Capitolul 2

SPAŢII LINIARE

2.1 Spaţii liniare

an univ. 2007/2008
În acest capitol sunt studiate proprietăţi matematice ale unei mulţimi de elemente care
formează un spaţiu liniar sau vectorial. Elementele acestui spaţiu pot fi entităţi de natură
cu totul diferită: forţe, viteze, semnale electrice, vectori geometrici, soluţii ale unor ecuaţii
diferenţiale etc. În ciuda acestei diversităţi vom descrie spaţiul vectorial ı̂n mod abstract,
adică printr-o mulţime de elemente lipsită de orice atribut fizic.
O componentă importantă a noţiunii de spaţiu liniar este noţiunea de corp. Vom utiliza
corpurile numerelor reale R şi numerelor complexe C. Fie K un corp comutativ (care poate
fi R sau C) ale cărui elemente sunt numite scalari.

Definiţia 2.1 Fie (K,+, ·) un corp comutativ cu elementul unitate notat 1 şi elementul
nul notat 0. Se numeşte spaţiu liniar cuaterna ordonată (X, ⊕, ¯, K), unde X 6= ∅ este o
mulţime, + o lege internă aditivă,

⊕ : X × X → X : ∀(x, y) ∈ X2 , (x, y) → x ⊕ y ∈ X,

· o lege externă multiplicativă de compoziţie,

¯ : K × X → X : ∀(α, x) ∈ K × X, (α, x) → α ¯ x ∈ X

se numeşte spaţiu liniar (vectorial) peste câmpul K (sau K−spaţiu liniar) dacă (X,+)
este grup comutativ adică
G1. ∀x, y, z ∈ X : x ⊕ (y ⊕ z) = (x ⊕ y) ⊕ z,
G2. Există ı̂n X un vector notat θX (vectorul θX se numeşte vectorul nul al lui X), astfel
ı̂ncât oricare ar fi x ∈ X :
x ⊕ θX = θX ⊕x = x,
G3. ∀x ∈ X există un vector notat cu −x (vectorul −x se numeşte opusul vectorului
x) :
x ⊕ (−x) = (−x) ⊕ x = θX ,

23
24 CAPITOLUL 2. SPAŢII LINIARE

G4. ∀x, y ∈ X ⇒x ⊕ y = y ⊕ x,
şi sunt satisfăcute axiomele
SL1 . ∀(α, β, x) ∈ K2 × X : α ¯ (β ¯ x) = (α · β) ¯ x
SL2 . ∀(α, β, x) ∈ K2 × X : (α + β) ¯ x = (α ¯ x) ⊕ (β ¯ x)
SL3 . ∀(α, x, y) ∈ K × X2 : α ¯ (x ⊕ y) = (α ¯ x) ⊕ (α ¯ y)
SL4 . ∀x ∈ X : 1 · x = x, unde 1 este elementul neutru pentru operaţia · din K.

Elementele mulţimii X se numesc vectori (vom nota vectorii cu litere mici bold).

Exemplul 2.1 X = {θX } , constând dintr-un singur vector, vectorul nul, este un K−spaţiu
liniar, peste orice câmp K, numit spaţiu vectorial nul.

Exemplul 2.2 Spaţiul liniar aritmetic Kn . Fie (K, +, ·) un corp comutativ şi n ∈ N, n ≥
1. Considerăm produsul cartezian
Kn = K× · · · × K, Kn = {x|x = (x1 , . . . , xn ), xi ∈ K, i = 1, n}.
Pe Kn definim operaţiile
∀(x, y) ∈ Kn ×Kn , x+y = (x1 , . . . , xn )+(y1 , . . . , yn ) = (x1 +y1 , . . . , xn +yn ) (adunarea
pe componente)
şi
∀(α, x) ∈ K × Kn , α · x = (α · x1 , . . . , α · xn ) (ı̂nmulţirea cu un scalar a fiecărei
componente).
Folosind cele două operaţii şi proprietăţile câmpului K se verifică axiomele spaţiului
liniar. (Kn , +, ·, K) se numeşte spaţiu liniar aritmetic.
În particular, dacă considerăm K = R atunci (Rn , +, ·, R) se numeşte spaţiu liniar
aritmetic real, iar dacă considerăm K = C atunci (Cn , +, ·, C) se numeşte spaţiu liniar
aritmetic complex.
Pentru n = 1 obţinem (K, +, · K) spaţiu liniar. Putem vorbi deci despre spaţiul liniar
real al numerelor reale şi de spaţiu liniar complex al numerelor complexe.
⎞ ⎛
x1
⎜ ⎟
Exemplul 2.3 Analog definim spatiul Kn = {x|x = ⎝ ... ⎠ , xi ∈ K, i = 1, n}.
xn

Teorema 2.1 (Consecinţe ale definiţiei spaţiului liniar) Dacă (X, +, ·, K) este un
spaţiu liniar, atunci
a) ∀x ∈ X : 0¯x = θ X ;
b) ∀α ∈ K : α¯θX = θ X ;
c) ∀x ∈ X : (−1)¯x = −x;
d) ∀(α, x) ∈ K × X : α¯x = θX ⇒ α = 0 sau x = θX ;
e) ∀(α, β, x) ∈ K2 × (X \ {θX }) : α¯x = β¯x ⇒ α = β
f) ∀(α, x, y) ∈ (K \ {0}) × X2 : α¯x = α¯y ⇒ x = y
2.2. SUBSPAŢII LINIARE 25

Demonstraţie.
a) ∀x ∈ X : 0¯x = (0 + 0)¯x = 0¯x ⊕ 0¯x ⇒ 0¯x = θX .
b) ∀α ∈ K, α¯θ X = α¯(θ X ⊕ θX ) = α¯θX ⊕ α¯θX ⇒ α¯θX = θX .
c) ∀x ∈ X : x ⊕ (−1)¯x = 1¯x ⊕ (−1)¯x = ((1 + (−1)) ¯x = 0¯x = θX ⇒ (−1)¯x = −x
d) dacă α 6= 0 ⇒ ∃α−1 ∈ K ⇒ α¯x = θX ⇒ α−1 ¯(α¯x) = α−1 ¯θ X ⇒ (α−1 · α)¯x =
θX ⇒ 1¯x = θX ⇒ x = θX
e) ∀(α, β, x) ∈ K2 × (X \ {θ X }) : α¯x = β¯x ⇒ (α + (−β)) ¯x = θ X , x 6= θX ⇒ α = β
f) ∀(α, x, y) ∈ (K \ {0}) × X2 : α¯x = α¯y ⇒ α¯x ⊕ (−α)¯y = θX ⇒ α¯x ⊕ α¯(−y) =
θX ⇒ α · (x ⊕ ( − y)) = θX , α 6= 0 ⇒ x = y.¥

Consecinţa 2.1 a) ∀(α, x) ∈ K × X : −α¯x = (−α)¯x = α¯(−x),

(−α)¯x + α¯x = (−α + α)¯x = 0¯x = θX ⇒ (−α)¯x = −α¯x;
b)∀(α, β, x) ∈ K2 × X : (α − β)¯x = α¯x ⊕ (−β)¯x = α¯x ⊕ ( − β)¯x;
c) ∀(α, x, y) ∈ K × X2 : α¯(x − y) = α¯(x ⊕ (−y)) = α¯x ⊕ α¯(−y) = α¯x − α¯y.¥

Observaţia 2.1 În cele ce urmează nu vom mai face ı̂n scriere distincţie ı̂ntre + şi ⊕, la
fel ı̂ntre · şi ⊕, dar vom ţine seama de semnificaţia lor pe mulţimile K şi X.

2.2 Subspaţii liniare

Definiţia 2.2 Fie (X, +, ·, K) un spaţiu liniar. O submulţime V, V 6= ∅, a mulţimii X se
numeşte subspaţiu liniar al spaţiului X dacă (V, +, ·, K) este un spaţiu liniar.

Teorema 2.2 (Teorema de caracterizare a subspaţiilor liniare) Fie (X, +, ·, K) un

spaţiu liniar. Condiţia necesară şi suficientă ca o submulţime V a mulţimii X să fie un
subspaţiu liniar a spaţiului X este:
a)

∀(x, y) ∈ V2 : x + y ∈ V, (2.1)

b)

∀(α, x) ∈ K × V : α · x ∈ V. (2.2)

Demonstraţie.
Necesitatea. Presupunem că V este un spaţiu liniar. Rezultă că este ı̂nchis ı̂n raport cu
operaţia aditivă definită pe X, deci are loc relaţia a); ı̂nmulţirea cu scalari este o operaţie
externă ı̂n raport cu K, peste tot definită pe X, deci are loc relaţia b).
Suficienţa. Presupunem a) şi b) ı̂ndeplinite, ceea ce ı̂nseamnă că V este ı̂nchis ı̂n raport
cu operaţiile de adunare a elementelor lui şi de multiplicare la stânga cu elemente din corpul
de scalari. Proprietăţile de asociativitate şi axiomele SL1 , SL2 , SL3 , SL4 sunt satisfăcute
pe X, deci cu atât mai mult sunt satisfăcute pe V ⊂ X. Demonstrăm că ∀x ∈ V ⇒ −x ∈ V
şi θ X ∈ V. Pentru ∀x ∈ V, considerând ı̂n b) α = −1 rezultă α · x = −x ∈ V; utilizând a)
cu y = −x obţinem x + (−x) = θX ∈ V.¥
26 CAPITOLUL 2. SPAŢII LINIARE

Observaţia 2.2 Relaţiile (2.1) şi (2.2) pot fi ı̂nlocuite printr-o singură relaţie de forma

∀(α, x, y) ∈ K × V2 : α · x + y ∈ V. (2.3)

Exemplul 2.4 Fie (X, +, ·, K) este un spaţiu liniar. Mulţimile V = {θ X } şi X sunt
subspaţii liniare ale lui X. Ele se numesc subspaţii improprii. Orice alt subspaţiu a
lui X se numeşte subspaţiu propriu.

Exemplul 2.5 Considerăm spaţiul liniar aritmetic Kn şi fie mulţimea

V = {(0, x2 , . . . , xn ), xi ∈ K, i = 2, n} ⊂ Kn .
Observăm că ∀(α, (0, x2 , . . . , xn ), (0, y2 , . . . , yn )) ∈ K×V2 : α(0, x2 , . . . , xn )+(0, y2 , . . . , yn ) =
(0, αx2 + y2 , . . . , αxn + yn ) ∈ V. Rezultă că V este un subspaţiu liniar coform relaţiei (2.3).

Exemplul 2.6 Considerăm submulţimea W = {(1, x2 , . . . , xn ), xi ∈ K, i = 2, n} ⊂ Kn .

Observăm că ∀((1, x2 , . . . , xn ), (1, y2 , . . . , yn )) ∈ W2 : (1, x2 , . . . , xn ) + (1, y2 , . . . , yn ) =
/ W, deci W nu este subspaţiu liniar al spaţiului Kn .
(2, x2 + y2 , . . . , xn + yn ) ∈

2.2.1 Operaţii cu subspaţii liniare

Definiţia 2.3 Fie V1 , V2 două subspaţii ale spaţiului liniar (X, +, ·, K). Definim
\
V1 V2 = {v | v ∈ V1 şi v ∈ V2 }
[
V1 V2 = {v | ∃i ∈ {1, 2} : v ∈ Vi }

Teorema
T 2.3 Fie Fie V1 , V2 două subspaţii ale spaţiului liniar (X, +, ·, K). Intersecţia
V1 V2 este un subspaţiu liniar al spaţiului liniar X.

Demonstraţie. T T
Observăm că V1 V2T6= ∅ deoarece θX ∈ Vi , ∀i ∈ {1, 2} ⇒ θ X ∈ V1 V2 . Pentru T
∀α ∈ K şi ∀(x, y) ∈ (V1 V2 )2 , rezultă x + y ∈ VTi , ∀i ∈ {1, 2} şi deci x + y ∈ V1 V2 .
De asemenea αx ∈ Vi , ∀i ∈ {1, 2} şi deci T αx ∈ V1 V2 .Rezultă, conform Teoremei 2.2 de
caracterizare a subspaţiilor liniare, că V1 V2 este un subspaţiu liniar.¥

Observaţia 2.3 Reuniunea unui sistem de subspaţii liniare nu este, ı̂n general, un subspaţiu
liniar. Ca exemplu considerăm V1 = {(x1 , 0) | (x1 , 0) ∈ R2 } , V2 = {(0, x2 ) | (0, x2 ) ∈ R2 } .
Dacă considerăm u = (1, 0) ∈ V1 şi v = (0, 1) ∈ V2 , u, v ∈ V1 ∪ V2 , dar u + v ∈ / V1 ∪ V2 .

Definiţia 2.4 Fie V1 si V2 două subspaţii ale spaţiului liniar (X, +, ·, K). Se numeşte suma
subspatiilor V1 si V2 mulţimea definită prin

V = V1 + V2 = {v ∈ X | ∃v1 ∈ V1 , v2 ∈ V2 : v = v1 + v2 } .

Teorema 2.4 Suma subspatiilor V1 si V2 ale spaţiului liniar (X, +, ·, K), notată V, este un
subspaţiu liniar al lui X.
2.3. DEPENDENŢĂ ŞI INDEPENDENŢĂ LINIARĂ 27

Demonstraţie.
Observăm că V 6= ∅ deoarece θX + θX ∈ V.
Fie α ∈ K şi (u, v) ∈ V2 astfel ı̂ncât u = u1 + u2 , v = v1 + v2 , u1 , v1 ∈ V1 , u2 , v2 ∈ V2 ,
α · u + v = α · (u1 + u2 ) + (v1 + v2 ) = (α · u1 + v1 ) + (α · u2 + v2 ).
Dar V1 , V2 sunt subspaţii liniare rezultă α·u1 +v1 ∈ V1 , α·u2 +v2 ∈ V2 ⇒ α·u+v ∈ V
şi deci, conform relaţiei (2.3), V este subspaţiu liniar.¥

2.3 Dependenţă şi independenţă liniară

Definiţia 2.5 Fie (X, +, ·, K) este un spaţiu liniar S = (vi )i=1,n un sistem de vectori din
X. Spunem că un vector v ∈ X este o combinaţie liniară de vectorii sistemului S
dacă există (α1 , . . . , αn ) ∈ Kn astfel ı̂ncât
X
n
v = α1 · v1 + . . . + αn · vn = αi · vi .
i=1

Definiţia 2.6 Un sistem de vectori din X, S = (vi )i=1,n se numeşte sistem liniar depen-
dent (vectorii v1 , . . . , vn se numesc liniar dependenţi) dacă există (α1 , α2 , . . . , αn ) ∈
Kn , (α1 , . . . , αn ) 6= θKn astfel ı̂ncât

α1 · v1 + α2 · v2 + . . . + αn · vn = θX .

În caz contrar sistemul de vectori S se numeşte sistem liniar independent (vectorii
v1 , . . . , vn se numesc liniar independenţi).

Observaţia 2.4 Din definiţie rezultă că sistemul de vectori S este liniar independent dacă
şi numai dacă ∀(α1 , . . . , αn ) ∈ Kn : α1 ·v1 +α2 ·v2 +. . .+αn ·vn = θX ⇔ (α1 , . . . , αn ) = θ Kn .

Observaţia 2.4 este utilizată ı̂n practică pentru a verifica dacă un sistem de vectori este
liniar independent.

Exerciţiul 2.1 Vectorii v1 = (1, 0, 0), v2 = (0, 1, 0), v3 = (0, 0, 1) din R3 sunt liniar inde-
pendenţi deoarece
α1 v1 + α2 v2 + α3 v3 = θR3 ⇔ α1 (1, 0, 0) + α2 (0, 1, 0) + α3 (0, 0, 1) = θ R3 ⇔ (α1 , α2 , α3 ) =
(0, 0, 0) ⇔ α1 = α2 = α3 = 0.

Exerciţiul 2.2 Vectorii v1 = (1, 2, −1), v2 = (2, −1, 0), v3 = (4, 3, −2) din R3 sunt liniar
dependenţi deoarece
α1 v1 + α2 v2 + α3 v3 = θR3 ⇔ α1 (1, 2, −1) + α2 (2, −1, 0) + α3 (4, 3, −2) = θ R3 ⇔
( α1 + 2α2 + 4α3 , 2 α1 − α2 + 3α3 , − α1 − 2α3 ) = (0, 0, 0) ⇔
⎧
⎨ α1 + 2α2 + 4α3 = 0
2α1 − α2 + 3α3 = 0 . (2.4)
⎩
−α1 − 2α3 = 0
28 CAPITOLUL 2. SPAŢII LINIARE

Sistemul (2.4), care este un sistem liniar omogen, are soluţii diferite de soluţia
banală dacă
¯ şi numai¯ dacă determinantul sistemului este zero. Se verifică prin
¯ 1 2 4 ¯¯
¯
calcul că ¯¯ 2 −1 3 ¯¯ = 0, deci vectorii sunt liniar dependenţi.
¯ −1 0 −2 ¯

Exemplul 2.7 Sistemul format numai din vectorul nul, (θ X ) este liniar dependent deoare-
ce avem 1 · θ X = θX , iar sistemul format dintr-un singur vector nenul, v 6= θX este
liniar independent deoarece α · v = θX , α 6= 0 ⇒ v = θ X .

Teorema 2.5 (Teorema de caracterizare a dependenţei liniare) Condiţia nece-

sară şi suficientă ca un sistem de vectori din X, S = (vi )i=1,n să fie liniar dependent este
ca cel puţin unul din vectori să se poată exprima ca o combinaţie liniară de ceilalţi vectori.

Demonatraţie.
Necesitatea. Presupunem că sistemul de vectori S = (vi )i=1,n este liniar dependent.
Rezultă că există (α1 , α2 , . . . , αn ) ∈ Kn , (α1 , α2 , . . . , αn ) 6= θ Kn , astfel ı̂ncât α1 · v1 + α2 ·
v2 + . . . + αn · vn = θX .
Presupunem, de exemplu, αj 6= 0, j ∈ {1, 2, . . . , n} . Atunci
αj · vj = −α1 · v1 − . . . − αj−1 · vj−1 − αj+1 · vj+1 − . . . − αn · vn , αj 6= 0 ⇒ ∃αj−1 ⇒
vj = −αj−1 · α1 · v1 − . . . − αj−1 · αj−1 · vj−1 − αj−1 · αj+1 · vj+1 − . . . − αj−1 · αn · vn
adică vj este o combinaţie liniară de ceilalţi vectori ai sistemului.
Suficienţa. Dacă vj este o combinaţie liniară de ceilalţi vectori ai sistemului S atunci
există (β1 , . . . βj−1 , βj+1 , . . . , βn ) ∈ Kn−1
vj = β1 · v1 + . . . + βj−1 · vj−1 + βj+1 · vj+1 + . . . + βn · vn ⇔
β1 · v1 + . . . + βj−1 · vj−1 − vj + βj+1 · vj+1 + . . . + βn · vn = θX .
Notăm αk = βk , k = 1, n, k 6= j, αj = −1 6= 0, (α1 , α2 , . . . , αn ) 6= θKn , rezultă că vectorii
sistemului S sunt liniar dependenţi.¥

Consecinţa 2.2 Orice sistem de vectori care conţine vectorul nul este liniar dependent.

2.4 Bază şi dimensiune

Definiţia 2.7 Fie (X, +, ·, K) este un spaţiu liniar. Numărul maxim n de vectori liniar
independenţi din X, dacă există, se numeşte dimensiunea lui X. În acest caz spunem că X
este finit dimensional şi are dimensiunea n. Se notează n = dimK X.. În acest caz, se poate
scrie Xn ı̂n loc de X.

Exemple de spaţii n-dimensionale sunt Rn şi Rn .Dacă X = {θX } ⇒ dimK X = 0.

Definiţia 2.8 Într-un spaţiu Xn , orice sistem de n vectori liniar independenţi se numeşte
bază.
2.5. SCHIMBAREA COORDONATELOR VECTORULUI LA SCHIMBAREA BAZEI29

Teorema 2.6 Fie B = (v1 , v2 , . . . , vn ) este o bază ı̂n spaţiul vectorial Xn . Orice vector
v ∈ Xn se scrie ı̂n mod unic ca o combinaţie liniară de vectorii bazei.
Demonstraţie. Deoarece dimK X = n, orice n + 1 vectori sunt liniar dependenţi, deci şi
vectorii (v1 , v2 , . . . , vn , v) sunt liniar dependenţi. Rezultă că există (c1 ,c2 , . . . ,cn , c) 6= θKn+1
astfel ı̂ncât c1 v1 + c2 v2 + · · · + cn vn + cv = θX şi demonstrăm că c 6= 0. Dacă c = 0
atunci rezultă că c1 v1 + c2 v2 + · · · + cn vn = θX şi deoarece (v1 , v2 , . . . , vn ) sunt vectori
liniar independenţi, rezultă toţi ci = 0, ceea ce ar contrazice faptul că numărul maxim de
ci
vectori liniar independenţi este n. Deci c 6= 0. Dacă notăm αi = − , i = 1, n găsim v =
c
α1 v1 +α2 v2 +· · ·+αn vn şi demonstrăm că această scriere este unică. În adevăr, dacă am avea
şi v = β1 v1 +β2 v2 +· · ·+βn vn ar rezulta (β1 − α1 ) v1 +(β2 − α2 ) v2 +· · ·+(βn − αn ) vn = θ,
care implică βi = αi , i = 1, n.¥
Definiţia 2.9 Scalarii α1 , α2 , . . . , αn se numesc coordonatele lui v ı̂n raport cu baza
aleasă.
Dacă se alege o altă bază, coordonatele unui vector se vor schimba (vor fi diferite de
cele din prima bază).
Exerciţiul 2.3 În spaţiul liniar Rn considerăm vectorii (e1 , ..., en ) unde
e1 = (1, 0, . . . , 0) , e2 = (0, 1, 0, . . . , 0) , . . . , en = (0, 0, . . . , 0, 1) . (2.5)
Din orice relaţie de forma α1 e1 + α2 e2 + . . . + αn en = θX rezultă αi = 0, ∀i = 1, n deci
sistemul de vectorii (e1 , ..., en ) sunt liniar independenţi. Pe de altă parte, pentru orice x =
(x1 , x2 , . . . , xn ) ∈ Kn avem x = x1 (1, 0, . . . , 0)+x2 (0, 1, 0, . . . , 0)+. . .+xn (0, 0, . . . , 0, 1) =
x1 e1 +x2 e2 +. . .+xn en , adică vectorii (x, e1 , ..., en ) sunt liniar dependenţi. Rezultă că vectorii
definiţi de (2.5) formează o bază numită baza canonica (baza naturală) ˘ din Rn .
Teorema 2.7 (Teorema de completare a unui sistem de vectori liniar indepen-
dent până la o bază) Dacă (ei )i=1,n este o bază ı̂n Xn , sistemul liniar independent (wi )i=1,p
se poate completa până la o bază Xn adăugând n − p vectori din baza (ei )i=1,n astfel ı̂ncât
noul sistem obţinut să fie liniar independent. Completarea nu este unică.

2.5 Schimbarea coordonatelor vectorului la schimba-

rea bazei
Considerăm X un K-spaţiu liniar de dimensiune n şi două baze aparţinând acestui spaţiu,
B = (ei )i=1,n şi B 0 = (e0i )i=1,n . Un vector oarecare u ∈ X se poate descompune ı̂n raport cu
cele două baze sub forma:∃ (α1 , α2 , . . . , αn ) ∈ Kn astfel ı̂ncât ı̂n baza B vectorul u se poate
scrie sub forma
⎛ ⎞
e1
Xn ⎜ e2 ⎟
⎜ ⎟
u= αi ei = (α1 α2 . . . αn ) ⎜ .. ⎟ , (2.6)
i=1
⎝ . ⎠
en
30 CAPITOLUL 2. SPAŢII LINIARE

Fie (β1 , β2 , . . . , βn ) ∈ Kn astfel ı̂ncât ı̂n baza B 0 vectorul u se poate scrie sub forma
⎛ ⎞
e01
Xn ⎜ e0 ⎟
0 ⎜ 2 ⎟
u= βj ej = (β1 β2 . . . βn ) ⎜ .. ⎟ . (2.7)
j=1
⎝ . ⎠
e0n
Vectorii bazei B 0 = (e0i )i=1,n se pot descompune ı̂n raport cu vectorii bazei B după relaţiile:
⎛ ⎞
e1
⎜ e2 ⎟
⎜ ⎟
e0j = (a1j a2j . . . anj ) ⎜ .. ⎟ , j = 1, n. (2.8)
⎝ . ⎠
en
Înlocuind relaţia (2.8) ı̂n (2.7) rezultă
⎛ ⎞⎛ ⎞
a11 a21 ··· an1 e1
⎜ a12 a22 ··· an2 ⎟⎜ e2 ⎟
⎜ ⎟⎜ ⎟
u = (β1 β2 . . . βn ) ⎜ .. .. .. .. ⎟⎜ .. ⎟.
⎝ . . . . ⎠⎝ . ⎠
a1n a2n · · · ann en
Din unicitatea descompunerii unui vector după vectorii bazei (Teorema 2.6) rezultă
⎛ ⎞
a11 a21 · · · an1
⎜ a12 a22 · · · an2 ⎟
⎜ ⎟
(α1 α2 . . . αn ) = (β1 β2 . . . βn ) ⎜ .. .. .. .. ⎟
⎝ . . . . ⎠
a1n a2n · · · ann
sau, transpus, ⎛ ⎞ ⎛ ⎞⎛ ⎞
α1 a11 a12 ··· a1n β1
⎜ ⎟ ⎜ ⎜ ⎟
⎜ α2 ⎟ ⎜ a21 a22 ··· a2n ⎟
⎟⎜
β2 ⎟
⎜ .. ⎟=⎝ ⎜ .. ⎟.
⎝ . ⎠ ··· ··· ··· ··· ⎠⎝ . ⎠
αn an1 an2 ··· ann βn
Dacă notăm matricea de trecere de la baza B la baza B 0
⎛ ⎞
a11 a12 · · · a1n
⎜ a21 a22 · · · a2n ⎟
A=⎜ ⎝ ··· ··· ··· ···
⎟,
⎠
an1 an2 · · · ann
obţinem scrierea matriceală
⎛ ⎞ ⎛ ⎞
α1 β1
⎜ α2 ⎟ ⎜ β2 ⎟
⎜ ⎟ ⎜ ⎟
⎜ .. ⎟= A⎜ .. ⎟ (2.9)
⎝ . ⎠ ⎝ . ⎠
αn βn
2.5. SCHIMBAREA COORDONATELOR VECTORULUI LA SCHIMBAREA BAZEI31

Relaţia (2.9) se numeşte formula matriceală de schimbare a coordonatelor unui

vector la o schimbare de baze.
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
1 0 0
Exerciţiul 2.4 În R3 considerăm baza canonică e1 = ⎝ 0 ⎠ , e2 = ⎝ 1 ⎠ , e3 = ⎝ 0 ⎠
⎛ ⎞ ⎛ ⎞ ⎛ ⎞ 0 0 1
1 1 1
şi altă bază u1 = ⎝ 0 ⎠ , u2 = ⎝ 1 ⎠ , u3 = ⎝ 1 ⎠ . Un vector oarecare x, dat prin x =
⎛ ⎞ 0 0 1
α1
⎝ α2 ⎠ se scrie ı̂n prima bază x = α1 e1 +α2 e2 +α3 e3 , iar ı̂n a doua x = β1 u1 +β2 u2 +β3 u3 .
α3
Deoarece u1 = e1 , u2 = e1 + e2 şi u⎛ 3 = e1 + e2 ⎞
+ e3 , matricea de trecere de bază de la baza
1 1 1
(e1 , e2 , e3 ) la baza (u1 , u2 , u3 ) este ⎝ 0 1 1 ⎠ iar coordonatele vectorului x ı̂n raport cu
0 0 1
baza (e1 , e2 , e3 ) ı̂n funcţie de coordonatele vectorului ı̂n raport cu baza (u1 , u2 , u3 ) sunt
date de relaţia
⎛ ⎞ ⎛ ⎞⎛ ⎞
α1 1 1 1 β1
⎝ α2 ⎠ = ⎝ 0 1 1 ⎠ ⎝ β2 ⎠ ¨
α3 0 0 1 β3

Definiţia 2.10 Se numeşte matricea schimbării de bază sau matricea de trecere

de la baza B la baza B 0 matricea A a cărei coloană j este formată din coordonatele
vectorului e0j al bazei B 0 ı̂n raport cu vectorii bazei B, j = 1, n.

Teorema 2.8 Matricea A de trecere de la baza B la baza B 0 este inversabilă.

Demonstraţie. Fie X un K-spaţiu liniar de dimensiune n şi două baze B = (ei )i=1,n şi
B = (e0i )i=1,n . Exprimăm vectorii bazei B cu ajutorul vectorilor bazei B 0 :
0

⎛ ⎞
e01
⎜ e02 ⎟
⎜ ⎟
ei = (b1i b2i . . . bni ) ⎜ .. ⎟ , i = 1, n. (2.10)
⎝ . ⎠
e0n

Ţinând seama de relaţiile (2.6), (2.10) şi (2.7) obţinem

⎛ ⎞⎛ ⎞ ⎛ ⎞
b11 b21 · · · bn1 e01 e01
⎜ b12 b22 · · · bn2 ⎟ ⎜ e0 ⎟ ⎜ e02 ⎟
⎜ ⎟⎜ 2 ⎟ ⎜ ⎟
u = (α1 α2 . . . αn ) ⎜ .. .. .. .. ⎟ ⎜ .. ⎟ = (β β
1 2 . . . βn ⎜
) .. ⎟
⎝ . . . . ⎠ ⎝ . ⎠ ⎝ . ⎠
0
b1n b2n · · · bnn en e0n
32 CAPITOLUL 2. SPAŢII LINIARE

de unde rezultă, dacă notăm cu B = (bij )i,j=1,n ,

⎛ ⎞ ⎛ ⎞
α1 β1
⎜ α2 ⎟ ⎜ β2 ⎟
T ⎜ ⎟ ⎜ ⎟
(β1 β2 . . . βn ) = (α1 α2 . . . αn ) B ⇒ B ⎜ .. ⎟=⎜ .. ⎟
⎝ . ⎠ ⎝ . ⎠
αn βn

Înlocuind ı̂n relaţia (2.9)

⎛ ⎞ ⎛ ⎞ ⎛ ⎞
α1 β1 α1
⎜ α2 ⎟ ⎜ β2 ⎟ ⎜ α2 ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ .. ⎟ = A ⎜ .. ⎟ = A · B⎜ .. ⎟ ⇒ B · A = In
⎝ . ⎠ ⎝ . ⎠ ⎝ . ⎠
αn βn αn

unde In = (δij )i,j=1,n , reprezentă matricea unitate de ordin n.

Printr-un raţionament analog, folosind relaţiile (2.7),(2.8) şi (2.6), obţinem A · B = In ,
deci matricea A este inversabilă.
O justificare mai simplă este următoarea: deoarece descompunerea
⎛ ⎞ după vectorii bazei
β1
⎜ β2 ⎟
⎜ ⎟
este unică, rezultă că sistemul (2.9) are soluţie unică pentru ⎜ .. ⎟ daţi, deci det(A) 6= 0,
⎝ . ⎠
βn
adică matricea A este inversabilă. ¨

Definiţia 2.11 Două baze B = {e1 , e2 , ..., en } şi B 0 = {e01 , e02 , ..., e0n } din spaţiul vectorial
Xn , se numesc baze la fel orientate dacă determinantul matricei schimbării de bază de la
baza B la B 0 este pozitiv. Dacă acest determinant este negativ, cele două baze se numesc
contrar orientate.