Lectii Algebra Liniara
Lectii Algebra Liniara
Lectii Algebra Liniara
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
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.
Autorii
Capitolul 1
Matrice. Determinanţi.
Sisteme de ecuaţii liniare
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
1.1.7 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.
Lecţii de algebră liniară 11
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);
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
(1.1.10) A∗ = (A)t
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
14 Lecţii de algebră liniară
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.
Se demonstrează următoarea
Lecţii de algebră liniară 15
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
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
(1.2.10) A · A∗ = A∗ · A = (det A) · In .
16 Lecţii de algebră liniară
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).
1.3.3 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
(1.4.1) A · B = B · A = In .
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
18 Lecţii de algebră liniară
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
(1.4.4) B = Q · A · P.
(1.4.5) B = P −1 · A · P.
Atunci
a11 a12 a12 a11
0 1
A · Ec = a21 a22 · = a22 a21 .
1 0
a31 a32 a32 a31
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.
1.6.4 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.
Demonstrăm următoarea
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)
(S) A·X =B
B = α 1 A1 + α 2 A2 + · · · + α n An ,
(S) A·X =B
ı̂n care matricea sistemului este inversabilă, este compatibil determinat şi
unica lui soluţie este X = A−1 · B sau
unde
x1 A1 + x2 A2 + · · · + xn An = B.
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.
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 ).
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
(2.1.1) AX = λX.
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
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
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
(2.2.3) fA (x) = 0
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.
(2.3.1) fA (A) = 0.
Lecţii de algebră liniară 31
M M∗ = M∗ M = (det M )In .
Notând
(2.3.7) a0 In + a1 A + · · · + an An = 0
An = −a−1 −1 −1
n a0 In − an a1 A − · · · − an an−1 A
n−1
.
32 Lecţii de algebră liniară
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.
In = −a−1 n
0 (a1 A + · · · + an A ),
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
(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.
3.1.2 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.
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.
36 Lecţii de algebră liniară
(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:
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 .
Lecţii de algebră liniară 39
(3.3.1) f (A) = a0 In + a1 A + · · · + ak Ak
unde aj ∈ C (j = 0, k).
X xk
ex = , ∀ x ∈ R.
k!
k≥0
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
42 Lecţii de algebră liniară
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 .
x = y ⇔ xi = yi , ∀ i = 1, n.
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
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.
Lecţii de algebră liniară 43
K M = {f | f : M → K} ,
(α · f )(x) = α · f (x), ∀ α ∈ K, ∀ x ∈ M
∀ α, β ∈ K, ∀ x, y ∈ W ⇒ αx + βy ∈ W.
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[.
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 ].
V1 + V2 ⊂ span(V1 ∪ V2 ). (∗)
46 Lecţii de algebră liniară
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:
unde
span(V1 ∪ V2 ) ⊂ V1 + V2 . (∗∗)
(4.2.6) U1 ⊕ U2 = V,
(−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.
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.
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
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.
4.3.7 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.
Lecţii de algebră liniară 49
(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,
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
Lecţii de algebră liniară 51
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.
Aplicaţii liniare
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
Dar mulţimea {e1 , . . . , ek } este o bază ı̂n KerT şi atunci (∃) α1 , . . . , αk ∈ K
cu proprietatea că
Se demonstrează următoarea
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 .
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.
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 .
(5.2.4) T (xi ) = λi xi , i = 1, p.
(5.2.5) α1 x1 = 0X ⇒ α1 = 0,
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 .
Lecţii de algebră liniară 59
m
X
(5.3.2) yj = tij xi , ∀ j = 1, n,
i=1
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
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 .
(E 0 ,F 0 )
(5.4.2) [T (e01 ) . . . T (e0m )] = [f10 . . . fn0 ]MT .
unde
0
(5.4.6) P (E ,E) = (αji ) j=1,m
i=1,m
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 .
unde
0 ,F )
(5.4.9) P (F = (βij ) j=1,n
i=1,n
Se demonstrează următoarea
(5.4.15) B = C −1 · A · C.
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
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
(5.4.21) C ·B =A·C
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 ).
Se demonstrează următoarea
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
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
68 Lecţii de algebră liniară
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.
Lecţii de algebră liniară 69
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
(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
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 ⊥.
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
74
Lecţii de algebră liniară 75
Se demonstrează următoarea
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
(E)
arată că F este unic determinată de matricea AF = (aij ) i=1,n .
j=1,n
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 0y2 = x1 y1 +x2 y2 +x3 y3 = F (x, y),
0 0 1 y3
(E)
deci AF este corect scrisă.
Analog
(E)
Corectitudinea scrierii se verifică la fel ca şi ı̂n cazul matricei AF .
78 Lecţii de algebră liniară
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.
7.2.3 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
Lecţii de algebră liniară 79
n X
X n
(7.2.5) f (x1 , . . . , xn ) = aij xi xj
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 .
80 Lecţii de algebră liniară
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
astfel ı̂ncât
n
X
(7.3.7) f (x) = f (x0 ) = bk x02
k.
k=1
(7.3.8) Y ⊥ = {y ∈ X | F (x, y) = 0, ∀ x ∈ Y }
(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:
(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,
sunt nenuli.
Altfel spus, ı̂n orice expresie canonică a lui L (sau f ), numărul termenilor
nenuli este acelaşi, egal cu rang F = rang f .
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:
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
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.
Lecţii de algebră liniară 85
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
f (x) = x1 x2 − 2x1 x3 + x2 x3
conduce la expresia
f (x) = x02 02 0 0 0 0
1 − x2 − x1 x3 − 3x2 x3 .
1 0 2
1 02
f (x) = x1 − x3 − x02
0 0 0
2 − 3x2 x3 − x .
2 4 3
86 Lecţii de algebră liniară
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 .
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
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
ştiind că a ∈ R.
Egalând coeficienţii din cele două exprimări ale lui V (a1 , a2 , . . . , an , x), se
obţin egalităţile:
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.
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)
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 .
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
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.
A −B
det = | det(A + iB)|2 .
B A
102 Lecţii de algebră liniară
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
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
1
(In − En )−1 = In − En .
n−1
Lecţii de algebră liniară 105
−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
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.
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
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
8.4.6. 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
112 Lecţii de algebră liniară
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 ] .
8.4.9. Să se arate că dacă A, B ∈ Mn (C), B este inversabilă, atunci AB şi
BA au aceleaşi valori proprii.
P (λ) = (−1)n det [P −λIn ] = (−1)n λn −p1 λn−1 −p2 λn−2 − · · · −pn−1 λ−pn
X = aλn−1 aλn−2 . . . aλ a , a ∈ R
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.
−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
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
118 Lecţii de algebră liniară
−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 .
Lecţii de algebră liniară 119
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
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 .
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.
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
8.6.9. 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
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.
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
Indicaţie. În fiecare caz se calculează rangul matricei care are coloanele
u1 , u2 , u3 , respectiv u1 , u2 , u3 , u4 .
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].
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 ).
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 }.
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:
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
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
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).
hf1 , f2 i
Indicaţie. În ambele cazuri m(f[
1 , f2 ) = arccos , unde
kf1 k · kf2 k
p
kf k = hf, f i.
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 .
(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
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.
8.8.10. 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 .
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
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 .
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
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 labaza H.
1 1 −1 0 0
Se obţine M(E,H) (T ) = −1 0 1 0.
2
2 1 1 2
Lecţii de algebră liniară 135
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
136 Lecţii de algebră liniară
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
Im T = R2 [X], KerT = f = aX 3 + bX 4 | a, b ∈ R .
expresia diagonală
1 0 0
DB (T ) = 0 −1 0 .
0 0 2
1 0 0 0
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:
142 Lecţii de algebră liniară
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
[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
[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
[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