Documente Academic
Documente Profesional
Documente Cultură
Algebra Covei Carte
Algebra Covei Carte
de algebră
liniară
Colegiul ştiinţific:
Prof. univ. dr. Ion Purcaru
Prof. univ. dr. Maria Tudor
Prof. univ. dr. Aida Toma
Conf. univ. dr. Gabriela Beganu
Conf. univ. dr. Bogdan Iftimie
Dragoş-Pătru COVEI
Elemente
de algebră
liniară
Colecţia
Matematici pentru economişti
Editura ASE
Bucureşti
2015
ACADEMIA DE STUDII ECONOMICE DIN BUCUREŞTI
Editura ASE
Piaţa Romană nr. 6, sector 1, Bucureşti, România
cod: 010374
www.ase.ro
www.editura.ase.ro
editura@ase.ro
Referenţi:
Prof. univ. dr. Aida Toma
Conf. univ. dr. Bogdan Iftimie
512.64
Autorul îşi asumă întreaga responsabilitate pentru ideile exprimate, pentru originalitatea materi-
alului şi pentru sursele bibliografice menţionate.
Prima Ediţie, Ianuarie 2015
Cuprins
0.1 Prefaţă 9
1 Spaţii vectoriale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.1 Definiţia spaţiului vectorial (liniar) 11
1.2 Subspaţii vectoriale 14
1.3 Acoperire liniară a unei submulţimi. Combinaţie liniară de vectori 15
1.4 Familie de generatori 19
1.5 Familie de vectori liniar independentă/dependentă 20
1.6 Operaţii cu familii de vectori 22
1.7 Bază a unui spaţiu vectorial. Dimensiune 24
1.8 Rangul unui sistem de vectori 37
1.9 Metoda pivotului Gauss-Jordan. Lema substituţiei 38
1.10 Matricea de trecere de la un reper la altul 43
2 Operatori liniari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.1 Operatori liniari şi teoreme de izomorfism 45
2.2 Spaţiul cât 49
2.3 Suma şi intersecţia a două subspaţii vectoriale 52
2.4 Sumă directă de subspaţii vectoriale 55
2.5 Nucleul şi imaginea unui operator liniar 63
2.6 Operatori de proiecţie 71
2.7 Reprezentarea matriceală a operatorilor liniari 72
2.8 Legătura dintre operaţiile cu operatori liniari şi matricele lor 75
2.9 Modificarea matricei unui operator liniar la schimbarea reperelor 75
2.10 Valori proprii, vectori proprii şi subspaţii proprii 79
2.11 Polinoame de endomorfisme sau de matrice pătratice 81
2.12 Operator liniar diagonalizabil. Matrice diagonalizabilă 84
2.13 Forma diagonală/forma canonică Jordan a unui endomorfism 88
2.14 Forma canonică a unui operator nilpotent 89
2.15 Reper Jordan. Algoritm de jordanizare 90
8 Bibliografie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
0.1 Prefaţă 9
0.1 Prefaţă
Algebra liniară este o ramură activă a cercetărilor matematice deoarece ocupă un loc central
în aproape toate celelalte domenii ale matematicii şi, de asemenea, are aplicaţii importante în
toate ramurile ştiinţelor aplicate.
Cu toate acestea, conţinutul cursurilor de algebră liniară, necesar unui absolvent de la
ciclul licenţă, a fost restrâns de la an la an deşi aceasta este indispensabilă pentru studiile
postuniversitare şi de cercetare sau pentru aplicarea în lumea reală.
Aceste note aprofundează programa analitică a cursului şi seminarului de Algebră Liniară
ţinut de autor studenţilor din anul întâi de la Facultatea de Cibernetică, Statistică şi Informatică
Economică din cadrul Academiei de Studii Economice din Bucureşti.
Materialul este dezvoltat complet de la zero, în scopul utilizării lui ca un ghid de studiu
individual sau ca o carte de referinţă, dar într-un ritm mult mai rapid decât o algebră liniară
studiată la nivel de liceu.
Problemele dezbătute alcătuiesc o parte semnificativă a materialului, preced întotdeauna
teoremele, iar majoritatea dintre ele sunt rezolvate complet pentru a ilustra cât mai bine cadrul
teoretic.
Rareori cititorii observă că noţiunile introduse, aparent simple, ciudate şi variate, sunt de
fapt rezultatul unei lupte lungi şi dure depuse de matematicieni din întreaga lume, cu mult timp
în urmă, în scopul modelării fenomenelor din lumea reală.
Astfel, unii dintre cei mai străluciţi matematicieni au dat răspuns unor probleme aparent
simple pentru aceste timpuri, cum ar fi determinarea dimensiunii spaţiului vectorial euclidian.
Însă, toate rezultatele lor au permis să se realizeze avansul în timp al ştiinţelor, de fapt ne-a
permis, cu un efort de-al lor, să vedem mai departe decât acele minţi strălucite.
Autorul,
Conf. univ. dr. Dragoş – Pătru Covei
Academia de Studii Economice din Bucureşti
Le mulţumesc cititorilor, sperând că le este utilă această carte.
Dedic această carte copiilor mei Daria şi Rareş.
Bucureşti, 2015
1. Spaţii vectoriale
A1) x + y = y + x, ∀x, y ∈ V
A2) (x + y) + z = x + (y + z) , ∀x, y, z ∈ V
A3) ∃0V ∈ V astfel încât x + 0V = x, ∀x ∈ V
A4) ∀x ∈ V , ∃ − x ∈ V astfel încât x + (−x) = 0V
A5) (α + β ) · x = α · x + β · x ∀α, β ∈ K, ∀x ∈ V
A6) α · (x + y) = α · x + α · y ∀α ∈ K, ∀x, y ∈ V
A7) (α · β ) · x = α · (β · x) ∀α, β ∈ K, ∀x ∈ V
A8) 1·x = x ∀x ∈ V.
R Elementele corpului K se numesc scalari şi se notează cu litere ale alfabetului grec, iar
elementele K−spaţiului vectorial V se numesc vectori şi se notează cu litere ale alfabetului
latin.
R Pentru spaţiul vectorial V peste corpul K se foloseşte notaţia (V, K). Dacă K = R atunci
spaţiul vectorial (V, R) se numeşte spaţiu vectorial real, iar dacă K = C atunci spaţiul
vectorial (V, C) se numeşte spaţiu vectorial complex.
i) 0 · x = 0V ∀x ∈ V ,
ii) ∀α ∈ K avem α · 0V = 0V ,
iii) (−1) · x = −x ∀x ∈ V,
iv) α · x = 0V ⇐⇒ α = 0 sau x = 0V
v) α · (x − y) = α · x − αy ∀x, y ∈ V, ∀α ∈ K
vi) (α − β ) · x = α · x − β · x ∀α, β ∈ K, ∀x ∈ V.
(1 + 0) · x = 1 · x + 0 · x
sau echivalent
A8)
1 · x = 1 · x + 0 · x =⇒ x = x + 0 · x.
Soluţie. Elementul
Probăm A1) din Definiţia 1.1.1. Pentru aceasta observăm că pentru orice x = (x1 , ..., xn )T ∈ K
şi y = (y1 , ..., yn )T ∈ K are loc
de f
x + y = (x1 , ..., xn )T + (y1 , ..., yn )T = (x1 + y1 , ..., xn + yn )T
= (y1 + x1 , ..., yn + xn )T = (y1 , ..., yn )T + (x1 , ..., xn )T = y + x,
adică axioma A1) a fost verificată. Analog se verifică axiomele A2) − A8) ceea ce arată că
mulţimea Kn este spaţiu vectorial peste corpul K.
este un Q-spaţiu vectorial, faţă de operaţiile uzuale de adunare şi înmulţire cu un număr
raţional.
Soluţie. Se observă uşor că (V, +) este grup abelian. Fie acum λ ∈ Q şi
√ √
xi = ai + bi 2 + ci 3 unde i = 1, 2.
Avem
√ √
λ (x1 + x2 ) = λ (a1 + a2 ) + λ (b1 + b2 ) 2 + λ (c1 + c2 ) 3 = λ x1 + λ x2
fapt ce probează axioma A6) a spaţiului vectorial. Analog se probează celelalte axiome ale
spaţiului vectorial.
not C
Exerciţiu 1.1.3 Fie (V, R) spaţiul vectorial real. Pe V ×V = V se definesc operaţiile
Soluţie. Arătăm că CV, + este grup abelian. Pentru început observăm că
C
∀ (x1 , y1 ) ∈ V şi ∀ (x2 , y2 ) ∈C V =⇒ x1 , x2 , y1 , y2 ∈ V
=⇒ x1 + x2 ∈ V şi y1 + y2 ∈ V =⇒ (x1 + x2 , y1 + y2 ) ∈C V.
Pe de altă parte
A1) ∀ (x1 , y1 ) , (x2 , y2 ) ∈C V avem
1 = 1 + 0 · i =⇒ 1 · (x, y) = (1 · x − 0 · y, 0 · x + 1 · y) = (x, y) .
Cum A1)-A8) sunt verificate deducem că CV, C este spaţiu vectorial.
Exerciţiu 1.1.4 Fie spaţiul vectorial (Zn2 , Z2 ). Să se arate că ∀x ∈ Zn2 , x + x = 0Zn2 .
1+b
deoarece b 1=b
0.
R Orice spaţiu vectorial (V, K) are cel puţin două subspaţii {0V } şi V numite subspaţii
vectoriale improprii ale lui (V, K). Orice alt subspaţiu vectorial se numeşte subspaţiu
propriu.
Exemplu 1.2.1 Dacă Kn este spaţiul aritmetic n-dimensional definit în Exerciţiul 1.1.1 atunci
n o
E = x = (x1 , ..., xi−1 , 0, xi+1 , ..., xn )T x ∈ Kn
x = (x1 , ..., xi−1 , 0, xi+1 , ..., xn )T şi y = (y1 , ..., yi−1 , 0, yi+1 , ..., yn )T
∀λ , µ ∈ R, x, y ∈ S ⇒ λ x + µy ∈ S.
Dacă x = (x1 , ..., xm−1 , 0)T şi y = (y1 , ..., ym−1 , 0)T sunt elemente din S atunci
Exerciţiu 1.2.2 Dacă x ∈ Rm \{θ } este element fixat, atunci să se arate că mulţimea S =
{αx |α ∈ R } este subspaţiu vectorial în spaţiul vectorial (Rm , R).
∀λ , µ ∈ R, y, z ∈ S ⇒ λ y + µz ∈ S.
Într-adevăr, dacă
y = α1 x
, x ∈ Rm şi α1 , α2 ∈ R.
z = α2 x
sunt două elemente din S atunci
λ y + µz = λ α1 x + µα2 x = x (λ α1 + µα2 ) ∈ S
deoarece λ α1 + µα2 ∈ R.
R SpanK (A) se numeşte şi subspaţiul vectorial generat de mulţimea A şi este cel mai mic
subspaţiu vectorial al lui V ce conţine mulţimea A. În loc de SpanK (A) se mai folosesc
Exerciţiu 1.3.1 Fie (V, K) spaţiu vectorial. Dacă A = {x1 , ..., xn } ⊂ V , A 6= φ atunci să se
arate că SpanK (A) este subspaţiu vectorial al lui (V, K).
Observăm că
n n n
λ x + µy = λ ∑ αi xi + µ ∑ βi xi = ∑ (λ αi + µβi ) xi ∈ SpanK (A)
i=1 i=1 i=1
deoarece λ αi + µβi ∈ K. Am demonstrat că SpanK (A) este subspaţiu vectorial al lui V .
n o
A = (2, 2, 4)T , (2, 4, 2)T , (2, −2, 4)T ⊆ R3 .
Soluţie. A arăta că v = (16, 6, 14)T este în SpanR A revine la arăta că există a1 , a2 , a3 ∈ R astfel
încât
sau echivalent
2α1 + 2α2 + 2α3 = 16
2α1 + 4α2 − 2α3 = 6
4α1 + 2α2 + 4α3 = 14.
Se observă că acest sistem are soluţia α1 = −8, α2 = 9, α3 = 7. Am demonstrat că v este
combinaţie liniară de vectori din A şi deci se află în SpanR A.
Exerciţiu 1.3.3 Fie (M2×2 (R) , R) spaţiul vectorial al matricelor simetrice de componente
reale şi
1 0 0 1 0 0
S = SpanR , , ⊆ (M2×2 (R) , R) .
0 0 1 0 0 1
şi x = (4, −4, 16, 20)T . Să se arate că elementul x este o combinaţie liniară a elementelor
x1 , x2 , x3 .
x = γ1 x1 + γ2 x2 + γ3 x3 ,
4 10 12 20
cu soluţia
a 6 − 4a
γ1 = , γ2 = , γ3 = a.
3 3
Am demonstrat că
a 6 − 4a
x = x1 + x2 + ax3
3 3
adică x este o combinaţie liniară de x1 , x2 şi x3 .
x1 = (−2, −1, −1, −4)T , x2 = (3, −2, 12, 15)T , x3 = (−1, 3, −11, −9)T
şi x = (1, 0, 1, 0)T . Să se arate că elementul x nu este o combinaţie liniară a elementelor
x1 , x2 , x3 .
x = γ1 x1 + γ2 x2 + γ3 x3 ,
deci rang A = 3.
Matricea extinsă este
−2 3 −1 1
−2 3 −1 1
−1 −2 3 0
A
−1 −2 3 0
A= −1 12 −11 =⇒ M4 = = 14
1
−1 12 −11 1
−4 15 −9 0 −4 15 −9 0
rangA 6= rangA.
R Dacă X este o familie de generatori pentru V şi x ∈ X este o combinaţie liniară cu vectori
din X, atunci X\ {x} este o familie de generatori pentru V .
Definiţie 1.4.2 Se spune că un K-spaţiu vectorial V este de dimensiune finită, dacă V = {0V }
sau V conţine un sistem de generatori {x1 , ..., xn } în număr finit.
Exemplu 1.4.1 Spaţiul aritmetic n-dimensional Kn este de dimensiune finită, deoarece sistemul
de vectori
n o
e1 = (1, ..., 0)T , ..., en = (0, ..., 1)T
Exemplu 1.4.2 Spaţiul vectorial al funcţiilor reale, definite pe segmentul [a, b] nu este de
dimensiune finită, deoarece funcţiile f0 (t) = 1, f1 (t) = t, ..., fn (t) = t n , ... realizează o familie
de generatori, cu n ∈ N arbitrar.
Soluţie. {x1 , x2 , x3 } formează un sistem de generatori în spaţiul vectorial R3 , R dacă şi numai
Deoarece
2 2 2
det 2 2 0 = −8 6= 0
2 0 0
20 Capitolul 1. Spaţii vectoriale
sistemul (1.2) are soluţii şi prin urmare x1 , x2 , x3 formează un sistem de generatori în R3 , R .
∑ αi xi = 0V implică αi = 0 ∀i ∈ I0 .
i∈I0
R Când I este mulţime finită de indici, în loc de familie de vectori se mai foloseşte sintagma
sistem de vectori.
Exerciţiu 1.5.1 Să se arate că următoarele elemente din spaţiul vectorial R3 ,R sunt liniar
independente:
i) x1 = (−1, −1, −1)T , x2 = (−1, −2, −3)T , x3 = (−2, 1, −1)T ;
ii) x1 = (−2, 2, 2)T , x2 = (2, −2, 2)T , x3 = (2, 2, −2)T ;
iii) x1 = (3, 6, −3)T , x2 = (6, −3, 9)T .
Soluţie. i) x1 , x3 , x3 sunt liniar independente dacă o combinaţie liniară a acestor elemente dă
elementul nul rezultă toţi scalarii nuli, adică
λ1 x1 + λ2 x2 + λ3 x3 = 0R3 ⇒ λ1 = λ2 = λ3 = 0,
altfel scris,
−1 −1 −2 0
λ1 −1 + λ2 −2 + λ3 1 = 0
−1 −3 −1 0
echivalent cu sistemul
−λ1 − λ2 − 2λ3 = 0 −1 −1 −2
−λ1 − 2λ2 + λ3 = 0 =⇒ A = −1 −2 1 =⇒ det A = −5
−λ1 − 3λ2 − λ3 = 0 −1 −3 −1
ii) Privind cazul i) putem decide dacă x1 , x3 , x3 sunt liniar independente în funcţie de rangul
matricei formate din coordonatele acestor elemente:
−2 2 2 −2 2 2
A = 2 −2 2 =⇒ M3A = 2 −2 2 = 4.
2 2 −2 2 2 −2
=⇒ rangA =2 = numărul elementelor intrate în combinaţie şi deci x1 , x2 sunt liniar independente.
Exerciţiu 1.5.2 Dacă (ei )i=1,3 sunt vectori liniar independenţi în spaţiul vectorial (V, K)
atunci să se arate că vectorii
f1 = e1 , f2 = e1 + e2 , f3 = e1 + e2 + e3
Soluţie. Vectorii f1 , f2 , f3 sunt liniar independenţi în (V, K) dacă o combinaţie liniară a lor cu
scalari din K dă vectorul nul rezultă toţi scalarii sunt nuli, adică
m f1 + n f2 + c f3 = 0V =⇒ m = n = c = 0. (1.3)
Grupăm după e1 , e2 , e3
(m + n + c) e1 + (n + c) e2 + ce3 = 0V .
şi observăm că det A = 1 6= 0 implică rangA = 3 =număr de necunoscute din sistem şi în
consecinţă, sistemul (1.4) este compatibil determinat. Am demonstrat că m = n = c = 0 şi deci
f1 , f2 , f3 sunt liniar independenţi în (V, K).
22 Capitolul 1. Spaţii vectoriale
Definiţie 1.5.2 O familie de vectori X = {xi }i∈I ⊂ V se numeşte liniar dependentă dacă există
αi ∈ K, i ∈ I nu toţi nuli, astfel încât ∑ αi xi = 0V .
i∈I
Exerciţiu 1.5.3 Să se arate că următoarele elemente din R3 , R sunt liniar dependente:
Soluţie. i) x1 , x3 , x3 sunt liniar dependente dacă există λ1 , λ2 , λ3 numere reale nu toate nule
astfel încât
λ1 x1 + λ2 x2 + λ3 x3 = 0R3 ,
altfel scris,
−1 −2 −7 0
λ1 2 + λ2 −1 + λ3 4 = 0
−1 1 −1 0
echivalent cu sistemul
−λ1 − 2λ2 − 7λ3 = 0 −1 −2 −7
2λ1 − λ2 + 4λ3 = 0 =⇒ A = 2 −1 4
−λ1 + λ2 − λ3 = 0 −1 1 −1
cu rangul 1 < numărul elementelor intrate în combinaţie şi deci x1 , x2 sunt liniar dependente.
n o
S1 = (x1 , x2 , x3 )T ∈ R3 |−2x1 + 3x2 − 4x3 = 0
n o
S2 = (x1 , x2 , x3 )T ∈ R3 |−x1 + x2 − 2x3 = 0 .
ii) S1 ∩ S2 este mulţimea x = (x1 , x2 , x3 )T din R3 ale căror coordonate verifică sistemul
−2x1 + 3x2 − 4x3 = 0
−x1 + x2 − 2x3 = 0.
Matricea acestui sistem este
−2 3 −4
A= .
−1 1 −2
Un minor de ordinul 2 nenul este
−2 3
MO2 = = 1 6= 0,
−1 1
deci rang A = 2 < numărul necunoscutelor, ceea ce demonstrează că sistemul este compatibil
simplu nedeterminat, în care x1 , x2 sunt necunoscute principale, iar x3 este necunoscută secundară.
Notăm ξ3 prin α. Sistemul devine
−2x1 + 3x2 = 4α
−x1 + x2 = 2α
cu soluţiile x1 = −2α şi x2 = 0. Am obţinut
x = (−2α, 0, α)T = α(−2, 0, 1)T ,
astfel că S1 ∩ S2 = α(−2, 0, 1)T |α ∈ R = SpanR (−2, 0, 1)T .
n o n o
S1 = (x, 0)T x ∈ R şi S2 = (0, y)T y ∈ R .
Cum
(x, y)T ∈ S1 rezultă că y = 0,
T
(x, y) ∈ S2 rezultă că x = 0,
deducem că
n o
T 2
S1 ∪ S2 = (x, y) ∈ R y = 0 sau x = 0 .
Definiţie 1.6.1 Se numeşte suma unei familii {Si }i∈I de subspaţii vectoriale din spaţiul
vectorial (V, K), mulţimea
( )
de f
∑Si = ∑vi vi ∈ Si , pentru orice i ∈ I .
i∈I i∈I
Propoziţie 1.6.2 Suma unei familii de subspaţii vectoriale este un subspaţiu vectorial.
R Dacă {Si }i∈I este o familie de subspaţii vectoriale din spaţiul vectorial (V, K) atunci
∑i S = Span ∪ S i ,
i∈I i∈I
R Sistemul de vectori
n o
Bc = e1 = (1, 0, ..., 0)T , ..., en = (0, ..., 1)T
R Sistemul de vectori
B = {1, X, ..., X n }
este o bază a spaţiului vectorial real (Rn [X] ,R) al polinoamelor de grad cel mult n de
coeficienţi reali.
R Sistemul de vectori
1 ... 0 0 ... 0
Bc = e11 = ... ... ... , ...., emn = ... ... ...
0 ... 0 0 ... 1
este o bază a spaţiului vectorial real (Mm×n (R) , R) al matricelor de tip m × n cu elemente
reale.
Definiţie 1.7.2 Familia de vectori X ⊂ V este o familie liniar independentă maximală, dacă X
este liniar independentă şi, din faptul că X ⊂ Y ⊂ V rezultă că Y nu este liniar independentă.
Definiţie 1.7.3 Familia de vectori X ⊂ V este o familie minimală de generatori pentru V dacă
X este familie de generatori pentru V şi, din faptul că Y ⊂ X rezultă că Y nu este o familie de
generatori pentru V .
R Dacă pentru o bază se ţine cont şi de ordinea vectorilor în bază, atunci în locul cuvântului
bază se va folosi cuvântul reper.
Teoremă 1.7.2 — Teorema de existenţă a bazei. Fie (V, K) spaţiu vectorial finit dimen-
sional. Dacă {xi }i=1,n este sistem de generatori pentru V în care subsistemul {xi }i=1,r , r ≤ n,
este liniar independent, atunci există o bază B a lui V astfel încât
w = λ1 x1 + λ2 x2 + λ3 x3 + λ4 x4 . (1.5)
26 Capitolul 1. Spaţii vectoriale
nenul, deducem că sistemul este compatibil nedeterminat, astfel că orice vector w ∈ R3 se poate
exprima cu vectorii din S, ceea ce înseamnă că S este sistem de generatori.
ii) Vectorii x1 , x2 , x3 sunt exprimaţi în baza canonică {e1 , e2 , e3 } din R3 , astfel x1 = e1 + e2 −
2e3 , x2 = −e2 + e3 , x3 = −2e1 − e2 − e3 .
Determinantul coordonatelor este 4 diferit de
0 3
zero şi ca atare x1 , x2 , x3 sunt liniar independenţi.
Mai mult, S = {x1 , x2 , x3 } este bază în R , R .
Teoremă 1.7.3 Într-un spaţiu vectorial finit dimensional orice două baze au acelaşi număr de
elemente.
Definiţie 1.7.4 Numărul elementelor unei baze a spaţiului vectorial (V, K), de dimensiune
finită, se numeşte dimensiunea spaţiului. În cazul când (V, K) nu este de dimensiune finită, se
spune că (V, K) este infinit dimensional.
Definiţie 1.7.5 Fie (V, K) spaţiu vectorial finit dimensional. Dimensiunea lui (V, K) este
prin definiţie egală cu numărul de vectori dintr-o bază a acestuia. Pentru a pune în evidenţă
dimensiunea spaţiului vectorial finit dimensional (V, K) se foloseşte notaţia dimK V .
R Evident dimK {0V } = 0 deoarece mulţimea vidă, {φ } , este o bază pentru el.
R Pe orice spaţiu vectorial complex V se obţine o structură naturală de spaţiu vectorial real
prin restricţia scalarilor şi dimR V = 2 dimC V .
1.7 Bază a unui spaţiu vectorial. Dimensiune 27
Exerciţiu 1.7.2 Fie spaţiile vectoriale (C,R),(R,R) şi (C,C). Să se calculeze dimR R, dimR C
şi dimC C.
Soluţie. Vom arăta că dimR R =1. Pentru aceasta este suficient să determinăm o bază în (R, R).
Observăm că B1 = {1} este o bază în (R, R). Într-adevăr,
rezultate care probează că B1 = {1} este o bază în (R, R). Deducem că dimR R =numărul de
elemente ale bazei B1 =1.
Vom arăta că dimR C =2. Pentru aceasta este suficient să determinăm o bază în (C, R).
Observăm că B2 = {1, i} este o bază în (C, R). Într-adevăr,
rezultate care probează că B2 = {1, i} este o bază în (C, R). Din teorie deducem că dimR C =
numărul de elemente ale bazei B2 =2.
Determinăm dimC C.
Metoda 1. Determinăm o bază în (C, C). Observăm că B3 = {1} este o bază în (C, C).
Într-adevăr,
rezultate care probează că B3 = {1} este o bază în (C, C). Deducem că dimC C = numărul de
elemente ale bazei B3 =1.
Metoda 2. Cunoaştem că dimR C = 2·dimC C =⇒ dimC C = 12 dimR C = 22 = 1 (G = {1, i, x, ix}
baza!).
Exerciţiu 1.7.3 Fie (V = C1 [X] , C) spaţiul vectorial al polinoamelor de grad cel mult 1
de coeficienţi numere complexe şi nedeterminată X iar (V = C1 [X] , R) spaţiul vectorial
al polinoamelor de grad cel mult 1 de coeficienţi numere reale şi nedeterminată X. Să se
calculeze dimC V şi dimR V .
Soluţie. Evident dimC C1 [X] =2 deoarece B = {1, X} este baza canonică în (V, C). Într-adevăr,
{1, X} este sistem de generatori: ∀p ∈ C1 [X] are loc p (X) = a0 · 1 + a1 · X cu a0 , a1 scalari din
spaţiul complex C. Pe de altă parte {1, X} este sistem liniar independent:
prin identificarea coeficienţilor. O altă bază în (V, C) este B = {2015, 2015 · X}.
Mai mult, observăm că dimR C1 [X] = 2 dimC C1 [X] = 2 · 2 = 4.
Exerciţiu 1.7.4 Să se arate că dimR P [X] = ∞ unde (P [X] , R) este spaţiul vectorial real al
tuturor polinoamelor cu coeficienţi reali.
Pe de altă parte
pentru i1 < ... < i p arbitrari şi λi1 X i1 + ... + λi p X i p = 0 avem λi1 = ... = λi p = 0
adică X i1 , ..., X i p este liniar independentă.
Cum i1 , ..., i p sunt arbitrari deducem că {p0 (X) , p1 (X) , ..., pn (X) , ..} este liniar indepen-
dentă şi deci bază. Am demonstrat că dimR P [X] = ∞.
S = {(x1 , x2 , x3 )T ∈ R3 |−x1 + x2 − x3 = 0 } ⊂ R3 , R
şi să se pună în evidenţă o bază a lui S. Să se determine coordonatele elementului x =
(1, 3, 2)T ∈ S în baza B.
Dacă există numerele reale λ1 , λ2 unic determinate astfel încât y = λ1 (1, 1, 0)T +λ2 (−1, 0, 1)T
atunci xB = (λ1 , λ2 )T reprezintă coordonatele elementului x în baza B.
Relaţia din care se determină aceste numere este echivalentă cu sistemul
λ1 − λ2 = 1
λ1 = 3
λ2 = 2
de elementele
x1 = (−1, 2, 1)T , x2 = (−2, −3, 1)T , x3 = (−3, −1, 2)T , x4 = (1, 5, 0)T .
Exerciţiu 1.7.7 Să se găsească dimensiunea şi o bază a subspaţiului soluţiilor sistemului:
α1 + 2α2 + 2α3 − α4 + 3α5 = 0
α1 + 2α2 + 3α3 + α4 + α5 = 0
3α1 + 6α2 + 2α3 + 7α4 + 5α5 = 0.
3 6 2 7 5 6 2 7
Cu soluţia
11 1 2 2
α2 = − b − a, α4 = b, α3 = b .
6 2 3 3
Am obţinut dimR S = 5 − 3 = 2. Din
α1 1 0
α2 −1 − 11
2 6
α3 = a 0 + b 2
3
α4 0 2
3
α5 0 1
Exerciţiu 1.7.8 Să se stabilească dacă următoarele submulţimi ale lui Rn constituie sau nu
subspaţii ale lui (Rn , R), n ≥ 2. În caz afirmativ, să se determine câte o bază şi dimensiunea
fiecărui subspaţiu
n o
b1) X = x = (x1 , ..., xn )T x1 ∈ Z, xi ∈ R, i ≥ 2 ,
n o
b2) Y = x = (x1 , ..., xn )T x1 = x2 , xi ∈ R, i = 1, n .
∀α, β ∈ R şi x, y ∈ X =⇒ αx + β y ∈ X.
Fie
1
α = ∈ R, x = (x1 , x2 ..., xn )T cu x1 = 2 ∈ Z şi xi ∈ R, i ≥ 2.
3
β = 0, y = (y1 , y2 ..., yn )T cu y1 ∈ Z şi yi ∈ R, i ≥ 2.
30 Capitolul 1. Spaţii vectoriale
Se observă că
1
αx + β y = (2, x2 ..., xn )T + 0 · (y1 , y2 ..., yn )T
3
2 x2 xn T 2 x2 xn T
= , ..., + 0Rn = , ..., ∈
/ X,
3 3 3 3 3 3
adică, X nu este subspaţiu vectorial în (Rn , R). Probăm că Y este subspaţiu vectorial în (Rn , R).
Fie
α, β ∈ R şi x = (x1 , ..., xn )T ∈ Y cu x1 = x2
α, β ∈ R şi y = (y1 , ..., yn )T ∈ Y cu y1 = y2 .
Observăm
αx + β y = α (x1 , x2 , ..., xn )T + β (y1 , y2 , ..., yn )T
= (αx1 + β y1 , αx2 + β y2 , ..., αxn + β yn )T ∈ Y
deoarece (x1 = x2 şi y1 = y2 ) =⇒ αx1 + β y1 = αx2 + β y2 . Ceea ce demonstrează că Y este
subspaţiu vectorial în (Rn , R).
Determinăm o bază în Y . În acest sens, fie x = (x1 , ..., xn )T ∈ Y cu x1 = x2 . Deoarece x1 = x2
putem scrie
x = (x1 , x1 , x3 , ..., xn )T = x1 (1, 1, 0..., 0)T + x3 (0, 0, 1..., 0)T + ... + xn (0, 0, ..., 1)T .
Fie
n o
E = (1, 1, 0..., 0)T , (0, 0, 1..., 0)T , ..., (0, 0, ..., 1)T .
Cu această notaţie x ∈ Span (E). Dimensiunea lui Y este dată de numărul elementelor unei
baze din Span (E). Construim matricea A de tip n × (n − 1) având drept coloane coordonatele
vectorilor lui E:
1 0 ... 0
1 0 ... 0
A= 0 1 ... 0 .
... ... ... ...
0 0 ... 1
Cum rangul matricei poate fi cel mult egal cu n − 1, iar pe de altă parte
1 0 ... 0
0 1 ... 0
... ... ... ... = 1 6= 0
0 0 ... 1
este familie liniar independentă maximală şi în concluzie, bază în Y . Am demonstrat că dimR Y =
n − 1.
Lemă 1.1 — Lema de completare. Într-un spaţiu vectorial de dimensiune finită orice sistem
de vectori liniar independenţi poate fi extins la o bază.
1.7 Bază a unui spaţiu vectorial. Dimensiune 31
T T
Exerciţiu 1.7.9 Să se completeze vectorii x1 = (1, 0, 1) şi x2 = (2, 1, 4) până la o bază a
lui R3 .
Soluţie. Cum dimR R3 = 3 trebuie determinat vectorul x3 = (a, b, c)T astfel încât x1 , x2 , x3 să fie
liniar independenţi. Or, echivalent, matricea
1 2 a
A= 0 1 b
1 4 c
trebuie să aibă rangul 3. Observăm că rangA = 3 pentru o infinitate de valori ale lui a, b, c. Cum
ne interesează să adăugăm un singur vector, x3 , putem considera x3 = (0, 0, 2015)T .
şi
n o
S2 = Span (1, 1, 3)T , (1, −1, −1)T
Am obţinut că
n o bază n o bază
B1 = (1, 0, 1)T , (0, 1, 2)T ⊂ S1 şi B2 = (1, 1, 3)T , (1, −1, −1)T ⊂ S2 .
(1, 0, 1)T = a (1, 1, 3)T + b (1, −1, −1)T ⇐⇒ (1, 0, 1)T = (a + b, a − b, 3a − b)T
(0, 1, 2)T = a (1, 1, 3)T + b (1, −1, −1)T ⇐⇒ (0, 1, 2)T = (a + b, a − b, 3a − b)T
(1, 1, 3)T = a (1, 0, 1)T + b (0, 1, 2)T ⇐⇒ (1, 1, 3)T = (a, b, a + 2b)T
(1, −1, −1)T = a (1, 0, 1)T + b (0, 1, 2)T ⇐⇒ (1, −1, −1)T = (a, b, a + 2b)T
Din (1.9) şi (1.10) deducem că S2 ⊆ S1 . Cum (S1 ⊆ S2 şi S1 ⊇ S2 ) au loc, deducem că S1 = S2 .
Metoda 2. Arătăm că S1 = S2 . Este suficient să demonstrăm că
i) dimR S1 = dimR S2
ii) S1 ⊆ S2
fapt ce implică S1 = S2 (Într-adevăr, orice bază a lui S1 poate fi extinsă până la o bază a lui S2 .
Deoarece dimR S1 = dimR S2 rezultă că orice bază a lui S1 este în acelaşi timp bază a lui S2 ). În
acest sens, observăm că
T bază
n o
T
B1 = (1, 0, 1) , (0, 1, 2) ⊂ S1 =⇒ dimR S1 = 2
n o bază
B2 = (1, 1, 3)T , (1, −1, −1)T ⊂ S2 =⇒ dimR S2 = 2
=⇒ dimR S1 = dimR S2 adică i) este îndeplinit. Rămâne să probăm ii). Dacă x ∈ S1 atunci
α1 (1, 0, 1)T + α2 (0, 1, 2)T = β1 (1, 1, 3)T + β2 (1, −1, −1)T (1.11)
Pe de altă parte
1 1 α1
A = 1 −1 α2 cu rangA = 2.
3 −1 α1 + 2α2
Cum rangA = 2 = rangA deducem că (1.12) este compatibil şi deci S1 ⊆ S2 . Am probat că i), ii)
sunt adevărate şi deci S1 = S2 .
Teoremă 1.7.4 — Teorema de caracterizare a bazei. Fie (V, K) spaţiu vectorial finit
dimensional nenul. Un sistem de vectori B = {x1 , ..., xn } este bază a lui V dacă şi numai dacă
pentru orice x ∈ V există şi sunt unici α1 , ..., αn ∈ K astfel încât x = α1 x1 + ... + αn xn .
34 Capitolul 1. Spaţii vectoriale
Demonstraţie. "⊂" Cum B este bază a lui V deducem că este şi sistem de generatori pentru V .
Aşadar, pentru orice x ∈ V există α1 , ..., αn ∈ K astfel încât
x = α1 x1 + ... + αn xn . (1.13)
x = β1 x1 + ... + βn xn . (1.14)
α1 x1 + ... + αn xn = β1 x1 + ... + βn xn
sau echivalent
x = α1 x1 + ... + αn xn .
α1 x1 + ... + αn xn = 0V = 0 · x1 + ... + 0 · xn .
Ţinând cont că scrierea lui 0V este unică deducem că α1 = ... = αn = 0.
R Într-un spaţiu vectorial n−dimensional, un sistem format din n vectori liniar independenţi
formează o bază.
R Scalarii α1 , ..., αn ∈ K din relaţia (1.13) se numesc coordonatele vectorului x în baza B, iar
vectorul xB = (α1 , ..., αn )T se numeşte vectorul coordonatelor lui x în baza B.
Exerciţiu 1.7.11 Să se arate că elementele x1 = (3, 3, 3)T , x2 = (3, 3, 0)T , x3 = (3, 0, 0)T con-
stituie o bază B a spaţiului vectorial R3 ,R . Să se determine coordonatele elementelor
x = (12, −9, 6)T şi y = (a, b, c)T în baza B.
x = λ1 x1 + λ2 x2 + λ3 x3
1.7 Bază a unui spaţiu vectorial. Dimensiune 35
având soluţia
1 1 3 1 1 3 1 3 1
λ1 = γ − β − α, λ2 = α − β − γ, λ3 = − α − β − γ,
4 4 4 4 4 4 4 4 4
deci
1 1 3 1 1 3 1 3 1
xB = ( γ − β − α, α − β − γ, − α − β − γ)T .
4 4 4 4 4 4 4 4 4
36 Capitolul 1. Spaţii vectoriale
Exerciţiu 1.7.14 Pentru spaţiul liniar al polinoamelor de grad cel mult n şi coeficienţi reali:
(Pn [X] , R) să se determine coordonatele polinomului
p (x) = a0 + a1 X + a2 X 2 + ... + an X n
n o
B1 = 1, X − a, (X − a)2 , ..., (X − a)n .
Teoremă 1.8.1 — Teorema rangului. Pentru o matrice rangul sistemului de vectori linie
este egal cu rangul sistemului de vectori coloană.
Definiţie 1.8.2 Rangul comun al sistemelor de vectori linii sau coloane ale unei matrice se
numeşte rangul ei.
R Dacă A ∈ Mn,m (R) este nenulă cu rangul p ≤ min (m, n) şi determinantul principal ∆ p
atunci coloanele corespunzătoare lui ∆ p (respectiv liniile) sunt liniar independente în
(Rn , R) (respectiv (Rm , R)) iar restul coloanelor matricei sunt combinaţii liniare ale lor.
R Prin transformări elementare aplicate sistemului de vectori linie sau coloane, rangul unei
matrice nu se modifică.
R Prin transformări elementare asupra liniilor şi coloanelor, orice matrice A poate fi transfor-
mată într-o matrice B, având toate elementele nule cu excepţia primelor r elemente de pe
diagonala principală, care să fie egale cu 1. Matricea A are atunci rangul r.
R Familia de vectori {x1 , ..., xn } a spaţiului vectorial real (Rn , R) este liniar independentă
dacă şi numai dacă rangul matricei ce are pe coloane componentele vectorilor x1 , ..., xn are
rangul n.
R Familia de vectori {x1 , ..., xn } a spaţiului vectorial real (Rn , R) este liniar dependentă
dacă şi numai dacă rangul matricei care are pe coloane (sau linii) componentele vectorilor
{x1 , ..., xn } are rangul k mai mic decât n. Mai mult, orice subfamilie a acesteia care conţine
vectori ce au componente într-un minor de ordinul k, nenul este liniar independentă.
Numărul maxim de elemente al unei subfamilii liniar independente este egal cu rangul k al
matricei.
Exerciţiu
1.8.1 Să se determine rangul următoarelor sisteme de elemente din spaţiul vectorial
R3 ,R :
Soluţie. A determina rangul unui sistem de elemente este echivalent cu a determina rangul
matricei coordonatelor elementelor ce alcătuiesc sistemul, aşadar
−2 4 2
−2 4
AS1 = 2 −2 0 =⇒ M2 = = −4 6= 0 şi det (AS ) = 0
2 −2 1
0 2 2
38 Capitolul 1. Spaţii vectoriale
argumente ce implică AS1 are rangul 2 deci şi S1 are rangul 2. Analog,
0 1 1
AS2 = 1 0 1 are rangul 3 deci şi S2 are rangul 3.
1 1 0
1 −1 2 2
AS3 = 2 1 −1 2 are rangul 3 deci şi S3 are rangul 3.
1 −1 3 3
1 −1 2
AS4 = 2 −2 4 are rangul 1 deci şi S4 are rangul 1.
−1 1 −2
Exerciţiu 1.8.2 Să se pună în evidenţă elementele liniar independente din mulţimea S =
3 T T
{x1 , x2 , x3 } din spaţiul vectorial R ,R unde x1 = (2, −1, −3) , x2 = (−1, 2, 1) , x3 =
(1, 1, −2)T .
Soluţie. Deoarece rangul matricei sistemului S este 2 deducem că nu putem avea elemente liniar
independente decât 2 câte 2 sau câte un element. Se observă că {x1 }, {x2 },{x3 }, {x1 ,x2 } , {x1 ,x3 }
şi {x2 ,x3 } verifică cerinţa problemei.
Teoremă 1.8.2 — Teorema schimbului a lui Steinitz. Dacă (V, K) este spaţiu vectorial cu
dimK V ∈ N∗ , I = {v1 , ..., vr } ⊂ V este sistem liniar independent, iar G = {u1 , ..., um } ⊂
este sistem de generatori
V pentru V atunci există i1 , ..., im−r ∈ {1, 2, ..., m} astfel încât
v1 , ..., vr , ui1 , ..., uim−r este sistem de generatori pentru V .
n o
T
Exemplu 1.8.1 Fie spaţiul vectorial R2 ,R . Evident I = v1 = (1, 2) ⊂ R2 ,R este sis-
n o
tem liniar independent iar G = u1 = (2, 2)T , u2 = (2, 4)T ⊂ R2 ,R este sistem de generatori
n o
însă se constată că v1 = (1, 2)T ,u1 = (2, 2)T ⊂ R2 ,R este sistem de generatori, dar
n o
v1 = (1, 2)T ,u2 = (2, 4)T ⊂ R2 ,R
Are loc:
i) Dacă F = {a1 , ..., ai−1 , x, ai+1 , ..., an } este bază pentru V , atunci ξi 6= 0.
ii) Dacă ξi 6= 0 atunci F = {a1 , ..., ai−1 , x, ai+1 , ..., an } este bază pentru V şi avem
unde ηi∗ = ηi
ξi
şi η ∗j = η j − ηξii ξ j , j 6= i, j = 1, n.
1.9 Metoda pivotului Gauss-Jordan. Lema substituţiei 39
Demonstraţie. i) "⊂" (Necesitatea). Fie F bază pentru V . Dacă prin absurd ξi = 0 atunci
sau echivalent ξ1 a1 + ... + ξi ai + (−1) x + ξi+1 ai+1 + ... + ξn an = 0V relaţie care arată că vectorii
din F sunt liniar dependenţi. Or, aceasta este o contradicţie cu F bază pentru V . Deci ξi 6= 0.
ii) "⊃" (Suficienţa). Presupunem ξi 6= 0 şi fie combinaţia liniară
ce implică
λi ξi = 0
=⇒ λi = 0 şi, respectiv λ j = 0
λ j + λi ξ j = 0, j 6= i
adică vectorii a1 , ..., ai−1 , x, ai+1 , ..., an formează o bază în V (sunt liniar independenţi şi sunt în
număr de n = dimK V ). Coordonatele vectorului y în raport cu baza F se obţin astfel:
n
y = η1∗ a1 + ... + ηi∗ ∑ ξ j a j + ... + ηn∗ an = (η1∗ + ηi∗ ξ1 ) a1 + ... + ηi∗ ξi ai + ... + (ηn∗ + ηi∗ ξn ) an
j=1
adică
η1 = η1∗ + ηi∗ ξ1 ... η1∗ = η1 − ηξii ξ1
formule care determină
... ...
noile coordonate ale
ηi = ηi∗ ξi =⇒ ηi∗ = ηξii
vectorului y ∈ V în
... ... ...
raport cu baza F din V .
η = η ∗ + η ∗ξ
η ∗ = η − ηi ξ
n n i n n n ξi n
R Aplicaţii ale lemei substituţiei sunt: rezolvarea sistemelor de ecuaţii liniare, calculul
inversei unei matrice, determinarea rangului unei matrice, extragerea unei baze dintr-un
sistem de generatori, determinarea coordonatelor unui vector într-o bază etc. În rezolvarea
acestor probleme ea se reprezintă astfel
B x y B x y
a1 0 η1∗ = ξi η1 ξ−ηi ξ1 (ξi se numeşte
a1 ξ1 η1 i pivot iar procedura
... ... ... ... ... ...
=⇒ se numeşte metoda
ai ξi 6= 0 ηi x 1 η1∗ = ηi /ξi
pivotului a lui
... ... ... ... ... ...
Gauss-Jordan)
an ξn ηn an 0 ηn∗ = ηn ξi ξ−ηi ξn
i
n o
E = a1 = (3, 1, −1)T , a2 = (1, 2, −2)T , a3 = (2, −1, 3)T
şi vectorul x = 2a1 + 3a2 − a3 . Să se calculeze coordonatele lui x faţă de baza F = {b1 , b2 , b3 }
40 Capitolul 1. Spaţii vectoriale
unde
deducem că
18/5 1/5 −11/5
A−1 = −7/5 1/5 4/5 .
−8/5 −1/5 6/5
Aşadar
18/5 1/5 −11/5 2 10
xF = (A)−1 xE = −7/5 1/5 4/5 3 = −3 .
−8/5 −1/5 6/5 −1 −5
Exerciţiu 1.9.2 Folosind metoda pivotului, să se determine rangul următoarei matrice:
1 3 1 −2 −3
1 4 3 −1 −4
A= .
2 3 −4 −7 −3
3 8 1 −7 −8
1.9 Metoda pivotului Gauss-Jordan. Lema substituţiei 41
Exerciţiu 1.9.3 Să se determine, cu ajutorul metodei pivotului, a ∈ R astfel încât sistemul
α1 + 2α2 − 3α3 + α4 = 1
3α1 + α2 + α3 − 2α4 = 3
3α1 − 4α2 + 11α3 − 7α4 = a
Din tabel observăm că sistemul este compatibil dacă şi numai dacă a = 3. (În acest caz rangul
matricei sistemului ar fi egal cu rangul matricei extinse).
n o
ii) Să se arate că B = x1 = (1, 1, 2)T , x2 = (1, 2, 1)T , x3 = (1, −1, 2)T formează o bază
în R3 ,R şi să se determine coordonatele lui x = (8, 3, 7)T în baza B.
42 Capitolul 1. Spaţii vectoriale
1 1 1 1
iii) Să se calculeze A−1 ·C unde A = iar C = .
1 2 1 3
i) α1 α2 α3 Termenul liber
e1 1 1 1 8
e2 1 2 -1 3 C1A C2A C1C C2C
e3 2 1 2 7 e1 1 1 1 1
α1 1 1 1 8 e2 1 2 1 3
e2 0 1 -2 -5 C1A 1 1 1 1
iii)
e3 0 -1 0 -9 =⇒ e2 0 1 0 2
α1 1 0 3 13 C1A 1 0 1 -1
α2 0 1 -2 -5 C2A 0 1 0 2
e3 0 0 −2 -14 1 −1
=⇒ A−1C = .
α1 1 0 0 -8 0 2
α2 0 1 0 9
α3 0 0 1 7
obţinem α1 = −8, α2 = 9, α3 = 7.
ii) Din i) punctul i) rezultă că rangul matricei formată cu vectorii x1 , x2 , x3 este 3. Aşadar B
este o familie liniar independentă. Cum dimR R3 = 3 deducem că B este şi sistem de generatori.
Am demonstrat că B = {x1 , x2 , x3 } este bază în R3 , fapt ce rezulta direct din Lema substituţiei!
Vectorul coordonatelor lui x în baza B este xB = (−8, 9, 7)T .
x1 = (1, −1, 2)T , x2 = (2, −3, 1)T , x3 = (3, −4, 3)T , x4 = (−1, 2, 1)T , x5 = (2, −2, 4)T , să se
pună în evidenţă o bază B a lui S şi să determine coordonatele lui x5 în baza B.
Baza x1 x2 x3 x4 x5
e1 1 2 3 -1 2
e2 -1 -3 -4 2 -2
e3 2 1 3 1 4
x1 1 2 3 -1 2
e2 0 −1 -1 1 0
e3 0 -3 -3 3 0
x1 1 0 1 1 2
x2 0 1 1 -1 0
e3 0 0 0 0 0
deducem că dimensiunea lui S este 2, că B = {x1 , x2 } este o bază a lui S şi (x5 )B = (2, 0)T .
T
Exerciţiu 1.9.6 Fie m ∈ R şi X = SpanR ({b2 , b3 , b4 }) ⊂ R3 , R unde b1 = (5, 2, 3) , b2 =
T T T
(0, 1, −1) , b3 = (2, −1, 3) , b4 = (m, 0, 2) .
i) Arătaţi că X este subspaţiu vectorial în R3 , R şi determinaţi dimensiunea sa.
b1 într-un reper al lui (X, R) format doar cu vectori din {b2 , b3 , b4 } în situaţia în care m = 2.
Soluţie. i) Fie v1 , v2 ∈ X şi α, β ∈ R. Din v1 , v2 ∈ X rezultă că există α11 , α12 , α13 , α21 , α22 , α23 ∈ R
astfel încât v1 = α11 b2 + α12 b3 + α13 b4 şi v2 = α21 b2 + α22 b3 + α23 b4 . Astfel că,
Desigur, având în vedere conţinutul de la punctul ii) este recomandat ca, pentru simplificarea
calculelor viitoare, să extragem o bază din X folosind metoda de pivotare Gauss-Jordan:
↓ ↓ ↓
b2 b3 b4 b1
←−e1 0 2 m 5 linia pivotului
e2 1 -1 0 2
e3 -1 3 2 3
b3 0 1 m/2 5/2 linia pivotului se împarte la pivot
∗ ∗ 2·0−(−1)∗m m 2 m
←−e2 1 0 9/2 = 2 = 2 dreptunghi
-1 0
. e3 -1 0 (4-3m)/2 -9/2
∗∗ = m
∗∗ 1·(m/2)−(0)∗(m/2) m 0 m/2
b3 0 1 2 5/2 = 1 = 2 dreptunghi
1 m/2
b2 1 0 m/2 9/2
Dacă m = 2 ne oprim.
←−e3 0 0 2-m 0
Presupunem m 6= 2 şi continuăm tabelul.
b3 0 1 0 5/2
b2 1 0 0 9/2
b4 0 0 1 0
Discuţie:
Caz 1: Dacă m = 2. Cum în baza canonică {e1 , e2 , e3 } a intrat b3 , b2 deducem că {b2 , b3 }
este sistem liniar independent. În plus, X = SpanR ({b2 , b3 }) deducem că B1 = {b2 , b3 } este
bază în X şi deci dimR X = 2.
Caz 2: Dacă m 6= 2. Cum în baza canonică {e1 , e2 , e3 } a intrat b2 , b3 , b4 deducem că
{b2 , b3 , b4 } este sistem liniar independent. În plus, X = SpanR ({b2 , b3 , b4 }) deducem că B2 =
{b2 , b3 , b4 } este bază în X şi deci dimR X = 3.
ii) Pentru m = 2 am văzut că din vectorii b2 , b3 , b4 doar B1 = {b2 , b3 } este bază în X. Astfel
că, (b1 )B1 = (9/2, 5/2)T . Remarcăm, în plus, că pentru m 6= 2 avem baza B2 = {b2 , b3 , b4 } şi
deci (b1 )B2 = (9/2, 5/2, 0)T .
este
α11 ... αn1
AE,F = ... ... ... . (1.16)
α1n ... αnn
Cum reprezentarea vectorului x în reperul B este unică deducem că αi = ∑nj=1 β j α ji pentru orice
i = 1, ..., n, ori în scrierea matriceală, relaţie echivalentă cu xE = AE,F · xF . Rezolvând ecuaţia
matriceală în raport cu xF , obţinem xF = (AE,F )−1 xE .
2. Operatori liniari
R Notăm prin LK (U,V ) sau prin HomK (U,V ) mulţimea tuturor morfismelor f : U → V .
Dacă U = V atunci f se numeşte endomorfism al lui U.
Teoremă 2.1.1 Fie (V1 , K) şi (V2 , K) spaţii vectoriale peste acelaşi corp K. Dacă pe mulţimea
LK (V1 ,V2 ) considerăm operaţiile
unde f , g ∈ LK (V1 ,V2 ) iar α ∈ K, atunci (LK (V1 ,V2 ) , K) are o structură de spaţiu vectorial în
raport cu operaţiile definite.
Definiţie 2.1.2 Fie (U, K), (V, K) spaţii vectoriale cu dimK U = n ∈ N∗ , respectiv dimK V =
reper reper
m ∈ N∗ , f : U → V operator liniar, E1 = {x1 , ..., xn } ⊂ U iar E2 = {y1 , ..., ym } ⊂ V .
not ăm
Matricea A = [A]Ef 1 ,E2 ale cărei coloane sunt coordonatele vectorilor f (x1 ) , ..., f (xn ) în
raport cu reperul E2 se numeşte matricea lui f în raport cu reperele E1 şi E2 .
not ăm
R Dacă U = V atunci E1 = E2 şi A = [A]Ef 1 matricea lui f în raport cu reperul E1 .
Exerciţiu 2.1.2 Considerăm spaţiile vectoriale Rk , R şi (Rn , R). Presupunem că f : Rk →
Soluţie. i) Folosim faptul că {v1 , v2 , v3 } ∈ Rk este sistem liniar dependent, adică
c1 v1 + c2 v2 + c3 v3 = 0Rk =⇒ există c1 , c2 , c3 nu toţi nuli.
Cum f este aplicaţie liniară deducem că
f (c1 v1 + c2 v2 + c3 v3 ) = f (0Rk ) = 0Rn
sau echivalent
c1 f (v1 ) + c2 f (v2 ) + c3 f (v3 ) = 0Rn .
Ţinând cont că c1 , c2 , c3 nu sunt toţi nuli deducem că { f (v1 ) , f (v2 ) , f (v3 )} ∈ Rn este sistem
liniar dependent şi deci propoziţia este adevărată.
ii) Propoziţia este falsă. Într-adevăr, fie f : R3 → R3 definită prin f (v) = (0, 0, 0)T pentru
orice v = (v1 , v2 , v3 )T ∈ R3 . Evident,
n o
e1 = (1, 0, 0)T , e2 = (0, 1, 0)T , e3 = (0, 0, 1)T
este sistem liniar independent, însă { f (e1 ) , f (e2 ) , f (e3 )} este sistem liniar dependent.
2.1 Operatori liniari şi teoreme de izomorfism 47
Teoremă 2.1.2 Fie (V1 , K) şi (V2 , K) spaţii vectoriale. Dacă f : V1 → V2 este un morfism de
spaţii vectoriale atunci f (0V1 ) = 0V2 .
Teoremă 2.1.3 Fie (V1 , K) şi (V2 , K) spaţii vectoriale iar f : V1 → V2 operator liniar. Urmă-
toarele au loc
i) f (−x) = − f (x) ∀x ∈ V1 .
ii) f (Σm m
i=1 αi xi ) = Σi=1 αi f (xi ), αi ∈ K, xi ∈ V1 cu i = 1, ..., m.
iii) Dacă X este subspaţiu vectorial în V1 atunci f (X) este subspaţiu vectorial în V2 .
este matricea lui f în reperul canonic din R2 , R . Să se arate că f este injectivă şi surjectivă.
Soluţie. Arătăm că f este injectivă. Dacă u = (u1 , u2 )T ∈ R2 şi v = (v1 ,v2 )T ∈ R2 atunci
1 1 u1
f (u) = = (u1 + u2 , −u1 )T
−1 0 u2
şi
1 1 v1
f (v) = = (v1 + v2 , −v1 )T .
−1 0 v2
implică
u1 = v1
=⇒ u = v
u2 = v2
adică, f este aplicaţie injectivă.
Probăm că f este surjectivă. Fie w = (w1 , w2 )T ∈ R2 . Arătăm că există v = (v1 ,v2 )T ∈ R2
astfel încât
1 1 v1
f (v) = = (w1 , w2 )T .
−1 0 v2
48 Capitolul 2. Operatori liniari
sau echivalent
v1 0 −1 w1
= ⇐⇒ (v1 ,v2 )T = (w2 ,w1 + w2 )T .
v2 1 1 w2
Am arătat că
R Compunerea a două (sau mai multe) aplicaţii liniare este tot o aplicaţie liniară.
Definiţie 2.1.4 Fie (V1 , K), (V2 , K) şi (V3 , K) spaţii vectoriale. Dacă f : V1 → V2 şi g : V2 → V3
sunt operatori liniari atunci aplicaţia
R Fie (V1 , K), (V2 , K) şi (V3 , K) spaţii vectoriale. Dacă f : V1 → V2 şi g : V2 → V1 sunt
operatori liniari atunci (g ◦ f ) (·) : V1 → V3 este operator liniar.
Definiţie 2.1.5 Fie (V1 , K) şi (V2 , K) spaţii vectoriale. Operatorul liniar f : V1 → V2 se
numeşte inversabil dacă există un operator g : V2 → V1 astfel încât
Dacă există g îndeplinind aceste condiţii atunci se notează cu f −1 şi se numeşte inversul
operatorului liniar f .
Teoremă 2.1.4 Fie (V1 , K) şi (V2 , K) spaţii vectoriale. Operatorul liniar f : V1 → V2 este
inversabil dacă şi numai dacă este bijectiv.
Definiţie 2.1.6 Spaţiile vectoriale (U, K) şi (V, K) se numesc izomorfe, notăm (U, K) ∼
=
(V, K), dacă există un morfism bijectiv f : U → V . Se mai spune că f este izomorfism sau
transformare liniară nesingulară.
Teoremă 2.1.5 — Teorema fundamentală de izomorfism I. Dacă (U, K) şi (V, K) sunt
spaţii vectoriale cu dimK U = dimK V ∈ N∗ atunci (U, K) ∼
= (V, K).
bază bază
{v1 , ..., vn } ⊂ (U, K) şi {w1 , ..., wn } ⊂ (V, K) .
2.2 Spaţiul cât 49
Exerciţiu 2.1.4 Fie (R, Q) spaţiu vecorial. Să se arate că dimQ R = ∞.
Soluţie. Se cunoaşte că R este spaţiu vectorial peste Q. Dacă am avea dimQ R =n < ∞ atunci R
ar fi izomorf cu Qn . Cum de la analiză matematică cunoaştem că Qn este mulţime numărabilă
iar R nu, se obţine concluzia.
R Dacă (U, K), (V, K) sunt spaţii vectoriale, f : U → V izomorfism iar B bază în U atunci
f (B) este bază în V .
Teoremă 2.1.6 Fie (U, K) şi (V, K) spaţii vectoriale. Dacă f : U → V este izomorfism de
spaţii vectoriale atunci aplicaţia inversă f −1 : V → U este izomorfism de spaţii vectoriale.
xb = { y ∈ V | y ≡ x (modulo X)} = { y ∈ V | y − x ∈ X}
R Mulţimea
(numită spaţiul factor sau spaţiul cât al lui V
V /X = { xb| x ∈ V } notată şi V /≡
în raport cu relaţia de echivalenţă ≡)
a tuturor claselor de echivalenţă, admite o structură de spaţiu vectorial în raport cu urmă-
toarele operaţii
de f
adunarea: xb+ yb = xd+ y pentru orice x, y ∈ V
de f
înmulţirea cu scalari: α · xb = αd
· x pentru orice x ∈ V şi α ∈ K.
R Au loc:
i) 0cX = X. Într-adevăr,
0 = { y ∈ V | y ≡ 0X } = { y ∈ V | y − 0X ∈ X} = { y ∈ V | y ∈ X} = X.
b
Teoremă 2.2.1 — Teorema dimensiunii pentru spaţiul cât. Fie (V, K) spaţiu vectorial cu
dimK V ∈ N∗ şi X subspaţiu vectorial al său. Dacă
atunci
dimK (V /X) = n − m.
n o
U = x = (x1 , x2 , x3 , x4 )T ∈ R4 x1 = x2 şi x3 = x4 .
i) Să se arate că U este subspaţiu vectorial al lui R4 , R şi să se determine
dimR U.
4
ii) Să se extindă baza determinată la punctul i) la o bază a lui R , R .
iii) Să se descrie elementele lui V /U şi scrie o bază pentru V /U.
∀α, β ∈ R şi x, y ∈ U =⇒ αx + β y ∈ U.
Observăm că
x = (x1 , x2 , x3 , x4 )T ∈ U =⇒ x1 = x2 şi x3 = x4
2.2 Spaţiul cât 51
iar
y = (y1 , y2 , y3 , y4 )T ∈ U =⇒ y1 = y2 şi y3 = y4 .
Avem
α (x1 , x2 , x3 , x4 )T + β (y1 , y2 , y3 , y4 )T = (αx1 + β y1 , αx2 + β y2 , αx3 + β y3 , αx4 + β y4 )T ∈ U
deoarece αx1 + β y1 = αx2 + β y2 .
Determinăm o bază în U. Observăm că
(x1 , x2 , x3 , x4 )T = x2 (1, 1, 0, 0)T + x4 (0, 0, 1, 1)T
şi deci
n o n o
U = x2 (1, 1, 0, 0)T + x4 (0, 0, 1, 1)T x2 , x4 ∈ R = Span (1, 1, 0, 0)T , (0, 0, 1, 1)T .
Cum
u1 = (1, 1, 0, 0)T şi u2 = (0, 0, 1, 1)T
n o
sunt liniar independente, deducem că o bază în U este B1 = (1, 1, 0, 0)T , (0, 0, 1, 1)T .
ii) Pentru a completa baza B1 la o bază a lui R4 , R vom scrie o matrice A cu 4 linii şi 4
coloane formată din vectorii lui B1 şi vectori din R4 , R astfel încât
rangA = 4 = dimR R4 ,
de exemplu
u1 u2 e1 e3
↓ ↓ ↓ ↓
z}|{ z}|{ z}|{ z}|{
1 0 1 0
A=
.
1 0 0 0
0 1 0 1
0 1 0 0
Astfel că
bază
B2 = {u1 , u2 , e1 , e3 } ⊂ R4 , R !
V1 ∩V2 = { v ∈ V | v ∈ V1 şi v ∈ V2 }
V1 +V2 = { v1 + v2 | v1 ∈ V1 şi v2 ∈ V2 }
= { v ∈ V | ∃v1 ∈ V1 şi ∃v2 ∈ V2 astfel încât v = v1 + v2 }
R V1 ∩V2 este numit subspaţiul vectorial intersecţie, iar V1 +V2 este numit subspaţiul vectorial
sumă.
Teoremă 2.3.2 — Teorema lui Hermann Günther Grassmann (1809–1877). Dacă (V, K)
este spaţiu vectorial cu dimK V ∈ N∗ iar V1 ,V2 sunt subspaţii vectoriale în V atunci
Demonstraţie. Fie BV1 ∩V2 = {v1 , ..., vm } bază în V1 ∩ V2 . Lema de completare ne permite să
extindem această bază la
bază
BV1 = {v1 , ..., vm , um+1 , ..., ur } ⊂ V1
şi
bază
BV2 = {v1 , ..., vm , wm+1 , ..., ws } ⊂ V2 .
Arătăm că
S = {v1 , ..., vm , um+1 , ..., ur , wm+1 , ..., ws }
este sistem de generatori pentru V1 +V2 . Într-adevăr, ∀x + y ∈ V1 +V2 , x ∈ V1 , y ∈ V2 se scrie ca
o combinaţie liniară de vectorii bazei:
x ∈ V1 =⇒ x = Σm r
i=1 αi vi + Σ j=m+1 β j u j
y ∈ V2 =⇒ y = Σm s
i=1 γi vi + Σk=m+1 λk wk
de unde
x + y = Σm r s
i=1 (αi + γi ) vi + Σ j=m+1 β j u j + Σk=m+1 λk wk
este un vector din V1 ∩V2 şi deci ∃!λi ∈ K astfel încât Σsk=m+1 ck wk − Σm
i=1 λi vi = 0V =⇒ ck = λi =
0 (deoarece BV2 este liniar independent). Mai mult 0V = Σi=1 ai vi + Σrj=m+1 b j u j iar, deoarece
m
T T T T
Exerciţiu 2.3.1 Fie a1 = (1, 1, −1, 0) ,a2 = (0, 1, 1, 0) ,a3 = (0, 2, 1, −1) ,a4 = (2, −1, −4,1)
iar V1 = Span (a1 , a2 ) şi V2 = Span (a3 , a4 ) subspaţii vectoriale ale spaţiului vectorial R4 , R .
Să se determine V1 ∩V2 , V1 +V2 , dimR (V1 ∩V2 ) şi dimR (V1 +V2 ).
Arătăm că
deducem că rangA = 2. Din rangA = 2 =numărul de vectori din sistem deducem că afirmaţia
(2.4) este adevărată. Proprietăţile (2.3) şi (2.4) demonstrează că B1 = {a1 , a2 } formează o bază.
Aşadar, dimR V1 = 2 (din teorie, dimensiunea este egală cu numărul de elemente al bazei, B1 !).
Analog, B2 = {a3 , a4 } formează o bază pentru V2 şi ca atare dimR V2 = 2.
Se cunoaşte că
V1 ∩V2 = x ∈ R4 x ∈ V1 şi x ∈ V2 .
(2.5)
Din
x ∈ V1 rezultă că x = α1 a1 + α2 a2 cu α1 ∈ R, α2 ∈ R
x ∈ V2 rezultă că x = α3 a3 + α4 a4 cu α3 ∈ R, α4 ∈ R
V1 ∩V2 = { x = α1 a1 + α2 a2 = α3 a3 + α4 a4 | α1 , α2 , α3 , α4 ∈ R} . (2.6)
Obiectivul este să determinăm o bază în V1 ∩V2 deoarece trebuie să determinăm dimR (V1 ∩V2 ).
Astfel că, vom considera relaţia α1 a1 + α2 a2 = α3 a3 + α4 a4 echivalentă cu sistemul omogen
α1 − 2α4 = 0
α1 + α2 − 2α3 + α4 = 0
(2.7)
−α1 + α2 − α3 + 4α4 = 0
α3 − α4 = 0.
54 Capitolul 2. Operatori liniari
0 0 1 −1
adică exact matricea alcătuită din componentele lui a1 , a2 , a3 , a4 . Deoarece găsim un minor de
ordinul 3 nenul
1 0 0
M3A1 = 1 1 −2 = 1
(2.8)
−1 1 −1
=⇒ rang (A1 ) = 3.
Cum rang (A1 ) = 3 <numărul de necunoscute (în număr de 4: α1 , α2 , α3 , α4 ) deducem că
(2.7) este sistem compatibil (4 (nr. necunoscute) − 3 (rangA1 )=) 1 nedeterminat (se mai spune
simplu nedeterminat). Cum sistemul este compatibil simplu nedeterminat sau unu nedeterminat)
deducem că există trei necunoscute principale α1 , α2 şi α3 adică cele de la care am găsit minorul
de ordinul trei nenul (2.8) şi o necunoscută secundară, anume α4 pe care o notăm altfel. Fie
not ăm
α4 = α. Necunoscutele principale se determină din sistemul format din primele trei ecuaţii
ale lui (2.7)
α1 − 2α4 = 0 α1 = 2α
α1 + α2 − 2α3 + α4 = 0 echivalent cu α1 + α2 − 2α3 = −α
−α1 + α2 − α3 + 4α4 = 0 −α1 + α2 − α3 = −4α
corespunzător lui (2.8). Sistemul poate fi rezolvat, de exemplu prin regula lui Cramer, obţinându-
se α1 = 2α, α2 = −α şi α3 = α. Am demonstrat că (2.6) se scrie astfel
V1 ∩V2 = x = α(2, −1, 1, 1) α ∈ R = Span (2, −1, 1, 1)T .
T
| {z }
not ăm
= s1
Evident
Din (2.9) şi (2.10) deducem că {s1 } este bază pentru V1 ∩ V2 şi deci dimR (V1 ∩V2 ) = 1 (=
numărul de elemente din baza {s1 }).
Determinăm V1 +V2 . Prin definiţie V1 +V2 = { v1 + v2 | v1 ∈ V1 şi v2 ∈ V2 }.
2.4 Sumă directă de subspaţii vectoriale 55
α3 + α4
0 0 −1 1
Teoremă 2.4.1 Fie (V, K) spaţiu vectorial. Dacă V1 ,V2 sunt subspaţii vectoriale în V atunci
suma V1 +V2 este directă dacă şi numai dacă V1 ∩V2 = {0V }.
v = v + 0V = 0V + v
∈V1 ∈V2
iar ţinând cont că scrierea lui v este unică, deducem că v = 0V .
"⊃" Dacă v1 + v2 = v01 + v02 pentru v1 , v2 ∈ V1 iar v01 , v02 ∈ V2 atunci
v1 − v01 = v02 − v2 .
| {z } | {z }
∈V1 ∈V2
Aşadar
a1 = (2, 2, −2, 0)T , a2 = (1, 2, 2, 1)T , a3 = (0, 2, 1, −1)T şi a4 = (2, −1, −4, 1)T .
Să se determine dimR (V1 ∩V2 ), dimR (V1 +V2 ) şi să se precizeze dacă V1 + V2 este sumă
directă.
Arătăm că
0 1
deducem că rangA = 2. Din rangA = 2 =numărul de vectori din sistem deducem că afirmaţia
(2.12) este adevărată. Proprietăţile (2.11) şi (2.12) demonstrează că B1 = {a1 , a2 } formează o
2.4 Sumă directă de subspaţii vectoriale 57
bază. Aşadar, dimR V1 = 2 (din teorie, dimensiunea este egală cu numărul de elemente al bazei,
B1 !). Analog, B2 = {a3 , a4 } formează o bază pentru V2 şi ca atare dimR V2 = 2.
Se cunoaşte că
V1 ∩V2 = x ∈ R4 x ∈ V1 şi x ∈ V2 .
(2.13)
Din
x ∈ V1 rezultă că x = α1 a1 + α2 a2 cu α1 ∈ R, α2 ∈ R
x ∈ V2 rezultă că x = α3 a3 + α4 a4 cu α3 ∈ R, α4 ∈ R
V1 ∩V2 = { x = α1 a1 + α2 a2 = α3 a3 + α4 a4 | α1 , α2 , α3 , α4 ∈ R} . (2.14)
Obiectivul este să determinăm o bază în V1 ∩V2 deoarece ni se cere să determinăm dimR (V1 ∩V2 ).
Astfel că, vom considera relaţia
α1 a1 + α2 a2 = α3 a3 + α4 a4
0 1 1 −1
adică exact matricea alcătuită din componentele lui a1 , a2 , a3 , a4 . Deoarece găsim un minor de
ordinul 3 nenul
2 1 0
M3A1 = 2 2 −2 = 10
−2 2 −1
α1 = 0, α2 = 0, α3 = 0 şi α4 = 0.
58 Capitolul 2. Operatori liniari
Evident,
V1 +V2 = { v1 + v2 | v1 ∈ V1 şi v2 ∈ V2 } .
Cum
v1 ∈ V1 rezultă că v1 = α1 a1 + α2 a2 cu α1 ∈ R, α2 ∈ R
v2 ∈ V2 rezultă că v2 = α3 a3 + α4 a4 cu α3 ∈ R, α4 ∈ R
şi deci
unde
2α1 + α2 + 2α4
2α1 + α2 + 2α3 − α4
α1 a1 + α2 a2 + α3 a3 + α4 a4 =
−2α1 + 2α2 − α3 − 4α4 .
α2 − α3 + α4
Determinăm dimR (V1 +V2 ) folosind Teorema Grassmann care afirmă că
dimR (V1 +V2 ) = dimR (V1 ) + dimR (V2 ) − dimR (V1 ∩V2 ) .
Rămâne să folosim (2.16) pentru a deduce că suma este directă.
Teoremă 2.4.2 Dacă (V, K) este spaţiu vectorial cu dimK V ∈ N∗ iar V1 ,V2 sunt subspaţii
vectoriale în V astfel încât suma V1 + V2 este directă, atunci dimK (V1 +V2 ) = dimK V1 +
dimK V2 .
Demonstraţie. Deoarece dimK (V1 ∩V2 ) = 0 rezultatul este o consecinţă a Teoremei 2.3.2.
Definiţie 2.4.2 Fie V1 , V2 , ... , Vm subspaţii vectoriale ale spaţiului vectorial de tip finit (V, K).
m
Spunem că V este sumă directă de V1 , V2 , ... , Vm şi scriem V = ⊕ Vi sau V = V1 ⊕ ... ⊕Vm
i=1
dacă orice vector din V se scrie în mod unic ca o sumă de vectori din V1 , V2 , ... , Vm . În
această situaţie se mai spune că subspaţiile vectoriale V1 , V2 , ... , Vm sunt suplimentare.
2.4 Sumă directă de subspaţii vectoriale 59
Soluţie. Deoarece V1 ∩V2 = {0R2 } rezultă că V1 , V2 sunt sumanzi direcţi. Prin definiţie
V1 +V2 = {x + y |x ∈ V1 şi y ∈ V2 }.
V1 +V2 = V1 ⊕V2 = R2 .
ale lui R3 , R . Să se calculeze dimR V1 , dimR V2 şi să se demonstreze că R3 = V1 ⊕V2 .
şi deci
n o bază
B1 = (1, 1, 1)T ⊂ V1
deoarece este sistem de generatori, iar pe de altă parte este sistem liniar independent (a (1, 1, 1)T =
(0, 0, 0)T =⇒ a = 0). Aşadar dimR V1 = 1 (=numărul de elemente ale lui B1 ).
Analog
n o n o
V2 = (0, x, y)T x, y ∈ R = x (0, 1, 0)T + y (0, 0, 1)T x, y ∈ R
şi deci
n o bază
B2 = (0, 1, 0)T , (0, 0, 1)T ⊂ V2
deoarece este sistem de generatori, iar pe de altă parte este sistem liniar independent
V1 +V2 = V1 ⊕V2 ⊆ R3
V1 +V2 = V1 ⊕V2 ⊇ R3 .
astfel încât
adică, sistemul
a = x1
a + n = x2
a + m = x3 .
Evident V1 ⊕V2 ⊆ R3 este adevărat, deoarece, conform teoriei, V1 ⊕V2 este subspaţiu vectorial
în R3 . Rămâne să probăm ii). Cum dimR R3 = 3 vom arăta că dimR V1 ⊕V2 = 3. Or, această din
urmă relaţie se probează folosind Teorema Grassmann
dimR V1 + dimR V2 = 3.
Căutăm o bază în V1
Analog
n o bază
B2 = (0, 1, 0)T , (0, 0, 1)T ⊂ V2 =⇒ dimR V2 = 2.
Din i), ii) rezultă că V1 ⊕V2 = R3 iar din Teorema de caracterizare a sumei directe obţinem mai
multe informaţii.
Demonstraţie. Fie p = dimK V1 ≤ n şi BV1 = {b1 , ..., b p } o bază a lui V1 . Cum dimK V = n
putem completa BV1 până la o bază BV a lui V , astfel
Demonstrăm că V2 = Span {g1 , ..., gn−p } are proprietatea că V = V1 ⊕V2 . Evident
V1 +V2 ⊂ V. (2.17)
Pe de altă parte
p
∀v ∈ V , v = Σi=1 αi bi + Σn−p βi gi = x + y ∈ V1 +V2 =⇒ V ⊂ V1 +V2 . (2.18)
| {z } | i=1{z }
x∈V1 y∈V2
V = V1 +V2 . (2.19)
În final (2.19) şi (2.20) arată că este aplicabil punctul iii) al Teoremei 2.4.4 şi deci V = V1 ⊕V2 .
x1 + x2 + x5 = 0
x1 − x3 + x4 + x5 = 0
2x − x5 = 0
1
3x1 − x3 + x4 = 0
62 Capitolul 2. Operatori liniari
atunci să se determine o bază a lui V1 şi apoi să se indice un subspaţiu V2 al lui R5 ,R astfel
încât V1 ⊕V2 = R5 .
Observăm că
1 1 0
M3A = 1 0 −1 = −2 6= 0 =⇒ rang (A) ≥ 3.
2 0 0
Pe de altă parte
1 1 0 0 1 1 0 1
A
1 0 −1 1 A
1 0 −1 1
M4,1 = = 0 şi M4,2 = =0
2 0 0 0
2 0 0 −1
3 0 −1 1 3 0 −1 0
implică rang (A) = 3. Astfel că sistemul este compatibil dublu nedeterminat cu x1 , x2 , x3 ne-
cunoscute principale, iar x4 , x5 necunoscute secundare. Un calcul simplu arată că
1 3 3
x1 = x5 , x2 = − x5 , x3 = x4 + x5 .
2 2 2
În concluzie,
( T )
1 3 3
V1 = x5 , − x5 , x4 + x5 , x4 , x5 x4 , x5 ∈ R
2 2 2
( T )
1 3 3
= x4 (0, 0, 1, 1, 0)T + x5 , − , , 0, 1 x4 , x5 ∈ R
2 2 2
T
T 1 3 3
= Span (e1 , e2 ) unde e1 = (0, 0, 1, 1, 0) iar e2 = , − , , 0, 1 .
2 2 2
Se verifică uşor că
liniar independent bază
{e1 , e2 } ⊂ V1 şi deci {e1 , e2 } ⊂ V1 .
Completăm {e1 , e2 } până la o bază în R5 . În acest sens, formăm o matrice B care să aibă rangul
5, astfel
e1 e2 e3 e4 e5
z}|{ z}|{ z}|{ z}|{ z}|{
0 1
2 1 0 1
3
B=
0 − 2 1 0 0 , detB = −1 =⇒ rangB = 5.
1 3
2 1 0 0
1 0 0 1 0
0 1 0 0 0
2.5 Nucleul şi imaginea unui operator liniar 63
Avem
rangB = 5 =⇒ {e1 , e2 , e3 , e4 , e5 } este sistem liniar independent în R5 .
Cum
dimR R5 = 5 iar {e1 , e2 , e3 , e4 , e5 } este sistem liniar independent
deducem că
bază
{e1 , e2 , e3 , e4 , e5 } ⊂ R5 .
Atunci V2 = Span ({e3 , e4 , e5 }) are proprietatea cerută.
Soluţie. i) Avem
2 4 −6 −1 −10
U (−1, 1, 2) = 2 −2 2 1 = 0 .
4 2 −4 2 −10
ii) Prin definiţie
KerU = x ∈ R3 |U (x) = 0R3 .
cu rangA = 2 deoarece
2 4 −6
2 4
M2 = = −12 6= 0 iar M3 = 2 −2 2 = 0.
2 −2
4 2 −4
Din sistemul
x1 + 2x2 = 3α α 4
rezultă x1 = , x2 = α
x1 − x2 = −α 3 3
şi
1
3
4 |α ∈ R
KerU = α 3 .
1
Remarcăm că
1
3 bază
4 ⊂ KerU
3
1
Fie
Scriem
matricea
sistemului matricea
extinsă a sistemului
2 4 −6 2 4 −6 y1
A = 2 −2 2 A = 2 −2 2 y2 .
4 2 −4 4 2 −4 y3
2.5 Nucleul şi imaginea unui operator liniar 65
Din rezultatul de mai sus rangA = 2. Punem condiţia ca rangA = 2 (deoarece trebuie să existe x
cu proprietatea cerută). rangA = 2 atrage
2 4 y1
2 −2 y2 = 0 ⇔ 12y1 + 12y2 − 12y3 = 0
4 2 y3
şi
n o
ImU = y = (y1 , y2 , y3 )T ∈ R3 |y1 + y2 − y3 = 0 .
Observăm că
y1 y3 − y2 −y2 y3 −1 1
y= y2 = y2 = y2 + 0 = y2 1 + y3 0
y3 y3 0 y3 0 1
şi deci
−1 1 bază
1 , 0 ⊂ ImU ⇒ dimR ImU = 2.
0 1
Z1 Z2 Z3
P1 0, 6 0, 2 0, 3
P2 0, 1 0, 7 0, 2
P3 0, 3 0, 1 0, 5
De exemplu, prima coloană afirmă că 60% din produsul Z1 este consumat de către P1, 10%
de P2 şi 30% de P3. Să se precizeze ce venituri trebuie să aibă persoanele P1, P2, P3 astfel
încât să poată supravieţui.
Soluţie. Este evident că suma de pe fiecare coloană Z1, Z2, Z3 este 1. Să notăm cu x1 , x2 , x3
veniturile persoanelor P1, P2, P3. Atunci suma cheltuită de P1 pentru Z1, Z2, Z3 este
0, 6 · x1 + 0, 2 · x2 + 0, 3 · x3 .
Cum consumul fiecărei persoane este egal cu venitul său, obţinem ecuaţia
0, 6 · x1 + 0, 2 · x2 + 0, 3 · x3 = x1 ,
0, 6 · x1 + 0, 2 · x2 + 0, 3 · x3 = x1
0, 1 · x1 + 0, 7 · x2 + 0, 2 · x3 = x2
0, 3 · x1 + 0, 1 · x2 + 0, 5 · x3 = x3
66 Capitolul 2. Operatori liniari
Mai mult decât atât, vom presupune că venitul este pozitiv, adică xi ≥ 0 pentru i = 1, 2, 3
(notăm x ≥ 0). Putem rescrie această ecuaţie în forma echivalentă (A − I3 )x = 0R3 şi definim
U : R3+ → R3 prin
U (x) = (A − I3 )x.
Avem astfel de determinat KerU şi deci de rezolvat sistemul U (x) = 0R3 . O soluţie arbitrară
a acestui sistem are forma x = t(13, 11, 10)T cu x ≥ 0 pentru t ≥ 0. Astfel, pentru a se asigura
că această societate supravieţuieşte, trebuie ca persoanele P1, P2, P3 să aibă veniturile lor în
proporţiile 13 : 11 : 10. (Problemă care a generat un premiu Nobel).
R Sunt adevărate:
i) Ker U este subspaţiu vectorial în (X, K) iar ImU în (Y, K).
ii) Dacă Ker U = {0X } atunci operatorul liniar U este injectiv, şi reciproc. Se mai spune
că U este monomorfism.
iii) Dacă Im U = Y atunci operatorul liniar U este surjectiv. Se mai spune că U este
epimorfism.
Se cere:
i) Să se arate că X este izomorf cu Y .
ii) Să se construiască un izomorfim f : X → Y .
Soluţie. i) Utilizăm Teorema 2.1.5 pentru a demonstra că dimR X = dimR Y ∈ N∗ . Căutăm o
bază B1 ⊂ X şi o bază B2 ⊂ Y . Pentru B1 formăm matricea alcătuită din vectorii
1 −2 A1
1 −2
A1 = =⇒ M2 = =0
2 −4 2 −4
=⇒ rangA1 = 1 < număr de vectori din {a1 , a2 }
şi deci {a1 , a2 } sunt liniar dependenţi. Cum a1 , a2 sunt diferiţi de vectorul nul, deducem că
{a1 }, respectiv {a2 } sunt liniar independeţi. Din
deducem că {a1 }, respectiv {a2 } sunt sisteme de generatori. Astfel că, putem considera B1 =
bază
{a1 } ⊂ X =⇒ dimR X = 1. Mai mult, rezultă că X = Span (a1 ). Analog
−3 9 A2
−3 9
A2 = =⇒ M2 = =0
1 −3 1 −3
=⇒ rangA2 = 1 < număr de vectori din {a3 , a4 }
2.5 Nucleul şi imaginea unui operator liniar 67
bază
şi în final B2 = {a3 } ⊂ Y =⇒ dimR Y = 1. Mai mult, rezultă că Y = Span (a3 ). Am demonstrat
izomor f
că dimR X = dimR Y = 1 ∈ N∗ şi deci (X, K) ∼ = (Y, K).
ii) Conform demonstraţiei Teoremei 2.1.5 putem defini
bază
f : X → Y , f (αa1 ) = αa3 deoarece B1 , B2 ⊂ X.
Analog ca în demonstraţia Teoremei 2.1.5 se poate arăta că f este bijectivă şi liniară, deci
izomorfism.
Dăm o altă metodă celei prezentate în demonstraţia Teoremei 2.1.5 pentru a arăta că f este
bijectivă. Mai exact vom arăta că Ker f = {0R2 } şi Im f = Y . Într-adevăr,
Cum
Observăm că
Fie y = β (−3, 1)T ∈ Y . Cercetăm dacă ∃x = (α, 2α)T ∈ X astfel încât f (α, 2α) = β (−3, 1)T
sau echivalent
Teoremă 2.5.1 — Teorema fundamentală de izomorfism II. Dacă (X, K), (Y, K) sunt
spaţii vectoriale finit dimensionale nenule iar U : X → Y este operator liniar atunci există un
izomorfism g : X/KerU → ImU.
Arătăm că
bază
{U (vd+1 ) , ...,U (vn )} ⊂ ImU.
Aplicând U avem
şi deci
şi deci
Cum
bază
{v1 , ..., vd , vd+1 , ..., vn } ⊂ X
deducem că
şi deci {U (vd+1 ) , ...,U (vn )} este liniar independent în ImU. Am demonstrat că
bază
{U (vd+1 ) , ...,U (vn )} ⊂ ImU
şi deci
Teoremă 2.5.2 — Teorema dimensiunii pentru operatori liniari. Dacă (X, K), (Y, K) sunt
spaţii vectoriale finit dimensionale nenule iar U : X → Y este operator liniar atunci
n o
Soluţie. i) Se cunoaşte că KerU = x = (x1 , x2 , x3 )T ∈ R3 |U (x) = 0R3 .
Relaţia U (x) = 0R3 este echivalentă cu Ax = 0R3 şi cu
1 −1 0 x1 0 x1 − x2 = 0
−1 2 1 x2 = 0 =⇒ −x1 + 2x2 + x3 = 0
0 1 1 x3 0 x2 + x3 = 0
şi deci rangA ≥ 2. Pe de altă parte observăm că determinantul lui A este nul. Concludem că
rangA = 2 ⇒ sistem compatibil simplu nedeterminat. Necunoscuta secundară x3 o notăm prin
α. Observăm că sistemul
x1 − x2 = 0
−x1 + 2x2 = −α
n o
are soluţia x1 = x2 = −α. Am obţinut că KerU = α (−1, −1, 1)T |α ∈ R . O bază în KerU
n o
este (−1, −1, 1)T şi deci dimR KerU = 1.
Determinăm imagineaoperatorului U.
Prin definiţie ImU = y ∈ R3 există x ∈ R3 cu y = U (x) . Fie y = (y1 , y2 , y3 )T . Relaţia
Am văzut că rangul matricei este 2. Pentru ca sistemul să fie compatibil trebuie ca rangul matricei
extinse să fie egal cu rangul matricei sistemului (adică cu 2).
Matricea extinsă este
1 −1 0 y1
A = −1 2 1 y2
0 1 1 y3
2.6 Operatori de proiecţie 71
Am obţinut
1 0
ImU = α 0 + β 1 |α, β ∈ R = Span (1, 0, 1)T , (0, 1, 1)T .
1 1
n o bază
ii) Din punctul i) observăm că dimR ImU = 2 deoarece B = (1, 0, 1)T , (0, 1, 1)T ⊂ ImU.
Desigur puteam utiliza teorema dimensiunii dimR KerU + dimR ImU = 3 =⇒ dimR ImU = 2.
O bază în ImU o putem determinanprin folosirea odemonstraţiei Teoremei fundamentală de
T
izomorfism II. Mai exact: având baza (−1, −1, 1) în KerU o putem completa la o bază în
R3 , R astfel
−1 0 0 n o bază
det −1 1 0 6= 0 =⇒ (−1, −1, 1)T , (0, 1, 0)T , (0, 0, 1)T ⊂ R3 , R
1 1 1
deoarece
1 −1 0 0
U ((0, 1, 0)) = −1 2 1 1 = (−1, 2, 1)T
0 1 1 0
1 −1 0 0
U ((0, 0, 1)) = −1 2 1 0 = (0, 1, 1)T .
0 1 1 1
R Sunt adevărate
i) P este operator liniar;
ii) ImP = V1 , KerP = V2 =⇒ V = ImP ⊕ KerP;
iii) P (P (·)) = P (·) (proprietatea de idempotenţă);
iv) Dacă P (·) : V −→ V este proiecţie atunci (1V − P) (·) : V → V este tot o proiecţie.
Teoremă 2.6.1 Operatorul liniar P (·) : V −→ V este proiecţie (proiector) dacă şi numai dacă
P (P (x)) = P (x) pentru orice x ∈ V .
şi
0 0 0 0
pα (pα (x)) = pα (0, x1 + αx1 ) = = = pα (x) .
α 1 x2 + αx1 x2 + αx1
Matricea ale cărei coloane sunt coordonatele vectorilor U (x1 ) , ...,U (xn ) în raport cu reperul
F se numeşte matricea lui U în raport cu reperele E şi F.
R Dacă
U (x1 ) = α11 y1 + ... + αm1 ym
...
U (xn ) = α1n y1 + ... + αmn ym
2.7 Reprezentarea matriceală a operatorilor liniari 73
În plus, are loc (U (x))F = [A]UE,F · xE unde xE este vectorul coordonatelor elementului
x ∈ X în raport cu reperul E.
R Fie (X, K) , (Y, K) spaţii vectoriale finit dimensionale nenule şi U : X → Y operator liniar.
reper canonic reper canonic
Dacă E ⊂ (X, K), F ⊂ (Y, K) iar [A]UE,F este matricea lui U corespunză-
toare reperelor canonice E, F atunci U admite următoarea reprezentare U (x) = [A]UE,F · x.
Definiţie 2.7.2 Fie (X, K) spaţiu vectorial de dimensiune finită n ∈ N∗ iar U : X → X endo-
reper
morfism. Dacă E = {x1 , ..., xn } ⊂ X iar U (xi ) = α1i x1 + ... + αni xn pentru orice i = 1, ..., n
atunci
...
↑ ↑ α11 ... α1n
not
[A]UE = (αi j )i=1,...,n = [U (x1 )]E ... [U (xn )]E = ... ... ... ( = A ),
j=1,...,n
↓ ↓
αn1 ... αnn
...
Exerciţiu 2.7.1 Fie (P2 [X] , R) spaţiul vectorial al polinoamelor de grad cel mult 2 şi oper-
atorul liniar U : P2 [X] → P2 [X] definit prin U ( f (X)) = f 0 (X) 00
+ f (X).
Să se determine
matricea endomorfismului U în raport cu reperul canonic Bc = 1, X, X 2 din P2 [X].
R3 R3
atunci să se determine un reper B pentru şi matricea [A2 ]TB operatorului Tb : →
b
Span{e2 } Span{e2 }
R3
Span{e2 } în reperul B.
Soluţie. Probăm că vectorii eb1 , eb3 sunt liniar independenţi. O combinaţie liniară a lor dă vectorul
0 dacă şi numai dacă α1 e1 + α2 e2 ∈ Span {e2 } deducem că
nul α1 eb1 + α2 eb3 = b
α1 e1 + α2 e3 = α3 e2 =⇒ α1 = α2 = α3 = 0.
Mai mult
dimR R3 /Span {e2 } = dimR R3 − dimR Span {e2 } = 2
R3
adică egală cu numărul de vectori liniar independenţi {eb1 , eb3 } ai lui Span{e2 } şi deci B =
reper
R3
{eb1 , eb3 } ⊂ Span{e2 } .
Pentru a determina [A2 ]TB matricea operatorului
b
R3 R3
Tb : →
Span {e2 } Span {e2 }
în reperul B determinată vom observa că
\
T (eb1 ) = T (e1 ) = e\ \ d
1 + e3 = eb1 + eb3 şi T (eb3 ) = T (e3 ) = −e1 = −eb1
şi deci
1 −1
[A2 ]TB = .
b
1 0
2.8 Legătura dintre operaţiile cu operatori liniari şi matricele lor 75
Teoremă 2.8.1 Fie (X, K), (Y, K), (Z, K) spaţii vectoriale de dimensiune finită nenule. Pre-
supunem că
reper reper reper
E ⊂ X, F ⊂ Y, G ⊂ Z,U1 : X → Y,U2 : X → Y şi U3 : Y → Z
şi deci
−1 −1 0 −1 v1
U (v1 , v2 ) = A ·v = .
1 1 v2
unde CE1 ,E2 este matricea de trecere de la reperul E1 la E2 iar DF1 ,F2 este matricea de trecere
de la reperul F1 la F2 .
R Fie (X, K) spaţiu vectorial de dimensiune finită nenul şi U : X → X endomorfism. Dacă
[A]UE este matricea lui U în raport cu reperul E al lui X, iar [B]UF este matricea lui U în
raport cu reperul F ⊂ X atunci
Dacă
1 1 2 0
[A]UBc = atunci să se arate că [B]UB =
−2 4 0 3
unde
n o reper canonic n o reper
Bc = (1, 0)T , (0, 1)T ⊂ R2 , B = (1, 1)T , (1, 2)T ⊂ R2 .
Atunci
2 −1 1 1 1 1 2 0
[B]UB = · · = ·
−1 1 −2 4 1 2 0 3
Exerciţiu 2.9.1 Fie (P2 [X] , R) spaţiul vectorial al polinoamelor cu coeficienţi reali de grad
cel mult doi peste corpul numerelor reale şi U : P2 [X] → P2 [X] operator liniar definit
prin U (P (X)) = P (X + 1). Să se determine matricea [A]UB lui U în reperul B = 1, X, X 2 ,
U (x1 ) = 1
U (x2 ) = X + 1
U (x3 ) = (X + 1)2 .
2.9 Modificarea matricei unui operator liniar la schimbarea reperelor 77
sau echivalent
Două polinoame sunt egale dacă coeficienţii termenilor care conţin pe X la aceleaşi puteri sunt
egali. Avem aşadar
adică
1 1 1
[A]UB = 0 1 2 .
0 0 1
y1 = X, y2 = X 2 + 1, y3 = X 2 − 1
Ori, echivalent
2 2
X + 1 = α11 · X + α21 X + 1 + α31 X − 1
(X + 1)2 + 1 = α12 · X + α22 X 2 + 1 + α32 X 2 − 1
cu soluţia α11 = 1, α21 = 12 , α31 = − 21 . Procedând la fel cu egalitatea a doua şi a treia din sistem
se obţine
1 2 2
[B]UB1 = 1/2 3/2 1/2 .
−1/2 −1/2 1/2
Răspundem la întrebarea ce legătură există între [A]UB şi [B]UB1 . Pentru început, calculăm matricea
CB,B1 de trecere de la reperul B la reperul B1 . Conform teoriei trebuie exprimaţi vectorii din B1
în funcţie de vectorii din B. Astfel
y1 = α11 x1 + α21 x2 + α31 x3
y2 = α12 x1 + α22 x2 + α32 x3
y3 = α13 x1 + α23 x2 + α33 x3
sau echivalent
X = α11 · 1 + α21 X + α31 X 2
U (x) = λ x. (2.25)
Definiţie 2.10.4 Mulţimea tuturor valorilor proprii se notează prin ΛU şi se numeşte spectrul
operatorului U. Numărul Rs = max { |λ || λ ∈ ΛU} se numeşte raza spectrală a operatorului
U.
not
R Dacă dimK X = n ∈ N ∗ iar A = [A]UB este matricea lui U în raport cu reperul B ⊂ X atunci
λ ∈ K este valoare proprie pentru U (se mai spune pentru A) dacă şi numai dacă
det (A − λ In ) = 0. (2.26)
(A − λ In ) xB = 0X . (2.27)
este matricea operatorului U în reperul canonic din R3 , R . Să se determine spectrul ΛU şi
|A − λ I3 | = 0
ori echivalent
−1 − λ 1 1
= 0 ⇔ λ 3 + 3λ 2 − 4 = 0.
1 −1 − λ 1
1 1 −1 − λ
1 3 0 −4
1 1 4 4 0
−2 1 2 0
λ1 = 1; λ2 = λ3 = −2
şi în acelaşi timp ele reprezintă valorile proprii. Astfel că ΛU = {−2, 1}.
Determinăm vectorii proprii. Prin definiţie vectorii proprii sunt
Xλ = xλ ∈ R3 |(A − λ I3 ) xλ = 0R3 .
(A − λ1 I3 ) xλ1 = 0R3
ori echivalent cu
−2 1 1 a 0
1 −2 1 b = 0
1 1 −2 c 0
ce conduce la sistemul
−2a + b + c = 0
a − 2b + c = 0
a + b − 2c = 0.
cu rangC = 2 deoarece
−2 1
M2 = = 3 6= 0
1 −2
şi
M3 = |C| = 0 deoarece |A − λ1 I3 | = 0.
2.11 Polinoame de endomorfisme sau de matrice pătratice 81
Din cele de mai sus deducem că sistemul este compatibil simplu nedeterminat.
(
a, b necunoscute principale
M2 minor principal ⇒ not
c necunoscută secundară ⇒ c = α.
şi deci
n o
Xλ1 = α (1, 1, 1)T |α ∈ R = SpanR (1, 1, 1)T .
deoarece
Teoremă 2.11.1 Prin schimbarea reperului în spaţiul vectorial (X, K), polinomul caracteristic
al operatorului liniar U nu se modifică.
reper
Demonstraţie. Fie E, F ⊂ X. Notăm A = [A]UE , B = [B]UF iar prin C = [C]E,F matricea de
legătură între reperele E, F. Observăm că
PB (λ ) = |B − λ In | = C−1 AC − λ In = C−1 (A − λ In )C = |A − λ In | = PA (λ ) ,
(A − λ In ) (A − λ In )∗ = |A − λ In | In pentru λ ∈
/ ΛU (2.28)
unde
0 + β (1) λ + ... + β (n−1) λ n−1 ... β 0 + β (1) λ + ... + β (n−1) λ n−1
β11 11 11 1n 1n 1n
(A − λ In )∗ = ... ... ...
0 (1) (n−1) n−1 0 (1) (n−1) n−1
βn1 + βn1 λ + ... + βn1 λ ... βnn + βnn λ + ... + βnn λ
(2.29)
(A − λ In )∗
0 0
(1) (1)
(n−1) (n−1)
β11 ... β1n β ... β1n β ... β1n
11 11 n−1
= ... ... .. + ... ... .. λ + ... + ... ... ...
λ
βn10 0
... βnn (1) (1) (n−1) (n−1)
β ... βnn βn1 ... βnn
| {z } | n1 {z } | {z }
not not not
=B0 =B1 =Bn−1
−Bn−1 = p0 In
ABn−1 − In Bn−2 = p1 In
...
AB1 − In B0 = pn−1 In
AB0 = pn In .
Înmulţind prima relaţie cu An a 2-a cu An−1 , ..., n + 1-a cu In , respectiv şi adunând rezultă
p0 An + p1 An−1 + ... + pn−1 A + pn In = 0Mn (K) sau echivalent PA (A) = 0Mn (K) .
din teorema Hamilton-Cayley se cunoaşte că PA (A) = 0M3 (R) sau echivalent −A3 + 3A − 2I3 =
0M3 (R) . Mai mult
1 1
−A3 + 3A = A −A2 + 3I3 .
I3 =
2 |2 {z }
=A−1
Calculăm
3 2 1
A2 = 0 1 −2
−2 −2 2
şi
0 −1 − 12
3 2 1 1 0 0
−A2 + 3I3 1 3
A−1 = =− 0 1 −2 + 0 1 0 = 0 1 1 .
2 2 2 1
−2 −2 2 0 0 1 1 1 2
84 Capitolul 2. Operatori liniari
Demonstraţie. Într-adevăr,
D = C−1 · A ·C =⇒ A = C · D ·C−1 =⇒
k
Ak = C · D ·C−1 = C · D ·C−1 C · D ·C−1 ... C · D ·C−1
Exerciţiu 2.12.1 Fie A, B,C ∈ Mn (R) astfel încât B = C−1 AC. Dacă f este un polinom
oarecare atunci să se arate că f (B) = C−1 f (A)C.
Dacă
atunci
Teoremă 2.12.1 O matrice A ∈ Mn (K) este diagonalizabilă dacă şi numai dacă are n vectori
proprii ce formează o bază.
2.12 Operator liniar diagonalizabil. Matrice diagonalizabilă 85
R [Etapa 2:] Pentru λ = λ1 determinăm spaţiul Xλ1 şi un reper B1 al său. Dacă există
i ∈ {1, ..., p} astfel încât mgλ 6= maλ atunci matricea A nu se diagonalizează. Însă dacă
i i
R [Etapa 3:] Considerăm matricea C punând pe coloane la rând vectorii reperului B1 , apoi ai
lui B2 , ... , B p . Atunci C−1 · A ·C = D este matrice diagonală. Totodată, Ak = C · Dk ·C−1 .
Definiţie 2.12.3 Spunem că operatorul U ∈ LK (X, X) este diagonalizabil dacă există un reper
al lui X în raport cu care matricea sa este diagonală.
R Fie λ1 , ..., λ p ∈ K cele p valori proprii distincte ale lui U. U este diagonalizabil dacă şi
numai dacă X = Xλ1 ⊕ ... ⊕ Xλ p unde Xλi (i = 1, ..., p) este subspaţiul propriu corespunzător
lui λi .
Exerciţiu 2.12.2 Să se afle subspaţiile proprii ale operatorului liniar U : R2 −→ R2 definit
prin U (x1 , x2 ) = (−4x1 + 4x2 , −9x1 + 8x2 )T . Este operatorul liniar diagonalizabil? Justificaţi
răspunsul.
Soluţie. Scriem
−4 4 x1 not −4 4
U (x1 , x2 ) = şi deci A = AUBc = ,
−9 8 x2 −9 8
n o
unde Bc = e1 = (1, 0)T , e2 = (0, 1)T este reperul canonic din R2 .
Calculăm valorile proprii
−4 − λ 4
|A − λ I2 | = 0 sau echivalent
=0
−9 8−λ
de unde deducem că
λ 2 − 4λ + 4 = 0 ⇐⇒ (λ − 2)2 = 0 =⇒ λ = 2 cu maλ = 2.
86 Capitolul 2. Operatori liniari
Cum mgλ = 1 < maλ = 2 deducem că U nu este diagonalizabil (Conform Teoremei de caracteri-
zare a diagonalizării).
Algoritmul de diagonalizare pentru endomorfismul U este următorul:
R [Etapa 1:] Determinăm un reper B ⊂ X şi scriem matricea A ∈ Mn (K) asociată endomor-
fismului U în aceast reper.
R [Etapa 3:] Pentru λ = λ1 determinăm spaţiul Xλ1 şi un reper B1 al lui. Dacă există
i ∈ {1, ..., p} astfel încât mgλ 6= maλ atunci operatorul U nu se diagonalizează. Însă, dacă
i i
R [Etapa 4:] Scriem reperul B0 al spaţiului vectorial în raport cu care matricea asociată lui
U are forma diagonală canonică, adică
B0 = B1 ∪ ... ∪ B p .
Matricea asociată lui U în reperul B0 este matrice diagonală şi are pe diagonala principală
valorile proprii λ1 , ..., λ p fiecare dintre acestea apărând de un număr de ori egal cu ordinul
său de multiplicitate:
λ1 0 ... .. 0
0 λ1 ... ... 0
U
... ... ... ... ... .
[D]B0 =
... ... ... λ p 0
0 0 ... ... λ p
şi se cere:
i) să se scrie matricea A = [A]UBC unde Bc este reperul canonic al lui R3 ;
ii) să se determine pentru fiecare valoare proprie λ a lui U subspaţiul său propriu Xλ şi
o bază în Xλ ;
iii) să se determine un reper, B0 al spaţiului vectorial R3 ,R în raport cu care matricea
cu soluţiile λ1 = −2, λ2 = 1, λ3 = 4.
Aşadar spectrul lui U este ΛU = {λ1 , λ2 , λ3 } cu multiplicităţile
şi, respectiv
n o
Xλ3 = x3 (1, 1, 1)T x3 ∈ R .
n o bază n o bază
Evident B2 = v2 = (−5, 4, 7)T ⊂ Xλ2 iar B3 = v3 = (1, 1, 1)T ⊂ Xλ3 fapt ce încheie
demonstraţia lui ii).
88 Capitolul 2. Operatori liniari
iii) Remarcăm că este îndeplinit ii) din Teorema de caracterizare a diagonalizării
respectiv maλ1 + maλ2 + maλ2 = dimR R3 = 3 astfel se poate deduce că U este diagonalizabil şi
λ1 0 0 −2 0 0
[D]UB0 = 0 λ2 0 = 0 4 0 .
0 0 λ3 0 0 1
Reperul spaţiului vectorial R3 ,R în raport cu care matricea asociată lui U are forma diagonală
este B0 = B1 ∪ B2 ∪ B3 iar
1 1 −5
CB,B0 = 1 1 4 .
−2 1 7
Se verifică
−1
[D]UB0 = CB,B0 · A ·CB,B0
1 4
− 9 9 − 31
3 −1 2 1 1 −5 −2 0 0
= 59 1
9
1
3 · 2 0 2 · 1 1 4 = 0 4 0 ,
1 1
−9 9 0 1 3 0 −2 1 7 0 0 1
deci că nu s-a greşit.
Definiţie 2.13.2 Se numeşte bloc Jordan de ordin (p1 , ..., pr ) ataşat scalarului λ ∈ K o matrice
de tip (p1 + ... + pr ) × (p1 + ... + pr ) de forma:
Jp1 (λ ) 0 ... 0 0
0
Jp2 (λ ) ... 0 0
...
B p (λ ) = diag (Jp1 (λ ) , ..., Jpr (λ )) = ... ... ... ...
0 0 ... Jpr−1 (λ ) 0
0 0 ... ... Jpr (λ )
unde p1 + ... + pr = p.
2.14 Forma canonică a unui operator nilpotent 89
Definiţie 2.13.3 Se numeşte matrice sub forma canonică Jordan o matrice pătratică de ordin
n pe a cărei diagonală principală se află blocuri Jordan cu scalari diferiţi, adică:
J = diag Bn1 (λ1 ) , ..., Bn p (λr ) , n1 + ... + n p = n.
Definiţie 2.13.4 Spunem că U este jordanizabil, dacă există un reper în X faţă de care
matricea lui U să aibă forma canonică Jordan.
Definiţie 2.13.5 O matrice A ∈ Mn (K) spunem că este jordanizabilă, dacă există o matrice
nesingulară C ∈ Mn (K) astfel încât C−1 AC să fie o matrice sub forma canonică Jordan.
Definiţie 2.14.2 O matrice A ∈ Mn (K) se numeşte nilpotentă dacă există r ∈ N astfel încât
Ar = 0Mn (K) .
Teoremă 2.14.1 Operatorul N ∈ LK (X, X) este nilpotent dacă şi numai dacă există B ⊂ (X, K)
astfel încât matricea [A]NB a operatorului N în reperul B este nilpotentă.
r
r r
Demonstraţie. Se observă că [A]NB = [A]NB şi deci [A]NB = 0X dacă şi numai dacă N r = 0X .
(U − λ 1X )r (x) = 0X (2.30)
iar mulţimea
X λ = { x ∈ X| (U − λ 1X )r (x) = 0X } = Ker (U − λ 1X )r : X → X,
not ăm
R Are loc Xλ ⊂ X λ iar operatorul N (x) = (U − λ 1X ) (x) ∈ LK (X, X) cu proprietatea
(2.30) este nilpotent.
R Ciclul de vectori proprii generalizaţi din (2.31) formează un sistem liniar independent.
reper
R [Etapa 1:] Fixăm B ⊂ X şi scriem matricea A ∈ Mn (K) a lui U în raport cu aceast reper.
R [Etapa 6:] Determinăm nh numărul celulelor Jordan de ordin h ∈ {1, 2, ..., s} după formula
R [Etapa 7:] Se repetă algoritmul începând cu Etapa 3 pentru fiecare valoare proprie a lui
U.
R [Etapa 9.] În general, ţinând seama de definiţia matricei unei aplicaţii liniare în raport cu
un reper, se determină reperul B0 al lui X în raport cu care U are matricea J.
Exerciţiu 2.15.1 Fie (M4 (R) , R) spaţiul vectorial al matricelor de tip 4 × 4 cu elemente
numere reale şi
0 1 1 0
−1 2 0 1 ∈ M4 (R) .
A= −1 0 −2 1
0 −1 −1 0
0 −1 −1 0
92 Capitolul 2. Operatori liniari
Se determină numărul celulelor Jordan pentru valoarea proprie λ : mgλ = dimR KerN (·) unde
0 1 1 0 x1 0
−1 2 0 1 x2 0
KerN (·) = x = (x1 , x2 , x3 , x4 )T ∈ R = .
−1 0 −2 1 x3 0
0 −1 −1 0 x4 0
este sistem liniar independent maximal în KerN (·) şi deci 2 = dimR KerN (·) < maλ = 4.
Trecem la:
Se observă că
0 1 1 0 0 1 1 0 −2 2 −2 2
−1 2 0 1 −1 2 0 1 −2 2 −2 2
N2 =
−1 0 −2 1 −1 0 −2 = ,
1 2 −2 2 −2
0 −1 −1 0 0 −1 −1 0 2 −2 2 −2
0 0 0 0
0 0 0 0
N3 =
0 0 0 0 şi deci s = 3.
0 0 0 0
Se determină nh numărul celulelor Jordan de ordin h ∈ {1, 2, 3} după formula
unde
Astfel că
n1 = rangN 2 − 2rangN 1 + rangN 0 = 1 − 4 + 4 = 1
n2 = rangN 3 − 2rangN 2 + rangN 1 = −2 + 2 = 0
n3 = rangN 4 − 2rangN 3 + rangN 2 = 1.
Aşadar, matricea Jordan asociată lui A are: o celulă de ordin 1¸ zero celule de ordin 2, o celulă de
ordin 3:
0 0 0 0
0 0 1 0
J= 0 0 0 1 .
0 0 0 0
2.15 Reper Jordan. Algoritm de jordanizare 93
Exerciţiu 2.15.2 Fie (M4 (R) , R) spaţiul vectorial al matricelor de tip 4 × 4 cu elemente
numere reale şi
2 1 0 0
0 2 0 0
A= ∈ M4 (R) .
0 0 0 1
0 0 −1 2
0 0 −1 0
Se determină numărul celulelor Jordan pentru valoarea proprie λ1 : mgλ1 = dimR KerN (·) unde
0 1 0 0 x1 0
0 0 0 0 x2 0
T
KerN (·) = x = (x1 , x2 , x3 , x4 ) ∈ R = .
0 0 −2 1 x3 0
0 0 −1 0 x4 0
Deci s = 2 deoarece rangN 2 = rangN 2+p = 2 pentru orice p ∈ N. Într-adevăr, observăm că
0 0 0 0
0 0 0 0
dacă p ∈ N este impar
0 0 2 + p + 2 −(2 + p + 1)
0 0 2 + p + 1 −(2 + p)
N 2+p =
0 0 0 0
0 0 0 0
dacă p ∈ N este par
0 0 − (2 + p + 2) 2 + p + 1
0 0 − (2 + p + 1)
2+ p
şi
2+p 2 + p + 2 −(2 + p + 1)
det M2N
= = 1 6= 0.
2+ p+1 −(2 + p)
unde
Astfel că
n1 = rangN 2 − 2rangN 1 + rangN 0 = 2 − 6 + 4 = 0
n2 = rangN 3 − 2rangN 2 + rangN 1 = 2 − 4 + 3 = 1.
0 0 −1 1
Se determină numărul celulelor Jordan pentru valoarea proprie λ : mgλ2 = dimR KerN (·) unde
1 1 0 0 x1 0
0 1 0 0 x2 0
T
KerN (·) = x = (x1 , x2 , x3 , x4 ) ∈ R = .
0 0 −1 1 x3 0
0 0 −1 1 x4 0
2.15 Reper Jordan. Algoritm de jordanizare 95
se numesc vectori proprii principali. Nucleele KerN (·) , ..., KerN s−1 (·) se numesc nuclee
principale. Şirul (2.32), este echivalent cu
Exerciţiu 2.15.3 Fie (M3 (R) , R) spaţiul vectorial al matricelor de tip 3 × 3 cu elemente
numere reale şi
0 1 0
A = 0 0 1 ∈ M3 (R) ,
1 −3 3
Se determină numărul celulelor Jordan pentru valoarea proprie λ : mgλ = dimR KerN (·) unde
−1 1 0 x1 0
KerN (·) = x = (x1 , x2 , x3 )T ∈ R 0 −1 1 x2 = 0 .
1 −3 2 x3 0
Trecem la:
Se observă că
−1 1 0 −1 1 0 1 −2 1
N 2 = 0 −1 1 0 −1 1 = 1 −2 1 =⇒ rangN 2 = 1
1 −3 2 1 −3 2 1 −2 1
şi
1 −2 1 −1 1 0 0 0 0
N 3 = 1 −2 1 0 −1 1 = 0 0 0
1 −2 1 1 −3 2 0 0 0
unde
Aşadar, avem zero celule de ordin 1, zero celule de ordin 2 şi o celulă de ordin trei:
1 1 0
J3 (λ ) = 0 1 1 .
0 0 1
Pentru a determina matricea jordanizatoare C observăm că avem un ciclu (lanţ) de vectori
2 3
generalizaţi de lungime trei v, N · v, N · v deoarece N · v = 0 nu este 6= 0 şi deci nu intră în
această mulţime.
Scriem ce înseamnă că J este matricea Jordan a lui U
U (v1 ) = v1 (A − I3 ) v1 = 0R3
U (v2 ) = v1 + v2 ⇔ (A − I3 ) v2 = v1
U (v3 ) = v2 + v3 (A − I3 ) v3 = v2 .
98 Capitolul 2. Operatori liniari
Exerciţiu 2.15.4 Fie (M3 (R) , R) spaţiul vectorial al matricelor de tip 3 × 3 cu elemente
numere reale şi
−2 −1 1
A = 2 −5 2 ∈ M3 (R) .
1 −1 −2
Se determină numărul celulelor Jordan pentru valoarea proprie λ : mgλ = dimR KerN (·) unde
1 −1 1 x1 0
KerN (·) = x = (x1 , x2 , x3 )T ∈ R 2 −2 2 x2 = 0 .
1 −1 1 x3 0
2.15 Reper Jordan. Algoritm de jordanizare 99
Trecem la:
Se observă că
1 −1 1 1 −1 1 0 0 0 0 0 0
N 2 = 2 −2 2 2 −2 2 = 0 0 0 , N 3 = 0 0 0 .
1 −1 1 1 −1 1 0 0 0 0 0 0
unde
Pentru a determina matricea jordanizatoare C observăm că avem un ciclu (lanţ) de vectori
generalizaţi de lungime doi {v, N · v}, deoarece N 2 · v = 0 nu este 6= 0 şi deci nu intră în această
mulţime. În această situaţie este recomandat să considerăm un vector propriu generalizat
v2 = (a, b, c)T astfel încât N · v2 6= 0. Putem considera de exemplu v2 = (1, 0, 0)T şi obţinem
1 −1 1 1 1
v1 = N · v2 = 2 −2 2 0 = 2
1 −1 1 0 1
Dacă am fi considerat
nu are soluţie. Motiv pentru care am apelat la un alt raţionament pentru construirea vectorilor
proprii generalizaţi pe care este util sa-l reţinem.
Exerciţiu 2.15.5 Fie (M2 (R) , R) spaţiul vectorial al matricelor de tip 2 × 2 cu elemente
numere reale şi
2 1
A= ∈ M2 (R)
−1 4
Deducem de aici că A − 3I2 este matrice nilpotentă. Se rezolvă ecuaţia PA (λ ) = 0 de unde
deducem că λ = 3 ∈ R cu maλ = 2.
2.15 Reper Jordan. Algoritm de jordanizare 101
Se determină numărul celulelor Jordan pentru valoarea proprie λ : mgλ = dimR KerN (·) unde
T −1 1 x1 0
KerN (·) = x = (x1 , x2 ) ∈ R = .
−1 1 x2 0
Trecem la:
Se observă că
2 −1 1 −1 1 0 0
N = = ,
−1 1 −1 1 0 0
şi deci s = 2. În fapt, N nilpotentă rezultă din PA (A) = 0M2 (R) , direct.
Se determină nh numărul celulelor Jordan de ordin h ∈ {1, 2} după formula
unde
Aşadar matricea Jordan asociată lui A are: zero celule de ordin 1¸ o celulă de ordin 2:
3 1
J= .
0 3
Ţinând
n seama de definiţia matricei unei
o aplicaţii liniare în raport cu un reper, se determină reperul
0 T T
B = v1 = (a1 , b1 ) , v2 = (a2 , b2 ) al lui R2 în raport cu care U are matricea J:
Alegând
obţinem
−1 1 a1 0
= =⇒ −a1 + b1 = 0 =⇒ a1 = b1 =⇒ v1 = a1 (1, 1)T .
−1 1 b1 0
Alegând
adică nu s-a greşit la calcule şi în plus matricea C are pe coloane vectorii v1 , v2 .
3. Sisteme de ecuaţii diferenţiale
y0 = a11 y + a12 z
y : G −→ D1 , y = y (x)
cu (3.1)
z0 = a21 y + a22 z z : G −→ D2 , z = z (x)
Definiţie 3.1.2 Un sistem de două funcţii y (x) : G ⊆ R →D1 , respectiv z (x) : G ⊆ R →D2
derivabile cu derivata continuă pe G, formează o soluţie a sistemului omogen (3.1) pe G dacă
verifică sistemul (3.1) pentru orice x ∈ G. Sistemul de funcţii y (x), z (x) cu această proprietate
se notează prin ϕ (x) = (y (x) , z (x))T iar despre ϕ : G ⊆ R →D1 × D2 spunem că este soluţie
a lui (3.1).
şi
ale sistemului (3.1). Se spune că ϕ1 (x), ϕ2 (x) formează un sistem fundamental de soluţii ale
sistemului (3.1) pe G dacă sunt liniar independente. Altfel spus, ϕ1 (x), ϕ2 (x) formează un
sistem fundamental de soluţii ale sistemului (3.1) pe G dacă
y1 (x) y2 (x)
W (x) =
z1 (x) z2 (x)
numit determinantul fundamental al lui celor două soluţii ϕ1 (x), ϕ2 (x) nu se anulează în
niciun punct din G.
104 Capitolul 3. Sisteme de ecuaţii diferenţiale
R Dacă determinantul W (x) a două soluţii ale sistemului este diferit de zero într-un punct
din G atunci el este diferit de zero pe G.
ϕ1 : G ⊆ R →D1 × D2 , ϕ2 : G ⊆ R →D1 × D2
sunt soluţii ale sistemului (3.1) ce formează un sistem fundamental de soluţii pe G, atunci
soluţia generală a sistemului (3.1) este dată de
R Dacă U : D1 ×D2 −→ R2 este operatorul de derivare definit prin U (ϕ) = ϕ 0 atunci sistemul
(3.1) se scrie sub forma echivalentă ϕ 0 = Aϕ unde
not ăm a11 a12
A = [A]UBc = ∈ M2 (R)
a21 a22
R Mulţimea
SA = { ϕ (·) : G ⊆ R →D1 × D2 | ϕ (·) verifică ϕ 0 (x) = Aϕ (x)}
de la R la R2 .
şi scriem ΛU, respectiv maλ . Soluţia generală a sistemului (3.1) este
unde ϕ1 (x), ϕ2 (x) este un sistem fundamental de soluţii ce se determină parcurgând unul din
cazurile următoare precizat de valoarea proprie λ :
Caz 1: Dacă λ = α + iβ ∈ ΛU (β > 0) se determină un vector propriu vλ = v1 + iv2 ∈ Xλ
cu ajutorul căruia se scriu soluţiile
ϕ1 (x) = Re eλ x vλ
= eαx (v1 · cos β x − v2 sin β x)
ϕ2 (x) = Im eλ x vλ = eαx (v1 · sin β x + v2 cos β x) cu x ∈ R
corespunzătoare valorilor proprii λ şi, respectiv λ . (În calcule, se recomandă deducerea acestor
formule din relaţia lui Euler eia = cos a + i sin a, a ∈ R).
3.1 Sisteme de ecuaţii diferenţiale liniare omogene 105
v1 = (m, n)T este vectorul propriu corespunzător lui λ1 , se determină din (A − λ1 I2 ) v1 = 0R2
v2 = (p, q)T este vectorul propriu corespunzător lui λ2 , se determină din (A − λ2 I2 ) v2 = 0R2 .
Scriem matricea diagonalizatoare
↑ ↑ m p
C = CBc ,B = v 1 v 2 = cu D = C−1 AC.
↓ ↓ n q
Scriem sistemul astfel
w0 = Aw
w = Cu unde u = (u1 , u2 )T .
Din
u01 u01 = λ1 u1
0 λ1 u1
u = Du ⇔ = ⇐⇒
u02 λ2 u2 u02 = λ2 u2
obţinem
u01
Z
= λ1 =⇒ (ln |u1 |)0 = λ1 =⇒ ln |u1 | = λ1 dx
u1
⇐⇒ ln |u1 | = λ1 x + ln |K1 | =⇒ u1 (x) = c1 eλ1 x unde c1 = ± |K1 |
u02
Z
= λ2 =⇒ (ln |u2 |)0 = λ2 =⇒ ln |u2 | = λ2 dx
u2
⇐⇒ ln |u2 | = λ2 x + ln |K2 | =⇒ u2 (x) = c2 eλ2 x unde c2 = ± |K2 | .
Revenim la schimbarea de variabilă
y (x) m p u1
=
z (x) n q u2
de unde obţinem soluţia în coordonate
de unde obtinem
(v1 este vectorul propriu corespunzător lui λ iar v2 este vector propriu generalizat/principal).
Atunci matricea jordanizatoare este
↑ ↑ m p
C = CBc ,B =
0 v 1 v 2 = cu J = C−1 AC.
↓ ↓ n q
Scriem sistemul astfel
w0 = Aw
w = Cu unde u = (u1 , u2 )T .
Din
u01 u01 = λ u1 + u2
0 λ u1 + u2
u = Ju ⇔ = ⇐⇒
u02 λ u2 u02 = λ u2 .
de unde rezultă
sau echivalent
de unde obţinem
T T
ϕ1 (x) = meλ x , neλ x şi ϕ2 (x) = mxeλ x + peλ x , nxeλ x + qeλ x
Se determină numărul celulelor Jordan pentru valoarea proprie λ : mgλ = dimR KerN (·)
unde
T −12 9 x1 0
KerN (·) = x = (x1 , x2 ) ∈ R = .
−16 12 x2 0
−12 9
Observăm că rangN = 1 unde N = .
−16 12
n o
Astfel că (3, 4)T este sistem liniar independent maximal în KerN (·) şi deci
si deci s = 2.
Se determină nh numărul celulelor Jordan de ordin h ∈ {1, 2} după formula
unde
Astfel că
n1 = rangN 2 − 2rangN 1 + rangN 0 = 0 − 2 + 2 = 0
n2 = rangN 3 − 2rangN 2 + rangN 1 = 0 − 2 · 0 + 1 = 1.
Aşadar matricea Jordan asociată lui A are: zero celule de ordin 1¸ o celulă de ordin 2:
3 1
J= .
0 3
Ţinând seama de definiţia matricei unei aplicaţii liniare în raport cu un reper, se determină reperul
n o
B0 = v1 = (a1 , b1 )T , v2 = (a2 , b2 )T
este reperul Jordan în care este atinsă forma J. În plus, putem spune că
n o
B0 = v1 = (3, 4)T , v2 = (−1, −1)T
este un ciclu de vectori proprii generalizaţi. În fapt v1 = (3, 4)T este vector propriu iar v2 =
(−1, −1)T este vector propriu principal.
Observăm că C−1 · A ·C = J este echivalentă cu
−1 1 −9 9 3 −1 3 1
=
−4 3 −16 15 4 −1 0 3
adică nu s-a greşit la calcule şi în plus matricea C are pe coloane vectorii v1 , v2 .
Efectuând schimbarea de variabilă w = C · u obţinem
0
0 u1 3 1 u1
u = D·u ⇔ = .
u02 0 3 u2
În final
Rezolvăm
Într-adevăr,
u02
Z
= 3 =⇒ (ln |u2 |)0 = 3 =⇒ ln |u2 | = 3dx ⇐⇒ ln |u2 | = 3x + ln |K2 | =⇒ u2 (x) = c2 e3x .
u2
T
Exerciţiu 3.1.2 Pentru w = (y, z) ∈ R2 , x ∈ R să se determine soluţia generală a sistemului
y0 = y + z
.
z0 = 3z − 2y
110 Capitolul 3. Sisteme de ecuaţii diferenţiale
sau echivalent
n − (1 + i) m 0
= =⇒ n − (1 + i) m = 0 =⇒ n = (1 + i) m
(1 − i) n − 2m 0
iar într-un final vλ = (m, n)T = m (1, 1 + i)T , de unde pentru m = 1 se poate considera vλ =
(1, 1 + i)T şi deci, conform relaţiei lui Euler, avem
1 1
eλ x vλ = e(2+i)x = e2x (cos x + i sin x)
1+i 1+i
e2x (cos x + i sin x)
= 2x .
e [cos x − sin x + (sin x + cos x) i]
şi
T
ϕ2 (x) = Im eλ x vλ = e2x sin x, e2x sin x + e2x cos x
Exerciţiu 3.1.3 Să se determine soluţia generală a sistemului de ecuaţii diferenţiale liniare
y0 (x) = z (x)
În final
u01 u01 = 2u1
2 0 u1
= ⇔ .
u02 0 6 u2 u02 = 6u2
Într-adevăr,
u01
Z
= 2 =⇒ (ln |u1 |)0 = 2 =⇒ ln |u1 | = 2dx ⇐⇒ ln |u1 | = 2x + ln |K1 | =⇒ u1 (x) = c1 e2x
u1
u02
Z
0
= 6 =⇒ (ln |u2 |) = 6 =⇒ ln |u2 | = 6dx ⇐⇒ ln |u2 | = 6x + ln |K2 | =⇒ u2 (x) = c2 e6x .
u2
Acum, folosind schimbarea de variabilă efectuată
1 1 u1
w= =⇒ y = u1 + u2 şi z = 2u1 + 6u2 ,
2 6 u2
112 Capitolul 3. Sisteme de ecuaţii diferenţiale
de unde
y (x) = c1 e2x + c2 e6x
, c1 = ± |K1 | ∈ R∗ , c2 = ± |K2 | ∈ R∗ .
z (x) = 2c1 e2x + 6c2 e6x
se tratează analog.
y : G −→ D1 , y = y (x)
y0 = a11 y + a12 z + f3 (x)
cu z : G −→ D2 , z = z (x) (3.3)
z0 = a21 y + a22 z + f4 (x)
fi : G → Di , fi = fi (x), i = 3, 4 continue pe G
Definiţie 3.2.2 Funcţiile y (x) : G ⊆ R →D1 , z (x) : G ⊆ R →D2 derivabile cu derivata con-
tinuă pe G, formează o soluţie a sistemului neomogen (3.3) pe G dacă verifică sistemul (3.3)
pentru orice x ∈ G. Notăm w (x) = (y (x) , z (x))T iar despre w : G ⊆ R →D1 × D2 spunem că
este soluţie a lui (3.3).
Teoremă 3.2.1 Soluţia sistemului (3.3) se obţine adăugând la soluţia generală a sistemului
omogen (3.1) o soluţie particulară, oarecare, a sistemului neomogen (3.3).
R Dacă
este soluţie particulară a lui (3.3), unde c1 (x), c2 (x) sunt funcţii derivabile ce se determină
punând condiţia ca ϕ p (x) să verifice (3.3). Metoda prin care se determină c1 (x), c2 (x)
se numeşte metoda variaţiei constantelor. Astfel că, w (x) = ϕ (x) + ϕ p (x) este soluţia
sistemului (3.3).
3.2 Sisteme de ecuaţii diferenţiale liniare neomogene 113
R Dacă U : D1 ×D2 −→ R2 este operatorul de derivare definit prin U (w) = w0 atunci sistemul
(3.3) se scrie sub forma echivalentă w0 = Aw + f unde
not ăm a11 a12
A = [A]UBc = ∈ M2 (R)
a21 a22
R Presupunem că A este matrice diagonalizabilă (respectiv jordanizabilă) şi fie C astfel încât
C−1 AC = D unde D este matricea diagonală formată cu valorile proprii distincte ale lui A
(respectiv matricea jordanizatoare). Efectuând schimbarea de variabilă w = C · u obţinem
(C · u)0 = A ·C · u + f (x) ⇐⇒ Cu0 = A ·C · u + f (x)
sau echivalent
C−1 ·Cu0 = C −1
| {z · A ·C} · u +C−1 · f (x)
| {z }
D not ăm
= g(x)
T
Exerciţiu 3.2.1 Pentru w = (y, z) ∈ R2 , x ∈ R să se determine soluţia sistemului
y0 = 2y + z + 1
.
z0 = y + 2z + x
În final
u01 u01 = u1 + 12 (1 − x)
1 0 u1 1 1−x
= + ⇔ . (3.4)
u02 0 3 u2 2 1+x u02 = 3u2 + 12 (1 + x)
adică
c01 (x) ex + c1 (x) ex = c1 (x) ex + 12 (1 − x) c01 (x) = 12 (1 − x) e−x
⇔
c02 (x) e3x + c1 (x) 3e3x = 3c2 (x) e3x + 21 (1 + x) c02 (x) = 21 (1 + x) e−3x
z (x) = − c1 ex + 12 x + c2 e3x − 61 x − 29
se tratează analog.
4. Forme liniare, biliniare şi pătratice
are o structură de spaţiu vectorial peste K, notat (X ∗ , K) şi numit spaţiul vectorial dual al lui
X.
f (x) = bT · xF
unde bi = f ( fi ). Cum xF = C−1 xE deducem că
f (x) = bT · xF = bT ·C−1 · xE
şi deci aT = bT ·C−1 =⇒ bT = aT C.
116 Capitolul 4. Forme liniare, biliniare şi pătratice
R Dacă se fixează z ∈ Y rezultă din i) că f este o funcţională liniară pe X iar dacă se fixează
x ∈ X rezultă din ii) că f este o funcţională liniară pe Y .
n m n m
f (x, y) = f Σ xi f i , Σ y j g j = Σ Σ xi y j f ( f i , g j ) . (4.1)
i=1 j=1 i=1 j=1
R Unei matrice A = (ai j )i=1,...,n ∈ Mn,m (K) i se poate asocia o formă biliniară.
j=1,....,m
not ăm
R Dacă X = Y atunci F = G iar f (x, y) = (xF )T AyF unde A = [A]Ff este matricea lui f în
raport cu reperul F. În plus, matricea A cu această proprietate este unică.
T T
Exemplu 4.3.1 Fie x = (x1 , x2 ) şi y = (y1 , y2 ) . Dacă
1 2
A=
2 4
atunci funcţionala biliniară asociată matricei A este
1 2 y1
f (x, y) = x1 x2 = x1 y1 + 2x1 y2 + 2x2 y1 + 4x2 y2 . (4.2)
2 4 y2
Definiţie 4.3.3 Fie (X, K) spaţiu vectorial real sau complex. O funcţională biliniară f :
X × X → K se numeşte
i) simetrică dacă f (x, y) = f (y, x) pentru orice x, y ∈ X;
ii) antisimetrică dacă f (x, y) = − f (y, x) pentru orice x, y ∈ X.
118 Capitolul 4. Forme liniare, biliniare şi pătratice
Teoremă 4.3.2 Fie (X, K) spaţiu vectorial real sau complex cu dimK X = n ∈ N∗ . Dacă
f : X × X → K este o funcţională biliniară, ce are matricea A = [A]Bf în reperul B ⊂ X, atunci
f este simetrică (respectiv antisimetrică) dacă şi numai dacă A = AT (respectiv A = −AT ).
Exerciţiu 4.3.1 Dacă (V, K) este spaţiu vectorial real sau complex (V = Rn sau V = Cn ) peste
corpul R al numerelor reale iar
Într-adevăr, dacă x = (x1 , ..., xn )T , y = (y1 , ..., yn )T iar z = (z1 , ..., zn )T atunci
fapt ce probează i). Analog rezultă ii). Dacă V = Rn atunci wi = wi şi f1 (v, w) = f2 (v, w).
ii) Presupunem prin absurd că f1 este funcţională biliniară. Cum
R Dacă X = Y atunci
not ăm
unde C = CF1 ,F2 este matricea de trecere de la reperul F1 la reperul F2 .
120 Capitolul 4. Forme liniare, biliniare şi pătratice
Exerciţiu 4.4.2 Dacă (P2 [X] , R) este spaţiul vectorial al polinoamelor cu coeficienţi reali
de grad cel mult doi peste corpul numerelor reale,
şi
atunci:
i) să se arate că p1 , p2 , p3 , p4 generează spaţiul P2 [X];
ii) să se extragă un reper B0 din {p1 , p2 , p3 , p4 };
iii) să se determine coordonatele lui p = 2a1 + a2 în reperul B0 ;
iv) să se arate că f : P2 [X] × P2 [X] → R definită prin
Z 1 Z 1
f (p, q) = p (t) dt · q (t) dt
0 0
este o funcţională biliniară simetrică şi să se determine matricea ei în reperul canonic al lui
P2 [X] apoi în reperele B şi, respectiv B0 .
Lema substituţiei dă răspuns cerinţelor i), ii) şi iii) astfel:
i) P2 [X] = Span {p1 , p3 , p4 };
ii) B0 = {p1 , p3 , p4 } este bază în (P2 [X] , R);
iii) p = 2p1 − 5p4 + p3 iar pB0 = (2, 1, −5)T .
Rămâne să rezolvăm:
iv) Se observă că ∀p, q, r ∈ P2 [X] şi ∀α, β ∈ R are loc
Z 1 Z 1
f (α p + β r, q) = (α p (t) + β r (t)) dt · q (t) dt
0 0
Z 1 Z 1 Z 1 Z 1
= α p (t) dt · q (t) dt + β r (t) dt · q (t) dt = α f (p, q) + β f (r, q)
0 0 0 0
Analog
Analog, notăm cu A3 matricea funcţionalei biliniare în noul reper B0 . Din teorie A3 = C2T · A2 ·C2
unde
1 0 0
C2 = 2 2 1
1 3 1
este matricea de trecere de la reperul canonic B la reperul B0 . Atunci
A3 = C2T · A2 ·C2
a312
↓
3 1 169 52 143
1 2 1 1 2 3 1 0 0 9 3 18
= 0 2 3 32 9
4
1
2
2 2 1 = 52
3 16 22
3
.
1 1 1 143 22 121
0 1 1 3 2 9 1 3 1 18 3 36
Ne putem verifica dacă am greşit, prin soluţia doi! Astfel
p1 = a1 + 2a2 + a3 = 1 + 2 + 2t + t 2 iar p3 = 2 + 2t + 3t 2
şi
Z 1 Z 1 Z 1 1 52
Z
a312 = 1 + 2 + 2t + t 2 dt · 2 + 2t + 3t 2 dt = .
p1 (t) dt · p3 (t) dt =
0 0 0 0 3
Analog pentru celelalte componente ale matricei A3 .
4.5 Funcţionale pătratice reale 123
1
f : X × X → R, f (x, y) = (V (x + y) −V (x) −V (y)) (4.3)
2
asociată lui V , se numeşte funcţionala polară sau funcţionala dedublată a lui V .
R Reţinem:
i) Reprezentarea V (x) = (xF )T AxF se numeşte reprezentarea matriceală a funcţionalei
n n
pătratice reale V în timp ce V (x) = Σ Σ xi x j ai j se numeşte forma algebrică a funcţionalei
i=1 j=1
pătratice reale V .
ii) Matricea şi rangul unei funcţionale pătratice coincid cu matricea, respectiv cu rangul
funcţionalei biliniare simetrice asociate.
Exerciţiu 4.5.1 Fie (X, R) spaţiu vectorial real şi V : X → R o funcţională pătratică reală
n n
definită prin V (x) = Σ Σ xi x j ai j . Să se determine funcţionala biliniară simetrică f : X ×X →
i=1 j=1
R din care provine V .
În aceste ipoteze, există un reper ortonormat F = { f1 , ..., fn } ⊂ X faţă de care forma pătratică
V are expresia canonică
∆0 2 ∆1 2 ∆n−1 2
V (x) = ω + ω + ... + ω
∆1 1 ∆2 2 ∆n n
unde ω1 , ..., ωn sunt componentele coordonatelor lui x în baza F (Echivalent: x = ω1 f1 +
ω2 f2 + ... + ωn fn sau xF = (ω1 , ..., ωn )T ).
4.6 Forma canonică a unei funcţionale pătratice (matrice pătratice) 125
R [Algoritmul Jacobi de determinare al bazei F este redat în:] Se caută vectorii f1 , ..., fn
de forma
f1 = b11 e1
f2 = b12 e1 + b22 e2
...
(4.5)
fi = b1i e1 + b2i e2 + ... + bii ei
...
fn = b1n e1 + b2n e2 + ... + bnn en
Metoda Jacobi este un instrument util în clasificarea funcţionalelor pătratice şi a matricelor
pătratice:
Teoremă 4.6.2 — Criteriul lui Sylvester. Fie (X, R) spaţiu vectorial real cu dimR X = n ∈
N∗ , A = (ai j )i, j=1,...,n matricea funcţionalei pătratice reale V : X → R în raport cu reperul
F = { f1 , ..., fn } ⊂ X şi
∆1 = a11 ,
a a
∆2 = 11 12
,
a21 a22
...
∆n = det A.
R Forma pătratică V este negativ definită dacă şi numai dacă forma pătratică V1 : X → R
definită prin V1 (x) = −V (x) este pozitiv definită. Matricea asociată lui V1 este −A iar
minorii ei principali sunt ∆1i = (−1)i ∆i pentru i = 1, ..., n.
126 Capitolul 4. Forme liniare, biliniare şi pătratice
R O matrice simetrică este pozitiv definită ⇐⇒ toţi minorii principali ai matricei sunt strict
pozitivi.
Exerciţiu
4.6.1 — problemă nonstandard. Se consideră funcţionala pătratică definită pe
R3 , R
Soluţie. i) Evident
1 0 1
A1 = 0 0 1/2 .
1 1/2 1
ii) Cum ∆2 = 0 nu putem aplica metoda lui Jacobi. Cu toate acestea, dacă efectuăm
schimbarea de coordonate
y1 = x3
y2 = x2
y3 = x1
rezultă
f (x, x) = x32 + 2x1 x3 + x1 x2 + x12
cu matricea
1 1 1
A2 = 1 0 0 .
1 0 1
Cum
1 1 1
1 1
∆1 = 1, ∆2 = = −1, ∆3 = 1 0 0 = −1
1 0
1 0 1
Folosim formula xF2 = (CF1 ,F2 )−1 xF1 pentru a afla F2 , unde xF2 = (x10 , ..., xn0 )T sunt coordonatele
lui x în reperul F2 . În fapt, coloanele lui CF1 ,F2 sunt vectorii reperului F2 . Dacă nu suntem în
ipotezele Etapei 1 se trece la:
Etapa 2. V conţine pătrate, situaţie în care nu este necesară transformarea de coordonate de
la Etapa 1. În acest caz, presupunând că V posedă un termen în x12 atunci V se poate scrie astfel
n n n
V (x) = a11 x12 + 2 Σ a1i x1 xi + Σ Σ ai j xi x j
i=2 i>1 j>1
2
1 n 1 n n n n
= a11 x1 + Σ a1i xi − Σ Σ a1i a1 j xi x j + Σ Σ ai j xi x j
a11 i=2 a11 i>1 j>1 i>1 j>1
2
1 n n n
= a11 x1 + Σ a1i xi + Σ Σ a0i j xi x j
a11 i=2 i>1 j>1
unde
a1i a1 j
a0i j = ai j − pentru orice 2 ≤ i, j ≤ n.
a11
Efectuăm transformarea de coordonate
0
x = a11 x1 + a12 x2 + ... + a1n xn
10
x2 = x2
...
0
xn = xn
sau echivalent
0
x1 a11 a12 ... a1n x1
x0 0 1 ... 0 x2
2 = (4.8)
... ... ... ... ... ...
xn0 0 0 ... 1 xn
şi avem noua expresie pentru V
1 0 n n
V (x) = x1 + Σ Σ a0i j xi0 x0j . (4.9)
a11 i>1 j>1
128 Capitolul 4. Forme liniare, biliniare şi pătratice
iar dacă notăm cu F2 = { f21 , ..., f2n } reperul lui X faţă de care V este transformată în (4.9) atunci
matricea de trecere de la reperul F1 la reperul F2 va fi
−1 1
− a111 a12 ... − a111 a1n
a11 a12 ... a1n a11
0 1 ... 0 = 0
1 ... 0
CF1 ,F2 =
... ...
.
... ... ... ... ... ...
0 0 ... 1 0 0 ... 1
Evident, avem formula xF2 = (CF1 ,F2 )−1 xF1 pentru a afla F2 , unde xF2 = (x10 , ..., xn0 )T sunt coordo-
natele lui x în reperul F2 . În fapt, coloanele lui CF1 ,F2 sunt vectorii reperului F2 .
n n
Cum în funcţionala pătratică Σ Σ a0i j xi0 x0j nu figurează decât coordonate de indice superior
i>1 j>1
lui 1 se repetă procedura de la Etapele 1, 2 pentru celelalte variabile până ce se obţine reperul
ortogonal în X în raport cu care funcţionala pătratică V poate fi scrisă sub forma canonică.
V (x) = f (x, x) = x1 x2 + x1 x3 + x2 x3 .
0 21 12
A = 21 0 12 .
1 1
2 2 0
şi avem
Observăm că V (x) = f (x, x) = (y1 + y3 )2 − y23 − y22 iar după transformarea de coordonate
z1 = y1 + y3
z2 = y2
z3 = y3
se deduce că ∆1 = 1, ∆2 = −1 şi ∆3 = 1 iar din Criteriul lui Sylvester deducem că funcţionala
pătratică este nedefinită.
astfel că
6x1 y2 6x2 y1 2x1 y3 2y1 x3
f (x, y) = x1 y1 + x2 y2 + + − −
2 2 2 2
= x1 y1 + x2 y2 + 3x1 y2 + 3x2 y1 − x1 y3 − y1 x3 .
Calculăm
f (e1 , e1 ) = 1 · 1 + 0 · 0 + 3 · 1 · 0 + 3 · 0 · 1 − 1 · 0 − 1 · 0 = 1, f (e2 , e2 ) = 1, f (e3 , e3 ) = 0
f (e1 , e2 ) = 3, f (e1 , e3 ) = −1, f (e2 , e3 ) = 0
f (e2 , e1 ) = 3, f (e3 , e1 ) = −1, f (e3 , e2 ) = 0
130 Capitolul 4. Forme liniare, biliniare şi pătratice
1
f : X × X → R, f (x, y) = (V (x + y) −V (x) −V (y))
2
asociată lui V , se numeşte funcţionala polară sau funcţionala dedublată a lui V ".
Fie x = (x1 , x2 , x3 )T şi y = (y1 , y2 , y3 )T . Trebuie evaluat
V (x + y) = V (x1 + y1 , x2 + y2 , x3 + y3 )
= (x1 + y1 )2 + (x3 + y3 )2 + 6 (x1 + y1 ) (x2 + y2 ) − 2 (x2 + y2 ) (x3 + y3 ) ,
V (x) = x12 + x32 + 6x1 x2 − 2x2 x3
V (y) = y21 + y23 + 6y1 y2 − 2y2 y3
1
f (x, y) = (V (x + y) −V (x) −V (y)) = x1 y1 + x2 y2 + 3x1 y2 + 3x2 y1 − x1 y3 − x3 y1 .
2
Metoda 2. f (x, y) se determină prin dedublare ca în rezolvarea punctului i) (Metoda 2).
Remarcăm că este indicată Metoda 2.
Metoda 3. f (x, y) se scrie cunoscând că
1 3 −1
A = 3 1 0 .
−1 0 0
∆0 2 ∆1 2 ∆2 2 1
V (x) = ω1 + ω2 + ω3 = ω12 − ω22 + 8ω32 , (4.10)
∆1 ∆2 ∆3 8
f (e1 , f1 ) = 1 ⇐⇒ f(e1 , f1 ) =
a11 · b11= 1
f (e1 , f2 ) = 0 1 3 b12 0
⇐⇒ =
f (e ,
2 2f ) = 1 3 1 b 22 1
f (e1 , f3 ) = 0 1 3 −1 b13 0
f (e2 , f3 ) = 0 ⇐⇒ 3 1 0 b23 = 0
f (e3 , f3 ) = 1 −1 0 0 b33 1
iar, în final,
b11 = 1
b12 + 3b22 = 0
=⇒ b12 = 83 , b22 = − 18
3b12 + b22 = 1
b13 + 3 · b23 − b33 = 0
3b13 + 1 · b23 = 0 =⇒ b13 = −1, b23 = 3, b33 = 8.
b13 = −1
x = − 18 ω2 + 3ω3
2
x3 = 8ω3
132 Capitolul 4. Forme liniare, biliniare şi pătratice
este transformarea de coordonate care duce la forma canonică. Este de observat că metoda o
putem aplica atunci şi numai atunci când toţi minorii principali ∆i sunt nenuli.
Metoda 2 pentru determinarea bazei. Căutăm
n o
F= f1 = (a, 0, 0)T , f2 = (b, c, 0)T , f3 = (d, e, h)T
Avem
1 3 −1 a
∆0
f ( f1 , f1 ) = ⇔ (a, 0, 0) 3 1 0 0 = 1
∆1
−1 0 0 0
de unde
a=1
2
a = 1 =⇒ sau şi f1 = (1, 0, 0)T .
a = −1
sau echivalent cu
b (b + 3c) + c (3b + c) = − 18
b + 3c = 0 =⇒ b = −3c
sistem cu soluţia
T
3 1 3 1 3 1
b = , c = − sau b = − , c = şi f2 = ,− ,0 .
8 8 8 8 8 8
4.6 Forma canonică a unei funcţionale pătratice (matrice pătratice) 133
(a ± b)2 = a2 ± 2ab + b2 .
Avem
şi avem
şi avem
1 2 ω 2 9ω 2 1 1
V (x) = ω12 + ω2 − 9ω32 − ω32 = ω12 − 2 + 3 − ω32 = ω12 − ω22 + ω32 . (4.15)
−8 8 8 8 8
Pentru determinarea reperului prezentăm două metode:
Metoda 1. Se parcurg transformările de coordonate de la ultima la prima înlocuindu-se
datele astfel
ω1 = y1 = x1 + 3x2 − x3
ω2 = 8y2 − 3y3 = 8x2 − 3x3
ω3 = y3 = x3
sau echivalent cu
ω1 1 3 −1 x1 1 3 −1
ω2 = 0 8 −3 x2 ⇐⇒ xF = 0 8 −3 xBC
ω3 0 0 1 x3 0 0 1
unde F este reper al lui R3 faţă de care V are forma canonică (4.15) iar xF = (ω1 ,ω2 , ω3 )T sunt
coordonatele lui x în reperul F. Matricea de transformare este
−1
1 − 83 − 18
1 3 −1
CBc ,F = 0 8 −3 = 0 18 3
8
.
0 0 1 0 0 1
care dă
1 − 38 − 81
xBC = 0 81 3
8
· xF
0 0 1
şi
( T T )
T 3 1 1 3
F= f1 = (1, 0, 0) , f2 = − , , 0 , f3 = − , , 1 .
8 8 8 8
de unde
1 3 −1
xF2 = 0 1 0 xF1
0 0 1
cu F2 un reper al lui R3 faţă de care V este transformată în (4.13) iar xF2 = (y1 ,y2 , y3 )T sunt
not ăm
coordonatele lui x în reperul F2 . Atunci matricea de trecere de la reperul canonic F1 = Bc la
reperul F2 va fi
−1
1 3 −1 1 −3 1 1 −3 1
CF1 ,F2 = 0 1 0 = 0 1 0 =⇒ xF1 = 0 1 0 xF2
0 0 1 0 0 1 0 0 1
şi găsim noul reper
de unde
n o
F2 = f21 = (1, 0, 0)T , f22 = (−3, 1, 0)T , f23 = (1, 0, 1)T .
cu F3 reper al lui R3 faţă de care V este transformată în (4.15) iar xF3 = (ω1 ,ω2 , ω3 )T sunt
coordonatele lui x în reperul F3 . Atunci matricea de trecere de la reperul F2 la reperul F3 va fi
−1
1 0 0 1 0 0 1 0 0
CF2 ,F3 = 0 8 −3 = 0 81 83 cu xF2 = 0 18 38 xF3
0 0 1 0 0 1 0 0 1
relaţie din care găsim noul reper
1 3
f31 = 1 · f21 , f32 = · f22 , f33 = f22 + f23
8 8
de unde
( T T )
T 3 1 1 3
F3 = f31 = (1, 0, 0) , f32 = − , , 0 , f33 = − , , 1
8 8 8 8
este reper ortogonal în R3 în raport cu care funcţionala pătratică V poate fi scrisă sub forma
canonică (4.15). Ne verificăm
T
1 − 38 − 18 1 − 38 − 18
1 3 −1 1 0 0
0 1
8
3
8 3 1 0 0 18 3
8 = 0 − 18 0
0 0 1 −1 0 0 0 0 1 0 0 18
136 Capitolul 4. Forme liniare, biliniare şi pătratice
adică nu s-a greşit. Remarcăm că, prin această a doua metodă, suntem conduşi la calcule pe care
în prima metodă le-am evitat.
Un comentariu de final este necesar: prin metoda lui Gauss, nu se obţine direct noul reper ci
trebuie să apelăm la schimbarea de coordonate.
iv) Clar
1 3 −1
1 3
∆1 = 1, ∆2 = = −8, ∆3 = 3 1 0 = −1
3 1
−1 0 0
iar din Criteriul lui Sylvester deducem că funcţionala pătratică este nedefinită.
R Dacă funcţionala pătratică a fost adusă la forma canonică prin metoda Jacobi atunci baza
se determină prin algoritmul Jacobi de determinare al bazei. Discuţia are loc şi în cazul
metodei lui Gauss.
i) există i1 , ..., i p ∈ {1, ..., n} astfel încât ai1 > 0,..., ai p > 0
ii) există j1 , ..., jq ∈ {1, ..., n} astfel încât a j1 < 0,..., a j p < 0
iii) există k1 , ..., kd ∈ {1, ..., n} cu d = n − (p + q) astfel încât ak1 = 0,..., akd = 0.
Se observă că signatura unei forme pătratice este invariantă la trecerea de la o expresie
canonică la alta:
Teoremă 4.7.1 — Teorema inerţiei-Sylvester. Dacă V : X −→ R este o funcţională pătratică
iar
r r+s t t+h
f1 (x) = Σ ωi2 − Σ ωi2 , respectiv f2 (x) = Σ ω
ei2 − Σ ω
e 2j
i=1 j=r+1 i=1 j=t+1
sunt formele canonice ale funcţionalei pătratice V atunci numărul coeficienţilor strict pozitivi
şi cel al coeficienţilor strict negativi nu depinde de baza în care s-a obţinut forma canonică.
Demonstraţie. Presupunem prin absurd r 6= t, r > t (situaţia t > r tratându-se analog). Fie X1 ,
respectiv X2 spaţiul soluţiilor sistemului omogen
ωr+1 = 0
S1 : ...
ωn = 0,
respectiv
e1 = 0
ω
S2 : ...
et = 0.
ω
4.7 Teorema inerţiei-Sylvester 137
Din presupunerea făcută, r < t, obsevăm că nu putem avea dimR (X1 ∩ X2 ) = 0. Într-adevăr, dacă
dimR (X1 ∩ X2 ) = 0 atunci aplicând Teorema lui Grassman
dimR (X1 + X2 ) = dimR X1 + dimR X2 .
Pe de altă parte din X1 + X2 ⊆ X deducem că
n = dimR X ≥ dimR (X1 + X2 ) = dimR X1 + dimR X2 = n − t + r
sau echivalent cu n ≥ n −t + r =⇒ t ≥ r adică o contradicţie cu t < r. Argument din care reţinem
că
dimR (X1 ∩ X2 ) 6= 0 şi deci X1 ∩ X2 6= {0X }
fapt ce atrage existenţa unui element x ∈ X1 ∩ X2 , x 6= 0X care să verifice sistemul omogen
ωr+1 = 0
...
ωn = 0
S3 :
ωe1 = 0
...
ωet = 0,
r t+h
mai mult V (x) = Σ ωi2 ≥ 0 şi V (x) = − Σ ω
e 2j ≤ 0.
i=1 j=t+1
De unde deducem că V (x) = 0. În final V (x) = 0 atrage ωi2 = 0 pentru i = 1, .., r, respectiv
e 2j = 0 pentru j = t + 1, ...,t + h ceea ce implică x = 0X (V (x) = 0 ⇐⇒ x = 0X !), adică o
ω
contradicţie cu x 6= 0X . Rezultă r = t. Pentru a demonstra că s = h notăm g = −V şi observăm
că toţi coeficienţii strict negativi din expresia lui V devin strict pozitivi în g. Atunci procedând
Analog cazului din demonstraţia r = t se obţine h = s.
R Cum r = t iar h = s se poate introduce denumirea t indice pozitiv de inerţie iar s indice
negativ de inerţie. Perechea (t, s, n − t − s) se numeşte signatura funcţionalei pătratice V .
atunci
1. V este pozitiv definită dacă şi numai dacă R=t =n
2. V este negativ definită dacă şi numai dacă R=s=n
3. V este pozitiv semidefinită dacă şi numai dacă R=t <n
4. V este negativ semidefinită dacă şi numai dacă R=s<n
(dacă nu se aplică 1., 2., 3., 4. trecem la:)
5. V este nedefinită dacă şi numai dacă t · s 6= 0.
atunci V (x) = −ω22 este sub forma canonică iar pe de altă parte
Definiţie 5.1.2 Spaţiul vectorial (X, K) înzestrat cu un produs scalar <, > se numeşte spaţiu
liniar euclidian.
iar cuplul (X, <, >) se numeşte spaţiu vectorial euclidian real.
R Dacă K = C iar <, >: X × X → K este produs scalar (numit produs scalar complex) atunci
<, > este liniar în prima variabilă şi conjugat liniar în a doua variabilă iar cuplul (X, <, >)
se numeşte spaţiu vectorial euclidian complex sau simplu spaţiu unitar.
R Produsul scalar real este o funcţională biliniară însă produsul scalar complex nu.
R În loc de notaţia < ·, · >, utilizată în definiţia produsului scalar, se mai foloseşte uneori şi
f (·, ·).
Soluţie. Fie α ∈ R oarecare şi f , g, h ∈ X funcţii arbitrare. Trebuie verificate axiomele produsului
scalar:
verificăm iii) < α f , g >= ab α f (x) g (x) dx = α ab f (x) g (x) dx = α < f , g >;
R R
Aşadar
2 1 y1
= xT Ay unde x = (x1 , x2 )T iar y = (y1 , y2 )T .
< x, y >= x1 x2
1 1 y2
Evident matricea A este simetrică şi deci < x, y > este simetrică, fapt ce probează prima axiomă
a produsului scalar.
Pe de altă parte
< x, x >≥ 0 oricare ar fi x ∈ X şi < x, x >= 0 dacă şi numai dacă x = 0R2 .
V (x) =< x, x >= 2x12 + 2x1 x2 + x22 = V (x) =< x, x >= x12 + (x1 + x2 )2 .
Rămâne să probăm că < x, x >= 0 dacă şi numai dacă x = (x1 , x2 )T = 0R2 .
Metoda 1. Cum V este liniară cunoaştem că V (x) = 0 dacă şi numai dacă x = 0R2 fapt ce
probează axioma iv) a produsului scalar.
Metoda 2. Observăm că < x, x >= 0 dacă şi numai dacă ω1 = ω2 = 0 deoarece f se scrie
ca sumă de pătrate. Pe de altă parte demonstrăm că ω1 = ω2 = 0 dacă şi numai dacă x1 = x2 = 0.
Într-adevăr, reperul în care se realizează forma canonică a lui f se determină din
T
1
2 · b11 = 1 =⇒ f1 = ,0
2
2 1 b12 0
= =⇒ f2 = (−1, 2)T
1 1 b22 1
şi deci
1
x1 2 −1 ω1
x = ω1 f1 + ω2 f2 ⇐⇒ =
x2 0 2 ω2
de unde pentru x1 = x2 = 0 =⇒ ω1 = ω2 = 0.
142 Capitolul 5. Probleme metrice în spaţii euclidiene
Teoremă 5.1.1 Dacă (X, K) este spaţiu vectorial real sau complex cu dimK X = n ∈ N∗ şi
<, >: X × X → K este produs scalar pe X atunci
i) < 0X , x >=< x, 0X >= 0 oricare ar fi x ∈ X;
ii) < x, y + z >=< x, y > + < x, z > oricare ar fi x, y, z ∈ X;
iii) dacă K = C avem < x, αy >= α < x, y > oricare ar fi α ∈ C şi x, y ∈ X;
iv) dacă K = R avem < x, αy >= α < x, y > oricare ar fi α ∈ R şi x, y ∈ X.
√
Definiţie 5.1.3 Fie (X, <, >) spaţiu euclidian real/complex. Scalarul kxk = < x, x > se
numeşte lungimea (modulul, norma) vectorului x ∈ X.
Exerciţiu 5.1.3 Dacă (X, K) spaţiu euclidian real sau complex atunci
Exerciţiu 5.1.4 — Regula paralelogramului. Fie (X, <, >) spaţiu euclidian real sau com-
plex. Să se verifice că
kx + yk2 + kx − yk2 = 2 kxk2 + kyk2 ∀x, y ∈ X.
Definiţie 5.2.2 Fie (X, <, >) spaţiu vectorial euclidian şi y ∈ X cu y 6= 0X fixat. Proiecţia
ortogonală a lui x ∈ X pe y ∈ X, notată, pry x, este definită prin
< x, y >
pry x = y
< y, y >
iar numărul
< x, y >
√
< y, y >
Teoremă 5.2.1 — Teorema lui Pitagora. Fie (X, <, >) spaţiu vectorial euclidian complex.
Dacă < x, y >= 0 atunci kx + yk2 = kxk2 + kyk2 .
Exerciţiu 5.2.1 — Teorema lui Pitagora în Rm . i) Dacă x, y ∈ Rm \{θ }, atunci să se arate
că
ii) Dacă x1 , x2 ,..., xn ∈ Rm sunt elemente ortogonale două câte două, atunci să se arate
că: kx1 + ... + xm k2 = kx1 k2 + ... + kxm k2 .
144 Capitolul 5. Probleme metrice în spaţii euclidiene
Soluţie. i) Avem
Teoremă 5.2.2 — Inegalitatea Cauchy-Buniakovsky-Schwarz. Fie (X, <, >) spaţiu eu-
clidian complex. Are loc |< x, y >| ≤ kxk kyk pentru orice x, y ∈ X.
Demonstraţie. Rezultatul este clar dacă x = 0X sau y = 0X , altfel presupunem kxk 6= 0, respectiv
kyk 6= 0 şi alegem
2 2 < x, y >
z = kyk (x − pry x) = kyk x − y = kyk2 x− < x, y > y.
< y, y >
Observăm că
2 2
2 α1 , α
iv) Dacă
2
2 , β1 , β2 ∈ R sunt astfel încât α1 β1 + α2 β2 = 1, atunci să se arate că
α1 + α2 β1 + β2 ≥ 1.
Soluţie. i) Fie x = (α1 , ..., αm )T şi y = (β1 , ..., βm )T elemente din Rm . Inegalitatea lui Cauchy-
Schwarz în Rm este |hx, yi| ≤ kxk kyk. În coordonate, este echivalentă cu
q q
|α1 β1 + α2 β2 + ... + αm βm | ≤ α12 + α22 + ... + αm2 β12 + β22 + ... + βm2 ;
Teoremă 5.2.3 — Inegalitatea triunghiului sau a lui Minkowski. Fie (X, <, >) spaţiu
euclidian complex. Pentru orice x, y ∈ X are loc kx + yk ≤ kxk + kyk.
iii) Dacă α1 , α2 , β1 , β2 ∈ R sunt astfel încât α12 + α22 = β12 + β22 = 1, atunci să se arate că
(α1 + α2 )2 + (β1 + β2 )2 ≤ 4.
Soluţie. i) Fie x = (α1 , ..., αm )T şi y = (β1 , ..., βm )T elemente din Rm . Inegalitatea lui Minkowski
în Rm este kx + yk ≤ kxk + kyk care, cu ajutorul coordonatelor, se transformă în
q q q
(α1 + β1 )2 + ... + (αm + βm )2 ≤ α12 + α22 + ... + αm2 + β12 + β22 + ... + βm2 .
R Dacă (X, <, >) este spaţiu vectorial euclidian real atunci
|< x, y >|
−1 ≤ ≤1
kxk kyk
<x,y>
şi deci există θ ∈ [0, π] astfel încât cos θ = kxkkyk . Numim θ unghiul dintre x şi y.
146 Capitolul 5. Probleme metrice în spaţii euclidiene
Exerciţiu 5.2.4 Să se determine α ∈ R astfel încât elementele x = (1, 3, α)T şi y = (2, −1, 3)T
din spaţiul R3 să fie ortogonale. Cu α astfel determinat, să se calculeze cos(x,
cy).
În fapt, prY x = { x0 ∈ X| x − x0 ⊥ Y }.
Teoremă 5.2.4 Dacă (X, <, >) este spaţiu vectorial euclidian atunci oricare submulţime
ortogonală formată din elemente nenule este liniar independentă. Dacă, în plus, dimK X = n ∈
N∗ , atunci orice submulţime ortogonală care conţine n elemente nenule este o bază a lui X.
Teoremă 5.2.5 — Gram-Schmidt. Dacă (X, <, >) este spaţiu euclidian finit dimensional
nenul iar B1 = {v1 , v2 , ..., vn } este o bază în X atunci există o bază
i) B2 = {w1 , w2 , ..., wn } ortogonală în X;
ii) B3 = {y1 , y2 , ..., yn } ortonormată în X.
R [Etapa 3:] Împărţind fiecare vector din B2 prin lungimea sa obţinem o bază ortonormată
pentru X :
w1 w2 wn
B3 = y1 = , y2 = , ..., yn = .
kw1 k kw2 k kwn k
5.2 Procedeul de ortogonalizare Gram-Schmidt 147
(0, 1, 0)T .
i) Să se arate că B = {x1 , x2 , x3 } este o bază a lui R3 , R ;
0
ii) Să se determine o bază ortonormată B a lui R3 , R înzestrat cu produsul scalar
este nenul. {x1 , x2 , x3 } sunt sistem de generatori, deoarece dimensiunea lui R3 este finită (= 3).
ii) Aplicăm procedeul de ortogonalizare Gram-Schmidt, puţin diferit. Prin puţin diferit
vom înţelege modul algebric de obţinere a formulelor enumerate în procedeu.
0
Astfel, determinăm B = {y1 , y2 , y3 } din relaţiile:
1
y1 = kw1 k w1 w1 = x1
1
y2 = kw2 k w2 cu w2 = x2 + λ1 x1
1 w3 = x3 + λ2 x2 + λ3 x1
y3 = kw3 k w3
iar λ1 , λ2 , λ3 sunt numere reale ce se vor determina, din relaţia: wi , w j = 0, i 6= j.
y1 se determină din
1 1 1 1 1
y1 = w1 = √ (1, 1, 1)T = ( √ , √ , √ )T .
kw1 k 3 3 3 3
y2 se determină din
hx1 , x2 i 2
hw1 , w2 i = 0 ⇐⇒ hx1 , x2 + λ1 x1 i = 0 ⇐⇒ hx1 , x2 i + λ1 hx1 , x1 i = 0 ⇒ λ1 = − =−
hx1 , x1 i 3
adică
hx1 , x2 i 2 1 1 2
w2 = x2 + λ1 x1 = x2 − x1 = x2 − x1 = ( , , − )T
hx1 , x1 i 3 3 3 3
conduce la
1 3 1 1 2 1 1 2
y2 = w2 = √ ( , , − )T = ( √ , √ , − √ )T .
kw2 k 6 3 3 3 6 6 6
y3 se determină din relaţiile:
hw1 , w3 i = 0 ⇐⇒ hx1 , x3 + λ2 x2 + λ3 x1 i = 0 ⇐⇒
hx1 , x3 i + λ2 hx1 , x2 i + λ3 hx1 , x1 i = 0 ⇐⇒ 1 + 2λ2 + 3λ3 = 0,
şi
hw2 , w3 i = 0 ⇐⇒ x2 − 23 x1 , x3 + λ2 x2 + λ3 x1 = 0 ⇐⇒
x1 = (1, 2, −3)T , x2 = (1, −1, 2)T , x3 = (2, 1, 1)T şi x = (4, 3, 5)T .
Soluţie. i) Probăm că {x1 , x2 , x3 } este sistem liniar independent. Într-adevăr, din
ax1 + bx2 + cx3 = 0R3
a, b, c ∈ R
avem
1 1 2 0 a + b + 2c = 0
a 2 + b −1 + c 1
= 0 ⇐⇒ 2a − b + c = 0
−3 2 1 0 −3a + 2b + c = 0.
cu rangA = 3 deoarece
1 1 2 1 1 2
1 1
M2 = = −3 6= 0 şi M3 = 2 −1 1 = 0 −3 −3 = −6 6= 0,
2 −1
−3 2 1
0 5
7
rezultat ce arată că sistemul este compatibil unic determinat. În consecinţă a = b = c = 0 şi deci
{x1 , x2 , x3 } este sistem liniar independent.
Rămâne să arătăm că {x1 , x2 , x3 } este sistem de generatori. Într-adevăr, din
ax1 + bx2 + cx3 = y
∃ a, b, c ∈ R şi ∀y = (y1 , y2 , y3 )T ∈ R3
avem
1 1 2 y1
a 2 + b −1 + c 1 = y2
−3 2 1 y3
sau echivalent
a + b + 2c = y1
2a − b + c = y2
−3a + 2b + c = y3 .
Observăm că
< w1 , w2 >= 0 ⇔< x1 , x2 + λ1 x1 >= 0 ⇒ λ1 = 21
Înlocuind λ2 = −7 27
5 în relaţia 14λ3 − 7λ2 + 1 = 0 obţinem λ1 = − 35 .
Uu calcul simplu arată că
6
3
1 2 − 35
1 2 35
y1 = √ 2 , y2 = √ 0 şi y3 = √ 67 .
14 −3 10 1 6 35 18
2 35
150 Capitolul 5. Probleme metrice în spaţii euclidiene
Demonstraţie. i) Fie u şi v din Y ⊥ iar w din Y astfel încât < u, w >= 0 şi < v, w >= 0. Observăm
că pentru orice scalari α, β are loc
< αu + β v, w >= α < u, w > +β < v, w >= 0
şi deci αu + β v ∈ Y ⊥ .
ii) Dacă u ∈ Y ∩Y ⊥ atunci < u, u >= 0 ⇐⇒ u = 0X şi deci Y ∩Y ⊥ = {0X }.
i) Să se determine câte o bază ortogonală pentru subspaţiile vectoriale X şi, respectiv
X ⊥.
ii) Să se determine proiecţiile ortogonale ale vectorilor x = (2, 3, 4)T şi y = (1, 2, −1)T
pe X.
Avem aşadar
X = Span (−1, 1, 1)T , (−1, 2, 3)T ,
w 1 = v1
< v2 , w1 >
w2 = v2 − prw1 v2 = v2 − w1
< w1 , w1 >
de unde
w1 = v1 = (−1, 1, 1)T
< (−1, 2, 3)T , (−1, 1, 1)T >
w2 = (−1, 2, 3)T − T T (−1, 1, 1)T
< (−1, 1, 1) , (−1, 1, 1) >
(−1) · (−1) + 2 · 1 + 3 · 1
= (−1, 2, 3)T − 2
(−1, 1, 1)T
2
(−1) + 1 + 1 2
6 T
T 6 T 6 6
= (−1, 2, 3) − (−1, 1, 1) = −1 + , 2 − , 3 − = (1, 0, 1)T .
3 3 3 3
n o
O bază ortogonală pentru subspaţiul vectorial X este B1 = b1 = (−1, 1, 1)T , b2 = (1, 0, 1)T .
Se cunoaşte că
şi obţinem
de unde
X ⊥ = Span (−1, −2, 1)T .
152 Capitolul 5. Probleme metrice în spaţii euclidiene
că
Mai mult
sau echivalent < (2, 3, 4)T − α (−1, −2, 1)T , (−1, −2, 1)T >= 0 ce implică
2 4 2 T
4 2
α = − = − =⇒ x0 = , ,− .
6 3 3 3 3
Cum x = prX x + prX ⊥ x obţinem
2 4 2 T 4 5 14 T
T
prX x = x − prX ⊥ x = (2, 3, 4) − , ,− = , , .
3 3 3 3 3 3
Analog, prX ⊥ y = y0 ∈ R3 y − y0 ⊥ X ⊥ .
< (1, 2, −1)T − α (−1, −2, 1)T , (−1, −2, 1)T >= 0
implică
În final
Exerciţiu 5.4.1 — Metrica discretă. Să se arate că pe orice mulţime nevidă X se poate
defini o distanţă pe X cu ajutorul funcţiei
1 dacă x 6= y
d0 : X × X → R+ , d0 (x, y) =
0 dacă x = y
Soluţie. Într-adevăr, M1), M2) sunt evidente. Probăm că M3) are loc. Observăm că membrul
stâng al acestei inegalităţi este ≤ 1. Dacă
d0 (x, y) + d0 (y, z) < 1
atunci
d0 (x, z) = 0 =⇒ x = z
=⇒ x = y =⇒ d0 (x, y) = 0
d0 (z, y) = 0 =⇒ z = y
şi deci inegalitatea triunghiului este verificată.
154 Capitolul 5. Probleme metrice în spaţii euclidiene
unde x = (x1 , ..., xn )T şi y = (y1 , ..., yn )T sunt elemente arbitrare din Rn este metrică pe Rn .
Definiţie 5.4.2 Fie d o distanţă pe X. Perechea ordonată (X, d) se numeşte spaţiu metric.
defineşte o metrică pe R.
|a − b|
d (a, b) = .
1 + |a − b|
Să se arate că R2 , d este spaţiu metric şi să se determine mulţimea
Br (0, 0) = (x, y) ∈ R2 d ((x, y) , (0, 0)) < r = (x, y) ∈ R2 |x| + |y| < r
şi aceasta este de fapt interiorul pătratului de vârfuri (r, 0), (0, r), (−r, 0) şi (0, −r).
Definiţie 5.4.3 Fie d o distanţă pe X. Perechea ordonată (X, d) se numeşte spaţiu metric.
Notă. Noţiunea de spaţiu metric a fost introdusă de matematicianul francez René Maurice
Frėchet (1878-1973) în anul 1906.
Definiţie 5.4.4 Se numeşte subspaţiu metric al unui spaţiu metric (X, d) perechea (X 0 , d 0 )
unde X 0 este o submulţime nevidă a lui X, iar d 0 este restricţia lui d la mulţimea X 0 × X 0 .
R Dacă d1 şi d2 sunt metrici diferite pe X atunci spaţiile metrice (X, d1 ) şi (X, d2 ) sunt
distincte.
156 Capitolul 5. Probleme metrice în spaţii euclidiene
Definiţie 5.4.5 Fiind dat un punct x0 al spaţiului metric X = (X, d) şi un număr r > 0 definim
Definiţie 5.4.6 Se numeşte vecinătate a punctului x0 din spaţiul metric (X, d), o submulţime
V a lui X care include o bilă deschisă cu centrul în x0 şi rază r > 0.
Nk = {n ∈ N |n ≥ k, k ∈ N } .
Punând f (n) = xn , unde xn ∈ X, şirul se notează prin (xn )n≥k sau (xn ) sau simplu xn . Pre-
supunem k = 0 în continuare.
Definiţie 5.4.8 Spunem că şirul de puncte (xn ) din spaţiul metric (X, d) are limita x ∈ X dacă
în afara oricărei vecinătăţi Vx ⊆ Vx se află un număr finit de termeni ai şirului său, altfel spus,
dacă mulţimea valorilor lui n ∈ N pentru care xn ∈ / Vx este finită. Se scrie
d d
lim xn = x sau xn → x pentru n → ∞ sau xn → x.
n→∞ n→∞
Teoremă 5.4.1 Şirul de puncte (xn )n , xn ∈ (X, d) este convergent la x ∈ X ⇔ şirul de numere
reale nenegative (d (xn , x))n este convergent la zero, sau echivalent
d
xn → x ⇔ ∀ε > 0 ∃N (ε) ∈ N astfel încât d (xn , x) < ε ∀n ≥ N (ε) .
n→∞
R Am demonstrat că (X, d0 ) este spaţiu metric discret. Putem caracteriza şirurile din X unde
d0 (xn , x) → 0.
Soluţie. Limita unui şir convergent de puncte din Rn se calculează pe componente. Deci
T
lim an = 7, 0, 31 . Notând a = (7, 0, 3)T se observă că dE (an , a) → 0 când n → ∞.
n→∞
Definiţie 5.4.9 Fie şirul de puncte (xn )n∈N , xn ∈ X şi (kn ) un şir strict crescător de numere
naturale. Şirul de puncte (yn ) cu proprietatea că ∀n ∈ N astfel încât yn = xkn se numeşte subşir
al şirului de puncte (xn ) din spaţiul metric (X, d).
5.4 Noţiunea de distanţă, punct fix, contracţie. Teorema de punct fix 157
n→∞
R (xn )n∈N este şir fundamental dacă şi numai dacă d (xn+p , xn ) → 0 ∀p ∈ N.
R Orice şir Cauchy care conţine un subşir convergent este el însuşi convergent.
Definiţie 5.4.11 Un spaţiu metric (X, d) se numeşte complet dacă orice şir Cauchy de
elemente din X este convergent.
R Într-un spaţiu metric complet şirurile convergente sunt precis şirurile Cauchy.
R Spaţiul metric (Rn , d) unde d este metrica Euclidiană este spaţiu metric complet.
Exerciţiu 5.4.6 Să se dea exemplu de şir fundamental care nu este convergent.
n
Soluţie. Şirul de numere raţionale en = 1 + n1 este fundamental în (Q, |·|) (căci este convergent
în (R, |·|)) dar nu este convergent în (Q, |·|) deoarece în caz contrar ar rezulta că e = lim en ∈ Q,
n→∞
absurd. Deducem că (Q, |·|) nu este spaţiu metric complet.
Exerciţiu 5.4.7 În spaţiul metric (R, |·|) să se dea exemplu de şir mărginit care nu este
fundamental.
Soluţie. Şirul xn = 1 + (−1)n este mărginit în (R, |·|) căci |xn | ≤ 2, dar nu este fundamental,
deoarece |x2n − x2n−1 | = 2 ∀n ∈ N.
Soluţie. Observăm că (0, 1) înzestrat cu metrica uzuală din R nu este spaţiu metric complet.
Într-adevăr, fie xn = 1n . Fiecare membru al acestui interval este în (0, 1). În plus, xn este şir
Cauchy dar limita lui este 0 ∈ / (0, 1). Evident f : (0, 1) → (0, 1) definită prin f (x) = 21 x este o
contracţie în (0, 1) fără a avea puncte fixe în (0, 1).
158 Capitolul 5. Probleme metrice în spaţii euclidiene
Definiţie 5.4.13 Dacă funcţia f nu este continuă în punctul a ∈ A spunem că f este discon-
tinuă în a sau că a este punct de discontinuitate al lui f .
Definiţie 5.4.14 Fie (X, d) spaţiu metric. Spunem că funcţia f : X → X este contracţie pe
(X, d) dacă există α ∈ (0, 1) astfel încât d ( f (x) , f (y)) ≤ αd (x, y) pentru orice x, y ∈ X.
Definiţie 5.4.15 Fie (X, d) spaţiu metric. Elementul x ∈ X se numeşte punct fix pentru
aplicaţia (operatorul) f : X → X dacă f (x) = x.
Exerciţiu 5.4.9 Să se dea exemplu de funcţie care are cel puţin două puncte fixe.
Soluţie. Aplicaţia f : [0, 1] → [0, 1] definită prin f (x) = x2 are ca puncte fixe pe x1 = 0 şi x2 = 1
deoarece f (0) = 0 iar f (1) = 1.
Exerciţiu 5.4.10 Se consideră spaţiul metric (M, d) unde M = [1, ∞) iar d este distanţa
uzuală. Fie funcţia f : M → M dată prin f (x) = 2x + 1x . Să se arate că f este contracţie şi să
se determine α şi punctul fix.
Teoremă 5.4.3 — Teorema de punct fix a lui Banach. Dacă (X, d) este un spaţiu metric
complet şi f : X → X este o contracţie de constantă α ∈ (0, 1) atunci
i) f este continuă pe X;
ii) ∀x0 ∈ X şirul (xn )n al aproximaţiilor succesive xn+1 = f (xn ), ∀n ∈ N, converge la
5.4 Noţiunea de distanţă, punct fix, contracţie. Teorema de punct fix 159
Demonstraţie. i) Fie a ∈ X şi şirul (an )n ⊂ X cu lim an = a, deci lim d (an , a) = 0. Avem
n→∞ n→∞
X complet
=⇒ (xn ) este şir Cauchy → (xn )n este convergent, fie x∗ = lim xn . În xn+1 = f (xn )
n→∞
trecem la limită, folosind f continuă rezultă
lim xn+1 = lim f (xn ) = f lim xn
n→∞ n→∞ n→∞
deci x∗ = f (x∗ ). O altă soluţie x∗∗ nu poate să existe deoarece am avea
0 < d (x∗ , x∗∗ ) = d ( f (x∗ ) , f (x∗∗ )) ≤ αd (x∗ , x∗∗ ) < d (x∗ , x∗∗ )
evident imposibil.
iii) Conform inegalităţii (5.2) avem
αn
0 ≤ d (xn , xn+p ) ≤ d (x0 , x1 ) .
1−α
R Se poate demonstra că dacă (X, d) este un spaţiu metric complet şi f : X → X este o
contracţie de constantă α ∈ (0, 1) atunci
α
d (xn , x∗ ) ≤ d (xn−1 , xn ) .
1−α
160 Capitolul 5. Probleme metrice în spaţii euclidiene
R O ecuaţie de forma f (x) = 0 se poate pune sub forma g (x) = x în mai multe moduri, nu
toate la fel de convenabile aplicabilităţii metodei aproximaţiilor succesive. De exemplu,
pentru a rezolva ecuaţia x2 − 2 = 0 se preferă punerea ei sub forma x = 21 x + 2x . Cele
√ √
două soluţii, − 2 şi 2 se obţin pornind de la aproximaţiile strict negative şi, respectiv
strict pozitive.
Exerciţiu 5.4.11 Fie (I, dE ) spaţiu metric complet al lui (R, dE ) şi f : I → I funcţie continuă
pe I şi derivabilă pe interiorul lui I. Frecvent în analiza matematică sunt întâlnite iteraţii
de forma xn+1 = f (xn ), n ∈ N. Să se demonstreze că (xn )n≥0 este convergent pentru orice
alegere a lui x0 ∈ I dacă există α ∈ (0, 1) astfel încât | f 0 (x)| ≤ α pentru orice x ∈ I.
Soluţie. Rezultă din teorema lui Lagrange că pentru orice x şi y din I există t = t (x, y) între x şi
y astfel încât f (x) − f (y) = f 0 (t) (x − y).
Deci | f (x) − f (y)| = | f 0 (t)| |x − y| ≤ α |x − y| ⇐⇒ dE ( f (x) , f (y)) ≤ αdE (x, y), adică f
este contracţie.
Recapitulare:
(I, dE ) spaţiu metric complet Teorema Banach
=⇒ că xn este convergent.
f contracţie
Exerciţiu 5.4.12 Să se arate că ecuaţia x3 + 12x − 1 = 0 are o singură rădăcină reală şi să se
calculeze această rădăcină cu o eroare mai mică de 0, 0001 (altfel spus cu o precizie de 10−4 ).
Exerciţiu 5.4.13 Să se demonstreze că este posibil să rezolvăm ecuaţia f (x) = x3 + x − 1 = 0
1
folosind iteraţia xn = g (xn−1 ) = 2
1+xn−1
pentru n ≥ 1. Să se calculeze x1 , x2 , x3 pentru x0 = 1
şi să se estimeze d (x, xn ).
x −∞ − √13 √1
3√
+∞
√
g0 (x) 0 % 3 3
8 & −383 % 0
g00 (x) + + 0 − 0 + +
162 Capitolul 5. Probleme metrice în spaţii euclidiene
0 0 √1 0 0
Rezultă din tabel că g (x) ≤ g − 3 şi g (x) ≥ g √13 deoarece x = − √13 este punct de
maxim iar x = √1 este punct de minim.
3 √ √
Inegalitatea g0 (x) ≥ g0 √13 = − 3 8 3 este echivalentă cu −g0 (x) ≤ −g0 √13 = 3 3
8 sau,
√
mai mult |g0 (x)| ≤ 3 3
8 (deoarece x ∈ [0, 1] =⇒ g0 (x) ≤ 0).
√
3 3
Cum α = 8 < 1 =⇒ din Exerciţiul 5.4.11 că g este contracţie. În concluzie, f (x) = 0
poate fi rezolvată folosind iteraţia dată.
Etapa 3. Fie x0 = 1. Observăm că
1 1 1 1 4 4 1 25
x1 = g (x0 ) = = , x2 = g = 1
= , x 3 = g = 16
= .
1+1 2 2 1+ 4 5 5 1 + 25 41
αn
În final |x∗ − xn | ≤ 1−α |x1 − x0 | sau echivalent
√ n
3 3 2n 2n
8 1 4 27 3 27
|x − xn | ≤ √ 1− = √ < .
1− 83 3 2 8 − 3 3 64 2 64
√
Exerciţiu 5.4.14 Să se estimeze 3 cu 4 zecimale, folosind principiul contracţiei.
√
Soluţie. Observăm că 3 este rădăcină a ecuaţiei x2 = 3. Deci problema se reduce la a afla
soluţia pozitivă a acestei ecuaţii cu 4 zecimale,
√ adică să se estimeze soluţia cu o eroare mai
mică
de 10−4 . Mai mult, trebuie să observăm că 3 este un punct fix pentru f (x) = 1
2 x + 3
x .
Se arată ca mai sus că f este contracţie pe 32 , ∞ de constantă α = 12 . Dacă alegem x0 = 32
atunci
!
1 3 1 3 3 7
x1 = f (x0 ) = x0 + = +3 = .
2 x0 2 2 2 4
n
Pe de altă parte d (xn , x∗ ) ≤ 1−α
α
d (x0 , x1 ) ∀n ∈ N∗ .
În cazul nostru
√ 1 n n n
2 1 3 7 1 1 1
xn − 3 ≤ |x − x1 | = · 2 · − = · 2 · = n+1 .
1 0 2 2 4 2 4 2
1− 2
√
Membrul drept este mai mic decât 1014 pentru n = 13, care înseamnă că x13 aproximează 3 cu 4
zecimale. Mai mult, iteraţia xn+1 = f (xn ) ne dă un răspuns mai rapid. Din calcule, se observă
x3 ' 1, 732050810 şi x4 ' 1, 732050807. Deci |x3 − x4 | ≤ 1018 .
√ √
Pentru α = 12 =⇒ x4 − 3 ≤ |x4 − x3 | şi deci 3 este aproximat foarte bine chiar de către
√
x4 . Am obţinut 3 ' 1, 73205.
Fie (X, <, >) spaţiu euclidian real. Am văzut că lungimea (sau norma euclidiană) a unui vector
√
x ∈ X este numărul real kxk = < x, x >. Un calcul direct arată că
N1) kxk ≥ 0 ∀x ∈ X şi kxk = 0 ⇔ x = 0X ;
N2) kαxk = |α| kxk ∀x ∈ X, ∀α ∈ R;
N3) kx + yk ≤ kxk + kyk ∀x, y ∈ X,
proprietăţi ce demonstrează că o normă poate fi definită direct, astfel:
5.5 Noţiunea de spaţiu normat 163
bază
R Fie (X, R) spaţiu vectorial real. Dacă B = {b1 , ..., bn } ⊂ X atunci orice vector x ∈ X
se scrie x = Σni=1 xi bi , unde x = (x1 , ..., xn )T este vectorul coordonatelor în baza B iar
următoarele funcţionale sunt norme
kxk∞ = max |xi | norma ∞ (norma maximum)
1≤i≤n
1/p
kxk p = Σni=1 |xi | p norma p (pentru p = 2 norma euclidiană).
R Normele operatoriale pentru o matrice A = (ai j )i, j=1,..,n ∈ Mm,n (C) subordonate normelor
kxk∞ , kxk1 şi kxk2 sunt
kAk∞ = max Σnj=1 ai j (norma liniilor)
1≤i≤n
kAk = max Σ n ai j (norma coloanelor)
1 i=1
1≤ j≤n
T
kAk2 = [Rs (A∗ · A)]1/2 în care A∗ = A iar Rs este raza spectrală (norma euclidiană).
Exerciţiu 5.5.1 Fie X = C [a, b] = { f : [a, b] → R | f este continuă }. Să se arate că dacă
Rb
(X, R) este spaţiul vectorial real al funcţiilor definite pe [a, b] atunci k f kL1 = a | f (x)| dx
defineşte o normă pe X.
R Orice spaţiu normat (X, k·k) admite o metrică d, definită prin d (x, y) = kx − yk pentru
orice x, y ∈ X.
164 Capitolul 5. Probleme metrice în spaţii euclidiene
În concluzie,
n n
d ( f (x) , f (y)) = k f (x) − f (y)k∞ ≤ max Σ ai j d (x, y) = max Σ ai j kx − yk .
∞
1≤i≤n j=1, j6=i 1≤i≤n j=1, j6=i
Această discuţie împreună cu Teorema de punct fix a lui Banach demonstrează veridicitatea
următorului rezultat:
T
Teoremă 5.6.1 Fie A = (ai j )i, j=1,...,n ∈ Mn (R) matrice inversabilă, x = (x1 , .., xn ) ∈ Rn şi
n
b = (b1 , .., bn )T ∈ Rn . Dacă Σ
ai j < |aii | pentru orice i = 1, ..., n atunci pentru orice
j=1, j6=i
x0 ∈ Rn şirul aproximaţiilor succesive xm+1 = (In − A) · xm + b pentru m = 0, 1, ... converge la
unica soluţie a sistemului A · x = b.
6. Clase speciale de operatori
Definiţie 6.1.1 Fie u : X −→ Y operator liniar. Se numeşte adjunct al lui u un operator liniar
u∗ : Y −→ X definit prin
Teoremă 6.1.1 Dacă X este finit dimensional atunci orice operator liniar u : X −→ Y admite
un unic adjunct u∗ : Y −→ X.
Demonstraţie. Dacă {e1 , ..., en } este o bază ortonormată a lui X atunci u∗ îndeplineşte
Deci u∗ (y) = ∑nj=1 < u (e j ) , y >Y e j şi u∗ este unic. Definim u∗ în acest mod şi observăm că
(6.1) este îndeplinită pentru x = e j . Din liniaritatea lui u şi u∗ deducem că (6.1) este îndeplinită
pentru orice x ∈ X. Deci u∗ există.
şi operatorul liniar u : R2 → R2 , u (x) = (x1 − x2 ,2x1 )T pentru orice x = (x1 , x2 )T ∈ R2 . De-
terminaţi operatorul adjunct al lui u (notat cu u∗ ).
sau echivalent
u∗ (y) = < (1, 2)T , (y1 , y2 )T > (1, 0)T + < (−1, 0)T , (y1 , y2 )T > (0, 1)T
= (y1 + 2y2 ) (1, 0)T − y1 (0, 1)T = (y1 + 2y2 , −y1 )T .
Desigur se poate verifica că < u (x) , y >=< x, u∗ (y) > ∀x, y ∈ R2 . Într-adevăr,
< (x1 − x2 ,2x1 )T , (y1 , y2 )T >=< (x1 , x2 )T , (y1 + 2y2 , −y1 )T >
ii) Cum λ este valoare proprie arbitrară a lui u deducem că există x 6= 0X astfel încât
u (x) = λ x.
6.2 Endomorfisme autoadjuncte 167
Evaluăm < u (x) , x >=< λ x, x >= λ < x, x >= λ kxk2 > 0 şi obţinem
< u (x) , y >=< x, u (y) > ∀x, y ∈ X sau echivalent < λ x, y >=< x, µy > .
Avem succesiv
µ=µ
< λ x, y >=< x, µy >⇐⇒ λ < x, y >= µ< y, x > ⇔ λ < x, y >= µ < x, y >
iar în final
dimR X = dimR Rn = n ∈ N∗
izomorf
deducem din Teorema fundamentală de izomorfism I că (X, R) ' (Rn , R) astfel că putem
notăm
considera < x, y >= xT y pentru orice x, y ∈ X. Fie A = [A]uB matricea operatorului u într-o
bază ortonormată B a lui X. Dacă u (x) = Ax atunci
este echivalentă cu
relaţie din care se deduce că A = AT =⇒ A este simetrică. Reciproca este lăsată ca exerciţiu.
Exerciţiu 6.2.1 Ştiind că f ((x1 , x2 ) , (y1 , y2 )) = 5x1 y1 + 2x1 y2 + 2x2 y1 + x2 y2 defineşte un
2
produs scalar real pe R ,R , să se arate că
echivalent cu
< (−2x1 − x2 , 5x1 + 3x2 )T , (y1 , y2 )T >=< (x1 , x2 )T , (−2y1 − y2 , 5y1 + 3y2 )T > .
şi
T T 5 2 −2y1 − y2
< (x1 , x2 ) , (−2y1 − y2 , 5y1 + 3y2 ) > = x1 x2
2 1 5y1 + 3y2 (6.3)
= x1 y2 + x2 y1 + x2 y2 .
Rămâne să observăm că (6.2) şi (6.3) implică
Definiţie 6.2.2 O matrice A = (ai j )i, j=1,n se numeşte hermitică dacă ai j = a ji pentru orice
i, j = 1, ..., n.
Teoremă 6.2.2 Fie X spaţiu euclidian (real sau complex) finit dimensional nenul. Endo-
morfismul u : X −→ X este autoadjunct dacă şi numai dacă matricea lui în raport cu o bază
ortonormată este o matrice hermitică.
R [Etapa 1:] Fixăm un reper B ⊂ X şi scriem A = [A]VB matricea lui V în reperul B.
R [Etapa 3:] Pentru fiecare subspaţiu propriu Xλi determinăm câte un reper ortonormat Bi ,
i = 1, ..., p.
cu menţiunea că în această scriere fiecare valoare proprie apare de un număr de ori egal
cu ordinul de multiplicitate algebrică. Reperul ortonormat în care se obţine această formă
este B = B1 ∪ ... ∪ B p iar ωi sunt coordonatele lui x în reperul B.
Având acest rezultat, clasificarea funcţionalelor pătratice şi a matricelor pătratice poate fi
redată în:
Determinaţi forma canonică a funcţionalei pătratice precum şi reperul formei canonice.
Soluţie. Matricea funcţionalei pătratice corespunzătoare reperului canonic (bazei canonice) din
R3 , R este
6
4 2 4 3
A= 6 = .
2 4 3 4
Teoremă 6.4.1 Dacă (X, <, >) spaţiu euclidian real finit dimensional iar u : X −→ X este
operator liniar ortogonal atunci
i) se conservă norma euclidiană:
ku (x)k = kxk ∀x ∈ X,
Demonstraţie. i) Evident
p √
ku (x)k = < u (x) , u (x) > = < x, x > = kxk .
ii) Avem
iii) Clar
< u (x) , u (y) > < x, y >
\
cos u (x) , u (y) = = = cos (x,
cy) .
ku (x)k ku (y)k kxk kyk
Definiţie 6.4.2 Matricea A ∈ Mn×n (C) este numită matrice ortogonală dacă AT · A = In .
Teoremă 6.4.2 Un operator liniar este operator ortogonal dacă şi numai dacă matricea lui în
raport cu o bază ortonormată este o matrice ortogonală.
Exerciţiu 6.4.1 Determinaţi valorile proprii şi vectorii proprii ai operatorului liniar ortogonal
T
3 4 4 3
2
U : R → R ,U (x) = 2
x1 − x2 , − x1 − x2 , ∀x = (x1 , x2 )T ∈ R2 .
5 5 5 5
Soluţie. Avem
T
3 4 4 3
2
U : R → R ,U (x) = 2
x1 − x2 , − x1 − x2 , ∀x = (x1 , x2 )T ∈ R2
5 5 5 5
de unde
3
− 45 3
− 45
x1
U (x) = 5 şi deci A = [A]UBc = 5 .
− 45 − 53 x2 − 45 − 35
Remarcăm că
3
− 45 3
− 54
T 5 5 1 0
A·A = =
− 54 − 35 − 45 − 35 0 1
Mai mult, remarcăm că, în raport cu produsul scalar canonic din R2 , avem < v1 , v2 >= 0.
172 Capitolul 6. Clase speciale de operatori
Exerciţiu 6.4.2 Să se arate că determinantul matricei unui operator ortogonal relativ la o bază
ortonormată este 1 (caz în care spunem că operatorul este rotaţie) sau este −1 (caz în care
spunem că este simetric).
Soluţie. Într-adevăr, fie A ∈ Mn×n (C) matricea unui operator ortogonal în raport cu o bază
ortonormată. Din relaţia AT · A = In deducem că
7.1 Test 1
Exerciţiu 7.1.1 În R2 , R se consideră elementele
corespunzătoare reperului canonic (bazei canonice) din R3 , R şi să se studieze natura
Exerciţiu 7.1.3 Fie F01 mulţimea funcţiilor continue pe [0, 1] şi < ·, · >: F01 × F01 → R definit
prin
Z 1
< f , g >= f (x) g (x) dx, ∀ f , g ∈ F01 .
0
Să se arate că < ·, · > defineşte un produs scalar pe F01 × F01 şi să se calculeze < f , g > pentru
f (x) = 2x2 − x şi g (x) = x4 + 1.
174 Capitolul 7. Autoevaluare
ii) Să se determine spectrul şi subspaţiile proprii ale operatorului liniar U.
ii) Este operatorul liniar diagonalizabil? Dar jordanizabil? Justificaţi răspunsurile iar în
caz afirmativ să se determine forma diagonală/jordan precum şi reperul în care U are această
formă.
T
Exerciţiu 7.1.5 Pentru w (x) = (y (x) , z (x)) ∈ R2 se consideră operatorul U : R2 → R definit
prin
1 α
U (w) = Aw, unde A = cu α ∈ R
0 1
Exerciţiu 7.1.7 Definiţi noţiunea de acoperire liniară a (unui) unei (spaţiu generat de o
mulţime) mulţimi de vectori şi arătaţi că este subspaţiu vectorial.
Exerciţiu 7.1.8 Fie (X, K) şi (Y, K) subspaţii vectoriale ale spaţiului vectorial (V, K). Definiţi
suma directă a subspaţiilor (X, K) şi (Y, K) şi arătaţi că este subspaţiu vectorial al lui (V, K).
Exerciţiu 7.1.9 În spaţiul vectorial (V, K) se consideră subspaţiile vectoriale V1 şi V2 . Să se
definească noţiunea de supliment direct şi să se arate că dacă V10 este suplimentul direct al lui
V1 ∩V2 în V1 iar V20 este suplimentul direct al lui V1 ∩V2 în V2 atunci V10 ∩V2 = V20 ∩V1 = {0V }.
Exerciţiu 7.1.10 Fie X un spaţiu euclidian real şi un operator liniar U ∈ L (X, X). Scrieţi
definiţia operatorului ortogonal U.
Exerciţiu 7.1.11 Fie (X, <, >) spaţiu euclidian real cu dimR X = n ∈ N∗ . Dacă u : X −→ X
este operator liniar autoadjunctiar A este matricea lui u corespunzătoare unei baze ortonormate
atunci să se arate că det AAT = (det A)2 .
7.2 Test 2 175
7.2 Test 2
Exerciţiu 7.2.1 Fie următoarele sisteme de vectori
n o
F = f1 = (−2, 1, 1)T , f2 = (3, −1, 1)T , f3 = (1, 1, −1)T
n o
G = g1 = (2, 1, 0)T , g2 = (0, −1, 1)T , g3 = (1, 1, 0)T .
Exerciţiu 7.2.2 Considerăm spaţiul vectorial C3 ,C înzestrat cu produsul scalar canonic şi
n o
W = span (1, 1, i)T , (1, 1, −i)T ⊂ C3 ,C .
Exerciţiu 7.2.3 Să se discute după valorile parametrului λ natura funcţionalei pătratice
T
Exerciţiu 7.2.4 Pentru w (x) = (y (x) , z (x)) ∈ R2 se consideră operatorul U : R2 → R definit
prin
α 1
U (w) = Aw, unde A = cu α ∈ R
1 0
Exerciţiu 7.2.7 Fie X,Y, S subspaţii vectoriale ale unui spaţiu vectorial (V, K). Ce înseamnă
că S este suma directă a lui X şi Y ?
Exerciţiu 7.2.8 Se consideră un spaţiu euclidian X şi un operator liniar U ∈ L (X, X). Scrieţi
definiţia operatorului autoadjunct U.
Exerciţiu 7.2.9 Fie (X, <, >) spaţiu euclidian (real sau complex). Dacă u : X −→ X este
operator liniar autoadjunct atunci să se arate că ∀x ∈ X\ {0X } avem < u (x) , x > ·i este număr
pur imaginar.
7.3 Test 3
not
Exerciţiu 7.3.1 Fie A = (ai j )i, j=1,2 ∈ M2×2 (C), trA = a11 + a22 urma matricei A, (X, C)
spaţiul vectorial al matricelor pătratice de tip 2×2 de urmă 0 de componente numere complexe
peste corpul numerelor complexe C:
n o
X = A = (ai j )i, j=1,2 ∈ M2×2 (C) trA = 0
şi
0 i
Y = SpanC subspaţiu vectorial al lui (X, C).
1 0
f (x, y) = 4x1 y1 + x1 y2 − x2 y2 + x2 y1
T
Exerciţiu 7.3.5 Fie U1 : R2 → R3 definit prin U1 (x, y) = (x − y, x + y, −x + y) şi U2 : R3 →
T
R3 definit prin U2 (x, y, z) = (x + y, y + z, x) . Să se calculeze U2 ◦U1 .
Exerciţiu 7.3.6 Fie (X, K) şi (Y, K) subspaţii vectoriale ale spaţiului vectorial (V, K). Arătaţi
că (X ∩Y, K) este subspaţiu vectorial al lui (V, K).
Exerciţiu 7.3.7 Fie X, Y spaţii euclidiene reale şi un operator liniar U ∈ L (X,Y ). Scrieţi
teorema privind unicitatea operatorului adjunct.
Exerciţiu 7.3.8 Fie (X, <, >) spaţiu euclidian (real sau complex). Dacă u : X −→ X este
operator liniar autoadjunct iar λ 6= 0 este valoare proprie oarecare a lui U atunci să se arate
că λ i este număr complex pur imaginar.
7.4 Test 4
Exerciţiu 7.4.1 Dacă (P2 [X] , R) este spaţiul vectorial al polinoamelor cu coeficienţi reali
de grad cel mult doi peste corpul numerelor reale,
şi
atunci:
i) să se arate că p1 , p2 , p3 , p4 generează spaţiul P2 [X];
ii) să se extragă un reper B0 din {p1 , p2 , p3 , p4 };
178 Capitolul 7. Autoevaluare
defineşte un produs scalar şi să se determine o bază ortonormată Bo pornind de la baza B0 , în
raport cu produsul scalar astfel definit.
ii) Să se determine spectrul şi subspaţiile proprii ale operatorului liniar U.
iii) Este operatorul liniar diagonalizabil? Dar jordanizabil? Justificaţi răspunsurile iar
în caz afirmativ să se determine forma diagonală/jordan precum şi baza în care U are această
formă.
√ √
Exerciţiu 7.4.7 Fie a > 0 parametru real, p ∈ N∗ şi f : [ a, +∞) → [ p+1 a, +∞) definită
p+1
prin
1 h ai
f (x) = px + p .
p+1 x
i) Să se arate că f este contracţie;
√
ii) Să se arate că unicul punct fix al lui f este p+1 a;
√
iii) Să se găsească o aproximare a lui p+1 a cu o eroare de cel mult ε > 0.
Exerciţiu 7.4.9 Definiţi suma a două subspaţii vectoriale ale unui spaţiu vectorial (V, K) şi
arătaţi că este subspaţiu vectorial în (V, K).
Exerciţiu 7.4.10 Presupunem că (X, <, >) este spaţiu euclidian (real sau complex), u : X −→
X este operator liniar autoadjunct, xλ este un vector propriu de normă 1 al lui u corespunzător
valorii proprii λ iar xµ este un vector propriu de normă 1 al lui u corespunzător valorii proprii
µ. Să se arate că < ixλ + xµ ,xλ + ixµ >= 0 pentru λ 6= µ.
7.5 Test 5
Exerciţiu 7.5.1 Se consideră endomorfismul U : R3 → R3 definit prin U (x) = A · x unde
1 0 0
A= 0 2 0
0 0 3
T
Exerciţiu 7.5.2 Fie U : R2 → R2 operator definit prin U (x) = (x1 − x2 , −x1 + x2 ) pentru
orice x = (x1 , x2 )T ∈ R2 .
i) Să se arate că U este operator liniar autoadjunct;
ii) Să se determine valorile proprii şi vectorii proprii ai operatorului liniar autoadjunct
U;
iii) Să se determine nucleul KerU şi imaginea ImU ale operatorului liniar autoadjunct
U precum şi dimR KerU, respectiv dimR ImU.
180 Capitolul 7. Autoevaluare
3 3
U : R → R definit prin U (x1 , x2 , x3 ) =
Exerciţiu 7.5.3 Fie A matricea endomorfismul
(−x1 , −x2 , −x3 )T în baza canonică din R3 , R . Să se determine An .
Exerciţiu 7.5.4 Să se discute după valorile parametrului λ natura funcţionalei pătratice
T
Exerciţiu 7.5.7 Să se arate că U : R2 → R3 definit prin U (x, y) = (x, x + y, y) este operator
liniar.
T
Exerciţiu 7.5.8 Să se arate că U : R2 → R3 definit prin U (x, y) = (x, xy, y) nu este operator
liniar.
Exerciţiu 7.5.10 Să se studieze dacă operatorul liniar U : M2 (R) → R4 definit prin
a b
U = (a, a + d, b + c, d)T
c d
este inversabil.
8. Bibliografie
[1] L. Bădin, M. Cărpuşcă, G. Ciurea şi R. Şerban, Algebră liniară culegere de probleme,
Editura ASE, 1999.
[2] Gh. Cenuşă, V. Burlacu, R. Coroi, M. Toma şi A. Filip, Matematici aplicate în economie,
Tipografia A.S.E., 1990.
[3] Gh. Cenuşă, A. Filip, C. Raischi, ş.a., Matematici pentru economişti, Editura Cison, Bu-
cureşti, 2000.
[4] Gh. Cenuşă şi C. Neculăescu, Elemente de algebră liniară pentru economişti, Editura A.S.E.,
Bucureşti, 1998.
[5] Gh. Cenuşă, A. Filip, C. Raischi, D. Baz, M. Toma, V. Burlacu, I. Săcuiu şi I. Mircea,
Matematici pentru economişti, Editura Cison, Bucureşti, 2000.
[6] D.-P. Covei, Matematici aplicate în economie, Editura Academica Brâncuşi, Târgu-Jiu,
2009.
[7] S. Dedu şi F. Şerban, Matematici aplicate în economie, Editura Teocora, Bucureşti, 2009.
[8] J. Defranza şi G. Gagliardi, Introduction to linear algebra with applications, 1st Edition,
Tata Mcgraw Hill Education, 2012.
[9] C. Neculăescu şi O.Vegheş, Introducere în algebra liniară, Editura ASE, Bucuresti, 2005.
[10] O. Popescu, Matematici aplicate în economie, vol. I, II, Editura Didactică şi Pedagogică,
Bucureşti, 1993.
[11] I. Purcaru, Elemente de algebră şi programare liniară, Editura Ştiinţifică şi Enciclopedică,
Bucureşti, 1982.
[12] D. Simms, Linear Algebra, School of Mathematics, Trinity College, Dublin, Course 211,
2009.
[13] A. Toma, Algebră liniară: culegere de probleme, Editura Economică, Bucureşti, 2002.
[14] I. Vladimirescu şi M. Popescu, Algebră liniară şi geometrie analitică, Editura Universitaria,
Craiova, 1994.
[15] G. Vraciu, Algebră liniară şi complemente de analiză matematică, Editura Reprograph,
Craiova, 2001.