01.

Spatii vectoriale
Fie dat campul numeric (K, +, ), unde K poate fi multimea numerelor rationale Q, multimea numerelor reale R
sau multimea numerelor complexe C.
Fie date de asemenea multimea nevida V si aplicatia : V V V definita astfel :
v1 , v2 V , (v1, v2 ) =& v1 v2
Aplicatia trebuie aleasa astfel incat (V, ) este un grup Abelian group, adica au loc urmatoarele proprietati :
AG1 : v1 , v2 , v3 V , (v1 v2 ) v3 = v1 (v2 v3 )

(asociativitate)

AG2 : !0 V astfel incat v V , 0 v = v 0 = v

(element neutru)

AG3 : v V , !(v ) V astfel incat v (v ) = (v ) v = 0 (element invers)

AG4 : v1 , v2 V , v1 v2 = v2 v1 (comutativitate)
Fie in plus data aplicatia : K V V definita astfel :
K , v V , ( , v ) = v

Definitie : Multimea V dotata cu aplicatiile si se numeste spatiu vectorial peste K daca au loc urmatoarele
proprietati :
VS1 :
VS2 :
VS3 :
VS4 :

K , v1 , v2 V , (v1 v2 ) = ( v1 ) ( v2 ) (distributivitate I)
, K , v V , ( + ) v = ( v ) ( v ) (distributivitate II)
, K , v V , ( v ) = ( ) v = ( ) v = ( v ) (asociativitate II)
v V , 1 v = v , unde 1 elemental neutru fata de operatia din campul numeric (K, +, )

Spatiul vectorial se noteaza prin (V ,,; K ) . Un element din V ( v V ) se numeste vector, un element
din K ( K )se numeste scalar, operatia se numeste adunarea vectorilor iar operatia se numeste
inmultirea vectorilor cu scalari.
0 V se numeste vectorul nul iar v V se numeste vectorul opus lui v .

x1
Example 1: Spatiul vectorial real R 2 . In acest caz, K = R , V = R 2 si orice vector x R 2 are forma : x = 2 ,
x
1
2
x , x R . Operatiile se definesc astfel :

x1
y1
x1 + y1
,
x = 2 , y = 2 V , v1 v2 =& 2
2
x
y
x + y
x1
x1

.
x = 2 V , K , x =&
2
x

Vom arata ca R 2 ,,; R este un spatiu vectorial aratand ca inegalitatile AG1-AG4 si VS1-VS4 sunt
verificate.

x1
y1
z1
AG1 : Fie trei vectori arbitrary din R 2 : x = 2 , y = 2 , z = 2 . Vom arata ca ( x y ) z = x ( y z ) .
x
y
z
Intr-adevar, calculand separat M 1 = ( x y ) z si M 2 = x ( y z ) , este usor de aratat ca M 1 = M 2 :

 x1 y1 z1 x1 + y1 z1 x1 + y1 + z1
2 = 2

M 1 = 2 2 2 = 2
2
z x + y 2 + z 2 si
x

y
z
x
+
y

1
1
1
1
1
1
1
1
1
x y z x y + z x + y + z
= 2

M 2 = 2 2 2 = 2 2
2
x + y 2 + z 2 . Astfel, M 1 = M 2 si deci AG1 este
y

x
z
x
y
z
+

demonstrata.

x1
0
AG2 : Elementul neutru in R 2 este vectorul 0 = si avem, pentru x = 2 R 2 :
0
x
1
1
1
1
1
x 0 x + 0 x1
0 x 0 + x x

2 = 2

0 x = 2 =
0
=
=
x
si
x

=
2
2
x
x + 0 = x 2 = x astfel AG2 este
0
0 x 0 + x x

demonstrata.
x1
x1
AG3 : Elementul opus vectorului x = 2 R 2 este vectorul x = 2 . Avem :
x
x
x1 x1 x1 x1 0
x1 x1 x1 + x1 0

2 2 = 2

v (v ) = 2 2 = 2
=
=
0
,
(

v
)

v
=
0
2
x x x + x 2 = 0 = 0
x

x
x

x1
y1
AG4 : Fie x = 2 , y = 2 R 2 . Avem :
x
y
x1 y1 x1 + y1 y1 + x1
= 2

v1 v2 = 2 2 = 2
2
y + x 2 = v2 v1
x
y
x
+
y

x1
y1
2
VS1 : Fie un scalar arbitrar K si doi vectori arbitrari : x = 2 , y = 2 R . Avem :
x
y

(
(

)
)

x1 y1
x1 + y1 x1 + y1 x1 + y1
=

2
y2
x 2 + y 2 = x2 + y 2 = x 2 + y 2 =
x

(v1 v2 ) =

x1 y1
x1
y1

= 2 2 = ( v1 ) ( v2 )
2
2

x
y

x1
VS2 : Fie doi scalar arbitrari , K si un vector arbitrar x = 2 R 2 . Avem :
x
x1 ( + ) x1 x1 + x1 x1 x1
=

( + ) x = ( + ) 2 =
2
x 2 + x2 = x2 x2 =

x
(
+
)

1
1

x
x
= 2 2 = ( x ) ( x )

x
x

VS3 :

x1
Fie din nou doi scalar arbitrari , K si un vector arbitrar x = 2 R 2 . Avem :
x

) = x = ( ) x =
) x ( ) x

( ) x x ( x )
x
=
=
=

= ( ) v = ( ) v =
x ( x )
x = ( x )
(
)

(
(

1
1
x1

= x = x

2
x2 x2
x

( x ) =

x1
x1 1 x1 x1
= 2= x
VS4 : x = 2 R 2 , 1 x = 1 2 =
2

x
x 1 x x

02. Dependenta si independenta liniara a unui sistem de vectori

Fie spatiul vectorial (V ,+, ; K ) .
Definitia 1: Un sistem de vectori in V este o submultime S V cu un numar finit de vectori :
S = {v1, v2 ,...vm } =& {vi }m
Definitia 2: Un vector v V este o combinatie liniara de vectori ai sistemului S = {vi }m daca :
(1)
v = 1 v1 + 2 v2 + ... + m vm , i K , i = 1,..., m
Remarca: Daca i = 0, i = 1,..., m avem o combinatie liniara triviala si v = 0 .
Definitia 2: Sistemul finit de vectori S = {vi }m V se numeste liniar dependent daca exista scalarii
m

1 , 2 ,..., m K astfel incat combinatia liniara 1 v1 + 2 v2 + ... + m vm =& i vi reprezinta vectorul nul al
i =1

spatiului:
(2)
1 v1 + 2 v2 + ... + m vm = 0 ,
unde cel putin unul dintre scalari este nenul ( k 0 ).
In cazul in care (2) este adevarata numai daca toti scalarii i sunt nuli ( 1 = 2 = ... = m = 0 ), sistemul
se numeste liniar independent.
Propozitie : In spatiul vectorial (V ,+, ; K ) consideram doua sisteme de vectori X , Y V . Urmatoarele
afirmatii sunt adevarate:
1) Daca X este liniar independent si Y X , atunci Y este de asemenea liniar independent.
2) Daca X este liniar dependent si X Y , atunci Y este de asemenea liniar dependent.
3) X = {v } este liniar independent daca v 0 . X = 0 este liniar dependent.
4) Daca {0} Y , atunci Y este liniar dependent.

{}

1
1
1
Exemplu : Fie spatiul vectorial R 2 ,+, ; R si vectorii x = , y = , z = R 2 .
2
1
1
Vom studia dependenta liniara a sistemelor S1 = {x , y} si S2 = {x , y , z }.
Pentru a studia dependenta liniara a sistemului S = {v1 , v2 ,...vm } vom scrie combinatia liniara (2) :

1 v1 + 2 v2 + ... + m vm = 0 . Daca din (2) va rezulta ca toti scalarii 1 , 2 ,..., m trebuie sa fie neaparat nuli,
atunci sistemul va fi liniar independent, iar in caz contrar va fi liniar dependent.

 1 1
1
1 0 1 2 0 1 2 0
+
=
= .
Pentru S1 = , avem : 1 + 2 =
2
1 0 2 1 2 0 2 1 + 2 0
2 1
2 = 0
Aceasta ultima relatie este echivalenta cu sistemul algebric de ecuatii: 1
, cu solutiile 1 = 2 = 0 .
2 1 + 2 = 0
Cum combinatia liniara nula ne-a condus la scalari nuli, sistemul S1 este liniar independent.
1 1 1
Pentru S2 = , , avem:
2 1 1
1
1
1 0 0 + 3 0
= .
1 + 2 + 3 = 1 + 2 + 3 = 1 2
2
1
1 0 2 1 2 3 0 2 1 + 2 + 3 0
1 2 + 3 = 0
Obtinem sistemul de ecuatii
. Acest sistem are o infinitate de solutii:
2 1 + 2 + 3 = 0
1
3
1 = k , 1 = k , 3 = k , k R . Asadar, in mod evident, nu rezulta ca scalarii trebuie sa fie neaparat nuli,
2
2
ceea ce inseamna ca sistemul S2 este liniar dependent.

03. Descompunerea unui vector

Fie spatiul vectorial (V ,+, ; K ) si un sistem liniar dependent de vectori din V, S = {vi }m . Aceasta inseamna ca in
combinatia liniara nula
(1)
1 v1 + 2 v2 + ... + m vm = 0
nu toti scalarii sunt nuli si deci cel putin unul dintre ei este nenul. Fie deci m 0 (daca alt scalar decat m este
cel nenul, operatiile ce urmeaza pot fi facute prin rearanjarea ordinii termenilor).
1
(care exista deoarece m 0 ) si obtinem :
Multiplicam ambii membri ai relatiei (1) cu

v1 2 v2 ... 1 vm 1 + vm = 0 , sau, echivalen :

m
m
m 1

(2)
vm = 1 v1 + 2 v2 + ... + 1 vm 1
m
m
m 1

Definitie : Relatia (2) se numeste descompunerea vectorului vm in raport cu ceilalti vectori v1, v2 ,..., vm 1 din S.
Teorema : (Teorema Unicitatii Descompunerii T.U.D.) Fie in sistem liniarl independent de vectori din V,
S = {vi }m . Descompunerea unui vector arbitrar v V in raport cu vectorii lui S, daca exista, este unica.
Demonstratie :
In primul rand, descompunerea lui v in raport cu v1 , v2 ,...vm , exista daca si numai daca sistemul S ' = S {v }
este liniarl dependent. Presupunem ca asa stau lucrurile si de asemenea presupunem ca descompunerea lui v in
raport cu v1 , v2 ,...vm nu e unica. Alegem atunci doua descompuneri arbitrare ale lui v :
v = 1 v1 + 2 v2 + ... + m vm , i K , i = 1,..., m si v = 1 v1 + 2 v2 + ... + m vm , i K , i = 1,..., m .
Cum ambele descompuneri reprezinta acelasi vector obtinem:
1 v1 + 2 v2 + ... + m vm = 1 v1 + 2 v2 + ... + m vm .
Adunand vectorii opusi celor din membrul drept obtinem:
1 v1 1 v1 + 2 v2 2 v2 + ... + m vm m vm = 0
Folosind propriatatea VS2 din definitia spatiului vectorial avem:

(1 1 ) v1 + ( 2 2 ) v2 + ... + ( m m ) vm = 0
Deoarece S = {vi }m este liniar independent, toti scalarii din combinatia liniara nula de mai sus trebuie sa fie
nuli, deci obtinem:
1 1 = 2 2 = ... = m m = 0 .
Asadar 1 = 1 , 2 = 2 ,... m = m , ceea ce inseamna ca cele doua descompuneri sunt de fapt identice. Cum ele
au fost alese in mod arbitrar, concluzia este ca descompunerea lui v in raport cu v1 , v2 ,...vm este unica.
1
1
1
Exemplu : Fie din nou spatiul vectorial R 2 ,+, ; R si vectorii x = , y = , z = R 2 , ca si in exemplul
2
1
1
precedent. Am aratat deja ca sistemul S1 = {x , y} este liniar independent pe cand sistemul S2 = {x , y , z } este
liniar dependent, deci putem scrie de exemplu descompunerea vectorului z in raport cu vectorii x si y ,
descompunere care este unica conform T.U.D.. Pentru a determina expresia descompunerii folosim dependenta
liniara a lui S2 care conduce la relatia:
1
3
1 x + 2 y + 3 z = 0 k x k y k z = 0 .
2
2
2
2
1
2
1
obtinem: x y z = 0 , sau, echivalent, z = x y .
Multiplicand ultima relatie cu
3 k
3
3
3
3

04. Infasuratoarea liniara a unui sistem de vectori

Fie spatiul vectorial (V ,+, ; K ) .

Definitie : Infasuratoarea liniara a sistemului de vectori S = {vi }m V este multimea :

m

S = v V i K , i = 1,..., m : v = i vi ,
i =1

adica multimea vectorilor din V care pot fi reprezentatica o combinatie liniara de vectori din S.
Sistemul de vectori S se numeste sistem de generatori ai lui S .

(1)

Remarca : Infasuratoarea liniara S are un numar infinit de termeni, indiferent de numarul m de vectori din S.
Propozitie : Intr-un spatiu vectorial (V ,+, ; K ) , infasuratoarea liniara a unui sistem de vectori S = {vi }m V se
poate de asemenea structura ca un spatiu vectorial.
m

Schita demonstratiei : Daca u1 si u2 sunt doi vectori arbitrari din S , ei au forma : u1 = i vi ,

i =1

u2 = i vi . Putem defini adunarea celor doi vectori in spatiul vectorial S astfel :

i =1

u1 u2 = i vi , unde i = i + i , i = 1,..., m .
i =1

Inmultirea unui vector u1 din S cu un scalar k din K se poate defini astfel :

m

k u1 = (k i ) vi .
i =1

Pentru a arata ca ( S ,, ; K ) este un spatiu vectorial, trebuie verificate proprietatile AG1-AG4, VS1VS4 din definitia unui spatiu vectorial exercitiu!

1
4

Exemplu : Fie spatiul vectorial R ,+, ; R si vectorii x = 2 , y = 1 R 3 . Vom arata ca infasuratoarea liniara
5
2

v1

v
3

a sistemului S = {x , y} este multimea S = v = v R3 v + 2 v v = 0 .

2
1
2
3
v1

3
Intr-adevar, din definitie, S = v = v2 R 1 , 2 R : v = 1 x + 2 y . Avem:
v

v1

S = v = v2 R 3 1 , 2 R

v
3

v1

S = v = v2 R 3 1 , 2 R
v
3

necunoscutele 1 , 2

v1
1
4



: v2 = 1 2 + 2 1 . Rezulta ca :
v
5
2
3


v1 = 1 + 4 2

: v2 = 2 1 2
v = 5 + 2
1
2
3

1 + 4 2 = v1

.
Sistemul
de
ecuatii
algebrice

2 1 2 = v2 in

5 + 2 = v
1
2
3

are solutii daca rangul matricei extinse este egal cu rangul matricei coeficientilor , care

1 4 v1
in acest caz este 2. Cu alte cuvinte, determinantul matricei extinse trebuie sa fie zero, 2 1 v2 = 0 , de unde
5 2 v3

rezulta v1 + 2 v2 v3 = 0 .

05. Baze ale unui spatiu vectorial

Fie spatiul vectorial (V ,+, ; K ) .
Definitie : Un sistem de vectori B V se numeste baza a spatiului vectorial V daca :
B1) B este un sistem liniar independent, si
B2) B este un sistem de generatori a lui V.
Remarca : Conditia B2) este echivalenta cu faptul ca infasuratoarea liniara a lui B este intreg spatiul V :
B =V .
Cu alte cuvinte, B este o baza a lui V daca consta dintr-un numar suficient de vectori liniari independenti
astfel incat orice alt vector din V poate fi descompus in raport cu vectorii lui B :
Daca B = {e1, e2 ,...en } , atunci v V , i K : v = 1 e1 + 2 e2 + ... + n en .
Propozitie : Un sistem de vectori S V este o baza a lui V daca si numai daca S este liniar independent si,
pentru orice sistem S * care contine S ( S * S ), S * este liniarl dependent in V.
Remarca : In general, baza unui spatiu vectorial nu este unica, dar toate bazele unui spatiu vectorial dat au
acelasi numar de elemente (vectori).
Definitie : Numarul de vectori ai unei baze a spatiului vectorial (V ,+, ; K ) se numeste dimensiunea spatiului si
se noteaza dim K V .

 1 0
Exemplu : a) Fie spatiul vectorial R 2 ,+, ; R si sistemul de vectori B 0 = , R 2 . Vom arata ca
0 1
B 0 este o baza in R 2 (aceasta baza, cea mai simpla posibila, se numeste baza canonica din R 2 ).
1
0 0 = 0
Mai intai (B1 din definitie) vom arata ca B 0 este liniar independent : + =
, adevarat.
0
1 0 = 0

In al doilea rand (B2) vam arata ca orice vector din V poate fi descompus in raport cu vectorii lui B 0 . Fie un
v1
vector arbitrar v R 2 , v = 2 , deci v1 si v 2 sunt numere reale oarecare (dar fixate). Scriem v ca si o
v
1
0
combinatie liniara de vectori ai lui B 0 , v = + , si aratam ca este posibil sa gasim valorile scalarilor
0
1

v1
= v1
1
0
si (ca functii de v1 si v 2 ). Intr-adevar : 2 = +
, deci B 0 este de asemenea un
2
0
1

=
v
v

sistem de generatori a lui R 2 , si astfel constituie o baza in R 2 .

2 0
b) Fie spatiul vectorial R 2 ,+, ; R si sistemul de vectori: B = , R 2 . Vom arata ca B este de
1 1

asemenea o baza in R 2 .
2
0 0
2 = 0
= 0
B1 : + =

, adevarat.
1
1 0
= 0
= 0

1
1
1
= v1
2
0

v
v
v

=
2
B2 : v R 2 , v = 2 : 2 = +

.
2
1
1
1

1
2


v v
= v
= v v
2

2
In concluzie, B este de asemenea o baza in R .
Cele doua baze au in comun numarul de elemente : doi vectori in fiecare baza. Cu alte cuvinte, dimensiunea
spatiului vectorial (R 2 ,+, ; R ) este doi : dim R R 2 = 2 .

06. Coordonatele unui vector intr-o baza data

Fie spatiul vectorial (V ,+, ; K ) , de dimensiune dim K V = n , si o baza a acestui spatiu, B = (e1, e2 ,...en ) =& (ei )n .
Notatia cu paranteze rotunde semnifica faptul ca multimea e1, e2 ,...en este ordonata : e1 este primul element, e2
este al doilea s.a.m.d
Definitie : Coordonatele unui vector v V in baza B = (e1, e2 ,...en ) a lui V sunt scalarii xi K , i = 1,..., n ai
descompunerii lui v in baza is B :
(1)
v = x1 e1 + x 2 e2 + ... + x n en ,
Observam ca, asa cum reiese din T.U.D., aceasta descompunere este unica, ceea ce inseamna ca pentru vectorul
dat si baza data, coordonatele sunt de asemenea unic determinate.

Remarci:
1) Data fiind o baza B = (ei )n in (V ,+, ; K ) , putem asocia lui B o aplicatie bijectiva B : B K n . Aceasta

x1
2
x
aplicatie asociaza fiecarui vector v din V coordonatele descompunerii sale in baza B : B (v ) = .
M
xn

2) Pentru a simplifica notatia, asa-numita conventie de sumare este uneori folosita, inlocuind suma din (1)
n

( x1 e1 + x 2 e2 + ... + x n en = xi ei ) cu notatia mai simpla xi ei . Putem deci inlocui (1) cu :

i =1

(1)
v = xi ei ,
In aceasta conventie, daca indicele apare de doua ori intr-un termen, odata sus si odata jos, se va calcula suma
dupa acel indice.
3) Dac avem un vector v V si doua baze diferite B1 si B 2 , descompunerile lui v in cele doua baze vor fi
diferite, ceea ce inseamna ca seturile de coordonate corespunzatoare vor fi de asemenea diferite.
4) Daca descompunerea lui v in baza B = (e1, e2 ,...en ) este v = xi ei , setului de coordonate xi , i = 1,..., n ii

x1
2
x
putem asocia o matrice coloana X = M (n,1, K ) , unde prin M (n, m, K ) notam multimea matricelor cu n
M
n
x
linii, m coloane si coeficienti din K . Daca asociem lui B matricea linie E = [e1 e2 ... en ] M (1, n, K ) , putem
rescrie relatia (1) in forma matriciala :
(1)
v = EX

1
Exemplu : Fie spatiul vectorial R 2 ,+, ; R , vectorul v = R 2 si bazele
2

1
0
2
0
B 0 = e10 = , e20 = R 2 (baza canonica) si B = e1 = , e2 = R 2 . Vom calcula coordonatele lui
0
1
1
1

v in cele doua baze :

x1 = 1
1
1
0
1
In B 0 avem v = x1 e10 + x 2 e20 = x1 + x 2 2
X = .
2
0
1
2
x = 2
1 1
1
y =
1
2
0

2 Y = 2 .
In B avem v = y1 e1 + y 2 e2 = y1 + y 2
3
3
2
1
1
y2 =

2

2
0
0
0
0
Daca notam E = e1 e2 si E = [e1 e2 ] este usor de verificat faptul ca v = E X = E Y .

07. Schimbari de baze

Fie spatiul vectorial (V ,+, ; K ) , de dimensiune dim K V = n , si doua baze ale acestui spatiu, B = (ei )n , B ' = (ei ')n .
Pentru vector arbitrar v V putem scrie descompunerile lui v in cele doua baze :
n

i =1

i =1

v = x i ei si v = x'i ei ' , respectiv. Care este relatia intre cele doua seturi de coordonate, x i si x'i ?
Pentru a raspunde la aceasta intrebare, mai intai vom scrie descompunerea in baza B a fiecarui vector ei ' din
B ' . Obtinem relatiile :

e1 ' = a11 e1 + a12 e2 + ... + a1n en

e2 ' = a12 e1 + a22 e2 + ... + a2n en

(1)

M
en ' = a1n e1 + an2 e2 + ... + ann en

Acestor relatii le putem asocia matricea a carei coloana i contine coordonatele lui ei ' :

a11
2
a
TBB ' = 1
M
n
a1

a12 L a1n

a22
an2
(2)
.
M
M

a2n L ann
Aceasta matrice se numeste matricea de trecere de la baza B la baza B ' si se noteaza pe scurt: TBB ' = a ij .
Relatiile (1) pot fi scrise astfel:
(3)
e j ' = aij ei , i, j = 1,..., n ,
unde i este indicele de sumare (din conventia de sumare).
Utilizand notatiile matriciale E = [e1 e2 ... en ] si ' E = [e1 ' e2 ' ... en '] , este usor de verificat faptul ca
forma matriciala a relatiilor (1) este :
(4)
E ' = E TBB '

[ ]

Propozitie : Daca B = (ei )n si B ' = (ei ')n sunt doua baze al spatiului vectorial (V ,+, ; K ) si TBB ' este matricea de
trecere de la baza B la baza B ' , atunci urmatoarele afirmatii sunt adevarate:
1
1) Matricea de trecere de la baza B ' la baza B este TB ' B = (TBB ' ) .
n

i =1

i =1

2) Pentru on vector arbitrar v V ale carui descompuneri in cele doua baze sunt v = x i ei si v = x'i ei ' ,

x
x'
2
2
x
x'
matricele coloana ce contin coordonatele X = si X ' = verifica relatia X = TBB ' X ' .
M
M
n
n
x
x'
1

Demonstratie:
1) In timp ce matricea de trecere de la baza B la baza B ' verifica relatia (4) E ' = E TBB ' , matricea de trecere de
la baza B ' la baza B va verifica relatia corespunzatoare (4) E = E 'TB ' B . Folosind (4) si (4) obtinem :
E ' = E TBB ' = (E 'TB ' B ) TBB ' = E '(TB ' B TBB ' ) . Rezulta ca produsul matricelor TB 'B si TBB ' trebuie sa fie matricea
unitate, ceea ce implica faptul ca fiecare dintre cele doua matrice este inversa celeilalte, deci TB ' B = (TBB ' ) (si
1

TBB ' = (TB ' B ) ).

1

2) In notatie prescurtata (folosind conventia de sumare) avem v = x'i ei ' si e j ' = a ij ei . Folosind aceste relatii

) (

obtinem: v = x'i ei ' = x'i aij ei = x'i a ij ei = a ij x'i ei . Tinand cont de faptul ca pe de alta parte v = x i ei ,
rezulta ca x'i = aij x'i . Aceasta ultima relatie, scrisa in forma matriciala, este chiar X = TBB ' X ' .

Remarca : Relatia X = TBB ' X ' se numeste legea de schimbare a coordonatelor corespunzand schimbarii de
baze de la B la B ' . Pentru trecerea de la baza B ' la baza B avem legea corespunzatoare X ' = TB ' B X , cele
doua legi raspunzand intrebarii formulate la inceputul acestei sectiuni.

1
Exemplu : Fie din nou spatiul vectorial R 2 ,+, ; R , vectorul v = R 2 si bazele
2

1
0
2
0
B 0 = e10 = , e20 = R 2 (baza canonic) si B = e1 = , e2 = R 2 .
0
1
1
1

In exemplul precedent am calculat coordonatele lui v in cele doua baze si matricele coloana corespunzatoare:
1
1


X = in B 0 si Y = 2 in B .
3
2

2
In continuare vom calcula matricele de trecere de la baza B 0 la baza B ( TB 0 B ) si de la baza B la baza B 0
( TBB 0 ). Vom verifica de asemenea concluziile propozitiei precedente.
Pentru a calcula matricea de trecere TB 0 B vom scrie descompunerile vectorilor e1 si e2 ai lui B in baza B 0 :

a1 = 2
2
1
0
e1 = a11 e10 + a12 e20 = a11 + a12 12
1
0
1
a1 = 1
a12 = 0
0 1 1 2 0
1
0
2
0
e2 = a2 e1 + a2 e2 = a2 + a2 2
1
0
1
a2 = 1
a1
Se obtine TB 0 B = 12
a1

a12 2 0
=
.
a22 1 1

Pentru a calcula matricea de trecere TBB 0 vom scrie descompunerile vectorilor e10 si e20 ai lui B 0 in baza B :

1 1
b1 = 2

1
b12 =

2
1
1
2b = 0
b =0
0
2
0
e20 = b21 e1 + b22 e2 = b21 + b22 1 2 2
22
1
1
1
b2 b2 = 1
b2 = 1
1

b11 b21 2 0
Se obtine TBB 0 = 2
=
.
2
1
b
b
2
1

1
2

1
Sa verificam prima concluzie a propozitiei, si anume faptul ca TBB 0 = (TB 0 B ) . Intr-adevar, calculand inversa
2 b1 = 1
0
1
2
e10 = b11 e1 + b12 e2 = b11 + b12 1 1 2
0
1
1
b1 b1 = 0

matricei TB 0 B

1
2
0

=
obtinem (TB0 B ) = 2

1 1
1
2

0
= TBB0 . Adevarat.
1

Cea de-a doua concluzie a propozitiei este faptul ca X = TB 0 B Y , ceea ce este echivalent cu

1
2
2 = 1

0
1

2 . De asemenea adevarat.
3

2

Asa cum am remarcat mai sus, relatia urmatoare este de asemenea adevarata:
1 1

2 2 0 1
Y = TBB 0 X =
.
3
1

1 2
2 2

08. Subspatii ale unui spatiu vectorial

Definitie : Fie spatiul vectorial (V ,+, ; K ) . O submultime U V se numeste subspatiu a lui V (notat U V )
dacaU este de asemenea un spatiu vectorial peste K in raport cu operatiile "+" , " " din V , adica (U ,+, ; K ) este
de asemenea un spatiu vectorial.
Propozitia 1 : O submultime U V este un subspatiu a lui V daca si numai daca urmatoarele proprietati sunt
verificate:
S1) v1 , v2 U v1 + v2 U
S2) v U , K v U
Remarci :
1)
S1) + S2) sunt echivalente cu : S) v1 , v2 U , , K v1 + v2 U .
2)
Sa notam dimensiunea lui V prin n : dim K V = n . Urmatoarele subspatii se numesc subspatii improprii a
lui V :
U = {0}, subspatiul nul al lui V , de dimensiune dim K U = 0 ,
U = V , subspatiul total al lui V , de dimensiune dim K U = n .
Daca U nu este nici unul dintre aceste subspatii avem 0 dim K U n .
3)
Este usor de aratat ca daca S este un sistem arbitrar de vectori din V , S = {vi }m V , atunci
infasuratoarea liniara a lui S este un subspatiu a lui V , S V .

Propozitia 2 : Fie spatiul vectorial (V ,+, ; K ) si doua subspatii U1 si U 2 ale lui V ( U1 V , U 2 V ). Suma
subspatiilor, definita ca U1 + U 2 = {v V

v1 U1 , v2 U 2 : v = v1 + v2 }, este de asemenea un subspatiu a lui

V : U1 + U 2 V .

Demonstratie:
U1 V v1 , v1 'U1 , , K v1 + v1 ' U1
U 2 V v2 , v2 'U 2 , , K v2 + v2 'U 2
Avem : v1 U1 , v2 U 2 v = v1 + v2 U1 + U 2
si
v1 'U1 , v2 'U 2 v ' = v1 '+ v2 ' U1 + U 2
Rezulta ca :
, K , v + v ' = (v1 + v2 ) + (v1 '+v2 ') = v1 + v2 + v1 '+ v2 ' = v1 + v2 + v1 '+ v2 ' =
= ( v1 + v1 ') + ( v2 + v2 ') U1 + U 2 since v1 + v1 ' U1 and v2 + v2 ' U 2 .

Remarci :
1)
Intersectia a doua subspatii U1 si U 2 ale lui V este de asemenea un subspatiu : U1 U 2 V .
2)
dim K (U1 + U 2 ) = dim K U1 + dim K U 2 dim K (U1 U 2 ) .
3)

{}

Doua subspatii U1 si U 2 ale lui V se numesc independente daca U1 U 2 = 0 . In acest caz in mod
evident : dim K (U1 + U 2 ) = dim K U1 + dim K U 2

v1

Exemplu : Fie spatiul vectorial R ,+, ; R , si submultimea sa U = v = 2 R 2 v1 + v 2 = 0 .

v

Vom arata ca U este un subspatiu a lui R 2 , U R 2 .

v11
v12
1
2

Fie doi vectori arbitrari din U , v1 , v2 U . Atunci v1 = 2 cu v1 + v1 = 0 si v2 = 2 cu v12 + v22 = 0

v1
v2
(vectorii sunt din U daca suma componentelor lor este zero).
Pentru a arata ca U R 2 , trebuie sa aratam ca pentru orice scalari , R avem v1 + v2 U . Obtinem:

 v11
v12 v11 + v12

. IPentru ca acest vector sa fie din U , suma componentelor

v1 + v2 = 2 + 2 =
2
2

v
v

v
1
2
1
2
sale trebuie sa fie zero. Suma componentelor este:
v11 + v12 + v12 + v22 = v11 + v12 + v12 + v22 = 0 + 0 = 0 .
Rezulta ca v1 + v2 U si deci U R 2 .

) (

09. Aplicatii liniare

Definitie : Consideram doua spatii vectoriale, (V ,+, ; K ) si (W ,+, ; K ) . O aplicatie f : V W se numeste
aplicatie liniara (sau homeorfism) daca urmatoarele conditii sunt satisfacute:
L1) v1 , v2 V , f (v1 + v2 ) = f (v1 ) + f (v2 ) ,
L2) v V , K , f ( v ) = f (v ) .

Observatii :
1)
2)

3)

L1) + L2) sunt echivalente cu : L) v1 , v2 U , , K f ( v1 + v2 ) = f (v1 ) + f (v2 ) .

In general operatiile nu sunt aceleasi in cele doua spatii. O notatie mai riguroasa ar fi de exemplu :
(V ,, ; K ) , (W , [+ ], ; K ) , caz in care L) se scrie : f ( v1 v2 ) = f (v1 )[+ ] f (v2 ) . Totusi,
de obicei notatia simplificata din definitie este suficienta atunci cand provenienta fiecarui termen
implicat este clara.
Multimea tuturor aplicatiilor liniare definite pe V si cu valori in W , notata prin L(V , W ) , este de
asemenea un spatiu vectorial.

Exemplu : Consideram spatiile vectoriale R 2 ,+, ; R si R 3 ,+, ; R impreuna cu aplicatia f : R 2 R 3 definita

prin :
2 x1

x1
x1
f ( x ) = f 2 = x 2 R3 , x = 2 R 2 .
x
x
x1 + x 2

Vom demonstra ca aplicatia este liniara aratand ca relatia L) din observatia de mai sus este satisfacuta:
L) v1 , v2 U , , K f ( v1 + v2 ) = f (v1 ) + f (v2 ) .

v1
v1
In cazul nostru, daca v1 , v2 U , ei vor avea forma v1 = 12 , v2 = 22 .
v1
v2
Avem :
v1
v11 v12
v11 + v12
v11 + v12
v1
= f
= f

f ( v1 + v2 ) = f 12 + 22 = f
+

v2 v2
v2 + v 2
v2 + v2
v
v

1
2

1
2

1
1
1
2
2
2
Din definitia aplicatiei in care se iau x = v1 + v2 si x = v1 + v2 , obtinem :

(
(

)
)

2 v11 + v12
2 v11 + 2 v12

v11 + v12
2
2
2
2
=

f ( v1 + v2 ) = f

v
+

v
=

=
1
2
1
2
v2 + v2

1
1
2
2
1
2
1
2
1
2

v1 + v2 + v1 + v2 v1 + v1 + v2 + v2
2 v11
2 v12
2 v11 2 v12

v11
v12
+ f

=
= v12 + v22 = v12 + v22 = f
v2
v2
v1 + v 2 v1 + v 2
v1 + v 2
v1 + v 2
1
2

1
1
2
2

1 1
2 2
= f (v1 ) + f (v2 ) . Rezulta ca L) este verificata si deci aplicatia f este intr-adevar liniara.

) (

10. Nucleul si imaginea unei aplicatii liniare

Consideram doua spatii vectoriale, (V ,+, ; K ) si (W ,+, ; K ) , si o aplicatie liniara f L(V ,W ) .
Definitia 1: Nucleul aplicatiei liniare f L(V ,W ) este multimea tuturor vectorilor lui V a caror imagine este
vectorul nul din W :
Ker f = v V f (v ) = 0W

Observatii :
1)
Ker f este o multime nevida, ea contine cel putin vectorul nul din V , 0V . Intr-adevar, pentru un vector
2)

3)

oarecare v V , avem : f (0V ) = f (0 v ) = 0 f (v ) = 0W 0V Ker f .

Ker f este o submultime a lui V , Ker f V . Mai mult, este usor de aratat ca Ker f este un subspatiu a
lui V , Ker f V (U este subspatiu a lui (V ,+, ; K ) daca (U ,+, ; K ) este de asemenea un spatiu
vectorial, sau, echivalent, v1 , v2 U , , K v1 + v2 U )

Dimensiunea subspatiului Ker f se numeste defectul aplicatiei liniare, notat d = dim K (Ker f ) . Deoarece
Ker f V , daca dim K V = n atunci d n .

Exemplul 1 : Consideram spatiile vectoriale R 3 ,+, ; R si R 2 ,+, ; R impreuna cu aplicatia f : R 3 R 2

definita prin :
x1
x1
x1 + x 2
2
2

f ( x ) = f x 2 =

R
,

x
=
x R3 .
3
3 2 x
x3

x
Nucleul aplicatiei este :

Ker f = x R 3 f ( x ) = 0R 2
x1

= x 2
x3

x1

= x 2
x3

x1
x1
0
f x 2 = = x 2
3 0 3
x
x

x1 = , x 2 = , x3 = 0, R =
0

x1

x + x 0 2 x1 + x 2 = 0

2 x3 = 0 = x 2 x 3 = 0 =

x3

1

R = 1
0

R .

1

In acest caz vectorul e = 1 constituie o baza a subspatiului Ker f , deci d = dim R (Ker f ) = 1 .
0

Definitia 2: Imaginea aplicatiei liniare f L(V ,W ) este multimea tuturor vectorilor lui W pentru care exista
vectori din V a caror imagine sunt vectorii considerati :
Im f = {v 'W v V : f (v ) = v '}
Observatii :
1)
Im f este de asemenea o multime nevida, ea contine cel putin vectorul nul din W , 0W . Intr-adevar :
2)
3)
4)

f (0V ) = 0W 0W Im f .
Im f este o submultime a lui W , Im f W . Mai mult, este usor de aratat ca Im f este un subspatiu a
lui W , Im f W
Dimensiunea subspatiului Im f se numeste rangul aplicatiei liniare, notat r = dim K (Im f ) . Cum
Ker f W , daca dim K W = m atunci r m .
Se poate arata ca daca f L(V ,W ) atunci d + r = n = dim K V .

Exemplul 2 : Consideram din nou spatiile vectoriale R 3 ,+, ; R si R 2 ,+, ; R impreuna cu aplicatia
f : R 3 R 2 definita prin:
x1
x1
x1 + x 2
2
2

f ( x ) = f x 2 =

R
,

x
=
x R3 .
3
3 2 x
3
x
x
Imaginea aplicatiei este :

x1 x1
x1
x1 ' 2 2 x1 ' x1 ' 2 x1 + x 2 x1 '
= 2 =
Im f = {x 'W x V : f ( x ) = x '} = 2 x : f x = 2 = 2 x :
3

x
'
x
'
x
'
2

x '
x3 x3 x 3

x1
x1
2
x1 ' 2 x1 + x 2 = x1 '
= 2 x :
.
Vectorul
x exista daca sistemul este compatibil, iar aceasta se intampla

3
2
x3
x ' x3 2 x = x '

1 1 0 x1 '
1 1 0
.
daca rangul matricei coeficientilor este egal cu rangul matricei extinse, rank
=
rank

2
0 0 2
0 0 2 x '

1 1 0 x1 '
1 1 0
1 0
Cum det
=
2

0
,
rank
=
2
=
rank
pentru orice valori ale lui x1 ' , x 2 ' , deci

0 0 2

2
0
2
0
0
2
x
'

1
x

sistemul este intotdeauna compatibil. Rezulta ca vectorul x 2 exista pentru orice x1 ' , x 2 ' R 2 , deci :
x3

x1 '

Im f = {x 'W x V : f ( x ) = x '} = 2 x1 ' , x 2 ' R 2 R 2 , imaginea aplicatiei este intregul spatiu R 2 .

x '

2
Avem r = dim R (Im f ) = dim R R = 2 . Observam ca relatia d + r = dim K V este satisfacuta :
1 + 2 = dim R R 3 = 3 .

11. Reprezentarea matriciala a unei aplicatii liniare

Consideram doua spatii vectoriale, (V ,+, ; K ) si (W ,+, ; K ) , si o aplicatie liniara f L(V ,W ) .
Fie B = (ei )n o baza a lui V , astfel ca dim K V = n , si B' = (e j ')m o baza a lui W , astfel ca dim K W = m .
Imaginea unui vector ei din B prin aplicatia f este un vector din W , f (ei ) W , si deci poate fi descompusa in
raport cu baza B ' din W .
Scriind descompunerea in baza B ' a fiecaruia dintre vectorii f (ei ) , i = 1,..., n obtinem relatiile :
f (e1 ) = a11 e1 '+ a12 e2 '+... + a1m em '

(1)

f (e2 ) = a12 e1 '+ a22 e2 '+... + a2m em '

M
f (en ) = a1n e1 '+ an2 e2 '+... + anm em '
Relatiile (1) pot fi scrise sub forma condensata :
(1)

f (ei ) = aij e j ' , i = 1,..., n, j = 1,..., m ,

Acestor relatii le putem asocia matricea a carei coloana i contine coordonatele descompunerii lui ei ' :

a11
2
a
A= 1
M
n
a1

a12 L a1n

a22
an2
.
(2)
M
M

a2n L ann
Aceasta este matricea asociata aplicatiei liniare f in perechea de baze B si B ' , notata prin A =& [ f ]( B ,B ' )
Definitie : Aplicatia : L(V , W ) M (m, n; K ) definita prin ( f ) = [ f ]( B , B ' ) se numeste reprezentarea
matriciala a aplicatiei liniare in perechea data de baze.
Propozitie (relatia dintre coordonatele unui vector si cele ale imaginii sale):
Pentru un vector oarecare v V , daca notam prin X coordonatele descompunerii lui v in baza B si prin
coordonatele descompunerii lui f (v ) in baza B ' , atunci Y = A X .

Exemplu : Consideram spatiile vectoriale R 2 ,+, ; R and R 3 ,+, ; R impreuna cu aplicatia f : R 2 R 3

definita prin :
x1

x1
x1
f ( x ) = f 2 = x 2 R3 , x = 2 R 2 .
x
x
x1 + x 2

1
0
Consideram de asemenea perechea de baze canonice din cele doua spatii, B0 = e1 = , e2 = R 2 ,
0
1

1
0
0

B0 ' = e1 ' = 0 , e2 ' = 1 , e3 ' = 0 .

0
0
1

Matricea asociata aplicatiei liniare f in perechea de baze B0 si B0 ' se determina astfel :

1
a11 = 1
1
1
0
0 a1
1 1 2 3 2

f (e1 ) = f = 0 = a1 0 + a1 1 + a1 0 = a1 a12 = 0 ,
0 1
0
0
1 a3
a3 = 1



1
1
1
a12 = 0
0
1
0
0 a2

f (e2 ) = f = 1 = a12 0 + a22 1 + a23 0 = a22 a22 = 1 .

1 1
0
0
1 a3
a3 = 1



2
2
a11 a12 1 0

Obtinem A = [ f ]( B0 , B0 ' ) = a12 a22 = 0 1 .

a13 a23 1 1

Vom verifica si relatia dintre coordonatele unui vector si cele ale imaginii sale.
2
Fie vector v = R . Descompunerea lui v in baza B0 este :
1

x1
x1 2
2 1
2
1 1
2 0
v = = x e1 + x e2 = x + x = 2 X = 2 = .
1 x
1
0
x 1

Descompunerea lui f (v ) in baza B0 ' este :

1
y1 2
2
1
0
0 y

2
f (v ) = f = 1 = y1 0 + y 2 1 + y 3 0 = y 2 Y = y 2 = 1 .
y3 3
1 3
0
0
1 y3

2 1 0

2
Relatia dintre coordonatele lui v si cele ale imaginii sale f (v ) este : Y = A X 1 = 0 1 3 1 1 1

Adevarat.

4. Operatori liniari, vectori si valori proprii

Definitie 1 : Un operator liniar pe spatiul vectorial (V ,+, ; K ) este o aplicatie liniara definita pe V si cu
valori tot in V , f : V V .
Observatii :
1)
Un operator liniar este un caz particular de aplicatie liniara si deci toate proprietatile aplicatiilor liniare
raman valabile.
2)

Data fiind o baza B = (ei )n a lui V , putem asocia unui operator liniar o reprezentare matriciala cu
ajutorul aplicatiei : L(V ) M (n; K ) defined as ( f ) = A = [ f ]B .

Definitie 2 : v V , v 0 se numeste vector propriu al operatorului liniar f daca exista un unic scalar
K astfel incat :
(1)
f (v ) = v

Scalarul se numeste valoare proprie a lui f (corespunzatoare vectorului propriu v ).

Definitie 3 : Vectorii u , v V se numesc coliniari daca exista un scalar K \ {0} astfel incat u = v .
Propozitie : Daca v V , v 0 este vectorul propriu a lui f corespunzator valorii proprii , atunci orice
vector u coliniar cu v este de asemenea un vector propriu corespunzator lui .
Observatie : Unui vector propriu dat ii corespunde o unica valoare proprie, pe cand unei valori proprii date
ii corespund o multime de vectori proprii notata prin U ( ) . Aceasta multime este nevida : cum f (0 ) = 0 = 0 ,
pentru orice K , U ( ) contine cel putin vectorul nul 0 . Mai mult, se poate arata ca U ( ) este un subspatiu
a lui V , U ( ) V .
Calculul valorilor si vectorilor proprii :
Consideram operatorul liniar f L(V ) , o valoare proprie a lui f , adica un scalar satisfacand relatia (1), si un
vector propriu v corespunzator lui (de asemenea satisfacand relatia (1)).
Daca notam prin A matricea asociata lui f intr-o baza oarecare a lui V si prin X Coordonatele descompunerii
lui v in aceeasi baza, se poate arata ca relatia (1) este echivalenta cu ecuatia matriciala:
(2)
A X = X
O forma echivalenta a relatiei este data de asa-numitul sistem caracteristic :
(2)
( A I n ) X = O ,
unde I n este matricea identitate de ordinul n si O este matricea-coloana nula.
Sistemul (2) are solutii diferite de solutia banala ( X = O ) numai daca are loc conditia :
(3)
det ( A I n ) = 0 ,
numita ecuatie caracteristica. Aceasta ecuatie este o ecuatie polinomiala de ordinul n, a carei solutii sunt
valorile proprii ale lui f .
Dupa ce valorile proprii sunt calculate, pentru fiecare valoare proprie va fi determinat subspatiul corespunzator
de vectori proprii folosind relatia (2).

( )

Exemplu : Consideram spatiul vectorial R 2 ,+, ; R si operatorul f L R 2 definit astfel:

x1 x1 + 2 x 2
x1
2

2 R2 .
f ( x ) = f 2 =

R
,

x
=
x
x 4 x1 x 2

v1
Fie o valoare proprie a lui f si v = 2 un vector propriu corespunzator.
v

1
0
In baza canonica B 0 = e10 = , e20 = R 2 , v are descompunerea v = v1 e10 + v 2 e20 .
0
1

Cum v este un vector propriu, el satisface relatia (1) :

) (
) v f (e ) + v f (e ) = v e + v e .
0 2
1
2
1
f (e ) = f = . Rezulta ca v + v = v + v
1
1
4
1
0

f (v ) = v f v1 e10 + v 2 e20 = v1 e10 + v 2 e20

1 1
0
Avem f e10 = f = ,
2
0 4
v1 2 v 2 v1 0
+ 2 =
+

2
1

4 v v 0 v
este (2) :
v1
1 2 v1
1

2 . Avem :
4 1 2

v
4
v

( )

0
1

0
2

0
1

0
2

0

1

1
2
1
v + 2 v = v
si obtinem sistemul de ecuatii 1 2
. Forma sa matriciala
2
4 v v = v

1 2
2 v1
1 0 v1
1 0 v1 0

0 1 2
0 1 2 = 0 .
4 1
1 v 2

2 v1 0
1
Sistemul caracteristic (2) este
=
. Acest sistem are intotdeauna solutia banala
1 v 2 0
4
0
v = = 0 dar in acest caz v nu este un vector propriu. Pentru a obtine solutii nenule, impunem conditia ca
0
2
1
det
= 0 (in acest caz sistemul caracteristic (2) este compatibil nedeterminat si deci are o
1
4
infinitate de solutii). Obtinem ecuatia caracteristica :
2 9 = 0 , cu solutiile 1 = 3, 2 = 3 . Pentru fiecare din cele doua valori proprii vom calcula subspatiul
corespunzator de vectori proprii.
1) Pentru = 3 , inlocuind aceasta valoare in sistemul caracteristic (2) obtinem :

2
4 v1 + 2 v 2 = 0
1 ( 3)
v1 0
4 2 v1 0

.
1

4
4 2 2 0
2
1 ( 3) v 2 0
4

v
+
2

v
=
0

Cum cele doua ecuatii sunt echivalente, putem folosi doar una dintre ele. Notand de exemplu v1 =& , din
4 v1 + 2 v 2 = 0 obtinem v 2 = 2 . Subspatiul de vectori proprii corespunzatori lui = 3 este multimea
v1
tuturor vectorilor v = 2 satisfacand (2), adica :
v
v1
v1 1

2
1
2

R =
U ( 3) = v = 2 R 4 v + 2 v = 0 = v = 2 v = , v 2 = 2 , R = v =
v
v
2

1
= v = R . Acesta este un subspatiu a lui R 2 a carui baza contine un sigur vector, deci
2

dimensiunea este dim R 2 (U ( 3)) = 1 .

1) Pentru = 3 , inlocuim deasemenea in sistemul caracteristic (2) si obtinem :

2 v1 0
2 v1 + 2 v 2 = 0
1 3
2 2 v1 0

4
4 4 2 0
1
2
1 3 v 2 0

v
4v 4v = 0
Cele doua ecuatii sunt ambele echivalente cu v1 + v 2 = 0 v1 = v 2 , deci notand v1 =& obtinem v 2 = .
v1
Subspatiul de vectori proprii corespunzatori lui = 3 este multimea tuturor vectorilor v = 2 satisfacand
v
(2), adica :
v1

1
U (3) = v = 2 v1 = , v 2 = , R = v = R = v = R .
v

1

2
Acesta este de asemenea un subspatiu a lui R a carui baza contine un sigur vector, deci dimensiunea este
dim R 2 (U (3)) = 1 .

14. Forma diagonala a unei matrice

Fie spatiul vectorial (V ,+, ; K ) .
La fel ca si in cazul unei aplicatii liniare, intr-o baza data B = (ei )n a lui V putem asocia unui operator liniar o
reprezentare matriciala cu ajutorul functiei : L(V ) M (n; K ) definite ca ( f ) = A = [ f ]B .
Definitie : Operatorul liniar f L(V ) se numeste diagonalizabil daca exista o baza B a lui V in care
A = [ f ]B are forma diagonala:

a11 0 L 0

0 a22
0

A=
=& diag a11, a22 ,..., ann .

M M
M

n
0 0 L an

Propozitie : Operatorul linar f L(V ) este diagonalizabil daca si numai daca exista o baza a lui V formata
exclusiv din vectori proprii ai lui f .
Remarca : Ecuatia caracteristica det ( A I n ) = 0 are n solutions, care nu sunt insa neaparat distincte. Daca
solutia i este o solutie multipla de ordin mi ( i apare de mi ori in multimea solutiilor), mi se numeste ordin
de multiplicitate a lui i .
Teorema : Operatorul linar f L(V ) este diagonalizabil daca ecuatia caracteristica asociata det ( A I n ) = 0
are toate solutiile in K ( i K ) si pentru fiecare solutie distincta ordinul de multiplicitate este egal cu
dimensiunea subspatiului de vectori proprii asociat lui i ( mi = dim K (U (i )) ). In acest caz, forma diagonala a
matricei contine (pe diagonala) exact valorile proprii ale lui f , fiecare valoare proprie i aparand de mi ori.

( )

Exemplu : Consideram din nou spatiul vectorial R 2 ,+, ; R si operatorul f L R 2 definit astfel:
x1 x1 + 2 x 2
x1
2

2 R2 .
f ( x ) = f 2 =

R
,

x
=
x
x 4 x1 x 2

Am vazut in exemplul precedent ca ecuatia caracteristica are doua solutii reale distincte 1 = 3, 2 = 3 .
Avem deci 1, 2 R (in acest caz K = R ) si m1 = m2 = 1 (ambele solutii apar o singura data in multimea
solutiilor). Subspatiile de vectori proprii asociate fiecarei valori proprii au dimensiunile:

1
U (1 ) = v = R dim R (U (1 )) = 1
2

1
U (2 ) = v = R dim R (U (2 )) = 1
1

In concluzie, cum 1, 2 R si dim R (U (1 )) = 1 = m1 , dim R (U (2 )) = 1 = m2 , conditiile teoremei sunt

satisfacute. Rezulta ca operatorul este diagonalizabil, iar matricea diagonala asociata lui f in acest caz este:

0 3 0
A= 1
=

0 2 0 3

15. Forme biliniare

Fie spatiul vectorial (V ,+, ; K ) .
Definitie : O forma biliniara (V ,+, ; K ) este o aplicatie : V V K satisfacand proprietatile :
L1) u1 , u2 , v V , (u1 + u2 , v ) = (u1 , v ) + (u2 , v )
L2) u , v V , K , ( u , v ) = (u , v )
L1) u , v1, v2 V , (u , v1 + v2 ) = (u , v1 ) + (u , v2 )
L2) u , v V , K , (u , v ) = (u , v ) ,
unde noteaza complex conjugatul lui daca este un numar complex. Daca este un numar real atunci

=.
Remarci :
1)
L1) + L2) sunt echivalente cu: L) u1 , u2 , v V , 1 , 2 K ,
(1 u1 + 2 u2 , v ) = 1 (u1 , v ) + 2 (u2 , v ) .
L1) + L2) sunt echivalente cu: L) u , v1, v2 V , 1 , 2 K ,
(1 u1 + 2 u2 , v ) = 1 (u1, v ) + 2 (u2 , v ) .
2)
Multimea tuturor formelor biliniare definite pe V , notata prin L2 (V , K ) , este de asemenea un spatiu
vectorial peste K .
3)
Data fiind baza B = (e1, e2 ,...en ) din V , putem asocia formei biliniare L2 (V , K ) o matrice
= bij M (n; K ) a carei coeficienti se pot calcula folosind relatia: bij = (ei , e j ) . se numeste

[ ]

reprezentarea matriciala a formei biliniare .

Daca u , v V are sunt doi vectori arbitrari a caror coordonate in baza B sunt X si Y respectiv, are loc
urmatoarea relatie: (u , v ) = X T Y .
Definitie : O forma biliniara reala L2 (V , R ) se numeste simetrica daca (v , u ) = (u , v ) u , v V si se
numeste anti-simetrica daca (v , u ) = (u , v )
Remarca : O forma biliniara reala este simetrica daca si numai daca matricea asociata este simetrica
(aceasta proprietate nu depinde de baza B folosita in determinarea matricei).
Exemplu : Fie spatiul vectorial R 2 ,+, ; R si forma biliniara : R 2 R 2 R definita astfel :

x y 1 1
x1
y1
1
2
2
1
2
2
2

(x , y ) = f 2 , 2 = x y + 2 x y + 3 x y + 4 x y R , x = 2 , y = 2 R 2 .
x
y
x y

2
1
Fie baza B = e1 = , e2 = R 2 . In aceasta baza putem asocia lui matricea:
1
1

b b
= 11 12 , unde bij = (ei , e j ). Se obtine :
b21 b22
1

2 2
b11 = (e1 , e1 ) = , = 2 2 + 2 2 1 + 3 1 2 + 4 1 1 = 18 (in acest caz x1 = 2, x 2 = 1, y1 = 2, y 2 = 1 )
1 1
2 1
b12 = (e1 , e2 ) = , = 2 1 + 2 2 (1) + 3 1 1 + 4 1 (1) = 3 (in acest caz
1 1
x1 = 2, x 2 = 1, y1 = 1, y 2 = 1 )

1 2
b21 = (e2 , e1 ) = , = 1 2 + 2 1 1 + 3 (1) 2 + 4 (1) 1 = 6 (in acest caz
1 1
x1 = 1, x 2 = 1, y1 = 2, y 2 = 1 )
1 1
b22 = (e2 , e2 ) = , = 1 1 + 2 1 (1) + 3 (1) 1 + 4 (1) (1) = 0
1 1

 18 3
(in acest caz x1 = 1, x 2 = 1, y1 = 1, y 2 = 1 ). Se obtine : =
.
6 0
1
4
Fie vectorul u = , v = . Folosind definitia lui rezulta:
2
1

1 4

(u , v ) = , = 1 4 + 2 1 (1) + 3 2 4 + 4 2 (1) = 18 .
2 1
Putem insa calcula (u , v ) si folosind matricea .
1
Avand in vedere ca u = 1 e1 + (1) e2 , v = 1 e1 + 2 e2 si deci coordonatele lui u si v n baza B sunt X =
1
1
18 3 1
si Y = , obtinem (u , v ) = X T Y = [1 1]
= 18
2
6 0 2
16. Forme patratice
Fie spatiul vectorial (V ,+, ; R ) .
Definitie : O forma patratica pe (V ,+, ; R ) este o aplicatie q : V R definita astfel:
(1)
q(v ) = (v , v ) ,
unde este o forma biliniara simetrica.
Remarci :
1)
Data fiind o forma biliniara simetrica L2 (V , R ) , exista o unica forma patratica definita prin (1) care
corespunde lui . Reciproc, fiecarei forme patratice q ii corespunde o unica forma biliniara simetrica numita
polara lui q , definita astfel :
1
(u , v ) = [q(u + v ) q(u ) q(v )], u , v V
2
2)

Data fiind baza B = (e1, e2 ,...en ) a lui V , matricea [q ]B asociata formei patratice q(v ) = (v , v ) este de

[ ]

fapt matricea = bij M (n; K ) asociata formei biliniare corespunzatoare: bij = (ei , e j ) .

x1
2
x
Daca v V este un vector arbitrar ale carui coordonate in baza B sunt X = , atunci are loc
M
n
x

urmatoarea relatie matriciala: q (v ) = X T X . Cum este simetrica este de asemenea simetrica

( b ji = bij ) astfel ca se obtine :

q (v ) = x1

x2

b11 b12 L b1n x1

b b L b 2
2n x
L x n 12 22

. Efectuand inmultirile se obtine expresia analitica a

M
M
O

bnn x n
b1n b2 n

lui q :

( )

( )

( )

q(v ) = b11 x1 + b22 x 2 + ... + bnn x n + 2 b12 x1 x 2 + 2 b23 x 2 x 3 + ... + 2 bn 1n x n 1 x n =

2

i , j =1

ij

xi x j .

Teorema (Gauss) : Pentru orice forma patratica q din V exista cel putin o baza B ' din V astfel incat matricea
asociata lui q este o matrice diagonala [q ]B = = diag {1 , 2 ,...n }. In aceasta baza q are forma canonica:

( )

( )

( )

q (v ) = 1 x1 + 2 x 2 + ... + n x n .
2

Propozitie : Fie q o forma patratica reala. Pentru orice baza B din V , matricea simetrica [q ]B = are toate
valorile proprii reale si este diagonalizabila.
Corolar : Fie 1 , 2 ,...n valorile proprii ale matricei [q ]B = (solutiile ecuatiei caracteristice
det ( I n ) = 0 ) si fie v1, v2 ,..., vn vectorii proprii corespunzatori. Matricea asociata lui q in baza
B ' = {v1 , v2 ,..., vn } este matricea diagonala [q ]B ' = diag {1 , 2 ,...n } si q are forma canonica

( )

( )

( )

q (v ) = 1 x1 + 2 x 2 + ... + n x n .
2

Exemplu : Fie spatiul vectorial R 2 ,+, ; R si forma patratica q : R 2 R 2 R a carei matrice in baza canonica

1
0
1 2
B 0 = e10 = , e20 = R 2 este : = [q ]B 0 =
. Vom determina forma canonica q dar, in primul
0
1
2

v1
v1
1
0
rand, sa calculam expresia sa analitica. Fie un vector arbitrar v = 2 R 2 . Cum v = 2 = v1 + v 2 ,
0
1
v
v
coordonatele sale in B sunt X
0

v1
= 2 . Expresia analitica a lui q este :
v

1 2 v1
2
2
q(v ) = X T X = v1 v 2
2 = v1 2 v 2 + 4 v1 v 2 .

2 2 v

( )

( )

Conform corolarului de mai sus, forma canonica a lui q poate fi obtinuta calculand valorile proprii ale matricei
[q ]B 0 = .
Valorile proprii sunt solutiile ecuatiei caracteristice det ( I n ) = 0 , deci obtinem:
1

= 0 2 + 6 = 0 si valorile proprii sunt 1 = 3, 2 = 2 .

Subspatiile de vectori proprii corespunzatoare acestor valori sunt (faceti calculul !) :

U (3) = R , U (2) = R .
2

1 2
Rezulta ca in baza de vectori proprii B' = , q are matricea :
2 1

[q]B ' =

Asadar forma canonica a lui q este:

( )

0 3 0
=
,
2 0 2

( )

( )

( )

q (v ) = 1 v1 + 2 v 2 = 3 v1 + 2 v 2 .
2

17. Produs scalar

Fie spatiul vectorial real (V ,+, ; R ) .
Definitie : Un produs scalar pe (V ,+, ; R ) este o aplicatie : V V K satisfacand proprietatile :
P1) u1 , u2 , v V , 1 , 2 K , (1 u1 + 2 u2 , v ) = 1 (u1 , v ) + 2 (u2 , v )
P2) u , v V , (u , v ) = (v , u )
P3) If (u , v ) = 0 v V then u = 0 .

P4) (v , v ) > 0 v V \ {0} (in which case q(v ) = (v , v ) is called positive definite),

Notatia uzuala este (u , v ) = u ; v , iar in acest caz (V , ; ) se numeste spatiu Euclidian.

Remarci :
1) Cum 0 = 0 u , u V , rezulta ca oricare ar fi vectorul v V , din P1 rezulta
(0, v ) = (0 u , v ) = 0 (u , v ) = 0 . Din P2 rezulta : (0, v ) = (v , 0 ) = 0 , v V .
2) Fie baza B = (e1, e2 ,...en ) a lui V . Daca notam (ei , e j ) = gij , putem scrie matricea:

g11
g
[
]
G e1 , e2 ,...en = g ij = 12
M

g1n

g12 L g1n
g 22 L g 2 n
,

g 2n
g nn
Matricea G se numeste matricea Gram a sistemului de vectori B . Cum este simetrica ( (u , v ) = (v , u ) ),
matricea G va fi de asemenea simetrica ( g ji = gij ). Este de asemenea relativ usor de aratat ca determinantul
acestei matrice este nenul.
Mai mult, daca descompunerile vectorilor arbitrar u si v in baza B = (ei )n sunt u = xi ei si v = y i ei si notam

[ ]

x1
y1
2
2
x
y

si Y = , atunci obtinem urmatoarea relatie matriciala: (u , v ) = X T G[e1, e2 ,...en ] Y .

X=
M
M
n
n
x
y
3) Spatiul Euclidian n-dimensional (V , ; ) (unde dim R V = n ) se mai noteaza prin E n .
4) Intr-un spatiu Euclidian are loc v ; v 0 , v V si v ; v 0 v = 0 .
5) O conditie suficienta ca inegalitatea v ; v > 0 sa aiba loc este:

g11 > 0 ,

g11
g12

g11

g12
> 0 , g12
g 22
g13

g12

g13

g 22
g 23

g 23
g33

g11
g
> 0 , , 12
M
g1n

g12 L g1n
g 22 L g 2 n
> 0.
O
g 2n
g nn

Definitie : Produsul scalar standard in R n ,+, ; R se defineste astfel :

x1
y1
2
2
n
x
y
x = , y = R n ,
x ; y = x1 y1 + x 2 y 2 + L + x n y n = x i y i
i =1
M
M
xn
yn


In acest caz matricea Gram asociata este matricea identitate: G = I n (corespunzatoare bazei canonice
B 0 ).

Exemplu : Fie spatiul vectorial R 2 ,+, ; R si aplicatie ; : R 2 R 2 R definita astfel:

u1 v1
u1
v1
u ; v = 2 ; 2 = u1 v1 + 3 u 2 v 2 R 2 , u = 2 , v = 2 R 2 .
u v
u
v
2
Vom arata ca R , ; este un spatiu Euclidean, adica, cu alte cuvinte, ca aplicatia ; este un produs
scalar.
Vom arata deci ca aplicatia ; satisface proprietatile P1 P4 din definitia produsului scalar:

P1 : Sa aratam ca x + y; z = x , z + y; z , x , y , z R 2 , , K . Aceasta este echivalent cu :

x1
y1 z1

2 ; 2 =
+

2
y z
x

x1 z1
2 ; 2 +
x z

y1 z 1
2 ; 2 .
y z

x1
y1 z1
x1 z1
y1 z 1
Vom nota 2 + 2 ; 2 =& M 1 , 2 ; 2 + 2 ; 2 =& M 2 , vom calcula M 1 si M 2
x
y z
x z
y z
separat si vom vedea daca M 1 = M 2 . Folosind definitia produsului scalar din enunt, pentru u = x + y si
v = z obtinem :
x1
y1 z1
x1 + y1 z1
; = x1 + y1 z1 + 3 x 2 + y 2 z 2 =
M 1 = 2 + 2 ; 2 =
2
2 2

x
y
z

x
+

z
= x1 z1 + y1 z1 + 3 x 2 z 2 + 3 y 2 z 2 .
Pe de alta parte, folosind definitia de doua ori, mai intai cu u = x , v = z si apoi cu u = y , v = z , obtinem :

x1 z1
y1 z1
M 2 = 2 ; 2 + 2 ; 2 = x1 z1 + 3 x 2 z 2 + y1 z1 + 3 y 2 z 2 =
x z
y z
= x1 z1 + 3 x 2 z 2 + y1 z1 + 3 y 2 z 2 = x1 z1 + 3 x 2 z 2 + y1 z1 + 3 y 2 z 2 .
Cum sumele M 1 si M 2 sunt formate din aceiasi termeni, este evident ca M 1 = M 2 si deci P1 este verificata.

P2 : In continuare aratam ca x , y = y , x , x , y R 2 . Intr-adevar :

x1 y1
y1 x1
1
1
2
2
1
1
2
2

x , y = 2 ; 2 = x y + 3 x y = y x + 3 y x = 2 ; 2 = y , x .
x y
y x
P3 : Vom arata ca daca
(*)
(**)

x , y = 0 pentru orice x R 2 , atunci y = 0 . Cu alte cuvinte, trebuie sa aratam ca:

x1
y1 0
x1 y1
Daca 2 ; 2 = 0 pentru orice 2 R 2 , atunci 2 = . Aceasta este totuna cu :
x y
x
y 0
Daca x1 y1 + 3 x 2 y 2 = 0 pentru orice x1 , x 2 R , atunci y1 = y 2 = 0.

Daca x1 y1 + 3 x 2 y 2 = 0 pentru orice x1 , x 2 R , atunci x1 y1 + 3 x 2 y 2 = 0 si pentru x1 = 1, x 2 = 0 , caz in

care obtinem 1 y1 + 3 0 y 2 = 0 y1 = 0 .
Din nou, daca x1 y1 + 3 x 2 y 2 = 0 pentru orice x1 , x 2 R , atunci x1 y1 + 3 x 2 y 2 = 0 si pentru x1 = 0, x 2 = 1 ,
caz in care obtinem 0 y1 + 3 1 y 2 = 0 3 y 2 = 0 y 2 = 0 .
Astfel, daca x1 y1 + 3 x 2 y 2 = 0 pentru orice x1 , x 2 R , alegand valori particulare pentru x1 , x 2 obtinem y1 = 0
si y 2 = 0 . Rezulta ca (**) este verificata, si deci (*) si P3 sunt de asemenea verificate.

 x1 x1
P4 : In sfarsit, mai ramane de aratat ca x , x > 0 , x R 2 \ {0} , sau , echivalent : 2 ; 2 > 0 ,
x x
x1
0
2 R 2 \ { } .
0
x
x1 x1
2
2
Cum 2 ; 2 = x1 x1 + 3 x 2 x 2 = x1 + 3 x 2 este o suma de patrate, acest lucru este in mod evident
x x
adevarat.
In concluzie aplicatia ; satisface proprietatile P1 P4 si deci este un produs scalar.

( )

( )

18. Norma Euclidiana

Fie spatiul vectorial real (V ,+, ; R ) . Vom nota prin R+ multimea numerelor reale pozitive.

Definitie : Aplicatia : V R+ se numeste norma daca :

N1) v 0, v V si v = 0 v = 0
N2) v = v , R, v V
N3) u + v u + v , u , v V

Definitie : Un vector v 0 E n se numeste versor (sau vector unitate) daca v 0 = 1 .

Remarca : Este usor de aratat, verificand proprietatile N1, N2, N3, ca in spatiul Euclidian E n , ; aplicatia

: E R+ definita prin v =

v ; v , v E n este o norma (incercati!).

Definitie : Norma : E R+ , v =

v ; v , v E n se numeste norma Euclidiana. Un spatiu Euclidian

inzestrat cu o astfel de norma se numeste spatiu vectorial normat si se noteaza E n , .

[ ]

Remarca : Daca B = (ei )n este o baza a lui E n , G = g ij , g ij = ei ; e j este matricea Gram corespunzatoare si

x1
2
x
X = contine coordonatele vectorului arbitrar v E n in baza B , u = xi ei , atunci v = gij xi x j .
M
n
x

Daca in spatiul Euclidian real E n , ; inzestrat cu produsul scalar standard consideram baza canonica B 0 vom
obtine urmatoarea norma:
Definitie : Norma standard in E n , ; (unde ; este produsul scalar standard) se defineste astfel :

x1
2
x
x = R n ,
M
xn

x =

x ; x = x1 x1 + x 2 x 2 + L + x n x n =

(x ) + (x )
1 2

2 2

( )

+ L + xn

(x )
n

i 2

i =1

Exemplu : Fie spatiul Euclidian real normat E 2 , inzestrat cu norma standard care are expresia:

x1
x = x ; x = x + x , x = 2 E 2 .
x
Produsul scalar in acest caz este produsul scalar standard in E 2 :
x1
y1
x ; y = x1 y1 + x 2 y 2 , x = 2 , y = 2 E 2 .
x
y

( ) ( )
1 2

2 2

1
3
Fie vectorii u = , v = E 2 . Vom calcula in continuare produsul scalar a lui u si v , norma lui u si un
2
5
0
versor v corespunzator lui u .
Produsul scalar a lui u si v este u ; v = u1 v1 + u 2 v 2 = 1 (3) + 2 5 = 3 + 10 = 7 .

(u ) + (u )
1 2

Norma lui u este u =

2 2

(1)2 + (2)2

= 1+ 4 = 5 .
1 5

5 = 5 .
2 2 5

5 5

1
1 1
0
Un versor corespunzator lui u este u =
u =
=
u
5 2

Sa verificam faptul ca u este intr-adevar un versor : u

1 4
1 2
=
+ = 1 , adevarat.
+
=
5 5
5 5

19. Distanta si unghiul dintre doi vectori

x1
y1
2
2
y
x
n
Definitie : Fie un spatiu Euclidian real n-dimensional E , ; si doi vectori arbitrari x = , y = E n .
M
M
yn
xn

Distanta dintre vectorii x si y se defineste astfel: d ( x , y ) = x y .

)(

Pentru o baza data B = (ei )n a lui E n , se obtine : d ( x , y ) = g ij xi y i x j y j .

Daca baza aleasa este chiar baza canonica B 0 se obtine distanta canonica:

d (x , y ) =

(x
n

i =1

yi

(x

) (

y1 + x 2 y 2 + ... + x n y n

Definitie : Fie din nou spatiul Euclidian real n-dimensional E n , ; si doi vectori arbitrari nenuli,

x1
y1
2
2
x
y
x = , y = E n , x 0 , y 0 .
M
M
xn
yn


Unghiul dintre cei doi vectori x si y , notat prin = m(( x , y )) , este solutia ecuatiei cos =

[0, 2 ] .

x; y
x y

, unde

Remarca : Este usor de aratat (incercati!) ca faptul ca vectorii x si y sunt coliniari este echivalent cu faptul ca
unghiul dintre x si y este = 0 sau = , ceea ce are sens din punct de vedere geometric.
Pe de alta parte, daca unghiul dintre x si y is =

, vectors se numesc ortogonali. Acest lucru se intampla in

2
mod evident daca si numai daca x ; y = 0 , astfel ca are loc urmatoarea definitie echivalenta:

Definitie : Doi vectori x si y se numesc ortogonali daca produsul lor scalar este nul, x ; y = 0 . Notatia
corespunzatoare este x y .
O multime S E n se numeste multime ortogonala daca u v , u , v S .

Remarca : Orice multime ortogonala constand din vectori nenuli este liniar independenta. Mai mult, orice
multime ortogonala constand din exact n vectori nenuli este o baza a lui E n (n fiind dimensiunea lui E n ).

Exemplu : Fie spatiul Euclidian real normat E 3 , inyestrat cu norma standar. Consideram vectorii

1
1


x = 2 , y = 5 E 3 . Distanta dintre cei doi vectori este:
3
3


d (x , y ) =

(x

) (
2

) (
2

y1 + x 2 y 2 + x3 y 3

(1 (1))2 + (2 5)2 + (3 (3) )2 = (2)2 + ( 3)2 + (6 )2 =

= 4 + 9 + 36 = 49 = 7 .
Unghiul dintre cei doi vectori va fi calculat folosind ecuatia cos =

x; y
x y

. Calculam mai intai produsul

scalar:
x ; y = x1 y1 + x 2 y 2 + x3 y 3 = 1 (1) + 2 5 + 3 (3) = 1 + 10 9 = 0 . Ecuatia devine:

(since [0, 2 ] ).
2
In acest caz desigur ca vectorii sunt ortogonali, fapt care rezulta direct din x ; y = 0 .
cos = 0 =

20. Teorema Gram-Schmidt

Definitie : Baza B* = (ei* )n a lui E n se numeste ortogonala daca ei* e *j , ei* , e j* B* , i j .
B* se numeste ortonormala daca este ortogonala si in plus ei* = 1, ei* B* .

1, i = j
Remarca : O baza ortonormala este caracterizata de relatia : ei* ; e j* = ij =
.
0, i j

( )

Teorema : Oricarei baze B = (ei )n din E n ii putem asocia o baza ortogonala B ' = fi

folosind relatiile :

f1 = e1
f 2 = e2 21 f1
(1)

f 3 = e3 31 f1 32 f 2

k 1

f k = ek ki fi , k = 2,..., n ,
i =1

unde :
(2)

ki =

ek ; fi
fi ; fi

( )

Schita demonstratiei: Baza B ' = f i

este ortogonala daca f i f j , f i , f j B' , i j . Rezulta deci ca avem

de aratat ca f i f j pentru orice i, j = 1,2,..., n, i j .

Fie f1 = e1 si f 2 = e2 21 f1 asa ca in relatiile (1). In acest caz f1 f 2 f1; f 2 = 0 f1; e2 21 f1 = 0 .
Tinand cont de proprietatile P2 si P1 din definitia produsului scalar obtinem:

f1; e2 21 f1 = 0 e2 21 f1; f1 = 0 e2 ; f1 21 f1; f1 = 0 21 =

e2 ; f1
f1; f1

Se observa ca intr-adevar f1 f 2 daca 21 satisface relatia (2).

k 1

s 1

i =1

i =1

In mod similar se poate arata ca vectorii f k = ek ki f i si f s = es si fi sunt ortogonali daca

parametrii corespunzatori ki si si satisfac relatia (2).

Exemplu : In spatiul Euclidian normat E 3 ,

1
2
0

consideram baza B = e1 = 1, e2 = 0 , e3 = 1 . Vom

1
1
1

determina o baza ortonormala asociata lui B .

In primul rand vom folosi relatiile (1) si (2) din teorema Gram-Schmidt pentru a determina o baza ortogonala
B ' = fi , f 2 , f 3 :

1
2
1 1
e2 ; f1



2 1 + 0 1 + 1 1 3
Avem f1 = e1 = 1 si f 2 = e2 21 f1 . Cum 21 =
=
= = 1 f 2 = 0 1 1 = 1 .
1 1 + 1 1 + 1 1 3
f1; f1
1
1
1 0



De asemenea avem 31 =

e3 ; f1
f1; f1

e3 ; f 2
0 1 + (1) (1) + 1 0 1
0 1 + (1) 1 + 1 1 0
= = 0 , 32 =
=
= , deci
1 1 + (1) (1) + 0 0 2
1 1 + 1 1 + 1 1
3
f2 ; f2

1 1

0
1
1 0 2 2

1
1 1
= .
obtinem: f 3 = e3 31 f1 32 f 2 = 1 0 1 1 = 1 +
2 2
2
1
1
0 1
0 1

1
1

2


1

In acest mod am obtinut baza ortogonala B' = f i = 1, f 2 = 1, f 3 = .

2
1
0

Vom verifica faptul ca B' este intr-adevar ortogonala, adica f1 f 2 , f 2 f3 si f3 f1 . Avem :

1
1
f1; f 2 = 1 1 + 1 (1) + 1 0 = 0 , f 2 ; f 3 = 1 ( ) + (1) ( ) + 0 1 = 0 ,
2
2
1
1
f3 ; f1 = 1 1 + ( ) 1 + ( ) 1 = 0 , deci B ' este ortogonala.
2
2
Al doilea pas este determinarea unor versori corespunzatori vectorilor din B ' . Baza ortonormata
corespunzatoare B ' ' = ( gi )n va fi formata din vectorii g i , unde g i este versorul vectorului f i , adica
1
gi =
fi , i = 1,2,3 . Obtinem:
fi

1
1
1



1
1
1
3
g1 =
f1 =
1 =
1 =
1 =
3 3
f1
12 + 12 + 12
1
1
1

3
3
.
3
3
3

1
1
1
1
1
1
2
2
g2 =
f2 =
1 =
1 =
1 =
.
2 2 2
f2
12 + (1) 2 + 0 2
0
0
0 0

1
1
1
1 6




2
2
2
2 6
1
1
1
1 1 2 1
6 1
6
g3 =
f3 =
=

=

=

=
.
1 2
1 2 2 2
6 2
6 2 3 2 6
f3
( ) + ( ) + 1 1
1
1
1
6
2
2
2

3
2
6

3
6
2

2
6
Baza ortonormata cautata este B' ' = g1 =
, g 2 =
.
, g 3 =
3
2
6

0
3
6

3
3

Din nou este bine sa verificam faptul ca baza este intr-adevar ortonormata : g1 g 2 , g 2 g3 , g3 g1 si

g1 = g 2 = g3 = 1

- Incercati!

21. Spatii afine

Fie spatiul vectorial (V ,+, ; R ) si multimea ( ) .
Definitie : O structura afina pe este o aplicatie : A V satisfacand relatiile :
AS1) A, B, C , (A, B) + (B, C ) = (A, C ) (regula triunghiului)
AS2) O , aplicatia 0 : V definita prin 0 (A ) = (O, A ) este bijectiva.
Tripletul ( A ;V , ) se numeste spatiu afin.

Daca dimensiunea spatiului vectorial (V ,+, ; R ) este dim R V = n , atunci se noteaza ( A ; V , ) =& An iar spatiul se
numeste spatiu afin n-dimensional.
Elementele lui A se numesc puncte iar elementele lui V se numesc vectori directori; V se mai numeste spatiu
director.
Definitie : Fie ( A ; V , ) =& An un spatiu afine. Un reper afin este un sistem de elemente din An :
a = {O; (e1 , e2 ,..., en )},

in care O este un punct fixat numait origine a reperului iar B = (ei )n este o baza din V .

Remarca : Daca O este originea reperului a , aplicatia 0 : V , 0 (A ) = (O, A ) asociaza fiecarui punct

M A un unic vector OM =& rM numit vector de pozitie al punctului M .

Descompunerea vectorului de pozitie rM in baza B = (ei )n se numeste expresia analitica a lui rM :

rM = x1 e1 + x 2 e2 + ... + x n en .
Scalarii xi se numesc coordonatele punctului M in reperul a , iar notatia corespunzatoare este

M x1 , x 2 ,..., x n .
Definitie: Spatiul afin ( A ;V , ) se numeste spatiu afin Euclidian daca este un spatiu vectorial Euclidian

( )

V = E n . Notatia folosita in acest caz este A ; E n , =& n . Fie B* = ei* n o baza ortonormata a lui E n
*
i

( e ;e

*
j

= ij ). Atunci = O; B
0
a

} se numeste reper ortonormat.


1
0
0
0 0 0
Exemplu : In spatiul vectorial R ,+, ; R consideram baza canonica B = e1 = 0 , e2 = 1 , e3 = 0 .

0
0
1

3
3
Mai comsideram spatiul afin Euclidian asociat si un punct fix O din A . Putem acum introduce reperul afin
ortonormat 0a = {O; (e10 , e20 , e30 )}. Este usor de verificat faptul ca baza B 0 este intr-adevar ortonormata
(incercati!).
In spatiul tridimensional versorii e10 , e20 , e30 se noteaza deobicei astfel : e10 =& i , e20 =& j , e30 =& k . Folosind aceasta

notatie, reperul standard in

canonice).

3 este 0a = {O; (i ,

)}

j , k . ( i , j , k este doar o alta notatie pentru vectorii bazei

In continuare consideram punctele M, N 3 ale caror coordonate in reperul 0a sunt M(5,0,2 ) si N(2,3,4) .
Vom calcula expresia vectorului MN .
Mai intai determinam vectorul de pozitie OM = rM asociat in 0a punctului M .
Expresia analitica a lui rM in 0a este : rM = x1 i + x 2 j + x3 k = 5 i + 0 j + (2) k = 5 i 2 k , unde xi sunt
coordonatele punctului M , x1 = 5, x 2 = 0, x3 = 2 .

Pentru N(2,3,4) vectorul de pozitie corespunzator este rN = 2 i + 3 j + 4 k .

Cum elementului (O, A ) i-am asociat vectorul OA , regula triunghiului AS1 poate fi exprimata astfel:

A, B, C , AB + BC = AC .
In cazul nostru, inlocuind A cu O , B cu M si C cu N obtinem : OM + MN = ON . Rezulta ca:

MN = ON OM = rM rN = (5 i 2 k ) (2 i + 3 j + 4 k ) = (5 2) i + (0 3) j + (2 4) k
Asadar MN = 3 i 3 j 6 k .

22. Produsul vectorial

Fie spatiul afin Euclidian n .
Definitie : Produsul vectorial in n este aplicatia "": n n n definita prin :
v1 v2 = v1 v2 sin v 0 , v1, v2 E 3 ,
unde este unghiul dintre vectorii v1 si v2 iar v 0 este un vector care satisface proprietatile:
v 0 = 1 , v 0 v1 , v 0 v2 ,
orientarea lui v 0 este data de regula mainii drepte : Daca degetul aratator arata directia lui v1 si degetul
mijlociu arata directia lui v1 , atunci degetul mare arata directia lui v 0 .
Remarci :
Produsul vectorial este antisimetric: v2 v1 = v1 v2
Numarul v2 v1 = v1 v2 sin =& AP reprezinta aria paralelogramului determinat de vectorii OA = v1 si

1
OA OB
2
In reperul afin Euclidian ortonormat 0a = O; i , j , k urmatoarele relatii sunt adevarate (vericati!) :
OB = v2 . In consecinta, aria triunghiului AOB este AT =

{ (

i i = i i sin 0 v 0 = 1 1 0 v 0 = 0 ;
i k = i k sin

( j ) = 1 1 1 ( j ) = j

)}

i j = i j sin
j i = j i sin

k = 1 1 1 k = k
( k ) = 1 1 1 ( k ) = k

j j = j j sin 0 v 0 = 1 1 0 v 0 = 0
k i = k i sin

j k = j k sin

j = 1 1 1 j = j

k j = k j sin

i = 1 1 1 i = i
(i ) = 1 1 1 (i ) = i

k k = k k sin 0 v 0 = 1 1 0 v 0 = 0 .
Folosind aceste relatii, putem exprima produsul vectorial a doi vectori arbitrari a caror descompuneri in 0a
sunt v1 = x1 i + y1 j + z1 k si v2 = x2 i + y2 j + z2 k in modul urmator:

) (

v1 v2 = x1 i + y1 j + z1 k x2 i + y2 j + z2 k = x1 i x2 i + y2 j + z2 k + y1 j x2 i + y2 j + z2 k +
+ z1 k (x2 i + y2 j + z2 k ) = x1 x2 (i i ) + x1 y2 (i j ) + x1 z2 (i k ) + y1 x2 ( j i ) + y1 y2 ( j j ) +
y1 z2 j k + z1 x2 k i + z1 y2 k j + z1 z2 k k = ( x1 y2 y1 x2 ) k (x1 z2 z1 x2 ) j +

( y1 z2 z1 y2 ) i =

x1
x2

y1
y2

k
z1 .
z2

Exemplu : VOm calcula aria triunghiului ABC in cazul in care coordonatele punctelor A, B si C in reperul
0a = {O; (i , j , k )} sunt A(1,1,0) , B(1,0,1) , C(0,1,1) .
Vectorii de pozitie corespunzatori sunt OA = rA = 1 i + 1 j + 0 k = i + j ,
OB = rB = 1 i + 0 j + 1 k = i + k si OC = rC = 0 i + 1 j + 1 k = j + k .

Folosind regula triunghiului obtinem:

AB = OB OA = rB rA = (i + k ) (i + j ) = 0 i + (1) j + 1 k ,
AC = OC OA = rC rA = ( j + k ) (i + j ) = i + k = (1) i + 0 j + 1 k .

Produsul vectorial este: AB AC = 0

1 1 = ( 1) i + ( 1) j + ( 1) k = i j k
1 0 1

Aria triunghiului este: AT =

1
1
3
AB AC = (1) 2 + (1)2 + (1) 2 =
.
2
2
2