Sunteți pe pagina 1din 86

Algebrǎ liniarǎ

Spaţii liniare

Conf.dr. C.Chiş () Curs 1+2 2010-2011 1 / 86


Definiţie
Fie M o mulţime nevidǎ. O aplicaţie

φ : M × M −→ M

se numeşte lege de compoziţie internǎ sau operaţie binarǎ internǎ pe


mulţimea M.

Definiţie
Fie Ω şi M douǎ mulţimi nevide. O aplicaţie

Ψ : Ω × M −→ M

se numeşte lege de compoziţie externǎ pe M sau operaţie externǎ pe M


cu operatori ı̂n Ω.

Conf.dr. C.Chiş () Curs 1+2 2010-2011 2 / 86


Definiţia noţiunii de spaţiu liniar.

Definiţie
Fie V o mulţime nevidǎ şi K un corp. Spunem cǎ V este un spaţiu
liniar(sau spaţiu vectorial) peste corpul K, dacǎ V este ı̂nzestrat cu o
operaţie binarǎ internǎ, notatǎ aditiv

+ : V × V −→ V : (v , w ) 7−→ v + w

şi cu o lege de compoziţie externǎ cu operatori ı̂n corpul K, notatǎ


multiplicativ
· : K × V −→ V : (α, v ) 7−→ α · v ,
care satisfac urmǎtoarele axiome:

Conf.dr. C.Chiş () Curs 1+2 2010-2011 3 / 86


Definiţie
SL1. (u + v ) + w = u + (v + w ), (∀)u, v , w ∈ V .
SL2. v + w = w + v , (∀)v , w ∈ V .
SL3. (∃)0 ∈ V : 0 + v = v + 0 = v , (∀)v ∈ V .
SL4. (∀)v ∈ V (∃)(−v ) ∈ V : (−v ) + v = v + (−v ) = 0.
SL5. α · (v + w ) = α · v + α · w , (∀)α ∈ K, (∀)v , w ∈ V .
SL6. (α + β) · v = α · v + β · v , (∀)α, β ∈ K, (∀)v ∈ V .
SL7. (α · β) · v = α · (β · v ), (∀)α, β ∈ K, (∀)v ∈ V .
SL8. 1 · v = v , (∀)v ∈ V .

Conf.dr. C.Chiş () Curs 1+2 2010-2011 4 / 86


Observaţie
Axiomele SL1-SL4 afirmǎ cǎ (V , +) este un grup abelian.
Axiomele SL5-SL8 exprimǎ proprietǎţile de compatibilitate ale
operaţiei externe cu operaţiile interne din V şi K.
Terminologie:
i) Elementele mulţimii V se numesc vectori.
ii) Elementele corpului K se numesc scalari.
iii) Legea de compoziţie internǎ(+) se numeşte adunarea vectorilor.
iv) Legea de compoziţie externǎ(·) se numeşte ı̂nmulţirea vectorilor cu
scalari.
v) Elementul neutru 0 al grupului (V , +)(vezi SL3) se numeşte vectorul
nul.
vi) Dacǎ K = R, atunci V se numeşte spaţiu liniar real.

Conf.dr. C.Chiş () Curs 1+2 2010-2011 5 / 86


Spaţiul liniar real Rn

Mulţimea Rn = |R × R × {z. . . × R} = {(x1 , x2 , . . . , xn )|xi ∈ R} a sistemelor


n ori
ordonate de câte n numere reale o identificǎm cu mulţimea Mn×1 (R) a
matricelor cu n linii şi o singurǎ coloanǎ, scriind cele n numere ale unui
sistem (x1 , x2 , . . . , xn ) ı̂ntr-o matrice coloanǎ
 
x1
 x2 
X =  . .
 
 .. 
xn

Un asemenea sistem ı̂l vom numi atunci vector ı̂n Rn .

Conf.dr. C.Chiş () Curs 1+2 2010-2011 6 / 86


Definiţie
Definim o operaţie de adunare a vectorilor prin:
     
x1 y1 x1 + y1
 x2   y2   x2 + y2 
Dacǎ X =  .  şi Y =  ..  , atunci X + Y =  .
     
..
 ..   .   . 
xn yn xn + yn

Definiţie
De asemenea, definim o operaţie de ı̂nmulţire a vectorilor cu scalari
prin:    
x1 αx1
 x2   αx2 
Dacǎ α ∈ R şi X =  .  , atunci αX =  .  .
   
 ..   .. 
xn αxn

Conf.dr. C.Chiş () Curs 1+2 2010-2011 7 / 86


Observaţie
În raport cu aceste operaţii, Rn este atunci un spaţiu liniar real, care se
numeşte spaţiul aritmetic real n-dimensional.

Conf.dr. C.Chiş () Curs 1+2 2010-2011 8 / 86


Definiţie
Fie X1 , . . . , Xm ∈ Rn m vectori din Rn şi α1 , α2 , . . . , αm ∈ R scalari reali.
Expresia
α1 X1 + α2 X2 + · · · + αm Xm
se numeşte combinaţia liniarǎ a vectorilor daţi cu coeficienţii α1 , α2 , . . . ,
αm .

Observaţie
Orice combinaţie liniarǎ a unor vectori din Rn este de asemenea un
vector din Rn .

Conf.dr. C.Chiş () Curs 1+2 2010-2011 9 / 86


Definiţie
Spunem cǎ vectorii X1 , X2 , . . . , Xm ∈ Rn formeazǎ un sistem de
generatori pentru spaţiul liniar Rn , dacǎ orice vector X ∈ Rn poate fi
scris ca o combinaţie liniarǎ a vectorilor X1 , X2 , . . . , Xm cu anumiţi
coeficienţi α1 , α2 , . . . , αm :

X = α1 X1 + α2 X2 + · · · + αm Xm .

Conf.dr. C.Chiş () Curs 1+2 2010-2011 10 / 86


Observaţie
Evident, vectorul nul poate fi scris ca o combinaţie a oricǎror vectori
folosind coeficienţi egali cu 0.

Definiţie
O combinaţie liniarǎ a vectorilor X1 , X2 , . . . , Xm având ca rezultat
vectorul nul
α1 X1 + α2 X2 + · · · + αm Xm = 0,
ı̂n care nu toţi coeficienţii sunt nuli, se numeşte relaţie de dependenţǎ
liniarǎ ı̂ntre vectorii X1 , X2 , . . . , Xm .

Conf.dr. C.Chiş () Curs 1+2 2010-2011 11 / 86


Definiţie
Un sistem de vectori S = {X1 , X2 , . . . , Xm } ⊆ Rn se numeşte liniar
dependent dacǎ existǎ o relaţie de dependenţǎ liniarǎ ı̂ntre vectorii
sistemului, i.e. dacǎ existǎ numere reale α1 , α2 , . . . , αm , nu toate nule,
astfel ı̂ncât
α1 X1 + α2 X2 + · · · + αm Xm = 0.

Definiţie
Un sistem de vectori S = {X1 , X2 , . . . , Xm } ⊆ Rn se numeşte liniar
independent dacǎ nu existǎ nicio relaţie de dependenţǎ liniarǎ ı̂ntre
vectorii sistemului, i.e. dacǎ relaţia

α1 X1 + α2 X2 + · · · + αm Xm = 0

poate avea loc numai dacǎ α1 = α2 = · · · = αm = 0.

Conf.dr. C.Chiş () Curs 1+2 2010-2011 12 / 86


Exemplu
Fie vectorii V1 = [1 −1 −5]T , V2 = [2 2 −1]T , V3 = [4 8 7]T . Vom
studia cu ajutorul definiţiei dependenţa liniarǎ a sistemului
S = {V1 , V2 , V3 }. Putem rescrie o combinaţie liniarǎ nulǎ a vectorilor
V1 , V2 , V3 cu scalarii λ1 , λ2 , λ3 ı̂n felul urmǎtor:

λ1 · V1 + λ2 · V2 + λ3 · V3 = 0 ⇐⇒

Conf.dr. C.Chiş () Curs 1+2 2010-2011 13 / 86


Exemplu
       
1 2 4 0
⇐⇒ λ1 −1 + λ2
   2 + λ3 8 = 0  ⇐⇒
   
−5 −1 7 0

 λ1 + 2λ2 + 4λ3 = 0
⇐⇒ −λ1 + 2λ2 + 8λ3 = 0
−5λ1 − λ2 + 7λ3 = 0

care este un sistem omogen de trei ecuaţii cu necunoscutele λ1 , λ2 , λ3 .


Acest sistem admite soluţii nebanale dacǎ şi numai dacǎ rangul
matricei asociate sistemului este mai mic decât 3. Într-adevǎr, avem
 
1 2 4
AS =  −1 2 8 
−5 −1 7

şi rang (AS ) = 2.

Conf.dr. C.Chiş () Curs 1+2 2010-2011 14 / 86


Exemplu
Notând λ3 = α, obţinem λ1 = 2α şi λ2 = −3α, deci

2α · V1 − 3α · V2 + α · V3 = 0,

relaţie care are loc pentru orice α ∈ R. Pentru valori particulare nenule
oarecare ale parametrului α, se obţin diferite relaţii de dependenţǎ
linarǎ ı̂ntre vectorii sistemului. De exemplu, pentru α = 1 avem relaţia:

2V1 − 3V2 + V3 = 0,

astfel cǎ sistemul S este liniar dependent.

Conf.dr. C.Chiş () Curs 1+2 2010-2011 15 / 86


Observaţie
A gǎsi o relaţie de dependenţǎ liniarǎ ı̂ntre m vectori
X1 , X2 , . . . , Xm ∈ Rn , unde
 
a1j
 a2j 
 
 .. 
 . 
 aij  ,
Xj =  
 
 .. 
 . 
anj

este echivalent cu

Conf.dr. C.Chiş () Curs 1+2 2010-2011 16 / 86


Observaţie
a cǎuta soluţii nenule pentru un sistem liniar omogen cu n
ecuaţii(corespunzǎtor celor n componente ale vectorilor din Rn ) şi m
necunoscute α1 , α2 , . . . , αm :


 α1 a11 + α2 a12 + · · · + αm a1m = 0
α1 a21 + α2 a22 + · · · + αm a2m = 0


 ... ... ...
α1 an1 + α2 an2 + · · · + αm anm = 0

Conf.dr. C.Chiş () Curs 1+2 2010-2011 17 / 86


Observaţie
Acest sistem are matricea

AS = [ X1 X2 . . . Xm ],

formatǎ prin alǎturarea celor m coloane ale vectorilor daţi.


Prin urmare:
Condiţia ca un astfel de sistem sǎ aibǎ soluţii nenule este ca rangul
matricei AS a sistemului sǎ fie mai mic decât numǎrul m al
necunoscutelor.
Condiţia ca sistemul sǎ aibǎ doar soluţia nulǎ este ca rangul
matricei AS a sistemului sǎ fie egal cu numǎrul m al
necunoscutelor.

Conf.dr. C.Chiş () Curs 1+2 2010-2011 18 / 86


Teoremǎ
Sistemul de vectori S = {Xj | j = 1, m} ∈ Rn este liniar dependent dacǎ şi
numai dacǎ rang (A) < m.

Teoremǎ
Sistemul de vectori S = {Xj | j = 1, m} ∈ Rn este liniar independent dacǎ
şi numai dacǎ rang (A) = m.

Conf.dr. C.Chiş () Curs 1+2 2010-2011 19 / 86


Corolar
Sistemul de vectori S = {Xj | j = 1, n} ∈ Rn este liniar dependent dacǎ şi
numai dacǎ det(A) =6 0.

Observaţie
Dacǎ m > n, i.e. numǎrul vectorilor este mai mare decât dimensiunea
spaţiului, atunci rangul matricei AS ∈ Mn×m (R) nu poate depǎşi
numǎrul n, deci este mai mic decât m, astfel cǎ un asemenea sistem de
vectori este liniar dependent.

Conf.dr. C.Chiş () Curs 1+2 2010-2011 20 / 86


Exemplu
Fie ı̂n R3 vectorii X1 = [2 3 1], X2 = [4 1 0], X3 = [5 1 1], X4 = [1 0 0].
Matricea asociatǎ sistemului S = {X1 , X2 , X3 , X4 } este
 
2 4 5 1
A =  3 1 1 0 .
1 0 1 0

Evident rang (A) < 4, astfel cǎ S este un sistem liniar dependent. Se
observǎ cǎ rangul matricei
 
2 4 5
A0 =  3 1 1 
1 0 1

este 3, cu det(A) = −11, prin urmare vectorii X1 , X2 , X3 formeazǎ un


sistem liniar independent.

Conf.dr. C.Chiş () Curs 1+2 2010-2011 21 / 86


Definiţie
Rangul unui sistem de vectori S este numǎrul maxim de vectori ai unui
subsistem liniar indenpdent conţinut ı̂n S.

Propoziţie
Rangul unui sistem de vectori S = {X1 , X2 , . . . , Xm } ⊆ Rn este rangul
matricei asociate:
rang (S) = rang (AS ).

Conf.dr. C.Chiş () Curs 1+2 2010-2011 22 / 86


Baze de vectori. Coordonate

Definiţie
Se numeşte bazǎ ı̂n Rn un sistem format din n vectori liniar
independenţi ı̂n Rn .

Conf.dr. C.Chiş () Curs 1+2 2010-2011 23 / 86


Observaţie
Pentru spaţii vectoriale oarecare, urmǎtoarele sunt definiţii echivalente
ale noţiunii de bazǎ:
O bazǎ este un sistem liniar independent de generatori.
O bazǎ este un sistem liniar independent maximal.
O bazǎ este un sistem de generatori minimal.

Conf.dr. C.Chiş () Curs 1+2 2010-2011 24 / 86


Fie B = {V1 , . . . , Vn } o bazǎ ı̂n Rn , Vk = [a1k . . . ank ]T , k = 1, n. Vom
nota cu B matricea asociatǎ sistemului celor n vectori care formeazǎ baza
B: B = [aik ]n×n .

Propoziţie
Condiţia necesarǎ şi suficientǎ pentru ca un sistem format din n vectori din
Rn sǎ fie bazǎ este ca determinantul matricei asociate sǎ fie nenul.

Conf.dr. C.Chiş () Curs 1+2 2010-2011 25 / 86


Observaţie
Fie B o bazǎ fixatǎ ı̂n Rn şi X ∈ Rn un vector oarecare. Atunci X se
exprimǎ liniar ı̂n funcţie de vectorii bazei B astfel:

(1) X = x1 B · V1 + · · · + xn B · Vn ,

numerele reale xk B , k = 1, n numindu-se coordonatele vectorului X ı̂n


baza B.
Vom nota
(2) X B = [x1 B . . . xn B ]T .

Conf.dr. C.Chiş () Curs 1+2 2010-2011 26 / 86


Observaţie
Din relaţiile (1) şi (2) rezultǎ cǎ

X = B · XB.

Cum B este o bazǎ, avem det(B) 6= 0, deci existǎ inversa B −1 .


Înmulţind la stânga cu aceastǎ inversǎ, obţinem:

(3) X B = B −1 · X ,

relaţie ce exprimǎ coordonatele vectorului X ı̂n raport cu baza B.

Conf.dr. C.Chiş () Curs 1+2 2010-2011 27 / 86


Exemplu
Vom determina coordonatele vectorului X = [1 0 2]T ı̂n raport cu baza
formatǎ din vectorii V1 = [2 3 1]T , V2 = [4 1 0]T , V3 = [5 1 1]T .
Inversa matricei B asociate bazei B = {V1 , V2 , V3 } este
 1 4 1 
− 11 11 11
 
−1 2 3 13 
 
B =  11 11 − 11  .

 
1 4 10
11 − 11 11

Coordonatele vectorului X ı̂n raport cu baza B sunt atunci:


 1 
11
 
B −1
 24 
X =B ·X =
 − 11
.

 
21
11

Conf.dr. C.Chiş () Curs 1+2 2010-2011 28 / 86


Observaţie
Fie acum B1 = {V1 , . . . , Vn } şi B2 = {W1 , . . . , Wn } douǎ baze diferite
ale spaţiului liniar Rn , şi fie V un vector din Rn . Sǎ notǎm cu X , X B1 ,
respectiv X B2 cordonatele acestui vector ı̂n raport cu baza canonicǎ Bc ,
baza B1 , respectiv baza B2 . Am dori sǎ putem da o legǎturǎ ı̂ntre
aceste coordonate ı̂n diferite baze.
Ţinând seama de formulele (3), putem scrie

(∗) X B1 = B1−1 X ,

(∗∗) X B2 = B2−1 X ,
unde B1 şi B2 sunt matricile de trecere de la baza canonicǎ la bazele
B1 , respectiv B2 .

Conf.dr. C.Chiş () Curs 1+2 2010-2011 29 / 86


Observaţie
Relaţia (∗) se poate rescrie sub forma

(∗0 ) X = B1 X B1 ,

astfel cǎ putem ı̂nlocui exprimarea (∗0 ) a coordonatelor X ı̂n relaţia


(∗∗), care devine:
(4) X B2 = B2−1 B1 X B1 .
Ultima formulǎ exprimǎ legǎtura ı̂ntre coordonatele vectorului V ı̂n
cele douǎ baze.

Conf.dr. C.Chiş () Curs 1+2 2010-2011 30 / 86


Exemplu
Fie date bazele
B1 = {V1 = [ 1 1 1 ]T , V2 = [ 2 1 −3 ]T , V3 = [ −2 −4 5 ]T }
şi
B2 = {W1 = [ −1 1 0 ]T , W2 = [ 2 −2 1 ]T , W3 =
[ 3 −2 3 ]T }.
Vom detemina formulele de trecere de la baza B1 la baza B2 . Notǎm
X B1 = [x1 x2 x3 ]T , respectiv X B2 = [y1 y2 y3 ]T .
Matricele ataşate celor douǎ baze sunt:
   
1 2 −2 −1 2 3
B1 =  1 1 −4  , B2 =  1 −2 −2  .
1 −3 5 0 1 3

Conf.dr. C.Chiş () Curs 1+2 2010-2011 31 / 86


Exemplu
Ţinând cont de formula (4), vom avea X B2 = B2−1 B1 X B1 . Deoarece
 
−4 −3 2
B2−1 =  −3 −3 1 ,
1 1 0
avem  
−5 −17 30
B2−1 B1 =  −5 −12 23  ,
2 3 −6
şi vom obţine formulele de transformare a coordonatelor:

 y1 = −5x1 − 17x2 + 30x3
y2 = −5x1 − 12x2 + 23x3
y3 = 2x1 + 3x2 − 6x3 ,

Conf.dr. C.Chiş () Curs 1+2 2010-2011 32 / 86


Aplicaţii liniare

Fie Rn şi Rm douǎ spaţii liniare.


Definiţie
O aplicaţie f : Rn −→ Rm se numeşte aplicaţie liniarǎ dacǎ satisface
urmǎtoarele douǎ condiţii:

(1) f (X + Y ) = f (X ) + f (Y ) , (∀)X , Y ∈ Rn ,

(2) f (αX ) = αf (X ) , (∀)α ∈ R, X ∈ Rn .

Conf.dr. C.Chiş () Curs 1+2 2010-2011 33 / 86


Observaţie
Condiţia (1) se numeşte condiţia de aditivitate a aplicaţiei f , iar
condiţia (2) este condiţia de omogenitate a aplicaţiei f .

Observaţie
Aceste douǎ condiţii se pot ı̂nlocui cu una singurǎ:

(3) f (αX + βY ) = αf (X ) + βf (Y ) (∀)α, β ∈ R, X , Y ∈ Rn .

Condiţia (3) reprezintǎ condiţia de liniaritate a aplicaţiei f .

Conf.dr. C.Chiş () Curs 1+2 2010-2011 34 / 86


Observaţie
În cazul când m = n şi f este o aplicaţie liniarǎ a spaţiului liniar Rn ı̂n
el ı̂nsuşi, f se mai numeşte şi operator liniar pe Rn .
De asemenea, dacǎ f : Rn −→ R este o aplicaţie liniarǎ ı̂n R, ea se
numeşte formǎ liniarǎ pe Rn .

Conf.dr. C.Chiş () Curs 1+2 2010-2011 35 / 86


Observaţie
Fie f : Rn −→ Rm o aplicaţie liniarǎ, şi Bn = {V1 , V2 , . . . , Vn },
respectiv Bm = {W1 , W2 , . . . , Wm } baze de vectori fixate ı̂n Rn ,
respectiv Rm . Deoarece pentru orice i ∈ {1, . . . , n}, f (Vi ) este un vector
din Rm , el se poate exprima ı̂n raport cu baza Bm :

(4i ) f (Vi ) = a1i W1 + a2i W2 + · · · + ami Wm ,

unde coeficienţii aki , k = 1, m, sunt numere reale.

Conf.dr. C.Chiş () Curs 1+2 2010-2011 36 / 86


Observaţie
(continuare) Fie acum V = x1 V1 + x2 V2 + · · · + xn Vn un vector oarecare
din Rn şi W = y1 W1 + y2 W2 + · · · + ym Wm = f (V ) imaginea sa ı̂n Rm ,
exprimatǎ ı̂n raport cu baza Bm . Ţinând cont de formulele (4i ), pentru
coordonatele yj , j = 1, m, avem relaţiile:
n
X
yj = aj1 x1 + aj2 x2 + · · · + ajn xn = aji xi .
i=1

Cu notaţiile A = [aji ], X = [xi ] şi Y = [yj ] aceste formule pot fi


restrânse sub forma
(5) Y = AX ,
care reprezintǎ scrierea matricialǎ ı̂n raport cu bazele Bn şi Bm a
aplicaţiei liniare f .

Conf.dr. C.Chiş () Curs 1+2 2010-2011 37 / 86


Exemplu
Fie datǎ aplicaţia f : R2 −→ R3 definitǎ prin

f (x1 , x2 ) = (2x1 − x2 , x1 + 3x2 , 4x1 + x2 ).

Pentru aceastǎ aplicaţie se verificǎ uşor proprietǎţile de aditivitate


şomogenitate, astfel cǎ f este o aplicaţie liniarǎ. Ea poate fi descrisǎ şi
pe componente(i.e.coordonate ı̂n raport cu bazele canonice din R2 şi
R3 ): 
 y1 = 2x1 − x2
(f ) y2 = x1 + 3x2
y3 = 4x1 + x2 .

Matricea asociatǎ aplicaţiei liniare f este atunci(elementele sale se pot


citi din scrierea pe componente de mai sus):
 
2 −1
A= 1 3 .
4 2
Conf.dr. C.Chiş () Curs 1+2 2010-2011 38 / 86
Observaţie
Fie acum Bn0 şi Bm0 douǎ baze ı̂n Rn , respectiv Rm . De asemnea, fie
0
A ∈ Mm×n (R) matricea aplicaţiei liniare f ı̂n raport cu aceste douǎ
baze, şi P ∈ Mn (R), respectiv Q ∈ Mm (R), matricile de trecere de la
baza Bn la Bn0 , respectiv de la baza Bm la Bm 0 . Dacǎ X 0 = [x 0 ] reprezintǎ
i
coordonatele vectorului V ı̂n raport cu baza Bn0 , iar Y 0 = [yj0 ] sunt
coordonatele imaginii sale W = f (V ) ı̂n raport cu baza Bm 0 , ţinând cont

de egalitatea
(50 ) Y 0 = A0 X 0 ,
precum şi de formulele de schimbare a coordonatelor, pentru matricea
A0 avem formula
(6) A0 = Q −1 AP.

Conf.dr. C.Chiş () Curs 1+2 2010-2011 39 / 86


Operaţii cu aplicaţii liniare

Definiţie
Fie f : Rn −→ Rm o aplicaţie liniarǎ, şi fie α ∈ R un numǎr real.
Definim atunci aplicaţia αf : Rn −→ Rm prin regula foarte naturalǎ

(αf )(X ) = αf (X ), (∀)X ∈ Rn .

Se verificǎ uşor, pe baza proprietǎţilor operaţiilor ı̂ntr-un spaţiu liniar,


cǎ aplicaţia astfel definitǎ este o aplicaţie liniarǎ, numitǎ ı̂nmulţirea cu
scalarul α a aplicaţiei liniare f .

Observaţie
Dacǎ matricea asociatǎ aplicaţiei liniare f este A, atunci matricea
asociatǎ aplicaţiei liniare αf va fi αA.

Conf.dr. C.Chiş () Curs 1+2 2010-2011 40 / 86


Definiţie
Fie f1 , f2 : Rn −→ Rm douǎ aplicaţii liniare. Definim atunci aplicaţia
f1 + f2 : Rn −→ Rm prin legea de asociere

(f1 + f2 )(X ) = f1 (X ) + f2 (X ), (∀)X ∈ Rn .

Proprietǎţile operaţiilor dintr-un spaţiu liniar ne asigurǎ cǎ aplicaţia


f1 + f2 este o aplicaţie liniarǎ, numitǎ suma celor douǎ aplicaţii liniare
f1 şi f2 .

Observaţie
Dacǎ aplicaţiile liniare f1 şi f2 au matricile asociate A1 şi A2 , atunci
aplicaţia liniarǎ f1 + f2 are matricea asociatǎ A1 + A2 .

Conf.dr. C.Chiş () Curs 1+2 2010-2011 41 / 86


Observaţie
Mulţimea L(Rn , Rm ) = {f : Rn −→ Rm |f -aplicaţie liniarǎ} are
ı̂mpreunǎ cu cele douǎ operaţii definite mai sus o structurǎ de spaţiu
liniar.

Conf.dr. C.Chiş () Curs 1+2 2010-2011 42 / 86


Definiţie
Fie f : Rn −→ Rm şi g : Rm −→ Rp douǎ aplicaţii liniare. Definim
atunci aplicaţia g ◦ f : Rn −→ Rp prin legea

(g ◦ f )(X ) = g (f (X )), (∀)X ∈ Rn .

Din liniaritatea aplicaţiilor f şi g rezultǎ cǎ şi aplicaţia g ◦ f este o


aplicaţie liniarǎ, numitǎ compusa aplicaţiilor liniare f şi g .

Observaţie
Dacǎ aplicaţiile liniare f şi g au matricile asociate A ∈ Mm×n (R) şi
B ∈ Mp×m (R), atunci aplicaţia liniarǎ compusǎ g ◦ f a celor douǎ
aplicaţii f şi g are matricea asociatǎ B · A.

Conf.dr. C.Chiş () Curs 1+2 2010-2011 43 / 86


Observaţie
Mulţimea End(Rn ) = L(Rn , Rn ) a operatorilor liniari ai spaţiului liniar
Rn , are ı̂mpreunǎ cu operaţiile de adunare şi compunere a aplicaţiilor
liniare o structurǎ de inel(necomutativ pentru n ≥ 2).

Conf.dr. C.Chiş () Curs 1+2 2010-2011 44 / 86


Definiţie
Fie f : Rn −→ Rn un operator liniar al spaţiului liniar Rn şi sǎ
presupunem cǎ f este o aplicaţie bijectivǎ(ı̂n acest caz f se numeşte
transformare liniarǎ). Atunci f este o aplicaţie inversabilǎ, şi datoritǎ
liniaritǎţii sale rezultǎ cǎ şi aplicaţia f −1 : Rn −→ Rn este o
transformare liniarǎ, numitǎ inversa transformǎrii liniare f .

Observaţie
Un operator liniar f ∈ End(Rn ) este bijectiv dacǎ şi numai dacǎ
matricea asociatǎ lui este inversabilǎ, adicǎ dacǎ şi numai dacǎ
matricea asociatǎ are determinant nenul.

Observaţie
Dacǎ matricea asociatǎ transformǎrii liniare bijective f este A, atunci
matricea asociatǎ transformǎrii liniare f −1 este A−1 .

Conf.dr. C.Chiş () Curs 1+2 2010-2011 45 / 86


Observaţie
Mulţimea GL(Rn ) = {f ∈ End(Rn )|f -inversabilǎ} are ı̂mpreunǎ cu
operaţia de compunere a transformǎrilor liniare inversabile o structurǎ
de grup(necomutativ dacǎ n ≥ 2).

Conf.dr. C.Chiş () Curs 1+2 2010-2011 46 / 86


Vectori şi valori proprii ai unui operator liniar

Fie T : Rn −→ Rn un operator liniar fixat, şi fie de asemenea λ ∈ R un


numǎr real fixat.
Definiţie
Spunem cǎ λ este o valoare proprie a operatorului liniar T dacǎ existǎ
un vector nenul V ∈ Rn cu proprietatea cǎ

(∇) T (V ) = λV .

Un asemenea vector se numeşte vector propriu al operatorului liniar T ,


asociat valorii proprii λ.

Conf.dr. C.Chiş () Curs 1+2 2010-2011 47 / 86


Observaţie
Se presupunem cǎ am fixat o bazǎ ı̂n spaţiul liniar Rn , şi fie
A = [aij ] ∈ Mn (R), respectiv X = [xi ] ∈ Mn×1 , matricea operatorului
T , respectiv matricea-coloanǎ a coordonatelor lui V ı̂n raport cu
aceastǎ bazǎ. Atunci relaţia (∇) devine

(∇0 ) AX = λX .

Observaţie
Când o matrice pǎtraticǎ A, un numǎr λ şi o matrice-coloanǎ X
satisfac o relaţie de tipul relaţiei (∇0 ), atunci spunem cǎ λ este o
valoare proprie a matricii A, iar ”vectorul” nenul X este un vector
propriu al matricii A corespunzǎtor valorii proprii λ.

Conf.dr. C.Chiş () Curs 1+2 2010-2011 48 / 86


Observaţie
Relaţia (∇0 ) se mai poate scrie şi ı̂n forma

(∗) (A − λIn )X = 0.

Ţinând cont de aceastǎ ultimǎ relaţie, putem deduce o condiţie pentru


ca un numǎr λ sǎ fie valoare proprie pentru un operator liniar,
respectiv o matrice. Dacǎ privim relaţia (∗) ca pe o ecuaţie matricialǎ
cu necunoscuta X , condiţia ca λ sǎ fie valoare proprie este ca sistemul
de ecuaţii liniare asociat ecuaţiei matriciale (∗)


 (a11 − λ)x1 +a12 x2 + . . . +a1n xn = 0
a21 x1 +(a22 − λ)x2 + . . . +a2n xn = 0

(∗∗)

 ... ... ... ... ... ...
an1 x1 +an2 x2 + . . . +(ann − λ)xn = 0

sǎ permitǎ şi soluţii nebanale.

Conf.dr. C.Chiş () Curs 1+2 2010-2011 49 / 86


Observaţie
(continuare) Acest lucru se ı̂ntâmplǎ exact dacǎ determinantul matricii
sistemului este nul. Astfel, condiţia ca numǎrul λ sǎ fie valoare proprie
a matricii A(şi deci a operatorului liniar T , reprezentat ı̂n baza fixatǎ
cu ajutorul matricii A) este

(∗ ∗ ∗) det(A − λIn ) = 0.

Polinomul pA (λ) = det(A − λIn ) se numeşte polinomul caracteristic


asociat matricei A, iar relaţia (∗ ∗ ∗) este ecuaţia caracteristicǎ asociatǎ
matricei A.

Conf.dr. C.Chiş () Curs 1+2 2010-2011 50 / 86


Corolar
Un numǎr λ este valoare proprie a matricii A dacǎ şi numai dacǎ este o
soluţie a ecuaţiei caracteristice(i.e. o rǎdǎcinǎ a polinomului caracteristic)
asociate matricii.

Observaţie
Vectorii proprii asociaţi unei valori proprii λ pot fi gǎsiţi rezolvând
sistemul (compatibil nedeterminat!) (∗∗).

Conf.dr. C.Chiş () Curs 1+2 2010-2011 51 / 86


Propoziţie
(Hamilton-Cayley) Orice matrice pǎtraticǎ ı̂şi satisface propria ecuaţie
caracteristicǎ; i.e.

pA (A) = 0n , (∀)A ∈ Mn (R).

Conf.dr. C.Chiş () Curs 1+2 2010-2011 52 / 86


Exemplu
Vom determina valorile proprii şi vectorii proprii ai urmǎtorului
operator liniar:
 
0 1 0
T : R3 −→ R3 , T (X ) =  1 1 1  · X .
0 1 0

Polinomul caracteristic asociat acestui operator liniar este

pT (λ) = det(A − λI3 ) =



−λ 1 0
1 = −λ3 + λ2 + 2λ

= 1 1−λ
0 1 −λ

Conf.dr. C.Chiş () Curs 1+2 2010-2011 53 / 86


Exemplu
(continuare) Rezolvând ecuaţia caracteristicǎ

−λ3 + λ2 + 2λ = 0

obţinem valorile proprii ale transformǎrii liniare T :

λ1 = 0, λ2 = −1, λ3 = 2.

Conf.dr. C.Chiş () Curs 1+2 2010-2011 54 / 86


Exemplu
(continuare) Pentru a determina vectorii proprii, avem de rezolvat trei
sisteme de ecuaţii liniare, şi anume:

 x2 = 0
(S0 ) x1 + x2 + x3 = 0
x2 = 0,


 x1 + x2 = 0
(S−1 ) x1 + 2x2 + x3 = 0
x2 + x3 = 0,


 −2x1 + x2 = 0
(S2 ) x1 − x2 + x3 = 0
x2 − 2x3 = 0,

Conf.dr. C.Chiş () Curs 1+2 2010-2011 55 / 86


Exemplu
(continuare) Mulţimea vectorilor proprii asociaţi valorii proprii λ1 = 0
este datǎ de soluţiile primului sistem, anume

V0 = {[α 0 − α]T |α ∈ R∗ }.

Mulţimea vectorilor proprii asociaţi valorii proprii λ2 = −1 este

V−1 = {[α − α α]T |α ∈ R∗ }.

În fine, mulţimea vectorilor proprii asociaţi valorii proprii λ1 = 2 este

V2 = {[α 2α α]T |α ∈ R∗ }.

Conf.dr. C.Chiş () Curs 1+2 2010-2011 56 / 86


Alte metode de determinare a polinomului
caracteristic al unui operator liniar

1. Formulele lui Bôcher


Fie A ∈ Mn (R), A = [aij ]n× .

Definiţie
Suma elementelor de pe diagonala principalǎ a unei matrice se numeşte
urma matricei şi se noteazǎ cu tr(A) :

tr (A) = a11 + a22 + a33 + · · · + ann .

Conf.dr. C.Chiş () Curs 1+2 2010-2011 57 / 86


Observaţie
Dacǎ notǎm cu τ1 = tr (A), τ2 = tr (A2 ), . . . , τn = tr (An ), coeficienţii
polinomului caracteristic

pA (λ) = (−1)n (λn + α1 λn−1 + α2 λn−2 + · · · + αn−1 λ + αn )

sunt daţi de formulele de recurenţǎ ale lui Bôcher:

α1 = −τ1
α2 = − 21 (α1 τ1 + τ2 )
α3 = − 13 (α2 τ1 + α1 τ2 + τ3 )
... ... ...
αn = − n1 (αn−1 τ1 + αn−2 τ2 + α1 τn−1 + τn ).

Conf.dr. C.Chiş () Curs 1+2 2010-2011 58 / 86


Exemplu
Vom determina, folosind formulele lui Bôcher, polinomul caracteristic
al matricei  
2 −2 3
A= 1 1 1 .
1 3 −1
Avem:  
5 3 1
A2 =  4 2 3 
4 −2 7
şi  
14 −4 17
A3 =  13 3 11  .
13 11 3

Conf.dr. C.Chiş () Curs 1+2 2010-2011 59 / 86


Exemplu
(continuare) Urmele acestor matrice sunt:

τ1 = tr (A) = 2, τ2 = tr (A2 ) = 14, τ3 = tr (A3 ) = 20.

Pentru coeficienţii polinomului caracteristic avem:


α1 = −τ1 = −2,
α2 = − 21 (α1 τ1 + τ2 ) = − 21 (−4 + 14) = −5,
α3 = − 31 (α2 τ1 + α1 τ2 + τ3 ) = − 13 (−10 − 28 + 20) = 6.
Astfel vom obţine urmǎtorul polinom caracteristic

pA (λ) = (−1)3 (λ3 − 2λ2 − 5λ + 6).

Conf.dr. C.Chiş () Curs 1+2 2010-2011 60 / 86


2. Formulele lui Faddeev-Sominskii

Observaţie
Aceste formule sunt relativ mai simple decât cele ale lui Bôcher şi se
bazeazǎ pe urmǎtoarele calcule:
A1 := A, β1 = tr (A1 ), B1 = A1 − β1 In ,
A2 := B1 A, β2 = 21 tr (A2 ), B2 = A2 − β2 In ,
..
.
Ak := Bk−1 A, βk = k1 tr (Ak ), Bk = Ak − βk In ,
..
.
An := Bn−1 A, βn = n1 tr (An ), Bn = An − βn In = 0.

Conf.dr. C.Chiş () Curs 1+2 2010-2011 61 / 86


Observaţie
(continuare) Ultima formulǎ se numeşte formula de control.
Polinomul caracteristic va fi atunci dat de

pA (λ) = (−1)n (λn − β1 λn−1 − β2 λn−2 − · · · − βn ).

În plus, dacǎ A este o matrice inversabilǎ, inversa sa este datǎ de


formula
1
A−1 = Bn−1 .
βn

Conf.dr. C.Chiş () Curs 1+2 2010-2011 62 / 86


Exemplu
Determinǎm cu ajutorul formulelor lui Faddeev polinomul caracteristic
al matricei  
2 −1 2
A =  5 −3 3 .
−1 0 −2
Vom avea:
β1 = tr (A) = 2 − 3 − 2 = −3,
 
5 −1 2
B1 = A1 + 3I3 =  5 0 3 ,
−1 0 1
 
3 −2 3
A2 = B1 A1 =  7 −5 4 ,
−3 1 −4
β2 = 21 tr (A2 ) = −3,

Conf.dr. C.Chiş () Curs 1+2 2010-2011 63 / 86


Exemplu
(continuare)  
6 −2 3
B2 = A2 + 3I3 =  7 −2 4 ,
−3 1 −1
 
−1 0 0
A3 = B2 A2 =  0 −1 0 ,
0 0 −1
β3 = −1.

Conf.dr. C.Chiş () Curs 1+2 2010-2011 64 / 86


Exemplu
Deci
pA (λ) = (−1)3 (λ3 + 3λ2 + 3λ + 1).
Inversa matricei A va fi
 
−6 2 −3
A−1 = −B2 =  −7 2 −4  .
3 −1 1

Conf.dr. C.Chiş () Curs 1+2 2010-2011 65 / 86


Spaţii vectoriale euclidiene

Produs scalar. Normǎ.


Fie spaţiul vectorial Rn şi X , Y ∈ Rn , X = [x1 , . . . , xn ]T ,
Y = [y1 , . . . , yn ]T .

Definiţie
Numǎrul real
def
(1) (X , Y ) = x1 · y1 + · · · + xn · yn

se numeşte produsul scalar(euclidian) al vectorilor X şi Y din Rn .


Relaţia din definiţia de mai sus se poate scrie şi sub forma
n
X
0
(1 ) (X , Y ) = xi · yi .
i=1

Conf.dr. C.Chiş () Curs 1+2 2010-2011 66 / 86


Propoziţie
Pentru oricare X , Y , Z ∈ Rn şi α ∈ R au loc proprietǎţile:
(P1 ) (X , X ) ≥ 0, (X , X ) = 0 ⇐⇒ X = Θ.
(P2 ) (X + Y , Z ) = (X , Z ) + (Y , Z ).
(P3 ) (αX , Y ) = α(X , Y ).
(P4 ) (X , Y ) = (Y p
, X ).
(P5 ) | (X , Y ) |≤ (X , X ) · (Y , Y ).

Definiţie
Spaţiul Rn ı̂nzestrat cu produsul scalar (·, ·) se numeşte spaţiu euclidian
n-dimensional.

Conf.dr. C.Chiş () Curs 1+2 2010-2011 67 / 86


Definiţie
Funcţia
k · k : Rn −→ R+
defintǎ prin p p
kX k = (X , X ) = x1 2 + · · · + xn 2
se numeşte norma euclidianǎ a spaţiului Rn . Numǎrul kX k se numeşte
norma vectorului X .

Conf.dr. C.Chiş () Curs 1+2 2010-2011 68 / 86


Definiţie
Un vector având norma egalǎ cu 1 se numeşte vector unitar.

Observaţie
Oricǎrui vector nenul dat V ı̂i putem asocia un vector unitar:

Definiţie
Vectorul
1
U= V
kV k
se numeşte versorul vectorului V .

Observaţie
p p
Pentru n = 1 avem X = x1 şi atunci kX k = (X , X ) = x1 2 =| X |,
deci norma este egalǎ cu funcţia modul pe R.

Conf.dr. C.Chiş () Curs 1+2 2010-2011 69 / 86


Propoziţie
Pentru orice X , Y ∈ Rn şi α ∈ R au loc urmǎtoarele:
(N1 ) kX k = 0 ⇐⇒ X = Θ;
(N1 ) kα · X k = |α| · kX k; (N3 ) kX + Y k ≤ kX k + kY k.

Definiţie
Spaţiul Rn ı̂nzestrat cu normǎ euclidianǎ se numeşte spaţiu euclidian
normat.

Conf.dr. C.Chiş () Curs 1+2 2010-2011 70 / 86


Definiţie
Funcţia

d : Rn × Rn −→ R+
definitǎ prin

d(X , Y ) = kX − Y k, X , Y ∈ Rn ,
se numeşte distanţǎ euclidianǎ pe Rn .

Conf.dr. C.Chiş () Curs 1+2 2010-2011 71 / 86


Observaţie
Fie X = [x1 x2 . . . xn ]T şi Y = [y1 y2 . . . yn ]T vectori oarecare din Rn .
Atunci ţinând cont de definiţia normei euclidiene, distanţa (euclidianǎ
) dintre vectorii X şi Y este
q
d(X , Y ) = (x1 − y1 )2 + (x2 − y2 )2 + · + (xn + yn )2
Dacǎ Y = Θ, atunci

d(X , Θ) = kX k ,
pentru orice X ∈ Rn ,
adicǎ norma euclidianǎ a unui vector oarecare este distanţa de la acel
punct la originea spaţiului Rn .

Conf.dr. C.Chiş () Curs 1+2 2010-2011 72 / 86


Propoziţie
Pentru orice X , Y , Z ∈ Rn au loc urmǎtoarele proprietǎ ţi : (d1 )
d(X , Y ) = 0 ⇐⇒ X = Y ;
(d2 ) d(X , Y ) = d(Y , X );
(d3 ) d(X , Y ) ≤ d(X , Z ) + d(Z , Y ) (inegalitatea triunghiului).

Conf.dr. C.Chiş () Curs 1+2 2010-2011 73 / 86


Definiţie
Fie X , Y ∈ Rn . Vectorii X , Y sunt ortogonali dacǎ produsul lor scalar
este nul, adicǎ
( X , Y ) = 0.

Definiţie
Un sistem S de vectori din Rn se numeşte sistem ortogonal dacǎ

(X , Y ) = 0, (∀)X , Y ∈ Rn , X 6= Y .

Conf.dr. C.Chiş () Curs 1+2 2010-2011 74 / 86


Metoda de ortogonalizare a lui Schmidt

Definiţie
Fie S = {V1 , V2 , . . . , Vm } ∈ Rn , m ≤ n, un sistem de vectori.
Determinantul Gram asociat sistemului de vectori S este numǎrul

(V1 , V1 ) (V1 , V2 ) . . . (V1 , Vm )

(V2 , V1 ) (V2 , V2 ) . . . (V2 , Vm )
Gram(V1 , V2 , . . . , Vm ) =
... ... ... ...

(Vm , V1 ) (Vm , V2 ) . . . (Vm , Vm )

unde (Vi , Vj ), i, j = 1, m, sunt produsele scalare ı̂ntre vectorii


sistemului.

Conf.dr. C.Chiş () Curs 1+2 2010-2011 75 / 86


Propoziţie
Condiţia necesarǎ şi suficientǎ pentru ca un sistem de vectori
S = {V1 , V2 , . . . , Vm } sǎ fie liniar independent este

Gram(V1 , . . . , Vm ) 6= 0.

Corolar
Orice sistem de vectori care conţine vectorul nul este liniar dependent.

Corolar
Un sistem de vectori nenuli şi ortogonali doi câte doi este liniar
independent.

Corolar
Numǎrul maxim de vectori ortogonali doi câte doi este egal cu
dimensiunea spaţiului.

Conf.dr. C.Chiş () Curs 1+2 2010-2011 76 / 86


Exemplu
Fie sistemul de vectori
S = {V1 = [ 1 1 0 0 ]T , V2 = [ 5 6 0 1 ]T , V3 = [ 2 4 3 − 1 ]T } ∈ R4 .
Determinantul Gram al acestui sistem este

(V1 , V1 ) (V1 , V2 ) (V1 , V3 )

Gram(V1 , V2 , V3 ) = (V2 , V1 ) (V2 , V2 ) (V2 , V3 )
(V3 , V1 ) (V3 , V2 (V3 , V3 )

Calculând produsele scalare dintre vectori, obţinem



2 11 6

Gram(V1 , V2 , V3 ) = 11 62 33 = 36 6= 0.
6 33 30

Conf.dr. C.Chiş () Curs 1+2 2010-2011 77 / 86


Definiţie
Fie S = {V1 , V2 , . . . , Vm } ∈ Rn un sistem de vectori. Spunem cǎ un
vector V ∈ Rn este ortogonal pe S dacǎ este ortogonal pe fiecare din
vectorii sistemului,i.e.

V ⊥ S ⇐⇒ (V , Vi ) = 0, (∀)i = 1, m.

Definiţie
O bazǎ B = {V1 , V2 , . . . , Vn } ∈ Rn se numeşte bazǎ ortogonalǎ dacǎ
oricare doi vectori sunt ortogonali ı̂ntre ei, i.e.

(Vi , Vj ) = 0, (∀)i, j = 1, n, i 6= j.

Conf.dr. C.Chiş () Curs 1+2 2010-2011 78 / 86


Definiţie
O bazǎ B = {V1 , V2 , . . . , Vn } ∈ Rn se numeşte bazǎ ortonormatǎ dacǎ
ea este bazǎ ortogonalǎ formatǎ din vectori unitari, i.e.

(1) (Vi , Vj ) = 0, (∀)i, j = 1, n, i 6= j,

(2) kVi k = 1, (∀)i = 1, n.

Observaţie
Relaţiile (1) şi (2) sunt echivalente cu

(3) (Vi , Vj ) = δij , (∀)i, j = 1, n,

care se poate scrie şi sub forma

(30 ) [(Vi , Vj )] = In .

Conf.dr. C.Chiş () Curs 1+2 2010-2011 79 / 86


Definiţie
Fie V , W ∈ Rn , W 6= Θ. Vectorul

(V , W )
prW V = W,
(W , W )

se numeşte proiecţia vectorului V pe W , iar

(V , W )
α= ,
(W , W )

se numeşte mǎrimea algebricǎ a proiecţiei vectorului V pe W .

Observaţie
Fie V , W ∈ Rn doi vectori fixaţi, şi fie

W 0 = V − prW V .

Atunci W 0 ⊥ W .
Conf.dr. C.Chiş () Curs 1+2 2010-2011 80 / 86
Exemplu
Fie V = [ 2 4 ]T şi W = [ 3 0 ]T doi vectori din R2 . Proiecţia vectorului
V pe direcţia lui W este prW V = [ 2 0 ]T . Vectorul
W 0 = V − prW V = [ 0 4 ]T va fi atunci ortogonal pe W , dupǎ cum se
vede foarte uşor:

.
46 .
.

W0 V  ..
 .
.
 .
.
 .
 .
.
 .
.
.

 .
.
 .
 prW V . W
 -. -
2 3
Conf.dr. C.Chiş () Curs 1+2 2010-2011 81 / 86
Observaţie
Metoda de ortogonalizare a lui Schmidt permite construirea unei
baze ortogonale, pornind de la o bazǎ oarecare B = {V1 , V2 , . . . , Vn } a
spaţiului Rn . Pentru aceasta construim vectorii:

W1 = V1 ,
W2 = V2 − prW1 V2 ,
W3 = V3 − prW1 V3 − prW2 V3 ,
... = ...
Wn = Vn − prW1 Vn − · · · − prWn−1 Vn .

Sistemul de vectori astfel construit este un sistem liniar independent şi


ortogonal, deci am obţinut o bazǎ ortogonalǎ

B⊥ = {W1 , W2 , . . . , Wn }.

Conf.dr. C.Chiş () Curs 1+2 2010-2011 82 / 86


Observaţie
(continuare) Dacǎ vrem sǎ obţinem o bazǎ ortonormatǎ, este suficient
sǎ construim vectorii
1
Ui = Wi , i = 1, n,
kWi k

astfel cǎ o bazǎ ortonormatǎ va fi

B⊥q = {U1 , U2 , . . . , Un }.

Conf.dr. C.Chiş () Curs 1+2 2010-2011 83 / 86


Exemplu
Fie V1 = [ 1 1 ]T , V2 = [ 4 2 ]T ∈ R2 doi vectori liniar independenţi. Ei
formeazǎ o bazǎ care ı̂nsǎ nu este ortogonalǎ, deoarece
(V1 , V2 ) = 6 6= 0.
Construim vectorii
W1 = V1 = [ 1 1 ]T
W2 = V2 − prW1 V2 = [ 1 − 1 ]T .

Conform observaţiei de mai sus, aceşti doi vectori sunt nenuli şi
ortogonali, deci formeazǎ o bazǎ ortogonalǎ pentru R2 .

Conf.dr. C.Chiş () Curs 1+2 2010-2011 84 / 86


Exemplu
(continuare) Pentru a obţine o bazǎ ortonormatǎ, definim vectorii
√ √
1 2 2 T
U1 = kW1 k W1 =[ ]
√2 2 √
2
U2 = 1
kW2 k W2 =[ 2 − 22 ]T

prW1 V2 ...
 ....
...
.
..
... V2
*

 ..
'$V1 = W1  ...
..
U1  ...

..
..

...

@ ...
2@ ..
U@
&%R
R..
@
W2

Conf.dr. C.Chiş () Curs 1+2 2010-2011 85 / 86


Observaţie
Bazele ortonormate prezintǎ foarte mari avantaje din punct de vedere
al calculelor.
Fie B⊥q = {U1 , U2 , . . . , Un } o bazǎ ortonormatǎ şi fie V ∈ Rn un vector
oarecare fixat, având ı̂n raport cu baza B⊥q expresia

V = x1 U1 + x2 U2 + · · · + xn Un .

Ţinând cont de faptul cǎ baza B⊥q este ortonormatǎ, avem cǎ:

xi = (V , Ui ), (∀)i = 1, n.

Conf.dr. C.Chiş () Curs 1+2 2010-2011 86 / 86