TEODOR STIHI

LINIARA
TEORIE PROBL ti /it PE/( ;LV/ JE

UN IVERSITARAII

Teodor Stihi
Copyright 1996, 1999 - Editura B.I.C. ALL
Toate drepturile sunt rezervate Editurii B.I.C. ALL
Nici o parte din acest volum nu poate fi permisiunea
a Editurii B.I.C. ALL
Drepturile de in in exclusivitate editurii.
Copyright 1996, 1999 by B.J.C. ALL
Ali rights reserved.
The distribution of this book outside Romania, without the written permission
of B.I.C. ALL is strictly prohibited.
Descrierea CIP a Bibliotecii
STIH!, TEODOR
teorie probleme rezolvate 1 Teodor Stihi -
Editura B.I.C. ALL, 1999
160p.; 24 cm-
Bibliogr.
ISBN 973-571-279-2
512.64(076)
Editura B.I.C. ALL
Departamentul difuzare
Bd. nr. 58,
sector 6, cod 76548
402 26 00, 402 26 01
Fax: 402 26 10
4022620
Fax: 402 26 30
Redactor: Radu Slobodeanu
Coperta: Stelian Stanciu
PR:!NTED IN ROMANIA
TEODOR STIHI

Teorie probleme rezolvate
iJ000
- a editurii ALL cuprinde:
1. de
P. Flondor, O
2. Matematici speciale- teorie, exemple,
V. O.
3. geometrie
C. Radu
4. Probleme de
M. Penescu
5. Voi. 1, Voi. 11,
Cornelia
6. Teoria Sinteza Metode numerice de calcul,
V. Ionescu, A. Varga
7. Stabilizarea sistemelor lin iare,
A. Halanay, V.
8. Probleme rezolvate de
colectiv Catedra de
Facultatea de Universitatea
9. Simularea Monte Carlo a transportului
O.Sima
10. culegere de probleme- Voi. 1 11,
N. Donciu, D. Flondor
11. Probleme de geometrie

G. Atanasiu, Gh. Munteanu, Mihai Postolache
12. teorie probleme rezolvate,
Teodor Stihi
13. 1000 de probleme rezolvate fundamentale,
Ana Tatiana O.
14. Elemente de
Constantin Vraciu, Mariana Vraciu
15. Subiecte de Facultatea de Calculatoare,
coordonatori:Nicolae Cupcea, Ion
16. Metode de calcul numeric matricea!. Algoritmi fundamentali,
Bogdan Dumitrescu, Corneliu Popeea, Boris Jora
cititor
Cartea de o in Algebra Alegerea temelor
modul de tratare a lor au drept scop utilizarea acestui importantinstru-
ment de de calcul in in inginerie sau in economie, statis-
etc.
Schematiznd ideile putem spune primele trei capitole sub
diverse aspecte, sistemul liniar Ax = b, iar ultimele -problema Ax = l.x
cu valori vectori proprii. Foarte multe se reduc la probleme de acest
tip. in rezolvarea lor apar cu alte discipline precum Analiza
Geometria Analiza Era firesc ca in lucrare
loc elemente din aceste domenii pentru a completa studiul proble-
melor in in rezolvarea a acestora cade n
sarcina calculatorului a unor programe din biblioteca lui. Dar utilizarea lor
o a domeniului intreaga intr-un joc "de-a
baba-oarba".
Am orientat prezentarea tratarea diferitelor teme pe principii strict
pragmatice, - uneori cu regret - la aspecte teoretice importante,
pentru a da acces direct in miezul aplicativ al chestiunilor. Nu am
la unui text matematic: rigoarea a
Este drept nu toate teoremele au fost demonstrate. mai este
in cazul unora din ele am dat numai cteva idei demonstrative, dar nu sub
titlu cu de a se substitui unei - ce va putea fi
de cititor n alte similare.
Pentru acestor pagini sunt necesare de calcul algebric
(inclusiv de calcul matricea! al la nivelul celor din
manualele de liceu. Este de asemenea o deprindere a
rigorii ui matematic.
Aflat la unui capitol cititorul va putea testa calitatea
dobndite, la chestiunile recapitulative. rol
il o parte din ce fiecare paragraf,
reprezentnd o completare a teoriei. in plus, pentru acestea din anexa
E sau uneori cu ample comentarii.
Reprezentnd suportul unui curs predat n anul nti al cu
profil tehnic, lucrarea s-a cu o
de ore alocat algebrei. Am redus sau am complet la unele
teme - forma Jordan de loc unor subiecte
cum ar fi pseudoinversa.
tn sine, o asemenea alegere de prezentului tn
tehnic are precedente remarcabile tn literatura de specialitate.
Suntem de pe care cititorul le poate tnttlni tn studiul
acestei Nu este recomandabil nici posibil descifrezi totul de la
prima Numai o reluare la nivele din ce tn ce mai profunde
permite unor obstacole Nici un nu este definitiv!
Perseverarea tn studiu este, nu ci deschide calea
In lumina ei vom descoperi
pe unui asemenea efort.
Numeroasele trimiteri ce tmptnzesc textul nu sunt necesare la o
- desigur Dar tntr-un studiu aprofundat incluztnd
parcurgerea calculelor a argumentelor demonstrative lor poate
fi
Autorul
unui etc) din
lucrare se face pe baza codului din numere plasat tn
sa. Primul este al paragrafului tn care se iar
al doilea este de ordine al tn intervalul acelui
paragraf. Expresia "conform (sau vezi) 5.1" se va referi la un
rezultat, purttnd acest cod aflat tn paragraful 5 al capitolului din
care se face trimiterea. Ctnd trimiterea se face la un cu
cod, dar din alt capitol de 3 ea va purta adresa (3).5.1.
Pentru a facilita pe de coduri a diferitelor am
inclus tn titlul fiecdrei pagini o despre de capitol
cel de paragraf. De exemplu: (3).5 cd vd tn capitolul 3,
paragraful5.
utilizarea unor clasice: e.g.
= de exemplu, i.e. = dar neclasice: d.n.d. = dacd numai
v.p. = valori/vectori proprii, ex. = etc.
CUPRINS
Capitolul1
METODA SUCCESIVE A NECUNOSCUTELOR (GAUSS) . . . . . . . . . . . 1
1. Metoda Gauss pentru rezolvarea sistemelor liniare 3x3 nesingulare . . . . . . . . 1
2. descrierea a procesului de eliminare;
descompunerea A=LU . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
3.
11
Costul" unui sistem liniar mcn prin metoda Gauss ............. 5
4 Necesitatea !n procesul de eliminare.
Efectul erorilor de rotunjire . .. .. . .. . . . . . . . . .. .. . . . .. . . . . . .. . . . . . .. 6
5. Descompunerea PA=LU . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
6. practice pentru aplicarea metodei Gauss . . . . . . . . . . . . . . . . . . . . . 11
6.1. Metoda Gauss mai multor sisteme.
Utilizarea descompunerii LU . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
6.2. Varianta Gauss-Jordan a algoritmului de eliminare a
necunoscutelor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . 13
7. Metoda finite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
8. Simetrizarea descompunerii A=LU pentru matricole simetrice.
Descompunerea A = LDLT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
9. Descompunerea LDU pentru matrice nesingulare unicitatea sa . . . . . . . . . 17
10. Rezolvarea sistemelor cum n necunoscute (dreptunghiulare) ..... 19
Chestiuni recapitulative . . .. . . . . . .. .. . . .. .. .. . . . .. . . .. .. .. . . . . . . .. . .. 25
Capitolul 2
VECTORIALE LINIARE ............................. 27
1. de vectorial de coloane ............................ 27
2. a vectorilor .. .. .. .. . . . . . . . .. . .. .. .. .. . .. .. . .. 29
3. Sistem de generatori. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4. Dimensiunea unul vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
5. fundamentale ale unei matrice de numere reale . , , . . . . . . . . . . . . . 34
5.1. liniilor matricei A: 3(AT) ...... , . 35
5.2. Nucleul matricei A: N(A) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
5.3. coloanelor matricei A: 3(A) . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
5.4. Nucleul stng al matricei A: N(A') ...................... 38
6. liniare. Izomorfism .. .. .. . .. .. .. .. .. .. .. .. .. .. .. . .. .. .. .. 39
7. Matricea ca ca matrice , .. , . , .... , .... 42
7. 1. Matricea ca .. , .. , ........ , . , . . . . . . . . . . . . . . . . . . 42
7.2. ca matrice ... , . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
8. Suma de ..................... , .......... , . 45
8.1. Suma de ............... , ......................... , 45
8.2. Determinarea sumei a ....... , ... , . . . . . 45
8.3. Descompunerea In de ........ , ...... 49
Chestiuni recapitulativ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
Capitolul 3
GEOMETRIA 11.' ..... , .... , ..... , .................... , . . . . . 51
1. Produs scalar ortogonalitate ......... , .................. , ...... , 51
2. geometrice intre fundamentale ale matricei
A e M,.,.(R) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3. Matricea ca Studiu geometric ....... , .... , . . . . . . . . . . . 57
4 Metoda celor mai mici unui vector pe un . . . . . 59
Cuprins
5. Matrice de matrice ortogonale . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
5.1. Matrice de .................................... , .... 62
5.2. Matrice ortogonale ................................ , . . . . . . . . . 63
6. Procedeul Gram-Schmidt de ortogonalizare.
Descompunerea QR a matricelor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
7. PseudoinversaA+ a matricei A .................................... 68
Chestiuni recapitulative -, . , . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
Capitolul 4
VALORI VECTORI PROPRII. FORME CANONICE DE MATRICE ............ 72
1. Problema VVP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
2. Polinomul caracteristic .............................. , ........... 74
3. proprii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
4. Geometria C" . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
5. Problema VVP pentru matricele hermitice .......................... , 80
6. Teorema descompunerea ................... . . . . 81
7. Triunghiularizarea . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
8. Diagonalizarea jordanizarea . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
9. Metode pentru rezolvarea problemelor liniare cu . . . . . . . . . 90
9.1. liniare .. , ....................................... 90
9.2 Matricea e"' ..................................... 92
Chestiuni recapitulative ........ , ................ , . . . . . . . . . . . . . . . . . . 94
Capitolul 5
FORME MATRICE DEFINITE SEMIDEFINITE ............... 96
1. Schimbarea matricei asociate Ia schimbarea bazei ..................... 96
2. Reducerea a unei f.p. la axele principale
geometrice .......... -. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
3. Teorema .......................... , . . . . . . 102
4. Matrice simetrice definite ............................. , ... , . , . . . 107
5. Matrice simetrice semidefinite .................. ,_ .... - . . . . . . . . . . 109
6. Problema VVP Ax = iJ3x . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
7. Descompunerea . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
Chestiuni recapitulative . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
ANEXE
Anexa A. Matricea de coordonate ............................ .
Anexa B. ...................................... , ..... .
Anexa C. Metode de calcul pentru pseudonversa unei matrice .... , , ........ .
Anexa D. O de calcul a e"' ........................
Anexa E. ................ -.......................
INDEX DE SUBIECTE .............................................. .
BIBLIOGRAFIE ...................................................
118
118
120
123
125
127
149
151
Capitolul!
METODA SUCCESIVE
A NECUNOSCUTELOR (GAUSS)
Rezumat. Metoda succesive a necunoscutelor este cea mai utili-
dintre metodele
11
exacte
11
, pentru rezolvarea sistemelor liniare. de
marele matematician K.F.Gauss (1777-1855), ea i numele. genera-
se mai ales sistemelor liniare cu n n necunoscute (nxn)
avnd matricea O vom descrie n cazul n=3 (1). matrice
n special produsul matricelor, permit o reprezentare
a celor trei ai procesului de eliminare, conducnd Ia descompu-
nerea LUa matricei sistemului (2). Pe de parte, obiectul
practice, metoda probleme legate de aceasta: cte

de
(4) cum face erorilor "de rotunjire" ce apar n calcul (5).
Ca efect al procesul Gauss conduce la o descompunere
a matricii A: PA=LU (5), iar sub raportul economisirii


de se pot face utile (6). Ajungem astfel la analiza primei
concrete: reducerea, prin discretizare, a unei probleme la
pentru o Ia un sistem algebric (7). Ea prilejul
ntlnirii cu matriCele simetrice, avnd o LU (8),
precum rezolvarea primei probleme teoretice importante: unicitatea acestei
descompuneri (9). Generalizarea metodei succesive la sisteme
dreptunghiulare, deschide propriu-zis problematica algebrei Iiniare (10).
1. Metoda Gauss pentru rezolvarea
sistemelor liniare 3x3 nesingulare
este cea mai din clasa metodelor numite "exacte"
de rezolvare a sistemelor liniare.
1
Formularea sa n tipare precise permite
transpunerea ntr-un algoritm - transpunerii ntr-un limbaj
de programare.
Vom explica, pentru a metoda, cum ea n cazul
sistemului liniar avnd trei trei necunoscute pe care l
{
auxi +ai2x2+aiaXa""'bi'
(1.1)
a
21
x
1
+a
22
x
2
+a
23
x
3
:b
2
,
aaiXI +aazX2+aaaXa""'ba
a
11
- presupus nenul - l numim pivot
metode iterative ce produc un (convergent) de ale
2
(1) 1
Aceste cturi numele de multiplicatori, deoarece
prima pe rnd, cu fiecare din ei, pentru a o apoi
din a doua respectiv din a treia Am efectuat astfel primii doi
dintr-un proces de eliminare sau proces Gauss; In cazul de
prima a procesului, n urma sistemul 1.1 devine
l
a
11
x
1
+ a
1
,.x
2
+ a
1
,.x
3
= b
1
,
(a22-m21al2)x2 + (a2a-m2laxa>xa = b2-m2lb1,
(aaz-mata12)x2 + (aaa-maxaxa)xa = ba-matbl'
sau, printr-o renotare a
l
a
11
x
1
+a
12
x
2
+a
13
x
3
=b
1
,
)
1 1 bl
(1.2
a
22
x
2
+a
23
x
3
=
2
,
1 1 b 1
aazXz +a33xa = a.
Pentru a trece la etapa presupunem pivotul

nenul
1
multiplicatorul aa =m
32
, apoi a doua cu m
32
o
1
a ..
din a treia;
l
a
11
x
1
+ a:,.x + a
1
,.x
3
= b
1
,
(1.3) a22X
22
+

=

=


Printr-o renotare a ultima se rescrie
11 b"
aaax.= 3.
sistemului avnd matricea necunoscutelor- triun


(1.4)
[
a
11
a: a:
3
]
U = a22 a23
a"
33
(elementele nespecificate sunt nule) ncheie procesul de eliminare (Gauss).
Sistemul va fi acum rezolvat prin In ordinea att a
necunoscutelor ct a Calculnd
b"
x
3
=-
3
(presupunem ),
a
l/
33
Se cu U matricele superior" triunghiulare C'upper" n limba insemnnd
superior) cu L matricele inferior triunghiulare (
11
lower
11
=infexior).
(1) 1
l introducem in a doua din care extragem
b.'-aL .. ,
X- :lli""' t
2
-
1
e c.
a
1.1
a) prin regresive sistemul cu matricea
l
x
1
-x
3
+ x,= 2,
2x2+Xa+2x,= O,
x
8
- x
4
= 1,
4x,=-1.
b) procesului de eliminare sistemului
xl+ Xz+2xa+3x = 1,
2x1+3xz- Xa- x, = -6,
x1+2x2+3xa- x. = -4,
3xc x2- Xa-2x = -4.
pentru a-1 "triunghiulariza"; apoi
c) Cte etape ale procesului de eliminare trebuie parcurse pentru a "triunghi ula
riza
11
un sistem de patru cu patru necunoscute ?
sunt n aceste etape?
2. descrierea a
procesului de eliminare; descompunerea A=LU
3
reamintim cea mai cu matrice: produsul matri
celor, sub forma a produsului intre matricea
A = [ ::: :: :: ] x = [ :: ]
aal aa2 aaa Xa
Matricea produs va fi
l
a
31
x
1
+a
3
,x
2
+a
3
,x
3
egalitatea
(2.1) Ax = b
intr-o cele trei ale sistemului 1.1. Vom
asemenea forme pentru sistemele 1.2 1.3.
4
matricea'
E,, = [ l
o o 1
cu care egalitatea 2.1:
(2.2)
E
21
(Ax)=E
21
b.
Cf. produsului niatricelor
E
21
(Ax)=(E
21
A)x.
(1) 2
Pe de parte, matricea E
21
A se din A prin din linia a
doua a primei linii cu m
21

Am o reprezentare a primului pas din procesul de
eliminare.
Amplificnd egalitatea 2.2 cu
Ea
1
=[ 1 ]
-m
31
O 1
echivalentul matricea! al sistemului 1.2
(2.3)
E
31
E
21
Ax=E
31
E
21
b
(Cf. am suprimat parantezele.)
Ultimul pas este amplificarea sistemului 2.3 cu
E,,= 1 ]
-m" 1
(2.4) Ea,E
31
E
2
,Ax=Ea,E
31
E
21
b.
Deci
[""
.. ""}
(2.5) Ea,E
31
E
2
,A=

U.
11
aaa
Amplificnd 2.5, pe rnd cu
E[: 1 }E+
1
} E;/ [:
O m
32
1 ma
1
o

1
J
o
Aceste matrice pe care le produc sistemului, se numesc
elementare.
(1) 2
(2.6)
Matricea
A E
-'E-'E-'U
-e-213132
E;,'E;{E;i= 1 tL,
m,z 1 J
5
care multiplicatorii procesului (n ordinea se
matricea multiplicatorilor.
(2.7) CONCLUZII. 1) Sistemul Ax = b este echivalent cu sistemul Ux = c
din acesta prin eliminare (conf. ex. 1.2b).
2) Ca rezultat al procesului de eliminare matricea A se descompune
sub forma A = LU.
1.2
a) matricea multiplicatorilor (L) procesului de
eliminare din l.l.b, apoi prin egalitatea
A=LU, U fiind matricea a sistemului n urma
b) matricea! cei ai procesului de eliminare n cazul unui
sistem 4x4.
c) sistemelor 2.1, 2.2, 2.3 2.4 pe posibi-
litatea de a inversa cei trei ai
d) Regula de a matricelor are multe utile ntre care
propunem .o pe A este matrice 3x3 x, y, z sunt
trei coloane tridimensionale matricea 3x3: X= [xl Yl z], atunci
AX= [Ax! Ayl Ax] .
. Altfel spus, matricea produs AX are drept coloane produsele Ax,Ay,Ax.
3. "Costul" unui sistem liniar nxn prin metoda Gauss'
n de calcul este cea care problemele de calcul.
Fiecare de ea are o deci un anumit
de cost. Este util chiar aproximativ, acest
Deoarece o adunare sau mult mai dect o
sau o vom conveni drept de - o
sau o cu o adunare sau Ne
propunem de necesare aducerii unei
matrice n x n la forma superior U, prin metoda Gauss.
Spre a produce un zero sub primul pivot, trebuie facem o
(calcularea multiplicatorului) n-1
Prima a procesului de eliminare n(n-1) de
Pentru a doua vor fi necesare etc.
n total, procesul de eliminare
Problemele discutate n acest paragraf n Algebrei numerice.
6
(1) 3
n n
(n
2
-n)+ ... +(k'-k)+ ... Ek'-'Ek
kl kl
..!.n(n+..!.)(n+l)- ..!.n(n+l) n'-n
3 2 2 3
Deoarece, pentru valori mari ale lui n, n' este mult mai mare dect n, se
poate aproxima, in acest total prin
3
!!:... de
3
Costul regresive este mult mai Ux=c sistemul
eliminare. Din ultima sa u .. x. c., necunoscuta x. se
printr-o Din penultima .
1
,x .
1
u .
1
,;c. c .
1
necunoscuta x .
1
se printr-o o etc.
Totalul va fi de 't k ..!.n(n+1), de aproximativ
. kl 2
2
!!:._ de
2 .
1.3
a) de (aici, = Inmultire + aduna-
re) necesare produsului a matrice nxn.
b) Cunoscnd descompunerea A=L U, determinarea sistemului liniar
Ax =b se face in etape: calcularea sistemului Ly=b, apoi a
a sistemului Ux=y. de necesare determi-
lui y, apoi lui x.
c) De ce eliminarea asupra matricei A rezolvarea
altui sistem cu matricea A trebuie fie ca la punctul b, nu relund
procesul de eliminare ?
4. Necesitatea m procesul de eliminare.
Efectul erorilor de rotunjire
cum am n 3, matricea A a sistemului 2.1 se putea descom-
pune n produsul A=LU. Acest fapt se anumitor ipoteze (restrictive)
pe care le-am anume ca cei doi au fie nenuli ..
Dar cazul sistemului
.
[:J
primei linii cu un numifr, de ei dintr-a doua
linie, nu produce anularea elementului aflat in (2,1). Zeroul dorit se
poate aici, numai prin permutarea celor
Forma va fi
{
4x,3x,=b,,

(1) 4 7
Matricea sistemului, A -J
0 2
] , avnd elementul
4 3
a
11
nul, nu poate fi
sub forma A=L 1.4.a).
cu matricea de permutare


:]
unde L 1
2
-J
1 0
J este matricea unitate de ordinul doi.
o 1 .
n gener o la stnga o matrice A cu o
matrice P, din matricea unitate, de ordin prin
permutarea anumitor linii, ca rezultat permutarea
linii in A.
n lucrul cu de calcul, necesitatea de linii n procesul
de eliminare survine mai des dect la unor zerouri n
lor. Cauza o n ''rotunjirea .. numerelor.
Fiecare dispune de un sistem de nregistrare a numerelor reale
numit. sistem care ordinul de al
precum primele n cifre ale sale (n depinde de
De exemplu, n=3, atunci numerele
12,731 12731 1273,152
sunt de sub formele
0,127 X 10
2
0,127 X 10
6
0,127 X 10
4

Apar n acest fel erori, numite "de rotunjire", care n unele
defavorabile conduc la o alterare a rezultatului calculelor.
astfel de cazuri n rezolvarea unor sisteme liniare.
ExEMPLUL 1:
Trebuie sistemului liniar
!n condipile !n care (;1 1:

cu erori de
rotunjire.
Vom presupune astfel n locul valorii corecte
2
] s-a valoarea ro
2,01
r
2
]. Dar !n timp ce sistemul Ax= [
2
are x,=x
2
=1,
l2,02 2,01
sistemul Ax= r
2
] are x
1
=0,x
2
=2.
l2,02
'
8
(1) 4
Erorile se prin valori absolute (mai semnificativ) prin
valori relative; spre exemplu b
2
=2,02 o eroare de 0,01
o eroare de 0,5%. Considernd drept a problemei
vectorul x= n urma lui b
2
, va erori relative
de 100%. Este o valoare chiar in unui calcul cu
precizie
Fenomenul se caracteristicilor matricei .[
1 1
]. Ea
1 1,01
exagerat de mult erorile n termenul liber b
de aceea, numele de "prost
n principiu, va trebui rezolvarea, prin oricare a
unor sisteme cu o astfel de matrice.
EXEMPLUL2
Sistemul liniar
nu are matricea prost prin metoda Gauss
de prima cu m
21
=110.0001 =10', o
din a doua care devine
-9999x
2
= -9998.
Reamintindu-ne pe care o avem n vedere numai primele- 3
cifre ordinul de va forma
-9990x
2
= -9990, de unde x
2
=1.
Substituind n prima valoarea astfel
0,0001x
1
+1=1, de unde x
1
=0.
a sistemului dat este cu totul alta anume
X = X = 9998 (!).
.
1
9999 '
2
9999
Ia nceput
{
x
1
+X
2
"'2
0,0001x
1
+x
2
=1
primeia cu m
21
""10-
4
ei dintr-a doua, ne va coriduce la
0,9999x
2
=0,9998,
de la
0,999x,=0,999'
deci x
2
=1.
Substituind n prima care de data aceasta este
X
1
+X
2
=2,
x
1
+1=2, deci x
1
=1.
de

cu cea
Metoda Gauss poate fi cu succes tn rezolvarea unei
probleme pe de calcul numai n cazul cnd matricea sistemului nu este
(1) 4
9
prost iar n cazul cnd este bine
efectuate n procesul de eliminare nu sunt numere prea mici
(n modul!) n raport cu celelalte elemente ale matricei. Acest ultim deziderat
poate fi atins prin de etape a
prin care, pe locul pivotului etapei, este adus elementul
de modul maxim printre cele aflate pe cu acesta dedesubtul

1.4
a) de ce este o descompunere de forma

1 o] rau a"]
z]
A=
1
pentru matricea A= .
m211oa22
43
b) Se sistemul liniar
[
1 10000 ] [ x, ]= [ 10000 ].
1 0,0001 x, 1
(i) Determinati prin metoda Gauss

cu ajutorul care
primele trei cifre semnificative ordinul de al
(ii) Determinati apoi cu cea anterior.
(Permutarea celor ale sistemului nu
la punctul (i).)
(iii) Multiplicnd prima cu 0,0001 se sistemul echivalent
[
0,0001 1 ][x
1
]=[ 1 ].
1 00001 x, 1
Determina prin metoda Gauss cu' alegerea pivotului utiliznd de la
punctul (i),

noului sistem. cu cea
de multiplicare a primei face parte dintr-un
procedeu numit echilibrarea sistemului care se procedeului de
alegere a pivotului, n scopul de a precizia de calcul.
5. Descompunerea PA=LU
n cazul procesului de eliminare cu de linii, matricea sistemului
nu admite descompunerea A=LU. Cu toate acestea, putem o astfel de
descompunere pentru matricea A'=PA din A prin de
linii. Aici P, matrice de permutare, se din matricea unitate
de ordin cu A prin respectivele de linii efectuate n procesul
de eliminare.
vom avea A' =LU combinnd cele PA=LU.
Vom explica metoda prin care putem - n urma
procesului Gauss alte calcule suplimentare - factorii P, L U din
descompunere. ntr-un algoritm de calcul bazat pe metoda Gauss, zerou-
rile produse sub ca rezultat al procesului, nu se nregis-
n memoria (ar ocupa-o inutil!}. n locul din ele este nre-
gistrat multiplicatorul utilizat la producerea sa. De exemplu, prima
a procesului descris n 1, memoria va n locul lui A, matricea
10
[
a
11
a;
2
m21 azz
1
mat Usz
":"]
1
a,,
iar a doua matricea
r:::
m,. a.,
(1) 5
Izolarea multiplicatorilor de sistemului nu probleme, ei
aflndu-se permanent sub diagonala matricei. n schimb, acest mod de lucru
avantaj: multiplicatorii n procesul de eliminare
matricei A sunt cu cei n cazul matricei A
1
=PA,
efectuate sunt - n schimb ordinea lor
nu mai este, n general, Factorul L din descompunerea A
1
=LU va
exact multip!icatorii lui A, dar ntr-o ordine care de ordinea
lor n procesul de reducere a lui A. Cu toate acestea, triunghiul
inferior al matricei n memorie fidel ordinea multiplicatorilor
procesului de reducere a lui A
1
Motivul? Asupra matricei
n memorie se nu numai Gauss, ci
de linii, ceea ce a
multiplicatorilor n ea.
CoNCLUZIE. Pentru a descompunereaPA=LU a unei matrice date A,
procesului de eliminare asupra liniilor matricei A
n locul zero produs (sub multiplicatorul
utilizat la producerea lui. necesare de linii le
simultan, in matricea astfel in matricea unitate de ordin

n final ajungem la o matrice din care extragem:
- triunghiul inferior + diagonala = L;
- triunghiul superior(inclusiv diagonala) = U.
Notnd cu P matricea are loc
IPA=LUI.
(5.1) EXEMPLU
Procesul de eliminare matricei
A=[-: :2 :J
este din
(1)5
11
A -o
2
-; -
0
: 2
5
1
]
"' o 5 m. 6 2
Aici m
32
=0, iar matricea de permutare
Dar observiim
P=P,.=
1 o
PA= 9 O 5 0< m" 1 6 2 = LU .
-643 m
31
m
32
1 5
[
3 -2 1] t 1 ]t3 -2 1]
Cauza? Permutarea la pasul al tre1 ea ordinea n care vor
trebui multiplicatorii m
21
m
31
, atunci cnd n locul A vom
lucra cu A'=P
2
aA. Noii multiplicatori vor fi

astfel nct
tricea multiplicatorilor pentruA'=PA va fi
1 l = 1 l
1 -2 O 1
Calculul poate fi aranjat ast el:

:2 r: .. r:.. r:"
. 9 o 5 L 9 o 5 6 2 o 5
de unde extragem
L= r:" O l Jl 1 l = 1 l uJ
3

o o l 1 2 o 1 l 5
ExERCI'I'JUL 1.5
Urmnd metoda in paragraf exemplul de mai sus, procesul
de eliminare descompunereaA=LU, respectiv PA=LU, pentru
toarele matrice:
a)AJo 1l
l2 -d
[
1 -2 1]
b) A= -2 4
7 -15 13
[
1 -2 1
c) A= 3 -6 3
-2 4 -1
o 2 o
6. practice pentru aplicarea metodei Gauss
-11
-2
1 .
3
Metoda succesive a necunoscutelor este de
aceea larg n n continuare, modul de organi-
zare a calculului.
12
(1) 6
6.1. Metoda Gauss mai multor sisteme cu matrice.
Utilizarea descompunerii LU
Rezolvnd sau mai multe sisteme cu matrice termeni liberi
Ax=b, Ax=c etc, procesul de eliminare trebuie realizat o
depind numai de matricei A. Pentru aceasta,
ntr-o matrice, nti coloanele lui A, apoi pe b, c etc. asfel
[Ai b 1 c ... ].
Prin efectuate asupra liniilor acestei matrice, aducem pe A la
forma U. Matricea devine
[Ui b'l c' ... ],
iar sistemele Ux=b', Ux=c' etc., respectiv echivalente cu
sistemele se prin
Inversarea unei matrice (nesingulare) conduce la aplicarea acestei scheme
de calcul.
EXEMPLU
Fie A matrice 3 x 3. A-l va avea dimensiuni, iar coloanele sale - ce
a fi determinate - le x, y, z. Deci
A-
1
=l:xlyizl A[x/yjz]=[e
1
Je
2
Je
3
]
(prin e
1
,e
2
,e
3
am notat coloanele matricei unitate de ordinul trei 1
3
).
n baza 1.2.d,
A [xJ yJ z) = [Ax! AyJ Az),
inversarea fiind cu rezolvarea, n acest caz, a trei sisteme liniare cu
matrice. Schema de calcul a coloanelor x, y, z va fi cea
anterior.
1
n anumite cazuri, avem de rezolvat mai multe sisteme liniare
cu matrice Ax=b, Ay=c etc, nu la nceput dect primul
termen liber b, iar c a fi determinat pe baza x. Schema de
calcul anterior nu mai Stocnd n memoria
descompunerea LUa matricei A, precum efectuate n procesul
de eliminare, am stocat de fapt procesului Gauss care, depinc
znd doar de matricei A, sunt pentru fiecare din sistemele
date. Sistemelor LUy=Pc celelalte, li se vor aplica procedeul de determinare
a descris n 1.3.b.
1.6.1
a) Aplicnd o procesului de eliminare Gauss,
determinati sistemelor Ax=b, Ay=c, unde
A= [i b= [il c= [:].
Se de

va fi n acest caz de (aproximativ) n
3
,
pentru o matrice de ordinul n.
(1) 6
b) pe rezultatul 1.3.a, de ce determinarea so-
sistemului Ax=b prin formula x=A -tb este din punct de
vedere al de cheltuite.
6.2. Varianta Gauss-Jordan a algoritmului
de eliminare a necunoscutelor
13
efectuate n cadrul metodei de eliminare Gauss, au ca scop
de zerouri sub diagonala matricei sistemului (sistemul triunghiular
rezolvndu-se prin succesive). Varianta Gauss-Jordan
din continuarea seriei de pentru de zerouri
deasupra diagonalei. de cum acest proces n cazul
matricei A din exemplul5.1; reamintim
A-[; : !]4 4[: : :]-u
linia a treia cu 2/5, respectiv 1/5, o din a doua, respectiv
prima linie; apoi linia a doua cu -2/6, o din prima. Matricea
A se va transforma ntr-una = matricea
Sistemul Ax=b, devenit Ux=c, apoi Dx=d (prin
toare), se n final prin trei
de calcul, cu cea n 6.1 pentru
determinarea coloanelor inversei, denumirea de algoritmul Gauss-
Jordan de inversare a unei matrice. sa n cazul
matricei A de mai sus:
(A 1 1]=[-
3
6:
9 o 5
1 o o] t3 -2 1
010--t .......... 6 2
o o 1 5
1 o
-3 o
2 1
[
3 -2 OI o] [3
--> 6 OI -
0
1 --> 6
51 2 1 51
-2 1 1]
3 -3 3
-; .
liniile cu 3, 6 respectiv 5, sisteme echivalente cu
Ax=e
1
,Ay=e
2
,Az=e
3
:
14 (1) 6
2 1 [] 2 _1
9 --
1
-9 9 9
lx= ly- -
1
: , Iz= _
0
6
1 ,A
1
= -
2
19
30 ' - 15 30 "'iif 6
2 1
5 5 o 5 5
o
1.6.2
a) pe baza algoritmului Gauss-Jordan, inversa matricei
A= : _
1
1].
la 6 1
b) algoritmul Gauss.Jordan pentru determinarea inversei matricei sin-
gulare [ _
1
1
-
1
1
] ''blocarea" sa.
c) - pe baza algoritmului Gauss.Jordan de inversare
-
i) Inversa unei matrice diagonale este o matrice de tip;
ii) Inversa unei matrice superior (inferior) triunghiulare avind 1 pe
este o matrice de tip.
7. Metoda finite
Rezolvarea sistemelor liniare este doar o in
unor probleme complexe pe care le practica ntre
acestea, problemele la din care alegem
exemplu ilustrativ:
(7.1) se determine u(x):[O,ll R de ori care:
(i) pentru fiecare xe [0,11 satis{ace
_ d
2
u = 1\x)
rJx2
(aici /{x):[O,ll este o
(ii) u(O) =0, u(l) =0; aceste la capetele intervalului
numele de "la
Problema are drept u(x), ceea ce de fapt o
infinitate de necunoscute valorile pe care u(x) le ia in intervalul [0,1).
Determinarea unei impune reducerea la un finit de necunos-.
cute, i.e. la o finit reducere ce se discre
tizare.
Pentru a face discretizarea am ales metoda, larg a
finite. Ea in nlocuirea necunoscutei u(x) prin vectorul
n dimensional u
1
, ... ,u. al valorilor sale in n puncte distincte x
1
,x
2
, ... ,x.e(O,l).
(1) 7
15
Derivata au se va c;lcula aproximativ anume, presupunnd
dx2
x, - x,_,=h (const.) pentru k=1,n+1 (aici x
0
=0,x.,
1
=1) unde h= -
1
- este
n+1
"pasul", vom aproxima
d
2
u u -Zu +u
--<x,)= k+l ' ,_, (cf. 1. 7).
dx
2
h
2
in cele n noduri intermediare x
1
=h, ... ,x. =nh, (i)
n
(7.2) -u,,
1
+Zu, -u,_
1
=h
2
f(kh) , k=r,;i
Pe baza (ii), u
0
u , sunt O, iar 7.2 un
sistem de n cu n necunoscute u
1
, ... ,u .
De exemplu, cnd n=5:
2 -1
u,
f(h)
-1 2
-1
u.
f(2h)
-1 2 -1 Ua
=h f(3h)
-1 2 -1
u.
f\4h)
-1 2
u.
5h)
Matricea sistemului este elementele nenule se doar
pe diagonala cele adiacente eL Ea este
a
12
=a
21
,a
23
=a
32
etc. matrice se matricea finite
de ordinul al doilea'.
Rezolvnd sistemul 7.2 valorile u,. Ele vor fi cu att mai apropiate
de u(x,) cu ct h este mai mic deriva ta au (x,) este mai bine
dx2
deci cu ct n este mai mare. Apare astfel necesitatea unor sisteme
eu sute, chiar mii, de necunoscute.
ExERCITIUL 1. 7
Deoarece
u'(x)=lim u(x+h)-u(x) =Iim u(x)-u(x-h) = Iim u(x+h)-u(x-h),
h h-.o k h-.o 2h
derivata, u '(x), poate fi pentru h mic, cu oricare din rapoartele de
mai sus.
1 se spune astfel deoarece, prin (la dreapta) cu vectorul (u,) Il trans-
pe acesta in vectorul ( ui.
1
-2ui+u
1
_
1
) numit
11
&1 finite de ordinul
al doilea". matrice pentru vectorii finit dimensionali rolul pe care
operatorul de derivare de ordinul al doilea Il pentru
16
Similar, pentru h mic, deoarece
u"(x)=lim u(x+h)-2u(x)+u(x-h)
h-+0 h2
vom putea aproxima
u"(x) = u(x+h)-2u(x)+u(x-h).
h'
prin calcul, limitele de mai sus.
(1) 7
8. Simetrizarea descompunerii A=LU pentru matricele simetrice.
Descompunerea A=LDL T
problema valorilor necunoscute u(x) s-a redus la
problema unui sistem liniar n x n avnd ca matrice - matricea
finite de ordinul al doilea, iar termenul liber depinznd de mem-
brul drept, fix), al
Eliminarea a necunoscutelor acestui sistem revine, matricea!, la
descompunerea LU a matricei finite de ordinul al doilea. Din
calcul, pentru n=5:
(8.1)
A=
1
1
2
2 -1
3 -1
2
1 -1
_3 1

7 -1
4 1 6
5 5
=LU.
simetriei matricei A, vom putea aranja descompunere
ntr-o intercalnd un factor diagonal D - matricea
a lui A - ntre cele matrice triunghiulare.
Mai precis, descompunem
2
3
2
(8.2)
U=
4
3
5

6
1 _,
2
1
2
3
1
_3

1
_4
5
5 1
Ultimul factor este matricea ce poate fi din L prin transformarea
liniilor n coloane, transpunere. O vom nota prin L r. Am
descompunerea
(8.3)
A =LDL T.
o (1) 8
17
Avantajul acestei descompuneri este n primul rnd de ordin practic:
n memoria de calcul aproximativ din ocupat de des-
LU (triunghiul superior nu mai trebuie stocat!).
1.8
t
l 2 3]
descompunerea LDL r pentru matricea 2 3 4 .
3 4 4
mai nti descompunerea L U, apoi factorul U
conform procedeului descris mai sus.
9. Descompunerea LDU pentru matrici nesingulare
unicitatea sa
Orice matrice superior U se poate descompune
n produsul dintre o matrice una superior cu 1 pe
astfel
Uu u,. u,.
Uzz Uzn
(9.1)
=
u
Uu 1 u
1
,ju
11
u
1
ju
11
ul,/uu
u,. 1
Uz/Uzz u'"lu
22
=
unn
1
Prin urmare orice descompunere A=LU se poate transforma, pentru matri-
cele nesingulare - ntr-o descompunere A=LDU. Un caz important este cel al
matricelor A simetrice, cnd U=L r. Egalitatea celor doi factori este
descompunerii LDU. Vom demonstra:
(9.2) A=L,D
1
U
1
A=L.j)
2
U
2
sunt descompuneri ale
lui A astfel tnct factorii L, U, sunt matrice inferior, respectiv
superior, triunghiulare cu 1 pe iar D
1
,D
2
sunt matrice
diagonale ( nesingulare) atunci
L
1
=L
2
,D
1
=D
2
,U
1
=U
2

n egalitatea
L,D
1
U
1
=L/)
2
U
2
cele 6 matrice sunt nesingulare. .
U u-'-D-
1
L _,L n
1 2 - 1 1
18
(1) 9
Vom utiliza in continuare pe care le propunem drept

(a} inversa (cf. 1.6.2.c) produsul a matrice superior
triunghiulare avnd 1 pe sunt matrice de
(b) in cazul matricelor inferior triunghiulare;
(c) produsul intre o matrice una inferior este o
matrice inferior
Revenim asupra ultimei Cf. (a} membrii sunt superior triun
ghiulari cu 1 pe Cf. (b) (c) ei sunt inferior triunghiulari. Cele
conduc la matricea unitate. De unde
U,U;}=l ,n;'L;'Li'D
2
=1, deci U
1
=U
2
, L;
1
L
2
=D,D;'.
Ultima egalitate proprietatea (b) L;
1
L
2
=1, deci L
1
=L
2
n final
D
1
=D
2



ca A fie se poate exprima sub forma A T =A.
Vom acum o proprietate a de transpunere
regula de transpunere a produsului de matrice
(AB)T=BTAT
(reamintim inversare a ordinei factorilor apare n regula de
inversare a unui produs de matrice: (A.B)-'=B-'A-
1
).
Aplicnd de transpunere unui produs de trei factori
(LDU)T=UTDTLT.
n cazul cnd produsul LDU=A este o matrice va rezulta
LDU=UTDTLT,
deci, teoremei demonstrate:
L=UT, D=D r, U=L T.


Simetria tridiagonalitatea matricei finite de ordinul doi
remarcabile de simplitate ale acesteia. Este important ca
metoda de rezolvare a unui sistem liniar cu o astfel de matrice fie
a exploata ct mai complet simplitate. Mai general, acest caracter de
simplitate l au matricele cu un de elemente nenule grupate in jurul
diagonalei principale, iar n rest zerouri.
De exemplu matricele au elementele nenule grupate pe cteva
diagonale adiacente cu diagonala
Aceste matrice fac parte dintre cele numite rare, n care elementele nule.
Pentru ele algoritmi speoial adaptaji.
(1) 9
19
nu descompunerea LU a unei astfel de matrice
va fi de forma
NN
Altfel spus, algoritmul Gauss structura de
a matricei, fiind indicat in rezolvarea unor sisteme de acest tip.
1.9
a) Presupunnd a"O, prima a procesului de eliminare matricei
simetrice

b el
b d e
c e f
pentru a submatricea de ordinul doi n din dreapta jos
va fi Astfel, se poate constata n simetria
se la fiecare a procesului Gauss. Ce poate avea
acest fapt la rezolvarea unui sistem cu matricea
b) inversa matricei finite de ordinul al doilea cnd n=3,
pentru a constata ea nu este n nu se calcu-
larea inversei unei astfel de matrice.
10. Rezolvarea sistemelor cum
n necunoscute (dreptunghiulare)
Metoda se poate aplica sistemelor liniare m x n. un
(10.1) EXEMPLU
Sistemul Ax=b are matricea
termenul liber

b=
20
(1) 10
3 cu 4 necunoscute: x
1
,x
2
,x
3
,x
4
cu A= [Al b]
matricea sa Amplificnd prima (linie) cu m
21
= 2
din a doua, apoi cu m
31
= 1 din a treia, sistemul echivalent,
cu matricea
-23 _: : ::-2b,J.
o 1 2 1 b,-b,
Amplificnd a doua cu m
32
=-113 din ultima


_: _: : ::-2b, ]
o o o 1 b,-5b/3 +b.j3
Acest ultim sistem are matricea n n matrice
(i) fiecare linie ncepe cu mai multe zerouri dect linia
(ii) fiecare linie se sub cele nenule.
Numim pivot, al unei matrice n primul (ncepnd din stnga) element
nenul al linii nenule; (aici ei sunt 1 -3).
Pentru ca sistemul liniar ultimei matrice, fie compatibil, este
necesar suficient) ca n ultima sa termenul liber fie nul. De unde
(10.2) CRITERIU. Un sistem liniar mxn avnd matricea n
este compatibil numai n coloana termenilor liberi
nu pivot.
Sistemul de mai sus este compatibil cnd b
3
-5b/3 +b.j3 =0. Pentru a-1
"rezolva" - deoarece admite o infinitate de alegem drept parametri sau
necunoscute secundare- necunoscutele coloanelor
pivot. Ele sunt x
2
x
4
Trecndu-le n membrii sistemul devine
{
x
1
+2x
3
=b
1
+2x
2
-2x
4
,
-3x
3
=b
2
-2b
1
+6x
4

Fiind triunghiular, se prin (cf. 1) pe rnd
2b,-b, 2b,-b,
xa- -2x4 'xl- +2xz+2x4.
3 3
n final, a sistemului dat va fi (pentru orice x
2
,x
4
eR ):
(
)
T
2b,-b, 2b,-b,
3 +2x,+2x,,x,, 3 -2x,,x,
O vom descompune n suma de coloane
2b
2
-b, 2b,-b, T
(
)
T
3 ,0, 3 ,o +(2x,+2x,,x,,-2x,,x,)
unde: prima depinde de termenul liber (b
1
,b
2
,b
3
)T
pentru valorile ale parametrilor, iar a doua
este, la rndul ei, o dar nu pentru sistemul dat, ci
10
21
<pE!ntru U11 sistem din acesta b
1
=b
2
=b
3
=0 care se
omogen sistemului dat.

(2x,+2x,,x,, -2x,,x,) T
se descompune n suma unui de coloane egal cu de parametri.
cazul de descompunerea
x
2
(2,l,O,OJT +x,(2,0,-2,1)T.
Ea se a celor coloane cu

x,.
Fiecare din cele coloane de numere coloana
J!te UllUi parametru din vor purta
'numele de sistem fundamental de pentru sistemul liniar omogenAx=O
sistemului dat, Ax=b.
Din analiza acestui caz se desprind
CONCLUZII GENERALE
;; l) a unui sistem liniar neomogen Ax=b compatibil
suma ntre o a
Ax= O, i.e.
,
0
,.2) parametrilor de care depinde
este egal cu n-r ntre n al necUlloscutelor
r al (rangul).
3) a sistemului omogen Ax=O este
a celor n-r coloane ale sistemului fundamental de
cu
(10.4) PROPRIETATE. Orice sistem liniar .omogen avnd mai
dect necunoscute are diferite de
ntruct matrice n este
mai mic sau egal cu liniilor - aici strict mai mic dect cel al
necunoscutelor - va rezulta, cf. concluziilor 2 8, sistemul fundamental
n-r>O particulare, fiecare de (deoarece,
Ullui parametru din o astfel de
particulara va avea 1 pe necunoscutei secundare
respective; vezi exemplul anterior).
Criteriul de compatibilitate 10.2 este util, dar important din punct de
vedere teoretic. n continuare un criteriu bazat pe o
- aceea de vectorial (al coloanelor matricei A).
(10.5)
Se vectorial al coloanelor matri-
cei A, notat 5(A), tuturor liniare cu
coloanele matricei A.
n cazul matricei sistemului liniar considerat, din patru coloane,
va toate liniare
22
(1) 10
Este vorba de o cu o infinitate de coloane. Pentru a da o
reprezentare elementelor sale este bine scrierea combi
liniare de coloane ca produs dintre matricea A coloana x a coeficien-
(vezi 2). Pe scurt
b =<bvb
2
,b
3
JT e5(A) <=> 3x=(x
1
,x
2
,x
3
,x
4
)T: b =Ax.
Dar din dreapta simbolului "<=>" este exact compatibilitatea
sistemului Ax=b. Deci:
(10.6) CRITERIU: Un sistem liniar este compatibil d.n.d. termenul
liber vectorial al coloanelor matricei sale.
a acestui criteriu n faptul el
vectorial de coloane, deci un tip particular de vectorial
este cheia de a algebrei liniare.
nainte de a ncheia paragraful capitolul, nu este lipsit de
originea a de vectorial.
Vom reprezenta geometric 5(A), respectiv liniara ale
coloanelor matricei din exemplul anterior.
Reamintim pe o - n . prin alegerea unei
origini, sens (pozitiv) a unei de - putem reprezenta toate
numerele reale (axa
Trei axe reale, perpendiculare cte cu originea unitatea de
comune, un sistem de axe.
ntr-un astfel de sistem,
prima din A: (1,2,1)r, identificnd-o
cu punctul de coordonate 1,2,1, sau mai
potrivit cu (vectorul) ce
originea cu acest punct.
descompunerea
f:H:H:H:l
---
--
-
--
1
1
m
corespunde geometric descompunerii diagonalei unui paralelipiped n suma
a laturilor sale.
Apare astfel dintre Geometrie (deoarece suma
este legea de compunere a vitezelor, etc.). Orice
ntre coloanele lui A are o
Astfel, ntre primele coloane ale
matricei din exe,rnplu, a
2
=-2a
1

coliniaritatea lor, iar ntre ultimele trei
coloane, a,=a
2
+2a
3

coplanaritatea lor.
x
1
a
1
+xp
2
+xp
3
+x,a,, a
coloanelor lui A, devine, utiliznd aceste
1
1
/
1
1
1

-2a, -a, 1
1

10
23
(x,-2x
2
-2x
4
)a
1
+(x
3
+2x
4
)a
3
a celor
'<lm vector n planul determinat de acestea
Acest plan va reprezenta geometric

Criteriul 10.6 astfel - pentru ma-
iricea din exemplu - formulare:
"Sistemul este compatibil d.n.d.
liber b se n planul

de coloanele matricei A."

--1
r----- 1
1 1
1 :J(A) 1
1 1
1 1
1 1
1
1
a
1
_1
1
1
1
G,

, Ca n cazul matricelor reducerea la o n (prescur-
rat: f.s.) U a matricei dreptunghiulara A conduce, alte calcule suplimen-
la o descompunere PA=LU unde P este matricea din matricea
,#citate prin efectuarea necesare de linii, iar L este matricea
a multiplicatorilor procesului n ordinea de (con-
form 2 5).
, o mai a metodei, exemple de reducere
,tratate complet:
(10.7) EXEMPLU
; -1
1
];
-1 3 1 5
prima linie cu m
21
112 m
31
-112, o din a doua, respectiv
a treia linie:
[
2 -6 4 -1]

-..: o 3 !.
2 2
n aflate sub diagonala matricei, am multiplica-
torii ei nu fac parte din A. linia a doua cu

o
din a treia:
A ..... [:
-..: 3 o o
2
unde am multiplicatorul m
32
pe
de sub triunghiul de jos al lui L,
24

>
u-t :: il
(1) 10
A=LU.
(10.8) ExEMPLU
A= [-26 :3
4 3 1 '
-1 1 5
prima linie cu mu =-3 , m
31
=2 , m
41
=-112 o din liniile

2 1 -1
-3 o o
A_.. 2 1 3
-1 3 9
2 2 2
liniile 1 2 (inclusiv multiplicatorii n prima sub
pivot)
2 1 -1
2 1 3
A_.. -3 O O
1 3 9
2 2 2
linia a doua cu m
42
:3/2, o din a patra
2 1 -1
2 1 3
A_.. -3 O O
1 3 o
2 2
(zeroul aflat pe (3,2) corespunde multiplicatorului m
32
=0 ).

1
2 1
L=
-3
o
1 3
2 2
1 ,

o 1 o o
10
P=P
23
, care se din 1
4
,prin permutarea liniilor 2 3.
PA=LU.
25
Pentru cei doritori transcrie ntr-unul din limbajele
de programare, descriem algoritmul general de reducere a matricei A, cu m linii
la o n
Pasull: A este o linie sau matricea atunci este n
Pasul 2: n caz contrar, fie q indicele primei coloane nenule (ncepnd din stnga)
primul element nenul din coloana q (ncepnd de sus). Permutnd, p>1,
Ij:riiap cu prima linie, aducem elementul apq n alq. Apoi, prin primei
Unii cu

din linia , toate elementele aq (nenule) aflate sub

'",Pasul 3: submatricea din A prin suprimarea primei linii a
primelor q coloane este Renotnd-o cu A revenim la pasul 1.
1.10
a) o matrice n 3x5 avnd n coloanele 2, 3 5.
b) Considernd sistemele liniare Ax=b avnd, pe rnd, ca matrice A, pe fiecare
din matricele exemplelor 10.7 10.8, iar termenul liber b, cu corespun-
de componente, pe care acestea le
pentru compatibilitate. 10.2).
parametrii de care depinde apoi
descompunnd-o modelul descris n exemplul 10.1.
c) Determinati descompunerea PA=LU a matricelor
o o 5 2 -1 -1 3 -6 5
2 1 3 -4 2 2 -5 14 -7
A, = 2 4 3 A
2
= 6 -3 -1 6
-14
14
4 2 1 -2 1 5 -7 18 -1
-2 2 -3 4 -2 -4 12 -18 15
d) Forma n a unei matrice nu este Dar acceptnd ntre transfer-
prin care A este la o n unei linii
la un (nenul), cum am n algoritmul Gauss-Jordan ( 6.2),
putem o n care n plus de condi-
(i) (ii),
(iii) sunt 1,
(iv) n coloana pivot, celelalte elemente sunt nule.
Forma n a matrice este
algoritmul Gauss-Jordan pentru a pentru fiecare
matriceA din exemplele 10.1 10.7.
Chestiuni recapitulative
1) Pentru ce tip de matrice A sistemul Ax=b se doar prin

2) Ce trebuie acestei matrice pentru ca sistemului
dat existe fie ?
26
3) matricea! unicul pas al procesului de eliminare
pentru sistemul 2x2 nesingular Ax=b (presupunnd a
11
"0 ).
4) Care este maxim al de linii, necesare
unui sistem liniar 3x3 ?
5) n cazul matricei finite de ordinul al doilea, sistemul liniar
poate fi rezolvat, prin metoda Gauss, cu relativ
de acest n cazul nxn.
6) Fie A matrice 3x3. produsul Ae
1
, e
1
fiind prima din
/
3
, prima din A Ce va reprezenta produsule[A
etc.? Dar e,T Ae
1
, e,T Ae
2
etc.?
7) sub forma LDL r matricea tridiago-
:
o 2 1
8) n cazul unui sistem liniar mxn Ax=b ce ntre m,n rangul r al
matricei A, compatibilitatea ?
9) un astfel de sistem incompatibil pentru care m<n. m
n ct mai mici cu
10) Determina matrice A pentru care sistemului Ax=b
fie:
(i) O sau 1, depinznd de coloana b,
(ii) oo, oricare ar fi b,
(iii) O sau oo, depinznd de b,
(iv) 1, oricare ar fi b.
11) Ce n fiecare din cazurile anterioare, ntre m, n, r ?
Capitolul 2
VECTORIALE LINIARE
Rezumat. coloanelor unei matrice este una din ipostazele acestui
concept cheie - de vectorial - pe care l vom analiza aici. ce-i
printr-o (1) n cadrul teoretic astfel constituit vor
prinde contur (2) baza
(3). Teorema 2-4.1 permite definirea dimensiunii (4). Cele patru
fundamentale ale unei matrice de numere reale excelente exem*
ale acestor concepte teoretice (5).
ipostaza sa - izomorfismul de vectoriale - este al
doilea concept cheie al teoriei (6). Teorema 6.12 studierii
x.n a liniare dintre ele. Matricea este modelul unei astfel
de (7 .1), iar cazul general al liniare ntre vectori-
ale se reduce la acest model de studiu (7.2).
ntre lui K' ce produc (noi) sunt
n locul reuniunii- suma (8.1). Problema dimensiunilor a
cte unei baze n fiecare din noile se algoritmic (8.2). Un caz
particular important este cel al sumei directe anume cel n care J<:l este o
astfel de (8.3).
1. de vectorialfe coloane
t' . n ce vor fi incluse de vectoriale de
unele reale, celelalte complexe. prib K una din

1R
sau C. /' Ji t -k k "-"'
r;fo 7
(1.1) Numim vectorial (de coloane) cu,scalari din K{ sau
peste K, o de (vectori) coloane avnd
(1) este
(2) cu orice doi vectori suma lor;
(3) cu fiecare vector vectorii prin
acestuia cu scalarii din K. t
n terminologia numerele lui K se vor iili.m1 scalari, iar elemen-
tele vectori (coloane). Ca vor fi desemnate prin
majuscule, vectorii - prin litere mici ale alfabetului latin, iar scalarii - cu
litere mici latine sau
nlocuind prin "vector-linie" un de vec-
tori-linie, dar vom prefera utilizarea de transfor-
mare a unui tip de vector n se transpunere se
cu T Ia matrice (cf. (1)8), ea se de
n R C nu apar ca simple ci ca structuri nzestrate cu ce
le calitatea de corpuri algebrice.
28
(2) 1
(1.2)
(1) (A+B)T =AT+BT;
(2) (M)T =M T;
(3) (A T)T =A;
(4) (AB)T =BTAT;
(5) (A -
1
)T =(A TJ-
1
, A -
1

(1.3) li!." ( <C') va desemna tuturor coloanelor n-dimensio-
nale de numere reale (complexe). Prin K" n mod ambiguu, oricare
din cele
Mn(l() tuturor matricelor cu elemente din K, iar
prin Mm n(K) - tuturor matricelor avnd m linii, n coloane ele-
mente dinK.
2.1
(a) n cazul din este
vectorial de coloane, preciznd de fiecare peste ce corp de scalari:
(i) lR"; (ii) C"; (iii) {O"}, unde. este coloana cun componente;
(iv) {(x
1
,x
2
,x
3
)TeJR
3
Ix
1
+x
2
=0}; (v) {(x
1
,x
2
,x
3
)'eJR'Ix
1
x
2
=0};
(vi) {(x
1
,x
2
,x
3
)Te<C'IX,=x
2
} (x
1
este conjugatul complex al lui x
1
);
(vii) {(x
1
,x
2
,x
3
)TeJR'Ix
1
=1}; (viii) {Axlxelll.
3
} (unde AeM,(lR) este
(b) (1), (2), (3) din 1.1 sunt logic independente, i.e. nu
pot fi deduse una din Pentru a verifica acest lucru
ale lui R.
2
n care fie dintre ele, nu a treia.
Vom extinde acum 1.1, de la de coloane de
numere, la alte tipuri de
(c) nlocuind n 1.1 cu vectorii-matrice, suma lor cu suma
matricelor, iar cu scalari cu cu numere a matricelor,
care din este un

vectorial de matrice
11

peste ce corp de scalari:
(i) (ii) Mm,,(C);
(iii) {XEM"(]!.)IXT=XJ matricelor simetrice);
(iv) matricelor nxn, superior triunghiulare;
(v) matricelor nxn, nesingulare.
(d) nlocuim n 1.1 cu vectorul- polinom p()[), avnd coefici-
n K, n nedeterminata X
p()[)=a
0
+a
1
X +a,X
2
+ ... +a)(" (a,eiO.
an;tO, atunci gradul este n.
acestor polinoame, avnd orice grad posibil, o K[X), iar prin
K"[XJ polinoamelor de grad ,;n (n natural fixat). Rea-
mintim egalitatea a doi vectori polinoame egalitatea gradelor
egalitatea termenilor de grad (i.e polinoame identice).
Adunarea vectorilor se face adunnd termenilor de grad, iar
cu un scalar- cu el.
1 29
care din din K[XJ sunt vectoriale peste K:
(i) KlXJ; (ii) [p(X)eK,[XJip(O)O};
(iii) {p(X)eK,[XIIp(O)l}; (iv) {p(X)eK.[X]Ip(XI-p( -X)} polinoa-
melor - impare).
2. a vectorilor
Dimensiunile m n ale matricei A nu sunt semnificative ca dimensiuni ale
!listemului liniar Ax=b- De matricea 3x4 din (1).10.1 avnd a treia linie
., a primelor sistemul liniar va avea
i!oar necunoscute (principale). Pentru a evalua aceste
\fimensiuni se introduce rangul r al matricei i.e
a rangului este, teoretic, deoarece nu
dintre rang matrice. Anume:
rangul lui A este maxim de linii (sau coloane) liuiar inde-
din A.
ce vom prin liniar
{u
1
,u
2
, ,v,}, de vectori dintr-un vectorial
peste K, este liniar (peste K) pentru. orice scalari ,
c c c eK [v4;v;z;v3>J\2;!L:o -' ..
1' 2''''' n >.":,_ .... --.".:4- \
c
1
v
1
+c
2
u
2
+ ... +cnvn eO <=> c
1
eQ c
2
eQ ... Cn""O. ,i-':_;,
',; Aici O este vectorul nul al iar din 'i.ste ca "sin-
!!!lra (cu vectori) avnd ca rezultat vectorul nul
cu nuli". n limbaj curent vom spune

v. sunt liniar Trebuie aceasta este o

1
proprietate a nu a n parte.
1
,, Pentru a demonstra liniar unei de vectori este
a demonstra (reciproca fiind mereu
de este
!:
;(2.2) O de (peste K) ntre vectorii
v
1
,v
2
, ,u. este o de forma
elul +CzVz+ ... +cnun eO,
n care lc
1
l+lc
2
!+ ... +1c.l ;tO (i.e.
Are loc
(2.3) COROLAR. {v
1
,v
2
, ,v.} este liniar peste K (i.e. nu
este liniar {o> o de
peste K, ntre vectorii
un rezultat extrem de util, ce se la orice matrice n U.
(2.4) Cele r linii nenule cele r coloane care lui U sunt
liniar independente.
nu probleme de principiu, ci de Pentru clari-
. tate, vom trata- cu titlu de exemplu - cazul matrice 3x5 n
30
(2} 2
[
O a
12
a
13
a,. a
15
]
O O a
23
a
24
a
25
, unde a
12
,a
23
,a
35
>'0
0000a
35
a
1
,a
2
,a
3
liniile (transpuse) fie c
1
,c
2
,c
3
eK a.. c
1
a
1
+c.a
2
+c
3
a
3
=0
5

Trecnd pe componente egalitate ci:rici
scalare; vom scrie pe a doua, a treia a cincea coloanelor cu
pivot):
' cla1a+C:P2s=O ' clals+C:P2s+caaas=O
c
1
=0,c
2
=0,c
3
=0
ca demonstrarea liniar coloanelor a II-a, a
III-a a V-a (cu pivot).
(2.5) Pentru a stabili sau a
coloanelor v" ... v. din Km trebuie avute n vedere toate
liniare c
1
v
1
+ ... +C
11
Vn cu ci.eK.
AeMm,n(K) este matricea avndu-i pe v, drept coloane
prin c coloana atunci va lua forma
Ac. Vectorii vor fi liniari sistemul Ac=O are
unei astfel de poate fi prin aducerea lui A
la o n U. Anume: U exact r=n linii nenule
atunci nu vor exista necunoscute secundare, singura fiind c =O., iar
coloanele v, - liniar independente; r<n, atunci coloanelev,
vor fi liniar dependente.
n m<n r<n deci:
(2.6) COROLAR. in K m, orice cu mai mult de m vectori este liniar

Acesta este un alt mod de exprimare a (1).10.4.
2.2
(a) n ce dintr-un singur vector este liniar iodepen-

(b) Este liniar orice a unei liniar indepen-
dente?
(c) Cei n-r vectori ce sistemul fundamental de al unui sistem
liniar omogen (conform (1).10.3) sunt, n cazul r<n, lioiar
acest fapt n cazul dio exemplul (1).10.1 n cel al sistemelor din

3. Sistem de generatori.
(3.1) O de vectori, dintr-un vectorial peste K, repre-
un sistem de generatori ai acelui fiecare vector al
se poate scrie drept a vectorilor sistemului,
cu din K.
. 1) Coloanele matrice un sistem de generatori ai
coloanelor sale (1).10.5).
pentru matricea din (1).10.1, coloanele un plan din JR'.
plan este generat de prima a treia (cele
timp ce primele coloane o din acest plan.
,2) Coloanele matricei unitate In numele de versori ai axelor de coor-
donate n :e.n, respectiv C". Ele se e
1
, ... ,en.
xeK" x=<xv- .. ,x,.)T =x
1
e
1
+ +xnen.
ei un sistem de generatori pentru K (peste K).
:Pe de parte, e, sunt liniar (de ce?). Din acest
motiv, n de generarea K", nici unul dintre vectori nu
.este de prisos, nu putem la nici unul cum am n primul
exemplu).
31
'(3.8) Se a unui vectorial peste K orice sistem
de generatori care sunt liniar (peste K).
celor - de generare liniar -
SI\ pentru ntreaga teorie a vectoriale.

(3.4) B=(v
1
,v
2
, ... ,v,) este a unui vectorial peste K
atunci pentru orice vector v al sunt unici
c
1
,c
2
, ... ,c,EK astfel fnct
v=c
1
v
1
+c
2
v
2
+ ... +cnvn .
(3.5) c, din se numesc coordonatele vectoru-
lui v n baza B.
fll6) prin [v]
8
coloana ca acestor coordonate o numim coloana de
;(:!)ordonate a vectorului v n baza B.
lemei: c, din proprietatea de
g-enerare pe care o are baza, n timp ce unicitatea - din proprietatea de liniar

Unicitatea. v s-ar descompune n moduri
u'Jec
1
v
1
+ ... +c,.un'Jed
1
v
1
... +dnvn cu dieK,
atunci ar rezulta
(c
1
-d
1
)v
1
+ ... +(c, -d,)v. =0,
deci, cf. liniar c
1
=d
1
, ... ,c, =d .
{3. 7) 1) sistemul de generatori a fost definit ca de
vectori" de ordinea acestora), pentru o ordinea este
Baza este un sistem ordonat de vectori. baze din
vectori n ordini diferite vor fi considerate diferite.
32
(2) 3
2) Baza (e
1
,e
2
, ,e.) a K" se fiind, n general,
altor baze o infinitate !) sale. Printre
ele pe aceea pentru orice xEK": x coincide cu coloana sa de
coordonate n baza
(3.8) EXEMPLE
1) n planul JR
2
se cei trei vectori din Ei
un sistem de generatori ai planului, dar nu liniar

Oricare doi dintre ei se de ambele ale
unei baze a planului (de ce?). Putem cu ei baze
distincte pentru JR
2
Cte astfel de baze are planul ?
2) matricea n
[
d, * * *]
U= O O d
2
,
o o o o
d
1
,d
2
fiind (nenuli), iar * reprezentnd elemente oarecare. Cele patru
Ioane ale sale coloanelor lui U. Ele nu sunt liniar independen-
te. mai multe de alegere a bazei, vom prefera
toarea
(3.9) Coloanele ce lui U o n 5(U).
valabilitatea ei n cazul particular al acestei matrice U.
2.3
a) unui sistem de generatori ai vectorial i un vector
ve V, sistemul astfel proprietatea de a fi sistem de genera
tori ? Dar n loc de a extragem un vector din sistem ?
exemple.)
b) pentru M
3
,
2
(l0, sistemul matricelor(lwl
12
,l
21
,l
22
,l
31
,l
32
)
unde l" are 1 n (k,l) O n rest, este o (baza
Care va fi baza a M m)K> ?
c) n K.[X], sistemul (l,X, ... ,X") este o (baza cano

d) Orice vectorial un sistem de generatori, de n-ar fi
dect (sistem infinit!). n cazul K[X] (cf.
2.1.d) nu un sistem finit de generatori!
e) V
1
V
2
sunt vectoriale peste corp de scalari K, iarS
1
8
2
sunt sisteme de generatori, incluziunea
V
1
e V
2
1
este ca vectorii lui 8
1
se exprime drept
liniare, cu n K , de vectorii lui 8
2

Pentru C:: a se vedea 5.
33
4. Dimensiunea unui vectorial
,' o infinitate de baze, vectorilor !n oricare din ele este

'c>, De exemplu, in plan orice este din doi vectori, trei vectori
'-A:-.:,
fijnd Intotdeauna liniar (de ce?).
proprietate a vectoriale va fi
drept
u
1
,v
2
, .. ,vm w.,w
2
, ... ,w. sunt baze ale
vectorial (de coloane) atunci m=n.
(prin reducere la absurd): Presupunem m;, n. Pentru a ajunge
o pentru nceput, cazul m>n.
'''Deoarece w
1
,w
2
, ... ,w. o pentru fiecare v
1

a,. astfel nct
n
Vf=avw
1
+ ... +aniwn= Eai.Jwi.
- i, .. l
Pentru orice c
1
, ... ,c. au loc
m (1) m n (Rl)
clul+ ... +cmvm= Lcpi= Lei Lai}n) =
)"1 )=1 i.,l
(Rl) m n (R2) n m
= L;L;cpilw,=
j"'l i"'l i"'l f"l
n m
= L;w,(L;a.,c)
m
i"'l )..,1
(1)
(2)
L a,p
1
=0 pentru i=I;ii. Ele constituie un sistem liniar
f=l
omogen care,n virtutea ipotezei m>n, are mai multe necunoscute dect
(,!f. (1).10.4 c;,O, contrazicnd liniar vectorilor o,
demonstrnd teorema n cazul m>n.
Cnd m<n rolurile celor sisteme de vectori. fl!l
vectorilor dintr-o a uectorial V (deci
din toate) se dimensiunea lui V (peste K) se dim V
sau dimKV.
Revenim la teoremei. Rezultatul cheie a fost proprietatea
([).10.4 !n teoria vectoriale astfel:
regulile de calcul cu simbolul E ;
" "
(RJ)
,E av,a,E v,.
id id
n m m n
(R2)
.E .E au .E .Ea,-
iI jl jd id
34
(2) 4
"n K"' orice cu mai mult de m vectori este liniar
(conform 2.6).
Mai general, ntr-un vectorial:
(4.3) Dimensiunea maxim de vectori liniari
de a caracteriza aceast important, anume:
(4.4) Dimensiunea = minim de generatori ai
De aici cu necesitate, ntr-un vectorial de dimensiune n:
(4.5) Orice n vectori liniar o a
(4.6) Orice n vectori care de asemenea, o a sa.
Dar avem la "prea vectori !iniari sau
"prea generatori, atunci baza folosindu-ne de
toarele principii (teoreme):
(4.7) PRINCIPIUL DE COMPLETARE. Orice de vectori liniar indepen-
poate fi la o a
(4.8) PRINCIPIUL DE Din orice de generatori ai
se poate extrage o a sa.
Vom ntlni n continuare concrete de realizare a acestor principii.
2.4
a) n cazul vectorilor Il' (planul) o prin
care din n>2 generatori ai extrage o
b) principiul de completare n K" construind o prin
care r<n coloane liniar independente, e.g. coloane cu pivot ale unei matrice tn
U, fi completate la o a lui K". pentru nce-
put cazul n=3.)
c) VC::W dimV=dimW, atunci V=W. 4.5
pentru a o n V este n W.
5. fundamentale ale unei matrice de numere reale
Un vectorial V de coloane m-dimensionale cu elemente din K este
o a lui Km. Dar simpla incluziune VcKm nu complet
ntre cele (care au, printre altele, vector nul).
Vom spune, n acest caz, V este un al hri Km vom nota
faptul prin
VC::K"'.
principale prin care pot asemenea ale lui K"'.
Aceste au, desigur, sens nUmai n numitele de dimensiune nu
au sens, de n K[X] (cf. exercitiului 2.3.d).
'7iiif_(//'''
\>n'ffi_
5
35
.1) V este generat de o de coloane:

v
1
, ,v. din Km. Vom utiliza
.,(5.1) V -{v
1
, ,v.l.
Un exemplu n acest sens l S(A), al coloanelor matricei


... a.l, care va fi

... ,a.l.
2) V este tuturor coloanelor - ale unui sistem liniar
lill:logen.
n primul caz vom spune avem de-a face cu o a lui
ntr-a doua - cu o Acestor le corespund
itpoduri specifice de determinare a dimensiunii a bazei respectiv
ce numita a
'l'fatarea lor este subiectul paragrafului de n care vom presu-
,t!f!lle A este o matrice mxn Desigur, toate rezultatele cu
privire la matricele reale pentru cele cu numere complexe.
5.1. liniilor matricei A: S(A 1)
este, prin R" generat de liniile matricei A.
ele sunt coloanele lui A T, vom nota liniilor cu S(A 1), el
tot un de coloane.
(vezi ex. 2.5.1.b)
S(A Tx].
(5.2) liniilor matricei A coincide cu liniilor f.s.
a matricei A.
Vom fiecare prin care se
l!junge la forma n nu liniilor.
Notnd cu l
1
, ,l,, .. ,li, .. ,lm liniile (transpuse) ale lui A, transfor-
marea lor n z,, .. ,l,, .. ,l;-al,, .. ,lm. Fiecare din vectorii celui de al doilea sistem este
de vectorii primului reciproc, deoarece Cf.
2.3.e, cele sisteme vectorial (sunt
sunt echivalente sistemele ce se unul din
prin permutarea vectorilor.
(5.3) COROLAR. 1) dimS(A S(U').
2) r(A
3) O a S(A ') SCU') este
din liniile nenule (transpuse) din U.
1) 3) direct din 2.4 5.2.
l numim rangul pe coloane al matricei A.
Similar r(A S(A 1) se va numi rangul pe linii al matricei A.
Din 1) 2).
36
(2) 5
2.5.1
a) sunt echivalente sistemele de vectori unul din
prin multiplicarea unui vector cu un nenul. liniilor
matricei A coincide cu liniilor formei sale canonice n {cf.
l.lO.d).
b) de ce: ye::l(A ')<o>3xelll.m:y=ATx.
5.2. Nucleul matricei A: N(A)
Nucleul matricei A se mai nul al matricei A este
tuit din toate sistemului liniar omogen cu matricea A. Se
N(A) - alteori Ker(A) - nct
N(A)={x elR." !Ax=O m}.
Este un al lui JR" 2.5.2.a).
Deoarece sistemele Ax=O Ux=O, unde U este o f.s. a lui A, sunt echiva-
lente,
(5.4)
N(A)=N(U).
de vectori din lR" -
((1).10.3)- este de n-r vectori, r fiind (i.e. rangul)
lui U- sistemul fundamental de al sistemului omogen. Fiind un
sistem de generatori ai nucleului liniar
2.2.c),
(5.5) vectorii sistemului fundamental o n N(A) n N(U) ).

(5.6)
dimN(A)=dimN(U)= n-r.
2.5.2
a) N(A) este un vectorial.
b) Z(A ') N(A) sunt ale lui ][!.".
dimZ(A "l+dimN(A)=dimlll.".
c) produsul AB are sens, N(B)C:: N(AB). A
are coloanele liniar independente, atunci N(AB)C:: N(B), deci egalitatea.
5.3. coloa,nelor matricei A:
Fie A=[a,
1
!a,
2
... a.l

.. ,a.).
Cu privire la acestui dndu-se o
f: E -t F, se imagine a lui f se
fyeF !3xeE:y=ft:x)}.
Anticipnd, vom spune matricea A o
fA: JR" -t JR.m prin
x,
x,

a.l ;

... +x"a".
xn
37
Deci '5(/A) va fi tuturor liniare ale coloanelor din A:
U o n a matricei A. Spre deosebire de liniilor, se
ca '5(A);t':J(U) 2.5.3.a). Vom pune n
ntre coloanele celor matrice:
LEMA. O de coloane din A este liniar d.n.d.
coloanelor din U este liniar indepen
fiind coloanele cu n cele
matrice.)
Rescriind echivalenta sistemelor sub forma
x
1
a
1
+ ... +xnan""O {::} x
1
u
1
+ ... +xnun""O (1)
u
1
, ,u. coloanele lui U), pe baza 2.2 putem afirma
o de
ntre coloanele lui A d.n.d.
(i.e. cu
ntre coloanele lui U''.
(2)
n (1) deducem (2) este pentru orice
a coloanelor lui A. Cf.2.3, aceasta Ierna
ii;S COROLAR. 1)
2)
3) O n '5(A) se alegnd coloanele lui A cores-
coloanelor cu pivot din U.
1) este o a lemei a dimensiunii unui ca
maxim de vectori liniar ai
2) este exprimarea lui 1) cu ajutorul rangului pe coloane al celor
matrice.
i , 3) ,Am remarcat n 3.8.2, de alegere a bazei
pentru '5(U). Coloanele din A acestor coloane vor fi, cf.lemei,
'liniar independente n egal cu dim':J(A), cf. 1). n virtutea lui 4.5 ele
o n '5(A).
,Revenim la forma n
["' .
"]
o
o d,
* '
o o o o
38
(2) 5
avnd doi deci linii nenule, iar baza n coloanelor
din I-a a III -a proprietate a unei matrice n -
de a avea liniilor cu pivot egal cu al coloanelor cu pivot, are drept
egalitatea:
dimS(UT)=dimS(U)
(care a fost prin compararea ambelor dimensiuni cu pivo-
lui U). Cf. 5.3 5.8
dimS(A T)=dim S(UT)=dim S(U)=dim S(A),

1 dimS(A T)=dimS(A) 1
pentru orice A.
Acest rezultat important, din algebra se de obicei sub
forma:
rangul pe linii = rangul pe coloane,
valoarea lor numindu-se rang.
EXERCITWL 2.5.3.
a) de ce, n cazul matricei A elin (1).10.1: S(A)>'S(U), deci ar fi
alegem ca n S(A) coloanele cu pivot elin U. corect baza acestul

b) produsul AB are sens, atunci S(AB)C:: S(A) de
respectiv n care se rans orme o egalitate (a se vedea ex. 2.5.2.c).
c) elin ex.2.5.2.c are Joc inegalitatea 1 r(AB)Sr(B) 1
5.4. Nucleul stng al matricei A:I'i!(A T)
Este tuturor sistemului A Ty=O deci al lui J(l.m.
Denumirea sa provine din faptul transpunnd de yTA=OT;
vectorul y care o satisface, va purta numele de vectornulla stnga pentru A
Aplicnd rezultatele din 5.2
dimN(AT)=m-r,
o pentru nucleul stng fiind din cele m-r particulare ale
sistemului fundamental de pentru A T y =O.
Cunoscnd descompunerea PA=LU, putem determina o
n I'i!(A T) astfel:
rescriem descompunerea sub forma
(L-'PJA=U
notnd y[. .. y:; liniile matricei L -lp, egalitatea se va transforma
n m de linii; scriem doar pe ultimele m-r

.. .y::A =OT.
(Membrii sunt liniile nule din U.)
y,:, ... y!eN(A ').
39
Ca a sistemului liuiar independent de liuii ale matricei nesingu-
L -p, ei sunt liuiar 2.2.b) n egal cu
'); cf. 4.5, ei o pentru nucleul stng.
2.5.4
a) cele 4 subspaj:ii fundamentale matricei A din
exemplele (1).10.1, (1).10.7, (1).10.8.
b) O matrice mxn de rang r=l are ntotdeauna forma A""UV Tunde, n cazul real,
uER.m velln. Ce dimensiuni vor avea n acest caz cele 4 fundamentale
? Determinati-le cte o
c) O matrice mxn de rang r admite intotdeauna descompunerea A=L U, undeL
este mxr, iar U este rxn, ambele fiind de rang r (cf. anexei C). Cum de
aici 5(A)=5(V N(A)=N{Ul ?
2.5.3.b 2.5.2.c.
d) Din incluziunile 5(AB)C::5(A) N(B)C::N(AB) 2.5.3.b 2.5.2.c),
cu ajutorul transpunerii, S((AB)')C:: S(B ') N(A ')<:: N((AB)'). Ce devin
aceste incluziuni in cazul descompunerii A=LU ?
6. liniare. Izomorfism
Cele care ntreaga sunt
1 ) vectori al (liniar);
2)
Am deja matricea AeM ... "(R) o Il"--> Rm
prin f(x)=Ax. este sale cu
cele liniare: adunarea vectorilor lor cu sca!ari.
Respectiv au loc
(6.1) Fie V V' vectoriale peste corp de scalari K
O fV--> V
1
este pentru \fv,we V \faeK:
(1)
(2)
pe V sau V' nu sunt definite structuri de vectoriale peste
K, atunci nu se poate vorbi despre vreo liniard tntre V V'.
Cele ale pot fi formulate
ntr-una
\f a,f3 eK, \fv,weV:
(6.3) PROPRIETATE Dacd V, V
1
, V'' sunt vectoriale peste corp de
scalari, iar fV--> V'

V
11
sunt liniare, atunci
gf:V --> V
11
pentru vEV prin este

40
(2) 6

liniare f:V -7 V' i se nucleul
imaginea.
(6.4) Nucleul, notat N(fJ, este definit prin N(fJ={veVIf\v)=01 ( O'=vectorul nul
din V').
(6.5) Imaginea, 'J(fJ, este prin 'J(fJ=(v
1
eV'I3veV:f\v)=v1.
(6.6) PROPRIETATE. N(fJC::V 'J(fJC:: V'.
Pentru a demonstra o de tipul Se V trebuie
'dx,yeS, Va,f3eK:ax+f3yeS.
n cazul de v,weN(fJ a,l3eK, trebuie av+f3weN(fJ.
Cf. 6.4. aceasta revine la a f(v)=/(w)=O' a,f3eK
f\av+f3w)=0
1
Pe de parte, lui f,
f\av + f3w)=af\v) + 131\w)=aO' + 130'=0'.
'J(fJC:: V'.
Reamintim o f:E-7F este d.n.d.
'fx,yeE:f(x) =/'(y )<c=>x=y
este d.n.d.
\fyeF 3xeE:f(x)=y
sau, cum se mai scrie,
1\E)=F.
Pentru o de injectivitate devine:
(6. 7) CRITERIU. f: V -7 V' este numai
N(fJ={O}.
Echivalenta din poate fi
lui {, sub forma f\x-y)=O'<c=>x-y=O, sau notndx-y=z:
f(z)=0
1
<c=>z=0. Cf. 6.4 aceasta N(fJ={Ol .
6.5 ne permite scriem, pentru f, echivalenta
(6.8) f este <c=> 'J(fJ= V' !).
(6.9) DEFINI'fiE. O f: V -7 V' care este
se izomorfism ntre cele vectoriale.
vectoriale peste corp de scalari se numesc
izomorfe ntre ele un izomorfism.
f este un izomorfism ntre V V', atunci au loc

1) v,, ... ,v. sunt liniar n V =>1\v,), ... ,{(v.) sunt liniar
n V'.
41
2) v
1
, ... v. sunt generatori pentru V =>f(v
1
), ,/(v.) sunt generatori pentru V'.
3) (v
1
, ,v.) este o pentru V =>(f(v
1
), ,/(v.)) este o pentru V'.
4)
Putem spune, pe scurt, un izomorfism toate
allgEbrice, deci, din acest p.d.v., V V' trebuie considerate ca identice.
un rezultat ce n lumina acestor fapte, identitatea
ntre orice vectorial de dimensiune n, cu scalari din K,
K".
TEOREMA DE 1:1:0MORFISM: V este un vectorial cu
scalari din K, dimV=n B=(v" ... ,v.) este o a sa, atunci
(cf. 3.6) [ la: V_, K" este un izomorfism.
Reamintim prin [v la am notat coloana coordonatelor lui
vin bazaB.
Cf.3.4, aceasta o
[la:V-7K".
este:
Liniariatea: [vla=x, [v+wla=Z, cf. lui [la -

n n
n
v= E xivi,w= LYtVpV+W= L zivi'
i,.1 1 .. 1 i.,l
n
n
de unde L

L z,v, cf coordonatelor n baza B:

-l
i"'l
Xi+Yi""Zi,i=r,i_.
x+y=z sau

Similar se pentru orice aEK,vEV
a[vla=[avla
n n
Injectivitatea: atunci N([l
8
HOvl
iml i..,l
n
Surjectivitatea: xEK" construim v=Ex,v, va rezulta [vla
j .. l
(6.13) COMENTARIU. Cf. teoremei de izomorfism, din p.d.v. algebric, putem
identifica vectorii de dimensiune n peste K, prin coloanele
lor de coordonate, ntr-o Astfel, ori de cte ori se cer rezolvate
probleme de cum ar fi: determinarea unor a unor baze,
studiul liniar sau unor sisteme de vectori, etc., le
putem reduce la probleme similare referitoare la aceste coloane. (Algoritmii
pentru K" au fost n 5).
42
(2) 6
2.6
a) izomorfismul [ ]
8
dat de teorema 6.12 n cazurile V=M,_,(R)
V=:R
3
[X], bazele fiind cele din 2.3.(b) (c).
b) algoritmi pentru a studia algebrice ale
vectorilor matrice respectiv, polinoame.
c) sistem de vectori

este sistem de generatori pentru M
3
,
2
(:R) in caz afirmativ, din el o

d) pentru vectorii din K
3
[XJ:
X
3
:+2X
2
+X -1, 3X
3
+X
2
+X,2X
3
-X
2
+ 1, 3X
3
+X + 1 ,X
3
+X +2
7. Matricea ca ca matrice
7.1. Matricea ca
AeMm.(K) atunci va transforma vectorii luiK"
n vectori din K m
Au loc
(7.1) ,
(7,2) 3(/'A)='.l(A).
pe coloane, pentru echivalente cu injecti-
vitatea, respectiv smjectiviatea, fA:
(7.3) f. este
fA este
(1) (cf. 6.7);
(2) (cf. 5.6);
(1
1
)
(2
1
) (cf. 5.8).
f. este un atunci cnd n A - a..

De remarcat unei inverse la stnga, respectiv la dreapta,
pentru A sunt ce pot fi n coloana respectiv
- deci echivalente cu injectivitatea, respectiv surjectivitatea fA:
(3) (3)BeM.,m(K) (3
1
) (3)CeMn,m(K)
a..
Evident n acest caz m$n (egalitatea avnd loc n cazul
nesingnlar ).
a este:
VbeKm sistemul liniar are
( 4) cel mult
( 4
1
) cel
o
o
7
2.7.1
a) (2)=>(3) (2')=>(3\ construind matricele B respectiv C cu
'liutorul matricelor ATA respectiv AA T care, cf. (3).3.4, sunt nesingulare.
b) (3)=>(4) (3')=;(4').
utiliznd n primul caz matricea B, eventuale
trebuie utiliznd n al doilea caz matricea C, o astfel
de
c) (4)=>(1) (4')=>(f).
(1).10.3 respectiv (1).10.6.
7.2. ca matrice
43
Am orice fA este Reciproc orice
f: V' este de acest tip? este afirmativ, dar
anumite
(7.4) Cazul V=K" V'=Km.
n acest caz, A este matricea mxn ale coloane sunt vectorii
f..e
1
), /(e.) - imaginile prin f ale coloanelor matricei I. - atunci pentru orice
xeK": f..x)=Ax={ix).
Ceea ce din descompunerea x=x
1
e
1
+ ... +x.e., liniaritatea lui f
faptul A=fl\e,)l ... lf..e.)]
(7 .5) EXEMPLU
vectorilor planului n jurul ori-
ginii, n sens direct trigonometric, cu
ghiul 9, este o pe care o
r
6
: R
2

Liniaritatea sa este
unor geometrice simple. Justifi-
pe baza figurii, r
6
(v+w)=r
6
(v)+r
6
(w).
o pentru a demonstra
egalitatea r,(av)=ar,(v).
Ca urmare a cc:Ior anterior discutate,
o matrice 2x2, o vom nota R
6
, a.. pentru
orice v=(vx,v)T: r
6
(v)=Ra.v; anume
R,=[r
9
(e
1
)lr,(e
2
)].
Coloanele sale sunt figura!)
R, = [ :=: ].
De unde ntre altele, proprie-
tatea:
(7.6) Coordonatele u,,vY ale unui vector din
plan se la rotirea acestuia cu
unghiul O - in sens trigonometric - respec-
tiv in v,cosO-uysinO v,sinO+v>cosO.
44
(2) 7
(7. 7) EXEMPLU
n tridimensional R'
planele V V' p ce
vectorii din V n lor paralele cu o
pe planul V' (vezi figura).
Deoarece, prin un paralelogram se
ntr-un paralelogram, p
6.1.(1), iar 6.1.(2) este teoremei
fundamentale a p este

Dar, vectori tridimensionali n vectori tridimensionali, matricea
P, care o trebuie fie 2x2, n=dim V=2 m=dim V
1
=2. Ceea
ce face o egalitate de forma p(x)=Px (!)
n acest caz lui P va fi de alegerea a baze B B', !n
V respectiv V
1
exprimarea vectorilor prin coloanele lor de coordonate n
aceste baze.
B=(v
1
,v
2
) B'=(v;,v;), vom construi P=fp
1
lp
2
], unde p
1
=[u
1
]
8
, p
2
=[v
2
]
8
"
Deci \tuEV a., [u]
8
=(x
1
,x
2
Y=x,
fp(u )]
8
, =fp(x
1
v
1
+x
2
v
2
)]
8
, =[x
1
p(v
1
)+x,p(v
2
)]
8
, = x,p
1
+x,p
2
=P[u ]
8
,
(7.8) CONCLUZII
( 1) In general, linia re f: V--> V' i corespunde, ntr-o pereche de
baze B respectiv B
1
, o matrice AEMm,,/IO (m=dim V',n=dim V) ce
\tvEV: [ftv)]
8
,=A[v]
8

(2) Coloanele matricei A sunt [w
1
]
8
,, ... ,[wni
8
,, unde w
1
, w
11
imaginile
vectorilor bazei B prin f:
2.7.2
a) regula de transformare a coordonatelor ortogonale vx,vy,vz ale
unui vector veR.
3
la rotirea acestuia cu unghiul e n jurul axei Oz.
b) Compunerea liniare produsnl de matrice. Se apli-
liniare fc :K __, KP r.: KP-'> Km" Cf. 6.3, K" ->K"
prin (f
8
ofcl(x)=f.(fc(x)) este ea deci cf. 7.4 A E M m,n (10 a.!.
fsofc =fA. A =B C,
c) Legea de schimbare a matricei unei la schimbarea bazei.
Concluzia 7,8.(2), n cazul particular al bazelor canonice pentru V=K" V'=Km
conduce la matricea A=[fte
1
) 1 ", 1/\e,)] (cf.7.4). n locul acestora se bazele
B respectiv B, matricea A
1
, are coloanele [w)B'
Cf, anexei A, S S' sunt matricele de trecere de la bazele canonice ale
celor la B respectiv B
1
, atunci
\lxEK":x=Slx]
8
\tyEKm :y=S'(y]
8
,.
(i) plectnd de la aceste S'A'=AS ce Intre cele
matrice A A' asociate lui f.
(ii) Ce devine ea !n cazul n=m B=B'?
(2) 8
8. Suma de
8.1. Suma de
45
unui vectorial o de ntre care
putem efectua reuniuni. Dar n timp ce de
sunt, la rndul lor, reuniunile nu sunt, dect n mod
Drept urmare, reuniunii i va lua locul o suma de
Vom plasa, ca de obicei, n K , unde V W vor fi
(8.1) vectorilor lui K" avnd forma v+w cu v EV
wEW se suma V W. Ea se V+ W.
(8.2) PROPRIETATE. V,WC:K", atunci V+WCK".
x
1
EV + W (i=1,2), atunci v
1
EV w
1
E W a..
x,=v
1
+w
1
(i=1,2).
Deci x
1
+x
2
=(v
1
+W
1
)+(v
2
+w
2
)=(v
1
+V
2
)+(w
1
+w
2
)E V+ W.
xEV+W, atunci x=v+w,vEV,wEW, iar pentru a E K:
ax=a(v+w )=av +aw E V+ W.
neviditatea V+ W!
(8.3) EXEMPLE
1) Fie V W de dimensiune 1 ale lui JR
3
drepte prin origine).
V;<W atunci VnW={O), iar V+Weste planul determinat de cele drepte.
V UW nu este, n acest caz, vectorial, iar V+W
este cea mai de vectori care pe V W, fiind
la suma cu scalari a vectorilor.
2) n :R
3
(cf. figurii):
V
V= o W = un plan;
dimV+dimW=3 vnW={O).
Orice xelt.l se descompune unic n x=v+w,
veV,weW. v se luix pe
(dreapta) V, cu (planul) W", w fiind
cu V, pe W a lui x".
3) n :R V de dimen- w
siune r W de dimensiune n-r ""--"----<----../
astfel nct VnW={O,l. Imaginea ne o sugestie pentru fenomenul
considerat: fiecare xelt.n se va descompune sub forma x=v+w cu ve V weW.
(8.4) PROPRIETATE. VnW={O}, atunci descompunerea lui x este
Presupunnd v+w=v
1
+w
1
cu v
1
EV w'EW
v-v'=w'-w
care, frind din vnw, conduce la v=v
1
w=w
1

n acest caz, vectorul v se va numi lui x pe v cu W, iar
vectorul w - lui x pe W cu V.
46
(2) 8
2.8.1
a) V,Wc:K=>VnWe:K.
b) n R
3
V generat de vectorul a=(1,2,0)' W generat
de vectorii b=(2,l,O)r c=(l,-l,a)'. a a.. VnW=(O), apoi
descompunerea vectorului e=(l,l,l)T n suma v+w, unde v este sa pe
dreapta V cu planul W, iar w lui e pe planul W,
cu dreapta V.
c) A,BeMm,.<RJ, atunci 3(A+B)c3(A)+3(B)
lr<A+B)9'(A)+r(B)j.
nn exemplu cnd are loc egalitatea.
8.2. Determinarea sumei a
Cnd V,WCKn, putem ntotdeauna presupune acestea sunt date ca
de coloane:
V=S(A) W=S(B) ,
unde AeM.,.(K),BeMn,q(l(). (Altfel, utiliznd rezultatele din 5, n
prealabil o astfel de reprezentare.)
Scopul paragrafului este de a determina, n aceste ipoteze, dimensiunea
o pentru V+W, iar apoi pentru V nw.
Notnd cu [AIBJ matricea nx(p+q) coloanele lui B
cele ale lui A
(8.5) V+W=S([AIB]).
lui sunt de forma [A!Blx cu xeKP.
Notnd xJx'J unde x'eK',x"eK, putem scrie

[A!Blk}Ax
1
+Bx"e +
lx';
Reciproc, orice yeS(A) + este de forma [A IB]x (de ce?).
(8.6) dim(V+W)=r([AIB])
(8.7) O pentru V+W este din coloanele lui [AIBJ corespun-
coloanelor cu pivot ale unei f s. pentru [A 1 B].
Pentru determnarea vnw
(8.8) A B au coloanele liniar independente atunci
N([AIBll sunt izo11Wr{e.
Vom defini izomorfismul
N<rA IBD s<Aln S<B>.
47
Fie xel\!([A IBD (e. [A IBlx =0 n. ntruct xeKP, (ca mai sus)
sistemul omogen devine
xJx']x'eKP x
11
eK
J
(1)
Ax'= -Bx
11
(1
1
)
ntruct Ax'eS(A) -Bx
11
eS(B), (1
1
) un vector n
S(A)n S(B) - imaginea lui x prin izomorfism.
liniaritatea bijectivitatea ce pe x n AX.
Liniaritatea: se prin compunerea a liniare
>;A:\:.<1'< anume: una care [x'] n :i liniaritatea sa),
XII
:i n AX, va fi cf. 6.3.
Injectivitatea: Nucleul este din acele fx'] ale lui (1) care

Ax'=O. ntruct A are coloanele liniar independente, x'=OP.
x
11
=0 .
De unde, pe baza criteriului 6. 7, injectivitatea
Surjectivitatea: yeS(A)n S(B), atunci x
1
eKP,x
11
eK a..
y=Ax'=Bx
11
, deci am vectorul x=[ x'] care nucleului JI!([AIB]),
-x"
fiind transformat, prin n y (de ce?).
Acest izomorfism vectorii unei baze din
JI!([A IB]) n vectorii unei baze din S(A)n S(B) (cf. 6.11).
dim(Vn WJ=dim JI!([A IBJ )=p+q-r([A IBD,
deoarece p=r(A)=dim V,q=r(B)=dim W (cf. liniar coloa-
nelor lui A B),
(8.10) 1 dim V +dim W =dim (V+ W)+dim(V n W) 1
numele de legea
(8.11) EXEMPLU
il[1
1 o]
1
O , se determine V+W VnW.
o 1
o 1
48
Determinarea sumei: Aducnd matricea [A IBl la o f.s.
u{' : : :, :].
deci dim(V+W)=3, iar o n V+Weste (l,O,l,O)T,(O,l,O,l)r,(l,l,O,O)'.

Determinarea Legea ne
dim(VnW)=2+3-3=2.
(2) 8
Pentru determinarea unei baze mai nti, A B au coloane liniar
independente (altfel ar fi trebuit extragem cte o n V W prin proce-
deul din 5.8.3).
Metoda 1: Utiliznd 8.9, prin izomorfism, o din N([A IBD=N(U).
ntruct aceasta este ( -2, -l,l,O,O)T, ( -1, -l,O,l,l)T, baza din in-
va fi

Metoda a Il-a: Rentorcndu-ne la f.s. U coloanelor
pivot este p+q-r, dim (V n W). Le vom exprima,pe fiecare, sub forma
unor liniare a coloanelor cu pivot. n cazul de
(2,1,0,0)T =2u
1
+u
2
, (0,0,1,0)T ""Ul +u
2
-u
4
( u
1
,u
2
,u
4
fiind coloanele cu pivot din U ).
sistemelor omogene pe matricele [A IBl U, notnd
A=[a,la
2
], B=[b
1
lb
2
lb,J (vezi lemei 5.7):
b
1
=2a
1
+a
2
, b
3
=a
1
+a
2
-b
2

Din prima egalitate b,evnw, iar din rescrierea celei de a doua, b,+b
3
eVnw.
Astfel am baza
(2,1,2,1)T,(l,l,l,l)T
cu rezultatul anterior).
2.8.2
a) suma V=$(A), W=3(B) pentru matricele
B-t :]
'
x=(l,2,3,5)T n suma v+w cu ve V weW. Cte asemenea des-
compuneri
b) atunci cnd V=Z(A),W=N(B), unde
(2) 8 49
BJ3 -1 -3 O].
o 1 ' lo 1 o -3
1 o
8.3. Descompunerea n directd de
Cnd VnW=(O} suma V+W se se V$W. n
1'
ui -i<.l"<-c
dim (V$ W)=dim V +dim W. 'f'l-C<.'>
dimV+dim W=n, atunci (cum?)
K"=VEDW.
numele de "descompunere a (K") n suma
a V W'
orice vector xeK" se descompune unic sub forma x = v+w, cu ve V
WEW.
(A se vedea exemplele 8.3.2 8.3.3.)
(8.13) Jn general, V,, ... ,VP cK" au proprietatea
pentru fiecare xeK" sunt unici vectorii v,eV, (i=I;ji) a..
X""V
1
+ ... +VP,
atunci vom spune K" s-a descompus n suma
a V,, ... ,V;' vom simboliza aceasta prin
K"=V, $ ... $ VP.
n acest caz are loc ntre dimensiuni
n=dim V, + ... +dimVP.
(8.14) Am 8.12 are loc atunci cndVnW=(O}
dim V +dim W =n. n cazul descompunerii n mai multe
asupra dimensiunilor acestor echivalente 8.13, sunt mai
complicate nu le vom expune.
2.8.3.
a) cele trei descompuneri ale R
3
n suma de cte
generate de coloaoele matricei /
3

Cte descompuneri ale lui lt
3
n de trei generate de
coloane ?
b) Cnd A=[a
1
... a"] are rangul n atunci orice xe5(A) se descompune unic (de
ce?) n suma x=a
1
a
1
+ ... +a"a. , deci 5(A)=5(a
1
)GL.E95(a").
De ce lund
50
(2) 8

$(A)= V, $V,,
lund

$(A)= V
1
$V,$ V
3
etc ?
c) Plecnd de la precededent determina toate descompunerile lui 11.
4
n sume directe de generate de coloane ale matricei I,.
Chestiuni recapitulative
1) vectoriale (reale) cu un finit de vectori ?
2) vectori un de dimensiune 1 ?
3) Figura geometric doi, respectiv trei, vectori din 11!.
3
liniar
Pot exista patru astfel de vectori ?
4) o n format din vectorii lui 11!.
3
care au cele
trei componente egale ntre ele.
5) De ce polinoame nevoie pentru a genera toate polinoamele cu
reali?
6) vreo care transforme vectorii
(1,0)T,(0,1)T,(1,1)T,
respectiv n
(0,1JT,(l,Q)T,(2,2)T ?
7) n 11!.
3
, a bi.dimensionale (plane) are cel
dimensiunea 1. faptul utiliznd legea
8) Cum se va generaliza proprietatea la cazul a
din Il!." ?
9) care din sunt care sunt
false n al doilea caz cte un contraexemplu):
(i) u
1
, ,u.eV V, atunci dimV=n.
(ii) dimV=n, atunci vectorii u
1
, ,v.eV care V.
(iii) AeM.(Il!.), atunci r(A)=r(A
2
).
(iv) AeM.(II!.) atunci
Capitolul3
GEOMETRIA JR."
Rezumat. studiate !n capitolul 2 se la numita
a vectoriale, dar nu fondul problemelor ridicate de
rezolvarea sistemelor liniare. Vom dezvolta acum metode noi prin generalizarea, de
la 11.
2
11.
3
- a de unghi - la instrumentul aces
tei este produsul scalar, iar cheie este cea de ortogonalitate
(1). la aceasta conduce la precizarea geometrice
existente intre fundamentale ale unei matrice (2). Se astfel
cadrul teoretic necesar descrierii geometrice a



pe care matrice o
are - prin - asupra vectorilor din JR" (3).
Suportul teoretic construit permite o abordare complet a problemei
sistemelor liniare printro de - a celor mai
mici (4). n descrierea acesteia un rol important l matricele de
cele ortogonale (5). Reducerea la cazul ortogonal este o
frecvent n calcul,anume prin procedeul Gram-Schmidt(6). Teoretic,
fonna cea mai de
11
rezolvare", prin medoda c.m.m.p, a unui sistem
liniar o constituie trecerea la pseudoinversa matricei sale (7).
1. Produs scalar ortogonalitate
n plan de: lungime a unui vector unghi ntre doi
VE>CU)ri au geometric intuitiv.
Spre a determina formule ct mai simple de calcul, vectorii la un
sistem ortogonal de axe.
n plan (]R
2
),

va avea lungimea
+xi , iar n (R
3
),

va avea
lungimea (vezi figura).
Generaliznd, n R" raportat la axele de
versori e
1
, ... ,e", lungimea vectorului x este
x,
x,
... +x! (1)
prima pe ct de pe att de a acestei
formule
(1.1) Uxll =} (reciproca fiind
Pentru a determina o pentru calculul unghiului ntre doi vectori
necoliniari (liniar x y, "planul" determinat de ei
n acest plan "triunghiul" avnd drept "laturi" pe x, y x-y. Scriind teorema
lui Pitagora
52
(3) 1
lx

ixll
2
+ 1lY 1
2
- 2ixllllYIIcosS
utiliznd expresia (1) pentru lungime, un calcul simplu ne va conduce la
(1.2) cos8- x,y,+ ... +X,.Y".
llxlllYII
ntruct nu am demonstrat teorema lui Pitagora n 11.", ci am luat-o ca
(deducnd din ea 1.2), pentru a o astfel de este
T
trebuie expresia 2L (i.e. membrul drept al formulei
llxllllJtll
1.2) este un cuprins ntre -1 1, i.e.
(1.3) txTyl5lxllllYII.
Este un caz special al lui Schwarz (ex. 3.l.c). Ea se trans-
n egalitate exact atunci cnd x y sunt coliniari (ex. 3.1.e),
sau
Alt caz particular important de unghi 8 este cazul ortogonal: (i.e.
cos8 =0) el conduce la
(1.4) Vectorii x,yell!." sunt ortogonali x x.Ly.
vectorul nul (0") este ortogonal pe xell!." - mai
important-
(1.5) singurul vector ortogonal pe xell." (deci pe el este vectorul nul.
Pentru a explica aceasta, este suficient lungimii
lui x este produsul scalar cu el deci
(1.6)
n virtutea lui 1.1,
(1.7) x.lx =}X=O".
acestor pe cea de
Considernd un vector nenul xell!." orice vector yell!." se (orto-
gonal) pe x lungimea prin cosinusul unghiului dintre el x; prin
calcul
- xTy
(1.8) pr, y - -
llxH
Aceasta este "cu semn" sau
unghiul 8 este "-" cnd 8 este obtuz.
"ca vector" (o vom nota p) se
pr, y cu versorullui x:
.
lxll
r
(1,9) p = X y X.
lxll
2
semnul fiind "+" cnd

p
X
53
ntre (vrfurile vectorilor) x,yER" este lfx-yU.
n particular, (la ntre y sa, p, pe dreapta-su-
port a lui x, se cu formula
IIY-PI'-IxD'IIYII'-(x Ty)Z.
lxl'
ntreaga geometrie a R".
Produsul scalar (p.s.) este o ntre doi vectori x,y, ce se
<X,Y>, se aici, prin
GJ>=> . >>, *tl= 'y
Are importante (pentru orice x,y,zER" , aER):
<X,Y> (comutativitatea);
<X,Y+Z> <X,Y> + <X,z> (distributivitatea);
(omogenitatea);
x>'O" =} <X,X>>O (pozitivitatea).
prin p.s. am putut defini "lungimea" (cf.1.6), "unghiul" (cf.
de "ortogonalitate" (cf. 1.4) (cf. 1.8 1.9). De aceea
<il.ut.em afirma p.s. este n construirea geometriei R".
ntre geometria algebra lui R" n cap. 2) anumite
Una dintre ele (vom altele) este
v
1
, ... ,v.ER" sunt reciproc ortogonali,
#j =} v,J.v
1
nenuli, atunci ei sunt liniar
ncepem prin a calcula liniare
c
1
v
1
+c
2
v
2
+ ... (1)
scalar ambii membri printr-unul din vectorii v,, apoi utiliznd
omogenitatea p.s.
c
1
(v,Tv
1
)+c,<v,T v
2
)+ ... v.
Cf. ipotezeij# =}

devine deoarece v,>'O .. , deci

V n , atunci

T f T
C('''Vi V Vi Vi.
pentru
(2)
ceea ce liniar
54
(3} 1
(1.17) Din (1) (2)
k k VTU k
v=L;c,v,=E-'-
2
v,=L;p,
i .. l il f .. l
p, reprezentnd- cf. 1.9- lui v pe v,.
descompunerea unui vector ntr-un sistem ortogonal
de axe v" ... ,vn se face proiectndu-1 pe aceste axe.
Este generalizarea unei cunoscute n plan n
(1.18) EXEMPLE
(1) Un sistem ortogonal important de axe n Rn l constituie coloanele e
1
, ... ,en ale
matricei unitate. Aceasta este justificarea denumirii ce dat-o, n (2).3.2, de
versori ai axelor de coordonate.
(2) un exemplu de versori ortogonali ai planului
v
1
=(cos6,sine)r, v
2
=( -sin9,cose)r.
Ei se rotind, n sens trigonometric, versorii e
1
,e
2
cu unghiul e (cf.(2).7.5).
3.1
a) n R
4
se
11
triunghiul" avnd drept laturi pe x=(2,-1,3,-2)r,
y:={3,1,5,l)T x-y. Determinati unghiurile sale uinterioare".
b) laxll=la!Dxl. pentru aeR xER".
c) Inegalitatea Schwarz are Joc pentru versorii u v, cum din
de
n n u2+vi 1 1
lu Tv !o>:[ Ju,Jiv,lo>:[ -'-' =-+-=lu Rlv 1
i"l i"l 2 22
pe fiecare! Utiliznd acest rezultat, 1.3 pentru orice
X,YEJl
11

cazurile x,y;tO" x=O, sau y=On.
d) Rx+yi
2
=11xti
2
+2<x,y>+IIYI
2
1.3 lx+yff:;;lxHlYI
(inegalitatea triunghiului).
e) n ipoteza x>'O", inegalitatea lui Schwarz devine egalitate exact
atunci cnd y coincide cu sa, p, pe x, i.e. cnd x y sunt coliniari.
f) n cazul vectorilor polinoame p,qER[XJ (ex. 2.1.d) p.s. se prin
b
<p,q>= Jp(x)q(x)dx
a
unde a<b sunt 1.12-15.
2. geometrice ntre fundamentale
ale matricei Ac:Mm,n(R)
Reamintim cele patru ale matricei A ((2).5) pot fi grupate n
perechi:
S(A T) N(A), n R";
S(A) N(A T), n ll!.m.
55
intre perechi este expri-
in
V, W C: R" se numesc ortogonale pentru
orice veV weW:
(2.2) EXEMPLE
1) n lll.
2
unidimensionale (i.e. dreptele) generate de vectorii ortogonaliv
1
v
2
sunt ortogonale.
2) n lll.
3
V= o W = un plan, sunt ortogonale d.n.d. dreapta
este pe plan n timp ce V, W = plane nu pot
fi ortogonale,cbiar planele sunt perpendiculare!
Aparentul paradox din
(2.3) PROPRIETATE. V, W C:R" sunt ortogonale, atunci V n W ={0 .1.
Cf. 1.7.
seria exemplelor:
3) n lll.' V W generate de vectorii (1,1,0,0)', (1,1,1,1)' respectiv
(1,-1,1,-l)r, (0,0,1,-l)r sunt ortogonale.
(n lll.' "plane" ortogonale!)
Cele mai importante exemple de ortogonale sunt furnizate de

(2.4) AeM,.,.(R), atunci S(A T) JII(A) sunt ortogonale
fn R", iar S(A) JII(A T) sunt sub ortogonale tn Jl!.m.
Pornim de la
PRINCIPIU. (cf.ex.3.2.a): Pentru a un vector este ortogonal pe un
este suficient de este ortogonal pe fiecare din generatorii
(E.g. un vector este ortogonal pe un plan d.n.d. este ortogonal pe
doi vectori ce planul.)
weJII(A), atunci Aw=Om. Notnd liniile transpuse ale matricei A cu
a
1
; ... ,am, sistemului omogen se scriu atw ... ,a!w =0, ceea ce, n
virtutea principiului prima parte a lemei.
Partea a doua din prima nlocuim A cu A T.
in este numai o explicitare a
geometrice ntre liniilor nucleu. este:
"JII(A) vectorii lui R" ortogonali pe S(A ")".
Pentru a o exprima recurgem la
(2.5) Fie V o a lui R". Se comple-
ment ortogonal al sub V- tuturor vectorilor lui R"
ortogonali pe (orice vector din) V.
56
(3) 2
se V"
(2.6) V" este un al lui III.".
x,y.Lu, atunci x+y.Lu a.x.Lu, deci V"
(2).1.1.(2) (3). este !
(2.7) Sclll." S.LV, atunci ScV".
proprietate faptul V" este cel mai "mare" dintre
ortogonale pe V. poate fi un
din nou la un
(2.8) EXEMPLU
Reamintim lui ll!.
3
sunt: {0
3
), dreptele (ce originea), planele
(ce originea) 1&
3
i corespunde un complement
gonal astfel:
{O,F=R',
=planul perpendicular pe
plan" = dreapta pe plan,
(R')'-={0
3
).
Generalizarea din acest exemplu Ia lln este n
(2.9) ortogonale V W ale lui III." a..
dim V +dim W =n. Atunci
R"=V$ W, W=V", V=W".
Prima dintre concluzii din 2.3 din cele discutate n (2).8.3. Ct
W=V\ ea decurge din WcV'- (cf. 2.7) din dimW=dimV'-

rezultatul fundamental:
(2.10) AeMm,n(lll.), atunci:
(1) R"=.S(A ")$N(A),.S(A "J=N(A)\.S(A "J'-=N(A)
(2) R"'=E(A) $ N(A ') ,.S(A)=N(A T)'- ,5(A)'=N(A T)'
(1) din dim.S(A T)=r, dimN(A)=n-r (cf. (2).5.3
(2).5.6) lemele 2.4 2.9, iar (2) se din (1) schimbnd A cu A T.
(2.11) COMENTARIU. cazul
matricei AeM
4
"(111.) avnd r=2. n 111.
3
subspa-
5(A T) N(A) vor fi: un plan respectiv
o pe plan, fiecare
vector xelR
3
descompunndu-se n sumax,+x.
cu x,e5(A ') x.eN(A). Descompunerea fiind
x, este lui x pe planul.S(A T)
x. este sa pe dreapta N(A).
IN (A)
57
1!.
4
(nefigurativ!) JI!(A T) au dimensiunea 2, dar ne
imagina pe n care, evident,
a celor pierde
'i.l\:X:ERCI'f!UL 3.2
principiul de la p. 55, utiliznd p.s.
a plecnd de la ortogonalitatea generata
lor.
teorema 2.10 pentru a determina un vector nenul v al dreptei per-
:pendiculare pe un plan n fiecare din cazuri:
planul este
11
SUbntins
11
de vectorii v
1
=(2,0,1)r,v
2
=(1,1,1)r;
c;;;;J,;;;,;,.\1>! planul este {xER
3
fx
1

Un vector v perpendicular pe doi vectori (liniar

se poate din prin produs vectorial
se Produsul vectorial este distributiv omogen (ca cel
scalar), dar este anticomutativ: (y,x].
h plUs [e
1
,e
2
],;e
3
, [e
2
,e;l""e
1
, [e
3
,e
1
]=e
2

. (i) - utiliznd aceste -
[x,y]

(ii) Determinati [x,y] atunci cnd x y sunt liniar i.e.
Y1 Y2 Ya
d) Alternativa Fredholm. Teorema 2.10 se poate formula astfel:
Pentru fiecare AeMm,nCIR) be:R.m una numai una din problemele:
1)
2) A Tb,.o,
are
alternativa Fredholm descompunnd b,b,+b.,b,E::l(A),b.eN(A
alegnd .
3. Matricea ca
Studiu geometric
Acest paragraf (2).7.1.
Fie AEM",,.(l!.), iar fA: 1!." -->1!."' n prezent suntem
a face o descriere a modului n care matricea A
prin vectorii lui 1!."; de a face o descriere
'N a matricei A asupra acestor vectori.
de la descompunerea
TJ$N(A)
orice XE 1!." se descompune unic
cu T) x.EJI!(A).
Aplicnd A
58 (3) 3
n concluzie fA att xe!R" ct sa x, pe
liniilor din A, n imagine Ax S(A).
(3.1) g: S(A ') S(A) prin g(x)=Ax, pentru orice
xeS(A '), este un izomorfism (ntre liniilor coloanelor
lui AJ.
Liniaritatea este
lnjectivitatea: N(g)={xeS(A ')!g(x)=O}.
ntruct pentru fiecare xeS(A ') ,g(x)=Ax
N(g)=fxeS(A ') 1 xeN(A)} = S(A ')nN(A)=IOl.
Surjectivitatea: Fie yeS(A). Atunci xe!R" a..y=Ax. Cf. celor mai sus
Ax=Ax, ,x,eS(A T) yeS(/) S(A)d(/).
XEIII.":} f(x)=AxES(A),
deci S(/)=S(A).
seama de descompunerea
a
JRm=:J(A)CilN(A T)
vom reprezenta transformarea defi-
de A n diagrama
matricei A
(3.2) COMENTARII (1) Izomorfismulg, ntre liniilor coloanelor
unei matrice, definit de matricea A.
(2) este iar g-
1
: S(A ')este tot un izomorfism.
Pe de parte, fA,: Rm IR" poate fi exact
la un izomorfism h : S(A) S(A T).
Dar izomorfismele g-
1
h nu coincid (cf. ex. 3.3.b).
Altfel spus: izomorfismul definit de A T nu este inversul izomorfismului
definit de A.
calculnd pentru xE S(A '), imaginea Axe:J(A), apoi
A TAxE S(A '),nu n general- elementul x:A
Analog, pentru yE S(A) :AA Tye S(A), dar n general, AA TY"Y.
59
; :MEatric:ea care izomorfismul invers celui definit de A nu este A T,
matrice, avnd dimensiuni cu A T, pseudo inversa
A.
vom ocupa de ea n 7.
n cu matricele ATA AA r, mai sus, vom demonstra
r(A
JII(A)c JII(A TA) (cf. ex.2.5.2.c) .
. \Reci]proc, fie xEJII(ATA), deci De unde sau

JII(AH''i(A TA) TA).
nlocuind A cu Ar r(A T).
CONSECINTE. (1) A are coloanele liniar independente"* "*ATA

A are liniile liniar independente "* "* AA T este
11
3.3
matricei A T asupra vectorilor lui :R". pe o
celei de mai sus.
urmnd etape ca n cazul matricei A. care este izomorfismul
definit de A T.
b) izomorfismul g definit de A nu este inversul izo-
morfism ului h definit de A T.
din 3.3 N(AA '!. Este acest rezultat
n cu cel din ex. 2.5.2.c, fiind A nu are, coloanele
liniar independente ?
4. Metoda celor mai mici
unui vector pe un
n apar des sisteme liniare incompatibile. Spre exemplu,
este o lege iar noi determinarea lui x prin
ale lui a 13, de din m va fi
Notnd ... ,am)r

... ,13m)r, aceste se vor

sub forma

Erori inerente fac ca diversele nu
x. Altfel spus, sistemul 4.1 ,a fi incompatibil, sau altfel:
b nu 5(a). Presupunnd se
.0 n de corectitudine alegerea valorii lui x va trebui
seama - n mod egal - de toate
60
(3) 4
este ca "suma erorilor a,x-fl,, comise n
fiecare fie Deoarece
(a,x-fl,JZ+ ... +(amx-fl 11
2
'
ntre vectorii ax b, acesta este una geome-
Valoarea x, astfel pentru x, se va numi n sensul
celor mai mici sau S-o !
Notnd eroarea,
(4.2) Ta)x
2
-2(a Tb)x+b Tb.
E
2
este un trinom de gradul doi n x deoarece a Ta >0
E'(x) are un minim pentru dE' Ta)x-2(a anume
dx
- aTb
(4.3) ..
ara
La rezultat ajungem nlocuim, n sistemul (incompatibil) 4.1,
termenul liber b prin a Tb a, pe a (cf. 1.9). de minim
aTa
traduce astfel proprietatea unei perpendiculare de a fi mai dect toate
oblicele.


n general, sistemul
(4.4) (de obicei beS(A))
pentru care se xelR" astfel nct eroarea fie
Notnd S(A), va trebui ca pentru orice xeR":
liP -b 11 s; IIAx-b 1.
n cu exemplul precedent va trebui, deci, ca p reprezinte
lui b pe S(A).
n am reprezentat matricei

cu coloane liniar independente.

Pentru a determina lui b pe
coloanelor lui A: p1,Jnem conditia ca vectorul
Ax-b fie ortogonal pe S(A), deci pe orice Ac ,ceR":

echivalent cu c T(A TAx-A Cf. 1.5,
(4.5) A Tb
sistem liniar cu matricea nxn ce n literatura de specialitate, numele
de normale sistemului 4.4. Pentru a rezolva
normale, facem
61
Matricea A are rangul n (i.e. coloanele liniar independente).
Conform 3.4, din 4.5 atunci va rezulta:
x=<A TAJ-'A Tb.
Am in acest fel, nu numai sistemului 4.4, ci
p a vectorului b pe Z(A):
p=Ax=A<A TAJ-'A rb.
Deosebit de simple devin normale atunci cnd
Coloanele matricei A sunt versori ortogonali.
Notnd a
1
, ,a. aceste coloane, se vor scrie:
ov={O, pentru
1, pentru i=j
!J,.e,ste "simbolul lui Kronecker".
Cf. 1.16, formula 4. 7 este iar din deducem ATA =l
oii sunt elementele matricei unitate I.).
x=A rb p=AA
Deoarece
p '!:!!.(a
1
a[ + +ana:)b '!:!!.a
1
atb + +ananTb.
p,=a,a,Tb lui b pe a, (cf.1.9) a.. 4.12
interpretare
A are coloanele ortogonale,
lui b pe Z(A) se
:;;dles<:ontpLme n suma sale pe
din coloanele matricei A".
cu 1.17)
n am reprezentat ma-
;, tr1ce1 A=[a
1
la
2
] avnd coloane ortogonale.
lui b pe "planul" lor este a,
p =a,a,Tb +a.atb =AA Tb.
1
1
a,
62
(3) 4
3.4
a) X a sistemului liniar incompatibil x=1,x=2
a rezultatului
b) Dndu-se valorile y
1
, ,yk n k puncte distincte x
1
< ... <x:k se regresia
k
a lui y lax, dreapta y=mx+n a.. L (yi-mxi-n)
2
= min.
i"'l
de ce problema acestei drepte este o a c.m.m.p.
regresia a lui y la x, date
x,IO 1 3 4
<k=
4
J y,IO 1 2 s
c) Metoda c.m.m.p. se poate aplica n cazul n care y nu depinde
liniar de x. un exemplu: observnd unei cornete determinndu-i
coordonatele polare r 9 (unghiul polar), vom putea calcula
elementele traiectoriei care, n virtutea primei legi a lui Kepler, este o sau
Aceste elemente sunt: parametrul p excentricitatea e din
traiectoriei r- P . cum se vor determina ele prin metoda
1 e cose
c.m.m.p., plecnd de la un set de date experimentale (r,,9,), i=T,;i.
5. Matrice de matri(le ortogonale .JJ.
0
, cT
dt. t.f"'G 1 <t!!'\
u,] . 5.1. Matrice de
Fie AeMm.n(lll.) avnd coloanele liniar independente.
p a vectorului belll.m pe .3(A) este n limbaj matricea!, prin
matricea
(5.1) P=A(A TA)-
1
A T
(cf.4.8), iar n limbaj de liniare, prin transformarea
{p:Jil.m->Jil.m.
deja, cf. 2.10, orice belll.m se
descompune unic n sa pe.3(A)
sa pe N(A 1). Deoarece p=Pb b-p (1-P)b
deoarece b=p+(b-p), n virtutea
cii lui b pe NCA 1) este
b-p. Altfel spus, ''vectoruleroare" n metoda
c.m.m.p va fi b-p=b-Pb=(l-P)b matricea
I -P vectorilor lui lll.m pe
1).
b
Este de P este P
2
=P (P este
le are I -P.
(5.2) O matrice AeM.(lll.) CA T=A)
(A se va numi matrice de
63
A este o matrice de atunci, pentru orice xeJR",
vectorul Ax este lui x pe 5(A).
Pentru ca e 5(A) fie chiar lui x pe 5(A)
de dovedit y-x este ortogonal pe fiecare vector Ac ,ceiR".
CIDou""'
TA
T(A r A-A T(A
2
-A)x=cr0x=O.
3.5.1
a) Fie u versor din :en. matricea uu r este
Pe ce ea vectorii lui :R..n ? .
referitoare la matricea I-uu T.
b) matricea P din 5.1 este o matrice de La fel
pentru matricea 1-P.
c) Fie P
1
,P
2
eM.(IR) matrice de P
1
P
2
=0, atunci
matricea P
1
+P
2
va fi ea matrice de !J(P
1
+P
2
)=!3(P
1
)$!3(P
2
).
5.2. Matrice ortogonale
Cnd A are coloanele ortonormate (i.e. A TA=!), matricea din 5.1 devine
Vom studia n continuare matricele avnd coloane ortonormate
care le vom nota, n general, prin litera Q.
Pentru Qe M.(IR) sunt echivalente:
(1) Q are coloanele ortonormate: Q rQ=l;
(2) Q
(3) Q are liniile ortonormate: QQ T =l;
( 4) transformarea de Q lungimea vectorilor: pentru
orice xeiR" ,IQxii=UxD;
(5) transformarea de Q produsul scalar: pentru orice
x,ye IR" ,(Qx)TQy=x Ty.

r detQ=(detQ)
2
deci Q-
1
(vezi anexa B)
care, fiind Q r =Q-
1

Pe baza Q
1
Q=QQ-
1
=l.
IIQxii'=(Qx)rQx=x rQ rQx=x .
(x+y)T(x+y) i.e.
IIQxll' +2(Qx)T(Qy)+IIQyll= ftQxll
2
+2x Ty +llxll
2

Cf. ipotezei (Qx)TQy=x Ty .
64
(3) 5
cf. (5), pentru fiecare i=1,n j=1,n etQ TQe
1
=e,Te;=e,Tle; sau
e,T(Q TQ-l)e;=O . Ceea ce elementul aflat n ij
din matricea QTQ-I este zero. Deci Q TQ-1 =0 .
(5.5) Matricea Qe M.(R) avnd (1)-(5) se

(5.6) COMENTARII
(1) (1) poate fi geometric astfel: "coloanele lui Q deter-
o de versori ortogonali n li!." (deci o de tip
cu baza e
1
, ... ,e. )". fapt se petrece - cf. (3) - cu liniile
lui Q, cele baze sunt, n general, distincte.
(2) (4) (5) conduc la o proprietate de (trans-
formarea de) Q, anume: Q unghiurile,
\fx,yell!.":MQx,Qy) = t...(x,y ). (Cf. 1.2, am definit cost...(x,y) = x ry/!xlllYR ).
(3) li!." n el ce ntre
vectori se numesc rigide, iar cele ce unghiul ntre vectori se
numesc conforme.
liniare care sunt rigide sunt conforme reciproc,
ele fiind reprezentabile - n sensul din (2). 7.4 - prin matrice ortgonale.
(5.7) PRoPRIETATE. Orice matrice are determinantull sau -1.
l=det(Q TQ)=(detQ)
2
deci detQ=l .
(5.8) PBOPRIETATE< Q,,Q,eM"(lR) sunt ortogonale, atunci Q=Q
1
Q
2
este
Q r =QtQ,T =Q;'Q;
1
=(Q
1
Q
2
)-
1
=Q-
1

(5.9) EXEMPLE
.
( 1) R, -sine] este matricea n sens direct a vectorilor planului
} 1sm9 cos9
) cu unghiul 9 (cf. (2).7.5). Determinantul este 1.
l. 2) Matricea sine ] este dar avnd determinantul -1, nu
r lstnO -cose
de Ea se deCMflea vectorii planului n
1i(;:. simetricii lor de dreapta ce taie Ox, n origine, sub unghiul 9/2 .

3.5.2
Matricele de matricele de reflexie, avnd proprietatea de a nu modifica,
prin lungimea vectorilor, din p.d.v. numeric,avantajul de a nu
amplifica erorile n ei. (Asupra erorilor de o
matrice, cf. (1).4). Utilizarea acestor matrice este, deci, n algoritmii
de calcul, alte matrice. Un exemplu este transformarea prin
cu o matrice a unui vector nenul V"'"(v
1
,v
2
)T ntr-un vector coliniar cu e
1
=(l,O)T .
a) 6e[0,2n) a.. R,v = llvlie
1
Este necesar factorul
v=(3,4)r ).
b) Matricea H
0
, anterior se reflexie sau
transformare Householder poate fi sub forma l-2uu r .
prin calcul alegem drept u versorul vectorului v+llvlle
1
, atunci
(l-2uu')v=-llvlle
1

c) Din p.d.v. geometric, matricea -H=2uu T -1 vectorii planului
de o ce trece prin origine; pe care matricea
P=uu r vectori (cf. ex.3.5.1.a). acest efect geometric
pe care l are cu -H a vectorului ve'JR.Z
d) AJ
3
] ( oarecare)
l4 "'
lsm9
Q Jcose sine ] astfel nct Q,AJ
5
*] Q,AJ-
5
*]
2
1sine -cose lo * 1 O *
-sine] .

cos6
6. Procedeul Gram-Schmidt de ortogonalizare.
Descompunerea QR a matricelor
A TA=l , deci A are coloane ortonormate, x a
Ax=b se prin formula remarcabil de x=A rb . n
formulelor, calculul cu matrice avnd coloane ortonormate
avantajul important al erorilor(cf. ex. 3.5.2). Astfel
se nlocuirea coloanelor liniar independente ale matricei A cu o
n :3(A) . Procedeul se Gram-Scbmidt, este induc-
se pe un principiu geometric simplu, exemplificat in
n "planul" {a
1
,a
2
} se poate inlocui baza
cei doi vectori, prin baza v
1
=a,, v
2
=a
2
- p (p
lui a
2
pe a
1
).
Ortogonalizarea. presupunem in locul lui a
1
un de dimensiune k, in care dispunem de
v
1
, ,v. , iar a._, nu acestui
v,
a,
1
1
1
1
1
lp
a
1
=v
1
Construim lui pe utiliznd ortogonalitatea
v,. Cf. 4.13
p=p,+ ... +pk,
p, este lui a.,
1
pe v, .
Lund, ca in cazul a doi vectori,
uk+1 =ak+l-p=ak+l-pl-... -pk'
pasul de la k la k+l vectori.
66 (3) 6
(6.1) formule
(1) v
1
,
T T
Vt ak+t vk ak+t
(2) vk"'"t=ak+t- T vt----r-Vk,
Vt vt vk uk
permit transformarea a unei baze (a
1
, ,an) , ntr-o
(v
1
, ,vn) , cu prima.
(prin n).
Pentru n=1 cele baze sunt identice.
Vom presupune proprietatea pentru n-1.
{at, ... ,an-1 }-{ul' ... ,vn-1 } .
, atunci, cf.(2), ar rezulta anE {v" ...

... ,an_
1
} , ceea ce
contrazice liniar sistemului a" ... ,an . Utiliznd ipoteza de
ortogonalitate a vectorilor v" ... ,vn-l formula (2) pentru k=n-1, se poate
.prin calcul vn este ortogonal pe fiecare din
Suntem n ipotezele lemei 1.16 vectorii v" ... ,vn sunt
liniar
(6.2) Normarea. Pentru a cum ne-am propus, o baza
1 --
pentru S(A) , construim , pentru .
nv.n
(6.3) Descompunerea A . Cf. acestor a formulelor (1) (2)
din se prin pentru fiecare i=1,n ,
r w ... ,rii a.i.
at""'rliw
1
+ ... +ruwi unde ru=HviH .
ca
Notnd

... Q=[w
1
f ... fwn] , rescriem sub
forma
ai""'Qri, unde ri=(r
1
i, ... ,rn)T.
Cele n astfel forma de matrice
A=QR,
unde QEMm,n(IR) are coloanele ortonormate REMn(lll) este superior triun-
cu valorile strict pozitive, Hv,l , pe
(6.4) EXEMPLU
Etapa de ortogonalizare:

12 1
12
67
1
12
1
16
2
.fi
la calculul x , a sistemului b cu coloane
independente.
nlocuind n 4.7,
rAJ-1A rQRJ-1 RrQ TRJ-1 R rQ
Tj-1 R TQ
x este sistemului triunghiular Tb , ce poate fi
cf. (1).1, prin regresive.
3.6
a) Plecnd de la Qr4=R
1
n rezolvarea ex. 3.5.2.d,
descompuneri ale matricei A=[: :] ( Q R
superior
b) Procedeul Gram-Schroidt se poate aplica n orice cu produs scalar. Astfel,
n R[X] , produsul scalar cf. ex. 3.1(!), a=-b, atunci x"'
1
va fi
ortogonal pe x
2
m Ortogonaliznd Gram-Schmidt sistemul liniar
independent 1,x,x
2
etc., pe intervalul [1,1], se polinoamele Legendre.
primele 4 polinoame Legendre.
68 (3) 6
c) Ajungem astfel la o aproximarea cu polinoame a
pe un interval 1. Geometric, aceasta proiectezi
pe un de I=[-1,1!, utiliznd polinoa-
mele Legendre P, , anterior calculate, continue) f: [ -1,1]->:R

pe R.[XJ este p= L c,P, . de ce, prin analogie cu 1.17 4.13.)
i .. O
Determina ci cJ'i este lui f pe
nomului Pi ".
d) Aproximarea cu polinoame trigonometrice (Fourier). Pe intervalul
1=[ -n ,n] , sistemul de Ti: l,cosx,sinx,cos2x,sin2x,... este orto-
gonal. Drept urmare, p a integrabile f: [ -n,nl->:R pe

{T
0
,T
11
.. ,T) este p=LciTi aproximarea lui f cu un polinom
j .. Q
trigonometric de ordin n.
Determinati
pe {T
0
,T
1
,T
2
1
f(x)={-1 , XE[-!t,O)
1 , XE[O,!t]
7. Pseudoinversa A a matricei A
Fie AeMm,n(R) Pentru determinarea x a sistemului
Ax=b, cea mai se atunci cnd coloanele lui A
sunt liniar dependente. Nici una din formulele de calcul deja nu va
putea fi
sistemul compatibil AX=p=Pb , p fiind lui b pe
S(AJ , are n acest caz o infinitate de deoarece r(A)<n . Determinarea
generale - cf. (1).10 - nu interes practic. Se o
din p.d.v. numeric. Aceasta este (se cea
mai
(7.1) (1) Toate sistemului AX=p au x, pe
S(A 1) .
(2) este ea a sistemului: AX,=p .
(3) Dintre toate x , x, este cea mai
Hx,n=> Uxl .
R"=S(A T)E!)N(A), deciorice xelt" se descompune
(unic) n suma sale pe cele n particular
x=x,+x. cu x,eS(A 1) x.eN(A) . cu A, deoarece Ax=p
AX. =0 , AX,=p . Ceea ce (2).
Pentru alt X: X: =X: +X,: cu X: E S(A 1) X,: e N(A) . Deci
x/ -x, E S(A 1) AX(=p =AX, din care A(X/ -X)=O .
x,' -x, E SCA T)n:N(A)={O} deci xi =x, . Ceea ce (1).
Figura vecto-
IN (A)
x x' , cum decurge ea din 7.1.(1).
Pentru fiecare x consi-
triunghiul dreptunghic de laturi
. Aplicnd n fiecare caz teorema lui
x, este
UxU'= min llx.ll'= min llx.II'=O x = x, .
Ceea ce (3).
69
de lungime x, , a sistemului, se va numi pseudo

<p : ll!.m -4 R care fiecare b e Rm n
a sistemului Ax=b. Deoarece este (cf.ex. 3.7.a),
cf. (2). 7 .4,
(7.3) o matrice nxm , pe care o vom nota A+ numi pseudo inversa
matricei A, a. .
l;lbell!.m : <p(b)=A b
Deoarece <p(b)=x, eS(A T), <p lR"' n SCA T) . n
general, ea nu este dar o la SCA) ea devine
(la fel cum fA devine, prin izomorfismul g; cf.3.1).
1jl a lui <p la dome
niul S(A) codomeniul S(A T) este
un izomorfism ntre cele
p = Pb
vectoriale. Mai precis, el este
inversul izomorfismului g
din fA prin la S(A T)
SCA) .
1
diagrama trans-
definite de A+ . Compa-
cu cea de A (3).
(7.4)
(1) r(A )=r(A) ;
matricei A'.
(2) CA')' =A ;
(3) AA este matricea ce vectorii lui ll!.m pe SCA) ;
(4) A 'A este matricea de a vectorilor lui R pe S(A T)
70
(3) 7
3. 7
a) <p , mai sus, este rezultatul compunerii a
lui b pe Z(A) transformarea acestei p n
X, E S(A ') a sistemului AX=p . liniaritatea dintre
ele. De unde - cf. (2). 6.3 - liniaritatea lui q> .
b) 'lf : Z(A)-> Z(A ') pentru orice pE S(A) :
'lf(p)=q>(p) , este (i.e. N{1Jf)={Ol ) ( Z('lf).=Z(A ') ).
c) g: S(A ')-> S(A) este izomorfismul definit n 3.1, atunci
pentru orice X,E S(A ') : 1Jf(g{X))=X, . Deci 1Jf=g
1

d) S(A ')=Z(A T) , deci r(A ')=r(A) .
e) Cnd A are coloanele liniar independente, sistemul Ax=b are o
x=(A TAJ-
1
ATb (cf. 4.7) care va coincide, deci, cu
x; . pentru acest caz formula de calcul a pseudoinversei A ...
calculul, presupunnd descompunerea A =QR .
r
1
1].
f) aceste rezutate pentru a calcula l
g) [1 1]' .
n anexa C vom explica metode generale de calcul pentru
matricea A+ .
Chestiuni recapitulative
1) n 11!." vectorii x+y x-y sunt ortogonali d.n.d. Hxfi=llYH .
2) ortogonalitatea primei coloane a unei matrice nesingulare pe
a doua, a treia etc. linie ( a inversei sale.
3) o matrice pentru care (l,l,l)T liniilor sale,
iar (l,O,O)r nucleului matricei ?
4} Pe care dintre fundamentale ale lui A trebuie fie ortogonal
termenul liber b pentru ca sistemul Ax=b ?
5) matricea de pe coloanelor unei matrice
ortogonale Q este Q Q r .
6} Care din matricele
este ?
7) transformarea y=f(x) , a lui 11!.
2
n R
2
,
lungimea vectorilor, i.e. M=llxft y
1
=.!x
1
-!x
2
, y
2
ca
5 5
de x
1
x
2

71
8) Peste o matrice de permutare, P
1
=P T
9) normale pentru sistemul x=l,y=2,x+y=4 , apoi
sa.
10) pseudoinversa matricei nule cu trei linii coloane.
Capitolul4

FORME CANONICE DE MATRICE
Rezumat. Problema cu valori vectori proprii (VVP) este o
a algebrei liniare de care se multe (1). Rezolvarea
ei presupune determinarea,pe de o parte,a unui polinom "caracte
ristic"(2), iar pe de parte,a unor
11
proprii
11
acestor
(3).
ntruct specificul acestei probleme impune considerarea C', urmea
a fi revizuite extinse, n acest nou cadru, rezultate din capitolul 3 (4).
Anumite tipuri de matrice din M"(C)- cele hermitice - au legate
de problema VVP, remarcabile (5), dintre care cea mai este "teore-
ma (6).
Proprietatea prin teorema este, pe de o parte, un caz
special al unei generale de triunghiularizare (7). Pe de parte,
doar proprietatea de
11
a diagonaliza
11
, aceasta poate fi de la
matricele hermitice la o mult mai de matrice (8). Toate aceste
concepte - ncadrabile n categoria
11
forme canonice de matrice
11
- sunt direct
legate de rezolvarea problemelor cu pentru liniare,
att cu finite (9.1), ct (9.2).
1. Problema VVP
Toate problemele de calcul studiate n prezent s-au redus la rezol
varea unor sisteme liniare, pentru care dispunem de metoda succe
sive a necunoscutelor. o de calcul, pentru care
metoda Gauss nu mai este
(1.1) PROBLEMA CU VALORI VECTORI PROPRII:
Fiind matricea A e M" ( C) sa se determine toate valorile A. e C toti
vectorii x e \C' care Ax = A.x.
de la nceput nu mai este
deoarece produsul A.x al celor necunoscute.
(1.2) EXEMPLU (problema cu pentru un sistem liniar).
Numeroase legi ale naturii iau forma a unor sisteme de
un astfel de sistem:

(l)
-=U+V
dt
Trebuie u(t) v(t) care (1) la
momentul t=O:

n
u(0)=-1 v(Ol=l.
(2)
Spre deosebire de problema
11
}a din (1). 7, aici la un
singur al intervalului pe care va fi De aceea se proble-
cu Notnd
w=[: J w,=[j -
1
1
].
(3)
(1) (2) forma
dw =Aw
(4)
dt '
respectiv:
w(O)=w
0

n cazul dw =aw, cu w(O)=w,, ar
dt
(5)
fi fost w=e"w
0
Vom pentru cele necunoscute u,v ale proble-

='
mei (1)+(2), de tip, nlocuind n (1), -
Aeux
1
:eMx
1
-ef.tx
2
,f..eMx
2
""'eAtx
1
+e}Jx
2
,
pe care le prin e ";t O o VVP:
x
1
-X
2
""x
1
,x
1
+x
2
=Ax
2
Ax=Ax,
unde A este matricea din (3) x=(x
1
,x
2
JT.
(1.3) u(t)aO v(t)aO (1), dar nu
(2). Drept urmare, n cadrul problemei 1.1, vom introduce
pentru vectorii xe C'
1 x;<O 1
(1.4) EXEMPLU (extrem cu problema VVP).
Fie AeM,CR.), AT=A g :11."-> :R. pentru orice
xeR"" prin
g(x)=xTAx.
n Analiza se problema acelor "puncte
11
x
0
eitn a..
T -1
Xo Xo- ,
VxeR.n:x T Ax-x
0
TAx
0
semnul.
Aceste puncte se numesc puncte de extrem sau cu
ele satisfac
(VL)(x
0
)=0
unde L(x,A.)=x TAx-A.x Tx este lui Lagrange pentru problema (1)+(2), iar V
-operatorul gradient. Prin calcul VL=2(Ax-A.x), deci determinarea extremelor
n cazul g, se reduce la o VVP.
din (1) x
0
;t0.
4.1
a) Am n (2).7.1 fiecare matrice AeM,CR.) o transformare
fA: R"-> Il.". Prin fA un de dimensiune 1 al lui :11." (vom spune
(1)
(2)
(3)
74
(4) 1
"o de vectori) se fie in {O}, fie ntr-o de vectori (de
ce?). problema
11
dreptelor
11
de vectori din. :e.n ce se trans-
prin fA n ele nsele este o VVP. denumirea de
proprii" ale fA ce li se acestor drepte.
b) Plecnd de la Ax=X, A
2
X=A
2
x etc., apoi (A -3/)x=(A-3)x, iar
- n cazul A - MO A 'x=A-
1
x.
cunoscnd o pereche (A,x) din problema VVP pentru A, putem determina
asemenea perechi (numite
11
perechi caracteristiceu) pentru A
2
,A
3
, A -31, A-l, etc.
c) valorii!e proprii ale unei matrice de (cf. (3).5.2)
{0,1/.
Utiliznd A=A
2
, A=A
2

geometric acest rezultat, determinnd proprii ale transfor-
f: lR.
3
-7 R.
3
ce vectorii pe un plan.
d) Utiliznd proprietatea unei matrice ortogonale de a lungimea vecto-
rilor, orice valoare proprie a sa este un complex de modul 1
(unitar).
2. Polinomul caracteristic
Problema VVP poate fi pe baza teoriei din (1).10 a sistemelor
liniare.
Rescriind AxeA.x sub forma
(A-}J)xeO
un sistem liniar omogen n x n, cu matricea depinznd de parame-
trul A, pentru care se cer (cf.1.3) nenule.
(2.1) sunt echivalente
(1) coloana x: (A - }J)x = O x ct O;
(2) r (A - }J) < n;
(3) det (A - }J) = O.
de a unei nenule pentru (A - }J)x = O este,
conform (2). 2.5, }J) < n. Ceea ce, n baza rangului unei
matrice ca: ordin maxim al unui minor nenul al matricei, cu:
det(A- }J) =O.
piA) polinomul
a
11
-A
a"
aln
a"
a
22
-A
a2n
(2.2)
p iA)edet(A -}J)e
ani an2 ann-J...
numindu-1 polinom caracteristic al matricei A.
n virtutea regulei de dezvoltare a unui determinant, terme-
nii n A" respectiv A"-
1
din PiA) provin exclusiv din produsul
(4) 2
(a
11
-A.)(a
22
-A.) ... (ann -A.),
111 elementelor de pe diagonala
Termenul liber fiind p iO)=detA, putem scrie
(2.3) p iA.)=( -l)"A."+( -1)"-
1
(a
11
+ ... +a )t."-
1
+ ...... +detA.
75
(;!1.4) Se numesc proprii ale matricei A toate

(2.5) O matrice de ordinul n are n valori proprii A.
1
,f.
2
, ,t. .
Cf. 2.3 PA are gradul n, deci pA(f.)=O are n (distincte
sau nu).
Pe baza ntre lui pA sale A.
1
,A.
2
, ,t.., din
2.3
(2.6) f.
1
+A
2
+ .. +A.. = a
11
+a
22
+ ... +ann urma lui A);
(2. 7) A.
1
f.
2
t.. = detA. ,
(2.8) Ex!lMPLiW
-ll] are polinomul caracteristic
1
1-:>. .
Pil.)= =1.
2
-21.+2
1 l-
eu 1.
1
=l+H,'A
2
=1-H (complexe!).
Prin natura problemei VVP, ce rezolvarea unei pA(A.)=O,

(2.9) CoNCLUZIE. Cadrul natural de rezolvare al problemei WP este
mea numerelor complexe :<C.
4.2
a) polinomul caracteristic valorile proprii ale matricei superior
triunghiulare

2 3]
T = trJ -1.

b) pentru matricea superior
T=[t"]EM.(C) (tv=O pentru i>j).
c) pentru matricea de
-sine].
lsme cose
verificnd proprietatea din ex. 4.l.d.
76
(4) 3
3. proprii
Fie AeM"(C). Ne n continuare distincte ale
p iA.)=O. lor o Spec(A) o vom numi spectrul
matricei A.
n exemplul 2.8: Spec(A)=(l-i,l +i), iar n 4.2.a Spec(T)=(l).
Pentru a rezolva complet problema 1.1, de pentru fiecare
A.eSpec(A), (nenule) ale sistemului liniar omogen
(A -A.!Jx=O.
Din p.d.v. algebric, aceasta revine la determinarea N(A -/J} care
se va numi propriu valorii proprii A.. Am
n (2).5.2 cum se poate face aceasta. din 2.1.(2) pentru
A.eSpec(A): dimN(A -/J)=n-r(A -A.l)>O, deci
1 N(A -A.l);t(O) 1
(3.1) Vectorii unei baze (oarecare) a propriu N(A -Al) se
numesc vectorii proprii ai matricei A v.p. A..
Conform relatiilor anterioare
(3.2) pentru fiecare A.eSpec(A) dispunem de n -r(A -A.!) vectori proprii pentru A.
(3.3) Ji}XEMI'MJ (continuare).
Pentru
1
=1-i sistemul ce ne vectorii proprii este -il ]x=O, avnd
x=( -i,l)T, iar pentru
2
=l+i: lx=O cu x=(i,l)T;
ceea ce ncheie rezolvarea problemei VVP. t!Mut() ''''" ;,
* *
*
Am pentru sistemul din 1.2, anume:
w,=e'ti]
Nici una nu la momentul w(O)=(-l,l)T. Construim,
pentru aceasta, o - a celor

pentru nceput, orice asemenea w este a sistemului
: = Aw; acestor este un vectorial (aici
unul complex) numit
Din
sistem1,1lliniar
din care
(4) 3
77
1-i l+i
cl=--,c2=--
2 2
nlocuindu-le n expresia lui w
, [-cost -sint]
w=e
cost-sint

prin rezolvarea unei probleme VVP n complex,
problemei cu a sistemului real este
valorile proprii complexe n ea termenii "oscilatorii" n sin
cos.
4.3
a) P fiind o matrice de cf. ex. 4.1.c, Spec(P)c(0,1). "geome-
tric" care va fi propriu v.p. .=l?
b) aceasta, determinnd proprii pentru
P={ [-12 l
1 1 -2
Cum se poate defini "geometric
11
propriu v.p. A=O ?
c) problemei cu dx =-y, dy =x,x(O)=O,y(O)=l. '
dt dt
4. Geometria C"
prin natura problemei VVP, trecem din real n complex, se
impun, pentru nceput, cteva legate de schimbare de cadru.
Algebra C" a fost simultan cu cea a lR", n capito-
lul2. Geometria R" este indisolubil de
produsului scalar. Pentru a face o asemenea geometrie n C' trebuie, deci,
ncepem cu o a p.s.
chiar de la nceput, <X,Y>=x ry este n C'
deoarece (printre altele) proprietatea (3).1.1 nceta valabilitatea.
(E.g. x=(1,i)T ar avea lungimealxii=O.)
Pentru a da o de prezentare, a noii geometrii, ct mai de
cea din cap.3, ncepem prin a defini
(4.1) Transpunerea sau
Este prin care matricea AeMm,.(C) se transpune n timp,
toate elementele sale se complex. A .
Reamintim fiecare complex z se poate reprezenta sub una din
formele
z =x+iy =r(cosO+isinO), (r 2: O)
78
(4) 4
iar n planul (complex) Oxy unde: Ox = axa Oy = axa
prin punctul (afixul) z.
Conjugatul complex al lui z, notat z,
este complex
z=x-iy= r(cos(-O)+isin(-9)),
au loc
z=z

lm
y ------- z
IX
1
1
A '=Ar.
-y ------- 'i
EXEMPLU
[
1 3-i
l+i 2
(4.2) transpunerii complexe sunt:
(1) (A+B)'=A'+B';
(2) (aA)'=a:A. ';
(3) (A')' =A;
(4) (AB)'=B'A';
(5) (A 't
1
=(A -), A este
cu (2).1.2.
Im
(4.3) Produsul scalar complex se pentru orice x,yEIC" astfel
iar norma (lungimea)

<X,y>=x'y=E x,y,,
i:l
(4.4) Hxii=M Jt lx,IJ.
J
Re
Aceste ale cazului complex extind corespun-
din cazul real. Altfel spus, cnd x,yeR":x'=xT deci llxi=Vxrx
<X,Y>=x'y=x Ty.
extensia (3).1.11-15 ale produsului scalar la cazul
complex:
produsului scalar complex:
(4.5) <X,Y>=<j/,X>;
(4.6) <X,Y+Z>=<X,Y>+<X,Z>;
(4.7) <X,ety>=a<X,y>; .
; (4) 4
79
(4.8) x;tO <.x,x> >0.
Cu primei ele coincid cu cele din cazul real.
Geometria c se extinznd, n sensul deja explicat,
Il.".
(4.9) EXEMPLU
AeMm,.(C), atunci liniilor nu mai este ortogonal pe nucleu
coloanelor nu mai este ortogonal pe nucleul stng.
Fie A= =U.
i -1 o o
[
1 i H1 iJ
liniilor este generat de vectorul (1, i)r, iar nucleul- de (-i, 1)'. Deoarece
<(1, il', (-i, 1l'> = 1 (-i) + (-i)1 = -2i *O, cele nu sunt ortogonale.
Pentru a rezultatele importante din (3).2 (3).3 vom redefini
fundamentale ale unei matrice complexe drept
S(A') , N(A) , S(A) N(A ').
Ele extinderile studiate n (2).5. Extinderi
toare se fac peiltru fiecare din definite n capitolul 3. cteva din
acestea:
(4.10) Matricea AeM"(iC) este n complex", sau
A=A.
(4.11) Matricea AeM.(iC) este "de n complex" A '=A A
2
=A
(cf. (3).5.2).
(4.12) Matricea UeM"(iC) este n complex" sau
U'U=l (cf.(3).5.4.1).
Rezultatele referitoare la din geometria lui JR" n general,
valabile pentru extensiile lor din C'.
4.4
a) Un complex de modul 1 (numit unitar) are forma
z=cose +isin8 =ei
0
.
sa n planul complex
(i) zpz
2
unitare

unitar;
(ii) z unitar

unitar.
z
0
=ei
0
este fixat, atunci transformarea z -7 ZoZ
11
fO-
n sens direct, cu unghiul 9
0
, n jurul originiin.
b) Gram-Scbmidt vectorii din C':
a
1
=(l,O,l)T, a
2
""(i,l,l)T, a
3
=(0,l,i)T.
c) matricea de a vectorilor lui C' pe versorului
UEC'.
80
(4) 5
5. Problema VVP pentru matricele hermitice
Matricele simetrice, a a n (1).7 (1).8, au ca
extensie n complex, matricele hermitice (de la numele matematicianului
francez C. Hermite).Pentru acestea problema VVP are o remarcabil de
cum din trei n care
A=A 'EMn(<C).
(5.1) Pentru orice xEC' x'Ax este real.
(5.2) Toate valorile proprii ale matricei A sunt reale.
(5.3) A,Jl sunt valori proprii distincte (pentru A) atunci
proprii lor, sunt ortogonale.

5.1: Notnd z=x'Ax,z=z'=(x'Ax)'=x'A'x"=z, deci zER.
5.2: A.ESpec(A), atunci 3xEC' ,x>';l a.. Ax=A.x; de unde
x'Ax=A.x 'x=A.ftxl',
deci cf. 5.1, A.ER.
5.3: A.,J1ESpec(A),MJ1 Ax=A.x,Ay=Jly x'y=O.
Din Ax=A.x x'A '= Xx', deci, cf. matricei A: x'Ay=A.x'y.
Pe de parte Ay=)ly, deci
(deoarece A.-)1>'0 ).
(5.4) EXEMPLE
[
3 i]
1) A= . este deci Spec(A)clR. ;\.
1
=4 ;\.
2
=2. Va trebui
-1 3
ca cei doi vectori proprii - acestor valori proprii - fie ortogonali.
(A-.l)x i ]x=O, de unde x=x,[i l.
1-1 -1 1]
(A-;\.,I)x i l =0, deci x=x,[-i]
1-1 +1.r 1

2) A=[-
5
1 -5
1

este deci Ea are valorile proprii;\.

1
=6
-1 -1
;\.
2
=3. Vectorii proprii vor fi:
pentru .
1
:(-1,1,0)r (-1,0,1)T;
pentru A.,:(1,l,l)r.
ntre ei.
(4) 5
4.5
a) AEM,.(<C) este A'= -A, iar n cazul real (Ar= -A) anti

o matrice are pe numere imaginare, iar una
are pe zerouri. cte un exemplu din fiecare tip.
b) ca A este atunci x'Ax este imaginar,
ca valorile sale proprii.
c) matricele antihermitice proprietatea 5.3.
6. Teorema descompunerea
81
Sinteza problemei VVP pentru o matrice se n
(6.1) TEOREMA A=A 'EMn(C) atunci o matrice
U a. .
A, unde 1.
1
, ... ,l.n sunt valorile proprii ale matricei A.
Asupra teoremei vom reveni.
sa se pe un alt rezultat fundamental.
(6.2) LEMA LUI SCHUR. Pentru orice matrice A din Mn(C) -U
a.. U'AU=T, unde Teste superior
lemei o vom face n 7. Revenim la teoremei 6.1.
T=U'AU este matricea superior
matricei hermitice A,
T'=(U'AUJ'=U'A 'U"=T.
t.,=tu., ceea ce elementele aflate deasupra diagonalei
sunt nule, deci T este
De ce T=A? Vom n paragraful A Tau valori
proprii 1.
1
, ... ,1.". Pentru o matrice acestea sunt elementele
diagonale (ex. 4.2.b), deci T=A teorema este
(6.3) EXEMPLE (continuare)
1) A din 5.4.1.
Cf. teoremei spectrale, matricea U a.. U'AU= [
4
2
]=A. Rescriind
sub forma A U=U A notnd U=[u
1
1 u
2
], ea se desface n de
coloane
A u
1
= 4u
1
A u
2
= 2u
2
(de ce?).
u
1
u
2
sunt vectori proprii ai matricei A celor
valori proprii
1
,."4,A
2
=2. Fiind coloanele unei matrice unitara, ei trebuie fie
82 (4) 6
cu cea pentru matricele ortogonale; cf. 4.12). Se
vor prin normarea celor doi vectori proprii (ortogonali!) anterior
(i,1)T,(-i,1)r.
U=
2) Relund exemplul 5.4.2, vectorii proprii v.p. duble
1
=6
trebuie Aplicnd Gram-Schmidt ( -1,1,0)', ( -1, -1,2)r
a.., normare, matricea va fi
1 1 1
U ; -z ;, , ;,. U'AU[' ' J
2 1
o
16 13
(6.4) 1) coloanele matricei U sunt vectorii proprii ai
matricei A, corespunznd valorilor proprii de pe diagonala lui A.
Printr-o ordonare a lor, am putut n A ordonarea valorilor
proprii A
1
<: ... <:An .
2) n cazul unei matrice reale simetrice (exemplul2), vectorii proprii sunt
reali- ca ale sistemelor (A-A.J)x=O avnd reali (A.,ER, cf.5.1).
Matricea U va fi u-'=U'=Ur, iar din teorema
forma
(6.5) EXEMPLE de descompunere
Teorema descrie geometric matricei hermitice (simetrice)
asupra vectorilor lui C"(R"). exemplele 1 2.
1) Din teorema
[
, ]ru;]
A=UAU= [u
1
!u
2
] A
2
lu; =A
1
u
1
u; +
2
u
2
u;.
Matricele P
1
=u
1
u;, P
2
=u
2
u; sunt matricele
de ale vectorilor lui C' pe
proprii u
1
u
2
ale matricei A. (cf.
ex. 4.4.c.). Am deci
A=
1
P
1
+,l'
2
orice x E C
2
se va transforma n
Ax=,p
1
+,/1
2
unde p, este sa pe
axa (proprie) u
1

u,
2p,
--------Ax=4p,+2p,
Rescriind l=UU' l=[u
1
[u
2
] tJ=u
1
u; +u,u; =P
1
+P
2

n plus P
1
P
2
=u
1
u
1
u
2
u;=u
1
0u;=O.
(4) 6
AU AU' -(, ,,,,{' ' 'tJ,J -[>"'-[
Deoarece P
1
=u
1
u[, P
2
=u
2
ut P
1
P
2
=0, cf. ex. 3.5.1.c, matriceaP=P
1
+P
2
va fi de (pe planul determinat de u
1
u
2
), iar
A=6P+3P
3

Similar, din UUT=[ deducem P+P
3
=[.
83
(6.6) Descompunerea in general, pentru o matrice
AeM.(<C), avnd valorile proprii distincte 1.
1
, ,1.. (qSn), matricele
P
1
, ,P., de pe fiecare din proprii a.t.
A=I.
1
P
1
+ ... +J..P
iar P
1
+ . +P.=l P,P
1
=0, pentru i#j.
4.6
a) Pentru fiecare, din matrice hermitice (simetrice)
matricea a.. U'AU=il. (Q r A Q = 11.):
(i) r2 1]; (ii) r 3 2+2i];
l1 2 l2-2i 1
1 -1 1 -1
1 -1 -1 1

o 1]
(iii)010;
1 o o
(iv) -11 -11]
b) pe baza rezultatelor din precedent, descompunerea
a din cele patru matrice hermitice (simetrice).
c) Orice matrice de este (cf. descompunerea
sa
d) Relund teoremei 6.1, ea n
cazul cnd matricea A este (A= -A).
7. Triunghiularizarea
Reducerea la o a matricei A este un instrument de
studiu al problemei VVP. ntruct am ntlnit un procedeu similar n teoria
sistemelor liniare, trebuie facem cteva
prin care vom reduce, n acest capitol, matricele, sunt
diferite de procesului de eliminare acelea
erau proiectate a.. nu modifice sistemului, aceste nu
vor modifica valorile proprii ale matricei A, iar vectorii proprii
se vor transforma de o (ex. 4.7.b).
84 (4) 7
(7.1) Matricele A,BeM.(C) sunt asemenea dacii existii matricea
SeM.(C) a..
s-
1
ASeB.
(7.2) PROPIUETATE. Douii matrice asemenea au polinom caracteristic
(deci valori proprii).
s-
1
(A -f.J)SeB-f.J are loc cf. (de ce?). Aplicnd
(anexa B): detS-
1
xdet(A -').J)xdetS edet(B-').J) .
matricei A presupuse de teorema spectrala de !ema lui
Schur sunt de de un tip special:
(7.3) A,BeM.(C) sunt unitar-asemenea dacii existii matricea
Ua.. u-
1
AUeB.
U este u-
1
eU (cf. 4.12) de va
fi U'AUeB.
Procedeul, prin care o matrice A este succesiv n matrice
unitar-asemenea cu ea la matricei triunghiular superioare T,
este recursiv n-1 etape de calcul, la fel ca procesul de eliminare
Gauss. Procednd ca in (1).1, l vom explica ntr-un caz particular:
(7.4) Triunghiularizarea matricei AeM.CC).
Etapa I n determinarea matricei unitare U
1
a..
* * * *
o * * *
u;AU
1
e
o * * *
(1)
o * * *
Plecnd de la o pereche (A,v) pentru A, i.e. AveA.v,v;tO
alegnd

l la o ON a lui c<: [u
1
l ... lu.JeU
1

lfvl
(Completarea se face cf. (2).4.7, iar baza se Gram-
Schmidt
ntruct Au
1
eA.u" AU
1
eU,A" unde
A * * *
o * * *
Ae
1
O A{
o * * *
(Am notat A{ submatricea 3x3 in din dreapta jos.)
fiind cu (1), trecem la
Etapa a II-a: Considernd submatricea A{, construim, ca mai sus, o matrice
V a..
(4) 7

1 o o o
o
1) matricea U
2
=
o V
este
o
1 o o o
o o o
1 o o o
o
o
o
2)
u;u;Au,u,= =
o
v o A; o V
o
o
o
o o o

o
o

= =
o
vA;v o o
A;
o
o o
Etapa a III-a: Construind, pentru A;, matricea W a..
1 o o o
: J alegem U
3
=
o 1 o o
o o w
, care este
o o
n final
* * * *
.,. o***
U
3
U,U,AU
1
U
2
U
3
= =T.
o o *
o o o *
Prin urmare am U=U
1
U
2
U
3
(cf.(3).5.8) a.. U'AU=B.
85
(utilitatea formelor canonice). Efortul necesar reducerii unei
matrice la o (e.g. este compensat de simplitatea
acesteia din care permite utilizarea, n cazul formelor canonice, a unor
algoritmi mult mai simpli dect n cazul general. Vom ilustra
utiliznd forma la verificarea a
matricelor
86 (4) 7
(7.5) TEOREMA CAYLEYIIAMILTON. Orice matrice
propriul polinom caracteristic.
Facem verificarea acestei pentru matricele din M,( C). Mai nti
pentru o matrice
T= [t
11
::: ::].
t33
Polinomul caracteristic este (ex. 4.2.b)
(tll-.)(t,, -.)(t,, -.)
nlocuirea lui . cu T conduce la produsul de matrice
(tu! -T)(t,,! -T)(t,,! -T)
avnd factorii de forma
[o: l ; J : ;}
(1)
(2)
prin se matricea T
teorema.
Pentru orice AeM,( C) cf. lemei Schur, o matrice superior triunghiu-
Tunitar-asemenea cu A, i.e. U'AU=T sau A=UTU'.
ntruct A T au polinom caracteristic (cf.7.2), vom nlocui . cu
A n (1)
(t
11
l-A)(t
2
,! -A)(t
3
,! -A).
Conform ntre A T
t
11
l-A=t
11
UU'-UTU'=U(t
11
l-T)U', etc.,
iar (3) devine
U(t,/-T)U' U(t
2
,!-T)U' U(t
3
,!-T)U' .
(3)
Deoarece matricea (2) este acest produs este matricea

4. 7
a) Fie Q;REM.("B.) a.. Q este matricele A=QR
A
1
""RQ sunt asemenea. (Acesta este pasul n
11
algoritmul QR
11
- cea mai
de rezolvare a problemei VVP.)
b) Cunoscnd s a.. s'AS=B' ei\ rentru fiecare vector propriu X al
matricei B, v.p. AE Spec(B)=Spec(A), y=Sx este vector propriu
al matricei A A.).
c) Determinati matricea U pe cea superior T a..


]u=T.
(4) 8 87
8. Diagonalizarea jordanizarea
Cea mai a unei matrice este, desigur,
forma
(8.1) AeMn(C) se este asemenea
cu o matrice i.e. S a..
' J
Matricele hermitice, ca alte tipuri de matrice, sunt diagonalizabile; altele
sunt nediagonalizabile (cf. 8.8.2). Spre a formula criterii generale de
tere a acestei de la
(8.2) AS=SA cu S=[x
1
llxn], este
(i = I;n) .
"A, sunt valorile proprii, iar x, vectorii proprii ai matricei A.
n plus, nesingularitatea lui S x
1
, ,xn un sistem
liniar independent, deci o a iar criteriul se va putea formula
astfel
(8.3) AeMn(C) este numai un
sistem de n vectori proprii liniar in acest caz,
drept coloane ale lui S,
s-'AS=A.
Un caz frecvent ntlnit este cel n care polinomul caracteristic al matricei
A are toate simple (i.e. polinoamele PA sunt prime ntre
ele). Atunci A este n virtutea
(8.4) Vectorii proprii ce corespund unor valori proprii distincte sunt
liniar A:t;, i\;\1 1 ,; AJ \ 'k'<r ii
x{Ax, !"i.;f'J'; (4) A :r (21
(Il-Iz):..! z :r
In cazul unui singur vector propriu, proprietatea


0 d
" t k 1 t . . . F. ' .!. "'liil\J " :<,
vom presupune a evara pen ru - vec Ori proprii. tex
1
, ... ,;<._
1
,x . ..
vectorii proprii valorilor proprii distincte )..
1
, ,"A,_
1
,"A, ale ' liL
matricei A.
c
1
x
1
+ .. ,+c,_
1
x._
1
+c.x.=O atunci, prin amplificare cu A,
c
1
Ax
1
+ ... +c,_
1
Ax,_
1
+c,Ax,=O, i.e. c
1
"A
1
x
1
+ ... +c,_
1
"A,_
1
x,_
1
+c,"A.x, =0.
prima cu "A,, din a doua
c
1
("A
1
-"A,)x
1
+ ... +c,_
1
(!c,_
1
-lc,lx,_
1
=0.
De aici, cf. ipotezei de c,(!c,-"A,)=O deoarece !c,-!c,,.O,
pentru i=l,k-1. Revenind cu aceste valori n prima c,=O.
88 (4) 8
Rezultatul se extinde la cazul n care unor v.p. (multiple) le corespund
sisteme liniar independente de vectori proprii.
(8.5) Reunind sisteme liniar independente de vectori proprii, corespun-
unor valori proprii distincte ale lui A, un sistem liniar
independent.
ntruct se
(8.6) dimensiunea unui propriu nu multiplicitatea - ca
pentru PA - a valorii proprii din 8.3 8.5

(8.7) AEM.(C) este numai
valori proprii i corespunde un de vectori proprii ainiar indepen-
egal cu multiplicitatea sa (ca a polinomului caracteris-
tic).
@EXEMPLE
1) valorile proprii O, 1, 3 distincte. Deci este
o o
Vectorii proprii respectivi sunt matricei .


a.. sAs=[o
1
J
2) are valoarea proprie A-=0 un singur vector propriu Nu
este
3) : v.p. -1

v.p.
l-3 3 1 .

2
l i} -o
l1 o 3 . l 2 [! L . .

vectori proprii, (cf. ex. 4.8.c).
Reciproca este cazul valorilor proprii simple.
vectorul nenul x Ax=f.x atunci, deoarece
ABx=BAx=Bf.x=A.Bx,
Bx va fi v.p. A ca x. Deci Bx=px (i.e. cei doi sunt
I)OllDJ.ar, propriu 1-dimensional, cf. 8.6). x va fi
v.p. pentru B.
O matrice AeM.(<C) avnd mai de n vectori proprii (liniar indepen-
deci poate fi printr-o transformare de
;lilS.,UlallaL" A -7 s-'AS, la o forma sa
JA.
Un exemplu de Jordan este matricea din 8.8.2.
2 1 o
o 2 o
o o -1
o o o
o matrice Jordan este o matrice pe a diago-
fi'.''J"'" se alte submatrice triunghiulare (numite celule Jordan): una
in primele exemple n ultimul. Pe diagonala unei celule se o
Valoare proprie, aceasta putnd OCUpa diagonala altor Celule din JA.
Rescriem JA dintre A forma sa Jordan, n cazul ultimului
!il)Xemp>lu, sub forma

Similar celor discutate in 8.2,

pentru baza S Jordan)
Ax
1
2x
1

+x
1
;Ax
3
-l)x
3
,Ax
4
-l)x
4
+x
3

Din prima a treia deducem x
1
x
3
sunt vectori proprii
i '""lr>r valori proprii (2 -1) ale matricei A, pe cnd x
2
x
4
sunt vectori
celor doi vectori proprii prin de mai sus.
n general, pe diagonala lui J A vor - pentru fiecare valoare proprie
- attea celule vectori proprii are A .
1
n rezumat, are loc
(8.10) TEOREMA. AeM.(<C) are s vectori proprii Oiniar indepen-
atunci o matrice Jordan JA avnd pe s
celule Jordan o matrice S a..

4.8
a) care dintre matrice este
[
o 1 o] [ 1 2 -3]
(i)A= -4 4 O ; (ii)A= 2 4 -6
-2 1 2 -1 -2 3
Dimensiunile acestor celule, structura bazei Jordan, este o
n care nu aici.
90
(4) 8
[
12 ... n)
(
. . O 2 . n , T
Ih)A= . . (iv)B=A+N,
O O n
unde A este, pe rnd, fiecare din matricele anterioare, iar A este un
fixat.
b) n care o matrice AEM,(C) de rang 1
n> 1, atunci OeSpec (A) acestei valori proprii ti corespund n-1 vec-
tori proprll. de analizat ultimei perechi caracteristice matricei A.
c) Matricele A B sunt simultan diagonalizabile S
a.!. s'AS s'BS fie diagonale. n acest caz AB=BA (ele

d) pentru cele trei coloane din S deduse din

o 2
e) Cum JA AeM
3
(C) are:
(i) o v.p. un singur vector propriu?
(ii) o v. p. doi vectori proprii?
f) ca la punctul (e), dar pentru AeM.(C).
9. Metode pentru rezolvarea
problemelor liniare cu
Ne oprim la majore ale formelor canonice de matrice:
1) liniare
2) unei matrice.
Ambele se pe calculul puterilor A ' ale matricei Ae M n ( C) .
acest calcul pentru A Deoarece A=SAS-
1
,

prin
(9.1) A

... SAS-
1
=SA'S-
1

9.1. liniare
n (1). 7 am cum se poate utiliza metoda finite pentru
a transforma o la pentru o ntr-un sistem
algebric liniar. se poate utiliza la rezolvarea problemelor cu
(cf. 1.2) transformnd ntr-o cu
finite. unei astfel de este un de numere(a,J,.N
definit printr-o de
n cazul liniar, forma
91
... +a.,pk, kEN,
dau "valorile de pornire" a
0
, ... ,a"_
1

EXEMPLU
lui Fibonacci este un de numere reale (Fk)k.,. care legea
F ..
2
=F._
1
+Fk (ke.N). (1)
F
0
F
1
se numesc ale Pornind de la ele
utiliznd (1), putem calcula valoarea termen Fk.
Pentru a o de calcul a lui Fk de
de vectori bidimensionali u.=<F
1
,Fk)T,
Fk+2=Fk+l+Fk , Fk.t=Fk ... t
matricea! astfel
u ,=Auk, unde (2)
Deci de ordinul al doilea (1) - a devenit, pentru de vectori
(uk)kEN' o de ordinul nti. Aplicnd termenului general uk
(2),
(3)
ntruct u
0
F
0
, F
1
, aceasta este o
'c.";".PJ"'"''" de calcul pentru termenul general al (uk)keN
analogie, vom introduce pentru de ordinul n, 9.2
de vectori n-dimensionali u.=<a .. "_,,a ".
2
, ... ,ak)r a lege de formare
transcriind matricea!

(9.4)
t
k+n :a.Iaktn-1 + ... +a.nak
k+n-1 -a k+n-1
ak+l =ahi
1 o
u ,=Auk unde A=
o o
o o 1 o
se atunci, conform (3), n:
(9.5) u.=A u
0
, unde u
0
=(a
0
, .. ,a"_,)r este vectorul
Matricea A din exemplul 9.3 este deci
presupunem, pentru a face explicitarea termenului general, matriceaA
din 9.4 este
nlocuim A cf. 9.1 S=[x
1
llx"], s'u
0
=(c,. ... ,c")'.
92
(4) 9
(9.6)
(9. 7) Termenul general u, - a 9.2 - este o
a particulare t.;x" ... ,t.::Xn cu
c
1
, ... ,c. care depind de u
0

analogia cu w de la pag. 76 a problemei cu

(9.8) Presupunem l"-
1
1?:11.
2
1?: ... ?: 1"-nl, deci am ordonat
coloanele lui S pentru satisfacerea acestei scriem 9.6 sub forma
Jx. + ... r x.].
1"-
1
1 se raza a matricei A. A satisface
o valoare proprie are modulul egal cu raza sa
atunci, cu acelor vectori proprii ce corespund acestei valori proprii,
sunt cu de modul subunitar tinznd (pentru k--> =)
la zero termenul general converge n o proprie a lui
A valorii proprii de modul maxim.
4.9.1
a) formula 9.6 n cazul u, din exemplul 9.3 a
u
0
=(l,O)r. Fk .-....t =, "rata de a sa Fk . ../Fk tinde
la valoarea proprie de modul maxim a matricei
b) O cu finite 9.2 pentru care orice u, tinde laO
(pentru k asimptotic acesta este cazul n
care raza a matricei A din 9.4 este: 11.
1
1<1.
c) n analogie cu seria de puteri (1-xt
1
=l+x+x
2
+ . pentru !xl<l,
se seria de puteri de matrice

2
+ ...
Presupunnd A pentru convergenta acestei serii
trebuie ca raza a lui A fie
9.2. Matricea e At
Revenim la problema cu pentru un sistem Am
(n 1.2 3.3) sistemul dw admite
dt
A se vedea 9.2.
(4) 9
93
unde (A.,,x,) sunt perechile caracteristice ale inatricei A a sistemului.
sa fiind
- _it J
w-c
1
w
1
+c
2
w
2
-c
1
e x
1
+c
2
e x
2
,
problemei (cu w(O)=w
0
se determinnd c
1
,c
2
din
c
1
x
1
+c,x
2
=w
0
Notnd S=[x
1
lx
2
], c=S-
1
w
0

(9.9) w=S[e'' ]s-w =Se"S-'w unde e"= [e'' ]
l e"' o o l .
Ne reamintim din Analiza dezvoltarea n serie de puteri a
eAl:
eAl= 1 +-=.t..t+-=.t..
2
t
2
+ ..
1! 2!
nlocuim n ea A. cu AJ"- ];
l A
2

l +.!_At+.!_A
2
t
2
+ ..
1! 21
ntruct A.Jt..;l l seria (2) forma
l

]= [e''
1+.!_1

l
1! "'
2
2!
(1)
(2)
eAl
]
=e"
Astfel seria (1) se extinde la matricele diagonale. Este primul pas n defi-
nirea unei importante cu valori- matrice care se e At. Distri-
buind apoi produsul de matrice sumei infinite (2),
SeAtS-'=S(I

... )s-= 1 +.!_SAS-'t +.:_sAs-t + ...

1! 2! 1! 2!
nlocuind, cf. 9.1, SAs- prin A , ajungem la
(9.10)
Formula 9.9 devine astfel
(9.11)
fiind, din p.d.v. al formei, o generalizare a formulei e "'w
0
ce problema

. 1 dw (O)
cu con 1 n mt ta e --=at, w =w
0

dt
Revenim la seria 9.10. Ea o e At, de
cu valori n M.(IR) (respectiv Mn(C)), AEM.(IR) (respectiv AEM.(C)).
Principala sa proprietate este poate fi termen cu termen n
raport cu t
(9.12) .:!:....e A'=O+A +.!A
2
(2t)+.!.A
3
(3t
2
)+ .. =A(l +2At+..!..A
2
t
2
+ ... )=Ae At.
dt 2 6 . 1! 2!
94 (4) 9
Amplificnd la dreapta, egalitate cu vectorul
w
0
(ce nu depinde de t)
(9.13)
t=O n 9.11,
(9.14)
Penultima egalitate este rezultatul inlocuirii directe, in 9.10, a lui t cu zero.
9.13 9.14 formula 9.11 complet problema cu

4.9.2
dw

dt
a) matricea e At (teR) pentru matricea
simetria matricei e".
b) Determinati matricea eAt pentru nu este diago-
(cf. 8.8.2).
c) valorile proprii ale matricei Se"'8'
1
sunt e'-', unde /..
1
eSpec(A).
NOTA. Un algoritm general de calcul al eAt se n
anexaD.
Chestiuni recapitulative
1) Determina numerele complexe de modull (unitare) z a.. lz-i 1 =Iz+ 11.
2) o matrice cu numere complexe avnd toate valorile proprii reale.
3) o matrice cu numere reale a.i. pentru orice EIR :A-AI fie

4) Fie

!l A
2
{: Aa{: !lA.=[:
Care dintre este
(i) A
1
A
2
au valori proprii.
(ii) A
3
A
4
au valori proprii.
(iii) A
1
A
3
au valori proprii.
(iv) A
1
A
2
sunt asemenea.
(v) A
3
A
4
sunt asemenea.
5) Care din este n caz contrar se cer
contraexemple.
(i) A B au polinom caracteristic atunci ele sunt asemenea.
(ii) A B sunt asemenea atunci au polinom caracteristic.
(iii) A B sunt hermitice atunci A+B AB sunt hermitice.
(iv) A B sunt unitare atunci A+B AB sunt unitare.
95
6) determinnd-o, o matrice cu v.p.A.,=l,:J=2
v.p. x
1
=(1,1)T,x
2
=(1,2l.
7) elementele matricei J ca de n.
8) Cum forma Jordan a unei matrice avnd toate valorile proprii
simple? Dar a unei matrice nxn avnd n vectori proprii?
Capitolul5
FORME
MATRICE DEFINITE SEMIDEFINITE
Rezumat. Metodele algebrei liniare se unor definite pe III."
care nu sunt liniare: formele (f.p.). Expresia de calcul a unei asemenea
depinde de reperul (i.e. baza) 111. ales, cu ajutorul
a nxn ce o matrice de ordinul n - matricea
f.p. n baza ( 1). Schimbarea de reper prin care matricea
unei f.p. devine se reducere la forma
a acestei Lp. Cea mai reducere de acest tip se prin rotirea
axelor reperului pentru a le suprapune peste axele principale ale f.p. are
importante geometrice (2). n cursul de
nate, matricea f.p. o transfonnare de iar aceste
rangul semnul valorilor proprii (teorema
Relund algoritmul Gauss din capitolul 1, ntr-o
putem realiza de prin care reducem matricea la
forma iar f.p. la forma (3). Cnd o f.p. are
originea ca punct de extremum strict, atunci ea, cu matricea sime-
se numesc definite (4). Cnd originea este un punct de
mum nestrict, ele se numesc semidefinite (5). F.p. pozitiv definite permit
generalizarea expresiei (3).1.1, de calcul a unui produs scalar generalizarea
problemei VVP (6), iar pozitiv semidefinirea posibilitatea unor
descompuneri - pentru orice matrice (7).
1. Schimbarea matricei asociate Ia schimbarea bazei
(1.1) O fn variabilele x
1
, ... ,x" este un polinom
omogen de gradul doi fn aceste variabile. El o
q:ll!."-->11!..
(1.2) EXEMPLE
1) Energia a unei particule de m coordonate x(t),y(t),z(t) are
expresia ((x
1
(t)JZ + (y'(t))
2
+ (z
1
(t))
2
) o f.p. n variabilele
2
xl= x',x2= y' ,xs= z'.
2) de ordinul doi a f(u
1
, ... ,u,), in punctul ... in
n n a2r
care ea este

... = L .E audu
1
duj, unde ... ,u,?), deci
duJJu
1
o f.p. in variabilele x
1
=du
1
, ... ,X
11
=dun.
3) Curbele din planul coordonatelor x, y avnd a
11
x
2
+2a12'xy+a
2
2,)1
2
= 1 se
numesc conice (e.g. elipse, hiperbole, etc.).
din Oxyz, cu
(5) 1
a
11
x
2
+a
2
?J
2
+a
3
aZ
2
+ 2a
1
zXy+ Za
1
aXZ +2a
2
i)IZ= 1
se numesc cuadrice (e.g. elipsoizi, hiperboloizi,
97
D,"(1.3) a unei f.p. Polinomul omogen de gradul doi n
x
1
, ... ,xn se poate scrie sub forma unei sume duble:
n n
,
q=_EI:a.r,x
1
(1)
::Y;\;'
t .. l ;..1
prin vom presupune au=a
1
,. x=(x
1
, ... ,xnl A=[aij] (Ar =A)
acest polinom se rescrie:

q=xrAx
a f.p. (1).
?% Matricea A se va numi matricea formei
0" q n baza
'" (1.4) Legea de schimbare a asociate la schimbarea bazei.
KKSchimbnd baza (e,) a lui R" cu o ({;), coordonatele
'"ivectorului x se n X legea x=Sx
1
unde S = ff
1
! ... 1fnl este
matricea coordonatelor la schimbarea bazei (cf.anexei A).
ca de noile coordonate, f,p. va fi:
q =x TAx =(Sx
1
)TASx'=x
1
rs T ASx'' (2)
">din care extragem legea
IA_.srAs 1
ce schimbarea matricei lui q la schimbarea de coordonate de
matricea S.
(1.5) Forme canonice ale lui q reducerea la o Forma
este o care nu depinde de reper, deci polinomul particular prin
care se valoarea sa ntr-un punct din JR". Cnd facem o schimbare de
coordonate x=Sx
1
, f.p. q(x
1
,. .. ,xn) devine q(x;, ... dar, reprezentnd
cele expresii sunt egale, cum o (2). Este evident vom
prefera expresii ct mai simple de calcul pentru q. Ele corespund acelor repere n
care matricea are forma Fiind ea este
(cf. teoremei spectrale) vom spune f.p. q are, ntr-un anumit
reper, forma matricea lui q n acel reper este
Determinarea de coordonate (de reper) care la o
pentru q, se problema reducerii la o
a lui q. mai multe metode de rezolvare a ei, mai
fiind cea a reducerii ortogonale.
5.1
a) O f: IR" -> R se expresia u-
n
nei fonne liniare in coordonatele lui x este f{x)=L,: a;ci=a Tx, unde aERn este fixat.
i-'l
98
(5} 1
b) O fix,y), f:R"xR"->R care pentru fiecare yeR" fixat este o
n x pentru fiecare xeRn fixat este o n y, se
expresia sa In coordonatele vectorilor x y este:
n n
fix,y)=_E L Oif"JIJ=x T Ay.
i .. l
Aici AeM.(R) se matricea formei biliniare f.
av=fie,,e).
el Forma fix,y) este pentru orice x,yeR":fix,y)=/{y,x).
acesta are loc cnd A =A T.
d) Orice f.p. q(x) este rezultatul lui y cu x Intr-o
q(x)=/{x,x). este
fix,y)=.;. [q(x+y} -q(x} :q(y }]
2
forma a lui q ).
2. Reducerea a unei fP la axele principale
sale geometrice
Metoda reducerii ortogonale este indisolubil de teorema
ei ((4).6) avnd, ca acestea, un caracter geometric,
pus, de altfel, n de terminologie.
(2.1) Fie A =A T eM.(ll!.)

valorile sale proprii, iar

u
1
, ,u. versorii proprii (ortogonale) Atunci
pentru orice xell!." :
x T Ax=A.
1
(u,TxJ2+ ... +A..<u7:x)
2

Deoarece A =Ar, cf. (4).6.1, Q astfel nct:
[
A., l[u,TJ
A=QAQT=[u,[ ... Ju.l .. "- ;;: ,
A.
1
, ,A.. fiind valorile proprii ale matricei A, iar u
1
, ,u. versorii proprii cores-

nlocuim expresie n x r Ax:
'JJ
n n n
=x T(L A.,u,u,')x= L A.,x ru,u;'x= E A.,(u,'x)
2

i.,l il iml
(2.2) COMENTARID. Versorii (u,. ... ,u.) o n li!.".
(5) 2 99
Le mai spunem de aceea versorii axelor de coordonate n Il" . Fiind n
timp proprii (i.e. vectori proprii) ale matricei A, se vor numi axele
principale ale f.p. q =x T Ax. Proiectnd x pe aceste axe
x=QQTx=[u
1
llu.l[u;,T] x=(E u,u,T)x=E (u,Tx)u,,
T i .. l i"l
u.
n care u,T x este cu semn, iar (u,T x)u, este ca vector, a lui
x pe axa u,.
(2.3) EXEMPLU q=xf-2.fix
1
x
2

Pentru a scrie matricea A, lui q, pe coefi-
cienj;ii iar n (ij) (j,i) 1/2 din coeficientul termenului x;x;:

Valorile proprii sunt A.,= 2 A.
2
= -1, a.. forma reducerea ortogo-
va fi 2yf -
Axele principale ale lui q sunt date de vectorii proprii acestor valori
proprii ortonormaji. Pentru A.
1
u
1
= ( -/2,
1
)T, iar pentru A.
2
: u,= (
1
,/'i)T .
.(3 .(3
Q = [u
1
lu
2
] =
(2.4) Pentru ca matrice fie una de deci ca
detQ=1 (cf. (3).5.9), putem schimba semnul unei coloane, alegnd de
Q = J/2
1
J Din p.d.v. geometric aceasta schimbarea sensului
fa=l-1 12
pe axa u
1
= Oy
1
. Alegerea axelor principale ca axe de coordonate revine la
acestora cu unghiul .6..(e,.u
1
), ceea ce conduce la sphimbarea de coordo-
nate [::]= Q are ca efect reducerea lui q la forma
(2.5) EXEMPLU. q = 5(xf+xi+xff)- 2(x
1
x
2
+x,x
3
+x,x
1
).
Matricea lui q va fi
A


-1 -1 5
100
Cf. (4).5.4.2 (4).6.3.2, /-
1
=A
2
=6,A
3
=3, iar
- 1 1 1
12 /6 .[3
1
Q= 12
1 1
- /6 .[3 (detQ=1).
2 1
(5) 2
o --
.[3
Prin x=Qy a axelor e coordOnate, acestea se vor suprapune peste axele
principale, iar q va forma
q=6y:+6yi+3yi.
(2.6) Reducerea conicelor cuadricelor (cu centru) la axele
de simetrie
Fixnd n plan axe ortogonale de coordonate Ox,.Ox
2
, iar n tridi-
mensional axe ortogonale Ox,,Ox
2
,0x
3
, punctelor ale coordo-
nate
X TAx=l (1)
se numesc conice, respeciv cuadrice anumite curbe (plane),
respectiv
(2. 7) in cazul cdnd A este OeSpec(A), conica sau cuadrica
are originea (x=O) ca centru de simetrie respectiv trei, axe
de simetrie coincizflnd cu axele proprii ale formei q =x T Ax.
Pentru a verifica aceste matricea Q
avnd drept coloane versorii axelor proprii (detQ=l) prin schimbarea de
coordonate x=Qy, reducem (1) Ia forma
(2)
n cazul conicelor, respectiv
(3)
n cazul cuadricelor.
(2) la transfor-

(y,.y.)-+ ( -y,.y.), (y,.y,)-+ (y,, -y.),
ce simetrii de Oy
2
, respectiv Oy
1

Similar, (3) este la simetriile
(y,.y .y,)-+ (y,,-y.,-y,)
de Oy,. etc.
n plus, cnd A
1
,A
2
>O (2) o de semiaxe
ll{i;' l!{i:;
(cnd A
1
,A
2
<0 elipsa este iar cnd A
1
A
2
<0, o
de semiaxe
v{li:;l,l!{ii:i.
(5) 2
1 '
'
F,
'
'
1
#J
101
_ ....
---- Y!
__ .... y
--- 1
---
1
1
1

1
1
1
1
n cazul tridimensional,

>O, (3) un elipsoid
de semiaxe
l!{i:;, l!{A;, 11/):;
(cnd

<0 acesta este "imagi-
nar"); n celelalte cazuri, (3)
un hiperboloid anume: cu o
cnd

<O cu pnze cnd
A.
1
A.
2
A.
3
>O; semiaxele sale sunt
1/fii;l,ll{li:;l,l!{ii:;l.
5.2
y,
--
--, '-, Xt
1 \ ' \
\ 1 \
\ 1 \ __ ,
1/- '\- ',
1 1 "
1 1 '
1 1
1 1
1 1

y,
1
,p:;
Elipsoid
a) fiecare caz, ce tip de care
sunt versorii axelor sale de simetrie care sunt semiaxele:
(i) 3x; + 10x
1
x
2
+ 3x; = 1,
(ii) 5x; + 4x
1
x
2
+ 3x; = 1,
(iii) 24x
1
x
2
- 29x;- 36x; =1,
(iv) x:-4x
1
x
2
+4xi=1.
b) n fiecare din cazuri, ce tip de
versorii axelor sale de simetrie semiaxele:
(i)
(ii)
(iii)
(iv)
102
c) Ctul Rayleigh este pentru xe!!. ,xo'O prin
R(x)= xrAx.
XTX
(5) 2
Reducnd la axele principale prin transformarea = Qy
(cf. 2.1), expresia
A,yf+ ... +AnJ!
2 2
Yt + ... +yn.
Utiliznd expresie, ea este o atinge
marginile. punctele xE1R
11
n care se ating aceste margini.
3. Teorema
Transformarea S T AS, a matricelor simetrice, printr-o matrice nesin-
S, transformare de are cteva remar-
cabile.
(3.1) transformare rangul, r(S T AS)= r(A).
Proprietatea din:
(3.2) S
1
,S
2
sunt nesingulare, atunci
r(S
1
A) =r(AS
2
) =r(A).
cf. ex. 2.5.3.b c,
r(S,A):>r(A) r(AS
2
):>r(A);
r(A)=r(S;
1
S
1
A):>r(S,A), respectiv r(A)=r(AS
2
S2
1
):>r(AS
2
).
Din 3.2 r(S T AS)= r(AS) =r(A) .
Conform teoremei spectrale, pentru orice matrice A Q
(deci a.. QTAQ=J\, de unde r(A)=r(J\)=
valorilor proprii nenule (cu cele multiple) ale matricei A. Deci:
(3.3) Transformarea de valorilor proprii
nenule = r (rangul) pe cel al valorilor proprii nule = n-r.
Dar ea n general, aceste valori proprii. Spre exemplu !
2
5!
2
sunt congruente, deoarece
51 J1 -2][1 2]
2
l2 1 -2 1
au valori proprii distincte!
(3.4) TEOREMA A=ATeMn(lll.) SeMn(Jll.)
atunci matricele srAs A au de valori proprii
pozitive de valori proprii negative. (V.p. multiple
se repetitiv).
Pentru a explica acest fenomen fundamental, n cazul cnd A nu are valori
proprii nule (este proprietatea matrice nesin-
103
S de a putea fi n produsul Q R, Q R superior
cu strict (cf. (3).6.3).
Pentru fzecare tE [0,1] matricea S(t)=QR(t), unde
R(t)=tl +(1-t)R.
R(t), S(t) A(t)=S(t)TAS(t) nesingulare (cum?).
/nplus A(O)=STAS A(l)=QTAQ.
polinomului caracteristic al matricei A(t) sunt polinoame n t,
iar sale - deci valorile proprii ale lui A(t) - vor depinde continuu
de t. n t=l ele sunt v.p. ale matricei QTAQ, deci ale matricei A. n t=O ele
coincid cu v.p. ale matricei STAS.
ntruct nu se n [0,1], fiecare semnul!
n cazul cnd A este fie
... ... ...
valorile sale proprii. Alegnd e =min(f..,,!f..z.tll. pentru orice aE(O,e) valorile
proprii ale lui A+al, i.e. A,+a (i=T,ii), vor fi nenule. Cf. dem. anterioare,
S T(A +a.!JS A+ al au de valori proprii pozitive, respectiv
negative. Depinznd continuu de a, cnd a--> O cele pozitive devin nenega-
tive, iar cele negative devin nepozitive. S rAs A au, cf. 3.3,
de valori proprii nenule. Deci celor pozitive (negative) va fi
n STAS A. '
(3.5) COROLAR formelor
Toate formele canonice ale unei fp. q de coefi-
pozitivi de negativi.
(3.6) EXEMPLU
q din 2.3 poate fi (neortogonal!) la o astfel
q =xf- 2J2x1x2 = (X
1
-/2x
2
)
2
- 2x; =yi -yi,
unde y
1
=x,-.f2x, ,y
2
=.fix
2

ntruct schimbarea de coordonate
y=Sx, S :]
este intre cele matrice ale lui q:
A=[
1
-.fi] DJ
0
],
-.fi
0
lo -1
A = S TD S.
Deci A D sunt congruente.
104 (5) 3
DeoareceA=Qi\QT,totcongruentevorfiA AJ
2
o].
lo -1
Se direct au cte o valoare proprie cte una
ceea ce teorema
O a procesului de eliminare (Gauss)
- n care matricea A se prin de linii, n
matricea superior U, este n ex. 1.9.a. Anume
atunci cnd A este simetrie.
Ea se va reflecta n simetria descompunerii
A =LDL T (cf.(1).8.3).
(3. 7) EXE!dPW
din (1).8 exemplul matricei finite de ordinul doi.
Egalitatea A=LDL T devine atunci
[
2
_
1 0
] o '][1 + o]
-1 2 -1 = 2
1
2 o 1 -.:..
3
o -1 2 o 1 o o 1
cu x r x, expresia f.p.
x TAx=(xTL)D(LTx)
calculul parantezelor,
[
1 l : 2( 1 )2 '( 2 )2 4 2
2
[
2
3
l[x
1
-2cx
2
]
x1 -
2
x2 x2 -
3
x, x, 2

= x1 -
2
x2 +
2
x2 -
3
x, +
3
x3
(1)
(3.8) 1) Descompunerea A =LDL r, ca rezultat al
procesului de eliminare, conduce la reducerea la o
a f.p. xTAx n care sunt matricei A.
2) Un astfel de proces de reducere se putea face prin formarea succe
de Astfel f.p.

din exemplul anterior

se va reduce la forma (1) n etape:
(i) termenii n x
1
ntr-o avnd factor comun coefi-
cientul lui
2(xi-x
1
x
2
),
pe care o prin eventuala de n x
2
,x
3
etc.,
ntr-un perfect
2(x;-x,x
2
+}:}2(x
1
--hJ-
(ii) termenii restul formei (n carex
1
nu mai apare) n de x
2
etc.
(5) 3
la expresiei (1).
(3.9) EXEMPLU (cazul cu
Permutarea a linii n matricea
o !n

ce are o descompunere LDU ((1).9) Pentru a simetria,
vom efectua in A
1
o permutare a coloanelor cu indici (prin la
dreapta, cu matricea de permutare P T).

iar matricea A
11
are descompunerea LD U
iJ
105
n afara unui caz de pe care il 1n 5.3.b, are
loc descompunere a matricelor simetrice:
(3.10) A = A T E M. (]R) are rangul r, atunci o matrice de permu-
tare P, o matrice inferior L o matrice
r elemente nenule - matricei A urmate de n-r zerouri, a..
(3.11)
PAPT = LDLT (echivalent cu A= PTLDLTP) (2).
COROLAR. valorilor proprii pozitive al celor
negative (cu cnd sunt multiple), ale matricei simetrice
A, coincide cu pozitivi respectiv negativi,
pe diagonala matricei D din descompunerea (2).
Deoarece, cf. (2), A D sunt congruente, corolarul decurge din teorema

(3.12) (calculul unei matrice simetrice). Primele r
elemente (nenule) din D: d
1
,d
2
, ... ,d, se pot exprima cu ajutorul minorilor
directori, detA;, la primelor i linii cu primele i coloane ale
matricei A'=PAPT.
Notnd A
1
,,L,,D,,L,T submatricele din cei patru factori ai
A'=LDLT, A; =L,D,L,T deoarece detL,=detL,r = 1, prin
trecerea la
detA,' = detL,xdetD,xdetL,T = detD, pentru i = T,i'.
detAi

... , detA;=d
1
d
2
... d, formulele inverse:
106
(3.13)
1
detAi detA;
d
1
= detA
1
,d
2
= ---, ... ,d,- -:------:-;-
detA! detA;_,
(3.14) EXEMPLU

22
(5) 3
are minorii directori detA
1
=l,detA
2
=0,detA
3
=0; iar rangul r:2. Permutnd
liniile coloanele 2 3,


:] detA;=l,detA;=l,detA;=o
l2 2 4
a.. matricei A vor fi d
1
= 1 ,d
2
= 1.
(3.15) lui A prin formulele 3.13 nu sunt unici,
ci depind de alegerea matricei de permutare din 3.10.
Unice sunt, cf. 3.10, pozitivi cel al celor negativi (ex.
5.3.c).
5.3
a) procedeul (cf. 3.8.2) spre a reduce la forma
f.p. x
1
x
2
+x:. (Pentru a respecta ordinea etapelor, ntre ele
variabilele x
1
x
2
, ceea ce revine la transformarea matricei A in PAP T).
b) Cnd ntr-o f.p. nu apare nici unei variabile, e.g. q=2x
1
x
2
+2x
1
x
3
,
facem schimbarea de variabile x1'=y
1
-y
2
,x
2
=-y
1
+y
2
,x
3
=y
3
prin care se introduc
astfel de procedeul descris n 3.8.2 pentru a reduce acest q
la o
cu procedeul descompunerii matricei asociate A = LDLT.
c) TransformndA,din3.14, nA'=PAPT, unde
o o
cu formulele 3.13 corectitudinea n 3.15.
d) Utiliznd semnele matricea A : are
7 6
valori proprii pozitive una apoi prin
semnele valorilor proprii pentru A + 21, deduCnd de aid valoarea proprie
A.
3
<0 a matricei A este mai mare ca -2. Procedeul cu matricea A+I,
concluzia fiind

apoi cu A+.!i, din care A

3
<-!. etc.
2
2
toate aceste constituind baza a unei importante
metode practice (Givens) utilizate n calculul valorilor proprii ale unei matrice
simetrice.
(5) 4
107
4. Matrice simetrice definite
n diferite formele ce intervin au originea (O") ca punct
de minim sau maxim strict.
Spre exemplu, energia (cf.l.2.1) are originea-punct de minim strict;
o f de mai multe variabile de ori are un
minim (maxim) ntr-un punct, n care df=O (punct
d'f, n acel punct, are originea ca minim (maxim) strict.
(4.1) A EM"(IR), atunci sunt echiva-
lente:
(1) Forma q r Ax are n origine un minim strict, i.e.
lfxEJR": xTAx>O.
(2) Valorile proprii ale matricei A sunt pozitive: -
1
>0, ... ).">0.
(3) Pentru i = I;n minorii directori detA
1
(cf. 3.12) sunt pozitivi.
(4)A admite descompunerea A=LDL T cu d
1
>0, ... ,d.>0.
(5) o matrice R (ce poate fi superior triunghiu-
cu elemente pozitive pe a. . A = R r R.
(4.2) n fiecare din cazurile (1)-(5) spunem A este pozitiv
acest fapt cu: A>O.
1=:>3=:>4
Pe schema l}
2
l1 21: Fie Q a.. QA Q r =A. Transformarea x=Qy o a lui JR"
pe el QO=O. Deci, x;< x T Ax>o este
y;<On y T Ay>O, cu
1
>0, ... ,">0.
It 31: Deoarece detA=
1
J." cf. anterioare,
pentru orice f.p. q =x T Ax avnd n origine un minim strict, detA>O.
(4.3) q: lR"--'> lR are originea ca minim (strict),
atunci orice a sa la un al lui li!." va avea de asemenea
originea ca minim (strict).
Utiliznd aceasta n cazul V,= (xElR" 1 x
1
,
1
=O, ... ,x" =0}
(i = 1 ,n - tl observnd matricea lui q la V
1
esteA
1
la primelor i linii cu primele i coloane din A) ca
n cazul lui q, detA
1
>0, pentru i=l,n-1.
13 => 4j: cf. 3.13.
108
9 (5) 4
14 => 51:
..
1 1
1
deci D ":! D" = D. Punnd R = D "L r, triunghiular avnd elemen-
tele {ci:> O pe
1 1 1 1
R TR=(D"L T"lD"LT=LD"D"LT=LDLT =A.
15 => 11: q=xrAx =xrRrRx=(RxJTRx=URxfi
2
?:0 Rx=O. (cf.(3).1.1)
Rx- o.=> x =o., deoarece R este B
( 4.4) EXEMPLE
1) Matricea nxn a fmite de ordinul al doilea ((1). 7)
E.=[ ... -1 2 -1 ... ]
este pozitiv deoarece detE
11
=n + 1 (cf. anexei B) pentru orice n.
2) Matricea eAt, unde A =A T EM
11
(R.), ca a seriei de matrice sime-
trice
I+2.At+2A
2
t
2
+ ...
1! 2!
va fi de asemenea
n plus, cf. ex. 4.9.2.c, valorile sale proprii sunt e".-t>O,AieSpec(A)cR., deci eAt>O.
3) ca f(x
1
, ,x.) de C
2
un minim n punctul critic
x
0
=(xf ... este ca matricea
fie pozitiv
H.(x
0
) J o'f (x
0
)]
laxidx
1
4) Matricea B=BreM,.(R) prin formula <x,y>B=xrBy, pentru orice
x,yER
71
, un produs scalar, este x:t-0
11
:::::} <x ,x>s>O (cf.
(3).1.15); B>O.
5) a
1
,. ,akelR'
1
_(k'5.n), atunci matricea Gram a acestor vectori este
G(aw .. ,ak)=ArA,
unde A=[a
1
! ... !ak]. Ea este pozitiv d.n.d. a
1
, ,ak sunt liniar
(r(A);k). numai n acest caz din Ax=O. x=O,. ntru-
ct <x ,x> ATA= <Ax ,Ax> putem utiliza exemplul precedent.
pentru q =x r Ax originea este punct de maxim strict, matri-
cea A se va numi negativ cu A<O.
Teorema 4.1 poate fi pentru acest caz, pe baza
(4.5) A este negativ d.n.d. -A este pozitiv
(5) 4
5.4
a) fiecare din (i)-(v) utiliznd cte una din
4.1.1-4.1.5:
(i) A>O => 2A>0;
(iii) A>O,B>O =>A+B>O;
(iv) A>O,detS;tO =>SrAS>O;
(v) A=Ar, detA;tO =>A
2
>0.
b) de ce elementele de P\l diagonala unei matrice pozitiv definite sunt
pozitive.
c) Fie A=A TeM.(!!.).
Spec(A)c[a,b] Va<a : A-a.l>O&Vj3>b : A-f\1<0.
d) Fie A=AT ,B=BTeM.(I!.). Spec(A)c[a,b]
atunci
Spec(A+B)c[a+c,b+d].
5. Matrice simetrice semidefinite
109
Forma q =x T Ax are n origine un minim (nestrict) pentru
orice xeR":
xTAx<:O.
n acest caz despre matricea A se spune este pozitiv semide-
fapt notat A<:O. echivalente se 2,4
5 din 4.1. Astfel
(5.1) Pentru A =A T eM.(R) sunt echivalente
(1) F.p. q =x T Ax are un minim in origine, i.e. x T Ax<:O.
(2) Valorile proprii ale lui A sunt nenegative:
1
<:0, ... ,A.<:O.
(4)A admite descompunerea PAPT=LDLT cu d
1
<:0, ... ,d.<:O.
(5) o matrice ReMm . (R): A=RTR.
Am omis (3) deoarece nlocuirea ei cu: detA,<:O, pentru i=I;ii', nu
pozitiv semidefinirea, cum o
(5.2) EXEMPLU
Pentru A Jo
0
J,detA
1
=det A
2
=0. q=xTAx= -(x,JZ,;o. acestui
lo -1
fapt o n 4.3. Pentru cazul matricei A pozitiv definite a fost suficient
numai lui q la V,. Dar n cel din exemplu,
lui q la {xel!."jx
1
=0], diferit de V
1
, nu mai este pozitiv
Va trebui (3) astfel
(5.1.3) minori ai matricei A la
linii cu coloanele de indici, sunt nenegativi.
Matricea din exemplu, avnd minorul de la liniei coloanei a
doua, egal cu -1, nu satisface
110
(5)5
(5.3) TeM.(R) este negativ (fapt notat ASO) d.n.d. -A
este pozitiv ( -A<:O ).
5.5
1
a) putem defini matric<:a A" in modul
notnd
1 1
vom pune
1 1 1
A" A" A
b) criterii celor din !ema 5.1, pentru ca matricea
A fie negativ (cu la
lui 5.1.3, seama de regula n fiind ordinul lui A).
6 .. Problema VVP
Fie r,B=B TeM.(R) a.. B>O. se determine 1. x,oO. a.. Ax=I.Bx.
n acest caz 1. se va numi valoare proprie x vector propriu cores-
lui 1. pentru problema VVP
Valorile proprii, spectrul problemei VVP generalizate:
Spec(A J B), sunt polinomului caracteristic al problemei
generalizate: det(A -I.B).
valorilor vectorilor proprii ai acestei probleme sunt
( 4).5.2, ( 4).5.3, ale problemei VVP pentru matricele
hermitice.
(6.1) Valorile proprii ale problemei WP generalizate sunt reale.
(6.2) A,JlESpec(AjB} /.,oJl, atunci Ax=I.Bx Ay=J1By
xTBy=O (spunem, n acest caz, vectoriix sunt B-ortogonali
1
).
teoremei spectrale este
(6.3) TEOREMA. o matrice SeM.(It) a.t. prin transforma-
rea de
X-7STX 8
de 8, matricea A devine matricea 11. a valorilor
Reamintim, confonn 4.4.4, formula <xJ!>=xTBy un produs scalar pe lln.
(5) 6
111
proprii ale problemei generalizate, iar B devine matricea unitate.
S este matricea vectorilor proprii ai problemei generalizate cores-
valorilor proprii din A
(6.4) EXEMPLU. A= -2 -5 , B= O 3 O.
-5 -3 1 o 2

t201]
B>O.) a problemei generalizate
2-21.
o
1-1.
o
-2-31.
-5
1-1.
-5
=0
-3-21.
are (reale!) 1-
1
=1-
2
= 1, A.,= -4.
Vectorii proprii vor fi sistemelor liniare:
(A-B)x=O,
cu x =a(1,0,0)' + S (0,-1,1)T, respectiv
<A+4B)y=O,
cu y=(-1,1,2)T.
Cele sunt B-ortogonale, xTBy=O. procedeul Gram-
Schmidt, n raport cu p.s. <,>B, pentru a ortogonaliza vectorii
a
1
=(1,0,0)T, a
2
=(0,-1,1)T.

atBa
2
1 T
v
1
=a
1
, v
2
=a
2
- ___ a
1
:(-_,-1,1)
atBa
1
2
Normarea: lfv
1
11
8
=Jv,'Bv
1
=.f2, llv
2
11
8
=3 .f5 ,!J!
8
=3,
2
1 1 1
-
.[2 3.;5
3
o -
2 1
S=
3.;5
3
o
2 2
3.;5
3
(6.5) COROLAR. Fiind date formele x T Ax x TBx astfel nct
xTBx>O pentru x;eO, o schimbare de coordonate x=Sy ce le
red\ICC simultan la formele canonice
(6.6) EXEMPLU
' 2 ' 2 . t' 2 2
r.,y
1
+ ... +r.,.Yn respec w y
1
+ ... +yn.
Pentru formele :
2x
2 2 2 o . 2x2 2 2x'
q1= t+3.x2+ a+2xtxa
transformarea x=Sy de matricea S, anterior ne conduce la
'1 . 2242 t" 222
J.Orme e canonice q
1
""Yt +y
2
- y
3
respec 1v % ""Yt +y
2
+y
3
.
112
(5) 6
5.6
a) schimbarea de coordonate x=Sy ce reduce simultan la forma
f.p. xi +2x
1
x
2
+2xi 2xi +2:.x; +2x
1
x
2

2
b) A =A TeM,(IR) B>O R(x)= x T Ax pentruxelR" ,x;<O
xrBx
se "ctul Rayleigh generalizat" (vezi ex. 5.2.c). Utiliznd corolarul
6.5 ex. 5.2.c maxxTAx =
1
, minxTAx =An, unde
1
,n sunt cea
:ntO X TBx x>'O X TBx
mai mare, respectiv cea mai valoare proprie a problemei generalizate
Ax= f..Bx aceste valori se ating n vectorii proprii ai
mei generalizate.
c) matricele simetrice A B (AB=BA), atunci au vectori
proprii (cf. (4).8.9).
transformarea de coordonate x=Qy prin care f.p.
q
1
=x:+2x
1
x
2
+xff q
2
=2x
1
x
2
se reduc simultan la forma
7. Descompunerea
Rezultatele n acest paragraf vor fi ultilizate exclusiv n anexa C.
principala
(7.1) AeM",,.(II.) are rangul r, atunci
QeM",(II.), SeM.(II.)
ortogonale eMm,/11.) avnd drept prime elemente pe
. ;:::O'rr>O,
iar n rest zero, astfel nct:
(1)
(7.2) (1) se descompunerea a matricei A,
a
11
, ,a" fiind numerele singulare ale matricei A.
matricelor ortogonale S Q precum demon-
strarea (1) le vom realiza n trei etape.
(I) lui S eM.(JI.):
(7.3) Matricea A T AeM.(JI.) are rangul r este pozitiv
din (3).3.30 5.1.5.
Cf. teoremei spectrale cf. 7.3
(7.4) S=[x
1
1 ... 1x.] a..
(5) 7
..
o
.
(II) lui QeMm(R):
(7.5) Coloanele
. 1 1
y
1
=--Ax
1
, ... ,Y,=--Ax,
li:: .;;::
113
(2)
un sistem ortonormat de vectori proprii pentru AA T
valorilor proprii

1
<: ... <:,>0.
Din (2) pentru j = l,r
A TAx.=.'<.
} 'f')
Pe de parte, pentru i ,j = l,r
T (a) T {0 pt. #j
(AxfAx
1
=x
1
ATAx
1
=x
1

1
x
1
= J pt. i=j
(3)
(4)
ultima egalitate fiind lui S. Deci Ax, sunt ortogonali

>0.
Amplificnd (3), la stnga, cu A deci, deoarece
IIAx)*O, (\,Ax),pt.j=T,i' sunt perechi caracteristice pentru AAT.
sistemul ON y., ... .y, la o ON de vectori
proprii pentru AA T (ceea ce revine la aplicarea algoritmului (4).7.4 de
triunghiularizare printr-o matrice - i.e. - a matricei
simetrice AA T, ncepnd de la pasul r+ 1).
ntruct singurelor valori proprii nenule
1
<: ... <:,>O ale lui AA r le cores-
pund vectorii proprii Yv ... J'" vectori proprii prin completare:
y,+
1
, ... .y., vor fi valorii ,.
1
= ... =. =0. Deci
AAry,=)., y
1
=0y
1
=0 pt. i=r+l,m (5)
(7.6) Cf. alegerii coloanelor y"' .. .y,,y, .. , ... .ym matriceaQ=[Y
1
1 ... 1ym] E Mm(R)
este
Pentru a verifica A =Q!: S r, vom calcula elementele cr" ale matricei
!: =QTASeMm.n(R).
114
(5) 7
Mai precis, pentru fiecare i = l,m j = r,n elementul aflat pe linia i
coloanaj din Q T AS are forma y,T Ax
1

15,i,j5,r, atunci va rezulta
pt.
pt. i=j
(7.7) crjj=.{i; >0, pentruj=T,r.
i>r, din AA ry,=O (cf. (5)) y/AAry,=y,TO=O, deci IIA ryJ =0,
deci Ary,=O y,TAx
1
=0 pentru Vj=r,ii.
din A TAx
1
=0x
1
=0 (cf x/A T Ax
1
=0, deci IIAx)l =0, deeiAx
1
=0
y,T Ax
1
=O pentru Vi= l,m.
Ceea ce structura a lui :l: ncheie
teoremei 7.1.
(7.8) CoROLAR. AeM"OR), atunci matricele P,QeM"(Jit), P -
pozitiv Q astfel nct:
A=PQ
(1)
(7.9) (1) se descompunerea a matricei A.
Aplicnd 7.1 matricele ortogonale Q
1
,Q
2
:l: pozitiv
a.. A=Q
1
:l: Q
2
, de unde
A=Q,:l: Q,TQ,Q,.
Matricea P=Q
1
:l: Q,T, avnd valori proprii ca :l: (cf. (4).7.2), este
pozitiv (cf. 5.1.2), iar matricea Q =Q
1
Q
2
este (cf. (3).5.8) ortogo-

(7.10) EXEMPLE
1) Fie AEMn(ll.) A=PQ descompunerea sa (cf. 7.8).
1
A T =Q rp, deci AA r =P
2
P=(AA ')">O (cf. ex. 5.5.a).
p-tA este
p-1A(P''A)T =P'AA T(p Ttl =P1p2p-1 =1.
Concluzie. Pentru o A descompunerea sa PQ este
iar
1
P=(AA Tf
1
>0' Q=P-'A.
[
-1
2) A=
1
-7]
1
[5 -5]
, atunci P=(AA T)'t =
7 -5 5
(5) 7
Vom determina matricea de
Q -sine]
ls1n8 cose
astfel nctA=PQ. Prin calcul deci
5 5
iJ
Pe de parte, o matrice de reflexie, anume
H =
sine -cose -
3
'
1 1 5 5
a..A=PH.
n acest caz, matricea din descompunerea a matricei
A nu este
115
(7.11) finale 1) de a fi matrice semide-
se pot extinde la cazul matricelor hermitice A =A *eM.(C).
4.1.1, pentru o astfel de matrice, devine\fxeC',x;<O.:x'Ax>O
(reamintim x'Ax este, cf.(4).5.1, real) n timp ce 4.1.2
etc.
Orice matrice AeM.(C) admite o descompunere PU unde P este
pozitiv iar U
2) Descompunerea cea sunt din mai multe tipuri
de descompuneri ale matricelor AeM.(C). unul:
Descompunerea A =H, + iH
2
, unde H
1
,H
2
sunt matrice hermi-
tice,
descompunerii matricei A descompunerea lui A , care va fi
A =H,- iH
2

H,=_!.(A+A H
2
=_.!_(A-A ').
2 2i
orice AeM.(CJ admite o descompunere ea este
3) ntre C M.(C).
remarcabile ntre acestor
pe care le mai pregnant, pe coloane:
116
ZEIC
1) z este real <=;
2) z este imaginar<=;
3) z este unitar (de modul 1)
{=;
AeM.(IC)
1) A este
<=;
(5) 7
(matricele hermitice deci,
n M.(IC) pe care numerele
reale o n IC);
2) A este
<=;
(matricele antihermitice
n M.(IC) pe care numerele
imaginare o n IC);
3) A este

(matricele unitare n M.(C)
numerelor complexe
unitare).
n aceste o privire asupra unor descompuneri:
1) , a,beR
(descompunerea a nu-
complex z );
2)
(descompunerea
sau
5.7
1)

H, ,H
2
hermitice, (descompunerea

2)
P <: O,U (descompunerea

a) Determinati numerele singulare ale matricelor
_o
1
J
b) descompunerea a matricelor
[3 4).
c) pentru fiecare AeM.(IR) Q' P
1
pozitiv semi-
astfel nct A= Q'P'. aceste matrice n cazul cnd A este

exemplul 7.10.1.
117
Chestiuni recapitulative
1) Determinati axele principale ale f.p. q=x
1
x
2
Ce este
n axele ortogonale Ox"Ox
2
prin x
1
x
2
=1 ?
2) o transformare de coordonate x=Sy prin care f.p.
se la forma y; +yi? Dar la forma
y; -yi ? Determina transformarea x=Sy
3) Prin formarea de perfecte,
2 2x 2
q'""'-X
1
+
1
x
2
+x
2
se reduce la expresia (x
1
+x
2
)2=y:, care este o
matricea S a x=Sy prin care se

4) Care dintre este care (n caz
de falsitate, un contraexemplu)?
(i) Matricele simetrice congruente au de valori proprii
nule.
(ii) Matricele simetrice (de ordin), cu de valori
proprii nule, sunt congruente.
(iii) matricea A este S este
atunci S TAS
(iv) matricea A este pozitiv atunci elementele sale diago-
nale sunt pozitive: au>O.
(v) av>O, atunci matricea A este pozitiv definit:l.
5) Care dintre matrice sunt definite care sunt semidefinite
(preciza pozitiv sau negativ):
[2 _J _1J [-
1
1 _1J

_o
1
].
6) a dezvolta determinantul, de
gradul doi
sunt reale sau nu.
de{ [
1 2
J- A. [
2 1
l J =
0
2 1 1 2 j
ANEXE
Anexa A. Matricea de coordonate
de a unui vectorial cea de coordonate ale unui
vector ntr-o au fost definite n (2).3.
A.l. DEFINITIA MATRICEI S
x=(x
1
, ... ,x.)r E K" (K=R sau C), atunci x
1
, ... ,xn coordonatele
lui x n baza e
1
, ... ,e" (i.e. coloanele matricei In):
x:ex
1
e
1
+ ... +xnen.
D
"
1 1
Kn ' d b " - Kn '
1 1
t
aca e
1
, ,en E . reprez1n , e asemenea, o aza In , Iar x
1
, ,xn sun
coordonatele x n baza (e(), atunci
x,
t
Il
1 1 1 1 1 1
x=x1e1 + ... +xnen =[e,[ ... fenl
Deci ntre cele coloane de coordonate ale lui x este:

n general, B=(v
1
, .. ,vn),B
1
=(v;, .. sunt baze ale
vectorial, iar (x) respectiv (x() coordonatele v n cele
baze, atunci are loc
1 x=Sx
1
1
unde S este matricea ale coloane coordonatele vecto-
rilor vj n baza B.
S se matricea coordonatelor x (din B) n,! (din B
1
).
EXEMPLU
B=(v
1
,v
2
,V::) qi iar
-=v
1
+V
2
-4 v
3
,

atunci
Anexa A
S

iar [v]
8
=S[v]B'.
ll 1 -2
( [v]
8
= coloana coordonatelor lui v n baza B.)
Inversnd precedente
iar
[
-3 1 9j
s-'= -5 -3 s
-4 -1 5
matricea coordonatelor din B' n B:
[v)B,=S-l[vJB.

1) S este
2) Notnd

matricea coordonatelor din B n B':

SBr-+n=S]/ ..... s'
A.2. CAZUL BAZELOR ORTONORMATE
119
Cnd B B
1
sunt baze ON atunci S este (cf. (3).5.5). Spre
exemplu matricea care baza B=(e
1
,e
2
) a planului, rotind-o
cu unghiul 8 n sens direct, a.. B'=( ( cos0le
1
+(sinO)e
2
,( -sin8)e
1
+(cos0le
2
), este
matricea
R. = [::: J
(cf. (2\7.5). detR
6
=cos
2
0+sin
2
0=1.
n general

detS>O, spunem cele baze B B' au

orientare, iar detS<O, cele baze au orientare
bazelor orientarea. Deci matricea de a axelor
de coordonate este cu determinant +1.
Spre exemplu, n 11.
3
, matricea care Ox Qy cu unghiul 8, dar
axa Oz, este (ex. 2. 7.2 a) matricea
120
Anexa A

l o o 1
n general, matricea care axele Ox, ,Oz suprapunndu-le peste
O:>!, 0/, Oz' este o matiice Q e M.(JR) a.. Ea se poate
descompun:

l,
l O O 1 sin9 cos9 l O O 1J
1jf,9,<p numindu-se unghiurile lui Euler.
Anexa B.
matrice A e Mn(I{) (K=lR sau <C) i se un notat
detA numit determinantul El se poate calcula prin diverse metode.
n continuare principalele ale pe care se
metodele lor de calcul. de exemplificarea cazului n=2,
a b
detA= d =ad-bc.
c '
oferim cititorului posibilitatea de a le verifica direct, n acest caz particular.
B.l. PROPRIETATII.E DETERMINAN'f!LOR
1) Determinantul este o de prima sa linie:
'
. a+a' b+b' =la b +a' b' i A.a Ab =A.! a
c d c d c
1
d' c d c
2) Permutnd linii, determinantul semnul:
a b 1 c d
c d=-lab"
3) o linie cu un din linie, determinantul
nu se
a b a b
C-Aa d-J..b
c d.
4) Determinantul cu o linie este nul:
a b
o o
Anexa B
121
5) Determinanta! unei matrice triunghiulare este produsul elementelor de pe

1 :J=ad, :
6) Determinanta! produsului a matrice este produsul
1
a b e f = ae+bg af+bh
c d g h ce+dg cf+dh
7) Determinanta! transpusei unei matrice este egal cu determinanta!
matricei:
Din aceste decurg
B.2. METODE DE CALCUL AL DETERMINAN'flLOR
1) Utiliznd descompunerea PA=LU ((1).5), pe baza 6 5

detA =detLdetU = u
11
u
22
... u ...
u
11
, ... ,u sunt lui A, iar semnul + sau - este semnul
lui detP.
EXEMPLU
Relund exemplul (1).5.1, din descompunerea P
23
A=LU va rezulta:
detA=detP
2
adetU= -(u
11
u
22
u
33
)= -(365)= -90.
2) Considernd determinantul ca polinom ntr-una sau mai multe
componente ale sale, factori, liniari n aceste componente, prin care
se divide el.
EXEMPLU
Determinantul Vandermonde de ordiJWl 4 este:
1 x,
2
x,
3
x,
1
2 3
V (x
1
,x
2
,x
3
,x
4
) =
x, x, x,
2 3
1
x3 x3 x3
2 3
1 x
4
x
4
x
4
Ca polinom n x.p el se pentru x
4
=x
1
divide cu x
4
-x
1

Similar se divide cu x
4
-x
2
x
4
-x
3
care, fiind primi ntre ei,
V =(x,-x
1
)(x
4
-x
2
)(x
4
-x
3
) V
1
,
unde V
1
este polinomul prin lui V la produsul celor trei
paranteze.
122
Anexa B
ntruct V este polinom de gradul trei n x
4
, V
1
nu mai depinde de x
4
l putem .
determina drept coeficient al lui x: din dezvoltarea lui V. Conform regulei lui
Laplace, dezvoltnd ultima linie acest coeficient va fi
1 x, xf
V,=
1
x,
x'
2
=V (x
1
,x
2
,x
3
).
1
x,
x:
Astfel nct
V (x
1
,x
2
,x
3
,x
4
) = (x, -x
1
)(x,-x,)(x, -x
3
) V(x
1
,x
2
,x
3
),
care este o de ne permite n trei a
formulei de calcul
V(x
1
,x
2
,x
3
,x
4
)= (x
4
-x
1
)(x
4
-x
2
) (x
2
-x
1
)= ll (x,-x),
4<i>ftl
cu generalizarea
V(x
1
, ... ,x.)= ll (x,-x).

3) de ce se pot ntre doi sau mai
de tip, dar de ordine diferite, permit calculul, din aproape
n aproape, al acestora.
EXEMPLU:
Determinantul de ordinul n
a. b O O
c a b O
ll,= O c a O
O O c a
dezvoltat prima linie, conduce la

care este o recu-
de ordinul al doilea. Aplicnd metodele din (4).9.1, putem
o de calcul pentru ll .
Spre exemplu, pentru a=2 b=c=-1 matricea este a
finite de ordinul al doilea ((1).7), iar determinantul
fl. =ll._
1
+fl._
2
. ntruct ll
1
=2, ll
2
=3 ll
4
=5, ... ,ll. =n+l.
1) Pe baza B.1.3
coloanelor matricei A=[a
1
la
2
] din M
2
(R),
detA = det [a
1
1

Alegnd

detA=det[v
1
lv
2
] cu
v[ v
2
=0 (cf. (3).6.1).
ApUcnd B.l. 7 B.l.6
<detAl' =de{[::: Jtv,
1
v,J
Anexa B 123
unde S este aria dreptunghiului (u
1
,v
2
), cu aria paralelogramului (a"az)
(cf. figurii).
2) Relund acest n cazul

eM
3
(1t), se

V', V fiind volumul paralelipipedului construit pe a

1
,a
2
,a
3
ca laturi.
n general despre determinantul unei matrice A eM.(It) se spune repre-
"volumul cu semn (sau orientat)" al unui paralelipiped format din
coloanele (sau liniile) matricei A.
Anexa C. Metode de calcul
pentru pseudoinversa unei matrice
Vom expune metode de calcul pentru pseudoinversa A a matricei A
(cf. (3). 7).
Prima cea mai n se pe descompunerea singu-
a lui A (cf. (5).7.1)

unde A,:E eMm.n(JR.),QeMm(R),SeM.(R), ultimele ortogonale, iar
:E :J
:E cu elementele cr
11
, ,cr,.,>O, r = rangul matricei A.
(C.1) in aceste notnd
g
1
ER', g
2
eRm-',
(1)
((3).7.2) a sistemului va
nd
- ,..-1
u

Deoarece Q T(Ax-b :E S T x - Q T b , iar Q lungimea
((3).5.4.4) IAx-b s Tx-Q Tb 1.
Facem schimbarea de necunoscute y=S T x= y
1
fiind r-dimensional.
Deoarece S lungimea:
M=lxl. (2)
Deci
UAx -W= II:ES Tx -Q

-g,H
2
+ IJgzf.
Expresia din dreapta - de vectorul y
1
- atinge minimul cnd
I:E,y
1
-g
1
H=O, deci n y
1
=y
1
=:E;
1
g
1
.
124
lui Ax=b (cf. (3).4.4) vor fi
unde YaEl_trn'.
Anexa C
Cea mai dintre ele corespunde, cf. (2), celui mai scurt y, va fi
Cf. (3).7.2 ea este
(C.2) COROLAR. Din (1)
r1:"'
A+=S"E+QT, unde
pentru bEJI!.m:



este, cf. teoremei, a sistemuluiAx=b. Atunci, cf. (3).7.3,
S"E + Q T va coincide cu pseudoinversa A+.
A doua de calcul pentru A+ se pe descompunereaPA=L U
(cf. (1).10).
Mai nti o punem sub forma
(ntruct P r =P"
1
).
p TL=[l,l---llm], ur =[u, 1---1 um], atunci A=Z,ut + ... + lmu;:;
ntruct u,.
1
= ... =um=O (r=rang A),
A=LU
(3)
- -r
unde

(3) se "descompunere rang" a matricei A s-a (ex.
2.5.4 c d)
(4)
-r - -r -r - - .
(C.3) B=U (UU )
1
(L L)-
1
L , atunct pentru orzcebEJI!.m
BbEZ(A T) x=Bb este pentru Ax=p=Pb.
-r -r
Deoarece Bb are forma U y, Bb EZ(U )=S(A T).

ABb=EutFciJfFJ-'<f/Et'f:T =L<fTLt' f:Tb=Pb
unde Peste, cf. (3).5.1, matricea de pe Z(L)=Z(A). Ceea ce ncheie

Anexa C 125
(C.4) COROLAR. A =B.
Cf.( 3).7.1, Bb=x, este a sistemului
Ax=b.
Anexa D. O de calcul a e At
Am definit calculat ((4).9.2) pentru A eMn(R) matricea

eAt=J+..!.At+..!.A
2
t
2
+ ... ,tell. (1)
1! 2!
se extinde la cazul nediagonalizabil (vezi ex. 4.9.2.b),
dar metodele de calcul pentru e At sunt laborioase. n continuare o
astfel de ce se pe
(D.l) A eMn(ll.), atunci (de t) a
0
,a
1
, ... ,an-t a..
eAt=an_
1
A"-
1
t"-
1
+ ... +a
1
At+a
0
l. (2)
n plus,
r(A)=an-l A"-
1
+ ... +a
1
A+ a
0
,
atunci, pentru fiecare Jl e Spec(At):
r(p)=e"'
iar multiplicitatea valorii proprii Jl este m>l, atunci
r
1
(A) [, ... =e" , ... ,r<m-ll(A) 1, =e".
(3)
(5)
a demonstra acest rezultat, vom metoda de calcul pentru e At
ce decurge din el. Ea etape:
1) valorile proprii A; ale matricei A, cele ale matricei At fiind
)1, =A,t.
2) Pentru fiecare Jl; e Spec(At), construim ( 4), iar este
(5), sistemul liniar n x n n necunos-
cutele a
0
,a
1
, ... , an-t depinznd de t. El va fi compatibil
determinat ntruct matricea e At este unic prin aceste
3) nlocuind a, n (2), e At.
EXEMPLE
1)

deci p
1
=3t, p
2
=t.
ntruct (3) ne pentru n=2: r(/.)=a
1
/.+a
0
, (4) corespun-
sunt:
126
Sistemul are
a
1
=2..(e" -e '), a
0
=!(3e '-e").
2t 2
nlocuind A n (2),
[
2 1] o] r2a,ta. a,t ] 1["e'
eAt=att + cto = = -
1 2 O 1 a,t 2a
1
t+a
0
2 e"-e'
cu rezultatul n ex.4.9.2.a.)
[
1 -5]
2) A= ,f-
1
=-1-i,A,=-1+i,p
1
=f-
1
t,)J,=I.,t.
1 -3
Pentru r(f.)=a
1
f.+a
0
scriem (4) astfel
{
a
1
t( -1-i)+a
0
=e'+'"=e-(cost-isint)
al( -1

de unde a
1
=2:.e-tsint,

+sint).
t
n final
Anexa D
e"-e '}
eSt+e t
[
1 -5] o] ra,t+a. -5a,t ] _l2sint +cost
eAt=a t +a
0
= = e t
1
1 -3 O 1 a
1
t -3a,t+a
0
sint
-5sint J
cost- 2sint
OBSERVA'flE: f-
1
,1.
2
sunt numere complexe, eA'(tER) este o matrice
3) p
1
=0,p
2
=t.
l1 o 1
Aici r(f.)=a,A
2
+a
1
f.+a
0
, iar pentru 1-=]1
1
=0 (4) va fi
a.20z+at0 +Uo=eo;
p
1
fiind r'(f.)= 2a,A+a
1
, (5), pentru m=2, se reduc la
2a
2
0+a
1
",.e
0

Pentru f-=p,=t, din (4):
Prin calcul
a
0
=1,a
1
"1,a
2
=(e '-t-1)/t
2
n final
[
a.
eAt=a,.A
2
t
2
+a
1
At+aJ= a,t
a,t
2
+a
1
t
o
o l [ 1 o o]
o = t 10.

et-1 O e'
o
SoluJii cap. 1
Anexa E.
Capitolul!
1.1, a) x
4
=-114,x
3
=3/4,x
2
=-118,x
1
=3.
b) x
4
=1,x
3
=0,x
2
=-1,x
1
=-1.
127
c) Procesul de eliminare n general, n-1 etape. Aici vor fi trei.
Numarul n prima este n-1, n a doua n-2, .. , n a (n-1)-a
n-1
reducndu-se la un pas. n total L i- n(n -
1
)
il 2
1 1 1 2 3
2 1 1 -5 -7
1.2. a) L=
1 1 1 '
U=
-6
3 .
3
-4
9
1
51
2 T
b) n urma acestor sistemul forma
EAx=Eb,unde
E=E
43
E
42
E
41
E
32
E
31
E
21

c) Spre exemplu, Ax = b <=> E
2
,Ax = E
21
b se pe faptul
fiecare din cele sisteme din prin amplificarea cu o
matrice anume E
21
, respectiv E
21
"
1

d) Spre exemplu, prima din AX va fi
r::::::::::::;:]=J::]=Ax.
.. x1 +aar2 +aara
1.3. a) Pentru unei linii cu o de dimensiune n se
n
Produsul a matrice n x n n x n astfel de deci
nxnxn
2 2
b) Aproximativ !:...+!:...=n
2

2 2
c) Reluarea procesului de eliminare ar nsemna consumul a n
3
/3 + n
2
12
pentru determinarea luiy, ce se poate cu numai n
2

1.4. a)


m
21
:
1
:+aJ
ceea ce, n cazul matricei date, ne conduce la a
11
=0 m
21
a
11
=4 -
incompatibile!
b) (i) cele se cu sistemul
128
o -9990 x, - 9990
[
1 10000 ][Xl ]e[ 10000 ].
Din a doua x
2
= 1, apoi din prima x
1
= O.
(ii) este x
1
= x
2
= 0,99990001.
Solutii cap. 1
(iii) de va fi x
1
= x
2
= 1, foarte de cea
1 1 -2 1 -1
c) P
143
,Ae
o 1 2 o 3
-2 o 1 1 -1
3 o o 1 1
1.6.1. a) [A 1 b
1
[ b
2
] - [
1
-
1
1 ce conduce Ia
-2 1 3 -2
xe(15/2,-1,-3/2)T ye(-1,0,1)T.
b) Calcularea matricei A"
1
presupune rezolvarea a n sisteme n x n cu
matrice. eliminarea o ca n 6.1, seama
de forma a membrilor - coloanele matricei unitate I" -
rul de necesare vor fi (aproximativ): n
3
, deci (aproximativ)
de trei ori "costul" prin a sistemului Ax = b.
-1 -
1
2 2
1.6.2. a) A _,e
1 3 1
2 ii
...
o -2. -
4
c) i) fiecare linie din matricea [A [Il cu elementul aflat pe
diagonala matricei A [ljA"
1
]. Deci K
1
va avea pe elemen-
tele 2. zero n rest.
au
ii) A fiind superior (c\1 1 pe vor fi necesare doar
acele ale matricei [A [Il ce produc zerouri deasupra diagonalei
matricei A. Ele zerourile aflate sub nu
elementele de pe att n A, ct n l.
prin cazul n = 3:
Solutii cap. 1
129
:t Mj
analog.
1.7. Prima este derivatei (cf. manualului de
de clasa a XI-a). A doua se reduce la prima scriind-o sub
forma
1
. u(x - h) - u(x)
1m .
h--tO -h
A treia se descompune n suma
1 li u(x + h) - u(x) 1
1
. u(x) - u(x- h) _ 1 '( ) 1
1
( )
- m +- IID --U X +-U X,
2 h 2 h 2 2
n cazul ultimei limite regula Hospital derivnd
numitorul n raport cu h
l
. u(x + h) - 2u(x) + u(x - h)
1
. u
1
(x + h) - u
1
(x- h)
tm = tm
h2 2h
ceea ce, n virtutea cazului anterior, ne conduce la
_!.Iim u
1
(x + h)- u
1
(x) +_!.Iim u'(x)- u
1
(x- h) _ _!.u;'(x) + _!.u'l(x).
2 h 2 h 2 2-
l.&A-r: : J :, !:H: : J -1 _J : :l
u...r: :]-: d:
e f o e-bc r-:!..
[
2 -1
b) -1 2
o -1
a a
3 1 1
]
1
4 2 4
=flf
1 1 3
4 2 4
1.10. a)
o o o 3
b) 2b
1
-3b
2
+b
3
=0; 3b
1
+b
2
=0,7b
1
-3b
3
+2b
4
=0.

130 Solutii cap. 1
2 -1 -1 3 -6 5
1
3 1
4 -1
2
-3
c)A"-U:
1 2 3
'L:
-2 o 1
, r'=4, P:P
13254

2 -1
3 1
-8 -5
-1 2 2 o 1
[' -2
o
-3] [' -3
o
-il d)
1
2 , respectiv
1
3
2
Capitolul2
2.1. a) Sunt vectoriale reale (i), (ii), (iii), (iv), (viii), iar (vi) este
vectorial complex. (v) nu (2), iar (vii) nu (2)
(3).
b) !n au Joc (2) (3) [ca, de altfel, orice proprietate cuanti-
numai cu \7'].
(v) am (1) (3), nu (2).
numerelor naturale (1) (2), nu (3).
c) (i) (iii) sunt vectoriale reale, (ii) (iv) sunt s.v.
complexe, iar (v) nu este s.v.
d) (i), (ii) (iv) sunt s.v. peste K, dar (iii) nu este.
2.2. a) Vectorul fie nenul.
b c
1
, .. ,cPeK, c
1
v
1
+ . +cPvP:O, atunci
c
1
u
1
+ +cPuP +Oup.-
1
+ ... +Ovn
n virtutea liniar vectorilor v
1
, ,vP, .. ,v. va rezulta c
1
:0, ... ,cP:O.
v
1
, . ,vP vor fi de asemenea liniar
c) !n (1).10.1 sistemul omogen are
x
2
(2,1,0,0JT +x
4
(2,0,-2,1)T.
Ea va fi componentele a II-a a IV-a vor fi nule, i.e. x
2
:x
4
:0,
ceea ce liniar sistemului fundamental.
Similar se n cazul celorlalte sisteme fundamentale de
ale sistemelor omogene.
2.3. a) Deoarece orice vector v scris ca o de v
1
, ,v., se poate
scrie ca o de v
1
, ... ,v.,v.,,. la prima ntrebare
este afirmativ.
la a doua ntrebare este negativ. E.g. (1,1)T:e
1
+e
2
, dar nu
se poate scrie ca un multiplu de e
1
sau de e
2

b) Baza n Mm . <K! fi din matricele 1., ( k: 1,m,l:1,n ).
Solutii cap. 2
131
c) Polinomul p()() = a
0
+ a
1
X + a;K! + ... + a)f'
a vectorilor (polnoame) 1, X, X!', ... ,}(' cu scalarii a
0
, a
1
, a
2
, ,a, e K.
Prin urmare vectori un sistem de generatori pentru K, [X].
Pe de parte, din ca p(x) fie polinomul (identic) nul
a
0
= a
1
= ... = a, = O, ceea ce liniar vectori.
d) Acest fapt din liniar sistemelor (t,;r, ... ,X"), cf.
punctului c, pentru fiecare ne N.
e) ntre sistemele de generatori evident,
ncluziunea V
1
C:V
2
a generate. Reciproc, V
1
cV
2
veS,cV"
ve V
2
, deci se scrie ca o de vectorii lui 8
2

2.4. a) Alegem un generator nenul al planului, apoi unul necoli
niar cu primul vectorii ar fi nuli sau coliniari, ar genera {0},
respectiv o de vectori, contrar ipotezei).
b) A eM.,,,(Kl U este o f.s. a matricei A avnd rangul r, deci
n liniile r,;:, coloanele cu pivot din U, respectiv cele acestora
din A, se pot completa la o pentru K" prin coloanele e,.
1
, ... ,e, ale matri-
cei unitate.
c) O n V este un sistem liniar independent format din dim W vectori.
Cf. 4.5 ei o n W.
2.5.1. a) S
1
={u
1
, ... ,u., ... ,v.I,S
2
={v
1
, ... , cw., ... ,v,l (a;tO), atunci v=(av.)la,
deci fiecare vector din S
1
este o de vectorii lui 8
2
; evident,
reciproc. Acestea, cu cele n lemei 5.2, ne
dovedesc cele trei cu liniile matricei A, care o reduc la o f.s. cano-
nu-i liniilor.
b) 3 x
1
, ... ,x., eK astfel nct y=x,a,T + ... +xma::; se scrie
3xeK"': y=A Tx.
2.5.2. b) dimS(A "l=r,dimN(A)=n-r,dimR"=n.
c) Bx=O "*ABx=O. A are coloanele liniar independente atunci
Ay=O =*Y=O, deci ABx=O =*Bx=O.
2.5.3. a) ntruct ultima linie din U este vectorii lni S(U) vor avea zero
pe ultima ceea ce nu se cu nici una din coloanele !ni A.
Baza n S(A): (a
1
,a
3
).
b) yeS(AB) <=> 3x a.. y=ABx.
yeZ(A) <=> 3x' a.. y=Ax'.
3x:y=ABx, atunci 3x':y=Ax'.
Inegalitatea rangurilor din inegalitatea dimensiunilor celor

Egalitatea rangurilor cu egalitatea dimensiunilor celor
deci, cf. ex. 2.4.c incluziunii demonstrate, cu egalitatea Z(AB)= Z(A).
Aceasta nu se de exemplu, cnd AB=O, dar A;tO.
132 Solujii cap. 2
c) Din ex. 2.5.2.c inegalitatea n-r(B):5n-r(AB), n =
coloanelor din B.
2.5.4. b) Baze n !3(A ') !3(A) sunt date de vectorii (nenuli) v respectiv u.
c) ntruct cf. ex. 2.5.3.b, !3(LiJ) !3(L). Cf. ex.
2.5.2.c, i avnd coloanele liniar independente, N(L N(iJ).
d) Devin !3(A respectiv N(A
2.6. a) Pentru primul
[
a
11
a,
2
]
az1 az2 (an,a1z,az1,a22,aal'aaz)T ,
as1 as2
pentru al doilea
a.)(' +a.)(
2
+a
1
X +a
0
-> (a
0
,a
1
,a
2
,a
3
)T.
b) algoritmi se din algoritmii referitori la Kn (1-5)
prin "vectorii ... (matrice sau polinoame) au proprietatea ...
d.n.d. coloanele de coordonate lor (n baza au
proprietate".
c) O este din primele matrice.
d) O este din
X
3
+2X
2
+X -1, 3X
3
+X
2
+X,3X
3
+X +1,X
3
+X+2.
2. 7:1 a) T AJ"'A T respectiv T(AA ')'.
b) Din n primul caz,
n al doilea caz, b este o
c) n primul caz nu poate parametri, deci cf. (1).10.3.2: n-r=O.
n al doilea caz trebuie, cf. (1).10.6, ca Km C: !3(A).
2.7.2. a) (vx,vy,v)-> (cosevx -sinevY,sinevx +cosevY,v,) matricea de
fiind
[
cose -sine O]
R. sine cose o .
o o 1
b) Pe de o parte pe de alta

pentru orice
xEKn.
Deci pentru ... ceea ce cele matrice
au coloane, deci coincid.
c) (i) Cf. 7.4 7.8:

(j I;ii). Trecnd coordonatele vectorului
w
1
din baza n baza B
1
,

Solutii cap. 2
133
Similar vJ=S[v)
8
=SeJ. (DeoarecevJ=Ov
1
+ ... +1v;+ ... +Ovn
coordonatele lui vJ n baza B sunt (0, .. ,1, ... ,0)T =e;).
nlocuim n prima S
1
[w)
8
.=ASe;, deci: c-oloanaj din matricea AS va
fi S
1
[w)
8
., i.e. coloanaj din matricea S
1
A
1
(cf. 7.8.(2) n care A s-a nlocuit cu
A
1
). cele matrice, S
1
A
1
AS, coincid.
c) (ii) Cnd n=m B=B' S=S' a.f. devine SA' =AS. Ea se
scrie de obicei sub forma A
1
=S-
1
AS sau A =SNS-
1
se de
(cf. (4).7.1).
2.8.1. b) a =0: a =b -c. Deci trebuie ca a;<O.
Rezolvnd sistemul cu matricea A=[alblcl termen libere
deci
iar w = ..!.(1,1,a) r.
a
-1}(1- )b+ c,
c) ye3(A +B) y=(A +B)x =Ax+Bxe3(A)+3(B).
dim3(A + B)s;dim(3(A) + 3(B)) = dim3(A) +dim3(B)-
- dim3(A)n3(B)s;dim3(A)+dim3(B).
Pentru egalitate trebuie ca 3(A +B)=3(A)+ 3(B) 3(A)n3(B)={0}, cum este
cazul cnd A (sau B) este matricea
2.8.2. a) Baza n este a!,a,,b"b,; vnw ={0); x=(5,0,0,0)T +( -4,2,3,4)T,
descompunere
b) Baza n a
1
,a
2
,b
1
;VnW={(2,3,1,1)r}.
2.8.3. a) Fiecare din ele este de forma R
3
= VEllW, unde V este generat de
fiecare din coloanele e
1
, e
2
, e
3
, iar W este generat de celelalte Geometric,
V o iar W un plan.
o descompunere a lui R
3
n suma V
1
EllV
2
EllV
3
, unde
V, este generat de e, (i=1, 2, 3).
b) Unicitatea descompunerii din 3.4. Celelalte cazuri sunt

Capitolul3
3.1 a) lxl =3/2, IIYII =6, Jx-Yl =3/2. este isoscel deoarece
llxl' + llx -yl'= IIYII',
este dreptunghic: xT(x-y)=O. Unghiurile interioare sunt deci
<!(x,x -y )=2:.' <!(x.y )=<!(y ,x -y )=2:..
2 4
134 Solujii cap. 3
c) Prima inegalitate este o proprietate a modulului, a doua este
inegalitatea "mediilor", i.e. sa+b. Aplicndule n cazul u :..::._, v :_!_
2 lXI IYI
(pentru x,y;tO) I<..::...,L>!S1 deci, cf. punctului precedent,
lxl M
I<X,y>l <1.
lxiii.YI
x:O sau y:O, I<X,y>l :O:Jxiii.YI.
d) Jx+yi
2
=<X+y,x +y> = <X,X> +<X,y> +<y,x> + <y,y>=<X,x> +2<X,Y> +<y,Y>.
Deci
lx+yfs lxi
2
+2JxH IIYI+IIYI
2
de unde inegalitatea triunghiului.
e) Cf. 1.10 lx Tyl -pU=O deci, cf. 1.1, y=p.
b
f) 1.15: Din Analiza Jp
2
(x)dx, undep(x)
a
este o este - reprezentnd o arie - se
doar a =b sau p(x)=O pe [a,b], ceea ce nu este cazul.
3.2. a) v
1
, ... ,v. pe V, atunci din u rv,=O (i:I;ii)
u{':,x,v,):o
1
pentru orice x
1
, ... ,x.eR: deci u.lV.
Generalizarea este
b) (i) t.m.At plmm!"" 5(A), [: ;.,-_,..
este S(A)\ ea va coincide, cf. 2.10, cu N(A T); ceea ce conduce la v:(1,1,-2)T.
(ii) Planul este N(A) unde A:[1,1,-2], dreapta fiind 5(A T),
v=(1,1,-2)r.
c) Scriind x:x
1
e
1
+x,e
2
+x
3
e
3
,y=y
1
e
1
+y,e
2
+y,e
3
din de distri-
butivitate omogenitate
[x,y]:[t x,e,,EYli} EE XJ')e,,e).
iI )1 il )1
Anticomutativitatea conduce la:
[e,,e,J = -[e,,e,J :0,
deci
[x,y]=(x,y
2
-x,.y
1
)[e
1
,e
2
] +(x,.y
1
-x,y
3
)[e
3
,e
1
] +
+ (x,.y
3
-x,.y
2
)[e
2
,e
3
] =(x,.y
3
-x,.y
2
)e
1
+ (x,.y
1
-x,y
3
)e
2
+ (x,y
2
-x,.y
1
)e
3

Solujii cap. 3
135
x, x
2
x, sunt echivalente x,.y, -x.r
2

y, Y2 Ya
x
1
y
2
-x
2
y
1

d) atunci e S(A) cf. (1).10.6 sistemul (1) este compatibil;
in timp ATy y e N(AT) y ..L y ..L b,, ceea ce, in ipoteza b
= b,, contrazice yTb * O.
b.if'O, atunci (1) nu are iar este pentru (2).
3.3. a) fA, fiecare y e 11.'" sa y,, pe S(A), in
A T y Ty, e ;:)(A'), iar sa h: ;:)(A) -43(A ') este un izomorfism intre
cele
b) fl. Izomorfismul g trans-
fiecare in Izomorfismul h orice [:] in
AT[:}[
2
:].

}h([:].
c) Nu este in liniar coloanelor lui A fiind o
pentru egalitatea celor N(AB) N(B) (cf.
ex. 2.5.2.c), nu cum o acest
3.4. a) ntruct are coloanele liniar independente, se poate aplica 4.7 n
cazul particular 4.3, (media a celor
valori) reprezentnd mijlocul segmentului [1,2).
b) Pentru sistemul liniar mx,+nry, in general incompatibil, se
in acest caz o n sensul c.m.m.p. m,n. Aici, ea
-11- 2(f.)
este c .4.7.
10 10
c) Rescriind
P
' 1-ecose,
sistemul liniar np e.
3.5.1. a) Avem (uu ')(uu Tu)u T T deoarece u lul
2
1.
uu T cf. 5.3, pe S(uu ') egal, cf. ex. 2.5.4.c, cu S(u).
136
n virtutea celor discutate n 5.1, l- u u T pe
5(u u T)L=5(u)L=JII(u T).
Solujii cap. 3
b) Pentru a verifica simetria matricei P proprietatea (2).1.2.5;
idempotenta este unui calcul simplu.
c) CP,

+Pi=P
1
+P,j'
1
+P
2
deoarece
P,f',=PtPt =(P
1
P
2
)T =OT =0
P
1
+ P
2
este simetria!
ye5(P
1
+P
2
), atunci
x eiR.n: y=(P
1
+P
2
)x=(P
1
x+Pzx;) e5(P
1
) +5(P
2
).
P
1
x
1
=Pzx
2
, atunci

deci P
1
x
1
=0, ceea ce
5(P
1
) n 5(P
2
) = O suma de este (Se poate utiliza faptul
n baza ipotezei PtP
2
=0, i.e. coloanele matricei P
1
sunt ortogonale pe
coloanele matricei P
2
.)
3.5.2. a) O va fi unghiul cu care, rotind n sens trigonometric pe v, acesta se
pe sensul lui e
1
Practic, din problemei

v
1
cos0-v
2
sin8=Jvi+vi v
1
sin8+v
2
cos0=0.
De unde
O
v, . O v2 . R 1 [v,
cos - ,sm 7

9
=-===

yu
1
+u
2
yu
1
+v
2
yv
1
+u
2
Coeficientul ftv ft din proprietatea 5.4.4.
b) calculul:
Deoarece
(v + Hvllef(v + llvUe
1
)=2v T v + 2Uvftetv=2(v + Bvle
1
)T v,
ultima expresie devine
v-(v+Me
1
)= -llvlle,.
c) la Din ea
v
1
este simetricul lui v de u, atunci
1- 2
V+ V - p,
de unde
v
1
= 2p - v = (2P-IJv = -Hv.
V
2
}
v,
V
1
1
lp=Pu
v'
u
Solulii cap. 3
137
d) ntruct v=(3,4)T, conform a),
Q,=! [_34 :J
Cf. b), u=vers(v + lvle
1
)=_
1
_(2,1)T, deci
rs
Q = l - 2u u T = 2.[-3 -34]
2
5 -4
3.6 a) Acestea vor fi
1 [3 ] 1 [-3
A=Q,TR,=- A=Q:[R,=-
5430 5-4
b) P
0
=1,P
1
=X- <Po;K> P
0
cf. <1'
0
)[>=0;
<Po.Po>
c) c.- <P.f>
' <P,.P,>.
d) c,= <T,/> ,i=0,1,2 <T
0
,T
0
> =2rt,<T
1
,T
1
> =rt
<Ti,Tt>
<T
2
,T
2
>=1t, <T
0
f>=0, <T
1
/>=0, <T
2
,{>=4.

1t
3.7. a) Transformarea lui beRm n sa pe 3(A) se cf. 4.8,
prin cu P=A(A TAJ-'A r, fiind deci o
liniaritatea p n
a sistemului Ax=p. X(,X(' e 3(A 1) Ax-;= p
1
AX/'= p li, atunci
suma x =X:+ X:' e 3(A T) Ax =p
1
+ p li, fiind deci
a acestui sistem. p' +pli se n suma
normale lui p' pli, ceea ce (2).6.1.1.
(2).6.1.2.
b) Nucleul \jl este din acei be3(A) a.. AOn=b, i.e.
N(\ji)={Oml
Vom 3(A 1)c3(\jl). Fie x,e3(A 1). Lund b=AX,e3(A)
\jl(b)=x,, deci x,e3(\jl).
c) Cf. def. lui \jl, pentru fiecare be3(A):\jl(b) este unica (cf. 7.1.1) x
138
Solutii cap. 3
a sistemului Ax=b, care .5(A 1).
b=AX
1
=g\x;), atunci este chiar x
1
IJI(g\x;J)=x,.
d) Cf. (2).7.2: .5(cp)=.5(A).
Pe de parte, cum am observat, cp Rm n .5(A '), deci
.5(cp)=.5(A ').Atunci au loc r(A)=dim.S(A)=dim.S(A 1)=r(A).
e) A =(Ar A)-I.A T n care inlocuind A=QR, un calcul,
A=R-'QT.
f) Aplicnd formula de la punctul e):
[11].
g) nu se poate aplica matricei [1 11, care are coloanele
liniar dependente. Vom calcula pseudoinversa ei plecnd direct de la
7.3. a sistemului liniar x
1
+x
2
=b este x =(b -x
2
,x
2
l ea se
descompune in
..!.(b,bl +.!.(b-2x
2
,2x
2
-b)T =x
1
+x.,
2 2
unde X,e.5(A '),x.eN(A).
cp(b)=.!.(b,b)T,saucf. [11]-b=..!.(b,b)r=.!. [
1
]b pentru
2
2 2 1
orice bel!..
Deci
[11]'=!
n acest caz, (A ')=(A )T. Aceasta o proprietate
a pseudoinversei.
Capitolul4
4.1. b) Din Ax" A-x A(Ax)=A.Ax=A(A.x) etc. pentru x;cO,Ax=Ox=O,
atunci coloanele matricei A ar fi liniar dependente (cf. (2).2.5) detA=!L n
caz contrar, din Ax=A.x (J.#O) prin amplificare la stnga cu A - deducem
x=M-x sau A,-x=A-x.
c) Din Ax=A.x,x;cO deducem A
2
x=A.
2
x, deci cf. ip. A=A
2
,(A.-A.
2
)x=0, deci
A.=A-
2
de unde A.=O sau A.=l. ntruct Ax este lui x pe
$(A) (cf. (3).5.3) Ax=x este xe .S(A): fiecare
vector nenul din .5(A) este un vector propriu pentru A v.p. A-=1,
deci o proprie.
Solutii cap. 4
d) Notnd Q o matrice din ,x#O
ll.lllxll,
iar din IIQxHixll ((3).5.4.4)
ll.lllxHxll
deci
4.2. a) Al".
b) pii.Ht
11
- I.) ... Ct""- 1.).
c)

=coseilsinel deci

139
4.3. a) Cf. 4.1.c, acest propriu va fi :J(P),
pe care P vectorii lui IR".
b)Avem
:3(P)=((-1,H)r' (+-1+)r}'
deci un plan de vectori. P vectorii lui IR
3
pe acest plan. Atunci
vectorii pe dreapta pe plan vor fi n O,
formnd propriu al matricei P valorii proprii 1.=0,
N(P). ntruct, T el este ;J(P)'.
c) Cele w
1
,w
2
ce corespund celor perechi caracteristice
lo -1]
ale matricei sistemului ll
0
, sunt

iar este

+c
2
w
2

Din

a.. va fi
sint,cost)T.
4.4. a) z se la 1 de origine, deci pe cercul de 1, numit
cercul unitate a planului complex.
(i) z,z. = cos ce, + e.) + i sin ce, + e.J
(ii)

z
Scriind z sub forma r(cose + i sine) = re'" e;ore;o re""+O',
deci Zif! are modul caz, iar argumentul decalat cu 8
0

b) n cazui complex, formulele Gram-Schmidt sunt
140
de unde
V
1
=(1,0,1)T,
U
2
=(i,1,1)T- i;
1
(1,0,1JT=
u
3
=(0,1,i)T-
1
;i !(1-2i,3-i,2i-1JT,
iar llu,l=v'2,lu
2
!=v'2,llu
3
11= V:.
Solutii cap. 4
c) n analogie cu li!." (ex. 3.5.1.a) matrice va fi P=uu .
4.5. a) Din aij=-a
1
,, deci pentru i=;j: a;;= -a" i.e., cf. 4.1, a;;elm.
AeM.OR) a;;=-a;; a;;=O.
b) Calculnd z=z'=x'A 'x= -x'Ax= -z, deci zelm, iar A.= x'Ax. (x vector
x'x
propriu A.elm.
c) Pentru acest caz, este Ia fel cu cea a 5.3.
4.6. a) (i) Q=2.[1
v'z1
-j, A=[3 J
1+i 1+i
(ii) U=
13 16
, A=[
5
_
1
]
1 2
13 16
(ili) Q-'- [:
o
_:J A[l
J
1
1
121
o
1 o 1 o 1
(iv) Q=2.
o 1 o 1 1
o 1 o -1
,J\=
-1
v'2
1 o -1
o -1
b) Cf. exemplelor 6.5, din rezultatele puctului a) respectiv
(i) A=3u,ut + u
2
ut =3P,+P
2
;
(ii) A=5u,u; +(-1)u
2
u;=5P
1
+(-1)P
2
;
(iii) A=(u,u,T +u
2
ut)+(-1)u
3
u[ =P+(-1)P
3
;
(iv) A=(u,u,T +u
2
ut)+( -1)(u
3
u[ +u
4
ut)=P+( -1)P
1

c) Din P
2
=P, cf. ex. 4.1.c, Spec(P) c {0,1}.
Solutii cap. 4
141
Deci P va avea valoarea proprie A.
1
el cu multiplicitatea r (rangul lui P)
v.p. A."eO cu multiplicitatea n-r (r=n d.n.d. P=l). Descompunerea
este: PeA.
1
P + A.
2
(1- P).
P+(l-P)=l P(l-P)eO; Peste matricea de pe5(P)
- propriu lui' A." iar 1-P matricea de peN(P)
- propriu lui A.
2
,
d) Singurul pas din ce trebuie modificat, este cel ce
hermiticitatea (aici antihermiticitatea) matricei T: T*e -T. Deci tkle -t,., ceea
ce elementele aflate deasupra diagonalei matricei T sunt nule.
Acest pas important, pe baza deducem matricea
U'A U este de fapt poate fi nu numai n cazul
matricelor hermitice sau antihermitice, ci al tuturor acelora care au proprieta-
tea AA eA A care se numesc normale.
De exemplu, matricele unitare sunt normale, deci pentru ele matricea
superior din !ema lui Schur, este
4.7. a) Amplificnd prima la stnga, cu Q T Q TAeR nlocuind
ntr-a doua A
1
eQTAQeQ-
1
AQ.
b) Cf. ipotezei AS=SB. Bxe'J...x, atunci SBxeA.Sx, deci AyeA.y. n plus
x"O yeSx"O
Fiind S un izomorfism al
C' (R") pe el (cf. (2).7.3). Acest izomorfism vectorii proprii
liniar ai matricei B, lui A., n vectori proprii liniar
ai lui A, lui A..
n concluzie: matricele asemenea A B au de vectori proprii
liniar pentru fiecare u.p. A..

c) Alegnd v.p. A. ei vectorul propriu (i,l)T, l
cu un vector liniar independent cu el, e.g. (l,OJT, apoi


Calculnd U'AU

o matrice nu numai ci chiar Acest fapt se
antisimetriei matricei A (conform ex. 4.6.d).
4.8 a) (i) A.
1
eA."eA.
3
e2, ntruct r(A-2D=l matricea nu este
142 Solutii cap. 4
OBSERVA'fiE. n general, (A are o
valoare proprie) atunci Deci matricele cu o v.p. -
diagonalizabile, sunt cele de forma Al.
(ii) 1..
1
r(A)=l ne A este
OBSERVATIE. Valorile proprii simple nu pot altera calitatea de a diagonaliza
a unei matrice. De aceea pentru nu mai trebuie calculat r(A-1)!
(iii) Este avnd doar valori proprii simple.
(iv) Cf. ex. 4.1.b matricea Bare vectori proprii ca A, deci diagona-

Mai mult, S este o matrice de ordin, atunci
s-'BS +Al
matrice are forma Jordan, d.n.d.S-'AS
are tip de
b) Punnd .. cf. 2.6 +a
22
+ ... +a . n
pot
CAZUL 1: au + .. +a deci avnd o valoare proprie n-l
vectori proprii, matricea A nu (cazul
CAZUL 2: au+ . +a .. ... 0 care, fiind o valoare proprie
la o primii n-1 vectori proprii; A
c)

atunci

ntruct
A
1
A,=A,A
1

e) (i) Forma Jordan va o Jordan, de ordin cu
A valorii proprii A.:

O A.
(ii) Forma Jordan va celule avnd suma ordinelor 3, deci va
fi:

O A.
f) Pentru matricea de ordinul4, primul caz este perfect similar:
A. 1 O O

A o o A 1
O O O A.
Solu)ii cap. 4 143
n al doilea caz pot variante: o de ordinul 1,
de ordinul 3, sau ambele de ordinul 2,
A O O O A 1 O O
0A10 0A00
O O A 1 sau O O A 1
O O O A O O O A
Pentru a stabili care m ele corespunde matricei n sunt necesare
suplimentare, ce se pot prin calcul (a se vedea bibliografia).
4.9.1. a) ""]fA, ][
1
-A']-
1
-, unde A
1
,A
2
sunt cele
l1 1 l A
2
-1 A
1
A
1
-A
2
ale caracteristice

Pentru date
l
F,,,J lA' ][ 1 ] 1

, _ -_-
F, 1 1 A
2
1 A
1
A
2
de unde


A
1
-A
2
A
1
-A
2
ntruct

1
-/5 este pentru valori mari ale
2
lui k, a.. F,,,

la avnd loc egalitatea. (Acest

A
1
- A, F,
1
+/5 1,618 reprezenta de aur").
2
b) Facem n cazul: A
1 A" 1 :S .. :s; 1 A
1
1 < 1, atunci Iim 1 A, 1' pentru i 1,n, deci cf. 9.6.

limu,

+ ... + c.(limA:)x. ... O
k-te<> k-?oo k-t-
ReciprOC, pentru orice u
0
: Iim u, , atunci alegnd

aceste a.. c
1
= 1, c
2
= O, ... , c" = O, va trebui ca
limu,

deoarecex
1
;tO (vector propriu) Iim O. Deci
k-t- k-tcc k-t""
IA,I <1.
c) Cnd

... )S-
1
, iar matricea
l+A+A
2
+ ... are pe i elementul 1+A,Af+ ... , deci o serie
exact cnd IA,I <1.
144
Solutii cap. 4
. r3 ] [1 -1
4.9.2. a) Avem
1
s-
1
unde
1 1
. Deci
- [1 -1Jre
3
' ][1 1 1 e"-e']

-
1 1 e' -1 1 2 2 e"-e' e"+e'
b) Seria 9.10 se reduce, in acest caz, la I+.2:..At, deoarece

.
1!

GENERALIZARE.
o 1 o o
o o 1 o

o o o 1
o o o o
atunci A

iar seria 9.10 devine

EMn,
1 t t1
Ti (n-1)!

..
t
Ti
1
c) Valorile proprii ale matricei SeAtS-
1
sunt, cf. 7.2, cu ale matricei
e"', i.e. ,f pentru J..,eSpec(A).
Capitolul5
5.1. a) Aplic;!lnd (2).7.4 pentru m=1

a.), unde a,=f(e,). Deci
A T este matricea formei liniare f.
n n
b)

cf.
,: .. r J .. l
n n n n
L L

L L aijx,y;-
i=l }1 j ... l j .. l
c)

deci reciproc, din simetria

matricei A f(x,y)=f(y,x), pentru orice x,ye:R".
d) Simetria lui f(x,y) din omogenitatea de grad doi a lui q:
q(2x)=2
2
q(x), deci
-q(x)
2
Solutii cap. 5
Pentru biliniaritate nlocuim q(x) cu x T Ax
A(x +.y)-x TAx-y TAy]
2
145
care, deoarece x T Ax (A conduce la x T Ay. Pentru
expresie, biliniaritatea se
5.2. a) (i) Deoarece conica va fi o

semiaxele hiperbolei 112/2, b 11/2. Pentru A.
1
versorul propriu este

iar pentru A",

Deci axele de simetrie sunt

bisectoarele axelor Ox
1
,0x
2

(ii) de semiaxe 1/3, 1/2, iar u
1
-2,1)Tf/5.
(iii)
(iv) ntruct detA=O, curba nu este cu centru.
b) (i)

deci cuadrica este un hiperboloid cu o

ntruct A.
1
=3, 1.."=1,1..
3
=-5 semiaxele vor fi 11/3,1,11/5. Axele de simetrie se
normnd cei trei vectori proprii
u
1
=(11/2,11/2,oJT, u,=< -11/2,11[2,o)r,u,=(0,0,1)r.
(ii) Amplificnd cu 2 v.p. A.
1

Din egalitatea
ultimelor deducem de axa u
1
, este de anume,
elipsoid de cu axa (de u
1
Orice perpendicu-
pe o de simetrie a deci, n acest caz,
o infinitate de asemenea axe.)
O sau o nu se
sa cu o
(iii) Valorile proprii sunt (cf. (i)) 3, 1, -5. Deci este un hiperboloid,
dar pentru a-i putea preciza de pnze, trebuie sa la forma
(3). Prin amplificare cu -1

este un hiperbo-
. loid cu pnze semiaxe axe cu cea de la punctul (i).
(iv) ntruct detA=O nu este cu centru.
c) Prin x=Qy (unde Q=[u
1
11unl este matricea din teoremei
2.1) devine
y TQ TAQy=y TAy=A.,yi + ... +A.nY!'
iar numitorul

' "-nYl + + "-nY! A.,yi + .. + "-nY! A.,yi + . + A.,y; '

<
<

n 2 2 2 2 2 2
1
'
Yl+,,,+yn Y!+.,.+yn Y!+ ... +yn
ceea ce
Pentru y=e
1
ctul valorile A.., respectiv A.".
pentru

x=Qen=un,R(u
1
)=A.
1
R(unl="-n
146
Solutii cap. 5
Deoarece R(x) este i.e.
orice valoare a sa se atinge intr-un punct x cu acestor
puncte fiind R(x) rezultatele demonstrate
sunt un caz particular al unei cunoscute teoreme a lui Weierstrass.
2
2 x2 2 x2
5.3. a) permutare,

+_) --
2 4
b) Prin schimbarea de variabile forma devine
q 2(y;- y;) + 2y,y.- 2y,.y .
Prin procedeul 3.8.2 al q va pe rnd formele
2(y; y,y,) _ 2y: _ 2y,.y, f, . ; r _ 2y: _ 2y,.y. _ y;
f, ; r- f, ; r
Pe de parte, matricea ei se descompune sub forma A = LDLT astfel
1 o 2
-2 l o 1
o 2
o o 1
prin descompunere a lui q = yTAy ajungem exact
la forma in
Ya
l
y, +2
-2 Ya
y,+-
0 2
Ya
; r -f,;r
c) deci

5.4. a) Pentru (il (iii) 4.1.1, pentru (ii) (iv) 4.1.2, iar
pentru (v) 4.1.5.
b) Se 4.3 pentru de dimensiune 1 generate de fiecare
din vectorii e
1
, ,e . a"x,Z >O pentru orice x, * O, deci a" > O.
c) Fie A.eSpec(A), deci A.-a.eSpec(A-al). \ia.<a:A.-a.>O este
cu Spec(A)c [a,=}. Similar, din a doua
Spec(A) c( -=,b}. De unde Spec(A) c (a,b}.
Solutii cap. 5
d) Utiliznd punctul precedent, din ipoteze
':/ a<a, ':/ (:l<c :A -al>O ,B -131>0,
deci, cf. (iii), A+ B -(a+ 13 )1>0.
Prin urmare ':ly<a+c:A+B-yl>O cf. punctului precedent,
Spec(A+B) c [a,=),
1 1
5.5. a) Deoarece A 'lA 'l e A ,
1 1 1 1 1 1
A 'IA'!; eQA 'IQTQA'IQ T eQA'IJA 'IQT eQAQT eA.
1
1
147
Valorile proprii ale matricei A 'l vor fi cu ale matricei A 'l,
1
{t;, .. , {7:: <:O . De unde, cf. 5.1.2, A 'l <:O
b) Pentru 5.1.1, 5.1.2 5.1.4 se sensul
5.1.5 devine: Ae-RTR cu ReMm.,.(R), iar 5.1.3 devine: minorii
de ordin par (impar) ai matricei A, la unor linii cu coloanele
sunt nepozitivi (respectiv nenegativi)".
5.6. a) Matrice le asociate celor f. p. fiind

se prima este pozitiv a.i. le cuB respectiv A.
a problemei AxeABx este
CU

2

2.-21. eO,
2
Vectorii proprii sunt
( -3,1)T ( -1,2)T.
Bortogonalitatea!
Prin B-normare
Se fs[-13 -21].
iar formele canonice prin transformarea x=Sy sunt respectiv
y: +y: (5/2)y:.
b) Este suficient alegem 1.
1
<: ... <:1.. valorile proprii, iar S matricea
vectorilor proprii ai problemei AxeABx, pentru ca schimbarea
de coordonate y=Sx R(x) la
148
... +A..r!.
2 2
Deci, cf ex. 5.2.c,
m

ax--
.n>O XTBX y;tO yTy
min xTAx =An,
.x.oo x TBx y .. o y Ty
Y! + ... +y"'
SoiU)ii cap. 5
valori atinse n y=e
1
y=en, respectiv x=x
1
x=xn (prima ultima
din 8).
c) ntruct matricele

asociate celor f.p. cf. (4).8.9 au vectori proprii.
Prin .calcul Spec(A
1
)={2,0}, Spec(A
2
)={1,-1}, iar v.p. sunt
(1,1)T,( -1,1)T.
N ormndu-i, matricea
Q= -11].
Formele canonice vor fi q
1
respectiv

-yi.
5.7 a)



cr
11
=2,cr
22
=0.
b) unde
respectiv A T =S :E Q T.

4] :E J5] 8 T =[1)
5l4 -3 ' lo '
c) de la descompunerea A=Q:EST=QSTS:EST alegem
Q'=QS T respectiv P'=S:ES T?-0 (deoarece :E?-0). n cazul nesingular se
1
P
1
=(A Q'=APJ-1.
..
INDEX DE SUBIECTE
Algoritmul QR
86
98
Alternativa Fredholm 57 n (f.s.) a unei matrice 23
Anticomutativitate 57 Jordan a unei matrice 89
Aproximarea cu polinoame a
97

68 Forma a unei forme
Axele principale ale unei forme
97

99 Forma a unei forme

98
Baza
32 lui Lagrange 73
(ON) 65
Hiperbola
100
Ctul Rayleigh
102 Hiperboloid
101
Ctul Rayleigh 112
Celule Jordan
89 Imaginea unei (liniare) 40
Coloana de coordonate a unui vector 31 Inegalitatea lui Schwarz 52
Complement ortogonal al unui formelor 103

55 Injectivitatea unei (liniare) 40
Conice
100 Inversa la dreapta a unei matrice 42
Conjugatul unui complex 78 Inversa la stnga a unei matrice 42
Coordonatele unui vector ntr-o 31 Izomorfism de vectoriale 40
Cuadrice
100 Izomorfismul definit de o matrice 42, 52
Descompunerea i U a unei Legea de schimbare a matricei
matrice
39,124 asociate unei f.p. la schimbarea
Descompunerea a unei bazei
97
matrice
115 Legea de schimbare a matricei unei
Descompunerea a unei liniare la schimbarea bazei 44
matrice
114 Legea 47
Descompunerea a unei Lema lui Schur 81
matrice
112
Descompunerea a unei Matrice 81
matrice
83 Matrice 81
Determinantul Vandermonde 120 Matrice Jordan
89
de ordinul doi
96 Matrice n 20
proprii (ale unei Matrice de n complex 79

74 Matrice de a axelor de
coordonate
119
cu finite 90 Matrice n
normale
60 complex)
79
Elipsa
100 Matrice negativ 109
Elipsoid
101 Matrice negativ 110
Extindere (n complex) a unei Matrice pozitiv 107
sau 78, 79 Matrice pozitiv 109
Extrem (cu 73 Matrice 79
150
Index de subiecte
Matricea formei 97 Regresia 62
Matricea unei forme de
biliniare
98 (peste K) 29
Matricea Gram 108 vectorilor planului 43
Matricea 108
Matrice (unitar) asemenea 84 Scalari 27
Matrice comutabile 88 Simbolul lui Kronecker 61
Matrice de reflexie
64 Sistem liniar 72
Matrice normale 141 21,93
Metoda Givens
106 21
Minori directori 105 (unui
sistem 76
Numerele singulare (ale unei Spectrul matricei 76
matrice) 112 ortogonale 55
nucleul imagine 40
Perechi caracteristice 74 34
Pivot al unei matrice n 20 Surjectivitatea unei 40
unei matrice simetrice 105
Polinoame trigonometrice (Fourier) 68 Teorema Cayley-Hamilton 86
Polinoame Legendre 67 Teorema lui Weierstrass 146
Problema cu Transformare de 102
72, 96 urm. Transformare Householder 65
Produs vectorial
57 conforme 64
Produsul scalar complex 78 rigide 64
ca vector 52 Transpunere 27
cu semn 52 Transpunerea sau
cu un 46 77
69
60 Unghiul intre doi vectori 51
simple multiple 87 Valori proprii 75
Rangul pe coloane 35 Vectori ortogonali 52
Rangul pe linii 35 Vectorii proprii 76
Raza 92 Vector-matrice 28
Reducerea conicelor cuadricelor V,ector-polinom 28
la axele de simetrie 100 Vector-eroare n metoda c.m.m. p 62
Reducerea unei f.p. la o Versorii axelor de coordonate 31

97 Versorul unui vector 52
Reflexie
65 Volumul orientat 123
BffiLIOGRAFICE
1. PENTRU ALGEBRA SALE:
[1]. Bellman R.- Introducere tn analiza (traducere din limba
Editura 1969.
[2]. Hartfiel D.J., Hobbs A.M. - Elementary Linear Algebra, Prindle, Weber &
Schmidt, Boston, 1987.
[3]. ffill R.O., Jr.- Elementary Linear Algebra withApplications <2"" ed.), Academic
Press, New York, 1991.
[4]. Reza F. - liniare (traducere din limba Editura
1973.
[5]. Strang G. -Linear Algebra and lts Applications (3"' ed.), Academic Press, San
Diego, 1988.
2. PENTRU ALGEBRA
[1]. Golub G.H., Van Loan C.F.- Matrix Computations (2"' ed.), John Hopkins
University Press, Baltimore, 1989.
[2]. Todd J.- Basic Numerica[ Mathematics, Voi. 2: Numerica! Algebra, Academic
Press, New York, 1978.
3. CULEGERI DE PROBLEME:
[1]. V., O. Lumea Lit. IPB, 1981.
[2]. Fadeev D., Sominski 1.- Recueil d'exercices d'algebre superieure, Edit. MIR.
Moscou, 1973.
[3]. Ikramov H.- Recueil de problemes d'algebre liruiaire, Edit MIR, Moscou, 1977.
[4]. Proskuriakov I.V.- Problems in Linear Algebra, MIR Publ., Moscow, 1978.
[5]. C., Radu C., Dicu C., O. - Probleme de
geometrie Editura 1981.