U P C

`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 1 de144
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 2 de144

Index
1 Sistemes dequacions i matrius 3
2 Determinants 21
3 Espais vectorials 38
4 Lespai vectorial euclidi ` a R
n
66
5 Transformacions lineals 87
6 Transformacions lineals de lespai vectorial euclidi ` a 102
7 Geometria lineal 112
8 C` oniques i qu` adriques 127
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 3 de144
1 Sistemes dequacions i matrius
Resoluci o de sistemes dequacions lineals pels m` etodes de Gauss i Gauss-Jordan. Con-
cepte de matriu i operacions amb matrius. Concepte de rang i aplicaci o a lan` alisi de
sistemes lineals. Matrius regulars, inversa duna matriu regular i equacions matricials.
1.1 Sistemes dequacions lineals
Denici o 1.1 Un sistema dequacions lineals es una col
.
lecci o dequacions de la
forma
a
11
x
1
a
12
x
2
a
1n
x
n
= b
1
a
21
x
1
a
22
x
2
a
2n
x
n
= b
2
. . . . . . . . . . . . . . . . .
a
m1
x
1
a
m2
x
2
a
mn
x
n
= b
m
_

_
,
on els coecients a
i j
, els termes independents b
1
, b
2
, . . . , b
m
i els valors que han
de prendre les inc` ognites x
1
, x
2
, . . . , x
n
s on nombres reals (o, m es en general,
complexos).
Habitualment, representarem aquest sistema dequacions lineals en forma de matriu
_
_
_
_
a
11
a
12
a
1n
b
1
a
21
a
22
a
2n
b
2
. . . . . . . . . . . .
a
m1
a
m2
a
mn
b
m
_
_
_
_
.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 4 de144
Una soluci o del sistema dequacions anterior es una col
.
lecci o de nombres
x
1
=
1
, x
2
=
2
x
n
=
n
que compleixen totes les igualtats del sistema.
Un sistema es compatible si admet alguna soluci o (una o m es), i es incompatible si no
nadmet cap. Un sistema compatible es determinat si nom es admet una soluci o, i es
indeterminat si en t e m es duna (aix` o voldr` a dir que en t e innites).
En el cas que el sistema sigui compatible indeterminat, la soluci o general del sistema
consistir` a en posar algunes de les inc` ognites (inc` ognites principals) en funci o de les
altres (inc` ognites secund` aries o par` ametres).
Denici o 1.2 Un sistema dequacions es homogeni si tots els termes independents
s on nuls, es a dir, si es del tipus
a
11
x
1
a
12
x
2
a
1n
x
n
= 0
a
21
x
1
a
22
x
2
a
2n
x
n
= 0
. . . . . . . . . . . . . . . . .
a
m1
x
1
a
m2
x
2
a
mn
x
n
= 0
_

_
.

Es evident que tot sistema homogeni es compatible, ja que com a mnim sempre t e la
soluci o trivial
x
1
= x
2
= = x
n
= 0 .
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 5 de144
Dos sistemes amb les mateixes inc` ognites s on equivalents si tenen les mateixes solu-
cions.
Les seg uents operacions elementals (per a les de la matriu o per al sistema dequa-
cions corresponent) transformen un sistema en un altre sistema equivalent:
Intercanviar dues equacions.
Sumar o restar un m ultiple duna equaci o a una altra.
Multiplicar o dividir una equaci o per un nombre diferent de zero.
M` etode de Gauss. Tot sistema dequacions lineals es pot transformar, mitjancant ope-
racions elementals, en un sistema equivalent de forma triangular, es a dir, que com-
pleixi
Les les amb tots els coecients nuls s on les ultimes.
El primer coecient no nul de cada la, anomenat pivot, est` a situat a la dreta
dels pivots anteriors.
Els coecients situats per sota de cada pivot s on nuls.
Daquesta manera, tot sistema dequacions es pot transformar en un de triangular, de
resoluci o immediata, per substituci o endarrera.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 6 de144
Exemple 1.3 Resoluci o del sistema dequacions
2x 3y z = 7
x 4y 3z = 7
7x y 2z = 16
_

_
.
Escrivim la matriu del sistema i triangulem-la:
_
_
2 3 1 7
1 4 3 7
7 1 2 16
_
_
F
2
2F
2
F
1
F
3
2F
3
7F
1
.
_
_
2 3 1 7
0 11 5 21
0 23 3 17
_
_
F
3
11F
3
23F
2
.
_
_
2 3 1 7
0 11 5 21
0 0 148 296
_
_
.
El sistema triangular i la seva resoluci o s on
2x 3y z = 7
11y 5z = 21
148z = 296
_

_
=
2x 3y 2 = 7
11y 5(2) = 21
z = 2
_

_
=
2x 3 2 = 7
y = 1
z = 2
_

_
.
La soluci o del sistema es
x = 3 , y = 1 , z = 2 .
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 7 de144
En els cas de sistemes de tres dequacions amb tres inc` ognites, els exemples tpics de
matrius triangulades s on:
'
&
$
%
_
_
3 4 2 1
0 1 4 5
0 0 4 0
_
_
_
_
5 2 3 7
0 2 3 8
0 0 0 0
_
_
Compatible determinat Compatible indeterminat
amb un grau de llibertat
_
_
6 2 1 3
0 0 0 0
0 0 0 0
_
_
_
_
1 3 2 4
0 4 1 6
0 0 0 5
_
_
Compatible indeterminat Incompatible
amb dos graus de llibertat
En general, si obtenim un sistema triangular amb alguna equaci o del tipus 0 = k amb
k ,= 0, el sistema ser` a incompatible. En cas contrari, ser` a compatible determinat si
el nombre de pivots coincideix amb el dinc` ognites, i compatible indeterminat si el
nombre de pivots es menor que el nombre dinc` ognites (si n es el nombre dinc` ognites
i r el nombre de pivots, direm que es compatible indeterminat amb n r graus de
llibertat).
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 8 de144
M` etode de GaussJordan. Tot sistema dequacions lineals es pot transformar, mit-
jancant operacions elementals, en un sistema equivalent de forma triangular reduda,
es a dir, que compleixi
El sistema est` a en forma triangular.
Els coecients situats per sota i per sobre de cada pivot s on nuls.
Exemple 1.4 Resoluci o del sistema dequacions
2x 3y z = 2
x 4y 2z = 2
3x y z = 0
_

_
.
Escrivim la matriu del sistema i triangulem-la pel m` etode de GaussJordan:
_
_
2 3 1 2
1 4 2 2
3 1 1 0
_
_
F
2
2F
2
F
1
F
3
2F
3
3F
1
.
_
_
2 3 1 2
0 11 5 6
0 11 5 6
_
_
F
1
11F
1
3F
2
F
3
F
3
F
2
.
_
_
22 0 4 4
0 11 5 6
0 0 0 0
_
_
.
El sistema es compatible indeterminat amb un grau de llibertat i la seva soluci o general
es
x =
2 2z
11
, y =
6 5z
11
, z = z .
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 9 de144
1.2 Matrius
Denici o 1.5 Una matriu de m les i n columnes amb coecients reals es una
funci o
A : {1, 2, . . . , m] {1, 2, . . . , n] R,
que assigna a cada parell dndexs (i, j ) un nombre real a
i j
.

Es habitual representar una matriu A com

A =
_
_
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
. . . . . . . . .
a
m1
a
m2
a
mn
_
_
_
_
posant el coecient a
i j
a la la i i la columna j .
Es diu que A es una matriu del tipus m n. El conjunt de totes del matrius del tipus
m n es representa per M
mn
(R).
Com a casos particulars importants, tenim les matrius quadrades o n n, les matrius
la o 1 n i les matrius columna o m 1.
Anomenarem submatriu duna matriu donada a la matriu formada per la intersecci o
dalgunes de les les i columnes de la matriu original.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 10 de144
En cadascun dels conjunts M
mn
(R) es deneixen dues operacions internes:
Denici o 1.6 La suma, on S = A B es la matriu donada per
s
i j
= a
i j
b
i j
,
i el producte per un nombre real t R, on P = t A es la matriu donada per
p
i j
= t a
i j
.
Les propietats essencials daquestes operacions s on les seg uents:
Proposici o 1.7 Si A, B, C M
mn
(R) i t, s R, llavors
Associativa de la suma: A (B C) = (A B) C.
Commutativa de la suma: A B = B A.
Neutre de la suma: existeix una matriu 0 tal que A 0 = A per a tota A.
Oposats per a la suma: per a cada matriu A, existeix una matriu A tal que
A (A) = 0.
Distributiva del producte per a la suma de matrius: t (A B) = t A t B.
Distributiva del producte per a la suma de nombres: (t s)A = t A s A.
Associativitat dels productes: (t s)A = t (s A).
Unitat: 1A = A.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 11 de144
Una altra operaci o important es el producte de matrius de tamanys adequats.
Denici o 1.8 Multiplicaci o de matrius: si A M
mn
(R) i B M
np
(R), el seu
producte es la matriu P = AB M
mp
(R) denida per les f ormules
p
i j
=
n

k=1
a
i k
b
kj
= a
i 1
b
1 j
a
i 2
b
2 j
a
i n
b
nj
.
El coecient p
i j
de la matriu producte sobt e multiplicant escalarment la la i de la
matriu A per la columna j de la matriu B. Esquem` aticament
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
_
Exemple 1.9 Producte de dues matrius
_
_
2 1 3 4
2 3 1 0
5 2 3 1
_
_
_
_
_
_
2 1
3 4
5 1
2 3
_
_
_
_
=
_
_
14 3
10 11
1 7
_
_
.
Es deneix, per a cada cada n, la matriu unitat o identitat I
n
com la matriu quadrada
n n formada per uns a la diagonal i zeros a fora.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 12 de144
Proposici o 1.10 Quan s on factibles els productes que hi intervenen, es compleixen
les propietats seg uents:
(a) Associativa: A(BC) = (AB)C.
(b) Element unitat: I
m
A = A = AI
n
per a tota A M
mn
(R).
(c) Distributives: A(B C) = AB AC, (B C)A = BA CA.
(d) Compatibilitat: (t A)B = t (AB) = A(t B).
Observaci o 1.11 Considerem les matrius
A =
_
1 2
2 4
_
, B =
_
2 2
1 1
_
i C =
_
2 4
1 2
_
.
Observem que es compleix
AB ,= BA.
AB = 0, tot i que A ,= 0 i B ,= 0.
AB = AC per` o B ,= C, encara que A ,= 0.
No es possible trobar cap matriu X tal que AX = I .

Es fonamental tenir molt presents aquests quatre defectes del producte de matrius.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 13 de144
Denici o 1.12 La matriu transposada duna matriu A M
mn
(R) es la matriu
A
t
M
nm
(R) de coecients a
t
i j
= a
j i
.
Les propietats m es importants de la transposici o s on les seg uents:
Proposici o 1.13 (a) (A
t
)
t
= A.
(b) (A B)
t
= A
t
B
t
.
(c) (A)
t
= A
t
.
(d) (AB)
t
= B
t
A
t
.
Exemple 1.14 Si A =
_
1 3 2
_
i B =
_
_
5
1
2
_
_
, llavors
B
t
A
t
= 2 mentre que A
t
B
t
=
_
_
5 1 2
15 3 6
10 2 4
_
_
.
Denici o 1.15 Una matriu quadrada A es sim` etrica si A
t
= A.
Proposici o 1.16 Si A i B s on matrius sim` etriques, llavors
(a) A B es sim` etrica.
(b) A es sim` etrica.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 14 de144
1.3 Rang duna matriu
Igual que en el cas de la matriu dun sistema dequacions lineals, podem considerar
les operacions elementals amb les les duna matriu qualsevol. I an` alogament podem
efectuar operacions elementals amb les seves columnes. Aix es possible obtenir for-
mes triangulars de la matriu tant per les com per columnes. Aquestes formes depenen
del cam seguit per obtenir-les, per` o tenen una caracterstica com u.
Proposici o 1.17 El nombre de pivots que apareixen en triangular una matriu es
independent del cam seguit per triangular-la, tant per les com per columnes.
Exemple 1.18 Comprovem-ho triangulant la matriu A =
_
1 3 2
2 4 5
_
per les i columnes. Obtenim, respectivament, les matrius
_
1 3 2
0 2 1
_
i
_
1 0 0
2 2 0
_
.
Denici o 1.19 Aquest nombre com u de pivots sanomena rang i sescriu rang A.
Proposici o 1.20 (a) rang A = rang A
t
.
(b) rang(t A) = rang A si t ,= 0.
(c) rang(AB) min(rang A, rang B).
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 15 de144
Exemple 1.21 Calculem el rang de la matriu
A =
_
_
_
_
2 1 3 4 5
3 0 4 1 2
5 2 6 5 4
1 2 3 2 1
_
_
_
_
fent servir el m` etode de Gauss, triangulant-la per les.
_
_
_
_
2 1 3 4 5
3 0 4 1 2
5 2 6 5 4
1 2 3 2 1
_
_
_
_
F
2
2F
2
3F
1
F
3
2F
3
5F
1
F
4
2F
4
F
1
.
_
_
_
_
2 1 3 4 5
0 3 1 10 11
0 9 3 30 33
0 5 3 0 3
_
_
_
_
F
3
F
3
3F
2
F
4
3F
4
5F
2
.
_
_
_
_
2 1 3 4 5
0 3 1 10 11
0 0 0 0 0
0 0 14 50 46
_
_
_
_
.
I ara, nom es cal intercanviar les dues ultimes les per tal dobtenir una forma triangular
de la matriu A:
_
_
_
_
2 1 3 4 5
0 3 1 10 11
0 0 14 50 46
0 0 0 0 0
_
_
_
_
.
Com aquesta matriu t e tres les no nul
.
les, rang A = 3.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 16 de144
Tot sistema dequacions lineals es pot representar matricialment en la forma AX = B
_
_
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
. . . . . . . . .
a
m1
a
m2
a
mn
_
_
_
_
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
=
_
_
_
_
b
1
b
2

b
m
_
_
_
_
.
La matriu A sanomena matriu de coecients, i X i B s on, respectivament, les matrius
columna dinc` ognites i de termes independents. A m es a m es, com ja sabem, tota la
informaci o del sistema est` a resumida en la matriu ampliada
(A[B) =
_
_
_
_
a
11
a
12
a
1n
b
1
a
21
a
22
a
2n
b
2
. . . . . . . . . . . .
a
m1
a
m2
a
mn
b
m
_
_
_
_
.
Ara podem enunciar formalment el
Teorema 1.22 Rouch e-Fr obenius.
(a) El sistema de m equacions lineals amb n inc` ognites AX = B es compatible
si, i nom es si, rang(A) = rang(A[B).
(b) Si AX = B es compatible, llavors es determinat si, i nom es si, rang(A) = n.
(c) Si AX = B es compatible indeterminat, llavors el nombre de graus de lli-
bertat es n rang(A).
El quadre de la p` agina 7 es pot tornar a llegir ara en termes del rang.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 17 de144
Exemple 1.23 Estudiem i resolem el sistema seg uent en funci o del par` ametre a:
x y az = 1
x ay z = a
ax y z = a
2
_

_
.
Triangulem el sistema fent servir el m` etode de Gauss.
_
_
1 1 a 1
1 a 1 a
a 1 1 a
2
_
_
F
2
F
2
F
1
F
3
F
3
aF
1
.
_
_
1 1 a 1
0 a 1 1 a a 1
0 1 a 1 a
2
a
2
a
_
_
El segon element de la segona la no sanul
.
la si i nom es si a ,= 1. Continuem, doncs,
suposant que a ,= 1 i deixem el cas a = 1 per analitzar despr es.
_
_
1 1 a 1
0 a 1 1 a a 1
0 1 a 1 a
2
a
2
a
_
_
F
3
F
3
F
2
.
_
_
1 1 a 1
0 a 1 1 a a 1
0 0 2 a a
2
a
2
1
_
_
Com que 2 a a
2
= 0 si i nom es si a = 1 o a = 2, queda clar que si a ,= 1, 2,
rang A = rang(A[B) = 3, el sistema es compatible determinat i la soluci o es:
x =
(a 1)
2
a 2
, y =
1
a 2
, z =
a 1
a 2
.
Si a = 1, es clar que rang(A) = rang(A[B) = 1. Llavors el sistema es compatible
indeterminat amb dos graus de llibertat i la seva soluci o general es x = 1 y z.
Finalment, quan a = 2, substituint a la darrera matriu, veiem que rang A = 2 i
rang(A[B) = 3. Per tant, el sistema es incompatible.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 18 de144
1.4 Matriu inversa
Denici o 1.24 Una matriu quadrada A es regular o invertible si existeix una ma-
triu B tal que AB = I = BA. Si existeix, aquesta matriu es unica, la denominarem
inversa de A i la representarem A
1
.
A continuaci o veurem les principals propietats de la inversa duna matriu i diverses
caracteritzacions de les matrius regulars.
Proposici o 1.25 Si la matriu A es regular, es compleix que
(a) A
1
tamb e es regular i (A
1
)
1
= A.
(b) Si A i B s on regulars tamb e ho es AB, i (AB)
1
= B
1
A
1
.
Teorema 1.26 Si A es una matriu quadrada n n, llavors s on equivalents:
(a) A es invertible.
(b) A es simplicable, en el sentit que de la relaci o AB = AC (i an` alogament
de BA = CA) es dedueix que B = C.
(c) Si AB = 0, llavors B = 0.
(d) rang A = n.
(e) El sistema lineal homogeni AX = 0 admet nom es la soluci o trivial X = 0.
(f) El sistema lineal AX = B es compatible determinat per a cada B R
n
.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 19 de144
C` alcul de la inversa. M` etode de GaussJordan. Considerem la matriu
A =
_
_
3 1 1
4 1 2
4 2 1
_
_
.
Per calcular la seva inversa, hem de trobar una matriu quadrada X tal que AX = I :
_
_
3 1 1
4 1 2
4 2 1
_
_
_
_
x
1
x
2
x
3
y
1
y
2
y
3
z
1
z
2
z
3
_
_
=
_
_
1 0 0
0 1 0
0 0 1
_
_
.
Podem escriure aquestes igualtats en forma de tres sistemes dequacions lineals
3x
1
y
1
z
1
= 1
4x
1
y
1
2z
1
= 0
4x
1
2y
1
z
1
= 0
_

_
3x
2
y
2
z
2
= 0
4x
2
y
2
2z
2
= 1
4x
2
2y
2
z
2
= 0
_

_
3x
3
y
3
z
3
= 0
4x
3
y
3
2z
3
= 0
4x
3
2y
3
z
3
= 1
_

_
.
Podem resoldre aquests tres sistemes simult` aniament pel m` etode de GaussJordan:
_
_
3 1 1 1 0 0
4 1 2 0 1 0
4 2 1 0 0 1
_
_
F
2
3F
2
4F
1
F
3
3F
3
4F
1
.
_
_
3 1 1 1 0 0
0 1 2 4 3 0
0 2 1 4 0 3
_
_
F
1
F
1
F
2
F
3
F
3
2F
2
.
_
_
3 0 3 3 3 0
0 1 2 4 3 0
0 0 3 12 6 3
_
_
F
1
F
1
F
3
F
2
3F
2
2F
3
.
_
_
3 0 0 9 3 3
0 3 0 12 3 6
0 0 3 12 6 3
_
_
.
Per tant, A
1
=
_
_
3 1 1
4 1 2
4 2 1
_
_
.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 20 de144
Aquesta mateixa idea la podem fer servir per estudiar, en general, equacions matricials
del tipus AX = B. La clau est` a en considerar una equaci o daquestes com un conjunt
de sistemes lineals amb la mateixa matriu de coecients.
En conseq u` encia, lequaci o matricial AX = B pot tenir tamb e soluci o unica (quan
rang A = rang(A[B) = n), innites solucions (quan rang A = rang(A[B) < n) o no
tenir-ne cap (quan rang A ,= rang(A[B)).
Exemple 1.27 Volem resoldre lequaci o matricial AX = B, essent
A =
_
1 2
2 4
_
i B =
_
2 4
4 8
_
.
Llavors tenim
_
1 2
2 4
__
x
1
x
2
y
1
y
2
_
=
_
2 4
4 8
_
.
Resolem, per tant, els dos sistemes amb la mateixa matriu de coecients, simult` aniament
pel m` etode de Gauss-Jordan:
_
1 2 2 4
2 4 4 8
_
F
2
F
2
2F
1
.
_
1 2 2 4
0 0 0 0
_
.
Veiem, doncs, que hi ha innites solucions, que s on:
X =
_
2 2y
1
4 2y
2
y
1
y
2
_
.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 21 de144
2 Determinants
Concepte de determinant. C` alcul de determinants pels m` etodes de Gauss i de Laplace.
Aplicaci o dels determinants al c` alcul del rang duna matriu, a la resoluci o de sistemes
dequacions lineals (m` etode de Cramer) i al c` alcul de la inversa duna matriu regular.
2.1 Determinant duna matriu quadrada
Donada una matriu quadrada dordre 2
A =
_
a
1
1
a
2
1
a
1
2
a
2
2
_
,
recordem que el seu determinant es
det(A) = [ A[ =

a
1
1
a
2
1
a
1
2
a
2
2

= a
1
1
a
2
2
a
2
1
a
1
2
,
es a dir, el producte en creu dels coecients de la matriu:
Exemple 2.1

2 1
3 3

= (2)(3) 1 3 = 3 .
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 22 de144
De manera similar, donada una matriu quadrada dordre 3
A =
_
_
a
1
1
a
2
1
a
3
1
a
1
2
a
2
2
a
3
2
a
1
3
a
2
3
a
3
3
_
_
,
el seu determinant es
det(A) = [ A[ =

a
1
1
a
2
1
a
3
1
a
1
2
a
2
2
a
3
2
a
1
3
a
2
3
a
3
3

= a
1
1
a
2
2
a
3
3
a
2
1
a
3
2
a
1
3
a
3
1
a
1
2
a
2
3
a
3
1
a
2
2
a
1
3
a
2
1
a
1
2
a
3
3
a
1
1
a
3
2
a
2
3
.
Una manera de recordar aquesta f ormula es lesquema seg uent, anomenat regla de
Sarrus:
Signe + Signe
Exemple 2.2 C` alcul dun determinant dordre 3:

3 3 5
3 2 4
2 5 7

= 42 24 75 20 63 60 = 40 .
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 23 de144
Per tal de denir el determinant duna matriu n n farem servir les seves columnes i
representarem la matriu A en la forma
A = (A
1
A
2
A
n
) .
Denici o 2.3 El determinant es una aplicaci o que a cada matriu quadrada A li
associa un n umero, representat per det(A), amb les seg uents propietats:
(a) El determinant es una funci o multilineal de les columnes, es a dir:
Si una columna es descompon en una suma, A
i
= B
i
C
i
, aleshores
det(A
1
A
i
A
n
) = det(A
1
B
i
A
n
) det(A
1
C
i
A
n
) .
Si en una columna es treu un factor com u, A
i
= t B
i
, aleshores
det(A
1
A
i
A
n
) = t det(A
1
B
i
A
n
) .
(b) El determinant es una funci o alternada de les columnes, es a dir, si dues co-
lumnes s on iguals, A
i
= A
j
, el determinant es zero:
det(A
1
A
i
A
j
A
n
) = 0 .
(c) El determinant de la matriu identitat es u:
det(I ) = 1 .
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 24 de144
A continuaci o resumim les propietats m es importants dels determinants:
Proposici o 2.4 Sigui A una matriu quadrada.
(a) Si A t e una columna de zeros, llavors det(A) = 0.
(b) Si permutem dues columnes de A, el determinant canvia de signe:
det(A
1
A
i
A
j
A
n
) = det(A
1
A
j
A
i
A
n
) .
(c) Si a una columna li sumem un m ultiple duna altra, el determinant no varia:
det(A
1
A
i
t A
j
A
j
A
n
) = det(A
1
A
i
A
j
A
n
) .
Exemple 2.5 Alguns exemples en el cas de matrius dordre 2:

a b e
c d f

a e
c f

b e
d f

3a c
3b d

= 3

a c
b d

4a 4c
4b 4d

= 16

a c
b d

3 2
4 1

2 3
1 4

1 2
3 4

3 2
5 4

.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 25 de144
Teorema 2.6 (a) det(A
t
) = det(A).
(b) det(t A) = t
n
det(A), essent n lordre de la matriu A.
(c) F ormula del producte: det(AB) = det(A) det(B).
Com a conseq u` encia d(a), totes les propietats dels determinants enunciades per a co-
lumnes s on v` alides tamb e per a les.
Teorema 2.7 Una matriu quadrada A es regular si, i nom es si, det(A) ,= 0. En tal
cas, det(A
1
) =
1
det(A)
.
Exemple 2.8 Com que

2 1 3
3 2 4
2 4 1

= 1 ,= 0 ,
es dedueix que la matriu
_
_
2 1 3
3 2 4
2 4 1
_
_
es regular.
Proposici o 2.9 Si A es una matriu triangular, el seu determinant es el producte
dels elements de la diagonal:
det(A) = a
1
1
a
2
2
a
n
n
.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 26 de144
M` etode de Gauss
Operant per les es pot arribar sempre a una matriu triangular, el determinant de la
qual es, segons hem vist, el producte dels coecients de la diagonal principal. Nom es
cal tenir en compte com les transformacions elementals per les modiquen el deter-
minant.
Exemple 2.10 C` alcul del determinant

2 5 4 3
3 4 7 5
4 9 8 5
3 2 5 3

2 5 4 3
3 4 7 5
4 9 8 5
3 2 5 3

F
2
2F
2
3F
1
F
3
F
3
2F
1
F
4
2F
4
3F
1
=
1
2
1
2

2 5 4 3
0 7 2 1
0 1 0 1
0 11 2 15

F
3
7F
3
F
2
F
4
7F
4
11F
2
=
1
4
1
7
1
7

2 5 4 3
0 7 2 1
0 0 2 8
0 0 36 116

F
4
F
4
18F
3
=
1
4
1
49

2 5 4 3
0 7 2 1
0 0 2 8
0 0 0 28

=
2 7 (2) (28)
4 49
= 4 .
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 27 de144
2.2 Menors duna matriu
Denici o 2.11 Un menor dordre r duna matriu A M
mn
(R) es el determinant
duna submatriu formada per la intersecci o de r les i r columnes de A.
Direm que un menor M
/
cont e a un menor M si les les i columnes que determinen M
formen part, respectivament, de les les i columnes que determinen M
/
.
C` alcul del rang per menors. Aquest c` alcul es basa en:
Lema 2.12 Una matriu A verica que rang A r si, i nom es si, cont e un menor
no nul dordre r.
Llavors tenim la coneguda caracteritzaci o del rang:
Proposici o 2.13 El rang duna matriu A es lordre del major menor no nul que
contingui.
Aquesta proposici o ens d ona una manera de saber si rang A = r: quan tenim un menor
M dordre r no nul, comprovem si tots els menors dordre r 1 s on nuls. Ara b e,
segons el seg uent resultat nom es cal considerar els menors obtinguts orlant M.
Proposici o 2.14 El rang duna matriu A es r si, i nom es si, existeix algun menor
no nul dordre r i tots els menors dordre r 1 que el contenen s on nuls.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 28 de144
Exemple 2.15 Calculem per menors el rang de la matriu
A =
_
_
_
_
2 1 3 4 5
3 0 4 1 2
5 2 6 5 4
1 2 3 2 1
_
_
_
_

Es clar que el menor dordre 2 format per la intersecci o de les dues primeres les i
columnes

2 1
3 0

= 3
es no nul. Orlant amb la tercera la i cadascuna de les columnes restants, obtenim

2 1 3
3 0 4
5 2 6

2 1 4
3 0 1
5 2 5

2 1 5
3 0 2
5 2 4

= 0 .
Aix` o ja ens diu que la submatriu formada per les tres primeres les de la matriu A t e
rang 2, es a dir, que en triangular, la tercera la es transformar` a en una la nul
.
la.
Per tant, provarem orlant amb la la seg uent. I com que amb la tercera columna ja
resulta que
M =

2 1 3
3 0 4
1 2 3

= 7 ,= 0 ,
sabem que rang A 3. Aleshores, donat que el rang no pot ser 4 (perqu` e, en triangular,
la tercera la es transformar` a en una la nul
.
la), dedum que rang A = 3.
Observem que, en particular, no cal orlar M amb la tercera la per tal de comprovar si
hi ha algun menor dordre 4 no nul.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 29 de144
Regla de Cramer
Denici o 2.16 Un sistema dequacions lineals es un sistema de Cramer si t e
tantes equacions com inc` ognites i la matriu dels coecients de les inc` ognites es
regular.
Si lexpressem com a AX = B, es evident que es compatible determinat i que la seva
unica soluci o es X = A
1
B.
Teorema 2.17 Regla de Cramer. Si AX = B es un sistema de Cramer i
A
1
, A
2
, . . . , A
n
s on les columnes de la matriu A M
nn
(R), la soluci o del siste-
ma ve donada per les f ormules
x
i
=
det(A
1
A
2
B A
n
)
det(A
1
A
2
A
i
A
n
)
per a i = 1, 2, . . . , n.
M` etode de Cramer. Suposem que M es un menor no nul m` axim de A dordre r format
a partir de les les F i les columnes C, es a dir, que no el cont e cap altre menor no nul
de A. Si M tamb e es un menor no nul m` axim de (A[B), el sistema es compatible i, en
cas contrari, es incompatible, pel teorema de Rouch e-Fr obenius.
En el primer cas, si r = n el sistema es compatible determinat i, si r < n es compatible
indeterminat. Per resoldre el sistema, ens quedem unicament amb les equacions corres-
ponents a F i passem els termes de les inc` ognites que no formen part de C al costat
dels termes independents. Aleshores, obtenim un sistema de Cramer.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 30 de144
Exemple 2.18 Resoluci o del sistema dequacions
3x 2y z = 14
4x y 3z = 1
2x 3y 5z = 3
_

_
.
Com que

3 2 1
4 1 3
2 3 5

= 84 ,
el sistema es de Cramer, compatible determinat i la seva soluci o es
x =

14 2 1
1 1 3
3 3 5

84
=
168
84
= 2
y =

3 14 1
4 1 3
2 3 5

84
=
252
84
= 3
z =

3 2 14
4 1 1
2 3 3

84
=
168
84
= 2 .
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 31 de144
Exemple 2.19 Resoluci o del sistema
2x y z = 3
2x y 3z = 2
4x 2y = 7
_

_
.
Com que el determinant de la matriu del sistema es zero, el sistema no es de Cramer,
per` o es evident que

1 1
1 3

= 2
es un menor no nul de A i de (A[B), format per la segona i tercera columnes i les dues
primeres les. A m es a m es, es dordre m` axim ja que

1 1 3
1 3 2
2 0 7

= 0 .
Aleshores, eliminem la tercera equaci o i passem els termes en x a la dreta:
y z = 3 2x
y 3z = 2 2x
_
.
La soluci o del sistema es
y =

3 2x 1
2 2x 3

2
=

3 1
2 3

2 1
2 3

2
=
7 4x
2
z =

1 3 2x
1 2 2x

2
=

1 3
1 2

1 2
1 2

2
=
1
2
.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 32 de144
Exemple 2.20 Estudiem el sistema dequacions seg uent en funci o del par` ametre a:
ax y z = 1
x ay z = a
x y az = a
2
_

_
.
Tenim que

a 1 1
1 a 1
1 1 a

= a
3
3a 2 = (a 1)
2
(a 2) ,
que t e arrels a = 1 (amb multiplicitat 2) i a = 2. Per tant, si a ,= 1 i 2, el
determinant es diferent de zero, el sistema es de Cramer i la seva soluci o es:
x =
a 1
a 2
, y =
1
a 2
i z =
(a 1)
2
a 2
.
Si a = 1, es clar que rang(A) = rang(A[B) = 1. Llavors el sistema es compatible
indeterminat amb dos graus de llibertat i la seva soluci o general es x = 1 y z.
I si a = 2, el menor dordre 2 format per les dues primeres les i columnes es no nul:
M =

2 1
1 2

= 3 .

Es a dir, rang(A) = 2. En canvi, orlant M amb la tercera la i la columna de termes

independents, el menor que obtenim es no nul:

2 1 1
1 2 2
1 1 4

= 9 .
Aleshores, el rang de la matriu ampliada es 3 i el sistema es incompatible.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 33 de144
2.3 Adjunts i matriu adjunta
Denici o 2.21 Donada una matriu A M
nn
(R) i xat un coecient a
j
i
, si A
j
i
es
la submatriu dordre n 1 que sobt e eliminant la la i i la columna j , sanomena
adjunt de a
j
i
al menor daquesta submatriu multiplicat per (1)
i j
:
A
j
i
= (1)
i j
det(A
j
i
) .

Es f` acil recordar el signe corresponent a cada coecient amb lajut de lesquema seg uent:
_
_
_
_
_



.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
_
_
_
_
_
.
Exemple 2.22 Donada la matriu dordre 4
A =
_
_
_
_
2 5 4 3
3 4 7 5
4 9 8 5
3 2 5 3
_
_
_
_
,
tenim que ladjunt del coecient a
3
2
es
A
3
2
= (1)
23
det(A
3
2
) =

2 5 3
4 9 5
3 2 3

= 4 .
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 34 de144
Desenvolupament dun determinant per una lnea
Teorema 2.23 Regla de Laplace.
(a) Fixada una la i qualsevol duna matriu quadrada A, es compleix que
det(A) = a
1
i
A
1
i
a
2
i
A
2
i
a
n
i
A
n
i
.
(b) Fixada una columna j qualsevol duna matriu quadrada A, es compleix que
det(A) = a
j
1
A
j
1
a
j
2
A
j
2
a
j
n
A
j
n
.
Exemple 2.24 C` alcul del determinant

3 5 2 4
3 4 5 3
5 7 7 5
8 8 5 6

.
Desenvolupant pels elements de la primera columna tenim que

3 5 2 4
3 4 5 3
5 7 7 5
8 8 5 6

= 3

4 5 3
7 7 5
8 5 6

5 2 4
7 7 5
8 5 6

5 2 4
4 5 3
8 5 6

5 2 4
4 5 3
7 7 5

= 3 (5) 3 3 5 5 8 (6) = 17 .
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 35 de144

Es convenient aplicar la Regla de Laplace desenvolupant per una lnea que tingui el
m` axim de zeros possible. Si cal, aix` o es pot aconseguir introduint zeros fent servir
operacions elementals.
Exemple 2.25 C` alcul del determinant

2 1 1 2 1
3 0 2 2 1
3 4 3 5 0
1 2 2 1 4
1 0 4 3 4

2 1 1 2 1
3 0 2 2 1
3 4 3 5 0
1 2 2 1 4
1 0 4 3 4

F
3
F
3
4F
1
F
4
F
4
2F
1
=

2 1 1 2 1
3 0 2 2 1
11 0 7 3 4
5 0 0 3 6
1 0 4 3 4

= 1

3 2 2 1
11 7 3 4
5 0 3 6
1 4 3 4

C
1
3C
1
5C
3
C
4
C
4
2C
3
=
1
3

1 2 2 3
18 7 3 2
0 0 3 0
18 4 3 10

=
1
3
(3)

1 2 3
18 7 2
18 4 10

F
1
18F
1
F
2
F
3
F
3
F
2
=
1
18

0 29 56
18 7 2
0 3 12

29 56
3 12

=516 .
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 36 de144
C` alcul de la inversa per adjunts
Denici o 2.26 Si A M
nn
(R) es una matriu quadrada, A
ad
representar` a la
matriu adjunta de A, que resulta de substituir cada coecient a
j
i
de A pel seu
adjunt A
j
i
.
Les propietats m es importants de la matriu adjunta s on:
Proposici o 2.27 Si A es una matriu quadrada, aleshores:
(a) (A
ad
)
t
= (A
t
)
ad
.
(b) A (A
ad
)
t
= (A
ad
)
t
A = (det A) I .
Exemple 2.28 Si
A =
_
1 2
3 6
_
,
llavors
A
ad
=
_
6 3
2 1
_
i, per tant,
A (A
ad
)
t
=
_
1 2
3 6
__
6 2
3 1
_
=
_
0 0
0 0
_
.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 37 de144
Teorema 2.29 Si una matriu A es regular, llavors
A
1
=
1
det A
(A
ad
)
t
.
Exemple 2.30 C` alcul de la inversa de la matriu
A =
_
_
2 3 1
3 2 1
5 3 1
_
_
.
Com que det(A) = 23, la matriu A es regular. Calculem els coecients de A
ad
:
A
1
1
=

2 1
3 1

= 5 A
2
1
=

3 1
5 1

= 2 A
3
1
=

3 2
5 3

= 19
A
1
2
=

3 1
3 1

= 6 A
2
2
=

2 1
5 1

= 7 A
3
2
=

2 3
5 3

= 9
A
1
3
=

3 1
2 1

= 1 A
2
3
=

2 1
3 1

= 5 A
3
3
=

2 3
3 2

= 13
Per tant,
A
1
=
1
23
_
_
5 6 1
2 7 5
19 9 13
_
_
.
Comprovaci o:
1
23
_
_
5 6 1
2 7 5
19 9 13
_
_
_
_
2 3 1
3 2 1
5 3 1
_
_
=
_
_
1 0 0
0 1 0
0 0 1
_
_
.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 38 de144
3 Espais vectorials
Aquest captol aix com el seg uent i, de fet, tots els altres tracta dels espais num` erics
R
n
prototipus dels espais vectorials de dimensi o nita i dels seus subespais. Els
punts centrals s on els conceptes de combinaci o lineal, depend` encia i independ` encia
lineal, base, i dimensi o del qual deriva la noci o de rang. Cal destacar tamb e els con-
ceptes de components dun vector en una base, dequacions implcites dun subespai i
de canvi de base.
3.1 Vectors lliures. Espais i subespais vectorials.
Donats dos punts del pla A i B, sanomena vector x amb origen A i extrem B al
segment orientat que uneix aquests dos punts. Es representa per

AB.
A
B

AB
Observem que cada vector x del pla queda determinat per la seva direcci o, el seu
sentit, la seva longitud i el seu origen o punt daplicaci o.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 39 de144
Direm que dos vectors xos s on iguals si coincideixen en direcci o, sentit i longitud. A
cada conjunt de vectors xos iguals se lanomena vector lliure i al conjunt de tots ells
sel representa per V
2
.
u
Vectors iguals
Si u i v s on dos vectors de V
2
, la seva suma u v sobt e mitjancant la regla del pa-
ral
.
lelogram, i el producte de u per un nombre t R es el vector que t e [t [ vegades la
longitud de u, la mateixa direcci o, el mateix sentit si t > 0 i sentit contrari si t < 0:
u
v
u v
u
2 u
3 u
u
2 u
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 40 de144
Daltra banda, xats uns eixos de coordenades, a tot vector de V
2
podem assignar-
li unes components (a, b). Si canviem els eixos de coordenades, tamb e canvien les
components.
a
b
a
/
b
/
En termes daquestes components, la suma i el producte per nombres reals sexpressa
component a component de la seg uent manera:
u = (a
1
, b
1
)
v = (a
2
, b
2
)
_
= u v = (a
1
a
2
, b
1
b
2
) .
u = (a, b) = t u = (t a, t b) .
El conjunt de vectors lliures a lespai, V
3
, es deneix de manera semblant i tots els
conceptes s on an` alegs al cas de dimensi o 2, excepte que els eixos de coordenades i les
components s on 3.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 41 de144
Sigui R
n
= RR
n

R. Els seus elements u = (x

1
, x
2
, . . . , x
n
) els anomenarem
vectors. Es deneixen dues operacions en aquest conjunt:
Denici o 3.1 La suma de dos vectors u, v R
n
es el vector
u v = (x
1
y
1
, x
2
y
2
, . . . , x
n
y
n
).
I el producte dun vector u R
n
per un escalar t R es el vector
t u = (t x
1
, t x
2
, . . . , t x
n
).
Les propietats fonamentals daquestes operacions s on les seg uents:
Proposici o 3.2 Associativa de la suma: (u v) w = u (v w).
Commutativa de la suma: u v = v u.
Neutre de la suma: existeix un vector 0 tal que 0 u = u per a tot vector u.
Oposats per la suma: per a cada vector u existeix un vector u tal que
u (u) = 0.
Distributiva del producte per a la suma de vectors: t (u v) = t u t v.
Distributiva del producte per a la suma descalars: (t s)u = t u su.
Associativitat dels productes: t (su) = (t s)u.
Unitat: 1u = u.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 42 de144
Es diu que R
n
, dotat amb les dues operacions descrites que compleixen aquestes pro-
pietats, es lespai vectorial num` eric de dimensi o n. En general:
Denici o 3.3 Tot conjunt provist duna suma interna i un producte per escalars
que compleixen les vuit propietats anteriors sanomena espai vectorial.
Sanomenen escalars els elements dun cos num` eric, com ara Q, R o C, i vectors els
de lespai vectorial. Parlarem despai vectorial real o complex si volem precisar que el
cos descalars es R o C respectivament.
Observacions 3.4 (a) Els conjunts de matrius dun mateix tipus, els M
mn
(R), tamb e
s on espais vectorials reals. De fet, podem identicar R
n
amb M
1n
(R) o M
n1
(R),
segons si escrivim els vectors en la o en columna. An` alogament, els M
mn
(C) s on
espais vectorials complexos.
(b) An` alogament, tamb e el conjunt de polinomis amb coecients reals o complexos
formen un espai vectorial sobre R o C respectivament.
Les propietats seg uents s on conseq u` encia immediata de les anteriors:
Proposici o 3.5 Per a cada vector u i cada escalar t es compleix:
0 u = 0 i t 0 = 0
t u = 0 =[t = 0 o u = 0]
(t )u = t (u) = (t u)
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 43 de144
Denici o 3.6 Un subespai vectorial de R
n
es un subconjunt S R
n
no buit i
tancat per la suma i el producte per escalars, es a dir, tal que:
(a) u, v S =u v S.
(b) u S, t R =t u S.
{0] i R
n
s on sempre subespais vectorials. Sanomenen subespais trivials de R
n
.
Exemple 3.7 Considerem el conjunt
S = {(x, y, z) R
3
: x y z = 0] .
Veiem que es tracta dun subespai vectorial. En efecte, considerem dos vectors arbi-
traris (x, y, z) i (x
/
, y
/
, z
/
) de S. Aix` o vol dir que x y z = 0 i x
/
y
/
z
/
= 0.
LLavors, cal veure si la suma de tots dos
(x, y, z) (x
/
, y
/
, z
/
) = (x x
/
, y y
/
, z z
/
)
es tamb e de S. Per` o aix` o equival a que (x x
/
) (y y
/
) (z z
/
) = 0, que es cert
ja que
(x x
/
) (y y
/
) (z z
/
) = (x y z) (x
/
y
/
z
/
) = 0 0 = 0.
Duna altra banda, si t es un escalar qualsevol i (x, y, z) un vector arbitrari de S, tenim
que t (x, y, z) = (t x, t y, t z). I com que
t x t y t z = t (x y z) = t 0 = 0,
es dedueix que el vector t (x, y, z) S. En denitiva, doncs, resulta que S es, efectiva-
ment, un subespai vectorial de R
3
.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 44 de144
3.2 Combinacions lineals. Depend` encia lineal.
Denici o 3.8 Una combinaci o lineal descalars t
1
, t
2
, . . . , t
m
dels vectors
u
1
, u
2
, . . . , u
m
es qualsevol vector de la forma
t
1
u
1
t
2
u
2
t
m
u
m
.
Un vector v es combinaci o lineal dels vectors u
1
, u
2
, . . . , u
m
si existeixen escalars
t
1
, t
2
, . . . , t
m
tals que v es combinaci o lineal descalars t
1
, t
2
, . . . , t
m
dels vectors
u
1
, u
2
, . . . , u
m
.
Proposici o 3.9 Si u
m
es combinaci o lineal de u
1
, u
2
, . . . , u
m1
, aleshores tot vec-
tor que sigui combinaci o lineal de u
1
, u
2
, . . . , u
m
tamb e ho es de u
1
, u
2
, . . . , u
m1
.
Proposici o 3.10 Un subconjunt es subespai vectorial si, i nom es si, tota combina-
ci o lineal de vectors del subconjunt es del subconjunt.
Observaci o 3.11 (a) El conjunt de les combinacions lineals dun conjunt de vectors
qualsevol es un subespai vectorial.
(b) Si afegim a un conjunt de vectors una o m es combinacions lineals dells, el subespai
vectorial de les combinacions lineals obtingut es el mateix que linicial.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 45 de144
Exemple 3.12 Estudiemsi (2, 7, 8, 1) es combinaci o lineal de (2, 1, 4, 3), (3, 1, 1, 2)
i (1, 1, 1, 2). Cal veure si existeixen escalars t
1
, t
2
, t
3
R tals que
(2, 7, 8, 1) = t
1
(2, 1, 4, 3) t
2
(3, 1, 1, 2) t
3
(1, 1, 1, 2) .
Igualant component a component, obtenim el sistema dequacions
2t
1
3t
2
t
3
= 2
t
1
t
2
t
3
= 7
4t
1
t
2
t
3
= 8
3t
1
2t
2
2t
3
= 1
_

_
.
Resolem aquest sistema pel m` etode de Gauss:
_
_
_
_
2 3 1 2
1 1 1 7
4 1 1 8
3 2 2 1
_
_
_
_
F
2
2F
2
F
1
F
3
F
3
2F
1
F
4
2F
4
3F
1
.
_
_
_
_
2 3 1 2
0 5 3 16
0 5 1 12
0 5 1 8
_
_
_
_
F
3
F
3
F
2
F
4
F
4
F
2
.
_
_
_
_
2 3 1 2
0 5 3 16
0 0 2 4
0 0 4 8
_
_
_
_
F
4
F
4
2F
3
.
_
_
_
_
2 3 1 2
0 5 3 16
0 0 2 4
0 0 0 0
_
_
_
_
.
Obtenim que aquest sistema es compatible determinat i que la seva soluci o es
t
1
= 3 , t
2
= 2 , t
3
= 2 .
Per tant, el vector (2, 7, 8, 1) s es combinaci o lineal dels altres tres i
(2, 7, 8, 1) = 3(2, 1, 4, 3) 2(3, 1, 1, 2) 2(1, 1, 1, 2) .
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 46 de144
Observaci o 3.13 (a) Donat el sistema dequacions
a
11
x
1
a
12
x
2
a
1n
x
n
= b
1
a
21
x
1
a
22
x
2
a
2n
x
n
= b
2
. . . . . . . . . . . . . . . . .
a
m1
x
1
a
m2
x
2
a
mn
x
n
= b
m
_

_
,
el podem escriure en termes de les columnes de la matriu ampliada, (A[B), de la ma-
nera seg uent:
x
1
A
1
x
2
A
2
x
n
A
n
= B ,
on A
1
, A
2
, . . . , A
n
s on les columnes de A.
Per tant, es evident que el sistema dequacions es compatible si, i nom es si, la co-
lumna de termes independents es combinaci o lineal de les columnes de la matriu de
coecients.
(b) An` alogament, si A i B s on matrius tals que AB est` a denit, la columna j daquest
producte es combinaci o lineal de les columnes de A, amb coecients els elements de
la columna j de B. An` alogament, la la i de AB es combinaci o lineal de les les de
B, amb coecients els elements de la la i de A.
(c) En conseq u` encia, podem generalitzar lapartart (a) tenint en compte el (b). Aix,
resoldre una equaci o matricial del tipus AX = B equival a trobar uns coecients en
cada la de la matriu X que facin que cadascuna de les columnes de la matriu B siguin
combinaci o lineal de les columnes de la matriu A amb escalars iguals, precisament, a
aquests coecients.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 47 de144
Denici o 3.14 Els vectors u
1
, u
2
, . . . , u
m
s on linealment dependents si existei-
xen escalars t
1
, t
2
, . . . , t
m
no tots nuls, tals que
t
1
u
1
t
2
u
2
t
m
u
m
= 0 .
Per tant, direm que u
1
, u
2
, . . . , u
m
s on linealment independents si
t
1
u
1
t
2
u
2
t
m
u
m
= 0 = t
1
= t
2
= = t
m
= 0 .
Proposici o 3.15 Si m > 1, els vectors u
1
, u
2
, . . . , u
m
s on linealment dependents
si, i nom es si, algun dells es combinaci o lineal dels altres. En el cas m = 1, la
condici o equivalent es u
1
= 0.
De manera equivalent, es t e que els vectors u
1
, u
2
, . . . , u
m
s on linealment inde-
pendents si, i nom es si, cap dells es nul ni combinaci o lineal dels altres.
En particular, tenim que, al considerar el subespai vectorial de les combinacions lineals
dun conjunt de vectors linealment independents, no es pot prescindir de cap dells ja
que llavors el subespai obtingut no seria el mateix.
Una altra caracterstica important de la independ` encia lineal es la seg uent:
Proposici o 3.16 La representaci o dun vector v com a combinaci o lineal dels vec-
tors u
1
, u
2
, . . . , u
m
es unica si, i nom es si, u
1
, u
2
, . . . , u
m
s on linealment indepen-
dents.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 48 de144
Exemple 3.17 Estudiem la depend` encia lineal dels vectors (1, 2, 1, 0), (1, 0, 2, 1),
(4, 5, 2, 1) i (3, 1, 2, 0). Hem de veure, per tant, si la relaci o

1
(1, 2, 1, 0)
2
(1, 0, 2, 1)
3
(4, 5, 2, 1)
4
(3, 1, 2, 0) = (0, 0, 0, 0)
nom es t e la soluci o trivial o no. Igualant, tenim el sistema homogeni

2
4
3
3
4
= 0
2
1
5
3

4
= 0

1
2
2
2
3
2
4
= 0

3
= 0
_

_
.
Per estudiar-lo, triangulem la seva matriu de coecients:
_
_
_
_
1 1 4 3
2 0 5 1
1 2 2 2
0 1 1 0
_
_
_
_
F
2
F
2
2F
1
F
3
F
3
F
1
.
_
_
_
_
1 1 4 3
0 2 3 5
0 1 2 1
0 1 1 0
_
_
_
_
F
2
F
4
.
.
_
_
_
_
1 1 4 3
0 1 1 0
0 1 2 1
0 2 3 5
_
_
_
_
F
3
F
3
F
2
F
4
F
4
2F
2
.
_
_
_
_
1 1 4 3
0 1 1 0
0 0 1 1
0 0 5 5
_
_
_
_
.
Ara ja es evident que el sistema es compatible indeterminat i, per tant, els vectors s on
linealment dependents. Una soluci o es
1
= 2,
2
= 1,
3
= 1 i
4
= 1 i llavors
2(1, 2, 1, 0) (1, 0, 2, 1) (4, 5, 2, 1) (3, 1, 2, 0) = (0, 0, 0, 0) .

Es important observar que, en aquest cas, qualsevol dells es combinaci o lineal dels
altres, ja que tots els coecients s on no nuls.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 49 de144
3.3 Sistemes de generadors i bases dun subespai. Dimensi o.
Considerem un subespai vectorial S qualsevol.
Denici o 3.18 Sanomena sistema de generadors de S a tot conjunt de vectors
{u
1
, u
2
, . . . , u
m
] tal que
S = {t
1
u
1
t
2
u
2
t
m
u
m
amb t
1
, t
2
, . . . , t
m
R] ,
es a dir, tal que el conjunt de les seves combinacions lineals coincideixi amb S.
Diremtamb e, en tal cas, que S es el subespai vectorial generat per aquests vectors
i escriurem
S = u
1
, u
2
, . . . , u
m
) .
Exemple 3.19 Un sistema de generadors del subespai vectorial
S = {(x, y, z) R
3
: x y z = 0]
es {(1, 1, 0), (1, 0, 1)], ja que tot vector de S es de la forma
(x, y, z) = (y z, y, z) = y(1, 1, 0) z(1, 0, 1) .
Proposici o 3.20 Suposem que v
1
, v
2
, . . . , v
k
s on vectors linealment independents
de S, i que u
1
, u
2
, . . . , u
m
formen un sistema de generadors del mateix subespai.
Aleshores, k m.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 50 de144
Denici o 3.21 Una base B = {e
1
, e
2
, . . . , e
m
] dun subespai vectorial S es un
sistema de generadors seu format per vectors linealment independents.
Una de les bases m es utilitzades es lanomenada base can` onica B
c
de R
n
:
e
1
= (1, 0, . . . , 0), e
2
= (0, 1, . . . , 0), . . . , e
n
= (0, 0, . . . , 1) .
Proposici o 3.22 B es una base de S si, i nom es si, cada vector de S sexpressa de
manera unica com a combinaci o lineal dels vectors de B.
Proposici o 3.23 Tot sistema de generadors dun subespai no nul S ,= {0] cont e
una base.
Proposici o 3.24 Teorema de la base incompleta. Suposem que B =
{e
1
, e
2
, . . . , e
n
] es una base de S. Si v
1
, v
2
, . . . , v
k
s on vectors linealment inde-
pendents de S, es poden escollir n k vectors de la base B que, juntament amb
v
1
, v
2
, . . . , v
k
, formin una base de S.
Observem que si B = {e
1
, e
2
, . . . , e
n
] es una base de S, k vectors de S amb k > n
no poden ser linealment independents, i k vectors de S amb k < n no poden formar
sistema de generadors de S. Una conseq u` encia fonamental es el resultat seg uent:
Teorema 3.25 Teorema de les bases. Totes les bases dun subespai vectorial tenen
el mateix nombre de vectors.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 51 de144
Denici o 3.26 Sanomena dimensi o dun subespai vectorial S al nombre com u de
vectors de qualsevol de les seves bases. Es denota per dim S.
Sanomena rang dun conjunt de vectors a la dimensi o del subespai que generen:
rang {u
1
, u
2
, . . . , u
m
] = dimu
1
, u
2
, . . . , u
m
) .
`
Obviament, dim(R
n
) = n. I, per conveni, es pren dim{0] = 0.
Els subespais de dimensi o 1 sanomenen rectes, els de dimensi o 2, plans, i els de
dimensi o n 1, hiperplans.
Proposici o 3.27 Sigui S un subespai vectorial de dimensi o n.
(a) Si {v
1
, v
2
, . . . , v
n
] s on vectors linealment independents de S, llavors formen
base de S.
(b) Si {u
1
, u
2
, . . . , u
n
] es un sistema de generadors de S, aleshores es tamb e una
base de S.
Aix` o signica que si coneixem la dimensi o dun subespai vectorial, nom es cal com-
provar una de les dues condicions que apareixen a la denici o de base.
Proposici o 3.28 Siguin S i T dos subespais vectorials tals que S T. LLavors:
(a) dim S dimT.
(b) dim S = dimT si, i nom es si, S = T.
Si considerem les les o les columnes duna matriu com a vectors, ens retrobem amb
un concepte ben conegut.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 52 de144
Denici o 3.29 El rang per les duna matriu A M
mn
(R) es la dimensi o del
subespai F(A) generat per les seves les. I el rang per columnes es la dimensi o
del subespai C(A) generat per les seves columnes.
Lema 3.30 Si A M
mn
(R), llavors dimF(A) = dimC(A).
Proposici o 3.31 Sigui A M
mn
(R).
(a) Si B M
mn
(R) sha obtingut fent una operaci o elemental amb les les de
A, llavors F(B) = F(A).
(b) Les les no nul
.
les de qualsevol forma triangular per les de A constitueixen
una base de F(A).
(c) rang A = dimF(A), es a dir, el rang de la matriu A coicideix amb el seu
rang per les.
Tot el que diu aquesta proposici o per a les val igual per a columnes i, juntament amb
el lema anterior, justica la denici o de rang duna matriu.
Observaci o 3.32 El rang es el m` axim nombre de les o columnes linealment indepen-
dents de la matriu. Per tant, una matriu quadrada es invertible si i nom es si les seves
les o columnes s on linealment independents (i per tant formen base). De fet, lestudi
del rang permet escollir un conjunt m` axim de columnes (o les) linealment indepen-
dents de la matriu:
(1) Si apliquem el m` etode de Gauss, seran aquelles on hagin aparegut els pivots.
(2) Si fem servir determinants, seran les que formen el menor no nul dordre m` axim.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 53 de144
Exemple 3.33 Considerem el subespai S de R
4
denit per
S = (1, 2, 0, 1), (2, 1, 0, 1), (1, 1, 0, 2), (0, 1, 0, 1)) .
Per trobar una base daquest subespai podem partir de la matriu daquests vectors,
escrits en la o en columna, i triangular-la.
(a) Si escrivim els vectors en la i la triangulem, obtenim
_
_
_
_
1 2 0 1
2 1 0 1
1 1 0 2
0 1 0 1
_
_
_
_
.
_
_
_
_
1 2 0 1
0 3 0 3
0 0 0 0
0 0 0 0
_
_
_
_
.
Aleshores, rang(A) = 2 i {(1, 2, 0, 1), (0, 3, 0, 3)] o {(1, 2, 0, 1), (0, 1, 0, 1)]
s on una base de S.
(b) Si escrivim els vectors en columna i triangulem la matriu tenim:
_
_
_
_
1 2 1 0
2 1 1 1
0 0 0 0
1 1 2 1
_
_
_
_
.
_
_
_
_
1 2 1 0
0 3 3 1
0 0 0 0
0 0 0 0
_
_
_
_
.
Interpretant aquesta matriu com lestudi del sistema dequacions corresponent a la de-
pend` encia o independ` encia lineal dels vectors, dedum que els primers s on linealment
independents i que el tercer i el quart s on combinaci o lineal dels dos primers. Per tant,
{(1, 2, 0, 1), (2, 1, 0, 1)] es una base de S.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 54 de144
Exemple 3.34 Considerem la base del subespai S de R
4
denit anteriorment que
havem trobat en lexemple anterior:
{(1, 2, 0, 1), (0, 1, 0, 1)] .
Per ampliar aquesta base de S ns a obtenir una base de R
4
tamb e podem fer-ho tant
per les com per columnes. En aquest cas ho fem per les, afegint els vectors de la
base can` onica als de la base de S obtinguda abans i triangulant la matriu corresponent:
_
_
_
_
_
_
_
_
1 2 0 1
0 1 0 1
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
_
_
_
_
_
_
_
_
.
_
_
_
_
_
_
_
_
1 2 0 1
0 1 0 1
0 0 1 0
0 0 0 1
0 0 0 0
0 0 0 0
_
_
_
_
_
_
_
_
.
Aix doncs,
{(1, 2, 0, 1), (0, 1, 0, 1), (0, 0, 1, 0), (0, 0, 0, 1)]
es una base de R
4
que cont e una base de S.
Exemple 3.35 B = {(1, 2), (1, 1)] es una base de R
2
, ja que en plantejar que
t
1
(1, 2) t
2
(1, 1) = (x, y) ,
obtenim el sistema
t
1
t
2
= x
2t
1
t
2
= y
_
,
que, evidentment, es compatible determinat per tot (x, y) R
2
.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 55 de144
3.4 Components dun vector. Equacions implcites dun subespai.
A partir dara, considerarem una base xa B = {e
1
, e
2
, . . . , e
n
] de R
n
, que suposarem
ordenada. Segons la caracteritzaci o de base, per a cada vector x R
n
existeix una
unica llista ordenada descalars (x
1
, x
2
, . . . , x
n
) tal que
x = x
1
e
1
x
2
e
2
x
n
e
n
.
Denici o 3.36 (x
1
, x
2
, . . . , x
n
) sanomenen components del vector x R
n
res-
pecte de la base B.
Evidentment, les components dun vector qualsevol x = (x
1
, x
2
, . . . , x
n
) respecte de
la base can` onica B
c
s on, precisament, (x
1
, x
2
, . . . , x
n
) i, dara en endavant, les anome-
narem les components can` oniques.
Proposici o 3.37 (a) Si (x
1
, x
2
, . . . , x
n
) i (y
1
, y
2
, . . . , y
n
) s on les components de
dos vectors x, y R
n
respecte de certa base B, llavors el vector x y t e compo-
nents (x
1
y
1
, x
2
y
2
, . . . , x
n
y
n
) respecte daquesta mateixa base B.
(b) Si (x
1
, x
2
, . . . , x
n
) s on les components dun vector x R
n
respecte de certa
base B i es un escalar qualsevol, aleshores el vector x R
n
t e components
(x
1
, x
2
, . . . , x
n
) respecte B.
Aquesta propietat permet identicar tot vector amb les seves components respecte
duna base prexada de tal manera que podem utilitzar aquestes en lloc del vector per
tot el que calgui.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 56 de144
Exemple 3.38 Calculemles components del vector (7, 2) en la base B = {(1, 2), (1, 1)].
Hem de trobar els coecients t
1
, t
2
R tals que
(7, 2) = t
1
(1, 2) t
2
(1, 1) .
Igualant component a component, tenim el sistema dequacions
t
1
t
2
= 7
2t
1
t
2
= 2
_
,
que t e soluci o t
1
= 3 i t
2
= 4. Per tant, les components del vector (7, 2) en la base
B s on (3, 4).
x
y
x
/
y
/
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 57 de144
Denici o 3.39 Sanomena matriu del conjunt de vectors u
1
, u
2
, . . . , u
m
respecte
duna base B = {e
1
, e
2
, . . . , e
n
] R
n
a la matriu C que t e per columnes les
components de cadascun dells respecte daquesta base.
La identicaci o entre vectors i components respecte de certa base permet traduir a
simples c` alculs matricials totes les q uestions relatives a conceptes vectorials.
Proposici o 3.40 (a) Si X es la matriu columna de les components dun vector
x R
n
respecte de la base B, llavors el vector x es combinaci o lineal dels vectors
u
1
, u
2
, . . . , u
m
si, i nom es si,
rang C = rang(C[X) .
(b) di mu
1
, u
2
, . . . , u
m
) = rang C.
(c) u
1
, u
2
, . . . , u
m
s on linealment independents si, i nom es si, rang C = m. I, en
particular, u
1
, u
2
, . . . , u
n
formen base de R
n
si, i nom es si, rang C = n.
Exemple 3.41 Siguin (1, 2, 0, 1), (2, 1, 0, 1), (1, 1, 0, 2), (0, 1, 0, 1) les com-
ponents de quatre vectors respecte de certa base B. Llavors
_
_
_
_
1 2 1 0
2 1 1 1
0 0 0 0
1 1 2 1
_
_
_
_
.
_
_
_
_
1 2 1 0
0 3 3 1
0 0 0 0
0 0 0 0
_
_
_
_
.
En conseq u` encia, tenim que els vectors s on linealment dependents i que els dos darrers
s on combinaci o lineal dels dos primers, els quals s s on linealment independents.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 58 de144
Una altra aplicaci o molt important del concepte de component dun vector es que per-
met descriure duna altra manera diferent els subespais.
Concretament, si C es la matriu dun sistema de generadors u
1
, u
2
, . . . , u
m
dun subes-
pai S respecte duna base B de R
n
i X es la matriu columna de les components
(x
1
, x
2
, . . . , x
n
) dun vector gen` eric x R
n
, aleshores, segons acabem de veure, es
verica que el vector x S si, i nom es si,
rang C = rang(C[X) .
Denici o 3.42 Les equacions homog` enies obtingudes en imposar la condici o an-
terior sanomenen equacions implcites del subespai S respecte de la base B.
Quan daquestes equacions no sen pugui treure cap sense que el sistema deixi de
ser equivalent, direm que les equacions implcites s on mnimes o minimals.
Observaci o 3.43 A la pr` actica, si apliquem el m` etode de Gauss, despr es de triangular
A, anul
.
larem els coecients de la columna nova que donarien un pivot addicional; i si
fem servir determinants, anul
.
larem els menors dordre r 1 que contenen un menor
no nul dordre m` axim i sobtenen afegint-hi part de la columna nova.
I duna altra banda, donades les equacions implcites dun subespai S, resolent el sis-
tema sobt e una base del subespai.
Proposici o 3.44 Si el rang de la matriu del sistema es r, aleshores la dimensi o del
subespai S es n r ( es a dir, el nombre de graus de llibertat del sistema).
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 59 de144
Exemple 3.45 C` alcul de la dimensi o, una base i les equacions implcites del subespai
de R
4
, S = (1, 2, 1, 0), (1, 3, 2, 1), (1, 4, 5, 2), (1, 2, 0, 4)).
Triangulem la matriu ampliada
_
_
_
_
1 1 1 1
2 3 4 2
1 2 5 0
0 1 2 4

x
y
z
t
_
_
_
_
.
Aix` o ens permetr` a seleccionar una base dentre els generadors de S, con` eixer la dimen-
si o del subespai i, nalment, obtenirne les equacions implcites.
_
_
_
_
1 1 1 1
2 3 4 2
1 2 5 0
0 1 2 4

x
y
z
t
_
_
_
_
.
_
_
_
_
1 1 1 1
0 1 2 0
0 3 6 1
0 1 2 4

x
2x y
x z
t
_
_
_
_
.
_
_
_
_
1 1 1 1
0 1 2 0
0 0 0 1
0 0 0 4

x
2x y
7x 3y z
2x y t
_
_
_
_
.
_
_
_
_
1 1 1 1
0 1 2 0
0 0 0 1
0 0 0 0

x
2x y
7x 3y z
26x 11y 4z t
_
_
_
_
.
Daqu resulta que dim(S) = 3, que els vectors (1, 2, 1, 0), (1, 3, 2, 1) i (1, 2, 0, 4)
formen una base de S i que lequaci o implcita daquest subespai es
26x 11y 4z t = 0 .
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 60 de144
Exemple 3.46 C` alcul duna base del subespai S de R
4
denit per les equacions
x y z t = 0
x 2y z t = 0
3x 5y z t = 0
_

_
.
Operarem amb determinants. La matriu del sistema es
_
_
1 1 1 1
1 2 1 1
3 5 1 1

0
0
0
_
_
.
Un menor no nul m` axim es

1 1
1 2

,
i aix` o ens diu que el rang del sistema es 2 i, per tant, dim(S) = 4 2 = 2. A m es,
podem suprimir la tercera equaci o i guardar x i y com a inc` ognites principals. Queda,
doncs, un sistema de Cramer respecte daquestes dues inc` ognites,
x y = z t
x 2y = z t
_
,
la soluci o general del qual es
x = 3z 3t, y = 2z 2t, z = z, t = t.
El vector
u = (3z 3t, 2z 2t, z, t ) = z(3, 2, 1, 0) t (3, 2, 0, 1)
on z i t s on els par` ametres lliures, es lelement gen` eric del subespai S. Els vectors
(3, 2, 1, 0) i (3, 2, 0, 1) formen una base de S.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 61 de144
3.5 Canvis de base. Orientaci o.
Siguin B = {e
1
, e
2
, . . . , e
n
] i B
/
= {e
/
1
, e
/
2
, . . . , e
/
n
] dues bases de R
n
i suposem que
els vectors e
/
1
, e
/
2
, . . . , e
/
n
tenen components (c
11
, c
21
, . . . , c
n1
), (c
12
, c
22
, . . . , c
n2
),. . . ,
(c
1n
, c
2n
, . . . , c
nn
) en la base B.
Denici o 3.47 La matriu
C =
_
_
_
_
c
11
c
12
c
1n
c
21
c
22
c
2n
. . . . . . . .
c
n1
c
n2
c
nn
_
_
_
_
sanomena matriu del canvi de base de B
/
a B i es representa
C = M(B
/
, B) o (R
n
, B
/
)
C
(R
n
, B) .
Observaci o 3.48

Es important notar que la matriu del canvi de base de B
/
a B no es
res m es que la matriu del sistema de vectors de la base B
/
respecte de la base B.
Exemple 3.49 Considerem la base B
/
= {(1, 2), (1, 1)] de R
2
. La matriu del canvi
de base de la base B
/
a la base can` onica B
c
es
(R
2
, B
/
)
C
(R
2
, B
c
) , C =
_
1 1
2 1
_
.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 62 de144
Teorema 3.50 Si C = M(B
/
, B) es la matriu del canvi de base de B
/
a B, la relaci o
X = CX
/
expressa les components dun vector en la base B en funci o de les seves compo-
nents en la base B
/
.
Exemple 3.51 Lexpressi o de les components can` oniques (x, y) dun vector arbitrari
u de R
2
en funci o de les components (x
/
, y
/
) en la base B
/
dabans es
_
x
y
_
=
_
1 1
2 1
__
x
/
y
/
_
, es a dir,
_
x = x
/
y
/
y = 2x
/
y
/
.
Observaci o 3.52 Els canvis de base permeten tamb e trobar les equacions implcites
dun subespai en una base a partir de les seves equacions implcites en una altra.
Exemple 3.53 Si, per exemple, volem con` eixer lequaci o que tindria en la base B
/
dels
exemples anteriors la recta que en la base can` onica ve descrita per lequaci o
2x y = 0 ,
nom es cal substituir-hi les expressions de x i y donades pel canvi de base original:
2(x
/
y
/
) (2x
/
y
/
) = 0 .
Per tant,
4x
/
y
/
= 0
es lequaci o de la recta respecte de la base B
/
.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 63 de144
Teorema 3.54 Si C = M(B
/
, B) es la matriu del canvi de base de B
/
a B, llavors
C
1
es la matriu del canvi de base invers: C
1
= M(B, B
/
)
(R
n
, B)
C
1
(R
n
, B
/
) , X
/
= C
1
X
Exemple 3.55 Considerem la base B
/
introduda en els exemples anteriors. La matriu
inversa de C es
C
1
=
1
3
_
1 1
2 1
_
.
Aix` o signica que els vectors e
1
, e
2
de la base can` onica venen expressats en funci o
dels de la base B
/
per les igualtats
e
1
=
1
3
(e
/
1
2e
/
2
), e
2
=
1
3
(e
/
1
e
/
2
) .
En conseq u` encia, les components dun vector en la base B
/
en funci o de les seves
components can` oniques venen donades per
_
x
/
y
/
_
=
1
3
_
1 1
2 1
__
x
y
_
, es a dir,
_

_
x
/
=
1
3
(x y)
y
/
=
1
3
(2x y) .
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 64 de144
Teorema 3.56 Suposem que B
/
i B
//
s on dues bases arbitr` aries i que coneixem les
seves matrius de canvi respecte duna tercera base B:
(R
n
, B
/
)
C
(R
n
, B) i (R
n
, B
//
)
D
(R
n
, B) .
Llavors la matriu de canvi de base
(R
n
, B
//
)
P
(R
n
, B
/
)
es
P = C
1
D .
Exemple 3.57 Aix, si tenim la base B
/
introduda anteriorment, i la base B
//
formada
pels vectors e
//
1
= (5, 1), e
//
2
= (1, 5), resulta que
C =
_
1 1
2 1
_
, D =
_
5 1
1 5
_
i P = C
1
D =
_
2 2
3 1
_
.
y
/
x
/
y
/
/
x
//
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 65 de144
Denici o 3.58 Les bases B i B
/
de R
n
tenen la mateixa orientaci o si det(C) > 0,
essent C la matriu del canvi de base. Les bases amb la mateixa orientaci o que la
base can` onica direm que tenen orientaci o positiva i les altres, negativa.
-6 -4 -2 2 4 6
-4
-3
-2
-1
1
2
3
4
-6 -4 -2 2 4 6
-4
-3
-2
-1
1
2
3
4
Orientaci o positiva Orientaci o negativa
u
1
u
2
u
1
u
2
B = {u
1
, u
2
]
Orientaci o positiva
u
1
u
2
u
3
u
1
u
2
u
3
Orientaci o negativa B = {u
1
, u
2
, u
3
]
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 66 de144
4 Lespai vectorial euclidi ` a R
n
El concepte b` asic es el de producte escalar, del qual deriven daltres com la norma,
langle, etc. S on de destacar tamb e tots els referents a lortogonalitat, tals com el
de subespai ortogonal, el m` etode de Gram-Schmidt per trobar bases ortogonals, la
projecci o ortogonal dun vector sobre un subespai i l aplicaci o daquest al m` etode
dels mnims quadrats per trobar les millors solucions dun sistema dequacions lineals.
4.1 Estructura euclidiana de R
n
Denici o 4.1 El producte escalar de dos vectors u = (x
1
, x
2
, . . . , x
n
) i v =
(y
1
, y
2
, . . . , y
n
) de R
n
es el nombre real
u v = x
1
y
1
x
2
y
2
x
n
y
n
.
Proposici o 4.2 (a) denida positiva: u u > 0 per a tot u ,= 0 .
(b) sim` etrica (commutativa): u v = v u .
(c) compatible amb el producte per escalars: (t u) v = t (u v) = u (t v) .
(d) distributiva respecte de la suma: u (v w) = u v u w.
Exemple 4.3 Si u = (2, 1, 3, 2) i v = (3, 1, 2, 1), llavors
u v = (2, 1, 3, 2) (3, 1, 2, 1) = 13 .
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 67 de144
Denici o 4.4 La norma, m` odul o longitud dun vector u = (x
1
, x
2
, . . . , x
n
) R
n
es el n umero real
| u | =

u u =
_
x
2
1
x
2
2
x
2
n
.
Proposici o 4.5 (a) | u | 0 i | u | = 0 si, i nom es si, u = 0.
(b) | t u | = [ t [| u | per a tot t R.
(c) [ u v [ | u || v | (desigualtat de Schwarz).
(d) | u v | | u | | v | (desigualtat triangular).
Denici o 4.6 La dist` ancia entre dos vectors u = (x
1
, x
2
, . . . , x
n
) i v =
(y
1
, y
2
, . . . , y
n
) de R
n
es el nombre real
d(u, v) = | u v | =
_
(x
1
y
1
)
2
(x
2
y
2
)
2
(x
n
y
n
)
2
.
Proposici o 4.7 (a) d(u, v) 0 i d(u, v) = 0 si, i nom es si, u = v.
(b) d(u, v) = d(v, u).
(c) d(u, v) d(u, w) d(w, v) (desigualtat triangular).
Exemple 4.8 La dist` ancia entre els vectors de lexemple anterior es
d(u, v) = | u v | = | (5, 0, 5, 3) | =

(5, 0, 5, 3) (5, 0, 5, 3) =

59.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 68 de144
Denici o 4.9 Langle (no orientat) entre dos vectors no nuls u i v de R
n
es de-
neix com
(u, v) = arccos
u v
| u || v |
.
Cal observar que aquesta denici o t e sentit per la desigualtat de Schwarz, ja que en
virtud daquesta el quocient anterior t e m` odul menor o igual que 1 i pren valors, per
tant, entre 1 i 1.
En particular, obtenim aix la f ormula cl` assica del producte escalar, generalitzada ara
a R
n
:
u v = | u || v | cos (u, v) .
Combinant aquesta f ormula amb la quarta propietat de la norma, obtenim:
Proposici o 4.10 Teorema del cosinus:
| u v |
2
= | u |
2
| v |
2
2| u || v | cos (u, v) .
Exemple 4.11 Considerem els vectors u = (2, 1, 3, 2) i v = (3, 1, 2, 1) dels
exemples anteriors.
Aleshores,
cos (u, v) =
13

18

15
=
13

270
, don = 142.294

.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 69 de144
Tots els c` alculs anteriors poden fer-se tamb e a partir de les components dels vectors
respecte dalguna base donada.
Exemple 4.12 Els vectors de la base B = {u
1
, u
2
, u
3
] compleixen que | u
1
| = 1,
| u
2
| = | u
3
| = 4. A m es a m es, u
1
i u
2
formen un angle de 60

, u
1
i u
3
de 120

,
i u
2
i u
3
de 90

. Volem calcular langle que formen els vectors u i v que en la base B

tenen components (2, 1, 1) i (3, 1, 1) respectivament.
En primer lloc, calculem els productes escalars dels vectors de la base B entre ells:
u
1
u
1
= 1 u
1
u
2
= 2 u
1
u
3
= 2
u
2
u
2
= 16 u
2
u
3
= 0 u
3
u
3
= 16
Aleshores,
u v = (2u
1
u
2
u
3
) (3u
1
u
2
u
3
)
= 6 4 4 6 16 0 6 0 16 = 18
| u |
2
= u u = (2u
1
u
2
u
3
) (2u
1
u
2
u
3
)
= 4 4 4 4 16 0 4 0 16 = 52
| v |
2
= v v = (3u
1
u
2
u
3
) (3u
1
u
2
u
3
)
= 9 6 6 6 16 0 6 0 16 = 41 .
Per tant,
cos (u, v) =
18

52

41
=
18

2132
, es a dir, = 67.056

.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 70 de144
Denici o 4.13 El producte vectorial de u = (x
1
, x
2
, x
3
) i v = (y
1
, y
2
, y
3
) es:
u v = (x
2
y
3
x
3
y
2
, x
3
y
1
x
1
y
3
, x
1
y
2
x
2
y
1
) .
Si {i, j, k] representa la base can` onica de R
3
, es util la regla nemot` ecnica seg uent:
u v =

i j k
x
1
x
2
x
3
y
1
y
2
y
3

.
Proposici o 4.14 (a) u v = v u.
(b) (t u) v = u (t v) = t (u v).
(c) (u
1
u
2
) v = u
1
v u
2
v.
(d) u v = 0 si, i nom es si, u i v s on linealment dependents.
(e) Si u i v s on independents, llavors {u, v, u v] es una base positiva de R
3
.
(f) | u v | = | u || v | sin , on = (u, v).
u v
u v
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 71 de144
Denici o 4.15 El producte mixt de tres vectors u = (x
1
, x
2
, x
3
), v = (y
1
, y
2
, y
3
)
i w = (z
1
, z
2
, z
3
) es deneix com
u (v w) .
Proposici o 4.16 El producte mixt coincideix amb el determinant de la matriu de
les components dels tres vectors:
u (v w) =

x
1
y
1
z
1
x
2
y
2
z
2
x
3
y
3
z
3

.
Proposici o 4.17 El producte mixt sanu l
.
la si, i nom es si, els tres vectors s on
linealment dependents.
Exemple 4.18 Donats els vectors u = (2, 1, 3), v = (2, 1, 2) i w = (1, 2, 4), el
producte vectorial dels dos darrers es
v w = (2, 1, 2) (1, 2, 4) = (0, 6, 3)
i el producte mixt de tots tres es
u (v w) = (2, 1, 3) (0, 6, 3) = 3 =

2 2 1
1 1 2
3 2 4

.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 72 de144
4.2 Ortogonalitat
Denici o 4.19 Dos vectors u i v s on ortogonals o perpendiculars si, i nom es si,
u v = 0. Escriurem u v, en tal cas.
Proposici o 4.20 Dos vectors no nuls u i v s on ortogonals si, i nom es si, formen un
angle (no orientat) de 90

.
Proposici o 4.21 Teorema de Pit` agores.
| u v |
2
= | u |
2
| v |
2
si, i nom es si, u v .
Proposici o 4.22 Vectors no nuls ortogonals dos a dos s on linealment independents.
Observaci o 4.23

Es important remarcar que el recproc daquesta proposici o es fals
en general. Aix, per exemple, els vectors (1, 2, 2), (2, 1, 2) i (2, 2, 1) s on
ortogonals i linealment independents. En canvi, els vectors (1, 1, 1), (1, 1, 0) i (1, 0, 0)
s on linealment independents, per` o es clar que no s on ortogonals.
Proposici o 4.24 El producte vectorial de dos vectors u v es ortogonal a tots dos.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 73 de144
Denici o 4.25 Una matriu A es ortogonal si, i nom es si, A
t
A = I .
En el cas de les matrius quadrades tenim:
Proposici o 4.26 Una matriu quadrada A es ortogonal si, i nom es si, A
1
= A
t
.
Les propietats b` asiques de les matrius ortogonals s on les seg uents:
Proposici o 4.27 (a) El producte de matrius ortogonals es tamb e ortogonal.
(b) Si una matriu quadrada es ortogonal, llavors la seva matriu transposada o in-
versa -ja que coincideixen- es tamb e ortogonal.
(c) El determinant duna matriu ortogonal quadrada es sempre 1 o 1.
Exemple 4.28 La matriu
A =
1
3
_
_
1 2 2
2 1 2
2 2 1
_
_
es ortogonal perqu` e
A
t
A =
1
3
_
_
1 2 2
2 1 2
2 2 1
_
_
1
3
_
_
1 2 2
2 1 2
2 2 1
_
_
= I .
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 74 de144
Denici o 4.29 Una base dun subespai sanomena ortogonal si els seus vectors
s on ortogonals dos a dos. I sen diu ortonormal si, a m es a m es, est` a formada per
vectors unitaris, es a dir, de norma 1.
La base can` onica de R
n
n es lexemple m es senzill de tots dos tipus.
Dividint cada vector duna base ortogonal per la seva norma sobt e una ortonormal.
Proposici o 4.30 Si B = {u
1
, u
2
, . . . , u
n
] es una base de R
n
, i C es la matriu de
canvi de base de B a una base ortonormal donada, aleshores
B es base ortonormal C es ortogonal .
Exemple 4.31 La base formada pels vectors
1
3
(1, 2, 2),
1
3
(2, 1, 2),
1
3
(2, 2, 1)
es ortonormal, ja que matriu de canvi de base a la base can` onica es la matriu anterior.
Proposici o 4.32 Les f ormules de c` alcul del producte escalar, la norma, la
dist` ancia, langle, el producte vectorial i el producte mixt s on les mateixes si tre-
ballem amb les components respecte duna base ortonormal qualsevol de R
n
.
Exemple 4.33 Si dos vectors tenen components (2, 1, 3, 2) i (3, 1, 2, 1) respec-
tivament respecte duna certa base ortonormal B de R
4
, el seu producte escalar es
2 (3) 1 1 (3) 2 2 (1) = 13 .
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 75 de144
Teorema 4.34 M` etode dortogonalitzaci o de Gram-Schmidt. Si u
1
, u
2
, . . . , u
m
s on vectors linealment independents, llavors els vectors
v
1
= u
1
v
2
= u
2
t v
1
amb t =
u
2
v
1
v
1
v
1
v
3
= u
3
(t
1
v
1
t
2
v
2
) amb t
1
=
u
3
v
1
v
1
v
1
i t
2
=
u
3
v
2
v
2
v
2
. . .
v
k
= u
k
(t
1
v
1
t
2
v
2
t
k1
v
k1
) amb t
i
=
u
k
v
i
v
i
v
i
(i = 1, . . . , k 1)
formen una base ortogonal del subespai u
1
, u
2
, . . . , u
k
) = v
1
, v
2
, . . . , v
k
).
Exemple 4.35 Sigui S = (2, 1, 2, 1), (1, 1, 5, 3), (2, 3, 8, 7)). Llavors
v
1
= (2, 1, 2, 1)
v
2
= (1, 1, 5, 3) t (2, 1, 2, 1) amb t =
(1,1,5,3)(2,1,2,1)
(2,1,2,1)(2,1,2,1)
=
10
10
= 1
= (1, 1, 5, 3) (2, 1, 2, 1) = (3, 2, 3, 2)
v
3
= (2, 3, 8, 7) t
1
(2, 1, 2, 1) t
2
(3, 2, 3, 2)
amb t
1
=
(2,3,8,7)(2,1,2,1)
(2,1,2,1)(2,1,2,1)
=
30
10
= 3
t
2
=
(2,3,8,7)(3,2,3,2)
(3,2,3,2)(3,2,3,2)
=
26
26
= 1
= (2, 3, 8, 7) 3(2, 1, 2, 1) (3, 2, 3, 2) = (1, 2, 1, 2) .
Per tant, {(2, 1, 2, 1), (3, 2, 3, 2), (1, 2, 1, 2)] es una base ortogonal de S.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 76 de144
Proposici o 4.36 Els vectors ortogonals a (tots els vectors de) S formen un subespai
vectorial.
Denici o 4.37 Aquest subespai sanomena ortogonal de S i es representa per S

.
Proposici o 4.38 (a) (S

= S.
(b) di mS

= n di mS.
Proposici o 4.39 Els coecients de les equacions implcites de lortogonal dun
subespai S respecte duna base ortonormal B s on les components respecte da-
questa mateixa base dun sistema de generadors del subespai.
Exemple 4.40 Sigui S el subespai de R
4
generat per (2, 1, 3, 2) i (2, 3, 1, 4). Les
equacions implcites del seu subespai ortogonal s on, doncs, 2x y 3z 2t = 0 i
2x 3y z 4t = 0.
Proposici o 4.41 Les components dun sistema de generadors de lortogonal dun
subespai S respecte duna base ortonormal B s on els coecients de les equacions
implcites del subespai respecte daquesta mateixa base.
Exemple 4.42 Si S es el subespai de R
3
denit per lequaci o implcita x 2y3z = 0,
el seu subespai ortogonal S

es el generat pel vector (1, 2, 3).

U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 77 de144
4.3 Projecci o ortogonal i sim` etric
Teorema 4.43 Donat un subespai S de R
n
, per a cada vector u R
n
existeix un
unic vector u
/
S tal que u
//
= u u
/
S

. El valor | u
//
| = | u u
/
| es el
mnim possible de les dist` ancies de u a cadascun dels vectors de S.
Denici o 4.44 Es diu que u
/
es la projecci o ortogonal de u sobre S, o tamb e la
millor aproximaci o de u en S.
El sim` etric de u respecte a S es deneix com
u

= 2u
/
u = u
/
u
//
= u 2u
//
.
u
u
/
u
//
u
//
= u u
/
u

U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 78 de144
Proposici o 4.45 Si B = {v
1
, v
2
, . . . , v
r
] es un sistema de generadors de S, la
projecci o ortogonal de u sobre S es
u
/
= t
1
v
1
t
2
v
2
t
r
v
r
,
on t
1
, t
2
, . . . , t
r
s on solucions del sistema lineal PX = Q, essent P i Q les matrius
P =
_
_
_
_
v
1
v
1
v
1
v
2
v
1
v
r
v
2
v
1
v
2
v
2
v
2
v
r
. . . . . . . . . . . .
v
r
v
1
v
r
v
2
v
r
v
r
_
_
_
_
i Q =
_
_
_
_
u v
1
u v
2
. . .
u v
r
_
_
_
_
.
Exemple 4.46 C` alcul de la projecci o ortogonal i del sim` etric del vector u = (3, 2, 4)
sobre el subespai
S = (1, 1, 0), (1, 0, 1)) .
Les matrius P i Q de la darrera proposici o s on:
P =
_
2 1
1 2
_
i Q =
_
1
7
_
.
Llavors, la soluci o del sistema PX = Q es t
1
=
5
3
i t
2
=
13
3
. Per tant, la projecci o
ortogonal de u sobre S es
u
/
= t
1
(1, 1, 0) t
2
(1, 0, 1) =
5
3
(1, 1, 0)
13
3
(1, 0, 1) =
1
3
(8, 5, 13) .
Finalment, el sim` etric de u respecte al subespai S es
u

= 2u
/
u =
2
3
(8, 5, 13) (3, 2, 4) =
1
3
(7, 4, 14) .
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 79 de144
Proposici o 4.47 El vector u
//
= u u
/
es la projecci o ortogonal de u sobre el
subespai S

.
Exemple 4.48 Calculem la projecci o ortogonal del vector u = (3, 2, 4) sobre el
subespai
S = (1, 1, 0), (1, 0, 1)) .
El subespai ortogonal S

ve donat llavors per les equacions implcites

x y = 0
x z = 0
_
,
i una base seva es, per exemple, (1, 1, 1). En conseq u` encia, la projecci o ortogonal
sobre S

es
u
//
= t (1, 1, 1) amb t =
(3, 2, 4)(1, 1, 1)
(1, 1, 1)(1, 1, 1)
,
es a dir,
u
//
=
1
3
(1, 1, 1) .
Per tant, la projecci o ortogonal sobre el subespai S es
u
/
= u u
//
= (3, 2, 4)
1
3
(1, 1, 1) =
1
3
(8, 5, 13) .
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 80 de144
Proposici o 4.49 Si B = {v
1
, v
2
, . . . , v
r
] es una base ortogonal de S, llavors la
projecci o ortogonal de u sobre S ve donada per
u
/
= t
1
v
1
t
2
v
2
t
r
v
r
on t
i
=
u v
i
v
i
v
i
(i = 1, 2, . . . , r) .
I si la base es ortonormal, llavors t
i
= u v
i
(i = 1, 2, . . . , r).
Exemple 4.50 Calculem la projecci o ortogonal de u = (3, 2, 4) sobre el subespai
S = (1, 1, 0), (1, 0, 1)) .
Apliquem el m` etode de Gram-Schmidt per trobar una base ortogonal del subespai S:
v
1
= (1, 1, 0)
v
2
= (1, 0, 1) t (1, 1, 0) amb t =
(1, 0, 1) (1, 1, 0)
(1, 1, 0) (1, 1, 0)
=
1
2
= (1, 0, 1)
1
2
(1, 1, 0) . (1, 1, 2)

Es a dir, {(1, 1, 0), (1, 1, 2)] es una base ortogonal de S. Aleshores

u
/
= t
1
(1, 1, 0) t
2
(1, 1, 2)
amb t
1
=
(3, 2, 4) (1, 1, 0)
(1, 1, 0) (1, 1, 0)
=
1
2
t
2
=
(3, 2, 4) (1, 1, 2)
(1, 1, 2) (1, 1, 2)
=
13
6
=
1
2
(1, 1, 0)
13
6
(1, 1, 2) =
1
3
(8, 5, 13) .
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 81 de144
Observaci o 4.51 La f ormula del m` etode dortogonalitzaci o de Gram-Schmidt pot ser
reformulada ara en termes de la projecci o ortogonal. Aix, tenim que
v
k
= u
k
u
/
k
(k = 2, . . . , m),
on u
/
k
= t
1
v
1
t
2
v
2
t
k1
v
k1
es la projecci o ortogonal de u
k
sobre el subespai
v
1
, v
2
, . . . , v
k1
) = u
1
, u
2
, . . . , u
k1
) .
Aix, per exemple, tindrem que
v
1
= u
1
v
2
= u
2
u
/
2
= u
2
t v
1
amb t =
u
2
v
1
v
1
v
1
v
3
= u
3
u
/
3
= u
3
(t
1
v
1
t
2
v
2
) amb t
1
=
u
3
v
1
v
1
v
1
i t
2
=
u
3
v
2
v
2
v
2
.
u
2
v
1
= u
1
u
/
2
= t v
1
u
/
2
= t v
1
v
2
v
3
u
/
3
= t
1
v
1
t
2
v
2
u
/
3
= (t
1
v
1
t
2
v
2
)
v
1
v
2
u
3
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 82 de144
4.4 M` etode dels mnims quadrats
Donat un sistema dequacions lineals AX = B, el m` etode dels mnims quadrats con-
sisteix en trobar els valors de X que minimitzen lerror quadr` atic
= | AX B | .
Interpretant com a vectors les columnes de la matriu A i la de termes independents B,
i aplicant el concepte de projecci o ortogonal, sobt e:
Proposici o 4.52 Donat el sistema dequacions AX = B, els valors de X que
minimitzen lerror quadr` atic s on les solucions del sistema
AX = B
/
,
on B
/
es la projecci o ortogonal de B sobre el subespai generat per les columnes de
la matriu A.
De la f ormula general de c` alcul de la projecci o ortogonal aplicada a aquest cas, sobt e
la seg uent:
Teorema 4.53 Donat el sistema dequacions AX = B, els valors de X que mini-
mitzen lerror quadr` atic s on les solucions del sistema
A
t
AX = A
t
B .
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 83 de144
Exemple 4.54 Volem trobar la recta y = ax b que m es saproxima a la taula
x 2 1 2 4 5 7
y 1 2 2 0 3 3
Cal minimitzar, doncs, lerror quadr` atic:
-4 -2 2 4 6 8
-4
-2
2
4
d
1
d
2
d
3
d
4
d
5
d
6
=
_
d
2
1
d
2
2
d
2
3
d
2
4
d
2
5
d
2
6
= | AX B |
Imposant que la recta passi per tots els punts, sobt e el sistema seg uent que, evident-
ment, es incompatible:
2a b = 1
a b = 2
2a b = 2
4a b = 0
5a b = 3
7a b = 3
_

_
o AX = B , amb A =
_
_
_
_
_
_
_
_
2 1
1 1
2 1
4 1
5 1
7 1
_
_
_
_
_
_
_
_
i B =
_
_
_
_
_
_
_
_
1
2
2
0
3
3
_
_
_
_
_
_
_
_
,
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 84 de144
Per tant, per trobar els valors de a i b que minimitzen lerror quadr` atic hem de resoldre
el sistema
_
2 1 2 4 5 7
1 1 1 1 1 1
_
_
_
_
_
_
_
_
_
2 1
1 1
2 1
4 1
5 1
7 1
_
_
_
_
_
_
_
_
_
a
b
_
=
_
2 1 2 4 5 7
1 1 1 1 1 1
_
_
_
_
_
_
_
_
_
1
2
2
0
3
3
_
_
_
_
_
_
_
_
,
es a dir,
_
99 17
17 6
__
a
b
_
=
_
36
7
_
.
La soluci o daquest sistema i la recta que busc` avem s on, per tant,
a =
97
305
, b =
81
305
i y =
97x 81
305
.
I lerror quadr` atic es
=
_
_

113
305
1
_
2

_
178
305
2
_
2

_
55
61
2
_
2

_
469
305
0
_
2

_
566
305
3
_
2

_
152
61
3
_
2
= 12
_
29
305
.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 85 de144
Proposici o 4.55 La soluci o obtinguda en aplicar el m` etode dels mnims quadrats
a un sistema dequacions lineals AX = B es unica si, i nom es si, el rang de A es
igual al nombre dinc` ognites. I, en cas contrari, lerror quadr` atic es el mateix per
totes les solucions del sistema.
Exemple 4.56 Considerem el sistema
x 2y = 2
x 2y = 0
_
o b e
_
1 2
1 2
__
x
y
_
=
_
2
0
_
,
que es clarament incompatible. Si apliquem el m` etode dels mnims quadrats obtenim
_
1 1
2 2
__
1 2
1 2
__
x
y
_
=
_
1 1
2 2
__
2
0
_
,
es a dir,
_
2 4
4 8
__
x
y
_
=
_
2
4
_
,
que es compatible indeterminat en aquest cas, es t e que rang A = 1, per` o el nombre
dinc` ognites es n = 2 i t e soluci o general
x = 1 2y .
Aleshores, per calcular lerror quadr` atic prenem una qualsevol de les seves solucions
per exemple, x = 1, y = 0 i tenim que
=
_
(1 2 0 2)
2
(1 2 0 0)
2
=

2 .
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 86 de144
Observaci o 4.57 Fins ara, ens hem limitat a aplicar el m` etode dels mnims quadrats a
sistemes incompatibles. Evidentment, si el sistema es compatible, els valors obtinguts
en aplicar el m` etode dels mnims quadrats s on les solucions exactes del sistema original
i, en tal cas, lerror quadr` atic es zero.
Exemple 4.58 Si apliquem el m` etode dels mnims quadrats al sistema
x y = 0
x y = 2
_
o b e
_
1 1
1 1
__
x
y
_
=
_
0
2
_
,
que es, evidentment, compatible determinat i t e solucio
x = 1 , y = 1 ,
sobt e
_
1 1
1 1
__
1 1
1 1
__
x
y
_
=
_
1 1
1 1
__
0
2
_
,
es a dir,
_
2 0
0 2
__
x
y
_
=
_
2
2
_
,
que, ` obviament, t e la mateixa soluci o.
I si calculem lerror quadr` atic tenim que
=
_
(1 1 0)
2
(1 1 2)
2
= 0 .
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 87 de144
5 Transformacions lineals
5.1 Transformacions lineals
Denici o 5.1 T : R
n
R
m
es una transformaci o lineal si, i nom es si,
T(u u
/
) = T(u) T(u
/
) per a tot u, u
/
R
n
.
T(t u) = t T(u) per a tot u R
n
i tot t R.
Una transformaci o lineal T : R
n
R
n
sanomena un endomorsme de R
n
.
Proposici o 5.2 Expressi o explcita. Una aplicaci o T : R
n
R
m
es una
transformaci o lineal si, i nom es si, cadascuna de les m components de la imat-
ge T(x
1
, x
2
, . . . , x
n
) es de la forma a
1
x
1
a
2
x
2
a
n
x
n
.
Exemple 5.3 T(x, y, z, t ) = (x 2y 4t, 3x 7y 2z, 2x 5y 2z 4t ) .
Proposici o 5.4 Determinaci o. Si coneixem les imatges dels vectors duna base,
queda determinada la transformaci o lineal.
Exemple 5.5 Si B
1
= {e
1
, e
2
] i B
2
= {u
1
, u
2
, u
3
] s on bases de R
2
i R
3
respectivament,
es pot considerar la tranformaci o lineal T : R
2
R
3
tal que
T(e
1
) = 2u
1
u
2
3u
3
T(e
2
) = u
1
3u
2
4u
3
_
.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 88 de144
Denici o 5.6 Sanomena matriu associada A = M(T, B
1
, B
2
) a la transformaci o
lineal T en les bases B
1
de R
n
i B
2
de R
m
a la que t e per columnes les components
de les imatges dels vectors de la base B
1
respecte de la base B
2
.
Sanomena matriu associada A = M(T, B) a un endomorsme T en la base B
de R
n
a la seva matriu associada en la base B tant de sortida com darribada.
Exemple 5.7 La matriu associada a la transformaci o lineal anterior en les bases B
1
=
{e
1
, e
2
] i B
2
= {u
1
, u
2
, u
3
] es
A = M(T, B
1
, B
2
) =
_
_
2 1
1 3
3 4
_
_
.
Proposici o 5.8 Si coneixem lexpressi o explcita duna transformaci o lineal, lla-
vors la seva matriu en les bases can` oniques sobt e escrivint en les els coecients
de cadascuna de les components de la imatge.
Exemple 5.9 La matriu de la transformaci o lineal T : R
4
R
3
denida en el primer
exemple en les bases can` oniques es
A =
_
_
1 2 0 4
3 7 2 0
2 5 2 4
_
_
.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 89 de144
Teorema 5.10 Imatges i antiimatges. Si X es la matriucolumna de les compo-
nents dun vector qualsevol u en una base B
1
de R
n
, X
/
es la matriucolumna de
les components de la seva imatge v = T(u) en una base B
2
de R
m
, i A es la matriu
de la transformaci o lineal T : R
n
R
m
en aquestes bases, llavors
X
/
= AX .
Exemple 5.11 Aix` o signica que en lexemple anterior es t e que
_
_
x
/
y
/
z
/
_
_
=
_
_
1 2 0 4
3 7 2 0
2 5 2 4
_
_
_
_
_
_
x
y
z
t
_
_
_
_
o b e
x
/
= x 2y 4t
y
/
= 3x 7y 2z
z
/
= 2x 5y 2z 4t
_

_
,
on (x, y, z, t ) i (x
/
, y
/
, z
/
) s on les components can` oniques respectives dun vector qual-
sevol de R
4
i de la seva imatge en R
3
. Aix, la imatge del vector (1, 1, 2, 0) es
_
_
1 2 0 4
3 7 2 0
2 5 2 4
_
_
_
_
_
_
1
1
2
0
_
_
_
_
=
_
_
1
0
1
_
_
,
i obtenim que la imatge es T(1, 1, 2, 0) = (1, 0, 1), mentre que per les antiimatges del
vector (5, 2, 3) hem de resoldre
_
_
1 2 0 4 5
3 7 2 0 2
2 5 2 4 3
_
_
F
2
F
2
3F
1
F
3
F
3
2F
1
.
_
_
1 2 0 4 5
0 1 2 12 13
0 1 2 12 13
_
_
don
T
1
(5, 2, 3) =
_
(x, y, z, t ) R
4
: x = 31 4z 28t , y = 13 2z 12t
_
.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 90 de144
Denici o 5.12 El nucli duna transformaci o lineal T : R
n
R
m
es el conjunt format per tots els vectors de R
n
que tenen imatge zero:
Nuc(T) = {u R
n
tals que T(u) = 0] .
La imatge duna transformaci o lineal T : R
n
R
m
es el conjunt
format per tots els vectors de R
m
que s on imatge dalgun vector de R
n
:
Im(T) = {v R
m
tals que v = T(u), amb u R
n
] .
Teorema 5.13 Sigui T : R
n
R
m
una transformaci o lineal i A la seva
matriu associada respecte de dues bases B
1
= {e
1
, e
2
, . . . , e
n
] de R
n
i B
2
=
{v
1
, v
2
, . . . , v
m
] de R
m
. Llavors:
(a) Nuc(T) es un subespai de R
n
i AX = 0 es un sistema dequacions implcites
seves respecte de la base B
1
.
(b) Im(T) es un subespai de R
m
i {T(e
1
), T(e
2
), . . . , T(e
n
)] es un sistema de
generadors del subespai Im(T). Per tant, les columnes de la matriu A s on les
components dun sistema de generadors de Im(T) respecte de la base B
2
.
(c) dimNuc(T) dimIm(T) = n.
Exemple 5.14 En lexemple dabans, les equacions implcites minimals de Nuc(T)
s on
x 2y 4t = 0
y 2z 12t = 0
_
,
mentre que (1, 3, 2), (2, 7, 5) formen una base de Im(T).
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 91 de144
Denici o 5.15 El rang de T es deneix com rang(T) = dimIm(T).
Proposici o 5.16 rang(T) = rang A per tota matriu A associada a T.
Proposici o 5.17 Donada una transformaci o lineal T : R
n
R
m
, i una matriu
associada A a T en certes bases,
(a) T es exhaustiva si, i nom es si, Im(T) = R
m
, es a dir,
rang(T) = rang A = m.
(b) T es injectiva si, i nom es si, Nuc(T) = {0], es a dir, rang(T) = rang A = n.
(c) Quan m = n, lendomorsme T es bijectiu si, i nomes si, Im(T) = R
m
i
Nuc(T) = {0], es a dir, rang(T) = rang A = m = n.
Proposici o 5.18 Sigui T : R
n
R
m
una transformaci o lineal.
(a) Si T es exhaustiva, llavors les imatges dels vectors duna base de R
n
formen
un sistema de generadors de R
m
.
(b) Si T es injectiva, llavors les imatges dels vectors duna base de R
n
formen un
sistema de vectors linealment independents de R
m
.
(c) Si m = n i T es bijectiva, llavors les imatges dels vectors duna base de R
n
formen una base de R
n
.
Exemple 5.19 En el nostre exemple anterior, T no es ni exhaustiva ni injectiva, ja que
rang A = 2 , tal i com es dedueix dels c` alculs anteriors.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 92 de144
5.2 Canvis de base
Teorema 5.20 F ormula del canvi de base general. Donada una transformaci o
lineal T : R
n
R
m
, si B
1
i B
/
1
s on bases de R
n
i B
2
i B
/
2
s on bases de R
m
, la
relaci o entre les matrius A = M(T, B
1
, B
2
) i A
/
= M(T, B
/
1
, B
/
2
) es
A
/
= D
1
AC ,
on C es la matriu del canvi de base de B
/
1
a B
1
i D es la matriu del canvi de base
de B
/
2
a B
2
.
(R
n
, B
/
1
)
C

(R
n
, B
1
)
A

(R
m
, B
2
)
D
1

(R
m
, B
/
2
)
& %

A
/
= D
1
AC
Exemple 5.21 Sigui T(x, y) = (y, 5x 13y, 7x 16y), i considerem les bases
B
1
= {(3, 1), (5, 2)] i B
2
= {(1, 0, 1), (1, 2, 2), (0, 1, 2)] de R
2
i R
3
respectiva-
ment. La matriu en les bases can` oniques de R
2
i R
3
i les de canvi de base s on
A =
_
_
0 1
5 13
7 16
_
_
, C =
_
3 5
1 2
_
, i D =
_
_
1 1 0
0 2 1
1 2 2
_
_
i, per tant, la matriu de T en les bases B
1
i B
2
es
A
/
=
_
_
1 1 0
0 2 1
1 2 2
_
_
1
_
_
0 1
5 13
7 16
_
_
_
3 5
1 2
_
=
_
_
1 3
0 1
2 1
_
_
.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 93 de144
Observaci o 5.22 Podem escriure tamb e la f ormula del canvi de base en la forma
M(T, B
/
1
, B
/
2
) = M(B
2
, B
/
2
)M(T, B
1
, B
2
)M(B
/
1
, B
1
) ,
m es util en la pr` actica quan les matrius de canvi de base de les bases nals en les
inicials no s on tan immediates.
Exemple 5.23 Lendomorsme T : R
3
R
3
compleix que
T(1, 2, 2) = (1, 0, 1)
T(2, 3, 4) = (1, 1, 0)
T(2, 1, 3) = (0, 1, 1)
_

_
.
Volem calcular la seva matriu associada en la base can` onica. Tenim que la matriu de T
en les bases B = {(1, 2, 2), (2, 3, 4), (2, 1, 3)] i can` onica de R
3
es
A =
_
_
1 1 0
0 1 1
1 0 1
_
_
.
Ara
M(B, B
c
) =
_
_
1 2 2
2 3 1
2 4 3
_
_
, M(B
c
, B
c
) = I =
_
_
1 0 0
0 1 0
0 0 1
_
_
,
i, en conseq u` encia, la matriu buscada es
A
/
=
_
_
1 1 0
0 1 1
1 0 1
_
_
_
_
1 2 2
2 3 1
2 4 3
_
_
1
=
_
_
5 1 3
10 1 6
15 2 9
_
_
.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 94 de144
Per la seva import` ancia, enunciem i estudiem a continuaci o el mateix teorema en el cas
dels endomorsmes referits a una unica base.
Teorema 5.24 F ormula del canvi de base per a endomorsmes. Considerem un
endomorsme T : R
n
R
n
i dues bases, B i B
/
. Si A = M(T, B), A
/
=
M(T, B
/
), i C es la matriu del canvi de base de B
/
a B, aleshores
A
/
= C
1
AC .
(R
n
, B
/
)
C

(R
n
, B)
A

(R
n
, B)
C
1

(R
n
, B
/
)
& %

A
/
= C
1
AC
Exemple 5.25 Sigui T lendomorsme de R
2
que en la base can` onica t e matriu asso-
ciada
_
1 2
1 3
_
.
Volem calcular la matriu de T en la base B = {(1, 2), (2, 1)]. Llavors la matriu del
canvi de base C es
C =
_
1 2
2 1
_
,
i, per tant, la matriu de T en aquesta base es
A
/
=
_
1 2
2 1
_
1
_
1 2
1 3
__
1 2
2 1
_
=
1
5
_
11 2
13 9
_
.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 95 de144
Observaci o 5.26 An` alogament al cas general, tamb e ara podem escriure la f ormula
del canvi de base per a endomorsmes en la forma
M(T, B
/
) = M(B, B
/
)M(T, B)M(B
/
, B) .
Exemple 5.27 Sigui B = {e
1
, e
2
] la base de R
2
formada pels vectors e
1
= (2, 3) i
e
2
= (1, 1) i T lendomorsme de R
2
tal que
T(e
1
) = 2e
1
3e
2
T(e
2
) = e
1
2e
2
_
.
Anem a calcular la seva matriu associada en la base can` onica. Tenint en compte que
les columnes de la matriu A = M(T, B) representen les imatges dels vectors e
1
i e
2
expressats en la base B, es evident que
A = M(T, B) =
_
2 1
3 2
_
.
Com que
M(B, B
c
) =
_
2 1
3 1
_
,
sobt e que la matriu de T en la base can` onica es
A
/
=
_
2 1
3 1
__
2 1
3 2
__
2 1
3 1
_
1
=
_
7 7
6 7
_
.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 96 de144
Proposici o 5.28 El determinant de qualsevol matriu associada a un endomorsme
no canvia en fer un canvi de base.
Denici o 5.29 Sanomena determinant dun endomorsme T de R
n
al determi-
nant det(T) de qualsevol de les seves matrius associades en una base arbitr` aria.
Proposici o 5.30 det(T) ,= 0 si, i nom es si, rang(T) = n, es a dir, si es bijectiu i,
per tant, transforma bases de R
n
en bases de R
n
.
Denici o 5.31 Els endomorsmes amb determinant positiu sanomenen directes
i els de determinant negatiu, inversos.
Proposici o 5.32 (a) Un endomorsme es directe si, i nom es si, conserva lorienta-
ci o de les bases, es a dir, si transforma bases positives en bases positives i negatives
en negatives.
(b) Un endomorsme es invers si, i nom es si, canvia lorientaci o de les bases, es a
dir, si transforma bases positives en negatives i viceversa.
Exemple 5.33 En el dos exemples anteriors de canvi de base en endomorsmes, el
primer era directe i el segon invers, ja que els determinants respectius eren

1 2
1 3

= 5 > 0 i

2 1
3 2

= 7 < 0.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 97 de144
5.3 Endomorsmes diagonalitzables
Ens proposem trobar alguna base B = {u
1
, u
2
, . . . , u
n
] adequada en la que la ma-
triu dunendomorsme sigui diagonal. Caldr` a, doncs, que T(u
i
) =
i
u
i
per a i =
1, 2, . . . , n. Suposarem a partir dara que T es un endomorsme de R
n
i que A es la
seva matriu associada en una base B.
Denici o 5.34 R es un valor propi de T si T(u) = u per cert vector u ,= 0.
Denici o 5.35 Sanomena polinomi caracterstic a p(x) = det(T x I ).
Proposici o 5.36 El caracterstic es de grau n i les seves arrels s on els valors propis.
Dels valors propis cal destacar la seva multiplicitat com a arrel del caracterstic. Si es
1, direm que el valor propi es simple i en cas contrari m ultiple ( doble si es 2, etc).
Exemple 5.37 Sigui T lendomorsme de R
3
que en la base can` onica t e matriu
A =
_
_
0 4 6
1 3 6
1 4 7
_
_
.
Llavors
p(x) =

x 4 6
1 3 x 6
1 4 7 x

= x
3
4x
2
5x 2 = (x 1)
2
(x 2) .
Per tant, els valors propis de T s on
1
= 1, que es doble, i
2
= 2, que es simple.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 98 de144
Denici o 5.38 u ,= 0 es un vector propi de T si T(u) = u per a algun R.
Proposici o 5.39 (a) Cada vector propi u ,= 0 est` a associat a un unic valor propi.
(b) Vectors propis de valors propis diferents s on linealment independents.
Per la primera daquestes propietats, es parla de vector propi de valor propi .
Proposici o 5.40 Nuc(T I ) es el conjunt de tots els vectors propis amb valor
propi afeginthi el vector nul.
Denici o 5.41 V

= Nuc(T I ) sen diu subespai propi associat a .

Proposici o 5.42 (a) Si t e multiplicitat m i d = dimV

, llavors 1 d m.
(b) En particular, si el valor propi es simple, aleshores d = m = 1.
Exemple 5.43 Els subespais propis de lexemple anterior s on V
1
= Nuc(T I ) i
V
2
= Nuc(T 2I ):
_
_
1 4 6 0
1 4 6 0
1 4 6 0
_
_
i
_
_
2 4 6 0
1 5 6 0
1 4 5 0
_
_
F
2
2F
2
F1
F
3
2F
3
F
1
.
_
_
2 4 6
0 6 6
0 4 4
_
_
,
es a dir, x 4y 6z = 0 i
x 2y 3z = 0
y z = 0
_
respectivament.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 99 de144
Teorema 5.44 Condici o necess` aria i sucient de diagonalitzaci o. Un endomors-
me T de R
n
es diagonalitzable si, i nom es si,
(a) El polinomi caracterstic es descompon totalment en factors lineals:
p(x) = (x
1
)
m
1
(x
2
)
m
2
(x
k
)
m
k
.
(b) La dimensi o de cada subespai propi coincideix amb la multiplicitat del valor
propi corresponent: d
i
= m
i
per a i = 1, . . . , k .
Observem que la segona condici o nom es cal comprovarla pels valors propis m ultiples,
ja que es verica autom` aticament pels simples.
Exemple 5.45 En el nostre exemple tenim que el caracterstic descomposa en fac-
tors lineals i, a m es, per l unic valor propi m ultiple que es = 1 es verica que
d
1
= dimNuc(T I ) = 3 1 = 2 = m
1
i, en conseq u` encia, es dedueix que len-
domorsme T diagonalitza.
Proposici o 5.46 Primera condici o sucient de diagonalitzaci o. Si un endomor-
sme T de R
n
t e n valors propis diferents es a dir, si tots els valors propis s on
simples, aleshores es diagonalitzable.
Exemple 5.47 Considerem lendomorsme T : R
2
R
2
que en la base can` onica t e
matriu associada
A =
_
2 2
1 3
_
.
El polinomi caracterstic es p(x) = det(x I A) = (x 1)(x 4) i, per tant, els dos
valors propis 1 i 4 s on simples i T es, doncs, diagonalitzable.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 100 de144
Observaci o 5.48 En diagonalitzar un endomorsme, cal tenir en compte les conside-
racions seg uents:
(a) La matriu diagonal D est` a formada pels valors propis escrits tantes vegades com
indiqui la seva multiplicitat.
(b) La base de vectors propis sobt e reunint bases de cadascun dels subespais propis.
(c) La matriu del canvi de base C que sobt e escrivint en columna les components
dels vectors nous en funci o dels vells en el mateix ordre que els corresponents valors
propis a D verica que D = C
1
AC, es a dir, AC = CD o b e A = CDC
1
.
Exemple 5.49 En el darrer exemple, la matriu diagonal es
D =
_
1 0
0 4
_
i els corresponents subespais propis Nuc(T I ) i Nuc(T 4I ) venen donats per les
equacions
_
1 2 0
1 2 0
_
i
_
2 2 0
1 1 0
_
respectivament, don es dedueix que una base de vectors propis es
{(2, 1), (1, 1)] .
Llavors la matriu de canvi de base i la relaci o corresponent s on
C =
_
2 1
1 1
_
i
_
1 0
0 4
_
=
_
2 1
1 1
_
1
_
2 2
1 3
__
2 1
1 1
_
.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 101 de144
Denici o 5.50 Es diu que una matriu quadrada A es diagonalitzable si existeix
una matriu regular C tal que D = C
1
AC es una matriu diagonal.
Observaci o 5.51

Es clar que la diagonalitzaci o duna matriu equival a la de qualsevol
endomorsme que la tingui com a associada en certa base. Per aix` o, per diagonalitzar
la nom es cal aplicar el que acabem destudiar per aquests.
Proposici o 5.52 Pot` encies duna matriu diagonalitzable. Si A es diagonalitzable,
aleshores A
k
= CD
k
C
1
per cada k N, on
D
k
=
_
_
_

1
.
.
.

n
_
_
_
k
=
_
_
_

1
k
.
.
.

n
k
_
_
_
.
Exemple 5.53 En el cas dabans tenim que, per a cada k N,
A
k
=
_
2 1
1 1
__
1 0
0 4
k
_
1
3
_
1 1
1 2
_
=
1
3
_
2 4
k
2 2 4
k
1 4
k
1 2 4
k
_
=
1
3
_
2 2
1 1
_

4
k
3
_
1 2
1 2
_
.
Proposici o 5.54 Segona condici o sucient de diagonalitzaci o. Tota matriu
sim` etrica es diagonalitzable.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 102 de144
6 Transformacions lineals de lespai vectorial euclidi ` a
6.1 Endomorsmes sim` etrics. Projeccions ortogonals i simetries
Denici o 6.1 Un endomorsme T de R
n
es diu que es sim` etric si, i nom es si,
T(x) y = x T(y) per a qualssevol x, y R
n
.
Proposici o 6.2 Si A es la matriu de T respecte duna base ortonormal, aleshores
T es sim` etric si, i nom es si, A es sim` etrica.
Proposici o 6.3 Els endomorsmes sim` etrics s on diagonalitzables i els vectors pro-
pis corresponents a valors propis diferents s on ortogonals.
Exemple 6.4 Lendomorsme T de R
3
denit en la base can` onica que es ortonormal
per
A =
_
_
2 1 1
1 2 1
1 1 2
_
_
es sim` etric per ser A sim` etrica i, per la segona condici o sucient de diagonalitzaci o, es
diagonalitzable. El caracterstic es p(x) = x
3
6x
2
9x 4 = (x 1)
2
(x 4)
i els valors propis 1 (doble) i 4 (simple). Els subespais propis s on Nuc(T I ) =
(1, 0, 1), (0, 1, 1)) i Nuc(T 4I ) = (1, 1, 1)). Observem que, efectivament,
els vectors (1, 0, 1) i (0, 1, 1) que s on de valor propi 1 s on ortogonals al vector
(1, 1, 1), que es de valor propi 4.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 103 de144
Denici o 6.5 Un endomorsme es ortogonalment diagonalitzable si, i nom es si,
admet una base ortonormal de vectors propis.
Teorema 6.6 Teorema espectral. Un endomorsme es ortogonalment diagonalit-
zable si, i nom es si, es sim` etric.
I, en tal cas, la base ortonormal de vectors propis sobt e reunint bases ortonormals
de cada subespai propi i la matriu del canvi de base P es ortogonal P
t
P = I o
P
1
= P
t
i verica que D = P
1
AP = P
t
AP i A = PDP
1
= PDP
t
.
Exemple 6.7 En lexemple anterior, nom es cal aplicar Gram-Schmidt al subespai
Nuc(T I ), ja que laltre es de dimensi o 1. Fent els c` alculs, obtenim la base orto-
normal de vectors propis
_
1

2
(1, 0, 1),
1

6
(1, 2, 1),
1

3
(1, 1, 1)
_
. En particular,
D = P
1
AP = P
t
AP, on P es ortogonal, es a dir, P
t
P = I o b e P
1
= P
t
:
P =
1

6
_
_

3 1

2
0 2

2

3 1

2
_
_
.
Denici o 6.8 Una matriu quadrada es ortogonalment diagonalitzable si, i nom es
si, existeix una matriu ortogonal P tal que D = P
1
AP = P
t
AP.
Teorema 6.9 Teorema espectral generalitzat. Una matriu quadrada es ortogonal-
ment diagonalitzable si, i nom es si, es sim` etrica.
Per la diagonalitzaci o ortogonal duna matriu sim` etrica nom es cal fer els mateixos
c` alculs que en la dun endomorsme sim` etric.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 104 de144
Denici o 6.10 Denim la projecci o ortogonal sobre un subespai F de R
n
com
lendomorsme P
F
: R
n
R
n
que a cada vector x R
n
li fa correspondre la
seva projecci o ortogonal x
/
sobre F.
Denici o 6.11 An` alogament, anomenarem simetria respecte de F a lendomor-
sme S
F
: R
n
R
n
que a cada vector u R
n
li associa el seu sim` etric x

respecte a F.
u
P
F
(x)
P
F
(x)
S
F
(x)
Quan F = R
n
sanomenen projecci o ortogonal i simetria generals i s on, de fet, la
identitat (P
F
= S
F
= I ), i quan F = {0], sanomenen centrals i s on lendomorsme
nul i menys la identitat respectivament (P
F
= 0 i S
F
= I ). En general, quan F sigui
una recta en direm axials i quan sigui un pla, planes o especulars.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 105 de144
Proposici o 6.12 (a) Nuc(P
F
) = F

, Im(P
F
) = F i S
F
es bijectiu.
(b) P
F
2
= P
F
, S
F
2
= I , P
F
P
F
= I , S
F
= 2P
F
I ( es a
dir, P
F
[P
F
(x)] = P
F
(x), S
F
[S
F
(x)] = x, P
F
(x) P
F
(x) = x,
S
F
(x) = 2P
F
(x) x per tot x R
n
) i les matrius associades respectives
veriquen les mateixes relacions.
Exemple 6.13 Calculem la matriu en la base can` onica de la projecci o ortogonal i la
simetria respecte del subespai F = (1, 1, 0), (0, 1, 1)).
Donat que F

es el subespai generat pel vector (1, 1, 0) (0, 1, 1) = (1, 1, 1),

calculem la matriu de la projecci o ortogonal sobre el subespai F

. Com que
P
F
(1, 0, 0) =
(1, 0, 0)(1, 1, 1)
(1, 1, 1)(1, 1, 1)
(1, 1, 1) =
1
3
(1, 1, 1)
i, an` alogament, P
F
(0, 1, 0) =
1
3
(1, 1, 1) i P
F
(0, 0, 1) =
1
3
(1, 1, 1), es t e que
M(P
F
, B
c
) =
1
3
_
_
1 1 1
1 1 1
1 1 1
_
_
, don
M(P
F
, B
c
) =
_
_
1 0 0
0 1 0
0 0 1
_
_

1
3
_
_
1 1 1
1 1 1
1 1 1
_
_
=
1
3
_
_
2 1 1
1 2 1
1 1 2
_
_
i
M(S
F
, B
c
) =
2
3
_
_
2 1 1
1 2 1
1 1 2
_
_

_
_
1 0 0
0 1 0
0 0 1
_
_
=
1
3
_
_
1 2 2
2 1 2
2 2 1
_
_
.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 106 de144
Proposici o 6.14 Les projeccions ortogonals i les simetries s on endomorsmes
sim` etrics.
Proposici o 6.15 Les matrius respectives de P
F
i S
F
en tota base de R
n
B = {u
1
, . . . , u
s
, u
s1
, . . . , u
n
] tal que u
1
, . . . , u
s
F i u
s1
, . . . , u
n
F

s on
_
_
_
_
_
_
_
_
_
1
.
.
.
s
1
0
.
.
.
n s
0
_
_
_
_
_
_
_
_
_
i
_
_
_
_
_
_
_
_
_
1
.
.
.
s
1
1
.
.
.
n s
1
_
_
_
_
_
_
_
_
_
.
Observaci o 6.16 En particular, si prenem els vectors u
1
, . . . , u
s
i u
s1
, . . . , u
n
de tal
manera que formin bases ortonormals de F i F

respectivament, obtenim una base

ortonormal de R
n
en la que P
F
i S
F
diagonalitzen en les matrius anteriors.
Exemple 6.17 En el mateix exemple dabans tenim que les matrius de P
F
i S
F
en la
base B = {(1, 1, 0), (0, 1, 1), (1, 1, 1)] s on, respectivament,
_
_
1 0 0
0 1 0
0 0 0
_
_
i
_
_
1 0 0
0 1 0
0 0 1
_
_
.
Observaci o 6.18 Cal observar que, fent un canvi de base, es poden trobar les matrius
de P
F
i S
F
en qualsevol altra base per exemple, la can` onica, com en el cas anterior.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 107 de144
6.2 Isometries lineals. Girs i rotacions
Denici o 6.19 T : R
n
R
n
es una isometria lineal de R
n
si, i nom es si, con-
serva els producte escalars: T(x) T(y) = x y per a tot x, y R
n
.
Proposici o 6.20 (a) Les isometries s on endomorsmes bijectius amb determinant
1 o 1. Per tant, les de determinant 1 s on directes i les de 1, inverses.
(b) Les isometries conserven normes, dist` ancies, angles no orientats i ortogonalitat.
(c) Les simetries s on isometries, per` o les projeccions ortogonals en general no.
Proposici o 6.21 Si A es la matriu dun endomorsme T : R
n
R
n
relativa a
una base ortonormal, aleshores: T es isometria A es ortogonal .
Exemple 6.22 Lendomorsme T de R
2
que en la base can` onica t e matriu associada
A =
_
0 1
1 0
_
es isometria, ja que A
t
A = I . I es inversa perqu` e det (A) = 1.
Proposici o 6.23 Determinaci o. Un endomorsme es una isometria si, i nom es si,
conserva els productes escalars dels vectors duna base. En particular, tamb e ho es
si transforma bases ortonormals en ortonormals.
Exemple 6.24 Lendomorsme T de R
2
tal que
T(5, 0) = (3, 4)
T(4, 3) = (0, 5)
_
es isometria: | (3, 4) | = | (5, 0) |, | (0, 5) | = | (4, 3) |, (3, 4)(0, 5) = (5, 0)(4, 3).
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 108 de144
Proposici o 6.25 (a) Si T es una isometria directa de R
2
, la seva matriu es del tipus
_
a b
b a
_
amb a
2
b
2
= 1 o
_
cos sin
sin cos
_
amb [0, 2)
en qualsevol base ortonormal positiva, on a, b i no depenen de la base.
(b) La matriu en base ortonormal positiva duna isometria inversa es
_
a b
b a
_
amb a
2
b
2
= 1 ,
on a i b s depenen de la base. I, canviant de base, es pot fer que a = 1 i b = 0.
Denici o 6.26 Les isometries directes del pla sanomenen girs dangle .

x
g

(x)
El gir dangle 0 coincideix amb la simetria general o identitat i el gir dangle amb la
simetria central o menys la identitat. Els girs dangle ,= 0, sanomenen estrictes.
I les isometries inverses s on, doncs, les simetries axials deix V
1
= Nuc(T I ).
Exemple 6.27 La isometria del pla que en la base can` onica t e matriu associada
_
0 1
1 0
_
es inversa i es, per tant, la simetria axial deix V
1
= Nuc(T I ), es a dir, x y = 0.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 109 de144
Proposici o 6.28 Sigui T una isometria de R
3
. Llavors existeix una base ortonor-
mal positiva {u, v, w] en la que T t e matriu associada
_
_
cos sin 0
sin cos 0
0 0 1
_
_
o
_
_
cos sin 0
sin cos 0
0 0 1
_
_
segons la isometria sigui directa o inversa respectivament.
Quan = 0 tenim la identitat o simetria general i una simetria plana respectivament.
I, an` alogament, quan = , una simetria axial i menys la identitat o simetria central.
La base ortonormal positiva {u, v, w] es pot obtenir prenent un vector propi unitari w
de valor propi 1 o 1 respectivament, i una base ortonormal {u, v] de w)

escollida de
forma que la base {u, v, w] sigui positiva. De fet, no cal que {u, v, w] sigui ortonormal:
nhi ha prou en qu` e sigui base ortogonal positiva i que u i v tinguin la mateixa norma.
Denici o 6.29 Les isometries directes de R
3
sanomenen rotacions dangle al
voltant del vector w.
Proposici o 6.30 Les isometries inverses s on la composici o duna rotaci o R
dangle al voltant dun vector w i una simetria plana S de pla ortogonal a leix
de la rotaci o. I, a m es a m es, aquesta composici o es commutativa: SoR = RoS.
Si ,= 0, , parlarem de rotacions i composicions de rotaci o i simetria plana estrictes.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 110 de144
Proposici o 6.31 F ormula de la imatge per a rotacions i composicions de rotacions
i simetries planes. (a) Si R es la rotaci o dangle al voltant del vector w, llavors
R(x) = (cos )x (1 cos )
x w
w w
w (sin )
1
| w|
(w x) per tot x R
3
.
(b) Si C es la composici o de la rotaci o dangle al voltant del vec-
tor w i la simetria plana de pla ortogonal a leix de la rotaci o, aleshores
C(x) = (cos )x (1 cos )
x w
w w
w (sin )
1
| w|
(w x) per tot x R
3
.
Exemple 6.32 Calculem la matriu A en la base can` onica de la rotaci o dangle 240

al
voltant del vector (1, 1, 1). Com que (1, 1, 1) (1, 0, 0) = (0, 1, 1), resulta que
R(1, 0, 0) =
1
2
(1, 0, 0)
3
2
1
3
(1, 1, 1)

3
2
1

3
(0, 1, 1)= (0, 1, 0) .
An` alogament, R(0, 1, 0) = (0, 0, 1) i R(0, 0, 1) = (1, 0, 0) i, en conseq u` encia,
A =
_
_
0 0 1
1 0 0
0 1 0
_
_
.
x
w

R(x)
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 111 de144
Observaci o 6.33 Sigui A la matriu duna isometria T de R
3
respecte duna base orto-
normal positiva i sigui t la seva traca o suma dels elements de la diagonal principal. Si
A = I , T = I , i si A = I , T = I . Si A ,= I, I tenim la classicaci o seg uent:
det(A)
A ,= I, I
sim` etrica?
Tipus
Elements caracterstics
1 Si Simetria axial Eix de simetria: V
1
= Nuc(T I )
1 No
Rotaci o
estricta
Vector de gir: w V
1
{0] = Nuc(T I ) {0]
Angle: cos =
t 1
2
i sin segons f ormula imatge
1 Si
Simetria plana Pla de simetria: V
1
= Nuc(T I )
1 No
Composici o de
rotaci o estricta
i simetria plana
Vector de gir: w V
1
{0] = Nuc(T I ) {0]
Angle: cos =
t 1
2
i sin segons f ormula imatge
Pla de simetria: V

1
= Nuc(T I )

Exemple 6.34 Sigui T la isometria de R

3
que en la base can` onica t e matriu associada
A =
_
_
0 0 1
1 0 0
0 1 0
_
_
.
T es composici o de rotaci o estricta i simetria plana (A no sim` etrica i det(A) = 1).
V
1
= Nuc(T I ) = (1, 1, 1)), don podem agafar w = (1, 1, 1) com a vector de gir.
A m es, cos =
t 1
2
=
1
2
i si x = (1, 0, 0) per exemple, obtenim T(x) = (0, 1, 0).
Llavors, aplicant la f ormula de la imatge per una composici o de rotaci o i simetria plana
(0, 1, 0) =
1
2
(1, 0, 0)
1
6
(1, 1, 1)sin
1

3
(0, 1, 1), es t e sin =

3
2
i = 300

.
Finalment, el pla de la simetria es V

1
, es a dir, x y z = 0.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 112 de144
7 Geometria lineal
7.1 Lespai af
Denici o 7.1 Sanomena espai af a un conjunt A amb una operaci o de la forma
A V

A
( p, v) . p v
on V es un espai vectorial, que verica:
(a) Associativitat: per tot p A i tot v, w V, ( p v) w = p ( v w).
(b) Determinaci o: donats p, q A existeix un unic v V tal que p v = q.
Lespai af usual es R
n
, amb loperaci o suma despai vectorial.
Denici o 7.2 Els elements dA sanomenen punts i els de V, vectors. L unic
vector v determinat per p i q sanomena vector lliure dorigen p i extrem q, i
sescriu

pq. Per tant, p

pq = q.
Proposici o 7.3 Per a qualssevol p, q, r A es compleix que:
(a)

pq =

0 si, i nom es si, p = q.
(b)

qp =

pq.
(c)

pq

qr =

pr.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 113 de144
Denici o 7.4 Una varietat lineal es un conjunt de punts de la forma
L = p D ,
on p es un punt (diem que L passa per p) i D es un subespai de V anomenat
direcci o o subespai director de L. Els vectors de D es diuen vectors directors.
Proposici o 7.5 (a) x L = p D si, i nom es si,

px D.
(b) L = p D L
/
= p
/
D
/
si, i nom es si, D D
/
i p L
/
.
Denici o 7.6 Una refer` encia cartesiana R = { p ; B] duna varietat lineal L es
un conjunt format per un punt p A i una base B de D.
Denici o 7.7 La dimensi o duna varietat lineal L es la de la seva direcci o D:
dim(L) = dim(D). Si es 1, en diem recta; si es 2, pla; i si es n 1, hiperpl ` a.
Els punts s on, de fet, les varietats lineals de dimensi o 0, ja que p = p {

0].
Proposici o 7.8 Siguin L i L
/
dues varietats lineals tals que L L
/
. LLavors:
(a) dim L dim L
/
.
(b) dim L = dim L
/
si, i nom es si, L = L
/
.
Exemple 7.9 La varietat lineal que passa per (1, 0, 1) i t e vectors directors (0, 1, 1) i
(1, 2, 0) es un pla, ja que D = (0, 1, 1), (1, 2, 0)) t e dimensi o 2.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 114 de144
Denici o 7.10 Anomenem coordenades dun punt p A respecte duna re-
fer` encia R = {O ; B] a les components en la base B del vector de posici o

Op.
Proposici o 7.11 (a) Lorigen de coordenades O t e coordenades (0, . . . , 0).
(b) Les coordenades de p v sobtenen sumant les de p i les components de v.
(c) Les components de

pq sobtenen restant les coordenades de p de les de q.

En refer` encia can` onica R
c
= {(0, .., 0); B
c
], (x
1
, . . . , x
n
) t e coordenades (x
1
, . . . , x
n
).
Com en cas dels subespais, podem considerar les equacions implcites duna varietat
lineal respecte duna refer` encia R = {O ; B] que ara, en general, no s on homog` enies.
Proposici o 7.12 (a) La dimensi o de L es el nombre de graus de llibertat.
(b) El sistema homogeni associat a les equacions implcites duna varietat lineal
respecte duna refer` encia d ona les equacions implcites de la direcci o de la varietat
lineal respecte de la base de la refer` encia.
Exemple 7.13 Calculem les equacions implcites del pla anterior respecte R
c
. Tenim:
(equaci o param` etrica vectorial) (x, y, z) = (1, 0, 1) (0, 1, 1) (1, 2, 0)
x = 1
(equacions param` etriques escalars) y = 2
z = 1
_

_
, don
_
_
0 1 x 1
1 2 y
1 0 z 1
_
_
(equaci o implcita) 2(x 1) y (z 1) = 0 o b e 2x y z 1 = 0.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 115 de144
Denici o 7.14 Direm que dues varietats lineals L = p D i L
/
= p
/
D
/
s on
paral
.
leles (L | L
/
), si i nom es si,
D D
/
o D
/
D .
Si s on paral
.
leles i no incloses una en laltra, en diem estrictament paral
.
leles.
Proposici o 7.15 Si les equacions implcites de dues varietats lineals de la mateixa
dimensi o s on les mateixes excepcte els termes independents, llavors s on paral
.
leles.
Exemple 7.16 El pla paral
.
lel a lanterior que passa per (1, 2, 5) t e equaci o 2x y
z D = 0 amb 2 1 2 (5) D = 0, don D = 9, es a dir, 2x y z 9 = 0.
Denici o 7.17 Es diu que L = p D i L
/
= p
/
D
/
s on secants o que es tallen
si, i nom es si, la seva intersecci o es no buida. Si s on secants, per` o no incloses una
en laltra, direm que s on estrictament secants o que es tallen estrictament.
I quan no siguin ni paral
.
leles ni secants direm que sencreuen.
Denici o 7.18 Al vector

pp
/
lanomenarem vector de posici o relativa de L i L
/
.

pp
/

pp
/

u

pp
/

pp
/
coincidents paral
.
leles estrictes secants estrictes sencreuen
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 116 de144
Teorema 7.19 (F ormula del canvi de refer` encia). Siguin R = {O; B] i R
/
=
{O
/
; B
/
] dues refer` encies. Si B es la columna de coordenades de O
/
respecte R
i C la matriu del canvi de base de B
/
a B, llavors, representant per X i X
/
les
columnes de coordenades dun punt qualsevol p en R i R
/
respectivament, es t e
que
X = B CX
/
.
Exemple 7.20 Consideremla refer` encia R = {(0, 1, 1); (1, 1, 1), (1, 1, 0), (1, 0, 0)]
i el pla dabans. Aplicant la f ormula del canvi de refer` encia a les refer` encies Ri R
c
_
_
x
y
z
_
_
=
_
_
0
1
1
_
_

_
_
1 1 1
1 1 0
1 0 0
_
_
_
_
x
/
y
/
z
/
_
_
, es a dir,
x = x
/
y
/
z
/
y = 1 x
/
y
/
z = 1 x
/
_

_
,
queda 2(x
/
y
/
z
/
) (1 x
/
y
/
) (1 x
/
) 1 = 0 que, agrupant i substituint,
d ona 2x
/
3y
/
2z
/
1 = 0.
p
O
O
/

e
1

e
2

e
/
1

e
/
2
x
y
x
/
y
/
Denici o 7.21 Les refer` encies es diuen positives o negatives en funci o de la base.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 117 de144
7.2 Lespai af euclidi ` a
Denici o 7.22 Si V es lespai vectorial usual R
n
, amb lestructura euclidiana,
direm que lespai af A es un espai af euclidi ` a.
Denici o 7.23 Si A es euclidi` a i B es una base ortonormal de V, direm que la
refer` encia R = {O; B] es rectangular o euclidiana.
Denici o 7.24 La dist` ancia entre dos punts p i q dun espai af euclidi` a es:
d( p, q) = |

pq | .
Proposici o 7.25 (a) d( p, q) = 0 si, i nom es si, p = q.
(b) d( p, q) = d(q, p).
(c) d( p, r) d( p, q) d(q, r) (desigualtat triangular).
Proposici o 7.26 La dist` ancia entre dos punts p i q de coordenades ( p
1
, . . . , p
n
) i
(q
1
, . . . , q
n
) respecte duna refer` encia euclidiana es
d( p, q) =
_
(q
1
p
1
)
2
(q
n
p
n
)
2
.
Exemple 7.27 La dist` ancia entre els punts p = (0, 7, 1) i q = (2, 1, 3) es
d( p, q) =
_
(2 0)
2
(1 7)
2
(3 1)
2
=

44 = 2

11 .
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 118 de144
Denici o 7.28 Sanomena subespai associat o normal a una varietat lineal L =
p D dun espai af euclidi` a a lortogonal de la seva direcci o, D

. I els seus
vectors sanomenen vectors associats o normals a L.
Proposici o 7.29 En refer` encia euclidiana, els coecients dels termes no indepen-
dents de les equacions implcites duna varietat lineal s on les components dun
sistema de generadors del seu subespai associat i viceversa.
Exemple 7.30 El vector (1, 3, 1) es un vector associat al pla x 3y z 2 = 0.
Denici o 7.31 Dues varietats lineals L = p D i L
/
= p
/
D
/
es diu que s on
perpendiculars (LL
/
), si i nom es si,
D

D
/
o D
/
D

.
Exemple 7.32 La recta perpendicular al pla anterior que passa pel punt (0, 7, 1) es
(equaci o param` etrica vectorial) (x, y, z) = (0, 7, 1) t (1, 3, 1)
x = t
(equacions param` etriques escalars) y = 7 3t
z = 1 t
_

_
(equaci o contnua)
x
1
=
y 7
3
=
z 1
1
.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 119 de144
Denici o 7.33 Sanomena projecci o ortogonal i sim` etric dun punt x dun espai
af euclidi` a sobre una varietat lineal L = p D als punts
x
/
= p

px
/
i x

= p

px

,
on

px
/
i

px

s on la projecci o ortogonal i el sim` etric del vector

px sobre D.
Proposici o 7.34 (a) La projecci o ortogonal dun punt x sobre una varietat lineal L
es la intersecci o de les varietats lineals L = p D i L
/
= x D

.
(b) El sim` etric dun punt x respecte duna varietat lineal L = p D es el punt
x

= x 2

xx
/
= x
/

xx
/
.
Exemple 7.35 En lexemple dabans, la intersecci o de la recta perpendicular i el pla
sobt e substituint els valors de x, y i z a lequaci o del pla:
t 3(7 3t ) 1 t = 2, don t = 2 .
Per tant, la projecci o ortogonal es el punt (x, y, z) = (0, 7, 1)2(1, 3, 1) = (2, 1, 3).
I el sim` etric es, doncs, (0, 7, 1) 2(2, 6, 2) = (4, 5, 5).
p
x

px
x
/

px
/
x

px

U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 120 de144
Denici o 7.36 La dist` ancia entre dues varietats lineals L i L
/
es el mnim de les
dist` ancies entre punts de luna i de laltra:
d(L, L
/
) = min{ d( p, q) : p L, q L
/
] .
Proposici o 7.37 (a) La dist` ancia entre varietats lineals secants es zero.
(b) La dist` ancia dun punt p a una varietat lineal L es la del punt a la seva projecci o
ortogonal sobre L.
(c) La dist` ancia entre varietats lineals para l
.
leles es la dist` ancia dun punt qualsevol
de la de menor dimensi o a laltra.
(d) La dist` ancia entre varietats lineals qualssevol es la de la de menor dimensi o
L = pD a la mnima paral
.
lela a L que cont e la de major dimensi o L
/
= p
/
D
/
.
Proposici o 7.38 Si p es un punt de coordenades ( p
1
, p
2
, . . . , p
n
) res-
pecte de certa refer` encia euclidiana i H es un hiperpl` a que t e equaci o
A
1
x
1
A
2
x
2
A
n
x
n
A
0
= 0 respecte daquesta mateixa refer` encia, lla-
vors la dist` ancia de p a H es
d( p, H) =
[ A
1
p
1
A
2
p
2
A
n
p
n
A
0
[
_
A
1
2
A
2
2
A
n
2
.
Exemple 7.39 La dist` ancia del punt (0,7,1) al pla x 3y z 2 = 0 de R
3
es
[0 3 7 1 2[
_
1
2
(3)
2
1
2
=
22

11
= 2

11 .
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 121 de144
Proposici o 7.40 En un canvi de refer` encia de R
/
a R
X = B CX
/
,
si R es euclidiana, llavors R
/
ho es tamb e si, i nom es si, C es ortogonal, es a dir,
C
t
C = I o C
1
= C
t
.
Denici o 7.41 En aquest cas, direm que el canvi de refer` encia es ortogonal.
Proposici o 7.42 Els canvis ortogonals de refer` encia conserven la dist` ancia, els
vectors associats, la perpendicularitat, etc.
A m es, es poden interpretar com que C representa una isometria lineal i llavors segui-
dament apliquem una translaci o deixos.
p
O
O
/

e
1

e
2

e
/
1

e
/
2
x
y
x
/
y
/
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 122 de144
7.3 El pla i lespai af euclidi ` a tridimensional
Suposem, dara en endavant, que estem a lespai af euclidi` a tridimensional.
Denici o 7.43 (a) Langle entre dues rectes es el que formen els seus vectors
directors respectius.
(b) Langle entre una recta i un pla es el complementari de langle entre el vector
director de la recta i el vector associat al pla.
(c) Langle entre dos plans es el que formen els seus vectors associats respectius.
Observem que la primera de les denicions serveix tamb e pel cas del pla af euclidi` a.
Exemple 7.44 Langle format per les rectes
R = (1, 0, 0) (0, 1, 1)) i R
/
= (0, 1, 1) (1, 2, 1))
es
arccos
(0, 1, 1) (1, 2, 1)
| (0, 1, 1) | | (1, 2, 1) |
= arccos
1

12
= arccos

3
6
.
Observaci o 7.45 Les denicions dabans s on v` alides encara que les varietats lineals no
es tallin. Per exemple, en el cas dabans, les dues rectes sencreuen, ja que els vectors
(1, 1, 1) = (0, 1, 1) (1, 0, 0), (0, 1, 1) i (1, 2, 1) s on linealment independents,
perqu` e

1 0 1
1 1 2
1 1 1

= 1 ,= 0 .
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 123 de144
Proposici o 7.46 (a) Donades dues rectes que sencreuen, existeix una unica recta
perpendicular a totes dues que les talla i es la intersecci o dels dos plans que conte-
nen cadascuna de les rectes i tenen com a vector director el producte vectorial dels
vectors directors de les rectes.
(b) La dist` ancia entre els punts de tall daquesta recta amb cadascuna de les origi-
nals coincideix amb la dist` ancia entre aquestes dues.
Exemple 7.47 Calculem la recta perpendicular comuna a les rectes
R = (1, 0, 0) (0, 1, 1)) i R
/
= (0, 1, 1) (1, 2, 1)) .
Tal com hem vist, aquestes rectes sencreuen.
Llavors, la recta perpendicular comuna buscada es pot obtenir com a intersecci o dels
plans P i Q, on P es el pla que passa per (1, 0, 0) i t e vectors directors (0, 1, 1) i
(0, 1, 1) (1, 2, 1) = (3, 1, 1) i Q es el pla que passa per (0, 1, 1) i t e vectors
directors (1, 2, 1) i (0, 1, 1) (1, 2, 1) = (3, 1, 1):
P :

x 1 0 3
y 1 1
z 1 1

= 2x 3y 3z 2 = 0
Q :

x 1 3
y 1 2 1
z 1 1 1

= x 4y 7z 3 = 0 .
Per tant, lequaci o de la perpendicular comuna a R i R
/
que les talla es
2x 3y 3z = 2
x 4y 7z = 3
_
.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 124 de144
Proposici o 7.48 Donats un punt p, la recta R : p
/
u) i el pla P : p
/
u, v), es
compleix
d( p, R) =
|

pp
/
u |
| u |
i d( p, P) =
[

pp
/
w[
| w|
=
[

pp
/
( u v) [
| u v |
,
on w es un vector associat al pla.
Daltra banda, donades dues rectes R : p u) i R
/
: p
/

u
/
) que sencreuen
d(R, R
/
) =
[

pp
/
( u

u
/
) [
| u

u
/
|
.
Exemple 7.49 Calculem la dist` ancia entre les rectes
R = (1, 0, 0) (0, 1, 1)) i R
/
= (0, 1, 1) (1, 2, 1)) .
Com que aquestes rectes sencreuen, i ja hem vist que
(0, 1, 1) (1, 2, 1) = (3, 1, 1)
i
(0, 1, 1) (1, 0, 0) = (1, 1, 1) ,
la dist` ancia entre les dues rectes es
d(R, R
/
) =
[(1, 1, 1) (3, 1, 1)[
| (3, 1, 1) |
=
1

11
=

11
11
.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 125 de144
Proposici o 7.50 (
`
Arees i volums de gures elementals).
(a) L` area del triangle de v` ertexs p, q, r es
A =
1
2
|

pq

pr | .
(b) L` area dun paral
.
lelogram de v` ertex p i v` ertexs adjacents q i r a p es
A = |

pq

pr | .
(c) El volum dun tetr` aedre de v` ertexs p, q, r, s es
V =
1
6
[

ps (

pq

pr) [ .
(d) El volum dun paral
.
leleppede de v` ertex p i v` ertexs adjacents q, r i s a p es
V = [

ps (

pq

pr) [ .
Les f ormules de les ` arees tamb e s on aplicables al cas del pla af euclidi` a, si el consi-
derem submergit dins de lespai tridimensional afegint una tercera coordenada nul
.
la a
cada punt.
Exemple 7.51 El volum del tetr` aedre format pels punts p = (1, 1, 1), q = (0, 1, 0),
r = (1, 0, 1) i s = (1, 2, 4) es
V =
1
6
[ (0, 1, 3) [(1, 0, 1) (2, 1, 0)] [ =
5
6
.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 126 de144
Observaci o 7.52 En els casos bidimensional i tridimensional, els canvis de refer` encia
poden ser reinterpretats com una isometria del pla o de lespai tridimensional respecti-
vament seguida duna translaci o. Si la isometria es directa es tracta dun gir o rotaci o
seguit duna translaci o, mentre que si es inversa, queda una simetria axial o composici o
de rotaci o i simetria plana seguida duna translaci o.
A m es a m es, els canvis de refer` encia en el pla
_
x
y
_
=
_
b
1
b
2
_

_
c
1
1
c
2
1
c
1
2
c
2
2
_

_
x
/
y
/
_
poden escriures tamb e en la forma
_
_
x
y
1
_
_
=
_
_
c
1
1
c
2
1
b
1
c
1
2
c
2
2
b
2
0 0 1
_
_

_
_
x
/
y
/
1
_
_
,
anomenada forma matricial compacta que, simplicadament, notarem

X =

C

X
/
, on
el canvi es ortogonal si, i nom es si,

C es ortogonal, es a dir,

C
t

C = I o b e

C
1
=

C
t
.
I, de forma an` aloga, en el cas tridimensional tenim
_
_
_
_
x
y
z
1
_
_
_
_
=
_
_
_
_
c
1
1
c
2
1
c
3
1
b
1
c
1
2
c
2
2
c
3
2
b
2
c
1
3
c
2
3
c
3
3
b
3
0 0 0 1
_
_
_
_

_
_
_
_
x
/
y
/
z
/
1
_
_
_
_
,
que tamb e escriurem

X =

C

X
/
, i on tamb e es v` alid el mateix pels canvis ortogonals.
De fet, tot aix` o es pot fer an` alogament, en general, en qualsevol dimensi o.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 127 de144
8 C` oniques i qu` adriques
8.1 El
.
lipse, hip` erbola i par` abola
Denici o 8.1 Donats dos punts F i F
/
del pla af euclidi` a, sanomena el
.
lipse
determinada per aquests dos punts al conjunt de punts del pla tals que la suma de
les seves dist` ancies a F i F
/
es constant:
d( p, F) d( p, F
/
) = k amb k > d(F, F
/
) .
Denici o 8.2 F i F
/
sanomenen focus; la dist` ancia entre ells, dist` ancia focal; el
seu punt mig O, centre; la recta que els uneix, eix principal; la perpendicular a
aquesta per O, eix secundari; i les interseccions amb els eixos, v` ertexs.
X
Y
F F
/
O
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 128 de144
Proposici o 8.3 En la refer` encia euclidiana R = {O; u, v] formada pel centre O,
un vector unitari u en la direcci o de leix principal i un vector unitari v en la
direcci o de leix secundari, es verica:
a) Els focus F i F
/
tenen coordenades (c, 0) i (c, 0) i la dist` ancia focal es 2c.
b) Lequaci o de lel
.
lipse es
x
2
k
2
4

y
2
k
2
4c
2
4
= 1 o b e
x
2
a
2

y
2
b
2
= 1, amb a =
k
2
i b =
_
a
2
c
2
.
c) Els v` ertexs s on els punts de coordenades (a, 0), (a, 0), (0, b) i (0, b).
Denici o 8.4 Aquesta equaci o lanomenarem equaci o can` onica de lel
.
lipse. I a
a i b, els anomenarem, respectivament, semieix major i semieix menor.
Denici o 8.5 El valor e =
c
a
[0, 1) sen diu excentricitat i mesura el seu grau
dobertura.
Quan F = F
/
, lel
.
lipse sen diu circumfer` encia. En aquest cas de la els dos semieixos
coincideixen i sanomenen radi: r = a = b.
Lexcentricitat duna circumfer` encia es 0. A m es a m es, en aquest cas podem agafar
com eixos dos qualssevol perpendiculars que passin pel centre. I lequaci o sescriu
llavors x
2
y
2
= r
2
.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 129 de144
Denici o 8.6 Donats dos punts diferents F i F
/
del pla af euclidi` a, sanomena
hip` erbola determinada per aquests dos punts al conjunt de punts del pla tals que
el valor absolut de la difer` encia de les seves dist` ancies a F i F
/
es constant:
[d( p, F) d( p, F
/
)[ = k amb k < d(F, F
/
) .
Denici o 8.7 F i F
/
sanomenen focus; la dist` ancia entre ells, dist` ancia focal; el
seu punt mig O, centre; la recta que els uneix, eix principal; la seva perpendicular
per O, eix secundari; i les interseccions amb els eixos, v` ertexs.
X
Y
F F
/
O
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 130 de144
Proposici o 8.8 En la refer` encia euclidiana R = {O; u, v] formada pel centre O,
un vector unitari u en la direcci o de leix principal i un vector unitari v en la
direcci o de leix secundari es verica:
a) Els focus F i F
/
tenen coordenades (c, 0) i (c, 0) i la dist` ancia focal es 2c.
b) Lequaci o de la hip` erbola en aquesta refer` encia es
x
2
k
2
4

y
2
4c
2
k
2
4
= 1 o b e
x
2
a
2

y
2
b
2
= 1, amb a =
k
2
i b =
_
c
2
a
2
.
c) Hi ha dos v` ertexs: els punts de coordenades (a, 0) i (a, 0) respecte R.
Denici o 8.9 Aquesta equaci o lanomenarem equaci o can` onica de la hip` erbola.
I a a i b els anomenarem semieix real i semieix imaginari respectivament.
Denici o 8.10 El valor e =
c
a
(1, ) sen diu excentricitat i mesura el seu
grau dobertura.
Denici o 8.11 Les rectes
y =
b
a
x i y =
b
a
x
sanomenen asmptotes de la hip` erbola.
Si a = b, les asmptotes s on perpendiculars, e =

2 i la hip` erbola sen diu equil ` atera.

U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 131 de144
Denici o 8.12 Donats un punt F i una recta R del pla af euclidi` a tal que F / R,
sanomena par` abola determinada per aquest punt i aquesta recta al conjunt de
punts del pla que equidisten de tots dos:
d( p, F) = d( p, R) .
Denici o 8.13 El punt F sanomena focus; la recta R sanomena directriu; la
dist` ancia p del focus a la directriu sen diu par` ametre; el punt mig del focus i de
la seva projecci o ortogonal sobre la par` abola sanomena v` ertex; la recta paral
.
lela
a la directriu que passa pel v` ertex, eix principal; i la recta perpendicular a leix
principal que passa pel v` ertex, eix secundari.
X
Y
F
O
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 132 de144
Proposici o 8.14 En la refer` encia euclidiana R = {O; u, v] formada pel v` ertex O,
un vector unitari v en la direcci o de leix secundari en el sentit de la directriu cap
al focus, i un vector unitari u en la direcci o de leix principal es verica:
a) El focus F t e coordenades
_
0,
p
2
_
.
b) La recta directriu t e equaci o
y =
p
2
en aquesta refer` encia.
c) Lequaci o de la par` abola en aquesta refer` encia es
y =
x
2
2p
.
d) El v` ertex O de la par` abola t e coordenades (0, 0), ja que es lorigen de la re-
fer` encia.
Denici o 8.15 Aquesta equaci o sanomena equaci o can` onica de la par` abola.
En el cas de la par` abola cal considerar que la seva excentricitat es sempre e = 1.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 133 de144
8.2 C` oniques
Denici o 8.16 Sanomena c` onica a tot conjunt de punts del pla af euclidi` a que,
en certa refer` encia, veriquen una equaci o del tipus
q
1
1
x
2
2q
2
1
xy q
2
2
y
2
2l
1
x 2l
2
y t = 0 amb q
1
1
,= 0, q
2
1
,= 0 o q
2
2
,= 0 .
Aleshores, denint les matrius
X =
_
x
y
_
, Q =
_
q
1
1
q
2
1
q
2
1
q
2
2
_
, L =
_
l
1
l
2
_
,

X =
_
_
x
y
1
_
_
i

Q =
_
_
q
1
1
q
2
1
l
1
q
2
1
q
2
2
l
2
l
1
l
2
t
_
_
,
tenim que Q i

Q s on sim` etriques i sobtenen les expressions
X
t
QX 2L
t
X t = 0 (forma matricial normal)

X
t

Q

X = 0 (forma matricial compacta)
Exemple 8.17 La c` onica xy x 2y 3 = 0 es pot escriure 2xy 2x 4y 6 = 0,
i queda
_
x y
_
_
0 1
1 0
__
x
y
_
2
_
1 2
_
_
x
y
_
6 = 0
o b e
_
x y 1
_
_
_
0 1 1
1 0 2
1 2 6
_
_
_
_
x
y
1
_
_
= 0 .
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 134 de144
Denici o 8.18 Sanomena centre de simetria duna c` onica a tot punt tal que el
sim` etric de qualsevol punt de la c` onica respecte dell pertanyi tamb e a la c` onica. I
sanomena eix de simetria duna c` onica a tota recta tal que el sim` etric de qualsevol
punt de la c` onica respecte della sigui tamb e de la c` onica.
Proposici o 8.19 a) Els centres de simetria s on les solucions del sistema lineal
QX L = 0
I aquest sistema es compatible determinat si Q es regular, compatible indeterminat
si tant Q com

Q s on no regulars i incompatible si Q no es regular, per` o

Q s ho es.
b) Si U es la matriu-columna de les components dun vector propi u de la matriu
Q corresponent a algun valor propi no nul, la recta seg uent es un eix de simetria:
U
t
(QX L) = 0
c) La intersecci o de dos eixos de simetria es un centre de simetria.
Denici o 8.20 Els v` ertexs s on les interseccions de la c` onica i els eixos de simetria.
Exemple 8.21 En la c` onica 2xy 2x 4y 6 = 0, tenim que
_
0 1
1 0
__
x
y
_

_
1
2
_
=
_
y 1
x 2
_
.
Llavors, igualant a la matriu nul
.
la sobt e x = 2, y = 1 i el centre de simetria es,
doncs, (2, 1). Els valors propis s on 1 i 1 amb vectors propis (1, 1) i (1, 1), i els
eixos de simetria s on 1 (y 1) 1 (x 2) = 0 i 1 (y 1) 1 (x 2) = 0, es
a dir, x y 1 = 0 i x y 3 = 0 . Aleshores, fent la intersecci o daquests amb la
c` onica sobtenen punts imaginaris pel primer i els v` ertexs (3, 0) i (1, 2) pel segon.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 135 de144
Siguin i els valors propis de Q, u i v els corresponents vectors propis normalitzats
que formen una base ortonormal i U i V les matrius-columna de les seves components
respectives.
Proposici o 8.22 a) Si O
/
es un centre de simetria de la c` onica i notem t
/
= F(O
/
),
aleshores la seva equaci o en la refer` encia R
/
= {O
/
; u, v] es
x
/2
y
/2
t
/
= 0 .
b) Si la c` onica no t e centre de simetria, llavors t e un unic v` ertex O
/
, un dels valors
propis es 0 per exemple, i, si l
/
= V
t
L, la seva equaci o en la refer` encia
R
/
= {O
/
; u, v] es
x
/2
2l
/
y
/
= 0 .
Denici o 8.23 Aquestes equacions sanomenen redudes.
Exemple 8.24 En particular, en lexemple dabans, donat que F(2, 1) = 2, tenim
que lequaci o reduda despr es de fer el canvi de refer` encia
_
x
y
_
=
_
2
1
_

2
_
1 1
1 1
__
x
/
y
/
_
es
x
/2
y
/2
2 = 0.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 136 de144
Siguin r i r els rangs de Q
/
i

Q
/
, que coincideixen amb els de Q i

Q respectivament.
r
r Equaci o reduda
Elements diferencials
Tipus de c` onica
3 2 x
/2
y
/2
t
/
= 0
i del mateix signe
i t
/
de diferent signe
, i t
/
del mateix signe
i de diferent signe
el
.
lipse real
el
.
lipse imagin` aria
hip` erbola
3 1 x
/2
2l
/
y
/
= 0
par` abola
2 2 x
/2
y
/2
= 0
i de diferent signe
i del mateix signe
rectes secants reals
rectes secants imagin` aries
2 1 x
/2
t
/
= 0
i t
/
de diferent signe
i t
/
del mateix signe
rectes paral
.
leles reals
rectes paral
.
leles imagin` aries
1 1
x
/2
= 0
recta doble
Ara, allant, es poden obtenir f` acilment les equacions can` oniques de lel
.
lipse, la hip` er-
bola i la par` abola que havem introduit.
Exemple 8.25 En la c` onica 2xy 2x 4y 6 = 0, els rangs de Q i

Q s on r = 2 i
r = 3. Com que els valors propis s on de diferent signe, es tracta duna hip` erbola.
I lequaci o x
/2
y
/2
2 = 0 trobada abans es pot posar tamb e en la forma can` onica
x
/2
2

y
/2
2
= 1 .
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 137 de144
Denici o 8.26 Les c` oniques tals que r = 3 sanomenen no degenerades.
Aquestes s on, per tant, les el
.
lipses, la hip` erbola i la par` abola.
A m es a m es de la classicaci o, s on tamb e interessants les asmptotes de les hip` erboles.
Proposici o 8.27 a) Si q
2
2
,= 0, els pendents de les asmptotes duna hip` erbola s on
les solucions de lequaci o de segon grau q
2
2
m
2
2q
2
1
m q
1
1
= 0 .
b) Si q
2
2
= 0, una de les asmptotes es vertical i laltra t e pendent m =
q
1
1
2q
2
1
.
Exemple 8.28 Pel que fa a les asmptotes de la c` onica dabans, com que en aquest cas
es q
2
2
= 0, una es vertical i laltra t e pendent m = 0 i es, per tant, horitzontal. Per tant,
com que el centre es el (2, 1), les dues asmptotes s on x = 2 i y = 1.
X Y
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 138 de144
Denici o 8.29 Sanomena c` oniques degenerades a les que estan formades per
parells de rectes, es a dir, les que r < 3.
Ho s on les rectes secants, les rectes paral
.
leles i la recta doble.
En aquest cas, es sucient amb determinar les rectes que formen la c` onica.
Exemple 8.30 Per a la c` onica 2x
2
2xy 4y
2
2x 10y 4 = 0, es t e que
Q =
_
2 1
1 4
_
i

Q =
_
_
2 1 1
1 4 5
1 5 4
_
_
,
don r = r = 2 i es tracta, doncs, dun parell de rectes secants. Escrivint lequaci o de
la c` onica com una de segon grau en y, tenim
4y
2
(10 2x)y (2x
2
2x 4) = 0 ,
la soluci o de la qual es y = x2 i y =
x1
2
, es a dir, x y 2 = 0 i x 2y 1 = 0 .
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 139 de144
8.3 Qu` adriques
Denici o 8.31 Sanomena qu` adrica a tot conjunt de punts de lespai af euclidi` a
tridimensional que, en certa refer` encia, veriquen una equaci o del tipus
q
1
1
x
2
q
2
2
y
2
q
3
3
z
2
2q
2
1
xy 2q
3
1
xz 2q
3
2
yz 2l
1
x 2l
2
y 2l
3
z t = 0
amb algun q
j
i
,= 0 .
Llavors, si
X =
_
_
x
y
z
_
_
, Q =
_
_
q
1
1
q
2
1
q
3
1
q
2
1
q
2
2
q
3
2
q
3
1
q
3
2
q
3
3
_
_
, L =
_
_
l
1
l
2
l
3
_
_
i

X =
_
_
_
_
x
y
z
1
_
_
_
_
,

Q =
_
_
_
_
q
1
1
q
2
1
q
3
1
l
1
q
2
1
q
2
2
q
3
2
l
2
q
3
1
q
3
2
q
3
3
l
3
l
1
l
2
l
3
t
_
_
_
_
tenim que Q i

Q s on sim` etriques i sobtenen les expressions
X
t
QX 2L
t
X t = 0 (forma matricial normal)

X
t

Q

X = 0 (forma matricial compacta)
Com a exemples m es importants de qu` adriques tenim els seg uents.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 140 de144
a
b
x
z
y
O
c
x
y
z
a
O
b
x
y
z
O
el
.
lipsoide real hiperboloide duna fulla hiperboloide de dues fulles
x
2
a
2

y
2
b
2

z
2
c
2
= 1
x
2
a
2

y
2
b
2

z
2
c
2
= 1
x
2
a
2

y
2
b
2

z
2
c
2
= 1
O
y
x
z
x
z
O
y
y
z
x
O
paraboloide el
.
lptic paraboloide hiperb` olic con real
z =
x
2
a
2

y
2
b
2
z =
x
2
a
2

y
2
b
2
x
2
a
2

y
2
b
2

z
2
c
2
= 0
x
y
z
O
x
y
O
z
O
x
z
y
cilindre el
.
lptic real cilindre hiperb` olic cilindre parab` olic
x
2
a
2

y
2
b
2
= 1
x
2
a
2

y
2
b
2
= 1 y =
x
2
2p
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 141 de144
Denici o 8.32 Sanomena centre de simetria, eix de simetria o pla de simetria
duna qu` adrica a tot punt, recta o pla respectivament tal que el sim` etric de qualsevol
punt de la qu` adrica respecte dell hi pertanyi tamb e a la qu` adrica.
I els v` ertexs s on les interseccions de la qu` adrica i els eixos de simetria.
Proposici o 8.33 a) Els centres de simetria s on les solucions del sistema lineal
QX L = 0
b) Si U es la matriu-columna de les components dun vector propi u de la matriu
Q corresponent a algun valor propi no nul, el pla seg uent es un pla de simetria:
U
t
(QX L) = 0
c) La intersecci o deixos o plans de simetria es un centre o recta de simetria res-
pectivament.
Proposici o 8.34 Siguin , i els valors propis de Q.
a) Si O
/
es un centre de simetria i t
/
= F(O
/
), aleshores la seva equaci o en la
refer` encia R
/
= {O
/
; u, v, w], on u, v i w s on els respectius vectors propis, es
x
/2
y
/2
z
/2
t
/
= 0 .
b) Si la qu` adrica no t e centre de simetria, la seva equaci o en la refer` encia R
/
=
{O
/
; u, v, w] formada per un v` ertex seu i una base ortonormal de vectors propis
on, si = 0, el vector v es el vector director de la recta intersecci o de la qu` adrica
amb el pla de simetria U
t
(QX L) = 0 i w = u v es
x
/2
y
/2
2l
/
z
/
= 0 ,
amb l
/
= W
t
L.
Denici o 8.35 Aquestes equacions sanomenen redudes.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 142 de144
Siguin r i r els rangs de Q
/
i

Q
/
, que coincideixen amb els de Q i

Q respectivament.
r
r Equaci o reduda
Elements diferencials
Tipus de qu` adrica
4 3 x
/2
y
/2
z
/2
t
/
= 0
, i del mateix signe i
t
/
de diferent signe
, , i t
/
del mateix signe
, i de diferent signe i
t
/
del mateix signe que un dells
, i de diferent signe i
t
/
del mateix signe que dos dells
el
.
lipsoide real
el
.
lipsoide
imaginari
hiperboloide
duna fulla
hiperboloide
de dues fulles
4 2 x
/2
y
/2
2l
/
z
/
= 0
i del mateix signe
i de diferent signe
paraboloide
el
.
lptic
paraboloide
hiperb` olic
3 3 x
/2
y
/2
z
/2
= 0
, i de diferent signe
, i del mateix signe
con real
con imaginari
3 2 x
/2
y
/2
t
/
= 0
i del mateix signe i
t
/
de diferent signe
, i t
/
del mateix signe
i de diferent signe
cilindre el
.
lptic
real
cilindre el
.
lptic
imaginari
cilindre hiperb` olic
3 1 x
/2
2l
/
z
/
= 0
cilindre parab` olic
2 2 x
/2
y
/2
= 0
i de diferent signe
i del mateix signe
plans secants reals
plans secants
imaginaris
2 1 x
/2
t
/
= 0
i t
/
de diferent signe
i t
/
del mateix signe
plans paral
.
lels
reals
plans paral
.
lels
imaginaris
1 1
x
/2
= 0
pla doble
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 143 de144
Exemple 8.36 Considerem la qu` adrica x
2
y
2
z
2
4x 4z = 0. La matriu Q es
_
_
1 0 0
0 1 0
0 0 1
_
_
,
que ja est` a diagonalitzada i t e valors propis = = 1 i = 1 i vectors propis
respectius u = (1, 0, 0), v = (0, 1, 0) i w = (0, 0, 1). A m es a m es, el sistema
_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
x
y
z
_
_

_
_
2
0
2
_
_
=
_
_
0
0
0
_
_
t e soluci o x = 2, y = 0 i z = 2, don t
/
= F(2, 0, 2) = 0. Per tant, es un
con real dequaci o reduda x
/2
y
/2
z
/2
= 0. Els eixos de refer` encia s on les rectes
que passen pel punt (2, 0, 2) i tenen vectors directors u =(1, 0, 0), v =(0, 1, 0) i
w =(0, 0, 1) respectivament, es a dir, els paral
.
lels als originals pel punt (2, 0, 2).
Exemple 8.37 Donada la qu` adrica x
2
y
2
2z
2
2xy 4z 6 = 0, la matriu Q es
_
_
1 1 0
1 1 0
0 0 2
_
_
,
que t e valors propis = = 2 i = 0. A m es a m es, el sistema
_
_
1 1 0
1 1 0
0 0 2
_
_
_
_
x
y
z
_
_

_
_
0
0
2
_
_
=
_
_
0
0
0
_
_
t e soluci o y = x i z = 1, don t
/
= F(0, 0, 1) = 4. I com que , , i t
/
tenen el
mateix signe, es un cilindre el
.
lptic imaginari dequaci o reduda 2x
/2
2y
/2
4 = 0.
U P C
`
Algebra Lineal
Rafel Amer
Francesc Carreras
Jos e M. Moreno
Vicenc Sales
Josep Tudur


Imprimir
Tancar
Sortir
P` agina 144 de144
Exemple 8.38 Considerem la qu` adrica x
2
y
2
12y 4z 3 = 0. La matriu Q es
_
_
1 0 0
0 1 0
0 0 0
_
_
,
que ja est` a diagonalitzada i t e valors propis = 1, = 1 i = 0 i vectors propis
respectius u = (1, 0, 0), v = (0, 1, 0) i w = (0, 0, 1). A m es a m es,
QX L =
_
_
1 0 0
0 1 0
0 0 0
_
_
_
_
x
y
z
_
_

_
_
0
6
2
_
_
=
_
_
x
y 6
2
_
_
i el sistema QX L = 0 no t e soluci o. Per tant, es tracta dun paraboloide hiperb` olic.
Els plans de simetria venen donats per U
t
(QX L) = 0 i V
t
(QX L) = 0, es a dir,
x = 0 i y = 6. I la intersecci o de tots dos amb la qu` adrica d ona el punt
_
0, 6,
39
4
_
.
Per tant, els eixos de refer` encia s on les rectes que passen pel punt
_
0, 6,
39
4
_
i tenen
vectors directors u =(1, 0, 0), v =(0, 1, 0) i w =(0, 0, 1) respectivament. Finalment,
l
/
=
_
0 0 1
_
_
_
0
6
2
_
_
= 2
i lequaci o reduda es, doncs, x
/2
y
/2
4z
/
= 0, es a dir, z
/
=
x
/2
4

y
/2
4
.
Observaci o 8.39 Els parells de plans es determinen de forma an` aloga al cas dels parells
de rectes per les c` oniques.