Documente Academic
Documente Profesional
Documente Cultură
Planul va fi notat E2 .
• Sensul de la A la B.
Figura 1
Observaţii
2
Definiţia 6. Fie A ∈ E3 oarecare, O ∈ E3 fixat (O este numit pol sau origine). Vectorul
O
rA
Figura 2
3
1. Adunarea vectorilor
OB , OB = OA + AB (figura 3).
B
Figura 3
Observaţii:
i. În cazul vectorilor liberi, dacă OA = a ; AB = b; OB = c , putem scrie:
a + b = c (regula triunghiului).
ii. Adunarea vectorilor poate fi facută şi după regula paralelogramului, dacă membrii
sumei sunt vectori liberi cu acelaşi punct de aplicaţie O (figura 4):
C
B
A
O
Figura 4
Proprietăţi:
a. Comutativitate: a + b = b + a , ∀ a , b ∈ V3
b. Asociativitate: (a + b) + c = a + (b + c), ∀a , b, c ∈ V3
Propoziţia 1:
Fie A, B ∈ E3 , O ∈ E3 . Atunci AB = rB − r A .
Demonstraţie: Din regula triunghiului avem:
OA + AB = OB
2. Înmulţirea cu scalari
G G
Fie a ∈ V3 , λ ∈ R , numit scalar. Vectorul λ ⋅ a are următoarele proprietăţi:
Observaţii:
i. 0 ⋅ a = 0
G G
ii. λ ⋅ 0 = 0
iii. (−1) ⋅ a = − a
Proprietăţi:
G G G G G G
a. λ ⋅ (a + b) = λ ⋅ a + λ ⋅ b, ∀a, b ∈ V3 , ∀λ ∈ \
G G G
b. (λμ) ⋅ a = λ ⋅ (μ ⋅ a ), ∀a ∈ V3 , ∀λ, μ ∈ \
G G G G G
c. (λ + μ) ⋅ a = λ ⋅ a + μ ⋅ a, ∀a, b ∈ V3 , ∀λ, μ ∈ \
G G G
d. 1 ⋅ a = a, ∀a ∈ V3
5
1
ua = a , dacă a ≠ 0 .
a
Observaţie: Vectorul ua are aceeaşi direcţie, acelaşi sens cu a , dar mărimea lui este 1:
1 1
ua = ⋅ a = ⋅ a =1
a a
Propoziţie: Doi vectori liberi nenuli a, b ∈ V3 , sunt coliniari ⇔ (dacă şi numai dacă)
G G G G
∃λ ∈ \ \ {0} astfel încât a = λ ⋅ b, ∀a, b ∈ V3 , ∀λ ∈ \ .
Demonstraţie:
JJJG G JJJG G
Fie OA = a, AB = b
Figura 5
G G G G
"⇒" Fie a , b echiliniari. Să demosntrăm că a = λb .
G G G
a = uaG ⋅ a
G G G .
b = ubG ⋅ b
6
G G G
G G G G a b G a G G G
Dar ua = ub ( a , b fiind coliniari) ⇒ G = G ⇒ a = G b ⇒ a = λb
a b b
N
λ
G G G G
"⇐" Fie a = λb . Să demonstrăm că a , b coliniari.
G G G G G G G G
a = λb ⇒ uaG ⋅ a = λ b ⋅ ubG ⇒ uaG şi ubG au aceeaşi direcţie.
Definiţia 2. Trei vectori se numesc coplanari dacă suporturile lor sunt situate în acelaşi
plan.
G G G G G G G
Propoziaţia 2. a , b , c ∈ V3 cu a , b , c ≠ o sunt coplanari dacă şi numai dacă există
G G G
λ, μ ∈ R astfel încât a = λ ⋅ b + μ ⋅ c
Reper catezian
O ∈ E3 şi trei drepte paralele.
Figura 6
G G G
{ }
Definiţie. O, i , j , k se numeşte reper cartezian în E3.
G G G
Propoziţia 3. Fie {O, i , j , k } un reper cartezian şi un punct A din spaţiu, atunci
JJJG G G G
OA = xi + yj + zk (1)
unde x, y, z se numesc coordonatele carteziene ale punctul A în raport cu reperul cartezian
JJJG
şi vom nota A(x, y, z); (1) se numeşte expresia analitică a vectorului OA .
Demonstraţie:
Figura 7
G JJJG G G G
Observaţie: Se mai scrie a = OA = ax i + a y j + az k
G G G
{ }
Propoziţia 4. A, B ∈ E3, O, i , j , k reper.
Demonstraţie.
JJJG JJJG JJJG G G G G G G
( ) (
AB = OB − OA = x2 ⋅ i + y2 j + z2 k − x1 ⋅ i + y1 j + z1k = )
G G G
= ( x2 − x1 ) i + ( y2 − y1 ) j + ( z2 − z1 ) k
8
G G G G G G G G
G G ⎧
⎪
a ⋅b = ⎨
a b ⋅ cos ( a ( )
, b daca a ≠ 0, b ≠ 0
G G G G
⎪⎩ 0 daca a = 0 sau b =0
G G
Propoziţia 1. a , b ∈ V3 sunt ortogonali (suporturi perpendiculare) dacă şi numai dacă
G G
produsul lor scalar este egal cu 0, a ⋅ b = 0 .
Demonstraţie:
π G G
⇒θ= ⇒ cos θ = 0 ⇒ a ⋅ b = 0
2
G G π
⇐ a ⋅ b = 0 ⇒ cos θ = 0 ⇒ θ =
2
Proprietăţi:
G G G G
1. a ⋅ b = b ⋅ a – comutativitate
G G G G G G G
( )
2. a + b ⋅ c = a ⋅ c + b ⋅ c – asociativitate
G G G G
G G G ⎧⎪a = ax i + a y j + az k
{ }
3. Fie 0, i , j , k , ⎨G
b = b
G
i + b
G
j + b
G .
k
⎪⎩ x y z
G G G G
Atunci a ⋅ b = ax bx + a y by + az bz (expresia analitică a produsului scalar), iar a = a ⋅ a .
Demonstraţie.
G G G G G G G G G G G G
Se ţine seama că i ⋅ i = 1, j ⋅ j = 1, k ⋅ k = 1, i ⋅ j = 0, j ⋅ k = 0, i ⋅ k = 0 . Din expresia
analitică a produsului scalar avem:
9
⎧ G G G
G G G G ⎪ a = a ⋅ a sau
a ⋅a = a a ⇒ ⎨ G
⎪⎩ a = ax2 + a y2 + az2
Proprietăţi.
G G G G
1) a × b = −b × a – necomutativ;
G G G G G G G
( )
2) a × b + c = a × b + a × c – asociativ;
G G G G G G G G G
3) a × b = 0 ⇔ a = 0 sau b = 0 sau a şi b au suporturile paralele;
G G G G
4) a × b = aria paralelogramului format de suporturile vectorilor a şi b (interpretarea
G G G G
a = ax i + a y j + az k
G G G G ⇒
b = bx i + by y + bz k
G G G
i j k
G G
a × b = ax ay az determinant formal pe care îl dezvoltăm după prima linie.
bx by bz
Demonstraţie
4)
Figura 8
G
S.OABC = OB ⋅ h = b ⋅ h ⎫⎪ G G G G
G ⎬ ⇒ S . OABC = b ⋅ a sin θ = a ×b
h = AA ' = OA sin θ = a sin θ⎪⎭
G G G
5) i × j = k
G G G G G G
k perpendicular pe planul ( i , j ) , k are sensul lui i × j
G G G G G G
k = 1 . k = i j sin ) ( i , j ) = 1 ⋅1⋅1 = 1
a1 a2 a3
= =
b1 b2 b3
( a ⋅ b )2 + ( a × b )2 = || a ||2 ⋅ || b ||2
Proprietăţi.
G G G G G G G G G G G G
( ) ( )( ) (
1) a , b , c = b , c , a , a , b , c = − a , c , b ; )
G G G
( )
2) a , b , c = volumul paralelipipedului construit pe suporturile celor trei vectori.
G G G G G G
( )
3) a , b , c = 0 ⇔ vectorii a , b , c sunt coplanari.
ax ay az
G G G
( )
4) a , b , c = bx by bz
cx cy cz
Demonstraţie.
G G
V = S B ⋅ h , iar S B = a × b .
12
n = cG sin COD
h = CD = OC sin COD n = cG sin ⎛ π − θ ⎞ = COD
n = 90D − θ = G
c cos θ [θ este
⎜ ⎟
⎝2 ⎠
G G G
unghiul format de vectorii: a × b şi c .
G G G G G G G G G G G G G G G G
( ) ( ) ( ) (
V = a × b ⋅ c ⋅ cos θ = a × b , c = a × b ⋅ c = c ⋅ a × b = c , a , b dar V ) ( aG, b , cG ) trebuie
G G G G G G G G G G G G
( ) ( ) ( )
să fie pozitiv, deci V = c ⋅ a × b = c , a , b = a , b , c ⇒ V = a , b , c
G G G G G G G G G G G G G
3) ( a , b , c ) = 0 ⇒ a ⋅ ( b × c ) = 0 ⇒ a ⊥ ( b × c ) ⇒ a ∈ pl ( b , c ) ⇒ a , b , c coplanari.
G G
v = a × (b × c )
a × (b × c ) = (a ⋅ c )b − (a ⋅ b )c
b c
a × (b × c ) = .
ab a c
Aplicaţie. Capitolul 1.
13
JJJG
MA G G
G rA + λrB
1. Fie O ∈ E3 , A, B ∈ E3 , M ∈ ( A, B ) . Fie λ = JJJG atunci rM = , ,
MB 1+ λ
( M ≠ A, M ≠ B )
Vectorul de poziţie al unui punct M care împarte segmentul AB într-un raport dat.
Demonstraţie
Figura 9
JJJJG
JJJJG JJJG AM JJJJG JJJG
AM şi MB sunt coliniari. Există λ = JJJG astfel încât AM = λ MB . Deci
MB
G G
G G G G G G G G rA + λrB
rM − rA = λ ( rB − rM ) ⇒ (1 + λ ) rM = rA + λrB ⇒ rM = .
1+ λ
2. Fie un ΔABC, A, B, C ∈ E3, O ∈ E3. Fie AA', BB', CC' mediane. Să se determine
vectorii de poziţie ai punctelor A', B', C' (unde AA', BB', CC' sunt mediane) şi vectorii
JJJJG JJJJG JJJJG
AA ', BB ', CC ' (în funcţie de vectorii de poziţie a vârfurilor ΔABC şi a mărimii laturilor).
Demonstraţie
JJJG
BA ' G G G G G G
G rB + rC G rA + rC G rA + rB
λ = JJJJJG = 1 ⇒ rA ' = (conform aplicaţiei 1), rB ' = , rC ' =
M 'C 2 2 2
JJJJG G G rG + rG G r + r − 2r
AA ' = rA ' − rA = B C − rA = B C A
. Permutări circulare pentru BB', CC'.
2 2
14
G G G
{ }
3) Fie 0, i , j , k . A(x1, y1, z1), B(x2, y2, z2), C(x3, y3, z3). Să se calculeze coordonatele
Demonstraţie
Figura 10
G G G G G G
G
rA ' =
G G
rB + rC G G (
G
⇔ x1' i + y1' j + z1' k =
x2 i + y 2 j + ) (
z 2 k + x3 i + y3 j + )
z3 k
⇔
2 2
x2 + x3 y + y3 z +z
⇔ x1' = , y1' = 2 , z1' = 2 3
2 2 2
(Restul prin permutări circulare).
Temă
1. Să se determine vectorul de poziţie al centrului de greutate al unui triunghi şi
coordonatele carteziene ale centrului de greutate.
2. Să se determine vectorii de poziţie ai punctelor A', B', C' (AA', BB', CC' sunt
bisectoare). Să se determine vectorul de poziţie al centrului cercului înscris în ΔABC.
3. Fie A, B, C, D patru puncte din spaţiu date într-un reper cartezian. Să se determine
volumul tetraedrului ABCD.
4. Să se determine volumul tetraedrului OABC. Să se calculeze aria ΔABC şi distanţa de
la origine până la planul ABC.
C
III
SPAŢII VECTORIALE
Exemple
1. V3 mulţimea vectorilor liberi este spaţiu vectorial în raport cu înmulţirea cu scalari şi
adunarea vectorilor.
⎧ ⎫
2. M m, n = ⎨ A = {aij }i =1,m , aij ∈ ⎬ este un spaţiu vectorial în raport cu adunarea şi
⎩ j =1, n ⎭
înmulţirea cu un număr a matricilor.
A, B ∈ M m,n, C = A + B, cij = aij + bij
α∈ , αA ∈ M m,n
⎛ 0 ... 0 ⎞
0=⎜ ⎟ elementul nul
⎝ 0 ... 0 ⎠
⎛ − a11 ... − a1n ⎞
⎜ ⎟
− A = ⎜ ..................... ⎟ elementul opus
⎜ − a ... − a ⎟
⎝ m1 mn ⎠
4. n = × × ... × { }
= x = ( x1 , x2 ,..., xn ) xi ∈ , i = 1, n
n ori
2. (α – β)x = αx – βx
3. 0 · x = 0v
4. –1 · x = –x
5. α · x = 0v ⇔ α = 0 sau x = 0v.
Definiţia 2. Fie V/K un spaţiu vectorial, S ⊂ V se numeşte subspaţiu vectorial al lui V
dacă:
1. ∀x, y ∈ S, x + y ∈ S (parte stabilă la +)
2. ∀α ∈ K, ∀x ∈ S ⇒ α · x ∈ S (parte stabilă la ·)
Observaţii
1. S este el însuşi spaţiu vectorial
2. 0v ∈ S
Exemple
2
= {( x, y ) / x, y ∈ } este subspaţiu vectorial al lui R3.
mulţime de vectori din V, iar α1, α2, …,αn o mulţime de scalari din K. Se numeşte
combinaţie liniară a vectorilor xi, i = 1, n cu scalarii αi, i = 1, n, un vector
n
x = α1x1 +…+ αnxn = ∑ αi xi , αi coeficienţii combinaţiei liniare.
i =1
Exemplu
3
/ ; x = (1, 2, 1), y = (–1, 0, 3), z = (1, –1, 0)
α1x + α2y + α3z = (α1, 2α1, α1) + (–α2, 0, 3α2) + (α3, –α3, 0) =
=(α1 – α2 + α3, 2α1 – α3, α1 + 3α2)
4
Exemplu
3
/ i ; e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)
⎧ 3 ⎫
M = {e1, e2 e3}, M ⊂ ⎨∑ α i ei , α i ∈ , ei ⎬ = {(α1, α2, α3), αi ∈ }≡ 3
3 , sp( M ) =
⎩ i =1 ⎭ i =1,3
Definiţia 4. Fie V/K spaţiu vectorial. Se numeşte de dimensiune finită dacă admite un
sistem de generatori finit.
Exemplu
3 3 3
În , {e1, e2, e3} constituie o mulţime generatoare pentru . are dimensiune finită.
Definiţia 1. Fie V/K spaţiu vectorial şi {x1, x2, …,xn} ⊂ V vectorii xi, i = 1, n se numesc
liniar independenţi sau {x1, x2,…,xn} se numeşte mulţime liberă dacă pentru orice
combinaţie liniară avem:
λ1 x1 + λ 2 x2 + ... + λ n xn = 0v ⇔ λ1 = λ 2 = ... = λ n = 0
Exemplu
{ }
1. V3 vectori liberi, M = i , j , k sistem de generatori.
5
λ1i + λ 2 j + λ 3 k = 0v ⇔ λ1 = 0, λ 2 = 0, λ 3 = 0
{ }
2. a = i − j + k , b = i + 2 j , c = j − k , M = a , b , c . Verificăm că M este mulţime liberă
λ1a + λ 2b + λ 3c = 0v ⇔ ( λ1 + λ 2 ) i + ( −λ1 + 2λ 2 + λ 3 ) j + ( λ1 − λ3 ) = 0v
⎧λ1 + λ 2 = 0
⎪
⇔ ⎨−λ1 + 2λ 2 + λ 3 = 0 sistem omogen cu Δ ≠ 0 ⇒ are numai soluţie banală ⇒
⎪λ − λ = 0
⎩ 1 3
{ }
Definiţia 2. Fie V/K spaţiu vectorial şi un sistem de vectori xi , i = 1, n ⊂ V , vectorii xi,
Propoziţia 1. Fie V/K şi M = {x1, x2, … , xn} ∈ V, M este legată, rezultă că există cel puţin
un vector din M care se scrie ca o combinaţie liniară de vectorii rămaşi.
Demonstraţie.
"⇒" Fie M legată. ∃ λ1x1 + λ2x2 +…+ λixi + … + λnxn = 0v cu un λi ≠ 0
n
"⇐" Presupunem că ∃xi = ∑ α k xk ⇔ α1x1 + …+ αi–1xi–1 – xi + αi+1xi+1 + … + αnxn = 0v
k =1
k ≠i
3. M ⊂ V, 0v ∈ M ⇒ M legată
Demonstraţie
Fie α1e1 + …+ α2e2 + … + αn+1en+1 = 0v ⇔
Teorema 1. Fie V/K spaţiu vectorial, B = {e1, e2, …,en} ⊂ V, B este bază. Rezultă că
pentru oricare x ∈ V, există α1, α2, …,αn ∈ K astfel încât
n
x = α1e1 + α2e2+ … + αnen = ∑α e ,
i =1
i i αi unic determinat.
Demonstraţie
7
"⇒" Fie B = {e1, e2, …,en} bază. Să demonstrăm că ∀ x ∈ V, x = α1e1 + α2e2 + … + αnen,
λnen atunci
Deoarece B e liberă ⇒ βi = 0 ∀i = 1, n ⇒ αi = λi ∀i = 1, n .
"⇐" Din ipoteză ∀ x = α1e1 + α2e2 +…+ αnen (combinaţie liniară de e1, e2,…en) ⇒
sp(B) = V ⇒ B generatoare.
Fie λ1e1 + λ2e2 + … + λnen = 0v, 0v ∈ V.
Dar 0v = 0·e1 + 0·e2 + … + 0·en ⇒ λ1 = λ2 = … = λn = 0, λi unic determinat, ⇒
{e1, e2, …,en} liberă ⇒ B liberă.
Definiţia 3. Fie V/K spaţiu vectorial, B = {e1, e2, …,en} o bază. Numerele αi, i = 1, n din
teorema 1 se numesc coordonatele vectorului x în baza B. Vom scrie x = (α1, α2,…,αn).
Exemple.
1. n
= {( x1 , x2 ,..., xn ) / xi ∈ R} , fie vectorii
Demonstraţie
Fie α1e1 + α2e2 +…+ αnen = 0v ⇒
α1(1, 0,…,0) + α2(0, 1, 0,…,0) + …+ αn(0, 0,…,0, 1) = 0v
(α1, α2,…,αn) = (0, 0, …,0) ⇔ α1 = α2 =…=αn = 0 ⇒ {e1, e2,…, en} liberă.
Fie x = (x1, x2,…,xn) ⇒ x = x1(1, 0, …,0) + x2(0, 1, 0, …,0) +…+xn(0, 0, …,0, 1) =
= x1e1 + x2e2 + … + xnen ⇒ x ∈ sp(B)
Dar x oarecare ⇒ sp(B) = n
mulţime generatoare.
Demonstraţie
Fie P(x) = a0 + a1x + … + anxn, adică
P(x) = a0e1 + a1e2 + … + anen+1;
dar coeficienţii sunt unici ⇒ B este bază, conform teoremei 1.
{ }
B = i , j , k este baza canonică.
Teorema 2. Fie V/K, V de dimensiune finită. Rezultă că în V există cel puţin o bază.
Demonstraţie
Inducţie după "n".
Verificăm pentru n = 1
Fie A = {x1}; {y1, y2}, cu y1=α1x1/α2, y2 = α2x1/α1
Atunci:
α2y1 = α2α1x1
9
α1y2 = α1α2x1
α2y1 – α1y2 = 0v
Dacă α2 = α1 = 0 ⇒ {y1, y2} este legată
Dacă ∃ α2 ≠ 0 ⇒ ∃ o combinaţie liniară între y1 şi y2 cu scalari ⇒ {y1, y2} este legată.
Propoziţie.
Presupunem adevărată pentru "n – 1", adică
fie A = {x1, x2,…,xn–1} şi {y1, y2,…,yn}, yi ∈ Sp(A) ⇒ {y1, y2,…,yn} este legată.
Vrem să demonstrăm că este adevărat şi pentru "n".
Cazuri
a) α1 = α2 = … = αn+1 = 0 ⇒ y1, y2,…,yn+1 sunt combinaţii liniare de x1, x2,…,xn–1 ⇒
⇒ {y1, y2,…,yn+1} este legată.
1
b) Există cel puţin un αi ≠ 0, presupunem αn+1 ≠ 0 ⇒ xn +1 = ( yn +1 − zn+1 ) .
α n +1
Deci:
α1
y1 = z1 + ( yn+1 − zn+1 )
α n +1
.
αn
yn = z n + ( yn+1 − zn +1 )
α n +1
Fie
10
α1 α
λ1 v1 = y1 − yn +1 = z1 − 1 zn+1 (combinaţii liniare de x1, x2,…,xn–1)
α n +1 α n +1
α α
λ2 v2 = y2 − 2 yn +1 = z2 − 2 zn +1 (combinaţii liniare de x1, x2,…,xn–1)
α n +1 α n +1
α1 α
λ3 vn = yn − yn +1 = zn − n zn +1 (combinaţii liniare de x1, x2,…,xn–1)
α n +1 α n +1
⇒ v1, v2,…,vn combinaţii liniare de x1, x2,…,xn–1 ⇒ {v1, v2,…,vn} mulţime legată.
Există λ1v1 + λ2v2 + … + λnvn = 0v cu cel puţin un scalar λi ≠ 0
Teorema 3.
Fie V/K, V dimensiune finită ⇒ toate bazele din V au acelaşi număr de vectori.
Presupunem m > n ⇒ fi , i =1, m sunt combinaţii liniare de vectori din B ⇒ {f1, f2,…,fn}
este legată ⇒ (din def.1) B' legată, deci nu e bază(contradicţie!); rezultă că m nu poate fi
mai mare ca n. Analog n > m imposibil, deci m = n.
Definiţia 4. Fie V/K spaţiu vectorial, V de dimensiune finită. Numărul vectorilor dintr-o
bază de numeşte dimensiunea spaţiului V şi se notează dim (V) = n.
Exemplu:
1) dimRn = n
2) dimRn[X] = n + 1
3) dimV3 = 3
11
Consecinţe.
Fie V/K, dimV = n.
1) Dacă S ⊂ V, S liberă, S finită ⇒ S are cel mult n elemente.
2) Dacă A ⊂ V, A sistem de generatori, A finită ⇒ A are cel puţin n elemente.
3) A ⊂ V, A sistem de generatori, A finită ⇒ A are cel puţin n elemente.
Teorema 4. Fie V/K, dim V = n. Atunci următoarele trei afirmaţii sunt echivalente:
a) B = {e1, e2,…,en}, bază
b) B este liberă şi are n elemente
c) B este generatoare şi are n elemente.
n
fj =. ∑ c ji ei
i =1
C
Teoremă. Fie V/K spaţiu vectorial, dimV = n, B → B ' ⇒ C este nesingulară. (det lui C ≠
0), C inversabilă (∃ C–1).
C
Teorema 2. Fie dim V = n, B → B ' . Dacă x ∈ V, are componentele (x1, x2,…,xn) în baza B
şi are componentele ( x1' , x2' ,..., xn' ) în baza B' ⇒ X = C ⋅ X ' unde:
⎛ x1 ⎞
⎜ ⎟t
X = (x1, x2,…,xn) = ⎜ ⎟ ,
⎜x ⎟
⎝ n⎠
⎛ x1' ⎞
⎜ '⎟
x
X' = ( x1' + x2' + ... + xx' ) = ⎜ 2 ⎟ , iar X' = C–1X.
t
⎜ ⎟
⎜⎜ ' ⎟⎟
⎝ xn ⎠
Demonstraţia rezultă din teorema 1.
V1 + V2 = {z = x + y x ∈ V1, y ∈ V2} .
Propoziţie. Intersecţia şi suma a două subspaţii vectoriale ale unui K -spaţiu vectorial
sunt la rândul lor subspaţii vectoriale ale acestui spaţiu vectorial.
Demonstraţia este imediată.
Observaţie. Este evident că intersecţia se poate defini pentru un număr oarecare de
subspaţii ale K -spaţiului vectorial V ( U = ∩ Vi ) şi, de asemenea, suma se poate defini
i∈I
13
pentru orice număr finit de subspaţii ale lui V ( U = V1 + V2 + ... + V p ). Este clar că
V1 + V2 = { z = x + y x ∈ V1 şi ∈ V2 } .
{
completa la o bază în V1 . Fie B1 = e1,..., e p , f p +1,..., f n1 } o bază în V1 şi analog
{ }
B2 = e1,..., e p , g p +1,..., g n2 o bază în V2 .
Dacă notăm cu u = ν p +1g p +1 + ... + ν n2 g n2 , atunci u ∈ V2 . Pe de altă parte, din (1) rezultă
că
( )
u = − λ1e1 + ... + λ p e p + μ p +1 f p +1 + ... + μn1 f n1 ∈ V1 .
Aşadar, relaţia (1) nu este posibilă decât dacă toţi coeficienţii sunt nuli, ceea ce
arată că mulţimea B este liniar independentă. Cum mulţimea B este şi sistem de
generatori pentru V1 + V2 , rezultă că B este o bază în V1 + V2 , deci că
dim(V1 + V2 ) = p + (n1 − p ) + (n2 − p ) = n1 + n2 − p (numărul vectorilor din B).
Prin urmare avem:
dim(V1 + V2 ) = dim V1 + dim V2 − dim(V1 ∩ V2 )
Definiţia 4.4.1. Spunem că spaţiul vectorial V este suma directă a subspaţiilor
vectoriale V1, V2 ⊂ V şi notăm aceasta prin V = V1 ⊕ V2 , dacă V = V1 + V2 şi
V1 ∩ V2 = {0} .
15
proprietatea x = x1' + x2' , atunci rezultă că x1 − x1' = x2' − x2 ∈ V1 ∩ V2 = {0} , deci x1 = x1' şi
M ns (R) şi M nas (R) sunt subspaţii vectoriale ale lui M n (R) . Pe de altă parte, pentru
( At )
t
= A , rezultă că Bt = B şi C t = −C , deci B ∈ M ns (R) , iar C ∈ M nas (R) . Aşadar
{ }
V1 = p ∈ R 4[ X ] p = a0 + a2 X 2 + a4 X 4 şi
{ }
V2 = q ∈ R 4[ X ] q = a1 + a3 X 3 .
a0 = a1 = a2 = a3 = a4 = 0 .
b) T(α · x) = α T ( x ) , ∀x ∈ V şi ∀α ∈ K (omogenă)
Proprietăţi
1. T(Ov) = Ow
2. T(–x) = –T(x)
Definiţia 2.
Fie T : V → V liniară, se numeşte endomorfism sau (operator liniar)
Exemple:
1) T : 3
→ 2
: ∀x ∈ 3
, x = (x1, x2, x3); T(x) = (x1 + x2, x1 – x3)
x = (1, 2, 3) → T(x) = (3, –2)
T liniară ⇔ T(αx + βy) = αT(x) + βT(y) rezultă din următoarele:
αx + βy = α(x1, x2, x3) + β(y1, y2, y3) = (αx1 + βy1, αx2 + βy2, αx3 + βy3)
T(αx + βy) = (αx1 + βy1 + αx2 + βx2, αx1 + βy1 – αx3 – βy3)
αT(x) + βT(y) = α(x1 + x2, x1 – x3) + β(y1 + y2, y1 – y3) =
= (αx1 + αx2 + βy1 + βy2, αx1 – αx3 + βy1 – βy3)
2) T : n [X] → n [X] cu T(p(x)) = p'(x). Este liniară din proprietăţile derivatei.
T ( f ( x ) ) = ∫ f ( x ) dx , T liniară, deoarece:
b
∫ ( αf ( x ) + βg ( x ) ) dx = α ∫ f ( x ) dx + β∫ g ( x ) dx = αT ( f ( x ) ) + βT ( g ( x ) )
b b b
T(αf + βg) =
a a a
KerT = { x / x ∈ V , T ( x ) = 0v }
Avem ( KerT ⊂ V ) .
Im T = { y / y ∈ W , astfelincat ∃ x ∈ V cu proprietatea T ( x ) = y}
Avem ( ImT ⊂ V ) .
3
Demonstraţie
a) Fie x, y ∈ KerT ⇒ T(x) = 0w, T(y) = 0w
Dar T(x + y) = T(x) + T(x) întrucât T liniară
Deci T(x + y) = 0w + 0w = 0w ⇒ x + y ∈ KerT
T(αx) = αT(x) = α · 0w = 0w ⇒ αx ∈ Ker T
Teorema 1.
T : V → W, T ∈ L(V, W). Atunci T este injectivă ⇔ KerT = {0v}
Demonstraţie
"⇒" Presupunem că T injectivă înseamnă (x1 ≠ x2 ⇒ T(x1) ≠ T(x2)) sau
(T(x) = T(y) ⇒ x = y)
Tinj
Fie x ∈ KerT ⇒ T(x) = 0w, T(0v) = 0w ⇒ T(x) = T(0v) ⇒ x = 0v ⇒ KerT = {0v}
"⇐" Presupunem KerT = {0v}
Fie T(x) = T(y) ⇒ T(x) – T(y) = 0w, dar T liniară, deci T(x – y) = 0w
⇒ x – y ∈ KerT ⇒ x – y = 0v ⇒ x = y, deci T injectivă.
4
Teorema 2.
Fie T : V → W, T ∈ L(V, W). ATunci T surjectivă ⇔ ImT = W.
Demonstraţie
Fie T surjectiv. Atunci:
1) ∀ y ∈ W există x ∈ V astfel încât T(x) = y ⇒ ImT ⊂ W.
Din definiţia surjectivităţii şi a imaginii ⇒ W ⊂ ImT.
⎧W ⊂ Im T
Deci ⎨ ⇒ Im T = W
⎩Im T ⊂ W
Exerciţiu.
2 2
T: → . T(x) = (x1 + x2, x1 – x2, x2)
x = (1, 2) → T(x) = (3, –1, 2)
Prin definiţie KerT = {x/x ∈ 2
, T(x) = (0, 0, 0)} ⇒
⎧ x1 + x2 = 0
⎪
⇔ (x1 + x2, x1 – x2, x2) = (0, 0, 0) ⇔ ⎨ x1 − x2 = 0 ⇒ x1 = x2 = 0
⎪x = 0
⎩ 2
Deci KerT= {(0, 0)}, deci T injectivă.
ImT = ?
∀y∈ 3
, y = (y1, y2, y3) există x ∈ 2
, x = (x1, x2) astfel încât T(x) = y.
⎧ x1 + x2 = y1 ⎧ x2 = y3
⎪ ⎪
⎨ x1 − x2 = y2 ⇒ ⎨ x1 = y1 − y3 .
⎪x = y ⎪x = y + y
⎩ 2 3 ⎩ 1 2 3
5.3. Izomorfism
Definiţie. Fie T : V → W, T ∈ L(V, W). T se numeşte izomorfism a spaţiilor vectoriale V
şi W dacă T este bijectivă (injectivă şi surjectivă). Vom nota V W.
Demonstraţie
n
= {(x1, x2,…,xn)/xi ∈ }
dimV = n ⇔ ∃ B = {e1, e2,…,en} (liberă şi generatoare)
n
Definim T : → V astfel încât
n
T(x) = x1e1 + x2e2+…+xnen = ∑xe
i =1
i i
n n
= α ∑ xi ei + β∑ yi ei = αT ( x ) + βT ( y )
i =1 i =1
∑xe =∑ye
i =1
i i
i =1
i i ⇔ ∑ ( xi − yi ) ei = 0v
i =1
Teorema 2.
Fie V/K şi W/K de dimensiune finită. Atunci V W ⇔ dimV = dimW.
Demonstraţie
"⇒" V W înseamnă că există T ∈ L(V, W), T : V → W, T bijectivă.
⎛ n ⎞ T liniara n n n
⇒ T(x) = T ⎜ ∑ xi ei ⎟ = ∑ xiT ( ei ) = ∑ xi f i = α1 f1 + α 2 f 2 + ... + α n f n = ∑ αi fi
⎝ i =1 ⎠ i =1 i =1 i =1
S–1 : n
→ W, S–1 izomorfism.
T S −1
Deci avem: V → n
→ W ⇒ S–1OT : V → W este liniară şi bijectivă ⇒ V W.
8
Observaţie
În loc de n
putem pune Kn (adică n
sau n
).
Exemplu
Fie T : 3
→ 2
, T(x) = (x1 + x2, x1 + x3)
⎧e1 = (1, 0, 0)
⎪
În 3
fie baza B ⎨e2 = ( 0,1, 0 )
⎪e = (0, 0,1)
⎩ 3
2
⎧⎪ f1 = (1, 0 )
În fie baza F ⎨
⎪⎩ f 2 = ( 0,1)
Avem:
T(e1) = (1, 1)
T(e2) = (1, 0)
T(e3) = (0, 1)
9
⎛1 1 0 ⎞
deci A = ⎜ ⎟
⎝1 0 1 ⎠
Teorema 1
Fie V, W două spaţii vectoriale, dimV = n, B = {e1,…,en} ∈ V bază şi un sistem de vectori
arbitrari {v1, v2,…,vn} ⊂ W ⇒ există T : V → W, T liniară unică astfel încât T(ei) = vi,
i = 1, n .
Teorema demonstrează că aplicaţia liniară este unic determinată dacă se cunosc imaginile
vectorilor dintr-o bază.
V
W
v1
x1
v2
x2 v3
x3
Demonstraţie
B baza n
Fie x ⊂ V ⇒ x = ∑ xi ei , xi ∈ K, xi unici.
i =1
n
Definim T : V → W, T ( x ) = ∑ xi vi ⇒ T(x) ∈ W
i =1
Să demonstrăm că
T(ei) = vi
Avem T(x) = x1v1 + x2v2 + … + xnvn. ATunci
T(ei) = 0 · v1 + 0 · v2 + … + 1 · vi + 0 · vin + … + 0 · vn ⇒ T(ei) = vi
Demonstrăm T unică.
10
⎧ n
⎪
⎪
T ( x ) = ∑
i =1
xi vi
Presupunem că există S : V → W astfel încât S(ei) = vi ⇒ ⎨ n
⇒
⎪S ( x ) = x v
⎪⎩ ∑
i =1
i i
⇒ T(x) = S(x), ∀ x ∈ V ⇒ T = S.
Exemple:
3
Fie V = cu baza {e1, e2, e3} astfel:
e1 = (1, 0, 0)
e2 = (0, 1, 0)
e3 = (0, 0, 1).
2
Fie W = cu baza {v1, v2, v3} astfel:
v1 = (1, 2)
v2 = (1, 1)
v3 = (–1, 1).
Observaţii
Teorema 1 demonstrează că aplicaţia liniară este unic determinată dacă se cunosc
imaginile vectorilor dintr-o bază.
Teorema 2
Fie V/K, W/K spaţii vectoriale, dimV = n, dimW = m, L(V, W) = {T : V → W, T liniare}.
11
Demonstraţie
T ∈ L(V, W), ϕ(T) = A (oricărei aplicaţii liniare i se asociază matricea ataşată în raport cu
Teorema 3
Fie V / K ,W / K , dim V = n, dim W = m ⇒ dimL(V, W) = m · n
Demonstraţie
dimMm.n(K) = m · n, din 4.3. teorema 2 L(V, W) Mm.n(K) ⇒ dimL(V, W) =
= dimMm.n = m · n.
Teorema 4
Fie V, W, dimV = n, dimW = m, T : V → W, B = {e1,…,en} ⊂ V bază, F = {f1,…,fn} ⊂ W
bază, A = (aij)m,n asociată lui T în raport cu B şi F.
n n
Dacă x = ∑ xi ei , atunci coordonatele lui y = T(x) sunt: yi = ∑ aij x j , i = 1, m , sau
i =1 j =1
matriceal avem:
⎛ y1 ⎞ ⎛ x1 ⎞
Y = A · X matriceal, unde Y = ⎜ ⎟ , X = ⎜ ⎟⎟ .
⎜ ⎟ ⎜
⎜y ⎟ ⎜x ⎟
⎝ m⎠ ⎝ n⎠
Vom scrie T(x) = A · x.
Demonstraţie
yi
n n
⎛ m ⎞ m ⎛ n ⎞
y = Tx = ∑ x jT ( e j ) = ∑ x j ⎜ ∑ aij ⋅ fi ⎟ = ∑ ⎜ ∑ aij x j ⎟ fi
j =1 j =1 ⎝ i =1 ⎠ i =1 ⎝ i =1 ⎠
12
⎛ n ⎞ n n
⎛ m ⎞
T ( x ) = T ⎜ ∑ xi ei ⎟ = ∑ xi ⋅ T ( ei ) = ∑ xi ⎜ ∑ aki ⋅ f k ⎟ =
⎝ i =1 ⎠ i =1 i =1 ⎝ k =1 ⎠
n
⎛ m ⎞ m ⎛ n ⎞ ⎫
= ∑ ⎜ ∑ xi ⋅ aki ⋅ f k ⎟ = ∑ ⎜ ∑ aki ⋅ xi ⎟ ⋅ f k ⎪
⎠ ⎪ y
n
i =1 ⎝ k =1 ⎠ k =1 ⎝ i =1
m
⎬⇒ k = ∑a ki ⋅ xi ⇔ Y = A ⋅ X
T ( x ) = y = ∑ yk ⋅ f k ⎪ k =1
k =1
⎪⎭
⎛ x1 ⎞ ⎛ y1 ⎞
⎜ ⎟ ⎜ ⎟
x y
⎛ a11 … a1k … a1n ⎞ ⎜ 2 ⎟ ⎜ 2 ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ ⎟⋅⎜ x ⎟ = ⎜ y ⎟
⎜a
⎝ m1 … amk … amn ⎟⎠ ⎜ i ⎟ ⎜ k ⎟
⎜ ⎟ ⎜ ⎟
⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟
⎝ xn ⎠ ⎝ ym ⎠
(m, n) × (n, 1) = (m, 1)
yk = ak1 x1 + ... + aki xi + ... + akn xn
n
∑a
i =1
x
ki i
n
yi = ∑ aij x j , i = 1, m; y = Ax
j =1
⎛ y1 ⎞ ⎛x ⎞
⎜ ⎟ ⎛ a11 a12 … a1i … a1n ⎞ ⎜ 1 ⎟
⎜ y2 ⎟ ⎜ ⎟ ⎜ x2 ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ ⎟ = ⎜ ai1 ai 2 … aii … ain ⎟ ⋅ ⎜ ⎟
⎜ yi ⎟ ⎜ ⎟ ⎜ xj ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜⎜ ⎟⎟ ⎜⎝ am1 am 2 … ami … amn ⎟⎠ ⎜⎜ ⎟⎟
⎝ ym ⎠ ⎝ xn ⎠
m = 4, n = 2
⎧ y1 ⎫ ⎡ a11 a12 ⎤
⎪y ⎪ ⎢
⎪ 2 ⎪ a21 a22 ⎥⎥ ⎧ x1 ⎫
⎨ ⎬=⎢ ⎨ ⎬
⎪ y3 ⎪ ⎢ a31 a32 ⎥ ⎩ x2 ⎭
⎪⎩ y4 ⎪⎭ ⎢⎣⎢ an1 ⎥
an 2 ⎦⎥
13
Exemplu
T: 3
→ 3
, B = {e1, e2, e3} ∈ 3
e1 = (1, 0, 0)
e2 = (0, 1, 0)
e3 = (0, 0, 1)
3
V=W= (T endomorfism)
⎛ 1 2 1⎞
⎜ ⎟
Fie A = ⎜ −1 0 3 ⎟ matricea asociată în raport cu B.
⎜ 1 1 4⎟
⎝ ⎠
Să se determine T(x) unde x = (x1, x2, x3) ∈ 3
T(x) = y ⇔ y = A · x. Rezultă
⎛ y1 ⎞ ⎛ 1 2 1 ⎞ ⎛ x1 ⎞ ⎛ x1 + 2 x2 + x3 ⎞ ⎧ y1 = x1 + 2 x2 + x3
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎪
⇒ ⎜ y2 ⎟ = ⎜ −1 0 3 ⎟ ⋅ ⎜ x2 ⎟ = ⎜ − x1 + 3 x3 ⎟ ⇒ ⎨ y2 = − x1 + 3 x3
⎜ y ⎟ ⎜ 1 1 4 ⎟ ⎜ x ⎟ ⎜ x + x + 4x ⎟ ⎪ y = x + x + 4x
⎝ 3⎠ ⎝ ⎠ ⎝ 3⎠ ⎝ 1 2 3⎠ ⎩ 3 1 2 3
Verificare
Fie T : 3
→ 3
, T(x) = (x1 + 2x2 + x3, –x1 + 3x3, x1 + x2 + 4x3). Să se determine matricea
operatorului linear T în raport cu baza canonică.
T(e1) = (1, –1, 1) = (1 + 2 · 0 + 0, –1 + 3·0, 1 + 0 + 4 · 0)
T(e2) = (2, 0, 1) = (0 + 2 + 0, –0 + 3 · 0, 0 + 1 + 4 · 0)
T(e3) = (1, 3, 4) =
⎛ 1 2 1⎞
⎜ ⎟
A = ⎜ −1 0 3 ⎟
⎜ 1 1 4⎟
⎝ ⎠
T(x) = (x1 + 2x2 + x3, –x1 + 3x3, x1 + x2 + 4x3)
B : {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)} bază
14
Demonstraţie
C
B → B ' ⇒ X = C ⋅ X ' (x' coordonatele lui x în bază B' şi X coordonatele lui x în baza B)
D
F → F ' ⇒ Y = D ⋅ Y ' (Y un vector W)
Dar
T(x) = y ⇔ Y = A · X ⇒ DY ' = A ( C ⋅ X ')
Observaţii
T : V → V(T operator linear)
C
B → B ' ⇒ A ' = C −1 ⋅ A ⋅ C
Exerciţii
1) T : 2 [ x] → 1 [ x]
T(p(x)) = p'(x)
În 2 [ x ] dim 2 [ x ] = 3
15
În 1 [ x ] dim 1 [ x ] = 2
F = {f1, f2} f1 = 1 f2 = x
F ' = { f1' , f 2' } f1' = 1 f 2' = x − β
C −D
a) Să se determine B → B ', F → F ' .
b) Să se determine matricea asociată lui T în raport cu B şi F şi în raport cu B' şi F'.
e1' = 1 = 1 ⋅ e1 + 0 ⋅ e3 + 0 ⋅ e3
a) e2' = x − α = −α ⋅ e1 + 1 ⋅ e2 + 0 ⋅ e3
e3' = x 2 − 2αx + α 2 = α 2 ⋅ e1 − 2α ⋅ e2 + 1 ⋅ e3
⎛ 1 −α α 2 ⎞
⎜ ⎟
C = ⎜ 0 1 −2α ⎟
⎜0 0 1 ⎟⎠
⎝
f1' = 1 = 1 ⋅ f1 + 0 ⋅ f 2
f 2' = x − β = −β f1 + 1 ⋅ f 2
⎛ 1 −β ⎞
D=⎜ ⎟
⎝0 1 ⎠
b) e1 = 1, e2 = x, e3 = x2
f1 = 1, f2 = x
T (e1 ) = (1) ' = 0 = 0· f1 + 0· f 2
⎛0 1 0⎞
T ( e2 ) = ( x) ' = 1 = 1 ⋅ f1 + 0 ⋅ f 2 ⇒ A=⎜ ⎟
⎝ 0 0 2⎠
T ( e3 ) = ( x 2 ) ' = 2 x = 0 ⋅ f1 + 2 f 2
A' = D–1 · A · C
16
1 1 ⎛1 β⎞
D −1 = ⋅ D∗ = ⋅ ⎜ ⎟
det Δ 1 ⎝0 1⎠
⎛ 1 −α α 2 ⎞
⎛1 β⎞ ⎛0 1 0⎞ ⎜ ⎟
A' = ⎜ ⎟⋅⎜ ⎟ ⋅ ⎜ 0 1 −2α ⎟ =
⎝0 1⎠ ⎝0 0 2⎠ ⎜0 0 1 ⎟⎠
⎝
⎛ 1 −α α 2 ⎞
⎛ 0 1 2β ⎞ ⎜ ⎟ ⎛ 0 1 −2α + 2β ⎞
=⎜ ⎟ ⋅ ⎜ 0 1 −2α ⎟ = ⎜ ⎟
⎝0 0 2 ⎠ ⎜ ⎟ ⎝0 0 2 ⎠
⎝0 0 1 ⎠
f1' = 1, f 2' = x − β
( )
este subspaţiu T ( S ) = {T ( x ) , x ∈ S } şi T(S) ⊆ S.
proprii λ.
Propoziţie.
Fie T : V → V, T ∈ L(V, V), λ valoare proprie. Rezultă Vλ' = Vλ ∪ {Ov } este un subspaţiu
invariant în raport cu T (dacă x ∈ V este vector propriu rezultă că T(x) este vector
propriu corespunzător lui λ).
2
Demonstraţie
a) Demonstrăm că Vx' este subspaţiu vectorial, adică:
∀ x, y ∈ Vλ' ⇒ αx + βy ∈ Vλ'
Dacă x, y ≠ 0v ⇒ T(x) = λ · x
T(y) = λ · y
Atunci,
⎛ z
⎞ ⎛ ⎞
T ⎜ αx + βy ⎟ = αT ( x ) + β T ( y ) = α ⋅ λ ⋅ x + β ⋅ λ ⋅ y = λ ⎜ αx + βy ⎟ = λ ⋅ z ⇒ αx + β y ∈ Vλ'
⎜ ⎟ ⎜ ⎟
⎝ ⎠ ⎝ z ⎠
b) Demonstrăm că Vλ' este subspaţiu invariant, adică:
Dacă x = 0v ⇒ T(0v) = 0v = x · 0v
⎛ ⎞
Dacă x ≠ 0v, T(x) = λx ⇒ T ⎜ T ( x ) ⎟ = T ( λ ⋅ x ) = λ ⋅ T ( x ) , deci T(y) = λy.
⎜ ⎟
⎝ y ⎠ y
Definiţia 4.
Fie T : V → V, T ∈ L(V, V). Dacă λ valoare proprie, atunci dim( Vλ' ) = rλ se numeşte
⇒ T are cel puţin o valoare proprie şi vector propriu (teorema indică un procedeu efectiv
de determinare a valorilor şi vectorilor proprii).
Demonstraţie
Întrucât dimV = n ⇒ ∃ B = { e1,…,en} bază
Fie A ∈ Mn,m, A = (aij) matricea asociată în raport cu B.
3
n
⇒ T(ei) = ∑a
j =1
ij ⋅ e j , T(x) = Y = A · X
⎛ n ⎞ n n ⎛ n ⎞ n ⎛ n ⎞
T(x) = (x1e1 + …+xnen) = T ⎜ ∑ xi ei ⎟ = ∑ xiT ( ei ) = ∑ xi ⎜ ∑ a ji e j ⎟ = ∑ ⎜ ∑ a ji xi ⎟ ⋅ e j
⎝ i =1 ⎠ i =1 i =1 ⎝ j =1 ⎠ j =1 ⎝ i =1 ⎠
n
⎛ n ⎞ (1) n
deci T ( x ) = ∑ ⎜ ∑ aij ⋅ xi ⎟e j = λ ( x1e1 + ... + xn en ) = ∑ ( λ ⋅ xi ) ⋅ e j
j =1 ⎝ i =1 ⎠ j =1
n
Dar {e1,…,en} liniar independenţi, rezultă ∑a
i =1
x = λxi , ∀ xi.
ji i
⎧ j =1
⎪a x + a x + ... + a x = λ ⋅ x
⎪ 11 1 12 2 1n n 1
⎧( a11 − λ ) x1 + ... + a1n xx = 0
⎪j=2 ⎪
⎪ ⎪a21 x1 + (a22 − λ) x2 + ... + a2 n xn = 0
⎨a21 x1 + a22 x2 + ... + a2 n xn = λ ⋅ x2 ⇒ ⎨
⎪ ⎪
⎪ ⎪
⎪j=n ⎩an1 x1 + an 2 x2 + ... + ( ann − λ ) xn = 0
⎪
⎩an1 x1 + an 2 x2 + ... + ann xn = λ ⋅ xn
Sistemul omogen admite soluţii diferite de cea banală ⇒ determinantul sistemului este
egal cu 0.
a11 − λ a12 … a1n
a21 a21 − λ … a2 n
=0
an1 an 2 … amn − λ
teorema fundamentala
a algebrei
pA(λ) = 0, unde p(λ) polinom de grad n ⇒ ecuaţia are rădăcini complexe ⇒ ∃
λ∈ valoare proprie.
(A - λI) (Bn-1λn-1 + Bn-2λn-2 + ... + B1λ + B0) = (a0λn + a1λn-1 + ... + an)I,
a0I = – Bn-1 An
a1I = A Bn-1 – Bn-2 An-1
a2I = A Bn-2 – Bn-3 An-2
...............................
an-1I = A B1 – B0
anI = A B0 A
Observaţii:
1) Dacă V/ ,λ∈ este rădăcină a polinomului caracteristic, λ nu este valoare proprie.
2) Se numeşte multiplicitate algebrică a valorii proprii λ, ordinul de multiplicitate a
rădăcinii pentru p(λ) = 0, notat μλ.
4) p(λ) = (−λ)n + p1(−λ)n−1 + p2(−λ)n−2 + … + pn, unde p1, p2,…,pn sunt invarianţi.
De exemplu: p1 = (a11 + a22 + … + ann) = Tr(A) urma matricei A.
Caz particular
Pentru n =3
5
• p3 = detA
Teorema
Polinomul caracteristic este invariabil în raport cu schimbarea bazei (nu depinde de baza
în care s-a asociat mateicea A).
Demonstraţie
Arătăm că PA(λ) = PA’(λ)
Demonstraţie
Fie dimV = n şi T : V → V. Fie două baze ale lui V.
B = {e1 ,..., en } C
B→B'
B ' = {e ,..., e
'
1
'
n }
Fie A matricea asociată lui T în baza B.
A' matricea asociată lui T în baza B'
Avem A' = C−1 ⋅ A ⋅ C
Atunci PA(λ) = det(A − λ ⋅ In)
Aplicaţii
6
(5 − λ ) −3 2 2−λ −3 2
p (λ) = 6 ( −4 − λ ) 4 = 2 − λ −4 − λ 4 =
4 −4 (5 − λ ) 0 −4 5−λ
1 −3 2
= (2 − λ) 0 ( −1 − λ ) 2 = ( 2 − λ ) ⎡⎣( 5 − λ )( −1 − λ ) + 8⎤⎦ =
0 −4 5−λ
= ( 2 − λ ) ( λ 2 − 4λ + 3) = ( 2 − λ )( λ − 1)( λ − 3)
p(λ) = 0 ⇒ λ1 = 2
λ2 − 4λ + 3 = 0 ⇒ λ2 = 1
λ3 = 3
p1 = λ1 + λ2 + λ3 = Tr(A)
⎛ 3 −3 2 ⎞ ⎛ x1 ⎞ ⎛ 0 ⎞ ⎧3 x1 − 3 x2 + 2 x3 = 0
⎪
T(v1 − λ1v1) = Ov ⇒ (A − λ1I3) ⋅ v1 = 0 ⇒ ⎜⎜ 6 −6 4 ⎟⎟ ⋅ ⎜⎜ x2 ⎟⎟ = ⎜⎜ 0 ⎟⎟ ⇒ ⎨6 x1 − 6 x2 + 4 x3 = 0
⎜ 4 −4 3 ⎟ ⎜ x ⎟ ⎜ 0 ⎟ ⎪4 x − 4 x + 3 x = 0
⎝ ⎠ ⎝ 3⎠ ⎝ ⎠ ⎩ 1 2 3
⎧3 x1 − 3 x2 + 2 x3 = 0 4
⎨
⎩4 x1 − 4 x2 + 3 x3 = 0 −3
x 3 = 0 x 1 − x 2 = 0 x 1 = α x2 = α
Deci v1 = (α, α, 0) = α(1, 1, 0), α ≠ 0.
Scriem spaţiul vectorilor proprii asociat valorii proprii λ1 = 1:
Vλ1 = 2 = {α (1,1, 0 ) α ≠ 0}
Avem de asemenea:
nλ1 = 1, rλ1 = 1, rλ ≤ nλ
7
⎛ 4 −3 2 ⎞ ⎛ x1 ⎞ ⎛ 0 ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ 6 −5 4 ⎟ ⋅ ⎜ x2 ⎟ = ⎜ 0 ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ 4 −4 4 ⎠ ⎝ x3 ⎠ ⎝ 0 ⎠
⎧4 x1 − 3 x2 + 2 x3 = 0
⎪
⎨6 x1 − 5 x2 + 4 x3 = 0
⎪x − x + x = 0
⎩ 1 2 3
⎧⎪3 x1 − 3 x2 + 2 x3 = 0
⎨
⎪⎩ x1 − x2 + x3 = 0 ⋅ ( −3)
x1 / − x3 = 0
⇒ x1 = x 3
x 3 − x2 + x3 = 0
x2 = 2x3
x3 = β ⇒ v2 = (β, 2β, β) = β(1, 2, 1) β ≠ 0
Vλ2 =1 = {β(1, 2, 1)/β ≠ 0}
Avem de asemenea:
nλ2 = 1, rλ2 = 1, rλ2 ≤ nλ2
⎛ a11 0… 0 ⎞
⎜ ⎟
A = ⎜ 0 a22 0 ⎟
⎜ 0 0… a ⎟
⎝ nn ⎠
Teorema 1.
Fie T : V → V, T ∈ L(V, V)
Demonstraţie
Def .3
“⇒” T diagonalizabil ⇒ ∃ {v1, v2,…,vn} şi în această bază matricea este:
⎛ d1 0 … 0⎞
⎜ ⎟
0 d2 0⎟
D=⎜
⎜ ⎟
⎜⎜ 0 0
⎟
… d n ⎟⎠
⎝
Deci T(v1) = d1 ⋅ v1 + 0 ⋅ v2 + … = 0 ⋅ vn = d1 ⋅ v1, unde d1 valoare proprie
v1 vector propriu
T(vn) = λnvn
⎛ λ1 0 … 0 ⎞
⎜ ⎟
⎜ 0 λ2 0⎟
⇒ A=
⎜ ⎟
⎜⎜ ⎟⎟
⎝ 0 0 … λn ⎠
Teorema 2
Fie T : V → V, T ∈ L(V, V), (T endomorfism). Atunci dacă valorile proprii sunt distincte
Demonstraţie
Avem că dimV = n, deci este suficient să arătăm că {v1, v2,…, vn} este liberă.
Demonstrăm prin inducţie după n.
Verificăm pentru n = 1. Atunci, fie λ1 valoarea proprie şi v1 ≠ 0v vector propriu şi avem:
T(v1) = λ1v1.
Fie λ1 v1 = 0v ⇔ λ1 = 0, (întrucât v1 ≠ 0v, vectori propriu) ⇒ { v1} liberă.
Presupunem adevărat pentru k. Să demonstrăm că este adevărat pentru k + 1
Fie sistemul de vectori {v1,…,vk} liniar independent. Să demonstrăm că şi sistemul
{v1,…, vk, vk+1} este liniar independent.
Vrem să demonstrăm deci că λ1v1 + … +λkvk + λk+1 ⋅ vk+1 = 0v ⇔ λI = 0, ∀i = 1, k + 1 .
Avem două cazuri:
ipoteza de
inductie
a) λk+1 = 0 şi λ1v1 + … + λkvk = 0v ⇔ λ1 = λ = …= λk = 0. Atunci λi = 0, ∀i = 1, k + 1 .
λ1 ( α1 − α k +1 ) v1 + ... + λ k ( α k − α k +1 ) vk = 0v
α1 αk
Avem însă
ipoteza de
inductie
α1v1 + … + αkvk = 0v ⇔ α1 = 0 … αk = 0
10
α1 = 0, λ1 ( α1 − α k +1 ) = 0
α1 − α k +1 ≠ 0, λ1 = 0
α k (α k − α k +1 ) = 0 ⇒ λ k = 0
şi λi(αi − αk+1) = 0, ∀ i = 1, k
Dar αi ≠ αk+1 ∀ i = 1, k ⇒ λi = 0, i = 1, k
Atunci din relaţia (1) ⇒ λk+1 ⋅ vk+1 = 0v ⇒ λk+1 = 0 întrucât vk+1 ≠ 0v ca vector propriu.
Deci λ1 = λ2 = … = λk+1 = 0.
Observaţii
1) Teorema 1 se numeşte criteriul general de diagonalizare (există n vectori proprii)
2) T este diagonalizabil ⇔ rλ = μλ (multiplicitatea geometrică este egală cu
multiplicitatea algebrică).
3) Matricea D (diagonală) se mai numeşte forma canonică a metricei D (sau a
operatorului T).
Aplicaţii
1) Calculul puterii An pentru o matrice diagonalizată.
Conform definiţiei, A diagonalizabilă ⇒ ∃ C nesingulară astfel încât D diagonală:
D = C−1 ⋅ A ⋅ C
⎛ λ1 0 … 0 ⎞
⎜ ⎟
⎜ 0 λ2 … 0 ⎟
D=
⎜ ⎟
⎜⎜ ⎟⎟
⎝ 0 … … λn ⎠
⎛ λ1 0 … 0 ⎞ ⎛ λ1 0 … 0 ⎞ ⎛ λ12 0 … 0⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
2 ⎜ 0 λ2 … 0 ⎟ ⎜ 0 λ2 … 0 ⎟ ⎜ 0 λ2 …0⎟
D = ⋅ =
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜⎜ 0 … … λ ⎟⎟ ⎜⎜ 0 … … λ ⎟⎟ ⎜⎜ 0 2⎟
⎟
… … λn ⎠
⎝ n⎠ ⎝ n⎠ ⎝
11
⎛ λ1n 0 … 0⎞
⎜ ⎟
0 λ 2n …
0⎟
Dn = ⎜
⎜ ⎟
⎜⎜ ⎟
⎝0 … … λ nn ⎟⎠
D 2 = (C −1 ⋅ A ⋅ C )(C −1 ⋅ A ⋅ C ) = C1 ⋅ A ⋅ A ⋅ C
In
D2 = C−1 ⋅ A ⋅ A ⋅ C
D2 = C−1 ⋅ A2 ⋅ C
A2 = C ⋅ D 2 ⋅ C −1
An = C ⋅ Dn ⋅ C−1.
⎛ 2 −2 0 ⎞
⎜ ⎟
2) Analog se dă A = ⎜ −2 1 −2 ⎟ , matrice asociată lui T : 3
→ 3
într-o bază.
⎜ 0 −2 0 ⎟
⎝ ⎠
a) A este diagonalizabilă?
b) Dacă A este diagonalizabilă, să se scrie matricea diagonală şi baza.
c) Să se calculeze A50
Rezolvare:
2 − λ −2 0
a) p(λ) = −2 1 − λ −2 = − ( 2 − λ ) ⋅ λ − 4 ( 2 − λ ) + 4λ =
0 −2 −λ
= − ( λ 2 − 3λ + 2 ) ⋅ λ − 8 + 8λ = −λ 3 + 3λ 2 + 6λ − 8
p(λ) = 0
−1 3 6 −8
λ
1 −1 2 8 0
p ( λ ) = ( λ − 1) ( −λ 2 + 2λ + 8 )
λ1 = 1; λ2 = 4; λ3 = –2
12
⎛1 0 0 ⎞
⎜ ⎟
b) D = ⎜ 0 4 0 ⎟
⎜ 0 0 −2 ⎟
⎝ ⎠
Calculăm vectorii proprii.
• λ1 = 1
⎛ 1 −2 0 ⎞ ⎛ x1 ⎞ ⎛ 0 ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ −2 0 −2 ⎟ ⋅ ⎜ x2 ⎟ = ⎜ 0 ⎟
⎜ 0 −2 −1 ⎟ ⎜ x ⎟ ⎜ 0 ⎟
⎝ ⎠ ⎝ 3⎠ ⎝ ⎠
⎧ x1 − 2 x2 = 0 ⎧ x1 = 2 x2 ⎧ x1 = 2α
⎪ ⎪ ⎪
⎨−2 x1 − 2 x3 = 0 ⇒ ⎨ x3 = − x1 ⇒ ⎨ x2 = α
⎪2 x − x = 0 ⎪x = α ⎪
⎩ 2 3 ⎩ 2 ⎩ x3 = −2α
Vλ1 =1 = {α ( 2,1, −2 ) / α ≠ 0} ;
v1 = (2, 1, –2)
• λ2 = 4
⎛ −2 −2 0 ⎞ ⎛ x1 ⎞ ⎛ 0 ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ −2 −3 −2 ⎟ ⋅ ⎜ x2 ⎟ = ⎜ 0 ⎟
⎜ 0 −2 −4 ⎟ ⎜ x ⎟ ⎜ 0 ⎟
⎝ ⎠ ⎝ 3⎠ ⎝ ⎠
⎧−2 x1 − 2 x2 = 0 ⎧ x1 = − x1
⎪ ⎪ ⎧α 2 = −2α
⎨−2 x1 − 3 x2 − 2 x3 = 0 ⇒ ⎨ x2 = −2 x3 ⇒ ⎨
⎪ −2 x − 4 x = 0 ⎪x = α ⎩ x1 = 2α
⎩ 2 3 ⎩ 3
Vλ2 = 4 = {α ( 2, −2,1) / α ≠ 0} ;
v2 = (2, –2, 1)
• λ3 = –2
⎛ 4 −2 0 ⎞ ⎛ x1 ⎞ ⎛ 0 ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ −2 3 −2 ⎟ ⋅ ⎜ x2 ⎟ = ⎜ 0 ⎟
⎜ 0 −2 2 ⎟ ⎜ x ⎟ ⎜ 0 ⎟
⎝ ⎠ ⎝ 3⎠ ⎝ ⎠
13
⎧4 x1 − 2 x2 = 0 ⎧ x1 = α
⎪ ⎧ x = 2 x1 ⎪
⎨−2 x1 + 3 x2 − 2 x3 = 0 ⇒ ⎨ 2 ⇒ ⎨ x2 = 2α
⎪ −2 x + 2 x = 0 ⎩ x3 = x3 ⎪
⎩ 2 3 ⎩ x3 = 2α
v3 = (1, 2, 2)
c) D = C–1 · A · C ⇒ A = C · D · C–1
An = C · Dn · C–1
⎛150 0 0 ⎞
⎜ ⎟
A50 = C ⎜ 0 450 0 ⎟ ⋅ C −1
⎜0 0 −250 ⎟⎠
⎝
C
{e1, e2, e3} → {v1, v2, v3}
v1 v2 v3
⎛ 2 2 1⎞
⎜ ⎟
C = ⎜ 1 −2 2 ⎟
⎜ −2 1 2 ⎟
⎝ ⎠
1
C −1 = ⋅ C*
det
detC = –8 + 1 – 8 – 4 – 4 – 4 = –27
⎛ −6 −3 6 ⎞
⎜ ⎟
C = ⎜ −6 6 −3 ⎟
*
⎜ − 3 −6 −6 ⎟
⎝ ⎠
Ci,j = Ai,j = (–1)i+j · Mi,j unde
Mij – minorul elementului aij
⎛ 2 1 −2 ⎞
1⎜
−1 ⎟
C = ⎜ 2 −2 1 ⎟
9⎜ ⎟
⎝1 2 2 ⎠
Avem C −1 ⋅ C = I 3 .
14
Teoremă (teorema rangului). Rangul unui sistem de vectori S = {x1,…,xm} din V este egal
cu rangul matricei sale în raport cu o bază arbitrară B = {e1,…,en} din V.
Demonstraţie
Fie A = (aij) matricea sistemului S în raport cu baza B. Rangul unei matrice A, nenulă,
este un întreg r, 0 < r ≤ min(m. n), cu propriettaea că există un minor nenul al lui A de
ordin r, iar toţi minorii de ordin r + 1, dacă există, sunt nuli. Să presupunem că rangA = r.
2
Deoarece rangul unei matrici nu se schimbă dacă se permută liniile sau coloanele între ele,
putem presupune că următorul determinat este nenul:
a11 a12 … a1r
a21 a22 … a2 r
D=
ar 1 ar 2 … arr
Δi = , i = 1, n
ar1 … arr arj
ai1 … air aij
Dezvoltând după ultima linie, obţinem: ci1ai1 + … + cirair + D · aij = 0, unde cil, l = 1, r ,
sunt complemenţi algebrici ai elementelor de pe ultima linie. Cum D ≠ 0, rezultă:
elementele primelor r linii, deci rămân fixe când i = 1, n . Prin urmare pentru j > r, avem
xj = λ1x1 + … + λrxr, deci Sp({x1,…,xm}) ⊂ ({x1,…,xr}). În concluzie rangA = rangS.
Observaţie Din demonstraţia teoremei, rezultă că rangul unei matrice este egal cu
numărul maxim de coloane liniar dependente. Cum rangul unei matrice coincide cu
rangul matricei transpuse, rezulră că rangul unei matrice este egal cu numărul maxim de
linii liniar independente.
Corolar O matrice pătratică este nesingulară dacă şi numai dacă toate liniile şi toate
coloanele sunt liniar independente.
Pentru determinarea rangului unei matrici se pot folosi transformări elementare.
⎛2 4 3 5⎞
⎜ ⎟
1 2 1 2⎟
Exemplu Să determinăm rangul matricei A = ⎜
⎜3 1 5 3⎟
⎜⎜ ⎟
⎝ −1 5 2 8 ⎟⎠
Avem succesiv
⎛2 4 3 5⎞ ⎛ 1 9 5 13 ⎞
⎜ ⎟ L1 → L1 + L4 ⎜ ⎟
⎜1 2 1 2⎟
L2 → L2 + L4 → ⎜
0 7 3 10 ⎟
L4 → L4 + L1 →
⎜3 1 5 3⎟ ⎜ 0 16 11 27 ⎟
⎜⎜ ⎟ L3 → L3 + 3L4 ⎜⎜ ⎟⎟
⎝ −1 5 2 8 ⎟⎠ ⎝ −1 5 2 8 ⎠
⎛ 1 9 5 13 ⎞ ⎛1 0 0 0 ⎞
⎜ ⎟ C2 → C2 − 9C1 ⎜ ⎟ L2 → L2 / 7
⎜ 0 7 3 10 ⎟ ⎜ 0 7 3 10 ⎟
→ C3 → C3 − 5C1 → L3 → L3 − 16 L2 →
⎜ 0 16 11 27 ⎟ ⎜ 0 16 11 27 ⎟
⎜⎜ ⎟⎟ C4 → C4 − 13C1 ⎜⎜ ⎟⎟ L4 → L4 − 14 L2
⎝ 0 14 7 21 ⎠ ⎝ 0 14 7 21 ⎠
4
⎛1 0 0 0 ⎞ ⎛1 0 0 0 ⎞
⎜ ⎟ C3 → C3 − 3 / 7C2 ⎜ ⎟ L3 → 7 / 29 L3
⎜0 1 3 / 7 10 / 7 ⎟
→⎜
0 1 0 0 ⎟
→
⎜0 0 29 / 7 29 / 7 ⎟ C4 → C4 − 10 / 7C2 ⎜0 0 29 / 7 29 / 7 ⎟ L4 → L4 − L3
⎜⎜ ⎟ ⎜⎜ ⎟
⎝0 0 1 1 ⎟⎠ ⎝0 0 1 1 ⎟⎠
⎛1 0 0 0⎞ ⎛1 0 0 0⎞
⎜ ⎟ ⎜ ⎟
0 1 0 0⎟ 0 1 0 0⎟
→⎜ C4 → C4 − C3 → ⎜
⎜0 0 1 1⎟ ⎜0 0 1 0⎟
⎜⎜ ⎟ ⎜⎜ ⎟
⎝0 0 0 1 ⎟⎠ ⎝0 0 0 1 ⎟⎠
deci rangA = 3. (În fiecare caz s-au menţionat operaţiile indicate: notaţia L1 → L1 + L4
înseamnă că linia 1 se înlocuieşte cu suma liniilor 1 şi 4 etc.).
unde aij ∈ , i = 1, m , j = 1, n , bi ∈ , i = 1, m .
Reamintim că un sistem ordonat de numere reale (α1, α2,…,αn) se numeşte soluţie a
sistemului, dacă înlocuind necunoscutele x1, x2,…,xn respectiv prin aceste numere, toate
ecuaţiile acestui sistem sunt verificate, adică:
n
∑a α
j =1
ij j = bi , i = 1, m
Dacă admite cel puţin o soluţie, sistemul de numeşte compatibil, iar dacă nu admite nici
o soluţie sistemul se numeşte incompatibil. Dacă sistemul admite o singură soluţie,
sistemul se numeşte compatibil determinat, iar dacă admite mai multe soluţii, sistemul
se numeşte compatibil nedeterminat. Să remarcăm că sistemul se scrie sub forma
Ax = b , unde
5
Demonstraţie
"⇒" Notăm cu aj, j = 1, n , vectorii coloană ai matricei A. Sistemul fiind compatibil există
α1,…,αn, astfel încât α1a1 + … + αnan = b.
Aşadar b ∈ Sp({a1,…,an}) şi din teorema rangului rezultă că rangA = rangA .
6
"⇐" Dacă rangA = rangA , atunci b ∈ Sp({a1,…,an}), deci există α1,…,αn, astfel încât
α1a1 + … + αnan = b, deci sistemul (α1,…,αn) este soluţie a sistemului.
Corolar Sistemul este compatibil determinat dacă şi numai dacă rangA = rangA = n.
Demonstraţie
Conform teoremei Kronecker – Capelli, prima egalitate este echivalentă cu existenţa a cel
puţin o soluţie. Deoarece rangA = n, înseamnă că, coloanele matricei A sunt liniar
independente, deci b are o singură exprimare ca o combinaţie liniară de coloanele
matricei A, adică sistemul este compatibil determinat. Reciproc, dacă sistemul are o
singură soluţie, atunci rangA = rangA , iar b are o singură exprimare ca combinaţie
n
liniară de coloanele matricei A, deci acestea sint liniar independente (dacă ∑λ a
j =1
j
j
= 0 cu
Teorema Rouché Dacă rangA = r < m, atunci sistemul este compatibil dacă si numai
dacă toţi determinanţii caracteristici sunt nuli.
Demonstraţie
Dacă sistemul este compatibil, conform teoriei Kronecker – Capelli, rangA = rangA = r.
Cum orice determinant caracteristoic este un determinant de ordin r + 1 din A , deci este
nul. Reciproc, dacă toţi determinanţii caracteristici sunt nuli, atunci rangA = rangA = r,
deci sistemul este compatibil.
În continuare vom studia mulţimea soluţiilor unui sistem omogen de ecuaţii liniare. Fie
deci sistemul Ax = 0, unde 0 este vectorul coloană cu m elemente, toate nenule. Evident,
sistemul este compatibil, deoarece admite soluţia cu toate elementele egale cu zero
(această soluţie se mai numeşte soluţie banală). Din corolar obţinem:
7
Corolar Sistemul Ax = 0 are numai soluţia banală dacă si numai dacă rangA = n. În
particular, dacă A este matrice pătratică, sistemul are soluţie unică dacă şi numai dacă
matricea A este nesingulară.
Demonstraţie
n
Evident că S este un subspaţiu vectorial al lui . Vom căuta o bază a acestui spaţiu
formată din n – r elemente. Pentru aceasta putem presupune că primele r coloane ale
matricei A sunt liniar indepepndente, ceea ce se poate realiza printr-o permutare a
r
indicilor. Atunci pentru j > r, avem a j = ∑ aij a i . Considerăm vectorii
i =1
y j = ( a1j ,..., arj , 0,...0, −1,..., 0 ) , unde –1 se află pe locul j – r. Evident yj ∈ S şi sunt liniar
r
sistemului. În plus, dacă z ' = ( β1' ,..., β'n ) atunci β'j = 0 pentru j > r, deci ∑β a '
j
j
= 0 şi
j =1
n−r
α1,…,αn–r ∈ astfel încât x = x + ∑ αi yi , unde y1,…,yn-r este un sistem fundamental de
i =1
soluţii al sistemului Ax = 0.
Demonstraţie
Dacă x şi x sunt soluţii ale sistemului Ax = b, atunci A ( x − x ) = 0 , deci x − x ∈ S , S
fiind mulţimea soluţiilor sistemului omogen. Cum y1,…,yn-r este bază în S, rezultă că
n−r
există α1,…,αn-r astfel încât x = x + ∑ αi yi , ceea ce trebuie dovedit. Reciproc
i =1
n−r
Ax = Ax + ∑ α i Ayi = b, deoarece Ayi = 0, pentru că yi ∈ S.
i =1
⎧aij(1) , daca i ≤ 1
⎪⎪
aij( 2) = ⎨0, daca i ≥ 2, j ≤ 1
⎪ (1) (1)
⎪⎩aij − mi1a1 j , daca i ≥ 2, j ≥ 2
( 2)
⎧⎪bi(1) , daca i ≤ 1
bi =⎨ 1
() (1)
⎪⎩bi − mi1b1 , daca i ≥ 2
Dacă a11 = 0 schimbăm prima ecuaţie a sistemului cu o altă ecuaţie în care coeficientul
lui x1 este nenul. Se observă că prima ecuaţie a sistemului coincide cu prima ecuaţie a
( 2)
sistemului. Dacă a22 ≠ 0 , atunci, în mod analog, putem elimina necunoscuta x2 din
ultimile m – 2 ecuaţii ale sistemului.
ai(2 )
2
Introducând multiplicatorii mi 2 = ( 2)
, i = 3, m , obţinem sistemul echivalent
a22
( 3)
⎧⎪bi( 2) , daca i ≤ 2
respectiv bi =⎨ 2
( ) ( 2)
⎪⎩bi − mi 2b2 , daca i ≥ 3
( 2)
Dacă a22 = 0 schimbăm ecuaţia a doua cu una din ecuaţiile 3, 4,…,m în care coeficientul
lui x2 este nenul. Primele două ecuaţii ale sistemului coincid cu primele două ecuaţii ale
sistemului. Procedeul continuă. Elementele a11(1) , a22
( 2) ( 3)
, a33 ,... se numesc elemente pivot.
Dacă akk( k ) ≠ 0 , notând cu A(k+1) matricea sistemului echivalent din care au fost eliminaţi
10
x1, x2,…,xk (adică matricea sistemului după k < m paşi), prin b(k+1) vectorul coloană al
termenilor liberi corespunzători, atunci elementele aij( k +1) ale lui A(k+1) şi bi( k +1) ale lui b(k+1)
(k )
⎧⎪bi( k ) , daca i ≤ k
bi =⎨ k
( ) (k )
⎪⎩bi − mik bk , daca i ≥ k + 1
unde
aik( )
k
mik = , i = k + 1, m . Prin urmare, matricea sistemului, după efectuarea pasului k va fi:
akk( k )
⎜ ⎟
⎜ 0 … … … ⎟
⎜⎜ am( ,k +)1
k +1
… ( k +1) ⎟
amn ⎟
⎝ ⎠
⎛ b1(1) ⎞
⎜ ( 2) ⎟
⎜ b2 ⎟
⎜ ⎟
⎜ ⎟
⎜ b( k ) ⎟
b(
k +1)
= ⎜ kk +1 ⎟
⎜ bk( +1 ) ⎟
⎜ ( k +1) ⎟
⎜ bk + 2 ⎟
⎜ ⎟
⎜ ⎟
⎜ b( k +1) ⎟
⎝ m ⎠
Dacă akk( k ) = 0 şi cel puţin unul din elementele de pe coloana k şi de pe liniile
k + 1, k + 2,…, m este nenul, fie acesta ark( k ) , atunci permutăm liniile k şi r între ele şi
continuăm eliminarea. Pe parcursul algoritmului pot apărea următoarele situaţii:
11
– coeficienţii unei ecuaţii devin toţi nuli, iar termenul liber corespunzător este nenul, caz
în care sistemul este incompatibil;
– coeficienţii unei ecuaţii sunt toţi nuli şi termenul liber corespunzător este nul, atunci
ecuaţia respectivă este consecinţă a celorlalte (deci inutilă).
Dacă m = n şi sistemul este compatibil, atunci este compatibil nedeterminat.
Dacă m = n şi rangul matricei sistemului este n, atunci toţi pivoţii sunt nenuli.
După n – 1 paşi vom obţine sistemul triunghiurilor echivalent cu sistemul:
⎧a11(1) x1 + a12(1) x2 + ... + a1(1n) xn = b1(1)
⎪ ( 2)
⎪ a22 x2 + ... + a2( 2n) xn = b2( 2)
⎨
⎪ ... ...
⎪ ( n)
⎩ ann xn = bn( n )
xi = (i )
, i = n − 1,...,1
a ii
Observaţii
1) Am văzut mai sus că este posibil să fie necesar să efectuăm permutări de linii când un
element pivot este nul. Din motive de stabilitate numerică, trebuie să efectuăm permutări
de linii nu numai când un element pivot este exact egal cu zero ci şi când el este apropate
egal cu zero. De asemenea, pentru a preveni ca influenţa erorilor de rotunjire să devină
12
astfel: se alege numărul r egal sau cel mai mic număr întreg pentru care ark( k ) = max aik( k )
k ≤i ≤ m
şi se permută liniile k şi r. Deci, alegem ca pivot, la fiecare pas k, primul element maxim
în modul întâlnit sub elementul akk( ) .
k
2) Dacă m = n, atunci determinantul matricei sistemului este egal cu ( −1) a11(1) a22
( 2) ( )
s n
...ann
unde s este numărul total de permutări de linii efectuate (evident când se aplică
pivotarea).
Exemple
1) Fie sistemul
⎧2 x1 + 5 x2 − 8 x3 = 8
⎪4 x + 3x − 9 x = 9
⎪ 1 2 3
⎨
⎪2 x1 + 3 x2 − 5 x3 = 7
⎪⎩ x1 + 8 x2 − 7 x3 = 12
Să rezolvăm sistemul prin metoda lui Gauss. Vom elimina pe rând necunoscutele x1, x2,
x3. Pentru simplitatea scrierii, operaţiile necesare vor θ efectuate asupra matricei extinse a
sistemului.
13
⎛ 2 5 −8 ⎞
⎛2 5 −8 8⎞ 8⎟ ⎛ 2⎞
L1 ⋅ ( −2 ) + L2 ⎜ L2 ⋅ ⎜ − ⎟ + L3
⎜
3 −9
⎟ ⎜ 0 −7 7 − 7⎟
⎜4 9⎟
L1 ⋅ ( −1) + L3 → ⎜ 0 −2 3 ⎟
⎝ 7⎠
→
⎜2 3 −5 7 ⎟ ⎜ −1 ⎟ ⎛ 11 ⎞
⎜⎜ ⎟ ⎛ 1⎞ L2 ⋅ ⎜ − ⎟ + L4
8 −7 12 ⎟⎠ L1 ⋅ ⎜ − ⎟ + L4 ⎜⎜ 0 11 −3 8 ⎟⎟ ⎝ 2⋅7 ⎠
⎝1
⎝ 2⎠ ⎝ 2 ⎠
⎛ 2 5 −8 8⎞
⎜ ⎟ ⎛ 2 5 −8 8⎞
⎜ 0 −7 7 − 7⎟ ⎜ ⎟
⎜0 0 1
⎛ 5⎞
L3 ⋅ ⎜ − ⎟ + L4 ⎜ 0 −7 7 − 7⎟
1⎟ →
⎜0 0 1
⎜ ⎟ ⎝ 2⎠ 1⎟
⎜0 0 5 5⎟ ⎜⎜ ⎟
⎜ ⎟ ⎝0 0 0 0 ⎟⎠
⎝ 2 2⎠
Deci ultima ecuaţie este consecinţă a celorlate. Sistemul este compatibil determinat.
Avem de rezolvat sistemul superior triughiular.
⎧2 x1 + 5 x2 − 8 x3 = 8
⎪
⎨ − 7 x2 + 7 x3 = −7 , care are soluţia (3, 2, 1).
⎪ x3 = 1
⎩
Ultimele două ecuaţii sunt consecinţă a primelor două. Sistemul este compatibil dublu
nedeterminat. Sistemul:
⎧ x1 − 2 x2 + x4 = −3
⎨
⎩ 5 x2 − 2 x3 − 3 x4 = 10
4 1 2 3
x1 = 1 + x3 + x4 , x2 = 2 + x3 + x4 , x3 ∈ , x4 ∈
5 5 5 5
⎛ ⎞
⎜ 3 −5 2 4 2⎟ ⎛ 3 −5 2 4 2⎞
⎛ 3 −5 2 4 2 ⎞ ⎜ ⎟ ⎜ ⎟
⎜ ⎟ ⎜ 23 11 19 1 ⎟ 23 11 19 1 ⎟
⎜ 7 −4 1 3 5 ⎟ → ⎜ 0 3 − 3 − → ⎜0 − −
⎜ 5 7 −4 −6 3 ⎟ 3 3⎟ ⎜ 3 3 3 3⎟
⎜ ⎟ ⎜
⎝ ⎠
⎜⎜ 0 46 − 22 38 1 ⎟ ⎝0 0 0 0 −1 ⎠⎟
− − ⎟
⎝ 3 3 3 3⎠
Sistemul este incompatibil.
⎛ 1 0 1⎞
⎜ ⎟
4) Să se calculeze inversa matricei A = ⎜ 0 1 1⎟
⎜ 1 1 1⎟
⎝ ⎠
Problema se reduce la rezolvarea simultană a trei sisteme de ecuaţii cu aceeaşi matrice,
iar termenii liberi sunt coloanele matricei unitate I3. Obţinem succesiv:
⎛1 0 1 1 0 0⎞ ⎛1 0 1 1 0 0⎞ ⎛1 0 1 1 0 0⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜0 1 1 0 1 0⎟ → ⎜0 1 1 0 1 0⎟ → ⎜0 1 1 0 1 0⎟
⎜1 1 1 0 0 1⎟ ⎜ 0 1 0 −1 0 1 ⎟ ⎜ 0 0 −1 −1 −1 0 ⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠
Pentru rezolvarea celor trei sisteme, vom căuta ca prin transformări elementare asupra
liniilor să obţinem în stânga, matricea unitate. Deci
⎛1 0 1 1 0 0⎞ L1 + L3 → L1 ⎛ 1 0 0 0 −1 1 ⎞
⎜ ⎟ ⎜ ⎟
⎜0 1 1 0 1 0⎟ L2 + L3 → L1 → ⎜ 0 1 0 −1 0 1 ⎟
⎜ ⎟ ⎜ 0 0 1 1 1 −1⎟
⎝ 0 0 −1 −1 −1 0 ⎠ − L3 → L3 ⎝ ⎠
⎛ 0 −1 1 ⎞
−1⎜ ⎟
deci A = ⎜ −1 0 1 ⎟
⎜ 1 1 −1⎟
⎝ ⎠
15
Teorema (Metoda lui Cholesky) Dacă A este o matrice simetrică şi pozitiv definită,
atunci există o matrice superior triunghiulară R, cu elemente diagonale pozitive, astfel
încât Rt · R = A.
Demonstraţie
n n
Fie forma pătratică ϕ ( x ) = ∑∑ aik xi xk . Reducerea unei forme pătratice pozitiv definite
i =1 k =1
aik( i −1)
(9) rii = aii( i −1) şi rik = , k>i
aii(i −1)
Punând rik = 0 pentru k < I şi R = (rij) (deci R este o metrice superior teriunghiulară), (8)
devine y = Rx. Ţinând seama de (6) şi (8), obţinem:
2
⎛ n ⎞
n n
ϕ ( x ) =< Ax, x >= ∑ ⎜ ∑ rik xk ⎟ = ∑ yi2 =< y, y >=< Rx, Rx >=< R t Rx, x > ,
i =1 ⎝ k =1 ⎠ i =1
de unde: A = Rt · R.
16
În concluzie, reducerea unei forme pătratice pozitiv definite la o sumă de pătrate conduce
la descompunerea matricei corespunzătoare A în produsul a două matrice triunghiulare
care sunt fiecare transpusă celeilalte.
Tehnica aceasta este atribuită lui CHOLESCKY, iar metoda se numeşte metoda lui
Cholesky.
Revenim acum la rezolvarea sistemului (5). Pentru rezolvarea acestui sistem metoda lui
Cholesky este foarte convenabilă.
Cu descompunerea A = Rt · R, (5) devine:
(10) Rt · Rx + b = 0
Notând y = Rx, rezolvarea sistemului (5) este echivalentă cu rezolvarea sistemelor
Rty + b = 0 şi Rx = y.
Cele două sisteme se scriu explicit astfel:
⎧r11 y1 + ................................... + b1 = 0
⎪r y + r y + ........................ + b = 0
⎪⎪ 12 1 22 2 2
Exemple
Fie sistemul
⎧5 x1 + 7 x2 + 3 x3 = 0
⎪
⎨7 x1 + 11x2 + 2 x3 = 1
⎪3x + 2 x + 6 x = 0
⎩ 1 2 3
deci
⎛ 5 7 3⎞ ⎛0⎞ ⎛ −36 ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
A = ⎜ 7 11 2 ⎟ , b = ⎜ −1⎟ , x = ⎜ 21 ⎟ (soluţia exactă)
⎜3 2 6⎟ ⎜0⎟ ⎜ 11 ⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠
Aplicând metoda Cholesky obţinem:
⎛ 2.23607 3.13050 1.34164 ⎞ ⎛ 0 ⎞
⎜ ⎟ ⎜ ⎟
R=⎜ 1.09545 −2.00832 ⎟ , y = ⎜ 0.912871 ⎟ ,
⎜ 0.40285 ⎟⎠ ⎜ 4.490731⎟
⎝ ⎝ ⎠
⎛ −36 ⎞
cu soluţia: x ' = ⎜⎜ 21 ⎟⎟
⎜ 11 ⎟
⎝ ⎠
IV
SPAŢII EUCLIDIENE
4.1. Produs scalar. Definiţii, exemple.
4.2. Normă. Spații metrice. Spaţii normate. Spații Hilbert.
4.3. Ortogonalitate. Baze ortonormate.
4.4. Procedeul Gram – Schmidt.
Proprietăţi:
Produsul scalar are următoarele proprietăţi:
1) <x, y + z> = <x, y> + <x, z>
2) <x, λy> = λ<x, y>, (K = \ )
<x, λy> = λ < x, y >, (K = ^ )
3) <Ov, x> = 0, ∀x ∈ V
Demonstraţie
(1) (2) (1)
1) Dacă K = \ : < x, y + z > = < y + z , x > = < y, x > + < z , x > = < x, y > + < x, z > .
(1) (2)
Dacă K = ^ : < x, y + z > = < y + z , x > = < y, x > + < z , x > =
(1)
=< y, x > + < z , x > = < x, y > + < x, z >
2
2) Dacă K = \ :
(1) (3) (1)
< x, λ y > = < λ y , x > = λ < y , x > = λ < x, y >
Dacă K = ^ :
(1)
< x, λy > = < λy, x >= λ < y, x > = λ⋅ < y, x >= λ < x, y >
Definiţia 2.
Spaţiul vectorilor V/K, pe care s-a definit un produs scalar, se numeşte spaţiu
prehilbertian.
Dacă dimV = n (finită) se numeşte euclidian (real sau complex).
Spaţiul euclidian complex se mai numeşte şi spaţiu unitar.
Exemple
1) V3 (spaţiul vectorilor liberi) cu produsul scalar:
G G G G
G G ⎧
⎪ 0 daca a = 0 sau b =0
a ⋅b = ⎨ G G G G
⎪⎩ a ⋅ b ⋅ cos a , b ( )
În raport cu acest produs scalar V3 este spaţiu euclidian.
Se demonstrează că <x, y> este produs scalar (temă). \ n este spaţiu euclidian în raport
cu acest produs scalar.
def 1
<p, q> = ∫ p ( x ) q ( x ) dx
−1
2) λ ⋅ x = λ ⋅ x , ∀ λ ∈ K , ∀ x ∈ V
3) x + y ≤ x + y , ∀ x, y ∈ V (inegalittaea triunghiului).
Definiţia 2.
Spaţiul V/K pe care s-a definit o normă se numeşte spaţiu normat.
Propoziţia 1.
Fie V/K, spaţiu euclidian. Atunci:
1) < x, y > ≤ < x, x > ⋅ < y, y > inegalitatea Cauchy – Schwartz
def
2) x = < x, y > este normă
2 2
3) x + y + x − y = 2 x + y ( 2 2
) egalitatea paralelogramului.
Demonstraţie
Avem:
<x + λy, x + λy> = <x, y> + λ<y, x> + λ<y, x> + λ2<y, y> =
Δ = 4(<x, y>2 – <y, y> · <x, x>) ≤ 0. <y, y> ≥ 0, deci <x, y>2 ≤ <y, y> · <x, y>.
a) x = < x, x > ≥ 0
≤
2
c) x + y =< x + y, x + y >=< x, x > +2 < x, y > + < y, y >
≤ x +2 x ⋅ y + y =( x + y )
2 2 2
2 2 2
3) x + y = x + 2 < x, y > + y
2 2
x − y = x − 2 < x, y > + y 2
2
x+ y + x− y =2 x + y
2
( 2 2
)
def
Definiţia 3. Fie V/K spaţiu normat. Atunci d ( x, y ) = x − y este o distanţă (sau metrică).
Definiţia 4. Fie V/K spaţiu normat, x, y ∈ V. Definim unghiul dintre cei doi vectori:
def
< x, y >
cos θ = .
x ⋅ y
Observaţii
1) V/K, euclidian, va fi notat cu E.
2) V/K, în care norma este dată de x = < x, x > se numeşte hilbertian.
5
Propoziţia 1.
Fie E spaţiu euclidian, S = {v1,…,vn} sistem ortogonal ⇒ {v1,…,vn} sunt liniar
independenţi.
Demonstraţie
∀ α1v1 + α2v2 + … + αnvn = 0v ⇔ α1 = α2 = … = αn = 0. Înmulţim scalar cu vi (oarecare) şi
⇒ α1 < v1 , vi > +... + α i < vi , vi > +α n < vn , vi >=< 0v ⋅ vi >
N N N N
0 ≠0 0 0
Propoziţia 2.
Fie E spaţiu euclidian, dimE = n, B{e1,…,en} sistem ortogonal ⇒
n
< x, ei >
∀x ∈ E , x = ∑ xi ei , xi =
i =1 < ei , ei >
Demonstraţie
Propozitia1
Dacă B este ortogonal ⇒ vectorii sunt liniar independenţi ⇒ B este bază.
⇒ ∀ x = x1e1 + … + xiei + … + xnen
< xi ei >
<x, ei> = x1 < e1 , ei > +... + xi < ei , ei > +... + xn < ei , en >⇒ xi =
0 ≠0 0 < ei , ei >
Definiţia 2.
Fie E spaţiu euclidian, dimE = n, B = {e1, e2,…,en}, se numeşte bază ortonormată dacă:
⎧1, daca i = j
< ei , e j >= δij = ⎨ (δij – simbolul lui Kroneker)
⎩0, daca i ≠ j
6
Consecinţe (Proprietăţi)
1) Dacă B este ortonormată, atunci ei = 1, ∀i = 1, n .
n
2) Dacă B este ortonormată, atunci x = ∑ xi ei , iar xi =< x, ei > se numesc coeficienţi
i =1
Fourier.
n
3) Dacă B este ortonormată atunci < x, y >= ∑ xi yi
x =1
Observaţii
2 2 2
• Dacă x ⊥ y ⇒ x + y = x + y (Teorema lui Pitagora)
2 2 2
x+ y = x + y +2< N
x, y >= 0
0
< x, y >
• cos θ =
x ⋅ y
Exemple
G G G
1) V3 spaţiul vectorilor liberi cu baza B = {i , j , k } ortonormată.
Demonstraţie
(I) Se construieşte baza F = { f1,…,fn} ortogonală:
f1 = e1, f2 = e2 + α2,1 · f1. Se alege α2,1 astfel încât <f1, f2> = 0.
< f1 , e2 >
<f1, f2> = < f1, e2> + α2,1<f1, f1> = 0 ⇒ α 2,1 =
< f1 , f1 >
⎪⎩< f 2 , f3 >= 0
< f1 , e3 >
α3,1 = −
< f1 , f1 >
< f 2 , e3 >
α3,2 = −
< f2 , f2 >
Pentru un element oarecare fi avem:
fi = ei + αi1 ⋅ f1 + αi 2 ⋅ f 2 + ... + αik ⋅ f k + ... + αi ,i −1 fi −1 .
1
e1' = ⋅ f1
f1
1
e2' = ⋅ f2
f2
#
8
1
ei' = ⋅ fi
fi
#
1
en' = ⋅ fn
fn
Avem:
1
ei' = ⋅ fi = 1 ee' = 1 , ∀ i = 1, n
fi
Exemplu
⎧e1 = (1,1,1)
⎪
În \ fie baza B : ⎨e2 = (0,1, 2)
3
⎪
⎩e3 = (0, 0, 2)
Etapa (I): construim baza F = {f1, f2. f3} astfel:
f1 = e1 = (1, 1, 1) ⇒ f1 = 1 + 1 + 1 = 3
f2 = e2 + α2,1 · f1 | · f1
<f1,f2> = 0 ⇒ <f1, e2> + α2,1<f1, f1> = 0
< f1 , e2 >
α 2,1 = −
< f1 , f1 >
<f1, e2> = 1 · 0 + 1 · 1 + 1 · 2 = 3
<f1, f1> = 12 + 12 + 12 = 3
⇒ α2,1 = –1.
f3 = e3 + α3,1f1 + α3,2f2
< f1 , e3 > 1⋅ 0 + 1⋅ 0 + 1⋅ 2 2
<f1, f3> = 0 ⇒ α3,1 = − =− =−
< f1 , f1 > 3 3
< f 2 , e3 > 2 2
<f2, f3> = 0 ⇒ α3,2 = − =− = − = −1
< f2 , f2 > 1+ 0 +1 2
Deci am obţinut:
⎧
⎪ f = (1,1,1)
⎪⎪ 1
⎨ f 2 = (−1, 0,1)
⎪
⎪ f3 = ⎛⎜ 1 , − 2 , 1 ⎞⎟
⎪⎩ ⎝3 3 3⎠
1
II. Normarea bazei F: ei' = ⋅ fi = 1 ee' = 1
fi
1 1 1 ⎛ 1 1 1 ⎞
e1' = ⋅ f1 = = (1,1,1) = ⎜ , , ⎟
f1 < f1 , f1 > 3 ⎝ 3 3 3⎠
1 1 ⎛ 1 1 ⎞
e2' = ⋅ f2 = ( −1, 0,1) = ⎜ − , 0, ⎟
f2 2 ⎝ 2 2⎠
1 1 ⎛1 2 1⎞ 3 ⎛1 2 1⎞ ⎛ 1 2 1 ⎞
e3' = ⋅ f3 = ⎜ ,− , ⎟ = ⎜ ,− , ⎟ = ⎜ ,− , ⎟
f3 6 ⎝3 3 3⎠ 6 ⎝3 3 3⎠ ⎝ 6 6 6⎠
9
Consecinţe
1. Fie E spaţiu euclidian, B = {e1,…,en} ortonormată. Atunci orice vector x se scrie:
n n n
x = ∑ xi ei , y = ∑ yi ei ⇒ < x, y >= ∑ xi yi
i =1 i =1 i =1
Demonstraţie
⎛ y1 ⎞
⎜ ⎟
X · Y = (x1,…,xn) ⎜ # ⎟ = x1 y1 + x2 y2 + ... + xn yn = ∑ xi ei
t
⎜y ⎟
⎝ n⎠
VIII
Demonstraţie
Fie E spaţiu euclidian, deci există o bază B = {e1,…,en} ortonormată:
⎧1 i = j
<ei, ej> = δi,j = ⎨ .
⎩0 i ≠ j
În baza B, lui T i se asociază o matrice A ⇒ y = T(x)
Y=A·X
<T(x), y> = (AX)t · Y = Xt · At · Y
Presupunem că există T* şi are matricea D în baza B.
Unicitatea
Presupunem că există S : E → E astfel încât <T(x), y> = <x, S(y)> dar şi <T(x), y> = <x,
T(y)> ⇒ <x, T*(y)> = <x, S(y)> ⇒ <OE, T*(y) – S(y)> = 0, ∀ y ∈ E ⇒
2
⇒ T*(y) = S(y), ∀ y ∈ E ⇒ T* = S
Teorema 1. Fie T : E → E, T ∈ L(E). T este autoadjunct dacă si numai dacă matricea lui T
într-o bază ortonormată este simetrică.
(A este simetrică dacă At = A sau aij = aji ∀i, j = 1, n )
Demonstraţie
matricea lui T este A
"⇒" T = T* * t
⇒ A = At
matricea lui T este A
Demonstraţie
a) <T(x), y> = <x, T(y)>
Fie λ o valoare proprie şi x ≠ 0v vector propriu astfel încât: T(x) = λ.
Avem două cazuri:
1) E este spaţiu euclidian complex. Atunci
<λx, y> = <x, λy> ⇒ λ<x, y> = λ < x, y >⇒ λ = λ ∈
2) E este spaţiu euclidian real.
Fie A matricea într-o bază ortonormată (A = At), pT(λ) = det(A – λIn), (λ valoare proprie
pT(λ) = 0).
n
Fie spaţiu complex.
3
Construim un operator S care are matricea A. Dar S autoadjunct ⇒ valorile sale proprii
aparţin lui .
ps(λ) = det(A – λIn) = pT(λ). Dar cum valorile sale proprii ∈ ⇒ p(λ) = 0 are rădăcini
reale. (T şi S au acelaşi polinom caracteristic).
Deci, pT(λ) are rădăcini reale.
b) Presupunem λ1 ≠ λ2.
Notăm: v1 vector propriu corespunzător lui λ1: T(v1) = λ1v1,
v2 vector propriu corespunzător lui λ2: T(v2) = λ2v2
T autoadjunct ⇔ <T(v1), v2> = <v1, T(v2)> ⇒ <λ1v1, v2> = <v1, λ2v2> ⇒
⇒ λ1<v1, v2> = λ2<v1, v2> ⇒
( λ1 − λ 2 ) ⋅ < v1 , v2 >= 0 ⇒ <v1, v2> = 0, v1 şi v2 ortogonali (⊥)
≠0
Demonstraţie
Caz 1.
Teorema 2
Presupunem că λ1 ≠ λ2 ≠ … ≠ λn ⇒ {v1, v2,…,vn} ortogonali.
Dar {v1,…,v2} liniar independenţi, rezultă că {v1,…,vn} este o bază ortogonală. Normăm
această bază {e1, e2…,en}:
1
e1 = ⋅ v1
v1
1
en = ⋅ vn
vn
Dar avem:
λ1
T(v1) = λ1v1,…,T(vn) = λnvn ⇒ T(e1) = λ1e1 = v1
v1
4
λ n vn
T(en) = λnen =
vn
iar matricea
⎛ λ1 ⎞
⎜ 0 … 0 ⎟
v1
⎜ ⎟
⎜ λ2 ⎟
⎜ 0 … 0 ⎟
A= ⎜ v2 ⎟
⎜ ⎟
⎜ ⎟
⎜ λn ⎟
0 0 …
⎜ vn ⎟⎠
⎝
1 1 λ
întrcât e1 = ⋅ v1 ⇒ T ( e1 ) = ⋅ T ( v1 ) = 1 ⋅ v1
v1 v1 v1
Caz 2.
Dacă există valori proprii multiple ⇒ există vactori proprii ortogonali.
Şi acest caz se reduce la cazul 1.
Observaţii
1) T autoadjunct are matrice simetrică.
2) T autoadjunct are valorile proprii reale.
3) O matrice simetrică poate fi diagonalizată.
Aplicaţie
Fie T : 3
→ 3
,şi x ∈ 3
, X = (x1, x2, x3) în bază canonică şi
T(x) = (x1 + x2, x1 – x3, x2 + x3). Se cer:
a) Matricea lui T în bază canonică.
b) Să se determine T* (adjunctul).
c) T este autoadjunct?
a) Avem:
5
⎧e1 = (1, 0, 0 )
⎪
⎨e2 = ( 0,1, 0 )
⎪
⎩e3 = ( 0, 0,1)
⎧T ( e1 ) = (1,1, 0 )
⎪
deci ⎨T ( e2 ) = (1, 0,1)
⎪
⎩T ( e3 ) = ( 0, −1,1)
T ( e1 ) T ( e2 ) T ( e3 )
⎛1 1 0⎞
deci ⎜ ⎟ .
A = ⎜1 0 − 1⎟
⎜0 1 1 ⎟⎠
⎝
b) T* are matricea:
⎛1 1 0⎞
⎜ ⎟
At = ⎜ 1 0 1 ⎟
⎜ 0 −1 1 ⎟
⎝ ⎠
⎛ 1 1 0 ⎞ ⎛ x1 ⎞ ⎛ x1 + x2 ⎞
* ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
Atunci T (x) = ⎜ 1 0 1 ⎟ ⋅ ⎜ x2 ⎟ = ⎜ x1 + x3 ⎟
⎜ 0 −1 1 ⎟ ⎜ x ⎟ ⎜ − x + x ⎟
⎝ ⎠ ⎝ 3⎠ ⎝ 2 3⎠
sau T*(x) = (x1 + x2, x1 + x3, –x2 + x3).
c) A este simetrică?
A nu este simetrică ⇒ T ≠ T*
a) T ortogonal
b) T păstrează produsul scalar
<T(x), T(y)> = <x, y> (izometrie)
c) Dacă A este matricea într-o bază ortonormată rezultă că există A–1 şi A–1 = At
Demonstraţie
Vom demonstra: a ⇒ b ⇒ c
?
a) ⇒ b) T ortogonal ⇒ <T(x), T(y)> = <x, y>
Ipoteza: T ortogonal.
T ortogonala
Conform definiţiei <ei, ej> = δij deci ⇒ <T(ei), T(ej)> = δij
n
Dar < x, y >= ∑ xi yi
i =1
⎛ n ⎞ n
Atunci T ( x ) = T ⎜ ∑ xi ei ⎟ = ∑ xiT ( ei ) ,
⎝ i =1 ⎠ i =1
⎛ n ⎞ n
T ( y ) = T ⎜ ∑ yi ei ⎟ = ∑ y jT ( e j ) ,
⎝ j −1 ⎠ j =1
n n n n
deci < T ( x ) , T ( y ) >= ∑ x T (e ) , ∑ y T (e )
i =1
i i
j =1
i j = ∑∑ xi y j < T ( ei ) , T ( e j ) > =
i =1 j =1
δi
∑∑ x y δ = ∑ x y
i j
i i ij
i =1
i i =< x, y >
b) ⇒ c)
?
Ipoteza: <T(x), T(y)> = <x, y> ⇒ A–1 = At
Vom arăta că T este injectivă ⇔ KerT = {0E}.
Reamintim KerT = { x | x ∈ E , T ( x ) = 0 E } .
Întrucât T bijectiv, rezultă că există T–1 : E → E, iar matricea lui T–1 este A–1
Avem prin ipoteză <T(x), T(y)> =<x, y)>.
Alegem y = T–1(x), adică T(y) = x.
Atunci <T(x), x> = <x, T–1(x)>
dar <T(x), x> = <x, T*(x)>
deci <x, T–1(x)> = <x, T*(x)> ⇒ T* = T–1
Dar matricea lui T* este At, matricea lui T–1 este A–1 ⇒ At = A–1.
c) ⇒ a)
Prin ipoteză A–1 = At, adică T* = T–1.
Arătăm că T este ortogonal
?
<ei, ej> = δij ⇒ <T(ei), T(ej)> = δij
T * = T -1
*
<T(ei), T(ej)> = <ei, T (Tej)> = <ei, T–1(Tej)> = <ei, (T −1 T ) (ej)> = <ei, ej> = δij
Propoziţia 1:
T : E → E, T ortogonal ⇒ T păstrează distanţele şi unghiurile.
Demonstraţie
Trebuie să demonstrăm că:
( ) ( )
? ?
d(T(x), T(y) = d(x, y) şi cos T ( x ) , T ( y ) = cos x, y
Dar d ( x, y ) = x − y
Avem d(x, y) = x − y ,
iar d (T ( x ) , T ( y ) ) = T ( x ) − T ( y ) = T ( x − y ) = x − y = d(x, y)
Avem cos θ =
< x, y >
x ⋅ y
( )
= cos x, y ,
8
Definiţia 2. Fie A ∈ Mn(R). A se numeşte matrice ortogonală dacă există A–1 = At.
Consecinţă: Dacă A este matrice ortogonală, atunci rezultă că operatorul asociat într-o
bază ortonormată este ortogonal.
Propoziţia 2.
A este ortogonală ⇒ detA = ± 1.
Demonstraţie
Prin ipoteză: A–1 = At.
Dar A · A–1 = In ⇒ detA · detA–1 = 1
Deci (detA)2 = 1 ⇒ detA = ± 1.
Definiţia 3.
Matricea A ortogonală pentru care detA = 1 se numeşte matrice de rotaţie.
Observaţie
v1 v2 vn
↓ ↓ ↓
V2
Fie a ∈ V2 ,
a = xy + yj
şi T : V2 → V2, T ortogonal
Condiţia ca matricea asociată lui T ortogonal este:
⎧a ⋅ b + c ⋅ d = 0
⎛a b⎞ t ⎪ 2 2
A=⎜ ⎟ ortogonală ⇔ A · A = I2 ⇒ ⎨a + c = 1 ⇒ a, b, c,d ∈ [–1, 1]
⎝c d⎠ ⎪b 2 + d 2 = 1
⎩
a c
Din a · b = –c · d | : bd ⇒ =−
d b
a c
Notăm − = = α ⇒ a = −d α
d b
Din a2 + c2 = 1 ⇒ α2(b2 + d2) = 1 ⇒ α2 = 1 ⇒ α = ±1
Caz I
Pentru α = 1
a ∈ [–1, 1] ⇒ ∃ θ ∈ [0, π] astfel încât cosθ = a ⇒ θ = arccosa.
Din c2 = 1 – a2 = 1 – cos2θ = sin2θ ⇒ c = ±sinθ.
Alegem pentru c = sinθ.
Atunci:a = –d = –cosθ
b = c = sinθ şi
⎛ cos θ sin θ ⎞
A=⎜ ⎟
⎝ sin θ − cos θ ⎠
10
Caz II
Pentru α = –1
avem: a = cosθ,
c = sin θ,
d = cosθ,
b = –sinθ,
⎛ cos θ − sin θ ⎞
B=⎜ ⎟,
⎝ sin θ cos θ ⎠
cu detB = 1 ⇒ B este matrice de rotaţie
Caz θ = 0
⎛1 0 ⎞ ⎛1 0⎞
A0 = ⎜ ⎟ B0 = ⎜ ⎟
⎝ 0 −1⎠ ⎝0 1⎠
simetrie faţă de Ox operatorul unitate
Caz θ = π
⎛ −1 0 ⎞ ⎛ −1 0 ⎞
Aπ = ⎜ ⎟ Bπ = ⎜ ⎟
⎝ 0 1⎠ ⎝ 0 −1⎠
simetrie faţă de Oy simetrie faţă de O
Fie T operatorul căruia i se asociază în baza {i , j } matricele A0, B0, Aπ, Bπ, respectiv:
⎧⎪i ' = i
A0 ⎨
⎪⎩ j ' = − j
Avem formulele de schimbare a unui vector când schimbăm baza:
X = C · X', X' = C–1 · X (1)
11
⎛1 0 ⎞
cu matricea de trecere C = A0 = ⎜ ⎟ ce reprezintă simetrie faţă de Ox.
⎝ 0 −1 ⎠
C = A0
y
M(x, y)
j i
x
0
–j
M'(x, –y)
j
i
x
–i 0
⎧⎪i ' = T (i ) = −i
⎨
⎪⎩ j ' = T ( j ) = − j
obţinem simetrie faţă de origine
j M(x,y)
–i i
x
–j
M'(–x,–y)
Dacă θ ≠ 0, π, obţinem
⎛ cos θ sin θ ⎞
A=⎜ ⎟,
⎝ sin θ − cos θ ⎠
⎛ cos θ − sin θ ⎞
B=⎜ ⎟
⎝ sin θ cos θ ⎠
rotaţie de unghi θ.
Pentru B avem:
i ' = T ( i ) = cos θi + sin θj
j ' = T ( j ) = − sin θi + cos θj
j
j i
θ i
x
y
M'(x',y')
M(x,y)
θ
x
M"(x",y")
Consecinţă
Transformările ortogonale în plan sunt:
– simetrii
– rotaţii
– compuneri de simetrii şi rotaţii.
⎛ cos θ − sin θ 0 ⎞
⎜ ⎟
C = ⎜ sin θ cos θ 0 ⎟
⎜ 0 0 1 ⎟⎠
⎝
ceea ce reprezintă rotaţia de unghi θ în jurul axei Oz, adică:
⎧i ' = T ( i ) = cos θi + sin θj
⎪⎪
⎨ j = − sin θi + cos θj
⎪
( )
⎪⎩k ' = T k = k
k
k'
θ
j
i' y
j'
i
x
IX
• F(x, x) ≥ 0 (F(x, x) ≤ 0) ∀ x ∈ V
• F(x, x) = 0 ⇒ x = 0v
Exemple
1) Fie V = E (spaţiu euclidian). Produsul scalar <x, y> este funcţie bilineară simetrică.
2
2) Fie V = şi
x = (x1, x2)
y = (y1, y2)
z = (z1, z2)
1) Fie funcţia F(x, y) = F((x1, x2), (y1, y2))=x1y2 + x2y1. Arătăm că F este bilineară:
2
F(αx + βz, y) = F(αx1 + βz, αx2 + βz2), (y, y2) = (αx1 + βz1)y2 + (αx2 + βz2)y1
Pe de altă parte:
F(αx + βz, y) = α(x1y2 + x2y1) + β(z1,y2 + z2y1) = αF(x, y) + βF(z, y)
Avem F(x, y) = x1y2 + x2y1 = y1x2 + y2x1 = F(y, x), deci în plus F este şi simetrică.
Exemplu:
Fie F : 2
× 2
→ , cu F(x, y) = x1y2 + x2y1.
2
Să se determine matricea lui F în bază canonică din . formată din vectorii:
e1 = (1, 0), e2 = (0, 1)
Atunci a11 = F(e1, e2) = 1 · 0 + 0 · 1 = 0,
a12 = F(e1, e2) = 1,
a21 = F(e2, e1) = 1,
a22 = F(e2, e2) = 0,
⎛0 1⎞
deci A = ⎜ ⎟.
⎝1 0⎠
Propoziţia 1
Fie F : V × V → , F bilineară, A = (aij) matricea asociată în raport cu B. Rezultă că:
3
⎛ x1 ⎞ ⎛ y1 ⎞
⎜ ⎟ ⎜ ⎟
n n x y
F ( x, y ) = ∑∑ aij xi x j sau F(x, y) = Xt
· A · Y, unde: X =⎜ 2⎟, Y = ⎜ 2 ⎟.
i =1 j =1 ⎜ ⎟ ⎜ ⎟
⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟
⎝ xn ⎠ ⎝ yn ⎠
Demonstraţie:
Avem:
n
x = ∑ xi ei ,
i =1
n
y = ∑ y jej ,
j =1
Exemplu
Pentru n = 2, avem:
F(x, y) = a11x1y1 + a12x1y2 + a21x2y1 + a22x2y2
Pe de altă parte:
⎛a a12 ⎞ ⎛ y1 ⎞ ⎛ y1 ⎞
F(x, y) = Xt · A · Y = (x1, x2) · ⎜ 11 ⎟ ⋅ ⎜ ⎟ = ( a11 x1 + a21 x2 , a12 x1 + a22 x2 ) ⋅ ⎜ ⎟ =
⎝ a21 a22 ⎠ ⎝ y2 ⎠ ⎝ y2 ⎠
= a11x1y1 + a21x2y1 + a12x1y2 + a22x2y2
Demonstraţie
F(ei, ej) = F(ej, ei) ⇔ aij = aji
4
Propoziţia 3.
Fie V spaţiu vectorial, F o formă bilineară, dimV = n, B = {e1,…,en} şi B' = { e1' ,...en' }, C
C
matricea de trecere de la B la B', B → B ' . atunci A' = Ct · A · C, unde A – matricea în baza
B, A' – matricea în baza B'.
Demonstraţie:
Avem F(x, y) = Xt · A · Y în baza B (1)
t '
şi F(x, y) = X' · A · Y' în baza B' (2)
De asemenea X = C · X' şi
Y = C · Y'.
Atunci F(x, y) = (C · X')t · A · (C · Y') = X't · Ct · A · C · Y' = X't(Ct · A · C) · Y' = X't · A' · Y'
(2)
⇒ A' = Ct ⋅ A ⋅ C
Demonstraţie:
φ(x + y) = F(x + y, x + y) = F(x, x) + F(x, y) + F(y, x) + F(y, y) = φ(x) + 2F(x, y) + φ(y)
1
F ( x, y ) = ⎡ φ( x + y ) − φ ( x ) − φ ( y ) ⎤⎦ .
2⎣
Definiţia 3
Fie φ : V → R, φ(x) formă pătratică, dimV = n, B = (e1,…,en).
Se numeşte matricea lui φ în raport cu baza B matricea asociată polarei F(x, y) în baza B.
Exemplu:
Pentru n = 3, fie x = (x1, x2, x3). Atunci:
φ ( x ) = a11 x12 + a22 x22 + ... + a33 x32 + 2a12 x1 x2 + 2a13 x1 x3 + 2a23 x2 x3
⎛1 1 0⎞
⎜ ⎟
A = ⎜ 1 −2 2 ⎟
⎜0 2 1⎟
⎝ ⎠
unde 2a12 = 2 ⇒ a12 = 1.
Definiţia 3 O formă pătratică se numeşte redusă la forma canonică dacă există o bază în
care matricea asociată are formă diagonală (φ(x) = sumă de pătrate).
Demonstraţie:
E spaţiu euclidian ⇒ ∃ B o bază ortonormată ⇒ <x, y> = Xt · Y
Avem F (x, y) = F(y, x), aij = F(ei, ej) ⇒ matricea A în baza B este simetrică.
Fie T un operator linear T : E → E astfel încât în B are matricea A, deci:
T(x) = A · X.
A = At ⇒ T este autoadjunct
Avem F(x, y) = Xt · A · Y, iar
T ( x ) = A⋅ X At = A
< T(x), y> = (AX) · Y = X · A · Y = Xt · A · Y,
t t t
Unicitate
Presupunem că există S : E → E astfel încât F(x, y) = <S(x), y> ⇒
⇒ < T(x), y> = <S(x), y> ⇒ <(T – S)(x), y> = 0; ∀ y ⇒ T(x) = S(x)
Fie F:E×E → bilineară ⇒ există T:E → E autoadjunct astfe încât F(x, y) = < T(x), y>.
Teorema 2
Fie φ : E → E, φ(x) o formă pătratică. Rezultă că există o bază ortonormată astfel încât în
această bază φ(x) este redusă la forma canonică.
Demonstraţie:
Fie φ(x) formă pătratică. Rezultă că există F(x, y), polară simetrică. Rezultă din Teorema
1 că există T : E → E autoadjunct.
T autoadjunct ⇒ are valori proprii reale şi există o bază ortonormată (formată din vectori
proprii) astfel încât în această bază matricea lui T are formă diagonală.
Fie {e1' , e2' ,..., en' } bază ortonormată în care:
⎛ λ1 0 … 0 ⎞
⎜ ⎟
⎜ 0 λ2 … 0 ⎟
A=
⎜ ⎟
⎜⎜ 0 ⎟
λ n ⎠⎟
⎝
7
T ( e1' ) = λ1e1'
T ( e2' ) = λ 2 e2'
T ( en' ) = λ n en'
Tx ' x'
⎛ n ⎞ ⎛ n ⎞ n n
φ ( x ) =< T ⎜ ∑ xi' ei' ⎟ , T ⎜ ∑ x 'j e'j ⎟ > = ∑∑ xi' x 'j < T ( ei' ) , e'j > =
⎝ i =1 ⎠ ⎝ j =1 ⎠ i =1 j =1
n n n n n n n
∑∑ xi' x'j < λi ei' , e'j > = ∑∑ xi' x'j λi < ei'e'j > = ∑∑ xi' x'j λi δij = ∑ λi ( xi' )
2
=
i =1 j =1 i =1 j =1 i =1 j =1 i =1
Concluzii
I. φ ( x ) = a11 x12 + ... + ann xn2 + 2a12 x1 x2 + ... + 2an −1, n xn −1 xn
Scriem matricea A.
⎛ a11 a12 … a1n ⎞
⎜ ⎟
a a22
A = ⎜ 12 ⎟
⎜ ⎟
⎜⎜ ⎟
⎝ a1n ann ⎟⎠
Deci F : V × V → , f bilineară şi
φ:V→ astfel încât φ(x) = F(x, x). adică:
n
φ ( x ) = a11 x12 + a22 x22 + a33 x32 + 2a12 x1 x2 + 2a13 x1 x3 + 2a23 x2 x3 = ∑a xx
i , j =1
ij i j
Aplicaţie
Să se reducă la forma canonică prin metoda transformărilor ortogonale următoarea formă
pătratică. Să se specifice schimbarea de coordonate făcută.
φ ( x ) = 3 x12 + 3 x22 + 3 x32 + 2 x1 x2 + 2 x2 x3 + 2 x1 x3
⎛3 1 1⎞
⎜ ⎟
I. A = ⎜ 1 3 1 ⎟
⎜ 1 1 3⎟
⎝ ⎠
3−λ 1 1 1 1 1
II. p(λ) = λ 1 3−λ 1 = (5 − λ ) 1 3 − λ 1 =
1 1 3−λ 1 1 3−λ
0 0 2−λ
p(λ) = 0 ⇒
λ1 = 5
λ2 = λ3 = 2.
9
III. λ1 = 5
⎛ −2 1 1 ⎞ ⎛ x1 ⎞ ⎛ 0 ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ 1 −2 1 ⎟ ⋅ ⎜ x2 ⎟ = ⎜ 0 ⎟
⎜ 1 1 −2 ⎟ ⎜ x ⎟ ⎜ 0 ⎟
⎝ ⎠ ⎝ 3⎠ ⎝ ⎠
⎧−2 x1 + x2 + x3 = 0
⎪
⎨ x1 − 2 x2 + x3 = 0
⎪x + x − 2x = 0
⎩ 1 2 3
x1 = x2 = x3 = α
v1 = α(1, 1, 1)
⎛1 1 1⎞ ⎛ x1 ⎞ ⎛ 0 ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
λ2 = λ3 = 2 ⇒ ⎜1 1 1⎟ ⋅ ⎜ x2 ⎟ = ⎜ 0 ⎟
⎜1 1 1⎟ ⎜ x ⎟ ⎜ 0 ⎟
⎝ ⎠ ⎝ 3⎠ ⎝ ⎠
x1 + x2 + x3 = 0 x1 = –α – β
x2 = α
x3 = β
v = (–α – β, α, β) = α(–1, 1, 0) + β(–1, 0, 1)
v2 = β = 0 (−α, α, 0) ⎫⎪
⎬ =< v1 , v2 >= 0 ⇒
v3 = ( −α1 − β1 , α1 , β1 ) ⎪⎭
Avem v1 = 3, v2 = 2, v3 = 6.
10
IV. Normăm
1 ⎛ 1 1 1 ⎞
e1' = ⋅ v1 = ⎜ , , ⎟
v1 ⎝ 3 3 3⎠
1 ⎛ 1 1 ⎞
e2' = ⋅ v2 = ⎜ − , , 0⎟
v2 ⎝ 2 2 ⎠
1 ⎛ 1 1 2⎞
e3' = ⋅ v3 = ⎜⎜ , ,− ⎟
v3 ⎝ 6 6 3 ⎟⎠
V. Forma canonică
φ ( x ') = 5 x1' 2 + 2 x2' 2 + 2 x3' 2
⎛ 1 1 1 ⎞
⎜ − ⎟
⎜ 3 2 6 ⎟
⎛ x1 ⎞ ⎛ x1 ⎞
⎜ ⎟ ⎜ 1 1 1 ⎟ ⎜ ⎟
Atunci ⎜ x2 ⎟ = ⎜ ⎟ ⋅ x2
⎜x ⎟ ⎜ 3 2 6 ⎟ ⎜⎜ ⎟⎟
⎝ 3⎠ x
⎜ 1 2 ⎟ ⎝ 3⎠
⎜ 0 − ⎟
⎝ 3 6⎠
sau
1 ' 1 ' 1 '
x1 = x1 − x2 + x3
3 2 6
1 ' 1 ' 1 '
x2 = x1 + x2 + x3
3 2 6
1 ' 2 '
x3 = x1 − x3
3 6
11
Observaţie
Scriem x1' , x2' , x3' în funcţie de x1, x2, x3
X' = C–1 · X = Ct · X (C este ortogonală, C–1 = Ct), deci:
⎛ 1 1 1 ⎞
⎜ ⎟
⎛ x1' ⎞ ⎜ 3 3 3 ⎟
⎛ x1 ⎞
⎜ '⎟ ⎜ 1 1 ⎟ ⎜ ⎟
⎜ x2 ⎟ = ⎜− 0 ⎟ ⋅ ⎜ x2 ⎟
⎜ x3' ⎟ ⎜ 2 2 ⎟ ⎜⎝ x3 ⎟⎠
⎝ ⎠ ⎜ 1 1 2 ⎟
⎜ − ⎟
⎝ 6 6 6⎠
⎧ ' 1 1 1
⎪ x1 = 3 x1 + 3 x2 + 3 x3
⎪
⎪ ' 1 1
⎨ x2 = − x1 + x2 + 0
⎪ 2 2
⎪ ' 1 1 2
⎪ x3 = x1 + x2 − x3
⎩ 6 6 6
X
FORME PĂTRATICE II
10.1. Reducerea la forma canonică prin metoda Jacobi.
10.2. Reducerea la forma canonică prin metoda Gauss.
Fie D0 = 1
D1 = a11
a11 a12
D2 =
a12 a22
a11 … a1i
Di =
a1 j … a1 j
Dn = det(A)
Dacă toţi Di ≠ 0, ∀i = 1, n , există {f1, f2,…,fn} (baza Jacobi) astfel încât în această bază φ
are forma canonică.
D0 ' 2 D1 ' 2 D D
φ ( x ') = x1 + x2 + ... + i −1 xi'2 + ... + n −1 xn' 2
D1 D2 Di Dn
Demonstraţie:
C
Fie {f1,…fn} bază astfel încât matricea de trecere {e1 ,..., en } →{ f1 ,..., f n } este:
2
f1 = c11 f1 (1)
f 2 = c12 e1 + c22 e2 (2)
f j = c1 j e1 + ... + c jj e j ( j)
D2 ≠ 0
0 a12
1 a22 a
e12 = = − 12
D2 D2
a11 0
a 1 a11 D1
e22 = 12 = =
D2 D2 D2
…
Pentru relaţia (j) avem:
⎧ F ( f j , e1 ) = 0
⎪
⎪F ( f , e ) = 0
( j ) ⎪⎨ j 2 ⇒ un sistem linear în c1j…cjj
⎪
⎪
⎪⎩ F ( f j , e j ) = 1
3
D j −1
C jj = j = 1, n
Dj
1 ' 2 D1 ' 2 D
φ ( x ') = x1 + x2 + ... + n −1 xn' 2 .
D1 D2 Dn
Consecinţă
Criteriul lui Sylvester
Fie V → spaţiu vectorial, dimV = n, φ : V → formă pătratică cu matricea A = (aij)
în baza B = {ei }i =1,n . Atunci:
Demonstraţie:
a) "⇒" conform metodei Jacobi ⇒ ∃ B ' = {ei' } în V astfel; încât
i =1, n
n
D0 2 D1 2 D
φ( x) = x1 + x2 + ... + n −1 xn2 (*), unde x = ∑ xi ei' .
D1 D2 Dn i =1
Di −1 (*)
"⇐" Dacă Di > 0, i = 1, n ⇒ > 0 , i = 1, n ⇒ φ(x) > 0, ∀ x ≠ 0v.
Di
4
Aplicaţie
Să se reducă la forma canonică prin metoda Jacobi următoarea formă pătratică:
φ: 4
→ 4
φ(x) = x12 + x32 + x1 x2 + x3 x4 ,
⎛ 1 ⎞
⎜1 2
0 0⎟
⎜ ⎟
⎜1 0 0 0⎟
⎜2 ⎟
A=⎜ ⎟
⎜0 1⎟
0 1
⎜ 2⎟
⎜ 1 ⎟
⎜0 0 0⎟
⎝ 2 ⎠
D0 = 1
D1 = 1
1
D2 = −
4
1
D3 = −
4
1 1
0 0 1 0
2 2
1 1 1 1 1 1⎛ 1⎞ 1
D4 = − 0 1 = =− 0 0 = − ⎜− ⎟ =
2 2 16 2 2 2 ⎝ 8 ⎠ 16
1 1
0 0 0 0
2 2
D0 D1 D2 D3
=1 = −4 =1 = −4
D1 D2 D3 D4
Forma canonică este:
φ ( x ') = x1' 2 − 4 x2' 2 + x3' 2 − 4 x4' 2
f1 = c11e1 = e1
f2 = c12e1 + c22e2 ⇒
⎧ 1
⎧ D1
⎪⎪c12 + 2 c22 = 0 ⎪c22 = = −4, deci
⎨ ⇔ ⎨ D2
⎪ 1 c + 0c = 1 ⎪c = 2
⎪⎩ 2 12 22 ⎩ 12
f 3 = e3
⇒ f4 = 2e3 – 4e4
X = C · X'
Verificare din X = C · X', adică se scriu x1, x2, x3, x4 în funcţie de x1' , x2' , x3' , x4' .
6
2≤j≤4
• F(ej, fj) = 1
1≤j≤n
• F(fi, fj) = 0
2≤j≤n
1≤I≤j–1
Fie φ(x) o formă pătratică. Rezultă că există o bază {e1' , e2' ,..., en' } în care φ(x) are formă
canonică.
Cazuri
a) ∃ i, aii ≠ 0 se grupează toţi termenii ce conţin pe aii şi se formează un pătrat perfect.
(x + x ) −(x − x )
2 2
i j i j
xi x j =
4
Aplicaţie
Fie n = 3 şi
φ(x) = 4 x12 + x22 − 4 x1 x2 + 4 x1 x3 − 3 x2 x3 = 4 ⎡⎣ x12 − x1 x2 + x1 x3 ⎤⎦ + x22 − 3 x2 x3
2
⎛ 1 1 ⎞
4 ⎜ x1 − x2 + x3 ⎟ − x22 − x32 + 2 x2 x3 + x22 − 3x2 x3 , deci
⎝ 2 2 ⎠
2
⎛ 1 1 ⎞
φ ( x ) = 4 ⎜ x1 − x2 + x3 ⎟ − x32 − x2 x3
⎝ 2 2 ⎠
7
Notăm:
⎧ 1 1 ⎧
⎪ y1 = x1 − 2 x2 + 2 x3 ⎪ x3 = y3
⎪ ⎪
⎨ y2 = x2 ⇒ ⎨ x2 = y2
⎪y = x ⎪ 1 1
⎪ 3 3
⎪ x1 = y1 + y2 − y3
⎩ ⎩ 2 2
Trecerea de la baza {e1, e2, e3} la baza { e1' , e2' , e3' }, adică trecerea de la elementul
(x1, x2, x3) la elementul (y1, y2, y3) se face prin matricea
⎛ 1 1⎞
⎜1 2 − ⎟
2
⎜ ⎟
C = ⎜0 1 0 ⎟,
⎜0 0 1 ⎟
⎜ ⎟
⎝ ⎠
C
adică (x1, x2, x3) → (y1, y2, y3), adică:
e1' = e1
1
e2' = e1 + e2
2
1
e3' = − e1 + e3
2
În această bază avem:
2
1 1 ⎛ 1 ⎞ 1
φ ( y ) = 4 y − y − y2 y3 − y32 + y32 ⇒ φ ( y ) = 4 y12 − ⎜ y2 + y3 ⎟ + y32
2
1
2
2
4 4 ' ⎝ 2 ⎠ 4
x1
x2' x3'
Consecinţă
Teorema de inerţie
Fie V în spaţiu vectorial şi φ : V → o formă pătratică. Atunci numărul termenilor
pozitivi şi al celor negativi din forma canonică a lui φ nu depinde de alegerea bazei
formei canonice.
8