Algebra Cotfas08

Nicolae Cotfas
ELEMENTE DE
ALGEBRĂ LINIARĂ
EDITURA UNIVERSITĂŢII DIN BUCUREŞTI

Introducere
Pe parcursul acestei cărţi ne propunem să prezentăm ı̂ntr-un mod cât mai accesibil
noţiuni si rezultate de bază aparţinând algebrei liniare ı̂nsoţite de unele aplicaţii.
Pentru ca trecerea de la matematica predată ı̂n liceu la cea predată ı̂n facultate să se
facă cât mai uşor, ı̂n carte au fost incluse multe noţiuni şi rezultate cu care studenţii
sunt deja familiarizaţi din şcoală.
Unele demonstraţii mai dificile au fost prezentate doar ı̂n caz particular sau
ı̂nlocuite cu exemple care să scoată ı̂n evidenţă doar ideea de bază a demonstraţiei.
In general, prezentarea unei noţiuni sau a unui rezultat este pregătită prin exemple
adecvate.
Deşi cartea se adresează ı̂n primul rând studenţilor din anul ı̂ntâi de la facultăţile
de fizică, considerăm că ea poate fi utilă şi studenţilor de la facultăţile tehnice sau
elevilor de liceu pasionaţi de matematică.
Bucureşti, 2009 Nicolae Cotfas
5
Cuprins
1 Matrice şi determinanţi 9

1.1 Matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2 Determinanţi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2 Spaţii vectoriale 23
2.1 Definiţie şi exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2 Subspaţii vectoriale . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.3 Subspaţiul generat de o mulţime de vectori . . . . . . . . . . . . . . 27
2.4 Dependenţă şi independenţă liniară . . . . . . . . . . . . . . . . . . . 29
2.5 Bază şi dimensiune . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.6 Sume de subspaţii . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.7 Sume directe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.8 Spaţii factor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3 Aplicaţii liniare 51
3.2 Imaginea şi nucleul unei aplicaţii liniare . . . . . . . . . . . . . . . . 53
3.3 Izomorfisme liniare . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.4 Dualul unui spaţiu vectorial . . . . . . . . . . . . . . . . . . . . . . . 58
3.5 Tensori . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.6 Matricea unei aplicaţii liniare . . . . . . . . . . . . . . . . . . . . . . 70
3.7 Vectori şi valori proprii . . . . . . . . . . . . . . . . . . . . . . . . . . 73
3.8 Forma diagonală a matricei unei aplicaţii liniare . . . . . . . . . . . 78
7
8 CUPRINS
4 Spaţii vectoriale euclidiene 85

4.2 Baze ortonormate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
4.3 Complementul ortogonal al unui subspaţiu . . . . . . . . . . . . . . . 93
4.4 Adjunctul unui operator liniar . . . . . . . . . . . . . . . . . . . . . . 94
4.5 Operatori autoadjuncţi . . . . . . . . . . . . . . . . . . . . . . . . . . 98
4.6 Transformări unitare . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
4.7 Transformări ortogonale . . . . . . . . . . . . . . . . . . . . . . . . . 108
5 Forme pătratice 111

5.2 Reducere la forma canonică . . . . . . . . . . . . . . . . . . . . . . . 114
6 Conice 121
6.2 Reducere la forma canonică . . . . . . . . . . . . . . . . . . . . . . . 124
7 Ecuaţii şi sisteme de ecuaţii diferenţiale liniare 129

7.1 Ecuaţii diferenţiale de ordinul ı̂ntâi . . . . . . . . . . . . . . . . . . . 129
7.2 Ecuaţii diferenţiale liniare de ordin superior . . . . . . . . . . . . . . 135
7.3 Sisteme diferenţiale liniare . . . . . . . . . . . . . . . . . . . . . . . . 146
8 Grupuri. Reprezentări liniare 159

8.1 Grupuri . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
8.2 Reprezentări liniare . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
8.3 Reprezentări ireductibile . . . . . . . . . . . . . . . . . . . . . . . . . 163
8.4 Reprezentări unitare şi ortogonale . . . . . . . . . . . . . . . . . . . 165
8.5 Grupul rotaţiilor. Reprezentări liniare . . . . . . . . . . . . . . . . . 168
9 Algebre Lie. Reprezentări liniare 177

9.1 Algebre Lie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
9.2 Reprezentări liniare . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
9.3 Reprezentări ireductibile . . . . . . . . . . . . . . . . . . . . . . . . . 187
9.4 Reprezentările algebrelor sl(2, C), su(2) şi o(3) . . . . . . . . . . . . 189
Capitolul 1
Matrice şi determinanţi
1.1 Matrice
Definiţia 1.1 Fie K unul dintre corpurile R, C. Prin matrice cu n linii şi m
coloane, cu elemente din K, se ı̂nţelege o aplicaţie
A : {1, 2, ..., n} × {1, 2, ..., m} −→ K : (i, j) 7→ aij
descrisă uzual cu ajutorul tabloului

 
a11 a12 · · · a1m
 a21 a22 · · · a2m 
A=
 
··· ··· ··· ···

 
an1 an2 · · · anm
care conţine valorile functiei. Vom nota cu Mn×m (K) mulţimea tuturor matricelor
cu n linii şi m coloane, cu elemente din K.
Definiţia 1.2 Suma A+B a două matrice A, B ∈ Mn×m (K) se defineşte prin relaţia
     
a11 a12 ... a1m b11 b12 ... b1m a11 +b11 a12 +b12 ... a1m +b1m
a
 21 a22 ... a2m   b21 b22 ... b2m   a21 +b21 a22 +b22 ... a2m +b2m 
   
+ =

 ... ... ... ...   ... ... ... ...   ... ... ... ...
 

an1 an2 ... anm bn1 bn2 ... bnm an1 +bn1 an2 +bn2 ... anm +bnm
9
10 Elemente de algebră liniară
iar produsul dintre un număr λ ∈ K şi o matrice A ∈ Mn×m (K) se defineşte prin
relaţia    
a11 a12 ... a1m λa11 λa12 ... λa1m
a a22 ... a2m 
  λa21 λa22 ... λa2m 

 21
λ = .

 ... ... ... ...   ... ... ... ... 
an1 an2 ... anm λan1 λan2 ... λanm
Propoziţia 1.3 Dacă A, B, C ∈ Mn×m (K) şi α, β ∈ K atunci
(A+B)+C = A+(B +C), A + B = B + A,
α(A + B) = αA + αB, (α+β)A = αA+βA
1A = A α(βA) = (αβ)A.
Demonstraţie. Relaţiile rezultă din
(aij +bij )+cij = aij +(bij +bij ) aij + bij = bij + aij ,
α(aij + bij ) = αaij + αbij , (α+β)aij = α aij +β aij
1 aij = aij , α(βaij ) = (αβ)aij .
Definiţia 1.4 Produsul AB al matricelor A ∈ Mn×m (K) şi B ∈ Mm×p (K) se

defineşte prin formula
   
a11 a12 ... a1m b11 b12 ... b1p
a
 21 a22 ... a2m   b21 b22 ... b2p 
 
·

 ... ... ... ...   ... ... ... ... 
 
an1 an2 ... anm bm1 bm2 ... bmp

 Pm Pm Pm 
j=1 a1j bj1 j=1 a1j bj2 ... j=1 a1j bjp
P 
 m Pm Pm
 j=1 a2j bj1 j=1 a2j bj2 ... j=1 a2j bjp 

=

.


 ... ... ... ... 

Pm Pm Pm
j=1 anj bj1 j=1 anj bj2 ... j=1 anj bjp
Propoziţia 1.5 Dacă A ∈ Mn×m (K), B ∈ Mm×p (K) şi C ∈ Mp×q (K) atunci
A(BC) = (AB)C.
Matrice şi determinanţi 11
Demonstraţie. Avem
 
m
X p
X
! p
X m
X
aij bjk ckl =  aij bjk  ckl .
j=1 k=1 k=1 j=1
Propoziţia 1.6 Dacă A ∈ Mn×m (K) şi B, C ∈ Mm×p (K) atunci
A(B + C) = AB + AC.
m
X m
X m
X
aij (bjk + cjk ) = aij bjk + aij cjk .
j=1 j=1 j=1
Propoziţia 1.7 Dacă A ∈ Mn×m (K), B ∈ Mm×p (K) şi λ ∈ K atunci
λ(AB) = (λA)B = A(λB).
m
X m
X m
X
λ aij bjk = (λaij )bjk = aij (λbjk ).
j=1 j=1 j=1
Observaţia 1.1 Dacă A, B ∈ Mn×n (K) atunci există matricele AB şi BA, dar ı̂n
general
AB 6= BA.
De exemplu,
! ! ! ! ! !
0 1 1 1 0 0 1 1 0 1 1 1
= si = .
1 0 0 0 1 1 0 0 1 0 0 0
Definiţia 1.8 Spunem ca matricea pătrată A ∈ Mn×n (K) este inversabilă dacă
există o matrice B ∈ Mn×n (K) astfel ı̂ncât
AB = BA = I
unde  
1 0 ··· 0
 0 1 ··· 0 
I=
 
··· ··· ··· ···

 
0 0 ··· 1
este matricea unitate.
Propoziţia 1.9 Inversa unei matrice pătratice, dacă există, este unică.
Demonstraţie. Fie A ∈ Mn×n (K). Presupunând că există două matrice B, C ∈

Mn×n (K) astfel ı̂ncât AB = BA = I şi AC = CA = I se obţine că
B = BI = B(AC) = (BA)C = IC = C.
1.2 Determinanţi
Observaţia 1.2 In cazul α11 α22 − α12 α21 6= 0, rezolvând sistemul de ecuaţii
(
α11 x1 + α12 x2 = β1
α21 x1 + α22 x2 = β2
prin metoda reducerii se obţine soluţia
β1 α22 − β2 α12 β2 α11 − β1 α21
x1 = , x2 =
α11 α22 − α12 α21 α11 α22 − α12 α21
care poate fi scrisă sub forma

β α α
11 β1

1 12
β2 α22 α21 β2

x1 =
, x2 =

α11 α12 α11 α12

α21 α22 α21 α22

dacă se utilizează notaţia

a a12
11
= a11 a22 − a12 a21 .

a21 a22

Definiţia 1.10 Fie K unul dintre corpurile R, C şi fie matricea pătrată
!
a11 a12
A= ∈ M2×2 (K).
a21 a22
Numărul
a a12
det A = 11 = a11 a22 − a12 a21 (1.1)

a21 a22
se numeşte determinantul matricei A.
Observaţia 1.3 In cazul ı̂n care sistemul de trei ecuaţii cu trei necunoscute

 α11 x1 + α12 x2 + α13 x3 = β1

α21 x1 + α22 x2 + α23 x3 = β2

 α x +α x +α x =β
31 1 32 2 33 3 3
are soluţie unică, soluţia obţinută prin metoda reducerii se poate scrie

β α
12 α13
α
11 β1 α13
α
11 α12 β1

1
β2 α22 α23 α21 β2 α23 α21 α22 β2

β3 α32 α33 α31 β3 α33 α31 α32 β3
x1 =
, x2 =
, x3 =

α11 α12 α13 α11 α12 α13 α11 α12 α13

α21 α22 α23 α21 α22 α23 α21 α22 α23

α31 α32 α33 α31 α32 α33 α31 α32 α33
dacă se utilizează notaţia

a a12 a13
11
a21 a22 a23 = a11 a22 a33 + a12 a23 a31 + a13 a21 a32

a31 a32 a33
−a13 a22 a31 − a11 a23 a32 − a12 a21 a33 .
Definiţia 1.11 Fie K unul dintre corpurile R, C şi fie matricea pătrată
 
a11 a12 a13
A =  a21 a22 a23  ∈ M3×3 (K).
 
a31 a32 a33
Numărul

a a12 a13
11
det A = a21 a22 a23 = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 (1.2)

a31 a32 a33
−a13 a22 a31 − a11 a23 a32 − a12 a21 a33
Definiţia 1.12 Prin permutare de grad n se ı̂nţelege o funcţie bijectivă
σ : {1, 2, ..., n} −→ {1, 2, ..., n}.

Observaţia 1.4 O permutare de grad n poate fi descrisă cu ajutorul unui tablou

!
1 2 ··· n
σ=
σ(1) σ(2) · · · σ(n)
Vom nota cu Sn mulţimea tuturor permutărilor de grad n.
Definiţia 1.13 Prin signatura permutării
σ : {1, 2, ..., n} −→ {1, 2, ..., n}
se ı̂nţelege numărul
Y σ(i) − σ(j)
ε(σ) = .
1≤i<j≤n
i−j
Exemplul 1.1 Avem S3 = {σ1 , σ2 , ... , σ6 } unde

! ! !
1 2 3 1 2 3 1 2 3
σ1 = , σ2 = , σ3 = ,
1 2 3 2 3 1 3 1 2
! ! !
1 2 3 1 2 3 1 2 3
σ4 = , σ5 = , σ6 =
3 2 1 1 3 2 2 1 3
şi
ε(σ1 ) = ε(σ2 ) = ε(σ3 ) = 1, ε(σ4 ) = ε(σ5 ) = ε(σ6 ) = −1.
Observaţia 1.5 Folosind exemplul anterior, relaţia (1.2) se poate scrie sub forma

a a12 a13
11
a21 a22 a23 = ε(σ1 ) a1σ1 (1) a2σ1 (2) a3σ1 (3) + ε(σ2 ) a1σ2 (1) a2σ2 (2) a3σ2 (3)

a31 a32 a33
+ε(σ3 ) a1σ3 (1) a2σ3 (2) a3σ3 (3) + ε(σ4 ) a1σ4 (1) a2σ4 (2) a3σ4 (3)
+ε(σ5 ) a1σ5 (1) a2σ5 (2) a3σ5 (3) + ε(σ6 ) a1σ6 (1) a2σ6 (2) a3σ6 (3)
adică
a a12 a13
11 X
a21 a22 a23 = ε(σ) a1σ(1) a2σ(2) a3σ(3) .

a31 a32 a33 σ∈S3
Definiţia 1.14 Fie matricea pătrată

 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
A=  ∈ Mn×n (K).
 
 ··· ··· ··· ··· 
an1 an2 · · · ann
Numărul

a11 a12 · · · a1n

a21 a22 · · · a2n X
det A = = ε(σ) a1σ(1) a2σ(2) · · · anσ(n) (1.3)

··· ··· ··· ···
σ∈Sn

Observaţia 1.6 Din definiţia (1.3) rezultă că det A este o sumă de produse de câte
n elemente ale matricei A, fiecare produs conţinând un singur element de pe fiecare
linie şi un singur element de pe fiecare coloană.
Observaţia 1.7 Din relaţia (1.2) rezultă

a a12 a13 a a21 a31
11 11
a21 a22 a23 = a12 a22 a32

a31 a32 a33 a13 a23 a33
(determinantul unei matrice coincide cu determinantul transpusei). Se poate demon-

stra ca o astfel de relaţie are loc pentru orice matrice pătrată.
Propoziţia 1.15 Dacă A ∈ Mn×n (K) atunci
det A = det tA.
Observaţia 1.8 Din (1.2) rezultă relaţiile

a a12 a13 a a22 a23 a a12 a13 a a32 a33
11 21 11 31
a21 a22 a23 = − a11 a12 a13 = − a31 a32 a33 = − a21 a22 a23

a31 a32 a33 a31 a32 a33 a21 a22 a23 a11 a12 a13
(dacă schimbăm ı̂ntre ele două linii semnul determinantului se schimbă)

a a12 a13 a a11 a13 a a13 a12 a a12 a11
11 12 11 13
a21 a22 a23 = − a22 a21 a23 = − a21 a23 a22 = − a23 a22 a21

a31 a32 a33 a32 a31 a33 a31 a33 a32 a33 a32 a31
(dacă schimbăm ı̂ntre ele două coloane semnul determinantului se schimbă). Se

poate demonstra ca un astfel de rezultat este valabil pentru orice matrice pătrată.
Propoziţia 1.16 Dacă se schimbă ı̂ntre ele două linii (sau două coloane) ale unei
matrice pătrate atunci se obţine o matrice care are determinantul egal cu opusul
determinantului matricei iniţiale.
Propoziţia 1.17 Dacă ı̂n matricea A ∈ Mn×n (K) toate elementele unei linii (sau
coloane) sunt nule atunci det A = 0.
Demonstraţie. Afirmaţia rezultă direct din definiţia (1.3).
Observaţia 1.9 Din (1.2) rezultă că

α α2 α3 α α1 a13
1 1
α1 α2 α3 = 0, α2 α2 a23 = 0.

a31 a32 a33 α3 α3 a33
Se poate demonstra următorul rezultat mai general.
Propoziţia 1.18 Determinantul unei matrice pătrate cu două linii (sau coloane)
identice este nul.
Propoziţia 1.19 Pentru orice k ∈ {1, 2, ..., n} avem

a11
a12 · · · a1n

a11
a12 · · · a1n
··· ··· ··· ··· ··· ··· · · · · · ·

λ ak1 λ ak2 · · · λ akn = λ ak1 ak2 · · · akn

··· ··· ··· ··· ··· ··· · · · · · ·

an1 an2 · · · ann an1 an2 · · · ann
şi

a11 · · · λ a1k · · · a1n

a11
· · · a1k · · · a1n

a21 · · · λ a2k · · · a2n a
21 · · · a2k · · · a2n
= λ .

··· ··· ··· ··· ··· ··· ··· ··· ··· ···

an1 · · · λ ank · · · ann an1 · · · ank · · · ann
Demonstraţie. Relaţiile rezultă direct din definiţia (1.3).

Propoziţia 1.20 Dacă elementele a două linii (sau coloane) ale unei matrice sunt
proporţionale atunci determinantul matricei este nul.
Demonstraţie. Afirmaţia rezultă din propoziţiile 1.18 şi 1.19.
Propoziţia 1.21 Avem

a11 a12 ... a1n
a11 a12 ... a1n
a11 a12 ... a1n

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

ak1 +bk1 ak2 +bk2 ... akn +bkn = ak1 ak2 ... akn + bk1 bk2 ... bkn

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

an1 an2 ... ann an1 an2 ... ann an1 an2 ... ann
şi

a11 ... a1k +b1k ... a1n
a11 ... a1k ... a1n
a11 ... b1k ... a1n

a21 ... a2k +b2k ... a2n a21 ... a2k ... a2n a21 ... b2k ... a2n
= + .

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

an1 ... ank +bnk ... ann an1 ... ank ... ann an1 ... bnk ... ann
Demonstraţie. Relaţiile rezultă direct din definiţia (1.3).
Propoziţia 1.22 Dacă o linie (sau coloană) a unei matrice pătratice este o combinaţie
liniară de celelalte linii (respectiv coloane) atunci determinantul matricei este nul.
Propoziţia 1.23 Dacă la o linie (sau coloană) a unei matrice pătratice adunăm el-
ementele unei alte linii (respectiv coloane) ı̂nmulţite cu acelaşi număr determinantul
matricei rezultate coincide cu determinantul matricei iniţiale.
Observaţia 1.10 Relaţia (1.2) se poate scrie sub formele

a a12 a13
11 a
22 a23

a21 a22 a23 = (−1)1+1 a11

a32 a33

a31 a32 a33

a
21 a23
a a22
1+2
+(−1) a12 + (−1)1+3 a13 21

a31 a33 a31 a32

(dezvoltare după prima linie)

a a12 a13
11 a
12 a13

a21 a22 a23 = (−1)2+1 a21

a32 a33

a31 a32 a33

a
11 a13
a a12
2+2
+(−1) a22 + (−1)2+3 a23 11

a31 a33 a31 a32

(dezvoltare după linia a doua)

a a12 a13
11 a
12 a13

a21 a22 a23 = (−1)3+1 a31

a22 a23

a31 a32 a33

a
11 a13
a a12
3+2
+(−1) a32 + (−1)3+3 a33 11

a21 a23 a21 a22

(dezvoltare după linia a treia)

a a12 a13
11 a a
22 23
a21 a22 a23 = (−1)1+1 a11

a32 a33

a31 a32 a33

a a a a13
12 13 12
+(−1)2+1 a21 + (−1)3+1 a31

a32 a33 a22 a23

(dezvoltare după prima coloană)

a a12 a13
11 a
21 a23

a21 a22 a23 = (−1)1+2 a12

a31 a33

a31 a32 a33

a
11 a13
a a13
2+2
+(−1) a22 + (−1)3+2 a32 11

a31 a33 a21 a23

(dezvoltare după coloana a doua)

a a12 a13
11 a
21 a22

a21 a22 a23 = (−1)1+3 a13

a31 a32

a31 a32 a33

a
11 a12
a a12
2+3
+(−1) a23 + (−1)3+3 a33 11

a31 a32 a21 a22

(dezvoltare după coloana a treia).
Observaţia 1.11 Relaţiile anterioare pot fi generalizate şi utilizate ı̂n calculul
determinanţilor.
Propoziţia 1.24 Fie K unul dintre corpurile R, C. Dacă
 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
A=  ∈ Mn×n (K).
 
 ··· ··· ··· ··· 
atunci n n
X X
det A = (−1)i+j aij det Aij = (−1)i+j aij det Aij (1.4)
i=1 j=1
unde Aij este matricea care se obţine din A eliminând linia i şi coloana j.
Propoziţia 1.25 Oricare ar fi i, k ∈ {1, 2, ..., n} avem

n
(
X
k+j 0 daca i 6= k
aij (−1) det Akj = (1.5)
j=1
det A daca i = k
notaţiile fiind cele din propoziţia anterioară.
Demonstraţie. In cazul i = k afirmaţia rezultă din propoziţia anterioară. In cazul

i 6= k relaţia rezultă dezvoltând după linia k determinantul cu două linii identice

a11 a12 · · · a1n
··· ··· ··· ···

ai1 ai2 · · · ain

··· ··· · · · · · ·

··· ··· ··· ···

· · · ann

an1 an2
rezultat ı̂nlocuind ı̂n

a11 a12 · · · a1n
··· ··· ··· ···


··· ··· · · · · · ·

ak1 ak2 · · · akn
··· ··· ··· ···

· · · ann

an1 an2
linia k cu linia i.
Teorema 1.26 Matricea

 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
A=  ∈ Mn×n (K)
 
 ··· ··· ··· ··· 
este inversabilă dacă şi numai dacă det A 6= 0 şi inversa ei este
(−1)1+1 A11 (−1)2+1 A21 · · · (−1)n+1 An1

 
 
(−1)1+2 A12 (−1)2+2 A22 · · · (−1)n+2 An2 
 
−1 1 
A = (1.6)
 
 
detA 
 ··· ··· ··· ··· 

 
(−1)1+n A1n (−1)2+n A2n · · · (−1)n+n Ann
notaţiile fiind cele din propoziţiile anterioare.
Demonstraţie. Afirmaţia rezultă din propoziţia anterioară.
Observaţia 1.12 Sistemul de n ecuaţii liniare cu n necunoscute



 a11 x1 + a12 x2 + · · · + a1n xn = b1

 a x + a x + ··· + a x = b
21 1 22 2 2n n 2

 ....................................................


an1 x1 + an2 x2 + · · · + ann xn = bn
se poate scrie sub forma

Ax = b
dacă se utilizează notaţiile

   
x1 b1
 
a11 a12 · · · a1n
 a21 a22 · · · a2n  
 x2 


 b2 

A= , x= , b= .
 
··· ··· ··· ··· .. ..
. .
     
   
an1 an2 · · · ann xn bn
Teorema 1.27 (Cramer) Dacă

a11 a12 · · · a1n

a21 a22 · · · a2n
6= 0

··· ··· ··· ···

atunci sistemul 

 a11 x1 + a12 x2 + · · · + a1n xn = b1

 a x + a x + ··· + a x = b
21 1 22 2 2n n 2
 ....................................................



an1 x1 + an2 x2 + · · · + ann xn = bn
are soluţia unică

b1 a12 ··· a1n

a11 a12 ··· b1

b2 a22 ··· a2n

a21 a22 ··· b2

··· ··· ··· ··· ··· ··· ··· ···

bn an2 ··· ann an1 an2 ··· bn
x1 =
, ··· xn =
.
a11 a12 ··· a1n
a11 a12 ··· a1n

a21 a22 ··· a2n

a21 a22 ··· a2n

··· ··· ··· ··· ··· ··· ··· ···

an1 an2 ··· ann an1 an2 ··· ann
Demonstraţie. Scriind sistemul sub forma matriceală
Ax = b
rezultă ca el are soluţia

x = A−1 b.
Din relaţiile (1.4) şi (1.6) rezultă

b1
a12 · · · a1n

1 n j+1 A = 1 b2
a22 · · · a2n
, ··· ,
P
x1 = detA j=1 bj (−1)

j1 detA · · · ··· ··· ···

bn an2 · · · ann

a11
a12 · · · b1

1 Pn j+n 1 a21
a22 · · · b2
xn = detA j=1 bj (−1) Ajn = detA .

··· ··· ··· ···

an1 an2 · · · bn
Exerciţiul 1.2 Să se verifice prin calcul direct că ı̂n cazul a două matrice
! !
a11 a12 b11 b12
A= , B=
a21 a22 b21 b22
avem
det(AB) = detA · detB.
Observaţia 1.13 Se poate arăta că relaţia det(AB) = detA · detB are loc oricare ar
fi matricele A şi B de acelaşi ordin. În particular, ı̂n cazul unei matrice inversabile
1
det A−1 = .
det A
Definiţia 1.28 Fie K unul dintre corpurile R, C şi fie matricea
 
a11 a12 · · · a1m
 a21 a22 · · · a2m 
A=  ∈ Mn×m (K).
 
 ··· ··· ··· ··· 
Prin minor de ordin k al lui A se ı̂nţelege un determinant de forma

ai1 j1 ai1 j2 · · · ai1 jk

ai2 j1 ai2 j2 · · · ai2 jk

··· ··· ··· ···

aik j1 a ik j2 · · · a ik jk
unde
1 ≤ i1 < i2 < ... < ik ≤ n si 1 ≤ j1 < j2 < ... < jk ≤ m.
Definiţia 1.29 Spunem că matricea A ∈ Mn×m (K) are rangul r şi scriem
rang A = r
dacă A are un minor de ordinul r nenul şi toţi minorii de ordin mai mare sunt nuli.
Propoziţia 1.30 Matricea A ∈ Mn×m (K) are rangul r dacă are un minor de
ordinul r nenul şi toţi minorii de ordin r + 1 sunt nuli.
Demonstraţie. Conform relaţiei (1.4), orice minor de ordinul r + 2 (sau mai mare)
se poate exprima ca o combinaţie liniară de minori de ordinul r + 1.
Capitolul 2
Spaţii vectoriale
2.1 Definiţie şi exemple

Definiţia 2.1 Fie K unul dintre corpurile R sau C. Un spaţiu vectorial peste K
este un triplet (V, +, ·) format dintr-o mulţime V şi două operaţii
+ : V × V −→ V : (x, y) 7→ x+y (adunarea)

· : K × V −→ V : (α, x) 7→ αx (inmultirea cu scalari)
astfel ı̂ncât sunt satisfăcute următoarele condiţii:
1. (x + y) + z = x + (y + z), ∀x, y, z ∈ V
2. există un element 0 ∈ V astfel ı̂ncât 0 + x = x + 0 = x, ∀x ∈ V
3. pentru fiecare x ∈ V există −x ∈ V astfel ı̂ncât x + (−x) = (−x) + x = 0
4. x + y = y + x, ∀x, y ∈ V
5. α(x + y) = αx + αy, ∀α ∈ K, ∀x, y ∈ V
6. (α + β)x = αx + βx, ∀α, β ∈ K, ∀x ∈ V
7. α(βx) = (αβ)x, ∀α, β ∈ K, ∀x ∈ V
8. 1x = x, x∈V
23
Elementele lui V se numesc vectori iar elementele lui K se numesc scalari. Un spaţiu
vectorial peste R este numit spatiu vectorial real iar un spaţiu vectorial peste C este
numit spaţiu vectorial complex. In loc de x + (−y) scriem x − y.
Propoziţia 2.2 Dacă V este un spaţiu vectorial atunci:
a) αx = 0 ⇐⇒ α = 0 sau x = 0
b) α(−x) = (−α)x = −αx
c) α(x − y) = αx − αy
d) (α − β)x = αx − βx.
Demonstraţie. a) )
αx = 0 1
=⇒ x = 0=0
α 6= 0 α
0x = (0 + 0)x = 0x + 0x =⇒ 0x = 0
α(0 + 0) = α0 + α0 =⇒ α0 = 0.
b)
0 = α0 = α(x + (−x)) = αx + α(−x) =⇒ α(−x) = −αx
0 = 0x = (α + (−α))x = αx + (−α)x =⇒ (−α)x = −αx.
c)
α(x − y) = α(x + (−y)) = αx + α(−y) = αx − αy.
d)
(α − β)x = (α + (−β))x = αx + (−β)x = αx − βx.
Exemplul 2.1 (R3 , +, ·), unde
(x1 , x2 , x3 ) + (y1 , y2 , y3 ) = (x1 + y1 , x2 + y2 , x3 + y3 )
α(x1 , x2 , x3 ) = (αx1 , αx2 , αx3 )
este un spaţiu vectorial real.
Exemplul 2.2 Mulţimea

( ! )
x11 x12 x13
M2×3 (R) = xij ∈ R

x21 x22 x23
Spaţii vectoriale 25
are o structură de spaţiu vectorial real definită prin

! ! !
x11 x12 x13 y11 y12 y13 x11 + y11 x12 + y12 x13 + y13
+ =
x21 x22 x23 y21 y22 y23 x21 + y21 x22 + y22 x23 + y23
! !
x11 x12 x13 αx11 αx12 αx13
α = .
x21 x22 x23 αx21 αx22 αx23
Exemplul 2.3 Mulţimea F(R, C) a tuturor funcţiilor ϕ : R −→ C are o structură

de spaţiu vectorial complex definită de
(ϕ + ψ)(x) = ϕ(x) + ψ(x)

(α ϕ)(x) = α ϕ(x), ∀α ∈ C.
Exemplul 2.4 R are o structura de spaţiu vectorial real ı̂n raport cu adunarea şi
ı̂nmulţirea uzuală.
Exemplul 2.5 (C, +, ·), unde
(x1 + y1 i) + (x2 + y2 i) = x1 + x2 + (y1 + y2 )i

α(x + yi) = αx + αyi, ∀α ∈ R
este un spaţiu vectorial real.
Exemplul 2.6 C are o structura de spaţiu vectorial complex ı̂n raport cu adunarea
şi ı̂nmulţirea numerelor complexe.
2.2 Subspaţii vectoriale
Definiţia 2.3 Fie V un spaţiu vectorial peste K. Prin subspaţiu vectorial al lui
V se inţelege orice submulţime W ⊆ V cu proprietatea
)
x, y ∈ W
=⇒ αx + βy ∈ W. (2.1)
α, β ∈ K
Propoziţia 2.4 Submulţimea W ⊆ V este subspaţiu vectorial dacă şi numai dacă
următoarele condiţii sunt ı̂ndeplinite:
)
x∈W
a) =⇒ x + y ∈ W (2.2)
y∈W
)
x∈W
b) =⇒ αx ∈ W. (2.3)
α∈K
Demonstraţie. (2.1) ⇒ (2.2): Alegem α = β = 1.

(2.1) ⇒ (2.3): Alegem β = 0.
(2.2) & (2.3) ⇒ (2.1):
) )
x, y ∈ W (2.3) αx ∈ W (2.2)
=⇒ =⇒ αx + βy ∈ W.
α, β ∈ K βy ∈ W
Observaţia 2.1 Orice subspaţiu W ⊆ V are o structura de spaţiu vectorial, operaţiile

fiind cele induse din V .
Exemplul 2.7 W = {x = (x1 , x2 , x3 ) ∈ R3 | x1 + x2 + x3 = 0 } este un subspaţiu

vectorial al spaţiului V = R3 .
Verificare. Fie x = (x1 , x2 , x3 ) ∈ W , y = (y1 , y2 , y3 ) ∈ W şi α, β ∈ R. Avem
)
x ∈ W =⇒ x1 + x2 + x3 = 0
=⇒ αx1 + βy1 + αx2 + βy2 + αx3 + βy3 = 0
y ∈ W =⇒ y1 + y2 + y3 = 0
ceea ce arată că αx + βy = (αx1 + βy1 , αx2 + βy2 , αx3 + βy3 ) ∈ W.

( )
x + 2x − x = 0
1 2 3
Exemplul 2.8 W = x = (x1 , x2 , x3 ) ∈ R3 este un subspaţiu
x1 − x2 + x3 = 0

vectorial al spaţiului V = R3 .
Exemplul 2.9 Mulţimea soluţiilor unui sistem liniar omogen
 



a11 x1 + a12 x2 + a1n xn = 0 

 

n a21 x1 + a22 x2 + a2n xn = 0 
W = x = (x1 , x2 , ..., xn ) ∈ R

 ............................ 

 
 ak1 x1 + ak2 x2 + akn xn = 0 
este un subspaţiu vectorial al spaţiului V = Rn .

Exemplul 2.10 R ≡ {x = x + 0i | x ∈ R } ⊂ C este un subspaţiu vectorial al

spaţiului C considerat ca spaţiu vectorial real.
Exemplul 2.11 W = { f : R −→ R | f derivabila } este un subspaţiu vectorial al
spaţiului V = { f : R −→ R | f continua }.
Exemplul 2.12 Mulţimea matricelor simetrice
n o
W = A ∈ M3×3 (R) | At = A
este un subspaţiu vectorial al spaţiului

   

 a11 a12 a13 

M3×3 (R) = A =  a21 a22 a23  aij ∈ R
 
 
 a31 a32 a33 
al tuturor matricelor cu trei linii şi trei coloane.
2.3 Subspaţiul generat de o mulţime de vectori
Propoziţia 2.5 Dacă V este un spaţiu vectorial peste corpul K şi
M = {v1 , v2 , ..., vn } ⊂ V
este o submulţime a lui V atunci
hM i = { α1 v1 + α2 v2 + ... + αn vn | α1 , α2 , ..., αn ∈ K }
este un subspaţiu vectorial al lui V .
Demonstraţie. Oricare ar fi λ, µ ∈ K şi
x = α1 v1 + α2 v2 + ... + αn vn ∈ hM i,
y = β1 v1 + β2 v2 + ... + βn vn ∈ hM i
avem
λx + µy = (λα1 + µβ1 )v1 + (λα2 + µβ2 )v2 + (λαn + µβn )vn ∈ hM i.

Definiţia 2.6 Fie V un spaţiu vectorial peste K şi fie M = {v1 , v2 , ..., vn } ⊂ V .
Subspaţiul vectorial
hM i = { α1 v1 + α2 v2 + ... + αn vn | α1 , α2 , ..., αn ∈ K }
se numeşte subspaţiul generat de M şi se mai notează cu span{v1 , v2 , ..., vn } sau

hv1 , v2 , ..., vn i, adică
hv1 , v2 , ..., vn i = { α1 v1 + α2 v2 + ... + αn vn | α1 , α2 , ..., αn ∈ K }.
Definiţia 2.7 Spunem că {v1 , v2 , ..., vn } este un sistem de generatori pentru V
dacă
V = hv1 , v2 , ..., vn i.
Exemplul 2.13 Vectorii v1 = (1, 1) şi v2 = (1, −1) formează un sistem de generatori
pentru spaţiul vectorial R2 .
Verificare. Avem de aratat că R2 = span{v1 , v2 } adică
R2 = {α1 (1, 1) + α2 (1, −1) | α1 , α2 ∈ R}.
Evident, {α1 (1, 1) + α2 (1, −1) | α1 , α2 ∈ R} ⊆ R2 . Rămâne de arătat incluziunea

inversă. Fie x = (x1 , x2 ) ∈ R2 . Avem de arătat că există α1 , α2 ∈ R ı̂ncât
x = α1 v1 + α2 v2
adică
(x1 , x2 ) = α1 (1, 1) + α2 (1, −1)
ceea ce este echivalent cu
(x1 , x2 ) = (α1 + α2 , α1 − α2 ).
Această relaţie se mai poate scrie

(
α1 + α2 = x1
α1 − α2 = x2
şi conduce la
x1 + x2 x1 − x2
α1 = , α2 = .
2 2
Exerciţiul 2.14 Să se arate că ı̂n R3 avem
span{(1, 2, 3), (−1, 1, 0)} = span{(1, 2, 3), (−1, 1, 0), (0, 3, 3)}.
Indicaţie. Avem (0, 3, 3) = (1, 2, 3) + (−1, 1, 0).
Propoziţia 2.8 Dacă {v1 , v2 , ..., vn } este un sistem de generatori pentru V astfel
ı̂ncât există k ∈ {1, 2, ..., n} cu
X
vk = λ i vi
i6=k
atunci {v1 , v2 , ..., vn }\{vk } este sistem de generatori pentru V .
Demonstraţie. Orice vector x ∈ V este o combinaţie liniară de v1 , v2 , ..., vn . Dar

n
X X X X
x= αi vi =⇒ x = αi vi + αk λ i vi = (αi + αk λi )vi .
i=1 i6=k i6=k i6=k
Definiţia 2.9 Spunem că spaţiul vectorial V este finit generat dacă admite un
sistem de generatori finit.
Convenţie. Dacă nu se menţionează contrariul, spaţiile vectoriale considerate ı̂n

continuare vor fi presupuse finit generate.
2.4 Dependenţă şi independenţă liniară
Propoziţia 2.10 Fie V un spaţiu vectorial peste K şi v1 , v2 , ..., vn vectori aparţinând
lui V . Următoarele afirmaţii sunt echivalente:
a) Nici unul dintre vectorii v1 , v2 , ..., vn nu se poate scrie ca o combinaţie liniară

de ceilalţi vectori
b) relaţia
α1 v1 + α2 v2 + · · · + αn vn = 0
este posibilă numai dacă

α1 = α2 = · · · = αn = 0
adică
α1 v1 + α2 v2 + · · · + αn vn = 0 =⇒ α1 = α2 = · · · = αn = 0.
Demonstraţie. a)⇒b) Prin reducere la absurd, presupunând, de exemplu, ca relaţia

α1 v1 + α2 v2 + · · · + αn vn = 0 este posibilă şi pentru αn 6= 0 se obţine
α1 α2 αn−1
vn = − v1 − v2 − · · · − vn−1 .
αn αn αn
b)⇒a) Dacă, de exemplu, am avea vn = β1 v1 + β2 v2 + · · · + βn−1 vn−1 atunci
β1 v1 + β2 v2 + · · · + βn−1 vn−1 − vn = 0
adică relaţia α1 v1 + α2 v2 + · · · + αn vn = 0 ar fi posibilă şi ı̂n alte cazuri decât

α1 = α2 = · · · = αn = 0.
Definiţia 2.11 Spunem că {v1 , v2 , ..., vn } este un sistem de vectori liniar independenţi
dacă
α1 v1 + α2 v2 + · · · + αn vn = 0 =⇒ α1 = α2 = · · · = αn = 0.
Observaţia 2.2 In cazul unui sistem de vectori liniar independenţi nici unul dintre
vectori nu se poate scrie ca o combinaţie liniară de ceilalţi vectori.
Exerciţiul 2.15 Să se arate că vectorii v1 = (1, 2) şi v2 = (−1, 3) din R2 sunt liniar
independenţi.
Rezolvare. Fie α1 v1 + α2 v2 = 0, adică
α1 (1, 2) + α2 (−1, 3) = (0, 0)

(α1 , 2α1 ) + (−α2 , 3α2 ) = (0, 0)
(α1 − α2 , 2α1 + 3α2 ) = (0, 0).
Ultima relaţie este echivalenta cu sistemul

(
α1 − α2 = 0
2α1 + 3α2 = 0
care conduce la α1 = α2 = 0.
Exerciţiul 2.16 Un sistem de vectori liniar independenţi nu poate conţine vectorul

nul.
Rezolvare. Admiţând că {v1 , v2 , ..., vn } este un sistem de vectori liniar independenţi
si că vn = 0 avem
0v1 + 0v2 + · · · + 0vn−1 + 1vn = 0.
Observaţia 2.3 Orice subsistem al unui sistem de vectori liniar independenţi este
un sistem de vectori liniar independenţi.
Propoziţia 2.12 Dacă {v1 , v2 , ..., vn } este un sistem de vectori astfel incât nici unul
dintre ei nu este combinaţie liniară de cei scrişi ı̂n faţa lui atunci {v1 , v2 , ..., vn } este
un sistem de vectori liniar independenţi.
Demonstraţie. Fie
α1 v1 + α2 v2 + · · · + αn vn = 0. (2.4)
Trebuie ca αn = 0 deoarece ı̂n caz contrar

α1 α2 αn−1
vn = − v1 − v2 − · · · − vn−1 .
αn αn αn
adică vn este combinaţie liniară de vectorii scrişi ı̂n faţa lui. Având ı̂n vedere că
0vn = 0, relaţia (2.4) se mai scrie
α1 v1 + α2 v2 + · · · + αn−1 vn−1 = 0.
La fel ca mai sus se arată că αn−1 = 0, apoi αn−2 = 0, ... , α1 = 0.
Observaţia 2.4 Din orice sistem de generatori ai unui spaţiu vectorial V se poate
obţine un sistem de generatori liniar independenţi eliminând succesiv vectorii care
se pot scrie ca o combinaţie liniară de vectorii aflaţi ı̂naintea lor. Mai exact, plecăm
de la sistemul de generatori {v1 , v2 , ..., vn } şi aplicăm următoarele operaţii sistemului
rezultat ı̂n etapa anterioară:
a) eliminăm primul vector dacă acesta este nul
b) eliminăm al doilea vector dacă acesta se obţine din primul prin ı̂nmulţirea cu
un scalar
c) eliminăm al treilea vector dacă acesta este combinaţie liniară de primii doi
d) eliminăm al patrulea vector dacă acesta este combinaţie liniară de vectorii

precedenţi, etc.
Exerciţiul 2.17 Să se obţină un sistem liniar independent plecând de la sistemul

de vectori {v1 , v2 , v3 , v4 , v5 } ⊂ R4 , unde v1 = (0, 0, 0, 0), v2 = (1, 0, −1, 1), v3 =
(2, 0, −2, 2), v4 = (1, 1, 1, 1), v5 = (2, 1, 0, 2).
Răspuns. {v2 , v4 }.
2.5 Bază şi dimensiune
Definiţia 2.13 Prin bază a unui spaţiu vectorial se inţelege un sistem de generatori
format din vectori liniar independenţi.
Observaţia 2.5 Pentru a arăta că un sistem de vectori B = {e1 , e2 , ..., en } este bază
lui V avem de arătat că:
a) V = he1 , e2 , ..., en i
b) α1 e1 + α2 e2 + · · · + αn en = 0 =⇒ α1 = α2 = · · · = αn = 0.
Exerciţiul 2.18 Să se arate că B = {e1 = (1, 0), e2 = (0, 1)} este bază a spaţiului
vectorial R2 .
Rezolvare. B este sistem de generatori: oricare ar fi (x1 , x2 ) din R2 avem
(x1 , x2 ) = x1 e1 + x2 e2 .
B este sistem de vectori liniar independenţi: din relaţia
α1 e 1 + α2 e 2 = 0
rezultă
α1 (1, 0) + α2 (0, 1) = (0, 0)
adică
(α1 , α2 ) = (0, 0)
ceea ce conduce la α1 = α2 = 0.
Propoziţia 2.14 Dacă B = {e1 , e2 , ..., en } este bază lui V atunci orice vector x ∈ V
se poate scrie ı̂n mod unic sub forma
x = α1 e1 + α2 e2 + · · · + αn en .
Demonstraţie. B fiind sistem de generatori rezultă că există scalarii α1 , α2 , ..., αn ∈

K ı̂ncât x = α1 e1 + α2 e2 + · · · + αn en . Presupunând că ar mai exista reprezentarea
x = β1 e1 + β2 e2 + · · · + βn en
ar rezulta că
α1 e1 + α2 e2 + · · · + αn en = β1 e1 + β2 e2 + · · · + βn en
adică
(α1 − β1 )e1 + (α2 − β2 )e2 + · · · + (αn − βn )en = 0.
Deoarece B este sistem de vectori liniar independenţi, din această relaţie rezultă că
α1 − β1 = 0, α2 − β2 = 0, ... , αn − βn = 0, adică α1 = β1 , α2 = β2 , ... , αn = βn .
Definiţia 2.15 Fie B = {e1 , e2 , ..., en } o bază a spaţiului vectorial V şi x ∈ V .

Numerele unic determinate α1 , α2 , ... , αn din dezvoltarea
x = α1 e1 + α2 e2 + · · · + αn en
se numesc coordonatele lui x in raport cu baza B.
Propoziţia 2.16 Dacă V este un spaţiu vectorial,
M = {v1 , v2 , ..., vn }
este un sistem de vectori liniar independenţi şi
S = {w1 , w2 , ..., wk }
este un sistem de generatori ai lui V atunci

a) n ≤ k
b) sistemul de vectori M se poate completa pâna la o bază a lui V adăugând

vectori din S.
Demonstraţie. a) Vectorul vn este nenul deoarece sistemul de vectori liniar independenţi

M nu poate conţine vectorul nul. Acest vector este o combinaţie liniară de w1 , w2 , ..., wk .
Deoarece cel puţin unul dintre coeficienţii acestei combinaţii liniare este nenul, din
sistemul de generatori {vn , w1 , w2 , ..., wk } se poate elimina un vector astfel incât el
să rămână ı̂n continuare sistem de generatori. Vom elimina primul vector care este
combinaţie liniară de cei aflaţi ı̂naintea lui. Vectorul eliminat este unul dintre vec-
torii w1 , w2 , ..., wk şi-l notăm cu wi1 . Considerăm ı̂n continuare sistemul de vectori
liniar independenţi
M1 = {v1 , v2 , ..., vn−1 }
sistemul de generatori
S1 = {vn , w1 , w2 , ..., wk }\{wi1 }
şi facem aceleaşi operaţii, adică luăm vn−1 din M1 , ı̂l adăugăm la S1 şi eliminăm
primul vector wi2 care este combinaţie liniară de cei aflaţi ı̂n faţa lui. Rezultă astfel
sistemul de vectori liniar independenţi
M2 = {v1 , v2 , ..., vn−2 }
şi sistemul de generatori
S2 = {vn−1 , vn , w1 , w2 , ..., wk }\{wi1 , wi2 }.
Procesul poate fi continuat până introducem toţi vectorii sistemului de vectori liniar
independenţi M ı̂n sistemul de generatori, ceea ce arată că n ≤ k.
b) După introducerea tuturor vectorilor din M ı̂n sistemul de generatori se obţine
un sistem de generatori
Sn = {v1 , v2 , ..., vn , w1 , w2 , ..., wk }\{wi1 , wi2 , ..., win }.
Eliminând vectorii care sunt combinaţii liniare de cei aflaţi ı̂n faţa lor rezultă o bază
care conţine vectorii din M.
Teorema 2.17 Oricare două baze ale unui spaţiu vectorial au acelaşi număr de
vectori.
Demonstraţie. Fie
B = {e1 , e2 , ..., en }, B 0 = {e01 , e02 , ..., e0k }
două baze ale lui V . Fiecare dintre ele este atât sistem de vectori liniar independenţi
cât şi sistem de generatori pentru V . Conform propoziţiei precedente trebuie sa avem
simultan n ≤ k şi k ≤ n.
Definiţia 2.18 Spunem că spaţiul vectorial V are dimensiune n şi scriem
dim V = n
dacă V admite o bază formată din n vectori.

Notaţie. Pentru a indica corpul peste care este considerat V , in loc de dim V vom
scrie uneori dimK V .
Exerciţiul 2.19 Să se arate că

a) dimR R2 = 2
b) dimR {(x1 , x2 , x3 ) ∈ R3 | x1 + x2 + x3 = 0 } = 2
c) dimR C = 2
d) dimC C = 1.
Rezolvare. a) {e1 = (1, 0), e2 = (0, 1)} este bază a lui R2 .

b) Relaţia
{(x1 , x2 , x3 ) ∈ R3 | x1 + x2 + x3 = 0 } = {(x1 , x2 , −x1 − x2 ) | x1 , x2 ∈ R}
= {x1 (1, 0, −1) + x2 (0, 1, −1) | x1 , x2 ∈ R}

arată că {(1, 0, −1), (0, 1, −1)} este sistem de generatori. Deoarece relaţia
x1 (1, 0, −1) + x2 (0, 1, −1) = (0, 0, 0)
conduce la x1 = x2 = 0, sistemul de generatori {(1, 0, −1), (0, 1, −1)} este un sistem

de vectori liniar independenţi şi deci o bază.
c) C = {x + yi | x, y ∈ R } considerat ca spaţiu vectorial real admite baza {1, i}.
d) O bază a lui C peste C este B = {1}.
Propoziţia 2.19 Pe orice spaţiu vectorial complex V se obţine o structură naturală

de spaţiu vectorial real prin restricţia scalarilor şi
dimR V = 2 dimC V.
Demonstraţie. Fie {v1 , v2 , ..., vn } o bază a spaţiului vectorial complex V . Oricare ar

fi x ∈ V există numerele complexe α1 + β1 i, α2 + β2 i, ... , αn + βn i astfel ı̂ncât
x = (α1 + β1 i)v1 + (α2 + β2 i)v2 + · · · + (αn + βn i)vn .
Scriind această relaţie sub forma
x = α1 v1 + β1 iv1 + α2 v2 + β2 iv2 + · · · + αn vn + βn ivn
deducem că
B = { v1 , iv1 , v2 , iv2 , ... , vn , ivn }
este sistem de generatori pentru spaţiul vectorial real V . Arătăm că vectorii care
formează sistemul B sunt liniar independenţi peste R. Relaţia
α1 v1 + β1 iv1 + α2 v2 + β2 iv2 + · · · + αn vn + βn ivn = 0
se poate scrie
(α1 + β1 i)v1 + (α2 + β2 i)v2 + · · · + (αn + βn i)vn = 0
şi conduce la α1 + β1 i = α2 + β2 i = · · · = αn + βn i = 0, adică la
α1 = β1 = α2 = β2 = · · · = αn = βn = 0.
Propoziţia 2.20 Dacă V este un spaţiu vectorial real atunci spaţiul
V × V = { (x1 , x2 ) | x1 , x2 ∈ V }
considerat ı̂mpreună cu adunarea pe componente
(x1 , x2 ) + (y1 , y2 ) = (x1 + y1 , x2 + y2 )

şi ı̂nmulţirea cu numere complexe
(α + βi)(x1 , x2 ) = (αx1 − βx2 , αx2 + βx1 )
este un spaţiu vectorial complex notat cu C V (numit complexificatul lui V ) şi
dimC C V = dimR V.
Demonstraţie. Fie {v1 , v2 , ..., vn } o bază a spaţiului vectorial real V . Arătăm că
B = { (v1 , 0), (v2 , 0), ... , (vn , 0) }
este bază a spaţiului vectorial complex C V . Oricare ar fi x1 , x2 ∈ V există numerele

reale α1 , α2 , ... , αn şi β1 , β2 , ... , βn astfel ı̂ncât
x1 = α1 v1 + α2 v2 + · · · + αn vn , x2 = β1 v1 + β2 v2 + · · · + βn vn .
Deoarece i(vj , 0) = (0, vj ) avem
(x1 , x2 ) = (α1 v1 + α2 v2 + · · · + αn vn , 0) + (0, β1 v1 + β2 v2 + · · · + βn vn )
= (α1 + β1 i)(v1 , 0) + (α2 + β2 i)(v2 , 0) + · · · + (αn + βn i)(vn , 0).
Dacă
(α1 + β1 i)(v1 , 0) + (α2 + β2 i)(v2 , 0) + · · · + (αn + βn i)(vn , 0) = (0, 0)
atunci
(α1 v1 + α2 v2 + · · · + αn vn , β1 v1 + β2 v2 + · · · + βn vn ) = 0
ceea ce conduce la α1 = α2 = · · · = αn = 0 şi β1 = β2 = · · · = βn = 0.
Observaţia 2.6 Scriind x1 + x2 i ı̂n loc de (x1 , x2 ) obţinem

C
V = { x1 + x2 i | x1 , x2 ∈ V }
şi ı̂nmulţirea cu scalari
(α + βi)(x1 + x2 i) = (αx1 − βx2 ) + (αx2 + βx1 )i
coincide formal cu ı̂nmulţirea uzuală a numerelor complexe.

Teorema 2.21 (Kronecker) Dacă

 
a11 a12 · · · a1m
 a21 a22 · · · a2m 
A=  ∈ Mn×m (K)
 
 ··· ··· ··· ··· 
şi
 
a1j

j
 a2j 

Ai = (ai1 ai2 ... aim ) ∈ M1×m (K), A = ..  ∈ Mn×1 (K)
.
 
 
anj
atunci
rang A = dimhA1 , A2 , ..., An i = dimhA1 , A2 , ..., Am i.
Demonstraţie. Fie r = rang A. Deoarece rangul lui A nu se schimbă prin permutarea
liniilor (sau coloanelor) putem presupune că

a11 a12 ··· a1r

a21 a22 ··· a2r
d= 6= 0.

··· ··· ··· ···

ar1 ar2 ··· arr
Arătăm că {A1 , A2 , ..., Ar } este sistem liniar independent şi că matricele Ar+1 ,...,Am
din Mn×1 (K) sunt combinaţii liniare de A1 , A2 , ... , Ar . Din relaţia
α1 A1 + α2 A2 + · · · + αr Ar = 0
rezultă că 

 a11 α1 + a12 α2 + · · · + a1r αr = 0

 a α + a α + ··· + a α = 0
21 1 22 2 2r r

 ..................................................


ar1 α1 + ar2 α2 + · · · + arr αr = 0
Acesta este un sistem Cramer cu soluţia α1 = α2 = · · · = αr = 0. Oricare ar fi
i ∈ {1, 2, ..., n} şi j ∈ {1, 2, ..., m} avem

a11 a12 ··· a1r a1j

a21 a22 ··· a2r a2j
··· ··· ··· · · · · · · = 0.

···

ar1 ar2 arr arj
ai1 ai2 ··· air aij
Dezvoltând acest determinant după ultima linie obţinem relaţia
(−1)i+1 ai1 λ1 + (−1)i+2 ai2 λ2 + · · · + (−1)i+r air λr + (−1)i+r+1 aij d = 0
unde

a12 ··· a1r a1j
a11 · · · a1r−1 a1j
a22 ··· a2r a2j a21 · · · a2r−1 a2j
λ1 = , ··· λr =

··· ··· ··· ··· ··· ··· ··· ···

ar2 ··· arr arj ar1 · · · arr−1 arj
nu depind de i. Rezultă
λ1 λ2 λr
aij = −(−1)i+1 ai1 − (−1)i+2 ai2 − · · · − (−1)i+r air
d d d
oricare ar fi i ∈ {1, 2, ..., n}, adică
λ1 1 λ2 λr
Aj = −(−1)i+1 A − (−1)i+2 A2 − · · · − (−1)i+r Ar .
d d d
Am arătat astfel că dimhA1 , A2 , ..., Am i = rang A. Deoarece rang A = rang tA de-
ducem că dimhA1 , A2 , ..., An i = rang A.
Exerciţiul 2.20 Să se arate că vectorii
v1 = (v11 , v12 , v13 ), v2 = (v21 , v22 , v23 ), v3 = (v31 , v32 , v33 )
din R3 sunt liniar independenţi dacă şi numai dacă

v v12 v13
11
v21 v22 v23 6= 0.

v31 v32 v33
Teorema 2.22 Sistemul de ecuaţii liniare



 a11 x1 + a12 x2 + · · · + a1m xm = b1

 a x + a x + ··· + a x = b
21 1 22 2 2m m 2

 ....................................................


an1 x1 + an2 x2 + · · · + anm xm = bn
admite soluţie dacă şi numai dacă

   
a11 a12 · · · a1m a11 a12 · · · a1m b1
 a21 a22 · · · a2m   a21 a22 · · · a2m b2 
rang   = rang 
   
··· ··· ··· ··· ··· ··· ··· ··· ···

   
an1 an2 · · · anm an1 an2 · · · anm bn
(rangul matricei sistemului este egal cu rangul matricei extinse).
Demonstraţie. Afirmaţia rezultă din teorema anterioară ţinând seama de faptul că
sistemul considerat se mai poate scrie
       
a11 a12 a1m b1
 a21   a22   a2m   b2 
x1   + x2   + · · · + xm  = .
       
 ···   ···   ···   ··· 
an1 an2 anm bn
Observaţia 2.7 Fie



 a11 x1 + a12 x2 + · · · + a1m xm = b1

 a x + a x + ··· + a x = b
21 1 22 2 2m m 2

 ....................................................


an1 x1 + an2 x2 + · · · + anm xm = bn
un sistem de ecuaţii liniare compatibil (adică, care admite soluţie) şi fie r rangul ma-
tricei sistemului. Schimbând eventual ordinea ecuaţiilor şi indexarea necunoscutelor
putem presupune că
a11 a12 · · · a1r

21 a22 · · · a2r
a
6= 0.
··· ··· ··· ···

ar1 ar2 · · · arr
In cazul ı̂n care r < n este suficient să luăm ı̂n considerare doar primele r ecuaţii


 a11 x1 + a12 x2 + · · · + a1m xm = b1

 a x + a x + ··· + a x = b
21 1 22 2 2m m 2

 ....................................................


ar1 x1 + ar2 x2 + · · · + arm xm = br
(numite ecuaţii principale) deoarece restul de ecuaţii vor fi combinaţii liniare de

acestea. Acesta poate fi privit ca un sistem Cramer



 a11 x1 + a12 x2 + · · · + a1r xr = b1 − a1r+1 xr+1 − · · · − a1m xm

 a x + a x + ··· + a x = b − a
21 1 22 2 2r r 2 2r+1 xr+1 − · · · − a2m xm
 ............................................................................



ar1 x1 + ar2 x2 + · · · + arr xr = br − arr+1 xr+1 − · · · − arm xm
cu necunoscutele x1 , x2 , ..., xr (numite necunoscute principale) considerând xr+1 ,

... , xm ca parametri care pot lua valori arbitrare. In cazul in care b1 = b2 =
· · · = bn = 0 (sistem omogen), spaţiul soluţiilor sistemului este un spaţiu vectorial
de dimensiune m − r.
Observaţia 2.8 Dacă
B = {e1 , e2 , ..., en }, B 0 = {e01 , e02 , ..., e0n }
sunt două baze ale lui V atunci fiecare vector e0i din baza “nouă” B 0 se poate scrie
ca o combinaţie liniară de vectorii bazei “vechi” B.
Definiţia 2.23 Fie
B = {e1 , e2 , ..., en }, B 0 = {e01 , e02 , ..., e0n }
două baze ale spaţiului V şi fie





e01 = α11 e1 + α21 e2 + · · · + αn1 en

 e0 = α e + α e + · · · + α e

2 12 1 22 2 n2 n
(2.5)
.................................................




 0

en = α1n e1 + α2n e2 + · · · + αnn en .
Matricea  
α11 α12 ... α1n
 α21 α22 ... α2n 
S=
 
... ... ... ...

 
αn1 αn2 ... αnn
se numeşte matricea de trecere de la baza B la baza B 0 .

Observaţia 2.9 Relaţiile (2.5) se pot scrie comprimat

n
e0i
X
= αji ej
j=1
şi orice vector x ∈ V poate fi dezvoltat ı̂n raport cu cele două baze
n n
x0i e0i .
X X
x= xj ej =
j=1 i=1
Propoziţia 2.24 In cazul schimbării de bază

Pn
e0i =

j=1 αji ej  n
αji x0i
X
Pn Pn =⇒ xj =
x= 0 0
j=1 xj ej = i=1 xi ei

i=1
Demonstraţie. Având ı̂n vedere că dezvoltarea ı̂n raport cu o bază este unică, din
n n n n n n
!
x0i e0i x0i αji x0i
X X X X X X
xj ej = = αji ej = ej
j=1 i=1 i=1 j=1 j=1 i=1
Pn 0
rezultă că xj = i=1 αji xi .
2.6 Sume de subspaţii
Propoziţia 2.25 a) Dacă W ⊆ V este subspaţiu vectorial atunci dim W ≤ dim V .

b) Dacă W ⊆ V este subspaţiu vectorial şi dim W = dim V atunci W = V .
Demonstraţie. a) Fie {v1 , v2 , ..., vn } bază ı̂n V şi {w1 , w2 , ..., wk } bază ı̂n W .
Deoarece {w1 , w2 , ..., wk } este sistem liniar independent ı̂n V şi {v1 , v2 , ..., vn } este
sistem de generatori rezultă că k ≤ n.
b) Orice bază a lui W poate fi extinsă pâna la o bază a lui V . Deoarece dim W =
dim V rezultă că orice bază a lui W este ı̂n acelaşi timp bază a lui V.
Propoziţia 2.26 Dacă W1 ⊆ V şi W2 ⊆ V sunt subspaţii vectoriale atunci
W = W1 ∩ W2
este subspaţiu vectorial al lui V .


) x, y ∈ W1  )
x, y ∈ W  αx + βy ∈ W1
=⇒ x, y ∈ W2 =⇒ =⇒ αx + βy ∈ W.
α, β ∈ K αx + βy ∈ W2
α, β ∈ K


Observaţia 2.10 In general, reuniunea a două subspaţii vectoriale ale unui spaţiu
vectorial V nu este un subspaţiu vectorial. De exemplu,
W1 = {(x, 0) | x ∈ R} si W2 = {(0, y) | y ∈ R}
sunt subspaţii vectoriale ale lui R2 , dar W = W1 ∪ W2 nu este subspaţiu vectorial al

lui R2 . Intr-adevăr, (1, 0) ∈ W şi (0, 1) ∈ W dar (1, 0) + (0, 1) = (1, 1) 6∈ W .
Propoziţia 2.27 Dacă W1 ⊆ V şi W2 ⊆ V sunt subspaţii vectoriale atunci
W1 + W2 = {w1 + w2 | w1 ∈ W1 , w2 ∈ W2 }
este subspaţiu vectorial al lui V .

w1 + w2 ∈ W 1 + W 2


  α(w1 + w2 ) + β(w10 + w20 )
w10 + w20 ∈ W1 + W2 =⇒
 = (αw + βw0 ) + (αw + βw0 ) ∈ W + W .
α, β ∈ K

 1 1 2 2 1 2
Definiţia 2.28 Fie W1 , W2 două subspaţii vectoriale ale lui V . Subspaţiul vectorial
W1 + W2 = {w1 + w2 | w1 ∈ W1 , w2 ∈ W2 }
se numeşte suma subspaţiilor W1 şi W2 .
Exerciţiul 2.21 Să se arate că:

a) W1 = {(x, 0) | x ∈ R} este subspaţiu vectorial al lui R2 .
b) W1 = {(0, y) | y ∈ R} este subspaţiu vectorial al lui R2 .
c) W1 + W2 = R2 .
Teorema 2.29 (a dimensiunii) Dacă W1 şi W2 sunt subspaţii ale lui V atunci
dim (W1 + W2 ) = dim W1 + dim W2 − dim (W1 ∩ W2 ).

Demonstraţie. Fie
B0 = {u1 , u2 , ..., un }
o bază a spaţiului vectorial W1 ∩ W2 pe care o completăm până la o bază
B1 = {u1 , u2 , ..., un , v1 , v2 , ..., vk }
a spaţiului vectorial W1 şi până la o bază
B2 = {u1 , u2 , ..., un , w1 , w2 , ..., wm }
a spaţiului vectorial W2 , unde
n = dim (W1 ∩ W2 ), n + k = dim W1 , n + m = dim W2 .
Este suficient să arătăm că
B = {u1 , u2 , ..., un , v1 , v2 , ..., vk , w1 , w2 , ..., wm }
este o bază a lui W1 + W2 .

B este sistem de generatori. Orice vector de forma x1 + x2 cu x1 ∈ W1 si x2 ∈ W2
este o combinatie liniara de vectorii lui B.
B este sistem de vectori liniar independenţi. Relaţia
α1 u1 + ... + αn un + β1 v1 + ... + βk vk + γ1 w1 + ... + γm wm = 0 (2.6)
α1 u1 + ... + αn un + β1 v1 + ... + βk vk = −γ1 w1 − ... − γm wm .
Egalitatea dintre vectorul α1 u1 + ... + αn un + β1 v1 + ... + βk vk aparţinând lui W1 si

vectorul −γ1 w1 − ... − γm wm aparţinând lui W2 este posibilă numai dacă −γ1 w1 −
... − γm wm ∈ W1 ∩ W2 , adică dacă există δ1 , δ2 , ..., δ1 ∈ K ı̂ncât
−γ1 w1 − γ2 w2 − ... − γm wm = δ1 u1 + δ2 u2 + ... + δn un .
Scriind ultima relaţie sub forma
δ1 u1 + δ2 u2 + ... + δn un + γ1 w1 + γ2 w2 + ... + γm wm = 0
şi ţinând seama de faptul că B2 este bază ı̂n W2 rezultă
δ1 = δ2 = ... = δn = γ1 = γ2 = ... = γm = 0.
Relaţia (2.6) devine
α1 u1 + ... + αn un + β1 v1 + ... + βk vk = 0.
Tinând seama de faptul că B1 este bază ı̂n W1 obţinem
α1 = α2 = ... = αn = β1 = β2 = ... = βk = 0.
Prin urmare B este bază a lui W1 + W2 şi
dim(W1 + W2 ) = n + k + m = dim W1 + dim W2 − dim (W1 ∩ W2 ).
2.7 Sume directe
Definiţia 2.30 Fie W1 , W2 două subspaţii vectoriale ale unui spaţiu vectorial V .
Spunem că suma W1 + W2 este sumă directă si utilizăm notaţia W1 ⊕ W2 dacă
scrierea oricărui vector w ∈ W1 +W2 ca suma w = w1 +w2 dintre un vector w1 ∈ W1
şi un vector w2 ∈ W2 este unică.
Propoziţia 2.31 Fie W1 , W2 două subspaţii vectoriale ale unui spaţiu vectorial V .
Suma W1 + W2 este sumă directă dacă şi numai dacă
W1 ∩ W2 = {0}.
Demonstraţie. “=⇒” Dacă W1 ∩ W2 6= {0} atunci există x ∈ W1 ∩ W2 nenul care

admite reprezentările x = x + 0 şi x = 0 + x, ceea ce arată că suma nu este directă.
“⇐=” Fie subspaţiile W1 şi W2 cu W1 ∩ W2 = {0}. Dacă v ∈ W1 + W2 admite
reprezentările
v = w1 + w2 cu w1 ∈ W1 si w2 ∈ W2
v = w10 + w20 cu w10 ∈ W1 si w20 ∈ W2
atunci
w1 + w2 = w10 + w20 .
Scriind această relaţie sub forma
w1 − w10 = w2 − w20
din w1 − w10 ∈ W1 , w2 − w20 ∈ W2 şi W1 ∩ W2 = {0} deducem că w1 − w10 = 0,

w2 − w20 = 0, adică w1 = w10 şi w2 = w20 , ceea ce arată că suma este directă.
R2 = {(x, 0) | x ∈ R} ⊕ {(0, y) | y ∈ R}.
Rezolvare. Avem
{(x, 0) | x ∈ R} + {(0, y) | y ∈ R} = R2
{(x, 0) | x ∈ R} ∩ {(0, y) | y ∈ R} = {(0, 0)}.
R3 = {(x, y, 0) | x, y ∈ R} + {(x, 0, z) | x, z ∈ R}
dar suma nu este directă.
Rezolvare. Orice vector (α, β, γ) ∈ R3 admite reprezentarea
(α, β, γ) = (α, β, 0) + (0, 0, γ)
cu (α, β, 0) ∈ {(x, y, 0) | x, y ∈ R} şi (0, 0, γ) ∈ {(x, 0, z) | x, z ∈ R}, dar
{(x, y, 0) | x, y ∈ R} ∩ {(x, 0, z) | x, z ∈ R} = {(x, 0, 0) | x ∈ R}.
R2 = {(α, α) | α ∈ R} ⊕ {(0, β) | β ∈ R}.
Rezolvare. Orice vector (x, y) ∈ R2 admite reprezentarea
(x, y) = (x, x) + (0, y − x)

cu (x, x) ∈ {(α, α) | α ∈ R} şi (0, y − x) ∈ {(0, β) | β ∈ R}. În plus
{(α, α) | α ∈ R} ∩ {(0, β) | β ∈ R} = {(0, 0)}.
M3×3 (R) = {A ∈ M3×3 (R) | At = A } ⊕ {A ∈ M3×3 (R) | At = −A }
unde At este transpusa matricei A.
Indicaţie. Orice matrice A ∈ M3×3 (R) admite reprezentarea

1 1
A = (A + At ) + (A − At )
2 2
cu (A + At )t = A + At şi (A − At )t = −(A − At ).
Propoziţia 2.32 Dacă V şi W sunt spaţii vectoriale peste acelaşi corp K atunci
V × W = { (x, y) | x ∈ V, y ∈ W }
considerat ı̂mpreună cu adunarea
(x, y) + (x0 , y 0 ) = (x + x0 , y + y 0 )
şi ı̂nmulţirea cu scalari

α(x, y) = (αx, αy)
este spaţiu vectorial, notat cu V ⊕ W (numit produsul direct al lui V cu W ) şi
dim(V ⊕ W ) = dim V + dim W.
Demonstraţie. Dacă {v1 , v2 , ..., vn } şi {w1 , w2 , ..., wk } sunt baze ı̂n V şi W atunci
{ (v1 , 0), (v2 , 0), ..., (vn , 0), (0, w1 ), (0, w2 ), ..., (0, wk ) }
este bază ı̂n V × W.
Observaţia 2.11 Spaţile V şi W pot fi identificate cu subspaţiile
{ (x, 0) | x ∈ V }, { (0, y) | y ∈ W }
ale lui V ⊕ W şi avem
{ (x, 0) | x ∈ V } ∩ { (0, y) | y ∈ W } = {(0, 0)}
{ (x, 0) | x ∈ V } + { (0, y) | y ∈ W } = V ⊕ W
ceea ce justifică notaţia V ⊕ W .
2.8 Spaţii factor
Definiţia 2.33 Prin relaţie de echivalenţă pe o mulţime M se ı̂nţelege o submulţime

R ⊆ M × M cu proprietăţile:
1) (x, x) ∈ R, ∀x ∈ M (reflexivitate)
2) (x, y) ∈ R =⇒ ) (y, x) ∈ R (simetrie)
(x, y) ∈ R
3) =⇒ (x, z) ∈ R (tranzitivitate)
(y, z) ∈ R
In loc de (x, y) ∈ R se preferă să se scrie x R y sau x ∼ y.
Definiţia 2.34 Prin partiţie a unei mulţimi M se ı̂nţelege o familie {Mi }i∈I de
submulţimi ale lui M cu proprietăţile:
1) Mi 6= ∅, ∀i ∈ I
2) Mi ∩ Mj = ∅, ∀i, j ∈ I cu i 6= j
S
3) i∈I Mi = M.
Propoziţia 2.35 a) Dacă ∼ este o relaţie de echivalenţă pe M atunci mulţimile

distincte de forma
x̂ = { y | y ∼ x } (clasa de echivalenta a lui x)
formează o partiţie a lui M (se notează cu M/∼ şi este numită mulţimea factor
corespunzătoare relaţiei ∼).
b) Invers, dacă {Mi }i∈I este o partiţie a lui M atunci relaţia ∼ definită prin
x∼y daca exista i ∈ I astf el incat x, y ∈ Mi
este o relaţie de echivalenţă pe M .

Demonstraţie. a) Reunind toate clasele de echivalenţă obţinem mulţimea M şi x̂ 6= ∅

deoarece x ∈ x̂. In plus,
(
x∼y
x ∈ ŷ ∩ ẑ =⇒ =⇒ y∼z =⇒ ŷ = ẑ.
x∼z
b) Evident, relaţia ∼ este reflexivă şi simetrică. Dacă x ∼ y şi y ∼ z atunci există
i, j ∈ I astfel ı̂ncât x, y ∈ Mi şi y, z ∈ Mj . Mulţimile partiţiei fiind disjuncte rezultă
că Mi = Mj şi prin urmare x ∼ z.
Propoziţia 2.36 Dacă V este un spaţiu vectorial peste corpul K şi W ⊆ V este un
subspaţiu vectorial atunci relaţia
x∼y daca x−y ∈W
este o relaţie de echivalenţă pe V . Pe mulţimea factor V /∼ formată din toate clasele

de echivalenţă
x̂ = x + W = { x + y | y ∈ W }
relaţiile
x̂ + ŷ = xy,
c αx̂ = αx
c
definesc o structură de spaţiu vectorial (numit spaţiu factor şi notat cu V /W ).
x−x=0∈W =⇒ x∼x
x ∼ y =⇒ x − y ∈ W =⇒ y − x ∈ W =⇒ y ∼ x
) )
x∼y x−y ∈W
=⇒ =⇒ x − z = (x − y) + (y − z) ∈ W =⇒ x ∼ z.
y∼z y−z ∈W
Deoarece W + W = { x + y | x, y ∈ W } = W şi αW = { αx | x ∈ W } = W avem
(x + W ) + (y + W ) = x + y + W, α(x + W ) = αx + W
ceea ce arata că operaţiile cu clase de echivalenţa sunt bine definite (nu depind de
reprezentantul ales). Elementul neutru este 0̂ = 0 + W = W iar opusul lui x̂ este
−x̂ = −x
d = −x + W.
Exerciţiul 2.26 Descrieţi spaţiul vectorial factor R2 /W ı̂n cazul
W = { (x, 0) | x ∈ R }.
Rezolvare. In acest caz
(x, y) ∼ (x0 , y 0 ) ⇐⇒ (x, y) − (x0 , y 0 ) ∈ W ⇐⇒ y = y 0 .
Rezultă că
\
(x, y) = (x, y) + W = { (x0 , y) | x0 ∈ R }
şi prin urmare,
R2 /W = { (0,
\ y) | y ∈ R }.
Observaţia 2.12 Trecerea de la R2 la R2 /W se realizează “ignorând” coordonata
x, adică identificând vectorii (x, y) din R2 cu acelaşi y.
Teorema 2.37 Dacă W este subspaţiu vectorial al lui V atunci
dim V /W = dim V − dim W.
Demonstraţie. Fie {v1 , v2 , ..., vk } o bază a lui W pe care o completăm până la o

bază {v1 , v2 , ..., vk , vk+1 , ..., vn } a lui V . Arătăm că {v̂k+1 , v̂k+2 , ... , v̂n } este bază a
lui V /W . Dacă
x = α1 v1 + ... + αk vk + αk+1 vk+1 + ... + αn vn ∈ V
atunci
x̂ = α1 v̂1 + ... + αk v̂k + αk=1 v̂k+1 + ... + αn v̂n = αk+1 v̂k+1 + ... + αn v̂n .
Pe de altă parte dacă
αk+1 v̂k+1 + αk+2 v̂k+2 + ... + αn v̂n = 0
atunci
αk+1 vk+1 + αk+2 vk+2 + ... + αn vn ∈ W
şi deci există α1 , α2 , ... , αk ∈ K astfel ı̂ncât
αk+1 vk+1 + αk+2 vk+2 + ... + αn vn = α1 v1 + α2 v2 + ... + αk vk
relaţie care conduce la αk+1 = αk+2 = ... = αn = 0.

Capitolul 3
Aplicaţii liniare
Definiţia 3.1 Fie V şi W spaţii vectoriale peste acelaşi corp K (unde K = R sau
K = C). O aplicaţie
A : V −→ W : x 7→ Ax
este numită aplicaţie liniară (sau aplicaţie K-liniară, sau transformare liniară)
dacă
A(αx + βy) = αAx + βAy, ∀x, y ∈ V, ∀α, β ∈ K.
Observaţia 3.1 Vom utiliza notaţia
L(V, W ) = { A : V −→ W | A(αx+βy) = αAx+βAy, ∀x, y ∈ V, ∀α, β ∈ K }.
În cazul ı̂n care V = W , adică ı̂n cazul ı̂n care aplicaţia este de forma
A : V −→ V
ı̂n loc de aplicaţie liniară se mai utilizează termenul de operator liniar. Vom nota
cu L(V ) mulţimea operatorilor liniari definiţi pe V , adică
L(V ) = L(V, V ).
Exerciţiul 3.1 Dacă A ∈ L(V, W ) atunci A0 = 0.
51
A : R3 −→ R2 , A(x1 , x2 , x3 ) = (x1 + 2x2 − x3 , x1 + x3 )
este aplicaţie liniară.
Rezolvare. Fie α, β ∈ K şi x = (x1 , x2 , x3 ), y = (y1 , y2 , y3 ) vectori din R3 . Avem
A(αx + βy) = A(α(x1 , x2 , x3 ) + β(y1 , y2 , y3 ))

= A((αx1 , αx2 , αx3 ) + (βy1 , βy2 , βy3 ))
= A(αx1 + βy1 , αx2 + βy2 , αx3 + βy3 )
= (αx1 + βy1 + 2(αx2 + βy2 ) − (αx3 + βy3 ), αx1 + βy1 + αx3 + βy3 )
= (αx1 + 2αx2 − αx3 , αx1 + αx3 ) + (βy1 + 2βy2 − βy3 , βy1 + βy3 )
= α(x1 + 2x2 − x3 , x1 + x3 ) + β(y1 + 2y2 − y3 , y1 + y3 )
= αA(x1 , x2 , x3 ) + βA(y1 , y2 , y3 ) = αAx + βAy.
A : R3 −→ R3 , A(x1 , x2 , x3 ) = (x2 + x3 , x1 + x3 , x1 + x2 )
este operator liniar.
Exerciţiul 3.4 Să se arate că rotaţia planului de unghi α este un operator liniar.
Indicaţie. Identificăm planul cu spaţiul vectorial R2 .

Aplicaţii liniare 53
Expresia ı̂n coordonate a rotaţiei de unghi α este
Rα : R2 −→ R2 : (x, y) 7→ (x0 , y 0 )
unde (a se vedea figura)
x0 = r cos(β + α) = r cos β cos α − r sin β sin α = x cos α − y sin α

x0 = r sin(β + α) = r cos β sin α + r sin β cos α = x sin α + y cos α
adică
Rα (x, y) = (x cos α − y sin α, x sin α + y cos α).
Exerciţiul 3.5 Fie
V = { a0 x2 + a1 x + a2 | a0 , a1 , a2 ∈ R }
spaţiul vectorial al polinoamelor de grad cel mult 2. Să se arate că operatorul de
derivare
d d
: V −→ V, (a0 x2 + a1 x + a2 ) = 2a0 x + a1
dx dx
este un operator liniar.
Exerciţiul 3.6 Aplicaţia rezultată ı̂n urma compunerii a două aplicaţii liniare este
o aplicaţie liniară.
3.2 Imaginea şi nucleul unei aplicaţii liniare
Propoziţia 3.2 Dacă A : V −→ W este o aplicaţie liniară atunci
Ker A = { x ∈ V | Ax = 0 }
este subspaţiu vectorial al lui V , iar
Im A = { Ax | x ∈ V }
este subspaţiu vectorial al lui W .

)
x, y ∈ KerA
=⇒ A(αx + βy) = αAx + βAy = 0 =⇒ αx + βy ∈ Ker A.
α, β ∈ K
Dacă v, w ∈ Im A atunci există x, y ∈ V ı̂ncât v = Ax şi w = Ay. Oricare ar fi

α, β ∈ K avem
αv + βw = αAx + βAy = A(αx + βy)
ceea ce arată că αv + βw ∈ Im A.
Definiţia 3.3 Fie A : V −→ W o aplicaţie liniară. Subspaţiul vectorial
Ker A = { x ∈ V | Ax = 0 }
este numit nucleul lui A, iar
Im A = { Ax | x ∈ V }
imaginea lui A.
Teorema 3.4 Dacă V este un spaţiu vectorial finit-dimensional şi A : V −→ W o

aplicaţie liniară atunci
dim V = dim Ker A + dim Im A.
Demonstraţie. Fie B0 = {v1 , v2 , ..., vk } o bază a subspaţiului Ker A, unde k =

dim Ker A. Acest sistem de vectori liniar independenţi ı̂l prelungim până la o bază
a lui V
B = {v1 , v2 , ..., vk , vk+1 , vk+2 , ..., vn }
unde n = dim V. Vom arăta că
B 0 = {Avk+1 , Avk+2 , ..., Avn }
este o bază a subspaţiului Im A.

B 0 este sistem de vectori liniar independenţi. Din
αk+1 Avk+1 + αk+2 Avk+2 + · · · + αn Avn = 0

rezultă
A(αk+1 vk+1 + αk+2 vk+2 + · · · + αn vn ) = 0
ceea ce arată că αk+1 vk+1 + αk+2 vk+2 + · · · + αn vn ∈ Ker A. Sistemul de vectori B0
fiind o bază in Ker A, rezultă că există α1 , α2 , ..., αk ∈ K astfel incât
αk+1 vk+1 + αk+2 vk+2 + · · · + αn vn = α1 v1 + α2 v2 + · · · + αk vk
adică
α1 v1 + α2 v2 + · · · + αk vk − αk+1 vk+1 − αk+2 vk+2 − · · · − αn vn = 0.
Deoarece B este bază ı̂n V , acestă relaţie este posibilă doar ı̂n cazul
α1 = α2 = · · · = αk = αk+1 = αk+2 = · · · = αn = 0
ceea ce arată că B 0 este sistem de vectori liniar independenţi.

B 0 este sistem de generatori. Oricare ar fi y ∈ Im A există x ∈ V astfel ı̂ncât y = Ax.
Plecând de la reprezentarea x = λ1 v1 + λ2 v2 + · · · + λn vn a lui x ı̂n baza B se obţine
y = Ax = λ1 Av1 + λ2 Av2 + · · · + λk Avk + λk+1 Avk+1 + · · · + λn Avn

= 0 + 0 + · · · + 0 + λk Avk + λk+1 Avk+1 + · · · + λn Avn
ceea ce arată că B 0 este sistem de generatori pentru Im A.
Exerciţiul 3.7 Fie aplicaţia liniară
A : R3 −→ R4 , A(x1 , x2 , x3 ) = (x1 + x2 + x3 , x1 − x3 , 2x1 + x2 , x2 − 2x3 )
Descrieţi Ker A şi Im A indicând baze ı̂n aceste subspaţii.
Rezolvare. Avem
 
 x1 + x2 + x3 =0 

 

 x1 − x3 =0 
Ker A = (x1 , x2 , x3 ) = { α(1, −2, 1) | α ∈ R }


 2x1 + x2 =0 

 
 x2 − 2x3 =0 
Rezultă că {(1, −2, 1)} este bază ı̂n Ker A. Completăm această bază până la baza
{(1, −2, 1), (0, 1, 0), (0, 0, 1)} a lui R3 . Din demonstraţia teoremei precedente rezultă
că {A(0, 1, 0), A(0, 0, 1)} = {(1, 0, 1, 1), (1, −1, 0, −2)} este bază a subspaţiului vec-
torial Im A.
Exerciţiul 3.8 Fie
P : R2 −→ R2 , A(x1 , x2 ) = (x1 , 0)
Descrieţi Ker P şi Im P indicând baze ı̂n aceste subspaţii.
3.3 Izomorfisme liniare
Propoziţia 3.5 Fie A : V −→ W o aplicaţie liniară.

a) Aplicaţia A este injectivă dacă şi numai dacă Ker A = {0}.
b) Aplicaţia A este surjectivă dacă şi numai dacă Im A = W .
Demonstraţie. a) Ştim că A0 = 0. Dacă A este injectivă atunci Ax = 0 implică

x = 0 şi deci Ker A = {0}. Invers, dacă Ker A = {0} atunci
Ax = Ay =⇒ Ax − Ay = 0 =⇒ A(x − y) = 0 =⇒ x − y = 0 =⇒ x = y.
b) Afirmaţia rezultă din definiţia subspaţiului Im A.
Exerciţiul 3.9 Dacă A : V −→ W este o aplicaţie liniară injectivă atunci {v1 , v2 , ..., vn }
este sistem de vectori liniar independenţi ı̂n V dacă şi numai dacă {Av1 , Av2 , ..., Avn }
este sistem de vectori liniar independenţi ı̂n W .
Rezolvare. Fie {v1 , v2 , ..., vn } un sistem de vectori liniar independenţi. Relaţia
α1 Av1 + α2 Av2 + ... + αn Avn = 0
care se mai poate scrie
A(α1 v1 + α2 v2 + ... + αn vn ) = 0
conduce la relaţia
α1 v1 + α2 v2 + ... + αn vn = 0
din care rezultă α1 = α2 = ... = αn = 0. Invers, presupunând că {Av1 , Av2 , ..., Avn }
este sistem de vectori liniar independenţi, relaţia
α1 v1 + α2 v2 + ... + αn vn = 0
implică
α1 Av1 + α2 Av2 + ... + αn Avn = 0
relaţie care conduce la α1 = α2 = ... = αn = 0.
Propoziţia 3.6 Inversa unei aplicaţii liniare bijective este o aplicatie liniară.
Demonstraţie. Fie A : V −→ W o aplicaţie liniară bijectivă. Oricare ar fi x, y ∈ W

şi α, β ∈ K are loc relaţia
αx + βy = αA(A−1 x) + βA(A−1 y) = A(αA−1 x + βA−1 y)
şi prin urmare A−1 (αx + βy) = αA−1 x + βA−1 y.
Definiţia 3.7 Prin izomorfism liniar se ı̂nţelege o aplicaţie liniară bijectivă.
Observaţia 3.2 O aplicaţie liniară A : V −→ W este izomorfism liniar dacă şi

numai dacă Ker A = {0} şi Im A = W .
Definiţia 3.8 Spunem că spaţiile vectoriale V şi W sunt izomorfe dacă există un
izomorfism liniar A : V −→ W .
Teorema 3.9 Două spaţii vectoriale (finit dimensionale) peste acelaşi corp K sunt
izomorfe dacă şi numai dacă au aceeaşi dimensiune
Demonstraţie. Fie V şi W spaţii vectoriale peste K izomorfe şi fie A : V −→ W un

izomorfism liniar. Din relaţiile
Ker A = {0}, Im A = W, dim V = dim Ker A + dim Im A

rezultă că dim V =dim W . Invers, dacă dim V =dim W = n alegând o bază {v1 , v2 , ..., vn }
ı̂n V şi o bază {w1 , w2 , ..., wn } ı̂n W putem defini izomorfismul liniar
A : V −→ W, A(α1 v1 + α2 v2 + · · · + αn vn ) = α1 w1 + α2 w2 + · · · + αn wn .
Teorema 3.10 Dacă V este un spaţiu vectorial peste K atunci orice bază B =
{v1 , v2 , ..., vn } a lui V (cu ordinea vectorilor fixată) defineşte izomorfismul
A : V −→ Kn , A(α1 v1 + α2 v2 + · · · + αn vn ) = (α1 , α2 , · · · , αn )
care permite identificarea lui V cu Kn .
Demonstraţie. Aplicaţia A este liniară, Ker A = {0} şi Im A = Kn .
Exerciţiul 3.10 Să se arate că aplicaţia

!
4
x1 x2
A : R −→ M2×2 (R), A(x1 , x2 , x3 , x4 ) =
x3 x4
este un izomorfism liniar.
Exerciţiul 3.11 Să se arate că spaţiile vectoriale reale C şi R2 sunt izomorfe.
Indicaţie. Aplicaţia A : C −→ R2 , A(x + yi) = (x, y) este un izomorfism liniar.
3.4 Dualul unui spaţiu vectorial
Propoziţia 3.11 Dacă V este un spaţiu vectorial peste corpul K atunci
V ∗ = { ϕ : V −→ K | ϕ(αx + βy) = αϕ(x) + βϕ(y), ∀x, y ∈ V, ∀α, β ∈ K }
ı̂nzestrat cu operaţiile de adunare
ϕ + ψ : V −→ K
V ∗ × V ∗ −→ V ∗ : (ϕ, ψ) 7→ ϕ + ψ unde
(ϕ + ψ)(x) = ϕ(x) + ψ(x)
şi ı̂nmulţire cu scalari
λϕ : V −→ K
K × V ∗ −→ V ∗ : (λ, ϕ) 7→ λϕ unde
(λϕ)(x) = λ ϕ(x)
este spaţiu vectorial (numit dualul lui V ).
Demonstraţie. Relaţiile
(ϕ + ψ)(αx + βy) = ϕ(αx + βy) + ψ(αx + βy)

= αϕ(x) + βϕ(y) + αψ(x) + βψ(y) = α(ϕ + ψ)(x) + β(ϕ + ψ)(y)
şi
(λϕ)(αx + βy) = λ ϕ(αx + βy) = λ(αϕ(x) + βϕ(y)) = α(λϕ)(x) + β(λϕ)(y)
arată că operaţiile de adunare şi ı̂nmulţire cu scalari sunt bine definite. Din relaţia
((ϕ + ψ) + η)(x) = (ϕ + ψ)(x) + η(x) = (ϕ(x) + ψ(x)) + η(x)

= ϕ(x) + (ψ(x) + η(x)) = ϕ(x) + (ψ + η)(x) = (ϕ + (ψ + η))(x)
verificată oricare ar fi x ∈ V rezultă că adunarea din V ∗ este asociativă
(ϕ + ψ) + η = ϕ + (ψ + η)
iar din relaţia
(ϕ + ψ)(x) = ϕ(x) + ψ(x) = ψ(x) + ϕ(x) = (ψ + ϕ)(x)
rezultă că adunarea din V ∗ este comutativă
ϕ + ψ = ψ + ϕ.
Aplicaţia 0 : V −→ K : x 7→ 0 aparţine lui V ∗ şi (0 + ϕ)(x) = ϕ(x), oricare ar fi

x ∈ V , adică 0 + ϕ = ϕ. Oricare ar fi ϕ ∈ V ∗ , aplicaţia
−ϕ : V −→ K, (−ϕ)(x) = −ϕ(x)
aparţine lui V şi ϕ + (−ϕ) = 0. Avem
(λ(ϕ + ψ))(x) = λ (ϕ + ψ)(x) = λϕ(x) + λψ(x) = (λϕ + λψ)(x)

oricare ar fi x ∈ V , adică λ(ϕ + ψ) = λϕ + λψ. Similar se arată că
(λ + µ)ϕ = λϕ + µϕ, λ(µϕ) = (λµ)ϕ, 1ϕ = ϕ.
Notaţie. Pentru a simplifica scrierea unor expresii vom utiliza uneori indici superiori
pentru a indexa coordonatele vectorilor. Dezvoltarea
x = x1 e1 + x2 e2 + · · · + xn en
a unui vector x ∈ V ı̂n raport cu baza B = {e1 , e2 , ..., en } se scrie comprimat folosind
convenţia de sumare a lui Einstein
x = xi e i
(indicele i care apare ı̂n produsul xi ei o dată ca indice superior şi o dată ca indice
inferior este indice de sumare).
Teorema 3.12 Oricare ar fi spaţiul vectorial V avem
dim V ∗ = dim V.
Demonstraţie. Fie B = {e1 , e2 , ..., en } o bază a lui V . Arătăm că B ∗ = {e1 , e2 , ..., en },
unde (
i i i 1 daca i = j
e : V −→ K, e (ej ) = δj =
0 daca i = 6 j
adică
ei : V −→ K, ei (x1 e1 + x2 e2 + · · · + xn en ) = xi
este o bază a lui V ∗ , numită duala bazei B.

B ∗ este sistem de vectori liniar independenţi. Fie
α1 e1 + α2 e2 + · · · + αn en = 0
adică
(α1 e1 + α2 e2 + · · · + αn en )(x) = 0, ∀x ∈ V
ceea ce se mai scrie
α1 e1 (x) + α2 e2 (x) + · · · + αn en (x) = 0, ∀x ∈ V.

Alegând x = e1 obţinem α1 = 0, alegând x = e2 obţinem α2 = 0, etc.

B ∗ este sistem de generatori. Dacă ϕ ∈ V ∗ atunci notând ϕi = ϕ(ei ) obtinem
ϕ(x) = ϕ(x1 e1 + x2 e2 + · · · + xn en ) = x1 ϕ(e1 ) + x2 ϕ(e2 ) + · · · + xn ϕ(en )

= e1 (x) ϕ1 + e2 (x) ϕ2 + · · · + en (x) ϕn = (ϕ1 e1 + ϕ2 e2 + · · · + ϕn en )(x)
oricare ar fi x ∈ V , adică
ϕ = ϕ1 e1 + ϕ2 e2 + · · · + ϕn en = ϕi ei .
3.5 Tensori
Fie V un spaţiu vectorial peste corpul K şi fie două baze ale lui V
B = {e1 , e2 , ..., en } (baza veche)
B 0 = {e01 , e02 , ..., e0n } (baza noua)
şi
B ∗ = {e1 , e2 , ..., en }
B 0 ∗ = {e01 , e02 , ..., e0n }

dualele lor. Fiecare vector x ∈ V se poate dezvolta ı̂n raport cu cele două baze
x = xi ei = x0j e0j
şi am arătat că

xi = ei (x), x0j = e0j (x).
Similar, fiecare element ϕ ∈ V ∗ admite dezvoltările
ϕ = ϕi ei = ϕ0j e0j
şi
ϕi = ϕ(ei ), ϕ0j = ϕ(e0j ).
Utilizând un indice inferior si unul superior pentru elementele matricei de trecere de

la baza B la baza B 0 relaţiile
e01 = α11 e1 + α12 e2 + · · · + α1n en = α1i ei
e02 = α21 e1 + α22 e2 + · · · + α2n en = α2i ei

.......................................................
e0n = αn1 e1 + αn2 e2 + · · · + αnn en = αni ei
se scriu comprimat
e0i = αij ej
iar matricea de trecere este
α11 α21 · · · αn1

 
 
 2
 α1 α22 · · · αn2 

S= .
 ··· ··· ··· ··· 
 
 
α1n α2n · · · αnn
Propoziţia 3.13 Matricea S este inversabilă şi inversa ei
β11 β21 · · · βn1

 
 
 2
 β1 β22 · · · βn2 

S −1 =  
 ··· ··· ··· ··· 
 
 
β1n β2n · · · βnn
este matricea de trecere de la B 0 la B.
Demonstraţie. Fie ej = βjk e0k . Din relaţiile
ej = βjk e0k = βjk αki ei , e0i = αij ej = αij βjk e0k
rezultă ţinând seama de unicitatea reprezentării unui vector ı̂n raport cu o bază că
βjk αki = δji , αij βjk = δik . (3.1)

Teorema 3.14 Cu notaţiile de mai sus

 0i
e0i = αij ej x = βji xj


 


 

x = xj ej = x0i e0i =⇒ e0i = βji ej

 

ϕ0i = αij ϕj
 
j 0
ϕ = ϕj e = ϕi e 0i  
Demonstraţie. Din relaţia
xj ej = x0i e0i = x0i αij ej
rezultă
xj = αij x0i
şi ţinând seama de (3.1)
βjk xj = βjk αij x0i = δik x0i = x0k
adică
x0k = βjk xj .
Deoarece x0k = e0k (x) şi xj = ej (x) relaţia anterioară se poate scrie sub forma
e0k (x) = βjk ej (x)
sau
e0k (x) = (βjk ej )(x).
Relaţia având loc pentru oricare x ∈ V rezultă
e0k = βjk ej.
Folosind liniaritatea lui ϕ obţinem
ϕ0i = ϕ(e0i ) = ϕ(αij ej ) = αij ϕ(ej ) = αij ϕj .
Observaţia 3.3 Coordonatele noi x0i ale unui vector x ∈ V se exprimă cu ajutorul
coordonatelor vechi xj prin formula x0i = βji xj similară cu formula e0i = βji ej de
schimbare a bazei duale. Formula ϕ0i = αij ϕj este similară cu e0i = αij ej .
Observaţia 3.4 Vectorii x ∈ V sunt obiecte matematice care ı̂n raport cu fiecare
bază B a lui V sunt descrise prin coordonatele x1 , x2 , ..., xn şi care la o schimbare
de bază e0i = αij ej se schimbă după formula
x0i = βji xj .
Similar, elementele ϕ ∈ V ∗ (numite forme liniare sau 1-forme) sunt obiecte

matematice care in raport cu fiecare bază B ∗ sunt descrise prin coordonatele ϕ1 , ϕ2 , ..., ϕn
şi care la o schimbare de bază e0i = αij ej se schimbă după formula
ϕ0i = αij ϕj .
Definiţia 3.15 Prin tensor de tip (p, q) (adică, tensor de p ori contravariant şi
de q ori covariant) se ı̂nţelege un obiect matematic T descris ı̂n raport cu fiecare
i i ...i
bază B a lui V prin coordonatele Tj11j22...jpq şi care la o schimbare de bază e0i = αij ej
se schimbă după formula
i i ...i i m
T 0 j11 j22 ...jpq = βki11 βki22 · · · βkpp αjm1 1 αjm2 2 · · · αjq q Tm
k1 k2 ...kp
1 m2 ...mq
.
Observaţia 3.5 Elementele spaţiului vectorial V sunt tensori de tip (1, 0), iar ele-
mentele lui V ∗ sunt tensori de tip (0, 1).
Observaţia 3.6 Un tensor de tip (1, 1) este descris prin coordonatele Tji care la
schimbarea bazei se schimbă după formula
i
T 0 j = βki αjm Tm
k
.
În cazul unui tensor de două ori contravariant formula devine

ij
T 0 = βki βm
j
T km
iar in cazul unui tensor de două ori covariant
Tij0 = αik αjm Tkm .
Observaţia 3.7 Un tensor este complet determinat dacă i se cunosc coordonatele

ı̂ntr-o bază fixată.
i i ...i i i ...i
Propoziţia 3.16 (Suma a doi tensori). Dacă Aj11 j22 ...jpq şi Bj11 j22 ...jpq sunt coordonatele
a doi tensori A şi B de tip (p, q) atunci
i i ...i i i ...i i i ...i

Tj11j22...jpq = Aj11 j22 ...jpq + Bj11 j22 ...jpq
sunt coordonatele unui tensor de tip (p, q) notat cu A + B, adică
i i ...i i i ...i i i ...i

(A + B)j11 j22 ...jpq = Aj11 j22 ...jpq + Bj11 j22 ...jpq .
Demonstraţie (cazul p = q = 1). Avem
i i i
T 0 j = A0 j + B 0 j = βki αjm Akm + βki αjm Bm
k
= βki αjm (Akm + Bm
k
) = βki αjm Tm
k
.
i i ...i
Propoziţia 3.17 (Înmulţirea unui tensor cu un scalar). Dacă λ ∈ K şi Aj11 j22 ...jpq
sunt coordonatele unui tensor A de tip (p, q) atunci
i i ...i i i ...i
Tj11j22...jpq = λAj11 j22 ...jpq
sunt coordonatele unui tensor de tip (p, q) notat cu λA, adică
i i ...i i i ...i
(λA)j11 j22 ...jpq = λAj11 j22 ...jpq .
Demonstraţie (cazul p = q = 1). Avem
i i
T 0 j = λA0 j = λβki αjm Akm = βki αjm Tm
k
.
Propoziţia 3.18 ( Produsul tensorial a doi tensori, ı̂ntr-un caz particular). Dacă
Aijk sunt coordonatele unui tensor A de tip (1, 2) şi Bm
l sunt coordonatele unui tensor
B de tip (1, 1) atunci

il
Tjkm = Aijk · Bm l
sunt coordonatele unui tensor de tip (2, 3) notat cu A ⊗ B, adică
(A ⊗ B)iljkm = Aijk · Bm
l
.
il i l
T 0 jkm = A0 jk · B 0 m = βai αjb αkc Aabc βrl αm
s
Bsr = βai βrl αjb αkc αm
s ar
Tbcs .
Observaţia 3.8 Generalizarea definiţiei produsului tensorial la tensori de orice tip

este imediată. Produsul tensorial x ⊗ ϕ dintre un vector x ∈ V si o 1-formă ϕ ∈ V ∗
are coordonatele
(x ⊗ ϕ)ij = xi ϕj
iar produsul tensorial x ⊗ y a doi vectori coordonatele
(x ⊗ y)ij = xi y j .
Propoziţia 3.19 ( Contracţia unui tensor, ı̂ntr-un caz particular). Fie Aij
klm coor-
donatele unui tensor A de tip (2, 3). Numerele
n
j
Aij
X
Tkm = kim
i=1
sunt coordonatele unui tensor de tip (1, 2) obţinut prin contracţia lui A ı̂n raport cu
primul indice de contravarianţă şi al doilea indice de covarianţă.
T 0 jkm = 0 ij
Pn
i=1 A kim
P
=
Pn i j c d r ab n i d βbj αkc αm
r Aab = δ d β j αc αr Aab
i=1 βa βb αk αi αm Acdr = i=1 βa αi cdr a b k m cdr
P
= βbj αkc αm
r δ d Aab j c r
a cdr = βb αk αm
n ab
a=1 Acar = βbj αkc αm
r Tb .
cr
Observaţia 3.9 Operaţia de contracţie se poate face ı̂n raport cu orice pereche de
indici formată dintr-un indice de contravarianţă (superior) şi un indice de covarianţă
(inferior).
Exerciţiul 3.12 Să se arate că dacă x ∈ V şi ϕ ∈ V ∗ atunci numărul
γ = x i ϕi
este un tensor de tip (0, 0), numit scalar.
Rezolvare. Numărul γ se obţine prin contracţie din x ⊗ ϕ şi nu depinde de baza

aleasă n n
γ0 = x0i ϕ0i =
X X
βji αik xj ϕk = δjk xj ϕk = xj ϕj = γ.
i=1 i=1
Exerciţiul 3.13 Să se arate că obiectul matematic care are coordonatele
(
1 daca i = j
Tji = δji =
0 daca i 6= j
indiferent de baza utilizată, este un tensor de tip (1, 1).
Rezolvare. Avem
i
T 0 j = δji = βki αjk = βki αjm δm
k
= βki αjm Tm
k
.
Propoziţia 3.20 Orice operator liniar A : V −→ V este un tensor de tip (1, 1) ale
cărui coordonate ı̂ntr-o bază B = {e1 , e2 , ..., en } sunt coeficienţii Aji din dezvoltarea
Aei = Aji ej .
Demonstraţie. Din relaţia Ae0i = A0 ji e0j rezultă
j
A(αik ek ) = A0 i αjm em
relaţie care scrisă sub forma
j
αik Aek = αjm A0 i em
conduce la
m 0 j
αik Am
k em = αj A i em
adică
m 0 j
αik Am
k = αj A i .
Din această relaţie obţinem
s m 0 j
βm αik Am s
k = βm αj A i
relaţie echivalentă cu
s
A0 i = β m
s
αik Am
k
s α m A0 j = δ s A0 j = A0 s .
deoarece βm j i j i i
Definiţia 3.21 Spunem că aplicaţia g : V ×V −→ K este o aplicaţie biliniară dacă
g(αx + βy, z) = αg(x, z) + βg(y, z)
g(x, αy + βz) = αg(x, y) + βg(x, z)
oricare ar fi x, y, z ∈ V şi α, β ∈ K.
Propoziţia 3.22 Orice aplicaţie biliniară g : V × V −→ K este un tensor de tip

(0, 2) ale cărui coordonate ı̂n baza B = {e1 , e2 , ..., en } sunt numerele gij = g(ei , ej ).
0
gij = g(e0i , e0j ) = g(αik ek , αjm em ) = αik αjm g(ek , em ) = αik αjm gkm .
Definiţia 3.23 Aplicaţia g : V ∗ × V −→ K este numită aplicaţie biliniară dacă

este liniară ı̂n fiecare argument, adică
g(αϕ + βψ, x) = αg(ϕ, x) + βg(ψ, x)
g(ϕ, αx + βy) = αg(ϕ, x) + βg(ϕ, y)
oricare ar fi ϕ, ψ ∈ V ∗ , x, y ∈ V şi α, β ∈ K.
Propoziţia 3.24 Orice aplicaţie biliniară g : V ∗ × V −→ K este un tensor de tip

(1, 1) ale cărui coordonate intr-o bază B = {e1 , e2 , ..., en } cu duala B ∗ = {e1 , e2 , ..., en }
sunt gji = g(ei , ej ).
i i
g 0 j = g(e0 , e0j ) = g(βki ek , αjm em ) = βki αjm g(ek , em ) = βki αjm gm
k
.
Propoziţia 3.25 Orice tensor de tip (1, 1) poate fi identificat cu o aplicaţie biliniară
g : V ∗ × V −→ K.
Demonstraţie. Folosind coordonatele Tji ale tensorului T de tip (1, 1) ı̂ntr-o bază
fixată B = {e1 , e2 , ..., en } cu duala B ∗ = {e1 , e2 , ..., en } definim aplicatia biliniară
g : V ∗ × V −→ K, g(ϕ, x) = g(ϕi ei , xj ej ) = Tji ϕi xj .

Aplicaţia g astfel definită nu depinde de alegerea bazei B utilizate deoarece alegând

altă bază B 0 obţinem
g(ϕ0k e0 k , x0 m e0m ) = T 0 km ϕ0k x0 m = βak αm

b T a α i ϕ β m xj
b k i j
= δai δjb Tba ϕi xj = Tji ϕi xj .
Observaţia 3.10 Rezultatele prezentate mai sus pot fi generalizate ı̂n mod natural.
Orice aplicaţie (p + q)-liniară
∗
T :V
|
× V ∗ {z
× · · · × V ∗} × V
|
×V ×
{z
· · · × V} −→ K
p ori q ori
este un tensor de tip (p, q) ale cărui coordonate ı̂ntr-o bază B = {e1 , e2 , ..., en } cu
duala B ∗ = {e1 , e2 , ..., en } sunt
i i ...i
Tj11j22...jpq = T (ei1 , ei2 , ..., eip , ej1 , ej2 , ..., ejq )
şi fiecărui tensor de tip (p, q) ı̂i corespunde ı̂n mod natural o astfel de aplicaţie
(p + q)-liniară.
Observaţia 3.11 Plecând de la dualul V ∗ al lui V se poate defini dualul dualului

lui V
V ∗∗ = (V ∗ )∗
numit bidualul lui V . Se poate arăta că V ∗∗ se poate identifica ı̂n mod natural cu
V asociind lui x ∈ V aplicaţia liniară
V ∗ −→ K : ϕ 7→ ϕ(x)
aparţinând bidualului lui V .
Observaţia 3.12 Dacă ϕ : V −→ K şi ψ : W −→ K sunt aplicaţii liniare atunci
g : V × W −→ K, g(v, w) = ϕ(v) · ψ(w)
este o aplicaţie biliniară numită produsul tensorial al lui ϕ cu ψ şi notată cu ϕ ⊗ ψ.

3.6 Matricea unei aplicaţii liniare
Fie V şi W spaţii vectoriale peste K,
A : V −→ W
aplicaţie liniară
BV = {v1 , v2 , ..., vn }, BW = {w1 , w2 , ..., wk }
baze ı̂n V , respectiv W şi fie
Av1 = a11 w1 + a21 w2 + · · · + ak1 wk

Av2 = a12 w1 + a22 w2 + · · · + ak2 wk
.........................................
Avn = a1n w1 + a2n w2 + · · · + akn wk
relaţii care se pot scrie comprimat

n
X
Avi = aji wj .
j=1
Deoarece orice vector se poate reprezenta ı̂n mod unic sub forma
n
X
x = x1 v1 + x2 v2 + · · · + xn vn = xi vi
i=1
rezultă că
   
n n n n n n
!
X X X X X X
Ax = A xi vi = xi Avi = xi  aji wj  =  aji xi  wj
i=1 i=1 i=1 j=1 i=1 j=1
ceea ce arată că aplicaţia liniară A este complet determinată de matricea

 
a11 a12 · · · a1n
 
 a21

a22 · · · a2n 

A= .
 
 . .. .. .. 
 . . . .


 
numită matricea lui A ı̂n raport cu bazele BV şi BW .
Observaţia 3.13 Punând
x = x1 v1 + x2 v2 + · · · + xn vn , y = Ax = y1 w1 + y2 w2 + · · · + yk wk
coordonatele lui x şi y = Ax verifică relaţia matriceală

    
y1 a11 a12 · · · a1n x1
    

 y2 
  a21

a22 · · · a2n 


x2 

= .
    
 ..  

 . .. .. ..   .. 
.   .. . . .  . 
  

    
yk ak1 ak2 · · · akn xn
Exerciţiul 3.14 Să se determine matricea aplicaţiei
A : R2 −→ R3 , A(x1 , x2 ) = (2x1 − 3x2 , x1 + 2x2 , x1 − x2 )
ı̂n raport cu bazele

{v1 = (1, 1), v2 = (1, −1)}
ı̂n R2 şi
{w1 = (1, 0, 0), w2 = (0, 1, 0), w3 = (0, 0, 1)}
ı̂n R3 .
Rezolvare. Din relaţiile
Av1 = A(1, 1) = (−1, 3, 0) = −1 w1 + 3 w2 + 0 w3
Av2 = A(1, −1) = (5, −1, 2) = 5 w1 − 1 w2 + 2 w3
rezultă că matricea căutată este
−1 5
 
 
A=
 3 −1 
.
0 2
Propoziţia 3.26 Fie A : U −→ V , B : V −→ W două aplicaţii liniareşi fie BU ,

BV şi BW baze ı̂n spaţiile vectoriale U , V şi W respectiv. Matricea aplicaţiei
BA : U −→ W, (BA)x = B(Ax)
ı̂n raport cu bazele BU , BW este produsul dintre matricea aplicaţiei B ı̂n raport cu
bazele BV , BW şi matricea aplicaţiei A ı̂n raport cu bazele BU , BV .
Demonstraţie. Fie BU = {u1 , u2 , ..., un }, BV = {v1 , v2 , ..., vm } şi BW = {w1 , w2 , ..., wp }.
Dacă p
m
X X
Aui = aji vj , Bvj = bkj wk
j=1 k=1
atunci
Pm Pm
(BA)ui = B(Aui ) = B j=1 aji vj = j=1 aji Bvj
Pm Pp Pp P
m
= j=1 aji k=1 bkj wk = k=1 j=1 bkj aji wk .
Observaţia 3.14 În cazul unei aplicaţii A : V −→ V alegem, ı̂n general, o singură
bază.
Teorema 3.27 La o schimbare de bază matricea unei aplicaţii liniare se schimbă
după formula
A0 = S −1 AS
unde S este matricea de trecere de la baza veche la baza nouă.
Demonstraţie. Fie bazele B = {e1 , e2 , ..., en }, B 0 = {e01 , e02 , ..., e0n },
 
α11 α12 · · · α1n
 
 α21

α22 · · · α2n  n
e0i =
 X
S=  unde αji ej
 ··· ··· ··· ··· 
 
  j=1
αn1 αn2 · · · αnn

matricea de trecere de la B la B 0 şi fie
 
a11 a12 · · · a1n
 
 a21

a22 · · · a2n 
 n
X
A=  unde Aei = aki ek
 ··· ··· ··· ··· 
 
  k=1

şi
a011 a012 · · · a01n
 
 
 0
0
 a21 a022 · · · a02n  n
Ae0i aki e0k
 X
A =  unde =
 ··· ··· ··· ··· 
 
  k=1
a0k1 a0k2 ··· a0kn

matricele lui A ı̂n raport cu B şi respectiv B 0 . Din relaţiile
P
n Pn Pn Pn
Ae0i = A j=1 αji ej = j=1 αji Aej = j=1 αji k=1 akj ek
Pn Pn 0 Pn
Ae0i = 0 0
j=1 aji ej = j=1 aji k=1 αkj ek
rezultă n n
αkj a0ji =
X X
akj αji
j=1 j=1
adică relaţia SA0 = AS care implică A0 = S −1 AS.
3.7 Vectori şi valori proprii
Definiţia 3.28 Fie V un spaţiu vectorial peste K şi A : V −→ V un operator liniar.

Spunem că numărul λ ∈ K este valoare proprie a lui A dacă există un vector v 6= 0,
numit vector propriu corespunzător valorii λ, astfel ı̂ncât
Av = λv.
Propoziţia 3.29 Dacă λ este valoare proprie a operatorului A : V −→ V atunci
Vλ = {x ∈ V | Ax = λx}
este subspaţiu vectorial al lui V (numit subspaţiul propriu corespunzător lui λ).
x, y ∈ Vλ
)
=⇒ A(αx + βy) = αAx + βAy = αλx + βλy = λ(αx + βy).
α, β ∈ K
Exerciţiul 3.15 Să se afle valorile proprii ale operatorului
A : R3 −→ R3 , A(x1 , x2 , x3 ) = (x2 + x3 , x1 + x3 , x1 + x2 )
şi să se determine subspaţiile proprii corespunzătoare.
Rezolvare. Fie λ valoare proprie a lui A. Rezultă că există x = (x1 , x2 , x3 ) 6= (0, 0, 0)
ı̂ncât
A(x1 , x2 , x3 ) = λ(x1 , x2 , x3 )
adică
(x2 + x3 , x1 + x3 , x1 + x2 ) = (λx1 , λx2 , λx3 )
ceea ce este echivalent cu faptul că sistemul omogen


 x2 + x3 = λx1

x1 + x3 = λx2


x1 + x2 = λx3

adică
−λx1 + x2 + x3 = 0




x1 − λx2 + x3 = 0


x1 + x2 − λx3 = 0

admite şi alte soluţii ı̂n afară de (x1 , x2 , x3 ) = (0, 0, 0). Ştim că acest lucru se
ı̂ntâmplă dacă şi numai dacă λ este astfel incât
−λ

1 1

1 −λ 1 =0 (3.2)

1 1 −λ
adică
λ3 − 3λ − 2 = 0
relaţie care conduce la valorile proprii λ1 = λ2 = −1 şi λ3 = 2. Avem

V−1 = { x ∈ R3 | Ax = −x }
= { (x1 , x2 , x3 ) | (x2 + x3 , x1 + x3 , x1 + x2 ) = (−x1 , −x2 , −x3 ) }
= { (x1 , x2 , x3 ) | x1 + x2 + x3 = 0 } = { (α, β, −α − β) | α, β ∈ R }
= { α(1, 0, −1) + β(0, 1, −1) | α, β ∈ R }

şi
V2 = { x ∈ R3 | Ax = 2x } = {(x1 , x2 , x3 ) | x1 = x2 = x3 } = {α(1, 1, 1) | α ∈ R }.
Observaţia 3.15 În raport cu baza canonică {(1, 0, 0), (0, 1, 0), (0, 0, 1)}, matricea
lui A este
0 1 1
 
 
 1 0 1 
A= 
1 1 0
iar ecuaţia (3.2) s-a obţinut scăzând λ din fiecare element situat pe diagonala prin-
cipală. Ecuaţia (3.2) se mai poate scrie
det(A − λI) = 0
unde
1 0 0
 
 
 0 1 0 
I= 
0 0 1
este matricea unitate.
Propoziţia 3.30 Polinomul (numit polinomul caracteristic)

a −λ a12 ··· a1n
11

a21

a22 − λ · · · a2n
P (λ) = det(A − λI) =
··· ··· ··· ···

··· ann − λ

an1 an2
asociat unui operator liniar A : V −→ V folosind matricea ı̂ntr-o bază fixată nu
depinde de baza aleasă.
det(A0 − λI) = det(S −1 AS − λI) = det(S −1 (A − λI)S)
= detS −1 det(A − λI) detS = 1

detS det(A − λI) detS = det(A − λI).
Observaţia 3.16 Deoarece
P (λ) = (−1)n λn + (−1)n−1 (a11 + a22 + ... + ann )λn−1 + ... + det A
rezultă că ı̂n cazul unui operator liniar A : V −→ V , parametrii
tr A = a11 + a22 + ... + ann
(urma operatorului) şi det A definiţi cu ajutorul unei baze nu depind de baza aleasă.
Teorema 3.31 Fie V un spaţiu vectorial peste K şi fie A : V −→ V un operator

liniar. Numărul λ ∈ K este valoare proprie a lui A dacă şi numai dacă este rădăcină
a polinomului caracteristic, adică dacă P (λ) = 0.
Demonstraţie. Conform definiţiei, λ ∈ K este valoare proprie dacă şi numai dacă
există x 6= 0 cu Ax = λx. Într-o bază fixată, acest lucru este echivalent cu faptul că
sistemul 



(a11 − λ)x1 + a12 x2 + · · · + a1n xn = 0


 a21 x1 + (a22 − λ)x2 + · · · + a2n xn = 0



 ...................................................


 a x + a x + · · · + (a − λ)x = 0

n1 1 n2 2 nn n
are şi alte soluţii ı̂n afară de (0, 0, ..., 0), ceea ce are loc dacă şi numai dacă

a −λ a12 ··· a1n
11

a21

a22 − λ · · · a2n
= 0.
··· ··· ··· ···

··· ann − λ

an1 an2
În cazul ı̂n care V este spaţiu vectorial real numai rădăcinile reale ale polinomului
caracteristic sunt valori proprii ale lui A.
Definiţia 3.32 Fie A : V −→ V un operator liniar. Spunem că subspaţiul W ⊆ V

este subspaţiu invariant dacă
A(W ) ⊆ W
adică dacă
w ∈ W =⇒ Aw ∈ W.
Propoziţia 3.33 Subspaţiile proprii ale unui operator liniar sunt subspaţii invari-
ante.
Demonstraţie. Fie A : V −→ V un operator liniar, λ o valoare proprie a lui A şi fie

Vλ subspaţiul propriu corespunzător. Dacă w ∈ Vλ atunci Aw = λw ∈ Vλ .
Exerciţiul 3.16 Arătaţi că ı̂n cazul rotaţiei de unghi α ı̂n jurul axei Oz
Rα : R3 −→ R3 , Rα (x, y, z) = (x cos α − y sin α, x sin α + y cos α, z)
subspaţiile
W1 = { (0, 0, z) | z ∈ R } (axa Oz)
W2 = { (x, y, 0) | x, y ∈ R } (planul xOy)

sunt subspaţii invariante.
Propoziţia 3.34 Dacă subspaţiul W ⊂ V de dimensiune m este subspaţiu invariant

al operatorului A : V −→ V atunci există o bază B = {e1 , e2 , ..., en } a lui V ı̂n raport
cu care matricea lui A are forma
a11 a12 ··· a1m a1m+1 ··· a1n

 
 

 a21 a22 ··· a2m a2m+1 ··· a2n 

 

 ··· ··· ··· ··· ··· ··· ··· 
 

 am1 am2 · · · amm amm+1 ··· amn  
A= .
0 0 ··· 0 am+1,m+1 · · · am+1,n 
 

 
··· am+2,m+1 · · ·
 

 0 0 0 am+2,n 

 

 ··· ··· ··· ··· ··· ··· ··· 
0 0 ··· 0 an,m+1 ··· an,n
Demonstraţie. Baza B se poate obţine completând o bază {e1 , e2 , ..., em } a lui W

până la o bază a lui V.
3.8 Forma diagonală a matricei unei aplicaţii liniare
Am arătat că valorile proprii ale operatorului
A : R3 −→ R3 , A(x1 , x2 , x3 ) = (x2 + x3 , x1 + x3 , x1 + x2 )
sunt λ1 = λ2 = −1, λ3 = 2 şi că subspaţiile proprii corespunzătoare sunt
V−1 = { α(1, 0, −1) + β(0, 1, −1) | α, β ∈ R }
şi
V2 = {α(1, 1, 1) | α ∈ R }.
Matricea lui A ı̂n raport cu baza
{v1 = (1, 0, −1), v2 = (0, 1, −1), v3 = (1, 1, 1)}

a lui R3 formată din vectori proprii ai lui A are forma diagonală
−1 0 0
 
 
 0
A= −1 0 
.
0 0 2
Propoziţia 3.35 Matricea unui operator liniar A : V −→ V ı̂n raport cu o bază B

este o matrice diagonală dacă şi numai dacă B este formată doar din vectori proprii
ai lui A.
Demonstraţie. Dacă B = {v1 , v2 , ..., vn } este o bază a lui V formată din vectori
proprii ai lui A
Avi = λi vi
(unele dintre numerele λ1 , λ2 , ..., λn putând fi egale) atunci matricea lui A ı̂n această
bază este  
λ1 0 0 0 ··· 0
 
 0
 λ2 0 0 ··· 0 

 
A= 0 0 λ3 0 ··· 0 .
 
 
 ··· ··· ··· ··· ··· ··· 
 
 
0 0 0 0 · · · λn
Invers, dacă matricea lui A ı̂n raport cu o bază B = {w1 , w2 , ..., wn } are forma
diagonală  
α1 0 0 0 ··· 0
 
 0 α
 2 0 0 ··· 0 

 
A= 0 0 α3 0 · · · 0
 

 
 ··· ··· ··· ··· ··· ···
 

 
0 0 0 0 · · · αn
atunci
Awi = αi wi
oricare ar fi i ∈ {1, 2, ..., n}. Deoarece o bază nu poate conţine vectorul nul rezultă
că w1 , w2 , ..., wn sunt vectori proprii ai lui A şi α1 , α2 , ..., αn valorile proprii core-
spunzătoare.
Exerciţiul 3.17 Să se arate că nu există o bază ı̂n raport cu care matricea opera-
torului
A : R2 −→ R2 , A(x1 , x2 ) = (2x1 + x2 , 2x2 )
să fie matrice diagonală.
Rezolvare. Este suficient să arătăm că nu există o bază a lui R2 formată din vectori
proprii ai lui A. În raport cu baza canonică {e1 = (1, 0), e2 = (0, 1)} matricea lui A
este !
2 1
A= .
0 2
Polinomul caracteristic

2−λ 1
P (λ) = = (2 − λ)2

0 2−λ
admite rădăcinile λ1 = λ2 = 2. Singura valoare proprie este λ = 2 şi subspaţiul

propriu corespunzător este
V2 = {(x1 , x2 ) ∈ R2 | A(x1 , x2 ) = 2(x1 , x2 ) }

= {(x1 , x2 ) ∈ R2 | (2x1 + x2 , 2x2 ) = (2x1 , 2x2 ) }
= {(α, 0) | α ∈ R} = {α(1, 0) | α ∈ R}
ceea ce arată că toţi vectorii proprii ai lui A sunt de forma α(1, 0). Nu există doi
vectori proprii liniar independenţi care să formeze o bază a lui R2 .
Exerciţiul 3.18 Rotaţia de unghi α a planului
Rα : R2 −→ R2 , Rα (x, y) = (x cos α − y sin α, x sin α + y cos α)
admite valori proprii numai ı̂n cazul ı̂n care α ∈ Zπ.
Observaţia 3.17 Studiul unui operator liniar devine mai uşor de realizat prin uti-
lizarea unei baze ı̂n raport cu care matricea lui este diagonală. O astfel de bază nu
există ı̂n toate cazurile.
Observaţia 3.18 Dacă există o bază ı̂n raport cu care matricea lui A este diagonală
 
α1 0 0 0 ··· 0
 
 0 α
 2 0 0 ··· 0 

 
A= 0 0 α3 0 · · · 0
 

 
 ··· ··· ··· ··· ··· ···
 

 
0 0 0 0 · · · αn
atunci rădăcinile polinomului caracteristic

α1 − λ 0 0 0 ··· 0

0 α2 − λ 0 0 ··· 0

P (λ) = 0 0 α3 − λ 0 ··· 0 = (α1 −λ)(α2 −λ) · · · (αn −λ)

··· ··· ··· ··· ··· · · ·

0 0 0 0 ··· αn − λ
sunt α1 , α2 , ..., αn , şi aparţin toate lui K (numărul lor, ţinând seama de multiplicităţi
este dim V ).
Definiţia 3.36 Fie A : V −→ V un operator liniar şi λ o valoare proprie a lui

A. Spunem că λ are multiplicitatea algebrică k dacă este rădăcină de ordinul
k a polinomului caracteristic. Prin multiplicitate geometrică a lui λ se ı̂nţelege
dimensiunea subspaţiului propriu Vλ corespunzător lui λ.
Propoziţia 3.37 Dacă v1 , v2 , ..., vk sunt vectori proprii ai operatorului A : V −→

V corespunzători la valori proprii distincte λ1 , λ2 , ..., λk
Avi = λi vi
atunci {v1 , v2 , ..., vk } este sistem de vectori liniar independenţi.
Demonstraţie (cazul n = 3). Din
α1 v1 + α2 v2 + α3 v3 = 0 (3.3)
rezultă
A(α1 v1 + α2 v2 + α3 v3 ) = 0
adică relaţia
α1 Av1 + α2 Av2 + α3 Av3 = 0
care se mai scrie

α1 λ1 v1 + α2 λ2 v2 + α3 λ3 v3 = 0. (3.4)
Adunând relaţia (3.4) cu relaţia (3.3) ı̂nmulţită cu (−λ3 ) se obţine
α1 (λ1 − λ3 )v1 + α2 (λ2 − λ3 )v2 = 0. (3.5)
Aplicând operatorul A relaţiei (3.5) obţinem
α1 (λ1 − λ3 )λ1 v1 + α2 (λ2 − λ3 )λ2 v2 = 0. (3.6)
Adunând relaţia (3.6) cu relaţia (3.5) ı̂nmulţită cu (−λ2 ) rezultă
α1 (λ1 − λ3 )(λ1 − λ2 )v1 = 0.
Deoarece λ1 , λ2 , λ3 sunt distincte şi v1 6= 0 rezultă α1 = 0 şi apoi din (3.5) obţinem
α2 = 0. Înlocuind ı̂n (3.3) pe α1 şi α2 cu 0 deducem că α3 = 0.
Observaţia 3.19 Din propoziţia anterioară rezultă existenţa formei diagonale ı̂n
cazul ı̂n care rădăcinile polinomului caracteristic aparţin toate corpului K peste care
este considerat V şi sunt toate distincte.
Teorema 3.38 Fie V un spaţiu vectorial peste K şi fie A : V −→ V un operator

liniar. Există o bază a lui V ı̂n raport cu care matricea lui A este diagonală dacă şi
numai dacă toate rădăcinile polinomului caracteristic aparţin lui K şi pentru fiecare
dintre ele multiplicitatea algebrică este egală cu cea geometrică.
Demonstraţie. (ı̂n cazul a două rădăcini λ1 6= λ2 cu multiplicităţile 2 şi respectiv 3).

În cazul considerat dim V = 2 + 3 = 5, dim Vλ1 = 2 şi dim Vλ2 = 3. Fie {v1 , v2 } bază
ı̂n
Vλ1 = { x ∈ V | Ax = λ1 x }
şi {w1 , w2 , w3 } bază ı̂n

Vλ2 = { x ∈ V | Ax = λ2 x }.
Este suficient să arătăm că {v1 , v2 , w1 , w2 , w3 } este bază ı̂n V . Fie
α1 v1 + α2 v2 + α3 w1 + α4 w2 + α5 w3 = 0. (3.7)
Aplicând A obţinem
λ1 (α1 v1 + α2 v2 ) + λ2 (α3 w1 + α4 w2 + α5 w3 ) = 0.
Adunând această relaţie cu relaţia (3.7) ı̂nmulţită cu (−λ2 ) obţinem
(λ1 − λ2 )(α1 v1 + α2 v2 ) = 0
de unde α1 = α2 = 0. Înlocuind ı̂n (3.7) rezultă α3 = α4 = α5 = 0.
Observaţia 3.20 Orice matrice

 
a11 a12 · · · a1n
 
 a21

a22 · · · a2n 

  ∈ Mn×n (K)
 ··· ··· ··· ··· 
 
 
este matricea ı̂n raport cu baza canonică
B = {e1 = (1, 0, 0, ..., 0), e2 = (0, 1, 0, ..., 0), ... , en = (0, 0, ..., 0, 1)}
a operatorului liniar
    
x1 a11 a12 · · · a1n x1
    

 x2 
  a21

a22 · · · a2n 


x2 

A : Kn −→ Kn , A = .
    
..  

 . .. .. ..   .. 
.   .. . . .  . 
  

    
xn an1 an2 · · · ann xn
Definiţia 3.39 Prin valoare proprie a unei matrice (respectiv vector propriu
al unei matrice) A ∈ Mn×n (K) se ı̂nţelege o valoare proprie (respectiv vector
propriu) al operatorului liniar asociat A : Kn −→ Kn .
Definiţia 3.40 Spunem că matricea A ∈ Mn×n (K) este diagonalizabilă dacă op-
eratorului liniar asociat A : Kn −→ Kn este diagonalizabil.
84
Capitolul 4
Spaţii vectoriale euclidiene
Definiţia 4.1 Fie V un spaţiu vectorial real (adică K = R). Prin produs scalar
pe V se inţelege o aplicaţie
h, i : V × V −→ R
astfel incât
a) hαx + βy, zi = αhx, zi + βhy, zi, ∀x, y ∈ V şi ∀α, β ∈ R
b) hx, yi = hy, xi, ∀x, y ∈ V
c) hx, xi ≥ 0, ∀x ∈ V şi
hx, xi = 0 dacă şi numai dacă x = 0.
Un spaţiu vectorial real considerat ı̂mpreună cu un produs scalar fixat este numit
spaţiu vectorial euclidian real.
Definiţia 4.2 Fie V un spaţiu vectorial complex (adică K = C). Prin produs
scalar pe V se inţelege o aplicaţie
h, i : V × V −→ C
astfel incât
a) hαx + βy, zi = αhx, zi + βhy, zi, ∀x, y ∈ V şi ∀α, β ∈ C
b) hx, yi = hy, xi, ∀x, y ∈ V
85
c) hx, xi ≥ 0, ∀x ∈ V şi
hx, xi = 0 dacă şi numai dacă x = 0.
Un spaţiu vectorial complex considerat ı̂mpreună cu un produs scalar fixat este numit
spaţiu vectorial euclidian complex.
Observaţia 4.1 In cazul produsului scalar definit pe un spaţiu vectorial complex,
hx, αy + βzi = ᾱhx, yi + β̄hx, zi, ∀x, y ∈ V si ∀α, β ∈ C.
Intr-adevar,
hx, αy + βzi = hαy + βz, xi = ᾱ hy, xi + β̄ hz, xi = ᾱhx, yi + β̄hx, zi.
Exerciţiul 4.1 Relaţia

n
X
h(x1 , x2 , ..., xn ), (y1 , y2 , ..., yn )i = x j yj
j=1
defineşte produsul scalar “uzual” pe spaţiul vectorial real Rn , iar relaţia

n
X
h(x1 , x2 , ..., xn ), (y1 , y2 , ..., yn )i = xj ȳj
j=1
defineşte produsul scalar “uzual” pe spaţiul vectorial complex Cn .
Teorema 4.3 (Inegalitatea Cauchy). Dacă h, i : V × V −→ K este produs scalar

atunci
|hx, yi|2 ≤ hx, xi hy, yi
oricare ar fi x, y ∈ V .
Demonstraţie. Relaţia este evident verificată ı̂n cazul y = 0. Dacă y 6= 0 atunci
hx + λy, x + λyi ≥ 0, ∀λ ∈ K
adică
hx, xi + λhy, xi + λ̄hx, yi + λλ̄hy, yi ≥ 0, ∀λ ∈ K.
Alegând
hx, yi
λ=−
hy, yi
Spaţii vectoriale euclidiene 87
relaţia devine
|hx, yi|2 |hx, yi|2 |hx, yi|2
hx, xi − − + ≥ 0.
hy, yi hy, yi hy, yi
adică hx, xi hy, yi ≥ |hx, yi|2 .
Definiţia 4.4 Fie V un spaţiu vectorial peste K. Prin normă pe V se ı̂nţelege o

aplicatie
||.|| : V −→ R
astfel ı̂ncât
a) ||x|| ≥ 0, ∀x ∈ V şi
||x|| = 0 dacă şi numai dacă x=0
b) ||x + y|| ≤ ||x|| + ||y||, ∀x, y ∈ V
c) ||αx|| = |α| · ||x||, ∀x ∈ V şi ∀α ∈ K.
Propoziţia 4.5 Dacă h, i : V × V −→ K este produs scalar atunci

q
|| · || : V −→ R, ||x|| = hx, xi
este o normă pe V .
p
||x|| = hx, xi ≥ 0 si ||x|| = 0 ⇐⇒ x = 0
p p
||αx|| = hαx, αxi = αᾱhx, xi = |α| ||x||
||x + y||2 = hx + y, x + yi
= hx, xi + hx, yi + hy, xi + hy, yi
= ||x||2 + 2 Rehx, yi + ||y||2
≤ ||x||2 + 2 |Rehx, yi| + ||y||2
≤ ||x||2 + 2 |hx, yi| + ||y||2
≤ ||x||2 + 2 ||x|| ||y|| + ||y||2
= (||x|| + ||y||)2
deoarece
√ p
|Re(a + ib)| = |a| = a2 ≤ a2 + b2 = |a + ib|
p
şi conform inegalităţii Cauchy |hx, yi| ≤ hx, xi hy, yi = ||x|| ||y||.
4.2 Baze ortonormate
Observaţia 4.2 Folosind norma

q
|| · || : V −→ R, ||x|| = hx, xi
asociată produsului scalar, inegalitatea Cauchy
|hx, yi|2 ≤ hx, xi hy, yi
se poate scrie
|hx, yi| ≤ ||x|| ||y||.
In particular, din această relaţie rezultă că
|hx, yi|
0≤ ≤1
||x|| · ||y||
pentru x 6= 0 şi y 6= 0. In cazul unui spaţiu vectorial real
hx, yi
−1 ≤ ≤ 1.
||x|| · ||y||
Numărul ϕ ∈ [0, π] cu proprietatea
hx, yi
cos ϕ =
||x|| · ||y||
este numit unghiul dintre x şi y. Relaţia anterioară se mai poate scrie
hx, yi = ||x|| ||y|| cos ϕ.

Definiţia 4.6 Spunem că vectorii x, y ∈ V sunt ortogonali şi scriem x ⊥ y dacă
hx, yi = 0.
Definiţia 4.7 Spunem că vectorul x ∈ V este ortogonal pe submulţimea M ⊆

V şi scriem x ⊥ M dacă
x ⊥ y, ∀y ∈ M.
Definiţia 4.8 Spunem că {v1 , v2 , ..., vk } ⊂ V este un sistem ortogonal (sau sis-
tem de vectori ortogonali) dacă
hvi , vj i = 0
oricare ar fi i 6= j din {1, 2, ..., k}.
Propoziţia 4.9 Orice sistem de vectori ortogonali nenuli este un sistem liniar in-
dependent.
Demonstraţie. Fie {v1 , v2 , ..., vk } un sistem ortogonal de vectori nenuli. Din
α1 v1 + α2 v2 + · · · + αk vk = 0
rezultă că
0 = hα1 v1 + α2 v2 + · · · + αk vk , v1 i
= α1 hv1 , v1 i + α2 hv2 , v1 i + · · · + αk hvk , v1 i
= α1 · ||v1 ||2 + α2 · 0 + · · · + αk · 0.
Deoarece v1 6= 0 se obţine α1 = 0. Similar se arată că α2 = 0, ... , αk = 0.
{v1 = (1, 1, 0), v2 = (1, −1, 0), v3 = (0, 0, 1)} ⊂ R3
este un sistem ortogonal ı̂n raport cu produsul scalar uzual
3
X
h(x1 , x2 , x3 ), (y1 , y2 , y3 )i = x j yj .
j=1
Rezolvare. Avem
hv1 , v2 i = h(1, 1, 0), (1, −1, 0)i = 1 · 1 + 1 · (−1) + 0 · 0 = 0
hv1 , v3 i = h(1, 1, 0), (0, 0, 1)i = 1 · 0 + 1 · 0 + 0 · 1 = 0
hv2 , v3 i = h(1, −1, 0), (0, 0, 1)i = 1 · 0 + (−1) · 0 + 0 · 1 = 0.

Propoziţia 4.10 Proiecţia ortogonală a vectorului x pe vectorul u 6= 0 este vectorul
hx, ui
Pu x = u.
hu, ui
Demonstraţie. Proiecţia lui x pe u este un vector de forma λu. Impunând ca

proiecţia să fie ortogonală , adică
(x − λu) ⊥ u
obţinem relaţia
hx − λu, ui = 0
hx,ui
care conduce la λ = hu,ui .
Observaţia 4.3 Dacă vectorul u este un vector unitar (versor), adică
||u|| = 1
atunci proiecţia lui x pe u este vectorul
Pu x = hx, ui u.
Teorema 4.11 (Metoda de ortogonalizare Gram-Schmidt). Dacă {v1 , v2 , v3 , ... }

este un sistem liniar independent (finit sau infinit) atunci {w1 , w2 , w3 , ... }, unde
w1 = v 1
hv2 ,w1 i
w2 = v 2 − hw1 ,w1 i w1
hv3 ,w1 i hv3 ,w2 i

w3 = v 3 − hw1 ,w1 i w1 − hw2 ,w2 i w2
..........................................................
este un sistem ortogonal astfel incât
hv1 , v2 , ... , vk i = hw1 , w2 , ... , wk i
oricare ar fi k ∈ {1, 2, 3, ...}.

hv2 , w1 i hv2 , w1 i

hw2 , w1 i = v2 − w1 , w 1 = hv2 , w1 i − hw1 , w1 i = 0.
hw1 , w1 i hw1 , w1 i
Similar se arată că oricare vector wk este ortogonal pe vectorii w1 , w2 , ... , wk−1 .
Definiţia 4.12 Spunem că {e1 , e2 , ... , ek } este un sistem ortonormat dacă
(
1 daca i = j
hei , ej i = δij =
0 daca i 6= j
Teorema 4.13 (Metoda de ortonormalizare Gram-Schmidt). Dacă {v1 , v2 , v3 , ... }

este un sistem liniar independent (finit sau infinit) atunci {e1 , e2 , e3 , ... }, unde
v1
e1 = ||v1 ||
v2 −hv2 ,e1 i e1
e2 = ||v2 −hv2 ,e1 i e1 ||
v3 −hv3 ,e1 i e1 −hv3 ,e2 i e2

e3 = ||v3 −hv3 ,e1 i e1 −hv3 ,e2 i e2 ||
..........................................................
este un sistem ortonormat astfel incât
hv1 , v2 , ... , vk i = he1 , e2 , ... , ek i
oricare ar fi k ∈ {1, 2, 3, ...}.

Demonstraţie. Prin calcul direct se arată că e2 ⊥ e1 , apoi e3 ⊥ e1 şi e3 ⊥ e2 , etc.
Observaţia 4.4 Un sistem ortonormat {e1 , e2 , ... , ek } este format din vectori uni-
tari q
||ej || = hej , ej i = 1
si ortogonali.
Definiţia 4.14 Prin bază ortonormată se ı̂nţelege o bază {e1 , e2 , ... , en } cu
hei , ej i = δij
adică o bază care este ı̂n acelaşi timp sistem ortonormat.
Teorema 4.15 Dacă B = {e1 , e2 , ... , en } este o bază ortonormată atunci

n
X
x= hx, ei iei , ∀x ∈ V
i=1
n
X
hx, yi = hx, ei i hei , yi, ∀x, y ∈ V
i=1
v
u n
uX
||x|| = t |hx, ei i|2 , ∀x ∈ V.
i=1
Demonstraţie. Orice vector x ∈ V se poate scrie ca o combinaţie liniară

n
X
x= xi e i
i=1
şi avem * n n n
+
X X X
hx, ek i = xi e i , e k = xi hei , ek i = xi δik = xk
i=1 i=1 i=1
* n + n
X X
hx, yi = hx, ei iei , y = hx, ei i hei , yi
i=1 i=1
n
X n
X
||x||2 = hx, xi = hx, ei i hei , xi = |hx, ei i|2 .
i=1 i=1
Exerciţiul 4.3 Să se indice o bază ortonormată pentru spaţiul vectorial
V = { x = (x1 , x2 , x3 ) ∈ R3 | x1 + x2 + x3 = 0 }.
Rezolvare. Deoarece
V = { (x1 , x2 , −x1 − x2 ) | x1 , x2 ∈ R } = { x1 (1, 0, −1) + x2 (0, 1, −1) | x1 , x2 ∈ R }
vectorii liniar independenţi v1 = (1, 0, −1) şi v2 = (0, 1, −1) formează o bază a
lui V . Ortonormalizăm această bază prin metoda Gram-Schmidt şi obţinem baza
ortonormată {e1 , e2 }, unde

v1 (1,0,−1) (1,0,−1) √1 , 0, − √1
e1 = ||v1 || =√ = √
2
= 2 2
12 +02 +(−1)2

(0,1,−1)− √1 √1 ,0,− √1
v2 −hv2 ,e1 i e1 2 2 2
= − √1 , √2 , − √1 .
e2 = ||v2 −hv2 ,e1 i e1 || =
6 6 6
(0,1,−1)− √12 √1 ,0,− √1

2 2

4.3 Complementul ortogonal al unui subspaţiu
Propoziţia 4.16 Fie V un spaţiu cu produs scalar. Mulţimea vectorilor ortogonali

pe o submulţime M a lui V
M ⊥ = { v ∈ V | v ⊥ x, ∀x ∈ M }
este un spaţiu vectorial.
Demonstraţie. Oricare ar fi x ∈ M avem

)
v, w ∈ M ⊥
=⇒ hαv + βw, xi = αhv, xi + βhw, xi = α · 0 + β · 0 = 0
α, β ∈ K
şi prin urmare αv + βw ∈ M ⊥ .
Exerciţiul 4.4 Indicaţi o bază a spaţiului M ⊥ ı̂n cazul M = {(1, 2, 3)} ⊂ R3 .

Rezolvare. Avem
M ⊥ = { (x1 , x2 , x3 ) ∈ R3 | h(x1 , x2 , x3 ), (1, 2, 3)i = 0 }
= { (x1 , x2 , x3 ) ∈ R3 | x1 + 2x2 + 3x3 = 0 }
= { (−2x2 − 3x3 , x2 , x3 ) | x2 , x3 ∈ R }
= { x2 (−2, 1, 0) + x3 (−3, 0, 1) | x2 , x3 ∈ R }.
Vectorii liniar independenţi (−2, 1, 0) şi (−3, 0, 1) formează o bază a spaţiului M ⊥ .
Teorema 4.17 Dacă W este un subspaţiu al spaţiului (finit-dimensional) V atunci
V = W ⊕ W ⊥.
Demonstraţie. Dacă x ∈ W ∩ W ⊥ atunci ||x|| = hx, xi = 0, ceea ce conduce la

p
W ∩ W ⊥ = {0}. Este suficient să mai arătăm că dim W +dim W ⊥ =dim V . Plecăm
de la o bază ortonormată {e1 , e2 , ..., ek } a lui W pe care apoi o completăm până
la o bază {e1 , e2 , ..., ek , v1 , v2 , ..., vn−k } a lui V . Ortonormalizând acestă bază prin
metoda Gram-Schmidt obţinem o bază ortonormată {e1 , e2 , ..., ek , ek+1 , ek+2 , ..., en }
a lui V . Se constată imediat că {ek+1 , ek+2 , ..., en } est bază a lui W ⊥ si prin urmare
dim W +dim W ⊥ =dim V.
4.4 Adjunctul unui operator liniar
Propoziţia 4.18 Dacă vectorii x, y ∈ V sunt astfel incât
hx, vi = hy, vi, ∀v ∈ V (4.1)
atunci x = y.
Demonstraţie. Din relaţia (4.1) rezultă
hx − y, vi = 0, ∀v ∈ V.
In particular, alegând v = x − y obtinem
hx − y, x − yi = 0
adică
||x − y||2 = 0
relaţie care conduce la x = y.
Propoziţia 4.19 Dacă A : V −→ V este un operator liniar atunci există un oper-
ator liniar A∗ : V −→ V unic determinat astfel incât
hA∗ x, yi = hx, Ayi, ∀x, y ∈ V. (4.2)
Demonstraţie. Fie B = {e1 , e2 , ..., en } o bază ortonormată a lui V . Ştim că oricare
ar fi v ∈ V avem
n
X
v= hv, ei iei .
i=1
În particular, operatorul pe care-l căutăm trebuie să verifice relaţia

n n
A∗ x = hA∗ x, ei iei =
X X
hx, Aei iei (4.3)
i=1 i=1
pe care o vom alege drept definiţie a operatorului A∗ . Relaţia (4.3) defineşte un

operator liniar
n n n
A∗ (αx+βy) = hy, Aei iei = αA∗ x+βA∗ y.
X X X
hαx+βy, Aei iei = α hx, Aei iei +β
i=1 i=1 i=1
Operatorul definit cu ajutorul relaţiei (4.3) verifică relaţia (4.2)

Pn Pn
hA∗ x, yi = h i=1 hx, Aei iei , yi = i=1 hx, Aei ihei , yi
Pn Pn
= i=1 hx, hy, ei iAei i = hx, A ( i=1 hy, ei iei )i = hx, Ayi.
Presupunând că B : V −→ V este un alt operator liniar astfel ı̂ncât
hBx, yi = hx, Ayi, ∀x, y ∈ V. (4.4)
rezultă că pentru orice x
hA∗ x, yi = hBx, yi, ∀y ∈ V
relaţie care conduce la A∗ x = Bx.

Definiţia 4.20 Fie A : V −→ V un operator liniar. Operatorul liniar A∗ : V −→ V

care verifică relaţia
hA∗ x, yi = hx, Ayi, ∀x, y ∈ V. (4.5)
se numeşte adjunctul lui A.
Propoziţia 4.21 Dacă A, B : V −→ V sunt operatori liniari şi λ ∈ K atunci
A + B : V −→ V, (A + B)x = Ax + Bx
λA : V −→ V, (λA)x = λ Ax
AB : V −→ V, (AB)x = A(Bx)
sunt operatori liniari şi
(A∗ )∗ = A, (A+B)∗ = A∗ +B ∗ , (λA)∗ = λ̄ A∗ , (AB)∗ = B ∗ A∗ .
(A + B)(αx + βy) = A(αx + βy) + B(αx + βy) = αAx + βAy + αBx + βBy
= α(A + B)x + β(A + B)y
(λA)(αx + βy) = λ A(αx + βy) = λαAx + λβAy = α(λA)x + β(λA)y
(AB)(αx + βy) = A(B(αx + βy)) = A(αBx + βBy) = αA(Bx) + βA(By)
= α(AB)x + β(AB)y.
Relaţia (A∗ )∗ = A rezultă din
h(A∗ )∗ x, yi = hx, A∗ yi = hAx, yi, ∀x, y ∈ V.
Avem
h(A + B)∗ x, yi = hx, (A + B)yi = hx, Ayi + hx, Byi
= hA∗ x, yi + hB ∗ x, yi = h(A∗ + B ∗ )x, yi

adică pentru orice x ∈ V
h(A + B)∗ x, yi = h(A∗ + B ∗ )x, yi, ∀y ∈ V

ceea ce conduce la (A + B)∗ = A∗ + B ∗ . Similar, pentru orice x ∈ V avem
h(λA)∗ x, yi = hx, (λA)yi = hx, λ Ayi = λ̄ hx, Ayi
= λ̄hA∗ x, yi = hλ̄ A∗ x, yi = h(λ̄A∗ )x, yi, ∀y ∈ V
şi acestă relaţie conduce la
(λA)∗ x = (λ̄A∗ )x, ∀x ∈ V
adică (λA)∗ = λ̄A∗ . Oricare ar fi x ∈ V avem relaţia
h(AB)∗ x, yi = hx, (AB)yi = hx, A(By)i = hA∗ x, Byi
= hB ∗ (A∗ x), yi = h(B ∗ A∗ )x, yi, ∀y ∈ V
care conduce la (AB)∗ = B ∗ A∗ .
Propoziţia 4.22 Matricea adjunctului A∗ al unui operator liniar A ∈ L(V ) ı̂n

raport cu o bază ortonormată este complex conjugata transpusei matricei A a oper-
atorului A in raport cu aceeaşi bază.
Demonstraţie. Fie
a∗11 a∗12 · · · a∗1n

   
a11 a12 · · · a1n
 a21 a22 · · · a2n   a∗21 a∗22 · · · a∗2n 
A= , A∗ = 
   
··· ··· ··· ··· ··· ··· ··· ···

   
an1 an2 · · · ann a∗n1 a∗n2 · · · a∗nn
matricele lui A şi A∗ ı̂n raport cu baza ortonormată {e1 , e2 , ..., en }, adică
n n
A∗ ej = a∗ij ei .
X X
Aej = aij ei , (4.6)
i=1 i=1
Conform formulei de reprezentare a unui vector ı̂n raport cu o bază ortonormată

n
X
v= hv, ei iei
i=1
avem n n
A∗ ej = hA∗ ej , ei iei
X X
Aej = hAej , ei iei , (4.7)
i=1 i=1
Din relaţiile (4.6) şi (4.7) rezultă
aij = hAej , ei i, a∗ij = hA∗ ej , ei i
ceea ce conduce la
a∗ij = hA∗ ej , ei i = hej , Aei i = hAei , ej i = āji .
4.5 Operatori autoadjuncţi
Definiţia 4.23 Prin operator autoadjunct (sau hermitian)se ı̂nţelege un oper-

ator liniar A : V −→ V astfel incât A∗ = A, adică un operator astfel ı̂ncât
hAx, yi = hx, Ayi, ∀x, y ∈ V. (4.8)
Notaţie. Vom nota cu A(V ) mulţimea operatorilor autoadjuncţi definiţi pe V , adică

A(V ) = { A ∈ L(V ) | A∗ = A }
= { A ∈ L(V ) | hAx, yi = hx, Ayi, ∀x, y ∈ V }.

Propoziţia 4.24
a) A, B ∈ A(V ) =⇒ A + B ∈ A(V )
)
A ∈ A(V )
b) =⇒ αA ∈ A(V )
α∈R
c) Daca A, B ∈ A(V ) atunci :
AB ∈ A(V ) ⇐⇒ AB = BA
d) Daca operatorul A ∈ A(V ) este inversabil atunci A−1 ∈ A(V ).

Demonstraţie. Vom utiliza propozitia 4.21.
a) Avem (A + B)∗ = A∗ + B ∗ = A + B
b) Avem (αA)∗ = ᾱA∗ = αA.
c) Dacă AB ∈ A(V ) atunci AB = (AB)∗ = B ∗ A∗ = BA.
Dacă AB = BA atunci (AB)∗ = B ∗ A∗ = BA = AB şi deci AB ∈ A(V ).
d) Avem hA−1 x, yi = hA−1 x, A(A−1 y)i = hA(A−1 x), A−1 yi = hx, A−1 yi.
Definiţia 4.25 Spunem că

 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
A=
 
··· ··· ··· ···

 
este o matrice hermitică dacă

t
Ā = A
adică dacă
aij = āji , ∀i, j ∈ {1, 2, ..., n}.
Propoziţia 4.26 Un operator liniar A : V −→ V este operator autoadjunct dacă şi

numai dacă matricea lui ı̂n raport cu o bază ortonormată este o matrice hermitică.
Demonstraţie. Afirmţia rezultă din propoziţia 4.22.
Teorema 4.27 Dacă A : V −→ V este un operator autoadjunct atunci:

a) toate valorile proprii sunt reale
b) vectorii proprii corespunzători la valori proprii distincte sunt ortogonali.
Demonstraţie. a) Fie λ o valoare proprie a lui A şi v 6= 0 un vector propriu core-

spunzător
Av = λv.
In cazul x = y = v relaţia
hAx, yi = hx, Ayi (4.9)
verificată de A oricare ar fi x, y ∈ V devine succesiv
hAv, vi = hv, Avi
hλv, vi = hv, λvi
λhv, vi = λ̄hv, vi
λ||v||2 = λ̄||v||2
λ = λ̄.
b) Fie λ1 6= λ2 două valori proprii distincte şi v1 , v2 vectori proprii corespunzători
Av1 = λ1 v1 , Av2 = λ2 v2 .
In cazul x = v1 , y = v2 relaţia (4.9) se poate scrie succesiv

hAv1 , v2 i = hv1 , Av2 i
hλ1 v1 , v2 i = hv1 , λ2 v2 i
λ1 hv1 , v2 i = λ2 hv1 , v2 i
(λ1 − λ2 )hv1 , v2 i = 0
hv1 , v2 i = 0.
Propoziţia 4.28 In cazul unui operator autoadjunct rădăcinile polinomului carac-
teristic sunt reale.
Demonstraţie. Fie A ∈ A(V ),
 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
A=
 
··· ··· ··· ···

 
matricea lui A ı̂n raport cu o bază ortonormată şi fie λ1 ∈ C o rădăcină a polinomului
caracteristic
a11 − λ1 a12 ··· a1n

a21 a22 − λ1 · · · a2n
= 0.

··· ··· ··· ···

an1 an2 · · · ann − λ1
In aceste condiţii sistemul de ecuaţii


 (a11 − λ1 )x1 + a12 x2 + · · · + a1n xn = 0

 a x + (a − λ )x + · · · + a x = 0
21 1 22 1 2 2n n
 ..................................................



an1 x1 + an2 x2 + · · · + (ann − λ1 )xn = 0
admite ı̂n Cn o soluţie (x1 , x2 , ..., xn ) 6= (0, 0, ..., 0). Adunând ecuaţiile sistemului
ı̂nmulţite respectiv cu x̄1 , x̄2 , ..., x̄n obţinem relaţia
n
X n
X
ajk xk x̄j = λ1 xj x̄j .
j,k=1 j=1
Deoarece matricea A este hermitică , adică ajk = ākj , rezultă

Pn Pn
j,k=1 ajk xk x̄j j,k=1 ākj xk x̄j
λ1 = Pn 2
= Pn 2
= λ̄1 .
j=1 |xj | j=1 |xj |
Observaţia 4.5 Valorile proprii ale unui operator liniar A : V −→ V sunt radacinile
polinomului caracteristic care aparţin corpului K peste care este considerat V . In
particular, rezultatul anterior ne arată că orice operator autoadjunct admite cel
putin o valoare proprie, indiferent dacă K = R sau K = C. Vom arăta ı̂n continuare
că orice operator autoadjunct este diagonalizabil.
Teorema 4.29 Dacă A : V −→ V este un operator autoadjunct atunci există o

bază ortonormată ı̂n raport cu care matricea lui A este o matrice diagonală.
Demonstraţie. Utilizăm metoda inducţiei matematice. Afirmaţia este, evident,

adevărată ı̂n cazul dim V = 1. Presupunând că afirmaţia este este adevarată ı̂n
cazul spaţiilor de dimensiune n − 1 aratăm că ea este adevărată şi pentru spaţiile de
dimensiune n. Fie V un spaţiu vectorial de dimensiune n şi fie A ∈ A(V ). Ştim că
A admite cel puţin o valoare proprie λ1 . Fie v1 6= 0 un vector propriu corespunzător
Av1 = λ1 v1 .
v1
Vectorul unitar e1 = ||v1 || este şi el vector propriu corespunzător valorii proprii λ1
v1 1

Ae1 = A = Av1 = λ1 e1 .
||v1 || ||v1 ||
Subspaţiul vectorilor ortogonali pe e1
W = {e1 }⊥ = { x ∈ V | hx, e1 i = 0 }
este un spaţiu vectorial de dimensiune n − 1 şi span{e1 } ⊕ W = V . El este un

subspaţiu invariant al lui A
x∈W =⇒ hAx, e1 i = hx, Ae1 i = λ1 hx, e1 i = 0 =⇒ Ax ∈ W.
Relaţia
hAx, yi = hx, Ayi
fiind verificată oricare ar fi x, y ∈ V rezultă ca restricţia lui A la W
A|W : W −→ W
verifică relaţia
hA|W x, yi = hx, A|W yi
oricare ar fi x, y ∈ W , adică este un operator autoadjunct. Conform ipotezei de
inducţie exista o bază ortonormată {e2 , e3 , ..., en } a lui W ı̂n raport cu care matricea
lui A|W este diagonală
 
λ2 0 · · · 0
 0 λ3 · · · 0 
A|W = 
 
··· ··· ··· ···

 
0 0 · · · λn
Sistemul de vectori {e1 , e2 , e3 , ..., en } este o bază ortonormată a lui V ı̂n raport cu
care matricea lui A este
 
λ1 0 0 ··· 0

 0 λ2 0 · · · 0 

A= 0 0 λ3 · · · 0 .
 
··· ··· ··· ··· ···
 
 
0 0 0 · · · λn
4.6 Transformări unitare
Definiţia 4.30 Fie (V, h, i) un spaţiu vectorial euclidian complex (finit-dimensional).

Prin transformare unitară (numită şi operator unitar) se ı̂nţelege o aplicaţie
liniară A : V −→ V cu proprietatea
hAx, Ayi = hx, yi, ∀x, y ∈ V.
Observaţia 4.6 Transformările unitare pastrează nemodificat produsul scalar a doi

vectori si norma unui vector
q q
||Ax|| = hAx, Axi = hx, xi = ||x||, ∀x ∈ V.
Propoziţia 4.31 Dacă A, B ∈ L(V ) sunt transformări unitare atunci AB este

transformare unitară. Orice transformare unitară A este bijectivă şi A−1 este trans-
formare unitară.
Demonstraţie. Dacă A şi B sunt transformări unitare atunci
h(AB)x, (AB)yi = hA(Bx), A(By)i = hBx, Byi = hx, yi, ∀x, y ∈ V.
Dacă A este transformare unitară atunci ker A = {0}
Ax = 0 =⇒ ||x|| = ||Ax|| = 0 =⇒ x = 0.
Conform teoremei 3.4 rezultă că
dim Im A = dim V − dim Ker A = dim V
ceea ce arată că A este surjectivă. Transformarea A−1 este unitară
hx, yi = hA(A−1 x), A(A−1 y)i = hA−1 x, A−1 yi.
Observaţia 4.7 Deoarece transformarea identică
I : V −→ V : x 7→ x
este o transformare unitară şi compunerea aplicaţiilor este o operaţie asociativă
(A(BC))x = A((BC)x) = A(B(Cx)) = (AB)(Cx) = ((AB)C)x, ∀x ∈ V
din propoziţia anterioară rezultă că pe mulţimea transformărilor unitare
{ A : V −→ V | hAx, Ayi = hx, yi, ∀x, y ∈ V }
există o structură naturală de grup (numit grupul transformărilor unitare ale lui V ).
Propoziţia 4.32 Fie A ∈ L(V ). Următoarele afirmaţii sunt echivalente:

a) A este transformare unitară
b) A∗ A = I
c) transformarea A este bijectivă şi A−1 = A∗ .
Demonstraţie. Arătăm că a) ⇒ b) ⇒ c) ⇒ a). Dacă A este transformare unitară,

adică
hAx, Ayi = hx, yi, ∀x, y ∈ V
atunci
hA∗ Ax, yi = hx, yi, ∀x, y ∈ V
relaţie care conduce la A∗ A = I. Dacă A∗ A = I atunci A∗ AA−1 = A−1 , adică
A∗ = A−1 . Dacă A este bijectivă şi A−1 = A∗ atunci
hAx, Ayi = hA∗ Ax, yi = hA−1 Ax, yi = hx, yi, ∀x, y ∈ V.
Propoziţia 4.33 Fie A ∈ Mn×n (C) o matrice cu n linii şi n coloane cu elemente
numere complexe şi fie A∗ = t Ā adjuncta ei. Relaţiile
A A∗ = I, A∗ A = I, A−1 = A∗ .
unde I ∈ Mn×n (C) este matricea unitate, sunt echivalente.
Demonstraţie. Dacă A A∗ = I atunci A este inversabilă
A A∗ = I =⇒ detA detA∗ = detI = 1 =⇒ detA 6= 0
şi ı̂nmulţind relaţia A A∗ = I cu A−1 la stânga rezultă A−1 = A∗ . Similar, dacă

A∗ A = I atunci A este inversabilă
A∗ A = I =⇒ detA∗ detA = detI = 1 =⇒ detA 6= 0
şi ı̂nmulţind relaţia A∗ A = I cu A−1 la dreapta rezultă A−1 = A∗ . Evident, relaţia

A−1 = A∗ implică celelalte două relaţii.
Definiţia 4.34 Matricea A ∈ Mn×n (C) este numită matrice unitară dacă
A∗ A = I
(condiţie echivalentă cu A−1 = A∗ şi A A∗ = I).
Observaţia 4.8 Dacă A este o matrice unitară atunci |detA| = 1. Intr-adevăr
A∗ A = I =⇒ detA detA∗ = 1 =⇒ |detA|2 = 1.

Teorema 4.35 Matricea de trecere ı̂ntre două baze ortonormate este o matrice uni-
tară.
Demonstraţie. Fie {e1 , e2 , ..., en } şi {e01 , e02 , ..., e0n } două baze ortonormate şi fie
   
α11 α12 · · · α1n ᾱ11 ᾱ21 · · · ᾱn1
 α21 α22 · · · α2n   ᾱ12 ᾱ22 · · · ᾱn2 
S= , S∗ = 
   
··· ··· ··· ··· ··· ··· ··· ···

   
αn1 αn2 · · · αnn ᾱ1n ᾱ2n · · · ᾱnn
matricea de trecere ı̂ntre cele două baze si adjuncta ei, adică

n
e0j =
X
αij ei .
i=1
Avem
Pn Pn Pn Pn
δij = he0i , e0j i = h k=1 αki ek , m=1 αmj em i = k=1 m=1 αki ᾱmj hek , em i
Pn Pn Pn
= k=1 m=1 αki ᾱmj δkm = k=1 αki ᾱkj
relaţie echivalentă cu S ∗ S = I.
Propoziţia 4.36 O aplicaţie liniară A : V −→ V este transformare unitară dacă

şi numai dacă matricea ei ı̂n raport cu o bază ortonormată este o matrice unitară.
Pn
Demonstraţie. Dacă {e1 , e2 , ..., en } este o bază ortonormată şi Aei = j=1 aji ej
atunci
Pn Pn
hAei , Aej i = h k=1 aki ek , m=1 amj em i
Pn Pn Pn Pn ∗
= k=1 m=1 aki āmj hek , em i = k=1 aki ākj = k=1 ajk aki .
Dacă A este transformare unitară atunci

n
a∗jk aki = hAei , Aej i = hei , ej i = δij
X
k=1
relaţie echivalentă cu A∗ A = I. Invers, dacă A∗ A = I atunci

D Pn P E
n Pn Pn
hAx, Ayi = A ( i=1 xi ei ) , A j=1 yj ej = i=1 j=1 xi ȳj hAei , Aej i
Pn Pn Pn
= i=1 j=1 xi ȳj δij = i=1 xi ȳi = hx, yi.
Teorema 4.37 Dacă A : V −→ V este transformare unitară atunci:

a) orice valoare proprie λ este astfel ı̂ncât |λ| = 1
Demonstraţie. a) Fie λ o valoare proprie a lui A şi v 6= 0 un vector propriu core-

spunzător
Av = λv.
In cazul x = y = v relaţia
hAx, Ayi = hx, yi (4.10)
verificată de A oricare ar fi x, y ∈ V devine succesiv
hAv, Avi = hv, vi
hλv, λvi = hv, vi
λλ̄hv, vi = hv, vi
|λ|2 ||v||2 = ||v||2
|λ| = 1.
b) Fie λ1 6= λ2 două valori proprii distincte şi v1 , v2 vectori proprii corespunzători
Av1 = λ1 v1 , Av2 = λ2 v2 .
Deoarece λ2 λ̄2 = |λ2 |2 = 1, ı̂n cazul x = v1 , y = v2 relaţia (4.10) se poate scrie succesiv
hAv1 , Av2 i = hv1 , v2 i
hλ1 v1 , λ2 v2 i = hv1 , v2 i
λ1 λ̄2 hv1 , v2 i = hv1 , v2 i

λ1
λ2 hv1 , v2 i = hv1 , v2 i
(λ1 − λ2 )hv1 , v2 i = 0
hv1 , v2 i = 0.
Teorema 4.38 Dacă A : V −→ V este o transformare unitară atunci există o bază

a lui V ı̂n raport cu care matricea lui A este o matrice diagonală.
Demonstraţie. Utilizăm metoda inducţiei matematice. Afirmaţia este, evident,

adevărată ı̂n cazul dim V = 1. Presupunând că afirmaţia este este adevarată ı̂n
cazul spaţiilor de dimensiune n − 1 aratăm că ea este adevărată şi pentru spaţiile
de dimensiune n. Fie V un spaţiu vectorial de dimensiune n şi A : V −→ V o
transformare unitară. Fie λ1 ∈ C o valoare proprie şi v1 6= 0 un vector propriu
corespunzător
Av1 = λ1 v1 .
v1
Vectorul unitar e1 = ||v1 || este şi el vector propriu corespunzător valorii proprii λ1
v1 1

Ae1 = A = Av1 = λ1 e1 .
||v1 || ||v1 ||
Subspaţiul vectorilor ortogonali pe e1
W = {e1 }⊥ = { x ∈ V | hx, e1 i = 0 }
este un spaţiu vectorial de dimensiune n − 1 şi span{e1 } ⊕ W = V . El este un

subspaţiu invariant al lui A
x ∈ W =⇒ hAx, e1 i = λ1 hAx, λ1 e1 i = λ1 hAx, Ae1 i = λ1 hx, e1 i = 0 =⇒ Ax ∈ W.
Relaţia
hAx, Ayi = hx, yi
fiind verificată oricare ar fi x, y ∈ V rezultă ca restricţia lui A la W
A|W : W −→ W
hA|W x, A|W yi = hx, yi
oricare ar fi x, y ∈ W , adică este transformare unitară. Conform ipotezei de inducţie

exista o bază ortonormată {e2 , e3 , ..., en } a lui W ı̂n raport cu care matricea lui A|W
este diagonală  
λ2 0 · · · 0
3 ···
 0 λ 0 
A|W = 
 
 ··· ··· ··· ··· 

0 0 · · · λn
Sistemul de vectori {e1 , e2 , e3 , ..., en } este o bază ortonormată a lui V ı̂n raport cu
care matricea lui A este
 
λ1 0 0 ··· 0

 0 λ2 0 · · · 0 

A= 0 0 λ3 · · · 0 .
 
··· ··· ··· ··· ···
 
 
0 0 0 · · · λn
4.7 Transformări ortogonale
Definiţia 4.39 Fie (V, h, i) un spaţiu vectorial euclidian real (finit-dimensional).

Prin transformare ortogonală (numită şi operator ortogonal) se ı̂nţelege o
aplicaţie liniară A : V −→ V cu proprietatea
hAx, Ayi = hx, yi, ∀x, y ∈ V.
Propoziţia 4.40 Aplicaţia liniară A : V −→ V este transformare ortogonală dacă

şi numai dacă
||Ax|| = ||x||, ∀x ∈ V.
Demonstraţie. Dacă A : V −→ V este transformare ortogonală atunci

q q
||Ax|| = hAx, Axi = hx, xi = ||x||, ∀x ∈ V.
Invers, dacă ||Ax|| = ||x|| oricare ar fi x ∈ V , atunci

1
hAx, Ayi = 4 (hAx + Ay, Ax + Ayi − hAx − Ay, Ax − Ayi)
1 1
||A(x + y)||2 − ||A(x − y)||2 i = ||x + y||2 − ||x − y||2 i

= 4 4
1
= 4 (hx + y, x + yi − hx − y, x − yii) = hx, yi.
Propoziţia 4.41 Dacă A, B ∈ L(V ) sunt transformări ortogonale atunci AB este

transformare ortogonală. Orice transformare ortogonală A este bijectivă şi A−1 este
transformare ortogonală.
Demonstraţie. A se vedea demonstraţia propoziţiei 4.31 .
Propoziţia 4.42 Fie A ∈ L(V ). Următoarele afirmaţii sunt echivalente:

a) A este transformare ortogonală
b) A∗ A = I
c) A este bijectivă şi A−1 = A∗ .
Demonstraţie. A se vedea demonstraţia propoziţiei 4.32.
Propoziţia 4.43 Fie A ∈ Mn×n (R) o matrice cu n linii şi n coloane cu elemente
numere reale şi fie t A transpusa ei. Relaţiile
A tA = I, t
A A = I, A−1 = tA.
Definiţia 4.44 Matricea A ∈ Mn×n (C) este numită matrice ortogonală dacă
t
A A=I
(condiţie echivalentă cu A−1 = tA şi A tA = I).
Observaţia 4.9 Dacă A este o matrice ortogonală atunci detA ∈ {−1, 1}.
Teorema 4.45 Matricea de trecere ı̂ntre două baze ortonormate ale unui spaţiu
vectorial euclidean real este o matrice ortogonală.
Demonstraţie. A se vedea demonstraţia teoremei 4.35.
Propoziţia 4.46 O transformare liniară este transformare ortogonală dacă şi nu-
mai dacă matricea ei ı̂n raport cu o bază ortonormată este o matrice ortogonală.
Teorema 4.47 Dacă A : V −→ V este o transformare ortogonală atunci:

a) orice valoare proprie λ este egală cu 1 sau −1.
Observaţia 4.10 In general, ı̂n cazul unei transformări ortogonale A : V −→ V nu

există o bază a lui V ı̂n raport cu care matricea lui A să fie o matrice diagonală.
2x + 2y − z −x + 2y + 2z 2x − y + 2z

3 3
A : R −→ R , A(x, y, z) = , ,
3 3 3
este transformare ortogonală.

Capitolul 5
Forme pătratice
Definiţia 5.1 Fie V un spaţiu vectorial peste corpul K, unde K = R sau K = C.

Prin formă biliniară se ı̂nţelege o aplicaţie
g : V × V −→ K
astfel ı̂ncât
g(αx + βy, z) = α g(x, z) + β g(y, z)
∀x, y, z ∈ V, ∀α, β ∈ K.
g(x, αy + βz) = α g(x, y) + β g(x, z)
Observaţia 5.1 Alegând o bază {e1 , e2 , ..., en } si utilizând reprezentările

n
X n
X
x= xi ei , y= yj e j
i=1 j=1
ale vectorilor x şi y obţinem

P
n Pn Pn Pn
g(x, y) = g i=1 xi ei , j=1 yj ej = i=1 j=1 xi yj g(ei , ej )
 
y1

g11 g12 · · · g1n
 g21 g22 · · · g2n 
 y2 

= (x1 x2 ... xn ) 

··· ··· ··· ···
 .. 
 .
 
 
gn1 gn2 · · · gnn yn
111
unde gij = g(ei , ej ).
Definiţia 5.2 Fie g : V × V −→ K o formă biliniară şi B = {e1 , e2 , ..., en } o bază a

lui V . Matricea
   
g11 g12 · · · g1n g(e1 , e1 ) g(e1 , e2 ) · · · g(e1 , en )
 g21 g22 · · · g2n   g(e2 , e1 ) g(e2 , e2 ) · · · g(e2 , en ) 
G= =
   
··· ··· ··· ··· ··· ··· ··· ···

   
gn1 gn2 · · · gnn g(en , e1 ) g(en , e2 ) · · · g(en , en )
se numeşte matricea lui g in raport cu baza B.
Propoziţia 5.3 Fie g : V × V −→ K o formă biliniară, B, B 0 două baze ale lui V

şi S matricea de trecere de la B la B 0 . Dacă G este matricea lui g ı̂n raport cu B şi
G 0 este matricea lui g ı̂n raport cu baza B 0 atunci
G 0 = t S G S. (5.1)
Pn
Demonstraţie. Fie B = {e1 , e2 , ..., en }, B 0 = {e01 , e02 , ..., e0n }, e0i = j=1 αji ej , adică
 
α11 α12 · · · α1n
 α21 α22 · · · α2n 
S=
 
··· ··· ··· ···

 
αn1 αn2 · · · αnn
0 = g(e0 , e0 ). Avem
şi fie gij = g(ei , ej ), gij i j
0 Pn Pn
gij = g(e0i , e0j ) = g ( k=1 αki ek , m=1 αmj em )
Pn Pn Pn Pn
= k=1 m=1 αki αmj g(ek , em ) = k=1 m=1 αki gkm αmj
relaţie echivalentă cu (5.1).

Observaţia 5.2 Expresia in coordonate
n X
n
0
X
gij = αki αmj gkm
k=1 m=1
a relaţiei G 0 = t S G S obţinută ı̂n demonstraţia propoziţiei ne arată că orice formă

biliniară este un tensor de tip (0, 2).
Forme pătratice 113
Definiţia 5.4 Spunem că forma biliniară
g : V × V −→ K
este o formă biliniară simetrică dacă
g(x, y) = g(y, x), ∀x, y ∈ V.
Definiţia 5.5 O aplicaţie

Q : V −→ K
este numită formă pătratică dacă există o formă biliniară simetrică
g : V × V −→ K
astfel ı̂ncât
Q(x) = g(x, x), ∀x ∈ V.
Propoziţia 5.6 Fiecărei forme pătratice Q : V −→ K ı̂i corespunde o singură formă

biliniară simetrică g : V × V −→ K astfel ı̂ncât
Q(x) = g(x, x), ∀x ∈ V.
Demonstraţie. Din relaţia

Q(x + y) = g(x + y, x + y)
= g(x, x) + g(x, y) + g(y, x) + g(y, y)
= Q(x) + Q(y) + 2 g(x, y)

rezultă
1

g(x, y) = Q(x + y) − Q(x) − Q(y) , ∀x, y ∈ V.
2
Observaţia 5.3 Dacă Q : V −→ K este o formă pătratică şi g : V × V −→ K forma
biliniară simetrică asociată atunci alegând o bază {e1 , e2 , ..., en } obţinem relaţia
 
x1

g11 g12 · · · g1n
n  x2 
X  g21 g22 · · · g2n  
Q(x) = gij xi xj = (x1 x2 ... xn ) 

··· ··· ··· ···
 .. 
 .
 
i,j=1  
gn1 gn2 · · · gnn xn
unde gij = g(ei , ej ) şi x1 , x2 , ... , xn sunt coordonatele lui x ı̂n baza aleasă.
Definiţia 5.7 Prin definiţie, matricea unei forme pătratice ı̂n raport cu o bază
este matricea formei biliniare simetrice asociate ı̂n raport cu acea bază.
Exemplul 5.1 Aplicaţia
Q : R3 −→ R, Q(x1 , x2 , x3 ) = x21 + 3x22 + x23 − 2x1 x2 − 4x1 x3
este o formă pătratică deoarece există forma biliniară simetrică
g : R3 × R3 −→ R,
g((x1 , x2 , x3 ), (y1 , y2 , y3 )) = x1 y1 + 3 x2 y2 + x3 y3
−x1 y2 − x2 y1 − 2x1 y3 − 2x3 y1
astfel ı̂ncât Q(x1 , x2 , x3 ) = g((x1 , x2 , x3 ), (x1 , x2 , x3 )).
5.2 Reducere la forma canonică
Observaţia 5.4 Matricea unei forme pătratice depinde de baza aleasă. In aplicaţii
este avantajoasă utilizarea unei baze ı̂n raport cu care expresia ı̂n coordonate a
formei pătratice să fie cât mai simplă.
Definiţia 5.8 Spunem că forma pătratică Q : V −→ K are ı̂n raport cu baza
{e1 , e2 , ..., en } forma canonică dacă matricea lui Q ı̂n raport cu această bază este
o matrice diagonală  
λ1 0 · · · 0
2 ···
 0 λ 0 
G=
 
 ··· ··· ··· ··· 

0 0 · · · λn
adică, expresia ı̂n coordonate a formei Q ı̂n raport cu acestă bază este de forma
Q(x) = λ1 x21 + λ2 x22 + · · · + λn x2n .
Observaţia 5.5 Expresia “forma pătratică Q : V −→ K are ı̂n raport cu baza

{e1 , e2 , ..., en } forma canonică” trebuie ı̂nţeleasă ı̂n sensul “funcţia Q : V −→ K are
ı̂n raport cu baza {e1 , e2 , ..., en } expresia cea mai simplă.”
Teorema 5.9 (Gauss) Orice formă pătratică poate fi redusă la forma canonică,
adică, pentru orice formă pătratică Q : V −→ K există o bază ı̂n raport cu care
expresia lui Q are forma Q(x) = λ1 x21 + λ2 x22 + · · · + λn x2n .
Demonstraţie. Baza căutată poate fi obţinută ı̂n toate cazurile utilizând metoda
prezentată ı̂n rezolvările următoarelor două exerciţii.
Exerciţiul 5.2 Să se reducă la forma canonică forma pătratică
Q : R3 −→ R, Q(x1 , x2 , x3 ) = x21 + 3x22 + x23 − 2x1 x2 − 4x1 x3
indicând şi baza utilizată.
Rezolvare. Deoarece
x = (x1 , x2 , x3 ) = x1 (1, 0, 0) + x2 (0, 1, 0) + x3 (0, 0, 1)
numerele x1 , x2 , x3 pot fi privite ca fiind coordonatele vectorului x ∈ R3 ı̂n raport

cu baza canonică B = {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)}. Grupând ı̂ntr-un
pătrat termenii care conţin pe x1 şi apoi pe cei care conţin pe x2 obţinem relaţia
Q(x) = (x1 − x2 − 2x3 )2 + 2x22 − 3x23 − 4x2 x3
= (x1 − x2 − 2x3 )2 + 2(x2 − x3 )2 − 5x23
= x01 2 + 2x02 2 − 5x03 2
care ne sugerează necesitatea de a căuta o bază B 0 = {e01 , e02 , e03 } astfel ı̂ncât coordo-
natele x01 , x02 , x03 ı̂n raport cu baza căutată B 0 să se exprime cu ajutorul coordonatelor
x1 , x2 , x3 ı̂n raport cu baza canonică B prin relaţiile

0
 x1 = x1 − x2 − 2x3

2x0 = x − x3
2 (5.2)
 x0 = x

3 3
Determinarea bazei B 0 este echivalentă cu găsirea matricei

 
α11 α12 α13
S =  α21 α22 α23 
 
α31 α32 α33
P3 P3 P3
de trecere de la B la B 0 . Relaţiile e0j = i=1 αij ei şi x = i=1 xi ei =
0 0
j=1 xj ej conduc
la relaţia  
3 3 3 3 3 3
x0j e0j = x0j αij x0j  ei
X X X X X X
xi ei = αij ei = 
i=1 j=1 j=1 i=1 i=1 j=1
echivalentă cu 
0 0 0
 x1 = α11 x1 + α12 x2 + α13 x3

2 x = α x0 + α x0 + α x0
21 1 22 2 23 3
 x = α x0 + α x0 + α x0 .

1 31 1 32 2 33 3
Numerele αij pot fi imediat identificate dacă folosind relaţiile (5.2) exprimăm x1 ,
x2 , x3 cu ajutorul coordonatelor x01 , x02 , x03

0 0 0
 x1 = x1 + x2 + 3x3

2x = x0 + x03
2
 x = x0

3 3
Se obţine  
1 1 3
S= 0 1 1 
 
0 0 1
ceea ce conduce la B 0 = {e01 = (1, 0, 0), e02 = (1, 1, 0), e03 = (3, 1, 1)}. In raport cu
această bază Q are forma canonică
2 2 2
Q(x) = x01 + 2x02 − 5x03 .
Exerciţiul 5.3 Să se reducă la forma canonică forma pătratică
Q : R3 −→ R, Q(x1 , x2 , x3 ) = x1 x2 + x1 x3 + x2 x3
indicând şi baza utilizată.
Rezolvare. Efectuăm mai ı̂ntâi schimbarea de coordonate


0 0
 x1 = x1 + x2

2 x = x0 − x02
1
 x = x0

3 3
care conduce la
2 2
Q(x) = x01 − x02 + 2x01 x03
şi apoi utilizăm metoda folosită ı̂n exerciţiul anterior. Se obţine
2 2 2 2 2
Q(x) = (x01 + x03 )2 − x02 − x03 = x001 − x002 − x003
unde

00 0 0
 x1 = x1 + x3

2x00 = x0
2
 x00 = x0 .

3 3
Exprimând coordonatele iniţiale x1 , x2 , x3 ı̂n funcţie de cele finale x001 , x002 , x003

00 00 00
 x1 = x1 + x2 − x3

x2 = x001 − x002 − x003
 x = x00

3 3
rezultă ca matricea de trecere ı̂ntre baza iniţială {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 =
(0, 0, 1)} şi baza finală B 00 = {e001 , e002 , e003 } este
 
1 1 −1
S =  1 −1 −1 
 
0 0 1
ceea ce conduce la B 00 = {e001 = (1, 1, 0), e002 = (1, −1, 0), e003 = (−1, −1, 1)}. In raport
cu această bază Q are forma canonică
2 2 2
Q(x) = x001 − x002 − x003 .
Teorema 5.10 (Jacobi) Fie Q : V −→ K o formă pătratică şi fie
 
g11 g12 · · · g1n

 g21 g22 · · · g2n 

··· ··· ··· ···
 
 
gn1 gn2 · · · gnn
matricea ei ı̂n raport cu o bază B. Dacă
∆1 = g11 6= 0

g g12
∆2 = 11 6= 0

g21 g22
...................................

g11 g12 · · · g1n

g21 g22 · · · g2n
∆n = 6= 0

··· ··· ··· ···

atunci există o bază B 0 ı̂n raport cu care Q are expresia

1 0 2 ∆1 0 2 ∆n−1 0 2
Q(x) = x1 + x2 + · · · + x .
∆1 ∆2 ∆n n
Demonstraţie. Fie B = {e1 , e2 , ..., en } şi fie g : V ×V −→ K forma biliniară simetrică
corespunzătoare lui Q. Arătăm că există o bază B 0 formată din vectori de forma
e01 = α11 e1
e02 = α12 e1 + α22 e2
........................
e0n = α1n e1 + α2n e2 + · · · + αnn en
satisfăcând pentru orice j ∈ {1, 2, ..., n} relaţiile
g(e0j , e1 ) = 0



0
 g(ej , e2 ) = 0



......................
g(e0j , ej−1 ) = 0




g(e0j , ej ) = 1


adică
g11 α1j + g21 α2j + · · · + gj1 αjj = 0





 .............................................................



g1j−1 α1j +g2j−1 α2j +· · ·+gjj−1 αjj = 0 (5.3)





 g1j α1j + g2j α2j + · · · + gjj αjj = 1


şi că ı̂n raport cu astfel de bază Q are expresia indicată. Deoarece

g11 g12 ··· g1j

g21 g22 ··· g2j
∆j = 6= 0

··· ··· ··· ···

gj1 gj2 ··· gjj
sistemul (5.3) este un sistem Cramer care permite determinarea coeficienţilor α1j ,
α2j , ... , αjj ai lui e0j . In particular,
∆j−1
αjj =
∆j
şi
0
gjj = g(e0j , e0j ) = g(e0j , α1k e1 + α2k e2 + · · · + αjj ej )
∆j−1
= α1j g(e0j , e1 )+α2j g(e0j , e2 )+· · ·+αj−1j g(e0j , ej−1 )+αjj g(e0j , ej ) = αjj = ∆j .
Dacă k < j atunci

0
gjk = g(e0j , e0k ) = g(e0j , α1k e1 + α2k e2 + · · · + αkk ek )
= α1k g(e0j , e1 ) + α2k g(e0j , e2 ) + · · · + αkk g(e0j , ek ) = 0.
Teorema 5.11 Dacă V este un spaţiu vectorial euclidian real,
Q : V −→ R
este o formă pătratică a cărei matrice ı̂n raport cu o bază ortonormată B este
 
g11 g12 · · · g1n
 g21 g22 · · · g2n 
G=
 
··· ··· ··· ···

 
atunci există o bază ortonormată B 0 ı̂n raport cu care Q are forma

2 2 2
Q(x) = λ1 x01 + λ2 x02 + · · · + λn x0n
unde λ1 , λ2 , ... , λn sunt valorile proprii ale matricei G.

Demonstraţie. Fie B = {e1 , e2 , ..., en }. Relaţia

n
X
A : V −→ V, Aei = gji ej
j=1
defineşte un operator autoadjunct a cărui matrice ı̂n raport cu baza B coincide cu

matricea G a lui Q ı̂n raport cu aceeaşi bază. Deoarece A este diagonalizabil există o
bază ortonormată B 0 = {e01 , e02 , ..., e0n } formată din vectori proprii ai lui A ı̂n raport
cu care matricea lui A este
 
λ1 0 · · · 0
 0 λ2 · · · 0 
A0 =  .
 
 ··· ··· ··· ··· 
0 0 · · · λn
Notând cu S matricea de trecere de la B la B 0 avem
A0 = S −1 GS.
Pe de altă parte ştim că matricea G 0 a formei pătratice Q ı̂n raport cu baza B 0 este
G 0 = t SGS.
Deoarece matricea de trecere ı̂ntre două baze ortonormate este o matrice ortogonală
avem S −1 = t S şi
 
λ1 0 · · · 0
 0 λ2 · · · 0 
G 0 = t SGS = S −1 GS = A0 =  .
 
 ··· ··· ··· ··· 
0 0 · · · λn
Capitolul 6
Conice
Vom prezenta ı̂n continuare unele aplicaţii ale algebrei liniare ı̂n geometrie.
Definiţia 6.1 Prin conică se ı̂nţelege mulţimea soluţiilor unei ecuaţii de forma
a11 x2 + 2 a12 xy + a22 y 2 + 2a13 x + 2a23 y + a33 = 0 (6.1)
având cel puţin unul dintre coeficienţii a11 , a12 , a22 nenul.
Exemplul 6.1 Ecuaţia

x2 + y 2 − 1 = 0
este ecuaţia unui cerc,

1 2 1 2
x + y −1=0
9 4
este ecuaţia unei elipse,
1 2 1 2
x − y −1=0
9 4
este ecuaţia unei hiperbole,
y 2 − 2x = 0
este ecuaţia unei parabole, iar

x2 − y 2 = 0
121
reprezintă ecuaţia a două drepte concurente.
Observaţia 6.1 In cazul unei translaţii de vector (x0 , y0 ) a reperului urmate de

o rotaţie de unghi α legătura ı̂ntre coodonatele (x, y) ale unui punct ı̂n raport cu
reperul iniţial R şi coordonatele (x0 , y 0 ) ale aceluiaşi punct ı̂n raport cu reperul final
R0 este (
x = x0 + x0 cos α − y 0 sin α
y = y0 + x0 sin α + y 0 cos α
Teorema 6.2 La o schimbare de reper ecuaţia unei conice
a11 x2 + 2 a12 xy + a22 y 2 + 2a13 x + 2a23 y + a33 = 0
se transformă ı̂ntr-o ecuaţie de aceeaşi formă
a011 x2 + 2 a012 xy + a022 y 2 + 2a013 x + 2a023 y + a033 = 0

Conice 123
iar parametrii

a a12 a13
a a12 11
I = a11 + a22 , δ = 11 , ∆ = a12 a22 a23

a12 a22

a13 a23 a33
rămân invarianţi, adică a11 + a22 = a011 + a022 ,

a a12 a13 a0 a012 a013
a a12 a011 a012 11 11
11 0
= , a12 a22 a23 = a12 a022 a023 .

a12 a22 a012 a022

0
a023 a033

a13 a23 a33 a13
Demonstraţie. Relaţia
f (x, y) = a11 x2 + 2 a12 xy + a22 y 2 + 2a13 x + 2a23 y + a33
se poate scrie ı̂n formă matriceală

  
a11 a12 a13 x ! !
A B X
f (x, y) = ( x y 1 )  a12 a22 a23   y  = ( t X 1 )
  
tB a 1
33
a13 a23 a33 1
utilizând notaţiile
! ! !
x a13 a11 a12
X= , B= , A= .
y a23 a12 a22
Relaţia (
x = x0 + x0 cos α − y 0 sin α
y = y0 + x0 sin α + y 0 cos α
    
x cos α − sin α x0 x0
 0 
 y  =  sin α cos α y0   y 
  
1 0 0 1 1
sau ! ! !
X R T X0
=
1 0 1 1
! ! !
0 x0 x0 cos α − sin α
X = , T = , R= .
y0 y0 sin α cos α
Din relaţia
! !
A B X
f (x, y) = ( tX 1) tB a
33 1
! ! ! !
tR 0 A B R T X0
= ( tX 0 1) tT tB a
1 33 0 1 1
! !
A0 B 0 X0
= ( tX 0 1) t B 0 a0
33 1
rezultă că ı̂n urma schimbării de reper, f (x, y) se transformă ı̂ntr-un polinom de
aceeaşi formă,
!
A0 B 0
∆0 = det t B 0 a0
33
! ! !
tR 0 A B R T
= det tT det tB a det
1 33 0 1
!
A B
= det tB a =∆
33
şi A0 = t RAR, adică

! ! ! !
a011 a012 cos α sin α a11 a12 cos α − sin α
=
a012 a022 − sin α cos α a12 a22 sin α cos α
relaţie care conduce la δ 0 = δ şi I 0 = I.
6.2 Reducere la forma canonică
Observaţia 6.2 In cazul unei translaţii a reperului

(
x = x0 + x0
y = y0 + x 0
Conice 125
polinomul
f (x, y) = a11 x2 + 2 a12 xy + a22 y 2 + 2a13 x + 2a23 y + a33
se transformă ı̂n
f˜(x0 , y 0 ) = a11 x0 2 + 2a12 x0 y 0 + a22 y 0 2 + 2(a11 x0 + a12 y0 + a13 )x0

(6.2)
+ 2(a12 x0 + a22 y0 + a23 )y 0 + f (x0 , y0 ).
Definiţia 6.3 Spunem că punctul (x0 , y0 ) este un centru al conicei (6.1) dacă ı̂n
raport cu reperul translatat cu (x0 , y0 )
f˜(x0 , y 0 ) = 0 ⇐⇒ f˜(−x0 , −y 0 ) = 0. (6.3)
Propoziţia 6.4 Punctul (x0 , y0 ) este un centru al conicei (6.1) dacă şi numai dacă

 a11 x0 + a12 y0 + a13 = 0
(6.4)
 a x +a y +a =0
12 0 22 0 23
Demonstraţie. Afirmaţia rezultă din (6.2) şi (6.3).
Teorema 6.5 a) Dacă δ 6= 0 atunci conica (6.1) are un singur centru şi anume
!
1 −a a12 1 a −a13
13 11
(x0 , y0 ) = , .

−a23 a22 δ a12 −a23

δ
b) In reperul rezultat in urma translaţiei cu (x0 , y0 ) ecuaţia conicei este
2 2 ∆
a11 x0 + 2 a12 x0 y 0 + a22 y 0 + = 0.
δ
c) Există un reper ı̂n raport cu care ecuaţia conicei este
∆
λ1 X 2 + λ2 Y 2 + =0
δ
unde λ1 şi λ2 sunt rădăcinile ecuaţiei

a −λ a12
11
=0 adica λ2 − I λ + δ = 0.

a12 a22 − λ

Demonstraţie. a) In cazul δ 6= 0 sistemul (6.4) are soluţia unică (x0 , y0 ).

b) Din relaţia (6.2) rezultă că ecuaţia conicei ı̂n reperul rezultat ı̂n urma translaţiei
cu (x0 , y0 ) este
2 2
a11 x0 + 2 a12 x0 y 0 + a22 y 0 + f (x0 , y0 ) = 0.
Deoarece valoarea parametrului ∆ nu depinde de reperul utilizat

a a12 0
11
∆ = a12 a22 0

0 0 f (x0 , y0 )
relaţie care conduce la f (x0 , y0 ) = ∆

δ.
c) Conform teoremei 4.37 ı̂n cazul formei pătratice
2 2
Q : R2 −→ R, Q(x0 , y 0 ) = a11 x0 + 2 a12 x0 y 0 + a22 y 0
există o bază ortonormată a lui R2 formată din vectori proprii ai matricei

!
a11 a12
a12 a22
ı̂n raport cu care Q are forma canonică
Q : R2 −→ R, Q(X, Y ) = λ1 X 2 + λ2 Y 2 .
Rotind reperul rezultat ı̂n urma translaţiei cu (x0 , y0 ) astfel ı̂ncât axele să fie dirijate
de-a lungul vectorilor proprii ai matricei
!
a11 a12
a12 a22
∆
ecuaţia conicei devine λ1 X 2 + λ2 Y 2 + δ = 0.
Observaţia 6.3 Dacă δ = a11 a22 − a212 = 0 atunci cel puţin unul dintre coeficienţii
a11 , a22 este nenul deoarece ı̂n caz contrar am avea a11 = a12 = a22 = 0. Vom
analiza cazul a11 6= 0, deoarece cazul a22 6= 0 conduce la rezultate similare.
Conice 127
Teorema 6.6 a) In cazul ı̂n care δ = 0, a11 6= 0 şi ∆ = 0 există un reper ı̂n raport
cu care ecuaţia conicei este
2
a022 y 0 + 2a023 y 0 + a033 = 0.
a) In cazul ı̂n care δ = 0, a11 6= 0 şi ∆ 6= 0 există un reper ı̂n raport cu care ecuaţia
conicei este s
2 ∆
Y = 2pX, unde p = − 3 .
I
Demonstraţie. Efectuând o rotaţie de unghi α a reperului
(
x = x0 cos α − y 0 sin α
y = x0 sin α + y 0 cos α
ecuaţia conicei devine
a011 x2 + 2 a012 xy + a022 y 2 + 2a013 x + 2a023 y + a033 = 0
cu
1
a011 = (a11 cos α + a12 sin α)2 .
a11
Alegând α astfel ı̂ncât ctg α = − aa11 12
rezultă a011 = 0. Având ı̂n vedere invarianţa lui
δ rezultă că a011 a022 − a012 2 = 0, relaţie care conduce la a012 = 0.
a) Din relaţia
0
0 a013
2
∆ = 0 a022 a023 = a013 a022 = 0

0
a13 a023 a033

rezultă a013 = 0. In urma rotaţiei considerate ecuaţia conicei este

2
a022 y 0 + 2a023 y 0 + a033 = 0.
b) Dacă ∆ 6= 0 atunci a013 6= 0 şi ecuaţia conicei

2
a022 y 0 + 2a013 x0 + 2a023 y 0 + a033 = 0
se poate scrie succesiv
2a0

02
a022 y + 0 23 y 0 + 2a013 x0 + a033 = 0
a22
2
a0 a0 − a0 2
!
a0

a022 0
y + 23 + 2a013 0
x + 22 330 0 23 = 0.
a022 2a13 a22
Efectuând translaţia
0 0 0 2

 X = x 0 + a22 a33 −a23

 0 0
2a13 a22
0
 Y = y 0 + a23


a022
ecuaţia conicei devine

−2 a013
Y2 = X.
a022
Deoarece ∆ = a013 2 a022 şi I = a022 ecuaţia se mai poate scrie
s
2 ∆
Y = − X.
I3
Observaţia 6.4 Tinând seama că rădăcinile ecuaţiei λ2 −I λ+δ = 0 verifică relaţiile
λ1 + λ2 = I, λ 1 λ2 = δ
din teoremele anterioare rezultă că există următoarele cazuri
Cazul Ce reprezintă conica

δ < 0 şi ∆ 6= 0 hiperbolă
δ > 0 şi I∆ < 0 elipsă
δ > 0 şi I∆ > 0 mulţimea vidă
δ > 0 şi ∆ = 0 un punct
δ < 0 şi ∆ = 0 două drepte concurente
δ = 0 şi ∆ = 0 două drepte paralele, o dreaptă sau mulţimea vidă
δ = 0 şi ∆ 6= 0 o parabolă
Capitolul 7
Ecuaţii şi sisteme de ecuaţii

diferenţiale liniare
Vom prezenta unele aplicaţii ale algebrei liniare la rezolvarea ecuaţiilor diferenţiale
liniare şi a sistemelor de ecuaţii diferenţiale liniare.
7.1 Ecuaţii diferenţiale de ordinul ı̂ntâi
Definiţia 7.1 O ecuaţie diferenţială de ordinul ı̂ntâi este o ecuaţie de forma
F (x, y, y 0 ) = 0 (7.1)
unde x este variabila independentă, y funcţia necunoscută, y 0 derivata funcţiei ne-

cunoscute şi F : I × R × R −→ R este o funcţie continuă, I ⊆ R fiind un interval.
Prin soluţie a ecuaţiei (7.1) se ı̂nţelege o funcţie derivabilă
ϕ : (a, b) −→ R
cu (a, b) ⊆ I şi astfel ı̂ncât
F (x, ϕ(x), ϕ0 (x)) = 0, ∀x ∈ (a, b).
129
Definiţia 7.2 Spunem că ecuaţia diferenţială
y 0 = f (x, y) unde f : D ⊆ R2 −→ R (7.2)
este o ecuaţie diferenţială scrisă sub formă normală.

Prin soluţie a ecuaţiei (7.2) se ı̂nţelege o funcţie derivabilă
ϕ : (a, b) −→ R
astfel ı̂ncât
1) (x, ϕ(x)) ∈ D, ∀x ∈ (a, b)
0
2) ϕ (x) = f (x, ϕ(x)), ∀x ∈ (a, b).
Observaţia 7.1 Ecuaţia (7.2) se mai poate scrie

dy
= f (x, y) (7.3)
dx
sau sub forma
dy = f (x, y) dx (7.4)
numită formă simetrică. Soluţia ecuaţiei (7.4) se poate căuta sub forma
y = y(x)
sau
x = x(y)
sau, mai general, sub formă parametrică
(
x = x(t)
y = y(t).
Ecuaţia (7.4) este caz particular pentru ecuaţia
P (x, y) dx + Q(x, y) dy = 0, unde P, Q : D ⊆ R2 −→ R (7.5)
care este forma generală a unei ecuaţii simetrice.

Prin soluţie a ecuaţiei (7.5) se ı̂nţelege o pereche de aplicaţii derivabile
ϕ, ψ : (a, b) −→ R
Ecuaţii şi sisteme de ecuatii diferenţiale liniare 131
astfel ı̂ncât
1) (ϕ(t), ψ(t)) ∈ D, ∀t ∈ (a, b)
2) P (ϕ(t), ψ(t)) ϕ (t) + Q(ϕ(t), ψ(t)) ψ 0 (t) = 0,
0 ∀t ∈ (a, b).
Observaţia 7.2 Ştim din liceu că dacă
f : (a, b) −→ R
este o funcţie continuă atunci funcţia

Z x
F : (a, b) −→ R, F (x) = f (t) dt
x0
este o primitivă a lui f oricare ar fi x0 ∈ (a, b), adică avem

Z x
d

f (t) dt = f (x), ∀x ∈ (a, b).
dx x0
Teorema 7.3 Fie ecuaţia cu variabile separabile
y 0 = f (x) g(y) (7.6)
unde f : I −→ R şi g : J −→ R sunt funcţii continue definite pe intervalele I şi J.
a) Dacă y0 ∈ J este astfel ı̂ncât g(y0 ) = 0 atunci funcţia constantă
ϕ : I −→ R, ϕ(x) = y0
este o soluţie a ecuaţiei (7.6).
b) Dacă y0 ∈ J este astfel ı̂ncât g(y0 ) 6= 0 atunci relaţia

Z y Z x
1
du = f (v) dv + C (7.7)
y0 g(u) x0
unde x0 ∈ I şi C este o constantă, defineşte implicit o soluţie locală y = y(x)

a ecuaţiei (7.6).
Demonstraţie. a) Deoarece ϕ0 (x) = 0 şi g(ϕ(x)) = g(y0 ) = 0 rezultă că
ϕ0 (x) = f (x) g(ϕ(x)), ∀x ∈ I.

b) Derivând relaţia (7.7) ı̂n raport cu x considerând y = y(x) rezultă
1
y 0 (x) = f (x)
g(y(x))
adică
y 0 (x) = f (x) g(y(x)).
Observaţia 7.3 Ecuaţia (7.6) poate fi scrisă sub forma
dy
= f (x) g(y)
dx
sau forma simetrică
f (x) g(y) dx − dy = 0.
Forma diferenţială f (x) g(y) dx−dy nu este diferenţiala totală a unei funcţii. Inmulţind
1
ecuaţia anterioară cu factorul integrant g(y) se obţine ecuaţia
1
f (x) dx − dy = 0 (7.8)
g(y)
al cărei membru stâng este o diferenţială totală deoarece
∂ ∂ 1

(f (x)) = − .
∂y ∂x g(y)
Ecuaţia (7.8) se poate scrie sub forma
dF = 0
unde Z x Z y
1
F (x, y) = f (t)dt − dt.
x0 y0 g(t)
Rezultă că relaţia F (x, y) = C, adică
Z x Z y
1
f (u)du − dv = C
x0 y0 g(v)
defineşte implicit o soluţie a ecuaţiei (7.6) dacă alegem y0 astfel ı̂ncât g(y0 ) 6= 0.
Propoziţia 7.4 Ecuaţia omogenă

y

0
y =f
x
se reduce la o ecuaţie cu variabile separabile dacă se utilizează schimbarea de variabilă
y(x) = x z(x), unde z(x) este noua funcţie necunoscută.
Demonstraţie. Derivând y(x) = x z(x) obţinem relaţia y 0 (x) = z(x) + x z 0 (x) care
ne permite să scriem ecuaţia sub forma
1
z0 =
(f (z) − z).
x
Propoziţia 7.5 Ecuaţia liniară omogenă
y 0 = f (x) y
are soluţia generală Rx

f (t)dt
y(x) = C e x0
unde C este o constantă arbitrară.

Demonstraţie. Ţinând seama de teorema 7.3 rezolvarea ecuaţiei poate fi prezentată
dupa cum urmează
dy
dx = f (x) y
dy
y = f (x) dx
R y du Rx
y0 u = x0 f (t) dt
Rx
ln |y| − ln |y0 | = x0 f (t) dt
Rx
f (t) dt
y(x) = y0 e x0 .
Propoziţia 7.6 Soluţia generală a ecuaţiei liniare neomogene
y 0 = f (x) y + g(x) (7.9)
se obţine adunând soluţia generală a ecuaţiei liniare omogene asociate
y 0 = f (x) y (7.10)
cu o soluţie particulară ỹ a ecuaţiei (7.9).

Demonstraţie. Dacă y verifică (7.10) şi ỹ verifică (7.9) atunci
(y+ ỹ)0 (x) = f (x) y(x)+f (x) y(x)+g(x) = f (x) (y+ ỹ)(x)+g(x).
Dacă y şi ỹ verifică (7.9) atunci y − ỹ verifică (7.10)
(y− ỹ)0 (x) = f (x) y(x)+g(x)−f (x) ỹ(x)−g(x) = f (x) (y− ỹ)(x).
Propoziţia 7.7 O soluţie particulară ỹ a ecuaţiei liniare neomogene
y 0 = f (x) y + g(x)
poate fi găsită folosind metoda variaţiei constantei cautând-o de forma

Rx
f (t)dt
ỹ(x) = C(x) e x0 .
Demonstraţie. Inlocuind in ecuaţie obţinem relaţia

Rx
− f (t)dt
C 0 (x) = g(x) e x0
care permite determinarea funcţiei C(x).
Propoziţia 7.8 Ecuaţia Bernoulli
y 0 = f (x) y + g(x) y α
se reduce la o ecuaţie liniară dacă se utilizează schimbarea de variabilă z = y 1−α .
Demonstraţie. Dacă α = 1 atunci ecuaţia este deja o ecuaţie liniară. In cazul α 6= 1,

ı̂mpărţind cu y α obţinem ecuaţia
y −α y 0 = f (x) y 1−α + g(x)
care se poate scrie

1
(y 1−α )0 = f (x) y 1−α + g(x).
1−α
Propoziţia 7.9 Ecuaţia Riccati
y 0 = f (x) y 2 + g(x) y + h(x)
se poate rezolva utilizând schimbarea de variabilă
1
y = yp +
z
ı̂n cazul ı̂n care se cunoaşte o soluţie particulară yp .
Demonstraţie. In urma schimbării de variabilă indicate ecuaţia devine
z 0 = −(2f (x) yp (x) − g(x)) z − f (x)
adică o ecuaţie liniară.
7.2 Ecuaţii diferenţiale liniare de ordin superior
Definiţia 7.10 O ecuaţie diferenţială liniară de ordinul n este o ecuaţie de

forma
a0 (x) y (n) + a1 (x) y (n−1) + · · · + an−1 (x) y 0 + an (x) y = f (x) (7.11)
unde
a0 , a1 , ..., an , f : I −→ R
sunt funcţii continue definite pe un interval I ⊆ R şi a0 (x) 6= 0, oricare ar fi x ∈ I.

Prin soluţie a ecuaţiei (7.11) se ı̂nţelege o funcţie
ϕ : I −→ R
astfel ı̂ncât:
1) ϕ admite derivate continue până la ordinul n
2) a0 (x) ϕ(n) (x) + a1 (x) ϕ(n−1) (x) + · · · + an (x) ϕ(x) = f (x), ∀x ∈ (a, b).
Teorema 7.11 (de existenţă şi unicitate). Dacă
a0 , a1 , ..., an , f : I −→ R
sunt funcţii continue şi

a0 (x) 6= 0 ∀x ∈ I
atunci ecuaţia diferenţială
a0 (x) y (n) + a1 (x) y (n−1) + · · · + an−1 (x) y 0 + an (x) y = f (x)
admite pentru fiecare (x0 , y00 , y01 , ..., y0n−1 ) ∈ I × Rn o unică soluţie
ϕ : I −→ R
astfel ı̂ncât
ϕ(x0 ) = y00 , ϕ0 (x0 ) = y01 , ... , ϕ(n−1) (x0 ) = y0n−1 .
Observaţia 7.4 Utilizând operatorul diferenţial
L = a0 (x) Dn + a1 (x) Dn−1 + · · · + an−1 (x) D + an (x)
unde
d d2 dn
D= , D2 = , ... , Dn =
dx dx2 dxn
ecuaţia (7.11) se scrie
Ly = f.
Operatorul linar
L : C n (I) −→ C 0 (I)
unde
C n (I) = { ϕ : I −→ R | ϕ admite derivate continue pana la ordinul n }
C 0 (I) = { ϕ : I −→ R | ϕ este functie continua }
este un operator liniar
L(α ϕ + β ψ) = α Lϕ + β Lψ ∀α, β ∈ R, ∀ϕ, ψ ∈ C n (I).

Teorema 7.12 Spaţiul
V = { ϕ : I −→ R | Lϕ = 0 }
al tuturor soluţiilor ecuaţiei liniare omogene
Ly = 0
este un spaţiu vectorial de dimensiune n.
Demonstraţie. Dacă ϕ, ψ ∈ V atunci
L(αϕ + βψ) = αLϕ + βLψ = 0
oricare ar fi α, β ∈ R. Conform teoremei de existenţă şi unicitate, pentru x0 ∈ I

fixat aplicaţia
A : V −→ Rn , Aϕ = (ϕ(x0 ), ϕ0 (x0 ), ..., ϕ(n−1) (x0 ))
este un izomorfism liniar. Rezultă că spaţiile vectoriale V şi Rn sunt izomorfe şi prin
urmare dim V = dim Rn = n.
Observaţia 7.5 Rezolvarea ecuaţiei
Ly = 0
ı̂nseamnă determinarea spaţiului vectorial V = { ϕ : I −→ R | Lϕ = 0 } al tuturor

soluţiilor, ceea ce se poate realiza indicând o bază {y1 , y2 , ... , yn }, caz ı̂n care
V = { c1 y1 + c2 y2 + · · · + cn yn | c1 , c2 , ... , cn ∈ R }.
Funcţiile
y1 , y2 , ... , yn : I −→ R
din V formează o bază a lui V dacă sunt liniar independente, adică dacă
α1 y1 + α2 y2 + · · · + αn yn = 0 =⇒ α1 = α2 = · · · = αn = 0.
Propoziţia 7.13 Funcţiile
y1 , y2 , ... , yn : I −→ R
din V sunt liniar independente dacă şi numai dacă ı̂ntr-un punct fixat x0 ∈ I avem

y1 (x0 )
y2 (x0 ) ··· yn (x0 )

y 0 (x ) y20 (x0 ) ··· yn0 (x0 )
1 0
6= 0. (7.12)

··· ··· ··· ···
(n−1) (n−1) (n−1)
y
1 (x0 ) y2 (x0 ) · · · yn (x0 )
Demonstraţie. Deoarece
A : V −→ Rn , Aϕ = (ϕ(x0 ), ϕ0 (x0 ), ..., ϕ(n−1) (x0 ))
este un izomorfism liniar funcţiile y1 , y2 , ... , yn : I −→ R sunt liniar independente

dacă şi numai dacă vectorii corespunzători
(n−1)
Ay1 = ( y1 (x0 ), y10 (x0 ), ... , y1 (x0 ) )
(n−1)
Ay2 = ( y2 (x0 ), y20 (x0 ), ... , y2 (x0 ) )
.......................................................
(n−1)
Ayn = ( yn (x0 ), yn0 (x0 ), ... , yn (x0 ) )
sunt liniar independenţi, ceea ce este echivalent cu (7.12).
Teorema 7.14 (Abel-Liouville) Dacă
y1 , y2 , ... , yn : I −→ R
sunt n soluţii ale ecuaţiei

Ly = 0
atunci funcţia (numită wronskian)

y1 (x)
y2 (x) ··· yn (x)

y 0 (x) y 0 (x) ··· yn0 (x)
1 2
W : I −→ R W (x) =

· · · · · · ··· ···

(n−1) (n−1) (n−1)
y
1 (x) y2 (x) · · · yn (x)
verifică relaţia Rx a1 (t)

− dt
W (x) = W (x0 ) e x0 a0 (t) (7.13)
unde x0 ∈ I este un punct fixat.
Demonstraţie (cazul n = 2.) Arătăm că W verifică ecuaţia liniară
a1 (x)
W 0 (x) = − W (x).
a0 (x)
In cazul n = 2 ecuaţia Ly = 0, adică
a0 (x) y 00 + a1 (x) y 0 + a2 y = 0
conduce la
a1 (x) 0 a2 (x)
y 00 = − y − y
a0 (x) a0 (x)
şi
y (x) y (x)
1 2
W 0 (x) = dxd
0
y1 (x) y20 (x)

y 0 (x) y 0 (x) y (x) y (x)
1 2 1 2 a (x)
= 0 + = − a10 (x) W (x).

y1 (x) y20 (x) y100 (x) y200 (x)
Observaţia 7.6 Din relaţia (7.13) rezultă că dacă W se anulează ı̂ntr-un punct din
I atunci se anulează ı̂n toate punctele.
Propoziţia 7.15 Soluţia generală a ecuaţiei liniare neomogene
Ly = f
se obţine adunând la soluţia generală a ecuaţiei omogene asociate
Ly = 0
o soluţie particulară ỹ a ecuaţiei neomogene.
Demonstraţie. Deoarece Lỹ = f obţinem
Ly = 0 =⇒ L(y + ỹ) = f si Ly = f =⇒ L(y − ỹ) = 0.

Teorema 7.16 (Metoda variaţiei constantelor.) Dacă

n
X
y(x) = ck yk (x)
k=1
este soluţia generală a ecuaţiei omogene
Ly = 0
atunci o soluţie particulară a ecuaţiei neomogene
Ly = f
poate fi găsită căutând-o de forma

n
X
ỹ(x) = ck (x) yk (x)
k=1
cu c1 (x), c2 (x), ... , cn (x) soluţie a sistemului

 Pn
0


 k=1 ck (x) yk (x) = 0




 Pn 0 0
k=1 ck (x) yk (x) = 0






.......................................... (7.14)

 Pn 0 (n−2)
k=1 ck (x) yk (x) = 0









 Pn

0 (n−1) f (x)
k=1 ck (x) yk (x) = a0 (x) .

Demonstraţie. Ţinând sema de (7.14) obţinem relaţiile

Pn
ỹ(x) = k=1 ck (x) yk (x)
Pn
ỹ 0 (x) = 0
k=1 ck (x) yk (x)
............................................
Pn (n−1)
ỹ (n−1) (x) = k=1 ck (x) yk (x)
Pn (n) f (x)
ỹ (n) (x) = k=1 ck (x) yk (x) + a0 (x) .
care conduc la
Lỹ = a0 (x) ỹ (n) + a1 (x) ỹ (n−1) + · · · + an−1 (x) ỹ 0 + an (x) ỹ

Pn (n) (n−1)
= k=1 ck (x) a0 (x) yk +a1 (x) yk +· · · + an−1 (x) yk0 +an (x) yk +f (x) = f (x).
Definiţia 7.17 Prin ecuaţie diferenţială liniară de ordinul n cu coeficienţi

constanţi se ı̂nţelege o ecuaţie de forma
a0 y (n) + a1 y (n−1) + · · · + an−1 y 0 + an y = f (x) (7.15)
unde a0 , a1 , ..., an sunt numere reale şi f : I −→ R este o funcţie continuă definită
pe un interval I ⊆ R.
Observaţia 7.7 Ecuaţia (7.15) este un caz particular pentru ecuaţia (7.11) şi anume
cel ı̂n care funcţiile a0 (x), a1 (x), ... , an (x) sunt funcţii constante. Ecuaţia (7.15) se
poate scrie sub forma
P (D)y = f
unde P este polinomul
P (r) = a0 rn + a1 rn−1 + · · · + an−1 r + an
numit polinomul caracteristic asociat ecuaţiei considerate.
Observaţia 7.8 Folosind notaţia lui Euler
eiϕ = cos ϕ + i sin ϕ
definim pentru fiecare număr complex r = α + iβ funcţia complexă
R −→ C : x 7→ erx = e(α+iβ)x = eαx cos(βx) + i eαx sin(βx)
cu proprietăţile
D e(α+iβ)x = (α + iβ) e(α+iβ)x
Re (D erx ) = D( Re erx )
Im (D erx ) = D( Im erx )
unde Re z şi Im z reprezintă partea reală şi repectiv imaginară a numărului z.

Propoziţia 7.18 Funcţia
y : R −→ C, y(x) = erx
este soluţie a ecuaţiei omogene

P (D)y = 0
dacă şi numai dacă r este rădăcină a polinomului caracteristic, adică dacă
a0 rn + a1 rn−1 + · · · + an−1 r + an = 0.
Demonstraţie. Deoarece Dk erx = rk erx şi
P (D) erx = ( a0 rn + a1 rn−1 + · · · + an−1 r + an )erx
avem
P (D) erx = 0 ⇐⇒ P (r) = 0.
Propoziţia 7.19 Dacă polinomul caracteristic P (r) are rădăcinile r1 , r2 , ... , rk

cu multiplicităţile m1 , m2 , ... , mk , adică
P (r) = a0 (r − r1 )m1 (r − r2 )m2 · · · (r − rk )mk
atunci P (D) admite factorizarea
P (D) = a0 (D − r1 )m1 (D − r2 )m2 · · · (D − rk )mk
ordinea factorilor putând fi schimbată fără a afecta rezultatul.
Demonstraţie. Afirmaţia rezultă din linearitatea lui D şi din relaţia Dp Dq = Dp+q .
Propoziţia 7.20 Dacă Q(r) este un polinom şi ϕ(x) este o funcţie atunci
Q(D) (erx ϕ) = erx Q(D + r)ϕ
oricare ar fi r ∈ C.
Demonstraţie. Arătăm mai ı̂ntâi prin inducţie că
Dk (erx ϕ) = erx (D + r)k ϕ.
Avem
D (erx ϕ) = erx Dϕ + rerx ϕ = erx (D + r)ϕ.
Presupunând că Dk (erx ϕ) = erx (D + r)k ϕ obţinem
Dk+1 (erx ϕ) = D(erx (D + r)k ϕ) = erx (D + r)(D + r)k ϕ = erx (D + r)k+1 ϕ.
Dacă Q(r) = α0 rm + α1 rm−1 + · · · + αm−1 r + αm atunci
Q(D) (erx ϕ) = α0 Dm (erx ϕ)+α1 Dm−1 (erx ϕ)+ · · · +αm−1 D(erx ϕ)+αm erx ϕ
= erx [α0 (D+r)m +α1 (D+r)m−1 + · · · +αm−1 (D+r)+αm ]ϕ
= erx Q(D + r)ϕ.
Propoziţia 7.21 Soluţia generală a ecuaţiei
(D − r)k y = 0
este
y(x) = c0 erx + c1 x erx + · · · + ck−1 xk−1 erx .
Demonstraţie. Conform propoziţiei anterioare avem relaţa
Dk (e−rx y) = e−rx (D − r)k y
care arată că ecuaţia (D − r)k y = 0 este echivalentă cu ecuaţia
Dk (e−rx y) = 0
care implică
e−rx y(x) = c0 + c1 x + · · · + ck−1 xk−1
adică
y(x) = c0 erx + c1 x erx + · · · + ck−1 xk−1 erx .
Propoziţia 7.22 Fie ecuaţia diferenţială liniară omogenă cu coeficienţi reali
P (D)y = 0
unde P (r) = a0 rn + a1 rn−1 + · · · + an−1 r + an este polinomul caracteristic.

a) Dacă rj este rădăcină reală a lui P cu multiplicitatea mj atunci funcţiile
erj x , x erj x , ··· , xmj −1 erj x
sunt soluţii particulare ale ecuaţiei P (D)y = 0.

b) Dacă rj = αj +iβj este rădăcină complexă a lui P cu multiplicitatea mj atunci
eαj x cos(βj x), x eαj x cos(βj x), ··· , xmj −1 eαj x cos(βj x),
eαj x sin(βj x), x eαj x sin(βj x), ··· , xmj −1 eαj x sin(βj x)
sunt soluţii particulare ale ecuaţiei P (D)y = 0.
Demonstraţie. Conform prop. 7.19 ecuaţia P (D)y = 0 admite o factorizare de forma
Q(D) (D − rj )mj y = 0
şi (D−rj )mj y = 0 implică P (D)y = 0. Deoarece ec. P (D)y = 0 are coeficienţi reali

 P (D) (Re y) = Re ( P (D)y ) = 0
P (D)y = 0 =⇒
 P (D) (Im y) = Im ( P (D)y ) = 0
adică ı̂n cazul ı̂n care rj este rădăcină complexă cu multiplicitatea mj funcţiile

y : R −→ R, y(x) = Re c0 erj x + c1 x erj x + · · · + cmj −1 xmj −1 erj x
şi
y : R −→ R, y(x) = Im c0 erj x + c1 x erj x + · · · + cmj −1 xmj −1 erj x
sunt soluţii ale ecuaţiei P (D)y = 0 oricare ar fi constantele reale c0 , c1 , ... , cmj −1 .
Observaţia 7.9 Se poate demonstra că ı̂n toate cazurile ı̂n spaţiul soluţiilor există o
bază formată din soluţii particulare de tipul celor prezentate in propoziţia anterioară.
Exerciţiul 7.1 Să se determine soluţia generală a ecuaţiilor

a) y 00 − 5y 0 + 6y = 0
b) y 000 − 6y 00 + 12y 0 − 8y = 0
c) y 00 + y 0 + y = 0
d) (D2 − D + 1)3 y = 0
e) (D − 3)4 (D2 + 2)2 y = 0.

Răspuns.
a) y(x) = c1 e2x + c2 e3x
b) y(x) = c1 e2x + c2 x e2x + c3 x2 e2x

1
√ 1
√
c) y(x) = c1 e− 2 x cos( 3
2 x) + c2 e− 2 x sin( 3
2 x)
1
√ 1
√
3 3
d) y(x) = c1 e 2 x cos( 2 x) + c2 e
x
2 sin(
2 x)
1
√ 1
√
+c3 x e− 2 x cos( 23 x) + c4 x e− 2 x sin( 23 x)
1
√ 1
√
+c5 x2 e− 2 x cos( 23 x) + c6 x2 e− 2 x sin( 23 x)
e) y(x) = c1 e3x + c2 x e3x + c3 x2 e3x + c4 x3 e3x

√ √ √ √
+c5 cos( 2x) + c6 sin( 2x) + c7 x cos( 2x) + c8 x sin( 2x).
Propoziţia 7.23 Ecuaţia Euler
a0 xn y (n) + a1 xn−1 y (n−1) + · · · + an−1 x y 0 + an y = 0
se reduce la o ecuaţie diferenţială liniară cu coeficienţi constanţi prin schimbarea de

variabilă x = et , unde t este noua variabilă independentă.
Demonstraţie (cazul n = 3). Notând cu z(t) noua funcţie necunoscută avem relaţia
y(x) = z(ln x)
care prin derivări succesive conduce la

y 0 (x) = 1
x z 0 (ln x) = e−t z 0 (t)
y 00 (x) = 1
x2
z 00 (ln x) − 1
x2
z 0 (ln x) = e−2t ( z 00 (t) − z 0 (t) )
y 000 (x) = 1
x3
z 000 (ln x) − 3
x3
z 00 (ln x) − 2
x3
z 0 (ln x) = e−3t ( z 000 (t) − 3z 00 (t) + 2z 0 (t) )
In urma schimbării de variabilă, ecuaţia Euler
a0 x3 y 000 + a1 x2 y 00 + a2 x y 0 + a3 y = 0
devine
a0 z 000 + (−3a0 + a1 )z 00 + (2a0 − a1 + a2 )z 0 + a3 z = 0.
Observaţia 7.10 Relaţia x = et , echivalentă cu t = ln x, conduce la
d dt d 1 d d
= = = e−t .
dx dx dt x dt dt
Ecuaţia Euler se poate scrie
!
ndn n−1 d
n−1 d
a0 x + a1 x + · · · + an−1 x + an y = 0
dxn dxn−1 dx
şi formal, schimbarea de variabilă x = et ı̂n ecuaţia Euler se poate realiza ı̂nlocuind
d
x cu et şi operatorul de derivare dx cu e−t dt
d
. De remarcat că
2
d d d d2 d

−t −t
e =e e−t = e−2t − e−2t .
dt dt dt dt2 dt
7.3 Sisteme diferenţiale liniare
Definiţia 7.24 Prin sistem diferenţial liniar de ordinul ı̂ntâi se ı̂nţelege un

sistem de ecuaţii diferenţiale de forma
 0

 y1 = a11 (x)y1 + a12 (x)y2 + · · · + a1n (x)yn + f1 (x)


 y20 = a21 (x)y1 + a22 (x)y2 + · · · + a2n (x)yn + f2 (x)



(7.16)

 .............................................................


 0
 yn = an1 (x)y1 + an2 (x)y2 + · · · + ann (x)yn + fn (x)


unde x este variabila independentă, y1 , y2 , ... , yn sunt funcţiile necunoscute şi

aij : I −→ R
unde i, j ∈ {1, 2, ..., n}
fi : I −→ R
sunt funcţii continue definite pe un interval I ⊆ R.
Observaţia 7.11 Sistemul diferenţial liniar (7.16) se poate scrie sub forma ma-
triceală
Y 0 = A(x)Y + F (x)
a11 (x) a12 (x) · · · a1n (x)
 
   
y1   f1 (x)
 a21 (x)

a22 (x) · · · a2n (x) 

 y2 
 



 f2 (x) 

Y = .. , A(x) = 
 ···
, F (x) =  .. .

 .

  ··· ··· ···  

 .


 
yn fn (x)
an1 (x) an2 (x) · · · ann (x)
 
Teorema 7.25 (de existenţă şi unicitate). Dacă
aij : I −→ R
unde i, j ∈ {1, 2, ..., n}
fi : I −→ R
sunt funcţii continue atunci oricare ar fi (x0 , y10 , y20 , ..., yn0 ) ∈ I × Rn există o unică
soluţie Y (x) ı̂ncât
 
y10
0

 y20 

Y = A(x) Y + F (x) si Y (x0 ) =  .. .
.
 
 
yn0
Teorema 7.26 Spaţiul V al tuturor soluţiilor sistemului diferenţial liniar omogen
Y 0 = A(x) Y
este un spaţiu vectorial de dimensiune n.
Demonstraţie. Pentru x0 ∈ I fixat, din teorema de existenţă şi unicitate rezultă că
aplicaţia liniară
V −→ Rn : Y 7→ Y (x0 )
este un izomorfism liniar.
Observaţia 7.12 Rezolvarea sistemului omogen Y 0 = AY este echivalentă cu găsirea

unei baze al lui V, adică cu găsirea a n soluţii liniar independente.
Definiţia 7.27 Plecând de la n soluţii ale sistemului omogen Y 0 = A(x)Y

     
y11 y12 y1n

 y21 


 y22 


 y2n 

Y1 =  .. , Y2 =  .. , ... , Yn =  .. 
. . .
     
     
yn1 yn2 ynn
construim matricea Wronski

 
y11 y12 · · · y1n
 y21 y22 · · · y2n 
W =
 
··· ··· ··· ···

 
yn1 yn2 · · · ynn
şi wronskianul
w = det W.
Teorema 7.28 Soluţiile Y1 , Y2 , ... , Yn formează o bază a spaţiului vectorial V

dacă şi numai dacă wronskianul lor este nenul ı̂ntr-un punct fixat x0 ∈ I, adică
w(x0 ) 6= 0.
V −→ Rn : Y 7→ Y (x0 )
este un izomorfism liniar, soluţiile Y1 , Y2 , ... , Yn sunt liniar independente dacă şi
numai dacă vectorii Y1 (x0 ), Y2 (x0 ), ... , Yn (x0 ) din Rn sunt liniar independenţi, ceea
ce este echivalent cu w(x0 ) 6= 0.
Teorema 7.29 Wronskianul soluţiilor Y1 , Y2 , ... , Yn verifică relaţia

Rx
tr A(t) dt
w(x) = w(x0 ) e x0 (7.17)
unde tr A(t) = a11 (t) + a22 (t) + · · · + ann (t) este urma matricei A(t).
Demonstraţie (cazul n = 2.) Avem

0 0 (x)

y11 (x) y12 (x) y11 (x) y12 (x) y11 (x) y12
w0 (x) = d
= +

dx
y (x) y (x) y 0 (x) y (x) y (x) y 0 (x)

21 22 22 21

21 22

a11 (x) y11 (x)+a12 (x) y21 (x) y12 (x) y11 (x) a11 (x) y12 (x)+a12 (x) y22 (x)
= +

a (x) y (x)+a (x) y (x) y (x) y (x) a (x) y (x)+a (x) y (x)
21 11 22 21 22 21 21 12 22 22

= (a11 (x) + a22 (x)) w(x)
adică w verifică ecuaţia diferenţială liniară
w0 = tr A(x) w.
Observaţia 7.13 Din relaţia (7.13) rezultă că dacă wronskianul se anulează ı̂ntr-un
punct x0 ∈ I atunci el se anulează ı̂n toate punctele x ∈ I.
Propoziţia 7.30 Soluţia generală a sistemului liniar neomogen
Y 0 = A(x) Y + F (x)
se obţine adunând la soluţia generală a sistemului liniar omogen asociat
Y 0 = A(x) Y
o soluţie particulară Ỹ a sistemului neomogen.
Demonstraţie. Deoarece Ỹ 0 = A(x) Y + F (x) obţinem
Y 0 = A(x) Y =⇒ (Y + Ỹ )0 = A(x) (Y + Ỹ ) + F (x)
Y 0 = A(x) Y + F (x) =⇒ (Y − Ỹ )0 = A(x) (Y − Ỹ ).
Observaţia 7.14 Folosind matricea Wronski W asociată unei baze {Y1 , Y2 , ... , Yn }
a lui V soluţia generală
Y = c1 Y1 + c2 Y2 + · · · + cn Yn
a ecuaţiei liniare omogene Y 0 = A(x) Y se poate scrie sub forma

 
c1

c2 
 ∈ Rn .
 
Y (x) = W (x) C unde C= ..
.
 
 
cn
Teorema 7.31 (Metoda variaţiei constantelor). Dacă soluţia generală a sistemului
Y 0 = A(x) Y
este Y (x) = W (x) C atunci o soluţie particulară sistemului neomogen
Y 0 = A(x) Y + F (x)
se poate obţine căutând-o de forma
Ỹ (x) = W (x) C(x)
unde C(x) este o soluţie a sistemului
C 0 (x) = W −1 (x) F (x).
Demonstraţie. Deoarece W 0 = A(x)W şi Ỹ 0 (x) = W 0 (x) C(x) + W (x) C 0 (x) avem
Ỹ 0 = A(x) Ỹ + F (x)
dacă şi numai dacă W (x) C 0 (x) = F (x)
Definiţia 7.32 Prin sistem diferenţial liniar omogen cu coeficienţi constanţi

se ı̂nţelege un sistem de ecuaţii de forma
Y 0 = AY unde A ∈ Mn×n (R).
Propoziţia 7.33 Funcţia vectorială Y : R −→ Cn , Y (x) = w eλx , unde

 
w1

w2 
 ∈ Cn
 
w= ..
.
 
 
wn
Y 0 = AY
dacă şi numai dacă

Aw = λw.
Demonstraţie. Deoarece Y 0 (x) = λw eλx ı̂nlocuind ı̂n Y 0 = AY obţinem Aw = λw.
Observaţia 7.15 Fie λ o rădăcină a polinomului caracteristic
det (A − λI) = 0.
Dacă λ ∈ R atunci λ este valoare proprie a matricei A şi alegând un vector propriu
corespunzător w ∈ Rn obţinem soluţia netrivială Y (x) = w eλx a sistemului Y 0 =
AY . Dacă λ 6∈ R atunci există w ∈ Cn astfel ı̂ncât Aw = λw şi

Y1 (x) = Re w eλx , Y2 (x) = Im w eλx
sunt soluţii ale sistemului Y 0 = AY .
Exerciţiul 7.2 Să se determine soluţia generală a sistemului

(
y10 = y1 + y2
y20 = −y1 + y2 .
Rezolvare. Ecuaţia

1−λ 1
=0

−1 1−λ

are rădăcinile λ1 = 1 + i şi λ2 = 1 − i. O soluţie particulară a ecuaţiei Av = (1 + i)v,

adică
! ! !
1 1 v1 v1
= (1 + i)
−1 1 v2 v2
!
1
este v = . Rezultă că soluţia generală a sistemului este
i
( ! ) ( ! )
1 1
Y (x) = c1 Re e(1+i)x + c2 Im e(1+i)x
i i
( ! ) ( ! )
1 1
= c1 Re ex (cos x + i sin x) + c2 Im ex (cos x + i sin x)
i i
! !
cos x sin x
= c1 ex + c2 ex .
− sin x cos x
Observaţia 7.16 Dacă matricea A ∈ Mn×n (R) este diagonalizabilă şi {v1 , v2 , ..., vn }
unde      
v11 v12 v1n
 v21   v22   v2n 
     
v1 = 
 .. 
 , v2 =  .. 
  , · · · v n =  .. 
 
 .   .   . 
vn1 vn2 vnn
este o bază a lui Rn formată din vectori proprii ai lui A corespunzători valorilor
proprii λ1 , λ2 , ... , λn (distincte sau nu) atunci soluţia generală a sistemului Y 0 = AY
este
     
v11 v12 v1n

 v21 
 λ x

 v22 
 λ x

 v2n 
 λ x
Y (x) = c1  ..  e 1 + c2  ..  e 2 + · · · + cn  .. e n .
. . .
     
     
vn1 vn2 vnn

0
 y1 = y2 + y3

2 y0 = y + y
1 3
 y0 = y + y

3 1 2
Rezolvare. Rezolvând ecuaţia

−λ 1 1

1 −λ 1 =0

1 −λ

1
obţinem λ1 = 2, şi λ2 = λ3 = −1. Deoarece subspaţiile proprii corespunzătoare sunt
V2 = { α(1, 1, 1) | α ∈ R }, V−1 = { α(1, 0, −1) + β(0, 1, −1) | α, β ∈ R }.

rezultă că soluţia generală a sistemului este

     
1 1 0
Y (x) = c1  1  e2x + c2  0  e−x + c3  1  e−x .
     
1 −1 −1
Observaţia 7.17 Ştim că, ı̂n general, o matrice A ∈ Mn×n (R) nu este diagonal-
izabilă. Dacă λ este o rădăcină reală (respectiv, complexă) cu multiplicitatea m a
polinomului caracteristic atunci partea din soluţia generală corespunzătoare lui λ
poate fi găsită căutând-o de forma
α11 xm−1 + α12 xm−2 + · · · + α1m−1 x + α1m

 
 α21 xm−1 + α22 xm−2 + · · · + α2m−1 x + α2m 
 λx
Y (x) =  e

 ................................................................... 
αn1 xm−1 + αn2 xm−2 + · · · + αnm−1 x + α1m
unde coeficienţii αjk sunt reali (respectiv, complecşi). In cazul complex, ı̂n final se
separă părţile reală şi imaginară ale a soluţiei gasite.


0
 y1 = −y1 + y2

0
y2 = −y2 + 4y3
 y 0 = y − 4y

3 1 3
Rezolvare. Valorile proprii sunt λ1 = 0 şi λ2 = λ3 = −3, iar subspaţiile proprii

corespunzătoare
V0 = { α(4, 4, 1) | α ∈ R }, V−3 = { α(1, −2, 1) | α ∈ R }.
Deoarece dimV−3 = 1 rezultă că matricea sistemului nu este diagonalizabilă. Căutând

partea din soluţia generală referitoare la λ2 = λ3 = −3 de forma
 
α1 x + β 1
Y (x) =  α2 x + β2  e−3x
 
α3 x + β 3
găsim    
x 1
 −3x
Y (x) = α1  −2x + 1  e + β1  −2  e−3x .
  
x−1 1
Soluţia generală a sistemului este

     
4 x 1
Y (x) = c1  4  + c2  −2x + 1  e−3x + c3  −2  e−3x .
     
1 x−1 1
Observaţia 7.18 O altă metodă de rezolvare a sistemelor liniare omogene cu

coeficienţi constanţi, numită metoda eliminării, se bazează pe faptul că fiecare dintre
funcţiile necunoscute yj verifică o ecuaţie diferenţială liniară.
Exerciţiul 7.5 Să se rezolve sistemul


0
 y1 = y2

0
y2 = y3
 y0 = y .

3 1
Rezolvare. Funcţia necunoscută y1 verifică ecuaţia liniară
y1000 − y1 = 0.
√
Deoarece P (r) = r3 − 1 are rădăcinile r1 = 1 şi r2,3 = − 12 ± i 23 , rezultă că
√ √
x − 21 x 3 − 12 x 3
y1 (x) = c1 e + c2 e cos x + c3 e sin x.
2 2
Prin derivarea lui y1 se obţin y2 şi y3 .
Observaţia 7.19 Deoarece izomorfismul de spaţii vectoriale

2
Mn×n (K) −→ Kn :
 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
 7→ (a11 , a12 , ..., a1n , a21 , a22 , ..., a2n , ..., an1 , an2 , ..., ann )
 
··· ··· ··· ···

 
2
permite identificarea spaţiului vectorial Mn×n (K) cu Kn , aplicaţia
 
a11 a12 · · · a1n v
u n

· · · a2n
uX
 a21 a22 
|| · || : Mn×n (K) −→ R,  = |aij |2
  t
··· ··· ··· ···

 
i,j=1
este o normă pe Mn×n (K). In particular, o serie de matrice

∞
X
ak Ak
k=0
este convergentă dacă există limita

m
X
lim ak Ak
m→∞
k=0
adică dacă există B ∈ Mn×n (K) astfel ı̂ncât
m

X
lim ak Ak − B = 0.

m→∞
k=0
Propoziţia 7.34 Dacă seria de puteri

∞
X
ak xk
k=0
are raza de convergenţă R > 0 şi dacă A ∈ Mn×n (K) este astfel ı̂ncât ||A|| < R
atunci seria de matrice
∞
X
ak Ak
k=0
este convergentă.
Demonstraţie. Alegând r astfel ı̂ncât ||A|| < r < R obţinem relaţia

ak Ak = |ak | Ak ≤ |ak | ||A||k < |ak | r k .

P∞ k
Seria k=0 ak r fiind absolut convergentă, din criteriul comparaţiei rezultă că seria
P∞ k P∞ k
k=0 ||ak A || este convergentă, ceea ce implică convergenţa seriei k=0 ak A .
Observaţia 7.20 Deoarece seria exponenţială

∞
X xk x x2
ex = =1+ + + ···
k=0
k! 1! 2!
are raza de convergenţă r = ∞ rezultă că pentru orice matrice A ∈ Mn×n (K) putem
defini matricea ∞
X Ak A A2
eA = =1+ + + ···
k=0
k! 1! 2!
numită exponenţiala matricei A. Se poate arăta că funcţia matriceală
R −→ Mn×n (K) : t 7→ etA
este derivabilă şi că (etA )0 = A etA adică
Y (t) = etA C
este soluţie a sistemului liniar Y 0 = AY , oricare ar fi C ∈ Rn .
Exerciţiul 7.6 Să se determine soluţia sistemului


0
 y1 = y2 + y3

2 y0 = y + y
1 3
 y0 = y + y .

3 1 2
Rezolvare. Matricea sistemului

 
0 1 1
A= 1 0 1 
 
1 1 0
este diagonalizabilă
   
2 0 0 1 1 0
−1
S AS =  0 −1 0  unde S= 1 0 1 .
   
0 0 −1 1 −1 −1
Deoarece  
2 0 0
A = S  0 −1 0  S −1
 
0 0 −1
obţinem
 k  
2 0 0 2k 0 0
−1
k
A = S  0 −1 0  S = S  0 (−1)k 0  S −1
   
0 0 −1 0 0 (−1)k
şi
   
∞ ∞ k 2k 0 0 e2t 0 0
(tA)k t −1
0  S −1
X X
etA = = S  0 (−1)k 0 S = S  0 e −t
   
k! k!
k=0 k=0 0 0 (−1)k 0 0 e−t
relaţie care permite scrierea explicită a soluţiei generale.

158
Capitolul 8
Grupuri. Reprezentări liniare
8.1 Grupuri
Vom prezenta câteva elemente referitoare la grupuri şi reprezentările lor liniare.
Definiţia 8.1 Prin grup se ı̂nţelege o mulţime G pe care este definită o lege de
compoziţie internă
G × G −→ G : (x, y) 7→ x y
satisfăcând condiţiile:
1) (g1 g2 )g3 = g1 (g2 g3 ), ∀g1 , g2 , g3 ∈ G;
2) există e ∈ G astfel ı̂ncât ge = eg = g, ∀g ∈ G;
3) oricare ar fi g ∈ G există g −1 ∈ G astfel ı̂ncât gg −1 = g −1 g = e.
Grupul este numit grup comutativ (sau abelian) dacă, ı̂n plus,
4) g1 g2 = g2 g1 ∀g1 , g2 ∈ G.
Propoziţia 8.2 a) Elementul e cu proprietatea
ge = eg = g, ∀g ∈ G
este unic ı̂n G şi se numeşte element neutru.

b) Pentru orice g ∈ G elementul g −1 cu proprietatea
gg −1 = g −1 g = e
este unic ı̂n G şi se numeşte inversul lui g.
159
∀g ∈ G
)
ge = eg = g,
=⇒ e = ee0 = e0
ge0 = e0 g = g, ∀g ∈ G
şi
gg −1 = g −1 g = e
)
=⇒ h = he = h(gg −1 ) = (hg)g −1 = eg −1 = g −1 .
gh = hg = e
Observaţia 8.1 In cazul ı̂n care ı̂n locul notaţiei multiplicative g1 g2 se utilizează
notaţia aditivă g1 +g2 elementul neutru este notat cu 0. Elementul h cu proprietatea
h + g = g + h = 0 este notat cu −g şi numit opusul lui g.
8.2 Reprezentări liniare
Definiţia 8.3 Fie G şi G0 două grupuri. O aplicaţie
f : G −→ G0
este numită morfism de grupuri dacă
f (g1 g2 ) = f (g1 ) f (g2 ), ∀g1 , g2 ∈ G.
Exerciţiul 8.1 Mulţimea tuturor automorfismelor unui spaţiu vectorial V
GL(V ) = { A : V −→ V | A este liniara si bijectiva }
ı̂mpreună cu operaţia de compunere este un grup (grupul automorfismelor lui V ).

Definiţia 8.4 Prin reprezentare liniară a grupului G ı̂n spaţiul vectorial V peste
corpul K (numită şi reprezentare K-liniară) se ı̂nţelege un morfism de grupuri
T : G −→ GL(V ) : g 7→ T (g)
adică o aplicaţie astfel ı̂ncât
T (g1 g2 ) = T (g1 ) T (g2 ), ∀g1 , g2 ∈ G.
Dimensiunea reprezentării este prin definiţie dimensiunea spaţiului vectorial V .

Grupuri. Reprezentări liniare 161
Exerciţiul 8.2 Mulţimea matricelor inversabile de ordinul n cu elemente din K
GL(n, K) = { A ∈ Mn×n (K) | det A 6= 0 }
ı̂mpreună cu ı̂nmulţirea matricelor este grup (se numeşte grupul general linear).
Definiţia 8.5 Prin reprezentare matriceală n-dimensională a unui grup G se

ı̂nţelege un morfism de grupuri de forma
T : G −→ GL(n, K) : g 7→ T (g).
Reprezentarea este numită reală ı̂n cazul K = R şi complexă ı̂n cazul K = C.
Propoziţia 8.6 Fie V un spaţiu vectorial peste corpul K. Dacă {e1 , e2 , ..., en } este
o bază a lui V şi
T : G −→ GL(V ) : g 7→ T (g)
o reprezentare liniară a unui grup G ı̂n V atunci aplicaţia
 
t11 (g) t12 (g) · · · t1n (g)
 
 t21 (g)

t22 (g) · · · t2n (g) 

T : G −→ GL(n, K) : g →
7 T (g) = 
 
 ··· ··· ··· ···


 
tn1 (g) tn2 (g) · · · tnn (g)
 
unde elementele tij (g) sunt astfel ı̂ncât

n
X
T (g)ej = tij (g)ei , ∀g ∈ G, ∀j ∈ {1, 2, ..., n}
i=1
este o reprezentare matriceală n-dimensională a lui G.
Demonstraţie. Deoarece T (g1 g2 ) = T (g1 ) T (g2 ), din relaţiile

Pn
T (g1 g2 )ej = i=1 tij (g1 g2 )ei
Pn Pn
T (g1 ) T (g2 )ej = T (g1 ) k=1 tkj (g2 )ek = k=1 tkj (g2 )T (g1 )ek
Pn Pn
= k=1 tkj (g2 ) i=1 tik (g1 )ei
Pn Pn
= i=1 ( k=1 tik (g1 )tkj (g2 )) ei
rezultă că n
X
tij (g1 g2 ) = tik (g1 ) tkj (g2 ), ∀i, j ∈ {1, 2, ..., n}
k=1
adică T (g1 g2 ) = T (g1 ) T (g2 ).
Observaţia 8.2 Matricea T (g) este matricea transformării liniare T (g) : V −→ V

ı̂n raport cu baza considerată. Alegând o altă bază {e01 , e02 , ..., e0n } se poate defini ı̂n
mod similar reprezentarea
T 0 : G −→ GL(n, K) : g 7→ T 0 (g).
Ştim ı̂nsă că cele două reprezentări matriceale sunt legate prin relaţia
T 0 (g) = S −1 T (g) S, ∀g ∈ G
unde S este matricea de trecere de la baza {e1 , e2 , ..., en } la {e01 , e02 , ..., e0n }.
Definiţia 8.7 Două reprezentări matriceale n-dimensionale peste K ale unui grup
T1 : G −→ GL(n, K) si T2 : G −→ GL(n, K)
sunt numite echivalente dacă există S ∈ GL(n, K) astfel ı̂ncât
T2 (g) = S −1 T1 (g) S, ∀g ∈ G.
Exerciţiul 8.3 Aplicaţia R : R −→ GL(R2 ) : t 7→ R(t) unde
R(t) : R2 −→ R2 , R(t)(x, y) = (x cos t − y sin t, x sin t + y cos t)
este o reprezentare liniară a grupului aditiv (R, +) ı̂n spaţiul vectorial R2 .

Alegând ı̂n R2 baza {e1 = (1, 0), e2 = (0, 1)} obţinem reprezentarea matriceală
!
cos t − sin t
R : R −→ GL(2, R) : t 7→ R(t) = .
sin t cos t
Rezolvare. Avem R(t + s) = R(t) R(s).

8.3 Reprezentări ireductibile
Definiţia 8.8 Două reprezentări liniare n-dimensionale peste K ale unui grup G
T1 : G −→ GL(V1 ) si T2 : G −→ GL(V2 )
sunt numite echivalente dacă există un izomorfism liniar S : V1 −→ V2 astfel ı̂ncât
T1 (g) = S −1 T2 (g) S, ∀g ∈ G
adică astfel ı̂ncât diagrama

T1 (g)
V1 - V1
S S
? ?
T2 (g)
V2 - V2
este comutativă.
Definiţia 8.9 Fie T : G −→ GL(V ) o reprezentare liniară a grupului G ı̂n V .

Spunem că subspaţiul vectorial W ⊆ V este invariant faţă de T dacă
T (g)(W ) ⊆ W, ∀g ∈ G.
Definiţia 8.10 Spunem că reprezentarea liniară
T : G −→ GL(V )
este o reprezentare ireductibilă dacă singurele subspaţii invariante sunt {0} şi
V . In caz contrar, reprezentarea este numită reductibilă.
Exerciţiul 8.4 Reprezentarea liniară T : R −→ GL(R3 ) : t 7→ T (t) unde
T (t) : R3 −→ R3 , T (t)(x, y, z) = (x cos t − y sin t, x sin t + y cos t, z)
este o reprezentare liniară reductibilă a grupului aditiv (R, +) ı̂n R3 .
Rezolvare. Subspaţiul W = { (x, y, 0) | x, y ∈ R } ⊂ R3 este subspaţiu invariant.

Propoziţia 8.11 Dacă
T1 : G −→ GL(V1 ) si T2 : G −→ GL(V2 )
sunt două reprezentări K-liniare atunci aplicaţia
T : G −→ GL(V1 ⊕ V2 ), T (g)(x1 , x2 ) = (T1 (g)x1 , T2 (g)x2 )
este o reprezentare K-liniară a grupului G ı̂n spaţiul produs direct V1 ⊕ V2 , numită

suma reprezentărilor T1 şi T2 , notată cu T1 ⊕ T2 .
T (g1 g2 )(x1 , x2 ) = (T1 (g1 g2 )x1 , T2 (g1 g2 )x2 )
= (T1 (g1 ) T1 (g2 )x1 , T2 (g1 ) T2 (g2 )x2 )
= T (g1 )(T1 (g2 )x1 , T2 (g2 )x2 ) = T (g1 )T (g2 )(x1 , x2 ).

t11 (g) · · · t1n (g)
 
 
T : G −→ GL(n, K) : g 7→ T (g) = 
 ··· ··· ··· 

tn1 (g) · · · tnn (g)
r11 (g) · · · r1k (g)

 
 
R : G −→ GL(k, K) : g 7→ R(g) = 
 ··· ··· ··· 

rk1 (g) · · · rkk (g)
sunt două reprezentări matriceale atunci
t11 (g) · · · t1n (g) 0 0 0
 
 
 ··· ··· ··· ··· ··· ··· 
 
 
 t (g) · · · t (g) 0 0 0 
 n1 nn 
T ⊕ R : G −→ GL(n+k, K) : g 7→  
r11 (g) · · ·
 

 0 0 0 r1k (g) 

 

 0 0 0 ··· ··· ···  
0 0 0 rk1 (g) · · · rkk (g)
este o reprezentare matriceală a lui G, numită suma reprezentărilor T şi R.
8.4 Reprezentări unitare şi ortogonale
Definiţia 8.13 O submulţime H ⊆ G este numită subgrup al grupului G dacă

)
g1 ∈ H
=⇒ g1 g2−1 ∈ H.
g2 ∈ H
Exerciţiul 8.5 Fie V un spaţiu vectorial euclidian complex. Mulţimea trans-

formărilor unitare
U (V ) = { A : V −→ V | hAx, Ayi = hx, yi, ∀x, y ∈ V }
este un subgrup al grupului GL(V ) al tuturor automorfismelor lui V .
Definiţia 8.14 Prin reprezentare unitară a grupului G ı̂n spaţiul vectorial eu-
clidian complex V se ı̂nţelege un morfism de grupuri
T : G −→ U (V ).
Observaţia 8.3 Dacă T : G −→ U (V ) este o reprezentare unitară atunci
hT (g)x, T (g)yi = hx, yi, ∀x, y ∈ V, ∀g ∈ G.
Exerciţiul 8.6 Fie A ∈ Mn×n (C) o matrice cu n linii şi n coloane cu elemente
numere complexe şi fie A∗ = t Ā adjuncta ei. Relaţiile
A A∗ = I, A∗ A = I, A−1 = A∗ .
Definiţia 8.15 Matricea A ∈ Mn×n (C) este numită matrice unitară dacă
A∗ A = I
(condiţie echivalentă cu A−1 = A∗ şi A A∗ = I).
Observaţia 8.4 Dacă A este o matrice unitară atunci |detA| = 1. Intr-adevăr
A∗ A = I =⇒ detA detA∗ = 1 =⇒ |detA|2 = 1.

Teorema 8.16 Mulţimea matricelor unitare de ordinul n
U (n) = { A ∈ Mn×n (C) | A∗ A = I }
are o structură de grup ı̂n raport cu ı̂nmulţirea matricelor, iar
SU (n) = { A ∈ U (n) | det A = 1 }
este un subgrup al lui U (n).
Demonstraţie. a) Produsul a două matrice unitare A şi B este o matrice unitară
(AB)∗ (AB) = B ∗ A∗ AB = B ∗ B = I
şi inversa unei matrice unitare A este o matrice unitară
A−1 = A∗ =⇒ (A−1 )∗ = (A∗ )∗ = A = (A−1 )−1 .
b) Afirmaţia rezultă din relaţiile
det(AB) = detA detB, det(A−1 ) = (detA)−1 .
Definiţia 8.17 Prin reprezentare matriceală unitară a grupului G se ı̂nţelege

un morfism de grupuri
T : G −→ U (n).
Exerciţiul 8.7 Fie V un spaţiu vectorial euclidian real. Mulţimea transformărilor

ortogonale
O(V ) = { A : V −→ V | hAx, Ayi = hx, yi, ∀x, y ∈ V }
este un subgrup al grupului GL(V ) al tuturor automorfismelor lui V .
Definiţia 8.18 Prin reprezentare ortogonală a grupului G ı̂n spaţiul vectorial

euclidian real V se ı̂nţelege un morfism de grupuri
T : G −→ O(V ).
Observaţia 8.5 Dacă T : G −→ O(V ) este o reprezentare ortogonală atunci
hT (g)x, T (g)yi = hx, yi, ∀x, y ∈ V, ∀g ∈ G.
Exerciţiul 8.8 Fie A ∈ Mn×n (R) o matrice cu n linii şi n coloane cu elemente
numere reale şi fie t A transpusa ei. Relaţiile
A t A = I, t
A A = I, A−1 = t A.
Definiţia 8.19 Matricea A ∈ Mn×n (C) este numită matrice ortogonală dacă
t
A A=I
(condiţie echivalentă cu A−1 = t A şi A t A = I).
Observaţia 8.6 Dacă A este o matrice ortogonală atunci detA ∈ {−1, 1}.
Teorema 8.20 Mulţimea matricelor ortogonale de ordinul n

n o
t
O(n) = A ∈ Mn×n (R) | A A=I
are o structură de grup ı̂n raport cu ı̂nmulţirea matricelor, iar
SO(n) = { A ∈ O(n) | det A = 1 }
este un subgrup al lui U (n).
Definiţia 8.21 Prin reprezentare matriceală ortogonală a grupului G se ı̂nţelege

un morfism de grupuri
T : G −→ O(n).
8.5 Grupul rotaţiilor. Reprezentări liniare
Propoziţia 8.22
( ! )
cos t − sin t
SO(2) = t ∈ [0, 2π) .

sin t cos t
!−1 !
cos t − sin t cos t sin t cos t − sin t
= , =1

sin t cos t − sin t cos t sin t cos t

şi 
! 
 α2 + γ 2 = 1
α β  β 2 + δ2 = 1

∈ SO(2) =⇒
γ δ 
 αβ + γδ = 0


αδ − βγ = 1.
Din relaţiile α2 + γ 2 = 1 şi β 2 + δ 2 = 1 rezultă că există t, s ∈ [0, 2π) ı̂ncât

! !
α β cos t sin s
=
γ δ sin t cos s
dar

 s = −t
) ) 
αβ + γδ = 0 sin(t + s) = 0
=⇒ =⇒ sau
αδ − βγ = 1. cos(t + s) = 1.  s = 2π − t.

Exerciţiul 8.9 Dacă A ∈ SO(3) atunci există t ∈ [0, 2π) şi o matrice S ∈ O(3)
astfel ı̂ncât  
1 0 0
S −1 AS =  0 cos t − sin t  .
 
0 sin t cos t
Rezolvare. Fie  
a11 a12 a13
A =  a21 a22 a23  ∈ SO(3).
 
a31 a32 a33
Matricea A este matricea ı̂n raport cu baza canonică a unei transformări ortogonale
A : R3 −→ R3 . Ecuaţia caracteristică corespunzătoare este
!
a a23 a a13 a a12
3 2 22 11 11
−λ +(a11 + a22 + a33 )λ − + + λ − det A = 0

a32 a33 a31 a33 a21 a22

Deoarece t A = A−1 , adică

 
a22 a23 a12 a32 a
12 a22
−

a32 a33 a13 a33 a13 a23
 
 
   
a11 a21 a31
 
 
 
a21 a31 a11 a31 a
11 a21 
 a12 a22 a32  =  − −
 
a23 a33 a13 a33 a13 a23
 

a13 a23 a33 



 
 a21 a31 a11 a31 a
11 a21 
−
 
a22 a32 a12 a32 a12 a22

şi det A = 1 rezultă că λ = 1 este valoare proprie a lui A. Fie e1 un vector propriu
corespunzător cu ||e1 || = 1, adică Ae1 = e1 . Subspaţiul vectorilor ortogonali pe e1
V = {x ∈ R3 | hx, e1 i = 0 }
este un subspaţiu invariant
x∈V =⇒ hAx, e1 i = hAx, Ae1 i = hx, e1 i = 0.
Dacă {e2 , e3 } este o bază ortonormată ı̂n V atunci B = {e1 , e2 , e3 } este o bază
ortonormată a lui R3 ı̂n raport cu care matricea lui A are forma
 
1 0 0
A0 =  0 α β 
 
0 γ δ
!
α β
unde este o matrice ortogonală. Notând cu S matricea de trecere de la
γ δ
baza canonică la baza B avem relaţia
   
1 0 0 a11 a21 a31
−1 
 0 α β  = S  a12 a22 a32  S
  
0 γ δ a13 a23 a33
din care rezultă

α β
=1

γ δ

!
α β
ceea ce arată că ∈ SO(2). Conform exerciţiului anterior există t ∈ [0, 2π)
γ δ
ı̂ncât ! !
α β cos t − sin t
= .
γ δ sin t cos t
Observaţia 8.7 Matricea  
1 0 0
 0 cos t − sin t 
 
0 sin t cos t
este matricea unei rotaţii ı̂n jurul vectorului e1 (vectorul propriu corespunzător val-
orii proprii λ = 1). Grupul SO(3) este grupul rotaţiilor spaţiului tridimensional.
Exerciţiul 8.10 Aplicaţia SO(3) −→ O(R3 ) prin care matricei

 
a11 a12 a13
g =  a21 a22 a23  ∈ SO(3)
 
a31 a32 a33
i se asociază transformarea ortogonală g : R3 −→ R3 ,
g(x1 , x2 , x3 ) = (a11 x1 +a12 x2 +a13 x3 , a21 x1 +a22 x2 +a23 x3 , a31 x1 +a32 x2 +a33 x3 )
este o reprezentare ortogonală a grupului SO(3) ı̂n R3 .
Exerciţiul 8.11 Aplicaţia
T : SO(3) −→ GL(F(R3 , C)) : g 7→ T (g)
unde
T (g) : F(R3 , C) −→ F(R3 , C), (T (g)f )(x) = f (g −1 x)
este o reprezentare liniară ı̂n spaţiul vectorial complex F(R3 , C) al tuturor funcţiilor
f : R3 −→ C.
Rezolvare. Avem
(T (g1 g2 )f )(x) = f ((g1 g2 )−1 x) = f (g2−1 g1−1 x)
= f (g2−1 (g1−1 x)) = (T (g2 )f )(g1−1 x)
= (T (g1 )(T (g2 )f ))(x) = (T (g1 )T (g2 )f )(x).

Exerciţiul 8.12 Mulţimea de matrice
n o
O(1, 3) = A ∈ GL(4, R) | A I1,3 t A = I1,3
unde  
1 0 0 0
 0 −1 0 0 
I1,3 = 
 
0 0 −1 0

 
0 0 0 −1
considerată ı̂mpreună cu ı̂nmulţirea este grup (se numeşte grupul Lorentz).
Exerciţiul 8.13
( ! )
α β
2 2
SU (2) = α, β ∈ C, |α| + |β| = 1

−β̄ ᾱ
Rezolvare. Avem
γ = −β̄
 
! 
 ᾱ γ + β̄ δ = 0 

α β  
∈ SU (2) =⇒ −βγ + αδ = 1 =⇒ δ = ᾱ
γ δ 
 

|α|2 + |β|2 = 1 |α|2 + |β|2 = 1.
 
Observaţia 8.8 Grupul SU (2) admite parametrizarea

  
0 ≤ ϕ < 2π


 ei(ϕ+ψ)/2 cos 12 θ i ei(ϕ−ψ)/2 sin 21 θ



SU (2) =   0≤θ≤π
i e−i(ϕ−ψ)/2 sin 12 θ e−i(ϕ+ψ)/2 cos 21 θ

−2π ≤ ψ ≤ 2π

 

cu proprietatea
ei(ϕ+ψ)/2 cos 12 θ i ei(ϕ−ψ)/2 sin 21 θ
 
 
i e−i(ϕ−ψ)/2 sin 12 θ e−i(ϕ+ψ)/2 cos 12 θ
cos 21 θ i sin 12 θ
   
eiϕ/2 0 eiψ/2 0
=   
0 e−iϕ/2 i sin 12 θ cos 12 θ 0 e−iψ/2
parametrii ϕ, θ, ψ fiind numiţi unghiurile lui Euler.
Exerciţiul 8.14 Dacă a, b ∈ Mn×n (K) atunci
tr (ab) = tr (ba).
Rezolvare. Avem
n
X n X
X n n X
X n n
X
tr (ab) = (ab)ii = aij bji = bji aij = (ba)jj = tr (ba).
i=1 i=1 j=1 j=1 i=1 j=1
Observaţia 8.9 Folosind baza canonică a lui R3 , putem identifica grupul SO(3) cu
grupul de transformări
{ A : R3 −→ R3 | detA = 1, ||Ax|| = ||x||, ∀x ∈ R3 }.
Propoziţia 8.23 a) Spaţiul matricelor antihermitice de urmă nulă de ordinul doi
W = { u ∈ M2×2 (C) | u∗ = −u, tr u = 0 }
este un spaţiu vectorial real de dimensiune 3 şi

!
3 ix3 −x2 + ix1
h : R −→ W, h(x1 , x2 , x3 ) =
x2 + ix1 −ix3
este un izomorfism cu proprietatea
||x||2 = det h(x), ∀x ∈ R3 .
b) Aplicaţia
η : SU (2) −→ SO(3) : g 7→ η(g)
unde
η(g) : R3 −→ R3 , η(g)x = h−1 (g h(x) g ∗ )
este un morfism de grupuri cu nucleul

( ! ) ( ! !)
1 0 1 0 −1 0
Ker η = g ∈ SU (2) η(g) = = , .

0 1 0 1 0 −1
Demonstraţie. a) Avem
! !
α11 + iβ11 α12 + iβ12 iβ11 α12 + iβ12
u= ∈ W =⇒ u = .
α21 + iβ21 α22 + iβ22 −α12 + iβ12 −iβ11
b) Din definiţia lui η rezultă că
η(g1 g2 )x = h−1 ((g1 g2 ) h(x) (g1 g2 )∗ ) = h−1 (g1 g2 h(x) g2∗ g1∗ )
= h−1 (g1 h(h−1 (g2 h(x) g2∗ ))g1∗ ) = η(g1 )(η(g2 )x) = (η(g1 ) η(g2 ))x.
Utilizând baza canonică a lui R3 obţinem relaţiile

 
cos ϕ − sin ϕ 0
 
eiϕ/2 0
η  sin ϕ
= cos ϕ 0 

0 e−iϕ/2 0 0 1
 
cos 12 θ i sin 12 θ 1 0 0
 
η  0 cos θ − sin θ 
= 
i sin 12 θ 1
cos 2 θ 0 sin θ cos θ
din care deducem că det η(g) = 1. Deoarece
(g h(x) g ∗ )∗ = g (h(x))∗ g ∗ = −g h(x) g ∗ )∗ = g
tr(g h(x) g ∗ ) = tr(g g ∗ h(x)) = tr h(x) = 0
||η(g)x||2 = det (g h(x) g ∗ ) = det h(x) = ||x||2
rezultă că η este un morfism de grupuri bine definit. Elementul g ∈ SU (2) aparţine
nucleului lui η dacă şi numai dacă η(g)x = x oricare ar fi x ∈ R3 . Din relaţiile
η(g)(1, 0, 0) = (1, 0, 0), η(g)(0, 1, 0) = (0, 1, 0), η(g)(0, 0, 1) = (0, 0, 1)

( ! !)
1 0 −1 0
se deduce că g ∈ , .
0 1 0 −1
Observaţia 8.10 Prin morfismul η : SU (2) −→ SO(3) fiecare element al lui SO(3)
corespunde la două elemente din SU (2) care diferă doar prin semn, η(g) = η(−g).
Orice reprezentare liniară
T : SU (2) −→ GL(V )
cu proprietatea T (g) = T (−g) defineşte o reprezentare liniară a grupului SO(3).
Exerciţiul 8.15 Aplicaţia SU (2) −→ GL(C2 ) obţinută asociind fiecarui element

!
α β
g= ∈ SU (2)
−β̄ ᾱ
transformarea
g : C2 −→ C2 , g(z1 , z2 ) = (αz1 + βz2 , −β̄z1 + ᾱz2 )
este o reprezentare unitară bidimensională a lui SU (2).

Rezolvare. Avem (g1 g2 )(z1 , z2 ) = g1 (g2 (z1 , z2 )).
Exerciţiul 8.16 Aplicaţia T : SU (2) −→ GL(F(C2 , C)) obţinută asociind fiecarui

element g ∈ SU (2) transformarea
T (g) : F(C2 , C) −→ F(C2 , C), (T (g)f )(z1 , z2 ) = f (g −1 (z1 , z2 ))
este o reprezentare liniară a grupului SU (2) in spaţiul vectorial complex al tuturor

funcţiilor f : C2 −→ C.
b) Pentru orice n ∈ N subspaţiul vectorial al polinoamelor omogene de grad n
n
( )

ak z1k z2n−k
X
2
En = f : C −→ C, f (z1 , z2 ) = ak ∈ C

k=0
este un subspaţiu invariant al reprezentării definite la punctul a).
Rezolvare. Inversul elemntului

!
α β
g= ∈ SU (2)
−β̄ ᾱ
este !
−1 ᾱ −β
g =
β̄ α
şi ı̂n cazul
n
ak z1k z2n−k
X
f (z1 , z2 ) =
k=0
obţinem
n
(T (g)f )(z1 , z2 ) = f (g −1 (z1 , z2 )) =
X
ak (ᾱz1 − βz2 )k (β̄z1 + αz2 )n−k .
k=0
Observaţia 8.11 Se poate arăta că reprezentările lui SU (2) induse ı̂n subspaţiile En
sunt reprezentări ireductibile şi că ele sunt până la o echivalenţă toate reprezentările
ireductibile ale grupului SU (2). Notând j = (n − 1)/2, adică n = 2j + 1, obţinem
n j
ak z1k z2n−k aj+m z1j+m z2j−m .
X X
f (z1 , z2 ) = =
k=0 m=−j
şi
j
X
(T (g)f )(z1 , z2 ) = aj+m (ᾱz1 − βz2 )j+m (β̄z1 + αz2 )j−m .
m=−j
Pentru fiecare element a ∈ SO(3) există exact două elemente ga şi −ga ı̂n SU (2)
ı̂ncât a = η(ga ) = η(−ga ). Deoarece
(T (−g)f )(z1 , z2 ) = (−1)2j (T (g)f )(z1 , z2 )
in cazul in care j este intreg, relaţia
SO(3) −→ GL(E2j+1 ) : a 7→ T (ga )
este o reprezentare ireductibilă (2j + 1)-dimensională a grupului SO(3) ı̂n spaţiul

vectorial E2j+1 .
176
Capitolul 9
Algebre Lie. Reprezentări

liniare
9.1 Algebre Lie
Vom prezenta câteva elemente referitoare la algebre Lie şi reprezentările lor liniare.
Definiţia 9.1 Fie K unul dintre corpurile R şi C. Prin algebră asociativă peste
corpul K se ı̂nţelege o mulţime A considerată ı̂mpreună cu trei operaţii
A × A :−→ A : (a, b) 7→ a + b (adunarea)

K × A :−→ A : (α, a) 7→ αa (inmultirea cu scalari)
A × A :−→ A : (a, b) 7→ ab (inmultirea interna)
astfel ı̂ncât A ı̂mpreună cu primele două operaţii este spaţiu vectorial şi
1) a(b + c) = ab + ac, ∀a, b, c ∈ A;
2) (a + b)c = ac + bc, ∀a, b, c ∈ A;
3) a(bc) = (ab)c, ∀a, b, c ∈ A;
4) α(ab) = (αa)b = a(αb), ∀a, b ∈ A, ∀α ∈ K.
Prin dimensiunea algebrei A se ı̂nţelege dimensiunea spaţiului vectorial corespunzător.
Exerciţiul 9.1 a) Mulţimea Mn×n (K) a tuturor matricelor pătrate de ordinul n

considerată ı̂mpreună cu operaţiile de adunare a matricelor, ı̂nmulţire cu scalari şi
produsul matricelor este o algebră asociativă peste K.
177
b) Dacă V este un spaţiu vectorial peste K atunci mulţimea L(V ) a tuturor operato-
rilor liniari A : V −→ V considerată ı̂mpreună cu adunarea operatorilor, ı̂nmulţirea
cu scalari şi compunerea operatorilor este o algebră asociativă peste K.
Definiţia 9.2 Fie K unul dintre corpurile R şi C. Prin algebră Lie peste corpul
K se ı̂nţelege o mulţime L considerată ı̂mpreună cu trei operaţii
L × L :−→ L : (a, b) 7→ a + b (adunarea)

K × L :−→ L : (α, a) 7→ αa (inmultirea cu scalari)
L × L :−→ L : (a, b) 7→ [a, b] (crosetul)
astfel ı̂ncât L ı̂mpreună cu primele două operaţii este spaţiu vectorial şi
1) [αa + βb, c] = α[a, c] + β[b, c], ∀a, b, c ∈ L, ∀α, β ∈ K;
2) [a, b] + [b, a] = 0, ∀a, b ∈ L;
3) [[a, b], c] + [[b, c], a] + [[c, a], b] = 0, ∀a, b, c ∈ A (identitatea Jacobi).
Prin dimensiunea algebrei Lie se ı̂nţelege dimensiunea spaţiului vectorial corespunzător.
Observaţia 9.1 O algebră Lie L poate fi privită ca un spaţiu vectorial L pe care

s-a definit o lege de compoziţie internă suplimentară
L × L :−→ L : (a, b) 7→ [a, b]
compatibilă cu structura de spaţiu vectorial.
Propoziţia 9.3 a) Plecând de la orice algebră asociativă A se obţine o structură

de algebră Lie pe A definind croşetul prin
[a, b] = ab − ba.
b) Algebra Lie peste K obţinută plecând de la Mn×n (K) se notează cu gl(n, K).
c) Algebra Lie peste K obţinută plecând de la L(V ) se notează cu gl(V ).
[αa+βb, c] = (αa + βb)c−c(αa + βb) = α(ac − ca)+β(bc − cb) = α[a, c]+β[b, c]

[a, b] = ab − ba = −(ba − ab) = −[b, a]
[[a, b], c] + [[b, c], a] + [[c, a], b] = [(ab − ba), c] + [(bc − cb), a] + [(ca − ac), b]
= (ab−ba)c−c(ab−ba)+(bc−cb)a−a(bc−cb)+(ca−ac)b−b(ca−ac) = 0.
Algebre Lie. Reprezentări liniare 179
Definiţia 9.4 Prin bază a algebrei Lie L se ı̂nţelege o bază {v1 , v2 , ... , vn } a
spaţiului L privit ca spaţiu vectorial. Coeficienţii ckij ∈ K din relaţiile
n
X
[vi , vj ] = ckij vk
k=1
se numesc constantele de structură ale algebrei L referitoare la baza aleasă.
Observaţia 9.2 Notând

 
0 ··· 0 0 0 ··· 0
··· ··· ··· ··· ··· ··· ··· 
 

0 ··· 0 0 0 ··· 0 
 

eij = 
 
 0 ··· 0 1 0 ··· 0  

 0 ··· 0 0 0 ··· 0  
··· ··· ··· ··· ··· ··· ··· 
 

0 ··· 0 0 0 ··· 0
(singurul element nenul este la intersecţa dintre coloana i şi linia j), orice matrice
admite reprezentarea
 
a11 a12 · · · a1n
 
 2
 a1 a22 · · · a2n  n
aji eij = aji eij .
 X
 =
 ··· ··· ··· · · ·  i,j=1
 
 
In cazul n = 2
a11 a12
! ! ! ! !
1 0 0 1 0 0 0 0
= a11 + a12 + a21 + a22
a21 a22 0 0 0 0 1 0 0 1
= a11 e11 + a12 e21 + a21 e12 + a22 e22 .
Propoziţia 9.5 Algebra Lie gl(n, K), de dimensiune n2 , admite baza
{ eij | i, j ∈ {1, 2, ..., n} } cu [eij , ekm ] = δm

i k
ej − δjk eim .
Demonstraţie. Avem eij ekm = δm

i ek .
j
Definiţia 9.6 Prin subalgebră Lie a algebrei L se ı̂nţelege un subspaţiu vectorial
L1 ⊆ L
astfel ı̂ncât )
a ∈ L1
=⇒ [a, b] ∈ L1 .
b ∈ L1
Observaţia 9.3 Fiecare subalgebră Lie a unei algebre L are o structură de algebră
Lie.
Exerciţiul 9.2 a) Mulţimea matricelor de urmă nulă
sl(n, K) = { g ∈ gl(n, K) | tr g = g11 +g22 + · · · +gnn = 0 }
este o subalgebră Lie de dimensiune n2 −1 a algebrei gl(n, K).

b) Mulţimea matricelor antihermitice
u(n) = { g ∈ gl(n, C) | t ḡ = −g }
are o structură naturală de algebră Lie reală de dimensiune n2 .

c) Mulţimea matricelor antihermitice de urmă nulă
su(n) = u(n) ∩ sl(n, C) = { g ∈ u(n) | tr g = 0 }
are o structură naturală de algebră Lie reală de dimensiune n2 − 1.

d) Mulţimea matricelor strâmb simetrice
o(n) = { g ∈ gl(n, R) | t g = −g }
n(n−1)
are o structură naturală de algebră Lie reală de dimensiune 2 .
e) Mulţimea de matrice
     



1 0 0 0 1 0 0 0 

  0 −1 0 
 0   0 −1 0 0 
t

o(1, 3) = g ∈ gl(4, R) g  =−   g
  

  0 0 −1 0   0 0 −1 0  

 
 0 0 0 −1 0 0 0 −1 
are o structură naturală de algebră Lie reală de dimensiune 6 (numită algebra Lie a
grupului Lorentz).
Rezolvare. a) Avem tr(a + b) = tr a + tr b, tr(αa) = α tr a,
n n X
n n X
n n
akj bjk = bjk akj = (ba)jj = tr ba
X X X X
tr ab = (ab)kk =
k=1 k=1 j=1 j=1 k=1 j=1
şi prin urmare, tr [a, b] = tr(ab−ba) = 0, oricare ar fi a, b ∈ gl(n, K). O bază a algebrei
Lie sl(n, K) este
{ ejk | k 6= j } ∪ { ekk −enn | k ∈ {1, 2, ..., n−1} }.
b) Dacă α ∈ R şi a, b ∈ u(n) atunci

t (αa) = ᾱ t ā = −(αa),
t (a + b) = t ā + t b̄ = −a − b = −(a + b),
t [a, b] = t (ab − ba) = t b̄ t ā − t ā t b̄ = ba − ab = −[a, b].
O bază a algebrei Lie u(n) este
{ ejk −ekj | k < j } ∪ { i(ejk +ekj ) | k < j } ∪ { i ekk | k ∈ {1, 2, ..., n} }.
c) O bază a algebrei Lie su(n) este
{ ejk −ekj | k < j } ∪ { i(ejk +ekj ) | k < j } ∪ { i (ekk − enn ) | k ∈ {1, 2, ..., n−1} }.
d) O bază a algebrei Lie o(n) este
{ ejk −ekj | k < j }.
e) Se obţine
   

 0 α1 α2 α3



  α 
 1 0 α4 α5 
 
o(1, 3) =  α , α , ... , α6 ∈ R .
 α2 −α4 0 α6  1 2


 

 

α3 −α5 −α6 0 
O bază a algebrei Lie o(1, 3) este { e21 +e12 , e31 +e13 , e41 +e14 , e31 −e13 , e24 −e42 , e34 −e43 }.
Definiţia 9.7 Fie G ⊆ GL(n, K) un subgrup. Prin subgrup cu un parametru

al grupului G se ı̂nţelege un morfism de grupuri
g : R −→ G
adică o aplicaţie astfel ı̂ncât
g(t + s) = g(t) g(s), ∀t, s ∈ R.
Exerciţiul 9.3 Oricare ar fi matricea a ∈ gl(n, K) aplicaţia
g : R −→ GL(n, K), g(t) = eta
este un subgrup cu un parametru al lui GL(n, K) astfel ı̂ncât

dg
(0) = a
dt
(a poate fi privit ca fiind “generatorul infinitezimal” al subgrupului considerat).
Rezolvare. Ţinând seama de definiţia exponenţialei unei matrice obtinem

d ta
g(t + s) = e(t+s)a = eta esa = g(t) g(s), e = aeta .
dt
Observaţia 9.4 Dacă matricea A ∈ Mn×n (K) este diagonalizabilă atunci există o
matrice inversabilă S ∈ Mn×n (K) şi λ1 , λ2 , ... , λn astfel ı̂ncât
 
λ1 0 · · · 0
 0 λ2 · · · 0 
A = S −1  S
 
 ··· ··· ··· ··· 
0 0 · · · λn
relaţie din care rezultă tr A = λ1 + λ2 + ... + λn şi egalitatea

 λ 
e 1 0 ··· 0
 0 eλ2 ··· 0 
eA = S −1  S
 
 ··· ··· ··· ··· 
0 0 · · · eλn
care conduce la
det eA = eλ1 +λ2 +...+λn = etr A .
Se poate arăta că relaţia det eA = etr A are loc pentru orice matrice A.
Exerciţiul 9.4 a) Dacă

g : R −→ SL(n, K)
este un subgrup cu un parametru, atunci dg

dt (0) ∈ sl(n, K).
ta
b) Dacă a ∈ sl(n, K) atunci e ∈ SL(n, K), oricare ar fi t ∈ R şi aplicaţia
g : R −→ SL(n, K), g(t) = eta
dg
este un subgrup cu un parametru al lui SL(n, K) astfel ı̂ncât dt (0) = a.
Rezolvare (cazul n=2). Dacă

 
g11 (t) g12 (t)
g : R −→ SL(n, K), g(t) =  
g21 (t) g22 (t)
este un subgrup cu un parametru atunci

g (t) g (t)
11 12

= 1,
∀t ∈ R.
g21 (t) g22 (t)
Derivând această relaţie obţinem egalitatea

g 0 (t) g 0 (t) g (t) g (t)
11 12 11 12
+
0
= 0, ∀t ∈ R

g21 (t) g22 (t) 0 (t)
g21 (t) g22

care ı̂n cazul t = 0 devine

g 0 (0) g 0 (0) 1 0
11 12
+ =0
0 0 (0)
0 1 g21 (0) g22
adică
dg 0 0
tr (0) = g11 (0) + g22 (0) = 0.
dt
g : R −→ U (n)
este un subgrup cu un parametru, atunci dgdt (0) ∈ u(n).

ta
b) Dacă a ∈ u(n) atunci e ∈ U (n), oricare ar fi t ∈ R şi aplicaţia
g : R −→ U (n), g(t) = eta
dg
este un subgrup cu un parametru al lui U (n) astfel ı̂ncât dt (0) = a.
Rezolvare. Dacă g : R −→ U (n) este un subgrup cu un parametru atunci
g(t) t g(t) = I ∀t ∈ R.
Derivând această relaţie obţinem egalitatea

d d
g(t) t g(t) + g(t) t g(t) = 0
dt dt
care ı̂n cazul t = 0 devine
d d
g(0) + t g(0) = 0.
dt dt
g : R −→ SU (n)

dt (0) ∈ su(n).
ta
b) Dacă a ∈ su(n) atunci e ∈ SU (n), oricare ar fi t ∈ R şi aplicaţia
g : R −→ SU (n), g(t) = eta
dg
este un subgrup cu un parametru al lui SU (n) astfel ı̂ncât dt (0) = a.

g : R −→ O(n)

dt (0) ∈ o(n).
ta
b) Dacă a ∈ o(n) atunci e ∈ O(n), oricare ar fi t ∈ R şi aplicaţia
g : R −→ O(n), g(t) = eta
dg
este un subgrup cu un parametru al lui O(n) astfel ı̂ncât dt (0) = a.
9.2 Reprezentări liniare
Definiţia 9.8 Fie L o algebră Lie peste K şi L0 o algebră Lie peste K0 , unde cor-
purile K şi K0 aparţinând lui {R, C} sunt astfel ı̂ncât K ⊆ K0 . Prin morfism de
algebre Lie de la L la L0 se ı̂nţelege o aplicaţie liniară A : L −→ L0 cu proprietatea
A([a, b]) = [Aa, Ab], ∀a, b ∈ L.
Definiţia 9.9 Spunem ca algebrele Lie L şi L0 peste acelaşi corp K sunt izomorfe
dacă există un morfism bijectiv de algebre Lie (numit izomorfism) A : L −→ L0 .
Propoziţia 9.10 Dacă algebrele Lie L şi L0 peste acelaşi corp K şi de aceeaşi di-
mensiune au ı̂n raport cu două baze {e1 , e2 , ..., en } şi respectiv {e01 , e02 , ..., e0n } aceleaşi
constante de structură
n n
[e0i , e0j ] = ckij e0k
X X
[ei , ej ] = ckij ek ,
k=1 k=1
atunci ele sunt izomorfe.
Demonstraţie. Aplicaţia A : L −→ L0 , Aej = e0j , adică
n n
ai e0i
X X
A( ai ei ) =
i=1 i=1
este un izomorfism de algebre Lie. Ea este, evident, liniară, bijectivă şi

hP i
n Pn Pn
A[a, b] = A i=1 ai ei , j=1 bj ej = i,j=1 ai bj A[ei , ej ]
Pn Pn k Pn Pn k 0
= i,j=1 ai bj k=1 cij Aek = i,j=1 ai bj k=1 cij ek
Pn Pn
= i,j=1 ai bj [e0i , e0j ] = i,j=1 ai bj [Aei , Aej ] = [Aa, Ab].
Propoziţia 9.11 Algebrele Lie reale o(3) şi su(2) sunt izomorfe.
Demonstraţie. Algebra Lie o(3) admite baza
{ o1 = e23 − e32 , o2 = e31 − e13 , o3 = e12 − e21 }

cu
[o1 , o2 ] = o3 , [o2 , o3 ] = o1 , [o3 , o1 ] = o2
iar algebra Lie su(2) baza
i 1 i
{ u1 = − (e11 − e22 ), u2 = − (e12 − e21 ), u3 = − (e12 + e21 ) }
2 2 2
cu
[u1 , u2 ] = u3 , [u2 , u3 ] = u1 , [u3 , u1 ] = u2 .
Definiţia 9.12 Prin reprezentare liniară a algebrei Lie L ı̂n spaţiul vectorial
complex V (numită şi reprezentare C-liniară) se ı̂nţelege un morfism de algebre
% : L −→ gl(V ),
adică o aplicaţie liniară cu proprietatea
%([a, b]) = %(a) %(b) − %(b) %(a), ∀a, b ∈ L.
Exerciţiul 9.8 Dacă L este o algebră Lie complexă atunci aplicaţia
% : L −→ gl(L) : a 7→ %(a)
unde
%(a) : L −→ L, %(a)x = [a, x]
este o reprezentare liniară a algebrei L ı̂n spaţiul L, numită reprezentarea adjunctă.
Rezolvare. Aplicaţia % este bine definită
%(a)(αx + βy) = [a, αx + βy] = α[a, x] + β[a, y] = α %(a)x + β %(a)y
liniară
%(αa + βb)x = [αa + βb, x] = α[a, x] + β[b, x] = (α %(a) + β %(b))x
şi din identitatea Jacobi rezultă

%([a, b])x = [[a, b], x] = −[[b, x], a] − [[x, a], b] = [a, [b, x]] − [b, [a, x]]
= %(a)(%(b)x) − %(b)(%(a)x) = (%(a)%(b) − %(b)%(a))x = [%(a), %(b)]x.

9.3 Reprezentări ireductibile
Definiţia 9.13 Fie % : L −→ gl(V ) o reprezentare liniară a algebrei Lie L ı̂n V .

Spunem că subspaţiul vectorial W ⊆ V este invariant faţă de % dacă
%(a)(W ) ⊆ W, ∀a ∈ L
adică dacă )
x∈W
=⇒ %(a)x ∈ W.
a∈L
Definiţia 9.14 Spunem că reprezentarea liniară % : L −→ gl(V ) este o reprezentare

ireductibilă dacă singurele subspaţii invariante sunt {0} şi V . In caz contrar,
reprezentarea este numită reductibilă.
Propoziţia 9.15 Fie L1 , L2 două algebre Lie izomorfe, ϕ : L1 −→ L2 un izomor-

fism de algebre Lie. Dacă
%2 : L2 −→ gl(V )
este o reprezentare liniară a algebrei L2 atunci
%1 : L1 −→ gl(V ), %1 (a) = %2 (ϕ(a))
este o reprezentare liniară a algebrei Lie L1 ı̂n V . Reprezentarea %1 este ireductibilă

dacă şi numai dacă reprezentarea %2 este ireductibilă.
%1 (αa + βb) = %2 (ϕ(αa + βb)) = %2 (α ϕ(a) + β ϕ(b))
= α%2 (ϕ(a)) − β%2 (ϕ(b)) = α%1 (a) − β%1 (b)
%1 ([a, b]) = %2 (ϕ([a, b])) = %2 ([ϕ(a), ϕ(b)]))
= [%2 (ϕ(a)), %2 (ϕ(b))] = [%1 (a), %1 (b)].
Dacă W ⊂ V este un subspaţiu vectorial atunci avem
x ∈ W =⇒ %2 (a)x ∈ W, ∀a ∈ L2
dacă şi numai dacă
x ∈ W =⇒ %1 (a)x = %2 (ϕ(a)) ∈ W, ∀a ∈ L1 .
Observaţia 9.5 Cunoaşterea reprezentărilor ireductibile ale algebrei Lie o(3) este
echivalentă cu cunoaşterea reprezentărilor ireductibile ale algebrei Lie su(2).
Exerciţiul 9.9 Dacă S : V1 −→ V2 este un izomorfism de spaţii vectoriale şi
%2 : L −→ gl(V2 )
este o reprezentare liniară a algebrei Lie L ı̂n spaţiul vectorial V2 atunci
%1 : L −→ gl(V1 ), %1 (a) = S −1 %2 (a) S
este o reprezentare liniară a algebrei Lie L ı̂n spaţiul vectorial V1 .
Reprezentarea %1 este ireductibilă dacă şi numai dacă %2 este ireductibilă.
Rezolvare. Avem
%1 (αa + βb) = S −1 %2 (αa + βb) S
= α S −1 %2 (a) S + β S −1 %2 (b) S = α %1 (a) + β %1 (b)
%1 ([a, b]) = S −1 %2 ([a, b]) S = S −1 (%1 (a) %1 (b) − %1 (b) %1 (a)) S −1
= S %2 (a) S S −1 %2 (b) S − S −1 %2 (b) S S −1 %2 (a)) S
= %1 (a) %1 (b) − %1 (b) %1 (a) = [%1 (a), %1 (b)].
Subspaţiul W ⊂ V1 este invariant dacă şi numai dacă S(W ) ⊂ V2 este invariant. Dacă
subspaţiul S(W ) este invariant, adică
y ∈ S(W ) =⇒ %2 (a)y ∈ S(W ), ∀a ∈ L
atunci
x ∈ W =⇒ %1 (a)x = S −1 %2 (a) Sx ∈ W, ∀a ∈ L.
Deoarece %2 (a) = S%1 (a)S −1 , din
x ∈ W =⇒ %1 (a)x ∈ W, ∀a ∈ L
rezultă
Sx ∈ S(W ) =⇒ %2 (a)Sx = S%1 (a)x ∈ S(W ), ∀a ∈ L.
Definiţia 9.16 Spunem că reprezentările liniare
%1 : L −→ gl(V1 ) si %2 : L −→ gl(V2 )
sunt echivalente dacă există un izomorfism liniar S : V1 −→ V2 astfel ı̂ncât
%1 (a) = S −1 %2 (a) S (9.1)
adică dacă diagrama

%1 (a)
V1 - V1
S S
%2 (a)
? ?
V2 - V2
este comutativă oricare ar fi a ∈ L.
9.4 Reprezentările algebrelor sl(2, C), su(2) şi o(3)
Exerciţiul 9.10 Să se arate că matricele

! ! !
1 1 0 0 1 0 0
a3 = , a+ = , a− =
2 0 −1 0 0 1 0
formează o bază a algebrei Lie complexe sl(2, C) şi
[a3 , a± ] = ±a± , [a+ , a− ] = 2 a3 .
Dacă
% : sl(2, C) −→ gl(V )
este o reprezentare a algebrei Lie sl(2, C) ı̂n spaţiul V atunci operatorii liniari
A3 = %(a3 ), A+ = %(a+ ), A− = %(a− )

verifică relaţiile
[A3 , A± ] = ±A± , [A+ , A− ] = 2 A3 .
Rezolvare. Matricea !
α11 α12
∈ M2×2 (C)
α21 α22
apartine algebrei Lie sl(2, C) dacă şi numai dacă α11 + α22 = 0. Dar ı̂n acest caz
!
α11 α12
= 2α11 a3 + α12 a+ + α21 a− .
α21 −α11
Deoarece % este morfism de algebre Lie obţinem
[A3 , A± ] = [%(a3 ), %(a± )] = %([a3 , a± ]) = %(±a± ) = ±%(a± ) = ±A±
[A+ , A− ] = [%(a+ ), %(a− )] = %([a+ , a− ]) = %(2 a3 ) = 2%(a3 ) = 2 A3 .

% : sl(2, C) −→ gl(V )
este reprezentare ireductibilă de dimensiune n = 2j+1 atunci există v 6= 0 astfel ı̂ncât
A3 v = jv si A+ v = 0
unde A3 = %(a3 ), A+ = %(a+ ).
Demonstraţie. Operatorul liniar A3 : V −→ V admite cel puţin o valoare proprie

λ ∈ C. Fie x0 ∈ V un vector propriu corespunzător, adică A3 x0 = λx0 . Deoarece
A3 (A+ x0 ) = (A3 A+ )x0 = (A+ A3 + A+ )x0 = A+ A3 x0 + A+ x0 = (λ + 1)A+ x0
rezultă că vectorul x1 = A+ x0 verifică relaţia
A3 x1 = (λ + 1)x1 .
Similar, din
A3 (A+ x1 ) = (A3 A+ )x1 = (A+ A3 + A+ )x1 = A+ A3 x1 + A+ x1 = (λ + 2)A+ x1

rezultă că vectorul x2 = A+ x1 = (A+ )2 x0 verifică relaţia
A3 x2 = (λ + 2)x2 .
Se poate astfel arăta că toţi vectorii din şirul
x0 , x1 = A+ x0 , x2 = (A+ )2 x0 , x3 = (A+ )3 x0 , ...
A3 xk = (λ + k)xk .
Vectorii nenuli din acest şir sunt vectori proprii ai lui A3 şi deoarece corespund la
valori proprii distincte ei sunt liniar independenţi. Spaţiul V fiind finit dimensional,
rezultă ca şirul x0 , x1 , x2 , ... poate conţine doar un număr finit de vectori nenuli,
adică există xl 6= 0 cu xl+1 = A+ xl = 0. Alegând v = xl avem A+ v = 0. Fie şirul
de vectori
w0 = v, w1 = A− w0 , w2 = (A− )2 w0 , ...
Avem
A3 w0 = (λ + l)w0
A3 w1 = A3 (A− w0 ) = (A3 A− )w0 = (A− A3 − A− )w0 = (λ + l − 1)w1
A3 w2 = A3 (A− w1 ) = (A3 A− )w1 = (A− A3 − A− )w1 = (λ + l − 2)w2
şi ı̂n general
A3 wk = (λ + l − k)wk .
La fel ca mai sus se arată că şirul w0 , w1 , w2 , ... conţine un număr finit de termeni
nenuli, că există wm 6= 0 cu wm+1 = A− wm = 0. Deoarece
A+ w1 = A+ (A− w0 ) = (A+ A− )w0 = ([A+ , A− ] + A− A+ )w0
= 2 A3 w0 = (2λ + 2l)w0
A+ w2 = A+ (A− w1 ) = (A+ A− )w1 = ([A+ , A− ] + A− A+ )w1
= (2 A3 + A− A+ )w1 = 2(λ + l − 1)w1 + (2λ + 2l)A− w0
= 2(2λ + 2l − 1)w1
A+ w3 = A+ (A− w2 ) = (A+ A− )w2 = ([A+ , A− ] + A− A+ )w2
= (2 A3 + A− A+ )w2 = 2(λ + l − 2)w2 + 2(2λ + 2l − 1)A− w1
= 3(2λ + 2l − 2)w2
şi ı̂n general

A+ wk = k(2λ + 2l − k)wk−1
subspaţiul
W = hw0 , w1 , ... , wm i
generat de vectorii liniar independenţi w0 , w1 , ... , wm este invariant faţă de acţiunea

operatorilor A3 , A+ şi A− . Reprezentarea % fiind ireductibilă trebuie ca W = V şi
deci n = m + 1. Matricea operatorului A3 ı̂n raport cu baza {w0 , w1 , ... , wm } este
matricea diagonală
 
λ+l 0 ··· 0 0

 0 λ+l−1 ··· 0 0 

··· ··· ··· ··· ··· .
 

··· λ + l − m + 1
 
 0 0 0 
0 0 ··· 0 λ+l−m
Pe de altă parte din relaţia [A+ , A− ] = 2 A3 rezultă că
1 1
trA3 = tr([A+ , A− ]) = (tr(A+ , A− ) − tr(A− A+ )) = 0.
2 2
Deducem că
(λ + l) + (λ + l − 1) + · · · (λ + l − m) = 0
adică
m(m + 1)
(m + 1)(λ + l) − = 0.
2
Deoarece n = m + 1, rezultă că
m n−1
λ+l = =
2 2
şi notând j = (n − 1)/2 obţinem A3 v = j v.

% : sl(2, C) −→ gl(V )
este reprezentare ireductibilă de dimensiune n = 2j +1 si v 6= 0 este astfel ı̂ncât
A3 v = j v, A+ v = 0
atunci sistemul de vectori

{ v−j , v−j+1 , ... , vj }
definit prin relaţiile

q
vj = v, A− v k = j(j + 1) − k(k − 1) vk−1
este o bază a lui V astfel ı̂ncât

q
A3 v k = k v k , A+ vk = j(j + 1) − k(k + 1) vk+1 .
j(j + 1) − k(k − 1) = 0 =⇒ k = −j sau k = j + 1
rezultă că există constantele nenule c1 , c2 , ... , c2j astfel ı̂ncât
v j = w0 , vj−1 = c1 w1 , vj−2 = c2 w2 , ... v−j = c2j w2j
unde {w0 , w1 , ..., w2j } este baza lui V obtinută ı̂n demonstraţia propoziţiei prece-
dente. Deoarece A3 wk = (j − k)wk rezultă că A3 vk = k vk . Din relaţia
q p
A− vj = j(j +1) − j(j −1) vj−1 = 2j vj−1
rezultă
A+ vj−1 = √1 A+ A− vj = √12j (A− A+ + 2A3 )vj
2j
√
√1
p
= 2j
2j vj = 2j vj = j(j +1) − (j −1)j vj .
p
Presupunând că A+ vk = j(j + 1) − k(k + 1) vk+1 obţinem
1 1
A+ vk−1 = √ A+ A− v k = √ (A− A+ + 2A3 )vk
j(j+1)−k(k−1) j(j+1)−k(k−1)
p
1
=√ j(j + 1) − k(k + 1)A− vk+1 + 2A3 vk
j(j+1)−k(k−1)
1
=√ ( (j(j + 1) − k(k + 1)) + 2k ) vk
j(j+1)−k(k−1)
p
= j(j + 1) − (k − 1)k vk .
Teorema 9.19 a) Oricare ar fi n ∈ {0, 1, 2, ...}, oricare ar fi spaţiul vectorial complex

V de dimensiune n = 2j+1 şi oricare ar fi baza {v−j , v−j+1 , ... , vj } a lui V aplicaţia
% : sl(2, C) −→ gl(V )
definită prin relaţiile

q
A3 v k = k v k , A ± vk = j(j + 1) − k(k ± 1) vk±1 (9.2)
unde A3 = %(a3 ) şi A± = %(a± ), este o reprezentare ireductibilă a algebrei Lie sl(2, C).
b) Reprezentările (9.2) care au aceeaşi dimensiune sunt echivalente.
c) Reprezentările (9.2) sunt până la o echivalenţă toate reprezentările ireductibile
finit dimensionale ale algebrei Lie sl(2, C).
Demonstraţie. a) Avem
[A3 , A± ] vk = (A3 A± − A± A3 )vk

p p
= (k ± 1) j(j + 1) − k(k ± 1) vk±1 − k j(j + 1) − k(k ± 1) vk±1
p
= ± j(j + 1) − k(k ± 1) vk±1 = ±A± vk
[A+ , A− ] vk = (A+ A− − A− A+ )vk

p p
= j(j + 1) − k(k − 1) A+ vk−1 − j(j + 1) − k(k + 1) A− vk+1
= (j(j + 1) − k(k − 1))vk − (j(j + 1) − k(k + 1))vk = 2k vk = 2A3 vk

ceea ce arată că relaţiile (9.2) definesc o reprezentare a algebrei Lie sl(2, C). Fie
W 6= {0} un subspaţiu invariant şi fie
x = x−j v−j + x−j+1 v−j+1 + · · · + xj vj ∈ W
un vector nenul fixat. Cel puţin unul dintre coeficienţii lui x este nenul. Fie
k = min{ l | xl 6= 0 }
Din (9.2) rezultă că

(A+ )j−l x = c vj
unde c este o constantă nenulă. Deoarece W este invariant, din relaţia precedentă
rezultă că vj ∈ W şi apoi că vectorii
A− v j , (A− )2 vj , (A− )3 vj , ... , (A− )2j vj
care coincid până la ı̂nmulţirea cu anumite constante nenule cu vectorii
vj−1 , vj−2 , ... , v−j
aparţin lui W . Rezultă astfel că orice subspaţiu invariant nenul W coincide cu V .
b) Dacă
% : sl(2, C) −→ gl(V ), %0 : sl(2, C) −→ gl(V 0 )
sunt două reprezentări liniare de dimensiune n = 2j + 1 şi
0 0
{v−j , v−j+1 , ... , vj }, {v−j , v−j+1 , ... , vj0 }
bazele corespunzătoare atunci
S : V −→ V 0 , Svk = vk0
este un izomorfism liniar şi
%(a) = S −1 %0 (a) S, ∀a ∈ sl(2, C).
c) Afirmaţia rezultă din propoziţiile 9.17 şi 9.18.

%1 : L −→ gl(V1 ), %2 : L −→ gl(V2 )
sunt reprezentări liniare ale algebrei Lie L, atunci aplicaţia
%1 ⊕ %2 : L −→ gl(V1 ⊕ V2 )
definită prin relaţia
(%1 ⊕ %2 )(a)(x1 , x2 ) = (%1 (a)x1 , %2 (a)x2 )
este o reprezentare liniară (numită suma directă a reprezentărilor %1 şi %2 ) ı̂n
V1 ⊕ V2 = { (x1 , x2 ) | x1 ∈ V1 , x2 ∈ V2 }.
Demonstraţie. Aplicaţia %1 ⊕ %2 este liniară
(%1 ⊕ %2 )(αa + βb) = α(%1 ⊕ %2 )(a) + β(%1 ⊕ %2 )(b)
şi
(%1 ⊕ %2 )([a, b])(x1 , x2 ) = (%1 ([a, b])x1 , %2 ([a, b])x2 )
= ([%1 (a), %1 (b)]x1 , [%2 (a), %2 (b)]x2 )
= (%1 (a)%1 (b)x1 − %1 (b)%1 (a)x1 , %2 (a)%2 (b)x2 − %2 (b)%2 (a)x2 )
= (%1 ⊕ %2 )(a) (%1 (b)x1 , %2 (b)x2 ) − (%1 ⊕ %2 )(b) (%1 (a)x1 , %2 (a)x2 )
= [(%1 ⊕ %2 )(a), (%1 ⊕ %2 )(b)](x1 , x2 ).

Observaţia 9.6 In teorema 9.19 am descris reprezentările ireductibile ale algebrei
Lie sl(2, C). Se poate arăta că orice reprezentare liniară finit dimensională a algebrei
Lie sl(2, C) este o sumă directă de astfel de reprezentări.
Propoziţia 9.21 Fie L o algebră Lie reală. Definind pe complexificatul spaţiului

vectorial L
C
L = { a + i a0 | a, a0 ∈ L }
croşetul
[a + i a0 , b + i b0 ] = [a, b] − [a0 , b0 ] + i ([a, b0 ] + [a0 , b])
obţinem o algebră Lie complexă numită complexificata algebrei Lie reale L.
Demonstraţie. Prin calcul direct se arată că
[(α + iα0 )(a + ia0 ) +(β + iβ 0 )(b + ib0 ), c + ic0 ]
= (α + iα0 )[a + ia0 , c + ic0 ] + (β + iβ 0 )[b + ib0 , c + ic0 ]
[a + ia0 , b + ib0 ] = −[b + ib0 , a + ia0 ]
[[a + ia0 , b + ib0 ], c + ic0 ] +[[b + ib0 , c + ic0 ], a + ia0 ]
+[[c + ic0 , a + ia0 ], b + ib0 ] = 0.
Propoziţia 9.22 a) Dacă L este o algebră Lie reală şi dacă
% : L −→ gl(V )
este o reprezentare liniară (ı̂n spaţiul vectorial complex V ) atunci
%̃ : CL −→ gl(V ), %̃(a + ia0 )x = %(a)x + i %(a0 )x
este o reprezentare liniară.

b) Reprezentarea %̃ este ireductibilă dacă şi numai dacă % este ireductibilă.
Demonstraţie. a) Se arată prin calcul direct că %̃ este aplicaţie C-liniară
%̃( (a + ia0 ) + (b + ib0 ) ) = %̃(a + ia0 ) + %̃(b + ib0 )
%̃( (α + iβ)(a + ia0 ) ) = (α + iβ) %̃(a + ia0 )
şi că
%̃( [a + ia0 , b + ib0 ]) = [%̃(a + ia0 ), %̃(b + ib0 )].
b) Dacă W ⊂ V este astfel ı̂ncât
x∈W =⇒ %(a)x ∈ W
oricare ar fi a ∈ L, atunci
x∈W =⇒ %̃(a + ia0 )x = %(a)x + i %(a0 )x ∈ W
oricare ar fi a + ia0 ∈ C L. Invers, dacă
x∈W =⇒ %̃(a + ia0 )x ∈ W

oricare ar fi a + ia0 ∈ C L, atunci
x∈W =⇒ %(a)x = %̃(a + i0)x ∈ W
oricare ar fi a ∈ L.
Observaţia 9.7 L poate fi identificată cu o submulţime a lui C L folosind aplicaţia
L −→ C L : a 7→ a + i 0.
Mai mult,
[a, b] = [a + i0, b + i0], ∀a, b ∈ L.
Dacă {b1 , b2 , ..., bn } este o bază a algebrei Lie reale L,
L = { α1 b1 + α2 b2 + · · · + αn bn | αj ∈ R }
atunci {b1 , b2 , ..., bn } este ı̂n acelaşi timp bază a algebrei Lie complexe C L,
C
L = { α1 b1 + α2 b2 + · · · + αn bn | αj ∈ C }.
Propoziţia 9.23 a) Dacă

% : CL −→ gl(V )
este o reprezentare liniară a complexificatei algebrei Lie reale L atunci
%|L : L −→ gl(V ), %|L (a)x = %(a + i0)x
este o reprezentare liniară a lui L.

b) Reprezentarea %|L este ireductibilă dacă şi numai dacă % este ireductibilă.
Demonstraţie. a) Aplicaţia %|L este R-liniară
%|L (a + b) = %(a + b + i0) = %(a + i0) + %(b + i0) = %|L (a) + %|L (b)
%|L (αa) = %(αa + i0) = α%(a + i0) = α%|L (a)
şi
%|L ([a, b]) = %([a, b] + i0) = %([a + i0, b + i0])
= [%(a + i0), %(b + i0)] = [%|L (a), %|L (b)].

b) Dacă W ⊂ V este astfel ı̂ncât
x∈W =⇒ %(a + ia0 )x ∈ W
oricare ar fi a + ia0 ∈ CL, atunci
x∈W =⇒ %|L (a)x = %(αa + i0)x ∈ W
oricare ar fi a ∈ L. Invers, dacă
x∈W =⇒ %|L (a)x ∈ W
oricare ar fi a ∈ L, atunci
x∈W =⇒ %(a + ia0 )x = %(a + i0)x
= %( (a + i0) + (0 + i) (a0 + i0) )x
= %(a + i0)x + i%(a0 + i0)x
= %|L (a)x + i%|L (a0 )x ∈ W
oricare ar fi a + ia0 ∈ CL.
Propoziţia 9.24 Complexificata C su(2) a algebrei su(2) este izomorfă cu sl(2, C).
Demonstraţie. Algebra Lie reală su(2) admite baza
i 1 i
{ u1 = − (e11 − e22 ), u2 = − (e12 − e21 ), u3 = − (e12 + e21 ) }
2 2 2
cu
[u1 , u2 ] = u3 , [u2 , u3 ] = u1 , [u3 , u1 ] = u2
iar algebra Lie complexă sl(2, C) baza
1

a3 = (e11 − e22 ), a+ = e21 , a− = e12
2
cu
[a3 , a± ] = ±a± , [a+ , a− ] = 2 a3 .
Aplicaţia C-liniară A : C su(2) −→ sl(2, C) definită prin
1 i
Au1 = −i a3 , Au2 = (a+ − a− ), Au3 = − (a+ + a− )
2 2
este un izomorfism de algebre Lie deoarece
h i
[Au1 , Au2 ] = −i a3 , 21 (a+ − a− ) = − 2i [a3 , a+ ] + 2i [a3 , a− ]
= − 2i (a+ + a− ) = A u3 = A [u1 , u2 ]
h i
1
[Au2 , Au3 ] = 2 (a+ − a− ), − 2i (a+ + a− ) = − 4i ([a+ , a− ] − [a− , a+ ])
= − 2i [a+ , a− ] = −i a3 = Au1 = A [u2 , u3 ]

h i
[Au3 , Au1 ] = − 2i (a+ + a− ), −i a3 = − 12 [a+ , a3 ] − 12 [a− , a3 ]
= − 21 a+ − 12 a− = Au2 = A [u3 , u1 ].
Observaţia 9.8 Din propoziţia 9.23 rezultă că descrierea reprezentarilor ireductibile
ale algebrelor Lie izomorfe o(3) şi su(2) este echivalentă cu descrierea reprezentarilor
ireductibile ale algebrei Lie complexe Csu(2).
Pe de altă parte, din propoziţiile 9.15 şi 9.24 rezultă că descrierea reprezentărilor ire-
ductibile ale algebrei Csu(2) este echivalentă cu descrierea reprezentărilor ireductibile
ale algebrei sl(2, C), reprezentări descrise ı̂n teorema 9.19.
Propoziţia 9.25 Plecând de la orice algebră Lie complexă L se poate obţine o al-
gebră Lie reală L0 prin restricţia scalarilor şi
dimR L0 = 2 dimC L.
Observaţia 9.9 Alegând baze adecvate, se poate arăta că algebra Lie reală sl(2, C)0
obţinută din sl(2, C) prin restricţia scalarilor este izomorfă cu algebra Lie o(1, 3) a
grupului Lorentz.
Bibliografie
[1] I. Armeanu, Analiză Funcţională, Editura Universităţii din Bucureşti, 1998.
[2] D. Beklémichev, Cours de Géométrie Analytique et d’Algèbre Linéaire, Éditions

Mir, Moscou, 1988.
[3] V. Brı̂nzănescu, O. Stănăşilă, Matematici Speciale. Teorie, Exemple, Aplicaţii,

Editura ALL EDUCATIONAL S. A., 1998.
[4] L. V. Kantorovich, G. P. Akilov, Analiză Funcţională, Editura Ştiinţifică şi

Enciclopedică, Bucureşti, 1986.
[5] W. Miller, Jr., Lie Theory and Special Functions, Academic Press, New York,
1968.
[6] M. Naı̈mark, A. Stern, Théorie des Représentations des Groupes, Éditions Mir,
Moscou, 1979.
[7] C. Năstăsescu, C. Niţă, C. Vraciu, Bazele Algebrei, vol I, Editura Academiei,

Bucureşti, 1986.
[8] M.-E. Piticu, M. Vraciu, C. Timofte, G. Pop, Ecuaţii Diferenţiale. Culegere de

Probleme, Editura Universităţii Bucureşti, 1995.
[9] R. Richtmyer, Principles of Advanced Mathematical Physics, Springer-Verlag,

1978.
[10] J.D. Talman, Special Functions. A Group Theoretical Approach, Benjamin, New
York, 1968.
201
[11] C. Teleman, M. Teleman, Elemente de teoria grupurilor cu aplicaţii ı̂n topologie

şi fizică, Editura Ştiinţifică, Bucureşti, 1973.
[12] C. Udrişte, C. Radu, C. Dicu, O. Mălăncioiu, Algebră, Geometrie şi Ecuaţii

Diferenţiale, Editura Didactică şi Pedagogică, Bucureşti, 1982.
[13] N. Ja. Vilenkin, Fonctions Spéciales et Théorie de la Représentation des

Groupes, Dunod, Paris, 1969.
[14] V. S. Vladimirov, Ecuaţiile Fizicii Matematice, Editura Ştiinţifică şi Enciclo-

pedică, Bucureşti, 1980.

Algebra Cotfas08

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Algebra Cotfas08

Uploaded by

Copyright:

Available Formats

Nicolae Cotfas

EDITURA UNIVERSITĂŢII DIN BUCUREŞTI

Bucureşti, 2009 Nicolae Cotfas

1 Matrice şi determinanţi 9

4 Spaţii vectoriale euclidiene 85

5 Forme pătratice 111

7 Ecuaţii şi sisteme de ecuaţii diferenţiale liniare 129

8 Grupuri. Reprezentări liniare 159

9 Algebre Lie. Reprezentări liniare 177

Matrice şi determinanţi

A : {1, 2, ..., n} × {1, 2, ..., m} −→ K : (i, j) 7→ aij

descrisă uzual cu ajutorul tabloului

Propoziţia 1.3 Dacă A, B, C ∈ Mn×m (K) şi α, β ∈ K atunci

(A+B)+C = A+(B +C), A + B = B + A,

α(A + B) = αA + αB, (α+β)A = αA+βA

Demonstraţie. Relaţiile rezultă din

α(aij + bij ) = αaij + αbij , (α+β)aij = α aij +β aij

1 aij = aij , α(βaij ) = (αβ)aij .

Definiţia 1.4 Produsul AB al matricelor A ∈ Mn×m (K) şi B ∈ Mm×p (K) se

an1 an2 ... anm bm1 bm2 ... bmp

Propoziţia 1.6 Dacă A ∈ Mn×m (K) şi B, C ∈ Mm×p (K) atunci

Propoziţia 1.7 Dacă A ∈ Mn×m (K), B ∈ Mm×p (K) şi λ ∈ K atunci

λ(AB) = (λA)B = A(λB).

Demonstraţie. Fie A ∈ Mn×n (K). Presupunând că există două matrice B, C ∈

dacă se utilizează notaţia

dacă se utilizează notaţia

se numeşte determinantul matricei A.

Definiţia 1.12 Prin permutare de grad n se ı̂nţelege o funcţie bijectivă

σ : {1, 2, ..., n} −→ {1, 2, ..., n}.

Observaţia 1.4 O permutare de grad n poate fi descrisă cu ajutorul unui tablou

Vom nota cu Sn mulţimea tuturor permutărilor de grad n.

Definiţia 1.13 Prin signatura permutării

σ : {1, 2, ..., n} −→ {1, 2, ..., n}

Exemplul 1.1 Avem S3 = {σ1 , σ2 , ... , σ6 } unde

Definiţia 1.14 Fie matricea pătrată

se numeşte determinantul matricei A.

Observaţia 1.7 Din relaţia (1.2) rezultă

(determinantul unei matrice coincide cu determinantul transpusei). Se poate demon-

det A = det tA.

Observaţia 1.8 Din (1.2) rezultă relaţiile

(dacă schimbăm ı̂ntre ele două linii semnul determinantului se schimbă)

(dacă schimbăm ı̂ntre ele două coloane semnul determinantului se schimbă). Se

Demonstraţie. Afirmaţia rezultă direct din definiţia (1.3).

Observaţia 1.9 Din (1.2) rezultă că

Se poate demonstra următorul rezultat mai general.

Propoziţia 1.19 Pentru orice k ∈ {1, 2, ..., n} avem

Demonstraţie. Relaţiile rezultă direct din definiţia (1.3).

Demonstraţie. Afirmaţia rezultă din propoziţiile 1.18 şi 1.19.

Propoziţia 1.21 Avem

Demonstraţie. Relaţiile rezultă direct din definiţia (1.3).

Demonstraţie. Afirmaţia rezultă din propoziţiile 1.20 şi 1.21.

Demonstraţie. Afirmaţia rezultă din propoziţiile 1.20 şi 1.21.

Observaţia 1.10 Relaţia (1.2) se poate scrie sub formele

(dezvoltare după prima linie)

(dezvoltare după linia a doua)

(dezvoltare după linia a treia)

(dezvoltare după prima coloană)

(dezvoltare după coloana a doua)

(dezvoltare după coloana a treia).

Propoziţia 1.25 Oricare ar fi i, k ∈ {1, 2, ..., n} avem

notaţiile fiind cele din propoziţia anterioară.

Demonstraţie. In cazul i = k afirmaţia rezultă din propoziţia anterioară. In cazul

Teorema 1.26 Matricea