Cursuri AG

Curs 1
Matrici. Operaţii cu matrici
In acest prim curs vom recapitula noţiuni de baza din teoria matricilor, cum ar fi:
• Cum se defineşte o matrice?
• Operaţii cu matrici: adunarea, produsul a două matrici, transpusa unei matrici.
• Calculul determinantul unei matrici.
1.1 Operaţii cu matrici

1
În problemele economice şi financiare se lucrează cu mulţimi mari de date, care cel mai
adesea se ı̂nregistrează ı̂n tabele. Datele dintr-un tabel definesc matrici. De aceea studiem
operaţii cu matrici şi metode de a extrage informaţie din matrici, pe baza căreia se fac predicţii
şi se iau decizii.
Exemplu de date cărora le asociem o matrice:
Un retailer ţine evidenţa unitătilor din produsele P1 , P2 , P3 , vândute ı̂n 4 săptămâni consec-
utive, S1 , S2 , S3 , S4 , ı̂ntr-un tabel de forma:
S1 S1 S1 S4
P1 24 31 15 27
P2 21 19 18 33
P3 17 23 30 26
O matrice de elemente reale, cu m linii şi n coloane este ”un tablou” ce are ı̂nregistrat ı̂n
linia i, coloana j, un număr real, notat aij :
 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
 
A =  .. .. .  (1.1)
 . . · · · .. 
am1 am2 · · · amn
1
Notitele de curs sunt o adaptare a cursului de Algebra Liniara si Geometrie, autor prof.dr. Emilia Petrisor
1
2 Cursul 1, Algebră–Geometrie, 2020/2021
• Mulţimea matricilor A, de elemente reale, de tip m × n se notează Mm,n (R).

• Dacă numărul de linii este egal cu numărul de coloane, atunci matricea se numeşte ma-
trice pătratică.
• Mulţimea matricilor pătratice de n linii şi n coloane se notează Mn (R).
Tabelului de date de mai sus i se asociază matricea
 
24 31 15 27
A =  21 19 18 33 
17 23 30 26
Elementul din linia 2 coloana 3, a23 = 18, reprezintă, de exemplu, numărul de unităţi din
produsul P2 vândut ı̂n săptămâna a treia, S3 .
Exemple generale de matrici:
   
51 1 4 −3
−2 3 0
, 11 34 27 ,  −12  ,  7 −4 5 
2 1 −5
13 0 8 11
Matricea nulă. O matrice O de tip m × n care are toate elementele egale cu zero se numeşte
matricea nulă.
 
0 0 0 0
O =  0 0 0 0  ∈ M3,4 (R)
0 0 0 0
O matrice pătratică particulară este matricea unitate:
 
1 0 ··· 0
 0 1 ··· 0 
 
In =  .. .. .. 
 . . ··· . 
0 0 ··· 1
Matricea unitate are elementele de pe diagonala principală egale cu 1 şi restul sunt egale cu
0.
Matricea linie, este o matrice de forma [x1 x2 . . . xn ] ∈ M1,n , iar o matrice coloană este o
matrice cu n linii şi o coloană:  
x1
 x2 
 
 .. 
 . 
xn
De exemplu, matricea p = [p1 p2 p3 ] = [25 50 100] este matricea taxelor de restantă la
Algebră pentru prezentarea a III-a, ı̂n anul II şi respectiv anul III.
Numărul de angajaţi ı̂n departamentul tehnic al UPT ı̂l putem indica printr-o matrice coloană.
Cursul 1, Algebră–Geometrie, 3
 
economişti 2
tehnicieni hardware 4 


ingineri hardware  3

ingineri mecanici  1 
ingineri electronişti 2
Adunarea matricilor. Două matrici A = (aij ), B = (bij ) având acelaşi număr de linii şi
coloane se adună astfel: Suma C = A + B este o matrice cu acelaşi număr de linii şi coloane
ca A şi B, iar un element arbitrar al sumei este:
cij = aij + bij
Exemplul 1.      
4 3 5 11 9 14
 9 6  +  14 9  =  23 15 
2 10 7 15 9 25
Exemplul 2. Dacă un retailer vinde produse ı̂n 2 magazine, atunci dacă numărul de unităţi de
produs vândute ı̂n 4 săptămâni ı̂n magazinul M1 şi respectiv M2 este dat ı̂n tabelele:
S1 S1 S1 S4 S1 S1 S1 S4
P1 24 31 15 27 P1 20 18 19 29
M1 = M2 =
P2 21 19 18 33 P2 13 16 24 30
P3 17 23 30 26 P3 15 20 31 35
atunci suma matricilor asociate, M1 + M2 indică numărul total de unităţi de produs P1 , P2 , P3

vândut ı̂n cele 4 săptămâni:
   
24 + 20 31 + 18 15 + 19 27 + 29 44 49 34 56
M1 + M2 =  21 + 13 19 + 16 18 + 24 33 + 30  =  34 35 42 63 
17 + 15 23 + 20 30 + 31 26 + 35 32 43 61 61
Suma unei matrici A cu matricea nulă de acelaşi tip esye A + O = O + A = A.


−2 1 2 0 0 0 −2 1 2
+ =
3 8 0 0 0 0 3 8 0
Produsul dintre o matrice A = (aij ) ∈ Mm,n şi un număr real α este o matrice P = (pij ) ∈
Mm,n ale cărei elemente pij se calculează astfel: pij = αaij , ∀ i = 1, m, j = 1, n. În cuvinte,
se ı̂nmulţeste fiecare element al matricii A cu numărul α.
Exemplul 3. O firmă vinde 4 produse şi ı̂ncasările ı̂n mii RON, din vânzarea fiecărui produs,
timp de un semestru, prin trei puncte de vânzare V1 , V2 , V3 sunt date ı̂n tabelul:
P1 P2 P3 P4
V1 35 43 18 27
V2 21 37 29 17
V3 23 30 14 40
Ştiind că profitul reprezintă doar 20% din suma ı̂ncasată din vânzări, să se calculeze profitul
total rezultat din vânzarea celor 4 produse, ı̂n semestrul monitorizat.
Asociem tabelului matricea

 
35 43 18 27
A =  21 37 29 17 
23 30 14 40
20 1
şi calculăm A = A care ne dă profitul obţinut din fiecare punct de vânzare şi fiecare
100 5
produs.
Matricea profitului este:
 
35/5 43/5 18/5 27/5
1
P = A =  21/5 37/5 29/5 17/5  ,
5
23/5 30/5 14/5 40/5
iar profitul total este suma tuturor elementelor matricii P :
t = (35 + 43 + 18 + 27 + 21 + 37 + 29 + 17 + 23 + 30 + 14 + 40)/5 = 334/5 = 66.8 mii lei
Produsul a două matrici Pentru orice două matrici A, B cu particularitatea că numărul de
coloane al primei matrici coincide cu numărul de linii al celei de-a doua, adică A este de tip
m × p, iar B de tip p × n, definim matricea produs, ca fiind matricea C = AB, de m linii linii
şi n coloane, alecărei elemente cij , se determină astfel:
p
X
cij = ai1 b1j + ai2 b2j + · · · + aip bpj = aik bkj , (1.2)
k=1
Cursul 1, Algebră–Geometrie, 5
adică:
    
c11 . . . c1j . . . c1n a11 . . . a1k . . . a1p b11 . . . b1j . . . b1n
 .. . ..   .. . .  .. . . 
 . . . . .. ... .   . . . . .. . . . ..   . . . . .. . . . .. 
    
 ci1 ... cij . . . cin  =  ai1 · · · aik · · · aip   bk1 . . . bkj . . . bkn 
 . .. .   . . .  .. . . 
 .. ... . . . . ..   .. . . . .. . . . ..   . . . . .. . . . .. 
cm1 . . . cmj . . . cmn am1 . . . amk . . . amp bp1 . . . bpj . . . bpn
Remarcăm că pentru a calcula elementul din poziţia (i, j) a matricii produs, ı̂nmulţim ele-
mentele corespunzătoare din linia i a matricii A cu elementele coloanei j a matricii B şi adunăm
produsele.
Exemplul 4. Să calculăm produsul AB, unde A ∈ M3,2 (R), iar B ∈ M2 (R).
     
−2 1 (−2) · 1 + 1(−5) (−2) · 3 + 1 · 2 −7 −4
1 3
AB =  3 −5  =  3 · 1(−5) · (−5) 3 · 3 + (−5) · 2  =  28 −1 
−5 2
0 4 0 · 1 + 4 · (−5) 0·3+4·2 −20 8
În cadrul cursului vom folosi foarte mult produsul dintre o matrice pătratică A şi o matrice
coloană:     
a11 a12 . . . a1n x1 y1
 a21 a22 . . . a2n 
  x2   y2 
   

 .. .. .  .  =  . ,
 . . . . . ..   ..   .. 
a1n a2n . . . a1n xn yn
unde după efectuarea produsului din membrul stâng obţinem:
y1 = a11 x1 + a12 x2 + · · · + a1n xn

y2 = a21 x1 + a22 x2 + · · · + a2n xn
.. ..
. .
yn = an1 x1 + an2 x2 + · · · + ann xn
Produsul dintre matricea unitate In şi o matrice pătratică A ∈ Mn (R) este AIn =
In A = A.
Analog:    
x1 x1
 x2   x2 
 ···  =  ···
In    

xn xn
Transpusa unei matrice Fie A o matrice de tip m×n, A = (aij ), i = 1, m, j = 1, n. Transpusa

sa este o matrice de tip n × m, notată AT , de elemente bij = aji , ∀ i, j. Cu alte cuvinte, linia i
a matricii A este coloana i ı̂n transpusă, i = 1, m.
 
T −2 2
−2 3 1
=  3 −5 
2 −5 0
1 0
Proprietăţi ale operatorului de transpunere

1 (AT )T = A.
2 (AB)T = B T AT , oricare ar fi A, B două matrici ce se pot ı̂nmulţi.
Un caz particular al proprietăţii 2 pe care-l vom folosi adesea este următorul:
Dacă A este o matrice pătratica de tip n × n şi x este o matrice coloana, atunci:
  T
x1
  x2 
A   = xT AT = x1 x2 · · · xn AT
  · · · 
xn
De exemplu:
  T  
−1 2 1 x1 −1 3 1
 3 5 −2   x2  = x1 x2 x3  2 5 6 
1 6 0 x3 1 −2 0
1.2 Determinantul unei matrici pătratice

Determinantul unei matrici pătratice, A ∈ Mn (R), este un număr real ce se notează:

a11 a12 · · · a1n

a21 a22 · · · a2n

det(A) = .. .. ..
.
. · · · .

an1 an2 · · · ann
Calculul determintului de ordin 2 (al unei matrici de 2 linii şi 2 coloane):

a11 a12
a21 a22 = a11 a22 − a12 a21

2 −3
= 2 · 5 − ((−3) · 4) = 10 − (−12) = 10 + 12 = 22.
4 5
Un determinant de ordin 3 se calculează folosind fie regula lui Sarrus, fie regula triunghi-
ului.
Pentru a calcula valoarea determinantului folosind regula lui Sarrus se copiază linia 1 şi apoi
linia 2 sub linia 3 a determinantului şi se efectuează calculele astfel:
1.2. Determinantul unei matrici pătratice 7

a11 a12 a13

a11 a12 a13 a21 a22 a23

a21 a22 a23 = a31 a32 a33 = a11 a22 a33 + a21 a32 a13 +

a31 a32 a33 a11 a12 a13

a21 a22 a23
+a31 a12 a23 − a31 a22 a13 − a11 a32 a23 − a21 a12 a13
Ultimul membru al egalitătii de mai sus exprimă regula triunghiului. Termenii cu semnul +
ı̂n faţă se obţin efectuând produsele elementelor de aceeaşi culoare din:

a11 a12 a13

a21 a22 a23

a31 a32 a33
iar termenii cu semnul - se obţin efectuând la fel produsele elementelor de aceeaşi culoare din:

a11 a12 a13

a21 a22 a23

a31 a32 a33
O matrice pătratică A al cărei determinant este zero se numeşte matrice singulară. Dacă
determinantul este diferit de zero, matricea se numeşte matrice nesingulară.
Calculul determinanţilor de ordin mai mare decât 3
• Se bazează pe noţiunea de minor al unui element.
Definiţia 1.2.1 Fie A ∈ Rn×n o matrice pătratică, A = (aij ), i, j = 1, n. Fiecărui element

akℓ din matrice i se asociază un determinant de ordin n − 1 notat Mkℓ , obţinut prin eliminarea
liniei k şi coloanei ℓ din det(A). Determinantul Mkℓ se numeşte minorul elementului akl .
Exemplul 5. Constituirea minorului M23 ı̂n determinantul

a11 a12 a13 a14
a11 a12 a14
a21 a22 a23 a24
a31 a32 a33 a34 ⇒ M23 = a31 a32 a34

a41 a42 a44
a41 a42 a43 a44
Ştiind să calculăm un determinant de ordin 3, un determinant de ordin 4 se calculează dez-

voltându-l după o linie i (sau o coloană j) astfel:
det(A) = ai1 (−1)i+1 Mi1 + ai2 (−1)i+2 Mi2 + ai3 (−1)i+3 Mi3 + ai4 (−1)i+4 Mi4 ,
Exemplul 6. Să dezvoltăm următorul determinant după elementele liniei 3:

−1
2 3 0

2 1 −4 5
=
0 −6 1 −2

3 7 −9 1
0(−1)3+1 M31 −6(−1)3+2 M32 + 1(−1)3+3 M33 − 2(−1)3+4 M34 =

| {z }
=0

−1
3 0 −1 2 0

−1 2
3

6 2 −4 5 + 2 1 5

+ 2 2 1 −4

3 −9 1 3 7 1 3 7 −9
1.3 Proprietăţi ale determinanţilor

Fie D determinantul unei matrici pătratice de n linii şi n coloane. Notăm cu Li , Lj două linii
distincte ale determinantului.
Proprietăţile determinanţilor
1. Dacă se schimbă două linii ı̂ntre ele, atunci determinantul schimbă semnul.
Simbolizăm prin Li ↔ Lj schimbarea liniilor i şi j ı̂ntre ele.
Exemplul 7. Fie determinantul

−1 2 0

D = 3 1 −4
=2

1 1 −2
Efectuând schimbarea L2 ↔ L3 obţinem determinantul

−1 2 0
′

D = 1 1 −2 = −2 = −D

3 1 −4
2. Dacă se ı̂nmulţeste o linie a unui determinant cu un număr, atunci valoarea determi-

nantului se ı̂nmulţeste cu numărul respectiv.
1.3. Proprietăţi ale determinanţilor 9
De exemplu ı̂n determinantul D, de mai sus, ı̂nmulţim linia 2 cu 3 şi rezultatul ı̂l rescriem
ı̂n linia 2 a unui nou determinant D ′′ şi obţinem:

−1
2 0 −1 2
0

′′
D = 3 · 3 3 · 1 3 · (−4) = 9 3 −12 = 3D = 6

1 1 −2 1 1 −2
3. Dacă se ı̂nmulţeste o linie a determinantului cu un număr şi se adună la o altă linie,

valoarea determinantului nu se schimbă.
În determinantul D de mai sus, ı̂nmulţim linia 1 cu 3 şi o adunăm la linia 2, rezultatul fiind
ı̂nregistrat ı̂n linia 2, 3L1 + L2 → L2 , şi avem:

−1 2 0
′′′

D = 0 7 −4 = D = 2
1 1 −2
Aceste proprietăţi ale determinanţilor sunt foarte utile ı̂n calculul determinanţilor de ordin
mai mare decat 3, pentru care nu avem o regula ca Sarrus sau regula triunghiului, ci se dezvoltă
determinantul după elementele unei linii sau coloane.
Exemplul 8. Pentru a calcula determinantul

1 3 0 −2

3 −1 7 2
D=
2 1 1 3
1 −2 4 1
am putea dezvolta după elementele coloanei 1 şi atunci:
D = (−1)1+1 1 · M11 + (−1)2+1 3M12 + (−1)1+3 2M13 + (−1)1+4 · 1M14
Deci practic am reduce calculul lui D la calculul a 4 determinanţi de ordinul trei, M11 , M12 , M13 , M14 ,
ceea ce ar presupune calcule multe. Pentru a evita calculul celor 4 determinaţi de ordinul 3,
aplicăm proprietatea 3 a determinanţilor pentru a transforma elementele coloanei 1, de sub
a11 = 1 ı̂n zerouri.
Observăm că aplicând succesiv operaţiile:
−3L1 + L2 → L2 , −2L1 + L3 → L3 , −1L1 + L4 → L4
obţinem aceeaşi valoare a determinantului şi anume:

1 3 0 −2
−10 7 8
0 −10 7 8
1+1

D = = (−1) −5 1 7 +(−1)1+2 ·0·M12 +(−1)1+3 ·0·M13 +(−1)1+4 ·0·M14
0 −5 1 7

−5 4 3

0 −5 4 3
Deci practic am redus calculul determinantului de ordin 4 la calculul unui singur determinant
de ordin 3.
Observaţie: Operaţiile asupra liniilor unui determinant se pot alege şi pentru a transforma
ı̂n zerouri elementele altei coloane nu neapărat coloana 1. De exemplu pentru determinantul D
cu care am lucrat era mai simplu dacă ı̂n coloana 3 formam zerouri ı̂n liniile 1,2 şi 4, efectuând
operaţiile:
−7L3 + L2 → L2 , −4L3 + L4 → L4
şi obţineam:

1 3 0 −2
1 3 −2
−11 −8 0 −19
3+3

D = = (−1) −11 −8 −19
2 1 1 3
−7 −6 −11
−7 −6 0 −11
Curs 2
Rezolvarea sistemelor de ecuaţii liniare
1
In acest curs ne propune să recapitulăm următoarele subiecte:
• calculul inversei unei matrici
• calculul rangului unei matrici
• problema compatibilităţii unui sistem liniar
• rezolvarea unui sistem liniar compatibil determinat prin metoda lui Cramer sau prin
metoda matriceală
• teorema Kronecker-Capelli pentru studiul compatibilităţii unui sistem liniar
2.1 Calculul inversei unei matrici nesingulare

O matrice pătratică, A ∈ Mn (R), care are determinantul diferit de zero se numeşte matrice
nesingulară şi ea este inversabilă, adică există o matrice notată A−1 , cu proprietatea că:
A · A−1 = A−1 · A = In ,
unde In este matricea unitate, adică matricea:

 
1 0 ··· 0
 0 1 ··· 0 
 
In =  .. .. .. 
 . . ··· . 
0 0 ··· 1
Etapele de calcul a inversei unei matrici A

 
a11 a12 · · · a1n
 a21
 a22 · · · a2n 

A =  .. .. .. 
 . . ··· . 
an1 an2 · · · ann
1
1
• se calculează determinantul matricii; dacă det(A) = 0 matricea nu este inversabilă. În caz
contrar se trece la etapa următoare;
• se determină transpusa matricii A,
 
a11 a21 · · · an1
 a12 a22 · · · an2 
AT =  ..
 
.. .. 
 . . ··· . 
a1n a2n · · · ann
• se calculează adjuncta matricii A, adică matricea pătratică notată A∗ , de elemente a∗ij =

(−1)i+j Mij , unde Mij este minorul elementului din poziţia (i, j) a transpusei;
1
• A−1 = A∗
det(A)
Exemplul 1. Să se verifice dacă matricea
 
−1 0 3
A =  2 −4 1 
1 1 −5
este nesingulară şi dacă da, să se calculeze inversa ei.
• det(A)= −1 6= 0 ⇒  A este nesingulară

−1 2 1
• AT =  0 −4 1 
3 1 −5
• Să calculăm explicit câteva elemente din adjuncta, A∗ :

1+1 −4 1

a11 = (−1)
∗
= 19
1 −5

1+2
0 1
a∗12 = (−1)
3 −5
= −(−3) = 3

etc
Efectuând calculul tuturor elementelor avem:

 
19 3 12
A∗ =  11 2 7 
6 1 4
şi deci:  
−19 −3 −12
1 ∗
A−1 = A = −A∗ =  −11 −2 −7 
−1
−6 −1 −4
2.2. Sisteme de ecuaţii liniare 3
Verificare:
    
−1 0 3 −19 −3 −12 1 0 0
AA−1 =  2 −4 1   −11 −2 −7  =  0 1 0 
1 1 −5 −6 −1 −4 0 0 1
2.2 Sisteme de ecuaţii liniare

Un sistem liniar de m ecuaţii cu n necunoscute constă din m ecuaţii de forma:
a11 x1 + a12 x2 + · · · a1n xn = b1

a21 x1 + a22 x2 + · · · a2n xn = b2
.. , aij ∈ R, b1 , b2 , . . . , bm ∈ R (2.1)
.
am1 x1 + am2 x2 + · · · amn xn = bm
• Dacă toţi termenii liberi ai sistemului sunt egali cu 0, b1 = b2 = . . . = bm atunci sistemul:
a11 x1 + a12 x2 + · · · a1n xn = 0

a21 x1 + a22 x2 + · · · a2n xn = 0
.. , aij ∈ R, b1 , b2 , . . . , bm ∈ R (2.2)
.
am1 x1 + am2 x2 + · · · amn xn = 0
se numeşte sistem omogen.

• Dacă cel puţin unul din termenii liberi este diferit de 0, sistemul (2.5) se numeşte sistem
neomogen.
Exemplul 2. Sistemele următoare:
x+y−z = 0
2x − 5y − 3z = 0
−5x + 2y − 11z = 0
−x + 7y + 4z = 0
y + 3z = 0
sunt sisteme omogene, iar sistemele:
2x − 9y + 4z = −3
x + y − 7z = 1
−x + 7y + 13z = 0
−5x + 3y = −6
6x + y − 3z = 1
sunt sisteme neomogene.
Pentru un sistem de forma (2.5) o soluţie constă din n numere reale, x1 , x2 , . . . , xn , care verifică
fiecare ecuaţie a sistemului.
Un astfel de sistem se numeşte:
1. Compatibil determinat dacă are o singură soluţie;
2. Compatibil nedeterminat dacă are o infinitate de soluţii);
3. Incompatibil dacă nu are nici o soluţie.

Un sistem de forma (2.5) se poate exprima matricial astfel:
    
a11 a12 . . . a1n x1 b1
 a21 a22 . . . a2n   x2   b2 
    
 .. .. ..   ..  =  ..  sau concentrat Ax = b (2.3)
 . . ... .  .   . 
am1 am2 . . . amn xn bm
| {z } | {z } | {z }
A x b
Pentru a decide natura sistemului general (2.5), omogen sau neomogen, adică dacă este
compatibil sau incompatibil, avem nevoie de o modalitate de calcula rangul matricii sistemului.
Rangul unei matrice.
Dacă A ∈ Mm,n (R) este o matrice, atunci rangul ei este un număr ı̂ntreg egal cu cel mai
mare ordin de determinant nenul ce se poate constitui din elementele de intersecţie a k linii
distincte şi k coloane distincte ale matricii A.
Cel mai mare ordin de determinant ce se poate constitui din elementele unei matrici A ∈
Mm,n (R) este k = min (m, n).
Exemplul 3.
−1 2 0 3
A=
3 −6 0 −9
Matricea are 2 linii şi 3 coloane. Ordinul celui mai mare determinant ce se poate constitui din
elemente de intersecţie a k linii şi k coloane din A este k = min(2, 3) = 2.
Mai ı̂ntâi se calculează determinanţi de ordinul cel mai mare, ı̂n acest caz 2. Dacă cel puţin
unul este diferit de zero, atunci rangul matricii este 2. Dacă toţi sunt egali cu zero, atunci se
caută un determinant de ordinul 1, diferit de 0.
Din matricea A putem constitui următorii determinanţi de ordinul 2:
1) Din liniile 1, 2 şi coloanele 1, 2;
2) liniile 1,2, coloanele 1,3;
3) din liniile 1,2, coloanele 2,3:

−1 2 ′
−1 0 ′′
0 3
∆2 = = 0, ∆2 = = 0, ∆2 = =0
3 −6 3 0 0 −9
Deci rangul matricii nu este 2.

Observăm ı̂nsă că ∆1 = | − 1| =
6 0 şi deci rangul este 1.
Exemplul 4. Matricea:  
2 −3 1
A =  −4 6 −2 
1 0 −5
2.3. Rezolvarea sistemelor de n ecuaţii cu n necunoscute 5
are 3 linii şi 3 coloane, deci determinantul de ordin maxim ce se poate constitui este determi-
nantul de ordin 3, ∆3 = det(A) = 0. Fiind egal cu zero, rangul nu este 3.
Căutăm un determinant de ordin 2 diferit de 0.
Formăm determinanţi de ordin 2, din elementele de intersecţie a două linii i1 < i2 şi 2
coloane, j1 < j2 . Evaluâm fiecare determinant şi dacă obţinem unul diferit de zero, stopăm
calculul determinanţilor de ordin 2 şi concluzionăm că rangul este 2:
col 1 col 2 col 1 col 3 col 2 col 3

lin 1 2 -3 lin 1 2 1 lin 1 -3 1
lin 2 -4 6 lin 2 -4 -2 lin 2 6 -2
col 1 col 2
lin 1 2 -3
lin 3 1 0
Primii trei determinanţi sunt 0, iar al patrulea este diferit de zero, Deci rangul matricii date este
2.
Scrieţi restul determinaţilor de ordin 2, ce se pot constitui din matricea A.
2.3 Rezolvarea sistemelor de n ecuaţii cu n necunoscute

Ştim de la liceu, că un sistem de n ecuaţii cu n necunoscute, Ax = b, A ∈ Mn (R), sau detaliat:
a11 x1 + a12 x2 + · · · a1n xn = b1

a21 x1 + a22 x2 + · · · a2n xn = b2
.. , aij ∈ R, b1 , b2 , . . . , bn ∈ R, (2.4)
.
an1 x1 + an2 x2 + · · · ann xn = bn
este compatibil determinat (adică are o unică soluţie) dacă şi numai dacă determinatul matricii
sistemului este diferit de zero. În acest caz soluţia (x1 , x2 , . . . , xj , . . . , xn ) se poate calcula:
1. folosind regula lui Cramer:

a11 a12 . . . b1 . . . a1n

a21 a22 . . . b2 . . . a2n

.. .. .. ..
.
. ... . . . . .
an1 an2 . . . bn . . . ann
|{z}
∆j colj
xj = = , j = 1, n
∆ a11 a12 . . . a1j . . . a1n

a21 a22 . . . a2j . . . a2n

.. .. .. ..
.
. . . . . . . . .
an1 an2 . . . anj . . . ann
adică, xj este raportul ce are la numitor, determinantul sistemului, iar la numărator, determinan-
tul sistemului ı̂n care coloana j se ı̂nlocuieşte cu coloana termenilor liberi.
Exemplul 5. Considerăm sistemul:
2x − 3y + z = −4
−x + y + 2z = 1
3x + 5y − z = 0
Matricea sistemului este:  

2 −3 1
A =  −1 1 2 
3 5 −1
Deoarece determinantul său, det(A) = −45, sistemul este compatibil determinat şi soluţia sa
este:

−4 −3 1 2 −4 1 2 −3 −4

1
1 2

−1
1 2

−1
1 1

0 5 −1 3 0 −1 3 5 0
x= , y = , z =
2 −3 1 2 −3 1 2 −3 1

−1 1 2 −1 1 2 −1 1 2

3 5 −1 3 5 −1 3 5 −1
2. O a doua modalitate de a rezolva un sistem de n ecuaţii cu n necunoscute, compatibil

determinat, este metoda matricială. Şi anume, scriind sistemul ı̂n forma Ax = b, deoarece
det(A) 6= 0, rezultă că matricea A este inversabilă, adică exista A−1 astfel ı̂ncât A−1 A = In (
matricea unitate). Înmulţind sistemul scris matricial, Ax = b, la stânga cu A−1 , avem:
−1 −1
|A{zA} x = A b ⇔ In x = A−1 b ⇔ x = A−1 b
In
Deci soluţia sistemului se obţine calculând A−1 şi apoi efectuând ı̂nmulţirea:
   
x1 b1
 x2   b 
  −1  2 
 ..  = A  .. 
 .   . 
xn bn
Exemplul 6. Să se arate că sistemul:
x − 2y = −3
−3x + 5y = 2
este compatibil determinat şi să se determine soluţia sa prin metoda matricială.
2.4. Studiul compatibilităţii sistemelor de de m ecuaţii cu n necunoscute 7
Matricea sistemului este:

1 −2
A=
−3 5
iar determinatul sau este
1 −2
∆ = = 5 − 6 = −1
−3 5
Deci sistemul este compatibil determinat şi soluţia sa este:

x −1 −3
=A
y 2
Să parcurgem etapele de calcul a inversei:

T 1 −3 ∗ 5 2 −1 1 5 2 −5 −2
A = , A = , A = A∗ = −1 =
−2 5 3 1 det(A) 3 1 −3 −1
Deci soluţia sistemului este:

x −5 −2 −3 11
= =
y −3 −1 2 7
2.4 Studiul compatibilităţii sistemelor de de m ecuaţii cu n necunoscute

Considerăm un sistem de m ecuaţii cu n necunoscute
a11 x1 + a12 x2 + · · · a1n xn = b1
a21 x1 + a22 x2 + · · · a2n xn = b2
.. , aij ∈ R, b1 , b2 , . . . , bm ∈ R, (2.5)
.
am1 x1 + am2 x2 + · · · amn xn = bm
Un astfel de sistem poate fi incompatibil (nu are nici o soluţie) sau compatibil (are cel puţin
o soluţie). Pentru a testa dacă admite sau nu soluţii, ı̂i asociem două matrici: matricea A a
coeficienţilor necunoscutelor:
 
a11 a12 . . . a1n
 a21 a22 . . . a2n 
 
A =  .. .. .. 
 . . ... . 
am1 am2 . . . amn
şi matricea prelungită:  

a11 a12 . . . a1n b1


 a21 a22 . . . a2n b2 

A= .. .. .. .. 
 . . ... . . 

am1 am2 . . . amn bm
care se obţine bordând la matricea A (adică adăugând) coloana termenilor liberi.

Calculând rangul celor două matrici, A şi A putem deduce dacă sistemul are soluţii sau nu,
folosind:
Teorema 2.4.1 (Kronecker–Capelli). Sistemul (2.5) este compatibil dacă şi numai dacă rangul
matricii sistemului este egal cu rangul matricii prelungite:
rang(A) = rang(A)
Consecintă. Dacă rangul matricii sistemului este diferit de rangul matricii prelungite, atunci
sistemul este incompatibil.
Exemplul 7. Să se studieze natura sistemului folosind teorema Kronecker–Capelli şi ı̂n caz de
compatibilitate să se detrmine mulţimea soluţiilor:
 
  x  
−1 2 3 −2   3
 4 0 −5 y  
2   z  = −1

3 2 −2 0 4
t
Matricea sistemului şi respectiv matricea prelungită este:

   
−1 2 3 −2 −1 2 3 −2 3
A =  4 0 −5 2  , A =  4 0 −5 2 −1 
3 2 −2 0 3 2 −2 0 4
Determinatul de ordin maxim ce se poate constitui din elementele de intersecţie a k linii

şi k coloane ale matricii A este k = min(3, 4) = 3. Şi anume putem construi 4 determinanţi
de ordinul 3, având elemente din liniile 1, 2, 3 ale matricii A şi respectiv coloanele (1, 2, 3),
(1, 2, 4), (1, 3, 4), (2, 3, 4): Dacă ı̂i calculăm efectiv obţinem că toţi cei 4 determinanţi sunt
egali cu zero. Deci rangul matricii A nu este 3. Să căutăm un determinat de ordin mai mic
nenul. Observăm că acest determinant de ordinul 2 este nenul:

−1 2
4 0 = −4 6= 0

şi deci rangul(A) = 2.

Să calculăm rangul matricii prelungite. Rangul ar putea fi 3, dacă unul din determinanţii
ce conţin elemente din liniile 1, 2, 3 ale lui A şi respectiv coloanele (1, 2, 5), (1, 3, 5), (1, 4, 5),
(2, 3, 5), (2, 4, 5), (3, 4, 5) este nenul (ceilaţi determinanţi de ordin 3 ce conţin coloane doar din
A ştim că sunt nuli).

−1 2 3

∆ = 4 0 −1 = −6 + 24 − 32 − 2 = −16
3 2 4
2.4. Studiul compatibilităţii sistemelor de de m ecuaţii cu n necunoscute 9
Prin urmare rangul matricii A este egal cu 3. Deoarece rang(A) 6=rang(A), rezultă că sistemul
este incompatibil.
Exemplul 8. Sistemul     
−1 2 3 x 4
 4 0 −5   y  =  −5 
3 2 −2 z −1
are det(A)=0. Deoarece
−1 2
∆2 = = −8 6= 0
4 0
rangul matricii A este 2.
Matricea prelungită  
−1 2 3 4
A =  4 0 −5 −5 
3 2 −2 −1
are toţi determinaţii de ordin 3 egali cu zero (calculaţi!!), dar are şi ea rangul 2. Rangul lui A
fiind egal cu rangul lui A sistemul este compatibil (dar nu determinat, pt ca matricea sistemului
are determinantul egal cu zero), ci nedeterminat.
Pentru a găsi mulţimea soluţiilor sale, fixăm un determinant nenul ce are ordinul egal cu
rangul lui A, numit determinat principal. De exemplu determinantul ∆2 . Identificăm care
sunt liniile şi coloanele lui A din ale căror coeficienţi se constituie determinantul principal, ∆2 .
Observăm că coloanele 1, 2, 3 din matricea A conţin coeficientii necunoscutelor x, y, z din
sistem. Pentru că determinantul ∆2 conţine doar elemente din coloanele 1 şi 2, corespunzătoare
lui x şi y, x şi y le numim necunoscute principale, iar z = α, necunoscută secundară.
 
−1 2 3
A =  4 0 −5 
3 2 −2
Dintre ecuaţiile sistemului folosim pentru a determina mulţimea soluţiilor, doar pe cele ai căror
coeficienţi intră ı̂n determinantul principal ∆2 . Astfel rezolvăm ecuaţiile 1 şi 2, ı̂n raport cu
necunoscutele principale x, y, ı̂n funcţie de necunoscuta secundară z = α:

−x + 2y + 3α = 4 −x + 2y = 4 − 3α
4x − 5α = −5 4x = −5 + 5α
Rezolvând ultimul sistem, obţinem că mulţimea soluţiilor sistemului este:
5α − 5 11 − 7α
(x = ,y = , z = α), α ∈ R
4 8
Deci pentru fiecare număr real α obţinem altă soluţie. Cum exista o infinitate de numere
reale, avem o infinitate de soluţii.
Curs 3
Rezolvarea sistemelor de ecuaţii liniare şi omogene. Forma

scară a unei matrici
1
In acest curs vom urmari următoarele obiective:
• rezolvarea unui sistem omogen
• rezolvarea unui sistem in forma triunghiulară
• metoda lui Gauss de rezolvare a unui sistem liniar
• introducerea formei scară a unei matrici
3.1 Analiza şi rezolvarea sistemelor de ecuaţii omogene

Un sistem omogen de ecuaţii liniare:
a11 x1 + a12 x2 + · · · a1n xn = 0

a21 x1 + a22 x2 + · · · a2n xn = 0
.. , aij ∈ R (3.1)
.
am1 x1 + am2 x2 + · · · amn xn = 0
admite ı̂ntotdeauna soluţia banală x1 = x2 = · · · = xn = 0. Prin urmare când analizăm
mulţimea soluţiilor unui astfel de sistem, trebuie să decidem dacă sistemul admite doar soluţia
banală sau şi soluţii nebanale.
• În cazul ı̂n care numărul de ecuaţii este egal cu numărul de necunoscute şi determinantul
matricii sistemului este diferit de zero, atunci sistemul având o soluţie unică, rezultă că el admite
doar soluţia banală.
Exemplul 1. Să se determine mulţimea soluţiilor sistemului:
x + 6y = 0
−3x + y = 0
1
1

1 6
−3 1 = 1 + 18 = 19 6= 0

Determinantul fiind diferit de zero, sistemul are o unică soluţie, care este soluţia banală. Ob-
servăm câ ı̂n acest caz nu e necesar să aplicăm regula lui Cramer, pentru că ştim deja că sistemul
fiind omogen admite soluţia banală, şi admiţând o soluţie unică, aceasta este x = y = 0.
Dacă am aplica totuşi regula lui Cramer, am obţine acelaşi rezultat, dar am efectua calcule
inutile:
0 6 1 0

0 1 −3 0
x = = 0, y =
1 6 =0

1 6

−3 1 −3 1
Exemplul 2. Să se determine mulţimea soluţiilor sistemului:
2x − y + 3z = 0
−x + 4y − z = 0
Matricea sistemului A respectiv matricea prelungită A este:

2 −1 3 2 −1 3 0
A= , A=
−1 4 −1 −1 4 −1 0
Pentru orice sistem omogen rangul matricii A coincide cu rangul matricii prelungite, deoarece
coloana ce se adaugă matricii A este formată din zerouri. De aceea ı̂n problemele pe care le
rezolvaţi ı̂n continuare nu mai ataşaţi şi matricea prelungită, pentru că
este inutil.

2 −1
Rangul matricii A este 2 şi un determinant principal este ∆ = = 8−1 = 7
−1 4
Astfel necunoscutele principale sunt x, y, iar z = α este necunoscută secundară. Rezolvăm
astfel primele două ecuaţii ı̂n raport cu necunoscutele principale, x, y, ı̂n funcţie de necunoscuta
secundară, α:
2x − y = −3α
−x + 4y = α
Rezolvând obţinem mulţimea soluţiilor:
α 11α
(x = − , y = − , z = α) | α ∈ R
7 7
Pentru fiecare valoare particulară a lui α obţinem o altă soluţie. Dacă α = 0 obţinem soluţia
banală x = y = z = 0.
3.2. Rezolvarea unui sistem de formă triunghiulară 3
3.2 Rezolvarea unui sistem de formă triunghiulară

Metodele de studiu a compatibilităţii/incompatibilitătii unui sistem de m ecuaţii algebrice cu n
necunoscute:
a11 x1 + a12 x2 + · · · a1n xn = b1

a21 x1 + a22 x2 + · · · a2n xn = b2
.. , aij ∈ R, b1 , b2 , . . . , bm ∈ R, (3.2)
.
am1 x1 + am2 x2 + · · · amn xn = bm
se pretează doar pentru m şi n cel mult egale cu 4. Cum ı̂n problemele economice/inginereşti
apar sisteme de multe ecuaţii şi necunoscute prezentăm o modalitate mai simplă atât pentru
rezolvarea manuală cât şi prin metode numerice implementate ı̂n pachete software.
Ideea de bază ı̂n metoda ce o prezentăm se bazează pe observaţia că cel mai simplu se
rezolvă un sistem de n ecuaţii liniare cu n necunoscute de formă superior triunghiulară, adică
de forma:
a11 x1 + a12 x12 + · · · + a1n xn = b1
a22 x22 + · · · + a2n xn = b2
.. .. (3.3)
. .
ann xn = bn ,
unde coeficienţii a11 , a22 , . . . , ann 6= 0. Matricea unui astfel de sistem se numeşte matrice
superior triunghiulară:
 
a11 a12 . . . a1n
 0 a22 . . . a2n 
A =  .. (3.4)
 
.. .. 
 . . ... . 
0 0 . . . ann
Un sistem triunghiular este compatibil determinat, deoarece determinantul det(A) = a11 a22 · · · ann 6=
0 şi se rezolvă prin metoda substituţiei inverse, adică se rezolvă succesiv ecuaţiile n, n −
1, . . . , 2, 1. Din ultima ecuaţie se calculează xn = bn /ann , care se introduce ı̂n ecuaţia n − 1, ce
se rezolvă apoi ı̂n raport cu xn−1 , şi aşa mai departe, până ajungem la rezolvarea ecuaţiei 1.
Exemplul 3. Sistemul:
2x − 3y + z = −1
y − 5z = 2
z = −2
Are matricea:
 
2 −3 1
A= 0 1 −5 
0 0 1
Toate elementele de pe diagonala principală sunt diferite de zero, deci este sistem superior
triunghiular. Rezolvăm pornind de la ultima ecuaţie, spre prima: z = −2, se ı̂nlocuieşte ı̂n
ecuaţia a doua şi avem: y = 5(−2) + 2 = −8. Înlocuind acum pe z şi y aflaţi, ı̂n prima ecuaţie
ı̂l determinăm pe x:
2x = 3(−8) − (−2) − 1 = −24 + 2 − 1 = −23, ⇒ x = −23/2
Avem deci următorul

Algoritm de rezolvare a unui sistem ı̂n forma triunghiulară
• se calculează xn = bn /ann ;
• pentru i descrescând de la n − 1 la 1, calculează:
1
xi = (bi − ai,i+1 xi+1 − ai,i+2 xi+2 − · · · − ain xn )
aii
3.3 Sisteme de ecuaţii echivalente. Transformarea unui sistem ı̂ntr-unul

echivalent cu el
În sistemul general:
a11 x1 + a12 x2 + · · · a1n xn = b1
a21 x1 + a22 x2 + · · · a2n xn = b2
..
.
am1 x1 + am2 x2 + · · · amn xn = bm
notăm cu Eci a i-a ecuaţie din cele m:
Eci : ai1 x1 + ai2 x2 + · · · + ain xn = bi
Definiţia 3.3.1 Două sisteme de m ecuaţii liniare cu n necunoscute se numesc echivalente dacă
au aceeaşi mulţime a soluţiilor (adică fie sunt ambele incompatibile, fie ambele sunt compatibile
şi au exact aceleaşi soluţii).
Să evidenţiem ı̂n continuare ce transformări pot fi aplicate ecuaţiilor sistemului (3.5), care
să conducă la un sistem echivalent cu sistemul iniţial. Pentru aceasta notăm cu Eci ecuaţia a i-a
din sistem, i.e.:
Suma a două ecuaţii distincte Eci , Ecj revine la a aduna membru cu membru (adică membrul
stâng al uneia la membrul stâng al celei de-a doua şi la fel pentru membrii drepţi). Produsul cu
un număr (real sau complex) nenul al ecuaţiei Eci , αEci , revine la a ı̂nmulţi fiecare membru al
ecuaţiei cu α 6= 0.
Următoarele trei transformări aplicate asupra unui sistem de m ecuaţii liniare cu n necunos-
cute simbolizat prin ecuaţiile sale: 

 Ec1
 Ec2

S= ..


 .
 Ec
m
3.3. Sisteme de ecuaţii echivalente. Transformarea unui sistem ı̂ntr-unul echivalent cu el 5
conduc la un sistem S ′ echivalent cu acesta:

1. Schimbarea ecuaţiilor i şi j ı̂ntre ele, Eci ↔ Ej :
 
 Ec1  Ec1
. ..
 
..
 
.

 


 

Ec  Ecj

 

 i
 
S= .
.. ⇔S = ′ ..
  .


 Ecj 

 Eci
. ..
 
..
 
.

 


 

Ecm Ecm
 
2. Produsul unei ecuaţii cu un număr nenul, α 6= 0, αEci → Eci :

 
 Ec 1  Ec1
 .  .
 ..  ..

 

 
S= Eci ⇔ S′ = αEci
 .  .
 ..  ..

 


 

Ecm Ecm
3. Adunarea la ecuaţia j a ecuaţiei i ı̂nmulţită cu un număr nenul, αEci + Ecj → Ecj :

 
 Ec 1  Ec1
. ..
 
.
 
. .

 


 

 Eci  Eci

 

 
S= .
.. ⇔S = ′ ..
  .


 Ecj 

 Ecj + αEci
.  ...
 
.
 
 .




 
Ecm Ecm
 
Aplicând succesiv astfel de transformări ale ecuaţiilor unui sistem de m ecuaţii cu n ne-
cunoscute obţinem un nou sistem care are aceeaşi mulţime a soluţiilor, dar forma matricii sis-
temului este mai simplă (conţine multe zerouri). Ca exemplu aplicâm o succesiune de schimbări
a ecuaţiilor unui sistem liniar de trei ecuaţii cu trei necunoscute, compatibil determinat, care să
transforme matricea sistemului ı̂n forma triunghiulară, şi anume, sistemul:
3x − y + z = 0
−2x + y + 3z = −7
x + 2y − 2z = 7
Ideea de bază constă ı̂n a alege transformări adecvate care să conducă la un sistem cu matrice
triunghiulară, adică un sistem ı̂n care ecuaţia 2 are coeficientul lui x egal cu zero, iar ı̂n ecuaţia
3, coeficientul lui x şi y este zero:
• Schimbăm ecuaţiile 1 şi 3 ı̂ntre ele, Ec1 ↔ Ec3 :
x + 2y − 2z = 7
−2x + y + 3z = −7
3x − y + z = 0
• Înmulţim ecuaţia 1 cu 2 şi o adunăm la a doua, 2Ec1 + Ec2 → Ec2 :
x + 2y − 2z = 7
5y − z = 7
3x − y + z = 0
• Înmulţim ecuaţia 1 cu -3 şi o adunăm la a treia, −3Ec1 + Ec3 → Ec3 :
x + 2y − 2z = 7
5y − z = 7
−7y + 7z = −21
• Înmulţim ecuaţia 3 cu 1/7, Ec3 /7 → Ec3 :
x + 2y − 2z = 7
5y − z = 7
−y + z = −3
• Schimbăm ı̂nte ele ecuaţiile 2 şi 3, Ec2 ↔ Ec3 :
x + 2y − 2z = 7
−y + z = −3
5y − z = 7
• Înmulţim ecuaţia 2 cu 5 şi o adunăm la 3, −5Ec2 + Ec3 → Ec3 :
x + 2y − 2z = 7
−y + z = −3
4z = −8
Deci sistemul a fost adus la forma triunghiulară (elementele de pe diagonala principală sunt
nenule!). Pentru a obţine soluţia sistemului, rezolvăm ecuaţia a treia, şi obţinem: z = −2, apoi
−y = 2 − 3 = −1, deci y = 1, şi ı̂n final x + 2 + 4 = 7, conduce la x = 1. Deci unica soluţie
este (x, y, z) = (1, 1, −2).
Această metodă de reducere a sistemului la forma triunghiulară se numeşte metoda eliminării
a lui Gauss.
Prezentăm ı̂n continuare o modalitate de a transforma un sistem de m ecuaţii liniare, cu n
necunoscute, de forma:
a11 x1 + a12 x2 + · · · a1n xn = b1

a21 x1 + a22 x2 + · · · a2n xn = b2
.. , aij ∈ R (3.5)
.
am1 x1 + am2 x2 + · · · amn xn = bm
ı̂ntr-un sistem mai simplu, care are aceeaşi mulţime a soluţiilor ca sistemul iniţial, dar datorită
simplităţii putem să decidem mai rapid dacă este compatibil sau nu şi dacă da să determinăm
mulţimea soluţiilor.
Sistemului (3.5) i se asociază matricea A:
 
a11 a12 . . . a1n
 a21 a22 . . . a2n 
A =  ..
 
.. .. 
 . . ... . 
am1 am2 . . . amn
şi matricea prelungită, A, obţinută prin bordarea matricii A cu coloana termenilor liberi:
 
a11 a12 . . . a1n b1
 a21 a22 . . . a2n b2 
A =  ..
 
.. .. .. 
 . . ... . . 
Cele trei transformări elementare aplicate ecuaţiilor arbitrare din sistem:

Ecj : aj1 x1 + aj2 x2 + · · · + ajn xn = bj
practic acţionează identic asupra liniilor i şi j din matricea prelungită a sistemului, A = [A|b].
Notăm cu Li o linie a acestei matrici, i = 1, m. Astfel avem următoarele transformări ele-
mentare pe linie asupra matricii prelungite A şi implicit asupra matricii A, care nu afectează
mulţimea soluţiilor sistemului căruia i s-au asociat aceste matrici:
1: Schimbarea a două linii ı̂ntre ele Li ↔ Lj ;
2. Înmulţirea unie linii Li cu un număr real nenul, α ;
3. Adunarea unei linii ı̂nmulţită cu un număr nenul la altă linie: αLi + Lj → Lj .
Aceste trei tipuri de transformări ale liniilor unei matrici se numesc transformări ele-
mentare pe linii.
Asupra matricii A se aplicâ un şir de transformări elementare pe linie, care transformă ma-
tricea A ı̂n forma scară, adică o formă ı̂n care ”putem marca” o scară ı̂n matrice şi sub scară
toate elementele sunt 0, iar deasupra ei elementele pot fi nule sau nenule. Matricea obţinută are
acelaşi rang ca şi matricea A, dar rangul se deduce imediat din forma scară.
Definiţia 3.3.2 O matrice S ∈ Mmn (R) are forma scară pe linii dacă verifică următoarele
două proprietăţi:
1. Dacă o linie i din matricea S are toate elementele 0, atunci şi liniile de sub ea, i+1 . . . , m
au toate elementele zero.
2. Dacă primul element nenul dintr-o linie i a lui S este sij , atunci ı̂n coloanele 1, 2, . . . , j
toate elementele din liniile i + 1, i + 2, . . . , m sunt zero.
Matricea următoare ilustrează particularităţile din definiţie. Elementele notate prin ⋆ sim-
bolizează elemente nenule. Elementele ∗ pot fi nule sau nenule.
 
⋆ ∗ ∗ ∗ ∗ ∗ ∗ ∗
 0 0 ⋆ ∗ ∗ ∗ ∗ ∗ 
 
S=  0 0 0 ⋆ ∗ ∗ ∗ ∗  ←i
 (3.6)
 0 0 0 0 0 0 ⋆ ∗ 
0 0 0 0 0 0 0 0
Zerourile colorate ı̂n albastru ilustrează proprietatea a doua din definiţie, adică deoarece primul
element nenul din linia 2 este s23 := ⋆, toate elementele de intersecţie dintre coloanele 1,2,3 şi
liniile 3, 4, 5 sunt 0.
Un caz particular de matrice ı̂n forma scară pe linie este matricea pătratică superior triunghi-
ulară. Următoarele matrici au forma scară pe linii:
 
7 −3 1 −6  
 0 −2 5 0 3
2 −8 −1   0 4 −7
  1 
S1 =  0
 0 −3 5  S 2 = 
 0 0

 0
 2 −8 
0 0 −4 
0 0 0 0
0 0 0 0
 
−6 2 5 0 1
 0 1 −3 −1 2 
S3 = 
 0

0 0 1 −5 
0 0 0 0 −3
Definiţia 3.3.3 Primul element nenul de pe fiecare linie a unei matrici ı̂n forma scară se numeşte
pivot (ı̂n 3.6 pivotul este notat ⋆).
Numărul de pivoţi din forma scară, SA , a unei matrici A este egal cu rangul matricii
A.
Definiţia 3.3.4 Două matrici A, A′ , de acelaşi tip m × n, se numesc matrici echivalente pe

linie, dacă A′ s-a obţinut din A printr-un şir de transformări elementare pe linie.
Două matrici echivalente pe linie au acelaşi rang. În particular o matrice A şi forma sa
scară SA au acelaşi rang şi rangul este egal cu numărul de pivoţi din forma scară.
Deci:
Transformările elementare pe linie nu modifică rangul matricii sistemului, nici rangul
matricii prelungite.
În concluzie, având un sistem de m ecuaţii cu n necunoscute, Ax = b, pentru a vedea dacă
este compatibil sau nu şi dacă da să determinăm mulţimea soluţiilor procedăm astfel:
• Asociem sistemului Ax = b matricea prelungită:
 
a11 a12 . . . a1n b1
 a21 a22 . . . a2n b2 
A =  ..
 
.. .. .. 
 . . ... . . 

• Prin transformări elementare pe linie se aduce matricea A, deci şi A, la forma scară:

t1

t2 

 SA
SA = 

. 
..  (3.7)

t
m
• Astfel sistemul iniţial Ax = b este echivalent (are aceeaşi mulţime a soluţiilor) cu sistemul
SA x = t, unde t notează ultima coloană din matricea SA .
• Dacă numărul de pivoţi din SA este egal cu numărul de pivoţi din SA , atunci rang(A)=rang(A)
şi conform teoremei Kronecker–Capelli, sistemul Ax = b este compatibil, iar dacă numărul de
pivoţi ı̂n cele două matrici nu este acelaşi atunci sistemul este incompatibil.
• Dacă sistemul este compatibil, ı̂n loc sa-l rezolvăm pe acesta, rezolvăm sistemul mai
simplu SA x = t, alegând drept determinat principal, determinnatul ce conţine elementele de
intersecţie ale liniilor şi coloanelor pivoţilor.
Exemplul 4. Fie sistemul de 4 ecuaţii cu 5 necunoscute, dat ı̂n forma matricială:

 
  x1 
1 2 1 3 3  5
 2 x2 
4 0 4 4     6 

 1
 x3 = 
2 3 5 5    9 
 x4 
2 4 0 4 7 9
x5
Matricea sa prelungită este:

 
1 2 1 3 3
5
 2 4 0 4 4 6 
A=
 1

2 3 5 5
9 
2 4 0 4 7 9
Elementul A11 = 1 6= 0, deci ı̂l alegem ca pivot pentru linia 1 şi apoi prin transformări ele-
mentare pe linie formăm zerouri sub pivot. Aplicând succesiv transformările −2L1 + L2 → L2 ,
−L1 + L3 → L3 şi −2L1 + L4 → L4 obţinem:
 
1 2 1 3 3 5
 0 0 −2 −2 −2 −4 
 
 0 0 2 2 2 4 
0 0 −2 −2 1 −1
Să alegem pivotul pentru linia 2 (primul element nenul de pe linia 2 din viitoarea formă scară).
Observăm că ı̂n poziţia (2, 2) avem 0. Nici liniile i de sub linia 2 nu au ı̂n poziţia (i, 2) element
nenul, ca să efectuăm o schimbare de linii L2 ↔ Li . Prin urmare alegem pivotul ca fiind din
poziţia (2, 3). Efectuăm apoi transformările elementare L2 + L3 → L3 , −1L2 + L4 → L4
pentru a anula toţi coeficienţii de sub elementul din poziţia (2, 3), adică coeficienţii din poziţiile
(i, 3), i > 2:
   
1 2 1 3 3 5 1 2 1 3 3 5
 0 0 −2 −2 −2 −4   0 0 −2 −2 −2 −4 
 ∼ 
 0 0 2 2 2 4   0 0 0 0 0 0 
0 0 −2 −2 1 3 0 0 0 0 3 3
Deoarece linia 3 conţine doar elemente nule, schimbând linia 3 cu linia 4 obţinem o matrice
care este deja ı̂n forma scară:
 
1 2 1 3 3 5
 0 0 −2 −2 −2 −4 
 
 0 0 0 0 3 3 
0 0 0 0 0 0
Observaţia 3.3.1 Observăm că ı̂n urma şirului de transformări am obţinut simultan forma
scară a matricii A a sistemului şi a matricii prelungite.
Şirul de transformări elementare pe linii a transformat sistemul iniţial, de matrice A, şi
termeni liberi b1 = 5, b2 = 6, b3 = 9, b4 = 9 ı̂ntr-un sistem echivalent (adică sistem ce are
aceleaşi soluţii ca sistemul Ax = b): şi sistemul echivalent SA x = t (termenii liberi sunt
elementele de pe ultima coloană a matricii SA , t1 = 5, t2 = −2, t3 = 1), care ı̂n forma matricială
este:  
  x1  
1 2 1 3 3  5
 0 0 −2 −2 −2   x2   −4 

   x3  =  
 0 0 0 0 3    3 
 x4 
0 0 0 0 0 0
x5
sau efectuând ı̂nmulţirile:
x1 + 2x2 + x3 + 3x4 + 3x5 = 5

−x3 − x4 − x5 = −2
x5 = 1
În loc să analizăm compatibilitatea sistemului ”complicat” Ax = b, analizăm acum compat-
ibilitatea sistemului echivalent SA x = t, unde
 
5
t =  −2 
1
Matricea:
 
1 2 1 3 3
 0 0 −2 −2 −2 
SA =   0 0

0 0 3 
0 0 0 0 0
are 3 pivoţi, deci rangul matricii SA şi al lui A este 3. Matricea:
 
1 2 1 3 3 5
 0 0 −2 −2 −2 −4 
SA =   0 0

0 0 3 3 
0 0 0 0 0 0
are tot 3 pivoţi, deci rangul ei şi al matricii A este 3. Conform teoremei Kronecker–Capelli,
sistemele echivalente Ax = b şi SA x = t sunt compatibile şi au aceeaşi multime a soluţiilor. În
loc să rezolvăm sistemul iniţial Ax = b rezolvăm sistemul mai simplu SA x = t.
Deoarece pivoţii ı̂n SA sunt plasaţi ı̂n liniile 1, 2, 3 şi respectiv coloanele 1, 3, 5 alegem
determinatul principal ce conţine elementele de intersecţie a liniilor 1, 2, 3 cu coloanele 1, 3, 5:

1 1 3

∆ = 0 −2 −2 = 1 · (−2) · 3 = −6 6= 0

0 0 3
Cu această alegere a determinantului principal, x1 , x3 , x5 sunt necunoscute principale, iar
α := x2 , β = x4 sunt necunoscute secundare.
Rezolvând sistemul:
x1 + 2α + x3 + 3β + 3x5 = 5
−x3 − β − x5 = −2
x5 = 1
ı̂n raport cu necunoscutele principale avem: x5 = 1, x3 = 2 − β − 1 = 1 − β, x1 = 5 − 2α −
(1 − β) − 3β − 3 = 1 − 2α − 2β. Deci mulţimea soluţiilor este:
{(x1 , x2 , x3 , x4 , x5 ) = (1 − 2α − 2β, α, 1 − β, β, 1), α, β ∈ R}
Exemplul 5. Să se studieze compatibilitatea/incompatibilitatea sistemului Ax = b ce are ma-

tricea prelungită A = [A|b]:
 
−2 4 2 −1 −11
A =  1 −2 0 1 3 
4 −8 6 7 −5
Deci termenii liberi ai sistemului sunt b1 = −11, b2 = 3, b3 = −5.

Pentru a efectua calcule mai simple efectuăm transformarea L1 ↔ L2 şi obţinem matricea
echivalentă (adică de acelasi rang ca şi A:
 
1 −2 0 1 3
 −2 4 2 −1 −11 
4 −8 6 7 −5
Efectuând apoi transformările: 2L1 + L2 → L2 , −4L1 + L3 → L3 ajungem la:

 
1 −2 0 1 3
 0 0 2 1 −5 
0 0 6 3 −17
În sfârşit, efectuând asupra acestei matrici transformarea −3L2 + L3 → L3 obţinem forma
scară a matricii prelungite şi evident şi a matricii A:
 
1 −2 0 1 3
AA =  0 0 2 1 −5 
0 0 0 0 −2
Astfel sistemul iniţial este echivalent cu sistemul SA x = t, unde:
   
1 −2 0 1 3
SA =  0 0 2 1  , t =  −5 
0 0 0 0 −2
Matricea SA are 2 pivoţi s11 = 1, s23 = 2, ı̂n timp ce matricea SA are 3 pivoţi: s11 = 1, s23 =
2, s35 = −2. Astfel SA şi SA au ranguri diferite, deci sistemul SA x = u este incompatibil şi la
fel sistemul iniţial Ax = b.
Observaţia 3.3.2 Datorită flexibilităţii ı̂n alegerea transformărilor elementare pe linie ı̂n re-
ducerea unei matrici A la forma scară, S, elementele matricii S nu sunt unic determinate de
A. Se poate demonstra ı̂nsă că numărul şi poziţia pivoţilor ı̂n S sunt unic determinate de ele-
mentele matricii A. Cu alte cuvinte, atunci când două persoane diferite efectuează transformări
elementare distincte asupra matricii A pentru a obţine formele scară S1 , S2 , cele două forme
scară au acelaşi număr de pivoţi şi aceştia sunt situaţi ı̂n aceeaşi poziţie (i, j).
Curs 4
Forma scară Jordan a unei matrici
1
• metoda Gauss-Jordan de rezolvare unui sistem liniar
• introducerea formei scară redusă a unei matrici
• determinarea matricii inverse folosind forme scară redusă
4.1 Metoda Gauss–Jordan

Metoda transformărilor elementare pe linie, numită şi metoda eliminării a lui Gauss, poate fi
rafinată, prin metoda Gauss-Jordan. Şi anume, metoda Gauss-Jordan are ı̂n plus două caracter-
istici:
1. În fiecare etapă, elementul pivot este forţat să devină 1. Mai precis dacă s-a fixat pivotul
pe linia i ca fiind aij 6= 0, atunci transformarea Li /aij → Li conduce la pivot 1.
2. Pe lângă zerouri sub pivot, se creează, prin transformări elementare pe linie, zerouri şi
deasupra pivotului, ı̂n coloana acestuia.
O matrice scară obţinută prin metoda Gauss-Jordan din matricea A se numeşte matrice ı̂n
forma scară redusă şi se notează SA0 .
Exemplul 1. Matrici scară ı̂n forma redusă:

 
  1 −2 0 0  
1 0 −2  0 1 0 0 −6 5
 0 1 0 1 0 
5    0
  0 1 0 −1 2 
0 0 1 
0 0 0 0 0 1 3 −4
0 0 0 0
Observaţia 4.1.1 Se poate demonstra că forma scară redusă a unei matrici este unică, adică
indiferent de transformările elementare pe linie aplicate obţinem aceeaşi matrice redusă.
1
1
2 Cursul 4, Algebră liniară, 2020/2021
Să ilustrăm câteva avantaje ale reducerii matricii unui sistem de ecuaţii liniare la forma scară
redusă. Aplicand metoda Gauss–Jordan de reducere a unui sistem liniar şi neomogen de n
ecuaţii cu n necunoscute, compatibil determinat:
    
a11 a12 . . . a1n x1 b1
 a21 a22 . . . a2n   x2   b2 
..   ..  =  ..  ⇔ Ax = b,
    
 .. ..
 . . ... .  .   . 
an1 an2 . . . ann xn bn
obţinem la sfârşitul procedurii, aplicată matricii prelungite a sistemului:

 
a11 a12 . . . a1n b1
 a21 a22 . . . a2n b2 
A =  .. .. ..  ,
 
..
 . . . . . . . 
an1 an2 . . . ann bn
matricea echivalentă cu ea:

 
1 0 · · · 0 s1
 0 1 · · · 0 s2 
SA0 ′
= [A |s] =  .. ..  = [In |s] (4.1)
 
.. ..
 . . · · · . . 
0 0 · · · 1 sn
Motivul pentru care forma scară redusă a matricii prelungite arată astfel este că rangul matricii
A este n (sistemul fiind compatibil determinat) şi deci forma scară redusă are n pivoţi, adică n
de 1 pe diagonala principală şi 0 deasupra şi dedesubtul pivoţilor.
Sistemul iniţial, Ax = b, este echivalent cu sistemul definit de matricea SA0 (au aceleaşi
soluţii). Şi anume, sistemul echivalent este sistemul de matrice In şi coloana termenilor liberi
de elemente s1 , s2 , . . . , sn :
   
x1 s1
 x2   s2 
In  ..  =  .. 
   
 .   . 
xn sn
Deci soluţia acestui sistem (precum şi a celui iniţial) este:
x1 = s1
x2 = s2
.. (4.2)
.
xn = sn ,
Cu alte cuvinte soluţia sistemului este ı̂nregistrată ı̂n ultima coloană a matricii scară redusă, SA0 .
Observăm că ı̂n deducerea soluţiei din forma scară redusă am pornit de la ipoteza că sistemul
este compatibil determinat. În realitate ı̂nsă nu ştim la ı̂nceputul procedurii de reducere la
Cursul 4, Algebră liniară, 3
forma scară redusă dacă un sistem de n ecuaţii cu n necunoscute (cu n foarte mare) este sau nu
compatibil determinat. Reducând ı̂nsă matricea prelungită la forma scară redusă, după ultima
etapă deducem din analiza matricii reduse dacă sistemul este compatibil sau nu şi dacă da citim
soluţia ca mai sus. Şi anume:
• Dacă ı̂n forma scară redusă SA0 = [A′ |s], matricea A′ este matricea unitate, In , adică
numărul pivoţilor din A′ este egal cu n, atunci rezultă că rangul matricii A este n, şi deci
sistemul Ax = b este compatibil determinat şi soluţia sistemului se poate citi pe ultima
coloană a formei scară redusă SA0 .;
• Dacă numărul pivoţilor ı̂n submatricea formată din primele n coloane ale matricii reduse
este mai mic decât n, adică A′ 6= In , sistemul poate fi incompatibil sau compatibil nede-
terminat, ı̂n funcţie de relaţia dintre rangul acestei matrici şi al matricii prelungite.
Exemplul 2. Considerăm sistemul neomogen de 5 ecuaţii cu 5 necunoscute, având matricea

prelungită:
 
2 −1 0 5 8 0
 −5 3 3 1 −1 2 
 
A=   0 −4 1 −3 3 −4 

 1 2 −2 0 2 5 
3 6 7 2 0 1
Forma sa scară redusă calculată folosind un program de calcul al ei este:
 
1 0 0 0 0 −0.2332
 0 1 0 0 0 1.3578 
 
 0 0 1 0 0 −0.8287 
 
 0 0 0 1 0 −0.3233 

0 0 0 0 1 0.4301
Având 5 pivoţi plasaţi ı̂n submatricea formată din primele 5 coloane, rezultă că matricea sis-
temului are are rangul 5, deci determinantul matricii sistemului este nenul şi sistemul este com-
patibil determinat, iar soluţia lui este dată de ultima coloană:
(x1 = −0.2332, x2 = 1.3578, x3 = −0.8287, x4 = −0.3233, x5 = 0.4301)
Exemplul 3. Sistemul neomogen de 5 ecuaţii cu 5 necunoscute având matricea prelungită:

 
5 8 19 2 −1 1
 1 −1 20 −5 3 −7 
 
A=  −3 3 −15 0 −4 0 

 0 2 −3 1 2 4 
2 0 1 3 6 −3
are forma scară redusă:  

1 0 0 1.6667 0 0

 0 1 0 0 0




 0 0 1 −0.3333 0 0 

 0 0 0 0 1 0 
0 0 0 0 0 1
Observăm că numărul de pivoţi ı̂n submatricea formată din primele 5 coloane este 4, deci
rangul matricii sistemului este 4 iar rangul matricii prelungite este egal cu numărul de pivoti din
forma scară redusă a cesteia, adică 5. Deci sistemul este incompatibil.
Un sistem de 5 ecuatii cu 5 necunoscute a cărui matrice prelungită are forma scară redusă:
 
1 0 0 2 0 1
 0 1 0 11 0 −7 
0
 
SA =  0 0 1 −3 0 3 

 0 0 0 0 1 −4 

0 0 0 0 0 0
este compatibil nederminat deoarece rangul matricii sistemului coincide cu rangul matricii pre-
lungite, dar acest rang nu este maxim, adică 5.
Pentru a obţine mulţimea soluţiilor sistemului SA0 x = t, remarcăm că pivoţii matricii A
sunt plasaţi ı̂n coloanele 1, 2, 3, 5. Astfel alegem pe x1 , x2 , x3 , x5 drept necunoscute principale,
iar x4 = α ca necunoscută secundară şi rezolvăm primele 4 ecuaţii ı̂n raport cu necunoscutele
principale şi ı̂n funcţie de necunoscuta secundară α:
x1 + 2α = 1
x2 + 11α = −5
x3 − 3α = 3
x5 = −4
şi obţinem mulţimea soluţiilor: (x1 = −2α, x2 = −5 − 11α, x3 = 3 + 3α, x5 = −4), α ∈ R.

Particularitatea formei scară reduse a unei matrici pătratice nesingulare se foloseşte şi pentru
a verifica dacă o matrice pătratică este inversabilă şi dacă da se află imediat inversa ei. şi anume
unei matrici A = (aij ) i se asociază matricea extinsă, Ae = [A|In ]:
 
a11 a12 . . . a1n 1 0 . . . 0
 a21 a22 . . . a2n 0 1 . . . 0 
Ae =  ..
 
.. .. .. .. .. 
 . . ... . . . ... . 
an1 an2 . . . ann 0 0 . . . 1
adică se bordează matricea unitate la matricea A.

• se reduce matricea extinsă la forma scară redusă şi se obţine: SA0 e = [SA0 |M];
Cursul 4, Algebră liniară, 5
⋆ Dacă SA0 = In adica forma scară redusă este de forma:

 
1 0 . . . 0 a′11 a′12 . . . a′1n
 0 1 . . . 0 a′ a′ . . . a′ 
 21 22 2n 
 .. .. .. .. .. .
. . . . ..

 . . ... . . 
′
0 0 . . . 1 an1 a′n2 . . . a′nn
atunci matricea A este inversabilă (pentru ca forma sa scară redusă are n pivoţi) şi inversa
ei este:
 
a′11 a′12 . . . a′1n
 a′ a′ . . . a′ 
 21 22 2n 
 .. .. . 
 . . . . . .. 
a′n1 a′n2 . . . a′nn
0
Dacă numărul pivoţilor din SA este mai mic decât n (adică rangul matricii A este mai
mic decât n) atunci matricea A este singulară şi nu admite inversă.
De exemplu pentru matricea extinsă asociată unei matrici A ∈ R4×4 :
 
2 −3 7 3 1 0 0 0
 3 5 1 −5 0 1 0 0 
Ae =   −4

2 −10 −2 0 0 1 0 
5 −1 11 1 0 0 0 1
forma scară redusă calculată numeric (folosind un program ce implementează algoritmul de

calcul al formei scară) este:
 
1 0 2 0 0 0 0.1667 0.3333
 0 1 −1 −1 0 0 0.8333 0.6667 
 
 0 0 0 0 1 0
2.1667 1.3333 
0 0 0 0 0 1 −4.6667 −4.3333
Submatricea formată din cele patru linii şi primele patru coloane are doi pivoţi, deci rangul
matricii A este 2, adică este o matrice singulară şi submatricea formată din ultimele 4 coloane
nu este inversa ei!
Să parcurgem algoritmul de calcul al rangului matricii şi ilustrare a inversei ı̂n caz de matrice
nesingulară prin calcul direct:
Exemplul 4. Considerăm matricea:

 
1 1 1
A= 1 2 2 
1 2 3
Matricea extinsă asociată este:
   
1 1 1 1 0 0 1 1 1 1 0 0

Ae = 1 2 2 0 1 0 ↔ 0 1 1
   −1 1 0  ↔

1 2 3 0 0 1 0 1 2 −1 0 1
   
1 0 0 2 −1 0 1 0 0 2 −1
0
 0 1 1 −1 1 0 ↔ 0 1 0 −1 2 −1 

0 0 1 0 −1 1 0 0 1 0 −1 1
Deoarece forma scară redusă a matricii A este matricea unitate, ea are rangul 3, deci este
inversabilă şi inversa ei este:  
2 −1 0
A−1 =  −1 2 −1 
0 −1 1
Curs 5
Spaţiul vectorial Rn. Dependenţă şi independenţă liniară.

Baze in spaţiul vectorial Rn
1
• definiţia spaţiului vectorial Rn .
• definiţia dependenţei şi independenţei liniare dintre vectori
• criteriul practic de determinare a dependenţei sau independenţei unui sistem de vectori
• definiţia bazei in spaţiul vectorial Rn
5.1 Mulţimea Rn . Notaţii

Rn este mulţimea n–uplurilor de numere reale, adică  a seturilor
 ordonate de n numere reale.
x1
 x2 
Un n–uplu ı̂l notăm ca o matrice coloană x =  ..  sau ı̂n forma x = (x1 , x2 , . . . , xn )T ,
 
 . 
xn
adică ca o matrice linie transpusă.
Cu aceste precizări, Rn = {x = (x1 , x2 , . . . , xn )T | x1 , x2 , . . . , xn ∈ R}
Pentru n = 2, x = (x1 , x2 )T este cuplu de numere reale, pentru n = 3, x = (x1 , x2 , x3 )T
este triplet de numere reale, iar pentru n arbitrar, n–uplu.
De exemplu, x = (2, 3, 7, 11)T este un element din R4 , adică un set ordonat de 4 numere
reale.
Vom introduce noţiunea de vector din Rn . De exemplu, dacă o firmă achiziţionează n pro-
duse, având fiecare preţul unitar, respectiv p1 , p2 , . . . , pn , atunci setul p = (p1 , p2 , . . . , pn )T va
fi numit vectorul preţuri. Pentru a defini operaţii dintre astfel de vectori se procedează la fel cu
vectorii studiaţi la fizică.
În fizica vectorii sunt reprezentaţi de un segment de dreaptă ı̂ntre două puncte O şi A şi
o săgeată ı̂n extremitatea A. Un astfel de vector este caracterizat de direcţie, sens şi mărime.
El poate reprezenta o forţă care acţionează ı̂n punctul O. Pe mulţimea vectorilor cu acelaşi
1
1
punct de aplicaţie se defineşte operaţia de adunare a doi vectori, prin regula paralelogramului şi
respectiv produsul cu un scalar (adică număr real) al unui astfel de vector (Fig.5.1).
−
−→ −
−→
B, OB = αOA
B −
−→ −
−→ − −→
C, OC = OA + OB
O A O
Fig.5.1: Regula paralelogramului de adunare a vectorilor cu acelaşi punct de aplicaţie (stânga) şi pro-
dusul unui vector cu un scalar (dreapta)
5.2 Spaţiul vectorial Rn

Definim ı̂ntre elementele lui Rn două operaţii:
• adunarea:
     
x1 y1 x1 + y1
 x2   y2   x2 + y2 
def 
pentru orice x =  ..  , y =  ..  ∈ Rn , x+y =   ∈ Rn
    
..
 .   .   . 
xn yn xn + yn
• ı̂nmulţirea cu scalari (adică cu numere reale):

   
x1 αx1
 x2   αx2 
def
pentru orice α ∈ R şi x =  ..  ∈ Rn , αx =   ∈ Rn
   
..
 .   . 
xn αxn
Cele două operaţii verifică condiţiile următoare:
SV1. (x + y) + z = x + (y + z), ∀ x = (x1 , x2 , . . . , xn )T , y = (y1 , y2 , . . . , yn )T , z =
(z1 , z2 , . . . , zn )T ∈ Rn (asociativitatea adunării);
SV2. există un element ı̂n Rn , notat θ = (0, 0, . . . , 0)T , cu proprietatea că x+θ = θ+x = x,
∀ x ∈ Rn ;
SV3. Pentru orice x = (x1 , x2 , . . . , xn )T ∈ Rn există un element x′ = (−x1 , −x2 , . . . , −xn )T ∈
n
R astfel ı̂ncât x + x′ = x′ + x = θ;
SV4. x + y = y + x, ∀ x, y ∈ Rn ;
SV5. α(x + y) = αx + αy, ∀α ∈ R, şi ∀ x, y ∈ Rn ;
SV6. (α + β)x = αx + βx, ∀ α, β ∈ R, ∀ x ∈ Rn ;
SV7. α(βx) = (αβ)x, ∀ α, β ∈ R, ∀ x ∈ Rn ;
SV8. 1x = x, ∀ x ∈ Rn .
Proprietăţile SV5–SV8 stabilesc legături dintre operaţiile de adunare a vectorilor şi ı̂nmulţirea
lor cu scalari.
5.3. Dependenţă şi independenţă liniară 3
• 1.Verficând cele 8 proprietăţi relativ la adunare şi ı̂nmulţirea cu scalari, se spune că Rn
are structură de spaţiu vectorial real. Elementele lui se numesc vectori, iar cele din R,
scalari;
• 2. Elementul neutru, θ, faţa de adunarea vectorilor se numeşte vectorul nul al spaţiului;
• 3. Simetricul x′ al vectorului x, faţa de adunare, se va nota −x şi ı̂l numim opusul

vectorului x;
Operaţii particulare ı̂n spaţiu vectorial Rn . Ştiind că θ este vectorul nul, iar 0 este scalarul
zero şi 1 unitatea din R, avem următoarele proprietăţi:
• (−1)x = −x, ∀ x ∈ Rn (produsul scalarului -1 cu vectorul x este opusul lui x);
• 0x = θ, ∀ x ∈ Rn şi αθ = θ, ∀ α ∈ R;
• dacă αx = θ, atunci α = 0 sau x = θ.
5.3 Dependenţă şi independenţă liniară

Fie v1 , v2 , . . . , vm un număr finit de vectori din Rn şi α1 , α2 , . . . , αm , m scalari din R. Cum
produsul unui scalar cu un vector este vector şi suma unor vectori este vector, rezultă că α1 v1 +
α2 v2 · · · αm vm este un vector u. Spunem că vectorul
u = α1 v1 + α2 v2 · · · αm vm , (5.1)
este o combinaţie liniară a vectorilor v1 , v2 , . . . , vm . Cu alte cuvinte, vectorul u depinde liniar

de vectorii v1 , v2 , . . . , vm .
De exemplu dacă v1 = (−2, 5, 1)T , v2 = (3, 0, −1)T sunt doi vectori din spaţiul vectorial
3
R , atunci vectorul u = 4v1 − 7v2 se exprimă ca o combinaţie liniară cu coeficienţii 4, −7 a
vectorilor v1 , v2 .
Având acum o familie finită de vectori {u1 , u2, . . . , un } ne ı̂ntrebăm ı̂n ce condiţii un vec-
tor ui din familie depinde liniar de ceilalţi, adică se poate exprima ca o combinaţie liniară a
celorlalţi vectori, şi ı̂n ce condiţii ui este independent de ceilalţi vectori.
Definiţia 5.3.1 Vectorii u1 , u2 , . . . um din spaţiul vectorial Rn sunt vectori liniar dependenţi
dacă există m scalari nu toţi nuli, α1 , α2 , . . . , αm ∈ R, astfel ı̂ncât:
α1 u 1 + α2 u 2 + . . . αm u m = θ (5.2)
Această definiţie pare a nu avea legătură cu dependenţa explicată mai sus. Analizând ı̂nsă
condiţiile din Definiţia 5.3.1, rezultă că dacă scalarii α1 , α2 , . . . , αn nu sunt toţi nuli, atunci
cel puţin unul din ei este nenul. Dacă, de exemplu, α1 este nenul, atunci există α1−1 := 1/α1 .
Înmulţind relaţia (5.4) cu 1/α1 obţinem:
α2 α3 αm
u1 = − u2 − u3 − · · · um , (5.3)
α1 α1 α1
adică u1 se exprimă ca o combinaţie liniară a vectorilor u2 , u3 , . . . , um .
Combinaţia liniară a vectorilor u1 , u2 , . . . , um cu scalarii α1 = 0, α2 = 0, . . . , αm = 0 dă

ı̂ntotdeauna vectorul nul:
0 · u1 + 0 · u2 + · · · 0 · um = θ
Definiţia 5.3.2 Vectorii u1 , u2, . . . un din spaţiul vectorial Rn sunt vectori liniar independenţi
dacă o combinaţie liniară a lor poate fi egală cu vectorul nul:
α1 u1 + α2 u2 + . . . αn un = θ, (5.4)
doar dacă toţi scalarii α1 , α2 , . . . , αn sunt zero.
Exemplul 1. În spaţiul vectorial R3 /R se dau vectorii

     
−1 −9 3
u1 =  2  , u2 =  16  , u3 =  −5 
3 7 1
Să se verifice dacă aceşti vectori sunt liniar dependenţi sau independenţi şi ı̂n caz de dependenţă
să se determine relaţia dintre ei.
Rezolvare: Presupunem că există trei scalari α1 , α2 , α3 ∈ R astfel ı̂ncât:
α1 u1 + α2 u2 + α3 u3 = θ3 (5.5)
Evident că relaţia (5.5) are loc dacă α1 = α2 = α3 = 0. Pentru a stabili dacă vectorii daţi
sunt liniar independenţi sau dependenţi trebuie să investigăm dacă relaţia (5.5) poate avea loc
doar pentru cei trei scalari, simultan zero sau şi pentru un set de scalari α1 , α2 , α3 , nu toţi nuli.
În acest scop ı̂nlocuim ı̂n (5.5) fiecare vector prin tripletul reprezentativ şi efectuăm operaţiile
corespunzătoare din R3 :
               
−1 −9 3 0 −α1 −9α2 3α3 0
α1  2 +α2  16 +α3  −5  =  0  ⇔  2α1 + 16α2 + −5α3  =  0 
3 7 1 0 3α1 7α2 α3 0
(5.6)
   
−α1 − 9α2 + 3α3 0
⇔  2α1 + 16α2 − 5α3  =  0 
3α1 + 7α2 + α3 0
Cum două triplete sunt egale dacă şi numai dacă coordonatele din aceeaşi poziţie coincid,
obţinem:
−α1 − 9α2 + 3α3 = 0
2α1 + 16α2 − 5α3 = 0 (5.7)
3α1 + 7α2 + α3 = 0
Prin urmare, problema independenţei sau dependenţei vectorilor u1 , u2, u3 s-a transformat ı̂n
problema care cere să stabilim dacă sistemul liniar şi omogen (5.7) admite numai soluţia banală
α1 = α2 = α3 = 0 sau şi soluţii nebanale.
Dacă sistemul admite doar soluţia banală, atunci vectorii sunt liniar independenţi, iar dacă
admite şi soluţii nebanale, atunci vectorii sunt liniar dependenţi.
Pentru a decide natura soluţiilor calculăm rangul matricii sistemului:
 
−1 −9 3
A =  2 16 −5  = [u1 |u2 |u3 ]
3 7 1
Cum determinantul matricii A este det(A) = 0, rezultă că sistemul admite şi soluţii nebanale,
cu alte cuvinte există trei scalari, nu toţi nuli, (α1 , α2 , α3 ), soluţie a sistemului omogen, astfel
ı̂ncât pe baza şirului de echivalenţe (5.6) avem relaţia (5.5), adică vectorii sunt liniar dependenţi.
Pentru a determina relaţia dintre ei, rezolvăm efectiv sistemul omogen pentru a găsi o soluţie
nebanală. Rangul matricii sistemului este 2 şi un determinant principal este:

−1 −9
∆ = 6= 0,
2 16
constituit din coeficienţii necunoscutelor α1 , α2 . Prin urmare rezolvăm doar sistemul format din
primele două ecuaţii ı̂n raport cu necunoscutele principale α1 , α2 . Necunoscuta secundară α3 o
notăm cu β:
−α1 − 9α2 = −3β
2α1 + 16α2 = 5β
Rezolvând obţinem α1 = −3β/2, α2 = β/2, α3 = β, β ∈ R. Deci familia soluţiilor este
(−3/β/2, β/2, β), β ∈ R. O soluţie nebanală obţinem pentru β 6= 0, fixat. Luând β = 2 avem
α1 = −3, α2 = 1, α3 = 2 şi deci relaţia de dependenţa a celor trei vectori devine:
1 2
−3u1 + u2 + 2u3 = θ3 ⇔ u2 = 3u1 − 2u3 ⇔ u1 = u2 + u3
3 3
Exemplul 2. Să se arate că vectorii u1 = (0, 2, −1, 5)T , u2 = (1, 3, −2, 4)T , u3 = (1, 0, −1, 3)T
din spaţiul vectorial R4 /R sunt liniar independenţi.
Rezolvare: Presupunem că o combinaţie liniară a celor trei vectori este vectorul nul:
α1 u1 + α2 u2 + α3 u3 = θ4 , αi ∈ R, i = 1, 2, 3
Înlocuind vectorii cu cvadrupletele reprezentative şi efectuând calculele obţinem succesiv:
α1 (0, 2, −1, 5)T + α2 (1, 3, −2, 4)T + α3 (1, 0, −1, 3)T = (0, 0, 0, 0)T ⇔


 0α1 + α2 + α3 = 0
2α1 + 3α2 + 0α3 = 0


 −1α 1 − 2α2 − 1α3 = 0
5α1 + 4α2 + 3α3 = 0

Din nou problema independenţei s-a transformat ı̂n problema tipului soluţiilor admise de un
sistem liniar şi omogen de 4 ecuaţii cu trei necunoscute. Matricea sistemului de tip 4 × 3
 
0 1 1
 2 3 0 
A=  −1 −2 −1  = [u1 |u2 |u3 ]

5 4 3
poate avea rangul maxim egal cu 3. Determinantul

0 1 1

∆= 2 3 0 =1

−1 −2 −1
asigură că rangul este 3, deci ecuaţiile principale conţinând necunoscutele principale sunt:

 0α1 + α2 + α3 = 0
2α1 + 3α2 + 0α3 = 0
−1α1 − 2α2 − 1α3 = 0

Acest sistem liniar şi omogen de trei ecuaţii cu trei necunoscute are determinantul diferit de 0,
deci admite doar soluţia banală α1 = α2 = α3 = 0. Prin urmare cei trei vectori sunt liniar
independenţi, adică nici unul nu se poate exprima ca o combinaţie liniară a celorlaţi doi.
Observaţia 5.3.1 Orice sistem (mulţime) de vectori ce conţine vectorul nul este sistem de vec-
tori liniar dependenţi.
Într-adevăr, fie u1 , u2 , . . . , un un sistem de vectori din spaţiul vectorial V /R. Presupunem că
vectorul ui este vectorul nul. Evident că sistemul de n scalari α1 = 0, . . . , αi−1 = 0, αi , αi+1 =
0, , . . . αn = 0 cu αi 6= 0, conduce la:
0u1 + · · · 0ui−1 + αi θ + 0ui+1 + · · · 0un = θ,
adică vectorii u1 , u2 , . . . , ui−1, θ, ui+1 , . . . , un sunt liniar dependenţi.
Mai concret, vectorii v1 , θ, v2 , v3 din R3 sunt liniar dependenţi deoarece combinaţia lor
liniară cu scalarii α1 = 0, α2 = 5, α3 = 0, α4 = 0 (nu toţi nuli!) dă vectorul nul:
0v1 + 5v2 + 0v3 + 0v4 = θ
Criteriul practic de determinare a independenţei sau dependenţei liniare a unui sistem

de vectori din Rn /R .
Exemplele precedente au ilustrat că problema independenţei sau dependenţei liniare a unui
sistem de vectori din Rn /R se reduce la a deduce dacă un sistem de ecuaţii liniare şi omo-
gene admite doar soluţia banală sau şi soluţii nebanale. Matricea sistemului, am observat de
fiecare dată, că este matricea ale cărei coloane conţin n-uplurile ce definesc vectorii, A =
[u1 |u2| . . . |uk ].
Se poate demonstra o regulă practică de determinare a dependenţei sau independenţei liniare
a k vectori din Rn , numită ı̂n continuare Criteriul practic de determinare a dependenţei sau
independenţei unui sistem de vectori:
Vectorilor u1 , u2, . . . uk ∈ Rn li se asociază matricea ce are drept coloane, n–uplurile ce

definesc vectorii:
u1 u2 uk
 ↓ ↓ ↓ 
x11 x21 . . . xk1
 x12 x22 . . . xk2 
A =  ..
 
.. .. 
 . . ... . 
x1n x2n . . . xkn
Dacă rangul matricii A este egal cu numărul de vectori, atunci vectorii sunt liniar
independenţi.
Dacă rangul matricii este diferit de numărul de vectori, atunci aceştia sunt liniar
dependenţi.
Pentru determinarea dependenţei sau independenţei unui sistem de vectori din Rn cu n > 4,
este foarte utilă forma scară redusă a matricii asociate sistemului de vectori. Mai mult dacă vec-
torii sunt liniar dependenţi atunci din forma scară redusă se ”poate citi” şi relaţia de dependenţă
ı̂ntre vectori.
Se poate demonstra că:
Prin transformări elementare pe linie, eventualele relaţii liniare ı̂ntre coloane nu se

schimbă. Adică dacă anumite coloane din A formează un sistem independent de vectori,
exact aceleaşi coloane din forma scară redusă sunt independente şi reciproc. Dacă unele
coloane din A se exprimă ca o combinaţie liniară a altor coloane, atunci exact aceeaşi par-
ticularitate o au şi coloanele corespunzătoare din SA0 şi reciproc.
Astfel ı̂n loc să analizăm rangul matricii iniţiale, A, asociate unui sistem de vectori v1 , v2 . . . , vk ∈
Rn , analizăm forma scară redusă SA0 .
Să ilustrăm această particularitate printr-un exemplu. Fie v1 , v2 , v3 , v4 , v5 ∈ R4 , cinci vectori
din R4 , a căror matrice asociată, A = [v1 |v2 |v3 |v4 |v5 ], este:
 
1 2 2 3 1
 2 4 4 6 2 
A=  3 6 6 9 6 

1 2 4 5 3
Forma scară redusă a matricii A este:

 
1 2 0 1 0
 0 0 1 1 0 
SA0 = 
 0

0 0 0 1 
0 0 0 0 0
Matricea SA0 conţine 3 pivoţi. Coloane pivoţilor sunt coloanele 1, 3, 5

     
1 0 0
 0   1   0 
C1 =   0  , C3 =  0  , C5 =  1 
    
0 0 0
Ele sunt liniar independente pentru că matricea M = [C1 |C3 |C5 ] are rangul 3, egal cu
numărul coloanelor.
Observăm că orice coloană diferită de coloanele 1, 3, 5, ce conţin pivoţii, se poate exprima
ca o combinaţie liniară a coloanelor 1, 3, 5.
       
2 1 0 0
 0   0   1   0 
C2 = 2C1 + 0C3 + 0C5 ,   0  = 2 0 +0 0 +0 1 
      
0 0 0 0
iar     
  
1 1 0 0
 1   0   1   0 
C4 = 1C1 + 1C3 + 0C5 ,   = 1
 0   0
+1 +0
  0   1


0 0 0 0
Exact aceleaşi proprietăţi le au şi coloanele matricii A, adică vectorii v1 , v2 , v3 , v4 , v5 . Mai
precis vectorii v1 , v3 , v5 sunt liniar independenţi iar vectorii v2 , v4 , se exprimă ca şi combinaţii
liniare cu aceeaşi coeficienţi (ca şi ı̂n cazul matricii SA0 ) ale coloanelor 1, 3, 5, adică ale vecto-
rilor v1 , v3 , v5 :    
2 1
 4   2 
  = 2   ⇔ v2 = 2v1
 6   3 
2 1
     
3 1 2
 6   2   4 
  = 1   + 1   ⇔ v4 = 1v1 + 1v3 + 0v5
 9   3   6 
5 1 4
În concluzie, având daţi m vectori din Rn pentru a studia dpenedenţa sau independenţa
acestor vectori se procedează astfel:
5.4. Definiţia bazei 9
• Li se asociază celor m vectori matricea ce are pe coloane vectorii respectivi, A = [v1 |v2 | . . . |vm ].
• Se reduce matricea A la forma scară redusă, SA0 .
• Dacă pivoţii sunt plasaţi ı̂n coloanele j1 , j2 , . . . , jr , atunci tragem concluzia că vectorii
vj1 , vj2 , . . . , vjr sunt liniar independendenţi, iar ceilalţi se pot exprima ca combinaţii liniare ale
acestora.
Exemplul 3. Să se studieze dependenţa sau independenţa sistemului de vectori din R5 :
v1 = (1, 2, 4, −2, 5)T , v2 = (2, 3, 0, 1, −2)T , v3 = (4, 5, −8, 7, −16)T
şi ı̂n caz de dependenţă sa se determine relaţia/relaţiile dintre vectori.
Matricea asociată A = [v1 |v2 |v3 ] este:

 
1 2 4

 2 3 5 

A=
 4 0 −8 

 −2 1 7 
5 −2 −16
Forma scară redusă:  

1 0 −2

 0 1 3 

SA0 =
 0 0 0 

 0 0 0 
0 0 0
Din SA0 rezultă că rangul matricii A este 2 deci diferit de numărul de vectori. Prin urmare cei
trei vectori sunt liniar dependenţi şi v3 = −2v1 + 3v3 , pentru că ı̂n SA0 avem:
coloana 3 = -2 × coloana 1+3 × coloana 2.
5.4 Definiţia bazei

Definiţia 5.4.1 Un sistem ordonat de vectori,
B = (e1 , e2 , . . . , en )
din spaţiul vectorial Rn , formează o bază ı̂n Rn dacă:

B1. Vectorii sunt liniar independenţi;
B2. Orice alt vector v din spaţiul Rn se exprimă ca o combinaţie liniară unică a vectorilor
e1 , e2 , . . . , en :
v = x1 e1 + x2 e2 + · · · + xn en , x1 , x2 , . . . , xn ∈ R (5.8)
Scalarii x1 , x2 , . . . , xn din exprimarea vectorlui v ı̂n funcţie de vectorii bazei B, se numesc

coordonatele vectorului v ı̂n baza B.
Numele de bază este sugestiv, deoarece vectorii ei constituie fundamentul, ”baza”, pe care
se construieşte ı̂ntreg spaţiul. Cunoscând vectorii bazei, prin combinaţii liniare ale acestora, se
”construieşte” orice alt vector din spaţiu.
Exemplul 4. Sistemul de vectori B = (e1 = (1, 0, 0)T , e2 = (0, 1, 0)T , e3 = (0, 0, 1)T ) consti-
tuie o bază ı̂n spaţiul vectorial R3 .
B1: Să arătăm că vectorii e1 , e2 , e3 sunt liniar independenţi. Matricea asociată: A =
[e1 |e2 |e3 ] este:  
1 0 0
A= 0 1 0 
0 0 1
Deoarece det(A) = 1, rangul matricii este 3, deci egal cu numărul de vectori. Prin urmare
conform criteriului practic, vectorii e1 , e2 , e3 sunt liniar independenţi.
B2: Fie v = (x1 , x2 , x3 )T un vector din R3 . Să arătăm că el se exprimă ca o combinaţie
liniară a vectorilor e1 , e2 , e3 . Într-adevăr:
             
x1 x1 0 0 1 0 0
v = x2 =
   0 + x2 + 0
     = x1 0 +x2 1 +x3 + 0  = x1 e1 +x2 e2 +x3 e3
    
x2 0 0 x3 0 0 1
Observăm că coordonatele unui vector v = (x1 , x2 , x3 )T din R3 , ı̂n baza B, sunt chiar
numerele reale ce definesc tripletul v. De exemplu coordonatele vectorului v = (−5, 4, 1)T ı̂n
baza B sunt −5, 4, 1, adică v = −5e1 + 4e2 , +1e3 . Această bază se numeşte baza canonică sau
baza standard din R3 .
În mod analog se arată că :
În spaţiul vectorial Rn /R, sistemul de vectori:
B = (e1 = (1, 0, 0, . . . , 0)T , e2 = (0, 1, 0, . . . , 0)T , . . . , en = (0, 0, . . . , 1)T )
constiuie o bază. Această bază se numeşte baza canonică din Rn /R.
Baza canonică nu este ı̂nsă singura bază din R3 . Să ilustrăm existenţa altor baze:
Exemplul 5. Să se arate că sistemul de vectori

B′ = (v1 = (−1, 2, 0)T , v2 = (2, 3, −2)T , v3 = (4, 1, 1)T )
constituie o bază ı̂in spaţiul vectorial R3 . Să se determine apoi coordonatele vectorului v =
(−3, 1, 5)T relativ la această bază.
B1. Să arătăm că vectorii din sistem sunt liniar independenţi folosind criteriul practic:
 
−1 2 4
A = [v1 |v2 |v3 ] =  2 3 1 
0 −2 1
5.4. Definiţia bazei 11
Determinantul matricii este det(A)=-7, deci rangul matricii este 3 şi egal cu numărul de vectori.
deci vectorii sunt liniar independenţi.
B2. fie v = (a1 , a2 , a3 )T , un vector arbitrar din R3 . Trebuie să arătăm că v se poate exprima
ca o combinaţie liniară a vectorilor v1 , v2 , v3 : v = y1 v1 + y2 v2 + y3 v3 , unde y1 , y2, y3 ∈ R.
Înlocuind fiecare vector cu tripletul reprezentativ avem:
(a1 , a2 , a3 )T = y1 (−1, 2, 0)T + y2 (2, 3, −2)T + y3 (4, 1, 1)T ⇔

(a1 , a2 , a3 )T = (−y1 + 2y2 + 4y3, 2y1 + 3y2 + y3 , 0y1 − 2y2 + 1y3 )T
Egalitatea celor doi vectori conduce la sistemul:
−y1 + 2y2 + 4y3 = a1

2y1 + 3y2 + y3 = a2 (5.9)
0y1 − 2y2 + 1y3 = a3
A arăta că orice vector v = (a1 , a2 , a3 ) se poate exprima unic ca o combinaţie liniră a vectorilor
v1 , v2 , v3 revine la arăta că oricare ar fi termenii liberi ai sistemului de ecuaţii liniare şi neomo-
gene (5.9), acesta este compatibil determinat, adică există o unică soluţie (y1 , y2 , y3). Matricea
sistemului este A = [v1 |v2 |v3 ]. Determinantul ei este diferit de zero, deci sistemul este com-
patibil determinat. Unica soluţie se poate determina fie cu metoda lui Cramer, fie prin metoda
matricială, adică:
       
y1 a1 y1 a1
A  y2  =  a2  ⇔  y2  = A−1  a2 
y3 a3 y3 a3
În concluzie sistemul de vectori B′ constituie o bază ı̂n R3 , ı̂nsă spre deosebire de baza
canonică, coordonatele unui vector v ı̂n această bază nu se pot ”citi” automat din tripletul
reprezentativ, ci trebuie să rezolvăm sistemul (5.9) pentru a afla aceste coordonate.
Să determinăm coordonatele vectorului v = (−3, 1, 5)T ı̂n baza B′ , adică scalarii y1 , y2, y3
astfel ı̂ncât (−3, 1, 5)T = y1 v1 + y2 v2 + y3 v3 . Efectuând calculele ca mai sus, determinarea
coordonatelor yi , i = 1, 3 revine la a rezolva sistemul:
−y1 + 2y2 + 4y3 = −3

2y1 + 3y2 + y3 = 1 (5.10)
0y1 − 2y2 + 1y3 = 5
adică:      −1  
y1 −3 −1 2 4 −3
⇔  y2  = A−1  1  =  2 3 1   1 
y3 5 0 −2 1 5
Acest exemplu ilustrează că ı̂n spaţiul vectorial R3 nu există doar o singură bază.
Se poate demonstra că ı̂n Rn există o bază B = (e1 , e2 , . . . , en ), atunci există o infinitate de
baze cu acelaşi număr de vectori n. Numărul n se numeşte dimensiunea spaţiului.
Exemplul 6. Spaţiul vectorial R2 /R are dimensiunea 2, deoarece baza canonică B = (e1 =

(1, 0)T , e2 = (0, 1)T ), conţine doi vectori. În mod analog, R3 /R are dimesiunea 3, iar Rn /R
are dimesiunea n.
Curs 6
Baze ı̂n spaţiul vectorial Rn. Schimbări de baze
1
• matricea schimbării de bază
• coordonatele unui vector relativ la o bază
• subspaţii vectoriale
6.1 Matricea schimbării de bază

Fie B, B′ două baze ı̂n Rn /R, B = (e1 , e2 , . . . , en ), B′ = (u1 , u2, . . . , un ). B o numim baza
veche, iar B′ , baza nouă. Deobicei B va fi baza canonică!
Orice vector v din spaţiu se exprimă ca o combinaţie liniară a vectorilor unei baze. În
baza B, v are exprimarea v = x1 e1 + x2 e2 + · · · + xn en , xi ∈ R, i = 1, n, iar ı̂n baza B′ :
v = y1 u1 + y2 u2 + · · · + yn un , yi ∈ R, i = 1, n. În mod natural ne ı̂ntrebăm ı̂n ce relaţie sunt
cele două seturi de coordonate ale vectorului v:
I: x1 , x2 , . . . , xn
II : y1 , y2 , . . . , yn
Pentru a determina o relaţie ı̂ntre ele, ţinem seama că B este o bază şi deci vectorii noii baze
se pot exprima ca o combinaţie liniară a vectorilor e1 , e2 , . . . , en :
u1 = a11 e1 + a12 e2 + · · · + a1n en

u2 = a21 e1 + a22 e2 + · · · + a2n en
.. (6.1)
.
un = an1 e1 + an2 e2 + · · · + ann en
unde aij sunt scalari din R, i, j = 1, n.
Definiţia 6.1.1 Matricea TBB′ ce are pe coloane coordonatele vectorilor uj , j = 1, n ı̂n baza
B, se numeşte matricea de trecere de la baza B la baza B′ .
1
1
2 Cursul 6, Algebră–Geometrie 2020/2021,
u1 u2 un
↓ ↓ ↓ 
a11 a21 . . . an1
 a12 a22 . . . an2  (6.2)
 
TBB′ =  .. .. .. 
 . . ... . 
a1n a2n . . . ann
În mod analog se defineşte matricea de trecere de la baza B′ la baza B. Adică dacă exprimăm
vectorii vechii baze, ei , i = 1, n, ca şi combinaţii liniare a vectorilor noii baze, ei = ci1 u1 +
ci2 u2 + · · · cin un , matricea de trecere de la baza B′ la baza B este:
e1 e2 en
↓ ↓ ↓ 
c11 c21 . . . cn1
 c12 c22 . . . cn2  (6.3)
 
TB′ B =  .. .. .. 
 . . ... . 
c1n c2n . . . cnn
TBB′ fiind matricea de trecere de la B la B′ , TB′ B realizează trecerea inversă de la B′ la B. Astfel

ne este sugerată ideea că cele două matrici sunt inverse una alteia. În continuare vom arăta că
ı̂ntr-adevăr:
−1
TB′B = TBB ′ (6.4)
În acest scop exprimăm relaţiile dintre vectorii celor două baze ı̂n formă matricială, şi anume
(6.1):     
u1 a11 a12 . . . a1n e1
 u2   a21 a22 . . . a2n   e2 
    
 ..  =  .. .. ..   ..  (6.5)
 .   . . .  . 
un an1 an2 . . . ann en
respectiv     
e1 c11 c12 . . . c1n u1

 e2  
  c21 c22 . . . c2n 
 u2 

 .. = .. .. ..  ..  (6.6)
 .   . . .  . 
en cn1 cn2 . . . cnn un
Combinând ultimele două relaţii matriciale, avem:
     
u1 a11 a12 . . . a1n c11 c12 . . . c1n u1
 u2   a21 a22 . . . a2n   c21 c22 . . . c2n  u2 
     
 ..  =  .. .. ..  .. .. ..  ..  (6.7)
 .   . . .  . . .  . 
un an1 an2 . . . ann cn1 cn2 . . . cnn un
6.1. Matricea schimbării de bază 3
Dacă am efectua ı̂nmulţirile ı̂n această ultimă relaţie am obţine exprimarea vectorilor bazei B′ ı̂n
funcţie de ei ı̂nşişi. Dar vectorii u1 , u2 , . . . , un sunt liniar independenţi şi deci nu se pot exprima
unul ca o combinaţie liniară a celorlalţi. Singura exprimare posibilă este:
u1 = u1
u2 = u2
..
.
un = un ,
care matricial se scrie:

    
u1 1 0 ... 0 u1

 u2  
  0 1 ... 0 
 u2 

 .. = .. .. ..  ..  (6.8)
 .   . . .  . 
un 0 0 ... 1 un
Comparând ultimele două relaţii (6.7, 6.8), rezultă că:
    
a11 a12 . . . a1n c11 c12 . . . c1n 1 0 ... 0
 a21 a22 . . . a2n   c21 c22 . . . c2n   0 1 ... 0 
    
 .. .. ..   .. .. .. = .. .. ..  (6.9)
 . . .  . . .   . . . 
an1 an2 . . . ann cn1 cn2 . . . cnn 0 0 ... 1
sau aplicând transpunerea ı̂n fiecare membru al acestei ultime egalităţi matriciale, obţinem:
−1
TBB′ TB′ B = In ⇔ TB′ B = TBB ′
adică matricea de trecere de la baza B′ la baza B este inversa matricii de trecere de la baza B
la baza B′ şi evident că matricile de trecere sunt nesingulare.
Vom arăta ı̂n continuare că matricea de trecere dintre două baze intervine ı̂n relaţia dintre
coordonatele aceluiaşi vector ı̂n cele două baze. Mai precis:
Propoziţia 6.1.1 Dacă vectorul v are exprimarea v = x1 e1 + x2 e2 + · · · xn en ı̂n baza B, re-

spectiv v = y1 u1 + y2 u2 + · · · + yn un ı̂n baza B′ , atunci ı̂ntre cele două seturi de coordonate
există relaţia:
   
x1 y1
 x2   y2 
   
 ..  = TBB′  ..  , (6.10)
 .   . 
xn B yn B ′
Demonstraţie: Pornim de la exprimarea vectorului v ı̂n baza B′ , v = y1 u1 + y2 u2 + · · · yn un

şi ı̂nlocuim vectorii bazei B′ ı̂n funcţie de vectorii bazei B (conform (6.5):
 
u1

 u2 
 6.5
v = y1 u1 + y2 u2 + · · · yn un = y1 y2 . . . yn  .. =
 . 
un
   (6.11)
a11 a12 . . . a1n e1

 a21 a22 . . . a2n 
 e2 

y1 y2 . . . yn  .. .. ..  .. 
 . . .  . 
an1 an2 . . . ann en
Pe de altă parte v = x1 e1 + x2 e2 + · · · xn en , adică
 
e1

 e2 

v= x1 x2 . . . xn  ..  (6.12)
 . 
en
Ultimul membru din (6.11) reprezintă de asemenea exprimarea vectorului v ı̂n baza B. Deoarece
exprimarea unui vector ı̂ntr-o bază este unică, rezultă că:
 
a11 a12 . . . a1n
 a21 a22 . . . a2n 

x1 x2 . . . xn = y1 y2 . . . yn  .. .. ..  (6.13)
 . . . 
an1 an2 . . . ann
Aplicând transpunerea ı̂n ambii membri ai relaţiei (6.13) matricile linie devin matrici coloană
şi conform proprietăţii (AB)T = B T AT , obţinem:
    
x1 a11 a21 . . . an1 y1
 x2   a12 a22 . . . an2   y2 
    
 ..  =  .. .. ..   ..  (6.14)
 .   . . ... .   . 
xn B a1n a2n . . . ann yn B ′
| {z }
TBB′
Notăm ı̂n cele ce urmează prin [v]B , matricea coloană constituită din coordonatele vectorului
v ı̂n baza B.
Cu această notaţie relaţia dintre coordonatele vectorului v ı̂n bazele B, B′ se exprimă con-
centrat astfel:
[v]B = TBB′ [vB′ ] (6.15)
respectiv:
[v]B′ = TB′ B [vB ] (6.16)
6.1. Matricea schimbării de bază 5
Exemplul 1. În spaţiul vectorial R3 considerăm baza canonica B = (e1 , e2 , e3 ) şi baza B′ =
(u1 = (−1, 2, −4)T , u2 = (3, 0, −4)T , u3 = (2, 5, −1)T )
a) Să se determine matricile de trecere ı̂ntre cele două baze: TBB′ , TB′ B . Din matricea TB′ B să se
deducă exprimarea vectorilor bazei canonice ı̂n funcţie de vectorii bazei B′ .
b) Să se determine coordonatele vectorului v = (0, 4, −3) relativ la baza B′ .
Rezolvare: a) Observăm că vectorii bazei B′ sunt exprimaţi ca triplete de numere reale, deci
ı̂n baza canonică:  
−1
u1 =  2  = −1e1 + 2e2 − 4e3
1
 
3
u2 =  0  = 3e1 + 0e2 − 4e3
−4
 
2
u3 =  5  = 2e1 + 5e2 − 1e3
−1
Astfel, fără nici un calcul prealabil putem da matricea de trecere de la baza B la baza B′ :
 
−1 3 2
TBB′ = [u1 |u2|u3 ] =  2 0 5 
−4 −4 −1
Matricea de trecere de la baza nouă la baza veche, TB′ B este inversa matricii TBB′ . Pentru
determinarea inversei calculăm:
• determinantul: det(A) = −90
• transpusa matricii TBB′ :  

−1 2 −4
T
TBB ′ =  3 0 −4 
2 5 −1
• adjuncta:  
20 −5 15
∗
TBB ′ =  −18 9 9 
−8 −16 −6
Astfel inversa este:  

20 −5 15
−1 1
TBB ′ ≡ TB ′ B = −  −18 9 9 
90
−8 −16 −6
Conform teoriei, coloana j a matricii TB′ B reprezintă coordonatele vectorului ej ı̂n baza B′ :
1
e1 = − (20u1 − 18u2 − 8u3 )
90
1
e2 = − (−5u1 + 9u2 − 16u3 )
90
1
e3 = − (15u1 + 9u2 − 6u3)
90
b) Vectorul v este exprimat ı̂n baza canonică şi se cere să găsim descompunerea sa ı̂n baza B′ :
v = y1 u1 + y2 u2 + y3 u3 , y1 , y2, y3 ∈ R. Coordonatele y1 , y2 , y3 se pot calcula ı̂n două moduri:
1. Înlocuim fiecare vector din baza B′ , cu tripletul reprezentativ:
v = y1 (−1e1 + 2e2 − 4e3 ) +y2 (3e1 + 0e2 − 4e3 ) +y3 (2e1 + 5e2 − 1e3 )
| {z } | {z } | {z }
u1 u2 u3
= (−1y1 + 3y2 + 2y3 )e1 + (2y1 + 0y2 + 5y3)e2 + (−4y1 − 4y2 − 1y3 )e3
Dar din enunţul problemei v = (0, 4, −3)T , deci coordonatele lui ı̂n baza canonică sunt:
0, 4, −3. Astfel egalând coordonatele de mai sus cu 0, 4, −3, obţinem sistemul:
−1y1 + 3y2 + 2y3 = 0

2y1 + 0y2 + 5y3 = 4
−4y1 − 4y2 − 1y3 = −3
sau matricial:     
−1 3 2 y1 0
 2 0 5   y2  =  4 
−4 −4 −1 y3 −3
Observăm că matricea sistemului este TBB′ . Această matrice fiind nesingulară, rezultă că
sistemul are o unică soluţie:
        
y1 0 0 20 −5 15 0
−1 
 y2  = TBB −1 
′ 4  = TB′ B  4  = −18 9 9  4  =
90
y3  −3  −3 −8 −16 −6 −3
−65 65/90
−1 
9  =  −1/10 
90
−46 46/90
Prin urmare vectorul v se exprimă ı̂n baza B′ astfel:
65 1 46
v= u1 − u2 + u3
90 10 90
6.2. Subspaţii vectoriale 7
2. Metoda a doua se bazează pe relaţia dedusă ı̂ntre coordonatele aceluiaşi vector ı̂n două
baze:
[v]B′ = TB′ B [v]B ,
adică:       
y1 0 20 −5 15 0
 y2  = TB′ B  4  = −1  −18 9 9  4 
90
y3 −3 −8 −16 −6 −3
Observăm că relaţia dintre coordonatele unui vector relativ la două baze este algoritmică şi evită
calcule suplimentare (comparativ cu metoda directă 1).
Exemplul 2. (Tema) ’In spaţiul vectorial R3 considerăm baza canonica B = (e1 , e2 , e3 ) şi baza
B′ = (u1 = (−1, 2, 1)T , u2 = (3, 0, −4)T , u3 = (2, 5, −1)T )
a) Să se determine matricile de trecere ı̂ntre cele două baze: TBB′ , TB′ B . Din matricea TB′ B să se
deducă exprimarea vectorilor bazei canonice ı̂n funcţie de vectorii bazei B′ .
b) Să se determine coordonatele vectorului v = (0, 4, −3) relativ la baza B′ .
6.2 Subspaţii vectoriale

Fie S o submulţime nevidă ı̂n spaţiul vectorial Rn . Ne ı̂ntrebăm ı̂n ce condiţii S are structură
de spaţiu vectorial relativ la operaţiile de adunare şi ı̂nmulţire cu scalari, definite ı̂ntre vectorii
lui Rn deci şi cei ai lui S. Evident că dacă sunt verificate cele 8 condiţii din definiţia spaţiului
vectorial pentru S, atunci S are structură de spaţiu vectorial real şi ı̂n acest caz spunem că S
este subspaţiu vectorial sau subspaţiu liniar al lui Rn .
Propoziţia 6.2.1 O submulţime nevidă S a spaţiului vectorial Rn este subspaţiu vectorial dacă
şi numai dacă următoarele două condiţii sunt verificate:
SSV1. ∀ s1 , s2 ∈ S ⇒ s1 + s2 ∈ S,, adică o dată cu doi vectori din S şi suma lor este tot din
S;
SSV2. ∀ α ∈ R şi ∀ s ∈ S ⇒ αs ∈ S ( produsul cu un scalar a unui vector din S este tot din
S).
Exemplul 3. Fie θ vectorul nul din Rn . Submulţimea S = {θ} ⊂ Rn este subspaţiu vectorial
al lui Rn , numit subspaţiul nul.
Orice subspaţiu vectorial S 6= {θ}, conţine vectorul nul θ, deoarece dacă s ∈ S, atunci −1s =
−s ∈ S şi deci θ = s − s ∈ S.
Exemplul 4. Mulţimea soluţiilor S ale unui sistem liniar şi omogen de m ecuaţii cu n necunos-
cute, de matrice A(aij ), este un subspaţiu vectorial al lui Rn /R.
Într-adevăr, fie sistemul liniar şi omogen exprimat ı̂n forma matricială:
    
a11 a12 . . . a1n x1 0
 a21 a22 . . . a2n   x2   0 
    
 ..   ..  =  .. 
 .   .   . 
am1 am2 . . . amn xn 0
sau mai concis Ax = θ, unde x este vectorul coloană al necunoscutelor. Să arătăm că S = {x ∈
Rn |Ax = 0} este subspaţiu vectorial al lui Rn .
SSV1: Fie x, y două soluţii, adică Ax = 0 şi Ay = 0. Atunci A(x + y) = Ax + Ay =
0 + 0 = 0, deci x + y este soluţie a sistemului.
SSV2: Fie α ∈ R şi x o soluţie, adică Ax = 0. Atunci A(αx) = α(Ax) = α0 = 0, deci αx
este soluţie şi prin urmare S, mulţimea soluţiilor formează un subspaţiu vectorial al lui Rn .
Datorită acestui exemplu, de acum ı̂nainte vom indica un subspaţiu din Rn ca fiind mulţimea
soluţiilor unui sistem omogen dat. Ecuaţiile sistemului se numesc ecuaţiile subspaţiului.
Exemplul 5. Mulţimea soluţiilor sistemului:

2x − y + 3z − 5t = 0
−x + 4y + z + 7t = 0
este subspaţiu vectorial ı̂n R4 , pentru că sistemul are 4 necunoscute.
Exemplul 6. Subspaţiul vectorial de ecuaţie:

−3x + 2y − 11z = 0
este un subspaţiu vectorial al lui R3 , deoarece sistemul omogen (ce are doar o ecuaţie) are trei
necunoscute.
6.3 Dimensiunea unui subspaţiu vectorial

Dimensiunea unui subspaţiu vectorial, S, al lui Rn , este mai mică sau egală cu n. Dacă dimen-
siunea lui S este n, atunci S ≡ Rn .
Deoarece dimensiunea unui spaţiu vectorial este dată de numărul de vectori dintr-o bază,
putem determina dimensiunea unui susbspaţiu vectorial al lui Rn , de ecuaţii Ax = θ,
după ce determinăm efectiv mulţimea soluţiilor sistemului AXxθ şi identificăm o bază ı̂n
această mulţime.
Exemplul 7. Să se determine o bază ı̂n subspaţiul vectorial

 T
x1
S = {s =  x2  ∈ R3 | x1 − 3x2 − 5x3 = 0}
x3
6.3. Dimensiunea unui subspaţiu vectorial 9
al lui R3 şi dimensiunea acestui subspaţiu.
S este conform definiţiei mulţimea soluţiilor sistemului format dintr-o ecuaţie liniară şi omogenă:
x1 − 3x2 − 5x3 = 0. Pentru a determina mulţimea soluı̂ tiilor observăm că matricea sistemului
este A = [1 − 3 − 5]. ∆p = |1| este un determinant principal. Deci x1 este necunoscută prin-
cipală, iar α := x2 , β := x3 sunt necunoscute secundare. Deci x = 3α + 5β. Prin urmare S,
mulţimea soluţiilor se poate exprima astfel:
     
3α + 5β 3 5
3
S = {v ∈ R | v = α   = α 1 + β 0  , α, β ∈ R}
  
β 0 1
   
3 5
Astfel subspaţiul S este generat de vectorii f1 = 1 , f2 = 0 . Deoarece aceşti vectori
  
0 1
sunt liniar independenţi, rezultă că o bază ı̂n S este BS = (f1 , f2 ), iar dimensiunea subspaţiului
S este 2 (numărul de vectori din bază).
Se demonstrează că subspaţiul vectorial S al lui Rn ce este mulţimea soluţiilor unui

sistem liniar şi omogen Am×n x = 0 este egală cu numărul de coloane ale matricii A minus
rangul lui A (adică este egală cu numărul de necunoscute secundare din sistemul ce se
rezolvă).
Curs 7
Produs scalar pe spaţiul Rn
1
• Produs scalar
• Mărimi şi noţiuni definite cu ajutorul produsului scalar: normă, versor, cosinusul
unghiului dintre 2 vectori
• Baze ortonormate
• Coordonatele unui vector intr-o baza ortonormata
7.1 Definiţia produsului scalar ı̂n spaţiul Rn

Din cele studiate pâna ı̂n prezent avem posibilitatea să adunăm doi vectori din Rn sau
să-i ı̂nmulţim cu scalari. Să definim şi direcţia unui vector din Rn :
Definiţia 7.1.1 Doi vectori v, w ∈ Rn au aceeaşi direcţie sau sunt coliniari, şi notăm
v||w, dacă există un scalar nenul λ ∈ R astfel ı̂ncât w = λv.
Dacă v = (x1 , x2 , . . . , xn )T şi w = (y1 , y2 , . . . , yn )T , atunci w = λv este echivalent cu:

   
y1 λx1
 y2   λx2 
   
 ..  =  .. ,
 .   . 
yn λxn
adică
y1 = λx1 , y2 = λx2 , . . . , yn = λxn
Dacă vectorul v nu are nici o coordonată zero, atunci coliniaritatea lui v cu w se se mai
exprimă astfel:
y1 y2 yn
= = ··· = =λ
x1 x2 xn
1
Notitele de curs sunt o adaptare a cursului de Algebra Liniara si Geometrie, autor prof.dr. Emilia
Petrisor
1
Prin urmare pentru a verifica dacă doi vectori v şi w sunt coliniari se calculează rapoartele
yi
coordonatelor din aceeaşi poziţie: , i = 1, n şi dacă ele sunt egale, atunci vectorii sunt
xi
coliniari.
Exemplul 1. Să se testeze dacă vectorii v = (−1, 2, 0, 3), w = (2, −4, 0, −6) din R4 sunt
sau nu coliniari.
Rapoartele coordonatelor din aceeaşi poziţie sunt:

2 −4 0 −6
, , ,
−1 2 0 3
Observăm că rapoartele 1, 2 şi 4 sunt egale:
2 −4 −6
λ= = = = −2
−1 2 3
La prima vedere suntem tentaţi să afirmăm că raportul al treielea nu are sens, deoarece
ı̂n analiza matematică 0/0 este caz de nedeterminare. Dar scrierea rapoartelor este doar
o operaţie ajutătoare, pentru că practic coliniaritatea revine la a verifica dacă yi = λxi ,
ori ı̂n cazul nostru 0 = λ0, adică 0 = −2 · 0, şi deci cei doi vectori sunt coliniari.
Dacă v||w şi w = λv cu λ > 0, atunci spunem că v şi w au aceeaşi direcţie şi acelaşi
sens. Dacă scalarul λ este negativ, atunci vectorii v şi w au aceeaşi direcţie şi sens opus.
Exemplul 2. Vectorii v, w din exemplul precedent au aceeaşi direcţie, dar sens opus.
Vectorii u1 = (0, −6, 15)T , u2 = (0, −2, 5)T ∈ R3 au aceeaşi direcţie şi acelaşi sens, pentru
că u2 = 0.5u1 .
În fizică vectorii din plan, respectiv din spaţiul tri-dimensional sunt caracterizaţi ı̂n plus
şi de modulul sau mărimea vectorului. Pentru a asocia unui vector din Rn , modulul
său, vom defini noţiunea de produs scalar a doi vectori, care ı̂n plus ne va permite să
caracterizăm şi poziţia relativă a doi vectori (unghiul a doi vectori).
Definiţia 7.1.2 Produsul scalar a doi vectori v = (x1 , x2 , . . . , xn )T , w = (y1 , y2 , . . . , yn )T

din Rn este un număr, notat v · w sau < v, w >, unde:
v · w = x1 y1 + x2 y2 + · · · xn yn
Observăm că
 
y1
 y2 
x1 y1 + x2 y2 + · · · xn yn = v T w = x1 x2 . . . xn  
 ··· 
yn
Produsul scalar verifică următoarele proprietăţi:

Cursul 7, Algebră–Geometrie, 2020/2021 3
PS1. v · v ≥ 0, ∀ v ∈ Rn şi v · v = 0 dacă şi numai dacă v = θ ( adică produsul scalar

al unui vector cu el ı̂nsuşi este un număr mai mare sau egal cu zero, şi este egal cu zero,
doar dacă v este vectorul nul);
Într-adevăr, v · v = x21 + x22 + · · · + x2n . Suma unor pătrate de numere reale este
evident un număr pozitiv şi este egal cu zero doar dacă x1 = x2 = · · · = xn = 0, adică
v = θn = (0, 0, . . . , 0);
PS2. v · w = w · v, ∀ v, w ∈ Rn , deoarece:
v · w = x1 y1 + x2 y2 + · · · + xn yn = y1 x1 + y2 x2 + · · · yn xn = w · v;
PS3. (α1 v1 + α2 v2 ) · w = α1 (v1 · w) + α2 (v2 · w), ∀ v1 , v2 , w ∈ Rn , ∀ α1 , α2 ∈ R şi
v · (β1 w1 + β2 w2 ) = β1 (v · w1 ) + β2 (v · w2 ), ∀v, w1 , w2 ∈ Rn şi ∀ β1 , β2 ∈ R.
Discuţie:
• Numele produsului este sugestiv, deoarece asociază la doi vectori un scalar.
• Datorită proprietăţii PS1 se spune că produsul scalar este pozitiv definit.
• Proprietatea PS2 se numeşte proprietatea de simetrie a produslui scalar. (Atenţie nu
este comutativitate, pentru că produsul scalar nu este operaţie internă, adică nu asociază
la doi vectori un vector!).
• Proprietatea PS3 se numeşte liniaritatea produsului scalar ı̂n primul argument (fac-
tor).
Proprietate: Produsul scalar dintre un vector v şi vectorul nul θ este 0:

v · θ = 0, ∀ v ∈ Rn . (7.1)
Într-adevăr, θ = v − v. Deci v · θ = v · (v − v) = (v · v) − (v · v) = 0.
Spaţiul vectorial Rn ı̂n zestrat cu produsul scalar de mai sus se numeşte spaţiu vectorial
euclidian şi se notează (Rn , <>) sau (Rn ·).
7.1.1 Mărimi şi noţiuni definite cu ajutorul produsului scalar

1. Norma sau modulul unui vector
Proprietatea PS1 ne asigură că produsul scalar al unui vector cu el ı̂nsuşi, v · v, este
def √
un număr pozitiv. Are deci sens radical din v · v. Notăm kvk = v · v ∈ R şi numim
acest număr, norma vectorului v (modulul sau ”lungimea” vectorului”).
Norma are următoarele proprietăţi:
N1. kvk ≥ 0 şi kvk = 0, dacă şi numai dacă v = θ; √ p
Într-adevăr, dacă v = (x1 , x2 , . . . , xn )T , atunci kvk = v · v = x21 + x22 + · · · + x2n şi
evident că este număr pozitiv, egal cu zero, doar dacă toate coordonatele vectorului sunt
zero.
N2. kv + wk ≤ kvk + kwk, ∀ v, w ∈ Rn ;
N3. kαvk = |α|kvk, ∀ v ∈ Rn şi ∀ α ∈ R.
Proprietatea N1 a normei indică că norma sau modulul unui vector este un număr
pozitiv, şi acesta este egal cu zero, doar dacă vectorul este vectorul nul. Prin urmare doar
vectorul nul are modulul (mărimea) egală cu zero.
v+w
v
kv + wk
kvk kvk
w
kwk
Fig.7.1: Ilustrarea inegalităţii triunghiului determinat de doi vectori şi suma lor.
Proprietatea N2 ı̂nseamnă că modulul sumei a doi vectori este mai mic sau egal cu
suma modulelor celor doi vectori. Această proprietate reprezintă generalizarea la un
spaţiu vectorial de orice dimensiune, a inegalităţii triunghiului din geometrie (Fig.7.1).
N3 evidenţiază că norma produsului dintre un scalar şi un vector este modul scalarului
ori norma vectorului.
Exemplul 3. În spaţiul vectorial (R3 , ·) se dau vectorii v = (−3, 1, 4)T , w = (2, −5, 1)T .
Să se calculeze produsul scalar v · w şi să se compare normele celor doi vectori.
Produsulpscalar v · w = −3 · 2√+ 1(−5) + 4 · 1 √

= −6 − 5 + 4 = −7; p
kvk = (−3) √+ 1 + 4 = 9 + 1 + 16 = 26 = 5.099, kw| =
2 2 22 + (−5)2 + 1 =
√
4 + 25 + 1 = 30 = 5.477. Deci kwk > kvk.
2. Versorul direcţiei şi sensului unui vector

Fiind dat un vector v 6= θ din Rn există o infinitate de vectori coliniari cu v (ce
au aceeaşi direcţie ca v), şi anume toţi vectorii de forma αv, α ∈ R, α 6= 0. Vectorii
w = αv, α > 0 au acelaşi sens ca v, iar cei pentru care α < 0 au sens opus. Vectorii αv,
corespunzători la diferiţi scalari α au norme diferite. Dintre toţi vectorii ce au aceeaşi
direcţie şi sens ca v alegem unul particular, şi anume, acela care are norma egală cu 1:
Definiţia 7.1.3 Fie v un vector nenul din Rn . Vectorul ce are aceeaşi direcţie şi sens ca
v şi norma egală cu 1, se numeşte versorul lui v şi se notează v 0 .
Conform acestei definiţii, versorul se exprimă astfel:
v 0 = αv, α > 0, şi kv 0 k = 1.
Să deducem o formulă de calcul a versorului lui v 6= θ: Calculând norma kv 0 k = kαvk =

1
αkvk = 1, rezultă că α = şi deci versorul lui v se exprimă ı̂n funcţie de v astfel:
kvk
1 v
v0 = v= (7.2)
kvk kvk
Cursul 7, Algebră–Geometrie, 2020/2021 5
Deci dacă v = (x1 , x2 , . . . , xn )T atunci versorul său va fi:

v x1 x2 xn
v0 = p = (p 2 ,p 2 ,... p 2 )
x21 + x22 +···+ x2n 2
x1 + x2 + · · · + xn
2 2
x1 + x2 + · · · + xn
2 2
x1 + x2 + · · · + x2n
Exemplul 4. Să se determine versorul vectorului v = (5, −1, 4, 3)T ∈ R4 .

√ √
Norma vectorului v, este kvk = 25 + 1 + 16 + 9 = 51. Deci versorul vectorului v este:

0 v (5, −1, 4, 3)T 5 −1 4 3
v = = √ = √ ,√ ,√ ,√
kvk 51 51 51 51 51
3. Cosinusul unghiului a doi vectori
Pentru a putea defini unghiul dintre doi vectori, precizăm că produsul scalar a doi
vectori v · w este un număr real pozitiv, negativ sau zero. Astfel modulul produsului
scalar, |v · w| este modulul acestui număr real, v · w. Se poate arăta că avem următoarea
inegalitate:
|v · w| ≤ kvkkwk, ∀ v, w ∈ Rn . (7.3)
numită inegalitatea Cauchy-Buniakovski-Schwartz. Dacă vectorii v şi w sunt diferiţi de
vectorul nul, atunci normele lor kvk, kwk sunt diferite de zero si inegalitatea Cauchy se
poate scrie ı̂n forma echivalentă:

|v · w| v·w
≤ 1 ⇔ −1 ≤ | v · w ≤ 1
≤1⇔
kvkkwk kvkkwk kvkkwk
Se ştie că cos θ ∈ [−1, 1], ∀ θ ∈ R, deci | cos θ| ≤ 1 şi funcţia cos este bijectivă pe intervalul
[0, π]. Deoarece pentru doi vectori nenuli v, w ∈ Rn ,
v·w
−1 ≤ | ≤1
kvkkwk
rezultă că există există un unic θ ∈ [0, π] astfel ı̂ncât

v·w
cos θ = (7.4)
kvkkwk
Unghiul de măsură θ ı̂l numim unghiul dintre vectorii v şi w, şi astfel cosinusul unghiului
dintre doi vectori nenuli este:
v·w
cos(∠v, w) = (7.5)
kvkkwk
Observaţia 7.1.1 La fizică produsul scalar a doi vectori din plan s-a definit ca fiind
produsul modulelor celor doi vectori cu cosinusul unghiului dintre vectori. Din relaţia
(7.5) rezultă că ı̂n orice spaţiu vectorial cu produs scalar, avem că:
v · w = kvkkwk cos (∠v, w). (7.6)

În concluzie cosinusul unghiului a doi vectori dă informaţie despre poziţia relativă a doi
vectori ı̂ntr-un spaţiu vectorial. Observăm că dacă produsul scalar a doi vectori nenuli este
zero: v · w = 0, atunci cosinusul unghiului dintre cei doi vectori este 0: cos (∠v, w) = 0.
Deci măsura unghiului (∠v, w) este π/2 (90◦ ). Această particularitate ne conduce la:
Definiţia 7.1.4 Doi vectoi nenuli v, w ∈ Rn care au produsul scalar egal cu zero se
numesc vectori ortogonali (perpendiculari). Notăm v⊥w şi citim v este ortogonal pe
w.
Exemplul 5. Se dau vectorii v = (−7, 1, 3)T , w = (0, 2, −1)T ∈ R3 , u = (3, 1, 2)T . Să se
calculeze cosinusul unghiului dintre v şi w şi să se arate că w ⊥ u.
v·w −7 · 0 + 1 · 2 − 3 · 1 −1 −1
cos (∠v, w) = = √ √ =√ √ =√
kvkkwk 49 + 1 + 9 4 + 1 59 5 295
Pentru a verifica ortogonalitatea vectorilor w şi u calculăm produsul lor scalar: w · u =
0 · 3 + 2 · 1 − 1 · 2 = 0. În concluzie vectorii w şi u sunt ortogonali.
7.2 Baze ortonormate ı̂n Rn

Definiţia 7.2.1 Un sistem de m vectori nenuli din Rn , S = {v1 , v2 , . . . , vm }, cu pro-
prietatea că oricare doi vectori distincţi sunt ortogonali, adică vi · vj = 0, ∀ i, j ∈
{1, 2, . . . , m}, i 6= j, se numeşte sistem ortogonal de vectori.
Propoziţia 7.2.1 Un sistem ortogonal de vectori este un sistem liniar independent.
Demonstraţie: Fie S = {v1 , v2 , . . . , vm } un sistem ortogonal de vectori, adică:
vi · vj = 0, ∀ i, j ∈ {1, 2, . . . , m}, i 6= j (7.7)
Presupunem că o combinaţie liniară a acestor vectori este egală cu vectorul nul:
α1 v1 + α2 v2 + · · · + αi vi + · · · αm vm = θ, α1 , α2 , . . . αm ∈ R (7.8)
Înmulţim scalar ambii membrii ai relaţie (7.8) cu vectorul vi :
(α1 v1 + · · · + αi vi + · · · αm vm ) · vi = (θ · vi ) (7.9)
Aplicând proprietăţile produsului scalar şi ortogonalitatea a doi vectori distincţi, avem:
α1 (v1 · vi ) + · · · + αi (vi · vi ) + · · · + αn (vn · vi ) = (θ · vi ) = 0 (7.10)
| {z } | {z } | {z }
=0 6=0 =0
Rezultă deci că

αi (vi · vi ) = 0 (7.11)
Dar produsul a două numere reale este zero doar dacă cel puţin unul din factori este zero.
Cum vi · vi 6= 0 (pentru că vi 6= θ), rezultă că αi = 0, i = 1, m. Prin urmare vectorii
ortogonali sunt liniar independenţi.
7.2. Baze ortonormate ı̂n Rn 7
e3
u3
u2 e2
u1 e1
Fig.7.2: Bază ortogonală ı̂n stânga şi ortonormată ı̂n dreapta.
Această particularitate a sistemelor de vectori ortogonali ne asigură că un sistem ortogonal

de n vectori din Rn formează o bază.
Definiţia 7.2.2 O bază din Rn formată din vectori ortogonali doi câte doi se numeşte
bază ortogonală. Baza B = (e1 , e2 , . . . , en ) ce are vectorii distincţi ortogonali doi câte
doi şi fiecare vector are norma egală cu 1 numeşte bază ortonormată.
Deoarece doi vectori ei , ej sunt ortogonali dacă produsul lor scalar este egal cu zero,
matematic, faptul că baza B este ortonormată se exprimă astfel:
ei · ej = 0, ∀ i 6= j şi kei k = 1, ∀ i = 1, n (7.12)
Precizăm că produsul scalar ei · ei , al unui vector dintr-o bază ortonormată, cu el ı̂nsuşi,
√
este egal cu 1, ei ·ei = 1. Într-adevăr, norma vectorului ei este egală cu 1, adică, ei · ei = 1
sau echivalent, ridicând la pătrat, ei · ei = 1.
Diferenţa dintre o bază ortogonală (u1 , u2, u3 ) şi una ortonormată (e1 , e2 , e3 ), din R3
este ilustrată ı̂n Fig.7.2.
Exemplul 6. Baza canonică din spaţiul vectorial (Rn , ·) este o bază ortonormată.
Să verificăm ı̂n cazul n = 3: B = (e1 = (1, 0, 0)T , e2 = (0, 1, 0)T , e3 = (0, 0, 1)T ).
e1 · e2 = (1, 0, 0)T · (0, 1, 0)T = 1 · 0 + 0 · 1 + 0 · 0 = 0

e1 · e3 = (1, 0, 0)T · (0, 0, 1)T = 0
e2 · e3 = (0, 1, 0)T · (0, 0, 1)T = 0
Deci baza canonică este ortogonală. Să arătăm că este şi normată, adică fiecare vector
are norma 1 (este versor):
√
ke1 k = 12 + 02 + 02 = 1, ke2 k = 1, ke3 k = 1.
7.3 Coordonatele unui vector ı̂ntr-o baza ortonormată

În continuare vom arăta că spre deosebire de bazele arbitrare, coordonatele unui vector
ı̂ntr-o bază ortonormată se calculează foarte simplu.
Propoziţia 7.3.1 Dacă B = (u1 , u2, . . . , un ) este o bază ortonormată ı̂n (Rn , ·) şi v un
vector arbitrar din Rn , atunci coordonatele vectorului v ı̂n baza B sunt xi = v · ui , i = 1, n,
adică coordonatele vectorului v se obţin calculând succesiv produsul scalar dintre v şi
vectorii bazei B.
Demonstraţie: Baza B fiind ortonormată avem

0 dacă i 6= j
ui · uj = (7.13)
1 dacă i = j
Fie
v = x1 u1 + x2 u2 + · · · + xi ui + · · · + xn un (7.14)
exprimarea vectorului v ı̂n baza ortonormată B. Înmulţind scalar fiecare membru al
relaţiei (7.14) cu vectorul ui obţinem:
v · ui = x1 (u1 · ui ) + x2 (u2 · ui ) + · · · + xi (ui · ui ) + · · · xn (un · ui ), (7.15)

| {z } | {z } | {z } | {z }
=0 =0 =1 =0
adică v · ui = xi , i = 1, n.
Observaţia 7.3.1 Un vector v are următoarea exprimare ı̂n baza ortonormată B:
v = (v · u1 )u1 + (v · u2 )u2 + · · · + (v · un )un . (7.16)
Exemplul 7. În spaţiul vectorial (R3 , ·) se dă baza

1 1 1 4 1 2 1 2
B = u1 = √ , 0, − √ , u2 = √ , √ , √ , u3 = ,− ,
2 2 18 18 18 3 3 3
Să se arate că B este o bază ortonormată şi să se determine coordonatele vectorului
v = (−3, 1, 2) relativ la baza B.
Verificăm ortogonalitatea:

1 1 1 4 1 1 1
u1 · u2 = √ , 0, − √ · √ ,√ ,√ = √ −√ =0
2 2 18 18 18 36 36

1 1 2 1 2 2 2
u1 · u3 = √ , 0, − √ · ,− , = √ − √ =0
2 2 3 3 3 3 2 3 2

1 4 1 2 1 2 2 4 2
u2 · u3 = √ ,√ ,√ · ,− , = √ − √ + √ = 0.
18 18 18 3 3 3 3 18 3 18 3 18
7.3. Coordonatele unui vector ı̂ntr-o baza ortonormată 9
Să calculăm norma fiecărui vector din bază:

p p p
ku1k = 1/2 + 1/2 = 1, ku2 k = 1/18 + 16/18 + 1/18 = 1, ku3 k = 4/9 + 1/9 + 4/9 = 1
Coordonatele vectorului v relativ la baza B sunt

1 1 3 2 5
x1 = v · u1 = (−3, 1, 2) · √ , 0, − √ = −√ − √ = −√
2 2 2 2 2
1 4 1 3 4 2 3 1
x2 = v · u2 = (−3, 1, 2) · √ , √ , √ = −√ + √ + √ = √ = √
18 18 18 18 18 18 18 2
2 1 2 6 1 4
x3 = v · u3 = (−3, 1, 2) · ,− , = − − + = −1.
3 3 3 3 3 3
5 1
Deci v se exprimă ı̂n baza B astfel v = − √ u1 + √ u2 − u3 .
2 2
Concluzie: Coordonatele unui vector ı̂ntr-o bază ortonormată se calculează foarte
simplu şi anume: Dacă B = (u1, u2 , . . . , un ) este o bază ortonormată ı̂n Rn , atunci orice
vector se exprimă ı̂n aceasta bază ca v = x1 u1 + x2 u2 + · · · + xn un , şi coordonatele
xi =< v, ui >, i = 1, n, sunt produsele scalare ale vectorului v, cu vectorii bazei, ui . Cu
alte cuvinte exprimarea vectorului v ı̂n baza B este:
v =< v, u1 > u1 + < v, u2 > u2 + · · · + < v, un > un (7.17)

sau in notaţia din fizică:
v = (v · u1 )u1 + (v · u2 )u2 + · · · + (v · un )un (7.18)

Curs 8
Metoda de ortogonalizare Gramm-Schmidt.

Produsul vectorial a doi vectori din R3.
1
• Procedeul de ortonormalizare Gramm-Schmidt
• Produs vectorial
• Construcţia unei baze ortonomate prin produse vectoriale succesive
8.1 Procedeul de ortonormalizare Gramm-Schmidt

Fie B = (v1 , v2 , . . . , vn ) baza arbitrară. Procedura Gramm-Schmidt este o metodă recur-
sivă de construcţie a unei baze ortonormate, B′′ = (u1 , u2 , . . . , un ), pornind de la baza
B.
• Mai ı̂ntâi construim progresiv prin metoda Gramm–Schmidt o bază ortogonală B′ =
(w1 , w2 , . . . , wn ).
• Baza B′′ se va constitui din versorii vectorilor bazei B′ :
w1 w2 wn
B′′ = (u1 = , u2 = , . . . , un = ) (8.1)
kw1 k kw2 k kwn k
Construcţia bazei B′ :
Definim w1 = v1 şi luăm w2 = λw1 − v2 , unde scalarul λ se determină, impunând ca
vectorul w2 să fie ortogonal pe w1 , adică produsul scalar w2 · w1 = 0.
v2 · w1
w2 · w1 = 0 ⇔ (λw1 − v2 ) · w1 = 0 ⇔ λ(w1 · w1 ) − v2 · w1 = 0 ⇔ λ =
w1 · w1
Deoarece w1 = v1 6= θ, produsul scalar w1 · w1 > 0 şi deci λ este bine definit. Astfel am
construit vectorii ortogonali w1 , w2 .
Determinăm al treielea vector w3 de forma:
w3 = λ1 w1 + λ2 w2 − v3 ,
1
Petrisor
1
unde scalarii λ1 , λ2 ı̂i determinăm din condiţiile ca w3 să fie ortogonal şi pe w1 şi pe w2 ,
adică:
w3 · w1 = 0 (λ1 w1 + λ2 w2 − v3 ) · w1 = 0
⇔ (8.2)
w3 · w2 = 0 (λ1 w1 + λ2 w2 − v3 ) · w2 = 0
Efectuând produsele scalare ı̂n ambele ecuaţii obţinem:
λ1 (w1 · w1 ) + λ2 (w2 · w1 ) − v3 · w1 = 0
| {z }
=0
(8.3)
λ1 (w1 · w2 ) + λ2 (w2 · w2 ) − v3 · w2 = 0
| {z }
=0
Deoarece w1 şi w2 sunt deja definiţi şi sunt vectori ortogonali, produsul lor scalar este
zero: w1 · w2 = w2 · w1 = 0 şi astfel din prima, respectiv a doua ecuaţie, obţinem:
v3 · w1 v3 · w2
λ1 = , λ2 = (8.4)
w1 · w1 w2 · w2
Continuând cu acelaşi procedeu, ı̂n etapa n construim vectorul
wn = λ1 w1 + λ2 w2 + · · · λn−1 wn−1 − vn
şi determinăm parametrii λ1 , λ2 , . . . , λn−1 din condiţiile:
wn · w1 = 0
wn · w2 = 0
.. (8.5)
.
wn · wn−1 = 0
Exemplul 1. Pornind de la baza B = (v1 = (1, 1, 0), v2 = (−1, 0, 1), v3 = (−1, 1, −2))
din spaţiul (R3 , · ) să se construiască o bază ortonormată ı̂n R3 , folosind procedeul lui
Gramm–Schmidt.
Rezolvare: Observăm că baza B nu este o bază ortogonală pentru că v1 · v2 = −1 6= 0.

Deci are sens să aplicăm procedeul Gramm-Schmidt.
Notăm cu B′ = (w1 , w2 , w3 ) baza ortogonală ce urmează să o construim.
Definim:
w1 = v1 = (1, 1, 0)
w2 = λw1 − v2
Impunând ca w2 ⊥w1 obţinem ca mai sus:
w1 · v2 −1
λ= = =
w1 · w1 2
Deci vectorul w2 are coordonatele:
1
w2 = − (1, 1, 0) − (−1, 0, 1) = (1/2, −1/2, −1) k (1, −1, −2)
2
8.2. Produs vectorial 3
Pentru a lucra cu coordonate nefracţionare se recomandă să ı̂nlocuim vectorul w2 cu

vectorul (1, −1, −2) = 2w2 , care are aceeaşi direcţie, deci este la fel, ortogonal pe w1 .
Pentru simplificare notăm noul vector (1, −1, −2) tot cu w2 .
Constituim vectorul w3 astfel:
w3 = λ1 w1 + λ2 w2 − v3
şi impunând condiţiile de ortogonalitate pe w1 şi w2 obţinem

v3 · w1 (−1, 1, −2) · (1, 1, 0)
λ1 = = =0
w1 · w1 w1 · w1
v3 · w2 2 1
λ2 = = =
w2 · w2 6 3
Astfel
1
w3 = 0 · (1, 1, 0) + (−1, 1, 2) + (−1, 1, −2) = (−4/3, 4/3, −4/3) k (−1, 1, −1)
3
Prin urmare am construit baza ortogonală:
B′ = (w1 = (1, 1, 0), w2 = (1, −1, −2), w3 = (−1, 1, −1))
Baza ortonormată se obţine din B′ ı̂nlocuind fiecare vector wi cu versorul său:

w1 w2 w3
B′′ = (u1 = , u2 = , u3 = )
kw1k kw2 k kw3 k
adică:
(1, 1, 0) (1, −1, −2) (−1, 1, −1)
B′′ = (u1 = √ , u2 = √ , u3 = √ )
2 6 3
8.2 Produs vectorial

Într-un spaţiu vectorial Rn , cu n arbitrar, produsul scalar asociază la orice doi vectori
v, w, un număr (scalar), v · w. În spaţiul R3 , raportat la baza canonică
B = (e1 = (1, 0, 0)T , e2 = (0, 1, 0)T , e3 = (0, 0, 1)T ),
definim şi ceea ce se numeşte produsul vectorial a doi vectori, v şi w, adică ”rezultatul”
produsului este tot un vector din R3 .
Definiţia 8.2.1 Fie v = (x1 , x2 , x2 )T , w = (y1 , y2 , y3 )T , doi vectori din R3 . Produsul lor
vectorial este un vector notat, v × w, ale cărui coordonate ı̂n baza canonică se obţin din
dezvoltarea după prima linie a determinantului formal:

e1 e2 e3
x2 x3 x1 x3 x1 x2
x1 x2 x3 =
y2 y3 e1 − y1 y3 e2 + y1 y2 e3 (8.6)
y1 y2 y3
Exemplul 2. Să se calculeze produsul vectorial v1 × v2 , unde v1 = (−2, 1, 3)T , v2 =

(1, 0, −4)T ∈ R3 .

e1 e2 e3

v1 × v2 = −2 1 3 = −4e1 − 5e2 − e3
1 0 −4
Proprietăţi ale produsului vectorial:
1. v × w = −(w × v)
Într-adevăr,

x2 x3 x1 x3 x1 x2

v×w = e − e + e (8.7)
y2 y3 1 y1 y3 2 y1 y2 3
Ţinând seama că schimbând două linii ale unui determinant ı̂ntre ele obţinem minus
determinantul iniţial:
a b
= − c d ,
c d a b
rezultă că:

y2 y3 y1 y3 y1 y2

v × w = − e + e − e
x2 x3 1 x1 x3 2 x1 x2 3

y2 y3 y1 y3 y1 y2
= − e − e + e =
x2 x3 1 x1 x3 2 x1 x2 3 (8.8)

e1 e2 e3

= − y1 y2 y3 = −(w × v)
x1 x2 x3
Această proprietate a produsului vectorial se numeşte anticomutativitate.

2. Dacă vectorii v şi w sunt coliniari, adică w = λv, cu λ 6= 0, atunci produsul vectorial
v × w = θ şi reciproc, dacă produsul vectorial adoi vectori nenuli este zero, v × w = θ,
atunci cei doi vectori, v, w sunt coliniari.
Dacă v = (x1 , x2 , x3 )T , atunci w = (λx1 , λx2 , λx3 )T şi deci:

e1 e e
2 3
v × w = x1 x2 x3 =

λx1 λx2 λx3
(8.9)
x x3
= 2 e1 − x1 x3 e2 + x1 x2 e3 =
λx2 λx3 λx1 λx3 λx1 λx2
= 0e1 + 0e2 + 0e3 = θ,

8.2. Produs vectorial 5
deoarece dacă două linii ale unui determinant sunt proporţionale, atunci determinantul
este egal cu zero.
Reciproca se bazează pe faptul că dacă:

a b

c d = 0,
atunci linia 1 este proporţională cu linia a doua.

3. Produsul vectorial v × w este ortogonal şi pe v şi pe w, v × w ⊥ v, v × w ⊥ w.
v1 × v2
v2
v1
Să arătăm că v × w ⊥ v, adică produsul scalar (v × w) · v = 0. Ştiind că produsul scalar
a doi vectori din R3 este suma produselor coordonatelor din aceaaşi poziţie avem:

x2 x3 x1 x3 x1 x2
(v × w) · v = x − x + x =
y2 y3 1 y1 y3 2 y1 y2 3
(8.10)
x1 x2 x3

= x1 x2 x3 = 0
y1 y2 y3
Precizăm că penultima egalitate ilustrează dezvoltarea determinantului de ordin 3 după

prima linie, iar ultima egalitate are loc deoarece două linii ale determinantului coincid.
Analog se arată şi că v × w ⊥ w.
4. Norma produsului vectorial este egal cu produsul normelor celor doi vectori şi
d
sinusul unghiului dintre ei: kv × wk = kvkkwk sin(v, w) (se verifică prin calcul direct).
5. Norma produsului vectorial a doi vectori este egală cu aria paralelogramului con-
struit pe cei doi vectori.
Demonstraţie: Norma vectorului produs vectorial este: kv × wk = kvkkwk sin(v, d w).

Aria paralelogramului construit pe cei doi vectori (vezi figura de mai jos) este baza, B,
ori ı̂nalţimea, h, a paralelogramului. Lungimea bazei este B = kvk, iar ı̂nalţimea se află
din triunghiul dreptunghic format, şi anume:
h
d
sin (v, w) = ⇔ d
h = kwk sin (v, w)
kwk
Astfel aria paralelogramului devine
d
A = B · h = kvkkwk sin (v, w) = kv × wk
w
w − prv (w)
prv (w) v
Proprietatea 3. a produsului vectorial ne asigură că un vector simultan perpendicular

şi pe v şi pe w este produsul lor vectorial, v × w. Exploatând această proprietate putem
construi o bază ortonormată ı̂n R3 , doar din doi vectori.
8.3 Construcţia unei baze ortonormate cu ajutorul produsului

vectorial
Propoziţia 8.3.1 Cu ajutorul a doi vectori v1 , v2 ∈ R3 , nenuli şi necoliniari se poate
construi o bază ortonormată ı̂n R3 .
Demonstraţie: Construim mai ı̂ntâi o bază ortogonală B′ = (f1 , f2 , f3 ), pe care apoi o

normăm, adică calculăm versorii vectorilor din baza ortogonală:
f1 f2 f3
B′′ = (u1 = , u2 = , u3 = )
kf1 k kf2 k kf3 k
Şi anume, luăm:

f1 = v1
f2 = v1 × v2
Deoarece produsul vectorial v1 ×v2 este ortogonal pe ambii vectori v1 , v2 , rezultă că f2 ⊥f1 .
Un vector simultan perpendicular şi pe f1 şi pe f2 este produsul lor vectorial, f1 × f2 ,
deci luăm:
f3 = f1 × f2 = v1 × (v1 × v2 )
Baza ortonormată construită cu ajutorul vectorilor v1 , v2 este

′′ f1 f2 f3
B = u1 = , u2 = , u3 =
kf1 k kf2 k kf3 k
Exemplul 3. Pornind de la vectorii v1 = (−2, 1, 3)T , v2 = (1, 0, −4)T ∈ R3 şi efectuând

produse vectoriale succesive, să se construiască o bază ortonormată ı̂n R3 .
8.3. Construc=ııııtia unei baze ortonormate cu ajutorul produsului vectorial 7
T
f1 = v1 = (−2, 1,
3)
e1 e2 e3

f2 = v1 × v2 = −2 1 3 = −4e1 − 5e2 − e3

1 0 −4

e1 e2 e3

f3 = f1 × f2 = −2 1 3 = 14e1 − 14e2 + 14e3 k e1 − e2 + e3

−4 −5 −1
Baza
B′ = (f1 = (−2, 1, 3)T , f2 = (−4, −5, −1)T , f3 = (1, −1, 1))T
este ortogonală. Deoarece:
√ √ √ √ √ √
kf1 k = 4 + 1 + 9 = 14, kf2 k = 16 + 25 + 1 = 42, kf3 k = 1 + 1 + 1 = 3,
baza B′ nu este normată (vectorii săi nu au norma 1).

Baza ortonormată construită pornind de la vectorii v1 , v2 este:

′′ (−2, 1, 3)T (−4, −5, −1)T (1, −1, 1)T
B = u1 = √ , u2 = √ , √
14 42 3
Curs 9
Planul ı̂n şi dreapta ı̂n spaţiu
9.1 Sisteme de axe ortogonale ı̂n plan şi spaţiu

În plan se consideră sistemul de axe ortogonale Oxy, unde O este un punct fixat. Axa
Ox, are direcţia şi sensul vectorului e1 = (0, 1)T , iar Oy a vectorului e2 = (0, 1)T . Un
punct arbitrar din plan M are coordonatele (x, y) relativ la acest sistem de axe, unde x
−−→
şi y sunt coordonatele vectorului OM ı̂n baza canonică.
În spaţiu se consideră axele ortogonale Ox, Oy, Oz, care au respectiv direcţia şi sensul
lui e1 = (1, 0, 0)T , e2 = (0, 1, 0)T , e3 = (0, 0, 1)T .
ze3
y M (x, y, z)
−−→
OM
e3
ye2 M (x, y) e2 ye2
−−→ O y
OM e1
e2
xe1 M′
O e1 xe1 x
Fig.9.1: Semnificaţia coordonatelor unui punct M din plan raportat la un sistem ortogonal de
axe (stânga), respectiv din spaţiul 3D (dreapta).
Un punct arbitrar M din spaţiul tridimesnional are coordonatele (x, y, z), definite ca
−−→
fiind coordonatele vectorului OM ı̂n baza canonică B = (e1 , e2 , e3 ).
1
Petrisor
1
În Fig.9.1 sunt ilustrate două sisteme de axe ortogonale, unul ı̂n plan (stânga) şi cel
de-al doilea ı̂n spaţiul tri–dimensional (dreapta).
La orice două puncte A(x1 , x2 , . . . , xn ), B = (y1, y2 , . . . , yn ) (n=2, 3) le asociem vec-
−→
torul AB:
−→
AB := B − A
−→ A
(A, B)−→AB
−→
Coordonatele vectorului AB se obţin scâzând din coordonatele punctului B coordo-
natele punctului A:  
y1 − x1
−→  y2 − x2 
 
AB =  .. 
 . 
yn − xn
Proprietăţi ale vectorilor definiţi de câte o pereche de puncte:
−→ −−→ −→
AB + BC = AC, ∀ A, B, C ∈ P (relaţia lui Chasles);
B
A
C
Aplicând relaţia lui Chasles pentru punctele A, B, C identice (toate notate A), obţinem
−→ −→ −→ −→
AA + AA = AA, adică AA = θ ∈ Rn .
−→ −→ −→
Relaţia lui Chasles aplicată punctelor A, B, A conduce la AB + BA = AA = θ, adică
−→ −→
BA = −AB.
Cu alte cuvinte, vectorul ce are punctul de aplicaţie, A, şi extremitatea libera, tot A
este vectorul nul.
−→ −→
Vectorul BA este opusul vectorului AB.
Relaţia Chasles se extinde la un număr finit de puncte:
−−−→ −−−→ −−−−−→ −−−→
A1 A2 + A2 A3 + · · · + Am−1 Am = A1 Am
Exemplul 1. În R3 se dau punctele A(1, 2 − 3), B = (−4, 1, 0). Să se determine coordo-
−→
natele vectorului AB.
−→
Conform definiţiei AB = B − A = (−4 − 1, 1 − 2, 0 − (−3))T = (−5, −2, 3)T .
−→
Definim distanţa dintre două puncte A, B ca fiind norma vectorului AB:
−→
d(A, B) = kABk
9.2. Planul ı̂n spaţiu 3
−→
Dacă A = (x1 , x2 , . . . , xn ) şi B = (y1 , y2, . . . , yn ), atunci vectorul AB(y1 − x1 , y2 −
x2 , . . . , yn − xn )T şi deci distanţa dintre două puncte A, B este:
−→ p
d(A, B) = kABk = (y1 − x1 )2 + (y2 − x2 )2 + · · · + (yn − xn )2 =
p
= (x1 − y1 )2 + (x2 − y2 )2 + · · · + (xn − yn )2
Două puncte A, B determină un segment, notat [A, B].
−−→ −−→
Mijlocul segmentului [A, B] este punctul M cu proprietatea că AM = MB.
−−→
Dacă A(a1 , a2 , . . . , an ), B(b1 , b2 , . . . , bn ), M(x1 , x2 , . . . , xn ), atunci din relaţia AM =
−−→ −−→ −−→
MB rezultă aceeaşi relaţie ı̂ntre coordonatele din poziţia i a vectorilor AM , MB, adică:
ai + bi
xi − ai = bi − xi , ⇔ 2xi = ai + bi ⇔ xi =
, ∀ i = 1, n
2
Prin urmare coordonatele mijlocului unui segment sunt egale cu media aritmetică a coor-
donatelor corespunzătoare ale extremităţilor segmentului.
Exemplul 2. În R3 se dau punctele A(−1, 2, 4), B(3, 0, −5), C(1, −7, 2).
a) Să se calculeze distanţa de la A la mijlocul segmentului [B, C].
[
b) Să se calculeze cosinusul unghiului BAC
a) Fie M(x, y, z) mijlocul segmentului [B, C]. Coordonatele sale sunt:

3+1 0−7 −5 + 2
x= = 2, y = = −3.5, z = = −1.5
2 2 2
p √
Distanţa
√ d(A, M) = ((−1 − 2) 2 + (2 + 3.5)2 + (4 + 1.5)2 = 9 + 5.52 + 5.52
= 9 + 60.5 = 8.34.
[ este unghiul dintre vectorii −
b) Unghiul BAC
→ −→
AB, AC.
A
C
B
−→ −→
AB = B − A = (4, −2, −9), AC = (2, −9, −2). Astfel:
−→ −→
[ = − AB · AC 8 + 18 + 18 44 44
cos(BAC) → −→ = √ √ =√ =√
kABk kACk 16 + 4 + 81 4 + 81 + 4 101 + 89 190
9.2 Planul ı̂n spaţiu

În continuare notăm cu B = (i, j, k) baza canonică din R3 (notaţie consacrată ı̂n geometria
analitică). Considerăm spaţiul R3 raportat la sistemul de axe ortogonale, Ox, Oy, Oz.
Un punct din spaţiu raportat la acest sistem de axe are coordonatele (x, y, z).
Reamintim că dacă v(x1 , x2 , x3 ), w(y1, y2, y3 ) sunt doi vectori din R3 , atunci produsul
lor vectorial este un vector notat, v ×w ∈ R3 , şi coordonatele sale ı̂n baza canonică (i, j, k)
se determină din dezvoltarea după prima linie a determinantului:

i j k
x2 x3 x1 x3 x1 x2
v × w = x1 x2 x3 = i −
y1 y3 j + y1 y2 k
(9.1)
y1 y2 y3 y2 y3
Vectorul v × w este ortogonal şi pe v şi pe w:
v × w ⊥ v, v×w ⊥w
.
→
−
Dacă π este un plan, numim normala la plan un vector N ∈ R3 cu proprietatea că
→
− −→
oricare ar fi două puncte P, Q ∈ π ı̂n plan, vectorul N este ortogonal pe P Q.
9.3 Planul determinat de un punct şi normala la plan

→
−
Fie M(x0 , y0, z0 ) un punct fixat şi N = Ai + Bj + Ck un vector fixat. Planul ce conţine
→
−
punctul M0 şi are normala N este format din mulţimea punctelor M din spaţiu cu propri-
→
− −−−→ → −−−→
−
etatea că vectorul N este perpendicular pe M0 M , adică produsul scalar < N , M0 M >= 0:
→ −−−→
−
π = {M(x, y, z) | < N , M0 M >= 0} (9.2)
−−−→ −−−→
Dar vectorul M0 M are coordonatele: M0 M = M − M0 = (x − x0 )i + (y − y0 )j + (z − z0 )k.
→ −−−→
−
Astfel produsul scalar < N , M0 M >= 0 este echivalent cu A(x − x0 ) + B(y − y0 ) + C(z −
z0 ) = 0. Ecuaţia:
A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0 (9.3)
−
→
este ecuaţia planului ce conţine punctul M0 (x0 , y0 , z0 ) şi are normala N =
Ai + Bj + Ck.
−
→
Exemplul 3. Să se scrie ecuaţia planului ce trece prin M0 (−1, 4, 2) şi are normala N =
3i − 7j + 2k.
Ecuaţia cerută este:

3(x + 1) − 7(y − 4) + 2(z − 2) = 0
9.3. Planul determinat de un punct şi normala la plan 5
Ecuaţia (9.3) este echivalentă cu:
Ax + By + Cz + (−Ax0 − By0 − Cz0 ) = 0 ⇔ Ax + By + Cz + D = 0 (9.4)

| {z }
D
Ecuaţia Ax + By + Cz + D = 0 se numeşte ecuaţia generală a planului .

Observăm că coeficienţii lui x, y, z, din ecuaţia generală a planului reprezintă
coordonatele normalei la plan. De exemplu, normala planului de ecuaţie −2x + 5y −
→
−
3z + 11 = 0 este N = −2i + 5j − 3k.
Plane de coordonate ı̂n spaţiu
Sistemului de axe ortogonale xOyz, ce au direcţiile i, j, k, i se asociază trei plane:
• planul ce trece prin O şi are normala k = 0i + 0j + 1k are ecuaţia 0(x − 0) + 0(y −
0) + 1(z − 0) = 0, adică z = 0.
În acest plan toate punctele au coordonata a treia, z, egală cu 0. Numim acest plan,
planul xOy.
În mod analog obţine ecuaţia:
• planului yOz: x = 0;
• planului xOz: y = 0.
Planele xOy, xOz, yOz se numesc plane de coordonate, deoarece ı̂n primul coordonata
z este 0, ı̂n al doilea coordonata y, iar ı̂n al treielea coordonata x.
9.3.1 Plane paralele ı̂n spaţiu
Două plane
π1 A1 x + B1 y + C1 z + D1 = 0
π2 A2 x + B2 y + C2 z + D2 = 0
→
− →
−
sunt paralele dacă şi numai dacă normalele lor N π1 = A1 i + B1 j + C1 k, N π2 = A2 i +
→ −
− → →
− →
−
B2 j + C2 k sunt coliniare N π1 || N π2 , adică există λ =
6 0 astfel ı̂ncât N π2 = λ N π1 . Relaţia
de coliniaritate scrisă pe coordonate revine la:
A2 = λA1
B2 = λB1
C2 = λC1
sau echivalent:
A2 B2 C2
= =
A1 B1 C1
Exemplul 4. Planele
π1 : −2x + y + 5z − 7 = 0
π2 : −2x + y + 5z + 10 = 0
sunt paralele.
Exemplul 5. Să se scrie ecuaţia planului ce conţine punctul M(0, 2, −7) şi este paralel
cu planul π : 4x − 3z + 2 = 0.
Practic trebuie să scriem ecuaţia planului α ce conţine punctul M şi are aceeaşi nor-
→
−
mală ca şi planul π, adică N α = 4i + 0j − 3k. Deci ecuaţia planului va fi:
α: 4(x − 0) + 0(y − 2) − 3(z + 7) = 0, adică 4x − 3z − 21 = 0
Plane paralele cu planele de coordonate.

Două plane ale căror ecuaţii generale diferă doar prin termenul liber, D, sunt plane
paralele, deoarece au aceeaşi normală. Astfel putem afirma că orice plan paralel cu:
• planul xOy are ecuaţia z = λ, λ ∈ R (planul xOy are ecuatia z = 0, deci ecuaţia
unui plan paralel cu el diferă doar prin termenul liber şi va fi z = λ) ;
• planul yOz are ecuaţia x = λ, λ ∈ R;
• planul xOz are ecuaţia y = λ, λ ∈ R;
9.3. Planul determinat de un punct şi normala la plan 7
9.3.2 Planul determinat de un punct şi două direcţii date
Fie M0 un punct fixat şi v1 = l1 i + m1 j + n1 k, v2 = l2 i + m2 j + n2 k doi vectori nenuli şi

necoliniari. Pentru a determina ecuaţia planului ce conţine punctul M0 şi direcţiile celor
doi vectori, notat π(M0 ; v1 , v2 ), ţinem seama că normala la plan este perpendiculară pe
orice vector din plan, deci şi pe v1 , v2 .
Dar un vector simultan perpendicular pe doi vectori daţi este produsul vectorial al
celor doi vectori. Deci normala la planul căutat este:

i j k
−
→ m n
i − l1 n1

j + l1 m1

N = v1 × v2 = l1 m1 n1 = 1 1 k
l2 m2 n2 | m2{z n2
l2 n2 l2 m2
} | {z } | {z }
A B C
Prin urmare planul ce conţine punctul M0 şi direcţiile v1 , v2 are ecuaţia:

m1 n1
(x − x0 ) − l1 n1 (y − y0 ) + l1 m1 (z − z0 ) = 0,

m2 n2 l2 n2 l2 m2
adică

x − x0 y − y0 z − z0

π(M0 ; v1 , v2 ) : l1 m1 n1 =0
(9.5)
l2 m2 n2
9.3.3 Plane perpendiculare
Două plane
π1 : A1 x + B1 y + C1 z + D1 = 0
π2 : A2 x + B2 y + C2 z + D2 = 0
sunt perpendiculare dacă şi numai dacă normalele lor sunt perpendiculare.
Exemplul 6. Să se arate că planele π1 : −x + 2y + 3z + 1 = 0, π2 : 5x + 7y − 3z − 6 = 0

sunt perpendiculare.
→
− →
−
Normalele celor două plane sunt respectiv: N π1 = −i + 2j + 3k, N π2 = 5i + 7j − 3k.
→ −
− → →
− →
−
Produsul lor scalar este: < N π1 , N π2 >= −5 + 14 − 9 = 0. Deci N π1 ⊥ N π2 .
Curs 10
Planul ı̂n şi dreapta ı̂n spaţiu-Partea a doua
10.1 Dreapta ce conţine un punct şi are direcţia dată

→
−
Fie M0 (x0 , y0, z0 ) un punct şi d = li + mj + nk un vector nenul. Dreapta ce trece prin
→
− −−−→
M0 şi are direcţia d este mulţimea punctelor M cu proprietatea că vectorul M0 M este
→
−
coliniar cu vectorul d :
−−−→ →
−
d = {M(x, y, z) | M0 M = t d , t ∈ R}2
−−−→
Să exprimăm analitic relaţia de coliniaritate. M0 M = (x − x0 )i + (y − y0 )j + (z − z0 )k.
−−−→ →
−
Condiţia de coliniaritate M0 M = t d scrisă pe coordonate conduce la:
x − x0 = t l
y − y0 = t m (10.1)
z − z0 = t n
cea ce este echivalent cu:

x − x0 y − y0 z − z0
d: = = (10.2)
l m n
Ecuaţiile (10.2) reprezintă ecuaţiile dreptei ce trece prin punctul M0 (x0 , y0 , z0 ) şi are
→
−
direcţia d = li + mj + nk.
Ecuaţiile (10.1) se mai pot scrie:
x = x0 + t l
y = y0 + t m t ∈ R (10.3)
z = z0 + t n
În această formă ele se numesc ecuaţiile parametrice ale dreptei. Dacă t parcurge pe R,
punctul de coordonate (x(t) = x0 + t l, y(t) = y0 + t m, z(t) = z0 + t n) parcurge dreapta.
1
Petrisor
2 →
−
notăm prin d dreapta şi prin d direcţia sa
1
Interpretând t ca timp, (x(t), y(t), z(t)) reprezintă coordonatele la momentul t ale unui
punct care se mişcă pe dreapta d.
Exemplul 1. Se dă dreapta de ecuaţii:

x−2 y+1 z−5
d: = =
−3 0 1
Ce particularitate are această dreaptă?
La prima vedere suntem tentaţi să spunem că ecuaţiile dreptei sunt incorecte, deoarece
conţin o fracţie cu numitorul zero. Şirul de rapoarte egale exprimă ı̂nsă coliniaritatea
vectorilor (x − 2)i + (y + 1)j + (z − 5)k, −3i + 0j + 1k, adică pentru fiecare punct de pe
dreaptă M(x, y, z) există un t ∈ R astfel ı̂ncât:
x − 2 = −3t
y + 1 = 0t = 0
z − 5 = 1t
Din y + 1 = 0, rezultă că ı̂n punctele dreptei avem y = −1, adică dreapta este inclusă
ı̂ntr-un plan paralel cu planul xOz ( ce are ecuaţia y = 0).
→
−
Dreapta d are direcţia d = −3i + 0j + k.
Două drepte sunt paralele dacă şi numai dacă vectorii lor directori sunt
coliniari.
Exemplul 2. Să se scrie ecuaţiile dreptei ce trece prin punctul P (3, 4, −2) şi este per-
pendiculară pe planul π : x − 2y + 5z − 8 = 0
→
− −
→
Dreapta d fiind perpendiculară pe plan are direcţia normalei la plan: d = N =
i − 2j + 5k. Deci ecuaţiile ei vor fi:
x−3 y−4 z+2
= =
1 −2 5
Accentuăm că ı̂n rezolvarea problemelor de dreaptă şi plan trebuie să ţinem
seama că un plan este caracterizat de vectorul normal, iar o dreaptă de vec-
torul director.
Pentru a determina ecuaţia unui plan din condiţii geometrice date, trebuie să:
• să determinăm un punct conţinut ı̂n plan şi direcţia normalei sau
• să determinăm un punct şi două direcţii conţinute ı̂n plan.
Exemplul 3. Să se determine ecuaţia planului ce conţine punctul P (5, −7, 1) şi dreapta
x+4 y−1 z+3

d: = = (10.4)
−2 0 7
10.1. Dreapta ce conţine un punct şi are direcţia dată 3
M
P
d
Din enunţ avem un punct conţinut ı̂n plan. Dreapta d fiind inclusă ı̂n plan, rezultă că
→
−
planul conţine direcţia lui d, adică d = −2i + 0j + 7k. Din aceste informaţii ı̂ncercăm să
→
−
mai deducem o direcţie v 6= d conţinută ı̂n plan:
Pentru aceasta alegem un punct de pe dreapta d. Cel mai evident punct ce aparţine
dreptei este M(−4, 1, −3) (ı̂l deducem din numărătorii fracţiilor ce definesc ecuaţia (10.4)
comparând cu ecuaţia generală a unei drepte (10.2). Astfel o altă direcţie conţinută ı̂n
−−→
plan va fi v = P M = M − P = (−4 − 5)i + (1 + 7)j + (−3 − 1)k = −9i + 8j − 4k. Planul
→
−
cerut este planul π determinat de punctul P, şi direcţiile d , v:

x−5 y+7 z−1
→
−
π(P ; d , v) : −2 0 7 = 0
−9 8 −4
10.1.1 Proiecţia ortogonală a unui punct pe un plan

Fie P (x0 , y0, z0 ) un punct şi π : Ax + By + Cz + D = 0 un plan. Proiecţia ortogonală a
lui P pe plan este punctul de intersecţie P ′ al planului cu dreapta ce trece prin P şi este
perpendiculară pe π.
d
P′
Exemplul 4. Să se determine proiecţia ortogonală a punctului P (9, −4, 2) pe planul

π : −4x + y + 2z − 6 = 0.
Scriem ecuaţiile dreptei ce trece prin P şi este perpendiculară pe plan, adică are direcţia
→ −
− →
normalei la plan: d = N = −4i + j + 2k:
x−9 y+4 z−2
= =
−4 1 2
Punctul de intersecţie al dreptei cu planul s-ar putea obţine rezolvând sistemul:
( x−9 y+4 z−2
= =
−4 1 2
−4x + y + 2z − 6 = 0
O a doua modalitate pe care o şi aplicăm ı̂n continuare este să recurgem la ecuaţiile
parametrice ale dreptei. Adică notând cu t ∈ R valoarea comună a şirului de rapoarte
egale avem:
x−9 y+4 z−2
= = = t,
−4 1 2
adică
x(t) = −4t + 9
y(t) = t − 4
z(t) = 2t + 2
(x(t), y(t), z(t)) reprezintă poziţia la momentul t al unui punct ce se mişcă pe dreapta d.
Vom determina momentul t ı̂n care punctul mobil ajunge ı̂n plan, adică (x(t), y(t), z(t))
verifică ecuaţia planului:
−4x(t)+y(t)+2z(t)−6 = 0 ⇔ −4(−4t+9)+t−4+2(2t+2)−6 = 0 ⇔ 21t−42 = 0
Prin urmare ”punctul mobil ajunge ı̂n plan” la momentul t = 2, adică punctul de
intersecţie al dreptei cu planul este punctul
P ′ (x(2) = 1, y(2) = −2, z(2) = 6)
10.2 Dreapta de intersecţie a două plane

Poziţia relativă a două plane:
π1 : A1 x + B1 y + C1 z + D1 = 0
π2 : A2 x + B2 y + C2 z + D2 = 0
depinde de rangul matricii sistemului format din ecuaţiile celor două plane:

A1 B1 C1
A2 B2 21
Rangul maxim poate fi 2.

• dacă rangul este 2, atunci şi rangul matricii prelungite este 2, deci sistemul are o
infinitate de soluţii.
• dacă rangul este egal cu 1, atunci ı̂nseamnă că liniile matricii sunt proporţionale,
adică normalele planelor sunt coliniare, şi deci planele sunt fie paralele, fie coincid.
Se ştie că două plane neparalele se intersectează după o dreaptă.
Exemplul 5. Să se caracterizeze dreapta d de intersecţie a planelor:
π1 : −2x + 3y − z + 1 = 0
π2 : −y − 4z + 5 = 0
10.2. Dreapta de intersecţie a două plane 5

−2 3 −1
0 −1 −4
Luăm determinantul principal:
−2 3
∆p =
0 −1
Astfel x, y sunt necunoscute principale, iar z = t ecunoscută secundară. Rezolvând sis-
temul:
−2x + 3y = t − 1
−y = 4t − 5
obţinem soluţia:
x(t) = −(13/2)t + 8
y(t) = −4t + 5
z(t) = t
→
−
ce reprezintă ecuaţiile parametrice ale dreptei având vectorul director d = −(13/2)i−
4j + k şi care trece prin P (8, 5, 0).
Vectorul director al dreptei de intersecţie a două plane este produsul vec-
torial al normalelor la cele două plane.
Într-adevăr dacă cele două plane neparalele sunt
π1 : A1 x + B1 y + C1 z + D1 = 0
π2 : A2 x + B2 y + C2 z + D2 = 0
atunci dreapta d = π1 ∩ π2 de intersecţie este inclusă şi ı̂n π1 şi ı̂n π2 .
→
− →
− →
− →
−
Din d ⊂ π1 , rezultă că normala N π1 ⊥ d , iar din d ⊂ π2 rezultă N π2 ⊥ d . Vectorul
→
− →
−
director al dreptei d fiind simultan perpendicular şi pe N π1 şi pe N π2 , este produsul
vectorial al normalelor:
→ −
− → →
−
d = N π1 × N π2
Exemplul 6. Să se scrie ecuaţiile dreptei d ce trece prin punctul P (0, −1, 2) şi este
paralelă cu dreapta de intersecţie a planelor:
π1 : 2x + 4y − 3z + 7 = 0
π2 : x − 5y + 2z + 1 = 0
Pentru a putea scrie ecuaţiile dreptei d trebuie să-i determinăm vectorul director. Cum d
este paralelă cu dreapta d′ = π1 ∩ π2 , rezultă că are aceeşi direcţie ca d′ . Vectorul director
al lui d′ este:

i j k
→′ −
− → →
−
d = N π1 × N π2 = 2 4 −3 = −7i − 7j − 14k || i + j + 2k
1 −5 2
→
− −′
→
Deci dreapta este determinată de punctul P (0, −1, 2) şi vectorul director d = d =
i + j + 2k. Ecuaţiile ei sunt:
x−0 y+1 z−2
= =
1 1 2
10.2.1 Ecuaţiile axelor sistemului ortogonal xOyz

Fie xOyz un sistem ortogonal de axe ı̂n spaţiu. Axa Ox este intersecţia planelor xOz şi
xOy, deci are ecuaţiile:
y = 0
z = 0
Analog axa Oy are ecuaţiile:
x = 0
z = 0
iar Oz:
x = 0
y = 0
10.3 Distanţa de la un punct la un plan

Distanţa de la un punct M la un plan π este egală cu distanţa de la M la M ′ , proiecţia
sa ortogonală pe plan.
M′
π
Dacă planul π are ecuaţia Ax + By + Cz + D = 0 şi M(x0 , y0 , z0 ) atunci distanţa de
la M la π este:
|Ax0 + By0 + Cz0 + D|
dist(M, π) = √ (10.5)
A2 + B 2 + C 2
Curs 11
Valori şi vectori proprii ai unei matrici pătratice
11.1 Valori şi vectori proprii. Definiţie

Fie A ∈ Mn (R) o matrice pătratică.
Definiţia 11.1.1 Un vector propriu al lui A este un vector nenul, v ∈ Rn , pentru care
există un scalar real, λ ∈ R, astfel încât:
Av = λv (11.1)
Scalarul λ se numeşte valoare proprie a operatorului liniar, corespunzătoare vectorului
propriu v.
 
x1
 x2 
 
Detaliat condiţia pe care trebuie să o satisfacă un vector propriu v =  ..  se exprimă
 . 
xn
astfel:     
a11 a12 . . . a1n x1 x1
 a21 a22 . . . a2n   x2   x2 
    
 .. .. ..   ..  = λ  ..  (11.2)
 . . .   .   . 
an1 an2 . . . ann xn xn
Deoarece matricea unitate In , are efect ”neutru” într-o înmulţire In v = v, relaţia (11.1)
este echivalentă cu:
Av = λIn v ⇔ (A − λIn )v = 0, (11.3)
adică:     
a11 − λ a12 ... a1n x1 0
 a21 a22 − λ . . . a2n  x2   0 
    
 .. .. ..  .. = ..  (11.4)
 . . .  .   . 
an1 an2 . . . ann − λ xn 0
1
Petrisor
1
2 Cursul 11, Algebră–Geometrie, 2020/2021
Datorită şirului de echivalenţe, rezultă că matricea A admite vectori proprii, de coordonate

x1 , x2 , . . . , xn , dacă sistemul liniar şi omogen (11.4) admite soluţii nebanale (pentru că un
vector propriu este un vector nenul!). Dar un sistem liniar şi omogen de n ecuaţii cu
n necunoscute admite şi soluţii nebanale, dacă determinantul matricii sistemului este 0,
adică
det(A − λIn ) = 0
Acest determinant depinde de necunoscuta λ. Dezvoltând:

a11 − λ a12 . . . a
1n
a21 a22 − λ . . . a2n

det(A − λIn ) = .. .. .. = (−1)n λn + cn−1 λn−1 + · · · + c1 λ + c0
. . .

an1 an2 . . . ann − λ
(11.5)
obţinem un polinom cu coeficienţi reali, de grad n, în λ. Notăm acest polinom cu Pn (λ)
şi îl numim polinomul caracteristic al matricii A.
Dacă λ0 este o rădăcină reală (NU complexă!) a polinomului caracteristic, atunci
det(A − λ0 In ) = 0 şi deci sistemul liniar şi omogen:
    
a11 − λ0 a12 ... a1n x1 0
 a21 a22 − λ0 . . . a2n  x2   0 
    
 .. .. ..  .. = ..  (11.6)
 . . .  .   . 
an1 an2 . . . ann − λ0 xn 0
admite şi soluţii nebanale. O soluţie nebanală este constituită din coordonatele unui
vector propriu v, corespunzător valorii proprii λ0 : Av = λ0 v.
Avem astfel următorul algoritm de determinare a valorilor şi vectorilor proprii:
• Se calculează polinomul caracteristic Pn (λ) = det(A − λIn ).
• Se rezolvă ecuaţia Pn (λ) = 0. Rădăcinile sale pot fi numere reale şi/sau numere
complexe conjugate. Sunt valori proprii doar rădăcinile reale ale polinomului caracteristic;
• Pentru fiecare valoare proprie λ0 ∈ R se determină vectorii proprii corespunzători. Şi
anume, coordonatele acestor vectori sunt soluţiile nebanale ale sistemului liniar şi omogen:
    
a11 − λ0 a12 . . . a1n x1 0
 a21 a22 − λ0 . . . a2n     
   x2   0 
 .. .. ..   ..   .. 
= (11.7)
 . . .  .   . 
an1 an2 . . . ann − λ0 xn 0
ATENŢIE! Pentru a rezolva sistemul (11.7) trebuie determinat rangul matricii

sistemului. Sigur determinantul acestei matrici este 0 (deci rangul nu este n)
deoarece λ0 este soluţie a ecuaţiei det(A − λIn ) = 0. Prin urmare calculul
determinantului sistemul este muncă în plus!
11.1. Valori şi vectori proprii. Definiţie 3
Exemplul 1. Se dă matricea:
7 −4
A=
5 −2
Să determinăm valorile şi vectorii proprii corespunzători.
• Polinomul caracteristic,
P2 (λ) = det(A − λI2 )
.
7 −4 1 0 7−λ −4
A − λI2 = −λ =
5 −2 0 1 5 −2 − λ
Deci det(A − λI2 ) = λ2 − 5λ + 6;
• Rădăcinile polinomului caracteristic sunt: λ1 = 2, λ2 = 3 ∈ R. Deci matricea A are
două valori proprii.
• Să determinăm vectorii proprii corespunzători valorii λ = 2, adică vectorii v cu
proprietatea că Av = 2v. Coordonatele x1 , x2 ale lui v sunt soluţii ale sistemului liniar şi
omogen:
x1 0
(A − 2I2 ) = ,
x2 0
adică
5 −4 x1 0
=
5 −4 x2 0
Rangul matricii acestui sistem este 1. Alegem drept determinant principal pe ∆p = |5|. x1
este necunoscută principală şi x2 =
α necunoscută
secundară. Rezolvăm ecuaţia 5x1 = 4α
4α/5
şi obţinem familia de soluţii v = , α ∈ R, α ̸= 0;
α
• Vectorii proprii corespunzători valorii λ = 3:

4 − λ −4 x1 0
(A − 3I2 )v = 0, ⇔ =
5 −5λ x2 0

1
Rezolvând acest sistem obţinem vectorii proprii de forma v = β , β ̸= 0.
1
Exemplul 2. Să se arate că matricea:

1 −1
A=
2 −1
nu admite vectori proprii.
• Polinomul caracteristic este P2 (λ) = det(A − λI2 ):

1−λ −1
= λ2 + 1
2 −1 − λ
• Rădăcinile polinomului caracteristic sunt: λ1 , λ2 = ±i ∈ C. Deoarece polinomul

caracteristic nu admite rădăcini reale, rezultă că matricea A nu are valori proprii, deci
nici vectori proprii.
Exemplul 3. Se dă matricea:  
1 0 3
A= 2 1 2 
3 0 1
Să se determine valorile proprii şi vectorii proprii corespunzători.
• Calculăm polinomul caracteristic

1−λ 0 3

P3 (λ) = det(A−λI3 ) = 2 1−λ 2 = (λ−1)3 −9(λ−1) = (λ−1)(λ2 −2λ−8)

3 0 1−λ
• Rădăcinile polinomului sunt: λ1 = 1, λ2 = 4, λ3 = −2. Deoarece toate trei sunt

rădăcini reale, rezultă că A are trei valori proprii;
• Vectorii proprii corespunzători valorii λ = 1 au coordonatele, soluţii nebanale ale
sistemului liniar şi omogen (A − 1I3 )v = 0:
    
1−1 0 3 x1 0
 2 1−1 2    
x2 = 0 
3 0 1−1 x3 0
adică ale sistemului:     
0 0 3 x1 0
 2 0 2   x2  =  0 
3 0 0 x3 0
Aşa cum am subliniat determinantul matricii sistemului nu este 3. Căutăm un determi-
nant de ordin 2 nenul. Observăm că determinantul ce conţine elementele de intersecţie
ale liniilor 1, 2 cu coloanele 1, 3 este nenul. Deci un determinant principal este:

0 2
∆p = ,
3 2
şi x1 , x3 sunt necunoscute principale (coeficienţii lor intră în determinantul principal), iar
x2 := α este necunoscută secundară. Rezolvâmd deci primele două ecuaţii în raport cu
x1 , x 3 :
3x3 = 0
2x1 + 2x3 = 0
Acest sistem admite doar soluţia banală şi deci vectorii proprii corespunzători valorii λ = 1
sunt:      
x1 0 0
v =  x2  =  α  = α  1  , α ∈ R
x3 0 0
11.2. Baze formate din vectori proprii. Matrici similare 5
• Vectorii proprii corespunzători valorii λ = 4 au coordonatele soluţii ale sistemului

(A − 4I3 )v = 0:
    
−3 0 3 x1 0
 2 −3 2   x2 = 0 
 
3 0 −3 x3 0
Din nou rangul nu este 3, dar este 2. Un determinant principal:

−3 0

∆p =
2 −3
x1 , x2 sunt necunoscute principale, iar x3 := β necunoscută secundară. Rezolvând sis-

temul:
−3x1 = −3β
2x1 − 3x2 = −2β
4
obţinem soluţia: x1 = β, x2 = β, x3 = β. Deci vectorii proprii corespunzători valorii
3
λ = 4 sunt:
   β  
1

x1
 4   4 
v =  x2  =  β  = β  , β ∈ R
x3 3 3
β 1
• În sfârşit vectorii proprii corespunzători valorii proprii λ = −2 au coordonatele

soluţii nebanale ale sistemului (A − (−2)I3 )v = 0, adică (A + 2I3 )v = 0:
    
3 0 3 x1 0
 2 3 2   x2  =  0 
3 0 3 x3 0
Determinant principal:
3 0
∆p =

2 3
x1 , x2 necunoscute principale, x3 := γ necunoscută secundară. Rezolvând primele două
ecuaţii în raport cu x1 , x2 obţinem vectorii proprii:
v = (x1 , x2 , x3 ) = γ(−1, 0, 1), γ ∈ R
11.2 Baze formate din vectori proprii. Matrici similare

Având o matrice pătratică A de tip n × n cu elemente reale, ne întrebăm dacă există în
Rn o bază formată din vectori proprii ai matricii A.
Pentru a răspunde la această întrebare, considerăm polinomul caracteristic, asociat

matricii, A:

a11 − λ a . . . a
12 1n
a21 a − λ . . . a
22 2n
Pn (λ) = det(A − λIn ) = .. .
. ..
. . . . . .

a1n a2n . . . ann − λ
Presupunem ca polinomul are toate cele n radăcini, reale şi distincte:
λ1 ̸= λ2 ̸= · · · ̸= λn
Pentru fiecare valoare proprie λk determinăm câte un vector propriu vk , adică un vector
cu proprietatea că Avk = λk vk .
Propoziţia 11.2.1 Dacă λ1 , λ2 , . . . , λn ∈ R sunt valori proprii distincte ale matricii A,
iar v1 , v2 , . . . , vn sunt vectori proprii corespunzători acestor valori, adică A(vk ) = λk vk ,
k = 1, n, atunci sistemul de vectori v1 , v2 , . . . , vn este un sistem liniar independent (Cu
alte cuvinte, la valori proprii distincte corespund vectori proprii liniar independenţi).
Consecinţă. Dacă matricea sa A, are n valori proprii distincte λ1 , λ2 , . . . , λn , atunci
orice sistem de vectori proprii (v1 , v2 , . . . , vn ), corespunzători respectiv valorilor λ1 , λ2 ,
. . . , λn sunt liniar independenţi şi deci formează o bază în spaţiul vectorial Rn .
Notăm cu B = (e1 , e2 , . . . , en ) baza canonică din Rn şi cu B ′ = (v1 , v2 , . . . , vn ) baza
formată din vectori proprii ai matricii A şi cu TBB′ = [v1 |v2 | . . . |vn ] matricea de trecere
între cele două baze.
Fie  
λ1 0 . . . 0
 
 0 λ2 . . . 0 
D =  .. .. .. 
 . . ... . 
0 0 . . . λn
matricea diagonală ce are pe diagonala principală valoriule proprii distincte ale matricii
A.
Se demonstrează că matricea A este egală cu produsul:
 
λ1 0 . . . 0
 0 λ2 . . . 0 
  −1
A = TBB′  .. .. ..  TBB′ , (11.8)
 . . ... . 
0 0 . . . λn
unde TBB′ este matricea de trecere de la baza canonică B, la baza B ′ , formată din vectori
proprii ai matricii A.
Definiţia 11.2.1 Două matrici pătratice, A, A′ cu elemente reale, pentru care există o
matrice patratică nesingulară, T , astfel încât A = T A′ T −1 , se numesc matrici similare.
Cu alte cuvinte, relaţia 11.8 evidenţiază că matricea A este similară cu matricea

diagonală, ce are pe diagonală valorile proprii.
În concluzie avem următoarea
Proprietate: Dacă matricea pătratică, A, are n valori proprii distincte,
atunci ea este similară cu matricea diagonală a valorilor sale proprii şi matricea
nesingulară T ce exprimă similaritatea A = T DT −1 este matricea de trecere
TBB′ , de la baza canonică B din Rn , la baza B ′ = (v1 , v2 , . . . , vn ), formată din
vectori proprii corespunzători valorilor proprii: Avi = λi vi , i = 1, n.
Un prim avantaj al similarităţii unei matrici A, cu o matrice diagonală D, constă în
modalitatea simplă de calcul a unei puteri Am (de obicei m foarte mare) a matricii A.
Propoziţia 11.2.2 Dacă două matrici A, C ∈ Rn×n sunt similare, adică A = T CT −1 ,

atunci Am = T C m T −1 .
Demonstraţie:
A2 = AA = (T CT −1 )(T CT −1 ) = T C 2 T −1
Prin inducţie rezultă
Am = T C m T −1
Dacă însă C este o matrice diagonală D:

   
λ1 0 ... 0 λm
1 0 ... 0
 0 λ2 . . . 0    0 λ m
... 0 
  2 
D =  .. ... . . . ...  , atunci D =  ..
m
.. .. , ∀ m ∈ N
 .   . . ... . 
0 0 . . . λn 0 0 . . . λm
n
şi deci:  
λm1 0 ... 0
 0 λm ... 0 
 2  −1
Am = T  .. .. .. T , ∀ m ∈ N
 . . ... . 
0 0 . . . λm
n
Exemplul 4. Să se arate că matricea:

 
1 0 3
A= 2 1 2 
3 0 1
are valori 3 valori proprii distincte şi să se determine matricile din relaţia de similaritate
a lui A cu matricea diagonală corespunzătoare. Să se calculeze apoi A2013 .
• Calculăm polinomul caracteristic

1−λ 0 3

P3 (λ) = det(A−λI3 ) = 2 1−λ 2 = (λ−1)3 −9(λ−1) = (λ−1)(λ2 −2λ−8)

3 0 1−λ
• Rădăcinile polinomului sunt: λ1 = 1, λ2 = 4, λ3 = −2. Deoarece toate cele trei

rădăcini aparţin lui R, rezultă că L are trei valori proprii distincte;
• Vectorii proprii corespunzători valorii λ = 1 au coordonatele drept soluţii nebanale
ale sistemului liniar şi omogen (A − 1I3 )v = θ:
    
1−1 0 3 x1 0
 2 1−1 2   x2  =  0 
3 0 1−1 x3 0
adică ale sistemului:     
0 0 3 x1 0
 2 0 2   x2  =  0 
3 0 0 x3 0
Rangul matricii sistemului nu este 3, deoarece valorile proprii, deci şi pe λ = 1, le-
am determinat impunând condiţia det(A − λI3 ) = 0. Rangul matricii este 2, deoarece
determinantul ce conţine elementele de intersecţie ale liniilor 1, 2 cu coloanele 1, 3 este
nenul. Deci un determinant principal este:

0 2
∆p = ,
3 2
şi x1 , x3 sunt necunoscute principale (coeficienţii lor intră în determinantul principal), iar

x2 := α este necunoscută secundară. Rezolvâm deci primele două ecuaţii în raport cu
x1 , x 3 :
3x3 = 0
2x1 + 2x3 = 0
Acest sistem admite doar soluţia banală şi deci vectorii proprii corespunzători valorii λ = 1
sunt:
v = (x1 , x2 , x3 )T = (0, α, 0)T = α(0, 1, 0)T , α ∈ R
• Vectorii proprii v = (x1 , x2 , x3 )T , corespunzători valorii λ = 4 au coordonatele soluţii
ale sistemului (A − 4I3 )v = 0:
    
−3 0 3 x1 0
 2 −3 2   
x2 = 0 
3 0 −3 x3 0
Din nou rangul nu este 3, dar este 2. Un determinant principal:

−3 0

∆p =
2 −3
x1 , x2 sunt necunoscute principale, iar x3 := β necunoscută secundară. Rezolvând sis-

temul:
−3x1 = −3β
2x1 − 3x2 = −2β
4
obţinem soluţia: x1 = β, x2 = β, x3 = β. Deci vectorii proprii corespunzători valorii
3
λ = 4 sunt:
4 β
v = (x1 , x2 , x3 )T = (β, β, β)T = (3, 4, 3)T , β ∈ R
3 3
• În sfârşit vectorii proprii corespunzători valorii proprii λ = −2 au coordonatele
soluţii nebanale ale sistemului (A − (−2)I3 )v = 0, adică (A + 2I3 )v = 0:
    
3 0 3 x1 0
 2 3 2   x2  =  0 
3 0 3 x3 0
Determinant principal:
3 0
∆p =

2 3
x1 , x2 necunoscute principale, x3 := γ necunoscută secundară. Rezolvând primele două
ecuaţii în raport cu x1 , x2 obţinem vectorii proprii:
v = (x1 , x2 , x3 )T = γ(−1, 0, 1)T , γ ∈ R
Alegem câte un vector propriu corespunzător fiecărei valori proprii, şi anume v1 = (0, 1, 0)T ,
Av1 = 1v1 , v2 = (3, 4, 3), Av2 = 4v2 şi v3 = (−1, 0, 1)T , Av3 = −2v3 . Prin urmare baza
formată din vectori proprii ai matricii A este B = (v1 , v2 , v3 ). Matricea de trecere de la
baza canonică B din R3 la baza formată din vectori proprii este:
 
0 3 −1
TBB′ = [v1 |v2 |v3 ] =  1 4 0 
0 3 1
Astfel relaţia de similaritate devine:

     −1
1 0 3 0 3 −1 1 0 0 0 3 −1
 2 1 2 = 1 4 0  0 4 0  1 4 0 
3 0 1 0 3 1 0 0 −2 0 3 1
| {z } | {z }| {z }| {z }
A TBB′ D −1
TBB ′
Prin urmare,  
12013 0 0
A2013 = TBB′  0 42013 0  TBB
−1
′
0 0 (−2)2013
Curs 12
Geometria diferenţială a curbelor plane
12.1 Modalităţi de reprezentare a curbelor plane

În prima parte definim curbe plane diferenţiabile. O curbă plană diferenţiabilă poate fi
dată prin mai multe modalităţi.
1. Curbe grafic. Cele mai simple curbe diferenţiabile sunt graficele funcţiilor f : I ⊆
R → R, derivabile pe un interval I din R. Graficul unei astfel de funcţii este mulţimea
punctelor de coordonate (x, y):
Gf = {M(x, y) | y = f (x)}
cu proprietatea că y este valoarea funcţiei ı̂n x (Fig.12.1).
m = f ′ (x0 )
Gf
(x, f (x))
x0 O x
Fig.12.1: Curbă plană definită ca graficul unei funcţii.
1
Petrisor
1
Indicăm o astfel de curbă prin:
Γ : y = f (x), x ∈ I (12.1)
şi spunem că Γ este dată prin ecuaţia explicită.

Funcţia f fiind derivabilă, derivata sa ı̂ntr-un punct, f ′ (x0 ), reprezintă panta tangentei
la grafic ı̂n punctul de coordonate M(x0 , f (x0 )).
Se ştie că ecuaţia unei drepte din plan ce conţine punctul M(x0 , y0 ) şi are panta m
este:
y − y0 = m(x − x0 )
Astfel ecuaţia tangentei ı̂n punctul M(x0 , f (x0 )) la graficul funcţiei f este:
(y − f (x0 )) = f ′ (x0 )(x − x0 ) (12.2)
Perpendiculara pe tangenta la o curbă plană ı̂n punctul de tangenţă se

numeşte normala curbei ı̂n acel punct.
Două drepte perpendiculare din plan, de pante m, m′ , nenule, au produsul pantelor
egal cu −1: m m′ = −1. Prin urmare panta normalei la curba de ecuaţie (12.1), ı̂ntr-un
punct ı̂n care f ′ (x0 ) 6= 0, este:
1 1
m′ = − =− ′
m f (x0 )
Deci ecuaţia normalei la curbă ı̂n punctul M(x0 , f (x0 )) este
1
y − f (x0 ) = − (x − x0 ) (12.3)
f ′ (x0 )
Dacă f ′ (x0 ) = 0 atunci panta tangentei la grafic ı̂n punctul M(x0 , f (x0 )) este 0 şi deci
ecuaţia tangentei este :
y − f (x0 ) = 0(x − x0 ) ⇔ y = f (x0 ),
adică o dreaptă paralelă cu Ox. Astfel normala ı̂n M va fi paralelă cu Oy , adică de

ecuaţie x = x0 .
În timp ce ecuaţia unei drepte din plan este caracterizată ı̂n mod uzual de panta
dreptei, m, ce reprezintă tangenta unghiului dintre dreaptă şi axa Ox, m = tgα, ı̂n spaţiu
o dreaptă este caracterizată de vectorul director. Totuşi şi ı̂n plan dreapta are un vector
director. Să stabilim relaţia dintre cele două mărimi caracteristice, panta ca scalar şi
vectorul director.
→
−
Dreapta din plan ce conţine un punct M(x0 , y0 ) şi are vectorul director d = (a, b)T ,
a 6= 0, are ecuaţia:
x − x0 y − y0 b b
= ⇔ (y − y0 ) = (x − x0 ) ⇔m=
a b a a
12.1. Modalităţi de reprezentare a curbelor plane 3
y0 M (x0 , y0 )
O x0 x
Fig.12.2: Tangenta la o curbă (cercul) dată implicit.
Reciproc, dreapta din plan ce conţine punctul M(x0 , y0 ) şi are panta m are ecuaţia:
x − x0 y − y0 →
−
(y − y0 ) = m(x − x0 ) ⇔ = , ⇔ d = (1, m)T
1 m
→
−
În concluzie, dacă o dreaptă din plan are vectorul director d = (a, b)T , a 6= 0,
b
atunci panta sa este m = . Reciproc, dacă panta dreptei este m, atunci
→ a
−
vectorul ei director este d = (1, m)T .
2. Curbe plane date prin ecuaţia implicită
Nu orice curbă plană este grafic de funcţie. De exemplu, cercul cu centrul ı̂n origine
şi de rază r nu este grafic de funcţie.
Definiţia 12.1.1 O curbă plană diferenţiabilă, Γ, dată implicit sau prin ecuaţia implicită
este mulţimea punctelor din plan de coordonate (x, y) care anulează o funcţie F : ∆ ⊂
R2 → R, ce este de clasă C r , r ≥ 1, pe domeniul ∆:
Γ = {(x, y) | F (x, y) = 0} (12.4)
Ca şi ı̂n cazul curbelor date explicit ne interesează ecuaţia tangentei ı̂ntr-un punct al
curbei.
Panta tangentei la o curbă Γ de ecuaţie F(x, y) = 0 ı̂ntr-un punct M(x0 , y0 )
ı̂n care derivata parţială a funcţiei F ı̂n raport cu y, ∂F/∂y, este nenulă este:
∂F
(x0 , y0 )
m=− ∂x
∂F
(x0 , y0 )
∂y
iar ecuaţia tangentei ı̂n punctul M este:

∂F
(x0 , y0 ) ∂F ∂F
y − y0 = − ∂x (x − x0 ) = 0 ⇔ (x0 , y0 )(x − x0 ) + (x0 , y0 )(y − y0 ) = 0
∂F ∂x ∂x
(x0 , y0 )
∂y
(12.5)
Normala la o curbă definită implicit. Dacă ı̂n punctul M(x0 , y0 ) al curbei Γ :
F (x, y) = 0, derivatele parţiale ale funcţiei F sunt nenule atunci panta normalei ı̂n punctul
M la curbă este::
∂F
(x0 , y0 )
′ 1 ∂y
m =− =
m ∂F
(x0 , y0 )
∂x
şi ecuaţia normalei este:
∂F
(x0 , y0 )
∂y
y − y0 = (x − x0 )
∂F
(x0 , y0 )
∂x
−
→
Ţinând seama că dacă panta unei drepte este m atunci vectorul ei director este d =
(1, m)T , rezultă că vectorul director al normalei ı̂ntr-un punct M(x0 , y0) al curbei de
ecuaţie F (x, y) = 0, este:
∂F
(x0 , y0 )
→
− ∂y ∂F ∂F
N = (1, )T k ( (x0 , y0 ), (x0 , y0 ))T
∂F ∂x ∂x
(x0 , y0 )
∂x
Deci vectorul normal curbei ı̂n punctul M este:
T
→
− ∂F ∂F
N = ( (x0 , y0), (x0 , y0 ) = grad(F )(x0 , y0),
∂x ∂x
adică gradientul funcţiei F ı̂n punctul M.
Exemplul 1. Să se determine ecuaţia tangentei ı̂n punctul de intersecţie al curbei de

ecuaţie F (x, y) = x3 + y 3 − 3xy = 0 cu prima bisectoare şi vectorul normal curbei ı̂ntr-un
punct arbitrar.
Rezolvare: Prima bisectoare are ecuaţia y = x deci punctul ei de intersecţie cu curba

are abscisa soluţie a ecuaţiei F (x, x) = 0, adică, 2x3 − 3x2 = 0. Soluţiile ecuaţiei sunt
x1,2 = 0 şi x3 = 3/2. Prin urmare curba intersectează prima bisectoare ı̂n origine O(0, 0)
şi ı̂n punctul M(3/2, 3/2).
Pentru a determina panta tangentei ı̂n aceste puncte calculăm derivatele parţiale ale
funcţiei F (x, y) = x3 + y 3 − 3xy:
∂F/∂x = 3x2 − 3y, ∂F/∂y = 3y 2 − 3x
12.1. Modalităţi de reprezentare a curbelor plane 5
∂F ∂F
Deoarece (0, 0) = 0 şi (0, 0) = 0 panta tangentei ı̂n origine este nedeterminată
∂x ∂y
deoarece avem 0/0.
Un punct al curbei de ecuaţie F (x, y) = 0, ı̂n care ambele derivate partiale se anulează
se numeşte punct singular. Deci originea este punct singular pentru curba dată.
Panta tangentei ı̂n punctul M(3/2, 3/2) este −1 deci ecuaţia tangentei ı̂n M este:
3 3
y− = −(x − )
2 2
Vectorul normal curbei ı̂ntr-un punct arbitrar este vectorul:
→
−
N = (3x2 − 3y, 3y 2 − 3x)T
→
−
Observăm totuşi că ı̂n origine N este vectorul nul, adică normala nu are o direcţie, tocmai
pentru că tangenta este nedefinită ı̂n acest punct.
2. Curbe plane şi ı̂n spaţiu date parametric
Definiţia 12.1.2 O curbă Γ din plan sau spaţiu ce este imaginea unui interval I, printr-o
aplicaţie r : I ⊂ R → Rn (n=2,3), de clasă C k pe I, k ≥ 1, r(t) = (x(t), y(t), |z(t)), se
numeşte curbă diferenţiabilă dată parametric. Notăm Γ = im(r) pentru a indica, că Γ
este o curbă parametrizată de r.
O curbă data parametric este interpretată ca şi traiectoria unui punct mobil (x(t), y(t), |z(t))
a cărui mişcare are loc ı̂n intervalul de timp I.
Orice curbă dată ca grafic de funcţie, adică de ecuaţie y = f(x), x ∈ I, se
parametrizează prin r : I → R2 , r(t) = (x(t), y(t)) unde :
x(t) = t
y(t) = f (t)
Exemplul 2. Curba y = 2 sin x − cos x, x ∈ (0, 2π) se redefineşte ca o curbă dată

parametric prin:
x(t) = t
t ∈ (0, 2π)
y(t) = 2 sin t − cos t,
Exemplul 3. Parametrizarea cecului. Cercul cu centrul ı̂n origine şi de rază R are
ecuaţia implicită F (x, y) = x2 + y 2 − R2 = 0. Fie M(x, y) un punct arbitrar pe cerc, A
punctul de intersecţie al axei Ox cu cercul şi M ′ proiecţia ortogonală a lui M pe Ox (Fig.
12.3). Notăm cu t măsura ı̂n radiani a unghiului MOM \ ′ . Din triunghiul dreptunghic
△OM ′M rezultă că:
x = R cos t
y = R sin t
M (R cos t, R sin t)
R
t
O M′ x
Fig.12.3: Cerc cu centrul În origine şi de rază R
Deci o parametrizare a cercului complet este r : [0, 2π) → R2 , r(t) = (R cos t, R sin t).
Punctul A corespunde parametrului t = 0.
Parametrizarea semicercului x2 + y 2 − R2 = 0, x ≤ 0 este r : [π/2, 3π/2] → R2 ,
r(t) = (R cos t, R sin t). În concluzie cercul complet şi un subarc al său au parametrizări
cu aceeaşi expresie analitică, doar parametrul t parcurge intervale diferite.
Exemplul 4. Parametrizarea elipsei de ecuaţie:
x2 y 2
+ 2 −1=0 (12.6)
a2 b
Presupunem că a > b şi asociem elipsei date cercul cu centrul ı̂n origine şi de rază a
(Fig.12.4).
Stabilim o corespondenţă bijectivă ı̂ntre mulţimea punctelor de pe cerc şi mulţimea
punctelor de pe elipsă. şi anume unui punct M(a cos t, a sin t) de pe cerc ı̂i asociem
punctul P de pe elipsă, care este intersecţia perpendicularei din M pe axa Ox, cu elipsa.
Evident punctul P are aceeaşi abscisă ca şi M, iar ordonata este deocamdată necunoscută:
P (a cos t, y). Impunem condiţia ca coordonatele punctului P să verifice ecuaţia (12.6):
a2 cos2 t y 2
+ 2 −1=0
a2 b
de unde rezultă y = b sin t. Prin urmare parametrizarea elipsei complete este:
r : [0, 2π] → R2 , r(t) = (a cos t, b sin t)

12.2. Tangenta şi normala la o curbă plană dată parametric 7
M (a cos t, a sin t)
P (a cos t, y)
t
O M′ x
Fig.12.4: Elipsa şi cerc de rază egală cu semiaxa mare a elipsei.
Exemplul 5. Spirala cilindrică (Fig.12.5) este o curbă ı̂n spaţiu ce este descrisă de un
punct ce are mişcare circulară ı̂n x şi y şi o mişcare liniară cu viteză constantă ı̂n direcţia
lui Oz. Parametrizarea spiralei este:
x(t) = a cos t
y(t) = a sin t, t ∈ [0, 2πn]
z(t) = bt,
unde a, b sunt constante pozitive (a descrie raza mişcării circulare, iar b pasul de ı̂nalţare
pe direcţia lui Oz, când ı̂n mişcarea circulară parcurge un radian),iar n este un număr
natural ce indică numărul de spire.
12.2 Tangenta şi normala la o curbă plană dată parametric

Având dedusă direcţia tangentei la o curbă plană dată parametric, ecuaţia tangentei ı̂n
punctul M0 (x(t0 ), y(t0)) este:
x − x(t0 ) y − y(t0 )
=
x (t0 )
′ y ′(t0 )
sau scrisă ı̂n forma echivalentă:

y ′ (t0 )
y − y(t0 ) = (x − x(t0 ))
x′ (t0 )
x y
Fig.12.5: Spirala cu trei spire.
obţinem că panta tangentei ı̂n punctul M0 ı̂n care x′ (t0 ) 6= 0 este:
y ′ (t0 )
m(t0 ) =
x′ (t0 )
iar dacă y ′(t0 ) 6= 0, panta normalei, respectiv vectorul director al normalei sunt:
x′ (t0 ) −
→
m′ (t0 ) = − , N (t0 ) = (−y ′ (t0 ), x′ (t0 ))T
y ′ (t0 )
→
−
Subliniem că pentru vectorul normal N (t0 ) am ales sensul care asigură că baza ortogonală
→
− →
−
( ṙ (t0 ) = (x′ (t0 ), y ′(t0 ))T , N (t0 ) = (−y ′ (t0 ), x′ (t0 ))T ) este pozitiv orientată. Într-adevăr,
′
→
− →
− x (t0 ) −y ′ (t0 )
det([ ṙ (t0 )|, N (t0 )]) = ′
= x′2 (t0 ) + y ′2(t0 ) > 0
y (t0 ) x′ (t0 )
Perechea formată din punctul M0 şi baza ortonormată

−
→ −
→ !
→
− ṙ (t0 ) − → N (t0 )
B′ = τ̇ (t0 ) = −
→ , ṅ (t0 ) = →
−
k ṙ (t0 )k k N (t0 )k
se numeşte reperul lui Frenet. Când punctul M0 se mişca pe curbă direcţiile vectorilor
reperului se schimbă şi ı̂n mecanică (studiul mişcării roboţilor) reperul (M(t); (τ (t), vn(t)))
se numeşte reperul mobil al lui Frenet.
12.3 Tangenta la o curbă ı̂n spaţiu. Planul normal şi reperul

mobil al lui Frenet
Fie Γ o curbă ı̂n spaţiu parametrizată de r : I → R3 , r(t) = (x(t), y(t), z(t)), r ∈ C 2 (I).
12.3. Tangenta la o curbă ı̂n spaţiu. Planul normal şi reperul mobil al lui Frenet 9
Definiţia 12.3.1 Curba Γ se numeşte curbă regulată de ordin 2 dacă ı̂n fiecare punct al
→
− →
−
curbei vectorii asociaţi ṙ (t), r̈ (t) sunt liniar independenţi (adică sunt nenuli şi necoliniari).
În această secţiune considerăm doar curbe regulate de ordin 2.

Fie M un punct al curbei corespunzător parametrului t = t0 , adică punctul de coor-
donate (x(t0 ), y(t0 ), z(t0 )). Ecuaţiile tangentei ı̂n punctul M, la curbă, sunt:
x − x(t0 ) y − y(t0) z − z(t0 )

= =
x (t0 )
′ y (t0 )
′ z ′ (t0 )
În cazul curbelor plane am numit normală, dreapta perpendiculară pe tangentă ı̂n punctul
de tangenţă. Această dreaptă este unică pentru că complementul ortogonal al vectorului
tangent, ca vector din R2 , are dimensiunea 1, deci există o unică direcţie perpendiculară pe
tangentă. În spaţiu ı̂nsă, complementul ortogonal al vectorului tangent este de dimensiune
doi şi deci există o infinitate de vectori perpendiculari pe vectorul tangent (vectori normali)
ı̂n punctul de tangenţă. Din această infinitate ı̂n mecanică se aleg două direcţii particulare,
numite direcţia binormalei şi direcţia normalei principale. Mai precis, se asociază unui
punct M(x(t0 ), y(t0), z(t0 )) un reper ortonormat pozitiv orientat, numit reperul lui Frenet.
Pentru a defini baza reperului lui Frenet construim mai ı̂ntâi o bază ortogonală (w1 , w2 , w3 )
pe care apoi o normăm.
Se ia drept vector w1 , vectorul tangent in M:
→
−
w1 = ṙ (t0 )
Vectorul
→
− −−→
w3 = ṙ (t0 ) × r̈(t0 )
se numeşte vectorul binormal ı̂n M, pentru că este simultan perpendicular şi pe vectorul
→
− →
−
viteză ṙ (t0 ) şi pe vectorul acceleraţie r̈ (t0 ).
Pentru ca baza să fie pozitiv orientată se defineşte
→
− −−→ →
−
w2 = w3 × w1 = ( ṙ (t0 ) × r̈(t0 )) × ṙ (t0 )
w2 defineşte normala principală ı̂n punctul M (este evident vector normal pentru că
→
−
este perpendicular pe vectorul tangent ṙ (t0 ).
→
−
Baza ortonormată se notează B′ = (− →τ (t0 ), −
→
n (t0 ), b (t0 )) = (w10 , w20 , w30). Reperul
→
−
RF = (M; (− →
τ (t0 ), −
→
n (t0 ), b (t0 )) este reperul lui Frenet asociat curbei ı̂n punctul M.
Exemplul 6. Să se determine reperul lui Frenet asociat punctului M(2, 0, 1) de pe curba
Γ = im(r), r : [−0.5, 5] → R3 , r(t) = (2t, ln t, t2 ).
Deoarece direcţiile reperului lui Frenet ı̂ntr-un punct se determină pornind de la vectorii
→
− →
−
viteză, ṙ (t), şi acceleraţie, r̈ (t), ı̂n acel punct şi acesţi vectori nu depind de coordo-
natele carteziene ale punctului, ci de parametrul t corespunzător punctului respectiv,
determinăm ı̂n prealabil parametrul t astfel ı̂ncât r(t) = (2, 0, 1) sau echivalent acel t care
satidface simultan condiţiile:
2t = 2
ln t = 0
t2 = 1
Evident t = 1 şi deci baza reperului lui Frenet ı̂n punctul M se calculează pornind de la
→
− →
−
vectorii ṙ (1), r̈ (1). Avem că ṙ(t) = (2, 1t , 2t) şi r̈(t) = (0, − t12 , 2), deci ṙ(1) = (2, 1, 2) şi
r̈(1) = (0, −1, 2)
Elementele triedului Frenet sunt: vectorul tangent − →τ (1) = (2, 1, 2), vectorul binormal
→
− →
−
b (1) = ṙ(1) × r̈(1), iar normala principala n (1) = b (1) × −
→
− →
τ (1).

Cursuri AG

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Cursuri AG

Încărcat de

Drepturi de autor:

Formate disponibile

Curs 1

Matrici. Operaţii cu matrici

• Cum se defineşte o matrice?

• Operaţii cu matrici: adunarea, produsul a două matrici, transpusa unei matrici.

• Calculul determinantul unei matrici.

1.1 Operaţii cu matrici

• Mulţimea matricilor A, de elemente reale, de tip m × n se notează Mm,n (R).

cij = aij + bij

atunci suma matricilor asociate, M1 + M2 indică numărul total de unităţi de produs P1 , P2 , P3

Suma unei matrici A cu matricea nulă de acelaşi tip esye A + O = O + A = A.

Asociem tabelului matricea

t = (35 + 43 + 18 + 27 + 21 + 37 + 29 + 17 + 23 + 30 + 14 + 40)/5 = 334/5 = 66.8 mii lei

y1 = a11 x1 + a12 x2 + · · · + a1n xn

Transpusa unei matrice Fie A o matrice de tip m×n, A = (aij ), i = 1, m, j = 1, n. Transpusa

Proprietăţi ale operatorului de transpunere

1.2 Determinantul unei matrici pătratice

Calculul determintului de ordin 2 (al unei matrici de 2 linii şi 2 coloane):

Definiţia 1.2.1 Fie A ∈ Rn×n o matrice pătratică, A = (aij ), i, j = 1, n. Fiecărui element

Exemplul 5. Constituirea minorului M23 ı̂n determinantul

Ştiind să calculăm un determinant de ordin 3, un determinant de ordin 4 se calculează dez-

Exemplul 6. Să dezvoltăm următorul determinant după elementele liniei 3:

0(−1)3+1 M31 −6(−1)3+2 M32 + 1(−1)3+3 M33 − 2(−1)3+4 M34 =

1.3 Proprietăţi ale determinanţilor

Simbolizăm prin Li ↔ Lj schimbarea liniilor i şi j ı̂ntre ele.

Exemplul 7. Fie determinantul

Efectuând schimbarea L2 ↔ L3 obţinem determinantul

2. Dacă se ı̂nmulţeste o linie a unui determinant cu un număr, atunci valoarea determi-

3. Dacă se ı̂nmulţeste o linie a determinantului cu un număr şi se adună la o altă linie,

Exemplul 8. Pentru a calcula determinantul

am putea dezvolta după elementele coloanei 1 şi atunci:

D = (−1)1+1 1 · M11 + (−1)2+1 3M12 + (−1)1+3 2M13 + (−1)1+4 · 1M14

−3L1 + L2 → L2 , −2L1 + L3 → L3 , −1L1 + L4 → L4

obţinem aceeaşi valoare a determinantului şi anume:

Rezolvarea sistemelor de ecuaţii liniare

• calculul inversei unei matrici

• calculul rangului unei matrici

• problema compatibilităţii unui sistem liniar

• teorema Kronecker-Capelli pentru studiul compatibilităţii unui sistem liniar

2.1 Calculul inversei unei matrici nesingulare

unde In este matricea unitate, adică matricea:

Etapele de calcul a inversei unei matrici A

• se calculează adjuncta matricii A, adică matricea pătratică notată A∗ , de elemente a∗ij =

este nesingulară şi dacă da, să se calculeze inversa ei.

• det(A)= −1 6= 0 ⇒  A este nesingulară

Efectuând calculul tuturor elementelor avem:

2.2 Sisteme de ecuaţii liniare

a11 x1 + a12 x2 + · · · a1n xn = b1

a11 x1 + a12 x2 + · · · a1n xn = 0

se numeşte sistem omogen.

Exemplul 2. Sistemele următoare:

sunt sisteme omogene, iar sistemele:

sunt sisteme neomogene.

3. Incompatibil dacă nu are nici o soluţie.

Deci rangul matricii nu este 2.

col 1 col 2 col 1 col 3 col 2 col 3

2.3 Rezolvarea sistemelor de n ecuaţii cu n necunoscute

a11 x1 + a12 x2 + · · · a1n xn = b1

Exemplul 5. Considerăm sistemul:

Matricea sistemului este:  

2. O a doua modalitate de a rezolva un sistem de n ecuaţii cu n necunoscute, compatibil

Exemplul 6. Să se arate că sistemul:

Matricea sistemului este:  

2.4 Studiul compatibilităţii sistemelor de de m ecuaţii cu n necunoscute

Matricea sistemului este: