Facultatea de Inginerie Chimică şi Protecţia mediului

Elemente de algebră liniară şi analiză matematică, Semestrul I

Lector. dr. Simona Romaniuc

CURS III
Capitolul III: Transformări liniare

1. Definiţia transformării liniare

Fie spaţiile vectoriale (V, +, ·) şi (W, +, ·) peste acelaşi corp comutativ (K, +, ·),
având respectiv dimensiunile dim V = n, dim W = m.
Definiţia 1. O aplicaţie T : V → W se numeşte transformare liniară (opera-
tor liniar, aplicaţie liniară sau morfism de spaţii liniare) dacă
(1) aplicaţia T este aditivă, adică
∀x, y ∈ V ⇒ T (x + y) = T (x) + T (y);
(2) aplicaţia T este omogenă, adică
∀α ∈ K şi ∀x ∈ V ⇒ T (α · x) = α · T (x).
Mulţimea tuturor transformărilor liniare ı̂ntre spaţiile liniare V şi W se notează
L(V, W ).
Propoziţia 1. O aplicaţie T : V → W este operator liniar dacă şi numai
dacă
(1) T (α · x + β · y) = α · T (x) + β · T (y),
pentru orice α, β ∈ K şi orice x, y ∈ V .
Definiţia 2. Suma a doi operatori liniari T, S : V → W este operatorul liniar
T + S : V → W, definit prin (T + S)(x) = T (x) + S(x), ∀x ∈ V ,
Produsul unui operator liniar T : V → W cu un scalar α ∈ K este operato-
rul liniar αT : V → W definit a prin (αT )(x) = αT (x), ∀x ∈ V .
Propoziţia 2. (L(V, W ), +, ·) este un spaţiu liniar peste corpul K.
Două proprietăţi importante ale operatorilor liniari sunt date de următoarea
propoziţie.
Propoziţia 3. Fie (V, +, ·), (U, +, ·) şi (W, +, ·) spaţii vectoriale peste acelaşi
corp (K, +, ·).
(1) Dacă T ∈ L(V, U ) şi S ∈ L(U, W ) sunt doi operatori liniari, atunci
compunerea lor este un operator liniar, adică S ◦ T ∈ L(V, W ).
(2) Dacă R ∈ L(V, W ) este un operator liniar bijectiv, atunci aplicaţia
R este inversabilă şi aplicaţia inversă este un operator liniar, adică
R−1 ∈ L(W, V ).
1
 Capitolul III: Transformări liniare Lector. dr. Simona Romaniuc

2. Nucleul şi imaginea unui operator liniar

Definiţia 3. Se numeşte nucleul operatorului liniar T : V → W mulţimea
Ker T = {x ∈ V |T (x) = θW } ⊂ V,
unde θW este vectorul nul din spaţiul liniar W .
Propoziţia 4. Fie operatorul liniar T ∈ L(V, W ). Atunci θV ∈ Ker T , unde
θV este vectorul nul din spaţiul vectorial V .
Propoziţia 5. Fie operatorul liniar T ∈ L(V, W ). Atunci nucleul lui T este
un subspaţiu vectorial al spaţiului vectorial V .
Definiţia 4. Fie operatorul liniar T ∈ L(V, W ). Dimensiunea spaţiului vec-
torial Ker T se numeşte defectul operatorului liniar T şi se notează
def T = dim(Ker T ).
Definiţia 5. Un operator liniar injectiv a se numeşte monomorfism.
Propoziţia 6. Fie operatorul liniar T ∈ L(V, W ). Atunci T este un mono-
morfism dacă şi numai dacă Ker T = {θV }.
Definiţia 6. Fie un operator liniar T ∈ L(V, W ). Se numeşte imaginea lui T
şi se notează Im T mulţimea
Im T = {y ∈ W | ∃ x ∈ V astfel ı̂ncât y = T (x)} = {T (x)| x ∈ V } ⊂ W.
Propoziţia 7. Fie operatorul liniar T ∈ L(V, W ). Atunci imaginea lui T este
un subspaţiu vectorial al spaţiului vectorial W .
Definiţia 7. Fie operatorul liniar T ∈ L(V, W ). Dimensiunea spaţiului liniar
Im T se numeşte rangul aplicaţiei liniare T şi notăm rang T = dim(Im T ).
Definiţia 8. Un operator liniar surjectiv se numeşte epimorfism.
Observaţia 1. Este evident, conform definiţiei surjectivităţii, că un operator
liniar T ∈ L(V, W ) este epimorfism dacă şi numai dacă Im T = W .
Teorema 8. Fie monomorfismul T ∈ L(V, W ) şi fie B = {v1 , v2 , . . . , vn }
o bază ı̂n spaţiul liniar V . Atunci imaginea mulţimii B prin operatorul T ,
T (B) = {T (v1 ), T (v2 ), . . . , T (vn )}, este o bază ı̂n spaţiul liniar Im T . Cu alte
cuvinte,
Im T = Span{T (v1 ), T (v2 ), . . . , T (vn )}.

Teorema 9. (Teorema rangului) Dacă T ∈ L(V, W ) este un operator liniar

atunci
rang T + def T = dim V.
Folosind această teoremă, se obţine imediat:
Corolar 10. Fie operatorul liniar T ∈ L(V, W ), unde dim V = dim W = n.
Atunci avem
(1) Dacă T este o aplicaţie injectivă atunci T este o aplicaţie bijectivă.
(2) Dacă T este o aplicaţie surjectivă atunci T este o aplicaţie bijectivă.
2
Capitolul III: Transformări liniare Lector. dr. Simona Romaniuc

Exemplu 1. Să se arate că aplicaţia T : R2 → R3 , definită prin T (x) =

(x1 + x2 , x1 − 2x2 , x2 ), ∀x = (x1 , x2 ) ∈ R2 este un operator liniar şi să se
determine Ker T , Im T , def T şi rang T .

Dacă α, β ∈ K şi x = (x1 , x2 ), y = (y1 , y2 ) ∈ R2 atunci

α · x + β · y = (α · x1 + β · y1 , α · x2 + β · y2 ) ∈ R2

şi rezultă că

T (α · x + β · y) = (α · x1 + β · y1 + α · x2 + β · y2 ,

α · x1 + β · y1 − 2α · x2 − 2β · y2 , α · x2 + β · y2 )

= α · (x1 + x2 , x1 − 2x2 , x2 ) + β · (y1 + y2 , y1 − 2y2 , y2 )

= α · T (x) + β · T (y),
adică T este un operator liniar, conform propoziţiei 1.
În continuare vom determina nucleul aplicaţiei liniare T , Ker T = {x ∈
R2 |T (x) = θ3 }, unde θ3 = (0, 0, 0) ∈ R3 este vectorul nul din R3 . Ecuaţia
T (x) = θ3 , x = (x1 , x2 ), este echivalentă cu următorul sistem de ecuaţii liniare
omogene cu coeficienţi reali

 x1 + x2 = 0
x1 − 2x2 = 0 ,
x2 = 0


care admite doar soluţia x1 = x2 = 0 şi astfel Ker T = {θ2 }, unde θ2 = (0, 0) ∈
R2 este vectorul nul din R2 . Deci operatorul liniar T este injectiv şi def T = 0.
Imaginea aplicaţiei liniare T este mulţimea

Im T = {y ∈ R3 | ∃ x ∈ R2 astfel ı̂ncât y = T (x)}.

Deoarece T este o aplicaţie injectivă, imaginea prin T a unei baze din R2

este o bază ı̂n Im T conform teoremei 8. Prin urmare,

Im T = Span{T (e1 ), T (e2 )},

deci rang T = 2.
Se observă că este verificată relaţia dintre rangul şi defectul unei aplicaţii
liniare rang T + def T = 2 = dim R2 .

Definiţia 9. Un operator liniar bijectiv T ∈ L(V, W ) se numeşte izomorfism

de spaţii liniare.
Dacă există un izomorfism ı̂ntre două spaţii liniare V şi W , spunem că
spaţiile liniare V şi W sunt izomorfe şi notăm V ≃ W .

Teorema 11. Două spaţii liniare finit dimensionale peste acelaşi corp sunt
izomorfe dacă şi numai dacă au aceeaşi dimensiune.
3
 Capitolul III: Transformări liniare Lector. dr. Simona Romaniuc

3. Matricea unei transformari liniare

Fiecărui operator liniar i se poate asocia o matrice, cu ajutorul căreia pot
fi studiate diverse proprietăţi ale operatorului.
Teorema 12. Fie (V, +, ·) şi (W, +, ·) două spaţii liniare finit dimensionale
peste acelaşi corp (K, +, ·), cu dim V = n şi dim W = m. Atunci (L(V, W ), +, ·),
spţiul liniar al aplicaţiilor liniare ı̂ntre V şi W , este izomorf cu spaţiul liniar
(Mm,n , +, ·) şi dim L(V, W ) = m · n.
Să descriem modul ı̂n care oricărui un operator liniar T ∈ L(V, W ) i se
poate asocia o matrice ı̂n perechea de baze B1 = {v1 , v2 , . . . , vn } şi B2 =
{w1 , w2 , . . . , wm }.
Pentru un vector oarecare
x = (x1 , x2 , . . . , xn )B1 = x1 · v1 + x2 · v2 + . . . + xn · vn ∈ V
avem
T (x) = T (x1 · v1 + x2 · v2 + . . . + xn · vn )
(2)
= x1 · T (v1 ) + x2 · T (v2 ) + . . . + xn · T (vn ).
Pe de altă parte, deoarece T (vj ) ∈ W , j = 1, n, şi B2 este o bază ı̂n W , există
scalarii aij ∈ K, i = 1, m, j = 1, n, astfel ı̂ncât
 Pm

 T (v1 ) = a11 · w1 + a21 · w2 + . . . + am1 · wm = i=1 ai1 · wi



 Pm
 T (v2 ) = a12 · w1 + a22 · w2 + . . . + am2 · wm = i=1 ai2 · wi



(3) .
 .. .. .. .. ..
. . . . .







 Pm
 T (v ) = a · w + a · w + . . . + a · w · wi
n 1n 1 2n 2 mn m = i=1 ain

Din ecuaţiile (2) şi (3) rezultă

T (x) = x1 · m
P Pm Pm
i=1 ai1 · wi + x2 · i=1 ai2 · wi + . . . + xn · i=1 ain · wi

= (x1 · a11 + x2 · a12 + . . . + xn · a1n ) · w1

+(x1 · a21 + x2 · a22 + . . . + xn · a2n ) · w2

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

+(x1 · am1 + x2 · am2 + . . . + xn · amn ) · wm .

Deoarece T (x) ∈ W există scalarii yi ∈ K, i = 1, m astfel ı̂ncât
T (x) = y1 · w1 + y2 · w2 + . . . + ym · wm .
Egalând această expresie a lui T (x) cu cea de mai sus, obţinem
yi = x1 · ai1 + x2 · ai2 + . . . + xn · ain ,
4
Capitolul III: Transformări liniare Lector. dr. Simona Romaniuc

pentru orice i = 1, m. Aceste ecuaţii, care exprimă componentele lui T (x)

ı̂n baza B2 , ı̂n funcţie de componentele lui x ı̂n baza B1 , se numesc ecuaţiile
scalare ale unui operator liniarT ı̂n perechea
 de baze (B1 , B2 ).
x1
 x2 
În continuare notăm cu X =  ..  ∈ Mm1 (K) matricea coloana a com-
 
 . 
xm
 
y1
 y2 
ponentelor vectorului x ı̂n baza B1 , cu Y =  ..  ∈ Mn1 (K) matricea
 
 . 
yn
coloană a componentelor lui T (x) ı̂n baza B2 şi definim matricea
 
a11 a12 . . . a1n
 a21 a22 . . . a2n 
A =  .. ..  ∈ Mm,n (K).
 
.. ..
 . . . . 
am1 am2 . . . amn
Folosind aceste notaţii putem scrie ecuaţia matricială a operatorului liniar T
ı̂n perechea de baze (B1 , B2 )
Y = A · X.
Matricea A se numeşte matricea operatorului liniar T ı̂n perechea de baze
(B1 , B2 ).
Observaţia 2. Se observă că elementele de pe coloana j, j = 1, n, a matricii
aplicaţiei liniare T ı̂n perechea de baze (B1 , B2 ) sunt componentele ı̂n baza
B2 = {w1 , w2 , . . . , wm } ale vectorului T (vj ), unde B1 = {v1 , v2 , . . . , vn }.
Corolar 13. Fie operatorul liniar T ∈ L(V, W ) şi fie B1 , B2 două baze ı̂n
spaţiile liniare V şi respectiv W . Dacă A ∈ Mm,n (K), unde dim V = n,
dim W = m, este matricea aplicaţiei T ı̂n perechea de baze (B1 , B2 ) atunci
rang T = rang A.
Propoziţia 14. Fie V , U şi W trei K−spaţii vectoriale cu dim V = n,
dim U = p, dim W = m şi fie B1 , B2 şi respectiv B3 trei baze ı̂n aceste spaţii.
Fie operatorii liniari T ∈ L(V, U ) şi S ∈ L(U, W ) cu matricile A ∈ Mp,n (K)
şi respectiv B ∈ Mm,p (K) ı̂n perechea de baze (B1 , B2 ). Atunci matricea
aplicaţiei liniare S ◦ T ∈ L(V, W ) ı̂n perechea de baze (B1 , B3 ) este B · A ∈
Mm,n (K).
Propoziţia 15. Fie izomorfismul T ∈ L(V, W ), unde V şi W sunt spaţii
vectoriale reale cu dim V = dim W = n, cu matricea A ∈ Mn (R). Atunci
inversa aplicaţiei T este un izomorfism T −1 ∈ L(W, V ) şi matricea sa este
A−1 ∈ Mn (R).
Teorema 16. Considerăm operatorul liniar T ∈ L(V, W ) cu matricea A ∈
Mm,n (K) ı̂n perechea de baze (B1 , B2 ) şi cu matricea A′ ∈ Mm,n (K) ı̂n pere-
chea de baze (B1′ , B2′ ). Dacă matricile schimbărilor de baze de la B1 la B1′ şi
5
 Capitolul III: Transformări liniare Lector. dr. Simona Romaniuc

de la B2 la B2′ sunt S1 şi respectiv S2 , atunci

A′ = S2−1 · A · S1 .
Observaţia 3. Pentru un operator liniar T : V → V , dim V = n, având ma-
tricea A ∈ Mn (K) ı̂ntr-o bază B din spaţiul vectorial V , legea de transformare
S
a acesteia la o schimbare de bază B → B ′ este
A′ = S −1 · A · S,
unde A′ ∈ Mn (K) este matricea lui T ı̂n baza B ′ din V .
Exemplu 2. Să se scrie matricea aplicaţiei liniare T : R3 → R2 , date prin
T (x) = (x1 + x2 + x3 , x1 − 2x2 )B2 , pentru orice x = (x1 , x2 , x3 )B1 , unde bazele
B1 şi B2 sunt bazele canonice ı̂n spaţiile liniare R3 şi respectiv R2 . Care
este matricea aplicaţiei T ı̂n perechea de baze (B1′ , B2′ ) unde B1′ = {v1 =
(1, 1, 1), v2 = (1, 1, 0), v3 = (1, 0, 0)} şi B2′ = {w1 = (1, 2), w2 = (0, 1)}?
Maticea operatorului liniar T ı̂n perechea de baze canonice este matricea
care are pe coloane vectorii T (e1 ) = (1, 1), T (e2 ) = (1, −2) şi T (e3 ) = (1, 0):
 
1 1 1
A= .
1 −2 0
În continuare, deoarece vectorii din bazele B1′ şi B2′ sunt daţi ı̂n bazele
canonice din R3 şi respectiv 2
 R , rezultă  că matricea S1 a schimbării de bază
1 1 1
de la B1 la B1′ este S1 =  1 1 0 , iar matricea S2 a schimbării de bază
1 0 0
 
′ 1 0
de la B2 la B2 este S2 = . Atunci matricea A′ a operatorului liniar
2 1
T ı̂n perechea de baze (B1′ , B2′ ) este
 
    1 1 1
1 0 1 1 1
A′ = S2−1 · A · S1 = · · 1 1 0 
−2 1 1 −2 0
  1 0 0
3 2 1
= .
−7 −5 −1
Coloanele matricei A′ sunt componentele vectorilor T (v1 ), T (v2 ), T (v3 ) ı̂n
raport cu baza B2′ . Astfel, expresia aplicaţiei ı̂n această pereche de baze este
T (x) = (3x′1 + 2x′2 + x′3 , −7x′1 − 5x′2 − x′3 )B2′ , ∀x = (x′1 , x′2 , x′3 )B1′ ∈ R3 .

4. Valori şi vectori proprii pentru un operator liniar

Fie spaţiul vectorial (V, +, ·) peste corpul (K, +, ·) (unde K = R sau K =
C), cu dimensiunea finită dim V = n.
Definiţia 10. Fie operatorul liniar T ∈ L(V, V ) = L(V ). Atunci T se numeşte
endomorfism al lui V . În cazul ı̂n care T este un izomorfism de spaţii liniare,
endomorfismul liniar se numeşte automorfism al spaţiului liniar V .
6
Capitolul III: Transformări liniare Lector. dr. Simona Romaniuc

Definiţia 11. Fie operatorul liniar T ∈ L(V ). Un vector x0 ∈ V diferit de

vectorul nul din V se numeşte vector propriu al operatorului liniar T , dacă
există un scalar λ0 ∈ K astfel ı̂ncât T (x0 ) = λ0 · x0 . Scalarul λ0 se numeşte
valoare proprie a operatorului liniar T , iar mulţimea valorilor proprii ale lui
T se numeşte spectrul operatorului liniar. Mulţimea tuturor vectorilor proprii
corespunzători valorii proprii λ0 la care se adaugă vectorul nul din V , notată
V (λ0 ) = {x ∈ V \ {θV }| T (x) = λ0 · x} ∪ {θV },
se numeşte subspaţiul propriu al operatorului liniar T corespunzător lui λ0 .
Propoziţia 17. Fie valoarea proprie λ0 ∈ K a operatorului liniar T ∈ L(V ).
Subspaţiul propriu al operatorului liniar T , corespunzător lui λ0 , este un subspa-
ţiu vectorial al lui V .
Definiţia 12. Fie matricea pătratică A ∈ Mn (K) cu elemente din corpul K.
Se numeşte polinomul caracteristic al matricii A, polinomul cu coeficienţi din
corpul K ı̂n variabila λ
p(λ) = det(A − λ · In ).
Dacă A este matricea unui operator liniar T ∈ L(V ) atunci polinomul carac-
teristic al matricii A este numit şi polinomul caracteristic al lui T .
Teorema 18. Fie operatorul liniar T ∈ L(V ) cu matricea pătratică A ∈
Mn (K). Atunci valorile proprii ale lui T sunt rădăcinile polinomului caracte-
ristic al matricii A care aparţin corpului K, adică rădăcinile din K ale ecuaţiei
caracteristice p(λ) = det(A − λ · In ) = 0.
Definiţia 13. Spunem că un operator liniar T ∈ L(V ) este diagonalizabil
dacă există o bază ı̂n spaţiul vectorial V astfel ı̂ncât matricea lui T ı̂n această
bază să fie o matrice diagonală, adică de forma
 
λ1 0 . . . 0
 0 λ2 . . . 0 
diag(λ1 , λ2 , . . . , λn ) =  ..  ∈ Mn (K).
 
.. .. ..
 . . . . 
0 0 . . . λn
Expresia operatorului liniar ı̂n această bază se numeşte expresia canonică a
lui T .
Teorema 19. Un operator liniar T ∈ L(V ) este diagonalizabil dacă şi numai
dacă
(1) Rădăcinile λ1 , λ2 , . . . , λp ale polinomului caracteristic al lui T aparţin
corpului de scalari K al spaţiului liniar V , şi
(2) Dimensiunea fiecărui subspaţiu propriu V (λi ), i = 1, p, al lui T este
egală cu multiplicitatea mi a valorii proprii corespunzătoare, λi .
Observaţia 4. Pentru un operator diagonalizabil T ∈ L(V ), există o bază
formată din vectorii proprii ai acestuia ı̂n care matricea sa are forma diagonală,
având ca elemente valorile proprii ale lui T , iar această bază se obţine prin
reunirea bazelor din subspaţiile proprii ale lui T .
7
 Capitolul III: Transformări liniare Lector. dr. Simona Romaniuc

Exemplu 3. Să se determine valorile şi vectorii proprii ai operatorului liniar

T : R3 → R3 a cărui matrice ı̂n baza canonică este
 
1 −1 2
A =  −1 1 −2  .
2 −2 0
Să se precizeze dacă T este un operator liniar diagonalizabil.
Observăm că expresia operatorului liniar T ı̂n baza canonică din R3 este
T (x) = (x1 − x2 + 2x3 , −x1 + x2 − 2x3 , 2x1 − 2x2 ), ∀x = (x1 , x2 , x3 ) ∈ R3 .
Scriem ecuaţia caracteristică a matricii A
 
 1 − λ −1 2 

p(λ) = det(A − λI3 ) =  −1 1 − λ −2  = −λ(λ − 4)(λ + 2) = 0.
 2 −2 −λ 
Astfel, valorile proprii ale lui T sunt λ1 = 0, λ2 = 4 şi λ3 = −2, toate cu
multiplicităţile egale cu 1.
În continuare vom determina subspaţiile proprii ale lui T corespunzătoare
fiecărei valori proprii.
λ1 = 0.
Ecuaţia T (x) = λ1 · x ⇔ (A − λ1 I3 )X = θ este echivalentă cu sistemul

 x1 − x2 + 2x3 = 0
−x1 + x2 − 2x3 = 0 ,
2x1 − 2x2 = 0


unde x = (x1 , x2 , x3 ) ∈ R3 . Soluţia sistemului este x1 = α, x2 = α, x3 = 0, cu

α ∈ R. Avem subspaţiul propriu al lui A corespunzător valorii proprii λ1 = 0
V (λ1 ) = {x = (α, α, 0) = α · (1, 1, 0)|α ∈ R} = L[v1 ],
unde v1 = (1, 1, 0). O bază ı̂n acest spaţiu este B1 = {v1 }, deci dimensiunea
sa este dim V (λ1 ) = 1, egală cu ordinul de multiplicitate al valorii proprii λ1 .
λ2 = 4.
Ecuaţia T (x) = λ2 · x ⇔ (A − λ2 I3 )X = θ este echivalentă cu sistemul

 −3x1 − x2 + 2x3 = 0
−x1 − 3x2 − 2x3 = 0 ,
2x1 − 2x2 − 4x3 = 0


unde x = (x1 , x2 , x3 ) ∈ R3 . Matricea

 sistemului are rangul 2. Alegem ca
 −3 −1 
minor principal ∆p =   = 8 ̸= 0, necunoscute principale x1 şi x2 şi
−1 −3 
necunoscuta secundară x3 = α ∈ R.
Se obţine soluţia x1 = α, x2 = −α, x3 = α, cu α ∈ R. Rezultă că subspaţiul
propriu al lui T corespunzător valorii proprii λ2 = 4 este
V (λ2 ) = {x = (α, −α, α) = α · (1, −1, 1)|α ∈ R} = L[v2 ],
unde v2 = (1, −1, 1). O bază ı̂n acest spaţiu este B2 = {v2 }, deci dimensiunea
sa este dim V (λ2 ) = 1, egală cu ordinul de multiplicitate al valorii proprii λ2 .

8
Capitolul III: Transformări liniare Lector. dr. Simona Romaniuc

λ3 = −2.
Ecuaţia T (x) = λ3 · x = (A − λ3 I3 )X = θ este echivalentă cu sistemul

 3x1 − x2 + 2x3 = 0
−x1 + 3x2 − 2x3 = 0 ,
2x1 − 2x2 + 2x3 = 0


unde x = (x1 , x2 , x3 ) ∈ R3 . Matricea

 sistemului are rangul 2. Alegem ca
 3 −1 
minor principal ∆p =   = 8 ̸= 0, necunoscute principale x1 şi x2 şi
−1 3 
ca necunoscută secundară x3 = α ∈ R. Se obţine soluţia sistemului x1 = − 12 α,
x2 = 12 α, x3 = α, cu α ∈ R. Ecuaţiile principale sunt prima şi a doua.
Obţinem subspaţiul propriu al lui T corespunzător valorii proprii λ3 = −2
n  1 1  1 o
V (λ3 ) = x = − α, α, α = − · α · (1, −1, −2)|α ∈ R = L[v3 ],
2 2 2
unde v3 = (1, −1, −2). O bază ı̂n acest spaţiu este B3 = {v3 } şi dimensiunea
sa este dim V (λ3 ) = 1, egală cu ordinul de multiplicitate al valorii proprii λ3 .
Deoarece valorile proprii ale operatorului sunt reale şi dimensiunile subspa-
ţiilor proprii corespunzătoare fiecăreia dintre ele sunt egale cu ordinele de
multiplicitate ale acestora, rezultă, conform teoremei 19, că operatorul liniar
T este diagonalizabil, adică există baza
B ′ = B1 ∪ B2 ∪ B3 = {v1 , v2 , v3 } ⊂ R3
ı̂n R3 , ı̂n care matricea operatorului este diagonală
   
λ1 0 0 0 0 0
A′ =  0 λ2 0  =  0 4 0 .
0 0 λ3 0 0 −2
Pentru verificare, putem arăta că A′ = S −1 · A · S.
Într-adevăr, cum matricea schimbării de bază de labaza {e1 , e2 , e3 } din
1 1 1
R3 la baza {v1 , v2 , v3 } din R3 este S =  1 −1 −1 , iar inversa acesteia
0 1 −2
 
3 3 0
este S −1 = 61  2 −2 2 , relaţia de mai sus, pentru schimbarea matricii
1 −1 −2
operatorului liniar la schimbarea bazelor, este ı̂ndeplinită.