Curs 4-Imed

Algebră liniară, geometrie analitică şi diferenţială
cursul 4
2021-2022

Aplicaţii ale transformărilor liniare: transformări geometrice
elementare ı̂n R2 .
Vectori şi valori proprii. Forma diagonală a unui
endomorfism–aplicaţii

Transformări liniare
Definiţie
Fie T : V → W o transformare liniară. Mulţimea
ker(T ) = {v ∈ V : T (v) = 0W }
se numeşte nucleul transformării T .
W
V
ker(T) 0W
Figure: Nucleul transformării T .

Exemplu
a. Nucleul transformării nule T : V → W , T (v) = 0W este
ı̂ntregul domeniu V , deci ker(T ) = V .
b. Nucleul transformării identice T : V → V , T (v) = v este
format doar din vectorul nul 0V , deci ker(T ) = {0V }.
Exemplu
Fie T : R3 → R3 o transformare liniară definită prin
T (v) = (v1 + v2 + v3 , v2 + v3 , v3 ).
Determinaţi ker(T ).

Soluţie.
Fie v ∈ R3 , v = (v1 , v2 , v3 ), astfel ı̂ncât T (v) = (0, 0, 0), echivalent
cu
(v1 + v2 + v3 , v2 + v3 , v3 ) = (0, 0, 0).
Prin urmare, obţinem sistemul

v1 + v2 + v3 = 0

v2 + v3 = 0

v3 = 0

care are soluţia v1 = v2 = v3 = 0. Prin urmare,

ker(T ) = {(0, 0, 0)}.

Exemplu
Fie T : R3 → R2 o transformare liniară definită prin
T (v) = (v1 − v2 − 2v3 , −v1 + 2v2 + 3v3 ), unde
v = (v1 , v2 , v3 ) ∈ R3 . Determinaţi ker(T ).
Soluţie.
Fie v ∈ R3 , v = (v1 , v2 , v3 ), astfel ı̂ncât T (v) = (0, 0), echivalent
cu
(v1 − v2 − 2v3 , −v1 + 2v2 + 3v3 ) = (0, 0).
Prin urmare, obţinem sistemul
(
v1 − v2 − 2v3 = 0
.
−v1 + 2v2 + 3v3 = 0
Matricea extinsă asociată sistemului este

1 −1 −2 0 L2 + L1 1 −1 −2 0

∼
−1 2 3 0 0 1 1 0
deci obţinem sistemul
(
v1 − v2 − 2v3 = 0
.
v2 + v3 = 0
Notând v3 = α ∈ R, sistemul devine

(
v1 − v2 = 2α
v2 = −α
cu soluţia v1 = α, v2 = −α şi v3 = α cu α ∈ R. Prin urmare
ker(T ) = {(α, −α, α) : α ∈ R} = Span{(1, −1, 1)}.

Teoremă
Fie V şi W două k-spaţii vectoriale şi T : V → W o transformare
liniară. Atunci ker(T ) este subspaţiu vectorial ı̂n V .

Teoremă
liniară. Atunci ker(T ) este subspaţiu vectorial ı̂n V .
Demonstraţie.
Din definiţia nucleului reiese că ker(T ) ⊆ V . Cum T (0V ) = 0W ,
deci 0V ∈ ker(T ). Prin urmare, ker(T ) este o mulţime nevidă. Fie
α, β ∈ k şi u, v ∈ ker(T ), echivalent cu T (u) = 0W şi T (v) = 0W .
Pentru a demonstra că ker(T ) este subspaţiu vectorial ı̂n V este
suficient să verificăm că αu + βv ∈ ker(T ), echivalent cu
T (αu + βv) = 0W . Având ı̂n vedere că T este transformare liniară
şi că u, v ∈ ker(T ), obţinem
T (αu + βv) = αT (u) + βT (v) = α · 0W + β · 0W = 0W .

Fiind subspaţiu vectorial, nucleul are o bază. Definim defectul

aplicaţiei T , şi ı̂l notăm cu defect(T ), ca fiind dimensiunea
nucleului, deci
defect(T ) = dim(ker(T )).

Fiind subspaţiu vectorial, nucleul are o bază. Definim defectul

aplicaţiei T , şi ı̂l notăm cu defect(T ), ca fiind dimensiunea
nucleului, deci
defect(T ) = dim(ker(T )).
Am vorbit despre noţiunea de imagine a unei funcţii T : V → W
ca fiind
Im(T ) = {w ∈ W : există v ∈ V astfel ı̂ncât T (v) = w} =
= {T (v) : v ∈ V }.
Teoremă
liniară. Imaginea transformării T , Im(T ), este subspaţiu vectorial
ı̂n W .

Demonstraţie.
Fie w1 , w2 ∈ Im(T ), deci există v1 , v2 ∈ V astfel ı̂ncât
T (v1 ) = w1 şi T (v2 ) = w2 . Fie α, β ∈ k. Pentru a demonstra că
Im(T ) este subspaţiu vectorial este suficient să demonstrăm că
vectorul αw1 + βw2 ∈ Im(T ) deci că există u ∈ V astfel ı̂ncât
T (u) = αw1 + βw2 . Având ı̂n vedere că w1 , w2 ∈ Im(T ) şi că T
este transformare liniară, avem
αw1 + βw2 = αT (v1 ) + βT (v2 ) = T (αv1 + βv2 ) = T (u),
unde u = αv1 + βv2 ∈ V .

Vom defini rangul transformării liniare T , şi-l vom nota

rank(T), ca fiind dimensiunea spaţiului vectorial Im(T ), i.e.
rank(T) = dim(Im(T)).

Vom defini rangul transformării liniare T , şi-l vom nota

rank(T), ca fiind dimensiunea spaţiului vectorial Im(T ), i.e.
rank(T) = dim(Im(T)).
Exemplu
Fie T : R5 → R4 definită prin
T (v) = (2v1 +2v2 −3v3 +v4 +3v5 , v1 +v2 +v3 +v4 −v5 , 3v1 +3v2 +4v5 ,
3v1 + 3v2 − v3 − 2v4 ),

unde v = (v1 , . . . , v5 ) ∈ R5 . Determinaţi Im(T ).

Soluţie.
Observăm că
T (v) = (2v1 + 2v2 − 3v3 + v4 + 3v5 , v1 + v2 + v3 + v4 − v5 ,
3v1 + 3v2 + 4v5 , 3v1 + 3v2 − v3 − 2v4 ) =

= (2v1 , v1 , 3v1 , 3v1 ) + (2v2 , v2 , 3v2 , 3v2 )+
+(−3v3 , v3 , 0, −v3 ) + (v4 , v4 , 0, −2v4 ) + (3v5 , −v5 , 4v5 , 0) =
= v1 (2, 1, 3, 3) + v2 (2, 1, 3, 3)+
+v3 (−3, 1, 0, −1) + v4 (1, 1, 0, −2) + v5 (3, −1, 4, 0),
unde v1 , . . . , v5 ∈ R. Notând vectorii u1 = (2, 1, 3, 3),
u2 = (2, 1, 3, 3), u3 = (−3, 1, 0, −1), u4 = (1, 1, 0, −2) şi
u5 = (3, −1, 4, 0) obţinem că
Im(T ) = Span(u1 , u2 , u3 , u4 , u5 ).
Teoremă (Teorema dimensiunii)

liniară. Atunci
defect(T ) + rank(T) = dim(V).
Teoremă
Fie T : V → W o transformare liniară. Atunci:
I T este funcţie injectivă dacă şi numai dacă ker(T ) = {0V };
I T este funcţie surjectivă dacă şi numai dacă Im(T ) = W .

Teoremă
Fie V şi W două k-spaţii vectoriale astfel ı̂ncât
dim(V ) = dim(W ) = n şi T : V → W o transformare liniară.
Atunci T este funcţie injectivă dacă şi numai dacă T este
surjectivă.

Teoremă
Fie V şi W două k-spaţii vectoriale astfel ı̂ncât
dim(V ) = dim(W ) = n şi T : V → W o transformare liniară.
Atunci T este funcţie injectivă dacă şi numai dacă T este
surjectivă.
Definiţie
Fie V şi W două k-spaţii vectoriale. O transformare liniară
T : V → W se numeşte izomorfism dacă T este injectivă şi
surjectivă (T este bijectivă). Un izomorfism T : V → V se
numeşte automorfism. Spunem că V şi W sunt izomorfe dacă
există un izomorfism T : V → W .

Teoremă
Două k-spaţii vectoriale V şi W sunt izomorfe dacă şi numai dacă
au aceeaşi dimensiune.

Teoremă
Două k-spaţii vectoriale V şi W sunt izomorfe dacă şi numai dacă
au aceeaşi dimensiune.
Exemplu
Următoarele spaţii de dimensiune 4 sunt izomorfe:
I R4
I M2×2 (R)
I R3 [x] – mulţimea polinoamelor de grad cel mult 3
I M4×1 (R)
I V = {(x1 , x2 , x3 , x4 , 0) : x1 , x2 , x3 , x4 ∈ R} ⊆ R5 .

Matricea asociată unei transformări liniare
Fie V şi W două k-spaţii vectoriale, dim(V ) = n, dim(W ) = m şi

T : V → W o transformare liniară. Fie B = {v1 , . . . , vn } o bază ı̂n
V şi B 0 = {w1 , . . . , wm } o bază ı̂n W . Cum
T (v1 ), . . . , T (vn ) ∈ W şi B 0 este o bază ı̂n W , putem considera
coordonatele vectorilor ı̂n această bază:

 
α11
 α21 
[T (v1 )]B 0 = α11 w1 + α21 w2 + · · · + αm1 wm ∼
=  .. 
 
 . 
αm1
 
α12
 α22 
[T (v2 )]B 0 = α12 w1 + α22 w2 + · · · + αm2 wm ∼
=  .. 
 
 . 
αm2
..
.
 
α1n
 α2n 
[T (vn )]B 0 = α1n w1 + α2n w2 + · · · + αmn wm ∼
=  .. 
 
 . 
αmn
Matricea A ∈ Mm,n (R) definită prin

 
α11 α12 · · · α1n
 α21 α22 · · · α2n 
[T ]B,B 0 =  .
 
.. .. 
 .. . . 
αm1 αm2 · · · αmn
are proprietatea că
[T (v)]B 0 = [T ]B,B 0 · [v]B
şi se numeşte matricea transformării liniare T ı̂n raport cu

bazele B şi B 0 .

Dacă V = W şi B = B 0 , atunci T : V → V este un endomorfism,

iar matricea transformării ı̂n raport cu baza B va fi notată [T ]B .
Cu aceste notaţii, pentru orive vector v ∈ V avem
[T (v)]B = [T ]B · [v]B .

Dacă V = W şi B = B 0 , atunci T : V → V este un endomorfism,

iar matricea transformării ı̂n raport cu baza B va fi notată [T ]B .
Cu aceste notaţii, pentru orive vector v ∈ V avem
[T (v)]B = [T ]B · [v]B .
Observaţie
Din construcţia anterioară se observă că ordinea elementelor ı̂n
matrice este dată de ordinea vectorilor ı̂n cele două baze. Din acest
motiv, vom presupune că vectorii din bazele cu care lucrăm sunt
ordonaţi. O bază ı̂n care vectorii au fost aranjaţi ı̂ntr-o anumită
ordine se numeşte bază ordonată.

Exemplu
Fie T : R4 → R3 definită prin
T (v) = (v1 + v3 − 2v4 , v2 + v4 , 3v1 − v3 ).
Fie bazele canonice
B = {e1 = (1, 0, 0, 0), e2 = (0, 1, 0, 0), e3 = (0, 0, 1, 0), e4 = (0, 0, 0, 1)}
şi
B 0 = {f1 = (1, 0, 0), f2 = (0, 1, 0), f3 = (0, 0, 1)}.
Să se afle matricea transformării T ı̂n raport cu bazele B şiB 0 .

Soluţie.
Calculăm imaginile vectorilor din B prin transformarea T şi
coordonatele acestora ı̂n baza B 0 :
 
1
∼
T (e1 ) = T (1, 0, 0, 0) = (1, 0, 3) = f1 + 3f3 = 0

3
 
0
T (e2 ) = T (0, 1, 0, 0) = (0, 1, 0) = f2 ∼
= 1
0
 
1
T (e3 ) = T (0, 0, 1, 0) = (1, 0, −1) = f1 − f3 ∼
= 0 
−1

 
−2
T (e4 ) = T (0, 0, 0, 1) = (−2, 1, 0) = −2f1 + f2 ∼
=  1 .
0
Prin urmare, matricea transformării T ı̂n raport cu cele două baze

este  
1 0 1 −2
[T ]B,B 0 = 0 1 0 1 .
3 0 −1 0

Observaţie
Putem generaliza exemplul anterior astfel: funcţia T : Rn → Rm
este o transformare liniară dacă şi numai
 dacă
 există o matrice
v1
A ∈ Mm,n (R) astfel ı̂ncât T (v) = A ·  ... , unde v = (v1 , . . . , vn )
 
vn
reprezintă coordonatele ı̂n baza canonică din Rn .

Teoremă
Fie V şi W două k-spaţii vectoriale finit dimensionale cu bazele
ordonate B şi B 0 . Fie S, T : V → W două transformări liniare.
Atunci:
(i) [S + T ]B,B 0 = [S]B,B 0 + [T ]B,B 0 ;

(ii) [αT ]B,B 0 = α[T ]B,B 0 , pentru orice α ∈ k.

Teoremă
Fie V şi W două k-spaţii vectoriale finit dimensionale cu bazele
ordonate B şi B 0 . Fie S, T : V → W două transformări liniare.
Atunci:
(i) [S + T ]B,B 0 = [S]B,B 0 + [T ]B,B 0 ;

(ii) [αT ]B,B 0 = α[T ]B,B 0 , pentru orice α ∈ k.
Teoremă
Fie U, V şi W k-spaţii vectoriale finit dimensionale cu bazele
ordonate B, B 0 şi B”. Fie S : U → V şi T : V → W transformări
liniare. Atunci
[T ◦ S]B,B” = [T ]B 0 ,B” · [S]B,B 0 .

Aplicând ı̂n mod repetat teorema anterioară pentru cazul ı̂n care
V = W , obţinem:
Corolar
Fie V un k-spaţiu vectorial finit dimensional, B o bază ordonată ı̂n
V şi T : V → V o transformare liniară. Atunci
[T n ]B = ([T ]B )n .

Aplicând ı̂n mod repetat teorema anterioară pentru cazul ı̂n care
V = W , obţinem:
Corolar
Fie V un k-spaţiu vectorial finit dimensional, B o bază ordonată ı̂n
V şi T : V → V o transformare liniară. Atunci
[T n ]B = ([T ]B )n .
Corolar
Fie V un k-spaţiu vectorial de dimensiune n, B o bază ordonată ı̂n
V şi T : V → V un automorfism. Atunci
[T −1 ]B = ([T ]B )−1 .

Teoremă
Fie V un k-spaţiu vectorial finit dimensional, B1 şi B2 baze
ordonate din V şi T : V → V o transformare liniară. Notăm cu
P = TB2 →B1 matricea de trecere de la B2 la B1 . Atunci
[T ]B2 = P −1 [T ]B1 P

Exemplu
Fie T : R2 → R2 transformarea liniară definită prin
T (x) = (x1 + x2 , 2x1 − x2 ),
unde x = (x1 , x2 ) ∈ R2 . Considerăm

B1 = {u1 = (1, −2), u2 = (0, 2)} şi
B2 = {v1 = (1, 2), v2 = (−1, 0)}.
Matricea aplicaţiei T ı̂n baza B1 este

−1 2
[T ]B1 = ,
1 1
iar matricea de trecere de la baza B2 la B1 este

−1 1
P=
−2 1

cu inversa
−1 1 −1
P = .
2 −1
Atunci

1 −1 −1 2 −1 1 0 −1
[T ]B2 = P −1 [T ]B1 P = · · = .
2 −1 1 1 −2 1 −3 0

Definiţie
Fie A, B ∈ Mn (R) două matrice. Matricele A şi B se numesc
asemenea dacă există o matrice inversabilă P astfel ı̂ncât
B = P −1 AP.

Definiţie
Fie A, B ∈ Mn (R) două matrice. Matricele A şi B se numesc
asemenea dacă există o matrice inversabilă P astfel ı̂ncât
B = P −1 AP.
Observaţie
Dacă T : V → V este o transformare liniară şi considerăm B, B 0
două baze ordonate ı̂n V , atunci matricele transformării T ı̂n
bazele B şi B 0 sunt asemenea.

Transformări geometrice elementare ı̂n R2
Ne propunem să studiem transformările geometrice din plan. Prin
urmare, matricele transformărilor vor fi matrice pătratice de ordin
2.
1 0
I Simetria faţă de axa Ox are matricea A = . În
0 −1
particular T (x, y ) = (x, −y ).


−1 0
I Simetria faţă de axa Oy are matricea A = . În
0 1
particular T (x, y ) = (−x, y ).
Figure: Simetria faţă de axa Oy


0 1
I Simetria faţă de dreapta y = x are matricea A = .
1 0
În particular T (x, y ) = (y , x).
Figure: Simetria faţă de dreapta y = x

Tehnici de editare a imaginilor
I “Alungirea” imaginii: se folosesc matrice pătratice de forma

1 0
A= , k > 1.
0 k
I “Lăţirea” imaginii: se folosesc matrice pătratice de forma

k 0
A= , k > 1.
0 1
I “Turtirea” imaginii se folosesc matrice pătratice de forma

1 0
A= , 0 < k < 1.
0 k
I “Îngustarea”
imaginii:
se folosesc matrice pătratice de
k 0
forma A = , 0 < k < 1.
0 1
I “Scalarea
imaginii”:
se folosesc matrice pătratice de forma
k 0
A= , k > 0.
0 k
Exemplu
Considerăm triunghiul ABC ı̂n R2 ı̂n care identificăm vârfurile cu
vectorii A := (4, 2), B := (2, 4), C := (4, 4).
Fie T1 , T2 , T3 , T4 , T5 : R2 → R2 transformări liniare descrise de
matricele
!

1 0

2 0
1 0
A1 = , A2 = , A3 = 1 ,
0 2 0 1 0
2
1 !
0 2 0
A4 = 2 , A5 = .
0 1 0 2
Să se studieze imaginea triunghiului după transformările liniare

T1 , . . . , T5 .

Pentru T1 avem:

1 0 4 4
T1 (A) = · = ,
0 2 2 4

1 0 2 2 1 0 4 4
T1 (B) = · = , T1 (C ) = · = .
0 2 4 8 0 2 4 8
y y (2, 8) (4, 8)
(2, 4) (4, 4) T1 (4, 4)
(4,2)
O x O x
Figure: Triunghiul ABC şi imaginea sa prin T1 .


2 0 4 8
Pentru T2 obţinem T2 (A) = · = ,
0 1 2 2

2 0 2 4 2 0 4 8
T2 (B) = · = , T2 (C ) = · = .
0 1 4 4 0 1 4 4
T2
y y
(2, 4) (4, 4) (4, 4) (8, 4)
(4, 2) (8, 2)
O x O x
Figure: Triunghiul ABC şi imaginea sa prin T2 .

!
0 4 1 4
Pentru T3 avem T3 (A) = 1 · = ,
0 2 1
2
! !
1 0 2 2 1 0 4 4
T3 (B) = 1 · = , T3 (C ) = 1 · = .
0 4 2 0 4 2
2 2
T3
y y
(2, 4) (4, 4)
(4, 2) (2, 2) (4, 2)

(4, 1)
O x O x
Figure: Triunghiul ABC şiAlgebră

imaginea sa prin analitică
liniară, geometrie T3 . şi diferenţială
1 !
0 4 2
Pentru T4 obţinem T4 (A) = 2 · = ,
0 1 2 2
1 ! 1 !
0 2 1 0 4 2
T4 (B) = 2 · = , T4 (C ) = 2 · = .
0 1 4 4 0 1 4 4
T4
y y
(2, 4) (4, 4) (1, 4) (2, 4)
(4, 2) (2, 2)
O x O x

imaginea sa prin analitică
liniară, geometrie T4 . şi diferenţială

2 0 4 8
Pentru T5 avem T5 (A) = · = ,
0 2 2 4

2 0 2 4 2 0 4 8
T5 (B) = · = , T5 (C ) = · = .
0 2 4 8 0 2 4 8
T5
y y (4, 8) (8, 8)
(2, 4) (4, 4) (8, 4)
(4, 2)
O x O x
Alte tipuri de transformări ale imaginilor sunt:

I ”Alungirea pe diagonală spre dreapta”: se foloseşte o
1 k
matrice de forma A = , unde k > 0. În acest caz,
0 1
transformarea liniară este T (x, y ) = (x + ky , y ).
I ”Alungirea pe diagonală spre stânga”: se foloseşte o
1 0
matrice de forma A = . În acest caz, transformarea
k 1
liniară este T (x, y ) = (x, kx + y ).

Exemplu
vectorii A := (4, 2), B := (2, 4), C := (4, 4). Fie transformările
liniare T1 , T2 : R2 → R2 descrise de matricele

1 2 1 0
A1 = şi A2 = .
0 1 2 1
Să se studieze imaginea triunghiului după transformările liniare T1

şi T2 .

Determinăm imaginile celor trei vectori prin transformarea T1 :

1 2 4 8
T1 (A) = · = ,
0 1 2 2

1 2 2 10 1 2 4 12
T1 (B) = · = , T1 (C ) = · = .
0 1 4 4 0 1 4 4
T1
y y
(2, 4) (4, 4) (10, 4) (12, 4)
(4, 2) (8, 2)
O x O x

imaginea sa prin T1 . şi diferenţială
liniară, geometrie analitică

1 0 4 4
Pentru transformarea T2 avem T2 (A) = · = ,
2 1 2 10

1 0 2 2 1 0 4 4
T2 (B) = · = , T2 (C ) = · = .
2 1 4 8 2 1 4 12
T2 y (4,12)
(4,10)
y
(2,8)
(2,4) (4,4)
(4,2)
O x O x
O altă transformare liniară cu aplicaţii ı̂n grafică este rotaţia de

unghi θ. Din punct de vedere trigonometric, coordonatele unui
punct (x, y ) din R2 se modifică ı̂n urma unei rotaţii θ astfel:
x 0 = x cos θ − y sin θ
y 0 = x sin θ + y cos θ.
Dacă θ > 0, vom efectua o rotaţie ı̂n sens trigonometric (sens
invers acelor de ceas), iar dacă θ < 0 rotaţia va fi ı̂n sensul acelor
de ceas (ı̂n sens invers trigonometric). Prin urmare, transformarea
liniară Tθ : R2 → R2 descrisă de

x cos θ − sin θ x
Tθ = ·
y sin θ cos θ y
reprezintă o rotaţie de unghi θ.

Exemplu
π
vectorii A := (2, 4), B := (4, 4), C := (4, 2). Rotaţia de unghi
4
este Tπ/4 : R2 → R2 şi este descrisă de matricea
√ √ 
2 2

cos π/4 − sin π/4

 2 −
2 
sin π/4 cos π/4  √2
= √ 
2 
.
2 2
Să se studieze imaginea triunghiului după transformarea liniară
Tπ/4 .

Determinăm imaginile celor trei vectori prin transformarea Tπ/4 :
√ √ 
2 2 √
 2 − 2  2 −√ 2
Tπ/4 (A) =  √
 √ ·  = ,
2 2 4 3 2
2 2
√ √ 
2 2
 2 − 2  4

√0
Tπ/4 (B) =  √
 √ ·  = ,
2 2 4 4 2
2 2
√ √ 
2 2 √
 2 − 2  4
Tπ/4 (C ) =  √
 √ ·  = √2 .
2 2 2 3 2
2 2

Reprezentarea geometrică este:
Figure: Rotaţie de unghi 45◦

Fie a = (a1 , a2 ) ∈ R2 un vector. Un operator Sa : R2 → R2 definit

prin Sa (v) = v + a se numeşte translaţie de vector a. Translaţia
de vector a este o transformare liniară dacă şi numai dacă a = 0.
Exemplu
vectorii A := (2, 4), B := (4, 4), C := (4, 2). Fie a = (−5, 4) ∈ R2 .
Să se studieze imaginea triunghiului după translaţia Sa .
Determinăm imaginile vectorilor A, B şi C prin transformarea Sa :
Sa (A) = (2, 4) + (−5, 4) = (−3, 8) =: A0 ,

Sa (B) = (4, 4) + (−5, 4) = (−1, 8) =: B 0 ,
Sa (C ) = (4, 2) + (−5, 4) = (−1, 6) =: C 0 .

Reprezentarea geometrică este:
Figure: Translaţie de vector (−5, 4)

Vectori şi valori proprii
Fie A ∈ Mn (R). Matricea A poate fi văzută ca fiind matricea unei

transformări liniare T : Rn → Rn , definită prin T (x) = A · x.


Definiţie
Un scalar λ ∈ R se numeşte valoare proprie pentru matricea A
dacă există un vector nenul x ∈ Rn astfel ı̂ncât Ax = λx. Vectorul
nenul x cu această proprietate se va numi vector propriu
corespunzător valorii proprii λ.


Definiţie
Un scalar λ ∈ R se numeşte valoare proprie pentru matricea A
dacă există un vector nenul x ∈ Rn astfel ı̂ncât Ax = λx. Vectorul
nenul x cu această proprietate se va numi vector propriu
corespunzător valorii proprii λ.
Observaţie
Dacă interpretăm definiţia ı̂n termeni de transformări liniare, atunci
un vector propriu pentru o transformare liniară este un vector nenul
x care, prin transformarea T , este dus ı̂ntr-un multiplu al său, i.e.
T (x) = λx.

Observaţie
Conform definiţiei, 0 nu poate fi vector propriu deoarece am obţine
ı̂n acest caz A0 = λ0, egalitate care este adevărată pentru orice
λ ∈ R. Putem avea ı̂nsă ca valoare proprie λ = 0.
Definiţie
Fie A ∈ Mn (R). Polinomul PA (λ) = det(A − λIn ) se numeşte
polinomul caracteristic al matricei A.
Analizând definiţiile, observăm că rădăcinile polinomului
caracteristic sunt valorile proprii ale matricei A.

Exemplu
1 2
Fie A = . Să se determine polinomul caracteristic, valorile
0 4
şi vectorii proprii pentru matricea A.

Exemplu
1 2
Fie A = . Să se determine polinomul caracteristic, valorile
0 4
şi vectorii proprii pentru matricea A.
Soluţie.
Polinomul caracteristic al matricei A este
1−λ 2
PA (λ) = det(A−λI2 ) = = (1−λ)(4−λ) = 4−5λ+λ2 .
0 4−λ
Valorile proprii sunt rădăcinile polinomului caracteristic. Prin

urmare
PA (λ) = 0 implică (1 − λ)(4 − λ) = 0
cu soluţiile λ1 = 1 şi λ2 = 4. Deci valorile proprii sunt λ1 = 1 şi
λ2 = 4.
Pentru fiecare valoare proprie, determinăm un vector propriu.

Pentru λ1 = 1, fie x = (x1 , x2 ) astfel ı̂ncât Ax = x sau, echivalent
(A − I2 )x = 0.
Prin urmare, trebuie să rezolvăm ecuaţia matriceală

0 2 x 0
· 1 =
0 3 x2 0
cu soluţia x1 = α ∈ R, x2 = 0. Un vector propriu particular pentru

valoarea proprie λ1 = 1 se obţine dând o valoare parametrului α şi
ţinând cont că x 6= 0. De exemplu, pentru α = 1 obţinem
x = (1, 0).

Pentru λ2 = 4, fie x = (x1 , x2 ) astfel ı̂ncât Ax = 4x sau, echivalent,
(A − 4I2 )x = 0.
Prin urmare, trebuie să rezolvăm ecuaţia matriceală

−3 2 x 0
· 1 =
0 0 x2 0
3
echivalent cu −3x1 + 2x2 = 0 cu soluţia x1 = α ∈ R, x2 = α. Un
2
vector propriu particular pentru valoarea proprie λ2 = 4 se obţine
dând o valoare parametrului α şi ţinând cont că x 6= 0. De
exemplu, pentru α = 2 obţinem x = (2, 3).

Exemplu  
0 0 0
Fie matricea A = 0  0 1. Să se determine polinomul
0 −1 0
caracteristic, valorile şi vectorii proprii pentru matricea A.
Soluţie.
Polinomul caracteristic asociat matricei A este
−λ 0 0
PA (λ) = det(A − λI3 ) = 0 −λ 1 = −λ3 − λ
0 −1 −λ

Pentru a determina valorile proprii trebuie să rezolvăm ecuaţia
−λ3 − λ = 0
echivalent cu λ(λ2 + 1) = 0. Soluţiile acestei ecuaţii sunt λ1 = 0 şi

λ2,3 = ±i. Cum valorile proprii sunt numere reale, avem o singură
valoare proprie λ = 0. Pentru această valoare proprie determinăm
vectorii proprii corespunzători. Rezolvăm ecuaţia matriceală
A · x = 0, unde x = (x1 , x2 , x3 ). Ecuaţia matriceală
     
0 0 0 x1 0
0 0 1 · x2  = 0
0 −1 0 x3 0
are soluţia x1 = α ∈ R, x2 = x3 = 0. Deci vectorii proprii

corespunzători valorii proprii λ = 0 sunt de forma x = (α, 0, 0),
unde α ∈ R. Un vector propriu particular se obţine dând valori
parametrului α. De exemplu, pentru α = 1 obţinem x = (1, 0, 0).
Observaţie
Deoarece valorile proprii sunt rădăcini ale polinomului caracteristic,
sistemele care conduc la obţinerea vectorilor proprii sunt
ı̂ntotdeauna compatibil nedeterminate.

Observaţie
Deoarece valorile proprii sunt rădăcini ale polinomului caracteristic,
sistemele care conduc la obţinerea vectorilor proprii sunt
ı̂ntotdeauna compatibil nedeterminate.
Definiţie
Fie A ∈ Mn (R), λ ∈ R o valoare proprie pentru A şi x un vector
propriu corespunzător valorii proprii λ. Atunci
Sλ = {0} ∪ {vectorii proprii corespunzători valorii proprii λ}
se numeşte subspaţiul propriu corespunzător valorii proprii λ.

Dimensiunea subspaţiului propriu Sλ se numeşte multiplicitatea
geometrică a valorii proprii λ şi se notează cu µg (λ). Prin urmare
µg (λ) = dim (Sλ ).

Observaţie
Fie λ o valoare proprie a matricei A. Deoarece Sλ 6= ∅ şi vectorii
proprii sunt nenuli, avem ı̂ntotdeauna µg (λ) ≥ 1.

Observaţie
Fie λ o valoare proprie a matricei A. Deoarece Sλ 6= ∅ şi vectorii
proprii sunt nenuli, avem ı̂ntotdeauna µg (λ) ≥ 1.
Definiţie
Ordinul de multiplicitate al unei valori proprii λ se numeşte
multiplicitatea algebrică a valorii proprii λ şi se notează cu µa (λ).

Exemplu
În primul exemplu aveam valorile proprii sunt λ1 = 1 şi λ2 = 4,
deci multiplicităţile algebrice sunt µa (1) = µa (4) = 1. Pentru
determinarea multiplicităţilor geometrice, trebuie să obţinem,
pentru fiecare subspaţiu propriu, câte o bază.
Pentru S1 = {(α, 0) : α ∈ R} se observă uşor că o bază pentru S1
este {(1,0)} şi o bază pentru S4 este {(2, 3)}. Prin urmare,
µg (1) = dim(S1 ) = 1 şi µg (4) = dim(S4 ) = 1.

Definiţie
O matrice A ∈ Mn (R) este diagonalizabilă dacă este asemenea
cu o matrice diagonală i.e. există matricele P, D ∈ Mn (R) cu
proprietatea că P este inversabilă şi D este diagonală astfel ı̂ncât
D = P −1 AP.

Definiţie
O matrice A ∈ Mn (R) este diagonalizabilă dacă este asemenea
cu o matrice diagonală i.e. există matricele P, D ∈ Mn (R) cu
proprietatea că P este inversabilă şi D este diagonală astfel ı̂ncât
D = P −1 AP.
Propoziţie
Fie A, B ∈ Mn (R) două matrice asemenea. Atunci A şi B au
aceleaşi valori proprii.

Demonstraţie.
Deoarece A şi B sunt asemenea, există o matrice inversabilă
P ∈ Mn (R) astfel ı̂ncât B = P −1 AP. Vom demonstra că
matricele A şi B au acelaşi polinom caracteristic.
PB (λ) = det(B−λIn ) = det(P −1 AP−λP −1 P) = det(P −1 AP−P −1 λP) =
= det(P −1 (A − λIn )P) = det(P −1 ) det(A − λIn ) det(P) =

= det(P −1 ) det(P) det(A − λIn ) = det(P −1 P) det(A − λIn ) =
= det(In ) det(A − λIn ) = det(A − λIn ) = PA (λ).

Teoremă
O matrice A ∈ Mn (R) este diagonalizabilă dacă şi numai dacă are
n vectori proprii liniar independenţi.
Teorema afirmă că A este diagonalizabilă dacă şi numai dacă
vectorii proprii formează o bază ı̂n Rn .

Vom construi matricele P şi D astfel ı̂ncât A = PDP −1 . Cum A

este diagonalizabilă, există o matrice inversabilă P ∈ Mn (R) şi o
matrice diagonală D ∈ Mn (R) astfel ı̂ncât A = PDP −1 . Cum A şi
D sunt asemenea, ele au aceleaşi valori proprii, deci
D = Diag (λ1 , . . . , λn ), unde λ1 , . . . , λn sunt valorile proprii ale
matricei A. Fiecare valoare proprie va fi scrisă de câte ori arată
multiplicitatea algebrică. Matricea P este matricea care are
coloanele formate din reprezentanţii vectorilor proprii
corespunzători valorilor proprii, scrişi ı̂n ordinea ı̂n care sunt scrise
valorile proprii ı̂n matricea D. Deoarece vectorii proprii formează o
bază ı̂n Rn , matricea P este inversabilă.

ALGORITM PENTRU A VERIFICA DACĂ O MATRICE

ESTE DIAGONALIZABILĂ
Fie A ∈ Mn (R) o matrice pătratică.
Pasul I: Calculăm polinomul caracteristic PA (λ) = det(A − λIn ).
Pasul II: Rezolvăm ecuaţia PA (λ) = 0. Soluţiile acestei ecuaţii vor fi
valorile proprii. Dacă obţinem valori proprii complexe,
matricea nu este diagonalizabilă.
Pasul III: Pentru fiecare valoare proprie determinăm multiplicitatea
algebrică.
Pasul IV: Pentru fiecare valoare proprie determinăm vectorii proprii,
subspaţiul propriu şi multiplicitatea geometrică.
Pasul V: Pentru fiecare valoare proprie verificăm egalitatea dintre
multiplicitatea algebrică şi cea geometrică. Dacă, pentru
fiecare valoare proprie λ, µa (λ) = µg (λ), matricea este
diagonalizabilă şi scriem matricele D şi P. Altfel, A nu este
diagonalizabilă. Algebră liniară, geometrie analitică şi diferenţială
Puterile unei matrice
Una dintre aplicaţiile matricelor diagonalizabile este aceea că

permite calcularea uşoară a puterilor sale. Dacă A ∈ Mn (R) este o
matrice diagonalizabilă, atunci există matricele D, P ∈ Mn (R) cu
D matrice diagonală şi P matrice inversabilă astfel ı̂ncât
A = PDP −1 . Atunci
Am = (PDP −1 )m = (PDP −1 )(PDP −1 ) · · · (PDP −1 ) = PD m P −1 .
Teoremă (Cayley-Hamilton)
Orice matrice pătratică verifică propriul polinom caracteristic i.e.
PA (A) = On , unde On este matricea nulă.

Exemplu
Radu şi Vasile sunt singurii furnizori de servicii de transport ı̂n
comun dintr-o regiune. În prezent, fiecare deţine 50% din piaţă.
Totuşi, recent Radu şi-a modernizat serviciile, iar un studiu arată
că, de la o lună la alta, 90% dintre clienţii lui Radu rămân fideli,
iar 10% aleg serviciile oferite de Vasile. Pe de altă parte, 70%
dintre clienţii lui Vasile rămân fideli şi 30% aleg serviciile oferite de
Radu. Dacă lucrurile continuă astfel timp de 6 luni, cum va fi
ı̂mpărţită piaţa după acest timp? Dacă lucrurile păstrează aceeaşi
direcţie, cum va arăta ı̂mpărţirea pieţei?

Fie Rm şi Vm procentele din piaţă pe care le deţin Radu şi Vasile
după m luni. Deoarece ei sunt singurii actori pe piaţă, avem că
Rm + Vm = 1. După o lună, 90% dintre clienţii lui Radu rămân
fideli, iar 30% dintre clienţii lui Vasile aleg serviciile oferite de Radu
ceea ce ı̂nseamnă că
Rm+1 = 0.9Rm + 0.3Vm .
De asemenea, 70% dintre clienţii lui Vasile rămân fideli şi 10%
dintre clienţii lui Radu aleg serviciile oferite de Vasile, deci
Vm+1 = 0.1Rm + 0.7Vm .
Prin urmare
Rm+1 0.9 0.3 Rm
= · .
Vm+1 0.1 0.7 Vm
Obţinem
că matricea
de trecere de la o etapă la alta este
0.9 0.3
T = .
0.1 0.7
Pentru a obţine unrăspuns la celedouă ı̂ntrebări, ar trebui să

6 0.5 0.5
calculăm T · şi T m · pentru m foarte mare, deoarece
0.5 0.5
iniţial R0 = V0 = 0.5. Se poate calcula uşor T 6 , dar nu putem
obţine un răspuns pentru a doua ı̂ntrebare ı̂n acest mod. Pentru a
da un răspuns, vom diagonaliza matricea T . Pentru aceasta,
calculăm valorile proprii ale lui T . Polinomul caracteristic este
0.9 − λ 0.3
PT (λ) = det(T − λI2 ) = = λ2 − 1.6λ + 0.6.
0.1 0.7 − λ
Rădăcinile acestui polinom sunt λ1 = 1 şi λ2 = 0.6.

Pentru λ1 = 1, determinăm
unvector
propriu rezolvând ecuaţia
v1 0
matriceală (T − I2 ) · = , echivalentă cu
v2 0

−0.1 0.3 v 0
· 1 = .
0.1 −0.3 v2 0
Prin urmare trebuie să rezolvăm sistemul

(
−0.1v1 + 0.3v2 = 0
0.1v1 − 0.3v2 = 0
care are soluţia dată de vectorii de forma (3α, α) cu α ∈ R. Deci

un vector propriu este u1 = (3, 1).

Pentru λ2 = 0.6, determinăm

un
vector
propriu rezolvând ecuaţia
v1 0
matriceală (T − 0.6I2 ) · = , echivalentă cu
v2 0

0.3 0.3 v 0
· 1 = .
0.1 0.1 v2 0
Prin urmare trebuie să rezolvăm sistemul

(
0.3v1 + 0.3v2 = 0
0.1v1 + 0.1v2 = 0
care are soluţia dată de vectorii de forma (α, −α) cu α ∈ R. Deci

un vector propriu este u2 = (1, −1).

Am obţinut matricea diagonală

1 0
D=
0 0.6
şi matricea inversabilă

3 1
P=
1 −1
care are inversa
−1 1 1 1
P = .
4 1 −3
Prin urmare, T = PDP −1 , deci
m
m m −1 3 1 1 0 1 1 1
T = PD P = · · =
1 −1 0 (0.6)m 4 1 −3
1 3 + (0.6)m 3 − 3 · (0.6)m

= .
4 1 − (0.6)m 1 + 3 · (0.6)m
În continuare, calculele pot fi făcute direct:
1 3 + (0.6)m 3 − 3 · (0.6)m

m R0 R0
T · = · .
V0 4 1 − (0.6)m 1 + 3 · (0.6)m V0

Pentru m = 6 şi R0 = V0 = 0.5 obţinem

R6 1 3 + 0.0117 3 − 3 · 0.0117 0.5 0.747
≈ · ≈ .
V6 4 1 − 0.0117 1 + 3 · 0.117 0.5 0.253
Prin urmare, Radu va deţine după şase luni aproximativ 75% din
piaţă, iar Vasile 25%.

Pe termen lung, deoarece lim (0.6)m = 0, observăm că

m→∞

R∞ 1 3 3 0.5 0.75
≈ · = .
V∞ 4 1 1 0.5 0.25
Prin urmare, Radu nu va deţine niciodată mai mult de 75% din

piaţă.

Exponenţiala unei matrice e A
Fie A ∈ Mn (R) o matrice diagonalizabilă. Prin urmare, există

= PDP −1 . Putem 
P ∈ Mn (R) inversabilă, astfel ı̂ncât A 
λ1 0 · · · 0
 0 λ2 · · · 0 
presupune P = [u1 u2 · · · un ] şi D =  . .. . Este
 
..
 .. . .
0 0 · · · λn
λk1
 
0 ··· 0
0 λk2 · · · 0
uşor de observat faptul că D k =  . .. , pentru
 
..
 .. . .
0 0 ··· λkn
orice k ≥ 1.

Prin urmare, dacă f (x) este o funcţie care poate fi scrisă ca o serie
∞
ck x k , atunci
P
de puteri, f (x) =
k=0
∞
 
ck λk1
P
 0 ··· 0 
k=0 ∞

∞ ck λk2
 P 
X  0 ··· 0 
k
f (D) = ck D =  =
 
k=0
 .. .. .. 
k=0  . . . 
∞
 
ck λkn
P
···
 
0 0
k=0
 
f (λ1 ) 0 ··· 0
 0 f (λ 2 ) ··· 0 
= . .
 
. ..
 .. .. . 
0 0 ··· f (λn )
În particular, dacă f (x) = e x , atunci
 λt 
e 1 0 ··· 0
 0 e λ 2 t ··· 0 
e Dt =  . .
 
. ..
 .. .. . 
0 0 ··· e λn t
Dacă A nu este matrice diagonală, dar este diagonalizabilă, atunci
Am = (PDP −1 )m = PD m P −1 . Prin urmare, dacă f (x) este o
∞
ck x k ,
P
funcţie care poate fi scrisă ca o serie de puteri, f (x) =
k=0
atunci
∞ ∞ ∞
!
X X X
−1
f (A) = k
ck A = k
ck PD P =P ck D k
P −1 = Pf (D)P −1 .
k=0 k=0 k=0
În particular,
e At = Pe Dt P −1
dx
Soluţia generală a ecuaţiei = Ax
dt
De multe ori, ı̂n practică trebuie să rezolvăm sisteme de ecuaţii
dx
diferenţiale de forma = Ax. Ele pot fi rezolvate uşor ı̂n cazul ı̂n
dt
dx
care A = On , deci ecuaţia este = 0 ceea ce ı̂nseamnă că fiecare
dt
componentă a vectorului x este independentă de timp, deci x = a,
dx
unde a este un vector constant. Orice ecuaţie de forma = Ax
dt
dx
poate fi adusă la o ecuaţie de tipul = 0. Pentru acest lucru
x
dt
folosim funcţia e şi dezvoltarea sa ı̂n serie Taylor (MacLaurin),
1 1 1
deci e x = 1 + x + x 2 + x 3 + · · · + x n + · · · . Obţinem astfel
2! 3! n!
că
1 1 1
e −At = I + (−At) + (−At)2 + (−At)3 + · · · + (−At)n + · · · .
2! 3! n!

dx
dt
Derivând termen cu termen obţinem
de −At 1
= (−A) + (−At)(−A) + (−At)2 (−A) + · · · =
dt 2!
1 1
= [I +(−At)+ (−At)2 + (−At)3 +· · · ](−A) = −e −At A = −Ae −At .
2! 3!
dx
Considerând ecuaţia (t) = Ax(t) sub forma echivalentă
dt
dx
(t) − Ax(t) = 0 şi ı̂nmulţind-o cu e −At obţinem
dt
dx
e −At (t) − Ax(t)e −At = 0.
dt

dx
dt
de −At
Având ı̂n vedere că am demonstrat că = −Ae −At , relaţia
dt
anterioară devine
dx de −At
e −At (t) + x(t) =0
dt dt
de −At x(t)
care este echivalentă cu = 0. Această ecuaţie are
dt
soluţia generală
e −At x(t) = a
care se mai poate scrie
x(t) = e At a.

dx
dt
Fie circuitul din figură:
R1
V C I1 R2 I
L
Ne propunem să determinăm tensiunea V şi intensităţile I1 şi I .

dx
dt
Următoarele noţiuni vor fi folosite pentru a determina legătura

dintre tensiune şi intensităţile curenţilor prin rezistori, bobină şi
condensatori.
I Tensiunea printr-un rezistor de rezistenţă R este IR, unde I
este intensitatea curentului care trece prin rezistor.
Q
I Tensiunea printr-un condensator de capacitate C este ,
C
unde Q este cantitatea de sarcină separată.
I Fluxul de curent electric (intensitatea) printr-un condensator
dQ
este .
dt
dI
I Tensiunea printr-o bobină de inductanţă L este L , unde I
dt
este intensitatea curentului care trece prin bobină.

dx
dt
Pentru circuitul din figură, considerăm

I Q = sarcina electrică ı̂ncărcată;
Q
I V =
C
I I = intensitatea curentului electric care trece prin bobină.
dQ
I I1 = = intensitatea curentului electric care trece prin
dt
condensator.

dx
dt
Folosind legile lui Kirchhoff pentru cele două bucle de circuit şi
Q
ţinând cont că V = obţinem:
C
Q
+ R2 (I + I1 ) = 0
C
şi
dI
L + R1 I + R2 (I + I1 ) = 0.
dt
dQ dV
Putem considera Q = CV şi atunci I1 = =C . Înlocuind ı̂n
dt dt
cele două relaţii obţinem

dV
V + R2 C +I =0


dt
dI dV
L + R1 I + R2 C + I = 0.


dt dt
dx
dt
Din prima ecuaţie avem

dV
R2 C + I = −V
dt
şi ı̂nlocuind ı̂n a doua obţinem

dI
L + R1 I − V = 0.
dt
Sistemul poate fi rescris astfel:
 dI R1 1
 =− I+ V

dt L L
dV 1 1
=− I− V.


dt C R2 C

dx
dt
2 3
Presupunem că C = F , R1 = 1Ω, R2 = Ω şi L = 2H. Înlocuind
3 5
ı̂n sistem obţinem
dI 1 1

 =− I+ V

dt 2 2
dV 3 5
= − I − V.


dt 2 2
sistem ce poate fi scris sub forma

dx
dt
1 1
 

d I −
I
 2 2 
=
dt V 3 5 V
− −
2 2
1 1
 
dx

I −
sau = Ax unde x = şi A =  2 2  .

dt V 3 5
− −
2 2

dx
dt
Această ecuaţie are soluţia generală x = ae At .

Pentru a calcula e At trebuie să determinăm forma diagonală a
matricei A. Polinomul caracteristic este
1 1
− −λ
PA (λ) = det(A−λI2 ) = 2 2 = λ2 +3λ+2 = (λ+1)(λ+2)
3 5
− − −λ
2 2
prin urmare valorile proprii sunt λ1 = −1 şi λ2 = −2.

dx
dt
Pentru λ1 = −1 obţinem ecuaţia matriceală

1 1
 

 2 2  x1 0
 3 = ,
3  x2 0
− −
2 2
iar soluţia este formată din vectorii de forma (−α, α), cu α ∈ R.
Un vector propriu este u1 = (−1, 1).

dx
dt
Pentru λ2 = −2 obţinem ecuaţia matriceală

3 1
 

 2 2  x1 0
 3 = ,
1  x2 0
− −
2 2

1
iar soluţia este formată din vectorii de forma − α, α , cu
3
1
α ∈ R. Un vector propriu este u2 = − , 1 .
3

dx
dt
Prin urmare, matricea P este

1
 
−1 − 
P= 3 ,
1 1
iar inversa sa va fi
1
 
3 1
P −1 =− 3 .
2 −1 −1
Prin urmare

dx
dt
1 −t 1
   
3 −1 −  e

e At = Pe Dt P −1 =−  3
0 1 3 =
2 0 e −2t
1 1 −1 −1
3 −t 1 −2t 1 −t 1 −2t
 
e + e e − e
 2 3 2 2
= .

3 −t 3 −2t 1 −t 3 −2t 
− e + e − e + e
2 2 2 2

dx
dt
Soluţia este de forma

3 −t 1 −2t 1 −t 1 −2t
 

I e + e e − e
 2 3 2 2  a1
= .
V 3 −t 3 −2t 1 3 
a2
− e + e − e −t + e −2t
2 2 2 2

dx
dt
Deci

3 −t 1 −2t 1 −t 1 −2t
I (t) = a1

 e + e + a2 e − e
2 3 2 2 ,
3 −t 3 −2t 1 −t 3 −2t
V (t) = a1 − e + e + a2 − e + e


2 2 2 2
unde a1 , a2 ∈ R. Dacă se cunosc condiţiile iniţiale I (0) = 0 şi

V (0) = 2, atunci putem afla a1 şi a2 .

dx
dt
Astfel 
3 1 1 1
0 = a1

 + + a2 −
2 3 2 2
,
3 3 1 3
2 = a1 − + + a2 − +


2 2 2 2
deci a1 = 0 şi a2 = 2. Soluţia este

I (t) = e −t − e −2t
.
V (t) = −e −t + 3e −2t

Curs 4-Imed

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Curs 4-Imed

Încărcat de

Drepturi de autor:

Formate disponibile

Algebră liniară, geometrie analitică şi diferenţială

Algebră liniară, geometrie analitică şi diferenţială

Algebră liniară, geometrie analitică şi diferenţială

se numeşte nucleul transformării T .

Figure: Nucleul transformării T .

Algebră liniară, geometrie analitică şi diferenţială

Algebră liniară, geometrie analitică şi diferenţială

care are soluţia v1 = v2 = v3 = 0. Prin urmare,

Algebră liniară, geometrie analitică şi diferenţială

Matricea extinsă asociată sistemului este

Notând v3 = α ∈ R, sistemul devine

cu soluţia v1 = α, v2 = −α şi v3 = α cu α ∈ R. Prin urmare

ker(T ) = {(α, −α, α) : α ∈ R} = Span{(1, −1, 1)}.

Algebră liniară, geometrie analitică şi diferenţială

Algebră liniară, geometrie analitică şi diferenţială

T (αu + βv) = αT (u) + βT (v) = α · 0W + β · 0W = 0W .

Algebră liniară, geometrie analitică şi diferenţială

Fiind subspaţiu vectorial, nucleul are o bază. Definim defectul

Algebră liniară, geometrie analitică şi diferenţială

Fiind subspaţiu vectorial, nucleul are o bază. Definim defectul

Im(T ) = {w ∈ W : există v ∈ V astfel ı̂ncât T (v) = w} =

Algebră liniară, geometrie analitică şi diferenţială

αw1 + βw2 = αT (v1 ) + βT (v2 ) = T (αv1 + βv2 ) = T (u),

unde u = αv1 + βv2 ∈ V .

Algebră liniară, geometrie analitică şi diferenţială

Vom defini rangul transformării liniare T , şi-l vom nota

Algebră liniară, geometrie analitică şi diferenţială

Vom defini rangul transformării liniare T , şi-l vom nota

3v1 + 3v2 − v3 − 2v4 ),

Algebră liniară, geometrie analitică şi diferenţială

T (v) = (2v1 + 2v2 − 3v3 + v4 + 3v5 , v1 + v2 + v3 + v4 − v5 ,

3v1 + 3v2 + 4v5 , 3v1 + 3v2 − v3 − 2v4 ) =

Teoremă (Teorema dimensiunii)

defect(T ) + rank(T) = dim(V).

Algebră liniară, geometrie analitică şi diferenţială

Algebră liniară, geometrie analitică şi diferenţială

Algebră liniară, geometrie analitică şi diferenţială

Algebră liniară, geometrie analitică şi diferenţială

Algebră liniară, geometrie analitică şi diferenţială

Fie V şi W două k-spaţii vectoriale, dim(V ) = n, dim(W ) = m şi

Algebră liniară, geometrie analitică şi diferenţială

Matricea A ∈ Mm,n (R) definită prin

are proprietatea că

[T (v)]B 0 = [T ]B,B 0 · [v]B

şi se numeşte matricea transformării liniare T ı̂n raport cu

Algebră liniară, geometrie analitică şi diferenţială

Dacă V = W şi B = B 0 , atunci T : V → V este un endomorfism,

Algebră liniară, geometrie analitică şi diferenţială

Dacă V = W şi B = B 0 , atunci T : V → V este un endomorfism,

Algebră liniară, geometrie analitică şi diferenţială

T (v) = (v1 + v3 − 2v4 , v2 + v4 , 3v1 − v3 ).

Fie bazele canonice

B = {e1 = (1, 0, 0, 0), e2 = (0, 1, 0, 0), e3 = (0, 0, 1, 0), e4 = (0, 0, 0, 1)}

Algebră liniară, geometrie analitică şi diferenţială

Algebră liniară, geometrie analitică şi diferenţială

Prin urmare, matricea transformării T ı̂n raport cu cele două baze

Algebră liniară, geometrie analitică şi diferenţială

Algebră liniară, geometrie analitică şi diferenţială

(i) [S + T ]B,B 0 = [S]B,B 0 + [T ]B,B 0 ;

Algebră liniară, geometrie analitică şi diferenţială

(i) [S + T ]B,B 0 = [S]B,B 0 + [T ]B,B 0 ;

[T ◦ S]B,B” = [T ]B 0 ,B” · [S]B,B 0 .

Algebră liniară, geometrie analitică şi diferenţială