Professional Documents
Culture Documents
Transparencies
Transparencies
Transparencies
ETSEIAT
ÀLGEBRA LINEAL
Rafel Amer
Rafel Amer
Vicenç Sales
UPC
ETSEIAT
Rafel Amer
Vicenç Sales
Pàgina 2 de 150
Aquesta obra es distribueix sota la llicència creative-commons amb les condicions Reconeixement-No comercial-
Compartir de la versió 2.5 d’aquesta llicència. Resumint:
Sou lliure de:
Reconeixement. Heu de reconèixer els crèdits de l’obra de la manera especificada per l’autor o el llicencia-
dor (però no d’una manera que suggereixi que us donen suport o rebeu suport per l’ús que feu de l’obra).
Compartir amb la mateixa llicència. Si altereu o transformeu aquesta obra, o en genereu obres derivades,
només podeu distribuir l’obra generada amb una llicència idèntica a aquesta.
• Quan reutilitzeu o distribuı̈u l’obra, heu de deixar ben clar els termes de la llicència de l’obra.
• Alguna d’aquestes condicions pot no aplicar-se si obteniu el permı́s del titular dels drets d’autor.
• No hi ha res en aquesta llicència que menyscabi o restringeixi els drets morals de l’autor.
Podeu trobar el text complet de la llicència a l’adreça
http://creativecommons.org/licenses/by-nc-sa/2.5/es/legalcode.ca
Escola Superior d’Enginyeries Industrial, Aeroespacial i Audiovisual de Terrassa
Colom, 11
08222 Terrassa
UPC
Introducció
ETSEIAT
Aquestes transparències d’Àlgebra Lineal són el resultat de les classes impartides per la
Secció de Terrassa del Departament de Matemàtiques a l’Escola Superior d’Enginyeries
Industrial, Aeroespacial i Audiovisual de Terrassa des de la posada en marxa del nou pla
Rafel Amer
d’estudis.
Juntament amb els diferents conceptes desenvolupats, s’han inclòs nombrosos exemples
Vicenç Sales amb l’objectiu d’aconseguir una major comprensió dels conceptes teòrics desenvolupats.
No cal oblidar, però, que per assolir aquesta comprensió és imprescindible l’esforç i el
Pàgina 3 de 150 treball personal, tant pel que fa a l’estudi dels conceptes com a la resolució d’exercicis
relacionats amb ells. Esperem que sigui d’utilitat als estudiants i els aconsellem que in-
tentin assimilar les diferents nocions combinant el seu estudi amb la resolució simultània
d’exercicis corresponents a cadascun d’ells.
Els temes que es tracten són habituals en qualsevol curs d’Àlgebra Lineal. Aixı́, hi ha
dos capı́tols inicials centrats en l’estudi de la part operativa del curs que és utilitzada
posteriorment en els sis darrers capı́tols, que formen la part conceptual. D’altra banda,
s’ha parat especial atenció als aspectes i les aplicacions geomètriques i és per això que
cada capı́tol de naturalesa algebraica va seguit del seu corresponent capı́tol de naturalesa
geomètrica.
Finalment, pot ser interessant remarcar que, encara que inicialment aquestes trans-
parències estiguin pensades per a estudiants de Graus d’Enginyeria, també poden ser
útils als estudiants de Matemàtiques, Fı́sica i, en general, a tots aquells que hagin de
cursar la matèria d’Àlgebra Lineal.
ETSEIAT
Rafel Amer
Bibliografia relacionada
Vicenç Sales
Per a la resolució personal d’exercicis com els anteriors podeu consultar la col.lecció d’e-
xercicis següent:
Amer, R.; Sales, V.
ÀLGEBRA LINEAL. Exercicis.
http://atenea.upc.edu/moodle/login/index.php
UPC
ETSEIAT
Índex
1 MATRIUS 7
2.1 Determinants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3 ESPAIS VECTORIALS 43
3.3 Components . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
4 ESPAIS AFINS 61
4.3 Coordenades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
UPC
ETSEIAT
5 TRANSFORMACIONS LINEALS 79
Vicenç Sales
5.3 Transformacions lineals euclidianes . . . . . . . . . . . . . . . . . . . . . . . . 91
6 TRANSFORMACIONS AFINS 97
Pàgina 6 de 150
Definició 1.1 La suma de dues matrius A i B del tipus m × n és la matriu A + B del tipus
Rafel Amer m × n de coeficient per a tot i = 1, . . . , m i tot j = 1, . . . , n
aji + bji .
Vicenç Sales La matriu formada només per zeros es diu nul.la i s’escriu 0. I la matriu −A obtinguda
canviant el signe de tots els elements d’A es diu oposada d’A.
Pàgina 7 de 150
Les propietats del producte per escalars següents, com abans les de la suma, són sem-
blants a les que estem acostumats.
Pàgina 8 de 150
Aquestes propietats reben els noms respectius de distributiva respecte de la suma de
matrius, distributiva respecte de la suma d’escalars, compatible amb el producte per
escalars i producte per la unitat. I per la compatibilitat escriurem αβA.
La matriu quadrada amb uns a la diagonal i zeros a la resta es diu identitat d’ordre n i
s’escriu In o I només. I la seva oposada, menys identitat d’ordre n i es posa −In o −I.
Rafel Amer
Aquestes propietats reben els noms respectius d’associativa, element neutre, distribu-
tiva respecte de la suma de matrius i compatible amb el producte per escalars. A
més, per l’associativitat i la compatibilitat escriurem ABC i αAB, respectivament. I per
l’associativitat, si A és quadrada tenim les seves potències
Ak = A · .(k)
.. · A.
Observació 1.14 El producte de matrius no és commutatiu. A més, pot passar que
AB = 0 amb A 6= 0 i B 6= 0, que AB = AC amb A 6= 0 i B 6= C i que AB 6= I per a tot B amb
A 6= 0. Per això es parla dels quatre ”defectes” del producte de matrius.
Rafel Amer
Exemple 1.20 Amb les matrius A i B dels exemples anteriors, es té que
t t
3 0 2 3 1 1 −2 4 4 −2 4 4
At = 1 3 0 = 0 3 2 i B t = 4 −2 4 = 4 −2 4.
1 2 4 2 0 4 4 4 −2 4 4 −2
Definició 1.21 Una matriu quadrada A és simètrica si, i només si,
UPC aij = aji
ETSEIAT per a tot i, j = 1, . . . , n.
Evidentment, les matrius nul.la (0), identitat (I) i menys identitat (−I) són simètriques.
Rafel Amer
Teorema 1.22 A és simètrica si, i només si,
At = A .
Vicenç Sales
Pàgina 12 de 150
Pàgina 13 de 150 Definició 1.32 Es diu que una matriu està en forma triangular per files si, i només si:
(i) les files amb tots els coeficients iguals a zero són les últimes;
(ii) el primer coeficient no nul de cada fila està a la dreta del mateix de la fila anterior;
(iii) els coeficients per sota de cada coeficient no nul anterior són zero tots.
Observació 1.33 Permutant files amb files posteriors en cada columna si cal, s’obtenen
pivots no nuls; i posant zeros després per sota dels pivots s’obté la forma triangular.
Una fila és combinació lineal d’una altra si, i només si, són múltiples.
Definició 1.37 Es diu que les files Ai1 , . . . , Aik són linealment independents si, i només
Rafel Amer
si, combinacions lineals seves amb escalars diferents donen files diferents.
Una fila és linealment independent si, i només si, és no nul.la. I dues files són linealment
independents si, i només si, no són múltiples l’una de l’altra.
0 0 0 0
es dedueix que la tercera fila és combinació lineal de les dues primeres –ja que la tercera i
quarta files s’havien permutat– per ser completament nul.lla la tercera fila. I, en canvi, la
primera, segona i quarta files són linealment independents.
Teorema 1.41 El nombre màxim de files i columnes linealment independents és igual.
UPC
Aquest nombre màxim s’anomena, de vegades, rang per files i rang per columnes, res-
ETSEIAT
pectivament. Però, com que coincideixen, podem considerar només la definició següent.
Escriurem rg A en tal cas. I tenim que l’única matriu amb rang 0 és la matriu nul.la i que
Rafel Amer
el rang d’una matriu no nul.la és 1 quan les files –o les columnes– són proporcionals.
Vicenç Sales Proposició 1.43 El rang és invariant per transformacions elementals.
Pàgina 15 de 150
En particular, en aplicar el mètode de Gauss el rang d’una matriu no varia. Per tant, és el
nombre de files no completament nul.les o, equivalentment, el nombre de pivots obtinguts.
Teorema 1.45 (a) k files o columnes d’una matriu són linealment independents si, i
només si, el seu rang és k.
(b) Una fila o una columna d’una matriu és combinació lineal d’unes altres si, i només
si, el rang obtingut en afegir–la és el mateix.
Exemple 1.46 Com que en la matriu triangulada obtinguda a partir de la matriu A anterior
1 1 3 1
0 1 1 1
0 0 0 1
0 0 0 0
el nombre de files no completament nul.les és 3, es dedueix que rg A = 3.
La matriu amb els elements de certes files i columnes d’una matriu es diu submatriu.
UPC
Definició 1.47 Les matrius quadrades d’ordre n amb rang n s’anomenen regulars.
ETSEIAT
I les matrius quadrades no regulars –és a dir, les de rang menor que n– es diuen singulars.
Rafel Amer Teorema 1.48 (a) Si α 6= 0 i A és regular llavors αA és regular.
(b) Si A i B són regulars llavors AB és regular.
(c) Si A és regular llavors At és regular.
Vicenç Sales
Les submatrius quadrades regulars d’ordre màxim d’una matriu són les formades per files
i columnes linealment independents en nombre màxim.
Teorema 1.50 Les files i columnes corresponents als pivots obtinguts pel mètode de
Gauss formen submatrius quadrades regulars d’ordre màxim de la matriu.
Exemple 1.51 La matriu A anterior no és regular, ja que rg A 6= 4. I tenint en compte que
en l’aplicació del mètode de Gauss dels exemples anteriors, la tercera i la quarta files s’han
canviat, s’obté que una submatriu quadrada regular d’ordre màxim de A és
1 1 1
A0 = 1 2 2 .
2 0 1
Les matrius del tipus 1 × n es diuen matrius–fila; i les del tipus m × 1, matrius–columna.
I si A i B tenen igual nombre de files, la que consta de les columnes d’A i B s’escriu (A|B).
UPC
ETSEIAT Definició 1.52 Es diu que una expressió és paramètrica lineal si és del tipus
X = Aλ + P ,
amb X, λ i P matrius-columna.
Vicenç Sales
Teorema 1.53 rg (A|X − P ) = rg A.
Exemple 1.55 Eliminem paràmetres pel mètode de Gauss de l’expressió paramètrica lineal
x = 2 + λ + µ + 3ν + ρ
1 1 3 1 x−2 1 1 3 1 x−2
y = 2 + λ + 2µ + 4ν + 2ρ
1 2 4 2 y−2 0 1 1 1 −x + y
; ' '
z =µ+ν+ρ
0 1 1 1 z 0 1 1 1 z
2 0 4 1 t − 4 F2 ∼F2 −F1 0 2 2 1 2x − t F3 ∼F3 −F2
t = 4 + 2λ + 4ν + ρ F4 ∼2F1 −F4 F4 ∼2F2 −F4
1 1 3 1 x−2 1 1 3 1 x−2
0 1 1 1 −x + y 0 1 1 1 −x + y
' .
0 0 0 0 x−y+z 0 0 0 1 −4x + 2y + t
0 0 0 1 −4x + 2y + t F3 ∼F4 0 0 0 0 x−y+z
F4 ∼F3
I com que rg A = 3, cal que rg (A|X − P ) = 3 també, que equival a que
x − y + z = 0.
Els sistemes d’equacions lineals o sistemes lineals s’escriuen en la forma AX = B. A es
diu matriu de coeficients; B de termes independents; X d’incògnites; i (A|B) ampliada.
UPC I la resolució de sistemes lineals és el procés invers de l’eliminació de paràmetres lineals.
ETSEIAT
Definició 1.56 Un sistema lineal és compatible si té solucions i incompatible si no en
té. I és compatible determinat si en té una sola i indeterminat si en té més d’una.
Els sistemes lineals homogenis són compatibles, ja que x1 = . . . = xn = 0 és solució.
Rafel Amer Teorema 1.57 (a) Un sistema lineal AX = B és compatible si, i només si,
rg (A|B) = rg A .
(b) Un sistema lineal AX = B és compatible determinat si, i només si,
Vicenç Sales
rg (A|B) = rg A = n .
Pàgina 18 de 150 Aquest resultat s’anomena teorema de Rouché–Fröbenius. I si el sistema és compatible,
el nombre d’incògnites lliures o paràmetres es diu graus de llibertat i és igual a n − rg A.
UPC
Definició 1.60 Es diu que una matriu està en forma reduı̈da per files si, i només si:
ETSEIAT
(i) les files amb tots els coeficients iguals a zero són les últimes;
(ii) el primer coeficient no nul de cada fila està a la dreta del mateix de la fila anterior;
(iii) els coeficients per sota i per sobre de cada coeficient no nul anterior són zero tots.
Rafel Amer
Per tant, la diferència entre la forma triangular i la reduı̈da per files és que en aquesta els
zeros estan no només per sota sinò també per sobre dels pivots.
Vicenç Sales
Observació 1.61 Podem trobar la forma reduı̈da per files d’una matriu permutant files
Pàgina 19 de 150 amb files posteriors si cal en cada columna per tal d’obtenir pivots no nuls i posant zeros
després per sota i per sobre dels pivots.
Observació 1.62 Igual es defineix la forma reduı̈da per columnes. I les propietats
anàlogues són també vàlides.
Vicenç Sales
Exemple 1.65 Resolguem pel mètode de Gauss–Jordan el sistema lineal
x + y + 3z + t =5
Pàgina 20 de 150
x + 2y + 4z + 2t =9
.
y + z + t =4
2x + 4z + t =4
Matricialment, tenim:
1 1 3 1 5 1 1 3 1 5
1 2 4 2 9 0 1 1 1 4
0 1 1 1 4
' 0 1 1 1
'
4
2 0 4 1 4 F2 ∼F2 −F1 0 2 2 1 6 FF1 ∼F1 −F2
∼F −F
F4 ∼2F1 −F4 3 3 2
F4 ∼2F2 −F4
1 0 2 0 1 1 0 2 0 1 1 0 2 0 1
0 1 1 1 4 0 1 1 1 4 0 1 1 0 2
0
' ' .
0 0 0 0 0 0 0 1 2 0 0 0 1 2
0 0 0 1 2 F3 ∼F4 0 0 0 0 0 F 0 0 0 0 0
F4 ∼F3 2 ∼F2 −F3
Vicenç Sales Exemple 1.68 Resolguem pel mètode de Gauss–Jordan els sistemes lineals
x + y + 3z + t =5 x0 + y 0 + 3z 0 + t0 =4
Pàgina 21 de 150
x + 2y + 4z + 2t =9 x0 + 2y 0 + 4z 0 + 2t0 =6
i .
y + z + t =4
y 0 + z 0 + t0 =2
2x0 + 4z 0 + t0 =5
2x + 4z + t =4
Matricialment, tenim:
1 1 3 1 5 4 1 1 3 1 5 4
1 2 4 2 9 6 0 1 1 1 4 2
0 1 1 1 4 2
'0 1 1 1 4 2
'
2 0 4 1 4 5 F2 ∼F2 −F1 0 2 2 1 6 3 FF1 ∼F ∼F1 −F2
F4 ∼2F1 −F4 −F 3 3 2
F4 ∼2F2 −F4
1 0 2 0 1 2 1 0 2 0 1 2 1 0 2 0 1 2
0 1 1 1 4 2 0 1 1 1 4 2 0 1 1 0 2 1
0
' ' .
0 0 0 0 0 0 0 0 1 2 1 0 0 0 1 2 1
0 0 0 1 2 1 F3 ∼F4 0 0 0 0 0 0 F 0 0 0 0 0 0
F4 ∼F3 2 ∼F2 −F3
Rafel Amer
Observació 1.70 Podem resoldre aquesta equació matricial pel mètode de Gauss-Jordan:
• primer es troba el seu caràcter aplicant el mètode de Gauss a la matriu (A|B);
• i si té solució, aquesta és la matriu que té per columnes les dels sistemes simultanis.
Vicenç Sales
2 0 4 1 t t0 4 5
L’equació anterior equival als sistemes lineals simultanis
x + y + 3z + t =5 x0 + y 0 + 3z 0 + t0 =4
x + 2y + 4z + 2t =9 x0 + 2y 0 + 4z 0 + 2t0 =6
i
y + z + t =4
y 0 + z 0 + t0 =2
2x0 + 4z 0 + t0 =5
2x + 4z + t =4
que, com hem vist en l’exemple anterior, tenen solucions
x0 = 2 − 2z 0
x = 1 − 2z
y =2−z i y0 = 1 − z0
t0 = 1
t=2
i, en conseqüència, les solucions són
x x0 1 − 2z 2 − 2z 0
y y0 2 − z 1 − z0
z z0 = z
.
z0
t t0 2 1
Proposició 1.72 L’equació matricial XA = B equival a l’equació matricial At X t = B t .
UPC
Observació 1.73 Podem resoldre aquesta equació matricial pel mètode de Gauss–Jordan:
• primer es transposa l’equació anterior, obtenint l’equació matricial At X t = B t ;
Rafel Amer
• després es troba el seu caràcter aplicant el mètode de Gauss a la matriu (At |B t );
• si té solució, es resol pel mètode de Gauss–Jordan per a equacions del tipus AX = B;
t
• finalment, es transposa la solució anterior i s’obté la solució final: X = X t .
Vicenç Sales
2 0 4 1 t t0 4 5
que, com hem vist en l’exemple anterior, té solució
x x0 1 − 2z 2 − 2z 0
y y0 2 − z 1 − z0
z z0 = z
.
z0
t t0 2 1
I transposant aquesta matriu, s’obtenen les solucions de l’equació matricial inicial:
t
1 − 2z 2 − 2z 0
2 − z 1 − z0
x y z t 1 − 2z 2 − z z 2
= = .
x0 y 0 z 0 t0 z0 2 − 2z 0 1 − z 0 z 0 1
z
2 1
Teorema 1.75 AX = I i XA = I tenen solució si, i només si, A és regular.
UPC
I, en tal cas, la solució és única i la mateixa per a totes dues equacions matricials.
ETSEIAT
Escriurem A−1 en tal cas. I es té, per tant, que AA−1 = A−1 A = I.
Pàgina 24 de 150
En particular, aplicant el mètode de Gauss–Jordan a la matriu (A|I) s’obté la inversa d’A.
Observació 2.2 Si Aji és la submatriu d’A sense la fila i i la columna j, l’adjunt d’aji és
αij = (−1)i+j det Aji .
El teorema següent es diu regla de Laplace o desenvolupament per una fila o columna.
Observem que els apartats (b) i (c) de la proposició i l’apartat (b) del teorema mostren les
Pàgina 26 de 150 propietats dels determinants en les transformacions elementals per columnes.
Observació 2.8 Podem posar zeros en una fila o columna amb transformacions elemen-
tals fins que tots els elements excepte un siguin zero i desenvolupar per aquesta fila o
columna aplicant la fórmula del cas particular anterior.
Exemple 2.9 Posant zeros a la primera columna, el determinant d’ordre 4 d’abans és:
4 2 2 1 4 2 2 1
−10 −4 3
2 −4 −1 2 1 1 1 0 −10 −4
3 1
= · · · = · 4 · 0 −10 −5
2 1 −4 −2 2 2 4 0 0 −10 −5 16
−10
6 −17
1 −2 2 −4 FF2 ∼2F2 −F1
∼2F −F
0 −10 6 −17
3 3 1
F4 ∼4F4 −F1
−1700 + 0 − 200 − (300 + 300 + 0) −2500
= = = −625 .
4 4
Proposició 2.10 Si una matriu quadrada A està en forma triangular aleshores
UPC det A = a11 . . . ann .
ETSEIAT
L’aplicació del mètode de Gauss tenint en compte l’efecte de les transformacions elemen-
Rafel Amer tals en els determinants s’anomena mètode de Gauss per al càlcul de determinants.
Vicenç Sales
Pàgina 27 de 150
Observació 2.11 En certs casos, es pot aprofitar la propietat anterior per a calcular el
determinant d’una matriu d’una forma més fàcil. Cal insistir, però, que aquesta forma
de procedir no és general.
Rafel Amer
Proposició 2.15 (a) det (−A) = (−1)n det A, essent n l’ordre de la matriu A.
(b) det (Ak ) = (det A)k .
Definició 2.18 Dues matrius A i B són del mateix tipus si totes dues són directes o
Rafel Amer
inverses; i són de diferent tipus si una és directa i l’altra és inversa.
En particular, les matrius que poden ser del mateix o de diferent tipus són les regulars; i,
Vicenç Sales en general, les matrius quadrades es classifiquen en directes, inverses i singulars.
Pàgina 29 de 150
Proposició 2.19 Si α > 0 aleshores A i αA són del mateix tipus; i si α < 0 aleshores A i
αA són del mateix tipus si n és parell i de diferent tipus si n és senar.
En particular, A i −A són del mateix tipus si n és parell i de diferent tipus si n és senar.
Proposició 2.20 Si A i B són del mateix tipus llavors AB és directa; i si A i B són de
diferent tipus aleshores AB és inversa.
En particular, si A és directa llavors A i Ak són del mateix tipus; i si A és inversa aleshores
A i Ak són del mateix tipus si n és senar i de diferent tipus si n és parell.
ETSEIAT
Per tant, les de determinant 1 són les directes; i les de determinant −1, les inverses.
Rafel Amer
Observació 2.24 És fals que si el determinant de A és 1 o −1 llavors A és ortogonal.
Vicenç Sales
Les matrius quadrades ortogonals d’ordre 2 són fàcils de reconèixer.
Pàgina 30 de 150
Proposició 2.25 Les matrius quadrades ortogonals directes i inverses d’ordre 2 són
a −b a b
i ,
b a b −a
amb a2 + b2 = 1, respectivament.
UPC
ETSEIAT
Definició 2.27 S’anomena menor d’ordre r d’una matriu A del tipus m×n al determinant
de qualsevol submatriu quadrada d’ordre r de la matriu A.
Definició 2.28 Diem que un menor M 0 és una orla d’un menor M si la submatriu que
Vicenç Sales
correspon a M 0 s’obté afegint una fila i una columna a la submatriu corresponent a M .
Pàgina 31 de 150
Es diu també que el menor M 0 s’ha obtingut orlant el menor M .
Observació 2.29 En general, es parla de mètode dels menors en tots aquells procedi-
ments que utilitzen menors i orles.
2 0 4 1
El menor d’ordre 2 corresponent a les dues primeres files i columnes és
1 1
1 2 = 1.
I els menors obtinguts orlant aquest menor amb la tercera fila i les altres columnes són
1 1 3 1 1 1
1 2 4 = 1 2 2 = 0.
0 1 1 0 1 1
Viem com s’aplica el mètode dels menors als conceptes de combinació lineal i dependència
i independència lineal de files i columnes.
UPC
ETSEIAT
Teorema 2.31 r files d’una matriu A són linealment independents si, i només si, existeix
algun menor d’ordre r no nul obtingut a partir d’aquestes files.
Rafel Amer Tant aquesta propietat com la següent són igualment vàlides en el cas de columnes.
Vicenç Sales
Teorema 2.32 Si r files d’una matriu A són linealment independents i M és un menor
Pàgina 32 de 150
d’ordre r no nul obtingut amb aquestes mateixes files i les columnes que sigui llavors
una altra fila és combinació lineal d’aquestes si, i només si, tots els menors obtinguts
orlant el menor M anterior amb la nova fila i totes les altres columnes són iguals a 0.
2 0 4 1
Com que el menor d’ordre 2 format per les dues primeres files i columnes
1 1
1 2
era no nul, obtenim que les dues primeres files són linealment independents. I com que
els menors obtinguts orlant aquest menor amb la tercera fila i les altres columnes
1 1 3 1 1 1
1 2 4 i 1 2 2
0 1 1 0 1 1
eren tots dos nuls, s’obté que la tercera fila és combinació lineal de les dues primeres files
i, en particular, que les tres primers files són linealment dependents.
Viem com s’aplica el mètode dels menors a la determinació del rang d’una matriu.
UPC
Teorema 2.34 El rang d’una matriu és l’ordre dels seus menors no nuls d’ordre màxim.
ETSEIAT
Exemple 2.35 Calculem el rang de la matriu anterior pel mètode dels menors:
1 1 3 1
1 2 4 2
A= 0 1 1 1 .
Rafel Amer
2 0 4 1
Com que, en orlar amb la tercera fila els dos menors han estat nuls, passem ara a orlar
Vicenç Sales
amb la quarta fila. Llavors tenim que
1 1 3
Pàgina 33 de 150
1 2 4 = 0
2 0 4
però, en canvi,
1 1 1
1 2 2 = 16= 0 .
2 0 1
I com que hem vist que la tercera fila és combinació lineal de les dues primeres, obtenim
que no poden haver–hi quatre files linealment independents. Per tant, el rang no pot ser 4
i, en conseqüència, tenim que
rg A = 3 .
ETSEIAT
Teorema 2.37 Una matriu quadrada A és regular si, i només si,
det A 6= 0 .
Rafel Amer
Per tant, les matrius regulars són les no singulars, és a dir, les directes i les inverses.
Vicenç Sales
Pàgina 34 de 150
Observació 2.38 En particular, les submatrius quadrades regulars d’ordre màxim són
les corresponents a menors no nuls d’ordre màxim.
ETSEIAT
Observació 2.40 Per eliminar els paràmetres d’una expressió paramètrica lineal X =
Aλ + P només cal imposar la condició
rg A = rg (A|X − P )
a la matriu (A|X − P ), fent el càlcul dels rangs pel mètode dels menors.
Rafel Amer
Vicenç Sales
Exemple 2.41 Eliminem paràmetres pel mètode dels menors de l’expressió paramètrica
lineal
x = 2 + λ + µ + 3ν + ρ
Pàgina 35 de 150
y = 2 + λ + 2µ + 4ν + 2ρ
.
z =µ+ν+ρ
t = 4 + 2λ + 4ν + ρ
En primer lloc, la matriu corresponent és
1 1 3 1 x−2
1 2 4 2 y−2
.
0 1 1 1 z
2 0 4 1 t−4
Llavors, com hem vist en exemples anteriors, tenim que rg A = 3 i una submatriu regular
d’ordre màxim és la formada per la primera, segona i quarta files i la primera, segona i
quarta columnes. Per tant, imposant la condició anterior dels rangs, tenim que ha der ser
també rg (A|X − P ) = 3. I això equival a
1 1 1 x−2
1 2 2 y−2
=0
0 1 1 z
2 0 1 t−4
que, desenvolupant, queda
x − y + z = 0.
Els sistemes lineals AX = B amb matriu A regular es diuen de Cramer.
UPC
Teorema 2.42 Si un sistema lineal AX = B és de de Cramer llavors, per a tot i = 1, . . . , n
ETSEIAT det (A1 . . . Ai−1 B Ai+1 . . . An )
xi = .
det A
Rafel Amer
Observació 2.43 Podem resoldre sistemes lineals AX = B de la forma següent:
• primer es troba el seu caràcter aplicant el mètode dels menors a la matriu (A|B);
• i si és compatible, s’aplica la regla de Cramer al sistema de Cramer obtingut suprimint
Vicenç Sales les files que no són d’Ā i passar restant els termes que no són d’Ā als independents.
Pàgina 36 de 150
Exemple 2.44 Resolguem pel mètode de Cramer el sistema lineal
x + y + 3z + t =5
1 1 3 1 5
x + 2y + 4z + 2t =9
1 2 4 2 9
;
0 1 1 1 4 .
y + z + t =4
2 0 4 1 4
2x + 4z + t =4
En primer lloc, tal com hem vist en exemples anteriors, tenim que rg A = 3. I com que
1 1 1 5
1 2 2 9
0 1 1 4 = 0,
2 0 1 4
és rg (A|B) = rg A = 3 i el sistema és compatible indeterminat i equivalent al de Cramer
x + y + t =5 − 3z
1 1 1 5 − 3z
x + 2y + 2t =9 − 4z ; 1 2 2 9 − 4z .
2 0 1 4 − 4z
2x + t =4 − 4z
I aplicant ara la regla de Cramer s’obtenen les solucions
5 − 3z 1 1 1 5 − 3z 1 1 1 5 − 3z
9 − 4z 2 2 1 9 − 4z 2 1 2 9 − 4z
4 − 4z 0 1 2 4 − 4z 1 2 0 4 − 4z
x= = 1 − 2z ; y= = 2−z; t= = 2.
det A det A det A
El mètode de l’adjunta
UPC
ETSEIAT Definició 2.45 S’anomena matriu adjunta d’una matriu quadrada A a la matriu del
mateix tipus que resulta de substituir cada coeficient aji de A pel seu adjunt Aji .
Escriurem Aad en tal cas. És fàcil recordar el signe corresponent a cada coeficient amb
Rafel Amer l’ajut de l’esquema següent, que es coneix com a regla dels escacs:
+ − + − ···
− + − + ···
+ − + − ···
Vicenç Sales
.
− + − + ···
Pàgina 37 de 150 .. .. .. .. . .
. . . . .
ETSEIAT
Proposició 2.48 Si A és regular llavors
1
det A−1 =
.
det A
Rafel Amer
En particular, Si A és regular llavors A i A−1 són del mateix tipus.
Vicenç Sales
Observació 2.50 Com veurem tot seguit, els sistemes lineals es poden resoldre també
pel mètode de l’adjunta. Però, en general, el mètode de Cramer és més eficaç en aquest
cas. En canvi, per a la resta de qüestions d’aquesta secció el mètode de l’adjunta és més
eficaç en general.
UPC
Observació 2.52 • Primer es troba el caràcter aplicant el mètode dels menors a (A|B);
ETSEIAT • i si és compatible, es resol l’equació equivalent ĀX̄ = B̄ –obtinguda suprimint les
files que no són del menor no nul d’ordre màxim i passant a la columna de termes
independents les incògnites que no són del menor– amb la fórmula X̄ = Ā−1 B̄, calculant
la inversa pel mètode de l’adjunta.
Rafel Amer
Exemple 2.53 Resolguem pel mètode de l’adjunta el sistema lineal
x + y + 3z + t =5
1 1 3 1 5
x + 2y + 4z + 2t =9
1 2 4 2 9
Vicenç Sales
; (A|B) =
0 1 1 1 4 .
y + z + t =4
2 0 4 1 4
Pàgina 39 de 150
2x + 4z + t =4
Aleshores, com que
1 1 3 1 1 1 1 5
1 1 1
1 2 4 2 1 2 2 9
1 2 2 = 1 6= 0 i 0 1 1 1 = 0 1 1 4 = 0,
2 0 1
2 0 4 1 2 0 1 4
tenim que rg A = rg (A|B) = 3 i el sistema lineal és compatible indeterminat amb 4 − 3 = 1
grau de llibertat. I suprimint la darrera fila i passant a l’altre costat la incògnita z, s’obté
x + y + t =5 − 3z
1 1 1
x 5 − 3z
x + 2y + 2t =9 − 4z ; 1 2 2 y = 9 − 4z .
2 0 1 t 4 − 4z
2x + t =4 − 4z
I multiplicant per l’esquerra per la inversa de la matriu calculada anteriorment, queda
−1
x 1 1 1 5 − 3z 2 −1 0 5 − 3z
y = 1 2 2 9 − 4z = 3 −1 −1 9 − 4z
t 2 0 1 4 − 4z −4 2 1 4 − 4z
d’on, operant, s’obtenen les solucions
x = 1 − 2z
y =2−z .
t=2
Veiem com s’aplica el mètode de l’adjunta a la resolució d’equacions matricials AX = B.
UPC
Observació 2.54 • Primer es troba el caràcter aplicant el mètode dels menors a (A|B);
ETSEIAT • i sité solució, es resol l’equació equivalent ĀX̄ = B̄ –obtinguda suprimint les files que
no són del menor no nul d’ordre màxim i passant a la columna de termes independents
les incògnites que no són del menor– amb la fórmula X̄ = Ā−1 B̄, calculant la inversa pel
mètode de l’adjunta.
Rafel Amer Exemple 2.55 Resolguem pel mètode de l’adjunta l’equació matricial
x0
1 1 3 1 x 5 4 1 1 3 1 5 4
1 2 4 2 y y0
=
9 6
; (A|B) =
1 2 4 2 9 6.
z0 4 2
Vicenç Sales
0 1 1 1 z 0 1 1 1 4 2
2 0 4 1 t t0 4 5 2 0 4 1 4 5
Pàgina 40 de 150
Com que
1 1 3 1 1 1 1 5 1 1 1 4
1 1 1
1 2 4 2 1 2 2 9 1 2 2 6
1 2
2 = 1 6= 0 i 0 1 1 1 = 0 1 1 4 = 0 1 1 2 = 0,
2 0 1
2 0 4 1 2 0 1 4 2 0 1 5
tenim que rg A = rg (A|B) = 3 i obtenim, per tant, que l’equació matricial té infinites
solucions. I suprimint la darrera fila i passant a l’altre costat les incògnites z i z 0 s’obté
x x0 5 − 3z 4 − 3z 0
1 1 1
1 2 2 y y 0 = 9 − 4z 6 − 4z 0
2 0 1 t t0 4 − 4z 5 − 4z 0
que, multiplicant per l’esquerra per la inversa de la matriu calculada anteriorment, queda
−1
x x0 5 − 3z 4 − 3z 0 1 − 2z 2 − 2z 0
1 1 1
y y 0 = 1 2 2 9 − 4z 6 − 4z 0 = 2 − z 1 − z 0 .
t t0 2 0 1 4 − 4z 5 − 4z 0 2 1
0 0 0
I substituint x, x , y, y , t i t a la matriu incògnita s’obtenen les solucions
x x0 1 − 2z 2 − 2z 0
y y0 2 − z 1 − z0
z z0 = z
.
z0
t t0 2 1
Veiem com s’aplica el mètode de l’adjunta a la resolució d’equacions matricials XA = B.
UPC
ETSEIAT
Vicenç Sales
Pàgina 41 de 150
Exemple 2.57 Resolguem pel mètode de l’adjunta l’equació matricial
1 1 0 2
x y z t 1 2 1 0 = 5 9 4 4 .
x0 y 0 z 0 t0 3 4 1 4 4 6 2 5
1 2 1 1
Transposant, ens queda l’equació matricial del tipus AX = B
x x0
1 1 3 1 5 4
1 2 4 2 y y0 9 6
0 1 1 1 z z0 = 4 2
2 0 4 1 t t0 4 5
que, com hem trobat en l’exemple anterior pel mètode de l’adjunta, té solució
x x0 1 − 2z 2 − 2z 0
y y0 2 − z 1 − z0
z z0 = z
.
z0
t t0 2 1
I transposant aquesta matriu, s’obtenen les solucions de l’equació matricial inicial:
0
t
1 − 2z 2 − 2z
2 − z 1 − z0
x y z t 1 − 2z 2 − z z 2
= = .
x0 y 0 z 0 t0 z0 2 − 2z 0 1 − z 0 z 0 1
z
2 1
Veiem com s’aplica el mètode de l’adjunta a la resolució de sistemes lineals simultanis.
UPC
ETSEIAT
Observació 2.58 • Primer es troba el caràcter de cadascun aplicant el mètode dels
menors a (A|B 1 . . . B k );
• i pels que siguin compatibles, es determina la solució de l’equació matricial ĀX̄ = B̄ pel
mètode de l’adjunta –essent B la matriu formada per les columnes de termes indepen-
dents dels sistemes anteriors–, obtenint-se aixı́ les solucions X̄ 1 , . . . , X̄ p corresponents a
Rafel Amer
les columnes de la matriu X̄.
Vicenç Sales
Exemple 2.59 Resolguem pel mètode de l’adjunta els sistemes lineals
x + y + 3z + t =5 x0 + y 0 + 3z 0 + t0 =4
Pàgina 42 de 150
x + 2y + 4z + 2t =9 x0 + 2y 0 + 4z 0 + 2t0 =6
i .
y + z + t =4
y 0 + z 0 + t0 =2
2x0 + 4z 0 + t0 =5
2x + 4z + t =4
En primer lloc, tal com hem vist en exemples anteriors, tenim que rg A = rg (A|B) = 3 i
rg A = rg (A|B 0 ) = 3 i obtenim, per tant, que tots dos sistemes són compatibles indetermi-
nats amb 4 − 3 = 1 grau de llibertat. Llavors, agrupant–los en l’equació matricial
x x0
1 1 3 1 5 4
1 2 4 2 y y0 9 6
0 1 1 1 z z0 = 4 2 ,
2 0 4 1 t t0 4 5
tal com hem vist en exemples anteriors, obtenim que la seva solució és
x x0 1 − 2z 2 − 2z 0
y y0 = 2 − z 1 − z0 .
t t0 2 1
I, en conseqüència, les solucions dels sistemes lineals simultanis són, respectivament,
x0 = 2 − 2z 0
x = 1 − 2z
y =2−z i y0 = 1 − z0 .
t0 = 1
t=2
3 ESPAIS VECTORIALS
L’espai vectorial
UPC
En el context següent, els elements (x1 , . . . , xn ) ∈ Rn representaran vectors.
ETSEIAT
~0 = (0, . . . , 0) s’anomena vector nul; i −~x = (−x1 , . . . , −xn ), vector oposat de ~x.
Rafel Amer
Aquestes propietats reben els noms respectius d’associativa, element neutre, element
oposat i commutativa. I per l’associativitat escriurem ~x + ~y + ~z.
~x
Rafel Amer
Teorema 3.6 (a) α(~x + ~y ) = α~x + α~y .
(b) (α + β)~x = α~x + β~x.
Vicenç Sales (c) α(β~x) = (αβ)~x.
(d) 1~x = ~x.
Pàgina 44 de 150
−2~x
−~x
~x
2~x
3~x
Rafel Amer
A més, en el cas d’un sol vector ~x la matriu és una matriu–columna i se sol escriure X.
Definició 3.10 La combinació lineal del sistema {~v1 , . . . , ~vk } i els escalars α1 , . . . , αk és
Vicenç Sales α1~v1 + . . . + αk~vk .
I es diu que un vector ~x és combinació lineal del sistema {~v1 , . . . , ~vk } si, i només si,
Pàgina 45 de 150
existeixen escalars α1 , . . . , αk tals que ~x és la combinació lineal de {~v1 , . . . , ~vk } i α1 , . . . , αk :
~x = α1~v1 + . . . + αk~vk .
Les combinacions lineals de vectors i de files o columnes d’una matriu són anàlogues.
Observació 3.11 Per tant, les seves propietats són també les mateixes.
~v2
~x = α1~v1 + α2~v2
~v1
Exemple 3.12 Amb el vector (5, −2, 1) i el sistema de vectors {(2, −1, 0), (0, 2, 1)}, la condició
(5, −2, 1) = α(2, −1, 0) + β(0, 2, 1)
es converteix en el sistema d’equacions lineals
2 0 5 2 0 5 2 0 5
−1 2 −2 ' 0 4 1 ' 0 4 1 ,
0 1 1 F ∼2F +F 0 1 1 F ∼4F −F 0 0 3
2 2 1 3 3 2
que és incompatible. I, per tant, (5, −2, 1) no és combinació lineal de (2, −1, 0) i (0, 2, 1).
Definició 3.13 Es diu que un sistema de vectors {~v1 , . . . , ~vk } és linealment independent
UPC si, i només si, combinacions lineals seves amb escalars diferents donen vectors diferents.
I es diu que són linealment dependents si, i només si, no són linealment independents.
ETSEIAT
Rafel Amer
Definició 3.14 S’anomena rang d’un sistema de vectors al nombre màxim de vectors
linealment independents que conté.
Vicenç Sales
El rang d’un sistema de vectors és igual al rang de la seva matriu.
Pàgina 46 de 150
Observació 3.15 Per tant, les propietats tant de la dependència i la independència lineal
com del rang són també les mateixes.
L. dependents L. independents
Exemple 3.16 Donat el sistema de vectors {(2, −1, 0), (0, 2, 1), (5, −2, 1)}, la condició
α(2, −1, 0) + β(0, 2, 1) + γ(5, −2, 1) = (0, 0, 0)
es converteix en el sistema d’equacions lineals homogeni
2 0 5 0 2 0 5 0 2 0 5 0
−1 2 −2 0 ' 0 4 1 0
' 0 4 1
0 .
0 1 1 0 F ∼2F +F 0 1 1 0 F ∼4F −F 0 0 3 0
2 2 1 3 3 2
I. en ser compatible determinat, (2, −1, 0), (0, 2, 1) i (5, −2, 1) són linealment independents.
Definició 3.17 Un subconjunt no buit V de Rn és un subespai vectorial si, i només si:
UPC (i) si ~x, ~y ∈ V aleshores ~x + ~y ∈ V ;
(ii) si α ∈ R i ~x ∈ V aleshores α~x ∈ V .
ETSEIAT
{~0} és subespai vectorial, dit nul; Rn també, dit total; i si V 6= {~0}, Rn en diem estricte.
Definició 3.19 Es diu que {~v1 , . . . , ~vk } és un sistema de generadors de V i que AX = 0
són unes equacions implı́cites o cartesianes de V .
Si ~v1 = (v11 , . . . , v1n ), . . . , ~vk = (vk1 , . . . , vkn ) es té les equacions de tipus vectorial
x1 =α1 v11 + . . . + αk vk1
V = {~x ∈ Rn : ~x = α1~v1 + . . . + αk~vk } = (x1 , . . . , xn ) ∈ Rn : ............... .
n n
xn =α1 v1 + . . . + αk vk
Aquestes equacions es diuen vectorial i paramètriques de V , respectivament. I en el cas
d’un sol generador ~v = (v1 , . . . , vn ), aı̈llant i igualant, s’obté l’equació contı́nua:
x1 xn
= ... = .
v1 vn
Observació 3.20 El fet que els processos d’eliminació de paràmetres lineals homogenis i
resolució de sistemes lineals homogenis siguin inversos permet passar d’unes a altres.
Exemple 3.21 Les equacions vectorial i paramètriques de V = h(2, −1, 0), (0, 2, 1)i són
x =2α
(x, y, z) = α(2, −1, 0) + β(0, 2, 1) i y = − α + 2β .
z =β
Definició 3.22 Diem que un sistema de generadors de V és una base de V si no es pot
UPC prescindir de cap dels vectors sense que deixi de ser–ho. I que unes equacions implı́cites
de V són minimals si no es pot prescindir de cap d’elles sense que deixin de ser–ho.
ETSEIAT
El subespai nul és l’únic que no té bases. I el total, l’únic que no té equacions implı́cites
minimals. I tant en l’eliminació de paràmetres lineals i la resolució de sistemes lineals com
en l’eliminació d’elements redundants, s’obtenen bases i equacions implı́cites minimals.
Rafel Amer Teorema 3.23 (a) Les bases són els sistemes de generadors linealment independents.
(b) Les bases de tot subespai vectorial no nul tenen igual nombre de vectors.
Pàgina 48 de 150
Definició 3.24 S’anomena dimensió de V al nombre comú de vectors de les seves bases.
Escriurem dim V en tal cas. Tenim que dim Rn = n; i, per conveni, dim {~0} = 0. Diem recta
vectorial si dim V = 1; pla vectorial si és 2; i hiperplà vectorial si és n − 1.
Exemple 3.26 Eliminant vectors redundants i paràmetres del subespai V d’abans tenim:
2 0 x 2 0 x 2 0 x
−1 2 y ' 0 4 x + 2y '0 4 x + 2y .
0 1 z F ∼2F +F 0 1 z F ∼4F −F
0 0 −x − 2y + 4z
2 2 1 3 3 2
Per tant, una base, l’equació implı́cita minimal i la dimensió de V són, respectivament,
{(2, −1, −1), (−1, 2, −1)} , −x − 2y + 4z = 0 i 2.
L’espai vectorial euclidià
UPC Definició 3.27 El producte escalar dels vectors ~x = (x1 , . . . , xn ) i ~y = (y1 , . . . , yn ) de Rn és
ETSEIAT ~x · ~y = x1 y1 + . . . + xn yn = X t Y .
I si ~x · ~y = 0 diem que ~x i ~y són ortogonals o perpendiculars i posem ~x ⊥ ~y .
Pel primer apartat del teorema escriurem α~x · ~y . I pel darrer de la proposició, −~x · ~y .
0 0
Definició 3.30 La matriu del producte escalar dels sistemes {~v1 , . . . , ~vk } i {~v1 , . . . , ~vk0 } és
0 0
~v1 · ~v1 . . . ~v1 · ~vk0
Gv,v0 = ... .. .
.
0 0
~vk · ~v1 . . . ~vk · ~vk0
Teorema 3.32 (a) {~v1 , . . . , ~vk } és linealment independent si, i només si, Gv és regular.
(b) Si k = n llavors det Gv = (det C)2 .
~x
k ~x k
Exemple 3.37 Les normes dels vectors d’abans ~x = (−2, 1, 0) i ~y = (−4, 7, 5) són
p √ p √ √
k ~x k = (−2)2 + 12 + 02 = 5 i k ~y k = (−4)2 + 72 + 52 = 90 = 3 10 .
Teorema 3.38 |~x · ~y | ≤ k ~x k k ~y k.
UPC
Aquesta propietat s’anomena desigualtat de Schwarz. I dona sentit a la definició següent.
ETSEIAT
Definició 3.39 Diem angle format pels vectors no nuls ~x, ~y ∈ Rn al valor entre 0 i π
~x · ~y
~xc~y = arccos .
k ~x k k ~y k
Rafel Amer
Aquesta definició equival a la fórmula clàssica del producte escalar: ~x · ~y = k ~x k k ~y k cos ~xc~y .
I l’angle format pels vectors no nuls ~x = (x1 , . . . , xn ) i ~y = (y1 , . . . , yn ) és
Vicenç Sales
x1 y1 + . . . + xn yn X tY
~xc~y = arccos p 2 p = arccos √ √ .
Pàgina 51 de 150 x1 + . . . + x2n y12 + . . . + yn2 X tX Y tY
Proposició 3.40 (a) ~x i ~y són linealment dependents si, i només si, ~xc~y = 0 o ~xc~y = π.
(b) ~x i ~y són ortogonals si, i només si, ~xc~y = π2 .
El primer apartat anterior és equivalent a que els vectors siguin proporcionals.
Entenent que {~i1 , . . . ,~in } és la base canònica de Rn , és útil la “regla nemotècnica” següent:
~i1 . . . ~in
Rafel Amer
x1 . . . xn1
n−1 1
~x1 ∧ . . . ∧ ~xn−1 = (−1) . .. .
.. .
Vicenç Sales x1 . . . xn
n−1 n−1
A R2 el producte vectorial d’un sol vector ~x s’escriu ~x⊥ . I si ~x = (x, y) aleshores ~x⊥ = (−y, x).
Pàgina 52 de 150
Proposició 3.44 (a) ~x1 ∧ . . . ∧ ~xi ∧ . . . ∧ ~xj ∧ . . . ∧ ~xn−1 = −~x1 ∧ . . . ∧ ~xj ∧ . . . ∧ ~xi ∧ . . . ∧ ~xn−1 .
(b) ~x1 ∧ . . . ∧ (α~xi ) ∧ . . . ∧ ~xn−1 = α(~x1 ∧ . . . ∧ ~xn−1 ).
(c) ~x1 ∧ . . . ∧ (~yi + ~zi ) ∧ . . . ∧ ~xn−1 = ~x1 ∧ . . . ∧ ~yi ∧ . . . ∧ ~xn−1 + ~x1 ∧ . . . ∧ ~zi ∧ . . . ∧ ~xn−1 .
(d) ~x1 ∧ . . . ∧ ~xn−1 = ~0 si, i només si, {~x1 , . . . , ~xn−1 } són linealment dependents.
(e) ~x1 ∧ . . . ∧ ~xn−1 és ortogonal a cada ~x1 , . . . , ~xn−1 .
~y
~x
Exemple 3.45 El producte vectorial dels vectors anteriors ~x = (−2, 1, 0) i ~y = (−4, 7, 5) és
~i ~j ~k
2
1 0 −2 0 −2 1
~x ∧ ~y = (−2, 1, 0) ∧ (−4, 7, 5) = (−1) −2 1 0 = ,−
−4 5 , −4 7 = (5, 10, −10) .
−4 7 7 5
5
Definició 3.46 Diem sistemes ortogonals als no nuls amb vectors ortogonals dos a dos.
UPC I diem sistemes ortonormals als ortogonals amb vectors unitaris.
ETSEIAT Els sistemes ortogonals d’un vector són els vectors no nuls. I els ortonormals, els unitaris.
Teorema 3.47 (a) {~v1 , . . . , ~vk } és un sistema ortogonal si, i només si, Gv és diagonal.
(b) Els sistemes ortogonals són linealment independents.
(c) Si v = {~v1 , . . . , ~vk } és un sistema linealment independent i
0
0 0
!
Rafel Amer
0 0 ~v1 · ~v2 0 0 ~v1 · ~vk 0 ~vk−1 · ~vk 0
~v1 = ~v1 i ~v2 = ~v2 − 0 0 ~v1 , . . . , ~vk = ~vk − v + ... + 0
0 ~ ~v ,
~v1 · ~v1 1 ~vk−1 · ~vk−1 k−1
0 0
~v1 · ~v1
0 0
Vicenç Sales aleshores v 0 = {~v1 , . . . , ~vk } és un sistema ortogonal.
(d) det Gv0 = det Gv .
Pàgina 53 de 150
Pel segon apartat, diem bases ortogonals als sistemes ortogonals d’un subespai vectorial.
I el tercer apartat es coneix com a mètode de Gram–Schmidt.
Teorema 3.48 (a) {~v1 , . . . , ~vk } és un sistema ortonormal si, i només si, C és ortogonal.
(b) Els sistemes ortonormals són sistemes ortogonals.
(c) Normalitzant els vectors d’un sistema ortogonal se n’obté un ortonormal.
I com abans, diem bases ortonormals als sistemes
0
ortonormals d’un subespai vectorial.
~v3 ~v3
00
~v3 0
00 ~v2
~v2
~v2
00
0
~v1 ~v1 = ~v1
Exemple 3.49 Ortogonalitzant per Gram–Schmidt el sistema {(−2, 1, 0), (−4, 7, 5)} es té que
0 0
~v1 = (−2, 1, 0) i ~v2 = (−4, 7, 5)− (−2,1,0)·(−4,7,5) 15
(−2,1,0)·(−2,1,0) (−2, 1, 0) = (−4, 7, 5)− 5 (−2, 1, 0) = (2, 4, 5) .
I normalitzant els vectors trobats, s’obtenen els sistemes ortogonal i ortonormal respectius
1 1
{(−2, 1, 0), (2, 4, 5)} i √ (−2, 1, 0), √ (2, 4, 5) .
5 45
Definició 3.50 Diem subespai ortogonal V ⊥ del subespai vectorial V al conjunt de vec-
UPC tors de Rn que són ortogonals a tots els vectors de V .
ETSEIAT
També s’anomena l’ortogonal només. I es té que {~0}⊥ = Rn i (Rn )⊥ = {~0}.
Aleshores, les components dels vectors d’un sistema de generadors de V són coeficients
d’equacions implı́cites de V ⊥ . I, per la propietat del doble ortogonal, els coeficients d’unes
equacions implı́cites de V són components de vectors d’un sistema de generadors de V ⊥ .
V⊥
Exemple 3.54 Les equacions implı́cites del subespai ortogonal del subespai vectorial V =
h(−2, 1, 0), (−4, 7, 5)i són
) )
(−2, 1, 0) · (x, y, z) =0 −2x + y =0
' .
(−4, 7, 5) · (x, y, z) =0 −4x + 7y + 5z =0
Components
UPC Observació 3.55 Rn amb la suma de vectors i el producte d’escalars per vectors es diu
l’espai vectorial. I amb el producte escalar de vectors a més, l’espai vectorial euclidià.
ETSEIAT
0 0
Considerem un sistema de vectors {~e1 , . . . , ~en } de Rn i la seva matriu C.
0 0
Teorema 3.56 (a) {~e1 , . . . , ~en } és una base de Rn si, i només si, C és regular.
0 0
(b) {~e1 , . . . , ~en } és una base ortogonal de Rn si, i només si, C t C és diagonal.
0 0
Rafel Amer
(c) {~e1 , . . . , ~en } és una base ortonormal de Rn si, i només si, C és ortogonal.
Cal destacar la canònica, que és ortonormal: Bc = {(1, 0, . . . , 0), . . . , (0, 0, . . . , 1)}.
Vicenç Sales
Definició 3.57 Si C és directa la base de Rn es diu positiva; i si C és inversa, negativa.
Pàgina 55 de 150 I es defineix la signatura d’una base B 0 (σ(B 0 )) com 1 si és positiva o −1 si és negativa.
I dues tenen diferent o igual orientació segons siguin una positiva i l’altra negativa o no.
Proposició 3.58 (a) Si {~x1 , . . . , ~xn−1 } és independent llavors {~x1 , . . . , ~xn−1 , ~x1 ∧ . . . ∧ ~xn−1 } és
una base positiva de Rn .
(b) Si {~x1 , . . . , ~xn−1 } és ortogonal llavors {~x1 , . . . , ~xn−1 , ~x1 ∧ . . . ∧ ~xn−1 } és, a més, ortogonal.
(c) Si {~x1 , . . . , ~xn−1 } és ortonormal llavors {~x1 , . . . , ~xn−1 , ~x1 ∧. . .∧~xn−1 } és, a més, ortonormal.
Exemple 3.59 B 0 = {(−1, 2), (1, 1)} és base negativa no ortonormal de R2 , ja que
−1 1
2 1 = −3< 0 i (2, 1) · (−1, 1)6= 0 .
x0 4
3
6 y0
6
7
5
2 4
3
3
1 2
−6 −3 3 6
−1
−2 −1
−3
−3
−4 −2
−5
−6
−6 −3
−7
0 0
Definició 3.60 S’anomena components d’un vector ~x ∈ Rn en la base B 0 = {~e1 , . . . , ~en }
UPC als únics escalars (x01 , . . . , x0n ) tals que
0 0
ETSEIAT ~x = x01~e1 + . . . + x0n~en .
0 0
En particular, ~e1 , . . . , ~en tenen components (1, 0, . . . , 0), . . . , (0, . . . , 0, 1), respectivament.
Teorema 3.61 (a) Si les components de ~x, ~y ∈ Rn en una base B 0 són (x01 , . . . , x0n ) i
Rafel Amer (y10 , . . . , yn0 ) respectivament, aleshores les components de ~x + ~y ∈ Rn en la base B 0 són
(x01 + y10 , . . . , x0n + yn0 ) .
(b) Si α ∈ R i les components de ~x ∈ Rn en una base B 0 són (x01 , . . . , x0n ) aleshores les
Vicenç Sales
components de α~x ∈ Rn en la base B 0 són
Pàgina 56 de 150
(αx01 , . . . , αx0n ) .
I en la base canònica Bc les components de tot vector ~x = (x1 , . . . , xn ) són (x1 , . . . , xn ) també.
Teorema 3.62 Si les components respectives de ~x, ~y ∈ Rn en una base ortonormal B 0 són
(x01 , . . . , x0n ) i (y10 , . . . , yn0 ) llavors
~x · ~y = x01 y10 + . . . + x0n yn0 .
Exemple 3.63 Donat el vector ~x = (7, −2) i la base B 0 = {(−1, 2), (1, 1)}, de la condició
(7, −2) = x0 (−1, 2) + y 0 (1, 1) ,
s’obté que x0 = −3 i y 0 = 4. Per tant, les components de (7, −2) en la base B 0 són (−3, 4).
x0 4
3
6 y0
6
7
5
2 4
3
3
1 2
−6 −3 3 6
−1
−2
−3
−1 ~x
−3
−4 −2
−5
−6
−6 −3
−7
Observació 3.64 El penúltim teorema anterior permet treballar amb components en lloc
UPC de vectors per als conceptes que depenen de la suma i el producte per escalars.
ETSEIAT
Això inclou tots els conceptes d’espai vectorial tret de l’orientació.
Observació 3.65 El darrer teorema permet treballar amb components en lloc de vectors
per als conceptes que depenen de la suma, el producte per escalars i el producte escalar.
Rafel Amer
Això inclou tots els conceptes d’espai vectorial euclidià tret del producte vectorial.
Vicenç Sales Teorema 3.66 Si ~x1 , . . . , ~xn−1 ∈ Rn tenen components (x0 11 , . . . , x0 n1 ), . . . , (x0 1n−1 , . . . , x0 nn−1 )
0 0
respectivament en una base ortonormal B 0 = {~e1 , . . . , ~en }, llavors
~e10 0
Pàgina 57 de 150
... ~en
x0 1 . . . x0 n
1 1
~x1 ∧ . . . ∧ ~xn−1 = (−1)n−1 · σ(B 0 ) · . .. .
.. .
x0 1 . . . x0 n n−1 n−1
Exemple 3.67 Si V = h(7, −2)i, com que (7, −2) té components (−3, 4) en la base B 0 , tenim
−3 x0 x0
−3
'
4 y 0 F ∼3F +4F 0 4x0 + 3y 0
2 2 1
i, per tant, l’equació implı́cita de V en la base B 0 és
4x0 + 3y 0 = 0 .
x0 4
3
6 y0
6
7
5
2 4
3
3
1 2
−6 −3 3 6
−1
−2 −1
−3
−3 V
−4 −2
−5
−6
−6 −3
−7
Definició 3.68 Diem matriu de canvi de base de B 00 a B 0 a la de la base B 00 en la base B 0 .
UPC
B 0 es diu base vella; i B 00 , base nova. I la matriu de canvi de base C és regular i s’escriu
ETSEIAT C
(Rn , B 00 ) −−−−−−−−→ (Rn , B 0 ) .
Proposició 3.69 (a) B 00 té igual orientació que B 0 si, i només si, C és directa.
(b) B 00 té diferent orientació que B 0 si, i només si, C és inversa.
Rafel Amer
Es diu que les directes conserven l’orientació; i que les inverses la canvien.
Vicenç Sales
Teorema 3.70 (a) La matriu de canvi de base de B 0 a B 00 és
C −1 .
Pàgina 58 de 150 (b) Si P i Q són les matrius de canvi de base de B 0 a B i de B 00 a B respectivament, llavors
C = P −1 Q .
Pel resultat següent diem matriu ortogonal de canvi de base per a les bases ortonormals.
Teorema 3.71 La matriu de canvi de base entre bases ortonormals és ortogonal.
Exemple 3.72 La matriu de canvi de base de B 00 = {(5, −1), (−1, 5)} a la base B 0 d’abans és
−1
−1 −1 1 5 −1 1 1 −1 5 −1 −2 2
C=P Q= =− = .
2 1 −1 5 3 −2 −1 −1 5 3 1
I com que el seu determinant és −8, canvia
00
l’orientació i, per tant, la base B 00 és positiva.
y
x0 4
3
6 y0
6
7
1
5
2 4
3
3
1 2
−1 1
−6 −3 3 6
−1
−1
1
x00
−2
−3
−3
−4 −2
−1
−5
−6
−6 −3
−7
Teorema 3.73 Si C és la matriu de canvi de base de B 00 a B 0
C
UPC (Rn , B 00 ) −−−−−−−−→ (Rn , B 0 )
ETSEIAT i X 0 i X 00 les matrius–columna de les components de ~x en les bases B 0 i B 00 aleshores
X 0 = CX 00 .
Aquesta propietat es coneix com a fórmula del canvi de base.
Observació 3.74 I en particular, obtenim també la fórmula del canvi de base invers
Rafel Amer
X 00 = C −1 X 0 .
En els canvis de base entre bases ortonormals queda
Vicenç Sales X 0 = CX 00 ,
amb la matriu de canvi de base C ortogonal.
Pàgina 59 de 150
3
6 y0
6
7
1
5
2 4
3
3
1 2
−1 1
−6 −3 3 6
−1 1
x00
−2
−3
−1 ~x
−3
−4 −2
−1
−5
−6
−6 −3
−7
Observació 3.77 Donades unes equacions implı́cites
UPC A0 X 0 = 0
ETSEIAT d’un subespai vectorial V en una base B 0 i un canvi de base
X 0 = CX 00
d’una base B 00 a la base B 0 , substituint, s’obtenen les equacions implı́cites
A00 X 00 = 0
del subespai vectorial V en la base B 00 .
Rafel Amer
Vicenç Sales Exemple 3.78 Donada la recta vectorial V d’equació implı́cita en la base B 0 anterior
4x0 + 3y 0 = 0 ,
Pàgina 60 de 150
la fórmula del canvi de base de la base B 00 a la base B 0 és )
x0 = −2x00 + 2y 00
0 00
x −2 2 x
= ' .
y0 3 1 y 00 y 0 = 3x00 + y 00
I substituint aquestes expressions en l’equació implı́cita anterior, obtenim
4(−2x00 + 2y 00 ) + 3(3x00 + y 00 ) = 0 ,
és a dir,
x00 + 11y 00 = 0 ,
que és, doncs, l’equació implı́cita de la recta vectorial V en la base B 00 .
y 00
x0 4
3
6 y0
6
7
1
5
2 4
3
3
1 2
−1 1
−6 −3 3 6
−1
−1
1
x00
−2
−3
−3 V
−4 −2
−1
−5
−6
−6 −3
−7
4 ESPAIS AFINS
UPC L’espai afı́
ETSEIAT
En el context següent, els elements (x1 , . . . , xn ) ∈ Rn podran representar punts o vectors.
Definició 4.1 S’anomena suma del punt x = (x1 , . . . , xn ) i el vector ~v = (v1 , . . . , vn ) al punt
x + ~v = (x1 + v1 , . . . , xn + vn ) .
Rafel Amer
Pàgina 61 de 150 0 0
Teorema 4.2 (a) x + ~v = x + ~v si, i només si, ~v = ~v .
0 0
(b) (x + ~v ) + ~v = x + (~v + ~v ).
0
Per la darrera propietat escriurem x + ~v + ~v .
~v
Exemple 4.4 La suma del punt (−1, 0, 0) i el vector (1, 1, 1) és el punt
(−1, 0, 0) + (1, 1, 1) = (0, 1, 1) .
Teorema 4.5 Per a cada dos punts x i y existeix un únic vector ~v tal que
UPC x + ~v = y .
ETSEIAT Escriurem −
→ per a referir–nos a ~v . I si x = (x , . . . , x ) i y = (y , . . . , y ) llavors
xy 1 n 1 n
−
→ = (y − x , . . . , y − x ) .
xy 1 1 n n
Definició 4.6 −
→ s’anomena vector lliure determinat pels punts x i y.
xy
Rafel Amer x i y s’anomenen origen i extrem de −
→ respectivament.
xy,
Teorema 4.13 (a) Els punts de L són les sumes de p i combinacions lineals de ~v1 , . . . , ~vk .
Rafel Amer
(b) Un subconjunt no buit de Rn és una varietat lineal si, i només si, les coordenades dels
punts de L són solucions d’un sistema lineal compatible AX = B.
Vicenç Sales
Escriurem L = p + h~v1 , . . . , ~vk i i L : AX = B. I es té que {p} = p + h~0i.
Pàgina 63 de 150
Definició 4.14 Es diu que AX = B són unes equacions implı́cites o cartesianes de L.
Si p = (p1 , . . . , pn ) i ~v1 = (v11 , . . . , v1n ), . . . , ~vk = (vk1 , . . . , vkn ) les equacions de tipus vectorial són
1 1
x 1 =p 1 + α1 v 1 + . . . + αk v k
n n
L = {x ∈ R : x = p + α1~v1 + . . . + αk~vk } = (x1 , . . . , xn ) ∈ R : ............... .
n n
xn =pn + α1 v1 + . . . + αk vk
Aquestes equacions es diuen vectorial i paramètriques de V , respectivament. I en el cas
d’un sol generador (v1 , . . . , vn ), aı̈llant i igualant, s’obté l’equació contı́nua:
x1 − p1 xn − p n
= ... = .
v1 vn
Observació 4.15 El fet que els processos d’eliminació de paràmetres lineals i resolució
de sistemes lineals compatibles siguin inversos permet passar d’unes a altres.
Observació 4.23 Per tant, dues varietats lineals són paral.leles si, i només si, en afegir
Rafel Amer
les equacions implı́cites de la direcció d’una a les de l’altra, resulten ser redundants.
Vicenç Sales
En particular, tenim que si les equacions implı́cites de dues varietats lineals de la mateixa
dimensió són les mateixes excepte els termes independents llavors són paral.leles.
Pàgina 65 de 150
0 0
Proposició 4.24 Considerem les varietats lineals L = p + h~v1 , . . . , ~vk i i L0 = p0 + h~v1 , . . . , ~vk0 i.
(a) La varietat lineal L̄ = p0 + h~v1 , . . . , ~vk , ~v1 , . . . , ~vk0 i conté L0 i és paral .lela a L.
0 0
(b) Qualsevol varietat lineal que contingui L0 i sigui paral .lela a L ha de contenir L̄.
Exemple 4.26 Si considerem la recta L anterior i la recta L0 que passa per (0, 1, 1) i té
0
vector director (0, −1, 1), els vectors directors són ~v = (1, 0, 1) i ~v = (0, −1, 1). I com que no
són combinació lineal l’un de l’altre ja que no són múltiples entre ells, es dedueix que
h(1, 0, 1)i =
6 h(0, −1, 1)i
.
i, per tant, les rectes no són paral leles.
Definició 4.27 Les varietats lineals L i L0 es tallen o són secants si, i només si,
UPC L ∩ L0 6= ∅ .
ETSEIAT 0 0 −→
Si L = p + h~v1 , . . . , ~vk i i L0 = p0 + h~v1 , . . . , ~vk0 i, diem vector de posició relativa de L i L0 a pp0 .
−
→
Teorema 4.28 (a) L i L0 són secants si, i només si, el vector pp0 és combinació lineal de
0 0
{~v1 , . . . , ~vk , ~v1 , . . . , ~vk0 }.
Rafel Amer
(b) L i L0 són secants si, i només si, la reunió de les equacions implı́cites de L i L0 és un
sistema compatible.
Vicenç Sales
Si L i L0 són paral.leles i no secants en diem estrictament paral.leles; si són no paral.leles i
secants, estrictament secants; i si són no paral.leles i no secants es diu que s’encreuen.
Pàgina 66 de 150
UPC
ETSEIAT
Definició 4.31 S’anomena distància del punt x ∈ Rn al punt y ∈ Rn a
d(x, y) = k −
→k.
xy
Rafel Amer
Per tant, si x = (x1 , . . . , xn ) ∈ Rn i y = (y1 , . . . , yn ) ∈ Rn aleshores
p
d(x, y) = (y1 − x1 )2 + . . . + (yn − xn )2 .
Vicenç Sales
Pàgina 67 de 150
d(x, y) = k −
→k
xy
√ 1 √
Teorema 4.36 V [πn (p, ~v1 , . . . , ~vk )] = det Gv i V [σn (p, ~v1 , . . . , ~vk )] = det Gv .
k!
Els volums d’ordre 1 es diuen longituds i són L [πn (p, ~v1 )] = k~v1 k; i els d’ordre 2, àrees.
1
Proposició 4.37 (a) V [πn (p, ~v1 , . . . , ~vn )] = |det C| i V [σn (p, ~v1 , . . . , ~vn )] = |det C|.
n!
1
(b) V [πn (p, ~v1 , . . . , ~vn−1 )] = k~v1 ∧ . . . ∧ ~vn−1 k i V [σn (p, ~v1 , . . . , ~vn−1 )] = k~v1 ∧ . . . ∧ ~vn−1 k.
(n − 1)!
Exemple 4.39 Les àrees del paral.lelogram de vèrtex (−1, 0, 0) i vèrtexs adjacents (0, 1, 1) i
(2, 2, 1) i la del triangle d’aquests mateixos vèrtexs són, respectivament,
√
√ 1 1 6
k(1, 1, 1) ∧ (3, 2, 1)k = k(−1, 2, 1)k = 6 i k(1, 1, 1) ∧ (3, 2, 1)k = k(−1, 2, 1)k = .
2 2 2
Les referències d’una varietat lineal formades per un punt de pas i una base ortonormal
de la seva direcció es diuen euclidianes o rectangulars.
UPC
ETSEIAT Definició 4.40 Es diu subespai associat W d’una varietat lineal L = p + V al subespai
ortogonal de la seva direcció.
També s’anomena subespai normal i els seus vectors es diuen associats o normals. I
tenim, en particular, que
Rafel Amer
L = p + W⊥ .
Vicenç Sales Teorema 4.41 (a) Els coeficients de les equacions implı́cites d’una varietat lineal són un
sistema de generadors del seu subespai associat.
Pàgina 69 de 150
(b) Els vectors d’un sistema de generadors de la direcció d’una varietat lineal són els
coeficients de les equacions implı́cites del seu subespai associat.
W =V⊥
Exemple 4.43 Donada la recta L que passa per p = (−1, 0, 0) i té vector director ~v = (1, 0, 1),
el seu pla associat està generat pel mateix vector (1, 0, 1) i té, per tant, equació implı́cita
x + z = 0.
Definició 4.44 L = p + V i L0 = p0 + V 0 són varietats lineals perpendiculars si, i només si,
UPC V0 ⊆V⊥ o V⊥ ⊆ V0.
ETSEIAT
Escriurem L⊥L0 en tal cas. I si dim L+dim L0 = n, la condició anterior passa a ser V 0 = V ⊥ .
Per això L⊥
x es diu varietat lineal perpendicular suplementària a L que passa per x.
L⊥
x
Exemple 4.48 El pla perpendicular a la recta L anterior que passa per (0, 1, 1) té equació
x + z + D = 0,
amb 0 + 1 + D = 0. Per tant, es té que D = −1 i és, doncs,
x + z − 1 = 0.
Per als sistemes d’un sol vector el teorema següent és la desigualtat de Cauchy–Schwarz.
UPC r √ √
t
Teorema 4.49 det Gv,v0 Gv,v ≤ det Gv det Gv0 .
0
ETSEIAT
0 0
Considerem dues varietats lineals estrictes L = p + h~v1 , . . . , ~vk i i L0 = p0 + h~v1 , . . . , ~vk i.
Per tant, per a dues rectes, una recta i un hiperplà i dos hiperplans tenim, respectivament,
0 0 0
|~v · ~v | π |~v · w
~ | |w
~ ·w
~ |
L
d L0 = arccos , L
d L0 = − arccos i L
d L 0 = arccos .
k ~v k k ~v 0 k 2 k ~v k k w~0k kw
~ kkw~0k
Proposició 4.52 (a) L i L0 són paral .leles si, i només si, l’angle que formen és 0.
(b) L i L0 són perpendiculars si, i només si, l’angle que formen és π2 .
0
w
~ ~v
Exemple 4.53 L’angle entre les rectes L i la L0 per (0, 1, 1) i de vector director (0, −1, 1) és
|(1, 0, 1) · (0, −1, 1)| |1| 1 π
α = arccos = arccos √ √ = arccos = .
k (1, 0, 1) k · k (0, −1, 1) k 2 2 2 3
Definició 4.54 S’anomena distància entre dues varietats lineals L = p + V i L0 = p0 + V 0
UPC a la distància mı́nima existent entre tots els punts de L i de L0 .
ETSEIAT
Per tant, la distància entre varietats lineals secants és 0.
Teorema 4.55 Si dim L0 ≤ dim L llavors la distància de L0 a L és la distància d’un punt
de pas de L0 a la mı́nima varietat lineal L paral .lela a L0 que conté L.
Rafel Amer En particular, si són estrictament paral.leles es té la distància d’un punt de pas de L0 a L.
Això redueix les distàncies entre varietats lineals a distàncies de punts a varietats lineals.
Vicenç Sales
Teorema 4.56 Si {p; ~v1 , . . . , ~vk } és una referència de L llavors la distància de p0 a L és
−→
Pàgina 72 de 150 0 V [πn (p, ~v1 , . . . , ~vk , p p0 )]
d(p , L) = .
V [πn (p, ~v1 , . . . , ~vk )]
L0 p0
L d(L, L0 ) = d(p0 , L)
L
−→
Exemple 4.58 Per a les rectes L i L0 d’abans, com que p p0 = (0, 1, 1) − (−1, 0, 0) = (1, 1, 1), és
√
1 0 1
0 | − 1| 1 1 3
0 −1 1 = −1 i d(L, L ) = d(p, L) = = =√ = .
1 k (1, 0, 1) ∧ (0, −1, 1) k k (1, −1, −1) k 3 3
1 1
Coordenades
UPC
Observació 4.59 Rn amb la suma de vectors, el producte d’escalars per vectors i la suma
ETSEIAT de punts i vectors es diu l’espai afı́. I amb el producte escalar de vectors a més, l’espai
afı́ euclidià.
Per tant, podem considerar a l’espai afı́ els conceptes introduı̈ts per a l’espai vectorial. I a
l’espai afı́ euclidià, a més, els introduı̈ts també per a l’espai vectorial euclidià.
Rafel Amer
Observació 4.60 Treballarem amb referències R0 = {O0 ; B 0 } de Rn amb O0 punt i B 0 base
de Rn ; i també, en particular, amb referències euclidianes R0 = {O0 ; B 0 } de Rn amb O0
Vicenç Sales punt i B 0 base ortonormal de Rn .
Pàgina 73 de 150 Cal destacar la canònica, que és euclidiana: Rc = {(0, 0, . . . , 0); (1, 0, . . . , 0), . . . , (0, 0, . . . , 1)}.
Definició 4.61 Diem que R0 és positiva si B 0 és positiva; i negativa si B 0 és negativa.
Dues referències de Rn tenen la mateixa orientació si totes dues són positives o totes
dues negatives; i tenen diferent orientació si una és positiva i l’altra negativa.
Exemple 4.63 R0 = {(3, 2); (2, 1), (−1, 1)} és referència positiva no euclidiana de R2 , ja que
2 −1
1
= 3> 0 i (2, 1) · (−1, 1)6= 0 .
1
y0 7
9
8
6
4
7
6
x0
5
3 3
4
2 2
3
1 1
1
−1 −1
2 −2 5
−8 −7 −6 −5 −4 −3 −2 −1− 1 2 3 4 6 7 8 9 10
−1
−3 −3
−2
−4 −4
−3
−5
−4
−6
−5
−6
Definició 4.64 S’anomena coordenades de x ∈ Rn en la referència R0 = {O0 ; B 0 } a les
UPC −−→
components de O0 x en la base B 0 .
ETSEIAT
−−→
O0 x es diu vector de posició de x respecte R0 .
Rafel Amer Teorema 4.65 Les coordenades de x en la referència R0 = {O0 ; B 0 } són les solucions de
0 0
x = O0 + x01~e1 + . . . + x0n~en .
Vicenç Sales
0 0
Els punts O0 , O0 + ~e1 , . . . , O0 + ~en tenen coordenades (0, . . . , 0), (1, 0, . . . , 0), . . . , (0, . . . , 0, 1), res-
Pàgina 74 de 150
pectivament. I en la referència canònica les coordenades de x = (x1 , . . . , xn ) són (x1 , . . . , xn ).
Teorema 4.66 Si en una referència R0 = {O0 ; B 0 } x té coordenades (x01 , . . . , x0n ) i en la base
B 0 ~v té components (v10 , . . . , vn0 ) llavors en la referència R0 = {O0 ; B 0 } x + ~v té coordenades
(x01 + v10 , . . . , x0n + vn0 ) .
Exemple 4.67 Donat el punt p = (2, 6) i la referència R0 = {(3, 2); (2, 1), (−1, 1)}, de
(2, 6) = (3, 2) + x0 (2, 1) + y 0 (−1, 1)
s’obté que x0 = 1 i y 0 = 3. Per tant, el punt p = (2, 6) té coordenades (1, 3) respecte R0 .
y0 7
9
8
6
4
7
6
p x0
5
3 3
4
2 2
3
1 1
1
−1 −1
2 −2 5
−8 −7 −6 −5 −4 −3 −2 −1− 1 2 3 4 6 7 8 9 10
−1
−3 −3
−2
−4 −4
−3
−5
−4
−6
−5
−6
Observació 4.68 Fixada una referència, el darrer teorema permet treballar amb coorde-
UPC nades i components en lloc de punts i vectors per als conceptes que depenen de la suma
de vectors, el producte d’escalars per vectors i la suma de punts i vectors.
ETSEIAT
Això inclou tots els conceptes d’espai afı́ –i, per tant, d’espai vectorial– tret de l’orientació.
Observació 4.69 Fixada una referència euclidiana, podem treballar amb coordenades i
Rafel Amer
components en lloc de punts i vectors per als conceptes que depenen de la suma de vec-
tors, el producte d’escalars per vectors, el producte escalar i la suma de punts i vectors.
Vicenç Sales
Això inclou tots els conceptes d’espai afı́ euclidià –i, per tant, d’espai vectorial, d’espai
Pàgina 75 de 150 vectorial euclidià i d’espai afı́–, tret de l’orientació i del producte vectorial.
Observació 4.70 En aquest cas, el concepte de volum també queda inclòs ja que depèn
només de les normes dels vectors d’un sistema i, per tant, no depèn de l’orientació.
Exemple 4.71 En la recta R que passa pel punt de coordenades (1, 3) en la referència R0 i
vector director de components (1, −4) en la base de la referència R0 , eliminant paràmetres:
1 x0 − 1 x0 − 1
1
' .
−4 y 0 − 3 F ∼4F +F 0 4x0 + y 0 − 7
2 1 2
Per tant, l’equació implı́cita en la referència R0 de la recta R és
4x0 + y 0 = 7 .
y0
9
7
8
6
4
7
6
x0
5
3 3
4
2 2
3
1 1
1
R
−1 −1
2 −2 5
−8 −7 −6 −5 −4 −3 −2 −1− 1 2 3 4 6 7 8 9 10
−1
−3 −3
−2
−4 −4
−3
−5
−4
−6
−5
−6
Definició 4.72 Donades dues referències R0 = {O0 ; B 0 } i R00 = {O00 ; B 00 }, s’anomena coor-
UPC denades velles del nou origen a les coordenades del punt O00 en la referència R0 .
ETSEIAT R0 es diu referència vella; i R00 , referència nova.
Proposició 4.73 (a) R00 té igual orientació que R0 si, i només si, C és directa.
(b) R00 té diferent orientació que R0 si, i només si, C és inversa.
Es diu que les directes conserven l’orientació; i que les inverses la canvien.
Rafel Amer
Observació 4.74 Les coordenades velles del nou origen i la matriu de canvi de base C
C
Vicenç Sales (Rn , B 00 ) −−−−−−−−→ (Rn , B 0 )
de la base B 00 a la base B 0 relacionen la referència R00 en funció de la referència R0 .
Pàgina 76 de 150
Notarem per B la matriu–columna de les coordenades velles del nou origen i escriurem
B,C
(Rn , R00 ) −−−−−−−−−−→ (Rn , R0 ) .
Observació 4.75 La matriu de canvi de base entre referències euclidianes és ortogonal.
8
6
4
7
6
x0
−1
5
3 3
4
2 2
3
1
1 1
y 00
2
2
1
−1 −1
−1
2 −2 5
−8 −7 −6 −5 −4 −3 −2 −1− 1 2 3 4 6 7 8 9 10
−1
−3 −3
−2
−4 −4
−3
−5
−4
−6
−5
−6
Teorema 4.77 Si B és la matriu–columna de les coordenades velles del nou origen, C la
UPC matriu de canvi de base de B 00 a B 0
B,C
ETSEIAT
(Rn , R00 ) −−−−−−−−−−→ (Rn , R0 )
i X 0 i X 00 les matrius–columna de les coordenades de x en les referències R0 i R00 llavors
X 0 = B + CX 00 .
Aquesta propietat es coneix com a fórmula del canvi de referència.
Rafel Amer
Observació 4.78 Per tant, la fórmula de canvi de referència invers de la R0 a la R00 és
X 00 = C −1 (X 0 − B) = −C −1 B + C −1 X 0 .
Vicenç Sales
En els canvis de referència entre referències euclidianes queda
Pàgina 77 de 150
X 0 = B + CX 00 ,
amb la matriu de canvi de base C ortogonal.
Exemple 4.80 Sabem que les coordenades del punt p = (2, 6) en la referència R0 anterior
són (1, 3). Aleshores, aplicant la fórmula del canvi de referència de R00 a R0 es té que
00
1 −1 3 1 x
= + ,
3 3 1 −2 y 00
4 2
del que es dedueix que les coordenades del punt (2, 6) en la referència R00 són , .
7 7
y0 9
x00
7
1
8
6
4
7
6
p x0
−1
5
3 3
4
2 2
3
1
1 1
y 00
2
2
1
−1 −1
−1
2 −2 5
−8 −7 −6 −5 −4 −3 −2 −1− 1 2 3 4 6 7 8 9 10
−1
−3 −3
−2
−4 −4
−3
−5
−4
−6
−5
−6
Observació 4.81 Donades unes equacions implı́cites
UPC A0 X 0 = B 0
ETSEIAT d’una varietat lineal L en una referència R0 i un canvi de referència
X 0 = B + CX 00
d’una referència R00 a la referència R0 , substituint, s’obtenen les equacions implı́cites
A00 X 00 = B 00
de la varietat lineal L en la referència R00 .
Rafel Amer
Vicenç Sales
Pàgina 78 de 150
Exemple 4.82 Donada la recta R d’equació implı́cita en la referència R0 anterior
4x0 + y 0 = 7 ,
el canvi de referència de la referència R00 a la referència R0 és )
x0 = 3x00 + y 00 − 1
0 00
x −1 3 1 x
= + ' .
y0 3 1 −2 y 00 y 0 = x00 − 2y 00 + 3
I substituint, queda
4(3x00 + y 00 − 1) + (x00 − 2y 00 + 3) = 7
d’on, agrupant i simplificant, s’obté l’equació implı́cita de la recta R en la referència R00 :
13x00 + 2y 00 = 8 .
y0 x00
9
7
1
8
6
4
7
6
x0
−1
5
3 3
4
2 2
R00
1
1 1
2
2
1
−1 −1
y
−1
2 −2 5
−8 −7 −6 −5 −4 −3 −2 −1− 1 2 3 4 6 7 8 9 10
−1
−3 −3
−2
−4 −4
−3
−5
−4
−6
−5
−6
5 TRANSFORMACIONS LINEALS
Transformacions lineals
UPC
Estudiem ara la conservació de la suma de vectors i el producte d’escalars i vectors.
ETSEIAT Definició 5.1 Una aplicació f~ : Rn −→ Rn és una transformació lineal si, i només si:
(i) f~(~x + ~y ) = f~(~x) + f~(~y ) per a tot ~x, ~y ∈ Rn ;
(ii) f~(α~x) = αf~(~x) per a tot α ∈ R i tot ~x ∈ Rn .
També s’anomenen endomorfismes lineals o endomorfismes vectorials.
Rafel Amer
Proposició 5.2 (a) f~(~0) = ~0.
(b) f~(−~x) = −f~(~x).
Es té la nul.la, identitat i menys identitat definides respectivament per a tot ~x ∈ Rn per
Vicenç Sales
~0(~x) = ~0 , ~ x) = ~x
I(~ i ~ x) = −~x ;
(−I)(~
Pàgina 79 de 150
i les altres es diuen estrictes.
Teorema 5.4 Si {~e1 , . . . , ~en } i {~u1 , . . . , ~un } són una base i un sistema vectorial de Rn llavors
l’aplicació f~ : Rn −→ Rn definida per
f~(α1~e1 + . . . + αn~en ) = α1 ~u1 + . . . + αn ~un
és l’única transformació lineal tal que f~(~e1 ) = ~u1 , . . . , f~(~en ) = ~un .
A = ... ..
ETSEIAT .
a1n . . . ann
que té per columnes les components respecte B de les imatges dels vectors de la base B.
Les matrius de les transformacions lineals nul.la (~0), identitat (I)~ i menys identitat (−I)
~ en
Rafel Amer
.
qualsevol base són la nul la (0), identitat (I) i menys identitat (−I) també, respectivament.
UPC
Teorema 5.10 Si A és la matriu d’una transformació lineal f~ : Rn −→ Rn en la base B, A0
ETSEIAT la matriu de f~ en la base B 0 i C la matriu de canvi de base de B 0 a B aleshores
A0 = C −1 AC .
−1
(Rn , B 0 ) −−−−−C
−−−−→ (Rn , B) −−−−−A−−−−→ (Rn , B) −−−−C
−−−−−→ (Rn , B 0 )
↑
A0 = C −1 AC
Rafel Amer
& %
Diem fórmula del canvi de base invers per a transformacions lineals al resultat següent.
Vicenç Sales
Observació 5.11 Si la que es coneix és la matriu C de canvi de base de B a B 0 es té:
Pàgina 81 de 150 A = CA0 C −1 .
−1 0
(Rn , B) −−−−C
−−−−−→ (Rn , B 0 ) −−−−−A
−−−−−→ (Rn , B 0 ) −−−−−C
−−−−→ (Rn , B)
↑
A = CA0 C −1
& %
Exemple 5.12 Per a la transformació lineal f~ i la base B 0 = {(1, 1, 1), (1, 2, 2), (1, 2, 3)} tenim
−1
(R3 , B 0 ) −−−−−C
−−−−→ (R3 , Bc ) −−−−−A
−−−−→ (R3 , Bc ) −−−−C
−−−−−→ (R3 , B 0 )
↑
0 −1
A = C AC
& %
amb la matriu de canvi de base de B 0 a Bc
1 1 1
C = 1 2 2.
1 2 3
Per tant, la matriu associada a la transformació lineal f~ en la base B 0 és
−1
1 1 1 2 −4 6 1 1 1 10 15 33
A0 = 1 2 3 −1 5 −6 1 2 3 = −6 −9 −22 .
1 3 6 −1 4 −5 1 3 6 0 0 1
Diem polinomi caracterı́stic d’una matriu quadrada A a
pA (x) = det (A − xI) .
UPC
ETSEIAT Teorema 5.13 (a) El determinant de les matrius de f~ és el mateix en totes les bases.
(b) El polinomi caracterı́stic de les matrius de f~ és el mateix en totes les bases.
Rafel Amer Definició 5.14 Una transformació lineal f~ és regular si, i només si, det f~ 6= 0; singular
si, i només si, det f~ = 0; directa si, i només si, det f~ > 0; i inversa si, i només si, det f~ < 0.
Vicenç Sales Podem classificar aixı́ les transformacions lineals en singulars, directes i inverses.
Teorema 5.18 (a) Els valors propis són les arrels del polinomi caracterı́stic.
(b) Cada vector propi ~x 6= ~0 està associat a un únic valor propi.
Rafel Amer (c) Vectors propis de valors propis diferents són linealment independents.
De cada valor propi destaca la seva multiplicitat mλ com a arrel del polinomi caracterı́stic.
Vicenç Sales Si és 1, direm que és simple; i en cas contrari, múltiple (doble si és 2, triple si és 3,...).
Pàgina 83 de 150
Definició 5.19 Vλ = {~x ∈ Rn : f~(~x) = λ~x} s’anomena subespai propi de valor propi λ.
En particular, V0 = {~x ∈ Rn : f~(~x) = ~0}, V1 = {~x ∈ Rn : f~(~x) = ~x} i V−1 = {~x ∈ Rn : f~(~x) = −~x}.
Exemple 5.22 A partir del polinomi caracterı́stic de f~, obtenim que f~ té el valor propi
doble λ1 = 1 i el simple λ2 = 0. I les equacions implı́cites respectives de V1 i V0 són
1 −4 6 0 2 −4 6 0
V1 : −1 4 −6 0 i V0 : −1 5 −6 0 .
−1 4 −6 0 −1 4 −5 0
Definició 5.23 Una transformació lineal f~ és diagonalitzable si, i només si, existeix una
UPC base B ∗ = {~e∗1 , . . . , ~e∗n } de Rn i una matriu diagonal D tals que f~ té matriu D respecte B ∗ .
ETSEIAT
Això equival a f~(~e∗1 ) = λ1~e∗1 , . . . , f~(~en ) = λn~e∗n , amb λ1 , . . . , λn elements de la diagonal de D. I
aleshores, si C és la matriu de canvi de base de B ∗ a B es té que
D = C −1 AC, AC = CD i A = CDC −1 .
Rafel Amer Teorema 5.24 Una transformació lineal f~ de Rn és diagonalitzable si, i només si:
(i) el polinomi caracterı́stic té totes les arrels reals;
(ii) la multiplicitat de cada valor propi és igual a la dimensió del seu subespai propi.
Vicenç Sales
El teorema anterior es coneix com a condició necessària i suficient de diagonalització.
Pàgina 84 de 150
I observem que la condició (ii) només cal comprovar–la per als valors propis múltiples.
Teorema 5.25 Si tots els valors propis són simples llavors f~ és diagonalitzable.
La propietat anterior es coneix com a condició suficient de diagonalització.
UPC
Definició 5.28 Una transformació lineal f~ és simètrica si, i només si, per a tot ~x, ~y ∈ Rn
ETSEIAT f~(~x) · ~y = ~x · f~(~y ) .
Teorema 5.29 Si A és la matriu en base ortonormal d’una transformació lineal f~ llavors:
Rafel Amer f~ és simètrica si, i només si, A és simètrica .
El teorema següent es dedueix de la condició suficient de diagonalització.
Vicenç Sales
Teorema 5.30 Les transformacions lineals simètriques són diagonalitzables.
Pàgina 85 de 150
Exemple 5.31 La transformació lineal f~ que en la base canònica Bc té matriu
1 1 1
1
A = 1 1 1
3
1 1 1
és simètrica, ja que la matriu anterior és simètrica. Llavors, el polinomi caracterı́stic és
1 1 1
−x 1−x 1−x 1−x 1−x 0 0
3
1 3 3
1 1
1 1 1
1
3 −x = 3 3 −x = (1 − x) 3 −x 0
31 1 1
3 3
1 1 1 1
3 − x F ∼F +F +F 3 − x C2 ∼C2 −C1 0 −x
3 3 1 1 2 3 3 3 3
C3 ∼C3 −C1
2
= (1 − x)x
i els valors propis són 1 (simple) i 0 (doble). Aleshores, els subespais propis respectius són
−2 1 1 0 −2 1 1 0 1 1 1 0
1 1 1
V1 : 1 −2 1 0 ' 0 −3 3 0 i V0 : 1 1 1 0 ,
3 3 3
1 1 −2 0 F2 ∼2F2 +F1 0 3 −3 0 1 1 1 0
F3 ∼2F3 +F1
de solucions x = y = z i z = −x − y i bases respectives {(1, 1, 1)} i {(1, 0, −1), (0, 1, −1)}. Per
tant, la base de vectors propis i la matriu diagonal i de canvi de base són, respectivament,
1 1 1 0
{(1, 1, 1), (1, 0, −1), (0, 1, −1)} , 0 i 1 0 1.
0 1 −1 −1
Teorema 5.32 Vectors propis corresponents a valors propis diferents d’una transforma-
UPC ció lineal simètrica són ortogonals.
ETSEIAT Per tant, trobant bases ortogonals de cada subespai propi en una transformació lineal
simètrica –aplicant el mètode d’ortogonalització de Gram–Schmidt a cadascun d’ells si cal–
i reunint–les s’obté una base ortogonal de vectors propis de Rn .
Vicenç Sales En particular, si A és la matriu de f~ en una base ortonormal B = {~e1 , . . . , ~en } llavors la
matriu de canvi de base P de B ∗ a B és ortogonal i es té que
Pàgina 86 de 150
D = P −1 AP = P t AP i A = P DP −1 = P DP t .
Observació 5.34 Per tant, normalitzant els vectors d’una base ortogonal de vectors pro-
pis d’una transformació lineal simètrica s’obté una base ortonormal de vectors propis.
El resultat següent es coneix com a teorema espectral.
Teorema 5.35 f~ és ortogonalment diagonalitzable si, i només si, és simètrica.
Exemple 5.36 En la nostra transformació lineal f~ els vectors propis (1, 0, −1) i (0, 1, −1)
–que són de valor propi 0– són ortogonals al vector propi (1, 1, 1) –que és de valor propi 1–
efectivament. Llavors, aplicant el mètode de Gram–Schmidt als dos primers tenim
0
~v1 = (1, 0, −1) ;
0 (0,1,−1)·(1,0,−1)
~v2 = (0, 1, −1) − (1,0,−1)·(1,0,−1) (1, 0, −1) = (0, 1, −1) − 21 (1, 0, −1) 12 (−1, 2, −1) ' (−1, 2, −1) .
I normalitzant, obtenim que f~ diagonalitza ortogonalment i que la base ortonormal i la
matriu diagonal i de canvi de base respectives són
√ √
1 √ 2 3 √0
1 1 1 1
√ (1, 1, 1), √ (1, 0, −1), √ (−1, 2, −1) , 0 i √ √2 √0 √3 .
3 2 6 0 6 2 − 3 − 3
Siguin V un subespai vectorial de Rn i ~v1 , . . . , ~vk i w ~ n bases respectives de V i V ⊥ .
~ k+1 , . . . , w
UPC
Definició 5.37 La projecció ortogonal vectorial sobre V i la simetria vectorial respecte
ETSEIAT de V són les transformacions lineals respectives P~V : Rn −→ Rn i S ~V : Rn −→ Rn tals que
P~V (~v1 ) = ~v1 , . . . , P~V (~vk ) = ~vk , P~V (w
~ k+1 ) = ~0, . . . , P~V (w~ n ) = ~0
i
~V (~v1 ) = ~v1 , . . . , S
S ~V (~vk ) = ~vk , S
~V (w ~ k+1 ) = −w ~V (w
~ 1, . . . , S ~ n ) = −w ~n .
Proposició 5.38 (a) P~V (~x) = ~x si, i només si, ~x ∈ V i S ~V (~x) = ~x si, i només si, ~x ∈ V .
(b) P~V (~x) = ~0 si, i només si, ~x ∈ V ⊥ i S
~V (~x) = −~x si, i només si, ~x ∈ V ⊥ .
Vicenç Sales
Pàgina 87 de 150
Els subespais propis són V1 = V i V0 = V ⊥ per a P~V i V1 = V i V−1 = V ⊥ per a S
~V .
Exemple 5.41 Si V = h(1, 1, 1)i llavors V ⊥ = h(1, 0, −1), (0, 1, −1)i i, per tant, la matriu
diagonal de P~V en la base de vectors propis B = {(1, 1, 1), (1, 0, −1), (0, 1, −1)} és
1
D0 = 0 .
0
V es diu subespai de la projecció ortogonal o simetria vectorial (eix si V recta).
El sistema lineal anterior és compatible determinat si, i només si, {~v1 , . . . , ~vk } és base de V .
I, a més, si A0 i A∗ són les matrius associades a P~V i S
~V en una base qualsevol aleshores
Vicenç Sales
02 0 ∗2
A =A , A =I i A∗ = 2A0 − I .
Pàgina 88 de 150
P~V ⊥ (~x) ~x
P~V (~x)
V
~V (~x)
S
Exemple 5.43 En l’anterior projecció ortogonal vectorial axial P~V , aplicant el canvi de base
−1 0
(R3 , Bc ) −−−−C −−−−−→ (R3 , B) −−−−−C
−−−−−→ (R3 , B) −−−−−D −−−−→ (R3 , Bc )
↑
& A0 = CD0 C −1 %
amb
1 1 0
C =1 0 1 ,
1 −1 −1
obtenim que la matriu de P~V en la base canònica Bc és
−1
1 1 0 1 1 1 0 1 1 1
1
A0 = 1 0 1 0 1 0 1 = 1 1 1.
3
1 −1 −1 0 1 −1 −1 1 1 1
Sigui {~v1 , . . . , ~vn−2 } un sistema ortonormal de Rn si n ≥ 3 (obviem aquest sistema si n = 2) i
{~vn−1 , ~vn } una base ortonormal de h~v1 , . . . , ~vn−2 i⊥ .
UPC
Definició 5.44 La rotació vectorial d’angle α al voltant de ~v1 , . . . , ~vn−2 és la transformació
ETSEIAT
~ ~αv1 ,...,~vn−2 : Rn −→ Rn tal que
lineal R
R~ ~v1 ,...,~vn−2 (~v1 ) = ~v1 , . . . , R
~ ~v1 ,...,~vn−2 (~vn−2 ) = ~vn−2 ,
α α
R~α~v 1 ,...,~
v n−2
(~vn−1 ) = (cos α) ~vn−1 + (sin α) (~v1 ∧ . . . ∧ ~vn−2 ∧ ~vn−1 ) ,
~ ~v1 ,...,~vn−2 (~vn ) = (cos α) ~vn + (sin α) (~v1 ∧ . . . ∧ ~vn−2 ∧ ~vn ) .
R α
Rafel Amer
~ ~v1 ,...,~vn−2 = I, R
IR ~ ~πv1 ,...,~vn−2 = S ~V i estricta si α 6= 0, π. A més, a R2 diem gir vectorial d’angle
0
α i escrivim G ~ α (i també G ~ 0 = I, G~ π = −I i estricte si α 6= 0, π).
Vicenç Sales
Pàgina 89 de 150 Proposició 5.45 (a) R ~ ~αv1 ,...,~vn−2 (~x) = ~x si, i només si, ~x ∈ V .
~ ~αv1 ,...,~vn−2 (~x) = (cos α) ~x + (sin α) (~v1 ∧ . . . ∧ ~vn−2 ∧ ~x) si, i només si, ~x ∈ V ⊥ .
(b) R
Teorema 5.46 La matriu de R ~ ~αv1 ,...,~vn−2 en tota base ortonormal positiva unió de bases
ortonormals de V i V ⊥ és
1
. . (n−2)
.
R̃ = ,
1
cos α − sin α
sin α cos α
4π √1 (1, 1, 1),
Exemple 5.47 Donada la rotació vectorial d’angle α = 3 al voltant de ~v = 3
~=
prenent w √1 (1, 0, −1) per exemple –que és ortogonal a ~v –, es té ~v ∧ w
~= √1 (−1, 2, −1) i, per
2 6
tant, la matriu en la base ortonormal positiva B = { √13 (1, 1, 1), √1 (1, 0, −1), √1 (−1, 2, −1)} és
2 6
1
√
R̃ = −√1/2 3/2 .
− /2 − 1/2
3
α es diu angle de gir; ~v1 , . . . , ~vn−2 , vectors de gir; i V , subespai de gir (eix si n = 3).
UPC
Teorema 5.48 (a) R ~ ~αv1 ,...,~vn−2 és regular.
ETSEIAT ~ ~αv1 ,...,~vn−2 (~x) = P~V (~x) + (cos α) PV ⊥ (~x) + (sin α) (~v1 ∧ . . . ∧ ~vn−2 ∧ PV ⊥ (~x)).
(b) R
~ ~αv1 ,...,−~vi ,...,~vn−2 (~x) = R
(c) R ~ ~v1 ,...,~vi ,...,~vn−2 (~x) per a tot i = 1, . . . , n − 2.
−α
~ ~v1 ,...,~vn−2 ~ ~v1 ,...,~vn−2 ~ ~v1 ,...,~vn−2 (~x) = R
~ ~αv1 ,...,~vn−2 [R
~ ~v1 ,...,~vn−2 (~x)].
(d) Rβ [Rα (~x)] = R α+β β
Observació 5.49 No és suficient amb donar només el subespai de gir V i l’angle de gir α.
Vicenç Sales
~ α (~x)
G ~x
P~V (~x)
Pàgina 90 de 150 ~x ~ ~v (~x)
R α
α ~v
P~V ⊥ ~x)
α
V⊥
V
Exemple 5.50 En la rotació vectorial anterior, a partir de l’esquema de canvi de base
−1 = C t
(R3 , Bc ) −−C−−−−−−−→ (R3 , B̃) −−−−−R̃−−−−→ (R3 , B̃) −−−−−C
−−−−→ (R3 , Bc )
↑
−1
à = C R̃C = C R̃C t
& %
com que
√ √
1/√3 √
− 1/ 6 1/√2
2 3 −1
1/√3
2 √ 1 √
C= 0 / 6 =√ 2 0 2 ,
6 √2 −√3
√ 1/√3
− 1/ 2 − 1/ 6
√
−1
la matriu de la rotació vectorial d’angle 4π √1
3 al voltant de 3 (1, 1, 1) en la base canònica Bc és
√ √ √ √ t
1
2 3 −1 2 3 −1 0 1 0
1 √ 1
√
3
1 √
à = √ 2 0 2 −√/2 /2 √ 2 0 2 = 0 0 1.
6 √2 −√3 −1 6 √2 −√3
3
− /2 − /2 1 −1 1 0 0
Transformacions lineals euclidianes
Estudiem ara la conservació del producte escalar de vectors.
UPC
ETSEIAT Definició 5.51 f~ és transformació lineal euclidiana si, i només si, per a tot ~x, ~y ∈ Rn
f~(~x) · f~(~y ) = ~x · ~y .
Rafel Amer
Proposició 5.52 f~ és una transformació lineal regular.
Teorema 5.54 Si A és la matriu en base ortonormal d’una transformació lineal f~ llavors:
f~ és euclidiana si, i només si, A és ortogonal .
I és fals que si una transformació lineal té determinant 1 o −1 aleshores és euclidiana.
Teorema 5.59 Si A és la matriu en base ortonormal d’una transformació lineal f~ llavors:
(a) f~ és euclidiana directa si, i només si, A és ortogonal directa;
(b) f~ és euclidiana inversa si, i només si, A és ortogonal inversa.
Exemple 5.60 La transformació lineal euclidiana f~ d’abans és directa, ja que A és directa:
0 1 0
det A = 0 0 1 = 1 .
1 0 0
Teorema 5.61 Les simetries vectorials i les rotacions vectorials són transformacions
UPC lineals euclidianes.
ETSEIAT Les projeccions ortogonals vectorials, en canvi, no ho són en general.
TRANSFORMACIONS LINEALS SIMÈTRIQUES EUCLIDIANES
PROJECCIONS ORTOGONALS VECTORIALS SI NO
SIMETRIES VECTORIALS SI SI
ROTACIONS VECTORIALS NO SI
Rafel Amer
Proposició 5.62 La composició d’una rotació vectorial i la simetria vectorial respecte del
Vicenç Sales pla ortogonal al subespai de gir és commutativa i és una transformació lineal euclidiana:
h i h i
~ ~v1 ,...,~vn−2 (~x) = S
C ~V ⊥ R~ ~v1 ,...,~vn−2 (~x) = R
~ ~v1 ,...,~vn−2 S~V ⊥ (~x) .
Pàgina 93 de 150 α α α
~ ~v1 ,...,~vn−2 = S
Diem composició vectorial només. I C ~ π~v1 ,...,~vn−2 = −I~ i estricta si α 6= 0, π.
~V ⊥ , C
0
Teorema 5.63 (a) C ~ α~v1 ,...,~vn−2 (~x) = −~x si, i només si, ~x ∈ V .
~
v
~ α1 ,...,~
v
(b) C n−2
(~x) = (cos α) ~x + (sin α) (~v1 ∧ . . . ∧ ~vn−2 ∧ ~x) si, i només si, ~x ∈ V ⊥ .
~x
~ ~α
R v
(~x)
~v
α
V⊥
V
~ ~v (~x)
C α
Observació 5.64 Com que les transformacions lineals I~ i −I~ tenen matriu associada
respectiva A 6= I, −I en qualsevol base, ens limitarem d’ara en endavant a les estrictes.
Exemple 5.65 La transformació lineal euclidiana f~ d’abans és estricta, ja que A 6= I, −I.
Proposició 5.66 Si λ és una arrel del polinomi caracterı́stic d’una transformació lineal
UPC euclidiana f~ aleshores
|λ| = 1 .
ETSEIAT
Per tant, els valors propis d’una transformació lineal euclidiana f~ només poden ser 1 i −1.
Vicenç Sales
I, d’altra banda, les arrels complexes conjugades del polinomi caracterı́stic seran del tipus
cos α + (sin α) i ,
Pàgina 94 de 150 amb α 6= 0, π.
Per tant, els coeficients lineals del polinomi caracterı́stic són −2 cos αi per a i = 1, . . . , r.
Observació 5.69 Això vol dir que si el polinomi caracterı́stic és del tipus
pf~(x) = (−1)n (x − 1)p (x + 1)q (x2 + a1 x + 1) . . . (x2 + ar x + 1) ,
amb −2 < a < 2 i p + q + 2r = n, aleshores es té que
a1 ar
cos α1 = − , . . . , cos αr = − .
2 2
ETSEIAT
Teorema 5.71 Classificació de les transformacions lineals euclidianes estrictes de R2
BASE ORTONORMAL POSITIVA TIPUS ELEMENTS CARACTERÍSTICS
a b
A= (amb a2 + b2 = 1) Simetria vectorial axial Eix de simetria: V1
b −a
Rafel Amer
a −b
A= (amb a2 + b2 = 1) Gir vectorial estricte Angle de gir: cos α = a i sin α = b
b a
Vicenç Sales
BASE ORTONORMAL NEGATIVA TIPUS ELEMENTS CARACTERÍSTICS
a b
Pàgina 95 de 150 A= (amb a2 + b2 = 1) Simetria vectorial axial Eix de simetria: V1
b −a
a −b
A= (amb a2 + b2 = 1) Gir vectorial estricte Angle de gir: cos α = a i sin α = −b
b a
A partir d’ara treballem a Rn , amb n ≥ 3. Per tant, en parlar tant de rotacions vectorials
com de composicios vectorials s’entenen exclosos els girs vectorials en tots dos casos.
Exemple 5.73 Com que −x3 + 1 = −(x − 1)(x2 + x + 1), f~ és una rotació vectorial estricta.
En les simetries vectorials estrictes, les rotacions vectorials estrictes i les composicions
vectorials estrictes, cal determinar també els elements caracterı́stics respectius. I en el
UPC cas de les rotacions i les composicions, utilitzarem la fórmula comú per als vectors de V ⊥ :
f~(~x) = (cos α) ~x + (sin α) (~v1 ∧ . . . ∧ ~vn−2 ∧ ~x) .
ETSEIAT
I a R3 les bases ortonormals dels vectors de gir es redueixen a un sol vector unitari.
Observació 5.75 Per classificar s’entén determinar el tipus i els elements caracterı́stics.
Exemple 5.76 Com que f~ és una rotació vectorial estricta, trobem el subespai propi V1 :
−1 1 0 0 −1 1 0 0 −1 1 0 0
V1 : 0 −1 1 0 ' 0 −1 1 0 ' 0 −1 1 0 .
1 0 −1 0 F ∼F +F 0 1 −1 0 F ∼F +F 0 0 0 0
2 3 1 3 3 2
ETSEIAT Definició 6.1 Es diu que una aplicació f : Rn −→ Rn és una transformació afı́ si, i
només si, existeix una transformació lineal f~ tal que per a tot x ∈ Rn i tot ~v ∈ Rn
f (x + ~v ) = f (x) + f~(~v ) .
També s’anomenen afinitats o endomorfismes afins.
Rafel Amer
Proposició 6.2 Si f és una transformació afı́ llavors la transformació lineal f~ és única.
−−−−−−→
Pàgina 97 de 150 Proposició 6.3 (a) f (p) f (x) = f~(−
p→x).
(b) Si m és el punt mig de x i y llavors f (m) és el punt mig de f (x) i f (y).
(c) Si L = p + V llavors f (L) = f (p) + f~(V ) i dim f (L) ≤ dim L.
(d) Si L és varietat lineal llavors f −1 (L) és varietat lineal i dim f −1 (L) ≥ dim L.
(e) Si L i L0 són varietats lineals paral .leles llavors f (L) i f (L0 ) també.
(f) Si L i L0 són varietats lineals secants llavors f (L) i f (L0 ) també.
El primer apartat anterior es pot escriure també en la forma f (x) = f (p) + f~(−
p→
x).
Observació 6.4 En particular, tenim que tota transformació afı́ de Rn queda determinada
si es coneixen la imatge f (p) d’un punt qualsevol p i la transformació lineal associada f~.
Les transformacions afins amb transformació lineal associada ~0, I~ i −I~ es diuen, respecti-
vament, constants, translacions i antı́podes; i les altres es diuen estrictes.
Observació 6.5 En particular, tenim que la identitat, definida per a tot x ∈ Rn per
I(x) = x ,
és una translació; i les altres es diuen esrictes.
Exemple 6.6 Podem considerar la transformació afı́ f tal que
f (1, 1, 1) = (2, 1, −2) i f~(x, y, z) = (2x − 4y + 6z, −x + 5y − 6z, −x + 4y − 5z) .
Considerem una referència R = {O; ~e1 , . . . , ~en } de Rn i siguin M la matriu–columna de les
coordenades de f (O) i A la matriu de f~ en la base B = {~e1 , . . . , ~en } de la referència R.
UPC
Teorema 6.7 Si X i X són les matrius–columna de les coordenades respectives de x i
ETSEIAT
f (x) en la referència R aleshores
X = M + AX .
Aquest resultat es coneix com a expressió matricial de f en la referència R.
Vicenç Sales Tenim, per tant, que les constants, les translacions i les antı́podes es caracteritzen per
tenir expressions matricials respectives en qualsevol referència del tipus
Pàgina 98 de 150 X =B, X =X +B i X = −X + B .
Exemple 6.13 Donada la referència R0 = {(1, −1, 0); (1, 1, 1), (1, 2, 2), (1, 2, 3)}, tenim que
Vicenç Sales
0 −1
(R3 , B 0 ) −−−−−C
−−−−→ (R3 , Bc ) −−−−−A
−−−−−→ (R3 , Bc ) −−−−C
−−−−−→ (R3 , B 0 )
Pàgina 99 de 150
↑
0
A = C AC−1
& %
on la matriu de canvi de base de la base B0
= {(1, 1, 1), (1, 2, 2), (1, 2, 3)} a la canònica Bc és
1 1 1
C = 1 2 2.
1 2 3
Per tant, la matriu associada a la transformació lineal f~ en la base B 0 és
−1
1 1 1 2 −4 6 1 1 1 10 15 33
A0 = 1 2 3 −1 5 −6 1 2 3 = −6 −9 −22 .
1 3 6 −1 4 −5 1 3 6 0 0 1
I com que
−1
1 1 1 2 −4 6 1 −2 1 10
M 0 = 1 2 2 −1 5 −6 −1 + 3 − −1 = −9 ,
1 2 3 −1 4 −5 0 0 0 2
0
tenim que l’expressió matricial en la referència R de la transformació afı́ f és
0 0
x̄ 10 10 15 33 x
ȳ 0 = −9 + −6 −9 −22 y 0 .
z̄ 0 2 0 0 1 z0
Definició 6.14 Les transformacions afins f tals que la transformació lineal associada f~
UPC és regular es diuen regulars; i les que f~ és singular, singulars.
ETSEIAT
Per tant, les transformacions afins regulars i singulars són les que
det f~ 6= 0 i det f~ = 0 ,
respectivament.
Rafel Amer
Proposició 6.15 Sigui f una transformació afı́ regular.
(a) dim f (L) = dim L i dim f −1 (L) = dim L.
Vicenç Sales
(b) Si {O; ~e1 , . . . , ~en } és referència de Rn llavors {f (O); f~(~e1 ), . . . , f~(~en )} també.
Pàgina 100 de 150 La definició següent classifica les transformacions afins en singulars, directes i inverses.
Definició 6.16 Les transformacions afins regulars f tals que la transformació lineal
associada f~ és directa es diuen directes; i les que f~ és inversa, inverses.
Per tant, les transformacions afins directes i inverses són les que
det f~ > 0 i det f~ < 0 ,
respectivament.
Proposició 6.20 (a) El conjunt de punts fixos és una varietat lineal o el conjunt buit.
Rafel Amer (b) f té un únic punt fix si, i només si, 1 no és valor propi de f~.
En particular, les constants i les antı́podes tenen un únic punt fix p. I per això parlem
Vicenç Sales llavors de constant igual a p o antı́poda respecte de p i escrivim Kp i Ap , respectivament.
Proposició 6.22 L’expressió matricial de les transformacions afins amb punt fix p és
X = P + A(X − P ) .
Observació 6.23 Per definició, la identitat té tots els seus punts fixos.
UPC
Teorema 6.25 f és una transformació afı́ sense punts fixos si, i només si, existeix una
ETSEIAT transformació afı́ F amb punt fix i un vector no nul ~v tals que per a tot x ∈ Rn
f (x) = F (x) + ~v .
−−−→
Es té que F~ = f~ i ~v = p f (p), amb p punt fix de F . I ~v es diu vector de lliscament.
Rafel Amer Proposició 6.26 Les translacions estrictes són transformacions afins sense punts fixos.
Proposició 6.28 L’expressió matricial de les transformacions afins sense punts fixos és
X = P + A(X − P ) + V .
Observació 6.29 Si f és transformació afı́ sense punts fixos llavors 1 és valor propi de f~.
Exemple 6.30 Com es dedueix de l’exemple anterior, la transformació afı́ f és sense punts
fixos. I com que f (1, 1, 1) = (2, 1, −2) per exemple, prenent p = (1, 1, 1) tenim que f (p) =
(2, 1, −2). Per tant, és ~v = (2, 1, −2) − (1, 1, 1) = (1, 0, −3) i obtenim l’expressió
x̄ 1 2 −4 6 x 1 1
ȳ = 1 + −1 5 −6 y − 1 + 0 .
z̄ 1 −1 4 −5 z 1 −3
Transformacions afins de l’espai afı́ euclidià
Siguin L = p + V una varietat lineal de Rn i P~V i S
~V una projecció ortogonal vectorial i una
UPC simetria vectorial, respectivament.
ETSEIAT
Definició 6.31 Direm projecció ortogonal afı́ PL sobre L i simetria afı́ SL respecte L a
les aplicacions PL : Rn −→ Rn i SL : Rn −→ Rn definides per a tot x ∈ Rn per
PL (x) = p + P~V (−
p→
x) i ~ V (−
SL (x) = p + S p→
x) .
Rafel Amer
I P{p} = kp , S{p} = Sp , PRn = SRn = I i estricta si L estricta (axial per recta i plana per pla).
Observació 6.32 Primer cal trobar la projecció ortogonal o simetria vectorial respectiva.
Vicenç Sales
Exemple 6.33 Donada la simetria afı́ SL sobre la varietat lineal
Pàgina 103 de 150 L = (−1, 2, 2) + h(1, 1, 1)i ,
tenim que per a la simetria vectorial S~V és V ⊥ = h(1, 0, −1), (0, 1, −1)i i, per tant, la seva
matriu diagonal en la base de vectors propis B 0 = {(1, 1, 1), (1, 0, −1), (0, 1, −1)} és
1
D∗ = −1 .
−1
Per tant, aplicant l’esquema de canvi de base
−1 ∗
−−−−−→(R3 , B 0 ) −−−−−C
−−−−−→ (R3 , B 0 ) −−−−−D
(R3 , Bc ) −−−−C −−−−→ (R3 , Bc )
↑
& A∗ = CD∗ C −1 %
amb
1 1 0
C =1 0 1 ,
1 −1 −1
~V en la base canònica Bc és
obtenim que la matriu de S
−1
1 1 0 1 1 1 0 −1 2 2
1
A∗ = 1 0 1 −1 1 0 1 = 2 −1 2.
3
1 −1 −1 −1 1 −1 −1 2 2 −1
L es diu varietat de la projecció ortogonal o simetria afı́ (centre si L punt i eix si L recta).
UPC
Teorema 6.34 (a) SL és regular. −−→
ETSEIAT (b) PL (x) és l’únic punt de L tal que x x0 ∈ V ⊥ .
(c) PL (x) és l’únic punt de L tal que la distància a x és mı́nima.
(d) PL (x) és la intersecció de L i de la perpendicular suplementària L⊥x = x+V
⊥ a L per x.
Pel darrer apartat anterior, tenim que PL (x) = x+S2V (x) o, equivalentment,
Vicenç Sales
SL (x) = 2PL (x) − x .
p
P~V (~x) PL (x)
~V (~x)
S L
SL (x)
ETSEIAT
Definició 6.37 Direm projecció ortogonal afı́ PL,~v sobre L amb lliscament de vector ~v i
simetria afı́ SL,~v respecte L amb lliscament de vector ~v a les aplicacions PL,~v : Rn −→ Rn
i SL,~v : Rn −→ Rn definides per a tot x ∈ Rn per
PL,~v (x) = p + P~V (−
p→
x) + ~v i ~ V (−
SL,~v (x) = p + S p→
x) + ~v .
Rafel Amer
I P{p},~v = Pp+~v , PRn ,~v = SRn ,~v = T~v i estricta si L estricta (axial per recta i plana per pla).
Vicenç Sales
Pàgina 105 de 150 Teorema 6.38 PL,~v i SL,~v són transformacions afins sense punts fixos.
Per tant, les expressions matricials de PL,~v i SL,~v són del tipus
X = P + A(X − P ) + V .
Observació 6.39 L es diu varietat de la projecció ortogonal o simetria afı́ amb lliscament
(centre si L punt i eix si L recta); i ~v , vector de lliscament.
~ ~αv1 ,...,~vn−2 (−
Rαp;~v1 ,...,~vn−2 (x) = p + R p→
x) .
p;~v ,...,~v p;~v ,...,~v
I R0 1 n−2
= I, Rπ 1 n−2
= SL i estricta si α 6= 0, π. I a R2 diem gir afı́ d’angle α al
p p
voltant de p (amb G0 = I, Gπ = Sp i estricte també si α 6= 0, π) i es té
Rafel Amer ~ α (−
Gp (x) = p + G p→
x) . α
(−1,2,2); √1 (1,1,1)
Exemple 6.43 A la rotació afı́ R 4π 3
~ =
, si w √1 (1, 0, −1) és ~v ∧ w
~ = √1 (−1, 2, −1) i
Pàgina 106 de 150
3 2 6
√1 (1,1,1)
~ 4π3
R té matriu en la base ortonormal positiva B 0 = { √13 (1, 1, 1), √12 (1, 0, −1), √16 (−1, 2, −1)}
3
1
√
R̃ = −√1/2 3/2 .
− 3/2 − 1/2
Aleshores, a partir de l’esquema de canvi de base següent
−1 = C t
(R3 , Bc ) −−C−−−− −−−−→ (R3 , B 0 ) −−−−−C
−−−→ (R3 , B 0 ) −−−−−R̃ −−−−→ (R3 , Bc )
↑
−1
à = C R̃C = C R̃C t
& %
amb √ √
1/√3
√
− 1/ 6 1/√2
√ 2 3 −1
1/√3
1
2/√6 = √ 2
C= 0 0 2 ,
√
− 1/ 2 − 1/ 6
√ 1/√3 6 √2 −√3 −1
la matriu en la base canònica Bc de la rotació vectorial d’angle 4π
3 al voltant de √13 (1, 1, 1) és
√ √ √ √ t
1
√2 3 −1 2 3 −1 0 1 0
1 1
√
3
1 √
à = √ √2 √0 2 − /
√ 2
/2 √ 2 0 2 = 0 0 1.
6 √2 −√3
6 2 − 3 −1 −1 1 0 0
− 3/2 − 1/2
p es diu centre de gir; α, angle de gir; ~v1 , . . . , ~vn−2 , vectors de gir; i L = p + h~v1 , . . . , ~vn−2 i,
varietat de gir (eix si n = 3).
UPC
p;~v ,...,~v
ETSEIAT
Teorema 6.44 (a) Rα 1 n−2
és regular.
p;~v1 ,...,~vn−2
(b) Rα (x) = x si, i només si, x ∈ L.
(x) = p + (cos α) − → + (sin α) (~v ∧ . . . ∧ ~v −→
p;~v1 ,...,~vn−2 ⊥
(c) Rα px 1 n−2 ∧ p x) si, i només si, x ∈ L .
p;~v1 ,...,−~vi ,...,~vn−2 p;~v1 ,...,~vi ,...,~vn−2
(d) Rα (x) = R−α (x) per a tot i = 1, . . . , n − 2.
p;~v1 ,...,~vn−2 p;~v1 ,...,~vn−2 p;~v1 ,...,~vn−2 p;~v ,...,~vn−2 p;~v ,...,~vn−2
(e) Rβ [Rα (x)] = Rα+β (x) = Rα 1 [Rβ 1 (x)].
Rafel Amer
Observació 6.46 No és suficient amb donar només la varietat de gir L i l’angle de gir α.
Gα (x) x
x
~ α (−
G p→
x)
p;~
Rα v
(x) −
α −
p→
x ~v p→
x
v −
~ ~α
R (p→
x)
p α
p
L
Exemple 6.47 L’expressió matricial en la referència canònica Rc de la rotació afı́ d’angle
4π
3 al voltant del punt i el vector respectius
1
(−1, 2, 2) i √ (1, 1, 1)
3
és
x̄ −1 0 1 0 x −1 −3 0 1 0 x
ȳ = 2 + 0 0 1 y − 2 = 0 + 0 0 1 y .
z̄ 2 1 0 0 z 2 3 1 0 0 z
Siguin p un punt de Rn , R ~ ~αv1 ,...,~vn−2 una rotació vectorial d’angle α al voltant de ~v1 , . . . , ~vn−2 i
~v ∈ V − {~0}, amb V = h~v1 , . . . , ~vn−2 i.
UPC
p;~v ,...,~vn−2
ETSEIAT Definició 6.48 Direm rotació afı́ Rα,~v1 d’angle α al voltant de p i ~v1 , . . . , ~vn−2 amb
p;~v ,...,~vn−2
lliscament de vector ~v a l’aplicació Rα,~v1 : Rn −→ Rn definida per a tot x ∈ Rn per
p;~v ,...,~vn−2
R 1 ~ p;~v1 ,...,~vn−2 (−
(x) = p + R p→
x) + ~v .
α,~v α
Observació 6.49 No té sentit parlar de girs amb lliscament a R2 perquè ha de ser ~v ∈
Vicenç Sales V − {~0} i, en aquest cas, es té que V = {~0}.
Pàgina 108 de 150 Les rotacions amb lliscament de R3 es diuen moviments helicoı̈dals.
p;~v ,...,~vn−2
Teorema 6.50 Rα,~v1 és una transformació afı́ sense punts fixos.
p;~v ,...,~vn−2
Per tant, l’expressió matricial de Rα,~v1 és del tipus
X = P + A(X − P ) + V .
Observació 6.51 p es diu centre de gir; α, angle de gir; ~v1 , . . . , ~vn−2 , vectors de gir;
L = p + h~v1 , . . . , ~vn−2 i, varietat de gir (eix si n = 3); i ~v , vector de lliscament.
ETSEIAT
Definició 6.53 f és transformació afı́ euclidiana si, i només si:
(i) f és transformació afı́;
(ii) f~ és transformació lineal euclidiana.
Les translacions i les antı́podes són euclidianes; i les altres es diuen estrictes.
Pàgina 109 de 150
(h) Si {O; ~e1 , . . . , ~en } és referència rectangular de Rn llavors {f (O); f~(~e1 ), . . . , f~(~en )} també.
(i) Si {O; ~e1 , . . . , ~en } és referència euclidiana de Rn llavors {f (O); f~(~e1 ), . . . , f~(~en )} també.
ETSEIAT
Vicenç Sales
Pàgina 110 de 150 I, anàlogament, les transformacions afins euclidianes inverses són les que la seva trans-
formació lineal euclidiana associada és inversa.
Exemple 6.59 La transformació afı́ euclidiana f de l’exemple anterior és directa, ja que la
matriu en la base canònica Bc de f~ té determinant
0 1 0
0 0 1 = 1
1 0 0
i, per tant, la transformació lineal associada f~ és també directa.
Teorema 6.60 Les simetries afins, simetries afins amb lliscament, rotacions afins i rota-
UPC cions afins amb lliscament són transformacions afins euclidianes.
ETSEIAT No aixı́ les projeccions ortogonals afins i les projeccions ortogonals afins amb lliscament.
Proposició 6.61 La composició d’una rotació afı́ i la simetria afı́ respecte del pla perpen-
dicular a la varietat de gir és commutativa i és una transformació afı́ euclidiana tal que
−−−−−−−−→
p;~v ,...,~vn−2 ~ α~v1 ,...,~vn−2 :
Rafel Amer Cα 1 =C h i h i
Cαp;~v1 ,...,~vn−2 (x) = SL⊥
p
R p;~v1 ,...,~vn−2
α (x) = R p;~v1 ,...,~vn−2
α S ⊥
Lp (x) .
Vicenç Sales
~v ,...,~vn−2 p;~v1 ,...,~vn−2
Diem composició afı́ només. I C0 1 = SL⊥
p
, Cπ = Ap i estricta si α 6= 0, π.
Pàgina 111 de 150
p;~v ,...,~v
Proposició 6.62 (a) Cα 1 n−2
(x) = Ap (x) si, i només si, x ∈ L.
(x) = p + (cos α) p x + (sin α) (~v1 ∧ . . . ∧ ~vn−2 ∧ −
−
→ p→
p;~v1 ,...,~vn−2
(b) Cα x) si, i només si, x ∈ L⊥
p.
x
p;~
v
Rα (x)
~v ~x
~ ~α
R v
(~x)
α
p V⊥
~ α~v (~x)
C V
Cαp;~v (x)
Observació 6.63 Com que ja sabem que les transformacions afins euclidianes amb
transformació lineal associada I~ i −I~ són la identitat i les translacions estrictes en el
primer cas i les antı́podes en el segon, ens limitarem d’ara en endavant a les estrictes.
Exemple 6.64 La transformació afı́ euclidiana f d’abans és estricta, ja que la matriu A de
f~ en la base canònica és diferent tant de la identitat com de la menys identitat (A 6= I, −I).
Recordem que havı́em tractat ja la classificació de les transformacions lineals euclidianes,
o sigui, la determinació del seu tipus i els seus elements caracterı́stics.
UPC
ETSEIAT
Observació 6.65 Per a classificar una transformació afı́ euclidiana cal ocupar–se en
primer lloc de la classificació de la seva transformació lineal euclidiana associada.
Rafel Amer
Vicenç Sales
Teorema 6.68 f és una transformació afı́ euclidiana sense punts fixos si, i només si,
existeix una transformació afı́ euclidiana F amb punt fix i un únic vector no nul ~v ∈ V1
Rafel Amer tals que per a tot x ∈ Rn
f (x) = F (x) + ~v = F (x + ~v ) .
Exemple 6.70 L’equació dels punts fixos de la transformació afı́ euclidiana f és
−4 0 1 0 x x
−1 + 0 0 1 y = y ,
2 1 0 0 z z
és a dir,
−1 1 0 x 4
0 −1 1 y = 1 ,
1 0 −1 z −2
que no té solució. Per tant, no té punts fixos i f és, doncs, un moviment helicoı̈dal.
La classificació de les transformacions afins euclidianes consisteix a trobar–ne el tipus i
els elements caracterı́stics, que inclouen els de la seva transformació lineal associada.
UPC
Teorema 6.71 Elements caracterı́stics en transformacions afins euclidianes estrictes
ETSEIAT
TIPUS ELEMENTS CARACTERÍSTICS
Simetria afı́ Varietat de simetria: p + V1 , amb p punt fix
−−−→
Simetria afı́ Varietat de simetria: p + V1 , amb p f (p) ∈ V1
−−−→
amb lliscament Vector de lliscament: ~v = p f (p) ∈ V1
Centre de gir: punt fix p
Rafel Amer Rotació afı́ Vectors de gir: base ortonormal {~v1 , . . . , ~vn−2 } de V1
Angle de gir: cos α amb polinomi caracterı́stic i sin α amb fórmula comú
−−−→
Centre de gir: p, amb p f (p) ∈ V1
Vicenç Sales
Rotació afı́ Vectors de gir: base ortonormal {~v1 , . . . , ~vn−2 } de V1
amb lliscament Angle de gir: cos α amb polinomi caracterı́stic i sin α amb fórmula comú
−−−→
Vector de lliscament: ~v = p f (p) ∈ V1
Pàgina 114 de 150
Centre de gir: punt fix p
Vectors de gir: base ortonormal {~v1 , . . . , ~vn−2 } de V−1
Composició afı́ Angle de gir: cos α amb polinomi caracterı́stic i sin α amb fórmula comú
⊥
Pla de simetria: V−1
Exemple 6.72 Considerem la transformació afı́ euclidiana f dels exemples anteriors. Lla-
−−−→
vors, donat un punt qualsevol p = (a, b, c), imposant que p f (p) ∈ V1 , tenim
−4 0 1 0 a a 1
−1 + 0 0 1 b − b = α 1
2 1 0 0 c c 1
o, el que és el mateix,
−1 −1 0 4+α −1 −1 0 4 + α −1 −1 0 4 + α
0 −1 1 1+α ' 0 −1 1 1 + α ' 0 −1 1 1 + α .
1 0 −1 −2 + α F ∼F +F 0 −1 1 2 + 2α F ∼F −F 0 0 0 1+α
3 3 1 3 3 2
Llavors, aquest sistema és compatible si, i només si, α = −1. I, en tal cas, és clar que una
solució és a = −3 i b = c = 0. Per tant, un punt i el vector de lliscament respectius són
(−3, 0, 0) i (−1, −1, −1) .
En conseqüència, f és un moviment helicoı̈dal d’angle 4π 3 al voltant del punt (−3, 0, 0) i el
vector √13 (1, 1, 1) amb vector de lliscament (−1, −1, −1).
7 MÍNIMS QUADRATS I FORMES QUADRÀTIQUES
UPC
Mı́nims quadrats
ETSEIAT
Observació 7.1 Però tenim, a més a més, que tot sistema lineal de m equacions i n
incògnites es pot escriure també matricialment en la forma x1 A1 + . . . + xn An = B:
1 n
a1 a1 b1
x1 ... + . . . + xn ... = ... .
a1m anm bm
Proposició 7.3 El sistema lineal AX = B és compatible si, i només si, B és combinació
Rafel Amer
lineal de A1 , . . . , An .
AX̄ − B = ..
.
.
Vicenç Sales
a1m x̄1 + . . . + anm x̄n − bm
Pàgina 117 de 150
Proposició 7.8 El vector error de X̄ és el vector nul (~0) si, i només si, X̄ és solució del
sistema lineal AX = B.
Observem que, al contrari que els anteriors –que eren d’espai vectorial–, el concepte que
acabem d’introduir ara –que fa servir el de norma– és d’espai vectorial euclidià.
Rafel Amer
S’acostuma a dir també ara que és l’error quadràtic corresponent a la solució aproximada
X̄ = (x̄1 , . . . , x̄n ).
Proposició 7.12 L’error quadràtic de la solució aproximada X̄ = (x̄1 , . . . , x̄n ) és 0 si, i
només si, X̄ = (x̄1 , . . . , x̄n ) és solució del sistema lineal AX = B.
El procés per determinar els valors anteriors s’anomena mètode dels mı́nims quadrats.
Rafel Amer
Teorema 7.15 Les solucions del mètode dels mı́nims quadrats del sistema lineal AX = B
són les solucions del sistema lineal compatible
At AX = At B .
Vicenç Sales
Proposició 7.16 Si un sistema lineal AX = B és compatible llavors les solucions obtin-
gudes pel mètode dels mı́nims quadrats són les solucions exactes del sistema AX = B.
ETSEIAT
Rafel Amer
Vicenç Sales
Això permet trobar l’error quadràtic comú a totes elles tan sols calculant l’error quadràtic
d’una qualsevol.
Pàgina 120 de 150
Proposició 7.19 Un sistema lineal AX = B és compatible si, i només si, l’error quadràtic
de les solucions obtingudes pel mètode dels mı́nims quadrats és 0.
Exemple 7.20 En el sistema lineal anterior, prenent per exemple z = 0, s’obté la solució
3 5
x= , y=− i z=0
2 6
i queda
3/2 2/3 17/3
1 1 1 −5 −5
1 −1 0 − 5/6 − 8 = 7/3 − 8 = − 17/3 .
0 2 1 0 4 − 5/3 4 − 17/3
Per tant, l’error quadràtic corresponent és
√
s
17/3
2 2 2
17
17 17 17 17 3
− /3
=
=
3
+ −
3
+ −
3
=
3
.
− 17/3
Formes quadràtiques
UPC
Definició 7.21 Diem forma quadràtica en la base B = {~e1 , . . . , ~en } a qualsevol aplicació
ETSEIAT ~q : Rn −→ R definida per a tot vector ~x ∈ Rn de components x1 , . . . , xn en la base B per
~q(x1 , . . . , xn ) = a11 x21 + . . . + an1 x1 xn + . . . + a1n xn x1 + . . . + ann x2n .
Com a cas particular, tenim la forma quadràtica nul.la (~0), definida per a tot ~x ∈ Rn per
~0(x1 , . . . , xn ) = 0 .
Rafel Amer
aji +aij
Pàgina 121 de 150 Sigui qij = 2 .
Observació 7.23 Els coeficients qii amb i = 1, . . . , n s’anomenen termes quadràtics purs;
i els qij amb i, j = 1, . . . , n i i 6= j, termes quadràtics creuats. I obtenim aixı́ una matriu
simètrica Q, que es diu matriu de ~q en la base B.
Proposició 7.24 La forma quadràtica nul .la té matriu nul .la en qualsevol base.
Vicenç Sales Aquest resultat es diu fórmula del canvi de base per a formes quadràtiques.
Observació 7.27 El fet que les expressions de les formes quadràtiques en qualsevol base
siguin del mateix tipus permet parlar de formes quadràtiques a seques.
Exemple 7.28 Donada la base B 0 = {(1, 2, 1), (2, 1, −2), (−1, 2, −2)} i la forma quadràtica ~q
d’abans, la matriu de canvi de base de la base B 0 a la base canònica Bc és
1 2 −1
C =2 1 2
1 −2 −2
i, per tant, la seva matriu en la base B és 0
1 2 1 1 2 2 1 2 −1 25 6 −9
Q0 = C t QC = 2 1 −2 2 1 2 2 1 2 = 6 −7 −6 .
−1 2 −2 2 2 1 1 −2 −2 −9 −6 −7
En conseqüència, obtenim que amb el canvi de base de B a B donat per 0
0
x 1 2 −1 x
y=2 1 2 y0 ,
z 1 −2 −2 z0
l’expressió de ~q en la base B 0 és
2 2 2
~q(x0 , y 0 , z 0 ) = 25x0 − 7y 0 − 7z 0 + 12x0 y 0 − 18x0 z 0 − 12y 0 z 0 .
Teorema 7.29 (a) Aplicant les mateixes transformacions elementals per files i columnes
UPC a una matriu simètrica consecutivament, se n’obté una altra congruent amb ella.
(b) Aplicant les mateixes transformacions elementals d’abans per files a la matriu iden-
ETSEIAT
titat, s’obté la matriu transposada de la matriu de canvi de base que permet passar de
l’expressió inicial a l’expressió obtinguda a l’apartat anterior.
0 0 0 0 0 0
Observació 7.30 Si B 0 = {~e1 , . . . , ~er , ~er+1 , . . . , ~er+s , ~er+s+1 , . . . , ~en } és una base en què la ma-
Vicenç Sales triu de la forma quadràtica ~q és diagonal amb els r primers valors estrictament positius,
els s següents estrictament negatius i els n − r − s darrers nuls, llavors l’expressió de ~q és
Pàgina 123 de 150 0 2 0 2 0 2 0 2
~q(x01 , . . . , x0n ) = ~q(~e1 ) x01 + . . . + ~q(~er ) x0r − ~q(~er+1 ) x0r+1 − . . . − ~q(~er+s ) x0r+s .
1 0 0 1 0 0
0 −3 0 −2 1 0 .
0 0 −15 2 2 −3
Per tant, l’expressió és
2 2 2
~q(x0 , y 0 , z 0 ) = x0 − 3y 0 − 15z 0 ;
i la base i el canvi de base corresponents són, respectivament,
0
x 1 −2 2 x
0
B = {(1, 0, 0), (−2, 1, 0), (2, 2, −3)} i y = 0
1 2 y0 .
z 0 0 −3 z0
0 0 0 0 0 0
Teorema 7.32 Si {~e1 , . . . , ~er , ~er+1 , . . . , ~er+s , ~er+s+1 , . . . , ~en } és una base en la que la matriu
UPC de la forma quadràtica ~q és diagonal amb els primers r valors estrictament positius, els s
ETSEIAT
següents estrictament negatius i els n − r − s darrers nuls, aleshores en la base
1 0 1 0 1 0 1 0 0 0
∗
B = q ~e1 , . . . , q ~er , q ~er+1 , . . . , q ~er+s , ~er+s+1 , . . . , ~en
0 0 0 0
~q(~e1 ) ~q(~er ) −~q(~er+1 ) −~q(~er+s )
Definició 7.34 S’anomena signatura d’una forma quadràtica al parell (r, s) format pel
nombre de coeficients positius i negatius de les seves equacions vectorials reduı̈des.
UPC
ETSEIAT
Definició 7.36 Diem que ~q és definida positiva si, i només si, per a tot vector no nul de
components (x1 , . . . , xn ) en la base B
~q(x1 , . . . , xn ) > 0 .
Anàlogament, diem que ~q és definida negativa si, i només si, per a tot vector no nul de
Rafel Amer
components (x1 , . . . , xn ) en la base B
~q(x1 , . . . , xn ) < 0 .
Vicenç Sales
Pàgina 125 de 150 Observació 7.37 El menor ∆k d’A format per les seves primeres k files i columnes es diu
menor principal d’ordre k. En particular, per tant, el menor principal d’ordre 1 és
∆1 = |a11 | = a11 .
Exemple 7.39 Donada la forma quadràtica ~q dels exemples anteriors, com que
∆1 = |1| = 1> 0 ,
no és definida negativa. I com que
1 2
∆2 =
= −3< 0 ,
2 1
tampoc no és definida positiva.
Definició 7.40 Diem que ~q és semidefinida positiva si, i només si:
UPC (i) ~q(x1 , . . . , xn ) ≥ 0 per a tot vector de components (x1 , . . . , xn ) en la base B;
(ii) existeix un vector no nul de components (y1 , . . . , yn ) en la base B amb ~q(y1 , . . . , yn ) = 0.
ETSEIAT
Vicenç Sales
Definició 7.41 Diem que ~q és no definida o indefinida si, i només si, existeixen vectors
de components (x1 , . . . , xn ), (y1 , . . . , yn ) en la base B tals que
Pàgina 126 de 150 ~q(x1 , . . . , xn ) > 0 i ~q(y1 , . . . , yn ) < 0 .
La signatura permet determinar de quin tipus és una forma quadràtica qualsevol.
Exemple 7.43 Com hem vist en un exemple anterior, la forma quadràtica ~q té signatura
(1, 2)
i és, en conseqüència, no definida –o indefinida–.
Formes quadràtiques de l’espai vectorial euclidià
UPC Com sabem, els canvis ortogonals de base tenen matriu de canvi de base ortogonal.
ETSEIAT
Observació 7.44 Per tant, si les bases B i B 0 són ortonormals aleshores la fórmula del
canvi de base per a formes quadràtiques és
Q0 = C t QC = C −1 QC ,
Rafel Amer amb la matriu de canvi de base C ortogonal.
Vicenç Sales Parlarem de fórmula del canvi ortogonal de base per a formes quadràtiques.
Observació 7.45 A partir d’ara, però, quan la base inicial sigui no ortonormal haurem
de fer prèviament un canvi de base a una base ortonormal.
Exemple 7.46 Considerem la base B 0 = {(1, 2, 1), (2, 1, −2), (−1, 2, −2)} i la forma quadràtica
~q que en aquesta base B 0 ve donada per
2 2 2
~q(x0 , y 0 , z 0 ) = 25x0 − 7y 0 − 7z 0 + 12x0 y 0 − 18x0 z 0 − 12y 0 z 0 .
Aleshores, com que la matriu de ~q en la base canònica B 0 i la matriu de canvi de base de
la base B 0 a la base canònica Bc són, respectivament,
−1
25 6 −9 1 2 −1 2 6 5
1
Q0 = 6 −7 −6 i C =2 1 2 = 6 −1 −4 ,
19
−9 −6 −7 1 −2 2 −5 4 −3
es té que la seva matriu en la base canònica Bc és
t t
2 6 5 25 6 −9 2 6 5 1 2 2
1 1
Q = C t Q0 C = 6 −1 −4 6 −7 −6 6 −1 −4 = 2 1 2
19 19
−5 4 −3 −9 −6 −7 −5 4 −3 2 2 1
i, en conseqüència, l’expressió de ~q en la base canònica Bc és
~q(x, y, z) = x2 + y 2 + z 2 + 4xy + 4xz + 4yz .
En particular, en els canvis ortogonals de bases es té que A0 = C −1 AC i, per tant, tots els
conceptes que eren invariants per canvis de base en les transformacions lineals ho seran
UPC també en els canvis ortogonals de base de formes quadràtiques.
ETSEIAT
Proposició 7.47 El polinomi caracterı́stic de totes les matrius d’una forma quadràtica
respecte d’una base ortonormal és el mateix.
Rafel Amer
Vicenç Sales
Pàgina 128 de 150 Observació 7.48 Si un polinomi té totes les seves arrels reals llavors el nombre d’arrels
estrictament positives seves coincideix amb el nombre de canvis de signe entre coeficients
consecutius no nuls del polinomi.
Com que les arrels del polinomi caracterı́stic són els valors propis, tenim aquest resultat.
Teorema 7.49 El nombre de valors propis estrictament positius és igual al nombre de
canvis de signe entre coeficients consecutius no nuls del polinomi caracterı́stic.
ETSEIAT
Teorema 7.51 Sigui (r, s) la signatura d’una forma quadràtica q. Aleshores:
(a) r és el nombre de valors propis estrictament positius;
(b) s és el nombre de valors propis estrictament negatius.
Rafel Amer
Podem calcular la signatura en la forma següent:
• r és el nombre de valors propis estrictament positius;
• s s’obté restant de n el nombre de valors propis estrictament positius (r) i el nombre de
Vicenç Sales nuls (n − r − s), que és el el nombre de vegades que es pot treure factor comú la x:
s = n − r − (n − r − s) .
Pàgina 129 de 150
Exemple 7.53 En la forma quadràtica ~q dels exemples precedents, hem vist ja que hi ha 1
valor propi estrictament positiu. I com que no es pot treure cap x factor comú, tenim que
no n’hi ha cap valor propi nul. Per tant, es dedeueix que hi ha
3−1−0=2
valors propis estrictament negatius. I, en conseqüència, es té que la signatura és
(1, 2)
i la forma quadràtica és, doncs, no definida –o indefinida–.
El fet que la fórmula del canvi ortogonal de base sigui la mateixa en les formes
quadràtiques i les transformacions lineals permet trobar, a partir de la matriu simètrica
UPC A, una matriu diagonal D i una matriu ortogonal de canvi de base C tals que
D = C t AC = C −1 AC .
ETSEIAT
Exemple 7.58 En la forma quadràtica ~q anterior, el subespai propi de valor propi 5 és
Vicenç Sales −4 2 2 0 −4 2 2 0 −4 2 2 0
V5 : 2 −4 2 0 ' 0 −6 6 0 ' 0 −6 6 0 ,
Pàgina 131 de 150 2 2 −4 0 F2 ∼2F2 +F1 0 6 −6 0 F ∼F +F 0 0 0 0
F3 ∼2F3 +F1 3 3 2
que té solució x = y = z i, per tant, una base seva és {(1, 1, 1)}.
A més, el subespai propi de valor propi −1 és
2 2 2 0 2 2 2 0
V−1 : 2 2 2 0 ' 0 0 0 0 ,
2 2 2 0 F2 ∼F2 −F1 0 0 0 0
F3 ∼F3 −F1
que té solució x = −y − z i, per tant, una base seva és {(1, 0, −1), (0, 1, −1)}.
I aplicant el mètode d’ortogonalització de Gram–Schmidt a aquests dos vectors tenim:
0
~v1 = (1, 0, −1) ;
0 (0,1,−1)·(1,0,−1)
~v2 = (0, 1, −1) − (1,0,−1)·(1,0,−1) (1, 0, −1) = (0, 1, −1) − 12 (1, 0, −1) = 21 (−1, 2, −1) ' (−1, 2, −1) .
Per tant, normalitzant tots tres vectors, s’obté la base ortonormal de vectors propis
∗ 1 1 1
B = √ (1, 1, 1), √ (1, 0, −1), √ (−1, 2, −1)
3 2 6
i, per tant, el canvi ortogonal de base de B ∗ a B és
√ √ √
1/√2 √ ∗ ∗
x 1/ 3 − 1/ 6 x 2 3 −1 x
1 √
y = 1/√3 0 2/√6 y ∗ = √ 2 0 2 y∗ .
z 1/√3 − 1/√2 − 1/√6 z∗ 6 √2 −√3 −1 z∗
Observació 7.59 Contràriament als processos de diagonalització i diagonalització ortogo-
UPC nal d’una transformació lineal –que són consecutius l’un de l’altre–, els de diagonalització
i diagonalització ortogonal d’una forma quadràtica, en canvi, no ho són.
ETSEIAT
Com que l’expressió euclidiana reduı̈da és una de les expressions diagonals d’una for-
Rafel Amer
ma quadràtica, podem determinar també l’expressió vectorial reduı̈da a partir d’una base
ortogonal de vectors propis.
Vicenç Sales
Rafel Amer
Aquesta és l’anomenada definició mètrica de la paràbola. I els punts i rectes següents es
diuen elements geomètrics.
Vicenç Sales
Exemple 8.2 Considerem la paràbola formada pels punts que equidisten de (2, 1) i de
x − y + 3 = 0.
En primer lloc, l’eix secundari és la recta perpendicular a la directriu pel focus, és a dir,
x + y − 3 = 0.
I la intersecció d’aquest amb la directriu és el punt (0, 3). Per tant, el vèrtex és el punt mig:
2+0 1+3
, = (1, 2) .
2 2
Llavors, l’eix principal és la recta paral.lela a la directriu pel vèrtex, és a dir,
x − y + 1 = 0.
Finalment, el paràmetre és
|2 − 1 + 3| 4 √
p= p = √ = 2 2.
12 + (−1)2 2
Fent un canvi de referència amb l’equació següent s’obté l’equació en qualsevol referència.
UPC 0 0
Teorema 8.3 En la referència euclidiana R0 = {O0 ; ~e1 , ~e2 } formada pel vèrtex O’ i dos
0 0
ETSEIAT vectors directors unitaris ~e1 i ~e2 dels eixos principal i secundari respectivament, segons
0
~e2 tingui el sentit de la directriu al focus o viceversa:
(a) el focus és el punt de coordenades 0, ± p2 ;
7
x0
7
6
6
6
5
5
4
4
3
3
2
2
1
1
1
1
−
x
2
2
−
−6 −5 −4 −3 −2 −1 1 2 3 4 5 6 7 8 9
3
3
−
−1
4
4
−
−
5
−2
−
−
6
6
−
−3
7
7
−
−4
8
8
−
−
9
9
−
−5
−6
−7
−8
Definició 8.5 L’el.lipse determinada pels punts F i F 0 de R2 i l’escalar k tal que k >
UPC d(F, F 0 ) és el lloc geomètric dels punts de R2 tals que la suma de distàncies a F i F 0 és k:
x ∈ R2 : d(x, F ) + d(x, F 0 ) = k .
ETSEIAT
Aquesta és l’anomenada definició mètrica de l’el.lipse. A més, els punts i rectes següents
es diuen elements geomètrics; i els escalars, paràmetres.
Els punts F i F 0 s’anomenen focus.
Rafel Amer
El punt mig dels focus, centre.
x La recta que passa pels focus i el centre, eix principal.
La recta perpendicular a l’eix principal pel centre, eix secundari.
Vicenç Sales Els punts intersecció dels eixos amb l’el.lipse, vèrtexs.
F F0
L’escalar k, constant.
Pàgina 135 de 150
La distància del centre a un vèrtex de l’eix principal, semieix major (a).
La distància del centre a un vèrtex de l’eix secundari, semieix menor (b).
I la distància del centre a un focus, semidistància focal (c).
Vicenç Sales Teorema 8.9 La circumferència de centre C = (c1 , c2 ) i radi r té equació
(x − c1 )2 + (y − c2 )2 = r2 .
Pàgina 136 de 150
Exemple 8.10 En l’el.lipse d’abans, normalitzant el vector director (1, 1) de l’eix principal i
el vector director (−1, 1) del secundari s’obtenen la referència principal i l’equació reduı̈da
x0 2 y 0 2
0 1 1
R = (1, 2); √ (1, 1), √ (−1, 1) i + = 1.
2 2 4 2
Llavors, tenint en compte que el canvi de referència de Rc a R0 és ortogonal, tenim:
0 −1
x 1 1 −1 x 1 1 1 1 x−1 1 x+y−3
=√ − =√ =√ .
y0 2 1 1 y 2 2 −1 1 y−2 2 −x + y − 1
I substituint a l’equació reduı̈da, queda
2 2
√1 (x + y − 3) √1 (−x + y − 1)
2 2
+ =1
4 2
que, operant, dona l’equació de l’el.lipse en la referència canònica:
15x2 + 15y 2 + 2xy − 34x − 62y − 145 = 0 .
y0 y5 x0
4
4
3
3
2
2
1
1
1
1
−
x5
2
2
−
−3 −2 −1 1 2 3 4
3
3
−
−1
4
4
−
−2
Definició 8.11 La hipèrbola determinada pels punts F i F 0 de R2 tals que F 6= F 0 i
UPC l’escalar k tal que 0 < k < d(F, F 0 ) és el lloc geomètric dels punts de R2 tals que el valor
absolut de la diferència de distàncies a F i F 0 és k:
ETSEIAT
x ∈ R2 : |d(x, F ) − d(x, F 0 )| = k .
Aquesta és l’anomenada definició mètrica de la hipèrbola. I, a més, els punts i rectes
següents es diuen elements geomètrics; i els escalars, paràmetres.
Els punts F i F 0 s’anomenen focus.
Rafel Amer
El punt mig dels focus, centre.
La recta que passa pels focus i el centre, eix principal.
Vicenç Sales
La recta perpendicular a l’eix principal pel centre, eix secundari.
Els punts intersecció dels eixos amb l’el.lipse, vèrtexs.
x
Pàgina 137 de 150
L’escalar k, constant.
F F0 La distància del centre a un vèrtex de l’eix principal, semieix real (a).
La distància del centre a un focus, semidistància focal (c).
√
L’escalar b = c2 − a2 , semieix imaginari.
0 0 0 0 0 0
I les rectes de vectors directors a~e1 + b~e2 i a~e1 − b~e2 pel centre (amb ~e1 , ~e2
vectors directors unitaris dels eixos principal i secundari), ası́mptotes.
Si a = b les hipèrboles es diuen equilàteres; i llavors les ası́mptotes són perpendiculars.
Exemple 8.13 Considerem la hipèrbola de (0, 1) i (2, 3) i constant 2. El centre i els eixos
principal i secundari es calculen com en l’el.lipse i són, per tant, els mateixos. A més, el
semieix real, la semidistància focal i el semieix imaginari són ara, respectivament,
√ √ 2
q
2 p
a = = 1, c = d((1, 2), (2, 3)) = (2 − 1)2 + (3 − 2)2 = 2 i b= 2 − 12 = 1 .
2
I les ası́mptotes són les rectes √ que passen pel centre (1, 2) i que tenen √ vectors directors
1 · √12 (1, 1) + 1 · √12 (−1, 1) = (0, 2) ' (0, 1) i 1 · √12 (1, 1)−1 · √12 (−1, 1) = ( 2, 0) ' (1, 0), és a dir,
x=1 i y = 2.
0 0
Teorema 8.14 En la referència euclidiana R0 = {O0 ; ~e1 , ~e2 } formada pel centre O0 i dos
0 0
UPC vectors directors unitaris ~e1 i ~e2 dels eixos principal i secundari respectivament:
ETSEIAT
(a) els focus són els punts de coordenades (c, 0) i (−c, 0);
(b) els vèrtexs són els punts de coordenades (a, 0) i (−a, 0);
(c) les ası́mptotes tenen equacions
b b
y 0 = x0 i y 0 = − x0 ;
a a
(d) la hipèrbola té equació
Rafel Amer
x0 2 y 0 2
− 2 = 1.
a2 b
Vicenç Sales I aleshores, fent un canvi de referència, es pot obtenir l’equació en qualsevol referència.
7
7
6
6
6
5
5
4
4
3
3
2
2
1
1
1
1
−
x
2
2
−
−6 −5 −4 −3 −2 −1 1 2 3 4 5 6 7 8
3
3
−
−1
4
4
−
−
5
−2
−
−
6
6
−
−3
7
7
−
−4
8
8
−
−5
Varietats quadràtiques
UPC Definició 8.18 Diem varietat quadràtica en la referència R = {O; ~e1 , . . . , ~en } a tot conjunt
ETSEIAT
de punts x ∈ Rn de coordenades x1 , . . . , xn en la referència R que satisfan una equació
q(x1 , . . . , xn ) = a11 x21 + . . . + an1 x1 xn + . . . + a1n xn x1 + . . . + ann x2n + a1 x1 + an xn + a = 0 ,
amb algun coeficient aji no nul.
aji +aij
Diem còniques si n = 2 i quàdriques si n = 3. I posem qij = 2 i li = ai
2 amb i, j = 1, . . . , n.
Rafel Amer
Observació 8.19 Els coeficients qij es diuen termes quadràtics (purs si i = j i creuats si
i 6= j); els li , termes lineals; i a, terme independent. Obtenim aixı́ una matriu quadrada
Vicenç Sales
simètrica Q o part quadràtica i una matriu–columna L o part lineal.
Pàgina 139 de 150
I podem posar l’equació de la varietat quadràtica en la referència R en la forma matricial
1
q1 . . . q1n
x1 x1
t t
. . . .
X QX + 2L X + a = x1 . . . xn .. .. .. + 2 l1 . . . ln .. + a = 0 .
qn1 . . . qnn xn xn
Observació 8.20 Si els coeficients de l’equació són enters i algun dels coeficients dels
termes quadràtics creuats o lineals és senar, es pot multiplicar abans l’equació per 2.
La forma quadràtica associada a q és la que en la base B = {~e1 , . . . , ~en } de R ve donada per
~q(x1 , . . . , xn ) = a11 x21 + . . . + an1 x1 xn + . . . + a1n xn x1 + . . . + ann x2n .
Aquest resultat es diu fórmula del canvi de referència per a varietats quadràtiques.
Vicenç Sales
Pàgina 140 de 150 Observació 8.24 El fet que les expressions de les varietats quadràtiques en qualsevol
referència siguin del mateix tipus permet parlar de varietats quadràtiques a seques.
Exemple 8.25 Donada la referència R0 = {(1, 1, 1); (1, 1, 1), (0, 1, 1), (0, 0, 1)} i la quàdrica
anterior, com que el canvi de referència de R0 a Rc ve donat per
0
x 1 1 0 0 x
y = 1 + 1 1 0 y0 ,
z 1 1 1 1 z0
es té que
t
1 0 0 −1 0 0 1 0 0 −1 0 0
Q0 = C t QC = 1 1 0 0 0 0 1 1 0 = 0 0 0 ;
1 1 1 0 0 0 1 1 1 0 0 0
t
1 0 0 −1 0 0 1 0 4
0 t
L = C (QB + L) = 1 1 0
0 0 0 1 + 4
= 5;
1 1 1 0 0 0 1 1 1
a0 = q(1, 1, 1) = −12 + 8 · 1 + 2 · 1 − 3 = 6 .
Per tant, l’equació de la quàdrica en la referència R0 és
q(x0 , y 0 , z 0 ) = −x0 2 + 8x0 + 10y 0 + 2z 0 + 6 = 0 .
Com que la part lineal en una nova referència R0 és
L0 = C t (QB + L) ,
UPC la seva anul.lació és equivalent a la de la matriu–columna QB + L, ja que C és regular.
ETSEIAT
Definició 8.26 p és un centre d’una varietat quadràtica en la referència R si, i només si,
QP + L = 0 .
Definició 8.27 Direm varietats quadràtiques amb centre a les que tinguin algun centre.
Vicenç Sales
Donats els hiperplans d’equacions A1 x1 + . . . + An xn + A0 = 0 i a1 x1 + . . . + an xn + a0 = 0 en
Pàgina 141 de 150
la referència R, és clar que l’equació conjunta dels dos hiperplans en la referència R és
(A1 x1 + . . . + An xn + A0 )(a1 x1 + . . . + an xn + a0 ) = 0 .
Definició 8.28 Si una varietat quadràtica és un parell d’hiperplans es diu degenerada.
Teorema 8.29 (a) L’equació conjunta del parell d’ası́mptotes de la hipèrbola q(x, y) = 0
de centre (p, q) és
q(x, y) − q(p, q) = 0 .
(b) Les ası́mptotes de la hipèrbola q(x, y) = 0 s’obtenen resolent
q(x, y) − q(p, q) = (Ax + By + C)(ax + by + c) .
ETSEIAT
Observació 8.31 Per tant, diagonalitzar Q és equivalent a diagonalitzar la seva forma
quadràtica associada ~q.
Les referències formades per un centre i una base de diagonalització de la forma quadràtica
d’una varietat quadràtica amb centre no degenerada es diuen reduı̈des.
Rafel Amer
Teorema 8.32 L’equació en referència reduı̈da d’una varietat quadràtica amb centre és
2 2 2 2
q(x01 , . . . , x0n ) = x0 1 + . . . + x0 r − x0 r+1 − . . . − x0 r+s ± = 0 , amb = 0 o = 1.
Vicenç Sales
Operant, s’obté l’equació afı́ reduı̈da; i, a partir d’aquesta, el tipus de varietat quadràtica.
Pàgina 142 de 150
I la classificació afı́ és trobar la referència reduı̈da, l’equació afı́ reduı̈da i el tipus.
TIPUS d’EQUACIÓ EQUACIÓ AFÍ REDUÏDA TIPUS de CÒNICA
x0 2+ y0 2=1 el.lipse real
±x0 2 ± y 0 2 ± 1 = 0 02
x −y =1 02 hipèrbola
−x0 2 − y 0 2 = 1 el.lipse imaginària
Vicenç Sales Observació 8.36 En les varietats quadràtiques sense centre de valor 0 simple el vèrtex
es determina sense res més que imposar que el punt sigui tal que s’anul.lin tots els coe-
Pàgina 143 de 150 ficients lineals excepte un i el terme independent i que pertanyi a la varietat quadràtica.
Les referències formades per un vèrtex i una base de diagonalització de la forma quadràtica
d’una varietat quadràtica sense centre de valor 0 simple es diuen reduı̈des.
Teorema 8.37 L’equació en referència reduı̈da d’una varietat quadràtica sense centre de
valor propi 0 simple és
2 2 2 2
q(x01 , . . . , x0n ) = x0 1 + . . . + x0 r − x0 r+1 − . . . − x0 n−1 ± x0 n = 0 .
Operant, s’obté l’equació afı́ reduı̈da; i, a partir d’aquesta, el tipus de varietat quadràtica.
I la classificació afı́ és trobar la referència reduı̈da, l’equació afı́ reduı̈da i el tipus.
TIPUS d’EQUACIÓ EQUACIÓ AFÍ REDUÏDA TIPUS de CÒNICA
±x 02 ± y0 = 0 y 0 = ±x 02 paràbola
Teorema 8.40 L’equació en referència reduı̈da d’una varietat quadràtica sense centre de
Rafel Amer valor propi 0 múltiple és
2 2 2 2
q(x01 , . . . , x0n ) = x0 1 + . . . + x0 r − x0 r+1 − . . . − x0 r+s ± x0 n = 0 , amb r + s < n − 1.
Vicenç Sales Operant, s’obté l’equació afı́ reduı̈da; i, a partir d’aquesta, el tipus de varietat quadràtica.
I la classificació afı́ és trobar la referència reduı̈da, l’equació afı́ reduı̈da i el tipus.
Pàgina 144 de 150 TIPUS d’EQUACIÓ EQUACIÓ AFÍ REDUÏDA TIPUS de QUÀDRICA
±x0 2 ± z 0 = 0 z 0 = ±x0 2 cilindre parabòlic
Exemple 8.41 La quàdrica anterior és, doncs, un cilidre parabòlic. I com que a la matriu
0
C tL = I tL = L = 4
1
els coeficients 4 i 1 corresponents al valor 0 són no nuls, de
0
α 0 1 0 +β 0 0 1 4 = 0
1
es té 4α + β = 0. I prenent α = 1 i β = −4 s’obté el vector (0, 1, −4) i es té que
1 0 0 −1 0 0 a 0 −a
C t (QB + L) = 0 1 −4 0 0 0 b + 4 = 0 .
0 0 1 0 0 0 c 1 1
Llavors, és −a = 0 o a = 0 que, substituint, dona −02 + 8b + 2c − 3 = 0. I si b = 0 es té c = 23 , el
vèrtex és (0, 0, 32 ) i l’equació en la referència {(0, 0, 32 ); (1, 0, 0), (0, 1, −4), (0, 0, 1)}, −x0 2 +2z 0 = 0.
Per tant, es té el cilindre parabòlic de referència i equació afı́ reduı̈des respectives
3 1
R =∗
0, 0, ; (1, 0, 0), (0, 1, −4), (0, 0, 1) i z ∗ = x∗ 2 .
2 2
Varietats quadràtiques de l’espai afı́ euclidià
Com sabem, els canvis ortogonals de refèrència tenen matriu de canvi de base ortogonal.
UPC
Observació 8.42 Per tant, si
ETSEIAT
X = B + CX 0
és l’expressió matricial del canvi ortogonal de referència entre les referències euclidianes
R0 = {O0 ; B 0 } i R = {O; B}, llavors l’equació de la varietat quadràtica respecte R0 és
0 t −1
Q = C QC = C QC ;
t t
Rafel Amer X 0 Q0 X 0 + 2L0 X 0 + a0 = 0 , amb L0 = C t (QB + L) = C −1 (QB + L) ;
a0 = B t QB + 2Lt B + a = q(b1 , . . . , bn ) .
Vicenç Sales Parlarem de fórmula del canvi ortogonal de referència per a varietats quadràtiques.
Exemple 8.44 A la quàdrica d’equació en la referència R0 = {(1, 1, 1); (1, 1, 1), (0, 1, 1), (0, 0, 1)}
q(x0 , y 0 , z 0 ) = −x0 2 + 8x0 + 10y 0 + 2z 0 + 6 = 0 ,
calculant el canvi de referència de R0 a Rc tenim:
0 0
x 1 1 0 0 x x −1 1 0 0 x
y = 1 + 1 1 0 y0 =⇒ y 0 = 0 + −1
1 0 y .
z 1 1 1 1 z 0 z 0 0 0 −1 1 z
Per tant,
t
1 0 0 −1 0 0 1 0 0 −1 0 0
Q = C t Q0 C = −1 1 0 0 0 0 −1 1 0 = 0 0 0;
0 −1 1 0 0 0 0 −1 1 0 0 0
t
1 0 0 −1 0 0 −1 4 0
L = C t (Q0 B + L0 ) = −1 1 0 0 0 0 0 + 5 = 4 ;
0 −1 1 0 0 0 0 1 1
a = q(−1, 0, 0) = −(−1)2 + 8 · (−1) + 10 · 0 + 2 · 0 + 6 = −3 .
I, en conseqüència, l’equació de la quàdrica en la referència canònica Rc és
q(x, y, z) = −x2 + 8y + 2z − 3 = 0 .
Definició 8.45 Diem varietat de simetria d’una varietat quadràtica a tota varietat lineal
UPC tal que el simètric de tot punt de la varietat quadràtica hi pertanyi també.
ETSEIAT
Si la varietat de simetria és punt o recta es diu centre o eix de simetria, respectivament.
Teorema 8.46 (a) La intersecció d’un eix de simetria i la varietat quadràtica és un vèrtex.
(b) La intersecció de varietats de simetria estrictament secants és varietat de simetria.
Rafel Amer (c) Si ~v és un vector propi de valor propi λ 6= 0 llavors un hiperplà de simetria és
~v · (λ~x + ~l) = 0 .
Vicenç Sales I, per la seva banda, els centres de simetria coincideixen amb els centres.
I, en particular, les que tenen tots els valors propis iguals s’anomenen esferes i el seu
1
centre de simetria, centre. I si λ és el valor propi comú llavors l’escalar r = |λ| es diu radi.
Proposició 8.48 L’esfera de centre C i radi r és el lloc geomètric dels punts de Rn tals
que la seva distància a C és r:
{x ∈ Rn : d(x, C) = r} .
Exemple 8.50 La quàdrica d’abans no és de revolució ja que el valor propi repetit és el 0.
Teorema 8.51 Si ~v és un vector propi de valor propi 0 d’una varietat quadràtica amb
UPC centre llavors un hiperplà de simetria és
ETSEIAT
~v · ~x = 0 .
Les referències formades per un centre i una base ortonormal de diagonalització de la for-
ma quadràtica d’una varietat quadràtica amb centre no degenerada es diuen principals.
Teorema 8.52 L’equació en referència principal d’una varietat quadràtica amb centre és
2 2
Rafel Amer q(x01 , . . . , x0n ) = λ1 x0 1 + . . . + λr x0 r + q(b1 , . . . , bn ) = 0 , amb r ≤ n.
Operant, s’obté l’equació euclidiana reduı̈da; i, a partir d’aquesta, el tipus. I la classifi-
Vicenç Sales
cació euclidiana és trobar la referència principal, l’equació eulcidiana reduı̈da i el tipus.
TIPUS d’EQUACIÓ EQUACIÓ EUCLIDIANA REDUÏDA TIPUS de CÒNICA
Pàgina 147 de 150 x0 2
a2
y0 2
+ b2 = 1 el.lipse real
0 2 0 2
q10 x0 2 + q20 y 0 2 + a0 = 0 x
a2
− yb2 = 1 hipèrbola
x 0 2 y0 2 el.lipse imaginària
− 2 − 2 =1 a b
ETSEIAT I parlarem ara de varietats quadràtiques sense centre de valor propi 0 simple i múltiple.
Observació 8.55 En les varietats quadràtiques sense centre de valor propi 0 simple el
vèrtex s’obté intersecant amb la varietat quadràtica els diferents hiperplans de simetria
Rafel Amer corresponents als n − 1 vectors propis de valor propi no nul.
Les referències formades per un vèrtex –calculat de l’anterior forma– i una base ortonormal
Vicenç Sales
de diagonalització de la forma quadràtica d’una varietat quadràtica sense centre de valor
propi 0 simple es diuen principals.
Pàgina 148 de 150
Teorema 8.56 L’equació en referència principal d’una varietat quadràtica sense centre
de valor propi 0 simple és
2 2 0
q(x01 , . . . , x0n ) = λ1 x0 1 + . . . + λr x0 n−1 + 2 (~en · ~l) x0n = 0 .
Exemple 8.57 La quàdrica sense centre dels exemples anteriors és de valor propi 0
múltiple per tenir dos zeros a la seva matriu diagonal.
Teorema 8.58 Si w ~ és ortogonal a ~l i a tot vector propi de valor propi no nul d’una varietat
UPC quadràtica sense centre de valor propi 0 múltiple llavors un hiperplà de simetria és
ETSEIAT ~ · ~x = 0 .
w
Les referències formades per un vèrtex obtingut intersecant els hiperplans de simetria
dels n − 1 primers vectors propis d’una varietat quadràtica sense centre de valor propi 0
múltiple i una base ortonormal de diagonalització de la forma quadràtica associada tal que
els n − r − 1 primers vectors propis de valor propi 0 són ortogonals a tots els anteriors i a ~l
Rafel Amer i el darrer és el producte vectorial de tots els anteriors es diuen principals.
Teorema 8.59 L’equació en referència principal d’una varietat quadràtica sense centre
Vicenç Sales de valor propi 0 múltiple és
2 2 0
q(x01 , . . . , x0n ) = λ1 x0 1 + . . . + λr x0 r + 2 (~en · ~l) x0n = 0 , amb r < n − 1.
Pàgina 149 de 150
5 5 5
4 4 4
3 3 3
UPC 2
1
2
1
2
−6 −5 −4 −3 −2 −1 1 2 3 4 5 6 −6 −5 −4 −3 −2 −1 1 2 3 4 5 6 −6 −5 −4 −3 −2 −1 1 2 3 4 5 6
−1 −1 −1
−2 −2 −2
ETSEIAT
−3 −3 −3
−4 −4 −4
−5 −5 −5
−6 −6 −6
Rafel Amer
Vicenç Sales
El.lipsoide real Hiperboloide d’una fulla Hiperboloide de dues fulles
Pàgina 150 de 150
z0
y
x0
x y0