Documente Academic
Documente Profesional
Documente Cultură
Alc 4
Alc 4
an univ 2007/2008
Definiţia 4.2 Fie (X, +, ·, R) un spaţiu liniar. Perechea ordonată (X, h·, ·i) se numeşte
spaţiu liniar cu produs scalar real sau spaţiu liniar euclidian.
Demonstraţie.
SP SP SP
S6 ) ∀(u, v, w) ∈ X3 : hu, v + wi =3 hv + w, ui =1 hv, ui + hw, ui =3 hu, vi + hu, wi,
SP SP
S7 ) ∀(α, u, v) ∈ R × X2 : hu, αvi =3 hαv, ui =2 αhv, ui,
S8 ) ı̂n relaţia SP2 considerăm α = 0 şi obţinem: ∀(u, v) ∈ X2 , h0 · v, ui = 0 · hv, ui = 0
dar h0 · v, ui = hθX , ui de unde rezultă h0 · v, ui = hθX , ui. Analog se obţine cealaltă
relaţie.¥
Exemplul 4.1 Fie (Rn , +, ·, R), n ≥ 1 spaţiul liniar aritmetic n−dimensional şi aplicaţia
h·, ·i : Rn × Rn → R definită prin
Xn
n n
∀(x, y) ∈ R × R , x = (x1 , . . . , xn ) , y = (y1 , . . . , yn ) : hx, yi = xi yi .
i=1 (4.1)
43
44 CAPITOLUL 4. SPAŢII LINIARE EUCLIDIENE
Demonstrăm că aplicaţia astfel definită satisface axiomele produsului scalar real.
SP1 ) ∀(x, y, z) ∈ (Rn )3 , x = (x1 , . . . , xn ) , y = (y1 , . . . , yn ), z = (z1 , . . . , zn ) : hx + y, zi =
P
n Pn Pn
(xi + yi )zi = xi yi + xi zi = hx, zi + hy, zi.
i=1 i=1 i=1
P
n
SP2 )∀(α, x, y) ∈ R × (Rn )2 , x = (x1 , . . . , xn ) , y = (y1 , . . . , yn ) : hαx, yi = (αxi )yi =
i=1
P
n
α xi yi = αhx, yi.
i=1
P
n P
n
SP3 ) ∀(x, y) ∈ (Rn )2 , x = (x1 , . . . , xn ) , y = (y1 , . . . , yn ) : hx, yi = xi yi = yi xi =
i=1 i=1
hy, xi.
P
n
SP4 ) ∀x ∈ Rn , x = (x1 , . . . , xn ) , hx, xi = x2i ≥ 0.
i=1
n
P
n
∀x ∈ R , x = (x1 , . . . , xn ) , hx, xi = 0 ⇒ x2i = 0 ⇒ xi = 0, ∀i = 1, n ⇒ x = θRn .
i=1
Produsul scalar definit prin (4.1) se numeşte produs scalar standard (sau canonic)
iar (Rn , h·, ·i) este numit spaţiul euclidian aritmetic canonic n−dimensional. Analog
se defineşte produsul scalar standard ı̂n (Rn , +, ·, R).
Exemplul 4.2 Fie (C ([a, b] , R) , +, ·, R) spaţiul liniar al funcţiilor reale continue pe inter-
valul ı̂nchis [a, b] ⊂ R, unde a < b. Aplicaţia h·, ·i : C ([a, b] , R) × C ([a, b] , R) → R definită
prin
Zb
∀(f, g) ∈ (C ([a, b] , R))2 : hf, gi = f (x)g(x)dx (4.2)
a
este un produs scalar real, numit produs scalar canonic (standard) definit pe C ([a, b] , R) ,
iar (C ([a, b] , R) , h·, ·i) are structură de spaţiu liniar euclidian.
Definiţia 4.3 Fie (X, h·, ·i) un spaţiu liniar euclidian. Pentru orice vector v ∈ X definim
lungimea (norma) vectorului v, numărul real nenegativ:
p
kvk = hv, vi. (4.3)
1 ◦
Observaţia 4.1 Dacă v 6= θX atunci vectorul v = v este versor şi se numeşte versorul
kvk
◦
vectorului nenul v. Remarcăm că pentru orice v ∈ X, v 6= θX are loc relaţia v = kvk v.
În cazul spaţiului liniar euclidian (C ([a, b] , R) , h·, ·i) cu produsul scalar definit prin
relaţia (4.2), lungimea unui vector f este:
v
ub
uZ
u
kf k =t f 2 (x)dx.
a
În cazul spaţiului liniar euclidian (C ([a, b] , R) , h·, ·i) cu produsul scalar definit prin
relaţia (4.2), inegalitatea (4.4) este de forma:
v v
ub ub
Zb uZ uZ
u u
| f (x)g(x)dx |≤ t f (x)dxt g 2 (x)dx.
2
a a a
Observaţia 4.2 Dacă (X, h·,p·i) un spaţiu liniar euclidian, atunci funcţia k · k: X → R
defintă de ∀u ∈ X, k u k= hu, ui, care reprezintă lungimea vectorului u, relaţia (4.3),
este o normă pe X (satisface axiomele normei ( i, ii, iv ). Această normă se numeşte norma
indusă ı̂n X de produsul scalar definit ı̂n spaţiul liniar X.
Definiţia 4.4 Fie (X, +, ·, R) un spaţiu liniar ı̂n care este definită o normă. Perechea
ordonată (X, k · k) se numeşte spaţiu liniar normat.
Definiţia 4.5 Fie (X, +, ·, R) un spaţiu liniar euclidian. Dacă (X, k · k) este un spaţiu
liniar normat cu norma k · k indusă de produsul scalar h·, ·i, atunci perechea ordonată
(X, k · k) se numeşte spaţiu prehilbertian.
Definiţia 4.6 Dacă (X, k · k) este un spaţiu prehilbertian complet (ı̂n sensul că orice şir
Cauchy de elemente din X este un şir convergent) atunci (X, k · k) se numeşte spaţiu
Hilbert.
Exemplul 4.5 Spaţiul (Rn , +, ·, R), n ≥ 1 este evident un spaţiu Hilbert relativ la produsul
scalar canonic definit ı̂n Exemplul 4.1.
Observaţia 4.3 Fie (X, h·, ·i) un spaţiu liniar euclidian. Pentru orice pereche ordonată de
vectori (u, v) ∈ (X \ {θX })2 inegalitatea Cauchy - Schwarz - Buniakowski poate fi scrisă de
forma:
| hu, vi | hu, vi
≤ 1 ⇔ −1 ≤ ≤ 1.
k u kk v k k u kk v k
4.1. BAZE ORTONORMATE 47
Definiţia 4.7 Fie (X, h·, ·i) un spaţiu liniar euclidian. Soluţia unică ı̂n intervalul [0, π],
\
notată (u, v), a ecuaţiei
\ hu, vi
cos (u, v) =
k u kk v k
se numeşte unghiul neorientat al perechii ordonate (u, v) ∈ (X \ {θX })2 .
Definiţia 4.8 Fie (X, h·, ·i) un spaţiu liniar euclidian. Dacă (u, v) ∈ X2 şi hu, vi = 0
atunci u se numeşte vector ortogonal cu vectorul v. Folosim notaţia u ⊥ v.
În plan sau ı̂n spaţiu această noţiune coincide cu cea de perpendicularitate.
Definiţia 4.9 Fie (X, h·, ·i) un spaţiu liniar euclidian. Aplicaţia
d:X×X→R
definită prin
∀u, v ∈ X : d(u, v) = ku − vk
se numeşte metrică sau distanţă pe X. Numărul real d(u, v) se numeşte distanţa dintre
vectorii u şi v, iar perechea ordonată (X, d) se numeşte spaţiu metric.
Exemplul 4.6 În cazul spaţiului euclidian aritmetic canonic n−dimensional (Rn , h·, ·i)
cu produsul scalar definit prin relaţia (4.1), distanţa dintre vectorii x, y ∈ Rn , x =
(x1 , . . . , xn ) , y = (y1 , . . . , yn ) este dată de
v
u n
uX
d(x, y) = t (xi − yi )2 .
i=1
∀i, j = 1, m, i 6= j : vi ⊥ vj .
Definiţia 4.11 Fie (X, h·, ·i) un spaţiu liniar euclidian. Un sistem de vectori S = (vi )i=1,m
se numeşte ortonormat dacă este ortogonal şi format numai din vectori unitari (versori).
Observaţia 4.4 Din orice sistem de vectori ortogonal se poate obţine un sistem ortonormat
ı̂nmulţind fiecare vector vi , vi 6= θX , i = 1, m, al sistemului cu k vi k−1 , obţinându-se astfel
vectori unitari.
48 CAPITOLUL 4. SPAŢII LINIARE EUCLIDIENE
Exemplul 4.7 Sistemul de funcţii S = (f0 (x) = 1, f1 (x) = x, f2 (x) = 12 (3x2 − 1)) este
un sistem ortogonal ı̂n (C ([−1, 1] , R) , h·, ·i) cu produsul scalar definit ı̂n Exemplul 4.2.
Într-adevăr,
R1 R1 R1
hf0 , f1 i = xdx = 0, hf1 , f2 i = x 12 (3x2 − 1)dx = 0, hf0 , f2 i = 21 (3x2 − 1)dx = 0.
−1 −1 −1
Teorema 4.3 Orice sistem de vectori ortogonal, format din vectori nenuli, este liniar in-
dependent.
Demonstraţie. Fie un sistem de vectori S = (vi )i=1,m ortogonal, format din vectori
nenuli. Să presupunem că avem: α1 v1 + . . . + αn vn = θX . Obţinem:
∀ k = 1, n : hα1 v1 + . . . + αn vn , vk i = αik k vik k2 = 0, k vik k6= 0 ⇒ αik = 0, k = 1, p,
deci sistemul S este liniar independent.¨
Consecinţa 4.1 Dacă dimK X =n, utilizând Teorema 4.3 rezultă că orice sistem de n vec-
tori ortogonal (sau ortonormat), format din vectori nenuli, formează o bază ı̂n X.
Definiţia 4.12 Fie (X, h·, ·i) un spaţiu liniar euclidian, dimK X =n. O bază S = (ei )i=1,n
se numeşte bază ortonormată dacă S = (ei )i=1,n este un sistem ortonormat de vectori.
Observaţia 4.5 Un sistem de vectori ½ S = (ei )i=1,n este o bază ortonormată dacă
1, dacă i = j
∀i, j =1, n: hei ,ej i = δ ij , unde δij = este simbolul lui Kronecker.
0, dacă i 6= j
Exemplul 4.8 Sistemul de funcţii S = (f0 (x) = 1, f1 (x) = sin x, f2 (x) = cos x, . . . ,
f2n−1 (x) = sin nx, f2n (x) = cos nx) este un sistem ortogonal ı̂n (C ([−π, π] , R) , h·, ·i) cu pro-
Zπ Zπ
dusul scalar definit ı̂n Exemplul 4.2 deoarece f2i−1 (x) f2j−1 (x)dx = sin(ix) sin(jx)dx =
−π −π
Zπ Zπ
0, f2i (x)f2j (x)dx = cos(ix) cos(jx)dx = 0 pentru i 6= j.
−π −π
Ortonormăm sistemul. Pentru aceasta calculăm norma fiecărui vector din sistem.
2
Rπ
k f0 k = dx = 2π,
−π
Rπ
k f2k−1 k2 = sin2 kxdx = π,
−π
Rπ
k f2k k2 = cos2 kxdx = π.
−π
1 1 1
Sistemul S 0 = (g0 (x) = √ , g1 (x) = √ sin x, f2 (x) = √ cos x, . . . , f2n−1 (x) =
2π π π
1 1
√ sin nx, f2n (x) = √ cos nx) este un sistem ortonormat. Acest sistem va fi utilizat la
π π
construirea seriei Fourier ataşată unei funcţii periodice.
4.2. PROCEDEUL DE ORTOGONALIZARE GRAM-SCHMIDT 49
Demonstraţie. Fie (X, h·, ·i) un spaţiu liniar euclidian, dimK X =n. Pornind de la o
bază arbitrară S = (v1 , v2 , . . . , vn ) Construim o bază ortonormată S 0 folosind procedeul
Gram-Schmidt. Considerăm vectorii:
⎧
⎪
⎪ u1 = v1
⎪
⎪
⎨ u2 = v2 + α21 u1
u3 = v3 + α31 u1 + α32 u2 (4.6)
⎪
⎪
⎪
⎪ ···
⎩
un = vn + αn1 u1 + · · · + αn,n−1 un−1
şi vom determina scalarii αij care apar ı̂n (4.6) impunând condiţia ca fiecare vector ui să fie
ortogonal pe vectorii (u1 , u2 , . . . , ui−1 ). u1 ⊥ u2 ⇒ hu2 , u1 i = 0 şi folosind a doua relaţie
hv2 , u1 i
din (4.6) obţinem: α21 = − .
k u1 k2
În general hui , uk i = 0 pentru k < i, ⇒ hvi + αi1 u1 + · · · + αi,i−1 ui−1 , uk i = 0 ⇒ αik =
hvi , uk i
− , pentru i = 2, n şi k < i.
k uk k2
Rămâne de demonstrat că vectorii din sistemului (u1 , u2 , . . . , un ) construiţi conform
procedeului descris sunt diferiţi de zero, ı̂n caz contrar ı̂mpărţirea cu k uk k2 nu ar avea
sens. Observăm că uj este o combinaţie liniară formată din v1 , v2 , . . . , vj−1 , deci ı̂nlocuind
pe u1 , u2 , . . . , uk−1 prin aceste combinaţii liniare ı̂n uk = vk + αk1 u1 + · · · + αk,k−1 uk−1
obţinem uk = vk + γ1 v1 + · · · + γk−1 vk−1 . Dar uk = 0 ⇒ (v1 , v2 , . . . , vk ) liniar dependenţi,
ceea ce este fals deoarece ei formează un subsistem al unui sistem liniar independent.
Astfel am construit sistemul ortogonal S = (ui )i=1,n care nu conţine vectorul nul. Con-
form Teoremei 4.3 sistemul S = (ui )i=1,n este liniar independent, rezultă că formează o bază.
1 1
Sistemul S 0 = (e1 , . . . , en ), e1 = u1 , . . . , en = un , este bază ortonormată .¥
k u1 k k un k
Exerciţiul 4.1 Fie spaţiul liniar (R3 , +, ·, R) pe care este definit produsul scalar standard
(vezi Exemplul 4.1). Să se afle o bază ortonormată ı̂n R3 , plecând de la baza
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
1 −1 4
v1 = ⎝ 2 ⎠ , v2 = ⎝ 3 ⎠ , v3 = ⎝ 0 ⎠ . (4.7)
2 5 −2
50 CAPITOLUL 4. SPAŢII LINIARE EUCLIDIENE
Exerciţiul 4.2 Se consideră spaţiul liniar (R2 [x] , +, ·, R) al polinoamelor de grad cel mult
Z1
2
doi pe care se defineşte produsul scalar: ∀(p, q) ∈ (R2 [x]) : hp, qi = p(x)q(x)dx.
−1
Considerăm baza B = (1, x, x2 ) . Aplicând procedeul Gram-Schmidt să se obţină din baza
dată o bază ortonormată.
r2 (x) = x − Z−1
1 · 1 = x − 02 · 1 = x,
1·1dx
−1
Z1 Z1
x2 ·1dx x2 ·xdx
2/3 0
r3 (x) = x2 − −1
Z1 · 1 − −1
Z1 · x = x2 − 2
·1− 2/3
· x = x2 − 13 .
1·1dx x·xdx
−1
¡ ¢ −1
s1 (x) = y 1 ·1= √1 ,
xZ1 2
x
x
x
x 1·1dx
w
−1
q
s2 (x) = y 1 ·x= 3
· x,
xZ1 2
x
x
x
x x·xdx
w
¡ 2 1¢ 1q5 ¡ 2 1¢
−1
1
s3 (x) = y
xZ1 · x − 3 = 2 2 x − 3 .¨
x
x
x
x
w (x2 − 13 )·(x2 − 13 )dx
−1
Observăm că dacă (X, h·, ·i) este un spaţiu liniar euclidian, expresia produsului scalar
ı̂ntr-o bază ortonormată se reduce la produsul scalar standard din Rn . În acest caz expresia
lungimii unui vector ı̂ntr-o bază ortonormată este:
⎛ ⎞ v
α1 u n
X n
⎜ .. ⎟ u X
∀u ∈ X, u = αi ei :k u k= (α1 . . . αn ) ⎝ . ⎠ = t αi2 .
i=1 αn i=1
Observaţia 4.6 Din definiţie rezultă că dacă A ∈ Mn (R) este o matrice ortogonală, atunci
avem det(A) = ±1, A este inversabilă şi inversa sa este A−1 = AT .
Teorema 4.5 Fie (X, h·, ·i) un spaţiu liniar euclidian şi dimR X =n şi S = (ei )i=1,n , S1 =
A
(e0i )i=1,n două baze ortonormate ı̂n X. Dacă S → S1 , unde A = (aij )i,j=1,n , atunci matricea
A este ortogonală. Reciproc, dacă baza S este ortonormată, iar matricea A este ortogonală,
atunci baza S1 este ortonormată.
52 CAPITOLUL 4. SPAŢII LINIARE EUCLIDIENE
Demonstraţie. Neesitatea. Vectorii (e0i )i=1,n se pot descompune ı̂n raport cu vectorii
bazei S după relaţiile: ⎛ ⎞
e1
⎜ e2 ⎟ X n
0 ⎜ ⎟
ej = (a1j , a2j , . . . , anj ) ⎜ .. ⎟ = aij ei , j = 1, n.
⎝ . ⎠ i=1
en
Xn X
n X n X n X
n X
n
0 0
Atunci hei , ej i = h aki ek , ahj eh i = aki ahj hek , eh i = aki ahj δkh =
k=1 h=1 k=1 h=1 k=1 h=1
X
n X
n
aki akj ⇒ δij = aki akj ⇔ In = At A, adică A este o matrice ortogonală.
k=1 k=1
X
n X
n
Suficienţa. Dacă A este o matrice ortogonală, atunci din he0i , e0j i = aki ahj δkh =
k=1 h=1
X
n
aki akj = δij rezultă că S1 este o bază ortonormată.¥
k=1