Sunteți pe pagina 1din 200

Nicolae Cotfas

ELEMENTE DE
ALGEBRĂ LINIARĂ

EDITURA UNIVERSITĂŢII DIN BUCUREŞTI


Introducere

Pe parcursul acestei cărţi ne propunem să prezentăm ı̂ntr-un mod cât mai accesibil
noţiuni si rezultate de bază aparţinând algebrei liniare ı̂nsoţite de unele aplicaţii.
Pentru ca trecerea de la matematica predată ı̂n liceu la cea predată ı̂n facultate să se
facă cât mai uşor, ı̂n carte au fost incluse multe noţiuni şi rezultate cu care studenţii
sunt deja familiarizaţi din şcoală.
Unele demonstraţii mai dificile au fost prezentate doar ı̂n caz particular sau
ı̂nlocuite cu exemple care să scoată ı̂n evidenţă doar ideea de bază a demonstraţiei.
In general, prezentarea unei noţiuni sau a unui rezultat este pregătită prin exemple
adecvate.
Deşi cartea se adresează ı̂n primul rând studenţilor din anul ı̂ntâi de la facultăţile
de fizică, considerăm că ea poate fi utilă şi studenţilor de la facultăţile tehnice sau
elevilor de liceu pasionaţi de matematică.

Bucureşti, 2009 Nicolae Cotfas

5
Cuprins

1 Matrice şi determinanţi 9


1.1 Matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2 Determinanţi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

2 Spaţii vectoriale 23
2.1 Definiţie şi exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2 Subspaţii vectoriale . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.3 Subspaţiul generat de o mulţime de vectori . . . . . . . . . . . . . . 27
2.4 Dependenţă şi independenţă liniară . . . . . . . . . . . . . . . . . . . 29
2.5 Bază şi dimensiune . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.6 Sume de subspaţii . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.7 Sume directe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.8 Spaţii factor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48

3 Aplicaţii liniare 51
3.1 Definiţie şi exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.2 Imaginea şi nucleul unei aplicaţii liniare . . . . . . . . . . . . . . . . 53
3.3 Izomorfisme liniare . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.4 Dualul unui spaţiu vectorial . . . . . . . . . . . . . . . . . . . . . . . 58
3.5 Tensori . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.6 Matricea unei aplicaţii liniare . . . . . . . . . . . . . . . . . . . . . . 70
3.7 Vectori şi valori proprii . . . . . . . . . . . . . . . . . . . . . . . . . . 73
3.8 Forma diagonală a matricei unei aplicaţii liniare . . . . . . . . . . . 78

7
8 CUPRINS

4 Spaţii vectoriale euclidiene 85


4.1 Definiţie şi exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
4.2 Baze ortonormate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
4.3 Complementul ortogonal al unui subspaţiu . . . . . . . . . . . . . . . 93
4.4 Adjunctul unui operator liniar . . . . . . . . . . . . . . . . . . . . . . 94
4.5 Operatori autoadjuncţi . . . . . . . . . . . . . . . . . . . . . . . . . . 98
4.6 Transformări unitare . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
4.7 Transformări ortogonale . . . . . . . . . . . . . . . . . . . . . . . . . 108

5 Forme pătratice 111


5.1 Definiţie şi exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
5.2 Reducere la forma canonică . . . . . . . . . . . . . . . . . . . . . . . 114

6 Conice 121
6.1 Definiţie şi exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
6.2 Reducere la forma canonică . . . . . . . . . . . . . . . . . . . . . . . 124

7 Ecuaţii şi sisteme de ecuaţii diferenţiale liniare 129


7.1 Ecuaţii diferenţiale de ordinul ı̂ntâi . . . . . . . . . . . . . . . . . . . 129
7.2 Ecuaţii diferenţiale liniare de ordin superior . . . . . . . . . . . . . . 135
7.3 Sisteme diferenţiale liniare . . . . . . . . . . . . . . . . . . . . . . . . 146

8 Grupuri. Reprezentări liniare 159


8.1 Grupuri . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
8.2 Reprezentări liniare . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
8.3 Reprezentări ireductibile . . . . . . . . . . . . . . . . . . . . . . . . . 163
8.4 Reprezentări unitare şi ortogonale . . . . . . . . . . . . . . . . . . . 165
8.5 Grupul rotaţiilor. Reprezentări liniare . . . . . . . . . . . . . . . . . 168

9 Algebre Lie. Reprezentări liniare 177


9.1 Algebre Lie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
9.2 Reprezentări liniare . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
9.3 Reprezentări ireductibile . . . . . . . . . . . . . . . . . . . . . . . . . 187
9.4 Reprezentările algebrelor sl(2, C), su(2) şi o(3) . . . . . . . . . . . . 189
Capitolul 1

Matrice şi determinanţi

1.1 Matrice

Definiţia 1.1 Fie K unul dintre corpurile R, C. Prin matrice cu n linii şi m
coloane, cu elemente din K, se ı̂nţelege o aplicaţie

A : {1, 2, ..., n} × {1, 2, ..., m} −→ K : (i, j) 7→ aij

descrisă uzual cu ajutorul tabloului


 
a11 a12 · · · a1m
 a21 a22 · · · a2m 
A=
 
··· ··· ··· ···

 
an1 an2 · · · anm

care conţine valorile functiei. Vom nota cu Mn×m (K) mulţimea tuturor matricelor
cu n linii şi m coloane, cu elemente din K.

Definiţia 1.2 Suma A+B a două matrice A, B ∈ Mn×m (K) se defineşte prin relaţia
     
a11 a12 ... a1m b11 b12 ... b1m a11 +b11 a12 +b12 ... a1m +b1m
a
 21 a22 ... a2m   b21 b22 ... b2m   a21 +b21 a22 +b22 ... a2m +b2m 
   
+ =

 ... ... ... ...   ... ... ... ...   ... ... ... ...
 

an1 an2 ... anm bn1 bn2 ... bnm an1 +bn1 an2 +bn2 ... anm +bnm

9
10 Elemente de algebră liniară

iar produsul dintre un număr λ ∈ K şi o matrice A ∈ Mn×m (K) se defineşte prin
relaţia    
a11 a12 ... a1m λa11 λa12 ... λa1m
a a22 ... a2m 
  λa21 λa22 ... λa2m 

 21
λ = .

 ... ... ... ...   ... ... ... ... 
an1 an2 ... anm λan1 λan2 ... λanm

Propoziţia 1.3 Dacă A, B, C ∈ Mn×m (K) şi α, β ∈ K atunci

(A+B)+C = A+(B +C), A + B = B + A,

α(A + B) = αA + αB, (α+β)A = αA+βA

1A = A α(βA) = (αβ)A.

Demonstraţie. Relaţiile rezultă din

(aij +bij )+cij = aij +(bij +bij ) aij + bij = bij + aij ,

α(aij + bij ) = αaij + αbij , (α+β)aij = α aij +β aij

1 aij = aij , α(βaij ) = (αβ)aij .

Definiţia 1.4 Produsul AB al matricelor A ∈ Mn×m (K) şi B ∈ Mm×p (K) se


defineşte prin formula
   
a11 a12 ... a1m b11 b12 ... b1p
a
 21 a22 ... a2m   b21 b22 ... b2p 
 
·

 ... ... ... ...   ... ... ... ... 
 

an1 an2 ... anm bm1 bm2 ... bmp


 Pm Pm Pm 
j=1 a1j bj1 j=1 a1j bj2 ... j=1 a1j bjp
P 
 m Pm Pm
 j=1 a2j bj1 j=1 a2j bj2 ... j=1 a2j bjp 

=

.


 ... ... ... ... 

Pm Pm Pm
j=1 anj bj1 j=1 anj bj2 ... j=1 anj bjp

Propoziţia 1.5 Dacă A ∈ Mn×m (K), B ∈ Mm×p (K) şi C ∈ Mp×q (K) atunci

A(BC) = (AB)C.
Matrice şi determinanţi 11

Demonstraţie. Avem
 
m
X p
X
! p
X m
X
aij bjk ckl =  aij bjk  ckl .
j=1 k=1 k=1 j=1

Propoziţia 1.6 Dacă A ∈ Mn×m (K) şi B, C ∈ Mm×p (K) atunci

A(B + C) = AB + AC.

Demonstraţie. Avem
m
X m
X m
X
aij (bjk + cjk ) = aij bjk + aij cjk .
j=1 j=1 j=1

Propoziţia 1.7 Dacă A ∈ Mn×m (K), B ∈ Mm×p (K) şi λ ∈ K atunci

λ(AB) = (λA)B = A(λB).

Demonstraţie. Avem
m
X m
X m
X
λ aij bjk = (λaij )bjk = aij (λbjk ).
j=1 j=1 j=1

Observaţia 1.1 Dacă A, B ∈ Mn×n (K) atunci există matricele AB şi BA, dar ı̂n
general
AB 6= BA.
De exemplu,
! ! ! ! ! !
0 1 1 1 0 0 1 1 0 1 1 1
= si = .
1 0 0 0 1 1 0 0 1 0 0 0

Definiţia 1.8 Spunem ca matricea pătrată A ∈ Mn×n (K) este inversabilă dacă
există o matrice B ∈ Mn×n (K) astfel ı̂ncât

AB = BA = I

unde  
1 0 ··· 0
 0 1 ··· 0 
I=
 
··· ··· ··· ···

 
0 0 ··· 1
este matricea unitate.
12 Elemente de algebră liniară

Propoziţia 1.9 Inversa unei matrice pătratice, dacă există, este unică.

Demonstraţie. Fie A ∈ Mn×n (K). Presupunând că există două matrice B, C ∈


Mn×n (K) astfel ı̂ncât AB = BA = I şi AC = CA = I se obţine că

B = BI = B(AC) = (BA)C = IC = C.

1.2 Determinanţi

Observaţia 1.2 In cazul α11 α22 − α12 α21 6= 0, rezolvând sistemul de ecuaţii
(
α11 x1 + α12 x2 = β1
α21 x1 + α22 x2 = β2
prin metoda reducerii se obţine soluţia
β1 α22 − β2 α12 β2 α11 − β1 α21
x1 = , x2 =
α11 α22 − α12 α21 α11 α22 − α12 α21
care poate fi scrisă sub forma

β α α
11 β1

1 12
β2 α22 α21 β2

x1 =
, x2 =

α11 α12 α11 α12

α21 α22 α21 α22

dacă se utilizează notaţia



a a12
11
= a11 a22 − a12 a21 .

a21 a22

Definiţia 1.10 Fie K unul dintre corpurile R, C şi fie matricea pătrată
!
a11 a12
A= ∈ M2×2 (K).
a21 a22
Numărul
a a12
det A = 11 = a11 a22 − a12 a21 (1.1)

a21 a22
se numeşte determinantul matricei A.
Matrice şi determinanţi 13

Observaţia 1.3 In cazul ı̂n care sistemul de trei ecuaţii cu trei necunoscute

 α11 x1 + α12 x2 + α13 x3 = β1

α21 x1 + α22 x2 + α23 x3 = β2

 α x +α x +α x =β
31 1 32 2 33 3 3

are soluţie unică, soluţia obţinută prin metoda reducerii se poate scrie

β α
12 α13
α
11 β1 α13
α
11 α12 β1

1
β2 α22 α23 α21 β2 α23 α21 α22 β2


β3 α32 α33 α31 β3 α33 α31 α32 β3
x1 =
, x2 =
, x3 =

α11 α12 α13 α11 α12 α13 α11 α12 α13

α21 α22 α23 α21 α22 α23 α21 α22 α23


α31 α32 α33 α31 α32 α33 α31 α32 α33

dacă se utilizează notaţia


a a12 a13
11
a21 a22 a23 = a11 a22 a33 + a12 a23 a31 + a13 a21 a32


a31 a32 a33
−a13 a22 a31 − a11 a23 a32 − a12 a21 a33 .

Definiţia 1.11 Fie K unul dintre corpurile R, C şi fie matricea pătrată
 
a11 a12 a13
A =  a21 a22 a23  ∈ M3×3 (K).
 
a31 a32 a33

Numărul


a a12 a13
11
det A = a21 a22 a23 = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 (1.2)


a31 a32 a33
−a13 a22 a31 − a11 a23 a32 − a12 a21 a33

se numeşte determinantul matricei A.

Definiţia 1.12 Prin permutare de grad n se ı̂nţelege o funcţie bijectivă

σ : {1, 2, ..., n} −→ {1, 2, ..., n}.


14 Elemente de algebră liniară

Observaţia 1.4 O permutare de grad n poate fi descrisă cu ajutorul unui tablou


!
1 2 ··· n
σ=
σ(1) σ(2) · · · σ(n)

Vom nota cu Sn mulţimea tuturor permutărilor de grad n.

Definiţia 1.13 Prin signatura permutării

σ : {1, 2, ..., n} −→ {1, 2, ..., n}

se ı̂nţelege numărul
Y σ(i) − σ(j)
ε(σ) = .
1≤i<j≤n
i−j

Exemplul 1.1 Avem S3 = {σ1 , σ2 , ... , σ6 } unde


! ! !
1 2 3 1 2 3 1 2 3
σ1 = , σ2 = , σ3 = ,
1 2 3 2 3 1 3 1 2
! ! !
1 2 3 1 2 3 1 2 3
σ4 = , σ5 = , σ6 =
3 2 1 1 3 2 2 1 3
şi
ε(σ1 ) = ε(σ2 ) = ε(σ3 ) = 1, ε(σ4 ) = ε(σ5 ) = ε(σ6 ) = −1.

Observaţia 1.5 Folosind exemplul anterior, relaţia (1.2) se poate scrie sub forma


a a12 a13
11
a21 a22 a23 = ε(σ1 ) a1σ1 (1) a2σ1 (2) a3σ1 (3) + ε(σ2 ) a1σ2 (1) a2σ2 (2) a3σ2 (3)


a31 a32 a33
+ε(σ3 ) a1σ3 (1) a2σ3 (2) a3σ3 (3) + ε(σ4 ) a1σ4 (1) a2σ4 (2) a3σ4 (3)

+ε(σ5 ) a1σ5 (1) a2σ5 (2) a3σ5 (3) + ε(σ6 ) a1σ6 (1) a2σ6 (2) a3σ6 (3)

adică
a a12 a13
11 X
a21 a22 a23 = ε(σ) a1σ(1) a2σ(2) a3σ(3) .


a31 a32 a33 σ∈S3
Matrice şi determinanţi 15

Definiţia 1.14 Fie matricea pătrată


 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
A=  ∈ Mn×n (K).
 
 ··· ··· ··· ··· 
an1 an2 · · · ann
Numărul


a11 a12 · · · a1n

a21 a22 · · · a2n X
det A = = ε(σ) a1σ(1) a2σ(2) · · · anσ(n) (1.3)

··· ··· ··· ···
σ∈Sn
an1 an2 · · · ann

se numeşte determinantul matricei A.


Observaţia 1.6 Din definiţia (1.3) rezultă că det A este o sumă de produse de câte
n elemente ale matricei A, fiecare produs conţinând un singur element de pe fiecare
linie şi un singur element de pe fiecare coloană.

Observaţia 1.7 Din relaţia (1.2) rezultă



a a12 a13 a a21 a31
11 11
a21 a22 a23 = a12 a22 a32



a31 a32 a33 a13 a23 a33

(determinantul unei matrice coincide cu determinantul transpusei). Se poate demon-


stra ca o astfel de relaţie are loc pentru orice matrice pătrată.
Propoziţia 1.15 Dacă A ∈ Mn×n (K) atunci

det A = det tA.

Observaţia 1.8 Din (1.2) rezultă relaţiile



a a12 a13 a a22 a23 a a12 a13 a a32 a33
11 21 11 31
a21 a22 a23 = − a11 a12 a13 = − a31 a32 a33 = − a21 a22 a23



a31 a32 a33 a31 a32 a33 a21 a22 a23 a11 a12 a13

(dacă schimbăm ı̂ntre ele două linii semnul determinantului se schimbă)



a a12 a13 a a11 a13 a a13 a12 a a12 a11
11 12 11 13
a21 a22 a23 = − a22 a21 a23 = − a21 a23 a22 = − a23 a22 a21



a31 a32 a33 a32 a31 a33 a31 a33 a32 a33 a32 a31
16 Elemente de algebră liniară

(dacă schimbăm ı̂ntre ele două coloane semnul determinantului se schimbă). Se


poate demonstra ca un astfel de rezultat este valabil pentru orice matrice pătrată.

Propoziţia 1.16 Dacă se schimbă ı̂ntre ele două linii (sau două coloane) ale unei
matrice pătrate atunci se obţine o matrice care are determinantul egal cu opusul
determinantului matricei iniţiale.

Propoziţia 1.17 Dacă ı̂n matricea A ∈ Mn×n (K) toate elementele unei linii (sau
coloane) sunt nule atunci det A = 0.

Demonstraţie. Afirmaţia rezultă direct din definiţia (1.3).

Observaţia 1.9 Din (1.2) rezultă că



α α2 α3 α α1 a13
1 1
α1 α2 α3 = 0, α2 α2 a23 = 0.


a31 a32 a33 α3 α3 a33

Se poate demonstra următorul rezultat mai general.

Propoziţia 1.18 Determinantul unei matrice pătrate cu două linii (sau coloane)
identice este nul.

Propoziţia 1.19 Pentru orice k ∈ {1, 2, ..., n} avem



a11
a12 · · · a1n

a11
a12 · · · a1n
··· ··· ··· ··· ··· ··· · · · · · ·

λ ak1 λ ak2 · · · λ akn = λ ak1 ak2 · · · akn

··· ··· ··· ··· ··· ··· · · · · · ·



an1 an2 · · · ann an1 an2 · · · ann

şi

a11 · · · λ a1k · · · a1n

a11
· · · a1k · · · a1n

a21 · · · λ a2k · · · a2n a
21 · · · a2k · · · a2n
= λ .

··· ··· ··· ··· ··· ··· ··· ··· ··· ···



an1 · · · λ ank · · · ann an1 · · · ank · · · ann

Demonstraţie. Relaţiile rezultă direct din definiţia (1.3).


Matrice şi determinanţi 17

Propoziţia 1.20 Dacă elementele a două linii (sau coloane) ale unei matrice sunt
proporţionale atunci determinantul matricei este nul.

Demonstraţie. Afirmaţia rezultă din propoziţiile 1.18 şi 1.19.

Propoziţia 1.21 Avem




a11 a12 ... a1n
a11 a12 ... a1n
a11 a12 ... a1n


... ... ... ...
... ... ... ...
... ... ... ...

ak1 +bk1 ak2 +bk2 ... akn +bkn = ak1 ak2 ... akn + bk1 bk2 ... bkn




... ... ... ...
... ... ... ...
... ... ... ...

an1 an2 ... ann an1 an2 ... ann an1 an2 ... ann

şi


a11 ... a1k +b1k ... a1n
a11 ... a1k ... a1n
a11 ... b1k ... a1n

a21 ... a2k +b2k ... a2n a21 ... a2k ... a2n a21 ... b2k ... a2n
= + .

... ... ... ... ... ... ... ... ... ... ... ... ... ... ...



an1 ... ank +bnk ... ann an1 ... ank ... ann an1 ... bnk ... ann

Demonstraţie. Relaţiile rezultă direct din definiţia (1.3).

Propoziţia 1.22 Dacă o linie (sau coloană) a unei matrice pătratice este o combinaţie
liniară de celelalte linii (respectiv coloane) atunci determinantul matricei este nul.

Demonstraţie. Afirmaţia rezultă din propoziţiile 1.20 şi 1.21.

Propoziţia 1.23 Dacă la o linie (sau coloană) a unei matrice pătratice adunăm el-
ementele unei alte linii (respectiv coloane) ı̂nmulţite cu acelaşi număr determinantul
matricei rezultate coincide cu determinantul matricei iniţiale.

Demonstraţie. Afirmaţia rezultă din propoziţiile 1.20 şi 1.21.

Observaţia 1.10 Relaţia (1.2) se poate scrie sub formele



a a12 a13
11 a
22 a23

a21 a22 a23 = (−1)1+1 a11

a32 a33


a31 a32 a33

a
21 a23
a a22
1+2
+(−1) a12 + (−1)1+3 a13 21

a31 a33 a31 a32


18 Elemente de algebră liniară

(dezvoltare după prima linie)



a a12 a13
11 a
12 a13

a21 a22 a23 = (−1)2+1 a21

a32 a33


a31 a32 a33

a
11 a13
a a12
2+2
+(−1) a22 + (−1)2+3 a23 11

a31 a33 a31 a32

(dezvoltare după linia a doua)



a a12 a13
11 a
12 a13

a21 a22 a23 = (−1)3+1 a31

a22 a23


a31 a32 a33

a
11 a13
a a12
3+2
+(−1) a32 + (−1)3+3 a33 11

a21 a23 a21 a22

(dezvoltare după linia a treia)



a a12 a13
11 a a
22 23
a21 a22 a23 = (−1)1+1 a11

a32 a33


a31 a32 a33

a a a a13
12 13 12
+(−1)2+1 a21 + (−1)3+1 a31

a32 a33 a22 a23

(dezvoltare după prima coloană)



a a12 a13
11 a
21 a23

a21 a22 a23 = (−1)1+2 a12

a31 a33


a31 a32 a33

a
11 a13
a a13
2+2
+(−1) a22 + (−1)3+2 a32 11

a31 a33 a21 a23

(dezvoltare după coloana a doua)



a a12 a13
11 a
21 a22

a21 a22 a23 = (−1)1+3 a13

a31 a32


a31 a32 a33

a
11 a12
a a12
2+3
+(−1) a23 + (−1)3+3 a33 11

a31 a32 a21 a22


Matrice şi determinanţi 19

(dezvoltare după coloana a treia).

Observaţia 1.11 Relaţiile anterioare pot fi generalizate şi utilizate ı̂n calculul
determinanţilor.
Propoziţia 1.24 Fie K unul dintre corpurile R, C. Dacă
 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
A=  ∈ Mn×n (K).
 
 ··· ··· ··· ··· 
an1 an2 · · · ann
atunci n n
X X
det A = (−1)i+j aij det Aij = (−1)i+j aij det Aij (1.4)
i=1 j=1
unde Aij este matricea care se obţine din A eliminând linia i şi coloana j.

Propoziţia 1.25 Oricare ar fi i, k ∈ {1, 2, ..., n} avem


n
(
X
k+j 0 daca i 6= k
aij (−1) det Akj = (1.5)
j=1
det A daca i = k

notaţiile fiind cele din propoziţia anterioară.

Demonstraţie. In cazul i = k afirmaţia rezultă din propoziţia anterioară. In cazul


i 6= k relaţia rezultă dezvoltând după linia k determinantul cu două linii identice


a11 a12 · · · a1n
··· ··· ··· ···


ai1 ai2 · · · ain




··· ··· · · · · · ·

ai1 ai2 · · · ain
··· ··· ··· ···


· · · ann

an1 an2
rezultat ı̂nlocuind ı̂n

a11 a12 · · · a1n
··· ··· ··· ···


ai1 ai2 · · · ain




··· ··· · · · · · ·

ak1 ak2 · · · akn
··· ··· ··· ···


· · · ann

an1 an2
20 Elemente de algebră liniară

linia k cu linia i.

Teorema 1.26 Matricea


 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
A=  ∈ Mn×n (K)
 
 ··· ··· ··· ··· 
an1 an2 · · · ann

este inversabilă dacă şi numai dacă det A 6= 0 şi inversa ei este

(−1)1+1 A11 (−1)2+1 A21 · · · (−1)n+1 An1


 
 
(−1)1+2 A12 (−1)2+2 A22 · · · (−1)n+2 An2 
 
−1 1 
A = (1.6)
 
 
detA 
 ··· ··· ··· ··· 

 
(−1)1+n A1n (−1)2+n A2n · · · (−1)n+n Ann

notaţiile fiind cele din propoziţiile anterioare.

Demonstraţie. Afirmaţia rezultă din propoziţia anterioară.

Observaţia 1.12 Sistemul de n ecuaţii liniare cu n necunoscute




 a11 x1 + a12 x2 + · · · + a1n xn = b1

 a x + a x + ··· + a x = b
21 1 22 2 2n n 2

 ....................................................


an1 x1 + an2 x2 + · · · + ann xn = bn

se poate scrie sub forma


Ax = b

dacă se utilizează notaţiile


   
x1 b1
 
a11 a12 · · · a1n
 a21 a22 · · · a2n  
 x2 


 b2 

A= , x= , b= .
 
··· ··· ··· ··· .. ..
. .
     
   
an1 an2 · · · ann xn bn
Matrice şi determinanţi 21

Teorema 1.27 (Cramer) Dacă




a11 a12 · · · a1n

a21 a22 · · · a2n
6= 0

··· ··· ··· ···



an1 an2 · · · ann

atunci sistemul 

 a11 x1 + a12 x2 + · · · + a1n xn = b1

 a x + a x + ··· + a x = b
21 1 22 2 2n n 2
 ....................................................



an1 x1 + an2 x2 + · · · + ann xn = bn
are soluţia unică


b1 a12 ··· a1n


a11 a12 ··· b1


b2 a22 ··· a2n


a21 a22 ··· b2

··· ··· ··· ··· ··· ··· ··· ···



bn an2 ··· ann an1 an2 ··· bn
x1 =
, ··· xn =
.
a11 a12 ··· a1n
a11 a12 ··· a1n


a21 a22 ··· a2n


a21 a22 ··· a2n

··· ··· ··· ··· ··· ··· ··· ···



an1 an2 ··· ann an1 an2 ··· ann

Demonstraţie. Scriind sistemul sub forma matriceală

Ax = b

rezultă ca el are soluţia


x = A−1 b.

Din relaţiile (1.4) şi (1.6) rezultă



b1
a12 · · · a1n

1 n j+1 A = 1 b2
a22 · · · a2n
, ··· ,
P
x1 = detA j=1 bj (−1)

j1 detA · · · ··· ··· ···

bn an2 · · · ann

a11
a12 · · · b1

1 Pn j+n 1 a21
a22 · · · b2
xn = detA j=1 bj (−1) Ajn = detA .

··· ··· ··· ···

an1 an2 · · · bn
22 Elemente de algebră liniară

Exerciţiul 1.2 Să se verifice prin calcul direct că ı̂n cazul a două matrice
! !
a11 a12 b11 b12
A= , B=
a21 a22 b21 b22
avem
det(AB) = detA · detB.
Observaţia 1.13 Se poate arăta că relaţia det(AB) = detA · detB are loc oricare ar
fi matricele A şi B de acelaşi ordin. În particular, ı̂n cazul unei matrice inversabile
1
det A−1 = .
det A
Definiţia 1.28 Fie K unul dintre corpurile R, C şi fie matricea
 
a11 a12 · · · a1m
 a21 a22 · · · a2m 
A=  ∈ Mn×m (K).
 
 ··· ··· ··· ··· 
an1 an2 · · · anm

Prin minor de ordin k al lui A se ı̂nţelege un determinant de forma




ai1 j1 ai1 j2 · · · ai1 jk


ai2 j1 ai2 j2 · · · ai2 jk

··· ··· ··· ···



aik j1 a ik j2 · · · a ik jk

unde
1 ≤ i1 < i2 < ... < ik ≤ n si 1 ≤ j1 < j2 < ... < jk ≤ m.

Definiţia 1.29 Spunem că matricea A ∈ Mn×m (K) are rangul r şi scriem

rang A = r

dacă A are un minor de ordinul r nenul şi toţi minorii de ordin mai mare sunt nuli.

Propoziţia 1.30 Matricea A ∈ Mn×m (K) are rangul r dacă are un minor de
ordinul r nenul şi toţi minorii de ordin r + 1 sunt nuli.

Demonstraţie. Conform relaţiei (1.4), orice minor de ordinul r + 2 (sau mai mare)
se poate exprima ca o combinaţie liniară de minori de ordinul r + 1.
Capitolul 2

Spaţii vectoriale

2.1 Definiţie şi exemple


Definiţia 2.1 Fie K unul dintre corpurile R sau C. Un spaţiu vectorial peste K
este un triplet (V, +, ·) format dintr-o mulţime V şi două operaţii

+ : V × V −→ V : (x, y) 7→ x+y (adunarea)


· : K × V −→ V : (α, x) 7→ αx (inmultirea cu scalari)

astfel ı̂ncât sunt satisfăcute următoarele condiţii:

1. (x + y) + z = x + (y + z), ∀x, y, z ∈ V

2. există un element 0 ∈ V astfel ı̂ncât 0 + x = x + 0 = x, ∀x ∈ V

3. pentru fiecare x ∈ V există −x ∈ V astfel ı̂ncât x + (−x) = (−x) + x = 0

4. x + y = y + x, ∀x, y ∈ V

5. α(x + y) = αx + αy, ∀α ∈ K, ∀x, y ∈ V

6. (α + β)x = αx + βx, ∀α, β ∈ K, ∀x ∈ V

7. α(βx) = (αβ)x, ∀α, β ∈ K, ∀x ∈ V

8. 1x = x, x∈V

23
24 Elemente de algebră liniară

Elementele lui V se numesc vectori iar elementele lui K se numesc scalari. Un spaţiu
vectorial peste R este numit spatiu vectorial real iar un spaţiu vectorial peste C este
numit spaţiu vectorial complex. In loc de x + (−y) scriem x − y.

Propoziţia 2.2 Dacă V este un spaţiu vectorial atunci:

a) αx = 0 ⇐⇒ α = 0 sau x = 0

b) α(−x) = (−α)x = −αx

c) α(x − y) = αx − αy

d) (α − β)x = αx − βx.

Demonstraţie. a) )
αx = 0 1
=⇒ x = 0=0
α 6= 0 α
0x = (0 + 0)x = 0x + 0x =⇒ 0x = 0
α(0 + 0) = α0 + α0 =⇒ α0 = 0.
b)
0 = α0 = α(x + (−x)) = αx + α(−x) =⇒ α(−x) = −αx
0 = 0x = (α + (−α))x = αx + (−α)x =⇒ (−α)x = −αx.
c)
α(x − y) = α(x + (−y)) = αx + α(−y) = αx − αy.
d)
(α − β)x = (α + (−β))x = αx + (−β)x = αx − βx.
Exemplul 2.1 (R3 , +, ·), unde

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

α(x1 , x2 , x3 ) = (αx1 , αx2 , αx3 )

este un spaţiu vectorial real.

Exemplul 2.2 Mulţimea


( ! )
x11 x12 x13
M2×3 (R) = xij ∈ R

x21 x22 x23
Spaţii vectoriale 25

are o structură de spaţiu vectorial real definită prin


! ! !
x11 x12 x13 y11 y12 y13 x11 + y11 x12 + y12 x13 + y13
+ =
x21 x22 x23 y21 y22 y23 x21 + y21 x22 + y22 x23 + y23
! !
x11 x12 x13 αx11 αx12 αx13
α = .
x21 x22 x23 αx21 αx22 αx23

Exemplul 2.3 Mulţimea F(R, C) a tuturor funcţiilor ϕ : R −→ C are o structură


de spaţiu vectorial complex definită de

(ϕ + ψ)(x) = ϕ(x) + ψ(x)


(α ϕ)(x) = α ϕ(x), ∀α ∈ C.

Exemplul 2.4 R are o structura de spaţiu vectorial real ı̂n raport cu adunarea şi
ı̂nmulţirea uzuală.

Exemplul 2.5 (C, +, ·), unde

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


α(x + yi) = αx + αyi, ∀α ∈ R

este un spaţiu vectorial real.

Exemplul 2.6 C are o structura de spaţiu vectorial complex ı̂n raport cu adunarea
şi ı̂nmulţirea numerelor complexe.

2.2 Subspaţii vectoriale

Definiţia 2.3 Fie V un spaţiu vectorial peste K. Prin subspaţiu vectorial al lui
V se inţelege orice submulţime W ⊆ V cu proprietatea
)
x, y ∈ W
=⇒ αx + βy ∈ W. (2.1)
α, β ∈ K
26 Elemente de algebră liniară

Propoziţia 2.4 Submulţimea W ⊆ V este subspaţiu vectorial dacă şi numai dacă
următoarele condiţii sunt ı̂ndeplinite:
)
x∈W
a) =⇒ x + y ∈ W (2.2)
y∈W
)
x∈W
b) =⇒ αx ∈ W. (2.3)
α∈K

Demonstraţie. (2.1) ⇒ (2.2): Alegem α = β = 1.


(2.1) ⇒ (2.3): Alegem β = 0.
(2.2) & (2.3) ⇒ (2.1):
) )
x, y ∈ W (2.3) αx ∈ W (2.2)
=⇒ =⇒ αx + βy ∈ W.
α, β ∈ K βy ∈ W

Observaţia 2.1 Orice subspaţiu W ⊆ V are o structura de spaţiu vectorial, operaţiile


fiind cele induse din V .

Exemplul 2.7 W = {x = (x1 , x2 , x3 ) ∈ R3 | x1 + x2 + x3 = 0 } este un subspaţiu


vectorial al spaţiului V = R3 .
Verificare. Fie x = (x1 , x2 , x3 ) ∈ W , y = (y1 , y2 , y3 ) ∈ W şi α, β ∈ R. Avem
)
x ∈ W =⇒ x1 + x2 + x3 = 0
=⇒ αx1 + βy1 + αx2 + βy2 + αx3 + βy3 = 0
y ∈ W =⇒ y1 + y2 + y3 = 0

ceea ce arată că αx + βy = (αx1 + βy1 , αx2 + βy2 , αx3 + βy3 ) ∈ W.


( )
x + 2x − x = 0
1 2 3
Exemplul 2.8 W = x = (x1 , x2 , x3 ) ∈ R3 este un subspaţiu
x1 − x2 + x3 = 0

vectorial al spaţiului V = R3 .
Exemplul 2.9 Mulţimea soluţiilor unui sistem liniar omogen
 



a11 x1 + a12 x2 + a1n xn = 0 

 

n a21 x1 + a22 x2 + a2n xn = 0 
W = x = (x1 , x2 , ..., xn ) ∈ R

 ............................ 

 
 ak1 x1 + ak2 x2 + akn xn = 0 

este un subspaţiu vectorial al spaţiului V = Rn .


Spaţii vectoriale 27

Exemplul 2.10 R ≡ {x = x + 0i | x ∈ R } ⊂ C este un subspaţiu vectorial al


spaţiului C considerat ca spaţiu vectorial real.
Exemplul 2.11 W = { f : R −→ R | f derivabila } este un subspaţiu vectorial al
spaţiului V = { f : R −→ R | f continua }.
Exemplul 2.12 Mulţimea matricelor simetrice
n o
W = A ∈ M3×3 (R) | At = A

este un subspaţiu vectorial al spaţiului


   

 a11 a12 a13 

M3×3 (R) = A =  a21 a22 a23  aij ∈ R
 
 
 a31 a32 a33 

al tuturor matricelor cu trei linii şi trei coloane.

2.3 Subspaţiul generat de o mulţime de vectori

Propoziţia 2.5 Dacă V este un spaţiu vectorial peste corpul K şi

M = {v1 , v2 , ..., vn } ⊂ V

este o submulţime a lui V atunci

hM i = { α1 v1 + α2 v2 + ... + αn vn | α1 , α2 , ..., αn ∈ K }

este un subspaţiu vectorial al lui V .

Demonstraţie. Oricare ar fi λ, µ ∈ K şi

x = α1 v1 + α2 v2 + ... + αn vn ∈ hM i,
y = β1 v1 + β2 v2 + ... + βn vn ∈ hM i
avem

λx + µy = (λα1 + µβ1 )v1 + (λα2 + µβ2 )v2 + (λαn + µβn )vn ∈ hM i.


28 Elemente de algebră liniară

Definiţia 2.6 Fie V un spaţiu vectorial peste K şi fie M = {v1 , v2 , ..., vn } ⊂ V .
Subspaţiul vectorial

hM i = { α1 v1 + α2 v2 + ... + αn vn | α1 , α2 , ..., αn ∈ K }

se numeşte subspaţiul generat de M şi se mai notează cu span{v1 , v2 , ..., vn } sau


hv1 , v2 , ..., vn i, adică

hv1 , v2 , ..., vn i = { α1 v1 + α2 v2 + ... + αn vn | α1 , α2 , ..., αn ∈ K }.

Definiţia 2.7 Spunem că {v1 , v2 , ..., vn } este un sistem de generatori pentru V
dacă
V = hv1 , v2 , ..., vn i.

Exemplul 2.13 Vectorii v1 = (1, 1) şi v2 = (1, −1) formează un sistem de generatori
pentru spaţiul vectorial R2 .
Verificare. Avem de aratat că R2 = span{v1 , v2 } adică

R2 = {α1 (1, 1) + α2 (1, −1) | α1 , α2 ∈ R}.

Evident, {α1 (1, 1) + α2 (1, −1) | α1 , α2 ∈ R} ⊆ R2 . Rămâne de arătat incluziunea


inversă. Fie x = (x1 , x2 ) ∈ R2 . Avem de arătat că există α1 , α2 ∈ R ı̂ncât

x = α1 v1 + α2 v2

adică
(x1 , x2 ) = α1 (1, 1) + α2 (1, −1)
ceea ce este echivalent cu

(x1 , x2 ) = (α1 + α2 , α1 − α2 ).

Această relaţie se mai poate scrie


(
α1 + α2 = x1
α1 − α2 = x2

şi conduce la
x1 + x2 x1 − x2
α1 = , α2 = .
2 2
Spaţii vectoriale 29

Exerciţiul 2.14 Să se arate că ı̂n R3 avem

span{(1, 2, 3), (−1, 1, 0)} = span{(1, 2, 3), (−1, 1, 0), (0, 3, 3)}.

Indicaţie. Avem (0, 3, 3) = (1, 2, 3) + (−1, 1, 0).

Propoziţia 2.8 Dacă {v1 , v2 , ..., vn } este un sistem de generatori pentru V astfel
ı̂ncât există k ∈ {1, 2, ..., n} cu
X
vk = λ i vi
i6=k

atunci {v1 , v2 , ..., vn }\{vk } este sistem de generatori pentru V .

Demonstraţie. Orice vector x ∈ V este o combinaţie liniară de v1 , v2 , ..., vn . Dar


n
X X X X
x= αi vi =⇒ x = αi vi + αk λ i vi = (αi + αk λi )vi .
i=1 i6=k i6=k i6=k

Definiţia 2.9 Spunem că spaţiul vectorial V este finit generat dacă admite un
sistem de generatori finit.

Convenţie. Dacă nu se menţionează contrariul, spaţiile vectoriale considerate ı̂n


continuare vor fi presupuse finit generate.

2.4 Dependenţă şi independenţă liniară

Propoziţia 2.10 Fie V un spaţiu vectorial peste K şi v1 , v2 , ..., vn vectori aparţinând
lui V . Următoarele afirmaţii sunt echivalente:

a) Nici unul dintre vectorii v1 , v2 , ..., vn nu se poate scrie ca o combinaţie liniară


de ceilalţi vectori

b) relaţia
α1 v1 + α2 v2 + · · · + αn vn = 0

este posibilă numai dacă


α1 = α2 = · · · = αn = 0
30 Elemente de algebră liniară

adică
α1 v1 + α2 v2 + · · · + αn vn = 0 =⇒ α1 = α2 = · · · = αn = 0.

Demonstraţie. a)⇒b) Prin reducere la absurd, presupunând, de exemplu, ca relaţia


α1 v1 + α2 v2 + · · · + αn vn = 0 este posibilă şi pentru αn 6= 0 se obţine
α1 α2 αn−1
vn = − v1 − v2 − · · · − vn−1 .
αn αn αn

b)⇒a) Dacă, de exemplu, am avea vn = β1 v1 + β2 v2 + · · · + βn−1 vn−1 atunci

β1 v1 + β2 v2 + · · · + βn−1 vn−1 − vn = 0

adică relaţia α1 v1 + α2 v2 + · · · + αn vn = 0 ar fi posibilă şi ı̂n alte cazuri decât


α1 = α2 = · · · = αn = 0.

Definiţia 2.11 Spunem că {v1 , v2 , ..., vn } este un sistem de vectori liniar independenţi
dacă
α1 v1 + α2 v2 + · · · + αn vn = 0 =⇒ α1 = α2 = · · · = αn = 0.

Observaţia 2.2 In cazul unui sistem de vectori liniar independenţi nici unul dintre
vectori nu se poate scrie ca o combinaţie liniară de ceilalţi vectori.

Exerciţiul 2.15 Să se arate că vectorii v1 = (1, 2) şi v2 = (−1, 3) din R2 sunt liniar
independenţi.

Rezolvare. Fie α1 v1 + α2 v2 = 0, adică

α1 (1, 2) + α2 (−1, 3) = (0, 0)


(α1 , 2α1 ) + (−α2 , 3α2 ) = (0, 0)
(α1 − α2 , 2α1 + 3α2 ) = (0, 0).

Ultima relaţie este echivalenta cu sistemul


(
α1 − α2 = 0
2α1 + 3α2 = 0

care conduce la α1 = α2 = 0.
Spaţii vectoriale 31

Exerciţiul 2.16 Un sistem de vectori liniar independenţi nu poate conţine vectorul


nul.

Rezolvare. Admiţând că {v1 , v2 , ..., vn } este un sistem de vectori liniar independenţi
si că vn = 0 avem
0v1 + 0v2 + · · · + 0vn−1 + 1vn = 0.

Observaţia 2.3 Orice subsistem al unui sistem de vectori liniar independenţi este
un sistem de vectori liniar independenţi.

Propoziţia 2.12 Dacă {v1 , v2 , ..., vn } este un sistem de vectori astfel incât nici unul
dintre ei nu este combinaţie liniară de cei scrişi ı̂n faţa lui atunci {v1 , v2 , ..., vn } este
un sistem de vectori liniar independenţi.

Demonstraţie. Fie
α1 v1 + α2 v2 + · · · + αn vn = 0. (2.4)

Trebuie ca αn = 0 deoarece ı̂n caz contrar


α1 α2 αn−1
vn = − v1 − v2 − · · · − vn−1 .
αn αn αn

adică vn este combinaţie liniară de vectorii scrişi ı̂n faţa lui. Având ı̂n vedere că
0vn = 0, relaţia (2.4) se mai scrie

α1 v1 + α2 v2 + · · · + αn−1 vn−1 = 0.

La fel ca mai sus se arată că αn−1 = 0, apoi αn−2 = 0, ... , α1 = 0.

Observaţia 2.4 Din orice sistem de generatori ai unui spaţiu vectorial V se poate
obţine un sistem de generatori liniar independenţi eliminând succesiv vectorii care
se pot scrie ca o combinaţie liniară de vectorii aflaţi ı̂naintea lor. Mai exact, plecăm
de la sistemul de generatori {v1 , v2 , ..., vn } şi aplicăm următoarele operaţii sistemului
rezultat ı̂n etapa anterioară:

a) eliminăm primul vector dacă acesta este nul

b) eliminăm al doilea vector dacă acesta se obţine din primul prin ı̂nmulţirea cu
un scalar
32 Elemente de algebră liniară

c) eliminăm al treilea vector dacă acesta este combinaţie liniară de primii doi

d) eliminăm al patrulea vector dacă acesta este combinaţie liniară de vectorii


precedenţi, etc.

Exerciţiul 2.17 Să se obţină un sistem liniar independent plecând de la sistemul


de vectori {v1 , v2 , v3 , v4 , v5 } ⊂ R4 , unde v1 = (0, 0, 0, 0), v2 = (1, 0, −1, 1), v3 =
(2, 0, −2, 2), v4 = (1, 1, 1, 1), v5 = (2, 1, 0, 2).

Răspuns. {v2 , v4 }.

2.5 Bază şi dimensiune

Definiţia 2.13 Prin bază a unui spaţiu vectorial se inţelege un sistem de generatori
format din vectori liniar independenţi.

Observaţia 2.5 Pentru a arăta că un sistem de vectori B = {e1 , e2 , ..., en } este bază
lui V avem de arătat că:
a) V = he1 , e2 , ..., en i

b) α1 e1 + α2 e2 + · · · + αn en = 0 =⇒ α1 = α2 = · · · = αn = 0.

Exerciţiul 2.18 Să se arate că B = {e1 = (1, 0), e2 = (0, 1)} este bază a spaţiului
vectorial R2 .

Rezolvare. B este sistem de generatori: oricare ar fi (x1 , x2 ) din R2 avem

(x1 , x2 ) = x1 e1 + x2 e2 .

B este sistem de vectori liniar independenţi: din relaţia

α1 e 1 + α2 e 2 = 0

rezultă
α1 (1, 0) + α2 (0, 1) = (0, 0)
Spaţii vectoriale 33

adică
(α1 , α2 ) = (0, 0)
ceea ce conduce la α1 = α2 = 0.

Propoziţia 2.14 Dacă B = {e1 , e2 , ..., en } este bază lui V atunci orice vector x ∈ V
se poate scrie ı̂n mod unic sub forma

x = α1 e1 + α2 e2 + · · · + αn en .

Demonstraţie. B fiind sistem de generatori rezultă că există scalarii α1 , α2 , ..., αn ∈


K ı̂ncât x = α1 e1 + α2 e2 + · · · + αn en . Presupunând că ar mai exista reprezentarea

x = β1 e1 + β2 e2 + · · · + βn en

ar rezulta că

α1 e1 + α2 e2 + · · · + αn en = β1 e1 + β2 e2 + · · · + βn en

adică
(α1 − β1 )e1 + (α2 − β2 )e2 + · · · + (αn − βn )en = 0.
Deoarece B este sistem de vectori liniar independenţi, din această relaţie rezultă că
α1 − β1 = 0, α2 − β2 = 0, ... , αn − βn = 0, adică α1 = β1 , α2 = β2 , ... , αn = βn .

Definiţia 2.15 Fie B = {e1 , e2 , ..., en } o bază a spaţiului vectorial V şi x ∈ V .


Numerele unic determinate α1 , α2 , ... , αn din dezvoltarea

x = α1 e1 + α2 e2 + · · · + αn en

se numesc coordonatele lui x in raport cu baza B.

Propoziţia 2.16 Dacă V este un spaţiu vectorial,

M = {v1 , v2 , ..., vn }

este un sistem de vectori liniar independenţi şi

S = {w1 , w2 , ..., wk }

este un sistem de generatori ai lui V atunci


34 Elemente de algebră liniară

a) n ≤ k

b) sistemul de vectori M se poate completa pâna la o bază a lui V adăugând


vectori din S.

Demonstraţie. a) Vectorul vn este nenul deoarece sistemul de vectori liniar independenţi


M nu poate conţine vectorul nul. Acest vector este o combinaţie liniară de w1 , w2 , ..., wk .
Deoarece cel puţin unul dintre coeficienţii acestei combinaţii liniare este nenul, din
sistemul de generatori {vn , w1 , w2 , ..., wk } se poate elimina un vector astfel incât el
să rămână ı̂n continuare sistem de generatori. Vom elimina primul vector care este
combinaţie liniară de cei aflaţi ı̂naintea lui. Vectorul eliminat este unul dintre vec-
torii w1 , w2 , ..., wk şi-l notăm cu wi1 . Considerăm ı̂n continuare sistemul de vectori
liniar independenţi
M1 = {v1 , v2 , ..., vn−1 }
sistemul de generatori

S1 = {vn , w1 , w2 , ..., wk }\{wi1 }

şi facem aceleaşi operaţii, adică luăm vn−1 din M1 , ı̂l adăugăm la S1 şi eliminăm
primul vector wi2 care este combinaţie liniară de cei aflaţi ı̂n faţa lui. Rezultă astfel
sistemul de vectori liniar independenţi

M2 = {v1 , v2 , ..., vn−2 }

şi sistemul de generatori

S2 = {vn−1 , vn , w1 , w2 , ..., wk }\{wi1 , wi2 }.

Procesul poate fi continuat până introducem toţi vectorii sistemului de vectori liniar
independenţi M ı̂n sistemul de generatori, ceea ce arată că n ≤ k.
b) După introducerea tuturor vectorilor din M ı̂n sistemul de generatori se obţine
un sistem de generatori

Sn = {v1 , v2 , ..., vn , w1 , w2 , ..., wk }\{wi1 , wi2 , ..., win }.

Eliminând vectorii care sunt combinaţii liniare de cei aflaţi ı̂n faţa lor rezultă o bază
care conţine vectorii din M.
Spaţii vectoriale 35

Teorema 2.17 Oricare două baze ale unui spaţiu vectorial au acelaşi număr de
vectori.
Demonstraţie. Fie

B = {e1 , e2 , ..., en }, B 0 = {e01 , e02 , ..., e0k }

două baze ale lui V . Fiecare dintre ele este atât sistem de vectori liniar independenţi
cât şi sistem de generatori pentru V . Conform propoziţiei precedente trebuie sa avem
simultan n ≤ k şi k ≤ n.
Definiţia 2.18 Spunem că spaţiul vectorial V are dimensiune n şi scriem

dim V = n

dacă V admite o bază formată din n vectori.


Notaţie. Pentru a indica corpul peste care este considerat V , in loc de dim V vom
scrie uneori dimK V .

Exerciţiul 2.19 Să se arate că


a) dimR R2 = 2
b) dimR {(x1 , x2 , x3 ) ∈ R3 | x1 + x2 + x3 = 0 } = 2
c) dimR C = 2
d) dimC C = 1.

Rezolvare. a) {e1 = (1, 0), e2 = (0, 1)} este bază a lui R2 .


b) Relaţia
{(x1 , x2 , x3 ) ∈ R3 | x1 + x2 + x3 = 0 } = {(x1 , x2 , −x1 − x2 ) | x1 , x2 ∈ R}

= {x1 (1, 0, −1) + x2 (0, 1, −1) | x1 , x2 ∈ R}


arată că {(1, 0, −1), (0, 1, −1)} este sistem de generatori. Deoarece relaţia

x1 (1, 0, −1) + x2 (0, 1, −1) = (0, 0, 0)

conduce la x1 = x2 = 0, sistemul de generatori {(1, 0, −1), (0, 1, −1)} este un sistem


de vectori liniar independenţi şi deci o bază.
c) C = {x + yi | x, y ∈ R } considerat ca spaţiu vectorial real admite baza {1, i}.
d) O bază a lui C peste C este B = {1}.
36 Elemente de algebră liniară

Propoziţia 2.19 Pe orice spaţiu vectorial complex V se obţine o structură naturală


de spaţiu vectorial real prin restricţia scalarilor şi

dimR V = 2 dimC V.

Demonstraţie. Fie {v1 , v2 , ..., vn } o bază a spaţiului vectorial complex V . Oricare ar


fi x ∈ V există numerele complexe α1 + β1 i, α2 + β2 i, ... , αn + βn i astfel ı̂ncât

x = (α1 + β1 i)v1 + (α2 + β2 i)v2 + · · · + (αn + βn i)vn .

Scriind această relaţie sub forma

x = α1 v1 + β1 iv1 + α2 v2 + β2 iv2 + · · · + αn vn + βn ivn

deducem că
B = { v1 , iv1 , v2 , iv2 , ... , vn , ivn }

este sistem de generatori pentru spaţiul vectorial real V . Arătăm că vectorii care
formează sistemul B sunt liniar independenţi peste R. Relaţia

α1 v1 + β1 iv1 + α2 v2 + β2 iv2 + · · · + αn vn + βn ivn = 0

se poate scrie

(α1 + β1 i)v1 + (α2 + β2 i)v2 + · · · + (αn + βn i)vn = 0

şi conduce la α1 + β1 i = α2 + β2 i = · · · = αn + βn i = 0, adică la

α1 = β1 = α2 = β2 = · · · = αn = βn = 0.

Propoziţia 2.20 Dacă V este un spaţiu vectorial real atunci spaţiul

V × V = { (x1 , x2 ) | x1 , x2 ∈ V }

considerat ı̂mpreună cu adunarea pe componente

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


Spaţii vectoriale 37

şi ı̂nmulţirea cu numere complexe

(α + βi)(x1 , x2 ) = (αx1 − βx2 , αx2 + βx1 )

este un spaţiu vectorial complex notat cu C V (numit complexificatul lui V ) şi

dimC C V = dimR V.

Demonstraţie. Fie {v1 , v2 , ..., vn } o bază a spaţiului vectorial real V . Arătăm că

B = { (v1 , 0), (v2 , 0), ... , (vn , 0) }

este bază a spaţiului vectorial complex C V . Oricare ar fi x1 , x2 ∈ V există numerele


reale α1 , α2 , ... , αn şi β1 , β2 , ... , βn astfel ı̂ncât

x1 = α1 v1 + α2 v2 + · · · + αn vn , x2 = β1 v1 + β2 v2 + · · · + βn vn .

Deoarece i(vj , 0) = (0, vj ) avem

(x1 , x2 ) = (α1 v1 + α2 v2 + · · · + αn vn , 0) + (0, β1 v1 + β2 v2 + · · · + βn vn )

= (α1 + β1 i)(v1 , 0) + (α2 + β2 i)(v2 , 0) + · · · + (αn + βn i)(vn , 0).

Dacă

(α1 + β1 i)(v1 , 0) + (α2 + β2 i)(v2 , 0) + · · · + (αn + βn i)(vn , 0) = (0, 0)

atunci
(α1 v1 + α2 v2 + · · · + αn vn , β1 v1 + β2 v2 + · · · + βn vn ) = 0
ceea ce conduce la α1 = α2 = · · · = αn = 0 şi β1 = β2 = · · · = βn = 0.

Observaţia 2.6 Scriind x1 + x2 i ı̂n loc de (x1 , x2 ) obţinem


C
V = { x1 + x2 i | x1 , x2 ∈ V }

şi ı̂nmulţirea cu scalari

(α + βi)(x1 + x2 i) = (αx1 − βx2 ) + (αx2 + βx1 )i

coincide formal cu ı̂nmulţirea uzuală a numerelor complexe.


38 Elemente de algebră liniară

Teorema 2.21 (Kronecker) Dacă


 
a11 a12 · · · a1m
 a21 a22 · · · a2m 
A=  ∈ Mn×m (K)
 
 ··· ··· ··· ··· 
an1 an2 · · · anm
şi
 
a1j

j
 a2j 

Ai = (ai1 ai2 ... aim ) ∈ M1×m (K), A = ..  ∈ Mn×1 (K)
.
 
 
anj
atunci
rang A = dimhA1 , A2 , ..., An i = dimhA1 , A2 , ..., Am i.
Demonstraţie. Fie r = rang A. Deoarece rangul lui A nu se schimbă prin permutarea
liniilor (sau coloanelor) putem presupune că


a11 a12 ··· a1r

a21 a22 ··· a2r
d= 6= 0.

··· ··· ··· ···

ar1 ar2 ··· arr

Arătăm că {A1 , A2 , ..., Ar } este sistem liniar independent şi că matricele Ar+1 ,...,Am
din Mn×1 (K) sunt combinaţii liniare de A1 , A2 , ... , Ar . Din relaţia

α1 A1 + α2 A2 + · · · + αr Ar = 0

rezultă că 

 a11 α1 + a12 α2 + · · · + a1r αr = 0

 a α + a α + ··· + a α = 0
21 1 22 2 2r r

 ..................................................


ar1 α1 + ar2 α2 + · · · + arr αr = 0
Acesta este un sistem Cramer cu soluţia α1 = α2 = · · · = αr = 0. Oricare ar fi
i ∈ {1, 2, ..., n} şi j ∈ {1, 2, ..., m} avem


a11 a12 ··· a1r a1j

a21 a22 ··· a2r a2j
··· ··· ··· · · · · · · = 0.


···


ar1 ar2 arr arj
ai1 ai2 ··· air aij
Spaţii vectoriale 39

Dezvoltând acest determinant după ultima linie obţinem relaţia

(−1)i+1 ai1 λ1 + (−1)i+2 ai2 λ2 + · · · + (−1)i+r air λr + (−1)i+r+1 aij d = 0

unde


a12 ··· a1r a1j
a11 · · · a1r−1 a1j
a22 ··· a2r a2j a21 · · · a2r−1 a2j
λ1 = , ··· λr =

··· ··· ··· ··· ··· ··· ··· ···



ar2 ··· arr arj ar1 · · · arr−1 arj

nu depind de i. Rezultă

λ1 λ2 λr
aij = −(−1)i+1 ai1 − (−1)i+2 ai2 − · · · − (−1)i+r air
d d d
oricare ar fi i ∈ {1, 2, ..., n}, adică

λ1 1 λ2 λr
Aj = −(−1)i+1 A − (−1)i+2 A2 − · · · − (−1)i+r Ar .
d d d

Am arătat astfel că dimhA1 , A2 , ..., Am i = rang A. Deoarece rang A = rang tA de-
ducem că dimhA1 , A2 , ..., An i = rang A.

Exerciţiul 2.20 Să se arate că vectorii

v1 = (v11 , v12 , v13 ), v2 = (v21 , v22 , v23 ), v3 = (v31 , v32 , v33 )

din R3 sunt liniar independenţi dacă şi numai dacă



v v12 v13
11
v21 v22 v23 6= 0.


v31 v32 v33

Teorema 2.22 Sistemul de ecuaţii liniare




 a11 x1 + a12 x2 + · · · + a1m xm = b1

 a x + a x + ··· + a x = b
21 1 22 2 2m m 2

 ....................................................


an1 x1 + an2 x2 + · · · + anm xm = bn
40 Elemente de algebră liniară

admite soluţie dacă şi numai dacă


   
a11 a12 · · · a1m a11 a12 · · · a1m b1
 a21 a22 · · · a2m   a21 a22 · · · a2m b2 
rang   = rang 
   
··· ··· ··· ··· ··· ··· ··· ··· ···

   
an1 an2 · · · anm an1 an2 · · · anm bn

(rangul matricei sistemului este egal cu rangul matricei extinse).

Demonstraţie. Afirmaţia rezultă din teorema anterioară ţinând seama de faptul că
sistemul considerat se mai poate scrie
       
a11 a12 a1m b1
 a21   a22   a2m   b2 
x1   + x2   + · · · + xm  = .
       
 ···   ···   ···   ··· 
an1 an2 anm bn

Observaţia 2.7 Fie




 a11 x1 + a12 x2 + · · · + a1m xm = b1

 a x + a x + ··· + a x = b
21 1 22 2 2m m 2

 ....................................................


an1 x1 + an2 x2 + · · · + anm xm = bn

un sistem de ecuaţii liniare compatibil (adică, care admite soluţie) şi fie r rangul ma-
tricei sistemului. Schimbând eventual ordinea ecuaţiilor şi indexarea necunoscutelor
putem presupune că
a11 a12 · · · a1r

21 a22 · · · a2r
a
6= 0.
··· ··· ··· ···


ar1 ar2 · · · arr

In cazul ı̂n care r < n este suficient să luăm ı̂n considerare doar primele r ecuaţii


 a11 x1 + a12 x2 + · · · + a1m xm = b1

 a x + a x + ··· + a x = b
21 1 22 2 2m m 2

 ....................................................


ar1 x1 + ar2 x2 + · · · + arm xm = br

(numite ecuaţii principale) deoarece restul de ecuaţii vor fi combinaţii liniare de


Spaţii vectoriale 41

acestea. Acesta poate fi privit ca un sistem Cramer




 a11 x1 + a12 x2 + · · · + a1r xr = b1 − a1r+1 xr+1 − · · · − a1m xm

 a x + a x + ··· + a x = b − a
21 1 22 2 2r r 2 2r+1 xr+1 − · · · − a2m xm
 ............................................................................



ar1 x1 + ar2 x2 + · · · + arr xr = br − arr+1 xr+1 − · · · − arm xm

cu necunoscutele x1 , x2 , ..., xr (numite necunoscute principale) considerând xr+1 ,


... , xm ca parametri care pot lua valori arbitrare. In cazul in care b1 = b2 =
· · · = bn = 0 (sistem omogen), spaţiul soluţiilor sistemului este un spaţiu vectorial
de dimensiune m − r.

Observaţia 2.8 Dacă

B = {e1 , e2 , ..., en }, B 0 = {e01 , e02 , ..., e0n }

sunt două baze ale lui V atunci fiecare vector e0i din baza “nouă” B 0 se poate scrie
ca o combinaţie liniară de vectorii bazei “vechi” B.

Definiţia 2.23 Fie

B = {e1 , e2 , ..., en }, B 0 = {e01 , e02 , ..., e0n }

două baze ale spaţiului V şi fie






e01 = α11 e1 + α21 e2 + · · · + αn1 en

 e0 = α e + α e + · · · + α e

2 12 1 22 2 n2 n
(2.5)
.................................................




 0

en = α1n e1 + α2n e2 + · · · + αnn en .

Matricea  
α11 α12 ... α1n
 α21 α22 ... α2n 
S=
 
... ... ... ...

 
αn1 αn2 ... αnn

se numeşte matricea de trecere de la baza B la baza B 0 .


42 Elemente de algebră liniară

Observaţia 2.9 Relaţiile (2.5) se pot scrie comprimat


n
e0i
X
= αji ej
j=1

şi orice vector x ∈ V poate fi dezvoltat ı̂n raport cu cele două baze
n n
x0i e0i .
X X
x= xj ej =
j=1 i=1

Propoziţia 2.24 In cazul schimbării de bază


Pn
e0i =

j=1 αji ej  n
αji x0i
X
Pn Pn =⇒ xj =
x= 0 0
j=1 xj ej = i=1 xi ei

i=1

Demonstraţie. Având ı̂n vedere că dezvoltarea ı̂n raport cu o bază este unică, din
n n n n n n
!
x0i e0i x0i αji x0i
X X X X X X
xj ej = = αji ej = ej
j=1 i=1 i=1 j=1 j=1 i=1
Pn 0
rezultă că xj = i=1 αji xi .

2.6 Sume de subspaţii

Propoziţia 2.25 a) Dacă W ⊆ V este subspaţiu vectorial atunci dim W ≤ dim V .


b) Dacă W ⊆ V este subspaţiu vectorial şi dim W = dim V atunci W = V .

Demonstraţie. a) Fie {v1 , v2 , ..., vn } bază ı̂n V şi {w1 , w2 , ..., wk } bază ı̂n W .
Deoarece {w1 , w2 , ..., wk } este sistem liniar independent ı̂n V şi {v1 , v2 , ..., vn } este
sistem de generatori rezultă că k ≤ n.
b) Orice bază a lui W poate fi extinsă pâna la o bază a lui V . Deoarece dim W =
dim V rezultă că orice bază a lui W este ı̂n acelaşi timp bază a lui V.

Propoziţia 2.26 Dacă W1 ⊆ V şi W2 ⊆ V sunt subspaţii vectoriale atunci

W = W1 ∩ W2

este subspaţiu vectorial al lui V .


Spaţii vectoriale 43

Demonstraţie. Avem

) x, y ∈ W1  )
x, y ∈ W  αx + βy ∈ W1
=⇒ x, y ∈ W2 =⇒ =⇒ αx + βy ∈ W.
α, β ∈ K αx + βy ∈ W2
α, β ∈ K

Observaţia 2.10 In general, reuniunea a două subspaţii vectoriale ale unui spaţiu
vectorial V nu este un subspaţiu vectorial. De exemplu,

W1 = {(x, 0) | x ∈ R} si W2 = {(0, y) | y ∈ R}

sunt subspaţii vectoriale ale lui R2 , dar W = W1 ∪ W2 nu este subspaţiu vectorial al


lui R2 . Intr-adevăr, (1, 0) ∈ W şi (0, 1) ∈ W dar (1, 0) + (0, 1) = (1, 1) 6∈ W .

Propoziţia 2.27 Dacă W1 ⊆ V şi W2 ⊆ V sunt subspaţii vectoriale atunci

W1 + W2 = {w1 + w2 | w1 ∈ W1 , w2 ∈ W2 }

este subspaţiu vectorial al lui V .

Demonstraţie. Avem

w1 + w2 ∈ W 1 + W 2


  α(w1 + w2 ) + β(w10 + w20 )
w10 + w20 ∈ W1 + W2 =⇒
 = (αw + βw0 ) + (αw + βw0 ) ∈ W + W .
α, β ∈ K

 1 1 2 2 1 2

Definiţia 2.28 Fie W1 , W2 două subspaţii vectoriale ale lui V . Subspaţiul vectorial

W1 + W2 = {w1 + w2 | w1 ∈ W1 , w2 ∈ W2 }

se numeşte suma subspaţiilor W1 şi W2 .

Exerciţiul 2.21 Să se arate că:


a) W1 = {(x, 0) | x ∈ R} este subspaţiu vectorial al lui R2 .
b) W1 = {(0, y) | y ∈ R} este subspaţiu vectorial al lui R2 .
c) W1 + W2 = R2 .

Teorema 2.29 (a dimensiunii) Dacă W1 şi W2 sunt subspaţii ale lui V atunci

dim (W1 + W2 ) = dim W1 + dim W2 − dim (W1 ∩ W2 ).


44 Elemente de algebră liniară

Demonstraţie. Fie
B0 = {u1 , u2 , ..., un }

o bază a spaţiului vectorial W1 ∩ W2 pe care o completăm până la o bază

B1 = {u1 , u2 , ..., un , v1 , v2 , ..., vk }

a spaţiului vectorial W1 şi până la o bază

B2 = {u1 , u2 , ..., un , w1 , w2 , ..., wm }

a spaţiului vectorial W2 , unde

n = dim (W1 ∩ W2 ), n + k = dim W1 , n + m = dim W2 .

Este suficient să arătăm că

B = {u1 , u2 , ..., un , v1 , v2 , ..., vk , w1 , w2 , ..., wm }

este o bază a lui W1 + W2 .


B este sistem de generatori. Orice vector de forma x1 + x2 cu x1 ∈ W1 si x2 ∈ W2
este o combinatie liniara de vectorii lui B.
B este sistem de vectori liniar independenţi. Relaţia

α1 u1 + ... + αn un + β1 v1 + ... + βk vk + γ1 w1 + ... + γm wm = 0 (2.6)

se poate scrie sub forma

α1 u1 + ... + αn un + β1 v1 + ... + βk vk = −γ1 w1 − ... − γm wm .

Egalitatea dintre vectorul α1 u1 + ... + αn un + β1 v1 + ... + βk vk aparţinând lui W1 si


vectorul −γ1 w1 − ... − γm wm aparţinând lui W2 este posibilă numai dacă −γ1 w1 −
... − γm wm ∈ W1 ∩ W2 , adică dacă există δ1 , δ2 , ..., δ1 ∈ K ı̂ncât

−γ1 w1 − γ2 w2 − ... − γm wm = δ1 u1 + δ2 u2 + ... + δn un .

Scriind ultima relaţie sub forma

δ1 u1 + δ2 u2 + ... + δn un + γ1 w1 + γ2 w2 + ... + γm wm = 0
Spaţii vectoriale 45

şi ţinând seama de faptul că B2 este bază ı̂n W2 rezultă

δ1 = δ2 = ... = δn = γ1 = γ2 = ... = γm = 0.

Relaţia (2.6) devine

α1 u1 + ... + αn un + β1 v1 + ... + βk vk = 0.

Tinând seama de faptul că B1 este bază ı̂n W1 obţinem

α1 = α2 = ... = αn = β1 = β2 = ... = βk = 0.

Prin urmare B este bază a lui W1 + W2 şi

dim(W1 + W2 ) = n + k + m = dim W1 + dim W2 − dim (W1 ∩ W2 ).

2.7 Sume directe

Definiţia 2.30 Fie W1 , W2 două subspaţii vectoriale ale unui spaţiu vectorial V .
Spunem că suma W1 + W2 este sumă directă si utilizăm notaţia W1 ⊕ W2 dacă
scrierea oricărui vector w ∈ W1 +W2 ca suma w = w1 +w2 dintre un vector w1 ∈ W1
şi un vector w2 ∈ W2 este unică.

Propoziţia 2.31 Fie W1 , W2 două subspaţii vectoriale ale unui spaţiu vectorial V .
Suma W1 + W2 este sumă directă dacă şi numai dacă

W1 ∩ W2 = {0}.

Demonstraţie. “=⇒” Dacă W1 ∩ W2 6= {0} atunci există x ∈ W1 ∩ W2 nenul care


admite reprezentările x = x + 0 şi x = 0 + x, ceea ce arată că suma nu este directă.
“⇐=” Fie subspaţiile W1 şi W2 cu W1 ∩ W2 = {0}. Dacă v ∈ W1 + W2 admite
reprezentările
v = w1 + w2 cu w1 ∈ W1 si w2 ∈ W2
v = w10 + w20 cu w10 ∈ W1 si w20 ∈ W2
46 Elemente de algebră liniară

atunci
w1 + w2 = w10 + w20 .
Scriind această relaţie sub forma

w1 − w10 = w2 − w20

din w1 − w10 ∈ W1 , w2 − w20 ∈ W2 şi W1 ∩ W2 = {0} deducem că w1 − w10 = 0,


w2 − w20 = 0, adică w1 = w10 şi w2 = w20 , ceea ce arată că suma este directă.

Exerciţiul 2.22 Să se arate că

R2 = {(x, 0) | x ∈ R} ⊕ {(0, y) | y ∈ R}.

Rezolvare. Avem
{(x, 0) | x ∈ R} + {(0, y) | y ∈ R} = R2
{(x, 0) | x ∈ R} ∩ {(0, y) | y ∈ R} = {(0, 0)}.

Exerciţiul 2.23 Să se arate că

R3 = {(x, y, 0) | x, y ∈ R} + {(x, 0, z) | x, z ∈ R}

dar suma nu este directă.

Rezolvare. Orice vector (α, β, γ) ∈ R3 admite reprezentarea

(α, β, γ) = (α, β, 0) + (0, 0, γ)

cu (α, β, 0) ∈ {(x, y, 0) | x, y ∈ R} şi (0, 0, γ) ∈ {(x, 0, z) | x, z ∈ R}, dar

{(x, y, 0) | x, y ∈ R} ∩ {(x, 0, z) | x, z ∈ R} = {(x, 0, 0) | x ∈ R}.

Exerciţiul 2.24 Să se arate că

R2 = {(α, α) | α ∈ R} ⊕ {(0, β) | β ∈ R}.

Rezolvare. Orice vector (x, y) ∈ R2 admite reprezentarea

(x, y) = (x, x) + (0, y − x)


Spaţii vectoriale 47

cu (x, x) ∈ {(α, α) | α ∈ R} şi (0, y − x) ∈ {(0, β) | β ∈ R}. În plus

{(α, α) | α ∈ R} ∩ {(0, β) | β ∈ R} = {(0, 0)}.

Exerciţiul 2.25 Să se arate că

M3×3 (R) = {A ∈ M3×3 (R) | At = A } ⊕ {A ∈ M3×3 (R) | At = −A }

unde At este transpusa matricei A.

Indicaţie. Orice matrice A ∈ M3×3 (R) admite reprezentarea


1 1
A = (A + At ) + (A − At )
2 2
cu (A + At )t = A + At şi (A − At )t = −(A − At ).

Propoziţia 2.32 Dacă V şi W sunt spaţii vectoriale peste acelaşi corp K atunci

V × W = { (x, y) | x ∈ V, y ∈ W }

considerat ı̂mpreună cu adunarea

(x, y) + (x0 , y 0 ) = (x + x0 , y + y 0 )

şi ı̂nmulţirea cu scalari


α(x, y) = (αx, αy)
este spaţiu vectorial, notat cu V ⊕ W (numit produsul direct al lui V cu W ) şi

dim(V ⊕ W ) = dim V + dim W.

Demonstraţie. Dacă {v1 , v2 , ..., vn } şi {w1 , w2 , ..., wk } sunt baze ı̂n V şi W atunci

{ (v1 , 0), (v2 , 0), ..., (vn , 0), (0, w1 ), (0, w2 ), ..., (0, wk ) }

este bază ı̂n V × W.

Observaţia 2.11 Spaţile V şi W pot fi identificate cu subspaţiile

{ (x, 0) | x ∈ V }, { (0, y) | y ∈ W }
48 Elemente de algebră liniară

ale lui V ⊕ W şi avem

{ (x, 0) | x ∈ V } ∩ { (0, y) | y ∈ W } = {(0, 0)}

{ (x, 0) | x ∈ V } + { (0, y) | y ∈ W } = V ⊕ W

ceea ce justifică notaţia V ⊕ W .

2.8 Spaţii factor

Definiţia 2.33 Prin relaţie de echivalenţă pe o mulţime M se ı̂nţelege o submulţime


R ⊆ M × M cu proprietăţile:
1) (x, x) ∈ R, ∀x ∈ M (reflexivitate)
2) (x, y) ∈ R =⇒ ) (y, x) ∈ R (simetrie)
(x, y) ∈ R
3) =⇒ (x, z) ∈ R (tranzitivitate)
(y, z) ∈ R
In loc de (x, y) ∈ R se preferă să se scrie x R y sau x ∼ y.

Definiţia 2.34 Prin partiţie a unei mulţimi M se ı̂nţelege o familie {Mi }i∈I de
submulţimi ale lui M cu proprietăţile:
1) Mi 6= ∅, ∀i ∈ I
2) Mi ∩ Mj = ∅, ∀i, j ∈ I cu i 6= j
S
3) i∈I Mi = M.

Propoziţia 2.35 a) Dacă ∼ este o relaţie de echivalenţă pe M atunci mulţimile


distincte de forma

x̂ = { y | y ∼ x } (clasa de echivalenta a lui x)

formează o partiţie a lui M (se notează cu M/∼ şi este numită mulţimea factor
corespunzătoare relaţiei ∼).
b) Invers, dacă {Mi }i∈I este o partiţie a lui M atunci relaţia ∼ definită prin

x∼y daca exista i ∈ I astf el incat x, y ∈ Mi

este o relaţie de echivalenţă pe M .


Spaţii vectoriale 49

Demonstraţie. a) Reunind toate clasele de echivalenţă obţinem mulţimea M şi x̂ 6= ∅


deoarece x ∈ x̂. In plus,
(
x∼y
x ∈ ŷ ∩ ẑ =⇒ =⇒ y∼z =⇒ ŷ = ẑ.
x∼z

b) Evident, relaţia ∼ este reflexivă şi simetrică. Dacă x ∼ y şi y ∼ z atunci există
i, j ∈ I astfel ı̂ncât x, y ∈ Mi şi y, z ∈ Mj . Mulţimile partiţiei fiind disjuncte rezultă
că Mi = Mj şi prin urmare x ∼ z.

Propoziţia 2.36 Dacă V este un spaţiu vectorial peste corpul K şi W ⊆ V este un
subspaţiu vectorial atunci relaţia

x∼y daca x−y ∈W

este o relaţie de echivalenţă pe V . Pe mulţimea factor V /∼ formată din toate clasele


de echivalenţă
x̂ = x + W = { x + y | y ∈ W }

relaţiile
x̂ + ŷ = xy,
c αx̂ = αx
c

definesc o structură de spaţiu vectorial (numit spaţiu factor şi notat cu V /W ).

Demonstraţie. Avem

x−x=0∈W =⇒ x∼x

x ∼ y =⇒ x − y ∈ W =⇒ y − x ∈ W =⇒ y ∼ x
) )
x∼y x−y ∈W
=⇒ =⇒ x − z = (x − y) + (y − z) ∈ W =⇒ x ∼ z.
y∼z y−z ∈W

Deoarece W + W = { x + y | x, y ∈ W } = W şi αW = { αx | x ∈ W } = W avem

(x + W ) + (y + W ) = x + y + W, α(x + W ) = αx + W

ceea ce arata că operaţiile cu clase de echivalenţa sunt bine definite (nu depind de
reprezentantul ales). Elementul neutru este 0̂ = 0 + W = W iar opusul lui x̂ este
−x̂ = −x
d = −x + W.
50 Elemente de algebră liniară

Exerciţiul 2.26 Descrieţi spaţiul vectorial factor R2 /W ı̂n cazul

W = { (x, 0) | x ∈ R }.

Rezolvare. In acest caz

(x, y) ∼ (x0 , y 0 ) ⇐⇒ (x, y) − (x0 , y 0 ) ∈ W ⇐⇒ y = y 0 .

Rezultă că
\
(x, y) = (x, y) + W = { (x0 , y) | x0 ∈ R }
şi prin urmare,
R2 /W = { (0,
\ y) | y ∈ R }.
Observaţia 2.12 Trecerea de la R2 la R2 /W se realizează “ignorând” coordonata
x, adică identificând vectorii (x, y) din R2 cu acelaşi y.
Teorema 2.37 Dacă W este subspaţiu vectorial al lui V atunci

dim V /W = dim V − dim W.

Demonstraţie. Fie {v1 , v2 , ..., vk } o bază a lui W pe care o completăm până la o


bază {v1 , v2 , ..., vk , vk+1 , ..., vn } a lui V . Arătăm că {v̂k+1 , v̂k+2 , ... , v̂n } este bază a
lui V /W . Dacă

x = α1 v1 + ... + αk vk + αk+1 vk+1 + ... + αn vn ∈ V

atunci

x̂ = α1 v̂1 + ... + αk v̂k + αk=1 v̂k+1 + ... + αn v̂n = αk+1 v̂k+1 + ... + αn v̂n .

Pe de altă parte dacă

αk+1 v̂k+1 + αk+2 v̂k+2 + ... + αn v̂n = 0

atunci
αk+1 vk+1 + αk+2 vk+2 + ... + αn vn ∈ W
şi deci există α1 , α2 , ... , αk ∈ K astfel ı̂ncât

αk+1 vk+1 + αk+2 vk+2 + ... + αn vn = α1 v1 + α2 v2 + ... + αk vk

relaţie care conduce la αk+1 = αk+2 = ... = αn = 0.


Capitolul 3

Aplicaţii liniare

3.1 Definiţie şi exemple

Definiţia 3.1 Fie V şi W spaţii vectoriale peste acelaşi corp K (unde K = R sau
K = C). O aplicaţie
A : V −→ W : x 7→ Ax
este numită aplicaţie liniară (sau aplicaţie K-liniară, sau transformare liniară)
dacă
A(αx + βy) = αAx + βAy, ∀x, y ∈ V, ∀α, β ∈ K.

Observaţia 3.1 Vom utiliza notaţia

L(V, W ) = { A : V −→ W | A(αx+βy) = αAx+βAy, ∀x, y ∈ V, ∀α, β ∈ K }.

În cazul ı̂n care V = W , adică ı̂n cazul ı̂n care aplicaţia este de forma

A : V −→ V

ı̂n loc de aplicaţie liniară se mai utilizează termenul de operator liniar. Vom nota
cu L(V ) mulţimea operatorilor liniari definiţi pe V , adică

L(V ) = L(V, V ).

Exerciţiul 3.1 Dacă A ∈ L(V, W ) atunci A0 = 0.

51
52 Elemente de algebră liniară

Exerciţiul 3.2 Să se arate că

A : R3 −→ R2 , A(x1 , x2 , x3 ) = (x1 + 2x2 − x3 , x1 + x3 )

este aplicaţie liniară.

Rezolvare. Fie α, β ∈ K şi x = (x1 , x2 , x3 ), y = (y1 , y2 , y3 ) vectori din R3 . Avem

A(αx + βy) = A(α(x1 , x2 , x3 ) + β(y1 , y2 , y3 ))


= A((αx1 , αx2 , αx3 ) + (βy1 , βy2 , βy3 ))
= A(αx1 + βy1 , αx2 + βy2 , αx3 + βy3 )
= (αx1 + βy1 + 2(αx2 + βy2 ) − (αx3 + βy3 ), αx1 + βy1 + αx3 + βy3 )
= (αx1 + 2αx2 − αx3 , αx1 + αx3 ) + (βy1 + 2βy2 − βy3 , βy1 + βy3 )
= α(x1 + 2x2 − x3 , x1 + x3 ) + β(y1 + 2y2 − y3 , y1 + y3 )
= αA(x1 , x2 , x3 ) + βA(y1 , y2 , y3 ) = αAx + βAy.

Exerciţiul 3.3 Să se arate că

A : R3 −→ R3 , A(x1 , x2 , x3 ) = (x2 + x3 , x1 + x3 , x1 + x2 )

este operator liniar.

Exerciţiul 3.4 Să se arate că rotaţia planului de unghi α este un operator liniar.

Indicaţie. Identificăm planul cu spaţiul vectorial R2 .


Aplicaţii liniare 53

Expresia ı̂n coordonate a rotaţiei de unghi α este

Rα : R2 −→ R2 : (x, y) 7→ (x0 , y 0 )

unde (a se vedea figura)

x0 = r cos(β + α) = r cos β cos α − r sin β sin α = x cos α − y sin α


x0 = r sin(β + α) = r cos β sin α + r sin β cos α = x sin α + y cos α

adică
Rα (x, y) = (x cos α − y sin α, x sin α + y cos α).

Exerciţiul 3.5 Fie

V = { a0 x2 + a1 x + a2 | a0 , a1 , a2 ∈ R }

spaţiul vectorial al polinoamelor de grad cel mult 2. Să se arate că operatorul de
derivare
d d
: V −→ V, (a0 x2 + a1 x + a2 ) = 2a0 x + a1
dx dx
este un operator liniar.

Exerciţiul 3.6 Aplicaţia rezultată ı̂n urma compunerii a două aplicaţii liniare este
o aplicaţie liniară.

3.2 Imaginea şi nucleul unei aplicaţii liniare

Propoziţia 3.2 Dacă A : V −→ W este o aplicaţie liniară atunci

Ker A = { x ∈ V | Ax = 0 }

este subspaţiu vectorial al lui V , iar

Im A = { Ax | x ∈ V }

este subspaţiu vectorial al lui W .


54 Elemente de algebră liniară

Demonstraţie. Avem
)
x, y ∈ KerA
=⇒ A(αx + βy) = αAx + βAy = 0 =⇒ αx + βy ∈ Ker A.
α, β ∈ K

Dacă v, w ∈ Im A atunci există x, y ∈ V ı̂ncât v = Ax şi w = Ay. Oricare ar fi


α, β ∈ K avem
αv + βw = αAx + βAy = A(αx + βy)

ceea ce arată că αv + βw ∈ Im A.

Definiţia 3.3 Fie A : V −→ W o aplicaţie liniară. Subspaţiul vectorial

Ker A = { x ∈ V | Ax = 0 }

este numit nucleul lui A, iar

Im A = { Ax | x ∈ V }

imaginea lui A.

Teorema 3.4 Dacă V este un spaţiu vectorial finit-dimensional şi A : V −→ W o


aplicaţie liniară atunci

dim V = dim Ker A + dim Im A.

Demonstraţie. Fie B0 = {v1 , v2 , ..., vk } o bază a subspaţiului Ker A, unde k =


dim Ker A. Acest sistem de vectori liniar independenţi ı̂l prelungim până la o bază
a lui V
B = {v1 , v2 , ..., vk , vk+1 , vk+2 , ..., vn }

unde n = dim V. Vom arăta că

B 0 = {Avk+1 , Avk+2 , ..., Avn }

este o bază a subspaţiului Im A.


B 0 este sistem de vectori liniar independenţi. Din

αk+1 Avk+1 + αk+2 Avk+2 + · · · + αn Avn = 0


Aplicaţii liniare 55

rezultă
A(αk+1 vk+1 + αk+2 vk+2 + · · · + αn vn ) = 0
ceea ce arată că αk+1 vk+1 + αk+2 vk+2 + · · · + αn vn ∈ Ker A. Sistemul de vectori B0
fiind o bază in Ker A, rezultă că există α1 , α2 , ..., αk ∈ K astfel incât

αk+1 vk+1 + αk+2 vk+2 + · · · + αn vn = α1 v1 + α2 v2 + · · · + αk vk

adică

α1 v1 + α2 v2 + · · · + αk vk − αk+1 vk+1 − αk+2 vk+2 − · · · − αn vn = 0.

Deoarece B este bază ı̂n V , acestă relaţie este posibilă doar ı̂n cazul

α1 = α2 = · · · = αk = αk+1 = αk+2 = · · · = αn = 0

ceea ce arată că B 0 este sistem de vectori liniar independenţi.


B 0 este sistem de generatori. Oricare ar fi y ∈ Im A există x ∈ V astfel ı̂ncât y = Ax.
Plecând de la reprezentarea x = λ1 v1 + λ2 v2 + · · · + λn vn a lui x ı̂n baza B se obţine

y = Ax = λ1 Av1 + λ2 Av2 + · · · + λk Avk + λk+1 Avk+1 + · · · + λn Avn


= 0 + 0 + · · · + 0 + λk Avk + λk+1 Avk+1 + · · · + λn Avn

ceea ce arată că B 0 este sistem de generatori pentru Im A.

Exerciţiul 3.7 Fie aplicaţia liniară

A : R3 −→ R4 , A(x1 , x2 , x3 ) = (x1 + x2 + x3 , x1 − x3 , 2x1 + x2 , x2 − 2x3 )

Descrieţi Ker A şi Im A indicând baze ı̂n aceste subspaţii.

Rezolvare. Avem
 
 x1 + x2 + x3 =0 

 

 x1 − x3 =0 
Ker A = (x1 , x2 , x3 ) = { α(1, −2, 1) | α ∈ R }


 2x1 + x2 =0 

 
 x2 − 2x3 =0 

Rezultă că {(1, −2, 1)} este bază ı̂n Ker A. Completăm această bază până la baza
{(1, −2, 1), (0, 1, 0), (0, 0, 1)} a lui R3 . Din demonstraţia teoremei precedente rezultă
56 Elemente de algebră liniară

că {A(0, 1, 0), A(0, 0, 1)} = {(1, 0, 1, 1), (1, −1, 0, −2)} este bază a subspaţiului vec-
torial Im A.

Exerciţiul 3.8 Fie

P : R2 −→ R2 , A(x1 , x2 ) = (x1 , 0)

Descrieţi Ker P şi Im P indicând baze ı̂n aceste subspaţii.

3.3 Izomorfisme liniare

Propoziţia 3.5 Fie A : V −→ W o aplicaţie liniară.


a) Aplicaţia A este injectivă dacă şi numai dacă Ker A = {0}.
b) Aplicaţia A este surjectivă dacă şi numai dacă Im A = W .

Demonstraţie. a) Ştim că A0 = 0. Dacă A este injectivă atunci Ax = 0 implică


x = 0 şi deci Ker A = {0}. Invers, dacă Ker A = {0} atunci

Ax = Ay =⇒ Ax − Ay = 0 =⇒ A(x − y) = 0 =⇒ x − y = 0 =⇒ x = y.

b) Afirmaţia rezultă din definiţia subspaţiului Im A.

Exerciţiul 3.9 Dacă A : V −→ W este o aplicaţie liniară injectivă atunci {v1 , v2 , ..., vn }
este sistem de vectori liniar independenţi ı̂n V dacă şi numai dacă {Av1 , Av2 , ..., Avn }
este sistem de vectori liniar independenţi ı̂n W .

Rezolvare. Fie {v1 , v2 , ..., vn } un sistem de vectori liniar independenţi. Relaţia

α1 Av1 + α2 Av2 + ... + αn Avn = 0

care se mai poate scrie

A(α1 v1 + α2 v2 + ... + αn vn ) = 0
Aplicaţii liniare 57

conduce la relaţia
α1 v1 + α2 v2 + ... + αn vn = 0

din care rezultă α1 = α2 = ... = αn = 0. Invers, presupunând că {Av1 , Av2 , ..., Avn }
este sistem de vectori liniar independenţi, relaţia

α1 v1 + α2 v2 + ... + αn vn = 0

implică
α1 Av1 + α2 Av2 + ... + αn Avn = 0

relaţie care conduce la α1 = α2 = ... = αn = 0.

Propoziţia 3.6 Inversa unei aplicaţii liniare bijective este o aplicatie liniară.

Demonstraţie. Fie A : V −→ W o aplicaţie liniară bijectivă. Oricare ar fi x, y ∈ W


şi α, β ∈ K are loc relaţia

αx + βy = αA(A−1 x) + βA(A−1 y) = A(αA−1 x + βA−1 y)

şi prin urmare A−1 (αx + βy) = αA−1 x + βA−1 y.

Definiţia 3.7 Prin izomorfism liniar se ı̂nţelege o aplicaţie liniară bijectivă.

Observaţia 3.2 O aplicaţie liniară A : V −→ W este izomorfism liniar dacă şi


numai dacă Ker A = {0} şi Im A = W .

Definiţia 3.8 Spunem că spaţiile vectoriale V şi W sunt izomorfe dacă există un
izomorfism liniar A : V −→ W .

Teorema 3.9 Două spaţii vectoriale (finit dimensionale) peste acelaşi corp K sunt
izomorfe dacă şi numai dacă au aceeaşi dimensiune

Demonstraţie. Fie V şi W spaţii vectoriale peste K izomorfe şi fie A : V −→ W un


izomorfism liniar. Din relaţiile

Ker A = {0}, Im A = W, dim V = dim Ker A + dim Im A


58 Elemente de algebră liniară

rezultă că dim V =dim W . Invers, dacă dim V =dim W = n alegând o bază {v1 , v2 , ..., vn }
ı̂n V şi o bază {w1 , w2 , ..., wn } ı̂n W putem defini izomorfismul liniar

A : V −→ W, A(α1 v1 + α2 v2 + · · · + αn vn ) = α1 w1 + α2 w2 + · · · + αn wn .

Teorema 3.10 Dacă V este un spaţiu vectorial peste K atunci orice bază B =
{v1 , v2 , ..., vn } a lui V (cu ordinea vectorilor fixată) defineşte izomorfismul

A : V −→ Kn , A(α1 v1 + α2 v2 + · · · + αn vn ) = (α1 , α2 , · · · , αn )

care permite identificarea lui V cu Kn .

Demonstraţie. Aplicaţia A este liniară, Ker A = {0} şi Im A = Kn .

Exerciţiul 3.10 Să se arate că aplicaţia


!
4
x1 x2
A : R −→ M2×2 (R), A(x1 , x2 , x3 , x4 ) =
x3 x4

este un izomorfism liniar.

Exerciţiul 3.11 Să se arate că spaţiile vectoriale reale C şi R2 sunt izomorfe.

Indicaţie. Aplicaţia A : C −→ R2 , A(x + yi) = (x, y) este un izomorfism liniar.

3.4 Dualul unui spaţiu vectorial

Propoziţia 3.11 Dacă V este un spaţiu vectorial peste corpul K atunci

V ∗ = { ϕ : V −→ K | ϕ(αx + βy) = αϕ(x) + βϕ(y), ∀x, y ∈ V, ∀α, β ∈ K }

ı̂nzestrat cu operaţiile de adunare

ϕ + ψ : V −→ K
V ∗ × V ∗ −→ V ∗ : (ϕ, ψ) 7→ ϕ + ψ unde
(ϕ + ψ)(x) = ϕ(x) + ψ(x)
Aplicaţii liniare 59

şi ı̂nmulţire cu scalari

λϕ : V −→ K
K × V ∗ −→ V ∗ : (λ, ϕ) 7→ λϕ unde
(λϕ)(x) = λ ϕ(x)

este spaţiu vectorial (numit dualul lui V ).

Demonstraţie. Relaţiile

(ϕ + ψ)(αx + βy) = ϕ(αx + βy) + ψ(αx + βy)


= αϕ(x) + βϕ(y) + αψ(x) + βψ(y) = α(ϕ + ψ)(x) + β(ϕ + ψ)(y)

şi

(λϕ)(αx + βy) = λ ϕ(αx + βy) = λ(αϕ(x) + βϕ(y)) = α(λϕ)(x) + β(λϕ)(y)

arată că operaţiile de adunare şi ı̂nmulţire cu scalari sunt bine definite. Din relaţia

((ϕ + ψ) + η)(x) = (ϕ + ψ)(x) + η(x) = (ϕ(x) + ψ(x)) + η(x)


= ϕ(x) + (ψ(x) + η(x)) = ϕ(x) + (ψ + η)(x) = (ϕ + (ψ + η))(x)

verificată oricare ar fi x ∈ V rezultă că adunarea din V ∗ este asociativă

(ϕ + ψ) + η = ϕ + (ψ + η)

iar din relaţia

(ϕ + ψ)(x) = ϕ(x) + ψ(x) = ψ(x) + ϕ(x) = (ψ + ϕ)(x)

rezultă că adunarea din V ∗ este comutativă

ϕ + ψ = ψ + ϕ.

Aplicaţia 0 : V −→ K : x 7→ 0 aparţine lui V ∗ şi (0 + ϕ)(x) = ϕ(x), oricare ar fi


x ∈ V , adică 0 + ϕ = ϕ. Oricare ar fi ϕ ∈ V ∗ , aplicaţia

−ϕ : V −→ K, (−ϕ)(x) = −ϕ(x)

aparţine lui V şi ϕ + (−ϕ) = 0. Avem

(λ(ϕ + ψ))(x) = λ (ϕ + ψ)(x) = λϕ(x) + λψ(x) = (λϕ + λψ)(x)


60 Elemente de algebră liniară

oricare ar fi x ∈ V , adică λ(ϕ + ψ) = λϕ + λψ. Similar se arată că

(λ + µ)ϕ = λϕ + µϕ, λ(µϕ) = (λµ)ϕ, 1ϕ = ϕ.

Notaţie. Pentru a simplifica scrierea unor expresii vom utiliza uneori indici superiori
pentru a indexa coordonatele vectorilor. Dezvoltarea

x = x1 e1 + x2 e2 + · · · + xn en

a unui vector x ∈ V ı̂n raport cu baza B = {e1 , e2 , ..., en } se scrie comprimat folosind
convenţia de sumare a lui Einstein

x = xi e i

(indicele i care apare ı̂n produsul xi ei o dată ca indice superior şi o dată ca indice
inferior este indice de sumare).

Teorema 3.12 Oricare ar fi spaţiul vectorial V avem

dim V ∗ = dim V.

Demonstraţie. Fie B = {e1 , e2 , ..., en } o bază a lui V . Arătăm că B ∗ = {e1 , e2 , ..., en },
unde (
i i i 1 daca i = j
e : V −→ K, e (ej ) = δj =
0 daca i = 6 j
adică
ei : V −→ K, ei (x1 e1 + x2 e2 + · · · + xn en ) = xi

este o bază a lui V ∗ , numită duala bazei B.


B ∗ este sistem de vectori liniar independenţi. Fie

α1 e1 + α2 e2 + · · · + αn en = 0

adică
(α1 e1 + α2 e2 + · · · + αn en )(x) = 0, ∀x ∈ V

ceea ce se mai scrie

α1 e1 (x) + α2 e2 (x) + · · · + αn en (x) = 0, ∀x ∈ V.


Aplicaţii liniare 61

Alegând x = e1 obţinem α1 = 0, alegând x = e2 obţinem α2 = 0, etc.


B ∗ este sistem de generatori. Dacă ϕ ∈ V ∗ atunci notând ϕi = ϕ(ei ) obtinem

ϕ(x) = ϕ(x1 e1 + x2 e2 + · · · + xn en ) = x1 ϕ(e1 ) + x2 ϕ(e2 ) + · · · + xn ϕ(en )


= e1 (x) ϕ1 + e2 (x) ϕ2 + · · · + en (x) ϕn = (ϕ1 e1 + ϕ2 e2 + · · · + ϕn en )(x)

oricare ar fi x ∈ V , adică

ϕ = ϕ1 e1 + ϕ2 e2 + · · · + ϕn en = ϕi ei .

3.5 Tensori

Fie V un spaţiu vectorial peste corpul K şi fie două baze ale lui V

B = {e1 , e2 , ..., en } (baza veche)

B 0 = {e01 , e02 , ..., e0n } (baza noua)

şi
B ∗ = {e1 , e2 , ..., en }

B 0 ∗ = {e01 , e02 , ..., e0n }


dualele lor. Fiecare vector x ∈ V se poate dezvolta ı̂n raport cu cele două baze

x = xi ei = x0j e0j

şi am arătat că


xi = ei (x), x0j = e0j (x).

Similar, fiecare element ϕ ∈ V ∗ admite dezvoltările

ϕ = ϕi ei = ϕ0j e0j

şi
ϕi = ϕ(ei ), ϕ0j = ϕ(e0j ).
62 Elemente de algebră liniară

Utilizând un indice inferior si unul superior pentru elementele matricei de trecere de


la baza B la baza B 0 relaţiile

e01 = α11 e1 + α12 e2 + · · · + α1n en = α1i ei

e02 = α21 e1 + α22 e2 + · · · + α2n en = α2i ei


.......................................................
e0n = αn1 e1 + αn2 e2 + · · · + αnn en = αni ei

se scriu comprimat
e0i = αij ej

iar matricea de trecere este

α11 α21 · · · αn1


 
 
 2
 α1 α22 · · · αn2 

S= .
 ··· ··· ··· ··· 
 
 
α1n α2n · · · αnn

Propoziţia 3.13 Matricea S este inversabilă şi inversa ei

β11 β21 · · · βn1


 
 
 2
 β1 β22 · · · βn2 

S −1 =  
 ··· ··· ··· ··· 
 
 
β1n β2n · · · βnn

este matricea de trecere de la B 0 la B.

Demonstraţie. Fie ej = βjk e0k . Din relaţiile

ej = βjk e0k = βjk αki ei , e0i = αij ej = αij βjk e0k

rezultă ţinând seama de unicitatea reprezentării unui vector ı̂n raport cu o bază că

βjk αki = δji , αij βjk = δik . (3.1)


Aplicaţii liniare 63

Teorema 3.14 Cu notaţiile de mai sus


 0i
e0i = αij ej x = βji xj


 


 

x = xj ej = x0i e0i =⇒ e0i = βji ej

 

ϕ0i = αij ϕj
 
j 0
ϕ = ϕj e = ϕi e 0i  

Demonstraţie. Din relaţia

xj ej = x0i e0i = x0i αij ej

rezultă
xj = αij x0i

şi ţinând seama de (3.1)

βjk xj = βjk αij x0i = δik x0i = x0k

adică
x0k = βjk xj .

Deoarece x0k = e0k (x) şi xj = ej (x) relaţia anterioară se poate scrie sub forma

e0k (x) = βjk ej (x)

sau
e0k (x) = (βjk ej )(x).

Relaţia având loc pentru oricare x ∈ V rezultă

e0k = βjk ej.

Folosind liniaritatea lui ϕ obţinem

ϕ0i = ϕ(e0i ) = ϕ(αij ej ) = αij ϕ(ej ) = αij ϕj .

Observaţia 3.3 Coordonatele noi x0i ale unui vector x ∈ V se exprimă cu ajutorul
coordonatelor vechi xj prin formula x0i = βji xj similară cu formula e0i = βji ej de
schimbare a bazei duale. Formula ϕ0i = αij ϕj este similară cu e0i = αij ej .
64 Elemente de algebră liniară

Observaţia 3.4 Vectorii x ∈ V sunt obiecte matematice care ı̂n raport cu fiecare
bază B a lui V sunt descrise prin coordonatele x1 , x2 , ..., xn şi care la o schimbare
de bază e0i = αij ej se schimbă după formula

x0i = βji xj .

Similar, elementele ϕ ∈ V ∗ (numite forme liniare sau 1-forme) sunt obiecte


matematice care in raport cu fiecare bază B ∗ sunt descrise prin coordonatele ϕ1 , ϕ2 , ..., ϕn
şi care la o schimbare de bază e0i = αij ej se schimbă după formula

ϕ0i = αij ϕj .

Definiţia 3.15 Prin tensor de tip (p, q) (adică, tensor de p ori contravariant şi
de q ori covariant) se ı̂nţelege un obiect matematic T descris ı̂n raport cu fiecare
i i ...i
bază B a lui V prin coordonatele Tj11j22...jpq şi care la o schimbare de bază e0i = αij ej
se schimbă după formula
i i ...i i m
T 0 j11 j22 ...jpq = βki11 βki22 · · · βkpp αjm1 1 αjm2 2 · · · αjq q Tm
k1 k2 ...kp
1 m2 ...mq
.

Observaţia 3.5 Elementele spaţiului vectorial V sunt tensori de tip (1, 0), iar ele-
mentele lui V ∗ sunt tensori de tip (0, 1).

Observaţia 3.6 Un tensor de tip (1, 1) este descris prin coordonatele Tji care la
schimbarea bazei se schimbă după formula
i
T 0 j = βki αjm Tm
k
.

În cazul unui tensor de două ori contravariant formula devine


ij
T 0 = βki βm
j
T km

iar in cazul unui tensor de două ori covariant

Tij0 = αik αjm Tkm .

Observaţia 3.7 Un tensor este complet determinat dacă i se cunosc coordonatele


ı̂ntr-o bază fixată.
Aplicaţii liniare 65

i i ...i i i ...i
Propoziţia 3.16 (Suma a doi tensori). Dacă Aj11 j22 ...jpq şi Bj11 j22 ...jpq sunt coordonatele
a doi tensori A şi B de tip (p, q) atunci

i i ...i i i ...i i i ...i


Tj11j22...jpq = Aj11 j22 ...jpq + Bj11 j22 ...jpq

sunt coordonatele unui tensor de tip (p, q) notat cu A + B, adică

i i ...i i i ...i i i ...i


(A + B)j11 j22 ...jpq = Aj11 j22 ...jpq + Bj11 j22 ...jpq .

Demonstraţie (cazul p = q = 1). Avem

i i i
T 0 j = A0 j + B 0 j = βki αjm Akm + βki αjm Bm
k
= βki αjm (Akm + Bm
k
) = βki αjm Tm
k
.

i i ...i
Propoziţia 3.17 (Înmulţirea unui tensor cu un scalar). Dacă λ ∈ K şi Aj11 j22 ...jpq
sunt coordonatele unui tensor A de tip (p, q) atunci

i i ...i i i ...i
Tj11j22...jpq = λAj11 j22 ...jpq

sunt coordonatele unui tensor de tip (p, q) notat cu λA, adică

i i ...i i i ...i
(λA)j11 j22 ...jpq = λAj11 j22 ...jpq .

Demonstraţie (cazul p = q = 1). Avem

i i
T 0 j = λA0 j = λβki αjm Akm = βki αjm Tm
k
.

Propoziţia 3.18 ( Produsul tensorial a doi tensori, ı̂ntr-un caz particular). Dacă
Aijk sunt coordonatele unui tensor A de tip (1, 2) şi Bm
l sunt coordonatele unui tensor

B de tip (1, 1) atunci


il
Tjkm = Aijk · Bm l

sunt coordonatele unui tensor de tip (2, 3) notat cu A ⊗ B, adică

(A ⊗ B)iljkm = Aijk · Bm
l
.

Demonstraţie. Avem

il i l
T 0 jkm = A0 jk · B 0 m = βai αjb αkc Aabc βrl αm
s
Bsr = βai βrl αjb αkc αm
s ar
Tbcs .
66 Elemente de algebră liniară

Observaţia 3.8 Generalizarea definiţiei produsului tensorial la tensori de orice tip


este imediată. Produsul tensorial x ⊗ ϕ dintre un vector x ∈ V si o 1-formă ϕ ∈ V ∗
are coordonatele
(x ⊗ ϕ)ij = xi ϕj
iar produsul tensorial x ⊗ y a doi vectori coordonatele

(x ⊗ y)ij = xi y j .

Propoziţia 3.19 ( Contracţia unui tensor, ı̂ntr-un caz particular). Fie Aij
klm coor-
donatele unui tensor A de tip (2, 3). Numerele
n
j
Aij
X
Tkm = kim
i=1

sunt coordonatele unui tensor de tip (1, 2) obţinut prin contracţia lui A ı̂n raport cu
primul indice de contravarianţă şi al doilea indice de covarianţă.

Demonstraţie. Avem

T 0 jkm = 0 ij
Pn
i=1 A kim
P 
=
Pn i j c d r ab n i d βbj αkc αm
r Aab = δ d β j αc αr Aab
i=1 βa βb αk αi αm Acdr = i=1 βa αi cdr a b k m cdr
  P 
= βbj αkc αm
r δ d Aab j c r
a cdr = βb αk αm
n ab
a=1 Acar = βbj αkc αm
r Tb .
cr

Observaţia 3.9 Operaţia de contracţie se poate face ı̂n raport cu orice pereche de
indici formată dintr-un indice de contravarianţă (superior) şi un indice de covarianţă
(inferior).

Exerciţiul 3.12 Să se arate că dacă x ∈ V şi ϕ ∈ V ∗ atunci numărul

γ = x i ϕi

este un tensor de tip (0, 0), numit scalar.

Rezolvare. Numărul γ se obţine prin contracţie din x ⊗ ϕ şi nu depinde de baza


aleasă n n
γ0 = x0i ϕ0i =
X X
βji αik xj ϕk = δjk xj ϕk = xj ϕj = γ.
i=1 i=1
Aplicaţii liniare 67

Exerciţiul 3.13 Să se arate că obiectul matematic care are coordonatele
(
1 daca i = j
Tji = δji =
0 daca i 6= j

indiferent de baza utilizată, este un tensor de tip (1, 1).

Rezolvare. Avem
i
T 0 j = δji = βki αjk = βki αjm δm
k
= βki αjm Tm
k
.

Propoziţia 3.20 Orice operator liniar A : V −→ V este un tensor de tip (1, 1) ale
cărui coordonate ı̂ntr-o bază B = {e1 , e2 , ..., en } sunt coeficienţii Aji din dezvoltarea

Aei = Aji ej .

Demonstraţie. Din relaţia Ae0i = A0 ji e0j rezultă

j
A(αik ek ) = A0 i αjm em

relaţie care scrisă sub forma

j
αik Aek = αjm A0 i em

conduce la
m 0 j
αik Am
k em = αj A i em

adică
m 0 j
αik Am
k = αj A i .

Din această relaţie obţinem

s m 0 j
βm αik Am s
k = βm αj A i

relaţie echivalentă cu
s
A0 i = β m
s
αik Am
k

s α m A0 j = δ s A0 j = A0 s .
deoarece βm j i j i i
68 Elemente de algebră liniară

Definiţia 3.21 Spunem că aplicaţia g : V ×V −→ K este o aplicaţie biliniară dacă

g(αx + βy, z) = αg(x, z) + βg(y, z)

g(x, αy + βz) = αg(x, y) + βg(x, z)

oricare ar fi x, y, z ∈ V şi α, β ∈ K.

Propoziţia 3.22 Orice aplicaţie biliniară g : V × V −→ K este un tensor de tip


(0, 2) ale cărui coordonate ı̂n baza B = {e1 , e2 , ..., en } sunt numerele gij = g(ei , ej ).

Demonstraţie. Avem

0
gij = g(e0i , e0j ) = g(αik ek , αjm em ) = αik αjm g(ek , em ) = αik αjm gkm .

Definiţia 3.23 Aplicaţia g : V ∗ × V −→ K este numită aplicaţie biliniară dacă


este liniară ı̂n fiecare argument, adică

g(αϕ + βψ, x) = αg(ϕ, x) + βg(ψ, x)

g(ϕ, αx + βy) = αg(ϕ, x) + βg(ϕ, y)

oricare ar fi ϕ, ψ ∈ V ∗ , x, y ∈ V şi α, β ∈ K.

Propoziţia 3.24 Orice aplicaţie biliniară g : V ∗ × V −→ K este un tensor de tip


(1, 1) ale cărui coordonate intr-o bază B = {e1 , e2 , ..., en } cu duala B ∗ = {e1 , e2 , ..., en }
sunt gji = g(ei , ej ).

Demonstraţie. Avem
i i
g 0 j = g(e0 , e0j ) = g(βki ek , αjm em ) = βki αjm g(ek , em ) = βki αjm gm
k
.

Propoziţia 3.25 Orice tensor de tip (1, 1) poate fi identificat cu o aplicaţie biliniară

g : V ∗ × V −→ K.

Demonstraţie. Folosind coordonatele Tji ale tensorului T de tip (1, 1) ı̂ntr-o bază
fixată B = {e1 , e2 , ..., en } cu duala B ∗ = {e1 , e2 , ..., en } definim aplicatia biliniară

g : V ∗ × V −→ K, g(ϕ, x) = g(ϕi ei , xj ej ) = Tji ϕi xj .


Aplicaţii liniare 69

Aplicaţia g astfel definită nu depinde de alegerea bazei B utilizate deoarece alegând


altă bază B 0 obţinem

g(ϕ0k e0 k , x0 m e0m ) = T 0 km ϕ0k x0 m = βak αm


b T a α i ϕ β m xj
b k i j

= δai δjb Tba ϕi xj = Tji ϕi xj .

Observaţia 3.10 Rezultatele prezentate mai sus pot fi generalizate ı̂n mod natural.
Orice aplicaţie (p + q)-liniară


T :V
|
× V ∗ {z
× · · · × V ∗} × V
|
×V ×
{z
· · · × V} −→ K
p ori q ori

este un tensor de tip (p, q) ale cărui coordonate ı̂ntr-o bază B = {e1 , e2 , ..., en } cu
duala B ∗ = {e1 , e2 , ..., en } sunt
i i ...i
Tj11j22...jpq = T (ei1 , ei2 , ..., eip , ej1 , ej2 , ..., ejq )

şi fiecărui tensor de tip (p, q) ı̂i corespunde ı̂n mod natural o astfel de aplicaţie
(p + q)-liniară.

Observaţia 3.11 Plecând de la dualul V ∗ al lui V se poate defini dualul dualului


lui V
V ∗∗ = (V ∗ )∗

numit bidualul lui V . Se poate arăta că V ∗∗ se poate identifica ı̂n mod natural cu
V asociind lui x ∈ V aplicaţia liniară

V ∗ −→ K : ϕ 7→ ϕ(x)

aparţinând bidualului lui V .

Observaţia 3.12 Dacă ϕ : V −→ K şi ψ : W −→ K sunt aplicaţii liniare atunci

g : V × W −→ K, g(v, w) = ϕ(v) · ψ(w)

este o aplicaţie biliniară numită produsul tensorial al lui ϕ cu ψ şi notată cu ϕ ⊗ ψ.


70 Elemente de algebră liniară

3.6 Matricea unei aplicaţii liniare

Fie V şi W spaţii vectoriale peste K,

A : V −→ W

aplicaţie liniară

BV = {v1 , v2 , ..., vn }, BW = {w1 , w2 , ..., wk }

baze ı̂n V , respectiv W şi fie

Av1 = a11 w1 + a21 w2 + · · · + ak1 wk


Av2 = a12 w1 + a22 w2 + · · · + ak2 wk
.........................................
Avn = a1n w1 + a2n w2 + · · · + akn wk

relaţii care se pot scrie comprimat


n
X
Avi = aji wj .
j=1

Deoarece orice vector se poate reprezenta ı̂n mod unic sub forma
n
X
x = x1 v1 + x2 v2 + · · · + xn vn = xi vi
i=1

rezultă că
   
n n n n n n
!
X X X X X X
Ax = A xi vi = xi Avi = xi  aji wj  =  aji xi  wj
i=1 i=1 i=1 j=1 i=1 j=1

ceea ce arată că aplicaţia liniară A este complet determinată de matricea


 
a11 a12 · · · a1n
 
 a21

a22 · · · a2n 

A= .
 
 . .. .. .. 
 . . . .


 
ak1 ak2 · · · akn
Aplicaţii liniare 71

numită matricea lui A ı̂n raport cu bazele BV şi BW .

Observaţia 3.13 Punând

x = x1 v1 + x2 v2 + · · · + xn vn , y = Ax = y1 w1 + y2 w2 + · · · + yk wk

coordonatele lui x şi y = Ax verifică relaţia matriceală


    
y1 a11 a12 · · · a1n x1
    

 y2 
  a21

a22 · · · a2n 


x2 

= .
    
 ..  

 . .. .. ..   .. 
.   .. . . .  . 
  

    
yk ak1 ak2 · · · akn xn

Exerciţiul 3.14 Să se determine matricea aplicaţiei

A : R2 −→ R3 , A(x1 , x2 ) = (2x1 − 3x2 , x1 + 2x2 , x1 − x2 )

ı̂n raport cu bazele


{v1 = (1, 1), v2 = (1, −1)}

ı̂n R2 şi
{w1 = (1, 0, 0), w2 = (0, 1, 0), w3 = (0, 0, 1)}

ı̂n R3 .

Rezolvare. Din relaţiile

Av1 = A(1, 1) = (−1, 3, 0) = −1 w1 + 3 w2 + 0 w3

Av2 = A(1, −1) = (5, −1, 2) = 5 w1 − 1 w2 + 2 w3

rezultă că matricea căutată este

−1 5
 
 
A=
 3 −1 
.
0 2
72 Elemente de algebră liniară

Propoziţia 3.26 Fie A : U −→ V , B : V −→ W două aplicaţii liniareşi fie BU ,


BV şi BW baze ı̂n spaţiile vectoriale U , V şi W respectiv. Matricea aplicaţiei

BA : U −→ W, (BA)x = B(Ax)

ı̂n raport cu bazele BU , BW este produsul dintre matricea aplicaţiei B ı̂n raport cu
bazele BV , BW şi matricea aplicaţiei A ı̂n raport cu bazele BU , BV .
Demonstraţie. Fie BU = {u1 , u2 , ..., un }, BV = {v1 , v2 , ..., vm } şi BW = {w1 , w2 , ..., wp }.
Dacă p
m
X X
Aui = aji vj , Bvj = bkj wk
j=1 k=1
atunci
Pm Pm
(BA)ui = B(Aui ) = B j=1 aji vj = j=1 aji Bvj
Pm Pp Pp P 
m
= j=1 aji k=1 bkj wk = k=1 j=1 bkj aji wk .

Observaţia 3.14 În cazul unei aplicaţii A : V −→ V alegem, ı̂n general, o singură
bază.
Teorema 3.27 La o schimbare de bază matricea unei aplicaţii liniare se schimbă
după formula
A0 = S −1 AS
unde S este matricea de trecere de la baza veche la baza nouă.
Demonstraţie. Fie bazele B = {e1 , e2 , ..., en }, B 0 = {e01 , e02 , ..., e0n },
 
α11 α12 · · · α1n
 
 α21

α22 · · · α2n  n
e0i =
 X
S=  unde αji ej
 ··· ··· ··· ··· 
 
  j=1

αn1 αn2 · · · αnn


matricea de trecere de la B la B 0 şi fie
 
a11 a12 · · · a1n
 
 a21

a22 · · · a2n 
 n
X
A=  unde Aei = aki ek
 ··· ··· ··· ··· 
 
  k=1

ak1 ak2 · · · akn


Aplicaţii liniare 73

şi
a011 a012 · · · a01n
 
 
 0
0
 a21 a022 · · · a02n  n
Ae0i aki e0k
 X
A =  unde =
 ··· ··· ··· ··· 
 
  k=1

a0k1 a0k2 ··· a0kn


matricele lui A ı̂n raport cu B şi respectiv B 0 . Din relaţiile
P 
n Pn Pn Pn
Ae0i = A j=1 αji ej = j=1 αji Aej = j=1 αji k=1 akj ek
Pn Pn 0 Pn
Ae0i = 0 0
j=1 aji ej = j=1 aji k=1 αkj ek

rezultă n n
αkj a0ji =
X X
akj αji
j=1 j=1

adică relaţia SA0 = AS care implică A0 = S −1 AS.

3.7 Vectori şi valori proprii

Definiţia 3.28 Fie V un spaţiu vectorial peste K şi A : V −→ V un operator liniar.


Spunem că numărul λ ∈ K este valoare proprie a lui A dacă există un vector v 6= 0,
numit vector propriu corespunzător valorii λ, astfel ı̂ncât

Av = λv.

Propoziţia 3.29 Dacă λ este valoare proprie a operatorului A : V −→ V atunci

Vλ = {x ∈ V | Ax = λx}

este subspaţiu vectorial al lui V (numit subspaţiul propriu corespunzător lui λ).

Demonstraţie. Avem

x, y ∈ Vλ
)
=⇒ A(αx + βy) = αAx + βAy = αλx + βλy = λ(αx + βy).
α, β ∈ K
74 Elemente de algebră liniară

Exerciţiul 3.15 Să se afle valorile proprii ale operatorului

A : R3 −→ R3 , A(x1 , x2 , x3 ) = (x2 + x3 , x1 + x3 , x1 + x2 )

şi să se determine subspaţiile proprii corespunzătoare.

Rezolvare. Fie λ valoare proprie a lui A. Rezultă că există x = (x1 , x2 , x3 ) 6= (0, 0, 0)
ı̂ncât
A(x1 , x2 , x3 ) = λ(x1 , x2 , x3 )

adică
(x2 + x3 , x1 + x3 , x1 + x2 ) = (λx1 , λx2 , λx3 )

ceea ce este echivalent cu faptul că sistemul omogen



 x2 + x3 = λx1

x1 + x3 = λx2


x1 + x2 = λx3

adică
−λx1 + x2 + x3 = 0




x1 − λx2 + x3 = 0


x1 + x2 − λx3 = 0

admite şi alte soluţii ı̂n afară de (x1 , x2 , x3 ) = (0, 0, 0). Ştim că acest lucru se
ı̂ntâmplă dacă şi numai dacă λ este astfel incât

−λ

1 1


1 −λ 1 =0 (3.2)


1 1 −λ

adică
λ3 − 3λ − 2 = 0
Aplicaţii liniare 75

relaţie care conduce la valorile proprii λ1 = λ2 = −1 şi λ3 = 2. Avem


V−1 = { x ∈ R3 | Ax = −x }

= { (x1 , x2 , x3 ) | (x2 + x3 , x1 + x3 , x1 + x2 ) = (−x1 , −x2 , −x3 ) }

= { (x1 , x2 , x3 ) | x1 + x2 + x3 = 0 } = { (α, β, −α − β) | α, β ∈ R }

= { α(1, 0, −1) + β(0, 1, −1) | α, β ∈ R }


şi

V2 = { x ∈ R3 | Ax = 2x } = {(x1 , x2 , x3 ) | x1 = x2 = x3 } = {α(1, 1, 1) | α ∈ R }.

Observaţia 3.15 În raport cu baza canonică {(1, 0, 0), (0, 1, 0), (0, 0, 1)}, matricea
lui A este
0 1 1
 
 
 1 0 1 
A= 

1 1 0
iar ecuaţia (3.2) s-a obţinut scăzând λ din fiecare element situat pe diagonala prin-
cipală. Ecuaţia (3.2) se mai poate scrie

det(A − λI) = 0

unde
1 0 0
 
 
 0 1 0 
I= 

0 0 1
este matricea unitate.
Propoziţia 3.30 Polinomul (numit polinomul caracteristic)

a −λ a12 ··· a1n
11

a21

a22 − λ · · · a2n
P (λ) = det(A − λI) =
··· ··· ··· ···



··· ann − λ

an1 an2
asociat unui operator liniar A : V −→ V folosind matricea ı̂ntr-o bază fixată nu
depinde de baza aleasă.
76 Elemente de algebră liniară

Demonstraţie. Avem

det(A0 − λI) = det(S −1 AS − λI) = det(S −1 (A − λI)S)

= detS −1 det(A − λI) detS = 1


detS det(A − λI) detS = det(A − λI).

Observaţia 3.16 Deoarece

P (λ) = (−1)n λn + (−1)n−1 (a11 + a22 + ... + ann )λn−1 + ... + det A

rezultă că ı̂n cazul unui operator liniar A : V −→ V , parametrii

tr A = a11 + a22 + ... + ann

(urma operatorului) şi det A definiţi cu ajutorul unei baze nu depind de baza aleasă.

Teorema 3.31 Fie V un spaţiu vectorial peste K şi fie A : V −→ V un operator


liniar. Numărul λ ∈ K este valoare proprie a lui A dacă şi numai dacă este rădăcină
a polinomului caracteristic, adică dacă P (λ) = 0.

Demonstraţie. Conform definiţiei, λ ∈ K este valoare proprie dacă şi numai dacă
există x 6= 0 cu Ax = λx. Într-o bază fixată, acest lucru este echivalent cu faptul că
sistemul 



(a11 − λ)x1 + a12 x2 + · · · + a1n xn = 0


 a21 x1 + (a22 − λ)x2 + · · · + a2n xn = 0



 ...................................................


 a x + a x + · · · + (a − λ)x = 0

n1 1 n2 2 nn n

are şi alte soluţii ı̂n afară de (0, 0, ..., 0), ceea ce are loc dacă şi numai dacă

a −λ a12 ··· a1n
11

a21

a22 − λ · · · a2n
= 0.
··· ··· ··· ···



··· ann − λ

an1 an2

În cazul ı̂n care V este spaţiu vectorial real numai rădăcinile reale ale polinomului
caracteristic sunt valori proprii ale lui A.
Aplicaţii liniare 77

Definiţia 3.32 Fie A : V −→ V un operator liniar. Spunem că subspaţiul W ⊆ V


este subspaţiu invariant dacă

A(W ) ⊆ W

adică dacă
w ∈ W =⇒ Aw ∈ W.

Propoziţia 3.33 Subspaţiile proprii ale unui operator liniar sunt subspaţii invari-
ante.

Demonstraţie. Fie A : V −→ V un operator liniar, λ o valoare proprie a lui A şi fie


Vλ subspaţiul propriu corespunzător. Dacă w ∈ Vλ atunci Aw = λw ∈ Vλ .

Exerciţiul 3.16 Arătaţi că ı̂n cazul rotaţiei de unghi α ı̂n jurul axei Oz

Rα : R3 −→ R3 , Rα (x, y, z) = (x cos α − y sin α, x sin α + y cos α, z)

subspaţiile
W1 = { (0, 0, z) | z ∈ R } (axa Oz)

W2 = { (x, y, 0) | x, y ∈ R } (planul xOy)


sunt subspaţii invariante.
78 Elemente de algebră liniară

Propoziţia 3.34 Dacă subspaţiul W ⊂ V de dimensiune m este subspaţiu invariant


al operatorului A : V −→ V atunci există o bază B = {e1 , e2 , ..., en } a lui V ı̂n raport
cu care matricea lui A are forma

a11 a12 ··· a1m a1m+1 ··· a1n


 
 

 a21 a22 ··· a2m a2m+1 ··· a2n 

 

 ··· ··· ··· ··· ··· ··· ··· 
 

 am1 am2 · · · amm amm+1 ··· amn  
A= .
0 0 ··· 0 am+1,m+1 · · · am+1,n 
 

 
··· am+2,m+1 · · ·
 

 0 0 0 am+2,n 

 

 ··· ··· ··· ··· ··· ··· ··· 
0 0 ··· 0 an,m+1 ··· an,n

Demonstraţie. Baza B se poate obţine completând o bază {e1 , e2 , ..., em } a lui W


până la o bază a lui V.

3.8 Forma diagonală a matricei unei aplicaţii liniare

Am arătat că valorile proprii ale operatorului

A : R3 −→ R3 , A(x1 , x2 , x3 ) = (x2 + x3 , x1 + x3 , x1 + x2 )

sunt λ1 = λ2 = −1, λ3 = 2 şi că subspaţiile proprii corespunzătoare sunt

V−1 = { α(1, 0, −1) + β(0, 1, −1) | α, β ∈ R }

şi
V2 = {α(1, 1, 1) | α ∈ R }.

Matricea lui A ı̂n raport cu baza

{v1 = (1, 0, −1), v2 = (0, 1, −1), v3 = (1, 1, 1)}


Aplicaţii liniare 79

a lui R3 formată din vectori proprii ai lui A are forma diagonală

−1 0 0
 
 
 0
A= −1 0 
.
0 0 2

Propoziţia 3.35 Matricea unui operator liniar A : V −→ V ı̂n raport cu o bază B


este o matrice diagonală dacă şi numai dacă B este formată doar din vectori proprii
ai lui A.

Demonstraţie. Dacă B = {v1 , v2 , ..., vn } este o bază a lui V formată din vectori
proprii ai lui A
Avi = λi vi

(unele dintre numerele λ1 , λ2 , ..., λn putând fi egale) atunci matricea lui A ı̂n această
bază este  
λ1 0 0 0 ··· 0
 
 0
 λ2 0 0 ··· 0 

 
A= 0 0 λ3 0 ··· 0 .
 
 
 ··· ··· ··· ··· ··· ··· 
 
 
0 0 0 0 · · · λn
Invers, dacă matricea lui A ı̂n raport cu o bază B = {w1 , w2 , ..., wn } are forma
diagonală  
α1 0 0 0 ··· 0
 
 0 α
 2 0 0 ··· 0 

 
A= 0 0 α3 0 · · · 0
 

 
 ··· ··· ··· ··· ··· ···
 

 
0 0 0 0 · · · αn
atunci
Awi = αi wi

oricare ar fi i ∈ {1, 2, ..., n}. Deoarece o bază nu poate conţine vectorul nul rezultă
că w1 , w2 , ..., wn sunt vectori proprii ai lui A şi α1 , α2 , ..., αn valorile proprii core-
spunzătoare.
80 Elemente de algebră liniară

Exerciţiul 3.17 Să se arate că nu există o bază ı̂n raport cu care matricea opera-
torului
A : R2 −→ R2 , A(x1 , x2 ) = (2x1 + x2 , 2x2 )

să fie matrice diagonală.

Rezolvare. Este suficient să arătăm că nu există o bază a lui R2 formată din vectori
proprii ai lui A. În raport cu baza canonică {e1 = (1, 0), e2 = (0, 1)} matricea lui A
este !
2 1
A= .
0 2
Polinomul caracteristic

2−λ 1
P (λ) = = (2 − λ)2

0 2−λ

admite rădăcinile λ1 = λ2 = 2. Singura valoare proprie este λ = 2 şi subspaţiul


propriu corespunzător este

V2 = {(x1 , x2 ) ∈ R2 | A(x1 , x2 ) = 2(x1 , x2 ) }


= {(x1 , x2 ) ∈ R2 | (2x1 + x2 , 2x2 ) = (2x1 , 2x2 ) }
= {(α, 0) | α ∈ R} = {α(1, 0) | α ∈ R}

ceea ce arată că toţi vectorii proprii ai lui A sunt de forma α(1, 0). Nu există doi
vectori proprii liniar independenţi care să formeze o bază a lui R2 .

Exerciţiul 3.18 Rotaţia de unghi α a planului

Rα : R2 −→ R2 , Rα (x, y) = (x cos α − y sin α, x sin α + y cos α)

admite valori proprii numai ı̂n cazul ı̂n care α ∈ Zπ.

Observaţia 3.17 Studiul unui operator liniar devine mai uşor de realizat prin uti-
lizarea unei baze ı̂n raport cu care matricea lui este diagonală. O astfel de bază nu
există ı̂n toate cazurile.
Aplicaţii liniare 81

Observaţia 3.18 Dacă există o bază ı̂n raport cu care matricea lui A este diagonală
 
α1 0 0 0 ··· 0
 
 0 α
 2 0 0 ··· 0 

 
A= 0 0 α3 0 · · · 0
 

 
 ··· ··· ··· ··· ··· ···
 

 
0 0 0 0 · · · αn

atunci rădăcinile polinomului caracteristic



α1 − λ 0 0 0 ··· 0



0 α2 − λ 0 0 ··· 0


P (λ) = 0 0 α3 − λ 0 ··· 0 = (α1 −λ)(α2 −λ) · · · (αn −λ)


··· ··· ··· ··· ··· · · ·



0 0 0 0 ··· αn − λ

sunt α1 , α2 , ..., αn , şi aparţin toate lui K (numărul lor, ţinând seama de multiplicităţi
este dim V ).

Definiţia 3.36 Fie A : V −→ V un operator liniar şi λ o valoare proprie a lui


A. Spunem că λ are multiplicitatea algebrică k dacă este rădăcină de ordinul
k a polinomului caracteristic. Prin multiplicitate geometrică a lui λ se ı̂nţelege
dimensiunea subspaţiului propriu Vλ corespunzător lui λ.

Propoziţia 3.37 Dacă v1 , v2 , ..., vk sunt vectori proprii ai operatorului A : V −→


V corespunzători la valori proprii distincte λ1 , λ2 , ..., λk

Avi = λi vi

atunci {v1 , v2 , ..., vk } este sistem de vectori liniar independenţi.

Demonstraţie (cazul n = 3). Din

α1 v1 + α2 v2 + α3 v3 = 0 (3.3)

rezultă
A(α1 v1 + α2 v2 + α3 v3 ) = 0
82 Elemente de algebră liniară

adică relaţia
α1 Av1 + α2 Av2 + α3 Av3 = 0

care se mai scrie


α1 λ1 v1 + α2 λ2 v2 + α3 λ3 v3 = 0. (3.4)

Adunând relaţia (3.4) cu relaţia (3.3) ı̂nmulţită cu (−λ3 ) se obţine

α1 (λ1 − λ3 )v1 + α2 (λ2 − λ3 )v2 = 0. (3.5)

Aplicând operatorul A relaţiei (3.5) obţinem

α1 (λ1 − λ3 )λ1 v1 + α2 (λ2 − λ3 )λ2 v2 = 0. (3.6)

Adunând relaţia (3.6) cu relaţia (3.5) ı̂nmulţită cu (−λ2 ) rezultă

α1 (λ1 − λ3 )(λ1 − λ2 )v1 = 0.

Deoarece λ1 , λ2 , λ3 sunt distincte şi v1 6= 0 rezultă α1 = 0 şi apoi din (3.5) obţinem
α2 = 0. Înlocuind ı̂n (3.3) pe α1 şi α2 cu 0 deducem că α3 = 0.

Observaţia 3.19 Din propoziţia anterioară rezultă existenţa formei diagonale ı̂n
cazul ı̂n care rădăcinile polinomului caracteristic aparţin toate corpului K peste care
este considerat V şi sunt toate distincte.

Teorema 3.38 Fie V un spaţiu vectorial peste K şi fie A : V −→ V un operator


liniar. Există o bază a lui V ı̂n raport cu care matricea lui A este diagonală dacă şi
numai dacă toate rădăcinile polinomului caracteristic aparţin lui K şi pentru fiecare
dintre ele multiplicitatea algebrică este egală cu cea geometrică.

Demonstraţie. (ı̂n cazul a două rădăcini λ1 6= λ2 cu multiplicităţile 2 şi respectiv 3).


În cazul considerat dim V = 2 + 3 = 5, dim Vλ1 = 2 şi dim Vλ2 = 3. Fie {v1 , v2 } bază
ı̂n
Vλ1 = { x ∈ V | Ax = λ1 x }

şi {w1 , w2 , w3 } bază ı̂n


Vλ2 = { x ∈ V | Ax = λ2 x }.
Aplicaţii liniare 83

Este suficient să arătăm că {v1 , v2 , w1 , w2 , w3 } este bază ı̂n V . Fie

α1 v1 + α2 v2 + α3 w1 + α4 w2 + α5 w3 = 0. (3.7)

Aplicând A obţinem

λ1 (α1 v1 + α2 v2 ) + λ2 (α3 w1 + α4 w2 + α5 w3 ) = 0.

Adunând această relaţie cu relaţia (3.7) ı̂nmulţită cu (−λ2 ) obţinem

(λ1 − λ2 )(α1 v1 + α2 v2 ) = 0

de unde α1 = α2 = 0. Înlocuind ı̂n (3.7) rezultă α3 = α4 = α5 = 0.

Observaţia 3.20 Orice matrice


 
a11 a12 · · · a1n
 
 a21

a22 · · · a2n 

  ∈ Mn×n (K)
 ··· ··· ··· ··· 
 
 
an1 an2 · · · ann
este matricea ı̂n raport cu baza canonică

B = {e1 = (1, 0, 0, ..., 0), e2 = (0, 1, 0, ..., 0), ... , en = (0, 0, ..., 0, 1)}

a operatorului liniar
    
x1 a11 a12 · · · a1n x1
    

 x2 
  a21

a22 · · · a2n 


x2 

A : Kn −→ Kn , A = .
    
..  

 . .. .. ..   .. 
.   .. . . .  . 
  

    
xn an1 an2 · · · ann xn

Definiţia 3.39 Prin valoare proprie a unei matrice (respectiv vector propriu
al unei matrice) A ∈ Mn×n (K) se ı̂nţelege o valoare proprie (respectiv vector
propriu) al operatorului liniar asociat A : Kn −→ Kn .

Definiţia 3.40 Spunem că matricea A ∈ Mn×n (K) este diagonalizabilă dacă op-
eratorului liniar asociat A : Kn −→ Kn este diagonalizabil.
84
Capitolul 4

Spaţii vectoriale euclidiene

4.1 Definiţie şi exemple

Definiţia 4.1 Fie V un spaţiu vectorial real (adică K = R). Prin produs scalar
pe V se inţelege o aplicaţie
h, i : V × V −→ R

astfel incât
a) hαx + βy, zi = αhx, zi + βhy, zi, ∀x, y ∈ V şi ∀α, β ∈ R
b) hx, yi = hy, xi, ∀x, y ∈ V
c) hx, xi ≥ 0, ∀x ∈ V şi
hx, xi = 0 dacă şi numai dacă x = 0.
Un spaţiu vectorial real considerat ı̂mpreună cu un produs scalar fixat este numit
spaţiu vectorial euclidian real.

Definiţia 4.2 Fie V un spaţiu vectorial complex (adică K = C). Prin produs
scalar pe V se inţelege o aplicaţie

h, i : V × V −→ C

astfel incât
a) hαx + βy, zi = αhx, zi + βhy, zi, ∀x, y ∈ V şi ∀α, β ∈ C
b) hx, yi = hy, xi, ∀x, y ∈ V

85
86 Elemente de algebră liniară

c) hx, xi ≥ 0, ∀x ∈ V şi
hx, xi = 0 dacă şi numai dacă x = 0.
Un spaţiu vectorial complex considerat ı̂mpreună cu un produs scalar fixat este numit
spaţiu vectorial euclidian complex.

Observaţia 4.1 In cazul produsului scalar definit pe un spaţiu vectorial complex,

hx, αy + βzi = ᾱhx, yi + β̄hx, zi, ∀x, y ∈ V si ∀α, β ∈ C.

Intr-adevar,

hx, αy + βzi = hαy + βz, xi = ᾱ hy, xi + β̄ hz, xi = ᾱhx, yi + β̄hx, zi.

Exerciţiul 4.1 Relaţia


n
X
h(x1 , x2 , ..., xn ), (y1 , y2 , ..., yn )i = x j yj
j=1

defineşte produsul scalar “uzual” pe spaţiul vectorial real Rn , iar relaţia


n
X
h(x1 , x2 , ..., xn ), (y1 , y2 , ..., yn )i = xj ȳj
j=1

defineşte produsul scalar “uzual” pe spaţiul vectorial complex Cn .

Teorema 4.3 (Inegalitatea Cauchy). Dacă h, i : V × V −→ K este produs scalar


atunci
|hx, yi|2 ≤ hx, xi hy, yi
oricare ar fi x, y ∈ V .

Demonstraţie. Relaţia este evident verificată ı̂n cazul y = 0. Dacă y 6= 0 atunci

hx + λy, x + λyi ≥ 0, ∀λ ∈ K

adică
hx, xi + λhy, xi + λ̄hx, yi + λλ̄hy, yi ≥ 0, ∀λ ∈ K.
Alegând
hx, yi
λ=−
hy, yi
Spaţii vectoriale euclidiene 87

relaţia devine
|hx, yi|2 |hx, yi|2 |hx, yi|2
hx, xi − − + ≥ 0.
hy, yi hy, yi hy, yi
adică hx, xi hy, yi ≥ |hx, yi|2 .

Definiţia 4.4 Fie V un spaţiu vectorial peste K. Prin normă pe V se ı̂nţelege o


aplicatie
||.|| : V −→ R

astfel ı̂ncât
a) ||x|| ≥ 0, ∀x ∈ V şi
||x|| = 0 dacă şi numai dacă x=0
b) ||x + y|| ≤ ||x|| + ||y||, ∀x, y ∈ V
c) ||αx|| = |α| · ||x||, ∀x ∈ V şi ∀α ∈ K.

Propoziţia 4.5 Dacă h, i : V × V −→ K este produs scalar atunci


q
|| · || : V −→ R, ||x|| = hx, xi

este o normă pe V .

Demonstraţie. Avem
p
||x|| = hx, xi ≥ 0 si ||x|| = 0 ⇐⇒ x = 0
p p
||αx|| = hαx, αxi = αᾱhx, xi = |α| ||x||

||x + y||2 = hx + y, x + yi

= hx, xi + hx, yi + hy, xi + hy, yi

= ||x||2 + 2 Rehx, yi + ||y||2

≤ ||x||2 + 2 |Rehx, yi| + ||y||2

≤ ||x||2 + 2 |hx, yi| + ||y||2

≤ ||x||2 + 2 ||x|| ||y|| + ||y||2

= (||x|| + ||y||)2
88 Elemente de algebră liniară

deoarece
√ p
|Re(a + ib)| = |a| = a2 ≤ a2 + b2 = |a + ib|
p
şi conform inegalităţii Cauchy |hx, yi| ≤ hx, xi hy, yi = ||x|| ||y||.

4.2 Baze ortonormate

Observaţia 4.2 Folosind norma


q
|| · || : V −→ R, ||x|| = hx, xi

asociată produsului scalar, inegalitatea Cauchy

|hx, yi|2 ≤ hx, xi hy, yi

se poate scrie
|hx, yi| ≤ ||x|| ||y||.

In particular, din această relaţie rezultă că

|hx, yi|
0≤ ≤1
||x|| · ||y||

pentru x 6= 0 şi y 6= 0. In cazul unui spaţiu vectorial real

hx, yi
−1 ≤ ≤ 1.
||x|| · ||y||

Numărul ϕ ∈ [0, π] cu proprietatea

hx, yi
cos ϕ =
||x|| · ||y||

este numit unghiul dintre x şi y. Relaţia anterioară se mai poate scrie

hx, yi = ||x|| ||y|| cos ϕ.


Spaţii vectoriale euclidiene 89

Definiţia 4.6 Spunem că vectorii x, y ∈ V sunt ortogonali şi scriem x ⊥ y dacă

hx, yi = 0.

Definiţia 4.7 Spunem că vectorul x ∈ V este ortogonal pe submulţimea M ⊆


V şi scriem x ⊥ M dacă
x ⊥ y, ∀y ∈ M.

Definiţia 4.8 Spunem că {v1 , v2 , ..., vk } ⊂ V este un sistem ortogonal (sau sis-
tem de vectori ortogonali) dacă
hvi , vj i = 0

oricare ar fi i 6= j din {1, 2, ..., k}.

Propoziţia 4.9 Orice sistem de vectori ortogonali nenuli este un sistem liniar in-
dependent.

Demonstraţie. Fie {v1 , v2 , ..., vk } un sistem ortogonal de vectori nenuli. Din

α1 v1 + α2 v2 + · · · + αk vk = 0

rezultă că
0 = hα1 v1 + α2 v2 + · · · + αk vk , v1 i

= α1 hv1 , v1 i + α2 hv2 , v1 i + · · · + αk hvk , v1 i

= α1 · ||v1 ||2 + α2 · 0 + · · · + αk · 0.
Deoarece v1 6= 0 se obţine α1 = 0. Similar se arată că α2 = 0, ... , αk = 0.

Exerciţiul 4.2 Să se arate că

{v1 = (1, 1, 0), v2 = (1, −1, 0), v3 = (0, 0, 1)} ⊂ R3

este un sistem ortogonal ı̂n raport cu produsul scalar uzual

3
X
h(x1 , x2 , x3 ), (y1 , y2 , y3 )i = x j yj .
j=1
90 Elemente de algebră liniară

Rezolvare. Avem
hv1 , v2 i = h(1, 1, 0), (1, −1, 0)i = 1 · 1 + 1 · (−1) + 0 · 0 = 0

hv1 , v3 i = h(1, 1, 0), (0, 0, 1)i = 1 · 0 + 1 · 0 + 0 · 1 = 0

hv2 , v3 i = h(1, −1, 0), (0, 0, 1)i = 1 · 0 + (−1) · 0 + 0 · 1 = 0.


Propoziţia 4.10 Proiecţia ortogonală a vectorului x pe vectorul u 6= 0 este vectorul
hx, ui
Pu x = u.
hu, ui

Demonstraţie. Proiecţia lui x pe u este un vector de forma λu. Impunând ca


proiecţia să fie ortogonală , adică

(x − λu) ⊥ u

obţinem relaţia
hx − λu, ui = 0
hx,ui
care conduce la λ = hu,ui .

Observaţia 4.3 Dacă vectorul u este un vector unitar (versor), adică

||u|| = 1

atunci proiecţia lui x pe u este vectorul

Pu x = hx, ui u.
Spaţii vectoriale euclidiene 91

Teorema 4.11 (Metoda de ortogonalizare Gram-Schmidt). Dacă {v1 , v2 , v3 , ... }


este un sistem liniar independent (finit sau infinit) atunci {w1 , w2 , w3 , ... }, unde
w1 = v 1
hv2 ,w1 i
w2 = v 2 − hw1 ,w1 i w1

hv3 ,w1 i hv3 ,w2 i


w3 = v 3 − hw1 ,w1 i w1 − hw2 ,w2 i w2

..........................................................
este un sistem ortogonal astfel incât

hv1 , v2 , ... , vk i = hw1 , w2 , ... , wk i

oricare ar fi k ∈ {1, 2, 3, ...}.


Demonstraţie. Avem
hv2 , w1 i hv2 , w1 i
 
hw2 , w1 i = v2 − w1 , w 1 = hv2 , w1 i − hw1 , w1 i = 0.
hw1 , w1 i hw1 , w1 i
Similar se arată că oricare vector wk este ortogonal pe vectorii w1 , w2 , ... , wk−1 .
Definiţia 4.12 Spunem că {e1 , e2 , ... , ek } este un sistem ortonormat dacă
(
1 daca i = j
hei , ej i = δij =
0 daca i 6= j

Teorema 4.13 (Metoda de ortonormalizare Gram-Schmidt). Dacă {v1 , v2 , v3 , ... }


este un sistem liniar independent (finit sau infinit) atunci {e1 , e2 , e3 , ... }, unde
v1
e1 = ||v1 ||

v2 −hv2 ,e1 i e1
e2 = ||v2 −hv2 ,e1 i e1 ||

v3 −hv3 ,e1 i e1 −hv3 ,e2 i e2


e3 = ||v3 −hv3 ,e1 i e1 −hv3 ,e2 i e2 ||

..........................................................
este un sistem ortonormat astfel incât

hv1 , v2 , ... , vk i = he1 , e2 , ... , ek i

oricare ar fi k ∈ {1, 2, 3, ...}.


92 Elemente de algebră liniară

Demonstraţie. Prin calcul direct se arată că e2 ⊥ e1 , apoi e3 ⊥ e1 şi e3 ⊥ e2 , etc.

Observaţia 4.4 Un sistem ortonormat {e1 , e2 , ... , ek } este format din vectori uni-
tari q
||ej || = hej , ej i = 1

si ortogonali.

Definiţia 4.14 Prin bază ortonormată se ı̂nţelege o bază {e1 , e2 , ... , en } cu

hei , ej i = δij

adică o bază care este ı̂n acelaşi timp sistem ortonormat.

Teorema 4.15 Dacă B = {e1 , e2 , ... , en } este o bază ortonormată atunci


n
X
x= hx, ei iei , ∀x ∈ V
i=1

n
X
hx, yi = hx, ei i hei , yi, ∀x, y ∈ V
i=1
v
u n
uX
||x|| = t |hx, ei i|2 , ∀x ∈ V.
i=1

Demonstraţie. Orice vector x ∈ V se poate scrie ca o combinaţie liniară


n
X
x= xi e i
i=1

şi avem * n n n
+
X X X
hx, ek i = xi e i , e k = xi hei , ek i = xi δik = xk
i=1 i=1 i=1
* n + n
X X
hx, yi = hx, ei iei , y = hx, ei i hei , yi
i=1 i=1
n
X n
X
||x||2 = hx, xi = hx, ei i hei , xi = |hx, ei i|2 .
i=1 i=1
Spaţii vectoriale euclidiene 93

Exerciţiul 4.3 Să se indice o bază ortonormată pentru spaţiul vectorial

V = { x = (x1 , x2 , x3 ) ∈ R3 | x1 + x2 + x3 = 0 }.

Rezolvare. Deoarece

V = { (x1 , x2 , −x1 − x2 ) | x1 , x2 ∈ R } = { x1 (1, 0, −1) + x2 (0, 1, −1) | x1 , x2 ∈ R }

vectorii liniar independenţi v1 = (1, 0, −1) şi v2 = (0, 1, −1) formează o bază a
lui V . Ortonormalizăm această bază prin metoda Gram-Schmidt şi obţinem baza
ortonormată {e1 , e2 }, unde
 
v1 (1,0,−1) (1,0,−1) √1 , 0, − √1
e1 = ||v1 || =√ = √
2
= 2 2
12 +02 +(−1)2
 
(0,1,−1)− √1 √1 ,0,− √1  
v2 −hv2 ,e1 i e1 2 2 2
 = − √1 , √2 , − √1 .
e2 = ||v2 −hv2 ,e1 i e1 || = 
6 6 6
(0,1,−1)− √12 √1 ,0,− √1

2 2

4.3 Complementul ortogonal al unui subspaţiu

Propoziţia 4.16 Fie V un spaţiu cu produs scalar. Mulţimea vectorilor ortogonali


pe o submulţime M a lui V

M ⊥ = { v ∈ V | v ⊥ x, ∀x ∈ M }

este un spaţiu vectorial.

Demonstraţie. Oricare ar fi x ∈ M avem


)
v, w ∈ M ⊥
=⇒ hαv + βw, xi = αhv, xi + βhw, xi = α · 0 + β · 0 = 0
α, β ∈ K

şi prin urmare αv + βw ∈ M ⊥ .

Exerciţiul 4.4 Indicaţi o bază a spaţiului M ⊥ ı̂n cazul M = {(1, 2, 3)} ⊂ R3 .


94 Elemente de algebră liniară

Rezolvare. Avem

M ⊥ = { (x1 , x2 , x3 ) ∈ R3 | h(x1 , x2 , x3 ), (1, 2, 3)i = 0 }

= { (x1 , x2 , x3 ) ∈ R3 | x1 + 2x2 + 3x3 = 0 }

= { (−2x2 − 3x3 , x2 , x3 ) | x2 , x3 ∈ R }

= { x2 (−2, 1, 0) + x3 (−3, 0, 1) | x2 , x3 ∈ R }.

Vectorii liniar independenţi (−2, 1, 0) şi (−3, 0, 1) formează o bază a spaţiului M ⊥ .

Teorema 4.17 Dacă W este un subspaţiu al spaţiului (finit-dimensional) V atunci

V = W ⊕ W ⊥.

Demonstraţie. Dacă x ∈ W ∩ W ⊥ atunci ||x|| = hx, xi = 0, ceea ce conduce la


p

W ∩ W ⊥ = {0}. Este suficient să mai arătăm că dim W +dim W ⊥ =dim V . Plecăm
de la o bază ortonormată {e1 , e2 , ..., ek } a lui W pe care apoi o completăm până
la o bază {e1 , e2 , ..., ek , v1 , v2 , ..., vn−k } a lui V . Ortonormalizând acestă bază prin
metoda Gram-Schmidt obţinem o bază ortonormată {e1 , e2 , ..., ek , ek+1 , ek+2 , ..., en }
a lui V . Se constată imediat că {ek+1 , ek+2 , ..., en } est bază a lui W ⊥ si prin urmare
dim W +dim W ⊥ =dim V.

4.4 Adjunctul unui operator liniar

Propoziţia 4.18 Dacă vectorii x, y ∈ V sunt astfel incât

hx, vi = hy, vi, ∀v ∈ V (4.1)

atunci x = y.

Demonstraţie. Din relaţia (4.1) rezultă

hx − y, vi = 0, ∀v ∈ V.
Spaţii vectoriale euclidiene 95

In particular, alegând v = x − y obtinem

hx − y, x − yi = 0

adică
||x − y||2 = 0
relaţie care conduce la x = y.
Propoziţia 4.19 Dacă A : V −→ V este un operator liniar atunci există un oper-
ator liniar A∗ : V −→ V unic determinat astfel incât

hA∗ x, yi = hx, Ayi, ∀x, y ∈ V. (4.2)

Demonstraţie. Fie B = {e1 , e2 , ..., en } o bază ortonormată a lui V . Ştim că oricare
ar fi v ∈ V avem
n
X
v= hv, ei iei .
i=1

În particular, operatorul pe care-l căutăm trebuie să verifice relaţia


n n
A∗ x = hA∗ x, ei iei =
X X
hx, Aei iei (4.3)
i=1 i=1

pe care o vom alege drept definiţie a operatorului A∗ . Relaţia (4.3) defineşte un


operator liniar
n n n
A∗ (αx+βy) = hy, Aei iei = αA∗ x+βA∗ y.
X X X
hαx+βy, Aei iei = α hx, Aei iei +β
i=1 i=1 i=1

Operatorul definit cu ajutorul relaţiei (4.3) verifică relaţia (4.2)


Pn Pn
hA∗ x, yi = h i=1 hx, Aei iei , yi = i=1 hx, Aei ihei , yi

Pn Pn
= i=1 hx, hy, ei iAei i = hx, A ( i=1 hy, ei iei )i = hx, Ayi.
Presupunând că B : V −→ V este un alt operator liniar astfel ı̂ncât

hBx, yi = hx, Ayi, ∀x, y ∈ V. (4.4)

rezultă că pentru orice x

hA∗ x, yi = hBx, yi, ∀y ∈ V

relaţie care conduce la A∗ x = Bx.


96 Elemente de algebră liniară

Definiţia 4.20 Fie A : V −→ V un operator liniar. Operatorul liniar A∗ : V −→ V


care verifică relaţia
hA∗ x, yi = hx, Ayi, ∀x, y ∈ V. (4.5)

se numeşte adjunctul lui A.

Propoziţia 4.21 Dacă A, B : V −→ V sunt operatori liniari şi λ ∈ K atunci

A + B : V −→ V, (A + B)x = Ax + Bx

λA : V −→ V, (λA)x = λ Ax

AB : V −→ V, (AB)x = A(Bx)

sunt operatori liniari şi

(A∗ )∗ = A, (A+B)∗ = A∗ +B ∗ , (λA)∗ = λ̄ A∗ , (AB)∗ = B ∗ A∗ .

Demonstraţie. Avem

(A + B)(αx + βy) = A(αx + βy) + B(αx + βy) = αAx + βAy + αBx + βBy

= α(A + B)x + β(A + B)y

(λA)(αx + βy) = λ A(αx + βy) = λαAx + λβAy = α(λA)x + β(λA)y

(AB)(αx + βy) = A(B(αx + βy)) = A(αBx + βBy) = αA(Bx) + βA(By)

= α(AB)x + β(AB)y.

Relaţia (A∗ )∗ = A rezultă din

h(A∗ )∗ x, yi = hx, A∗ yi = hAx, yi, ∀x, y ∈ V.

Avem
h(A + B)∗ x, yi = hx, (A + B)yi = hx, Ayi + hx, Byi

= hA∗ x, yi + hB ∗ x, yi = h(A∗ + B ∗ )x, yi


adică pentru orice x ∈ V

h(A + B)∗ x, yi = h(A∗ + B ∗ )x, yi, ∀y ∈ V


Spaţii vectoriale euclidiene 97

ceea ce conduce la (A + B)∗ = A∗ + B ∗ . Similar, pentru orice x ∈ V avem

h(λA)∗ x, yi = hx, (λA)yi = hx, λ Ayi = λ̄ hx, Ayi

= λ̄hA∗ x, yi = hλ̄ A∗ x, yi = h(λ̄A∗ )x, yi, ∀y ∈ V

şi acestă relaţie conduce la

(λA)∗ x = (λ̄A∗ )x, ∀x ∈ V

adică (λA)∗ = λ̄A∗ . Oricare ar fi x ∈ V avem relaţia

h(AB)∗ x, yi = hx, (AB)yi = hx, A(By)i = hA∗ x, Byi

= hB ∗ (A∗ x), yi = h(B ∗ A∗ )x, yi, ∀y ∈ V

care conduce la (AB)∗ = B ∗ A∗ .

Propoziţia 4.22 Matricea adjunctului A∗ al unui operator liniar A ∈ L(V ) ı̂n


raport cu o bază ortonormată este complex conjugata transpusei matricei A a oper-
atorului A in raport cu aceeaşi bază.

Demonstraţie. Fie

a∗11 a∗12 · · · a∗1n


   
a11 a12 · · · a1n
 a21 a22 · · · a2n   a∗21 a∗22 · · · a∗2n 
A= , A∗ = 
   
··· ··· ··· ··· ··· ··· ··· ···

   
an1 an2 · · · ann a∗n1 a∗n2 · · · a∗nn

matricele lui A şi A∗ ı̂n raport cu baza ortonormată {e1 , e2 , ..., en }, adică
n n
A∗ ej = a∗ij ei .
X X
Aej = aij ei , (4.6)
i=1 i=1

Conform formulei de reprezentare a unui vector ı̂n raport cu o bază ortonormată


n
X
v= hv, ei iei
i=1

avem n n
A∗ ej = hA∗ ej , ei iei
X X
Aej = hAej , ei iei , (4.7)
i=1 i=1
98 Elemente de algebră liniară

Din relaţiile (4.6) şi (4.7) rezultă

aij = hAej , ei i, a∗ij = hA∗ ej , ei i

ceea ce conduce la

a∗ij = hA∗ ej , ei i = hej , Aei i = hAei , ej i = āji .

4.5 Operatori autoadjuncţi

Definiţia 4.23 Prin operator autoadjunct (sau hermitian)se ı̂nţelege un oper-


ator liniar A : V −→ V astfel incât A∗ = A, adică un operator astfel ı̂ncât

hAx, yi = hx, Ayi, ∀x, y ∈ V. (4.8)

Notaţie. Vom nota cu A(V ) mulţimea operatorilor autoadjuncţi definiţi pe V , adică


A(V ) = { A ∈ L(V ) | A∗ = A }

= { A ∈ L(V ) | hAx, yi = hx, Ayi, ∀x, y ∈ V }.


Propoziţia 4.24
a) A, B ∈ A(V ) =⇒ A + B ∈ A(V )
)
A ∈ A(V )
b) =⇒ αA ∈ A(V )
α∈R
c) Daca A, B ∈ A(V ) atunci :

AB ∈ A(V ) ⇐⇒ AB = BA

d) Daca operatorul A ∈ A(V ) este inversabil atunci A−1 ∈ A(V ).


Demonstraţie. Vom utiliza propozitia 4.21.
a) Avem (A + B)∗ = A∗ + B ∗ = A + B
b) Avem (αA)∗ = ᾱA∗ = αA.
c) Dacă AB ∈ A(V ) atunci AB = (AB)∗ = B ∗ A∗ = BA.
Dacă AB = BA atunci (AB)∗ = B ∗ A∗ = BA = AB şi deci AB ∈ A(V ).
d) Avem hA−1 x, yi = hA−1 x, A(A−1 y)i = hA(A−1 x), A−1 yi = hx, A−1 yi.
Spaţii vectoriale euclidiene 99

Definiţia 4.25 Spunem că


 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
A=
 
··· ··· ··· ···

 
an1 an2 · · · ann

este o matrice hermitică dacă


t
Ā = A

adică dacă
aij = āji , ∀i, j ∈ {1, 2, ..., n}.

Propoziţia 4.26 Un operator liniar A : V −→ V este operator autoadjunct dacă şi


numai dacă matricea lui ı̂n raport cu o bază ortonormată este o matrice hermitică.

Demonstraţie. Afirmţia rezultă din propoziţia 4.22.

Teorema 4.27 Dacă A : V −→ V este un operator autoadjunct atunci:


a) toate valorile proprii sunt reale
b) vectorii proprii corespunzători la valori proprii distincte sunt ortogonali.

Demonstraţie. a) Fie λ o valoare proprie a lui A şi v 6= 0 un vector propriu core-


spunzător
Av = λv.

In cazul x = y = v relaţia
hAx, yi = hx, Ayi (4.9)

verificată de A oricare ar fi x, y ∈ V devine succesiv

hAv, vi = hv, Avi

hλv, vi = hv, λvi

λhv, vi = λ̄hv, vi

λ||v||2 = λ̄||v||2

λ = λ̄.
100 Elemente de algebră liniară

b) Fie λ1 6= λ2 două valori proprii distincte şi v1 , v2 vectori proprii corespunzători

Av1 = λ1 v1 , Av2 = λ2 v2 .

In cazul x = v1 , y = v2 relaţia (4.9) se poate scrie succesiv


hAv1 , v2 i = hv1 , Av2 i

hλ1 v1 , v2 i = hv1 , λ2 v2 i

λ1 hv1 , v2 i = λ2 hv1 , v2 i

(λ1 − λ2 )hv1 , v2 i = 0

hv1 , v2 i = 0.
Propoziţia 4.28 In cazul unui operator autoadjunct rădăcinile polinomului carac-
teristic sunt reale.
Demonstraţie. Fie A ∈ A(V ),
 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
A=
 
··· ··· ··· ···

 
an1 an2 · · · ann
matricea lui A ı̂n raport cu o bază ortonormată şi fie λ1 ∈ C o rădăcină a polinomului
caracteristic
a11 − λ1 a12 ··· a1n

a21 a22 − λ1 · · · a2n
= 0.

··· ··· ··· ···



an1 an2 · · · ann − λ1
In aceste condiţii sistemul de ecuaţii


 (a11 − λ1 )x1 + a12 x2 + · · · + a1n xn = 0

 a x + (a − λ )x + · · · + a x = 0
21 1 22 1 2 2n n
 ..................................................



an1 x1 + an2 x2 + · · · + (ann − λ1 )xn = 0
admite ı̂n Cn o soluţie (x1 , x2 , ..., xn ) 6= (0, 0, ..., 0). Adunând ecuaţiile sistemului
ı̂nmulţite respectiv cu x̄1 , x̄2 , ..., x̄n obţinem relaţia
n
X n
X
ajk xk x̄j = λ1 xj x̄j .
j,k=1 j=1
Spaţii vectoriale euclidiene 101

Deoarece matricea A este hermitică , adică ajk = ākj , rezultă


Pn Pn
j,k=1 ajk xk x̄j j,k=1 ākj xk x̄j
λ1 = Pn 2
= Pn 2
= λ̄1 .
j=1 |xj | j=1 |xj |

Observaţia 4.5 Valorile proprii ale unui operator liniar A : V −→ V sunt radacinile
polinomului caracteristic care aparţin corpului K peste care este considerat V . In
particular, rezultatul anterior ne arată că orice operator autoadjunct admite cel
putin o valoare proprie, indiferent dacă K = R sau K = C. Vom arăta ı̂n continuare
că orice operator autoadjunct este diagonalizabil.

Teorema 4.29 Dacă A : V −→ V este un operator autoadjunct atunci există o


bază ortonormată ı̂n raport cu care matricea lui A este o matrice diagonală.

Demonstraţie. Utilizăm metoda inducţiei matematice. Afirmaţia este, evident,


adevărată ı̂n cazul dim V = 1. Presupunând că afirmaţia este este adevarată ı̂n
cazul spaţiilor de dimensiune n − 1 aratăm că ea este adevărată şi pentru spaţiile de
dimensiune n. Fie V un spaţiu vectorial de dimensiune n şi fie A ∈ A(V ). Ştim că
A admite cel puţin o valoare proprie λ1 . Fie v1 6= 0 un vector propriu corespunzător

Av1 = λ1 v1 .

v1
Vectorul unitar e1 = ||v1 || este şi el vector propriu corespunzător valorii proprii λ1

v1 1
 
Ae1 = A = Av1 = λ1 e1 .
||v1 || ||v1 ||

Subspaţiul vectorilor ortogonali pe e1

W = {e1 }⊥ = { x ∈ V | hx, e1 i = 0 }

este un spaţiu vectorial de dimensiune n − 1 şi span{e1 } ⊕ W = V . El este un


subspaţiu invariant al lui A

x∈W =⇒ hAx, e1 i = hx, Ae1 i = λ1 hx, e1 i = 0 =⇒ Ax ∈ W.

Relaţia
hAx, yi = hx, Ayi
102 Elemente de algebră liniară

fiind verificată oricare ar fi x, y ∈ V rezultă ca restricţia lui A la W

A|W : W −→ W

verifică relaţia
hA|W x, yi = hx, A|W yi
oricare ar fi x, y ∈ W , adică este un operator autoadjunct. Conform ipotezei de
inducţie exista o bază ortonormată {e2 , e3 , ..., en } a lui W ı̂n raport cu care matricea
lui A|W este diagonală
 
λ2 0 · · · 0
 0 λ3 · · · 0 
A|W = 
 
··· ··· ··· ···

 
0 0 · · · λn

Sistemul de vectori {e1 , e2 , e3 , ..., en } este o bază ortonormată a lui V ı̂n raport cu
care matricea lui A este
 
λ1 0 0 ··· 0

 0 λ2 0 · · · 0 

A= 0 0 λ3 · · · 0 .
 
··· ··· ··· ··· ···
 
 
0 0 0 · · · λn

4.6 Transformări unitare

Definiţia 4.30 Fie (V, h, i) un spaţiu vectorial euclidian complex (finit-dimensional).


Prin transformare unitară (numită şi operator unitar) se ı̂nţelege o aplicaţie
liniară A : V −→ V cu proprietatea

hAx, Ayi = hx, yi, ∀x, y ∈ V.

Observaţia 4.6 Transformările unitare pastrează nemodificat produsul scalar a doi


vectori si norma unui vector
q q
||Ax|| = hAx, Axi = hx, xi = ||x||, ∀x ∈ V.
Spaţii vectoriale euclidiene 103

Propoziţia 4.31 Dacă A, B ∈ L(V ) sunt transformări unitare atunci AB este


transformare unitară. Orice transformare unitară A este bijectivă şi A−1 este trans-
formare unitară.

Demonstraţie. Dacă A şi B sunt transformări unitare atunci

h(AB)x, (AB)yi = hA(Bx), A(By)i = hBx, Byi = hx, yi, ∀x, y ∈ V.

Dacă A este transformare unitară atunci ker A = {0}

Ax = 0 =⇒ ||x|| = ||Ax|| = 0 =⇒ x = 0.

Conform teoremei 3.4 rezultă că

dim Im A = dim V − dim Ker A = dim V

ceea ce arată că A este surjectivă. Transformarea A−1 este unitară

hx, yi = hA(A−1 x), A(A−1 y)i = hA−1 x, A−1 yi.

Observaţia 4.7 Deoarece transformarea identică

I : V −→ V : x 7→ x

este o transformare unitară şi compunerea aplicaţiilor este o operaţie asociativă

(A(BC))x = A((BC)x) = A(B(Cx)) = (AB)(Cx) = ((AB)C)x, ∀x ∈ V

din propoziţia anterioară rezultă că pe mulţimea transformărilor unitare

{ A : V −→ V | hAx, Ayi = hx, yi, ∀x, y ∈ V }

există o structură naturală de grup (numit grupul transformărilor unitare ale lui V ).

Propoziţia 4.32 Fie A ∈ L(V ). Următoarele afirmaţii sunt echivalente:


a) A este transformare unitară
b) A∗ A = I
c) transformarea A este bijectivă şi A−1 = A∗ .
104 Elemente de algebră liniară

Demonstraţie. Arătăm că a) ⇒ b) ⇒ c) ⇒ a). Dacă A este transformare unitară,


adică
hAx, Ayi = hx, yi, ∀x, y ∈ V
atunci
hA∗ Ax, yi = hx, yi, ∀x, y ∈ V
relaţie care conduce la A∗ A = I. Dacă A∗ A = I atunci A∗ AA−1 = A−1 , adică
A∗ = A−1 . Dacă A este bijectivă şi A−1 = A∗ atunci

hAx, Ayi = hA∗ Ax, yi = hA−1 Ax, yi = hx, yi, ∀x, y ∈ V.

Propoziţia 4.33 Fie A ∈ Mn×n (C) o matrice cu n linii şi n coloane cu elemente
numere complexe şi fie A∗ = t Ā adjuncta ei. Relaţiile

A A∗ = I, A∗ A = I, A−1 = A∗ .

unde I ∈ Mn×n (C) este matricea unitate, sunt echivalente.

Demonstraţie. Dacă A A∗ = I atunci A este inversabilă

A A∗ = I =⇒ detA detA∗ = detI = 1 =⇒ detA 6= 0

şi ı̂nmulţind relaţia A A∗ = I cu A−1 la stânga rezultă A−1 = A∗ . Similar, dacă


A∗ A = I atunci A este inversabilă

A∗ A = I =⇒ detA∗ detA = detI = 1 =⇒ detA 6= 0

şi ı̂nmulţind relaţia A∗ A = I cu A−1 la dreapta rezultă A−1 = A∗ . Evident, relaţia


A−1 = A∗ implică celelalte două relaţii.

Definiţia 4.34 Matricea A ∈ Mn×n (C) este numită matrice unitară dacă

A∗ A = I

(condiţie echivalentă cu A−1 = A∗ şi A A∗ = I).

Observaţia 4.8 Dacă A este o matrice unitară atunci |detA| = 1. Intr-adevăr

A∗ A = I =⇒ detA detA∗ = 1 =⇒ |detA|2 = 1.


Spaţii vectoriale euclidiene 105

Teorema 4.35 Matricea de trecere ı̂ntre două baze ortonormate este o matrice uni-
tară.

Demonstraţie. Fie {e1 , e2 , ..., en } şi {e01 , e02 , ..., e0n } două baze ortonormate şi fie
   
α11 α12 · · · α1n ᾱ11 ᾱ21 · · · ᾱn1
 α21 α22 · · · α2n   ᾱ12 ᾱ22 · · · ᾱn2 
S= , S∗ = 
   
··· ··· ··· ··· ··· ··· ··· ···

   
αn1 αn2 · · · αnn ᾱ1n ᾱ2n · · · ᾱnn

matricea de trecere ı̂ntre cele două baze si adjuncta ei, adică


n
e0j =
X
αij ei .
i=1

Avem
Pn Pn Pn Pn
δij = he0i , e0j i = h k=1 αki ek , m=1 αmj em i = k=1 m=1 αki ᾱmj hek , em i

Pn Pn Pn
= k=1 m=1 αki ᾱmj δkm = k=1 αki ᾱkj

relaţie echivalentă cu S ∗ S = I.

Propoziţia 4.36 O aplicaţie liniară A : V −→ V este transformare unitară dacă


şi numai dacă matricea ei ı̂n raport cu o bază ortonormată este o matrice unitară.
Pn
Demonstraţie. Dacă {e1 , e2 , ..., en } este o bază ortonormată şi Aei = j=1 aji ej
atunci
Pn Pn
hAei , Aej i = h k=1 aki ek , m=1 amj em i

Pn Pn Pn Pn ∗
= k=1 m=1 aki āmj hek , em i = k=1 aki ākj = k=1 ajk aki .

Dacă A este transformare unitară atunci


n
a∗jk aki = hAei , Aej i = hei , ej i = δij
X

k=1

relaţie echivalentă cu A∗ A = I. Invers, dacă A∗ A = I atunci


D Pn P E
n Pn Pn
hAx, Ayi = A ( i=1 xi ei ) , A j=1 yj ej = i=1 j=1 xi ȳj hAei , Aej i

Pn Pn Pn
= i=1 j=1 xi ȳj δij = i=1 xi ȳi = hx, yi.
106 Elemente de algebră liniară

Teorema 4.37 Dacă A : V −→ V este transformare unitară atunci:


a) orice valoare proprie λ este astfel ı̂ncât |λ| = 1
b) vectorii proprii corespunzători la valori proprii distincte sunt ortogonali.

Demonstraţie. a) Fie λ o valoare proprie a lui A şi v 6= 0 un vector propriu core-


spunzător
Av = λv.

In cazul x = y = v relaţia
hAx, Ayi = hx, yi (4.10)

verificată de A oricare ar fi x, y ∈ V devine succesiv

hAv, Avi = hv, vi

hλv, λvi = hv, vi

λλ̄hv, vi = hv, vi

|λ|2 ||v||2 = ||v||2

|λ| = 1.

b) Fie λ1 6= λ2 două valori proprii distincte şi v1 , v2 vectori proprii corespunzători

Av1 = λ1 v1 , Av2 = λ2 v2 .

Deoarece λ2 λ̄2 = |λ2 |2 = 1, ı̂n cazul x = v1 , y = v2 relaţia (4.10) se poate scrie succesiv

hAv1 , Av2 i = hv1 , v2 i

hλ1 v1 , λ2 v2 i = hv1 , v2 i

λ1 λ̄2 hv1 , v2 i = hv1 , v2 i


λ1
λ2 hv1 , v2 i = hv1 , v2 i

(λ1 − λ2 )hv1 , v2 i = 0

hv1 , v2 i = 0.

Teorema 4.38 Dacă A : V −→ V este o transformare unitară atunci există o bază


a lui V ı̂n raport cu care matricea lui A este o matrice diagonală.
Spaţii vectoriale euclidiene 107

Demonstraţie. Utilizăm metoda inducţiei matematice. Afirmaţia este, evident,


adevărată ı̂n cazul dim V = 1. Presupunând că afirmaţia este este adevarată ı̂n
cazul spaţiilor de dimensiune n − 1 aratăm că ea este adevărată şi pentru spaţiile
de dimensiune n. Fie V un spaţiu vectorial de dimensiune n şi A : V −→ V o
transformare unitară. Fie λ1 ∈ C o valoare proprie şi v1 6= 0 un vector propriu
corespunzător
Av1 = λ1 v1 .
v1
Vectorul unitar e1 = ||v1 || este şi el vector propriu corespunzător valorii proprii λ1

v1 1
 
Ae1 = A = Av1 = λ1 e1 .
||v1 || ||v1 ||

Subspaţiul vectorilor ortogonali pe e1

W = {e1 }⊥ = { x ∈ V | hx, e1 i = 0 }

este un spaţiu vectorial de dimensiune n − 1 şi span{e1 } ⊕ W = V . El este un


subspaţiu invariant al lui A

x ∈ W =⇒ hAx, e1 i = λ1 hAx, λ1 e1 i = λ1 hAx, Ae1 i = λ1 hx, e1 i = 0 =⇒ Ax ∈ W.

Relaţia
hAx, Ayi = hx, yi

fiind verificată oricare ar fi x, y ∈ V rezultă ca restricţia lui A la W

A|W : W −→ W

verifică relaţia
hA|W x, A|W yi = hx, yi

oricare ar fi x, y ∈ W , adică este transformare unitară. Conform ipotezei de inducţie


exista o bază ortonormată {e2 , e3 , ..., en } a lui W ı̂n raport cu care matricea lui A|W
este diagonală  
λ2 0 · · · 0
3 ···
 0 λ 0 
A|W = 
 
 ··· ··· ··· ··· 

0 0 · · · λn
108 Elemente de algebră liniară

Sistemul de vectori {e1 , e2 , e3 , ..., en } este o bază ortonormată a lui V ı̂n raport cu
care matricea lui A este
 
λ1 0 0 ··· 0

 0 λ2 0 · · · 0 

A= 0 0 λ3 · · · 0 .
 
··· ··· ··· ··· ···
 
 
0 0 0 · · · λn

4.7 Transformări ortogonale

Definiţia 4.39 Fie (V, h, i) un spaţiu vectorial euclidian real (finit-dimensional).


Prin transformare ortogonală (numită şi operator ortogonal) se ı̂nţelege o
aplicaţie liniară A : V −→ V cu proprietatea

hAx, Ayi = hx, yi, ∀x, y ∈ V.

Propoziţia 4.40 Aplicaţia liniară A : V −→ V este transformare ortogonală dacă


şi numai dacă
||Ax|| = ||x||, ∀x ∈ V.

Demonstraţie. Dacă A : V −→ V este transformare ortogonală atunci


q q
||Ax|| = hAx, Axi = hx, xi = ||x||, ∀x ∈ V.

Invers, dacă ||Ax|| = ||x|| oricare ar fi x ∈ V , atunci


1
hAx, Ayi = 4 (hAx + Ay, Ax + Ayi − hAx − Ay, Ax − Ayi)
1 1
||A(x + y)||2 − ||A(x − y)||2 i = ||x + y||2 − ||x − y||2 i
 
= 4 4
1
= 4 (hx + y, x + yi − hx − y, x − yii) = hx, yi.

Propoziţia 4.41 Dacă A, B ∈ L(V ) sunt transformări ortogonale atunci AB este


transformare ortogonală. Orice transformare ortogonală A este bijectivă şi A−1 este
transformare ortogonală.
Spaţii vectoriale euclidiene 109

Demonstraţie. A se vedea demonstraţia propoziţiei 4.31 .

Propoziţia 4.42 Fie A ∈ L(V ). Următoarele afirmaţii sunt echivalente:


a) A este transformare ortogonală
b) A∗ A = I
c) A este bijectivă şi A−1 = A∗ .

Demonstraţie. A se vedea demonstraţia propoziţiei 4.32.

Propoziţia 4.43 Fie A ∈ Mn×n (R) o matrice cu n linii şi n coloane cu elemente
numere reale şi fie t A transpusa ei. Relaţiile

A tA = I, t
A A = I, A−1 = tA.

unde I ∈ Mn×n (C) este matricea unitate, sunt echivalente.

Demonstraţie. A se vedea demonstraţia propoziţiei 4.33.

Definiţia 4.44 Matricea A ∈ Mn×n (C) este numită matrice ortogonală dacă

t
A A=I

(condiţie echivalentă cu A−1 = tA şi A tA = I).

Observaţia 4.9 Dacă A este o matrice ortogonală atunci detA ∈ {−1, 1}.

Teorema 4.45 Matricea de trecere ı̂ntre două baze ortonormate ale unui spaţiu
vectorial euclidean real este o matrice ortogonală.

Demonstraţie. A se vedea demonstraţia teoremei 4.35.

Propoziţia 4.46 O transformare liniară este transformare ortogonală dacă şi nu-
mai dacă matricea ei ı̂n raport cu o bază ortonormată este o matrice ortogonală.

Demonstraţie. A se vedea demonstraţia propoziţiei 4.36.

Teorema 4.47 Dacă A : V −→ V este o transformare ortogonală atunci:


a) orice valoare proprie λ este egală cu 1 sau −1.
b) vectorii proprii corespunzători la valori proprii distincte sunt ortogonali.
110 Elemente de algebră liniară

Demonstraţie. A se vedea demonstraţia teoremei 4.37.

Observaţia 4.10 In general, ı̂n cazul unei transformări ortogonale A : V −→ V nu


există o bază a lui V ı̂n raport cu care matricea lui A să fie o matrice diagonală.

Exerciţiul 4.5 Să se arate că

2x + 2y − z −x + 2y + 2z 2x − y + 2z
 
3 3
A : R −→ R , A(x, y, z) = , ,
3 3 3

este transformare ortogonală.


Capitolul 5

Forme pătratice

5.1 Definiţie şi exemple

Definiţia 5.1 Fie V un spaţiu vectorial peste corpul K, unde K = R sau K = C.


Prin formă biliniară se ı̂nţelege o aplicaţie

g : V × V −→ K

astfel ı̂ncât
g(αx + βy, z) = α g(x, z) + β g(y, z)
∀x, y, z ∈ V, ∀α, β ∈ K.
g(x, αy + βz) = α g(x, y) + β g(x, z)

Observaţia 5.1 Alegând o bază {e1 , e2 , ..., en } si utilizând reprezentările


n
X n
X
x= xi ei , y= yj e j
i=1 j=1

ale vectorilor x şi y obţinem


P 
n Pn Pn Pn
g(x, y) = g i=1 xi ei , j=1 yj ej = i=1 j=1 xi yj g(ei , ej )
 
y1

g11 g12 · · · g1n
 g21 g22 · · · g2n 
 y2 

= (x1 x2 ... xn ) 

··· ··· ··· ···
 .. 
 .
 
 
gn1 gn2 · · · gnn yn

111
112 Elemente de algebră liniară

unde gij = g(ei , ej ).

Definiţia 5.2 Fie g : V × V −→ K o formă biliniară şi B = {e1 , e2 , ..., en } o bază a


lui V . Matricea
   
g11 g12 · · · g1n g(e1 , e1 ) g(e1 , e2 ) · · · g(e1 , en )
 g21 g22 · · · g2n   g(e2 , e1 ) g(e2 , e2 ) · · · g(e2 , en ) 
G= =
   
··· ··· ··· ··· ··· ··· ··· ···

   
gn1 gn2 · · · gnn g(en , e1 ) g(en , e2 ) · · · g(en , en )

se numeşte matricea lui g in raport cu baza B.

Propoziţia 5.3 Fie g : V × V −→ K o formă biliniară, B, B 0 două baze ale lui V


şi S matricea de trecere de la B la B 0 . Dacă G este matricea lui g ı̂n raport cu B şi
G 0 este matricea lui g ı̂n raport cu baza B 0 atunci

G 0 = t S G S. (5.1)
Pn
Demonstraţie. Fie B = {e1 , e2 , ..., en }, B 0 = {e01 , e02 , ..., e0n }, e0i = j=1 αji ej , adică
 
α11 α12 · · · α1n
 α21 α22 · · · α2n 
S=
 
··· ··· ··· ···

 
αn1 αn2 · · · αnn

0 = g(e0 , e0 ). Avem
şi fie gij = g(ei , ej ), gij i j

0 Pn Pn
gij = g(e0i , e0j ) = g ( k=1 αki ek , m=1 αmj em )
Pn Pn Pn Pn
= k=1 m=1 αki αmj g(ek , em ) = k=1 m=1 αki gkm αmj

relaţie echivalentă cu (5.1).


Observaţia 5.2 Expresia in coordonate
n X
n
0
X
gij = αki αmj gkm
k=1 m=1

a relaţiei G 0 = t S G S obţinută ı̂n demonstraţia propoziţiei ne arată că orice formă


biliniară este un tensor de tip (0, 2).
Forme pătratice 113

Definiţia 5.4 Spunem că forma biliniară

g : V × V −→ K

este o formă biliniară simetrică dacă

g(x, y) = g(y, x), ∀x, y ∈ V.

Definiţia 5.5 O aplicaţie


Q : V −→ K
este numită formă pătratică dacă există o formă biliniară simetrică

g : V × V −→ K

astfel ı̂ncât
Q(x) = g(x, x), ∀x ∈ V.

Propoziţia 5.6 Fiecărei forme pătratice Q : V −→ K ı̂i corespunde o singură formă


biliniară simetrică g : V × V −→ K astfel ı̂ncât

Q(x) = g(x, x), ∀x ∈ V.

Demonstraţie. Din relaţia


Q(x + y) = g(x + y, x + y)

= g(x, x) + g(x, y) + g(y, x) + g(y, y)

= Q(x) + Q(y) + 2 g(x, y)


rezultă
1
 
g(x, y) = Q(x + y) − Q(x) − Q(y) , ∀x, y ∈ V.
2
Observaţia 5.3 Dacă Q : V −→ K este o formă pătratică şi g : V × V −→ K forma
biliniară simetrică asociată atunci alegând o bază {e1 , e2 , ..., en } obţinem relaţia
 
x1

g11 g12 · · · g1n
n  x2 
X  g21 g22 · · · g2n  
Q(x) = gij xi xj = (x1 x2 ... xn ) 

··· ··· ··· ···
 .. 
 .
 
i,j=1  
gn1 gn2 · · · gnn xn
unde gij = g(ei , ej ) şi x1 , x2 , ... , xn sunt coordonatele lui x ı̂n baza aleasă.
114 Elemente de algebră liniară

Definiţia 5.7 Prin definiţie, matricea unei forme pătratice ı̂n raport cu o bază
este matricea formei biliniare simetrice asociate ı̂n raport cu acea bază.

Exemplul 5.1 Aplicaţia

Q : R3 −→ R, Q(x1 , x2 , x3 ) = x21 + 3x22 + x23 − 2x1 x2 − 4x1 x3

este o formă pătratică deoarece există forma biliniară simetrică

g : R3 × R3 −→ R,

g((x1 , x2 , x3 ), (y1 , y2 , y3 )) = x1 y1 + 3 x2 y2 + x3 y3

−x1 y2 − x2 y1 − 2x1 y3 − 2x3 y1

astfel ı̂ncât Q(x1 , x2 , x3 ) = g((x1 , x2 , x3 ), (x1 , x2 , x3 )).

5.2 Reducere la forma canonică

Observaţia 5.4 Matricea unei forme pătratice depinde de baza aleasă. In aplicaţii
este avantajoasă utilizarea unei baze ı̂n raport cu care expresia ı̂n coordonate a
formei pătratice să fie cât mai simplă.

Definiţia 5.8 Spunem că forma pătratică Q : V −→ K are ı̂n raport cu baza
{e1 , e2 , ..., en } forma canonică dacă matricea lui Q ı̂n raport cu această bază este
o matrice diagonală  
λ1 0 · · · 0
2 ···
 0 λ 0 
G=
 
 ··· ··· ··· ··· 

0 0 · · · λn
adică, expresia ı̂n coordonate a formei Q ı̂n raport cu acestă bază este de forma

Q(x) = λ1 x21 + λ2 x22 + · · · + λn x2n .

Observaţia 5.5 Expresia “forma pătratică Q : V −→ K are ı̂n raport cu baza


{e1 , e2 , ..., en } forma canonică” trebuie ı̂nţeleasă ı̂n sensul “funcţia Q : V −→ K are
ı̂n raport cu baza {e1 , e2 , ..., en } expresia cea mai simplă.”
Forme pătratice 115

Teorema 5.9 (Gauss) Orice formă pătratică poate fi redusă la forma canonică,
adică, pentru orice formă pătratică Q : V −→ K există o bază ı̂n raport cu care
expresia lui Q are forma Q(x) = λ1 x21 + λ2 x22 + · · · + λn x2n .

Demonstraţie. Baza căutată poate fi obţinută ı̂n toate cazurile utilizând metoda
prezentată ı̂n rezolvările următoarelor două exerciţii.

Exerciţiul 5.2 Să se reducă la forma canonică forma pătratică

Q : R3 −→ R, Q(x1 , x2 , x3 ) = x21 + 3x22 + x23 − 2x1 x2 − 4x1 x3

indicând şi baza utilizată.

Rezolvare. Deoarece

x = (x1 , x2 , x3 ) = x1 (1, 0, 0) + x2 (0, 1, 0) + x3 (0, 0, 1)

numerele x1 , x2 , x3 pot fi privite ca fiind coordonatele vectorului x ∈ R3 ı̂n raport


cu baza canonică B = {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)}. Grupând ı̂ntr-un
pătrat termenii care conţin pe x1 şi apoi pe cei care conţin pe x2 obţinem relaţia

Q(x) = (x1 − x2 − 2x3 )2 + 2x22 − 3x23 − 4x2 x3

= (x1 − x2 − 2x3 )2 + 2(x2 − x3 )2 − 5x23

= x01 2 + 2x02 2 − 5x03 2

care ne sugerează necesitatea de a căuta o bază B 0 = {e01 , e02 , e03 } astfel ı̂ncât coordo-
natele x01 , x02 , x03 ı̂n raport cu baza căutată B 0 să se exprime cu ajutorul coordonatelor
x1 , x2 , x3 ı̂n raport cu baza canonică B prin relaţiile

0
 x1 = x1 − x2 − 2x3

2x0 = x − x3
2 (5.2)
 x0 = x

3 3

Determinarea bazei B 0 este echivalentă cu găsirea matricei


 
α11 α12 α13
S =  α21 α22 α23 
 
α31 α32 α33
116 Elemente de algebră liniară

P3 P3 P3
de trecere de la B la B 0 . Relaţiile e0j = i=1 αij ei şi x = i=1 xi ei =
0 0
j=1 xj ej conduc
la relaţia  
3 3 3 3 3 3
x0j e0j = x0j αij x0j  ei
X X X X X X
xi ei = αij ei = 
i=1 j=1 j=1 i=1 i=1 j=1

echivalentă cu 
0 0 0
 x1 = α11 x1 + α12 x2 + α13 x3

2 x = α x0 + α x0 + α x0
21 1 22 2 23 3
 x = α x0 + α x0 + α x0 .

1 31 1 32 2 33 3

Numerele αij pot fi imediat identificate dacă folosind relaţiile (5.2) exprimăm x1 ,
x2 , x3 cu ajutorul coordonatelor x01 , x02 , x03

0 0 0
 x1 = x1 + x2 + 3x3

2x = x0 + x03
2
 x = x0

3 3

Se obţine  
1 1 3
S= 0 1 1 
 
0 0 1
ceea ce conduce la B 0 = {e01 = (1, 0, 0), e02 = (1, 1, 0), e03 = (3, 1, 1)}. In raport cu
această bază Q are forma canonică
2 2 2
Q(x) = x01 + 2x02 − 5x03 .

Exerciţiul 5.3 Să se reducă la forma canonică forma pătratică

Q : R3 −→ R, Q(x1 , x2 , x3 ) = x1 x2 + x1 x3 + x2 x3

indicând şi baza utilizată.

Rezolvare. Efectuăm mai ı̂ntâi schimbarea de coordonate



0 0
 x1 = x1 + x2

2 x = x0 − x02
1
 x = x0

3 3

care conduce la
2 2
Q(x) = x01 − x02 + 2x01 x03
Forme pătratice 117

şi apoi utilizăm metoda folosită ı̂n exerciţiul anterior. Se obţine

2 2 2 2 2
Q(x) = (x01 + x03 )2 − x02 − x03 = x001 − x002 − x003

unde

00 0 0
 x1 = x1 + x3

2x00 = x0
2
 x00 = x0 .

3 3

Exprimând coordonatele iniţiale x1 , x2 , x3 ı̂n funcţie de cele finale x001 , x002 , x003


00 00 00
 x1 = x1 + x2 − x3

x2 = x001 − x002 − x003
 x = x00

3 3

rezultă ca matricea de trecere ı̂ntre baza iniţială {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 =
(0, 0, 1)} şi baza finală B 00 = {e001 , e002 , e003 } este

 
1 1 −1
S =  1 −1 −1 
 
0 0 1

ceea ce conduce la B 00 = {e001 = (1, 1, 0), e002 = (1, −1, 0), e003 = (−1, −1, 1)}. In raport
cu această bază Q are forma canonică

2 2 2
Q(x) = x001 − x002 − x003 .

Teorema 5.10 (Jacobi) Fie Q : V −→ K o formă pătratică şi fie

 
g11 g12 · · · g1n

 g21 g22 · · · g2n 

··· ··· ··· ···
 
 
gn1 gn2 · · · gnn
118 Elemente de algebră liniară

matricea ei ı̂n raport cu o bază B. Dacă

∆1 = g11 6= 0

g g12
∆2 = 11 6= 0

g21 g22

...................................


g11 g12 · · · g1n

g21 g22 · · · g2n
∆n = 6= 0

··· ··· ··· ···

gn1 gn2 · · · gnn

atunci există o bază B 0 ı̂n raport cu care Q are expresia


1 0 2 ∆1 0 2 ∆n−1 0 2
Q(x) = x1 + x2 + · · · + x .
∆1 ∆2 ∆n n
Demonstraţie. Fie B = {e1 , e2 , ..., en } şi fie g : V ×V −→ K forma biliniară simetrică
corespunzătoare lui Q. Arătăm că există o bază B 0 formată din vectori de forma

e01 = α11 e1
e02 = α12 e1 + α22 e2
........................
e0n = α1n e1 + α2n e2 + · · · + αnn en

satisfăcând pentru orice j ∈ {1, 2, ..., n} relaţiile

g(e0j , e1 ) = 0



0
 g(ej , e2 ) = 0



......................
g(e0j , ej−1 ) = 0




g(e0j , ej ) = 1

adică
g11 α1j + g21 α2j + · · · + gj1 αjj = 0





 .............................................................



g1j−1 α1j +g2j−1 α2j +· · ·+gjj−1 αjj = 0 (5.3)





 g1j α1j + g2j α2j + · · · + gjj αjj = 1


Forme pătratice 119

şi că ı̂n raport cu astfel de bază Q are expresia indicată. Deoarece


g11 g12 ··· g1j

g21 g22 ··· g2j
∆j = 6= 0

··· ··· ··· ···

gj1 gj2 ··· gjj

sistemul (5.3) este un sistem Cramer care permite determinarea coeficienţilor α1j ,
α2j , ... , αjj ai lui e0j . In particular,

∆j−1
αjj =
∆j

şi
0
gjj = g(e0j , e0j ) = g(e0j , α1k e1 + α2k e2 + · · · + αjj ej )
∆j−1
= α1j g(e0j , e1 )+α2j g(e0j , e2 )+· · ·+αj−1j g(e0j , ej−1 )+αjj g(e0j , ej ) = αjj = ∆j .

Dacă k < j atunci


0
gjk = g(e0j , e0k ) = g(e0j , α1k e1 + α2k e2 + · · · + αkk ek )

= α1k g(e0j , e1 ) + α2k g(e0j , e2 ) + · · · + αkk g(e0j , ek ) = 0.

Teorema 5.11 Dacă V este un spaţiu vectorial euclidian real,

Q : V −→ R

este o formă pătratică a cărei matrice ı̂n raport cu o bază ortonormată B este
 
g11 g12 · · · g1n
 g21 g22 · · · g2n 
G=
 
··· ··· ··· ···

 
gn1 gn2 · · · gnn

atunci există o bază ortonormată B 0 ı̂n raport cu care Q are forma


2 2 2
Q(x) = λ1 x01 + λ2 x02 + · · · + λn x0n

unde λ1 , λ2 , ... , λn sunt valorile proprii ale matricei G.


120 Elemente de algebră liniară

Demonstraţie. Fie B = {e1 , e2 , ..., en }. Relaţia


n
X
A : V −→ V, Aei = gji ej
j=1

defineşte un operator autoadjunct a cărui matrice ı̂n raport cu baza B coincide cu


matricea G a lui Q ı̂n raport cu aceeaşi bază. Deoarece A este diagonalizabil există o
bază ortonormată B 0 = {e01 , e02 , ..., e0n } formată din vectori proprii ai lui A ı̂n raport
cu care matricea lui A este
 
λ1 0 · · · 0
 0 λ2 · · · 0 
A0 =  .
 
 ··· ··· ··· ··· 
0 0 · · · λn

Notând cu S matricea de trecere de la B la B 0 avem

A0 = S −1 GS.

Pe de altă parte ştim că matricea G 0 a formei pătratice Q ı̂n raport cu baza B 0 este

G 0 = t SGS.

Deoarece matricea de trecere ı̂ntre două baze ortonormate este o matrice ortogonală
avem S −1 = t S şi
 
λ1 0 · · · 0
 0 λ2 · · · 0 
G 0 = t SGS = S −1 GS = A0 =  .
 
 ··· ··· ··· ··· 
0 0 · · · λn
Capitolul 6

Conice

6.1 Definiţie şi exemple

Vom prezenta ı̂n continuare unele aplicaţii ale algebrei liniare ı̂n geometrie.

Definiţia 6.1 Prin conică se ı̂nţelege mulţimea soluţiilor unei ecuaţii de forma

a11 x2 + 2 a12 xy + a22 y 2 + 2a13 x + 2a23 y + a33 = 0 (6.1)

având cel puţin unul dintre coeficienţii a11 , a12 , a22 nenul.

Exemplul 6.1 Ecuaţia


x2 + y 2 − 1 = 0

este ecuaţia unui cerc,


1 2 1 2
x + y −1=0
9 4
este ecuaţia unei elipse,
1 2 1 2
x − y −1=0
9 4
este ecuaţia unei hiperbole,
y 2 − 2x = 0

este ecuaţia unei parabole, iar


x2 − y 2 = 0

121
122 Elemente de algebră liniară

reprezintă ecuaţia a două drepte concurente.

Observaţia 6.1 In cazul unei translaţii de vector (x0 , y0 ) a reperului urmate de


o rotaţie de unghi α legătura ı̂ntre coodonatele (x, y) ale unui punct ı̂n raport cu
reperul iniţial R şi coordonatele (x0 , y 0 ) ale aceluiaşi punct ı̂n raport cu reperul final
R0 este (
x = x0 + x0 cos α − y 0 sin α
y = y0 + x0 sin α + y 0 cos α

Teorema 6.2 La o schimbare de reper ecuaţia unei conice

a11 x2 + 2 a12 xy + a22 y 2 + 2a13 x + 2a23 y + a33 = 0

se transformă ı̂ntr-o ecuaţie de aceeaşi formă

a011 x2 + 2 a012 xy + a022 y 2 + 2a013 x + 2a023 y + a033 = 0


Conice 123

iar parametrii

a a12 a13
a a12 11
I = a11 + a22 , δ = 11 , ∆ = a12 a22 a23

a12 a22


a13 a23 a33

rămân invarianţi, adică a11 + a22 = a011 + a022 ,



a a12 a13 a0 a012 a013
a a12 a011 a012 11 11
11 0
= , a12 a22 a23 = a12 a022 a023 .

a12 a22 a012 a022

0
a023 a033

a13 a23 a33 a13

Demonstraţie. Relaţia

f (x, y) = a11 x2 + 2 a12 xy + a22 y 2 + 2a13 x + 2a23 y + a33

se poate scrie ı̂n formă matriceală


  
a11 a12 a13 x ! !
A B X
f (x, y) = ( x y 1 )  a12 a22 a23   y  = ( t X 1 )
  
tB a 1
33
a13 a23 a33 1

utilizând notaţiile
! ! !
x a13 a11 a12
X= , B= , A= .
y a23 a12 a22

Relaţia (
x = x0 + x0 cos α − y 0 sin α
y = y0 + x0 sin α + y 0 cos α
se poate scrie sub forma
    
x cos α − sin α x0 x0
 0 
 y  =  sin α cos α y0   y 
  
1 0 0 1 1

sau ! ! !
X R T X0
=
1 0 1 1
124 Elemente de algebră liniară

utilizând notaţiile
! ! !
0 x0 x0 cos α − sin α
X = , T = , R= .
y0 y0 sin α cos α
Din relaţia
! !
A B X
f (x, y) = ( tX 1) tB a
33 1
! ! ! !
tR 0 A B R T X0
= ( tX 0 1) tT tB a
1 33 0 1 1
! !
A0 B 0 X0
= ( tX 0 1) t B 0 a0
33 1

rezultă că ı̂n urma schimbării de reper, f (x, y) se transformă ı̂ntr-un polinom de
aceeaşi formă,
!
A0 B 0
∆0 = det t B 0 a0
33
! ! !
tR 0 A B R T
= det tT det tB a det
1 33 0 1
!
A B
= det tB a =∆
33

şi A0 = t RAR, adică


! ! ! !
a011 a012 cos α sin α a11 a12 cos α − sin α
=
a012 a022 − sin α cos α a12 a22 sin α cos α

relaţie care conduce la δ 0 = δ şi I 0 = I.

6.2 Reducere la forma canonică

Observaţia 6.2 In cazul unei translaţii a reperului


(
x = x0 + x0
y = y0 + x 0
Conice 125

polinomul

f (x, y) = a11 x2 + 2 a12 xy + a22 y 2 + 2a13 x + 2a23 y + a33

se transformă ı̂n

f˜(x0 , y 0 ) = a11 x0 2 + 2a12 x0 y 0 + a22 y 0 2 + 2(a11 x0 + a12 y0 + a13 )x0


(6.2)
+ 2(a12 x0 + a22 y0 + a23 )y 0 + f (x0 , y0 ).

Definiţia 6.3 Spunem că punctul (x0 , y0 ) este un centru al conicei (6.1) dacă ı̂n
raport cu reperul translatat cu (x0 , y0 )

f˜(x0 , y 0 ) = 0 ⇐⇒ f˜(−x0 , −y 0 ) = 0. (6.3)

Propoziţia 6.4 Punctul (x0 , y0 ) este un centru al conicei (6.1) dacă şi numai dacă

 a11 x0 + a12 y0 + a13 = 0
(6.4)
 a x +a y +a =0
12 0 22 0 23

Demonstraţie. Afirmaţia rezultă din (6.2) şi (6.3).

Teorema 6.5 a) Dacă δ 6= 0 atunci conica (6.1) are un singur centru şi anume
!
1 −a a12 1 a −a13
13 11
(x0 , y0 ) = , .

−a23 a22 δ a12 −a23

δ

b) In reperul rezultat in urma translaţiei cu (x0 , y0 ) ecuaţia conicei este

2 2 ∆
a11 x0 + 2 a12 x0 y 0 + a22 y 0 + = 0.
δ
c) Există un reper ı̂n raport cu care ecuaţia conicei este


λ1 X 2 + λ2 Y 2 + =0
δ
unde λ1 şi λ2 sunt rădăcinile ecuaţiei

a −λ a12
11
=0 adica λ2 − I λ + δ = 0.

a12 a22 − λ


126 Elemente de algebră liniară

Demonstraţie. a) In cazul δ 6= 0 sistemul (6.4) are soluţia unică (x0 , y0 ).


b) Din relaţia (6.2) rezultă că ecuaţia conicei ı̂n reperul rezultat ı̂n urma translaţiei
cu (x0 , y0 ) este
2 2
a11 x0 + 2 a12 x0 y 0 + a22 y 0 + f (x0 , y0 ) = 0.

Deoarece valoarea parametrului ∆ nu depinde de reperul utilizat



a a12 0
11
∆ = a12 a22 0



0 0 f (x0 , y0 )

relaţie care conduce la f (x0 , y0 ) = ∆


δ.
c) Conform teoremei 4.37 ı̂n cazul formei pătratice

2 2
Q : R2 −→ R, Q(x0 , y 0 ) = a11 x0 + 2 a12 x0 y 0 + a22 y 0

există o bază ortonormată a lui R2 formată din vectori proprii ai matricei


!
a11 a12
a12 a22

ı̂n raport cu care Q are forma canonică

Q : R2 −→ R, Q(X, Y ) = λ1 X 2 + λ2 Y 2 .

Rotind reperul rezultat ı̂n urma translaţiei cu (x0 , y0 ) astfel ı̂ncât axele să fie dirijate
de-a lungul vectorilor proprii ai matricei
!
a11 a12
a12 a22


ecuaţia conicei devine λ1 X 2 + λ2 Y 2 + δ = 0.

Observaţia 6.3 Dacă δ = a11 a22 − a212 = 0 atunci cel puţin unul dintre coeficienţii
a11 , a22 este nenul deoarece ı̂n caz contrar am avea a11 = a12 = a22 = 0. Vom
analiza cazul a11 6= 0, deoarece cazul a22 6= 0 conduce la rezultate similare.
Conice 127

Teorema 6.6 a) In cazul ı̂n care δ = 0, a11 6= 0 şi ∆ = 0 există un reper ı̂n raport
cu care ecuaţia conicei este
2
a022 y 0 + 2a023 y 0 + a033 = 0.

a) In cazul ı̂n care δ = 0, a11 6= 0 şi ∆ 6= 0 există un reper ı̂n raport cu care ecuaţia
conicei este s
2 ∆
Y = 2pX, unde p = − 3 .
I
Demonstraţie. Efectuând o rotaţie de unghi α a reperului
(
x = x0 cos α − y 0 sin α
y = x0 sin α + y 0 cos α

ecuaţia conicei devine

a011 x2 + 2 a012 xy + a022 y 2 + 2a013 x + 2a023 y + a033 = 0

cu
1
a011 = (a11 cos α + a12 sin α)2 .
a11
Alegând α astfel ı̂ncât ctg α = − aa11 12
rezultă a011 = 0. Având ı̂n vedere invarianţa lui
δ rezultă că a011 a022 − a012 2 = 0, relaţie care conduce la a012 = 0.
a) Din relaţia
0
0 a013
2
∆ = 0 a022 a023 = a013 a022 = 0

0
a13 a023 a033

rezultă a013 = 0. In urma rotaţiei considerate ecuaţia conicei este


2
a022 y 0 + 2a023 y 0 + a033 = 0.

b) Dacă ∆ 6= 0 atunci a013 6= 0 şi ecuaţia conicei


2
a022 y 0 + 2a013 x0 + 2a023 y 0 + a033 = 0

se poate scrie succesiv

2a0
 
02
a022 y + 0 23 y 0 + 2a013 x0 + a033 = 0
a22
128 Elemente de algebră liniară

2
a0 a0 − a0 2
!
a0

a022 0
y + 23 + 2a013 0
x + 22 330 0 23 = 0.
a022 2a13 a22
Efectuând translaţia
0 0 0 2

 X = x 0 + a22 a33 −a23

 0 0
2a13 a22

0
 Y = y 0 + a23


a022

ecuaţia conicei devine


−2 a013
Y2 = X.
a022
Deoarece ∆ = a013 2 a022 şi I = a022 ecuaţia se mai poate scrie
s
2 ∆
Y = − X.
I3

Observaţia 6.4 Tinând seama că rădăcinile ecuaţiei λ2 −I λ+δ = 0 verifică relaţiile

λ1 + λ2 = I, λ 1 λ2 = δ

din teoremele anterioare rezultă că există următoarele cazuri

Cazul Ce reprezintă conica


δ < 0 şi ∆ 6= 0 hiperbolă
δ > 0 şi I∆ < 0 elipsă
δ > 0 şi I∆ > 0 mulţimea vidă
δ > 0 şi ∆ = 0 un punct
δ < 0 şi ∆ = 0 două drepte concurente
δ = 0 şi ∆ = 0 două drepte paralele, o dreaptă sau mulţimea vidă
δ = 0 şi ∆ 6= 0 o parabolă
Capitolul 7

Ecuaţii şi sisteme de ecuaţii


diferenţiale liniare

Vom prezenta unele aplicaţii ale algebrei liniare la rezolvarea ecuaţiilor diferenţiale
liniare şi a sistemelor de ecuaţii diferenţiale liniare.

7.1 Ecuaţii diferenţiale de ordinul ı̂ntâi

Definiţia 7.1 O ecuaţie diferenţială de ordinul ı̂ntâi este o ecuaţie de forma

F (x, y, y 0 ) = 0 (7.1)

unde x este variabila independentă, y funcţia necunoscută, y 0 derivata funcţiei ne-


cunoscute şi F : I × R × R −→ R este o funcţie continuă, I ⊆ R fiind un interval.
Prin soluţie a ecuaţiei (7.1) se ı̂nţelege o funcţie derivabilă

ϕ : (a, b) −→ R

cu (a, b) ⊆ I şi astfel ı̂ncât

F (x, ϕ(x), ϕ0 (x)) = 0, ∀x ∈ (a, b).

129
130 Elemente de algebră liniară

Definiţia 7.2 Spunem că ecuaţia diferenţială

y 0 = f (x, y) unde f : D ⊆ R2 −→ R (7.2)

este o ecuaţie diferenţială scrisă sub formă normală.


Prin soluţie a ecuaţiei (7.2) se ı̂nţelege o funcţie derivabilă

ϕ : (a, b) −→ R

astfel ı̂ncât
1) (x, ϕ(x)) ∈ D, ∀x ∈ (a, b)
0
2) ϕ (x) = f (x, ϕ(x)), ∀x ∈ (a, b).

Observaţia 7.1 Ecuaţia (7.2) se mai poate scrie


dy
= f (x, y) (7.3)
dx
sau sub forma
dy = f (x, y) dx (7.4)
numită formă simetrică. Soluţia ecuaţiei (7.4) se poate căuta sub forma

y = y(x)

sau
x = x(y)
sau, mai general, sub formă parametrică
(
x = x(t)
y = y(t).

Ecuaţia (7.4) este caz particular pentru ecuaţia

P (x, y) dx + Q(x, y) dy = 0, unde P, Q : D ⊆ R2 −→ R (7.5)

care este forma generală a unei ecuaţii simetrice.


Prin soluţie a ecuaţiei (7.5) se ı̂nţelege o pereche de aplicaţii derivabile

ϕ, ψ : (a, b) −→ R
Ecuaţii şi sisteme de ecuatii diferenţiale liniare 131

astfel ı̂ncât
1) (ϕ(t), ψ(t)) ∈ D, ∀t ∈ (a, b)
2) P (ϕ(t), ψ(t)) ϕ (t) + Q(ϕ(t), ψ(t)) ψ 0 (t) = 0,
0 ∀t ∈ (a, b).

Observaţia 7.2 Ştim din liceu că dacă

f : (a, b) −→ R

este o funcţie continuă atunci funcţia


Z x
F : (a, b) −→ R, F (x) = f (t) dt
x0

este o primitivă a lui f oricare ar fi x0 ∈ (a, b), adică avem


Z x
d

f (t) dt = f (x), ∀x ∈ (a, b).
dx x0

Teorema 7.3 Fie ecuaţia cu variabile separabile

y 0 = f (x) g(y) (7.6)

unde f : I −→ R şi g : J −→ R sunt funcţii continue definite pe intervalele I şi J.

a) Dacă y0 ∈ J este astfel ı̂ncât g(y0 ) = 0 atunci funcţia constantă

ϕ : I −→ R, ϕ(x) = y0

este o soluţie a ecuaţiei (7.6).

b) Dacă y0 ∈ J este astfel ı̂ncât g(y0 ) 6= 0 atunci relaţia


Z y Z x
1
du = f (v) dv + C (7.7)
y0 g(u) x0

unde x0 ∈ I şi C este o constantă, defineşte implicit o soluţie locală y = y(x)


a ecuaţiei (7.6).

Demonstraţie. a) Deoarece ϕ0 (x) = 0 şi g(ϕ(x)) = g(y0 ) = 0 rezultă că

ϕ0 (x) = f (x) g(ϕ(x)), ∀x ∈ I.


132 Elemente de algebră liniară

b) Derivând relaţia (7.7) ı̂n raport cu x considerând y = y(x) rezultă

1
y 0 (x) = f (x)
g(y(x))

adică
y 0 (x) = f (x) g(y(x)).

Observaţia 7.3 Ecuaţia (7.6) poate fi scrisă sub forma

dy
= f (x) g(y)
dx
sau forma simetrică
f (x) g(y) dx − dy = 0.

Forma diferenţială f (x) g(y) dx−dy nu este diferenţiala totală a unei funcţii. Inmulţind
1
ecuaţia anterioară cu factorul integrant g(y) se obţine ecuaţia

1
f (x) dx − dy = 0 (7.8)
g(y)

al cărei membru stâng este o diferenţială totală deoarece

∂ ∂ 1
 
(f (x)) = − .
∂y ∂x g(y)

Ecuaţia (7.8) se poate scrie sub forma

dF = 0

unde Z x Z y
1
F (x, y) = f (t)dt − dt.
x0 y0 g(t)
Rezultă că relaţia F (x, y) = C, adică
Z x Z y
1
f (u)du − dv = C
x0 y0 g(v)

defineşte implicit o soluţie a ecuaţiei (7.6) dacă alegem y0 astfel ı̂ncât g(y0 ) 6= 0.
Ecuaţii şi sisteme de ecuatii diferenţiale liniare 133

Propoziţia 7.4 Ecuaţia omogenă


y
 
0
y =f
x
se reduce la o ecuaţie cu variabile separabile dacă se utilizează schimbarea de variabilă
y(x) = x z(x), unde z(x) este noua funcţie necunoscută.
Demonstraţie. Derivând y(x) = x z(x) obţinem relaţia y 0 (x) = z(x) + x z 0 (x) care
ne permite să scriem ecuaţia sub forma
1
z0 =
(f (z) − z).
x
Propoziţia 7.5 Ecuaţia liniară omogenă

y 0 = f (x) y

are soluţia generală Rx


f (t)dt
y(x) = C e x0

unde C este o constantă arbitrară.


Demonstraţie. Ţinând seama de teorema 7.3 rezolvarea ecuaţiei poate fi prezentată
dupa cum urmează
dy
dx = f (x) y

dy
y = f (x) dx
R y du Rx
y0 u = x0 f (t) dt

Rx
ln |y| − ln |y0 | = x0 f (t) dt
Rx
f (t) dt
y(x) = y0 e x0 .
Propoziţia 7.6 Soluţia generală a ecuaţiei liniare neomogene

y 0 = f (x) y + g(x) (7.9)

se obţine adunând soluţia generală a ecuaţiei liniare omogene asociate

y 0 = f (x) y (7.10)

cu o soluţie particulară ỹ a ecuaţiei (7.9).


134 Elemente de algebră liniară

Demonstraţie. Dacă y verifică (7.10) şi ỹ verifică (7.9) atunci

(y+ ỹ)0 (x) = f (x) y(x)+f (x) y(x)+g(x) = f (x) (y+ ỹ)(x)+g(x).

Dacă y şi ỹ verifică (7.9) atunci y − ỹ verifică (7.10)

(y− ỹ)0 (x) = f (x) y(x)+g(x)−f (x) ỹ(x)−g(x) = f (x) (y− ỹ)(x).

Propoziţia 7.7 O soluţie particulară ỹ a ecuaţiei liniare neomogene

y 0 = f (x) y + g(x)

poate fi găsită folosind metoda variaţiei constantei cautând-o de forma


Rx
f (t)dt
ỹ(x) = C(x) e x0 .

Demonstraţie. Inlocuind in ecuaţie obţinem relaţia


Rx
− f (t)dt
C 0 (x) = g(x) e x0

care permite determinarea funcţiei C(x).

Propoziţia 7.8 Ecuaţia Bernoulli

y 0 = f (x) y + g(x) y α

se reduce la o ecuaţie liniară dacă se utilizează schimbarea de variabilă z = y 1−α .

Demonstraţie. Dacă α = 1 atunci ecuaţia este deja o ecuaţie liniară. In cazul α 6= 1,


ı̂mpărţind cu y α obţinem ecuaţia

y −α y 0 = f (x) y 1−α + g(x)

care se poate scrie


1
(y 1−α )0 = f (x) y 1−α + g(x).
1−α
Ecuaţii şi sisteme de ecuatii diferenţiale liniare 135

Propoziţia 7.9 Ecuaţia Riccati

y 0 = f (x) y 2 + g(x) y + h(x)

se poate rezolva utilizând schimbarea de variabilă

1
y = yp +
z
ı̂n cazul ı̂n care se cunoaşte o soluţie particulară yp .

Demonstraţie. In urma schimbării de variabilă indicate ecuaţia devine

z 0 = −(2f (x) yp (x) − g(x)) z − f (x)

adică o ecuaţie liniară.

7.2 Ecuaţii diferenţiale liniare de ordin superior

Definiţia 7.10 O ecuaţie diferenţială liniară de ordinul n este o ecuaţie de


forma
a0 (x) y (n) + a1 (x) y (n−1) + · · · + an−1 (x) y 0 + an (x) y = f (x) (7.11)

unde
a0 , a1 , ..., an , f : I −→ R

sunt funcţii continue definite pe un interval I ⊆ R şi a0 (x) 6= 0, oricare ar fi x ∈ I.


Prin soluţie a ecuaţiei (7.11) se ı̂nţelege o funcţie

ϕ : I −→ R

astfel ı̂ncât:
1) ϕ admite derivate continue până la ordinul n
2) a0 (x) ϕ(n) (x) + a1 (x) ϕ(n−1) (x) + · · · + an (x) ϕ(x) = f (x), ∀x ∈ (a, b).
136 Elemente de algebră liniară

Teorema 7.11 (de existenţă şi unicitate). Dacă

a0 , a1 , ..., an , f : I −→ R

sunt funcţii continue şi


a0 (x) 6= 0 ∀x ∈ I

atunci ecuaţia diferenţială

a0 (x) y (n) + a1 (x) y (n−1) + · · · + an−1 (x) y 0 + an (x) y = f (x)

admite pentru fiecare (x0 , y00 , y01 , ..., y0n−1 ) ∈ I × Rn o unică soluţie

ϕ : I −→ R

astfel ı̂ncât

ϕ(x0 ) = y00 , ϕ0 (x0 ) = y01 , ... , ϕ(n−1) (x0 ) = y0n−1 .

Observaţia 7.4 Utilizând operatorul diferenţial

L = a0 (x) Dn + a1 (x) Dn−1 + · · · + an−1 (x) D + an (x)

unde
d d2 dn
D= , D2 = , ... , Dn =
dx dx2 dxn
ecuaţia (7.11) se scrie
Ly = f.

Operatorul linar
L : C n (I) −→ C 0 (I)

unde
C n (I) = { ϕ : I −→ R | ϕ admite derivate continue pana la ordinul n }

C 0 (I) = { ϕ : I −→ R | ϕ este functie continua }

este un operator liniar

L(α ϕ + β ψ) = α Lϕ + β Lψ ∀α, β ∈ R, ∀ϕ, ψ ∈ C n (I).


Ecuaţii şi sisteme de ecuatii diferenţiale liniare 137

Teorema 7.12 Spaţiul

V = { ϕ : I −→ R | Lϕ = 0 }

al tuturor soluţiilor ecuaţiei liniare omogene

Ly = 0

este un spaţiu vectorial de dimensiune n.

Demonstraţie. Dacă ϕ, ψ ∈ V atunci

L(αϕ + βψ) = αLϕ + βLψ = 0

oricare ar fi α, β ∈ R. Conform teoremei de existenţă şi unicitate, pentru x0 ∈ I


fixat aplicaţia

A : V −→ Rn , Aϕ = (ϕ(x0 ), ϕ0 (x0 ), ..., ϕ(n−1) (x0 ))

este un izomorfism liniar. Rezultă că spaţiile vectoriale V şi Rn sunt izomorfe şi prin
urmare dim V = dim Rn = n.

Observaţia 7.5 Rezolvarea ecuaţiei

Ly = 0

ı̂nseamnă determinarea spaţiului vectorial V = { ϕ : I −→ R | Lϕ = 0 } al tuturor


soluţiilor, ceea ce se poate realiza indicând o bază {y1 , y2 , ... , yn }, caz ı̂n care

V = { c1 y1 + c2 y2 + · · · + cn yn | c1 , c2 , ... , cn ∈ R }.

Funcţiile
y1 , y2 , ... , yn : I −→ R

din V formează o bază a lui V dacă sunt liniar independente, adică dacă

α1 y1 + α2 y2 + · · · + αn yn = 0 =⇒ α1 = α2 = · · · = αn = 0.
138 Elemente de algebră liniară

Propoziţia 7.13 Funcţiile

y1 , y2 , ... , yn : I −→ R

din V sunt liniar independente dacă şi numai dacă ı̂ntr-un punct fixat x0 ∈ I avem

y1 (x0 )
y2 (x0 ) ··· yn (x0 )

y 0 (x ) y20 (x0 ) ··· yn0 (x0 )
1 0
6= 0. (7.12)


··· ··· ··· ···
(n−1) (n−1) (n−1)
y
1 (x0 ) y2 (x0 ) · · · yn (x0 )

Demonstraţie. Deoarece

A : V −→ Rn , Aϕ = (ϕ(x0 ), ϕ0 (x0 ), ..., ϕ(n−1) (x0 ))

este un izomorfism liniar funcţiile y1 , y2 , ... , yn : I −→ R sunt liniar independente


dacă şi numai dacă vectorii corespunzători
(n−1)
Ay1 = ( y1 (x0 ), y10 (x0 ), ... , y1 (x0 ) )
(n−1)
Ay2 = ( y2 (x0 ), y20 (x0 ), ... , y2 (x0 ) )

.......................................................
(n−1)
Ayn = ( yn (x0 ), yn0 (x0 ), ... , yn (x0 ) )

sunt liniar independenţi, ceea ce este echivalent cu (7.12).

Teorema 7.14 (Abel-Liouville) Dacă

y1 , y2 , ... , yn : I −→ R

sunt n soluţii ale ecuaţiei


Ly = 0

atunci funcţia (numită wronskian)



y1 (x)
y2 (x) ··· yn (x)

y 0 (x) y 0 (x) ··· yn0 (x)
1 2
W : I −→ R W (x) =

· · · · · · ··· ···

(n−1) (n−1) (n−1)
y
1 (x) y2 (x) · · · yn (x)
Ecuaţii şi sisteme de ecuatii diferenţiale liniare 139

verifică relaţia Rx a1 (t)


− dt
W (x) = W (x0 ) e x0 a0 (t) (7.13)

unde x0 ∈ I este un punct fixat.

Demonstraţie (cazul n = 2.) Arătăm că W verifică ecuaţia liniară

a1 (x)
W 0 (x) = − W (x).
a0 (x)

In cazul n = 2 ecuaţia Ly = 0, adică

a0 (x) y 00 + a1 (x) y 0 + a2 y = 0

conduce la
a1 (x) 0 a2 (x)
y 00 = − y − y
a0 (x) a0 (x)
şi
y (x) y (x)
1 2
W 0 (x) = dxd
0
y1 (x) y20 (x)


y 0 (x) y 0 (x) y (x) y (x)
1 2 1 2 a (x)
= 0 + = − a10 (x) W (x).

y1 (x) y20 (x) y100 (x) y200 (x)

Observaţia 7.6 Din relaţia (7.13) rezultă că dacă W se anulează ı̂ntr-un punct din
I atunci se anulează ı̂n toate punctele.

Propoziţia 7.15 Soluţia generală a ecuaţiei liniare neomogene

Ly = f

se obţine adunând la soluţia generală a ecuaţiei omogene asociate

Ly = 0

o soluţie particulară ỹ a ecuaţiei neomogene.

Demonstraţie. Deoarece Lỹ = f obţinem

Ly = 0 =⇒ L(y + ỹ) = f si Ly = f =⇒ L(y − ỹ) = 0.


140 Elemente de algebră liniară

Teorema 7.16 (Metoda variaţiei constantelor.) Dacă


n
X
y(x) = ck yk (x)
k=1

este soluţia generală a ecuaţiei omogene

Ly = 0

atunci o soluţie particulară a ecuaţiei neomogene

Ly = f

poate fi găsită căutând-o de forma


n
X
ỹ(x) = ck (x) yk (x)
k=1

cu c1 (x), c2 (x), ... , cn (x) soluţie a sistemului


 Pn
0


 k=1 ck (x) yk (x) = 0




 Pn 0 0
k=1 ck (x) yk (x) = 0






.......................................... (7.14)

 Pn 0 (n−2)
k=1 ck (x) yk (x) = 0









 Pn

0 (n−1) f (x)
k=1 ck (x) yk (x) = a0 (x) .

Demonstraţie. Ţinând sema de (7.14) obţinem relaţiile


Pn
ỹ(x) = k=1 ck (x) yk (x)
Pn
ỹ 0 (x) = 0
k=1 ck (x) yk (x)

............................................
Pn (n−1)
ỹ (n−1) (x) = k=1 ck (x) yk (x)
Pn (n) f (x)
ỹ (n) (x) = k=1 ck (x) yk (x) + a0 (x) .
Ecuaţii şi sisteme de ecuatii diferenţiale liniare 141

care conduc la
Lỹ = a0 (x) ỹ (n) + a1 (x) ỹ (n−1) + · · · + an−1 (x) ỹ 0 + an (x) ỹ
 
Pn (n) (n−1)
= k=1 ck (x) a0 (x) yk +a1 (x) yk +· · · + an−1 (x) yk0 +an (x) yk +f (x) = f (x).

Definiţia 7.17 Prin ecuaţie diferenţială liniară de ordinul n cu coeficienţi


constanţi se ı̂nţelege o ecuaţie de forma

a0 y (n) + a1 y (n−1) + · · · + an−1 y 0 + an y = f (x) (7.15)

unde a0 , a1 , ..., an sunt numere reale şi f : I −→ R este o funcţie continuă definită
pe un interval I ⊆ R.

Observaţia 7.7 Ecuaţia (7.15) este un caz particular pentru ecuaţia (7.11) şi anume
cel ı̂n care funcţiile a0 (x), a1 (x), ... , an (x) sunt funcţii constante. Ecuaţia (7.15) se
poate scrie sub forma
P (D)y = f
unde P este polinomul

P (r) = a0 rn + a1 rn−1 + · · · + an−1 r + an

numit polinomul caracteristic asociat ecuaţiei considerate.

Observaţia 7.8 Folosind notaţia lui Euler

eiϕ = cos ϕ + i sin ϕ

definim pentru fiecare număr complex r = α + iβ funcţia complexă

R −→ C : x 7→ erx = e(α+iβ)x = eαx cos(βx) + i eαx sin(βx)

cu proprietăţile
D e(α+iβ)x = (α + iβ) e(α+iβ)x
Re (D erx ) = D( Re erx )

Im (D erx ) = D( Im erx )

unde Re z şi Im z reprezintă partea reală şi repectiv imaginară a numărului z.


142 Elemente de algebră liniară

Propoziţia 7.18 Funcţia

y : R −→ C, y(x) = erx

este soluţie a ecuaţiei omogene


P (D)y = 0

dacă şi numai dacă r este rădăcină a polinomului caracteristic, adică dacă

a0 rn + a1 rn−1 + · · · + an−1 r + an = 0.

Demonstraţie. Deoarece Dk erx = rk erx şi

P (D) erx = ( a0 rn + a1 rn−1 + · · · + an−1 r + an )erx

avem
P (D) erx = 0 ⇐⇒ P (r) = 0.

Propoziţia 7.19 Dacă polinomul caracteristic P (r) are rădăcinile r1 , r2 , ... , rk


cu multiplicităţile m1 , m2 , ... , mk , adică

P (r) = a0 (r − r1 )m1 (r − r2 )m2 · · · (r − rk )mk

atunci P (D) admite factorizarea

P (D) = a0 (D − r1 )m1 (D − r2 )m2 · · · (D − rk )mk

ordinea factorilor putând fi schimbată fără a afecta rezultatul.

Demonstraţie. Afirmaţia rezultă din linearitatea lui D şi din relaţia Dp Dq = Dp+q .

Propoziţia 7.20 Dacă Q(r) este un polinom şi ϕ(x) este o funcţie atunci

Q(D) (erx ϕ) = erx Q(D + r)ϕ

oricare ar fi r ∈ C.
Ecuaţii şi sisteme de ecuatii diferenţiale liniare 143

Demonstraţie. Arătăm mai ı̂ntâi prin inducţie că

Dk (erx ϕ) = erx (D + r)k ϕ.

Avem
D (erx ϕ) = erx Dϕ + rerx ϕ = erx (D + r)ϕ.

Presupunând că Dk (erx ϕ) = erx (D + r)k ϕ obţinem

Dk+1 (erx ϕ) = D(erx (D + r)k ϕ) = erx (D + r)(D + r)k ϕ = erx (D + r)k+1 ϕ.

Dacă Q(r) = α0 rm + α1 rm−1 + · · · + αm−1 r + αm atunci

Q(D) (erx ϕ) = α0 Dm (erx ϕ)+α1 Dm−1 (erx ϕ)+ · · · +αm−1 D(erx ϕ)+αm erx ϕ

= erx [α0 (D+r)m +α1 (D+r)m−1 + · · · +αm−1 (D+r)+αm ]ϕ

= erx Q(D + r)ϕ.

Propoziţia 7.21 Soluţia generală a ecuaţiei

(D − r)k y = 0

este
y(x) = c0 erx + c1 x erx + · · · + ck−1 xk−1 erx .

Demonstraţie. Conform propoziţiei anterioare avem relaţa

Dk (e−rx y) = e−rx (D − r)k y

care arată că ecuaţia (D − r)k y = 0 este echivalentă cu ecuaţia

Dk (e−rx y) = 0

care implică
e−rx y(x) = c0 + c1 x + · · · + ck−1 xk−1

adică
y(x) = c0 erx + c1 x erx + · · · + ck−1 xk−1 erx .
144 Elemente de algebră liniară

Propoziţia 7.22 Fie ecuaţia diferenţială liniară omogenă cu coeficienţi reali

P (D)y = 0

unde P (r) = a0 rn + a1 rn−1 + · · · + an−1 r + an este polinomul caracteristic.


a) Dacă rj este rădăcină reală a lui P cu multiplicitatea mj atunci funcţiile

erj x , x erj x , ··· , xmj −1 erj x

sunt soluţii particulare ale ecuaţiei P (D)y = 0.


b) Dacă rj = αj +iβj este rădăcină complexă a lui P cu multiplicitatea mj atunci

eαj x cos(βj x), x eαj x cos(βj x), ··· , xmj −1 eαj x cos(βj x),

eαj x sin(βj x), x eαj x sin(βj x), ··· , xmj −1 eαj x sin(βj x)

sunt soluţii particulare ale ecuaţiei P (D)y = 0.

Demonstraţie. Conform prop. 7.19 ecuaţia P (D)y = 0 admite o factorizare de forma

Q(D) (D − rj )mj y = 0

şi (D−rj )mj y = 0 implică P (D)y = 0. Deoarece ec. P (D)y = 0 are coeficienţi reali

 P (D) (Re y) = Re ( P (D)y ) = 0
P (D)y = 0 =⇒
 P (D) (Im y) = Im ( P (D)y ) = 0

adică ı̂n cazul ı̂n care rj este rădăcină complexă cu multiplicitatea mj funcţiile
 
y : R −→ R, y(x) = Re c0 erj x + c1 x erj x + · · · + cmj −1 xmj −1 erj x

şi  
y : R −→ R, y(x) = Im c0 erj x + c1 x erj x + · · · + cmj −1 xmj −1 erj x

sunt soluţii ale ecuaţiei P (D)y = 0 oricare ar fi constantele reale c0 , c1 , ... , cmj −1 .

Observaţia 7.9 Se poate demonstra că ı̂n toate cazurile ı̂n spaţiul soluţiilor există o
bază formată din soluţii particulare de tipul celor prezentate in propoziţia anterioară.
Ecuaţii şi sisteme de ecuatii diferenţiale liniare 145

Exerciţiul 7.1 Să se determine soluţia generală a ecuaţiilor


a) y 00 − 5y 0 + 6y = 0

b) y 000 − 6y 00 + 12y 0 − 8y = 0

c) y 00 + y 0 + y = 0

d) (D2 − D + 1)3 y = 0

e) (D − 3)4 (D2 + 2)2 y = 0.


Răspuns.
a) y(x) = c1 e2x + c2 e3x

b) y(x) = c1 e2x + c2 x e2x + c3 x2 e2x


1
√ 1

c) y(x) = c1 e− 2 x cos( 3
2 x) + c2 e− 2 x sin( 3
2 x)
1
√ 1

3 3
d) y(x) = c1 e 2 x cos( 2 x) + c2 e
x
2 sin(
2 x)
1
√ 1

+c3 x e− 2 x cos( 23 x) + c4 x e− 2 x sin( 23 x)
1
√ 1

+c5 x2 e− 2 x cos( 23 x) + c6 x2 e− 2 x sin( 23 x)

e) y(x) = c1 e3x + c2 x e3x + c3 x2 e3x + c4 x3 e3x


√ √ √ √
+c5 cos( 2x) + c6 sin( 2x) + c7 x cos( 2x) + c8 x sin( 2x).
Propoziţia 7.23 Ecuaţia Euler

a0 xn y (n) + a1 xn−1 y (n−1) + · · · + an−1 x y 0 + an y = 0

se reduce la o ecuaţie diferenţială liniară cu coeficienţi constanţi prin schimbarea de


variabilă x = et , unde t este noua variabilă independentă.
Demonstraţie (cazul n = 3). Notând cu z(t) noua funcţie necunoscută avem relaţia

y(x) = z(ln x)

care prin derivări succesive conduce la


y 0 (x) = 1
x z 0 (ln x) = e−t z 0 (t)

y 00 (x) = 1
x2
z 00 (ln x) − 1
x2
z 0 (ln x) = e−2t ( z 00 (t) − z 0 (t) )

y 000 (x) = 1
x3
z 000 (ln x) − 3
x3
z 00 (ln x) − 2
x3
z 0 (ln x) = e−3t ( z 000 (t) − 3z 00 (t) + 2z 0 (t) )
146 Elemente de algebră liniară

In urma schimbării de variabilă, ecuaţia Euler

a0 x3 y 000 + a1 x2 y 00 + a2 x y 0 + a3 y = 0

devine
a0 z 000 + (−3a0 + a1 )z 00 + (2a0 − a1 + a2 )z 0 + a3 z = 0.
Observaţia 7.10 Relaţia x = et , echivalentă cu t = ln x, conduce la
d dt d 1 d d
= = = e−t .
dx dx dt x dt dt
Ecuaţia Euler se poate scrie
!
ndn n−1 d
n−1 d
a0 x + a1 x + · · · + an−1 x + an y = 0
dxn dxn−1 dx

şi formal, schimbarea de variabilă x = et ı̂n ecuaţia Euler se poate realiza ı̂nlocuind
d
x cu et şi operatorul de derivare dx cu e−t dt
d
. De remarcat că
2
d d d d2 d
  
−t −t
e =e e−t = e−2t − e−2t .
dt dt dt dt2 dt

7.3 Sisteme diferenţiale liniare

Definiţia 7.24 Prin sistem diferenţial liniar de ordinul ı̂ntâi se ı̂nţelege un


sistem de ecuaţii diferenţiale de forma
 0

 y1 = a11 (x)y1 + a12 (x)y2 + · · · + a1n (x)yn + f1 (x)


 y20 = a21 (x)y1 + a22 (x)y2 + · · · + a2n (x)yn + f2 (x)



(7.16)

 .............................................................


 0
 yn = an1 (x)y1 + an2 (x)y2 + · · · + ann (x)yn + fn (x)

unde x este variabila independentă, y1 , y2 , ... , yn sunt funcţiile necunoscute şi


aij : I −→ R
unde i, j ∈ {1, 2, ..., n}
fi : I −→ R
sunt funcţii continue definite pe un interval I ⊆ R.
Ecuaţii şi sisteme de ecuatii diferenţiale liniare 147

Observaţia 7.11 Sistemul diferenţial liniar (7.16) se poate scrie sub forma ma-
triceală
Y 0 = A(x)Y + F (x)
utilizând notaţiile
a11 (x) a12 (x) · · · a1n (x)
 
   
y1   f1 (x)
 a21 (x)

a22 (x) · · · a2n (x) 

 y2 
 



 f2 (x) 

Y = .. , A(x) = 
 ···
, F (x) =  .. .

 .

  ··· ··· ···  

 .


 
yn fn (x)
an1 (x) an2 (x) · · · ann (x)
 

Teorema 7.25 (de existenţă şi unicitate). Dacă

aij : I −→ R
unde i, j ∈ {1, 2, ..., n}
fi : I −→ R

sunt funcţii continue atunci oricare ar fi (x0 , y10 , y20 , ..., yn0 ) ∈ I × Rn există o unică
soluţie Y (x) ı̂ncât
 
y10
0

 y20 

Y = A(x) Y + F (x) si Y (x0 ) =  .. .
.
 
 
yn0

Teorema 7.26 Spaţiul V al tuturor soluţiilor sistemului diferenţial liniar omogen

Y 0 = A(x) Y

este un spaţiu vectorial de dimensiune n.

Demonstraţie. Pentru x0 ∈ I fixat, din teorema de existenţă şi unicitate rezultă că
aplicaţia liniară
V −→ Rn : Y 7→ Y (x0 )
este un izomorfism liniar.

Observaţia 7.12 Rezolvarea sistemului omogen Y 0 = AY este echivalentă cu găsirea


unei baze al lui V, adică cu găsirea a n soluţii liniar independente.
148 Elemente de algebră liniară

Definiţia 7.27 Plecând de la n soluţii ale sistemului omogen Y 0 = A(x)Y


     
y11 y12 y1n

 y21 


 y22 


 y2n 

Y1 =  .. , Y2 =  .. , ... , Yn =  .. 
. . .
     
     
yn1 yn2 ynn

construim matricea Wronski


 
y11 y12 · · · y1n
 y21 y22 · · · y2n 
W =
 
··· ··· ··· ···

 
yn1 yn2 · · · ynn

şi wronskianul
w = det W.

Teorema 7.28 Soluţiile Y1 , Y2 , ... , Yn formează o bază a spaţiului vectorial V


dacă şi numai dacă wronskianul lor este nenul ı̂ntr-un punct fixat x0 ∈ I, adică

w(x0 ) 6= 0.

Demonstraţie. Deoarece
V −→ Rn : Y 7→ Y (x0 )

este un izomorfism liniar, soluţiile Y1 , Y2 , ... , Yn sunt liniar independente dacă şi
numai dacă vectorii Y1 (x0 ), Y2 (x0 ), ... , Yn (x0 ) din Rn sunt liniar independenţi, ceea
ce este echivalent cu w(x0 ) 6= 0.

Teorema 7.29 Wronskianul soluţiilor Y1 , Y2 , ... , Yn verifică relaţia


Rx
tr A(t) dt
w(x) = w(x0 ) e x0 (7.17)

unde tr A(t) = a11 (t) + a22 (t) + · · · + ann (t) este urma matricei A(t).
Ecuaţii şi sisteme de ecuatii diferenţiale liniare 149

Demonstraţie (cazul n = 2.) Avem


0 0 (x)

y11 (x) y12 (x) y11 (x) y12 (x) y11 (x) y12
w0 (x) = d
= +

dx
y (x) y (x) y 0 (x) y (x) y (x) y 0 (x)

21 22 22 21

21 22

a11 (x) y11 (x)+a12 (x) y21 (x) y12 (x) y11 (x) a11 (x) y12 (x)+a12 (x) y22 (x)
= +


a (x) y (x)+a (x) y (x) y (x) y (x) a (x) y (x)+a (x) y (x)
21 11 22 21 22 21 21 12 22 22

= (a11 (x) + a22 (x)) w(x)

adică w verifică ecuaţia diferenţială liniară

w0 = tr A(x) w.

Observaţia 7.13 Din relaţia (7.13) rezultă că dacă wronskianul se anulează ı̂ntr-un
punct x0 ∈ I atunci el se anulează ı̂n toate punctele x ∈ I.

Propoziţia 7.30 Soluţia generală a sistemului liniar neomogen

Y 0 = A(x) Y + F (x)

se obţine adunând la soluţia generală a sistemului liniar omogen asociat

Y 0 = A(x) Y

o soluţie particulară Ỹ a sistemului neomogen.

Demonstraţie. Deoarece Ỹ 0 = A(x) Y + F (x) obţinem

Y 0 = A(x) Y =⇒ (Y + Ỹ )0 = A(x) (Y + Ỹ ) + F (x)

Y 0 = A(x) Y + F (x) =⇒ (Y − Ỹ )0 = A(x) (Y − Ỹ ).

Observaţia 7.14 Folosind matricea Wronski W asociată unei baze {Y1 , Y2 , ... , Yn }
a lui V soluţia generală

Y = c1 Y1 + c2 Y2 + · · · + cn Yn
150 Elemente de algebră liniară

a ecuaţiei liniare omogene Y 0 = A(x) Y se poate scrie sub forma


 
c1

c2 
 ∈ Rn .
 
Y (x) = W (x) C unde C= ..
.
 
 
cn

Teorema 7.31 (Metoda variaţiei constantelor). Dacă soluţia generală a sistemului

Y 0 = A(x) Y

este Y (x) = W (x) C atunci o soluţie particulară sistemului neomogen

Y 0 = A(x) Y + F (x)

se poate obţine căutând-o de forma

Ỹ (x) = W (x) C(x)

unde C(x) este o soluţie a sistemului

C 0 (x) = W −1 (x) F (x).

Demonstraţie. Deoarece W 0 = A(x)W şi Ỹ 0 (x) = W 0 (x) C(x) + W (x) C 0 (x) avem

Ỹ 0 = A(x) Ỹ + F (x)

dacă şi numai dacă W (x) C 0 (x) = F (x)

Definiţia 7.32 Prin sistem diferenţial liniar omogen cu coeficienţi constanţi


se ı̂nţelege un sistem de ecuaţii de forma

Y 0 = AY unde A ∈ Mn×n (R).

Propoziţia 7.33 Funcţia vectorială Y : R −→ Cn , Y (x) = w eλx , unde


 
w1

w2 
 ∈ Cn
 
w= ..
.
 
 
wn
Ecuaţii şi sisteme de ecuatii diferenţiale liniare 151

verifică relaţia
Y 0 = AY

dacă şi numai dacă


Aw = λw.

Demonstraţie. Deoarece Y 0 (x) = λw eλx ı̂nlocuind ı̂n Y 0 = AY obţinem Aw = λw.

Observaţia 7.15 Fie λ o rădăcină a polinomului caracteristic

det (A − λI) = 0.

Dacă λ ∈ R atunci λ este valoare proprie a matricei A şi alegând un vector propriu
corespunzător w ∈ Rn obţinem soluţia netrivială Y (x) = w eλx a sistemului Y 0 =
AY . Dacă λ 6∈ R atunci există w ∈ Cn astfel ı̂ncât Aw = λw şi

   
Y1 (x) = Re w eλx , Y2 (x) = Im w eλx

sunt soluţii ale sistemului Y 0 = AY .

Exerciţiul 7.2 Să se determine soluţia generală a sistemului


(
y10 = y1 + y2
y20 = −y1 + y2 .

Rezolvare. Ecuaţia

1−λ 1
=0

−1 1−λ

are rădăcinile λ1 = 1 + i şi λ2 = 1 − i. O soluţie particulară a ecuaţiei Av = (1 + i)v,


adică
! ! !
1 1 v1 v1
= (1 + i)
−1 1 v2 v2
152 Elemente de algebră liniară

!
1
este v = . Rezultă că soluţia generală a sistemului este
i
( ! ) ( ! )
1 1
Y (x) = c1 Re e(1+i)x + c2 Im e(1+i)x
i i
( ! ) ( ! )
1 1
= c1 Re ex (cos x + i sin x) + c2 Im ex (cos x + i sin x)
i i
! !
cos x sin x
= c1 ex + c2 ex .
− sin x cos x

Observaţia 7.16 Dacă matricea A ∈ Mn×n (R) este diagonalizabilă şi {v1 , v2 , ..., vn }
unde      
v11 v12 v1n
 v21   v22   v2n 
     
v1 = 
 .. 
 , v2 =  .. 
  , · · · v n =  .. 
 
 .   .   . 
vn1 vn2 vnn
este o bază a lui Rn formată din vectori proprii ai lui A corespunzători valorilor
proprii λ1 , λ2 , ... , λn (distincte sau nu) atunci soluţia generală a sistemului Y 0 = AY
este
     
v11 v12 v1n

 v21 
 λ x

 v22 
 λ x

 v2n 
 λ x
Y (x) = c1  ..  e 1 + c2  ..  e 2 + · · · + cn  .. e n .
. . .
     
     
vn1 vn2 vnn
Exerciţiul 7.3 Să se determine soluţia generală a sistemului

0
 y1 = y2 + y3

2 y0 = y + y
1 3
 y0 = y + y

3 1 2

Rezolvare. Rezolvând ecuaţia



−λ 1 1

1 −λ 1 =0

1 −λ

1

obţinem λ1 = 2, şi λ2 = λ3 = −1. Deoarece subspaţiile proprii corespunzătoare sunt

V2 = { α(1, 1, 1) | α ∈ R }, V−1 = { α(1, 0, −1) + β(0, 1, −1) | α, β ∈ R }.


Ecuaţii şi sisteme de ecuatii diferenţiale liniare 153

rezultă că soluţia generală a sistemului este


     
1 1 0
Y (x) = c1  1  e2x + c2  0  e−x + c3  1  e−x .
     
1 −1 −1

Observaţia 7.17 Ştim că, ı̂n general, o matrice A ∈ Mn×n (R) nu este diagonal-
izabilă. Dacă λ este o rădăcină reală (respectiv, complexă) cu multiplicitatea m a
polinomului caracteristic atunci partea din soluţia generală corespunzătoare lui λ
poate fi găsită căutând-o de forma

α11 xm−1 + α12 xm−2 + · · · + α1m−1 x + α1m


 
 α21 xm−1 + α22 xm−2 + · · · + α2m−1 x + α2m 
 λx
Y (x) =  e

 ................................................................... 
αn1 xm−1 + αn2 xm−2 + · · · + αnm−1 x + α1m

unde coeficienţii αjk sunt reali (respectiv, complecşi). In cazul complex, ı̂n final se
separă părţile reală şi imaginară ale a soluţiei gasite.

Exerciţiul 7.4 Să se determine soluţia generală a sistemului



0
 y1 = −y1 + y2

0
y2 = −y2 + 4y3
 y 0 = y − 4y

3 1 3

Rezolvare. Valorile proprii sunt λ1 = 0 şi λ2 = λ3 = −3, iar subspaţiile proprii


corespunzătoare

V0 = { α(4, 4, 1) | α ∈ R }, V−3 = { α(1, −2, 1) | α ∈ R }.

Deoarece dimV−3 = 1 rezultă că matricea sistemului nu este diagonalizabilă. Căutând


partea din soluţia generală referitoare la λ2 = λ3 = −3 de forma
 
α1 x + β 1
Y (x) =  α2 x + β2  e−3x
 
α3 x + β 3

găsim    
x 1
 −3x
Y (x) = α1  −2x + 1  e + β1  −2  e−3x .
  
x−1 1
154 Elemente de algebră liniară

Soluţia generală a sistemului este


     
4 x 1
Y (x) = c1  4  + c2  −2x + 1  e−3x + c3  −2  e−3x .
     
1 x−1 1

Observaţia 7.18 O altă metodă de rezolvare a sistemelor liniare omogene cu


coeficienţi constanţi, numită metoda eliminării, se bazează pe faptul că fiecare dintre
funcţiile necunoscute yj verifică o ecuaţie diferenţială liniară.

Exerciţiul 7.5 Să se rezolve sistemul



0
 y1 = y2

0
y2 = y3
 y0 = y .

3 1

Rezolvare. Funcţia necunoscută y1 verifică ecuaţia liniară

y1000 − y1 = 0.

Deoarece P (r) = r3 − 1 are rădăcinile r1 = 1 şi r2,3 = − 12 ± i 23 , rezultă că
√ √
x − 21 x 3 − 12 x 3
y1 (x) = c1 e + c2 e cos x + c3 e sin x.
2 2
Prin derivarea lui y1 se obţin y2 şi y3 .

Observaţia 7.19 Deoarece izomorfismul de spaţii vectoriale


2
Mn×n (K) −→ Kn :
 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
 7→ (a11 , a12 , ..., a1n , a21 , a22 , ..., a2n , ..., an1 , an2 , ..., ann )
 
··· ··· ··· ···

 
an1 an2 · · · ann
2
permite identificarea spaţiului vectorial Mn×n (K) cu Kn , aplicaţia
 
a11 a12 · · · a1n v
u n

· · · a2n
uX
 a21 a22 
|| · || : Mn×n (K) −→ R,  = |aij |2
  t
··· ··· ··· ···

 
i,j=1
an1 an2 · · · ann
Ecuaţii şi sisteme de ecuatii diferenţiale liniare 155

este o normă pe Mn×n (K). In particular, o serie de matrice



X
ak Ak
k=0

este convergentă dacă există limita


m
X
lim ak Ak
m→∞
k=0

adică dacă există B ∈ Mn×n (K) astfel ı̂ncât

m

X
lim ak Ak − B = 0.

m→∞
k=0

Propoziţia 7.34 Dacă seria de puteri



X
ak xk
k=0

are raza de convergenţă R > 0 şi dacă A ∈ Mn×n (K) este astfel ı̂ncât ||A|| < R
atunci seria de matrice

X
ak Ak
k=0

este convergentă.

Demonstraţie. Alegând r astfel ı̂ncât ||A|| < r < R obţinem relaţia



ak Ak = |ak | Ak ≤ |ak | ||A||k < |ak | r k .

P∞ k
Seria k=0 ak r fiind absolut convergentă, din criteriul comparaţiei rezultă că seria
P∞ k P∞ k
k=0 ||ak A || este convergentă, ceea ce implică convergenţa seriei k=0 ak A .

Observaţia 7.20 Deoarece seria exponenţială



X xk x x2
ex = =1+ + + ···
k=0
k! 1! 2!
156 Elemente de algebră liniară

are raza de convergenţă r = ∞ rezultă că pentru orice matrice A ∈ Mn×n (K) putem
defini matricea ∞
X Ak A A2
eA = =1+ + + ···
k=0
k! 1! 2!
numită exponenţiala matricei A. Se poate arăta că funcţia matriceală

R −→ Mn×n (K) : t 7→ etA

este derivabilă şi că (etA )0 = A etA adică

Y (t) = etA C

este soluţie a sistemului liniar Y 0 = AY , oricare ar fi C ∈ Rn .

Exerciţiul 7.6 Să se determine soluţia sistemului



0
 y1 = y2 + y3

2 y0 = y + y
1 3
 y0 = y + y .

3 1 2

Rezolvare. Matricea sistemului


 
0 1 1
A= 1 0 1 
 
1 1 0

este diagonalizabilă
   
2 0 0 1 1 0
−1
S AS =  0 −1 0  unde S= 1 0 1 .
   
0 0 −1 1 −1 −1

Deoarece  
2 0 0
A = S  0 −1 0  S −1
 
0 0 −1
obţinem
 k  
2 0 0 2k 0 0
−1
k
A = S  0 −1 0  S = S  0 (−1)k 0  S −1
   
0 0 −1 0 0 (−1)k
Ecuaţii şi sisteme de ecuatii diferenţiale liniare 157

şi
   
∞ ∞ k 2k 0 0 e2t 0 0
(tA)k t −1
0  S −1
X X
etA = = S  0 (−1)k 0 S = S  0 e −t
   
k! k!
k=0 k=0 0 0 (−1)k 0 0 e−t

relaţie care permite scrierea explicită a soluţiei generale.


158
Capitolul 8

Grupuri. Reprezentări liniare

8.1 Grupuri

Vom prezenta câteva elemente referitoare la grupuri şi reprezentările lor liniare.

Definiţia 8.1 Prin grup se ı̂nţelege o mulţime G pe care este definită o lege de
compoziţie internă
G × G −→ G : (x, y) 7→ x y
satisfăcând condiţiile:
1) (g1 g2 )g3 = g1 (g2 g3 ), ∀g1 , g2 , g3 ∈ G;
2) există e ∈ G astfel ı̂ncât ge = eg = g, ∀g ∈ G;
3) oricare ar fi g ∈ G există g −1 ∈ G astfel ı̂ncât gg −1 = g −1 g = e.
Grupul este numit grup comutativ (sau abelian) dacă, ı̂n plus,
4) g1 g2 = g2 g1 ∀g1 , g2 ∈ G.

Propoziţia 8.2 a) Elementul e cu proprietatea

ge = eg = g, ∀g ∈ G

este unic ı̂n G şi se numeşte element neutru.


b) Pentru orice g ∈ G elementul g −1 cu proprietatea

gg −1 = g −1 g = e

este unic ı̂n G şi se numeşte inversul lui g.

159
160 Elemente de algebră liniară

Demonstraţie. Avem
∀g ∈ G
)
ge = eg = g,
=⇒ e = ee0 = e0
ge0 = e0 g = g, ∀g ∈ G
şi
gg −1 = g −1 g = e
)
=⇒ h = he = h(gg −1 ) = (hg)g −1 = eg −1 = g −1 .
gh = hg = e
Observaţia 8.1 In cazul ı̂n care ı̂n locul notaţiei multiplicative g1 g2 se utilizează
notaţia aditivă g1 +g2 elementul neutru este notat cu 0. Elementul h cu proprietatea
h + g = g + h = 0 este notat cu −g şi numit opusul lui g.

8.2 Reprezentări liniare

Definiţia 8.3 Fie G şi G0 două grupuri. O aplicaţie

f : G −→ G0

este numită morfism de grupuri dacă

f (g1 g2 ) = f (g1 ) f (g2 ), ∀g1 , g2 ∈ G.

Exerciţiul 8.1 Mulţimea tuturor automorfismelor unui spaţiu vectorial V

GL(V ) = { A : V −→ V | A este liniara si bijectiva }

ı̂mpreună cu operaţia de compunere este un grup (grupul automorfismelor lui V ).


Definiţia 8.4 Prin reprezentare liniară a grupului G ı̂n spaţiul vectorial V peste
corpul K (numită şi reprezentare K-liniară) se ı̂nţelege un morfism de grupuri

T : G −→ GL(V ) : g 7→ T (g)

adică o aplicaţie astfel ı̂ncât

T (g1 g2 ) = T (g1 ) T (g2 ), ∀g1 , g2 ∈ G.

Dimensiunea reprezentării este prin definiţie dimensiunea spaţiului vectorial V .


Grupuri. Reprezentări liniare 161

Exerciţiul 8.2 Mulţimea matricelor inversabile de ordinul n cu elemente din K

GL(n, K) = { A ∈ Mn×n (K) | det A 6= 0 }

ı̂mpreună cu ı̂nmulţirea matricelor este grup (se numeşte grupul general linear).

Definiţia 8.5 Prin reprezentare matriceală n-dimensională a unui grup G se


ı̂nţelege un morfism de grupuri de forma

T : G −→ GL(n, K) : g 7→ T (g).

Reprezentarea este numită reală ı̂n cazul K = R şi complexă ı̂n cazul K = C.

Propoziţia 8.6 Fie V un spaţiu vectorial peste corpul K. Dacă {e1 , e2 , ..., en } este
o bază a lui V şi
T : G −→ GL(V ) : g 7→ T (g)
o reprezentare liniară a unui grup G ı̂n V atunci aplicaţia
 
t11 (g) t12 (g) · · · t1n (g)
 
 t21 (g)

t22 (g) · · · t2n (g) 

T : G −→ GL(n, K) : g →
7 T (g) = 
 
 ··· ··· ··· ···


 
tn1 (g) tn2 (g) · · · tnn (g)
 

unde elementele tij (g) sunt astfel ı̂ncât


n
X
T (g)ej = tij (g)ei , ∀g ∈ G, ∀j ∈ {1, 2, ..., n}
i=1

este o reprezentare matriceală n-dimensională a lui G.

Demonstraţie. Deoarece T (g1 g2 ) = T (g1 ) T (g2 ), din relaţiile


Pn
T (g1 g2 )ej = i=1 tij (g1 g2 )ei
Pn Pn
T (g1 ) T (g2 )ej = T (g1 ) k=1 tkj (g2 )ek = k=1 tkj (g2 )T (g1 )ek
Pn Pn
= k=1 tkj (g2 ) i=1 tik (g1 )ei
Pn Pn
= i=1 ( k=1 tik (g1 )tkj (g2 )) ei
162 Elemente de algebră liniară

rezultă că n
X
tij (g1 g2 ) = tik (g1 ) tkj (g2 ), ∀i, j ∈ {1, 2, ..., n}
k=1

adică T (g1 g2 ) = T (g1 ) T (g2 ).

Observaţia 8.2 Matricea T (g) este matricea transformării liniare T (g) : V −→ V


ı̂n raport cu baza considerată. Alegând o altă bază {e01 , e02 , ..., e0n } se poate defini ı̂n
mod similar reprezentarea

T 0 : G −→ GL(n, K) : g 7→ T 0 (g).

Ştim ı̂nsă că cele două reprezentări matriceale sunt legate prin relaţia

T 0 (g) = S −1 T (g) S, ∀g ∈ G

unde S este matricea de trecere de la baza {e1 , e2 , ..., en } la {e01 , e02 , ..., e0n }.

Definiţia 8.7 Două reprezentări matriceale n-dimensionale peste K ale unui grup

T1 : G −→ GL(n, K) si T2 : G −→ GL(n, K)

sunt numite echivalente dacă există S ∈ GL(n, K) astfel ı̂ncât

T2 (g) = S −1 T1 (g) S, ∀g ∈ G.

Exerciţiul 8.3 Aplicaţia R : R −→ GL(R2 ) : t 7→ R(t) unde

R(t) : R2 −→ R2 , R(t)(x, y) = (x cos t − y sin t, x sin t + y cos t)

este o reprezentare liniară a grupului aditiv (R, +) ı̂n spaţiul vectorial R2 .


Alegând ı̂n R2 baza {e1 = (1, 0), e2 = (0, 1)} obţinem reprezentarea matriceală
!
cos t − sin t
R : R −→ GL(2, R) : t 7→ R(t) = .
sin t cos t

Rezolvare. Avem R(t + s) = R(t) R(s).


Grupuri. Reprezentări liniare 163

8.3 Reprezentări ireductibile

Definiţia 8.8 Două reprezentări liniare n-dimensionale peste K ale unui grup G

T1 : G −→ GL(V1 ) si T2 : G −→ GL(V2 )

sunt numite echivalente dacă există un izomorfism liniar S : V1 −→ V2 astfel ı̂ncât

T1 (g) = S −1 T2 (g) S, ∀g ∈ G

adică astfel ı̂ncât diagrama


T1 (g)
V1 - V1

S S
? ?
T2 (g)
V2 - V2

este comutativă.

Definiţia 8.9 Fie T : G −→ GL(V ) o reprezentare liniară a grupului G ı̂n V .


Spunem că subspaţiul vectorial W ⊆ V este invariant faţă de T dacă

T (g)(W ) ⊆ W, ∀g ∈ G.

Definiţia 8.10 Spunem că reprezentarea liniară

T : G −→ GL(V )

este o reprezentare ireductibilă dacă singurele subspaţii invariante sunt {0} şi
V . In caz contrar, reprezentarea este numită reductibilă.

Exerciţiul 8.4 Reprezentarea liniară T : R −→ GL(R3 ) : t 7→ T (t) unde

T (t) : R3 −→ R3 , T (t)(x, y, z) = (x cos t − y sin t, x sin t + y cos t, z)

este o reprezentare liniară reductibilă a grupului aditiv (R, +) ı̂n R3 .

Rezolvare. Subspaţiul W = { (x, y, 0) | x, y ∈ R } ⊂ R3 este subspaţiu invariant.


164 Elemente de algebră liniară

Propoziţia 8.11 Dacă

T1 : G −→ GL(V1 ) si T2 : G −→ GL(V2 )

sunt două reprezentări K-liniare atunci aplicaţia

T : G −→ GL(V1 ⊕ V2 ), T (g)(x1 , x2 ) = (T1 (g)x1 , T2 (g)x2 )

este o reprezentare K-liniară a grupului G ı̂n spaţiul produs direct V1 ⊕ V2 , numită


suma reprezentărilor T1 şi T2 , notată cu T1 ⊕ T2 .

Demonstraţie. Avem
T (g1 g2 )(x1 , x2 ) = (T1 (g1 g2 )x1 , T2 (g1 g2 )x2 )

= (T1 (g1 ) T1 (g2 )x1 , T2 (g1 ) T2 (g2 )x2 )

= T (g1 )(T1 (g2 )x1 , T2 (g2 )x2 ) = T (g1 )T (g2 )(x1 , x2 ).


Propoziţia 8.12 Dacă
t11 (g) · · · t1n (g)
 
 
T : G −→ GL(n, K) : g 7→ T (g) = 
 ··· ··· ··· 

tn1 (g) · · · tnn (g)

r11 (g) · · · r1k (g)


 
 
R : G −→ GL(k, K) : g 7→ R(g) = 
 ··· ··· ··· 

rk1 (g) · · · rkk (g)
sunt două reprezentări matriceale atunci
t11 (g) · · · t1n (g) 0 0 0
 
 
 ··· ··· ··· ··· ··· ··· 
 
 
 t (g) · · · t (g) 0 0 0 
 n1 nn 
T ⊕ R : G −→ GL(n+k, K) : g 7→  
r11 (g) · · ·
 

 0 0 0 r1k (g) 

 

 0 0 0 ··· ··· ···  
0 0 0 rk1 (g) · · · rkk (g)
este o reprezentare matriceală a lui G, numită suma reprezentărilor T şi R.
Grupuri. Reprezentări liniare 165

8.4 Reprezentări unitare şi ortogonale

Definiţia 8.13 O submulţime H ⊆ G este numită subgrup al grupului G dacă


)
g1 ∈ H
=⇒ g1 g2−1 ∈ H.
g2 ∈ H

Exerciţiul 8.5 Fie V un spaţiu vectorial euclidian complex. Mulţimea trans-


formărilor unitare

U (V ) = { A : V −→ V | hAx, Ayi = hx, yi, ∀x, y ∈ V }

este un subgrup al grupului GL(V ) al tuturor automorfismelor lui V .

Definiţia 8.14 Prin reprezentare unitară a grupului G ı̂n spaţiul vectorial eu-
clidian complex V se ı̂nţelege un morfism de grupuri

T : G −→ U (V ).

Observaţia 8.3 Dacă T : G −→ U (V ) este o reprezentare unitară atunci

hT (g)x, T (g)yi = hx, yi, ∀x, y ∈ V, ∀g ∈ G.

Exerciţiul 8.6 Fie A ∈ Mn×n (C) o matrice cu n linii şi n coloane cu elemente
numere complexe şi fie A∗ = t Ā adjuncta ei. Relaţiile

A A∗ = I, A∗ A = I, A−1 = A∗ .

unde I ∈ Mn×n (C) este matricea unitate, sunt echivalente.

Definiţia 8.15 Matricea A ∈ Mn×n (C) este numită matrice unitară dacă

A∗ A = I

(condiţie echivalentă cu A−1 = A∗ şi A A∗ = I).

Observaţia 8.4 Dacă A este o matrice unitară atunci |detA| = 1. Intr-adevăr

A∗ A = I =⇒ detA detA∗ = 1 =⇒ |detA|2 = 1.


166 Elemente de algebră liniară

Teorema 8.16 Mulţimea matricelor unitare de ordinul n

U (n) = { A ∈ Mn×n (C) | A∗ A = I }

are o structură de grup ı̂n raport cu ı̂nmulţirea matricelor, iar

SU (n) = { A ∈ U (n) | det A = 1 }

este un subgrup al lui U (n).

Demonstraţie. a) Produsul a două matrice unitare A şi B este o matrice unitară

(AB)∗ (AB) = B ∗ A∗ AB = B ∗ B = I

şi inversa unei matrice unitare A este o matrice unitară

A−1 = A∗ =⇒ (A−1 )∗ = (A∗ )∗ = A = (A−1 )−1 .

b) Afirmaţia rezultă din relaţiile

det(AB) = detA detB, det(A−1 ) = (detA)−1 .

Definiţia 8.17 Prin reprezentare matriceală unitară a grupului G se ı̂nţelege


un morfism de grupuri
T : G −→ U (n).

Exerciţiul 8.7 Fie V un spaţiu vectorial euclidian real. Mulţimea transformărilor


ortogonale

O(V ) = { A : V −→ V | hAx, Ayi = hx, yi, ∀x, y ∈ V }

este un subgrup al grupului GL(V ) al tuturor automorfismelor lui V .

Definiţia 8.18 Prin reprezentare ortogonală a grupului G ı̂n spaţiul vectorial


euclidian real V se ı̂nţelege un morfism de grupuri

T : G −→ O(V ).
Grupuri. Reprezentări liniare 167

Observaţia 8.5 Dacă T : G −→ O(V ) este o reprezentare ortogonală atunci

hT (g)x, T (g)yi = hx, yi, ∀x, y ∈ V, ∀g ∈ G.

Exerciţiul 8.8 Fie A ∈ Mn×n (R) o matrice cu n linii şi n coloane cu elemente
numere reale şi fie t A transpusa ei. Relaţiile

A t A = I, t
A A = I, A−1 = t A.

unde I ∈ Mn×n (C) este matricea unitate, sunt echivalente.

Definiţia 8.19 Matricea A ∈ Mn×n (C) este numită matrice ortogonală dacă

t
A A=I

(condiţie echivalentă cu A−1 = t A şi A t A = I).

Observaţia 8.6 Dacă A este o matrice ortogonală atunci detA ∈ {−1, 1}.

Teorema 8.20 Mulţimea matricelor ortogonale de ordinul n


n o
t
O(n) = A ∈ Mn×n (R) | A A=I

are o structură de grup ı̂n raport cu ı̂nmulţirea matricelor, iar

SO(n) = { A ∈ O(n) | det A = 1 }

este un subgrup al lui U (n).

Demonstraţie. A se vedea demonstraţia teoremei 8.16.

Definiţia 8.21 Prin reprezentare matriceală ortogonală a grupului G se ı̂nţelege


un morfism de grupuri
T : G −→ O(n).
168 Elemente de algebră liniară

8.5 Grupul rotaţiilor. Reprezentări liniare

Propoziţia 8.22
( ! )
cos t − sin t
SO(2) = t ∈ [0, 2π) .

sin t cos t

Demonstraţie. Avem
!−1 !
cos t − sin t cos t sin t cos t − sin t
= , =1

sin t cos t − sin t cos t sin t cos t

şi 
! 
 α2 + γ 2 = 1
α β  β 2 + δ2 = 1

∈ SO(2) =⇒
γ δ 
 αβ + γδ = 0


αδ − βγ = 1.

Din relaţiile α2 + γ 2 = 1 şi β 2 + δ 2 = 1 rezultă că există t, s ∈ [0, 2π) ı̂ncât


! !
α β cos t sin s
=
γ δ sin t cos s

dar

 s = −t
) ) 
αβ + γδ = 0 sin(t + s) = 0
=⇒ =⇒ sau
αδ − βγ = 1. cos(t + s) = 1.  s = 2π − t.

Exerciţiul 8.9 Dacă A ∈ SO(3) atunci există t ∈ [0, 2π) şi o matrice S ∈ O(3)
astfel ı̂ncât  
1 0 0
S −1 AS =  0 cos t − sin t  .
 
0 sin t cos t
Rezolvare. Fie  
a11 a12 a13
A =  a21 a22 a23  ∈ SO(3).
 
a31 a32 a33
Grupuri. Reprezentări liniare 169

Matricea A este matricea ı̂n raport cu baza canonică a unei transformări ortogonale
A : R3 −→ R3 . Ecuaţia caracteristică corespunzătoare este
!
a a23 a a13 a a12
3 2 22 11 11
−λ +(a11 + a22 + a33 )λ − + + λ − det A = 0

a32 a33 a31 a33 a21 a22

Deoarece t A = A−1 , adică


 
a22 a23 a12 a32 a
12 a22


a32 a33 a13 a33 a13 a23
 
 
   
a11 a21 a31
 
 
 
a21 a31 a11 a31 a
11 a21 
 a12 a22 a32  =  − −
 
a23 a33 a13 a33 a13 a23
 

a13 a23 a33 



 
 a21 a31 a11 a31 a
11 a21 

 
a22 a32 a12 a32 a12 a22

şi det A = 1 rezultă că λ = 1 este valoare proprie a lui A. Fie e1 un vector propriu
corespunzător cu ||e1 || = 1, adică Ae1 = e1 . Subspaţiul vectorilor ortogonali pe e1

V = {x ∈ R3 | hx, e1 i = 0 }

este un subspaţiu invariant

x∈V =⇒ hAx, e1 i = hAx, Ae1 i = hx, e1 i = 0.

Dacă {e2 , e3 } este o bază ortonormată ı̂n V atunci B = {e1 , e2 , e3 } este o bază
ortonormată a lui R3 ı̂n raport cu care matricea lui A are forma
 
1 0 0
A0 =  0 α β 
 
0 γ δ
!
α β
unde este o matrice ortogonală. Notând cu S matricea de trecere de la
γ δ
baza canonică la baza B avem relaţia
   
1 0 0 a11 a21 a31
−1 
 0 α β  = S  a12 a22 a32  S
  
0 γ δ a13 a23 a33
170 Elemente de algebră liniară

din care rezultă


α β
=1

γ δ


!
α β
ceea ce arată că ∈ SO(2). Conform exerciţiului anterior există t ∈ [0, 2π)
γ δ
ı̂ncât ! !
α β cos t − sin t
= .
γ δ sin t cos t
Observaţia 8.7 Matricea  
1 0 0
 0 cos t − sin t 
 
0 sin t cos t
este matricea unei rotaţii ı̂n jurul vectorului e1 (vectorul propriu corespunzător val-
orii proprii λ = 1). Grupul SO(3) este grupul rotaţiilor spaţiului tridimensional.

Exerciţiul 8.10 Aplicaţia SO(3) −→ O(R3 ) prin care matricei


 
a11 a12 a13
g =  a21 a22 a23  ∈ SO(3)
 
a31 a32 a33

i se asociază transformarea ortogonală g : R3 −→ R3 ,

g(x1 , x2 , x3 ) = (a11 x1 +a12 x2 +a13 x3 , a21 x1 +a22 x2 +a23 x3 , a31 x1 +a32 x2 +a33 x3 )

este o reprezentare ortogonală a grupului SO(3) ı̂n R3 .

Exerciţiul 8.11 Aplicaţia

T : SO(3) −→ GL(F(R3 , C)) : g 7→ T (g)

unde
T (g) : F(R3 , C) −→ F(R3 , C), (T (g)f )(x) = f (g −1 x)

este o reprezentare liniară ı̂n spaţiul vectorial complex F(R3 , C) al tuturor funcţiilor

f : R3 −→ C.
Grupuri. Reprezentări liniare 171

Rezolvare. Avem
(T (g1 g2 )f )(x) = f ((g1 g2 )−1 x) = f (g2−1 g1−1 x)

= f (g2−1 (g1−1 x)) = (T (g2 )f )(g1−1 x)

= (T (g1 )(T (g2 )f ))(x) = (T (g1 )T (g2 )f )(x).


Exerciţiul 8.12 Mulţimea de matrice
n o
O(1, 3) = A ∈ GL(4, R) | A I1,3 t A = I1,3

unde  
1 0 0 0
 0 −1 0 0 
I1,3 = 
 
0 0 −1 0

 
0 0 0 −1
considerată ı̂mpreună cu ı̂nmulţirea este grup (se numeşte grupul Lorentz).

Exerciţiul 8.13
( ! )
α β
2 2
SU (2) = α, β ∈ C, |α| + |β| = 1

−β̄ ᾱ

Rezolvare. Avem
γ = −β̄
 
! 
 ᾱ γ + β̄ δ = 0 

α β  
∈ SU (2) =⇒ −βγ + αδ = 1 =⇒ δ = ᾱ
γ δ 
 

|α|2 + |β|2 = 1 |α|2 + |β|2 = 1.
 

Observaţia 8.8 Grupul SU (2) admite parametrizarea


  
0 ≤ ϕ < 2π


 ei(ϕ+ψ)/2 cos 12 θ i ei(ϕ−ψ)/2 sin 21 θ



SU (2) =   0≤θ≤π
i e−i(ϕ−ψ)/2 sin 12 θ e−i(ϕ+ψ)/2 cos 21 θ

−2π ≤ ψ ≤ 2π

 

cu proprietatea
ei(ϕ+ψ)/2 cos 12 θ i ei(ϕ−ψ)/2 sin 21 θ
 
 
i e−i(ϕ−ψ)/2 sin 12 θ e−i(ϕ+ψ)/2 cos 12 θ

cos 21 θ i sin 12 θ
   
eiϕ/2 0 eiψ/2 0
=   
0 e−iϕ/2 i sin 12 θ cos 12 θ 0 e−iψ/2
172 Elemente de algebră liniară

parametrii ϕ, θ, ψ fiind numiţi unghiurile lui Euler.

Exerciţiul 8.14 Dacă a, b ∈ Mn×n (K) atunci

tr (ab) = tr (ba).

Rezolvare. Avem
n
X n X
X n n X
X n n
X
tr (ab) = (ab)ii = aij bji = bji aij = (ba)jj = tr (ba).
i=1 i=1 j=1 j=1 i=1 j=1

Observaţia 8.9 Folosind baza canonică a lui R3 , putem identifica grupul SO(3) cu
grupul de transformări

{ A : R3 −→ R3 | detA = 1, ||Ax|| = ||x||, ∀x ∈ R3 }.

Propoziţia 8.23 a) Spaţiul matricelor antihermitice de urmă nulă de ordinul doi

W = { u ∈ M2×2 (C) | u∗ = −u, tr u = 0 }

este un spaţiu vectorial real de dimensiune 3 şi


!
3 ix3 −x2 + ix1
h : R −→ W, h(x1 , x2 , x3 ) =
x2 + ix1 −ix3

este un izomorfism cu proprietatea

||x||2 = det h(x), ∀x ∈ R3 .

b) Aplicaţia
η : SU (2) −→ SO(3) : g 7→ η(g)

unde
η(g) : R3 −→ R3 , η(g)x = h−1 (g h(x) g ∗ )

este un morfism de grupuri cu nucleul


( ! ) ( ! !)
1 0 1 0 −1 0
Ker η = g ∈ SU (2) η(g) = = , .

0 1 0 1 0 −1
Grupuri. Reprezentări liniare 173

Demonstraţie. a) Avem
! !
α11 + iβ11 α12 + iβ12 iβ11 α12 + iβ12
u= ∈ W =⇒ u = .
α21 + iβ21 α22 + iβ22 −α12 + iβ12 −iβ11

b) Din definiţia lui η rezultă că

η(g1 g2 )x = h−1 ((g1 g2 ) h(x) (g1 g2 )∗ ) = h−1 (g1 g2 h(x) g2∗ g1∗ )

= h−1 (g1 h(h−1 (g2 h(x) g2∗ ))g1∗ ) = η(g1 )(η(g2 )x) = (η(g1 ) η(g2 ))x.

Utilizând baza canonică a lui R3 obţinem relaţiile


 
cos ϕ − sin ϕ 0
 
eiϕ/2 0
η  sin ϕ
= cos ϕ 0 

0 e−iϕ/2 0 0 1
 
cos 12 θ i sin 12 θ 1 0 0
 

η  0 cos θ − sin θ 
= 
i sin 12 θ 1
cos 2 θ 0 sin θ cos θ
din care deducem că det η(g) = 1. Deoarece

(g h(x) g ∗ )∗ = g (h(x))∗ g ∗ = −g h(x) g ∗ )∗ = g

tr(g h(x) g ∗ ) = tr(g g ∗ h(x)) = tr h(x) = 0

||η(g)x||2 = det (g h(x) g ∗ ) = det h(x) = ||x||2

rezultă că η este un morfism de grupuri bine definit. Elementul g ∈ SU (2) aparţine
nucleului lui η dacă şi numai dacă η(g)x = x oricare ar fi x ∈ R3 . Din relaţiile

η(g)(1, 0, 0) = (1, 0, 0), η(g)(0, 1, 0) = (0, 1, 0), η(g)(0, 0, 1) = (0, 0, 1)


( ! !)
1 0 −1 0
se deduce că g ∈ , .
0 1 0 −1

Observaţia 8.10 Prin morfismul η : SU (2) −→ SO(3) fiecare element al lui SO(3)
corespunde la două elemente din SU (2) care diferă doar prin semn, η(g) = η(−g).
Orice reprezentare liniară
T : SU (2) −→ GL(V )
174 Elemente de algebră liniară

cu proprietatea T (g) = T (−g) defineşte o reprezentare liniară a grupului SO(3).

Exerciţiul 8.15 Aplicaţia SU (2) −→ GL(C2 ) obţinută asociind fiecarui element


!
α β
g= ∈ SU (2)
−β̄ ᾱ

transformarea

g : C2 −→ C2 , g(z1 , z2 ) = (αz1 + βz2 , −β̄z1 + ᾱz2 )

este o reprezentare unitară bidimensională a lui SU (2).


Rezolvare. Avem (g1 g2 )(z1 , z2 ) = g1 (g2 (z1 , z2 )).

Exerciţiul 8.16 Aplicaţia T : SU (2) −→ GL(F(C2 , C)) obţinută asociind fiecarui


element g ∈ SU (2) transformarea

T (g) : F(C2 , C) −→ F(C2 , C), (T (g)f )(z1 , z2 ) = f (g −1 (z1 , z2 ))

este o reprezentare liniară a grupului SU (2) in spaţiul vectorial complex al tuturor


funcţiilor f : C2 −→ C.
b) Pentru orice n ∈ N subspaţiul vectorial al polinoamelor omogene de grad n
n
( )

ak z1k z2n−k
X
2
En = f : C −→ C, f (z1 , z2 ) = ak ∈ C


k=0

este un subspaţiu invariant al reprezentării definite la punctul a).

Rezolvare. Inversul elemntului


!
α β
g= ∈ SU (2)
−β̄ ᾱ

este !
−1 ᾱ −β
g =
β̄ α
şi ı̂n cazul
n
ak z1k z2n−k
X
f (z1 , z2 ) =
k=0
Grupuri. Reprezentări liniare 175

obţinem
n
(T (g)f )(z1 , z2 ) = f (g −1 (z1 , z2 )) =
X
ak (ᾱz1 − βz2 )k (β̄z1 + αz2 )n−k .
k=0

Observaţia 8.11 Se poate arăta că reprezentările lui SU (2) induse ı̂n subspaţiile En
sunt reprezentări ireductibile şi că ele sunt până la o echivalenţă toate reprezentările
ireductibile ale grupului SU (2). Notând j = (n − 1)/2, adică n = 2j + 1, obţinem

n j
ak z1k z2n−k aj+m z1j+m z2j−m .
X X
f (z1 , z2 ) = =
k=0 m=−j

şi
j
X
(T (g)f )(z1 , z2 ) = aj+m (ᾱz1 − βz2 )j+m (β̄z1 + αz2 )j−m .
m=−j

Pentru fiecare element a ∈ SO(3) există exact două elemente ga şi −ga ı̂n SU (2)
ı̂ncât a = η(ga ) = η(−ga ). Deoarece

(T (−g)f )(z1 , z2 ) = (−1)2j (T (g)f )(z1 , z2 )

in cazul in care j este intreg, relaţia

SO(3) −→ GL(E2j+1 ) : a 7→ T (ga )

este o reprezentare ireductibilă (2j + 1)-dimensională a grupului SO(3) ı̂n spaţiul


vectorial E2j+1 .
176
Capitolul 9

Algebre Lie. Reprezentări


liniare

9.1 Algebre Lie

Vom prezenta câteva elemente referitoare la algebre Lie şi reprezentările lor liniare.

Definiţia 9.1 Fie K unul dintre corpurile R şi C. Prin algebră asociativă peste
corpul K se ı̂nţelege o mulţime A considerată ı̂mpreună cu trei operaţii

A × A :−→ A : (a, b) 7→ a + b (adunarea)


K × A :−→ A : (α, a) 7→ αa (inmultirea cu scalari)
A × A :−→ A : (a, b) 7→ ab (inmultirea interna)

astfel ı̂ncât A ı̂mpreună cu primele două operaţii este spaţiu vectorial şi
1) a(b + c) = ab + ac, ∀a, b, c ∈ A;
2) (a + b)c = ac + bc, ∀a, b, c ∈ A;
3) a(bc) = (ab)c, ∀a, b, c ∈ A;
4) α(ab) = (αa)b = a(αb), ∀a, b ∈ A, ∀α ∈ K.
Prin dimensiunea algebrei A se ı̂nţelege dimensiunea spaţiului vectorial corespunzător.

Exerciţiul 9.1 a) Mulţimea Mn×n (K) a tuturor matricelor pătrate de ordinul n


considerată ı̂mpreună cu operaţiile de adunare a matricelor, ı̂nmulţire cu scalari şi
produsul matricelor este o algebră asociativă peste K.

177
178 Elemente de algebră liniară

b) Dacă V este un spaţiu vectorial peste K atunci mulţimea L(V ) a tuturor operato-
rilor liniari A : V −→ V considerată ı̂mpreună cu adunarea operatorilor, ı̂nmulţirea
cu scalari şi compunerea operatorilor este o algebră asociativă peste K.

Definiţia 9.2 Fie K unul dintre corpurile R şi C. Prin algebră Lie peste corpul
K se ı̂nţelege o mulţime L considerată ı̂mpreună cu trei operaţii

L × L :−→ L : (a, b) 7→ a + b (adunarea)


K × L :−→ L : (α, a) 7→ αa (inmultirea cu scalari)
L × L :−→ L : (a, b) 7→ [a, b] (crosetul)

astfel ı̂ncât L ı̂mpreună cu primele două operaţii este spaţiu vectorial şi
1) [αa + βb, c] = α[a, c] + β[b, c], ∀a, b, c ∈ L, ∀α, β ∈ K;
2) [a, b] + [b, a] = 0, ∀a, b ∈ L;
3) [[a, b], c] + [[b, c], a] + [[c, a], b] = 0, ∀a, b, c ∈ A (identitatea Jacobi).
Prin dimensiunea algebrei Lie se ı̂nţelege dimensiunea spaţiului vectorial corespunzător.

Observaţia 9.1 O algebră Lie L poate fi privită ca un spaţiu vectorial L pe care


s-a definit o lege de compoziţie internă suplimentară

L × L :−→ L : (a, b) 7→ [a, b]

compatibilă cu structura de spaţiu vectorial.

Propoziţia 9.3 a) Plecând de la orice algebră asociativă A se obţine o structură


de algebră Lie pe A definind croşetul prin

[a, b] = ab − ba.

b) Algebra Lie peste K obţinută plecând de la Mn×n (K) se notează cu gl(n, K).
c) Algebra Lie peste K obţinută plecând de la L(V ) se notează cu gl(V ).

Demonstraţie. Avem

[αa+βb, c] = (αa + βb)c−c(αa + βb) = α(ac − ca)+β(bc − cb) = α[a, c]+β[b, c]


[a, b] = ab − ba = −(ba − ab) = −[b, a]
[[a, b], c] + [[b, c], a] + [[c, a], b] = [(ab − ba), c] + [(bc − cb), a] + [(ca − ac), b]
= (ab−ba)c−c(ab−ba)+(bc−cb)a−a(bc−cb)+(ca−ac)b−b(ca−ac) = 0.
Algebre Lie. Reprezentări liniare 179

Definiţia 9.4 Prin bază a algebrei Lie L se ı̂nţelege o bază {v1 , v2 , ... , vn } a
spaţiului L privit ca spaţiu vectorial. Coeficienţii ckij ∈ K din relaţiile

n
X
[vi , vj ] = ckij vk
k=1

se numesc constantele de structură ale algebrei L referitoare la baza aleasă.

Observaţia 9.2 Notând


 
0 ··· 0 0 0 ··· 0
··· ··· ··· ··· ··· ··· ··· 
 

0 ··· 0 0 0 ··· 0 
 

eij = 
 
 0 ··· 0 1 0 ··· 0  

 0 ··· 0 0 0 ··· 0  
··· ··· ··· ··· ··· ··· ··· 
 

0 ··· 0 0 0 ··· 0

(singurul element nenul este la intersecţa dintre coloana i şi linia j), orice matrice
admite reprezentarea
 
a11 a12 · · · a1n
 
 2
 a1 a22 · · · a2n  n
aji eij = aji eij .
 X
 =
 ··· ··· ··· · · ·  i,j=1
 
 
an1 an2 · · · ann

In cazul n = 2

a11 a12
! ! ! ! !
1 0 0 1 0 0 0 0
= a11 + a12 + a21 + a22
a21 a22 0 0 0 0 1 0 0 1

= a11 e11 + a12 e21 + a21 e12 + a22 e22 .

Propoziţia 9.5 Algebra Lie gl(n, K), de dimensiune n2 , admite baza

{ eij | i, j ∈ {1, 2, ..., n} } cu [eij , ekm ] = δm


i k
ej − δjk eim .

Demonstraţie. Avem eij ekm = δm


i ek .
j
180 Elemente de algebră liniară

Definiţia 9.6 Prin subalgebră Lie a algebrei L se ı̂nţelege un subspaţiu vectorial

L1 ⊆ L

astfel ı̂ncât )
a ∈ L1
=⇒ [a, b] ∈ L1 .
b ∈ L1

Observaţia 9.3 Fiecare subalgebră Lie a unei algebre L are o structură de algebră
Lie.

Exerciţiul 9.2 a) Mulţimea matricelor de urmă nulă

sl(n, K) = { g ∈ gl(n, K) | tr g = g11 +g22 + · · · +gnn = 0 }

este o subalgebră Lie de dimensiune n2 −1 a algebrei gl(n, K).


b) Mulţimea matricelor antihermitice

u(n) = { g ∈ gl(n, C) | t ḡ = −g }

are o structură naturală de algebră Lie reală de dimensiune n2 .


c) Mulţimea matricelor antihermitice de urmă nulă

su(n) = u(n) ∩ sl(n, C) = { g ∈ u(n) | tr g = 0 }

are o structură naturală de algebră Lie reală de dimensiune n2 − 1.


d) Mulţimea matricelor strâmb simetrice

o(n) = { g ∈ gl(n, R) | t g = −g }

n(n−1)
are o structură naturală de algebră Lie reală de dimensiune 2 .
e) Mulţimea de matrice
     



1 0 0 0 1 0 0 0 

  0 −1 0 
 0   0 −1 0 0 
t

o(1, 3) = g ∈ gl(4, R) g  =−   g
  

  0 0 −1 0   0 0 −1 0  

 
 0 0 0 −1 0 0 0 −1 
Algebre Lie. Reprezentări liniare 181

are o structură naturală de algebră Lie reală de dimensiune 6 (numită algebra Lie a
grupului Lorentz).
Rezolvare. a) Avem tr(a + b) = tr a + tr b, tr(αa) = α tr a,
n n X
n n X
n n
akj bjk = bjk akj = (ba)jj = tr ba
X X X X
tr ab = (ab)kk =
k=1 k=1 j=1 j=1 k=1 j=1

şi prin urmare, tr [a, b] = tr(ab−ba) = 0, oricare ar fi a, b ∈ gl(n, K). O bază a algebrei
Lie sl(n, K) este

{ ejk | k 6= j } ∪ { ekk −enn | k ∈ {1, 2, ..., n−1} }.

b) Dacă α ∈ R şi a, b ∈ u(n) atunci


t (αa) = ᾱ t ā = −(αa),
t (a + b) = t ā + t b̄ = −a − b = −(a + b),
t [a, b] = t (ab − ba) = t b̄ t ā − t ā t b̄ = ba − ab = −[a, b].

O bază a algebrei Lie u(n) este

{ ejk −ekj | k < j } ∪ { i(ejk +ekj ) | k < j } ∪ { i ekk | k ∈ {1, 2, ..., n} }.

c) O bază a algebrei Lie su(n) este

{ ejk −ekj | k < j } ∪ { i(ejk +ekj ) | k < j } ∪ { i (ekk − enn ) | k ∈ {1, 2, ..., n−1} }.

d) O bază a algebrei Lie o(n) este

{ ejk −ekj | k < j }.

e) Se obţine
   

 0 α1 α2 α3



  α 
 1 0 α4 α5 
 
o(1, 3) =  α , α , ... , α6 ∈ R .
 α2 −α4 0 α6  1 2


 

 

α3 −α5 −α6 0 

O bază a algebrei Lie o(1, 3) este { e21 +e12 , e31 +e13 , e41 +e14 , e31 −e13 , e24 −e42 , e34 −e43 }.
182 Elemente de algebră liniară

Definiţia 9.7 Fie G ⊆ GL(n, K) un subgrup. Prin subgrup cu un parametru


al grupului G se ı̂nţelege un morfism de grupuri

g : R −→ G

adică o aplicaţie astfel ı̂ncât

g(t + s) = g(t) g(s), ∀t, s ∈ R.

Exerciţiul 9.3 Oricare ar fi matricea a ∈ gl(n, K) aplicaţia

g : R −→ GL(n, K), g(t) = eta

este un subgrup cu un parametru al lui GL(n, K) astfel ı̂ncât


dg
(0) = a
dt
(a poate fi privit ca fiind “generatorul infinitezimal” al subgrupului considerat).

Rezolvare. Ţinând seama de definiţia exponenţialei unei matrice obtinem


d ta
g(t + s) = e(t+s)a = eta esa = g(t) g(s), e = aeta .
dt
Observaţia 9.4 Dacă matricea A ∈ Mn×n (K) este diagonalizabilă atunci există o
matrice inversabilă S ∈ Mn×n (K) şi λ1 , λ2 , ... , λn astfel ı̂ncât
 
λ1 0 · · · 0
 0 λ2 · · · 0 
A = S −1  S
 
 ··· ··· ··· ··· 
0 0 · · · λn

relaţie din care rezultă tr A = λ1 + λ2 + ... + λn şi egalitatea


 λ 
e 1 0 ··· 0
 0 eλ2 ··· 0 
eA = S −1  S
 
 ··· ··· ··· ··· 
0 0 · · · eλn

care conduce la
det eA = eλ1 +λ2 +...+λn = etr A .
Algebre Lie. Reprezentări liniare 183

Se poate arăta că relaţia det eA = etr A are loc pentru orice matrice A.

Exerciţiul 9.4 a) Dacă


g : R −→ SL(n, K)

este un subgrup cu un parametru, atunci dg


dt (0) ∈ sl(n, K).
ta
b) Dacă a ∈ sl(n, K) atunci e ∈ SL(n, K), oricare ar fi t ∈ R şi aplicaţia

g : R −→ SL(n, K), g(t) = eta

dg
este un subgrup cu un parametru al lui SL(n, K) astfel ı̂ncât dt (0) = a.

Rezolvare (cazul n=2). Dacă


 
g11 (t) g12 (t)
g : R −→ SL(n, K), g(t) =  
g21 (t) g22 (t)

este un subgrup cu un parametru atunci



g (t) g (t)
11 12


= 1,
∀t ∈ R.
g21 (t) g22 (t)

Derivând această relaţie obţinem egalitatea



g 0 (t) g 0 (t) g (t) g (t)
11 12 11 12
+
0
= 0, ∀t ∈ R

g21 (t) g22 (t) 0 (t)
g21 (t) g22

care ı̂n cazul t = 0 devine



g 0 (0) g 0 (0) 1 0
11 12
+ =0
0 0 (0)
0 1 g21 (0) g22

adică
dg 0 0
tr (0) = g11 (0) + g22 (0) = 0.
dt
Exerciţiul 9.5 a) Dacă
g : R −→ U (n)
184 Elemente de algebră liniară

este un subgrup cu un parametru, atunci dgdt (0) ∈ u(n).


ta
b) Dacă a ∈ u(n) atunci e ∈ U (n), oricare ar fi t ∈ R şi aplicaţia

g : R −→ U (n), g(t) = eta

dg
este un subgrup cu un parametru al lui U (n) astfel ı̂ncât dt (0) = a.

Rezolvare. Dacă g : R −→ U (n) este un subgrup cu un parametru atunci

g(t) t g(t) = I ∀t ∈ R.

Derivând această relaţie obţinem egalitatea


d d
g(t) t g(t) + g(t) t g(t) = 0
dt dt
care ı̂n cazul t = 0 devine
d d
g(0) + t g(0) = 0.
dt dt
Exerciţiul 9.6 a) Dacă
g : R −→ SU (n)

este un subgrup cu un parametru, atunci dg


dt (0) ∈ su(n).
ta
b) Dacă a ∈ su(n) atunci e ∈ SU (n), oricare ar fi t ∈ R şi aplicaţia

g : R −→ SU (n), g(t) = eta

dg
este un subgrup cu un parametru al lui SU (n) astfel ı̂ncât dt (0) = a.

Exerciţiul 9.7 a) Dacă


g : R −→ O(n)

este un subgrup cu un parametru, atunci dg


dt (0) ∈ o(n).
ta
b) Dacă a ∈ o(n) atunci e ∈ O(n), oricare ar fi t ∈ R şi aplicaţia

g : R −→ O(n), g(t) = eta

dg
este un subgrup cu un parametru al lui O(n) astfel ı̂ncât dt (0) = a.
Algebre Lie. Reprezentări liniare 185

9.2 Reprezentări liniare

Definiţia 9.8 Fie L o algebră Lie peste K şi L0 o algebră Lie peste K0 , unde cor-
purile K şi K0 aparţinând lui {R, C} sunt astfel ı̂ncât K ⊆ K0 . Prin morfism de
algebre Lie de la L la L0 se ı̂nţelege o aplicaţie liniară A : L −→ L0 cu proprietatea

A([a, b]) = [Aa, Ab], ∀a, b ∈ L.

Definiţia 9.9 Spunem ca algebrele Lie L şi L0 peste acelaşi corp K sunt izomorfe
dacă există un morfism bijectiv de algebre Lie (numit izomorfism) A : L −→ L0 .

Propoziţia 9.10 Dacă algebrele Lie L şi L0 peste acelaşi corp K şi de aceeaşi di-
mensiune au ı̂n raport cu două baze {e1 , e2 , ..., en } şi respectiv {e01 , e02 , ..., e0n } aceleaşi
constante de structură
n n
[e0i , e0j ] = ckij e0k
X X
[ei , ej ] = ckij ek ,
k=1 k=1

atunci ele sunt izomorfe.

Demonstraţie. Aplicaţia A : L −→ L0 , Aej = e0j , adică

n n
ai e0i
X X
A( ai ei ) =
i=1 i=1

este un izomorfism de algebre Lie. Ea este, evident, liniară, bijectivă şi


hP i
n Pn Pn
A[a, b] = A i=1 ai ei , j=1 bj ej = i,j=1 ai bj A[ei , ej ]
Pn Pn k Pn Pn k 0
= i,j=1 ai bj k=1 cij Aek = i,j=1 ai bj k=1 cij ek
Pn Pn
= i,j=1 ai bj [e0i , e0j ] = i,j=1 ai bj [Aei , Aej ] = [Aa, Ab].

Propoziţia 9.11 Algebrele Lie reale o(3) şi su(2) sunt izomorfe.

Demonstraţie. Algebra Lie o(3) admite baza

{ o1 = e23 − e32 , o2 = e31 − e13 , o3 = e12 − e21 }


186 Elemente de algebră liniară

cu
[o1 , o2 ] = o3 , [o2 , o3 ] = o1 , [o3 , o1 ] = o2
iar algebra Lie su(2) baza
i 1 i
{ u1 = − (e11 − e22 ), u2 = − (e12 − e21 ), u3 = − (e12 + e21 ) }
2 2 2
cu
[u1 , u2 ] = u3 , [u2 , u3 ] = u1 , [u3 , u1 ] = u2 .

Definiţia 9.12 Prin reprezentare liniară a algebrei Lie L ı̂n spaţiul vectorial
complex V (numită şi reprezentare C-liniară) se ı̂nţelege un morfism de algebre

% : L −→ gl(V ),

adică o aplicaţie liniară cu proprietatea

%([a, b]) = %(a) %(b) − %(b) %(a), ∀a, b ∈ L.

Exerciţiul 9.8 Dacă L este o algebră Lie complexă atunci aplicaţia

% : L −→ gl(L) : a 7→ %(a)

unde
%(a) : L −→ L, %(a)x = [a, x]
este o reprezentare liniară a algebrei L ı̂n spaţiul L, numită reprezentarea adjunctă.

Rezolvare. Aplicaţia % este bine definită

%(a)(αx + βy) = [a, αx + βy] = α[a, x] + β[a, y] = α %(a)x + β %(a)y

liniară

%(αa + βb)x = [αa + βb, x] = α[a, x] + β[b, x] = (α %(a) + β %(b))x

şi din identitatea Jacobi rezultă


%([a, b])x = [[a, b], x] = −[[b, x], a] − [[x, a], b] = [a, [b, x]] − [b, [a, x]]

= %(a)(%(b)x) − %(b)(%(a)x) = (%(a)%(b) − %(b)%(a))x = [%(a), %(b)]x.


Algebre Lie. Reprezentări liniare 187

9.3 Reprezentări ireductibile

Definiţia 9.13 Fie % : L −→ gl(V ) o reprezentare liniară a algebrei Lie L ı̂n V .


Spunem că subspaţiul vectorial W ⊆ V este invariant faţă de % dacă

%(a)(W ) ⊆ W, ∀a ∈ L

adică dacă )
x∈W
=⇒ %(a)x ∈ W.
a∈L

Definiţia 9.14 Spunem că reprezentarea liniară % : L −→ gl(V ) este o reprezentare


ireductibilă dacă singurele subspaţii invariante sunt {0} şi V . In caz contrar,
reprezentarea este numită reductibilă.

Propoziţia 9.15 Fie L1 , L2 două algebre Lie izomorfe, ϕ : L1 −→ L2 un izomor-


fism de algebre Lie. Dacă
%2 : L2 −→ gl(V )

este o reprezentare liniară a algebrei L2 atunci

%1 : L1 −→ gl(V ), %1 (a) = %2 (ϕ(a))

este o reprezentare liniară a algebrei Lie L1 ı̂n V . Reprezentarea %1 este ireductibilă


dacă şi numai dacă reprezentarea %2 este ireductibilă.

Demonstraţie. Avem

%1 (αa + βb) = %2 (ϕ(αa + βb)) = %2 (α ϕ(a) + β ϕ(b))

= α%2 (ϕ(a)) − β%2 (ϕ(b)) = α%1 (a) − β%1 (b)

%1 ([a, b]) = %2 (ϕ([a, b])) = %2 ([ϕ(a), ϕ(b)]))

= [%2 (ϕ(a)), %2 (ϕ(b))] = [%1 (a), %1 (b)].

Dacă W ⊂ V este un subspaţiu vectorial atunci avem

x ∈ W =⇒ %2 (a)x ∈ W, ∀a ∈ L2
188 Elemente de algebră liniară

dacă şi numai dacă

x ∈ W =⇒ %1 (a)x = %2 (ϕ(a)) ∈ W, ∀a ∈ L1 .

Observaţia 9.5 Cunoaşterea reprezentărilor ireductibile ale algebrei Lie o(3) este
echivalentă cu cunoaşterea reprezentărilor ireductibile ale algebrei Lie su(2).

Exerciţiul 9.9 Dacă S : V1 −→ V2 este un izomorfism de spaţii vectoriale şi

%2 : L −→ gl(V2 )

este o reprezentare liniară a algebrei Lie L ı̂n spaţiul vectorial V2 atunci

%1 : L −→ gl(V1 ), %1 (a) = S −1 %2 (a) S

este o reprezentare liniară a algebrei Lie L ı̂n spaţiul vectorial V1 .

Reprezentarea %1 este ireductibilă dacă şi numai dacă %2 este ireductibilă.

Rezolvare. Avem
%1 (αa + βb) = S −1 %2 (αa + βb) S

= α S −1 %2 (a) S + β S −1 %2 (b) S = α %1 (a) + β %1 (b)

%1 ([a, b]) = S −1 %2 ([a, b]) S = S −1 (%1 (a) %1 (b) − %1 (b) %1 (a)) S −1

= S %2 (a) S S −1 %2 (b) S − S −1 %2 (b) S S −1 %2 (a)) S

= %1 (a) %1 (b) − %1 (b) %1 (a) = [%1 (a), %1 (b)].

Subspaţiul W ⊂ V1 este invariant dacă şi numai dacă S(W ) ⊂ V2 este invariant. Dacă
subspaţiul S(W ) este invariant, adică

y ∈ S(W ) =⇒ %2 (a)y ∈ S(W ), ∀a ∈ L

atunci
x ∈ W =⇒ %1 (a)x = S −1 %2 (a) Sx ∈ W, ∀a ∈ L.
Deoarece %2 (a) = S%1 (a)S −1 , din

x ∈ W =⇒ %1 (a)x ∈ W, ∀a ∈ L
Algebre Lie. Reprezentări liniare 189

rezultă
Sx ∈ S(W ) =⇒ %2 (a)Sx = S%1 (a)x ∈ S(W ), ∀a ∈ L.

Definiţia 9.16 Spunem că reprezentările liniare

%1 : L −→ gl(V1 ) si %2 : L −→ gl(V2 )

sunt echivalente dacă există un izomorfism liniar S : V1 −→ V2 astfel ı̂ncât

%1 (a) = S −1 %2 (a) S (9.1)

adică dacă diagrama


%1 (a)
V1 - V1

S S
%2 (a)
? ?
V2 - V2

este comutativă oricare ar fi a ∈ L.

9.4 Reprezentările algebrelor sl(2, C), su(2) şi o(3)

Exerciţiul 9.10 Să se arate că matricele


! ! !
1 1 0 0 1 0 0
a3 = , a+ = , a− =
2 0 −1 0 0 1 0

formează o bază a algebrei Lie complexe sl(2, C) şi

[a3 , a± ] = ±a± , [a+ , a− ] = 2 a3 .

Dacă
% : sl(2, C) −→ gl(V )
este o reprezentare a algebrei Lie sl(2, C) ı̂n spaţiul V atunci operatorii liniari

A3 = %(a3 ), A+ = %(a+ ), A− = %(a− )


190 Elemente de algebră liniară

verifică relaţiile
[A3 , A± ] = ±A± , [A+ , A− ] = 2 A3 .

Rezolvare. Matricea !
α11 α12
∈ M2×2 (C)
α21 α22
apartine algebrei Lie sl(2, C) dacă şi numai dacă α11 + α22 = 0. Dar ı̂n acest caz
!
α11 α12
= 2α11 a3 + α12 a+ + α21 a− .
α21 −α11

Deoarece % este morfism de algebre Lie obţinem

[A3 , A± ] = [%(a3 ), %(a± )] = %([a3 , a± ]) = %(±a± ) = ±%(a± ) = ±A±

[A+ , A− ] = [%(a+ ), %(a− )] = %([a+ , a− ]) = %(2 a3 ) = 2%(a3 ) = 2 A3 .

Propoziţia 9.17 Dacă


% : sl(2, C) −→ gl(V )

este reprezentare ireductibilă de dimensiune n = 2j+1 atunci există v 6= 0 astfel ı̂ncât

A3 v = jv si A+ v = 0

unde A3 = %(a3 ), A+ = %(a+ ).

Demonstraţie. Operatorul liniar A3 : V −→ V admite cel puţin o valoare proprie


λ ∈ C. Fie x0 ∈ V un vector propriu corespunzător, adică A3 x0 = λx0 . Deoarece

A3 (A+ x0 ) = (A3 A+ )x0 = (A+ A3 + A+ )x0 = A+ A3 x0 + A+ x0 = (λ + 1)A+ x0

rezultă că vectorul x1 = A+ x0 verifică relaţia

A3 x1 = (λ + 1)x1 .

Similar, din

A3 (A+ x1 ) = (A3 A+ )x1 = (A+ A3 + A+ )x1 = A+ A3 x1 + A+ x1 = (λ + 2)A+ x1


Algebre Lie. Reprezentări liniare 191

rezultă că vectorul x2 = A+ x1 = (A+ )2 x0 verifică relaţia

A3 x2 = (λ + 2)x2 .

Se poate astfel arăta că toţi vectorii din şirul

x0 , x1 = A+ x0 , x2 = (A+ )2 x0 , x3 = (A+ )3 x0 , ...

verifică relaţia

A3 xk = (λ + k)xk .

Vectorii nenuli din acest şir sunt vectori proprii ai lui A3 şi deoarece corespund la
valori proprii distincte ei sunt liniar independenţi. Spaţiul V fiind finit dimensional,
rezultă ca şirul x0 , x1 , x2 , ... poate conţine doar un număr finit de vectori nenuli,
adică există xl 6= 0 cu xl+1 = A+ xl = 0. Alegând v = xl avem A+ v = 0. Fie şirul
de vectori

w0 = v, w1 = A− w0 , w2 = (A− )2 w0 , ...

Avem

A3 w0 = (λ + l)w0

A3 w1 = A3 (A− w0 ) = (A3 A− )w0 = (A− A3 − A− )w0 = (λ + l − 1)w1

A3 w2 = A3 (A− w1 ) = (A3 A− )w1 = (A− A3 − A− )w1 = (λ + l − 2)w2

şi ı̂n general

A3 wk = (λ + l − k)wk .
192 Elemente de algebră liniară

La fel ca mai sus se arată că şirul w0 , w1 , w2 , ... conţine un număr finit de termeni
nenuli, că există wm 6= 0 cu wm+1 = A− wm = 0. Deoarece

A+ w1 = A+ (A− w0 ) = (A+ A− )w0 = ([A+ , A− ] + A− A+ )w0

= 2 A3 w0 = (2λ + 2l)w0

A+ w2 = A+ (A− w1 ) = (A+ A− )w1 = ([A+ , A− ] + A− A+ )w1

= (2 A3 + A− A+ )w1 = 2(λ + l − 1)w1 + (2λ + 2l)A− w0

= 2(2λ + 2l − 1)w1

A+ w3 = A+ (A− w2 ) = (A+ A− )w2 = ([A+ , A− ] + A− A+ )w2

= (2 A3 + A− A+ )w2 = 2(λ + l − 2)w2 + 2(2λ + 2l − 1)A− w1

= 3(2λ + 2l − 2)w2

şi ı̂n general


A+ wk = k(2λ + 2l − k)wk−1

subspaţiul
W = hw0 , w1 , ... , wm i

generat de vectorii liniar independenţi w0 , w1 , ... , wm este invariant faţă de acţiunea


operatorilor A3 , A+ şi A− . Reprezentarea % fiind ireductibilă trebuie ca W = V şi
deci n = m + 1. Matricea operatorului A3 ı̂n raport cu baza {w0 , w1 , ... , wm } este
matricea diagonală
 
λ+l 0 ··· 0 0

 0 λ+l−1 ··· 0 0 

··· ··· ··· ··· ··· .
 

··· λ + l − m + 1
 
 0 0 0 
0 0 ··· 0 λ+l−m

Pe de altă parte din relaţia [A+ , A− ] = 2 A3 rezultă că

1 1
trA3 = tr([A+ , A− ]) = (tr(A+ , A− ) − tr(A− A+ )) = 0.
2 2
Deducem că
(λ + l) + (λ + l − 1) + · · · (λ + l − m) = 0
Algebre Lie. Reprezentări liniare 193

adică
m(m + 1)
(m + 1)(λ + l) − = 0.
2
Deoarece n = m + 1, rezultă că

m n−1
λ+l = =
2 2
şi notând j = (n − 1)/2 obţinem A3 v = j v.

Propoziţia 9.18 Dacă


% : sl(2, C) −→ gl(V )

este reprezentare ireductibilă de dimensiune n = 2j +1 si v 6= 0 este astfel ı̂ncât

A3 v = j v, A+ v = 0

atunci sistemul de vectori


{ v−j , v−j+1 , ... , vj }

definit prin relaţiile


q
vj = v, A− v k = j(j + 1) − k(k − 1) vk−1

este o bază a lui V astfel ı̂ncât


q
A3 v k = k v k , A+ vk = j(j + 1) − k(k + 1) vk+1 .

Demonstraţie. Deoarece

j(j + 1) − k(k − 1) = 0 =⇒ k = −j sau k = j + 1

rezultă că există constantele nenule c1 , c2 , ... , c2j astfel ı̂ncât

v j = w0 , vj−1 = c1 w1 , vj−2 = c2 w2 , ... v−j = c2j w2j

unde {w0 , w1 , ..., w2j } este baza lui V obtinută ı̂n demonstraţia propoziţiei prece-
dente. Deoarece A3 wk = (j − k)wk rezultă că A3 vk = k vk . Din relaţia
q p
A− vj = j(j +1) − j(j −1) vj−1 = 2j vj−1
194 Elemente de algebră liniară

rezultă
A+ vj−1 = √1 A+ A− vj = √12j (A− A+ + 2A3 )vj
2j

√1
p
= 2j
2j vj = 2j vj = j(j +1) − (j −1)j vj .
p
Presupunând că A+ vk = j(j + 1) − k(k + 1) vk+1 obţinem
1 1
A+ vk−1 = √ A+ A− v k = √ (A− A+ + 2A3 )vk
j(j+1)−k(k−1) j(j+1)−k(k−1)
p 
1
=√ j(j + 1) − k(k + 1)A− vk+1 + 2A3 vk
j(j+1)−k(k−1)

1
=√ ( (j(j + 1) − k(k + 1)) + 2k ) vk
j(j+1)−k(k−1)
p
= j(j + 1) − (k − 1)k vk .

Teorema 9.19 a) Oricare ar fi n ∈ {0, 1, 2, ...}, oricare ar fi spaţiul vectorial complex


V de dimensiune n = 2j+1 şi oricare ar fi baza {v−j , v−j+1 , ... , vj } a lui V aplicaţia

% : sl(2, C) −→ gl(V )

definită prin relaţiile


q
A3 v k = k v k , A ± vk = j(j + 1) − k(k ± 1) vk±1 (9.2)

unde A3 = %(a3 ) şi A± = %(a± ), este o reprezentare ireductibilă a algebrei Lie sl(2, C).
b) Reprezentările (9.2) care au aceeaşi dimensiune sunt echivalente.
c) Reprezentările (9.2) sunt până la o echivalenţă toate reprezentările ireductibile
finit dimensionale ale algebrei Lie sl(2, C).

Demonstraţie. a) Avem

[A3 , A± ] vk = (A3 A± − A± A3 )vk


p p
= (k ± 1) j(j + 1) − k(k ± 1) vk±1 − k j(j + 1) − k(k ± 1) vk±1
p
= ± j(j + 1) − k(k ± 1) vk±1 = ±A± vk

[A+ , A− ] vk = (A+ A− − A− A+ )vk


p p
= j(j + 1) − k(k − 1) A+ vk−1 − j(j + 1) − k(k + 1) A− vk+1

= (j(j + 1) − k(k − 1))vk − (j(j + 1) − k(k + 1))vk = 2k vk = 2A3 vk


Algebre Lie. Reprezentări liniare 195

ceea ce arată că relaţiile (9.2) definesc o reprezentare a algebrei Lie sl(2, C). Fie
W 6= {0} un subspaţiu invariant şi fie

x = x−j v−j + x−j+1 v−j+1 + · · · + xj vj ∈ W

un vector nenul fixat. Cel puţin unul dintre coeficienţii lui x este nenul. Fie

k = min{ l | xl 6= 0 }

Din (9.2) rezultă că


(A+ )j−l x = c vj

unde c este o constantă nenulă. Deoarece W este invariant, din relaţia precedentă
rezultă că vj ∈ W şi apoi că vectorii

A− v j , (A− )2 vj , (A− )3 vj , ... , (A− )2j vj

care coincid până la ı̂nmulţirea cu anumite constante nenule cu vectorii

vj−1 , vj−2 , ... , v−j

aparţin lui W . Rezultă astfel că orice subspaţiu invariant nenul W coincide cu V .
b) Dacă
% : sl(2, C) −→ gl(V ), %0 : sl(2, C) −→ gl(V 0 )

sunt două reprezentări liniare de dimensiune n = 2j + 1 şi

0 0
{v−j , v−j+1 , ... , vj }, {v−j , v−j+1 , ... , vj0 }

bazele corespunzătoare atunci

S : V −→ V 0 , Svk = vk0

este un izomorfism liniar şi

%(a) = S −1 %0 (a) S, ∀a ∈ sl(2, C).

c) Afirmaţia rezultă din propoziţiile 9.17 şi 9.18.


196 Elemente de algebră liniară

Propoziţia 9.20 Dacă

%1 : L −→ gl(V1 ), %2 : L −→ gl(V2 )

sunt reprezentări liniare ale algebrei Lie L, atunci aplicaţia

%1 ⊕ %2 : L −→ gl(V1 ⊕ V2 )

definită prin relaţia

(%1 ⊕ %2 )(a)(x1 , x2 ) = (%1 (a)x1 , %2 (a)x2 )

este o reprezentare liniară (numită suma directă a reprezentărilor %1 şi %2 ) ı̂n

V1 ⊕ V2 = { (x1 , x2 ) | x1 ∈ V1 , x2 ∈ V2 }.

Demonstraţie. Aplicaţia %1 ⊕ %2 este liniară

(%1 ⊕ %2 )(αa + βb) = α(%1 ⊕ %2 )(a) + β(%1 ⊕ %2 )(b)

şi
(%1 ⊕ %2 )([a, b])(x1 , x2 ) = (%1 ([a, b])x1 , %2 ([a, b])x2 )

= ([%1 (a), %1 (b)]x1 , [%2 (a), %2 (b)]x2 )

= (%1 (a)%1 (b)x1 − %1 (b)%1 (a)x1 , %2 (a)%2 (b)x2 − %2 (b)%2 (a)x2 )

= (%1 ⊕ %2 )(a) (%1 (b)x1 , %2 (b)x2 ) − (%1 ⊕ %2 )(b) (%1 (a)x1 , %2 (a)x2 )

= [(%1 ⊕ %2 )(a), (%1 ⊕ %2 )(b)](x1 , x2 ).


Observaţia 9.6 In teorema 9.19 am descris reprezentările ireductibile ale algebrei
Lie sl(2, C). Se poate arăta că orice reprezentare liniară finit dimensională a algebrei
Lie sl(2, C) este o sumă directă de astfel de reprezentări.

Propoziţia 9.21 Fie L o algebră Lie reală. Definind pe complexificatul spaţiului


vectorial L
C
L = { a + i a0 | a, a0 ∈ L }
croşetul
[a + i a0 , b + i b0 ] = [a, b] − [a0 , b0 ] + i ([a, b0 ] + [a0 , b])
obţinem o algebră Lie complexă numită complexificata algebrei Lie reale L.
Algebre Lie. Reprezentări liniare 197

Demonstraţie. Prin calcul direct se arată că

[(α + iα0 )(a + ia0 ) +(β + iβ 0 )(b + ib0 ), c + ic0 ]

= (α + iα0 )[a + ia0 , c + ic0 ] + (β + iβ 0 )[b + ib0 , c + ic0 ]

[a + ia0 , b + ib0 ] = −[b + ib0 , a + ia0 ]

[[a + ia0 , b + ib0 ], c + ic0 ] +[[b + ib0 , c + ic0 ], a + ia0 ]

+[[c + ic0 , a + ia0 ], b + ib0 ] = 0.

Propoziţia 9.22 a) Dacă L este o algebră Lie reală şi dacă

% : L −→ gl(V )

este o reprezentare liniară (ı̂n spaţiul vectorial complex V ) atunci

%̃ : CL −→ gl(V ), %̃(a + ia0 )x = %(a)x + i %(a0 )x

este o reprezentare liniară.


b) Reprezentarea %̃ este ireductibilă dacă şi numai dacă % este ireductibilă.

Demonstraţie. a) Se arată prin calcul direct că %̃ este aplicaţie C-liniară

%̃( (a + ia0 ) + (b + ib0 ) ) = %̃(a + ia0 ) + %̃(b + ib0 )

%̃( (α + iβ)(a + ia0 ) ) = (α + iβ) %̃(a + ia0 )

şi că
%̃( [a + ia0 , b + ib0 ]) = [%̃(a + ia0 ), %̃(b + ib0 )].
b) Dacă W ⊂ V este astfel ı̂ncât

x∈W =⇒ %(a)x ∈ W

oricare ar fi a ∈ L, atunci

x∈W =⇒ %̃(a + ia0 )x = %(a)x + i %(a0 )x ∈ W

oricare ar fi a + ia0 ∈ C L. Invers, dacă

x∈W =⇒ %̃(a + ia0 )x ∈ W


198 Elemente de algebră liniară

oricare ar fi a + ia0 ∈ C L, atunci

x∈W =⇒ %(a)x = %̃(a + i0)x ∈ W

oricare ar fi a ∈ L.

Observaţia 9.7 L poate fi identificată cu o submulţime a lui C L folosind aplicaţia

L −→ C L : a 7→ a + i 0.

Mai mult,
[a, b] = [a + i0, b + i0], ∀a, b ∈ L.

Dacă {b1 , b2 , ..., bn } este o bază a algebrei Lie reale L,

L = { α1 b1 + α2 b2 + · · · + αn bn | αj ∈ R }

atunci {b1 , b2 , ..., bn } este ı̂n acelaşi timp bază a algebrei Lie complexe C L,

C
L = { α1 b1 + α2 b2 + · · · + αn bn | αj ∈ C }.

Propoziţia 9.23 a) Dacă


% : CL −→ gl(V )

este o reprezentare liniară a complexificatei algebrei Lie reale L atunci

%|L : L −→ gl(V ), %|L (a)x = %(a + i0)x

este o reprezentare liniară a lui L.


b) Reprezentarea %|L este ireductibilă dacă şi numai dacă % este ireductibilă.

Demonstraţie. a) Aplicaţia %|L este R-liniară

%|L (a + b) = %(a + b + i0) = %(a + i0) + %(b + i0) = %|L (a) + %|L (b)

%|L (αa) = %(αa + i0) = α%(a + i0) = α%|L (a)

şi
%|L ([a, b]) = %([a, b] + i0) = %([a + i0, b + i0])

= [%(a + i0), %(b + i0)] = [%|L (a), %|L (b)].


Algebre Lie. Reprezentări liniare 199

b) Dacă W ⊂ V este astfel ı̂ncât

x∈W =⇒ %(a + ia0 )x ∈ W

oricare ar fi a + ia0 ∈ CL, atunci

x∈W =⇒ %|L (a)x = %(αa + i0)x ∈ W

oricare ar fi a ∈ L. Invers, dacă

x∈W =⇒ %|L (a)x ∈ W

oricare ar fi a ∈ L, atunci

x∈W =⇒ %(a + ia0 )x = %(a + i0)x

= %( (a + i0) + (0 + i) (a0 + i0) )x

= %(a + i0)x + i%(a0 + i0)x

= %|L (a)x + i%|L (a0 )x ∈ W

oricare ar fi a + ia0 ∈ CL.

Propoziţia 9.24 Complexificata C su(2) a algebrei su(2) este izomorfă cu sl(2, C).

Demonstraţie. Algebra Lie reală su(2) admite baza

i 1 i
{ u1 = − (e11 − e22 ), u2 = − (e12 − e21 ), u3 = − (e12 + e21 ) }
2 2 2
cu
[u1 , u2 ] = u3 , [u2 , u3 ] = u1 , [u3 , u1 ] = u2

iar algebra Lie complexă sl(2, C) baza

1
 
a3 = (e11 − e22 ), a+ = e21 , a− = e12
2
cu
[a3 , a± ] = ±a± , [a+ , a− ] = 2 a3 .
200 Elemente de algebră liniară

Aplicaţia C-liniară A : C su(2) −→ sl(2, C) definită prin

1 i
Au1 = −i a3 , Au2 = (a+ − a− ), Au3 = − (a+ + a− )
2 2
este un izomorfism de algebre Lie deoarece
h i
[Au1 , Au2 ] = −i a3 , 21 (a+ − a− ) = − 2i [a3 , a+ ] + 2i [a3 , a− ]

= − 2i (a+ + a− ) = A u3 = A [u1 , u2 ]
h i
1
[Au2 , Au3 ] = 2 (a+ − a− ), − 2i (a+ + a− ) = − 4i ([a+ , a− ] − [a− , a+ ])

= − 2i [a+ , a− ] = −i a3 = Au1 = A [u2 , u3 ]


h i
[Au3 , Au1 ] = − 2i (a+ + a− ), −i a3 = − 12 [a+ , a3 ] − 12 [a− , a3 ]

= − 21 a+ − 12 a− = Au2 = A [u3 , u1 ].

Observaţia 9.8 Din propoziţia 9.23 rezultă că descrierea reprezentarilor ireductibile
ale algebrelor Lie izomorfe o(3) şi su(2) este echivalentă cu descrierea reprezentarilor
ireductibile ale algebrei Lie complexe Csu(2).
Pe de altă parte, din propoziţiile 9.15 şi 9.24 rezultă că descrierea reprezentărilor ire-
ductibile ale algebrei Csu(2) este echivalentă cu descrierea reprezentărilor ireductibile
ale algebrei sl(2, C), reprezentări descrise ı̂n teorema 9.19.

Propoziţia 9.25 Plecând de la orice algebră Lie complexă L se poate obţine o al-
gebră Lie reală L0 prin restricţia scalarilor şi

dimR L0 = 2 dimC L.

Observaţia 9.9 Alegând baze adecvate, se poate arăta că algebra Lie reală sl(2, C)0
obţinută din sl(2, C) prin restricţia scalarilor este izomorfă cu algebra Lie o(1, 3) a
grupului Lorentz.
Bibliografie

[1] I. Armeanu, Analiză Funcţională, Editura Universităţii din Bucureşti, 1998.

[2] D. Beklémichev, Cours de Géométrie Analytique et d’Algèbre Linéaire, Éditions


Mir, Moscou, 1988.

[3] V. Brı̂nzănescu, O. Stănăşilă, Matematici Speciale. Teorie, Exemple, Aplicaţii,


Editura ALL EDUCATIONAL S. A., 1998.

[4] L. V. Kantorovich, G. P. Akilov, Analiză Funcţională, Editura Ştiinţifică şi


Enciclopedică, Bucureşti, 1986.

[5] W. Miller, Jr., Lie Theory and Special Functions, Academic Press, New York,
1968.

[6] M. Naı̈mark, A. Stern, Théorie des Représentations des Groupes, Éditions Mir,
Moscou, 1979.

[7] C. Năstăsescu, C. Niţă, C. Vraciu, Bazele Algebrei, vol I, Editura Academiei,


Bucureşti, 1986.

[8] M.-E. Piticu, M. Vraciu, C. Timofte, G. Pop, Ecuaţii Diferenţiale. Culegere de


Probleme, Editura Universităţii Bucureşti, 1995.

[9] R. Richtmyer, Principles of Advanced Mathematical Physics, Springer-Verlag,


1978.

[10] J.D. Talman, Special Functions. A Group Theoretical Approach, Benjamin, New
York, 1968.

201
202 Elemente de algebră liniară

[11] C. Teleman, M. Teleman, Elemente de teoria grupurilor cu aplicaţii ı̂n topologie


şi fizică, Editura Ştiinţifică, Bucureşti, 1973.

[12] C. Udrişte, C. Radu, C. Dicu, O. Mălăncioiu, Algebră, Geometrie şi Ecuaţii


Diferenţiale, Editura Didactică şi Pedagogică, Bucureşti, 1982.

[13] N. Ja. Vilenkin, Fonctions Spéciales et Théorie de la Représentation des


Groupes, Dunod, Paris, 1969.

[14] V. S. Vladimirov, Ecuaţiile Fizicii Matematice, Editura Ştiinţifică şi Enciclo-


pedică, Bucureşti, 1980.