Linear Algebra

Cursul 8
Spatiul punctual. Orientarea bazelor si a reperelor

ortonormate.
Schimbari de repere
In acest curs si n urmatorul prezentam metode si tehnici de algebrageometrie, cu aplicatii

n computer graphics, gaming, robotica, analiza si procesarea imaginii si n WEB design. In
toate aceste domenii se opereaza preponderent cu puncte. Punctele sunt caracterizate numeric
prin coordonatele lor relativ la un sistem ortogonal de axe drept (cel uzual) sau stramb. Modalitatea n care doua puncte definesc un vector este prezentata n sectiunea ce urmeaza:
8.1
Spatiul punctual afin de dimensiune n
Pentru a defini contextul n care se definesc vectorii clasici AB, determinati de doua
puncte, consideram o multime de puncte P, notate A, B, C, . . . si spatiul vectorial Rn .
Definitia 8.1.1 Spatiul punctual afin de dimensiune n, este un triplet notat An = (P, Rn , ),
unde este o aplicatie : P P Rn , care asociaza la orice pereche de puncte (A, B) un
vector AB Rn :
B

(A, B) AB
si care n plus verifica urmatoarele conditii:

1. AB + BC = AC, A, B, C P (relatia lui Chasles);
B
A
C
2. Pentru orice punct O P fixat si vector v Rn exista un unic punct M P astfel ncat
OM = v, cu alte cuvinte aplicatia O , O : {O} P Rn , care asociaza la orice punct
M P vectorul OM , avand punctul de aplicatie O:

1
Cursul 8, Algebra liniara, E. Petrisor, noiembrie 2014
M
v
O (M ) = OM Rn
este bijectie.
Aplicand proprietatea 1. pentru punctele A, B, C identice, obtinem AA + AA = AA, adica
AA = Rn .

Relatia lui Chasles aplicata punctelor A, B, A conduce la AB + BA = AA = , adica
BA = AB.
Relatia Chasles se extinde la un numar finit de puncte:

A1 A2 + A2 A3 + + Am1 Am = A1 Am
Deoarece conform proprietatii 2 multimea punctelor P este n corespondenta bijectiva cu Rn ,
luam drept multime de puncte pe Rn . Prin urmare privim multimea Rn n doua moduri: ca
multime de puncte si ca spatiu vectorial. Un punct A din Rn este reprezentat de un nuplu de
numere (x1 , x2 , . . . , xn ) (scrise pe linie), iar un vector v tot de un n-uplu de numere reale, dar
pentru a face distinctie, aceste numere se scriu ntr-o matrice coloana:
a1
a2
v = ..
.
an
La orice doua puncte A(x1 , x2 , . . . , xn ), B = (y1 , y2 , . . . , yn ) le asociem vectorul AB ale carui

coordonate se obtin scazand din coordonatele punctului B coordonatele punctului A:
y1 x1
y2 x2
AB =
..
.
yn xn
Formal aplicatia ce defineste structura afina pe spatiul de puncte Rn este:
(A, B) = AB := B A
Sa verificam ca ntr-adevar astfel definit satisface conditiile 1. si 2. din definitia spatiului
punctual afin:
1. Fie A, B, C trei puncte arbitrare din Rn . Atunci:

AB + BC = B
+ C B} = C A = AC
| A {z
operatii n Rn
2. Pentru orice punct fixat O si un vector v Rn , punctul M ce satisface conditia OM = v,

echivalenta cu operatia din Rn , M O = v, este unic, si este M = O + v (+ este adunarea din
Rn ).
Deci multimea Rn are structura de spatiu punctual afin. In matematica acest spatiu se
noteaza cu An , dar n inginerie si computer science se pastreaza notatia Rn si din context se
deduce cand ne referim la puncte din Rn si cand la vectori.
Remarcam ca are sens operatia punct plus vector O + v, rezultatul fiind punctul M cu
proprietatea ca OM = v.
v
O+v
Exemplul 1. In spatiul A3 se da punctul O = (2, 3, 1) si vectorul v = (3, 0, 2)T . Sa se
determine punctul M (x1 , x2 , x3 ) astfel ncat OM = v.

M = O + v = (2 + 3, 3 + 0, 1 + 2) = (1, 3, 3).
Observatia 8.1.1 Spatiul vectorial Rn se identifica cu multimea vectorilor care au originea n
punctul O = (0, 0, . . . , 0). Intr-adev

ar, orice vector v = (x1 , x2 , . . . , xn )T din Rn se identifica
cu vectorul OM , unde M = (x1 , x2 , . . . , xn ), deoarece OM = M O = (x1 0, x2

0, . . . , xn 0)T = v.
Ilustrarea vectorilor din Rn prin segmente orientate, din cursurile precedente, este astfel justificata de aceasta observatie.
Daca n plus pe spatiul vectorial Rn consideram un produs scalar <, >, atunci spatiul punctual corespunzator se noteaza cu En si se numeste spatiul punctual euclidian. Pe acest spatiu
definim distanta dintre doua puncte:
d(A, B) = AB
Daca A = (x1 , x2 , . . . , xn ) si B = (y1 , y2 , . . . , yn ), atunci vectorul AB(y1 x1 , y2 x2 , . . . , yn

xn )T si deci distanta dintre doua puncte A, B este:
d(A, B) = AB =
(y1 x1 )2 + (y2 x2 )2 + + (yn xn )2 =
=
(x1 y1 )2 + (x2 y2 )2 + + (xn yn )2
Doua puncte A, B determina n En un segment, notat [A, B] si definit ca fiind multimea
punctelor ce se obtin adunand punctului A un vector tAB, t [0, 1], coliniar si de acelasi sens
cu vectorul AB:
[A, B] = {P | P = A + tAB, t [0, 1]}

Mijlocul segmentului [A, B] este punctul M cu proprietatea ca AM = M B.

Daca A(a1 , a2 , . . . , an ), B(b1 , b2 , . . . , bn ), M (x1 , x2 , . . . , xn ), atunci din relatia AM = M B
rezulta aceeasi relatie ntre coordonatele din pozitia i a vectorilor implicati, adica:
xi ai = bi xi ,
2xi = ai + bi
xi =
ai + bi
,
2
i = 1, n
Prin urmare coordonatele mijlocului unui segment sunt egale cu media aritmetica a coordonatelor corespunzatoare ale extremitatilor segmentului.
Exemplul 2. In E3 se dau punctele A(1, 2, 4), B(3, 0, 5), C(1, 7, 2).
a) Sa se calculeze distanta de la A la mijlocul segmentului [B, C].
[
b) Sa se calculeze cosinusul unghiului BAC
a) Fie M (x, y, z) mijlocul segmentului [B, C]. Coordonatele sale sunt:
3+1
07
5 + 2
= 2, y =
= 3.5, z =
= 1.5
2
2
2
2 + (2 + 3.5)2 + (4 + 1.5)2 =
Distant
a
d(A,
M
)
=
((1
2)
9 + 5.52 + 5.52
= 9 + 60.5 = 8.34.

[ este unghiul dintre vectorii
b) Unghiul BAC
AB, AC.
x=
AB = B A = (4, 2, 9), AC = (2, 9, 2). Astfel:

AB AC
44
44
8 + 18 + 18
[
cos(BAC) = =
=
=
16 + 4 + 81 4 + 81 + 4
101 + 89
190
AB AC
8.2
Reper ortonormat n spatiul afin euclidian En
Definitia 8.2.1 Un reper ortonormat n En este o pereche

R = (O; B = (e1 , e2 , . . . , en ))
constituita dintr-un punct fixat O, numit originea reperului si o baza ortonormata B din spatiul
vectorial Rn .
5
z
ze3
y
ye2
e3
M (x, y)
OM
xe1
e1
e2
M (x, y, z)
ye2
y
e1
e2
O
OM
xe1
x
x
Fig.8.1: Semnificatia coordonatelor unui punct M din plan raportat la un reper ortonormat (stanga),
respectiv din spatiul 3D (dreapta).
Unui reper ortonormat R i se asociaza un sistem de axe ortogonale Ox1 , Ox2 ,. . . , Oxn , unde
axa Oxi este multimea punctelor M cu proprietatea ca vectorul OM este coliniar si de acelasi
sens cu vectorul bazei, ei , i = 1, n,
Oxi = {M | OM = tei , t 0}, i = 1, n
ei
xi
Versorul ei , avand norma unu, constituie unitatea de masura pe axa Oxi .

Avand fixat un reper ortonormat R = (O; B) n En , pozitia unui punct arbitrar, M , fata de
acest reper se determina astfel (vezi si Fig.8.1):
se uneste punctul M cu originea O a reperului, obtinand vectorul OM , numit vectorul

de pozitie al punctului M;
se descompune vectorul OM dupa vectorii bazei reperului:
OM = x1 e1 + x2 e2 + + xn en ,
xi ei =< OM , ei > ei = prei (OM ), i = 1, n
Prin definitie, coordonatele vectorului de pozitie OM n baza B se numesc coordonatele punctului M relativ la reperul R sau relativ la sistemul de axe ortogonale, asociat.
Coordonatele originii reperului, sunt coordonatele vectorului OO = n baza reperului,

adica (0, 0, . . . , 0).
In plan (E2 ) axele asociate unui reper ortonormat se noteaza de obicei prin Ox, Oy, si coordonatele unui punct arbitrar prin (x, y), iar n spatiul 3D, E3 , prin Ox, Oy, Oz, iar coordonatele
unui punct (x, y, z). In Fig.8.1 sunt ilustrate doua repere ortonormate si sistemele de axe ortogonale asociate, unul n plan (stanga) si cel de-al doilea n spatiul E3 (dreapta).
8.3 Orientarea bazelor si a reperelor ortonormate

Definitia 8.3.1 Doua baze (ortonormate sau neortonormate), B, B , din Rn au aceeasi orientare daca determinantul matricii de trecere este pozitiv, det(TBB ) > 0, si respectiv orientare
opusa, daca determinantul matricii de trecere este negativ.
Daca bazele B, B au aceeasi orientare, notam:
B B
1
1
Deoarece TB B = TBB
a ca daca B B , atunci si B B deoarece det(TBB
rezult
) =
1/det(TBB > 0, si deci det(TB B ) > 0.
Apoi daca avem 3 baze B, B , B si B B , B B atunci B B .
In Rn orice baza la fel orientata ca baza canonica se numeste baza dreapta, iar o baza
opus orientata bazei canonice (adica cu determinantul matricii de trecere ntre cele doua baze,
negativ) se numeste baza stramba sau stanga. Prin analogie, un reper ortonormat n En se
numeste reper drept daca baza reperului este dreapta si reper stang, daca baza reperului este
stanga.
Pentru a identifica daca un reper este stang sau drept din analiza pozitiei relative a axelor de
coordonate asociate, discutam pe rand cazul reperelor din plan si respectiv din spatiul 3D.
Repere drepte n plan

Pentru a ntelege orientarea bazelor n spatiul R2 , consideram un vector nenul, v = (a, b)T
R2 . Complementul sa ortogonal, v T , este de ecuatie ax + by = 0, adica multimea vectorilor
din R2 ale caror coordonate satisfac ecuatia dreptei ax + by = 0. Cum v T are dimensiunea
2 1 = 1 (vezi Cursul 6), si deci o baza n v T contine un singur vector, rezulta ca exista o
singura directie perpendiculara pe v si anume directia reprezentata de vectorul w = (b, a)T
sau w = (b, a)T = w. Notand cu v 0 , w0 , w0 versorii celor trei directii si sensuri precizate,
putem constitui doua baze ortonormate, ce au pe v 0 ca prim vector n baza:
B1 = (v 0 , w0 ), B2 = (v 0 , w0 )
In Figura urmatoare ilustram versorii asociati lui v = (1, 2)T , w = (2, 1)T , w = (2, 1)T :
v0
w0
O
w0
In mod natural ne ntrebam prin ce se deosebesc cele doua baze, respectiv repere ortonormate
ce le-ar avea ca baze. Cum am numit baza dreapta orice baza la fel orientata ca baza canonica,
sa caracterizam bazele drepte si respectiv strambe.
8.3. Orientarea bazelor si a reperelor ortonormate
1
1
Deoarece v 0 = v/v =
(a, b)T si w0 =
(b, a)T , matricea de trecere
2
2
2
2
a +b
a +b
de la baza canonica B din R2 , la baza B1 = (v 0 , w0 ), este:
a
b
2
2
a2 + b2
TBB1 = [v 0 |w0 ] = a b+ b
a2 + b2
a2 + b2
si det(TBB1 ) = 1 > 0. Deci B1 este baza dreapta. Calculand determinantul matricii de trecere
de la B la B2 = (v 0 , w0 ) obtinem 1 < 0, deci baza B2 este o baza stanga.
In concluzie:
Daca v = (a, b)T este un vector nenul, atunci versorul sau si versorul vectorului w =
(b, a)T definesc o baza ortonormata dreapta.
Pentru a vedea care este pozitia vectorilor unei baze ortonormate drepte (strambe) B =
(u1 , u2 ) fata de baza canonica B = (e1 , e2 ), exprimam vectorii ui n functie de vectorii bazei B:
u1 = < u1 , e1 > e1 + < u1 , e2 > e2
u2 = < u2 , e1 > e1 + < u2 , e2 > e2
Dar
< ui , ej >=
< ui , ej >
= cos(u[
i , ej )
ui ej
|{z} |{z}
=1
Deci:
=1
u1 = cos(u[
[
1 , e1 ) e1 + cos(u
1 , e2 ) e2
u2 = cos(u[
[
2 , e1 ) e1 + cos(u
2 , e2 ) e2 ,
Notand = mas(u[
a n rosu), rezulta ca u1 = cos e1 +
1 , e1 ) (vezi Fig.8.2 baza colorat
cos(/2 ) e2 = cos e1 + sin e2 . u2 fiind ortogonal pe u1 poate avea coordonatele (vezi
discutia de mai sus relativ la vectorii ortogonali v, w R2 ):
1. u2 = sin e1 + cos e2 ,
adica masura unghiului dintre u2 si e2 este tot . In acest caz matricea de trecere
[
]
cos sin
TBB =
, are determinatul det(TBB ) = cos2 + sin2 = 1 > 0
sin
cos
Prin urmare baza ortonormata, B = (u1 = (cos , sin )T , u2 = ( sin , cos )T ) este o baza
dreapta.
Luand u2 vectorul opus celui din primul caz:
2. u2 = sin e1 cos e2
e2
u1
u2
e2
e1
u1
e1
u2
Fig.8.2: Baza dreapta (rosu), respectiv baza stanga (albastru) n R2 .
avem cos(u[
a masura unghiului dintre u2 si e2 nu este , ci
2 , e2 ) = cos = cos( ), adic
(vezi Fig.8.2 baza colorata n albastru). In acest caz matricea de trecere dintre cele doua
baze:
[
]
cos
sin
TBB =
, are determinantul det(TBB ) = cos2 sin2 = 1 < 0
sin cos
si deci baza ortonormata: B = (u1 = (cos , sin )T , u2 = (sin , cos )T ) este o baza stanga.
Discutia de mai sus este valabila, nu doar pentru perechea de baze (B, B ), unde B este baza
canonica, ci pentru orice doua baze de aceeasi orientare.
In concluzie O baza ortonormata B = (u1 , u2 ) din R2 are aceeasi orientare ca baza
ortonormata (e1 , e2 ) (care n particular poate fi baza canonica), daca masura unghiului
dintre u1 si e1 coincide cu masura unghiului dintre u2 si e2 (Fig. 8.2, rosu). Baza B
are orientare opusa bazei canonice, daca cele doua unghiuri au masuri diferite (Fig. 8.2,
albastru)
Avand aceasta informatie despre baze, sa deducem o modalitate de a identifica cand un reper
(sistem de axe ortogonale) este drept, respectiv stang.
Observam ca sistemul de axe xOy asociat reperului canonic
R = (O; e1 = (1, 0), e2 = (0, 1))
are particularitatea ca axa Oy se obtine rotind pe Ox n jurul lui O, n sens trigonometric cu 90
de grade (Fig. 8.3).
Un sistem de axe x Oy ale carui axe sunt asociate unui reper ortonormat drept, cu aceeasi
origine, R = (O; (u1 , u2 )), are particularitatea ca unghiul dintre Ox si Ox este egal cu
unghiul dintre Oy si Oy (Fig. 8.3). Astfel structura sudata x Oy se obtine rotind cu unghiul
pe xOy. Deci si x Oy are aceeasi particularitate ca xOy si anume axa a doua se obtine rotind
prima axa n sens trigonometric cu 90 de grade.
In conluzie, un reper ortonormat din plan avand axele ortogonale asociate, Ox, Oy, astfel
ncat Oy se obtine din Ox printr-o rotatie de 90 de grade n sens trigonometric (anti-clockwise
8.4. Schimbarea de reper prin translatie
9
y
e2
u2
x
u1
e1
Fig.8.3: Pozitia unui sistem de axe drept, x Oy fata de sistemul de axe canonic, xOy
Fig.8.4: Sisteme de axe n E2 asociate unui reper drept, respectiv stang.
sau counter-clockwise n computer graphics!), n jurul lui O, este un reper drept. Daca Oy se
obtine rotind Ox n sensul acelor ceasornicului, cu 90 de grade, atunci reperul este stang.
In spatiul afin En (n = 2, si n = 3 fiind cazurile de interes pentru CS) nu exista un singur
reper ortonormat, ci o infinitate de repere. Orice alegere a unui punct, si a unei baze ortonormate
ne conduce la alt reper ortonormat. Problema care se ridica este sa determinam relatia dintre
coordonatele unui punct relativ la un reper dat si apoi relativ la un reper nou. Cea mai simpla
schimbare de repere este:
8.4
Schimbarea de reper prin translatie
Daca R = (O, e1 , e2 |, e3 ) este un reper ortonormat drept n plan sau spatiul 3D1 si O un
punct care are relativ la acest reper coordonatele (x0 , y0 |, z0 ), atunci reperul drept ce are aceeasi
baza, dar alta origine, O , R = (O ; e1 , e2 |, e3 ), se zice ca s-a obtinut din reperul R printr-o
translatie pe directia OO . Notand cu xOy|z sistemul de axe ortogonale asociat primului reper
si cu x O y |z sistemul asociat celui de-al doilea reper, remarcam ca axele corespunzatoare din
cele doua repere sunt paralele, avand aceeasi directie (de exemplu Ox si O x au directia si
1
Bara | ntre e2 si e3 este inclusa pentru a preciza ca n cazul 2D baza contine doar vectorii e1 , e2 , iar n cazul
3D, pe e1 , e2 , e3 .
10
sensul lui e1 , etc).

Problema care se pune atunci cand avem doua repere este de a determina relatia dintre
coordonatele (x, y|, z) ale unui punct M n primul reper si coordonatele (x , y |z ) ale aceluiasi
punct n reperul al doilea.
y
y
(x, y) M (x , y )
e2
O e1
e2
O e1
Fig.8.5: Doua sisteme de axe ortogonale drepte obtinute unul din celalalt prin translatie.
Propozitia 8.4.1 Daca originea O a reperului R , obtinut prin translatie din reperul R, are
coordonatele (x0 , y0 |, z0 ) relativ la reperul initial, R, si un punct arbitrar M are coordonatele
(x, y|, z) relativ la reperul R si respectiv coordonatele (x , y |z ) relativ la reperul R , atunci
relatiile dintre cele doua tipuri de coordonate sunt:
x = x x0
y = y y0 |
z = z z0
(8.1)
Demonstratie: Din regula lui Chasles (Fig.8.5 pentru cazul 2D) avem ca

OO + O M = OM
Din definitia coordonatelor relativ la un reper rezulta ca:
OO = x0 e1 + y0 e2 | + z0 e3 , O M = x e1 + y e2 | + z e3 ,
OM = xe1 + ye2 | + ze3
Inlocuind n relatia Chasles de mai sus avem:

x = x + x0
y = y + y0 |
z = z + z0
sau
x = x x0
y = y y0 |
z = z z0
8.5. Schimbarea de reper ortonormat n E2 prin rotatie n jurul originii
11
y
M (x, y)
(x , y )
u2
e2
u1
O e1
Fig.8.6: Doua sisteme de axe ortogonale drepte obtinute unul din celalalt prin rotatie n jurul originii
comune.
8.5
Schimbarea de reper ortonormat n E2 prin rotatie n jurul originii
In E2 se considera un reper ortonormat drept, R = (O; (e1 , e2 )) si sistemul de axe asociat

xOy (cel mai adesea n aplicatii R este reperul asociat bazei canonice). Reperul ortonormat
drept R = (O, (u1 , u2 )), ce are aceasi origine O, dar o alta baza ortonomata dreapta, se zice
ca s-a obtinut din reperul initial printr-o rotatie n jurul lui O, de unghi = mas(e[
1 , u1 ) =
mas(e[
2 , u2 ).
Un punct arbitrar M are coordonatele (x, y) relativ la reperul R si respectiv coordonatele
(x , y ), relativ la reperul R (Fig.8.6). Sa deducem relatia dintre cele doua seturi de coordonate.
Conform definitiei coordonatelor unui punct relativ la un reper, dat avem:
OM = xe1 + ye2
OM = x u1 + y u2
Dar aceste relatii reprezinta de fapt exprimarea aceluiasi vector OM n doua baze ortonormate drepte, diferite, B = (e1 , e2 ), B = (u1 , u2 ). Din cursurile relativ la schimbari de baze
stim ca:
OM B = TBB OM B
(8.2)
Dar am dedus mai sus ca matricea de trecere dintre doua baze ortonormate drepte, din R2 este
matricea:
[
]
cos() sin()
TBB =
, = mas(e[
as(e[
1 , u1 ) = m
2 , u2 )
sin()
cos()
si deci relatia (8.2) devine:
[ ]
[
][ ]
x
cos() sin()
x
=
(8.3)
y B
y B
sin()
cos()
1
T
iar relatia inversa se obtine tinand seama ca TBB
= TBB .
12
8.6 Schimbari arbitrare de repere

In afara de schimbarea de repere prin translatie sau prin rotatie, avem schimbari mai generale, atat n E2 cat si n E3 . Si anume, schimbarea de la un reper ortonormat R = (O; (e1 |e2 |e3 ))
| {z }
B
la un nou reper ortonormat, R = (O ; (u1 , u2 , |u3 )), care are o alta origine si o alta baza.
Presupunem ca R = (O; (e1 |e2 |e3 )) este un reper ortonormat de axe Oxy|z, asociat bazei
| {z }
B
canonice, O are coordonatele (x0 , y0 |z0 ) relativ la R. Baza noului reper, B = (u1 , u2 |u3 ), este
o baza ortonormata, dreapta sau stramba.
Pentru a determina relatia dintre coordonatele (x, y, z) ale unui punct arbitrar M din En
(n=2,3) relativ la reperul R, respectiv coordonatele M (x , y , |z ), relativ la noul reper R =
(O ; (u1 , u2 , |u3 )), se procedeaza astfel:
se efectueaza mai ntai o translatie a reperului initial, R, n reperul intermediar, Rt =
(O ; (e1 , e2 , |e3 )), ce are ca origine pe O , dar aceeasi baza ca reperul initial. Notam cu O XY |Z
sistemul de axe asociat. Punctul arbitrar M va avea relativ la acest reper, coordonatele:
X = x x0
Y = y y0 |
Z = z z0
(8.4)
Se determina coordonatele (x , y , |z ) ale punctului M relativ la reperul R = (O ; (u1 , u2 , |u3 )),

n functie de coordonatele M (X, Y, Z) n reperul intermediar Rt = (O ; (e1 , e2 , |e3 )), astfel:
Se exprima O M n baza reperului Rt , respectiv n baza reperului R :
O M B = Xe1 + Y e2 | + Ze3
O M B = x u1 + y u2 | + z u3
(8.5)
se scriu relatiile dintre cele doua seturi de coordonate ale vectorului O M :

X
x
Y | = TBB y |
Z B
z B
Inlocuind pe X, Y, Z cu expresia lor din (8.4) obtinem:

x x0
x
x
y y0 | = TBB y | , y| =
z z0
z
z
| {z } |
M =punct

x0
x
y0 | + TBB y |
z0
z
{z } |
{z
}
O =punct
(8.6)
(8.7)
vector
Din aceste ultime relatii se poate deduce exprimarea inversa, a coordonatelor (x , y |z ) n

functie de coordonatele (x, y, z).
Pentru a ilustra problematica schimbarilor arbitrare de repere dam un exemplu:
13
1. Fie R = (O; e1 , e2 ) reperul canonic (al lumii reale 2D), de axe asociate xOy si O (2, 1)
un punct raportat la acest reper. Construiti un reper ortonormat drept cu originea n O si axele
avand versorii (u1 , u2 ), stiind ca masura unghiului dintre u1 si e1 este = /3. Sa se determine
relatia dintre coordonatele (x, y) ale unui punct M si coordonatele (x , y ) relativ la reperul
R = (O ; u1 , u2 ). Desenati cele doua sisteme de axe.
y
Y
x
(x, y)
(x , y )
e2
u1
u2
O
e1
e2
O
e1
Reperul fiind drept, nseamna ca baza ortonormata (u1 , u2 ) este astfel ncat mas(e[
1 , u1 ) =
mas(e[
am prin cosinusii directori:
2 , u2 ) = /3. Prin urmare, vectorii unitari u1 , u2 i d
u1 = (cos , cos )T , = /2
u1 = (cos(/3), cos(/2 /3))T =
= (cos(/3),
sin(/3))T = (1/2, 3/2)T
u2 = ( 3/2, 1/2)T
Noul reper are originea n O si axele O x , O y , de directie si sens u1 , u2 .
Din datele problemei, cunoastem coordonatele noii origii, O , relativ la reperul R, ceea ce
nseamna ca vectorul sau de pozitie este:
OO = 2e1 + e2
Coordonatele punctului M relativ la reperul R sunt (x, y), adica:
OM = xe1 + ye2
Se cer coordonatele punctului M relativ la noul reper, R .
1. Se efectueaza o translatie cu originea n OR

(x0 , y0 ) si se obtine reperul intermediar, de
axe O XY (axele colorate n verde). Coordonatele (X, Y ) ale unui punct arbitrar M relativ la
acest reper sunt:
X = x x0 = x + 2
(8.8)
Y = y y0 = y 1
14
2. Se considera o noua schimbare de reper, cu originea tot n O , dar directiile axelor sunt
date de u1 , u2 (axele colorate n rosu). Relatia dintre coordonatele (X, Y ) ale punctului M si
coordonatele (x y ) relativ la noul reper sunt date de relatiile de schimbare de baza:
O M B = TB B O M B
adica:
x
y
]
=
T
TBB
X
Y
Tinand seama de relatiile (8.8), obtinem:

[ ]
[
]
x
x x0
T
= TBB
y
y y0
Dar matricea TBB este:
[
TBB = [u1 |u2 ] =
]
3/2
1/2
3/2
1/2
si deci avem ca, coordonatele unui punct n reperul R , n functie de coordonatele aceluiasi
punct n reperul R sunt:
[ ] [
]
][
x
3/2
1/2
x
+
2
=
y
y1
3/2
1/2
Cursul 9
Maparea unei ferestre 2D dintr-un sistem drept de axe
ortogonale pe un viewport dintr-un sistem stang.
Orientarea reperelor 3D
9.1
Formularea problemei de mapare
Problema pe care o abordam si rezolvam este urmatoarea: un obiect 2D este discretizat si

reprezentat de o multime finita de puncte, raportate la un sistem drept, de axe ortogonale xOy,
numit sistemul lumii reale (n l. engleza, real world coordinate system) sau sistemul obiectului
de vizualizat.
Fie [a, b][c, d] o fereastra (un dreptunghi) care contine toate punctele obiectului discretizat.
Dorim sa vizualizam obiectul 2D din dreptunghiul lumii reale, [a, b] [c, d], pe un viewport
(dreptunghi) raportat la un sistem stang de axe ortogonale.
O astfel de problema apare n grafica 2D, gaming, generarea si procesarea imaginilor digitale
sau n html 5.
Device-ului de iesire pentru un sistem grafic, imaginile digitale sunt matrici de pixeli. In
cazul imporimantelor device-ul de iesire este o matrice de puncte. Pixel-ul (prescurtare de la
picture element) este unitatea de adresare pe ecran sau imagine.
Dimensiunile, mn, ale matricii de pixeli definesc rezolutia device-ului. Pentru imprimante
rezolutia este data n dots per inch (1 inch=25.4 mm).
Indexarea elementelor din matrice se face ncepand cu 0. Deci pixelul din coltul stanga, sus
este n linia 0, coloana 0.
Majoritatea device-urilor de iesire grafica, imaginile si imaginile sunt raportate la un sistem
stang de axe ortogonale, cu originea, D, plasata n coltul din stanga sus al matricii de pixeli.
Cele doua axe, notate xp , yp (adica x-pixel, y-pixel) sunt orientate orizontal, respectiv vertical,
n jos, ca n Fig.9.1:
Deoarece axa Dxp trebuie rotita cu 90 n sensul acelor ceasornicului, pentru a fi adusa
peste Dyp , sistemul de coordonate Dxp yp este un sistem stang.
Un pixel plasat n matrice n pozitia (i, j) (linia i, coloana j) are coordonatele (xp = j, yp =
i), relativ la sistemul de axe Dxp yp . Pixelul albastru din Fig.9.1 este n pozitia (2, 5), deci
coordonatele sale sunt (xp = 5, yp = 2).
Observam ca yp creste de sus n jos, adica cu cat este plasat ntr-o linie de indice mai mare,
cu atat yp este mai mare (n sistemele drepte de coordonate, y-ul creste din jos n sus).
Un astfel de sistem stramb de coordonate are si canvas-ul unui browser modern (Chrome,
1
xp
yp
Fig.9.1: Sistemul de axe al device-lui de afisare grafica.
FireFox, Safari, IE), ncepand de la o anumita versiune a browser-ului Canvas-ul (numele vine
de la panza folosita pentru picturile n ulei) este o regiune dreptunghiulara definita n codul
HTML
<canvas id="DesenCanvas" width="300" height="200">
.
.
.
</canvas>
si care poate fi accesata de un script JavaScript, ce contine functii de trasare, desenare, etc.
Cu aceste precizari, putem formula mai concret problematica maparii unei ferestre [a, b]
[c, d], din sistemul drept de axe ortogoanle, Oxy, al lumii reale, pe un viewport raportat la un
sistem stang de coordonate.
y
(b, d)
xp
(pr , pt )
D
M
(a, c)
O
yp
(pl , pb )
Fig.9.2: Ilustrarea problematicii maparii unui dreptunghi pe un viewport.
Viewportul este domeniul dreptunghiular ce are varfurile diagonal opuse (p , pb ), (pr , pt ),

unde p este prescurtarea de la pixel left, pr -pixel right, pt -pixel top si pb -pixel bottom.
Vizualizarea se efectueaza mapand, adica aplicand fereastra lumii reale pe viewport, mai
precis aplicand fiecare punct, M (x, y), din figura inclusa n fereastra lumii reale ntr-un pixel,
P (xp , yp ), din viewport (Fig.9.2).
9.2. Constructia aplicatiei mapare
Fereastra din sistemul xOy are lungimea L = b a si naltimea h = d c. Viewportul are

lungimea Lp = pr p si naltimea hp = pb pt (atentie!!!!, pb > pt ). Dimensiunile viewportului sunt cel mai adesea diferite de dimensiunile ferestrei. De aceea una din etapele procedurii
de mapare consta din redimensionarea ferestrei pentru a o aduce la aceleasi dimensiuni ca cele
ale viewportului.
Pentru a ntelege mai bine problema pe care o abordam consideram un exemplu simplu de
grafica 2D.
Dorim sa desenam pe un viewport un emoticon ca cel din imaginea din stanga din Fig.
9.3. In acest scop (aceasta este procedura prin care eu am generat efectiv emoticonul si apoi
l-am colorat) dam coordonatele unei multimi de N puncte Mi (xi , yi ), i = 1, N ce discretizeaza
frontiera (conturul) capului, ochilor, nasului si gurii, adica coordonatele punctelor ilustrate n
imaginea din dreapta din Fig. 9.3.
y
y
(b, d)
(a, c)
(b, d)
(a, c)
x O
Fig.9.3: In stanga, imagine pe care dorim s-o mapam pe un viewport (canvas). In dreapta imaginea
discretizata.
Evident ca coordonatele (xi , yi ) sunt coordonate relativ la sistemul de axe ortogonale xOy
(al lumii reale). Fereasta minima n care intra aceste puncte are parametrii a = 1, b = 3,
c = 1, d = 3. Prin urmarea imaginea discreta intra n fereastra [a, b] [c, d]. Dorim sa
desenem imaginea reprezentata de aceste puncte pe un viewport (canvas) definit de p = 100,
pr = 400, pt = 50, pb = 300. Pentru a vizualiza emoticonul, mapam punctele (xi , yi ) pe ecran
(canvas), adica pe pixelii de coordonate ((xp )i , (yp )i ), i = 1, N si apoi interpolam punctele de
pe ecran (canvas) (printr-o procedura care se nvata la grafica) ncat din ele sa generam cercul
ce delimiteaza fata si ochii, apoi conturul nasului si curba ce imita gura.
9.2
Constructia aplicatiei mapare
Multimea de puncte Mi (xi , yi ), i = 1, N ce reprezinta obiectul 2D discretizat este inclusa

n dreptunghiul [a, b] [c, d], raportat la sistemul drept de axe ortogonale xOy.
Pentru a gasi expresia aplicatiei mapare, adica functia, M, care asociaza fiecarui punct
(x, y) [a, b] [c, d] un punct (xp , yp ) [p , pr ] [pb , pt ], se parcurg mai multe etape:
Etapa 1. Efectuam o schimbare de repere drepte prin translatie, cu originea n coltul stanga
jos, F (a, c), al ferestrei si notam cu F x y sistemul de axe asociat.
y
y
(x , y )
M (x, y)
F
x
x
Un punct arbitrar M (x, y) al obiectului de vizualizat are relativ la sistemul F x y coordonatele (x , y ), unde:
x = x a
(9.1)
y = y c
Fereastra ce trebuie mapata pe viewportul stabilit este n noul sistem de coordonate [0, b a]
[0, d c].
Etapa 2. Transformam fereastra [0, b a] [0, d c] ntr-una avand dimensiunile viewportului, adica lungimea pr p si naltimea pb pt .
Aceasta transformare este definita de o aplicatie, numita scalare de factori A, B, unde
scalarea S : R2 R2 are expresia analitica:
S(x , y ) = (Ax , By ),
A, B > 0
Observam ca S(0, 0) = 0. Daca A > 1, B > 1, atunci S produce dilatare pe ambele directii,
F x , F y , iar daca A < 1, B < 1, atunci produce contractie. Daca A > 1 si B < 1 atunci avem
dilatare pe directia orizontala si contractie pe cea verticala, etc.
Cum alegem factorii de scalare astfel ncat fereastra [0, b a] [0, d c] sa fie mapata pe
fereastra [0, pr p ] [0, pb pt ] (raportate ambele la sistemul de coordonate F x y )?
Deoarece originea F (x = 0, y = 0) este mapata n ea nsasi de S, punem conditia ca
punctul diagonal opus al ferestrei, (b a, d c) (Fig.9.4), sa fie aplicat de scalarea S n punctul
(pr p , pb pt ) si obtinem:
(b a, d c) = (pr p , pb pt )
S
A=
pr p
pb pt
,B =
ba
dc
Prin urmare scalarea cautata este:
(A(b a), B(d c)) = (pr p , pb pt ),
9.2. Constructia aplicatiei mapare
pr p
X = ba x
S(x , y ) = (X , Y ), unde
(9.2)
pb pt
Y =
y
dc
Practic se aplica transformarea S fiecarui punct Mi (xi , yi ), al obiectului discret si se obtin
punctele Pi (Xi , Yi ) care apartin acum domeniului dreptunghiular avand dimensiunile viewportului. (Fig.9.4 dreptunghiul rosu). Precizam ca atat coordonatele (x , y ), cat si (X , Y ) sunt
coordonate relativ la sistemul de axe x F y .
y
(b a, d c)
(pr pl , pb pt )
M (X , Y )
x
x
Fig.9.4: Efectul transformarii S asupra domeniului dreptunghiular, [0, b a] [0, d c], este domeniul
dreptunghiular avand dimensiunile viewportului de pe ecran (cel cu frontiera colorata cu rosu).
In cazul emoticonului a = 1, b = 3, c = 1, d = 3, p = 100, pr = 400, pt = 50, pb = 300.

Deci factorii de scara ar fi:
A=
400 100
300
=
= 150,
31
2
B=
300 50
250
=
= 125
31
2
Factorii de scara nefiind egali, figura va fi deformata, adica va fi mai dilatata pe directia
orizontala pentru ca A > B (Fig.9.5).
Doar cand factorii de scara sunt egali, A = B, atunci figura din sistemulul lumii reale
ramane nedeformata n fereastra de dimensiunile viewportului. Dar A = B daca si numai daca:
pb pt
pr pl
=
ba
dc
pr pl
ba
=
pb pt
dc
Prin urmare daca dorim imagine nedeformata, se alege p , pr , pb , pt astfel ncat sa avem rapoartele
de mai sus egale.
Etapa 3. Ipotetic, sistemul de axe x F y se lipeste pe ecran/canvas astfel ncat dreptunghiul [0, pr pl ] [0, pb pt ] din acest sistem sa se suprapuna peste viewport. Astfel punctul
F are coordonatele pixel (pl , pb ) (Fig.9.6).
Dupa ce am realizat aceasta pozitionare, deducem pentru fiecare punct M (X , Y ), rezultat
dupa scalare si raportat la sistemul x F y , ce coordonate are acesta relativ la sistemul stramb
y
(b a, d c)
(pr p , pb pt )
Fig.9.5: Stanga: imaginea raportata la sistemul xFy. Dreapta: imaginea emoticonului dupa scalarea
aplicata punctelor raportate la sistemul x F y .
D
xp
M (X , Y )
(xp , yp )
F (pl , pb )
yp
Fig.9.6: Pozitionarea sistemului de axe ortogonale F x y pe ecran.
xp Dyp . Cunoscand coordonatele (xp , yp ) ale punctului M , apelam o functie grafica care l
vizualizeaza/coloreaza pe ecran, imagine sau canvas (aceste functii opereaza cu coordonate
pixel!!!).
Pentru a afla legatura dintre coordonatele (X , Y ) ale unui punct raportat la x F y si coordonatele aceluiasi punct raportat la sistemul stramb xp Dyp , precizam ca sistemul de axe x F y are
directiile axelor date de baza canonica (e1 , e2 ), iar sistemul de axe xp Dyp are directiile axelor
e1 respectiv e2 (axele Dxp ||F x , au aceeasi directie si sens, e1 , iar Dyp are aceeasi directie ca
F y , dar sens opus, e2 .)
Punctul F are coordonatele (0, 0) relativ la sistemul drept (este originea sistemului) si respectiv coordonatele (p , pb ) relativ la cel stramb. Mai stim ca un punct arbitrar M , din imaginea
ce vrem sa o generam are coordonatele (X , Y ) relativ la x F y . Pentru a afla coordonatele sale
relativ la sistemul xp Dyp , scriem relatiile lui Chasles (Fig.9.7):
e1
xp
y
e2
M (xp , yp )
(X , Y )
e2
e1
yp
Fig.9.7: Vectorii de pozitie ai unui punct M raportat la sistemul drept x F y , respectiv sistemul stramb
xp Dyp .

DF + F M = DM ,
unde:
DF = p e1 + pb (e2 ),
F M = X e1 + Y e2 ,
DM = xp e1 + yp (e2 )
si nlocuind obtinem:
p e1 + pb (e2 ) + X e1 + Y e2 = xp e1 + yp (e2
sau
(p + X )e1 + (Y pb )e2 = xp e1 yp e2
Acesti doi vectori (din ultima relatie) sunt egali daca si numai daca coordonatele lor sunt egale
adica:
xp = p + X
(9.3)
yp = pb Y
Combinand acum relatiile (9.3, 9.2, 9.1) aflam coordonatele pixel (xp , yp ) ale unui punct
din imaginea ce vrem sa o generam pe viewport, cunoscand coordonatele (x, y) ale punctului
corespunzator din imaginea raportata relativ la sistemul lumii reale, xOy (sistemul initial cu
care am pornit n Etapa 1):
xp = p +
pr p
pr p
x = p +
(x a)
b a | {z }
| b {za }
X
yp
pb pt
pb pt
y = pb
(y c)
= pb
| {z }
d
c
d
c
| {z }
Y
(9.4)
Aceste relatii definesc aplicatia mapare fereastraviewport, M : (x, y) 7 (xp , yp ). Asa

cum am construit-o avem certitudinea ca ea aplica orice punct din fereastra [a, b] [c, d] ntr-un
punct din viewportul [p , pr ] [pb , pt ].
9.3 Produs vectorial n R3 . Orientarea bazelor si reperelor ortonormate

n spatiul 3D
In spatiul vectorial R3 nzestrat cu produsul scalar standard <, >, definim produsul vectorial
a doi vectori, ca un ingredient cheie n constructia bazelor de o anumita orientare.
Reamintim ca doua baze (ortonormate sau nu) B, B , din R3 au aceeasi orientare daca
det(TBB ) > 0. O baza din R3 , la fel orientata ca si baza canonica, se numeste baza dreapta.
Daca v1 = (a1 , a2 , a3 )T , v2 = (b1 , b2 , b3 )T sunt doi vectori nenuli si necoliniari din R3 , cu
alte cuvinte, doi vectori liniari independenti, lor le asociem un vector din R3 , notat v1 v2 , care
n baza canonica din R3 are exprimarea:

a1 a2
a1 a3
a2 a3
e
e
e +
v1 v2 =
b2 b3 1 b1 b3 2 b1 b2 3
Vectorul astfel definit se numeste produsul vectorial al lui v1 cu v2 si se noteaza v1 v2 .
Coordonatele produsului vectorial, v1 v2 , n baza canonica, (e1 , e2 , e3 ), din R3 a se obtin
din dezvoltarea dupa prima linie a determinantului:

e1 e2 e3

v1 v2 = a1 a2 a3
b1 b2 b3
Proprietati.
Vectorul produs vectorial v1 v2 este simultan ortogonal pe v1 si pe v2 , adica,
< v1 v2 , v1 >= 0 si < v1 v2 , v2 >= 0.
Demonstratie:

a1 a2 a3
a a
a a
a a

< v1 v2 , v1 >= a1 2 3 a2 1 3 + a3 1 2 = a1 a2 a3 = 0
b2 b3
b1 b3
b1 b2
b1 b2 b3
v1 v2
v1
v2
Produsul vectorial este anticomutativ: v w = (w v) (verificati!)

Produsul vectorial a doi vectori coliniari este vectorul nul.
Intr-adevar, daca v1 v2 , atunci v2 = v1 , = 0:

e1
e
e
2
3

v1 v2 = v1 v1 = a1 a2 a3 =
a1 a2 a3
Reciproc, daca produsul vectorial a doi vectori este vectorul nul, atunci fie cel putin un vector
este vectorul nul, fie cei doi vectori sunt coliniari.
Norma produsului vectorial este egal cu produsul normelor celor doi vectori si sinusul
unghiului dintre ei: v w = vw sin(v,
d
w) (se verifica prin calcul direct).
Produsul scalar dintre vectorul produs vectorial v w si un vector u R3 este egal cu
determinantul matricii A = [v|w|u], adica < v w, u >= det([v|w|u]).
Demonstratie: Fie v = (x1 , x2 , x3 )T , w = (y1 , y2 , y3 )T , u = (z1 , z2 , z3 )T . Produsul scalar este
egal cu:

x1 x2 x3

x2 x3
x1 x3
x1 x2
z3 = y1 y2 y3 =
z2 +
z1
< v w, u > =

y1 y2
y1 y3
y2 y3
z1 z2 z3

x1 y1 z1

= x2 y2 z2 = det([v|w|u])
x3 y3 z3
(9.5)
Produsul < v w, u >= det([v|w|u]) se numeste produsul mixt al vectorilor

v, w, u si se noteaza v w u sau (v; w, u).
Manualul de fizica din liceu afirma ca produsul vectorial a doi vectori este un vector perpendicular pe planul determinat de vectorii respectivi, sensul dat de regula burghiului si are modulul
(norma) egala cu vw sin(v,
d
w). Prima si ultima proprietate a fost deja ilustrata, ramane sa
interpretam n limbaj de baze ce nseamna ca are sensul dat de regula burghiului.
Propozitia 9.3.1 Daca vectorii v1 , v2 R3 sunt liniar independenti, atunci sistemul de vectori
B = (v1 , v2 , v1 v2 ) formeaza o baza n R3 , la fel orientata ca baza canonica, B.
Demonstratie: Sa aratam ca matricea de trecere TB,B are determinantul strict pozitiv. Matricea
de trecere TBB are pe coloane coordonatele vectorilor bazei B :
TBB = [v1 |v2 |v1 v2 ], iar det(TBB )
cf.(9.5)
= < v1 v2 , v1 v2 >= v1 v2 2 > 0
Proprietatile produsului vectorial ne permit sa deducem cand o baza ortonormata din R3

este o baza pozitiv orientata. Baza canonica B = (e1 , e2 , e3 ) din R3 (care este ortonormata) se
comporta fata de produsul vectorial astfel:
e1 e2 = e3
e2 e3 = e1
e3 e1 = e2
(9.6)
10
Propozitia 9.3.2 Baza ortonormata B = (u1 , u2 , u3 ) din R3 este o baza la fel orientata ca
baza canonica, daca si numai daca este verificata una din relatiile:
u1 u2 = u3
u2 u3 = u1
u3 u1 = u2 .
(9.7)
Demonstratie: Presupunem ca baza B este o baza la fel orientata ca baza canonica. u1 u2

este un vector perpendicular si pe u1 si pe u2 , deci este coliniar cu u3 , adica u1 u2 = u3 ,
= 0. Conform ipotezei, det(TBB ) = 1 (bazele fiind ortonormate, matricea TBB este o matrice
ortogonala, deci determinatul ei este n general 1). Astfel avem:
1 = det(TBB ) = det([u1 |u2 |u3 ]) =< u1 u2 , u3 >=< u3 , u3 >= < u3 , u3 >=
fiind 1, rezulta ca u1 u2 = u3 .
Reciproc, presupunem ca u1 u2 = u3 . Atunci det(TBB ) =< u1 u2 , u3 >=< u3 , u3 >=
u3 2 = 1 > 0, adica baza B este pozitiv orientata.
Cu alte cuvinte o baza ortonormata din R3 care se comporta fata de produsele vectoriale
a doi cate doi vectori, la fel ca baza canonica, este baza dreapta.
Deoarece e1 e2 = e3 , rezulta ca rotind pe e1 spre e2 burghiul nainteaza n directia si
sensul lui e3 :
e3
e2
e1
Conform propozitiei de mai sus orice baza ortonormata pozitiv orientata se comporta fata
de regula burghiului, la fel ca baza canonica.
Norma produsului vectorial a doi vectori este egala cu aria paralelogramului construit pe
cei doi vectori.
Demonstratie: Norma vectorului produs vectorial este: v w = vw sin(v,
d
w). Aria
paralelogramului construit pe cei doi vectori este baza, v, ori naltimea, h = w prv (w).
w
w prv (w)
prv (w)
11
Pe de alta parte sin(v,

d
w) = h/w si deci h = w sin(v,
d
w), iar aria este:
A = v w sin(v,
d
w) = v w
Exemplul 1. In E3 raportat la un sistem de axe ortogonale xOyz se dau punctele A(1, 2, 0),
B = (3, 4, 1), C(2, 1, 1). Sa se calculeze aria triunghiului ABC.

Aria triunghiului ABC este jumatate din aria paralelogramului construit pe vectorii AB, AC.
Prin urmare aria este:
1
A(ABC) = AB AC
2
T
Dar AB = B A = (4, 2, 1) , AC = C A = (1, 1, 1)T si

e1 e2 e3

2 1 = 3e1 5e2 2e3 = (3, 5, 2)T
AB AC = 4
1 1 1
Deci, A(ABC) = 9 + 25 + 4/2 = 38/2.

Repere drepte n E3
Un reper este drept daca baza care l defineste este o baza dreapta.
Fig.9.8: Sisteme de axe n R3 asociate unui reper drept, respectiv stang.
Rezulta astfel ca un sistem ortogonal de axe Ox, Oy, Oz este un sistem drept, sau pozitiv
orientat, daca:
rotind axa Ox spre Oy burghiul nainteaza n sensul lui Oz;
sau
rotind axa Oy spre Oz burghiul nainteaza n sensul lui Ox;
sau
rotind axa Oz spre Ox burghiul nainteaza n sensul lui Oy;
12
9.4 Aplicatii liniare. Definitie si proprietati

Consideram doua spatii vectoriale V si W peste acelasi corp K. Vom studia aplicatii L :
V W care actioneaza n mod particular asupra sumei v1 + v2 a doi vectori din V , respectiv
asupra produsului cu scalari v, K, v V . Si anume:
Definitia 9.4.1 O aplicatie L : V W care verifica urmatoarele doua conditii:
AL1. L(v1 + v2 ) = L(v1 ) + L(v2 ), v1 , v2 V ;
AL2. L(v) = L(v), v V, K
se numeste aplicatie liniara.
Cele doua conditii sunt echivalente cu conditia:
AL. L(1 v1 + 2 v2 ) = 1 L(v1 ) + 2 L(v2 ), 1 , 2 K, v1 , v2 V
Din AL rezulta ca:
L(1 v1 + 2 v2 + + k vk ) = 1 L(v1 ) + 2 L(v2 ) + + k L(vk ), vi V, i K, i = 1, k
Exemplul 2. Orice matrice, A, de tip m n, cu elemente reale defineste o aplicatie liniara
L : Rn Rm :
x1
x2
L(x) = Ax, x = .. Rn
.
xn
De exemplu matricea
[
A=
1
4 3
2 1 5
defineste aplicatia liniara L : R3 R2
[
[
] x1
]
x1
x
+
4x
+
3x
1
4
3
1
2
2
x2 =
L x2 =
2x1 x2 + 5x3
2 1 5
x3
x3
Deci aplicatia L are relativ la bazele canonice din cele doua spatii urmatoarea expresie analitica1 :
L(x1 , x2 , x3 )T = (x1 + 4x2 + 3x2 , 2x1 x2 + 5x3 )T
Sa verificam ca aplicatia L definita prin L(x) = Ax este ntr-adevar o aplicatie liniara de la
Rn la Rm :
AL1. Fie x, y Rn . Conform definitiei aplicatiei L, avem ca L(x + y) = A(x + y). Dar
A(x + y) = Ax + Ay si deci L(x + y) = Ax + Ay = L(x) + L(y).
AL2. Fie R si x Rn . L(x) = A(x) = (Ax) = L(x).
1
Reamintim ca o aplicatie (functie) este perfect (complet) definita cand se precizeaza domeniul de definitie D,
multimea n care f ia valori E si legea de corespondenta , adica regula care asociaza la orice argument x din D o
singura valoare y = f (x) din E. Aceasta lege de corespondenta este expresia analitica a lui f . De exemplu functia
exponentiala este definita pe R cu valori n (0, ), f : R (0, ), iar expresia ei analitica este f (x) = ex .
13
Definitia 9.4.2 O aplicatie liniara bijectiva (= injectiva + surjectiva) se numeste izomorfism

liniar.
Propozitia 9.4.1 Orice spatiu vectorial real, Vn , de dimensiune n este izomorf cu spatiul vectorial Rn .
Demonstratie: Fixam o baza, B = (u1 , u2 , . . . , un ), n spatiul vectorial Vn , iar n Rn baza
canonica. Aplicatia B : Vn Rn , care asociaza oricarui vector v Vn , exprimat n baza B,
v = x1 u1 + x2 u2 + + xn un , vectorul din Rn avand aceleasi coordonate n baza canonica din
Rn , adica
B (x1 u1 + x2 u2 + + xn un ) = (x1 , x2 , . . . , xn )T
este un izomorfism liniar (exercitiu!).
Exemplul 3. Spatiul vectorial P3 (R) al functiilor polinomiale de grad cel mult trei cu coeficienti
reali are dimensiunea 4 deoarece o baza n acest spatiu este B = (1, x, x2 , x3 ), adica orice
functie polinomiala, P , de grad cel mult 3 se exprima ca o combinatie liniara a celor 4 polinoame:
P (x) = a0 + a1 x + a2 x2 + a3 x3 ,
a0 , a1 , a2 , a3 R
Deci, spatiul vectorial P3 (R) este izomorf cu spatiul vectorial R4 si un izomorfism intre ele
este:
B (a0 + a1 x + a2 x2 + a3 x3 ) = (a0 , a1 , a2 , a3 )T
Deoarece orice spatiu vectorial real de dimensiune finita, n, este izomorf cu Rn ntreaga
problematica a algebrei liniare relativ la aplicatii liniare o vom exemplifica prin aplicatii L :
Rn Rm , n loc de L definit ntre doua spatii vectoriale abstracte Vn si Wm .
Proprietate: O aplicatie liniara L : V W aplica vectorul nul din V pe vectorul nul din W :
L(V ) = W
Demonstratie: Fie v un vector arbitrar din V . v v = V . Deci
AL1
L(V ) = L(v v) = L(v) L(v) = W
14
9.5 Matricea unei aplicatii liniare relativ la doua baze

Fie Vn , Wm doua spatii vectoriale peste acelasi corp K, de dimensiune n, respectiv m si
B = (e1 , e2 , . . . , en ) o baza n Vn , iar B = (u1 , u2 , . . . um ) o baza n Wm . O aplicatie liniara
L : Vn Wm asociaza oricarui vector v din Vn un vector w = L(v) din Wm . In particular
L aplicat vectorilor bazei B, L(ei ), conduce la vectori dinWm care se exprima ca o combinatie
liniara a vectorilor u1 , u2 , . . . , um , ai bazei B:
L(e1 ) = a11 u1 + a12 u2 + a1m um
L(e2 ) = a21 u1 + a22 u2 + a2m um
..
.
(9.8)
L(en ) = an1 u1 + an2 u2 + anm um

unde aij K, i = 1, n, j = 1, m. Observam ca coordonatele vectorilor L(ei ) sunt indexate
matricial.
Prin definitie, numim matricea aplicatiei liniare L : Vn Vm relativ la perechea de baze
(B, B), matricea de m linii si n coloane, ce are pe coloana arbitrara, i, coordonatele vectorului
L(ei ) n baza B, i = 1, n, adica A = [(L(e1 ))B |(L(e2 ))B | |(L(en ))B ]:
ABB
L(e1 )

a11
a12
= ..
.
a1m
L(e2 )
a21 . . .
a22 . . .
..
.
...
a2m
L(en )
an1
an2
..
.
. . . anm
(9.9)
Deci ATENTIE, numarul de linii ale matricii A este egal cu dimensiunea codomeniului,
iar numarul de coloane cu dimensiunea domeniului de definitie al aplicatiei liniare L : Vn
Wm .
Exemplul 4. Fie aplicatia liniara L : R3 R2 ce are expresia analitica L(x1 , x2 , x3 )T =

(2x1 + x2 5x3 , 3x1 + 7x2 x3 )T . Sa se determine matricea lui L relativ la baza canonica
B = (e1 = (1, 0, 0)T , e2 = (0, 1, 0)T , e3 = (0, 0, 1)T din R3 si baza canonica
B = (u1 = (1, 0)T , u2 = (0, 1)T ) din R2 .
Pentru a afla matricea aplicatiei L calculam efectul lui L asupra vectorilor bazei canonice din
R3 , Tinand seama de expresia analitica a alui L avem:
0 )T = (2 1 + 0 5 0, , 3 1 + 7 0 0)T = (2, 3)T = 2u1 + 3u2
0 , |{z}
L(e1 ) = L(|{z}
1 , |{z}
x1
x2
x3
L(e2 ) = L(0, 1, 0)T = (1, 7)T = 1u1 + 7u2

L(e3 ) = L(0, 0, 1)T = (5, 1)T = 5u1 u2
15
Deci matricea aplicatiei L relativ la bazele canonice din cele doua spatii este:
[
]
2 1 5
A=
3 7 1
In continuare aratam ca este suficient sa cunoastem efectul unei aplicatii liniare L : Vn Wm
pe vectorii unei baze din Vn , cu alte cuvinte coloanele matricii aplicatiei L, pentru a putea
calcula apoi efectul lui L asupra oricarui alt vector din spatiu. Si anume:
Propozitia 9.5.1 Fie L : Vn Wm o aplicatie liniara ce are relativ la bazele B Vn ,
B Wm matricea A si v un vector arbitrar din Vn care are descompunerea v = x1 e1 +
x2 e2 + xn en n baza B. Atunci vectorul imagine w = L(v) are exprimarea w =
y1 u1 + y2 u2 + ym um n baza B si coordonatele sale y1 , y2 , . . . ym se exprima n functie
de coordonatele x1 , x2 , . . . , xn ale lui v astfel, wB = AvB , adica:
x1
y1
x2
y2
=
A
..
..
.
.
(9.10)
xn B
ym B
w
= L
(v)
Demonstratie:
Deoarece L(ei ) = m
and proprietatea de liniaritate a lui L:
j=1 aij uj , obtinem aplic
m n
w = L(v) = L( ni=1 xi ei ) = ni=1 xi L(ei ) = ni=1 xi m
j=1 aij uj =
j=1 (
i=1 aij xi ) uj
=(
n
i=1
ai1 xi ) u1 + (
n
i=1
ai2 xi ) u2 + + (
n
i=1
aim xi ) um = y1 u1 + y2 u2 + + ym um
Deci coeficientul lui uj din exprimarea lui w = y1 u1 + y2 u2 + + ym um este astfel:
x1
n
[
]
x2
yj =
aij xi = a1j x1 + a2j x2 + + anj xn = a1j a2j . . . anj ..
.
i=1
xn
Prin urmare:
y1
y2
..
.
ym
a11
a12
..
.
a21
a22
..
.
. . . an1
. . . an2
..
...
.
a1m a2m . . . anm
x1
x2
..
.
xn
(9.11)
16
Relatia demonstrata evidentiaza ca o aplicatie liniara este reprezentata de matricea sa

relativ la o baza fixata n domeniul de definitie si una n domeniul valorilor. Astfel relatia
w = L(v) este echivalenta cu relatia matriciala (9.11) scrisa concentrat:
wB = AvB
(9.12)
O alta proprietate importanta ce rezulta din aceasta relatie este urmatoarea:

O aplicatie liniara este perfect determinata de efectul ei asupra vectorilor unei baze din
domeniul de definitie. Si anume cunoscand vectorii L(e1 ), L(e2 ), . . . , L(en ) putem constitui
matricea aplicatiei liniare si apoi oricare ar fi un alt vector, putem calcula L(v) = Av.
Exemplul 5. Fie L : R3 R4 o aplicatie liniara pentru care se cunoaste efectul asupra
vectorilor bazei canonice B = (e1 , e2 , e3 ) din R3 :
L(e1 ) = (1, 3, 2, 5)T
L(e2 ) = (0, 4, 1, 3)T
L(e3 ) = (1, 1, 7, 11)T
a) Sa se determine expresia analitica a aplicatiei L relativ la bazele canonice din cele doua spatii
vectoriale.
b) Sa se determine vectorul imagine L(6, 0, 1)T .
a) Expresia analitica este regula dupa care L asociaza unui triplet (x1 , x2 , x3 )T R3 un quadruplet (y1 , y2 , y3 , y4 )T din R4 . Conform celor aratate mai sus, pentru a determina expresia analitica
avem nevoie de matricea A a aplicatiei liniare L relativ la bazele canonice din cele doua spatii.
Matricea A are pe coloana 1,2, 3 coordonatele lui L(e1 ), L(e2 ), respectiv L(e3 ):
1
0
1
3 4
1
A=
2
1
7
5
3 11

1
0
1
y1
y2 3 4
1

y3 = 2
1
7
5
3 11
y4
Deci
x1 + x3
x1
x2 == 3x1 4x2 + x3 ,
2x1 + x2 + 7x3
x3
5x1 + 3x2 11x3
adica
L(x1 , x2 , x3 )T = (x1 + x3 , 3x1 4x2 + x3 , 2x1 + x2 + 7x3 , 5x1 + 3x2 11x3 )T
| {z } |
{z
} |
{z
} |
{z
}
y1
y2
y3
b) Cunoscand expresia analitica obtinem:

L(6, 0, 1)T = (7, 17, 5, 41)T
y4
Cursul 10
Operatori liniari. Valori si vectori proprii ai unui operator
liniar (matrice patratica)
In prima parte a cursului deducem matricile unor aplicatii liniare importante: matricea
proiectiei ortogonale pe un subspatiu, matricea rotatiei n R2 de unghi si matricile rotatiilor n
jurul vectorilor unei baze ortonormate n R3 .
Reamintim ca daca Vn , Wm sunt doua spatii vectoriale peste acelasi corp K, iar
B = (e1 , e2 , . . . , en ) este o baza fixata n Vn , iar B = (u1 , u2 , . . . , um ) o baza n Wm , atunci
daca v = x1 e1 + x2 e2 + + xn en si w = L(v) = y1 u1 + y2 u2 + ym um relatia w = L(v)
este echivalenta cu relatia matriciala:
wB = AvB
y1
y2
..
.
ym
10.1
=
A
x1
x2
..
.
xn
Matricea proiectiei ortogonale pe un subspatiu
Fie S un subspatiu de dimensiune m, a spatiului vectorial Rn , m < n si B = (e1 , e2 , . . . en )

baza canonica n Rn , iar B = (u1 , u2 , . . . , um ) o baza ortonormata n subspatiul S. Notam
cu prS : Rn S, aplicatia care asociaza oricarui vector v Rn proiectia sa ortogonala pe
subspatiul S.
Se stie ca (vezi cursul relativ la proiectia ortogonala) ca proiectia ortogonala a vectorului v

pe subspatiul S este suma proiectiilor ortogonale ale vectorului v pe vectorii bazei ortonormate,
1
2CURSUL 10. OPERATORI LINIARI. VALORI SI VECTORI PROPRII AI UNUI OPERATOR LINIAR (M
B, din S:
prS (v) = pru1 (v)+pru2 (v)+ +prum (v) =< v, u1 > u1 + < v, u2 > u2 + + < v, um > um
Din aceasta expresie a aplicatiei proiectie, rezulta ca prS este aplicatie liniara. Intr-adevar:
1. prS (v1 + v2 ) = m
uk = m
k=1 < (v1 + v2 ), uk >
k=1 [< v1 , uk > uk + < v2 , uk > uk ] =
m
m
=
k=1 < v1 , uk > uk +
k=1 < v2 , uk > uk = prS (v1 ) + prS (v2 )
2.
prS (v) =
k=1
< v, uk > uk =
< v, uk > uk =
k=1
< v, uk > uk = prS (v)
k=1
Stiind acum ca prS este aplicatie liniara, sa aflam matricea ei relativ la baza canonica, B =
(e1 , e2 , . . . , en ), din Rn si respectiv baza ortonormata B = (u1 , u2 , . . . , um ) din subspatiul S:
A = [prS (e1 )|prS (e2 )| . . . |prS (en )]
Dar prS (ei ) =< ei , u1 > u1 + < ei , u2 > u2 + +
este:
< e1 , u 1 > < e 2 , u 1 >

< e1 , u 2 > < e 2 , u 2 >
A=
..
..
.
.
< e1 , um > < e2 , um >
< ei , um > um . Prin urmare matricea A
. . . < en , u 1 >
. . . < en , u 2 >
..
...
.
. . . < en , um >
Sa analizam elementele de pe linia 1 a matricii A: datorita simetriei produsului scalar, linia 1

este:
[
]
< u1 , e 1 > < u 1 , e 2 > . . . < u 1 , e n >
Deoarece descompunerea vectorului u1 S Rn dupa vectorii bazei ortonormate (e1 , e2 , . . . , en )
este
u1 =< u1 , e1 > e1 + < u1 , e2 > e2 + + < u1 , en > en
rezulta ca pe linia 1 avem coordonatele vectorului u1 n baza canonica si analog pe linia 2,
coordonatele lui u2 , iar pe linia m, coordonatele lui um . Astfel putem scrie ca matricea aplicatiei
prS relativ la bazele B, B este:
u1
u2
A = ..
= [u1 |u2 | |um ]T
.
um
iar proiectia unui vector v = x1 e1 + x2 e2 + + xn en Rn va fi vectorul s = y1 u1 + y2 u2 +
ym um S, unde:
x1
y1
x2
y2
T
.. = [u1 |u2 | . . . |um ] ..
|
{z
}
.
.
=A
xn
ym
10.1. MATRICEA PROIECTIEI ORTOGONALE PE UN SUBSPATIU
Aceasta relatie matriciala se foloseste pentru a implementa proiectia ortogonala pe un subspatiu,

n care baza ortonormata este (u1 , u2 , . . . , um ).
Exemplul 1. Presupunem ca n subspatiul S al lui R3 avem baza ortonormata
1
1
B = (u1 = (1, 1, 2)T , (2, 0, 1)T .)
6
5
Atunci proiectia ortogonala prS : R3 S, pe subspatiul S are matricea:
1
1
2

6
6
A = [u1 |u2 ]T = 26
1
0
5
5
Daca v = (x1 , x2 , x3 )T R3 , atunci vectorul s = prS (v) este s = y1 u1 + y2 u2 , unde:
1
2
1
[
]
x1

y1
6
6
= 26
x2
1
y2
0
x3
5
5
Definitia 10.1.1 O aplicatie liniara L : V V de la un spatiu vectorial la el nsusi se numeste

operator liniar. Numele vine de la faptul ca L opereaza, actioneaza, asupra vectorilor din
spatiul V , transformandu-i n vectori din acelasi spatiu. Un operator liniar bijectiv se numeste
transformare liniara a spatiului V .
Exemplul 2. Cel mai simplu exemplu de operator liniar pe un spatiu V este operatorul identic
sau identitate, I : V V , I(v) = v, v V . De exemplu operatorul identic pe spatiul R2 are
expresia analitica I(x1 , x2 ) = (x1 , x2 ).
Observatie. (IMPORTANT!) In cazul unui operator liniar, L : Vn Vn , se defineste

matricea A relativ la aceeasi baza B si in domeniu si n codomeniu si se noteaza AB . Matricea unui operator liniar este o matrice patratica.
Daca s-a fixat baza B = (e1 , e2 , . . . , en ) si n domeniul de definitie si n domeniul valorilor,
atunci vectorii L(ei ) se exprima n baza B:
L(e1 ) = a11 e1 + a12 e2 + + a1n en
L(e2 ) = a21 e1 + a22 e2 + + a2n en
..
..
.
.
L(en ) = an1 e1 + an2 e2 + + ann en
(10.1)
si matricea operatorului L relativ aceasta baza este:
AB = [L(e1 )|L(e2 )| |L(en )] =
a11 a21
a12 a22
..
..
.
.
a1n a2n
. . . an1
. . . an2
.
. . . ..
. . . ann
Definitia 10.1.2 Un operator liniar L : Vn Vn bijectiv se numeste transformare liniara.

In continuare deducem expresia analitica a catorva transformari liniare folosite n grafica
2D, 3D, n gaming si controlul miscarii robotilor.
10.2
Rotatia de unghi n spatiul R2
In continuare dam un exemplu de transformare liniara a lui R2 al carei efect asupra vectorilor
are si o interpretare geometrica.
In Cursul 7 am demonstrat ca o baza ortonormata la fel orientata ca baza canonica B =
(e1 , e2 ) din R2 este de forma
B = (u1 = (cos , sin )T , u2 = ( sin , cos )T ,
adica mas(e\
as(e\
1 , u1 ) = m
2 , u2 ) = (Fig.10.1).
2
Notam cu R : R R2 , (, ], aplicatia liniara care aplica (transforma) vectorul
e1 n u1 si e2 n u2 . Matricea aplicatiei liniare R relativ la baza canonica si n domeniu si n
codomeniu este atunci:
[
]
cos sin
A = [R (e1 )|R (e2 )] = [u1 |u2 ] =
sin
cos
Sa caracterizam efectul aplicatiei liniare R asupra unui vector arbitrar v. Notam cu
masura unghiului dintre v si e1 . Astfel versorul lui v este v 0 = v/v = (cos , sin )T si
deci v = vv 0 . Datorita liniaritatii este suficient sa calculam vectorul w = R (v 0 ), deoarece
R (v) = R (vv 0 ) = v R (v 0 ). Daca vectorul w = R (v 0 ) are n baza canonica coordonatele y1 , y2 , atunci din reprezentarea matriciala a operatorului R avem:
] [
][
]
[
cos sin
cos
y1
=
=
w =
y2
sin
cos
sin
(10.2)
[
] [
]
cos cos sin sin
cos( + )
=
=
sin cos + cos sin
sin( + )
Prin urmare versorul v 0 ce formeaza unghiul cu e1 este transformat n versorul ce formeaza
unghiul + cu e1 , adica R roteste vectorul v 0 cu unghiul si evident aceelasi efect va avea
si asupra vectorului v (Fig.10.1).
10.3. Transformari de nclinare n R2
R (v)
e2
u2
v
u1
e1
Fig.10.1: Ilustrarea rotatiei de unghi n R2 .
Definitia 10.2.1 Aplicatia liniara R : R2 R2 , de matrice:

]
[
cos sin
sin
cos
se numeste rotatie de unghi . Pentru = 0 obtinem operatorul identitate, pentru (0, ]
rotatia se efectueaza n sens trigonometric, iar pentru (, 0), n sensul acelor ceasornicului.
Deoarece orice vector v = (x, y)T R2 se identifica cu punctul M (x, y), adica OM = v,
n grafica se aplica rotattia plana punctelor din plan, si anume R (M ) este punctul ce se obtine
rotind punctul M n jurul originii, cu unghiul , adica n cursul rotirii punctul descrie un arc
de cerc cu originea n O si de raza r = ||OM ||.

y
R (M )
10.3
Transformari de nclinare n R2
Inclinarea pe directia lui e1 este transformarea liniara ce are matricea:

[
]
1 a
A=
, a = 0
0 1
6
e2
v
Ae2
Av
Ae2
Av
e2
e1 = Ae1
e1 = Ae1
Fig.10.2: Efectul transformarii nclinare pe directia lui e1 . In stanga nclinarea se realizeaza n sensul lui
e1 , iar n dreapta n sens contrar.
Deoarece prima coloana a matricii contine coordonatele vectorului Ae1 , iar a doua ale lui
Ae2 remarcam ca o nclinare pe directia lui e1 lasa vectorul e1 pe loc, iar ceilalti vectori v
sunt nclinati pe directia lui e1 .
Deci efectul nclinarii asupra unui vector, v = (x, y)T , este:
[
][ ] [
]
1 a
x
x + ay
w=
=
0 1
y
y
Prin urmare nclinand vectorul v pe directia e1 , obtinem un vector w ce are aceeasi ordonata, y.
In (Fig. 10.2), este ilustrat efectul unei astfel de transformari asupra unui vector cu coordonata
a doua pozitiva. Parametrul a este pozitiv pentru transformarea Fig.10.2 stanga si respectiv
negativ n Fig. 10.2, dreapta.
In mod analog se defineste transformarea de nclinare pe directia lui e2 , si anume matricea
transformarii este:
]
[
1 0
, a = 0
A=
a 1
iar efectul ei asupra unui vector v = (x, y)T este:
][ ] [
]
[
x
x
1 0
=
Av =
a 1
y
ax + y
Desenati efectul acestei nclinari asupra vectorului e2 si respectiv orice alt vector v = e2 , n
cazul a > 0 si respectiv negativ.
Pentru a ilustra mai bine efectul transformarii afine de tip nclinare pe directia lui Ox consideram 12 puncte raportate la sistemul de axe ortogonale Oxy avand respectiv coordonatele:
A1 = O = (0, 0), A2 = (1, 0), A3 = (1, 6), A4 = (4, 0), A5 = (7, 6), A6 = (7, 0)
A7 = (8, 0), A8 = (8, 8), A9 = (7, 8), A10 = 4, 2), A11 = (1, 8), A12 = (0, 8)
Aceste puncte sunt varfurile literei majuscule M din Fig.10.3, stanga. Aplicand vectorilor de
pozitie OAi , i = 1, 12 transformarea nclinare de matrice

[
]
1 0.4
0
1
10.3. Transformari de nclinare n R2
A12
A8
A4
x O
Fig.10.3: Efectul transformarii nclinare de parametru a = 0.4, pe directia lui Ox1 , asupra varfurilor
literei M .
se obtin vectorii wi , i = 1, 12 si punctele Ai = O + wi , i = 1, 12, sunt varfurile literei M

nclinate (Fig.10.3, dreapta).
In fisierul inclus, TransformariLiniareR2.pdf, dam o lista de transformari liniare folosite n
grafica 2D si ilustram efectul acestora asupra unei imagini. Pentru fiecare transformare liniara,
T : R2 R62, dam matricea ei, A relativ la baza canonica din R2 . Astfel efectul transformarii
asupra unui vector v = (x, y)T este T (v) = Av. A = [T (e1 )|T (e2 )].
Pentru a ntelege mai bine aceste transformari, desenati sistemul de axe xOy, vectorii
OM = e1 = (1, 0), ON = e2 = (0, 1) si patratul cu varfurile diagonal opuse O, P (1, 1).

Calculati si desenati pentru fiecare transformare, vectorii T (e1 ), T (e2 ) si T (1, 1)T .
10.3.1
Rotatia de unghi n jurul unei axe din R3
Consideram un reper ortonormat drept, de axe Ox, Oy, Oz, avand respectiv directiile si
sensul bazei ortonormate B = (e1 , e2 , e3 ). Definim pe rand rotatia unui vector v = OM cu

unghiul , n jurul lui Oz, Ox, respectiv Oy.
Transformarea liniara Rz : R3 R3 ce are ca efect rotatia cectorului v = OM sau a

punctului M (x, y, z) n jurul axei Oz, cu unghiul este perfect definita daca indicam efectul
transformarii asupra vectorilor bazei, adica indicam vectorii Rz (e1 ), Rz (e2 ), Rz (e3 ). Rotatia n
jurul lui Oz lasa vectorul director al acestei axe fix, adica Rz (e3 ) = e3 . Vectorul e1 este rotit n
subspatiul 2D, generat de e1 , si e2 , S = span(e1 , e2 ), conform rotatiei 2D discutate mai sus.
Subspatiul S = span(e1 , e2 ) este de fapt complementul ortogonal al vectorului e3 , adica
S = eT3 si deci are ecuatia z = 0 Rezulta astfel ca orice vector v = (x, y, z)T din S are a treia
coordonata egala cu 0, adica z = 0.
Deoarece vectorul e1 este rotit ntr-un vector din S si e2 la fel, rezultaca:
cos
sin
Rz (e1 ) = sin , Rz (e2 ) = cos
0
0
Fig.10.4: Sensul pozitiv de rotatie n jurul lui Ox, Oy, respectiv Oz.
Deci matricea rotatiei n jurul lui Oz este:
cos sin 0
cos 0
Az = [Rz (e1 )|Rz (e2 )|Rz (e3 )] = sin
0
0 1
iar expresia analitica a rotatiei n jurul lui Oz este: Rz (x, y, z) = (X, Y, Z) unde:

x
cos sin 0
X
Y = sin
cos 0 y ,
z
0
0 1
Z
adica daca OM = xe1 +ye2 +ze3 , atunci vectorul rezultat dupa rotatie, OM = Xe1 +Y e2 +Ze3
si coordonatele X, Y, Z se gasesc conform relatiei matriciale precedente. Daca (0, ] se
spune ca avem rotatie n sens pozitiv, iar daca (, 0) rotatie este in sens negativ. Vizual
distingem cele doua rotatii astfel: rotatia n sens pozitiv este rotatia care face ca burghiul sa
nainteze pe directia si sensul lui Oz (Fig.10.4). Rotind de la Ox spre Oy burghiul nainteaza
pe sensul lui Oz.
In mod analog, rotatia n jurul axei Ox, n sens pozitiv, are expresia analitica Rx (x, y, z) =
(X, Y, Z):

X
1
0
0
x
Y = 0 cos sin y , (0, )
Z
0 sin
cos
z
iar rotatia n jurul lui Oy n sens pozitiv este Ry (x, y, z) = (X, Y, Z):

X
cos 0 sin
x
Y =
0 1
0 y , (0, )
Z
sin 0 cos
z
A se observa ca sensul pozitiv de rotatie n jurul lui Oy este sensul n care rotesc burghiul
dinspre Oz spre Ox ncat el sa nainteze pe directia lui Oy.
Transformarile liniare prezentate mai sus sunt descrise ntr-o baza. Deseori nsa ne intereseaza expresia analitica a unui operator liniar n alta baza.
Propozitia 10.3.1 Daca AB este matricea operatorului liniar L : Vn Vn relativ la baza B,
iar AB matricea aceluiasi operator , relativ la baza B , atunci cele doua matrici sunt legate
prin relatia:
1
AB = TBB AB TBB
,
unde TBB este matricea de trecere de la baza B la baza B .

Demonstratie: Presupunem ca efectul operatorului liniar L asupra bazei B = (ei ), respectiv a
bazei B = (ui ), i = 1, n este:
L(ei ) = ai1 e1 + ai2 e2 + + ain en , i = 1, n
L(ui ) = ai1 u1 + ai2 u2 + + ain un , i = 1, n
Astfel matricile relativ la baza B, respectiv B sunt:
AB = [L(e1 )|L(e2 )| |L(en )] =
= [L(u1 )|L(u2 )| |L(un )] =
a10 a21
a12 a22
..
..
.
.
a1n a2n
. . . an1
. . . an2
.
. . . ..
a10 a21
a12 a22
..
..
.
.
a1n a2n
. . . an1
. . . an2
.
. . . ..
. . . ann
. . . ann
Daca w = L(v) atunci reprezentarea n baza B, a acestei relatii este:

wB = AB vB
(10.3)
wB = AB vB
(10.4)
iar n baza B este:

Tinand seama de relatia dintre coordonatele unui vector exprimat n doua baze, avem:
wB = TB B wB ,
vB = TB B vB
Inlocuind pe wB si vB astfel exprimate n (10.4), obtinem:

adica:
TB B wB = AB TB B vB | TB1
B = TBB
(10.5)
1
wB = TBB AB TB B vB = TBB AB TBB
vB
(10.6)
Din (10.3) si (10.6) rezulta:

1
AB = TBB AB TBB
Ca o aplicatie a a cestei relatii deducem:
AB = TB B AB TB1
B
10
10.4
Expresia analiticaa a rotatiei n jurul unei axe de directie arbitrara
In grafica 3D pentru a vizualiza un obiect acesta se roteste n jurul a diverse axe, nu neaparat
axe de coordonate.
x3
v
u1
u3
o
x1
x2
u2
Fig.10.5: Constructia reperului intermediar pentru generarea rotatiei arbitrare.
Fie R = (O; (e1 , e2 , e3 ) reperul ortonormat de axe ortogonale Ox1 , x2 , x3 .

Pentru a deduce matricea relativ la baza canonica a rotatiei de unghi n jurul axei de
directie v = se construieste o baza ortonormata auxiliara, (u1 , u2 , u3 ) la fel orientata ca baza
canonica, (e1 , e2 , e3 ), astfel ncat u3 sa fie versorul directiei axei de rotatie, v, adica u3 = v 0 .
Reperului ortonormat R = (O, (u1 , u2 , u3 )) i se asociaza axele ortogonale Ox1 x2 x3 . Astfel
rotatia de axa de directie v este rotatia care n reperul R se efectueaza n jurul axei a treia, Ox3
(Oz).
Baza ortonormata B = (u1 , u2 , u3 ) se construieste astfel:
a) Se calculeaza u3 = v/v;
b) Se determina complementul ortogonal al vectorului v,
v = {w(x1 , x2 , x3 )T R3 | < v, w >= 0 a1 x1 + a2 x2 + a3 x3 = 0}
c) Se alege un vector arbitrar v1 v , adica un vector v1 v, si se noteaza cu u1 = v10 , versorul
sau.
d) Pentru ca baza ce o construim sa fie la fel orientata ca baza canonica, definim u2 =
u3 u1 .
Algoritmic, constructia acestei baze auxiliare se realizeaza astfel:
se testeaza daca vectorul v este nenul. Daca v = 3 rotatia nu se poate defini (de fapt se
testeaza daca v este mai mica decat un prescris, si nu daca fiecare coordonata a lui v
este 0); In caz contrar:
Daca a1 = 0 sau a2 = 0 se alege v1 (a2 , a1 , 0)T ca directie pentru Ox1 (evident
v1 v). u1 = v1 /v1 ; Se trece la calculul lui u2 .
Daca a1 = a2 = 0, dar a3 = 0 se ia u1 (1, 0, 0)T si se trece la calc ulul lui u2 .
11
calculul lui u2 : Pentru ca baza ortonormata (u1 , u2 , u3 ) sa fie dreapta se ia u2 =

u3 u1 . Presupunem ca ui = (ai1 , ai2 , ai3 )T , i = 0, 1, 2, 3.
se constituie matricea de trecere TBB de la baza baza canonica B la baza B = (u1 , u2 , u3 ):
a11 a21 a31

TBB = a12 a22 a32
(10.7)
a13 a23 a33
relativ la baza B (reperul R ), rotatia fiind o rotatie n jurul axei Ox3 are matricea:
AB
cos sin 0
cos 0
= sin
0
0 1
Cum baza B (reperul R ) este auxiliara, se determina matricea rotatiei, relativ la baza
initiala B astfel:
T
AB = TBB AB TBB
Astfel expresia analitica a rotatiei unui vector w = OM = x1 e1 + x2 e2 + x3 e3 (sau a

punctului M (x1 , x2 , x3 )) n jurul axei de directie v este: Rv (w) = X1 e1 + X2 e2 + X3 e3 ,
unde:
x1
X1
cos sin 0
T
X2 = TBB sin
cos 0 TBB
x2
0
0 1
x3
X3
Daca nsa corpul se roteste n jurul unei axe ce nu trece prin origine, ci printr-un punct
arbitrar C al corpului, atunci se efectueaza mai ntai o translatie a sistemului de axe, cu originea
n C si apoi se determina coordonatele corpului relativ la reperul RC = (C; e1 , e2 , e3 ) si se
construieste rotatia de centru C si axa v, ca mai sus.
10.5
Valori si vectori proprii ai unui operator liniar (matrice patratica)
Notiunea de vector si valoare proprie pentru o matrice patratica/operator liniar este una
dintre cele mai importante din algebra liniara, constituind baza pentru numerosi algoritmi de
calcul numeric si cu aplicatii deosebite n machine learning (recunoasterea fetelor umane, designul sistemelor de recomandare produse si servicii online, etc), data science, problemele de
analiza a retelelor de calculatoare, a retelelor sociale (Facebook, LinkedIn), respectiv n ierarhizarea paginilor WEB n functie de autoritatea sau popularitatea acestora, etc. Pragul de
infectare globala a unei retele de calculatoare, de catre un virus, este dat de o valoare proprie
particulara a matricii de adiacenta (conectivitate) a retelei.
12
Consideram un spatiu vectorial Vn peste corpul K (K = R, C). O aplicatie liniara

L : Vn Vn se numeste operator liniar. L opereaza asupra vectorilor din Vn si i transforma
n vectori din acelasi spatiu.
Definitia 10.5.1 Fie L : Vn Vn un operator liniar. Un vector propriu al lui L este un vector
nenul, v Vn , pentru care exista un scalar K, astfel ncat:
L(v) = v
(10.8)
Scalarul se numeste valoare proprie a operatorului liniar, corespunzatoare vectorului propriu v.

Fixam o baza B n Vn si notam cu A matricea operatorului liniar L relativ la aceasta baza.
Conditia pe care trebuie sa o satisfaca un vector propriu si valoarea proprie corespunzatoare se
exprima matricial astfel:
AvB = vB ,
(10.9)
unde vB este matricea coloana a coordonatelor lui v n baza B, adica:
a10 a12 . . . a1n

x1
x1
a21 a22 . . . a2n x2
x2
..
.. = ..
..
..
.
.
.
.
.
an1 an2 . . . ann
xn
xn
(10.10)
Deoarece matricea unitate In , are efect neutru ntr-o nmultire, In vB = vB , relatia (10.9) este
echivalenta cu:
AvB = In vB (A In )[v] = 0,
(10.11)
adica:
a10
a21
..
.
a12
...
a22 . . .
..
.
an1
an2
a1n
a2n
..
.
. . . ann
x1
x2
..
.
xn
0
0
..
.
(10.12)
Datorita sirului de echivalente, rezulta ca operatorul liniar L admite vectori proprii de coordonate x1 , x2 , . . . , xn , daca sistemul liniar si omogen (10.12) admite solutii nebanale (pentru
ca un vector propriu este un vector nenul!). Dar un sistem liniar si omogen de n ecuatii cu n
necunoscute admite si solutii nebanale, daca determinantul matricii sistemului este 0, adica
det(A In ) = 0
Acest determinant depinde de necunoscuta K. Dezvoltand:

a10 a12
.
.
.
a
1n

a21
a22 . . . a2n

det(A In ) = ..
= (1)n n + cn1 n1 + + c1 + c0
..
..

.
.
.

an1
an2
. . . ann
(10.13)
13
obtinem un polinom de grad n n , cu coeficienti n corpul K. Notam acest polinom cu Pn ()

si l numim polinomul caracteristic al operatorului liniar L.
Daca 0 este o radacina din corpul K a polinomului caracteristic, atunci
det(A 0 In ) = 0 si deci sistemul liniar si omogen:

0
x1
a10 0 a12
. . . a1n
a21
a22 0 . . . a2n
x2 0
(10.14)
.. = ..
..
..
..
. .
.
.
.
xn
0
an1
an2
. . . ann 0
admite si solutii nebanale. O solutie nebanala este constituita din coordonatele unui vector
propriu v, corespunzator valorii proprii 0 : L(v) = 0 v.
Avem astfel urmatorul algoritm de calcul (manual) a valorilor si vectorilor proprii:
Se determina matricea A a operatorului relativ la o baza fixata n Vn ;
Se calculeaza polinomul caracteristic Pn () = det(A In ).
Se rezolva ecuatia Pn () = 0. Radacinile din corpul K sunt valori proprii ai operatorului
L (mai precis, daca Vn este spatiu vectorial real, polinomul caracteristic este un polinom cu
coeficienti reali. Radacinile sale pot fi numere reale si/sau numere complexe conjugate. Vor fi
valori proprii doar radacinile reale ale polinomului caracteristic);
Pentru fiecare valoare proprie 0 se determina vectorii proprii corespunzatori. Si anume,
coordonatele acestor vectori sunt solutiile nebanale ale sistemului liniar si omogen:

a10 0 a12
. . . a1n
x1
0
a21
a22 0 . . . a2n
x2 0
(10.15)
=
..
.. ..
..
..
.
. .
.
.
an1
an2
. . . ann 0
xn
0
Observatia 10.5.1 Deoarece un operator liniar este reprezentat de o matrice patratica, iar
vectorii proprii de coordonatele lor se obisnuieste sa se formuleze aceeasi problema n limbaj
de matrici, si anume v = (x1 , x2 , . . . , xn )T = Kn este vector propriu al matricii A daca
exista un scalar K astfel ncat Av = v.
In aplicatiile pe care le prezentam folosim limbajul matricial.
Exemplul 3. Se da matricea:
[
A=
7 4
5 2
Sa determinam valorile si vectorii proprii corespunzatori.

Polinomul caracteristic,
P2 () = det(A I2 )
14
.
A I2 =
7 4
5 2
1 0
0 1
[
=
7
4
5 2
Deci det(A I2 ) = 2 5 + 6;
Radacinile polinomului caracteristic sunt: 1 = 2, 2 = 3 R. Deci matricea A are doua
valori proprii.
Sa determinam vectorii proprii corespunzatori valorii = 2, adica vectorii v cu proprietatea ca Av = 2v. Coordonatele x1 , x2 ale lui v sunt solutii ale sistemului liniar si omogen:
[
] [ ]
x1
0
(A 2I2 )
=
,
0
x2
adica
5 4
5 4
][
x1
x2
[
=
0
0
Rangul matricii acestui sistem este 1. Alegem drept determinant principal pe p = |5|. x1
este necunoscuta principala si x2 = necunoscuta secundara. Rezolvam ecuatia 5x1 = 4 si
obtinem familia de solutii v = (4/5, )T , R, = 0;
Vectorii proprii corespunzatori valorii = 3:
[
][
] [ ]
4 4
x1
0
(A 3I2 )v = 0,
=
5 5
x2
0
Rezolvand acest sistem obtinem vectorii proprii de forma v = (1, 1)T , = 0.
Exemplul 4. Sa se arate ca operatorul liniar L : R2 R2 , L(x, y) = (x y, 2x y) nu admite
vectori proprii.
Determinam matricea operatorului relativ la baza canonica din R2 ,
B = (e1 = (1, 0)T , e2 = (0, 1)T ):
L(e1 ) = L(1, 0) = (1, 2)
L(e2 ) = L(0, 1) = (1, 1)
[
Astfel
A=
1 1
2 1
Polinomul caracteristic este P2 () = det(A I2 ):

1
1

= 2 + 1

2 1
Radacinile polinomului caracteristic sunt: 1 , 2 = i C. Deoarece polinomul caracteristic nu admite radacini n corpul R, operatorul liniar nu are valori proprii, deci nici vectori
proprii.
15
O problema importanta n studiul valorilor si vectorilor proprii ai unui operator liniar L :

Rn Rn (matrice A Rnn ) este sa deducem daca n Rn exista sau nu o baza formata din
vectori proprii.
Daca exista o baza B = (v1 , v2 , . . . , vn ), astfel ncat vi este vector propriu corespunzator
valorii i , i = 1, n, atunci din:
L(v1 ) = 1 v1 = 1 v1 + 0v2 + + 0vn
L(v2 ) = 2 v2 = 0v1 + 2 v2 + + 0vn
..
.
L(vn
= n vn = 0v1 + 0v2 + + n vn
rezulta ca matricea operatorului L in aceasta baza este AB = [L(v1 )|L(v2 )| . . . |L(vn )],
adica:
A=
1 0
0 2
..
..
.
.
0 0
...
...
0
0
..
.
...
. . . n
o matrice diagonala, cea mai simpla matrice, dupa matricea nula.

Lucrand cu operatorul exprimat in aceasta baza de vectori proprii, toate calculele sunt mai
simple.
In cursul precedent am aratat ca matricile AB , AB , ale unui operator liniar L : Rn Rn
relativ la doua baze distincte, B, B , sunt legate prin relatia:
1
AB = TBB AB TBB
Relatia dintre cele doua matrici AB, AB se numeste relatie de similaritate (asemanare).
Definitia 10.5.2 Doua matrici patratice cu elemente reale, A, A Rnn , cu proprietatea ca
exista o matrice inversabila T Rnn astfel ncat A = T A T 1 se numesc matrici similare.
In cazul n care exista o baza formata din vectori proprii ai matricii A, rezulta de mai sus ca
matricea A este similara cu matricea diagonala, ce are pe diagonala principala valorile proprii:
1
A = TBB diag(1 , 2 , . . . , n )TBB
adica
A = [v1 |v2 | . . . |vn ] diag(1 , 2 , . . . , n ) [v1 |v2 | . . . |vn ]1
{z
}
|
TBB
16
10.6 Conditii de existenta a unei baze formate din vectori proprii

In continuare evidentiem conditiile n care n spatiul vectorial Rn exista o baza formata din
vectori proprii ai matricii A si deci matricea A este similara cu o matrice diagonala.
In acest scop demonstram:
Propozitia 10.6.1 Daca 1 , 2 , . . . , k R, k n, sunt valori proprii distincte ale matricii
A, iar v1 , v2 , . . . , vk sunt vectori proprii corespunzatori acestor valori, adica A(vi ) = i vi ,
i = 1, k, atunci sistemul de vectori v1 , v2 , . . . , vk este un sistem liniar independent (cu alte
cuvinte, la valori proprii distincte corespund vectori proprii liniar independenti).
Demonstratie: Demonstram prin inductie. Vectorul v1 este liniar independent deoarece v1 =
implica = 0, pentru ca un vector propriu este nenul, deci si v1 = .
Presupunem ca vectorii v1 , v2 , . . . , vk1 sunt liniar independenti si n aceasta ipoteza sa
demonstram ca si vectorii v1 , v2 , . . . , vk1 , vk sunt liniar independenti.
Presupunem ca
1 v1 + 2 v2 + k1 vk1 + k vk =
(10.16)
Inmultim relatia (10.16) cu A si obtinem datorita liniaritatii:
1 A(v1 ) + 2 A(v2 ) + k1 A(vk1 ) + k A(vk ) = A) =
(10.17)
Tinand seama ca vectorii vi sunt vectori proprii, corespunzatori valorilor i , i = 1, k, adica

Avi ) = i vi , rezulta ca:
1 1 v1 + 2 2 v2 + + k1 k1 vk1 + k k vk =
(10.18)
Inmultind relatia (10.16) cu k si scazand apoi membru cu membru din (10.18) obtinem:
1 (1 k )v1 + 2 (2 k )v2 + + k1 (k1 k )vk1 =
Tinand seama ca prin ipoteza inductiei vectorii v1 , v2 , . . . , vk1 sunt liniar independenti rezulta
ca ultima egalitate are loc doar daca toti scalarii coeficienti sunt nuli: i (i k ) = 0, i =
1, k 1. Deoarece valorile proprii sunt distincte, rezulta ca i k = 0, i = 1, k 1 si
deci i = 0, i = 1, k 1. Inlocuind 1 = 2 = = k1 = 0 n (10.16) obtinem
k = 0 deoarece vk fiind vector propriu nu poate fi . Deci vectorii v1 , v2 , . . . , vk sunt liniar
independenti.
Consecinta . Daca matricea A are n valori proprii distincte, 1 , 2 , . . . , n , atunci orice sistem
de vectori proprii B = (v1 , v2 , . . . , vn ), corespunzatori, respectiv valorilor 1 , 2 , . . . , n , sunt
liniar independenti si deci formeaza o baza n spatiul vectorial Rn . Astfel matricea A este
similara cu matricea diagonala D = diag(1 , 2 , . . . , n ):
1 0 . . . 0
0 2 . . . 0
D = diag(1 , 2 , . . . , n ) = ..
..
..
.
. ... .
0 0 . . . n
17
adica:
A = TBB
Exemplul 5. Sa se arate ca matricea:
1 0
0 2
..
..
.
.
0 0
...
...
0
0
..
.
...
. . . n
1
TBB
1 0 3
A= 2 1 2
3 0 1
are valori 3 valori proprii distincte, adica este similara cu o matrice diagonala si apoi sa se
determine matricile din relatia de similaritate a lui A cu matricea diagonala corespunzatoare.
Calculam polinomul caracteristic

1
0
3

1
2
P3 () = det(AI3 ) = 2
3
0
1

= (1)3 9(1) = (1)(2 28)

Radacinile polinomului sunt: 1 = 1, 2 = 4, 3 = 2. Deoarece A R33 si toate cele

trei radacini apartin lui R, rezulta ca A are trei valori proprii distincte;
Vectorii proprii corespunzatori valorii = 1 au coordonatele drept solutii nebanale ale
sistemului liniar si omogen (A 1I3 )v = :

0
x1
11
0
3
2
x2 = 0
11
2
0
3
0
11
x3
adica ale sistemului:

0
0 0 3
x1
2 0 2 x2 = 0
0
3 0 0
x3
Rangul matricii sistemului nu este 3, deoarece valorile proprii, deci si pe = 1, le-am determinat impunand conditia det(A I3 ) = 0. Rangul matricii este 2, deoarece determinantul ce
contine elementele de intersectie ale liniilor 1, 2 cu coloanele 1, 3 este nenul. Deci un determinant principal este:

0 2
,
p =
3 2
si x1 , x3 sunt necunoscute principale (coeficientii lor intra n determinantul principal), iar x2 :=
este necunoscuta secundara. Rezolvam deci primele doua ecuatii n raport cu x1 , x3 :
3x3 = 0
2x1 + 2x3 = 0
18
Acest sistem admite doar solutia banala si deci vectorii proprii corespunzatori valorii = 1
sunt:
v = (x1 , x2 , x3 )T = (0, , 0)T = (0, 1, 0)T , R
Vectorii proprii v = (x1 , x2 , x3 )T , corespunzatori valorii = 4 au coordonatele solutii ale
sistemului (A 4I3 )v = 0:

3
0
3
x1
0
2 3
2 x2 = 0
3
0 3
x3
0
Din nou rangul nu este 3, dar este 2. Un determinant principal:

3
0

p =
2 3
x1 , x2 sunt necunoscute principale, iar x3 := necunoscuta secundara. Rezolvand sistemul:
3x1
= 3
2x1 3x2 = 2
4
obtinem solutia: x1 = , x2 = , x3 = . Deci vectorii proprii corespunzatori valorii = 4
3
sunt:
4
v = (x1 , x2 , x3 )T = (, , )T = (3, 4, 3)T , R
3
3
In sfarsit vectorii proprii corespunzatori valorii proprii = 2 au coordonatele solutii

nebanale ale sistemului (A (2)I3 )v = 0, adica (A + 2I3 )v = 0:

3 0 3
x1
0
2 3 2 x2 = 0
3 0 3
x3
0
Determinant principal:

3 0
p =
2 3
x1 , x2 necunoscute principale, x3 := necunoscuta secundara. Rezolvand primele doua ecuatii

n raport cu x1 , x2 obtinem vectorii proprii:
v = (x1 , x2 , x3 )T = (1, 0, 1)T , R
Alegem cate un vector propriu corespunzator fiecarei valori proprii, si anume v1 = (0, 1, 0)T ,
Av1 = 1v1 , v2 = (3, 4, 3), Av2 = 4v2 si v3 = (1, 0, 1)T , Av3 = 2v3 . Prin urmare baza
formata din vectori proprii ai matricii A este B = (v1 , v2 , v3 ). Matricea de trecere de la baza
canonica B din R3 la baza formata din vectori proprii este:
0 3 1
0
TBB = [v1 |v2 |v3 ] = 1 4
0 3
1
19
Astfel relatia de similaritate devine:
1

1 0 3
0 3 1
1 0
0
0 3 1
2 1 2 = 1 4
0 0 4
0 1 4
0
3 0 1
0 3
1
0 0 2
0 3
1
{z
} |
{z
}|
{z
}|
{z
}
|
A
TBB
1
TBB
In continuare vom arata ca nu doar matricile A Rnn , care admit n valori proprii distincte
sunt similare cu o matrice diagonala sau echivalent nu doar existenta a n valori proprii distincte
ale unui operator liniar, L : Rn Rn , asigura existenta unei baze formate din vectori proprii
n Rn .
Pentru a preciza care anume matrici au asemenea particularitate, reamintim ca daca 0 R
este o valoare proprie a matricii A, atunci multimea vectorilor proprii corespunzatori acestei
valori este subspatiul nul al matricii A 0 In :
S0 = {v Rn | Av = v
(A 0 In )v = } = N ull(A 0 In )
Acest subspatiu vectorial al lui Rn se numeste subspatiul propriu corespunzator valorii 0 .

Deoarece S este subspatiu vectorial al lui Rn , rezulta ca daca v1 , v2 S sunt vectori
proprii corespunzatori valorii , atunci:
A(v1 + v2 ) = Av1 + Av2 = v1 + v2 = (v1 + v2 )
adica si v1 + v2 este vector propriu corespunzator aceleaiasi valori .
Analog, daca R si v S , atunci si v S , adica produsul dintre un scalar si un
vector propriu corespunzator valorii este si el vector propriu corespunzator lui .
Cursul 11
Baze formate din vectori proprii. Matrici similare cu o
matrice diagonala.
Aplicatii: Popularitatea nodurilor unei retele
11.1 Motivatia studiului existentei un baze formate din vectori proprii

La sfarsitul cursului precedent ne-am pus problema sa determinam conditiile n care o matrice A Rnn este similara cu o matrice diagonala, D, adica exista o matrice inversabila
T Rnn astfel ncat A = T DT 1 .
In numerosi algoritmi ce implica matrici patratice intervine adesea calculul puterii, Am , a
unei matrici A Rnn . Atunci cand atat dimensiunea n a matricii, cat si puterea m sunt foarte
mari, trebuie gasita o modalitate simpla de calcul a puterii care sa evite cumularea erorilor. Una
din aceste modalitati este factorizarea matricii A, adica exprimarea ei, daca este posibil, ca un
produs de matrici ce include si o matrice diagonala.
Un prim avantaj al similaritatii unei matrici A, cu o matrice diagonala D, consta n modalitatea simpla de calcul a unei puteri Am a matricii A.
Propozitia 11.1.1 Daca matricea A Rnn este similara cu o matrice diagonala D Rnn ,
adica A = T DT 1 , atunci Am = T D m T 1 .
Demonstratie:
A2 = AA = (T DT 1)(T DT 1) = T D 2 T 1
Prin inductie rezulta
Am = T D m T 1
Daca nsa D este o matrice diagonala:
m
0
1 0 . . . 0
1
0 m
0 2 . . . 0
2
m
D = ..
..
.. , atunci D = ..
..
.
.
.
. ... .
0
0
0 0 . . . n
1
...
...
0
0
..
.
...
. . . m
n
, m N
Cursul 11, Algebra liniara, E. Petrisor, decembrie 2014
si deci:
Am = T
m
0
1
0 m
2
..
..
.
.
0
0
...
...
0
0
..
.
...
. . . m
n
1
T , m N
In cursul precedent am aratat ca daca polinomul caracteristic Pn () al unei matrici, A

R , are n radacini reale si distincte, 1 , 2 , . . . , n si v1 , v2 , . . . , vn sunt vectori proprii corespunzatori acestor valori, adica Avi = i vi , i = 1, n, atunci matricea A este similara cu matricea
diagonala a valorilor proprii. Deci exista o matrice inversabila, T , astfel ncat:
1 0 . . . 0
0 2 . . . 0
1
A = T ..
..
.. T ,
.
. ... .
0 0 . . . n
nn
unde T este matricea de trecere, TBB , de la baza canonica din Rn , la baza B = (v1 , v2 , . . . , vn ),
formata din vectori proprii ai lui A.
In acest curs determinam conditii mai generale, care asigura similaritatea unei matrici A cu
o matrice diagonala. Cum n aceste conditii intra si dimensiunea subspatiilor proprii S = {v
Rn | Av = v} = Null(A In ), sa precizam ce se stie despre aceasta dimensiune.
O valoare proprie 0 R a matricii A, poate fi radacina reala simpla sau multipla a polinomului caracteristic, adica polinomul caracteristic admite factorizarea:
Pn () = ( 0 )k Qnk ()
unde Q este un polinom nedivizibil cu ( 0 ). Daca k = 1, atunci 0 este radacina simpla,
altfel, este radacina multipla de ordin k.
De exemplu polinomul P4 () = ( + 3)( 5)( 1)2 are radacinile simple 1 = 3,
2 = 5 si radacina dubla (multipla de ordin 2), 3,4 = 1. Relatia dintre ordinul de multiplicitate
al unei valori proprii 0 si dimensiunea subspatiului sau propriu, S0 , este urmatoarea:
Propozitia 11.1.2 Daca 0 este o radacina reala de ordin k a polinomului caracteristic, atunci
dimensiunea subspatiului propriu corespunzator, S0 , este mai mica cel mult egala cu k:
dim(S0 ) k
Demonstratie: Fara demonstratie!!!
Discutie:
Daca valoarea proprie 0 este radacina simpla a polinomului caracteristic, atunci conform
propozitiei precedente dim(S0 ) 1. Dar dimensiunea mai mica decat 1 este 0, care prin
conventie este dimensiunea subspatiului vectorial format doar din vectorul nul {n }. Cum vectorul nul nu este vector propriu, rezulta ca dimensiunea subspatiului propriu corespunzator
unei valori proprii simple nu poate fi decat 1.
Daca 0 este radacina multipla de ordin k atunci dimensiunea efectiva a subspatiului propriu corespunzator, S0 , se deduce determinand o baza n acest subspatiu. adica rezolvam
sistemul liniar si omogen:
(A 0 In )v = 0,
ce defineste ecuatiile subspatiului propriu S0 , determinam o baza si apoi aflam dimensiunea
lui S0 .
Exemplul 1. Sa se deterrmine valorile proprii, subspatiile proprii corespunzatoare si dimensiunea acestora pentru matricea:
0 1 1
A= 1 0 1
2 2 1
Valorile sale proprii sunt (verificati!) 1 = 3, 2,3 = 1. Fara sa determinam subspatiul

propriu S=3 , corespunzator valorii proprii 3, putem afirma ca dimensiunea sa este 1, deoarece
= 3 este radacina simpla a polinomului caracteristic. Radacina = 1 fiind radacina dubla,
dimensiunea subspatiului propriu corespunzator este 2. Pentru a stabili daca dimensiunea
exacta este 1 sau 2, determinam o baza n subspatiul propriu S=1 .
Determinam mai ntai subspatiul
S=1 = {v(x1 , x2 , x3 )T R3 | Av = 1v}
Coordonatele vectorilor v S=1 sunt solutii nebanale ale sistemului liniar si omogen
(A (1)I3 )v = 0:

1 1 1
x1
0
1 1 1 x2 = 0
2 2 2
x3
0
Rangul matricii sistemului este 1. Alegem determinantul principal = |1|, unde 1 este elementul din pozitia (1, 1). Deci x1 este necunoscuta principala, iar := x2 , := x3 necunoscute
secundare. Rezolvand ecuatia:
x1 + + = 0
obtinem solutia:
x1 = , x2 = , x3 = , , R
Deci subspatiul propriu corespunzator valorii proprii = 1 este:
S=1 = {v = ( , , )T = (1, 1, 0)T + (1, 0, 1)T , , R}
Acest subspatiu este generat de vectorii (1, 1, 0)T , (1, 0, 1)T . Vectorii fiind liniari independenti,
ei formeaza o baza n acest subspatiu si deci subspatiul are dimensiunea 2.
Exemplul 2. Sa se determine subspatiile proprii si dimensiunea acestora pentru matricea:

1 1
A=
0 1
Polinomul caracteristic este P2 () = (1 )2 , deci valorile proprii sunt: 1,2 = 1. Subspatiul

propriu corespunzator poate avea dimensiunea 1 sau 2. Sa determinam o baza n acest subspatiu,
S=1 =Null(A I2 ):

0
x1
0 1
=
(A I2 )v = 0
0
x2
0 0
x2 este necunoscuta principala, iar x1 , notat , necunoscuta secundara. Astfel avem de rezolvat ecuatia: 0 + x2 = 0. Rezulta x2 = 0 si deci:

1
= e1 }
=
S=1 = {v =
0
0
Prin urmare dim(S=1) = 1 <ordinul de multiplicitate al valorii proprii.
Suntem acum n masura sa aratam ca exista un context mai general n care se poate construi
n Rn o baza formata din vectori proprii ai unei matrici sau operator liniar.
Rn exista o baza formata din vectori
Propozitia 11.1.3 Fie A o matrice patratica din Rnn . In
proprii ai matricei A daca si numai daca urmatoarele doua conditii sunt ndeplinite:
1) Polinomul caracteristic Pn () are toate cele n radacini, reale;
2) Dimensiunea fiecarui subspatiu propriu, S , coincide cu ordinul de multiplicitate al valorii proprii corespunzatoare .
Demonstratie: Presupunem ca cele doua conditii 1-2 sunt satisfacute. Deoarece polinomul
caracteristic are toate radacinile reale rezulta ca el se descompune astfel:
Pn () = (1)n ( 1 )k1 ( 2 )k2 ( s )ks , i K, i = 1, s, si k1 + k2 + + ks = n
O radacina arbitrara i avand ordinul de multiplicitate ki , i = 1, s, rezulta conform ipotezei
2) ca dimensiunea subspatiului propriu corespunzator este ki , adica putem constitui o baza
Bi = (v1i , v2i , . . . , vki i ) n Si , i = 1, s. Sistemul de vectori B obtinut din reuniunea bazelor
B1 , B2 , . . . Bs din subspatiile proprii S1 , S2 , . . . , Ss contine n = k1 + k2 + kn vectori liniar
independenti, deci constituie o baza formata din vectori proprii ai lui A. Sistemul de vectori
B este liniar independent deoarece vectorii din fiecare baza, Bi , sunt liniar independenti, si la
valori proprii distincte corespund vectori proprii liniar independenti, deci reuniunea n ansamblu
formeaza sistem liniar independent.
Reciproca propozitiei este evidenta, adica daca exista o baza formata din vectori proprii
atunci cele doua conditii din enunt sunt satisfacute.
Exemplul 3. Reluam cazul matricii A din Exemplul 1
0 1 1
A= 1 0 1
2 2 1
Valorile sale proprii sunt 1 = 3, 2,3 = 1. Rezulta ca toate trei radacinile polinomului
caracteristic P3 () apartin lui R. Sa determinam o baza n subspatiul propriu S=3 , rezolvand
sistemul (A 3I3 )v = 0:

3
1
1
x1
0
1 3
1 x2 = 0
2
2 2
x3
0
Notand x3 cu , rezolvam sistemul:
3x1 + x2 =
x1 3x2 =
si obtinem:
S=3
1
/2

1 }
= {v = /2 =
2
2
Deci o baza n subspatiul propriu S=3 este
1
B1 = (v1 1 ),
2
adica dimensiunea subspatiului propriu coincide cu ordinul de multiplicitate al valorii = 3
(ceea ce se stia apriori, deoarece = 3 este radacina simpla).
In 1 am dedus ca si subspatiul propriu S=1 are dimensiunea egala cu 2, ordinul de multiplicitate al radacinii = 1, si o baza n S=1 este:
B2 = (v2 = (1, 1, 0)T , v3 (1, 0, 1)T
Reuniunea celor doua baze este
B = B1 B2 = (v1 = (1, 1, 2)T , v2 = (1, 1, 0)T , v3 (1, 0, 1)T )
Astfel matricea A este similara cu matricea diagonala:
3
0
0
0 ,
D = 0 1
0
0 1
adica
1
A = TBB DTBB
unde
TBB
1 1 1
1
0
= [v1 |v2 |v3 ] = 1
2
0
1
11.2 Proprietati ale matricilor similare

Unei matrici patratice A = (aij ) Rnn i se asociaza un numar real numit urma matricei
si notat tr(A) (tr vine de la trace=urma n limba engleza). Urma matricei A este egala cu suma
elementelor de pe diagonala principala.
tr(A) = a11 + a22 + + ann
Numele de matrici similare sugereaza ca au ceva n comun.
Propozitia 11.2.1 Doua matrici similare au:
acelasi rang;
acelasi determinant;
aceeasi urma;
acelasi polinom caracteristic;
aceleasi valori proprii (dar NU si vectori proprii).
Demonstratie: (optional)
Fie A, A doua matrici similare, adica A = T A T 1 AT = T A . Pentru a arata ca
A si A au acelasi rang se arata ca Null(A) = Null(A ), prin dubla incluziune. Astfel avem
dim(Null(A)) = dim(Null(A ), adica n rang(A) = n rang(A ) si deci rang(A) =
rang(A).
det(A) = det(T )det(A )det(T 1 ) = det(T )det(A )(1/det(T )) = det(A ).
Egalitatea tr(A) = tr(A ) se verifica calculand conform formulei produsului T A T 1 si
apoi suma elementelor de pe diagonala principala a produsului.
Sa demonstram ca doua matrici similare au acelasi polinom caracteristic.(obligatoriu)
Notam cu Pn () = det(A In ), respectiv Qn () = det(A In ), polinoamele caracteristice asociate celor doua matrici similare, A si A , unde A = T A T 1 . Tinand seama ca
det(MN) = det(M)det(N) si ca det(T 1 ) = 1/det(T ), rezulta ca:
Pn () = det(A In ) = det(T A T 1 T T 1 ) = det(T( A In )T 1 ) =
det(T det(A In )det(T 1 ) = det(A In ) = Qn ().
Consecinta ,
n forma utilizata n Computer Science: valorile proprii a doua matrici similare coincid.
n matematica: valorile proprii ale unui operator liniar nu depind de baza fixata n spatiul
pe care actioneaza operatorul.
Din proprietatile matricilor similare extragem urmatoarele informatii pentru matricile similare cu o matrice diagonala:
Daca:
A = TBB
atunci din tr(A) = tr(D) rezulta ca:
1 0
0 2
..
..
.
.
0 0
...
...
0
0
..
.
1
TBB
...
. . . n
{z
}
D
tr(A) = a11 + a22 + + ann = 1 + 2 + + n = tr(D)

apoi
det(A) = det(D) = 1 2 n
.
11.3 Aplicatii ale vectorilor proprii. Calculul coeficientului

de popularitate/importanta a nodurilor unei retele
Stiinta retelelor (network science) este un domeniu activ n CS, ce dezvolta tehnici de modelare, comparare si sumarizare a volumului imens de date, ce descriu interactiunile complexe
dintre entitati conectate fizic sau virtual.
Fig.11.1: Retea generata de Gephi http://gephi.org
In analiza retelelor sociale (Facebook, Google +, Twitter) sau de business, a retelei internet,
a retelelor colaborative profesionale (Linkedin), n ierarhizarea paginilor WEB, etc sunt implicate valorile proprii si vectorii proprii ale/ai matricii de adiacenta grafului ce defineste reteaua
sau a unei matrici dedusa din aceasta.
O problema ce se abordeaza n studiul si analiza retelelor este aceea a stabilirii nivelului
de importanta /popularitate/autoritate a nodurilor sale. Una din metodele care a dat deja rezultate deosebite n stabilirea importantei/popularitatii nodurilor si ranking-ul lor n functie de
indicele/coeficientul de importanta , se bazeaza pe analiza structurii linkurilor.
Scopul unei astfel de analize este de a identifica n cazul retelei WWW care sunt paginile
care au cel mai ridicat indice de importanta (popularitate, autoritate), iar n cazul retelelor sociale, profesionale, pentru a determina membrii sau actorii importanti ai unei comunitati.
Modelul matematic al unei retele este un graf.
Un graf, G, este definit de o pereche G = (V, L), unde V = {1, 2, . . . , m} este multimea
nodurilor, iar L multimea arcelor (linkurilor, conexiunilor dintre noduri).
Un graf poate fi orientat sau nu, adica se indica directia de conexiune sau nu. Reteaua
Facebook, de exemplu, este un graf neorientat, in timp ce reteaua WEB este reprezentata de un
graf orientatnodurile sunt paginile WEB si conexiunile sunt link-urile dintr-o pagina i spre o
pagina j.
Matricea de adiacenta /conectivitate a grafului G este matricea A = (aij ), i, j = 1, m, unde:

1 daca nodurile i si j sunt conectate printr-un arc direct
aij =
0 n caz contrar
Matricea de adiacenta a unui graf neorientat este simetrica, adica aij = aji , oricare ar fi
i, j = 1, m, n timp ce matricea de adiacenta a unui graf orientat nu este simetrica, pentru poate
exista link de la i spre j dar nu si de la j spre i.
Pentru a capta si interactiuni indirecte ntre noduri se defineste notiunea de drum intre doua
noduri i, j: un drum este o succesiune de linkuri(arce) (i1 , i2 ), (i2 , i3 ), . . . (ik1 , ik ) (orientate
sau nu dupa cum graful model este orientat sau nu), astfel incat i1 = i si ik = j. Un ciclu este
un drum pentru care nodul initial si final coincid.
Un graf neorientat/orientat este conex, daca oricare ar fi i si j, doua noduri distincte, exista
un drum intre i si j.
Puterea n a matricii de adiacenta , An = (cij ), codifica urmatoarea informatie: elementul cij ,
din linia i, coloana j a matricii An este egal cu numarul drumurilor de n arce ce leaga nodurile
i si j.
Nivelul de importanta al unui i nod ntr-o retea modelata de un graf conex si neorientat este
un numar pozitiv, xi > 0, definit ca media ponderata a coeficientilor de importanta a nodurilor
j1 , j2 , . . . , jk , cu care nodul i este conectat prin arc direct (drum de lungime 1):
xi =
1
(xj + xj2 + + xjk ),
1
>0
(11.1)
Intuitiv aceasta relatie ilustreaza zicala romaneasca, spune-mi ce prieteni ai ca sa-ti spun
cine esti.
Parametrul determina cat de multa popularitate partajeaza nodurile ntre ele, prin conexiuni. Daca este mic, atunci nodurile cu care i este conectat transmit un coeficient mai mare
de influenta /popularitate nodului i, iar daca creste, atunci influenta mostenita de nodul i de la
nodurile cu care este conectat direct scade.
Remarcam ca relatia (11.1) se poate rescrie astfel:
m
1X
xi =
aij xj
j=1
(11.2)
deoarece elementele matricii de adiacenta , aij , din linia i, sunt nenule doar pentru j = j1 , j2 , . . . , jk
(doar aij1 , aij2 , . . . aijk sunt egale cu 1, restul aij sunt zero), adica doar pentru nodurile j cu care
i este conectat direct.
Ne ntrebam daca cunoscand doar matricea de adiacenta (conectivitate) a unei retele putem
deduce indicatorii de importanta /popularitate a nodurilor sale. Raspunsul este afirmativ, deoarece
relatia (11.2) se mai poate scrie:
m
X
aij xj = xi ,
i = 1, m
(11.3)
j=1
si notand cu x vectorul din Rm ce are drept coordonate, indicatorii de importanta a nodurilor

1, 2, . . . , m, adica x = (x1 , x2 , . . . , xm )T , atunci relatia (11.3) este echivalenta cu Ax = x,
adica este valoare proprie a matricii de adiacenta , corespunzatoare vectorului propriu al indicatorilor de importanta .
Problema care se ridica imediat, stiind ca o matrice poate sa nu aiba nici o radacina reala
a polinomului caracteristic sau poate sa aiba mai multe radacini reale (deci valori proprii),
este, care valoare proprie si vector propriu corespunzator o folosim n definitia indicatorului
de importanta a nodurilor.
Faptul ca matricea de adiacenta a unui graf este o matrice nenegativa, adica are elementele
aij 0, oricare ar fi i si j, ajuta foarte mult n a gasi un raspuns la aceasta ntrebare si deci
pentru a putea determina coeficientii de importanta a nodurilor.
Daca o matrice A este nenegativa, atunci indicam(notam) aceasta proprietate prin A 0.
Pentru a deduce modalitatea de calcul a coeficintilor de popularite a nodurilor, caracterizam
mai ntai matricea de adiacenta a unui graf conex. Pentru aceasta observam ca daca avem graful
neconex din figura:
10
Matricea lui de adiacenta este:
0
1
0
1
0
0
A=
1
0
0
0
0
0
0
0
0
0
1
1
1
0
0
0
0
0
0
0
1
0
0
1
0
0
1
0
1
0
Reetichetand nodurile, adica aplicand permutarea:

1 2 3 4 5 6
=
2 1 4 1 5 6
etichetelor nodurilor 1, 2, 3, 4, 5, 6, avem o retea cu aceeasi structura a linkurilor:
dar cu matricea de adiacenta :
A =
0
1
0
0
0
0
1
0
1
0
0
0
0
1
0
0
0
0
0
0
0
0
1
1
0
0
0
1
0
1
0
0
0
1
1
0
In aceasta matrice este imediat evident, din faptul ca elementele de intersectie a liniilor
4, 5, 6 cu coloanele 1, 2, 3 sunt toate zero, ca graful este neconex, pentru ca grupul de noduri
4, 5, 6 nu comunica cu grupul 1, 2, 3.
Relatia dintre cele doua matrici de adiacenta este:
A = P APT ,
unde P = (pij ) este matricea permutare definita de , pij = i j .
In general produsul la stanga cu o matrice permutare, P , permuta corespunzator liniile
matricii A, iar produsul la dreapta cu PT , permuta la fel si coloanele. Astfel A = P APT
este matricea de adiacenta a grafului care are nodurile reetichetate. Adica in loc de etichetele
(1, 2, . . . , m) se folosesc etichetele (1 , 2 , . . . , m ) si exista arc ntre nodul i si j , daca si
11
numai daca exista arc ntre i si j n graful initial. Deoarece PT = P1 (vezi cursul 1), rezulta
ca relatia:
A = P APT
indica ca cele doua matrici de adiacenta sunt similare (deci au aceleasi valori proprii, dar nu si
vectori proprii; deduceti cum dintr-un vector propriu v a lui A obtin un vector propriu al lui A ).
Dupa aceste precizari putem caracteriza matricile de adiacenta a grafurilor conexe:
Definitia 11.3.1 Matricea de adiacenta a unui graf se numeste matrice ireductibila daca nu
exista nici o permutare a lui (1, 2, . . . , m) astfel ncat:

X Z
T
P AP =
,
O Y
unde P = (pij ) este matricea permutare definita de , iar X, Y sunt matrici patratice.
Cu alte cuvinte o matrice de adiacenta este ireductibila daca nu este similara cu o matrice
de forma:

X Z
,
O Y
adica printr-o reindexare(reetichetare) a nodurilor nu exista o submultime de noduri care sa nu
comunice cu restul printr-un drum de noduri.
Matricea de adiacenta a unui graf conex este evident ireductibila, pentru ca un astfel de graf
nu contine niciun grupu de noduri izolate (neconectate cu nodurile din complementul grupului).par
In continuare evidentiem implicatiile proprietatii de nenegativitate si ireductibilitate a unei
matrici A asupra valorilor si vectorilor proprii.
Fie 1 , 2 , . . . , m toate radacinile (reale si complex conjugate) polinomului caracteristic,
Pm () = det(A Im ).
Daca , sunt doua radacini complex conjugate, aib, atunci lor li se asociaza doua puncte
in plan, de coordonate P (a, b) si P (a, b), ce sunt evident simetrice fatade Ox. Ar trebui sa
stiti de la liceu ca modulul unui numar complex = a + ib este || = a2 + b2 si ca acest
modul reprezinta distanta de la punctul P (a, b) la origine.
Radacinile reale ale polinomului caracteristic sunt de forma a+i0, deci ele sunt reprezentate
prin puncte de pe axa Ox, de coordonate (a, 0).
Daca 0 este radacina polinomului caracteristic a matricii nenegative A, ce are cea mai
mare valoare absoluta, atunci restul radacinilor au valoarea absoluta || |0 , adica punctele
din plan, asociate, sunt incluse ntr-un disc cu centrul n origine si de raza R = |0 |.
Mai subliniem ca:
Orice matrice patratica A Rmm are acelasi polinom caracteristic, deci aceleasi valori
proprii ca si matricea AT .
12

y
Fig.11.2: Pozitia radacinilor polinomului caracteristic de grad 6, n planul complex, pentru o matrice
nenegativa A R66 .
Intr-adevar, notand cu Q polinomul caracteristic al matricii AT si cu P polinomul matricii

A, avem:
Qn () = det(AT In ) = det(AT InT ) = det(A In )T = det(A In ) = Pn ()
Ultima egalitate are loc deoarece n general avem det(M T ) = det(M)
Un rezultat remarcabil relativ la matricile nenegative ireductibile este Teorema lui Perron
Frobenius:
Teorema 11.3.1 1) Daca matricea A este o matrice nenegativa si ireductibila, atunci printre
radacinile polinomului sau caracteristic exista una reala, strict pozitiva si dominanta. Aceasta
este deci o valoare proprie, 1 , a matricii A si este dominanta, n sensul ca orice alta radacina,
, a polinomului sau caracteristic are modulul mai mic sau egal cu 1 , || 1 .
2) Valoarea proprie dominanta este simpla si deci subspatiul propriu corespunzator are
dimensiunea 1. Acest subspatiu este generat de un vector x = (x1 , x2 , . . . , xm )T avand toate
coordonatele strict pozitive, xi > 0, i = 1, m. Cu exceptia vectorilor coliniari si de acelasi
sens cu x, x, > 0, nici un alt vector propriu al matricii A nu mai are toate coordonatele
strict pozitive.
3) Matricea transpusa, AT , avand acelasi polinom caracteristic are aceeasi valoare proprie,
pozitiva si dominanta, simpla si subspatiul propriu corespunzator este la fel generat de un
vector de coordonate strict pozitive.
In figura 11.2 ilustram pozitia radacinilor unui polinom caracteristic asociat unei matrici
nenegative si ireductibile A. Punctul rosu corespunde valorii proprii dominante a matricii A:
Exemplul 4. Fie matricea nenegativa (evident A este arbitrara nu este matrice de adiacenta):
2 4 1 5
0 21 1 7
A=
4 6 11 2
35 8 0 5
13
Radacinile polinomului sau caracteristic sunt:

9.44,
10.34 + 0.57i,
10.34 0.57i,
27.76
27.76 este valoarea proprie dominanta, deoarece |9.44| < 27.76 si |10.340.57i| = 10.35.
Matricea de adiacenta , A, a unui graf conex fiind nenegativa si ireductibila i se poate aplica
Teorema lui PerronFrobenius: ea are o valoare proprie dominanta, strict pozitiva si un vector propriu de coordonate strict pozitive. Astfel pentru a defini coeficientul de popularitate al
nodurilor se ia drept valoare proprie din relatia (11.3) valoarea 1 , adica valoarea proprie dominanta, iar ca vector x = (x1 , x2 , . . . , xm ), un vector propriu corespunzator lui 1 , ce are toate
coordonatele strict pozitive.
Pentru a avea coeficientul de popularitate al fiecarui nod din acelasi interval normalizam vec1
torul x adica l mpartim la suma coordonatelor si obtinem vectorul r = Pm
(x1 , x2 , . . . , xm )T ,
i=1 xi
numit vectorul rating, sau vectorul Perron, care este de asemenea un vector propriu corespunzator valorii proprii 1 (pentru ca daca Ax = 1 x, atunci si A(x) = (x). La noi
1
.
= Pm
i=1 xi
xi
Astfel coeficientul de importanta a nodului i sau ratingul nodului i este ri =
x1 + x2 + . . . + xm
si suma tutor ratingurilor este 1, deci indicatorul de importanta se poate raporta si procentual.
Adica daca ri = 0.87, atunci printre toate nodurile retelei, nodul i are o popularitate de 87%.
Exemplul 5. Consideram o retea sociala formata din 6 persoane, codificate 0, 1, 2, 3, 4, 5, si
ilustrata n graful neorientat din Fig.11.3: Matricea de conectivitate/adiacenta a retelei este:
0 0 1 1 0 0
0 0 1 0 1 0
1 1 0 1 0 1
A=
1
0
1
0
1
0
0 1 0 1 0 1
0 0 1 0 1 0
Valorile proprii ale matricii A, calculate numeric sunt:
2.796, 0.8531, 1.195, 2.454, 0, 0
Deci valoarea proprie dominanta este 2.796, iar un vector propriu corespunzator, de coordonate strict pozitive este:
x = (0.35349809, 0.33313061, 0.52899452, 0.45954077, 0.40258437, 0.33313061)
Suma coordonatelor lui x este 2.410, iar vectorul rating este:
r = x/2.41 = (0.14662623, 0.13817807, 0.21941978, 0.1906113, 0.16698655, 0.13817807)
Reordonand descrescator ratingurile nodurilor avem urmatorul ranking al acestora:
14
2
1
Fig.11.3: Graf neorientat.
Rating 0.21941978 0.1906113 0.16698655 0.14662623 0.13817807 0.13817807

Nod
2
3
4
0
5
1
Observam ca cea mai mare popularitate o are nodul 2 si anume, indicele sau de importanta
este 0.21941978. Se vede si din graf ca nodul 2 are cele mai multe conexiuni de un pas(arc).
Sa consideram acum o retea conexa n care conexiunile dintre noduri sunt orientate. O astfel
de retea este reteaua WWW. Nodurile sunt paginile WEB, iar arcele orientate dintre acestea sunt
hyperlinkurile. In figura 11.4 avem o retea formata din 6 noduri si linkuri ntre ele (sensul linkului nu este ilustrat printr-o sageata, ci printr-un segment pe arc, in format bold, modalitate specifica de vizualizarea grafurilor orientate n networkx (http://networkx.lanl.gov),
un pachet n Python).
Matricea de adiacenta a grafului, numita matricea hyperlink este:
A=
0
0
0
1
0
0
0
0
1
0
1
0
1
1
0
1
1
1
1
0
1
0
0
0
0
1
0
0
0
1
1
0
1
1
0
0
Radacinile polinomului sau caracteristic ordonate, n ordinea descrescatoare a valorii absolute (modulului) sunt:
2.481, 0.688, 0, 1, 1, 1.170
15
4
5
0
2
1
Fig.11.4: Graf orientat ce ilustreaza linkurile dintre pagini ntr-o retea WEB.
Valoarea proprie dominanta este 1 = 2.481, vectorul propriu corespunzator:

x = (0.50958306, 0.30420493, 0.45058661, 0.50958306, 0.30420493, 0.30420493)T
iar vectorul rating al nodurilor:
r = x/2.382367 = (0.21389776, 0.12769018, 0.18913396, 0.21389776, 0.12769018, 0.12769018)T
Deci cel mai mare rating are nodul 0 si 3 (la egalitate).
Popularitatea paginii 0, de exemplu, a fost calculata conform relatiei (11.1) adica tinand
seama de numarul outlink-urilor ce pornesc din ea (adica n functie de cate conexiuni, prieteni,
declara pagina 0 ca are).
Larry Page si Serghei Brin, fondatorii Google, au realizat ca indicatorul de popularitate
calculat n acest fel poate fi influentat de proprietarii paginilor WEB prin adaugarea a cat mai
multe outlinkuri. De aceea au modificat regula de calcul a popularitatii, considerand ca ratingul
(popularitatea) paginii j, xj , trebuie sa fie dat de media ponderata a popularitatii paginilor ce au
linkuri spre pagina j (daca o persoana importanta te indica, spune ca i esti prieten, nseamna
ca esti tu important!!!):
1
(xi + xi2 + + xi ),
(11.4)
1
unde i1 , i2 , . . . , i sunt paginile ce au linkuri catre pagina j, adica aij = 1, pentru i = i1 , i2 , . . . , i .
Astfel relatia (11.4) se scrie cu ajutorul matricii de adiacenta astfel:
xj =
16

m
X
1
xj = (a1j x1 + a2j x2 + + anj xm ) =
akj xk ,
k=1
j = 1, m
(11.5)
Relatiile (11.5) sunt echivalente cu AT x = x.

In acest caz vectorul indicatorilor de popularitate, nenormalizat, x = (x1 , x2 , . . . , xm )T , este
un vector propriu al matricii hyperlink transpusa, AT .
Dar matricea AT este de asemenea o matrice nenegativa si ireductibila si are acelasi polinom
caracteristic, Qm (), ca si matricea A: Vectorii proprii nsa difera.
Prin urmare pentru aflarea indicatorilor de popularitate pe baza inlink-urilor, nu a outlinkurilor, se alege n (11.5) ca fiind valoarea proprie dominanta a polinomului caracteristic al
matricii AT . Se alege un vector propriu
P pozitiv, x, corespunzator acestei valori si atunci vectorul
rating este vectorul Perron, r = x/ m
i=1 xi .
In cazul retelei din figura, matricea hyperlink transpusa are valoarea proprie dominanta
1 = 2.4811943, Un vector propriu pozitiv, corespunzator este
x = (0.12600672, 0.39771818, 0.64973161, 0.31264715, 0.33708446, 0.4386538)T
Suma coordonatelor lui x este s = 2.26184, iar vectorul rating al nodurilor este:
r = x/s = (0.05570978, 0.17583818, 0.28725774, 0.13822679, 0.14903095, 0.19393657)T
In acest fel pagina cu cea mai mare popularitate este pagina pagina 2, de indice de populariate r2 = 0.28725774, catre ea existand 5 linkuri, din paginile 0, 1, 3, 4, 5.
In cazul real al retelei WEB, graful asociat nu este conex. In semestrul 2 vom prezenta
transformarile la care este supusa matricea hyperlink pentru a obtine o matrice ireductibila si n
plus sa nu contina cicluri, adica un surfer WEB sa nu fie obligat sa parcurga din link n link un
circuit inchis (un ciclu infinit).
concluzie pentru a determina indicele de popularitate al fiecarui nod dintr-o retea de m
In
noduri, se procedeaza astfel:
1. Daca reteaua este neorientata, se asociaza matricea de adiacenta, A;
2. se calculeaza radacinile polinomului sau caracteristic si se identifica radacina reala pozitiva, dominanta.
3. se calculeaza un vector propriu corespunzator x = (x1 , x2 , . . . , xm )T (acesta are fie toate
coordonatele strict pozitive fie toate strict negative (daca sunt toate strict negative, se ia -x si
atunci sunt toate strict pozitive).
4 .se calculeaza suma s a coordonatelor vectorului x si apoi vectorul rating r = x/s, ale
carui coordonate ri , reprezinta indicele de popularitate al nodului i, i = 1, m.
5. Se ordoneaza descrescator r1 , r2 , . . . , rm si astfel avem ierarhizarea nodurilor n functie
de popularitatea lor.
Daca reteaua are linkuri orientate, se asociaza matricea de conectivitate A, se calculeaza
AT si apoi pentru aceasta matrice se parcurg etapele 2-5 de mai sus.
Metode de generare a grafului asociat unei retele si calculul valorii dominante si al vectorului rating se vor prezenta ntr-un IPython Notebook ce va fi postat ncurand.
Cursul 12
Valori si vectori proprii ai matricilor simetrice.
Descompunerea SVD a unei matrici. Aplicatii
12.1 Valori si vectori proprii ale matricilor simetrice. Descompunerea

unei matrici simetrice
O matrice patratica M Rnn cu proprietatea ca M T = M se numeste matrice simetrica.
In machine learning matricile simetrice studiate sunt cel mai adesea matrici obtinute dintr-o
matrice de date A Rmn , care stocheaza pe coloane datele pentru n entitati. Fiecare entitate
are m caracteristici, numite atribute:
A = [X1 |X2 | . . . |Xn ]
De exemplu, n diagnosticarea inteligenta sau in studiul eficacitatii unor medicamente n
tratamentul unei boli, entitatile sunt n persoane. Pentru fiecare individ se nregistreaza valorile
pentru un set de m analize medicale (atribute ale indivizilor).
Daca dupa constituirea matricii de date se calculeaza versorul fiecarei coloane si se noteaza
cu B matricea:
B = [X10 |X20| . . . |Xn0 ],
atunci matricea simetrica M = B T B, are ca element generic Mij =< Xi0 , Xj0 >= cos(Xi , Xj ).
Cu alte cuvinte un element Mij indica similaritatea dintre individul i si j.
Pe de alta parte elementele Nij ale matricii N = BB T indica similaritatea dintre atribute.
Informatia importanta codificata de matricea de date A se extrage din valorile proprii si
vectorii proprii corespunzatori ai matricii simetrice M respectiv N.
Sa studiem particularitatile matricilor simetrice, comparativ cu matricile patratice generale,
nesimetrice.
In cele ce urmeaza interpretam produsul Av, dintre o matrice patratica, A Rnn , si un
vector, v Rn , ca fiind vectorul w ce reprezinta efectul unui operator liniar L : Rn Rn de
matrice A n baza canonica, asupra vectorului v. Deci n loc de L(v), scriem Av.
Propozitia 12.1.1 Fie A Rnn o matrice patratica si Rn nzestrat cu produsul scalar standard. Atunci avem urmatoarea relatie:
< Av, w >=< v, AT w >, v, w Rn
1
(12.1)
Demonstratie: Exprimam produsul scalar < x, y >= xT y. Astfel membrul stang al egalitatii
ce dorim s-o demonstram este:
< Av, w >= (Av)T w = v T AT w
iar membrul drept:
< v, AT w >= v T (AT w) = v T AT w
si deci:
< Av, w >=< v, AT w >
Observatia 12.1.1 Daca A este o matrice simetrica atunci din AT = A si relatia (12.1) rezulta
ca:
< Av, w >=< v, Aw >
(12.2)
Sa enuntam (fara demontratie) particularitatile valorilor si vectorilor proprii ai unei matrici
simetrice:
Propozitia 12.1.2 Polinomul caracteristic al unei matrici simetrice, A Rnn , are toate n
radacinile reale, adica o matrice simetrica are n valori proprii.
Dimensiunea fiecarui subspatiu propriu al unei matrici simetrice coincide cu ordinul de
multiplicitate al valorii proprii corespunzatoare.
Propozitia 12.1.3 La valori proprii distincte ale unei matrici simetrice corespund vectori proprii ortogonali.
Demonstratie: Fie 1 6= 2 doua valori proprii distincte ale matricii simetrice, A, si v1 S1 ,
v2 S2 , vectori proprii corespunzatori, adica Av1 = 1 v1 , Av2 = 2 v2 . Din proprietatea
(refAsimAadj) a matricilor simetrice, avem ca:
< Av1 , v2 >=< v1 , Av2 >
ceea ce este echivalent cu:
< 1 v1 , v2 >=< v1 , 2 v2 >
sau
1 < v1 , v2 >= 2 < v1 , v2 >
(1 2 ) < v1 , v2 >= 0
Cum 1 6= 2 , rezulta ca 1 2 6= 0 si deci < v1 , v2 >= 0, adica v1 v2

Sa analizam consecintele acestor particularitati ale matricilor simetrice:
Fie A Rnn o matrice simetrica. Polinomul caracteristic al lui A, Pn () = det(AIn ),
avand n valori proprii (simple sau multiple) admite descompunerea:
Pn () = (1)n ( 1 )k1 ( 2 )k2 ( s )ks ,
k1 + k2 + + ks = n
unde i este radacina multipla de ordin ki , i = 1, s.

Pentru fiecare radacina i , se determina subspatiul propriu Si = {v Rn | Av = i v
(A i In )v = }.
Deoarece dimensiunea subspatiului propriu Si este egala cu ordinul de multipliciate, ki ,
al lui i , determinam o baza arbitrara Bi , n Si (care contine ki vectori) si apoi o ortonormam
folosind procedeul GrammSchmidt si obtinem baza ortonormata Bi , i = 1, s.
Daca B1 = (u1, u2 , . . . , uk1 ), B2 = (uk1 +1 , . . . , uk1+k2 ), si n final Bs = (unks+1 , . . . , un ),
|
{z
}
{z
}
|
k2 vectori
ks vectori
sunt baze ortonormate din subspatiile proprii S1 , S2 , . . . , Ss , atunci concatenand cele s baze
ortonormate formate din vectori proprii ai matricii A, obtinem o baza ortonormata n Rn :
B = (u1, u2 , . . . , uk1 , uk1+1 , . . . , uk1 +k2 , . . . , un )
deoarece vectorii din bazele Bi sunt ortonormate si pentru ca la valori proprii distincte corespund vectori proprii ortogonali, rezulta ca orice vector dintr-o baza Bi este ortogonal pe orice
vector dintr-o baza Bj , i =6= j.
Notam cu TBB matricea de trecere de la baza canonica din Rn la baza ortonormata B
formata din vectori proprii ai matricii A. Aceasta este o matrice ortogonala, fiind matricea de
trecere dintre doua baze ortonormate.
Notand cu D matricea diagonala a valorilor proprii,
D = diag(1 , . . . , 1 , 2 , . . . , 2 , . . . , s , . . . , s )
| {z } | {z }
| {z }
k1
k2
ks
, rezulta ca matricea simetrica A este similara cu aceasta matrice diagonala si n plus matricea
T din relatia de similaritate este matricea ortogonala TBB :
T
1
A = TBB DTBB
= TBB DTBB
Astfel suntem condusi la unul din cele mai importante rezultate aplicative din algebra liniara
si anume:
Propozitia 12.1.4 Daca A Rnn este o matrice simetrica, ce are valorile proprii i cu ordinele de multipliciate ki , i = 1, s, k1 + k2 + + ks = n, atunci exista o baza ortonormata
B , n Rn , formata din vectori proprii ai lui A si notand cu Q matricea de trecere de la baza
canonica la baza B , matricea A este similara cu matricea
si relatia de similaritate este:
D = diag(1 , . . . 1 , . . . , s , . . . s )
| {z }
| {z }
k1 ori
ks ori
(12.3)
A = QDQT
Definitia 12.1.1 Descompunerea unei matrici simetrice n forma
A = QDQT
unde D este matricea diagonala a valorilor proprii si Q = TBB este o matrice ortogonala se
numeste descompunere ortogonala.
Sa ilustram aceasta proprietate printr-un exemplu:

Exemplul 1. Sa se determine valorile proprii
matricea simetrica:
A= 2
2
si subspatiile proprii corespunzatoare, pentru
2 2
3 2
2 3
Sa se determine apoi cate o baza ortonormata n fiecare subspatiu propriu al lui A si o baza
ortonormata n R3 , formata din vectori proprii ai lui A.
Sa se scrie descompunerea simetrica ortogonala a matricii A.
Valorile proprii ale lui A sunt 1,2 = 1, 3 = 7;
Subspatiile proprii corespunzatoare, S=1 :
S=1 = {v = (x, y, z) | Av
2 2 2
2 2 2
2 2 2
= 1v (A 1I3 )v = 0}

x
0
y = 0
z
0
S=1 = {v = (1, 1, 0)T + (1, 0, 1)T , , R}

Baza n acest subspatiu este B1 = (v1 , v2 ). Evident ca baza B1 nu este ortonormata. Aplicand
procedeul Gramm-Schmidt obtinem baza
1
1
B1 = (q1 = (1, 1, 0)T , q2 = (1, 1, 2)T )
2
6
Pentru a determina subspatiul propriu S=7 determinam solutiile sistemului
(A 7I3 )v = 0:

4
2
2
x
0
2 4
2
y = 0
2
2 4
z
0
Alegem drept determinant principal determinantul constituit din elementele de intersectie ale
liniilor 1,2 cu coloanele 1,2. Astfel z := , este necunoscuta secundara si obtinem:
S=7 = {v = (1, 1, 1)T , R}
Baza ortonormata n S=7 este:
1
B2 = (q3 = (1, 1, 1)T )
3
iar B = B1 B2 = (q1 , q2 , q3 ) este o baza ortonormata n R3 formata din vectori proprii ai
matricii A. Notand: Q = [q1 |q2 |q3 ] avem descompunerea:
1 0 0
A = [q1 |q2 |q3 ] 0 1 0 [q1 |q2 |q3 ]T
0 0 7
12.2. Forme patratice
12.2 Forme patratice

In Inteligenta artificiala deseori ntr-o etapa a unui algoritm trebuie determinate punctele n
care o functie, f : D Rn R, de clasa C 2 , ia valoarea minima sau maxima. Problema aflarii
punctelor de minim sau maxim se numeste problema de optimizare si se noteaza astfel:
argminf (x), x D,
argmaxf (x), x D
si se citeste sa se determine argumentul x D care minimizeaza functia f sau sa se determine

argumentul x D care maximizeaza functia f .
Exemple de probleme de optimizare: minimizarea erorii n clasificare, sau sa se determine
drumul de lungime minima pe care trebuie sa-l parcurga un agent inteligent pentru a deservi n
noduri/puncte de lucru, etc.
Decizia daca un punct din D este punct de minim sau maxim pentru o functie f se ia
analizand o forma patratica asociata functiei f .
Consideram spatiul spatiul vectorial Rn nzestrat cu produsul scalar standard si notat <
v, w >= v T w.
Definitia 12.2.1 Fie Rn raportat la o baza ortonormata B ( de obicei baza canonica) si A =
(aij ), i, j = 1, n o matrice simetrica. Aplicatia q : Rn R, definita prin q(vB ) =<
vB , AvB >= vBT AvB , se numeste forma patratica.
Daca un vector arbitrar v Rn are relativ la baza B, coordonatele vB =
atunci expresia analitica a formei patratice n aceasta baza este: ,
x1
a11 a12 . . . a1n

a21 a22 . . . a2n x2
q(vB ) = x1 x2 . . . xn ..
..
..
..
.
.
.
.
xn
an1 an2 . . . ann
(x1 , x2 , . . . , xn )T ,
(12.4)
Efectuand produsele, obtinem

q(vB ) = a11 x21 + a22 x22 + + ann x2n + 2a12 x1 x2 + + 2a1n x1 xn + + 2an1 n xn1 xn
Aceasta expresie ilustreaza de ce functia se numeste patratica: expresia ei este o suma de termeni de grad 2 n x1 , x2 , . . . xn , adica ceea ce se numeste polinom omogen de grad 2.
Exemplul 2. Forma patratica definita pe R2 :

2 1
x1
= 2x21 + 2x1 x2 + 3x22
q(v) = Q(x1 , x2 ) = x1 x2
1 3
x2
Daca cunoastem expresia analitica a unei forme patratice q : Rn R, adica un polinom
omogen de grad 2 n x1 , x2 , . . . , xn , matricea simetrica ce o defineste conform relatiei q(v) =
v T Av se determina astfel:
coeficientii patratelor x21 , x22 , . . . , x2n sunt respectiv elementele a11 , a22 , . . . , ann din matricea simetrica A;
coeficientii produselor xi xj mpartiti la 2 sunt elementele aij si aji din matricea A, i, j =
1, n.
Exemplul 3. Se da forma patratica q : R3 R definita prin q(x1 , x2 , x3 ) = 2x21 + 3x1 x2 +
6x1 x3 5x22 8x2 x3 + x23 . Matricea simetrica asociata este:
3
3
2
2
A= 3
5
4
3
4
1
O forma patratica ia valori reale care pot fi pozitive, negative sau zero. q() =< , A >= 0.
Deci o forma patratica aplica pe (0, 0, . . . , 0) n 0.
Forma patratica q : Rn R care ia valori strict pozitive, q(v) > 0, oricare ar fi vectorul
v Rn \ {}, se numeste forma patratica pozitiv definita.
Daca q(v) 0, pentru orice v Rn , atunci q se numeste forma semipozitiv definita (mai
precis n acest caz q ia valoarea zero si pentru vectori nenuli).
Daca q(v) < 0, oricare ar fi v Rn \ {} atunci q se numeste forma negativ definita, iar
daca q(v) 0, v Rn , forma q se numeste seminegativ definita.
Daca pe anumiti vectori q ia valori pozitive, iar pe altii negative, atunci q se numeste forma
patratica nedefinita.
Analizand expresia analitica a formei patratice din Exemplul 3 este greu sa ne pronuntam
daca ea este pozitiv definita, negativ definita sau nedefinita. Este nsa foarte simplu sa indicam
tipul formei patratice daca ea contine doar termeni n x2i , i = 1, n.
Exemplul 4. Forma patratica Q(x1 , x2 , x3 ) = 3x21 x22 4x23 este evident negativ definita,
forma Q(x1 , x2 , x3 ) = 2x21 x22 + 6x23 este nedefinita, deoarece Q(1, 0, 1) = 2 + 6 = 8 > 0, iar
Q(0, 1, 0) = 1 < 0.
Observam ca putem deduce rapid tipul unei forme patratice daca ea este definita de o matrice
diagonala, care evident este simetrica:
d1 0 . . . 0
x1

0 d2 . . . 0 x2
q(x1 , x2 , . . . , xn ) = x1 x2 . . . xn .. ..
.. ..
. .
. .
0 0 . . . dn
xn
2
2
2
= d1 x1 + d2 x2 + + dn xn , di R
O forma patratica a carei matrice de definitie este diagonala se zice ca este n forma canonica.
Sa exploatam faptul ca orice matrice simetrica, A, este similara cu o matrice diagonala, adica
exista 1 , 2 , . . . n R, ce sunt valorile proprii ale lui A, si matricea inversabila T := TBB ,
ce este matricea de trecere de la baza canonica B la baza ortonormata, B , formata din vectori
T
proprii ai lui A, astfel ncat A = T DT 1 = TBB DTBB
, cu
1 0 . . . 0
0 2 . . . 0
D = ..
..
..
.
.
.
0 0 . . . n
Echivalent, putem scrie ca
T
D = TBB
ATBB
(12.5)
Relatia dintre coordonatele unui vector v Rn relativ la cele doua baze este: vB = TBB vB
Sa deducem expresia analitica a formei patratice de matrice A, relativ la baza B formata din
vectori proprii ai lui A. Pentru aceasta notam cu X1 , X2 , . . . , Xn , coordonatele vectorului arbitrar v relativ la baza B :
(12.5)
(12.1)
T
q(vB ) = < vB , AvB >=< TBB vB , ATBB vB > = < vB , TBB
ATBB vB > = < vB , DvB >
X1 X2
. . . Xn
1 0 . . . 0
0 2 . . . 0
..
..
..
.
.
.
0 0 . . . n
X1
X2
..
.
Xn
= 1 X12 + 2 X22 + + n Xn2
In concluzie pentru a decide tipul formei patratice care relativ la baza ortonormata initiala,
B din Rn , are matricea simetrica, A, se determina valorile proprii ale matricii A.
Daca toate valorile proprii sunt strict pozitive, forma patratica este pozitiv definita;
Daca toate valorile proprii sunt mai mari sau egale cu 0, forma patratica este semipozitiv
definita;
Daca i < 0, i = 1, n, forma este negativ definita, respectiv seminegativ definita daca
i 0, i = 1, n.
Daca o parte dintre valorile proprii sunt pozitive si restul negative, forma patratica este
nedefinita.
Exemplul 5. Se da forma patratica q : R2 R, q(x1 , x2 ) = 4x21 4x1 x2 + x22 . Sa se determine
matricea formei patratice, valorile ei proprii si sa se precizeze tipul formei: pozitiv, negativ
definita sau nedefinita.
Matricea formei patratice este
A=
4 2
2
1
Valorile proprii ale lui A sunt 1 = 0, 2 = 5. Astfel daca

B = (u1 , u2 )
Fig.12.1: Graficele a 3 forme patratice aduse la forma canonica, q(x1 , x2 ) = 1 x21 + 2 x22 : stanga, forma
este pozitiv definita, centru, negativ definita si cea din dreapta, nedefinita.
este o baza ortonormata n R2 formata din vectori proprii ai matricii A si a v = X1 u1 + X2 u2

este un vector din R2 exprimat n baza B atunci forma patratica are relativ la baza B expresia:
q(v) = 1 X12 + 2 X22 = 0X12 + 5X22 , deci este semipozitiv definita.
In analiza matematica unei functii f : D Rn R, de clasa C 2 , i se asociaza matricea
simetrica Hess(f )(x0 ) a derivatelor de ordin 2 ntr-un punct (x0 ), numita Hessiana functiei n
acest punct. Elementele aij ale acestei matrici sunt:
aij =
2f
(x0 ), i, j = 1, n
xi xj
Daca x0 este un punct critic al functiei f , adica

f
(x0 ) = 0, i = 1, n,
xi
atunci tipul formei patratice avand ca matrice, matricea Hessiana n x0 indica daca punctul x0
este punct de maxim, minim, sau punct sa.
In Fig.12.1 este ilustrat graficul unei forme patratice q : R2 R, q(x1 , x2 ) = 1 x21 + 2 x22 ,
pentru cazul q pozitiv definita (1 , 2 > 0), negativ definita, 1 , 2 < 0 si respectiv nedefinita,
1 > 0, 2 < 0. Observam ca n primul caz (0, 0) este punct de minim, pentru ca q(x1 , x2 ) > 0,
v = (x1 , x2 )T 6= 0, n al doilea este punct de maxim si n al treielea este punct sa. La analiza
aflati ca o functie f : D R2 R, de clasa C r pe D, r 2, este aproximata n vecinatatea
unui punct critic (x01 , x02 ) de o astfel de forma patratica si deci tipul extremal al punctului critic
depinde de tipul punctului (0, 0) pentru forma patratica asociata.
12.3. Descompunerea singulara a unei matrici
12.3 Descompunerea singulara a unei matrici

Necesitatea de a minimiza volumul de informatie digitala ce trebuie sa fie stocata sau transmisa printr-un canal de comunicatie a condus la dezvoltarea a numeroase metode de reducere a
dimensiunii acestora (comprimarea datelor). Una din metodele de comprimare a datelor, oferite
de algebra liniara se bazeaza pe descompunerea singulara a unei matrici A Rmn .
12.3.1 Notiuni si rezultate preliminare
Definitia 12.3.1 O matrice simetrica A Rnn care verifica conditia:
< v, Av > > 0, v Rn \ {}
(12.6)
se numeste matrice pozitiv definita, iar daca verifica:

< v, Av > 0, v Rn
(12.7)
se numeste matrice simetrica semipozitiv definita.

Cu alte cuvinte o matrice simetrica A este pozitiv/semipozitiv definita daca forma patratica
pe care o defineste este pozitiv/semipozitiv definita.
Propozitia 12.3.1 O matrice simetrica este semi-pozitiv definita daca si numai daca are toate
valorile proprii mai mari sau egale cu zero.
Demonstratie: Fie A Rnn o matrice simetrica si semi-pozitiv definita. Fiind simetrica are n
valori proprii distincte sau nu. Fie R o valoare proprie si v un vector propriu corespunzator,
Av = v. Conditia de semipozitiv definita este echivalenta cu
< v, Av > 0
< v, v > 0
< v, v > 0
v fiind vector propriu este nenul si deci < v, v > > 0. Astfel < v, v > 0 daca si numai
daca 0.
Consideram o matrice arbitrara de m linii si n coloane, A Rmn . Matricile asociate AT A,
AAT sunt matrici patratice de tip n n, respectiv m m si simetrice deoarece coincid cu
transpusele lor. De exemplu, (AT A)T = AT (AT )T = AT A.
Propozitia 12.3.2 Daca A Rmn este o matrice de tip m n, atunci matricile simetrice
asociate, AT A, AAT , sunt semipozitiv definite.
Demonstratie: Deoarece produsul scalar al unui vector cu el nsusi este mai mare sau egal cu
zero, avem ca pentru orice vector v Rn : < Av, Av > 0. Dar
< Av, Av >
cf (12.1)
= < v, AT Av >,
10
ceea ce implica < v, AT Av > 0, v Rn , adica matricea AT A este semipozitiv definita.

Analog, < AT v, AT v > 0 si din
< AT v, AT v >
cf (12.1)
= < v, AAT v >, v Rm
rezulta ca si matricea AAT este semipozitiv definita.

Propozitia 12.3.3 Rangul matricii AT A coincide cu rangul matricii A Rmn .
Demonstratie: Vezi Cursul 7, partea relativ la solutia celor mai mici patrate a unui sistem
Ax = b.
12.4 Calculul descompunerii singulare

Propozitia 12.4.1 (Descompunerea singulara a unei matrici) Pentru orice matrice A
Rmn de rang r min(m, n) exista doua matrici ortogonale U Rmm , V Rnn si
numerele reale pozitive 1 2 r astfel ncat A se descompune n produsul
A = UV T , adica:
A = |{z}
U
|{z}
mn
mm
1 0
0 2
..
..
.
.
0 0
0 0
..
..
.
.
...
...
...
0
0
..
.
...
. . . r
... 0
.
. . . ..
0
{z
mn
0 ...
0 ...
..
. ...
0 ...
0 ...
..
. ...
0
0
..
.
0
0
..
.
0 ... 0
T
V
|{z}
nn
(12.8)
Definitia 12.4.1 Descompunerea A = UV T se numeste descompunerea singulara a matricii

A (singular value decomposition, SVD). Valorile pozitive 1 2 r din matricea
se numesc valorile singulare ale matricii A, vectorii ui , vectori singulari stangi, iar vectorii
vi , vectori singulari drepti , i = 1, r.
Pentru a interpreta descompunerea SVD si pentru a prezenta aplicatii ale ei, definim cateva
notiuni si rezultate de calcul matricial:
Produsul exterior a doi vectori u Rm , v Rn este o matrice de tip m n, obtinuta ca
produsul uv T .
A nu se confunda produsul exterior (outer product n l. engleza) uv T , cu produsul scalar
< u, v >= uT v (inner sau dot product n engleza).
11
Daca u = (x1 , x2 , . . . , xm )T si v = (y1 , y2 , . . . , yn )T atunci produsul lor exterior este:
x1 y1 x1 y2 . . . x1 yn
x1
x2

x2 y1 x2 y2 . . . x2 yn
T
uv = .. y1 y2 . . . yn = ..
..
..
.
.
.
.
...
xm y1 xm y2 . . . xm yn
xm
Prin urmare matricea produs exterior, B = uv T , are elementele bij = xi yj , i = 1, m,
j = 1, n.
Daca vectorii u, v sunt nenuli, atunci coloanele matricii uv T sunt proportionale si prin urmare rangul matricii B este 1.
Optional
Produsul dintre o matrice U Rmm si matricea pseudodiagonala
R
, = [1 |2 | . . . |r | . . . |n ], care are 0 n toate pozitiile de indici diferiti se poate
exprima ca o combinatie liniara a coloanelor matricii U = [u1 |u2 | . . . |um ]:
mn
Curs 1
U = [U1 |U2 | . . . |Ur | . . . |Un ]

Dar coloana j, j = 1, r, a produsului U este:
0
0
0
0
.
.
.
.
.
.
U
= j U
=U
j
jj
.
.
..
..
0
0
0
0
..
.
1
..
.
0
= j Uej = j uj
Astfel rezulta ca produsul U = [1 u1 |2 u2 | . . . |r ur |0ur+1| . . . 0um ].

Notand cu P = U sa evaluam produsul A = P V T , unde P = [p1 |p2 | . . . |pn ] Rmn si
V = [v1 |v2 | . . . |vn ] Rnn :
Aplicand formula produsului a doua matrici si definitia produsului exterior obtinem ca:
P V T = p1 v1T + p2 v2T + + pn vnT
Pentru a ntelege aceasta exprimare sa se verifice efectiv ca, de exemplu, produsul matricilor:
c11 c12 c13

a11 a12 a13
c21 c22 c23 =
a21 a22 a23
c31 c32 c33

a11
a21
c11 c12 c13
a12
a22
c21 c22 c23
a13
a23
c31 c32 cc33
Dar cum P = U si pj = j uj , avem n final ca UV T = 1 u1 v1T +2 u2v2T + +r ur vrT .

End optional
12
Prin urmare ideea de baza a descompunerii SVD a unei matrici A Rm n, de rang r este
ca matricea A se poate descompune ca o combinatie liniara cu coeficienti pozitivi, descrescatori
a r matrici de rangul 1, Mj = uj vjT , j = 1, r:
A = UV T = 1 u1 v1T + 2 u2 v2T + + r ur vrT
Aproximarea de rang k a matricii A: Observam ca exprimarea matricii A ca o combinatie
liniara de r matrici are coeficientii i descrescatori, 1 2 r > 0. Daca ultimele
valori singulare sunt mici (apropiate de zero), atunci renunta nd la termenii ce le contin obtinem
o aproximare a matricii A:
Ak = 1 (u1 v1T ) + + k (uk vkT )
Matricea aproximare Ak se factorizeaza astfel:
1 0 . . . 0
0 2 . . . 0
Ak = [u1 |u2 | . . . |uk ] ..

.
..
|
{z
} .
. . . . ..
mk
0 0 . . . k
|
{z
kk
v1T
v2T
..
.
= Uk k VkT
vkT
|
} {z }
kn
si are rangul k (pentru a arata ca are rangul k se demonstreaza ca subspatiul Null al produsului
din membrul drept are dimensiunea egala cu dimensiunea subspatiului Null al matricii k , adica
n k).
Ori de cate ori se aproximeaza un element al unei multimi nzestrate cu o distanta (metrica), cu alt element al aceleasi multimi ne intereseaza cat de buna este acea aproximare,
evaluand distanta dintre element si aproximantul sau. In multimea matricilor din Rmn se
definesc diferite norme si atunci dist(A,B)=kA Bk.
O norma este cea definita de produsul scalar a doua matrici:
< A, B >= trace(AT B)
si anume
kAk =
< A, A > =
trace(AT A)
Aceasta norma se numeste norma Frobenius a unei matrici si pentru a o distinge de alte norme
se noteaza kAkF .
Teorema 12.4.1 (Teorema Eckart) Fie matricea A Rmn si Ak Rmn aproximarea sa de
rang k. Dintre toate matricile B Rmn de rang k, distanta de la A la B este minima pentru
B = Ak , adica:
q
2
+ + r2
min
{kA BkF } = kA Ak kF = k+1
B | rang(B)=k
12.5. Contructia matricilor U, V, din descompunerea SVD
13
Cu alte cuvinte Ak este cea mai buna aproximare de rang k a matricii A Aceasta proprietate se
exploateaza n numeroase domenii din Computer Science, printre care: comprimarea datelor n
general si a imaginilor n particular, information retrieval, machine learning.
Daca A este o matrice imagine ai carei pixeli au diverse nivele de gri, ntre negru si alb,
un element aij al matricii fiind codul nivelului de gri c {0, 1, 2, . . . , 255} sau normalizat
c [0, 1] (depinde de tipul de imagine si limbajul de programare care o citeste; de exemplu n
Python/numpy imaginile n nivele de gri din multimea {0, 1, 2, . . . , 255} sunt convertite la citire
n imagini cu nivelul de gri in [0, 1], adica daca codul pt gri este c = 135, el este
la
Pconvertit
r
T
135.0/255 [0, 1]), atunci determinand descompunerea SVD a matricii A =
i=1 i ui vi ,
si renunta nd la termenii ce au coeficientii k+1 , . . . , r suficient de mici n comparatie cu
1 , 2 , . . . , k obtinem o aproximare Ak a imaginii a imaginii A. Aceasta este o modalitate de
comprimare a imaginii n scopul stocarii sau transmiterii ei pe un canal de comunicatie. Adica
n locul transmiterii vectorilor u1 , u2 , . . . , ur , v1 , v2 , . . . , vr si respectiv a valorilor singulare
1 , 2 , . . . , r se transmit doar vectorii u1 , . . . , uk , v1 , . . . , vk si valorile singulare 1 , 2 , . . . , k ,
k << r.
Descompunerea trunchiata, Ak , a unei imagini filtreaza o parte din zgomotul continut n
imagine fara a pierde o informatie semnificativa din A.
Ca exemplu aveti n IPython Notebook-ul asociat cursului, imaginea color a lui Mister Bean.
12.5 Contructia matricilor U, V, din descompunerea SVD

Constructia matricii V:
Matricea AT A fiind o matrice de tip n n, simetrica si semipozitiv definita, are n valori
proprii 1 2 n 0. Construind cate o baza ortonormata n fiecare subspatiu
propriu si reunind aceste baze obtinem baza ortonormata din Rn formata din vectori proprii
ai matricii AT A, Bn = (v1 , v2 , . . . , vn ). Notam cu V = [v1 |v2 | . . . |vn ] matricea de trecere de
la baza canonica la baza Bn , care evident este matrice ortogonala. Astfel matricea AT A este
similara cu matricea diagonala a valorilor proprii:
AT A = V diag(1 , 2 , . . . , n )V T
Dar cum doua matrici similare au aceelasi rang, rezulta ca rang(diag(1 , . . . , n )=rang(AT A).
Insa rang(AT A)=rang(A)=r. Prin urmare matricea diagonala diag(1 , 2 , . . . , n ) are rangul r
si deci doar primele r valori proprii n ordinea descrescatoare sunt nenule:
1 2 r > 0, si r+1 = = n = 0
Constructia matricii U:
Vectorii proprii ortonormati, v1 , v2 , . . . , vr , corespund la valori proprii nenule: AT A(vi ) =
i vi , i = 1, n. Consideram vectorii din Rm , wi = Avi , i = 1, r. Sa aratam ca sistemul
w1 , w2 , . . . , wr este un sistem ortogonal de vectori:
< wi , wj >=< Avi , Avj >=< vi , (AT A)vj >=< vi , j vj >= j < vi , vj >= j ij
14
Astfel pentru i 6= j, < wi , wj >= j 0 = 0 (deci vectorii sunt ortogonali), iar pentru i = j
avem: < wi , wi >= i ceea ce este echivalent cu kwi k2 = i sau echivalent:
p notatie
kwi k = i = i , i = 1, r
Normand vectorii (w1 , w2 , . . . , wr ) obtinem sistemul ortonormat de r vectori din Rm , (u1 , u2 , . . . , ur )

unde
wi
Avi
wi
ui =
=
, i = 1, r
=
kwi k
i
i
Prin urmare avem urmatoarea relatie ntre vectorii ortonormati v1 , v2 , . . . , vr din Rn si vectorii ortonormati u1 , u2 , . . . , ur din Rm :
Avi = i ui ,
i = 1, r
Vectorii ortonormati (u1, u2 , . . . ur ) i completam la o baza ortonormata

(u1, u2 , . . . , ur , ur+1, . . . , um ) n Rm .
Si anume determinam o baza arbitrara n subspatiul Null(AT ). Deoarece AT are rangul lui
A, adica r, rezulta ca dimensiunea lui este mr . Baza arbitrara t1 , t2 , . . . tmr se ortonormeaza
cu metoda Gramm-Schmidt si obtinem din ea baza ortonormata ur+1, ur+2 , . . . um n Null(AT ).
Baza ortonormata ur+1 , . . . , um, din subspatiul Null(AT ) completeaza sistemul ortonormat
(u1, u2 , . . . , ur ) la o baza ortonormata n Rm ,(u1 , . . . , ur , ur+1, . . . , um).
Notam cu U matricea de trecere dela baza canonica din Rm la baza ortonormata (u1 , u2, . . . , um ).
Matricea U = [u1 |u2 | . . . |um] este matricea ortogonala din descompunerea SVD a matricii A.
Optional: De ce baza ortonormata ur+1 , . . . , um concatenata la sistemul ortogonal de
vectori (u1 , . . . , ur ) conduce la o baza ortonormata n Rm ?
Avand construit sistemul ortonormat de vectori u1 , u2 , . . . , ur , din Rm determinam o baza
arbitrara n complementul ortogonal, S , al subspatiului S=span(u1 , u2 , . . . , ur ), pe care apoi o
ortonormam cu ajutorul procedeului lui Gramm-Schmidt.
Complementul ortogonal S este format din multimea vectorilor di Rm ce sunt simultan
ortogonali pe u1 , u2 , . . . , ur :
S = {w = (y1 , y2 , . . . , ym )T Rm | < w, ui >= 0, i = 1, r}
Dar < ui , w >= 0 este echivalent cu uTi w = 0, i = 1, r, ceea ce nseamna ca coordonatele
vectorilor w sunt solutii ale sistemului omogen:
[u1 |u2| . . . |ur ]T w = 0
sau echivalent:

T
T

1
1
1
1
1
1
Av1 | Av2 | . . . | Avr w = 0 A
v1 | v2 | . . . | vr
w=0
1
2
r
1 2
r
Aplicand relatia (P Q)T = QT P T avem:
T

1
1
1
v1 | v2 | . . . | vr AT w = 0
1 2
r
1
1
1
Notam cu C matricea
v1 | v2 | . . . | vr
1 2
r
T
15
Inmultind la stanga ultima relatie cu C T obtinem:
(C T C)AT w = 0
Matricea C are rangul r si conform Propozitiei 12.3.3 rezulta ca si C T C are rangul r, prin
urmare matricea C T C de tip r r este nesingulara si deci sistemul omogen de matrice C T C
are doar solutia banala, adica din (C T C)AT w = 0 rezulta ca AT w = 0.
Prin urmare,

T
1
1
1
v1 | v2 | . . . | vr AT w = 0 AT w = 0
1 2
r
adica ecuatiile complementului ortogonal S , unde S=span(u1 , u2, . . . , ur ) sunt:
AT w = 0
si deci o baza ortonormata ur+1 , . . . , um , n subspatiul Null(AT ) completeaza sistemul (u1 , u2, . . . , ur )
la o baza (u1, . . . , ur , ur+1 , . . . , um) ortonormata n Rm .
Notam cu U matricea de trecere dela baza canonica din Rm la baza ortonormata (u1 , u2, . . . , um ).
U = [u1 |u2| . . . |um] este matrice ortogonala.
End Optional
Proprietati ale descompunerii singulare
Daca matricea A Rmn de rang r, are descompunerea SVD, A = UV T , U = [u1 |u2 | . . . |um ],
V = [v1 |v2 | . . . |vn ], si valorile singulare sunt i , i = 1, r, atunci urmatoarele proprietati sunt
satisfacute:
1) Avi = i ui , i = 1, r;
2) AT ui = i vi , i = 1, r;
3) Matricea A se descompune ca o combinatie liniara cu coeficientii 1 , 2 , . . . , r a r matrici de acelasi tip, Mi = ui viT , i = 1, r:
A=
r
X
i=1
i (ui viT ) = 1 (u1 v1T ) +2 u2 v2T + + r ur vrT

| {z }
| {z }
| {z }
M1
M2
(12.9)
Mr
Demonstratie: Prima relatie rezulta din definitia vectorilor ui , i = 1, r. A doua:

AT ui = AT (
1
1
1
Avi ) = (AT A)(vi ) = i vi = i vi , pt ca i = i2
i
i
i
Relatia (12.9) este directa.

Etapizarea calculelor pentru determinarea descompuneii singulare a unei matrici
A Rmn
16
se calculeaza produsul M = AT A;
se determina polinomul caracteristic al matricii simetrice semipozitiv definite M = AT A,
Pn () = det(M In ) si i se determina radacinile 1 2 n 0;
se determina cate o baza n fiecare subspatiu propriu al matricii M = AT A, care apoi se
ortonormeaza folosind procedeul Gramm-Schmidt, si reuniunea acestor baze conduce la o baza
ortonormata n Rn , formata din vectori proprii (v1 , v2 , . . . , vn );
se constituie matricea V = [v1 |v2 | . . . |vn ];
se separa vectorii v1 , v2 , . . . , vr ce corespund
respectiv valorilor proprii nenule 1 2
r , se calculeaza valorile singulare i = i , i = 1, r.
1
se determina vectorii ortonormati (u1 , u2 , . . . , ur ) din Rm , prin ui = Avi , i = 1, r.
i
se determina o baza arbitrara n subspatiul Null al matricii AT , rezolvand sistemul liniar
si omogen AT x = 0. Aplicand procedeul Gramm-Schmidt se ortonormeaza baza determinata
obtinand astfel m-r vectori ortonormati, ur+1, . . . , um (deoarece dimensiunea lui Null(AT ) este
egala m r adica cu numarul m de coloane ale matricii minus rang(AT )=rang(A)=r);
se constituie matricea U = [u1 |u2 | . . . |um ];
Se scrie descompunerea SVD: A = UV T , tinand seama ca matricea are aceleasi
dimensiuni ca si A, adica este de tip m n.
Exemplul 6. Sa se determine descompunearea singulara a matricii:
1 1
A= 0 1
1 0
Calculam
T
M =A A=
2 1
1 2
P2 () = (2 )2 1 si 1 = 3, 2 = 1 (le-am ordonat descrescator).

Determinam cate o baza n fiecare subspatiu propriu:
S=3 = {v = (1, 1)T , R}, B1 = ((1, 1)T )
S=1 = {v = (1, 1)T , R}, B2 = ((1, 1)T )
Vectorii celor doua baze sunt ortogonali pentru ca corespund la valori proprii distincte ale unei
matrici simetrice (AT A). Ii normam si obtinem baza ortonormata n R2 :
B = (v1 = ( 2/2, 2/2)T , v2 = ( 2/2, 2/2)T ))

si matricea

2
2
2
2
V = [v1 |v2 ] =
2
2
2
2
Calculam valorile singulare: 1 =
3, 2 =
17
1 = 1.
1
Determinam coordonatele vectorilor ui = Avi , i = 1, 2, unde 2 este rangul matricii
i
AT A:

6/3
1 1
1
2/2
= 6/6
u1 = 0 1
2/2
3 1 0
6/6

0
1 1
2/2 = 2/2
u2 = 0 1
2/2
1 0
2/2
Completam sistemul ortonormat (u1 , u2 ) la o baza ortonormata n R3 . Teoretic ar trebui
sa determinam o baza n subspatiul solutiilor sistemului AT x = 0, adica:

x1

1 0 1
0
x2 =
1 1 0
0
x3
Notand x2 = avem:
Null(AT ) = {v = (1, 1, 1)T , R}
si deci u3 = (1, 1, 1)T / 3.

In acest caz special am fi putut determina pe u3 = u1 u2 .
matricea U este:

6
3
0
3
3
6
2
3
U = [u1 |u2|u3 ] =
6 2
3
6
2
3
6
2
3
Descompunerea SVD a matricii A este:

6
3
0
2 2

3
3

3 0
3
2
A= 6 2
0 1 2
6
2
2
2
3
0 0
6
2
3
2
2
6
2
3
Cursul 13
Geometria diferential
a a curbelor
Geometria diferentala studiaza curbe si suprafete ale caror ecuatii sunt definite de
functii diferentiabile.
13.1
Modalit
ati de reprezentare a curbelor plane
In prima parte a cursului definim curbe plane diferentiabile. O curba plana diferentiabila
poate fi data prin mai multe modalitati.
1. Curbe grafic. Cele mai simple curbe diferentiabile sunt graficele functiilor f :
I R R, derivabile pe un interval I din R.
y
m = f 0 (x0 )
Gf
(x, f (x))
x0 O
Fig.13.1: Curb
a plana ce este graficul unei functii reale.
Graficul unei astfel de functii este multimea punctelor de coordonate (x, y):
Gf = {M (x, y) | y = f (x)}
cu proprietatea ca y este valoarea functiei n x (Fig.13.1).
Indicam o astfel de curba prin:
: y = f (x), x I
1
(13.1)
si spunem ca este data prin ecuatia explicit

a.
Panta tangentei la grafic n punctul de coordonate(x0 , f (x0 )) este m = f 0 (x0 ).
2. Curbe plane date prin ecuatia implicit
a
Nu orice curba plana este grafic de functie. De exemplu, cercul cu centrul n origine
si de raza r nu este grafic de functie.
Definitia 13.1.1 O curba plana diferentiabila, , data implicit sau prin ecuatia implicit
a
este multimea punctelor din plan de coordonate (x, y) care anuleaza o functie F :
R2 R, ce este de clasa C r , r 1, pe domeniul :
= {(x, y) | F (x, y) = 0}
(13.2)
Ca si n cazul curbelor date explicit ne intereseaza ecuatia tangentei ntr-un punct al

curbei.
Pentru a determina panta tangentei ntr-un punct M (x0 , y0 ) al curbei de ecuatie
F (x, y) = 0, aplicam teorema functiilor implicite ecuatiei F (x, y) = 0, teorema care
afirma ca:
Daca F : R2 R este o functie de clasa C 1 pe si n plus:
1) F (x0 , y0 ) = 0;
F
(x0 , y0 ) 6= 0;
2)
y
atunci exista o vecinatate Vx0 a lui x0 , o vecinatate Vy0 a lui y0 si o functie y : Vx0 Vy0 ,
astfel ncat:
a) y(x0 ) = y0 ;
b) F (x, y(x)) = 0, x Vx0 ;
c) functia y este derivabila si derivata ei n x0 este:
F
(x0 , y0 )
y 0 (x0 ) = x
F
(x0 , y0 )
y
(13.3)
Pentru a ntelege interpretarea geometrica a acestei teoreme luam ca exemplu functia

F (x, y) = x2 + y 2 r2 , ce defineste ecuatia cercului cu centrul n origine si de raza r:
x2 + y 2 r2 = 0.
Derivatele partiale ale lui F sunt F/x = 2x, F/y = 2y. Derivata F/y se
anuleaza n (r, 0) si (r, 0). Astfel teorema functiilor implicite afirma, n acest caz, ca
pentru orice punct M (x0 , y0 ) al cercului (conditia 1, F (x0 , y0 ) = 0, ne asigura ca punctul
este pe curba), cu exceptia celor doua puncte de intersectie cu axa Ox, n care F/y se
anuleaza, exista o vecinatate a lui x0 (intervalul rosu de pe axa Ox) o vecinatate a lui y0
(intervalul rosu de pe Oy) si o functie y ntre cele doua intervale astfel ncat:
F (x, y(x)) = 0, x Vx0 , adica graficul functiei y este un subarc al cercului (arcul
rosu de pe cerc), ce contine punctul M. Graficul consta din punctele (x, y(x)), x Vx0 ,
iar faptul ca F (x, y(x)) = 0, ilustreaza ca punctele (x, y(x)) apartin cercului.
Cursul 13, Algebr

a liniar
a, E. Petrisor, decembrie 2014
y0
M (x0 , y0 )
x0
Fig.13.2: Interpretarea geometrica a teoremei functiilor implicite
tangenta la graficul functiei y (deci automat si tangenta la curba de ecuatie F (x, y) =

0), n punctul M (x0 , y0 ) are panta:
F
(x0 , y0 )
m = y 0 (x0 ) = x
F
(x0 , y0 )
y
Cu alte cuvinte, ecuatia F (x, y) = 0 defineste ntr-o vecinatate a lui M , pe y ca functie
de x, care s-ar obtine rezolvand ecuatia n raport cu y. Astfel panta tangentei la curba
definita implicit coincide cu panta tangentei la graficul lui y.
In concluzie: Panta tangentei la o curb
a de ecuatie F(x, y) = 0 ntr-un
punct M(x0 , y0 ) n care derivata partial
a a functiei F n raport cu y, F/y,
este nenul
a este:
F
(x0 , y0 )
m = x
F
(x0 , y0 )
y
iar ecuatia tangentei n punctul M este:
F
(x0 , y0 )
y y0 = x
(x x0 ) = 0
F
(x0 , y0 )
y
F
F
(x0 , y0 )(x x0 ) +
(x0 , y0 )(y y0 ) = 0
x
x
(13.4)
Normala la o curb
a definit
a implicit.
Perpendiculara pe tangenta la o curb

a plan
a n punctul de tangent
a se
numeste normala curbei n acel punct.
Deoarece doua drepte din plan, ce au pantele m, m0 , sunt perpendiculare daca mm0 =
1 (clasa a XI), rezulta ca daca n punctul M (x0 , y0 ) al curbei : F (x, y) = 0, derivatele
partiale ale functiei F sunt nenule, atunci panta normalei n punctul M la curba este:
F
(x0 , y0 )
1
y
m0 =
=
F
panta tangentei
(x0 , y0 )
x
si astfel ecuatia normalei n M este:
F
(x0 , y0 )
y
y y0 =
(x x0 )
F
(x0 , y0 )
x
T
inand seama ca daca panta unei drepte este m atunci vectorul ei director este d =
(1, m)T , rezulta ca vectorul director al normalei ntr-un punct M (x0 , y0 ) al curbei de
ecuatie F (x, y) = 0, este:
F
(x0 , y0 )
F
F
y
(x0 , y0 ),
(x0 , y0 ))T
N = (1,
)T k (
F
x
x
(x0 , y0 )
x
Deci vectorul normal curbei n punctul M este:
N =
F
F
(x0 , y0 ),
(x0 , y0 )
x
x
T
= grad(F )(x0 , y0 ),
adica gradientul functiei F n punctul M .

Exemplul 1. Sa se determine ecuatia tangentei n punctul de intersectie al curbei de
ecuatie F (x, y) = x3 + y 3 3xy = 0 cu prima bisectoare si vectorul normal curbei ntr-un
punct arbitrar.
Rezolvare: Prima bisectoare are ecuatia y = x deci punctul ei de intersectie cu curba
are abscisa solutie a ecuatiei F (x, x) = 0, adica, 2x3 3x2 = 0. Solutiile ecuatiei sunt
x1,2 = 0 si x3 = 3/2. Prin urmare curba intersecteaza prima bisectoare n origine O(0, 0)
si n punctul M (3/2, 3/2).
Pentru a determina panta tangentei n aceste puncte calculam derivatele partiale ale
functiei F (x, y) = x3 + y 3 3xy:
F/x = 3x2 3y, F/y = 3y 2 3x
Cursul 13, Algebr

a liniar
F
F
(0, 0) = 0 si
(0, 0) = 0 panta tangentei n origine este nedeterminata
x
y
deoarece avem 0/0.
Un punct al curbei de ecuatie F (x, y) = 0, n care ambele derivate partiale se anuleaza
se numeste punct singular. Deci originea este punct singular pentru curba data.
Panta tangentei n punctul M (3/2, 3/2) este 1 deci ecuatia tangentei n M este:
Deoarece
3
3
= (x )
2
2
Vectorul normal curbei ntr-un punct arbitrar este vectorul:
N = (3x2 3y, 3y 2 3x)T
Observam totusi ca n origine N este vectorul nul, adica normala nu are o directie, tocmai
pentru ca tangenta este nedefinita n acest punct.
2. Curbe plane si n spatiu date parametric
In computer graphics se lucreaza preponderent cu curbe date parametric.
Definitia 13.1.2 O curba din plan sau spatiu ce este imaginea unui interval I, printr-o
aplicatie r : I R Rn (n=2,3), de clasa C k pe I, k 1, r(t) = (x(t), y(t), |z(t)), se
numeste curba diferentiabila data parametric. Notam = im(r) pentru a indica, c
a
este o curba parametrizata de r.
O curba data parametric este interpretata ca si traiectoria unui punct mobil (x(t), y(t), |z(t))
a carui miscare are loc n intervalul de timp I.
A(x(a), y(a))
b
t
(x(t), y(t))
B(x(b), y(b))
Fig.13.3: Interpretarea fizic

a a unei curbei date parametric: curba este traiectoria punctului
mobil (rosu) In intervalul de timp [a, b]. Dand un singur click cu mouse-ul pe butonul B din
widget-ul asociat figurii, este animata micarea continua n sens direct, de la A spre B, iar pe
C , miscarea n sens opus, de la B spre A. Clickand succesiv pe > , respectiv < , este simulat
a
misarea discret
a (pas cu pas) n sens direct, respectiv opus. Oprirea animatiei se realizeaza d
and
click pe | < .
Orice curb
a dat
a ca grafic de functie, adic
a de ecuatie y = f (x), x I, se
parametrizeaz
a prin r : I R2 , r(t) = (x(t), y(t)) unde :
x(t) = t
y(t) = f (t)
M (R cos t, R sin t)
R
t
O
Fig.13.4: Cerc cu centrul In origine si de raza R
Exemplul 2. Curba y = 2 sin x cos x, x (0, 2) se redefineste ca o curba data

parametric prin:
x(t) = t
t (0, 2)
y(t) = 2 sin t cos t,
Exemplul 3. Parametrizarea cecului. Cercul cu centrul n origine si de raza R are

ecuatia implicita F (x, y) = x2 + y 2 R2 = 0. Fie M (x, y) un punct arbitrar pe cerc, A
punctul de intersectie al axei Ox cu cercul si M 0 proiectia ortogonala a lui M pe Ox (Fig.
\
13.4). Notam cu t masura n radiani a unghiului M
OM 0 . Din triunghiul dreptunghic
4OM 0 M rezulta ca:
x = R cos t
y = R sin t
Deci o parametrizare a cercului complet este r : [0, 2) R2 , r(t) = (R cos t, R sin t).
Punctul A corespunde parametrului t = 0.
Parametrizarea semicercului x2 + y 2 R2 = 0, y 0 este r : [, 2] R2 , r(t) =
(R cos t, R sin t). In concluzie cercul complet si un subarc al sau au parametrizari cu
aceeasi expresie analitica, doar parametrul t parcurge intervale diferite.
Cursul 13, Algebr

a liniar
Problem
a. Deduceti parametrizarea cercului cu centrul ntr-un punct C(a, b) si de raza
R. (sugestie: efectuati o translatie a sistemului de axe cu originea n centrul cercului,
aflati parametrizarea n noul sistem de axe si apoi o exprimati relativ la sistemul initial).
Exemplul 4. Parametrizarea elipsei de ecuatie:
x2 y 2
+ 2 1=0
a2
b
(13.5)
Presupunem ca a > b si asociem elipsei date cercul cu centrul n origine si de raza a

(Fig.13.5).
M (a cos t, a sin t)
t
O
P (a cos t, y)
M
Fig.13.5: Elipsa si cerc de raza egala cu semiaxa mare a elipsei.
Stabilim o corespondenta bijectiva ntre multimea punctelor de pe cerc si multimea

punctelor de pe elipsa. si anume unui punct M (a cos t, a sin t) de pe cerc i asociem
punctul P de pe elipsa, care este intersectia perpendicularei din M pe axa Ox, cu elipsa.
Evident punctul P are aceeasi abscisa ca si M , iar ordonata este deocamdata necunoscuta:
P (a cos t, y). Impunem conditia ca coordonatele punctului P sa verifice ecuatia (13.5):
a2 cos2 t y 2
+ 2 1=0
a2
b
de unde rezulta y = b sin t. Prin urmare parametrizarea elipsei complete este:
r : [0, 2] R2 , r(t) = (a cos t, b sin t)
Exemplul 5. Spirala cilindric

a (Fig.13.6) este o curba n spatiu ce este descrisa de un
punct ce are miscare circulara n x si y si o miscare liniara cu viteza constanta n directia
lui Oz. Parametrizarea spiralei este:
x(t) = a cos t
y(t) = a sin t,
z(t) = bt,
t [0, 2n]
unde a, b sunt constante pozitive (a descrie raza miscarii circulare, iar b pasul de naltare
pe directia lui Oz, cand n miscarea circulara parcurge un radian),iar n este un numar
natural ce indica numarul de spire.
z
Fig.13.6: Spirala cu trei spire.
13.2
Tangenta la o curb
a diferentiabil
a dat
a parammetric. Triedrul
lui Frenet
Consideram o curba din plan sau spatiu, parametrizata de aplicatia de clasa C 1 ,

r : (a, b) Rn , n = 2, 3, r(t) = (x(t), y(t)|, z(t)). Pentru simplitate determinam directia
tangentei ntr-un punct al curbei, n cazul n = 2, aplicarea aceleasi metode pentru n = 3
fiind evidenta.
Fixam deci un punct M0 (x(t0 ), y(t0 )) si un punct M (x(t0 + h), y(t0 + h))
apropiat de M0 , h 6= 0. Directia dreptei (M0 M ) este:

x(t0 + h) x(t0 ) y(t0 + h) y(t0

T
d (h) = M0 M = (x(t0 +h)x(t0 ), y(t0 +h)y(t0 ) k
,
h
h
Trecand la limita cand h 0 obtinem:
lim d (h) = (x0 (t0 ), y 0 (t0 ))
h0
Cursul 13, Algebr

a liniar
M0
t0
Fig.13.7: Animarea convergentei secantelor prin M0 , la tangenta n M0 .
Cand h tinde la 0, t0 + h tinde la t0 si deci punctul M tinde pe curba la punctul M0 , iar

secanta (M0 M ) tinde la tangenta n M0 la curba (vezi animatia din Fig.13.7).
In concluzie, Vectorul tangent n punctul M0 (x(t0 ), y(t0 )|, z(t0 )) la curba =
im(r) este vectorul notat r (t0 ) unde
r (t0 ) = (x0 (t0 ), y0 (t0 )|, z0 (t0 ))T
Vectorul r (t0 ) = (x0 (t0 ), y 0 (t0 )|, z 0 (t0 ))T asociat curbei n punctul M0 (x(t0 ), y(t0 )|, z(t0 ))
reprezinta din punct de vedere fizic, vectorul vitez
a la momentul t0 a punctului mobil
ce se misca pe curba .
Daca n plus functia parametrizare r : I Rn (n = 2, 3) este de clasa C 2 pe I, atunci
fiecarui punct M (x(t0 ), y(t0 )|, z(t0 )) i se asociaza vectorul acceleratie la momentul t =
t0 , notat si definit astfel:
r (t0 ) = (x00 (t0 ), y 00 (t0 )|, z 00 (t0 ))T

Observam ca o parametrizare a unei curbe reprezinta o lege de miscare pe curba (miscare
cu o anumita viteza). Evident ca aceeasi curba (traiectorie) poate fi parcursa cu diferite
legi de miscare (viteze diferite) si prin urmare exista o infinitate de parametrizari ale unei
curbe.
Fiind data curba = im(r), cu r de clasa C k pe [a, b], si : [c, d] [a, b] un
difeomorfism de clasa C k , adica o functie de clasa C k , inversabila si cu inversa de aceeasi
clasa, aplicatia R : [c, d] R3 , definita prin R( ) = r(( )), [c, d], are aceeasi
clasa de diferentiabilitate si aceeasi imagine, deci defineste aceeasi curba (vezi Fig. 13.8).
Functia g se numeste schimbare de parametru.
In noua parametrizare, vectorul viteza este:
R ( ) = r (( ))0 ( )
(13.6)
10
Fig.13.8: Curb
a 3D, parametrizata de r : [a, b] R3 si
reparametrizata de R : [c, d] R3 .
Functia : [c, d] [a, b], numita schimbare de parametru, fiind functie bijectiva ntre
doua intervale, este strict monotona (fie strict crescatoare, fie strict descrescatoare). Daca
este, de exemplu, strict crescatoare, atunci la fel este si 1 .
Doua parametrizari r, R ale unei curbe , astfel ncat R = r ( r = R 1 ), cu
strict crescatoare definesc acelasi sens de parcurs pe curba (n interpretarea cinematica
a curbei ca traiectoria unui punct mobil). Daca schimbarea de parametru este strict
descrescatoare, atunci cele doua parametrizari definesc sensuri opuse de parcurs (fapt
ilustrat si de relatia (13.6) dintre vectorii viteza: fiind strict descrescatoare are derivata
0 ( ) < 0, [c, d]).
Exemplul 6. Fie cercul parametrizat de r : [0, 2] R2 r(t) = (a cos t, a sin t).
Vectorul viteza ntr-un punct arbitrar este r (t) = (a sin t, a cos t) si norma acestuia
este k r (t)k = a,adica cercul este parcurs cu viteza constanta. Luand schimbarea de
parametru : [0, 2] [0, 2], definita prin ( ) = 2 , obtinem o noua parametrizare
a cercului R( ) = r( 2 ) = (a cos 2 , a sin 2 ). Conform acestei legi de miscare pe cerc,
vectorul viteza este R ( ) = (2a sin 2 , 2a cos 2 ), iar norma sa k R ( )k = 2a . Prin

urmare conform celei de-a doua legi, viteza de parcurgere a cercului nu mai este constanta.
Observatia 13.2.1 O parametrizare r : [a, b] Rn , n = 2, 3, defineste un sens de parcurs pe curba = im(r), si anume de la punctul A = r(a) spre B = r(b). Parametrizarea
cea mai simpla care defineste sensul opus de parcurs pe aceeasi curba este:
R : [b, a] Rn ,
R( ) = r( )
Cursul 13, Algebr

a liniar
11
De exemplu, parametrizarea cercului x2 + y 2 = a2 , parcurs n sens trigonometric, este

r : [0, 2] R2 , r(t) = (a cos t, a sin t). O parametrizare, care conduce la o miscare pe
cerc n sensul acelor ceasornicului este: R : [2, 0] R2 ,
R( ) = r( ) = (a cos( ), a sin( )) = (a cos( ), a sin( ))
13.3
Tangenta si normala la o curb

a plan
a dat
a parametric
Avand dedusa directia tangentei la o curba plana data parametric, ecuatia tangentei
n punctul M0 (x(t0 ), y(t0 )) este:
y y(t0 )
x x(t0 )
=
0
x (t0 )
y 0 (t0 )
sau scrisa n forma echivalenta:
y 0 (t0 )
(x x(t0 ))
y y(t0 ) = 0
x (t0 )
obtinem ca panta tangentei n punctul M0 n care x0 (t0 ) 6= 0 este:
m(t0 ) =
y 0 (t0 )
x0 (t0 )
iar daca y 0 (t0 ) 6= 0, panta normalei, respectiv vectorul director al normalei sunt:
m0 (t0 ) =
x0 (t0 )
,
y 0 (t0 )
N (t0 ) = (y 0 (t0 ), x0 (t0 ))T
Subliniem ca pentru vectorul normal N (t0 ) am ales sensul care asigura ca baza ortogonala
( r (t0 ) = (x0 (t0 ), y 0 (t0 ))T , N (t0 ) = (y 0 (t0 ), x0 (t0 ))T ) este pozitiv orientata. Intr-adevar,
0

x (t0 ) y 0 (t0 )
= x02 (t0 ) + y 02 (t0 ) > 0

det([ r (t0 )|, N (t0 )]) = 0
y (t0 )
x0 (t0 )
Perechea formata din punctul M0 si baza ortonormata
B0 =
r (t0 )
(t0 ) =
, n (t0 ) =
k r (t0 )k
N (t0 )
k N (t0 )k
se numeste reperul lui Frenet. Cand punctul M0 se misca pe curba directiile vectorilor
reperului se schimba si n mecanica (studiul miscarii robotilor) reperul (M (t); ( (t),

n (t)))
se numeste reperul mobil al lui Frenet.
12
Fig.13.9: Reperul mobil al lui Frenet asociat unei curbe plane.
13.4
Tangenta la o curb
a n spatiu. Planul normal si reperul
mobil al lui Frenet
Fie o curba n spatiu parametrizata de r : I R3 , r(t) = x(t), y(t), z(t)), r C 2 (I).

Definitia 13.4.1 Curba se numeste curba regulata de ordin 2 daca n fiecare punct al
curbei vectorii asociati r (t), r (t) sunt liniar independenti (adica sunt nenuli si necoliniari).
In aceasta sectiune consideram doar curbe regulate de ordin 2.
Fie M un punct al curbei corespunzator parametrului t = t0 , adica punctul de coordonate (x(t0 ), y(t0 ), z(t0 )). Ecuatiile tangentei n punctul M , la curba, sunt:
x x(t0 )
y y(t0 )
z z(t0 )
=
=
0
0
x (t0 )
y (t0 )
z 0 (t0 )
In cazul curbelor plane am numit normala, dreapta perpendiculara pe tangenta n punctul
de tangenta. Aceasta dreapta este unica pentru ca complementul ortogonal al vectorului
tangent, ca vector din R2 , are dimensiunea 1, deci exista o unica directie perpendiculara pe
tangenta. In spatiu nsa, complementul ortogonal al vectorului tangent este de dimensiune
doi si deci exista o infinitate de vectori perpendiculari pe vectorul tangent (vectori normali)
n punctul de tangenta. Din aceasta infinitate n mecanica se aleg doua directii particulare,
numite directia binormalei si directia normalei principale. Mai precis, se asociaza unui
punct M (x(t0 ), y(t0 ), z(t0 )) un reper ortonormat pozitiv orientat, numit reperul lui Frenet.
Pentru a defini baza reperului lui Frenet construim mai ntai o baza ortogonala (w1 , w2 , w3 )
pe care apoi o normam.
Se ia drept vector w1 , vectorul tangent n M:
w1 = r (t0 )
Cursul 13, Algebr

a liniar
13
Fig.13.10: Animarea reperului mobil al lui Frenet. Cei trei vectori din baza reperului sunt
colorati n rosu (tangenta), verde (normala principala), albastru (binormala.
Vectorul
w3 = r (t0 ) r(t0 )
se numeste vectorul binormal n M , pentru ca este simultan perpendicular si pe vectorul
viteza r (t0 ) si pe vectorul acceleratie r (t0 ).

Pentru ca baza sa fie pozitiv orientata se defineste
w2 = w3 w1 = ( r (t0 ) r(t0 )) r (t0 )

w2 defineste normala principal
a n punctul M (este evident vector normal pentru ca
este perpendicular pe vectorul tangent r (t0 ).
Baza ortonormata se noteaza B 0 = (

(t0 ),
n (t0 ), b (t0 )) = (w10 , w20 , w30 ). Reperul
RF = (M ; (
(t0 ),
n (t0 ), b (t0 )) este reperul lui Frenet asociat curbei n punctul M .
Exact ca si n cazul curbelor plane reperul este mobil (Fig.13.10).
Exemplul 7. Sa se determine reperul lui Frenet asociat punctului M (2, 0, 1) de pe curba
= im(r), r : [0.5, 5] R3 , r(t) = (2t, ln t, t2 ).
Deoarece directiile reperului lui Frenet ntr-un punct se determina pornind de la vectorii
viteza, r (t), si acceleratie, r (t), n acel punct si acesti vectori nu depind de coordonatele carteziene ale punctului, ci de parametrul t corespunzator punctului respectiv,
determinam n prealabil parametrul t astfel ncat r(t) = (2, 0, 1) sau echivalent acel t care
14
satidface simultan conditiile:

2t = 2
ln t = 0
t2 = 1
Evident t = 1 si deci baza reperului lui Frenet n punctul M se calculeaza pornind de la
vectorii r (1), r (1).
13.5
Curbe B
ezier
Aceast
a sectiune este doar pentru cei interesti.
Curbele si suprafetele Bezier sunt obiectele geometrice de baza n modelarea geometrica. Modelarea geometrica este procesul de construire a unei descrieri matematice
(simbolice) a unui obiect fizic sau virtual.
Curbele Bezier s-au nascut n laboratoarele de la Renault si Citroen. Ideea care a
sugerat introducerea acestor curbe este urmatoarea: Daca se da o succesiune de puncte
si cate doua consecutive se unesc printr-un segment, cum se poate genera o curba a carei
forma sa mimeze forma poligonului rezultat din segmentele construite (Fig.13.11)?
Fig.13.11: Un poligon asociat unui sir de puncte ce sugereaza profilul unei capote.
Scopul era de a gasi o modalitate rapida de a genera forme de capote prin design liber,
ce implica mbinarea creativitatii si talentului artistic cu metode riguroase furnizate de
matematica.
Curbele ce au parametrizare polinomiala:
x(t) = a0 + a1 t + + an tn
y(t) = c0 + c1 t + + cn tn
(13.7)
sunt cele mai potrivite pentru a fi generate printr-un program, pentru ca evaluarea
functiilor polinomiale implica calculele cele mai simple si deci se reduce cumularea erorilor.
Curbele parametrizate polinomial se numesc curbe polinomiale.
Exemplul 8. Curba parametrizata prin:
x(t) = 2 + t + 7t2 5t3
y(t) = 3 4t + 7t2 + t3
Cursul 13, Algebr

a liniar
15
este exemplu de curba plana parametrizata polinomial.

Prima ncercare de a rezolva problema formulata mai sus a fost urmatoarea: sa se
asocieze parametrizarii polinomiale (13.7) punctele Ai de coordonate (ai , ci ), i = 0, n.
Astfel parametrizarea polinomiala s-ar scrie formal astfel:
r(t) = (x(t), y(t)) = A0 + A1 t + + An tn , t I R
Cum interpretam aceasta relatie? Pentru fiecare t, pozitia unui punct pe curba se
obtine nmultind coordonatele punctelor Ak cu scalarul tk si apoi se aduna punctele
rezultate.
Incercand sa caracterizeze geometria curbei parametrizata polinomial cu ajutorul punctelor
asociate, Ai , i = 0, n nu s-a obtinut nici o informatie relevanta. Adica daca se muta pozitia
unui punct nu se poate prevedea modul de schimbare a formei curbei.
Pe de alta parte n geometrie nu are nici un sens geometric o combinatie liniara de
puncte, adica operatia 2A0 3A1 + 11A3 . Ori n scrierea parametrizarii polinomiale a
curbei, A0 + A1 t + + An tn , avem exact o astfel de operatie nepermisa.
Pentru a remedia acest inconvenient, Bezier a exploatat apoi faptul ca o combinatie
convexa de puncte din En (n=2,3) are sens si anume, reprezinta un punct. Mai precis, o
combinatie convexa1 a punctelor A0 , A1 , . . . , An este de forma:
0 A0 + 1 A1 + + n An ,
unde i [0, 1], si 0 + 1 + + n = 1
(13.8)
Sa aratam ca o combinatie convexa reprezinta un punct. Intr-adevar, din relatia

0 + 1 + + n = 1 exprimam pe 0 = 1 (1 + 2 + + n ), l nlocuim n (13.8)
si obtinem:
A0 +1 (A1 A0 )+2 (A2 A0 )+ +n (An A0 ) = A0 + 1 A0 A1 + 2 A0 A2 + + n A0 An := P

{z
}
|{z} |
punct
vector
De aceea Bezier a avut ideea de a folosi pentru parametrizarea polinomiala a curbei,

nu baza canonica (1, t, . . . , tn ) din spatiul functiilor polinomiale de grad cel mult n, ci baza
Bernstein, Bkn (t) = Cnk tk (1 t)nk , k = 0, n. Pentru t [0, 1], fiecare polinom Bernstein
ia valori n intervalul [0, 1], si suma celor n + 1 polinoame este 1, deoarece:
n
1 = (t + (1 t)) =
n
X
k=0
Cnk tk (1
t)
nk
n
X
Bkn (t)
k=0
Prin urmare spre deosebire de polinoamele 1, t, . . . , tn , polinoamele Bernstein pot fi folosite

ca coeficienti ntr-o combinatie convexa de puncte.
Astfel Bezier a definit parametrizarea curbelor ce-i poarta numele, n felul urmator:
1
Notiunea de combinatie convex
a de puncte este o notiune de baza n Computational geometry, http:
//en.wikipedia.org/wiki/Computational_geometry
16
Definitia 13.5.1 Fie (b0 , b1 , . . . bn ) o multime ordonata de puncte din En , n = 2, 3,

numite puncte de control. O curba Bezier de puncte de control b0 , b1 , . . . , bn este o curb
a
parametrizata de aplicatia:
b : [0, 1] Rn , n = 2, 3,
adica
b(t) = b0 B0n (t) + b1 B1n (t) + + bn Bnn (t)
x(t) = x(b0 )B0n (t) + x(b1 )B1n (t) + + x(bn )Bnn (t)
y(t) = y(b0 )B0n (t) + y(b1 )B1n (t) + + y(bn )Bnn (t)|
b(t) =
z(t) = z(b0 )B0n (t) + z(b1 )B1n (t) + + z(bn )Bnn (t),
unde x(bk ) reprezinta abscisa punctului bk , etc

Prin urmare o curba Bezier este o curba data printr-o parametrizare polinomiala, dar
functiile polinomiale ce definesc parametrizarea nu sunt exprimate clasic, ci n baza Bernstein.
Deoarece polinoamele Bernstein iau valori mai mari sau egale cu zero si suma tuturor
polinoamelor Bernstein de acelasi grad este 1, t [0, 1], rezulta ca un punct, b(t), al
curbei Bezier este o combinatie convexa a punctelor de control.
Exemplul 9. Sa determinam parametrizarea curbei Bezier de puncte de control: b0 =
(2, 1), b1 = (4, 5), b2 = (7, 6), b3 = (9, 1)
Curba Bezier are parametrizarea:
b(t) = (2, 1)B03 (t) + (4, 5)B13 (t) + (7, 6)B23 (t) + (9, 1)B33 (t)
adica fiecare punct de pe curba (corespunzator fiecarui parametru t [0, 1]) este o
combinatie convexa a punctelor de control, cu coeficientii 0 = B03 (t), 1 = B13 (t), 2 =
B23 (t), 3 = Bn3 (t).
Mai precis:

x(t) = 2B03 (t) + 4B13 (t) + 7B23 (t) + 9B33 (t)
b(t) =
t [0, 1]
y(t) = B03 (t) + 5B13 (t) + 6B23 (t) + B33 (t)
Propriet
ati ale curbelor B
ezier
1. Gradul unei curbe Bezier este mai mic cu o unitate decat numarul punctelor sale
de control. Astfel o curba Bezier de grad 1 este generata de doua puncte de control b0 , b1 ,
b(t) = b0 B01 (t) + b1 B11 (t) = (1 t)b0 + tb1 = b0 + tb0 b1 , si este segmentul determinat
de cele doua puncte.
2. O curba Bezier interpoleaza extremitatile poligonului sau de control (adica trece
sigur prin b0 si bn , dar nu si prin punctele intermediare), deoarece b(0) = b0 si b(1) = b1 .
3.
13.6. Reprezentarea procedural

a a curbelor Bezier. Algoritmul de Casteljau
17
b1
b0
b2
Fig.13.12: Arc de parabola definit ca o curba Bezier de grad 2.
O curba Bezier ale carei puncte de control sunt coplanare (apartin aceluiasi plan) este
o curba plana, n sensul ca toate punctele curbei apartin aceluiasi plan. In particular
curba generata de trei puncte de control este un arc de parabola. (Fig.13.12).
4. O curba Bezier imita forma poligonului de control (Fig.13.13).
5. Tangenetele n extremitatile arcului de curba Bezier au directiile b0 b1 , respectiv
bn1 bn :
b (0) = nb0 b1 , b (1) = nbn1 bn

La ora actual
a curbele Bezier nu se folosesc doar n industria producatoare de automobile, ci s-a extins
n foarte multe domenii. Fonturile sunt create din arce de curbe Bezier. Designul logo-urilor se bazeaz
a
pe curbe Bezier. In Adobe Illustrator curbele Bezier sunt folosite de Path tool. In Adobe Shockwave se
folosesc ca un instrument de a controla animatia. Curbele Bezier stau la baza graficii vectoriale.
13.6
Reprezentarea procedural
a a curbelor B
ezier. Algoritmul
de Casteljau
Spre deosebire de Bezier care a definit curbele ce-i poarta numele printr-o parametrizare,
Pnde Casteljau
a dat o definitie procedural
a acestor curbe. Mai precis n cazul parametrizarii b(t) = k=0 bk Bkn (t),
pentru a calcula un punct pe curb
a corespunzator parametrului t, trebuie evaluata aplicatia parametrizare
n t. Definitia procedural
a presupune calculul unui punct corespunzator unui parametru t [0, 1], pe
curba de puncte de control b0 , b1 , . . . , bn , pe baza unui algoritm ce consta ntr-o formula recursiva.
Pentru a descrie algoritmul de Casteljau, numit si schema de Casteljau, fixam cateva notiuni elementare de geometrie analitic
a pe care se bazeaza definitia procedurala.
Dac
a A, B sunt dou
a puncte n plan sau spatiu, o combinatie convexa a lor este un punct M =
1 A + 2 B, i [0, 1], 1 + 2 = 1. Notand 2 = t, rezulta ca 1 = 1 t si deci punctul M se exprim
a
18
b3
b2
b4
b1
b0
b5
b6
b7
Fig.13.13: Curb
a Bezier definita de 8 puncte de control.
ca o combinatie convex
a a lui A si B astfel:
M = (1 t)A + tB, t [01]
Propozitia 13.6.1 Dac

a M este o combinatie convex
a a punctelor A, B, atunci M apartine segmentului
[A, B] = {P | P = A + sAB, s [0, 1]} si reciproc, dac

a un punct M apartine segmentului [A, B] atunci
exist
a t [0, 1], astfel nc
at M = (1 t)A + tB.
Demonstratie: Demonstr
am afirmatia directa si reciproca simultan, printr-un sir de echivalente:
M = (1 t)A + tB M = A + t(B A) M = A + tAB
Definitia 13.6.1 Un punct al segmentului [A, B], M 6= B, mparte segmentul [A, B] n raportul r dac
a
AM = rM B.
Propozitia 13.6.2 Un punct M 6= B al segmentului [A, B], M = (1 t)A + tB, mparte segmentul
t
t
n raportul
si reciproc, dac
a M mparte segmentul [A, B] n raportul
, t 6= 1, atunci M =
1t
1t
(1 t)A + tB.
Demonstratie: Demonst
am ambele p
arti printr-un sir de echivalente:

M = (1 t)A + tB M = A + tAB AM = t(AM + M B)
t
(1 t)AM = tM B AM =
MB
1t
Cursul 13, Algebr

a liniar
19
Pornind de la aceast
a proprietate explic
am mai ntai schema lui de Casteljau pentru cazul curbei definit
a
de 3 puncte de control b0 , b1 , b2 . Acestea fiind punctele date se renoteaza b00 , b01 , b02 , indicele 0 din
pozitia de sus indic
and etapa 0 a procedurii.
t
(Fig.13.14).
Fix
and un parametru t [0, 1), acesta mparte segmentul [0, 1) n raportul
1t
In etapa 1 se determin
a pe fiecare segment determinat de doua puncte de control consecutive,
t
punctul ce mparte segmentul respectiv n acelasi raport
:
1t
b10
b11
b20
= (1 t)b00 + tb01
= (1 t)b01 + tb02
(13.9)
pe segmentul determinat de cele doua puncte calculate n etapa precedenta se determina punctul
t
ce mparte segmentul [b10 , b11 ] n raportul
:
1t
b20 = (1 t)b10 + tb11
(13.10)
b01
b11
b10
b20
b00
b02
0
Fig.13.14: Ilustrarea schemei de Casteljau pentru calculul unui punct pe curba Bezier definit
a
de trei puncte de control si parametrul t = 0.35.
Inlocuind punctele din (13.9) n (13.10) obtinem:

b20 = (1 t)[(1 t)b00 + tb01 ] + t[(1 t)b01 + tb02 ] = (1 t)2 b00 + 2t(1 t) b01 + |{z}
t2 b02 = b(t), (13.11)
| {z }
| {z }
B02 (t)
B12 (t)
B22 (t)
parametrizarea curbei dat

a de Bezier n
baza Bernstein.
Remarc
am c
a n fiecare etap
a a schemei de Casteljau, numarul punctelor calculate se reduce cu o
unitate fat
a de etapa precedent
a si n ultima etapa rezulta punctul de pe curba Bezier corespunz
ator
parametrului t. Generaliz
and la cazul unei curbe definite de un numar arbitrar de puncte de control
20
b02
b11
b21
b01
b20
b12
b30
b10
b03
b00
Fig.13.15: Ilustrarea punctelor calculate de algoritmul de Casteljau pe baza a patru puncte de
control si a parametrului t [0, 1], fixat.
b0 , b1 , . . . , bn , dup
a n etape a schemei de Casteljau aplicata dupa acelasi principiu, folosind un parametru
t [0, 1], se obtine un punct pe curba Bezier corespunzator acestui parametru.
Punctele de control calculate n etapele intermediare se pot afisa ntr-o matrice triunghiular
a de
puncte. S
i anume punctele de control sunt puncte date, deci corespund etapei 0 a procedurii recursive si
le ad
aug
am indicele 0 n pozitia de sus:
b00
b01
b02
..
.
b10
b11
b12
..
.
b20
b21
b22
..
.
b0n2
b0n1
b0n
b1n2
b1n1
b2n2
bn1
0
bn1
1
bn0
(13.12)
Punctele din coloana r corespund etapei r a schemei recursive, r = 1, n. Succint, schema de Casteljau se
exprim
a prin:
bri (t) = (1 t) br1
(t) + t br1
i
i+1 (t), r = 1, n, i = 0, n r,
(13.13)
adic
a punctul i din etapa r este o combinatie convexa a punctelor i si i + 1 din etapa r 1:
br1
i
br1
i+1
1t
bri
Desi la prima vedere s-ar p

area c
a pentru implementarea schemei de Casteljau avem nevoie de o matrice
triunghiular
a de puncte, n realitate este suficient un sir auxiliar de puncte (a0 , a1 , . . . an ), n care la
fiecare apel al schemei de Casteljau se copiaza punctele de control (b0 , b1 , . . . bn , ai = bi , i = 0, 1, . . . n.
In etapa 1, de exemplu, calcul
am (1 t)a0 + ta1 si pentru ca punctul a0 nu va mai fi folosit n aceast
a
etap
a, atribuim (1 t)a0 + ta1 a0 , etc. In fiecare etapa r a schemei de Casteljau primele punctele
Cursul 13, Algebr

a liniar
21
a0 , a1 , . . . , anr si modific
a continutul:
Etapa 0
a0
a1
a2
..
.
Etapa 1
a0
a1
a2
..
.
an2
an1
an
an2
an1
Etapa 2
a0
a1
a2
..
.
Etapa n 1
a0
a1
Etapa n
a0
(13.14)
an2
In etapa n punctul a0 contine punctul curbei Bezier corespunzator parametrului t.

Pseudocodul pentru schema de Casteljau:
1:
2:
3:
4:
5:
6:
7:
8:
9:
10:
11:
function deCasteljau(n, b0 , b1 , . . . , bn , t)
for i = 0 : n
ai bi ;
end for
for r = 1 : n
for i = 0 : n r
ai (1 t) ai + t ai+1 ;
end for
end for
return a0 ;
end function
. se atribuie coordonatele punctelor
. calculele se fac pe coordonate
In procesul iterativ al schemei de Casteljau, de evaluare a unui punct b(t), de pe curba Bezier definit
a
de punctele de control b0 , b1 , . . . , bn , se determina practic si directia tangentei la curba n acel punct.
S
i anume se poate demonstra c
a vectorul tangent la curba B
ezier n punctul corespunz
ator
parametrului t [0, 1] este:
b (t) = n(bn1 (t) bn1 (t)) = nbn1 (t)bn1 (t),

1
(13.15)
unde bn1
(t), bn1
(t) sunt punctele calculate n penultima etapa (etapa n 1 ) a schemei de Casteljau.
1
0
Pseudocodul pentru calculul directiei vectorului tangent n b(t):
In Fig.13.16 este animat
a procedura de generare a unui punct pe o curba Bezier definita de 4 puncte
de control, iar n Fig.13.17 procedura de generare a 21 de puncte pe aceeasi curba.
Pentru a discretiza o curb
a Bezier se divizeaza intervalul [0, 1] prin puncte echidistante. Fix
and
num
arul N de subintervale egale ale intervalului [0, 1], pasul de divizare este h = 1.0/N , iar punctele de
diviziune sunt tj = j h, j = 0, 1, 2, . . . , N .
Pentru fiecare parametru tj , j = 0, 1, . . . N , se apeleaza schema (functia) de Casteljau, obtinand astfel
punctele pj , de pe curb
a.
22
1:
2:
3:
4:
5:
6:
7:
8:
9:
10:
11:
12:
function TangentaBezier(n, b0 , b1 , . . . , bn , t)
for i = 0 : n
ai bi ;
end for
for r = 1 : n 1
for i = 0 : n r
ai (1 t) ai + t ai+1 ;
end for
end for
v a1 a0 ;
return v;
end function
Fig.13.16: Ilustrarea animat

a a etapelor de calcul a punctelor din figura (Fig.13.15)precedent
a.
Dati 4 click-uri succesive pe butonul > din widget.
Cursul 13, Algebr

a liniar
23
Fig.13.17: Ilustrarea animat

a a punctelor si poligoanelor de control intermediare, calculate de
schema de Casteljau pentru a determina 21 de puncte pe curba Bezier din din figura precedent
a.
Dati click pe butonul B al widget-ului.
Cursul 14
Elemente de geometrie diferentiala a suprafetelor
14.1
Reprezentarea analitica a suprafetelor
14.1.1
Suprafete date explicit
O suprafata diferentiabila data explicit este graficul unei functii diferentiabile definita pe un
domeniu compact D R2 , f : D R, f de clasa C 1 pe D (Fig.14.1).
Graficul functiei f este multimea punctelor din spatiu de coordonate (x, y, z), unde z este
valoarea functiei n (x, y) D:
Gf = {(x, y, z) | z = f (x, y), (x, y) D}
Ecuatia:
z = f (x, y), (x, y) D
(14.1)
se numeste ecuatie explicita.

Exemplul 1. Paraboloidul circular drept (Fig.14.2-recunoasteti antena parabolica) are ecuatia
z = x2 + y 2 , z [0, h]. Fara restrictia z [0, h] paraboloidul este o suprafata nemarginita.
Intersect
and paraboloidul cu plane paralele cu xOy, de ecuatie z = c [0, h], obtinem cercuri
de raze c situate n aceste plane:
2
x + y2 = c
z=c
Cercul de raza h are raza maxima. Prin urmare paraboloidul

iei f :
D
este graficul funct
2
2
2
R R, unde D este discul cu centrul n origine si de raza h: D = {(x, y) | x + y h}.
Paraboloidul de ecuatie z = x2 + y 2 este un caz particular al paraboloidului z = p(x2 + y 2 ),
p 6= 0. Paraboloizi corespunzatori la diferite valori ale lui p sunt ilustrati n Fig.14.3: In Fig.14.1
avem graficul unui paraboloid translatat pe directia lui Oz, adica de ecuatie z = 2 + x2 + y 2 .
14.1.2
Suprafete diferentiabile date implicit
O suprafata diferentiabila data implicit este definita de o functie F : R3 R, de clasa

C pe domeniul , si anume, suprafata este locul geometric al punctelor ce anuleaza functia F :
1
S = {(x, y, z) | F (x, y, z) = 0}
1
Cursul 14, Algebra liniara, E. Petrisor, ianuarie 2015
(x, y, f (x, y))
(x, y)
x
Fig.14.1: Suprafata grafic.
Fig.14.2: Paraboloidul circular drept de ecuatie z = x2 + y 2 .
z
z
Fig.14.3: Paraboloizi de ecuatii z = 0.3(x2 + y 2 ) (stanga), si respectiv z = (x2 + y 2 ) (dreapta).
Exemplul 2. Sfera cu centrul n origine si de raza R (Fig.14.4, stanga ) :

S : x2 + y 2 + z 2 R 2 = 0
|
{z
}
F (x,y,z)
Exemplul 3. Elipsoidul:
x2 y 2 z 2
S : F (x, y, z) = 2 + 2 + 2 1 = 0
a
b
c
14.1.3
Suprafete diferentiabile date parametric
Definitia 14.1.1 O panza de suprafata sau simplu o suprafata diferentiabila de clasa C k , k

1, data parametric, este o submultime S E3 R3 , definita ca imaginea unuui domeniu
U R2 printr-o aplicatie de clasa C k , r : U R3 , r(u, v) = (x(u, v), y(u, v), z(u, v)).
Notam o suprafata diferentiabila de clasa C k si parametrizata de r, astfel:
S = im(r), r : U R3 , r C k (U )
(14.2)
Intuitiv, domeniul U este o placa plana si aplicatia parametrizare transporta placa n spatiu si o
deformeaza (o curbeaza) ntr-o panza de suprafata .
z
z
x2 y 2 z 2
Fig.14.4: Sfera cu centrul n origine si de raza R (stanga), elipsoidul de ecuatie
+
+
1 = 0
16 49
9
(dreapta).
Domeniul parametrilor U este raportat la sistemul de axe uO0 v, iar R3 la sistemul de axe
xOyz. In computer graphics se lucreaza preponderent cu domenii U ale parametrilor, dreptunghiulare, U = [a, b] [c, d] sau triunghiulare. Panzele de suprafata corespunzatoare se
numesc panze dreptunghiulare, respectiv triunghiulare. In Fig.14.5 este ilustrat efectul aplicatiei
parametrizare asupra unui dreptunghi.
Exemple de suprafete parametrizate
Exemplul 4. Orice suprafata data explicit prin ecuatia: S : z = f (x, y), (x, y) D se parametrizeaza cel mai simplu notand x cu u si y cu v:
x(u, v) = u
y(u, v) = v
(u, v) D
z(u, v) = f (u, v)
De exemplu, paraboloidul z
x(u, v)
y(u, v)
z(u, v)
= x2 + y 2 , z [0, h] se parametrizeaza prin:

= u
= v
= u2 + v 2
(u, v) {(u, v) | u2 + v 2
h}
O alta parametrizare a paraboloidului este sugerata de faptul ca ecuatia lui, z = x2 + y 2 ,

evidentiaza ca acesta este
practic constituit dintr-o suprapunere de cercuri de raze variabile,
crescand de la zero la h (vezi Fig.14.2). Astfel o parametrizare a acestuia este sugerata de
v
r
(x(u, v), y(u, v), z(u, v))
U
O0
(u, v)
x
Fig.14.5: Suprafata parametrizata.
modul de parametrizare al cercului de raza R:

x(t) = R cos t
,
y(t) = R sin t
t [0, 2],
Si anume:
S:
x(u, v) = u cos v
y(u, v) = u sin v
, u [0, h], v [0, 2]
z(u, v) = x2 + y 2 = u2
Observam ca x si y reprezinta parametrizarea unui cerc de raza variabila u, iar z se obtine

nlocuind pe x si y parametrizati deja, n ecuatia explicita a paraboloidului.
Exemplul 5. Parametrizarea conului circular drept. Conul cu varful n origine si axa de simetrie
Oz are ecuatia implicita generala:
z 2 tg2 = x2 + y 2
unde este masura n radiani a unghiului facut de generatoarele conului cu axa Oz. Daca de
exemplu tg = 1, adica = /4, avem conul de ecuatie: z 2 = x2 + y 2 . Observam nsa ca
de fapt aceasta ecuatie implicita reprezint
a doua conuri (nemarginite) simetrice p
fata de planul
p
xOy, unul avand ecuatia explicita z = x2 + y 2 , iar celalalt, ecuatia z = x2 + y 2 . In
Fig.14.6 sunt vizualizate doua conuri de ecuatie comuna z 2 = x2 + y 2 , |z| h.
Sa parametrizam de exemplu conul z 2 = x2 + y 2 , z [0, h]. Din nou observam ca aceasta
suprafata este constituita dintr-o suprapunere de cercuri de raze variabile, situate n plane paralele cu xOy, razele crescand de la 0 la h; Deci o parametrizare a acestuia este:
Fig.14.6: Doua conuri simetrice fata de xOy.
x(u, v) = u cos v
y(u, v) = u sin v
z(u, v) = u
u [0, h], v [0, 2]
(14.3)
Remarcam ca pe langa expresia analitica a functiilor x(u, v), y(u, v), z(u, v), ce definesc
parametrizarea, este foarte important sa precizam domeniul parametrilor. De exemplu trunchiul
din conul z 2 = x2 + y 2 , corespunzator lui z [h1 , h2 ] este parametrizat de aceleasi functii
x(u, v), y(u, v), z(u, v), ce definesc parametrizarea conului ntreg (Ec.14.3), dar parametrii (u, v)
[h1 , h2 ] [0, 2] (Fig.14.8 stanga). Pe de alta parte, parametrizarea unei jumatati din acest
trunchi de con, corespunzatoare lui x 0 (Fig.14.8 dreapta) esste:
x(u, v) = u cos v
y(u, v) = u sin v
u [h1 , h2 ], v [/2, 3/2],
(14.4)
z(u, v) = u
deoarece pentru un cerc cu centrul n origine si de raza r, jumatatea corespunzatoare lui x 0
corespunde parametrului t [/2, 3/2] din parametrizarea x(t) = R cos t, y(t) + R sin t
(Fig.14.7):
Exemplul 6. Parametrizarea sferei si a unei sub-panze de sfera. Pentru a parametriza sfera sau
o portiune de sfera folosim coordonatele sferice si anume coordonatele (, , ) ale unui punct
au urmatoarea semnificatie geometrica:
este distanta de la punctul M la originea sistemului de axe xOyz, = kOM k;

este masura unghiului dintre OM si OM 0 , unde M 0 este proiectia ortogonala a punctului
M pe planul xOy (vezi Suplimentul la cursul 14 unde sunt definite coordonatele sferice si este
Fig.14.7: Jumatatea din cercul x2 + y 2 = R2 , corespunzatoare lui x 0, corespunde parametrului

t [/2, 3/2].
O
yx
Fig.14.8: Trunchi de con (stanga), jumatate de trunchi de con (dreapta).
z
z
y
x
Fig.14.9: Semisfera sudica (stanga), octime de sfera (dreapta).
inclusa figura ce ilustreaza semnificattia lor geometrica. Coordonatele sferice nu sunt tratate
aici din cauza figurilor generate in alt format decat cele din acest curs).
Relatia dintre coordonatele sferice si cele carteziene sunt:
x = cos cos
y = sin cos
z = sin
(14.5)
Un punct din spatiu are coordonatele sferice (, , ) restrictionate respectiv la urmatoarele

intervale: (0, ), [/2, /2], [0, 2].
Pe sfera cu centrul n origine si de raza R: x2 + y 2 + z 2 R2 = 0 (Fig.14.4 stanga), toate
punctele au aceeasi coordonata = R. Prin urmare considerand drept parametri u = , v =
parametrizarea sferei devine:
x(u, v) = R cos u cos v
y(u, v) = R sin u cos v , u [0, 2], v [0, ]
z(u, v) = R sin v
(14.6)
Polul nord are coordonata = /2, iar polul sud coordonata = /2.
Schimband domeniul parametrilor, obtinem portiuni sau subpanze de sfera. De exemplu,
pentru u = [0, 2], v = [/2, 0] obtinem semisfera sudica descrisa analitic prin
x2 + y 2 + z 2 R2 = 0, z 0 (Fig.14.9 stanga), iar pentru u = [0, /2], v = [0, /2]
obtinem octimea de sfera descrisa analitic prin x2 + y 2 + z 2 R2 = 0, x 0, y 0, z 0
(Fig.14.9 dreapta).
14.2. Plan tangent si normala ntr-un punct al unei suprafete
Exemplul 7. Parametrizarea cilindrului circular drept. Ecuatia implicita a cilindrului avand

drept axa de simetrie, axa Oz, este
S : F (x, y, z) = x2 + y 2 R2 = 0, z [h1 , h2 ]
Remarcam ca aceeasi ecuatie reprezinta cercul n plan. Cilindrul este constituit dintr-o suprapunere de cercuri de aceeasi raza situate n plane z = c, c [h1 , h2 ] (Fig.??). O parametrizare
a acestui cilindru este:
x(u, v) = R cos u
y(u, v) = R sin u u [0, 2], v [h1 , h2 ]
z(u, v) = v
z
Fig.14.10: Cilindrul de ecuatie x2 + y 2 = 1, z [0, 2].
14.2
Plan tangent si normala ntr-un punct al unei suprafete
14.2.1
Cazul suprafetelor date parametric
Fie suprafata S, de clasa C 1 , reprezentata de parametrizarea r : [a, b] [c, d] R3 . Imaginea prin r a unui segment vertical, u = u0 , v [c, d], din dreptunghiul de definitie al parametizarii (Fig.14.11), este o curba pe suprafata, u0 , parametrizata de:
C(v) = r(u0 , v) = (x(u0 , v), y(u0 , v), z(u0 , v)), v [c, d]
Vectorul tangent ntr-un punct arbitrar al acestei curbe este

0
x
y
z
C (v) = r v (u0 , v) =
(u0 , v), (u0 , v), (u0 , v) = (x0v (u0 , v), yv0 (u0 , v), zv0 (u0 , v))
v
v
v
10
rv0
ru0
r
M
U
O0
(u0 , v0 )
x
Fig.14.11:
intersectie.
Curbe coordonate pe o suprafata parametrizata si vectorii tangenti n punctul lor de
Imaginea prin r a unui segment orizontal, v = v0 , u [a, b], este curba de pe suprafata , v0 ,
parametrizata prin:
D(u) = r(u, v0 ) = (x(u, v) ), y(u, v0 ), z(u, v0 )), u [a, b]
Vectorul tangent ntr-un punct al acestei curbe este:

0
y
z
x
D (u) = r u (u, v0 ) =
(u, v0 ), (u, v0 ), (u, v0 ) = (x0u (u, v0 ), yu0 (u, v0 ), zu0 (u, v0 ))
u
u
u
Printr-un punct arbitrar (u0 , v0 ) din domeniul parametrilor trec cele doua segmente perpendiculare, u = u0 , respectiv v = v0 (Fig.14.11). Imaginile lor prin aplicatia parametrizare sunt doua
curbe pe suprafata , ce se intersecteaza n punctul M (x(u0 , v0 ), y(u0 , v0 ), z(u0 , v0 )) (Fig.14.11).
In geometria diferentiala curbele u0 , v0 , se numesc curbe coordonate.
Daca vectorii tangenti la curbele coordonate, u0 , v0 , n punctul M sunt liniar independenti
(adica nenuli si necoliniari), punctul M se numeste punct regulat.
Definitia 14.2.1 Fie M (x(u0 , v0 ), y(u0 , v0 ), z(u0 , v0 )) un punct regulat al unei suprafete. Planul
determinat de punctul M si de vectorii tangenti r0 u (u0 , v0 ), r0 v (u0 , v0 ) la curbele coordonate

n M se numeste plan tangent la suprafata n punctul M .
Ecuatia planului tangent n M este:
11

x x(u0 , v0 ) y y(u0 , v0 ) x z(u0 , v0 )

x0u (u0 , v0 )
zu0 (u0 , v0 )
yu0 (u0 , v0 )

x0v (u0 , v0 )
zv0 (u0 , v0 )
yv0 (u0 , v0 )

=0

Definitia 14.2.2 Normala ntr-un punct M al unei suprafete este directia perpendiculara pe
planul tangent n acel punct.
Deoarece planul tangent este generat de vectorii r0 u (u0 , v0 ), r0 v (u0 , v0 ), directia vectorului
normal n punctul M la suprafata este:
N (u0 , v0 ) = r0 u (u0 , v0 ) r0 v (u0 , v0 )

Se stie ca norma produsului vectorial a doi vectori kv w este egala cu aria paralelogramului
construit pe cei doi vectori. De aceea n analiza matematica se defineste elementul de arie al
unei supafete regulate (suprafata ce are toate punctele regulate) prin:
d = k r0 u r0 v k du dv
d intervine n definitia integralei de suprafata . In ingineria electrica integralele de suprafata se
folosesc pentru a calcula fluxul campului electric printr-o suprafata .

Se demonstreaza ca aria k r0 u r0 v k = EG F 2 , unde E = r0 u r0 u , F = r0 u r0 v ,
G = r0 v r0 v (adica E, F, G sunt produsele scalare a doi cate doi vectori din baza ( r0 u , r0 v )
din planul tangent ntr-un punct la suprafata ).
14.2.2
Cazul suprafetelor date explicit
Fie suprafata S : z = f (x, y), f C 1 (D R2 ). Patametrizand-o, putem aplica rezultatele

din cazul suprafetelor date parametric. Si anume paarametrizarea suprafetei este r(u, v) =
(u, v, f (u, v)), iar vectorii tangenti la curbele coordonate printr-un punct arbitrar sunt r0 u =
f T
f T
(1, 0,
) , r0 v = (0, 1,
) . Astfel directia normalei la suprafata ntr-un punct arbitrar este:
u
v

i j k

f
f
f
f f
1 0

T
N (u, v) = r u r v =
u = ( u , v , 1) k ( u , v , 1)

0 1 f

v
Deoarece n parametrizarea aleasa, u = x si v = y, putem concluziona ca directia normalei
ntr-un punct M (x0 , y0 , z0 ), la o suprafata diferentiabila, data prin ecuatia explicita z = f (x, y)
este:

T
f
f
N (x0 , y0 , z0 ) =
(x0 , y0 ),
(x0 , y0 ), 1
x
y
12
14.2.3
Cazul suprafetelor date implicit
Pentru a determina directia normalei ntr-un punct M (x0 , y0 , z0 ) al suprafetei diferentiabile

S : F (x, y, z) = 0, F de clasa C 1 pe un domeniu din R3 , apelam la teorema functiilor implicite
relativ la ecuatia F (x, y, z) = 0 si punctul M .
Teorema functiilor implicite, n acest context, afirma ca:
F
(x0 , y0 , z0 ) 6= 0, atunci exista o vecinatate
Daca F este de clasa C 1 , F (x0 , y0 , z0 ) = 0, si
z
V a lui (x0 , y0 ), o vecinatate U a lui z0 si o functie de clasa C 1 , z : V U avand proprietatile
urmatoare:
a) z(x0 , y0 ) = z0 ;
b) F (x, y, z(x, y)) = 0, (x, y) V ;
c)
F
F
z
z
y
(x0 , y0 ) = x (x0 , y0 , z0 ),
(x0 , y0 ) =
(x0 , y0 , z0 )
(14.7)
F
F
x
y
z
z
Sa interpretam aceasta teorema din punct de vedere geometric, luand ca exemplu sfera de
ecuatie F (x, y, z) = x2 + y 2 + z 2 R2 = 0.
z
M0
Fig.14.12: Ilustrarea domeniului de definitie si graficul unei functii definite implicit de ecuatia unei
suprafete, F (x, y, z) = 0 si un punct M al suprafetei, precum si normala n M la suprafata .
14.3. Detalii despre grafica cursului
13
Conditia F (x0 , y0 , z0 ) = 0 ne asigura ca punctul M apartine suprafetei. In cazul sferei,
F
= 2z. Deci aceasta derivata se anuleaza n punctele de pe sfera situate n planul z =
z
0 (planul xOy), adica n punctele ecuatorului. Conform teoremei functiilor implicite daca
M (x0 , y0 , z0 ) nu apartine ecuatorului atunci o portiune de suprafata din jurul acestui punct
este graficul unei functii z(x, y). Mai precis conditiile b) si a) ne asigura ca punctele graficului functiei z (vizualizat cu verde pe sfera din Fig.14.12), (x, y, z(x, y)), (x, y) V , apartin
suprafetei si respectiv, punctul M apartine acestui grafic (z(x0 , y0 ) = z0 ). Domeniul de definitie,
V , al functiei z este multimea colorata verde din planul xOy, Fig.14.12.
Conform sectiunii precedente putem afla directia normalei n M, la graficul functiei z, de
clasa C 1 , care de fapt este directia normalei n M la suprafata initiala, de ecuatie F (x, y, z) = 0,
astfel:
T

z
z
(x0 , y0 ), (x0 , y0 ), 1
N (x0 , y0 , z0 ) =
x
y
Tinand seama de relatiile (14.7) directia normalei n M devine:
T
F
F
x
y
k
N (x0 , y0 , z0 ) =
(x
,
y
,
z
),
(x
,
y
,
z
),
1
0
0
0
0
0
0
F
F
z
z
T
F
F
F
k
(x0 , y0 , z0 ),
(x0 , y0 , z0 ),
(x0 , y0 , z0 )
=
x
y
z
= grad(F )(x0 , y0 , z0 )
14.3
Detalii despre grafica cursului
Figurile din cursul de AlgebraGeometrie din acest semestru au fost generate folosind
asymptote http://asymptote.sourceforge.net/, un limbaj de specificatie grafica,
care genereaza figuri in format eps, pdf, png.
Limbajul asymptote se aseamana foarte mult cu C++. Contine cateva biblioteci de clase si
functii, ce se importa la nevoie.
De exemplu, un punct 2D sau un vector 2D este un obiect pair:
pair M=(-2.0, 1);
pair v=(3.2, -1.5);
draw(M--M+v, blue, Arrow); // traseaza segmentul cu sageata,
// adica vector de la M, la M+v
Inclus aveti codul pentru generarea animatiei 3D din Cursul 13, ce ilustreaza triedrul lui
Frenet. Fisierul are in mod normal extensia asy, dar pentru a-l putea deschide i-am dat extensia
txt.
Figurile din Cursul 14 si Suplimentul la Cursul 14 au fost realizate cu versiuni mai vechi ale
lui asymptote si pentru ca nu mai gasesc codul ca sa-l re-rulez, am inserat n figurile generate
14
acum cativa ani si nu au o calitate deosebita, desi n momentul generarii erau OK. Cred ca asta
se datoreaza si versiunilor mai noi ale Acrobat Reader-ului, care nu convertesc bine fisiere eps
si pdf mai vechi.

Linear Algebra

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Linear Algebra

Uploaded by

Copyright:

Available Formats

Cursul 8

Spatiul punctual. Orientarea bazelor si a reperelor

In acest curs si n urmatorul prezentam metode si tehnici de algebrageometrie, cu aplicatii

Spatiul punctual afin de dimensiune n

si care n plus verifica urmatoarele conditii:

OM = v, cu alte cuvinte aplicatia O , O : {O} P Rn , care asociaza la orice punct

M P vectorul OM , avand punctul de aplicatie O:

Cursul 8, Algebra liniara, E. Petrisor, noiembrie 2014

Aplicand proprietatea 1. pentru punctele A, B, C identice, obtinem AA + AA = AA, adica

Relatia lui Chasles aplicata punctelor A, B, A conduce la AB + BA = AA = , adica

La orice doua puncte A(x1 , x2 , . . . , xn ), B = (y1 , y2 , . . . , yn ) le asociem vectorul AB ale carui

Cursul 8, Algebra liniara, E. Petrisor, noiembrie 2014

2. Pentru orice punct fixat O si un vector v Rn , punctul M ce satisface conditia OM = v,

Exemplul 1. In spatiul A3 se da punctul O = (2, 3, 1) si vectorul v = (3, 0, 2)T . Sa se

determine punctul M (x1 , x2 , x3 ) astfel ncat OM = v.

punctul O = (0, 0, . . . , 0). Intr-adev

cu vectorul OM , unde M = (x1 , x2 , . . . , xn ), deoarece OM = M O = (x1 0, x2

Daca A = (x1 , x2 , . . . , xn ) si B = (y1 , y2 , . . . , yn ), atunci vectorul AB(y1 x1 , y2 x2 , . . . , yn

(x1 y1 )2 + (x2 y2 )2 + + (xn yn )2

Doua puncte A, B determina n En un segment, notat [A, B] si definit ca fiind multimea

[A, B] = {P | P = A + tAB, t [0, 1]}

Cursul 8, Algebra liniara, E. Petrisor, noiembrie 2014

AB = B A = (4, 2, 9), AC = (2, 9, 2). Astfel:

Reper ortonormat n spatiul afin euclidian En

Definitia 8.2.1 Un reper ortonormat n En este o pereche

Cursul 8, Algebra liniara, E. Petrisor, noiembrie 2014

Oxi = {M | OM = tei , t 0}, i = 1, n

Versorul ei , avand norma unu, constituie unitatea de masura pe axa Oxi .

se uneste punctul M cu originea O a reperului, obtinand vectorul OM , numit vectorul

se descompune vectorul OM dupa vectorii bazei reperului:

xi ei =< OM , ei > ei = prei (OM ), i = 1, n

Coordonatele originii reperului, sunt coordonatele vectorului OO = n baza reperului,

Cursul 8, Algebra liniara, E. Petrisor, noiembrie 2014

8.3 Orientarea bazelor si a reperelor ortonormate

Repere drepte n plan

8.3. Orientarea bazelor si a reperelor ortonormate

Cursul 8, Algebra liniara, E. Petrisor, noiembrie 2014

Fig.8.2: Baza dreapta (rosu), respectiv baza stanga (albastru) n R2 .

8.4. Schimbarea de reper prin translatie

Fig.8.4: Sisteme de axe n E2 asociate unui reper drept, respectiv stang.

Schimbarea de reper prin translatie

Cursul 8, Algebra liniara, E. Petrisor, noiembrie 2014

sensul lui e1 , etc).

OM = xe1 + ye2 | + ze3

Inlocuind n relatia Chasles de mai sus avem:

8.5. Schimbarea de reper ortonormat n E2 prin rotatie n jurul originii

Schimbarea de reper ortonormat n E2 prin rotatie n jurul originii

In E2 se considera un reper ortonormat drept, R = (O; (e1 , e2 )) si sistemul de axe asociat

Cursul 8, Algebra liniara, E. Petrisor, noiembrie 2014

8.6 Schimbari arbitrare de repere

Se determina coordonatele (x , y , |z ) ale punctului M relativ la reperul R = (O ; (u1 , u2 , |u3 )),

Se exprima O M n baza reperului Rt , respectiv n baza reperului R :

se scriu relatiile dintre cele doua seturi de coordonate ale vectorului O M :

Din aceste ultime relatii se poate deduce exprimarea inversa, a coordonatelor (x , y |z ) n

Cursul 8, Algebra liniara, E. Petrisor, noiembrie 2014

1. Se efectueaza o translatie cu originea n OR

Cursul 8, Algebra liniara, E. Petrisor, noiembrie 2014

Tinand seama de relatiile (8.8), obtinem:

Formularea problemei de mapare

Problema pe care o abordam si rezolvam este urmatoarea: un obiect 2D este discretizat si

Cursul 9, Algebra liniara, E. Petrisor, noiembrie 2014

Fig.9.2: Ilustrarea problematicii maparii unui dreptunghi pe un viewport.

Viewportul este domeniul dreptunghiular ce are varfurile diagonal opuse (p , pb ), (pr , pt ),

9.2. Constructia aplicatiei mapare