UNIVERSITATEA POLITEHNICA TIMIŞOARA

ALGEBRĂ LINIARĂ ŞI GEOMETRIE

DIFERENŢIALĂ

Note de curs

Anania Gı̂rban

© 2018 Anania Gı̂rban

2018
Cuprins

Capitolul 1
RECAPITULARE 1
1.1 Polinoame . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Matrice. Sisteme de ecuaţii liniare . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.1 Rangul unei matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.2 Sisteme de ecuaţii liniare . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3 Grupuri . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.4 Corpuri . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

Capitolul 2
SPAŢII VECTORIALE 16
2.1 Dependenţa şi independenţa liniară. Sistem de generatori . . . . . . . . . . . 18
2.2 Bază. Dimensiune . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.3 Schimbări de baze . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.4 Subspaţii vectoriale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.5 Întrebări de verificare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43

Capitolul 3
APLICAŢII LINIARE 45
3.1 Nucleul şi imaginea unei aplicaţii liniare . . . . . . . . . . . . . . . . . . . . 49
3.2 Matricea unei aplicaţii liniare . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.3 Vectori şi valori proprii ai unui operator liniar . . . . . . . . . . . . . . . . . 58
3.3.1 Determinarea vectorilor şi valorilor proprii ai unui operator liniar . . 60
3.4 Întrebări de verificare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72

Capitolul 4
FORME BILINIARE. FORME PĂTRATICE 73
4.1 Forme biliniare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
4.2 Forme pătratice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
4.2.1 Forma canonică a unei forme pătratice . . . . . . . . . . . . . . . . . 85
4.3 Întrebări de verificare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90

2
CUPRINS 3

Capitolul 5
SPAŢII VECTORIALE EUCLIDIENE 92
5.1 Procedeul de ortonormare Gram-Schmidt . . . . . . . . . . . . . . . . . . . . 96
5.2 Vectori liberi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
5.3 Planul . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
5.4 Dreapta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
5.5 Simetricul unui punct faţă de un plan . . . . . . . . . . . . . . . . . . . . . . 110
5.6 Simetricul unui punct faţă de o dreaptă . . . . . . . . . . . . . . . . . . . . . 112
5.7 Probleme de distanţă . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114

Capitolul 6
GEOMETRIA DIFERENŢIALĂ A CURBELOR ŞI SUPRAFEŢELOR
DIN E3 115
6.1 Elemente de geometrie diferenţială a curbelor . . . . . . . . . . . . . . . . . 115
6.1.1 Triedrul lui Frenet ı̂ntr-un punct regulat al unei curbe ı̂n E3 . . . . . 116
6.1.2 Unghiul a două curbe . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
6.2 Elemente de geometrie diferenţială a
suprafeţelor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
6.2.1 Planul tangent şi normala ı̂ntr-un punct regulat al unei suprafeţe ı̂n E3 130
6.2.2 Prima formă fundamentală a unei suprafeţe ı̂n E3 . . . . . . . . . . . 134

Capitolul 7
CONICE ŞI CUADRICE 140
7.1 Conice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
7.1.1 Cercul . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
7.1.2 Elipsa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
7.1.3 Hiperbola . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
7.1.4 Parabola . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
7.2 Cuadrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
7.2.1 Elipsoidul . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
7.2.2 Hiperboloidul . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
7.2.2.1 Hiperboloidul cu o pânză . . . . . . . . . . . . . . . . . . . 145
7.2.2.2 Hiperboloidul cu două pânze . . . . . . . . . . . . . . . . . 146
7.2.3 Paraboloidul . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
7.2.3.1 Paraboloidul eliptic . . . . . . . . . . . . . . . . . . . . . . . 146
7.2.3.2 Paraboloidul hiperbolic . . . . . . . . . . . . . . . . . . . . 147
7.2.4 Conul . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
7.2.5 Cilindrul . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
7.2.5.1 Cilindrul eliptic . . . . . . . . . . . . . . . . . . . . . . . . . 148
7.2.5.2 Cilindrul hiperbolic . . . . . . . . . . . . . . . . . . . . . . . 149
7.2.5.3 Cilindrul parabolic . . . . . . . . . . . . . . . . . . . . . . . 150
CAPITOLUL 1
RECAPITULARE

1.1 Polinoame
Notăm cu C[X] mulţimea şirurilor (infinite) de numere complexe

f = (a0 , a1 , a2 , . . . , an , . . .), ai ∈ C, i = 1, n

care au numai un număr finit de termeni nenuli (∃m ∈ N a.ı̂. ai = 0 (∀)i > m).

Exemplul 1.1.
f1 = (0, 1, −5, 0, . . . , 0, . . .) ∈ C[X] pentru că are 2 termeni nenuli.
f2 = (1, 0, 3, 0, 5, 0, . . . , 0, 2n+1, 0, . . .) ∈
/ C[X] pentru că are o infinitate de termeni
nenuli.

Pe mulţimea C[X] definim două operaţii interne:

(∀) f, g ∈ C[X], unde
f = (a0 , a1 , a2 , . . . , an , 0, . . .)

g = (b0 , b1 , b2 , . . . , bm , 0, . . .)

• Adunarea
f + g = (a0 + b0 , a1 + b1 , a2 + b2 , . . . , an + bn , . . .)

• Înmulţirea
f · g = (c0 , c1 , c2 , . . . , cn , . . .)
 2

unde
c0 = a0 b0
c1 = a0 b1 + a1 b0
c2 = a0 b2 + a1 b1 + a2 b0
...
n
P
cn = a0 bn + a1 bn−1 + . . . + an b0 = ai bn−i
i=0

• Înmulţirea cu scalar

αf = (αa0 , αa1 , . . . , αan , . . .), (∀)α ∈ C

Definiţia 1.1.

1) Orice element din C[X] pe care sunt definite cele trei operaţii se numeşte poli-
nom cu coeficienţi complecşi.

2) a0 , a1 , . . . , an ∈ C se numesc coeficienţii polinomului

f = (a0 , a1 , a2 , . . . , an , 0, . . .).

3) n se numeşte gradul polinomului f (an 6= 0, (∀) m > n, am = 0).

Observaţia 1.1. Analog

Z[X] este mulţimea polinoamelor cu coeficienţi ı̂ntregi.
Q[X] este mulţimea polinoamelor cu coeficienţi raţionali.
R[X] este mulţimea polinoamelor cu coeficienţi reali.
şi au loc incluziunile:

Z[X] ⊂ Q[X] ⊂ R[X] ⊂ C[X].

 3

C[X] ı̂n raport cu adunarea şi ı̂nmulţirea polinoamelor este un inel unitar cu
(0, 0, . . . , 0, . . .) elementul neutru faţă de adunare şi
(1, 0, . . . , 0, . . .) elementul neutru faţă de ı̂nmulţire.
Forma algebrică a polinoamelor

Definiţia 1.2. Vom numi polinomul

X =not (0, 1, 0, . . . , 0, . . .) ∈ C[X]

nedeterminata X.

Aplicând regula de ı̂nmulţire a două polinoame obţinem puterile lui X:

X 2 = (0, 0, 1, 0, . . . , 0, . . .)
X 3 = (0, 0, 0, 1, 0, . . . , 0, . . .)
X n = (0| .{z
. . 0}, 1, 0, . . . , 0, . . .)
n−ori
şi notăm
X 0 =not (1, 0, . . . , 0, . . .).
Convenim de asemenea să notăm polinomul constant
αX 0 = (α, 0, . . . , 0, . . .) =not α, (∀)α ∈ C.
Folosind acum cele trei operaţii definite pe C[X], putem scrie orice polinom f ∈ C[X],
f = (a0 , a1 , a2 , . . . , an , 0, . . .) sub forma:

f = a0 + a1 X + a2 X 2 + . . . + an X n ,

adică forma cunoscută pentru polinoame.

Observaţia 1.2. Într-un polinom, nedeterminata X NU este o variabilă ci o notaţie

consacrată pentru şirul de numerere complexe
(0, 1, 0, . . . , 0, . . .) la fel cum, de exemplu, cu R notăm numerele reale.
 4

Problemă:
Dacă X este un şir, de ce spunem că polinomul X − 1 are rădăcina 1?

Răspuns:
Oricărui polinom f = a0 + a1 X + a2 X 2 + . . . + an X n i se asociază o funcţie F : C → C,

F (x) = a0 + a1 x + a2 x2 + . . . + an xn

unde x ∈ C este argumentul funcţiei F şi ia valori numerice şi definim:

Definiţia 1.3. Fie x0 ∈ C, atunci:

1) F (x0 ) se numeşte valoarea polinomului f ı̂n punctul x0 .

2) x0 se numeşte rădăcina polinomului f dacă F (x0 ) = 0

Vom nota ı̂n tot ce urmează

Rn [X] mulţimea polinoamelor cu coeficienţi reali de grad cel mult n şi
Cn [X] mulţimea polinoamelor cu coeficienţi complecşi de grad cel mult n.
 5

1.2 Matrice. Sisteme de ecuaţii liniare

1.2.1 Rangul unei matrice

Definiţia 1.4.

• O matrice pătratică A ∈ Mn (R) cu det A = 0 se numeşte matrice singulară,

iar cu det A 6= 0 se numeşte matrice nesingulară.

• Se numeşte rangul unei matrice A ∈ Mm,n (R) ordinul celui mai mare deter-
minant nenul ce se poate constitui din elementele de intersecţie a k linii şi k
coloane ale matricei A, unde k = 1, 2, . . . , min{m, n}.

Pentru a determina rangul unei matrice, ı̂n general parcurgem următorii paşi:

1) Se ı̂ncepe cu n = 2;

2) Se alege un minor de ordinul n nenul;

3) Avem două cazuri:

a) Dacă nu mai rămân ı̂n matrice linii sau coloane libere, atunci acest minor va fi
minor principal şi rangA = n;
b) Dacă rămân ı̂n matrice linii sau coloane libere, atunci minorul ales se bordează
cu câte o linie şi o coloană din cele rămase şi se obţin minori de ordinul n + 1;
Avem şi de data aceasta două cazuri:
i) Dacă toţi minorii astfel obţinuţi sunt nuli, atunci minorul de ordinul n ales
va deveni minor principal, şi rangA = n;
ii) Dacă există cel puţin un minor astfel obţinut diferit de zero, atunci se reiau
pentru acest minor paşii 3)-4).
 6

Exemplul 1.2. Să se determine rangul matricei:

" #
1 −2 3
A= .
−2 4 −6

Soluţie.
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, adică rang
A ≤ 2.
Deoarece găsim un determinant de ordinul 1 nenul, de exemplu ∆1 = |1| 6= 0 rezultă că
rang A ≥ 1.
De asemenea, cum toţi determinanţii de ordinul 2 obţinuţi prin bordarea lui ∆1 cu liniile
şi coloanele lui A sunt:
1| −2
∆2 = =0
−2 4
şi
1| 3
∆3 = =0
−2 −6
şi de aici rezultă că rang A = 1.
 7

1.2.2 Sisteme de ecuaţii liniare

Definiţia 1.5.

• Un sistem de m ecuaţii liniare cu n necunoscute este un sistem de forma:




 a11 x1 + a12 x2 + · · · + a1n xn = b1


a21 x1 + a22 x2 + · · · + a2n xn = b2

.. (1.1)


 .



a x + a x + · · · + a x = b .
m1 1 m2 2 mn n m

unde

• aij ∈ R, i = 1, m, j = 1, n se numesc coeficienţii necunoscutelor,

• x1 , x2 , . . . , xn se numesc necunoscutele sistemului,

• b1 , b2 , . . . , bm se numesc termenii liberi.

• Dacă toţi termenii liberi bi sunt nuli atunci sistemul de ecuaţii liniare se numeşte
sistem liniar omogen,

• Dacă cel puţin un termen liber bi e nenul atunci sistemul se numeşte sistem
liniar neomogen.

Exemplul 1.3. Sistemul 

2x − y + 3z = 0
x + y − 5z = 0
 8

este un sistem omogen, ı̂n timp ce sistemul




x−y+z =0

2x + y + z = 0



x − 2y + 3z = 5

este neomogen.

Observaţia 1.3. Matricial sistemul (1.1) poate fi scris astfel

     
a11 a12 · · · a1n x1 b1
a21 a22 · · · a2n   x2 b2
     
   
..  ·  ⇐⇒ A · X = B,
= (1.2)
.. .. .. ..
   
. . ··· .   . .
   
   
an1 an2 · · · ann xn bn
| {z } | {z } | {z }
A X B

unde

Definiţia 1.6.

• A se numeşte matricea asociată sistemului,

• X se numeşte matricea necunoscutelor,

• B se numeşte matricea termenilor liberi,

• Matricea care se obţine adăugând la matricea sistemului A coloana termenilor

liberi B.  
a11 a12 · · · a1n |b1
 
 a21 a22 · · · a2n |b2 
A = [A|B] = 
 ···


 
am1 am2 · · · amn |bm
se numeşte matricea extinsă a sistemului
 9

• Minorii obţinuţi prin bordarea unui minor al matricei A cu elemente din coloana
termenilor liberi B se numeşte minor caracteristic.

Definiţia 1.7. Se numeşte soluţie a sistemului (1.1) o mulţime ordonată

S = {x1 , x2 , . . . , xn }

unde numere reale x1 , x2 , . . . , xn verifică toate ecuaţiile sistemului.

Relativ la existenţa şi unicitatea acestor soluţii avem următoarele definiţii:

Definiţia 1.8. Sistemul care:

• are cel puţin o soluţie se numeşte compatibil;

∗ are o singură soluţie se numeşte compatibil determinat;

∗ are o infinitate de soluţii se numeşte compatibil nedeterminat;

• nu are nicio soluţie se numeşte incompatibil.

Observaţia 1.4. Un sistem omogen este ı̂ntotdeauna compatibil.

Metoda efectivă de lucru pentu a găsi soluţia unui sistem va fi dată de următoarele
teoreme:

Teorema 1.1. (Teorema lui Kronecker-Capelli) Sistemul de ecuaţii (1.1) este:

• compatibil determinat dacă şi numai dacă

rang A = rang A = numărul de necunoscute ale sistemului;

 10

• compatibil nedeterminat dacă şi numai dacă

rang A = rang A 6= numărul de necunoscute ale sistemului;

• incompatibil dacă şi numai dacă

rang A 6= rang A.

Teorema 1.2. (Teorema lui Rouche) Sistemul de ecuaţii liniare (1.1) este compa-
tibil dacă şi numai dacă toţi minorii caracetristici sunt nuli.

În general vom parcurge următorii paşi:

1) Se identifică cele trei matrici A, B şi A

2) Se determină rangul matricei A şi rangul matricei A pentru a stabili compatibili-

tatea sistemului.
În caz de compatibilitate

3) Se alege un minor principal ∆p (un minor nenul de rang maxim al lui A).

4) Coloanele corespunzătoare minorului principal corespund necunoscutelor princi-

pale. Celelalte necunoscute se numesc necunoscute secundare şi se trec ı̂n dreapta
semnului ”=”.

5) Liniile minorului principal corespund ecuaţiilor principale. Celelalte linii corespund

ecuaţiilor secundare care se elimină din sistemul care trebuie rezolvat.

6) Soluţia sistemului iniţial va fi soluţia sistemului dat de minorul principal, adică format
din ecuaţiile prinicipale şi necunoscutele prinicipale.
 11

Exemplul
 1.4. Să se rezolve sistemul:


 x + y − 2z + t = 1

x − y + 4z − 3t = −1



x +z−t=0 ;

Soluţie.
1) Matricea asociată sistemului este

x y z t
 
1 1 −2 1
 
A=
 1 −1 ,
4 −3 
1 0 1 −1

iar matricea extinsă este

x y z t
 
1 1 −2 1 | 1
 
A=
 1 −1 ,
4 −3 | − 1 
1 0 1 −1 | 0

Cum A ∈ M3,4 (R) şi A ∈ M3,5 (R), rezultă că rangul maxim pe care ı̂l poate avea atât
matricea A cât şi matricea A este 3.
2) Alegem un minor de ordinul 2 nenul din A, de exemplu

1 1
∆=
1 −1

Îl bordăm pe rând cu linia şi cele două coloane rămase şi calculăm cei doi minori de
ordinul 3:
1 1 −2
1 −1 4 =0
1 0 1
 12

1 1 1
1 −1 −3 = 0.
1 0 −1

Cum toţi minorii obţinuţi prin bordarea lui ∆ sunt nuli, rezultă că ∆ este minor principal
al lui A şi rang A=2 (1).
Calculăm minorii caracteristici bordând minorul principal cu linia rămasă şi coloana
termenilor liberi (ı̂n cazul nostru avem un singur minor caracteristic):

1 1 1
1 −1 −1 =0
1 0 0

Singurul minor caracteristic este nul, rezultă că rang A=2. (2)
Din relaţiile (1) şi (2) => rang A=rang A, adică sistemul este compatibil. Cum

rang (A) = rang (A) = 2 6= numărul de necunoscute ale sistemului

atunci, conform Teoremei lui Kronecker-Capelli, sistemul este compatibil nedeterminat,

deci are o infinitate de soluţii.
3) Pentru a determina soluţia sistemului revenim la minorul principal ∆ ales din matricea
A:
x y z t
 
→ 1 1 −2 1
 
A= → 
 1 −1 .
4 −3 
1 0 1 −1

de unde deducem că:

4) x, y sunt necunoscutele principale pentru că corespund coloanelor minorului principal
z, t sunt necunoscutele secundare care vor trece dincolo de semnul =

5) primele două ecuaţii ale sistemului sunt ecuaţii principale pentru că corespund liniilor
minorului principal
ultima ecuaţie a sistemului este ecuaţie secundară şi o eliminăm din sistem

6) Atunci soluţiile sistemului iniţial vor fi soluţiile sistemului:

 13

 
x + y = 1 + 2z − t x = −z + t,
⇐⇒
x − y = −1 − 4z + 3t y = 3z − 2t + 1.

În concluzie, soluţia sistemului este

S = {(−z + t, 3z − 2t + 1, z, t) , (∀) z, t ∈ R} .
 14

1.3 Grupuri
Fie G o mulţime nevidă şi ∗ o lege de compoziţie internă definită pe G.

Definiţia 1.9. (G, ∗) se numeşte grup dacă

G1) (∀)x, y, z ∈ G, x ∗ (y ∗ z) = (x ∗ y) ∗ z

G2) (∃)e ∈ G a.ı̂. (∀)x ∈ G, x ∗ e = e ∗ x = x

G3) (∀)x ∈ G (∃)x0 ∈ G a.ı̂. x ∗ x0 = x0 ∗ x = e.

Dacă ı̂n plus are loc şi:

G4) (∀)x, y ∈ G, x ∗ y = y ∗ x
atunci (G, ∗) se numeşte grup comutativ sau abelian.

Exemplul 1.5.
(R, +), (C, +) cu adunarea numerelor reale sau complexe
(R[X], +) cu adunarea polinoamelor
(Mm,n (R), +) cu adunarea matricelor
 15

1.4 Corpuri
Fie K o mulţime nevidă şi + şi · două legi de compoziţie interne definite pe K.

Definiţia 1.10. (K, +, ·) se numeşte corp dacă

C1) (K, +) este grup abelian

C2) (K, ·) este grup

C3) · este distributivă faţă de +, adică (∀)x, y, z ∈ K au loc:

x · (y + z) = x · y + x · z,
(x + y) · z = x · z + y · z.
Dacă ı̂n plus are loc şi:

C4) (∀)x, y ∈ K, x · y = y · x
atunci (K, +, ·) se numeşte corp comutativ sau abelian.

Exemplul 1.6.
(R, +, ·), (C, +, ·) cu adunarea şi ı̂nmulţirea numerelor reale sau complexe
(R[X], +, ·) cu adunarea şi ı̂nmulţirea polinoamelor
(Mm,n (R), +, ·) cu adunarea şi ı̂nmulţirea matricelor
CAPITOLUL 2
SPAŢII VECTORIALE

Fie (K, +, ·) un corp comutativ. Notăm cu 0 elementul neutru faţă de adunare şi cu 1
elementul neutru faţă de ı̂nmulţire.
Fie V o mulţime nevidă şi + şi · două legi de compoziţie, una internă (+ : V × V → V )
şi una externă (· : K × V → V ) definite pe V .

Definiţia 2.1. (V /K, +, ·) se numeşte spaţiu vectorial peste corpul de scalari

K dacă

SV1) (V, +) este grup abelian

SV2) α · (β · v̄) = (α · β) · v̄, (∀)α, β ∈ K, (∀)v̄ ∈ V

SV3) α · (ū + v̄) = α · ū + α · v̄, (∀)α ∈ K, (∀)ū, v̄ ∈ V

SV4) (α + β) · v̄ = α · v̄ + β · v̄, (∀)α, β ∈ K, (∀)v̄ ∈ V

SV5) 1 · v̄ = v̄, (∀)v̄ ∈ V .

Elementele lui V se numesc vectori.

Elementele lui K se numesc scalari.
 17

Observaţia 2.1. Notăm cu · şi ı̂nmulţiea a doi scalari şi ı̂nmulţiea unui vector cu
un scalar fără pericol de confuzie deoarece vectorii ı̂i vom nota ı̂ntotdeauna cu bară
deasupra şi cu + atât adunarea a doi vectori cât si adunarea a doi scalari din acelaşi
motiv.

Propoziţia 2.1. Dacă (V /K, +, ·) este un spaţiu vectorial peste corpul de scalari K
atunci au loc:

1) 0 · v̄ = 0̄, (∀)v̄ ∈ V

2) (−1)v̄ = −v̄, (∀)v̄ ∈ V

3) α · 0̄ = 0̄, (∀)α ∈ K.

Exemplul 2.1.

• (Cn /C, +, ·) unde pe mulţimea

Cn = {(a1 , a2 , . . . , an )|ai ∈ C, i = 1, n}
introducem o operaţie internă:
(a1 , a2 , . . . , an ) + (b1 , b2 , . . . , bn ) =def (a1 + b1 , a2 + b2 , . . . , an + bn )
şi o operaţie externă:
α · (a1 , a2 , . . . , an ) =def (α · a1 , α · a2 , . . . , α · an )

• (R[X]/R, +, ·) cu adunarea polinoamelor şi ı̂nmulţirea unui polinom cu un număr

real

• (Mm,n (R)/R, +, ·) cu adunarea matricelor şi ı̂nmulţirea matricelor cu un număr

real
 18

2.1 Dependenţa şi independenţa liniară. Sistem de

generatori
Fie (V /K, +, ·) un spaţiu vectorial peste corpul de scalari K şi
S = {v̄1 , v̄2 , . . . , v̄n } ⊂ V un sistem (mulţime ordonată sau familie) finit(ă) de vectori
din V .

Definiţia 2.2.

• Fie scalarii α1 , α2 , . . . , αn ∈ K. Atunci vectorul v̄ ∈ V :

v̄ = α1 · v̄1 + α2 · v̄2 . . . + αn · v̄n (2.1)

se numeşte o combinaţie liniară a vectorilor lui S.

• Scalarii α1 , α2 , . . . , αn ∈ K se numesc coeficienţii combinaţiei liniare (2.1).

Exemplul 2.2.

• Vectorul nul 0̄ este ı̂ntotdeauna o combinaţie liniară a vectorilor oricărui sistem

de vectori S pentru că (∃)0 ∈ K a. ı̂.

0̄ = 0 · v̄1 + 0 · v̄2 + . . . + 0 · v̄n .

• Vectorul
v̄ = 1v̄1 + 2v̄2 . . . + nv̄n

este o combinaţie liniară a vectorilor lui S.

 19

Definiţia 2.3.

• Sistemul de vectori S se numeşte liniar dependent dacă vectorul nul este o

combinaţie liniară a vectorilor v̄1 , v̄2 , . . . v̄n cu cel puţin un coeficient nenul, adică
(∃)i ≤ n, αi 6= 0 a.ı̂.:

0̄ = α1 · v̄1 + α2 · v̄2 + . . . + αn · v̄n (2.2)

• Relaţia (2.2) se numeşte relaţia de dependenţă a vectorilor

v̄1 , v̄2 , . . . v̄n .

• Sistemul de vectori S se numeşte liniar independent dacă nu este liniar de-

pendent, adică:

0̄ = α1 · v̄1 + α2 · v̄2 + . . . + αn · v̄n ⇔ α1 = α2 = . . . = αn = 0.

• Sistemul de vectori S se numeşte liniar independent maximal dacă (∀v) ∈

V ⇒ S ∪ {v̄} este liniar dependent, adică conţine cel mai mare număr de vectori
liniari independenţi din V .

Observaţia 2.2. Sistemul S este liniar dependent dacă există cel puţin un vector din
S care este o combinaţie liniară de ceilalţi vectori din S:

0̄ = α1 · v̄1 + α2 · v̄2 + . . . + αn · v̄n ⇒ (∃)αi 6= 0 ⇒

α1 α2 αi−1 αi+1 αn
v̄i = − · v̄1 − · v̄2 − . . . − · v̄i−1 − · v̄i+1 − . . . − · v̄n .
αi αi αi αi αi
 20

Exemplul 2.3.

• Sistemul format doar din vectorul nul, S = {0̄} este liniar dependent pentru că
(∀)α 6= 0 ∈ K avem că:
0̄ = α · 0̄.

• Sistemul format dintr-un singur vector nenul, S = {v̄}, v̄ 6= 0̄ este liniar inde-
pendent pentru că:
0̄ = α · v̄ ⇔ α = 0.

Exemplul 2.4. Să se găsească relaţia de dependenţă a vectorilor sistemului

S = {v̄1 = (1, −2), v̄2 = (−1, 3), v̄3 = (0, 1), v̄4 = (1, −1)}.

Soluţie. Pentru a găsi relaţia de dependenţă ı̂ntre vectorii v̄1 , v̄2 , v̄3 , v̄4 şi anume

0̄ = α1 · v̄1 + α2 · v̄2 + α3 · v3 + α4 · v̄4 (2.1)

va trebui să determinăm scalarii α1 , α2 , α3 , α4 care verifică această relaţie. Înlocuind vectorii
v̄1 , v̄2 , v̄3 , v̄4 ı̂n relaţia (2.1) obţinem

(0, 0) = α1 (1, −2) + α2 (−1, 3) + α3 (0, 1) + α4 (1, −1)

= (α1 − α2 + α4 , −2α1 + 3α2 + α3 − α4 ),

relaţie echivalentă cu sistemul omogen

(
α1 − α2 + α4 = 0
−2α1 + 3α2 + α3 − α4 = 0.

Matricea sistemului este

α1 α2 α3 α4
" #
1 −1 |0 1
A=
−2 3 |1 −1
 21

0 1
cu minor principal ⇒
1 −1
α3 , α4 necunoscute principale
α1 , α2 necunoscute secundare.
Trecem necunoscutele secundare ı̂n partea dreaptă a semnului “=” şi sistemul va fi echiva-
lent cu ( (
α4 = −α1 + α2 α3 = α1 − 2α2
⇔
α3 − α4 = 2α1 − 3α2 α4 = −α1 + α2 .

Înlocuim α3 şi α4 ı̂n relaţia de dependenţă (2.1):

(0, 0) = α1 v̄1 + α2 v̄2 + (α1 − 2α2 )v̄3 + (−α1 + α2 )v̄4

= α1 (v̄1 + v̄3 − v̄4 ) + α2 (v̄2 − 2v̄3 + v̄4 )

echivalent cu ( (
v̄1 + v̄3 − v̄4 = 0̄ v̄1 = −v̄3 + v̄4
⇔
v̄2 − 2v̄3 + v̄4 = 0̄ v̄2 = 2v̄3 − v̄4 .

Observaţia 2.3. Relaţia de dependenţă poate ı̂nsemna un sistem de relaţii liniare

ı̂ntre vectorii sistemului liniar dependent.

Observaţia 2.4. În probleme pentru a studia liniar dependenţa unui sistem de vectori
vom folosi Criteriul pracic 2.1.

Definiţia 2.4. Sistemul de vectori S se numeşte sistem de generatori pentru spaţiul

vectorial V dacă orice vector din V se poate scrie ca o combinaţie liniară de vectori
din S (S ⊂ V generează pe V ), adică (∀)v̄ ∈ V , (∃)α1 , α2 , . . . , αn ∈ K a.ı̂.:

v̄ = α1 · v̄1 + α2 · v̄2 + . . . + αn · v̄n .

 22

Exemplul 2.5. Fie V = R3 , K = R, S = {ē1 = (1, 0, 0), ē2 = (0, 1, 0), ē3 =
(0, 0, 1)} ⊂ R3 . Arătăm că orice vector din R3 , v̄ = (x, y, z), x, y, z ∈ R este gen-
erat (se poate scrie ca o combinaţie liniară) de cei trei vectori din S, ē1 , ē2 , ē3 :

v̄ = (x, y, z) = (x, 0, 0) + (0, y, 0) + (0, 0, z)

= x · (1, 0, 0) + y · (0, 1, 0) + z · (0, 0, 1) = x · ē1 + y · ē2 + z · ē3 , x, y, z ∈ R.

Am arătat ca o infinitate de vectori cât conţine spaţiul R3 sunt toţi generaţi de cei
trei vectori din S, adică S este sistem de generatori pentru R3 .

Observaţia 2.5. La fel ca şi ı̂n cazul liniar dependenţei unui sistem de vectori şi
pentru a studia dacă un sistem de vectori este sistem de generatori pentru un spaţiu
vectorial (V /K, +, ·) vom folosi Criteriul pracic 2.1.
 23

2.2 Bază. Dimensiune

Fie (V /K, +, ·) un spaţiu vectorial peste corpul de scalari K,
B = {v̄1 , v̄2 , . . . , v̄n } ⊂ V un sistem finit de vectori din V şi
α1 , α2 , . . . , αn ∈ K scalari din corpul K.

Definiţia 2.5. Sistemul de vectori B se numeşte bază pentru spaţiul vectorial (V /K, +, ·)
dacă:

B1) B este liniar independent

B2) B este sistem de generatori pentru V .

Exemplul 2.6. Bazele canonice. Baza ı̂ntr-un spaţiu vectorial nu este unică şi de aceea
se alege o anumită bază de referinţă pe care o vom numi baza canonică, o vom nota Bc ,
iar vectorii săi ı̂i vom nota cu ēi sau Ēi :

• În spaţiul vectorial R2 ,

Bc =def {ē1 = (1, 0), ē2 = (0, 1)}

• În spaţiul vectorial R3 ,

Bc =def {ē1 = (1, 0, 0), ē2 = (0, 1, 0), ē3 = (0, 0, 1)}

• În spaţiul vectorial Rn ,

Bc =def {ē1 = (1, 0, . . . , 0), ē2 = (0, 1, 0, . . . , 0), . . . , ēn = (0, . . . , 0, 1)}

• În spaţiul vectorial R1 [X],

Bc =def {ē1 = X, ē2 = 1}

 24

• În spaţiul vectorial R2 [X],

Bc =def {ē1 = X 2 , ē2 = X, ē3 = 1}

• În spaţiul vectorial Rn [X],

Bc =def {ē1 = X n , ē2 = X n−1 , . . . , ēn = X, en+1 = 1}

• În spaţiul vectorial M2 [C],

( " # " # " # " #)
1 0 0 1 0 0 0 0
Bc =def Ē1 = , Ē2 = , Ē3 = , Ē4 =
0 0 0 0 1 0 0 1

• În spaţiul vectorial M3,1 [C],

     


 1 0 
 0
     
Bc =def  0  , Ē2 =  1  , Ē3 =  0 
Ē1 =      

 
 0 0 1 

• În spaţiul vectorial Mm,n [C],

      

 1 ... 0 0 1 ... 0 0 ... 0 
. .. .
      
Bc = def
Ē1 =  ..  , Ē2 =  .  , . . . , Ēm·n = .. 
      
 
 0 ... 0 0 0 ... 0 0 ... 1 

Observaţia 2.6. Să observăm că baza canonică ı̂n

Rn are n vectori,
Rn [X] are n + 1 vectori
Mm·n are m · n vectori.
 25

Cum B este bază pentru V , B este şi sistem de generatori pentru V şi am văzut din
Definiţia 2.4 că pentru orice vector v̄ ∈ V există scalarii α1 , α2 , . . . , αn ∈ K a.ı̂.:

v̄ = α1 · v̄1 + α2 · v̄2 + . . . + αn · v̄n .

Atunci aceşti scalari sunt unici, adică avem propoziţia:

Propoziţia 2.2. Dacă B este o bază pentru spaţiul vectorial (V /K, +, ·), atunci
(∀)v̄ ∈ V (∃!)α1 , α2 , . . . , αn ∈ K a.ı̂.:

v̄ = α1 · v̄1 + α2 · v̄2 + . . . + αn · v̄n . (2.3)

Demonstraţie.
Existenţa. Este dată aşa cum am văzut de proprietatea bazei de a fi şi sistem de
generatori.
Unicitatea. Presupunem prin reducere la absurd că (∃)(β1 , β2 , . . . , βn ∈ K a.ı̂. (∃)i cu
βi 6= αi şi:
v̄ = β1 · v̄1 + β2 · v̄2 + . . . + βn · v̄n .

Avem atunci că:

v̄ = α1 · v̄1 + α2 · v̄2 + . . . + αn · v̄n = β1 · v̄1 + β2 · v̄2 + . . . + βn · v̄n ,

sau
0̄ = (α1 − β1 ) · v̄1 + (α2 − β2 ) · v̄2 + . . . + (αn − βn ) · v̄n .

Cum B este şi sistem liniar independent ⇒ αi = bi , (∀)i ≤ n, absurd pentru că am presupus
că există cel puţin un i pentru care βi 6= αi .


Definiţia 2.6. Scalarii α1 , α2 , . . . , αn din relaţia (2.3) se numesc coordonatele vec-

torului v̄ ı̂n baza B.
 26

Observaţia 2.7.

• Propoziţia (2.2) ne permite să identificăm orice vector cu coordonatele sale ı̂ntr-o
bază B = {v̄1 , v̄2 , . . . , v̄n } şi astfel obţinem forma cunoscută a unui vector:

v̄ = α1 · v̄1 + α2 · v̄2 + . . . + αn · v̄n =not (α1 , α2 , . . . , αn )B

=not [v̄]B .

• În baze diferite coordonatele aceluiaşi vector vor fi diferite şi e nevoie ı̂ntotdeauna
să precizăm şi baza ı̂n care vectorul are aceste coordonate.

• Baza pusă ca indice la coordonatele unui vector ne fereşte şi de posibila confuzie
dată de faptul că ı̂n Rn forma vectorului coincide cu scrierea sa pe coordonate
ı̂n baza canonică, pe când ı̂n celelalte spaţii vectoriale nu; de exemplu:
v̄ = (5, 6) ∈ R2 , (5, 6) = (5, 0) + (0, 6) = 5 · ē1 + 6 · ē2 = (5, 6)Bc
p̄ = 5X + 6 ∈ R1 [X], 5X + 6 = 5 · X + 6 · 1 = 5 · ē1 + 6 · ē2 = (5, 6)Bc .

Propoziţia 2.3.

1) Dacă B este o bază ı̂n V şi S = {ū1 , ū2 , . . . , ūp } ⊂ V este un sistem liniar
independent, atunci p ≤ n, adică B este un sistem liniar independent maximal
ı̂n V .

2) Într-un spaţiu vectorial care are o bază cu un număr finit de vectori, toate bazele
au acelaşi număr de vectori.

Demonstraţie. 1) Se demonstrează prin inducţie.

2) Fie B şi B 0 = {v̄10 , v̄20 , . . . , v̄p0 } două baze ale lui V . B şi B 0 fiind baze, din definiţia
(2.5), sunt şi sisteme liniar independente.
B bază şi B 0 sistem liniar independent ⇒1) p ≤ n.
B 0 bază şi B sistem liniar independent ⇒1) n ≤ p.
 27

Adică p = n.


Observaţia 2.8. Un spaţiu vectorial nu are o singură bază, dar toate bazele sale au
acelaşi număr de vectori.

Acum are sens definiţia:

Definiţia 2.7. Spunem că spaţiul vectorial V are dimensiunea n dacă ı̂n V există
o bază cu n vectori.

Fie S = {ū1 , ū2 , . . . , ūp } ⊂ V este un sistem oarecare de vectori din V şi Bc baza canonică
a lui V . Vectorii din S fiind vectori din V ı̂i putem scrie ı̂n coordonate ı̂n baza Bc :

ū1 = α11 · v̄1 + α12 · v̄2 + . . . + α1n · v̄n = (α11 , α12 , . . . , α1n )Bc
ū2 = α21 · v̄1 + α22 · v̄2 + . . . + α2n · v̄n = (α21 , α22 , . . . , α2n )Bc
..
.
ūp = αp1 · v̄1 + αp2 · v̄2 + . . . + αpn · v̄n = (αp1 , αp2 , . . . , αpn )Bc .

Considerăm matricea AS care are pe coloane coordonatele vectorilor din S ı̂n baza Bc :

[ū1 ]Bc [ū2 ]Bc · · · [ūp ]Bc

↓ ↓ ↓
 
α11 α21 · · · αp1
(2.4)
 α12 α22 · · · αp2
 

AS = 
 .. .. .. ..

 . . . .


α1n α2n · · · αpn

Definiţia 2.8. Numim matricea AS din (2.4) matricea asociată sistemului S.

 28

Teorema 2.1 (Criteriul practic pentru sisteme de vectori).

1) S este un sistem liniar independent d.n.d. rang AS = p (numărul de vectori din

S)

2) S este un sistem un sistem de generatori pentru V d.n.d rang AS =dim V

3) S este bază ı̂n V d.n.d. rang AS =dim V = p (numărul de vectori din S)

d.n.d. S este un sistem liniar independent maximal ı̂n V
d.n.d. S este un sistem liniar independent şi p (numărul de
vectori din S)=dim V .

Demonstraţie. Fie o bază B (de exemplu baza canonică) din V . Considerăm o

combinaţie liniară a vectorilor din S:

β1 · ū1 + β2 · ū2 + . . . + βp · ūp . (2.5)

Cum

ū1 = (α11 , α12 , . . . , α1n )B | · β1

ū2 = (α21 , α22 , . . . , α2n )B | · β2
..
.
ūp = (αp1 , αp2 , . . . , αpn )B | · βp
+

β1 · ū1 + β2 · ū2 + . . . + βp · ūp = (β1 · α11 + β2 · α21 + . . . + βp · αp1 ,

β1 · α12 + β2 · α22 + . . . + βp · αp2 ,
...
β1 · α1n + β2 · α2n + . . . + βp · αpn )B .

1) S liniar independent d .n.d. β1 · ū1 + β2 · ū2 + . . . + βp · ūp = 0̄ implică β1 = β2 = . . . =

 29

βp = 0 d.n.d.


 β1 · α11 + β2 · α21 + . . . + βp · αp1 = 0,


β1 · α12 + β2 · α22 + . . . + βp · αp2 = 0,


...




β1 · α1n + β2 · α2n + . . . + βp · αpn = 0


d.n.d.    
β1 0
β2 0
   
   
AS ·  ..
=
..
. (2.6)
. .
   
   
βp 0
Sistemul omogen (2.6) are doar soluţia nulă d.n.d. rangA=nr. de necunoscute d.n.d.
rangAS = p.
2) S sistem de generatori pentru V d.n.d. (∀)v̄ ∈ V, (∃)β1 , β2 , . . . , βp ∈ K a.ı̂.

v̄ = β1 · ū1 + β2 · ū2 + . . . + βp · ūp . (2.7)

B este bază ı̂n V ⇒ (∃!)x1 , x2 , . . . , xn ∈ K a.ı̂. v̄ = (x1 , x2 , . . . , xn )B . Atunci relaţia (2.7)

este echivalentă cu

β1 · ū1 + β2 · ū2 + . . . + βp · ūp = (x1 , x2 , . . . , xn )B

d.n.d. 

 β1 · α11 + β2 · α21 + . . . + βp · αp1 = x1 ,


β1 · α12 + β2 · α22 + . . . + βp · αp2 = x2 ,




 ...


β1 · α1n + β2 · α2n + . . . + βp · αpn = x3


d.n.d.    
β1 x1
β2 x2
   
   
AS ·  ..
=
..
. (2.8)
. .
   
   
βp x3

Sistemul (2.8) este compatibil (∀)x1 , x2 , . . . , xn ∈ K d.n.d. rang AS =rang ĀS =numărul de
 30

ecuaţii=n.
 
α11 α21 · · · αp1 x1
 α12 α22 · · · αp2 x2
 

ĀS = 
 .. .. .. .. ..
.
 . . . . .


α1n α2n · · · αpn x3

Dacă rang AS = n atunci minorul principal al lui AS va fi minor principal şi pentru ĀS ,
(∀)x1 , x2 , . . . , xn ∈ K.
3) Rezultă din 1) şi 2).


Exemplul 2.7. Fie

S = {p̄1 = 2X 2 , p̄2 = 3X 2 + X, p̄3 = X 2 + 5X + 2, p̄4 = X 2 − 4X − 2} ⊂ R2 [X] şi
B = {q̄1 = X 2 , q̄2 = X 2 + X, q̄3 = X 2 + X + 1} ⊂ R2 [X].

a) Să se scrie coordonatele vectorului

p̄ = 7X 2 + 11X + 9

ı̂n baza canonică.

b) Să se studieze dacă S este un sistem liniar dependent.

c) Să se studieze dacă S este un sistem de generatori.

d) Să se arate că B este o bază ı̂n R2 [X].

Soluţie. a) În baza canonică din R2 [X], Bc = {X 2 , X, 1}, vectorul p̄ se scrie:

p̄ = 7X 2 + 11X + 9 = 7 · X 2 + 11 · X + 9 · 1 = 7 · ē1 + 11 · ē2 + 9 · ē3 = (7, 11, 9)Bc

b) Scriem vectorii sistemului S ı̂n baza canonică din R2 [X]:

p̄1 = 2X 2 = 2 · X 2 + 0 · X + 0 · 1 = 2 · ē1 + 0 · ē2 + 0 · ē3 = (2, 0, 0)Bc
p̄2 = 3X 2 + X = 3 · X 2 + 1 · X + 0 · 1 = 3 · ē1 + 1 · ē2 + 0 · ē3 = (3, 1, 0)Bc
p̄3 = X 2 + 5X + 2 = 1 · X 2 + 5 · X + 2 · 1 = 1 · ē1 + 5 · ē2 + 2 · ē3 = (1, 5, 2)Bc
p̄4 = X 2 −4X −2 = 1·X 2 +(−4)·X +(−2)·1 = 1· ē1 +(−4)· ē2 +(−2)· ē3 = (1, −4, −2)Bc .
 31

Matricea asociată sistemului S ı̂n baza canonică este:

[p̄1 ]Bc [p̄2 ]Bc [p̄3 ]Bc [p̄4 ]Bc

↓ ↓ ↓ ↓
 
2 3 1 | 1
 
AS = 
 0 1 5 | −4 

0 0 2 | −2

2 3 1
Minorul M = 0 1 5 = 4 6= 0 este un minor principal ⇒ rang AS =dim M = 3. Aplicând
0 0 2
Criteriul practic pentru sisteme de vectori 2.1 avem că:
rang AS = 3 6= 4 = numărul de vectori din S ⇒ S nu este liniar independent ⇒ S este
liniar dependent.

c) rang AS = 3 =dim R2 [X] (numărul de vectori din baza canonică de exemplu) ⇒ S

este sistem de generatori pentru R2 [X].

d) Procedând la fel ca la punctul a), vom scrie vectorii din B ı̂n baza canonică din R2 [X]:
q̄1 = X 2 = 1 · X 2 + 0 · X + 0 · 1 = 1 · ē1 + 0 · ē2 + 0 · ē3 = (1, 0, 0)Bc
q̄2 = X 2 + X = 1 · X 2 + 1 · X + 0 · 1 = 1 · ē1 + 1 · ē2 + 0 · ē3 = (1, 1, 0)Bc
q̄3 = X 2 + X + 1 = 1 · X 2 + 1 · X + 1 · 1 = 1 · ē1 + 1 · ē2 + 1 · ē3 = (1, 1, 1)Bc .
Matricea asociată sistemului B ı̂n baza canonică este:

[q̄1 ]Bc [q̄2 ]Bc [q̄3 ]Bc

↓ ↓ ↓
 
1 1 1
 
AB = 
 0 1 1 

0 0 1

AB este o matrice pătratică cu det AB = 1 6= 0 ⇒ rang AB =dim AB = 3. Aplicând Criteriul

practic pentru sisteme de vectori 2.1 avem că:
rang AB = 3 = numărul de vectori din B =dim R2 [X] ⇒ B este o bază pentru R2 [X].
 32

2.3 Schimbări de baze

Fie (V /K, +, ·) un spaţiu vectorial cu dim V = n,
B1 = {v̄1 , v̄2 , . . . , v̄n } ⊂ V şi
B2 = {ū1 , ū2 , . . . , ūn } ⊂ V două baze ale lui V ,
v̄ ∈ V un vector arbitrar din V .

Problemă:
Fiind date ı̂n V două baze, ce legătură există ı̂ntre coordonatele aceluiaşi vector ı̂n
cele două baze?

Răspunsul este dat de formula (2.9) pe care o vom obţine algoritmic parcurgând următorii
paşi:

1) Dacă B1 şi B2 sunt baze ale lui V , atunci fiecare vector din B2 se poate scrie ı̂n baza
B1 :



 ū1 = α11 · v̄1 + α12 · v̄2 + . . . + α1n · v̄n ,

.. ⇔
 .


ū = α · v̄ + α · v̄ + . . . + α · v̄ ,
n n1 1 n2 2 nn n




 ū1 = (α11 , α12 , . . . , α1n )B1 ,

..
 .


ū = α , α , . . . , α ) ,
n n1 n2 nn B1

2) Construim matricea T←−−− punând coordonatele vectorilor din B2 scrişi ı̂n baza B1 .
B1 B2

Atenţie!
Baza săgeţii de la indicele lui T arată de unde se iau vectorii, iar vârful ei arată
ı̂n ce bază sunt scrişi.
 33

[ū1 ]B1 . . . [ūn ]B1

↓ ↓
 
α11 · · · αp1
 α12 · · · αp2
 

T←−−−
B1 B2
=
 .. .. ..

 . . .


α1n · · · αpn

Definiţia 2.9. T←−−− se numeşte matricea de trecere de la baza B1 la baza B2 .

B1 B2

Atenţie!
Se citeste ı̂n ordinea ı̂n care sunt scrise bazele şi se construieşte ı̂n ordine invesă:
se iau vectorii din B2 şi se scriu ı̂n B1 .

Observaţia 2.9. Dacă ı̂n particular, B1 = Bc este baza canonică din V , atunci
T←−−− = A-matricea asociată bazei B2 .
Bc B2

Propoziţia 2.4. Matricea de trecere de la o bază la alta este o matrice nesingulară.

Demonstraţie. B1 şi B2 sunt două baze ı̂n V rezultă ca au acelaşi număr de vectori n,
adică matricea de trecere este o matrice pătratică.
B2 bază ⇒ B2 sistem liniar independent ⇒ rang T←−−− = nr. de vectori din B2 = n ⇒
B1 B2
T←−−− nesingulară.
B1 B2

3)
 34

Teorema 2.2 (Teorema de schimbare a coordonatelor unui vector). Are loc relaţia:

[v̄]B1 = T←−−− [v̄]B

B1 B2 2 (2.9)

unde [v̄]Bi reprezintă coordonatele vectorului v̄ ı̂n baza Bi .

Vom considera acum un caz particular al teoremei precedente foarte util ı̂n probleme, şi
anume când B1 = Bc , adică când vrem să trecem un vector din baza canonică ı̂ntr-o altă
bază rezolvăm sistemul:

Propoziţia 2.5 (Teorema de schimbare a coordonatelor unui vector din baza canonică
ı̂n baza B).

[v̄]Bc = T←−− [v̄]B

Bc B
(2.10)
= AB [v̄]B

unde AB este matricea asociată bazei B.

În continuare vom da două proprietăţi ale matricei de trecere de la o bază la alta:

Propoziţia 2.6 (Proprietăţile matricei de trecere de la o bază la alta).

−1
1) T←−−− = T←
B2 B1 −−−
B1 B2

2) Dacă B3 este altă bază a spaţiului vectorial V , atunci:

T←−−− = T←−−− · T←−−− .

B1 B3 B1 B2 B2 B3
 35

Exemplul 2.8. Fie B1 = {v̄1 = X, v̄2 = X + 1} ⊂ R1 [X], B2 = {ū1 = X + 2, ū2 =

2X + 1} ⊂ R1 [X] şi p̄ = 4X + 2.

a) Să se studieze dacă B1 şi B2 sunt baze ı̂n R1 [X]

b) În caz afirmativ să se scrie T←−−−

B1 B2

c) Să se scrie coordonatele vectoului p̄ ı̂n bazele B1 , respectiv B2 .

Soluţie.
a) Pentru a studia dacă sistemul de vectori B1 este bază scriem matricea asociată lui B1
şi aplicăm Criteriul practic (2.1) 3). Coloanele matricei A sunt coordonatele vectorilor din
B1 ı̂n baza canonică din R1 [X], Bc = {X, 1}:
v̄1 = X = 1 · X + 0 · 1 = (1, 0)Bc
v̄2 = X + 1 = 1 · X + 1 · 1 = (1, 1)Bc ⇒

[v̄1 ]Bc [v̄2 ]Bc

↓ ↓
" #
1 1
AB1 =
0 1
det AB1 = 1 6= 0 ⇒ rang AB1 = 2 = numărul de vectori din B1 = dim R1 [X] ⇒ din
Criteriul practic (2.1) 3) că B1 este bază.
Procedăm analog şi cu B2 :
ū1 = X + 2 = 1 · X + 2 · 1 = (1, 2)Bc
ū2 = 2X + 1 = 2 · X + 1 · 1 = (2, 1)Bc ⇒

[ū1 ]Bc [ū2 ]Bc

↓ ↓
" #
1 2
AB2 =
2 1
det AB2 = −3 6= 0 ⇒ rang AB2 = 2 = numărul de vectori din B2 = dim R1 [X] ⇒ din
Criteriul practic (2.1) 3) că B2 este bază.
 36

b) Pentru a scrie matricea de trecere de la baza B1 la baza B2 , T←−−− , urmăm paşii

B1 B2
descrişi la ı̂nceputul paragrafului, adică:
1) Aşa cum arată săgeata, scriem vectorii din B2 , adică ū1 şi u2 , ı̂n baza B1 . Cei doi
vectori ı̂i avem scrişi ı̂n baza canonică la punctul a). Ca să ı̂i trecem din baza canonică ı̂n
baza B2 folosim formula (2.10):

[ū1 ]Bc = T←−−− [ū ]

Bc B1 1 B1
= AB1 [ū1 ]B1 . (2.11)

Cum ū1 = (1, 2)Bc şi notăm [ū1 ]B1 =not (α1 , α2 ) coordonatele lui ū1 ı̂n baza B1 . Atunci
relaţia (2.11) este echivalentă cu sistemul:
" # " #" # ( (
1 1 1 α1 α1 + α2 = 1 α1 = −1
= ⇔ ⇔
2 0 1 α2 α2 = 2 α2 = 2
⇒ [ū1 ]B1 = (−1, 2)B1 .
Analog, ū2 = (2, 1)Bc şi notăm [ū2 ]B1 =not (β1 , β2 ) coordonatele lui ū2 ı̂n baza B1 . Re-
zolvăm sistemul:
" # " #" # ( (
2 1 1 β1 β1 + β2 = 2 β1 = 1
= ⇔ ⇔
1 0 1 β2 β2 = 1 β2 = 1
⇒ [ū2 ]B1 = (1, 1)B1 .
2) Punem cei doi vectori obţinuţi pe coloane şi obţinem matricea de trecere:

[ū1 ]B1 [ū2 ]B1

↓ ↓
" #
−1 1
T←−−− =
B1 B2
2 1

c) Scriem vectorul v̄ ı̂n baza canonică:

v̄ = 4X + 2 = 4 · X + 2 · 1 = (4, 2)Bc
şi notăm coordonatele sale ı̂n baza B1 cu [v̄]B1 =not (α1 , α2 ).
Ca să trecem vectorul v̄ din baza canonică ı̂n bazele B1 vom folosi tot formula (2.10):

[v̄]Bc = T←−−− [v̄]B = AB [v̄]B ⇔ (2.12)

Bc B1 1 1 1
 37

" # " #" # ( (

4 1 1 α1 α1 + α2 = 4 α1 = 2
= ⇔ ⇔
2 0 1 α2 α2 = 2 α2 = 2
⇒ [v̄]B1 = (2, 2)B1 .
Ştim că v̄ = (4, 2)Bc şi notăm coordonatele sale ı̂n baza B2 cu [v̄]B2 =not (β1 , β2 ). Re-
zolvăm sistemul:
[v̄]Bc = T←−−− [v̄]B = AB [v̄]B ⇔ (2.13)
Bc B2 2 2 2

" # " #" # ( (

4 1 2 β1 β1 + 2β2 = 4 β1 = 0
= ⇔ ⇔
2 2 1 β2 2β1 + β2 = 2+ |(−2) β2 = 2

⇒ [v̄]B2 = (0, 2)B2 .

 38

2.4 Subspaţii vectoriale

Fie (V /K, +, ·) un spaţiu vectorial,
S ⊂ V , S 6= ∅ şi
U = {v̄1 , v̄2 , . . . , v̄p } ⊂ V un sistem arbitrar de vectori din V .

Definiţia 2.10. Sistemul de vectori S se numeşte subspaţiu vectorial al lui V dacă:

SSV1) (∀)ū, v̄ ∈ S ⇒ ū + v̄ ∈ S
SSV2) (∀)ū, (∀)α ∈ K ⇒ α · ū ∈ S.

Notăm S ⊂SSV V .

Propoziţia 2.7 (de caracterizare a subspaţiilor vectoriale).

• 0̄ ∈ S (pentru că 0 · ū = 0̄ ∈ S)

• Orice subspaţiu vectorial este la rândul său un spaţiu vectorial.

• S este un subspaţiu vectorial al lui V d.n.d.

(∀)ū, v̄ ∈ S, (∀)α, β ∈ K ⇒ α · ū + β · v̄ ∈ S.

Definiţia 2.11. Mulţimea tuturor combinaţiilor liniare ale vectorilor din U ,

L(U ) = {v̄|(∃)α1 , . . . , αp ∈ K a.ı̂. v̄ = α1 v̄1 + . . . + αp v̄p }

se numeşte acoperirea liniară a lui U (sau spaţiul generat de U ).

 39

Următoarea propoziţie o vom folosi foarte des ı̂n exerciţii pentru a arăta că un sistem de
vectori este subspaţiu vectorial:

Propoziţia 2.8 (de caracterizare a acoperirii liniare).

Acoperirea liniară a unui sistem de vectori U are următoarele proprietăţi:

1) U este sistem de generatori pentru L(U ).

2) L(U ) este un subspaţiu vectorial al lui V .

3) U este un subspaţiu vectorial al lui V d.n.d U = L(U )

Propoziţia de mai sus ne spune două lucruri importante:

1) este suficient să arătăm că o submulţime a lui V este un L(U ) (acoperirea liniară a
unui sistem oarecare de vectori) pentru a demonstra că este un subspaţiu vectorial al
lui V .

2) furnizează un sistem de generatori U pentru un subspaţiu vectorial odată ce am arătat

că subspaţiul este un L(U ).

Exemplul 2.9. Să se arate că sistemele de vectori

a) S1 = {(x, y, z) ∈ R3 |3x + 2y − 5z = 0}

b) S2 = {(x, y, z) ∈ R3 |2x + 5y − z = 0, y − 3z = 0}
sunt subspaţii vectoriale ale lui R3 şi să se găsească câte o bază a lor.

Soluţie.
a) 3x + 2y − 5z = 0 este un sistem de o ecuaţie cu 3 necunoscute. Matricea sistemului
este

x y z
h i
3| 2 − 5
 40

Un minor principal este de exemplu |3| care corespunde necunoscutei x, deci vom putea
considera
x- necunoscută principală
y, z - necunoscute secundare.
Trecem necunoscutele secundare ı̂n partea dreaptă a semnului = şi rezolvăm ecuaţia
2 5
3x = −2y + 5z ⇒ x = − y + z.
3 3
Înlocuim acum valoarea lui x găsită ı̂n definiţia lui S1 :

S1 ={(x, y, z) ∈ R3 |3x + 2y − 5z = 0} =
  
2 5
− y + z, y, z , y, z ∈ R =
3 3
    
2 5
− y, y, 0 + z, 0, z , y, z ∈ R =
3 3
     
2 5
y − , 1, 0 + z , 0, 1 , y, z ∈ R =
3 3
L(U1 ),

unde     
2 5
U1 = v̄1 = − , 1, 0 , v̄2 = , 0, 1 .
3 3
Am demonstrat astfel că S1 este o acoperire liniară (a lui U1 ). Rezultă

- din Propoziţia (2.8)-2) că S1 este un subspaţiu vectorial al lui R3

- din Propoziţia (2.8)-1) că U1 este un sistem de generatori pentru S1 (1).

Studiem dacă U1 este si sistem liniar independent:

* Construim matricea asociată sistemului U1 punând vectorii pe coloană:

v̄1 v̄2
↓ ↓
 2 5 
−
 3 3 
A1 = 
 |1 0|  .


|0 1|
 41

1 0
* Minorul 6= 0 este minor principal ⇒ rang A1 = 2=numărul de vectori
0 1
rezultă din Criteriul practic (2.1) 1) că U1 este liniar independent (2).

Din relaţiile (1) şi (2) ⇒ din definiţia bazei că U1 este o bază pentru S1 ⇒ dim S1 = 2.
(
2x+ 5y − z = 0,
b) este un sistem de două ecuaţii cu 3 necunoscute. Matricea
y − 3z = 0
sistemului este

x y z
" #
2 5| −1
0 1| −3

2 5
Un minor principal este de exemplu care corespunde necunoscutelor x şi y, deci vom
0 1
putea considera
x, y- necunoscute principale
z - necunoscută secundară.
Trecem necunoscutele secundare ı̂n partea dreaptă a semnului = şi rezolvăm sistemul de
ecuaţii ( (
2x + 5y = z, x = −7z,
⇔
y = 3z y = 3z

Înlocuim acum valorile lui x şi y găsite ı̂n definiţia lui S2 :

S2 ={(x, y, z) ∈ R3 |2x + 5y − z = 0, y − 3z = 0} =
{(−7z, 3z, z) , z ∈ R} =
{z(−7, 3, 1), z ∈ R} =
L(U2 ),

unde
U2 = {v̄ = (−7, 3, 1)} .

Am demonstrat astfel că S2 este o acoperire liniară (a lui U2 ). Rezultă

- din Propoziţia (2.8)-2) că S2 este un subspaţiu vectorial al lui R3

 42

- din Propoziţia (2.8)-1) că U2 este un sistem de generatori pentru S2 (1).

U2 este şi sistem liniar independent (2) pentru că aşa cum am arătat ı̂n Exemplul
(2.3) 2), un sistem format dintr-un singur vector nenul este ı̂ntotdeauna liniar inde-
pendent.
Din relaţiile (1) şi (2) ⇒ din definiţia bazei că U2 este o bază pentru S2 ⇒ dim S2 = 1.
 43

2.5 Întrebări de verificare

Dependenţa şi independenţa liniară. Sisteme de generatori. Baze

de vectori

1) Când un sistem de vectori este liniar independent/dependent? (criteriul practic)

2) Care este relaţia de dependenţă pentru un sistem de vectori?
3) Cum se găseşte relaţia de dependenţă pentru un sistem de vectori?
4) Când un sistem de vectori este sistem de generatori? (criteriul practic)

Bază. Dimensiune

1) Când un sistem de vectori este bază? (criteriul practic)

2) Cum se calculează dimensiunea unui spaţiu?
3) Care sunt bazele canonice ı̂n Rn , Rn [X], Mm,n [R]?

Schimbări de baze

1)* Coloanele matricei de trecere de la baza B1 la baza B2 , T ← sunt coordonatele

B1 B2
vectorilor din baza .... scrişi ı̂n baza ...
2) Dacă B = {v̄1 , v̄2 , . . . , v̄n } este o bază atunci cum se scrie un vector ı̂n baza B şi
reciproc, ce ı̂nseamnă că se ştiu coordonatele unui vector ı̂n baza B?

v̄ = α1 v̄1 + α2 v̄2 + . . . + αn v̄n = (α1 , α2 , . . . , αn )B

3) Cu ce formulă se trece un vector din baza canonică ı̂ntr-o bază B?

 44

Subspaţii vectoriale

1) Cum se arată că o subulţime a unui spaţiu vectorial este subspaţiu vectorial?
2)* Cum se arată că o subulţime a unui spaţiu vectorial nu este subspaţiu vectorial?
3) Cum se determină o bază a unui subspaţiu vectorial?
4) Cum se determină dimensiunea unui subspaţiu vectorial?
CAPITOLUL 3
APLICAŢII LINIARE

Fie V şi W două spaţii vectoriale peste corpul de scalari K.

Definiţia 3.1. O funcţie f : V → W se numeşte aplicaţie liniară dacă:

AL1) f (ū + v̄) = f (ū) + f (v̄), (∀)ū, v̄ ∈ V

AL2) f (αū) = αf (ū), (∀)ū, (∀)α ∈ K.

Propoziţia 3.1. f : V → W este o aplicaţie liniară d.n.d.

AL3) f (αū + βv̄) = αf (ū) + βf (v̄), (∀)ū, v̄ ∈ V, (∀)α, β ∈ K.

Demonstraţie. “⇒” f este o aplicaţie liniară ⇒ AL3).

Calculăm f (αū + βv̄) =AL1) f (αū) + f (βv̄) =AL2) αf (ū) + βf (v̄).
“⇐” AL3) ⇒ f este o aplicaţie liniară.
În AL3) avem:
- pentru α = β = 1 ⇒ f (ū + v̄) = f (ū) + f (v̄) ⇒ AL1)
- pentru β = 0 ⇒ f (αū) = αf (ū) ⇒ AL2)
adică f este o aplicaţie liniară.

 46

Notăm
L(V, W ) =not {f : V → W |f aplicaţie liniară}.

Teorema 3.1. (L(V, W )/K, +, ·) este un spaţiu vectorial peste corpul de scalari K ı̂n
raport cu adunarea funcţiilor şi ı̂nmulţirea unei funcţii cu un scalar.

Propoziţia 3.2. Orice aplicaţie liniară f : V → W duce elemetul nul din domeniu
ı̂n elementul nul din codomeniu
f (0V ) = 0W .

Demonstraţie.
f (0V ) = f (0 · v̄) =AL1) 0 · f (v̄) = 0W .

O observaţie importantă care ne permite să decunoaştem când este vorba de liniaritate
este:

Observaţia 3.1. Deşi pe unele spaţii vectoriale se mai pot introduce şi alte operaţii
ı̂ntre vectori şi scalari, liniaritatea implică doar
-adunarea vectorilor
-ı̂nmulţirea cu scalar.
De exemplu, ı̂n spaţiile vectoriale (C/R, +, ·), (Mm,m (R)/R, +, ·),
(Rn [X]/R, +, ·), ştim că ı̂n plus mai sunt definite şi ı̂nmulţirea a doi vectori, şi ridicarea
la putere, etc. care nu pot fi folosite când este vorba de liniaritate.

Exemplul 3.1 (exemplu de aplicaţie liniară).

Fie f : R3 → R1 [X], f (a, b, c) = (a + b)X + c. Arătaţi că f este o aplicaţie liniară.
 47

Soluţie. În spaţiul vectorial (Rn [X]/R, +, ·), X şi 1 sunt vectori, iar a, b, c ∈ R sunt
scalari ⇒ f este o aplicaţie liniară, deoarece (a + b)X + c implică doar adunare de vectori şi
ı̂nmulţire cu scalari. Demonstrăm aceasta folosind Propoziţia (3.1):
Fie v̄1 = (a1 , b1 , c1 ), v̄2 = (a2 , b2 , c2 ) ∈ R3 şi α, β ∈ R. Calculăm

f (αv̄1 + βv̄2 ) =f [α(a1 , b1 , c1 ) + β(a2 , b2 , c2 )]

=f (αa1 + βa2 , αb1 + βb2 , αc1 + βc2 )
| {z } | {z } | {z }
a b c

=[(αa1 + βa2 ) + (αb1 + βb2 )]X + (αc1 + βc2 )

| {z } | {z } | {z }
a b c

=α [(a1 + b1 )X + c1 ] + β [(a2 + b2 )X + c2 ]
=αf (a1 , b1 , c1 ) + βf (a2 , b2 , c2 )
=αf (v̄1 ) + βf (v̄2 ).

De unde rezultă că f este aplicaţie liniară.

Exemplul 3.2 (exemplu de funcţie care "nu este#aplicaţie

" liniară).
#
a b 1 c
Fie g : R4 → M2,2 (R), g(a, b, c, d) = · . Arătaţi că g nu este o
1 1 d 1
aplicaţie liniară.
" # " #
a b 1 c
Soluţie. În spaţiul vectorial (M2,2 (R)/R, +, ·), şi sunt vectori, iar
1 1 d 1
ı̂n expresia analitică a lui g apare ı̂nmulţirea a doi vectori ⇒ g nu este o aplicaţie liniară.
Demonstrăm aceasta folosind definiţia aplicaţiei liniare, adică trebuie să găsim cel puţin un
caz ı̂n care nu este verificată AL1) sau AL2):
 48

Fie v̄ = (1, 1, 1, 1) ∈ R4 şi −1 ∈ R. Calculăm

g(−v̄) =g(−1, −1, −1, −1)

" # " #
−1 −1 1 −1
= ·
1 1 −1 1
" #
0 0
= ,
0 0
−g(v̄) = − g(1, 1, 1, 1)
" # " #
1 1 1 1
= ·
1 1 1 1
" #
2 2
= .
2 2

⇒ g(−v̄) 6= −g(v̄) de unde rezultă că g nu este o aplicaţie liniară.

 49

3.1 Nucleul şi imaginea unei aplicaţii liniare

Fie f ∈ L(V, W ).

Definiţia 3.2.

• Se numeşte nucleul aplicaţiei liniare f mulţimea

Ker(f ) =def {v̄ ∈ V |f (v̄) = 0̄W }.

• Se numeşte imaginea aplicaţiei liniare f mulţimea

Im(f ) =def {w̄ ∈ W |(∃)v̄ ∈ V a.ı̂. f (v̄) = w̄}.

Propoziţia 3.3. Fie SV = {ū1 , . . . , ūp } ∈ V şi

f (SV ) = {f (ū1 ), . . . , f (ūp )} ∈ W .
Dacă f (SV ) este liniar independent ⇒ SV este linar independent.

Teorema 3.2 (de caracterizare a nucleului şi a imaginii unei aplicaţii liniare).
Fie BV = {v̄1 , . . . , v̄n } ∈ V o bază ı̂n V . Atunci au loc:

1) Ker(f ) ⊂SSV V

2) Im(f ) ⊂SSV W

3) Im(f ) = L (f (BV )) = L ({f (v̄1 ), . . . , f (v̄n )})

4) f este injectivă d.n.d Ker(f ) = {0̄V }

d.n.d. dim Ker(f ) = 0

5) f este surjectivă d.n.d Im(f ) = W

 50

d.n.d. dim Im(f ) =dim W

6) dim Ker(f )+ dim Im(f ) =dim V

Demonstraţie. 3) BV -bază ı̂n V ⇒ (∃)α1 , α2 , . . . , αn ∈ K a.ı̂. (∀)v̄ ∈ V avem:

v̄ = α1 v̄1 + α2 v̄2 + . . . + αn v̄n .

Dar f este o aplicaţie liniară ⇒Propoziţia (3.1)

f (v̄) = α1 f (v̄1 ) + α2 f (v̄2 ) + . . . + αn f (v̄n ). (3.1)

⇒ Im(f ) = {w̄ ∈ W |(∃)v̄ ∈ V a.ı̂. f (v̄) = w̄}

=(3.1) {α1 f (v̄1 ) + α2 f (v̄2 ) + . . . + αn f (v̄n ), α1 , α2 , . . . , αn ∈ K}.


Observaţia 3.2. Din relaţia Im(f ) = L ({f (v̄1 ), . . . , f (v̄n )}) ⇒Propoziţia 2.8−1) sistemul
de vectori f (BV ) = {f (v̄1 ), . . . , f (v̄n )} este sistem de generatori pentru Im(f ). O
bază pentru Im(f ) se poate obţine din vectorii corespunzători coloanelor unui minor
principal ai matricei asociate sistemului f (BV ).

Definiţia 3.3.

• dim Ker(f ) se numeşte defectul lui f şi se notază def(f ).

• dim Im(f ) se numeşte rangul lui f şi se notază rang(f ).

Definiţia 3.4. O aplicaţie liniară f ∈ L(V, W ) bijectivă se numeşte izomorfism.

 51

Propoziţia 3.4. Dacă f ∈ L(V, W ) este izomorfism, atunci

dim V = dim W.

Exemplul 3.3. Fie f : R3 → R1 [X],

f (a, b, c) = (2a + b)X + c.

a) Să se găsească nucleul lui f şi o bază a sa.

b) Să se găsească imaginea lui f şi o bază a sa.

c) Este f injectivă, surjectivă sau izomorfism? Justificaţi răspunsul.

Soluţie. a)

Ker(f ) = {v̄ ∈ R3 |f (v̄) = 0} = {(a, b, c) ∈ R3 |(2a + b)X + c = 0}.

Un polinom este egal cu polinomul nul când coeficienţii puterilor lui X sunt toţi nuli:

a b c
( " #
2a + b = 0 2 |1 0
⇒ rang =2⇒
c= 0 0 |0 1

b, c necunoscute principale,
a necunoscută secundară.
Rezlvând sistemul ı̂n necunoscutele principale obţinem:
(
b = −2a
⇒
c=0

Ker(f ) = {(a, −2a, 0), a ∈ R} = {a(1, −2, 0), a ∈ R} = L(B1 ),

 52

unde B1 = {(1, −2, 0)} ⇒ dim Ker(f ) = 1 6= 0 ⇒ f nu este injectivă.

b) Pentru a afla imaginea lui f folosim Teorema 3.2, 3):

Im(f ) =L ({f (ē1 ), f (ē2 ), f (ē3 )}) (ēi fiind vectorii bazei canonice din R3 )
=L ({f (1, 0, 0), f (0, 1, 0), f (0, 0, 1)})
=L ({2X, X, 1})

⇒ B = {2X, X, 1} este sistem de generatori pentru Im(f ). Pentru a găsi o bază a lui Im(f )
este suficient să găsim un sistem liniar independent maximal ı̂n B. Matricea asociată lui B
este:

2X X 1
↓ ↓ ↓
" #
2 |1 0
A= .
0 |0 1

Rang A = 2 ⇒ B2 = {X, 1} sistem liniar independent maximal ⇒ B2 este o bază a lui

Im(f ) ⇒ dim Im(f ) = 2 =dim R1 [X] ⇒Teorema 3.2−5) f este surjectivă.
c) f nu este izomorfism pentru că nu este bijecţie (sau dim R3 = 3 6= 2 =dim R1 [X]).
def(f ) = 1; rang(f ) = 2.

 53

3.2 Matricea unei aplicaţii liniare

Fie f ∈ L(V, W ),
BV = {v̄1 , . . . , v̄n } ∈ V o bază ı̂n V ,
BW = {w̄1 , . . . , w̄m } ∈ W o bază ı̂n W .
Vectorii f (v̄i ) ∈ W, i = 1, n au scierea ı̂n baza BW :

f (v̄i ) = (ai1 , ai2 , . . . , aim )BW , i = 1, n.

Definiţia 3.5. Matricea obţinută punând coordonatele vectorilor [f (v̄i )]BW pe coloană:

[f (v̄1 )]BW [f (v̄2 )]BW . . . [f (v̄n )]BW

↓ ↓ ↓
 
a11 a21 ··· an1
a12 a22 ··· an2
 
def
 
[f ]BV BW = 
.. .. .. ..
.
. . . .
 
 
a1m a2m ··· anm

se numeşte matricea lui f ı̂n perechea de baze BV BW .

Observaţia 3.3. Aplicaţia liniară f este unic determinată de matricea sa ı̂ntr-o

pereche de baze.

În probleme vom parcurge următorii paşi pentru a determina matricea unei aplicaţii
liniare ı̂ntr-o pereche de baze BV BW :

1) Calculăm f de vectorii bazei BV

2) Îi trecem ı̂n baza BW

3) Punem vectorii obţinuţi la 2) pe coloană ı̂n matricea [f ]BV BW .

 54

Dacă V = W şi BV = BW = B, atunci notăm [f ]BB =not [f ]B .

Dacă BcV este baza canonică din V şi BcW este baza canonică din W , atunci notăm
[f ]BcV BcW =not [f ].

Teorema 3.3. Are loc relaţia:

[f (v̄)]BW = [f ]BV BW [v̄]BV . (3.2)

Această relaţie ne permite să mai definim pe langă forma analitică a unei aplicaţii
liniare cu care suntem obişnuiţi şi o altă formă şi anume:

Definiţia 3.6. Relaţia (3.2) se numeşte forma matriceală a lui f ı̂n bazele BV , BW .

Exemplul 3.4. Fie aplicaţia liniară f : R1 [X] → R3 , f (aX + b) = (a, b, a + b) (forma

analitică alui f ), B = {p̄1 = X + 1, p̄2 = X − 2} o bază ı̂n R1 [X] şi
B1 = {v̄1 = (1, 1, 0), v̄2 = (0, 0, 1), v̄2 = (2, −1, 0)} o bază ı̂n R3 .

a) Să se scrie matricea lui f ı̂n perechea de baze canonice.

b) Să se scrie matricea lui f ı̂n perechea de baze BB1 .

c) Să se găsească Ker(f ).

d) Să se găsească Im(f ).

e) Stabiliţi dacă f este izomorfism.

Soluţie. a) Calculăm f (ēi ), unde ēi sunt vectorii bazei canonice din R1 [X] :
f (X) = f (1 · X + 0 · 1) =a=1,b=0 (1, 0, 1) = (1, 0, 1)Bc
 55

f (1) = f (0 · X + 1 · 1) =a=0,b=1 (0, 1, 1) = (0, 1, 1)Bc

[f (X)]Bc [f (1)]Bc
↓ ↓
 
1 0
 
[f ] = 
 0 1 .

1 1

b)

1) Calculăm f (p̄i ), unde p̄i sunt vectorii bazei B ⊂ R1 [X] :

f (X + 1) = f (1 · X + 1 · 1) =a=1,b=1 (1, 1, 2)
f (X − 2) = f (1 · X − 2 · 1) =a=1,b=−2 (1, −2, −1)

2) Trecem acum cei doi vectori obţinuţi din baza canonică ı̂n baza B1 :
f (X + 1) = (1, 1, 2) = (1, 1, 2)Bc = (α1 , α2 , α3 )B1
Pentru a trece vectorul f (X + 1) din baza canonică din R3 ı̂n baza B1 ⊂ R3 folosim
formula de schimbare de bază:

[f (X + 1)]Bc = A1 [f (X + 1)]B1 . (3.3)

 
1 0 2
 
unde A1 =  1 0 −1 

 este matricea asociată bazei B1 .
0 1 0
Atunci relaţia (3.3) este echivalentă cu sistemul:

      
1 1 0 2 α  α1 +2α3 = 1  α1 = 1
 1 

 

  
 1  =  1 0 −1   α2  ⇔ α1 −α3 = 1 ⇔ α2 = 2
      
 
2 0 1 0 α3  α2 =2  α = 0.
3

⇒ [f (X + 1)]B1 = (1, 2, 0)B1 .

Trecem acum al doilea vector, f (X − 2), din baza canonică ı̂n baza B1 :
f (X − 2) = (1, −2, −1) = (1, −2, −1)Bc = (β1 , β2 , β3 )B1
 56

3) Pentru a trece vectorul f (X − 2) din baza canonică din R3 ı̂n baza B1 ⊂ R3 folosim ca
şi mai sus formula de schimbare de bază:

[f (X − 2)]Bc = A1 [f (X − 2)]B1 . (3.4)

Atunci relaţia (3.4) este echivalentă cu sistemul:

      
1 1 0 2 β
 1 
+2β3 = 1  β1  β1 = −1

 

  
 −2  =  1 0 −1   β2  ⇔ β1 −β3 = −2 ⇔ β2 = −1
      
−1 = −1
 
0 1 0 β3  β2  β = 1.
3

⇒ [f (X − 2)]B1 = (−1, −1, 1)B1 .

Putem scrie acum matricea lui f ı̂n perechea de baze BB1 , [f ]BB1 :

[f (X + 1)]B1 [f (X − 2)]B1
↓ ↓
 
1 −1
 
[f ]BB1 =
 2 −1 .

0 1

c)

Ker(f ) ={aX + b ∈ R1 [X]|f (aX + b) = (0, 0, 0)}

={aX + b ∈ R1 [X]|(a, b, a + b) = (0, 0, 0)}

 a b
 a =0

   (
|1 0 a=0
b=0 ,   ⇒ a, b necunoscute principale ⇒ ⇒


 a+ b = 0 rang  |0 1  = 2
  b=0
1 1
Ker(f ) = {0̄} ⇒ def(f ) = 0 ⇒ f este injectivă.
d) Im(f ) = L ({f (X), f (1)}) = L ({(1, 0, 1), (0, 1, 1)}) .
 57

f (X) f (1)
 
|1 0
  ⇒ rang (f ) = 2 6= 3 = dim R3 ⇒ f nu este surjectivă.
rang  |0
 1 
 = 2
1 1
e) f nu este surjectivă ⇒ f nu este bijectivă ⇒ f nu este izomorfism.
 58

3.3 Vectori şi valori proprii ai unui operator liniar

Fie (V /K, +, ·) un spaţiu vectorial cu dim V = n,
S ⊂SSV V un subspaţiu vectorial al lui V ,
notăm L(V, V ) =not L(V ) şi
fie f ∈ L(V ).

Definiţia 3.7. O aplicaţie liniară f ∈ L(V ) se numeşte operator liniar.

Propoziţia 3.5. Fie g ∈ L(V, W ) o aplicaţie liniară. Dacă S ⊂SSV V ⇒ g(S) ⊂SSV
W.

Demonstraţie. Fie w̄1 , w̄2 ∈ g(S) ⇔ (∃)v̄1 , v̄2 ∈ S a.ı̂. g(v̄1 ) = w̄1 , g(v̄1 ) = w̄2 ⇒
(∀)α, β ∈ K,

αw̄1 + β w̄2 = αg(v̄1 ) + βg(v̄2 ) =Propoziţia 3.1 g(αv̄1 + βv̄2 ) ∈ g(S).

| {z }
∈S

⇒Propoziţia 2.7−3) g(S) ⊂SSV W .

Definiţia 3.8. În general, f (S) este o submulţime a lui V . Dacă f (S) ⊂SSV V ,
atunci S se numeşte subspaţiu invariant al lui f .

Exemplul 3.5. Fie f : R3 → R3 un operator liniar definit de matricea sa ı̂n baza

canonică:  
3 −1 0
 
[f ]Bc =
 2 1 1 .

0 2 3

Să se arate că subspaţiul generat de vectorul v̄ = (−1, 0, 2), L({v̄}) este un subspaţiu
 59

invariant al lui R3 .

Soluţie. Fie S = L({v̄}) = {α · v̄|α ∈ R}.

     
3 −1 0 −1 3
     
[f (v̄)]Bc =(3.2) [f ]Bc [v̄]Bc = 
 2 1 1  ·
 
 0 = 0 
  
0 2 3 2 6

⇒ f (v̄) = (−3, 0, 6) = 3(−1, 0, 2) = 3v̄.

Calculăm

f (S) = {f (α · v̄)|α ∈ R} =AL2) {αf (v̄)|α ∈ R}

= {|{z}
3α v̄|α ∈ R} = {λ · v̄|λ ∈ R} = L({v̄})
λ

= S,

Din Definiţia 3.8 ⇒ S este un subspaţiu invariant al lui R3 . 

Din exemplul anterior rezultă că pentru operatorul liniar f dat există un vector v̄ şi un
scalar λ pentru care f (v̄) = λv̄. De vectorii şi scalarii de acestă formă ne vom ocupa ı̂n cele
ce urmează:

Definiţia 3.9.

a) Vectorul v̄ se numeşte vector propriu al lui f dacă (∃)λ ∈ K a.ı̂.

f (v̄) = λv̄ (3.5)

b) Scalarul λ din relaţia (3.5) se numeşte valoare proprie a lui f .

 60

3.3.1 Determinarea vectorilor şi valorilor proprii ai unui operator

liniar

Cum un operator liniar este unic determinat de matricea sa ı̂ntr-o bază a lui V , aşa
cum am arătat ı̂n Observaţia 3.3, este acelaşi lucru când ne referim la vectorii şi
valorile proprii ai unui operator liniar sau ai unei matrice.

Pentru determinarea vectorilor şi valorilor proprii ai unui operator liniar vom urma următoarele
etape (evidenţiate cu roşu):
Din relaţiile
f (v̄) =(3.5) λv̄ şi [f (v̄)]BV =(3.2) [f ]BV [v̄]BV , (3.6)

unde BV este o bază ı̂n V , rezultă ecuaţia λ[v̄]BV = [f ]BV [v̄]BV ⇔

([f ]BV − λIn )[v̄]BV = 0. (3.7)

(3.7) este un sistem omogen cu matricea sistemului

[f ]BV − λIn .

Pentru a avea şi soluţii nenule sistemul (3.7) trebuie să fie compatibil nedeterminat ⇔
det ([f ]BV − λIn ) = 0.

Definiţia 3.10.

• Funcţia polinomială de gradul n ı̂n necunoscuta λ

pn (λ) = det ([f ]BV − λIn )

se numeşte polinomul caracteristic al operatorului f , respectiv al matricei

[f ]BV .
 61

•
pn (λ) = 0

se numeşte ecuaţia caracteristică a operatorului f , respectiv a matricei [f ]BV .

Cum rădăcinile polinomului caracteristic pn (λ) verifică relaţia (3.6) rezulă din Definiţia 3.9
ca ele sunt valori proprii ale operatorului f , respectiv ale matricei [f ]BV .

Definiţia 3.11. Mulţimea valorilor proprii ale lui f

Sp(f ) = {λ1 , λ2 , . . . , λp }

se numeşte spectrul operatorului f .

Dacă fixăm o valoare proprie a lui f , λi ∈ Sp(f ), atunci sistemul

([f ]BV − λi In )[v̄]BV = 0n (3.8)

este compatibil nedeterminat pentru că λi este o soluţie a ecuaţiei

[f ]BV − λIn = 0n

⇒ soluţia sa nu se reduce la soluţia nulă.

Soluţiile sistemului omogen (3.8) verifică (3.6) ⇒ soluţiile sistemului (3.8) vor fi vectori
proprii ai operatorului f , respectiv ale matricei [f ]BV .

Propoziţia 3.6. Valorile proprii ale lui f nu depind de baza BV aleasă.

Demonstraţie. Fie BV0 altă bază ı̂n V ⇒

[f ]BV0 = TB−1
VB
0 [f ]BV TBV B 0 .
V
V
 62

Atunci
 
det [f ]BV0 − λIn = det TB−1 −1


0 [f ] B TB B 0 − λT 0 In TB B 0
V BV V V V BV BV V V
 
= det TB−1
VB
0 ([f ]BV − λIn )TBV B 0
V
V

= det TB−1 0
V BV
· pn (λ) · det TBV BV0
= det In · pn (λ)
= pn (λ).

Propoziţia 3.7. Mulţimea vectorilor proprii corespunzători aceleiaşi valori proprii λi

Sλ=λi = {v̄ ∈ V |f (v̄) = λi v̄}

(3.9)
= {v̄ ∈ V |([f ]BV − λi In )[v̄]BV = 0n }

este un subspaţiu vectorial al lui V .

Demonstraţie. (∀)α, β ∈ K şi (∀)ū, v̄ ∈ Sλ=λi ⇒

f (αū + βv̄) =AL3) αf (ū) + βf (v̄)

=(3.9) αλi ū + βλi v̄
= λi (αū + βv̄)

⇒ αū + βv̄ ∈ Sλ=λi ⇒Propoziţia 2.7−3) Sλ=λi ⊂SSV V. 

Definiţia 3.12. Subspaţiul Sλ=λi se numesşte subspaţiul propriu corespunzător

valorii proprii λi .
 63

Definiţia 3.13. Două matrici A şi A0 se numesc similare dacă există o matrice T
nesingulară a.ı̂.
A = T · A0 · T −1 .

Vom folosi proprietăţile vectorilor proprii pentru a stabili când o matrice este similară cu o
matrice diagonală
 
a1
a2
 
 
D= ..
 = diag(a1 , . . . , an )

 . 

an
cu ai nu toţi nuli.

Atenţie:
În general polinomul caracteristic nu are toate rădăcinile distincte. Notăm cu mi
ordinul de multiplicitate al rădăcinii λi (numărul de rădăcini egale cu λi ). Dacă pn (λ)
are k rădăcini distincte λ1 , λ2 , . . . , λk , atunci se poate scrie:

pn (λ) = (λ − λ1 )m1 · (λ − λ2 )m2 · . . . · (λ − λk )mk .

Teorema 3.4 (de diagonalizare). În V există o bază formată din vectorii proprii ai
lui f (respectiv [f ]BV ) d.n.d.

1) pn (λ) are toate rădăcinile ı̂n corpul de scalari K, adică

Sp(f ) ⊂ K.
 64

2) Dacă mi este ordinul de multiplicitate al rădăcinii λi ı̂n pn (λ), atunci

dim Sλ=λi = mi , i = 1, k.

Definiţia 3.14. Un operator (respectiv o matrice pătratică) cate verifică condiţiile 1)

şi 2) din Teorema de diagonalizare 3.4 se numeşte operator diagonalizabil (respec-
tiv matrice diagonalizabilă).

Observaţia 3.4. Baza a cărei existenţă este dată de Teorema de diagonalizare 3.4
este

B = B1 ∪ B2 ∪ . . . ∪ Bk ,

unde Bi sunt baze ale subspaţiilor proprii Sλ=λi .

Propoziţia 3.8. Dacă f este diagonalizabil, atunci matricea sa ı̂n baza B = B1 ∪

B2 ∪ . . . ∪ Bk are forma diadonală, şi anume, valorile proprii apar ı̂n ordine λ1 ,
λ2 , . . ., λk pe diagonala principală, fiecare de atâtea ori de câte ori arată ordinul său
de multiplicitate mi :
 65

 
λ1
 m ...
 

 1− 
 or 

 i λ1 


 λ2 

 m ... 
[f ]B =  2 − 
o
 
 ri 
 . . λ2 
 . 

 λk 


m .. 

k
. 
 − 
or
i λk

[f ]B = diag (λ1 , . . . , λ1 , λ2 , . . . , λ2 , . . . , λk , . . . , λk ).
| {z } | {z } | {z }
m1 −ori m2 −ori mk −ori

Propoziţia 3.9.
 
a1
a2
 
 
1) Dacă D este o matrice diagonală, D = 
 ...
 , atunci

 
an

 
an1
an2
 

n

D = ..
.

 . 

ann

2) Dacă două matrici A şi A0 sunt similare, atunci

An = T A0n T −1 .

Demonstraţie. 1) Rezultă din calcul direct.

 66

2) A este similară cu A0 ⇒Definiţia3.13 (∃)T nesingulară a.ı̂. A = T · A0 · T −1 ⇒

n I
z }| {
An = (T A0 T −1 )(T A0 T −1 ) . . . (T A0 T −1 ) = T A0n T −1 ).
| {z }
n−ori

Exemplul 3.6. Să se arate că operatorii liniari

a) f1 R2 → R2 . f1 (x, y) = (x − y, 2x − y)

b) f2 : R1 [X] → R1 [X], f2 (aX + b) = aX + 3a + b

nu sunt diagonalizabili.

Soluţie. Urmăm
" paşii
# descrişi mai sus:
1 −1
a) [f1 ]Bc = ⇒
2 −1
1−λ −1
p2 (λ) = det ([f1 ] − λI2 ) = = λ2 + 1
2 −1 − λ
Teorema 3.4-1)
care nu are rădăcini
" # ⇒
reale f1 nu este diagonalizabil.
1 0
b) [f2 ]Bc = . Calculăm polinomul caracteristic:
3 1
1−λ 0
p2 (λ) = det ([f2 ] − λI2 ) = = (1 − λ)2
3 1−λ
⇒ λ = 1 este valoare proprie cu ordinul de multiplicitate om (λ = 1) = 2.
Calculăm subspaţiul propriu corespunzător valorii proprii λ = 1,
( " # " #)
a 0
Sλ=1 = aX + b ∈ R1 [X]| ([f2 ] − 1I3 ) =
b 0
( " #" # " #)
0 0 a 0
= aX + b ∈ R1 [X]| = .
3 0 b 0
 67

" #" # " #

0 0 a 0
Rezolvăm sistemul = ⇔
|3̄| 0 b 0
a necunoscută principală,
b necunoscută secundară
⇒a=0⇒

Sλ=1 = {0 · X + b, b ∈ R}
= {b, b ∈ R}
= L(B),

unde B = {1}.
⇒Propoziţia (2.8)−1) B este sistem de generatori pentru Sλ=1 . (3)
B este format dintr-un singur vector nenul ⇒Exemplul (2.3) B este sistem liniar independent.
(4)
Din relaţiile (3) şi (4) ⇒ B = {1} este o bază pentru Sλ=1
⇒ dim Sλ=1 = 1 6= 2 = om(λ = 1) ⇒Teorema 3.4-2) f2 nu este diagonalizabil.

Următoarea teorema ne dă o altă metodă pentru a afla inversa unei matrice:

Teorema 3.5 (lui Hamilton-Cayley). Dacă pn (λ) este polinomul caracteristic al ma-
tricei pătratice A (respectiv al operatorului f ), atunci

pn (A) = 0n .

 
0 1 1
 
Exemplul 3.7. Fie matricea A = 
 1 0 1 .

1 1 0

a) Să se studieze dacă A este diagonalizabilă şi ı̂n caz afirmativ să se aducă A la
forma diagonală.
 68

b) Folosind Teorema lui Hamilton-Cayley 3.5 să se calculeze A−1 .

Soluţie. Urmăm la fel ca ı̂n exerciţiul anterior paşii descrişi mai sus:
a) Calculăm polinomul caracteristic:

−λ 1 1
p3 (λ) = det (A − λI3 ) = 1 −λ 1 = −(λ + 1)2 (λ − 2)1 ⇒
1 1 −λ

Sp(A)={-1,2}⊂ R, (3.10)

om(λ = −1) = 2,
om(λ = 2) = 1.
Calculăm subspaţiul propriu corespunzător valorii proprii λ = −1,
  
 


 x 0 

3
   
Sλ=−1 = (x, y, z) ∈ R | (A − (−1)I3 )  y  =  0 
   

 

 z 0 
      


 1 1 1 x 0 
3 
     
= (x, y, z) ∈ R |  1 1 1    y  =  0 
   

 
 1 1 1 z 0 

Rezolvăm sistemul     
1| 1 1 x 0
    
 1 1 1  y  =  0  ⇒
    
1 1 1 z 0

x necunoscută principală,
y, z necunoscute secundare
 69

⇒ x = −y − z ⇒

Sλ=−1 ={(−y − z, y, z), y, z ∈ R}

={(−y, y, 0) + (−z, 0, z), y, z ∈ R}
={y(−1, 1, 0) + z(−1, 0, 1), y, z ∈ R}
=L(B1 ),

unde B1 = {(−1, 1, 0), (−1, 0, 1)}.

⇒Propoziţia (2.8)−1) B1 este sistem de generatori pentru Sλ=−1 . (1)
 
−1 −1
  Crireriul practic (2.1)
Rang A1 =  1  = 2 = nr de vectori din B1 ⇒
0  B1 este sistem liniar independent

0 1
(2)
Din relaţiile (1) şi (2) ⇒ B1 = {(−1, 1, 0), (−1, 0, 1)} este o bază a lui Sλ=−1 ⇒

dim Sλ=−1 = 2 = om(λ = −1). (3.11)

Calculăm subspaţiul propriu corespunzător valorii proprii λ = 2,

   



 x 0 

   
Sλ=2 = (x, y, z) ∈ R3 | (A − 2I3 ) 
 y = 0 
  

 

 z 0 
      


 −2 1 1 x 0 
3
    
= (x, y, z) ∈ R | 
 1 −2 1    y  =  0  .
   

−2
 
 1 1 z 0 

Rezolvăm sistemul     
−2 1| 1 x 0
    
1 −2|  y  =  0  ⇒
1 
    

1 1 −2 z 0

x, y necunoscute principale,
z necunoscută secundară
 70

(
x=z
⇒
y=z

Sλ=2 ={(z, z, z), z ∈ R}

={z(1, 1, 1), y, z ∈ R}
=L(B2 ),
unde B2 = {(1, 1, 1)}.
⇒Propoziţia (2.8)−1) B2 este sistem de generatori pentru Sλ=2 . (3)
B2 este format dintr-un singur vector nenul ⇒Exemplul (2.3) B2 este sistem liniar independent.
(4)
Din relaţiile (3) şi (4) ⇒ B2 = {(1, 1, 1)} este o bază a lui Sλ=2 ⇒

dim Sλ=2 = 1 = om(λ = 2). (3.12)

Din relaţiile (3.10),(3.11) şi (3.12) ⇒Teorema 3.4 A este diagonalizabilă. Forma diagonală
a lui A este:  
−1 0 0
 
D=
 0 −1 0 

0 0 2

ı̂n baza

B = B1 ∪ B2 = {(−1, 1, 0), (−1, 0, 1), (1, 1, 1)}.

| {z } | {z }
B1 B2

b) Aşa cum am văzut la punctul a), polinomul caracteristic al lui A este

p3 (λ) = −(λ + 1)2 (λ − 2) = −λ3 + 3λ + 2 ⇒Teorema 3.5 p3 (A) = 03 ⇔

−A3 + 3A + 2I3 = 03 ⇔
1
I3 = (A3 − 3A)|A−1 ⇔
2
 71

1
A−1 = (A2 − 3I3 )
2    
0 1 1 0 1 1
1    
=   1 0 1  1 0 1  − 3I3

2    
1 1 0 1 1 0
   
2 1 1 3 0 0
1    
=  1 2 1  − 0 3 0 
   
2 
1 1 2 0 0 3
 
−1 1 1
1 
=  1 −1 1 .
2 
1 1 −1
 72

3.4 Întrebări de verificare

Aplicaţii liniare

1) Ce formă are o funcţie f : V → W care este o aplicaţie liniară?

2)* Coloanele matricei lui f ı̂n perechea de baze B1 = {v̄1 , v̄2 , . . . , v̄n } B2 = {ū1 , ū2 , . . . , ūn }
, [f ]B1 B2 sunt coordonatele vectorilor f (....) scrişi ı̂n baza ...
3) Cum se determină Ker(f ) şi o bază a sa?
4) Cum se determină Im(f ) = L( ... ) şi o bază a sa?
7) Când este f injectivă? Când este f surjectivă? Când este f izomorfism?

Valori şi vectori proprii

1) Când un operator liniar (o matrice pătratică) este diagonalizabil (diagonalizabilă)?

(teorema de diagonalizare)
2) Cum se calculează polinomul caracteristic?
3) Cine sunt rădăcinile polinomului caracteristic?
4) Pentru o valoare proprie fixată λ = λ0 cum se calculează vectorii subspaţiului propriu
Sλ=λ0 ?
5) Ce fel de vectori conţine subspaţiul propriu Sλ=λ0 şi implicit o bază a sa?
6) Dacă operatorul liniar (matricea pătratică) este diagonalizabil (diagonalizabilă), care
este forma diagonală?
7) În ce bază se scrie forma diagonală (ı̂n caz că ea există)?
8) Cum se calculează A−1 , A ∈ Mn cu teorema lui Hamilton-Cayley?
CAPITOLUL 4
FORME BILINIARE. FORME PĂTRATICE

4.1 Forme biliniare

Fie (V, +, ·) un spaţiu vectorial cu dim V = n,
B = {v̄1 , v̄2 , . . . , v̄n } bază ı̂n V ,
o funcţie ϕ : V × V → K şi
matricea pătratică [aij = ϕ(v̄i , v̄j )]i,j=1,n ∈ Mn (K)

Definiţia 4.1. ϕ se numeşte formă biliniară pe V dacă

FB1) a) ϕ(ū1 + ū2 , v̄) = ϕ(ū1 , v̄) + ϕ(ū2 , v̄), (∀)ū1 , ū2 , v̄ ∈ V
b) ϕ(ū, v̄1 + v̄2 ) = ϕ(ū, v̄1 ) + ϕ(ū, v̄2 ), (∀)ū, v̄1 , v̄2 ∈ V

FB2) a) ϕ(αū, v̄) = αϕ(ū, v̄), (∀)ū, v̄ ∈ V, (∀)α ∈ K

b) ϕ(ū, αv̄) = αϕ(ū, v̄), (∀)ū, v̄ ∈ V, (∀)α ∈ K

Propoziţia 4.1. ϕ este o formă biliniară d.n.d.

FB3) a) ϕ(αū1 + β ū2 , v̄) = αϕ(ū1 , v̄) + βϕ(ū2 , v̄),

(∀)ū1 , ū2 , v̄ ∈ V, (∀)α, β ∈ K
 74

b) ϕ(ū, αv̄1 + βv̄2 ) = αϕ(ū, v̄1 ) + βϕ(ū, v̄2 ),

(∀)ū, v̄1 , v̄2 ∈ V, (∀)α, β ∈ K

Demonstraţie. Analog ca la aplicaţii liniare.



Definiţia 4.2.

• Matricea notată
[ϕ]B =def [ϕ(v̄i , v̄j )]i,j=1,n

se numeşte matricea lui ϕ ı̂n baza B.

• ϕ(v̄i , v̄j ) se numesc coeficienţii lui ϕ ı̂n baza B.

Teorema 4.1 (Legătura dintre forma analitică şi forma matriceală a unei forme
biliniare). Orice formă biliniară ϕ este unic determinată de matricea sa ı̂ntr-o bază B
şi are loc:
ϕ(ū, v̄) = [ū]TB [ϕ]B [v̄]B (4.1)

Observaţia 4.1.

• Din teorema (4.1) deducem ı̂n particular pentru B = Bc că

ϕ(ū, v̄) = [ū]TBc [ϕ]Bc [v̄]Bc . (4.2)

Dacă scriem ı̂n baza canonică vectorii ū şi v̄:

ū = (x1 , x2 , . . . , xn )Bc

v̄ = (y1 , y2 , . . . , yn )Bc ,
 75

iar matricea lui ϕ ı̂n baza canonică, fiind o matrice pătratică de ordinul n, o
putem nota
 
a11 a12 . . . a1n
a21 a22 . . . a2n 
 

[ϕ]Bc = .. .. .. ..  ,

. . . . 


an1 an2 . . . ann
atunci relaţia (4.2) devine
  
a11 a12 . . . a1n y1
i a21 a22 . . . a2n   y2 
h  

ϕ(ū, v̄) = x1 x2 . . . xn  .. .. .. ..   .. 
 
. . . .  .  (4.3)


an1 an2 . . . ann yn
= a11 x1 y1 + a12 x1 y2 + . . . + aij xi yj + . . . + ann xn yn .

Dacă ţinem cont de regulile de ı̂nmulţire a matricelor, observăm că avem o

relaţie directă ı̂ntre [ϕ]Bc şi expresia analitică a lui ϕ şi anume dacă folosim
notaţia ajutătoare:

y1 y2 . . . yn

 
x1 a11 a12 . . . a1n
x2 a21 a22 . . . a2n 
 

[ϕ]Bc = . 
.. .. .. ..  .

.. 
 . . . . 
x3 an1 an2 . . . ann

• Din definiţia matricei unei forme biliniare ı̂ntr-o bază B (4.2) şi teorema (4.1)
deducem că elementele matricei [ϕ]B sunt date de formula:

aij = ϕ(v i , v j ) = [v̄i ]T [ϕ]Bc [v̄j ] . (4.4)

 76

Exemplul 4.1. Fie ϕ : R2 × R2 → R,

ϕ [(x1 , x2 ), (y1 , y2 )] = x1 y1 + 2x2 y1 − x2 y2 .

a) Să se arate că ϕ este formă biliniară.

b) Să se găsească [ϕ]Bc , unde Bc este baza canonică din R2 .

c) Să se găsească [ϕ]B , unde B = {v̄1 = (1, 2), v̄2 = (3, 4)}.

d) Să se scrie expresia analitică a formei

" biliniare
# ϕ1 : R2 × R2 → R cu matricea
1 0
lui ϕ1 ı̂n baza canonică [ϕ1 ]Bc =
−1 1

Soluţie. a) Fie ū = (u1 , u2 ), t̄ = (t1 , t2 ), w̄ = (w1 , w2 ) ∈ R2 şi α, β ∈ R.

Calculăm

ϕ(αū + β t̄, w̄) = ϕ[(αu1 + βt1 , αu2 + βt2 ), ( w1 , w2 )]

| {z } | {z } |{z} |{z}
x1 x2 y1 y2

= (αu1 + βt1 ) w1 +2(αu2 + βt2 ) w1 −(αu2 + βt2 ) w2

| {z } |{z} | {z } |{z} | {z } |{z}
x1 y1 x2 y1 x2 y2

= α(u1 w1 + 2u2 w1 − u2 w2 ) + β(t1 w1 + 2t2 w1 − t2 w2 )

= αϕ(ū, w̄) + βϕ(t̄, w̄).

ϕ(ū, αt̄ + β w̄) = ϕ[( u1 , u2 ), (αt1 + βw1 , αt2 + βw2 )]

|{z} |{z} | {z } | {z }
x1 x2 y1 y2

= u1 (αt1 + βw1 ) + 2 u2 (αt1 + βw1 ) − u2 (αt2 + βw2 )

|{z} | {z } |{z} | {z } |{z} | {z }
x1 y1 x2 y1 x2 y2

= α(u1 t1 + 2u2 t1 − u2 t2 ) + β(u1 w1 + 2u2 w1 − u2 w2 )

= αϕ(ū, t̄) + βϕ(ū, w̄).
 77

⇒FB3) ϕ este o formă biliniară.

b) y1 y2
" #
x1 1 0
[ϕ]Bc =
x2 2 −1

c) Elementele aij ale matricei [ϕ]B sunt date de formula (4.4):

aij = ϕ(v i , v j ) = [v̄i ]T [ϕ]Bc [v̄j ] .

Calculăm ϕ(v̄i , v̄j ):

a11 = ϕ(v̄1 , v̄1 ) = ϕ[(|{z}

1 , |{z}
2 ), (|{z} 2 )] = 1 · 1 + 2 · 2 · 1 − 2 · 2 = 1
1 , |{z}
x1 x2 y1 y2
" #" #
sau 1 0 1
= [1 2] =1
2 −1 2
a12 = ϕ(v̄1 , v̄2 ) = ϕ[(|{z}
1 , |{z}
2 ), (|{z} 4 )] = 1 · 3 + 2 · 2 · 3 − 2 · 4 = 7
3 , |{z}
x1 x2 y1 y2
" #" #
sau 1 0 3
= [1 2] =7
2 −1 4
a21 = ϕ(v̄2 , v̄1 ) = ϕ[(|{z}
3 , |{z}
4 ), (|{z} 2 )] = 3 · 1 + 2 · 4 · 1 − 4 · 2 = 3
1 , |{z}
x1 x2 y1 y2
" #" #
sau 1 0 1
= [3 4] =3
2 −1 2
3 , |{z}
a22 = ϕ(v̄2 , v̄2 ) = ϕ[(|{z} 4 ), (|{z} 4 )] = 3 · 3 + 2 · 4 · 3 − 4 · 4 = 17
3 , |{z}
x1 x2 y1 y2
" #" #
sau 1 0 3
= [3 4] = 17.
2 −1 4
" #
1 7
⇒ [ϕ]B = .
3 17

d) Având dată matricea aplicaţiei biliniare ϕ1 ı̂n baza canonică,

 78

y1 y2
" #
x1 1 0
[ϕ1 ]Bc = ,
x2 −1 1

putem scrie direct forma analitică tinând cont de Observaţia 4.1:

ϕ1 [(x1 , x2 ), (y1 , y2 )] = 1 · x1 y1 + 0 · x1 y2 + (−1) · x2 y1 + 1 · x2 y2 .

Propoziţia 4.2 (Formula de schimbare a matricei unei forme biliniare la o schimbare

de bază.). Dacă B i̧ B 0 sunt baze ı̂n V , atunci

t
[ϕ]B 0 = T← −−0 [ϕ]B T←−−0 .
BB
BB

Definiţia 4.3. ϕ se numeşte simetrică dacă

ϕ(ū, v̄) = ϕ(v̄, ū), (∀)ū, v̄ ∈ V

Propoziţia 4.3. Forma biliniară ϕ este simetrică dacă şi numai dacă matricea sa
ı̂ntr-o bază B este o matrice simetrică, adică verifică oricare din condiţiile echivalente:

• [ϕ]B = [ϕ]tB

• aij = aji , (∀) i, j.

• Matricea este simetrică faţă de prima diagonală.

 79

Exemplul 4.2. Să se determine a ∈ R a.ı̂. forma biliniară ϕ : R2 × R2 → R,

ϕ [(x1 , x2 ), (y1 , y1 )] = (a − 1)x1 y2 + (a2 − a)x2 y1 + x2 y2 să fie simetică.

Soluţie. y1 y2
" #
x1 0 a−1
[ϕ]Bc = .
x2 a2 − a 1

Pentru ca ϕ să fie simetrică, trebuie ca [ϕ]Bc să fie o matrice simetrică ⇔ [ϕ]Bc = [ϕ]tBc ,
" # " #
0 a−1 0 a2 − a
=
a2 − a 1 a−1 1
⇔ a2 − a = a − 1
⇔ a2 − 2a + 1 = 0
⇔ (a − 1)2 = 0
⇔ a = 1.
 80

4.2 Forme pătratice

Fie (V, +, ·) un spaţiu vectorial cu dim V = n,
B = {v̄1 , v̄2 , . . . , v̄n } bază ı̂n V ,
ϕ : V × V → K o formă biliniară simetrică şi
f : V → K.

Definiţia 4.4.

• Aplicaţia f dată de relaţia

f (v̄) = ϕ(v̄, v̄)

se numeşte forma pătratică asociată formei biliniare ϕ.

• Reciproc, dată o formă pătratică f , forma biliniară simetrică ϕ pentru care

ϕ(v̄, v̄) = f (v̄), (∀)v̄ ∈ V

se numeşte polara formei pătratice f .

Din definiţie ştim doar valorile polarei unei forme pătratice pentru perechile (v̄, v̄) ∈
V × V . Valorile polarei pentru o pereche oarecare (ū, v̄) ∈ V × V sunt date de propoziţia:

Propoziţia 4.4. Polara ϕ a unei forme pătratice f este forma biliniară simetrică
dată de formula:

1
ϕ(ū, v̄) = [f (ū + v̄) − f (ū) − f (v̄)] , (∀)ū, v̄ ∈ V.
2

Demonstraţie. Calculăm

f (ū + v̄) = ϕ(ū + v̄, ū + v̄)

=ϕ biliniară ϕ(ū, ū) + ϕ(ū, v̄) + ϕ(v̄, ū) + ϕ(v̄, v̄)
=ϕ simetrică f (ū) + 2ϕ(ū, v̄) + f (v̄)
 81

1
⇒ ϕ(ū, v̄) = [f (ū + v̄) − f (ū) − f (v̄)] .
2


Observaţia 4.2. În exerciţii pentru a determina ploara unei forme pătratice vom
folosi matricea formei pătratice pe care o definim astfel:

Definiţia 4.5. Se numeşte matricea formei pătratice f ı̂n baza B, matricea polarei
sale ϕ ı̂n baza B,
[f ]B =def [ϕ]B .

La fel ca la forme biliniare, legătura dintre forma analitică şi forma matriceală a unei
forme pătratice este dată de

Teorema 4.2 (Legătura dintre forma analitică şi forma matriceală a unei forme
pătratice). Orice formă pătratică f este unic determinată de matricea sa ı̂ntr-o bază
B şi are loc:
f (v̄) = [v̄]TB [f ]B [v̄]B . (4.5)

Observaţia 4.3.

• Matricea unei forme pătratice este o matrice simetrică.

Vom folosi definiţia (4.5) pentru B = Bc baza canonică din V pentru a face
legătura ı̂ntre o formă biliniară şi polara ei astfel:

• ϕ → f Dacă se cunoaşte forma biliniară simetrică ϕ şi vrem sa găsim f - forma

pătratică asociată aplicăm definiţia (4.5) pentru B = Bc :
 82

ϕ este simetrică ⇒ aij = aji ⇒

ϕ(v̄, ū) = a11 x1 y1 + a12 (x1 y2 + x2 y1 ) + . . . + aij (xi yj + xj yi ) + . . . + ann xn yn ⇒

y1 y2 . . . yn
x1 x2 . . . xn

 
x1 a11 a12 . . . a1n
x2 a12 a22 . . . a2n  def(4.5)
 

[ϕ]Bc = . 
.. .. .. ..  =
 [f ]Bc ⇒
.. 
 . . . . 
xn a1n a2n . . . ann

f (v̄) = a11 (x1 )2 + 2a12 x1 x2 + . . . + 2aij xi xj + . . . + ann (xn )2 ,

unde v̄ şi ū au coordonatele ı̂n baza canonică

v̄ = (x1 , . . . , xn )Bc , ū = (y1 , . . . , yn )Bc .

• f → ϕ Dacă se cunoaşte expresia analitică lui f şi vrem să aflăm polara sa,
adică forma biliniară din care provine, folosim faptul ca ele au aceiasi matrice
ı̂n particular ı̂n baza canonică. Deoarece matricea lui f ı̂n baza canonică se este
o matrice simetrică, ea scrie punând

– coeficienţii pătratelor x2i pe diagonala principală

– (coeficientul lui xi xj )/2 şi pe poziţia ij şi pe poziţia ji ı̂n matrice dacă
i 6= j:
a12 a aij aji
2
x1 x2 + 12
2
x2 x1 2
xi xj + xj xi
2 z }| 2{
+ . . . + ann (xn )2 ⇒
z }| {
f (v̄) = a11 (x1 ) + a12 x1 x2 +... + aij xi xj
 83

y1 y2 ... yn
x1 x2 ... xn
 a12 a1n 
x1  a11 ...
2 2 
 
 a12 a2n  def(4.5)
 
[f ]Bc = x2  a22 ... = [ϕ]Bc ⇒
..  2.. 2 

.. .. .. 

. 
 . . . . 
a1n a2n
xn ... ann
2 2
a12 aij
ϕ(v̄, ū) = a11 x1 y1 + (x1 y2 + x2 y1 ) + . . . + (xi yj + xj yi ) + . . . + ann xn yn ,
2 2
unde v̄ şi ū au coordonatele ı̂n baza canonică
v̄ = (x1 , . . . , xn )Bc , ū = (y1 , . . . , yn )Bc .

Exemplul 4.3.

a) Se dă forma pătratică f : R2 → R,

f (x1 , x2 ) = 3x21 − 4x1 x2 + 5x22 .

Să se scrie expresia analitică a polarei sale ϕ.

b) Se dă forma biliniară ϕ : R3 × R3 → R,

ϕ [(x1 , x2 , x3 ), (y1 , y2 , y3 )] =2x1 y1 + x2 y2 + 3x1 y2 + 3x2 y1

√ √
−4x1 y3 − 4x3 y1 − 3x2 y3 − 3x3 y2 .

Să se scrie forma pătratică asociată ı̂n caz că ea există.

 84

y1 y2
Soluţie. a)
x1 x2
" #
x1 3 −2
[f ]Bc = = [ϕ]Bc ⇒
x2 −2 5

ϕ [(x1 , x2 ), (y1 , y2 )] = 3x1 y1 − 2x1 y2 − 2x2 y1 + 5x2 y2 .

y1 y2 y3
b)
x1 x2 x3
 
x1 2 −4 3
 √  t
[ϕ]Bc = x2 
 3
√
1 −  = [ϕ]Bc ⇒
3 
x3 −4 − 3 0

[ϕ]Bc este o matrice simetrică ⇒ (∃) forma pătratică asociată şi [f ]Bc = [ϕ]Bc ⇒
√
f (x1 , x2 , x3 ) = 2x21 + x22 + 6x1 x2 − 8x1 x3 − 2 3x2 x3 .
 85

4.2.1 Forma canonică a unei forme pătratice

Fie V un spaţiu vectorial cu dim V = n,
B = {v̄1 , . . . , v̄n } o bază a lui V şi
f : V → K o formă pătratică.

Definiţia 4.6. Dacă f are forma

f (v̄) = a11 x21 + a22 x22 + . . . + ann x2n (4.6)

ı̂n baza B, unde v̄ = (x1 , . . . , xn )B , atunci (4.6) se numeşte forma canonică a lui f
ı̂n baza B.

Observaţia 4.4. Dacă f are forma canonică ı̂n baza B, atunci matricea lui f ı̂n baza
B este matricea diagonală
 
a11
a22
 
 
[f ]B = 
 ...
.

 
ann

Propoziţia 4.5. Orice matrice simetrică este diagonalizabilă.

Propoziţia 4.6 (Legea inerţiei a lui Sylvester). Pentru o formă pătratică, numărul
coeficienţilor nuli, pozitivi şi negativi ai formei canonice sunt constanţi, adică nu
depind de baza ı̂n care este scrisă forma canonică.
 86

Definiţia 4.7. Forma pătratică f se numeşte

• pozitiv definită dacă f (ū) > 0, (∀)ū ∈ V \ {0̄}

• semipozitiv definită dacă (∃)ū0 ∈ V \{0̄} a.ı̂. f (ū0 ) = 0 şi f (ū) ≥ 0, (∀)ū ∈ V

• negativ definită dacă f (ū) < 0, (∀)ū ∈ V \ {0̄}

• seminegativ definită dacă (∃)ū0 ∈ V \ {0̄} a.ı̂. f (ū0 ) = 0 şi

f (ū) ≤ 0, (∀)ū ∈ V

• nedefinită dacă (∃)ū, v̄ ∈ V a.ı̂. f (ū) > 0 şi f (v̄) < 0.

Pentru a aduce o formă pătratică la forma canonică vom folosi metoda valorilor proprii.
Metoda valorilor proprii
Matricea lui f ı̂n baza B, [f ]B este o matrice simetrică ⇒ [f ]B este diagonalizabilă şi din
Teorema de diagonalizare 3.4 că există o bază

B 0 = B1 ∪ B2 ∪ . . . ∪ Bp

astfel ı̂ncât

[f ]B = diag (λ1 , . . . , λ1 , λ2 , . . . , λ2 , . . . , λk , . . . , λk ).
| {z } | {z } | {z }
om(λ1 )−ori om(λ2 )−ori om(λk )−ori

unde

• λi sunt valorile proprii

• Bi sunt bazele subspaţiilor proprii Sλ=λ1

Expresia analitică a lui f ı̂n baza B 0 este

f (v̄) = [v̄]tB 0 [f ]B 0 [v̄]B 0

= λ1 y12 + . . . + λp yn2 ,
 87

unde v̄ = (y1 , . . . , yn )B 0 .

Exemplul 4.4. Fie ϕ : R3 × R3 → R,

ϕ [(x1 , x2 , x3 ), (y1 , y2 , y3 )] = x1 y2 + x2 y1 + x1 y3 + x3 y1 − x3 y2 − x2 y3 .

a) Să se scrie forma pătratică f asociată lui ϕ dacă ea esistă.

b) Să se scrie forma canonică a formei pătratice f .

y1 y2 y3
Soluţie. a)
x1 x2 x3
 
x10 1 1
  t 3
[ϕ]Bc = x2  1  = [ϕ]Bc ⇒ (∃) forma pătratică asociată f : R → R.
0 −1 

x3 1 −1 0
[f ]Bc = [ϕ]Bc ⇒
f (x1 , x2 , x3 ) = 2x1 x2 + 2x2 x3 + 2x1 x3 .

b) Aducem [f ]Bc =not A la forma diagonală:

 
−λ 1 1
 
A − λI3 = 
 1 −λ −1 

1 −1 −λ

Polinomul caracteristic este:

−λ 1 1
p3 (λ) = 1 −λ −1 = −(λ − 1)2 (λ + 2)1 .
1 −1 −λ

Valorile proprii sunt rădăcinile polinomului caracteristic ⇒

• λ1 = 1, om (λ1 ) = 2

• λ2 = −2, om (λ1 ) = 1

Atunci forma canonică a lui f ı̂n baza B este

 88

f (v̄) = 1 · y12 + 1 · y22 + (−2) · y32 , (4.7)

unde v̄ = (x1 , . . . , xn )Bc = (y1 , . . . , yn )B .

Pentru a afla baza B ı̂n care f are forma canonică (4.7), calculăm subspaţiile core-
spunzătoare valorilor proprii.
Subspaţiul propriu corespunzător valorii proprii λ1 = 1 este
   


 x 0 
   
Sλ1 =1 = (x, y, z) ∈ R3 | (A − 1I3 ) 
  =  0 
y   

 
 z 0 
      


 −1 1 1 x 0 
     
= (x, y, z) ∈ R3 | 
 1 −1 −1   y  =  0 
   

1 −1 −1
 
 z 0 

Rezolvăm sistemul     
−1| 1 1 x 0
    
 y  =  0  ⇒
−1 −1 
 1    

1 −1 −1 z 0

x necunoscută principală,
y, z necunoscute secundare
⇒x=y+z ⇒

Sλ1 =1 ={(y + z, y, z), y, z ∈ R}

={(y, y, 0) + (z, 0, z), y, z ∈ R}
={y(1, 1, 0) + z(1, 0, 1), y, z ∈ R}
=L(B1 ),

unde B1 = {(1, 1, 0), (1, 0, 1)}.

⇒Propoziţia (2.8)−1) B1 este sistem de generatori pentru Sλ1 =1 . (1)
 
1 1
  Crireriul practic (2.1)
Rang A1 =  1 0   = 2 = nr de vectori din B1 ⇒ B1 este sistem liniar independent.

0 1
 89

(2)
Din relaţiile (1) şi (2) ⇒ B1 = {(1, 1, 0), (1, 0, 1)} este o bază a lui Sλ1 =1 (3)
Calculăm subspaţiul propriu corespunzător valorii proprii λ2 = −2,
    


 x 0 
3
   
Sλ2 =−2 = (x, y, z) ∈ R | (A − (−2I3 ) 
 y  =  0 
  

 
 z 0 
      


 2 1 1 x 0 
3 
     
= (x, y, z) ∈ R |  1 2 −1    y  =  0  .
   

1 −1
 
 2 z 0 

Rezolvăm sistemul     
2 |1 1 x 0
    
 1 |2 −1   y  =  0  ⇒
    
1 −1 2 z 0

y, z necunoscute principale,
x necunoscută secundară
( (
y + z = −2x y = −x
⇔ ⇒
2y − z = −x z = −x

Sλ2 =−2 ={(x, −x, −x), x ∈ R}

={x(1, −1, −1), x ∈ R}
=L(B2 ),
unde B2 = {(1, −1, −1)}.
⇒Propoziţia (2.8)−1) B2 este sistem de generatori pentru Sλ2 =−2 . (4)
B2 este format dintr-un singur vector nenul ⇒Exemplul (2.3) B2 este sistem
liniar independent. (5)
Din relaţiile (4) şi (5) ⇒ B2 = {(1, −1, −1)} este o bază a lui Sλ2 =−2 (6)
Din relaţiile (3) şi (6) ⇒ baza ı̂n care f are forma canonică este

B = B1 ∪ B2 = {(1, 1, 0), (1, 0, 1), (1, −1, −1)}.

| {z } | {z }
B1 B2
 90

4.3 Întrebări de verificare

Forme biliniare

1) Cine este W pentru ca o funcţie ϕ : V × V → W să poată fi o formă biliniară?

2) Dacă B = {v̄1 , v̄2 , . . . , v̄n } este o bază a lui V şi matricea lui ϕ ı̂n baza B este [ϕ]B =
[aij ]i,j=1,n , atunci aij = ...
4) Dată matricea [ϕ]Bc care este forma analitică a lui ϕ?
5) Dată forma analitică a lui ϕ, care este matricea [ϕ]Bc ?

Forme pătratice

1) Căror forme biliniare ϕ li se poate asocia o formă pătratică?

2) Cum este matricea unei astfel de forme biliniare ı̂ntr-o bază B?
3) Dată o formă biliniară ϕ, unde este definită şi cum se scrie forma pătratică asociată
f?
4) Dacă B = {v̄1 , v̄2 , . . . , v̄n } este o bază a lui V şi matricea lui f ı̂n baza B este [f ]B =
[aij ]i,j=1,n , atunci aij = ...
5) Care este legătura ı̂ntre [ϕ]B şi [f ]B ?
6) Dată matricea [f ]Bc care este forma analitică a lui f ?
7) Dată forma analitică a lui f , care este matricea [f ]Bc ?
8) Cum se scrie o formă canonică a formei pătratice f ?
Dacă s-a folosit metoda valorilor proprii pentru reducerea la forma canonică a formei
pătratice f
9) Cine sunt coeficienţii formei canonice?
10) În ce bază are această formă?
 91

Tipuri de matrice studiate

1) Matricea asociată unui sistem de vectori.

2) Matricea de trecere de la o bază la alta.
3) Matricea unei aplicaţii linare ı̂ntr-o pereche de baze.
4) Matricea unei forme biliniare ı̂n baza canonică şi ı̂ntr-o bază oarecare.
5) Matricea unei forme pătratice ı̂n baza canonică.
CAPITOLUL 5
SPAŢII VECTORIALE EUCLIDIENE

Fie (V, +, ·) un spaţiu vectorial cu dim V = n,

B = {v̄1 , . . . , v̄n } o bază a lui V ,
ϕ : V × V → R o formă biliniară simetrică ⇒ (∃)
f : V → R forma pătratică asociată formei biliniare ϕ.

Definiţia 5.1.

• Dacă f este pozitiv definită, atunci ϕ se numeşte produs scalar şi se notează

ϕ(ū, v̄) =not < ū, v̄ > .

• Perechea (V, ϕ) =not E se numeşte spaţiu vectorial euclidian.

• Produsul scalar ϕc : V × V → R,

ϕc (ū, v̄) =def x1 y1 + x2 y2 + . . . + xn yn

 
y1
i   y2  (5.1)
h 
= x1 x2 . . . xn ·   ..  ,

 . 
yn
 93

unde ū = (x1 , . . . , xn )B , v̄ = (y1 , . . . , yn )B , se numeşte produsul scalar canonic.

• Lungimea sau norma vectorului v̄ este numărul pozitiv

√
kv̄k =def < v̄, v̄ > ≥ 0 (∀)v̄ ∈ V

şi este bine definită deoarece forma pătratică f (v̄) =< v̄, v̄ > este pozitiv definită.

Propoziţia 5.1 (Cauchy-Schwartz). În spaţiul euclidian E = (V, < ·, · >) are loc

| < ū, v̄ > | ≤ kūk · kv̄k, (∀)ū, v̄ ∈ V.

Relaţia de mai sus este echivalentă cu

< ū, v̄ >

∈ [−1, 1], (∀)ū, v̄ ∈ V
kūk · kv̄k

şi aunci are sens definiţia

Definiţia 5.2.

• Numărul θ ∈ [0, π] definit de egaliatea

< ū, v̄ >

cos θ =
kūk · kv̄k

se numeşte unghiul vectorilor ū, v̄.

π
• ū şi v̄ se numesc ortogonali ū ⊥ v̄ dacă ^(ū, v̄) = .
2
• ū şi v̄ se numesc paraleli ū k v̄ dacă dreptele lor suport sunt paralele sau coincid.

• ū şi v̄ se numesc coliniari dacă

– sunt paraleli sau

 94

– unul din ei este vectorul nul.

• Se numeşte distanţa dintre doi vectori, numarul real pozitiv

kū − v̄k ∈ R+ .

• v̄ ∈ V se numeşte versor dacă

kv̄k = 1.

• B se numeşte bază ortogonală dacă

v̄i ⊥ v̄j , (∀)i 6= j.

• B se numeşte bază ortonormată dacă

v̄i ⊥ v̄j , (∀)i 6= j,

kv̄i k = 1, (∀)i.

• Dacă dim V = 3 şi Bc = {ē1 , ē2 , ē3 } este baza canonică din V , atunci vectorul
(
kūk · kv̄k sin θ · ē, pentru ū, v̄ liniar independenţi,
ū × v̄ =def
0, pentru ū, v̄ liniar dependenţi
ē1 ē2 ē3
= x1 x2 x3
y1 y2 y3
x2 x3 x1 x3 x1 x2
= ē1 − ē2 + ē3 ∈ V.
|{z} y2 y3 |{z} y1 y3 |{z} y1 y2
∈V | {z } ∈V | {z } ∈V | {z }
∈R ∈R ∈R

unde

* ē este un versor perpendicular pe ū şi pe v̄

* ū = (x1 , x2 , x3 )Bc , v̄ = (y1 , y2 , y3 )Bc
 95

* θ este unghiul dintre ū şi v̄

se numeşte produsul vectorial al vectorilor ū şi v̄.

Propoziţia 5.2. Dacă ū = (x1 , x2 , x3 )Bc şi v̄ = (y1 , y2 , y3 )Bc , atunci

• ū ⊥ v̄ ⇔< ū, v̄ >= 0.

x1 x2 x3
• ū k v̄ ⇔ = = .
y1 y2 y3
• ū şi v̄ sunt coliniari ⇔ (∃)λ ∈ R astfel ı̂ncât ū = λv̄.
 96

5.1 Procedeul de ortonormare Gram-Schmidt

Propoziţia 5.3. Fie E = (V, < ·, · >) un spaţiu vectorial euclidian. Atunci exisă o
bază ortonormată ı̂n E.

Demonstraţie. Fie B = {v̄1 , . . . , v̄n } o bază oarecare a lui V . Construim vectorii

ū1 = v̄1 ,
ū2 = v̄2 − λ21 ū1 ,
ū3 = v̄3 − λ31 ū1 − λ32 ū2 , (5.2)
......
ūn = v̄n − λn1 ū1 − λn2 ū2 − . . . − λnn−1 ūn−1 ,

unde

< v̄k , ūi >

λki = .
< ūi , ūi >

Atunci sistemul de vectori astfel construit, B1 = {ū1 , . . . , ūn } este o bază ortogonală a
lui V .
Fie acum

1
v̄i0 = · ūi . (5.3)
kūi k

Vectorii v̄i0 formează o bază ortonormată B 0 = {v̄10 , . . . , v̄n0 } a lui V . 

Exemplul 5.1. Fie spaţiul vectorial euclidian E = (R3 , < ·, · >can ) cu produsul scalar
canonic şi baza

B = {v̄1 = (1, 1, 1), v̄2 = (−1, 1, 0), v̄3 = (−1, 0, 1)}.

 97

Să se determine o bază ortonormată ı̂n E folosind procedeul de ortonormare Gram-

Schmidt.

Soluţie.
ū1 = v̄1 = (1, 1, 1) ,
ū2 = v̄2 − λ21 ū1 , unde

< v̄2 , ū1 >

λ21 =
< ū1 , ū1 >
< ¯( − 1, 1, 0), (1, 1, 1) >
=
< (1, 1, 1), (1, 1, 1) >
= 0.

⇒ ū2 = v̄2 = (−1, 1, 0) .

ū3 = v̄3 − λ31 ū1 − λ32 ū2 , unde

< v̄3 , ū1 > < v̄3 , ū2 >

λ31 = λ32 =
< ū1 , ū1 > < ū2 , ū2 >
< (−1, 0, 1), (1, 1, 1) > < (−1, 0, 1), (−1, 1, 0) >
= =
< (1, 1, 1), (1, 1, 1) > < (−1, 1, 0), (−1, 1, 0) >
1
=0 =
2
 
1 1 1
⇒ ū3 = (−1, 0, 1) − (−1, 1, 0) = − , − , 1 .
2 2 2
  
1 1
⇒ B1 = ū1 = (1, 1, 1), ū2 = (−1, 1, 0), ū3 = − , − , 1 este o bază ortogonală a lui
2 2
R3 .
O bază ortonormată o obţinem cu relaţia (5.3):

√ √ √ !
1 3 3 3
v̄10 = · ū1 = , ,
kū1 k 3 3 3
√ √ !
1 2 2
v̄20 = · ū2 = − , ,0
kū2 k 2 2
√ √ √ !
1 6 6 6
v̄30 = · ū3 = − ,− ,
kū3 k 6 6 3
 98

( √ √ √ ! √ √ ! √ √ √ !)
3 3 3 2 2 6 6 6
⇒ B 0 = v̄10 = , , , v̄20 = − , , 0 , v̄30 = − ,− , este o
3 3 3 2 2 6 6 3
bază ortonormată a lui R3 .
 99

5.2 Vectori liberi

Fie E3 spaţiul punctual tridimensional al geometriei elementare.
[AB] un segment orientat: A este originea, iar B extremitatea.

Definiţia 5.3.

• direcţia lui [AB] este dreapta suport a segmentului [AB] sau orice dreaptă par-
alelă cu ea.

• lungimea lui [AB] este lungimea segmentului [AB]

• sensul lui [AB] este sensul parcurs pe dreapta suport de la A laB.

Notăm mulţimea

−→ def
AB := {[CD|[CD] are aceiaşi direcţie, lungime şi sens cu [AB]}.

Definiţia 5.4.
−→
• Mulţimea AB ⊂ E3 se numeşte vector liber.
−→
• Segmentul [AB] se numeşte reprezentant al mulţimii AB.

Notăm
−→
V3 =not {AB, (∀)A, B ∈ E3 }

mulţimea tuturor vectorilor liberi.

Propoziţia 5.4. (V3 /R, +.·) este un spaţiu vectorial, unde

• 00
+ “ este adunarea vectorilor cu regula triunghiului
 100

• 00
· “ este ı̂nmulţirea unui vector cu un scalar.

În spaţiul vectorial V3 considerăm

M0 ∈ E3 ,
B = {~v1 , ~v2 , ~v3 } o bază a sa şi notăm
Bc = {~i, ~j, ~k} baza canonică din V3 ,
−→
oricărui vector AB i se pot asocia coordonatele sale ı̂n baza B:

−→
AB = (xAB , yAB , zAB )B ,

< ·, · > este produsul scalar canonic (5.1) definit pe spaţiul vectorial V3 ,
(V3 /R, < ·, · >) este spaţiu vectorial euclidian.

Definiţia 5.5.

• R = {M0 , ~v1 , ~v2 , ~v3 } se numeşte reper ı̂n E3 .

M0 numeşte originea reperului R.
v̄1 , v̄2 , v̄3 numesc vectorii reperului R.

• Reperul format cu vectorii bazei canonice

R = O; ī, j̄, k̄

se numeşte reperul ortonormat canonic.

−→
• Pentru orice punct P ∈ E3 , vectorul OP se numeşte vectorul de poziţie al lui
P.
−→ −→
OP ∈ V3 , B bază ı̂n V3 ⇒ OP = (xP , yP , zP )B

• (xP , yP , zP ) se numesc coordonatele punctului P ı̂n reperul R şi notăm

P (xP , yP , zP )B .
 101

Propoziţia 5.5. Dacă două puncte din E3 au coordonatele ı̂n baza B, M (xM , yM , zM )B
−−→
şi N (xN , yN , zN )B , atunci vectorul M N are coordonatele ı̂n baza B

−−→
M N = (xN − xM , yN − yM , zN − zM )B .

−−→ −−→ −−→

Demonstraţie. Din regula triunghiului avem că OM + M N = ON ⇒
−−→ −−→ −−→
M N = ON − OM
= (xN , yN , zN )B − (xM , yM , zA )B
= (xN − xN , yN − yM , zB − zM )B .

Observaţia 5.1.

• În baza canonică notăm simplu, fară a mai preciza baza,

P (xP , yP , zP ).

• Dacă putem identifica un vector prin coordonatele sale ı̂ntr-o bază B, atunci
produsul scalar canonic ı̂ntre doi vectori din V3 este:

< ~u, ~v >= x1 y1 + x2 y2 + x3 y3 ,

unde ~u = (x1 , x2 , x3 )B şi ~v = (y1 , y2 , y3 )B .

• Distanţa dintre două puncte M (xM , yM , zM ) şi N (xN , yN , zN ) este

−−→ p
d(M, N ) = kM N k = (xM − xN )2 + (yM − yN )2 + (zM − zN )2 .

• Dacă P (xP , yP , zP ) este mijlocul segmentului [M N ], atunci coordonatele lui P

 102

sunt:
xM + xN yM + yN zM + zN
xP = , yP = , zP = .
2 2 2

Propoziţia 5.6. (V3 , < ·, · >) este spaţiu vectorial euclidian.

Propoziţia 5.7.

1) Mulţimea tuturor vectorilor coliniari cu un vector dat ~u 6= ~0

V1 = {~v ∈ V3 |~v = λ~u, λ ∈ R, ~u 6= ~0}

este un spaţiu vectorial de dimensiune 1.

2) Mulţimea tuturor vectorilor coplanari cu doi vectori daţi ~u, ~v 6= ~0

V2 = {w
~ ∈ V3 |w
~ = α~u + β~v , α, β ∈ R, ~u, ~v necoliniari}

este un spaţiu vectorial de dimensiune 2.

3) dim V3 = 3.

4) sensul produsului vectorial al doi vectori este dat de regula burghiului drept.
 103

5.3 Planul
Fie M0 (x0 , y0 , z0 ) ∈ E3
~v1 = (l1 , m1 , n1 ), ~v2 = (l2 , m2 , n2 ) ∈ V3 doi vectori necoliniari.

Definiţia 5.6. Mulţimea

−−−→
π = {M ∈ E3 |M M0 = λ1~v1 + λ2~v2 , λ1 , λ2 ∈ R}

se numeşte planul care trece prin punctul M0 şi are vectorii directori ~v1 şi ~v2 .

Ecuaţiile unui plan care trece prin punctul M0 (x0 , y0 , z0 ), are direcţiile ~v1 = (l1 , m1 , n1 )
şi ~v2 = (l2 , m2 , n2 ) şi direcţia normalei ~n = (a, b, c) sunt:

Definiţia 5.7 (Ecuaţiile planului).

* Ecuaţia carteziană a unui plan π ce trece prin punctul M0 (x0 , y0 , z0 ) şi are
direcţiile ~v1 = (l1 , m1 , n1 ) şi ~v2 = (l2 , m2 , n2 ):

x − x0 y − y0 z − z0

π: l1 m1 n1 = 0.

l2 m2 n2

* Ecuaţia unui plan π ce trece prin trei puncte M0 (x0 , y0 , z0 ) M1 (x1 , y1 , z1 )

şi M2 (x2 , y2 , z2 ):
 104

x − x0 y − y0 z − z0

π: x1 − x0 y1 − y0 z1 − z0 = 0.

x2 − x0 y2 − y0 z2 − z0

* Ecuaţiile parametrice ale unui plan π ce trece prin punctul

M0 (x0 , y0 , z0 ) şi are direcţiile ~v1 = (l1 , m1 , n1 ) şi ~v2 = (l2 , m2 , n2 ):

 x = x0 + λ1 l1 + λ2 l2 ,


y = y0 + λ1 m1 + λ2 m2 ,


 z = z + λ n + λ n ,.
0 1 1 2 2

* Ecuaţia planului ce trece prin punctul M0 (x0 , y0 , z0 ) şi are direcţia nor-
malei ~n = (a, b, c) este:

π : a(x − x0 ) + b(y − y0 ) + c(z − z0 ) = 0.

* Ecuaţia carteziană generală a unui plan π este:

π : ax + by + cz + d = 0.

Atenţie:
Din ecuaţia carteziană generală a unui plan

π : ax + by + cz + d = 0

putem deduce componentele vectorul normalei care sunt coeficienţii lui x, y, z:

~n = (a, b, c).
 105

Propoziţia 5.8. Două plane cu normalele ~n1 = (a1 , b1 , c1 ), respectiv ~n2 = (a2 , b2 , c2 )
sunt paralele d.n.d.
a1 b1 c1
= = .
a2 b2 c2
 106

5.4 Dreapta
Fie M0 (x0 , y0 , z0 ) ∈ E3
~v = (l, m, n) ∈ V3 .

Definiţia 5.8. Mulţimea

−−−→
π = {M ∈ E3 |M M0 = t~v , t ∈ R}

se numeşte dreapta care trece prin punctul M0 şi are direcţia ~v .

Ecuaţiile unei drepte care trece prin punctul M0 (x0 , y0 , z0 ), are direcţia ~v = (l, m, n) sunt:

Definiţia 5.9 (Ecuaţiile dreptei).

* Ecuaţiile canonice ale unei drepte d ce trece prin punctul

M0 (x0 , y0 , z0 ) şi are direcţia ~v = (l, m, n) sunt:

x − x0 y − y0 z − z0
d: = = .
l m n
 107

Dacă egalăm şirul de rapoarte de mai sus cu t, adică:

x − x0 y − y0 z − z0
d: = = = t,
l m n

obţinem

* Ecuaţiile parametrice ale dreptei d ce trece prin punctul

M0 (x0 , y0 , z0 ) şi are direcţia ~v = (l, m, n):

 x = x0 + tl,


d: y = y0 + tm, , t ∈ R.


 z = z + tn
0

* Ecuaţiile dreptei dată ca intersecţie ı̂ntre două plane sunt:

(
l1 x + m1 y + n1 z + a1 = 0,
d:
l2 x + m2 y + n2 z + a2 = 0.

Cele două plane

π1 : l1 x + m1 y + n1 z + a1 = 0

şi
π2 : l2 x + m2 y + n2 z + a2 = 0

au normalele
~n1 = (l1 , m1 , n1 )

respectiv
~n2 = (l2 , m2 , n2 )

cu ~n1 ⊥ ~v şi ~n2 ⊥ ~v .

 108

Atunci direcţia dreptei d este dată de perpendiculara comună a vectorilor ~n1 şi ~n2 ,

~i ~j ~k

~v = ~n1 × ~n2 = l1 m1 n1 = (l, m, n).

l2 m2 n2

Coordonatele unui punct M0 (x0 , y0 , z0 ) de pe dreapta d sunt o soluţie particulară a sistemului

(
l1 x + m1 y + n1 z + a1 = 0,
d:
l2 x + m2 y + n2 z + a2 = 0.

Atenţie:
Date ecuaţiile canonice ale unei drepte

x − x0 y − y0 z − z0
d: = =
l m n

putem găsi direct coordonatele unui punct al dreptei M0 (x0 , y0 , z0 ) de la numărătorii

şirului de rapoarte şi coordonatele direcţiei dreptei ~v = (l, m, n) de la numitorii şirului
de rapoarte.
Dacă ı̂n şirul de rapoarte un numitor este 0, atunci şi numărătorul este 0.
De exemplu, dreapta d de ecuaţii

x−2 z−7
d: =y+5=
−3 0
 109

se poate scrie
x−2 y − (−5) z−7
d: = =
−3 1 0
⇒ trece prin punctul de coordonate M0 (2, −5, 7) şi are direcţia ~v = (−3, 1, 0), iar
ecuaţiile dreptei sunt echivalente cu
(
x − 2 = −3(y + 5)
d:
z − 7 = 0.

Propoziţia 5.9. Două drepte cu vectorii directori ~v1 = (l1 , m1 , n1 ), respectiv ~v2 =
(l2 , m2 , n2 ) sunt paralele d.n.d.

• ~v1 k ~v2 d.n.d.

l1 m1 n1
• = = .
l2 m2 n2
 110

5.5 Simetricul unui punct faţă de un plan

Simetricul punctului M (xM , yM , zM ) faţă de planul

π : ax + by + cz + d = 0

se găseşte astfel:

• scriem ecuaţia dreptei d care trece prin M şi este perpendiculară pe planul π, adică
are ca direcţie direcţia normalei planului, ~v = ~n = (a, b, c):

x − xM y − yM z − zM
d: = =
a b c

• găsim punctul de intersecţie a lui π cu d rezolvând sistemul:

 x − xM = y − yM = z − zM = t


M0 : a b c ⇔
 ax + by + cz + d = 0



 x = xM + ta


 y = y + tb
M
M0 :


 z = zM + tc

ax + by + cz + d = 0

 111

• Punem condiţia ca M0 să fie mijlocul segmentului [M N ]:

xM + xN yM + yN zM + zN
xM0 = , y M0 = , zM0 =
2 2 2

de unde aflăm coordonatele punctului N .

 112

5.6 Simetricul unui punct faţă de o dreaptă

Simetricul punctului M (xM , yM , zM ) faţă de dreapta

x − xM y − yM z − zM
d: = =
l m n

se găseşte astfel:

• scriem ecuaţia planului π care trece prin M şi este perpendicular pe dreapta d, adică
are direcţia normalei direcţia dreptei d, ~n = ~v = (l, m, n):

π : lx + my + nz + d = 0

• găsim punctul de intersecţie a lui π cu d rezolvând sistemul:

 x − xM = y − yM = z − zM = t


M0 : l m n ⇔
 lx + my + nz + d = 0



 x = xM + tl


 y = y + tm
M
M0 :


 z = zM + tn

lx + my + nz + d = 0

 113

• Punem condiţia ca M0 să fie mijlocul segmentului [M N ]:

xM + xN yM + yN zM + zN
xM0 = , y M0 = , zM0 =
2 2 2

de unde aflăm coordonatele punctului N .

Exemplul 5.2. Fie punctele A(2, 0, 0), B(0, 2, 0), C(0, 0, 2) şi M (1, 2, 3).

a) Să se găsească simetricul lui M faţă de planul (ABC).

b) Să se găsească simetricul lui M faţă de dreapta AB.

 114

5.7 Probleme de distanţă

1) Distanţa de la un punct A la o dreaptă d
Fie o dreaptă d de direcţie ~v şi un punct M0 ∈ d.
Dacă A ∈
/ d, atunci distanţa de la punctul A la dreapta d este

k~v × M0 Ak
d(A, d) = .
k~v k

2) Distanţa de la un punct P0 (x0 , y0 , z0 ) la planul π : ax + by + cz + d = 0 este

|ax0 + by0 + cz0 + d|

d(P0 , π) = √ .
a2 + b 2 + c 2

Exemplul 5.3. Fie dreptele

(
x+y+1=0
d1 :
y + 2z = 0
x − 11 y z
d2 : = =
2 −2 1

şi punctul A(3, 0, 0).

a) Să se stabilească dacă d1 şi d2 determină un plan şi ı̂n caz afirmativ să se scrie
ecuaţia planului π.

b) Să se calculeze d(A, d1 ) şi d(A, π).

CAPITOLUL 6
GEOMETRIA DIFERENŢIALĂ A
CURBELOR ŞI SUPRAFEŢELOR DIN E3

6.1 Elemente de geometrie diferenţială a curbelor

Fie I un interval deschis din R
α : I → R3 , α(t) = (x(t), y(t), z(t)) o funcţie diferenţiabilă pe I.

Definiţia 6.1.

• Se numeşte curbă din E3 imaginea funcţiei diferenţiabile α,

Γ = Im(α) ⊂ R3 .

• α se numeşte parametrizare.

• t ∈ I se numeşte parametru.

 x0 = x(t0 ),


• Punctul M0 (x0 , y0 , z0 ) ∈ Γ al curbei Γ, unde y0 = y(t0 ),


 z = z(t )
0 0
 116

(sau M0 (t0 ) ∈ Γ) se numeşte punct regulat dacă vectorul

α0 (t0 ) 6= (0, 0, 0).

6.1.1 Triedrul lui Frenet ı̂ntr-un punct regulat al unei curbe ı̂n E3
Fie α : I → R3 , α(t) = (x(t), y(t), z(t)) o parametrizare a curbei Γ.
M0 (x0 , y0 , z0 ) ∈ Γ (sau M0 (t0 ) ∈ Γ) un punct regulat de pe curbă.

Definiţia 6.2.

• T̄ (t0 ) = α0 (t0 ) = (x0 (t0 ), y 0 (t0 ), z 0 (t0 ))

se numeşte vectorul tangentei ı̂n punctul M0 la curba Γ.
Versorul tangentei T (t0 ) se notează

1
τ̄ (t0 ) :=not T̄ (t0 ).
kT̄ (t0 )k

• B̄(t0 ) = α0 (t0 ) × α00 (t0 ) :=not (A, B, C)

se numeşte vectorul binormalei ı̂n punctul M0 la curba Γ.
Versorul binormalei B(t0 ) se notează

1
b̄(t0 ) :=not B̄(t0 ).
kB̄(t0 )k

• N̄ (t0 ) = B̄(t0 ) × T̄ (t0 ) :=not (l, m, n)

se numeşte vectorul normalei principale ı̂n punctul M0 la curba Γ.
Versorul binormalei N (t0 ) se notează

1
n̄(t0 ) :=not N̄ (t0 ).
kN̄ (t0 )k
 117

Propoziţia 6.1. B = {τ̄ (t0 ), b̄(t0 ), n̄(t0 )} formează o bază ortonormată ı̂n spaţiului
vectorial V3 al vectorilor liberi.

Definiţia 6.3.

• Reperul R = M0 ; τ̄ (t0 ), b̄(t0 ), n̄(t0 ) numeşte reperul mobil al lui Frenet

asociat curbei Γ ı̂n punctul M0 .

• Dreapta ce trece prin M0 şi are direcţia T̄ (t0 ) se numeşte tangenta ı̂n punctul
M0 la curba Γ.

• Planul ce trece prin M0 şi are direcţia normalei T̄ (t0 ) se numeşte planul nor-
mal.

• Dreapta ce trece prin M0 şi are direcţia B̄(t0 ) se numeşte binormala ı̂n punctul
M0 la curba Γ.

• Planul ce trece prin M0 şi are direcţia normalei B̄(t0 ) se numeşte planul oscu-
lator.
 118

• Dreapta ce trece prin M0 şi are direcţia N̄ (t0 ) se numeşte normala principală
ı̂n punctul M0 la curba Γ.

• Planul ce trece prin M0 şi are direcţia normalei N̄ (t0 ) se numeşte planul rec-
tificant.

• Se numeşte unghiul a două curbe care se intersecteză ı̂n M0 , unghiul format

de vectorii tangentelor la cele două curbe ı̂n M0 .

• Dacă A(t = a) şi B(t = b) sunt două puncte pe cuba Γ, atunci se numeşte
lungimea arcului de curbă AB numărul pozitiv

Zb p Zb
0 2 0 2 0 2
x (t) + y (t) + z (t) dt = kT̄ (t)kdt.
a a
 119

• Se numeşte curbura curbei Γ ı̂n punctul M0 , numărul pozitiv

kα0 (t0 ) × α00 (t0 )k kB̄(t0 )k

ρ(t0 ) = 0 3
= .
kα (t0 )k kT̄ (t0 )k3

• Se numeşte produsul mixt a trei vectori v̄1 = (x1 , y1 , z1 ),

v̄2 = (x2 , y2 , z2 ) şi v̄3 = (x3 , y3 , z3 ) valoarea determinantului

x1 y1 z1
(v̄1 , v̄2 , v̄3 ) = x2 y2 z2 .
x3 y3 z3

• Se numeşte torsiunea curbei Γ ı̂n punctul M0 , numărul real

(α0 (t0 ), α00 (t0 ), α000 (t0 )) (α0 (t0 ), α00 (t0 ), α000 (t0 ))
θ(t0 ) = = .
kα0 (t0 ) × α00 (t0 )k2 kB̄(t0 )k2

Axele, planele şi dreptele triedrului lui Frenet ı̂ntr-un punct M0 la o curbă sunt ilustrate
ı̂n următoarea figură:

Propoziţia 6.2.

• Ecuaţia tangentei ı̂n punctul M0 la curba Γ este:

x − x(t0 ) y − y(t0 ) z − z(t0 )

0
= 0
= .
x (t0 ) y (t0 ) z 0 (t0 )
 120

• Ecuaţia planului normal ı̂n punctul M0 este:

x0 (t0 )[x − x(t0 )] + y 0 (t0 )[y − y(t0 )] + z 0 (t0 )[z − z(t0 )] = 0.

• Ecuaţia binormalei ı̂n punctul M0 la curba Γ este:

x − x(t0 ) y − y(t0 ) z − z(t0 )

= = .
A B C

• Ecuaţia planului osculator ı̂n punctul M0 este:

A[x − x(t0 )] + B[y − y(t0 )] + C[z − z(t0 )] = 0.

• Ecuaţia normalei principale ı̂n punctul M0 la curba Γ este:

x − x(t0 ) y − y(t0 ) z − z(t0 )

= = .
l m n

• Ecuaţia planului rectificant ı̂n punctul M0 este:

l[x − x(t0 )] + m[y − y(t0 )] + n[z − z(t0 )] = 0.

• Γ este o parte a unei drepte dacă şi numai dacă ρ(t) = 0, (∀)t ∈ I.

• Γ este o curbă plană dacă şi numai dacă θ(t) = 0, (∀)t ∈ I, iar planul ı̂n care
este inclusă curba este planul osculator.

6.1.2 Unghiul a două curbe

Date curbele  
 x = x(t),  x = x(s),

 

C1 : y = y(t), t ∈ I1 şi C2 : y = y(s), s ∈ I2

 

 z = z(t)  z = z(s)

• calculăm coordonatele punctului de intersecţie al celor două curbe:

 121

– sau rezolvând sistemul


 x(t) = x(s),


M0 : y(t) = x(s), ⇒ t = t0 , s = s0 .


 z(t) = x(s)

– sau dacă cele două curbe sunt curbe de coordonate C1 : t = t0 şi C2 : s = s0 pe o

suprafaţă, atunci M0 (t = t0 , s = s0 ).

Coordonatele lui M0 le obţinem ı̂nlocuind t0 ı̂n C1 sau s0 ı̂n C2 : M0 (x0 , y0 , z0 ), unde


 x0 = xC1 (t0 ) = xC2 (s0 ),


M0 : y0 = yC1 (t0 ) = yC2 (s0 ), .


 z = z (t ) = z (s )
0 C1 0 C2 0

• calculăm vectorul tangentei ı̂n M0 la fiecare din cele două curbe:

T~C1 (t0 ) = x0C1 (t0 ), yC0 1 (t0 ), zC0 1 (t0 )

 

respectiv
T~C2 (s0 ) = x0C2 (s0 ), yC0 2 (s0 ), zC0 2 (s0 ) .
 

• calculăm cosinusul unghiului vectorilor T~C1 (t0 ) şi T~C2 (s0 )

 0 0 0
  0 0 0

< x (t 0 ), y (t0 ), z (t0 ) , x (s 0 ), y (s 0 ), z (s 0 ) >
cos(T~C1 (t0 ), T~C2 (s0 )) =  0 C1 0
C1
0
C1
 C20 C2
0
C2
0
 .
k xC1 (t0 ), yC1 (t0 ), zC1 (t0 ) k · k xC2 (s0 ), yC2 (s0 ), zC2 (s0 ) k
 122

EXEMPLE DE CURBE CLASICE

• Cicloida este o curbă trasată de un punct fix de pe un cerc care se rostogoles, te pe o

dreaptă. Este un exemplu de ruletă, o curbă generată de o curbă care se rostogoles, te
pe o altă curbă.
Cicloida a fost studiată de Nicolaus Cusanus s, i mai târziu de Mersenne. A fost den-
umită astfel de către Galileo ı̂n 1599. În 1634, Gilles Personne de Roberval a arătat
că aria de sub cicloidă este de trei ori mai mare decât aria cercului generator. În
1658, Christopher Wren a demonstrat că lungimea unei cicloide este de patru ori mai
mare decât diametrul cercului generator. Cicloida a fost numită Elena geometrilor”
”
deoarece a cauzat certuri frecvente ı̂ntre matematicienii secolului al XVII-lea.

• Cardioida este o curbă plană descrisă de un punct de pe un cerc ı̂n timp ce acesta se
rostogoles, te, fără alunecare, pe un alt cerc fix, exterior s, i de aceeas, i rază.
Cardioida a fost studiată de Römer ı̂n 1674, utilizată de Vaumesle ı̂n 1678 s, i J. Koërsma
ı̂n 1689, dar denumirea a fost propusă de G. Castilion ı̂n 1741. Numele ei provine de
la forma asemănătoare unei inimi (gr. kardioeides: kardia, ”inimă” s, i eidos, ”formă”).
Comparată cu simbolul care reprezintă inima , se observă că inima are două vârfuri
ascut, ite, pe când cardioida numai unul.
 123

• Deltoida este cunoscută si sub numele de curba lui Steiner. Este curba trasată de un
punct fixat de pe circumferinţa unui cerc care se rostogoleşte ı̂n interiorul unui alt cerc
cu raza de trei ori mai mare sau a unui cerc cu raza de 1,5 ori mai mare. Numele ei
vine de la forma sa care seamănă cu litera grecească delta, ∆.

• Astroida. Este curba trasată de un punct fixat pe un cerc ce se rostogoleşte ı̂n

interiorul unui cerc cu raza de 4 ori mai mare. Numele său provine de la cuvântul
grecesc care ı̂nsemnă ”stea”.
 124

• Lemniscata lui Bernoulli. Lemniscata a fost descrisă prima dată ı̂n 1694 de Jakob
Bernoulli ca o modificare a unei elipse, care este locul geometric al punctelor pentru care
suma distant, elor la două puncte fixe, numite focare, este constantă. Un oval Cassini,
prin contrast, este locul geometric al punctelor pentru care produsul acestor distant, e
este constant. În cazul ı̂n care curba trece prin punctul de la jumătatea distant, ei dintre
focare, ovalul este o lemniscată a lui Bernoulli.

• Curba lui Viviani este curba obţinută din intersecţia unei sfere cu un cilindru circular
drept care trece prin centrul sferei şi are raza jumătate din raza sferei.
 125

• Elicea circulară este o curbă spaţială descrisă de un punct care se translatează uni-
form de-a lungul generatoarei unui cilindru circular drept care, ı̂n acelaşi timp, se
roteşte uniform ı̂n jurul axei proprii.
Elicea circulară este singura curbă care are curbura şi torsiunea constante.
 126


 x(t) = ln(2t + 1),


Exemplul 6.1. Fie curba C : y(t) = t2 + t, t ∈ [0, ∞).


 z(t) = 2t,

a) Să se calculeze lungimea arcului de curbă OA,

d unde O este originea şi A(ln5, 6, 4).

b) Să se scrie ecuaţia planului rectificant ı̂n punctul ı̂n care planul normal este
perpendicular pe planul π : x − z + 5 = 0 şi versorul normalei principale ı̂n
punctul B(t = 0).

c) Să se calculeze unghiul curbelor C şi C1 : β(s) = (s − 1, s2 − 1, 0). Sunt cele două
curbe ortogonale?

Soluţie.
Ecuaţia vectorială a curbei este

ᾱ(t) = (ln(2t + 1), t2 + t, 2t).

Calculăm  
2
ᾱ0 (t) = , 2t + 1, 2 = T̄ (t)
2t
 +1 
00 2
ᾱ (t) = 2 − , 1, 0 .
(2t + 1)2

a) Pentru a determina lungimea arcului OA,

d calculăm

ZtA p
lOA
d = x0 (t)2 + y 0 (t)2 + z 0 (t)2 dt
tO
ZtA
s 2
2
= + (2t + 1)2 + 4dt
2t + 1
tO
ZtA s
4 + 4(2t + 1)2 + (2t + 1)4
= dt
(2t + 1)2
tO
 127

ZtA
2 + (2t + 1)2
= dt
2t + 1
tO
tA
2 1
= t + t + + ln(2t + 1) .
4 tO

Trebuie să mai determinăm coordonatele pe curbă a punctelor O şi A:

 


 ln(2t + 1) = 0,  ln(2t + 1) = ln5,


tO : t2 + t = 0, ⇒ tO = 0 , tA : t2 + t = 6, ⇒ tA = 2

 

 2t = 0,  2t = 4,

Lungimea arcului OA
d este

2
2 1
lOA
d = t +t+ + ln(2t + 1) = 6 + ln5.
4 0

b) N ⊥ π ⇒ T̄ (t) ⊥ (1, 0, −1) ⇒ t = 0 ⇒ M0 (t0 = 0).

ᾱ(0) = (0, 0, 0) = M̄0 (0)

ᾱ0 (0) = (2, 1, 2) = T̄ (0)

ᾱ00 (0) = 2 (−2, 1, 0)
ī j̄ k̄
B̄(0) = ᾱ0 (0) × ᾱ00 (0) = 2 2 1 2 = 4(−1, −2, 2)
−2 1 0

ī j̄ k̄
N̄ (0) = B̄(0) × T̄ (0) = 4 −1 −2 2 = 12(−2, 2, 1)
2 1 2
R : −2x + 2y + z = 0.
Normala principală ı̂n punctul B este N̄ (0) = 12(−2, 2, 1), iar versorul ei este
 
1 2 2 1
n̄(0) = N̄ (0) = − , ,
kN̄ (0)k 3 3 3

c) Urmăm algoritmul din curs:

 128

• calculăm
 coordonatele punctului de intersecţie al celor două curbe:
 ln(2t + 1) = s − 1,


t2 + t = s2 − 1, ⇒ t = 0 , s = 1 ⇒ M0 (0, 0, 0)


 2t = 0,

• calculăm vectorul tangentei ı̂n M0 la fiecare din cele două curbe:

T~C (t = 0) = (x0C (0), yC0 (0), zC0 (t0 )) = (2, 1, 2)

respectiv
T~C1 (s = 1) = x0C1 (1), yC0 1 (1), zC0 1 (1) = (1, 2, 0).

• calculăm cosinusul unghiului vectorilor T~C (t = 0) şi T~C1 (s = 1)

√
~ ~ < (2, 1, 2), (1, 2, 0) > 4 5
cos(TC (0), TC1 (1)) = = .
k(2, 1, 2)k · k(1, 2, 0)k 15
√
4 5
^(C, C1 ) = arccos ⇒ curbele C şi C1 nu sunt ortogonale.
15
 129

6.2 Elemente de geometrie diferenţială a

suprafeţelor
Fie D o mulţime deschisă şi conexă din R2
r(u, v) : D → R3 , r(u, v) = (x(u, v), y(u, v), z(u, v)) o funcţie diferenţiabilă pe I.

Definiţia 6.4.

• Se numeşte suprafaţă din E3 imaginea funcţiei diferenţiabile r,

S = Im(r) ⊂ R3 .

• r se numeşte parametrizare.

• u, v se numesc parametri.

• Punctul M0 (u0 , v0 ) al suprafeţei S se numeşte punct regulat dacă vectorii

r̄u0 (u0 , v0 ) şi r̄v0 (u0 , v0 ) sunt liniar independenţi.

• O curbă Γ ⊂ R3 definită de parametrizarea α : I → R3 este o curbă pe

suprafaţa S dacă toate punctele de pe Γ sunt şi pe suprafaţa S, adică Γ ⊂ S.

• Curbele ( (
u = u0 u=u
Γ1 : Γ2 :
v=v v = v0
se numesc o curbele de coordonate ce trec prin M0 .
 130

6.2.1 Planul tangent şi normala ı̂ntr-un punct regulat al unei suprafeţe
ı̂n E3
Fie r : D → R3 , r(u, v) = (x(u, v), y(u, v), z(u, v)) o parametrizare a suprafeţei S.
 x0 = x(u0 , v0 ),


M0 (x0 , y0 , z0 ) ∈ S, unde y0 = y(u0 , v0 ), (sau se mai poate scrie M0 (u0 , v0 ) ∈ S) un


 z = z(u , v )
0 0 0
punct regulat de pe suprafaţă.

Definiţia 6.5.

• Planul ce trece prin M0 şi are direcţiile r̄u0 (u0 , v0 ) şi r̄v0 (u0 , v0 ) se numeşte planul
tangent la suprafaţa S ı̂n punctul M0 .

• Perpendiculara ı̂n M0 pe planul tangent ı̂n M0 la S se numeşte normala ı̂n

punctul M0 la suprafaţa S.

• Suprafaţa S se numeşte orientabilă dacă pe una din feţe versorii normalelor

au acelaşi sens, iar pe cealaltă faţă au sens opus.

EXEMPLE DE SUPRAFEŢE CLASICE

• Torul o suprafaţă orientabilă. El este o suprafat, ă generată de rotat, ia unui cerc ı̂n
spat, iul tridimensional ı̂n jurul unei axe din planul său, axă care nu taie cercul.
 131

• Banda lui Möbius este o suprafaţă neorientabilă. A fost studiată init, ial de August
Ferdinand Möbius s, i Johann Benedict Listing, care au descoperit-o independent ı̂n
1858.
Un exemplu de bandă Möbius poate fi realizat folosind o bucată dreptunghiulară de
hârtie, astfel ca unul dintre capete să fie rotit s, i lipit cu celălalt capăt, pentru a se
forma o buclă.

• Sticla lui Klein este o suprafaţă neorientabilă.

https://www.youtube.com/watch?v=sRTKSzAOBr4

Propoziţia 6.3.

• Vectorul normalei ı̂n punctul M0 la suprafaţa S este:

N̄ (u0 , v0 ) = r̄u0 (u0 , v0 ) × r̄v0 (u0 , v0 ) :=not (R1 , R2 , R3 ).

• Ecuaţia planului tangent ı̂n punctul M0 la suprafaţa S este:

R1 (x − x0 ) + R2 (y − y0 ) + R3 (z − z0 ) = 0.
 132

• Ecuaţia normalei ı̂n punctul M0 la suprafaţa S este:

x − x0 y − y0 z − z0
= = .
R1 R2 R3

Exemplul 6.2. Fie suprafaţa


 x(u, v) = u


S: y(u, v) = v

 z(u, v) = u3 + v 3 .


a) Să se determine punctele de pe suprafaţă ı̂n care normala la S este perpendicu-

lară pe planul
π : 3x + 3y − z + 11 = 0.

b) Să se calculeze unghiul curbelor C1 : u = 1 şi C2 : v = 2.

~ S ||~nπ , unde ~nπ este

Soluţie. a) Normala la S este perpendiculară pe planul π ⇒ N
vectorul normalei la planul π. Din ecuaţia planului π putem deduce componentele lui ~nπ
care sunt coeficienţii lui x, y, z: ~nπ = (3, 3, −1).

r(u, v) = [x(u, v), y(u, v), z(u, v)] = (u, v, u3 + v 3 )

ru0 (u, v) = [x0u (u, v), yu0 (u, v), zu0 (u, v)] = (1, 0, 3u2 )
rv0 (u, v) = [x0v (u, v), yv0 (u, v), zv0 (u, v)] = (0, 1, 3v 2 ).

Normala la suprafaţa S are direcţia

~i ~j ~k
~ S = ~r0 (u, v) × ~r0 (u, v) =
N 1 0 3u2 = (−3u2 , −3v 2 , 1).
u v

0 1 3v 2
 133

2 2
~ S ||~nπ ⇔ −3u = −3v = 1 ⇔ u2 = v 2 = 1 ⇔ u = ±1, v = ±1 ⇒ punctele sunt
N
3 3 −1

M1 (u = 1, v = 1) ⇔ M1 (1, 1, 2),
M2 (u = 1, v = −1) ⇔ M2 (1, −1, 0),
M3 (u = −1, v = 1) ⇔ M3 (−1, 1, 0),
M4 (u = −1, v = −1) ⇔ M4 (−1, −1, −2).

b) Ecuaţiile curbelor C1 : u = 1 şi C2 : v = 2 se obţin ı̂nlocuind ı̂n ecuaţiile lui S pe u = 1,

respectiv, v = 2:
 
not not
 x(1, v) = x(v) = 1  x(u, 2) = x(u) = u

 

C1 : y(1, v) =not y(v) = v , C2 : y(u, 2) =not y(u) = 2
 
 z(1, v) =not z(v) = 1 + v 3 ,
  z(u, 2) =not z(u) = u3 + 8.


Punctul de intersecţie al celor două curbe este {M0 (u = 1, v = 2)} = C1 ∩ C2 .

Calculăm vectorii tangentelor ı̂n M0 la fiecare curbă:
T~C1 (M0 ) = [x0C1 (v = 2), yC0 1 (v = 2), zC0 1 (v = 2)] = (0, 1, 3v 2 )|v=2 = (0, 1, 12),
T~C2 (M0 ) = [x0 (u = 1), y 0 (u = 1), z 0 (u = 1)] = (1, 0, 3u2 )|u=1 = (1, 0, 3).
C2 C2 C2
Unghiul format de cele două curbe este unghiul vectorilor T~C1 (M0 ) şi T~C2 (M0 ). Cosinusul
unghiului celor doi vectori este
< (0, 1, 12), (1, 0, 3) > 36 36
cos[T~C1 (M0 ), T~C2 (M0 )] = =√ √ = √ ⇒
√ k(0, 1, 12)k · k(1, 0, 3)k 145 10 5 29
36 29
](C1 , C2 ) = arccos .
145
 134

6.2.2 Prima formă fundamentală a unei suprafeţe ı̂n E3

Fie S ⊂ R3 o suprafaţă definită de
parametrizarea r(u, v) : D → R3 , r(u, v) = (x(u, v), y(u, v), z(u, v)) care are toate
punctele regulate, adică
vectorii r̄u0 (u, v) şi r̄v0 (u, v) sunt liniari independenţi pentru orice (u, v) ∈ D.

Propoziţia 6.4. Mulţimea

TM S = {xr̄u0 (u, v) + yr̄v0 (u, v), x, y ∈ R} = L ({r̄u0 (u, v), r̄v0 (u, v)}) ⊂SSV V3

este un subspaţiu vectorial al spaţiului vectorial al vectorilor liberi V3 , iar

B = {r̄u0 (u, v), r̄v0 (u, v)} este o bază a sa.

Definiţia 6.6. Subspaţiul vectorial

TM S = {xr̄u0 (u, v) + yr̄v0 (u, v), x, y ∈ R} ⊂ V3

se numeşte spaţiul tangent ı̂n punctul M la suprafaţa S.

Considerăm produsul scalar canonic din V3 restricţionat la TM S definit de forma biliniară

simetrică notată:

ΦM : TM S × TM S → R, ΦM (w̄1 , w̄2 ) =< w̄1 , w̄2 > (=not w̄1 .w̄1 ).

Dacă
w̄1 = x1 r̄u0 (u, v) + x2 r̄v0 (u, v) = (x1 , x2 )B

şi
w̄2 = y1 r̄u0 (u, v) + y2 r̄v0 (u, v) = (y1 , y2 )B ,
 135

atunci

ΦM [(x1 , x2 )B , (y1 , y2 )B ] = ΦM (w̄1 , w̄2 ) =< w̄1 , w̄2 >

=< x1 r̄u0 (u, v) + x2 r̄v0 (u, v), y1 r̄u0 (u, v) + y2 r̄v0 (u, v) >
= x1 y1 kr̄u0 (u, v)k2 + (x1 y2 + x2 y1 )r̄u0 (u, v).r̄v0 (u, v) + x2 y2 kr̄v0 (u, v)k2 .

Dacă notăm

E =not kr̄u0 (u, v)k2 , F =not r̄u0 (u, v).r̄v0 (u, v), G =not kr̄v0 (u, v)k2 ,

atunci
[ΦM [(x1 , x2 )B , (y1 , y2 )B ] = x1 y1 E + (x1 y2 + x2 y1 )F + x2 y2 G
iar matricea lui ΦM ı̂n baza B este
 
E F
 
[ΦM ]B = 

.

F G

Definiţia 6.7.

• Produsul scalar canonic ΦM din spatiul tangent ı̂n punctul M la suprafaţa S se

numeşte prima formă fundamentală a supafeţei S ı̂n punctul M .

• Numerele reale E(u0 , v0 ), F (u0 , v0 ), G(u0 , v0 ) se numesc coeficienţii primei

forme fundamentale a supafeţei S ı̂n punctul M (u = u0 , v = v0 ).

• Funcţia Φ care asociază fiecărui punct M de pe suprafaţa S produsul scalar ΦM ,

Φ(M (u, v)) = ΦM se numeşte prima formă fundamentală a supafeţei S.
(
u = u(t)
• Se numeşte elementul de arc al curbei Γ : de pe supafaţa S
v = v(t)
p
ds = E[u(t), v(t)]u0 (t)2 + 2F [u(t), v(t)]u0 (t)v 0 (t) + G[u(t), v(t)]v 0 (t)2 dt.
 136

• Se numeşte elementul de arie al supafeţei S

p
dσ = E(u, v)G(u, v) − F (u, v)2 dudv.

• Se numeşte metrică pe supafaţa S

ds2 = E(u, v)du2 + 2F (u, v)dudv + G(u, v)dv 2 .

Exemplul 6.3. Fie suprafaţa

1 1


 x(u, v) = +



 2v 2u



1 1

S: y(u, v) = −


 2v 2u





 z(u, v) = 1
.

2uv

a) Să se determine lungimea arcului AB

d de pe curba C : v = 2 pe suprafaţa S,
unde A(u = 1, v = 2), B(u = 2, v = 2).

b) Să se determine elementul de arc al curbei C de pe S.

c) Să se determine elementul de arie, metrica şi matricea primei forme fundamen-
tale ı̂n punctul A.
 137

Soluţie.

r(u, v) = [x(u, v), y(u, v), z(u, v)]

 
1 1 1 1 1
= + , − ,
2v 2u 2v 2u 2uv
ru0 (u, v) = [x0u (u, v), yu0 (u, v), zu0 (u, v)]
 
1 1 1
= − 2, 2,− 2
2u 2u 2u v
rv0 (u, v) = [x0v (u, v), yv0 (u, v), zv0 (u, v)]
 
1 1 1
= − 2,− 2,−
2v 2v 2uv 2

a) Ecuaţiile parametrice ale curbei C : v = 2 ⇔ C : {u = t, v = 2} se obţin din ecuaţiile lui

S pentru u = t şi v = 2:
1 1


 x(t, 2) =not x(t) = +



 4 2t



1 1

C: y(t, 2) =not y(t) = −


 4 2t



 z(t, 2) =not z(t) = 1 .



4t
Cum A(u = 1, v = 2) se obţine pe curba C : v = 2 ⇒ A(t = u = 1), iar B(u = 2, v = 2) are
pe curba C : v = 2 coordonatele B(t = u = 2) ⇒

Z2 p
LAB = x0 (t)2 + y 0 (t)2 + z 0 (t)2 dt.
1

Cum
1 1 1
x0 (t) = − 2
, y 0 (t) = 2 , z 0 (t) = − 2 ⇒
2t 2t 4t
 138

Z2 r
1 1 1
LAB
d = 4
+ 4+ dt
4t 4t 16t4
1
Z2 r Z2
9 3
= 4
dt = t−2 dt
16t 4
1 1
−1 2
3 t 3
= = .
4 −1 1 8
b) Elementul de arc al curbei C este:
p
ds = E[u(t), v(t)]u0 (t)2 + 2F [u(t), v(t)]u0 (t)v 0 (t) + G[u(t), v(t)]v 0 (t)2 dt.

1 1 1
E(u, v) = kru0 (u, v)k2 = 4
+ 4+ 4 2
4u 4u 4u v
1 1
= 4
+ 4 2
2u 4u v
1 1 1
F (u, v) = ru0 (u, v).rv0 (u, v) = 2 2
− 2 2+ 3 3
4u v 4u v 4u v
1
=
4u3 v 3
1 1 1
G(u, v) = krv0 (u, v)k2 = 4
+ 4+ 2 4
4v 4v 4u v
1 1
=4
+ 2 4.
2v 4u v
( (
u(t) = t u0 (t) = 1
Parametrizăm curba C : ⇒ ⇒
v(t) = 2 v 0 (t) = 0

1 1 9 1 1 1
E(t, 2) = 4
+ 4
= 4
, F (t, 2) = 3
, G(t, 2) = +
2t 16t 16t 32t 32 64t2

Cum u0 (t) = t0 = 1, şi v 0 (t) = 0, atunci elementul de arc este

p
ds = E(t, 2)u0 (t)2 + 2F (t, 2)u0 (t)v 0 (t) + G(t, 2)v 0 (t)2 dt
r
p 9 3
= E(t, 2)dt = 4
dt = 2 dt.
16t 4t
 139

c) Elementul de arie este

p
dσ = E(u, v)G(u, v) − F (u, v)2 dudv
s  
1 1 1 1 1
= 4
+ 4 2 4
+ 2 4 − dudv
2u 4u v 2v 4u v 16u6 v 6
r
1 1 1
= 2 2 1 + 2 + 2 dudv.
2u v 2u 2v

Metrica pe S este

ds2 = E(u, v)du2 + 2F (u, v)dudv + G(u, v)dv 2

   
1 1 2 1 1 1
= + du + 3 3 dudv + + dv 2 .
2u4 4u4 v 2 2u v 2v 4 4u2 v 4

Calculăm coeficienţii primei forme fundamentale ı̂n punctul A(u = 1, v = 2):

9 1 3
E(1, 2) = , F (1, 2) = , G(1, 2) = .
16 32 64

Atunci matricea primei forme fundamentale este

9 1
 
" #
E(1, 2) F (1, 2)  16 32 
[ΦA ] = = .
 
F (1, 2) G(1, 2)  1 3 
32 64
CAPITOLUL 7
CONICE ŞI CUADRICE

7.1 Conice
Conicele se obţin din intersecţia unui con cu un plan.

7.1.1 Cercul
C : (x − xC )2 + (y − yC )2 = r2 . (7.1)

Ecuaţiile parametrice polare ale cercului:

(
x = xC + r cos t
C: , t ∈ [0, 2π), (7.2)
y = yC + r sin t

Figure 7.1. Cercul de centru C şi rază r.

 141

x 2 + y 2 =1

Figure 7.2. Cercul de centru O(0, 0) şi rază 1.

7.1.2 Elipsa
x2 y 2
E: + 2 = 1, (7.3)
a2 b
unde b2 = a2 − c2 .
Ecuaţiile parametrice polare ale elipsei:
(
x = a cos t
, t ∈ [0, 2π).
y = b sin t

Figure 7.3. Elipsa de focare F şi F 0 .

 142

x2 y2
2
+ =1
a b2

Figure 7.4. Elipsa de semiaxe a şi b.

7.1.3 Hiperbola
x2 y 2
H : 2 − 2 = 1, (7.4)
a b
unde b2 = c2 − a2 .
Ecuaţiile parametrice ale hiperbolei:
(
x = a cosh t
, t ∈ R.
y = b sinh t

1 1
Reamintim că prin sinh t = (et − e−t ) şi respectiv cosh t = (et + e−t ), am notat funcţiile
2 2
trigonometrice hiperbolice sinus hiperbolic, respectiv cosinus hiperbolic.

Figure 7.5. Hiperbola de focare F şi F 0 .

 143

x2 y2
2
+ =1
a b2

Figure 7.6. Hiperbola de semiaxe a şi b.

7.1.4 Parabola
P : y 2 = 2px. (7.5)

Această ecuaţie se numeşte ecuaţia carteziană implicită a parabolei P.

Ecuaţiile parametrice ale parabolei:

t2

x =


2p


, t ∈ R.



 y=t

Figure 7.7. Parabola de focar F şi directoare d.

 144

y 2 =2 px

Figure 7.8. Parabola.

7.2 Cuadrice

7.2.1 Elipsoidul
Este cuadrica de ecuaţie:
x2 y 2 z 2
+ 2 + 2 =1
a2 b c
unde a, b, c se numesc semiaxele elipsoidului.

Ecuaţiile parametrice ale elipsoidului sunt:


 x = a sin θ cos ϕ


y = b sin θ sin ϕ ϕ ∈ [0, 2π] , θ ∈ [0, π] .


 z = c cos θ

Sfera este un elipsoid cu semiaxe egale a = b = c = R.

Ecuaţiile parametrice ale sferei sunt:

 x = R sin θ cos ϕ


y = R sin θ sin ϕ ϕ ∈ [0, 2π] , θ ∈ [0, π]


 z = R cos θ
 145

Figura 1 - Elipsoidul

7.2.2 Hiperboloidul
7.2.2.1 Hiperboloidul cu o pânză

Este cuadrica de ecuaţie:

x2 y 2 z 2
+ 2 − 2 = 1.
a2 b c

Ecuaţiile parametrice ale hiperboloidului cu o pânză sunt:


 x = a cos u ch v


y = b sin u ch v u ∈ [0, 2π] , v ∈ R.


 z = c sh v

Figura 2 - Hiperboloidul cu o pânză

 146

7.2.2.2 Hiperboloidul cu două pânze

Este cuadrica de ecuaţie:

x2 y 2 z 2
− − 2 + 2 = 1.
a2 b c

Ecuaţiile parametrice ale hiperboloidului cu două pânze sunt:


 x = a cos u sh v


y = b sin u sh v u ∈ [0, 2π] , v ∈ R.


 z = c ch v

Figura 3 - Hiperboloidul cu două pânze

7.2.3 Paraboloidul
7.2.3.1 Paraboloidul eliptic

Paraboloidul eliptic este cuadrica de ecuaţie:

x2 y 2
+ 2 = 2cz, c > 0.
a2 b

Ecuaţiile parametrice ale paraboloidului eliptic sunt:


 x = au cos v


y = bu sin v u ∈ R, v ∈ R.

 z = u2 .

2c
 147

Figura 4 - Paraboloidul eliptic

7.2.3.2 Paraboloidul hiperbolic

Este cuadrica de ecuaţie:

x2 y 2
− 2 = 2cz, c < 0.
a2 b
Ecuaţiile parametrice ale paraboloidului hiperbolic sunt:

 x = au ch v


y = bu sh v u ∈ R, v ∈ R.

 z = u2

2c

Figura 5 - Paraboloidul hiperbolic

 148

7.2.4 Conul
Se numeşte con cuadrica de ecuaţie:

x2 y 2 z 2
+ 2 − 2 = 0.
a2 b c

Ecuaţiile parametrice ale conului sunt:


 x = a cos v


y = b sin v u ∈ R, v ∈ R.


 z=c

Figura 6 - Conul

7.2.5 Cilindrul
7.2.5.1 Cilindrul eliptic

Se numeşte cilindru eliptic cuadrica de ecuaţie:

x2 y 2
+ 2 − 1 = 0.
a2 b
 149

Ecuaţiile parametrice ale cilindrului eliptic sunt:


 x = a cos v


y = b sin v z ∈ R, v ∈ R.


 z=z

Figura 7 - Cilindrul eliptic

7.2.5.2 Cilindrul hiperbolic

Se numeşte cilindru hiperbolic cuadrica de ecuaţie:

x2 y 2
− 2 −1=0
a2 b

Ecuaţiile parametrice ale cilindrului hiperbolic sunt:


 x = a sh v


y = b ch v z ∈ R, v ∈ R.


 z=z
 150

Figura 8 - Cilindrul hiperbolic

7.2.5.3 Cilindrul parabolic

Se numeşte cilindru parabolic cuadrica de ecuaţie:

y 2 = 2px.

Figura 9 - Cilindrul parabolic