Tema 1:

Espais vectorials

Fonaments de Matemàtiques 2
GETI
Universitat de Girona

Curs 2021-2022
Joan Saldaña
Tema 1

1. Introducció
2. Espai vectorial i subespai vectorial
3. Combinació lineal de vectors, independència lineal i espai
generat
4. Base i dimensió d’un espai vectorial
5. Coordenades i canvi de base
6. L’espai solució dels sistemes d’equacions lineals

1 / 34
Introducció
En aquest primer tema veurem que hi ha elements matemàtics com ara
les funcions contı́nues, els polinomis, les matrius, etc. que, quan els
“combinem”entre sı́, es comporten com si fossin vectors.

Combinar elements voldrà dir sumar objectes d’un mateix conjunt i,

també, multiplicar-los per nombres reals (o complexos) que anomenem
escalars.

Estem parlant, doncs, de dues operacions: la suma (+) i el producte per

un escalar (·) i, a més, de certes propietats que hauran de complir
aquestes operacions perquè aquests elements es comportin com vectors.
Per exemple, si sumem dos elements d’un mateix conjunt, el resultat de
la suma ha de ser un altre element del conjunt.

2 / 34
Definició d’espai vectorial (e.v.)

Un espai espai vectorial sobre R és un conjunt V d’elements en el qual hi

ha dues operacions definides, una suma (+) i un producte per escalar (·),
que satisfan les propietats següents:

(1+) + és una operació interna: ∀ u, v ∈ V , es compleix que u + v ∈ V .

(2+) la propietat associativa: ∀ u, v, w ∈ V , es compleix que

(u + v) + w = u + (v + w).

(3+) la propietat commutativa: ∀ u, v ∈ V , u + v = v + u.

(4+) element neutre de la suma: ∃ 0V ∈ V tal que u + 0V = u ∀ u ∈ V .

(5+) element oposat respecte de la suma: ∀ u ∈ V , ∃ − u tal que

u + (−u) = 0V .

3 / 34
Definició d’espai vectorial
i, pel que fa al producte per un escalar (real), ∀ α, β ∈ R i ∀ u, v ∈ V es
compleix que

(1·) és una operació interna: αu ∈ V (no indiquem el punt del producte)

(2·) la propietat distributiva 1: α (u + v) = αu + αv

(3·) la propietat distributiva 2: (α + β)u = αu + βu

(4·) la propietat associativa del producte: (αβ)u = α(βu)

(5·) existència d’element neutre del producte: 1 u = u

Fixeu-vos que aquestes propietats són ben conegudes quan tractem amb
vectors d’R2 o R3 . En general, caldrà definir el conjunt V i les
operacions + i · que s’hi consideren.

4 / 34
Exemples de conjunts que són e.v.

1. V = R2 = {(a, b) | a, b ∈ R} (conjunt de tots els parells ordenats)

amb (a1 , b1 ) + (a2 , b2 ) = (a1 + a2 , b1 + b2 ) i α(a, b) = (α a, α b)

2. V = R3 (i, en general, Rn ) amb les operacions + i · habituals.

3. V = Mm×n (R) (conjunt de matrius m × n amb elements reals)

amb la suma de matrius i multiplicació per un escalar habituals.

4. V = Pn (R) = {polinomis amb coeficients reals de grau menor o

igual que n} amb la suma de polinomis (p + q)(x) = p(x) + q(x) i
producte per un escalar (α p)(x) = α p(x) habituals.

5. V = C([a, b]) = {funcions contı́nues definides a l’interval [a, b]}

amb la funció suma (f + g)(x) = f (x) + g(x) i el producte per un
escalar (αf )(x) = αf (x).

5 / 34
Exemples de conjunts que no són e.v.
i, per últim,

6. V = {(x, y) ∈ R2 | y = mx, m ∈ R fixada}.

En els exemples següents de conjunts que NO són e.v. amb les operacions
habituals, podries dir quines propietats de la definició no es compleixen?

1. V = {(a, b) ∈ R2 | b ≥ 0} (semiplà superior).

2. V = {(x, y, z) ∈ R3 | ax + by + cz = d amb a, b, c, d donats}

( ! )
a b
3. V = ∈ M2×2 (R) amb b = 1
c d
4. V = {(x, y) ∈ R2 | y = mx + n, m, n ∈ R fixades}.

6 / 34
Subespai vectorial

Definició: Un conjunt H és un subespai vectorial d’un e.v. V si és un

subconjunt de V (H ⊂ V ) i, a més, té estructura d’e.v. amb la suma i el
producte per un escalar de V .

Condició de s.v.: H ⊂ V és un subespai vectorial de V si la suma i el

producte per un escalar de V són operacions internes també per a H, és
a dir,

1. Si u, v ∈ H, aleshores u + v ∈ H,

2. Si u ∈ H, aleshores α u ∈ H ∀ α ∈ R.

Observació: Si (1) i (2) es compleixen, la resta de les propietats de la

definició d’e.v. també perquè els elements d’H també ho són de V .

7 / 34
Prenent α = −1, se segueix que, si u ∈ H, llavors −u ∈ H (propietat (2)
de s.v.). I, de la propietat (1), que u + (−u) = 0V ∈ H.
,→ Si H és un s.v. de V , llavors 0V ∈ H (tot s.v. ha de contenir el 0V ).

Aquesta propietat és útil per descartar que un subconjunt de V sigui s.v.

Exemple: Abans hem vist que R2 és un e.v. i que el conjunt definit per
V = {(x, y) ∈ R2 | y = mx, m ∈ R fixada} també ho és. Per tant, com
que V ⊂ R2 , resulta que V és un s.v. d’R2 .

Comprovem que V compleix les dues propietats per ser s.v.:

(1) Si u = (x1 , y1 ), v = (x2 , y2 ) ∈ V , llavors y1 = mx1 i y2 = mx2 , d’on
se segueix que u + v = (x1 + x2 , y1 + y2 ) = (x1 + x2 , m(x1 + x2 )) ∈ V .

(2) Si u = (x, mx) i α ∈ R, αu = (αx, αmx) = (αx, m(αx)) ∈ V . X

Observació: El (0, 0) ∈ V (V conté el 0 d’R2 ).

8 / 34
Exemples de s.v.

1. H = {A ∈ Mm×n (R) | a11 = 0} és un s.v. d’Mm×n (R).

2. El conjunt de polinomis P2 (R) és un s.v. de P3 (R).

3. H = {(x, y, z) ∈ R3 | x = at, y = bt, z = ct, a, b, c fixats, t ∈

R} és un subespai d’ R3 (geomètricament, els elements d’H
formen una recta d’R3 que passa per l’origen) .

Exercici: Demostra que el conjunt H = {(x, 0) ∈ R2 , x ∈ R} és un

s.v. d’R2 i que, en canvi, el conjunt F = {(x, 1) ∈ R2 , x ∈ R} no
ho és.

9 / 34
Combinació lineal de vectors
A partir d’ara, quan parlem de vectors, ho farem en el sentit d’elements
d’un espai vectorial V qualsevol. Per tant, podem pensar en polinomis,
matrius, vectors d’Rn , etc.

Definició: Direm que un vector v ∈ V és una combinació lineal dels

vectors u1 , u2 , . . . , un ∈ V si ∃ {αi }ni=1 tals que v = α1 u1 + · · · + αn un .
Els escalars αi són els coeficients de la combinació lineal.

Exemples:

1) Donat els vectors u1 = (1, 3, 1), u2 = (0, 1, 2) i u3 = (1, 0, −5), u1 és

una combinació lineal d’u2 i u3 perquè u1 = 3u2 + u3 .
! ! ! !
0 8 0 2 −1 3 −2 0
2) Donades A1 =
2 1
, A2 =
1 0
, A3 =
1 2
, A4 =
1 3
, la matriu
A1 és una comb. lineal de la resta de matrius: A1 = A2 + 2A3 − A4 .

10 / 34
Exemple de determinació d’una combinació lineal
Si volem escriure, per exemple, v = (1, 1, 1) com a combinació lineal dels
vectors u1 = (1, 2, 3), u2 = (0, 1, 2) i u3 = (−1, 0, 1), hem de trobar per
a quins coeficients αi tenim v = α1 u1 + α2 u2 + α3 u3 . Per tant, hem de
resoldre1 el següent sistema per a les αi :
     
1 0 −1 1 1 0 −1 1 1 0 −1 1
     
 2 1 0 1  ∼  0 1 2 −1 ∼ 0 1 2 −1 
     
3 2 1 1 0 2 4 −2 0 0 0 0

És un sistema compatible indeterminat → infinites maneres d’escriure v

en funció dels vectors ui : α3 = t, α2 = −1 − 2t, α1 = 1 + t, ∀ t ∈ R.
Aixı́, v = 2u1 − 3u2 + u3 si t = 1, v = u1 − u2 si t = 0, etc.

1
Sempre resoldrem els sistemes pel mètode d’eliminació de Gauss. Recordeu
que si arribem a la forma diagonal del sistema amb una fila de zeros, això vol
dir que una equació és combinació lineal de les altres.
11 / 34
Podrı́em fer el mateix per al vector w = (1, −2, 2)?

Si plantegem el sistema i el resolem obtenim:

     
1 0 −1 1 1 0 −1 1 1 0 −1 1
     
 2 1 0 −2  ∼  0 1 2 −4  ∼  0 1 2 −4 
     
3 2 1 2 0 2 4 −1 0 0 0 7

Es tracta, doncs, d’un sistema incompatible1 (0 = 7) → No és possible

expressar w com a combinació lineal dels vectors ui .

1
Quan apliquem Gauss, el rang de la matriu del sistema i el de l’ampliada
no canvien. En aquest cas, rang(A) = 2 < rang(A|b) = 3.
12 / 34
Independència lineal

Definició: Els vectors u1 , . . . , uk ∈ V són linealment independents

si cap d’ells es pot expressar com a combinació lineal dels altres, és
a dir, si l’equació α1 u1 + · · · + αk uk = 0V només té per solució
α1 = · · · = αk = 0.

Si hi ha una solució de l’equació anterior on no totes les αi siguin

nul·les, llavors els vectors s’anomenen linealment dependents.

Fixeu-vos que qualsevol conjunt de vectors {ui } que contingui el vector

0V serà linealment dependent. Per exemple, si uj = 0V , sempre podem
escollir la corresponent αj 6= 0 i la resta que siguin 0 (αi = 0 si i 6= j).

13 / 34
Exemple 1
Vegem que els vectors v1 = (2, −1, 3) i v2 = (1, 2, 2) són lin. indep.
utilitzant la definició d’independència lineal.

Hem de trobar les solucions del sistema α1 v1 + α2 v2 = 0R3 :

      
2 1 0  2α1 + α2 = 0


     
α1 −1 + α2 2 = 0 →
      −α1 + 2α2 = 0


3 2 0  3α1 + 2α2 = 0

Es tracta d’un sistema compatible determinat essent α1 = α2 = 0 la seva

única solució. Si el resolem per Gauss, tenim
     
2 1 0 2 1 0 2 1 0
     
 −1 2 0  ∼  0 5 0 ∼ 0 5  → α1 = α2 = 0
0 
 
  
3 2 0 0 1 0 0 0 0

14 / 34
Exemple 2
Determina si els següents polinomis de P2 (R) són linealment indepedents:
p1 (x) = 1 + x − 2x2 , p2 (x) = 2 + 5x − x2 i p3 (x) = x + x2 .

Volem trobar les solucions α1 , α2 , α3 del sistema:

α1 (1 + x − 2x2 ) + α2 (2 + 5x − x2 ) + α3 (x + x2 ) = 0 + 0x + 0x2 = 0P2

Posant els coeficients en columna i resolent-ho per Gauss tenim:

     
1 2 0 0 1 2 0 0 1 2 0 0
     
 1 5 1 0 ∼ 0 3 1 0  ∼  0 3 1 0 
     
−2 −1 1 0 0 3 1 0 0 0 0 0
Es tracta, doncs, d’un sistema compatible indeterminat amb solució

 α1 = 2t/3,


α2 = −t/3, ∀t ∈ R → els polinomis són lin. dep.


 α = t,
3

15 / 34
Espai generat per un conjunt de vectors

Definició: Donats u1 , . . . , uk ∈ V , anomenem espai generat per aquests

vectors al conjunt de totes les seves combinacions lineals (c.l.). Aquest
espai el representem per hu1 , . . . , uk i. És a dir:
hu1 , . . . , uk i = {v ∈ V | v = α1 u1 + · · · + αk uk , αi ∈ R}.

Teorema: F = hu1 , . . . , uk i és un subespai vectorial de V .

Demostració: Les propietats (1) i (2) de s.v. es compleixen perquè la

suma de c.l. dels {ui } torna a ser una c.l. d’aquests vectors i, si v n’és
una, llavors αv també ho és. X

Direm que u1 , . . . , uk generen F o que formen un conjunt generador de

F : Tot element d’F es pot expressar com una c.l. dels vectors {ui }.

16 / 34
Exemple
Troba l’equació de l’espai generat pels vectors u1 = (2, −1, 4) i
u2 = (4, 1, 6).

Hem de trobar la relació que satisfan les components dels vectors

v = (x, y, z) de hu1 , u2 i. Per definció d’espai generat, tenim que
       
 x
 x 2 4 

3
hu1 , u2 i = y  ∈ R tals que y  = α1 −1 + α2 1 .
       
 
z z 4 6
 

Per tant, els coeficients α1 i α2 de la c.l. són les solucions del sistema
     
2 4 x −1 1 y −1 1 y
 −1 1 y  ∼ ··· ∼  0 6 x + 2y  ∼  0 6 x + 2y
     

4 6 z 0 10 z + 4y 0 0 −10x + 4y + 6z

Hi haurà solució per a aquells v tals que 5x − 2y − 3z = 0 (equació de

hu1 , u2 i). S’obté la mateixa eq. demanant que det(v, u1 , u2 ) = 0.

17 / 34
Base i dimensió d’un e.v.

Definició: El conjunt de vectors {u1 , . . . , un } d’un e.v. V forma

una base de V si
1. u1 , . . . un són linealment independents, i
2. V = hu1 , . . . , un i (els vectors generen tot V ).

Definició: Si un e.v. V té una base amb un nombre finit

d’elements, llavors la dimensió de V és el nombre de vectors de la
base, i direm que V és de dimensió finita.

Si H ⊂ V és un s.v. d’un e.v. V de dimensió finita, llavors

dim(H) ≤ dim(V ).

En el cas que H = {0V } (subespai trivial), resulta dim(H) = 0.

18 / 34
Exemples    
1 0
   
0 .
1. A Rn , els vectors
.
constitueixen l’anomenada
 
 .  , . . . , en =  . 
e1 = 
.
  
. 0
 

0 1
base canònica → dim(Rn ) = n.
( ! ! ! !)
1 0 0 1 0 0 0 0
2. A M2×2 (R), el conjunt , , ,
0 0 0 0 1 0 0 1
forma la base anomenada canònica de M2×2 → dim(M2×2 ) = 4.
3. L’e.v. Pn (R) de polinomis de grau ≤ n té per base canònica el
conjunt B = {1, x, x2 , . . . , xn } → dim(Pn ) = n + 1.
4. Una base de P2 (R) és la formada pels polinomis
u1 = 1 − x, u2 = 2x, u3 = x2 − 1 → dim(P2 ) = 3.
5. Una base d’R2 és la formada per u1 = (1, 1) i u2 = (1, −1).
Demostra que tot vector de R2 es pot posar com a c.l. d’u1 i u2 (és
dir, que els vectors u1 i u2 generen tot R2 ).
19 / 34
Observacions

1. A Rn , qualsevol conjunt d’n vectors linealment independents

forma una base.

2. Qualsevol conjunt de k vectors de Rn és sempre linealment

dependent si k > n.

Per exemple, 3 vectors de R2 o 4 vectors de R3 són sempre

linealment dependents.

20 / 34
Coordenades i canvi de base
Definició: Els coeficients de la c.l. d’un vector v en una base B
constitueixen les components o coordenades del vector en aquella base.

Aixı́, si B = {w1 , . . . , wn } és una base d’Rn i v ∈ Rn s’obté com

v = c1 w1 + · · · + cn wn , aleshores escriurem v = (c1 , . . . , cn )B .

Les components d’un vector en una base són úniques (unicitat de la

representació d’un vector en una base).

Exemple: Si v = (3, 2)B i B = {u1 , u2 } = {(1, 0), (1, 2)}, llavors

v = 3u1 + 2u2 . Si volem saber les components de v en la base canònica,
llavors expressem u1 i u2 en aquesta base: v = 3(1, 0) + 2(1, 2) = (5, 4).

Observació: Quan escrivim les components d’un vector v ∈ V sense

especificar la base, estem prenem per defecte la base canònica de V .

21 / 34
La interpretació geomètrica de l’exemple anterior la tenim en
aquest dibuix on v = (5, 4) = (3, 2)B :

Fixem-nos que el vector v és un de sol encara que la seva

representació depèn de la base escolllida!

22 / 34
Matriu de canvi de base
Suposem que tenim dues bases de V , B1 (per exemple, la base canònica)
i una segona base B2 = {u1 , . . . , un } on els vectors ui tenen les seves
components expressades en la base B1 .

Si un vector v ∈ V té per components (α1 , . . . , αn )B1 en la base B1 i

(α10 , . . . , αn0 )B2 en la base B2 , llavors tenim la següents relació entre elles:
   
α10 α1
 .   . 
v = α10 u1 + · · · + αn0 un = (u1 | u2 | . . . | un )  .  =  .  ,
| {z } .   . 
C αn0 αn
B2 B1

és a dir, (v)B1 = C (v)B2 on C té per columnes els vectors de la base B2
i passa les coord. de v en la base B2 a la base B1 .

,→ C s’anomena matriu de canvi de base.

23 / 34
C és una matriu n × n i, a més, com que B2 és una base, les seves
columnes són lin. indep. Per tant, C té inversa, C −1 , perquè det(C) 6= 0.

C −1 fa el canvi de base invers al de C: passa de les coordenades dels

vectors en la base original B1 a les coordenades en la nova base B2 , és a
dir,

(v)B2 = C −1 (v)B1

En les aplicacions que farem, la base de partida B1 serà la base canònica:

B1 = {e1 , . . . , en } i B2 una base que ens convindrà considerar per tenir,
per exemple, una descripció més senzilla de la geometria d’una figura.

24 / 34
Exemple
Donat el vector1 v = (1, 2, −1), troba les seves coordenades en la base
B = {u1 , u2 , u3 } amb u1 = (1, 0, 1), u2 = (0, −1, 2), u3 = (2, 3, −5).

       
1 0 2 1
0 0 0 0   0  0 
       
v = α1 u1 + α2 u2 + α3 u3 = α1 0 + α2 −1 + α3  3  =  2 
  

1 2 −5 −1
  0     0  −1  
1 0 2 α1 1 α1 1 0 2 1
0 −1 3  α02  =  2  =⇒ α02  = 0 −1 3   2 
          

1 2 −5 α03 −1 α03 1 2 −5 −1
| {z } B B

C
      
α10 −1 4 2 1 5
      
0
(v)B = α2  =  3 −7 −3  2  = −8
      
α30 1 −2 −1 −1 −2
B B

1
Recorda que si no ens diuen res de la base, es tracta de la canònica.
25 / 34
L’espai solució dels sistemes d’equacions lineals
En aquesta darrera secció, veurem que el conjunt format per les
solucions d’un sistema lineal homogeni té estructura d’espai
vectorial i, per tant, que pot generar-se a partir de les
combinacions lineals dels elements d’una base. Les solucions dels
sistemes no homogenis, en canvi, no tenen aquesta propietat.

Definició: Considerem el sistema A~x = ~0 on A és una matriu

m × n. El conjunt S = {~x ∈ Rn |A~x = ~0} s’anomena espai solució
del sistema o, també, espai nul de la matriu A.

En altres paraules, S és el conjunt format per totes les solucions

del sistema homogeni A~x = ~0.

26 / 34
Teorema 1: L’espai solució S del sistema A~x = 0 és un subespai vectorial
de Rn .
Demostració: Cal veure que si ~v1 , ~v2 ∈ S i α ∈ R, llavors: (1)
~v1 + ~v2 ∈ S i (2) α~v1 ∈ S. Vegem-ho:

(1) Si ~v1 i ~v2 són dues solucions del sistema, llavors

A(~v1 + ~v2 ) = A~v1 + A~v2 = ~0 + ~0 = ~0. X

(2) Si ~v és una solució, llavors A(α~v ) = αA~v = α~0 = ~0. X

Teorema 2: Si A és una matriu m × n de rang r, llavors la dimensió de

l’espai solució S del sistema A~x = 0 és igual a n − r:

dim(S) = n − r .

27 / 34
Exemple 1
Troba una base de l’espai solució del sistema
(
x + 2y − z = 0,
2x − y + 3z = 0.

Trobem la solució general del sistema i expressem-la com a combinació

lineal d’un o més vectors:
 
! x !
1 2 −1   0
y  = → z paràmetre:
2 −1 3   0
z
! ! ! ! ! !
1 2 x z 1 2 x z
= → =
2 −1 y −3z 0 −5 y −5z

28 / 34
 
 x = z − 2y = −λ
! ! ! 

1 2 x z
→ =y=z=λ →
0 1 y  z
 z=λ∈R

       
x −λ −1 * −1 +
 y  =  λ  = λ  1  → S =  1  ⊂ R3
       
       
z λ 1 1

 
−1
 
 1  és una base de S
Per tant, ~v =  → dim S = 1.

1

Geomètricament, les solucions del sistema són punts de la recta de R3

que passa pel (0, 0, 0) i té ~v per vector director.

29 / 34
Exemple 2
Troba una base de l’espai solució del sistema

 x1 − 2x3 + x4 = 0,


3x1 + x2 − 5x3 = 0,

 x + 2x − 5x

= 0.
1 2 4

Resolent el sistema per Gauss obtenim:

     
1 0 −2 1 1 0 −2 1 1 0 −2 1
     
A = 3 1 −5 0  ∼ 0 1 1
  
 ∼ 0
−3  1 1 −3
1 2 0 −5 0 2 2 −6 0 0 0 0

Per tant, rangA = 2 (# de files no nul·les) i dim S = n − r = 4 − 2 = 2.

Una base de S estarà formada per 2 vectors de R4 linealment

independents → 2 graus de llibertat (2 paràmetres)
30 / 34
Si prenem x3 i x4 com a paràmetres (x3 = s i x4 = t), la solució del
sistema anterior és
       
x1 2s − t 2 −1
       
x2  3t − s −1 3
x   s  = s  1  + t  0  , s, t ∈ R
 =     
 3      
x4 t 0 1

Per tant,
S = {(2s − t, 3t − s, s, t) | s, t ∈ R}
= h(2, −1, 1, 0), (−1, 3, 0, 1)i ⊂ R4 .

Geomètricament, doncs, S és un pla de R4 .

31 / 34
Teorema 3: Si ~xp és una solució del sistema no homogeni A~x = ~b,
llavors tota solució ~x del sistema és de la forma ~x = ~xh + ~xp
(solució general) essent ~xh la solució del sistema homogeni
A~x = ~0.

Exemple 3: Troba la solució general del sistema següent i

expressa-la com a ~x = ~xh + ~xp :

 x − y + 2z = 3


2x + y + z = 4


 −x − 2y + z = −1

32 / 34
Resolem el sistema per Gauss:
   
1 −1 2 3 1 −1 2 3
   
∼ 0 −1 −2/3 
 2 1 1 4   1
 
−1 −2 1 −1 0 0 0 0

Per tant, si prenem z com a paràmetre (z = λ), la solució general és

~xp ~xh
    z }| { z }| {
x 7/3 − λ 7/3 −1
       
y  = λ − 2/3 = −2/3 + λ  1 , λ ∈ R.
       
z λ 0 1

Geomètricament, la solució general és la recta de R3 que passa pel punt

(7/3, −2/3, 0) i té ~v = (−1, 1, 1) com a vector director.

33 / 34
Fixeu-vos que si considerem dues solucions, ~xp1 i ~xp2 , del sistema
no homogeni, la seva suma ~x = ~xp1 + ~xp2 NO és solució.
Comproveu-ho prenent les solucions corresponents a λ = 0 i λ = 1.

,→ El conjunt de solucions d’un sistema no homogeni A~x = ~b

NO té estructura d’espai vectorial → No és un subespai de Rn .

34 / 34