Cursul 6-7

1 Transformări liniare
O noţiune direct legată de spaţiile vectoriale, care apare ca urmare a nece-
sităţii de a avea informaţii despre modul ı̂n care acestea sunt conectate, este
cea de transformare (operator, aplicaţie) liniară.

Definiţie 1.1 Fie V şi W spaţii vectoriale reale. O funcţie T : V → W se

numeşte transformare liniară dacă sunt ı̂ndeplinite următoarele condiţii:
1. T (x + y) = T (x) + T (y), pentru orice x, y ∈ V ;
2. T (kx) = kT (x), pentru orice scalar k şi orice x ∈ V .

Se poate observa că cele două axiome se pot scrie unitar astfel:

T (kx + ly) = kT (x) + lT (y), x, y ∈ V, k, l ∈ R.

Exemplu 1.1 Poate cel mai cunoscut exemplu de transformare liniară este
T : R → R, T (x) = ax, unde a ∈ R constantă.
Într-adevăr, pentru x, y, k ∈ R, au loc egalităţile:

T (x + y) = a(x + y) = ax + ay = T (x) + T (y),

respectiv
T (kx) = a(kx) = k(ax) = kT (x),
şi demonstraţia este ı̂ncheiată.
Precizăm că mulţimea transformărilor liniare de la R la R se reduce la
aplicaţiile definite mai sus.

1
Exemplu 1.2 Fie T : R → R2 , T (x) = (x, −2x). Similar cu exemplul ante-
rior, se poate verifica faptul că T este transformare liniară.

Exemplu 1.3 Se consideră aplicaţia T : R2 → R, T (x, y) = x−4y. Utilizând

proprietăţile ı̂nmulţirii şi adunării numerelor reale, se demonstrează că T este
transformare liniară.
Exemplu 1.4 Fie T : R2 → R2 , T (x, y) = (2x − y, x + 3y).
Verificăm axiomele necesare transformării liniare. Astfel, pentru (x1 , y1 ),
(x2 , y2 ), (x, y) ∈ R2 , k ∈ R, avem



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


= 2(x1 + x2 ) − (y1 + y2 ), (x1 + x2 ) + 3(y1 + y2 ))
= (2x1 − y1 , x1 + 3y1 ) + (2x2 − y2 , x2 + 3y2 )
= T (x1 , y1 ) + T (x2 , y2 ),
respectiv


T k(x, y) = T (kx, ky) = (2kx − ky, kx + 3ky)
= k(2x − y, x + 3y) = kT (x, y).
Aşadar, T este transformare liniară de la R2 la R2 .
Intuitiv, o aplicaţie T : Rm → Rn este liniară dacă imaginea oricărui
vector din domeniul de definiţie este un vector ı̂n care apar doar puteri ı̂ntâi
ale componentelor acestui vector.

Exemplu 1.5 Să presupunem că trebuie să decidem dacă transformarea
T : R2 → R3 , T (x, y) = (x + 4y, −y + xy, 3x − 6y) este liniară. Deoarece
cea de a doua componentă din imaginea unui vector conţine un termen de
gradul al doilea (xy), vom ı̂ncerca să demonstrăm că aplicaţia nu este liniară.
În acest sens, este suficient să remarcăm că:
T (1, 0) = (1, 0, 3),
T (0, 1) = (4, −1, −6),
ı̂nsă


T (1, 0)+(0, 1) = T (1, 1) = (5, 0, −3) 6= (1, 0, 3)+(4, −1, −6) = T (1, 0)+T (0, 1),
deci, ı̂ntr-adevăr, T nu este aplicaţie liniară.

2
Exemplu 1.6 Fie transformarea T : R3 → R2 , T (x, y, z) = (x+3y−z, y+z).
Modul definirii acestei aplicaţii indică faptul că ar trebui să demonstrăm că
operatorul este liniar, fapt ce se verifică uşor.

Exemplu 1.7 Fie T transformarea care asociază oricărei funcţii din C 1 [a, b]
derivata acesteia,

T : C 1 [a, b] → C 0 [a, b], T (f ) = f 0 .

Din proprietăţile derivatei unei funcţii derivabile rezultă că operatorul

derivare este liniar.

Exemplu 1.8 Fie T transformarea care asociază oricărei funcţii din C 0 [a, b]
integrala acesteia,
Z b
0
T : C [a, b] → R, T (f ) = f (x)d x.
a

Din proprietăţile integralei definite se obţine că operatorul integral este

liniar.

Unei transformări liniare i se pot asocia două mulţimi, după cum urmează.

Definiţie 1.2 Fie T : V → W o transformare liniară de la spaţiul vectorial

real V la spaţiul vectorial real W . 
1. Mulţimea ker T = {v ∈ V T (v) = 0W } se numeşte nucleul trans-
formării T , şi este un subspaţiu vectorial al lui V .
2. ImT = {T (x)x ∈ V } ⊆ W se numeşte imaginea lui V prin aplicaţia
T şi este un subspaţiu vectorial al lui W .

Se poate observa că aceste două concepte au un rol important ı̂n studiul
proprietăţilor operatorului T . Mai precis, T este injectiv dacă şi numai
dacă ker T = {0V }, iar surjectivitatea lui T este echivalentă cu egalitatea
ImT = W . Aceste două subspaţii vectoriale permit şi alte caracterizări ale
proprietăţilor transformărilor liniare, care ı̂nsă nu fac obiectul acestui curs.

3
 Ne ı̂ndreptăm acum atenţia spre anumite concepte care sunt puse ı̂n valoa-
re ı̂n momentul ı̂n care luăm ı̂n considerare bazele celor două spaţii vectoriale
care apar ı̂n definiţia unei aplicaţii liniare.
Fie T : V → W , unde V şi W sunt spaţii vectoriale cu bazele {f1 , . . . , fm },
respectiv {g1 , . . . , gn }. Vectorul T (fi ), i = 1, m, se poate scrie ı̂n mod unic
ı̂n funcţie de elementele bazei spaţiului vectorial W astfel

T (fi ) = a1i g1 + a2i g2 + . . . + ani gn ,

unde aij ∈ R.

Definiţie 1.3 Matricea A = (aij ), i = 1, m, j = 1, n se numeşte ma-

tricea asociată transformării T ı̂n raport cu bazele {f1 , . . . , fm }, respectiv
{g1 , . . . , gn }.

Vom examina acum modul ı̂n care se formează matricea unei transformări
liniare ı̂n cazul ı̂n care domeniul şi codomeniul sunt spa̧tiile vectoriale Rm ,
Rn . Începem cu un exemplu ajutător.

Exemplu 1.9 Fie T : R2 → R3 , T (x, y) = (3x−7y, −x+2y, y). În acest sens,
notăm prin e1 = (1, 0), e2 = (0, 1) baza canonică din R2 , şi prin ē1 = (1, 0, 0),
ē2 = (0, 1, 0), respectiv ē3 = (0, 0, 1) baza canonică din R3 .
Se observă că:

T (e1 ) = T (1, 0) = (3, −1, 0) = 3ē1 − ē2 ,

T (e2 ) = T (0, 1) = (−7, 2, 1) = −7ē1 + 2ē2 + ē3 ,

aşadar matricea transformării T ı̂n raport cu bazele canonice menţionate este

 
3 −7
A =  −1 2 .
0 1

După cum se poate uşor observa şi pe cazul general, coeficienţii ce apar
ı̂n dreptul cantităţilor ce definesc imaginea unui vector prin operatorul con-
siderat sunt, ı̂n fapt, linii ale matricei asociatei aplicaţiei ı̂n raport cu bazele
canonice.
Este evident că există o corespondenţă biunivocă ı̂ntre o transformare
liniară şi matrice acesteia ı̂n raport cu baze din domeniu şi codimeniu. De

4
aceea, de acum ı̂nainte, ne vom referi la transformările liniare prin indicarea
matricei transformării, ı̂n general ı̂n raport cu baze canonice ale spaţiilor
vectoriale care apar ı̂n definiţia acestui operator.

Exemplu 1.10 Urmând observaţia de mai sus, se observă că matricea

 
2 −1 4
A =  −4 0 −1  .
7 −3 5

corespunde transformării

T : R3 → R3 , T (x, y, z) = (2x − 4y + 7z, −x − 3z, 4x − y + 5z).

2 Vectori şi valori proprii

Vom introduce acum două concepte care sunt de un real ajutor ı̂n studierea
operatorilor liniari T : V → V , unde V este un spaţiu vectorial real.

Definiţie 2.1 Fie V un spaţiu vectorial real şi T : V → V . v ∈ V , v 6= 0,

se numeşte vector propriu al transformării liniare T dacă există λ ∈ R astfel
ı̂ncât
T (v) = λv.
λ se numeşte valoare proprie a operatorului T .

Cu ajutorul definiţiei, se pot verifica următoarele proprietăţi ale vectorilor

şi valorilor proprii asociate unei transformări liniare T : V → V .

Teoremă 2.1 Fie V un spaţiu vectorial real şi T : V → V o aplicaţie liniară.

1. Fiecărui vector propriu al lui T ı̂i corespunde o singură valoare proprie.
2. Vectorii proprii asociaţi valorilor proprii distincte sunt liniar indepen-
denţi. 
3. Mulţimea {x ∈ V T x = λx}, unde λ este valoare proprie a transfor-
mării T este subspaţiu vectorial (invariant ı̂n raport cu T ).

Se poate observă că, ı̂n situaţia ı̂n care v este vector propriu al lui T ,
atunci av, a 6= 0 este, la rândul său, vector propriu.

5
 Corespondenţa care există ı̂ntre transformările liniare şi matrice permite
conexarea valorilor şi a vectorilor proprii cu teoria matricelor. Mai precis,
egalitatea T v = λv se transcrie ca Av = λv, ceea ce pune ı̂n evidenţă de-
terminantul det(A − λIn ), care se notează cu P (λ), şi se numeşte polinomul
caracteristic al lui A.
Polinomul caracteristic al unei matrice are următoarea proprietate, care
permite realizarea mai facilă a calculului unei puteri oarecare a unei matrice
pătratice.
Teoremă 2.2 (Teorema Cayley-Hamilton) Fie A o matrice păratică şi
P (λ) polinomul său caracteristic. Atunci P (A) = 0.

Ca aplicaţii directe ale acestui rezultat, indicăm următorul exemplu.

 
1 1 0
Exemplu 2.1 Fie A =  0 1 1 , al cărei polinom caracteristic este
1 0 1
 
 1−λ 1 0 
 
P (λ) = det(A − λI3 ) =  0 1−λ 1  = −λ3 + 3λ2 − 3λ + 2.
 1 0 1−λ 
Teorema Cayley - Hamilton implică
−A3 + 3A2 − 3A + 2I3 = 0, (1)
de unde putem calcula valoarea puterii a treia a matricei A, astfel:
 
0 −1 1
A3 = 3A2 − 3A + 2I3 =  1 0 −1  .
−1 1 0
Mai important este, ı̂nsă, faptul că această egalitate permite determinarea
inversei unei matrice. Relaţia (1) se poate scrie ca
1 1
I3 = (A2 − 3A + 3I3 )A = A · (A2 − 3A + 3I3 ),
2 2
indicând faptul că inversa matricei A este
 
1 −1 1
1 1
A−1 = (A2 − 3A + 3I3 ) =  1 1 −1  .
2 2
−1 1 1

6
 Având ı̂n vedere faptul că ecuaţia T v = λv, v 6= 0, este echivalentă cu
apartenenţa vectorului v la nucleul ker(T − λI) \ {0}, utilizarea matricei
asocite unei transformări liniare ne permite să enunţăm următorul algoritm
pentru determinarea valorilor şi vectorilor proprii ai unei transfirmări liniare.
Algoritm pentru determinarea valorilor şi vectorilor proprii ai
unei transformări liniare T , cu matricea asociată A ∈ Mn
1. Se calculează polinomului caracteristic al transformării,
P (λ) = det(A − λIn ),
care, ı̂n fapt, se obţine prin scăderea valorii λ de pe diagonala principală a
matricei A, şi determinarea valorii determinantului astfel rezultat.
2. Aflarea valorilor proprii λ1 , ..., λn ale matricei A, ca rădăcini ale
polinomului caracteristic P (λ).  
x1
3. Calcularea vectorilor proprii v =  ...  prin rezolvarea sistemului
 
xn
(A − λi In )v = 0, unde prin 0 se desemnează vectorul coloană care are doar
componente nule. Facem precizarea că aici vom obţine ı̂ntotdeauna un sistem
liniar compatibil nedeterminat (ı̂n caz contrar, trebuie verificate ı̂ncă o dată
calculele).
 
1 −1
Exemplu 2.2 Fie matricea A = .
−1 1
Polinomul său caracteristic este
 
 1−λ −1 
P (λ) =  = λ2 − 2λ = λ(λ − 2).
−1 1 − λ 
Valorile proprii sunt rădăcinile polinomului P (λ), mai precis λ1 = 0 şi
λ2 = 2.  
x
Pentru λ1 = 0 căutăm vectorul propriu v = , cu (A − λ1 I2 )v = 0.
y
Rezultă că
    
1 −1 x 0
= ,
−1 1 y 0
mai precis 
x−y = 0
−x + y = 0.

7
 Trebuie remarcat faptul că cea
 dedoua ecuaţie se obţine din prima, prin
x
ı̂nmulţire cu −1; aşadar, v = , şi alegem drept reprezentant, spre
  x
1
exemplu, pe v1 = (am considerat x = 1, se poate atribui lui x orice
1
valoare nenulă).  
x
Când λ2 = 2 căutăm vectorul propriu v = , cu (A − λ2 I2 )v = 0.
y
Rezultă că
    
−1 −1 x 0
= ,
−1 −1 y 0
mai precis 
−x − y = 0
−x − y = 0.
   
x 1
Am obţinut v = ; putem alege, de exemplu, v2 = .
−x −1
 
1 0 0
Exemplu 2.3 Fie matricea A =  0 1 4 , care are polinomul caracter-
0 4 7
istic
 
 1−λ 0 0 
 
P (λ) = det(A − λI3 ) = A =  0
 1−λ 4  = (1 − λ)(λ2 − 8λ − 9).
 0 4 7−λ 
Ecuaţia P (λ) = 0 conduce la valorile proprii λ1 = 2 = −1, λ3 = 9.
1, λ
x
Pentru λ1 = 1, căutăm vectorul propriu v =  y , astfel ı̂ncât (A
z
−λ1 I3 )v = 0. Acest lucru implică
    
0 0 0 x 0
 0 0 4  y  =  0 ,
0 4 6 z 0
mai precis 
 0 = 0
4z = 0
4y + 6z = 0.


8
 Din nou se poate remarca
  faptul că prima ecuaţie din sistem
 nu este
x 1
utilizabilă; rezultă v =  0 . Alegem ca vector propriu v1 =  0 .
0   0
x
Când λ2 = −1, căutăm vectorul propriu v =  y , pentru care (A
z
−λ2 I3 )v = 0. Acest lucru implică
    
2 0 0 x 0
 0 2 4  y  =  0 ,
0 4 8 z 0
mai precis 
 −x = 0
2y + 4z = 0
4y + 8z = 0.

Aici
 ecuaţia
 a treia se obţine din cea de a doua;
 rezolvând
 sistemul, avem
0 0
v= z . Alegem ca vector propriu v2 =  1 .
−2z −2
 
x
Pentru λ3 = 9, căutăm vectorul propriu v =  y , astfel ı̂ncât (A
z
−λ3 I3 )v = 0. Acest lucru implică
    
−8 0 0 x 0
 0 −8 4   y  =  0  ,
0 4 −2 z 0
mai precis 
 −8x = 0
−8y + 4z = 0
4y − 2z = 0.

 
0
După rezolvarea sistemului, rezultă v =  y . Alegem ca vector pro-
  2y
0
priu v3 =  1 .
2