Documente Academic
Documente Profesional
Documente Cultură
cursul 4
2021-2022
Definiţie
Fie T : V → W o transformare liniară. Mulţimea
ker(T ) = {v ∈ V : T (v) = 0W }
W
V
ker(T) 0W
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
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
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
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
Fie V şi W două k-spaţii vectoriale şi T : V → W o transformare
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 (v) : v ∈ V }.
Teoremă
Fie V şi W două k-spaţii vectoriale şi T : V → W o transformare
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
T (v) = (2v1 +2v2 −3v3 +v4 +3v5 , v1 +v2 +v3 +v4 −v5 , 3v1 +3v2 +4v5 ,
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 .
[T (v)]B = [T ]B · [v]B .
[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
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
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:
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:
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
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
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.
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
y y (2, 8) (4, 8)
(4,2)
O x O x
T2
y y
(4, 2) (8, 2)
O x O x
(2, 4) (4, 4)
T4
y y
(4, 2) (2, 2)
O x O x
T5
y y (4, 8) (8, 8)
(4, 2)
O x O x
Algebră liniară, geometrie analitică şi diferenţială
Transformări geometrice elementare ı̂n R2
Exemplu
Considerăm triunghiul ABC ı̂n R2 ı̂n care identificăm vârfurile cu
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
T1
y y
(2, 4) (4, 4) (10, 4) (12, 4)
(4, 2) (8, 2)
O x O x
(4,10)
y
(2,8)
(2,4) (4,4)
(4,2)
O x O x
Algebră liniară, geometrie analitică şi diferenţială
Transformări geometrice elementare ı̂n R2
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
Exemplu
Considerăm triunghiul ABC ı̂n R2 ı̂n care identificăm vârfurile cu
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 .
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
(A − I2 )x = 0.
(A − 4I2 )x = 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
−λ3 − λ = 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
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.
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 .
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?
0.9 − λ 0.3
PT (λ) = det(T − λI2 ) = = λ2 − 1.6λ + 0.6.
0.1 0.7 − λ
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
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
Prin urmare, Radu va deţine după şase luni aproximativ 75% din
piaţă, iar Vasile 25%.
∞
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 )
Algebră liniară, geometrie analitică şi diferenţială
Exponenţiala unei matrice e A
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
Algebră liniară, geometrie analitică şi diferenţială
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!
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
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.
R1
V C I1 R2 I
L
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
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
iar inversa sa va fi
1
3 1
P −1 =− 3 .
2 −1 −1
Prin urmare
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
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
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