Algebra Covei Carte

Elemente
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
Copyright c 2015, Editura ASE

Toate drepturile asupra acestei ediţii sunt rezervate editurii.
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
Descrierea CIP a Bibliotecii Naţionale a României

COVEI, DRAGOŞ-PĂTRU
Elemente de algebră liniară/Dragoş-Pătru Covei. - Bucureşti:
Editura ASE, 2015
Bibliogr.
ISBN 978-606-505-860-6
512.64
Tehnoredactare: Dragoş-Pătru Covei

Redactor: Livia Radu (Editura ASE)
Coperta: Claudia-Marinela Dumitru (Editura ASE)
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
3 Sisteme de ecuaţii diferenţiale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103

3.1 Sisteme de ecuaţii diferenţiale liniare omogene 103
3.2 Sisteme de ecuaţii diferenţiale liniare neomogene 112
4 Forme liniare, biliniare şi pătratice . . . . . . . . . . . . . . . . . . . . . . . . . . 115

4.1 Funcţionale liniare-dualul algebric al unui spaţiu liniar 115
4.2 Funcţionale biliniare şi sesquiliniare 116
4.3 Funcţionale biliniare simetrice şi sesquiliniare hermitiene 116
4.4 Efectul schimbării reperelor la matricea unei funcţionale biliniare 119
4.5 Funcţionale pătratice reale 123
4.6 Forma canonică a unei funcţionale pătratice (matrice pătratice) 124
4.7 Teorema inerţiei-Sylvester 136
5 Probleme metrice în spaţii euclidiene . . . . . . . . . . . . . . . . . . . . . . . 139

5.1 Spaţiu euclidian. Spaţiu unitar. Noţiunea de normă 139
5.2 Procedeul de ortogonalizare Gram-Schmidt 143
5.3 Teorema de descompunere în subspaţii ortogonale 150
5.4 Noţiunea de distanţă, punct fix, contracţie. Teorema de punct fix 153
5.4.1 Convergenţa în spaţii metrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
5.4.2 Şiruri fundamentale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
5.4.3 Principiul contracţiei . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
5.5 Noţiunea de spaţiu normat 162
5.6 Aplicaţie a teoremei de punct fix a lui Banach 164
6 Clase speciale de operatori . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165

6.1 Adjunctul unui operator liniar 165
6.2 Endomorfisme autoadjuncte 166
6.3 Metoda valorilor proprii de aducere la forma canonică 168
6.4 Operatori liniari (endomorfisme) ortogonali 170
7 Autoevaluare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
7.1 Test 1 173
7.2 Test 2 175
7.3 Test 3 176
7.4 Test 4 177
7.5 Test 5 179
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
1.1 Definiţia spaţiului vectorial (liniar)

Fie K corp comutativ cu elementul neutru la înmulţire notat prin 1, iar la adunare prin 0.
Definiţie 1.1.1 O mulţime V 6= φ se numeşte spaţiu vectorial peste K (sau K-spaţiu vectorial
V ) dacă pe V se defineşte o operaţie algebrică internă
+
(x, y) ∈ V ×V → x + y ∈ V (numită adunarea vectorilor)
împreună cu care V are o structură de grup abelian, adică îndeplineşte axiomele
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
precum şi o operaţie algebrică externă

·
(α, x) ∈ K ×V → α · x ∈ V (numită înmulţirea cu scalari)
astfel încât să îndeplinească axiomele
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 Elementul 0V se numeşte vectorul nul, iar −x opusul vectorului x.

12 Capitolul 1. Spaţii vectoriale
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.
Următoarea propoziţie evidenţiază reguli de calcul într-un spaţiu vectorial.

Propoziţie 1.1.1 Dacă (V, K) este spaţiu vectorial atunci
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.
Demonstraţie. i) Considerăm în A5) : α = 1 şi β = 0 rezultând
(1 + 0) · x = 1 · x + 0 · x
sau echivalent
A8)
1 · x = 1 · x + 0 · x =⇒ x = x + 0 · x.
Cum 0V este unicul vector cu proprietatea x = x + 0V deducem că 0 · x = 0V .

ii) Considerăm în A7) : β = 0 rezultând
i)
(α · 0) · x = α · (0 · x) =⇒ 0 · x = α · 0V ⇐⇒ α · 0V = 0V .
Analog se probează iii) − vi).
Exerciţiu 1.1.1 Fie K corp comutativ şi

n o
T
Kn = K × ...
| {z } × K = (x 1 , ..., x )
n ix ∈ K, i = 1, ..., n
de n ori
unde n ∈ N, n ≥ 2. Pe Kn definim operaţiile

- adunarea:
de f
(x1 , ..., xn )T + (y1 , ..., yn )T = (x1 + y1 , ..., xn + yn )T
unde (x1 , ..., xn )T , (y1 , ..., yn )T ∈ Kn ;

- înmulţirea cu scalari:
de f
α · (x1 , ..., xn )T = (α · x1 , ..., α · xn )T
unde α ∈ K, (x1 , ..., xn )T ∈ Kn .

Să se arate că mulţimea Kn înzestrată cu operaţiile "+" şi "·" are o structură de spaţiu
vectorial peste corpul K, numit spaţiu aritmetic n-dimensional (sau spaţiul coordonatelor).
Soluţie. Elementul
0V = (0, ..., 0)T , respectiv − x = (−x1 , ..., −xn )T ,
este vectorul nul din Kn , respectiv, opusul lui x din Kn .

1.1 Definiţia spaţiului vectorial (liniar) 13
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.
R Pentru K = R obţinem spaţiul vectorial real Rn .
Exerciţiu 1.1.2 Să se arate că mulţimea

n √ √ o
V = a + b 2 + c 3 a, b, c ∈ Q
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
i) + :C V ×C V →C V , (u, v) + (x, y) = (u + x, v + y) ∀ (u, v) ∈C V, ∀ (x, y) ∈C V

ii) · : C×CV →C V , α (u, v) = (au − bv, bu + av) ∀ (u, v) ∈C V şi α = a + ib ∈ C.

Să se arate că CV, C este spaţiu vectorial (numit complexificatul spaţiului vectorial real
(V, R)). În particular, C Rn = Cn .

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
(x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 ) = (x2 + x1 , y2 + y1 ) = (x2 , y2 ) + (x1 , y1 )
din comutativitatea adunării în V .

A2) ∀ (x1 , y1 ) , (x2 , y2 ) , (x3 , y3 ) ∈C V avem
[(x1 , y1 ) + (x2 , y2 )] + (x3 , y3 ) = (x1 , y1 ) + [(x2 , y2 ) + (x3 , y3 )]

din asociativitatea adunării în V .

A3) ∃ (0V , 0V ) ∈C V astfel încât
(x, y) + (0V , 0V ) = (0V , 0V ) + (x, y) = (x, y) .
A4) ∀ (x, y) ∈C V ∃ (−x, −y) ∈C V astfel încât
(x, y) + (−x, −y) = (−x, −y) + (x, y) = (0V , 0V ) .
Evident (au − bv, bu + av) ∈C V .

Rămâne să verificăm axiomele A5)-A8). Verificăm A8), celelalte sunt doar artificii de calcul.
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 .
Soluţie. Fie x = (xb1 , ..., xbn )T ∈ Zn2 . Observăm că

x + x = (xb1 , ..., xbn )T + (xb1 , ..., xbn )T = (xb1 + xb1 , ..., xbn + xbn )T
T
= xb1 b 1+b 1 , ..., xbn b 1+b 1 = b 0, ..., b 0 = 0Zn2
1+b
deoarece b 1=b
0.
1.2 Subspaţii vectoriale

Definiţie 1.2.1 Fie (V, K) spaţiu vectorial şi X ⊂ V , X 6= φ . Mulţimea X se numeşte subspaţiu
vectorial al lui (V, K) dacă
i) ∀x, y ∈ X =⇒ x + y ∈ X;
ii) ∀α ∈ K, ∀x ∈ X =⇒ αx ∈ X.
R Un subspaţiu vectorial are o structură de spaţiu vectorial în raport cu operaţiile induse.
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

este subspaţiu vectorial al lui (Kn , K). Într-adevăr, fie
x = (x1 , ..., xi−1 , 0, xi+1 , ..., xn )T şi y = (y1 , ..., yi−1 , 0, yi+1 , ..., yn )T
elemente arbitrare din E. Observăm că

x + y = (x1 + y1 , ..., xi−1 + yi−1 , 0, xi+1 + yi+1 , ..., xn + yn )T ∈ E
αx = (αx1 , ..., αxi−1 , 0, αxi+1 , ..., αxn )T ∈ E ∀α ∈ K
şi deci E este subspaţiu vectorial al lui Kn .
R Relaţiile i), ii) din Definiţia 1.2.1 sunt echivalente cu

∀λ , µ ∈ K şi ∀x, y ∈ X rezultă λ x + µy ∈ X.
Exerciţiu 1.2.1 Să se arate că mulţimea

n o
S = (x1 , x2 , ..., xm−1 , 0)T xi ∈ R, i ∈ 1, m − 1

este subspaţiu vectorial în spaţiul vectorial (Rm , R).
Soluţie. Arătăm că
∀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
λ x + µy = (λ x1 + µy1 , ..., λ xm−1 + µym−1 , 0)T ∈ S.
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).
Soluţie. Arătăm că
∀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.
1.3 Acoperire liniară a unei submulţimi. Combinaţie liniară de vectori

Fie (V, K) spaţiu vectorial.
Definiţie 1.3.1 Fie A ⊆ V nevidă şi x1 , ..., xn ∈ V .
i) Spunem că vectorul x ∈ V este o combinaţie liniară de vectorii x1 , ..., xn dacă există
n
scalarii α1 , ..., αn ∈ K astfel încât x = ∑ αi xi .
i=1
ii) Spunem că vectorul x ∈ V este o combinaţie liniară de vectori din A, dacă ∃n ∈ N∗ ,
n
αi ∈ K, şi vectorii xi ∈ A, i = 1, ..., n, a.î. x = ∑ αi xi .
i=1
definiţie
iii) Mulţimea SpanK (A) = a tututror combinaţiilor liniare de vectori din A ⊂ V se
numeşte acoperire liniară a lui A. În particular, dacă A = {x1 , ..., xn } atunci
( )
n
definiţie
SpanK (A) = ∑ αi xi αi ∈ K, i = 1, ..., n . (1.1)

i=1
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
notaţiile: LK (A) , Span (A) , Sp (A) , < A > sau L (A) .
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).
Soluţie. Fie x, y vectori din SpanK (A) şi λ , µ ∈ K. Din

n
x ∈ SpanK (A) =⇒ există αi ∈ K astfel încât x = ∑ αi xi
i=1
n
y ∈ SpanK (A) =⇒ există βi ∈ K astfel încât y = ∑ βi xi .
i=1
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 .
Exerciţiu 1.3.2 Fie R3 , R spaţiul vectorial real şi

n o
A = (2, 2, 4)T , (2, 4, 2)T , (2, −2, 4)T ⊆ R3 .
Să se arate că v = (16, 6, 14)T este în SpanR A.
Soluţie. A arăta că v = (16, 6, 14)T este în SpanR A revine la arăta că există a1 , a2 , a3 ∈ R astfel
încât
(16, 6, 14)T = α1 (2, 2, 4)T + α2 (2, 4, 2)T + α3 (2, −2, 4)T
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
Să se arate că S = M2×2 (R).

Soluţie. Amintim că A ∈ M2×2 (R) dacă A este de forma

a b
A= .
b c
Se observă că

1 0 0 1 0 0 a b
a +b +c =
0 0 1 0 0 1 b c
şi deci S = M2×2 (R).
Exerciţiu 1.3.4 În spaţiul vectorial R4 , R se consideră elementele

x1 = (2, 4, 2, 4)T , x2 = (2, −2, 8, 10)T , x3 = (2, −4, 10, 12)T
şi x = (4, −4, 16, 20)T . Să se arate că elementul x este o combinaţie liniară a elementelor
x1 , x2 , x3 .
Soluţie. x este o combinatie liniară a elementelor x1 , x2 , x3 dacă există numerele γ1 , γ2 , γ3 ∈ R

astfel încât
x = γ1 x1 + γ2 x2 + γ3 x3 ,
relaţie echivalentă cu sistemul:



 2γ1 + 2γ2 + 2γ3 = 4
4γ1 − 2γ2 − 4γ3 = −4

2γ + 8γ2 + 10γ3 = 16
 1


4γ1 + 10γ2 + 12γ3 = 20
Matricea sistemului este
 
2 2 2
 4 −2 −4 
A=  2 8 10
.

4 10 12
Avem un minor de ordinul 2 nenul

2 2
4 −2 = 2 · (−2) − 2 · 4 = −12,

iar toţi minorii de ordinul 3 sunt nuli, deci rang A = 2.

Matricea extinsă este
 
2 2 2 4
 4 −2 −4 −4 
A=  2 8 10 16 

4 10 12 20
având rangul 2. Am demonstrat că rang A = rang A. Conform teoremei Kronecker-Capelli

sistemul este compatibil. Notăm necunoscuta secundară γ3 prin a şi considerăm primele două
ecuaţii ale sistemului, corespunzătoare minorului principal de ordin doi, avem

2γ1 + 2γ2 = 4 − 2a
4γ1 − 2γ2 = −4 + 4a
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 .
Exerciţiu 1.3.5 În spaţiul vectorial R4 , R se consideră elementele

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 .
Soluţie. x este o combinaţie liniară a elementelor x1 , x2 , x3 dacă există numerele reale γ1 , γ2 , γ3

astfel încât
x = γ1 x1 + γ2 x2 + γ3 x3 ,
relaţie echivalentă cu sistemul:



 −2γ1 + 3γ2 − γ3 = 1
−γ1 − 2γ2 + 3γ3 = 0


 −γ 1 + 12γ2 − 11γ3 = 1
−4γ1 + 15γ2 − 9γ3 = 0.


 
−2 3 −1
 −1 −2 3 
A=  −1 12
.
−11 
−4 15 −9
Avem un minor de ordinul 3 nenul:

−2 3 −1
M3A = −1 −2 3 = 14 6= 0

−4 15 −9
deci rang A = 3.
 
−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
rezultând rangA = 4. Am demonstrat că
rangA 6= rangA.
Conform teoremei Kronecker-Capelli, sistemul este incompatibil. În concluzie, x nu se poate

scrie ca o combinaţie liniară a elementelor x1 , x2 , x3 .
1.4 Familie de generatori 19
1.4 Familie de generatori

Fie (V, K) spaţiu vectorial.
Definiţie 1.4.1 Spunem că X ⊂ V este familie de generatori dacă orice vector din V se scrie
ca o combinaţie liniară de vectori din X. Cu alte cuvinte, X este familie de generatori pentru
V dacă V = SpanK (X).
R Dacă X este o familie de generatori pentru V şi X ⊂ Y ⊂ V , atunci Y este o familie de

generatori a lui V .
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 .
R Dacă X ⊂ V este familie de generatori pentru V în număr finit, în loc de familie de

generatori se mai foloseşte sintagma sistem de generatori.
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
este sitem de generatori în Kn .
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.
Exerciţiu 1.4.1 Să se arate că elementele
x1 = (2, 2, 2)T , x2 = (2, 2, 0)T şi x3 = (2, 0, 0)T
constituie un sistem de generatori în spaţiul vectorial R3 , R .

Soluţie. {x1 , x2 , x3 } formează un sistem de generatori în spaţiul vectorial R3 , R dacă şi numai

dacă orice w ∈ R3 se exprimă ca o combinaţie liniară de x1 , x2 şi x3 .

Fie w = (w1 , w2 , w3 ) ∈ R3 şi presupunem că
există λ1 , λ2 , λ3 ∈ R astfel încât w = λ1 x1 + λ2 x2 + λ3 x3 ,
sau echivalent, există λ1 , λ2 , λ3 ∈ R astfel încât

 2λ1 + 2λ2 + 2λ3 = w1
2λ1 + 2λ2 = w2 (1.2)
2λ1 = w3 .

Deoarece
 
2 2 2
det  2 2 0  = −8 6= 0
2 0 0
sistemul (1.2) are soluţii şi prin urmare x1 , x2 , x3 formează un sistem de generatori în R3 , R .

Mai mult, se poate observa că

1 1 1 1 1
λ1 = w3 , λ2 = w2 − w3 , λ3 = w1 − w2
2 2 2 2 2
şi deci

1 1 1 1 1
w = w3 x1 + w2 − w3 x2 + w1 − w2 x3 .
2 2 2 2 2
1.5 Familie de vectori liniar independentă/dependentă

Fie (V, K) spaţiu vectorial şi I o mulţime de indici.
Definiţie 1.5.1 O familie de vectori X = {xi }i∈I ⊂ V se numeşte liniar independentă dacă
pentru orice familie finită I0 ⊆ I are loc
∑ 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

=⇒ matricea A are rangul 3 = numărul necunoscutelor (=numărul elementelor ce intră în combi-

naţie). În consecinţă sistemul admite doar soluţia banală, ceea ce justifică cerinţa problemei.
De asemenea pentru orice familie I0 = {ik }1≤k≤3 ⊆ I = {1, 2, 3} finită avem că {xik }1≤k≤3
sunt liniar independente. Mai exact, dacă {x1 , x2 , x3 } este liniar independentă atunci şi {x1 },
{x2 }, {x3 }, {x1 , x2 }, {x2 , x3 }, {x1 , x3 } sunt liniar independente.
1.5 Familie de vectori liniar independentă/dependentă 21
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
În cazul nostru A are rangul 3 şi deci concluzia.

iii) Matricea formată de coordonatele acestor elemente este
 
3 6
3 6

A
A=  6 −3  =⇒ M2 = = −45 6= 0
6 −3
−3 9
=⇒ 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
sunt liniar independenţi.
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)
Astfel, vom considera expresia m f1 + n f2 + c f3 = 0V echivalentă cu
me1 + n (e1 + e2 ) + c (e1 + e2 + e3 ) = 0V .
Grupăm după e1 , e2 , e3
(m + n + c) e1 + (n + c) e2 + ce3 = 0V .
Cum e1 , e2 , e3 sunt liniar independenţi în (V, K), rezultă sistemul omogen


 m+n+c = 0
n+c = 0 (1.4)
c = 0.

Scriem matricea sistemului

 
1 1 1
A= 0 1 1 
0 0 1
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).
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:

i) x1 = (−1, 2, −1)T , x2 = (−2, −1, 1)T , x3 = (−7, 4, −1)T ;

ii) x1 = (−2, 3, −7)T , x2 = (−2, 0, 6)T , x3 = (−4, 3, −1)T ;
iii) x1 = (1, −2, −1)T , x2 = (−2, 4, 2)T .
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

=⇒ matricea A are rangul 2 < numărul necunoscutelor (=numărul elementelor ce intră în

combinaţie). În consecinţă sistemul admite şi soluţii diferite de soluţia banală, ceea ce justifică
cerinţa problemei.
ii) Privind cazul i) putem decide dacă x1 , x3 , x3 sunt liniar dependente în funcţie de rangul
matricei formate din coordonatele acestor elemente:
 
−2 −2 −4 −2 −2 −4
3  =⇒ M3A = 3

A= 3 0 0 3 = 0.
−7 6 −1 −7 6 −1
În cazul noastru A are rangul 2 şi deci obţinem concluzia.

iii) Matricea formată de coordonatele acestor elemente este
 
−1 2
A =  −2 4 
1 −2
cu rangul 1 < numărul elementelor intrate în combinaţie şi deci x1 , x2 sunt liniar dependente.
1.6 Operaţii cu familii de vectori

Propoziţie 1.6.1 Intersecţia unei familii de subspaţii vectoriale ale unui spaţiu vectorial este un
subspaţiu vectorial (echivalent: dacă {Si }i∈I este o familie de subspaţii vectoriale ale spaţiului
vectorial (V, K) atunci ∩ Si este un subspaţiu vectorial în (V, K)).
i∈I
1.6 Operaţii cu familii de vectori 23
Exerciţiu 1.6.1 În spaţiul vectorial R3 , R se consideră mulţimile:

n o
S1 = (x1 , x2 , x3 )T ∈ R3 |−2x1 + 3x2 − 4x3 = 0
n o
S2 = (x1 , x2 , x3 )T ∈ R3 |−x1 + x2 − 2x3 = 0 .
i) Să se arate că S1 şi S2 sunt subspaţii în R3 , R ;

ii) Să se determine S1 ∩ S2 .
Soluţie. i) Arătăm că

∀λ , µ ∈ R, x, y ∈ S1 ⇒ λ x + µy ∈ S1 .
Într-adevăr, dacă
x = (x1 , x2 , x3 )T şi y = (y1 , y2 , y3 )T
sunt elemente din S1 atunci
λ x + µy = (λ x1 + µy1 , λ x2 + µy2 , λ x3 + µy3 )T ∈ S1 ,
deoarece

−2λ x1 + 3λ x2 − 4λ x3 = 0
−2µy1 + 3µy2 − 4µy3 = 0
implică
−2(λ x1 + µy1 ) + 3(λ x2 + µy2 ) − 4(λ x3 + µy3 ) = 0.
Analog se demonstrează că S2 este subspaţiu în R3 , R .

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 .

R În general, reuniunea de subspaţii vectoriale nu este neapărat un subspaţiu vectorial.

Exerciţiu 1.6.2 Fie S1 şi S2 subspaţii vectoriale în R2 , R definite prin

n o n o
S1 = (x, 0)T x ∈ R şi S2 = (0, y)T y ∈ R .

Să se arate că S1 ∪ S2 nu este subspaţiu vectorial în R2 , R .

Soluţie. Reuniunea lui S1 şi S2 este mulţimea

n o
S1 ∪ S2 = (x, y)T (x, y)T ∈ S1 sau (x, y)T ∈ S2 .

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 .
Pe de altă parte, se observă că

(2015, 0)T + (0, 2015)T = (2015, 2015)T ∈
/ S1 ∪ S2
deşi (2015, 0)T ∈ W1 iar (0, 2015)T ∈ S2 .
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
(echivalent: suma subspaţiilor coincide cu subspaţiul generat de reuniunea subspaţiilor).
1.7 Bază a unui spaţiu vectorial. Dimensiune

Definiţie 1.7.1 Fie (V, K) spaţiu vectorial. Se numeşte bază a spaţiului vectorial V o familie
de vectori B care îndeplineşte condiţiile de mai jos:
i) B este familie liniar independentă;
ii) B este familie de generatori pentru spaţiul V .
R Sistemul de vectori
n o
Bc = e1 = (1, 0, ..., 0)T , ..., en = (0, ..., 1)T
este o bază a spaţiului vectorial (Rn ,R) numită baza canonică.

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.
    
 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 .
În următorul rezultat sunt sugerate definiţii echivalente ale bazei:

Propoziţie 1.7.1 Fie B o mulţime de vectori în (V, K). Sunt echivalente afirmaţiile:
i) B este familie liniar independentă maximală;
ii) B este familie de generatori minimală;
iii) B este bază.
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
{x1 , ..., xr } ⊆ B ⊆ {x1 , ..., xr , ..., xn } .
Exerciţiu 1.7.1 În spaţiul vectorial R3 , R se dau vectorii

x1 = (1, 1, −2) , x2 = (0, −1, 1) , x3 = (−2, −1, −1) , x4 = (1, 1, −7) .
că sistemul S = {x1 , x2 , x3 , x4 } este un sistem de generatori în spaţiul

i) Să se arate
3
vectorial R , R .
ii) Să se extragă din S un subsistem S0 care să constituie o bază în R3 , R .

Soluţie. i) Fie w ∈ R3 , w = (w1 , w2 , w3 ) ∈ R3 . Vom arăta că există scalarii λ1 , λ2 , λ3 , λ4 ∈ R

astfel încât
w = λ1 x1 + λ2 x2 + λ3 x3 + λ4 x4 . (1.5)
Relaţia (1.5) este echivalentă cu sistemul


 w1 = λ1 − 2λ3 + λ4
w2 = λ1 − λ2 − λ3 + λ4
w3 = −2λ1 + λ2 − λ3 − 7λ4

a cărui matrice este

 
1 0 −2 1
A =  1 −1 −1 1  .
−2 1 −1 −7
Deoarece există un minor de ordin 3 al lui A

1
0 −2
M3 = 1 −1 −1 = 4 (1.6)
−2 1 −1
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 .
R Dacă G = {x1 , x2 , . . . , xm } este sistem de generatori în spaţiul vectorial finit dimensional

V 6= {0V } peste corpul K atunci există o bază B a lui V conţinută în G.
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 Conform Teoremei 1.7.3 dimK V nu depinde de alegerea bazei.
R dimR Rn = n, dimR Mm×n (R) = m · n, dimR Pn [X] = n + 1.
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 .
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,
{1} este sistem de generatori deoarece x = 1 · x pentru orice x ∈ R,

{1} este sistem liniar independent deoarece α · 1 = 0 ⇔ α =0,
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,
{1, i} este sistem de generatori deoarece x = a · 1 + b · i pentru orice x ∈ C şi a, b ∈ R,

{1, i} este sistem liniar independent deoarece a · 1 + b · i = 0 ⇔ a=b=0,
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,
{1} este sistem de generatori deoarece z = 1 · z pentru orice z ∈ C,

{1} este sistem liniar independent deoarece (a + b · i) · 1 = 0C ⇔ a=b=0,
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:
a0 · 1 + a · X = 0C1 [X] dacă şi numai dacă a0 = a1 = 0
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.
Soluţie. Într-adevăr, polinoamele p0 (X) = 1, p1 (X) = X, ... , pn (X) = X n , ... realizează o

familie de generatori, cu n ∈ N arbitrar deoarece orice polinom se scrie ca o combinaţie liniară
finită de elemente din {p0 (X) , p1 (X) , ..., pn (X) , ..}, mai exact
P [X] = SpanR ({p0 (X) , p1 (X) , ..., pn (X) , ..}) .

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] = ∞.
Exerciţiu 1.7.5 Să se determine dimensiunea subspaţiului
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.
Soluţie. Sistemul x1 − x2 + x3 = 0 este compatibil dublu nedeterminat. Presupunem x1 necunos-

cuta principală şi notăm necunoscutele secundare astfel: x2 = a, x3 = b, obţinem x1 = a − b.
Deci
(x1 , x2 , x3 )T = (a − b, a, b)T = a(1, 1, 0)T + b(−1, 0, 1)T
Atunci B = {(1, 1, 0)T , (−1, 0, 1)T } reprezintă o bază în S. Astfel că
S = SpanR (1, 1, 0)T , (−1, 0, 1)T .

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

având soluţia λ1 = 3, λ2 = 2, deci xB = (3, 2)T .
Exerciţiu 1.7.6 Să se determine dimensiunea subspaţiului vectorial S al lui R3 , R generat

de elementele
x1 = (−1, 2, 1)T , x2 = (−2, −3, 1)T , x3 = (−3, −1, 2)T , x4 = (1, 5, 0)T .
Soluţie. Matricea coordonatelor acestor elemente este:

 
−1 −2 −3 1
A =  2 −3 −1 5  .
1 1 2 0
Un minor de ordinul 2 nenul este:

A
−1 −2
M2 = = 3 + 4 = 7.
2 −3
Minorii de ordinul 3 ce se pot forma cu minorul de ordinul doi sunt:

−1 −2 −3 −1 −2 1
MO13 = 2 −3 −1 = 0, MO23 = 2 −3 5 = 0,

1 1 2 1 1 0
avem că rang A = 2 şi deci rang S = 2.
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.

Soluţie. Matricea sistemului este:

 
1 2 2 −1 3 2 2 −1
A =  1 2 3 1 1  cu M3A = 2 3 1 = 36 6= 0.

3 6 2 7 5 6 2 7
Obţinem că α2 , α3 , α4 sunt necunoscute principale, iar α1 , α5 sunt necunoscute secundare. Le

notăm prin a, respectiv prin b.
Sistemul devine

 2α2 + 2α3 − α4 = −a − 3b
2α2 + 3α3 + α4 = −a − b
6α2 + 2α3 + 7α4 = −3a − 5b

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
avem baza B = {x1 = (1, − 12 , 0, 0, 0)T , x2 = (0, − 11 2 2 T

6 , 3 , 3 , 1) } care confirmă dimensiunea.
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 .

Soluţie. X subspaţiu al lui (Rn , R) dacă
∀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.
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
deducem că rangA = n − 1 = numărul vectorilor din sistem. Astfel, că

n o
E = (1, 1, 0..., 0)T , (0, 0, 1..., 0)T , ..., (0, 0, ..., 1)T
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.
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 .
Exerciţiu 1.7.10 Să se demonstreze că

n o
S1 = Span (1, 0, 1)T , (0, 1, 2)T
şi
n o
S2 = Span (1, 1, 3)T , (1, −1, −1)T
determină acelaşi subspaţiu vectorial al lui R3 , R şi să se determine acesta.

Soluţie. Metoda 1. Scriem matricea formată cu vectorii lui S1

 
1 0
A1 =  0 1 
1 2
n o
şi observăm că rangA1 = 2 = numărul de elemente din (1, 0, 1)T , (0, 1, 2)T , fapt ce demon-
strează că vectorii din S1 sunt liniar independenţi. Avem
n o
S1 = α1 (1, 0, 1)T + α2 (0, 1, 2)T α1 , α2 ∈ R .

Scriem matricea formată cu vectorii lui S2

 
1 1
A2 =  1 −1 
3 −1
n o
şi observăm că rangA2 = 2 = numărul de elemente din (1, 1, 3)T , (1, −1, −1)T , fapt ce
demonstrează că vectorii din S2 sunt liniar independenţi. Avem
n o
T T
S2 = a (1, 1, 3) + b (1, −1, −1) a, b ∈ R .
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 .
Demonstrăm că S1 = S2 sau echivalent (S1 ⊆ S2 şi S1 ⊇ S2 ).

" S1 ⊆ S2 "
Cercetăm dacă există a, b ∈ R astfel încât
(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
adică, dacă sistemul


 a+b = 1
a−b = 0
3a − b = 1

are soluţie. Clar, a = 21 , b = 12 este soluţia sistemului. Am demonstrat că

(1, 0, 1)T ∈ S2 . (1.7)
(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


 a+b = 0
a−b = 1
3a − b = 2

are soluţie. Clar, a = 21 , b = − 12 este soluţia sistemului. Am demonstrat că

(0, 1, 2)T ∈ S2 . (1.8)
Din (1.7) şi (1.8) deducem că S1 ⊆ S2 .

"S1 ⊇ S2 "
(1, 1, 3)T = a (1, 0, 1)T + b (0, 1, 2)T ⇐⇒ (1, 1, 3)T = (a, b, a + 2b)T


 a=1
b=0
a + 2b = 1

are soluţie. Clar, [a = 1, b = 0] este soluţia sistemului. Am demonstrat că
(1, 1, 3)T ∈ S1 . (1.9)
(1, −1, −1)T = a (1, 0, 1)T + b (0, 1, 2)T ⇐⇒ (1, −1, −1)T = (a, b, a + 2b)T


 a=1
b = −1
a + 2b = −1

are soluţie. Clar, [a = 1, b = −1] este soluţia sistemului. Am demonstrat că
(1, −1, −1)T ∈ S1 . (1.10)
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
x = α1 (1, 0, 1)T + α2 (0, 1, 2)T cu α1 , α2 ∈ R (arbitrari)
iar dacă x ∈ S2 vom avea
α1 (1, 0, 1)T + α2 (0, 1, 2)T = β1 (1, 1, 3)T + β2 (1, −1, −1)T (1.11)
cu β1 , β2 ∈ R. Dar relaţia (1.11) este echivalentă cu sistemul neomogen


 1 · α1 + 0 · α2 = β1 + β2
0 · α1 + 1 · α2 = β1 − β2 (1.12)
1 · α1 + 2 · α2 = 3 · β1 − β2

în necunoscutele β1 , β2 ∈ R (şi necunoscute α1 , α2 ∈ R dacă dorim să demonstrăm că S1 ⊇ S2 ).

 
1 1
A =  1 −1  cu rangA = 2.
3 −1
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 .
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)
Pe de altă parte, dacă α1 , ..., αn ∈ K nu ar fi unici ar exista β1 , ..., βn ∈ K astfel încât
x = β1 x1 + ... + βn xn . (1.14)
Ar rezulta, din relaţiile (1.13) şi (1.14), că
α1 x1 + ... + αn xn = β1 x1 + ... + βn xn
sau echivalent
(β1 − α1 ) x1 + ... + (βn − αn ) xn = 0V =⇒ β1 = α1 ,...,βn = αn
unde am folosit faptul că x1 , ..., xn sunt liniar independente.

"⊃" Presupunem că pentru orice x ∈ V există şi sunt unici α1 , ..., αn ∈ K astfel încât
x = α1 x1 + ... + αn xn .
Aceasta implică că B este sistem de generatori.

Rămâne să demonstrăm că este şi liniar independent. Observăm că ∀α1 , ..., αn ∈ K astfel
încât α1 x1 + ... + αn xn = 0V putem scrie
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.
Soluţie. x1 , x2 , x3 este sistem liniar independent deoarece matricea

 
3 3 3
A= 3 3 0 
3 0 0
coordonatelor acestor elemente are rangul 3.

x1 , x2 , x3 este sistem de generatori deoarece dimensiunea lui R3 este finită. Am demonstrat
că B = {x1 , x2 , x3 } este bază.
Se ştie că dacă există numerele reale λ1 , λ2 , λ3 unic determinate astfel încât
x = λ1 x1 + λ2 x2 + λ3 x3
atunci xB = (λ1 , λ2 , λ3 )T reprezintă coordonatele elementului x în baza B.


 3λ1 + 3λ2 + 3λ3 = 12
3λ1 + 3λ2 = −9
3λ1 = 6

având soluţia λ1 = 2, λ2 = −5, λ3 = 7, deci xB = (2, −5, 7)T .

Analog, dacă există numerele reale λ1 , λ2 , λ3 unic determinate astfel încât
y = λ1 x1 + λ2 x2 + λ3 x3
atunci yB = (λ1 , λ2 , λ3 )T reprezintă coordonatele elementului y în baza B.

 3λ1 + 3λ2 + 3λ3 = a
3λ1 + 3λ2 = b
3λ1 = c

având soluţia λ1 = 31 c, λ2 = 31 b − 31 c, λ3 = 13 a − 13 b, deci xB = ( 13 c, 13 b − 13 c, 13 a − 31 b)T .
Exerciţiu 1.7.12 În spaţiul vectorial R3 ,R se consideră elementele

x1 = (−2, 1, −1)T , x2 = (−1, 1, −2)T , x3 = (1, −2, 1)T .
i) Să se arate că B = {x1 , x2 , x3 } este o bază a lui R3 ,R .

ii) Să se determine coordonatele elementului x = (α, β , γ)T în baza B.
Soluţie. i) x1 , x2 , x3 este sistem liniar independent deoarece matricea

 
−2 −1 1
A= 1 1 −2 
−1 −2 1
a coordonatelor acestor elemente are rangul 3.
x1 , x2 , x3 este sistem de generatori deoarece dimensiunea lui R3 este finită. Am demonstrat
că B = {x1 , x2 , x3 } este bază.
ii) Se ştie că dacă există numerele reale λ1 , λ2 , λ3 unic determinate astfel încât
x = λ1 x1 + λ2 x2 + λ3 x3
atunci xB = (λ1 , λ2 , λ3 )T reprezintă coordonatele elementului x în baza B.

 −2λ1 − λ2 + λ3 = α
λ1 + λ2 − 2λ3 = β
−λ1 − 2λ2 + λ3 = γ

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
Exerciţiu 1.7.13 În spaţiul vectorial R3 ,R se consideră subspaţiul vectorial

S = {(x1 , x2 , x3 )T ∈ R3 |x1 − 3x2 + 2x3 = 0 }.
i) Să se determine o bază B a subspaţiului S;

ii) Să se arate că x = (−3, −1, 0)T ∈ S;
iii) Să se determine xB .
Soluţie. i) Sistemul x1 − 3x2 + 2x3 = 0 este compatibil dublu nedeterminat. Presupunem

x1 necunoscuta principală şi notăm necunoscutele secundare astfel: x2 = a, x3 = b, obţinem
x1 = 3a − 2b. Deci
(x1 , x2 , x3 )T = (3a − 2b, a, b)T = a(3, 1, 0)T + b(−2, 0, 1)T
Atunci B = {(3, 1, 0)T , (−2, 0, 1)T } reprezintă o bază în S;
ii) Deoarece −3 + 3 + 0 = 0 deducem că x ∈ S;
iii) Dacă există numerele reale λ1 , λ2 unic determinate astfel încât
x = λ1 (3, 1, 0)T + λ2 (−2, 0, 1)T
atunci xB = (λ1 , λ2 )T reprezintă coordonatele elementului x în baza B.

 3λ1 − 2λ2 = −3
λ1 = −1
λ2 = 0

având soluţia λ1 = −1, λ2 = 0, deci xB = (−1, 0)T .
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
în baza canonică Bc = 1, X, X 2 , ..., X n şi în baza

n o
B1 = 1, X − a, (X − a)2 , ..., (X − a)n .
Soluţie. Cum p (X) = a0 · 1 + a1 · X + a2 · X 2 + ... + an · X n deducem că pBc = (a0 , a1 , ..., an ).

Elementele lui B1 sugerează să ne gândim la dezvoltări în serie Taylor. Astfel că, vom deriva
succesiv p:
p0 (X) = 0 + a1 + 2a2 X + ... + nan X n−1
p00 (X) = 0 + 0 + 2a2 + ... + n (n − 1) an X n−2
...
(n)
p (X) = n · (n − 1) ...2 · 1 · an
şi vom scrie polinomul Taylor de grad n :
p0 (a) p(n) (a)
p (X) = p (a) + (X − a) + ... + (X − a)n .
1! n!
0
(n)

Evident pBc = p (a) , p 1!(a) , ..., p n!(a) .
Suntem în măsură să dezvoltăm o teorie, mai generală, privind sistemele de vectori.
1.8 Rangul unui sistem de vectori 37
1.8 Rangul unui sistem de vectori

Definiţie 1.8.1 Dacă M ⊂ V este un sistem de vectori din spaţiul vectorial V peste corpul
K, atunci rangul lui M este dimensiunea subspaţiului vectorial generat de M (rangM =
dimK Span(M)).
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 :
S1 = (−2, 2, 0)T , (4, −2, 2)T , (2, 0, 2)T ;

S2 = (0, 1, 1)T , (1, 0, 1)T , (1, 1, 0)T ;

S3 = (1, 2, 1)T , (−1, 1, −1)T , (2, −1, 3)T , (2, 2, 3)T ;

S4 = (1, 2, −1)T , (−1, −2, 1)T , (2, 4, −2)T .

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
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

nu este sistem de generatori.
1.9 Metoda pivotului Gauss-Jordan. Lema substituţiei

Teoremă 1.9.1 — Lema substituţiei. Fie (V, K) spaţiu vectorial cu dimK V = n ∈ N∗ , B =
{a1 , ..., an } bază a lui V iar
x = ξ1 a1 + ... + ξi ai + ... + ξn an şi y = η1 a1 + ... + ηn an .
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
y = η1∗ a1 + ... + ηi∗ x + ... + ηn∗ an
unde ηi∗ = ηi
ξi
şi η ∗j = η j − ηξii ξ j , j 6= i, j = 1, n.
Demonstraţie. i) "⊂" (Necesitatea). Fie F bază pentru V . Dacă prin absurd ξi = 0 atunci
x = ξ1 a1 + ... + ξi ai + ... + ξn an (1.15)
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
λ1 a1 + ... + λi−1 ai−1 + λi x + ... + λn an = 0V
sau folosind scrierea (1.15) echivalent cu
λ1 a1 + ... + λi (ξ1 a1 + ... + ξi ai + ... + ξn an ) + ... + λn an = 0V
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
Exerciţiu 1.9.1 În R3 ,R se consideră baza

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 }
unde
b1 = 2a1 + 2a2 + 3a3 ,

b2 = a1 + 4a2 + 2a3 ,
b3 = 3a1 + a2 + 5a3 .
Soluţie. Observăm că

 
2 1 3
not ăm
A = AE,F =  2 4 1  are det A = 5
3 2 5
iar din tabelul:
Baza C1A C2A C3A e1 e2 e3

e1 2 1 3 1 0 0
e2 2 4 1 0 1 0
e3 3 2 5 0 0 1
CA
1 1 1/2 3/2 1/2 0 0
e2 0 3 -2 -1 1 0
e3 0 1/2 1/2 -3/2 0 1
C1A 1 0 11/6 2/3 -1/6 0
C2A 0 1 -2/3 -1/3 1/3 0
e3 0 0 5/6 -4/3 -1/6 1
CA
1 1 0 0 18/5 1/5 -11/5
CA
2 0 1 0 -7/5 1/5 4/5
CA
3 0 0 1 -8/5 -1/5 6/5
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

Soluţie. Din tabelul:
C1A C2A C3A C4A C5A

e1 1 3 1 -2 -3
e2 1 4 3 -1 -4
e3 2 3 -4 -7 -3
e4 3 8 1 -7 -8
C1A 1 3 1 -2 -3
e2 0 1 2 1 -1
e3 0 -3 -6 -3 3
e4 0 -1 -2 -1 1
C1A 1 0 -5 -5 0
C2A 0 1 2 1 -1
e3 0 0 0 0 0
e4 0 0 0 0 0
deducem că rang A = 2 (deoarece în bază au intrat 2 elemente).
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

să fie compatibil.
Soluţie. Calculele se organizează astfel
Baza CA1 CA2 CA3 CA4 b

e1 1 2 -3 1 1
e2 3 1 1 -2 3
e3 3 -4 11 -7 a
CA1 1 2 -3 1 1
e2 0 −5 10 -5 0
e3 0 -10 20 -10 a-3
CA1 1 0 1 -1 1
CA2 0 1 -2 1 0
e3 0 0 0 0 a-3
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).
Exerciţiu 1.9.4 i) Să se rezolve sistemul următor cu ajutorul metodei pivotului:


 α1 + α2 + α3 = 8
α1 + 2α2 − α3 = 3 .
2α1 + α2 + 2α3 = 7

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.


1 1 1 1
iii) Să se calculeze A−1 ·C unde A = iar C = .
1 2 1 3
Soluţie. i) Din tabelul:
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 .
Exerciţiu 1.9.5 Să se determine dimensiunea subspaţiului S ⊂ R3 , R generat de elementele

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.
Soluţie. Din tabelul
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.

ii) Folosind metoda de pivotare Gauss-Jordan să se determine coordonatele vectorului

1.10 Matricea de trecere de la un reper la altul 43
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,
αv1 + β v2 = α α11 b2 + α12 b3 + α13 b4 + β α21 b2 + α22 b3 + α23 b4

= αα11 + β α21 b2 + αα12 + β α22 b3 + αα13 + β α23 b4 ∈ X

adică X este subspaţiu vectorial în R3 , R . Pentru a determina dimR X căutăm o bază în X.

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 .
1.10 Matricea de trecere de la un reper la altul

Definiţie 1.10.1 Fie (V, K) spaţiu vectorial cu dimK V = n ∈ N∗ iar E = {a1 , ..., an } şi F =
{b1 , ..., bn } repere ale sale. Matricea ale cărei coloane sunt formate de coordonatele vectorilor
reperului F în raport cu reperul E se numeşte matricea de trecere de la reperul E la reperul F.
R Dacă bi = ∑nj=1 αi j a j , i = 1, 2, ..., n atunci matricea de trecere de la reperul E la reperul F

este
 
α11 ... αn1
AE,F =  ... ... ...  . (1.16)
α1n ... αnn
Exerciţiu 1.10.1 Fie Bc = 1, X, X 2 , X 3 , X 4 reperul canonic din spaţiul liniar al polinoamelor

n 4 : (P4 [X] , R). Să se determine o

de grad cel mult matricea de trecere de la reperul Bc la
2 3 4
reperul B1 = 1, X + 1, (X + 1) , (X + 1) , (X + 1) .
Soluţie. Cu următoarele notaţii

e1 (X) = 1, e2 (X) = X, e3 (X) = X 2 , e4 (X) = X 3 , e5 (X) = X 4
g1 (X) = 1, g2 (X) = X + 1, g3 (X) = (X + 1)2 , g4 (X) = (X + 1)3 , g5 (X) = (X + 1)4
observăm că putem scrie
g1 (X) = 1 · e1 (X) + 0 · e2 (X) + 0 · e3 (X) + 0 · e4 (X) + 0 · e5 (X)
g2 (X) = 1 · e1 (X) + 1 · e2 (X) + 0 · e3 (X) + 0 · e4 (X) + 0 · e5 (X)
g3 (X) = 1 · e1 (X) + 2 · e2 (X) + 1 · e3 (X) + 0 · e4 (X) + 0 · e5 (X)
g4 (X) = 1 · e1 (X) + 3 · e2 (X) + 3 · e3 (X) + 1 · e4 (X) + 0 · e5 (X)
g5 (X) = 1 · e1 (X) + 4 · e2 (X) + 6 · e3 (X) + 4 · e4 (X) + 1 · e5 (X)
şi deci matricea de trecere de la reperul Bc la reperul B1 este
 
1 1 1 1 1
 0 1 2 3 4 
 
ABc ,B1 = 
 0 0 1 3 6 .

 0 0 0 1 4 
0 0 0 0 1
Teoremă 1.10.1 — Schimbarea bazei. Fie (V, K) spaţiu vectorial cu dimK V = n ∈ N∗ ,

E = {x1 , ..., xn } şi F = {y1 , ..., yn } repere ale sale. Dacă trecerea de la reperul E la reperul
F se face prin matricea AE,F definită în (1.16) atunci trecerea de la coordonatele lui x în
reperul E la coordonatele lui x în reperul F se face prin matricea (AE,F )−1 . Are loc formula
xF = (AE,F )−1 xE .
Demonstraţie. Din E reper deducem că ∀x ∈ V, ∃! α1 , ..., αn ∈ K astfel încât x = α1 x1 + ... +

αn xn .
Fie yi = αi1 x1 + ... + αin xn , i = 1, ..., n şi β1 , ..., βn coordonatele lui x faţă de reperul F, adică
x = β1 y1 + ... + βn yn . Stabilim o legătură între coordonatele α1 , ..., αn şi β1 , ..., βn . Avem
x = α1 x1 + ... + αn xn = β1 y1 + ... + βn yn
= β1 (α11 x1 + ... + α1n xn ) + ... + βn (αn1 x1 + ... + αnn xn )
!
n n
= (β1 α11 + ... + βn αn1 ) x1 + ... + (β1 α1n + ... + βn αnn ) xn = ∑ ∑ β j α ji xi .
i=1 j=1
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
2.1 Operatori liniari şi teoreme de izomorfism

Fie (U, K) şi (V, K) spaţii vectoriale.
Definiţie 2.1.1 Aplicaţia f : U → V se numeşte morfism de spaţii vectoriale (sau: aplicaţie
liniară, operator liniar, homomorfism de spaţii vectoriale ...) dacă
f (αx + β y) = α f (x) + β f (y) (2.1)
pentru orice x, y ∈ U şi orice α, β ∈ K.
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
i) ( f + g) (x) = f (x) + g (x)

ii) (α f ) x = α f (x)
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.
R Fie (V, K) spaţiu vectorial.

i) Aplicaţia 1V : V → V definită prin 1V (x) = x pentru orice x ∈ V este un operator liniar,
numit operatorul identic.
ii) Dacă V1 ,V2 sunt subspaţii vectoriale în V atunci aplicaţia O : V1 → V2 definită prin
O (x) = 0V2 pentru orice x ∈ V1 este un operator liniar, numit operatorul nul.
1
iii) Notăm cu C[a,b] mulţimea tuturor funcţiilor f (·) : [a, b] → R derivabile pe [a, b] cu
1
derivata continuă. Aplicaţia D : C[a,b] 0 , D ( f ) = f 0 este un operator liniar numit
→ C[a,b]
operator de derivare.
46 Capitolul 2. Operatori liniari
0
iv) Notăm cu C[a,b] mulţimea tuturor funcţiilor f (·) : [a, b] → R continue pe [a, b]. Apli-
0 1 , I(f) =
Rx
caţia I : C[a,b] → C[a,b] a f (t) dt, x ∈ [a, b] este un operator liniar numit operatorul
de integrare.
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 2.1.1 Considerăm spaţiile vectoriale R3 , R şi R2 , R . Să se studieze dacă

f : R3 → R2 definită prin f (x, y, z) = (x + y, xz) este aplicaţie liniară.
Soluţie. Se observă că

f (1, 0, 0) + f (1, 0, 1) = (1, 0) + (1, 0) = (2, 1)
şi
f ((1, 0, 0) + f (1, 0, 1)) = f (2, 0, 1) = (2, 2) .
Aşadar
f (1, 0, 0) + f (1, 0, 1) 6= f ((1, 0, 0) + f (1, 0, 1)) .
Exerciţiu 2.1.2 Considerăm spaţiile vectoriale Rk , R şi (Rn , R). Presupunem că f : Rk →

Rn este transformare liniară. Să se cerceteze valabilitatea următoarelor propoziţii:

i) Dacă {v1 , v2 , v3 } ⊆ Rk este sistem liniar dependent atunci şi { f (v1 ) , f (v2 ) , f (v3 )} ⊆
n
R este sistem liniar dependent.
ii) Dacă {v1 , v2 , v3 } ⊆ Rk este sistem liniar independent atunci { f (v1 ) , f (v2 ) , f (v3 )} ⊆
Rn este sistem liniar independent.
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 .
Demonstraţie. Deoarece f : V1 → V2 este morfism de spaţii vectoriale avem
f (0V1 ) = f (0V1 + 0V1 ) = f (0V1 ) + f (0V1 ) =⇒ 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 .
Definiţie 2.1.3 Fie f : U → V aplicaţie liniară. Spunem că

i) f este injectivă dacă pentru orice u1 , u2 ∈ U următoarea implicaţie f (u1 ) = f (u2 ) =⇒
u1 = u2 este adevărată.
ii) f este surjectivă dacă pentru orice v ∈ V există u ∈ U astfel încât f (u) = v.
iii) f este bijectivă dacă este injectivă şi surjectivă (echivalent: pentru orice v ∈ V există
şi este unic u ∈ U astfel încât f (u) = v).
Exerciţiu 2.1.3 Fie aplicaţia f : R2 → R2 definită prin

1 1
f (v) = A · v unde A =
−1 0
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
Pe de altă parte, dacă f (u) = f (v) atunci
(u1 + u2 , −u1 )T = (v1 + v2 , −v1 )T
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
Înmulţind cu A−1 această relaţie, avem

0 −1 1 1 v1 0 −1 w1
=
1 1 −1 0 v2 1 1 w2
sau echivalent

v1 0 −1 w1
= ⇐⇒ (v1 ,v2 )T = (w2 ,w1 + w2 )T .
v2 1 1 w2
Am arătat că
pentru orice w = (w1 , w2 )T ∈ R2 există v = (w2 ,w1 + w2 )T ∈ R2 astfel încât f (v) = w.
Or, aceasta demonstrează că f este surjectivă.
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
(g ◦ f ) (·) : V1 → V3 definită prin (g ◦ f ) (x) = g ( f (x)) pentru x ∈ V1
se numeşte produsul (sau compunerea) operatorilor liniari f , g.
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
(g ◦ f ) (x) = x ∀x ∈ V1 şi ( f ◦ g) (y) = y ∀y ∈ V2 .
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).
Demonstraţie. Presupunem că dimK U = dimK V = n ∈ N∗ . Fie
bază bază
{v1 , ..., vn } ⊂ (U, K) şi {w1 , ..., wn } ⊂ (V, K) .
Pentru orice v ∈ U, ∃!a1 , ..., an ∈ K astfel încât

v = a1 v1 + ... + an vn .
Demonstrăm că aplicaţia f : U → V definită prin
f (a1 v1 + ... + an vn ) = a1 w1 + ... + an wn
este liniară şi bijectivă. Într-adevăr, dacă
v = a1 v1 + ... + an vn ∈ U, w = b1 v1 + ... + bn vn ∈ V
şi a, b ∈ K sunt arbitrari atunci
f (av + bw) = f ((aa1 + bb1 ) v1 + ... + (aan + bbn ) vn )
= (aa1 + bb1 ) w1 + ... + (aan + bbn ) wn
= a (a1 w1 + ... + an wn ) + b (b1 w1 + ... + bn wn ) = a f (v) + b f (w)
adică f este aplicaţie liniară. Pentru a proba că f este bijectivă este suficient să observăm că
pentru orice w ∈ V ,
∃!a1 , ..., an ∈ K astfel încât w = a1 w1 + ... + an wn
şi deci
v = a1 v1 + ... + an vn
este unicul element din U astfel încât f (v) = w, adică f este bijectivă.
R Dacă (V, K) este spaţiu vectorial cu dimK V = n ∈ N∗ atunci (V, K) ∼

= (Kn , K) unde Kn
este spaţiul aritmetic n-dimensional.
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.
2.2 Spaţiul cât

Fie (V, K) spaţiu vectorial şi X subspaţiu vectorial al său. Definim o relaţie binară ρ astfel
∀x, y ∈ V avem xρy ⇐⇒ x − y ∈ X. Remarcăm că ρ îndeplineşte proprietăţile
R1) reflexivitatea: xρx, ∀x ∈ V ;
R2) simetria: dacă xρy atunci yρx, ∀x, y ∈ V ;
R3) tranzitivitatea: (xρy şi yρz) atunci xρz, ∀x, y, z ∈ V,
adică ρ este o relaţie de echivalenţă (congruenţa modulo X), se notează "≡".
Definiţie 2.2.1 Fie x ∈ V . Mulţimea
xb = { y ∈ V | y ≡ x (modulo X)} = { y ∈ V | y − x ∈ X}
se numeşte clasa de echivalenţă asociată vectorului x în raport cu ≡ sau clasa de echivalenţă a

lui x în raport cu ≡.
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
ii) Dacă X = {0X } atunci spaţiul cât al lui V / {0X } = V . Într-adevăr,

x ∈ V, xb = { y ∈ V | y − x ∈ {0X }} = { y ∈ V | y − x = 0X } = {x} .
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
dimK V = n şi dimK X = m
atunci
dimK (V /X) = n − m.
Exerciţiu 2.2.1 Fie V = R4 , R spaţiu vectorial şi

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.
Soluţie. i) U este subspaţiu vectorial al lui R4 , R dacă

∀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
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 !

iii) Elementele lui R4 /U sunt

xb = y ∈ R4 y − x ∈ U .

O bază pentru R4 /U este

B2 = {eb1 , eb3 } .
Pentru a demonstra aceasta, remarcăm de la punctul ii) că
x = x2 u1 + x4 u2 + (x1 − x2 ) e1 + (x3 − x4 ) e3 ,
şi deci
xb = (x1 − x2 ) eb1 + (x3 − x4 ) eb3
astfel că eb1 şi eb3 sunt din Span R4 /U . Demonstrăm că {eb1 , eb3 } sunt liniar independente. Dacă

0 atunci c1 e1 + c2 e3 ∈ U. Dar deoarece a doua şi

realizăm o combinaţie liniară c1 eb1 + c2 eb3 = b
a patra componentă a acestui vector sunt 0, observăm, din definiţia lui U, că prima şi a treia
componentă trebuie să fie 0, de asemenea. Am demonstrat că c1 = c2 = 0 şi deci eb1 , eb3 sunt liniar
independente.
2.3 Suma şi intersecţia a două subspaţii vectoriale

Amintim următorul rezultat:
Teoremă 2.3.1 Dacă (V, K) este spaţiu vectorial iar V1 ,V2 sunt subspaţii vectoriale în V atunci
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 }
sunt subspaţii vectoriale ale lui V .
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
dimK (V1 +V2 ) = dimK V1 + dimK V2 − dimK (V1 ∩V2 ) .
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
şi deci S este sistem de generatori.

Arătăm că S este liniar independent. Realizăm o combinaţie liniară, egală cu vectorul nul
0V = Σm r s
i=1 ai vi + Σ j=m+1 b j u j + Σk=m+1 ck wk .
Rezultă că v definit prin

v = Σm r s
i=1 ai vi + Σ j=m+1 b j u j = −Σk=m+1 ck wk
| {z } | {z }
∈V1 ∈V2
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
BV1 este liniar independent, deducem că ai = b j = 0.

Aşadar dimK (V1 +V2 ) = dimK V1 + dimK V2 − dimK (V1 ∩V2 ).
2.3 Suma şi intersecţia a două subspaţii vectoriale 53
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 ).
Soluţie. Dacă B1 ⊆ {a1 , a2 } este bază atunci
Span (a1 , a2 ) = Span (B1 ) . (2.2)
Cum V1 = Span (a1 , a2 ) rezultă că
{a1 , a2 } este sistem de generatori. (2.3)
Arătăm că
{a1 , a2 } este sistem liniar independent. (2.4)
Pentru aceasta, scriem matricea formată din componentele vectorilor

 
1 0
 1 1 
A=
 −1
.
1 
0 0
Deoarece, există un minor de ordinul doi nenul, anume

1 0
M2 = = 1,
1 1
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
se observă că (2.5) se scrie astfel
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.

Observăm că matricea sistemului este

 
1 0 0 −2
 1 1 −2 1 
A1 =  −1 1 −1 4 

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
iar minorul de ordinul 4 este

1 0 0 −2 1 0 −2 −2
1 0 −2
1 1 −2 1 1 1 −1 1
A1 = −1 · (−1)4+4 1 1 −1 = 0

M4 = =
−1 1 −1 4 −1 1 3 4

−1 1 3
0 0 1 −1 0 0 0 −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
{s1 } este sistem de generatori pentru V1 ∩V2 . (2.9)
Cum s1 6= 0R4 rezultă că
{s1 } este sistem liniar independent pentru V1 ∩V2 . (2.10)
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 }.
Cum v1 ∈ V1 rezultă că v1 = α1 a1 + α2 a2 cu α1 ∈ R, α2 ∈ R. Pe de altă parte, din v2 ∈ V2

rezultă că v2 = α3 a3 + α4 a4 cu α3 ∈ R, α4 ∈ R.
Aşadar,
V1 +V2 = { α1 a1 + α2 a2 + α3 a3 + α4 a4 | α1 , α2 , α3 , α4 ∈ R}
= Span (V1 ∪V2 ) = Span (a1 , a2 , a3 , a4 ) ,
unde
 
α1 + 2α4
 α1 + α2 − 2α3 − α4 
α1 a1 + α2 a2 + α3 a3 + α4 a4 = 
 −α1 + α2 − α3 − 4α4  .

α3 + α4
Determinăm dimR (V1 +V2 ).

Metoda 1. Înlocuind în Teorema Grassmann dimR V1 = dimR V2 = 2 şi dimR (V1 ∩V2 ) = 1
rezultă că dimR (V1 +V2 ) = 2 + 2 − 1 = 3.
Metoda 2. Căutăm o bază în V1 +V2 = Span (a1 , a2 , a3 , a4 ) prin scrierea matricei
 
1 0 0 2
 1 1 2 −1 
A2 =   −1 1 1 −4 

0 0 −1 1
formată cu vectorii a1 , a2 , a3 , a4 şi observarea că rangA2 = 3. Într-adevăr,

1 0 0 2
1 0 2
1 1 2 −1
M4A2 = A2

= 0 şi M = 1 1 −1 = 1 6= 0.
3
−1 1 1 −4

−1 1 −4
0 0 −1 1
Cum, rangA2 = 3 concluzionăm că o bază a lui V1 +V2 este

n o
(1, 1, −1, 0)T , (0, 1, −1, 0)T , (2, −1, −4, 1)T =⇒ dimR (V1 +V2 ) = 3.
n Metoda 3.oCăutăm o bază în V1 + V2 , ca în demonstraţia Teoremei Grassmann: baza

(2, −1, 1, 1)T din V1 ∩V2 o completăm, folosind lema de completare, la
n o
o bază BV1 = (2, −1, 1, 1)T , (1, 1, −1, 0)T în V1
n o
o bază BV2 = (2, −1, 1, 1)T , (0, 2, 1, −1)T în V2
n o
iar conform demonstraţiei Teoremei Grassmann S = (2, −1, 1, 1)T , (1, 1, −1, 0)T , (0, 2, 1, −1)T
este bază în V1 +V2 , ceea ce încheie demonstraţia.
2.4 Sumă directă de subspaţii vectoriale

Definiţie 2.4.1 Fie (V, K) spaţiu vectorial. Spunem că suma V1 +V2 a subspaţiilor vectoriale
V1 , V2 din spaţiul vectorial V este directă, dacă oricare ar fi v ∈ V1 + V2 există v1 ∈ V1 şi
v2 ∈ V2 unici, astfel încât v = v1 + v2 . Notăm această situaţie prin V1 ⊕V2 . Aşadar
V1 ⊕V2 = { v ∈ V | ∃!v1 ∈ V1 şi ∃!v2 ∈ V2 astfel încât v = v1 + v2 } .

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 }.
Demonstraţie. "⊂" Presupunem v ∈ V1 ∩V2 . Atunci
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
v1 = v01 şi v2 = v02

deoarece v1 −v01 ∈V1 ∩V2 ={0V } deoarece v2 −v02 ∈V1 ∩V2 ={0V }
adică reprezentarea ca sumă este unică.
Exerciţiu 2.4.1 În R4 , R fie V1 = Span (a1 , a2 ) şi V2 = Span (a3 , a4 ) unde

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.
Soluţie. Dacă B1 ⊆ {a1 , a2 } este bază atunci
Span (a1 , a2 ) = Span (B1 ) .
Cum V1 = Span (a1 , a2 ) rezultă că
{a1 , a2 } este sistem de generatori. (2.11)
Arătăm că
{a1 , a2 } este sistem liniar independent. (2.12)
Pentru aceasta, scriem matricea formată din componentele vectorilor

 
2 1
 2 2 
A=  −2 2  .

0 1
Deoarece, există un minor de ordinul doi nenul, anume

2 1
M2 = = 2,
2 2
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
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
se observă că (2.13) se scrie astfel
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
echivalentă cu sistemul omogen


 2α1 + α2 − 2α4 = 0

2α1 + α2 − 2α3 + α4 = 0

(2.15)

 −2α1 + 2α2 + α3 + 4α4 = 0
α2 + α3 − α4 = 0.

Observăm că matricea sistemului este

 
2 1 0 −2
 2 2 −2 1 
A1 =  −2 2 −1 4 

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
iar minorul de ordinul 4 este

2 1 0 −2 2 −1 −2 −2
2 −1 −2
2 2 −2 1 2 3 −1 1
A1 = −1·(−1)4+4 2

M4 = = 3 −1 = 2
−2 2 −1 4
−2 6 3 4
−2 6 3
0 1 1 −1 0 0 −1
=⇒ rang (A1 ) = 4. Cum rang (A1 ) = 4 =numărul de necunoscute (în număr de 4: α1 , α2 , α3 , α4 )

deducem că (2.15) este sistem compatibil determinat. Cum sistemul este compatibil simplu
determinat deducem că
α1 = 0, α2 = 0, α3 = 0 şi α4 = 0.
Am demonstrat că (2.14) se scrie astfel

n o
V1 ∩V2 = x = (0, 0, 0, 0)T = {0R4 } . (2.16)
Evident,
dimR (V1 ∩V2 ) = dimR {0R4 } = 0.
Rămâne să determinăm V1 +V2 . Prin definiţie
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
V1 +V2 = { α1 a1 + α2 a2 + α3 a3 + α4 a4 | α1 , α2 , α3 , α4 ∈ R} = Span (a1 , a2 , a3 , a4 )
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 ) .
Este suficient să înlocuim
dimR V1 = dimR V2 = 2 şi dimR (V1 ∩V2 ) = 0
pentru a deduce că
dimR (V1 +V2 ) = 2 + 2 − 0 = 4.
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.
Exerciţiu 2.4.2 În R2 se consideră mulţimile

n o n o
V1 = (α, 0)T ∈ R2 α ∈ R ,V2 = (0, β )T ∈ R2 β ∈ R .

Să se arate că V1 şi V2 sunt subspaţii suplimentare.
Soluţie. Deoarece V1 ∩V2 = {0R2 } rezultă că V1 , V2 sunt sumanzi direcţi. Prin definiţie
V1 +V2 = {x + y |x ∈ V1 şi y ∈ V2 }.
Cum x + y este un element de forma (α, β )T deducem că V1 +V2 = R2 . În plus,
V1 +V2 = V1 ⊕V2 = R2 .
relaţie ce demonstrează că V1 şi V2 sunt subspaţii suplimentare.

Dăm următoarea caracterizare a sumei directe.
Teoremă 2.4.3 — Teorema de caracterizare a sumei directe. Fie (V, K) spaţiu vectorial
de dimensiunem finită. Următoarele sunt echivalente
i) V = ⊕ Vi .
i=1
ii) V = V1 + ... +Vm = Σm V
i=1 i şi Vi ∩ Σm
j=1, j6=i j = {0V } ∀i = 1, ..., m.
V
iii) V = Σi=1Vi şi dimK V = dimK V1 + ... + dimK Vm = Σm
m
i=1 dimK Vi .
Exerciţiu 2.4.3 Fie subspaţiile vectoriale

n o n o
V1 = (x, x, x)T x ∈ R şi V2 = (0, x, y)T x, y ∈ R

ale lui R3 , R . Să se calculeze dimR V1 , dimR V2 şi să se demonstreze că R3 = V1 ⊕V2 .

Soluţie. Metoda 1. Observăm că

n o n o
V1 = (x, x, x)T x ∈ R = x (1, 1, 1)T x ∈ R

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
(a (0, 1, 0)T + b (0, 0, 1)T = (0, 0, 0)T =⇒ a = b = 0).

Aşadar dimR V2 = 2 (=numărul de elemente ale lui B2 ).

Rămâne să demonstrăm că R3 = V1 ⊕V2 . Amintim că
v ∈ R3 v ∈ V1 şi v ∈ V2

V1 ∩V2 =
V1 +V2 = { v1 + v2 | v1 ∈ V1 şi v2 ∈ V2 }
v ∈ R3 ∃v1 ∈ V1 şi ∃v2 ∈ V2 astfel încât v = v1 + v2 .

=
Fie v = (v1 , v2 , v3 ). Avem

v ∈ V1 =⇒ v1 = v2 = v3
=⇒ v1 = v2 = v3 = 0 =⇒ v = (0, 0, 0)T
v ∈ V2 =⇒ v1 = 0
n o
şi ca o concluzie V1 ∩V2 = (0, 0, 0)T . Or, aceasta spune, că V1 +V2 = V1 ⊕V2 . Rămâne să
demonstrăm că R3 = V1 ⊕V2 sau echivalent (V1 ⊕V2 ⊆ R3 şi V1 ⊕V2 ⊇ R3 ).
Clar
V1 +V2 = V1 ⊕V2 ⊆ R3
şi ca atare "⊆" este îndeplinită.

Demonstrăm că
V1 +V2 = V1 ⊕V2 ⊇ R3 .
Aceasta se reduce la a arata că ∀x = (x1 , x2 , x3 )T ∈ R3 avem că
∃v1 = (a, a, a)T ∈ V1 şi ∃v2 = (0, n, m)T ∈ V2
astfel încât
(x1 , x2 , x3 )T = (a, a, a)T + (0, n, m)T ⇐⇒ (x1 , x2 , x3 )T = (a, a + n, a + m)T
adică, sistemul

 a = x1
a + n = x2
a + m = x3 .

Cum matricea sistemului este

 
1 0 0
A =  1 1 0  =⇒ rangA = 3 deoarece det (A) = 1 6= 0
1 0 1
şi deci sistemul este compatibil. Am demonstrat că R3 ⊆ V1 ⊕V2 .

Metoda 2. Arătăm că V1 ⊕V2 = R3 sub presupunerea că deja am demonstrat că V1 +V2 =
V1 ⊕V2 . Este suficient să demonstrăm că
i) dimR R3 = dimR V1 ⊕V2
ii) V1 ⊕V2 ⊆ R3 .
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 +V2 ) = dimR V1 + dimR V2 − dimR (V1 ∩V2 )

n o
unde deja cunoaştem că dimR (V1 ∩V2 ) = 0 deoarece V1 ∩V2 = (0, 0, 0)T . Rămâne să arătăm
că
dimR V1 + dimR V2 = 3.
Căutăm o bază în V1
(x, x, x)T = x (1, 1, 1)T

n o n o
şi deci V1 = Span (1, 1, 1)T . Cum (1, 1, 1)T este liniar independent în V1 deducem că
n o bază
(1, 1, 1)T ⊂ V1 =⇒ dimR V1 = 1.
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.
Teoremă 2.4.4 — Teorema de existenţă a suplimentului. Fie (V, K) spaţiu vectorial cu

dimK V = n ∈ N∗ . Dacă V1 ⊂ V este subspaţiu vectorial în V atunci există V2 ⊂ V subspaţiu
vectorial astfel încât V = V1 ⊕V2 .
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
BV = {b1 , ..., b p , g1 , ..., gn−p } .
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
Relaţiile (2.17) şi (2.18) implică
V = V1 +V2 . (2.19)
Mai mult, observăm că
dimK V1 + dimK V2 = p + (n − p) = n = dimK V = n. (2.20)
În final (2.19) şi (2.20) arată că este aplicabil punctul iii) al Teoremei 2.4.4 şi deci V = V1 ⊕V2 .
Exerciţiu 2.4.4 Dacă V1 ⊂ R5 ,R este mulţimea soluţiilor sistemului



 x1 + x2 + x5 = 0
x1 − x3 + x4 + x5 = 0

2x − x5 = 0
 1


3x1 − x3 + x4 = 0
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 .
Soluţie. Matricea sistemului este

 
1 1 0 0 1
 1 0 −1 1 1 
A= .
 2 0 0 0 −1 
3 0 −1 1 0
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
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.
2.5 Nucleul şi imaginea unui operator liniar

Definiţie 2.5.1 Fie (X, K) şi (Y, K) spaţii vectoriale şi U : X → Y operator liniar.
i) Mulţimea
Ker U = { x ∈ X|U (x) = 0Y }
se numeşte nucleul operatorului U iar dimK KerU se numeşte defectul lui U.

ii) Mulţimea
ImU = { y ∈ Y | ∃x ∈ X astfel încât U (x) = y}
se numeşte imaginea operatorului U iar dimK ImU se numeşte rangul lui U.
Exerciţiu 2.5.1 Se consideră operatorul liniar U : R3 → R3 şi matricea

 
2 4 −6
A =  2 −2 2 
4 2 −4
a lui U în reperul canonic din R3 , R .

i) Să se calculeze U (−1, 1, 2) .

ii) Să se determine ImU şi KerU.
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 .

Fie x = (x1 , x2 , x3 )T ∈ R3 . Din enunţ U (x) = Ax. Atunci

U (x) = 0R3 ⇔ Ax = 0R3
sau echivalent cu

 2x1 + 4x2 − 6x3 = 0
2x1 − 2x2 + 2x3 = 0
4x1 + 2x2 − 4x3 = 0


 
2 4 −6
A =  2 −2 2 
4 2 −4
cu rangA = 2 deoarece

2 4 −6
2 4
M2 = = −12 6= 0 iar M3 = 2 −2 2 = 0.
2 −2
4 2 −4

Cum rangA = 2 deducem că sistemul este compatibil simplu nedeterminat.

Avem
(
x1 , x2 necunoscute principale
M2 minor principal ⇒ not
x3 necunoscută secundară x3 = α.
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
şi deci dimR KerU = 1.

Determinăm imaginea operatorului T . Se cunoaşte că
ImU = y ∈ R3 ∃x ∈ R3 astfel încât U (x) = y .

Fie
y = (y1 , y2 , y3 )T ∈ R3 şi x = (x1 , x2 , x3 )T ∈ R3 .
Relaţia Ux = y este echivalentă cu sistemul


 2x1 + 4x2 − 6x3 = y1
2x1 − 2x2 + 2x3 = y2
4x1 + 2x2 − 4x3 = y3 .

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
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
 
Mai mult se observă că dimR KerU + dimR ImU = 1 + 2 = 3 = dimR R3 .

Exerciţiu 2.5.2 Trei persoane (notate cu P1, P2, P3), organizate într-o societate închisă
produc trei produse de bază Z1, Z2, Z3. Fiecare persoană vinde şi cumpără una de la alta.
Toate produsele lor sunt consumate de ei, nicio altă marfă nu intră în sistem ("modelul închis").
Proporţiile produselor consumate de fiecare dintre P1, P2, P3 sunt date în tabelul următor:
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 ,
similar pentru alte persoane. În final avem de rezolvat sistemul de ecuaţii
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
Acest sistem poate fi scris ca o ecuaţie de forma f (x) = x, unde f (x) = Ax cu

 
0, 6 0, 2 0, 3
A = [A]Bf c 0, 2  în reperul canonic din R3 , R şi x = (x1 , x2 , x3 )T .

=  0, 1 0, 7
0, 3 0, 1 0, 5
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.
Exerciţiu 2.5.3 În R2 , R fie X = Span (a1 , a2 ), Y = Span (a3 , a4 ) unde

a1 = (1, 2)T , a2 = (−2, −4)T , a3 = (−3, 1)T , a4 = (9, −3)T .
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
{a1 } ⊂ X = Span (a1 , a2 ) , {a2 } ⊂ X = Span (a1 , a2 )
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 }
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,
Ker f = { x ∈ X| f (x) = 0R2 } .
Fie x = (α, 2α)T ∈ X. Relaţia f (x) = 0R2 este echivalentă cu
αa3 = 0R2 =⇒ α = 0 =⇒ x = (0, 0)T .
Cum
x = (0, 0)T =⇒ Ker f = {0R2 } =⇒ f injectivă.
Observăm că
Im f = { y ∈ Y | ∃x ∈ X astfel încât f (x) = y} .
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
α (−3, 1)T = β (−3, 1)T =⇒ α = β .
Cum pentru orice y ∈ Y ∃x ∈ X astfel încât f (x) = y deducem că Y = Im f =⇒ f surjectivă.
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.
Demonstraţie. Distingem cazurile

Caz 1: dimK X = n ∈ N∗ şi n > dimK KerU = d ∈ N∗ .
Dacă
bază
B1 = {v1 , ..., vd } ⊂ KerU
atunci putem extinde această bază astfel încât

baza extinsă
{v1 , ..., vd , vd+1 , ..., vn } ⊂ X.
Arătăm că
bază
{U (vd+1 ) , ...,U (vn )} ⊂ ImU.
Remarcăm că pentru w ∈ ImU există v ∈ X astfel încât U (v) = w.

Demonstrăm că
{U (vd+1 ) , ...,U (vn )}

este sistem de generatori în ImU. Într-adevăr, din

bază
{v1 , ..., vd , vd+1 , ..., vn } ⊂ X
deducem că există α1 ,...,αn ∈ K astfel încât
v = α1 v1 + ... + αd vd + αd+1 vd+1 + ... + αn vn .
Aplicând U avem
U (v) = U (α1 v1 + ... + αd vd + αd+1 vd+1 + ... + αn vn )

= α1 U (v1 ) + ... + αd U (vd ) + αd+1U (vd+1 ) + ... + αnU (vn )
| {z } | {z }
=0Y deoarece v1 ∈KerU =0Y deoarece vd ∈KerU
= αd+1U (vd+1 ) ... + αnU (vn )
şi deci
{U (vd+1 ) , ...,U (vn )} ⊆ Span (ImU) .
Demonstrăm că {U (vd+1 ) , ...,U (vn )} este liniar independent în ImU :
αd+1U (vd+1 ) + ... + αnU (vn ) = 0Y =⇒ U (αd+1 vd+1 + ... + αn vn ) = 0Y
şi deci
αd+1 vd+1 ... + αn vn ∈ KerU.

bază
Dar {v1 , ..., vd } ⊂ KerU =⇒ există β1 , ..., βd ∈ K astfel încât
αd+1 vd+1 +...+αn vn = β1 v1 +...+βd vd echivalent β1 v1 +...+βd vd −αd+1 vd+1 −...−αn vn = 0Y .
Cum
bază
{v1 , ..., vd , vd+1 , ..., vn } ⊂ X
deducem că
β1 = ... = βd = −αd+1 = ... = −αn = 0
şi deci {U (vd+1 ) , ...,U (vn )} este liniar independent în ImU. Am demonstrat că
bază
{U (vd+1 ) , ...,U (vn )} ⊂ ImU
şi deci
dimK ImU = n − d. (2.21)
Pe de altă parte din Teorema dimensiunii pentru spaţiul cât, avem

X
dimK = n − d. (2.22)
KerU
X
Folosind acum Teorema fundamentală de izomorfism I, (2.21) şi (2.22) deducem că KerU este
izomorf cu ImU şi deci există un izomorfism g : X/KerU → ImU.
Caz 2: dimK X = n ∈ N∗ şi KerU = {0X }. În această situaţie observăm că

X
=X
{0X }
şi deci există un izomorfism g : X → ImU.
Caz 3: dimK X = n ∈ N∗ şi KerU = X. În această situaţie observăm că
X
= {0X }
KerU
iar folosind din nou faptul că KerU = X deducem că ImU = {0X } şi deci există un izomorfism
X
g : KerU → ImU.
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
dimK X = dimK KerU + dimK ImU.
Demonstraţie. Distingem cazurile

bază
Caz 1: dimK X = n ∈ N∗ şi n > dimK KerU = d ∈ N∗ , caz în care, fie {v1 , ..., vd } ⊂ KerU
baza extinsă
iar {v1 , ..., vd , vd+1 , ..., vn } ⊂ X.
Ca în Teorema fundamentală de izomorfism II, se observă că {U (vd+1 ) , ...,U (vn )} este bază
în ImU. Recapitulând, avem că
dimK X = dimK KerU + dimK ImU
este echivalentă cu relaţia adevărată n = d + n − d.

Caz 2: dimK KerU = dimK X = n ∈ N∗ de unde deducem că KerU = X şi deci U (x) = 0Y
pentru orice x ∈ X. Avem astfel ImU = {0Y } şi deci dimK ImU = 0.
Evident n = dimK X = dimK KerU + dimK ImU este verificată.
bază
Caz 3: d = 0 =⇒ KerU = {0X } şi deci U este injectiv. În acest caz, dacă {v1 , ..., vn } ⊂ X
atunci se poate arăta analog ca în demonstraţia Teoremei fundamentale de izomorfism II că
bază
{U (v1 ) , ...,U (vn )} ⊂ ImU
şi deci n = dimK X = 0 + n = dimK KerU + dimK ImU.

Alternativă:
Caz 1: dacă dimK X = n ∈ N∗ şi n > dimK KerU = d ∈ N∗ deducem din Teorema funda-
mentală de izomorfism II, că
X
dimK = dimK ImU (2.23)
KerU
iar din Teorema dimensiunii pentru spaţiul cât, avem
X
dimK = dimK X − dimK KerU. (2.24)
KerU
Din (2.23) şi (2.24) deducem că dimK X − dimK KerU = dimK ImU, adică ceea ce trebuia demon-
strat.
Caz 2: dacă d = n =⇒ KerU = X iar din Teorema fundamentală de izomorfism II
rezultă
X/KerU = {0X } izomorf cu ImU =⇒ dimK ImU = dimK {0X } = 0.

Caz 3: dacă d = 0 =⇒ KerU = {0X } iar din Teorema fundamentală de izomorfism II

avem că
X/ {0X } = X izomorf cu ImU =⇒ dimK ImU = dimK X = n.
Exerciţiu 2.5.4 Se consideră operatorul U : R3 → R3 definit prin U (x) = Ax, x ∈ R3 unde

 
1 −1 0
A =  −1 2 1 
0 1 1
este matricea lui U în reperul canonic din R3 , R .

i) Să se determine ImU şi KerU.

ii) Să se determine dimR KerU şi dimR ImU.
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

sistem cu matricea A. Un minor nenul de ordinul 2 al matricei A este

1 −1
−1 2 = 1 6= 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

y = U (x) conduce la sistemul


 x1 − x2 = y1
−x1 + 2x2 + x3 = y2
x2 + x3 = y3 .

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).
 
1 −1 0 y1
A =  −1 2 1 y2 
0 1 1 y3
2.6 Operatori de proiecţie 71
iar rangA = 2 dacă

1 −1 y1

−1 2 y2 =0

0 1 y3
echivalent cu y3 − y1 − y2 = 0 ecuaţie ce reprezintă un sistem cu 3 necunoscute. Considerăm y3

necunoscuta principală şi notăm prin

y1 = α
y2 = β
necunoscutele secundare. Atunci y3 = α + β şi deci

       
y1 α 1 0
y=  y2  =  β  =α  0 +β
  1 .
y3 α +β 1 1
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
şi deci conform demonstraţiei Teoremei fundamentală de izomorfism II avem că

n o bază
{U ((0, 1, 0)) ,U ((0, 0, 1))} = (−1, 2, 1)T , (0, 1, 1)T ⊂ ImU
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
2.6 Operatori de proiecţie

Presupunem că V = V1 ⊕V2 . Pentru fiecare x ∈ V ∃!x1 ∈ V1 şi ∃!x2 ∈ V2 astfel încât x = x1 + x2 .
Definiţie 2.6.1 Vectorul x1 se numeşte proiecţia lui x pe V1 în direcţia V2 iar operatorul
P : V −→ V definit prin P (x) = x1 se numeşte proiecţia lui V pe V1 în direcţia V2 .
R Analog se defineşte proiecţia lui V pe V2 în direcţia V1 .
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 .
Exerciţiu 2.6.1 Pentru fiecare α ∈ R fixat, operatorul pα (·) : R2 → R2 definit prin

0 0 x1
pα (x) = , x = (x1 , x2 )T
α 1 x2
este operator de proiecţie, numit operatorul de proiecţie oblică.

0 0 x1 0
pα (x) = =
α 1 x2 x2 + αx1
şi

0 0 0 0
pα (pα (x)) = pα (0, x1 + αx1 ) = = = pα (x) .
α 1 x2 + αx1 x2 + αx1
2.7 Reprezentarea matriceală a operatorilor liniari

Reamintim:
Definiţie 2.7.1 Fie (X, K), (Y, K) spaţii vectoriale de dimensiune finită n ∈ N∗ , respectiv
m ∈ N∗ , U : X → Y operator liniar,
reper reper
E = {x1 , ..., xn } ⊂ X iar F = {y1 , ..., ym } ⊂ Y.
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
atunci matricea lui U în raport cu reperele E şi F este

...
 
 
↑ ↑ α11 ... α1n
not
[A]UE,F = (αi j ) i=1,..n = 
 
 [U (x1 )]F ... [U (x n )]F
 =  ...
 ... ...  ( = A).
j=1,...,m ↓ ↓ αm1 ... αmn
...
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
...
se numeşte matricea endomorfismului U în raport cu reperul E.
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].
Demonstraţie. Metoda 1. Observăm că

U (1) = (1)0 + (1)00 = 0
U (X) = (X)0 + (X)00 = 1
0 00
U X 2 = X 2 + X 2 = 2X + 2

iar, conform teoriei

0 = α11 · 1 + α21 X + α31 X 2
1 = α12 · 1 + α22 X + α32 X 2
2X + 2 = α13 · 1 + α23 X + α33 X 2
sistem din care, prin identificarea coeficienţilor polinoamelor, obţinem matricea operatorului U
   
α11 α12 α13 0 1 2
[A]UBc =  α21 α22 α23  =  0 0 2  .
α31 α32 α33 0 0 0
izomorf
Metoda 2. Deoarece P2 [X] ' R3 deducem că U este operator liniar de la R3 la R3 , dat
de o matrice A de tip 3 × 3. Vom determina [A]UBc . Dacă f (X) = a + bX + cX 2 atunci putem scrie
operatorul U astfel
0 00
U a + bX + cX 2 = a + bX + cX 2 + a + bX + cX 2 = (b + 2c) + 2cX.

Vom scrie f (X) 2

= a +2bX
+ cX şi U ( f (X)) = (b + 2c) + 2cX în coordonate în raport cu reperul
canonic Bc = 1, X, X din P2 [X]:
U
f (X) = a + bX + cX 2 → U ( f (X)) = (b + 2c) + 2cX
⇓ ⇓
( f (X))BC = (a, b, c)T → (U ( f (X)))Bc = ((b + 2c) , 2c, 0)T .
Scriem coordonatele operatorului U astfel
      
b + 2c 0 1 2 a 0 1 2
(U ( f (X)))Bc =  2c  =  0 0 2   b  =  0 0 2  ( f (X))BC .
0 0 0 0 c 0 0 0
Matricea
 
0 1 2
[A]UBc = 0 0 2 
0 0 0
este matricea operatorului U.
T T
Exerciţiu 2.7.2 Dacă T : R3 → R3 este operator liniar definit prin T (x) = [A1 ]Bc x unde [A1 ]Bc
este matricea operatorului T în reperul canonic Bc = {e1 , e2 , e3 } ⊂ R3 dată prin
 
1 0 −1
[A1 ]TBc =  0 −2 0 
1 0 0
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
2.8 Legătura dintre operaţiile cu operatori liniari şi matricele lor
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
operatori liniari. Dacă [A1 ]UE,F

1
este matricea lui U1 în raport cu reperele E şi F, [A2 ]UE,F
2
a lui
U3
U2 în raport cu reperele E şi F iar [A3 ]F,G matricea lui U3 în raport cu reperele F şi G atunci
i) operatorului liniar U1 +U2 îi corespunde matricea
1 +U2
[A]UE,F = [A1 ]UE,F
1
+ [A2 ]UE,F
2
;
ii) operatorului liniar αU1 (α ∈ K) îi corespunde matricea

U1
[A]αU
E,F = α · [A1 ]E,F ;
1
iii) operatorului liniar U3 ◦U1 îi corespunde matricea

3 ◦U1
[A]UE,G = [A3 ]UF,G
3
· [A1 ]UE,F
1
;
iv) sub ipoteza că [A1 ]UE,F

1
este inversabilă, operatorului liniar U1−1 îi corespunde matricea
−1
U1−1

[A]F,E = [A1 ]UE,F
1
.
Exerciţiu 2.8.1 Fie aplicaţia bijectivă U : R2 → R2 definită prin

1 1
U (v) = A · v unde v = (v1 , v2 )T iar A =
−1 0
este matricea lui U în reperul canonic din R2 , R . Să se determine U −1 .


−1
−1 1 1 0 −1
det A 6= 0 =⇒ A = =
−1 0 1 1
şi deci

−1 −1 0 −1 v1
U (v1 , v2 ) = A ·v = .
1 1 v2
2.9 Modificarea matricei unui operator liniar la schimbarea reperelor

Teoremă 2.9.1 Fie (X, K), (Y, K) spaţii vectoriale de dimensiune finită nenule şi U : X → Y
operator liniar. Dacă [A]UE1 ,F1 este matricea lui U în raport cu reperele E1 ⊂ X, F1 ⊂ Y iar
[B]UE2 ,F2 este matricea lui U în raport cu reperele E2 ⊂ X, F2 ⊂ Y atunci
[B]UE2 ,F2 = (DF1 ,F2 )−1 · [A]UE1 ,F1 ·CE1 ,E2
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
[B]UF = (CE,F )−1 · [A]UE ·CE,F
unde CE,F este matricea de trecere de la reperul E la reperul F.
Exemplu 2.9.1 Fie R2 , R spaţiu vectorial şi U : R2 → R2 definit prin

U (x, y) = (x + y, −2x + 4y) .
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 .

!
1 1 1 1 −1 2 −1
CBc ,B = = şi deci (CBc ,B ) = .
1 Bc
2 Bc
1 2 −1 1
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 ,

matricea [B]UB1 lui U în reperul B1 = X, X 2 + 1, X 2 − 1 precum şi matricea CB,B1 de trecere

de la reperul B la B1 . Ce legătură există între cele trei matrice?
Soluţie. Fie x1 = 1, x2 = X, x3 = X 2 . Conform definiţiei lui U avem
U (x1 ) = 1
U (x2 ) = X + 1
U (x3 ) = (X + 1)2 .
2.9 Modificarea matricei unui operator liniar la schimbarea reperelor 77
Însă U (P (X)) = P (X + 1) şi deci
1 = α11 · x1 + α21 x2 + α31 x3

X + 1 = α12 · x1 + α22 x2 + α32 x3
(X + 1)2 = α13 · x1 + α23 x2 + α33 x3 ,
sau echivalent
1 = α11 · 1 + α21 X + α31 X 2

X + 1 = α12 · 1 + α22 X + α32 X 2
(X + 1)2 = α13 · 1 + α23 X + α33 X 2 .
Două polinoame sunt egale dacă coeficienţii termenilor care conţin pe X la aceleaşi puteri sunt
egali. Avem aşadar
α11 = 1, α21 = 0, α31 = 0, α12 = 1, α22 = 1, α32 = 0, α13 = 1, α23 = 2, α33 = 1,
adică
 
1 1 1
[A]UB =  0 1 2  .
0 0 1
Pentru a determina [B]UB1 notăm
y1 = X, y2 = X 2 + 1, y3 = X 2 − 1
iar din U (P (X)) = P (X + 1) avem


 U (y1 ) = X + 1
U (y2 ) = (X + 1)2 + 1
U (y3 ) = (X + 1)2 − 1

şi deci trebuie aflaţi αi j astfel încât


 X + 1 = α11 · y1 + α21 y2 + α31 y3
(X + 1)2 + 1 = α12 · y1 + α22 y2 + α32 y3
(X + 1)2 − 1 = α13 · y1 + α23 y2 + α33 y3 .

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

(X + 1)2 − 1 = α13 · X + α23 X 2 + 1 + α33 X 2 − 1 .


Din identificarea coeficienţilor polinoamelor din prima egalitate a sistemului obţinem


 α11 = 1
α21 + α31 = 0
α21 − α31 = 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

X 2 + 1 = α12 · 1 + α22 X + α32 X 2

 2
X − 1 = α13 · 1 + α23 X + α33 X 2 .
De unde, prin identificarea coeficienţilor polinoamelor deducem că
α11 = 0, α21 = 1, α31 = 0, α12 = 1, α22 = 0, α32 = 1, α13 = −1, α23 = 0, α33 = 1
şi deci
 
0 1 0
CB,B1 =  1 0 1 .
−1 0 1
Relaţia cerută este
 −1   
0 1 −1 1 1 1 0 1 −1
[B]UB1 = (CB,B1 )−1 [A]UB CB,B1 =  1 0 0   0 1 2  1 0 0 
0 1 1 0 0 1 0 1 1
Pentru a verifica dacă s-a greşit la calcule, avem
 
0 1 0
(CB,B1 )−1 =  21 0 12  .
− 12 0 12
Pe de altă parte
   
1 00 1 1 1 0 1 −1
(CB,B1 )−1 [A]UB CB,B1 =  12 0 21   0 1 2   1 0 0 
− 1 0 12 0 0 1 0 1 1
 2 
1 2 2
=  1/2 3/2 1/2  = [B]UB1
−1/2 −1/2 1/2
şi deci nu există erori de calcul. Aşadar pentru a determina [B]UB1 era suficient să determinăm
CB,B1 şi [A]UB matricea [B]UB1 rezultând din relaţia
[B]UB1 = (CB,B1 )−1 [A]UB CB,B1 .

2.10 Valori proprii, vectori proprii şi subspaţii proprii 79
2.10 Valori proprii, vectori proprii şi subspaţii proprii

Fie (X, K) spaţiu vectorial nenul şi U : X → X endomorfism.
Definiţie 2.10.1 Vectorul x ∈ X, x 6= 0X se numeşte vector propriu al lui U dacă există λ ∈ K
astfel încât
U (x) = λ x. (2.25)
Definiţie 2.10.2 Un scalar λ ∈ K se numeşte valoare proprie a lui U dacă există x ∈ X, x 6= 0X

ce verifică (2.25).
Definiţie 2.10.3 Fie λ valoare proprie a lui U. Mulţimea Xλ = { x ∈ X|U (x) = λ x} se

numeşte subspaţiul propriu al lui U corespunzător valorii proprii λ . (Notăm că în Xλ este
inclus şi 0X .)
R Xλ = Ker (U − λ 1X ) este subspaţiu vectorial în X.
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)
În plus, vectorul propriu x corespunzător valorii proprii λ se determină din sistemul
(A − λ In ) xB = 0X . (2.27)
Definiţie 2.10.5 Dimensiunea subspaţiului propriu Xλ peste K se numeşte multiplicitatea

geometrică a valorii proprii λ . Se notează dimK Xλ prin mgλ .
Definiţie 2.10.6 Multiplicitatea algebrică a valorii proprii λ este multiplicitatea lui λ ca

rădăcină a ecuaţiei (2.26). Notăm prin maλ multiplicitatea algebrică a valorii proprii λ .
R Dacă dimK X = n ∈ N ∗ iar λ ∈ K este o valoare proprie a endomorfismului U atunci

mgλ ≤ maλ .
Exerciţiu 2.10.1 Se consideră endomorfismul U : R3 → R3 definit prin U (x) = A · x unde

 
−1 1 1
A =  1 −1 1 
1 1 −1
este matricea operatorului U în reperul canonic din R3 , R . Să se determine spectrul ΛU şi

subspaţiul propriu al operatorului liniar, Xλ .

Soluţie. i) Valorile proprii se determină din relaţia
|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
Din schema lui Horner
1 3 0 −4
1 1 4 4 0
−2 1 2 0
deducem că ecuaţia λ 3 + 3λ 2 − 4 = 0 are soluţiile
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 .

Pentru λ = λ1 = 1 determinăm xλ1 = (a, b, c)T . Avem
(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.


 
−2 1 1
C =  1 −2 1 
1 1 −2
cu rangC = 2 deoarece

−2 1
M2 = = 3 6= 0
1 −2
şi
M3 = |C| = 0 deoarece |A − λ1 I3 | = 0.
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.
Rezultă uşor că

   
α 1
xλ1 =  α  = α  1 
α 1
şi deci
n o
Xλ1 = α (1, 1, 1)T |α ∈ R = SpanR (1, 1, 1)T .
Pentru λ = λ2 = λ3 = −2 obţinem analog că

n o
Xλ2,3 = (m, n, p)T ∈ R3 |m + n + p = 0 = SpanR (−1, 1, 0)T , (−1, 0, 1)T .
deoarece
(m, n, p)T = (−n − p, n, p)T = n (−1, 1, 0)T + p (−1, 0, 1)T .
2.11 Polinoame de endomorfisme sau de matrice pătratice

not
Fie (X, K) spaţiu vectorial cu dimK X = n ∈ N ∗ , U : X → X endomorfism iar A = [A]UB matricea
lui U în raport cu reperul B ⊂ X.
Definiţie 2.11.1 Polinomul
PA (λ ) = det (A − λ In ) = p0 λ n + p1 λ n−1 + ... + pn−1 λ + pn , pi ∈ K cu i = 0, ..., n
ce intervine în (2.26) se numeşte polinomul caracteristic al endomorfismului U iar ecuaţia

PA (λ ) = 0 ce-i corespunde lui PA (λ ), se numeşte ecuaţia caracteristică a lui U.
Invarianţa polinomului caracteristic la schimbarea reperelor este redată în:
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 ) ,

şi deci polinomul caracteristic nu depinde de alegerea reperului.
Teoremă 2.11.2 — Teorema Hamilton-Cayley. Fie Mn (K) spaţiul vectorial al matricelor

reper
de tip n × n. Dacă B ⊂ X, U : X → X este endomorfism iar A ∈ Mn (K) este matricea lui U
în reperul B atunci PA (A) = 0Mn (K) .
Demonstraţie. Observăm că
(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)
este matricea adjunctă a lui A − λ In . Notaţiile introduse sunt reprezentate de

α22 − λ ... αn2
0 (1) (n−1) n−1
β11 + β11 λ + ... + β11 λ = ...
... ... , ...

α2n ... αnn − λ
Descompunând (2.29) în sume de n matrice avem
(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
= B0 + B1 λ + ... + Bn−1 λ n−1 .
Egalitatea (2.28) devine
(A − λ In ) B0 λ + B1 λ 2 + ... + Bn−1 λ n−1 = p0 λ n + p1 λ n−1 + ... + pn−1 λ + pn In .

Efectuând produsul în membrul întâi şi identificând coeficienţii polinoamelor, obţinem
−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) .
Exerciţiu 2.11.1 Fie

 
1 π i
A =  0 0 7 .
0 0 0
Să se calculeze A24 şi A12 .


PA (λ ) = det (A − λ I3 ) = λ 3 − λ 2
astfel că teorema Hamilton-Cayley implică A3 = A2 . Folosim această relaţie de recurenţă pentru
a deduce puterile lui A astfel
4 4 3 2 2 2
A12 = A3 = A2 = A2 · A2 = A3 · A2 = A2 · A2 = A3
2
= A2 = A3 · A = A2 · A = A3 = A2
şi
2 2
A24 = A12 = A2 = A3 A = A2 A = A3 = A2 .
Deci
 
1 π 7π + i
A24 = A12 = A2 =  0 0 0 .
0 0 0
R Dacă det A = pn = PA (0) 6= 0 atunci

n−1 1 n−1
pn In = − λ Σ pk λ n−k−1 şi deci A−1 = − Σ pk An−k−1 .
k=0 λ =A pn k=0
Exerciţiu 2.11.2 Folosind teorema Hamilton-Cayley să se calculeze A−1 pentru

 
1 0 1
A =  −2 −1 0  .
2 2 0

Soluţie. Considerăm polinomul caracteristic

1−λ 0 1
= −λ 3 + 3λ − 2

PA (λ ) = |A − λ I3 | = −2 −1 − λ 0
2 2 −λ
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
2.12 Operator liniar diagonalizabil. Matrice diagonalizabilă

Fie (X, K) spaţiu vectorial cu dimK X = n ∈ N ∗ şi U : X → X endomorfism.
Definiţie 2.12.1 O matrice A = (ai, j )i=1,...,n ∈ Mn (K) se numeşte diagonală dacă ai, j = 0
j=1,...,n
∀i 6= j.
R Dacă A ∈ Mn (K) este o matrice diagonală de forma

   k 
λ1 0 ... 0 λ1 0 ... 0
 0 λ2 ... 0  k  0
 λ2k ... 0   ∀k ∈ N∗ .
A=  ... ... ... ...  atunci A =  ...

... ... ... 
0 0 ... λn 0 0 ... λnk
Definiţie 2.12.2 O matrice A ∈ Mn (K) se numeşte diagonalizabilă dacă există C o matrice

nesingulară (inversabilă) astfel încât matricea D = C−1 AC este o matrice diagonală.
R Dacă A ∈ Mn (K) este diagonalizabilă atunci Ak = C · Dk ·C−1 unde D = C−1 · A ·C iar C

este matricea de trecere ce permite diagonalizarea.
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

= C·D ... · D} ·C−1 = C · Dk ·C−1 .

| · {z
de k ori
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.
Soluţie. Am văzut că
B = C−1 AC =⇒ Bk = C−1 AkC pentru orice k ∈ N.
Dacă
f (x) = an xn + an−1 xn−1 + ... + a0
atunci
f (B) = an Bn + an−1 Bn−1 + ... + a0 In

= anC−1 AnC + an−1Cn−1 An−1C + ... + a0 In
= C−1 an An + an−1 An−1 + ... + a0 In C = C−1 f (A)C

adică, ceea ce trebuia demonstrat.

Are loc următorul rezultat general:
Teoremă 2.12.1 O matrice A ∈ Mn (K) este diagonalizabilă dacă şi numai dacă are n vectori
proprii ce formează o bază.
Algoritmul de diagonalizare pentru o matrice A ∈ Mn (K) este următorul:
R [Etapa 1:] Dacă A ∈ M (n; K) determinăm PA (λ ) şi spectrul

ΛU = λ1 , ..., λ p
cu multiplicităţile maλ , ..., maλ p valorilor proprii respective.
1
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
mgλ = maλ , ..., mgλ p = maλ p

1 1
atunci determinăm reperele B1 , ..., B p pentru Xλ1 , ..., Xλ p .
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.
Teoremă 2.12.2 — Teorema de caracterizare a diagonalizării. Fie A ∈ Mn (K) matricea

lui U într-un reper al lui X. Sunt echivalente:
i) U diagonalizabil.
ii) Rădăcinile λ1 , ..., λ p ale polinomului caracteristic PA (λ ) sunt în K, mgλi = maλi pentru
orice i = 1, ..., p şi mgλ1 + ... + mgλ p = n.
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.
Pentru λ = 2 dederminăm vectorul propriu x = (x1 , x2 )T 6= (0, 0)T , din sistemul

−6 4 x1 0
(A − λ I3 ) x = 0R2 ⇔ = =⇒ −6x1 + 4x2 = 0
−9 −6 x2 0
şi deci
x1 = 2x2 /3 =⇒ x = (2x2 /3, x2 )T = x2 (2/3, 1)T

n o n o
T T
X = x (2/3, 1) x ∈ = Span (2, 3)

subspaţiul propriu este λ 2 2 R
n o bază
=⇒ B = (2, 3)T ⊂ Xλ =⇒ mgλ = 1.

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 2:] Determinăm PA (λ ) şi spectrul

ΛU = λ1 , ..., λ p
cu multiplicităţile maλ , ..., maλ p respective.
1
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
mgλ = maλ , ..., mgλ p = maλ p

1 1
vom determina reperele B1 , ..., B p pentru Xλ1 , ..., Xλ p .
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
R [Etapa 5:] Construim matricea de trecere de la reperul B la reperul B0 , adică CB,B0 .
R [Etapa 6:] Verificăm corectitudinea calculelor testând valabilitatea relaţiei

−1
[D]UB0 = CB,B0 · A ·CB,B0 .
Exerciţiu 2.12.3 Se consideră endomorfismul U : R3 → R3 definit prin
U (x1 , x2 , x3 ) = (3x1 − x2 + 2x3 , 2x1 + 2x3 , x1 + 3x2 )T
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

asociată lui U are forma diagonală.
Soluţie. i) Fie Bc = {e1 , e2 , e3 } reper canonic din R3 . Matricea lui U în Bc este

 
3 −1 2
A =  2 0 2 .
1 3 0
ii) Ecuaţia caracteristică a lui U este

3 − λ −1 2

|A − λ I3 | = 0 ⇔ 2 −λ 2 =0

1 3 −λ
cu soluţiile λ1 = −2, λ2 = 1, λ3 = 4.
Aşadar spectrul lui U este ΛU = {λ1 , λ2 , λ3 } cu multiplicităţile
maλ1 = maλ2 = maλ2 = 1.
Pentru λ = λ1 = −2 căutăm x = (x1 , x2 , x3 )T ∈ Xλ1 astfel încât

    
5 −1 2 x1 0
 2 2 2   x2  =  0 
1 3 2 x3 0
T
şi obţinem soluţia x = − 21 x3 , − 12 x3 , x3 . Aşadar
( T )
1 1
Xλ1 = x3 − , − , 1 x3 ∈ R .

2 2
n o
Un reper B1 ⊂ Xλ1 este B1 = v1 = (1, 1, −2)T . Analog, pentru λ2 şi λ3 găsim subspaţiile
proprii
( T )
5 4
Xλ2 = x3 − , , 1 x3 ∈ R

7 7
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).
iii) Remarcăm că este îndeplinit ii) din Teorema de caracterizare a diagonalizării
mgλ1 = mgλ2 = mgλ3 = maλ1 = maλ2 = maλ2 = 1
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.
2.13 Forma diagonală/forma canonică Jordan a unui endomorfism

Fie (X, K) spaţiu vectorial cu dimK X = n ∈ N∗ , U : X → X endomorfism şi λ ∈ K valoare
proprie a lui U.
Definiţie 2.13.1 Se numeşte celulă Jordan de ordin p ataşată scalarului λ ∈ K o matrice de
tip p × p de forma:
 
λ 1 0 ... 0 0
 0 λ
 1 ... 0 0  
 0 0 λ ... ... ... 
Jp (λ ) = 
 ... ...
.
 ... ... ... ... 

 0 0 ... ... λ 1 
0 0 ... ... 0 λ
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.
2.14 Forma canonică a unui operator nilpotent

Fie (X, K) spaţiu vectorial cu dimK X ∈ N∗ .
Definiţie 2.14.1 Un operator N ∈ LK (X, X) se numeşte nilpotent dacă există r ∈ N astfel
încât N r (·) = 0X . Cel mai mic r ∈ N cu această proprietate se numeşte gradul lui N (sau
indexul de nilpotenţă).
Definiţie 2.14.2 O matrice A ∈ Mn (K) se numeşte nilpotentă dacă există r ∈ N astfel încât
Ar = 0Mn (K) .
R O matrice nilpotentă are numai valoarea proprie zero.
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 .
Definiţie 2.14.3 Fie operatorul U ∈ LK (X, X). Vectorul x ∈ X, x 6= 0X se numeşte vector

propriu generalizat al lui U dacă există λ ∈ K şi r ∈ N∗ astfel încât
(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,
se numeşte spaţiul vectorilor proprii generalizaţi asociat lui λ .
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.
Definiţie 2.14.4 Un ciclu (sau lanţ) de vectori proprii generalizaţi

ai endomorfismului
nilpo-
tent N ∈ LK (X, X) este un şir de vectori nenuli, de forma v, N (v) , ..., N r−1 (v) unde
N r (v) = 0X . v este rădăcina ciclului de vectori proprii generalizaţi, N r−1 (v) este vectorul de
final iar r este lungimea ciclului.
not ăm
R Fie dimK X = n ∈ N∗ , operatorul U ∈ LK (X, X) şi A = [A]UB matricea lui U în raport
cu reperul B ⊂ X. Vectorul propriu generalizat v 6= 0X corespunzător valorii proprii λ
se determină din sistemul (A − λ In )r vB = 0X unde (A − λ In )r = 0Mn (K) iar un ciclu de
vectori proprii generalizaţi corespunzători lui λ este
n o
v, (A − λ In )1 · v, (A − λ In )2 · v, ..., (A − λ In )r−1 · v . (2.31)
R Ciclul de vectori proprii generalizaţi din (2.31) formează un sistem liniar independent.
Teoremă 2.14.2 — Forma canonică Jordan a operatorilor nilpotenţi. Dacă N ∈ LK (X, X)

este endomorfism nilpotent atunci X are un reper format din vectori proprii generalizaţi ai lui
N. Matricea asociată lui N în aceast reper este matrice Jordan.
2.15 Reper Jordan. Algoritm de jordanizare

Fie (X, K) spaţiu vectorial cu dimK X = n ∈ N∗ , U : X → X endomorfism.
Definiţie 2.15.1 Se numeşte reper Jordan un reper al lui X în care matricea lui U este o
matrice Jordan.
Algoritmul de jordanizare pentru U ∈ LK (X, X) este redat în cele ce urmează:
reper
R [Etapa 1:] Fixăm B ⊂ X şi scriem matricea A ∈ Mn (K) a lui U în raport cu aceast reper.
R [Etapa 2:] Determinăm polinomul caracteristic

PA (λ ) = |A − λ In | .
Sunt posibile două cazuri:
Caz 1. PA (λ ) = 0 nu admite n rădăcini în K situaţie în care U nu este jordanizabil.
Caz 2. PA (λ ) = 0 are soluţiile
λ1 , ..., λr ∈ K cu maλ + ... + maλr = n
1
iar U este jordanizabil şi se continuă:
R [Etapa 3:] Fixăm o valoare proprie λ şi calculăm matricea endomorfismului

not ăm
N (·) = U (·) − λ 1X (·)
în raport cu reperul B. O notăm prin N această matrice.
R [Etapa 4:] Determinăm numărul celulelor Jordan pentru valoarea proprie λ :

mgλ = dimK KerN (·) = dimK Xλ .
Pot să existe două cazuri:
Caz 1. Dacă mgλ = maλ un reper pentru Xλ va fi format din mgλ vectori proprii liniar
independenţi. Deci, pentru λ vom avea maλ celule Jordan de forma J1 (λ ).
Caz 2. Dacă mgλ < maλ se trece la:
R [Etapa 5:] Determinăm s ∈ N∗ , minim, s ≤ maλ , astfel încât
rangN s = rangN s+p pentru orice p ∈ N.
R [Etapa 6:] Determinăm nh numărul celulelor Jordan de ordin h ∈ {1, 2, ..., s} după formula
nh = rangN h+1 − 2rangN h + rangN h−1

unde
rangN 0 = rang IMn (K) = n, rangN s+1 = rangN s , Σsh=1 hnh = maλ .

R [Etapa 7:] Se repetă algoritmul începând cu Etapa 3 pentru fiecare valoare proprie a lui
U.
R [Etapa 8:] Se scrie matricea J a lui U sub forma canonică Jordan.
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.
R Matricea Jordan J este unic determinată de matricea A, până la o permutare a blocurilor de

pe diagonala principală.
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
matricea operatorului U : R4 −→ R4 în reperul canonic din R. Să se determine forma canonică

Jordan.
Soluţie. Observăm că polinomul caracteristic este

−λ 1 1 0

−1 2 − λ 0 1 4 Hamilton−Cayley 4
PA (λ ) = =λ =⇒ A = 0M4 (R) .
−1 0 −2 − λ 1
0 −1 −1 −λ
Deducem de aici că A este matrice nilpotentă. Se rezolvă ecuaţia PA (λ ) = 0 de unde deducem
că λ = 0 ∈ R cu maλ = 4.
Pentru λ = 0 se obţine matricea
 
0 1 1 0
 −1 2 0 1 
N=  −1 0 −2 1  .

0 −1 −1 0
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
 
Pentru aceasta, calculăm rangN. Cum

N
0 1
M2 = 6= 0
−1 2
iar toţi minorii de ordin 3 sunt nuli deducem că rangN = 2. Astfel că
n o
(−2, −1, 1, 0)T , (1, 0, 0, 1)T
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
rangN 0 = rangI4 = 4, rangN s+1 = rangN s , Σsh=1 hnh = maλ .
Pentru aceasta, se observă că
rangN = 2, rangN 2 = 1, rangN 3 = rangN 4 = rangN 5 = 0.
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
numere reale şi
 
2 1 0 0
 0 2 0 0 
A=  ∈ M4 (R) .
 0 0 0 1 
0 0 −1 2
matricea operatorului U : R4 −→ R4 în reperul canonic din R4 . Să se determine forma

canonică Jordan.

2−λ 1 0 0

0 2−λ 0 0 2
PA (λ ) =
0 0 −λ 1 = (2 − λ ) [−λ (2 − λ ) + 1] .

0 0 −1 2 − λ
Se rezolvă ecuaţia PA (λ ) = 0 de unde deducem că λ1 = 2 ∈ R cu maλ1 = 2 şi λ2 = 1 ∈ R cu
maλ2 = 2.
Pentru λ1 = 2 se obţine matricea
 
0 1 0 0
 0 0 0 0 
N=  0 0 −2 1  .

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
 

1 0 0
M3N = 0 −2 1 6= 0

0 −1 0
n o
iar det N = 0 deducem că rangN = 3. Astfel că (1, 0, 0, 0)T este sistem liniar independent
maximal în KerN (·) şi deci
1 = dimR KerN (·) < maλ1 = 2.
Trecem la:
Se observă că
    
0 1 0 0 0 1 0 0 0 0 0 0
 0 0 0 0   0 0 0 0   0 0 0 0 
N2 =   = ,
 0 0 −2 1   0 0 −2 1   0 0 3 −2 
0 0 −1 0 0 0 −1 0 0 0 2 −1
 
0 0 0 0
 0 0 0 0 
N3 =  .
 0 0 −4 3 
0 0 −3 2
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
(de verificat afirmaţia) şi se va întâmpla să avem

N 2+p
− (2 + p + 2) 2 + p + 1
det M2 = = 1 6= 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)
Se determină nh numărul celulelor Jordan de ordin h ∈ {1, 2} după formula
unde
rangN = 3, rangN 2 = 2, rangN 3 = 2.
Astfel că
n2 = rangN 3 − 2rangN 2 + rangN 1 = 2 − 4 + 3 = 1.
Aşadar, avem: zero celule de ordin 1¸ o celulă de ordin 2:

2 1
B1 (λ1 ) = J2 (λ1 ) = .
0 2
Pentru λ2 = 1 se obţine matricea

 
1 1 0 0
 0 1 0 0 
N=  0 0 −1 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
 

1 1 0
M2N = 0 1 0 6= 0

0 0 −1
n o
iar det N = 0 deducem că rangN = 3. Astfel că (0, 0, 1, 1)T este sistem liniar independent
maximal în KerN (·) şi deci
mgλ2 = 1 = dimR KerN (·) < maλ2 = 2.
Trecem la:
Se observă că
      
1 1 0 0 1 1 0 0 1 2 0 0 1 3 0 0
0 1 0 0   0 1 0 0   0 1 0 0  0 1 0 0 
N2 =   , N3 = 
 
 = .
 0 0 −1 1   0 0 −1 1   0 0 0 0   0 0 0 0 
0 0 −1 1 0 0 −1 1 0 0 0 0 0 0 0 0
deci s = 2 deoarece rangN 2 = rangN 2+p = 2 pentru orice p ∈ N. Într-adevăr, observăm că
 
1 2+ p 0 0
 0 1 0 0 
N 2+p = 
 0
.
0 0 0 
0 0 0 0
(de verificat afirmaţia) şi se va întâmpla să avem

N 2+p
1 2+ p
det M2 =
= 1 6= 0.
0 1
unde
rangN = 3, rangN 2 = 2, rangN 3 = 2.
Astfel că
Aşadar, avem zero celule de ordin 1¸ o celulă de ordin 2:

1 1
B2 (λ2 ) = J2 (λ2 ) = .
0 1
Matricea Jordan asociată lui A este
 
2 1 0 0
 0 2 0 0 
J = diag (B1 (λ1 ) , B2 (λ2 )) = 
 0
.
0 1 1 
0 0 0 1
R Vectorul v1 ∈ X, v1 6= 0X definit prin N (v1 ) = 0X se numeşte vector propriu iar vectorii v2 ,

v3 , ... , vs definiţi prin
N (v2 ) = v1 , ..., N (vs ) = vs−1 (2.32)
se numesc vectori proprii principali. Nucleele KerN (·) , ..., KerN s−1 (·) se numesc nuclee
principale. Şirul (2.32), este echivalent cu
(A − λ In ) v2 = v1 , ... , (A − λ In )s−1 vs = vs−1

în reprezentarea matriceală.
numere reale şi
 
0 1 0
A =  0 0 1  ∈ M3 (R) ,
1 −3 3
matricea operatorului U : R3 −→ R3 în reperul canonic din R3 . Să se determine forma

canonică Jordan şi matricea jordanizatoare.

0−λ 1 0
1 = −λ 3 + 3λ 2 − 3λ + 1

PA (λ ) = 0 0−λ
1 −3 3 − λ
Se rezolvă ecuaţia PA (λ ) = 0 de unde deducem că λ = 1 ∈ R cu maλ = 3.

 
−1 1 0
N =  0 −1 1  .
1 −3 2
     
 −1 1 0 x1 0 
KerN (·) = x = (x1 , x2 , x3 )T ∈ R  0 −1 1   x2  =  0  .

1 −3 2 x3 0
 

N
−1 1
M2 = = 1 şi det N 6= 0,
0 −1
deducem că rangN = 2. Astfel că, în sistemul

    
−1 1 0 x1 0
 0 −1 1   x2  =  0 
1 −3 2 x3 0
avem două necunoscute principale şi una secundară

−x1 + x2 = 0
=⇒ =⇒ (x1 , x2 , x3 )T = (x3 , x3 , x3 )T = x3 (1, 1, 1)T
−x2 + x3 = 0
n o
T
şi (1, 1, 1) este sistem liniar independent maximal în KerN (·). Am demonstrat că
1 = dimR KerN (·) < maλ = 3.
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
deci s = 3 deoarece rangN 3 = rangN 3+p = 0 pentru orice p ∈ N.

unde
Pentru aceasta, se observă că rangN = 2, rangN 2 = 1, rangN 3 = 0.

Astfel că

n3 = rangN 4 − 2rangN 3 + rangN 2 = 0 − 2 · 0 + 1 = 1.
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
Matricea Jordan asociată lui U este

 
1 1 0
J =  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 .
 
Pentru v1 = (1, 1, 1)T se poate determina v2 = (a, b, c)T din

    
−1 1 0 a 1
 0 −1 1   b  =  1  =⇒ −a + b = 1 =⇒ a = c − 2, b = c − 1,
−b + c = 1
1 −3 2 c 1
şi în final v2 = (a, b, c)T = (−2, −1, 0)T dacă c = 0.

Pentru v2 = (−2, −1, 0)T se poate determina v3 = (m, n, p)T din
    
−1 1 0 m −2
 0 −1 1   n  =  −1  =⇒ −m + n = −2 =⇒ m = 2p + 3, n = 2p + 1,
−n + p = −1
1 −3 2 p 0
şi în final v3 = (m, n, p)T = (3, 1, 0)T ndacă p = 0. o

Am obţinut reperul Jordan B = (1, 1, 1)T , (−2, −1, 0)T , (3, 1, 0)T format din vectorii
proprii generalizaţi de mai sus.
Un calcul simplu arată că
 −1     
1 −2 3 0 1 0 1 −2 3 1 1 0
C−1 AC =  1 −1 1   0 0 1   1 −1 1  =  0 1 1  = J.
1 0 0 1 −3 3 1 0 0 0 0 1
numere reale şi
 
−2 −1 1
A =  2 −5 2  ∈ M3 (R) .
1 −1 −2
matricea operatorului U : R3 −→ R3 în reperul canonic din R. Să se determine forma canonică

Jordan şi matricea jordanizatoare.

−2 − λ −1 1
= −λ 3 − 9λ 2 − 27λ − 27.

PA (λ ) =
2 −5 − λ 2
1 −1 −2 − λ
Se rezolvă ecuaţia PA (λ ) = 0 de unde deducem că λ = −3 ∈ R cu maλ = 3.

Pentru λ = −3 se obţine matricea
 
1 −1 1
N =  2 −2 2  .
1 −1 1
     
 1 −1 1 x1 0 
KerN (·) = x = (x1 , x2 , x3 )T ∈ R  2 −2 2   x2  =  0  .

1 −1 1 x3 0
 

N
1 −1
M2 = = 0 şi det N = 0.
2 −2
deducem că rangN = 1. Astfel că, în sistemul

    
1 −1 1 x1 0
 2 −2 2   x2  =  0 
1 −1 1 x3 0
avem o necunoscută principală şi două secundare =⇒
x1 − x2 + x3 = 0 =⇒ (x1 , x2 , x3 )T = (x2 − x3 , x2 , x3 )T = x2 (1, 1, 0)T + x3 (−1, 0, 1)T

n o
şi deci (1, 1, 0)T , (−1, 0, 1)T este sistem liniar independent maximal în KerN (·). Am demon-
strat că
2 = dimR KerN (·) < maλ = 3.
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
deci s = 2 deoarece rangN 2 = rangN 2+p = 0 pentru orice p ∈ N.

unde
Pentru aceasta, se observă că rangN = 1, rangN 2 = 0, rangN 3 = 0.

Astfel că

Aşadar, avem o celulă de ordin 1 şi o celulă de ordin 2:

−3 1
J1 (λ ) = (−3) şi J2 (λ ) = .
0 −3
Matricea Jordan asociată lui A este

   
−3 0 0 −3 1 0
J =  0 −3 1  sau J =  0 −3 0 
0 0 −3 0 0 −3
după o eventuală permutare a blocurilor.

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
Vectorul v3 = (a, b, c)T astfel încât

n o
B = v1 = (1, 2, 1)T , v2 = (1, 0, 0)T , v3 = (a, b, c)T
n o
să fie reper în KerN 2 · v = R3 este oricare element dintre vectorii proprii (1, 1, 0)T , (−1, 0, 1)T .
 −1     
1 1 −1 −2 −1 1 1 1 −1 −3 1 0
C−1 AC =  2 0 0   2 −5 2   2 0 0  =  0 −3 0  = J.
1 0 1 1 −1 −2 1 0 1 0 0 −3
Dacă am fi considerat
U (v1 ) = −3v1 =⇒ (A + I3 ) v1 = 0R3

U (v2 ) = v1 − 3v2 =⇒ (A + 3I3 ) v2 = v1
U (v3 ) = −3v3 =⇒ (A + 3I3 ) v3 = 0R3 ,
am fi avut probleme, întrucât, după cum se poate constata, sistemul

    
1 −1 1 a 1
 2 −2 2   b  =  1 
1 −1 1 c 0
nu are soluţie. Motiv pentru care am apelat la un alt raţionament pentru construirea vectorilor
proprii generalizaţi pe care este util sa-l reţinem.
numere reale şi

2 1
A= ∈ M2 (R)
−1 4
matricea operatorului U : R2 −→ R2 în reperul canonic din R2 , R . Să se determine forma

canonică Jordan şi un reper în care este atinsă această formă.

2−λ 1
PA (λ ) =
= λ 2 − 6λ + 9 = (λ − 3)2 .
−1 4 − λ
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.

−1 1
N= .
−1 1

T −1 1 x1 0
KerN (·) = x = (x1 , x2 ) ∈ R = .
−1 1 x2 0
Observăm că rangN = 1 unde

−1 1
N= .
−1 1
n o
Astfel că (−1, −1)T este sistem liniar independent maximal în KerN (·) şi deci
1 = dimR KerN (·) < maλ = 2.
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.
unde
Pentru aceasta, se observă că rangN = 1, rangN 2 = rangN 3 = 0.

Astfel că
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:
U (v1 ) = 3v1 Av1 = 3v1 (A − 3I2 ) v1 = 0R2

⇐⇒ ⇐⇒
U (v2 ) = v1 + 3v2 Av2 = v1 + 3v2 (A − 3I2 ) v2 = v1
Alegând
v1 = (a1 , b1 )T în (A − 3I2 ) v1 = 0R2

obţinem

−1 1 a1 0
= =⇒ −a1 + b1 = 0 =⇒ a1 = b1 =⇒ v1 = a1 (1, 1)T .
−1 1 b1 0
Alegând
v2 = (a2 , b2 )T şi v1 = (1, 1)T
corespunzător lui a1 = 1, în (A − 3I2 ) v2 = v1 obţinem

−1 1 a2 1
(A − 3I2 ) v2 = v1 ⇐⇒ =
−1 1 b2 1
=⇒ −a2 + b2 = 1 =⇒ a2 = b2 − 1 =⇒ v2 = (b2 − 1, b2 )T .
n o
Astfel că B0 = v1 = (1, 1)T , v2 = (1, 2)T este reperul Jordan în care este atinsă forma J. În
plus, putem spune că v = (1, 2)T este vector propriu principal. Observăm că

−1 2 −1 2 1 1 1 3 1
C · A ·C = J ⇐⇒ =
−1 1 −1 4 1 2 0 3
adică nu s-a greşit la calcule şi în plus matricea C are pe coloane vectorii v1 , v2 .
3. Sisteme de ecuaţii diferenţiale
3.1 Sisteme de ecuaţii diferenţiale liniare omogene

Definiţie 3.1.1 Un simbol matematic de forma
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)
unde G ⊆ R, D1 ⊆ R, D2 ⊆ R iar ai j sunt constante reale, se numeşte sistem de două ecuaţii

diferenţiale liniare de ordinul întâi cu două funcţii necunoscute, de coeficienţi constanţi,
omogen.
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).
Definiţie 3.1.3 Fie următoarele două soluţii
ϕ1 (x) = (y1 (x) , z1 (x))T : G ⊆ R →D1 × D2
şi
ϕ2 (x) = (y2 (x) , z2 (x))T : G ⊆ R →D1 × D2
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.
Teoremă 3.1.1 Fie sistemul (3.1). Dacă
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
w (x) = c1 ϕ1 (x) + c2 ϕ2 (x) unde c1 ∈ R, c2 ∈ R
sunt constante arbitrare.
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
este matricea operatorului U în reperul canonic Bc al lui R2 iar ϕ = (y, z)T : G → D1 × D2 .
R Mulţimea
SA = { ϕ (·) : G ⊆ R →D1 × D2 | ϕ (·) verifică ϕ 0 (x) = Aϕ (x)}
este subspaţiu vectorial de dimensiune 2 al spaţiului C1 R, R2 al aplicaţiilor de clasă C1

de la R la R2 .
Prezentăm un algoritm de determinare a soluţiei generale a sistemului (3.1).

Fie K1 6= 0, K2 6= 0, c1 , c2 constante reale. Definim U (w) = w0 = A · w. Rezolvăm ecuaţia
caracteristică

a11 − λ a12
|A − λ I2 | = 0 ⇐⇒ =0
a21 a22 − λ
şi scriem ΛU, respectiv maλ . Soluţia generală a sistemului (3.1) este
w (x) = c1 ϕ1 (x) + c2 ϕ2 (x) , c1 ∈ R, c2 ∈ R (3.2)
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).
Caz 2: Dacă λ1 ∈ R ∩ ΛU cu maλ1 = 1 atunci şi λ2 ∈ R ∩ ΛU cu maλ2 = 1. În acest caz,

dacă maλ1 = mgλ1 şi maλ2 = mgλ2 matricea A este diagonalizabilă =⇒ există un reper B în care
not
matricea D = [A1 ]UB este diagonală. În fapt,

λ1 0
D= .
0 λ2
Notăm B = {v1 , v2 } unde
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
şi efectuăm schimbarea de variabilă
w = Cu unde u = (u1 , u2 )T .
Prin schimbarea de variabilă, avem
(Cu)0 = ACu ⇐⇒ Cu0 = ACu ·C−1 ⇐⇒ u0 = C−1 ACu ⇐⇒ u0 = Du.

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
y (x) = mu1 + pu2 = mc1 eλ1 x + pc2 eλ2 x

z (x) = nu1 + qu2 = nc1 eλ1 x + qc2 eλ2 x

iar dacă dorim să determinăm două soluţii ale sistemului, scriem

y (x) λ1 x m λ2 x p
= c1 e + c2 e ⇐⇒ w (x) = c1 ϕ1 (x) + c2 ϕ2 (x) ,
z (x) n q
de unde obtinem
ϕ1 (x) = eλ1 x vλ1 şi ϕ2 (x) = eλ2 x vλ2
cu ajutorul cărora se scrie soluţia generală (3.2).

not ăm
Caz 3: Dacă λ1 = λ2 ∈ R ∩ ΛU atunci λ = λ1 = λ2 şi observăm că maλ = 2. Dacă
maλ = mgλ aplicăm Caz 2 deoarece A este diagonalizabilă iar dacă mgλ < maλ = 2 matricea A
not
este jordanizabilă =⇒ există un reper B0 în care matricea J = [A2 ]UB0 este sub forma canonică
Jordan. În fapt,

λ 1
J= .
0 λ
Notăm B0 = {v1 , v2 } unde
v1 = (m, n)T se determina din (A − λ I2 ) v1 = 0R2

v2 = (p, q)T se determina din (A − λ2 I2 ) v2 = v1 ,
(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
şi efectuăm schimbarea de variabilă
w = Cu unde u = (u1 , u2 )T .
Prin schimbarea de variabilă, avem
(Cu)0 = ACu ⇐⇒ Cu0 = ACu ·C−1 ⇐⇒ u0 = C−1 ACu ⇐⇒ u0 = Ju.

Din
u01 u01 = λ u1 + u2

0 λ u1 + u2
u = Ju ⇔ = ⇐⇒
u02 λ u2 u02 = λ u2 .
Din u02 = λ u2 =⇒ u2 (x) = c2 eλ x . Înlocuim u2 (x) = c2 eλ x în u01 = λ u1 + u2 =⇒ u01 = λ u1 +

c2 eλ x . Observăm că
0 Z 0 Z
0 λ x −λ x −λ x −λ x
u1 = λ u1 + c2 e · e ⇐⇒ u1 e = c2 =⇒ u1 e dx = c2 dx
=⇒ u1 e−λ x = c2 x + c1 =⇒ u1 (x) = c2 xeλ x + c1 eλ x .

Revenim la schimbarea de variabilă

y (x) m p u1
=
z (x) n q u2
de unde obtinem soluţia generală în coordonate
y (x) = mu1 + pu2 = m c2 xeλ x + c1 eλ x + pc2 eλ x

z (x) = nu1 + qu2 = n c2 xeλ x + c1 eλ x + qc2 eλ x

de unde rezultă
y (x) = c2 mxeλ x + peλ x + mc1 eλ x

z (x) = c2 nxeλ x + qeλ x + nc1 eλ x .
Putem scrie două soluţii ale sistemului, astfel
meλ x mxeλ x + peλ x

y (x)
= c1 + c2
z (x) neλ x nxeλ x + qeλ x
sau echivalent
w (x) = c1 ϕ1 (x) + c2 ϕ2 (x) ,
de unde obţinem
T T
ϕ1 (x) = meλ x , neλ x şi ϕ2 (x) = mxeλ x + peλ x , nxeλ x + qeλ x
cu ajutorul cărora se scrie soluţia generală (3.2).

T
Exerciţiu 3.1.1 Pentru w = (y, z) ∈ R2 să se determine soluţia generală a sistemului
y0 (x) = −9y (x) + 9z (x)

z0 (x) = −16y (x) + 15z (x)

Soluţie. Sistemul poate fi scris astfel

0 T −9 9
w = A · w unde w = (y, z) , A = ∈ M2 (R) .
−16 15
Observăm că polinomul caracteristic este

−9 − λ 9 = λ 2 − 6λ + 9 = (λ − 3)2 .

PA (λ ) =
−16 15 − λ
Se rezolvă ecuaţia PA (λ ) = 0 de unde deducem că λ = 3 ∈ R cu maλ = 2.


−12 9
N= .
−16 12
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
1 = dimR KerN (·) < maλ = 2.

Într-adevăr, alegând v1 = (a1 , b1 )T în (A − 3I2 ) v1 = 0R2 obţinem

−12 9 a1 0
= =⇒ −12a1 + 9b1 = 0
−16 12 b1 0
3b1
=⇒ a1 = =⇒ v1 = 4b1 (3, 4)T .
4
Trecem la:
Se observă că

2 −12 9 −12 9 0 0
N = = (confirmă PA (A) = 0M2 (R) ),
−16 12 −16 12 0 0
si deci s = 2.
unde
rangN = 1, rangN 2 = rangN 3 = 0.
Astfel că
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
a lui R2 în raport cu care U are matricea J:
U (v1 ) = 3v1 Av1 = 3v1 (A − 3I2 ) v1 = 0R2

⇐⇒ ⇐⇒
U (v2 ) = v1 + 3v2 Av2 = v1 + 3v2 (A − 3I2 ) v2 = v1 .
Alegând v2 = (a2 , b2 )T şi v1 = (3, 4)T în (A − 3I2 ) v2 = v1 obţinem

−12 9 a2 3
(A − 3I2 ) v2 = v1 ⇐⇒ =
−16 12 b2 4
=⇒ −12a2 + 9b2 = 3 =⇒ 4a2 = 3b2 − 1
=⇒ v2 = (−1, −1)T pentru a2 = −1 = b2 .

Astfel că
n o
B0 = v1 = (3, 4)T , v2 = (−1, −1)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
u01 u01 = 3u1 + u2

3 1 u1
= ⇔ .
u02 0 3 u2 u02 = 3u2
Rezolvăm
u02 = 3u2 =⇒ prin integrarea fiecărei ecuaţii, că u2 (x) = c2 e3x .
Într-adevăr,
u02
Z
= 3 =⇒ (ln |u2 |)0 = 3 =⇒ ln |u2 | = 3dx ⇐⇒ ln |u2 | = 3x + ln |K2 | =⇒ u2 (x) = c2 e3x .
u2
Înlocuind u2 (x) = c2 e3x în prima ecuaţie avem

0
u01 = 3u1 + c2 e3x ⇔ u1 e−3x = c2
iar prin integrare avem u1 (x) = c2 xe3x + c1 e3x .

Acum, folosind schimbarea de variabilă efectuată

3 −1 u1
w= =⇒ y = 3u1 − u2 şi z = 4u1 − u2 ,
4 −1 u2
de unde, soluţia genearală, în coordonate
y (x) = 3 c2 xe3x + c1 e3x − c2 e3x

z (x) = 4 c2 xe3x + c1 e3x − c2 e3x .
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


0 T 1 1
w = A · w unde w = (y, z) , A = .
−2 3
Determinăm valorile proprii ale lui A, din ecuaţia caracteristică

1−λ 1 = λ 2 − 4λ + 5 = 0 =⇒ λ = 2 + i şi λ = 2 − i.

|A − λ I2 | = 0 ⇐⇒
−2 3 − λ
Cum λ = 2 + i este număr complex, pentru λ = 2 + i determinăm vectorul propriu corespunzător

vλ ∈ Xλ din sistemul

−1 − i 1 m 0
(A − λ I2 ) vλ = 0R2 ⇔ =
−2 1−i n 0
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]
Un sistem fundamental de soluţii este

T
ϕ1 (x) = Re eλ x vλ = e2x cos x, e2x cos x − e2x sin x
şi
T
ϕ2 (x) = Im eλ x vλ = e2x sin x, e2x sin x + e2x cos x
care dau soluţia generală

T T
w (x) = c1 e2x cos x, e2x cos x − e2x sin x + c2 e2x sin x, e2x sin x + e2x cos x , c1 ∈ R, c2 ∈ R
iar în coordonate are forma
y (x) = c1 e2x cos x + c2 e2x sin x

cu c1 ∈ R, c2 ∈ R.
z (x) = c1 e2x cos x − e2x sin x + c2 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)

z0 (x) = −12y (x) + 8z (x) .


0 1
w0 = A · w unde w = (y, z)T , A = .
−12 8

0−λ 1
|A − λ I2 | = 0 ⇐⇒
= 0 =⇒ λ2 = 6 şi λ1 = 2.
−12 8 − λ
Pentru λ1 = 2 determinăm vectorul propriu corespunzător vλ1 = (a, b)T din

−2 1 a 0
(A − λ1 I2 ) vλ1 = 0R2 ⇔ =
−12 6 b 0
⇐⇒ −2a + b = 0 =⇒ vλ1 = a (1, 2)T .
Pentru λ2 = 6 determinăm vectorul propriu corespunzător vλ2 = (c, d)T din

−6 1 c 0
(A − λ2 I2 ) vλ2 = 0R2 ⇔ =
−12 2 d 0
⇐⇒ −6c + d = 0 =⇒ vλ2 = c (1, 6)T .
Se observă că
3
− 14

1 1 2 0
C= =⇒ C−1 = 2 =⇒ C−1 AC = D = .
2 6 − 21 1
4 0 6

0
0 u1 2 0 u1
u = D·u ⇔ = .
u02 0 6 u2
În final
u01 u01 = 2u1

2 0 u1
= ⇔ .
u02 0 6 u2 u02 = 6u2
Rezolvăm sistemul omogen

0
u1 = 2u1
u02 = 6u2
=⇒prin integrarea fiecărei ecuaţii, că
u1 (x) = c1 e2x şi u2 (x) = c2 e6x .
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
de unde
y (x) = c1 e2x + c2 e6x

, c1 = ± |K1 | ∈ R∗ , c2 = ± |K2 | ∈ R∗ .
z (x) = 2c1 e2x + 6c2 e6x
R Dacă U : D1 × ... × Dn −→ Rn este operatorul de derivare definit prin U (ϕ) = ϕ 0 atunci

sistemul ϕ 0 = Aϕ unde
 
a11 ... a1n
not ăm
A = [A]UBc =  ... ... ...  ∈ Mn (R)
an1 ... ann
este matricea operatorului U în reperul canonic Bc al lui Rn iar
ϕ (t) = (x1 (t) , ..., xn (t))T : G → D1 × ... × Dn ,
se tratează analog.
3.2 Sisteme de ecuaţii diferenţiale liniare neomogene

Definiţie 3.2.1 Expresia matematică
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
unde G ⊆ R, Di ⊆ R (i = 1, 2, 3, 4) iar ai j ∈ R, se numeşte sistem de două ecuaţii diferenţiale

liniare de ordinul întâi cu două funcţii necunoscute, cu coeficienţi constanţi, neomogen.
R Dacă f3 (x) = f4 (x) = 0 în (3.3) atunci sistemul obţinut este omogen.
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
ϕ (x) = c1 ϕ1 (x) + c2 ϕ2 (x) cu c1 ∈ R, respectiv c2 ∈ R,
este soluţia generală a sistemului omogen (3.1) atunci
ϕ p (x) = c1 (x) ϕ1 (x) + c2 (x) ϕ2 (x)
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
este matricea operatorului U în reperul canonic Bc al lui R2 , w = (y, z)T : G → D1 × D2

iar f = ( f3 , f4 )T : G → D3 × D4 este continuă.
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)
şi în final u0 = D · u + 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


0 T 2 1
w = A · w + f (x) unde w = (y, z) , A = , f (x) = (1, x)T .
1 2

2−λ 1
|A − λ I2 | = 0 ⇐⇒
= 0 =⇒ λ1 = 1 şi λ2 = 3.
1 2−λ
Pentru λ1 = 1 determinăm vectorul propriu corespunzător vλ1 = (a, b)T din

1 1 a 0
(A − λ1 I2 ) vλ1 = 0R2 ⇔ =
1 1 b 0
⇐⇒ a + b = 0 =⇒ vλ1 = b (1, −1)T .
Pentru λ2 = 3 determinăm vectorul propriu corespunzător vλ2 = (c, d)T din

−1 1 c 0
(A − λ2 I2 ) vλ2 = 0R2 ⇔ =
1 −1 d 0
⇐⇒ −c + d = 0 =⇒ vλ2 = c (1, 1)T .
Se observă că
1 1

1 1 −1 2 2 −1 1 0
C= =⇒ C = 1 =⇒ C AC = D = .
1 −1 2 − 12 0 3

0
0 u1 1 0 u1 1 1−x
u = D · u + g (x) ⇔ = + .
u02 0 3 u2 2 1+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)
Rezolvăm sistemul omogen

0
u1 = u1
u02 = 3u2
=⇒prin integrarea fiecărei ecuaţii, că u1 (x) = c1 ex şi u2 (x) = c2 e3x .

În cele ce urmează aplicăm metoda variaţiei constantelor pentru a determina o soluţie
particulară a sistemului (3.4). Căutăm c1 (x) şi c2 (x) astfel încât u1 (x) = c1 (x) ex şi u2 (x) =
c2 (x) e3x să fie soluţie pentru sistemul neomogen
0
u1 = u1 + 21 (1 − x)
(3.5)
u02 = 3u2 + 21 (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
şi deci c1 (x) = 21 xe−x , respectiv c2 (x) = − 18

1 −3x
e (3x + 4) iar în final obţinem soluţia
u1 (x) = c1 ex + c1 (x) ex = c1 ex + 21 xe−x ex = c1 ex + 12 x

1 −3x
u2 (x) = c2 e3x + c2 (x) e3x = c2 e3x − 18 e (3x + 4) e3x = c2 e3x − 61 x − 92
pentru sistemul (3.5).

Acum, folosind schimbarea de variabilă efectuată w = C · u =⇒ y = u1 + u2 şi z = −u1 + u2
de unde
y (x) = c1 ex + 21 x + c2 e3x − 16 x − 92

z (x) = − c1 ex + 12 x + c2 e3x − 61 x − 29
este soluţie a sistemului iniţial.
R Dacă U : D1 × ... × Dn −→ Rn este operatorul de derivare definit prin U (ϕ) = ϕ 0 iar

f = ( f1 , ..., fn )T sunt funcţii (definite ca mai sus) atunci sistemul ϕ 0 = Aϕ + f unde
 
a11 ... a1n
not ăm U
A = [A]Bc =  ... ... ...  ∈ Mn (R)
an1 ... ann
este matricea operatorului U în reperul canonic Bc al lui (Rn , R) iar
ϕ (t) = (x1 (t) , ..., xn (t))T : G → D1 × ... × Dn
se tratează analog.
4. Forme liniare, biliniare şi pătratice
4.1 Funcţionale liniare-dualul algebric al unui spaţiu liniar

Fie (X, K) spaţiu vectorial.
Definiţie 4.1.1 O funcţie f : X → K se numeşte funcţională (sau formă) liniară dacă f este
operator liniar, adică
f (αx + β y) = α f (x) + β f (y) ∀x, y ∈ X, ∀α, β ∈ K.
Teoremă 4.1.1 Mulţimea X ∗ = L (X, K) a funcţionalelor liniare f : X → K înzestrată cu

operaţiile
i) ( f + g) (x) = f (x) + g (x) ∀x ∈ X;

ii) (α f ) (x) = α f (x) ∀x ∈ X, ∀α ∈ K;
are o structură de spaţiu vectorial peste K, notat (X ∗ , K) şi numit spaţiul vectorial dual al lui
X.
R [Reprezentarea unei funcţionale liniare] Presupunem că dimK X = n ∈ N∗ . Dacă E =

{e1 , ..., en } este reper al lui X, ai = f (ei ), i = 1, n, a = (a1 , ..., an )T şi xE = (x1 , ..., xn )T
atunci
 
n n n x1
∀x ∈ X =⇒ x = Σ xi ei şi f (x) = Σ xi f (ei ) = Σ ai xi = (a1 ...an )  ...  = aT · xE .
i=1 i=1 i=1
xn
Dacă în plus de la reperul E se trece la un reper F = { f1 , ..., fn } al lui X prin matricea de
not ăm
trecere C = CE,F atunci avem următoarea reprezentare a lui f în reperul F
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
4.2 Funcţionale biliniare şi sesquiliniare

Fie (X, K) şi (Y, K) spaţii vectoriale reale sau complexe (adică K = R sau K = C).
Definiţie 4.2.1 O funcţie f : X ×Y → K se numeşte funcţională (sau formă) biliniară dacă
i) f (αx + β y, z) = α f (x, z) + β f (y, z) ∀x, y ∈ X, ∀z ∈ Y , ∀α, β ∈ K;
ii) f (x, αy + β z) = α f (x, y) + β f (x, z) ∀x ∈ X, ∀y, z ∈ Y , ∀α, β ∈ K.
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 .
R Dacă x = 0X sau y = 0Y atunci f (0X , y) = 0K ∀y ∈ Y şi f (x, 0Y ) = 0K ∀x ∈ X.
Exemplu 4.2.1 Dacă f : X → K şi g : Y → K sunt funcţionale liniare atunci h : X ×Y → K

definită prin h (x, y) = f (x) g (y) este o funcţională biliniară. Într-adevăr, pentru x ∈ X fixat, x = x
se deduce că h (x, y) = f (x) g (y) este funcţie liniară în y ∈ X, deoarece f (x) ∈ K este un scalar.
Analog, pentru y fixat.
Exemplu 4.2.2 Fie A ∈ Mn,m (K). Pentru x, y ∈ Kn definim f : Kn × Kn −→ K, f (x, y) =

xT Ay ∈ K. Probăm că f este o funcţională biliniară. Într-adevăr,
f (αx + β y, z) = (αx + β y)T Az = (αx)T Az + (β y)T Az = αxT Az + β yT Az
= α f (x, z) + β f (y, z) ,
f (x, αy + β z) = xT A (αy + β z) = xT A (αy) + xT A (β z) = αxT Ay + β xT Az
= α f (x, y) + β f (x, z) .

Adunarea formelor biliniare şi înmulţirea cu scalari se definesc în mod similar ca la

funcţionalele liniare. În raport cu aceste operaţii, mulţimea tuturor formelor biliniare este
un spaţiu vectorial peste corpul scalarilor.
Definiţie 4.2.2 Funcţia f : X × X → C se numeşte funcţională (sau formă) sesquiliniară dacă
i) f (αx + β y, z) = α f (x, z) + β f (y, z) ∀x, y, z ∈ X, ∀α, β ∈ C

ii) f (x, αy + β z) = α f (x, y) + β f (x, z) ∀x, y, z ∈ X, ∀α, β ∈ C
unde prin α, respectiv β am notat numărul complex conjugat lui α, respectiv β .
4.3 Funcţionale biliniare simetrice şi sesquiliniare hermitiene

Presupunem că (X, K) şi (Y, K) sunt spaţii vectoriale reale sau complexe cu dimK X = n ∈ N∗ şi
dimK Y = m ∈ N∗ iar f : X ×Y → K este funcţională biliniară.
reper reper T
Teoremă 4.3.1 Dacă F = { f1 , ..., fn } ⊂ X, G = {g1 , ..., gm } ⊂ Y , xF = (x1 , ..., xn ) este
T
vectorul coordonatelor unui element x ∈ X în reperul F iar yG = (y1 , ..., ym ) este vectorul
coordonatelor unui element y ∈ Y în reperul G atunci f admite următoarea reprezentare

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
Este necesar să introducem:

4.3 Funcţionale biliniare simetrice şi sesquiliniare hermitiene 117
Definiţie 4.3.1 Matricea
 
f ( f1 , g1 ) ... f ( f 1 , gm )
f  ∈ Mn,m (K)
A = [A]F,G =  ... ... ...
f ( fn , g1 ) ... f ( f n , gm )
se numeşte matricea lui f în raport cu reperele F, G iar numerele ai j = f ( fi , g j ) ∈ K (i =

1, ..., n şi j = 1, ..., m) se numesc coeficienţii funcţionalei biliniare f în perechea de repere
F = { f1 , ..., fn } ⊂ X, G = {g1 , ..., gm } ⊂ Y.
Cu aceste notaţii formula (4.1) se poate scrie astfel

n m
f (x, y) = Σ Σ xi y j ai j = (xF )T AyG
i=1 j=1
iar reprezentarea f (x, y) = (xF )T AyG se numeşte reprezentarea matriceală a funcţionalei

n m
biliniare f în timp ce f (x, y) = Σ Σ xi y j ai j se numeşte forma algebrică a funcţionalei
i=1 j=1
biliniare f .
Definiţie 4.3.2 Presupunem dimK X = dimK Y = n ∈ N∗ . Fie A matricea funcţionalei biliniare

f : X ×Y → K în raport cu reperele F, G din X, respectiv Y . Dacă matricea A este nesingulară
(singulară), atunci forma biliniară f se numeşte nedegenerată (degenerată). Rangul matricei
A se numeşte rangul formei biliniare f .
R Dacă X = Y atunci F = G în Definiţia 4.3.2.
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.
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 ).
R Funcţionala biliniară definită în (4.2) este simetrică.
Definiţie 4.3.4 Fie (X, C) spaţiu vectorial complex. O funcţională sesquiliniară f : X × X →

C se numeşte funcţională sesquiliniară hermitienă (sau sesquiliniară simetrică sau funcţionala
lui Hermite sau funcţională hermitică) dacă f (x, y) = f (y, x) pentru orice x, y ∈ X.
R Fie (X, C) spaţiu vectorial complex. Dacă f : X × X → C este funcţională sesquiliniară

hermitienă atunci f (x, x) = f (x, x) pentru orice x ∈ X şi deci f (x, x) ∈ R.
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
f1 : V ×V → R, f1 (v, w) = v1 w1 + ... + vn wn , v = (v1 , ..., vn )T , w = (w1 , ..., wn )T ,

f2 : V ×V → C, f2 (v, w) = v1 w1 + ... + vn wn , v = (v1 , ..., vn )T , w = (w1 , ..., wn )T ,
atunci să se arate că: p

i) f1 , f2 sunt funcţionale biliniare dacă V = Rn . (În acest caz f1 (v, v) defineşte
noţiunea de lungime a vectorilor în Rn !).
ii) f1 nu este o funcţională biliniară dacă V = Cn .
iii) f2 este sesquiliniară şi are loc formula de polarizare
4 f2 (u, v) = f2 (u + v, u + v) − f2 (u − v, u − v) + i f2 (u + iv, u + iv) − i f2 (u − iv, u − iv) .
Soluţie. i) Se verifică axiomele
f1 (αx + β y, z) = α f1 (x, z) + β f1 (y, z) ∀x, y, z ∈ Rn , ∀α, β ∈ R,

f1 (x, αy + β z) = α f1 (x, y) + β f1 (x, z) ∀x, y, z ∈ Rn , ∀α, β ∈ R.
Într-adevăr, dacă x = (x1 , ..., xn )T , y = (y1 , ..., yn )T iar z = (z1 , ..., zn )T atunci
αx + β y = (αx1 + β y1 , ..., αxn + β yn )T ∀α, β ∈ R
şi ∀x, y, z ∈ Rn , ∀α, β ∈ R
f1 (αx + β y, z) = (αx1 + β y1 ) z1 + ... + (αxn + β yn ) zn

= α (x1 z1 + ... + αxn zn ) + β (y1 z1 + ... + yn zn ) = α f1 (x, z) + β f1 (y, z) ,
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
f1 ((i, ..., i) , (i, ..., i)) < 0
obţinem o contradicţie cu f1 (v, v) ≥ 0 ∀v ∈ Cn .

iii) Se verifică axiomele
f2 (αx + β y, z) = α f2 (x, z) + β f2 (y, z) ∀x, y, z ∈ Cn , ∀α, β ∈ C,

f2 (x, αy + β z) = α f2 (x, y) + β f2 (x, z) ∀x, y, z ∈ Cn , ∀α, β ∈ C.
Formula de polarizare rezultă prin calcul direct.

Definiţie 4.3.5 Fie (X, K) spaţiu vectorial real sau complex. Funcţionala f : X × X → K
(unde K = R sau K = C) se numeşte:
i) pozitiv semidefinită (respectiv pozitiv definită) dacă este hermitienă şi f (x, x) ≥ 0
pentru x ∈ X (respectiv f (x, x) > 0 pentru x 6= 0);
ii) negativ semidefinită (respectiv negativ definită) dacă este hermitienă şi f (x, x) ≤ 0
pentru x ∈ X (respectiv f (x, x) < 0 pentru x 6= 0);
iii) nedefinită dacă există x1 , x2 ∈ X astfel încât f (x1 , x1 ) < 0 şi f (x2 , x2 ) > 0.
4.4 Efectul schimbării reperelor la matricea unei funcţionale biliniare

Presupunem că (X, K) şi (Y, K) sunt spaţii vectoriale reale sau complexe cu dimK X = n ∈ N∗ şi
dimK Y = m ∈ N∗ iar f : X ×Y → K este funcţională biliniară.
reper reper reper
Teoremă 4.4.1 Dacă F1 = f11 , ..., fn1 ⊂ X, F2 = f12 , ..., fn2 ⊂ X, G1 = g11 , ..., g1m ⊂

reper
Y , G2 = g21 , ..., g2m ⊂ Y , xF1 = (x1 , ..., xn )T este vectorul coordonatelor elementului x ∈ X

în reperul F1 , yG1 = (y1 , ..., ym )T este vectorul coordonatelor elementului y ∈ Y în reperul

not ăm not ăm
G1 , C = CF1 ,F2 este matricea de trecere de la reperul F1 la reperul F2 , D = DG1 ,G2 este
matricea de trecere de la reperul G1 la reperul G2 iar A = [A]Ff 1 ,G1 este matricea lui f în raport
cu reperele F1 , G1 atunci
f (x, y) = (xF1 )T AyG1 = (C · xF2 )T · A · (D · yG2 ) = (xF2 )T ·CT · A · D · yG2
unde xF2 = C−1 · xF1 , xG2 = D−1 · xG1 .
R Dacă X = Y atunci
F1 = G1 şi F2 = G2 iar f (x, y) = (xF1 )T ·CT · A ·CyF2
not ăm
unde C = CF1 ,F2 este matricea de trecere de la reperul F1 la reperul F2 .
Exerciţiu 4.4.1 Se consideră funcţia f : R2 → R definită prin
f (x, y) = 4x1 y2 − 2x2 y2 + 8x2 y1
unde x = (x1 , x2 )T ∈ R2 , y = (y1 ,y2 )T ∈ R2 .

i) Să se arate că f este biliniară dar nu simetrică.
ii) Să se determine matricea lui f în reperul
n o
B = b1 = (−2, 6)T , b2 = (4, 2)T .

Soluţie. Scriem matricea lui f în reperul canonic

n o
Bc = e1 = (1, 0)T , e2 = (0, 1)T din R2
prin două metode:

Metoda 1. Avem
not ăm
A = [A]Bf c = (ai j )i, j=1,2 unde ai j = f (ei , e j ) .
Astfel
a12 = f (e1 , e2 ) = 4 · 1 · 1 − 2 · 0 · 1 + 8 · 0 · 0 = 4
a11 = f (e1 , e1 ) = 0, a21 = f (e2 , e1 ) = 8, a22 = f (e2 , e2 ) = −2
iar

0 4
A= .
8 −2
Metoda 2. Avem direct
a11 = coeficientul lui x1 y1 , a12 = coeficientul lui x1 y2 , a21 = coeficientul lui x2 y1

0 4
a22 = coeficientul lui x2 y2 caz în care A = .
8 −2
Trecem la rezolvarea problemei.
i) Din Metoda 1 sau Metoda 2 avem că

T
0 4 y1
f (x, y) = x Ay = x1 x2
8 −2 y2
iar procedând ca în Exemplul 4.2.2 deducem că f este biliniară. Cum matricea A nu este simetrică
deducem că f nu este simetrică (vezi Teorema 4.3.2).
ii) Prezentăm două metode.
Metoda 1. Avem
not ăm
A1 = [A1 ]Bf = (bi j )i, j=1,2 unde bi j = f (bi , b j ) .
Astfel
b11 = f (b1 , b1 ) = −216, b12 = f (b1 , b2 ) = 152, b21 = f (b2 , b1 ) = 40, b22 = f (b2 , b2 ) = 88.
şi

−216 152
A1 = .
40 88
not ăm
Metoda 2. Dacă C = CBc ,B este matricea de trecere de la reperul BC la reperul B atunci
A1 = CT AC unde A1 este matricea lui f în reperul Bc . Avem

b1 = −2e1 + 6e2 −2 4
=⇒ C =
b2 = 4e1 + e2 6 2
şi deci
T
T −2 4 0 4 −2 4 −216 152
A1 = C AC = = .
6 2 8 −2 6 2 40 88
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,
B = a1 = 1, a2 = 1 + t, a3 = t 2 reper în (P2 [X] , R)

şi
p1 = a1 + 2a2 + a3 , p2 = a1 − 2a3 , p3 = 2 + 2t + 3t 2 = 2a2 + 3a3 , p4 = a2 + a3
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 .
Soluţie. Organizăm datele astfel
i), ii), iii) p1 p2 p3 p4 p

a1 1 1 0 0 2
a2 2 0 2 1 1
a3 1 -2 3 1 0
p1 1 1 0 0 2
a2 0 -2 2 1 -3
a3 0 -3 3 1 -2
p1 1 1 0 0 2
p4 0 -2 2 1 -3
a3 0 -1 1 0 1
p1 1 1 0 0 2
p4 0 0 0 1 −5
p3 0 -1 1 0 1
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
f (p, αq + β r) = α f (p, q) + β f (p, r) ∀p, q, r ∈ P2 [X] , ∀α, β ∈ R.

Am probat că f este o funcţională biliniară. Observăm că

Z 1 Z 1 Z 1 Z 1
f (p, q) = p (t) dt · q (t) dt = q (t) dt · p (t) dt = f (q, p)
0 0 0 0
şi deci f este simetrică
Componentele matricei A, ataşată formei biliniare în reperul canonic 1,t,t 2 , sunt

Z 1 Z 1 Z 1 Z 1
1
a11 = f (1, 1) = 1dt · 1dt = 1, a12 = a21 = f (1,t) = 1dt · tdt =
0 0 0 0 2
Z 1 Z 1 1 1
1 1
Z Z
2
t 2 dt = , a22 =

a13 = a31 = f 1,t = 1dt · tdt · tdt =
0 0 3 0 0 4
Z 1 Z 1 Z 1 Z 1
1 1 1 1
a23 = a32 = f t,t 2 = t 2 dt = t 2 dt · t 2 dt =

tdt · = , a33 =
0 0 23 6 0 0 9
şi deci matricea ei în reperul canonic al lui P2 [X] este
 
1 1/2 1/3
A1 =  1/2 1/4 1/6  .
1/3 1/6 1/9
Notăm cu A2 matricea funcţionalei biliniare în noul reper B. Din teorie A2 = C1T · A1 ·C1 unde
 
1 1 0
C1 =  0 1 0 
0 0 1
este matricea de trecere de la reperul canonic Bc la reperul B. Atunci
A2 = C1T · A1 ·C1
3 1
     
1 0 0 1 1/2 1/3 1 1 0 1 2 3
=  1 1 0   1/2 1/4 1/6   0 1 0  =  32 9
4
1
2
.
1 1 1
0 0 1 1/3 1/6 1/9 0 0 1 3 2 9
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
4.5 Funcţionale pătratice reale

Fie (X, R) spaţiu vectorial real.
Definiţie 4.5.1 Presupunem că f : X × X → R este o funcţională biliniară simetrică.
Funcţionala liniară V : X → R definită de V (x) = f (x, x) se numeşte funcţională pătratică
reală.
Definiţie 4.5.2 Fie V : X → R o funcţională pătratică reală. Funcţionala biliniară simetrică
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 Funcţionala polară a unei funcţionale pătratice reale este unică.
Teoremă 4.5.1 Fie V : X → R o funcţională pătratică reală şi f : X × X → R funcţionala

reper
polară a lui V . Dacă dimR X = n ∈ N∗ , F = { f1 , ..., fn } ⊂ X iar xF = (x1 , ..., xn )T este
vectorul coordonatelor unui element x ∈ X în reperul F atunci

n n n n n n
V (x) = f (x, x) = f Σ xi fi , Σ x j f j = Σ Σ xi x j f ( fi , f j ) = Σ Σ xi x j ai j = xFT AxF (4.4)
i=1 j=1 i=1 j=1 i=1 j=1
unde A = (ai j )i, j=1,...,n iar ai j = f ( fi , f j ) ∈ R (i, j = 1, ..., n).
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 .
Soluţie. Se rezolvă prin trei metode:

Metoda 1. Se determină prin dedublare: monomul aii xi2 din V devine aii xi yi în f iar monomul
a a
ai j xi x j din V (pentru j 6= i) devine 2i j xi y j + 2i j x j yi în f .
Metoda 2. Se aplică (4.3), adică direct definiţia.
Metoda 3. Se scrie matricea lui V după care ţinem cont de faptul că oricărei matrice i se
poate asocia o funcţională biliniară.
Definiţie 4.5.3 O funcţională pătratică se numeşte pozitiv definită (negativ definită, pozitiv
semidefinită, negativ semidefinită, nedefinită) dacă funcţionala biliniară simetrică asociată
formei pătratice are această proprietate.
Definiţie 4.5.4 Matricea unei funcţionale pătratice se numeşte pozitiv definită (respectiv
nedefinită, negativ definită, pozitiv semidefinită, negativ semidefinită) după cum funcţionala
pătratică asociată ei are aceste proprietăţi.
4.6 Forma canonică a unei funcţionale pătratice (matrice pătratice)

Fie (X, R) spaţiu vectorial real cu dimR X = n ∈ N∗ .
Definiţie 4.6.1 Spunem că expresia unei funcţionale pătratice V : X → R a fost adusă la
forma canonică dacă există un reper F al lui X astfel încât V (x) = λ1 ω12 + ... + λn ωn2 unde
xF = (ω1 , ..., ωn )T este vectorul coordonatelor lui x ∈ X în raport cu reperul F iar λ1 , ..., λn ∈
R.
R Matricea formei canonice este o matrice diagonală.
Definiţie 4.6.2 Presupunem că f : X × X → R este o funcţională biliniară simetrică, V : X →

R este funcţionala pătratică reală asociată lui f iar Y ⊂ X este subspaţiu vectorial al lui X.
i) Vectorii x, y ∈ X se numesc ortogonali în raport cu f (sau cu V ) dacă f (x, y) = 0.
ii) Mulţimea Y ⊥ = { x ∈ X| f (x, y) = 0 ∀y ∈ Y } se numeşte complementul ortogonal al
lui Y în X faţă de f .
R Y ⊥ este subspaţiu vectorial în X.
Definiţie 4.6.3 Presupunem că f : X × X → R este o funcţională biliniară simetrică (respectiv

V : X → R este funcţionala pătratică reală asociată lui f ).
Baza F = { f1 , ..., fn } ⊂ X se numeşte
i) bază ortogonală în raport cu funcţionala f (respectiv V ) dacă f ( fi , f j ) = 0 pentru
i 6= j (i, j = 1, n), adică vectorii ei sunt ortogonali doi câte doi faţă de f .
ii) bază ortonormată în raport cu funcţionala f (respectiv V ) dacă este ortogonală şi în
plus f ( fi , f j ) = 1 pentru i = j (i = 1, n).
Teoremă 4.6.1 — Metoda Jacobi. Presupunem că f : X ×X → R este o funcţională biliniară

simetrică iar V : X → R este funcţionala pătratică reală asociată lui f .
Fie A = (ai j )i, j=1,...,n matricea lui V : X → R în raport cu reperul E = {e1 , ..., en } ⊂ X şi

a a
∆0 = 1, ∆1 = a11 6= 0, ∆2 = 11 12

6= 0, ..., ∆n = det A 6= 0.
a21 a22
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 ).
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

unde bi, j ∈ R se determină din
f (e1 , f1 ) = a11 · b11

=1
f (e1 , f2 ) = 0 a11 a12 b12 0
⇐⇒ =
 f (e 2 , f 2 ) = 1  a21 a22 b 22
 1  
 f (e1 , f3 ) = 0 a11 a12 a13 b13 0
f (e2 , f3 ) = 0 ⇐⇒  a21 a22 a23   b23  =  0 
f (e3 , f3 ) = 1 a31 a32 a33 b33 1 (4.6)

...
     

 f (e1 , fn ) = 0 a11 ... a1n b1n 0
...  ... ... ...   ...  =  ... 
   
⇐⇒  

 f (en−1 , fn ) = 0  an−1,1 ... an−1,n   bn−1,n   0 
f (en , fn ) = 1 an1 ... ann bnn 1

sunt relaţiile cu ajutorul cărora determinăm necunoscutele bi j .

Cum ∆i 6= 0 deducem că sistemele (4.6) din care aflăm bi j au soluţie unică şi deci se
rezolvă folosind regula lui Cramer. Soluţiile lui (4.6) se înlocuiesc în (4.5) de unde rezultă
reperul căutat. Matricea lui V în noul reper F este matricea C = (ci j ) unde
(
0 pentru i 6= j,
ci j = f ( fi , f j ) = ∆
bii = ∆i−1
i
pentru i = j.
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.
Următoarele sunt adevărate:

i) A şi V sunt pozitiv definite dacă şi numai dacă ∆1 > 0, ∆2 > 0, ..., ∆n > 0;
ii) A şi V sunt negativ definite dacă şi numai dacă ∆1 < 0, ∆2 > 0, ..., (−1)n ∆n > 0;
iii) dacă ∆i 6= 0 pentru orice i = 1, ..., n şi i), ii) sunt false atunci A şi V sunt nedefinite.
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.
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
V (y) = f (y, y) = y21 + 2y1 y3 + y3 y2 + y23 .
i) Determinaţi matricea funcţionalei pătratice corespunzătoare reperului canonic (bazei

3

canonice) din R , R .
ii) Determinaţi forma canonică a funcţionalei pătratice.
iii) Să se studieze natura funcţionalei pătratice.
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

deducem că f (x, x) = ω12 − ω22 + ω32 .

iii) Deoarece ∆1 = 1, ∆2 = −1, ∆3 = −1 criteriul lui Sylvester implică o formă pătratică
nedefinită.
Teoremă 4.6.3 — Metoda lui Gauss. Dacă V : X → R este funcţională pătratică reală atunci
există o bază ortogonală în X în raport cu care funcţionala pătratică V poate fi scrisă sub forma
canonică.
Metoda lui Gauss de aducere la forma canonică şi de determinare a unei baze ortogo-
nală în X este redată în: reper
Fie (X, R) spaţiu vectorial real, F1 = { f11 , ..., f1n } ⊂ X şi V : X → R o funcţională pătratică
reală definită prin
n n
V (x) = Σ Σ ai j xi x j
i=1 j=1
expresia algebrică a funcţionalei în această bază. Pentru a determina un reper ortogonal în X

în raport cu care funcţionala pătratică V poate fi scrisă sub forma canonică se repetă etapele
descrise mai jos atâta timp cât există expresii de forma xi x j cu i 6= j:
Etapa 1. V nu conţine pătrate, caz în care este obligatorie transformarea de coordonate
xi + x j 0 xi − x j
xi = xi0 +x0j , x j = xi0 −x0j şi xk = xk0 , k 6= i, j =⇒ xi0 = , xj = , xk = xk0 , k 6= i, j (4.7)
2 2
în scopul obţinerii de pătrate în V . Scriem noua expresie pentru V şi notăm cu F2 = { f21 , ..., f2n }
reperul lui X faţă de care coordonatele lui x sunt xi0 , i = 1, n. Matricea de trecere la noul reper
este
 
1 0 ... 0 0 ... 0
 0 1 ... 0 0 ... 0 
 
 ... ... ... ... ... ... ...  i
  ←− linia
 0 0 ... 1 1 ... 0  j
CF1 ,F2 =  matricea rezultată din (4.7)

 0 0 ... 1 −1 ... 0  ←− linia
 
 ... ... ... ... ... ... ... 
0 0 ... 0 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
Din (4.8) deducem că

−1 
x10
   
x1 a11 a12 ... a1n
 x2   0 1 ... 0   x20 
 ...  = 
     
... ... ... ...   ... 
xn 0 0 ... 1 xn0
1
− a111 a12 ... − a111 a1n x10
  
a11
 0 1 ... 0   x0 
=   2 
 ... ... ... ...   ... 
0 0 ... 1 xn0
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.
R Expresia canonică a unei funcţionale pătratice nu este unică.
Exerciţiu 4.6.2 Se consideră funcţionala pătratică definită pe R3 , R

V (x) = f (x, x) = x1 x2 + x1 x3 + x2 x3 .

3

ii) Determinaţi forma canonică a funcţionalei pătratice.
iii) Să se studieze natura funcţionalei pătratice.
Soluţie. i) Matricea funcţionalei pătratice este
0 21 12
 
A =  21 0 12  .
1 1
2 2 0
ii) Efectuăm transformarea de coordonate

x +x

 y1 = 1 2 2
x1 −x2
y2 = 2
y3 = x3

şi avem
V (x) = f (x, x) = y21 − y22 + 2y1 y3 + y23 − y23 − y22 .

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 obţine forma canonică f (x, x) = z21 − z22 − z23 .

iii) Din
 
1 0 0
D =  0 −1 0 
0 0 −1
se deduce că ∆1 = 1, ∆2 = −1 şi ∆3 = 1 iar din Criteriul lui Sylvester deducem că funcţionala
pătratică este nedefinită.
Exerciţiu 4.6.3 Se consideră funcţionala pătratică definită pe R3 , R

V (x) = f (x, x) = x12 + x22 + 6x1 x2 − 2x1 x3 .

3

ii) Determinaţi funcţionala biliniară polară a funcţionalei pătratice.
iii) Determinaţi forma canonică a funcţionalei pătratice precum şi baza formei canonice.
iv) Să se studieze natura funcţionalei pătratice.
Soluţie. i) Matricea funcţionalei pătratice corespunzătoare reperului canonic (bazei canonice)

din R3 , R este
Metoda 1 de determinare a matricei A. Direct
1 26 − 22
   
1 3 −1
A =  62 1 0  =  3 1 0  .
− 22 0 0 −1 0 0
Metoda 2 de determinare a matricei A. Scriem funcţionala biliniară simetrică f : X × X →

R din care provine V . f se determină prin dedublare:
x12 din V devine x1 y1 x22 din V devine x2 y2

−2x1 y3
6x1 x2 din V devine 6x21 y2 + 6x22 y1 −2x1 x3 din V devine 2 + −2y21 x3
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 .
Reperul canonic este

n o
Bc = e1 = (1, 0, 0)T , e2 = (0, 1, 0)T , e3 = (0, 0, 1)T
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
şi obţinem exact ce a dat Metoda 1.

ii) Avem trei metode pentru a răspunde la această problemă:
Metoda 1. Folosind definiţia: "Funcţionala biliniară simetrică
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
iar, după calcule,
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
iii) Determinăm forma canonică a funcţionalei pătratice prin două metode:

Metoda lui Iacobi. Am demonstrat că
 
1 3 −1
A= 3 1 0 
−1 0 0
este matricea funcţionalei pătratice corespunzătoare reperului canonic

n o
F = e1 = (1, 0, 0)T , e2 = (0, 1, 0)T , e3 = (0, 0, 1)T din R3 , R .

Minorii principali sunt

1 3 −1
1 3
∆1 = 1, ∆2 = = −8, ∆3 = 3 1 0 = −1.
3 1
−1 0 0
Rezultă expresia canonică a funcţionalei pătratice:
∆0 2 ∆1 2 ∆2 2 1
V (x) = ω1 + ω2 + ω3 = ω12 − ω22 + 8ω32 , (4.10)
∆1 ∆2 ∆3 8
unde x = ω1 f1 + ω2 f2 + ω3 f3 iar F = { f1 , f2 , f3 } ⊂ R3 este reperul faţă de care forma pătratică

V are expresia canonică (4.10).
Determinăm reperul F. Prezentăm două soluţii:
Metoda 1. Se caută vectorii f1 , f2 , f3 de forma

 T T
 f1 = b11 e1 = b11 (1, 0, 0) = (b11 , 0, 0)
f = b12 e1 + b22 e2 = b12 (1, 0, 0)T + b22 (0, 1, 0)T = (b12 , b22 , 0)T
 2
f3 = b13 e1 + b23 e2 + b33 e3 = (b13 , b23 , b33 )T
unde
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

În concluzie, vectorii f1 , f2 , f3 sunt de forma


T T
 f1 = b11 e1 = b11 (1, 0, 0) = (1, 0, 0)

T
f2 = b12 e1 + b22 e2 = b12 (1, 0, 0)T + b22 (0, 1, 0)T = 83 , − 18 , 0
 f = b e + b e + b e = (b , b , b )T = (−1, 3, 8)T

3 13 1 23 2 33 3 13 23 33
iar matricea formei pătratice în raport cu reperul F = { f1 , f2 , f3 } este

 
1 0 0
A1 =  0 − 18 0  .
0 0 8
Nu există greşeli de calcul deoarece
1 38
   
1 0 0 1 3 −1 −1
CT AC =  83 − 18 0   3 1 0   0 − 18 3 
−1 3 8 −1 0 0 0 0 8
 
1 0 0
=  0 − 18 0  = A1 .
0 0 8
În final observăm că x = ω1 f1 + ω2 f2 + ω3 f3 este echivalentă cu
     3   
x1 1 8 −1
x =  x2  = ω1  0  + ω2  − 18  + ω3  3 
x3 0 0 8
sau echivalent cu sistemul
 x1 = ω1 + 38 ω2 − ω3

x = − 18 ω2 + 3ω3
 2
x3 = 8ω3
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
reperul corespunzător formei canonice, unde vectorii f1 , f2 , f3 sunt determinaţi din

(
0 pentru i 6= j,
f ( fi , f j ) = ∆i−1 (4.11)
∆i pentru i = j.
Notăm că sistemul (4.11) este echivalent cu



 f ( f1 , f1 ) = ∆∆10




 f ( f1 , f2 ) = 0
f ( f2 , f2 ) = ∆∆21


 f ( f1 , f3 ) = 0



 f ( f2 , f3 ) = 0

 f ( f , f ) = ∆2 .
3 3 ∆3
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
Considerăm următoarele două ecuaţii ale sistemului

   
 1 3 −1 b
0   c  = − 18





 (b, c, 0)  3 1
f ( f2 , f2 ) = ∆∆21 −1 0 0  0 

⇔
f ( f1 , f2 ) = 0 
 1 3 −1 b
(1, 0, 0) 3 1 0 c =0

   


−1

0 0 0
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
Considerăm următoarele trei ecuaţii ale sistemului

  
−1

 1 3 d




 (d, e, h)  3 1 0  e =8
 −1 0 0  h


 

∆2 
 f ( f 3 , f 3 ) = ∆3 1 3 −1 d



f ( f1 , f3 ) = 0 ⇔ (1, 0, 0)  3 1 0  e =0
−1 0 0 h
 
f ( f2 , f3 ) = 0 

   
1 3 −1



 d
3 1

−

 , , 0  3 1 0  e =0
 8 8


−1 0 0 h
sau echivalent cu

 d (d − h + 3e) + e (3d + e) − dh = 8
d − h + 3e = 0 =⇒ d = −1, h = 8, e = 3 sau d = 1, h = −8, e = −3
3
e− 8h = 0

şi f3 = (−1, 3, 8)T .

Dezavantajul acestei metode este că sunt foarte multe calcule ce trebuie urmate precum şi
o experienţă în rezolvarea de sisteme de ecuaţii nonstandard. În concluzie, este recomandată
Metoda 1.
Metoda lui Gauss.
Etapa 1. Se grupează termenii care conţin x1 şi obţinem
V (x) = x12 + 6x1 x2 − 2x1 x3 + x22 = x12 + 2x1 (3x2 − x3 ) +x22 .

| {z }
1
În grupul format scoatem factor forţat coeficientul lui x12
(în acest caz coeficientul lui x12 este 1).
Se formează pătrate în grupul de termeni ce conţine x1 după formula
(a ± b)2 = a2 ± 2ab + b2 .
Avem
V (x) = (x1 + 3x2 − x3 )2 − (3x2 − x3 )2 + x22 .
Se face schimbarea de coordonate


 x1 + 3x2 − x3 = y1
x2 = y2 unde y = (y1 , y2 , y3 )T (4.12)
x3 = y3

şi avem
V (x) = y21 − (3y2 − y3 )2 + y22 = y21 − 8y22 + 6y2 y3 − y23 . (4.13)
Etapa 2. Se repetă raţionamentul de la Etapa 1 pentru a 2-a variabilă y2 şi avem

1 1 h i
V (x) = y21 + 64y22 − 48y2 y3 − y23 = y21 + (8y2 − 3y3 )2 − 9y23 − y23 .

−8 −8
Se face schimbarea de coordonate

 y1 = ω1 T
8y2 − 3y3 = ω2 unde ω = ω1 ω2 ω3 (4.14)
y3 = ω3

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
După cum se observă din calcul F este ortogonal în raport cu f (sau cu V ).

Deoarece
T 
1 − 38 − 18 1 − 38 − 18
    
1 3 −1 1 0 0
 0 1 3  
3 1 0   0 18 3 
=  0 −1 0 
8 8 8 8
1
0 0 1 −1 0 0 0 0 1 0 0 8
decidem că nu există greşeli de calcul.

Metoda 2 de determinare a reperului. Notăm
n o
reper canonic Bc = e1 = (1, 0, 0)T ,e2 = (0, 1, 0)T , e3 = (0, 0, 1)T din R3 prin F1 .
Observăm că (4.12) este echivalent cu

     
 x1 + 3x2 − x3 = y1 y1 1 3 −1 x1
x2 = y2 ⇐⇒  y2  =  0 1 0   x2 
x3 = y3 y3 0 0 1 x3

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
f21 = 1 · e1 , f22 = −3 · e1 + e2 , f23 = 1 · e1 + 1 · e3
de unde
n o
F2 = f21 = (1, 0, 0)T , f22 = (−3, 1, 0)T , f23 = (1, 0, 1)T .
Observăm că (4.14) este echivalent cu

     
 y1 = ω1 ω1 1 0 0 y1
8y2 − 3y3 = ω2 ⇐⇒  ω2  =  0 8 −3   y2 
y3 = ω3 0 0 1 y3

ω3
de unde
 
1 0 0
xF3 =  0 8 −3  xF2
0 0 1
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
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.
4.7 Teorema inerţiei-Sylvester

Presupunem că (X, R) este spaţiu vectorial real cu dimR X = n ∈ N∗ .
Definiţie 4.7.1 Fie
V (x) = a1 x12 + a2 x22 + ... + an xn2
expresia canonică a funcţionalei pătratice V : X → R în care
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.
Un triplet (p, q, d) cu proprietăţile i)-iii) se numeşte signatura funcţionalei pătratice V .
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 .
Dăm următoarea clasificare a funcţionalelor pătratice:
Teoremă 4.7.2 Dacă V : X −→ R este o funcţională pătratică de rang R, indice pozitiv de

inerţie t şi indice negativ de inerţie s, echivalent V are forma canonică
t t+s
V (x) = Σ ωi2 − Σ ωi2 ,
i=1 j=t+1
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.
Exemplu 4.7.1 Dacă V : R2 −→ R este o funcţională pătratică a cărei matrice în reperul

canonic este

0 0
A=
0 −1
atunci V (x) = −ω22 este sub forma canonică iar pe de altă parte
R = rangV = rangA = s = 1 < 2 = dimR R2 , s = 1
şi deci conform 2 funcţionala pătratică V este negativ semidefinită.

5. Probleme metrice în spaţii euclidiene
5.1 Spaţiu euclidian. Spaţiu unitar. Noţiunea de normă

Vom presupune că (X, K) este spaţiu vectorial.
Definiţie 5.1.1 Spunem că aplicaţia < ·, · >: X × X → K este un produs scalar pe X dacă are
următoarele proprietăţi
i) < x, y >= < y, x > oricare ar fi x, y ∈ X;
ii) < x + y, z >=< x, z > + < y, z > oricare ar fi x, y, z ∈ X;
iii) < αx, y >= α < x, y > oricare ar fi α ∈ K şi x, y ∈ X;
iv) < x, x >≥ 0 oricare ar fi x ∈ X şi < x, x >= 0 dacă şi numai dacă x = 0X .
Definiţie 5.1.2 Spaţiul vectorial (X, K) înzestrat cu un produs scalar <, > se numeşte spaţiu
liniar euclidian.
R Dacă K = R atunci i) devine
< x, y >=< y, x > oricare ar fi x, y ∈ X
iar cuplul (X, <, >) se numeşte spaţiu vectorial euclidian real.
R Dacă X = Cn , K = C, x = (x1 , ..., xn )T ∈ Cn şi y = (y1 , ..., yn )T ∈ Cn atunci < x, y >=

n
Σ xi yi este numit produsul scalar standard sau canonic.
i=1
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 complex se mai numeşte funcţională sesquiliniară hermitică.

140 Capitolul 5. Probleme metrice în spaţii euclidiene
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 (·, ·).
Exerciţiu 5.1.1 Dacă X = C [a, b] = { f : [a, b] → R | f este continuă } atunci

Z b
< f , g >= f (x) g (x) dx
a
este un produs scalar.
Soluţie. Fie α ∈ R oarecare şi f , g, h ∈ X funcţii arbitrare. Trebuie verificate axiomele produsului
scalar:
< f , g >= ab f (x) g (x) dx = ab g (x) f (x) dx =< g, f >;

R R
verificăm i)
< f + h, g >= ab ( f (x) + h (x)) g (x) dx
R
verificăm ii)
= a f (x) g (x) dx + ab h (x) g (x) dx =< f , g > + < h, g >;
Rb R
verificăm iii) < α f , g >= ab α f (x) g (x) dx = α ab f (x) g (x) dx = α < f , g >;
R R
verificăm iv) Din f 2 (x) ≥ 0 oricare ar fi f ∈ X şi x ∈ [a, b] deducem că

Z b
< f , f >= f (x) f (x) dx ≥ 0.
a
Rămâne să demonstrăm că

Z b
< f , f >= f (x) f (x) dx = 0 ⇐⇒ f = 0.
a
Dacă f = 0 clar < 0, 0 >= ab 0dx = 0.

R
Implicaţia < f , f >= 0 =⇒ f = 0 o demonstrăm presupunând prin absurd că f 6= 0. Cum f

este continuă deducem că există un interval deschis I ⊂ [a, b] astfel încât f 2 (x) > 0 pentru orice
x ∈ I. Putem considera [c, d] ⊂ I şi observa că m = inf f 2 (x) = f 2 (x1 ) > 0 pentru orice x ∈ [c, d]
fapt ce atrage
Z b Z c Z d Z b
0 = < f , f >= f (x) f (x) dx = f (x) f (x) dx + f (x) f (x) dx + f (x) f (x) dx
a a c d
Z d Z d
≥ f (x) f (x) dx ≥ f (x1 ) f (x1 ) dx ≥ m (d − c) > 0
c c
şi deci o contradicţie.
Exerciţiu 5.1.2 Să se arate că f : R2 × R2 → R definită prin
f (x, y) = (x1 + x2 ) (y1 + y2 ) + x1 · y1 pentru orice x = (x1 , x2 )T ,y = (y1 , y2 )T ∈ R2 ,
este produs scalar pe R2 , R .

Soluţie. Folosim notaţia < x, y > în loc de f (x, y). Atunci
< x, y >= 2x1 y1 + x1 y2 + x2 y1 + x2 y2

5.1 Spaţiu euclidian. Spaţiu unitar. Noţiunea de normă 141
iar matricea lui < x, y > în reperul canonic este

not ăm <x,y> 2 1
A = [A]Bc = .
1 1
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 + y, z >= (x + y)T Az = xT Az + yT Az =< x, z > + < y, z >

< αx, y >= (αx)T Ay = αxT Ay = α < x, y >
astfel că, rămâne să verificăm ultima axiomă a produsului scalar:
< x, x >≥ 0 oricare ar fi x ∈ X şi < x, x >= 0 dacă şi numai dacă x = 0R2 .
Aducem < x, x > la forma canonică cu Jacobi

∆0 2 ∆1 2 1 2
V (x) =< x, x >= 2x12 + 2x1 x2 + x22 = ω + ω = ω + 2ω22
∆1 1 ∆2 2 2 1
şi avem, evident că V este pozitiv definită.
De asemenea pentru a arăta că V este pozitiv definită puteam scrie
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 ω1 = ω2 = 0 =⇒ x1 = x2 = 0. Reciproc, observăm că

ω1 2 1 x1
=
ω2 0 12 x2
de unde pentru x1 = x2 = 0 =⇒ ω1 = ω2 = 0.
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
kx + iyk2 = kxk2 + kyk2 + 2Im hx, yi oricare ar fi x, y ∈ X.
kx + iyk2 = < x + iy, x + iy >=< x, x + iy > + < iy, x + iy >

= < x, x > + < x, iy > + < iy, x > + < iy, iy >
= < x, x > +i < x, y > +i< x, y > + i · i < y, y >
= < x, x > −i < x, y > +i< x, y > + i · i < y, y >
= < x, x > +2Im hx, yi + i · i < y, y >= kxk2 + kyk2 + 2Im hx, yi
unde am folosit faptul că z =< x, y >= a + bi implică
−i · z + i · z = −i (a + bi) + i (a − bi) = −ia + b + ia + b = 2b = 2Imz.
R Notăm că kxk = 0 dacă şi numai dacă x = 0X .
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.
kx + yk2 + kx − yk2 = < x + y, x + y > + < x − y, x − y >

= < x, x + y > + < y, x + y > + < x, x − y > + < −y, x − y >
= < x, x > + < x, y > + < y, x > + < y, y > + < x, x >
+ < x, −y > + < −y, x > + < −y, −y >
= 2 kxk2 + 2 kyk2 + 2Re < x, y > −2Re < x, y >
= 2 kxk2 + 2 kyk2 .
5.2 Procedeul de ortogonalizare Gram-Schmidt

Definiţie 5.2.1 Fie (X, <, >) spaţiu vectorial euclidian. Următoarele sunt acceptate ca atare:
i) vectorii x, y ∈ X se numesc ortogonali, notăm x⊥y, dacă < x, y >= 0,
ii) subspaţiul vectorial Y ⊂ X se numeşte familie ortogonală dacă vectorii săi sunt
ortogonali doi câte doi, adică < x, y >= 0 ∀x, y ∈ Y cu x 6= y,
iii) subspaţiul vectorial Y ⊂ X se numeşte familie ortonormată dacă este ortogonală şi
fiecare element al său are norma egală cu unitatea,
iv) o bază care are calităţile de la ii), iii) mai sus se numeşte bază ortogonală, respectiv
bază ortonormată,
v) x ∈ X se numeşte ortogonal pe Y , notăm x⊥Y , dacă < x, y >= 0 ∀y ∈ Y . Mulţimea
Y ⊥ = { x ∈ X| < x, y >= 0∀y ∈ Y } ,
o numim complementul ortogonal al lui Y în X (în raport cu <, >),

vi) subspaţiile vectoriale Y1 , Y2 ⊂ X ai căror vectori sunt relativ ortogonali, adică
∀y1 ∈ Y1 şi ∀y2 ∈ Y2 avem < y1 , y2 >= 0, spunem ca sunt subspaţii vectoriale ortogonale.
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 >
se numeşte mărimea algebrică a proiecţiei lui x pe y.
R Vectorul x − pry x este ortogonal pe pry x.
Teoremă 5.2.1 — Teorema lui Pitagora. Fie (X, <, >) spaţiu vectorial euclidian complex.
Dacă < x, y >= 0 atunci kx + yk2 = kxk2 + kyk2 .
kx + yk2 = < x + y, x + y >=< x, x + y > + < y, x + y >

= < x, x > + < y, y > + < x, y > + < y, x >= kxk2 + kyk2
unde am folosit < x, y >=< y, x >= 0.
Exerciţiu 5.2.1 — Teorema lui Pitagora în Rm . i) Dacă x, y ∈ Rm \{θ }, atunci să se arate
că
x ⊥ y dacă şi numai dacă kx + yk2 = kxk2 + kyk2 ;
ii) Dacă x1 , x2 ,..., xn ∈ Rm sunt elemente ortogonale două câte două, atunci să se arate
că: kx1 + ... + xm k2 = kx1 k2 + ... + kxm k2 .
Soluţie. i) Avem
kx + yk2 = hx + y, x + yi = hx, xi + hx, yi + hy, xi + hy, yi

= kxk2 + 2 hx, yi + kyk2 .
”⊂” Dacă x ⊥ y atunci hx, yi = 0 şi deci kx + yk2 = kxk2 + kyk2 .

”⊃” Relaţia kx + yk2 = kxk2 + kyk2 împreună cu
kx + yk2 = kxk2 + 2 hx, yi + kyk2
conduce la 2 hx, yi = 0, relaţie care demonstrează că x ⊥ y.

ii) Analog.
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
0 ≤ < z, z >=< kyk2 x− < x, y > y, kyk2 x− < x, y > y >

= kyk4 < x, x > − < x, y > kyk2 < y, x > − kyk2 < x, y > < x, y >< x, y >
+ < x, y > < x, y > < y, y >

= kyk2 kxk2 kyk2 − |< x, y >|2 − |< x, y >|2 + |< x, y >|2

= kyk2 kxk2 kyk2 − |< x, y >|2
de unde rezultă inegalitatea de demonstrat.
Exerciţiu 5.2.2 Să se răspundă următoarelor cerinţe:

i) Să se scrie cu ajutorul coordonatelor inegalitatea lui Cauchy-Schwarz în Rm ;
2 2
q ii) Dacă α1 , α2 ∈ R sunt astfel încat α1 + α2 = 1, atunci să se arate că |α1 β1 + α2 β2 | ≤
β12 + β22 pentru orice β1 , β2 ∈ R;
iii) Dacă α1 , α2 , β1 , β2 ∈ R sunt astfel încât α12 + α22 = β12 + β22 = 1, atunci să se arate
că |α1 β1 + α2 β2 | ≤ 1;
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 ;
ii) De la punctul i) observăm că inegalitatea lui Cauchy-Schwarz în R2 scrisă cu ajutorul

coordonatelor este
q q
|α1 β1 + α2 β2 | ≤ α12 + α22 β12 + β22 .
Înlocuind în această inegalitate α12 + α22 = 1 obţinem ceea ce trebuia demonstrat.

iii) Se înlocuieşte α12 + α22 = β12 + β22 = 1 în inegalitatea lui Cauchy-Schwarz pentru R2 şi
obţinem concluzia;
iv) Analog ca ii) şi iii), în sensul că se scrie inegalitatea lui Cauchy-Schwarz în R2 şi se
foloseşte faptul că α1 β1 + α2 β2 = 1.
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.
kx + yk2 =< x + y, x + y >≤ kxk2 + 2 kxk kyk + kyk2 = (kxk + kyk)2
unde am folosit faptul că

< x, y > + < y, x >=< x, y > +< x, y >
C.−B.−S.
= 2Re (< x, y >) ≤ 2 |< x, y >| ≤ 2 (kxk + kyk) .
Exerciţiu 5.2.3 Să se răspundă următoarelor cerinţe:

i) Cu ajutorul coordonatelor să se scrie inegalitatea lui Minkowski în Rm ;
ii) Dacă α1 , α2 , β1 , β2 ∈ R sunt astfel încât α1 + α2 = β1 + β2 = 1, atunci să se arate
că
q q √
α12 + α22 + β12 + β22 ≥ 2;
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 .
ii) Pentru R2 inegalitatea lui Cauchy-Schwarz scrisă cu ajutorul coordonatelor este

q q q
2 2
(α1 + β1 ) + (α2 + β2 ) ≤ α1 + α2 + β12 + β22 .
2 2
Înlocuind în această inegalitate α1 + α2 = β1 + β2 = 1 obţinem ceea ce trebuia demonstrat.

iii) Se înlocuieşte α12 + α22 = β12 + β22 = 1 în inegalitatea lui Minkowski pentru R2 şi se
obţine concluzia.
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.
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).
Soluţie. Punem condiţia hx, yi = 0 şi obţinem 2 − 3 + 3α = 0 ⇒ α = 13 . Deoarece

hx, yi
cy) =
cos(x, şi hx, yi = 0
kxk kyk
cy) = 0.
avem cos(x,
Definiţie 5.2.3 Fie (X, <, >) spaţiu vectorial euclidian real finit dimensional, Y subspaţiu în
X şi {u1 , ..., u p } bază ortogonală în Y . Proiecţia ortogonală a lui x ∈ X, x 6= 0X pe Y , notată
prY x (sau proiY x), este definită prin
< x, u1 > < x, u p >
prY x = u1 + ... + up.
< u1 , u1 > < up, up >
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.
Procedeul de ortogonalizare Gram-Schmidt

Fie (X, <, >) spaţiu vectorial euclidian finit dimensional şi B1 = {v1 , v2 , ..., vn } bază în X.
R [Etapa 1:] Folosim B1 pentru a defini n vectori astfel

w1 = v1
w2 = v2 − prw1 v2
< v2 , w1 >
= v2 − w1
< w1 , w1 >
w3 = v3 − prw1 v3 − prw2 v3
< v3 , w1 > < v3 , w2 >
= v3 − w1 − w2
< w1 , w1 > < w2 , w2 >
...
wn = vn − prw1 vn − ... − prwn−1 vn
< vn , w1 > < vn , w2 > < vn , wn−1 >
= vn − w1 − w2 − ... − wn−1 .
< w1 , w1 > < w2 , w2 > < wn−1 , wn−1 >
R [Etapa 2:] Mulţimea B2 = {w1 , w2 , ..., wn } este bază ortogonală 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
Exerciţiu 5.2.5 În R3 , R se consideră elementele x1 = (1, 1, 1)T , x2 = (1, 1, 0)T , x3 =

(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

canonic, obţinută prin ortonormarea bazei B.
Soluţie. i) x1 , x2 , x3 sunt liniar independenţi, deoarece

1 1 0

1 1 1 = 1,

1 0 0
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 ⇐⇒

hx2 , x3 i + λ2 hx2 , x2 i + λ3 hx2 , x1 i − 23 hx1 , x3 + λ2 x2 + λ3 x1 i = 0 ⇔

1 + 2λ2 + 2λ3 − 23 (1 + 2λ2 + 3λ3 ) = 0 ⇐⇒ 31 + 23 λ2 = 0 ⇒ λ2 = − 12 .
Astfel, λ2 = − 12 şi λ3 = 0 ⇒ w3 = (− 21 , 12 , 0)T şi

1 2 1 1 1 1
y3 = w3 = √ (− , − , 0)T = (− √ , − √ , 0)T .
kw3 k 2 2 2 2 2
Exerciţiu 5.2.6 În R3 , R se consideră elementele

x1 = (1, 2, −3)T , x2 = (1, −1, 2)T , x3 = (2, 1, 1)T şi x = (4, 3, 5)T .
i) Să se arate că B = {x1 , x2 , x3 } este bază în R3 , R ;

ii) Să se determine coordonatele lui x în baza B;

iii) Plecând de la baza B să se construiască o bază ortonormată a lui R3 , R înzestrat

cu produsul scalar canonic.
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.


 
1 1 2
A =  2 −1 1 
−3 2 1
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 .

Matricea extinsă a sistemului este

 
1 1 2 y1
A =  2 −1 1 y2  .
−3 2 1 y3
Din rezultatul de mai sus observăm că

rangA = rangA = 3
şi deci sistemul este compatibil. Am probat că {x1 , x2 , x3 } este sistem de generatori. Ca o
consecinţă a teoriei avem demonstrat şi faptul că B = {x1 , x2 , x3 } este bază în R3 .
ii) Coordonatele lui x în baza B se determină din

ax1 + bx2 + cx3 = x
a, b, c ∈ R
echivalent cu a rezolva sistemul

 a + b + 2c = 4
2a − b + c = 3
−3a + 2b + c = 5.


4 1 2 1 4 2 1 1 4

3 −1 1 2 3 1 2 −1 3

5 2 1 −3 5 1 8 −3 2 5 13
a= = −2, b = =− ,c= = .
1
1 2 1
1 2
3
1 1 4 3
2 −1 1 2 −1 1 2 −1 3

−3 2 1 −3 2 1 −3 2 5
T
Conform teoriei coordonatele lui x în baza B sunt xB = −2, − 38 , 13 3 .
iii) Notăm prin Bo = {y1 , y2 , y3 }. Din teorie se cunoaşte că
w1 w2 w3
y1 = , y2 = , y3 =
kw1 k kw2 k kw3 k
unde

 w1 = x1
w2 = x2 + λ1 x1
w3 = x3 + λ2 x2 + λ3 x1

iar λii=1,3 ∈ R se determină din


 < w1 , w2 >= 0
< w1 , w3 >= 0
< w2 , w3 >= 0.

Observăm că
 < w1 , w2 >= 0 ⇔< x1 , x2 + λ1 x1 >= 0 ⇒ λ1 = 21

< w1 , w3 >= 0 ⇔< x1 , x3 + λ2 x2 + λ3 x1 >= 0 ⇒ 14λ3 − 7λ2 + 1 = 0

< w2 , w3 >= 0 ⇔< x2 + λ1 x1 , x3 + λ2 x2 + λ3 x1 >= 0 ⇒ λ2 = −7
5 .

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
5.3 Teorema de descompunere în subspaţii ortogonale

Teoremă 5.3.1 Fie (X, <, >) spaţiu vectorial euclidian şi Y subspaţiu în X. Au loc
i) Y ⊥ este subspaţiu vectorial în X;
ii) Y ∩Y ⊥ = {0X }.
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 }.
Teoremă 5.3.2 — Teorema de descompunere în subspaţii ortogonale. Dacă (X, <>)

este spaţiu euclidian real cu dimR X = n ∈ N∗ iar Y este subspaţiu vectorial în X atunci
X = Y ⊕Y ⊥ unde Y ⊥ este complementul ortogonal al lui Y .
n
<x,ei >
Demonstraţie. Fie B = {e1 , ..., en } ⊂ Y bază ortogonală a lui Y , x ∈ X şi y = ∑ <ei ,ei > ei ∈Y
i=1
subspaţiu
proiecţia ortogonală a lui x pe Y ⊂ X. Fie z = x − y. Deoarece
vectorial
< z, y >=< x, y > − < y, y >
n n n
< x, ei > < x, ei > < x, e j >
= < x, ∑ ei > − < ∑ ei , ∑ ej >
i=1 < ei , ei > i=1 < ei , ei > j=1 < e j , e j >
n n n
< x, ei >2 < x, ei > < x, e j >
= −
∑ < ei , ei > ∑ ∑ < ei , ei > < e j , e j > < ei , e j >
i=1 i=1 j=1
n n
< x, ei >2 < x, ei >< x, ei >
= ∑ < ei , ei > − ∑ < ei , ei >
=0
i=1 i=1
fapt ce demonstrează că z ∈ Y ⊥ . Exprimarea unică x = y + z arată că X = Y ⊕Y ⊥ .

Altfel spus:
R Fie (X, <, >) spaţiu vectorial

euclidian
real finit dimensional nenul şi Y subspaţiu în X
cu dimK Y = p. Dacă u1 , ..., u p este o bază ortogonală în Y atunci orice x ∈ X se poate
descompune în mod unic astfel x = prY x + prY ⊥ x unde
< x, ui >
< prY ⊥ x, prY x >= 0, prY x = c1 u1 + ... + c p u p iar ci = , i = 1, ..., p.
< ui , ui >
În aceste condiţii y = prY x este proiecţia ortogonlă a vectorului x pe Y iar z = prY ⊥ x este
vectorul proiectat sau proiecţia ortogonlă a vectorului x pe Y ⊥ şi în plus (x − prY x) ∈ Y ⊥
iar distanţa de la vectorul x la subspaţiul Y este norma vectorului z, adică
d (x,Y ) = kx − prY xk .
Mai mult, datorită acestei observaţii se poate defini proiecţia ortogonală PY : X → X definită
prin PY (x) = prY x pentru orice vector x ∈ X.
Exerciţiu 5.3.1 În spaţiul vectorial R3 , R se consideră X mulţimea tuturor combinaţiilor

liniare ale vectorilor
v1 = (−1, 1, 1)T , v2 = (−1, 2, 3)T şi v3 = (1, 1, 3)T .

5.3 Teorema de descompunere în subspaţii ortogonale 151
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.
Soluţie. i) Se observă că

−1 −1 1
−1 −1
M2 =
=6 0 şi 1 2 1 = 0.
1 2
1 3 3
Avem aşadar

X = Span (−1, 1, 1)T , (−1, 2, 3)T ,
iar conform procedeului de ortogonalizare Gram-Schmidt
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
X⊥ = x ∈ R3 < x, y >= 0∀y ∈ X

< (x1 , x2 , x3 )T , (−1, 1, 1)T >= 0

T 3
= x = (x1 , x2 , x3 ) ∈ R
< (x1 , x2 , x3 )T , (−1, 2, 3)T >= 0

T 3 −x1 + x2 + x3 = 0
= x = (x1 , x2 , x3 ) ∈ R .
−x1 + 2x2 + 3x3 = 0
Rezolvăm

−x1 + x2 + x3 = 0
−x1 + 2x2 + 3x3 = 0
şi obţinem
x1 = −x3 , x2 = −2x3 =⇒ x = (−x3 , −2x3 , x3 )T
de unde

X ⊥ = Span (−1, −2, 1)T .
Avem conform procedeului de ortogonalizare Gram-Schmidt
w1 = v1 = (−1, −2, 1)T

n o
şi deci B2 = (−1, −2, 1)T este bază ortogonală în X ⊥ .
ii) Metoda 1. Proiecţiile ortogonale ale vectorilor x = (2, 3, 4)T şi y = (1, 2, −1)T pe X
sunt
< x, b1 > < x, b2 >
prX x = b1 + b2
< b1 , b1 > < b2 , b2 >
< (2, 3, 4)T , (−1, 1, 1)T > < (2, 3, 4)T , (1, 0, 1)T >
= (−1, 1, 1)T + (1, 0, 1)T
< (−1, 1, 1)T , (−1, 1, 1)T > < (1, 0, 1)T , (1, 0, 1)T >
5 6 5 5 6 T 4 5 14 T

5 T 6 T
= (−1, 1, 1) + (1, 0, 1) = − + , , + = , , .
3 2 3 2 3 3 2 3 3 3
< y, b1 > < y, b2 >
prX y = b1 + b2 = (0, 0, 0)T .
< b1 , b1 > < b2 , b2 >
Metoda 2. Se cunoaşte că prX ⊥ x = x0 ∈ R3 x − x0 ⊥ X ⊥ . Notăm x0 = prX ⊥ x şi deducem

că
x0 ∈ X ⊥ =⇒ x0 = αv1 = α (−1, −2, 1)T .
Mai mult
x − x0 ⊥ X ⊥ =⇒ x − x0 ⊥ (−1, −2, 1)T =⇒< x − x0 , (−1, −2, 1)T >= 0
sau echivalent < (2, 3, 4)T − α (−1, −2, 1)T , (−1, −2, 1)T >= 0 ce implică
< (2 + α, 3 + 2α, 4 − α)T , (−1, −2, 1)T >= 0
iar în final − (2 + α) − 2 (3 + 2α) + 4 − α = 0 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 ⊥ .

Notăm y0 = prX ⊥ y şi deducem că y0 ∈ X ⊥ =⇒ y0 = αv1 = α (−1, −2, 1)T .

Mai mult y − y0 ⊥ X ⊥ =⇒ y − y0 ⊥ (−1, −2, 1)T implică < y − y0 , (−1, −2, 1)T >= 0 sau
echivalent
< (1, 2, −1)T − α (−1, −2, 1)T , (−1, −2, 1)T >= 0
implică
< (1 + α, 2 + 2α, −1 − α)T , (−1, −2, 1)T >= 0.
În final
− (1 + α) − 2 (2 + 2α) − 1 − α = 0 =⇒ α = −1 =⇒ y0 = (1, 2, −1)T .

Cum y = prX y + prX ⊥ y obţinem

prX y = y − prX ⊥ y = (1, 2, −1)T − (1, 2, −1)T = (0, 0, 0)T .

Metoda 3. Se cunoaşte că prX x = x0 ∈ R3 x − x0 ⊥ X .

O bază ortogonală pentru subspaţiul vectorial X este

n o
B1 = b1 = (−1, 1, 1)T , b2 = (1, 0, 1)T .
Notăm x0 = prX ⊥ x şi deducem că
x0 ∈ X =⇒ x0 = αb1 + β b2 = α (−1, 1, 1)T + β (1, 0, 1)T .
Mai mult
x − x0 ⊥ (−1, 1, 1)T < x − x0 , (−1, 1, 1)T >= 0

x − x0 ⊥ X =⇒ =⇒
x − x0 ⊥ (1, 0, 1)T < x − x0 , (1, 0, 1)T >= 0
sau echivalent
< x − α (−1, 1, 1)T − β (1, 0, 1)T , (−1, 1, 1)T >= 0

5
T T T =⇒ α = iar β = 3.
< x − α (−1, 1, 1) − β (1, 0, 1) , (1, 0, 1) >= 0 3
În concluzie,
T
4 5 14
prX x = , , .
3 3 3
Analog, prX y = (0, 0, 0)T .
5.4 Noţiunea de distanţă, punct fix, contracţie. Teorema de punct fix

Fie X 6= φ şi X × X = {(x, y) |x ∈ X, y ∈ X }.
Definiţie 5.4.1 Aplicaţia (funcţia) d : X × X → R+ se numeşte distanţă (sau metrică) pe X,
dacă:
M1) d (x, y) = 0 ⇐⇒ x = y;
M2) d (x, y) = d (y, x) ∀x, y ∈ X (simetria);
M3) d (x, y) ≤ d (x, z) + d (z, y) ∀x, y, z ∈ X (inegalitatea triunghiului).
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
numită şi metrica discretă.
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.
R [Spaţiul metric Rn ] Funcţia dE : Rn × Rn → R+ definită prin

s
n
dE (x, y) = ∑ (xk − yk )2 (metrica euclidiană)
k=1
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.
Exerciţiu 5.4.2 Să se arate că d : R × R → R+ definită prin
d (x, y) = |arctgx − arctgy|
defineşte o metrică pe R.
Soluţie. Observăm că d (x, y) ≥ 0 ∀x, y ∈ R. Probăm axiomele M1)-M3).

M1) funcţia arctgt este strict crescătoare pe R deoarece
1
(arctgt)0 = > 0.
1 + t2
Deci d (x, y) = 0 ⇐⇒ x = y.
M2) Observăm că
d (x, y) = |arctgx − arctgy| = |arctgy − arctgx| = d (y, x) .
M3) Inegalitatea triunghiului rezultă astfel
d (x, y) = |arctgx − arctgy| ≤ |arctgx − arctgz + arctgz − arctgy|
≤ |arctgx − arctgz| + |arctgz − arctgy| = d (x, z) + d (z, y) .
Exerciţiu 5.4.3 Fie X = Q mulţimea numerelor raţionale. Pentru a, b ∈ Q definim
|a − b|
d (a, b) = .
1 + |a − b|
Să se arate că (X, d) este spaţiu metric.
Soluţie. Observăm că d (a, b) ≥ 0 ∀a, b ∈ Q.

Probăm axiomele M1)-M3).
M1) d (a, b) = 0 ⇐⇒ |a − b| = 0 ⇐⇒ a = b.
|a−b| |b−a|
M2) d (a, b) = 1+|a−b| = 1+|b−a| = d (b, a) .
M3) Observăm că funcţia
t 1
= 1−
1+t 1+t
este crescătoare. Folosind această proprietate a ei avem
|a − b| |a − c| + |c − b|
d (a, b) = ≤
1 + |a − b| 1 + |a − c| + |c − b|
|a − c| |c − b|
= +
1 + |a − c| + |c − b| 1 + |a − c| + |c − b|
|a − c| |c − b|
≤ + = d (a, c) + d (c, b) .
1 + |a − c| 1 + |c − b|
Cum M1)-M3) au fost verificate =⇒ (Q, d) este spaţiu metric.
Exerciţiu 5.4.4 — Metrica Manhattan . În R2 definim
d ((x1 , x2 ) , (y1 , y2 )) = |x1 − y1 | + |x2 − y2 | .
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

numită bila deschisă de centru (0, 0) şi rază r > 0.
Soluţie. Observăm că (x1 , x2 ) , (y1 , y2 ) ≥ 0∀ (x1 , x2 ) , (y1 , y2 ) ∈ R2 .

Probăm axiomele M1)-M3).
M1) Rezultă astfel
d ((x1 , x2 ) , (y1 , y2 )) = |x1 − y1 | + |x2 − y2 | = 0
dacă şi numai dacă

|x1 − y1 | = 0 x1 = y1
⇐⇒
|x2 − y2 | = 0 x2 = y2 .
M2) Rezultă astfel
d ((x1 , x2 ) , (y1 , y2 )) = |x1 − y1 | + |x2 − y2 | = |x2 − y2 | + |x1 − y1 |

= d ((y1 , y2 ) , (x1 , x2 )) .
M3) Alegem trei puncte P (x1 , x2 ), Q (y1 , y2 ) şi R (z1 , z2 ). Avem
d (P, Q) = |x1 − y1 | + |x2 − y2 |

≤ |x1 − z1 | + |z1 − y1 | + |x2 − z2 | + |z2 − y2 | = d (P, R) + d (R, P)
şi inegalitatea triunghiului este verificată.

Cum M1)-M3) au loc rezultă că R2 , d este spaţiu metric. Notăm că d nu este metrica
euclidiană (sau naturală) din R2 . Remarcăm că bila deschisă de centru (0, 0) şi rază r (r > 0) este
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.
Definiţie 5.4.5 Fiind dat un punct x0 al spaţiului metric X = (X, d) şi un număr r > 0 definim
Br (x0 ) = {x ∈ X |d (x, x0 ) < r } bila deschisă cu centrul în x0 şi rază r,

Br (x0 ) = {x ∈ X |d (x, x0 ) ≤ r } bila închisă cu centrul în x0 şi rază r,
Sr (x0 ) = {x ∈ X |d (x, x0 ) = r } sfera cu centrul în x0 şi rază r.
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.
O vecinătate a lui x0 se notează cu Vx0 . Mulţimea vecinătăţilor punctului x0 se numeşte

sistemul de vecinătăţi ale lui x0 şi se notează cu Vx0 .
5.4.1 Convergenţa în spaţii metrice

Fie (X, d) spaţiu metric.
Definiţie 5.4.7 Se numeşte şir de puncte în X aplicaţia f : Nk → X unde
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.
Demonstraţie. Într-adevăr, dacă d0 (xn , x) → 0 atunci alegând ε = 12 obţinem că există n0 ∈ N

astfel încât d0 (xn , x) < ε = 21 pentru n ≥ n0 . Aceasta este posibil numai dacă d0 (xn , x) = 0 adică
xn = x pentru orice n ≥ n0 .
T
7n −n 3n−1 −2 , n ≥ 1, de puncte din R3 , dE . Să se

Exerciţiu 5.4.5 Fie şirul an = n+1 , 2 , 3n +2
calculeze lim an .
n→∞
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).
5.4.2 Şiruri fundamentale

Fie (X, d) spaţiu metric şi (xn )n∈N şir de puncte din X.
Definiţie 5.4.10 (xn )n∈N se numeşte şir fundamental, sau şir Cauchy, dacă pentru orice
ε > 0, există numărul natural N (ε), astfel încât d (xm , xn ) < ε∀m ≥ N (ε) şi ∀n ≥ N (ε) sau
echivalent d (xn+p , xn ) < ε∀n ≥ N (ε) şi ∀p ∈ N.
n→∞
R (xn )n∈N este şir fundamental dacă şi numai dacă d (xn+p , xn ) → 0 ∀p ∈ N.
R Orice şir convergent este un şir Cauchy.
R Orice şir Cauchy este mărginit.
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.
Exerciţiu 5.4.8 Daţi exemplu de contracţie f : X → X pentru care X ⊆ R nu este spaţiu

metric complet.
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).
5.4.3 Principiul contracţiei

Fie spaţiile metrice (X, d) şi (Y, σ ), A ⊆ X o submulţime nevidă a lui X, f : A → Y funcţie şi
a ∈ A punct oarecare al mulţimii A.
Definiţie 5.4.12 Spunem că funcţia f : A → Y este continuă în punctul a ∈ A dacă pentru
orice vecinătate V ∈ V f (a) există vecinătatea U ∈ Va astfel încât f (U ∩ A) ⊂ V .
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 .
Teoremă 5.4.2 Teorema de caracterizare a continuităţii. Fie f : A → Y, A ⊆ (X, d) şi

a ∈ A. Următoarele sunt echivalente
i) f este continuă în a;
ii) ∀ε > 0 ∃δ = δ (ε) > 0 astfel încât ∀x ∈ A cu d (x, a) < δ să avem σ ( f (x) , f (a)) < ε.
iii) ∀ (xn ) , xn ∈ A cu xn → a =⇒ f (xn ) → f (a) .
R Orice distanţă este o funcţie continuă.
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.
Soluţie. Pentru început evaluăm

x 1 y 1 x−y y−x 1 1
| f (x) − f (y)| = + − − =
+ = |x − y| − .

2 x 2 y 2 xy 2 xy
1
Din x, y ≥ 1 rezultă 0 < xy ≤ 1 şi deci funcţia (x, y) → 12 − xy
1
. Concludem că α = 1
2 pentru ca

1 1
2 − xy ≤ α.
Punctul fix este soluţia ecuaţiei f (x) = x, deci x = 2x + 1x sau echivalent x2 = 2. Deoarece
√ √
x ≥ 1, punctul fix este x = 2. Pe de altă parte, cum α = 12 < 1 rezultă că x = 2 este unicul
punct fix.
Un rezultat fundamental în teoria spaţiilor metrice este principiul contracţiei dat de
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
punctul x∗ care este unicul punct fix al lui f ;

αn
iii) eroarea aproximării d (xn , x∗ ) ≤ 1−α d (x0 , f (x0 )) ∀n ∈ N ∗ .
Demonstraţie. i) Fie a ∈ X şi şirul (an )n ⊂ X cu lim an = a, deci lim d (an , a) = 0. Avem
n→∞ n→∞
0 ≤ d ( f (an ) , f (a)) ≤ αd (an , a)

& ↓ .
0
de unde lim d ( f (an ) , f (a)) = 0 =⇒ f continuă.

n→∞
ii) Avem
d (xn , xn+1 ) = d ( f (xn−1 ) , f (xn )) ≤ αd (xn−1 , xn ) = αd ( f (xn−2 ) , f (xn−1 ))

≤ α 2 d (xn−2 , xn−1 ) ≤ ... ≤ α n d (x0 , x1 ) . (5.1)
Să calculăm d (xn+p , xn ). Avem
d (xn , xn+p ) ≤ d (xn , xn+1 ) + d (xn+1 , xn+p )

≤ d (xn , xn+1 ) + d (xn+1 , xn+2 ) + ... + d (xn+p−1 , xn+p )
≤ α n d (x0 , x1 ) + α n+1 d (x0 , x1 ) + ... + α n+p−1 d (x0 , x1 )
1−αp
= α n 1 + α + ... + α p−1 d (x0 , x1 ) = α n

d (x0 , x1 )
1−α
1
≤ αn d (x0 , x1 ) (5.2)
1−α
deoarece α p este subunitar şi nenegativ. Am demonstrat că
1
0 ≤ d (xn , xn+p ) ≤ α n d (x0 , x1 ) ⇒ lim d (xn , xn+p ) = 0∀p ∈ N
& ↓n→∞ 1−α n→∞
0 .(d-continuă)
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
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 ).

Soluţie. Etapa 1. Se localizează rădăcina. Folosim şirul lui Rolle.
x −∞ −4 4 +∞ g (x) = x3 + 12x − 1 =⇒ g0 (x) = 3x2 + 12

g (x) −∞ −113 111 +∞ g0 (x) = 0 =⇒ 3x2 + 12 = 0 =⇒ x ∈ /R
− − + + lim g (x) = −∞ şi lim g (x) = ∞
x→−∞ x→∞
g (−4) = (−4)3 + 12 (−4) − 1 = −64 − 48 − 1 = −113
g (4) = 43 + 12 · 4 − 1 = 64 + 48 − 1 = 111
Şirul lui Rolle este − −+ + şi deoarece există o singură schimbare de semn (corespunzătoare
^
valorilor −4 şi 4) deducem că ecuaţia are o singură rădăcină reală în intervalul [−4, 4]. Mai mult,
cum g (0) · g (1) < 0 o localizare mai bună a rădăcinii este intervalul (0, 1).
1
Etapa 2. Ecuaţia se mai scrie x x2 + 12 − 1 = 0 sau echivalent x = x2 +12 .
1
Dorim să aplicăm Teorema Banach. Ultima expresie sugerează să considerăm f (x) = x2 +12 .
Probăm că f este contracţie în I = [0, 1]. Pentru aceasta folosim Exerciţiul 5.4.11. Observăm că
−2x
f 0 (x) = .
(x2 + 12)2

−2x
Pe de altă parte | f 0 (x)| = 2 2 =
2x
2 iar cum x2 + 12 ≥ 12 şi x ≤ 1 deducem că
(x +12) (x2 +12)
(
1 1
1 1 2 ≤ 122
≤ şi (x2 +12)
x2 +12 12
2x ≤ 2.
Am demonstrat că | f 0 (x)| ≤ 1212 · 2 = 72

1
.
1
Conform Exerciţiului 5.4.11 avem | f (x) − f (y)| ≤ 72 |x − y| ∀x, y ∈ [0, 1] adică f este con-
tracţie.
Etapa 3. Alegem x0 = 0 ∈ [0, 1]. Construim şirul aproximaţiilor succesive x1 = f (x0 ) =

1 1
f (0) = 12 şi deci |x1 − x0 | = 12 .
Din Etapa 1 şi Teorema Banach cunoaştem că f are un unic punct fix iar eroarea aproximării
este dată de relaţia
αn
d (xn , x∗ ) ≤ d (x0 , x1 ) ∀n ∈ N∗ .
1−α
Această ultimă relaţie ne furnizează câte iteraţii să facem pentru ca eroarea să fie mai mică de
0, 0001. Determinăm n ∈ N∗ minim astfel încât
αn 1 72 1 n

1
d (x0 , x1 ) adică < 4.
1−α 2 71 72 10
Pentru
n = 0 =⇒ 0, 25352112 < 1014 Fals
1 72 1 2 72 1

n = 2 =⇒ 2 71 72 = 736128 < 104
Adevărat
astfel că trebuie făcute două iteraţii. Pentru n = 2 găsim
1 122 144
x∗ ' x2 = f (x1 ) = = = ' 0, 08328514
1 2 1 + 123 1729

12 + 12
soluţie a problemei cu o eroare mai mică 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 ).
Soluţie. Fie g (x) = x21+1 . Egalitatea g (x) = x este echivalentă cu x = 1

sau cu x 1 + x2 = 1

1+x2
adică chiar ecuaţia x3 + x − 1 = 0 ce dorim să o rezolvăm.
Etapa 1. Se localizează rădăcina. Folosim şirul lui Rolle.
x −∞ +∞ f 0 (x) = 0 =⇒ 3x2 + 1 = 0 =⇒ ecuaţia nu are soluţii reale.
f (x) −∞ +∞
− +
Şirul lui Rolle este −+ şi deci ecuaţia are o singură rădăcină reală în intervalul (−∞, ∞). Mai
^
mult f (0) · f (1) = (−1) · 1 < 0 şi rădăcina se află în (0, 1).
Considerăm spaţiul metric complet ([0, 1] , dE ) şi verificăm că g este contracţie pe [0, 1].
Observăm că
2x 2x 2
g0 (x) = − şi g0 (x) =

2 2
≤
2
(1 + x ) 2
(1 + x ) 1
adică nu avem o estimare bună. Încercăm astfel

6 x2 − 13

2 (−2) 2x 2
g00 (x) = − −1 − x2 + 4x 2

− 2x = = .
(1 + x2 )2 (1 + x2 )3 (1 + x2 )3 (1 + x2 )3
Rezolvăm g00 (x) = 0 =⇒ x = ± √13 . Construim tabelul
x −∞ − √13 √1
3√
+∞
√
g0 (x) 0 % 3 3
8 & −383 % 0
g00 (x) + + 0 − 0 + +

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.
5.5 Noţiunea de spaţiu normat
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
Definiţie 5.5.1 Fie (X, R) spaţiu vectorial real.

i) Se numeşte normă în (X, R) o funcţie k·k : X → R astfel încât pentru orice x şi y din
X şi orice scalari α au loc N1), N2) şi N3).
ii) Se numeşte spaţiu normat un spaţiu vectorial (X, R) pe care s-a fixat o normă k·k.
Notăm situaţia (X, k·k).
R Funcţia k·k : X → R cu proprietăţile N1), N2) şi N3) este continuă.
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.
Soluţie. Arătăm că sunt îndeplinite axiomele N1)-N2):

verificăm N1): deoarece | f (x)| ≥ 0 evident şi k f kL1 ≥ 0. Pe de altă parte, dacă f = 0 atunci
| f | = 0 =⇒ k f kL1 = 0. Presupunem acum că k f kL1 = 0 şi demonstrăm că f = 0. Într-adevăr
dacă prin absurd există x0 ∈ [a, b] astfel încât f (x0 ) 6= 0 =⇒ | f (x0 )| > 0. Pe de altă parte, din
continuitatea lui f , deducem că există o constantă m > 0 şi un interval [c, d] ⊆ [a, b] astfel încât
| f (x)| > m pentru orice x ∈ [c, d] (c < d). Atunci avem estimarea
Z b Z d
k f kL 1 = | f (x)| dx ≥ | f (x)| dx ≥ m (d − c) > 0
a c
adică o contradicţie cu k f kL1 = 0. Deci k f kL1 = 0 =⇒ | f | = 0 şi f = 0;
verificăm N2): avem
Z b Z b
kαxk = |α f (x)| dx = |α| | f (x)| dx = |α| k f kL1 ;
a a
verificăm N3): observăm că
Z b Z b Z b
k f + gkL1 = | f (x) + g (x)| dx ≤ | f (x)| dx + |g (x)| dx = k f kL1 + kgkL1
a a a
fapt ce încheie demonstraţia că (X, k·kL1 ) este spaţiu vectorial normat.
R Orice spaţiu normat (X, k·k) admite o metrică d, definită prin d (x, y) = kx − yk pentru
orice x, y ∈ X.
5.6 Aplicaţie a teoremei de punct fix a lui Banach

Fie A = (ai j )i, j=1,...,n ∈ Mn (R) matrice inversabilă ale cărei elemente de pe diagonala princi-
pală sunt egale cu 1, x = (x1 , .., xn )T ∈ Rn şi b = (b1 , .., bn )T ∈ Rn . Vom considera problema
determinării soluţiei sistemului de ecuaţii liniare neomogen A · x = b.
Pentru aceasta, scriem sistemul sub forma (I − A) · x + b = x şi considerăm spaţiul metric
complet (Rn , d) unde d (x, y) = kx − yk∞ . Definim f = ( f1 , ..., fn ) : Rn → Rn prin f (x) =
(In − A) · x + b şi observăm că
f (x) − f (y) = (In − A) · (x − y) .
Din această relaţie se poate obţine estimarea

n
max | fi (x) − fi (y)| ≤ max Σ (In − A)i j x j − y j = kIn − Ak∞ x j − y j

1≤i≤n 1≤i≤n j=1
n n
= max Σ (In − A)i j x j − y j = max Σ ai j x j − y j .

1≤i≤n j=1, j6=i 1≤i≤n j=1, j6=i
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
6.1 Adjunctul unui operator liniar

Fie (X, <, >X ) şi (Y, <, >Y ) spaţii euclidiene (reale sau complexe).
Definiţie 6.1.1 Fie u : X −→ Y operator liniar. Se numeşte adjunct al lui u un operator liniar
u∗ : Y −→ X definit prin
Y =< x, u∗ (y) >X ∀x ∈ X şi y ∈ Y. (6.1)
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
Y =< e j , u∗ (y) >X pentru orice j.
Deci u∗ (y) = ∑nj=1 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.
Exerciţiu 6.1.1 Pe R2 ,R se consideră produsul scalar

< x, y >= x1 y1 + x2 y2 , ∀x = (x1 , x2 )T ∈ R2 ∀y = (y1 , y2 )T ∈ R2
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∗ ).
Soluţie. Observăm că < x, y >= x1 y1 + x2 y2 , ∀x = (x1 , x2 )T ∈ R2 ∀y = (y1 , y2 )T ∈ R2 este chiar

produsul scalar canonic din R2 . Mai mult

1 −1
u (x) = A · x unde A = [A]uBc = .
2 0
n o
Pentru a răspunde problemei se cunoaşte că e1 = (1, 0)T , e2 = (0, 1)T este o bază ortonormată
166 Capitolul 6. Clase speciale de operatori
a lui R2 . Pe de altă parte

2
u∗ (y) = ∑ e j = e1 + e2 unde y = (y1 , y2 )T
j=1
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 =< x, u∗ (y) > ∀x, y ∈ R2 . Într-adevăr,
< (x1 − x2 ,2x1 )T , (y1 , y2 )T >=< (x1 , x2 )T , (y1 + 2y2 , −y1 )T >
sau echivalent y1 (x1 − x2 ) + 2x1 y2 = x1 (y1 + 2y2 ) − x2 y1 egalitate adevărată.
Teoremă 6.1.2 Presupunem că dimR X = dimR Y = n ∈ N∗ . Următoarele au loc:

i) Dacă operatorul liniar u : X −→ Y admite ca operator liniar adjunct pe u∗ : Y −→ X,
Be = {e1 , ..., en } este o bază ortonormată a lui X iar B f = { f1 , ..., fn } este o bază ortonormată
a lui Y atunci matricea lui u în raport cu Be şi B f este matricea transpusă conjugată a lui u∗ în
raport cu Be şi B f .
ii) Dacă u1 , u2 : X −→ Y sunt operatori liniari iar λ1 , λ2 ∈ K atunci
(λ1 u1 + λ2 u2 )∗ = λ1 u∗1 + λ2 u∗2 .
iii) Dacă operatorul liniar u : X −→ Y admite ca operator liniar adjunct pe u∗ : Y −→ X

atunci (u∗ )∗ = u.
6.2 Endomorfisme autoadjuncte

Fie (X, <, >) spaţiu euclidian (real sau complex).
Definiţie 6.2.1 Endomorfismul u : X −→ X se numeşte operator autoadjunct dacă u = u∗
(sau, echivalent =< x, u (y) > ∀x, y ∈ X).
Unele proprietăţi pentru operatori autoadjuncţi sunt redate în:
Teoremă 6.2.1 Dacă u : X −→ X este operator autoadjunct atunci

i) ∀x ∈ X avem ∈ R;
ii) u are toate valorile proprii reale;
iii) dacă λ şi µ sunt valori proprii distincte atunci vectorii proprii corespunzători sunt
ortogonali;
iv) dacă X este spaţiu euclidian real cu dimR X = n ∈ N∗ atunci matricea lui u corespun-
zătoare unei baze ortonormate este simetrică. Reciproc, dacă X este spaţiu euclidian real cu
dimR X = n ∈ N∗ iar matricea lui u : X −→ X corespunzătoare unei baze ortonormate este
simetrică atunci u este operator autoadjunct.
Demonstraţie. i) Observăm că

not ăm definiţia produsului u
z = = < x, u (x) > = = z.
scalar autoadjunct
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 =< λ x, x >= λ < x, x >= λ kxk2 > 0 şi obţinem


λ =− ∈ R deoarece kxk2 ∈ R iar din i) avem ∈ R.
kxk2
iii) Fie λ şi µ valori proprii distincte. Din
λ valoare proprie rezultă că există x 6= 0X astfel încât u (x) = λ x

µ valoare proprie rezultă că există y 6= 0X astfel încât u (y) = µy
iar din u : X −→ X este operator autoadjunct obţinem
=< 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
< x, y > (λ − µ) = 0 =⇒< x, y >= 0
deoarece λ şi µ sunt valori proprii distincte. Mai mult Xλ ⊥Xµ .

iv) Fie n = dimR X. Cum
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
=< x, u (y) > ∀x, y ∈ X
este echivalentă cu
< Ax, y >=< x, Ay >⇐⇒ (Ax)T y = xT Ay ⇐⇒ xT AT y = xT Ay, ∀x, y ∈ X,
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
T : R2 → R2 , T (x1 , x2 ) = (−2x1 − x2 , 5x1 + 3x2 )T
este operator liniar autoadjunct în raport cu produsul scalar definit.
Soluţie. Notăm că
f ((x1 , x2 ) , (y1 , y2 )) =< (x1 , x2 )T , (y1 , y2 )T > .
Trebuie arătat că
< T (x) , y >=< x, T (y) > ∀x = (x1 , x2 )T , y = (y1 , y2 )T ∈ R2

sau mai mult
< T (x1 , x2 ) , (y1 , y2 )T >=< (x1 , x2 )T , T (y1 , y2 ) > ∀ (x1 , x2 )T , (y1 , y2 )T ∈ R2
echivalent cu
< (−2x1 − x2 , 5x1 + 3x2 )T , (y1 , y2 )T >=< (x1 , x2 )T , (−2y1 − y2 , 5y1 + 3y2 )T > .
Pentru aceasta, observăm că

T T 5 2 y1
< (x1 , x2 ) , (y1 , y2 ) >= 5x1 y1 + 2x1 y2 + 2x2 y1 + x2 y2 = x1 x2
2 1 y2
egalitate ce uşurează calculele din

T T 5 2 y1
< (−2x1 − x2 , 5x1 + 3x2 ) , (y1 , y2 ) > = −2x1 − x2 5x1 + 3x2
2 1 y2
= y2 (x1 + x2 ) + x2 y1
(6.2)
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
< T (x) , y >=< x, T (y) > ∀x = (x1 , x2 )T , y = (y1 , y2 )T ∈ R2
şi deci T este autoadjunct în raport cu produsul scalar definit.
R Dacă u : X → X este operator autoadjunct atunci există o bază ortonormată în raport cu

care matricea lui u este o matrice diagonală.
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.
6.3 Metoda valorilor proprii de aducere la forma canonică

Fie (X, <, >) spaţiu euclidian real cu dimR X = n ∈ N∗ şi V : X → R formă pătratică.
R [Etapa 1:] Fixăm un reper B ⊂ X şi scriem A = [A]VB matricea lui V în reperul B.
R [Etapa 2:] Determinăm valorile proprii λi (i = 1, ..., p cu p ≤ n) din relaţia

|A − λ In | = 0
având ordinele de multiplicitate maλ iar pentru fiecare valoare proprie λi determinăm
i
subspaţiile proprii corespunzătoare Xλi .
6.3 Metoda valorilor proprii de aducere la forma canonică 169
R [Etapa 3:] Pentru fiecare subspaţiu propriu Xλi determinăm câte un reper ortonormat Bi ,
i = 1, ..., p.
R [Etapa 4:] Forma canonică a funcţionalei pătratice date este
V (x) = λ1 ω12 + .... + λ p ωn2
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:
R Natura funcţionalei pătratice se determină cu ajutorul valorilor proprii astfel

i) dacă λi > 0, ∀i = 1, ..., p atunci A şi V sunt pozitiv definite;
ii) dacă λi ≥ 0, ∀i = 1, ..., p şi ∃λ j = 0 atunci A şi V sunt pozitiv semidefinite;
iii) dacă λi < 0, ∀i = 1, ..., p atunci A şi V sunt negativ definite;
iv) dacă λi ≤ 0, ∀i = 1, ..., p şi ∃λ j = 0 atunci A şi V sunt negativ semidefinite;
v) dacă există i 6= j, 1 ≤ i, j ≤ p, cu λi > 0 şi λ j < 0 atunci A şi V sunt nedefinite.
Exerciţiu 6.3.1 Se consideră funcţionala pătratică
V : R2 → R definită prin V (x) = f (x, x) = 4x12 + 4x22 + 6x1 x2 .
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
Determinăm valorile proprii din relaţia

4−λ 3 = 0 ⇔ λ 2 − 8λ + 7 = 0.

|A − λ In | = 0 ⇐⇒
3 4−λ
Ecuaţia λ 2 − 8λ + 7 = 0 are soluţiile λ1 = 7 cu maλ1 = 1 şi λ2 = 1 cu maλ2 = 1 (Evident

λ1 = 7 > 0 şi λ2 = 1 > 0 implică o formă pătratică pozitiv definită.).
Pentru fiecare valoare proprie determinăm subspaţiile proprii corespunzătoare.
Astfel, pentru λ1 = 7 căutăm vλ1 = (m, n)T din relaţia

−3 3 m 0
= =⇒ m = n şi vλ1 = n (1, 1)T =⇒ Xλ1 = Span (1, 1)T
3 −3 n 0
iar pentru λ2 = 1 căutăm vλ2 = (a, b)T din relaţia

3 3 a 0
= =⇒ a = −b şi vλ1 = b (−1, 1)T =⇒ Xλ2 = Span (−1, 1)T .
3 3 b 0
Pentru fiecare subspaţiu propriu determinăm câte un reper ortonormat:

( ) ( )
1 1 T 1 1 T
pentru Xλ1 =⇒ B1 = √ ,√ iar pentru Xλ2 =⇒ B2 = −√ , √ .
2 2 2 2
Forma canonică a funcţionalei pătratice date este

2 2 7 0
V (x) = 7ω1 + ω2 cu matricea D = .
0 1
Reperul ortonormat în care se obţine această formă este

( )
1 1 T 1 1 T

B = B1 ∪ B2 = f1 = √ , √ , f2 = − √ , √
2 2 2 2
iar ω1 , ω1 sunt coordonatele lui x în reperul B, mai exact x = ω1 f1 + ω2 f2 .

Verificăm relaţia CT AC = D sau echivalent
! !
√1 √1
√1 √1
−

2 2 4 3 2 2 7 0
=
− √12 √12 3 4 √1
2
√1
2
0 1
pentru a observa că nu s-a greşit la calcule.

Este necesar să remarcăm că dacă aplicam metoda lui Jacobi s-ar fi obţinut V (x) = 14 ω12 +
4 2
7 ω2 rezultând concluzia că atunci când folosim metode distincte de aducere la forma canonică
putem obţine expresii distincte.
6.4 Operatori liniari (endomorfisme) ortogonali

Fie (X, <, >) spaţiu euclidian real finit dimensional.
Definiţie 6.4.1 Endomorfismul u : X −→ X se numeşte operator liniar ortogonal dacă are loc
=< x, y > pentru orice x, y ∈ X.
Redăm câteva proprietăţi ale operatorilor liniari ortogonali:
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,
ii) se conservă distanţa dată de normă:
d (u (x) , u (y)) = d (x, y) ∀x, y ∈ X,

iii) se conservă cosinusul: cos u (x) \ cy) ∀x, y ∈ X.
, u (y) = cos (x,
Demonstraţie. i) Evident
p √
ku (x)k = = < x, x > = kxk .
ii) Avem
d (u (x) , u (y)) = ku (x) − u (y)k = ku (x − y)k = kx − yk = d (x, y) .

6.4 Operatori liniari (endomorfisme) ortogonali 171
iii) Clar
 < 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
egalitate ce într-adevăr confirmă că U este ortogonal.

Determinăm valorile proprii
3
− 45

−λ
|A − λ I2 | = 0 ⇐⇒ 5 = 0 =⇒ λ1 = 1 şi λ2 = −1.
− 45 − 35 − λ
Determinăm vectorii proprii corespunzători valorilor proprii:

• pentru λ1 = 1 căutăm vλ1 = (m, n)T din relaţia
−2
− 45

m 0
5
4 8 = =⇒ (m, n)T = n(−2, 1)T
−5 −5 n 0 | {z }
not ăm
= v1
• pentru λ1 = −1 căutăm vλ2 = (a, b)T din relaţia

8
T
− 45

a 0 1
5 = =⇒ (a, b)T = b ,1 .
− 45 2
5 b 0 2
| {z }
not ăm
= v2
Mai mult, remarcăm că, în raport cu produsul scalar canonic din R2 , avem < v1 , v2 >= 0.
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
det AT · A = det In ⇔ det AT det A = det In ⇐⇒ (det A)2 = 1 =⇒ det A ∈ {±1} .

7. Autoevaluare
7.1 Test 1
Exerciţiu 7.1.1 În R2 , R se consideră elementele

x1 = (1, 2)T , x2 = (1, −1)T , x3 = (2, 4)T .
i) Să se extragă din {x1 , x2 , x3 } un subsistem B care să constituie o bază în R2 , R .

Câte repere se pot forma cu elementele bazei B?

ii) Să se determine coordonatele lui x = (3, 5)T în baza B.
iii) Dacă X = Span (x1 , x2 , x3 ) atunci să se determine câte o bază ortonormată pentru
subspaţiile vectoriale X şi, respectiv X ⊥ în raport cu produsul scalar canonic din R2 precum şi
proiecţiile ortogonale ale vectorilor x = (x1 , x2 )T pe X = Span (x1 , x2 , x3 ), respectiv distanţa
de la x = (2, 3)T la X ⊥ .
T T , (2, 4)T şi u ∈

iv) Să se cerceteze dacă (0, 0) = u 1 + u2 cu u 1 ∈ X1 = Span (1, 2) 2
X2 = Span (1, −1)T , (2, 4)T se poate realiza în cel puţin două moduri distincte.

Exerciţiu 7.1.2 Să se determine matricea funcţionalei pătratice V : R3 → R
V (x) = f (x, x) = 5x1 x2 − x2 x3 + 2x1 x3 .
corespunzătoare reperului canonic (bazei canonice) din R3 , R şi să se studieze natura

funcţionalei pătratice V folosind metoda Jacobi.
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
U (x1 , x2 , x3 ) = (−x3 , −x2 , −x1 )T .
i) Să se scrie matricea operatorului U în baza canonică din R3 , R .

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
este matricea lui U în baza canonică din R2 , R .

i) Să se determine spectrul şi subspaţiile proprii ale operatorului liniar U.

ii) Să se determine soluţia generală a sistemului de ecuaţii diferenţiale liniare U (w) = w0 .

Exerciţiu 7.1.6 Să se determine

i) toate funcţionalele linire f : R3 → R. Generalizare.
ii) funcţionala liniară f : R3 → R astfel încât
f (0, 1, 2) = 1, f (1, 0, 2) = 2 şi f (1, 2, 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 .
i) Să se arate că F, G sunt repere în R3 , R .

ii) Să se determine matricea de trecere de la G la F şi de la F la G.

iii) Dacă x ∈ R3 este astfel încât xF = (4, −2, 1)T atunci să se determine xG .
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 .

Să se determine o bază ortonormată în W .
Exerciţiu 7.2.3 Să se discute după valorile parametrului λ natura funcţionalei pătratice
V (x) = 4x12 + 4x22 + 20x32 + 8λ x1 x2 − 8x1 x3 + 16x2 x3 .
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
este matricea lui U în baza canonică din R2 , R .


ii) Să se determine soluţia generală a sistemului de ecuaţii diferenţiale liniare U (w) = w0 .


 
1 1 0
A= 0 1 1 
0 0 1
este matricea operatorului U în baza canonică din R3 .

ii) Este operatorul liniar diagonalizabil? Dar jordanizabil? Justificaţi răspunsul. În caz
afirmativ să se determine forma diagonală/jordan precum şi baza în care U are această formă.

Exerciţiu 7.2.6 Să se studieze dacă operatorul U : R2 → R2 definit prin
U (x, y) = (4x + y, 2x − y)T
este inversabil şi să se calculeze inversul său.
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 ·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
Dacă pe (X, C) se defineşte < A, B >= tr (AB∗ ) atunci:

i) să se arate că < A, B > este produs scalar;
ii) să se determine o bază ortonormată pentru Y ⊥ .
Exerciţiu 7.3.2 Se consideră funcţia f : R2 × R2 → R definită prin
f (x, y) = 4x1 y1 + x1 y2 − x2 y2 + x2 y1
unde x = (x1 , x2 )T ∈ R2 , y = (y1 ,y2 )T ∈ R2 .

i) Să se arate că f este funcţională biliniară simetrică.
n o
ii) Să se determine matricea lui f în reperul B = b1 = (−1, 3)T , b2 = (2, 1)T .
iii) Să se scrie funcţionala pătratică asociată lui V : R2 → R şi să se studieze natura lui
V folosind metoda lui Jacobi de aducere la forma canonică.
7.4 Test 4 177
Exerciţiu 7.3.3 Fie f : P3 [X] → R definită prin

Z 1
f (p) = p (x) dx.
0
i) Să se arate că f este funcţională liniară.

ii) Să se scrie matricea funcţionalei liniare f în baza canonică din (P3 [X] ,R).

 
1 0 0
A= 0 1 0 
0 0 1

afirmativ să se determine forma diagonală/jordan precum şi reperul în care U are această
formă.
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,
B = a1 = 1, a2 = 1 + t, a3 = t 2 reper în (P2 [X] , R)

şi
p1 = a1 + 2a2 + a3 , p2 = a1 − 2a3 , p3 = 2 + 2t + 3t 2 = 2a2 + 3a3 , p4 = a2 + a3
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 < ·, · >: P2 [X] × P2 [X] → R definit prin < p, q >= 01 p (t) q (t) dt
R
defineşte un produs scalar şi să se determine o bază ortonormată Bo pornind de la baza B0 , în
raport cu produsul scalar astfel definit.

 
1 1 0
A= 0 1 0 
0 0 1


Exerciţiu 7.4.3 Se consideră funcţia f : R2 → R definită prin
f (x, y) = 2x1 y2 − x2 y2 + 4x2 y1
unde x = (x1 , x2 )T ∈ R2 , y = (y1 ,y2 )T ∈ R2 .

i) Să se arate că f este funcţională biliniară. Este f biliniară simetrică? Dacă da,
justificaţi. n o
ii) Să se determine matricea lui f în reperul B = b1 = (−1, 3)T , b2 = (2, 1)T .
Exerciţiu 7.4.4 Fie f : P3 [X] × P3 [X] → R definită prin

Z 1
f (p, q) = p0 (x) q0 (x) dx.
0
i) Să se arate că f este funcţională biliniară simetrică.

ii) Să se scrie matricea funcţionalei biliniare f în reperul canonic din (P3 [X] ,R).
Exerciţiu 7.4.5 Fie f : R3 → R definită prin f (x1 , x2 , x3 ) = x1 + 2x2 + 2x3 .

i) Să se arate că f este funcţională liniară.
ii) Să se se determine Ker f , Im f , dimR Ker f şi dimR Im f .
iii) Să se scrie matricea funcţionalei liniare f în reperul
n o
B = (0, 1, 1)T , (1, 0, 1)T , (1, 1, 0)T ⊂ R3 , R .

U (x1 , x2 , x3 , x4 ) = (2x1 + x2 , 2x2 , x4 , −x3 + 2x4 )T .

7.5 Test 5 179
i) Să se scrie matricea operatorului U în baza canonică din R4 , R .

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 7.4.8 Să se enunţe şi demonstreze Teorema de existenţă a suplimentului.
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
 
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.
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
V (x) = 3λ x12 + (3λ + 9) x32 − 12x1 x2 .
Exerciţiu 7.5.5 Fie matricea

 
3α −2 0
A (α) =  −2 0 0 .
0 0 3α + 3
i) Să se discute (fără aflarea bazei) în funcţie de parametrul α natura funcţionalei

pătratice care are matricea A (α).
ii) Pentru operatorul care are matricea A (1) să se afle: forma canonică Jordan, baza
Jordan şi să se verifice formula de schimbare a matricei la schimbarea bazei cu regula pivotului.

Exerciţiu 7.5.6 Fie U : M2 (R) → P2 [X] definit prin

2 a b
U (A) (x) = ax + (b − c) x + d, A = .
c d
Să se se determine KerU, ImU, dimR KerU şi dimR ImU.
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 7.5.9 Să se arate că U : M2 (R) → R2 definit prin

a b
U = (a + b, c + d)T
c d
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.

Algebra Covei Carte

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Algebra Covei Carte

Încărcat de

Drepturi de autor:

Formate disponibile

Elemente

Copyright c 2015, Editura ASE

Descrierea CIP a Bibliotecii Naţionale a României

Tehnoredactare: Dragoş-Pătru Covei

3 Sisteme de ecuaţii diferenţiale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103

4 Forme liniare, biliniare şi pătratice . . . . . . . . . . . . . . . . . . . . . . . . . . 115

5 Probleme metrice în spaţii euclidiene . . . . . . . . . . . . . . . . . . . . . . . 139

6 Clase speciale de operatori . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165

1.1 Definiţia spaţiului vectorial (liniar)

împreună cu care V are o structură de grup abelian, adică îndeplineşte axiomele

precum şi o operaţie algebrică externă

astfel încât să îndeplinească axiomele

R Elementul 0V se numeşte vectorul nul, iar −x opusul vectorului x.

Următoarea propoziţie evidenţiază reguli de calcul într-un spaţiu vectorial.

Demonstraţie. i) Considerăm în A5) : α = 1 şi β = 0 rezultând

Cum 0V este unicul vector cu proprietatea x = x + 0V deducem că 0 · x = 0V .

Analog se probează iii) − vi).

Exerciţiu 1.1.1 Fie K corp comutativ şi

unde n ∈ N, n ≥ 2. Pe Kn definim operaţiile

unde (x1 , ..., xn )T , (y1 , ..., yn )T ∈ Kn ;

unde α ∈ K, (x1 , ..., xn )T ∈ Kn .

0V = (0, ..., 0)T , respectiv − x = (−x1 , ..., −xn )T ,

este vectorul nul din Kn , respectiv, opusul lui x din Kn .

R Pentru K = R obţinem spaţiul vectorial real Rn .

Exerciţiu 1.1.2 Să se arate că mulţimea

i) + :C V ×C V →C V , (u, v) + (x, y) = (u + x, v + y) ∀ (u, v) ∈C V, ∀ (x, y) ∈C V

(x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 ) = (x2 + x1 , y2 + y1 ) = (x2 , y2 ) + (x1 , y1 )

din comutativitatea adunării în V .

[(x1 , y1 ) + (x2 , y2 )] + (x3 , y3 ) = (x1 , y1 ) + [(x2 , y2 ) + (x3 , y3 )]

din asociativitatea adunării în V .

(x, y) + (0V , 0V ) = (0V , 0V ) + (x, y) = (x, y) .

A4) ∀ (x, y) ∈C V ∃ (−x, −y) ∈C V astfel încât

(x, y) + (−x, −y) = (−x, −y) + (x, y) = (0V , 0V ) .

Evident (au − bv, bu + av) ∈C V .

Soluţie. Fie x = (xb1 , ..., xbn )T ∈ Zn2 . Observăm că

1.2 Subspaţii vectoriale

R Un subspaţiu vectorial are o structură de spaţiu vectorial în raport cu operaţiile induse.

este subspaţiu vectorial al lui (Kn , K). Într-adevăr, fie

elemente arbitrare din E. Observăm că

R Relaţiile i), ii) din Definiţia 1.2.1 sunt echivalente cu

Exerciţiu 1.2.1 Să se arate că mulţimea

este subspaţiu vectorial în spaţiul vectorial (Rm , R).

Soluţie. Arătăm că

λ x + µy = (λ x1 + µy1 , ..., λ xm−1 + µym−1 , 0)T ∈ S.

Soluţie. Arătăm că

1.3 Acoperire liniară a unei submulţimi. Combinaţie liniară de vectori

notaţiile: LK (A) , Span (A) , Sp (A) , < A > sau L (A) .

Soluţie. Fie x, y vectori din SpanK (A) şi λ , µ ∈ K. Din

Exerciţiu 1.3.2 Fie R3 , R spaţiul vectorial real şi

Să se arate că v = (16, 6, 14)T este în SpanR A.

(16, 6, 14)T = α1 (2, 2, 4)T + α2 (2, 4, 2)T + α3 (2, −2, 4)T

Să se arate că S = M2×2 (R).

Soluţie. Amintim că A ∈ M2×2 (R) dacă A este de forma

şi deci S = M2×2 (R).

Exerciţiu 1.3.4 În spaţiul vectorial R4 , R se consideră elementele

x1 = (2, 4, 2, 4)T , x2 = (2, −2, 8, 10)T , x3 = (2, −4, 10, 12)T

Soluţie. x este o combinatie liniară a elementelor x1 , x2 , x3 dacă există numerele γ1 , γ2 , γ3 ∈ R

relaţie echivalentă cu sistemul:

iar toţi minorii de ordinul 3 sunt nuli, deci rang A = 2.

având rangul 2. Am demonstrat că rang A = rang A. Conform teoremei Kronecker-Capelli

Exerciţiu 1.3.5 În spaţiul vectorial R4 , R se consideră elementele

Soluţie. x este o combinaţie liniară a elementelor x1 , x2 , x3 dacă există numerele reale γ1 , γ2 , γ3

relaţie echivalentă cu sistemul: