Lectii Algebra Liniara

Lecţii de algebră liniară
Dan Bărbosu şi Adina Pop

Cuprins
1 Matrice. Determinanţi. Sisteme de ecuaţii liniare 9

1.1 Matrice. Operaţii cu matrice . . . . . . . . . . . . . . . . . . 9
1.2 Determinanţi . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.3 Derivarea matricelor şi determinanţilor . . . . . . . . . . . . . 16
1.4 Inversa unei matrice . . . . . . . . . . . . . . . . . . . . . . . 17
1.5 Transformări elementare de matrice . . . . . . . . . . . . . . 19
1.6 Rangul unei matrice . . . . . . . . . . . . . . . . . . . . . . . 20
1.7 Sisteme de ecuaţii liniare . . . . . . . . . . . . . . . . . . . . . 23
1.8 Rezolvarea sistemelor de ecuaţii liniare
prin metoda eliminării Gauss-Jordan . . . . . . . . . . . . . . 25
2 Valori şi vectori proprii pentru matrice 27

2.1 Valori şi vectori proprii pentru matrice . . . . . . . . . . . . . 27
2.2 Polinom caracteristic . . . . . . . . . . . . . . . . . . . . . . . 30
2.3 Teorema Cayley-Hamilton . . . . . . . . . . . . . . . . . . . . 30
3 Forma diagonală a unei matrice. Forma canonică Jordan 33

3.1 Forma diagonală a unei matrice pătratice . . . . . . . . . . . 33
3.1.1 Procedeu de diagonalizare a unei matrice pătratice . . 34
3.2 Forma canonică Jordan a unei matrice pătratice . . . . . . . 36
3.2.1 Algoritm de determinare a formei canonice Jordan şi
a matricei de asemănare . . . . . . . . . . . . . . . . . 37
3.3 Funcţii elementare de matrice . . . . . . . . . . . . . . . . . . 39
3.3.1 Funcţii polinomiale de matrice . . . . . . . . . . . . . 39
3.3.2 Funcţia exponenţială de matrice . . . . . . . . . . . . 39
3.3.3 Funcţii hiperbolice de matrice . . . . . . . . . . . . . . 39
3.3.4 Funcţiile trigonometrice de matrice . . . . . . . . . . . 40
3.3.5 Funcţia logaritmică de matrice . . . . . . . . . . . . . 40
3
4 Lecţii de algebră liniară
4 Spaţiu vectorial. Subspaţiu. Bază şi dimensiune 41

4.1 Spaţiu vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.2 Subspaţiu vectorial . . . . . . . . . . . . . . . . . . . . . . . . 43
4.3 Bază şi dimensiune a unui spaţiu vectorial . . . . . . . . . . . 47
4.4 Schimbarea coordonatelor . . . . . . . . . . . . . . . . . . . . 52
5 Aplicaţii liniare 54
5.1 Aplicaţii liniare . . . . . . . . . . . . . . . . . . . . . . . . . . 54
5.2 Valori şi vectori proprii pentru endomorfisme . . . . . . . . . 57
5.3 Matricea unei aplicaţii liniare . . . . . . . . . . . . . . . . . . 59
5.4 Comportarea matricii unei aplicaţii liniare la schimbarea bazelor 61
6 Spaţii vectoriale euclidiene 65

6.1 Spaţii vectoriale euclidiene . . . . . . . . . . . . . . . . . . . . 65
6.2 Ortogonalitate . . . . . . . . . . . . . . . . . . . . . . . . . . 68
6.3 Procedeul de ortogonalizare Gram-Schmidt . . . . . . . . . . 70
7 Forme biliniare. Forme pătratice 74

7.1 Forme biliniare . . . . . . . . . . . . . . . . . . . . . . . . . . 74
7.2 Forme pătratice . . . . . . . . . . . . . . . . . . . . . . . . . . 78
7.3 Expresia canonică a unei forme pătratice . . . . . . . . . . . . 79
7.4 Reducerea formelor pătratice la expresia canonică prin metoda
Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
lui Jacobi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
vectorilor proprii . . . . . . . . . . . . . . . . . . . . . . . . . 88
8 Probleme pentru seminar şi pregătirea examenului 89

8.1 Matrice. Operaţii cu matrice. Determinanţi. Proprietăţile
determinanţilor. Derivarea matricelor şi determinanţilor . . . 89
8.2 Inversa unei matrice. Matrice inversabile . . . . . . . . . . . . 102
8.3 Determinarea rangului şi inversei unei matrice. Rezolvarea
sistemelor de ecuaţii liniare . . . . . . . . . . . . . . . . . . . 106
8.4 Valori şi vectori proprii pentru matrice. Teorema Cayley-
Hamilton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
8.5 Forma (expresia) diagonală a unei matrice.
Forma (expresia) canonică Jordan . . . . . . . . . . . . . . . 115
8.6 Spaţii vectoriale. Subspaţii vectoriale. Bază şi dimensiune
a unui spaţiu vectorial. Subspaţiu generat de o mulţime de
vectori. Schimbarea coordonatelor . . . . . . . . . . . . . . . 119
Lecţii de algebră liniară 5
8.7 Produs scalar. Spaţii vectoriale euclidiene.

Procedeul de ortogonalizare Gram-Schmidt . . . . . . . . . . 126
8.8 Aplicaţii (transformări, operatori) liniare . . . . . . . . . . . . 128
8.9 Forme biliniare şi forme pătratice . . . . . . . . . . . . . . . . 137
Bibliografie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
INTRODUCERE
Algebra liniară, una din cele mai dezvoltate ramuri ale matematicii,
este o ramură a algebrei care se ı̂ncadrează ı̂ntr-un context mai larg, legat de
teoria modulelor. Dezvoltarea acestei ramuri a algebrei a fost determinată
de numeroasele ei conexiuni cu geometria euclidiană ı̂n spaţii de dimensiuni
mari, cu analiza matematică liniară, cu analiza numerică şi cu probleme de
programare a calculatoarelor.
Lucrarea de faţă conţine temele de curs şi seminar predate de autori
studenţilor din anul I al Facultăţii de Ştiinţe de la Universitatea Tehnică din
Cluj-Napoca, Centrul Universitar Nord din Baia Mare, specializările Mate-
matică-Informatică, Informatică şi Informatică Economică.
În expunere s-a renunţat la demonstrarea unor rezultate teoretice ı̂n favoa-
rea unor exemplificări consistente. Demonstraţiile pot fi găsite ı̂n lucrările
din lista bibliografică.
Problemele propuse pentru activităţile de seminar sunt ı̂nsoţite de răspun-
suri şi indicaţii, prin care sperăm să captăm interesul studenţilor şi să le
facilităm ı̂nsuşirea metodelor specifice de rezolvare.
Mulţumim tuturor celor care ne-au ı̂ncurajat şi sprijinit ı̂n elaborarea
acestei lucrări.
Baia Mare, noiembrie 2014
Autorii
Capitolul 1
Matrice. Determinanţi.
Sisteme de ecuaţii liniare
1.1 Matrice. Operaţii cu matrice

1.1.1 Definiţie. Fie m, n ∈ N∗ iar K 6= ∅ o mulţime. Se numeşte matrice de
tip m×n cu elemente din K orice funcţie A : {1, 2, ..., m}×{1, 2, ..., n} → K.
1.1.2 Observaţii. (i) Notând A(i, j) = aij , i = 1, m, j = 1, n, matricea A
se poate reprezenta sub forma tabloului
 
a11 . . . a1j . . . a1n
 ... ... ... ... ... 
 
(1.1.1) A=  ai1 . . . aij . . . ain 

 ... ... ... ... ... 
am1 . . . amj . . . amn
care are m linii şi n coloane. Se foloseşte notaţia prescurtată
(1.1.2) A = (aij ) i=1,m .
j=1,n
(ii) Valorile aij (i = 1, m, j = 1, n) se numesc elementele matricei A.

(iii) Dacă m = 1, matricea A = (a11 . . . a1j. . . a1n
) se numeşte matrice
a11
 .. 
 . 
 
(vector) linie, iar dacă n = 1, matricea A =   ai1  se numeşte matrice

 .. 
 . 
am1
(vector) coloană.
Dacă m = n, matricea A se numeşte matrice pătratică.
9
(iv) Mulţimea matricelor de tip m × n cu elemente din K se notează

Mm,n (K), iar mulţimea matricelor pătratice de ordin n se notează Mn (K).
(v) Mulţimea K are ı̂n general o structură algebrică de inel sau corp, cel
mai adesea K = Z, Zn , Q, R sau C, când se pot defini operaţii cu matrice.
1.1.3 Definiţie. Matricele A, B ∈ Mm,n (K), A = (aij ) i=1,m , B = (bij ) i=1,m

j=1,n j=1,n
se numesc egale, dacă şi numai dacă sunt egale ca funcţii, adică:
(1.1.3) aij = bij , (∀) i = 1, m, (∀) j = 1, n.
1.1.4 Definiţie. Fie (K, +, ·) inel (corp) iar A, B ∈ Mm,n (K), A = (aij ) i=1,m ,
j=1,n
B = (bij ) i=1,m . Se numeşte sumă a matricelor considerate, matricea
j=1,n
C ∈ Mm,n (K), C = (cij ) i=1,m ale cărei elemente sunt date prin:
j=1,n
(1.1.4) cij = aij + bij , (∀) i = 1, m, (∀) j = 1, n.
1.1.5 Observaţii. (i) Adunarea determină pe mulţimea Mm,n (K) o struc-

tură algebrică de grup abelian.
(ii) Elementul neutru al grupului (Mm,n (K), +) este Om,n (matricea nulă
de tip m × n), iar opusa matricei A = (aij ) i=1,m este matricea
j=1,n
−A = (−aij ) i=1,m .
j=1,n
1.1.6 Definiţie. Fie (K, +, ·) inel (corp), α ∈ K iar A ∈ Mm,n (K),

A = (aij ) i=1,m . Matricea αA, definită prin:
j=1,n
(1.1.5) α · A = (α · aij ) i=1,m

j=1,n
se numeşte produsul matricei A cu scalarul α.
1.1.7 Observaţii. (i) Folosind definiţia (1.1.4) şi definiţia egalităţii ma-
tricelor, rezultă că produsul matricelor cu scalari are proprietăţile:
(S1) α · (B + C) = α · B + α · C, (∀) α ∈ K, (∀) B, C ∈ Mm,n (K);
(S2) (α + β) · A = α · A + β · A, (∀) α, β ∈ K, (∀) A ∈ Mm,n (K);
(S3) α · (β · C) = (α · β) · C, (∀) α, β ∈ K, (∀) C ∈ Mm,n (K);
(S4) 1 · A = A, (∀) A ∈ Mm,n (K).
(ii) Proprietăţile precedente arată că ı̂nmulţirea matricelor cu scalari
· : K × Mm,n (K) → Mm,n (K) determină pe grupul (Mm,n (K), +) o struc-
tură algebrică de spaţiu vectorial.
1.1.8 Definiţie. Fie (K, +, ·) un inel (corp), A ∈ Mm,n (K), A = (aij ) i=1,m ,
j=1,n
B ∈ Mn,p (K), B = (bjk ) j=1,n . Se numeşte produs al matricelor A şi B
k=1,p
matricea C ∈ Mm,p (K), C = (cik ) i=1,m cu elementele exprimate prin:
k=1,p
n
X
(1.1.6) cik = aij bjk , (∀) i = 1, m, (∀) k = 1, p.
j=1
1.1.9 Observaţii. (i) Produsul A · B se poate efectua dacă şi numai dacă
numărul coloanelor matricei A este egal cu numărul liniilor matricei B. Dacă
produsul A · B se poate efectua, nu rezultă ı̂n general că se poate efectua şi
B · A.
(ii) Dacă produsele ce intervin se pot efectua, au loc egalităţile:
(1.1.7) A · (B · C) = (A · B) · C (asociativitate);
(1.1.8) A · (B + C) = A · B + A · C (distributivitate faţă de o adunare).

(iii) Pe mulţimea Mn (K) operaţiile de adunare şi ı̂nmulţire a matricelor
determină o structură algebrică de inel, notat (Mn (K), +, ·). Dacă n ≥ 2,
acest inel este ı̂n general necomutativ şi cu divizori ai lui zero. Elementul său
neutru este On (matricea pătratică nulă de ordin n), iar elementul unitate
este matricea unitate de ordinul n, definită prin:
 
1 0 ... 0
0 1 ... 0 
(1.1.9) In = 
. . . . . . . . . . . . .

0 0 ... 1
1.1.10 Definiţie. Fie A ∈ Mm,n (K), A = (aij ) i=1,m .
j=1,n
Matricea At = (aji ) j=1,n ∈ Mn,m (K) se numeşte transpusa matricei A.
i=1,m
1.1.11 Observaţii. Se verifică uşor următoarele proprietăţi ale operaţiei de

transpunere:
1. (At )t = A, (∀) A ∈ Mm,n (K);
2. (aA)t = a · At , (∀) A ∈ Mm,n (K), (∀) a ∈ K;
3. (A + B)t = At + B t , (∀) A, B ∈ Mm,n (K);
4. (A · B)t = B t At , (∀) A ∈ Mm,n (K), (∀) B ∈ Mn,p (K).
1.1.12 Definiţie. Dacă A = (akj ) ∈ Mm,n (C), akj = αkj + iβkj ,
(∀) k = 1, m, (∀) j = 1, n (i2 = −1), atunci matricea A = (akj ) ∈ Mm,n (C),
akj = αkj − iβkj , (∀) k = 1, m, (∀) j = 1, n, se numeşte conjugata matricei A
(aici αkj , βkj ∈ R, ∀ k = 1, m, ∀ j = 1, n).
1.1.13 Definiţie. Dacă A = (aij ) i=1,m e o matrice cu elemente complexe

j=1,n
(reale), atunci matricea
(1.1.10) A∗ = (A)t
se numeşte adjuncta matricei A.

1.1.14 Observaţii. Operaţia de ataşare a matricei adjuncte poate fi privită
ca o funcţie ∗ : Mm,n (C) → Mn,m (C) care are proprietăţile:
1. (A∗ )∗ = A, (∀) A ∈ Mm,n (C);
2. (a · A)∗ = a · A∗ , (∀) A ∈ Mm,n (C), (∀) a ∈ C;
3. (A + B)∗ = A∗ + B ∗ , (∀) A, B ∈ Mm,n (C);
4. (A · B)∗ = B ∗ · A∗ , (∀) A ∈ Mm,n (C), (∀) B ∈ Mn,p (C).
1.1.15 Definiţie. Matricea A ∈ Mn (C) se numeşte:
(i) normală, dacă A∗ · A = A · A∗ ;
(ii) hermitiană, dacă A∗ = A;
(iii) antihermitiană, dacă A∗ = −A;
(iv) unitară, dacă A · A∗ = In .
Dacă A ∈ Mn (R) se folosesc denumirile: simetrică ı̂n loc de hermitiană;
antisimetrică ı̂n loc de antihermitiană; ortogonală ı̂n loc de unitară.
1.1.16 Definiţie. Dacă Aij ∈ Mm(i),n(j) (K), i = 1, k, j = 1, p, atunci
matricea  
A11 A12 . . . A1p
A21 A22 . . . A2p 
A=  . . . . . . . . . . . .  ∈ MM,N (K),

Ak1 Ak2 . . . Akp

k
P p
P
unde M = m(i), N = n(j), se numeşte matrice cu blocuri (matricele
i=1 j=1
Aij sunt blocurile matricei A).
1.1.17 Observaţii. (i) Orice matrice A ∈ MM,N (K), M ≥ 2, N ≥ 2 poate
fi partiţionată ı̂n blocuri ce se evidenţiază prin bare verticale sau orizontale
trasate printre coloanele sau liniile matricei A.
(ii) Dacă A şi B sunt matrice cu blocuri, astfel ı̂ncât să se poată efectua
produsul blocurilor, atunci produsul matricelor cu blocuri se efectuează ca
şi produsul matricelor cu elemente.
(iii) Dacă A ∈ Mm,n (K), B ∈ Mn,p (K) şi C = A · B ∈ Mm,p (K),
notăm B1 , B2 , . . . , Bp coloanele matricei B, C1 , C2 , . . . , Cp coloanele matricei
C. Atunci:
(1.1.11) (C1 C2 . . . Cp ) = A · (B1 B2 . . . Bp ).

Relaţia precedentă arată că Ck = A · Bk , (∀) k = 1, p, care arată că fiecare

coloană a lui C e o combinaţie liniară a coloanelor lui A.
(iv) Fie L1 , L2 , . . . , Lm liniile lui C, iar A1 , A2 , . . . , Am liniile matricei A.
Atunci
   
L1 A1
 L 2   A2 
(1.1.12)  ..  =  ..  · B.
   
 .   . 
Lp Am
Rezultă că Li = Ai · B, ∀ i = 1, m, adică fiecare linie a matricei C este o

combinaţie liniară a liniilor matricei B.
1.2 Determinanţi
1.2.1 Definiţie. O funcţie bijectivă σ : {1, 2, . . . , n} → {1, 2, . . . , n} se
numeşte permutare de grad n.
1.2.2 Observaţii. (i) Mulţimea permutărilor de grad n se notează Sn ; se
ştie că avem card Sn = n!.
(ii) Dacă σ ∈ Sn , tabloul permutării σ este

1 2 ... n
(1.2.1) σ= .
σ(1) σ(2) . . . σ(n)
(iii) Fie σ ∈ Sn , i, j ∈ {1, 2, . . . , n}; perechea (i, j) realizează o inversiune
ı̂n permutarea σ dacă are loc implicaţia:
(1.2.2) i < j ⇒ σ(i) > σ(j).
Numărul inversiunilor permutării σ se notează m(σ).
(iv) Numărul ε(σ) = (−1)m(σ) se numeşte semnul sau signatura per-
mutării σ. Dacă ε(σ) = 1, permutarea σ se numeşte pară, iar dacă
ε(σ) = −1, permutarea σ se numeşte impară.
(v) Numărul permutărilor pare din Sn este egal cu numărul permutărilor
impare, adică
n!
(1.2.3) card {σ ∈ Sn | ε(σ) = 1} = card {σ ∈ Sn | ε(σ) = −1} = .
2
1.2.3 Definiţie. Fie (K, +, ·) un inel, iar A = (aij ) ∈ Mn (K).
Elementul det A ∈ K, definit prin
X
(1.2.4) det A = ε(σ)a1σ(1) a2σ(2) . . . anσ(n)
σ∈Sn
se numeşte determinantul matricei A = (aij ) ∈ Mn (K) şi se notează

a11 . . . a1n

(1.2.5) det A = . . . . . . . . . .
an1 . . . ann
1.2.4 Observaţii. (i) Suma din (1.2.4) are n! termeni; fiecare termen al
sumei este un produs de n factori, câte unul din fiecare linie şi fiecare coloană
a matricei A. Numărul termenilor ce apar cu semnul ” + ” este egal cu
numărul termenilor ce apar cu semnul ” − ”.
(ii) Partiţionăm matricea A pe coloane A = (A1 |A2 | . . . |An ). Se verifică
uşor următoarele proprietăţi ale determinanţilor:
D1. det(Aσ(1) |Aσ(2) | . . . |Aσ(n) ) = ε(σ) det(A1 |A2 | . . . |An );
D2. det(a1 A1 |a2 A2 | . . . |an An ) = (a1 . . . an ) det(A1 |A2 | . . . |An );
D3. det(A1 | . . . |A0i + A00i | . . . |An ) =
= det(A1 | . . . |A0i | . . . |An ) + det(A1 | . . . |A00i | . . . |An ).
(iii) Aceleaşi relaţii se verifică dacă partiţionăm matricea pe linii.
(iv) Dacă un determinant are o coloană (linie) nulă, valoarea determi-
nantului este zero; la fel dacă o coloană (linie) este o combinaţie liniară a
altor coloane (linii).
(v) Dacă la elementele unei coloane (linii) se adună elementele altei
coloane (linii) ı̂nmulţite cu un număr, valoarea determinantului nu se schimbă.
1.2.5 Definiţie. Fie A ∈ Mn (K), A = (aij ) i=1,n . Determinantul de ordin

j=1,n
(n − 1) care se obţine din det A prin suprimarea liniei i şi coloanei j

a11 . . . a1j−1 a1j+1 . . . a1n

... ... ... ... . . . . . .

a . . . ai−1j−1 ai−1j+1 . . . ai−1n
(1.2.6) ∆ij = i−11
ai+11 . . . ai+1j−1 ai+1j+1 . . . ai+1n
... ... ... ... . . . . . .

a . . . anj−1 anj+1 . . . ann
n1
se numeşte minorul elementului aij .

Elementul
(1.2.7) Aij = (−1)i+j ∆ij
se numeşte complementul algebric al elementului aij .
Se demonstrează următoarea
1.2.6 Teoremă. Dacă A = (aij ) ∈ Mn (K), sunt adevărate afirmaţiile de

mai jos:
n
P
(i) det A = aij Aij , ∀ i = 1, n;
j=1
Pn
(ii) det A = aij Aij , ∀ j = 1, n.
i=1
Egalitatea de la (i) se numeşte dezvoltarea determinantului după ele-
mentele liniei i, iar a doua, dezvoltarea determinantului după elementele
coloanei j.
1.2.7 Teoremă. Fie A = (aij ) ∈ Mn (K). Atunci:
(i) ai1 Aj1 + ai2 Aj2 + · · · + ain Ajn = 0, ∀ j 6= i;
(ii) a1j A1i + a2j A2i + · · · + anj Ani = 0, ∀ i 6= j.
Demonstraţie. (i) Considerăm determinantul

a11 a12 . . . a1n

... . . . . . . . . .

ai1 ai2 . . . ain (i)

(1.2.8) d = . . . . . . . . . . . .
ai1
ai2 . . . ain (j)
... . . . . . . . . .

a an2 . . . ann
n1
obţinut din det A prin ı̂nlocuirea liniei j cu linia i. Cum d are două linii ega-
le avem d = 0. Dezvoltând determinantul d după elementele liniei j obţinem
d = ai1 Aj1 + ai2 Aj2 + · · · + ain Ajn ,
de unde concluzia.
(ii) Se face un raţionament analog asupra coloanelor.
1.2.8 Definiţie. Dacă A = (aij ) ∈ Mn (K), iar Aij sunt complemenţii
algebrici ai elementelor aij , matricea
(1.2.9) A∗ = (Aji )i,j=1,n = (Aij )ti,j=1,n
se numeşte matricea reciprocă a matricei A.

O proprietate importantă a matricei reciproce este exprimată ı̂n următoarea
1.2.9 Teoremă. Dacă A = (aij ) ∈ Mn (K), iar A∗ = (Aij )ti,j=1,n este
matricea ei reciprocă, au loc egalităţile:
(1.2.10) A · A∗ = A∗ · A = (det A) · In .
   
a11 . . .
a1n A11 . . . An1
... ... ...  ... ... ... 
   
Demonstraţie. Fie A =   ai1 . . . , A∗ =  A12 . . . An2 .
ain   
... ... ...   ... ... ... 
an1 . . .
ann A1n . . . Ann
Notăm L1 , . . . , Ln liniile matricei A,
C1 , . . . , Cn coloanele
lui A∗ . În baza
0, i 6= j
Teoremei 1.2.7 (i) şi a Teoremei 1.2.6 (i) avem Li Cj = .
det A, i = j
Prin urmare
 
det A 0 ... 0
 0 det A . . . 0 
A · A∗ =   ...
 = (det A) · In .
... ... ... 
0 0 . . . det A
Aplicând Teorema 1.2.6 (ii) şi Teorema 1.2.7 (ii), rezultă A∗ A = (det A)In .
1.2.10 Observaţii. Alte proprietăţi remarcabile ale determinanţilor sunt:
D1. det(A · B) = det A · det B, ∀ A, B ∈ Mn (K);
D2. det Ak = (det A)k , ∀ A ∈ Mn (K), ∀ k ∈ N;
D3. det At = det A, ∀ A ∈ Mn (K);
D4. det A = det A, ∀ A ∈ Mn (C).
1.3 Derivarea matricelor şi determinanţilor

1.3.1 Definiţie. Dacă funcţiile aij : R → R (i = 1, m, j = 1, n) sunt
derivabile pe R, iar A(x) = (aij (x)) ∈ Mm,n (R), matricea
A0 (x) = (a0ij (x)) ∈ Mm,n (R) este derivata matricei A(x).
1.3.2 Teoremă. Dacă funcţiile aij : R → R (i = 1, n, j = 1, n) sunt deri-
vabile pe R, A(x) = (aij (x)) ∈ Mn (R), atunci derivata determinantului
matricei A(x) este:
0
a11 (x) . . . a01n (x)

a11 (x) . . . a1n (x)

... ... . . . ... ... . . .
(1.3.1) (det A(x))0 = ai1 (x) . . . ain (x) + . . . a0i1 (x) . . . a0in (x) +

... ... . . . ... ... . . .

an1 (x) . . . ann (x) an1 (x) . . . ann (x)

a11 (x) . . . a1n (x)

... ... . . .

· · · + ai1 (x) . . . ain (x) .
... ... . . .

a0 (x) . . . a0 (x)
n1 nn
1.3.3 Observaţii. (i) Egalitatea (1.3.1) exprimă derivarea lui det A(x) după
linii. Analog se efectuează derivarea după coloane.
(ii) Dacă aij : R → R sunt derivabile pe R (i, j = 1, n) iar
A(x) = (aij (x)) ∈ Mn (R), ı̂n general
(1.3.2) det A0 (x) 6= (det A(x))0 .
1.4 Inversa unei matrice

1.4.1 Definiţie. Fie (K, +, ·) un câmp (corp comutativ).
Matricea A ∈ Mn (K) e inversabilă dacă există o matrice B ∈ Mn (K) aşa
ı̂ncât să aibă loc:
(1.4.1) A · B = B · A = In .
Matricea B cu proprietatea precedentă se numeşte inversa matricei A şi se

notează A−1 .
1.4.2 Teoremă. Fie (K, +, ·) un câmp. Dacă A ∈ Mn (K) este inversabilă,

atunci inversa lui A este unică.
Demonstraţie. Presupunem că A e inversabilă şi are inversele

B 0 , B 00 ∈ Mn (K), adică AB 0 = B 0 A = In , AB 00 = B 00 A = In . Din egalităţile
precedente, folosind asociativitatea produsului, rezultă că B 00 = (B 00 A)B 0 =
In B 0 = B 0 , deci inversa lui A e unică.
1.4.3 Teoremă. Fie (K, +, ·) un câmp. Matricea A ∈ Mn (K) este in-

versabilă dacă şi numai dacă det A 6= 0.
Demonstraţie. ” ⇒ ” Dacă A este inversabilă, atunci

⇒ (∃) B = A−1 ∈ Mn (K) astfel ı̂ncât A · B = B · A = In ⇒ det(A · B) =
det(B · A) = det In = 1 ⇒ det A · det B = 1 ⇒ det A 6= 0.
” ⇐ ” Din Teorema 1.2.9 ⇒ A · A∗ = A∗ · A = (det A) · In .
Cum det A 6= 0 ⇒ (∃) (det A)−1 . Atunci:
A · A∗ = (det A) · In ⇒ A · ((det A)−1 · A∗ ) = In ;
A∗ · A = (det A) · In ⇒ ((det A)−1 · A∗ ) · A = In .
Relaţiile precedente arată că B = (det A)−1 · A∗ este inversa lui A, deci
A e inversabilă.
1.4.4 Observaţii. (i) Dacă (J, +, ·) este inel iar A ∈ Mn (J), atunci A
este inversabilă dacă şi numai dacă det A este element inversabil al inelului
(J, +, ·). De exemplu, dacă J = Z şi A ∈ Mn (Z), atunci A este inversabilă
dacă şi numai dacă det A = ±1. Dacă J = Zp iar A ∈ Mn (Zp ), A este
inversabilă dacă şi numai dacă det A = bk, (k, p) = 1.
(ii) Dintre proprietăţile elementare legate de inversă, amintim:
(I1) (a · A)−1 = a−1 A−1 , ∀ a ∈ K ∗ , ∀ A ∈ Mn (K) inversabilă;
(I2) (A · B)−1 = B −1 · A−1 , ∀ A, B ∈ Mn (K) inversabile;
(I3) (Ak )−1 = (A−1 )k , ∀ A ∈ Mn (K) inversabilă, ∀ k ∈ N;
(I4) A−1∗ = (det A)
−1 · A, ∀ A ∈ M (K) inversabilă;
n
(I5) det A∗ = (det A)n−1 .
Se demonstrează uşor următoarea
1.4.5 Teoremă. Fie (K, +, ·) un câmp. Mulţimea
(1.4.2) GLn (K) = {A ∈ Mn (K) | det A 6= 0}
formează o structură algebrică de grup multiplicativ numit grupul general

liniar de grad n.
1.4.6 Teoremă. Fie (K, +, ·) un câmp. Mulţimea
(1.4.3) SLn (K) = {A ∈ Mn (K) | det A = 1}
formează o structură algebrică de grup multiplicativ numit grupul special

liniar de grad n.
Demonstraţie. ∀ A, B ∈ SLn (K) ⇒ det A = det B = 1 ⇒ det(AB) = 1 ⇒
AB ∈ SLn (K);
∀ A ∈ SLn (K) ⇒ det A = 1 6= 0 ⇒ (∃) A−1 şi 1 = det A · det A−1 ⇒
det A−1 = 1 ⇒ A−1 ∈ SLn (K).
Relaţiile precedente arată că SLn (K) este un subgrup al lui GLn (K),
deci (SLn (K), ·) este grup.
1.4.7 Definiţie. Fie (K, +, ·) un câmp. Matricele A, B ∈ Mm,n (K) se
numesc echivalente dacă există matricele Q ∈ GLm (K), P ∈ GLn (K) astfel
ı̂ncât să aibă loc
(1.4.4) B = Q · A · P.
Se utilizează ı̂n acest caz notaţia A ' B.

1.4.8 Definiţie. Fie (K, +, ·) un câmp. Matricele A, B ∈ Mn (K) se numesc
asemenea dacă există o matrice inversabilă P ∈ GLn (K) astfel ı̂ncât
(1.4.5) B = P −1 · A · P.
În acest caz se utilizează notaţia A ∼ B. E clar că A ∼ B implică A ≈ B.

1.5 Transformări elementare de matrice

1.5.1 Definiţie. Fie (K, +, ·) un câmp, iar A ∈ Mm,n (K). Următoarele
transformări efectuate ı̂n matricea A se numesc transformări elementare pe
linii:
(i) schimbarea a două linii ı̂ntre ele;
(ii) ı̂nmulţirea unei linii cu un element nenul a ∈ K;
(iii) adunarea unei linii la o altă linie.
Analog se definesc transformările elementare pe coloane.
1.5.2 Definiţie. Matricea pătratică A ∈ Mn (K) se numeşte elementară,
dacă se obţine din matricea unitate In prin aplicarea unei transformări ele-
mentare.
1.5.3 Teoremă. Fie A ∈ Mm,n (K). Atunci:
(i) efectuarea ı̂n matricea A a unei transformări elementare pe linii revine
la ı̂nmulţirea la stânga a matricei A cu o matrice elementară de linii E` ∈
Mm (K) corespunzătoare transformării;
(ii) efectuarea ı̂n matricea A a unei transformări elementare pe coloane
revine la ı̂nmulţirea la dreapta a matricei A cu o matrice elementară de
coloane Ec ∈ Mn (K) corespunzătoare transformării.
 
a11 a12
1.5.4 Exemplu. Fie A = a21 a22  ∈ M3,2 (K); să efectuăm transfor-
a31 a32
marea elementară de linii, adunarea liniei 1 la linia 2.
Matricea elementară de linii corespunzătoare acestei transformări se obţi-
ne din matricea unitate I3 prin adunarea liniei 1 la linia 2 şi este:
 
1 0 0
E` = 1 1 0 .
0 0 1
Atunci
     
1 0 0 a11 a12 a11 a12
E` · A = 1 1 0 · a21 a22  = a11 + a21 a12 + a22  .
0 0 1 a31 a32 a31 a32
Să schimbăm coloanele lui A ı̂ntre ele. Matricea elementară de coloane cores-
punzătoare se obţine din matricea unitate I2 schimbând coloanele ı̂ntre ele:

0 1
Ec = .
1 0
Atunci    
a11 a12 a12 a11
0 1
A · Ec = a21 a22  · = a22 a21  .
1 0
a31 a32 a32 a31
1.6 Rangul unei matrice

1.6.1 Definiţie. Fie (K, +, ·) un câmp iar A ∈ Mm,n (K), A 6= Om,n . Atunci
rang A = p ∈ N∗ dacă şi numai dacă sunt ı̂ndeplinite condiţiile:
(i) există un minor nenul de rang p al lui A;
(ii) toţi minorii de ordin (p + 1) (dacă există) sunt nuli.
1.6.2 Observaţii.
(i) Dacă A = Om,n , prin convenţie rang A = 0.
(ii) Dacă A ∈ Mm,n (K) şi rang A = p, atunci p ∈ {0, 1, . . . , min(m, n)}.
(iii) Dacă A ∈ Mn (K), atunci rang A = n ⇔ det A 6= 0 ⇔ A inversabilă.
(iv) Efectuarea unei transformări elementare ı̂ntr-o matrice nu schimbă
rangul matricei.
1.6.3 Definiţie. Liniile L1 , L2 , . . . , Lp ale matricei A ∈ Mm,n (K) se numesc

liniar dependente dacă există α1 , . . . , αp ∈ K nu toţi nuli, astfel ı̂ncât α1 L1 +
α2 L2 +· · ·+αp Lp = 0. În caz contrar, liniile L1 , . . . , Lp se numesc liniar inde-
pendente. Analog se defineşte liniar dependenţa (independenţa) coloanelor.
1.6.4 Observaţii.
(i) Liniile L1 , L2 , . . . , Lp sunt liniar dependente dacă şi numai dacă este
posibil ca efectuând transformări elementare numai pe liniile L1 , L2 , . . . , Lp
să obţinem o linie nulă.
(ii) Coloanele C1 , C2 , . . . , Cp sunt liniar dependente dacă şi numai dacă
efectuând transformări elementare numai pe coloanele C1 , . . . , Cp se obţine
o coloană nulă.
Folosind definiţia liniar dependentei liniilor (coloanelor) şi definiţia ran-

gului, se demonstrează următoarea
1.6.5 Teoremă. Fie (K, +, ·) un câmp iar A ∈ Mm,n (K).

Următoarele afirmaţii sunt echivalente:
(i) rang A = p;
(ii) matricea A conţine p linii liniar independente şi oricare (p + 1) linii
sunt liniar dependente (p < m);
(iii) matricea A conţine p coloane liniar independente şi oricare (p + 1)
coloane sunt liniar dependente (p < n).
Demonstrăm următoarea
1.6.6 Teoremă. Fie (K, +, ·) un câmp, iar A ∈ Mm,n (K).

Următoarele afirmaţii sunt echivalente:
(i) rang A = p;
(ii) există o succesiune de transformări elementare pe linii şi coloane,
prin care matricea A se transformă ı̂n matricea

Ip 0
(1.6.1) B= .
0 0
Demonstraţie. (i) ⇒ (ii).

Dacă A = 0, atunci B = 0 şi rang A = 0, deci nu avem ce demonstra.
Dacă A 6= 0, fie aij 6= 0 un element nenul din matrice; schimbând ı̂ntre
ele liniile 1, i şi coloanele 1, j, elementul nenul aij ajunge ı̂n poziţia (1, 1);
deci putem presupune a11 6= 0. Împărţim linia 1 cu a11 ; o scădem apoi
ı̂nmulţită corespunzător din celelalte linii ı̂n aşa fel ı̂ncât celelalte elemente
ale primei coloane să fie nule; ı̂nmulţită corespunzător scădem prima coloană
din celelalte coloane, astfel ca toate celelalte elemente ale primei linii să fie
nule. Se obţine matricea:
 
1 0...0
 0 
A≈ .  , A1 ∈ Mm−1,n−1 (K).
 
 .. A1 
0
Dacă A1 = 0, atunci rang A = 1 şi demonstraţia se ı̂ncheie.

Dacă A1 6= 0, procedând ca la pasul precedent, matricea A se transformă
ı̂n matricea echivalentă
 
1 0
0
A≈ 0 1  , A2 ∈ Mm−2,n−2 (K).
0 A2
Dacă A2 = 0, atunci rang A = 2 şi demonstraţia se ı̂ncheie.

Dacă A2 6= 0 se continuă procedeul şi după p paşi (p = rang A) se ajunge
la forma echivalentă (1.6.1).
(ii) ⇒ (i). Cum B se obţine din A prin transformări elementare (care
nu schimbă rangul) şi rang B = p ⇒ rang A = p.
1.6.7 Observaţii. Dintre proprietăţile principale ale rangului amintim:

(R1) rang (A · B) ≤ rang A, rang (A · B) ≤ rang B;
(R2) dacă A ∈ GLn (K) ⇒ rang (A · B) = rang B;
dacă B ∈ GLn (K) ⇒ rang (A · B) = rang A;

(R3) rang At = rang A, rang A∗ = rang A;
(R4) dacă A, B ∈ Mn (K) ⇒ rang(A · B) ≥ rang A + rang B − n.
Rezultatul următor permite determinarea inversei unei matrice folosind

transformări elementare.
1.6.8 Teoremă. Dacă A ∈ GLn (K), atunci există o succesiune de trans-

formări elementare pe liniile matricei cu blocuri [A|In ], care o transformă ı̂n
matricea [In |B], unde B = A−1 .
1.6.9 Exemplu. Vom determina inversa matricei

 
1 1 1 ... 1
1 0 1 ... 1 
 
A=
 1 1 0 ... 1  .
. . . . . . . . . . . . . . .
1 1 1 ... 0
Ataşăm matricea cu blocuri [A|In ], adică

 
1 1 1 ... 1 1
0 0 ... 0

 1 0 1 ... 1 0
1 0 ... 0 


 1 1 0 ... 1 0
0 1 ... 0 .

 ... ... ... ... ... ... ... ...
... ... 
1 1 1 ... 0 0 0 0 ... 1
Scădem prima linie din fiecare, obţinând:

 
1 1 1 ... 1
1 0 0 ... 0

 0 −1 0 ... 0
−1 1 0 ... 0 


 0 0 −1 . . . 0
−1 0 1 ... 0 .

 ... ... ... ... ...
... ... ... ... ... 
0 0 0 . . . −1 −1 0 0 ... 1
Adunăm toate liniile la prima şi găsim:

 
1 0 0 ... 0 2−n 1 1 ... 1


 0 −1 0 ... 0 −1
1 0 ... 0 


 0 0 −1 . . . 0 −1
0 1 ... 0 .

 ... ... ... ... ... ... ... ...
... ... 
0 0 0 . . . −1 −1 0 0 ... 1
Înmulţim liniile 2, 3, . . . , n cu −1, rezultând:

 
1 0 0 ... 0 2 − n 1 1 ... 1
 0 1 0 . . . 0 1 1 0 ... 0 
 
 0 0 1 . . . 0 1 0 1 ... 0  = [In | B],
 
 ... ... ... ... ... ... ... ... ... ... 

0 0 0 ... 1 1 0 0 ... 1
 
2−n 1 1 ... 1
 1 1 0 ... 0 
unde B = A−1 =
 ... ... ...
.
. . . . . .
1 0 0 ... 1
1.7 Sisteme de ecuaţii liniare

1.7.1 Definiţie. Fie (K, +, ·) un câmp. Un sistem de ecuaţii algebrice de
gradul ı̂ntâi cu mai multe necunoscute de forma


 a11 x + a12 x2 + · · · + a1n xn = b1
a21 x1 + a22 x2 + · · · + a2n xn = b2

(S)

 · · · · · · · · ·
am1 x1 + am2 x2 + · · · + amn xn = bm

unde aij (i = 1, m, j = 1, n), bi (i = 1, m) sunt elemente fixate ı̂n K, se

numeşte sistem de m ecuaţii liniare ı̂n necunoscutele x1 , x2 , . . . , xn .
Elementele aij ∈ K (i = 1, m, j = 1, n) sunt coeficienţii sistemului, iar
elementele bi (i = 1, m) sunt termenii liberi ai ecuaţiilor sistemului.
1.7.2 Observaţii. (i) Matricea A = (aij ) i=1,m ∈ Mm,n (K) formată din
j=1,n
coeficienţii sistemului se numeşte matricea sistemului, matricea coloană X =
(x1 . . . xn )t ∈ Mn,1 (K) se numeşte matricea (vectorul) necunoscutelor, iar
matricea coloană B = (b1 b2 . . . bm )t se numeşte matricea (vectorul) terme-
nilor liberi.
(ii) Matriceal, sistemul (S) se scrie ı̂n forma
A · X = B. (S)
1.7.3 Definiţie. n-Uplu (x01 , x02 , . . . , x0n ) ∈ K n se numeşte soluţie a sistemu-

lui (S), dacă verifică ecuaţiile sistemului. Sistemul (S) se numeşte compatibil
dacă are soluţie, compatibil determinat dacă are o soluţie unică, respectiv
incompatibil dacă nu are soluţie.
Condiţia necesară şi suficientă ca un sistem de m ecuaţii liniare cu n

necunoscute să fie compatibil este exprimată ı̂n
1.7.4 Teoremă (Rouché). Sistemul de m ecuaţii liniare cu n necunoscute
(S) A·X =B
este compatibil dacă şi numai dacă rang A = rang (A | B).

Demonstraţie. Avem rang (A | B) = rang A ⇔ coloana B a termenilor
liberi şi coloanele matricei A = (A1 | A2 | . . . |An ) sunt liniar dependente,
adică (∃) α1 , α2 , . . . , αn ∈ K astfel ca
B = α 1 A1 + α 2 A2 + · · · + α n An ,
ceea ce ı̂nseamnă că (α1 , α2 , . . . , αn ) e soluţie a sistemului (S).

1.7.5 Definiţie. Dacă sistemul (S) A · X = B cu A ∈ Mm,n (K) este
compatibil, iar ∆p este un minor principal al matricei A (rang A = p),
ecuaţiile ı̂n care apar coeficienţii din ∆p se numesc ecuaţii principale, iar
necunoscutele cu coeficienţi ı̂n ∆p se numesc necunoscute principale. Restul
ecuaţiilor se numesc ecuaţii secundare, iar restul necunoscutelor se numesc
necunoscute secundare.
1.7.6 Observaţii.
(i) Dacă (S) e compatibil şi rang A = rang (A | B) = p, se rezolvă sis-
temul format din cele p ecuaţii principale, ı̂n care necunoscutelor secundare
li se atribuie valori arbitrare.
(ii) Soluţia unui sistem compatibil de m ecuaţii liniare cu n necunoscute
depinde de (n − p) parametrii din K.
În cazul ı̂n care numărul ecuaţiilor este egal cu numărul necunoscutelor
are loc următoarea
1.7.7 Teoremă (Cramer). Un sistem de n ecuaţii liniare cu n necunoscute
(S) A·X =B
ı̂n care matricea sistemului este inversabilă, este compatibil determinat şi
unica lui soluţie este X = A−1 · B sau
x1 = ∆−1 ∆x1 , x2 = ∆−1 ∆x2 , . . . , xn = ∆−1 ∆xn ,
unde
∆ = det A, ∆x1 = det(B|A2 | . . . |An ), . . . , ∆xn = det(A1 |A2 | . . . |B).

Demonstraţie. Cum matricea A este inversabilă, avem rang A = n =

rang (A|B). Aplicând teorema lui Rouché, rezultă că (S) este compatibil.
Dacă (x1 , x2 , . . . , xn )t este o soluţie a sistemului (S), atunci:
x1 A1 + x2 A2 + · · · + xn An = B.
De aici avem că det(A1 | . . . |Ak−1 |B|Ak+1 | . . . |An ) = xk det A sau

∆xk = xk det A, k = 1, n.
1.8 Rezolvarea sistemelor de ecuaţii liniare

prin metoda eliminării Gauss-Jordan
1.8.1 Definiţie. Fie A = (aij ) ∈ Mm,n (K). Se numeşte pas Gauss-
Jordan modificat, transformarea elementelor matricei conform algoritmului
următor:
1. alege un element nenul aij (numit pivot);
2. ı̂mparte linia pivot la pivot (inclusiv pivotul);
3. ı̂nlocuieşte celelalte elemente ale coloanei pivot cu 0;
4. calculează celelalte elemente ale matricei cu regula determinantului
de ordin 2 şi ı̂mparte la elementul pivot (diagonala principală fiind diagonala
pivotului), adică calculează celelalte elemente ale matricei cu regula drep-
tunghiului: produsul elementelor de pe diagonala pivotului minus produsul
elementelor de pe cealaltă diagonală se ı̂mparte la pivot. Prin urmare, dacă
elementul pivot este aij 6= 0 şi dorim să calculăm a0ek , care ı̂nlocuieşte pe
aek , atunci:
.. ..
 
.. ..
 
. .
. .  

. . . aij . . . aik . . .
 
. . . 1 . . . a ik 
. . .

.. ..
  aij 
devine , unde
   
 . .   .. ..

. . . aej . . . aek . . .
 
 . . 

. . . 0 . . . aek . . .
.. ..
 
 
. . .. ..
. .
a ij · aek − a ik · aej
a0ek = .
aij
1.8.2 Observaţii.
(i) Dacă A 6= 0m,n , se poate presupune că a11 6= 0; ı̂n caz contrar se
efectuează ı̂n matricea A schimbări de linii şi coloane până ce ı̂n poziţia
(1, 1) se găseşte un element nenul.
(ii) Prin efectuarea unui pas Gauss-Jordan modificat, nu se modifică
rangul matricei A.
Se demonstrează următorul rezultat:
1.8.3 Teoremă. Fie A ∈ Mm,n (K). Atunci rangul matricei A este egal
cu numărul maxim de paşi Gauss-Jordan modificaţi, care se pot efectua cu
elementele matricei A.
De asemenea, are loc:
1.8.4 Teoremă. Fie A ∈ Mn (K). Atunci A este inversabilă dacă şi numai
dacă se pot efectua n paşi Gauss-Jordan modificaţi cu elementele matricei cu
blocuri (A|In ). În urma efectuării lor se obţine matricea cu blocuri (In |A−1 ).
1.8.5 Observaţii. Considerăm sistemul (S) A · X = B, pe care ı̂l scriem ı̂n

forma:
X x1 x2 . . . xn B
a11 a12 . . . a1n b1
A a21 a22 . . . a2n b2 .
... ... ...
am1 am2 . . . amn bm
Efectuăm toţi paşii Gauss-Jordan modificaţi posibili cu elementele matricei
(A|B). Din ultimul tablou se citeşte soluţia (dacă sistemul este compatibil)
sau se decide că sistemul este incompatibil.

 2x1 − x2 − x3 = 2
1.8.6 Exemplu. Se va rezolva sistemul x1 + 4x2 − 2x3 = 10 .
x1 − 2x2 + 2x3 = 10

x1 x2 x3 x1 x2 x3 x1 x2 x3
2 −1 −1 2 1 −1/2 −1/2 1 1 0 −2/3 2
∼ ∼ ∼
1 4 −2 10 0 9/2 −3/2 9 0 1 −1/3 2
1 −2 2 10 0 −3/2 5/2 9 0 0 2 12
x1 x2 x3
1 0 0 6
∼
0 1 0 4
0 0 1 6
Sistemul este compatibil şi are soluţia x1 = 6, x2 = 4, x3 = 6.

Capitolul 2
Valori şi vectori proprii

pentru matrice
2.1 Valori şi vectori proprii pentru matrice

2.1.1 Definiţie. Fie (K, +, ·) un câmp, iar A ∈ Mn (K).
(i) Un scalar λ ∈ K se numeşte valoare proprie a matricei A, dacă există
o matrice (vector) coloană nenulă X ∈ Mn,1 (K), astfel ı̂ncât
(2.1.1) AX = λX.
Matricea (vectorul) coloană X se numeşte vector propriu corespunzător va-

lorii proprii λ.
(ii) Mulţimea valorilor proprii a matricei A se numeşte spectrul matricei
A şi se notează Sp (A).
(iii) Relaţia AX = λX, X 6= 0 ı̂n care A ∈ Mn (K), λ ∈ K iar
X ∈ Mn,1 (K), X 6= 0 se numeşte relaţie, valoare proprie, respectiv vec-
tori proprii.
2.1.2 Teoremă. Fie A ∈ Mn (K), λ ∈ Sp (A) o valoare proprie a lui A,

iar X ∈ Mn,1 (K) un vector propriu corespunzător valorii proprii λ. Sunt
adevărate afirmaţiile de mai jos:
(i) Pentru orice k ∈ N∗ , λk este valoare proprie pentru matricea Ak , iar
X este vector propriu şi pentru Ak .
(ii) Dacă P ∈ K[X] este un polinom cu coeficienţiı̂n K, atunci P (λ) este
valoare proprie pentru matricea P (A), iar X este vector propriu şi pentru
P (A).
(iii) Dacă A este inversabilă, atunci λ 6= 0 şi λ−1 este valoare proprie
pentru A−1 , iar X e vector propriu şi pentru A−1 .
27
(iv) Dacă B ∈ Mn (K) este asemenea cu A, atunci λ este valoare proprie

şi pentru B.
Demonstraţie.
(i) Din AX = λX ⇒ A2 X = A(λX) = λ(AX) = λ2 X, adică λ2 este
valoare proprie pentru A2 . Admitem că λk−1 este valoare proprie pentru
Ak−1 iar X este vectorul propriu corespunzător, adică
Ak−1 X = λk−1 X ⇒ Ak X = A(λk−1 X) = λk−1 (AX) = λk X,
ceea ce arată că λk este valoare proprie pentru Ak iar X este vectorul propriu
corespunzător.
(ii) Dacă P (x) = a0 + a1 x + · · · + ak xk ∈ K[X] este un polinom, atunci
(prin definiţie) P (A) = a0 In + a1 A + · · · + ak Ak . Dacă AX = λX cu X 6= 0,
atunci:
P (A)X = a0 X + a1 AX + a2 A2 X + . . . + ak Ak X
= a0 X + a1 λX + a2 λ2 X + . . . + ak λk X = P (λ)X,
adică P (λ) este valoare proprie, iar X vector propriu pentru P (A).
(iii) Fie A ∈ Mn (K) inversabilă. Arătăm că valoarea proprie λ este
nenulă. Presupunem λ = 0; din AX = λX = 0X = 0 ⇒ A−1 AX = 0 ⇒
X = 0, ı̂n contradicţie cu ipoteza că X este vector propriu. Deci λ 6= 0 şi
atunci, din egalitatea
AX = λX ⇒ A−1 AX = A−1 λX ⇒ X = λ(A−1 X) ⇒ λ−1 X = A−1 X,
deci λ−1 este valoare proprie, iar X vector propriu pentru A−1 .
(iv) Dacă B ∼ A, rezultă că există Q ∈ GLn (K) astfel ı̂ncât A =
QBQ−1 . Egalitatea AX = λX devine
(2.1.2) QBQ−1 X = λX ⇒ Q−1 QBQ−1 X = λQ−1 X ⇒ B(Q−1 X) = λQ−1 X.
Cum X 6= 0 (deoarece X este vector propriu al lui A) ⇒ Y = Q−1 X 6= 0.

Deci (2.1.2) se scrie ı̂n forma B · Y = λ · Y , care arată că λ este valoare
proprie a lui B.
2.1.3 Teoremă. Dacă X1 , X2 ∈ Mn,1 (K) sunt vectori proprii ai matricei

A ∈ Mn (K), corespunzători valorii proprii λ ∈ Sp (A), atunci ∀ α1 , α2 ∈ K
nu simultan nuli, α1 X1 + α2 X2 este vector propriu al lui A corespunzător
valorii proprii λ.
Demonstraţie. Din AX1 = λX1 ⇒ α1 AX1 = α1 λX1 ⇒ A(α1 X1 ) =

λ(α1 X1 ). analog A(α2 X2 ) = λ(α2 X2 ). Relaţiile precedente conduc la
A(α1 X1 + α2 X2 ) = λ(α1 X1 + α2 X2 ) şi cum α1 , α2 nu sunt simultan nuli,
X = α1 X1 + α2 X2 6= 0. Deci X = α1 X1 + α2 X2 este vector propriu al lui A
corespunzător valorii proprii λ.
2.1.4 Observaţie. Pe scurt, o combinaţie liniară a doi vectori proprii, core-
spunzători valorii proprii λ, ı̂n care cel puţin un scalar e nenul, este vector
propriu corespunzător valorii proprii λ.
2.1.5 Teoremă. Dacă λ1 , λ2 , . . . , λk ∈ Sp (A) sunt valori proprii distincte,
vectorii proprii corespunzători X1 , X2 , . . . , Xk sunt liniar independenţi.
Demonstraţie. Este de demonstrat implicaţia
α1 X1 + α2 X2 + · · · + αk Xk = 0 ⇒ α1 = α2 = · · · = αk = 0.
Prin absurd, presupunem că unii din scalarii α1 , α2 , . . . , αk ar fi nenuli.
Fie aceştia α1 , α2 , . . . , αp . Considerăm atunci relaţia:
α1 X1 + α2 X2 + · · · + αp Xp = 0.
O ı̂nmulţim succesiv cu A, A2 , . . . , Ap−1 şi ţinem seama că Am Xk = λm
k Xk .
Obţinem sistemul:


 α1 X1 + α2 X2 + · · · + αp Xp = 0
 α λ X + α λ X + ··· + α λ X = 0
1 1 1 2 2 2 p p p
(2.1.3)

 · · · · · · · · · · ·
α1 λp−1 p−1
· · · p−1

1 X 1 + α λ
2 2 X2 + + αp λp Xp = 0.
Deoarece vectorii X1 , X2 , ..., Xp sunt nenuli, notând

X1 = (x11 , x21 , ..., xn1 )t , X2 = (x12 , x22 , ..., x2n )t , . . . , Xp = (x1p , x2p , ..., xnp )t
se poate alege i ∈ {1, 2, . . . , n} astfel ca
(2.1.4) (xi1 , xi2 , . . . , xip )t 6= (0 0 . . . 0)t .
Urmărind egalităţile sistemului (2.1.3), pe linia i a fiecărei ecuaţii găsim că
(xi1 , xi2 , . . . , xip ) este o soluţie a sistemului


 α1 xi1 + α2 xi2 + · · · + αip xip = 0
 λ α x + λ α x + ··· + λ α x = 0
1 1 i1 2 2 i2 p p ip
(2.1.5)

 · · · · · · · · · · ·
 p−1
λ1 α1 xi1 + λ2 α2 xi2 + · · · + λpp−1 αp xip = 0.
p−1
Sistemul (2.1.5) este liniar omogen şi are determinantul

∆ = α1 α2 . . . αp V (α1 , α2 , . . . , αp ) 6= 0.
Prin urmare, (2.1.5) are numai soluţia banală, ı̂n contradicţie cu (2.1.4).
2.2 Polinom caracteristic

2.2.1 Teoremă. Scalarul λ ∈ K este valoare proprie a matricii A ∈ Mn (K)
dacă şi numai dacă det(A − λIn ) = 0.
Demonstraţie. Dacă λ ∈ K este valoare proprie a lui A, atunci AX = λX
cu X ∈ Mn,1 (K), X 6= 0. Relaţia precedentă se scrie ı̂n forma echivalentă
(2.2.1) (A − λIn )X = 0, X ∈ Mn,1 (K), X 6= 0.
Dacă X = (x1 , x2 , . . . , xn )t , relaţia (2.2.1) este forma matriceală a unui sis-

tem omogen de n ecuaţii liniare cu n necunoscute (componentele vectoru-
lui propriu X), care are o soluţie nebanală (deoarece X e vector propriu).
Rezultă atunci că det(A − λIn ) = 0.
2.2.2 Definiţie. Fie A ∈ Mn (K). Polinomul
(2.2.2) fA (x) = (−1)n det(A − xIn )
se numeşte polinomul caracteristic al matricei A. Ecuaţia
(2.2.3) fA (x) = 0
se numeşte ecuaţia caracteristică a matricei A.

2.2.3 Observaţii.
(i) Valorile proprii ale unei matrice A ∈ Mn (K) sunt rădăcinile ı̂n K ale
ecuaţiei caracteristice. Dacă ele sunt λ1 , λ2 , . . . , λp , atunci
Sp (A) = {λ1 , λ2 , . . . , λp }.
(ii) În Mn (C), orice matrice A are exact n valori proprii (eventual mul-
tiple).
(iii) În Mn (R), Mn (Q) există matrice care nu au valori proprii reale sau
raţionale.
2.3 Teorema Cayley-Hamilton

Fie (K, +, ·) un câmp, A ∈ Mn (K) iar fA ∈ K[X] polinomul caracteristic
al matricei A. Se va demonstra că:
2.3.1 Teoremă (Cayley-Hamilton). Orice matrice A ∈ Mn (K) verifică
ecuaţia ei caracteristică, deci
(2.3.1) fA (A) = 0.
Demonstraţie. Se ştie că ∀ M ∈ Mn (K) are loc relaţia
M M∗ = M∗ M = (det M )In .
Aplicăm relaţia precedentă pentru M = A − xIn şi obţinem:
(2.3.2) (A − xIn )(A − xIn )∗ = (det(A − xIn ))In = (−1)n fA (x)In .
Matricea reciprocă (A − xIn )∗ are ca elemente minori de ordin (n − 1) ai

matricei A−xIn , care sunt polinoame de grad cel mult (n−1) ı̂n x. Înseamnă
că matricea reciprocă (A − xIn )∗ se poate scrie sub forma:
(2.3.3) (A − xIn )∗ = B1 + B2 x + · · · + Bn xn−1 .
Notând
(2.3.4) (−1)n fA (x) = a0 + a1 x + · · · + an−1 xn−1 + an xn ,
din (2.3.2), (2.3.3) şi (2.3.4) se obţine relaţia:
(2.3.5) (A − xIn )(B1 + B2 x + · · · + Bn xn−1 ) = (a0 + a1 x + · · · + an xn )In .
Se efectuează ı̂nmulţirile şi se egalează coeficienţii aceloraşi puteri ale lui x

din cei doi membrii ai lui (2.3.5). Se obţin ı̂n acest mod relaţiile:


 AB1 = a0 In



 AB2 − B1 = a1 In
AB3 − B2 = a2 In

(2.3.6)

 · · · · · ·
ABn − Bn−1 = an−1 In




−Bn = an In .

Între ecuaţiile sistemului (2.3.6) se elimină B1 , B2 , . . . , Bn , ı̂nmulţind ecua-

ţiile respectiv prin In , A, A2 , . . . , An−1 , An şi adunând apoi membru cu mem-
bru. Se obţine:
(2.3.7) a0 In + a1 A + · · · + an An = 0
care este chiar identitatea fA (A) = 0.

2.3.2 Consecinţă. Dacă A ∈ Mn (K), atunci An este o combinaţie liniară
de puterile An−1 , An−2 , . . . , A, A0 (unde A0 = In prin definiţie).
Demonstraţie. Din teorema Cayley-Hamilton rezultă că:
An = −a−1 −1 −1
n a0 In − an a1 A − · · · − an an−1 A
n−1
.
2.3.3 Consecinţă. Dacă A ∈ Mn (K) este inversabilă şi are inversa A−1 ,
atunci
A−1 = −a−1 0 (a1 In + a2 A + · · · + an A
n−1
),
unde a0 , a1 , . . . , an sunt coeficienţii polinomului caracteristic.
Demonstraţie. Din teorema lui Cayley-Hamilton se obţine:
In = −a−1 n
0 (a1 A + · · · + an A ),
de unde, prin ı̂nmulţire cu A−1 , se găseşte relaţia din enunţ.

a b
2.3.4 Exemplu. Fie A = ∈ M2 (C). Polinomul caracteristic al
c d
matricei A este:
fA (x) = det(A − xI2 ) = x2 − (T r A)x + det A,
unde T r A = a + d este urma matricei A.

an bn
Să arătăm că An este de forma An = (n ∈ N) şi să deter-
cn dn
minăm relaţiile de recurenţă pe care le satisfac a şirurile (an )n∈N∗ , (bn )n∈N∗ ,
(cn )n∈N∗ , (dn )n∈N∗ . Avem:

1 a1 b1
A =A= cu a1 = a, b1 = b, c1 = c, d1 = d.
c1 d1

an bn
Admiţând că An = , se obţine:
cn dn

an bn a b an+1 bn+1
An+1 = = ,
cn dn c d cn+1 dn+1
unde 

 an+1 = a an + c bn
bn+1 = b an + d bn

c = a cn + c dn
 n+1


dn+1 = b cn + d dn .
Se verifică uşor că şirurile (an )n∈N∗ , (bn )n∈N∗ , (cn )n∈N∗ , (dn )n∈N∗ verifică
ecuaţia caracteristică a matricei A.
Capitolul 3
Forma diagonală a unei

matrice. Forma canonică
Jordan
3.1 Forma diagonală a unei matrice pătratice

Să considerăm sistemul de n ecuaţii liniare cu n necunoscute
(3.1.1) A · X = B,
unde A = (aij ) i=1,n ∈ Mn (K), X ∈ Mn,1 (K), B ∈ Mn,1 (K). În cazul
j=1,n
ı̂n care matricea A are toate elementele nesituate pe diagonala principală
nule, se poate citi direct soluţia sistemului (3.1.1). Este deci important
să putem transforma matricea A ı̂ntr-o matrice echivalentă, care să aibă
elemente nenule pe diagonala principală.
3.1.1 Definiţie. Fie A = (aij ) ∈ Mn (K). Matricea echivalentă cu A,

notată DA , de forma
 
d11 0 ... 0
 0 d22 ... 0 
(3.1.2) DA = 
. . .

... ... ...
0 0 . . . dnn
se numeşte forma diagonală a matricei A. Procedeul de transformare a

matricei A ı̂n matricea echivalentă DA se numeşte diagonalizare.
Se pun următoarele probleme:

(P1) În ce condiţii matricea A ∈ Mn (K) se poate diagonaliza?
33
(P2) Cum se realizează diagonalizarea?

În continuare prezentăm următorul procedeu de diagonalizare a unei mat-
ice A ∈ Mn (K).
3.1.1 Procedeu de diagonalizare a unei matrice pătratice

Fie A = (aij ) ∈ Mn (K). Pentru a decide dacă matricea A este diagonali-
zabilă şi ı̂n caz afirmativ a o aduce la forma diagonală DA , se parcurg etapele
următorului algoritm:
1. Se determină polinomul caracteristic fA (λ) = (−1)n det(A − λIn );
2. Se determină valorile proprii ale matricei A rezolvând ecuaţia
det(A − λIn ) = 0;
(a) Dacă există o valoare proprie λ 6∈ K, atunci A nu este diagona-
lizabilă.
(b) Dacă toate valorile proprii ale matricei A sunt din K, se trece la
pasul 3.
3. Presupunem că matricea A are valorile proprii λ1 , λ2 , . . . , λp cu or-
dinele de multiplicitate m1 , m2 , . . . , mp . Se calculează rang (A − λj In ),
j = 1, p;
(a) Dacă există j ∈ {1, 2, . . . , p} astfel ca rang (A − λj In ) 6= n − mj ,
atunci matricea A nu este diagonalizabilă.
Dacă rang (A − λj In ) = n − mj ∀ j = 1, p, matricea A este diago-
nalizabilă şi se trece la pasul 4;
4. Se rezolvă cele p sisteme liniare şi omogene (A − λj In )X = 0. Un
sistem fundamental de soluţii pentru un asemenea sistem reprezintă coordo-
natele vectorilor proprii corespunzători valorii proprii λj ;
5. Se construieşte matricea C ∈ Mn (K) ale cărei coloane sunt coordo-
natele vectorilor de la pasul 4;
6. Forma diagonală a matricei A este DA = C −1 · A · C.
3.1.2 Observaţii.
(i) De fapt, DA = diag (λ1 , . . . , λ1 , . . . , λp , . . . , λp ).
| {z } | {z }
m(λ1 ) ori m(λp ) ori
(ii) Pentru a testa corectitudinea calculului se verifică egalitatea
C · DA = A · C.
(iii) Matricea C se numeşte matricea diagonalizatoare a matricei A.

2 5
3.1.3 Exemple. 1. Fie A = ∈ M2 (R).
6 15
Atunci fA (λ) = det(A − λI2 ) = λ2 − 17λ.
Valorile proprii sunt λ1 = 0, λ2 = 17 ∈ R şi au ordinele de multiplicitate

m1 = m(λ1 ) = 1, m2 = m(λ2 ) = 1.
rang (A − λ1 I2 ) = rang (A − 0 · I2 ) = rang A = 1 = 2 − m1 .

−15 5
rang (A − λ2 I2 ) = rang (A − 17 · I2 ) = rang = 1 = 2 − m2 .
6 −2

0 0
Deci matricea A e diagonalizabilă şi forma ei diagonală este DA = .
0 17
Construim matricea diagonalizatoare C, determinând vectorii proprii ai lui
A corespunzători valorilor proprii λ1 , respectiv λ2 :

 x1 = α ∈ R
2x1 + 5x2 = 0
λ1 = 0 ⇒ AX = 0 ⇒ ⇒ 2 2 .
6x1 + 15x2 = 0  x2 = − α − α
3 5
2 t

soluţia sistemului este X = α− α , α ∈ R. Prin urmare, vectorul propriu
5
2 t

corespunzător este X1 = 1, − .
5
Analog, pentru λ2 = 17 se găseşte vectorul propriu X2 = [1, 3]t .
Matricea diagonalizatoare este deci:
 
1 1
C =  2 .
− 3
5

0 15
Se verifică egalitatea CDA = AC = .
0 51
 
−3 −7 −3
2. Fie A =  2 4 3  ∈ M3 (R).
1 2 2
Atunci fA (λ) = − det(A − λI3 ) = −(λ − 1)3 . Valorile proprii ale matricei A
sunt λ1 = λ2 = λ3 = 1, deci λ1 = 3 cu ordinul de multiplicitate
m1 = m(λ1 ) = 3.
 
−4 −7 −3
rang(A − λ1 I3 ) = rang  2 3 3  = 2 6= 3 − 3 = 0, deci matricea
1 2 1
A nu este diagonalizabilă.
3.2 Forma canonică Jordan a unei matrice pătratice

3.2.1 Definiţie. Se numeşte celulă Jordan o matrice pătratică de forma
 
λ 1 0 0 ... 0 0
0 λ 1 0 ... 0 0
 
0 0 λ 1 ... 0 0
(3.2.1) J(λ) = 
  , λ ∈ K,
. . . . . . . . . . . . . . . . . . . . . 

0 0 0 0 ... λ 1
0 0 0 0 ... 0 λ
deci o matrice care are pe diagonala principală elementul λ ∈ K, pe prima
supradiagonală 1, ı̂n rest 0.
3.2.2 Exemplu. Celulele Jordan de dimensiuni 1, 2, 3 sunt respectiv
 
λ 1 0
λ 1
J1 (λ) = [λ], J2 (λ) = , J3 (λ) = 0
 λ 1 .
0 λ
0 0 λ
3.2.3 Definiţie. Se numeşte matrice bloc diagonală o matrice pătratică de
forma:
 
A1 O
 A2 
(3.2.2) A = diag(A1 , . . . , Ak ) = 
 
. . 
 . 
O Ak
unde A1 , A2 , . . . , Ak sunt matrice pătratice.
3.2.4 Definiţie. Se numeşte matrice Jordan o matrice bloc diagonală, ı̂n
care blocurile de pe diagonala principală sunt celule Jordan.
Are loc următoarea
3.2.5 Teoremă (Jordan). Orice matrice pătratică A ∈ Mn (C) este aseme-
nea cu o matrice Jordan JA ∈ Mn (C), numită forma canonică Jordan a
matricei A, ı̂n care celulele Jordan corespund valorilor proprii λ ∈ Sp (A):
 
Jn1 (λ1 )
Jn2 (λ2 ) ...
JA = P −1 AP = 
 
(3.2.3) 
 ... 
Jnk (λk )
unde nk este ordinul de multiplicitate al valorii proprii λk (multiplicitatea
algebrică a valorii proprii λk ), n1 + n2 + · · · + nk = n, iar P este matricea de
trecere (pasaj ) de la matricea A la matricea JA (sau matricea de asemănare).
3.2.1 Algoritm de determinare a formei canonice Jordan şi

a matricei de asemănare
1. Se determină valorile proprii λ1 , λ2 , . . . , λk având ordinele de multi-
plicitate n1 , n2 , . . . , nk (n1 + n2 + . . . + nk = n).
2. Pentru fiecare valoare proprie se determină mulţimile de vectori proprii
Vλ1 , Vλ2 , . . . , Vλk , rezolvând sistemele (A − λj In )X = 0.
Soluţia unui astfel de sistem depinde respectiv de un număr de parametri
d1 , d2 , . . . , dk . Numerele d1 , d2 , . . . , dk se numesc multiplicităţile geometrice
ale valorilor proprii λ1 , λ2 , . . . , λk .
3. a) În fiecare mulţime Vλi pentru care ni = di , se determină ni vec-
tori proprii liniar independenţi (aceşti vectori vor fi coloane ale matricei de
asemănare).
b) Pentru valorile proprii λj , pentru care dj < nj , celor dj vectori
proprii liniar independenţi ce se pot alege din Vλj , li se adaugă nj − dj
vectori, numiţi vectori asociaţi.
Vectorii asociaţi se construiesc ı̂n modul următor:
• se alege un vector propriu Xj ∈ Vλj ;
• se determină vectorul propriu asociat Xj0 rezolvând sistemul
(A − λj In )Xj0 = Xj ,
unde Xj este astfel ales ı̂ncât sistemul precedent să fie compatibil;
• dacă nj − dj > 1, se alege o soluţie Xj0 pentru care sistemul
(A − λj In )Xj00 = Xj0
este compatibil (dacă pentru niciun vector Xj0 sistemul precedent nu e com-
patibil, se reia construcţia vectorilor asociaţi pornind de la alt vector propriu)
ş.a.m.d.
4. După ce la pasul 3 s-au obţinut pentru fiecare valoare proprie λj ,
dj vectori proprii şi nj − dj vectori asociaţi, se construieşte matricea de
asemănare P ı̂n care, pe coloane, se trec (ı̂n ordinea parcurgerii algoritmului)
vectorii proprii urmaţi de vectorii asociaţi:
P = (X1 |X20 |X30 |X40 |X50 | . . . ).
5. Se completează forma canonică Jordan ı̂n modul următor:

• sub diagonala principală a matricei JA se pune 0; pe diagonala
principală se pun valorile proprii ale matricei A (cu multiplicităţile lor alge-
brice);
• deasupra diagonalei principale, pe coloană:
• se pune 0 dacă coloana corespunzătoare din P este vector

propriu;
• se pune un 1 pe prima supradiagonală şi 0 deasupra lui, dacă
coloana corespunzătoare din P este vector asociat.
6. Pentru a testa corectitudinea calculului se face verificarea JA = P −1 ·
A · P , arătâ and că P · JA = A · P .
3.2.6 Exemplu. Vom determina forma canonică Jordan a matricei

1
1 −1
A = −3 −3 3 ∈ M3 (C).
−2 −2 2
Polinomul caracteristic este fA (λ) = λ3 şi deci A are valoarea proprie λ1 = 0

cu ordinul de multiplicitate n1 = 3.
Mulţimea vectorilor proprii Vλ1 se determină rezolvând sistemul
(A − 0I3 )X = 0 ⇒ Vλ1 = [α β α + β]t | α, β ∈ R .

În Vλ1 există 2 vectori liniari independenţi, deci d1 = 2 şi atunci trebuie
determinaţi 2 vectori liniar independenţi şi un vector asociat.
Găsim vectorul asociat X 0 rezolvând sistemul
(3.2.4) [A − 0I3 ]X 0 = X,
unde X este vector propriu, astfel ı̂ncât sistemul (3.2.4) să fie compatibil.
Sistemul (3.2.4) se scrie ı̂n forma echivalentă
 0
 X1 + X20 − X30 =α
(3.2.5) 3X10 − 3X20 + 3X30 = β .
 0 0 0
2X1 − 2X2 + 2X3 = α + β
el este compatibil dacă şi numai dacă β = −3α. Alegem atunci α = 1 şi
β = −3. Atunci vectorul propriu este X1 = [1, −3, −2]t iar vectorul propriu
asociat X20 = [1, 0, 0]t . La aceştia putem adăuga oricare din vectorii proprii
găsiţi la primul pas, de exemplu X3 = (0, 1, 1)t .
Matricea de asemănare este:
 
1 1 0
(3.2.6) P = −3 0 1 .
−2 0 1
Forma canonică Jordan a matricei A este:
 
0 1 0
(3.2.7) JA = 0 0
 0 .
0 0 0
Se verifică egalitatea P · JA = JA · P .
3.3 Funcţii elementare de matrice

În acest paragraf se prezintă definiţiile principalelor funcţii de matrice.
3.3.1 Funcţii polinomiale de matrice

Dacă f ∈ C[X], atunci f (z) = a0 + a1 z + . . . ak z k , unde aj ∈ C (j = 0, k),
iar z ∈ C este funcţia polinomială de grad k.
Dacă A ∈ Mn (C) polinomul de matrice de gradul k se introduce prin
(3.3.1) f (A) = a0 In + a1 A + · · · + ak Ak
unde aj ∈ C (j = 0, k).
3.3.2 Funcţia exponenţială de matrice

Este cunoscută dezvoltarea ı̂n serie de puteri a funcţiei exponenţiale
X xk
ex = , ∀ x ∈ R.
k!
k≥0
Dacă A ∈ Mn (C), atunci se introduce funcţia exponenţială de matrice prin

egalitatea
X 1
(3.3.2) eA = Ak .
k!
k≥0
3.3.3 Funcţii hiperbolice de matrice

ex + e−x ex − e−x
Funcţiile hiperbolice ch x = , sh x = sunt, respectiv,
2 2
exprimate prin seriile de puteri
X 1 X 1
ch x = x2k , sh x = x2k+1 , ∀ x ∈ R.
(2k)! (2k + 1)!
k≥0 k≥0
Dacă A ∈ Mn (C), atunci funcţiile hiperbolice de matrice se introduc, res-

pectiv prin:
X 1 X 1
(3.3.3) ch A = A2k , sh A = A2k+1 , A ∈ Mn (C).
(2k)! (2k + 1)!
k≥0 k≥0
3.3.4 Funcţiile trigonometrice de matrice

Fie A ∈ Mn (C); funcţiile trigonometrice de matrice se introduc, respectiv,
prin:
X (−1)k X (−1)k
(3.3.4) cos A = A2k , sin A = A2k+1 .
(2k)! (2k + 1)!
k≥0 k≥0
3.3.5 Funcţia logaritmică de matrice

Fie A ∈ Mn (C); funcţia logaritmică de matrice se introduce prin:
X (−1)k+1
(3.3.5) ln(In + A) = Ak ,
k
k≥1
unde In este matricea unitate de ordinul n.

Capitolul 4
Spaţiu vectorial. Subspaţiu.

Bază şi dimensiune
4.1 Spaţiu vectorial

4.1.1 Definiţie. Se numeşte spaţiu vectorial (sau spaţiu liniar) un triplet
(V, K, ·) unde:
(i) (V, +) este un grup abelian ale cărui elemente se numesc vectori;
(ii) (K, ⊕, ) este un câmp (corp comutativ) ale cărui elemente se numesc
scalari;
(iii) · : K × V → V este o lege de compoziţie externă pe V (ı̂nmulţirea
cu scalari) şi are proprietăţile:
(S1) (α ⊕ β) · x = α · x + β · x, ∀ α, β ∈ K, ∀ x ∈ V ;
(S2) α · (x + y) = α · x + α · y, ∀ α ∈ K, ∀ x, y ∈ V ;
(S3) α · (β · x) = (α β) · x, ∀ α, β ∈ K, ∀ x ∈ V ;
(S4) 1 · x = x, ∀ x ∈ V , unde 1 este elementul unitate din (K, ⊕, ).
4.1.2 Observaţii.
(i) Pentru simplificarea notaţiilor, operaţia aditivă se va nota ” + ” atât
ı̂n corpul K cât şi ı̂n grupul V , iar ı̂nmulţirea cu scalari şi operaţia multi-
plicativă din corpul K se vor nota cu ” · ”.
(ii) Elementul neutru faţă de adunarea vectorilor se notează 0V sau
simplu 0; elementul neutru faţă de adunarea scalarilor se notează 0K sau
simplu 0.
E uşor de arătat că α · x = 0V ⇔ α = 0K sau x = 0V .
(iii) Dacă (V, K, ·) este un spaţiu vectorial, se spune că grupul (V, +) este
spaţiu vectorial peste corpul (K, +, ·) sau K-spaţiu vectorial.
41
4.1.3 Exemple. (i) Fie (K, +, ·) un corp comutativ. Atunci (K, +) este
spaţiu vectorial peste el ı̂nsuşi. În acest caz, adunarea vectorilor coincide cu
adunarea din corp, iar ı̂nmulţirea vectorilor cu scalari coincide cu ı̂nmulţirea
din K.
(ii) Grupul aditiv al numerelor complexe este spaţiu vectorial peste cor-
pul (R, +, ·) al numerelor reale.
(iii) Fie (K, +, ·) un corp comutativ iar n ∈ N∗ . Notăm:
K n = x = (x1 , x2 , . . . , xn ) | xi ∈ K, i = 1, n .

Dacă x = (x1 , . . . , xi , . . . , xn ), y = (y1 , . . . , yi , . . . , yn ) ∈ K n , atunci
x = y ⇔ xi = yi , ∀ i = 1, n.
Definim operaţia + : K n × K n → K n prin
x + y = (x1 + y1 , . . . , xi + yi , . . . , xn + yn )
∀ x = (x1 , . . . , xn ) ∈ K n , ∀ y = (y1 , . . . , yn ) ∈ K n .
E uşor de văzut că (K n , +) e un grup abelian cu elementul neutru
0K n = (0, 0, . . . , 0) şi opusul elementului x = (x1 , . . . , xn ) elementul
−x = (−x1 , . . . , −xn ).
Se defineşte legea de compoziţie externă · : K × K n → K n prin
α · x = (αx1 , . . . , αxi , . . . , αxn ), ∀ α ∈ K, ∀ x = (x1 , . . . , xi , . . . , xn ) ∈ K n .
Se constată uşor că această lege (ı̂nmulţirea cu scalari) are proprietăţile

(S1)-(S4) din Definiţia 4.1.1. Atunci rezultă că grupul (K n , +) este un
K-spaţiu vectorial numit spaţiu vectorial aritmetic n-dimensional.
În cazul particular K = R se obţine spaţiul vectorial real n-dimensional
n
(R , R, ·).
(iv) Fie (K, +, ·) un corp comutativ iar Mm,n (K) mulţimea matricelor
de tip (m, n) cu elemente din K. E uşor de verificat că (Mm,n (K), +) este
un K-spaţiu vectorial.
(v) Fie (K, +, ·) un corp comutativ iar Kn [X] mulţimea polinoamelor de
grad cel mult n (n ∈ N∗ ) ı̂n nedeterminata X cu coeficienţi din K, adică:
Kn [X] = f = a0 + a1 X + · · · + an X n | ak ∈ K, k = 0, n .

Se verifică uşor că (Kn [X], +) este spaţiu vectorial peste K, unde ” + ”
ı̂nseamnă adunarea obişnuită a polinoamelor, iar ı̂nmulţirea cu scalari este
ı̂nmulţirea polinoamelor cu elemente din K.
(vi) Fie (K, +, ·) corp comutativ, M ⊆ K, M 6= ∅, iar
K M = {f | f : M → K} ,
mulţimea funcţiilor definite pe M cu valori ı̂n K.

Operaţia + : K M × K M → K M definită prin
(f + g)(x) = f (x) + g(x), ∀ f, g ∈ K M , ∀ x ∈ M
determină pe K M o structură algebrică de grup abelian.

Se defineşte legea de compoziţie externă · : K × K M → K M prin:
(α · f )(x) = α · f (x), ∀ α ∈ K, ∀ x ∈ M
şi se constată uşor că (K M , +) este un K-spaţiu vectorial.

În continuare, produsul dintre scalarul α ∈ K şi vectorul x ∈ V ı̂l vom
nota prin αx.
4.2 Subspaţiu vectorial

4.2.1 Definiţie. Fie (V, K, +) un spaţiu vectorial. O submulţime W ⊆ V ,
W 6= ∅ se numeşte subspaţiu al lui V , dacă sunt ı̂ndeplinite condiţiile:
(i) ∀ x, y ∈ W ⇒ x + y ∈ W ;
(ii) ∀ α ∈ K, ∀ x ∈ W ⇒ αx ∈ W .
4.2.2 Observaţii.
(i) Dacă W este un subspaţiu al K-spaţiului vectorial V , atunci W este
K-spaţiu vectorial.
(ii) Corpul K al scalarilor este acelaşi pentru orice subspaţiu al
K-spaţiului vectorial V .
4.2.3 Teoremă. Fie V un K-spaţiu vectorial, iar W ⊆ V , W 6= ∅. Atunci
W este subspaţiu al lui V dacă şi numai dacă
∀ α, β ∈ K, ∀ x, y ∈ W ⇒ αx + βy ∈ W.
Demonstraţie. ” ⇒ ” Admitem că W este subspaţiu al lui V . Folosind

condiţia (ii) din definiţia subspaţiului ⇒ αx ∈ W , βy ∈ W , ∀ x, y ∈ W ,
∀ α, β ∈ K. Mai departe, folosind condiţia (i), rezultă că αx + βy ∈ W .
” ⇐ ” Admitem că ∀ x, y ∈ W , ∀ α, β ∈ K ⇒ αx + βy ∈ W .
Pentru α = β = 1 ⇒ x + y ∈ W , ∀ x, y ∈ W , deci este ı̂ndeplinită condiţia
(i) din definiţia subspaţiului. Pentru β = 0 ⇒ αx ∈ W , ∀ α ∈ K, ∀ x ∈ W ,
adică este ı̂ndeplinită şi a doua condiţie din definiţia subspaţiului.
4.2.4 Exemple. (i) Fie V un K-spaţiu vectorial. Mulţimile {0V } şi V sunt
subspaţii vectoriale ale lui V . Aceste subspaţii se numesc subspaţii improprii
ale lui V . Orice alt subspaţiu al lui V se numeşte subspaţiu propriu.
(ii) Mulţimea W = {x = (0, x2 , . . . , xn ) | x2 , . . . , xn ∈ K} ⊂ K n este un
subspaţiu al lui K n .
(iii) Fie a ∈ R∗ . Mulţimea funcţiilor reale pare şi mulţimea funcţiilor
reale impare definite pe intervalul ]−a, a[ sunt subspaţii ale spaţiului funcţiilor
reale definite pe ] − a, a[.
4.2.5 Teoremă. Fie V un spaţiu vectorial peste K, iar W1 , W2 subspaţii

ale lui V . Atunci:
(i) W1 ∩ W2 = {v ∈ V | v ∈ W1 şi v ∈ W2 } este subspaţiu al lui V ;
(ii) W1 + W2 = {v ∈ V | x = v1 + v2 , v1 ∈ W1 , v2 ∈ W2 } este subspaţiu
al lui V ;
(iii) W1 ∪ W2 = {v ∈ V | v ∈ W1 sau v ∈ W2 } nu este subspaţiu.
Demonstraţie.
(i) ∀ u, v ∈ W1 ∩ W2 ⇒ u, v ∈ W1 şi u, v ∈ W2 . Cum W1 şi W2 sunt
subspaţii vom avea:
[∀ α, β ∈ K ⇒ αu + βv ∈ W
şi
αu + βv ∈ W2 ] ⇒ αu + βv ∈ W1 ∩ W2 .
(ii) ∀ u, v ∈ W1 + W2 ⇒ u = u1 + u2 , v = v1 + v2 , u1 , v1 ∈ W1 ,
u2 , v2 ∈ W2 . Deoarece W1 şi W2 sunt subspaţii ale K-spaţiului vectorial V ,
vom avea:
[∀ α, β ∈ K, ∀ u, v ∈ W1 + W2 ⇒ αu + βv = α(u1 + u2 ) + β(v1 + v2 )
= (αu1 + βv1 ) + (αu2 + βv2 ) ∈ W1 + W2 ].
(iii) Fie v1 ∈ W1 şi v1 6∈ W2 , iar v2 6∈ W1 şi v2 ∈ W2 . Atunci v1 +v2 6∈ W1

şi v1 + v2 6∈ W2 , deci v1 + v2 6∈ W1 ∪ W2 .
4.2.6 Definiţie. Fie V un K-spaţiu vectorial, iar S ⊂ V , S 6= ∅.

Un vector de forma:
p
X
(4.2.1) v= αi vi , vi ∈ S, αi ∈ K (i = 1, p)
i=1
se numeşte combinaţie liniară finită de elemente din S.

4.2.7 Teoremă. Dacă V este un K-spaţiu vectorial, S ⊂ V , S 6= ∅, S-finită,

mulţimea
(4.2.2)
n
( )
notat
X
∗
hSi = span(S) = v = αi xi | n ∈ N , αi ∈ K, vi ∈ S, i = 1, n
i=1
a tuturor combinaţiilor liniare finite de elemente din S este un subspaţiu al

lui V , numit ı̂nvelitoarea liniară a lui S (sau acoperirea liniară a lui S).
Demonstraţie. Suma a două combinaţii liniare finite de elemente din S

este o combinaţie liniară finită de elemente din S, iar produsul unui scalar
cu o combinaţie finită de elemente din S este o combinaţie liniară finită de
elemente din S.
4.2.8 Teoremă. Fie V un K-spaţiu vectorial, iar S o submulţime nevidă

finită a lui V . Atunci span(S) este cel mai mic subspaţiu al lui V care
conţine mulţimea S.
Vom spune că hSi este subspaţiul vectorial al lui V , generat de S.
Demonstraţie. Se va arăta că:
hSi = ∩ V 0 | V 0 subspaţiu al lui V şi S ⊂ V 0 .

(4.2.3)
Fie W = ∩{V 0 | V 0 subspaţiu al lui V şi S 0 ⊂ V 0 }. Vom arăta că W =

hSi. Incluziunea W ⊆ hSi este evidentă.
n
αi vi , αi ∈ K, vi ∈ S. Cum S ⊂ V 0 şi V 0 e
P
Fie acum ∀ v ∈ hSi ⇒ v =
i=1
n
αi vi ∈ V 0 ⇒ v ∈ W , deci hSi ⊆ W .
P
subspaţiu al lui V ⇒ v =
i=1
4.2.9 Teoremă. Fie V un K-spaţiu vectorial, iar V1 , V2 subspaţii ale lui

V . Atunci V1 + V2 este cel mai mic subspaţiu al lui V care le conţine pe V1
şi V2 , adică:
(4.2.4) span (V1 ∪ V2 ) = V1 + V2 .
Demonstraţie. E clar că V1 , V2 ⊂ V1 ∪ V2 . Cel mai mic subspaţiu al lui V

care conţine V1 ∪ V2 este span(V1 ∪ V2 ) (ı̂n baza Teoremei 4.2.8), deci notaţia
din (4.2.4) este justificată.
∀ x1 ∈ V1 , ∀ x2 ∈ V2 ⇒ x1 + x2 ∈ V1 + V2 . Cum x1 + x2 ∈ span(V1 ∪ V2 ) ⇒
V1 + V2 ⊂ span(V1 ∪ V2 ). (∗)
n
P
Să presupunem că x ∈ span(V1 ∪ V2 ) ⇒ x = αi xi , unde αi ∈ K,
i=1
xi ∈ V1 ∪ V2 , i = 1, n. Partiţionăm mulţimea {xi }i=1,n ı̂n două mulţimi:
{xi }i=1,n = {xi1 }i1 ∈I1 ∪ {xi2 }i2 ∈I2 ,
unde
I1 ∪ I2 = {1, 2, . . . , n}, xi1 ∈ V1 (i1 ∈ I1 ), xi2 ∈ V2 (i2 ∈ I2 ).

n
P
Atunci vectorul x = αi xi ∈ span(V1 ∪ V2 ) se scrie:
i=1
X X
x= αi1 xi1 + αi2 xi2 ∈ V1 + V2 ,
i1 ∈I1 i2 ∈I2
deci are loc incluziunea
span(V1 ∪ V2 ) ⊂ V1 + V2 . (∗∗)
Din (∗) şi (∗∗) rezultă (4.2.4).

4.2.10 Definiţie. Fie V un K-spaţiu vectorial, iar U şi V subspaţii ale
lui V . Mulţimea W se numeşte suma directă a subspaţiilor U şi V dacă
ı̂ndeplineşte condiţiile:
(i) W = U + V ;
(ii) U ∩ V = {0}.
În acest caz se utilizează notaţia W = U ⊕ V .
4.2.11 Teoremă. Fie U şi V subspaţii ale lui V , iar w ∈ U + V . Descom-
punerea w = u + v este unică dacă şi numai dacă U ∩ V = {0}.
Demonstraţie. Fie w = u + v = u0 + v 0 cu u, u0 ∈ U , v, v 0 ∈ V . Rezultă că
u − u0 = v 0 − v este conţinut ı̂n U ∩ V .
Dacă U ∩ V = {0}, atunci u = u0 , v = v 0 , deci descompunerea e unică.
Dacă descompunerea este unică, atunci u = u0 , v = v 0 , deci U ∩ V = {0}.
4.2.12 Observaţie. Forma echivalentă a Teoremei 4.2.11 este:
(4.2.5) W = U ⊕ V ⇔ [∀ w ∈ W (∃)! u ∈ U, (∃)! v ∈ V a.ı̂. w = u + v]
4.2.13 Definiţie. Fie V un K-spaţiu vectorial, iar U1 , U2 subspaţii ale lui

V . Dacă
(4.2.6) U1 ⊕ U2 = V,
subspaţiile U1 şi U2 se numesc suplementare.

(−a,a)
4.2.14 Exemplu. Fie a ∈ R∗ , R(−a,a) = {f | f : (−a, a) → R}, R+ =
{f ∈ R (−a,a) |f (−x) = f (x), ∀ x ∈ (−a, a)}, R (−a,a) = {f | f : (−a, a) →
R | f (x) = −f (x), ∀ x ∈ (−a, a)}.
(−a,a) (−a,a)
Atunci R(−a,a) = R+ ⊕ R− , adică orice funcţie f : (−a, a) → R se
descompune ı̂n mod unic ı̂n suma dintre o funcţie pară şi o funcţie impară.
4.3 Bază şi dimensiune a unui spaţiu vectorial

4.3.1 Definiţie. Fie V un K-spaţiu vectorial, iar S ⊂ V , S 6= ∅. Mulţimea
S se numeşte liniar dependentă dacă există o submulţime finită de elemente
din S, de exemplu {v1 , . . . , vp } şi scalarii α1 , α2 , . . . , αp ∈ K, nu toţi nuli,
astfel ı̂ncât are loc:
p
X
(4.3.1) αk vk = 0.
k=1
Mulţimea S se numeşte liniar independentă dacă nu este liniar depen-

dentă, adică pentru orice alegere a vectorilor v1 , v2 , . . . , vp ∈ S şi a scalarilor
α1 , . . . , αp ∈ K are loc implicaţia:
p
X
(4.3.2) αk vk = 0 ⇒ αk = 0, ∀ k = 1, p.
k=1
4.3.2 Observaţii.
(i) Mulţimea S poate să fie finită sau infinită.
(ii) Deşi liniar dependenţa şi liniar independenţa sunt proprietăţi speci-
fice unor mulţimi de vectori, adeseori se foloseşte şi terminologia ”vectori
liniar dependenţi”, respectiv ”vectori liniar independenţi”.
(iii) Mulţimea {v ∈ V | v 6= 0} este liniar independentă, iar mulţimea
{0} este liniar dependentă.
(iv) Dacă 0 ∈ S, atunci S este liniar dependentă. De asemenea, dacă S
conţine doi vectori proporţionali, adică v1 şi v2 astfel ı̂ncât v2 = λv1 , este
liniar dependentă.
(v) Dacă S este liniar independentă, atunci 0 6∈ S.
4.3.3 Teoremă. Fie V un K-spaţiu vectorial, iar S = {v1 , . . . , vp } o mulţime

liniar independentă. Orice mulţime de (p + 1) elemente din span(S) este
liniar dependentă.
p
P
Demonstraţie. Fie wi = αij vj , (i = 1, p + 1) (p+1) vectori din span(S).
j=1
!
p
P p+1
P Pp
Relaţia βi wi = 0 conduce la βi αij vj = 0, adică
i=1 i=1 j=1
p p+1
!
X X
(4.3.3) βi αij vj = 0.
j=1 i=1
Cum S = {v1 , . . . , vp } este liniar independentă, din (4.3.3) rezultă

p+1
X
(4.3.4) βi αij = 0, j = 1, p.
i=1
Sistemul (4.3.4) este un sistem liniar şi omogen compatibil de p ecuaţii liniare
cu (p + 1) necunoscute. El admite soluţii nebanale, prin urmare mulţimea
{w1 , . . . , wp+1 } este liniar dependentă.
4.3.4 Definiţie. Fie V un K-spaţiu vectorial. Mulţimea B ⊂ V , B 6= ∅ se

numeşte bază a lui V dacă ı̂ndeplineşte condiţiile
(i) B este liniar independentă;
(ii) span(B) = hBi = V .
4.3.5 Definiţie. Fie V un K-spaţiu vectorial. V se numeşte finit dimen-

sional dacă este verificată una din condiţiile:
(i) V = {0} (spaţiul nul)
sau
(ii) V admite o bază formată din n vectori.
4.3.6 Definiţie. Fie V un K-spaţiu vectorial finit dimensional. Numărul

vectorilor unei baze a lui V se numeşte dimensiunea spaţiului V şi se notează
dim V .
4.3.7 Observaţii.
(i) Dacă V = {0}, atunci dim V = 0.
(ii) Dacă B = {e1 , . . . , en } este o bază a lui V , atunci dim V = n.
4.3.8 Exemple.
(i) Fie (K, +, ·) un corp comutativ şi V = K n = {x = (x1 , ..., xn )| xi ∈ K,
i = 1, n} spaţiul aritmetic n-dimensional. Se arată că B = {e1 , ..., ek , ..., en },
ek = (0, . . . , 0, 1, 0, . . . , 0) (k = 1, n) este o bază a lui K n . Prin urmare
dim K n = n.
(ii) Fie Pn [X], K-spaţiul polinoamelor de grad cel mult n cu coeficienţi

ı̂n K, Pn [X] = {f | f = a0 + a1 X + · · · + an X n , ai ∈ K, i = 0, n}. Se arată
uşor că B = {1, X, . . . , X n } este o bază a lui Pn [X] şi deci dim Pn [X] = n+1.
(iii) Fie Mm,n (K) K-spaţiul vectorial al matricelor de tip (m, n) cu
elemente din K. Mulţimea B = {Eij | i = 1, m, j = 1, n}
 (j) 
0 ... 0 ... 0
. . . . . . . . . . . . . . .
 
(4.3.5) 0
Eij =  ... 1 ... 0   (i)
. . . . . . . . . . . . . . .
0 ... 0 ... 0
formează o bază a lui Mm,n (K) şi deci dim Mm,n (K) = m · n.
4.3.9 Teoremă. Fie V un K-spaţiu vectorial cu dim V = n şi B = {e1 , ..., en }
bază a lui V . Atunci ∀ x ∈ V există şi sunt unic determinaţi scalarii
x1 , . . . , xn ∈ K astfel ca
n
X
(4.3.6) x= xi e i .
i=1
Demonstraţie. Cum B este bază ı̂n V ⇒ span(B) = V ⇒ ∀ x ∈ V există

n
P
scalarii x1 , x2 , . . . , xn ∈ K astfel ı̂ncât x = xi · ei , deci are loc (4.3.4).
i=1
Să presupunem că exprimarea (4.3.4) nu este unică, adică mai există
x01 , . . . , x0n ∈ K aşa ı̂ncât
n
X n
X n
X
x= xi e i = x0i ei ⇒ (xi − x0i )ei = 0.
i=1 i=1 i=1
Cum B este o mulţime liniar independentă ⇒ xi = x0i , ∀ i = 1, n.

4.3.10 Definiţie. Dacă V este un K-spaţiu vectorial de dimensiune n.
n
P
Mulţimea B = {e1 , e2 , . . . , en } este o bază a lui V , iar x = xi e i ∈ V ,
i=1
atunci scalarii x1 , . . . , xn se numesc coordonatele lui x ı̂n baza B.
4.3.11 Exemple.
(i) Vectorul x = (1 2 3)t ∈ R3 are coordonatele x1 = 1, x2 = 2, x3 = 3
ı̂n baza B = {(1, 0, 0)t , (0, 1, 0)t , (0, 0, 1)t } a lui R3 .
(ii) Polinomul f = 5X 2 + 2X − 1 ∈ R2 [X] are coordonatele x1 = −1,
x2 = 2, x3 = 5 ı̂n baza B = {1,X, X 2 }.
1 1
(iii) Matricea A = are coordonatele x11 = 1, x12 = 1, x21 = 2,
2 −1
x22 = −1 ı̂n baza B = {E11 , E12 , E21 , E22 } a lui M2,2 (R).
4.3.12 Teoremă. Fie V un K-spaţiu vectorial finit dimensional, V 6= {0}.

Oricare două baze ale lui V au acelaşi număr de elemente.
Demonstraţie. Fie B, B 0 baze ale lui V , n = card B, n0 = card B 0 . Cum
B este liniar independentă şi span(B) = V ⇒ n0 ≤ n. Analog, B 0 liniar
independentă şi span(B 0 ) = V ⇒ n ≤ n0 . Deci n = n0 .
4.3.13 Teoremă. Dacă V este un K-spaţiu vectorial finit dimensional,
V 6= {0}, orice mulţime liniar independentă poate fi completată la o bază
a spaţiului.
Demonstraţie. Fie S = {e1 , . . . , ek } ⊂ V liniar independentă. Dacă
dim V = k, atunci S e baza căutată. În caz contrar, notăm
(4.3.7) Vk = span{e1 , e2 , . . . , ek }
şi alegem ek+1 ∈ V \Vk . Clar, mulţimea {e1 , . . . , ek , ek+1 } este liniar inde-
pendentă. Dacă dim V = k + 1, s-a găsit baza; ı̂n caz contrar, fie Vk+1 =
span{e1 , . . . , ek , ek+1 } şi se reia construcţia precedentă. Cum V e finit di-
mensional, după un număr finit de paşi se ajunge la o bază a lui V .
4.3.14 Teoremă. Fie V un K-spaţiu vectorial. Dacă mulţimea {e1 , e2 , ..., en }
⊂ V este liniar independentă iar e01 , e02 , . . . , e0m ∈ span{e1 , e2 , . . . , en } astfel
ı̂ncât:
 0
e = α11 e1 + α12 e2 + · · · + α1n en
 10


e2 = α21 e1 + α22 e2 + · · · + α2n en
(4.3.8) αij ∈ K (i = 1, m, j = 1, n),

 · · · · · · · ·
 0
em = αm1 e1 + αm2 e2 + · · · + αm,n en
atunci mulţimea {e01 , e02 , . . . , e0m } este liniar independentă dacă şi numai dacă:
(4.3.9) rang A = m ≤ n,
unde A = (αij ) i=1,m .

j=1,n
Demonstraţie. Avem de arătat că:

"m #
X
βi e0i = 0V ⇒ βi = 0, ∀ i = 1, m ⇔ rang A = m ≤ n.
i=1
Observăm că:
 
m m n n m
!
X X X X X
βi e0i = 0V ⇒ βi  αij ej  = 0V ⇒ βi αij ei = 0V .
i=1 i=1 j=1 j=1 i=1
Deoarece mulţimea {e1 , e2 , . . . , em } este liniar independentă, din ultima ega-

litate rezultă:
m
X
(4.3.10) βi αij = 0, ∀ j = 1, n.
i=1
Scriem (4.3.10) pentru fiecare j = 1, n şi obţinem sistemul



 α11 β1 + α21 β2 + · · · + αm1 βm = 0
α12 β1 + α22 β2 + · · · + αm2 βm = 0

(4.3.11)

 · · · · · · · · ·
α1n β1 + α2n β2 + · · · + αmn βm = 0

ı̂n necunoscutele β1 , β2 , . . . , βm . Cum (4.3.11) este un sistem liniar şi omogen

de n ecuaţii liniare, el admite numai soluţia banală dacă şi numai dacă nu
are soluţii nebanale, adică rang A = m ≤ n.
4.3.15 Teoremă. Fie V un K-spaţiu vectorial de dimensiune n, B =

{e1 , . . . , en } o bază a lui V iar {e01 , . . . , e0m } ⊂ V , astfel ı̂ncât:
 0
e = α11 e1 + α12 e2 + · · · + α1n en
 01


e2 = α21 e1 + α22 e2 + · · · + α2n en
(4.3.12)

 · · · · · · · · ·
 0
em = αm1 e1 + αm2 e2 + · · · + αmn en .
Atunci dim span{e01 , e02 , . . . , e0m } = rang A, unde A = (αij ) i=1,m .

j=1,n
Demonstraţie. E clar că dim span{e01 , e02 , . . . , e0m } este numărul vectorilor
liniar independenţi din mulţimea {e01 , e02 , . . . , e0m }. În baza Teoremei 4.3.14,
acesta este egal cu rang A.
În ı̂ncheierea acestui paragraf, enunţăm următorul rezultat, care exprimă
dimensiunea sumei a două subspaţii finit dimensionale.
4.3.16 Teoremă (teorema lui Grassman). Fie V un K-spaţiu vectorial finit

dimensional, iar U, W subspaţii ale lui V . Are loc egalitatea:
(4.3.13) dim(U + W ) = dim U + dim W − dim(U ∩ W ).
4.3.17 Observaţie. În ipotezele Teoremei 4.3.16 are loc:
(4.3.14) dim(U ⊕ W ) = dim U + dim W,
căci ı̂n acest caz U ∩ W = {0}, deci dim(U ∩ W ) = 0.

4.4 Schimbarea coordonatelor

Fie V un K-spaţiu vectorial, dim V = n, iar B = {e1 , e2 , . . . , en },
B 0 = {e01 , e02 , . . . , e0n } baze ale lui V . Vectorii bazei B 0 se exprimă ı̂n baza B
prin relaţiile:
 0
e = a11 e1 + a12 e2 + · · · + a1n en
 01


e2 = a21 e1 + a22 e2 + · · · + a2n en
(4.4.1)

 · · · · · · · ·
 0
en = an1 e1 + an2 e2 + · · · + ann en .
Notăm:
 
a11 a12 . . . a1n
 a21 a22 . . . a2n 
(4.4.2) A=
... ...
.
... ...
an1 an2 . . . ann
Este evident că rang A = n, deci A e inversabilă.
4.4.1 Definiţie. Matricea At = (aji ) j=1,n se numeşte matrice de trecere de
i=1,n
la baza {e1 , e2 , . . . , en } la baza {e01 , e02 , . . . , e0n }.
4.4.2 Observaţii.
(i) Matricea de trecere de la baza B = {e1 , e2 , . . . , en } la baza
B 0 = {e01 , e02 , . . . , e0n } are pe coloane coordonatele vectorilor bazei B 0 ı̂n baza
B.
(ii) Are loc egalitatea matriceală:
(4.4.3) [e01 e02 . . . e0n ]t = A · [e1 e2 . . . en ]t
sau, transpunând relaţia (4.4.3):
(4.4.4) [e01 e02 . . . e0n ] = [e1 e2 . . . en ] · At .
Următoarea teoremă stabileşte legătura ı̂ntre coordonatele vectorului

x ∈ V ı̂n două baze diferite.
4.4.3 Teoremă. Fie V un K-spaţiu vectorial, dim V = n, iar
B = {e1 , e2 , . . . , en }, B 0 = {e01 , e02 , . . . , e0n }
baze ale lui V . Dacă x ∈ V are ı̂n bazele B, respectiv B 0 exprimările:

n
X n
X
(4.4.5) x= xi e i , x= x0j e0j ,
i=1 j=1
atunci ı̂ntre coordonatele lui x ı̂n bazele considerate există relaţia

(4.4.6) [x]B = At [x]B 0 ,
unde At e matricea de trecere de la B la B 0 .
Demonstraţie. Vectorii bazei B 0 se exprimă ı̂n baza B prin relaţiile
 0
e = a11 e1 + a12 e2 + · · · + a1n en
 01


e2 = a21 e1 + a22 e2 + · · · + a2n en
(4.4.7)

 · · · · · · · · ·
 0
en = an1 e1 + an2 e2 + · · · + ann en .
n
P
Fie x ∈ V exprimat ı̂n baza B prin x = xi ei . Acelaşi vector se exprimă
i=1
ı̂n baza B 0 prin
n
X
(4.4.8) x= x0j e0j = x01 e01 + x02 e02 + · · · + x0n e0n .
j=1
Ţinând cont de (4.4.7), din (4.4.8) rezultă:

(4.4.9) x = (a11 x01 + . . . + an x0n )e1 + . . . + (an x01 + . . . + ann x0n )en .
Ţinând cont de unicitatea exprimării unui vector ı̂ntr-o bază fixată şi de
(4.4.9), ı̂ntre coordonatele lui x ı̂n bazele B şi B 0 au loc relaţiile:
(4.4.10) x1 = x01 a11 + . . . + x0n an1
x2 = x01 a12 + . . . + x0n an2
· · · · · ·
xn = x01 a1n + . . . + x0n ann .
Matriceal, relaţiile (4.4.10) se scriu sub forma
(4.4.11) [x1 x2 . . . xn ] = [x01 x02 . . . x0n ]A
care, prin transpunere, conduc la (4.4.6).
4.4.4 Observaţii.
(i) Coordonatele vectorului (coloană) x ı̂n baza B se obţin, ı̂nmulţind
matricea de trecere At de la baza B la baza B 0 la dreapta cu vectorul
(coloană) x ı̂n baza B 0 .
(ii) Matricea de trecere de la baza B 0 la baza B este evident (At )−1 .
Atunci din (4.4.6) rezultă coordonatele lui x ı̂n baza B 0 , ı̂n funcţie de coor-
donatele lui x ı̂n baza B, exprimate prin relaţia
(4.4.12) [x]B 0 = (At )−1 [x]B .
Capitolul 5
Aplicaţii liniare
5.1 Aplicaţii liniare

5.1.1 Definiţie. Fie X, Y două K-spaţii vectoriale. O funcţie T : X → Y
se numeşte aplicaţie liniară (morfism de spaţii vectoriale) dacă ı̂ndeplineşte
condiţia:
(5.1.1) T (αx + βy) = αT (x) + βT (y), ∀ x, y ∈ X, ∀ α, β ∈ K.
5.1.2 Observaţii.
(i) Dacă T : X → Y este o aplicaţie liniară, atunci T (x+y) = T (x)+T (y)
şi T (αx) = αT (x), ∀ x, y ∈ X, ∀ α ∈ K.
(ii) Dacă T : X → Y este o aplicaţie liniară, din (5.1.1), prin inducţie
după n ∈ N∗ , rezultă
n n

P P
T αi xi = αi T (xi ), ∀ x1 , . . . , xn ∈ X, ∀ α1 , . . . , αn ∈ K.
i=1 i=1
5.1.3 Definiţie. Fie X, Y două K-spaţii vectoriale iar T : X → Y o aplicaţie

liniară. Mulţimea
(5.1.2) KerT = {x ∈ X | T (x) = 0Y }
se numeşte nucleul aplicaţiei liniare T .
5.1.4 Teoremă. Dacă T : X → Y e o aplicaţie liniară, atunci KerT este

subspaţiu al lui X.
Demonstraţie. Fie x, y ∈ KerT ⇒ T (x) = 0, T (y) = 0. Cum T este

aplicaţie liniară, ∀ x, y ∈ KerT , ∀ α, β ∈ K ⇒ T (αx+βy) = αT (x)+βT (y) =
0, deci αx + βy ∈ KerT .
54
5.1.5 Definiţie. Fie X, Y două K-spaţii vectoriale iar T : X → Y o aplicaţie

liniară. Mulţimea
(5.1.3) ImT = {y ∈ Y | (∃) x ∈ X a.ı̂. T (x) = y}
se numeşte imaginea aplicaţiei liniare T .
5.1.6 Teoremă. Dacă T : X → Y e aplicaţie liniară, atunci ImT este

subspaţiu al lui Y .
Demonstraţie. Fie ∀ u, v ∈ ImT ⇒ (∃) x, y ∈ X astfel ı̂ncât u = T (x),

v = T (y). Atunci, ∀ u, v ∈ ImT , ∀ α, β ∈ K ⇒ αu + βv = αT (x) + βT (y) =
T (αx + βy), deci αu + βy ∈ ImT .
5.1.7 Observaţie. E clar că ImT = {y ∈ Y | T (x) = y} = T (X).
5.1.8 Teoremă (teorema dimensiunii). Fie X, Y două K-spaţii vectoriale,

iar T : X → Y o aplicaţie liniară. Dacă X este finit dimensional, are loc:
(5.1.4) dim KerT + dim ImT = dim X.
Demonstraţie. Presupunem că dim X = n. Alegem o bază {e1 , e2 , . . . , ek }

ı̂n KerT pe care o completăm până la o bază {e1 , e2 , . . . , ek , ek+1 , . . . , en }
a lui ImT . Vom arăta că mulţimea {T (ek+1 ), . . . , T (en )} este o bază a lui
ImT . Demonstrăm liniar independenţa:
αk+1 T (ek+1 ) + · · · + αn T (en ) = 0Y ⇒ T (αk+1 ek+1 + · · · + αn en ) = 0Y

⇒ αk+1 ek+1 + · · · + αn en ∈ KerT.
Dar mulţimea {e1 , . . . , ek } este o bază ı̂n KerT şi atunci (∃) α1 , . . . , αk ∈ K
cu proprietatea că
(5.1.5) αk+1 ek+1 + · · · + αn en = α1 e1 + α2 e2 + · · · + αk ek .
Din (5.1.5) rezultă
α1 e1 + · · · + αk ek + (−αk+1 )ek+1 + · · · + (−αn )en = 0Y .
Cum mulţimea {e1 , . . . , ek , ek+1 , . . . , en } este o bază ı̂n X, rezultă că α1 =

α2 = · · · = αk = αk+1 = · · · = αn = 0. Ultimele (n − k) egalităţi arată
că αk+1 = · · · = αn = 0, adică mulţimea {T (ek+1 ), . . . , T (en )} este liniar
independentă.
Arătăm că span{T (ek+1 ), . . . , T (en )} = ImT .
Fie y ∈ ImT ⇒ (∃) x = α1 e1 + · · · + αk ek + αk+1 ek+1 + · · · + αn en cu

proprietatea că y = T (x) ⇒ y = α1 T (e1 ) + · · · + αk T (ek ) + αk+1 T (ek+1 ) +
· · · + αn T (en ) = α1 · 0 + · · · + αk · 0 + αk+1 T (ek+1 ) + · · · + αn T (en ) =
αk+1 T (ek+1 ) + · · · + αn T (en ).
Deci y ∈ span{T (ek+1 ), . . . , T (en )}, adică ImT ⊂ span{T (ek+1 ), . . . , T (en )}.
Incluziunea inversă e evidentă.
5.1.9 Observaţii.
(i) Dacă X şi Y sunt K-spaţii vectoriale, mulţimea
(5.1.6) L(X, Y ) = {T : X → Y | T − liniară}
este un K-spaţiu vectorial.

(ii) Dacă X, Y sunt finit dimensionale, atunci L(X, Y ) este finit dimen-
sional şi
(5.1.7) dim L(X, Y ) = dim X · dim Y.
5.1.10 Teoremă. Fie X, Y, Z spaţii vectoriale peste K, T, T1 , T2 ∈ L(X, Y ),
S ∈ L(Y, Z). Sunt adevărate afirmaţiile de mai jos:
(i) S ◦ T ∈ L(X, Z), deci compunerea a două aplicaţii liniare este o
aplicaţie liniară.
(ii) Compunerea este distributivă faţă de adunare, adică
(5.1.8) S ◦ (T1 + T2 ) = S ◦ T1 + S ◦ T2 .
(iii) Dacă T ∈ L(X, Y ) este bijectivă, atunci T −1 ∈ L(Y, X).

5.1.11 Definiţie. Fie X un K-spaţiu vectorial. Dacă T ∈ L(X, K), atunci
T se numeşte funcţională liniară. Se notează
(5.1.9) X # = L(X, K),
iar X # se numeşte dualul algebric al spaţiului vectorial X.

5.1.12 Definiţie. Fie X un K-spaţiu vectorial. Dacă T ∈ L(X, X), atunci
T se numeşte endomorfism al spaţiului vectorial X.
5.1.13 Observaţii.
(i) Mulţimea L(X, X) se notează End(X).
(ii) Dacă X este finit dimensional, dim X = n, atunci
(5.1.10) dim End(X) = n2 .

Se demonstrează următoarea afirmaţie
5.1.14 Teoremă. Dacă X este un K-spaţiu vectorial, atunci (End(X), +, ·)

este inel.
5.1.15 Definiţie. Fie X, Y două K-spaţii vectoriale, iar T ∈ L(X, Y ). Dacă

T este o aplicaţie bijectivă, atunci T se numeşte izomorfism de spaţii vecto-
riale.
K-spaţiile vectoriale X şi Y se numesc izomorfe dacă există un izomorfism
T : X → Y . Se notează X ' Y .
Se demonstrează:
5.1.16 Teoremă. (i) Două K-spaţii vectoriale sunt izomorfe dacă şi numai
dacă au aceeaşi dimensiune.
(ii) Dacă X este un K-spaţiu vectorial de dimensiune n ∈ N∗ , atunci
(5.1.11) X ' K n.
5.2 Valori şi vectori proprii pentru endomorfisme

5.2.1 Definiţie. Fie X un K-spaţiu vectorial iar T ∈ End(X). Scalarul
λ ∈ K se numeşte valoare proprie a endomorfismului T , dacă există x ∈ X,
x 6= 0X aşa ı̂ncât să aibă loc:
(5.2.1) T (X) = λx.
Vectorul x 6= 0X cu proprietatea precedentă se numeşte vector propriu aso-

ciat valorii proprii λ.
Rezultatul următor localizează vectorii proprii ai lui T ∈ End(X) ı̂n

spaţiul X.
5.2.2 Teoremă. Fie X un K-spaţiu vectorial iar T ∈ End(X). Vectorii

proprii ai lui T se găsesc fie ı̂n KerT , fie ı̂n Im T .
Demonstraţie. Fie T ∈ End(X), λ ∈ K valoare proprie a lui T , iar x 6= 0X

vector propriu corespunzător valorii proprii λ, deci T (x) = λx.
Dacă λ = 0 ⇒ T (x) = 0X ⇒ x ∈ KerT .
Dacă λ 6= 0 ⇒ x = λ−1 T (x) = T (λ−1 x) ⇒ x ∈ Im T .
5.2.3 Definiţie. Fie X un K-spaţiu vectorial iar T ∈ End(X). Mulţimea

tuturor valorilor proprii ale lui T se numeşte spectrul endomorfismului T şi
se notează sp(T ).
5.2.4 Teoremă. Fie X un K-spaţiu vectorial, T ∈ End(X), iar λ ∈ K o

valoare proprie a lui T . Notăm:
(5.2.2) Xλ = {x ∈ X | T (x) = λx, x 6= 0v }.
Atunci:
(i) Xλ este un subspaţiu vectorial al lui X;
(ii) Xλ este invariant ı̂n raport cu endomorfismul T , adică
(5.2.3) T (Xλ ) ⊆ Xλ .
Demonstraţie. (i) ∀ x, y ∈ Xλ , ∀ α, β ∈ K ⇒ T (αx + βy) = αT (x) +

βT (y) = λ(αx + βy) ⇒ αx + βy ∈ Xλ , deci Xλ este subspaţiu al lui X.
(ii) Fie y ∈ T (Xλ ). Vom arăta că y ∈ Xλ . y ∈ T (Xλ ) ⇒ (∃) x ∈ Xλ aşa
ı̂ncât y = T (x) ⇒ T (y) = T [T (x)] = T (λx) = λT (x) = λy.
Deci y ∈ Xλ ∀ y ∈ T (Xλ ), de unde rezultă concluzia.
5.2.5 Observaţie. Subspaţiul Xλ se numeşte subspaţiu propriu invariant
corespunzător valorii proprii λ.
5.2.6 Teoremă. Fie X un K-spaţiu vectorial iar T ∈ End(X).
Dacă λ1 , λ2 , . . . , λp ∈ sp(T ) sunt distincte, atunci vectorii proprii core-
spunzători sunt liniar independenţi.
Demonstraţie. Fie λ1 , . . . , λp ∈ sp(T ) distincte, iar x1 , . . . , xp vectorii
proprii corespunzători, adică
(5.2.4) T (xi ) = λi xi , i = 1, p.
Raţionăm prin inducţie după p. Pentru p = 1 are loc implicaţia:
(5.2.5) α1 x1 = 0X ⇒ α1 = 0,
deoarece x1 6= 0 (fiind vector propriu). Admitem că proprietatea este

adevărată pentru (p − 1) valori proprii. Din ecuaţia
α1 x1 + α2 x2 + · · · + αp−1 xp−1 + αp xp = 0X ⇒
p
X p
X p
X
⇒ 0X = T (αi xi ) = αi T (xi ) = αi λ i xi .
i=1 i=1 i=1
Egalitatea
α1 x1 + α2 x2 + · · · + αp−1 xp−1 = 0X ⇒
⇒ α1 λp x1 + α2 λp x2 + · · · + αp−1 λp−1 xp−1 = 0X .
Atunci: α1 (λ1 − λp )x1 + α2 (λ2 − λp )x2 + · · · + αp−1 (λp − λp−1 ) = 0X şi,

ı̂n baza ipotezei de inducţie, αi (λi − λp ) = 0, ∀ i = 1, p − 1. Cum λi 6= λp ,
∀ i = 1, p − 1 ⇒ αi = 0, ∀ i = 1, p − 1.
Rezultă atunci că αp xp = 0, adică αp = 0.
Utilizând definiţia valorii proprii, se demonstrează:
5.2.7 Teoremă. Dacă X este K-spaţiu vectorial, T ∈ End(X), λ ∈ Sp(T )
iar x ∈ X; x 6= 0X este un vector propriu corespunzător valorii prorii λ,
atunci:
(i) λk este valoare proprie a endomorfismului T k = T ◦ T ◦ · · · ◦ T , iar
x e vector propriu al lui T k ;
(ii) dacă T ∈ Aut(X) (adică T e bijectiv), atunci λ 6= 0, λ−1 este valoare
proprie a lui T −1 iar x este vector propriu al lui T −1 .
5.3 Matricea unei aplicaţii liniare

5.3.1 Teoremă. Fie X, Y două K-spaţii vectoriale finit dimensionale,
dim X = m, dim Y = n, E = {e1 , . . . , em } bază ı̂n X, F = {f1 , . . . , fn }
bază ı̂n Y , iar T ∈ L(X, Y ). Atunci:
(i) Există o singură matrice MT = (tij ) i=1,m astfel ı̂ncât
j=1,n
(5.3.1) [T (e1 ) . . . T (em )]t = MT [f1 . . . fn ]t .

m
P n
P
(ii) Dacă x = xi ei are imaginea T (x) = yj fj , atunci
i=1 j=1
m
X
(5.3.2) yj = tij xi , ∀ j = 1, n,
i=1
sau, ı̂n formă matriceală:
(5.3.3) [y1 y2 . . . yn ]t = MT [x1 x2 . . . , xn ]t .
Demonstraţie. (i) În ipotezele teoremei, vectorii T (e1 ), . . . , T (em ) se ex-

primă ı̂n baza F = {f1 , . . . , fn } prin relaţiile:


 T (e1 ) = t11 f1 + t12 f2 + · · · + t1n fn
T (e2 ) = t21 f1 + t22 f2 + · · · + t2n fn

(5.3.4)

 · · · · · · · · ·
T (em ) = tm1 f1 + tm2 f2 + · · · + tmn fn .

Reprezentarea (5.3.4) este unică datorită unicităţii exprimării vectorilor

T (e1 ), . . . , T (em ) ı̂n baza F .
Fie MT = (tij ) ∈ Mm,n (K), matricea ale cărei linii sunt coordonatele
vectorilor T (e1 ), . . . , T (em ) ı̂n baza F . Relaţiile (5.3.4) se scriu ı̂n forma
matriceală (5.3.1).
(ii) Dacă
m m m
!
X X X
x= xi ei ⇒ T (x) = T xi e i = xi T (ei )
i=1 i=1 i=1
 
m n n m
!
X X X X
= xi  tij fj  = xi tij fj .
i=1 j=1 j=1 i=1
Reţinem deci exprimarea:

n m
!
X X
(5.3.5) T (x) = xi tij fj .
j=1 i=1
Din ipoteză avem:

n
X
(5.3.6) T (x) = yj fj .
j=1
Atunci (5.3.4) şi (5.3.6) conduc la

Xm
yj = xi tij , ∀ j = 1, n.
i=1
5.3.2 Definiţie. Fie X, Y două K-spaţii vectoriale, dim X = m, dim Y = n,

E = {e1 , . . . , em } bază ı̂n X, F = {f1 , . . . , fn } bază ı̂n Y , iar T ∈ L(X, Y ).
Matricea
(E,F )
(5.3.7) MT = MTt ∈ Mn,m (K)
ale cărei coloane sunt coordonatele vectorilor T (e1 ), . . . , T (em ) ı̂n baza
F = {f1 , . . . , fn } a lui Y se numeşte matricea aplicaţiei liniare T ı̂n perechea
de baze (E, T ).
5.3.3 Observaţie.
(i) Relaţia (5.3.1) se scrie ı̂n forma echivalentă:
(E,F )
(5.3.8) [T (e1 ) . . . T (em )] = [f1 . . . fn ] MT .
(ii) Relaţia (5.3.3) se scrie echivalent ı̂n forma:

(E,F )
(5.3.9) [y1 y2 . . . yn ] = [x1 x2 . . . xn ] MT .
5.4 Comportarea matricii unei aplicaţii liniare la

schimbarea bazelor
Presupunem că X şi Y sunt K-spaţii vectoriale, dim X = m, dim Y =
n, E = {e1 , . . . , em } o bază ı̂n X, F = {f1 , . . . , fn } o bază ı̂n Y , iar
(E,F )
T ∈ L(X, Y ) are matricea MT ı̂n perechea de baze (E, F ).
Dacă E 0 = {e01 , . . . , e0m }, F 0 = {f10 , . . . , fn0 } sunt alte două baze ale lui X,
(E 0 ,F 0 )
respectiv Y , iar MT este matricea lui T ı̂n perechea de baze (E 0 , F 0 ),
(E,F ) (E 0 ,F 0 )
interesează ce legătură există ı̂ntre matricele MT şi MT .
Reamintim că:
(E,F )
(5.4.1) [T (e1 ) . . . T (em )] = [f1 . . . fn ]MT
(E 0 ,F 0 )
(5.4.2) [T (e01 ) . . . T (e0m )] = [f10 . . . fn0 ]MT .
Vectorii e01 , . . . , e0m se exprimă ı̂n baza E = {e1 , . . . , em } prin relaţiile

 0
e = α11 e1 + · · · + α1m em
 01


e2 = α21 e2 + · · · + α2m em
(5.4.3)

 · · · · · · ·
 0
em = αm1 e1 + · · · + αmm em
şi atunci imaginile lor prin T ∈ L(X, Y ) sunt respectiv:
T (e01 ) = α11 T (e1 ) + · · · + α1m T (em )



T (e02 ) = α21 T (e1 ) + · · · + α2m T (em )


(5.4.4)

 · · · · · · · · ·
T (e0m ) = αm1 T (e1 ) + · · · + αmm T (em ).

Matriceal, relaţiile (5.4.4) se scriu ı̂n forma:

0
T (e01 ) . . . T (e0m ) = [T (e1 ) . . . T (em )] P (E ,E) ,

(5.4.5)
unde
0
(5.4.6) P (E ,E) = (αji ) j=1,m
i=1,m
este matricea de pasaj de la E la E 0 (deci matricea ale cărei coloane sunt

coordonatele vectorilor e01 , . . . , e0m ı̂n baza E).
Vectorii f10 , f20 , . . . , fn0 se exprimă ı̂n baza F = {f1 , . . . , fn } prin relaţiile:
 0
f = β11 f1 + β12 f2 + · · · + β1n fn
 10


f2 = β21 f1 + β22 f2 + · · · + β2n fn
(5.4.7)

 · · · · · · · · ·
 0
fn = βn1 f1 + βn2 f2 + · · · + βnn fn .
Matriceal, relaţiile (5.4.7) se scriu ı̂n forma:

0 ,F )
(5.4.8) [f10 . . . fn0 ] = [f1 . . . fn ] P (F ,
unde
0 ,F )
(5.4.9) P (F = (βij ) j=1,n
i=1,n
este matricea de trecere de la F la F 0 , ale cărei coloane sunt coordonatele

vectorilor f10 , . . . , fn0 ı̂n baza F .
Din (5.4.5) şi (5.4.1) rezultă
(E,F ) (E 0 ,E)
T (e0i ) . . . T (e0m ) = [f1 . . . fn ]MT

(5.4.10) P
iar din (5.4.2) şi (5.4.8) se obţine

0 (E 0 ,F 0 )
T (e01 ) . . . T (e0m ) = [f1 . . . fn ]P (F ,F ) MT

(5.4.11) .
(E,F ) (E 0 ,F 0 )
Din (5.4.10) şi (5.4.11) găsim legătura ı̂ntre matricele MT , MT :
0 0 ,F ) (E 0 ,F 0 )
(5.4.12) MTE,F · P (E ,E) = P (F MT .
0 ,F ) 0
Cum (P (F )−1 = P (F,F ) , se obţine relaţia
(E 0 ,F 0 ) 0 (E,F ) 0
(5.4.13) MT = P (F,F ) MT P (E ,E) .
Am demonstrat deci următoarea:

5.4.1 Teoremă. Dacă X şi Y sunt K-spaţii vectoriale finit dimensionale,
(E,F )
E, E 0 baze ı̂n X, F, F 0 baze ı̂n Y iar T ∈ (X, Y ), ı̂ntre matricele MT
0 0
(E ,F )
şi MT ale lui T ı̂n perechile de baze (E, F ), respectiv (E 0 , F 0 ), există
relaţia:
(E 0 ,F 0 ) 0 (E,F ) (E 0 ,E)
MT = P (F,F ) MT P ,
0
unde P (F,F ) e matricea de pasaj de la F la F 0 (coloanele sunt coordonatele
0
vectorilor bazei F ı̂n baza F 0 ), iar P (E ,E) matricea de pasaj de la E 0 la E
(coloanele sunt coordonatele vectorilor bazei E 0 ı̂n baza E).
5.4.2 Teoremă. Dacă X şi Y sunt K-spaţii vectoriale finit dimensionale,

iar T ∈ L(X, Y ), atunci pentru orice pereche de baze ale lui X şi Y matricele
lui T au acelaşi rang, egal cu rangul aplicaţiei T , adică:
(5.4.14) rang MT = dim(ImT).
Presupunem că X este un K-spaţiu vectorial n-dimensional iar T ∈ End(X).

Dacă fixăm ı̂n X baze diferite, atunci T are matrice diferite. Se pune pro-
blema, ı̂n ce condiţii două matrice din Mn (K) reprezintă acelaşi endomor-
fism.
5.4.3 Teoremă. Matricele A, B ∈ Mn (K) reprezintă acelaşi endomorfism

T ∈ End(X) dacă şi numai dacă sunt asemenea, adică există C ∈ GLn (K)
astfel ı̂ncât
(5.4.15) B = C −1 · A · C.
Demonstraţie. Fie E = {e1 , . . . , en }, F = {f1 , . . . , fn }, iar C = P (F,E) =

(cij ) ∈ Mn (K) matricea de trecere de la E la E 0 , adică
n
X
(5.4.16) fi = cki · ek , ∀ i = 1, n.
k=1
Dacă T ∈ End(X), notăm A = (aij ) ∈ Mn (K) matricea lui T ı̂n raport cu

prima bază, deci
n
X
(5.4.17) T (ej ) = aij ei , ∀ i = 1, n.
i=1
Dacă B = (bij ) ∈ Mn (K) este matricea lui T ı̂n raport cu a doua bază,
atunci
n
X
(5.4.18) T (e0j ) = bij fi , ∀ j = 1, n.
i=1
Din (5.4.16) şi (5.4.18) rezultă

n n
!
X X
(5.4.19) T (fj ) = cki bij ek , ∀ j = 1, n.
k=1 i=1
Pe de altă parte
n n n n
! !
X X X X
(5.4.20) T (fj ) = T cij ei = cij T (ei ) = cij aki ek
i=1 i=1 i=1 k=1
n n
!
X X
= aki cij ek , ∀ j = 1, n.
k=1 i=1
Din relaţiile (5.4.19) şi (5.4.20) rezultă că are loc
(5.4.21) C ·B =A·C
care este echivalentă cu (5.4.15).

Se demonstrează următoarea:
5.4.4 Teoremă. Dacă matricele A, B ∈ Mn (K) sunt asemenea, atunci

există un endomorfism T ∈ End (K n ) şi două baze E, F ale lui K n astfel
(E) (F ) (E) (F )
ı̂ncât A = MT , B = MT (MT este matricea lui T ı̂n baza E, iar MT
este matricea lui T ı̂n baza F ).
5.4.5 Definiţie. Dacă X este un K-spaţiu vectorial finit dimensional,

T ∈ End(X), atunci polinomul caracteristic al matricei endomorfismului
T ı̂n orice bază a lui X se numeşte polinom caracteristic al endomorfismului.
5.4.6 Observaţii.
(i) Dacă E este o bază fixată a K-spaţiului n-dimensional X, iar
(E)
T ∈ End(X) are matricea MT ı̂n baza E, atunci polinomul caracteristic al
endomorfismului T este
(E)
(5.4.22) fT (x) = (−1)n det(MT − xIn ).
(ii) Se demonstrează că polinomul caracteristic al unui endomorfism

T ∈ End(X) este independent de bază.
5.4.7 Teoremă. Fie X un K-spaţiu vectorial n-dimensional, E = {e1 , ..., en }

(E)
bază a lui X, T ∈ End(X), iar MT matricea lui T ı̂n baza E. Valorile
(E)
proprii ale endomorfismului T coincid cu valorile proprii ale matricei MT ,
oricare ar fi baza E a lui V .
Capitolul 6
Spaţii vectoriale euclidiene
6.1 Spaţii vectoriale euclidiene

6.1.1 Definiţie. Fie X un spaţiu vectorial real sau complex. Funcţia
(6.1.1) h,i : X × X → K (K = R sau K = C)
se numeşte produs scalar dacă are proprietăţile:

(i) hx + y, zi = hx, zi + hy, zi, ∀ x, y, z ∈ X;
(ii) hαx, yi = α hx, yi, ∀ x, y ∈ X, ∀ α ∈ K;
(iii) hx, yi = hy, xi, ∀ x, y ∈ X;
(iv) hx, xi ≥ 0, ∀ x ∈ X; hx, xi = 0 ⇔ x = 0X .
6.1.2 Observaţii. Din Definiţia 6.1.1 se obţin următoarele proprietăţi ale

produsului scalar:
(i) hx, 0i = h0, xi = 0, ∀ x ∈ X;
(ii) hx, αyi = α hx, yi, ∀ x, y ∈ X, ∀ α ∈ K (K = R sau C);
(iii) hx, y + zi = hx, yi + hx, zi, ∀ x, y, z ∈ X.
6.1.3 Exemple.
(i) Fie X = Cn = {z = (z1 , . . . , zn ) | zk ∈ C, k = 1, n}. Cn este un
C-spaţiu vectorial ı̂n raport cu adunarea pe componente şi ı̂nmulţirea cu
scalari (ı̂nmulţirea fiecărei componente cu scalarul). Se constată că funcţia
h , i : Cn × Cn → C, dată de:
n

0 X
(6.1.2) z, z = zk z 0k , ∀ z = (z1 , . . . , zn ), z 0 = (z10 , . . . , zn0 ) ∈ Cn
k=1
este un produs scalar pe Cn , numit produsul scalar canonic ı̂n Cn .

65
(ii) Dacă X = Rn = {x = (x1 , . . . , xn ) | xk ∈ R, k = 1, n}, produsul

scalar canonic ı̂n Rn se defineşte prin:
n
X
(6.1.3) hx, yi = xk yk , ∀ x = (x1 , . . . , xn ), y = (y1 , . . . , yn ) ∈ Rn .
k=1
(iii) Dacă X = C[a, b], atunci funcţia h , i : C[a, b] × C[a, b] → R, dată

prin:
Z b
(6.1.4) hf, gi = f (x)g(x)dx
a
este un produs scalar pe C[a, b].

6.1.4 Definiţie. Un spaţiu vectorial real sau complex dotat cu produs scalar
se numeşte spaţiu vectorial euclidian (sau prehilbertian).
6.1.5 Teoremă (inegalitatea lui Schwarz). Fie X un spaţiu vectorial eu-
clidian complex. Are loc inegalitatea:
(6.1.5) |hx, yi|2 ≤ hx, xi hy, yi , ∀ x, y ∈ X.
Egalitatea are loc dacă şi numai dacă x şi y sunt liniar dependenţi.
Demonstraţie. Dacă x = 0X sau y = 0X , atunci (6.1.5) se reduce la
egalitatea trivială 0 = 0.
Presupunem că x, y sunt nenuli şi notăm z = αx + βy, unde α, β ∈ C se vor
preciza ulterior.
Din proprietăţile produsului scalar rezultă:
(6.1.6) 0 ≤ hz, zi = hαx + βy, αx + βyi
= αα hx, xi + αβ hx, yi + αβ hy, xi + ββ hy, yi
cu egalitate dacă şi numai dacă z = 0.
Alegem α = hy, yi; evident α ∈ R deoarece α > 0 (din proprietatea (v) a
produsului scalar). Simplificând cu α ı̂n (6.1.6), se obţine:
(6.1.7) hy, yi + β hx, yi + βhx, yi + ββ ≥ 0.
Fie β = − hx, yi; atunci β = −hx, yi = − hy, xi. Substituind ı̂n (6.1.7), se
obţine inegalitatea enunţului.
6.1.6 Observaţie. Dacă X este spaţiu vectorial euclidian real, atunci
hx, yi = hy, xi, hx, βyi = β hx, yi, iar inegalitatea lui Schwarz se scrie ı̂n
forma:
(6.1.8) hx, yi2 ≤ hx, xi · hy, yi .
6.1.7 Exemplu. În spaţiul Rn dotat cu produsul scalar canonic, inegalitatea

lui Schwarz are forma
n
!2 n
! n !
X X X
2 2
(6.1.9) xk yk ≤ xk yk ,
k=1 k=1 k=1
∀ x = (x1 , . . . , xn ), y = (y1 , . . . , yn ).
6.1.8 Teoremă. Fie X un spaţiu vectorial euclidian. Funcţia k·k : X → R+ ,

definită prin
p
(6.1.10) kxk = hx, xi, ∀ x ∈ X
este o normă pe X, adică are proprietăţile:

(i) kxk > 0 pentru x 6= 0X , k0X k = 0;
(ii) kαxk = |α| · kxk, ∀ x ∈ X, ∀ α ∈ K (K = R sau K = C);
(iii) kx + yk ≤ kxk + kyk, ∀ x, y ∈ X.
Demonstraţie. Presupunem K = C. Din hx, xi ≥ 0 ⇒ kxk ≥ 0, cu

egalitate dacă şi numai dacă x = 0X .
Pentru α ∈ C, x ∈ X avem:
p p p
kαxk = hαx, αxi = αα hx, xi = |α|2 hx, xi = |α| · kxk.
Pentru a treia proprietate observăm că:
(6.1.11) kx + yk2 = hx + y, x + yi = hx, xi + hx, yi + hx, yi + hy, yi

= kxk2 + hx, yi + hx, yi + kyk2 .
Dar hx, yi + hx, yi = 2 Re hx, yi ≤ 2| hx, yi | ≤ 2kxk · kyk (prima inegalitate

se demonstrează uşor, ultima e inegalitatea lui Schwarz).
Revenind ı̂n (6.1.11) se obţine:
kx + yk2 ≤ (kxk + kyk)2
din care rezultă (iii).
6.1.9 Observaţii.
(i) Dacă X este un spaţiu euclidian real, iar x, y ∈ X, x 6= 0X , y 6= 0X ,
inegalitatea lui Schwarz | hx, yi | ≤ kxk · kyk se transcrie ı̂n forma:
hx, yi
(6.1.12) −1 ≤ ≤ 1.
kxk · kyk
(ii) Dacă X este un spaţiu vectorial real, x, y ∈ X, x 6= 0X , y 6= 0X ,

numărul real θ ∈ [0, π], definit prin relaţia:
hx, yi
(6.1.13) cos θ =
kxk · kyk
se numeşte unghiul vectorilor x, y.
(iii) Un spaţiu vectorial dotat cu o normă se numeşte spaţiu vectorial
normat; un spaţiu vectorial normat cu norma provenind dintr-un produs
scalar se numeşte spaţiu prehilbertian.
Se demonstrează următoarea:
6.1.10 Teoremă. Fie (X, k · k) un spaţiu vectorial normat.
Funcţia d : X × X → R+ , d(x, y) = kx − yk este o distanţă pe X, adică:
(i) d(x, y) ≥ 0, ∀ x, y ∈ X; d(x, y) = 0 ⇔ x = y;
(ii) d(x, y) = d(y, x), ∀ x, y ∈ X;
(iii) d(x, y) ≤ d(x, z) + d(z, y), ∀ x, y, z ∈ X.
6.2 Ortogonalitate
Ortogonalitatea este una din cele mai importante relaţii dintre vectorii unui
spaţiu vectorial euclidian.
6.2.1 Definiţie. Fie (X, h , i) un spaţiu vectorial euclidian.
(i) Vectorii nenuli x, y ∈ X se numesc ortogonali (perpendiculari) dacă
produsul lor scalar este 0.
(ii) Mulţimea S ⊂ X, S 6= ∅, cardS ≥ 2 se numeşte ortogonală dacă
hx, yi = 0, ∀ x, y ∈ S, x 6= y.
(iii) O mulţime ortogonală se numeşte ortonormată dacă fiecare element
al său are norma egală cu unitatea (kxk = 1, ∀ x ∈ S).
Următoarea teoremă caracterizează mulţimile ortogonale dintr-un spaţiu
vectorial euclidian.
6.2.2 Teoremă. Fie (X, h , i) un spaţiu vectorial euclidian iar S ⊂ X,
S 6= ∅, card S ≥ 2, S ortogonală. Sunt adevărate afirmaţiile de mai jos:
(i) dacă 0X ∈ / S, atunci S este liniar independentă;
(ii) dacă 0X 6∈ S, dim X = n = card S, atunci S este o bază a lui X.
Demonstraţie. (i) Fie S ⊂ X cu proprietăţile enunţului iar x1 , . . . , xp ∈ S.
Dacă α1 , α2 , . . . , αp ∈ K astfel ı̂ncât α1 x1 + · · · + αj xj + · · · + αp xp = 0X ,
ı̂nmulţind scalar cu xj egalitatea precedentă se obţine
(6.2.1) α1 hxj , x1 i + · · · + αj hxj , xj i + · · · + αp hxj , xp i = 0X , ∀ j = 1, p.
Cum S e ortogonală, hxi , xj i = 0, ∀ i, j = 1, p, i 6= j şi că din (6.2.1) rezultă

că αj = 0, ∀ j = 1, p.
(ii) Cum 0X 6∈ S şi S e ortogonală, rezultă (conform (i)) că S e liniar
independentă. Dar card S = dim X = n, deci S e bază a lui X.
6.2.3 Definiţie. Fie X un spaţiu vectorial euclidian, dim V = n iar
B = {e1 , . . . , en } o bază a lui X. Baza considerată se numeşte ortonormată
dacă:

0, i 6= j
(6.2.2) hei , ej i = δij = (i, j = 1, n).
1, i = j
6.2.4 Definiţie. Fie X un spaţiu vectorial euclidian, x, y ∈ X, y 6= 0X .
Vectorul
hx, yi
(6.2.3) z= y
hy, yi
se numeşte proiecţia vectorului x pe vectorul y, iar scalarul
hx, yi
(6.2.4) α=
hy, yi
se numeşte mărimea algebrică a proiecţiei lui x pe y.
6.2.5 Teoremă. Fie X un spaţiu euclidian n dimensional iar B = {e1 , ..., en}
n
P
o bază ortogonală a lui X. Dacă x = xi ei , atunci coordonatele xi (i = 1, n)
i=1
ale lui x ı̂n baza B se exprimă prin relaţiile:
hx, ei i
(6.2.5) xi = , ∀ i = 1, n.
hei , ei i
n
P
Demonstraţie. Înmulţind x = xj ej scalar cu ei (i = 1, n) rezultă
j=1
n n

X X
hx, ei i = xj ej , ei = xj hej , ei i = xi hei , ei i , ∀ i = 1, n.
j=1 j=1
Se obţin relaţiile (6.2.5).

6.2.6 Observaţii.
(i) Dacă baza B este ortonormată, atunci
(6.2.6) xi = hx, ei i , ∀ i = 1, n.
(ii) Coordonatele vectorului x ı̂ntr-o bază ortonormată a lui X se numesc
coordonatele euclidiene ale lui x.
6.2.7 Definiţie. Fie (X, h , i) un spaţiu vectorial euclidian şi S ⊂ X, S 6= ∅.

Un element x ∈ X este ortogonal pe mulţimea S dacă x este ortogonal pe
fiecare element din S.
Se notează
(6.2.7) S ⊥ = {x ∈ X | x 6= 0X , x ⊥ y, ∀ y ∈ S} .
6.2.8 Observaţii.
(i) Mulţimea S ⊥ este subspaţiu al lui X indiferent dacă S este sau nu
subspaţiu, deoarece
∀ x, y ∈ S ⊥ , ∀ α, β ∈ K ⇒ hαx + βy, zi = α hx, zi + β hy, zi = 0
oricare ar fi z ∈ S.
(ii) În caz că S este subspaţiu al lui X, S ⊥ se numeşte complementul
ortogonal al lui S.
Se demonstrează
6.2.9 Teoremă. Dacă (V, h , i) este un spaţiu vectorial euclidian finit di-
mensional, iar W un subspaţiu al lui V , atunci
(6.2.8) V = W ⊕ W ⊥.
Mai mult, dacă v ∈ V , w ∈ W , w⊥ ∈ W ⊥ este verificată teorema lui Pita-

gora:
(6.2.9) kvk2 = kwk2 + kw⊥ k2 .
6.3 Procedeul de ortogonalizare Gram-Schmidt

Fie K = R sau K = C iar (X, h , i) un K-spaţiu vectorial euclidian finit
dimensional. Se va arăta că, pornind de la orice mulţime liniar independentă
de vectori din X, se poate construi o mulţime ortonormată. Acest lucru se
realizează prin procedeul Gram-Schmidt, expus ı̂n demonstraţiile teoremelor
care urmează.
6.3.1 Teoremă. Fie (X, h , i) un K-spaţiu vectorial n-dimensional iar

B = {v1 , v2 , . . . , vn } o bază a lui X. Atunci există o bază ortonormată
E = {e1 , e2 , . . . , en } a lui X astfel ı̂ncât:
(6.3.1) span{v1 , . . . , vk } = span {e1 , . . . , ek }, ∀ k = 1, n.

Demonstraţie. Se construieşte o mulţime ortogonală {w1 , w2 , . . . , wn } iar

apoi i se ortonormează elementele.
(i) Construcţia mulţimii ortogonale.
Cum B = {v1 , . . . , vn } e bază a lui X ⇒ B e liniar independentă ⇒ 0X 6∈ B.
Alegem w1 = v1 . Construim w2 = v2 + α1 w1 unde α1 ∈ K se determină
astfel ca w2 ⊥ w1 . Impunând condiţia hw2 , w1 i = 0, rezultă succesiv:
0 = hw2 , w1 i = hv2 + α1 w1 , w1 i = hv2 , w1 i + α1 hw1 , w1 i

hv2 , w1 i hv2 , w1 i
⇒ α1 = − ⇒ w2 = v2 − w1 .
hw1 , w1 i hw1 , w1 i
Deci w2 se obţine din v2 , scăzând din v2 proiecţia lui v2 pe w1 .

Construim w3 = v3 + α1 w1 + α2 w2 , unde α1 , α2 ∈ K se determină astfel
ca w3 ⊥ w1 , w3 ⊥ w2 . Impunând condiţiile: hw3 , w1 i = 0, hw3 , w2 i = 0 se
hv3 , w1 i hv3 , w2 i
obţine α1 = − w1 , α2 = − w2 .
hw1 , w1 i hw2 , w2 i
Aşadar
hv3 , w1 i hv3 , w2 i
w3 = v 3 − w1 − w2 .
hw1 , w1 i hw2 , w2 i
Deci w3 se obţine scăzând din v3 proiecţiile lui v3 pe w1 şi respectiv pe w2 .
Procedând analog, după n paşi se obţine vectorul
hvn , w1 i hvn , w2 i hvn , wn−1 i

wn = v n − w1 − w2 − · · · − wn−1 .
hw1 , w1 i hw2 , w2 i hwn−1 , wn−1 i
Mulţimea S = {w1 , w1 , . . . , wn } este o mulţime ortogonală cu proprietatea

wk 6= 0X , ∀ k = 0, n (afirmaţia rezultă din liniar independenţa mulţimii B).
Cum 0X 6∈ S şi S e ortogonală, rezultă că S e liniar independentă, iar
dim V = card S = n asigură faptul că S e o bază ortogonală a lui V .
(ii) Construcţia mulţimii ortonormate
Ortonormăm elementele lui S, punând:
wk
(6.3.2) ek = , ∀ k = 1, n.
kwk k
Mulţimea E = {e1 , e2 , . . . , en } este baza ortonormată căutată.

Se poate arăta că span {v1 , . . . , vk } = span {e1 , . . . , ek }, ∀ k = 1, n.
6.3.2 Exemplu. Fie R3 spaţiul real euclidian canonic tridimensional. Să se

găsească o bază ortonormată pentru subspaţiul generat de x1 = [1, 1, −1]t ,
x2 = [3, −1, −1]t , x3 = [0, −1, 1]t .
Pentru ı̂nceput observăm că

 
1 3 0
rang [x1 , x2 , x3 ] = rang  1 −1 −1 = 3,
−1 −1 1
deci mulţimea {x1 , x2 , x3 } e liniar independentă. Prin urmare {x1 , x2 , x3 }

formează o bază a lui R3 şi atunci rezultă că span {x1 , x2 , x3 } = R3 .
Urmând calea din demonstraţia Teoremei 6.3.1 (procedeul Gram-Schmidt)
vom construi mulţimea ortogonală S = {w1 , w2 , w3 }, punând:
w1 = x1 = [1, 1, −1]t ;
hx2 , w1 i 3
w2 = x 2 − w1 = [3, −1, −1]t − [1, 1, −1]t = [2, −2, 0]t ;
hw1 , w1 i 3
hx3 , w1 i hx3 , w2 i
w3 = x 3 − w1 − w2 =
hw1 , w1 i hw2 , w2 i
(−2) 2 1 1 1 t

t
= [0, −1, 1] − t
[1, 1, −1] − [2, −2, 0] = t , , .
3 8 6 6 3
Baza ortonormatăcăutată e formată din vectorii:
w1 1 1 1 t
e1 = = √ , √ , −√ ;
kw1 k 3 3 3
t
w2 1 1

e2 = = √ , −√ , 0 ;
kw2 k 2 2
√ √ √ t
w3 6 6 6
e3 = = , , .
kw3 k 6 6 3
Teorema 6.3.1 se generalizează ı̂n felul următor:
6.3.3 Teoremă. Fie X un K-spaţiu vectorial euclidian, {v1 , v2 , . . . } ⊂ X o

mulţime finită sau infinită, iar span {v1 , . . . , vk } subspaţiul generat de primii
k vectori. Atunci există o mulţime {w1 , w2 , . . . } ⊂ X cu proprietăţile:
(i) vectorul wk este ortogonal pe span {v1 , . . . , vk−1 }, ∀ k ∈ N∗ , k ≥ 2;
(ii) span {w1 , . . . , wk } = span {v1 , v2 , . . . , vk }, ∀ k ∈ N∗ ;
(iii) w1 , w2 , . . . , wk , . . . sunt unic determinaţi, abstracţie făcând de un
factor scalar.
6.3.4 Observaţii.
(i) Vectorii w1 , w2 , . . . , wk au expresiile:
r
X hvr+1 , wi i
(6.3.3) w1 = v1 , wr+1 = vr+1 − wi , r = 1, k − 1,
hwi , wi i
i=1
adică wr+1 se obţine scăzând din vr+1 proiecţiile lui pe w1 , w2 , . . . , wr .

(ii) Din mulţimea ortogonală S = {w1 , w2 , . . . } se obţine mulţimea orto-

w1 w2

normată E = , ... .
kw1 k kw2 k
6.3.5 Exemplu. Fie P spaţiul vectorial al polinoamelor reale definite pe
[−1, 1] ı̂nzestrat cu produsul scalar
Z 1
hf, gi = f (x) g(x)dx.
−1
Baza acestui spaţiu e formată din vectorii vn (t) = tn , n ∈ N.

Ortogonalizând această bază cu procedeul de ortogonalizare Gram-Schmidt
se obţin polinoamele Legendre:
1
w1 (t) = t, w2 (t) = t2 − ,
3
3 n! dn
w3 (t) = t3 − t, . . . , wn (t) = · n (t2 − 1)n , . . .
5 (2n)! dt
Capitolul 7
Forme biliniare. Forme

pătratice
7.1 Forme biliniare

7.1.1 Definiţie. Fie X un K-spaţiu vectorial. O funcţie F : X × X → K
se numeşte formă biliniară dacă este liniară ı̂n raport cu fiecare argument,
adică:
(i) F (α1 x1 + α2 x2 , y) = α1 F (x1 , y) + α2 F (x2 , y), ∀ x1 , x2 ∈ X,
∀ α1 , α2 ∈ K;
(ii) F (x, β1 y1 + β2 y2 ) = β1 F (x, y1 ) + β2 F (x, y2 ), ∀ x, y1 , y2 ∈ X,
∀ β1 , β2 ∈ K.
Dacă, ı̂n plus, F (x, y) = F (y, x), ∀ x, y ∈ X, forma biliniară F se numeşte
simetrică, iar dacă F (x, y) = −F (y, x), ∀ x, y ∈ X, forma biliniară F se
numeşte antisimetrică (sau alternată).
7.1.2 Exemplu. Dacă (X, h , i) este un R-spaţiu vectorial F : X × X → R,

F (x, y) = hx, yi, ∀ x, y ∈ V este o formă biliniară simetrică.
7.1.3 Teoremă. Fe X un K-spaţiu vectorial.

Orice formă biliniară F : X × X → K se descompune unic ı̂n suma dintre
o formă biliniară simetrică şi una antisimetrică.
1
Demonstraţie. Funcţia F1 : X × X → R, F (x, y) = (F (x, y) + F (y, x))
2
este o formă biliniară simetrică, iar funcţia F2 : V × V → R, F2 (x, y) =
1
(F (x, y)−F (y, x)) este formă biliniară antisimetrică. Este clar că F (x, y) =
2
F1 (x, y) + F2 (x, y), ∀ x, y ∈ X.
Unicitatea descompunerii se demonstrează prin reducere la absurd.
74
7.1.4 Teoremă. Dacă X este un K-spaţiu vectorial iar L2 (X) este mulţimea
formelor biliniare pe X, atunci:
(i) L2 (X) este un K-spaţiu vectorial;
(ii) dacă dim X = n ⇒ dim L2 (X) = n2 .
7.1.5 Definiţie. Fie X un K-spaţiu vectorial n-dimensional,
E = {e1 , e2 , . . . , en } o bază a lui X, iar F ∈ L2 (X). Dacă aij = F (ei , ej ),
∀ i = 1, n, j = 1, n, atunci matricea
(E)
(7.1.1) AF = (aij ) i=1,n
j=1,n
se numeşte matricea formei biliniare F ı̂n baza E.

(E)
7.1.6 Observaţie. Dacă F ∈ L2 (X) e dată, atunci matricea AF a lui F
ı̂n baza E = {e1 , . . . , en } este unic determinată prin relaţiile aij = F (ei , ej ),
∀ i = 1, n, j = 1, n.
Reciproc, demonstrăm:
7.1.7 Teoremă. Dacă X este K-spaţiu vectorial n-dimensional,
E = {e1 , . . . , en } o bază a lui X, atunci forma biliniară F ∈ L2 (X) este unic
(E)
determinată de matricea AF .
n
P n
P
Demonstraţie. Fie x, y ∈ X, x = xi e i , y = yj ej . Atunci:
i=1 j=1
 
Xn n
X n X
X n n X
X n
F (x, y) = F  xi e i , yj ej =
 xi yj F (ei , ej ) = aij xi yj .
i=1 y=1 i=1 j=1 i=1 j=1
Cum xi , yj , aij (i = 1, m, j = 1, n) sunt unic determinaţi, relaţia:

n X
X n
(7.1.2) F (x, y) = aij xi yj
i=1 j=1
(E)
arată că F este unic determinată de matricea AF = (aij ) i=1,n .
j=1,n
7.1.8 Observaţie. Dacă xt[E] = [x1 x2 . . . xn ], y[E] = [y1 y2 . . . yn ]t , atunci

(7.1.2) se scrie matriceal ı̂n forma echivalentă:
(E)
(7.1.3) F (x, y) = xt[E] AF y[E] .
Simetria (antisimetria) formei biliniare F ∈ L2 (X) se caracterizează cu

(E)
ajutorul matricei AF ı̂n următoarea
7.1.9 Teoremă. Dacă X este un K-spaţiu vectorial n dimensional,
(E)
E = {e1 , . . . , en } o bază a lui X, F ∈ L2 (X) cu matricea AF ı̂n baza
E, sunt adevărate afirmaţiile:
(E)
(i) dacă F este simetrică, atunci AF este simetrică;
(E)
(ii) dacă F este antisimetrică, atunci AF este antisimetrică.
Pn Pn
Demonstraţie. Fie x, y ∈ X arbitrar aleşi, x = xi ei , y = yj ej , iar
i=1 j=1
(E)
AF = (aij ) i=1,n matricea lui F ı̂n baza E.
j=1,n
n P
P n
(i) Dacă F este simetrică ⇒ F (x, y) = F (y, x) ⇒ xi yj aij =
i=1 j=1
n P
P n n P
P n
= yj xi aji = xi yj aji .
j=1 i=1 i=1 j=1
(E) (E) (E)
Deci aij = aji , ∀ i, j = 1, n, ceea ce arată că AF = (AF )t , adică AF este
simetrică.
(ii) Analog cu (i).
Forma biliniară F ∈ L2 (X) are matrice distincte ı̂n baze diferite ale
spaţiului X. Legătura ı̂ntre ele e exprimată ı̂n:
7.1.10 Teoremă. Fie X un K-spaţiu vectorial n-dimensional,
E = {e1 , . . . , en }, F 0 = {e01 , . . . , e0n } baze ı̂n X, iar F ∈ L2 (X) o formă
(E) (E 0 )
biliniară care are matricele AF , AF ı̂n bazele E, respectiv E 0 . Dacă
0 (E)
P (E,E ) e matricea de pasaj de la baza E la baza E 0 , ı̂ntre matricele AF şi
(E 0 )
AF există relaţia:
it
(E 0 )
h 0 0
(E)
(7.1.4) AF = P (E,E ) AF P (E,E ) .
Demonstraţie. Conform relaţiei (7.1.3) avem:
(E) (E 0 )
(7.1.5) F (x, y) = [x]t[E] AF [y][E] , F (x, y) = [x]t[E 0 ] AF [y][E 0 ] .
0
Dacă P (E,E ) e matricea de pasaj de la E la E 0 , au loc relaţiile:
0 0
(7.1.6) [x]E = P (E,E ) [x][E 0 ] , [y][E] = P (E,E ) [y][E 0 ] .
Ţinând cont de prima relaţie (7.1.5) şi (7.1.6) obţinem:
0
t 0

(E)
(7.1.7) F (x, y) = P (E,E ) [x][E 0 ] AF P (E,E ) [y][E 0 ]
t
0 (E) 0
= [x]t[E 0 ] P (E,E ) AF P (E,E ) [y][E 0 ] .
Din (7.1.7) şi a doua relaţie (7.1.5) se obţine (7.1.4).
7.1.11 Exemplu. În R3 se consideră bazele E = {e1 = [1 0 0]t , e2 = [0 1 0]t ,

e3 = [0 0 1]t }, E 0 = {e01 = [1, 1, −1]t , e02 = [1 − 1 − 1]t , e03 = [−1 1 1]t } şi
funcţia F : R3 × R3 → R, F (x, y) = x1 y1 + x2 y2 + x3 y3 ∀ x = (x1 x2 x3 )t ,
y = (y1 y2 y3 )t ∈ R3 .
(i) Arătaţi că F e o formă biliniară simetrică.
(E) (E 0 )
(ii) Găsiţi AF , AF .
it
(E 0 )
h 0 (E) 0
(iii) Verificaţi egalitatea AF = P (E,E ) AF P (E,E ) .
Soluţie. (i) ∀ x0 = [x01 , x02 , x03 ]t , x00 = [x001 x002 x003 ]t , y = [y1 y2 y3 ]t şi
∀ α0 , α00 ∈ R avem:
F (α0 x0 + α00 x00 , y) = (αx01 + βx001 )y1 + (αx02 + βx002 )y2 + (αx03 + βx003 )y3 =
α(x01 y1 + x02 y2 + x03 y3 ) + β(x001 y1 + x002 y2 + x003 y3 ) = αF (x0 , y) + βF (x00 , y)
deci F este liniară ı̂n raport cu primul argument.
Analog se arată că F este liniară ı̂n raport cu al doilea argument. Deci
f este biliniară.
Cum F (x, y) = x1 y1 + x2 y2 + x3 y3 = y1 x1 + y2 x2 + y3 x3 = F (y, x)
∀ x, y ∈ R3 , rezultă că F e simetrică.
(ii) După definiţia matricei unei forme biliniare avem:
   
F (e1 , e1 ) F (e1 , e2 ) F (e1 , e3 ) 1 0 0
(E)
AF = F (e2 , e1 ) F (e2 , e2 ) F (e2 , e3 ) = 0 1 0 .
F (e3 , e1 ) F (e3 , e2 ) F (e3 , e3 ) 0 0 1
(E)
Pentru a verifica dacă AF e corect scrisă, calculăm
  
1 0 0 y1
(E)
[x]t[E] AF [y][E] = (x1 x2 x3 )0 1 0y2  = x1 y1 +x2 y2 +x3 y3 = F (x, y),
0 0 1 y3
(E)
deci AF este corect scrisă.
Analog
F (e01 , e01 ) F (e01 , e02 ) F (e01 , e03 )

   
3 1 −1
(E 0 )
AF = F (e02 , e01 ) F (e02 , e02 ) F (e02 , e03 ) =  1 3 −3 .
0 0 0 0 0
F (e3 , e1 ) F (e3 , e2 ) F (e3 , e3 ) 0 −1 −3 3
(E)
Corectitudinea scrierii se verifică la fel ca şi ı̂n cazul matricei AF .
(iii) Matricea de pasaj de la (E) la (E 0 ) are pe coloane coordonatele

vectorilor bazei E 0 ı̂n baza E, adică:
 
1 1 −1
0
P (E,E ) =  1 −1 1  .
−1 −1 1
Atunci:
   
h i t
1 1 −1 1 0 0 1 1 −1
0 (E) 0
P (E,E ) AF P (E,E ) =  1 −1 −1 0 1 0  1 −1 1 
−1 1 1 0 0 1 −1 −1 1
 
3 1 −1
(E 0 )
= 1
 3 −3 = AF .
−1 −3 3
7.1.12 Observaţii.
(E)
(i) Matricea AF se poate scrie direct, observând că aij e coeficientul
lui xi xj , ∀ i = 1, n, ∀ j = 1, n.
(E) (E 0 )
(ii) Se observă că AF , AF sunt matrice simetrice, deci se probează
Teorema 7.1.9.
7.2 Forme pătratice

7.2.1 Definiţie. Fie X un K-spaţiu vectorial iar F ∈ L2 (X) o formă
biliniară simetrică. Funcţia f : X → R, dată prin:
(7.2.1) f (x) = F (x, x), ∀x ∈ X
se numeşte formă pătratică (definită de forma biliniară F ).
7.2.2 Definiţie. Dacă dim X = n iar F ∈ L2 (X) este o formă biliniară

(E)
simetrică, matricea AF a formei biliniare F ı̂n baza E = {e1 , . . . , en } a lui
[E]
X se numeşte matricea formei pătratice f ı̂n baza E şi se notează Af .
7.2.3 Observaţii.
(i) Orice formă biliniară simetrică F ∈ L2 (X) este determinată de forma
pătratică asociată prin relaţia:
1
(7.2.2) F (x, y) = (f (x + y) − f (x) − f (y))
2
deoarece
f (x + y) − f (x) − f (y) = F (x + y, x + y) − F (x, x) − F (y, y)

= F (x, x) + 2F (x, y) + F (y, y) − F (x, x) − F (y, y) = 2F (x, y).
n
P
(ii) Dacă E = {e1 , . . . , en } este o bază a lui X, x = xi ei ∈ X, iar
i=1
(E)
Af = (aij ) i=1,n e matricea formei pătratice f ı̂n baza E, expresia formei
j=1,n
pătratice este:
n X
X n
(7.2.3) f (x) = aij xi xj .
i=1 j=1
(iii) Notând ca deobicei [x][E] = [x1 . . . xn ]t , relaţia (7.2.3) se scrie ma-

triceal ı̂n forma:
(E)
(7.2.4) f (x) = [x]t[E] Af [x][E] .
(iv) Presupunem K = R, X = K n iar E = {e1 , . . . , en } baza canonică a

lui K n . Dacă F ∈ L2 (X) este o formă biliniară simetrică, având matricea
(E)
AF = (aij ) i=1,n , forma pătratică asociată
j=1,n
n X
X n
(7.2.5) f (x1 , . . . , xn ) = aij xi xj
i=1 j=1
este o funcţie omogenă de gradul doi ı̂n variabilele x1 , x2 , . . . , xn (coordo-

natele vectorului x = (x1 , . . . , xn )t ı̂n baza E = {e1 , . . . , en }).
7.3 Expresia canonică a unei forme pătratice

7.3.1 Definiţie. Fie X = Rn , E = {e1 , . . . , en } baza canonică a lui Rn , iar
f : Rn × Rn → R forma pătratică
n X
X n
(7.3.1) f (x1 , . . . , xn ) = aij xi xj , ∀ x = (x1 , . . . , xn )t ∈ Rn .
i=1 j=1
Dacă ı̂ntr-o bază E 0 = {e01 , e02 , . . . , e0n } forma pătratică f are expresia
n
X
(7.3.2) f (x01 , . . . , x0n ) = bi x02
i ,
i=1
unde x01 , . . . , x0n sunt coordonatele lui x = (x1 , . . . , xn )t ı̂n baza E 0 se numeşte
expresia canonică a formei pătratice f .
7.3.2 Observaţii.
(i) Expresia canonică a oricărei forme pătratice conţine numai pătrate
(nu conţine termeni de forma aij xi xj cu aij 6= 0 pentru i 6= j).
(ii) O bază ı̂n care f are expresia canonică, este o bază E 0 a lui X ı̂n
(E)
care matricea AF are forma diagonală.
(iii) Expresia canonică a unei forme pătratice nu este unică.
Are loc următoarea
7.3.3 Teoremă (legea inerţiei). Dacă ı̂n raport cu două baze diferite, forma
pătratică f are expresiile canonice:
n
X
(7.3.3) f (x) = αi x2i ,
i=1
respectiv
n
X
(7.3.4) f (x) = βj x02
i ,
j=1
atunci numărul termenilor pozitivi, negativi şi nuli din cele două expresii
canonice e acelaşi.
7.3.4 Definiţie. Dacă f e o formă pătratică a cărei expresie canonică are
p coeficienţi pozitivi, q negativi şi r = n − p − q nuli, tripletul (n, p, q) se
numeşte signatura formei pătratice.
7.3.5 Definiţie. Fie forma pătratică f : Rn → R dată prin:
n X
X n
(7.3.5) f (x) = aij xi xj , ∀ x = [x1 , . . . , xn ]t ∈ Rn .
i=1 j=1
Reducerea formei la expresia canonică constă ı̂n determinarea unei schimbări

de coordonate
(7.3.6) [x1 x2 . . . xn ]t = P [x01 x02 . . . x0n ]t ,
astfel ı̂ncât
n
X
(7.3.7) f (x) = f (x0 ) = bk x02
k.
k=1
7.3.6 Definiţie. Fie X un K-spaţiu vectorial, F ∈ L2 (X) o formă biliniară

simetrică, iar f forma pătratică asociată. Vectorii x, y ∈ X se numesc or-
togonali ı̂n raport cu F (sau f ) dacă F (x, y) = 0.
7.3.7 Definiţie. Fie X un K-spaţiu vectorial, F ∈ L2 (X) o formă biliniară

simetrică, iar Y un subspaţiu al lui X. Mulţimea
(7.3.8) Y ⊥ = {y ∈ X | F (x, y) = 0, ∀ x ∈ Y }
se numeşte complementul ortogonal al lui Y ı̂n X ı̂n raport cu F .

7.3.8 Teoremă. Fie X un K-spaţiu vectorial, F ∈ L2 (X) o formă biliniară
simetrică, iar U un subspaţiu al lui X. Sunt adevărate afirmaţiile de mai
jos:
(i) U ⊥ este un subspaţiu al lui X;
(ii) dacă {u1 , u2 , . . . , up } este o bază a lui U , atunci y ∈ U ⊥ dacă şi
numai dacă sunt ı̂ndeplinite condiţiile:
(7.3.9) L(u1 , y) = L(u2 , y) = · · · = L(up , y) = 0;
(iii) Dacă dim X = n, atunci dim U +dim U ⊥ ≥ n; egalitatea are loc dacă
şi numai dacă L este nedegenerată (adică singurul vector din U ortogonal
pe toţi vectorii din U ı̂n raport cu L este vectorul nul );
(iv) dacă L |U ⊥ , L |U sunt restricţiile lui L la U respectiv U ⊥ , dim X = n
atunci:
U ⊕ U ⊥ = X ⇔ L |U este nedegenerată.
Demonstraţie. (i) Fie y1 , y2 ∈ U ⊥ ; atunci ∀ x ∈ X avem L(x, y1 ) = 0,
L(x, y2 ) = 0 ⇒ α1 L(x, y1 ) = 0, α2 L(x, y2 ) = 0, ∀ α1 , α2 ∈ K ⇒ L(x, α1 y1 +
α2 y2 ) = 0 ⇒ α1 y1 + α2 y2 ∈ U ⊥ , ∀ α1 , α2 ∈ U ⊥ , deci U ⊥ este subspaţiu al
lui X.
(ii) Cum y ∈ U ⊥ şi ui ∈ X, ∀ i = 1, p ⇒ L(ui , y) = 0, ∀ i = 1, p.
p
xi ui ; dacă y ∈ U ⊥ , atunci 0 = L(x, y) =
P
Reciproc, fie x ∈ U , x =
p i=1
p

P P
L xi ui , y = xi L(ui , y) ⇒ L(ui , y) = 0, ∀ i = 1, p.
i=1 i=1
(iii) Nu dăm demonstraţia; ea poate fi găsită ı̂n lucrarea [11].
(iv) Dacă L |U este nedegenerată, singurul vector din U care e perpen-
dicular pe toţi vectorii din U este vectorul nul, astfel că U ∩ U ⊥ = {0}.
Cum L e nedegenerată, avem dim U + dim U ⊥ = dim X, deci U ⊕ U ⊥ = X.
Reciproc, dacă U ⊕ U ⊥ = X, rezultă U ∩ U ⊥ = {0}, deci L e nedegene-
rată.
7.3.9 Definiţie. Fie X un R-spaţiu vectorial n-dimensional iar F ∈ L2 (X)
o formă biliniară simetrică. Baza E = {e1 , e2 , . . . , en } a lui X se numeşte
ortogonală ı̂n raport cu forma biliniară F dacă are loc:
(7.3.10) F (ei , ej ) = 0, ∀ i, j ∈ {1, 2, . . . , n}, i 6= j.

(E)
7.3.10 Observaţie. Dacă AF = (aij ) i=1,n este matricea formei biliniare
j=1,n
simetrice L ı̂n baza ortogonală E (sau matricea formei pătratice asociate f
ı̂n această bază), atunci:
 
a11 0 . . . 0
(E) (E)  0 a22 . . . 0 
(7.3.11) AF = Af =  . . . . . . . . . . . .  .

0 0 . . . ann
Expresiile analitice ale lui F , f ı̂n baza ortonormată E devin respectiv:
n
X n
X
(7.3.12) F (x, y) = aii xi yi , f (x) = aii x2i ,
i=1 i=1
∀ x = [x1 , . . . , xn ]t , y = [y1 , . . . , yn ]t ∈ X,
adică expresiile canonice ale formei biliniare simetrice F , respectiv formei
pătratice asociate f .
7.3.11 Teoremă. Fie X un R-spaţiu vectorial n-dimensional iar f : X → R
o formă pătratică. Atunci există ı̂n X o bază ortogonală ı̂n raport cu f .
Demonstraţie. Admitem că f e nedegenerată. Atunci şi forma biliniară
simetrică asociată F e nedegenerată.
Demonstraţia se face prin inducţie după n.
Dacă n = 1, baza e formată dintr-un vector nenul. Fie n > 1; cum F e
nedegenerată, KerF = {0}, ceea ce ı̂nseamnă că există vectorii x, y ∈ X aşa
ı̂ncât F (x, y) 6= 0.
Atunci, cel puţin unul dintre scalarii F (x + y, x + y), F (x, x), F (y, y)
este nenul. Deci există un vector e1 ∈ X aşa ı̂ncât F (e1 , e1 ) 6= 0. Fie atunci
U ⊂ X subspaţiul generat de e1 şi U ⊥ complementul său ortogonal. Deoarece
vectorii din U sunt de forma αe1 , α ∈ R şi F (e1 , αe1 ) = αF (e1 , e1 ) 6= 0,
pentru α 6= 0 rezultă că restricţia F |U este nedegenerată. Conform Teoremei
7.3.8 avem X = U ⊕ U ⊥ şi restricţia F |U ⊥ este de asemenea nedegenerată.
Aceasta arată că dim U ⊥ = n − 1, deoarece prin construcţie dim U = 1; prin
ipoteza de inducţie, ı̂n U ⊥ există o bază {e2 , e3 , . . . , en } ortogonală faţă de
restricţia F |U ⊥ , deci şi faţă de F .
În plus, egalitatea α1 e1 + · · · + αi ei + · · · + αn en = 0 implică
0 = F (ei , α1 e1 + · · · + αi ei + · · · + αn en ) = αi F (ei , ei ), ∀ i = 1, n,
din care rezultă αi = 0, ∀ i = 1, n. Prin urmare, E = {e1 , . . . , en } e baza

căutată.
Dacă F este degenerată, adică KerF 6= {0}, notăm U = KerF .
Fie W subspaţiul lui X suplementar cu U , adică U ∩ W = {0} şi X =

U ⊕ W . Atunci dim U = n − rang F şi deci:
dim W = dim X − dim U = n − n + rang F = rang F.
Relaţia precedentă arată că restricţia F |W este nedegenerată. Notăm

p = dim W = rang F . Ca şi ı̂n primul caz, există o bază {f1 , f2 , . . . , fp } ı̂n W
ortogonală faţă de restricţia F |W şi deci faţă de F . Completăm această bază
cu baza {fp+1 , ..., fn } a lui U , aşa ı̂ncât obţinem baza {f1 , ..., fp , fp+1 , ..., fn }
a lui X, ortogonală faţă de F (vectorii fp+1 , . . . , fn ∈ U = KerF , deci satisfac
F (fh , fk ) = 0, k 6= h, k, h = p + 1, . . . , n).
7.3.12 Teoremă. Fie X un R-spaţiu vectorial n dimensional, iar

F ∈ L2 (X) o formă biliniară simetrică. Dacă rang F = p < n, atunci
oricare ar fi baza E = {e1 , . . . , en } a lui X ortogonală faţă de F (sau de
forma pătratică asociată f ), exact p dintre scalarii
(7.3.13) F (e1 , e1 ) = f (e1 ), . . . , F (en , en ) = f (en )
sunt nenuli.
Altfel spus, ı̂n orice expresie canonică a lui L (sau f ), numărul termenilor
nenuli este acelaşi, egal cu rang F = rang f .
Demonstraţie. Fie E = {e1 , . . . , en } o bază a lui X ortogonală faţă de L

astfel ca L(ei , ei ) 6= 0, i = 1, q şi L(ej , ej ) = 0, j = q + 1, n.
P n
Atunci x = xk ek ∈ KerL ⇒ L(ek , x) = 0, ∀ k = 1, n ⇒ xk L(ek , ek ) = 0,
k=1
∀ k = 1, n ⇒ x1 = x2 = · · · = xk = 0, căci L(ek , ek ) 6= 0 pentru k = 1, q.
Deci dim KerL = n−q, şi cum rang L = p, rezultă dim KerL = n−p. Aşadar
p = q.
7.4 Reducerea formelor pătratice la expresia cano-

nică prin metoda Gauss
Vom demonstra următoarea:
7.4.1 Teoremă (Gauss). Fie X un C-spaţiu vectorial n-dimensional iar

f : X → C o formă pătratică.
Atunci se poate construi o bază E = {e1 , . . . , en } a lui X, ortogonală ı̂n
raport cu f , faţă de care f să se reducă la expresia canonică.
n P
P n
Demonstraţie. Fie {f1 , f2 , . . . , fn } o bază a lui X, iar f (x) = aij xi xj
i=1 j=1
expresia analitică a formei pătratice f ı̂n această bază. Dacă aii = 0, i = 1, n
şi f nu este identic nulă, există cel puţin un element aij 6= 0 pentru i 6= j.
Prin transformarea de coordonate:
(7.4.1) xi = x0i + x0j , xj = x0i − x0j , xk = x0k (k 6= i, k 6= j),
expresia formei pătratice devine:

n X
X n
(7.4.2) f (x) = a0ij x0i x0j .
i=1 j=1
În exprimarea (7.4.2), cel puţin unul din elementele a0ii , i = 1, n este nenul.
Notăm {e01 , e02 , . . . , e0n } baza lui X ı̂n care coordonatele lui x sunt x0i , i = 1, n.
Matricea de trecere este:
 
1 0 ... 0 ... 0 ... 0
0 1 ... 0 ... 0 ... 0 
 
. . . . . . . . . . . . . . . . . . . . . . . .
 
0 0 ... 1 ... 1 ... 0 
(7.4.3) C1 =   .
. . . . . . . . . . . . . . . . . . . . . . . .

0
 0 . . . 1 . . . −1 . . . 0  
. . . . . . . . . . . . . . . . . . . . . . . .
0 0 ... 0 ... 0 ... 1
Fără a micşora generalitatea, putem presupune a011 6= 0, deci

n
X n
X
f (x) = a011 x02
1 +2 a01k x01 x0k + a0i x0i x0j .
k=2 i,j=1
Adăugăm şi scădem termenii potriviţi pentru a obţine pătratul formei liniare
a011 x01 + a012 x02 + · · · + a01n x0n , adică:
n
1 0 0 0 0 0 0 2
X
(7.4.4) f (x) = (a x + a x + · · · + a x ) + a00ij x0i x0j ,
a011 11 1 12 2 1n n
i,j=2
n
a00ij x0i x0j nu conţine pe x01 .
P
unde
i,j=2
Fie {e001 , e002 , . . . , e00n } baza lui X faţă de care coordonatele lui x satisfac
condiţiile:
(7.4.5) x001 = a011 x01 + a012 x02 + · · · + a01n x0n , x00j = x0j , j = 2, n.
În raport cu această bază, expresia formei pătratice este:

n
1 002 X 00 00 00
(7.4.6) f (x) = 0 x1 + aij xi xj .
a11
i,j=2
n
a00ij x00i x00j este o formă pătratică ı̂n (n − 1) variabile, aşa
P
Suma f1 (x) =
i,j=1
ı̂ncât poate fi tratată asemănător.
Matricea de trecere la noua bază este:
a012 a01n
 
1
− a0 − 0
a11
... − 0 
a11 
 11
(7.4.7) C2 =  0 1 . . . 0 .

 ... ... ... ... 
0 0 ... 1
După cel mult (n − 1) paşi, obţinem o bază {e1 , . . . , en } a lui X ortogonală

faţă de f , forma pătratică reducându-se la o sumă de p = rang f pătrate.
7.4.2 Exemple. Vom aduce la expresia canonică forma pătratică f : R3 → R
f (x) = x1 x2 − 2x1 x3 + x2 x3
dată ı̂n baza canonică a lui R3 . Avem aii = 0 pentru i = 1, 2, 3.

Schimbarea de coordonate
x1 = x01 + x02 , x2 = x01 − x02 , x3 = x03
conduce la expresia
f (x) = x02 02 0 0 0 0
1 − x2 − x1 x3 − 3x2 x3 .
Matricea acestei schimbări este:

 
1 1 0
C1 = 1 −1 0
0 0 1
iar noua bază e formată din vectorii e01 = e1 + e2 , e02 = e1 − e2 , e03 = e3 .

Se observă că:
1 0 2

1 02
f (x) = x1 − x3 − x02
0 0 0
2 − 3x2 x3 − x .
2 4 3
1
Notăm x001 = x01 − x03 , x002 = x02 , x003 = x03 şi obţinem:
2
1 002
f (x) = x002 002
1 − x2 − 3x2 x3 −
00 00
x .
4 3
Matricea schimbării este:
 
1 0 1/2
C2 = 0 1 0 
0 0 1
1
iar noua bază e formată din vectorii: e001 = e01 , e002 = e02 , e003 = e01 + e03 .
2
Prin schimbarea de coordonate:
3 00 000
x000 00 000 00
1 = x1 , x 2 = x2 + x , x = x003
2 3 3
găsim expresia
f (x) = x0002 0002
1 − x2 + 2x3
0002
care este expresia canonică căutată. Baza lui R3 , ı̂n care f are expresia
canonică găsită, este formată din vectorii:
e000 000 000
1 = e1 + e2 , e2 = e1 − e2 , e3 = −e1 + 2e2 + e3 .

nică prin metoda lui Jacobi
Demonstrăm următoarea:
7.5.1 Teoremă (Jacobi). Fie X un R-spaţiu vectorial n-dimensional,
E = {e1 , . . . , en } bază a lui X, iar f : X → R o formă pătratică a cărei
(E)
matrice ı̂n baza E este Af = (aij ) i=1,n .
j=1,n
Dacă determinanţii

a11 a12
(7.5.1) ∆1 = a11 , ∆2 =
, . . . , ∆n = det A(E)
a21 a22 f
sunt nenuli, există o bază {f1 , . . . , fn } a lui X ı̂n care forma pătratică f are
expresia canonică
n
X ∆i−1
(7.5.2) f (x) = x02
i ,
∆i
i=1
unde x0i (i = 1, n) sunt coordonatele lui x ı̂n baza {f1 , . . . , fn }, iar ∆0 = 1.

Demonstraţie. Căutăm vectorii f1 , f2 , . . . , fn de forma

(7.5.3) f1 = c11 e1 , f2 = c21 e1 + c22 e2 , . . . , fn = cn1 e1 + cn2 e2 + · · · + cnn en
aşa ı̂ncât să avem:
(7.5.4) F (fi , ej ) = 0, F (fi , ei ) = 1, i = 1, n, j = 1, n, i 6= j,
unde F e forma biliniară simetrică ataşată lui f .
Scrise dezvoltat, condiţiile (7.5.4) conduc la sistemul


 F (fi , e1 ) = ci1 a11 + ci2 a21 + · · · + cin ai1 = 0
 F (fi , e2 ) = ci1 a12 + ci2 a22 + · · · + cin ai2 = 0


(7.5.5) · · · · · · · · · · · · ·
F (fi , ei−1 ) = ci1 a1,i−1 + ci2 a2,i−1 + · · · + cin ai,i−1 = 0




F (fi , ei ) = ci1 a1i + c2i ai2 + · · · + cii aii = 1.

Sistemul (7.5.5) are soluţie unică, determinantul acestui sistem fiind ∆i 6= 0.

Rezolvând (7.5.4) cu regula lui Cramer, se obţine soluţia:
∆i−1
(7.5.6) cii = , ∀ i = 1, n.
∆i
Deci baza {f1 , f2 , . . . , fn } este determinată de condiţiile (7.5.3) şi (7.5.6).
Matricea lui f ı̂n baza {f1 , . . . , fn } este B = (bij ) i=1,n , unde:
j=1,n

cii , i = j;
(7.5.7) bij =
0, i = 6 j.
Aşadar, ı̂n baza {f1 , f2 , . . . , fn } forma f are expresia canonică:
n n
X X ∆i−1
(7.5.8) f (x) = cii x02
i = x02
i .
∆i
i=1 i=1
7.5.2 Exemplu. Forma pătratică f : R3 → R, f (x) = 5x21 + 6x22 + 4x23 −

4x1 x2 − 4x1 x3 are ı̂n baza canonică a lui R matricea:
 
5 −2 −2
(E)
Af = −2 6 0 .
−2 0 4

5 −2
Minorii ∆i (i = 1, 2, 3) sunt ∆1 = a11 = 5, ∆2 = = 24,
−2 6
∆3 = det A = 80.
Expresia canonică a lui f este:
1 02 5 02 13 02
f (x) = x + x + x ,
5 1 26 2 40 3
ı̂n baza formată de vectorii:

1 1 5 3 1 13
f1 = e1 , f2 = e1 + e2 , f 3 = e1 + e2 + e3 .
5 13 26 20 20 40

nică prin metoda vectorilor proprii
Demonstrăm următoarea:
7.6.1 Teoremă. Fie X un R-spaţiu euclidian n-dimensional. Există o bază
{f1 , f2 , . . . , fn } a lui X, faţă de care forma pătratică f : X → R are expresia
canonică:
Xn
(7.6.1) f (x) = λi x02
i ,
i=1
unde λ1 , λ2 , . . . , λn sunt valorile proprii ale matricei formei pătratice, fiecare

valoare proprie fiind scrisă de un număr de ori egal cu ordinul ei de multi-
plicitate, iar x0i sunt coordonatele lui x ı̂n baza {f1 , . . . , fn }.
Demonstraţie. Matricea lui f este o matrice simetrică reală. Toate valorile
ei proprii sunt reale, iar ı̂n baza {f1 , . . . , fn }, formată din vectorii proprii
ortonormaţi ai matricei lui f , aceasta are expresia canonică.
7.6.2 Exemplu. Forma pătratică f : R3 → R, f (x) = x21 + 7x22 + x23 −
8x1 x2 − 16x1 x3 − 8x2 x3 are ı̂n baza canonică a lui R3 matricea
 
1 −4 −8
(E)
Af = −4 7 −4 .
−8 −4 1
Valorile proprii sunt: λ1 = −9, λ2 = λ3 = 9, iar vectorii proprii ortonormaţi
corespunzători sunt:
2 1 2 t 1 t
t
2 −5 2 4
f1 = , , , f2 = 0, − √ , √ , f3 = √ , √ , √ .
3 3 3 5 3 3 5 3 5 3 5
Matricea de trecere la această bază este:
 √ 
2/3 0√ −5/3√ 5
C = 1/3 −2/√ 5 2/3√5  .
2/3 1/ 5 4/3 5
Prin transformarea X = CX 0 se obţine expresia canonică:
f (x) = −9x02 02 02
1 + 9x2 + 9x3 .
Capitolul 8
Probleme pentru seminar şi

pregătirea examenului
8.1 Matrice. Operaţii cu matrice. Determinanţi.

Proprietăţile determinanţilor. Derivarea ma-
tricelor şi determinanţilor
8.1.1. Determinaţi
( card
" M# ı̂n fiecare din situaţiile
) de mai jos:
a b b
b
(i) M = X = c, db ∈ Z2 ;
a, b, b
b
b
c db
b
( " # )
a bb b

(ii) M = X =
b
ba, b, b b ∈ Zn .
c, d,
c db
b
Indicaţie. Dacă A, B sunt mulţimi finite, card A = n, card B = n iar

B A = {f | f : A → B}, atunci card B A = (card B)cardA .
(i) card M = (card Z2 )card({1,2}×{1,2}) = 24 = 16.
(ii) card M = (card Zn )card({1,2}×{1,2}) = n4 .
8.1.2. Fie (K, +, ·) un câmp iar A, B ∈ Mn (K), astfel ı̂ncât AB = BA.

Demonstraţi că:
(i) Ak · B p = B p · Ak , ∀ k, p ∈ N∗ ;
(ii) Ak − B k = (A − B)(Ak−1 + Ak−2 B + · · · + AB k−2 + B k−1 ), ∀ k ∈ N∗ .
Indicaţie. (i) Se demonstrează prin inducţie după k egalitatea

Ak · B = B · Ak . Apoi, ∀ k ∈ N∗ fixat, se demonstrează Ak B p = B p Ak
prin inducţie după p.
(ii) Se calculează membrul drept folosind rezultatul demonstrat la (i).
89
8.1.3. Fie (K, +, ·) un câmp iar A, B ∈ Mn (K). Arătaţi că egalitatea

AB − BA = In este imposibilă.
Indicaţie. T r (AB − BA) = 0 6= n = T r In .

a b
8.1.4. Fie M = a, b ∈ R iar f : C → M , definite prin
b a

a b
f (z) = , ∀ x = a + ib ∈ C.
−b a
Arătaţi că:
(i) f e bijectivă;
(ii) f (z + z 0 ) = f (z) + f (z 0 ), f (z · z 0 ) = f (z) · f (z 0 ), ∀ z, z 0 ∈ C.
Indicaţie. (i) Din f (z1 ) = f (z2 ) ⇒ z1 = z2 , deci f e injectivă; surjecţia
rezultă din definiţie.
(ii) Se verifică prin calcul.
8.1.5. Să se
calculeze:2
n k3

P 1 k k
(i) ;
k=1 −1 2 3 k(k + 1)
n ω k ω 2k ω 3k

unde ω e o rădăcină a ecuaţiei ω 2 + ω + 1 = 0.
P
(ii) 3k
k=1 ω ω k ω 2k
n
P n
P n(n + 1)
Indicaţie. (i) Se aplică sumele fundamentale 1 = n, k= ;
k=1 k=1 2
n n(n + 1)(2n + 1) P n n2 (n + 1)2
k2 = k3 =
P
; .
k=1 6 k=1 4
(ii) Din ipoteză rezultă ω 2 + ω + 1 = 0 şi ω 3 = 1. Se discută situaţiile
n = 3p, n = 3p + 1, n = 3p + 2 (p ∈ N∗ ).
8.1.6. Să se demonstreze că, dacă A, B ∈ Mn (K) au proprietatea AB =
p
p
BA, atunci (A + B)p =
p−k k
B , unde A0 = B 0 = In . Să se deducă
P
n A
k=0
n n!
n n
de aici că, dacă X = In +B, atunci X n = B k (aici
P
k k = ).
k=0 k!(n − k)!
Indicaţie. Conform problemei 8.1.2, AB = BA ⇒ Ai B j = B j Ai , ∀ i, j ∈ N∗ .
Se raţionează apoi prin inducţie după p. Pentru partea a doua se aplică
rezultatul anterior găsit pentru A = In .
 
1 1 1
8.1.7. Dacă A = 0 1 1, să se calculeze An (n ∈ N∗ ).
0 0 1
 
0 1 1
Indicaţie. Se observă că A = I3 + B, unde B = 0 0 1.
0 0 0
Aplicând rezultatul din problema 8.1.6, se obţine
 
n(n + 1)
1 n
An =  2  , ∀ n ∈ N∗ .

0 1 n 
0 0 1
La acelaşi rezultat se ajunge prin metoda inducţiei complete.

 
0 1 0
8.1.8. Dacă X = 0  0 1, calculaţi X n (n ∈ N∗ ).
1 0 0
Indicaţie. Se obţine X 3 = I3 şi de aici, prin metoda inducţiei complete,
rezultă: 
 I3 , n = 3k;
n
X = X, n = 3k + 1;
 2
X , n = 3k + 2.

a b an bn
8.1.9. Dacă A = ∈ M2 (R), arătaţi că A00 = , unde
c d cn dn
(an )n∈N , (bn )n∈N , (cn )n∈N sunt şiruri liniare recurente omogene de ordin 2 cu
coeficienţi constanţi, având ecuaţia caracteristică r2 = (a+d)r +ad−bc = 0.
Indicaţie. Inducţie după n.
8.1.10. Fien ∈ N∗ . Să se calculeze Anı̂n fiecare
din situaţiile:
cos ϕ − sin ϕ a b
(i) A = ; (ii) A = ∈ M2 (R), 0 ≤ a2 + b2 < 1.
sin ϕ cos ϕ −b a

n an bn
Indicaţie. Se aplică rezultatul din problema 8.1.9 şi atunci A = .
cn dn
(i) Ecuaţia caracteristică este r2 − 2r cos ϕ + 1 = 0, cu rădăcinile
r1 = cos ϕ + i sin ϕ, r2 = cos ϕ − i sin ϕ. Atunci an = C1 cos nϕ + C2 sin nϕ,
iar C1 , C2 se găsesc din condiţiile a1 = cos ϕ, a2 = cos 2ϕ.
Deci C1 = 1, C2 = 0, adică an = cos nϕ. Analog
bn = − sin nϕ, cn = sin nϕ,
cos nϕ − sin nϕ
dn = cos nϕ, deci An = .
sin nϕ cos nϕ
π π

2 2
(ii) Din 0 ≤ a + b < 1 ⇒ (∃) r ∈ [0, 1[, t ∈ − , , astfel ı̂ncât
2 2
a = r cos t, b = −r sin t.

cos t − sin t n n cos n t − sin n t
Atunci A = r şi deci A = r .
sin t cos t sin n t cos n t

2 1 12
8.1.11. Să se rezolve ecuaţia X = ı̂n mulţimea M2 (R).
−4 1

2 3 −2 −3
Indicaţie. Se obţin soluţiile X1 = , X2 = .
−1 2 1 −2

0 a
8.1.12. Dacă A = ∈ M2 (R), să se calculeze An (n ∈ N).
a 0
Indicaţie. Aplicând metoda şirurilor recurente (problema 8.1.9), se găseşte:
 
(1 + (−1)n )an (1 − (−1)n )an
An =  2 2
 
.
n
 (1 − (−1) )a n n n
(1 + (−1) )a 
2 2

1 0
8.1.13. Dacă A = ∈ M2 (Z), calculaţi An (n ∈ N∗ ).
1 1
n

0 0 n n−k k
= I2 +B ⇒ An = (I2 +B)n =
P
Indicaţie. A = I2 + I2 B =
1 0 k=0 k

1 0
I2 + nB = .
n 1
8.1.14. Folosind proprietăţile determinanţilor, să se calculeze următorii de-
terminanţi de ordin III şi IV:
−1 1 3 0 1 1

(i) ∆1 = −1 1 2 ; (ii) ∆2 = 1 0 1;
4 5 −1 1 1 0

2 −1 1 −1 2 −1 1 5

−1 2 −2 2 −1 2 −2 −7
(iii) ∆3 = ; (iv) ∆n =
3 1 1 2 3 1 1 4
2 0 2 1 1 3 −1 −4

2 1 1 1 1 2 2 4

1 2 1 1 2 3 4 1
(v) ∆5 =
;
(vi) ∆6 = ;
1 1 2 1 3 4 1 2

1 1 1 2 4 1 2 3

−1 2 4 5 1 2 −1 4

−1 4 1 2 3 1 4 −5
(vii) ∆7 = ; (viii) ∆8 = .
0 2 1 −2 2 0 1 −1

4 3 2 1 6 −5 4 −4
R. ∆1 = −9; ∆2 = 2; ∆3 = 0, căci L3 = L1 + L2 + L4 ; ∆4 = 0; ∆5 = 5;
∆6 = 160; ∆7 = 185; ∆8 = 70.
8.1.15. Să
se verifice următoarele egalităţi:
a+b b+c c + a
2
(i) a + b b + c c + a2 = 2abc(a − b)(b − c)(c − a);
2 2 2 2
a3 + b3 b3 + c3 c3 + a3

a − b − c 2a 2a

(ii) 2c
b−c−a 2b = (a + b + c)3 ;
2b 2c c − a − b

x y z
2 2
(iii) x y
z 2 = (xy + yz + zx)(x − y)(y − z)(z − x).
yz zx xy
Indicaţie. (i) Se descompune ı̂n sumă de 6 determinanţi, dintre care 4 sunt

nuli iar ceilalţi 2 egali cu abcV (a, b, c).
(ii) Se adună liniile la prima; apoi se dă factor din prima linie, după
care se scade prima coloană din celelalte.
(iii) Se scade prima coloană din fiecare, se dau factori din coloanele 2 şi
3, iar apoi se dezvoltă după prima linie.
8.1.16. Să se rezolve următoarele ecuaţii:

x 0 −1 1 0
x a a a
1 x −1 1 0
a x a a
(i) = 0; (ii) 1 0 x − 1 0 1 = 0.
a a x a

0 1 1 x 1
a a a x
0 1 −1 0 x
Indicaţie. (i) Se calculează determinantul (adunăm toate liniile la prima,
etc) şi se obţine ecuaţia (x + 3a)(x − a)3 = 0, cu soluţiile x1 = −3a, x2 =
x3 = x4 = a.
(ii) Se calculează determinantul, √ (x2−x+1)2 (x+1) =
obţinându-se ecuaţia√
1+i 3 1−i 3
0, care are soluţiile: x1 = x2 = ; x3 = x4 = ; x5 = −1.
2 2
8.1.17. Dacă x1 , x2 , x3 sunt rădăcinile ecuaţiei x3 − 2x2 + 2x + 17 = 0,
calculaţi valoarea determinantului:

x1 x2 x3

d = x2 x3 x1 .
x3 x1 x2
Indicaţie. Din relaţiile lui Viète, x1 + x2 + x3 = 2, x1 x2 + x1 · x3 + x2 x3 = 2,

x1 x2 x3 = −17. Se adună toate liniile la prima, etc. Se obţine d = 4.
8.1.18. Să se calculeze determinantul de ordin n ∈ N∗ , n ≥ 2

a 1 1 ... 1 1

1 a 1 ... 1 1

1 1 a ... 1 1
dn (a) = ,
. . . . . . . .. . . . . . . . . .
1 1 1 ... a 1

1 1 1 ... 1 a
unde a ∈ R.
Indicaţie. Adunând toate liniile la prima, rezultă:

a + n − 1 a + n − 1 . . . a + n − 1

1 a ... 1

dn (a) = 1 1 ... 1

... . . . . . . . . .

1 1 ... a

1 1 . . . 1

1 a . . . 1 =
= (a + n − 1) c2 −c1 , . . . , cn − c1 → cn
. . . . . . . . . . . .

1 1 ... a

1 0 ... 0

1 a−1 . . . 0 n−1
= (a+n−1) = (a+ n− 1)(a−1) .
. . . . . . . . . . . .
1 0 . . . a−1
8.1.19. Fie a 6= 0. Calculaţi determinantul de ordin n:
0 a a2 . . . an−1

1 n−2

a 0 a ... a

1 1

∆n (a) = n−3 .

a2 0 ... a
a
... ... ... ... ...

1 1 1

... 0
an−1 an−2 an−3
Indicaţie. Înmulţind linia k cu ak−1 , pentru fiecare k = 2, 3, . . . , n se obţine:
a a2 . . . an−1

0
0 a2 . . . an−1

1
1 1 1
∆n (a) = · 2 . . . n−1 1 a 0 . . . an−1 .
a a a . . . . . . . . . . . . . . .

1 a a2 . . . 0
Dând factori pe coloane, rezultă:

1 1 1
∆n (a) = · 2 . . . n−1 a · a2 . . . an−1 dn (0) = (−1)n−1 (n − 1),
a a a
unde dn (0) este determinantul din problema 8.1.18 pentru a = 0.
8.1.20. Să se rezolve ecuaţia de grad n:

x a a . . . a

a x a . . . a

a a x . . . a = 0,

. . . . . . . . . . . . . . .

a a a ... x
ştiind că a ∈ R.
Indicaţie. Dacă dn (x) e determinantul din membrul stâng, după adunarea

liniilor la prima, se găseşte:

1 1 1 . . . 1

a x a . . . a

dn (x) = (x + (n − 1)a) a
a x . . . a
. . . . . . . . . . . . . . .

a a a ... x

1 0 0 ... 0

a x−a 0 ... 0

= (x + (n − 1)a) a
0 x − a ... 0
. . . . . . . . . . . . . . .

a 0 0 . . . x − a
= (x + (n − 1)a)(x − a)n−1 .
Deci, soluţiile ecuaţiei sunt: x1 = −(n − 1)a, x2 = x3 = · · · = xn = a.
8.1.21. Dacă a1 , a2 , . . . , an ∈ C sunt distincte (n ∈ N∗ , n ≥ 2), arătaţi că:

1 1 1 ... 1

a a2 a3 . . . an
V (a1 , a2 , . . . , an ) = 1
Y
= (aj − ai ).
... ... ... ... ...
an−1 an−1 an−1 . . . an−1 1≤i<j≤n
1 2 3 n
(Determinantul precedent se numeşte determinantul Vandermonde al ele-

mentelor a1 , a2 , . . . , an ).

1 1
Indicaţie. Inducţie după n. Pentru n = 2 ⇒ V2 (a1 , a2 ) = =
Q a1 a 2

a2 − a1 = (aj − ai ). Se presupune afirmaţia adevărată pentru n = k
1≤i<j≤2
şi se demonstrează că este adevărată şi pentru n = k + 1.

1 1 ... 1 1

a1 a2 . . . ak ak+1
2
a a22 . . . a2k a2k+1
Vk+1 (a1 , a2 , . . . , ak , ak+1 ) = 1
... ... ... ... . . .
ak−1 ak−1 . . . ak−1 ak−1
1 2 k k+1
ak ak2 . . . akk akk+1
1

1 1 ... 1

0 a2 − a1 ... ak+1 − a1
=
L2 −a1 → L2 , ..., Lk+1 −a1 Lk → Lk+1 0
a2 (a2 −a1 ) . . . ak+1 (ak+1 −a1 )
.. ..
. .

0 ak−1 (a2 − a1 ) . . . ak−1 (ak+1 − a1 )
2 k+1
= (a2 − a1 ) . . . (ak+1 − a1 )Vk (a2 , a3 , . . . , ak+1 )
Y Y
= (a2 − a1 )(a3 − a1 ) . . . (ak+1 − a1 ) (aj − ai ) = (aj − ai ).
2≤i<j≤k+1 1≤i<j≤n
8.1.22. Dacă a1 , a2 , . . . , an ∈ C sunt distincte, iar k ∈ N∗ , k ≤ n − 1,

determinantul

1 1 ... 1

a1 a 2 . . . an

... . . . . . . . . .
k−1 k−1
Vk (a1 , a2 , . . . , an ) = a1
a2 . . . ak−1
n

ak+1 ak+1 k+1
. . . an
1 2
... ... . . . . . .

an an2 . . . ann
1
se numeşte determinant Vandermonde lacunar.

Demonstraţi că
Vk (a1 , a2 , . . . , an ) = V (a1 , a2 , . . . , an )Sn−k , k = 1, n,
unde Sn−k este suma Viète de ordin (n − k), adică:

n
Y
(x − ak ) = xn − S1 xn−1 + S2 xn−2 − S3 xn−3 + · · · + (−1)n Sn .
k=1
Indicaţie. Considerăm determinantul Vandemonde de ordin (n + 1)

1 1 . . . 1 1

a1 a2 . . . an x

V (a1 , a2 , . . . , an , x) = . . . ... ... ... . . .
n−1 n−1
a
1 a2 . . . ann−1 xn−1
an a2n . . . ann xn
1

1 ... 1 1
a1 − x ... an − x 0
= n−2 n−2
a1 (a1 − x) . . . an (an − x) 0

n−1
a
1 (a1 − x) . . . ann−1 (an − x) 0

a1 − x ... an − x
= (−1)n

... ... ...

an−1 (a1 − x) . . . an−1 (an − x)
1 n
= (−1)n (a1 − x) . . . (an − x)V (a1 , a2 , . . . , an )
n
Y
= V (a1 , a2 , . . . , an ) (x − ak )
k=1
= V (a1 , a2 , . . . , an )(x − S1 xn−1 + S2 xn−2 − · · · + (−1)n Sn ).
n
Pe de altă parte, dezvoltând determinantul V (a1 , a2 , . . . , an , x) după ultima

coloană, găsim:
V (a1 , a2 , . . . , an , x) = (−1)n+2 {V0 − xV1 + x2 V2 − · · · + (−1)n xn Vn }

= (−1)n {(−1)n xn Vn + (−1)n−1 xn−1 Vn−1 + · · · − xV1 + V0 }
= xn Vn − xn−1 Vn−1 + · · · + (−1)n−1 xV1 + (−1)n V0 .
Egalând coeficienţii din cele două exprimări ale lui V (a1 , a2 , . . . , an , x), se
obţin egalităţile:
Vk (a1 , a2 , . . . , an ) = V (a1 , a2 , . . . , an )Sn−k , k ∈ N∗ , k ≤ n − 1.
8.1.23. Dacă a0 , a1 , . . . , an ∈ C, calculaţi valoarea determinantului:

an an−1 an−2 . . . a1 a0

−1 x 0 . . . 0 0

0 −1 x ... 0 0
Dn+1 = .
. . . . . . . . . . . . . . . . . .
0 0 0 ... x 0

0 0 0 . . . −1 x
Indicaţie. Dezvoltând determinantul după elementele primei coloane, se

găseşte relaţia de recurenţă Dn+1 = an xn + Dn . Făcând n să parcurgă
mulţimea {n − 1, n − 2, . . . , 0} şi adunând relaţiile obţinute, se găseşte
n
ak xk .
P
Dn+1 =
k=0
8.1.24. Dacă a, b ∈ C, a 6= b, calculaţi valoarea determinantului

a + b ab ... 0 0

1 a +b ... 0 0
Dn = .
... ... . . . . . . . . .
0 0 . . . 1 a + b
Indicaţie. Se dezvoltă după prima coloană, obţinându-se relaţia de recurenţă

Dn = (a + b)Dn−1 − abDn−2 , ∀ n ≥ 3, D1 = a + b, D2 = a2 + ab + b2 .
an+1 − bn+1
Se obţine Dn = .
a−b
8.1.25. Fie A = (aij )i,j=1,n ∈ Mn (C) astfel ca aij = aij , ∀ i = 1, n, j = 1, n.
Arătaţi că det A ∈ R.
Indicaţie. Din ipoteză rezultă A = At , de unde det A = det At = det At =

det A, adică det A ∈ R.
8.1.26. Dacă A, B ∈ Mn (R) astfel ca AB = BA, demonstraţi că

det(A2 + B 2 ) ≥ 0.
Indicaţie. Fie C = A+iB, unde i2 = −1. Atunci C = A−iB şi din ipoteză
rezultă că A2 + B 2 = CC. Atunci det(A2 + B 2 ) = det CC = det C · det C =
det C · det C = | det C|2 ≥ 0.
8.1.27. Fie a, b ∈ R, a < b, xi ∈ [a, b] (i = 0, m), iar f : [a, b] → R o

funcţie de clasă C m [a, b] care are derivată de ordin (m + 1) pe intervalul
]a, b[. Polinomul Lm f de grad m, care are proprietăţile Lm f (xi ) = f (xi ),
∀ i = 0, m se numeşte polinomul de interpolare Lagrange ataşat funcţiei f şi
nodurilor x0 , x1 , . . . , xm . Notând:
Rm f (x) = f (x) − Lm f (x), x ∈ [a, b]\{x0 , . . . , xm },
demonstraţi că există c ∈]a, b[ astfel ca:

m
f (m+1) (c) Y
Rm f (x) = (x − xi ).
(m + 1)!
i=0
Qm
Indicaţie. Fie n(x) = (x − xi ). Se consideră funcţia F : [a, b] → R,
i=0
u(t) Rm f (t)
F (t) = (ı̂n variabila t, unde x ∈ [a, b] este fixat).
u(x) Rm f (x)
Dezvoltând după prima linie, se constată că F ∈ C m [a, b] şi există F (m+1)
pe ]a, b[. Aplicând succesiv teorema lui Rolle, se obţine că (∃) c ∈]a, b[ astfel
ı̂ncât F (m+1) (c) = 0. Dar:

(m+1)
(m + 1)! f (m+1) (t)
F (t) =

n(x) Rm f (x)
şi impunând condiţia F (m+1) (c) = 0, se obţine relaţia enunţului.

cos x − sin x
8.1.28. Fie A(x) = ∈ M2 (R). Calculaţi A0 (x), det A0 (x)
sin x cos x
şi (det A(x))0 .

0 − sin x − cos x
Indicaţie. A (x) = ; det A0 (x) = 1; (det A(x))0 = 0.
cos x − sin x

1 0
8.1.29. Dacă A = ∈ M2 (R), găsiţi matricele eA , ln(I2 + A), sin A,
1 1
cos A.

k 1 0
Indicaţie. A = , ∀ k ∈ N.
k 1
Atunci:
 
1
X Ak
X 1 1 0 0
 k!
X
eA = = = 1 1

k! k! k 1 
k≥0 k≥0 k≥0
(k − 1)! k!
 
P 1
0 
 k! e 0
=  k≥0 = .
 
P 1 P 1 e−1 e

−1 +

k≥0 k! k≥0 k!
Pentru determinarea celorlalte matrice se folosesc relaţiile:

P (−1)k+1 k P (−1)k
ln(I2 + A) = A , sin A = A2k+1 ,
k≥1 k k≥0 (2k + 1)!
P (−1)k 2k
cos A = A .
k≥0 (2k)!
8.1.30 (Regula lui Laplace). Fie (K, +, ·) un câmp iar A ∈ Mn (K).

Dacă p ∈ {1, 2, . . . , n}, atunci:
P
(i) det A = ∆ i1 ...ip A i1 ...ip , suma făcându-se după toţi indicii
j j1 ...jp j1 ...jp
1 ≤ j1 < j2 < · · · < jp ≤ n (dezvoltarea după liniile de rang i1 , i2 , . . . , ip );

P
(ii) det A = ∆ i1 ...ip A i1 ...ip , suma făcându-se după toţi indicii
i j1 ...jp j1 ...jp
1 ≤ i1 < i2 < · · · < ip ≤ n (dezvoltarea după coloanele de rang j1 , j2 , . . . , jp ).
Indicaţie. În fiecare din termenii sumelor de la (i) şi (ii), de forma
∆ i1 ...ip A i1 ...ip apar produse de k + (n − k) = n elemente din A situate
j1 ...jp j1 ...jp
pe linii şi coloane diferite,
deci termeni care apar şi ı̂n dezvoltarea lui det A.
n
Numărul lor este k!(n − k)! = n!, deci acelaşi cu numărul termenilor
k
din det A.
Semnele pe care le au termenii din ∆ 1 2...p A 1 2...p ı̂n expresia determinantului
1 2...p 1 2...p
coincid, iar pentru a aduce un minor ∆ i1 ...ip pe poziţia lui ∆ 1 2...p , sunt nece-
j1 ...jp 1 2...p
sare (i1 −1)+(i2 −2)+· · ·+(i2 −p) schimbări de linii şi (j1 −1)+(j2 −2)+· · ·+
(jp − p) schimbări de coloane, numărul său fiind (−1)i1 +i2 +···+ip +j1 +j2 +···+jp .
8.1.31. Pentru orice matrice A, B ∈ Mn (K), det(AB) = det A · det B.
Indicaţie. Considerăm matricea cu blocuri

A O
M= . (∗)
−In B
Dezvoltând după primele n linii, găsim det M = det A · det B.

Să observăm că din (∗) se obţine:

a11 . . . a1n 0...0

a21 . . . a2n 0...0

· · · · · ·

det M = an1 . . . ann 0...0 .
(∗∗)
−1 . . . 0 b11 . . . b1n

· · · · · ·

0 ... 1 bn1 . . . bnn
Liniile (n + 1), (n + 2), . . . , (n + n) le ı̂nmulţim, respectiv cu a11 , a12 , . . . , a1n ,

şi le adunăm la prima, care devine:
[0 0 . . . 0 | c11 c12 . . . c1n ] ,

n
P
unde c1k = a1j bjk , ∀ k = 1, n. Continuăm procedeul pn̂aă la linia n şi
j=1
găsim:

O AB
det M = .
−In B
Dezvoltând după primele n coloane, rezultă:
det M = (−1)1+2+···+n+(n+1)+···+2n (−1)n det(A · B)

2n(2n+1)
+n
= (−1) 2 det(A · B) = (−1)n(2n+2) det(A · B) = det(A · B).
8.1.32. Calculaţi determinantul

1 1 1 0 0 0

2 3 4 0 0 0

3 6 10 0 0 0
∆ = .
4 9 11 1 1 1
5 15 24 1 5 9

9 24 38 1 25 81
Indicaţie. Se partiţionează ∆ ı̂n blocuri ı̂n forma:

A O
∆ = = det A · det C,
B C
     
1 1 1 4 9 11 1 1 1
unde A = 2 3 4 , O = O3 , B = 5 15 24, c = 1 5 9 .
3 6 10 9 24 38 1 25 81

1 1 1 1 0 0

Cum det A = 2 3 4 = 2
1 2 = 1, det C = V (1, 5, 9) = 128 ⇒
3 6 10 3 3 7
∆ = 128.
8.1.33. Dacă A, B ∈ Mn (R), i2 = −1, demonstraţi egalitatea:

A −B
det = | det(A + iB)|2 .
B A
Indicaţie.

a11 a12 ... a1n −b11 −b12 ... −b1n

... ... ... ... ... ... ... ...

A −B an1 a12 ... ann −bn1 −bn2 ... −bnn
det =
B A b11 b12 ... b1n a11 a12 ... a1n

... ... ... ... ... ... ... ...

bn1 bn2 ... bnn an1 an2 ... ann

a11 − ib11 ... a1n − ib1n −b11 ... −b1n
=
... ... ... ... ... ...
C1 +iCn+1 → C1
an1 − ibn1 ... ann − ibnn −bn1 ... −bnn
· · · · ·
b11 + ia11 ... b1n + ia1n a11 ... a1n
Cn +iC2n → Cn
... ... ... ... ... ...

bn1 + ian1 ... bnn + iann an1 ... ann
=
Ln+1 +iL1 → Ln+1
A − iB

−B
· · · · ·
O = det(A − iB)(A + iB)
A + iB
L2n +iLn → L2n
= det(A + iB) · det(A + iB) = |det(A + iB)|2 .
8.1.34. Dacă a, b, c ∈ R, calculaţi determinantul:

a
−b −c −d
b a −d c
∆ = .
c d a −b
d −c b a

a −b c d
Indicaţie. Fie A = , B= .
b a d −c

A −B
Atunci ∆ = = |det(A + iB)|2 = (a2 + b2 + c2 + d2 )2 .
B A
8.2 Inversa unei matrice. Matrice inversabile

8.2.1. Fie matricea A ∈ Mn (R),
 
a b c d
 −b a −d c 
A=
 −c d
.
a −b
−d −c b a
Să se arate că A e inversabilă dacă şi numai dacă e nenulă. În acest caz să
se afle inversa ei.
Indicaţie. A · At = (a2 + b2 + c2 + d2 )4 I2 ⇒ (det A)2 = (a2 + b2 + c2 + d2 )4 .
Atunci (∃) A−1 ⇔ det A 6= 0 ⇔ a2 + b2 + c2 + d2 6= 0 ⇔ A 6= O4 .
1 1

Cum A t
A = t
A A, rezultă că
(a2 + b2 + c2 + d2 )4 (a2 + b2 + c2 + d2 )4
1
A−1 = 2 At .
(a + b2 + c2 + d2 )4
8.2.2. Să se decidă ı̂n ce condiţii matricele de mai jos sunt inversabile şi să
se găsească inversele lor:  
  0 0 . . . 0 α1
α1 0 . . . 0 0
 0 α2 . . . 0   0 . . . α2 0  
(i) A =  ; (ii) A = . . . ... . . . . . . . . .
. . . . . . . . . . . .  ;
0 αn−1 ... 0 0
0 0 . . . αn
αn 0 ... 0 0
 
  1 0 0 ... 0 0
1 −1 0 . . . 0 α 1 0 ... 0 0
0 1 −1 . . . 0   
(iii) A = . . . . . . . . . . . . . . .; (iv) A =  0 α 1 ... 0 0.
 
. . . . . . . . . . . . . . . . . .
0 0 0 ... 1
0 0 0 ... α 1
Indicaţie. (i) (∃) A−1 ⇔ αi 6= 0, ∀ i = 1, n. În acest caz:

 
1
α 0 0 ... 0 
 1 

0 1 
−1
A = 0 ... 0  .
 α2 
. . . . . . . . . . . . . . .
 
 1
0 0 0 ...
αn
(ii) (∃) A−1 ⇔ αi 6= 0, ∀ i = 1, n. În acest caz:

 
1
0 0 ... 0
αn 
 
 1 
−1
 0 0 . . . 0 
A =  αn−1 .

. . . . . . . . . . . . . . .
 
1 
0 ... 0 0
α1
 
1 1 ... 1
0 1 ... 1 
(iii) A−1 = 

.
. . . . . . . . . . . .
0 0 ... 1
(iv) (∃) A−1 , ∀ α ∈ K. Inversa căutată este:
 
1 0 0 ... 0
 −α 1 0 ... 0 
2
 
α −α 1 ... 0 
A−1

= 3 2
.

 −α α −α ... 0  
 ... ... ... . . . . . .
(−1)n−1 αn−1 (−1)n−2 αn−2 (−1)n−3 αn−3 ... 1
8.2.3. Fie (K, +, ·) un câmp, iar A ∈ Mn (K), cu proprietatea că există

k ∈ N∗ , astfel ı̂ncât Ak = On . Demonstraţi că matricele In − A şi In + A
sunt inversabile.
Indicaţie. (In − A)−1 = In + A + · · · + Ak−1 ;

(In + A)−1 = In − A + A2 − A3 + · · · + (−1)k−1 Ak−1 .
8.2.4. Fie (K, +, ·) un câmp iar A ∈ Mn (K) inversabilă. Arătaţi că:
(A−1 )t = (At )−1 .
Indicaţie. In = Int = (AA−1 )t = (A−1 )t At ⇒ (A−1 )t = (At )−1 .
8.2.5. Matricea A ∈ Mn (C) se numeşte involutivă dacă A2 = In , iar ma-

tricea B ∈ Mn (C), cu proprietatea B 2 = B, se numeşte idempotentă.
Arătaţi că:
(i) dacă B este idempotentă, atunci matricea 2B − In este involutivă;
1
(ii) dacă A este involutivă, atunci (A + In ) este idempotentă.
2
Indicaţie. (i) Se verifică prin calcul că (2B − In )2 = In .
1 1
(ii) Prin calcul se obţine (A + In )2 = (A + In ).
4 2
8.2.6. Fie En matricea pătratică de ordin n care are toate elementele egale
cu 1. Arătaţi că:
(i) En2 = nEn ; (ii) In − En este inversabilă şi avem:
1
(In − En )−1 = In − En .
n−1
Indicaţie. (i) Calcul direct.

1 1 1

(ii) (In − En ) In − En = In − En − En + E2 =
n−1 n−1 n−1 n
n n
= In − En + En = In .
n−1 n−1
8.2.7. Fie B, C ∈ Mn (R) iar A = B+iC (i2 = −1). Dacă A este inversabilă

−1 B −C
şi are inversa A = D + iE, atunci matricea cu blocuri este
C B

D −E
inversabilă şi inversa ei este matricea .
E D
Indicaţie. Din AA−1 = A−1 A = In ⇒ BD − CE = In , BE + CD = On .
Se obţine apoi că

B −C D −E D −E B −C In O
= = .
C B E D E D C B O In

A B
8.2.8. Fie A ∈ Mn (C) nesingulară şi M ∈ Mn+k (C), M = .
C D
Arătaţi că:
det M = det A · det(D − CA−1 B).
Indicaţie. E uşor de verificat egalitatea:

In O A B A B
= ,
CA−1 In O D − CA−1 B C D
din care, trecând la determinanţi, se obţine relaţia enunţului.

Im X
8.2.9. Fie X ∈ Mm,n (C) şi matricea cu blocuri A = , unde Im , In
O In
sunt matricele unitate de ordine m, respectiv n.
Găşiţi inversa A−1 .

−1 Im −X
Indicaţie. Prin calcul direct, A = , deoarece
O In

−1 Im X Im −X Im O
AA = = .
O In O In O In
8.2.10. Fie A, B ∈ Mn (C) cu proprietatea că există λ ∈ C∗ astfel ı̂ncât
A + B = λAB. Arătaţi că AB = BA.
Indicaţie. Se arată că matricele In − λA, In − λB sunt inverse una alteia,
din care rezultă egalitatea:
(In − λA)(In − λB) = (In − λB)(In − λA) ⇒ AB = BA.
8.3 Determinarea rangului şi inversei unei matrice.

Rezolvarea sistemelor de ecuaţii liniare
8.3.1. Găsiţirangul următoarelor
 matrice:  
−1 2 1 0 2 4 2 −1 1 −2
−2 4 2 2 0
; (ii) A2 = −5 5 −1 3 2

i) A1 =  −3 6 3 2 3 −8 −12 10 −7 −1;

−5 12 6 4 4 15 7 5 4 1
   
1 3 0 3 8 2 0 2 3 6
0 0 12 16 9 
 
1 3
 −4 1 −4 
(iii) A3 = 1 3
 2 1 −1; (iv) A4 = 3 3
  −2 4 −7 .
1 3 −2 5 17  3 −3 4 5 7
4 12 6 6 5 0 6 −10 −1 4
Indicaţie. Se foloseşte metoda transformărilor elementare sau metoda lui

Gauss.
(i) rang A1 = 3; (ii) rang A2 = 4; (iii) rang A3 = 4; (iv) rang A4 = 4.
8.3.2. Calculaţi rangul matricelor de mai jos pentru diferite valori ale para-
metrilor:    
1 2 −1 2 α 1 1 3 1
4 −1 3 0  1 α 2 −4 5 
(i) A1 =  5 1 α − 1 2 ; (ii) A2 = α α −1 7 −4;
  
3 α 4 −2 1 1 0 10 3
   
β 1 2 4 α −β 2 1
(iii) A3 =  1 α 2 3; (iv) A4 = α 1 − 2β 3 1 .
1 2α 2 4 α −β β + 3 2β − 1

3, pentru α ∈ {−3, 3}
Indicaţie. (i) rang A1 =
4, pentru α 6= −3, α 6= 3.
(ii) rang A2 = 4,  ∀ α ∈ R.
 1
(iii) rang A3 = 2, pentru α = , β = 1;
2
3, ı̂n rest.


2, pentru α = 0, β ∈ {1, 5}
(iv) rang A4 =
3, ı̂n rest.
8.3.3. Săse găsească inversele

 matricelor
 de mai jos
 ı̂n cazul ı̂n care
 există:
2 2 3 −2 1 1 1 1 1
(i) A1 =  1 −1 1; (ii) A2 =  1 −2 1 ; (iii) A3 = 1 2 3
−1 2 1 1 1 −2 1 3 6
 
  1 1 1 1
2 2 3 1 1 −1 −1
(iv) A4 = 1 −1 0;

1 −1 1 −1;
(v) A5 =  
−1 2 3
1 −1 −1 1
 
1 1 1 1
1 0 1 1
(vi) A6 = 
1
.
1 0 1
1 1 1 0
Indicaţie. În toate situaţiile se aplică metoda lui Gauss.
8.3.4. Decideţi dacă matricele de mai jos sunt inversabile:

   
2 b
b 4 2
b 2 b
b 0 b 1
(i) A1 = 1 1
 b b 1 ∈ M3 (Z5 ); (ii) A2 = b
b 1 b2 b 1 ∈ M3 (Z3 );
3 b
b 2 1
b 1 b
b 1 b 1
 
1
b 3
b 2
b
(iii) A3 = b
0 1
b 1 ∈ M3 (Z4 ).
b
1
b 1
b 2
b
Indicaţie. (i) Z5 e corp, det A1 = b 0 ⇒ (∃) A−1

4 6= b 1 .
−1
(ii) Z3 e corp, det A2 = 1 6= 0 ⇒ (∃) A2 .
b b
2; cum (2, 4) = 1 ⇒ det A3 6∈ U (Z4 ), deci (6 ∃) A−1
(iii) det A3 = b 3 .
8.3.5. Să se afle inversele următoarelor matrice de ordinul n:

   
1 1 1 ... 1 0 1 1 ... 1 1
0 1 1 . . . 1  1 0 1 ... 1 1
   
(i) A1 = 
 0 0 1 . . . 1 ; (ii) A2 =  1
  1 0 ... 1 1 .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
0 0 0 ... 1 1 1 1 ... 1 0
Indicaţie. Se poate folosi metoda transformărilor elementare sau definiţia

matricei inverse. În ultima situaţie, problema revine la rezolvarea a n ecuaţii
liniare de n necunoscute.
1 −1 0
 
0 ... 0 0
0
 1 −1 0 . . . 0 0 
−1
0 0 1 −1 . . . 0 0
(i) A1 =   ;
 . . . . . . . . . . . . . . . . . . . . . 

0 0 0 0 . . . 1 −1
0 0 0 0 ... 0 1
 
2−n 1 1 ... 1 1
1
 1 2−n 1 ... 1 1 
(ii) A−1
 
= · . . . ... ... ... ... ... 
.
n−1 
 1 1 1 ... 2 − n 1 
1 1 1 ... 1 2−n
8.3.6. Rezolvaţi ecuaţia matriceală:

   
1 1 1 ... 1 1 1 −1 0 . . . 0
−1 1 0 . . . 0 0  1 1 −1 . . . 0 
   
 0 −1 1 . . . 0 0 X  1 0 1 ... 0 

 
 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
0 0 0 . . . −1 1 1 0 0 ... 1
 
1 0 0 ... 0 0
0
 2 −1 ... 1 0 
 0 −1 2 . . . 0 0
= . . . . . . . . . . . . . . .
.
 . . .

0 0 0 ... 2 −1
0 0 0 . . . −1 2
Indicaţie. Notând:  
  1 0 0 ... 0 0
1 1 1 ... 1 1
−1 1
0 2 −1 ... 1 0
0 ... 0 0 
 0 −1 2

  ... 0 0
A= 0 −1 1 ... 0 0 , B=
. . . . . . . . .


. . . . . . . . . . . . . . . . . .
. . . . . . . . .  
0 0 0 . . . 2 −1
0 0 0 . . . −1 1
0 0 0 . . . −1 2
ecuaţia devine
AX At = B ⇒ X = A−1 B(At )−1 = A−1 B(A−1 )t .
Se găseşte A−1 cu una din metodele utilizate ı̂n problema 8.3.5.

În final, se obţine:
 
1 1 ... 1
n−1  1 1 ... 1 
X = In − 2
 .
n ... ... . . . . . .
1 1 ... 1
8.3.7. Folosind metoda eliminării complete Gauss-Jordan, decideţi dacă sis-

temele de ecuaţii liniare de mai jos sunt compatibile şi, ı̂n caz afirmativ,
găsiţi soluţiile lor:

 2x − y + z − t = 1
 x + 3y + z = 15


2x − y − 3t = 2

(i) 2x + 4y − 3z = 6 (ii)
3x − z + t = −3
3x + 2y + z = 23
 

2x + 2y + 5t = −6


  2x + 3y + z = 4

 x + y + z − 2t = 5  x + 3y + 2z = 5


(iii) 2x + y − 2z + t = 1 ; (iv) x+y+z =4
2x − 3y + z + t = 3 3x − 2y = 8
 



8x + 12y + 7z = 25

Indicaţie. (i) Compatibil determinat, cu soluţia unică (5, 2, 4).

(iii) Sistem compatibil simplu nedeterminat, cu soluţia
3 15 20

2 + k, 1 + k, 2 + k k ∈ R .
19 19 19
(iv) Sistem compatibil determinat, cu soluţia (−4, −1, 3).
8.3.8. Decideţi compatibilităţile sistemelor de mai jos şi, ı̂n caz afirmativ,
aflaţi soluţiile lor: 
 2x + y + x = 7
 3x − 2y + z − t = 6


3x − 2y + z = 2

(i) x + y − 2z + 3t = 5 ; (ii) ;
x +y+z =6
5x − 3y + 5t = 16
 

x + 3y − 2z = 9


2x + y + z + t = 7 
 x+y−z =0


x + 2y + 3z + t = 3

(iii) ; (iv) 3x + y + z = 0 ;
x + 5y + 8z + 2t = 2
x − y + 3z = 0

 
3x − z + t = 9

 

 x + 2y + 4z − 3t = 0 
 x−y+z+t=0
3x + 5y + 6z − 4t = 0 x + y − z − 2t = 0
 
(v) ; (vi) .

 4x + 5y − 2z + 3t = 0 
 5x − 5y − z − 4t = 0
3x + 8y + 24z − 19t = 0 x+y+z+t=2
 
Indicaţie. În toate situaţiile se aplică metoda eliminării totale Gauss-

Jordan.
8.4 Valori şi vectori proprii pentru matrice. Teore-

ma Cayley-Hamilton
8.4.1. Aflaţi valorile proprii şi vectorii proprii 
ai matricelor de
 mai jos:
2 −5 −3
0 −a
(i) A1 = (a 6= 0); (ii) A2 = −1 −2 −3;
a 0
3 15 12
 
  1 2 0 3
4 1 1 −1 −2 0 3
(iii) A3 = 2
 4 1; (iv) A4 = 
0

0 2 0
0 1 4
1 2 0 3
 
3 −1 0 0
0 3 0 0
(v) A5 = 1

0 3 1
0 1 0 3
Indicaţie. (i) λ1 =−ai; Xλ1 = {[α, iα]t | α ∈ C∗ }; λ2 = ai; Xλ2 = ∅.

(ii) λ1 = 3; Xλ1 = [−7α+6β, 5α − 3β, −6α+3β] t | α, β ∈ R, α2 +β 2 > 0 .
t ∗

−3α] | αt ∈ R . ∗
λ2 = 6; Xλ2 = [α, α,
(iii) λ1 = λ2 = 3; Xλ1 = [0, α, −α] | α ∈ R .
λ3 = 6; Xλ3 = [3α,4α, −2α]t | α ∈ R∗ .
(iv) λ1 = λ2 = 0; Xλ1 = [2α + 3β, −α, 0, −β]t | α, β ∈ R, α2 + β 2 > 0 .

λ3 = λ4 = 6; Xλ3 = [α, −α, t α2 + β 2 >

β, α] | α, β t∈ R,
2 2
0 .
(v) λ1 = λ2 = λ3 = λ4 ; Xλ1 = [α, 0, β, −α] | α + β > 0 .
8.4.2. Determinaţi valorile proprii ale matricelor A de mai jos, cunoscând

vectorii proprii
 X1 , X2 ,X3 :      
1 a1 b1 1 1 1
(i) A = 1 a2 b2 , X1 = 1, X2 =  0 , X3 = −1;
1 a3 b3 1 −1 0
       
a1 b1 −2 2 1 4
(ii) A = a2 b2 0 , X1 = 1 , X2 = 1 , X3 = 3 
      
a3 b3 −2 −1 −2 −4
       
a1 1 b1 1 1 1
(iii) A = a2 0 b2 ,
  X1 = 1 , X2 = −1 , X3 = 0 ;
    
a3 1 b3 1 0 −1

1 a −2 1
(iv) A = , X1 = , X2 = .
2 b 1 2
Indicaţie. În toate cazurile, se rezolvă sistemul AXi = λi Xi (i = 1, 2, 3 ı̂n

primele trei cazuri, i = 1, 2 ı̂n ultimul caz).
8.4.3. Dacă A ∈ Mn (R) e o matrice simetrică, arătaţi că toate valorile ei

proprii sunt reale.
Indicaţie. AX = λX ⇒ AX = λ X; ı̂n prima relaţie se ı̂nmulţeşte ı̂n stânga

t
cu X iar ı̂n a doua, tot la stânga, cu X t . Rezultă că (λ−λ)XX = 0 ⇒ λ = λ,
deci λ ∈ R.
8.4.4. Fie A ∈ Mn (C) având valorile proprii λ1 , λ2 , . . . , λn . Dacă f ∈ C[X],

f = a0 + a1 X + · · · + ak X k , iar f (A) = a0 In + a1 A + · · · + ak Ak , demonstraţi
n
Q
că det[f (A)] = f (xk ).
k=1
n
Q k
Q
Indicaţie. fA (x) = (x − λi ). Fie f (x) = ak (x − xi ) ⇒
i=1 i=1
k
Q n
Q
f (A) = ak (A − xk In ) ⇒ det[f (A)] = f (λi ).
i=1 i=1
8.4.5. Folosind teorema Cayley-Hamilton, să se calculeze A−1 şi An ı̂n

fiecare din cazurile:  
1 0 1
1 0 −1 0
(i) A = ; (ii) A = ; (iii) 0 2 0
1 1 0 1
0 0 3
   
0 0 1 2 0 0
(iv) A = 0 1 1; (v) A = 0 1 0.
0 0 0 0 1 1
Indicaţie. (i) A−1 = 2I2 − A; An = nA − (n − 1)I2 ;

1 + (−1)n 1 − (−1)n
(ii) A−1 = A; An = I2 + A;
2  2
3n − 1

1 1 0
(iii) A−1 = (A2 − 6A + 11I3 ); An =  2 ,

0 2 n 0 
6 
0 0 3n
∀ n ≥ 2.
(iv) (6 ∃) A−1 căci A e singulară; An 
= A2 , ∀ n ≥
 2.
2 n 0 0
1
(v) A−1 = (A2 − 4A + I3 ); An =  0 1 0.
2
0 n 1
8.4.6. Fie A, B ∈ Mn (C). Să se arate că polinomul caracteristic al matri-
A B
cei cu blocuri este egal cu produsul polinoamelor caracteristice ale
B A
matricelor A + B şi A − B.

A B
Indicaţie. Fie M = , atunci:
B A

A − λIn B
det(M − λI2n ) = = · · · = fA−B (λ) · fA+B (λ).
B A − λIn
B ∈ M
8.4.7. Fie A, n (C). Să se arate că polinomul caracteristic al ma-
A −B
tricei M = este egal cu produsul polinoamelor caracteristice ale
B A
matricelor A + iB şi A − iB.
Indicaţie.

A − λIn −B
det [M − λI2n ] = det
B A − λIn

(A − iB) − λIn −B − iA + λiIn
= det
B A − λIn

(A − iB) − λIn O
= det
O A + iB − λIn
= det [(A − iB) − λIn ] det[(A + iB) − λIn ] .
8.4.8. Fie A ∈ Mn (R), λ = a + ib, a ∈ R, b ∈ R∗ o valoare proprie şi

Z = X + iY , X, Y ∈ Mn,1 (R) vectorul propriu corespunzător. Să se arate
că:
(i) X şi Y sunt liniar independenţi;
(ii) dacă f ∈ R[x] şi f (λ) ∈ R, atunci X şi Y sunt vectorii proprii pentru
f (A).
Indicaţie. (i) A[X + iY ] = (a + ib)[X + iY ], b 6= 0, X + iY 6= 0.

Dacă presupunem X = cY , c ∈ R ⇒ A(c + iY ) = (a + ib)(c + i)Y ⇒
A c Y = (ac − b)Y şi AY = (a + bc)Y ⇒ ac − b = ac + bc2 ⇒ c2 = −1, ı̂n
contradicţie cu c ∈ R.
(ii) f (A)[X +iY ] = f (a+ib)[X +iY ] este echivalentă cu f (A)X = f (λ)X,
f (A)Y = f (λ)Y , care arată că X, Y sunt vectori proprii pentru f (A).
8.4.9. Să se arate că dacă A, B ∈ Mn (C), B este inversabilă, atunci AB şi
BA au aceleaşi valori proprii.
Indicaţie. AB = B −1 (BA)B ⇒ AB ∼ BA ⇒ fAB = fBA (AB şi BA au

acelaşi polinom caracteristic).
8.4.10. Folosind teorema Cayley-Hamilton, să se calculeze polinomul de ma-

trice A, P (A), ı̂n fiecare din cazurile:
 
2 0 0 0
1 3 1 1
(i) A =  , P (A) = A4 − 8A3 + 21A2 − 32A + 16I4 ;
0 0 1 −1
−1 −1 0 2
 
−2 3 −1 4
−4 5 −2 7
(ii) A =  ; P (A) = A4 − 4A3 + 6A2 − 4A + I4 .
−3 3 −2 5
−2 2 −2 3
Indicaţie. Se determină polinoamele caracteristice şi se aplică teorema

Cayley-Hamilton. În toate cazurile se obţine P (A) = 0.
8.4.11. O matrice de forma

 
p1 p2 . . . pn−1 pn
1 0 ... 0 0
 
P =
 0 1 ... 0 0 
. . . . . . . . . . . . . . .
0 0 ... 1 0
se numeşte matrice Frobenius. Determinaţi polinomul caracteristic şi vec-

torii ei proprii.
Indicaţie. După definiţia polinomului caracteristic
P (λ) = (−1)n det [P −λIn ] = (−1)n λn −p1 λn−1 −p2 λn−2 − · · · −pn−1 λ−pn

(s-a dezvoltat determinantul după elementele primei linii).

Dacă X = [x1 . . . xn ]t e un vector propriu al matricei Frobenius corespunzător
valorii proprii λ, ecuaţia (P − λIn )X = 0 conduce la un sistem liniar cu ma-
tricea triunghiulară. Se obţine:
X = aλn−1 aλn−2 . . . aλ a , a ∈ R

adică vectorii proprii ai matricei Frobenius au drept coordonate puterile

descrescătoare ale valorii proprii corespunzătoare.
n
P
8.4.12. Fie A ∈ Mn (C) şi T r A = aii urma matricei A. Să se arate că
i=1
dacă T r (Ak ) = 0, k = 1, n, atunci det A = 0.
Indicaţie. Din teorema Cayley-Hamilton
An − s1 , An−1 + · · · + (−1)n−1 sn−1 A + (−1)n (det A)In = 0.
Egalând urmele matricelor din identitatea precedentă, rezultă
(−1)n det A = 0 ⇒ det A = 0.

8.4.13. Fie A ∈ Mn (Z). Să se arate că ∀ k ∈ Z\{−1, 0, 1}, matricea B =

In + kA este nesingulară.
1
Indicaţie. Presupunând B singulară ⇒ det(In + kA) = 0 ⇒ λ = − este
k
valoare proprie a lui A, absurd, deoarece polinomul caracteristic al lui A este
cu coeficienţi ı̂ntregi, cel dominant fiind 1. Deci, dacă eventual A are valori
proprii raţionale, acestea nu pot fi decât ı̂ntregi.
8.4.14. Fie A ∈ Mn (C). Să se arate că dacă An 6= 0, atunci Ak 6= 0,

∀ k ∈ N∗ .
Indicaţie. Presupunem că există k ∈ N∗ astfel ca Ak = 0. Atunci k > n şi

alegem k minim cu această proprietate, deci Ak−1 6= 0.
Scriem teorema lui Cayley-Hamilton ı̂n forma:
a0 In + a1 A + · · · + an−1 An−1 + An = 0. (∗)
Înmulţind (∗) cu Ak−1 ⇒ a0 Ak−1 = 0 ⇒ a0 = 0, căci Ak−1 6= 0. Continuăm

să ı̂nmulţim cu Ak−2 , Ak−3 , . . . , Ak−n şi obţinem pe rând a1 = a2 = · · · =
an−1 = 0. Revenind ı̂n (∗), găsim An = 0, ı̂n contradicţie cu ipoteza.
8.4.15. Fie A ∈ Mn (C) astfel ca T r (A) = T r (A2 ) = · · · = T r (An−1 ) = 0

şi T r (An ) = n. Să se arate că An = In .
Indicaţie. Dacă λ1 , . . . , λn sunt valorile proprii ale lui A, condiţiile enunţului

conduc la: λ1 + · · · + λn = 0, λ21 + λ22 + · · · + λ2n = 0, . . . , λ1n−1 + λ2n−1 +
· · · + λn−1
n = 0, λn1 + λn2 + · · · + λnn = 1. Sistemul precedent determină unic
valorile proprii ⇒ λ1 = ε1 , . . . , λn = εn , unde ε1 , . . . , εn sunt rădăcinile de
ordin n ale unităţii (deoarece ele satisfac sistemul). Ecuaţia caracteristică a
matricei A este deci xn − 1 = 0, de unde An = In .
8.4.16. Fie A, B ∈ Mn (C) şi α, β ∈ C astfel ca |α| =

6 |β| şi αAB+βBA = In .
Arătaţi că det(AB − BA) = 0.
Indicaţie. α(AB − BA) = In − (α + β)BA, β(BA − AB) = In − (α + β)AB.

Din det(In − (α + β)BA) = det(In − (α + β)AB) rezultă că
αn det(AB − BA) = β n det(BA − AB) ⇒ |α|n det(AB − BA)

= |β|n det(AB − BA) ⇒ det(AB − BA) = 0.
8.5 Forma (expresia) diagonală a unei matrice.

Forma (expresia) canonică Jordan
8.5.1. Să se arate că următoarele matrice A ∈ M2 (R) sunt diagonalizabile,
să se aducă la forma diagonală D(A) şi să se precizeze matricea diagona-
lizatoare C:
−4 0 1 0 0 2
(i) A = ; (ii) A = ; (iii) A = ;
1 4 1 0 −1 −3

5 −2 4/3 −1 1 1
(iv) A = ; (v) A = ; (vi) A = .
−2 8 −1 3/4 0 1

−4 0 8 0
Indicaţie. (i) D(A) = , C= ;
0 4 −1 1

0 0 0 1
(ii) D(A) = , C= ;
0 1 1 1

−1 0 2 1
(iii) D(A) = , C= ;
0 −2 −1 −1

4 0 2 −1
(iv) D(A) = , C= ;
0 9 1 2

1/4 0 3 4
(v) D(A) = , C= ;
0 12 4 −3
(vi) Nu se poate diagonaliza.

lizatoare C:      
1 0 3 1 0 0 2 1 −3
(i) A = 2 1 2; (ii) A = 0 0 1; (iii) A = −3 −2 −3.
3 0 1 0 1 0 1 1 −2
   
−2 0 0 1 0 3
Indicaţie. (i) D(A) =  0 1 0, C =  0 1 4;
0 0 4 −1 0 3
   
1 0 0 1 0 0
(ii) D(A) = 0 1 0 , C = 0 1 −1;
0 0 −1 0 1 1
   
1 0 0 2 1 1
(iii) D(A) = 0 −1 0 , C = 1 0 −1.
0 0 −2 1 1 1

lizatoare C:    
0 0 0 1 1 −1 1 −1
; (ii) A = −1 1 −1 1 ;
0 0 1 0  
(i) A =  0 1 0 0  1 −1 1 −1
1 0 0 0 −1 1 −1 1
 
−1 2 −4 −2
−2 −2 −9 −7
 4 −9 0 −5.
(iii) A =  
−2 7 5 8
   
1 0 0 0 1 0 0 −1
, C = 0 1 −1 0 ;
0 1 0 0  
Indicaţie. (i) D(A) =  0 0 −1 0  0 1 1 0
0 0 0 −1 1 0 0 1
   
0 0 0 0 1 0 0 1
0 0 0 0 1 1 0 −1
(ii) D(A) =  0 0 0 0,
 C= 0 1 1 1 ;

0 0 0 4 0 0 1 −1
   
1 0 0 0 1 1 1 0
1 3 0 0  0 1 1 1
(iii) D(A) = 0 0 5 0 ,
 C= −1 0 −1 1 .

0 0 0 −4 1 −1 0 −1
8.5.4. Arătaţi că matricele de mai jos nu sunt diagonalizabile ı̂n M3 (R).
Găsiţi expresiile lor diagonale şi matricele diagonalizatoare ı̂n M3 (C):
   
0 1 2 2 4 −4
(i) A = −1 0 −2 (ii) A =  0 5 −3.
−2 2 0 −1 3 1
Indicaţie. Pentru  prima parte,
 se arată că
există şi valori proprii complexe.
0 0 0 2 5 5
i) D(A) = 0 3i 0 , C =  2 3i − 4 −4 − 3i;
0 0 −3i −1 2 + 6i 2 − 6i
   
2 0 0 2 4 4
(ii) D(A) = 0 3 + i 0 , C = 1 3 3 .
0 0 3−i 1 2−i 2+i
8.5.5. Să se aducă la forma canonică Jordan următoarele matrice de ordinul

3, precizând matricea de asemănare P :
     
3 2 −3 0 3 3 1 1 −1
(i) A = 4 10
 −12 ; (ii) A = −1 8
  6 ; (iii) A = −3
  −3 3 ;
3 6 −7 2 14 −10 −2 −2 2
     
6 6 −15 1 1 0 1 6 −15
(iv) A = 1 5
 −5 ; (v) A = −4 5 0 ;
   (vi) A = 1 0
 −5 .
1 2 −2 −2 1 3 1 2 −7
   
2 1 0 1 1 3
Indicaţie. (i) J(A) = 0 2 0 , P = 4 0 0;
  
0 0 2 3 0 1
   
−1 1 0 −3 −3/2 −2
(ii) J(A) =  0 −1 0, P = −3 −1/2 −1;
0 0 0 4 0 1
   
0 1 0 1 1 1
(iii) J(A) = 0 0 0, P = −3 0 0;
0 0 0 −2 0 1
   
3 1 0 3 1 5
(iv) J(A) = 0 3 0, P = 1 0 0;
0 0 3 1 0 1
   
3 1 0 1 0 1
(v) J(A) = 0 3 0, P = 2 1 2;
0 0 3 1 0 0
   
−2 1 0 3 1 −2
(vi) J(A) =  0 −2 0 , P = 1 0 1 .
0 0 −2 1 0 0
8.5.6. Găsiţi expresia canonică Jordan pentru următoarele matrice de or-
dinul 4, precizând
 matricea de
 asemănare P : 
2 3 0 3 3 −9 5 4
−1 0 1 2 16 −7 8 7
(i) A =   0 3 2 3;
 (ii) A = 
 8 −17 8 8;

1 2 −1 0 1 −2 1 0
 
1 1 −2 0
2 1 0 2
(iii) A =  1 0
.
1 1
0 −1 2 1
   
2 1 0 0 6 0 0 0
0 2 0 0  0 1 1 1
Indicaţie. (i) J(A) =  0 0 2 0 , P = 6 0 4
  ;
0
0 0 0 −2 0 1 −1 −1
   
−1 1 0 0 −1 2 1 3
 0 −1 0 0 −1 1 0 6
(ii) J(A) =  , P = ;
0 0 −1 0  −1 0 0 7
0 0 0 −2 0 0 −1 1
   
1 1 0 0 −2 0 1 1
0 1 0 0 2 0 2 1
(iii) J(A) = 
0 0 1
, P = .
1 1 1 1 0
0 0 0 1 2 1 −1 0
 
−3 −7 −5
8.5.7. Arătaţi că matricea A ∈ M3 (R), dată prin A = 2 4 3  nu
1 2 3
este diagonalizabilă.
Indicaţie. Matricea A are valoarea proprie triplă λ = 1, iar rang(A−λI3 ) =
2 6= 3 − 3 = 0.
 
1 b c
8.5.8. Se consideră matricea A = 1 b0 c0  ∈ M3 (R).
1 b00 c00
(i) Să se determine coeficienţii necunoscuţi astfel ca A să admită vec-
torii proprii
x1 = [1, 0, 1]t , x2 = [−1, 1, 0]t , x3 = [0, 1 − 1]t .
(ii) Să se găsească expresia diagonală D(A).
(iii) Să se calculeze An , n ∈ N∗ .
   
1 5 5 6 0 0
Indicaţie. (i) A = 2 −2 −2; (ii) D(A) = 0 −4 0;
3 3 3 0 0 0
 
1 −1 0
(iii) An = C −1 [D(A)]n C, unde C = 0 1 1  e matricea diagona-
1 0 −1
lizatoare.
8.5.9. Se consideră matricea A ∈ M4 (R), dată prin:
 
0 2 0 −1
1 0 0 0
A= 0 1 0
.
0
0 0 1 0
(i) Să se găsească valorile proprii.
(ii) Să se găsească expresia canonică Jordan, precizând matricea de
pasaj P .
Indicaţie. (i) 
λ1 = 1, m1 = 2; λ2 = −1,m2 = 2. 
1 1 0 0 1 3 −1 3
0 1 0 0  1 2 1 −2
(ii) J(A) =  , P = .
0 0 −1 1  1 1 −1 1 
0 0 0 −1 1 0 1 0
8.5.10. Se consideră matricea A ∈ M4 (R), dată prin:
 
3 1 0 0
 −4 −1 0 0
A=  7
.
1 2 1
−17 −6 −1 0
(i) Să se găsească valorile proprii.

(ii) Să se găsească expresia canonică Jordan, precizând matricea de
pasaj P .
Indicaţie. (i) λ
1 = λ2 = λ3 
= λ4 = 1,m1 = 4. 
1 1 0 0 2 1 1 0
, P =  −4 0 −2 1.
0 1 0 0  
(ii) J(A) =  0 0 1 1   7 0 1 0
0 0 0 1 −17 0 −6 0
8.6 Spaţii vectoriale. Subspaţii vectoriale. Bază şi

dimensiune a unui spaţiu vectorial. Subspaţiu
generat de o mulţime de vectori. Schimbarea
coordonatelor
8.6.1. Fie K un câmp. Arătaţi că mulţimea K este un K-spaţiu vectorial.
Indicaţie. Se verifică axiomele spaţiului vectorial; adunarea vectorilor co-
incide cu adunarea din K, iar ı̂nmulţirea cu scalari e ı̂nmulţirea din K.
8.6.2. Să se arate că:
(i) Q este Q-spaţiu vectorial; (ii) R este Q-spaţiu vectorial;
(iii) R este R-spaţiu vectorial; (iv) C este Q-spaţiu vectorial;
(v) C este R-spaţiu vectorial; (vi) C este C-spaţiu vectorial.
Indicaţie. Se verifică axiomele spaţiului vectorial.
8.6.3. Fie K un câmp, n ∈ N∗ , iar
K n = K × K × · · · × K = {x = x1 , . . . , xn ) | x1 , x2 , . . . , xn ∈ K}.
Se definesc operaţiile + : K n × K n → K, · : K × K n → K n prin:
x + y = (x1 + y1 , . . . , xn + yn ), ∀ x = (x1 , . . . , xn ) ∈ K n ,
∀ y = (y1 , . . . , yn ) ∈ K n ;
α · x = (αx1 , . . . , αxn ), ∀ α ∈ K, ∀ x = (x1 , . . . , xn ) ∈ K n .
Arătaţi că, ı̂n raport cu operaţiile definite, K n este K-spaţiu vectorial.
Precizaţi o bază ı̂n K n şi deduceţi dimensiunea lui K n .
Indicaţie. Pentru prima parte, se verifică axiomele spaţiului vectorial.

Mulţimea B = {e1 , . . . , en }, (ek = (0, . . . , 0, 1, 0, . . . , 0), ∀ k = 1, n) este o
bază a lui K n , deci dim K n = n.
8.6.4. Fie K un câmp, m, n ∈ N∗ iat Mm,n (K) mulţimea matricelor de tip

m×n cu elemente din K. Arătaţi că Mm,n (K) este un K-spaţiu vectorial de
dimensiune m · n, ı̂n raport cu adunarea matricelor şi ı̂nmulţirea cu scalari
din K.
Indicaţie. Mulţimea B = {Eij | i = 1, m, j = 1, n}, unde:

 
0 0 ... 0 ... 0
. . . . . . . . . . . . . . . . . .
 
0
Eij =  0 ... 1 ... 0  i
. . . . . . . . . . . . . . . . . .
0 0 ... 0 ... 0
j
formează o bază.
8.6.5. Fie K un câmp iar Kn [X] mulţimea polinoamelor de grad cel mult n
ı̂n nedeterminata X. Arătaţi că Kn [X] este un K-spaţiu vectorial (n + 1)-
dimensional ı̂n raport cu adunarea polinoamelor şi ı̂nmulţirea polinoamelor
cu scalari din K.
Indicaţie. B = {1, x, . . . , xn } este o bază ı̂n Kn [X].
8.6.6. Fie a, b ∈ R, a < b. Notăm
R[a,b] = {f | f : [a, b] → R}.
Arătaţi că (R([a,b] , +) este un R-spaţiu vectorial, unde ” + ” este operaţia

obişnuită de adunare a funcţiilor, iar ı̂nmulţirea cu scalari e ı̂nmulţirea
uzuală a funcţiilor cu numere reale.
Verificaţi că următoarele mulţimi sunt subspaţii ale lui R[a,b] :
(i) C k [a, b] = {f ∈ R[a,b] | (∃) f (k) : [a, b] → R continuă pe [a, b]} (k ∈ N).
(ii) I[a, b] = {f ∈ R[a,b] | f -integrabilă pe [a, b]}.
Indicaţie. Se verifică axiomele spaţiului (subspaţiului) vectorial.
8.6.7. Fie M2 (R) spaţiul vectorial al matricelor pătrate cu elemente numere

reale. Arătaţi că submulţimile:

a b
X1 = A ∈ M2 (R) | A = , a, b ∈ R
2b a

a b
X2 = A ∈ M2 (Q) | A = , a, b ∈ Q
2b a
sunt R-spaţiu, respectiv Q-spaţiu, iar dim X1 = dim X2 = 2.
Indicaţie.
Pentru
prima parte se aplică criteriul de subspaţiu. Mulţimea

1 0 0 1
B = , este bază, atât ı̂n X1 cât şi ı̂n X2 .
0 1 2 0
8.6.8. Arătaţi că mulţimea

a b
X = A ∈ M2 (C) | A = , a, b ∈ C
b a
este un subspaţiu al R-spaţiului M2 (C). Care e dimensiunea lui?

1 0 i 0 0 −1 0 i
Indicaţie. B = , , , este o bază a lui
0 1 0 −i −1 0 −i 0
X, deci dim X = 4.
8.6.9. Să se decidă care din următoarele mulţimi de vectori sunt liniar de-
pendente:
x1 = [−3, 1, 5]t x1 = [1, 2, 3, 0]t

(i) ; (ii) ;
x2 = [6, −2, 15]t x2 = [2, 4, 6, 1]t
 x1 = [1, 2, 3]t

t

x1 = [1, i, 2 − i, 3 + i]
(iii) ; (iv) x2 = [2, 5, 7]t
x2 = [1 − i, 1 + i, 1 − 3i, 4 − 2i]t
x3 = [3, 7, 10]t

x1 = [5, −3, 2, 1, 10]t



x2 = [−1, 8, 1, −4, 7]t


(v) ,

 x3 = [2, 1, 9, −3, 6]t
x4 = [1, 3, −5, 9, 11]t

peste R.
Indicaţie. Se aplică definiţia liniar dependenţei şi se obţine:

(i) liniar independentă; (ii) liniar independentă; (iii) liniar dependentă;
(iv) liniar dependentă; (v) liniar independentă.
8.6.10. Fie R3 [X] spaţiul polinoamelor de grad ≤ 3 ı̂n nedeterminata X.

(i) Arătaţi că polinoamele X, X + 1, X 3 sunt liniar independente.
(ii) Determinaţi m ∈ R ştiind că X 3 , X 3 + X, mX 3 + 2X sunt liniar
dependente.
Indicaţie. (i) α1 X + α2 (X + 1) + α3 X 3 = 0 ⇒ α1 = α2 = α3 = 0.
(ii) m = 2.
8.6.11. Arătaţi că vectorii a = [1, 1, 0]t , b = [2, 0, 1]t , c = [3, 1, 5]t constituie
o bază a lui R3 . Determinaţi λ ∈ R pentru care vectorul d = [3, λ, 2]t aparţine
subspaţiului generat de a şi b.
Indicaţie. Se arată că mulţimea {a, b, c} este liniar independentă peste R.

Mai departe, se determină α1 , α2 , λ ∈ R astfel ca α1 a + α2 b = d.
8.6.12. Fie U = {x = [x1 , x2 , x3 ]t | 3x1 + 2x2 + x3 = 0}. Să se arate că U

este un subspaţiu al lui R3 şi să se determine o bază a lui U .
Indicaţie. Pentru prima parte se aplică criteriul de subspaţiu. Pentru

partea a doua, se utilizează reprezentarea parametrică:
U = x = [x1 , x2 , x3 ]t | x3 = −3x1 − 2x2

= x = [x1 , x2 , −3x1 − 2x2 ]t | x1 , x2 ∈ R

= x = x1 [1, 0, −3]t + x2 [0, 1, −2]t | x1 , x2 ∈ R

care arată că B = [1, 0, −3]t , [0, 1, −2]t este bază ı̂n U .

8.6.13. Care din următoarele sisteme de vectori pot determina o bază ı̂n
spaţiile 
generate de aceste sisteme:
x1 = [4, −2, 12, 8]t x1 = [0, 2, −1]t

 
x2 = [−6, 12, 9, −3]t x2 = [3, 7, 1]t

 

(i) t ; (ii) ;

 x3 = [−10, 5, −30, −20] 
 x3 = [2, 0, 3]t
x4 = [−14, 28, 21, −7]t x4 = [5, 1, 8]t
 
x1 = [14, −27, −49, 113]t


 x1 = [3−i, 1−2i, −7+5i, 4+3i]t
 
t

x2 = [43, −82, −145, 340]

(iii) ; (iv) x2 = [1 + 3i, 1 + i, −6 − 7i, 4i]t .
 x3 = [−29, 55, 96, −277]t
x3 = [0, 1, 1, −3]t
 
x4 = [85, −163, −293, 677]t

Indicaţie. (i) {x1 , x2 } sau {x1 , x4 }, sau {x2 , x3 }, sau {x3 , x4 };

(ii) {x1 , x2 , x3 }; (iii) {x1 , x2 , x4 }; (iv) {x1 , x2 }.
8.6.14. Să se determine o bază şi dimensiunea subspaţiului generat de vec-

torii coloană de mai jos:
(i) S = {u1 , u2 , u3 } unde u1 = [1, −1]t , u2 = [−1, 6]t , u3 = [−1, 1]t ;

(ii) S = {u1 , u2 , u3 } unde u1 = [−3, 2, 0]t , u2 = [−3, 6, 15]t ,
u3 = [0, −4, 15]t ;
(iii) S = {u1 , u2 , u3 } unde u1 = [1, 2, 1, 3]t , u2 = [1, 1, 1, 3]t ,
u3 = [1, 0, 1, 3]t ;
(iv) S = {u1 , u2 , u3 , u4 } unde u1 = [1, 1, 1, 1]t , u2 = [1, 2, 1, 3]t ,
u3 = [1, 1, 2, 2]t , u4 = [1, 1, 1, 3]t ;
(v) S = {u1 , u2 , u3 , u4 } unde u1 = [1, 1, 1, 1, ]t , u2 = [2, 2, 2, 2]t ,
u3 = [3, 3, 3, 3]t , u4 = [1, 1, 2, 2]t .
Indicaţie. În fiecare caz se calculează rangul matricei care are coloanele
u1 , u2 , u3 , respectiv u1 , u2 , u3 , u4 .
8.6.15. Să se determine dimensiunea spaţiului soluţiilor sistemelor de mai

jos, găsind o bază a spaţiului: 
 −3x1 + 10x2 − 10x3 = 0
x1 − 3x2 = 0
(i) ; (ii) −7x1 + 4x2 − 4x3 = 0
−2x1 + 6x2 = 0
−2x1 − 3x2 + 3x3 = 0


 3x1 + 3x2 − 4x3 − 3x4 = 0
 3x1 + x2 = 0


6x2 + x3 + x4 = 0

(iii) 2x1 + x2 = 0 ; (iv) ;
5x1 + 4x2 + 2x3 + x4 = 0
x1 =0
 

2x1 + 3x2 + 3x3 + 2x4 = 0


 2x1 − x2 + 3x3 − 2x4 + 4x5 = 0
(v) 4x1 − 2x2 + 5x3 + x4 + 7x5 = 0 .
2x1 − x2 + x3 + 8x4 + 2x5 = 0

Indicaţie. (i) Baza B = {[3, 1]t }; dim S = 1.

(ii) Baza B = {[0, 1, 1, ]t }; dim S = 1.
(iii) Numai soluţia banală; dim S = 0.
(iv) Numai soluţia banală; dim S = 0.
(v) Baza B = [1, 2, 0, 0, 0]t , [−13, 0, 10, 2, 0]t , [1, 0, 2, 0, −2]t ; dim S = 3.

8.6.16. Găsiţi ı̂nvelitoarea liniară a următoarelor sisteme de vectori:

(i) e1 = 1, e2 = X, e3 = X 2 ; (ii) e1 = 1 + X 2 , e2 = X + X 2 ,
e3 = 1 + X + X 2 ;
(iii) e1 = 1 − X 2 , e2 = X − X 2 , e2 = 2 − X − X 2 ; (iv) e1 = 1 − X 2 ,
e2 = X − X 2 .
Indicaţie. (i) span{e1 , e2 , e3 } = R2 [X]; (ii) span{e1 , e2 , e3 } = R2 [X] ∪ {0};

(ii) span{e1 , e2 , e2 } = R2 [X] ∪ {0}; (iv) span{e1 , e2 } = R2 [X] ∪ {0}.
Aici 0 ı̂nseamnă polinomul nul, al cărui grad este −∞.
8.6.17. (i) Fie S = x = [1, 0, 1]t , y = [2, 1, 4]t ⊂ R3 . Completaţi S până

la o bază a lui R3 .
(ii) S = {p1 , p2 , p3 }, p1 = X + X 2 , p2 = X 3 , p3 = X + 1. Completaţi S
la o bază a lui R3 [X].
Indicaţie. (i) e1 = [1, 0, 0]t ; atunci B = {e1 , x, y} e bază a lui R3 .

(ii) e1 = X; atunci B = {e1 , p1 , p2 , p3 } e bază a lui R3 [X].
8.6.18. Se consideră spaţiul vectorial (liniar) generat de vectorii a1 , a2 , ..., am .

Determinaţi o bază şi dimensiunea lui ı̂n fiecare din cazurile de mai jos:
(i) a1= [1, 2, 3]t , a2 = [2, 3, 4]t , a3 = [3, 2, 3]t , a4 = [4, 3, 4]t , a5 = [1, 1, 1]t ∈ R3 ;
(ii) a1 = [2, 1, −1]t , a2 = [1, 2, 1]t , a3 = [1, 1, 0]t , a4 = [3, 0, −3]t ∈ R3 ;
(iii) a1 = [1, 2, 1]t , a2 = [2, 2, 2]t , a3 = [2, 4, 2]t , a4 = [4, 6, 4]t ∈ R3 .
Indicaţie. (i) B = {a1 , a2 , a3 }; dim span{a1 , a2 , a3 , a4 , a5 } = 3;

(ii) B = {a2 , a3 }; dim span{a1 , a2 , a3 , a4 } = 2;
(iii) B = {a1 , a2 , a4 }; dim span{a1 , a2 , a3 , a4 } = 3.
8.6.19. Fie u1 = [2, 1, 0]t , u2 = [1, 2, 3]t , u3 = [−5, −2, 1]t , v1 = [1, 1, 2]t ,
v2 = [−1, 3, 0]t , v3 = [2, 0, 3]t . Notăm U = {u1 , u2 , u3 }, V = {v1 , v2 , v3 }.
Găsiţi dim U , dim V , dim(U + V ).
Indicaţie. dim U = 2, dim V2 = 2, dim(U + V ) = 3.
8.6.20. Verificaţi identitatea lui Grassmann:
dim(U1 + U2 ) = dim U1 + dim U2 − dim(U1 ∩ U2 )
dacă U1 e generat de vectorii [1, 2, 3]t , [−1, 1, 2]t , [0, 3, 5]t , iar U2 e generat
de vectorii [1, 1, 1]t , [−1, 1, 1]t .
8.6.21. (i) Arătaţi că vectorii f1 = [1, 0, 1]t , f2 = [1, −2, 1]t , f3 = [0, 1, −1]t
formează o bază a lui R3 ;
(ii) Găsiţi matricea de trecere de la această bază la baza canonică
E = {e1 = [1, 0, 0]t , e2 = [0, 1, 0]t , e3 = [0, 0, 1]t } a lui R3 , notată A[F,E] ;
(iii) Găsiţi coordonatele vectorului x = e1 +e2 +e3 ı̂n baza F = {f1 , f2 , f3 }.
Indicaţie. (i) Mulţimea F = {f1 , f2 , f3 } este liniar independentă. Cum

cardF = 3 = dim R3 ⇒ F este bază a lui R3 .
(ii) Matricea de trecere de la baza canonică la baza F , notată A[E,F ] ,
este dată prin egalitatea
[f1 , f2 , f3 ] = [e1 , e2 , e3 ]A[E,F ] .

Atunci A[F,E] , care are pe coloane coordonatele vectorilor bazei F ı̂n baza E
este inversa lui A[E,F ] şi e dată prin:
[e1 , e2 , e3 ] = [f1 , f2 , f3 ]A−1

(E,F ) .
t
3 1

(iii) x = e1 + e2 + e3 = [1, 1, 1]t . În baza F avem [x]F = ,− ,0 .
2 2
8.6.22. Arătaţi că fiecare din următoarele perechi de mulţimi de vectori este
o bază şi găsiţi legătura ı̂ntre coordonatele unui aceluiaşi vector ı̂n cele două
baze (formulele de schimbare a coordonatelor):
(i) B = e1 = [1, 2, 1]t , e2 = [2, 3, 3]t , e3 = [3, 7, 1]t ⊂ 3

0 0 t 0 t 0 t
R 3
B = e1 = [3, 1, 4] , e2 = [5, 2, 1] , e3 = [1, 1, −6] ⊂ R .
(ii) B = e1 = [1, 1, 1, 1]t , e2 = [1, 2, 1, 1]t , e3 = [1, 1, 2, 1]t , e4 = [1, 3, 2, 3]t

B 0 = {e01 = [1, 0, 3, 3]t , e02 = [−2, −3, −5, −5]t , e03 = [2, 2, 5, 4]t ,
e04 = [−2, −3, −4, −4]t }.
 
−27 −71 −41
Indicaţie. (i) [x1 , x2 , x3 ]t =  9 20 9  [x01 , x02 , x03 ]t ;
4 12 8
 
2 0 1 −1
−3 1 −2 1  0 0 0 0 t
(ii) [x1 , x2 , x3 , x4 ]t = 
 1 −2 2 −1 [x1 , x2 , x3 , x4 ] .

1 −1 1 −1
8.6.23. Stabiliţi formulele de schimbare a coordonatelor când se trece de la
baza B = {e1 , e2 , e3 , e4 } la baza B 0 = {e01 , e02 , e03 , e04 }, ı̂n fiecare din situaţiile
următoare:
(i) B = {e1 = [1, 0, 0, 0]t , e2 = [0, 1, 0, 0]t , e3 = [0, 0, 1, 0]t , e4 = [0, 0, 0, 1]t }
B 0 = {e01 = [1, 1, 0, 0]t , e01 = [1, 0, 1, 0]t , e03 = [1, 0, 0, 1]t , e04 = [1, 1, 1, 1]t };
(ii) B = {e1 = [1, 2, −1, 0]t , e2 = [1, −1, 1, 1]t , e3 = [−1, 2, 1, 1]t ,
e4 = [−1, −1, 0, 1]t }
B = {e01 = [2, 1, 0, 1]t , e02 = [0, 1, 2, 2]t , e03 = [−2, 1, 1, 2]t , e04 = [1, 3, 1, 2]t };
0
(iii) B = {e1 = [1, 1, 1, 1]t , e2 = [1, 2, 1, 1, ]t , e3 = [1, 1, 2, 1]t , e4 = [1, 3, 2, 3]t }

B 0 = {e01 = [1, 0, 3, 3]t , e02 = [−2, −3, −5, −4]t , e03 = [2, 2, 5, 4]t ,
e04 = [−2, −3, −4, −4]t };
(iv) B = {e1 = [1, −1, 0, 0]t , e2 = [0, 1, −1, 0]t , e3 = [0, 0, 1, −1]t , en = [1, 0, 0, 1]t }
B 0 = {e01 = [2, 1, 1, 0]t , e02 = [0, 2, 1, 1]t , e03 = [1, 0, 2, 1]t , e04 = [−1, 0, 0, 1]t }.
Indicaţie. În toate situaţiile se aplică formula de schimbare a coordonatelor
la schimbarea bazei, adică:
X = A[B,B 0 ] X 0 ,
unde A[B,B 0 ] este matricea de trecere de la baza B la B 0 (adică matricea care

are pe coloane coordonatele vectorilor bazei B 0 ı̂n baza B).
8.6.24. Dacă vectorul x ∈ R3 are coordonatele [x]F = [1, 2, 3]t , unde

F = {[1, 1, 1]t , [1, 1, 0]t , [1, 0, 0]t }, găsiţi coordonatele lui x ı̂n baza canonică
E = {[1, 0, 0]t , [0, 1, 0]t , [0, 0, 1]t } a lui R3 .
Indicaţie. Se folosesc formulele de schimbare a coordonatelor.
8.6.25. Găsiţi coordonatele polinomului X = X 5 − X 4 + X 3 − X 2 − X + 1

ı̂n baza B = {1, 1 + X, 1 + X 2 , 1 + X 4 , 1 + X 5 }.
Indicaţie. x = [2, −1, −1, 1 − 1, 1].
8.7 Produs scalar. Spaţii vectoriale euclidiene.

Procedeul de ortogonalizare Gram-Schmidt
8.7.1. Fie X un C-spaţiu n-dimensional iar x = [x1 , . . . , xn ]t , y = [y1 , . . . , yn ]t
ı̂ntr-o bază oarecare a lui X. Decideţi care din aplicaţiile definite mai jos
este produs scalar şi care nu:
(i) hx, yi = x1 · y 2 , ∀ x = x1 + iy1 , y = x2 + iy2 ;
(ii) hx, yi = x1 y 2 + (1 + i)x1 y 2 + (1 − i)x2 y 1 + 3x2 y 2 , ∀ x1 + iy1 ,
y = x2 + iy2 .
Indicaţie. (i) nu este produs scalar; (ii) este produs scalar.
8.7.2. Care din funcţiile de mai jos este produs scalar pe Mn (R):
(i) hA, Bi = tr(A · B);
(ii) hA, Bi = tr A · tr B,
Pn
unde tr A = aii (suma elementelor de pe diagonala principală).
i=1
Indicaţie. (i) Nu; (ii) Nu.
8.7.3. Fie P spaţiul vectorial al tuturor funcţiilor polinomiale definite pe

[−1, 1]. Arătaţi că:
(i) P este un spaţiu euclidian ı̂n raport cu aplicaţia dată prin:
Z 1
hp, qi = p(x)q(x)dx.
−1
(ii) Să se găsească polinoamele ortogonale pe p(n) = 1, ∀ x ∈ [−1, 1]

(adică polinoamele q ∈ R[x] care anulează integrala din definiţie).
Indicaţie. (i) Axiomele produsului scalar. (ii) R2n+1 [x].

8.7.4. Găsiţi unghiul vectorilor f1 , f2 ∈ R3 ı̂n fiecare din cazurile:
(i) f1 = [1, 0, 2]t , f2 = [−1, 1, 1]t ;
(ii) f1 = [10, 5, 1]t , f2 = [−1, 0, 10]t ;
(iii) f1 = [2, 1, 1]t , f2 = [5, 0, 1]t ;
(iv) f1 = [1, 4, 4]t , f2 = [3, 2, 4]t .
Indicaţie. Calcul direct.
8.7.5. Folosind procedeul Gram-Schmidt, găsiţi câte o bază ortonormată ı̂n
spaţiul generat de vectorii f1 , f2 , f3 ı̂n fiecare din cazurile considerate ca spaţii
vectoriale euclidieneı̂n raport cu produsul scalar canonic:
(i) f1 = [1, −2, 2]t , f2 = [−1, 0, −1]t , f3 = [5, −3, −7]t ;
(ii) p1 = 1 + X, p2 = 1 − X + X 2 , p3 = X + 2X 2 ;
(iii) p1 = X 2 , p2 = X, p3 = 1.
Indicaţie. Se aplică procedeul Gram-Schmidt.
8.7.6. Fie U spaţiul soluţiilor sistemului:

 3x1 + 2x2 + x3 − x4 = 0
5x1 + 4x2 + 3x3 + 2x4 = 0
x1 + 2x2 + 3x3 + 10x4 = 0.

(i) Determinaţi proiecţia ortogonală a vectorului x = [−3, 0, −5, 9]t pe

subspaţiul U .
(ii) Determinaţi proiecţia ortogonală a aceluiaşi vector pe U ⊥ .
În ambele cazuri se consideră produsul scalar canonic pe R4 .
61 11

Indicaţie. (i) x ⊥ U = X1 + X2 X1 , X2 ∈ R .
4
8 4
(ii) U ⊥ = α[4, 2, 3, 0]t + β[0, 1, 2, 8]t α, β ∈ R .

8.7.7. Fie U spaţiul soluţiilor sistemului:


 3x1 + 2x2 + x3 − 2x4 = 0
5x1 + 4x2 + 3x3 + 2x4 = 0
x1 + 2x2 + 3x3 + 10x4 = 0

(i) Determinaţi proiecţia ortogonală a vectorului x = [−3, 0, −5, 0]t pe

spaţiul U .
(ii) Determinaţi proiecţia aceluiaşi vector x pe U ⊥ .
4
(Se consideră produsul scalar canonic pe R4 , hx, yi =
P
xi yi ).
i=1
Indicaţie. (i) U = α[1, −2, 1, 0]t + β[0, 4, −6, 1]t | α, β ∈ R ; dacă y ⊥ U ,

61 11
atunci y = [1, −2, 1, 0]t + [0, 4, −6, 1]t .
8 4
(ii) U ⊥ = α[4, 3, 2, 0]t + β[0, 1, 2, 8]t | α, β ∈ R ; se procedează ca la (i).

8.7.8. Determinaţi unghiul dintre vectorii f1 , f2 ∈ R3 dacă:

(i) f1 = [1, 0, 2]t , f2 = [−1, 1, 1]t ; (ii) f1 = [10, 5, 1]t , f2 = [−1, 0, 10]t .
hf1 , f2 i
Indicaţie. În ambele cazuri m(f[
1 , f2 ) = arccos , unde
kf1 k · kf2 k
p
kf k = hf, f i.
8.7.9. Să se completeze sistemul de vectori de mai jos la o bază ortonormată

a lui R3 :
2 2 t 1 t

11 2 −14
f1 = − , − , , f2 = − , ,− .
15 15 3 15 15 3
Indicaţie. Cum f1 ⊥ f2 , se determină x = [x1 , x2 , x3 ]t ortogonal pe f1 şi

f2 .
8.7.10. În R6 cu produsul scalar canonic, se consideră subspaţiul:

U = {x = [x1 , x2 , x3 , x4 , x5 , x6 ]t | x1 − x4 + x6 = 0, x1 − x3 + x5 = 0,
x1 − x2 + x5 − x6 = 0, x2 − x3 + x6 = 0, x1 − x4 + x5 = 0}.
Să se determine complementul ortogonal U ⊥ şi să se verifice egalitatea
U ⊕ U ⊥ = R6 .
Indicaţie. Se obţine
U ⊥ = {y ∈ R6 | y = [a, −a−b−c, b, c, a, d]t , a, b, c, d ∈ R} = span{u1 , u2 , u3 , u4 },
unde u1 = [1, −1, 0, 0, 1, 0]t , u2 = [0, −1, 1, 0, 0, 0]t , u3 = [0, −1, 0, 1, 0, 0]t ,
u4 = [0, 0, 0, 0, 0, 1]t .
8.8 Aplicaţii (transformări, operatori) liniare

8.8.1. Cercetaţi care din funcţiile de mai jos sunt transformări (operatori )
liniare şi, ı̂n cazurile afirmative, să se determine nucleul, imaginea şi ma-
tricea ı̂n raport cu baza canonică a spaţiilor respective:
(i) f : R3 → R3 , f (x) = [a1 , a2 , a3 ]t , ∀ x = [x1 , x2 , x3 ]t ∈ R3 , unde
a = [a1 , a2 , a3 ]t 6= [0, 0, 0]t ;
(ii) f : R2 → R2 , f (x) = [x1 , −x2 ]t , ∀ x = [x1 , x2 ]t ∈ R2 ;
(iii) f : Rn → Rn , f (x) = [x1 , x1 + x2 , . . . , x1 + x2 + · · · + xn ]t ,
∀ x = [x1 , x2 , . . . , xn ]t ∈ Rn ,
(iv) f : Rn → Rn , f (x) = [xn , xn−1 , . . . , x2 , x1 + α]t ,

∀ x = [x1 , x2 , . . . , xn ]t ∈ Rn , unde α 6= 0;
(v) f : Rn [X] → Rn [X], f (p) = q, q(x) = p(−x), ∀ x ∈ R;
(vi) f : Rn [X] → Rn [X], f (p) = q, q(x) = p(x + 1) − p(x), ∀ x ∈ R;
(vii) f : M2 (R) → M2 (R), f (A) = At , ∀ A = (aij ) ∈ M2 (R).
Indicaţie. (i) Deoarece f (0) = a 6= [0, 0, 0]t , f nu este liniară.

1 0
(ii) f este liniară; Kerf = {0}; Imf = R2 ; MB (f ) = .
0 −1
(iii) f nu este liniară.
(iv) f (x + y) 6= f (x) + f (y), deci f nu este liniară.
(v) f este liniară; Kerf = {0}; Imf = Rn [X] iar matricea lui f ı̂n baza
canonică a lui Rn [X] este
 
1 0 0 ... 0
 0 −1 0 . . . 0 
 
MB (f ) = 
 0 0 1 . . . 0 .
. . . . . . . . . . . . ... 
0 0 0 . . . (−1)n
(vi) f este liniară, Ker f = {p ∈ Rn [X] | p = k, k ∈ R}, Imf = Rn−1 [X],

iar matricea lui f ı̂n baza canonică a lui Rn [X] este
0 C10 C20 . . . Cn0

 
0 0 C21 . . . Cn1 
C32 . . . Cn2 
 
0 0
MB (f ) = 
. . . . . .
.
 ... ... ...  
0 0 0 . . . Cnn−1 
0 0 0 ... 0
(vii) f este liniară, Kerf = {0}, Imf = M2 (R), iar matricea lui f ı̂n
baza canonică a lui M2 (R) este
 
1 0 0 0
0 0 1 0
MB (f ) = 
0
.
1 0 0
0 0 0 1
8.8.2. Care din aplicaţiile de mai jos sunt transformări liniare:

(i) f : R2 → R2 , f (x) = [x1 , x1 − x2 ]t , ∀ x = [x1 , x2 ]t ∈ R2 ;
(ii) f : R2 → R2 , f (x) = [x2 , x1 x2 ]t , ∀ x = [x1 , x2 ]t ∈ R2 ;
(iii) f : R3 → R3 , f (x) = [x2 , x1 − x3 , x3 ]t , ∀ x = [x1 , x2 , x3 ]t ∈ R3 ;
(iv) f : R3 → R3 , f (x) = [2x3 +x1 , 2x1 x3 , x1 −x2 ]t , ∀ x = [x1 , x2 , x3 ]t ∈ R3 ;
(v) f : R3 → R3 , f (x) = [2x3 +x1 , 2x1 x3 , x1 −x2 ]t , ∀ x = [x1 , x2 , x3 ] ∈ R3 .
Indicaţie. (i) f este liniară; (ii) f (x + y) 6= f (x) + f (y), deci f nu este

liniară; (iii) f (0) 6= 0, deci f nu este liniară; (iv) f (x + y) 6= f (x) + f (y),
deci f nu este liniară; (v) f (x + y) 6= f (x) + f (y), deci f nu este liniară.
8.8.3. Fie f : R3 → R3 un endomorfism astfel ı̂ncât f ([1, 0, 0]t ) = [3, 1, 0]t ,

f ([0, 0, 1]t ) = [1, 2, 0]t şi Kerf = {[λ, λ, λ]t | λ ∈ R}. Să se determine Imf şi
o bază ı̂n Imf .
Indicaţie. Imf = {y = [y1 y2 y3 ]t | y1 = 3x1 − 4x2 + x3 , y2 = x1 − 3x2 +

2x3 , y3 = 0}; dim Imf = 2.
8.8.4. Fie {e1 , e2 , e3 } baza canonică a lui R3 şi endomorfismul f : R3 → R3

astfel ı̂ncât f (e1 ) = 2e2 +3e3 , f (e2 ) = 2e1 −5e2 −8e3 , f (e3 ) = −e1 +4e2 +6e3 .
Să se expliciteze f , ϕ = 1 − f , ψ = f 2 + 1 (unde 1 este aplicaţie identică a
lui R3 ) şi să se arate că R3 = Kerϕ + Kerψ.
Indicaţie. f (x) = [2x2 − x3 , 2x1 − 5x2 + 4x3 , 3x1 − 8x2 + 6x3 ]t ,

∀ x = [x1 x2 x3 ]t ∈ R3 , etc.
8.8.5. Fie f : R4 → R3 , f (x) = [x1 + x2 + x3 , x2 − x1 , x3 − x4 ]t ,

∀ x = [x1 , x2 , x3 , x4 ]t ∈ R4 . Determinaţi rang f şi def f .
Indicaţie. rang f = 1, def f = 3.
8.8.6. Să se scrie matricele transformării liniare f : R3 → R3 ,

f (x) = [x1 − x2 + x3 , x2 + x3 , x1 − x3 ]t , ∀ x = [x1 , x2 , x3 ]t relativ la baza
canonică şi relativ la baza B1 = {f1 = [1, 1, 1]t , f2 = [0, 1, 1]t , f3 = [0, 0, 1]t }.
Indicaţie. Fie E = {e1 = [1, 0, 0]t , e2 = [0,1, 0]t , e3 = [0, 0, 1]t } baza
1 −1 1
canonică a lui R3 . Atunci: ME (f ) = 0 1 1 .
1 0 1
 
1 0 0
Notând C = 1 1 0, matricea de trecere de la E la B1 se obţine:
1 1 1
MB1 (f ) = C −1 · ME (f ) · C.
8.8.7. Fie f : R3 → R3 , f (x) = [x1 − x2 + x3 , x2 , x2 ], ∀ x = [x1 , x2 , x3 ]t ∈ R3 .

Să se arate că f ◦ f = f şi că R3 = Im f ⊕ Im (1 − f ) unde 1 este aplicaţia
identică a lui R3 .
Indicaţie. Fie E = {e1 , e2 , e3 } baza canonică a lui R3 . Atunci:

 
1 −1 1
ME (f ) = 0 1 0 .
0 1 0
Cum ME2 (f ) = ME (f ) ⇒ f ◦ f = f ; Im f = {α(1, 0, 0)t +β(0, 1, 1)t | α, β ∈ R};

Im(1 − f ) = {s(1, 0, −1)t | s ∈ R}. Este clar că Im f ∩ Im (1 − f ) = {0}
şi ∀ x = [x1 , x2 , x3 ]t ∈ R3 există m, n, p ∈ R astfel ı̂ncât x = m[1, 0, 0]t +
n[0, 1, 1]t + p[1, 0, −1]t .
8.8.8. Fie V = Rn [X] iar a, b ∈ R. Se defineşte aplicaţia f : V → V ,

f (p)(X) = p(aX + b), ∀ p ∈ Rn [X], ∀ x ∈ R.
(i) Arătaţi că f e un operator liniar şi determinaţi matricea lui ı̂n baza
canonică a lui Rn [x].
(ii) Determinaţi condiţia ce o satisfac a, b ∈ R, astfel ca f să fie un
izomorfism.
Indicaţie. (i) Dacă B = {1, X, . . . , X n } e baza canonică a lui Rn [X],

atunci:
b2 bn
 
1 b ...
0
 a C21 ab . . . Cn1 abn−1  
0
MB (f ) =  0 C22 a2 . . . Cn2 a2 bn−2 
.
. . . . . . . . . . . . ... 
0 0 0 ... Cnn an
(ii) f este injectivă ⇔ a 6= 0, b ∈ R; f e surjectivă din definiţie.

8.8.9. Dacă f1 , f2 ∈ L(R3 , R3 ) sunt date prin matricele:

   
3 1 0 −1 4 2
T1 = 0 2
 1 , T2 =  0 4 1
1 2 3 0 0 5
ı̂n raport cu baza canonică a lui R3 , să se determine:

(i) imaginea lui x = [0, 1, −1]t prin f1 , f1−1 , f2 , f2−1 ;
(ii) imaginea lui y = [1, 3, −2]t prin f1 + f2 , (f1 + f2 )−1 ;
(iii) imaginea lui z = [1, 2, 0] prin f1 f2 şi f2 f1 .
Indicaţie. (i) f1 (x) = [1, 1, −1]t , f2 (x) = [2, 3, −5]t ,

4 12 − 11 t 4 3 −1 t

−1 −1
f1 (x) = − , , , f2 (x) = , , ;
13 13 13 5 10 5
30 36 27 t

(ii) (f1 + f2 )(y) = [13, 14, −9]t ; (f1 + f2 )−1 (y) = − , , ;
43 43 86
(iii) (f1 , f2 )(z) = [29, 16, 23]t ; (f2 f1 )(z) = [21, 21, 25]t .
8.8.10. Fie f1 , f2 ∈ L(R3 [X], R3 [X]) două transformări liniare definite prin:
f1 (a0 + a1 X + a2 X 2 + a3 X 3 ) = a0 + a1 X + a2 X 2
şi
f2 (X 2 + X 3 ) = X + X 3 , f2 (X + X 3 ) = 1 + X 3 ,
f2 (1 + X 2 ) = 1 + X + X 2 + X 3 , f2 (1 + X + X 2 + X 3 ) = 0.
Să se găsească matricele transformărilor f1 · f2 , respectiv f2 · f1 ı̂n raport cu
baza canonică a lui R3 [X], unde f1 f2 este compunerea transformărilor f1 şi
f2 .
Indicaţie. Fie E = {1, x, x2 , x3 } baza canonică a lui R3 [X].

 
  0 0 −1 0
0 0 −1 1  0 −1 0 0
 0 −1 0 1   
   1 1 1 
ME (f1 f2 ) = 
 1 − 1 − 1 1 , ME (f2 f1 ) = 
 
− − 0 .

 2 2 2 
2 2 2 2
 
 1 1 1 
0 0 0 0 − − − 0
2 2 2
8.8.11. Fie f1 , f2 ∈ L(R4 , R4 ) aplicaţiile liniare definite respectiv prin:
f1 (x) = [x4 , x2 , x3 , x1 ]t , ∀ x = [x1 , x2 , x3 , x4 ]t ∈ R4

f2 (x) = [x1 + x2 + x2 + x3 + x4 , 0, 0, 0]t , ∀ x = [x1 , x2 , x3 , x4 ]t ∈ R4 .
(i) Determinaţi Ker(f1 + f2 ) şi Im(f1 + f2 ).

(ii) Găsiţi matricea lui f1 + f2 ı̂n baza canonică a lui R4 .
(iii) Găsiţi matricea lui f1 f2 ı̂n aceeaşi bază.
(iv) Explicitaţi matricele transformărilor f1 +f2 şi f1 f2 ı̂n raport cu baza
t t t t

B = [1, −1, 2, 3] , [2, 1, 1, 0] , [3, −2, 0, 0] , f4 = [4, 0, 0, 0] .
Indicaţie. (i) Ker(f1 +f2 ) = {[0, 0,0, 0]t }, Im(f1 + f2 ) = R4 ;

1 1 1 2
0 1 0 0
(ii) ME (f1 + f2 ) = 0 0 1 0, unde

1 0 0 0
E = [1, 0, 0, 0]t , [0, 1, 0, 0]t , [0, 0, 1, 0]t , [0, 0, 0, 1]t

este baza canonică a lui R4 ; 

0 0 0 0
0 0 0 0
0 0 0 0;
(iii) ME (f1 f2 ) =  
1 1 1 1
 
1 2 3 4
−1 1 −2 0
(iv) Fie C =   2 1 0 0 matricea de trecere de la E la B.

3 0 0 0
Atunci:
 
1/3 2/3 1 4/3
4/3 −1/3 −2 −8/3
MB (f1 + f2 ) = C −1 · ME (f1 + f2 ) · C =  .
 1 −1 −1/2 −2 
1/2 7/14 11/8 7/2
 
5/3 4/3 1/3 4/3
−10/3 −8/3 −2/3 −8/3
MB (f1 f2 ) = C −1 · ME (f1 f2 ) · C =   −5/2
.
−2 −1/2 −2 
25/8 5/2 5/8 5/2
8.8.12. Fie E = [1, 0, 0]t , [0, 1, 0]t , [0, 0, 1]t baza canonică a lui R3 .

Transformarea liniară T ∈ L(R3 , R3 ) are proprietăţile:

T ([0, 0, 1]t ) = [3, 5, −2]t , T ([0, 1, 1]t ) = [0, 1, 0]t , T ([1, 1, 1]t ) = [−1, 0, 1]t .
Care este matricea lui T ı̂n baza E?
Dar ı̂n baza F = {[0, 0, 1]t , [0, 1, 1]t , [1, 1, 1]t }?
   
−1 −3 3 −7 −1 1
Indicaţie. ME (T ) = −1 −4 5  ; MF (T ) =  2 1 1 .
1 2 −3 3 0 −1
8.8.13. Fie E = {e1 , e2 , e3 , e4 } baza canonică a lui R4 . Transformarea

liniară T ∈ L(R4 , R4 ) are ı̂n baza E matricea
 
1 2 3 2
−1 0 3 1
ME (T ) =  .
2 1 5 −1
1 1 2 2
Care este matricea acestei transformări ı̂n bazele:

(i) B1 = {e1 , e3 , e2 , e4 };
(ii) B2 = {e1 , e1 + e2 , e1 − e2 + e3 , e1 + e2 − e3 − e4 }.
Indicaţie.    
1 3 2 2 0 2 −8 −1
2 5 1 −1
; (ii) MB (T ) =  1
 2 8 6
(i) MB1 (T ) = 
−1 2
.
3 0 1   1 1 4 1
1 2 1 2 −1 −2 −2 2
8.8.14. Fie E baza canonică a lui M2 (R), iar

F = [−1, 1, 1]t , [−1, −1, 1]t , [−1, −1, −1]t o bază a lui R3 .
(i) Dacă T : M2 (R) → R3 este un operator liniar care ı̂n perechea de
baze (E, F ) are matricea:
 
1 0 1 1
M(E,F ) (T ) = 0 1 1 1 ,
1 1 0 1

1 2
care este imaginea vectorului X = prin operatorul T ?
2 1
(ii) Găsiţi matricea operatorului, dacă se trece de la perechea de baze
(E, F ) la perechea (E, H), unde
H = [1, 3, 1]t , [−1, 1, 3]t , [−3, −1, 1]t .

Indicaţie. (i) [x]E = [1 2 2 1]t ⇒ [y]F = M(E,F ) (T )[1, 2, 2, 1]t = [3, 5, 4]t .
 
−1 1 1
(ii) M(E,H) (T ) = B −1 ·M(E,F ) (T ) unde B = −1 1 1 este matricea
−1 −1 1
de trecere de la baza F labaza H. 
1 1 −1 0 0
Se obţine M(E,H) (T ) = −1 0 1 0.
2
2 1 1 2
8.8.15. Se dau spaţiile vectoriale R3 , R2 şi M2 (R) raportate la bazele cano-

nice. Dacă transformările liniare f : R3 → M2 (R), g : M2 (R) → R2 au
respectiv matricele
 
  1 0
1 0 0 1 0 1
M t (f ) = 0 1 −1 0 , M t (g) =  −1 0  ,

0 1 1 1
0 −1
să se găsească:
(i) imaginea vectorului x = [0, 1, 1]t ∈ R3 prin g ◦ f ;
(ii) coordonatele vectorului f (x) ı̂n baza

0 1 0 1 1 1 1 1 1
E = , , , ;
0 0 0 0 1 0 1 1
(iii) matricea transformării f ı̂n cazul ı̂n care spaţiul M2 (R) e raportat
la baza E 0 ;
(iv) coordonatele vectorului (g ◦ f )(x) ı̂n baza {[1, 0]t , [1, 1]t } a lui R2 .
Indicaţie. (i) [y] = (g ◦ f )(x) t t t
=M (g)M (f )[x] = [0, 1] ;
0 2
(ii) [f (x)] = M t (f )[x] = ;
0 1
 
1 0 0 0
 1 1 0 0 0
(iii) B t = 
1 1 1 0 este matricea de trecere de la E la E .

1 1 1 1
t
Dacă ME 0 (f ) este matricea căutată, avem:
MEt 0 (f ) = B −1 · MEt (f ).
(iv) [x0 ] = [(g ◦ f )(x)] = [−1, 1]t .
8.8.16. Fie Kn [X] spaţiul polinoamelor de grad ≤ n. Să se arate că opera-
torul de derivare D : Kn [X] → Kn−1 [X] este o transformare liniară. Să se
găsească matricea acestei transformări ı̂n perechile de baze:
(i) E = {1, X,. . . , X n } şi F = {1, X, . . . , X n−1 ];
(ii) E şi B = 1, X − a, (X − a)2 , . . . , (X − a)n .

Indicaţie.
(i) Avem: D(1) = 0, D(X) = 1, D(X 2 ) = 2x, . . . , D(X n ) = nX n−1 .
Atunci  
0 0 ... 0
1 0 ... 0 
 
M(E,F ) (D) =  0
 2 ... 0  .
. . . . . . . . . . . .
0 0 ... n
(ii) Din egalităţile
2X = 2a + 2(X − a)
3X 2 = 3[a + (X − a)]2 = 3a2 + 6a(X − a) + 3(X − a)2
· · · · · · · · · · · · · · · ·
n−1
nX n−1 = n[a+(X−a)]n−1 = nan−1 +nCn−1
1
an−2 (X−a)+ ...+nCn−1 (X−a)n−1
se obţine
 
0 0 ... 0 0
 1 0 ... 0 0 
 
 2a 2 ... 0 0 
M(E,B) (D) = 
 3a2
.
 6a ... 0 0  
 ... ... ... ... ... 
n−2 n−1
nan−1 nCn−1
1 an−2 . . . naCn−1 nCn−1
8.8.17. Fie R4 [X] spaţiul polinoamelor de grad ≤ 4 şi funcţia
T : R4 [X] → R4 [X] T (f )(X) = x2 f 00 (x) − 6f 0 (X) + 12f (X).
Să se arate că f este endomorfism, să se determine KerT şi Im T .
Indicaţie. Liniaritatea e evidentă. Matricea lui T ı̂n baza canonică

E = {1, X, X 2 , X 3 , X 4 } a lui R4 [X] este:
 
12 0 0 0 0
0 6 0 0 0
 
0
ME (T ) =  0 2 0 0.
0 0 0 0 0
0 0 0 0 0
Im T = R2 [X], KerT = f = aX 3 + bX 4 | a, b ∈ R .

8.8.18. Se consideră endomorfismul T : R3 → R3
T (x) = [x1 + 2x2 − x3 , −x2 − x3 , 2x3 ], ∀ x = [x1 , x2 , x3 ]t ∈ R3 .
(i) Să se găsească matricea lui T ı̂n baza canonică

E = {[1, 0, 0]t , [0, 1, 0]t , [0, 0, 1]t } a lui R3 .
(ii) Să se găsească valorile proprii şi vectorii proprii.
(iii) Să se diagonalizeze dacă este posibil.
 
1 2 1
Indicaţie. (i) ME (T ) = 0 −1 −1; (ii) λ1 = 1, λ2 = −1, λ3 = 2;
0 0 2
Xλ1 = a[1, 0, 0] | a ∈ R ; Xλ2 = b[1, −1, 0]t | b ∈ R∗ ;
t

Xλ3 = c[1, −1, 3]t | c ∈ R∗ .

(ii) În baza B = [1, 0, 0]t , [1, −1, 0]t , [1, −1, 3]t , matricea lui T are

expresia diagonală  
1 0 0
DB (T ) = 0 −1 0 .
0 0 2
8.9 Forme biliniare şi forme pătratice

8.9.1. Fie Rn [x] spaţiul vectorial al polinoamelor de grad cel mult n cu
coeficienţi reali. Arătaţi că aplicaţia Z
1
B : Rn [x] × Rn [x] → R, B(f, g) = f (x)g(x)dx
0
este o funcţie biliniară. Găsiţi matricea ei ı̂n bazele E = {1, x, . . . , xn },
respectiv F = {1, x − a, . . . , (x − a)n }.
Indicaţie. Biliniaritatea este imediată:

1
B(ti , tj ) = = B(tj , ti ), ∀ i = 1, n, ∀ j = 1, n.
i + j + 1 
1 1
 1 2
...
n+1
 
 1 1 1 
ME (B) = 
 ... 
.
 3 2 n + 2 
 ... ... ... ... 
 
 1 1 1 
...
n+1 n+2 2n + 1
t
MF (B) = C · ME (B) · C, unde
 
1 0 0 ... 0
 −a 1 0 ... 0 
t
 2 
C = a  2a 1 ... 0  
 ... ... ... . . . . . .
(−a)n Cn1 (−a)n−1 Cn2 (−a)n−2 . . . 1
este matricea de trecere de la baza E la baza F .
8.9.2. Fie forma biliniară F : R3 ×R3 → R, F (x, y) = 2x1 y1 +3x1 y2 −x1 y3 +

x2 y2 + 3x2 y3 − x3 y2 + 2x3 y3 , ∀ x = [x1 , x2 , x3 ]t , ∀ y = [y1 , y2 , y3 ]t ∈ R3 .
(i) Determinaţi matricea formei ı̂n baza canonică
E = {[1, 0, 0]t , [0, 1, 0]t , [0, 0, 1]t } a lui R3 .

(ii) Determinaţi matricea formei ı̂n baza B = {[1, 1, 1]t , [1, 1, 0]t , [1, 0, 0]t }.
 
2 3 −1
Indicaţie. (i) ME (F ) =  0 1 3 .
−1 0 2
 
1 1 1
(ii) FIe C = 1 1 0 matricea de trecere de la E la B.
1 0 0
 
9 5 2
Atunci MB (F ) = C t · A · C = 8 6 2.
4 5 2
8.9.3. Fie F : R3 × R3 → R, F (x, y) = x1 y1 + x2 y2 − x3 y3 ı̂n raport cu baza

anonică a lui R3 .
(i) Să se arate că F este o formă biliniară simetrică.
(ii) Să se găsească
forma pătratică asociată.
(iii) Dacă U = x = [x1 , x2 , x3 ] ∈ R3 | x2 − x3 = 0 , să se găsească ran-
t

gul restricţiei formei la subspaţiul U .

(iv) Să se găsească U ⊥ = {y ∈ R | F (x, y) = 0, ∀ x ∈ U }, numit comple-
mentul ortogonal al lui U ı̂n raport cu forma biliniară F .
Indicaţie. (i) Se verifică egalitatea F (x, y) = F (y, x), ∀ x, y ∈ R3 , care

arată că F este simetrică; biliniaritatea se verifică direct.
(ii) f (x) = F (x, x) = x21 + x22 − x23 , ∀ x = [x1 , x2 , x3 ]t ∈ R3 .
(iii) Matricea formei ı̂n raport cu baza canonică E a lui R3 este:
 
1 0 0
ME (F ) = 0 1 0  .
0 0 −1
Restricţia lui f la U este f U (x01 , x02 , x03 ) = x02

1 , unde s-au făcut schimbările
0 0 0
de coordonate x1 = x1 , x2 = x2 , x3 = x2 − x3 , rangf U = 1.
(iv) U ⊥ = {a(0, 1, 1) | a ∈ R}.
8.9.4. Să se găsească forma biliniară corespunzătoare şi matricea ataşată,

când sunt date formele pătratice f : Rn → Rn corespunzătoare, ı̂n cazurile:
(i) f (x) = −3x21 (n = 1); (ii) f (x) = −18x1 x2 + 9x22 (n = 2);
(iii) f (x) = x21 + 4x1 x2 + 4x1 x3 + 5x22 + 12x2 x3 + 7x23 (n = 3);
(iv) f (x) = 2x21 − 6x1 x2 − 3x22 (n = 3).
Indicaţie. (i) F (x, y) = −3x1 y1 , ME (F ) = [−3];


0 −9
(ii) F (x, y) = 9(−x1 y2 − x2 y1 + x2 y2 ), ME (F ) = ;
−9 9
(iii) F (x, y) = x1 y1 + 2x1 y2 + 2x2 y1 + 2x
1 y3 + 2x3
y1 + 5x2 y2 + 6x2 y3
1 2 2
+6x3 y2 + 7x3 y3 , ME (F ) = 2 5 6.
2 6 7
 
2 −3 0
(iv) F (x, y) = 2x1 y1 − 3x1 y2 − 3x2 y1 − 3x2 y2 , ME (F ) = −3 −3 0.
0 0 0
8.9.5. Formele pătratice f : Rn → R sunt date ı̂n baza canonică a lui Rn .
Să se scrie corect aceste forme ı̂n baza B 0 = {e01 , . . . , e0n } ı̂n cazurile:
(i) f (x) = 25x21 − 14x1 x2 + 2x22 , e01 = e1 + e2 , e02 = −e1 + e2 (n = 2);
(ii) f (x) = 3x21 + 10x1 x2 + 9x22 , e01 = 2e1 − e2 , e02 = e1 − e2 (n = 2);
(iii) f (x) = x31 + 4x1 x2 + 4x1 x3 − x23 , e01 = e1 + e2 + e3 , e02 = 2e1 − e2 + e3 ,
e03 = −e1 + 2e2 − 3e3 (n = 3).
Indicaţie. (i) f (x) = 13x02 0 0 02 02 02

1 − 46x1 x2 + 41x2 ; (ii) f (x) = x1 + 2x2 ;
(iii) f (x) = 8x02 0 0 0 0 02 0 0 02
1 − 18x1 x2 − 8x1 x3 + 3x2 − 6x2 x3 − 4x3 .
8.9.6. Fie matricea

 
3 0 1 1
0 −5 0 0
1 0 0 0 ∈ M4 (R).
A= 
1 0 0 0
(i) Să se scrie forma pătratică f : R4 → R, care are pe A ca matrice

asociată ı̂n baza canonică a lui R4 .
(ii) Să se reducă la forma canonică prin metoda lui Gauss.
(iii) Să se precizeze signatura formei.
Indicaţie. (i) Fie x = [x1 , x2 , x3 , x4 ]t ⇒
f (x) = xt Ax = 3x21 − 5x22 − 2x1 x2 + 2x1 x4 .
Deoarece rang A = 3, forma pătratică e degenerată.

1 02
(ii) f (x) = 3x02 02
1 − 5x2 − x3 + 0 · x4 .
02
3
(iii) Signatura formei este (1, 2), căci expresia ei canonică are un termen
pozitiv, doi negativi şi unul nul.
8.9.7. Se dă forma pătratică f : R4 → R, f (x) = 2x1 x2 − 6x1 x3 − 6x2 x4 +

2x3 x4 ı̂n baza canonică a lui R4 .
(i) Să se scrie matriceal şi să se deducă rangul formei.

(ii) Să se găsească expresia canonică folosind metoda lui Gauss şi să se
determine matricea de trecere la baza ı̂n care f are expresia canonică găsită.
 
0 1 −3 0
0 0 0 −3
Indicaţie. (i) Fie x = [x1 x2 x3 x4 ]t ⇒ f (x) = xt  0 0 0
 x.
1
0 0 0 0
Matricea formei ı̂n baza canonică a lui R4 este deci
 
0 1 −3 0
0 0 0 −3
ME (f ) = 0 0 0
.
1
0 0 0 0
(ii) x1 = y1 − y2 , x2 = y1 + y2 , x3 = y3 , x4 = y4 ⇒
f (x) = 2y12 − 2y22 − 6y1 y3 − 6y1 y4 + 6y2 y3 + 2y3 y4
1 9 9
= (2y1 −3y3 −3y4 )2 −2y22 − y32 − y42 + 6y2 y3 −6y2 y4 −7y3 y4 .
2 2 2
Prin schimbarea:
z1 = 2y1 − 3y3 − 3y4 , z2 = y2 , z3 = y3 , z4 = y4
se obţine
1 9 9
f (x) = z12 − 2z22 − z32 − z42 − 6z2 z3 − 6z2 z4 − 7z3 z4 .
2 2 2
Se grupează termenii ı̂n z2 şi se obţine:
1 1
f (x) = z12 − (−2z2 + 3z3 − 3z4 )2 − 16z3 z4 .
2 2
Se face acum schimbarea:
v1 = z1 , v2 = −2z2 + 3z3 − 3z4 , v3 = z3 , v4 = z4 ,
1 1
rezultă f (x) = v12 − v22 − 16v3 v4 .
2 2
Notând acum: v1 = u1 , v2 = u2 , v3 = u3 − u4 , v4 = u4 − u4 , se obţine
1 1
expresia canonică a formei f (x) = u21 − u22 − 16u23 + 16u24 .
2 2
S-au efectuat transformările liniare:
ζ1 ζ2 ζ3 ζ4
x −→ y −→ z −→ v −→ u.
Matriceal, transformările precedente se scriu ı̂n forma U = T4 T3 T2 T1 X,
unde S −1 = T4T3 T2 T1 e matricea de trecere.
1/2 1/2 3 3
1/2 −1/2 3 −3
Se obţine S =  , adică B = S t A S.
 0 0 1 −1
0 0 1 1
8.9.8. Fie f : R3 → R, f (x) = 5x21 + 6x22 + 4x23 − 4x1 x2 − 4x1 x3 ı̂n baza
canonică a lui R3 . Să se aducă la expresia canonică utilizând metoda lui
Gauss, metoda lui Jacobi şi respectiv metoda transformărilor ortogonale. Să
se verifice legea inerţiei.
Indicaţie. Medoda Gauss conduce la expresia canonică
1 5 40
f (x) = z12 + z22 + z32 .
5 26 13
Metoda Jacobi conduce la expresia canonică
1 5 13
f (x) = y12 + y22 + y32 .
5 26 40
Metoda transformărilor ortogonale conduce la f (x) = 2x02 02 02
1 + 5x2 + 8x3 .
Toate cele trei expresii canonice obţinute au signatura (3, 0).
8.9.9. Folosind metoda lui Gauss, să se găsească expresiile canonice ale
formelor pătratice de mai jos, precizând signatura lor:
(i) f (x) = x21 + 4x1 x2 + x22 + 2x2 x3 + 4x22 ; f : R3 → R.
(ii) f (x) = x21 + 2x1 x2 + 4x1 x3 + 9x22 + 19x23 ; f : R3 → R.
(iii) f (x) = x1 x2 + x2 x3 + x1 x3 ; f : R3 → R.
Indicaţie. (i) f (x) = x02 02 02
1 + x2 − x3 ; signatura (2, 1).
02 02 02
(ii) f (x) = x1 − x2 − x3 ; signatura (1, 2).
(iii) f (x) = x02 02 02
1 − x2 − x3 ; signatura (1, 2).
8.9.10. Utilizând metoda lui Jacobi, să se găsească expresiile canonice ale
formelor pătratice de mai jos, precum şi baza spaţiului ı̂n care ele au expresia
canonică:
(i) f : R3 → R, f (x) = x21 + 8x22 + x23 + 16x1 x2 + 4x1 x3 + 4x2 x3 ;
(ii) f : R3 → R, f (x) = x21 + 7x22 + x23 − 8x1 x2 − 16x1 x2 − 8x2 x3 .
1 02
Indicaţie. (i) f (x) = x02 1 − x2 + 2x02
3;
56
7 1

0 0 0 0
B = e1 = e1 , e2 = 7e1 − e2 , e3 = − e2 + 2e3 , unde B = {e1 , e2 , e3 }
8 2
este baza canonică a lui R . 3
1 02 1 02
(ii) f (x) = x021 − x2 + x ;
9 81 3
4 1 1 4 1

0 0 0
B = e1 = e1 , e2 = − e1 − e2 , e3 = 0 e1 − e2 + e3 , unde
9 9 27 81 81
B = {e1 , e2 , e3 } este baza canonică a lui R3 .
8.9.11. Folosind metoda transformărilor ortogonale, găsiţi expresiile canon-
ice ale formelor pătratice de mai jos, precizând baza spaţiului ı̂n care se obţin
acestea:
(i) f : R3 → R, f (x) = 3x21 + 6x22 + 3x23 − 4x1 x2 − 8x1 x3 − 4x2 x3 ;

(ii) f : R3 → R, f (x) = −x21 + x22 − 5x23 + 6x1 x3 + 4x2 x3 .
Indicaţie. (i) f (x) = 7x√02

1 − 2x02 + 7x02 ;
√ t 2 3 √ √ √ t
2 2 2 1 −2 2 t 0 2 2 2

0
B = e1 = 0 , , 0
, e2 = 0, , , e3 = − , ,
2 3 6 3 3 2 3 6
(ii) f (x) = −7x02
1 + 2x 02 ;
2
2 1 −4 t 0 1 2 1 t 3 −2 1 t

0 0
B = e1 = √ , √ , √ , e2 = √ , √ , √ , e03 = √ , √ , √ .
21 21 21 6 6 6 14 14 14
8.9.12. Să se determine valorile parametrului λ ∈ R pentru care formele
pătratice de mai jos sunt pozitiv sau negativ definite:
(i) f : R2 → R, f (x) = λx21 − 4x1 x2 + (λ + 3)x22 ;
(ii) f : R2 → R, f (x) = −9x21 + 6λx1 x2 − x22 ;
(iii) f : R3 → R, f (x) = λx21 + 8x22 + x23 + 16x1 x2 + 4x1 x3 + 4x2 x3 .
Indicaţie. (i) Pentru λ ∈ (−∞, −4) este negativ definită, iar pentru
λ ∈ (1, +∞) este pozitiv definită.
(ii) Pentru λ ∈ (−1, 1) este negativ definită.
(iii) Pentru λ ∈ (8, +∞) este pozitiv definită.
Bibliografie
[1] Ciorănescu, N., Roşculeţ, M., Culegere de prebleme de algebră şi analiză
matematică, Ed. tehnică, Bucureşti, 1959
[2] Corovei, I., Matematici speciale. Elemente de algebră, Lito. Institutul

Politehnic, Cluj-Napoca, 1979
[3] Corovei, I., Pop, V., Probleme de algebră, Ed. Aedel, Cluj-Napoca, 1995
[4] Fadeev, D., Sominski, I., Recueil d’exercices d’algebre superieure, Ed.
MIR, Moscova, 1972
[5] Pop, V., Algebră liniară, Ed. Mediamira, Cluj-Napoca, 2003
[6] Pop, V., Corovei, I., Algebră pentru ingineri, Ed. Mediamira, Cluj-
Napoca, 2003
[7] Pop, V., Algebră liniară şi geometrie analitică, Ed. Mega, Cluj-Napoca,
2012
[8] Purdea, I., Culegere de probleme de algebră, Lito. Univ. Babeş-Bolyai,

Cluj-Napoca, 1978
[9] Radu, C., Drăguşin, C., Drăguşin, L., Aplicaţii de algebră, geometrie şi
matematici speciale, Ed. Didactică şi Pedagogică, Bucureşti, 1991
[10] Udrişte, C., Radu, C., Dicu, C., Mălăncioiu, O., Probleme de algebră,
geometrie şi ecuaţii diferenţiale, Ed. Didactică şi Pedagogică, Bucureşti,
1981
[11] Udrişte, C., Radu, C., Dicu, C., Mălăncioiu, O., Algebră, geometrie şi
ecuaţii diferenţiale, Ed. Didactică şi Pedagogică, Bucureşti, 1982
143

Lectii Algebra Liniara

Uploaded by

Copyright:

Available Formats

Lectii Algebra Liniara

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Lectii Algebra Liniara

Uploaded by

Copyright:

Available Formats

Lecţii de algebră liniară

Dan Bărbosu şi Adina Pop

1 Matrice. Determinanţi. Sisteme de ecuaţii liniare 9

2 Valori şi vectori proprii pentru matrice 27

3 Forma diagonală a unei matrice. Forma canonică Jordan 33

4 Spaţiu vectorial. Subspaţiu. Bază şi dimensiune 41

6 Spaţii vectoriale euclidiene 65

7 Forme biliniare. Forme pătratice 74

8 Probleme pentru seminar şi pregătirea examenului 89

8.7 Produs scalar. Spaţii vectoriale euclidiene.

Baia Mare, noiembrie 2014

1.1 Matrice. Operaţii cu matrice

(ii) Valorile aij (i = 1, m, j = 1, n) se numesc elementele matricei A.

(iv) Mulţimea matricelor de tip m × n cu elemente din K se notează

1.1.3 Definiţie. Matricele A, B ∈ Mm,n (K), A = (aij ) i=1,m , B = (bij ) i=1,m

(1.1.3) aij = bij , (∀) i = 1, m, (∀) j = 1, n.

(1.1.4) cij = aij + bij , (∀) i = 1, m, (∀) j = 1, n.

1.1.5 Observaţii. (i) Adunarea determină pe mulţimea Mm,n (K) o struc-

1.1.6 Definiţie. Fie (K, +, ·) inel (corp), α ∈ K iar A ∈ Mm,n (K),

(1.1.5) α · A = (α · aij ) i=1,m

se numeşte produsul matricei A cu scalarul α.

(1.1.8) A · (B + C) = A · B + A · C (distributivitate faţă de o adunare).

1.1.11 Observaţii. Se verifică uşor următoarele proprietăţi ale operaţiei de

1.1.13 Definiţie. Dacă A = (aij ) i=1,m e o matrice cu elemente complexe

se numeşte adjuncta matricei A.

Ak1 Ak2 . . . Akp

(1.1.11) (C1 C2 . . . Cp ) = A · (B1 B2 . . . Bp ).

Relaţia precedentă arată că Ck = A · Bk , (∀) k = 1, p, care arată că fiecare

Rezultă că Li = Ai · B, ∀ i = 1, m, adică fiecare linie a matricei C este o

se numeşte determinantul matricei A = (aij ) ∈ Mn (K) şi se notează

1.2.5 Definiţie. Fie A ∈ Mn (K), A = (aij ) i=1,n . Determinantul de ordin

se numeşte minorul elementului aij .

(1.2.7) Aij = (−1)i+j ∆ij

se numeşte complementul algebric al elementului aij .

1.2.6 Teoremă. Dacă A = (aij ) ∈ Mn (K), sunt adevărate afirmaţiile de

d = ai1 Aj1 + ai2 Aj2 + · · · + ain Ajn ,

(1.2.9) A∗ = (Aji )i,j=1,n = (Aij )ti,j=1,n

se numeşte matricea reciprocă a matricei A.

1.3 Derivarea matricelor şi determinanţilor

(1.3.2) det A0 (x) 6= (det A(x))0 .

1.4 Inversa unei matrice

Matricea B cu proprietatea precedentă se numeşte inversa matricei A şi se

1.4.2 Teoremă. Fie (K, +, ·) un câmp. Dacă A ∈ Mn (K) este inversabilă,

Demonstraţie. Presupunem că A e inversabilă şi are inversele

1.4.3 Teoremă. Fie (K, +, ·) un câmp. Matricea A ∈ Mn (K) este in-

Demonstraţie. ” ⇒ ” Dacă A este inversabilă, atunci

(1.4.2) GLn (K) = {A ∈ Mn (K) | det A 6= 0}

formează o structură algebrică de grup multiplicativ numit grupul general

(1.4.3) SLn (K) = {A ∈ Mn (K) | det A = 1}

formează o structură algebrică de grup multiplicativ numit grupul special

Se utilizează ı̂n acest caz notaţia A ' B.

În acest caz se utilizează notaţia A ∼ B. E clar că A ∼ B implică A ≈ B.

1.5 Transformări elementare de matrice

1.6 Rangul unei matrice

1.6.3 Definiţie. Liniile L1 , L2 , . . . , Lp ale matricei A ∈ Mm,n (K) se numesc

Folosind definiţia liniar dependentei liniilor (coloanelor) şi definiţia ran-

1.6.5 Teoremă. Fie (K, +, ·) un câmp iar A ∈ Mm,n (K).

1.6.6 Teoremă. Fie (K, +, ·) un câmp, iar A ∈ Mm,n (K).

Demonstraţie. (i) ⇒ (ii).

Dacă A1 = 0, atunci rang A = 1 şi demonstraţia se ı̂ncheie.

unde T r A = a + d este urma matricei A.