  
. . 0
 ..   .. 
0 0
valabilă pentru orice x1 , . . . , xh ∈ K.

Singura matrice care poate fi pusă ı̂n locul lui TNp ı̂n (2.18) pentru a satisface
identitatea este matricea-nulă, Oh . Relaţia (1.18) ne arată că formula (2.17) este
independentă de baza spaţiului N. ⊓ ⊔
Operatorul liniar T1 : N → N din Lema 2.13 este numit nilpotent [14, pag. 109].
2.3 Teorema de descompunere primară
Lema 2.14. Fie E ⊆ Cn un K-spaţiu liniar de dimensiune m ≤ n şi T : E → E un

operator K-liniar cu valoarea proprie λ0 ∈ K.
2.3 Teorema de descompunere primară 33
Presupunem că T verifică proprietatea (H S ): sau ecuaţia caracteristică
pT (λ ) = 0
are toate rădăcinile reale sau
K = C.
Fie subspaţiul liniar15

[
V= Ker (T − λ0 · I)k
k≥0
şi W un complement al acestuia cu proprietatea că T (W ) ⊆ W . Atunci, sau W =

{0E } sau polinomul caracteristic pT (λ ) al operatorului T admite un zero λ1 6= λ0
ı̂n K.
Demonstraţie. Începem prin a arăta că situaţia din ipoteză — existenţa subspaţiilor
V , W — are loc ı̂ntotdeauna.
Pasul ı̂ntâi. Aplicând Teorema 2.1 şi Lema 2.11 operatorului liniar T − λ0 · I,
deducem că V este un subspaţiu liniar al spaţiului E care este invariat de T − λ0 · I.
De asemeni, subspaţiul V admite un complement, şi anume
\
W= Im (T − λ0 · I)k ,
k≥0
care să fie invariant la acţiunea lui T − λ0 · I.

Pasul al doilea. Facem observaţia că, fiind dat µ ∈ K, operatorul liniar T − µ · I
invariază un subspaţiu liniar H ⊆ E dacă şi numai dacă şi operatorul T invariază
subspaţiul ı̂n cauză. Într-adevăr, dacă (T − µ · I)(e) = T (e) − µ · e ∈ H pentru un
anumit e ∈ H, atunci T (e) = [T (e) − µ · e] + µ · e ∈ H, adică T (H) ⊆ H. Afirmaţia
reciprocă este evidentă: (T − µ · I)(H) ⊆ H când T (H) ⊆ H.
În consecinţă, spaţiile V , W , care sunt invariate de T − λ0 · I, vor fi invariate şi de
operatorul T , respectiv de toţi operatorii (T − µ · I)µ ∈K . Am ajuns, aşadar, la cele
două descompuneri (2.15), (2.16) — bazată pe Lema 2.7 —.
Revenind la firul principal al demonstraţiei, ipotezele ne situează ı̂n contextul
Lemei 2.7. Pentru V = SpanK {e1 , · · · , eh }, W = SpanK {eh+1 , · · · , em }, matricea de
reprezentare a operatorului T ı̂n baza S1 = {e1 , . . . , em } a spaţiului E are forma
(2.9). În particular, dacă h < m — vezi (2.9) — şi λ ∈ K este o eigenvaloare a
operatorului T , atunci matricea de reprezentare a operatorului T − λ · I ı̂n baza S1
are forma

Ih Oh,m−h A − λ · Ih Oh,m−h
T − λ · Im = T − λ · = , (2.19)
Om−h,h Im−h Om−h,h B − λ · Im−h
15Subspaţiul V se mai numeşte şi λ0 -eigenspaţiul generalizat al operatorului T iar mulţimea

Ker (T − λ0 · I) ⊆ V poartă numele de λ0 -eigenspaţiul operatorului T [14, pag. 110].
de unde

A − λ · Ih Oh,m−h
pT (λ ) =
Om−h,h B − λ · Im−h
= det (A − λ · Ih ) · det (B − λ · Im−h ) (2.20)
= 0.
h
Fie v ∈ V , unde v = ∑ xi · ei . Conform (2.12), există numărul p ≥ 1 astfel ı̂ncât
i=1
V = Kp (T − λ0 · I).
Relaţiile (2.18) devin — vezi (2.19) —
 
x1
 ..   
 
 .  0
(A − λ0 · Ih ) p Oh,m−h xh   . 
 
(B − λ0 · Im−h ) p   =  ..  . (2.21)
Om−h,h 0
. 0
 .. 
0
La fel ca ı̂n demonstraţia Lemei 2.13, pentru ca identitatea (2.21) să aibă loc este
obligatoriu să avem
(A − λ0 · Ih ) p = Oh , (2.22)
ceea ce ne conduce la o formulă de reprezentare a matricei A, şi anume
A = λ0 · Ih + M, M ∈ Mh (K), M = nilpotentă. (2.23)
Facem următoarea observaţie: dacă T1 : E → E este prelungirea cu zero a opera-

torului T1 : V → V , adică

A Oh,m−h
T1 = ,
Om−h,h Om−h
m
şi e = ∑ xi · ei ∈ E este un eigenvector (generalizat) corespunzând valorii proprii
i=1
µ 6= 0 — a acestei prelungiri T1 —, atunci sistemul algebric
   
x1 x1
 ..   .. 
 .   
  k  . 
 x  A − µ · I O  x 
(T1 − µ · Im )k  h  h h,m−h  h 
xh+1  = Om−h,h Om−h − µ · Im−h xh+1 
   
 .   . 
 ..   .. 
xm xm
 
x1
 .. 
!
 . 

(A − µ · Ih )k Oh,m−h  xh 
 
= (2.24)
Om−h,h (−µ · Im−h )k 
xh+1 

 . 
 .. 
xm
 
0
 .. 
=  .  ∈ Rm , k ∈ N∗ ,
0
are drept soluţie nenulă setul de coordonate ı̂n baza S1 al vectorului e. Prezenţa
termenului (−µ · Im−h )k ı̂n (2.24) ne arată că sistemul poate avea (asemenea) soluţii
nenule dacă şi numai dacă det(A − µ · Ih ) = 0 şi xh+1 = · · · = xm = 0. Adică, µ tre-
h
buie să fie eigenvaloare pentru operatorul “mic” T1 : V → V şi e = ∑ xi · ei ∈ V
i=1
un eigenvector (generalizat) corespunzându-i lui µ . Cu alte cuvinte, valorile pro-
prii nenule şi vectorii proprii (generalizaţi) ai unui operator T1 : V → V coincid
cu valorile proprii nenule, respectiv cu vectorii proprii (generalizaţi) ai prelungirii
acestui operator cu zero ı̂n ı̂ntregul spaţiu E. Evident, o observaţie similară se face
ı̂n privinţa operatorului T2 : W → W şi a prelungirii sale cu zero, notată tot cu T2 , ı̂n
ı̂ntreg spaţiul ambient E!
Numărul λ0 ∈ K, fiind o valoare proprie a operatorului T : E → E, este o rădăcină,
de multiplicitate16 m0 ∈ N∗ , a polinomului caracteristic pT (λ ). Atunci, avem
pT (λ ) = (λ − λ0 )m0 · q(λ ), (2.25)
unde q este tot un polinom cu coeficienţi ı̂n K, având gradul mai mic decât m —
gradul polinomului pT (λ ) —, care nu se anulează pentru λ = λ0 .
Formula (2.22) ne arată că numărul λ0 este valoare proprie a matricei A. În plus,
via (2.20), deducem că există 1 ≤ n0 ≤ m0 astfel ı̂ncât (λ − λ0 )n0 |det (A − λ · Ih ).
Afirmăm că n0 = m0 , adică λ0 nu este un zero al polinomului det (B − λ · Im−h ).
Pentru a proba aceasta, presupunem că, prin absurd, λ0 este un asemenea zero, adică
o valoare proprie a matricei B. Observaţia anterioară, pentru operatorul T2 : W → W
şi µ = λ0 , ne conduce la sistemul algebric
16 Această cantitate se numeşte multiplicitatea algebrică a eigenvalorii λ0 , vezi [1, pag. 157].

x1
 ..   
 
 .  0
−λ0 · Ih Oh,m−h  xh   . 
  =  .  ∈ Rm . (2.26)
Om−h,h B − λ0 · Im−h  
xh+1 
.
 .  0
 .. 
xm
Cum det (B − λ0 · Im−h ) = 0, dacă luăm x1 = · · · = xh = 0, atunci va exista vectorul

m
nenul w = ∑ xi · ei ∈ SpanK {eh+1 , . . . , em } = W ale cărui componente să verifice
i=h+1
sistemul algebric (2.26). Astfel, w devine un eigenvector17 al (prelungirii cu zero a)
operatorului T2 , de unde, dată fiind unicitatea descompunerii (2.1), deducem că
T (w) = T (0E + w) = T2 (w) = λ0 · w,
respectiv w ∈ Ker (T − λ0 · I) ⊆ V . Am ajuns, evident, la o contracţie: w ∈ V ∩W .

Mai facem o afirmaţie18 : numărul λ0 este singura valoare proprie a matricei
A ∈ Mh (K). La fel ca până acum, presupunem că, prin absurd, există µ 6= λ0 ı̂n K
astfel ı̂ncât det (A − µ · Ih ) = 0. Folosind sistemul algebric (2.24), cu k = 1, deducem
existenţa19 unui vector nenul v ∈ SpanK {e1 , . . . , eh } = V pentru care este valabilă
dubla egalitate T (v) = T1 (v) = µ · v.
Cum v ∈ V , există j ≥ 1 cu proprietatea că v ∈ Ker (T − λ0 · I) j . Adică, (T − λ0 ·
j
I) (v) = 0E . Însă, remarcăm că
(T − λ0 · I)2 (v) = (T − λ0 · I)((T − λ0 · I)(v)) = (T − λ0 · I)(T (v) − λ0 · v)

= (T − λ0 · I)((µ − λ0 ) · v) = (µ − λ0 ) · (T − λ0 · I)(v)
= (µ − λ0 )2 · v,
respectiv — prin inducţie matematică —
0E = (T − λ0 · I) j (v) = (µ − λ0 ) j · v.
Am ajuns, din nou, la o contradicţie: v = 0E .

Demonstraţia afirmaţiei se bazează, aşadar, pe construcţia unui vector v 6= 0E .
Acest vector nu poate fi folosit dacă µ ∈ C\K pentru că am avea
v ∈ SpanC {e1 , . . . , eh } ) SpanK {e1 , . . . , eh } = V,
adică este posibil ca v 6∈ V . Ca să evităm asemenea complicaţii, am introdus pro-

prietatea (H S ) [14, pag. 128, Theorem 1].
În concluzie,
17 Dacă λ0 = 0, atunci nu este obligatoriu ca x1 = · · · = xh = 0! Putem, ı̂n schimb, impune noi
această restricţie, deoarece suntem interesaţi de construcţia unui anumit vector w.
18 Vezi [14, pag. 332, ecuaţia (2)].
19 Aici, impunem ca x
h+1 = · · · = xm = 0.
det (A − λ · Ih ) = (−1)m0 · (λ − λ0 )m0 , λ ∈ K, (2.27)
deci am obţinut următoarea formulă pentru polinomul caracteristic al operatorului

T , şi anume
pT (λ ) = (−1)m0 (λ − λ0 )m0 · det (B − λ · Im−h ). (2.28)
Expresia (2.27) ne arată că gradul polinomului det (A − λ · Ih ) — adică, h, dimen-

siunea subspaţiului V peste K — este egal cu m0 , multiplicitatea algebrică a valorii
proprii λ0 . Cu alte cuvinte,
!
[
dimK Ker (T − λ0 · I)i = m0 . (2.29)
i≥0
Vezi [14, pag. 333].

În sfârşit, cum suma dimensiunilor celor două subspaţii, dimKV + dimKW , este
dimensiunea spaţiului E, adică m, dacă W 6= {0E }, adică dimKW ≥ 1, deducem că
dimKV = m0 ≤ m − 1. Dat fiind că gradul polinomului pT (λ ) este m, rezultă că
factorul det (B − λ · Im−h ) din (2.28) este un polinom cu gradul cel puţin 1. Numărul
(complex) λ1 căutat este o soluţie a ecuaţiei algebrice det (B − λ · Im−h ) = 0. ⊓
⊔
Vom lucra, până la sfârşitul secţiunii de faţă, cu scalari din corpul
K=C (2.30)
si
¸ vom aplica ı̂n mod inductiv Lema 2.14.
În contextul Teoremei 2.1, dacă am fixat baza S1 a spaţiului ambient E, atunci
operatorul T2 : W → W este reprezentat de matricea
TW = B, B ∈ Mm−m0 (K),
iar prelungirea cu zero ı̂n E a operatorului T2 , pe care o notăm cu T 2 : E → E, are

matricea

Om0 Om0 ,m−m0
T2 = . (2.31)
Om−m0 ,m0 B
Polinomul caracteristic pT (λ ) se scrie ı̂n mod unic sub forma20
pT (λ ) = (−1)m · (λ − λ0 )m0 · (λ − λ1 )m1 · . . . · (λ − λs )ms , s ∈ N∗ , (2.32)
unde numerele complexe {λ0 , . . . , λs } desemnează valorile proprii distincte ale ope-
ratorului liniar T iar numerele {m0 , . . . , ms } ⊂ N∗ sunt multiplicităţile algebrice ale
s
acestor valori proprii. Evident, ∑ mi = m. Vezi [14, pag. 330].
i=0
20 Atenţie, ı̂n [14, pag. 110] se foloseşte ca polinom caracteristic mărimea (−1)m · pT (λ ).
Reprezentarea (2.28) a polinomului pT (λ ) ne conduce la următoarea expresie a

polinomului caracteristic pT2 (λ ) al operatorului liniar T2 : W → W . Adică,
pT2 (λ ) = (−1)m−m0 · (λ − λ1 )m1 · . . . · (λ − λs )ms .
Aplicând Lema 2.14 operatorului21 T2 : W → W , obţinem relaţiile omoloage celor

care au caracterizat operatorul T :
W = V1 ⊕W1 , T2 = T21 ⊕ T22 ,
unde
[ \
V1 = Ker (T2 − λ1 · I)k , W1 = Im (T2 − λ1 · I)k .
k≥0 k≥0
Aici, I : W → W este operatorul-identitate din L(W,W ), respectiv22 T21 = T2 |V1 =

T |V1 şi T22 = T2 |W1 = T |W1 . În plus, dacă v1 ∈ E este un eigenvector (generalizat)
corespunzând valorii proprii λ1 a operatorului liniar T : E → E, atunci avem v1 ∈ W
— am văzut că subspaţiul V conţine doar eigenvectori (generalizaţi) ai valorii proprii
λ0 —. Ceea ce ı̂nseamnă că [14, pag. 332, ecuaţia (1)]
Ker (T − λ1 · I)i = Ker (T2 − λ1 · I)i , i ≥ 1, (2.33)
respectiv
[
V1 = Ker (T − λ1 · I)k .
k≥0
Pentru a ne convinge de acest fapt, nu avem decât să analizăm sistemul algebric a-
sociat membrului stâng al egalităţii (2.33). Mai precis, fiind dată ecuaţia matriceală
 
x1
 ..   
 . 
  0
(A − λ1 · Im0 ) i Om0 ,m−m0  xm   . 
 0  =  .  ∈ Rm ,
Om−m0 ,m0 (B − λ1 · Im−m0 )i   xm 0 +1


.
 .  0
 .. 
xm
existenţa unui set {x1 , . . . , xm0 } de numere complexe care să conţină măcar un număr
nenul23 va ı̂nsemna că sistemul algebric omogen
21 Atenţie, operatorul T 2 admite ı̂ntotdeauna şi valoarea proprie 0, a cărei multiplicitate algebrică
este cel puţin m0 . Cum operatorul T ar putea avea şi el valoarea proprie 0, dacă i-am aplica Lema
2.14 operatorului T 2 , atunci argumentaţia s-ar complica excesiv.
22 Evident, T |
2 V1 = (T |W )|V1 = T |V1 pentru că V1 ⊆ W . !
m
23 Adică, de exemplu, xm0 6= 0 şi v1 = xm0 · em0 + ∑ xi · ei ∈ Ki (T − λ1 · I)\W .
i=m0 +1
   
x1 0
   
(A − λ1 · Im0 )i  ...  =  ...  ∈ Rm0
xm0 0
admite soluţii nenule. Astfel, ajungem la det (A − λ1 · Im0 ) = 0. Adică, matricea A

ar trebui să aibă valoarea proprie λ1 6= λ0 , ceea ce contrazice demonstraţia Lemei
anterioare!
Mai departe, matricea B are forma

A1 Oh1 ,m−m0 −h1
B= , (2.34)
Om−m0 −h1 ,h1 B1
unde A1 ∈ Mh1 (K), B1 ∈ Mm−m0 −h1 (K).

Inserăm expresia matricei B din (2.34) ı̂n (2.31) şi ajungem la matricea de repre-
zentare a (prelungirii cu zero a) operatorului T21 : E → E, şi anume
 
Om0 Om0 ,m−m0
T12 =  A1 Oh1 ,m−m0 −h1  .
Om−m0 ,m0
Om−m0 −h1 ,h1 Om−m0 −h1
Este clar că avem, ı̂n fapt, următoarea matrice:

 
Om0 Om0 ,h1 Om0 ,m−m0 −h1
T12 =  Oh1 ,m0 A1 Oh1 ,m−m0 −h1  .
Om−m0 −h1 ,m0 Om−m0 −h1 ,h1 Om−m0 −h1
În mod analog,

 
Om0 Om0 ,h1 Om0 ,m−m0 −h1
T22 =  Oh1 ,m0 Oh1 Oh1 ,m−m0 −h1  .
Om−m0 −h1 ,m0 Om−m0 −h1 ,h1 B1
Aşadar, am dedus că24 E = V0 ⊕V1 ⊕W1 şi T = T0 ⊕ T1 ⊕ T2 , unde

[
Vi = Ker (T − λi · I)k , dimKVi = mi , Ti = T |Vi , i ∈ {0, 1},
k≥0
şi
T2 = T |W1 .
Teorema 2.2. Fiind date spaţiul liniar complex E ⊆ Cn , de dimensiune m ≤ n, şi

operatorul C-liniar T : E → E, are loc descompunerea
T = D +N ,
24 Aici, V0 = V .
unde operatorul C-liniar N : E → E este nilpotent iar operatorul C-liniar D : E →

E admite o matrice-diagonală25 de reprezentare.
Demonstraţie. Ne găsim ı̂n contextul Lemei 2.14 şi al cerinţei (2.30). Există, aşadar,
subspaţiile liniare complexe Vi ⊆ E, unde
[
Vi = Ker (T − λi · I) j , dimCVi = mi (vezi (2.32))
j≥0
pentru 0 ≤ i ≤ s, şi26 [14, pag. 110, Theorem 1]
E = V0 ⊕V1 ⊕ · · · ⊕Vs . (2.35)
Matricea de reprezentare a operatorului liniar T ı̂n baza S1 are forma

 
A0 · · · Om0 ,ms
 ..  , A ∈ M (C).
T =  ... ..
. .  i mi
Oms ,m0 · · · As
Aici, conform (2.23),
Ai = λi · Imi + Mi , Mi ∈ Mmi (C), (2.36)
şi există numărul pi ∈ N∗ cu proprietatea că
Mipi = Omi . (2.37)
Introducem matricele
 
D0 · · · Om0 ,ms
 ..  ,
D =  ... ..
. .  Di = λi · Imi , i ∈ 0, s,
Oms ,m0 · · · Ds
şi
 
M0 · · · Om0 ,ms
 .. .. ..  .
N= . . . 
Oms ,m0 · · · Ms
Îl notăm cu p pe cel mai mare dintre numerele {p0 , . . . , ps } [14, pag. 112].
Atunci,
25 Matricea M = (mvw )v,w ∈ Mq (K) este matrice-diagonală dacă singurele elemente (intrări) ne-
nule ale sale se găsesc pe diagonala principală a matricei. Adică, mvw = 0 pentru orice v 6= w ∈ 1, q.
Prin extensie de limbaj, o matrice definită pe blocuri este matrice-diagonală dacă numai blocurile
de pe diagonala principală pot fi nenule.
26 La ultima aplicare a Lemei 2.14, obţinem W = W = {0 }.
s E
   p0 p−p 
M0p · · · Om0 ,ms M0 · M0 0 · · · Om0 ,ms
 ..  =  
N p =  ... ..
. .  
..
.
..
.
..
. 
Oms ,m0 · · · Msp Oms ,m0 ps
· · · Ms · Ms p−ps
 
Om0 · · · Om0 ,ms
 ..  = O .
=  ... ..
. .  m (2.38)
Oms ,m0 · · · Oms
Via (1.9), definim operatorul D de matrice D şi operatorul N de matrice N. ⊓

⊔
Un operator K-liniar D : E → E care admite o matrice-diagonală de reprezentare

este numit diagonalizabil [14, pag. 45] atunci când K ∈ {R, C} şi semi-simplu pen-
tru K = C [14, pag. 63]. În cazul particular când s = 0, deci D = D0 = λ0 · Im0 =
λ0 · Im , operatorul poartă numele de operator diagonal [14, pag. 46]. Tot aici se
observă că, pentru orice matrice W ∼ D, avem W = λ0 · Im = D [14, pag. 111].
Lema 2.15. În contextul Teoremei 2.2, avem
D ◦ N = N ◦ D.
Demonstraţie. La fel ca ı̂n (1.16), operatorul D ◦ N este reprezentat de matricea

DN ı̂n baza S1 a spaţiului E iar operatorul N ◦ D de matricea ND.
Mai departe,
   
D0 M0 · · · Om0 ,ms λ0 Im0 M0 · · · Om0 ,ms
 ..  =  
DN =  ... ..
. .  
..
.
..
.
..
. 
Oms ,m0 · · · Ds Ms Oms ,m0 · · · (λs Ims ) Ms
   
M0 λ0 Im0 · · · Om0 ,ms M0 D0 · · · Om0 ,ms
 . . .   . .. .. 
= .. .. ..  =  .. . . 
Oms ,m0 · · · Ms (λs Ims ) Oms ,m0 · · · Ms Ds
= ND.
⊔
⊓
Lema 2.16. ([14, pag. 120, Problema 8]) În contextul Teoremei 2.2, au loc inegali-
tăţile
pi ≤ mi , i ∈ 0, s, (2.39)
unde numerele pi au fost definite ı̂n (2.37). Adică, matricele Mi din (2.36) ı̂ndeplinesc
condiţiile
Mimi = Omi pentru orice i. (2.40)
Demonstraţie. Ştim că Vi = Kpi (T − λi · I). Incluziunile stricte (2.13), şi anume
{0E } ( Ker (T − λi · I) ( Ker (T − λi · I)2 ( · · · ( Ker (T − λi · I) pi = Vi ,
ne permit să alegem vectorii x1 ∈ Ker (T − λi · I)\{0E }, x2 ∈ Ker (T − λi · I)2 \Ker (

T − λi · I), . . . , x pi ∈ Ker (T − λi · I) pi \Ker (T − λi · I) pi−1 . Setul {x1 , . . . , x pi } ⊂ Vi
este liniar independent peste K. Cum dimKVi = mi , ajungem la (2.39). În sfârşit,
Mimi = Mipi · Mimi −pi = Omi ,
unde 0 ≤ i ≤ s. ⊓
⊔
Via (2.35), (2.38), (2.39), remarcăm că
p = max {p0 , . . . , ps } ≤ max {m0 , . . . , ms } ≤ m,
respectiv
Nm = Om . (2.41)
Lema 2.17. ([14, pag. 121, problema 17]) În contextul Lemei 2.7, fie Pi : E → E,
unde 1 ≤ i ≤ 3, operatori K-liniari astfel ı̂ncât P1 să fie diagonalizabil, P2 să fie
nilpotent şi P3 să fie diagonal. Atunci, dacă
Pi (V ) ⊆ V, Pi (W ) ⊆ W pentru orice i,
P1 |V este diagonalizabil, P2 |V este nilpotent şi P3 |V este diagonal.
Demonstraţie. Dacă operatorul K-liniar T : E → E invariază subspaţiile V şi W ,

atunci există baza S1 a spaţiului E pentru care V = SpanK {e1 , . . . , eh }, W =
SpanK {eh+1 , . . . , em } şi matricea de reprezentare are forma

A Oh,m−h
T= , A ∈ Mh (K), B ∈ Mm−h (K).
Om−h,h B
De aici, evident,

Aj Oh,m−h
Tj = , j ∈ N∗ .
Om−h,h Bj
Matricea A ı̂l reprezintă pe T |V ı̂n baza (S1 )V = {e1 , . . . , eh }.

Dacă T p = Om pentru un anumit p ∈ N∗ — adică, T = P2 —, atunci A p = Oh .
Dacă există setul de numere {d1 , . . . , dm } ⊂ K pentru care
 
d1 0 0 · · · 0
 0 d2 0 · · · 0 
 
 ..  ,
T =  ... ... . . . . 
 
 0 · · · 0 dm−1 0 
0 0 · · · 0 dm
deci T = P1 , atunci
 
d1 0 0 ··· 0
0 d2 0 ··· 0 
 
 ..  .
A =  ... ..
.
..
. . (2.42)
 
0 · · · 0 dh−1 0 
0 0 · · · 0 dh
În sfârşit, dacă T = P3 , există λ ∈ K cu proprietatea că T = λ ·I, unde I ∈ L(E, E)

este operatorul-identitate. Atunci, evident T |V = λ · I|V .
Facem observaţia că
k
A C Ak Ck
= , k ∈ N∗ ,
Om−h,h B Om−h,h Bk
unde A ∈ Mh (K), B ∈ Mm−h (K), Ck ∈ Mh,m−h (K), deci condiţia Pi (W ) ⊆ W nu

este necesară aici — am introdus-o deoarece ea intervine ı̂n demonstraţia Lemei
2.18 —. ⊓ ⊔
Lema 2.18. ([14, pag. 333, Theorem]) În contextul Teoremei 2.2, există o singură
descompunere a operatorului T sub forma
T = P1 + P2 ,
unde P1 : E → E este un operator K-liniar diagonalizabil iar P2 : E → E este un

operator K-liniar nilpotent, astfel ı̂ncât P1 să comute cu P2 .
Demonstraţie. Existenţa unei asemenea descompuneri este dată de Teorema 2.2 şi
de Lema 2.15.
Deoarece P1 şi P2 comută, au loc relaţiile
P1 ◦ T = P1 ◦ (P1 + P2 ) = P12 + P1 ◦ P2 = P12 + P2 ◦ P1 = (P1 + P2 ) ◦ P1 = T ◦ P1 .
În mod analog, P2 ◦ T = T ◦ P2 , respectiv T ◦ D = D ◦ T şi T ◦ N = N ◦ T .

Lema 2.12 arată că fiecare dintre K-subspaţiile din descompunerea (2.35) este
invariat de operatorii P1 , P2 , D, N .
Introducem operatorii
P1i = P1 |Vi : Vi → Vi , P2i = P2 |Vi : Vi → Vi
şi
Di = D |Vi = λi · I : Vi → Vi , Ni = N |Vi : Vi → Vi , (2.43)
unde 0 ≤ i ≤ s. Evident, operatorii Di , Ni sunt reprezentaţi — ı̂n submulţimea din

baza S1 a spaţiului E care este bază ı̂n Vi — de matricele λi ·Imi şi Mi , cu Mimi = Omi ,
conform (2.40).
Afirmăm că operatorii P2i şi Ni comută. Într-adevăr, conform (2.46),
P2i ◦ Ni = P2i ◦ (T |Vi − λi · I) = (P2 ◦ T )|Vi − λi · P2i

= (T ◦ P2 )|Vi − λi · P2i = (T |Vi − λi · I) ◦ P2i
= Ni ◦ P2i , i ∈ 0, s.
Comutarea operatorilor P2i şi Ni implică, evident, comutarea matricelor lor de

reprezentare, (P2 )Vi şi Mi . Din ipoteză27 , există numerele qi ∈ N∗ astfel ı̂ncât
((P2 )Vi )qi = Omi pentru orice i. Atunci, pentru t = 2 · max {qi , mi }, avem28 — via
binomul lui Newton —
t
k
[(P2 )Vi − Mi ]t = ∑ (−1)t−k · [(P2 )Vi ]k · Mit−k . (2.44)
k=0
t
Inegalitatea
k + (t − k) t
max {k,t − k} ≥ = ≥ max {qi , mi }
2 2
arată că fiecare din termenii sumei (2.44) are cel puţin unul dintre factorii [(P2 )Vi ]k ,
Mit−k egal cu Omi . În consecinţă,
[(P2 )Vi − Mi ]t = Omi , (2.45)
adică operatorii {P2i − Ni |0 ≤ i ≤ s} sunt nilpotenţi.

Plecând de la egalitatea dublă
T |Vi = P1i + P2i = Di + Ni , (2.46)

deducem că operatorii P1i − Di 0≤i≤s sunt nilpotenţi.
Fixăm i ∈ 0, s. Operatorul P1i este diagonalizabil29 iar operatorul Di este opera-
tor-diagonal, deci matricea de reprezentare a operatorului P1i − Di are forma — vezi
(2.42) —
 i 
d1 − λi 0 0 ··· 0
 0 d2i − λi 0 ··· 0 
 
 .. .. . .. 
Fi =  . . . . .  , d ij ∈ K.
 
 0 · · · 0 dmi i −1 − λi 0 
0 0 ··· 0 dmi − λi
i
Conform (2.45),
27 Vezi Lema 2.17, cazul operatorului P2 .

28 k
Vezi pagina 110, nota de subsol, pentru notaţia .
t
29 Vezi Lema 2.17, cazul operatorului P1 .
 t 
d1i − λi 0 0 ··· 0
 t 
 0 d2i − λi 0 ··· 0 
 .. .. .. .. 
 
Fit =  . . . .  = Omi ,
 t 
 0 ··· 0 dmi i −1 − λi 0 
 
t
0 0 ··· 0 dmi i − λi
de unde d ij = λi pentru orice 1 ≤ j ≤ mi , adică P1i = Di .

Din (2.46) rezultă că P2i = Ni , unde i ∈ 0, s. ⊓⊔
Capitolul 3
Forma canonică a matricelor pătrate cu
elemente numerice
3.1 Cazul operatorilor nilpotenţi
Fie E ⊆ Cn un spaţiu liniar m-dimensional peste corpul K ∈ {R, C}. Aici, ca şi
până acum, m ≤ n.
Fie e ∈ E\{0E } şi operatorul K-liniar T : E → E. Introducem mulţimea1

Z(e, T ) = SpanK T i (e)|i ∈ N .
Elementele sale sunt combinaţii liniare cu număr finit de termeni nenuli ale vectori-
lor din familia {e, T (e), T 2 (e), . . . }.
Observăm că
( )
h
Z(e, T ) = ∑ αi · T i (e)|αi ∈ K, h ∈ N .
i=0
Într-adevăr, fixând x ∈ Z(e, T ), cu

r
x= ∑ αh j · T h j (e), r, h j ∈ N,
j=0
introducem numerele αi = αh j pentru i = h j , j ∈ 0, r, respectiv αi = 0 pentru i 6∈

{h1 , . . . , hr } şi deducem că
h
x = ∑ αi · T i (e), h = max {h1 , . . . , hr }. (3.1)
i=0
Presupunem că operatorul T este nilpotent. Astfel, există k ∈ N pentru care
T k = O, (3.2)
1 Reamintesc că T 0 = I, operatorul-identitate din L(E, E).
47
48 3 Forma canonică a matricelor
unde O : E → E desemnează operatorul-nul2 .

Lema 3.1. Există numărul natural h < k — vezi (3.2) — astfel ı̂ncât vectorii din
setul {e, T (e), T 2 (e), . . . , T h (e)} să fie liniar independenţi peste corpul K.
Demonstraţie. Cum e 6= 0E , fie h, unde 0 ≤ h ≤ k − 1, cel mai mare număr natural3
pentru care niciunul dintre vectorii din familia {e, T (e), T 2 (e), . . . , T h (e)} să nu fie
nul. Evident, T h+1 (e) = 0E , de unde
T q (e) = T q−h−1 (T h+1 (e)) = T q−h−1 (0E ) = 0E (3.3)
pentru orice q ≥ h + 1.
De asemeni, vectorii din setul {e, T (e), T 2 (e), . . . , T h (e)} sunt diferiţi unul de
celălalt. Într-adevăr, dacă ar exista numerele p ≥ 0, q ≥ 1 astfel ca p + q ≤ h şi
T p (e) = T p+q (e), atunci

T h+1−q (e) = T h+1−p−q (T p (e)) = T h+1−p−q T p+q (e)
= T h+1 (e) = 0E , (3.4)
ceea ce contrazice definiţia numărului h.

Afirmăm că vectorii {e, T (e), T 2 (e), . . . , T h (e)} sunt liniari independenţi peste
corpul K. Într-adevăr, fiind dată relaţia
h h
∑ αi · T i (e) = 0E , unde αi ∈ K, ∑ |αi |2 > 0,
i=0 i=0
să presupunem că αr ∈ K este coeficientul nenul cu cel mai mic index. Deci
h
∑ αi · T i (e) = 0E ,
i=r
respectiv, via (3.3),

!
h
0E = T h−r ∑ αi · T i (e) = αr · T h (e).
i=r
Am ajuns la o contradicţie: αr = 0.
În plus, avem — conform (3.1) —
n o
Z(e, T ) = SpanK e, . . . , T h (e) ,
adică setul
{e, . . . , T h (e)} (3.5)

2 Adică, T k (e) = 0E pentru orice e ∈ E.
3 Conform [14, pag. 334], cantitatea h + 1 se notează cu nil: nil(e, T ).
3.1 Cazul operatorilor nilpotenţi 49
este bază a subspaţiului Z(e, T ). ⊓

⊔
Lema 3.2. În contextul Lemei 3.1, au loc relaţiile
T (Z(e, T )) = Z(T (e), T ) ⊆ Z(e, T ) (3.6)
şi

Ker T Z(e,T ) = KT nil(e,T )−1 (e). (3.7)
h
Demonstraţie. Fie x = ∑ αi · T i (e) ∈ Z(e, T ), unde αi ∈ K şi 0 ≤ i ≤ h ≤ k − 1.
i=0
Atunci,
h h
T (x) = ∑ αi · T (T i (e)) = ∑ αi · T i (T (e)) ∈ Z(T (e), T ),
i=0 i=0
adică T (Z(e, T )) ⊆ Z(T (e), T ).

h
Reciproc, fie y = ∑ αi · T i (T (e)) ∈ Z(T (e), T ). Observăm că
i=0
h
y = ∑ αi · T (T i (e)) = T (x) ∈ T (Z(e, T )).
i=0
Fie h = nil(e, T ) − 1. Pentru a stabili formula (3.7), observăm că relaţiile — dacă
h≥1—
!
h
0E = T (x) = T ∑ αi · T i (e)
i=0
h−1
= ∑ αi · T i+1 (e) + αh · T h+1 (e)
i=0
h−1
= ∑ αi · T i+1 (e), αi ∈ K,
i=0
implică αi = 0 pentru orice 0 ≤ i ≤ h − 1. ⊓

⊔
Lema 3.3. Fie x, y ∈ E astfel ı̂ncât {0E } ( Z(x, T )∩Z(y, T ). Atunci, există numerele
r, s ≥ 0 pentru care
{T i (x)|i ≥ r} ⊂ Z(y, T ), {T j (y)| j ≥ s} ⊂ Z(x, T ).
Demonstraţie. Introducem numerele h1 = nil(x, T ) − 1 şi h2 = nil(y, T ) − 1.

Fie u ∈ Z(x, T ) ∩ Z(y, T )\{0E }, adică
h1 h2
u = ∑ αi · T i (x) = ∑ β j · T j (y),
i=0 j=0
unde αi , β j ∈ K. În plus,
α0 = · · · = αr−1 = 0, αr 6= 0, β0 = · · · = βs−1 = 0, βs 6= 0.
Atunci,
T h1 −r (u) = αr · T h1 (x) + αr+1 · T h1 +1 (x) + · · ·

= αr · T h1 (x)
h2
= ∑ β j · T j+h1 −r (y),
j=s
h2 β
de unde rezultă că T h1 (x) = ∑ α
j
· T j+h1 −r (y) ∈ Z(y, T ).
j=s r
Apoi — dacă h1 ≥ r + 1 —,
T h1 −r−1 (u) = αr · T h1 −1 (x) + αr+1 · T h1 (x) + αr+2 · T h1 +1 (x) + · · ·

= αr · T h1 −1 (x) + αr+1 · T h1 (x)
h2
= ∑ β j · T j+h1 −r−1 (y),
j=s
respectiv
h2
βj αr+1 h1
T h1 −1 (x) = ∑ αr · T j+h1 −r−1 (y) − αr
· T (x) ∈ Z(y, T ).
j=s
Ajungem la
h2
βj h1
αi
T r (x) = ∑ αr · T j
(y) − ∑ αr · T i (x) ∈ Z(y, T ),
j=s i=r+1

⊔
Exemplul 3.1. În contextul Lemei 3.3, observăm că Z(x, T ) ∩ Z(y, T ) ⊆ Z(y, T ) este
un K-subspaţiu liniar al spaţiului
Z(y, T ). Am stabilit că acest subspaţiu conţine cel
puţin un element al bazei y, . . . , T h2 (y) a spaţiului ambient Z(y, T ). Afirmăm că,
fiind date K-spaţiul liniar E, o bază a sa S şi subspaţiul propriu V ⊂ E, unde
V 6= {0E }, este posibil ca V ∩ S = 0. /
Într-adevăr, fie E = R7 — aici, K = R —, baza canonică S = {i1 , . . . , i7 } şi

V = R i1 + i2 ⊕ R i3 + i4 .
Atunci,
V ∩ S = 0.
/
Fie operatorul K-liniar P : E → E. Putem construi o bază a spaţiului ı̂n care acest
operator acţionează, dacă se cunosc baze din Ker P şi Im P, după cum urmează: fiind
date baza S3 = {y1 , . . . , yt } a spaţiului Im P şi baza S4 = {x1 , . . . , xs } a spaţiului
Ker P, selectăm familia de vectori S5 = {z1 , . . . , zt } pentru care zi ∈ P−1 (yi ), unde
i ∈ 1,t. Atunci, setul
S6 = {z1 , . . . , zt , x1 , . . . , xs } (3.8)
este bază a spaţiului ambient E, vezi [14, pag. 327, Proposition 3].
Ca să ne convingem de acest fapt, arătăm că vectorii din S6 sunt liniar indepen-
denţi. Fie scalarii αi , β j ∈ K, unde i ∈ 1,t, j ∈ 1, s, pentru care
t s
∑ αi · zi + ∑ β j · x j = 0E . (3.9)
i=1 j=1
Aplicând operatorul P relaţiei (3.9), ajungem la — S4 ⊂ Ker P şi S3 este liniar

independent —
t t
∑ αi · P(zi ) = ∑ αi · yi = 0E ,
i=1 i=1
de unde αi = 0 pentru orice 1 ≤ i ≤ t. Relaţia (3.9) devine — S4 este liniar inde-

pendent —
s
∑ β j · x j = 0E ,
j=1
de unde β j = 0 pentru orice 1 ≤ j ≤ s.

De asemeni, vectorii din S6 alcătuiesc un sistem de generatori ai spaţiului am-
bient E. Într-adevăr, fie x ∈ E. Atunci, există scalarii αi ∈ K, unde i ∈ 1,t, astfel
ı̂ncât
t
P(x) = ∑ αi · yi
i=1
!
t t
= ∑ αi · P(zi ) = P ∑ αi · zi .
i=1 i=1
t
Observăm că u = x− ∑ αi ·zi ∈ Ker P. Astfel, există scalarii β j ∈ K, unde j ∈ 1, s,
i=1
cu proprietatea că
s
u= ∑ β j · x j,
j=1
respectiv
t s
x = ∑ αi · zi + ∑ β j · x j ,
i=1 j=1
ceea ce ı̂ncheie justificarea.

Dacă ı̂nlocuim baza S3 a spaţiului Im P cu sistemul de vectori liniar indepen-
denţi S3 = {y1 , . . . , yt }, unde t ≤ dimK Im P, atunci setul S6 din (3.8) este liniar
independent.
Teorema 3.1. ([14, pag. 335, Proposition]) În contextul relaţiei (3.2), spaţiul liniar
E admite descompunerea
E = Z(e1 , T ) ⊕ · · · ⊕ Z(eq , T ), (3.10)
unde q ≥ 1.
Demonstraţie. Utilizăm inducţia matematică. Astfel, vom verifica existenţa acestui
tip de descompunere atunci când dimK E ∈ {1, 2}, apoi, presupunând că descompu-
nerea poate fi realizată pentru orice spaţiu liniar E cu dimK E ≤ m − 1, vom construi
o descompunere ı̂n cazul dimK E = m.
Pasul ı̂ntâi: cazul dimK E = 1. Fie S = {e} o bază a spaţiului E. Atunci, E =
SpanK {e}, de unde rezultă că T (e) = λ · e ∈ E. Ipoteza (3.2) ne conduce la λ = 0,
astfel că nil(e, T ) = 1. Avem
Z(e, T ) = SpanK {e}, E = Ker T.
Deci E = Z(e, T ).
Pasul al doilea: cazul dimK E = 2. Conform (3.2), dimK Ker T ≥ 1.
Dacă dimK Ker T = 2, adică E = Ker T , atunci T = O — aşadar, k = 1 — şi
E = Ke1 ⊕ Ke2 = Z(e1 , T ) ⊕ Z(e2 , T ),
unde S = {e1 , e2 } constituie o bază a spaţiului E.

Dacă dimK Ker T = 1, deci există e1 6= 0E astfel ı̂ncât Ker T = Ke1 , atunci există
şi e2 6= 0E cu T (e2 ) 6= 0E . Sistemul vectorial S = {e2 , T (e2 )} ⊂ E este liniar in-
dependent peste corpul K, deci alcătuieşte o bază a spaţiului E. Am obţinut că E =
Z(e2 , T ).
Pasul al treilea: cazul 2 ≤ dimK E ≤ m − 1. Presupunem că se poate realiza des-
compunerea (3.10).
Pasul al patrulea: cazul dimK E = m. Operatorul T fiind nilpotent, dimK Ker T ≥
1. Cum — vezi (3.8) —
dimK Ker T + dimK T (E) = dimK E,
rezultă că dimK T (E) ≤ m − 1.

Conform ipotezei de inducţie, există vectorii {y1 , . . . , yr } ⊂ T (E) cu proprietatea
că
T (E) = Z(y1 , T ) ⊕ · · · ⊕ Z(yr , T ).

În particular, sistemul

r
[ n o
S3 = Zi , Zi = yi , T (yi ), . . . , T hi (yi ) ,
i=1
unde hi = nil(yi , T ) − 1, este o bază a spaţiului liniar T (E).

Pentru a construi sistemul S6 din (3.8), avem nevoie de un set S5 . Cu acest scop,
introducem vectorii xi ∈ T −1 (yi ), unde 1 ≤ i ≤ r.
Observăm că T j (xi ) ∈ T −1 (T j (yi )) pentru orice 0 ≤ j ≤ hi şi
Xi = {xi , T (xi ), . . . , T hi (xi )} ⊆ T −1 (Zi ) , (3.11)
respectiv nil(xi , T ) = nil(yi , T )+1 = hi +2. De asemeni, avem T hi +1 (xi ) = T hi (yi ) ∈

Ker T .
Fie K-spaţiile liniare
Z(xi , T ) = SpanK {xi , T (xi ), . . . , T hi (xi ), T hi +1 (xi )}

n o
= SpanK Xi ∪ T hi +1 (xi ) . (3.12)
Atunci,
n o n o
Xi ∪ T hi +1 (xi ) ∩ X j ∪ T h j +1 (x j ) = 0,
/ i 6= j.
Într-adevăr, via (3.11) — Zi ∩ Z j = 0, / Zi ∩ {0E } = 0/ —, avem Xi ∩ X j = 0/ pentru

orice i 6= j. Apoi, cum {T hi +1 (x )} ⊆ T −1 ({0 }), deducem că {T hi +1 (x )}∩X = 0. /
i E i j
Este evident că T hi +1 (xi ) ∩ T h j +1 (x j ) = 0. / În caz contrar, am avea T hi +1 (xi ) =
T h j +1 (x j ), ceea ce e echivalent cu T hi (yi ) = T h j (y j ) ∈ Zi ∩ Z j , o contradicţie.
Mai departe, afirmăm că spaţiile (Z(xi , T ))1≤i≤r sunt liniar independente peste
corpul K. Pentru a proba aceasta, fie expresia [14, pag. 335] — vezi şi Lema 2.5 —
r
∑ ui = 0E , ui ∈ Z(xi , T ).
i=1
Aplicând operatorul T , avem — via (3.6) —

r
∑ vi = 0E , vi = T (ui ) ∈ T (Z(xi , T )) = Z(yi , T ).
i=1
Deoarece spaţiile (Z(yi , T ))1≤i≤r sunt liniar independente

peste corpul K, obţinem

că vi = 0E pentru orice i. Aşadar, ui ∈ Ker T Z(xi ,T ) şi, pe baza expresiei (3.7),
ui ∈ KT hi +1 (xi ) = KT hi (yi ) ⊆ Z(yi , T ).
Am ajuns la ui = 0E , ceea ce dovedeşte afirmaţia făcută anterior.

Putem preciza acum setul S5 . Mai precis,
r
[
S5 = Xi .
i=1
Cum spaţiile (Z(xi , T ))1≤i≤r sunt liniar independente, sistemul de vectori

n o
T h1 +1 (x1 ), . . . , T hr +1 (xr ) ⊆ Ker T
este liniar independent peste corpul K. Îl completăm până la o bază S4 a spaţiului
Ker T .
n o
S4 = T h1 +1 (x1 ), . . . , T hr +1 (xr ), xr+1 , . . . , xs . (3.13)
Am ajuns la — vezi (3.12) —

M
E = SpanK (S6 ) = Ke (3.14)
e∈S6
= Z(x1 , T ) ⊕ · · · ⊕ Z(xr , T ) ⊕ Kxr+1 ⊕ · · · ⊕ Kxs
= Z(x1 , T ) ⊕ · · · ⊕ Z(xr , T ) ⊕ Z(xr+1 , T ) ⊕ · · · ⊕ Z(xs , T ). (3.15)
Demonstraţia s-a ı̂ncheiat. ⊓

⊔
Exemplul 3.2. Descompunerea (3.10) nu este, ı̂n general, unică.

Fie E = R8 , unde K = R, şi baza canonică S = {i1 , . . . , i8 }. Introducem opera-
torul R-liniar T : E → E prin formulele
T (i j ) = i j+1 , j ∈ {1, 2, 5, 6}, T (is ) = 0E , s ∈ {3, 4, 7, 8}.
Atunci, T 3 = O.
Deducem că
Z(is , T ) = Ris , s ∈ {3, 4, 7, 8},
şi
Z(iw , T ) = SpanR {iw , iw+1 , iw+2 } ≡ R3 , nil(iw , T ) = 3,
unde w ∈ {1, 5}, respectiv
Z(i1 + i5 , T ) = SpanR {i1 + i5 , i2 + i6 , i3 + i7 } ≡ R3 , nil(i1 + i5 , T ) = 3.
Au loc egalităţile
E = Z(i1 , T ) ⊕ Z(i5 , T ) ⊕ Z(i4 , T ) ⊕ Z(i8 , T )
şi
E = Z(i1 + i5 , T ) ⊕ Z(i5 , T ) ⊕ Z(i3 , T ) ⊕ Z(i8 , T ).

Observăm că
Z(i1 + i5 , T ) ∩ Z(i j , T ) = {0E }, Z(i j , T ) ∩ Z(iv , T ) = {0E },
unde j 6= v ∈ {1, 3, 4, 5, 8}.

Matricea de reprezentare a operatorului T , ı̂n ambele descompuneri, este
  
000
1 0 0 O3 O3,1 O3,1 
 
 010 
   
 0 0 0 
T=  .
O 1 0 0  O O 
 3 3,1 3,1 
 0 1 0 
 
 O1,3 O1,3 (0) O1 
O1,3 O1,3 O1 (0)
Mai precis,

T (d 1 ) · · · T (d 8 ) = d 1 · · · d 8 · T,
unde

(d 1 , . . . , d 8 ) = i1 , i2 , i3 , i5 , i6 , i7 , i4 , i8 ,
respectiv

T (e1 ) · · · T (e8 ) = e1 · · · e8 · T,
unde

(e1 , . . . , e8 ) = i1 + i5 , i2 + i6 , i3 + i7 , i5 , i6 , i7 , i3 , i8 .
Următoarele matrice pătrate,

 
0 0 0 0 ··· 0
1 0 0 0 · · · 0   
 
0 1 0 0 · · · 0  000
  00
Ak =  . . . . ..  ∈ Mk (K), A3 = 1 0 0, A2 = , A1 = (0),
 .. . . . . . . .  10
  010
0 · · · 0 1 0 0
0 ··· 0 0 1 0
unde k ∈ N∗ , poartă numele de matrice (blocuri) nilpotente elementare4 .

Rămânând ı̂n cadrul Teoremei 3.1, să observăm că matricea de reprezentare a
operatorului nilpotent T : E → E ı̂n raport cu baza S6 — (3.8) — este
4 În limba engleză, elementary nilpotent block (sing.). Vezi [14, pag. 122].
 
T Z(e1 ,T ) 0 0 ··· 0

 0 TZ(e2 ,T ) 0 ··· 0 

 . .. .. .. 
 .. . . . 
T= ,
 
 0 ··· 0 TZ(eq−1 ,T ) 0 
 

0 0 0 ··· TZ(eq ,T )

unde5 TZ(ek ,T ) = Anil(ek ,T ) pentru orice 1 ≤ k ≤ q şi q = s. De asemeni, matricele
1-dimensionale A1 le corespund spaţiilor Z(e, T ) cu e ∈ Ker T . În cazul nostru, a-
ceste elemente e sunt — dacă r + 1 ≤ s — elementele {xr+1 , . . . , xs } din setul S4
prezentat ı̂n (3.13).
Formula (3.15) arată că spaţiul liniar E poate fi scris ca suma directă a s subspaţii
de tipul Z(e, T ) ı̂n timp ce din definiţia (3.13) a setului S4 rezultă că dimK Ker T = s.
Astfel, numărul de blocuri nilpotente elementare ale matricei T este egal cu dimen-
siunea nucleului operatorului T [14, pag. 123, Theorem 2].
Conform formulei (1.9), putem permuta coloane şi linii ale matricei T dacă per-
mutăm vectorii din baza S6 a spaţiului E.
De exemplu, lucrând pe blocuri, egalitatea

AO
(T (B1 ) T (B2 )) = (B1 B2 )
OB
se rescrie ca

BO
(T (B2 ) T (B1 )) = (B2 B1 ) .
OA
Cu alte cuvinte, blocurile nilpotente elementare pot fi aşezate pe diagonala prin-

cipală a matricei T ı̂n ordinea descrescătoare (nestrictă) a dimensiunilor lor [14,
pag. 123, Theorem 1]. Această permutare este echivalentă cu permutarea termenilor
din partea dreaptă a descompunerii (3.15).
Este valabilă egalitatea

T = T Z(x1 ,T ) ⊕ · · · ⊕ T Z(xs ,T ),
de unde — via Lema 3.2 —

T v = T v Z(x1 ,T ) ⊕ · · · ⊕ T v Z(xs ,T ), v ∈ N∗ .
La fel ca ı̂n cazul relaţiei (3.7), deducem că — pentru 1 ≤ v ≤ hi + 2 —

n o
Ker T v Z(xi ,T ) = SpanK T hi +2−v (xi ), . . . , T hi +1 (xi ) , i ∈ 1, r,
adică, via (3.4),
5 Reamintesc observaţia de la (3.4)!


dimK Ker T v Z(xi ,T ) = v.
Fie v = 2. Pe baza (3.14), realizăm descompunerea

M n o
nil(e,T )−2
Ker T 2 = SpanK T (e), T nil(e,T )−1 (e)
e ∈ {x1 , . . . , xs }
nil(e, T ) ≥ 2
M
⊕ KT nil(e,T )−1 (e). (= Ke)
e ∈ {x1 , . . . , xs }
nil(e, T ) = 1
Deducem de aici că, la calculul dimensiunii subspaţiului Ker T 2 ⊆ E, toate subspa-

ţiile Z(e, T ) de dimensiune cel puţin 2 contribuie cu câte 2 (dimensiuni) ı̂n timp ce
subspaţiile 1-dimensionale contribuie cu câte (evident) 1 dimensiune [14, pag. 124].
Primelor dintre subspaţii le corespund blocuri nilpotente elementare Ak , unde k ≥ 2.
Un raţionament analog se efectuează pentru fiecare Ker T v ⊆ E.
Fie νi ≥ 0 numărul blocurilor Ai de pe diagonala principală a matricei T. Cum
dimK E = m, este evident că νi = 0 pentru orice i ≥ m + 1. Fie δi = dimK Ker T i .
Atunci, analiza anterioară ne conduce la — [14, ibid.] —


 δ1 = ν 1 + · · · + ν m ,

 δ2 = ν1 + 2 · (ν2 + · · · + νm ),



 ..

 .
 δ w = ∑ i · νi + w · ∑ νi , unde 2 ≤ w ≤ m, (3.16)

 1≤i≤w−1 w≤i≤m

 ..



 .

δm = ν 1 + 2 · ν 2 + 3 · ν 3 + · · · + m · ν m .
Evident, ı̂n practică, vom avea νi = 0 pentru mulţi6 dintre indecşii i.

Scăzând două câte două — “ecuaţia (i) − ecuaţia (i + 1)” — ecuaţiile consecutive
ale sistemului algebric (3.16), ajungem la
6 Conform [14, pag. 120, Problema 8], δ = m, adică Tm = O . Vezi şi estimările (2.40), bazată
m m
pe (2.13), respectiv (2.41). Pentru a o folosi pe aceasta din urmă, să remarcăm că, dacă un operator
R-liniar este nilpotent, atunci şi complexificatul său va fi nilpotent — vezi (1.16), (1.38) —. Apli-
când Teorema 2.2, realizăm descompunerea (unică) TC = D + N = O + N = N , de unde T = N.
Nu vom utiliza, ı̂n cele ce urmează, relaţia δm = m.


 δ1 = ν 1 + · · · + ν m ,

 − δ1 + δ2 = ν 2 + ν 3 + · · · + ν m ,



 ..

 .
 −δw−1 + δw = ∑ νi , unde 2 ≤ w ≤ m,

 w≤i≤m

 ..



 .

−δm−1 + δm = νm .
În sfârşit, scăzând două câte două — “ecuaţia (i) − ecuaţia (i + 1)” — ecuaţiile
consecutive ale sistemului algebric anterior, obţinem


 ν 1 = 2 · δ1 − δ2 ,

 ..


 .
νw = −δw−1 + 2 · δw − δw+1 , unde 2 ≤ w ≤ m − 1, (3.17)

 .

 ..



νm = −δm−1 + δm .
Relaţiile (2.12) arată că există numărul p ≥ 1 astfel ı̂ncât δ p = δ p+1 = · · · , de unde
ν p+1 = ν p+2 = · · · = 0.
Setul de relaţii (3.17) arată că numărul de blocuri nilpotente elementare de o a-
numită dimensiune depinde numai de operatorul T , aşadar, scrierea matricei T ca o
matrice-diagonală care are pe diagonala principală blocuri nilpotente elementare
aşezate ı̂n ordinea descrescătoare nestrictă a dimensiunilor lor este unică, vezi [14,
pag. 125, Theorem 4].
Fie ε > 0 fixat. Fiind date e ∈ E\ {0E }, k = nil(e, T ) şi operatorul K-liniar U =
T Z(e,T ) : Z(e, T ) → Z(e, T ), relaţia (1.9) ne conduce la
 
0 0 0 ··· 0
0
1 0 0 · · · 0
0
 
0 1 0 · · · 0
0 
U(e1 ) · · · U(ek ) = e1 · · · ek ·  . .. ..
.. ..  ,
 .. . .
. .
 
0 · · · 0 1 0 0
0 ··· 0 0 1 0
unde — reamintesc formulele bazei (3.5) —
e1 = e, e2 = T (e) = U(e1 ), . . . , ek = T k−1 (e) = U(ek−1 ).
Introducem altă bază a K-spaţiului liniar Z(e, T ) prin relaţiile — [14, pag. 148]
—
1 1
f 1 = e1 , f 2 = · e2 , . . . , f k = k−1 · ek .
ε ε
Matricea de schimbare de bază este
3.2 Forma canonică Jordan 59
 
1 0 0 0 ··· 0
0 1
··· 
 ε 0 0 0 
0 0 ε12 0 ··· 0 
 
P = Bk (ε ) = 
 .. .. .. .. .. .

. . . . . 
 1 
0 ··· 0 0 ε k−2
0 
1
0 ··· 0 0 0 ε k−1
Via identităţile7

00 10 00 10 00
A2 · B2 (ε ) = · = = · = B2 (ε ) · A2 (ε )
10 0 ε1 10 0 ε1 ε0
şi — aici, k ≥ 3 —
   
0 0 0 0 ··· 0 0 0 00 ··· 0
1 0 0 0 · · · 0 ε 0 00 · · · 0
   
ε
0 1
ε 0 0 · · · 0 0 00 · · · 0
   
Ak · Bk (ε ) =  .. .. .. .. ..  = Bk (ε ) ·  . .. ..
.. .. 
. . . . .  .. . .. .
   
0 ··· 0 1
ε k−3
0 0 0 · · · 0 ε 0 0
0 ··· 0 0 1
k−2 0 0 ··· 0 0 ε 0
ε
= Bk (ε ) · Ak (ε ),
deducem că

U( f 1 ) · · · U( f k ) = U(e1 ) · · · U(ek ) · Bk (ε ) = e1 · · · ek · Ak · Bk (ε )

= e1 · · · ek · Bk (ε ) · Ak (ε )
 
0 0 0 0 ··· 0
ε 0 0 0 · · · 0
 
0 ε 0 0 · · · 0
 
= f 1 ··· f k ·. . . .
.. 
. . (3.18)
 .. . . . . . . 
 
0 · · · 0 ε 0 0
0 ··· 0 0 ε 0
Evident, Ak = Ak (1).
3.2 Forma canonică Jordan a matricei de reprezentare T
În contextul Teoremei 2.2, revenim la expresiile (2.35) – (2.39).
7 Matricele (Ak )k≥1 au fost introduse la pagina 55.

Fie λ ∈ K. Pe baza discuţiei din secţiunea anterioară, introducem următoarele

matrice pătrate
 
λ 0 0 0 ··· 0
1 λ 0 0 ··· 0
 
0 1 λ 0 ··· 0
 
Jkλ =  . . . . ..  ∈ Mk (K) (3.19)
 .. . . . . . . .
 
0 ··· 0 1 λ 0
0 ··· 0 0 1 λ
şi
 
λ 0 0
λ 0
J3λ =  1 λ 0 , J2λ = , J1λ = (λ ), (3.20)
1λ
0 1λ
unde k ∈ N∗ . Ele se numesc matrice Jordan elementare8 .

Deoarece operatorul Di din (2.43) este un operator diagonal, putem modifica ba-
za λi -eigenspaţiului generalizat Vi astfel ı̂ncât matricea nilpotentă Mi să fie adusă la
forma sa canonică [14, pag. 123], adică să fie organizată ca o matrice-diagonală de
blocuri nilpotente elementare, aşezate ı̂n ordinea descrescătoare nestrictă a dimen-
siunilor lor. Atunci, matricele Ai din (2.36) devin matrice-diagonale formate din
matrice Jordan elementare, aşezate ı̂n ordinea descrescătoare nestrictă a dimensiu-
nilor lor. La rândul său, matricea de reprezentare T a operatorului liniar T : E → E
— fiind o matrice-diagonală construită cu matricele Ai — devine o matrice-diago-
nală de matrice Jordan elementare. Această scriere a matricei T constituie forma sa
canonică Jordan [14, pag. 127].
Calculul (3.18) arată că putem ı̂nlocui matricele Jordan elementare cu matricele
 
λ 0 0 0 ··· 0
ε λ 0 0 · · · 0
 
0 ε λ 0 ··· 0
λ  
Jk (ε ) =  . . . . ..  ∈ Mk (K) (3.21)
 .. . . . . . . . 
 
0 ··· 0 ε λ 0
0 ··· 0 0 ε λ
şi
 
λ 0 0
λ 0
J3λ (ε ) =  ε λ 0 , J2λ (ε ) = , (3.22)
ε λ
0 ε λ
unde k ∈ N∗ şi ε > 0. Evident, Jkλ = Jkλ (1).
8 În limba engleză, elementary Jordan matrix (sing.). Conform [14, pag. 127].
3.3 Cazul K = R 61
3.3 Cazul K = R
Restricţia (2.30) a fost impusă pentru a putea descompune polinomul caracte-

ristic pT (λ ) ı̂ntr-un produs de puteri de polinoame de gradul ı̂ntâi — vezi formula
(2.32) —.
Fie E ⊆ Rn un spaţiu liniar real de dimensiune m ≤ n şi T : E → E un operator
R-liniar. Complexificatul său, TC : EC → EC , are aceeaşi matrice de reprezentare T
şi acelaşi polinom caracteristic pT (λ ) ca operatorul T .
Fie λ0 ∈ C\R o eigenvaloare a operatorului TC şi eigenvectorul generalizat
e ∈ Ker (TC − λ0 · I)k \{0E } ⊂ EC , k ∈ N∗ .
Aici, e = x + i · y, unde x, y ∈ Rn .
Relaţiile (1.35), (1.36) şi Lema 1.2 arată că
x, y ∈ EC ∩ Rn = ECR = E.
Via Lema 1.6, σ ◦ TC = TC ◦ σ . Au loc egalităţile

0E = σ (0E ) = σ (TC − λ0 · I)k (e)

= (σ ◦ (TC − λ0 · I)) (TC − λ0 · I)k−1 (e)

= TC − λ0 · I ◦ σ (TC − λ0 · I)k−1 (e)

= TC − λ0 · I (σ ◦ (TC − λ0 · I)) (TC − λ0 · I)k−2 (e)
2
= TC − λ0 · I (σ ◦ (TC − λ0 · I)) (TC − λ0 · I)k−3 (e)
..
.
k
= TC − λ0 · I (σ (e)),
de unde
k
σ (e) ∈ Ker TC − λ0 · I \{0E }. (3.23)
De aici, deducem că fiecărei valori proprii nereale λ0 a operatorului TC ı̂i cores-
punde valoarea proprie λ0 [14, pag. 66, Proposition]. Cele două eigenvalori au
multiplicităţi algebrice egale.
Formula (2.32), valabilă ı̂n C, se rescrie ı̂n R ca
pT (λ ) = pTC (λ )
= (−1)m · (λ − λ0 )m0 · (λ − λ0 )m0
× (factori generaţi de restul eigenvalorilor)
m
= (−1)m · λ 2 − 2 · Re λ0 · λ + |λ0 |2 0 · (· · · ).
Descompunerea (2.35) a spaţiului liniar EC ne permite să observăm că vectorii

{e, σ (e)}, găsindu-se ı̂n eigenspaţii generalizate diferite, sunt liniar independenţi
peste corpul C.
Lema 3.4. ([14, pag. 68]) Vectorii {e, σ (e)} sunt liniar independenţi peste corpul
C dacă şi numai dacă vectorii {x, y}, unde e = x + i · y şi x, y ∈ E, sunt liniar
independenţi peste corpul R.
În plus,
SpanC {e, σ (e)} = SpanC {x, y}. (3.24)
Demonstraţie. Observăm că e 6= σ (e) dacă şi numai dacă y 6= 0E .

Pentru α = a + b · i ∈ C, unde a, b ∈ R, cu proprietatea că σ (e) = α · e, deducem
că

a · x − b · y = x,
b · x + a · y = −y,
ceea ce este echivalent cu

(a − 1) · x = b · y,
(3.25)
−b · x = (a + 1) · y.
Dat fiind că cel puţin unul din vectorii x, y este nenul, din relaţiile (3.25) rezultă
că
a2 + b2 = 1, (3.26)
ceea ce ne permite să scriem că a = cos u şi b = sin u pentru un anumit u ∈ [0, 2π ].
Ca să ajungem la (3.26), ı̂nmulţim prima ecuaţie din (3.25) cu a + 1, pe cea de-
a doua cu b şi apoi le scădem. Am obţinut că (a2 + b2 − 1) · x = 0E . De asemeni,
ı̂nmulţind prima ecuaţie cu b, pe a doua cu a − 1 şi adunând rezultatele, rezultă
(a2 + b2 − 1) · y = 0E .
Introducând noile formule ale mărimilor a, b ı̂n relaţiile (3.25), ajungem la
u u
sin · x + cos · y = 0E ,
2 2
adică la concluzia că liniar dependenţa vectorilor {e, σ (e)} implică liniar depen-
denţa vectorilor {x, y}.
Reciproc, dacă există c ∈ R astfel ı̂ncât x = c · y, atunci
3.3 Cazul K = R 63
c−i c−i
σ (e) = (c − i) · y = · [(c + i) · y] = α · e, α= ∈ C,
c+i c+i
ceea ce ı̂ncheie demonstraţia.
Pentru partea a doua, remarcăm că au loc relaţiile
(EC ∋) u = α · e + β · σ (e)
= (α + β ) · x + i · (α − β ) · y
= γ · x + ε · y,
unde α , β , γ , ε ∈ C, respectiv
u = γ ·x+ε ·y
1 1
= · (γ − i · ε ) · e + · (γ + i · ε ) · σ (e)
2 2
= α · e + β · σ (e).
Am stabilit egalitatea (3.24). ⊓

⊔
Dacă subspaţiile V0 , V1 din (2.35) sunt eigenspaţiile generalizate ale valorilor

proprii λ0 , λ0 , atunci ele admit bazele9 — via (3.23) —
B0 = {e1 , . . . , em0 } ⊂ V0 , B1 = {σ (e1 ), . . . , σ (em0 )} ⊂ V1 .
Au loc egalităţile — pe baza Lemei 3.4 —

!  
M M
V0 ⊕V1 = Ce ⊕  Cf (3.27)
e∈B0 f ∈B1
m0
M m0
M
= (Ce j ⊕ Cσ (e j )) = SpanC {e j , σ (e j )}
j=1 j=1
m0
M
= SpanC {x j , y j }
j=1
= SpanC {x1 , . . . , xm0 , y1 , . . . , ym0 },
unde e j = x j + i · y j şi x j , y j ∈ E pentru orice j.

Aşadar, dacă {λ0 , . . . , λv } sunt eigenvalorile reale iar
{λv+1 , λv+1 , . . . , λv+w , λv+w }
9 Este suficient să arătăm că sistemul B1 este liniar independent peste C. În particular, va rezulta
m0
că vectorii din B1 sunt diferiţi, adică numărul lor este m0 . Relaţia ∑ zi · σ (ei ) = 0E ne conduce la
i=1
m0
0E = σ (0E ) = ∑ zi · ei , de unde zi = 0 pentru orice i.
i=1
eigenvalorile nereale (complexe) ale operatorului TC : EC → EC , putem rescrie des-

compunerea (2.35) ca
v
M
EC = Vj
j=0
v+w
M
⊕ SpanC {x1j , . . . , xmj j , y1j , . . . , ymj j },
j=v+1
unde setul
n o
B j = e1j , . . . , emj j ⊂ EC ,
cu ekj = xkj + i · ykj şi xkj , ykj ∈ E, este bază a eigenspaţiului generalizat corespunzând
eigenvalorii λ j pentru orice j ∈ v + 1, v + w. De asemeni, există bazele10 B j ⊂ E
pentru eigenspaţiile generalizate V j ale valorilor proprii reale λ j , j ∈ 0, v.
O bază S ⊂ EC poartă numele de bază invariantă la σ (σ -bază) dacă σ (S ) ⊆
S . Cu alte cuvinte, dacă e se găseşte ı̂ntr-o σ -bază, atunci fie e ∈ E, fie e ∈ EC \E
şi σ (e) ∈ S , adică setul {e, σ (e)} este liniar independent peste corpul C.
Exemplul 3.3. Fie11 EC = C3 . Atunci, baza B1 = {e1 , e2 , e3 }, cu vectorii

 
0
e1 = i1 , e2 = i2 , e3 = i · i3 = 0 ,
i
nu este σ -bază deoarece σ (e3 ) = −e3 6∈ B1 .

În schimb, baza B2 = {e4 , e5 , e6 }, cu vectorii
   
0 0
e4 = i1 , e5 = 1 , e6 =  1  ,
i −i
este σ -bază pentru că e4 ∈ R3 şi σ (e5 ) = e6 .
Teorema 3.2. ([14, pag. 116, Theorem 1]) Există şi sunt unici operatorii R-liniari
D, N : E → E astfel ı̂ncât
T = D +N , D ◦ N = N ◦ D,
operatorul N să fie nilpotent, complexificatul operatorului D, DC : EC → EC , să

fie diagonalizabil iar baza ı̂n raport cu care operatorul DC admite o matrice-dia-
gonală de reprezentare să fie o σ -bază.
10 Vezi (1.29).
11

Reamintesc faptul că R3 C = C3 .
3.3 Cazul K = R 65
Demonstraţie. Are loc descompunerea
TC = DC + NC , DC ◦ NC = NC ◦ DC ,
a complexificatului TC pe baza Teoremei 2.2. Aici, operatorul C-liniar DC este dia-

gonalizabil iar operatorul C-liniar NC este nilpotent.
Introducem operatorii C-liniari12
D1 = σ ◦ DC ◦ σ ∈ L(EC , EC ), N1 = σ ◦ NC ◦ σ ∈ L(EC , EC ).
Fie S = {e1 , . . . , em } ⊂ EC o σ -bază ı̂n raport cu care matricea de reprezentare

D a operatorului DC să fie
 
z1 0 0 · · · 0
 0 z2 0 · · · 0 
 
 
D =  0 0 z3 · · · 0  , z j ∈ C.
 .. .. .. . . .. 
. . . . .
0 0 · · · 0 zm
Baza S poate fi renumerotată astfel
S = {e1 , . . . , et } ∪ {et+1 , et+2 } ∪ · · · ∪ {et+2q+1 , et+2q+2 }, (3.28)
unde e j ∈ E pentru orice j ∈ 1,t, e j ∈ EC \E pentru orice j ∈ t + 1,t + 2q + 2 şi

σ (et+2k+1 ) = et+2k+2 pentru orice 0 ≤ k ≤ q. Aici, m = t + 2q + 2, q ∈ N.
Avem relaţiile
D1 (e j ) = (σ ◦ DC )(σ (e j )) = (σ ◦ DC )(e j )
= σ (z j · e j ) = z j · e j , j ∈ 1,t, (3.29)
şi
D1 (et+2 j+1 ) = (σ ◦ DC )(σ (et+2 j+1 )) = (σ ◦ DC )(et+2 j+2 )

= σ (zt+2 j+2 · et+2 j+2 ) = zt+2 j+2 · et+2 j+1 , (3.30)
respectiv
D1 (et+2 j+2 ) = (σ ◦ DC )(σ (et+2 j+2 )) = (σ ◦ DC )(et+2 j+1 )

= σ (zt+2 j+1 · et+2 j+1 ) = zt+2 j+1 · et+2 j+2 . (3.31)
Atunci, pentru orice e ∈ EC ,
12 Acest fapt va fi probat ı̂n (3.32).

! !
m m
D1 (e) = D1 ∑ αj ·ej = (σ ◦ DC ) ∑ α j · σ (e j )
j=1 j=1
!
m m
=σ ∑ α j · (DC ◦ σ ) (e j ) = ∑ α j · (σ ◦ DC ◦ σ ) (e j )
j=1 j=1
m
= ∑ α j · D1 (e j ), α j ∈ C, (3.32)
j=1
deci operatorul D1 : EC → EC este liniar peste corpul C şi, via (3.29) – (3.31), este
reprezentat ı̂n σ -baza S de o matrice-diagonală.
Mai departe, avem
N12 = (σ ◦ NC ◦ σ ) ◦ (σ ◦ NC ◦ σ ) = σ ◦ NC ◦ σ 2 ◦ NC ◦ σ
= σ ◦ NC2 ◦ σ ,
respectiv
N1k = σ ◦ NCk ◦ σ , k ∈ N∗ ,
deci operatorul N1 : EC → EC este liniar peste corpul C şi nilpotent.

În sfârşit, pentru orice e ∈ EC , avem
(D1 ◦ N1 ) (e) = (σ ◦ DC ◦ NC ◦ σ ) (e) = (σ ◦ NC ◦ DC ◦ σ ) (e)

= (N1 ◦ D1 ) (e),
deci operatorii liniari D1 , N1 comută.

Conform Lemei 1.6,
TC = σ ◦ TC ◦ σ = σ ◦ (DC + NC ) ◦ σ
= σ ◦ DC ◦ σ + σ ◦ NC ◦ σ
= D1 + N1 .
Din Lema 2.18 rezultă că
DC = D1 = σ ◦ DC ◦ σ , NC = N1 = σ ◦ NC ◦ σ ,
adică operatorii liniari complecşi DC , NC sunt complexificaţii unor operatori lini-

ari reali, notaţi cu D, N .
Matricea de reprezentare a operatorului NC este nilpotentă şi coincide cu matri-
cea de reprezentare — ı̂n baza din E care generează spaţiile E, EC — a operatorului
N . Astfel, acesta este nilpotent.
Fie {D2 , N2 } altă descompunere de acelaşi tip, adică
T = D2 + N2 , D2 ◦ N2 = N2 ◦ D2 .
3.3 Cazul K = R 67
Atunci, dacă B = { f 1 , . . . , f m } este o bază a spaţiului liniar real E iar D2 , N2

sunt matricele de reprezentare ı̂n raport cu aceasta ale operatorilor D2 , N2 , matricea
de reprezentare T a operatorului T , ı̂n B, are formula
T = D2 + N2 .
Via (1.38), putem scrie că
TC = (D2 )C + (N2 )C .
De asemeni, conform Lemei 1.7,
(D2 )C ◦ (N2 )C = (D2 ◦ N2 )C , (N2 )C ◦ (D2 )C = (N2 ◦ D2 )C .

m
Fie z = ∑ zi · f i ∈ EC . Egalităţile — Lema 1.2 arată că (EC )R = E, deci
i=1
((D2 ◦ N2 )C )|E = D2 ◦ N2 —
!
m
((D2 )C ◦ (N2 )C ) (z) = (D2 ◦ N2 )C ∑ zi · f i (zi ∈ C)
i=1
m m
= ∑ zi · ((D2 ◦ N2 )C )|E ( f i ) = ∑ zi · (D2 ◦ N2 ) ( f i )
i=1 i=1
!
m m
= ∑ zi · (N2 ◦ D2 ) ( f i ) = (N2 ◦ D2 )C ∑ zi · f i
i=1 i=1
= ((N2 )C ◦ (D2 )C ) (z)
ne conduc la
DC = (D2 )C , NC = (N2 )C .
Obţinem că
D = D2 , N = N2 ,
via Lema 1.2. ⊓

⊔
Un operator R-liniar al cărui complexificat este diagonalizabil se numeşte semi-

simplu13 .
Revenim la (3.27). Operatorul (DC )V0 ⊕V1 are matricea de reprezentare DV0 ⊕V1
ı̂n raport cu baza B0 ∪ B1 . Mai precis,

DC (e1 ) · · · DC (em0 ) DC (σ (e1 )) · · · DC (σ (em0 ))

= e1 · · · em0 σ (e1 ) · · · σ (em0 ) · DV0 ⊕V1
13 În limba engleză, semisimple [14, pag. 65].

şi
 
λ0 0 0 0 ··· 0
 .. .. .. .. .. 
. . . . .
 
0 · · · λ0 0 ··· 0
DV0 ⊕V1 =  ∈ M2m (C).
0
 · · · 0 λ0 ··· 0 
0
. .. .. .. .. 
 .. . . . .
0 ··· 0 0 ··· λ0
Introducem numerele reale a0 , b0 , unde b0 6= 0, pentru care λ0 = a0 + b0 · i. Ştim

că
1 1
x1 = · (e1 + σ (e1 )) , y1 = · (e1 − σ (e1 )) ,
2 2i
conform (1.35), (1.36).
Au loc relaţiile

(DC )V0 ⊕V1 (e1 ) = λ0 · e1 (3.33)
= (a0 · x1 − b0 · y1 ) + i · (b0 · x1 + a0 · y1 ),
respectiv

(DC )V0 ⊕V1 (σ (e1 )) = λ0 · σ (e1 ) (3.34)
= (a0 · x1 − b0 · y1 ) − i · (b0 · x1 + a0 · y1 ),
de unde
1
(DC )V0 ⊕V1 (x1 ) = · (DC )V0 ⊕V1 (e1 ) + (DC )V0 ⊕V1 (σ (e1 ))
2
= a0 · x1 − b0 · y1
şi
1
(DC )V0 ⊕V1 (y1 ) = · (DC )V0 ⊕V1 (e1 ) − (DC )V0 ⊕V1 (σ (e1 ))
2i
= b0 · x1 + a0 · y1 .
Fie baza — ı̂nlocuim setul {e1 , σ (e1 )} cu setul {x1 , y1 } ı̂n B0 ∪ B1 —
B = {x1 , y1 } ∪ {e2 , . . . , em0 , σ (e2 ), . . . , σ (em0 )} ⊂ V0 ⊕V1 .

Matricea de reprezentare W1 a operatorului (DC )V0 ⊕V1 ı̂n raport cu noua bază
este
3.3 Cazul K = R 69
 
a0 b0 0 ··· 0 0 ··· 0
−b0 a0 0 ··· 0 0 ··· 0 
 
 0 0 λ0 ··· 0 0 ··· 0 
 
 .. .. .. .. .. .. .. 
 . . . . . . .
W1 = 
 0 0 0 ··· λ0 0 ··· 0 
 ∈ M2m (C).
0
 
 0
 0 0 ··· 0 λ0 · · · 0 
 . .. .. .. .. . . .. 
 .. . . . . . .
0 0 0 ··· 0 0 · · · λ0
Adică,

DC (x1 ) DC (y1 ) DC (e2 ) · · · DC (em0 ) DC (σ (e2 )) · · · DC (σ (em0 ))

= x1 y1 e2 · · · em0 σ (e2 ) · · · σ (em0 ) · W1 .
Repetând procedeul de ı̂ncă m0 − 1 ori, deducem că există o bazăS ⊂ E a spa-

ţiului liniar complex EC ı̂n raport cu care operatorul liniar (DC )V0 ⊕V1 să aibă
matricea de reprezentare
 
a0 b0
 −b0 a0 · · · O 2 
 
 .
.. .. .
.. 
Wm0 =  .  ∈ M2m0 (R).
 
 a0 b0 
O2 ···
−b0 a0
Aici,
S = {x1 , y1 , x2 , y2 , . . . , xm0 , ym0 }
şi V0 ⊕V1 = SpanC (S ).

Observăm că
V0 ⊕V1 = (V01 )C , unde V01 = SpanR (S ).

Conform Lemei 1.6, restricţia operatorului
liniar complex (DC )V0 ⊕V1 la14 V01 este
un operator liniar real, notat cu D V01 , a cărui matrice de reprezentare ı̂n raport cu
S este Wm0 . Evident, acest operator liniar real este restricţia la V01 a operatorului
D din Teorema 3.2.
Tot pe baza relaţiei (3.23)15 , deducem că, dacă vectorii {e1 , . . . , eh } — pentru
h ≤ m0 — se scriu sub forma
e1 = e, e2 = (TC − λ0 · I) (e), . . . , eh = (TC − λ0 · I)h−1 (e),
14 V01 este realificatul spaţiului complex V0 ⊕V1 .

k
15 În fapt, via egalitatea (TC − λ0 · I)k = σ ◦ TC − λ0 · I ◦ σ , unde k ≥ 1.
unde h = nil (e, TC − λ0 · I), ceea ce implică faptul că
SpanC {e1 , . . . , eh } = Z (e, TC − λ0 · I) ,
atunci

nil (e, TC − λ0 · I) = nil σ (e), TC − λ0 · I
şi

SpanC {σ (e1 ), . . . , σ (eh )} = Z σ (e), TC − λ0 · I .
Mai precis chiar, din relaţiile
ek = (TC − λ0 · I)k−1 (e)

k−1
= σ ◦ TC − λ0 · I ◦ σ (e)
k−1
=σ TC − λ0 · I (σ (e))
rezultă că
k−1
σ (ek ) = TC − λ0 · I (σ (e)), 1 ≤ k ≤ h.
Restricţia la subspaţiul liniar complex
Z0 ⊕ Z1 ⊆ V0 ⊕V1 ,
unde

Z0 = Z (e, TC − λ0 · I) , Z1 = Z σ (e), TC − λ0 · I ,
a operatorului TC admite ı̂n baza B2 ∪ B3 , unde
B2 = {e1 , . . . , eh }, B3 = {σ (e1 ), . . . , σ (eh )},
matricea de reprezentare
3.3 Cazul K = R 71
 
λ0 0 0 ··· 0 0 0 0 ··· 0
1
 λ0 0 ··· 0 0 0 0 ··· 0  
0
 1 λ0 ··· 0 0 0 0 ··· 0  
. .. .. .. .. .. .. .. .. 
 .. . . . . . . . .
 
0 0 ··· 1 λ0 0 0 0 ··· 0 
 
TZ0 ⊕Z1 =0 0 ··· 0 0 λ0 0 0 ··· 0  ∈ M2h (C).
 
 
0 0 ··· 0 0 1 λ0 0 ··· 0 
 
0 0 ··· 0 0 0 1 λ0 · · · 0 
 
 .. .. .. .. .. .. . . . . .. 
. . . . . . . . .
0 0 ··· 0 0 0 0 · · · 1 λ0
Relaţiile (3.33), (3.34) se rescriu ca

(TC )Z0 ⊕Z1 (e1 ) = λ0 · e1 + e2 ,
respectiv

(TC )Z0 ⊕Z1 (σ (e1 )) = λ0 · σ (e1 ) + σ (e2 ),
de unde

(TC )Z0 ⊕Z1 (x1 ) = a0 · x1 − b0 · y1 + x2
şi

(TC )Z0 ⊕Z1 (y1 ) = b0 · x1 + a0 · y1 + y2 .
La felul ca ı̂n cazul matricei Wm0 , matricea de reprezentare a operatorului

(TC )Z0 ⊕Z1
ı̂n baza
C = {x1 , y1 , x2 , y2 , . . . , xh , yh } (Z0 ⊕ Z1 = SpanC (C ))
este
 
a0 b0
 O2 O2 ···  O2
 −b
0 a0 
 10 a0 b0 
 O2 ··· O2 
 01 −b0 a0 
 
 .. .. 
J= . . 
 
 10 a0 b0 
 O2 ··· O2 
 01 −b 
 0 a0 
 10 a0 b0 
O2 ··· O2
01 −b0 a0
 
Eλ0 O2 ··· O2
 I2 Eλ0 ··· O2 
 
= . .. .. ..  ∈ M2h (R), (3.35)
 .. . . . 
O2 · · · I2 Eλ0
unde

a0 b0
Eλ0 = .
−b0 a0

Aşadar, restricţia operatorului liniar complex (TC )Z0 ⊕Z1 la realificatul
Z01 =
SpanR (C ) al spaţiului liniar Z0 ⊕ Z1 este operatorul liniar real T Z01 cu matricea
de reprezentare J ı̂n baza C .
În concluzie, pentru operatorii liniari reali, matricele Jordan elementare Jkλ din
(3.19), (3.20) sunt ı̂nlocuite cu matrice (3.35) atunci când λ ∈ C\R [14, pag. 129,
Theorem 2].
Tehnica descrisă ı̂n (3.18), (3.21), (3.22) ne permite modificarea bazelor B2 ∪
B3 , respectiv C pentru a ı̂nlocui matricea J cu matricea
 
a0 b0
 −b0 a0 O 2 O 2 · · · O 2 
 

 ε0 a0 b0 

O · · · O

 0ε −b0 a0 2 2 

 .. .. 
J(ε ) =  . . 
 

 ε0 a0 b0 

O2 ··· O2

 0ε −b 0
a0


 ε0 a0 b0 
O2 ··· O2
0ε −b0 a0
 
Eλ0 O2 · · · O2
 ε I2 Eλ · · · O2 
 0 
= . . . ..  , (3.36)
 . . . .
. . . 
O2 · · · ε I2 Eλ0
unde ε > 0. Evident, J = J(1).

Capitolul 4
Aplicaţii
4.1 Sumare prin părţi. Produsul Cauchy a două serii. Teorema

lui F. Mertens
Fie E ⊆ Cn un spaţiu liniar m-dimensional peste corpul K ∈ {R, C}, unde m ≤ n,

cu baza S1 — introdusă la pagina 1 —.
m
Fie x = ∑ λi · ei ∈ E. Cantitatea
i=1
s
m
kxk2 = ∑ | λi |2 (4.1)
i=1
constituie norma euclidiană1 de index 2 a spaţiului liniar E [14, pag. 77]. Dubletul
E = (E, k ⋆ k2 ) este un spaţiu Banach [20, pag. 129].
Lema 4.1. ([13, pag. 109, Theorem 5.1.10]) Fiind dat şirul (a p ) p≥0 ⊂ E, conver-
gent2 la elementul a ∈ E, este valabilă relaţia
lim A p = a,
p→+∞
p
unde A p = 1
p+1 · ∑ ai .
i=0
Demonstraţie. Cum orice şir convergent este mărginit, introducem numărul B > 0
ka p k2 ≤ B, p ∈ N. (4.2)
Fie ε > 0. Există numărul natural N = N(ε ) ≥ 1 astfel ı̂ncât

1Sau l2 -norma [1, pag. 48].
2Orice două norme ı̂n E sunt echivalente [14, pag. 78, Proposition 1], deci putem studia conver-
genţa şirurilor ı̂n raport cu o normă convenabilă.
73
74 4 Aplicaţii
ka p − ak2 < ε , p ≥ N. (4.3)
Realizăm estimările

1 p

A p − a =
2
· ∑
p + 1 i=0
(ai − a)

2
!
N−1 p
1
≤
p+1
· ∑ kai − ak2 + ∑ kai − ak2
i=0 i=N
" #
N−1 p
1
(vezi (4.3)) ≤
p+1
· ∑ (kai k2 + kak2 ) + ∑ ε
i=0 i=N
" #
N−1 p
1
(vezi (4.2)) ≤
p+1
· ∑ (2 · B) + ∑ ε
i=0 i=N
1
= · [2NB + (p − N + 1)ε ], p > N,
p+1
de unde

lim sup A p − a 2 ≤ ε .
p→+∞
Trecem la limită, ı̂n ambii membri ai ultimei inegalităţi, ε ց 0. ⊓

⊔
Exemplul 4.1. Reciproca Lemei 4.1 nu este valabilă. Astfel, ı̂n E = R, şirul3 (a p ) p≥0 ,
unde a p = (−1) p , nu este convergent dar şirul (A p ) p≥0 converge la 0.
În contextul Lemei 4.1, să considerăm seria ∑ a p cu sumele parţiale

p≥0
p
A−1 = 0E , A p = ∑ ai , p ∈ N.
i=0
Evident, a p = A p − A p−1 pentru orice4 p [13, pag. 102].

Acestei serii ı̂i asociem mediile Cesàro de ordinul 1,
1 p
Ap 1
· ∑ Ai
1
Ap= =
p+1 p + 1 i=0
p
1
= · ∑ [(p − i + 1) · ai ], p ≥ 0. (4.4)
p + 1 i=0
3 Păstrăm “bara” de la notaţia vectorilor pentru uniformitate. În Exemplul 4.3 vom identifica, din
acelaşi motiv, numerele complexe cu elementele setului M1 (C).

4 În particular, convergenţa seriei — adică, convergenţa şirului (A )
p p≥−1 — implică faptul că
lim a p = 0E .
p→+∞
4.1 Produsul Cauchy a două serii 75
Seria ∑ a p se numeşte sumabilă Cesàro şi are suma (Cesàro) S dacă — [13, pag.
p≥0
109] —
1
lim A p = S ∈ E.
p→+∞
Cu alte cuvinte, mediile aritmetice ale sumelor parţiale consecutive ale seriei ı̂n
discuţie converg la S ı̂n norma k ⋆ k2 .
Lema 4.1 ne arată că orice serie convergentă de elemente din E este şi sumabilă
Cesàro iar suma seriei coincide cu suma sa Cesàro.
Exemplul 4.2. În cazul şirului (a p ) p≥0 din Exemplul 4.1, seria ∑ a p are sumele
p≥0
parţiale (A p ) p≥0 , unde A2p = 1, A2p+1 = 0 pentru orice p, deci nu este convergentă.
Însă, suma sa Cesàro este S = 12 [13, ibid.].
În mulţimea R2 , construim pătratul OABC,
[OABC] = {(p, k)|0 ≤ p, k ≤ M} ∩ N2 ,
de vârfuri O = (0, 0), A = (M, 0), B = (M, M) şi C = (0, M). Aici, M ∈ N. Plecând de
la suprafeţele plane [OAB], [OAC] ⊂ R2 mărginite de liniile poligonale [OA] ∪ [AB] ∪
[BO] şi [OA] ∪ [AC] ∪ [CO] — dreapta OA este orizontală iar dreapta OC verticală
—, introducem mulţimile
∆ = [OAB] ∩ N2 , Θ = [OAC] ∩ N2 .
Evident, ∆ şi Θ reprezintă jumătăţi din pătratul [OABC].

Mulţimile ∆ , Θ sunt partiţionate ı̂n două feluri,
M
[ M
[
∆= ∆p = ∆ k,
p=0 k=0
unde
∆ p = {(p, k) ∈ N2 |0 ≤ k ≤ p}, ∆ k = {(p, k) ∈ N2 |k ≤ p ≤ M},
şi
M
[ M
[
Θ= Θp = Θ k,
p=0 k=0
unde
Θ p = {(p, k) ∈ N2 |0 ≤ k ≤ M − p}, Θ k = {(p, k) ∈ N2 |0 ≤ p ≤ M − k}.
Afirm că altă partiţionare a triunghiului Θ se face prin linii paralele cu dreapta
CA,
76 4 Aplicaţii
M
[
Θ= Ψv , Ψv = {(p, k)|p + k = v} ∩ N2 .
v=0
Într-adevăr, pentru orice (p0 , k0 ) ∈ Θ există exact un element v0 ∈ 0, M astfel ı̂ncât

(p0 , k0 ) ∈ Ψv0 . Mai precis,
(p0 , k0 ) ∈ Ψp0 +k0 .
Lema 4.2. Fiind dat şirul (a pk )(p,k)∈[OABC] ⊂ E, au loc identităţile
M p M M
∑ ∑ a pk = ∑ ∑ a pk , (4.5)
p=0 k=0 k=0 p=k
respectiv
M M−p M M−k
∑ ∑ a pk = ∑ ∑ a pk (4.6)
p=0 k=0 k=0 p=0
şi
M p M M−p
∑ ∑ ak(p−k) = ∑ ∑ a pk . (4.7)
p=0 k=0 p=0 k=0
Demonstraţie. Se observă că

M p M
∑ ∑ a pk = ∑ ∑ a pk = ∑ a pk
p=0 k=0 p=0 (p,k)∈∆ p (p,k)∈∆
M M M
= ∑ ∑ a pk = ∑ ∑ a pk .
k=0 (p,k)∈∆ k k=0 p=k
Apoi,
M M−p M
∑ ∑ a pk = ∑ ∑ a pk = ∑ a pk
p=0 k=0 p=0 (p,k)∈Θ p (p,k)∈Θ
M M M−k
= ∑ ∑ a pk = ∑ ∑ a pk .
k=0 (p,k)∈Θ k k=0 p=0
În sfârşit,
M p M
∑ ∑ ak(p−k) = ∑ ∑ avw = ∑ avw
p=0 k=0 p=0 (v,w)∈Ψp (v,w)∈Θ
M M M−p
= ∑ ∑ a pk = ∑ ∑ a pk .
p=0 (p,k)∈Θ p p=0 k=0
Demonstraţia acestor tehnici de sumare prin părţi [13, pag. 106] s-a ı̂ncheiat. ⊓
⊔
Fie aplicaţia (operaţia) ⋆ : E 2 → E pentru care (i) există numărul A ≥ 1 astfel

ı̂ncât
ke ⋆ f k2 ≤ A · kek2 · k f k2 ,
(ii) avem bi-omogenitate, adică
λ · (e ⋆ f ) = (λ · e) ⋆ f = e ⋆ (λ · f ),
şi (iii) distributivitate la adunare, adică
e ⋆ ( f + g) = (e ⋆ f ) + (e ⋆ g), (e + f ) ⋆ g = (e ⋆ g) + ( f ⋆ g),
pentru orice e, f , g ∈ E şi λ ∈ K.
Exemplul 4.3. Pentru E = C, făcând identificarea e = (z) ≡ z ∈ C, avem
e ⋆ f = (z1 ) ⋆ (z2 ) = (z1 · z2 ) ≡ z1 · z2 , z j ∈ C, j ∈ {1, 2}.

2
Pentru E = Cq , unde q ∈ N\{0}, putem realiza identificarea — via (1.11) —
 
q2
eq e2q · · · eq2
 
e = ∑ e j · i j ≡  ... ... ..
.  ∈ Mq (C).
j=1
e1 eq+1 · · · e(q−1)q+1
Atunci,
   
eq e2q · · · eq2 fq f2q · · · f q2
   .. .. 
e ⋆ f =  ... ... ..
. · . .
..
. 
e1 eq+1 · · · e(q−1)q+1 f1 fq+1 · · · f(q−1)q+1
= (arp )1≤r, p≤q ,
unde
 
f pq
 f pq−1 

arp ≡ (arp ) = er er+q · · · er+(q−1)q ·  .. .
 . 
f(p−1)q+1
78 4 Aplicaţii
Se observă că
v
u q
u
ke ⋆ f k2 = t ∑ |arp |2
r, p=1
v
u q
u
≤t ∑ |er |2 + · · · + |er+(q−1)q |2 · | f pq |2 + · · · + | f(p−1)q+1 |2
r, p=1
= kek2 · k f k2 ,
deci A = 1.
Fie seriile ∑ a p şi ∑ b p de elemente din spaţiul liniar E. Prin produsul lor
p≥0 p≥0
Cauchy ı̂nţelegem seria ∑ c p , unde
p≥0
p
c p = ∑ ai ⋆ b p−i , p ∈ N,
i=0
vezi [13, pag. 111].
Lema 4.3. ([13, pag. 112, Theorem 5.2.1]) Produsul Cauchy a două serii conver-
gente, de sume S1 şi S2 , este sumabil Cesàro şi are suma Cesàro
S = S1 ⋆ S2 . (4.8)
Demonstraţie. Introducem numărul B > 0 cu proprietatea că
kA p − S1 k2 ≤ B, kB p − S2 k2 ≤ B, p ∈ N, (4.9)
p p
unde A p = ∑ ai şi B p = ∑ bi .
i=0 i=0
kA p − S1 k2 < ε , kB p − S2 k2 < ε , p ≥ N. (4.10)
Au loc egalităţile — vezi (4.4) —

p p i p
(p + 1) · C p = C p = ∑ Ci = ∑ ∑ c j = ∑ (p − i + 1) · ci
1 1
i=0 i=0 j=0 i=0

p i p i
= ∑ ∑ (p − i + 1) · (ak ⋆ bi−k ) = ∑ ∑ ζ ik
i=0 k=0 i=0 k=0
p p p p
(vezi (4.5)) = ∑ ∑ ζ ik = ∑ ak ⋆ ∑ (p − i + 1) · bi−k
k=0 i=k k=0 i=k
p p−k
(r = i − k) = ∑ ak ⋆ ∑ (p − k − r + 1) · br
k=0 r=0
p p−k p p−k p p−k
= ∑ ak ⋆ ∑ Br = ∑ ∑ ak ⋆ B r = ∑ ∑ η kr
k=0 r=0 k=0 r=0 k=0 r=0
p p−r p p−r
(vezi (4.6)) = ∑ ∑ η kr = ∑ ∑ ak ⋆ Br
r=0 k=0 r=0 k=0
!
p p−r p
= ∑ ∑ ak ⋆ Br = ∑ A p−r ⋆ Br .
r=0 k=0 r=0
Pe baza (4.9), (4.10), introducem elementele u p , v p ∈ E prin formulele
A p = S1 + u p , B p = S2 + v p , p ∈ N.
Deducem că
! !
p p p
∑ vr ∑ u p−r ⋆ S2 + ∑ u p−r ⋆ vr
1
Cp = (p + 1) · (S1 ⋆ S2 ) + S1 ⋆ +
r=0 r=0 r=0
= (p + 1) · (S1 ⋆ S2 )
! !
p p
1 1
+ (p + 1) · S1 ⋆ · ∑ vr + · ∑ u p−r ⋆ (p + 1) · S2
p + 1 r=0 p + 1 r=0
p
+ ∑ u p−r ⋆ vr
r=0
= (p + 1) · (S1 ⋆ S2 )
! !
p p
1 1
+ (p + 1) · S1 ⋆ · ∑ vr + · ∑ ur ⋆ (p + 1) · S2
p + 1 r=0 p + 1 r=0
p
+ ∑ u p−r ⋆ vr
r=0

= (p + 1) · (S1 ⋆ S2 ) + (p + 1) · S1 ⋆ V p + U p ⋆ (p + 1) · S2
p
+ ∑ u p−r ⋆ vr .
r=0
80 4 Aplicaţii
Deoarece lim u p = lim v p = 0E şi

p→+∞ p→+∞
kS1 ⋆ V p k2 ≤ A · kS1 k2 · kV p k2 , kU p ⋆ S2 k2 ≤ A · kS2 k2 · kU p k2 ,
Lema 4.1 ne conduce la
lim S1 ⋆ V p = lim U p ⋆ S2 = 0E .
p→+∞ p→+∞
Mai departe, pentru p ≥ 2 · N — [13, pag. 113] —, facem estimările

p p

∑ u p−r ⋆ vr ≤ A · ∑ ku p−r k2 · kvr k2
r=0 r=0
2
!
N−1 p−N p
= A· ∑+∑+ ∑ ku p−r k2 · kvr k2
r=0 r=N r=p−N+1
!
N−1 p−N p
≤ A· ∑ ε ·B+ ∑ ε 2
+ ∑ B·ε
r=0 r=N r=p−N+1

= A · 2NB · ε + (p − 2N + 1) · ε 2 ,
de unde

1
p

lim sup · ∑ u p−r ⋆ vr ≤ A · ε 2 .
p→+∞ p + 1 r=0
2
Am ajuns la
1
lim sup kC p − S1 ⋆ S2 k2 ≤ A · ε 2 .
p→+∞
Trecem la limită, ı̂n ambii membri ai ultimei inegalităţi, ε ց 0. ⊓

⊔
(−1) p
Exemplul 4.4. Fie seria ∑ a p , unde a p = √
p+1
, conform [13, pag. 112]. Atunci,
p≥0
termenul general al produsului Cauchy al seriilor ∑ a p şi ∑ b p , unde b p = a p
p≥0 p≥0
pentru orice p ∈ N, are forma
p p
1
c p = ∑ ai · a p−i = (−1) p · ∑ p .
i=0 i=0 (i + 1) · (p − i + 1)
Via inegalitatea mediilor, obţinem că

p p
1 2 2(p + 1)
|c p | = ∑ p(i + 1) · (p − i + 1) ≥ ∑ p + 2 = p+2
i=0 i=0

1
= 2· 1− , p ∈ N,
p+2
respectiv
lim inf |c p | ≥ 2,
p→+∞
adică produsul Cauchy ∑ c p nu convergent ı̂n E = R.

p≥0
Conform [13, pag. 106, Theorem 5.1.5], seria alternantă ∑ a p este convergentă.
p≥0
Cu alte cuvinte, nu orice produs Cauchy de serii convergente este convergent.
Lema 4.4. ([13, pag. 113, Corollary]) Dacă produsul Cauchy a două serii conver-
gente, de sume S1 şi S2 , este convergent, atunci suma sa are formula (4.8).
Demonstraţie. Deoarece produsul Cauchy este convergent, el este sumabil Cesàro

iar suma sa S coincide cu suma Cesàro, vezi Lema 4.1. Pe de altă parte, suma Cesàro
are — via Lema 4.3 — valoarea dată ı̂n (4.8). ⊓⊔
Teorema 4.1. ([13, pag. 113, Theorem 5.2.2]) Produsul Cauchy a două serii absolut
convergente este absolut convergent.
Demonstraţie. Dacă seriile ∑ a p şi ∑ b p sunt absolut convergente, atunci seriile

p≥0 p≥0
∑ u p , ∑ v p , unde
p≥0 p≥0
u p = ka p k2 , v p = kb p k2 , p ∈ N,
şi

p p

kc p k2 = ∑ ai ⋆ b p−i ≤ A · ∑ ui v p−i ,
i=0 i=0 2
sunt convergente. Le notăm sumele cu U, respectiv V .

Se observă că
p p i
∑ kci k2 ≤ A · ∑ ∑ u j vi− j
i=0 i=0 j=0
! !
p p−i p p−i
(vezi (4.7)) = A· ∑ ∑ ui v j = A · ∑ ui · ∑ vj
i=0 j=0 i=0 j=0
! !
+∞ +∞
≤ A· ∑ ui · ∑ vj = A ·UV, p ≥ 0,
i=0 j=0
82 4 Aplicaţii
+∞
de unde ∑ kci k2 ≤ AUV < +∞. ⊓
⊔
i=0
Teorema 4.2. (F. Mertens, [13, pag. 114, Exercise 6]) Dacă cel puţin una dintre se-
riile convergente ∑ a p , ∑ b p , de sume S1 şi S2 , este absolut convergentă, atunci
p≥0 p≥0
produsul lor Cauchy este convergent şi are suma S1 ⋆ S2 .
Demonstraţie. Să presupunem că seria ∑ a p este absolut convergentă.

p≥0
La fel ca la Lema 4.3, introducem numărul B > 0 cu proprietatea că
+∞
∑ kai k2 < B, kB p − S2 k2 = kv p k2 < B, p ∈ N.
i=0

+∞
∑ ka j k2 < ε , kv p k2 < ε , p ≥ N.
j=N
Atunci, sunt valabile identităţile

p p i p i p p
Cp = ∑ ci = ∑ ∑ ak ⋆ bi−k = ∑ ∑ ζ ik = ∑ ∑ ζ ik
i=0 i=0 k=0 i=0 k=0 k=0 i=k
! !
p p p p p p−k
= ∑ ∑ ak ⋆ bi−k = ∑ ak ⋆ ∑ bi−k = ∑ ak ⋆ ∑ br
k=0 i=k k=0 i=k k=0 r=0
!
p p p p
= ∑ ak ⋆ B p−k = ∑ ak ⋆ S2 + v p−k = ∑ ak ⋆ S2 + ∑ ak ⋆ v p−k
k=0 k=0 k=0 k=0
p
= A p ⋆ S2 + ∑ ak ⋆ v p−k . (4.11)
k=0
Mai departe, deducem că

kA p ⋆ S2 − S1 ⋆ S2 k2 = A p − S1 ⋆ S2 2
≤ A · kS2 k2 · kA p − S1 k2
= A · kS2 k2 · ku p k2
→ 0 când p → +∞,
respectiv — pentru p ≥ 2 · N —
!
p p p−N p

∑ ak ⋆ v p−k ≤ A · ∑ kak k2 · kv p−k k2 = A · ∑+ ∑ kak k2 · kv p−k k2
k=0 k=0 k=0 k=p−N+1
2
" ! #
p−N p
≤ A· ∑ (kak k2 · ε ) + ∑ kak k2 · B
k=0 k=p−N+1
" ! ! #
+∞ +∞
≤ A· ∑ kai k2 ·ε + ∑ ka j k2 · B < A · (B · ε + ε · B)
i=0 j=N
= 2AB · ε .
În concluzie,

p
C p − S1 ⋆ S2 ≤ kA p ⋆ S2 − S1 ⋆ S2 k2 + ∑ ak ⋆ v p−k

,
2 k=0
2
de unde

lim sup C p − S1 ⋆ S2 2 ≤ 2AB · ε .
p→+∞
Trecem la limită, ı̂n ambii membri ai ultimei inegalităţi, ε ց 0. Am ajuns la
lim C p = S1 ⋆ S2 .
p→+∞
Dat fiind că operaţia “⋆” nu este neapărat comutativă, trebuie să arătăm că seria
∑ a p nu joacă niciun rol privilegiat ı̂n formula (4.11).
p≥0
Plecând de la observaţia că
ak ⋆ bi−k = ai−(i−k) ⋆ b(i−k) ,
refacem estimările anterioare. Astfel,

p p i p i
Cp = ∑ ci = ∑ ∑ ak ⋆ bi−k = ∑ ∑ ai−k ⋆ bk
i=0 i=0 k=0 i=0 k=0
p i p p p p
= ∑ ∑ ζ ik = ∑ ∑ ζ ik = ∑ ∑ ai−k ⋆ bk
i=0 k=0 k=0 i=k k=0 i=k
! !
p p p p−k
= ∑ ∑ ai−k ⋆ bk = ∑ ∑ ar ⋆ bk
k=0 i=k k=0 r=0
!
p p p p
= ∑ A p−k ⋆ bk = ∑ S1 + u p−k ⋆ bk = S1 ⋆ ∑ bk + ∑ u p−k ⋆ bk
k=0 k=0 k=0 k=0
p
= S1 ⋆ B p + ∑ u p−k ⋆ bk ,
k=0
84 4 Aplicaţii

⊔
Lema 4.5. ([14, pag. 84, Lemma 2]) Fiind date şirurile (A p ) p≥0 , (B p ) p≥0 ⊂ Mm (C)
astfel ı̂ncât seriile
∑ Ap, ∑ Bp (4.12)
p≥0 p≥0
2
să fie absolut convergente ı̂n raport cu l2 -norma spaţiului Mm (C) ≡ Cm , seria
∑ Cp , unde
p≥0
p
Cp = ∑ Ak · B p−k , p ∈ N,
k=0
este absolut convergentă. În plus, suma sa C este produsul sumelor seriilor din
(4.12), adică
! !
+∞ +∞
C= ∑ Ai · ∑ Bj .
i=0 j=0
Demonstraţie. În contextul Exemplului 4.3, introducem operaţia

   
2 col(1) A col(1) B
   
Cm ∋ e ⋆ f =  ...  ⋆  ... 
col(m) A col(m) B
≡ A ⋆ B = A · B, A, B ∈ Mm (C).
Concluzia rezultă din Teorema 4.1. ⊓

⊔
4.2 Exponenţiala unei matrice pătrate cu elemente numerice
Fie A ∈ Mm (C), unde m ∈ N\{0}. Elementul — A0 = Im —

+∞ p
1 1
eA = ∑ p!
· A p = lim ∑ · Ai = lim A p
p→+∞ i! p→+∞
p=0 i=0
2
∈ Mm (C) ≡ Cm
p
se numeşte exponenţiala5 matricei A. Aici, A p = ∑ ai şi a p = 1
p! · A p pentru orice
i=0
p.
5 În limba engleză, exponential of A, [24, pag. 12].

4.2 Exponenţiala unei matrice pătrate 85
În contextul Lemei 4.5, au loc relaţiile

s
m
kAk2 = ∑ |avw |2 , A = (avw )1≤v, w≤m ,
v,w=1
respectiv
kA2 k2 = kA ⋆ Ak2 ≤ (kAk2 )2 .
Prin inducţie matematică, probăm că
kA p k2 ≤ (kAk2 ) p , p ∈ N\{0},
iar de aici, dat fiind că seria numerică ∑ 1

p! · (kAk2 ) p este convergentă — are suma
p≥0
es , unde s = kAk2 —, deducem că seria ∑ a p este absolut convergentă ı̂n spaţiul
p≥0
liniar E = Mm (C).
Teorema 4.3. ([24, pag. 13]) Fie A, B ∈ Mm (C). Au loc relaţiile următoare:
(i) dacă A · B = B · A, atunci
eA+B = eA · eB , eA · eB = eB · eA ;
(ii)
−1
eOm = Im , eA = e−A ;
(iii) dacă6 A ∼ B, atunci eA ∼ eB ;

(iv) ([14, pag. 89, Problem 12]) dacă A · B = B · A, atunci
A · eB = eB · A.
Demonstraţie. Partea (i). Sunt valabile egalităţile — folosim binomul lui Newton!
—
+∞ p
1 1
eA+B = ∑p!
· (A + B) p = lim ∑ · (A + B)i
p→+∞ i!
p=0 i=0
p i p i
1 j 1 1
= lim ∑ · ∑ · A · B = lim ∑ ∑
j i− j j
·A · ·Bi− j
p→+∞
i=0 i! j=0
i p→+∞
i=0 j=0 j! (i − j)!
p i
= lim
p→+∞
∑ Ci , Ci = ∑ A j ⋆ Bi− j ,
i=0 j=0
1
unde Up = p! ·U p pentru orice U ∈ Mm (C).
6 Relaţia de echivalenţă “∼” a fost definită la pagina 6.

86 4 Aplicaţii
Aplicăm Lema 4.5. Astfel,

! !
+∞ +∞
eA+B = ∑ Aj · ∑ Bq = eA · eB .
j=0 q=0
Cea de-a doua identitate rezultă din egalitatea eA+B = eB+A = eB · eA .

Partea (ii). Concluzia rezultă din relaţiile
+∞
1
Im = Im + ∑ p!
· (Om ) p = eOm = eA+(−A) = e(−A)+A
p=1
= eA · e−A = e−A · eA .
Partea (iii). Vom ı̂ntrebuinţa identitatea (1.18). Într-adevăr, deoarece

! !
+∞
1 i k
1 i
−1
P · ∑ · B · P − P · ∑ · B · P −1
i=0 i! i=0 i!
2

−1
+∞
1 k
1

≤ P 2 · ∑ · Bi − ∑ · Bi · kPk2
i=0 i! i=0 i!
2
" #
−1 +∞
1
≤ P 2 · kPk2 · ∑ · (kBk2 ) , j
k ≥ 0,
j=k j!
deducem că
!
k
1 i
lim P −1
· ∑ · B · P = P−1 · eB · P.
k→+∞ i=0 i!
Conform (1.18), avem

k k
1 1
P−1 · eB · P = lim
k→+∞
∑ i! · P−1 · Bi · P = lim
k→+∞
∑ i! · Ai
i=0 i=0
= eA .
Partea (iv). Observăm că
A · B2 = (A · B) · B = (B · A) · B = B · (A · B) = B · (B · A)
= B2 · A.
Mai departe, prin inducţie matematică, stabilim egalitatea
A · B p = B p · A, p ∈ N.
Pentru a trage concluzia, la fel ca anterior, utilizăm distributivitatea ı̂nmulţirii

matricelor faţă de adunarea acestora. ⊓
⊔
4.3 Calculul exponenţialei 87
4.3 Calculul exponenţialei unei matrice pătrate cu elemente

complexe
Fie A ∈ Mm (C), unde m ∈ N\{0}. Atunci, matricea A poate fi considerată drept

matricea de reprezentare ı̂n baza canonică S1 = BC = {i1 , . . . , im } a unui element
T din spaţiul liniar complex L(Cm , Cm ), şi anume — A = T —
     
z1 z1 z1
 ..   ..   ..  m
 .  7−→ A ·  .  ,  . ∈C .
zm zm zm
Conform Teoremei 2.2, există baza S2 a spaţiului liniar Cm ı̂n raport cu care
operatorul T să fie reprezentat de matricea T1 cu formula
T1 = D + N, D · N = N · D.
Aici,
 
d1 · · · 0
 .. . . ..  , unde d ∈ C, i ∈ 1, m,
D= . . .  i Nm = Om .
0 · · · dm
Deducem că
 
ed1 · · · 0 m−1
 ..  , 1
eD =  ... . . . .  eN = ∑ q!
· Nq .
d q=0
0 ··· e m
Teorema 4.3 ne conduce la

 
ed1 · · · 0 !
m−1
 ..  · 1
eT1 = eD · eN =  ... . . . .  ∑ q!
· Nq .
d q=0
0 ··· e m
Relaţiile (1.15) arată că există matricea nesingulară P ∈ Mm (C) astfel ı̂ncât
A = P · T1 · P−1 .
Plecând de la concluzia (iii) a Teoremei 4.3, stabilim că

 d 
e 1 ··· 0 !
m−1
 .. . . ..  1
. .  · ∑ q! · N · P .
A T1 −1 q −1
e = P·e ·P = P· .
q=0
0 · · · edm
88 4 Aplicaţii
În plus, formula (1.2) — de trecere de la BC la S2 — arată că vectorii bazei S2

sunt chiar coloanele matricei P [14, pag. 113]. Vezi (4.14).
Ştim că numerele (di )i∈1,m de pe diagonala principală a matricei D sunt eigen-
valori — numărate cu multiplicităţile lor algebrice — ale matricei A iar baza S2 se
compune din eigenvectori generalizaţi ai aceleiaşi matrice. Însă este dificil să cons-
truim acea bază S2 faţă de care matricea de reprezentare nilpotentă N să se afle ı̂n
forma canonică. Deoarece matricea
N0 = P · N · P−1 = P · (T1 − D) · P−1 = A − P · D · P−1
ı̂l reprezintă pe7 N ı̂n baza canonică BC , avem
(N0 )m = Om .
În concluzie, ne bazăm ı̂n practică pe formula8

−1 +N −1
eA = eP·D·P 0 = eP·D·P · eN0 = P · eD · P−1 · eN0
A−P·D·P−1
= P · eD · P−1 · e
 d 
e 1 ··· 0 " #
m−1
 .. . . ..  −1 1
. .  · P · ∑ q! A − P · D · P
−1 q
= P· . , (4.13)
q=0
0 · · · edm
vezi [24, pag. 33, Corollary 1].
4.4 Estimarea produsului scalar
Fie E = Rm , unde m ∈ N\{0}, şi operatorul R-liniar T : E → E. Fiind date ba-

zele S1 = BC = {i1 , . . . , im } — baza canonică — şi S = { f 1 , . . . , f m }, notăm cu
P matricea de schimbare de bază,

f 1 · · · f m = i1 · · · im · P = Im · P = P

= col(1) P · · · col(m) P . (4.14)
Fie u, v ∈ E cu expresiile
7 T = D +N .
8 Fiind date B, C ∈ Mm (C), dacă B ·C = C · B, atunci şi

P · B · P−1 · P ·C · P−1 = P · BC · P−1 = P ·CB · P−1

= P ·C · P−1 · P · B · P−1 .
4.4 Estimarea produsului scalar 89
m m
u= ∑ uSk 1 · ik = ∑ uSk · f k , uS1 S
k , uk ∈ R,
k=1 k=1
respectiv
m m
v= ∑ vSk 1 · ik = ∑ vSk · f k , vS1 S
k , vk ∈ R.
k=1 k=1
Conform (1.5),
 S  S1     S1 
u1 u1 vS
1 v1
 ..  −1  ..   ..  −1  .. 
 .  = P  . ,  .  = P  . .
uS
m uS
m
1 vS
m vS
m
1
Renumerotăm baza S ca ı̂n (3.28), adică

S = f 1 , . . . , f t , xt+1 , yt+1 , xt+3 , yt+3 . . . , xt+2q+1 , yt+2q+1 ,
unde vectorii ek = f k sunt eigenvectori generalizaţi corespunzând valorilor proprii

reale — numărate ı̂mpreună cu multiplicităţile lor algebrice — λk ale operatorului
TC pentru 1 ≤ k ≤ t iar vectorii et+2k+1 = xt+2k+1 + i · yt+2k+1 sunt eigenvectori
generalizaţi corespunzând valorilor proprii λt+2k+1 ∈ C\R ale operatorului TC pen-
tru 0 ≤ k ≤ q. De asemeni, λt+2k+2 = λt+2k+1 , k ∈ 0, q.
Introducem numerele

vpmin = min λk , Re λt+2 j+1 | k ∈ 1,t, j ∈ 0, q (4.15)
şi

vpmax = max λk , Re λt+2 j+1 | k ∈ 1,t, j ∈ 0, q . (4.16)
Fie ε > 0. Ţinând seama de procedeul (3.18), matricele Jordan elementare u-

tilizate la construcţia formei canonice Jordan reale a matricei T de reprezentare a
operatorului T ı̂n baza S se ı̂nlocuiesc cu matricele din (3.21), (3.22), (3.36). În
particular, S = S (ε ).
Introducem produsul scalar (forma biliniară) BS : E × E → R via formula
 S
m
v1

S . . . uS  ..  .
BS (u, v) = ∑ uS k · vS
k = u1 m  .  (4.17)
k=1 S
vm
Au loc relaţiile9
9 Aici, H t desemnează transpusa matricei H ∈ Mn (C).

90 4 Aplicaţii
  
h vS 1
t i 
1
 
BS (u, v) = uS 1 S1
1 . . . um
· P−1 · P−1  ... 
vS
m
1
 S1 
h i v1

−1 t −1  .. 
= uS
1
1 S1
. . . um · P ·P · . 
vS
m
1
 
vS
1
1
 
= uS 1 S1
1 . . . um
G  ...  , G ∈ Mn (R). (4.18)
vS
m
1
Pentru λ ∈ (λk )k∈1,t eigenvaloare reală a operatorului T , considerăm R-subspaţiul

liniar
[
V= Ker (T − λ · I)s = SpanR f 1 , . . . , f h (4.19)
s≥0
h
şi operatorul R-liniar U = T |V : V → V . Atunci, dacă u = ∑ u p · f p ∈ V , unde
p=1
u p ∈ R, p ∈ 1, h, avem10
h
U(u) = ∑ u p ·U( f p )
p=1
= u1 (λ f 1 + ε f 2 ) + u2 (λ f 2 + ε f 3 ) + · · · + uh (λ f h )
= (λ u1 ) f 1 + (ε u1 + λ u2 ) f 2 + · · · + (ε uh−1 + λ uh ) f h ,
respectiv
BS (U(u), u) = (λ u1 ) · u1 + (ε u1 + λ u2 ) · u2 + · · · + (ε uh−1 + λ uh ) · uh
!
h
=λ ∑ u2p + ε (u1 u2 + u2 u3 + · · · + uh−1 uh ).
p=1
Estimarea
|u1 u2 + u2 u3 + · · · + uh−1 uh | ≤ |u1 u2 | + |u2 u3 | + · · · + |uh−1 uh |

u21 + u22 u22 + u23 u2 + u2h
≤ + + · · · + h−1
2 2 2
h
≤ ∑ u2p = BS (u, u)
p=1
10 Pentru simplitate, ne restrângem la un subspaţiu Z(e, T ), vezi pagina 58.

4.4 Estimarea produsului scalar 91
ne conduce la dubla inegalitate
(λ − ε ) · BS (u, u) ≤ BS (U(u), u) ≤ (λ + ε ) · BS (u, u), u ∈ V. (4.20)
Pentru λ = a + bi ∈ (λt+2k+1 )k∈0,q , a, b ∈ R, eigenvaloare complexă nereală a

operatorului T , considerăm R-subspaţiul liniar
(" # " #)
[ [ s
V = Ker (TC − λ · I)s ⊕ Ker TC − λ · I ∩ Rm
s≥0 s≥0
= SpanR {x1 , y1 , . . . , xh , yh } , (4.21)
unde11 e p = x p + i · y p , şi operatorul R-liniar U = T |V : V → V . Atunci, dacă u =

h
y y
∑ uxp · x p + u p · y p ∈ V , unde uxp , u p ∈ R, p ∈ 1, h, avem12
p=1
h
U(u) = ∑ uxp ·U(x p ) + uyp ·U(y p )
p=1
= ux1 (ax1 − by1 + ε x2 ) + uy1 (bx1 + ay1 + ε y2 )
+ ux2 (ax2 − by2 + ε x3 ) + uy2 (bx2 + ay2 + ε y3 )
+ · · · + uxh (axh − byh ) + uyh (bxh + ayh )
= (ux1 a + uy1 b)x1 + (−ux1 b + uy1 a)y1
+ (ux2 a + uy2 b + ε ux1 )x2 + (−ux2 b + uy2 a + ε uy1 )y2
+ · · · + (uxh a + uyh b + ε uxh−1 )xh + (−uxh b + uyh a + ε uyh−1 )yh ,
respectiv
BS (U(u), u) = [(ux1 a + uy1 b) · ux1 + (−ux1 b + uy1 a) · uy1 ]

+ [(ux2 a + uy2 b + ε ux1 ) · ux2 + (−ux2 b + uy2 a + ε uy1 ) · uy2 ]
+ · · · + [(uxh a + uyh b + ε uxh−1 ) · uxh + (−uxh b + uyh a + ε uyh−1 ) · uyh ]
h 2 i
= a · (ux1 )2 + uy1
h 2 i
+ a · (ux2 )2 + uy2 + ε · (ux1 ux2 + uy1 uy2 )
h 2 i
+ · · · + a · (uxh )2 + uyh + ε · (uxh−1 uxh + uyh−1 uyh )
h h 2 2 i
= a· ∑ uxp + uyp
p=1

+ ε · (ux1 ux2 + uy1 uy2 ) + · · · + (uxh−1 uxh + uyh−1 uyh ) .
11 Atenţie, pentru a simplifica scrierea, am renotat vectorii. Mai precis, x p = xt+2(p−1)+1 şi y p =
yt+2(p−1)+1 , unde p ≥ 1.
12 Restrângem discuţia la subspaţiul Z , vezi pagina 72.
01
92 4 Aplicaţii
La fel ca ı̂n cazul anterior,
x x h 2 i
y
h 2
(u u + uy uy ) + · · · + (ux
1 2 1 2
x y
h−1 uh + uh−1 uh ) ≤ ∑ uxp + uyp = BS (u, u),
p=1
ceea ce ne conduce la dubla inegalitate
(a − ε ) · BS (u, u) ≤ BS (U(u), u) ≤ (a + ε ) · BS (u, u), u ∈ V. (4.22)
Există R-subspaţiile liniare V0 , . . . ,Vs ⊆ E date de formulele (4.19), (4.21) şi o-

peratorii R-liniari Uk : Vk → Vk , unde k ∈ 0, s, corespunzători astfel ı̂ncât
s
M s
M
E= Vk , T= Uk .
k=0 k=0
s
Fie u = ∑ uk ∈ E, uk ∈ Vk , 0 ≤ k ≤ s. Atunci, pe baza inegalităţilor (4.15), (4.16),
k=0
(4.20), (4.22), obţinem dubla estimare — vezi [14, pag. 145, Lemma] —
s
(vpmin − ε ) · BS (u, u) = (vpmin − ε ) · ∑ BS (uk , uk )
k=0
s
≤ ∑ BS (Uk (uk ), uk )
k=0
= BS (T (u), u)
≤ (vpmax + ε ) · BS (u, u).
4.5 Exerciţii rezolvate
Detaliile care urmează presupun cunoştinţe de bază despre teoria sistemelor di-
ferenţiale liniare [1, 2].
Exerciţiul 4.1. Find dat numărul pozitiv ω , să se rezolve ecuaţia diferenţială ordi-
nară
d2x
+ ω 2 x = 0, t ≥ 0. (4.23)
dt 2
Soluţia exerciţiului 4.1. Transformăm ecuaţia (4.23) ı̂n sistemul diferenţial de or-
dinul ı̂ntâi
′
x1 x d
= A· 1 , ′
= ,
x2 x2 dt
unde
4.5 Exerciţii rezolvate 93

0 1
A= .
−ω 2 0
Soluţia sistemului are formula

x1 (t) c
=e · 1 ,
At
ck ∈ R, k ∈ {1, 2}.
x2 (t) c2
Introducem operatorul liniar T : R2 → R2 , dat de matricea T = A, şi anume

x1 x
T = A· 1 .
x2 x2
Lui ı̂i este asociat operatorul complexificat TC : C2 → C2 , cu formula

z1 z
TC = A· 1 .
z2 z2
Pentru a determina valorile proprii ale matricei A, rezolvăm ecuaţia algebrică
pTC (λ ) = det (A − λ · I2 ) = λ 2 + ω 2 = 0.
Găsim soluţiile (simple) λ1 = λ = ω · i şi λ2 = λ = −ω · i.

În C2 , considerăm bazele

1 0
S1 = BC = {i1 , i2 } = ,
0 1
şi
S2 = { f , σ ( f )}, f = x + i · y ∈ C2 , x, y ∈ R2 ,
unde f este vectorul propriu corespunzător valorii proprii λ a matricei A. Ele sunt
folosite pentru aducerea matricei A la forma canonică Jordan (reală şi complexă).
Astfel, plecând de la descompunerea
C2 = Ker (TC − λ · I) ⊕ Ker (TC − λ · I),
avem relaţiile

TC (i1 ) TC (i2 ) = i1 i2 · A
şi

TC ( f ) TC (σ ( f )) = f σ ( f ) ·W1

λ 0
= f σ( f ) · ,
0λ
94 4 Aplicaţii
respectiv — aici, λ = α + β · i şi α , β ∈ R —
(TC (x) TC (y)) = (T (x) T (y))

= (x y) ·W2

α β
= (x y) ·
−β α

0 ω
= (x y) · .
−ω 0
Introducem matricele

p1 p2 r r
P1 = , P2 = 1 2
p3 p4 r3 r4
de schimbare a bazelor ı̂n C2 , R2 , adică

f σ ( f ) = i1 i2 · P1 = I2 · P1 = P1 (4.24)
şi

(x y) = i1 i2 · P2 = P2 , (4.25)
de unde

λ 0 α β
A = P1 · · P1−1 = P2 · · P2−1 . (4.26)
0λ −β α
Reorganizăm egalităţile (4.26) sub forma

λ 0 α β
P1 · = A · P1 , P2 · = A · P2
0λ −β α
şi obţinem două sisteme algebrice liniare ı̂n necunoscutele pk , rk , unde k ∈ 1, 4,

 

 iω · p1 = p3 
 − ω · r2 = r3
 
−iω · p2 = p4 ω · r1 = r4
(4.27)

 iω · p3 = −ω 2 · p1 
 − ω · r4 = − ω 2 · r1
 
−iω · p4 = −ω · p2 ,
2 ω · r3 = − ω · r2 .
2
Observăm că, la fiecare din sistemele precedente, ultimele două ecuaţii sunt echi-
valente cu primele două ecuaţii. Atunci, sistemelor — cu câte o infinitate de soluţii
fiecare —

iω · p1 = p3 − ω · r2 = r3
−iω · p2 = p4 , ω · r1 = r4
le alegem soluţiile netriviale

p1 = p2 = 1, p3 = −p4 = iω , r1 = r2 = 1, r3 = −r4 = −ω .
Am ajuns la

1 1 1 iω 1
P1 = , P1−1 = · (4.28)
iω −iω 2ω i iω −1
şi

1 1 1 ω −1
P2 = , P2−1 = · . (4.29)
−ω ω 2ω ω 1
Testarea vectorilor proprii. Conform (4.24), vectorul f este dat de prima coloană
a matricei P1 ,

1 1 0
f = = x+i·y = +i· (4.30)
iω 0 ω
= z1 · i1 + z2 · i2 , z1 = 1, z2 = iω .
Deducem că

z
(TC − λ · I) ( f ) = i1 i2 · (T − λ · I2 ) · 1
z2

−iω 1 1
= I2 ·
−ω 2 −iω iω

0
= = 0C2 .
0
Relaţiile (4.25) arată că vectorii x, y din (4.30) alcătuiesc coloanele matricei P2 ,
ceea ce, la prima vedere, nu pare adevărat. În fapt, cum sistemele algebrice (4.27) au
o infinitate de soluţii, vectorii ı̂n discuţie alătuiesc coloanele uneia dintre matricele
P2 posibile! Introducând matricea

1 0
P2nou = (x y) = ,
0ω
stabilim că

0 1 1 0
A · P2nou = ·
−ω 2 0 0ω

0 ω
=
−ω 2 0

1 0 0 ω
= ·
0ω −ω 0

α β
= P2nou · .
−β α
96 4 Aplicaţii
De asemeni, plecând de la matricea P2 , observăm că vectorul

1+i
u = col(1) P2 + i · col(2) P2 =
− ω + iω
= z3 · i1 + z4 · i2 , z3 = 1 + i, z4 = −ω + iω ,
statisface egalităţile

z
(TC − λ · I) (u) = i1 i2 · (T − λ · I2 ) · 3
z4

−iω 1 1+i
= I2 · ·
−ω 2 −iω − ω + iω
= 0C2 ,
adică este eigenvector al operatorului TC .

Calculul exponenţialei matricei A. Sunt valabile relaţiile
!
eλ t 0
t·A
e = P1 · · P1−1 (4.31)
0 eλ t
şi — vezi Exerciţiul 4.2 —

cos(β t) sin(β t)
et·A = P2 · eα t · P2−1 . (4.32)
− sin(β t) (cos β t)
Via (4.28), (4.31), avem egalităţile
etA
1 1 cos(ω t) + i sin(ω t) 0 1 iω 1
= · ·
iω −iω 0 cos(ω t) − i sin(ω t) 2ω i iω −1
sin(ω t)

1 2iω cos(ω t) 2i sin(ω t) cos(ω t) ω
= = .
2ω i −2iω 2 sin(ω t) 2iω cos(ω t) −ω sin(ω t) cos(ω t)
La fel, folosind (4.29), (4.32), deducem că
etA
1 1 cos(ω t) sin(ω t) 1 ω −1
= · ·
−ω ω − sin(ω t) cos(ω t) 2ω ω 1
sin(ω t)

1 2ω cos(ω t) 2 sin(ω t) cos(ω t) ω
= = .
2ω −2ω 2 sin(ω t) 2ω cos(ω t) −ω sin(ω t) cos(ω t)
Soluţia ecuaţiei diferenţiale. Am ajuns la

c2
x(t) = x1 (t) = c1 · cos(ω t) + · sin(ω t)
ω
= C1 · cos(ω t) +C2 · sin(ω t), Ck ∈ R, k ∈ {1, 2},
şi
x′ (t) = x2 (t) = −c1 ω · sin(ω t) + c2 · cos(ω t)

= −C1 ω · sin(ω t) +C2 ω · cos(ω t).
Calculul s-a ı̂ncheiat. ⊓

⊔
Exerciţiul 4.2. Fiind date matricele

a 0 b0 c1 c2
A= 1 , B= , C= ,
0 a2 1b −c2 c1
să se arate că sunt valabile formulele

at
e1 0 10 cos(c2t) sin(c2t)
etA = , e tB
= e bt
· , etC = ec1 t · ,
0 ea2 t t 1 − sin(c2t) cos(c2t)
unde ak , b ∈ C, respectiv ck , t ∈ R, k ∈ {1, 2}.
Soluţia exerciţiului 4.2. Vezi [24, pag. 15]. ⊓

⊔
Exerciţiul 4.3. Să se rezolve sistemul diferenţial liniar

′
x1 = −x1 − 3x2
x2′ = 2x2 .
Soluţia exerciţiului 4.3. Începem cu calculul valorilor proprii ale matricei A a sis-
temului liniar, unde

−1 −3
A= .
0 2
Pentru le a determina, rezolvăm ecuaţia algebrică

−1 − λ −3
det (A − λ · I2 ) = = −(1 + λ )(2 − λ ) = 0.
0 2−λ
Găsim soluţiile (simple, reale) λ1 = −1 şi λ2 = 2.

Ne aflăm ı̂n situaţia primei părţi a proprietăţii (H S ) — vezi Lema 2.14 —,
deci
R2 = Ker (T − λ1 · I) ⊕ Ker (T − λ2 · I),
unde T = A.
La fel ca ı̂n rezolvarea Exerciţiului 4.1, introducem matricea
98 4 Aplicaţii

p1 p2
P= ∈ M2 (R)
p3 p4
astfel ı̂ncât

λ1 0 p1 p2 −1 0
P· =
0 λ2 p3 p4 0 2

−p1 2p2
= (4.33)
−p3 2p4
=A·P
−1 −3 p1 p2
=
0 2 p3 p4

−p1 − 3p3 −p2 − 3p4
= . (4.34)
2p3 2p4
Egalând prima linie a matricelor din (4.33), (4.34) — element cu element —,

ajungem la sistemul algebric liniar

−p1 = −p1 − 3p3
2p2 = −p2 − 3p4 ,
de unde rezultă că p3 = 0 şi p2 = −p4 . Cea de-a doua linie a matricelor din (4.33),
(4.34) nu ne conduce la nimic nou,

−p3 = 2p3
2p4 = 2p4 .
Pentru p1 = p2 = 1, obţinem

1 1
P= = P−1 .
0 −1
Testarea vectorilor proprii. Au loc egalităţile

0 −3 1 0
(A − λ1 · I2 ) · col(1) P = = ,
0 3 0 0
respectiv

−3 −3 0 0
(A − λ2 · I2 ) · col(2) P = = .
0 0 −1 0
De asemeni,

R2 = Rcol(1) P ⊕ Rcol(2) P = SpanR col(1) P, col(2) P .
Calculul exponenţialei matricei A. Sunt valabile relaţiile — vezi Exerciţiul 4.2

—
λt
e 1 0
et·A = P · · P−1 ,
0 eλ2 t
de unde
−t
tA 1 1 e 0 1 1
e =
0 −1 0 e2t 0 −1
−t −t 2t

e e −e
= .
0 e2t
Soluţia sistemului diferenţial. Am ajuns la

x1 (t) c
=e · 1 ,
tA
ck ∈ R,
x2 (t) c2
−t −t −t
e e − e2t c1 c1 e + c2 e−t − e2t
= =
0 e2t c2 c2 e2t

(c1 + c2 )e−t − c2 e2t
=
c2 e2t
−t
d1 e − d2 e2t
= , dk ∈ R, k ∈ {1, 2}.
d2 e2t

⊔
Exerciţiul 4.4. ([24, pag. 34, Example 1]) Să se rezolve sistemul diferenţial liniar
′
x1 = 3x1 + x2
x2′ = −x1 + x2 .

3 1
A= .
−1 1

3 − λ 1
det (A − λ · I2 ) = = λ 2 − 4λ + 4 = 0.
−1 1 − λ
Găsim soluţia (de multiplicitate algebrică m = 2, reală) λ = 2.

Conform (4.13), există matricea nesingulară P ∈ M2 (C) şi matricea nilpotentă
N0 ∈ M2 (C) astfel ı̂ncât
A = P · D · P−1 + N0 , N20 = O2 .
100 4 Aplicaţii
Aici,

λ 0
D= = λ · I2 , etD = eλ t · I2
0λ
iar coloanele matricei P sunt eigenvectori generalizaţi, liniar independenţi peste C,

ai valorii proprii λ a operatorului liniar TC , unde T = A.
Forma specială a matricei D — operatorul D, reprezentat de ea, este un operator
diagonal — ne conduce la următoarea descompunere a matricei A,
A = D + N0 = λ · I2 + N0 ,
de unde

1 1
N0 = A − 2I2 = .
−1 −1
et·A = P · etD · P−1 · (I2 + t · N0 ) = etD · (I2 + t · N0 )

1 1
= e2t I2 · I2 + t ·
−1 −1

1+t t
= e2t .
−t 1 − t

x1 (t) c
=e · 1 ,
tA
ck ∈ R, k ∈ {1, 2},
x2 (t) c2

2t 1 + t t c1 2t c1 (1 + t) + c2t
=e =e
−t 1 − t c2 −c1t + c2 (1 − t)

c + (c1 + c2 )t
= e2t 1 .
c2 − (c1 + c2 )t

⊔
 ′
 x1 = x1
x′ = −x1 + 2x2
 2′
x3 = x1 + x2 + 2x3 .
 
1 00
A = −1 2 0 .
1 12

1 − λ 0 0

det (A − λ · I3 ) = −1 2 − λ 0 = (1 − λ )(2 − λ )2 = 0.
1 1 2−λ
Găsim soluţiile λ1 = 1 (simplă, reală) şi λ2 = 2 (de multiplicitate algebrică m = 2,

reală).
Matricea de reprezentare a operatorului diagonalizabil D, ı̂n baza S1 = BC =
{i1 , i2 , i3 } a spaţiului liniar R3 , este
 
λ1 0 0
D0 = P · D · P−1 = P ·  0 λ2 0  · P−1 ,
0 0 λ2
unde P ∈ M3 (R).  1
u
Construcţia matricei P. Coordonatele vectorului propriu u = u2  ∈ R3 , cores-
u3
punzând valorii proprii λ1 a matricei A, verifică sistemul algebric liniar
 1    1  
u 0 00 u 0
(A − λ1 · I3 ) u2  = −1 1 0 u2  = 0 ,
u3 1 11 u3 0
de unde

−u1 + u2 = 0
u1 + u2 + u3 = 0.
Rezultă că u2 = u1 şi u3 = −2u1 . Pentru u1 = 1, obţinem

 
1
u =  1 .
−2
 1
v
Coordonatele vectorului propriu v = v2  ∈ R3 , corespunzând valorii proprii
v3
λ2 a matricei A, verifică sistemul algebric liniar
102 4 Aplicaţii
 1    1  
v −1 0 0 v 0
(A − λ2 · I3 ) v2  = −1 0 0 v2  = 0 ,
v3 1 10 v3 0
de unde v1 = v2 = 0, adică λ2 -eigenspaţiul operatorului T , unde T = A, este unidi-

mensional. Alegem vectorul propriu
 
0
v = 0 .
1
Pentru a putea stabili baza S2 — vectorii săi sunt

 1coloanele
 matricei P —, trebu-
w
ie determinat un vector propriu generalizat w = w2  ∈ R3 , corespunzând valorii
w3
proprii λ2 a matricei A, care să fie liniar independent peste R faţă de setul {u, v}.
Astfel, sistemul algebric liniar
 1    1  1   
w 1 00 w w 0
(A − λ2 · I3 )2 w2  =  1 0 0 w2  =  w1  = 0
w3 −2 0 0 w3 −2w1 0
ne conduce la w1 = 0. Optăm pentru eigenvectorul generalizat

 
0
w = 1 .
0
Am ajuns la
   
1 00 1 00
P =  1 0 1 , P−1 =  2 0 1 ,
−2 1 0 −1 1 0
de unde
     
1 00 10 0 1 0 0 1 0 0
D0 =  1 0 1 0 2 0  2 0 1 = −1 2 0
−2 1 0 00 2 −1 1 0 2 0 2
şi
 
0 00
N0 = A − D0 =  0 0 0 , N20 = O3 .
−1 1 0

et·A = et·D0 · (I3 + t · N0 ) = P · et·D · P−1 · (I3 + t · N0 )

  t    
1 00 e 0 0 1 00 1 00
=  1 0 1  0 e2t 0   2 0 1 ·  0 1 0
−2 1 0 0 0 e2t −1 1 0 −t t 1
 t

e 0 0
= et − e2t e2t 0  .
−2et + (2 − t)e2t te2t e2t

   
x1 (t) c1
x2 (t) = e · c2  ,
tA
ck ∈ R, k ∈ 1, 3,
x3 (t) c3
  
et 0 0 c1
= et − e2t e2t 0  c2 
−2et + (2 − t)e2t te2t e2t c3
 
c1 et
= c1 et + (c2 − c1 )e2t .
t
−2c1 e + [2c1 + c3 + (c2 − c1 )t]e 2t

⊔
 ′

 x = −x2
 1′
x2 = x1
 x3′ = −x4

 ′
x4 = 2x1 + x3 .
 
0 −1 0 0
1 0 0 0 
A=0 0 0 −1 .

2 0 1 0

−λ −1 0 0

1 −λ 0 0
det (A − λ · I4 ) =
= (1 + λ 2 )2 = 0.
0 0 −λ −1

2 0 1 −λ
Găsim soluţiile λ1 = λ = i (de multiplicitate algebrică m1 = 2, complexă) şi λ2 =

λ = −i (de multiplicitate algebrică m2 = 2, complexă).
104 4 Aplicaţii
Are loc descompunerea

" # " #
[ [ k
C4 = Ker (TC − λ · I)
k
⊕ Ker TC − λ · I
k≥0 k≥0

= SpanC u,U ⊕ SpanC σ (u), σ (U)

= SpanC {u, σ (u)} ⊕ SpanC U, σ (U) = SpanC {x, y} ⊕ SpanC X,Y

= SpanC x, y, X,Y , x, y, X, Y ∈ R4 ,
unde u = x + i · y, U = X + i · Y şi σ (u), σ (U) sunt eigenvectori generalizaţi, co-

respunzând valorilor proprii λ1,2 , ai complexificatului TC . Aici, operatorul R-liniar
T este reprezentat ı̂n baza S1 = BC = {i1 , i2 , i3 , i4 } a spaţiului vectorial R4 de
matricea T = A.
Matricea de reprezentare a operatorului semisimplu D — din T = D + N —, ı̂n
baza S1 a spaţiului liniar R4 , este
 
α β 0 0
−β α 0 0  −1
D0 = P · D · P−1 = P ·  0 0 α β·P ,

0 0 −β α
unde λ = α + β · i şi α , β ∈ R, respectiv P ∈ M4 (R) şi

P = col(1) P col(2) P col(3) P col(4) P = x y X Y .
 1
u
u2 
Construcţia matricei P. Coordonatele vectorului propriu u =  3  ∈ C4 , cores-
u 
u4
punzând valorii proprii λ1 a matricei A, verifică sistemul algebric liniar
 1    1  
u −i −1 0 0 u 0
u2   1 −i 0 0  u2  0
(A − λ1 · I4 )       
u3  =  0 0 −i −1 u3  = 0 ,
u4 2 0 1 −i u4 0
de unde


 −iu1 − u2 = 0
 1
u − iu2 = 0
−iu3 − u4 = 0


 1
2u + u3 − iu4 = 0.
Din primele două ecuaţii rezultă că u2 = −iu1 . Ultimele două ecuaţii ne conduc
la u4 = −iu3 şi — inserând formula lui u4 ı̂n ultima ecuaţie — u1 = 0. Aşadar,
u1 = u2 = 0. Ţinând seama de cea de-a treia ecuaţie a sistemului algebric, deducem
că
     
0 0 0
 0  0 0
Ker (TC − λ · I) = Cu, u=     
 1  = 1 + i ·  0  = x + i · y,
−i 0 −1
de unde, obligatoriu,
 
0
0
Ker TC − λ · I = Cσ (u) = C  

1
i
iar sistemul de vectori {u, σ (u)} este liniar independent peste C.  1

U
U 2 
Mai departe, trebuie determinat un vector propriu generalizat U =  
U 3  ∈ C ,
4
U4
corespunzând valorii proprii λ1 a matricei A, astfel ı̂ncât vectorii u, U să fie liniar
independenţi peste C. În particular,
U ∈ Ker (TC − λ1 · I)2 \Ker (TC − λ1 · I) .
Sistemul algebric liniar

 1    1  
U −2 2i 0 0 U 0
 2  −2i −2 0 0  U 2  0
2 U 
(A − λ1 · I4 )  3  =     
 −2 0 −2 2i  U 3  = 0
U
U4 −4i −2 −2i −2 U4 0
ne conduce la


 −2U 1 + 2iU 2 = 0

−2iU 1 − 2U 2 = 0

 −2U 1 − 2U 3 + 2iU 4 = 0

−4iU 1 − 2U 2 − 2iU 3 − 2U 4 = 0.
Primele două ecuaţii sunt echivalente cu U 1 = iU 2 . Inserând această expresie a ne-

cunoscutei U 1 ı̂n ultima ecuaţie, deducem că ultimele două ecuaţii ale sistemului
algebric sunt echivalente cu U 1 +U 3 − iU 4 = 0. Aşadar,
1
U = iU 2
U 1 +U 3 − iU 4 = 0.
Optăm pentru eigenvectorul generalizat

106 4 Aplicaţii
 1      
U i 0 1
U 2  1 1 0
U =       
U 3  = 0 = 0 + i · 0 = X + i ·Y .
U4 1 1 0
Am ajuns la
   
0 0 01 0 01 0
0 0 1 0 0 10 −1
P=
1
, P−1 =  ,
0 0 0 0 10 0
0 −1 1 0 1 00 0
de unde
     
0 0 0 1 0 1 0 0 00 1 0 0 −1 0 0
0 0 1 0   0 −1  0

D0 =   −1 0 0 0 0 1  = 1 0 0 
1 0 0 0  0 0 0 1 0 1 0 0  0 1 0 −1
0 −1 1 0 0 0 −1 0 10 0 0 1 0 1 0
şi
 
0 0 00
0 0 0 0
N0 = A − D0 = 
0
, N20 = O4 .
−1 0 0
1 0 00
et·A = et·D0 · (I4 + t · N0 ) = P · et·D · P−1 · (I4 + t · N0 )

     
0 0 01 cost sint 0 0 0 01 0 1 0 00
0 0 1 0 − sint cost 0 0  0 10 −1 0 1 0 0
=1 0 0 0  0
  · 
0 cost sint  0 10 0  0 −t 1 0
0 −1 1 0 0 0 − sint cost 1 00 0 t 0 01
   
cost − sint 0 0 1 0 00
 sint cost 0 0  0 1 0 0
=  
 0 sint cost − sint  · 0 −t 1 0

sint 0 sint cost t 0 01

 
cost − sint 0 0
 sint cost 0 0 
= −t sint sint − t cost cost − sint  .

sint + t cost −t sint sint cost
Soluţia sistemului diferenţial. Obţinem că

4.6 Soluţii fundamentale 107
   
x1 (t) c1
x2 (t)  
  = etA · c2  , ck ∈ R, k ∈ 1, 4,
x3 (t) c3 
x4 (t) c4
 
c1 cost − c2 sint
 c1 sint + c2 cost 
= 
(c2 − c4 − c1t) sint + (c3 − c2t) cost  .
(c1 + c3 − c2t) sint + (c4 + c1t) cost

⊔
4.6 Soluţii fundamentale ale ecuaţiilor diferenţiale liniare şi

omogene
Se consideră ecuaţia diferenţială ordinară
x(p) + a1 x(p−1) + · · · + a p−1 x′ + a p x = 0, t ≥ 0, (4.35)

k
unde ai ∈ R, i ∈ 1, p, şi p ≥ 2. Aici, x = x(t), x(k) = ddt kx pentru orice k ∈ 1, p.
Ecuaţia (4.35) se organizează ca sistem diferenţial liniar de ordinul I,
x ′ = Ax, (4.36)
unde13
   
x 0 1 0 0 ··· 0
  


 x′ 
 0 0 1 
0 ··· 0
x1 
 ..  

 x′′ 
 0 0 0 
1 ··· 0
x= . = , .. A= .. .. ..  . (4.37)
.. .. ..
  .  . . .  . . .
xp    
x(p−2)   0 0 0 ··· 0 1 
x(p−1) −a p −a p−1 −a p−2 · · · −a2 −a1
Exerciţiul 4.7. Fie numerele λ , bi ∈ C, i ∈ 1, p, unde p ≥ 3, şi determinanţii

λ −1 0 0 · · · 0

0 λ −1 0 · · · 0

0 0 λ −1 · · · 0

R(b1 , b2 , · · · , b p , λ ) = . . . . . ,
.. .. . . . . . . . ..

0 0 0 · · · λ −1

b1 b2 b3 · · · b p−1 b p
13 E = C p , K = C, T = A. Vezi şi definiţia (4.56).

108 4 Aplicaţii
respectiv

0 −1 0 0 ··· 0

0
λ −1 0 ··· 0

0
0 λ −1 ··· 0

P(b1 , b2 , · · · , b p , λ ) = . .. . . . . .. ...
.. . . . . .

0
0 0 ··· λ −1
b1 b2 b3 · · · b p−1 bp
Au loc relaţiile
P(b1 , b2 , · · · , b p , λ ) = b1 .
şi
R(b1 , b2 , · · · , b p , λ ) = λ R(b2 , b3 , · · · , b p , λ ) + P(b1 , b3 , · · · , b p , λ ),
respectiv
R(b1 , b2 , · · · , b p , λ ) = b p λ p−1 + b p−1 λ p−2 + · · · + b2 λ + b1 . (4.38)
Soluţia exerciţiului 4.7. Se dezvoltă determinanţii după prima linie. ⊓

⊔
Exerciţiul 4.8. Fie matricea A de forma (4.37). Să se arate că
det (λ I p − A) = λ p + a1 λ p−1 + a2 λ p−2 + · · · + a p−1 λ + a p , λ ∈ C.
Soluţia exerciţiului 4.8. Observăm că
det (λ I p − A) = R(a p , a p−1 , · · · , a2 , a1 + λ , λ )
şi aplicăm formula (4.38). ⊓

⊔
Exerciţiul 4.9. Fie λ ∈ C valoare proprie, de multiplicitate algebrică r ≥ 1, a matri-
cei A ∈ M p (R), unde p ≥ 1. Dacă u ∈ C p este eigenvector generalizat al matricei A
corespunzând valorii proprii λ , adică există k ∈ 1, r cu proprietatea că
(A − λ I p )k u = 0C p ,
atunci funcţia z : [0, +∞) → C p , unde

z(t) = eλ t · C1 + tC2 + · · · + t k−1Ck , t ≥ 0,
este soluţie a sistemului diferenţial (4.36)14 . Aici,

1 1
C1 = u, Ci = (A − λ I p )Ci−1 = (A − λ I p )i−1 u, (4.39)
i−1 (i − 1)!
14 Remarcăm faptul că
unde i ∈ 2, k.
Soluţia exerciţiului 4.9. Observăm că
1
(A − λ I p )Ck = (A − λ I p )k u = 0C p ,
(k − 1)!
deci Ck este eigenvector al matricei A corespunzând valorii proprii λ .

Au loc relaţiile

z ′ (t) = λ eλ t · C1 + tC2 + · · · + t k−1Ck

+ eλ t · C2 + 2tC3 + · · · + (k − 1)t k−2Ck

= eλ t · λ C1 +C2 + t λ C2 + 2C3 + · · ·
o
+ t k−2 λ Ck−1 + (k − 1)Ck + t k−1 λ Ck
h i
= eλ t · AC1 + t AC2 + · · · + t k−2 ACk−1 + t k−1 ACk
= A · z(t), t ≥ 0.
Justificarea s-a ı̂ncheiat. ⊓

⊔
Exerciţiul 4.10. În contextul exerciţiului 4.9, să se demonstreze că
(A − λ I p )k+1−i Ci = 0C p , i ∈ 1, k.
Soluţia exerciţiului 4.10. Ţinem seama de ultima parte a formulelor (4.39). ⊓

⊔

(r)
Exerciţiul 4.11. Fie λ ∈ C şi şirurile cq+1 date de formulele
q≥0, r≥1
( (0)
cq+1 = λ q ,
(r)
cq+1 = q(q − 1) · . . . · (q − r + 1)λ q−r · sign (max{q − r + 1, 0}) .
Să se arate că

(r+1) d h (r) i
cq+1 = c ,
d λ q+1
respectiv
d h (r) i (r) d h (r) i

cq+2 = (r + 1)cq+1 + λ c . (4.40)
dλ d λ q+1
n o
z(t) ∈ K (A − λ · Ip , u) = SpanC u, (A − λ · Ip ) u, · · · , (A − λ · Ip )r−1 u , t ≥ 0.
Adică, soluţia ia valori numai ı̂n subspaţiul Krâlov (ı̂n limba engleză, Krylov subspace) — gene-
rat
S
de matricea A − λ · Ip şi de vectorul u — al λ -eigenspaţiului generalizat al operatorului TC ,
Ker (TC − λ · I)s . Conform [32, pag. 253].
s≥0
110 4 Aplicaţii
pentru orice q ≥ 0, r ≥ 1.
Soluţia exerciţiului 4.11. Folosim inducţia matematică. ⊓

⊔
Exerciţiul 4.12. Fie matricea A de forma (4.37) şi λ ∈ C valoare proprie, de multi-
plicitate algebrică r ≥ 1, a acesteia. Atunci, să se arate că vectorii15
 
1
 λ 
 2 
 λ  di
  i
Ck =  .  , Ck−i = · i Ck , (4.41)
 .  . k − 1 dλ
 
λ p−2 
λ p−1
unde i ∈ 1, k − 1, pot fi utilizaţi ı̂n contextul exerciţiului 4.9.

(i)
Soluţia exerciţiului 4.12. Introducem numerele c j astfel ı̂ncât
i∈0,k−1, j∈1,p
   
(0) (i)
c c1
 1.  (k − i)(k − i + 1) · . . . · (k − 1)  . 
Ck =  
 ..  , Ck−i = · 
 ..  .
i!
(0) (i)
cp cp
Trebuie verificate relaţiile — vezi (4.39) şi exerciţiul 4.10 —
(A − λ I p )Ck = 0C p , (A − λ I p )Ck−i−1 = (k − i − 1)Ck−i . (4.42)
Au loc egalităţile — conform exerciţiului 4.8 —

15 v (w−v+1)·(w−v+2)·...·w 0
Folosim notaţiile = 1·2·...·v , = 1, unde w ≥ v ≥ 1.
w w
  
−λ 1 0 0 ··· 0 1
 0
 − λ 1 0 ··· 0 
 λ 

 0
 0 −λ 1 ··· 0 
 λ2 

(A − λ I p )Ck =  . .. .. .. .. ..  .. 
 .. . . . . .  . 
  
 0 0 0 · · · −λ 1  λ p−2 
−a p −a p−1 −a p−2 · · · −a2 − (a1 + λ ) λ p−1
 
0
 0 
 
 0 
 
= .. 
 . 
 
 0 
−a p − a p−1 λ − · · · − a2 λ p−2 − (a1 + λ ) λ p−1
 
0
 0 
 
 0 
 
= ..  = 0C p ,
 . 
 
 0 
−det (λ I p − A)
respectiv
(k − i − 1)(k − i) · . . . · (k − 1) d i+1 k−i−1 d

Ck−i−1 = · i+1 Ck = · Ck−i ,
(i + 1)! dλ i+1 dλ
de unde
(i+1) k − i − 1 d h (i) i
cj = · c . (4.43)
i+1 dλ j
Mai departe, cea de-a doua relaţie (4.42) ne conduce la — via (4.43) —
 
−λ 1 0 0 ··· 0
   0 −λ 1 0 ··· 0   (i+1) 
(i)   c
c1
 .    0 0 −λ 1 · · · 0  1 
  .. 
 
(k − i − 1)  ..  =  . . . . . .  . 
 .. .. .. .. .. .. 
(i)   (i+1)
cp  0 0 0 · · · −λ 1  cp
−a p −a p−1 −a p−2 · · · −a2 − (a1 + λ )
 
−λ 1 0 0 ··· 0  h i
 0
 −λ 1 0 ··· 0  d (i)
 d λ c1
k−i−1   0 0 −λ 1 · · · 0 
 ..


= · . .. .. .. .. ..  . .
i + 1  .. . . . . .   h i
  d (i)
 0 0 0 · · · −λ 1  dλ c p
−a p −a p−1 −a p−2 · · · −a2 − (a1 + λ )
112 4 Aplicaţii
Primele p − 1 linii ale egalităţilor matriceale anterioare se reorganizează sub for-

ma expresiilor
d h (i) i d h (i) i
c j+1 = (i + 1)cij + λ c , j ∈ 1, p − 1,
dλ dλ j
care sunt echivalente cu (4.40).
Ultima linie devine
d h (i) i d h (i) i

(i) (i) (i) (i)
0= a p c1 + a p−1 c2 + . . . + a2 c p−1 + a1 c p + (i + 1)c p + λ cp
dλ dλ
d h (i) (i) (i) (i)
i d h
(i)
i
= a p c1 + a p−1 c2 + . . . + a2 c p−1 + a1 c p + c , (4.44)
dλ d λ p+1
(0)
unde c p+1 = λ p . Egalitatea (4.44) rezultă din relaţia
d i+1 d i+1
0= [det ( λ I p − A)] = a p + a p−1 λ + . . . + a2 λ p−2 + a1 λ p−1 + λ p .
dλ i+1 dλ i+1

⊔
Exerciţiul 4.13. (Soluţii fundamentale I) Dacă λ0 ∈ C este o soluţie de multiplici-

tate r ≥ 1 a ecuaţiei algebrice
λ p + a1 λ p−1 + a2 λ p−2 + · · · + a p−1 λ + a p = 0,
atunci funcţiile zi : [0, +∞) → C, unde i ∈ 1, r, cu formulele16
z1 (t) = eλ0 t , z2 (t) = teλ0 t , · · · , zr (t) = t r−1 eλ0 t , t ≥ 0,
sunt soluţii ale ecuaţiei diferenţiale (4.35).
Soluţia exerciţiului 4.13. Fie k ∈ 1, r fixat. Conform exerciţiului 4.9, ecuaţia (4.35),
reorganizată ca sistem diferenţial cu p ecuaţii de ordinul I, admite soluţia
 
z
 z′ 
 ′′ 
 z 
 
z(t) =  ..  (t) = eλ0 t · C1 + tC2 + · · · + t k−1Ck ,
 . 
 
z(p−2) 
z(p−1)

unde vectorii Ci i∈1,k
au formulele (4.41).
16 Pentru altă abordare — o tehnică perturbativă, atribuită lui d’Alembert —, vezi [33, pag. 194].
Metoda operaţională de rezolvare a ecuaţiilor diferenţiale liniare este descrisă ı̂n [19, pag. 206 şi
urm.].
Observăm că primul element al coloanei Ck ∈ C p este 1 ı̂n timp ce coloanele Ci ,

unde i ≤ k − 1, au primul element 0. De aici rezultă că z(t) = eλ0 t · t k−1 . ⊓
⊔
Exerciţiul 4.14. Fie λ = α + β · i ∈ C\R valoare proprie, de multiplicitate algebrică

r ≥ 1, a matricei A ∈ M p (R), unde p ≥ 1 şi α , β ∈ R.
i) Egalităţile
k
A − α Ip β Ip v 0 p
= R (4.45)
−β I p A − α I p w 0R p
şi
(A − λ I p )k u = 0C p , u = v + i · w,
unde k ∈ 1, r şi v, w ∈ R p , sunt echivalente.

ii) Dacă există numărul k ∈ 1, r şi vectorii v, w ∈ R p , nu simultan nuli, care satisfac
relaţia (4.45), atunci funcţiile x, y : [0, +∞) → R p , unde
k
x(t) = eα t · ∑ t j−1 cos β t · D j − sin β t · E j , t ≥ 0,
j=1
şi
k
y(t) = eα t · ∑ t j−1 sin β t · D j + cos β t · E j , t ≥ 0,
j=1
sunt soluţii ale sistemului diferenţial (4.36). Aici,

D1 v
=
E1 w
şi

Ds 1 A − α Ip β Ip Ds−1
=
Es s − 1 −β I p A − α I p E s−1
s−1
1 A − α Ip β Ip v
= ,
(s − 1)! − β I p A − α I p w
unde s ∈ 2, k.
iii) În contextul părţii ii), funcţia z : [0, +∞) → C p , cu formula — vezi şi [19, pag.
185] —
k
z(t) = x(t) + i · y(t) = eλ t · ∑ t j−1C j , t ≥ 0,
j=1
114 4 Aplicaţii
unde C j = D j + i · E j şi j ∈ 1, k, este soluţie a sistemului diferenţial (4.36)17 .
Soluţia exerciţiului 4.14. Partea i). Folosim inducţia matematică şi un procedeu
iterativ. Astfel, introducem mărimile — pentru s ≥ 1 —
s
v1 v vs+1 A − α Ip β Ip v
= , =
w1 w ws+1 −β I p A − α I p w
şi
us = vs + i · ws .
Avem
k
0R p A − α Ip β Ip v
=
0R p −β I p A − α I p w
" k−1 #
A − α Ip β Ip A − α Ip β Ip v
= ·
−β I p A − α I p −β I p A − α I p w

A − α Ip β Ip vk
=
−β I p A − α I p wk
şi
(A − λ I p ) uk = [(A − α · I p ) v + (β I p ) w] + i · [(−β I p ) v + (A − α · I p ) w]
= 0C p ,
respectiv — pentru k ≥ 2 —

vk A − α Ip β Ip vk−1
=
wk −β I p A − α I p wk−1
şi
uk = (A − λ I p ) uk−1 , (4.46)
de unde
(A − λ I p )2 uk−1 = (A − λ I p ) uk = 0C p .
Partea ii). Remarcăm că
17 În particular, soluţiile x şi y iau valori numai ı̂n realificatul spaţiului liniar
" # " #
[ [ s
Ker (TC − λ · I) ⊕
s
Ker TC − λ · I .
s≥0 s≥0

A − α Ip β Ip Dk 0 p
= R ,
−β I p A − α I p Ek 0R p
deci uk = Dk + i · E k este eigenvector al matricei A corespunzând valorii proprii λ .

Au loc relaţiile
k−2
x ′ (t) = eα t · ∑ (t s cos β t) α Ds+1 + (s + 1)Ds+2 − β E s+1
s=0

+ (t sin β t) −α E s+1 − (s + 1)E s+2 − β Ds+1
s

+ eα t t k−1 · (cos β t) α Dk − β E k + (sin β t) −α E k − β Dk
k−1
= eα t · ∑ (t s cos β t) ADs+1 − (t s sin β t) AE s+1
s=0
= A · x(t), t ≥ 0,
respectiv
k−2
y ′ (t) = eα t · ∑ (t s cos β t) α E s+1 + (s + 1)E s+2 + β Ds+1
s=0

+ (t sin β t) α Ds+1 + (s + 1)Ds+2 − β E s+1
s

+ eα t t k−1 · (cos β t) α E k + β Dk + (sin β t) α Dk − β E k
k−1
= eα t · ∑ (t s cos β t) AE s+1 + (t s sin β t) ADs+1
s=0
= A · y(t), t ≥ 0.

Partea iii). Via (4.46), stabilim că vectorii C j j∈1,k
verifică relaţiile (4.39). ⊓
⊔
Exerciţiul 4.15. (Soluţii fundamentale II) Dacă λ0 = α0 + β0 · i ∈ C\R, cu α0 , β0 ∈

R, este o soluţie de multiplicitate r ≥ 1 a ecuaţiei algebrice
λ p + a1 λ p−1 + a2 λ p−2 + · · · + a p−1 λ + a p = 0,
atunci funcţiile xi , yi : [0, +∞) → R, unde i ∈ 1, r, cu formulele
x1 (t) = eα0 t cos β0t, x2 (t) = teα0 t cos β0t, · · · , xr (t) = t r−1 eα0 t cos β0t, t ≥ 0,
şi
y1 (t) = eα0 t sin β0t, y2 (t) = teα0 t sin β0t, · · · , yr (t) = t r−1 eα0 t sin β0t, t ≥ 0,
sunt soluţii ale ecuaţiei diferenţiale (4.35).

Soluţia exerciţiului 4.15. Prima soluţie. Deoarece coeficienţii ecuaţiei diferenţiale
(4.35) sunt numere reale, partea reală şi partea imaginară ale unei soluţii sunt, la
rândul lor, soluţii. Aplicăm această observaţie soluţiilor introduse ı̂n exerciţiul 4.13.
116 4 Aplicaţii
A doua soluţie. Fie k ∈ 1, r fixat. Conform exerciţiului 4.14, partea ii), ecuaţia
(4.35), reorganizată ca sistem diferenţial cu p ecuaţii de ordinul I, admite soluţiile
 
x
 x  ′
 ′′ 
 x  k
 
x(t) =  ..  (t) = eα0 t · ∑ t j−1 cos β0t · D j − sin β0t · E j , t ≥ 0,
 . 
  j=1
x(p−2) 
x(p−1)
şi
 
y

 y′



 y′′


k
y(t) =   (t) = eα0 t · ∑ t j−1 sin β0t · D j + cos β0t · E j ,
.. t ≥ 0,
  .
  j=1
y(p−2) 
y(p−1)

unde vectorii C j j∈1,k
, cu C j = D j + i · E j , au formulele (4.41).
Remarcăm că primul element al coloanei Ck ∈ C p este 1 ı̂n timp ce coloanele Ci ,
unde i ≤ k − 1, au primul element 0. De aici rezultă că primul element al coloanei
Dk ∈ R p este 1, primul element al coloanei E k ∈ R p este 0 iar coloanele Di , E i , unde
i ≤ k − 1, au primul element 0. Obţinem că
x(t) = t k−1 eα0 t cos β0t, y(t) = t k−1 eα0 t sin β0t, t ≥ 0.

⊔
Exerciţiul 4.16. Fie matricea A ∈ M p (R), cu valorile proprii distincte (λ j ) j∈1,q ⊂

C de multiplicităţi algebrice (r j ) j∈1,q . Aici, p, q ≥ 1 şi λ j = α j + β j · i, respectiv
α j , β j ∈ R pentru orice j ∈ 1, q.
Dacă funcţia z : [0, +∞) → C p este soluţie a sistemului diferenţial (4.36), atunci
există şi sunt unice soluţiile (z j ) j∈1,q , cu z j : [0, +∞) → C p , ale aceluiaşi sistem
diferenţial pentru care
q
z(t) = ∑ z j (t), z j (t) ∈ V j , t ≥ 0, (4.47)
j=1
S
unde V j = Ker (TC − λ j · I)s pentru orice j ∈ 1, q. Fiecare soluţie z j poate fi re-
s≥0
prezentată ca ı̂n exerciţiul 4.9. În plus, dacă λ j ∈ C\R pentru un anumit j ∈ 1, q,
atunci sistemul diferenţial (4.36) admite soluţiile x j , y j : [0, +∞) → R p astfel ı̂ncât
z j (t) = x j (t) + i · y j (t), t ≥ 0. (4.48)

Aceste soluţii pot fi reprezentate ca ı̂n exerciţiul 4.14.
Soluţia exerciţiului 4.16. Existenţa. Fie z(0) = z0 ∈ C p . Conform (2.35), z0 se scrie

ı̂n mod unic sub forma
q
z0 = ∑ z0 j , z0 j ∈ V j , j ∈ 1, q. (4.49)
j=1
Problema Cauchy
( ′
ξ = Aξ , t ≥ 0,
(C j )
ξ (0) = z0 j
admite soluţia (unică) z j ∈ C ∞ ([0, +∞), C p ), unde j ∈ 1, q. Vezi [1, pag. 153, The-
orem 12.2].
Sistemul diferenţial (4.36) fiind liniar, orice combinaţie liniară cu coeficienţi
complecşi — ı̂n particular, suma — a funcţiilor (z j ) j∈1,q ı̂i este soluţie. Egalitatea
q
din (4.47) rezultă din faptul că atât funcţia z cât şi funcţia ∑ z j verifică problema
j=1
Cauchy

η ′ = Aη , t ≥ 0,
(C )
η (0) = z0 .
Cum z0 j ∈ V j , există k j ∈ 1, r j pentru care
(A − λ j · I p )k j z0 j = 0C p .
Pe baza exerciţiilor 4.9, 4.10, deducem că18

kj

z j (t) = eλ j t · ∑ t s−1Cs j , t ≥ 0, Cs j s∈1,k j
⊂ Vj, (4.50)
s=1
de unde z j (t) ∈ V j , t ≥ 0.
Dacă λ j ∈ C\R pentru un anumit j, atunci
k j
A − α j Ip β j Ip vj 0R p
= ,
−β j I p A − α j I p wj 0R p
unde z0 j = v j + i · w j . Funcţia x j din (4.48) verifică problema Cauchy

(
′
δ = Aδ , t ≥ 0,
(Re C j )
δ (0) = v j ,
18 Vezi şi [1, pag. 159, Theorem 12.7].

118 4 Aplicaţii
iar funcţia y j verifică problema Cauchy

ε ′ = Aε , t ≥ 0,
(Im C j )
ε (0) = w j .
În virtutea exerciţiului 4.14, ele se scriu sub forma

kj

x j (t) = e α jt
· ∑ t s−1 cos β j t · Ds j − sin β j t · E s j , t ≥ 0, (4.51)
s=1
şi
kj

y j (t) = eα j t · ∑ t s−1 sin β t · Ds j + cos β t · E s j , t ≥ 0. (4.52)
s=1
Unicitatea. Presupunând că ar exista altă reprezentare a funcţiei z,

q
z(t) = ∑ Z j (t), Z j (t) ∈ V j , t ≥ 0,
j=1
unicitatea descompunerii din (4.49) ne va conduce la
Z j (0) = z0 j , j ∈ 1, q.
Astfel, pentru fiecare j, problema Cauchy (C j ) ar admite soluţiile z j şi Z j . ⊓

⊔
Exerciţiul 4.17. (Forma generală19 a proiecţiilor (z j ) j∈1,q ) În contextul exerciţiului

4.16, soluţia z j : [0, +∞) → C p are expresia
rj

z j (t) = eλ j t · ∑ t s−1 Fs j , Fs j s∈1,r j
⊂ Cp, t ≥ 0,
s=1
ı̂n care vectorii Fs j depind de r j constante complexe,

Fs j = Fs j c1 j , · · · , cr j j , s ∈ 1, r j , ck j k∈1,r ⊂ C.
j
Dacă λ j ∈ C\R, atunci proiecţia pe realificatul spaţiului liniar complex

" # " #
[ [ s
Ker (TC − λ j · I) ⊕
s
Ker TC − λ j · I
s≥0 s≥0
19Conform [33, pag. 186]. Prezentări asemănătoare pot fi citite ı̂n [22, pag. 83], [19, pag. 179].
Această formă se utilizează la rezolvarea sistemelor diferenţiale liniare prin metoda coeficienţilor
nedeterminaţi [33, pag. 187], [19, pag. 182]. Metoda mai este numită şi a lui L. Euler [19, pag.
138], [33, pag. 144].
a soluţiei generale x : [0, +∞) → R p a sistemului diferenţial (4.36) are expresia20

rj

xλ j ,λ j (t) = eα j t · ∑ t s−1 cos β j t · Gs j + sin β j t · H s j , t ≥ 0,
s=1

ı̂n care vectorii Gs j s∈1,r j
, Hs j s∈1,r j
⊂ R p depind de 2r j constante reale,

Gs j = Gs j c1 j , · · · , c2r j j ,
s ∈ 1, r j , ck j ⊂ R.
H s j = H s j c1 j , · · · , c2r j j , k∈1,2r j

Soluţia exerciţiului 4.17. Fie B j = e1 j , . . . , er j j o bază a spaţiului liniar complex
S
Ker (TC − λ j · I)s . Atunci, soluţiile Z τ j : [0, +∞) → C p ale problemelor Cauchy
s≥0
( ′
ξ = Aξ , t ≥ 0,
(Cτ j ) τ ∈ 1, r j ,
ξ (0) = eτ j ,
sunt liniar independente21 peste C.

Conform (4.49), există numerele (cτ j )τ ∈1,r j ⊂ C astfel ı̂ncât
rj
z0 j = ∑ cτ j · eτ j ,
τ =1
de unde deducem că

rj
z j (t) = ∑ cτ j · Z τ j (t), t ≥ 0.
τ =1
Completând — eventual — cu coeficienţi nuli expresiile polinomiale din (4.50),

putem rescrie soluţiile Z τ j sub forma
rj

Z τ j (t) = eλ j t · ∑ t γ −1Cγτ j , t ≥ 0, Cγτ j γ ∈1,r j
⊂ Vj,
γ =1
ceea ce ne conduce la
rj

Fs j = ∑ cτ j ·Csτ j = F s j c1 j , · · · , cr j j , s ∈ 1, r j .
τ =1
Presupunând că λ j+1 = λ j ∈ C\R pentru un anumit j, introducem baza
20 Vezi şi [26, pag. 468]. In memoriam, prof. univ. dr. ing. Ioan Aştefanei.
21 Căci, ı̂n caz contrar, orice combinaţie liniară nulă a lor ne va conduce — calculată ı̂n t = 0 — la
o combinaţie liniară nulă a vectorilor bazei B j .
120 4 Aplicaţii
[ s
B j+1 = σ (e1 j ), . . . , σ (er j j ) ⊂ Ker TC − λ j · I ,
s≥0
respectiv vectorii (vτ j )τ ∈1,r j , (wτ j )τ ∈1,r j ⊂ R p cu
eτ j = vτ j + i · wτ j , τ ∈ 1, r j .
Via (3.27), stabilim că

" # " #
[ [ s
Ker (TC − λ j · I) s
⊕ Ker TC − λ j · I
s≥0 s≥0

= SpanC v1 j , . . . , vr j j , w1 j , . . . , wr j j .

Pentru z0 j ∈ SpanR v1 j , . . . , vr j j , w1 j , . . . , wr j j există numerele (cτ j )τ ∈1,2r j ⊂ R
astfel ı̂ncât
rj 2r j
z0 j = ∑ cτ j · vτ j + ∑ cτ j · w(τ −r j ) j .
τ =1 τ =r j +1
Ţinând seama de formulele (4.51), (4.52), soluţiile Z τ j : [0, +∞) → R p ale pro-
blemelor Cauchy
(
′
δ = Aδ , t ≥ 0,
(Re Cτ j ) τ ∈ 1, r j ,
δ (0) = vτ j ,
şi soluţiile Z (τ +r j ) j : [0, +∞) → R p ale problemelor Cauchy

ε ′ = Aε , t ≥ 0,
(Im Cτ j ) τ ∈ 1, r j ,
ε (0) = wτ j ,
pot fi rescrise ca
rj

Z τ j (t) = eα jt
· ∑ t γ −1 cos β j t · Dγτ j − sin β j t · E γτ j , t ≥ 0,
γ =1
respectiv ca
rj

Z (τ +r j ) j (t) = eα j t · ∑ t γ −1 sin β t · Dγτ j + cos β t · E γτ j , t ≥ 0.
γ =1
Soluţia xλ j ,λ j : [0, +∞) → R p , a sistemului diferenţial (4.36), cu formula

4.7 Operaţii cu vectori 121
2r j
xλ j ,λ j (t) = ∑ cτ j · Z τ j (t), t ≥ 0, aici, xλ j ,λ j (0) = z0 j
τ =1
admite reprezentarea din enunţ pentru

rj 2r j

Gs j = ∑ cτ j · Dsτ j + ∑ cτ j · E s(τ −r j ) j = Gs j c1 j , · · · , c2r j j
τ =1 τ =r j +1
şi
rj 2r j

H s j = − ∑ cτ j · E sτ j + ∑ cτ j · Ds(τ −r j ) j = H s j c1 j , · · · , c2r j j .
τ =1 τ =r j +1

⊔
4.7 Matrice strict pozitiv-definite. Reprezentarea covectorilor

folosind produsul scalar. Produsul vectorial a m − 1 vectori.
Produsul tensorial a doi vectori. Reciproca unei baze.
Rezoluţia identităţii
Fie corpul K ∈ {R, C}, bazele S1 , S2 introduse la pagina 1 şi matricea nesin-
gulară P dată de (1.2).
Fie u, v ∈ E cu expresiile
m m
u= ∑ uSk 1 · ek = ∑ uSk 2 · f k , uS 1 S2
k , uk ∈ K,
k=1 k=1
respectiv
m m
v= ∑ vSk 1 · ek = ∑ vSk 2 · f k , vS 1 S2
k , vk ∈ K.
k=1 k=1
Conform (1.5),
 S2   S1     S1 
u1 u1 vS
1
2
v1
 ..  −1  ..   ..  −1  .. 
 .  = P  . ,  .  = P  . . (4.53)
uS
m
2
uS
m
1
vS
m
2
vS
m
1
În particular, dacă v = f k atunci

122 4 Aplicaţii
 
vS
1
1
 .. 
 .  = col(k) P, k ∈ 1, m. (4.54)
vS
m
1
Folosim scrierea tipică pentru produsul scalar definit de baza canonică S1 —

vezi relaţiile22 (4.17) pentru cazul K = R —, şi anume
 
S1
v
 1 
u · v = BS1 (u, v) = uS 1  ..  .
1
1
· · · uS
m  .  (4.55)
vS
m
1
Evident, produsul scalar poate fi reorganizat astfel23 :

 S1 
u1
 . 
u · v = (u · v)t = vS
1
1
· · · vS
m
1  . .
.
uS
m
1
Fie A ∈ Mm (K). Atunci, introducem produsul matrice-vector — ı̂n raport cu

baza S1 — via formula24
 S1   S1 
v1 u1
 ..   .. 
Au = A⋆S1 u = v,  .  = A . . (4.56)
vS
m
1
uS
m
1
Exerciţiul 4.18. (Vectorul v = Au ı̂n baza S2 ) Este valabilă expresia — analoagă

formulelor (1.15) —
 S2   S2 
v1 u1
 ..  −1  .. 
 .  = P AP  .  .
vS
m
2
uS
m
2
Soluţia exerciţiului 4.18. Avem următoarele estimări
22 Aici, aplicaţia BS1 : E × E → K este liniară ı̂n primul argument şi antiliniară [20, pag. 11] ı̂n
cel de-al doilea argument [27, pag. 73]. Referitor la BS1 , se folosesc şi denumirile formă biliniară
hermitică [18, pag. 316], respectiv formă hermitic simetrică, conjugat biliniară şi pozitiv definită
[11, pag. 122].
23 Formulă utilizată ı̂n fizică.
24 Conform relaţiilor (1.9), (1.10), există operatorul T ∈ L(E, E) astfel ı̂ncât T = A, de unde Au =
T⋆S1 u = T (u) pentru orice u ∈ E.

 S1    S1 
v1 u
 .  −1   1. 
v = e1 · · · em  ..  = f 1 · · · f m P A  .. 
vS
m
1
uS
m
1
  S2  
u
 −1  1. 
= f 1 · · · f m P AP  ..  ,
uS
m
2

⊔
Matricea A este considerată strict pozitiv-definită25 — ı̂n raport cu produsul sca-

lar — dacă
u · Au > 0 (4.57)
pentru orice vector nenul u ∈ E.
Exerciţiul 4.19. Fie A ∈ Mm (R) o matrice simetrică şi strict pozitiv-definită. A-

tunci, matricea A este
i) inversabilă,
ii) are doar valori proprii pozitive (implicit, reale).
iii) ([18, pag. 337, Lema 4.4]) Eigenvectorii corespunzând valorilor proprii distincte
sunt ortogonali doi câte doi.
iv) Orice eigenvector generalizat este eigenvector.
v) ([18, pag. 339, Teorema 4.6]) Există o bază a spaţiului E formată doar din eigen-
vectori ai matricei A.
Soluţia exerciţiului 4.19. Partea i). Dacă matricea A nu ar fi nesingulară, atunci ar

exista numerele (ui )i∈1,m ⊂ R, nu toate nule, astfel ı̂ncât
   
u1 0
 ..   .. 
A .  = ..
um 0
Mai departe, vectorul u ∈ E, unde

 S1   
u1 u1
 ..   .. 
 .  =  . ,
uS
m
1 um
ne-ar conduce la ı̂ncălcarea restricţiei (4.57), căci u · Au = u · 0E = 0.

25 În literatură, pentru K = C, o matrice hermitică A este numită pozitiv definită dacă ı̂ndepli-
neşte inegalitatea (4.57), vezi [16, pag. 396], ı̂n timp ce o matrice pentru care este valabilă varianta
cu semnul ≥ a inegalităţii este considerată pozitiv semidefinită. Am subliniat [3, pag. 1] prezenţa
semnului > ı̂n inegalitate prin introducerea cuvântului strict, ca ı̂n [25, pag. 2].
124 4 Aplicaţii
Partea ii). Au loc identităţile

    
S1 S1
 v1  h i v1 
S1   ..  t . 
u · Av = uS 1
1 · · · um
S1
A  .  = u1 · · · um
S1
At   .. 
vS
m
1
vS
m
1
  S1 t  
u1 vS1
1
 t  ..   .. 

= A  .   .  t
 = A u · v = (Au) · v, u, v ∈ E. (4.58)
uS
m
1
vS
m
1
Dacă vectorul nenul u este eigenvector al matricei A corespunzând valorii proprii

λ ∈ K, atunci — via (1.26) — Au = λ u, respectiv
0 = u · Au − (Au) · u = u · (λ u) − (λ u) · u

(conform (4.1)) = λ − λ kuk22 .
Aşadar, eigenvalorile matricei A sunt reale, deci sistemele liniare şi omogene (1.26),
(1.29) admit soluţii reale nenule. Astfel, eigenvectorii şi eigenvectorii generalizaţi
ai matricei A se găsesc ı̂n SpanR (S1 ).
Pozitivitatea valorilor proprii rezultă din estimările26
λ · kuk22 = u · (λ u) = u · Au > 0.
Partea iii). Fiind date valorile proprii λ 6= µ şi vectorii proprii corespunzători
u, v, deducem că
0 = u · Av − (Au) · v = u · (µ v) − (λ u) · v
= (µ − λ ) (u · v) .
Partea iv). Să presupunem că există eigenvectorul generalizat v ∈ E astfel ı̂ncât
(A − λ · Im )k v = 0E , (A − λ · Im )k−1 v 6= 0E
pentru un anumit 2 ≤ k ≤ m.
Sunt valabile egalităţile
A · (A − λ · Im ) p = [A · (A − λ · Im )] · (A − λ · Im ) p−1
= [(A − λ · Im ) · A] · (A − λ · Im ) p−1 = . . .
= (A − λ · Im ) p · A, 1 ≤ p ≤ k.
26Cum u ∈ SpanR (S1 ), deducem că afirmaţiile acestui exerciţiu rămân valabile atunci când ine-
galitatea (4.57) are loc doar ı̂n SpanR (S1 ).
Introducând expresia u = (A − λ · Im )k−1 v ı̂n restricţia (4.57), ajungem la o con-

tradicţie, — observăm că matricea (A − λ · Im )k−1 este simetrică —
0 < u · Au
 
h it vS
1
1
 
= vS 1 S1
1 · · · vm
(A − λ · Im )k−1 A (A − λ · Im )k−1  ... 
vS
m
1
 
vS
1
1
 
= vS 1 S1
1 · · · vm
A (A − λ · Im )2k−2  ... 
vS
m
1
  
h i vS
1
1
  
= vS 1 S1
1 · · · vm
A (A − λ · Im )k−2 · (A − λ · Im )k  ... 
vS
m
1
h i h i
= A (A − λ · Im )k−2 v · (A − λ · Im )k v
= 0.
Partea v). Folosim partea iv) şi descompunerea (2.35). ⊓

⊔
Exerciţiul 4.20. (Produsul matricelor strict pozitiv definite) Fie α , β , γ , δ , λ , µ ∈
R.
i)27 Expresia

z1 α δ
E (A, z1 , z2 ) = z1 z2 A , unde A = A(α , β , γ , δ ) = ,
z2 γ β
este număr real pentru orice z1,2 ∈ C dacă şi numai dacă γ = δ .
ii) Presupunem că γ = δ . Următoarele trei afirmaţii sunt echivalente:
1) avem inegalitatea E (A, z1 , z2 ) > 0 pentru orice numere z1,2 ∈ C cu |z1 |2 +
|z2 |2 > 0;
2)28 sunt valabile condiţiile:
α , αβ − γ 2 > 0;
3) inegalitatea E (A, x1 , x2 ) > 0 are loc pentru orice numere reale x1,2 care nu sunt
simultan nule.
iii) Dacă α , β , λ , µ > 0 şi
(α − β )2 (λ − µ )2 > 16 · αβ λ µ ,
atunci există numerele reale x1,2 astfel ı̂ncât

27 Conform [16, pag. 397, Exercise].
28 Vezi [16, pag. 404, Theorem 7.2.5]. Evident, şi β > 0.
126 4 Aplicaţii
E (AB, x1 , x2 ) < 0,
unde29

−1 λ 0 α 0 1 1 −1
A=C C, B= , C= √ .
0 µ 0 β 2 1 1
Soluţia exerciţiului 4.20. Partea i). Folosim identitatea
E (A, z1 , z2 ) = α |z1 |2 + 2γ Re (z1 z2 ) + β |z2 |2 + (δ − γ ) z1 z2 .
Partea iii). Avem relaţia

1
E (AB, x1 , x2 ) = · α (µ + λ ) x12 + (α + β ) (µ − λ ) x1 x2 + β (µ + λ ) x22 .
2
Concluzia rezultă din observaţia că discriminantul ecuaţiei omogene
E (AB, x1 , x2 ) = 0,
cu formula
1
∆= (α − β )2 (λ − µ )2 − 4αβ λ µ ,
4
este pozitiv.
De asemeni, C−1 = C t şi

λ 0
E (A, x1 , x2 ) = E , y1 , y2 = λ y21 + µ y22 > 0,
0 µ

y1 x
unde = C 1 , respectiv
y2 x2
E (B, x1 , x2 ) = α x12 + β x22 > 0
pentru orice numere reale x1,2 care nu sunt simultan nule.

Aşadar, produsul a două matrice simetrice şi strict pozitiv definite nu este ı̂ntot-
deauna strict pozitiv definit. ⊓
⊔
Presupunem că, până la sfârşitul secţiunii de faţă, avem
29 Matricea AB este asimetrică. Pentru a obţine acest efect (balans), folosim rotaţia C de 45◦ la
construcţia unei similarităţi cu matricea diagonală

λ 0
A∼ .
0 µ
Un exemplu de matrice A, B, cu AB asimetrică, al căror produs Hadamard, A ◦ B = (ai j bi j )i, j∈1,2 ,

este strict pozitiv definit se găseşte ı̂n [16, pag. 457, Exercise].
K = R.
Exerciţiul 4.21. (Produsul scalar ı̂n baza S2 ) Au loc identităţile

 
vS
1
2
 
u · v = u1S2 · · · uS
m
2 G  ...  ,
vS
m
2
unde G = P t · P, respectiv

G = (gi j )1≤i, j≤m = f i · f j 1≤i, j≤m
.
Soluţia exerciţiului 4.21. Prima egalitate rezultă din (4.18).

Pentru cea de-a doua, avem estimările — vezi (4.54) —
t
f i · f j = col(i) P · col( j) P = gi j
oricare ar fi 1 ≤ i, j ≤ m. ⊓
⊔
Fie30 f ∈ E ∗ . Plecând de la identităţile

 S1   S1 
u1 u1
 .   
f (u) = f (e1 ) · · · f (em )  ..  = a1 · · · am  ...  ,
S1 S 1 (4.59)
uS
m
1
uS
m
1
obţinem reprezentarea31 covectorului f drept produs scalar32 ı̂n raport cu baza S1

[11, pag. 130, Theorem], adică33
f (u) = a · u, u ∈ E,
m
unde a = ∑ aS 1
k · ek ∈ E. În particular, ţinând seama de (4.54), avem
k=1
 S1 
a
t  1. 
f ( f k ) = aS1 S1
1 · · · am
· col(k) P = col(k) P  ..  , k ∈ 1, m,
aS
m
1
30 Reamintesc notaţia de la pagina 3, E ∗ = L(E, K).

31 Unicitatea reprezentării se probează adaptând afirmaţia discutată la soluţia exerciţiului 4.29.
32 Acest rezultat este numit frecvent teorema F. Riesz–M. Fréchet [18, pag. 331, Teorema 3.1].
33 Dacă f 6= 0E ∗ , atunci — via (4.1) — f (a) = kak22 > 0 şi a ∈ (Ker f )⊥ — spaţiul ortogonal
al
a a
subspaţiului Ker f [11, pag. 123], [27, pag. 76] —. Conform [11, pag. 130], a = f kak · kak şi
2 2
f (u) f (u) ⊥
are loc descompunerea u = u − f (a) · a + f (a) · a ∈ (Ker f ) ⊕ (Ker f ) = E. Vezi, de asemeni,
nota de subsol de la pagina 141.
128 4 Aplicaţii
respectiv
   S1 
f ( f 1) a1
 ..  t  .. 
 .  = P  . . (4.60)
f ( f m) aS
m
1
Exerciţiul 4.22. (Vectorul a ı̂n baza S2 ) Este valabilă formula

 S2   
a1 f ( f 1)
 ..  −1  . 
 .  = G  ..  .
aS
m
2 f ( f m)
Soluţia exerciţiului 4.22. Avem următoarele estimări

   S1 
aS
1
1
a
 .  −1  1. 
a = e1 · · · em  ..  = f 1 · · · f m P  .. 
aS
m
1
aS
m
1
  
f ( f 1)
 −1  .. 
(conform (4.60)) = f 1 · · · f m P−1  P t  . 
f ( f m)
 
f(f )
−1  . 1 
= f 1 · · · f m G  ..  ,
f ( f m)

⊔
Cu ajutorul formulelor (1.6), definim covectorii Fk ∈ E ∗ astfel ı̂ncât
Fk ( f i ) = δki , 1 ≤ i, k ≤ m.
Aici, δki desemnează simbolul lui Kronecker. De asemeni, via (4.59), introducem
m
vectorii ak = ∑ aS 1
ki · ei ∈ E cu proprietatea că
i=1
 S1 
u1
Fk (u) = ak · u = aS 1  ..  ,
k1
1
· · · aS
km  . 
u ∈ E, k ∈ 1, m. (4.61)
uS
m
1
Exerciţiul 4.23. (Vectorul ak ı̂n baza S2 ) Este valabilă formula

 S2 
ak1
 ..  −1

 .  = col(k) G .
aS
km
2
Soluţia exerciţiului 4.23. Utilizăm exerciţiul 4.22. Astfel,

     
aS
k1
2
Fk ( f 1 ) δk1
 ..  −1  .  −1  . 
 .  = G  ..  = G  ..  ,
aS
km
2 Fk ( f m ) δkm
unde k ∈ 1, m. ⊓
⊔
Exerciţiul 4.24. Fie f ∈ E ∗ . Atunci,

 
m
f ( f 1)
 
f= ∑ f ( f k ) · Fk , a = a1 · · · am  ...  .
k=1
f ( f m)
Soluţia exerciţiului 4.24. Prima parte rezultă din egalităţile

!
m m
f ( f i) = ∑ f ( f k )δki = ∑ f ( f k ) · Fk ( f i ), i ∈ 1, m.
k=1 k=1
La partea a doua, folosim exerciţiile 4.22, 4.23. Astfel,

  
aS
1
2
f ( f 1)
   
a = f 1 · · · f m  ...  = f 1 · · · f m G−1  ...  ,
aS
m
2 f ( f m)
de unde rezultă concluzia. ⊓

⊔
Observăm că au loc relaţiile34 — aici, G = P t · P —

a1 · · · am = f 1 · · · f m G−1 = e1 · · · em P G−1
t
= e1 · · · em P−1 , (4.62)
respectiv este valabilă restricţia de biortogonalitate35
ak · f i = Fk ( f i ) = δki , 1 ≤ i, k ≤ m. (4.63)
34
t P reprezintă matricea de schimbare de bază a vectorilor — se trece de la S1 la S2 —,
Cum
P−1 desemnează matricea de schimbare de bază a covectorilor — când se trece de la duala C1
a bazei S1 la duala C2 a bazei S2 — [20, pag. 13].
35 Vezi [15, pag. 66-5].
130 4 Aplicaţii
Astfel, setul de vectori
S3 = {a1 , · · · , am }
desemnează baza reciprocă ı̂n E a bazei S2 . Vezi [17, pag. 37].

Fie vectorii (bk )k∈1,m−1 ⊂ E, cu expresiile
m
bk = ∑ bS 1
ki · ei , 1 ≤ k ≤ m − 1, m ≥ 3.
i=1
Introducem covectorul F ∈ E ∗ dat de relaţia

S
b 1
11 bS
12
1
· · · bS 1
1m
bS1 bS 1
· · · bS 1
21 22 2m
. .. ..
F(u) = FS1 (u) = .. . ··· . , u ∈ E. (4.64)
S1 S1 S1
b(m−1)1 b(m−1)2 · · · b(m−1)m

uS1 uS1
· · · u S1
1 2 m

Numărul real F(u), notat cu b1 , · · · , bm−1 , u , constituie produsul mixt 36 (forma
determinant37 ) al vectorilor (bk )k∈1,m−1 , u. Vezi [17, pag. 31].
Vectorul folosit la reprezentarea38 ı̂n formă de produs scalar a covectorului F,
m−1
notat cu ∏ bk , desemnează produsul vectorial al vectorilor (bk )k∈1,m−1 . Au loc
k=1
egalităţile
!
m−1
F(u) = b1 , · · · , bm−1 , u = ∏ bk · u, u ∈ E.
k=1
Exerciţiul 4.25. (Produsul vectorial ca determinant) Avem formula

S
b 1 bS 1
· · · bS 1
11 12 1m
bS1 bS 1
· · · bS 1
21 22 2m
m−1 .
∏ bk = .. .
.. ···
.
.. , (4.65)
k=1 S1
b(m−1)1 bS 1
· · · bS 1
(m−1)2 (m−1)m
e1 e2 · · · em
cu convenţia ca determinantul să fie dezvoltat după ultima linie.
36 În cazul m = 3, se ı̂ntâlneşte şi denumirea triplu produs scalar [35, pag. 10].
37 Vezi [7, pag. 70].
38 Vezi [7, pag. 92].
Soluţia exerciţiului 4.25. Dezvoltăm după ultima linie determinantul din (4.64).
Astfel, observăm că — aici, DS i
1
desemnează cofactorul39 elementului uS
i
1
[21,
pag. 9] —
 S1 
m u1
1  .. 
F(u) = ∑ uSi 1 · DSi 1 = DS
1
1
· · · DS
m  . 
i=1
uS
m
1
!
m
= ∑ DSi 1 · ei · u. (4.66)
i=1
Concluzia rezultă din (4.55) pe baza unicităţii reprezentării ca produs scalar a co-
vectorului F. ⊓⊔
Exerciţiul 4.26. (Produsul scalar dintre produsul vectorial şi factorii săi) Produsul
vectorial le este ortogonal factorilor săi,
m−1
bi · ∏ bk = 0, i ∈ 1, m − 1.
k=1
Soluţia exerciţiului 4.26. Remarcăm faptul că determinantul din (4.64) este nul da-
că ultima linie a sa este o combinaţie liniară a celorlalte linii [18, pag. 132]. Astfel,

SpanR b1 , · · · , bm−1 ⊆ Ker F.
De asemeni, dacă vectorii (bk )k∈1,m−1 sunt liniar dependenţi peste R, atunci Ker F =
E. ⊓⊔
Exerciţiul 4.27. (Liniar independenţa factorilor dintr-un produs vectorial) Vectorii

din setul {b1 , · · · , bm−1 } sunt liniar independenţi peste R dacă şi numai dacă
m−1
∏ bk 6= 0E .
k=1
Soluţia exerciţiului 4.27. Liniar dependenţa acestor vectori este echivalentă cu fap-
tul că măcar una dintre primele m − 1 linii ale determinantului (4.65) poate fi repre-
zentată ca o combinaţie liniară a celorlalte m − 2 linii — dintre primele m − 1 linii cu
intrări scalare
—.Combinaţia liniară se păstrează ı̂n toţi minorii folosiţi la calculul
numerelor DS i
1
. Deci, dacă produsul vectorial este nenul, atunci factorii a-
i∈1,m
cestuia sunt liniar independenţi.
Dacă factorii sunt liniar independenţi, atunci putem adapta demonstraţia Lemei
1.1 pentru a stabili că produsul vectorial este nenul. Vezi şi [18, pag. 139, Corolarul
2.4]. ⊓⊔
39 Se utilizează şi denumirile de complement [23, pag. 289] ori complementar algebric al elemen-
tului uS 1
i [18, pag. 133].
132 4 Aplicaţii
Exerciţiul 4.28. (Produsul mixt dintre produsul vectorial şi factorii săi) Are loc i-
dentitatea
!
m−1 m−1 2

b1 , b2 , · · · , bm−1 , ∏ bk = ∏ bk .
k=1
k=1

2
Soluţia exerciţiului 4.28. Via (4.66), avem

! !2
m−1 m 2 m−1
F ∏ bk =∑ DS
i
1
= ∏ bk ,
k=1 i=1 k=1

⊔
Exerciţiul 4.29. (Baza reciprocă via produsul vectorial şi produsul mixt) Dacă m ≥
3, atunci vectorii (ai )i∈1,m , introduşi ı̂n (4.61), au următoarele expresii40

 f × f ×···× f

 a1 = (−1)m−1 · 2 f 3,··· , f m ,

 ( 1 m)
m−i f 1 × f 2 ×···× f i−1 × f i+1 × f i+2 ×···× f m
ai = (−1) · , i ∈ 2, m − 1, (4.67)

 ( f 1 ,··· , f m )


 am = f 1 × f 2 ×···× f m−1 .
( f 1 ,··· , f m )
Soluţia exerciţiului 4.29. Fac următoarea afirmaţie: fiind daţi vectorii ( f i )i∈1,m din
(4.63), care alcătuiesc o bază a spaţiului liniar E, există cel mult o familie (ai )i∈1,m
cu proprietatea că ak · f i = δki pentru orice i, k.
Într-adevăr, ı̂n caz contrar ar exista seturile de vectori (bi )i∈1,m , (ci )i∈1,m , unde
m
ci = ai − bi = ∑ cS 1
i j · e j , pentru care
j=1
bk · f i = δki , ck · f i = 0, 1 ≤ i, k ≤ m,
iar vectorii ci nu ar fi toţi nuli. Atunci, sistemul algebric — conform (4.54) —

   
x1 0
   
P t  ...  =  ... 
xm 0
40 Putem folosi, ca notaţie, pălăria b

⋆ pentru a desemna factorul lipsă:
f 1 × f 2 × · · · × f i−1 × f i × f i+1 × f i+2 × · · · × f m

ai = (−1)m−i · , i ∈ 1, m.
f 1, · · · , f m
 S1 
ci1
41  .. 
ar admite soluţii nenule , de forma  . , ceea ce ar contrazice nesingularitatea
cS
im
1
matricei P. Afirmaţia este probată.

Mai departe, să remarcăm că

f 1 , · · · , f m = det P, (4.68)
respectiv

f 1 × f 2 × · · · × f i−1 × f i+1 × f i+2 × · · · × f m · w

= f 1 , f 2 , · · · , f i−1 , f i+1 , f i+2 , · · · , f m , w

= (−1)m−i · f 1 , f 2 , · · · , f i−1 , w, f i+1 , · · · , f m , w ∈ E. (4.69)
Pentru a proba partea a doua a dublei egalităţi anterioare, transformăm primul pro-
dus mixt ı̂n cel de-al doilea cu ajutorul a m − i permutări de linii.
În sfârşit, via (4.68), (4.69), vectorii din partea dreaptă a egalităţilor (4.67) —
notaţi bi , unde 1 ≤ i ≤ m — verifică relaţiile bk · f i = δki pentru orice i, k, ceea ce
ı̂ncheie demonstraţia. ⊓ ⊔
Exerciţiul 4.30. (Baza reciprocă a bazei S3 ) Vectorii bazei S2 admit reprezentările

—m≥3—
 m−1 · a2 ×a3 ×···×am ,
 f 1 = (−1)
 (a1 ,··· ,am )
a ×a ×···×ai−1 ×ai+1 ×ai+2 ×···×am
f i = (−1)m−i · 1 2 (a1 ,··· ,am ) , i ∈ 2, m − 1, (4.70)

 a1 ×a2 ×···×am−1
f m = (a ,··· ,am ) .
1
Soluţia exerciţiului 4.30. Notăm cu bi , unde 1 ≤ i ≤ m, vectorii din partea dreaptă

a egalităţilor (4.70). Atunci, deducem că
ck = f k − bk , ck · ai = 0, 1 ≤ i, k ≤ m.
Aplicăm raţionamentul de la exerciţiul 4.29: vectorii (ck )k∈1,m , fiindu-i ortogo-

nali bazei S3 , sunt obligatoriu nuli. ⊓
⊔
Exerciţiul 4.31. (Produsul mixt ı̂n baza S2 ) Este valabilă identitatea

S
b 2
11 bS
12
2
· · · bS 2
1m
bS2 bS 2
· · · bS 2
21 22 2m
. .. ..
b1 , · · · , bm−1 , u = det P · .. . ··· . .
S2 S2 S2
b(m−1)1 b(m−1)2 · · · b(m−1)m

uS2 uS 2
· · · uS 2
1 2 m
41Cu alte cuvinte, ar exista vectori nenuli care să ı̂i fie ortogonali unei baze a spaţiului E [18, pag.
329, Propoziţia 2.10 (ii)].
134 4 Aplicaţii
Soluţia exerciţiului 4.31. Utilizăm egalităţile (4.53). ⊓

⊔
Exerciţiul 4.32. (Produsul mixt ca determinant J. Gram) Are loc egalitatea

b1 · f 1 b1 · f 2 · · · b1 · f m

b2 · f 1 b2 · f 2 · · · b2 · f m
1
.. .. ..
b1 , · · · , bm−1 , u = · . . ··· . . (4.71)
f 1 , · · · , f m

bm−1 · f 1 bm−1 · f 2 · · · bm−1 · f m
u· f u· f 2 ··· u· f m
1
În particular, — [18, pag. 352, Exerciţiul 3 a)] —

f1 · f1 f1 · f2 · · · f 1 · f m

2 f 2 · f 1 f 2 · f 2 · · · f 2 · f m
f 1, · · · , f m = . .. .. . (4.72)
.. . ··· .

f · f f · f ··· f · f
m 1 m 2 m m
Soluţia exerciţiului 4.32. Remarcăm că

 
bS
11
1
bS
12
1
··· bS
 S S
1m
1
S1 t

 S1 S1  S1f 1 f121 · · · f1m
 b21 b22 ···   11
b2m S1 S1 S1 
 .. ..   f21
.. f22 · · · f2m 
   .. 
 . .···  ·  ..
. .. 
 S1 S1 S1   . . ··· . 
b(m−1)1 b(m−1)2 · · · b(m−1)m  S1 S1 S1
fm1 fm2 · · · fmm
uS
1
1
uS
2
1
· · · uS m
1
 
b1 · f 1 b1 · f 2 · · · b1 · f m
 b2 · f 1 b2 · f 2 · · · b2 · f m 
 
 .. .. .. 
= . . · · · . ,
 
bm−1 · f bm−1 · f · · · bm−1 · f 
1 2 m
u· f1 u· f2 ··· u· fm

⊔
Exerciţiul 4.33. (Produsul vectorial via produsul scalar şi produsul mixt) Avem re-
laţia

b1 · f 1 b1 · f 2 · · · b1 · f m

b2 · f 1 b2 · f 2 · · · b2 · f m
m−1
1

∏ bk = f , · · · , f · ... ..
. ···
..
. ,

(4.73)
k=1 1 m bm−1 · f bm−1 · f · · · bm−1 · f
1 2 m
f f · · · f
1 2 m
cu convenţia ca determinantul să fie dezvoltat după ultima linie.

Soluţia exerciţiului 4.33. Reorganizăm determinantul din (4.71) sub forma

b1 · f 1 b1 · f 2 · · · b1 · f m

b2 · f 1 b2 · f 2 · · · b2 · f m

.. .. ..
. . · · · .

bm−1 · f bm−1 · f · · · bm−1 · f
1 2 m
u· f u· f2 ··· u· f m
1

b1 · f 1 b1 · f 2 ··· b1 · f m

b · f b2 · f 2 ··· b2 · f m
2 1
.. .. ..
. . ··· .
=
bm−1 · f 1 ! bm−1 · f 2 ! ··· bm−1 · f m !
m
m m
∑ uS 1
· f1Sj 1 S S
∑ u j 1 · f2 j 1 ··· S S
∑ u j 1 · fm j1
j=1 j j=1 j=1

b1 · f 1 b1 · f 2 · · · b1 · f m

b2 · f 1 b2 · f 2 · · · b2 · f m
m
1 .. .. ..
= ∑ uS j · . . ··· .

j=1 bm−1 · f 1 bm−1 · f 2 · · · bm−1 · f m

f S1 f2Sj 1 · · · fmSj1
1j
 
b1 · f 1 b1 · f 2 · · · b1 · f m

 b2 · f 1 b2 · f 2 · · · b2 · f m 
m 
 .. .. .. 
= ∑ . . ··· . · e j  · u,
 j=1 
 bm−1 · f 1 bm−1 · f 2 · · · bm−1 · f m 

f S1 f2Sj 1 · · · fmSj1
1j
de unde
!
m
F(u) = b1 , · · · , bm−1 , u = ∑ BF S
j
1
· e j · u, u ∈ E, (4.74)
j=1
pentru

b1 · f 1 b1 · f 2 · · · b1 · f m

b2 · f 1 b2 · f 2 · · · b2 · f m

.. .. ..
. . ··· .

bm−1 · f 1 bm−1 · f 2 · · · bm−1 · f m

f S1 f2Sj 1 ··· fmSj1
1j
BF S 1
j = , j ∈ 1, m.
f 1, · · · , f m
Concluzia rezultă din (4.74) pe baza unicităţii reprezentării ca produs scalar a

covectorului F. ⊓⊔
136 4 Aplicaţii
Exerciţiul 4.34. (Dublul produs vectorial 42 , J. Lagrange, H. Grassmann) Fie m =

3. Atunci, are loc identitatea

a × b × c = (a · c) b − b · c a, a, b, c ∈ E. (4.75)
De asemeni43 ,

c · a c · b

V

V V
a × b × c = − c × d × a × b = d · a d · b ,
d ∈ E.

a b
Soluţia exerciţiului 4.34. Vectori liniar dependenţi. Dacă există λ ∈ R astfel ı̂ncât
a = λ · b, atunci

a × b = 0E = a × b × c

= λ · b·c b− b·c b = λb ·c b− b·c λb

= (a · c) b − b · c a.
Dacă c = λ · a, atunci este suficient să probăm egalitatea

a × b × a = a2 b − b · a a. (4.76)
Începem prin a observa că — vezi exerciţiul 4.28 —

2
a, b, a × b = a × b 2 , a, b ∈ E.
Expresia (4.73) ne conduce la relaţia — conform exerciţiului 4.27, impunem ca

a × b 6= 0E —

0 0 a × b 2
1 2
a×b ×a = 2 · a2 a · b 0 .

a × b
2 a b a×b
Ajugem la (4.76) dezvoltând determinantul după ultima linie.

Vectori liniar independenţi.44 Dacă a, b, c 6= 0, atunci identitatea (4.73) im-
plică
42 Vezi [17, pag. 33]. Se ı̂ntâlneşte şi denumirea triplu produs vectorial [35, pag. 12] pentru canti-

tatea a × b × c .
43 Reorganizarea egalităţii (4.75) ne permite generalizarea sa. Vezi exerciţiul 4.42.

44 Altă soluţie a acestui caz este oferită de exerciţiul 4.42: scriem produsul c × a × b ı̂n baza

a, b, a × b .

0 0 a, b, c
1
a×b ×c = · c · a c · b c2 ,
a, b, c a b c

⊔
Exerciţiul 4.35. (Dublul produs vectorial, formula A. Cauchy–J. Binet) Fie m = 3.

Atunci, este valabilă expresia

a · c a · d
a × b · c × d = , a, b, c, d ∈ E. (4.77)
b · c b · d
În particular, are loc identitatea lui J. Lagrange, şi anume

2 a2 a · b 2 2
2
a × b = 2 = a ·b − a·b . (4.78)
2 b · a b
Soluţia exerciţiului 4.35. Vectori liniar dependenţi. Dacă există λ ∈ R astfel ı̂ncât
c = λ · d, atunci c × d = 0E şi

a×b · c×d = 0

a · d a · d
= λ ·
b · d b · d

a · λ · d a · d
= .
b · λ · d b · d
Vectori liniar independenţi. Dacă c × d 6= 0E , atunci — via relaţia (4.71) —

avem

a, b, c × d = a × b · c × d

a · c a · d a · c × d
1
= · b · c b · d b · c × d . (4.79)
c, d, c × d
c×d
2
0 0
Ajugem la (4.77) dezvoltând determinantul din (4.79) după ultima linie. ⊓

⊔
Exerciţiul 4.36. Fie m = 3. În contextul exerciţiilor 4.21, 4.23, matricea G−1 este
simetrică şi admite reprezentările45
45 Expresia (4.83) poate fi construită pentru orice m ≥ 3,

h i−1
fi · f j i, j∈1,m
= (ai · a j )i, j∈1,m , (4.80)
conform [15, pag. 66-6, Fact 7].

138 4 Aplicaţii
1
G−1 = 2
f 1, f 2, f 3
 
f 2 × f 3, f 2, f 3 f 1, f 2 × f 3, f 3 f 1, f 2, f 2 × f 3
×  f 3 × f 1 , f 2 , f 3 f 1 , f 3 × f 1 , f 3 f 1 , f 2 , f 3 × f 1  (4.81)
f 1 × f 2, f 2, f 3 f 1, f 1 × f 2, f 3 f 1, f 2, f 1 × f 2
 
a1 , f 2 , f 3 a2 , f 2 , f 3 a3 , f 2 , f 3
1
= ·  f 1 , a1 , f 3 f 1 , a2 , f 3 f 1 , a3 , f 3  (4.82)
f 1, f 2, f 3 f , f ,a f , f ,a f , f ,a
1 2 1 1 2 2 1 2 3
= (ai · a j )i, j∈1,3 . (4.83)
Soluţia exerciţiului 4.36. Formula (4.81). Inversa matricei G = (gi j )i, j∈1,3 are ex-
presia
 11 21 31 
G G G
1
G−1 = · G12 G22 G32  ,
det G
G13 G23 G33
unde G ji reprezintă cofactorul elementului gi j [18, pag. 136, Propoziţia 1.4]. De

2
asemeni, pe baza formulei (4.72), det G = f 1 , f 2 , f 3 .
Prin calcul direct,
2 2 2
G11 = f 2 f 3 − f 2 · f 3
2
(conform (4.78)) = f 2 × f 3 2

= f 2 × f 3, f 2, f 3 .
În mod analog, stabilim valorile intrărilor G22 , G33 .

Apoi,

f · f f · f
12 1 2 1 3
G = − 2
f3 · f2 f3

(conform (4.77)) = − f 1 × f 3 · f 2 × f 3

= f 1, f 2 × f 3, f 2 .
În mod analog, stabilim valorile intrărilor Gi j , unde i 6= j.

Simetria matricei G−1 . Avem egalităţile

G21 = f 1 , f 2 × f 3 , f 3 = f 1 × f 2 × f 3 · f 3
2
= f1 · f3 f2 · f3 − f1 · f2 f3

= f3· f2 f1− f1· f2 f3 · f3

= f 3 × f 1 × f 2 · f 3 = f 3 × f 1, f 2, f 3
= G12 .
În mod analog, testăm faptul că Gi j = G ji , unde i 6= j.

Formulele (4.82), (4.83). Aplicăm exerciţiul 4.29. ⊓ ⊔
Exerciţiul 4.37. (Coordonate ı̂n baza S2 . Cazul m = 3) Are loc identitatea

w, f 2 , f 3 f , w, f 3 f , f ,w
w= · f1+ 1 · f 2 + 1 2 · f 3, w ∈ E.
f 1, f 2, f 3 f 1, f 2, f 3 f 1, f 2, f 3
Soluţia exerciţiului 4.37. Fie (wi )i∈1,3 coordonatele vectorului w ı̂n baza46 S3 . De-
ducem că — via exerciţiul 4.23 şi reprezentarea (4.82) —
3
w= ∑ wi · ai
i=1
" #
a1 , f 2 , f 3 f 1 , a1 , f 3 f 1 , f 2 , a1
= w1 · · f1+ · f2+ · f3
f 1, f 2, f 3 f 1, f 2, f 3 f 1, f 2, f 3
" #
a2 , f 2 , f 3 f 1 , a2 , f 3 f 1 , f 2 , a2
+ w2 · · f1+ · f2+ · f3
f 1, f 2, f 3 f 1, f 2, f 3 f 1, f 2, f 3
" #
a3 , f 2 , f 3 f 1 , a3 , f 3 f 1 , f 2 , a3
+ w3 · · f1+ · f2+ · f3
f 1, f 2, f 3 f 1, f 2, f 3 f 1, f 2, f 3

3 3 3
∑ i i 2 3
w · a , f , f f 1 ∑ i i 3
, w · a , f f 1 2 ∑ i i
, f , w · a
= i=1 · f1 + i=1
· f2+ i=1
· f 3,
f 1, f 2, f 3 f 1, f 2, f 3 f 1, f 2, f 3

⊔
Exerciţiul 4.38. (Coordonate ı̂n bazele S2 , S3 ) Sunt valabile egalităţile

m m
w = ∑ (w · ai ) · f i = ∑ w · f i · ai , w ∈ E.
i=1 i=1
Soluţia exerciţiului 4.38. Fie (Wi )i∈1,m şi (wi )i∈1,m coordonatele vectorului w ı̂n ba-
zele S2 , respectiv S3 . Pentru a calcula aceste numere, le aplicăm produsul scalar
relaţiilor
m m
w = ∑ Wi · f i = ∑ wi · ai
i=1 i=1
şi ţinem seama de restricţia de biortogonalitate (4.63). ⊓

⊔
Exerciţiul 4.39. (Regula lui G. Cramer) Fie w ∈ E. În contextul exerciţiului 4.38,
avem formulele — m ≥ 3 —
46 Introdusă la pagina 130.

140 4 Aplicaţii

 (w, f 2 , f 3 ,··· , f m )
 w · a1 = ( f 1 ,··· , f m ) ,



( f ,··· , f i−1 ,w, f i+1 ,··· , f m )
w · ai = 1 ,

 ( f 1 ,··· , f m )


 w · am = ( f 1 ,··· , f m−1 ,w) ,
( f 1 ,··· , f m )
respectiv

 (w,a2 ,a3 ,··· ,am )
 w · f 1 = (a1 ,··· ,am ) ,

(a ,··· ,ai−1 ,w,ai+1 ,··· ,am )
w · f i = 1 (a ,
 1 ,··· ,am )

 w · f = (a1 ,··· ,am−1 ,w) ,
m (a1 ,··· ,am )
unde i ∈ 2, m − 1.
Soluţia exerciţiului 4.39. Prima soluţie. Folosim estimarea (4.69).
A doua soluţie. Fie (ui )i∈1,m şi (Wi )i∈1,m coordonatele vectorului w ı̂n bazele S1 ,
respectiv S2 . Atunci,
    
m
W1 W1
 .    . 
w = ∑ Wi · f i = f 1 · · · f m  ..  = e1 · · · em P ·  .. 
i=1
Wm Wm
 
u1
 
= e1 · · · em  ...  .
um
Avem de rezolvat, aşadar, sistemul algebric cramerian

   
W1 u1
 ..   .. 
P .  =  . . (4.84)
Wm um
Formula soluţiei este dată de expresiile [18, pag. 142, Propoziţia 3.3]
det Pi
Wi = , i ∈ 1, m,
det P
unde Pi desemnează matricea obţinută din matricea P prin ı̂nlocuirea celei de-a i-a
coloane cu coloana situată ı̂n partea dreaptă a ecuaţiei (4.84).
Concluzia rezultă din (4.64), (4.68). ⊓ ⊔

Exerciţiul 4.40. (Baza reciprocă ı̂ntr-un hiperplan) Dacă vectorii bi i∈1,m−1 , unde
m ≥ 3, sunt
liniar independenţi peste corpul R, atunci
m−1
i) setul b1 , · · · , bm−1 , ∏ bk alcătuieşte o bază a spaţiului E.
k=1
ii) Vectorii Bi i∈1,m−1 , cu formula — [4, pag. 6] —
V
m−1
b1 × · · · × bi−1 × bi × bi+1 × · · · × bm−1 × ∏ bk
k=1
Bi = (−1)m−i · , (4.85)
m−1 2
∏ bk

k=1 2

unde 1 ≤ i ≤ m − 1, se găsesc ı̂n hiperplanul H = SpanR b1 , · · · , bm−1 .
iii) Au loc restricţiile de biortogonalitate
Bi · bk = δik , 1 ≤ i, k ≤ m − 1. (4.86)

iv) Setul B1 , · · · , Bm−1 , dat de (4.85), constituie singura familie de vectori din H
care ı̂ndeplineşte restricţia de biortogonalitate (4.86).
Soluţia exerciţiului 4.40. Partea i). Ţinând seama de exerciţiul 4.27, introducem
m−1
vectorul b = ∏ bk 6= 0E .
k=1
Formula (4.68) implică, via exerciţiul 4.28, faptul că determinantul matricei de
schimbare de bază — trecerea de la S1 la setul de vectori din enunţ — are valoarea

m−1 2

∏ bk > 0.
k=1
2
Partea iii). Folosim estimările (4.69).

Partea ii).47 Fie subspaţiul liniar M = Rb al spaţiului E. Introducem subspaţiul
liniar M ⊥ = u ∈ E | u · b = 0 . Atunci — [11, pag. 129, Theorem] —,
E = M ⊕ M⊥ (4.87)
şi dimR M ⊥ = m − dimR M = m − 1.

Pentru a stabili egalitatea (4.87), să remarcăm că orice vector u ∈ E poate fi des-
compus astfel48 :

u·b u·b
u = u− · b + ·b
kbk22 kbk22
= v + w, v ∈ M ⊥ , w = λ · b ∈ M, λ ∈ R.
Mai departe, exerciţiul 4.26 ne conduce la
bi · b = Bi · b = 0, i ∈ 1, m − 1,
47 Pentru altă abordare, vezi exerciţiul 4.42.

48 Reprezentarea este unică deoarece M ∩ M ⊥ = {0E }. Într-adevăr, dacă ar exista vectorii p ∈ M
şi q ∈ M ⊥ astfel ı̂ncât p = q, atunci ar avea loc egalităţile 0 = p · q = kpk22 , de unde p = 0E .
142 4 Aplicaţii

de unde deducem că setul b1 , · · · , bm−1 alcătuieşte o bază a spaţiului M ⊥ , res-

pectiv Bi i∈1,m−1 ⊂ M ⊥ . Aici, H = M ⊥ .

Afirm că setul B1 , · · · , Bm−1 alcătuieşte o bază a spaţiului M ⊥ . Pentru aceasta
este suficient să arătăm că vectorii din set sunt liniar independenţi peste corpul R
[11, pag. 11, Theorem]. Dacă, prin absurd, ar exista numerele reale (αi )i∈1,m−1 , nu
toate nule, astfel ı̂ncât
m−1
∑ αi · Bi = 0E ,
i=1
atunci, conform (4.86), am ajunge la

!
m−1
0= ∑ αi · Bi · bk = αk · Bk · bk = αk , k ∈ 1, m − 1,
i=1
adică la o contradicţie. Afirmaţia a fost probată.

Partea iv). Adaptăm
tehnica de la soluţia exerciţiului 4.29. Astfel, dacă vectorii
(ci )i∈1,m−1 , d i i∈1,m−1 desemnează baze ale subspaţiului H cu proprietatea că
ci · bk = d i · bk = δik , 1 ≤ i, k ≤ m − 1,
atunci seturile
( ) ( )
b b
c1 , · · · , cm−1 , 2 , d 1 , · · · , d m−1 , 2
b b
2 2
sunt baze ale spaţiului E care verifică restricţia de biortogonalitate ı̂n raport cu baza
de la partea i). ⊓⊔
Exerciţiul 4.41. (Orientarea bazelor reciproce) În contextul exerciţiului 4.40,

i) bazele S2 , S3 sunt la fel orientate49 ı̂n spaţiul liniar E.
ii) Avem identitatea
m−1
m−1 ∏ bi
∏ Bi = m−1 2 .
i=1
(4.88)
i=1 ∏ bi
i=1 2

iii)50 Dacă familiile B1 = bi i∈1,m−1 şi B2 = Bi i∈1,m−1
sunt baze reciproce ı̂n
hiperplanul H , atunci seturile de vectori
49 Vezi [7, pag. 82].

50 În particular, formula (4.85) rezultă din (4.67).
( ) ( )
m−1 m−1
b1 , · · · , bm−1 , ∏ bi , B1 , · · · , Bm−1 , ∏ Bi
i=1 i=1
sunt baze reciproce ı̂n spaţiul liniar E.

iv) Este valabilă relaţia51
1
(a1 , · · · , am ) = .
f 1, · · · , f m
Soluţia exerciţiului 4.41. Partea i). Matricea de schimbare de bază, G = (P t · P)−1 ,

are determinantul pozitiv.
Partea ii). Deducem că — via (4.85), respectiv (4.73) —
m−1
(−1)m−(m−1)
∏ Bi =
m−1 2
· B1 × B2 × · · · × Bm−2
i=1 ∏ bk

k=1 2
" !#
m−1
× b1 × · · · × bm−2 × ∏ bk
k=1

1 0 0 ··· 0 0 0

0 1 0 ··· 0 0 0

.. .. . .. .. ..
.
. · · · .. . .
.
−1 0 ··· 0
= · 0 1 0 0 .
m−1 4 m−1
∏ bk 0 0 ··· 0 0 − b1 , · · · , bm−2 , bm−1 , ∏ bk 0

k=1 2 k=1
m−1
b1 b2 · · · bm−3 bm−2 bm−1 ∏ bk

k=1
Partea iii). În virtutea relaţiei (4.88), obţinem că

! !
m−1 m−1
∏ Bi · ∏ bj = 1. (4.89)
i=1 j=1
Conform exerciţiului 4.40, partea iv), vectorii din familia B2 au reprezentarea

(4.85). Concluzia rezultă din (4.86), (4.89).
Partea iv). Pe baza (4.68), (4.62), obţinem că
h t i 1
(a1 , · · · , am ) = det P−1 = ,
det P
⊔
51 Via (4.72), această egalitate este ı̂n concordanţă cu reprezentarea (4.80) a matricei G−1 .
144 4 Aplicaţii
Exerciţiul 4.42. (Produsul vectorial multiplu: produse vectoriale de produse vecto-

riale) Fiind daţi vectorii U = (ui )i∈1,m−1 , V = (vi )i∈1,m−1 ⊂ E, introducem matri-
cea produselor scalare — m ≥ 3 —
 
u1 · v1 u1 · v2 · · · u1 · vm−1
 u2 · v1 u2 · v2 · · · u2 · vm−1 
 
GU V =  .. .. ..  = GU ij
V
 . . ··· .  i, j∈1,m−1
um−1 · v1 um−1 · v2 · · · um−1 · vm−1
şi notăm cu DUij

V minorul corespunzător elementului GU V , unde i, j ∈ 1, m − 1.
ij
Atunci,
i) dacă setul V este liniar dependent peste corpul R, au loc identităţile
m−1
∑ (−1)k DUik V · vk = 0E , 1 ≤ i ≤ m − 1, (4.90)
k=1
pentru orice U ⊂ E.
ii) Este valabilă dubla egalitate
!
V
m−1
u1 × · · · × ui−1 × ui × ui+1 × · · · × um−1 × ∏ vj
j=1

u1 · v1 u1 · v2 · · · u1 · vm−1

u2 · v1 u2 · v2 · · · u2 · vm−1

.. .. ..
. . ··· .

m−1 V V V

= ∑ (−1)m+k DUik V · vk = − ui · v1 ui · v2 · · · ui · vm−1 (4.91)
k=1

.. .. ..
. . ··· .

um−1 · v1 um−1 · v2 · · · um−1 · vm−1

v1 v2 ··· vm−1
pentru orice i ∈ 1, m − 1, cu convenţia ca determinantul să fie dezvoltat după ultima

linie.
Soluţia exerciţiului 4.42. Remarcăm că demonstraţia părţii a doua a egalităţii (4.91)
se reduce la dezvoltarea determinantului din dreapta.
Partea i). Există p ∈ 1, m − 1 şi numerele (λr )r∈I ⊂ R, unde I = 1, m − 1 \ {p},
astfel ı̂ncât
v p = ∑ λr · vr .
r∈I
Înmulţim cu (−1)m membrul stâng al identităţilor (4.90). Rezultatul se reorgani-

zează — folosind cea de-a doua egalitate (4.91) — drept

u1 · v1
· · · u1 · v p−1 u 1 · v p − ∑ λr v r u1 · v p+1 · · · u1 · vm−1
r∈I

u2 · v1
· · · u2 · v p−1 u 1 · v p − ∑ λr v r u2 · v p+1 · · · u2 · vm−1
r∈I
.. .. .. .. ..
. ··· . . . ··· .

V

V V V V

− ui · v1 ··· ui · v p−1 u i · v p − ∑ λr v r ui · v p+1 · · · ui · vm−1 .

r∈I

.. .. .. .. ..
. ··· . ···

. . .

um−1 · v1
· · · um−1 · v p−1 um−1 · v p − ∑ λr vr um−1 · v p+1 · · · um−1 · vm−1
r∈I
v1
··· v p−1 v p − ∑ λr vr v p+1 ··· vm−1
r∈I
Partea ii). Dacă vectorii din setul V sunt liniar dependenţi peste corpul R, atunci,
via exerciţiul 4.27, produsul lor vectorial este nul. Dubla egalitate (4.91) rezultă, ı̂n
acest caz, din partea i). Este suficient, aşadar, să stabilim egalitatea din enunţ atunci
când vectorii din V sunt liniar independenţi.
Pe baza exerciţiilor 4.40, partea i), şi 4.28, respectiv a reprezentării (4.73), dedu-
cem că membrul stâng al dublei relaţii de demonstrat este egal cu

m−1
u1 · v1 u1 · v2 · · · u1 · vm−1 u1 · ∏ v j

j=1
m−1
u ·v
2 1 u2 · v2 · · · u2 · vm−1 u2 · ∏ v j
j=1
.. .. .. ..

. . ··· . .

V
V V V
m−1
ui · v1 ui · v2 · · · u i · v m−1 ui · ∏ v j
1 j=1

2 · . (4.92)
m−1
.. .. .. ..
∏ v j . . ··· . .
j=1
2 m−1
um−1 · v1 um−1 · v2 · · · um−1 · vm−1 um−1 · ∏ v j

j=1
2
m−1

0 0 ··· 0 ∏ v j

j=1
2
m−1
v1
v 2 · · · v m−1 ∏ j v
j=1
Dezvoltând determinantul (4.92) după ultima linie, obţinem

146 4 Aplicaţii

V
m−1
u1 · v1
u1 · v2 · · · u1 · vk · · · u1 · vm−1 u1 · ∏ v j
j=1

V
m−1
u2 · v1
u2 · v2 · · · u1 · vk · · · u2 · vm−1 u2 · ∏ v j
j=1

V
.. .. .. ..
. . ··· .. ··· . .
.

V
m−1
(−1)m+k
V V V V
m−1
∑
m−1 2
· ui · v1 ui · v2 · · · ui · vk · · · ui · vm−1 ui · ∏ v j · vk .
k=1 j=1
∏ v j
j=1

2 .. ..
V
.. ..
..
. . ··· . ··· . .

m−1
V
u
m−1 · v1 um−1 · v2 · · · um−1 · vk · · · um−1 · vm−1 um−1 · ∏ v j
j=1

V
m−1 2

0
0 ··· 0 ··· 0 ∏ v j
j=1
2
Mai departe, determinanţii din sumă se dezvoltă după ultima linie. ⊓

⊔
Exerciţiul 4.43. (Produsul vectorial multiplu: produs scalar de produse vectoriale)

În contextul exerciţiului 4.42, avem egalitatea
! !
m−1 m−1
∏ ui · ∏ vj = det GU V .
i=1 j=1
Soluţia exerciţiului 4.43. La fel ca anterior, este suficient să stabilim egalitatea din
enunţ atunci când vectorii din V sunt liniar independenţi.
Membrul stâng al egalităţii de demonstrat este egal cu
!
m−1
u1 , · · · , um−1 , ∏ v j
j=1

m−1
u1 · v1 u1 · v2 · · · u1 · vm−1 u1 · ∏ v j
j=1

m−1
u2 · v1 u2 · v2 · · · u2 · vm−1 u2 · ∏ v j

j=1
.. .. .. ..
. . ··· . .

m−1
1 u ·v ui · v2 · · · ui · vm−1 ui · ∏ v j .
= · i 1
m−1 2
j=1

.. .. .. ..
∏ v j . . ··· . .
j=1
2 m−1
um−1 · v1 um−1 · v2 · · · um−1 · vm−1 um−1 · ∏ v j
j=1

m−1 2

0
0 ··· 0 ∏ v j
j=1
2
Determinantul se dezvoltă după ultima linie. ⊓

⊔
Exerciţiul
4.44. (Identitatea lui C. Jacobi 52 ) Fie m ≥ 3 şi setul de vectori F =
f i i∈1,m ⊂ E. Atunci,
i) (Cazul m = 3) este valabilă identitatea

a × b × c + b × c × a + (c × a) × b = 0E , a, b, c ∈ E. (4.93)
ii) Introducând mărimile
εi jk = sign [(i − j) · ( j − k) · (k − i)] , i, j, k ∈ 1, m,
au loc relaţiile
εi jk = sign(k − j)
dacă numărul i este sau cel mai mic sau cel mai mare dintre elementele mulţimii
{i, j, k}, respectiv
εi jk = sign( j − k)
ı̂n caz contrar.

iii) (Cazul m = 3) Fiind dată permutarea

123
σ= ,
i jk
52 Vezi [35, pag. 14, Problem 1.2.8].

148 4 Aplicaţii
avem53
σ (α ) − σ (β )
εi jk = ∏ α −β
.
1≤α <β ≤3

iv) Vectorii U = ui jk i < j, , cu formula
i, j, k ∈ 1, m
V V
ui jk = f 1 × · · · × f i−1 × f i × f i+1 × · · · × f j−1 × f j × f j+1 × · · · × f m
 
V
×  f 1 × · · · × f k−1 × f k × f k+1 × · · · × f m  , i < j, i, j, k ∈ 1, m,
satisfac identitatea
m
∑ ∑ εi jk · ui jk = 0E .
1≤i< j≤m k=1
Soluţia exerciţiului 4.44. Partea i). Prima soluţie. Exprimăm termenii sumei din
membrul stâng al expresiei (4.93) cu ajutorul dublului produs
vectorial (4.75).
A doua soluţie. Să presupunem că termenul a × b × c este nenul. Atunci, via

exerciţiul 4.27, setul a, b ⊂ E este liniar independent peste corpul R. Exerciţiul
4.26 ne conduce la relaţiile — vezi (4.87) —

M = R a×b , M ⊥ = SpanR a, b
şi

a × b × c ∈ M⊥

⊆ SpanR a, b, c . (4.94)
Estimarea (4.94) implică

S = a × b × c + b × c × a + (c × a) × b

∈ N = SpanR a, b, c ⊆ E.

Această relaţie rămâne valabilă şi atunci când setul a, b, c ⊂ E este liniar depen-
dent peste corpul R.
Remarcăm că, pentru a dovedi că S = 0E , este suficient să probăm afirmaţia ur-
mătoare: vectorul S ı̂i este ortogonal unei familii de generatori a spaţiului R-liniar
N.
53Aici, numerele εi jk desemnează simbolul T. Levi-Civita [35, pag. 15]. Se utilizează şi denumirile
simbol de permutare [21, pag. 9] ori signatura permutării σ [18, pag. 44].
Au loc identităţile

S · a = a × b, c, a + c × a, b, a

= c, a, a × b + b, a, c × a

= (c × a) · a × b + b × a · (c × a)

= (c × a) · a × b + − a × b · (c × a)
= 0.
Analog, S · b = S · c = 0.
Partea iv). Folosim tehnica celei de-a doua soluţii de la partea i). Astfel,
m
S= ∑ ∑ εi jk · ui jk ∈ N = SpanR f 1 , f 2 , · · · , f m ⊆ E.
1≤i< j≤m k=1
Fie p ∈ 1, m. Vom estima, ı̂n cele ce urmează, numerele S · f p .

Cazul p = 1. Deducem că
S· f1
   
m
= ∑ ∑ ε1 jk · u1 jk · f 1  +  ∑ ∑ εi jk · ui jk · f 1 
j=2 k∈2,m \{ j} 2≤i< j≤m k∈1,m \{i, j}
  
m V
= ∑ ∑ ε1 jk · (−1)m−1 ·  f 1 , f 2 , · · · , f j , · · · , f m , ∏ f β 
j=2 k∈2,m \{ j} β ∈1,m \{k}

+ ∑ ∑ εi jk · (−1)m−1
2≤i< j≤m k∈1,m \{i, j}
 
V V
×  f 1, f 1, f 2, · · · , f i, · · · , f j , · · · , f m, ∏ f β  (4.95)
β ∈1,m \{k}
 
   
 
=
(−1)
m−1
· ∑ sign(k − j) ·  ∏ f α· ∏ f β 
+0
j, k ∈ 2, m α ∈1,m \{ j} β ∈1,m \{k}
j 6= k

= (−1)m−1 · ∑ −PS jk + PS jk (4.96)
2≤ j<k≤m
= 0,
! !
unde PS jk = ∏ fα · ∏ fβ .
α ∈1,m \{ j} β ∈1,m \{k}
Cazul p = m. În mod analog,
150 4 Aplicaţii
m−1
S· fm = ∑ ∑ εimk · uimk · f m
i=1 k∈1,m−1 \{i}
   
=− ∑ [−sign(k − i)] ·  ∏ fα· ∏ fβ

i, k ∈ 1, m − 1 α ∈1,m \{i} β ∈1,m \{k}
i 6= k
= ∑ (−PS ik + PS ik )
1≤i<k≤m
= 0.
Cazul 2 ≤ p ≤ m − 1. Avem relaţiile54
S· f p
m
= ∑ ∑ εi jk · ui jk · f p
1≤i< j≤m k=1
"
m m
= ∑ ∑ εi jk · ui jk · f p + ∑ ∑ εi jk · ui jk · f p
1≤i< j<p k=1 i<p< j k=1
#
m
+ ∑ ∑ εi jk · ui jk · f p
p<i< j≤m k=1
" # " #
m m
+ ∑ ∑ εipk · uipk · f p + ∑ ∑ ε p jk · u p jk · f p
1≤i<( j=) p k=1 (i=) p< j≤m k=1
= ( 0 — via metoda din (4.95) — )
    
 
+ ∑  ∑ + ∑  + ∑  εipk · uipk · f p 
1≤i<p
k∈1,i k∈i,p k∈p,m
    
 
 p<∑
+  ∑ +  ∑ + ∑  ε p jk · u p jk · f p
j≤m k∈1,p 
k∈p, j k∈ j,m
( " # )

= ∑ ( 0 — via metoda din (4.96) — ) + ∑ εipk · uipk · f p
1≤i<p k∈p,m
  

 
 p<∑ ∑
+  +( 0 — via metoda din (4.96) — ) ε p jk · u p jk · f p .
j≤m 
k∈1,p
Aşadar,
54 Ca de obicei, sumele cu 0 termeni sunt nule.

S· f p

= ∑ ∑ εipk · uipk · f p + ∑ ∑ ε p jk · u p jk · f p
1≤i<p p<k≤m p< j≤m 1≤k<p
! !
= ∑ ∑ uipk · f p + ∑ ∑ u p jk · f p
1≤i<p p<k≤m p< j≤m 1≤k<p
    
= ∑ ∑ (−1)m−p+1 ·  ∏ f α· ∏ f β 
1≤i<p p<k≤m α ∈1,m \{i} β ∈1,m \{k}
    
+ ∑ ∑ (−1)m−p ·  ∏ f α· ∏ f β 
p< j≤m 1≤k<p α ∈1,m \{ j} β ∈1,m \{k}
= (−1) m−p
· ∑ ∑ (−PS vw + PS vw )
1≤v<p p<w≤m
= 0,

⊔

Exerciţiul 4.45. Fie m ≥ 3 şi u ∈ E\ {0E }. Atunci, există vectorii bi i∈1,m−1
⊂E
m−1
u= ∏ bk . (4.97)
k=1
Vectorii pot fi aleşi ı̂ntr-o infinitate de moduri.

Soluţia exerciţiului 4.45. Construim baza S2 a spaţiului E astfel ı̂ncât f 1 = u [11,
pag. 11, Theorem]. Atunci, via exerciţiul 4.30, optăm pentru
(−1)m−1
b1 = · a2 , b j = a j+1 , j ∈ 2, m − 1.
(a1 , · · · , am )
La partea a doua, să observăm că are loc egalitatea

b1 × b2 × b3 × · · · × bm−1 = b1 × λ · b1 + b2 × b3 × · · · × bm−1 , λ ∈ R,

⊔
Exerciţiul 4.46. Fie m ≥ 3 şi u ∈ E. Dacă
(u, v1 , v2 , · · · , vm−1 ) = 0
pentru orice vectori (vi )i∈1,m−1 ⊂ E, atunci u = 0E .

Soluţia exerciţiului 4.46. Presupunem
că, prin absurd, u 6= 0E . Atunci, conform e-
xerciţiului 4.45, există vectorii bi i∈1,m−1 din (4.97).
Luând vi = bi , unde 1 ≤ i ≤ m − 1, ajungem la — via exerciţiul 4.28 —
152 4 Aplicaţii
! 2
m−1 m−1
m−1
0 = (u, v1 , v2 , · · · , vm−1 ) = (−1) m−1
∏ bk · u = (−1) ∏ bk 6= 0,
k=1
k=1 2
ceea ce este, evident, o contradicţie. ⊓

⊔
Introducem produsul tensorial — ı̂n raport cu baza S1 — al vectorilor u, v ∈ E

cu formula — vezi [7, pag. 60] —
 
uS
1
1

 
u ⊗ v = u ⊗S1 v =  ...  vS 1
1
. . . vS1
m ∈ Mm (R). (4.98)
uS
m
1
Exerciţiul 4.47. (Produsul tensorial ı̂n baza S2 ) Este valabilă expresia

 S2 
u1
 ..  S2
u ⊗ v = P  .  v1 . . . vS
m
2 Pt .
uS
m
2
Soluţia exerciţiului 4.47. Utilizăm relaţiile (4.53). ⊓

⊔
Exerciţiul 4.48. Fie A, B ∈ Mm (R) şi u, v, w, x ∈ E. Au loc egalităţile:

i) (u ⊗ v)t = v ⊗ u.
ii)55 (u ⊗ v) w = (v · w) u.
iii) (u ⊗ v) (w ⊗ x) = (v · w) (u ⊗ x).
iv) u · [(v ⊗ v) w] = w · [(v ⊗ v) u] = (u · v) (w · v).
v) (Au) ⊗ (B v) = A (u ⊗ v) B t .
vi) [(u ⊗ u) v] ⊗ [(u ⊗ u) v] = (u · v)2 (u ⊗ u).
Soluţia exerciţiului 4.48. Partea i). Folosim formula (4.98).

Partea ii). Conform (4.56), avem
 S1    S1 

 u1 w1 

 .   S S  . 
(u ⊗ v) w = e1 · · · em  ..  ·  v1 . . . vm  .. 
1 1

 S1 

um wS
m
1
  S1 
u
  1. 
= (v · w)  e1 · · · em  ..  .
S1
um
Partea iii). Din nou, ı̂ntrebuinţăm asociativitatea ı̂nmulţirii matricelor. Astfel,
55 Produsul tensorial fiind o aplicaţie multiliniară, vezi [15, pag. 13-3], este necesar să avem K = R
pentru ca produsul scalar să verifice identitatea de demonstrat.

   S1 
uS
1
1
w1
  S1  .. 
(u ⊗ v) (w ⊗ x) =  ...   vS
1
1
. . . vm  .   x1
S1
· · · xm
S1
.
uS
m
1
wS
m
1
Partea iv). Prima egalitate rezultă din (4.58), ţinând seama de faptul că matricea
v⊗v este simetrică — via partea i) —. Pentru cea de-a doua egalitate folosim partea
ii).
Partea v). Prin calcul direct, pe baza definiţiilor (4.98), (4.56).
Partea vi). Aplicăm partea ii). ⊓ ⊔
Exerciţiul 4.49. Fie bazele reciproce S2 , S3 ale spaţiului liniar E. Atunci,

i) matricele
m m
A = ∑ ai ⊗ ai , B = ∑ fi ⊗ fi
i=1 i=1
sunt simetrice şi strict pozitiv-definite.

ii) ([4, pag. 7]) Sunt valabile descompunerile — rezoluţia identităţii [29, pag. 168]
—
m m
Im = ∑ f i ⊗ ai = ∑ ai ⊗ f i .
i=1 i=1
iii) ([4, pag. 12]) B = A−1 .

iv) Avem relaţiile56
2
f i ⊗ ai = f i ⊗ ai , i ∈ 1, m,
respectiv

f j ⊗aj f k ⊗ ak = Om , 1 ≤ j 6= k ≤ m.
v) Vectorii celor două baze admit reprezentările
ai = A f i , f i = B ai , i ∈ 1, m.
Soluţia exerciţiului 4.49. Partea i). Simetria matricelor A, B rezultă din exerciţiul
4.48, partea i). Fiind dat vectorul nenul u ∈ E, avem — via acelaşi exerciţiu, partea
iv) —
m m
u · Au = ∑ u · [(ai ⊗ ai ) u] = ∑ (u · ai )2 . (4.99)
i=1 i=1
56 Operatorii T ∈ L(E, E), reprezentaţi ı̂n baza S de matricele T = f ⊗ a , sunt idempotenţi —

i 1 i i i
proiectori [11, pag. 73, Theorem 1] — şi are loc egalitatea E = Im T1 ⊕ · · · ⊕ Im Tm .
154 4 Aplicaţii
Cum u 6= 0E , coordonatele sale ı̂n baza S2 — vezi exerciţiul 4.38 — nu pot fi toate
nule, deci u · Au > 057 .
Partea ii). Observăm că, pe baza exerciţiului 4.30, este suficient58 să stabilim
prima dintre egalităţi.
Fie v ∈ E. Atunci, — apelând, din nou, la exerciţiul 4.38 —
!
m m
∑ f i ⊗ ai − Im v= ∑ (ai · v) f i − v
i=1 i=1
= v − v = 0E .
Vectorul v fiind arbitrar, demonstraţia se ı̂ncheie căci Om este singura matrice pentru
care Om v = 0E indiferent de v.
Partea iii). Deducem că — exerciţiul 4.48, partea iii), şi (4.63) —

AB = ∑ (ai ⊗ ai ) f j ⊗ f j = ∑ ai · f j ai ⊗ f j
1≤i, j≤m 1≤i, j≤m
m
= ∑ ak ⊗ f k = Im ,
k=1
respectiv — matricele A, B sunt simetrice —
Im = (Im )t = (AB)t = BA.
Partea iv). Folosim exerciţiul 4.48, partea iii), şi restricţia de biortogonalitate
(4.63).
Partea v). La prima egalitate, — via partea i) —,
m m m
Afi = ∑ (ak ⊗ ak ) f i = ∑ ak · f i ak = ∑ δki ak
k=1 k=1 k=1
= ai , i ∈ 1, m.
La cea de-a doua egalitate, — vezi partea iii) —,

B ai = A−1 A f i = A−1 A f i
= f i,
unde 1 ≤ i ≤ m. ⊓
⊔
Exerciţiul 4.50. Fie A ∈ Mm (R) o matrice simetrică şi strict pozitiv-definită. Dacă59
57 Matricea A fiind simetrică, valabilitatea relaţiei (4.57) ı̂n SpanR (S1 ) implică strict pozitiv defi-
nirea acesteia, vezi [15, pag. 8-7, Fact 1].
58 Altă justificare a celei de-a doua egalităţi: ı̂i aplicăm operaţia de transpunere primeia dintre
egalităţi, conform exerciţiului 4.48, partea i).

59 Existenţa vectorilor f

i i∈1,m ⊂ E este asigurată de teorema lui J. Lagrange [18, pag. 319, Teo-
rema 1.6]. Vezi şi exerciţiul 4.51.
f i · A f j = δi j , i, j ∈ 1, m, (4.100)
atunci
i) setul f 1 , · · · , f m ⊂ E este liniar independent peste corpul R.
ii) Sunt valabile identităţile
 m

 A = ∑ Afk ⊗ Afk ,



 k=1
m m
Im = ∑ A f k ⊗ f k = ∑ f k ⊗ A f k ,

 k=1 k=1

 m

 A−1 = ∑ f k ⊗ f k .
k=1
Soluţia exerciţiului 4.50. Partea i). Dacă ar exista numerele (αi )i∈1,m ⊂ R, nu toate
nule, astfel ı̂ncât
m
∑ α j · f j = 0E ,
j=1
atunci
!
m m
0 = f i · A0E = f i · A ∑ αj · f j = ∑ αj · fi ·Af j
j=1 j=1
m
= ∑ δi j α j , 1 ≤ i ≤ m,
j=1
de unde va rezulta că toate numerele (αi )i∈1,m ar fi nule.

Partea ii). Conform (4.100), setul

A f 1, · · · , A f m
verifică restricţia de biortogonalitate ı̂n raport cu baza S2 a spaţiului liniar E, deci

coincide cu S3 . Concluziile exerciţiului de faţă vor rezulta din exerciţiul 4.49.
Pe de altă parte, adaptând tehnicile de la exerciţiile anterioare, putem realiza de-
monstraţii independente ale cerinţelor din enunţ. Astfel, pentru u ∈ E, avem
m m
u = ∑ u·Afi fi = ∑ u· f j Af j .
i=1 j=1
Apoi, — ı̂n virtutea relaţiei (4.58) —

156 4 Aplicaţii
" #
m m
∑ Afk ⊗ Afk −A u = ∑ A f k · u A f k − Au
k=1 k=1
m
= ∑ f k · Au A f k − Au
k=1
= Au − Au = 0E ,
respectiv
" #
m m
∑ A f k ⊗ f k − Im u = ∑ f k · u A f k − Im u
k=1 k=1
= u − u = 0E .
Mai departe,
!
m m
A ∑ f k ⊗ f k − Im u = ∑ f k · u A f k − Im u
k=1 k=1
= u − u = 0E
şi
" ! #
m m
∑ f k ⊗ f k A − Im u = ∑ f k · Au f k − Im u
k=1 k=1
m
= ∑ Afk ·u fk −u
k=1
= u − u = 0E ,

⊔
Exerciţiul 4.51. Fie A ∈ Mm (R) o matrice simetrică şi strict pozitiv-definită. Dacă
(λi )i∈1,m sunt valorile proprii, nu neapărat distincte, ale matricei iar (ui )i∈1,m , unde60
ui · u j = δi j pentru orice i, j ∈ 1, m, sunt eigenvectorii corespunzători, atunci au loc
egalităţile61
60 Vectorii proprii corespunzând valorilor proprii distincte sunt ortogonali, conform exerciţiului
4.19, partea iii). Eigenvectorii corespunzând aceleiaşi valori proprii pot fi ortonormaţi folosind
procedeul J. Gram–E. Schmidt [18, pag. 352, exerciţiul 2].
61 Adică, reprezentările spectrale ale operatorilor liniari respectivi, T =
∑ λ · Pλ , conform [20,
λ ∈Σ (T )
pag. 260, Theorem 2.10]. În cazul spaţiilor Hilbert generale, acest rezultat face parte din teorema
spectrală pentru operatori normali [34, pag. 84, Teorema 2.3.6].
 m

 A = ∑ λk · (uk ⊗ uk ) ,



 k=1
m
Im = ∑ uk ⊗ uk ,

 k=1

 m

 A = ∑ λ1 · (uk ⊗ uk ) ,
−1
k=1 k
respectiv62
m
u · Av = ∑ λk · (u · uk ) (v · uk ) , u, v ∈ E.
k=1
În contextul exerciţiului 4.49, partea v), este valabilă63 egalitatea
ai = Im ui = ui , 1 ≤ i ≤ m.
Soluţia exerciţiului 4.51. Ţinând √

seama de exerciţiul 4.19, partea ii), introducem
vectorii f i = √ui . Atunci, A f i = λi · ui , respectiv f i · A f j = δi j , unde i, j ∈ 1, m.
λi
Aplicăm exerciţiul 4.50. ⊓
⊔
m
62 Numerele (u · ur )r∈1,m ⊂ R, din dezvoltarea u = ∑ (u · ur ) ur , se mai numesc şi coeficienţi J.
r=1
Fourier ai vectorului u ∈ E ı̂n raport cu baza (ur )r∈1,m [27, pag. 79].
63 Baza reciprocă a unei baze ortonormate [11, pag. 122] coincide cu aceasta.
Referinţe Bibliografice
1. Amann, H.: Ordinary differential equations, An introduction to nonlinear analysis. Walter de

Gruyter, Berlin (1990)
2. Barbu, V.: Ecuaţii diferenţiale. Editura Junimea, Iaşi (1985)
3. Bhatia, R.: Positive definite matrices. Princeton University Press, Princeton (2007)
4. Boulanger, Ph., Hayes, M.: Bivectors and waves in mechanics and optics. Chapman & Hall,
London (1993)
5. Bronson, R., Costa, G.B.: Matrix methods: Applied linear algebra, Third edition. Elsevier,
Amsterdam (2009)
6. Dinculeanu, N.: Integrarea pe spaţii local compacte. Editura Academiei R.P.R., Bucureşti
(1965)
7. Frankel, T.: The geometry of physics, An introduction, Second edition. Cambridge University
Press, Cambridge (2006)
8. Gantmacher, F.R.: The theory of matrices, Volume one. AMS Chelsea Publishing, Providence
(2000)
9. Gaşpar, D.: Analiză funcţională. Editura Facla, Timişoara (1981)
10. Halanay, A.: Introducere ı̂n teoria calitativă a ecuaţiilor diferenţiale. Editura Tehnică,
Bucureşti (1956)
11. Halmos, P.R.: Finite-dimensional vector spaces. Springer-Verlag, New York (1987)
12. Higham, N.J.: Functions of matrices, Theory and computation. SIAM, Philadelphia (2008)
13. Hille, E.: Analytic function theory, Volume I. Chelsea Publishing Comp., New York (1982)
14. Hirsch, M.W., Smale, S.: Differential equations, dynamical systems, and linear algebra. Aca-
demic Press, New York (1974)
15. Hogben, L. (ed.): Handbook of linear algebra. Chapman & Hall/CRC, Boca Raton (2007)
16. Horn, R.A., Johnson, C.R.: Matrix analysis. Cambridge University Press, Cambridge (1990)
17. Iacob, C.: Mecanică teoretică, Ediţia a II-a. Editura Didactică şi Pedagogică, Bucureşti (1980)
18. Ion, I.D., Radu, N.: Algebra. Editura Didactică şi Pedagogică, Bucureşti (1970)
19. Ionescu, D.V.: Ecuaţii diferenţiale şi integrale, Ediţia a doua. Editura Didactică şi Pedagogică,
Bucureşti (1972)
20. Kato, T.: Perturbation theory for linear operators. Springer-Verlag, Berlin (1995)
21. Kay, D.C.: Theory and problems of tensor calculus. McGraw-Hill, New York (1988)
22. Marinescu, G.: Teoria ecuaţiilor diferenţiale şi integrale. Editura Didactică şi Pedagogică,
Bucureşti (1963)
23. Năstăsescu, C., Niţă, C., Vraciu, C.: Bazele algebrei, Volumul I. Editura Academiei R.P.R.,
Bucureşti (1986)
24. Perko, L.: Differential equations and dynamical systems. Springer-Verlag, New York (1996)
25. Pinkus, A.: Totally positive matrices. Cambridge University Press, Cambridge (2010)
26. Roşculeţ, M.N.: Manual de analiză matematică, Volumul al II-lea, Calculul integral, Ecuaţii
diferenţiale. Editura Didactică şi Pedagogică, Bucureşti (1966)
159
160 Referinţe Bibliografice
27. Rudin, W.: Analiză reală şi complexă, Ediţia a treia. Editura Theta, Bucureşti (1999)
28. Schouten, J.A.: Tensor analysis for physicists. Clarendon Press, Oxford (1951)
29. Schwabl, F.: Quantum mechanics, Fourth edition. Springer-Verlag, Berlin (2007)
30. Shilov, G.E.: Linear algebra. Dover Publications, Inc., New York (1977)
31. Şilov, G.E.: Analiză matematică, Spaţii finit-dimensionale. Editura Ştiinţifică şi Enciclopedi-
că, Bucureşti (1983)
32. Trefethen L.N., Bau, D.III: Numerical linear analysis. SIAM, Philadelphia (1997)
33. Valiron, G.: Cours d’analyse mathématique, Tome II, Équations fonctionnelles, Applications.
Masson et Cie, Paris, 1945
34. Vasilescu, F.H.: Iniţiere ı̂n teoria operatorilor liniari. Editura Tehnică, Bucureşti (1987)
35. Wong, C.W.: Introduction to mathematical physics, Methods & concepts, Second edition.
Oxford University Press, Oxford (2013)
Index
acţiunea operatorului, 4 intrare, vii

aplicaţia σ , 15 involuţie, 15
baza canonică, 4 legătura nou-vechi, 2

baza duală, 3 l2 -norma, 73
baza reciprocă, 130
baza standard, 4 matrice de reprezentare, 5
blocuri nilpotente elementare, 55 matrice Jordan elementară, 60
matrice similare, 6
coeficienţi Fourier, 157 matrice strict pozitiv-definită, 123
cofactor, 131 media Cesàro, 74
complement, 21 multiplicitate algebrică, 35
complexificat, 12
complexificatul unui operator, 17 nil(e, T ), 48
componente, 1 nilpotent, 32
comutare, 30 norma euclidiană de index 2, 73
conjugare complexă, 15 nucleu, 29
covector, 2
operator diagonal, 41
decomplexificabil, 16 operaţia “⊗S1 ”, 152
Det T , 6 operaţia “⋆”, 77
diagonalizabil, 41 operaţia “⋆S1 ”, 122
ecuaţie caracteristică, 10 pălăria “ ⋆ˆ ”, 132

ecuaţie diferenţială, 107 polinomul caracteristic, 10
eigenvaloare, 10 prelungire cu zero, 26
eigenvector, 10 produs Cauchy, 78
eigenvector generalizat, 11 produs matrice-vector, 122
exponenţiala unei matrice, 84 produs mixt, 130
produs scalar, 89
forma canonică Jordan, 60 produs scalar triplu, 130
formă biliniară, 89, 122 produs tensorial, 152
produs vectorial, 130
identificare, 77 produs vectorial dublu, 136, 137
identitatea lui Jacobi, 147 produs vectorial multiplu, 144, 146
identitatea lui Lagrange, 137 produs vectorial triplu, 136
imagine, 29 proprietatea (H S ), 33
161
162 Index
Rank T , 6 soluţie fundamentală, 112, 115

realificat, 14 spaţiu Banach, 73
regula lui Cramer, 139 spaţiul ortogonal al unui subspaţiu, 127
relaţia “∼”, 6 subspaţiu Krâlov, 109
restricţia de biortogonalitate, 129 suma Cesàro, 75
suma directă, 21
semi-simplu, 41, 67 sumabilitate, 75
seturi biortogonale, 3 sumare prin părţi, 77
σ -bază, 64
sign u, 3
signatura permutării, 148 Tr T , 6
simbolul de permutare, 148
simbolul lui Kronecker, 3 valoare proprie, 10
simbolul lui Levi-Civita, 148 vectori pe coloană, 1
sistem diferenţial, 92 vectori pe linie, 1

Jordan

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Jordan

Încărcat de

Drepturi de autor:

Formate disponibile

Octavian G.

Forma Canonică Jordan a

Craiova, Mai 18, 2015 O.G.M.

Craiova, [February 6, 2020] O.G.M.

3 Forma canonică a matricelor pătrate cu elemente numerice . . . . . . . . . 47

Referinţe Bibliografice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159

1.1 Vectori şi covectori

Fie E ⊆ Cn — vezi [14, pag. x] — un spaţiu liniar peste corpul K, unde n ≥ 1

reprezintă o bază a sa. Atunci, vom scrie că1

Fie x ∈ E. Putem folosi formalismul de calcul matriceal vectori pe linie, adică

respectiv formalismul vectori pe coloană,

Aici, elementele λi constituie componentele (coordonatele) vectorului x ı̂n baza S1 .

unde col(i) P desemnează cea de-a i-a coloană a matricei P.

unde δi j = 1 − (sign(i − j))2 , cu

desemnează2 simbolul lui L. Kronecker [28, pag. 14]. Setul de covectori

C1 = C1 (S1 ) = {x1 , · · · , xm } (1.7)

alcătuieşte o bază3 a spaţiului E ∗ = L(E, K), adică — [14, pag. 36] —

1.2 Operatori şi matrice

Operatorul liniar (K-liniar) T : E → E — [14, pag. 30] — este descris de vectorii

T = {T (e1 ), · · · , T (em )} , ei ∈ S1 , i ∈ 1, m, (1.8)

Introducem matricea T ∈ Mm (K) prin relaţiile

Atunci, pentru x ∈ E, avem

Kronecker [35, pag. 5].

Putem, aşadar, echivala elementele spaţiului vectorial L(E, E) peste corpul K cu

introducem baza standard5 (canonică6 ) a spaţiului Cm — peste corpul C —

Reamintesc formula (1.2). Avem relaţiile — operatorul T este liniar —

De aici, pentru x ∈ E, deducem că

Notăm cu W matricea de reprezentare a operatorului T ı̂n S2 . Adică,

Expresiile (1.13), (1.14) ne conduc la

respectiv la — vectorii e1 , . . . , em sunt liniar independenţi peste K —

TP − PW = Om , W = P−1 TP, (1.15)

vezi [14, pag. 39]. Aici, Om este matricea-nulă m × m.

1.3 Invarianţii algebrici ai operatorului T . Valori proprii şi

apoi simetrie — det P 6= 0 —,

şi tranzitivitate — det P, det R 6= 0 —,

W ∼ T, T ∼ V =⇒ W ∼ V, W = P−1 TP, T = R−1 VR ⇒ W = (RP)−1 V(RP).

De asemeni, dacă W ∼ T, adică W = P−1 TP, atunci Wk ∼ Tk pentru orice

respectiv — prin inducţie matematică —

Determinantul, urma şi rangul (unei matrice) — ca funcţii de matricele din

Det T = det T, Tr T = tr T, Rank T = rank T,

unde A ∈ Mm,h (K).

T (E) = SpanK {T (e1 ), . . . , T (eh )}

Schimbarea de bază (1.19) produce următoarea modificare a matricei A,

((T (e1 ) + λ · T (e2 )) T (e2 ) T (e3 ) · · · T (eh ))

La rândul său, schimbarea de bază (1.20) modifică matricea A,

unde lin(i) A desemnează cea de-a i-a linie a matricei A.

{λ1 , λ2 , . . . , λ p−1 , λ p+1 , . . . , λm } ⊂ K

lin(p) A = λ1 · lin(1) A + · · · + λ p−1 · lin(p−1) A

∑ |λi |2 > 0. (1.22)

respectiv — a p-a linie a matricei B este nulă! —

T (e1 ), . . . , T (eh ) ∈ Q = SpanK { e1 + λ1 · e p , . . . , e p−1 + λ p−1 · e p ,

Se observă că e p 6∈ Q, deci dimensiunea subspaţiului Q ⊆ E este mai mică sau

şi f i = ei + λi · e p , i 6= p, iar vectorii { f 1 , f 2 , . . . , f p−1 , f p+1 , · · · , f m } sunt liniari

Fie11 x ∈ Ker T . Pe baza (1.3), (1.10), avem

Liniar independenţa vectorilor e1 , . . . , em — peste corpul K — ne conduce la siste-

11 Vezi nota de subsol de la pagina 29: definiţia lui Ker.

Dacă I : E → E este operatorul-identitate12 din L(E, E) şi λ ∈ C, ne interesează

Evident, este posibil ca sistemul să nu aibă soluţii nenule!

p(λ ) = det (T − λ · Im ) = 0, (1.27)

constituie un vector propriu sau un eigenvector17 al operatorului T — corespunzător

adică este invariant la relaţia de similaritate. Astfel, el poate fi ataşat operatorului T ,

Să revenim la ecuaţia (1.27). Dacă ea admite soluţia λ0 ∈ K — adică, λ0 este

Ceea ce ı̂nseamnă că toate sistemele algebrice