Professional Documents
Culture Documents
ELEMENTE DE
ALGEBRĂ LINIARĂ
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.
5
Cuprins
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
3.1 Definiţie şi exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . 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
6 Conice 121
6.1 Definiţie şi exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
6.2 Reducere la forma canonică . . . . . . . . . . . . . . . . . . . . . . . 124
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
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
1A = A α(βA) = (αβ)A.
(aij +bij )+cij = aij +(bij +bij ) aij + bij = bij + aij ,
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
A(B + C) = AB + AC.
Demonstraţie. Avem
m
X m
X m
X
aij (bjk + cjk ) = aij bjk + aij cjk .
j=1 j=1 j=1
Demonstraţie. Avem
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.
12 Elemente de algebră liniară
Propoziţia 1.9 Inversa unei matrice pătratice, dacă există, este unică.
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
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.
Matrice şi determinanţi 13
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
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
se ı̂nţelege numărul
Y σ(i) − σ(j)
ε(σ) = .
1≤i<j≤n
i−j
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
Matrice şi determinanţi 15
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.
Propoziţia 1.18 Determinantul unei matrice pătrate cu două linii (sau coloane)
identice este nul.
şi
a11 · · · λ a1k · · · a1n
a11
· · · a1k · · · a1n
a21 · · · λ a2k · · · a2n a
21 · · · a2k · · · a2n
= λ .
··· ··· ··· ··· ··· ··· ··· ··· ··· ···
an1 · · · λ ank · · · ann an1 · · · ank · · · ann
Propoziţia 1.20 Dacă elementele a două linii (sau coloane) ale unei matrice sunt
proporţionale atunci determinantul matricei este nul.
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
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 1.11 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).
··· ··· ··· ···
an1 an2 · · · ann
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.
linia k cu linia i.
este inversabilă dacă şi numai dacă det A 6= 0 şi inversa ei este
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
Ax = b
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).
··· ··· ··· ···
an1 an2 · · · anm
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
1. (x + y) + z = x + (y + z), ∀x, y, z ∈ V
4. x + y = y + x, ∀x, y ∈ V
8. 1x = x, x∈V
23
24 Elemente de algebră liniară
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.
a) αx = 0 ⇐⇒ α = 0 sau x = 0
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
Exemplul 2.4 R are o structura de spaţiu vectorial real ı̂n raport cu adunarea şi
ı̂nmulţirea uzuală.
Exemplul 2.6 C are o structura de spaţiu vectorial complex ı̂n raport cu adunarea
şi ı̂nmulţirea numerelor complexe.
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
26 Elemente de algebră liniară
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
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
M = {v1 , v2 , ..., vn } ⊂ V
hM i = { α1 v1 + α2 v2 + ... + αn vn | α1 , α2 , ..., αn ∈ K }
x = α1 v1 + α2 v2 + ... + αn vn ∈ hM i,
y = β1 v1 + β2 v2 + ... + βn vn ∈ hM i
avem
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 }
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
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 ).
şi conduce la
x1 + x2 x1 − x2
α1 = , α2 = .
2 2
Spaţii vectoriale 29
span{(1, 2, 3), (−1, 1, 0)} = span{(1, 2, 3), (−1, 1, 0), (0, 3, 3)}.
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
Definiţia 2.9 Spunem că spaţiul vectorial V este finit generat dacă admite un
sistem de generatori finit.
Propoziţia 2.10 Fie V un spaţiu vectorial peste K şi v1 , v2 , ..., vn vectori aparţinând
lui V . Următoarele afirmaţii sunt echivalente:
b) relaţia
α1 v1 + α2 v2 + · · · + αn vn = 0
adică
α1 v1 + α2 v2 + · · · + αn vn = 0 =⇒ α1 = α2 = · · · = αn = 0.
β1 v1 + β2 v2 + · · · + βn−1 vn−1 − vn = 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.
care conduce la α1 = α2 = 0.
Spaţii vectoriale 31
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)
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.
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:
b) eliminăm al doilea vector dacă acesta se obţine din primul prin ı̂nmulţirea cu
un scalar
32 Elemente de algebră liniară
c) eliminăm al treilea vector dacă acesta este combinaţie liniară de primii doi
Răspuns. {v2 , v4 }.
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 .
(x1 , x2 ) = x1 e1 + x2 e2 .
α1 e 1 + α2 e 2 = 0
rezultă
α1 (1, 0) + α2 (0, 1) = (0, 0)
Spaţii vectoriale 33
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 .
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 .
x = α1 e1 + α2 e2 + · · · + αn en
M = {v1 , v2 , ..., vn }
S = {w1 , w2 , ..., wk }
a) n ≤ k
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
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
Eliminând vectorii care sunt combinaţii liniare de cei aflaţi ı̂n faţa lor rezultă o bază
care conţine vectorii din M.
Spaţii vectoriale 35
Teorema 2.17 Oricare două baze ale unui spaţiu vectorial au acelaşi număr de
vectori.
Demonstraţie. Fie
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
dimR V = 2 dimC V.
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
se poate scrie
α1 = β1 = α2 = β2 = · · · = αn = βn = 0.
V × V = { (x1 , x2 ) | x1 , x2 ∈ V }
dimC C V = dimR V.
Demonstraţie. Fie {v1 , v2 , ..., vn } o bază a spaţiului vectorial real V . Arătăm că
x1 = α1 v1 + α2 v2 + · · · + αn vn , x2 = β1 v1 + β2 v2 + · · · + βn vn .
Dacă
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.
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
Spaţii vectoriale 39
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.
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
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
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.
Matricea
α11 α12 ... α1n
α21 α22 ... α2n
S=
... ... ... ...
αn1 αn2 ... αnn
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
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 .
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.
W = W1 ∩ W2
Demonstraţie. Avem
) 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}
W1 + W2 = {w1 + w2 | w1 ∈ W1 , w2 ∈ W2 }
Demonstraţie. Avem
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 }
Teorema 2.29 (a dimensiunii) Dacă W1 şi W2 sunt subspaţii ale lui V atunci
Demonstraţie. Fie
B0 = {u1 , u2 , ..., un }
δ1 u1 + δ2 u2 + ... + δn un + γ1 w1 + γ2 w2 + ... + γm wm = 0
Spaţii vectoriale 45
δ1 = δ2 = ... = δn = γ1 = γ2 = ... = γm = 0.
α1 u1 + ... + αn un + β1 v1 + ... + βk vk = 0.
α1 = α2 = ... = αn = β1 = β2 = ... = βk = 0.
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}.
atunci
w1 + w2 = w10 + w20 .
Scriind această relaţie sub forma
w1 − w10 = w2 − w20
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}
Propoziţia 2.32 Dacă V şi W sunt spaţii vectoriale peste acelaşi corp K atunci
V × W = { (x, y) | x ∈ V, y ∈ W }
(x, y) + (x0 , y 0 ) = (x + x0 , y + y 0 )
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 ) }
{ (x, 0) | x ∈ V }, { (0, y) | y ∈ W }
48 Elemente de algebră liniară
{ (x, 0) | x ∈ V } + { (0, y) | y ∈ W } = V ⊕ W
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.
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
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
relaţiile
x̂ + ŷ = xy,
c αx̂ = αx
c
Demonstraţie. Avem
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
(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.
50 Elemente de algebră liniară
W = { (x, 0) | x ∈ R }.
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
atunci
x̂ = α1 v̂1 + ... + αk v̂k + αk=1 v̂k+1 + ... + αn v̂n = αk+1 v̂k+1 + ... + αn v̂n .
atunci
αk+1 vk+1 + αk+2 vk+2 + ... + αn vn ∈ W
şi deci există α1 , α2 , ... , αk ∈ K astfel ı̂ncât
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.
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 ).
51
52 Elemente de algebră liniară
A : R3 −→ R3 , A(x1 , x2 , x3 ) = (x2 + x3 , x1 + x3 , x1 + x2 )
Exerciţiul 3.4 Să se arate că rotaţia planului de unghi α este un operator liniar.
Rα : R2 −→ R2 : (x, y) 7→ (x0 , y 0 )
adică
Rα (x, y) = (x cos α − y sin α, x sin α + y cos α).
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.
Ker A = { x ∈ V | Ax = 0 }
Im A = { Ax | x ∈ V }
Demonstraţie. Avem
)
x, y ∈ KerA
=⇒ A(αx + βy) = αAx + βAy = 0 =⇒ αx + βy ∈ Ker A.
α, β ∈ K
Ker A = { x ∈ V | Ax = 0 }
Im A = { Ax | x ∈ V }
imaginea lui A.
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
adică
Deoarece B este bază ı̂n V , acestă relaţie este posibilă doar ı̂n cazul
α1 = α2 = · · · = αk = αk+1 = αk+2 = · · · = αn = 0
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
56 Elemente de algebră liniară
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.
P : R2 −→ R2 , A(x1 , x2 ) = (x1 , 0)
Ax = Ay =⇒ Ax − Ay = 0 =⇒ A(x − y) = 0 =⇒ x − y = 0 =⇒ x = y.
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 .
A(α1 v1 + α2 v2 + ... + αn vn ) = 0
Aplicaţii liniare 57
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
Propoziţia 3.6 Inversa unei aplicaţii liniare bijective este o aplicatie liniară.
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
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 )
Exerciţiul 3.11 Să se arate că spaţiile vectoriale reale C şi R2 sunt izomorfe.
ϕ + ψ : V −→ K
V ∗ × V ∗ −→ V ∗ : (ϕ, ψ) 7→ ϕ + ψ unde
(ϕ + ψ)(x) = ϕ(x) + ψ(x)
Aplicaţii liniare 59
λϕ : V −→ K
K × V ∗ −→ V ∗ : (λ, ϕ) 7→ λϕ unde
(λϕ)(x) = λ ϕ(x)
Demonstraţie. Relaţiile
şi
arată că operaţiile de adunare şi ı̂nmulţire cu scalari sunt bine definite. Din relaţia
(ϕ + ψ) + η = ϕ + (ψ + η)
ϕ + ψ = ψ + ϕ.
−ϕ : V −→ K, (−ϕ)(x) = −ϕ(x)
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).
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
α1 e1 + α2 e2 + · · · + αn en = 0
adică
(α1 e1 + α2 e2 + · · · + αn en )(x) = 0, ∀x ∈ V
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
şi
B ∗ = {e1 , e2 , ..., en }
x = xi ei = x0j e0j
ϕ = ϕi ei = ϕ0j e0j
şi
ϕi = ϕ(ei ), ϕ0j = ϕ(e0j ).
62 Elemente de algebră liniară
se scriu comprimat
e0i = αij ej
rezultă ţinând seama de unicitatea reprezentării unui vector ı̂n raport cu o bază că
rezultă
xj = αij x0i
adică
x0k = βjk xj .
Deoarece x0k = e0k (x) şi xj = ej (x) relaţia anterioară se poate scrie sub forma
sau
e0k (x) = (βjk ej )(x).
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 .
64 Elemente de algebră liniară
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 .
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
.
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
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
i i ...i i i ...i
(λA)j11 j22 ...jpq = λAj11 j22 ...jpq .
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
(A ⊗ B)iljkm = Aijk · Bm
l
.
Demonstraţie. Avem
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 .
66 Elemente de algebră liniară
(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.
Demonstraţie. Avem
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).
γ = x i ϕi
Exerciţiul 3.13 Să se arate că obiectul matematic care are coordonatele
(
1 daca i = j
Tji = δji =
0 daca i 6= j
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 .
j
A(αik ek ) = A0 i αjm em
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 .
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
68 Elemente de algebră liniară
oricare ar fi x, y, z ∈ V şi α, β ∈ K.
Demonstraţie. Avem
0
gij = g(e0i , e0j ) = g(αik ek , αjm em ) = αik αjm g(ek , em ) = αik αjm gkm .
oricare ar fi ϕ, ψ ∈ V ∗ , x, y ∈ V şi α, β ∈ K.
Demonstraţie. Avem
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
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.
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)
A : V −→ W
aplicaţie liniară
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
x = x1 v1 + x2 v2 + · · · + xn vn , y = Ax = y1 w1 + y2 w2 + · · · + yk wk
ı̂n R2 şi
{w1 = (1, 0, 0), w2 = (0, 1, 0), w3 = (0, 0, 1)}
ı̂n R3 .
−1 5
A=
3 −1
.
0 2
72 Elemente de algebră liniară
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
şi
a011 a012 · · · a01n
0
0
a21 a022 · · · a02n n
Ae0i aki e0k
X
A = unde =
··· ··· ··· ···
k=1
rezultă n n
αkj a0ji =
X X
akj αji
j=1 j=1
Av = λv.
Vλ = {x ∈ V | Ax = λx}
este subspaţiu vectorial al lui V (numit subspaţiul propriu corespunzător lui λ).
Demonstraţie. Avem
x, y ∈ Vλ
)
=⇒ A(αx + βy) = αAx + βAy = αλx + βλy = λ(αx + βy).
α, β ∈ K
74 Elemente de algebră liniară
A : R3 −→ R3 , A(x1 , x2 , x3 ) = (x2 + x3 , x1 + x3 , x1 + x2 )
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 )
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
Aplicaţii liniare 75
= { (x1 , x2 , x3 ) | x1 + x2 + x3 = 0 } = { (α, β, −α − β) | α, β ∈ R }
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.
76 Elemente de algebră liniară
Demonstraţie. Avem
P (λ) = (−1)n λn + (−1)n−1 (a11 + a22 + ... + ann )λn−1 + ... + det A
(urma operatorului) şi det A definiţi cu ajutorul unei baze nu depind de baza aleasă.
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.
Aplicaţii liniare 77
A(W ) ⊆ W
adică dacă
w ∈ W =⇒ Aw ∈ W.
Propoziţia 3.33 Subspaţiile proprii ale unui operator liniar sunt subspaţii invari-
ante.
Exerciţiul 3.16 Arătaţi că ı̂n cazul rotaţiei de unghi α ı̂n jurul axei Oz
subspaţiile
W1 = { (0, 0, z) | z ∈ R } (axa Oz)
A : R3 −→ R3 , A(x1 , x2 , x3 ) = (x2 + x3 , x1 + x3 , x1 + x2 )
şi
V2 = {α(1, 1, 1) | α ∈ R }.
−1 0 0
0
A= −1 0
.
0 0 2
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.
80 Elemente de algebră liniară
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 )
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
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 .
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.
Aplicaţii liniare 81
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
sunt α1 , α2 , ..., αn , şi aparţin toate lui K (numărul lor, ţinând seama de multiplicităţi
este dim V ).
Avi = λi vi
α1 v1 + α2 v2 + α3 v3 = 0 (3.3)
rezultă
A(α1 v1 + α2 v2 + α3 v3 ) = 0
82 Elemente de algebră liniară
adică relaţia
α1 Av1 + α2 Av2 + α3 Av3 = 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.
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.
(λ1 − λ2 )(α1 v1 + α2 v2 ) = 0
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
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
86 Elemente de algebră liniară
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.
Intr-adevar,
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 .
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.
este o normă pe V .
Demonstraţie. Avem
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
= (||x|| + ||y||)2
88 Elemente de algebră liniară
deoarece
√ p
|Re(a + ib)| = |a| = a2 ≤ a2 + b2 = |a + ib|
p
şi conform inegalităţii Cauchy |hx, yi| ≤ hx, xi hy, yi = ||x|| ||y||.
se poate scrie
|hx, yi| ≤ ||x|| ||y||.
|hx, yi|
0≤ ≤1
||x|| · ||y||
hx, yi
−1 ≤ ≤ 1.
||x|| · ||y||
hx, yi
cos ϕ =
||x|| · ||y||
este numit unghiul dintre x şi y. Relaţia anterioară se mai poate scrie
Definiţia 4.6 Spunem că vectorii x, y ∈ V sunt ortogonali şi scriem x ⊥ y dacă
hx, yi = 0.
Definiţia 4.8 Spunem că {v1 , v2 , ..., vk } ⊂ V este un sistem ortogonal (sau sis-
tem de vectori ortogonali) dacă
hvi , vj i = 0
Propoziţia 4.9 Orice sistem de vectori ortogonali nenuli este un sistem liniar in-
dependent.
α1 v1 + α2 v2 + · · · + αk vk = 0
rezultă că
0 = hα1 v1 + α2 v2 + · · · + αk vk , 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.
3
X
h(x1 , x2 , x3 ), (y1 , y2 , y3 )i = x j yj .
j=1
90 Elemente de algebră liniară
Rezolvare. Avem
hv1 , v2 i = h(1, 1, 0), (1, −1, 0)i = 1 · 1 + 1 · (−1) + 0 · 0 = 0
(x − λu) ⊥ u
obţinem relaţia
hx − λu, ui = 0
hx,ui
care conduce la λ = hu,ui .
||u|| = 1
Pu x = hx, ui u.
Spaţii vectoriale euclidiene 91
..........................................................
este un sistem ortogonal astfel incât
v2 −hv2 ,e1 i e1
e2 = ||v2 −hv2 ,e1 i e1 ||
..........................................................
este un sistem ortonormat astfel incât
Observaţia 4.4 Un sistem ortonormat {e1 , e2 , ... , ek } este format din vectori uni-
tari q
||ej || = hej , ej i = 1
si ortogonali.
hei , ej i = δij
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
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
Spaţii vectoriale euclidiene 93
V = { x = (x1 , x2 , x3 ) ∈ R3 | x1 + x2 + x3 = 0 }.
Rezolvare. Deoarece
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
M ⊥ = { v ∈ V | v ⊥ x, ∀x ∈ M }
Rezolvare. Avem
= { (−2x2 − 3x3 , x2 , x3 ) | x2 , x3 ∈ R }
= { x2 (−2, 1, 0) + x3 (−3, 0, 1) | x2 , x3 ∈ R }.
V = W ⊕ W ⊥.
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.
atunci x = y.
hx − y, vi = 0, ∀v ∈ V.
Spaţii vectoriale euclidiene 95
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
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
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
A + B : V −→ V, (A + B)x = Ax + Bx
λA : V −→ V, (λA)x = λ Ax
AB : V −→ V, (AB)x = A(Bx)
Demonstraţie. Avem
(A + B)(αx + βy) = A(αx + βy) + B(αx + βy) = αAx + βAy + αBx + βBy
= α(AB)x + β(AB)y.
Avem
h(A + B)∗ x, yi = hx, (A + B)yi = hx, Ayi + hx, Byi
Demonstraţie. Fie
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
avem n n
A∗ ej = hA∗ ej , ei iei
X X
Aej = hAej , ei iei , (4.7)
i=1 i=1
98 Elemente de algebră liniară
ceea ce conduce la
AB ∈ A(V ) ⇐⇒ AB = BA
adică dacă
aij = āji , ∀i, j ∈ {1, 2, ..., n}.
In cazul x = y = v relaţia
hAx, yi = hx, Ayi (4.9)
λhv, vi = λ̄hv, vi
λ||v||2 = λ̄||v||2
λ = λ̄.
100 Elemente de algebră liniară
Av1 = λ1 v1 , Av2 = λ2 v2 .
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=
··· ··· ··· ···
an1 an2 · · · ann
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
Spaţii vectoriale euclidiene 101
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.
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 ||
W = {e1 }⊥ = { x ∈ V | hx, e1 i = 0 }
Relaţia
hAx, yi = hx, Ayi
102 Elemente de algebră liniară
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
Ax = 0 =⇒ ||x|| = ||Ax|| = 0 =⇒ x = 0.
I : V −→ V : x 7→ x
există o structură naturală de grup (numit grupul transformărilor unitare ale lui 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∗ .
Definiţia 4.34 Matricea A ∈ Mn×n (C) este numită matrice unitară dacă
A∗ A = I
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
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.
Pn Pn Pn Pn ∗
= k=1 m=1 aki āmj hek , em i = k=1 aki ākj = k=1 ajk aki .
k=1
Pn Pn Pn
= i=1 j=1 xi ȳj δij = i=1 xi ȳi = hx, yi.
106 Elemente de algebră liniară
In cazul x = y = v relaţia
hAx, Ayi = hx, yi (4.10)
λλ̄hv, vi = hv, vi
|λ| = 1.
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
hλ1 v1 , λ2 v2 i = hv1 , v2 i
(λ1 − λ2 )hv1 , v2 i = 0
hv1 , v2 i = 0.
v1 1
Ae1 = A = Av1 = λ1 e1 .
||v1 || ||v1 ||
W = {e1 }⊥ = { x ∈ V | hx, e1 i = 0 }
Relaţia
hAx, Ayi = hx, yi
A|W : W −→ W
verifică relaţia
hA|W x, A|W yi = hx, yi
0 0 · · · λn
108 Elemente de algebră liniară
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
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
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.
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.
2x + 2y − z −x + 2y + 2z 2x − y + 2z
3 3
A : R −→ R , A(x, y, z) = , ,
3 3 3
Forme pătratice
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)
111
112 Elemente de algebră liniară
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
g : V × V −→ K
g : V × V −→ K
astfel ı̂ncât
Q(x) = g(x, x), ∀x ∈ V.
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.
g : R3 × R3 −→ R,
g((x1 , x2 , x3 ), (y1 , y2 , y3 )) = x1 y1 + 3 x2 y2 + x3 y3
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
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.
Rezolvare. Deoarece
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
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 .
Q : R3 −→ R, Q(x1 , x2 , x3 ) = x1 x2 + x1 x3 + x2 x3
care conduce la
2 2
Q(x) = x01 − x02 + 2x01 x03
Forme pătratice 117
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 .
g11 g12 · · · g1n
g21 g22 · · · g2n
··· ··· ··· ···
gn1 gn2 · · · gnn
118 Elemente de algebră liniară
∆1 = g11 6= 0
g g12
∆2 = 11 6= 0
g21 g22
...................................
g11 g12 · · · g1n
g21 g22 · · · g2n
∆n = 6= 0
··· ··· ··· ···
gn1 gn2 · · · gnn
e01 = α11 e1
e02 = α12 e1 + α22 e2
........................
e0n = α1n e1 + α2n e2 + · · · + αnn en
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
Forme pătratice 119
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 .
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=
··· ··· ··· ···
gn1 gn2 · · · gnn
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
având cel puţin unul dintre coeficienţii a11 , a12 , a22 nenul.
121
122 Elemente de algebră liniară
iar parametrii
a a12 a13
a a12 11
I = a11 + a22 , δ = 11 , ∆ = a12 a22 a23
a12 a22
a13 a23 a33
Demonstraţie. Relaţia
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
se poate scrie sub forma
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
124 Elemente de algebră liniară
utilizând notaţiile
! ! !
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
polinomul
se transformă ı̂n
Definiţia 6.3 Spunem că punctul (x0 , y0 ) este un centru al conicei (6.1) dacă ı̂n
raport cu reperul translatat cu (x0 , y0 )
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
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
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
126 Elemente de algebră liniară
2 2
Q : R2 −→ R, Q(x0 , y 0 ) = a11 x0 + 2 a12 x0 y 0 + a22 y 0
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
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
2a0
02
a022 y + 0 23 y 0 + 2a013 x0 + a033 = 0
a22
128 Elemente de algebră liniară
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
Observaţia 6.4 Tinând seama că rădăcinile ecuaţiei λ2 −I λ+δ = 0 verifică relaţiile
λ1 + λ2 = I, λ 1 λ2 = δ
Vom prezenta unele aplicaţii ale algebrei liniare la rezolvarea ecuaţiilor diferenţiale
liniare şi a sistemelor de ecuaţii diferenţiale liniare.
F (x, y, y 0 ) = 0 (7.1)
ϕ : (a, b) −→ R
129
130 Elemente de algebră liniară
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).
y = y(x)
sau
x = x(y)
sau, mai general, sub formă parametrică
(
x = x(t)
y = y(t).
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).
f : (a, b) −→ R
ϕ : I −→ R, ϕ(x) = y0
1
y 0 (x) = f (x)
g(y(x))
adică
y 0 (x) = f (x) g(y(x)).
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)
∂ ∂ 1
(f (x)) = − .
∂y ∂x g(y)
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.
Ecuaţii şi sisteme de ecuatii diferenţiale liniare 133
y 0 = 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 (7.10)
(y+ ỹ)0 (x) = f (x) y(x)+f (x) y(x)+g(x) = f (x) (y+ ỹ)(x)+g(x).
(y− ỹ)0 (x) = f (x) y(x)+g(x)−f (x) ỹ(x)−g(x) = f (x) (y− ỹ)(x).
y 0 = f (x) y + g(x)
y 0 = f (x) y + g(x) y α
1
y = yp +
z
ı̂n cazul ı̂n care se cunoaşte o soluţie particulară yp .
unde
a0 , a1 , ..., an , f : I −→ R
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).
136 Elemente de algebră liniară
a0 , a1 , ..., an , f : I −→ R
admite pentru fiecare (x0 , y00 , y01 , ..., y0n−1 ) ∈ I × Rn o unică soluţie
ϕ : I −→ R
astfel ı̂ncât
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 }
V = { ϕ : I −→ R | Lϕ = 0 }
Ly = 0
este un izomorfism liniar. Rezultă că spaţiile vectoriale V şi Rn sunt izomorfe şi prin
urmare dim V = dim Rn = n.
Ly = 0
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.
138 Elemente de algebră liniară
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
.......................................................
(n−1)
Ayn = ( yn (x0 ), yn0 (x0 ), ... , yn (x0 ) )
y1 , y2 , ... , yn : I −→ R
a1 (x)
W 0 (x) = − W (x).
a0 (x)
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.
Ly = f
Ly = 0
Ly = 0
Ly = f
............................................
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) .
Ecuaţii şi sisteme de ecuatii diferenţiale liniare 141
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).
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
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 )
y : R −→ C, y(x) = erx
dacă şi numai dacă r este rădăcină a polinomului caracteristic, adică dacă
a0 rn + a1 rn−1 + · · · + an−1 r + an = 0.
avem
P (D) erx = 0 ⇐⇒ P (r) = 0.
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
oricare ar fi r ∈ C.
Ecuaţii şi sisteme de ecuatii diferenţiale liniare 143
Avem
D (erx ϕ) = erx Dϕ + rerx ϕ = erx (D + r)ϕ.
Q(D) (erx ϕ) = α0 Dm (erx ϕ)+α1 Dm−1 (erx ϕ)+ · · · +αm−1 D(erx ϕ)+αm erx ϕ
(D − r)k y = 0
este
y(x) = c0 erx + c1 x erx + · · · + ck−1 xk−1 erx .
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 .
144 Elemente de algebră liniară
P (D)y = 0
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)
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.
Ecuaţii şi sisteme de ecuatii diferenţiale liniare 145
b) y 000 − 6y 00 + 12y 0 − 8y = 0
c) y 00 + y 0 + y = 0
d) (D2 − D + 1)3 y = 0
y(x) = z(ln x)
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) )
146 Elemente de algebră liniară
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
Observaţia 7.11 Sistemul diferenţial liniar (7.16) se poate scrie sub forma ma-
triceală
Y 0 = A(x)Y + F (x)
utilizând notaţiile
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)
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
Y 0 = A(x) Y
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.
şi wronskianul
w = det W.
w(x0 ) 6= 0.
Demonstraţie. Deoarece
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.
unde tr A(t) = a11 (t) + a22 (t) + · · · + ann (t) este urma matricei A(t).
Ecuaţii şi sisteme de ecuatii diferenţiale liniare 149
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.
Y 0 = A(x) Y + F (x)
Y 0 = A(x) Y
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
150 Elemente de algebră liniară
Y 0 = A(x) Y
Y 0 = A(x) Y + 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)
verifică relaţia
Y 0 = AY
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
Rezolvare. Ecuaţia
1−λ 1
=0
−1 1−λ
!
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
Exerciţiul 7.3 Să se determine soluţia generală a sistemului
0
y1 = y2 + y3
2 y0 = y + y
1 3
y0 = y + y
3 1 2
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
unde coeficienţii αjk sunt reali (respectiv, complecşi). In cazul complex, ı̂n final se
separă părţile reală şi imaginară ale a soluţiei gasite.
găsim
x 1
−3x
Y (x) = α1 −2x + 1 e + β1 −2 e−3x .
x−1 1
154 Elemente de algebră 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 .
m
X
lim ak Ak − B = 0.
m→∞
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.
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 .
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
Y (t) = etA C
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
Ecuaţii şi sisteme de ecuatii diferenţiale liniare 157
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
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.
ge = eg = g, ∀g ∈ G
gg −1 = g −1 g = e
159
160 Elemente de algebră liniară
Demonstraţie. Avem
∀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.
f : G −→ G0
T : G −→ GL(V ) : g 7→ T (g)
ı̂mpreună cu ı̂nmulţirea matricelor este grup (se numeşte grupul general linear).
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)
rezultă că n
X
tij (g1 g2 ) = tik (g1 ) tkj (g2 ), ∀i, j ∈ {1, 2, ..., n}
k=1
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)
T2 (g) = S −1 T1 (g) S, ∀g ∈ G.
Definiţia 8.8 Două reprezentări liniare n-dimensionale peste K ale unui grup G
T1 : G −→ GL(V1 ) si T2 : G −→ GL(V2 )
T1 (g) = S −1 T2 (g) S, ∀g ∈ G
S S
? ?
T2 (g)
V2 - V2
este comutativă.
T (g)(W ) ⊆ W, ∀g ∈ G.
T : G −→ GL(V )
este o reprezentare ireductibilă dacă singurele subspaţii invariante sunt {0} şi
V . In caz contrar, reprezentarea este numită reductibilă.
T1 : G −→ GL(V1 ) si T2 : G −→ GL(V2 )
Demonstraţie. Avem
T (g1 g2 )(x1 , x2 ) = (T1 (g1 g2 )x1 , T2 (g1 g2 )x2 )
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 ).
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
(AB)∗ (AB) = B ∗ A∗ AB = B ∗ B = I
T : G −→ O(V ).
Grupuri. Reprezentări liniare 167
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
Observaţia 8.6 Dacă A este o matrice ortogonală atunci detA ∈ {−1, 1}.
Propoziţia 8.22
( ! )
cos t − sin t
SO(2) = t ∈ [0, 2π) .
sin t cos t
Demonstraţie. Avem
!−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.
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
Grupuri. Reprezentări liniare 169
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
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 }
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
170 Elemente de algebră liniară
g(x1 , x2 , x3 ) = (a11 x1 +a12 x2 +a13 x3 , a21 x1 +a22 x2 +a23 x3 , a31 x1 +a32 x2 +a33 x3 )
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.
Grupuri. Reprezentări liniare 171
Rezolvare. Avem
(T (g1 g2 )f )(x) = f ((g1 g2 )−1 x) = f (g2−1 g1−1 x)
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.
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
172 Elemente de algebră liniară
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
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 ∗ )
Demonstraţie. a) Avem
! !
α11 + iβ11 α12 + iβ12 iβ11 α12 + iβ12
u= ∈ W =⇒ u = .
α21 + iβ21 α22 + iβ22 −α12 + iβ12 −iβ11
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.
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
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
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 )
174 Elemente de algebră liniară
transformarea
este !
−1 ᾱ −β
g =
β̄ α
şi ı̂n cazul
n
ak z1k z2n−k
X
f (z1 , z2 ) =
k=0
Grupuri. Reprezentări liniare 175
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
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
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.
177
178 Elemente de algebră liniară
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
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.
[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 ).
Demonstraţie. Avem
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
(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
an1 an2 · · · ann
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
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.
u(n) = { g ∈ gl(n, C) | t ḡ = −g }
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
Algebre Lie. Reprezentări liniare 181
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 −ekj | k < j } ∪ { i(ejk +ekj ) | k < j } ∪ { i (ekk − enn ) | k ∈ {1, 2, ..., n−1} }.
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 }.
182 Elemente de algebră liniară
g : R −→ G
care conduce la
det eA = eλ1 +λ2 +...+λn = etr A .
Algebre Lie. Reprezentări liniare 183
Se poate arăta că relaţia det eA = etr A are loc pentru orice matrice A.
dg
este un subgrup cu un parametru al lui SL(n, K) astfel ı̂ncât dt (0) = a.
adică
dg 0 0
tr (0) = g11 (0) + g22 (0) = 0.
dt
Exerciţiul 9.5 a) Dacă
g : R −→ U (n)
184 Elemente de algebră liniară
dg
este un subgrup cu un parametru al lui U (n) astfel ı̂ncât dt (0) = a.
g(t) t g(t) = I ∀t ∈ R.
dg
este un subgrup cu un parametru al lui SU (n) astfel ı̂ncât dt (0) = a.
dg
este un subgrup cu un parametru al lui O(n) astfel ı̂ncât dt (0) = a.
Algebre Lie. Reprezentări liniare 185
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
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
n n
ai e0i
X X
A( ai ei ) =
i=1 i=1
Propoziţia 9.11 Algebrele Lie reale o(3) şi su(2) sunt izomorfe.
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 ),
% : 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.
liniară
%(a)(W ) ⊆ W, ∀a ∈ L
adică dacă )
x∈W
=⇒ %(a)x ∈ W.
a∈L
Demonstraţie. Avem
x ∈ W =⇒ %2 (a)x ∈ W, ∀a ∈ L2
188 Elemente de algebră liniară
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).
%2 : L −→ gl(V2 )
Rezolvare. Avem
%1 (αa + βb) = S −1 %2 (αa + βb) S
Subspaţiul W ⊂ V1 este invariant dacă şi numai dacă S(W ) ⊂ V2 este invariant. Dacă
subspaţiul S(W ) este invariant, adică
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
Algebre Lie. Reprezentări liniare 189
rezultă
Sx ∈ S(W ) =⇒ %2 (a)Sx = S%1 (a)x ∈ S(W ), ∀a ∈ L.
%1 : L −→ gl(V1 ) si %2 : L −→ gl(V2 )
S S
%2 (a)
? ?
V2 - V2
Dacă
% : sl(2, C) −→ gl(V )
este o reprezentare a algebrei Lie sl(2, C) ı̂n spaţiul V atunci operatorii liniari
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
A3 v = jv si A+ v = 0
A3 x1 = (λ + 1)x1 .
Similar, din
A3 x2 = (λ + 2)x2 .
verifică relaţia
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 wk = (λ + l − k)wk .
192 Elemente de algebră liniară
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
= 2 A3 w0 = (2λ + 2l)w0
= 2(2λ + 2l − 1)w1
= 3(2λ + 2l − 2)w2
subspaţiul
W = hw0 , w1 , ... , wm i
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
Algebre Lie. Reprezentări liniare 193
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.
A3 v = j v, A+ v = 0
Demonstraţie. Deoarece
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
194 Elemente de algebră liniară
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 .
% : sl(2, C) −→ gl(V )
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
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
un vector nenul fixat. Cel puţin unul dintre coeficienţii lui x este nenul. Fie
k = min{ l | xl 6= 0 }
unde c este o constantă nenulă. Deoarece W este invariant, din relaţia precedentă
rezultă că vj ∈ W şi apoi că vectorii
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 )
0 0
{v−j , v−j+1 , ... , vj }, {v−j , v−j+1 , ... , vj0 }
S : V −→ V 0 , Svk = vk0
%1 : L −→ gl(V1 ), %2 : L −→ gl(V2 )
%1 ⊕ %2 : L −→ gl(V1 ⊕ V2 )
V1 ⊕ V2 = { (x1 , x2 ) | x1 ∈ V1 , x2 ∈ V2 }.
şi
(%1 ⊕ %2 )([a, b])(x1 , x2 ) = (%1 ([a, b])x1 , %2 ([a, b])x2 )
= (%1 ⊕ %2 )(a) (%1 (b)x1 , %2 (b)x2 ) − (%1 ⊕ %2 )(b) (%1 (a)x1 , %2 (a)x2 )
% : L −→ gl(V )
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
oricare ar fi a ∈ L.
L −→ C L : a 7→ a + i 0.
Mai mult,
[a, b] = [a + i0, b + i0], ∀a, b ∈ 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 }.
%|L (a + b) = %(a + b + i0) = %(a + i0) + %(b + i0) = %|L (a) + %|L (b)
şi
%|L ([a, b]) = %([a, b] + i0) = %([a + i0, b + i0])
oricare ar fi a ∈ L, atunci
Propoziţia 9.24 Complexificata C su(2) a algebrei su(2) este izomorfă cu sl(2, C).
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
1
a3 = (e11 − e22 ), a+ = e21 , a− = e12
2
cu
[a3 , a± ] = ±a± , [a+ , a− ] = 2 a3 .
200 Elemente de algebră liniară
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+ ])
= − 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
[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.
[10] J.D. Talman, Special Functions. A Group Theoretical Approach, Benjamin, New
York, 1968.
201
202 Elemente de algebră liniară