CURS 5

Spaţii liniare

A. Arusoaie
e-mail: andreea.arusoaie@info.uaic.ro
Web: http://profs.info.uaic.ro/~andreea.arusoaie/math.html

Facultatea de Informatică,
Universitatea ”Alexandru Ioan Cuza” din Iaşi

24 Octombrie, 2022
Structura cursului

1 Definiţii. Proprietăţi

2 Combinaţii liniare
Liniară dependenţă şi independenţă
Dimensiunea unui spaţiu liniar
Bază algebrică
Schimbarea coordonatelor

3 Produs scalar. Norme ı̂n Rn

4 Baze ortonormale
Procedeul de ortonormalizare Gram-Schmidt

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 2 / 48

Structura cursului

1 Definiţii. Proprietăţi

2 Combinaţii liniare
Liniară dependenţă şi independenţă
Dimensiunea unui spaţiu liniar
Bază algebrică
Schimbarea coordonatelor

3 Produs scalar. Norme ı̂n Rn

4 Baze ortonormale
Procedeul de ortonormalizare Gram-Schmidt

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 3 / 48

Spaţii liniare

Un spaţiu liniar (spaţiu vectorial) este o colecţie de obiecte, numite vectori, ce

pot fi adunate ı̂ntre ele şi ı̂nmulţite cu numere, numite scalari.

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 4 / 48

Spaţii liniare

Cele mai utilizate spaţii liniare sunt spaţiile Euclidiene:

R - dreapta reală - spaţiu liniar 1-dimensional
R2 = R × R - planul real - spaţiu liniar 2-dimensional
R3 = R × R × R - spaţiul real - spaţiu liniar 3-dimensional
Rn , n ≥ 4 - hiperspaţiul real - spaţiu liniar n−dimensional

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 5 / 48

Spaţii liniare
Fie V 6= ∅ şi K un corp comutativ (K = R sau K = C).
Definiţie
Se numeşte spaţiu liniar (vectorial) peste corpul K, o mulţime V , ı̂nzestrată cu

- o lege internă ” + ” : V × V → V, (x, y) → x + y, ∀x, y ∈ V,

- o lege externă ” · ” : K × V → V, (α, x) → α · x, ∀α ∈ K, x ∈ V,
astfel ı̂ncât sunt ı̂ndeplinite următoarele cerinţe (axiome):
i) x + (y + z) = (x + y) + z, ∀x, y, z ∈ V;
ii) x + y = y + x, ∀x, y ∈ V;
iii) ∃0 ∈ V, ∀x ∈ V : x + 0 = 0 + x = x;
iv) ∀x ∈ V, ∃(−x) ∈ V : x + (−x) = (−x) + x = 0;
v) α · (x + y) = α · x + α · y, ∀ α ∈ K, x, y ∈ V ;
vi) (α + β) · x = α · x + β · x, ∀ α, β ∈ K, x ∈ V ;
vii) α · (β · x) = (αβ) · x, ∀ α, β ∈ K, x ∈ V ;
viii) 1 · x = x, ∀ x ∈ V , unde 1 este elementul unitate din K.
Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 6 / 48
Spaţii liniare

- elementele K-spaţiului liniar V sunt numite vectori;

- elementele lui K se numesc scalari;
- operaţia + se numeşte adunarea vectorilor ;
- operaţia · se numeşte multiplicarea cu scalari.
- elementul neutru 0 ∈ V se numeşte vector nul;
- vectorul −x ∈ V se numeşte vectorul opus lui x ∈ V ;
- când K = R, V se mai numeşte spaţiul liniar real;
- când K = C, V se mai numeşte spaţiu liniar complex.

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 7 / 48

Spaţiul liniar real

Propoziţie
Fie n ∈ N∗ şi Rn = R × R × . . . × R.
| {z }
de n ori
Definim operaţiile + : Rn × Rn → Rn şi · : R × Rn → Rn prin

x + y := (x1 + y1 , x2 + y2 , . . . , xn + yn ),

α · x := (αx1 , αx2 , . . . , αxn ),

∀ α ∈ R, ∀ x = (x1 , x2 , . . . , xn ), y = (y1 , y2 , . . . , yn ) ∈ Rn .

Atunci (Rn , R, +, ·) este un spaţiu liniar real.

Operaţiile de mai sus se numesc operaţii canonice.

Dacă x = (x1 , x2 , . . . , xn ) ∈ Rn , atunci vom numi numerele x1 , x2 , . . . , xn
coordonatele lui x.

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 8 / 48

Alte exemple de spaţii liniare

1. Fie m, n ∈ N∗ şi Mm,n (R) - mulţimea matricilor reale cu m linii şi n coloane.
Fie operaţiile
+ - adunarea uzuală a matricelor;
· - ı̂nmulţirea matricelor cu numere reale.
Atunci (Mm,n (R), +, ·) este un spaţiu liniar real.

2. Fie R[X] mulţimea tuturor polinoamelor cu coeficienţi reali. Dacă

+ - notează adunarea polinoamelor;
· - reprezintă ı̂nmulţirea polinoamelor cu numere reale,
atunci (R[X], +, ·) este un spaţiu liniar real.

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 9 / 48

Alte exemple de spaţii liniare

3. Fie X 6= ∅, (V, +, ·) un spaţiu liniar şi F(X, V ) = {f : X → V }. Definim

operaţiile
+ : F(X, V ) × F(X, V ) → F(X, V )
· : R × F(X, V ) → F(X, V )
prin
(f + g)(x) = f (x) + g(x), ∀ x ∈ X f, g ∈ F(X, V )
(α · f )(x) = α · f (x), ∀ α ∈ R, x ∈ X, f ∈ F(X, V ),

atunci (F(X, V ), +, ·) formează un spaţiu liniar peste R.

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 10 / 48

Exemple de spaţii liniare

Particularizând X şi V definiţi ı̂n 3., obţinem diverse exemple de spaţii vectoriale:

Dacă X = {1, 2, . . . , m} × {1, 2, . . . , n} şi V = R, m, n ∈ N atunci obţinem

spaţiul liniar (Mm,n (R), +, ·) al matricilor de m linii şi n coloane cu
elemente din R.

Dacă X ⊆ R şi V = R, se obţine spaţiul liniar (F(X, R), +, ·) al funcţiilor

reale, de o singură variabilă reală, definite pe X.

Dacă m, n ∈ N∗ , X ⊆ Rn şi V = Rm , atunci (F(X, Rm ), +, ·) este spaţiul

liniar real al funcţiilor de n variabile cu valori ı̂n Rm .

Dacă X = N şi V = R, mulţimea (F(X, V ), +, ·) spaţiul liniar real al şirurilor

de numere reale.

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 11 / 48

Spaţii liniare

Propoziţie
Fie (V, +, ·) un spaţiu liniar real. Atunci pentru orice scalar α ∈ R şi orice vector
x ∈ V , avem
i) 0R · x = α · 0V = 0V ;

ii) (−α) · x = α · (−x) = −α · x;

iii) (−α) · (−x) = α · x;

iv) α · x = 0V ⇒ α = 0R sau x = 0V .

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 12 / 48

Subspaţii liniare

Definiţie
Fie (V, +, ·) un spaţiu liniar real şi W o submulţime nevidă a lui V .
Spunem că (W, +, ·) este este subspaţiu liniar al lui (V, +, ·) dacă

∀α ∈ R, ∀x, y ∈ W , avem x + y ∈ W şi α · x ∈ W .

Cu alte cuvinte, spunem că W este un subspaţiu liniar al lui V dacă şi numai dacă

α · x + β · y ∈ W, ∀α, β ∈ R, ∀x, y ∈ W.

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 13 / 48

Exemple de subspaţii liniare

1) Fie n ∈ N∗ . Mulţimea {x = (x1 , x2 , . . . , xn ) ∈ Rn | x1 = 0} este, ı̂n raport

cu adunarea vectorilor din Rn şi ı̂nmulţirea lor cu scalari din R, un subspaţiu
liniar al lui (Rn , +, ·).

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 14 / 48

Exemple de subspaţii liniare
2) Fie n ∈ N∗ şi fie α1 , . . . , αn ∈ R, nu toţi nuli
Mulţimea
H = {(x1 , x2 , . . . , xn ) ∈ Rn | α1 x1 + . . . + αn xn = 0}
este un subspaţiu liniar al lui Rn , numit hiperplan.

Propoziţie
Fie W1 şi W2 două subspaţii liniare ale lui (V, +, ·). Atunci
i) W1 ∩ W2 este tot un subspaţiu liniar al lui V .
ii) W1 ∪ W2 nu este ı̂ntotdeauna un subspaţiu liniar al lui V .

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 15 / 48

Structura cursului

1 Definiţii. Proprietăţi

2 Combinaţii liniare
Liniară dependenţă şi independenţă
Dimensiunea unui spaţiu liniar
Bază algebrică
Schimbarea coordonatelor

3 Produs scalar. Norme ı̂n Rn

4 Baze ortonormale
Procedeul de ortonormalizare Gram-Schmidt

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 16 / 48

Combinaţii liniare

Definiţie
Fie (V, +, ·) un spaţiu liniar.
O combinaţie liniară a vectorilor x1 , x2 , . . . , xn ∈ V este un vector y ∈ V ce se
poate scrie ca
Xn
y= αk xk = α1 x1 + α2 x2 + ... + αn xn ,
k=1
∗
unde n ∈ N , iar α1 , α2 , . . . , αn ∈ R.

Observaţie: Dacă W este un subspaţiu liniar al lui V , atunci orice combinaţie

liniară a vectorilor x1 , x2 , . . . , xn ∈ W este tot din W .

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 17 / 48

Combinaţii liniare

Definiţie
Fie (V, +, ·) un spaţiu liniar şi U o submulţime nevidă a lui V .
Mulţimea tuturor combinaţiilor liniare de elemente din U ,

{α1 x1 + α2 x2 + . . . + αn xn | n ∈ N∗ , α1 , . . . , αn ∈ R, x1 , . . . , xn ∈ U }

se numeşte subspaţiul liniar generat de U , notat Span(U ) sau Lin(U ) .

Lin(U ) este un subspaţiu liniar al lui (V, +, ·). În plus, are loc U ⊆ Lin(U ).
Lin(U ) este cel mai mic subspaţiu al lui V care ı̂l conţine pe U .

Exemplu: Dacă V = R3 , subspaţiul liniar generat de U = {(1, −2, 1)} este

dreapta {(α, −2α, α) | α ∈ R}.

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 18 / 48

Liniară dependenţă şi independenţă

Definiţie
Fie (V, +, ·) un spaţiu liniar şi fie x1 , x2 , . . . , xn ∈ V .

a) Elementele x1 , x2 , . . . , xn se numesc liniar dependente dacă există

α1 , α2 , . . . , αn ∈ R, dintre care cel puţin unul nenul, astfel ı̂ncât

α1 x1 + α2 x2 + . . . + αn xn = 0.

b) Elementele x1 , x2 , . . . , xn se numesc liniar independente dacă ecuaţia

α1 x1 + α2 x2 + . . . + αn xn = 0,

are soluţie unică α1 = α2 = . . . = αn = 0.

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 19 / 48

Liniară dependenţă şi independenţă

Vectori liniari dependenti ı̂n R3

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 20 / 48

Liniară dependenţă şi independenţă

Figure: Vectori liniari independenti ı̂n R3

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 21 / 48
Exemplu: Liniară dependenţă - Liniară independenţă
O persoană descrie o anume locaţie astfel:

Acest hotel este la 3 km nord şi 4 km est de centrul oraşului.

Avem suficientă informaţie să identificăm locaţia, deoarece pot considera sistemul
de coordonate ca un spaţiu vectorial 2- dimensional (ignorând altitudindea si
curvatura Pământului)
Dacă persoana adaugă
Locaţia este la 5 km nord-est de centru.

Desi afirmaţia este corectă, nu putem să ne dăm seama exact de locaţie.

3 km nord şi 4 km est sunt vectori liniar independenţi; (Vectorul nord nu

poate fi scris in funcţie de est)
5 km nord-est este o combinaţie liniară a doi vectori, deci este liniar
dependent
Dacă am considera şi altitudinea, acesta ar fi un al treilea vector liniar independent.
În general, pentru a descrie locaţia ı̂ntr-un spaţiu n-dimensional, avem nevoie de n
vectori liniar independenţi.
Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 22 / 48
Liniară dependenţă şi independenţă

Teorema
Vectorii x1 , x2 , . . . , xn ai unui spaţiu liniar sunt liniar dependenţi dacă şi numai
dacă unul dintre vectori se poate scrie ca o combinaţie liniară a celorlalţi.

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 23 / 48

Exemple
1. Mulţimea {0} este liniar dependentă deoarece are loc α · 0 = 0, ∀α ∈ R.
2. Fie spaţiul liniar Rn , şi sistemul de vectori
B = {e1 = (1, 0, . . . , 0), . . . , en = (0, 0, . . . , 1)}.
Atunci, B este liniar independentă .

3. Fie spaţiul liniar al tuturor polinoamelor de grad cel mult n. Atunci

polinoamele 1, x, x2 , . . . , xn formează un sistem liniar independent.

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 24 / 48

Dimensiunea unui spaţiu liniar

Definiţie
Fie (V, +, ·) un spaţiu liniar.
i) Se numeşte dimensiune (algebrică) a spaţiului liniar V numărul maxim de
elemente liniar independente din V . Vom nota dimensiunea spaţiului V cu
dim(V ).
ii) Spaţiul liniar V este numit infinit-dimensional dacă există cel puţin o
submulţime infinită şi liniar independentă a lui V . În caz contrar, V este
numit spaţiu liniar finit-dimensional.

Exemple:
1. dimR (Rn ) = n;
2. dimR Mm,n (R) = m · n.

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 25 / 48

Bază algebrică
Definiţie
Fie (V, +, ·) un spaţiu liniar şi fie B o submulţime nevidă a lui V .

B se numeşte bază algebrică a lui V dacă

B este o submulţime liniar independentă;
Lin(B) = V .

Propoziţie
Fie n ∈ N∗ . Mulţimea {e1 , e2 , . . . , en } ⊆ Rn , este o bază a lui Rn , numită baza
canonică a lui Rn .

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 26 / 48

Bază algebrică

În cazul unui spaţiu liniar n-dimensional V , o bază a lui V este o mulţime B
alcătuită din n elemente din V , b1 , b2 , . . . , bn , liniar independente.

Fiecare element x ∈ V se reprezintă atunci, ı̂n mod unic, sub forma

n
X
x= αk bk ,
k=1

Scalarii α1 , . . . αn se numesc coordonatele lui x ı̂n baza B .

Orice bază a unui spaţiu liniar V are un număr de vectori egal cu dimensiunea lui
V.

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 27 / 48

Bază algebrică
Dacă notăm  
α1

not 
α2 
XB =   ∈ Mn,1 , unde α1 , . . . , αn sunt coordonatele lui x ı̂n baza B;

..
 . 
αn
not
B̃ = [bT1 bT2 . . . bTn ] ∈ Mn,n matricea ce are pe coloana k coordonatele lui
bk ,
atunci relaţia
n
X
x= αk bk
k=1

se poate reda, matriceal, sub forma:

 
α1
 α2 
xT = B̃ · XB = [bT1 bT2 . . . bTn ] ·  .
 
..
 . 
αn

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 28 / 48

Bază algebrică

Propoziţie
Fie (V, +, ·) un spaţiu liniar cu dim(V ) = n.
Atunci
1. Orice mulţime de m elemente din V , cu m > n, este liniar dependentă;

2. Orice mulţime de n elemente din V este bază a lui V dacă şi numai dacă
este mulţime liniar independentă.

3. Orice mulţime de n vectori din V este bază a lui V dacă şi numai dacă
mulţimea este un sistem de generatori al lui V.

Definiţie
Se numeşte rang al unei mulţimi U din V , dimensiunea subspaţiului generat de U ,
adică
rang(U ) := dim (Lin(U )) .

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 29 / 48

Bază algebrică
Exemplu:

Să se arate că mulţimea B = {v1 = (1, 0, −1), v2 = (2, 1, 0), v3 = (0, 1, 1)} este o
bază a spaţiului vectorial R3 . Determinaţi coordonatele vectorului v = (1, 2, 3) ı̂n
această bază.

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 30 / 48

Schimbarea bazei

Definiţie
Fie (V, +, ·) un spaţiu liniar cu dim(V ) = n ∈ N∗ , fie B = {b1 , b2 , . . . , bn } o
bază a lui V şi fie B 0 = {b01 , b02 , . . . , b0m } o mulţime de m vectori din V .
Se numeşte matrice de trecere (schimbare) de la baza B la sistemul de vectori B 0 ,
matricea  
s11 s12 . . . s1m
 s21 s22 . . . s2m 
SB,B 0 =  . ..  ∈ Mn,m
 
..
 .. . ... . 
sn1 sn2 . . . snm
unde, pentru 1 ≤ k ≤ m, s1k , . . . , snk , sunt coordonatele vectorului b0k , ı̂n raport
cu b1 , . . . , bn .

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 31 / 48

Schimbarea bazei

Cu alte cuvinte, sij sunt astfel ı̂ncât

 0
 b1 = s11 b1 + s21 b2 + . . . + sn1 bn
 b02

= s12 b1 + s22 b2 + . . . + sn2 bn

.. .. .


 . .
 0
bm = s1m b1 + s2m b2 + . . . + snm bn

Matriceal putem scrie

e 0 = B̃ · SB,B 0 ,
B
e 0 = [b0T b0T . . . b0T
unde B T T T
m ] şi B̃ = [b1 b2 . . . bn ].
1 2

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 32 / 48

Schimbarea coordonatelor

Propoziţie
Fie (V, +, ·) un spaţiu liniar finit-dimensional, cu dim V = n ∈ N∗ .

Dacă B = {b1 , . . . , bn }, B 0 = {b01 , . . . , b0n } sunt două baze a lui V , iar SB,B 0
este matricea de trecere de la B la B 0 , atunci matricea SB,B 0 este nesingulară
(det SB,B 0 6= 0).

−1 0
Mai mult, matricea SB,B 0 este matricea de trecere de la baza B la B , adică are

loc
B
e=B e 0 · S −1 0 .
B,B

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 33 / 48

Schimbarea coordonatelor

În plus, dacă x ∈ V , iar α1 , . . . , αn sunt coordonatele lui x ı̂n raport cu baza B,
iar α10 , . . . , αn0 sunt coodonatele lui x ı̂n baza B 0 , atunci
−1
XB 0 = SB,B 0 · XB ,

α10
   
α1
unde XB =  ...  ∈ Mn,1 , iar XB 0 =  ..  ∈ M .
not   not 
.  n,1
0
αn αn

Spunem că bazele B şi B 0 sunt la fel orientate dacă determinantul matricii
SB,B 0 de trecere de la B la B 0 este pozitiv.
Spunem că bazele B şi B 0 sunt contrar orientate dacă det(SB,B 0 ) < 0.

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 34 / 48

Structura cursului

1 Definiţii. Proprietăţi

2 Combinaţii liniare
Liniară dependenţă şi independenţă
Dimensiunea unui spaţiu liniar
Bază algebrică
Schimbarea coordonatelor

3 Produs scalar. Norme ı̂n Rn

4 Baze ortonormale
Procedeul de ortonormalizare Gram-Schmidt

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 35 / 48

Produs scalar. Norme ı̂n Rn

Definiţie
Fie (V, +, ·) un spaţiu liniar real.
a) Se numeşte produs scalar pe V o aplicaţie h·, ·i : V × V → R, care satisface
următoarele proprietăţi:
(PS1) h·, ·i este pozitiv definită, adică
? hx, xi > 0, ∀ x ∈ V
? hx, xi = 0 ⇔ x = 0 ∈ V ;
(PS2) h·, ·i este simetrică, adică
? hx, yi = hy, xi, ∀ x, y ∈ V ;
(PS3) h·, ·i este biliniară, adică
? hα · x + β · y, zi = αhx, zi + βhy, zi,
? hx, α · y + β · zi = αhx, yi + βhx, zi, ∀ α, β ∈ R, x, y, z ∈ V .
b) Perechea (V, h·, ·i), ı̂n care V este un spaţiu liniar real, iar h·, ·i este un
produs scalar pe V se numeşte spaţiu prehilbertian (spaţiu euclidian).

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 36 / 48

Produs scalar. Norme ı̂n Rn

Propoziţie
Fie n ∈ N∗ şi h·, ·i : Rn × Rn → R definită prin

h(x1 , x2 , . . . , xn ), (y1 , y2 , . . . , yn )i := x1 y1 + x2 y2 + . . . + xn yn ,
∀ (x1 , x2 , . . . , xn ), (y1 , y2 , . . . , yn ) ∈ Rn ,

Atunci h·, ·i este un produs scalar pe Rn , numit produsul scalar euclidian

(canonic).

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 37 / 48

Produs scalar. Norme ı̂n Rn
Definiţie
Fie (V, h·, ·i) un spaţiu prehilbertian şi fie U o submulţime nevidă a lui V .
1) Doi vectori x ∈ V şi y ∈ V se numesc ortogonali, şi notăm x⊥y , dacă

hx, yi = 0.

2) Spunem x ∈ V este ortogonal pe mulţimea U , şi notăm x⊥U , dacă

hx, yi = 0, ∀ y ∈ U.

3) Vom numi U sistem ortogonal dacă

hx, yi = 0, ∀ x, y ∈ U, cu x 6= y.

4) Dacă U ⊆ V , atunci prin suplimentul ortogonal al lui U , ı̂nţelegem mulţimea

tuturor vectorilor ortogonali pe U . Altfel scris

U ⊥ := {x ∈ V | x⊥U }

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 38 / 48

Produs scalar. Norme ı̂n Rn

Definiţie
Fie (V, h·, ·i) un spaţiu prehilbertian şi x, y ∈ V \ {0}.
Unghiul dintre vectorii x şi y, notat prin ^(x, y) sau (x,\ y), se defineşte prin
relaţia:
\ hx, yi
(x, y) = arccos p p .
hx, xi hy, yi

\ \ \ π
Observaţie: Se poate observa cu uşurinţă că (x, y) = (y, x) şi că (x, y) =
2
dacă şi numai dacă x⊥y.

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 39 / 48

Produs scalar. Norme ı̂n Rn

Definiţie
Fie (V, +, ·) un spaţiu liniar real. Spunem că aplicaţia k · k : V → R este o normă
pe V dacă
N1) kxk > 0, ∀ x ∈ V
N2) kxk = 0 ⇔ x = 0;
N3) kα · xk = |α|kxk, ∀ α ∈ R, ∀ x ∈ V (omogenitate);
N4) kx + yk 6 kxk + kyk, ∀ x,y ∈ V (inegalitatea triunghiulară).
Perechea (V, k · k) se numeşte spaţiu normat.

Propoziţie
Fie (V, h·, ·i) un spaţiu prehilbertian. Atunci aplicaţia k · k : V → R definită de
p
kxk = hx, xi, ∀ x ∈ V

este o normă pe V numită norma indusă de produsul scalar h·, ·i.

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 40 / 48

Produs scalar. Norme ı̂n Rn

Propoziţie
Fie n ∈ N∗ . Norma indusă de produsul scalar euclidian pe Rn , definită prin

q n
! 12
X
kxk2 = x21 + x22 + . . . + x2n = x2i , ∀ x ∈ Rn , x = (x1 , x2 , . . . , xn ),
i=1

se numeşte norma euclidiană.

Definiţie
Fie (V, k · k) un spaţiu normat şi x ∈ V . Elementul x se numeşte versor dacă
kxk = 1.

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 41 / 48

Structura cursului

1 Definiţii. Proprietăţi

2 Combinaţii liniare
Liniară dependenţă şi independenţă
Dimensiunea unui spaţiu liniar
Bază algebrică
Schimbarea coordonatelor

3 Produs scalar. Norme ı̂n Rn

4 Baze ortonormale
Procedeul de ortonormalizare Gram-Schmidt

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 42 / 48

Baze ortonormale

Definiţie
Fie (V, h·, ·i) un spaţiu prehilbertian.
a) O submulţime nevidă U ⊆ V se numeşte sistem ortonormal dacă U este un
sistem ortogonal şi fiecare element al lui U este un versor.
b) Dacă B este o bază a lui V şi B este un sistem ortogonal, atunci B se
numeşte bază ortogonală a lui V .
c) Dacă B este o bază a lui V şi B este un sistem ortonormal, atunci B se
numeşte bază ortonormală a lui V .

Cu alte cuvinte, U este un sistem ortonormal dacă şi numai dacă, pentru orice
x, y ∈ U 
0, când x 6= y
hx, yi =
1, când x = y
Bineı̂nteles, baza canonică {e1 , . . . , en }, a lui Rn , este o bază ortonormală a lui
Rn .

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 43 / 48

Baze ortonormale

Definiţie
Fie (V, h·, ·i) un spaţiu prehilbertian de dimensiune n ∈ N∗ şi fie
B = {b1 , b2 , . . . bn } o bază a lui V . Se numeşte determinantul Gram asociat
unei baze B, numărul det G ∈ R, unde
 
hb1 , b1 i hb1 , b2 i . . . hb1 , bn i
 hb2 , b1 i hb2 , b2 i . . . hb2 , bn i 
G=  ∈ Mn (R) (1)
 
.. .. .. ..
 . . . . 
hbn , b1 i hbn , b2 i . . . hbn , bn i

G este o matrice simetrică şi nesingulară;

B este ortonormală dacă şi numai dacă G este matricea unitate In ;
B este ortogonală dacă şi numai dacă matricea G este diagonală, adică

gij = 0, ∀ i, j ∈ {1, n}, i 6= j

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 44 / 48

Procedeul de ortonormalizare Gram-Schmidt

Teorema
Fie (V, h·, ·i) un spaţiu prehilbertian de dimensiune n ∈ N∗ .
Dacă B = {b1 , . . . bn } este o bază a lui V , atunci există o bază ortonormală
B 0 = {b01 , . . . , b0n }, astfel ı̂ncât

Lin({b1 , . . . bk }) = Lin({b01 , . . . , b0k }), ∀k ∈ {1, 2, . . . , n}.

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 45 / 48

Procedeul de ortonormalizare Gram-Schmidt

Demonstraţie: Fie (V, h·, ·i) un spaţiu prehilbertian şi B = {b1 , . . . , bn } o bază
a lui.
Plecând de la B, se poate construi o bază B 0 = {b01 , b02 , . . . , b0n }, ortogonală, a
aceluiaşi spaţiu V , utilizând algoritmul lui Gram-Schmidt, după cum urmează:

Pasul 1: Fie b01 = b1 .

Pasul 2: Se determină scalarul λ1 ∈ R, aşa ı̂ncât vectorul b02 = b2 + λ1 b01 să fie
ortogonal pe b01 , adică să avem 0 = hb01 , b2 i + λ1 hb01 , b01 i. Aşadar,

hb01 , b2 i 0
b02 = b2 − b .
hb01 , b01 i 1

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 46 / 48

Procedeul de ortonormalizare Gram-Schmidt
Pasul 3: Se caută scalarii µ1 şi µ2 din R, aşa ı̂ncât b03 = b3 + µ1 b01 + µ2 b02 să fie
ortogonal pe sistemul {b01 , b02 }, adică să avem hb03 , b01 i = 0 şi hb03 , b02 i = 0.
hb0 , b3 i hb0 , b3 i
Găsim µ1 = − 01 0 şi µ2 = − 20 0 . Prin urmare, avem:
hb1 , b1 i hb2 , b2 i

hb01 , b3 i 0 hb02 , b3 i 0
b03 = b3 − b1 − b .
hb01 , b01 i hb02 , b02 i 2
Pasul k: Continuând procedeul, obţinem formula generală:
k−1
X hb0i , bk i 0
b0k = bk − b , k = 2, n.
i=1
hb0i , b0i i i

Aşadar, am găsit baza ortogonală B 0 .

Pentru a obţine o bază ortonormală, vom considera B 00 = {b001 , b002 , . . . , b00n }, unde

b0k
b00k = , k = 1, n
kb0k k

iar k · k este norma indusă de produsul scalar h·, ·i, considerat pe V .

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 47 / 48
Bibliografie

D. Buşneag, D. Piciu - Lecţii de algebră, Ed. Universitaria, Craiova, 2002.

Rodica Luca-Tudorache - Analiză matematică, Editura Tehnopress, Iaşi, 2005.
Mihai Onucu Drâmbe - Inegalităţi. Idei şi metode., Ed. GIL, Zalău, 2003.
S. Burris, H. P. Sankappanavar - A Course in Universal Algebra, The
Millenium Edition, 2000.
F. L. Ţiplea - Introducere ı̂n teoria mulţimilor, Ed. Univ. “Al. I. Cuza”, Iaşi,
1998.
T. Albu, I.D. Ion - Itinerar elementar in algebra superioară, Matrix Rom
Bucureşti, 2012.
J. Harcet, L Heinrichs, P. M. Seiler - Mathematics. Higher Lever, Oxford
Univ. Press, 2012.
R. Solomon - Notes on Ordinals and Cardinals, math.uconn.edu, 2014.

Matematică, Anul I A. Arusoaie FII (UAIC, Iaşi) 48 / 48