Cap.

5 – Spaţii euclidiene

1. Produs scalar. Norma euclidiană. Definiţie, exemple.

Def. 1. Fie E un spaţiu vectorial real. Se numeşte produs scalar pe E o aplicaţie

, : E × E → R cu proprietăţile:
1° x, y = y , x , ∀x, y ∈ E
2° x + y , z = x, z + y , z , ∀x, y , z ∈ E
3° λ x, y = λ x, y , ∀x, y ∈ E , λ ∈ R
4° x, x ≥ 0, ∀x ∈ E şi x, x = 0 ⇔ x = 0 E
Spaţiul vectorial E înzestrat cu un produs scalar se numeşte spaţiu euclidian.
Dacă E este un spaţiu vectorial complex, atunci aplicaţia , : E × E → C se numeşte produs scalar
(complex) dacă are proprietăţile 2°, 3°, 4° şi 1’° : x, y = y , x , ∀x, y ∈ E .

Obs. 1. Produsul scalar are şi următoarele proprietăţi:

x, y + z = x, y + x, z , ∀x, y , z ∈ E (2'°)
x, λ y = λ x, y , ∀x, y ∈ E , λ ∈ R (3'°)
x,0 E = 0 E , x = 0, ∀x ∈ E (se scrie 3° pentru λ = 0 )

Exemple de spaţii euclidiene

1) Spaţiul vectorilor liberi V3 înzestrat cu produsul scalar x ⋅ y = x ⋅ y ⋅ cos ϕ .

2) Spaţiul R n înzestrat cu produsul scalar definit astfel:

∀x, y ∈ R n , x = ( x1 , x2 ,… , xn ) , y = ( y1 , y2 ,…, yn ) , definim x, y = x1 y1 + ... + xn yn
Se arată cu uşurinţă că aplicaţia definită astfel are proprietăţile 1° - 4° din definiţia 1:
1° : y, x = y1 x1 + ... + yn xn = x1 y1 + ... + xn yn = x, y
2° : Fie z = ( z1 , z2 ,… , zn ) . Cum x + y = ( x1 + y1 , x2 + y2 ,… , xn + yn ) , rezultă :
x + y, z = ( x1 + y1 ) z1 + ... + ( xn + yn ) zn = x1 z1 + y1 z1 + ... + xn zn + yn zn = x, z + y, z .
3° : λ x = ( λ x1 , λ x2 ,…, λ xn ) ⇒ λ x, y = λ x1 y1 + … + λ xn yn = λ ( x1 y1 + … + xn yn ) = λ x, y

3) Spaţiul C ([ a , b ]) al funcţiilor continue pe un interval, cu produsul scalar definit astfel:

b
f , g = ∫ f ( x ) g ( x ) dx
a
Arătăm că aplicaţia definită astfel are proprietăţile 1° - 4° din definiţia produsului scalar.
b b
1° : f , g = ∫ f ( x ) g ( x ) dx = ∫ g ( x ) f ( x ) dx = g , f , ∀f , g ∈ C ([ a, b])
a a

2° : ∀f , g , h ∈ C ([ a , b ]) avem
b b b
f + g , h = ∫ ( f ( x ) + g ( x ) ) h ( x ) dx = ∫ f ( x ) h ( x ) dx + ∫ g ( x ) h ( x ) dx = f , h + g , h
a a a

1
 b b
3° : λ f , g = ∫ λ f ( x ) g ( x ) dx = λ ∫ f ( x ) g ( x ) dx = λ f , g , ∀f , g ∈ C ([ a , b ]) , λ ∈ R
a a
b
4° : f , f = ∫ ( f ( x ) ) dx ≥ 0 , ∀f ∈ C ([ a , b] ) (deoarece ( f ( x ) ) ≥ 0, ∀x ∈ [ a , b ] )
2 2

a
b
f , f = ∫ ( f ( x ) ) dx = 0 ⇔ ( f ( x ) ) = 0, ∀x ∈ [ a , b] ⇔ f = 0C ([a ,b])
2 2

Def. 2. Fie V un spaţiu vectorial real. Aplicaţia : V → R se numeşte normă dacă are
următoarele proprietăţi:
a) x ≥ 0, ∀x ∈ V şi x = 0 ⇔ x = 0V
b) x + y ≤ x + y , ∀x, y ∈ V (inegalitatea triunghiului)
c) λ x = λ ⋅ x , ∀x ∈V , λ ∈ R .
Un spaţiu vectorial pe care s-a definit o normă se numeşte spaţiu normat.

Fie E un spaţiu euclidian. Pentru orice x ∈ E definim x = x, x . Vom arăta că

aplicaţia : E → R definită astfel este o normă (numită norma euclidiană).

Teorema 1 (Inegalitatea Cauchy-Buniakovski-Schwartz)

Într-un spaţiu euclidian E are loc inegalitatea:
x, y ≤ x ⋅ y , ∀x, y ∈ E
Egalitatea are loc dacă şi numai dacă vectorii x şi y sunt liniar dependenţi.

Demonstraţie
Dacă x = 0 E avem egalitate: 0 E , y = 0 = 0 E ⋅ y (evident, 0 E = 0 E ,0 E = 0 ).
Dacă x ≠ 0 E atunci x = x, x > 0 . Fie y ∈ E şi λ ∈ R . Din 4° ⇒ λ x + y, λ x + y ≥ 0 .
2

Aplicând proprietăţile din definiţia produsului scalar, rezultă:

λ x + y , λ x + y = λ x , λ x + λ x , y + y , λ x + y , y = λ 2 x + 2λ x , y + y ≥ 0
2 2

Considerăm funcţia f : R → R, f ( λ ) = x λ 2 + 2 x, y λ + y .
2 2

Este o funcţie de gradul doi, avand coeficientul termenului dominant x > 0 . Conform
2

inegalităţii de mai sus, funcţia ia numai valori pozitive: f ( λ ) ≥ 0, ∀λ ∈ R . Rezultă că

trebuie să aibă discriminantul ∆ ≤ 0 :
⇒ ∆ = 4 x, y − 4 x ⋅ y ≤ 0 ⇒ x, y ≤ x ⋅ y ⇒ qed
2 2 2 2 2 2

Egalitatea are loc atunci când ∆ = 0 , deci când există λ ∈ R a. î. f (λ ) = 0 . Dar:

λ x + y, λ x + y = 0 ⇔ λ x + y = 0 E ⇔
x,y sunt liniar dependenti.

2
Teorema 2
Fie E un spaţiu euclidian. Aplicaţia : E → R, x = x, x este o normă .

Demonstraţie
Arătăm ca aplicaţia definită mai sus are proprietăţile a), b), c) din definiţia normei.
a) evidenta (din 4°).
b) x + y = x + y , x + y = x + 2 x, y + y ≤ (din inegalitatea C.B.S.)
2 2 2

≤ x +2 x y + y =( x + y )
2
⇒ x + y ≤ x + y , ∀x , y ∈ E
2 2

c) λ x = λ x, λ x = λ 2 x, x = λ ⋅ x , ∀x ∈ E , λ ∈ R

Def. 3 Fie V un spaţiu vectorial real. O aplicaţie d : V × V → R se numeşte distanţă sau

metrică pe V dacă are proprietăţile:
i) d ( x, y ) ≥ 0, ∀x, y ∈V şi d ( x, y ) = 0 ⇔ x = y
ii) d ( x, y ) = d ( y , x ) , ∀x, y ∈V
iii) d ( x, y ) ≤ d ( x, z ) + d ( z, y ) , ∀x, y , z ∈V
Un spaţiu vectorial pe care s-a definit o distanţă se numeşte spaţiu metric.

Obs. 2. Pe orice spaţiu normat se poate introduce o distanţă. Aplicaţia

d : V × V → R, d ( x, y ) = x − y
este o distanţă.

Arătăm că se verifică relaţiile i), ii), iii) din definiţia distanţei.

i) rezultă din proprietatea a) din definiţia normei
c)
ii) d ( x, y ) = x − y = − ( y − x ) = −1 y − x = y − x = d ( y , x ) , ∀x, y ∈V
ii) rezultă din inegalitatea triunghiului:
d ( x , y ) = x − y = ( x − z ) + ( z − y ) ≤ x − z + z − y = d ( x , z ) + d ( z , y ) , ∀x , y , z ∈ V
Rezultă că orice spaţiu normat este un spaţiu metric.

2. Baze ortonormate. Procedeul de ortogonalizare Gram-Schmidt

Fie E un spaţiu euclidian.

x, y x, y
Obs. 3. Din inegalitatea C.B.S. avem: ∈ [ −1,1] , ∀x, y ∈ E − {0 E }
≤1⇒
x ⋅ y x ⋅ y
Această observaţie ne permite să definim unghiul dintre doi vectori nenuli:
Def. 4 Fie x, y ∈ E − {0 E } . Unghiul dintre vectorii x şi y este numărul real θ ∈ [0, π ] a.î
x, y
cosθ =
x ⋅ y
Def. 5 Vectorii x, y ∈ E se numesc ortogonali dacă x, y = 0 . Se notează x ⊥ y .
Obs. 4. Vectorul nul e ortogonal pe orice vector : 0 E ⊥ x, ∀x ∈ E (deoarece 0 E , x = 0 )

3
Obs. 5 (Teorema lui Pitagora şi reciproca într-un spaţiu euclidian)
Doi vectori x, y ∈ E sunt ortogonali dacă şi numai dacă x + y = x + y .
2 2 2

x + y = x + y , x + y = x + 2 x , y + y = x + y ⇔ x, y = 0 adica x ⊥ y .
2 2 2 2 2

Propoziţia 1
Dacă v1 , v2 , … , vk ∈ E − {0 E } sunt vectori nenuli, ortogonali doi cate doi ( vi ⊥ v j , ∀i ≠ j ),
atunci v1 , v2 ,… vk sunt liniar independenţi.
Demonstraţie
Fie λ1 , λ2 ,… λk ∈ R a.i. λ1v1 + λ2 v2 + … + λk vk = 0 E . Rezultă că, pentru orice j = 1, k
λ1v1 + λ2 v2 + … + λk vk , v j = 0 E , v j = 0 ⇒ λ1 v1 , v j + λ2 v2 , v j + … + λk vk , v j = 0 .
2
Cum vi , v j = 0 , ∀i ≠ j ⇒ λ j v j = 0 ⇒ λ j = 0, ∀j = 1, k . Deci vectorii v1 , v2 ,… vk sunt
liniar independenţi.

Def. 6 Dacă dim E = n şi v1 , v 2 , … , v n ∈ E − {0 E } sunt n vectori nenuli, ortogonali doi

cate doi, atunci din propoziţia 1 rezultă ca sunt liniar independenţi, deci formează o bază
a lui E. O astfel de bază se numeşte bază ortogonală. O bază ortogonală în care toţi
vectorii au norma egală cu 1 se numeşte bază ortonormată. Dacă B = {e1 , e2 ,…, en } este
o bază ortonormată, atunci ei , e j = 0 , ∀i ≠ j şi ei , e j = ei = 1 , ∀i = 1, n , ceea ce se
2

poate scrie folosind simbolul lui Kronecker astfel:

0, daca i ≠ j
ei , e j = δ ij = 
1, daca i = j
Exemple de baza ortonormate:
{ }
1) Baza canonica i , j , k din V3 : i = j = k = 1 şi i ⋅ j = 0, j ⋅ k = 0, k ⋅ i = 0
2) Baza canonică din R n : B = {e1 = (1,0,...,0 ), e2 = (0,1,...,0 ),..., en = (0,0,...,1)}

Teorema 2.1 (Procedeul de ortogonalizare Gram – Schmidt)

Într-un spaţiu euclidian finit dimensional există o bază ortonormată.

Demonstraţie. Fie B = {e1 , e2 ,…, en } o bază a lui E.

I) Construim, într-o primă etapă, o baza ortogonala, B' = { f1 , f 2 ,… , f n } .
Luam: f1 = e1 ,
f 2 = e2 + α12 f1 , unde scalarul α12 se determină din condiţia ca f 2 ⊥ f1 :
e,f
f 2 , f1 = 0 ⇒ e2 + α12 f1 , f1 = 0 ⇒ e2 , f1 + α12 f1 , f1 = 0 ⇒ α12 = − 2 21
f1
f 3 = e3 + α13 f1 + α 23 f 2 , unde α13 ,α 23 se află din condiţiile f 3 ⊥ f1 şi f 3 ⊥ f 2 :

4
 e3 , f1
f 3 , f1 = 0 ⇒ e2 + α13 f1 + α 23 f 2 , f1 = 0 ⇒ e3 , f1 + α13 f1 + α 23 f 2 , f1 = 0 ⇒ α13 = −
2
2
f1
e3 , f 2
f 3 , f 2 = 0 ⇒ e2 + α13 f1 + α 23 f 2 , f 2 = 0 ⇒ e3 , f 2 + α13 f1 , f 2 + α 23 f 2 = 0 ⇒ α 23 = −
2
2
.
f2
În general, f k = ek + α1k f1 + α 2 k f 2 + …α k −1k f k , unde scalarii α ik se determină din
ek , f i
condiţiile f k ⊥ f i , i = 1, k − 1 ⇒ α ik = − 2
.
fi
Pentru k = n se obţine un sistem de n vectori orogonali (deci liniar independenţi) care
formează o bază ortogonală B′ = { f1 , f 2 ,…, f n } .
 f f f 
II) B′′ =  g1 = 1 , g 2 = 2 ,… , g n = n  este o bază ortonormată a lui E deoarece:
 f1 f2 f n 

fi fj 1 1
gi , g j = , = fi , f j = ⋅ 0 = 0 pentru i ≠ j şi
fi fj fi ⋅ f j fi ⋅ f j

fi f 1 1
gi , gi = = fi , fi = ⋅ fi = 1 , ∀i = 1, n .
2
, i 2 2
fi fi fi fi

Propoziţia 2.
Fie B = {e1 , e2 ,…en } o bază ortonormată a lui E. Atunci, oricare ar fi x, y ∈ E ,
x = x1e1 + x2 e2 + … xn en şi y = y1e1 + y2e2 + … ynen , rezultă:
xi = x, ei , i = 1, n şi
x, y = x1 y1 + x2 y2 + … xn yn

Demonstraţie
x, ei = x1e1 + x2 e2 + … xn en , ei = x1 e1 , ei + … + xi ei , ei + ... + xn en , ei = xi
0 1 0
n n
x, y = x1e1 + x2e2 + … + xn en , y1e1 + y2e2 + … + yn en = ∑xy
i , j =1
i j ei , e j = ∑ xi yi
i =1
δ ij

Ex. 1 Să se construiască o bază ortonormată în R 3 plecând de la baza

B = {e1 = (1,1,1), e2 = (1,1,−1), e3 = (1,−1,−1)} .
Să se afle coordonatele vectorului v = (2,3,1) în baza ortonormată găsită.
Soluţie
I) Construim mai întâi o bază ortogonală B' = { f1 , f 2 , f 3 } astfel:
f1 = e1 = (1,1,1)
f 2 = e2 + αf1 unde α se alege a.î. f 2 , f1 = 0 . Deci a.î. e2 + αf1 , f1 = 0 . Rezultă:
e2 , f 1 2 2 4
= − ⇒ f 2 = (1,1,−1) − (1,1,1) =  , ,− 
1 1
e2 , f 1 + α f1 , f1 = 0 ⇒ α = −
f1 , f1 3 3 3 3 3

5
f 3 = e3 + βf1 + γf 2 unde β , γ se aleg a.î. f 3 , f1 = 0 şi f 3 , f 2 = 0
e3 , f1 −1 1
Din e3 + β f1 + γf 2 , f1 = 0 ⇒ e3 , f1 + β f1 , f1 = 0 ⇒ β = − =− =
f1 , f1 3 3
4
e3 , f 2 1
Din e3 + β f1 + γf 2 , f 2 = 0 ⇒ e3 , f 2 + γ f 2 , f 2 = 0 ⇒ γ = − = − 243 = −
f2 , f2 9
2

(1,1,1) −  , , −  = (1, −1, 0) .

1 1 2 2 4
Deci f 3 = (1, −1, −1) +
3 2 3 3 3
 2 2 4 
Baza ortogonală gasită este B' =  f1 = (1,1,1), f 2 =  , ,− , f 3 = (1,−1,0 ) .
 3 3 3 
 f f f 
II) Construim baza ortonormată B" =  g1 = 1 , g 2 = 2 , g 3 = 3  ⇒
 f1 f2 f 3 
  1 1 1   1 1 2   1 1 
B" =  g1 =  , , , g 2 =  , ,− , g 3 =  ,− ,0 
  3 3 3  6 6 6  2 2 
Coordonatele α1 , α 2 , α3 ale vectorului v = (2,3,1) în baza ortonormată B" = {g1 , g 2 , g 3 } se
determină folosind propoziţia 2:
2 3 1 6
v, g1 = α1 g1 + α 2 g 2 + α 3 g3 , g1 = α1 . Deci α1 = v, g1 = + + = = 2 3.
3 3 3 3
2 3 2 3 6 2 3 2
Analog, α 2 = v, g 2 = + − = = şi α 3 = v , g 3 = − =− .
6 6 6 6 2 2 2 2

Ex. 2. Fie spaţiul polinoamelor de grad ≤ 2 , R 2 [ X ] = { f = a + bX + cX 2 a, b, c ∈ R}

1
înzestrat cu produsul scalar definit astfel: f , g = ∫ f ( x ) g ( x ) dx, ∀f , g ∈ R [ X ] .
−1
2

{
Să se construiască o bază ortonormată plecând de la f1 = 1, f 2 = X , f 3 = X 2 }
Soluţie
f 2 , f1
I) Luăm g1 = f1 = 1 şi g 2 = f 2 + αf1 a.î. g 2 , g1 = 0 ⇒ α = −
f1 , f1
1 1 1
x2
f 2 , f1 = ∫ f 2 ( x ) f1 ( x )dx = ∫ xdx = = 0 ⇒ α = 0 ⇒ g2 = f2 = X
−1 −1
2 −1

f 3 , f1 f ,f
g 3 = f 3 + β f1 + γf 2 a.î. g 3 , g1 = 0 ⇒ β = − şi g 3 , g 2 = 0 ⇒ γ = − 3 2
f1 , f1 f2 , f2
1 1 1 1
x3
f 3 , f1 = ∫ f 3 ( x ) f1 (x )dx = ∫ x dx =
2 1
2
= ; f1 , f1 = ∫ dx = 2 ⇒ β = −
−1 −1
3 −1
3 −1
3
1 1
1 1
f3 , f2 = ∫ f 3 ( x ) f 2 ( x ) dx = ∫ x dx = 0 ⇒ γ = 0 ⇒ g
3
3 = f3 − f1 = X 2 −
−1 −1
3 3

6
 g1 g g
II) Normăm baza gasită : e1 = , e2 = 2 , e3 = 3
g1 g2 g3
1
g1 = ∫ dx = 2 ⇒ g1 = 2
2

−1
1
2 2
g 2 = ∫ x 2 dx = ⇒ g2 =
2

−1
3 3
1 2 1
 1  2 1 2 4 2 8 2 2
g3 = ∫  x 2 −  dx = ∫  x 4 − x 2 +  dx = − + ⇒ g 2 = =
2

−1 
3 −1 
3 9 5 9 9 45 3 5
Baza ortonormată este :
 1 3 3 5  2 1  
 e1 = , e2 = X , e3 =  X − 
 2 2 2 2 3  

3. Transformări liniare pe spaţii euclidiene.

Matrice ortogonale şi matrice simetrice.

3.1. Matrice ortogonale. Transformari ortogonale

Def. 1 Matricea pătratică A∈ M n ( R ) se numeşte ortogonală dacă AT A = I n (sau,

echivalent, inversa este egala cu transpusa matricei: A−1 = AT ).

Obs. 1 A∈ M n ( R ) ortogonală ⇒ det A = ±1 .

Dem: AT A = I n ⇒ det ( AT A) = det AT ⋅ det A = det I n = 1 ⇒ ( det A) = 1 ⇒ det A = ±1 .
2

Obs. 2 A∈ M n ( R ) ortogonală ⇒ A−1 este matrice ortogonală.

Dem: A ortogonală ⇒ A−1 = AT ⇒ ( A−1 ) = A = ( A−1 ) ⇒ A−1 ortogonală
T −1

Obs. 3 Dacă A, B ∈ M n ( R ) ortogonale, atunci A ⋅ B este ortogonală.

Dem: ( AB ) AB = BT AT A B = BT B = I n ⇒ AB matrice ortogonală.
T

In

Propoziţia 1
Matricea A∈ M n ( R ) este ortogonală dacă şi numai dacă vectorii săi coloană formează o
bază ortonormată a lui R n (afirmaţia este adevarată şi pentru liniile matricei).

Demonstratie. Fie a1 , a2 ,… , an ∈ R n coloanele matricei A. Evident,

 a1 , a1 a1 , a2 … a1 , an 
 
a ,a a 2 , a2 a2 , a n 
A A= 2 1 . Rezulta ca AT A = I n ⇔ ai , a j = δ ij .
T
…
 … … … … 
 
 an , a1 an , a2 … an , an 
7
Exemple de matrice ortogonale:
1 0 0 1 0 0 
 1 0   1 0   cos θ − sin θ  
 0 1  ;  0 −1 ;  sin θ  ;  0 0 1  ;  0 cos θ − sin θ 
 
     cos θ     
 0 1 0   0 sin θ cos θ 
Def. 1.2 Fie E un spatiu euclidian de dimensiune n.
O transformare liniară T ∈ End (E ) se numeşte transformare ortogonală dacă
T ( x ), T ( y ) = x, y , ∀x, y ∈ E

Teorema 1
Fie B = {e1 , e2 ,… en } o baza ortonormată a spaţiului euclidian E, fie T ∈ End (E ) o
transformare liniară şi A = ATB matricea asociată lui T în baza B. Atunci:
T transformare ortogonală ⇔ A matrice ortogonală.

Teorema 2
Fie T ∈ End (E ) o transformare liniară. Atunci:
T ortogonală ⇔ T ( x ) = x , ∀x ∈ E
Demonstraţie
“ ⇒ ” T ( x ) = T ( x ), T ( x ) = x, x = x ⇒ T ( x ) = x
2 2

“ ⇐ ” Ştim că T ( x ) = x , ∀x ∈ E , arătăm că T ( x ) , T ( y ) = x, y , ∀x, y ∈ E :

T ( x + y ) = T ( x + y ) ,T ( x + y ) = T ( x) + T ( y ) ,T ( x) + T ( y ) =
2

T ( x) ,T ( x) + T ( x) ,T ( y ) + T ( y ) ,T ( x) + T ( y ) ,T ( y ) =

= T ( x) + 2 T ( x) ,T ( y ) + T ( y ) = x + 2 T ( x) ,T ( y ) + y
2 2 2 2

Dar T ( x + y ) = x + y = x + y , x + y = x + 2 x, y + y
2 2 2 2

⇒ x + 2 T ( x ) , T ( y ) + y = x + 2 x, y + y ⇒ T ( x ) , T ( y ) = x , y , qed.
2 2 2 2

Consecinţă. T transformare ortogonală ⇔ T păstrează unghiurile şi distanţele.

Demonstraţie
Fie x, y ∈ E . Ştim că d ( x, y ) = x − y . Arătăm că d ( x, y ) = d (T ( x ), T ( y )) :
d (T ( x ) , T ( y ) ) = T ( x ) − T ( y ) = T ( x − y ) = x − y = d ( x, y ) , q.e.d.
Fie θ1 unghiul dintre x şi y , şi θ 2 , unghiul dintre T ( x ) şi T ( y ) .
T ( x) ,T ( y ) x, y
cos θ 2 = = = cos θ1 ⇒ θ 2 = θ1 .
T ( x) ⋅ T ( y ) x ⋅ y

3.2. Matrice simetrice. Transformări autoadjuncte

Def. 2.1 O matrice pătratică A ∈ M n ( R ) se numeşte simetrică dacă aij = a ji , ∀i, j = 1, n .

Aşadar A este simetrică dacă şi numai dacă AT = A .
8
Propoziţia 2. Matricea A∈M n ( R ) este simetrică dacă şi numai dacă
AX , Y = X , AY , ∀X , Y ∈ R n (vectori coloană)
Demonstratie
“ ⇒ ” Fie A simetrică ⇒ AX , Y = Y T AX = Y T AT X = ( AY ) X = X , AY , ∀X , Y ∈ R n .
T

“ ⇐ ” Presupunem AX , Y = X , AY , ∀X , Y ∈ R n . Fie e1 ,… , en baza canonică a lui R n .

Luăm X = ei şi Y = e j , rezultă: Aei , e j = ei , Ae j .
Dar Aei , e j = ai , e j = a ji şi ei , Ae j = ei , a j = aij ⇒ aij = a ji , ∀i, j = 1, n .

Def. 2.2 Fie E un spaţiu euclidian de dimensiune n. Transformarea liniară T : E → E se

numeşte transformare autoadjunctă dacă:
T ( x ), y = x, T ( y ) , ∀x, y ∈ E .

Teorema 3
Fie B = {e1 , e2 ,… en } o bază ortonormată a lui E, T ∈ End (E ) o transformare liniară şi
A = ATB matricea lui T în baza B. Atunci :
T autoadjunctă ⇔ A simetrică.

Valori şi vectori proprii pentru matrice simetrice.

Teorema 4. Dacă A∈ M n ( R ) este o matrice simetrică atunci polinomul caracteristic

P(λ ) = det( A − λI n ) are toate rădăcinile reale. (Toate valorile proprii ale unei matrice
simetrice sunt reale.)

Teorema 5
Dacă A∈ M n ( R ) este o matrice simetrică, λ1 ≠ λ2 ∈ R sunt două valori proprii distincte
ale matricei şi v1 , v2 ∈ R n doi vectori proprii corespunzători acestora, atunci v1 ⊥ v2 (la
valori proprii distincte corespund vectori proprii ortogonali).

Demonstraţie
Fie v1 ,v2 vectori proprii corespunzatori valorilor proprii λ1 , λ2 ⇒ Av1 = λ1v1 , Av2 = λ2v2 .
Arătăm că v1 , v2 = 0 . Cum A este simetrică, rezultă (din propoziţia 2):
Av1 , v2 = v1 , Av2 ⇒ λ1v1 , v2 = v1 , λ2v2 ⇒ λ1 v1 , v2 = λ2 v1 , v2
⇒ ( λ1 − λ2 ) v1 , v2 = 0 ⇒ v1 , v2 = 0
≠0

Teorema 6. Dacă A∈ M n ( R ) este o matrice simetrică, atunci există o matrice

ortogonală C ∈ M n ( R ) astfel încât C T AC = D . unde D = diag ( λ1 , λ2 ,… , λn ) este
matricea diagonală formata cu valorile proprii ale lui A.

Consecinţă: Orice matrice simetrică este diagonalizabilă.

9
Ex. 3. Să se determine valorile proprii ale matricei:
 1 −1 −1
A =  −1 1 −1 .
 −1 −1 1 
 
Să se determine o matrice ortogonală C, a.î. C AC = D , unde D = matrice diagonală.
T

Soluţie
P ( λ ) = det ( A − λ I 3 ) = −λ 3 + 3λ 2 − 4 = − ( λ + 1)( λ − 2 ) .
2

Deci valorile proprii sunt: λ1 = −1, λ2 = λ3 = 2 .

Determinăm o bază ortonormată formată din vectori proprii ai matricei A. După cum se
ştie, dacă C este o matrice ce are drept coloane vectori proprii ai lui A, atunci
 λ1 0 0 
C AC =  0 λ2 0  = D
−1

0 0 λ 
 3

Dacă, în plus, vectorii proprii sunt ortonormaţi, atunci matricea C este o matrice
ortogonală, deci C −1 = C T , de unde rezultă C T AC = D .

{ }
V−1 = X ∈ R 3 ( A + I 3 ) X = 0R3 = mulţimea soluţiilor sistemului omogen
 2 −1 −1  x1   0   2 x1 − x2 − x3 = 0  x1 = α  α  
 −1 2 −1  x  =  0  ⇔  − x + 2 x − x = 0 ⇒  x = α ⇒ V =  α  α ∈ R 
  2     1 2 3  2 −1   
 −1 −1 2   x   0  − x − x + 2 x = 0  x = α  α  
  3     1 2 3  3   
Luăm vectorul propriu v1 = (1,1,1) ∈V−1 .
T

{ }
V2 = X ∈ R3 ( A − 2 I 3 ) X = 0R3 = mulţimea soluţiilor sistemului omogen
 −1 −1 −1  x1   0   x1 = α
 −1 −1 −1  x  =  0  ⇔ x + x + x = 0 ⇒  x = β ⇒
  2    1 2 3  2
 −1 −1 −1  x   0   x = −α − β
  3     3
 α    1 0 
   
V2 = 

β  α , β ∈ R  = α  0  + β  1  α , β ∈ R  .
 −α − β     −1   
       −1  
 1  
0
Vectorii v2 =  0  , v3 =  1  formează o bază a spaţiului V2 , pe care o ortogonalizăm
 
 −1  −1 
   
folosind procedeul Gram-Schmidt.
Construim v3′ = v3 + λ v2 , unde λ se alege a.î. v3′ , v2 = 0 .
1
⇒ v3 + λ v2 , v2 = 0 ⇒ v3 , v2 + λ v2 , v2 = 0 ⇒ 1 + 2λ = 0 ⇒ λ = −
2

10
 0 1  −1 1  −1
1 
⇒ v3′ = v3 − v2 = 1 −  1  1 
0 = 2 . Vectorii v2 = 0 şi v3′′ =  2  formează o
 
2          
 −1 2  −1 2  −1  −1  −1
         
bază ortogonală a lui V2 şi, din teorema 5 rezultă {v1 , v2 , v3′′} este o bază ortogonală a lui
v1 v v′′
R3 . Deci vectorii f1 = , f 2 = 2 , f 3 = 3 formează o bază ortonormată a lui R3 .
v1 v2 v3′′
Matricea C care are drept coloane vectorii f1 , f 2 , f 3 este o matrice ortogonala.
 1 1 −1 
 3 2 6
   −1 0 0 
 2 
şi C AC =  0 2 0 
1
C= 0 
T
 
3 6  0 0 2
   
 1 1 −1 
 − 
 3 2 6

3.3. Transformări ortogonale ale planului. Rotaţii şi simetrii

1) Simetria faţă de axa Ox:

Dacă M ′ ( x′, y ′) este simetricul punctului M ( x, y )
y
 x' = x
faţă de axa Ox , atunci 
y' = −y
M(x,y)  x   x   1 0  x 
Fie T1 : R 2 → R 2 , T1   =   =   
O x  y   − y   0 − 1 y 
1 0 
M’(x,-y) Matricea lui T1 în baza canonică: A1 =   este
 0 − 1
y’ o matrice ortogonală.

Un alt mod de a privi simetria faţă de axa Ox, este sa considerăm reperul xOy’, unde Oy’
este semidreapta opusă lui Oy. În acest caz, x ' = x , y ' = − y reprezintă coordonatele
punctului M în noul reper cartezian.

2) Simetria faţă de axa Oy

y Dacă M ′ ( x′, y ′) este simetricul punctului M ( x, y )
 x' = − x
fata de axa Oy , atunci 
M’(-x,y)  y' = y
M(x,y)  x   − x   − 1 0  x 
x’ O x T2 : R 2 → R 2 , T2   =   =   
 y   y   0 1  y 
 −1 0
Matricea lui T2 in baza canonică: A2 =   este
 0 1
o matrice ortogonală.

11
 3) Simetria faţă de Origine
Dacă M ′ ( x′, y ′) este simetricul punctului M ( x, y )
y
 x ' = −x
fata de Origine, atunci 
y' = −y
M(x,y)  x   − x   − 1 0  x 
T3 : R 2 → R 2 , T3   =   =   
O x  y   − y   0 − 1 y 
 −1 0 
Matricea lui T3 in baza canonică: A3 =  
M’(-x,-y)  0 − 1
este o matrice ortogonală.

Observăm ca toate aceste transformări sunt atât transformări ortogonale, cât şi

autoadjuncte (deoarece matricele A1 , A2 , A3 sunt ortogonale şi simetrice).

4) Rotaţia de unghi θ
Fie reperul x’Oy’ obţinut prin rotaţia reperului xOy
y’ y
M în jurul punctului O cu unghi θ . Fie i, j versorii
axelor Ox, Oy şi i ' , j ' versorii noilor axe Ox’, Oy’.
x’
j Determinăm matricea transformării liniare T,
j' i'
θ  T ( i ) = i ' = cos θ ⋅ i + sin θ ⋅ j
θ x
T : V2 → V2 a.i. 
O i T ( j ) = j ' = − sin θ ⋅ i + cos θ ⋅ j
 cos θ − sin θ 
⇒ A =   (1)
 sin θ cos θ 
Matricea (1) se numeşte matrice de rotaţie.
Observăm că A este o matrice ortogonală, deci şi T este o transformare ortogonală.
Dacă ( x, y ) sunt coordonatele punctului M în reperul xOy şi ( x′, y′) sunt coordonatele
punctului în reperul x′Oy′ , atunci:
OM = xi + yj = x′i '+ y ′j ' = x′ ( cos θ ⋅ i + sin θ ⋅ j ) + y ′ ( − sin θ ⋅ i + cos θ ⋅ j )
⇒ xi + yj = ( x′ cos θ − y′ sin θ ) i + ( x′ sin θ + y′ cos θ ) j
 x = x′ cos θ − y′ sin θ  x   cos θ − sin θ  x′   x′ 
⇒ ⇒ =   = A  .
 y = x′ sin θ + y′ cos θ  y   sin θ cos θ  y′   y′ 
Cum A este o matrice ortogonală, A−1 = AT , deci avem:
 x′   x   cos θ sin θ  x   x′ = x cos θ + y sin θ
⇒   = A −1   =    ⇒ 
 y′   y   − sin θ cos θ  y   y′ = − x sin θ + y cos θ

Propoziţia 3. Orice matrice ortogonală A∈ M 2 ( R ) este de forma:

 cos θ − sin θ   cos θ sin θ 
A =   sau A =   (2)
 sin θ cos θ   sin θ − cos θ 
Prima este o matrice de rotaţie, a doua reprezintă compunerea dintre o simetrie şi o rotaţie

12
Demonstraţie
Observăm că simetriile de mai sus au matricele de forma (1) sau (2):
 1 0   cos 0 sin 0   − 1 0   cos π sin π 
A1 =   =   , A2 =   =  
 0 − 1  sin 0 − cos 0   0 1   sin π − cos π 
 − 1 0   cos π − sin π 
A3 =   =   .
 0 − 1  sin π cos π 
a c   a b  a c   1 0 
Fie A =   o matrice ortogonală: AT A =    =  
b d   c d  b d   0 1 
a 2 + b2 = 1

⇒ c 2 + d 2 = 1
ac + bd = 0 ⇒ ac = −bd

Din primele două ecuaţii rezultă: a, b, c, d ∈ [− 1,1]
Presupunem a, b, c, d ≠ 0 (în caz contrar, se obţine o simetrie – discutată mai sus).
a b  a = λd
Din ultima ecuaţie rezultă: = − = λ ⇒ 
d c b = −λc
Înlocuind în prima ecuaţie rezultă λ2 = 1 ⇒ λ = ±1 ⇒
a − b a b 
A =   (dacă λ = 1 ) sau A =   (dacă λ = −1 ), cu a 2 + b 2 = 1 .
b a  b − a
Din a 2 + b 2 = 1 rezultă că există θ ∈ [ 0, 2π ] a. î. a = cosθ , b = sin θ .

Test de autoevaluare
1. În spaţiul euclidian R 4 să se calculeze produsul scalar şi normele vectorilor
x = (2,3, −1, 2) şi y = (−2, 0, 4, 4) .

2. Fie E un spaţiu euclidian şi x, y ∈ E . Stabiliţi dacă este adevarată afirmaţia:

x = y ⇔ x+ y⊥ x− y

3. În spaţiul euclidian R 3 să se găsească un vector de normă 1 ortogonal pe vectorii

v1 = ( 3, 2, −2 ) şi v2 = (1,1,0 ) . Câţi astfel de vectori există?

4. Să se construiască o bază ortonormată în R 3 pornind de la baza

B = {e1 = ( 2, 2, −1) , e2 = ( −1, 2, 2 ) , e3 = ( 2,1,2 )}

5. Sa se determine o bază ortonormată în subspaţiul vectorial S ⊂ R 4 al soluţiilor

sistemului
 x1 + x2 + 3x3 − x4 = 0

 2 x1 + x2 + 2 x3 + x4 = 0

13
Răspunsuri:
1. x, y = 2 ⋅ (−2) + 3 ⋅ 0 + (−1) ⋅ 4 + 2 ⋅ 4 = 0 . Aşadar vectorii sunt ortogonali.
x = 22 + 32 + (−1) 2 + 22 = 18 = 3 2 , y = (−2) 2 + 02 + 42 + 42 = 36 = 6 .

2. Adevărat:
x + y ⊥ x − y ⇔ x + y , x − y = 0 ⇔ x, x − x, y + y , x − y, y = x − y = 0
2 2

⇔ x = y ⇔ x = y .
2 2

În spaţiul V3 , x + y şi x − y sunt diagonalele paralelogramului construit pe vectorii x, y.

Diagonalele sunt perpendiculare dacă şi numai dacă paralelogramul este romb.

3. Fie v = ( x, y , z ) ∈ R 3 a.i. v ⊥ v1 şi v ⊥ v2 . Rezultă:

v, v1 = 3x + 2 y − 2 z = 0 şi v, v2 = x + y = 0 .
3x + 2 y − 2 z = 0
Sistemul 
x+ y=0
{
are soluţiile v = ( 2α , −2α , α ) α ∈ R . }

1
Din condiţia ca v = 1 rezultă: 4α 2 + 4α 2 + α 2 = 9α 2 = 1 ⇒ α = ±
3
 2 2 1  2 2 1
Deci există două soluţii: v =  , − ,  şi v =  − , , −  .
 3 3 3  3 3 3

4. Construim mai intâi o bază ortogonală B1 = { f1 , f 2 , f 3 } astfel:

f1 = e1 = ( 2,2, −1)
f 2 = e2 + αf1 unde α se alege a.î. f 2 , f1 = 0 . Deci a.î. e2 + αf1 , f1 = 0 . Rezultă:
e2 , f 1
e2 , f 1 + α f1 , f1 = 0 ⇒ α = − = 0 ⇒ f 2 = ( −1, 2, 2 )
f1 , f1
f 3 = e3 + βf1 + γf 2 unde β , γ se aleg a.î. f 3 , f1 = 0 şi f 3 , f 2 = 0
e3 , f1 4
Din e3 + β f1 + γ f 2 , f1 = 0 ⇒ e3 , f1 + β f1 , f1 = 0 ⇒ β = − =−
f1 , f1 9
e3 , f 2 4
Din e3 + β f1 + γ f 2 , f 2 = 0 ⇒ e3 , f 2 + γ f 2 , f 2 = 0 ⇒ γ = − =−
f2 , f2 9

( 2, 2, −1) − ( −1, 2, 2 ) =  , − ,  = ( 2, −1, 2 ) . Luăm f 3′ = ( 2, −1, 2 )

4 4 14 7 14 7
f 3 = ( 2,1, 2 ) −
9 9  9 9 9 9
deci baza ortogonală gasită este B1 = { f1 = ( 2, 2, −1) , f 2 = ( −1, 2, 2 ) , f 3′ = ( 2, −1, 2 )}

 f f f ′ 
Construim baza ortonormată B2 =  g1 = 1 , g 2 = 2 , g3 = 3  ⇒
 f1 f2 f 3′ 
 2 2 1  1 2 2  2 1 2 
B2 =  g1 =  , , −  , g 2 =  − , ,  , g 3 =  , − ,  
  3 3 3  3 3 3  3 3 3 

14
5. Notăm necunoscutele secundare, x3 = α , x4 = β şi avem:
 x1 + x2 = −3α + β  x = α − 2β
 ⇒ 1
 2 x1 + x2 = −2α − β  x2 = −4α + 3β
⇒ S = {(α − 2 β , −4α + 3β , α , β ) α , β ∈ R} = {α (1, −4,1, 0 ) + β ( −2, 3, 0,1) α , β ∈ R}
Deci {v1 = (1, −4,1, 0 ) , v2 = ( −2, 3,0,1)} este o bază a lui S. Ortogonalizăm această bază:
Luăm f1 = v1 = (1, −4,1,0 )
v2 , f 1 7
f 2 = v2 + α f1 unde α ∈ R a.i. f 2 , f1 = 0 ⇒ α = − =
f1 , f1 9

(1, −4,1,0 ) =  − , − , ,1 = ( −11, −1,7, 9 ) .

7 11 1 7 1
f 2 = ( −2, 3, 0,1) +
9  9 9 9  9
Luăm f 2′ = ( −11, −1, 7, 9 ) . Deci { f1 = (1, −4,1, 0 ) , f 2′ = ( −11, −1, 7, 9 )} bază ortogonală.

 f1 f ′ 
 g1 = , g 2 = 2  este o bază ortonormată.
 f1 f 2′ 
f1 = 1 + 16 + 1 = 18 = 3 2
f 2′ = 121 + 1 + 49 + 81 = 252 = 6 7

( −11, −1, 7, 9 )  bază ortonormată.
1 1
 g1 = (1, −4,1, 0) , g2 =
 3 2 6 7 

15