Apunts

`
Algebra lineal i geometria per a fsics

Ferran Cedo i Dolors Herbera
11 de juny de 2008
2
`
Algebra lineal i geometria
Index
1 Teoria de conjunts 7
1.1 Nocions bàsiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.1.1 El conjunt de les parts dun conjunt: unio i interseccio de
subconjunts . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.1.2 Producte cartesià . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.1.3 Relacions binàries . . . . . . . . . . . . . . . . . . . . . . . . 10
1.2 Aplicacions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.2.1 Imatge i antiimatge . . . . . . . . . . . . . . . . . . . . . . . 14
1.2.2 Composicio daplicacions . . . . . . . . . . . . . . . . . . . . 15
1.2.3 Inversa duna aplicacio bijectiva . . . . . . . . . . . . . . . . 15
1.3 Els nombres naturals . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.3.1 El principi dinduccio . . . . . . . . . . . . . . . . . . . . . . 16
1.4 Exercicis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2 Grups 25
2.1 Subgrups i morsmes de grups . . . . . . . . . . . . . . . . . . . . . 29
2.2 El grup de permutacions de n elements . . . . . . . . . . . . . . . . . 33
2.2.1 Descomposicio en producte de cicles i en producte de trans-
posicions. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.3 Exercicis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3 Anells 41
3.1 Suma i producte de matrius: Anells de matrius . . . . . . . . . . . . 43
3.2 Anells de polinomis . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.3 Elements invertibles dun anell. Cossos. . . . . . . . . . . . . . . . . 49
3.4 El cos dels nombres complexos. . . . . . . . . . . . . . . . . . . . . . 50
3.4.1 Interpretacio geomètrica dels nombres complexos. Coordena-
des polars. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.4.2 Aplicacions i exemples . . . . . . . . . . . . . . . . . . . . . . 54
3
4
`
3.5 Exercicis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4 Lanell de polinomis sobre un cos K 59
4.1 La funcio grau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
4.2 La divisio a K[x] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
4.3 Polinomis irreductibles. . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.4 Arrels de polinomis . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
4.5 Polinomis irreductibles de C[x] i de R[x] . . . . . . . . . . . . . . . . 73
4.6 Exercicis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
5 Espais Vectorials 77
5.1 Dependència i independència lineal . . . . . . . . . . . . . . . . . . . 82
5.2 Bases i dimensio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
5.3 Suma i interseccio de subespais vectorials . . . . . . . . . . . . . . . 91
5.4 Exercicis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
6 Matrius 101
6.1 Transformacions elementals. Matrius elementals . . . . . . . . . . . . 101
6.2 Matrius esglaonades. . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
6.3 Rang duna matriu. Matrius invertibles . . . . . . . . . . . . . . . . 111
6.4 Sistemes dequacions lineals. . . . . . . . . . . . . . . . . . . . . . . . 116
6.5 Exercicis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
7 Aplicacions lineals 123
7.1 Lespai vectorial de totes les aplicacions lineals . . . . . . . . . . . . 124
7.2 Nucli i imatge duna aplicacio lineal . . . . . . . . . . . . . . . . . . 126
7.3 Coordenades respecte duna base . . . . . . . . . . . . . . . . . . . . 132
7.4 Matriu duna aplicacio lineal . . . . . . . . . . . . . . . . . . . . . . 133
7.5 Canvi de coordenades. Canvi de Base . . . . . . . . . . . . . . . . . 136
7.6 Exercicis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
8 Determinants 143
8.1 Denicio i propietats . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
8.2 Existència del determinant. . . . . . . . . . . . . . . . . . . . . . . . 149
8.3 Exercicis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
9 Diagonalitzacio de Matrius i dEndomorsmes 159
9.1 Conceptes bàsics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
9.2 Vectors propis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
INDEX 5
9.3 Polinomi caracterstic dun endomorsme. . . . . . . . . . . . . . . . 164
9.4 Exercicis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
10 Espai Dual 173
10.1 Denicio i propietats . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
10.2 Lespai bidual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
10.3 Subespai incident . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
10.4 Exercicis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
11 Formes bilineals 185
11.1 Matriu associada a una forma bilineal . . . . . . . . . . . . . . . . . 187
11.2 Lespai vectorial de les formes bilineals . . . . . . . . . . . . . . . . . 189
11.3 Bases Ortogonals . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
11.4 Productes escalars . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
11.5 El Teorema Espectral . . . . . . . . . . . . . . . . . . . . . . . . . . 202
11.6 Exercicis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205
12 Geometria Euclidiana 207
12.1 Espai af euclidià i varietats lineals . . . . . . . . . . . . . . . . . . . 208
12.2 Coordenades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
12.3 Distància i perpendicularitat . . . . . . . . . . . . . . . . . . . . . . 212
12.4 Distància entre dues varietats lineals . . . . . . . . . . . . . . . . . . 214
12.5 Isometries i desplacaments . . . . . . . . . . . . . . . . . . . . . . . . 215
12.6 Exercicis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218
13 Tensors 221
13.1 Denicions i propietats . . . . . . . . . . . . . . . . . . . . . . . . . . 222
13.2 Canvi de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224
13.3 Contraccions tensorials . . . . . . . . . . . . . . . . . . . . . . . . . . 226
13.4 Exercicis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
Index alfabètic 229

6
`
Captol 1
Teoria de conjunts
La nocio de conjunt correspon al que entenem usualment per col
.
leccio, agrupacio
o classe dobjectes. En el llenguatge corrent aquests objectes es diuen elements,
membres o individus de la col
.
leccio, agrupacio o classe.
Els matemàtics han elegit, per designar aquests conceptes, les paraules conjunt
i element, i diuen:
Un conjunt està format per elements.
La importància de la nocio de conjunt es deriva del fet que actualment les ma-
temàtiques sescriuen fent servir el llenguatge de la Teoria de Conjunts. Malgrat
això, el concepte de conjunt es molt delicat des del punt de vista lògic, i arribar
a donar una denicio precisa de conjunt ha estat, històricament, un proces llarg i
complicat.
La denicio formal i rigorosa de conjunt està fora de labast daquest curs. No-
saltres ens conformarem a dir que un conjunt A està ben denit quan es te un criteri
que ens permet armar si lelement a pertany al conjunt A o no. En cas armatiu
escriurem a A, i en cas negatiu, a / A.
Un exemple molt famos que il
.
lustra la dicultat de donar una denicio rigorosa
de conjunt es la Paradoxa de Bertrand Russell:
Sigui A el conjunt de tots els conjunts que es pertanyen a ells mateixos i
sigui B el conjunt de tots els conjunts que no es pertanyen a ells mateixos.

Es
clar que si X es un conjunt, o be X A o be X B, però no pot pertànyer a
A i a B a la vegada. Ara be, si B A, llavors, per la denicio de A, B B,
però això no pot ser, per tant B B, i en aquest cas, per la denicio de A,
tenim que B A, una altra contradiccio.
Observem que segons la nostra idea del que ha de ser un conjunt, o be A no es
un conjunt o B no es un element, ja que no podem decidir si B es un element de
7
8
`
A o no. Com que tot conjunt X es element dalgun altre conjunt, X X, tenim
tambe que B no es un conjunt, ja que no podem decidir si B pertany a B o no.
Per tal devitar paradoxes daquest estil, tampoc està permès que un conjunt es
pertanyi a ell mateix, es a dir, no pot passar mai que X X si X es un conjunt.
Exemples 1.0.1
(1) El conjunt dels nombres naturals
N = 0, 1, 2, 3, ....
(2) El conjunt dels nombres enters
Z = ..., 3, 2, 1, 0, 1, 2, 3, ....
(3) El conjunt dels nombres racionals
Q = a/b [ a, b Z, b ,= 0.
(4) El conjunt dels nombres reals
R = a.a
1
a
2
a
3
... [ a, a
n
Z, 0 a
n
9.
(5) El conjunt buit = es el conjunt que no te cap element.
(6) 1, a, b, c, el conjunt dels enters m ultiples de 2, es a dir, x Z [ x =
2k, on k Z, x R [ x = a +b
2, on a, b Q. 3
1.1 Nocions bàsiques
Siguin A i B conjunts. Direm que A es un subconjunt de B, i escriurem A B,
si i nomes si x A x B (el smbol es llegeix implica i signica que si es
compleix la condicio de la seva esquerra llavors tambe es compleix la condicio de la
seva dreta). En aquest cas tambe direm que A està contingut a B o que B conte
A. Direm que A es igual a B, A = B, si i nomes si A B i B A. Si A B i
A ,= B, escriurem A B i direm que A es un subconjunt propi de B. Per exemple:
N Z Q R.
1.1.1 El conjunt de les parts dun conjunt: unio i interseccio de
subconjunts
Sigui X un conjunt. El conjunt de les parts de X es el conjunt T(X) = A [ A X.
Per exemple, si X es el conjunt buit llavors T(X) te un sol element que es . Noteu
1. Teoria de conjunts 9
que, en aquest cas, T(T(X)) te dos elements i T(X) = . En general, si X es
un conjunt, sempre son elements de T(X) el conjunt buit i X.
Siguin A i B subconjunts dun conjunt X. Denim les operacions seg uents:
(1) La unio de A i B es A B = x X [ x A o x B.
(2) La intersecci o de A i B es A B = x X [ x A i x B.
(3) El complementari de A es A
c
=

A = x X [ x / A.
(4) La diferència A menys B es A B = A B
c
= x X [ x A i x , B.
Siguin A, B, C T(X). Es pot demostrar que es compleixen les propietats
seg uents:
(1) Associatives: A (B C) = (A B) C, A (B C) = (A B) C.
(2) Commutatives: A B = B A, A B = B A.
(3) Lleis dabsorcio: A (A B) = A, A (A B) = A.
(4) Lleis didempotència: A A = A, A A = A.
(5) Distributives: A(BC) = (AB)(AC), A(BC) = (AB)(AC).
(6) A A
c
= X, A A
c
= .
(7) (A
c
)
c
= A.
(8) Lleis de de Morgan: (A B)
c
= A
c
B
c
, (A B)
c
= A
c
B
c
.
Sigui A
i
iI
una famlia de subconjunts dun conjunt X, això es, per a cada
ndex i I, sigui A
i
X. Denim la seva unio com
_
iI
A
i
= x X [ i I tal que x A
i
,
i la seva interseccio com
iI
A
i
= x X [ x A
i
i I.
(Els smbols i es llegeixen existeix i per a tot respectivament.)
Direm que dos conjunts A i B son disjunts si i nomes si A B = .
10
`
1.1.2 Producte cartesià
Siguin A i B dos conjunts. Siguin a A i b B. Un parell (a, b) es un smbol que
satisfà la condicio seg uent:
(a, b) = (a
t
, b
t
) si i nomes si a = a
t
i b = b
t
.
Denim el producte cartesià de A per B com
AB = (a, b) [ a A, b B.
Sigui A
i
iI
una famlia de conjunts. Per a cada i I, sigui a
i
A
i
. Denim
el smbol (a
i
)
iI
per la propietat seg uent:
(a
i
)
iI
= (b
i
)
iI
si i nomes si a
i
= b
i
i I.
Denim el producte cartesià de la famlia A
i
iI
com
iI
A
i
= (a
i
)
iI
[ a
i
A
i
i I.
Tambe escriurem A
1
A
2
... A
n
o
n
i=1
A
i
per denotar el producte cartesià dels
conjunts A
1
, A
2
, . . . , A
n
, i (a
1
, a
2
, ..., a
n
) per denotar un element daquest producte.
A mes, si A
i
= A i = 1, 2, ..., n, denotarem el seu producte cartesià per A
n
.
1.1.3 Relacions binàries
Una relacio binària en un conjunt A es un subconjunt de A
2
. Si es una relacio
binària en A i (a, b) , escrivim a b, i diem que a està relacionat amb b per .
Direm que la relacio binària es reexiva si i nomes si
a a a A.
Direm que es simètrica si i nomes si
a b b a.
Direm que es antisimètrica si i nomes si
a b i b a a = b.
Direm que es transitiva si i nomes si
a b i b c a c.
Una relacio dequivalència es una relacio binària, reexiva, simètrica i transitiva.
Una relacio dordre es una relacio binària, reexiva, antisimètrica i transitiva.
Un conjunt ordenat es un conjunt amb una relacio dordre. Una relacio dordre
en A es una relacio dordre total si per a tot a, b A, o be a b o be b a. Un
conjunt amb una relacio dordre total es un conjunt totalment ordenat.
Exemples 1.1.1
(1) Sigui A = autobusos de Barcelona. Denim en A la relacio
a b si i nomes si a i b tenen les mateixes parades.
Es fàcil veure que es una relacio dequivalència.

(2) Sigui X un conjunt. Denim en T(X) la relacio
AB si i nomes si A B.
Es fàcil veure que es una relacio dordre. A mes, si X te mes dun element,
aquesta relacio no es dordre total.
(3) La relacio en R es una relacio dordre total. 3
Notacio: Normalment una relacio dordre es denota pel smbol , i una dequi-
valència per . 3
Sigui una relacio dequivalència en A. Per a cada a A, denim la classe de
a respecte de com
[a] = b A [ b a.
Si b [a], direm que b es un representant de la classe de a.
Lemma 1.1.2 Siguin A un conjunt i una relaci o dequivalència en A. Siguin a
i b dos elements de A, llavors son equivalents,
(i) a b,
(ii) [a] = [b],
(iii) [a] [b] ,= .
Demostraci o. Veiem que (i) implica (ii). Sigui c [a]. Llavors c a, i com que
a b, la propietat transitiva ens diu que c b. Per tant c [b]. Aquest argument
demostra que si a b llavors [a] [b]. Per la propietat simètrica, b a, i llavors
tambe tenim que [b] [a]. Podem concloure doncs que [a] = [b].
12
`
Es clar que (ii) implica (iii). Veiem que (iii) implica (i). Sigui c [a] [b].
Llavors c a. Per la propietat simètrica, a c. Com que tambe tenim que c b,
aplicant la propietat transitiva, obtenim que a b.
El Lema anterior demostra que si es una relacio dequivalència en un conjunt
A, llavors el conjunt de classes dequivalència respecte de parteix el conjunt A
en trossos disjunts.
A lexemple 1.1.1 (1), una classe dequivalència està formada pels autobusos que
fan la mateixa lnia. Les classes dequivalència parteixen el conjunt dautobusos
entre els que fan la mateixa lnia.
Exemples 1.1.3
(1) Denim a Z la relacio seg uent:
a b si i nomes si a b es parell.
Es fàcil comprovar que es una relacio dequivalència. El conjunt de classes dequi-

valència nomes te dos elements: [0] i [1]. Aqu, [0] es el conjunt dels enters parells i
[1] es el conjunt dels enters senars.
(2) A R
2
(0, 0) denim la relacio x y si i nomes si y està a la recta determinada
per (0, 0) i x. Veiem que es una relacio dequivalència.
Es clar que satisfà les propietats reexiva i simètrica. Per veure que tambe
satisfà la propietat transitiva, considerem x, y, z R
2
(0, 0) tals que x y i
y z. Llavors (0, 0), x i y estan en una recta r, i (0, 0), y i z estan en una recta r
t
.
Les rectes r i r
t
contenen els dos punts (0, 0) i y, per tant son la mateixa. Això vol
dir que (0, 0), x i z estan alineats i per tant x z.
Si x R
2
(0, 0) i r es la recta que passa per (0, 0) i x, llavors [x] = r (0, 0).
3
1.2 Aplicacions
Siguin A i B conjunts. Una aplicacio de A a B es una tripleta (A, B, f), on f es un
subconjunt del producte cartesià AB que compleix les propietats seg uents:
(1) a A, b B tal que (a, b) f.
(2) (a, b), (a, b
t
) f b = b
t
.
Notacio: Per denotar que (A, B, f) es una aplicacio, sescriu f : A B, i es diu
que f es una aplicacio de A a B. En aquest cas, es diu que A es el conjunt de sortida
o domini de laplicacio, B es el conjunt darribada de laplicacio i f es la gràca de
laplicacio. Sovint identicarem, per ab us de llenguatge, la gràca de laplicacio
amb laplicacio mateixa, i direm que f es una aplicacio, quedant implicit que hi ha
un conjunt de sortida i un darribada. Si f es una aplicacio i (a, b) f, escriurem
f : a b o f(a) = b. 3
Si f : A B i g : C D son dues aplicacions, llavors f = g si i nomes si A = C,
B = D i f(a) = g(a) a A.
Sigui f : A B una aplicacio. Direm que f es injectiva si i nomes si f(a) =
f(a
t
) a = a
t
. Direm que f es exhaustiva si i nomes si b B, a A tal que
f(a) = b. Direm que f es bijectiva si i nomes si f es injectiva i exhaustiva.
Exemples 1.2.1
(1) Siguin A = 1, 2, 3, 4, B = a, b, c, d, e, C = a, b, c i D = a, b, c, d. Ara
dibuixarem uns diagrames que representen algunes aplicacions i uns altres que no
en representen cap.
1
2
3
4
f
1
A B A C
a
b
c
d
e
1
2
3
4
f
2
a
b
c
es aplicacio injectiva. es aplicacio exhaustiva.
1
2
3
4
g
1
A D A C
a
b
c
d
1
2
3
4
g
2
a
b
c
es aplicacio bijectiva. es aplicacio i no es injectiva
ni exhaustiva.
14
`
1
2
3
4
h
1
A B A C
a
b
c
d
e
1
2
3
4
h
2
a
b
c
no es aplicacio. no es aplicacio.
Per exemple, el primer diagrama representa laplicacio
f
1
: A B
1 b
2 a
3 e
4 c
(2) Si A es un conjunt, laplicacio
id
A
: A A,
denida per id
A
(x) = x per a tot x A, es bijectiva i es diu aplicacio identitat sobre
A.
(3) Sigui A un conjunt i B A. Laplicacio
: B A,
denida per (x) = x per a tot x B, es injectiva i es diu inclusio canònica de B
en A. 3
1.2.1 Imatge i antiimatge
Sigui f : A B una aplicacio. Siguin C A i D B. Denim la imatge de C per
f com
f(C) = f(x) [ x C.
Denim la imatge de f com Im(f) = f(A). Denim lantiimatge de D per f com
f
1
(D) = x A [ f(x) D.
Fent un ab us de notacio, escriurem f
1
(b) en comptes de f
1
(b) quan b B.
Observem que f es exhaustiva si i nomes si Im(f) = B.
1.2.2 Composicio daplicacions
Siguin f : A B i g : B C aplicacions. La composicio de f amb g es laplicacio
g f : A C
denida per (g f)(x) = g(f(x)), per a tot x A.
Proposicio 1.2.2 Siguin f : A B, g : B C i h: C D aplicacions. Llavors
(i) h (g f) = (h g) f.
(ii) id
B
f = f id
A
= f.
Demostraci o. Sigui a A.
(i) Tenim (h(gf))(a) = h((gf)(a)) = h(g(f(a))) i ((hg)f)(a) = (hg)(f(a)) =
h(g(f(a))). Per tant h (g f) = (h g) f.
(ii) Tenim (id
B
f)(a) = id
B
(f(a)) = f(a) i (f id
A
)(a) = f(id
A
(a)) = f(a). Per
tant id
B
f = f id
A
= f.
1.2.3 Inversa duna aplicacio bijectiva
Proposicio 1.2.3 Siguin A i B conjunts no buits, i sigui f : A B una aplicacio.
Llavors les armacions seg uents son equivalents.
(i) f es bijectiva.
(ii) Existeix g : B A tal que g f = id
A
i f g = id
B
.
Demostraci o. Sigui f : A B una aplicacio bijectiva. Observem que per a cada
y B, f
1
(y) es un subconjunt de A dun element. Aix podem denir una aplicacio
g : B A,
per g(y) = x si i nomes si f(x) = y. Llavors g satisfà les propietats que volem. Això
demostra que (i) (ii).
16
`
Demostrem que (ii) (i). Si a
1
i a
2
son elements de A tals que f(a
1
) = f(a
2
),
llavors, com que g f = id
A
, a
1
= g(f(a
1
)) = g(f(a
2
)) = a
2
. Aix doncs, f es
injectiva. Sigui b B, com que f g = id
B
, f(g(b)) = b. Per tant g(b) f
1
(b), i
podem concloure que f es exhaustiva. Per tant f es bijectiva.
Laplicacio g de la Proposicio 1.2.3 es diu aplicacio inversa de f, i es denota
per f
1
. Observem que la inversa duna aplicacio es unica, perquè si tenim dues
aplicacions g i g
t
satisfent que g f = id
A
i f g
t
= id
B
, llavors
g = g
_
f g
t
_
= (g f) g
t
= g
t
.
Observem que si f : A B es una aplicacio bijectiva, llavors f
1
(b), per a b B,
te dos signicats: la imatge de b per laplicacio inversa de f i lantiimatge de b
per laplicacio f. Pel context quedarà clar què signica en cada cas.
Exemple 1.2.4 Considerem les aplicacions:
f : N N
n n + 1
g : N N
n n 1 si n > 0
0 0
llavors g f = id
N
però f g ,= id
N
. Noteu que f es injectiva i no es exhaustiva, per
tant f no es bijectiva. 3
1.3 Els nombres naturals
El conjunt dels nombres naturals N es un conjunt innit totalment ordenat:
0 < 1 < 2 < 3 < 4 < < n < . . .
Observem tambe que tot subconjunt S no buit de N te mnim, es a dir, existeix
s S tal que s x per a tot x S.
Una de les propietats mes importants dels nombres naturals es la seg uent.
1.3.1 El principi dinduccio
El principi dinduccio diu que si S es un subconjunt de N tal que:
(1) 0 S,
(2) n S n + 1 S,
llavors S = N.
Aquesta propietat susa principalment per demostrar formules o teoremes que
depenen dels nombres naturals. Aix, per exemple si volem demostrar que una
formula F(n) es certa per a tot nombre natural n, el que podem fer es considerar
S = n N [ F(n) es certa ,
i comprovar que aquest subconjunt dels natural compleix les condicions (i) i (ii) del
principi dinduccio. Llavors el principi dinduccio ens diu que S = N, que es el que
es volia demostrar.
A la pràctica, el conjunt S no sexplicita, simplement es verica que F(0) sigui
certa, i es demostra que si F(n) es certa llavors tambe ho es F(n + 1). Llavors, pel
principi dinduccio, obtenim que F(n) es certa per a tot nombre natural n. Aquest
tipus de demostracio es diu demostracio per induccio.
Exemple 1.3.1 Demostrarem per induccio que
0 + 1 + 2 +... +n =
n(n + 1)
2
per a tot natural n.
Per n = 0, es clar que es compleix la formula. Suposem que es compleix 0 +1 +2 +
... +n =
n(n+1)
2
. Per tant 0+1+2+... +n+(n+1) =
n(n+1)
2
+(n+1) =
(n+1)(n+1+1)
2
.
I per induccio tenim que
0 + 1 + 2 +... +n =
n(n + 1)
2
per a tot natural n. 3
A vegades es difcil demostrar F(n) F(n+1), però en canvi es pot demostrar
mes fàcilment que si F(m) es certa per a tot m n llavors F(n+1) tambe es certa.
Però això no es cap problema, ja que els nombres naturals tambe compleixen la
propietat seg uent.
Principi dinduccio completa. Sigui S un subconjunt de N tal que:
(1) 0 S,
(2) (m n, m S) n + 1 S,
llavors S = N.
Per tant, si veriquem que F(0) es certa, i demostrem que si F(m) es certa per
a tot m n llavors F(n+1) tambe es certa, el principi dinduccio completa ens diu
que llavors F(n) es certa per a tot nombre natural.
18
`
Exemple 1.3.2 Considerem la successio de Fibonacci:
1, 1, 2, 3, 5, 8, . . . , a
n
, . . .
on el terme general a
n
compleix
a
n
= a
n1
+a
n2
n 2.
Demostrarem que
a
n
=
5 +
5
10
_
1 +
5
2
_
n
+
5
5
10
_
1
5
2
_
n
n N.
Per a n = 0, tenim
1 = a
0
=
5 +
5
10
+
5
5
10
.
Per a n = 1, tenim
1 = a
1
i
5 +
5
10

1 +
5
2
+
5
5
10

1
5
2
= 1.
Suposem que n 1 i que
a
m
=
5 +
5
10
_
1 +
5
2
_
m
+
5
5
10
_
1
5
2
_
m
m n.
Ara
a
n+1
= a
n
+a
n1
=
5+
5
10
_
1+
5
2
_
n
+
5
5
10
_
1
5
2
_
n
+
5+
5
10
_
1+
5
2
_
n1
+
5
5
10
_
1
5
2
_
n1
=
5+
5
10
_
1+
5
2
_
n1
_
1+
5
2
+ 1
_
+
5
5
10
_
1
5
2
_
n1
_
1
5
2
+ 1
_
=
5+
5
10
_
1+
5
2
_
n1
_
3+
5
2
_
+
5
5
10
_
1
5
2
_
n1
_
3
5
2
_
.
Observem que
_
1 +
5
2
_
2
=
_
6 + 2
5
4
_
=
_
3 +
5
2
_
i
_
1
5
2
_
2
=
_
6 2
5
4
_
=
_
3
5
2
_
.
Per tant
a
n+1
=
5 +
5
10
_
1 +
5
2
_
n+1
+
5
5
10
_
1
5
2
_
n+1
.
Pel principi dinduccio completa,
a
n
=
5 +
5
10
_
1 +
5
2
_
n
+
5
5
10
_
1
5
2
_
n
n N. 3
1.4 Exercicis
Exercici 1 Considerem els subconjunts de nombres reals seg uents:
A = x R [ 0 x 5 o x
2
+ 3x + 2 = 0,
B = x R [ x < 60 i sinx > 0,
C = x R [ e x
50 i lnx > 1.
Descriviu, com a unio dintervals disjunts o punts allats, els conjunts A B C,
AB, AC, B C, AB, AC, B C, (AB) C, (AB) C, AB C.
Exercici 2 Considerem els subconjunts del pla R
2
seg uents:
A = (x, y) R
2
[ 3x 2y 5,
B = (x, y) R
2
[ 2x +y 1,
C = (x, y) R
2
[ y 3.
Quina gura geomètrica es A B C? Calculeu els seus vèrtexs i dibuixeu-la.
Exercici 3 Considerem el subconjunt de lespai R
3
seg uent:
A = (x, y, z) R
3
[ 0 x, y, z 1.
Quina gura geomètrica es? Siguin , R xats. Considerem els plans de R
3
seg uents:
B = (x, y, z) R
3
[ x +y +z = ,
C = (x, y, z) R
3
[ x +y = .
Descriviu quines gures geomètriques son AB i AC, en funcio dels valors de
i . Trobeu un pla de R
3
tal que A sigui un pentàgon.
Exercici 4 Siguin A, B i C subconjunts dun conjunt X. Demostreu les propietats
seg uents:
20
`
(a) Associatives: A (B C) = (A B) C, A (B C) = (A B) C.
(b) Commutatives: A B = B A, A B = B A.
(c) Lleis dabsorcio: A (A B) = A, A (A B) = A.
(d) Lleis didempotència: A A = A, A A = A.
(e) Distributives: A(BC) = (AB)(AC), A(BC) = (AB)(AC).
(f ) A A
c
= X, A A
c
= .
(g) (A
c
)
c
= A.
(h) Lleis de de Morgan: (A B)
c
= A
c
B
c
, (A B)
c
= A
c
B
c
.
(i) A B A B = A A B = B (el smbol es llegeix si
i nomes si, i signica que es compleix la condici o de la seva esquerra si i
nomes si es compleix la condicio de la seva dreta);
(j) (A B) C = (AC) (B C) ; (A B) C = (AC) (B C);
(k) A B ,= A ,= o B ,= ;
(l) A B ,= A ,= i B ,= ;
(m) A A = ;
(n) A (A B) = A B;
(o) A (A B) = A B;
(p) (A B) B = A B;
(q) (A B) A = ;
(r) (A B) B = A B;
(s) (A B) B = A B;
(t) A (B C) = (A B) (A C);
(u) (A C) (B C) = (A B) C;
(v) (A B) B = A B A;
(x) A (B C) = (A B) (A C).
Exercici 5 Son equivalents A , B i B A?
Exercici 6 Sigui T(A) el conjunt de les parts de A.
(a) Escriviu els elements de T(A) ( parts de A ), on A = a, b, c, d.
(b) Si A = 1, 2, escriviu els elements de T(A) i T(T(A)).
(c) Si A es un conjunt de n elements, quants elements te T(A)?
(d)

Es cert que T(AB) = T(A) T(B)?
Exercici 7 Descriviu, com a unio dintervals disjunts o punts allats, la unio i la
interseccio dels subconjunts de R seg uents:
P
k
=
_
x R [
1
2
k+1
x
1
2
k
_
k = 0, 1, 2, . . . ,
es a dir,

k=0
P
k
i

k=0
P
k
.
Exercici 8 Donat un conjunt nit A, indiquem per [A[ el nombre delements de A
(cardinal de A). Siguin A i B dos conjunts nits.
(a) Proveu que [A B[ = [A[ +[B[ [A B[.
(b) Es pot trobar una formula semblant per a tres conjunts nits A, B i C? I per
a n conjunts?
(c) Una mostra de 1000 estudiants ens dona els resultats seg uents: 850 prenen
apunts a classe, 200 fan alguna consulta al professor i 350 consulten algun lli-
bre; 130 prenen apunts a classe i fan alguna consulta al professor, 200 prenen
apunts a classe i consulten algun llibre, 30 fan alguna consulta al professor i
consulten algun llibre i nomes 20 fan les tres coses. Te solta aquesta distribu-
cio?
Exercici 9 Quines de les relacions seg uents entre enters positius ( i tots els enters
a lapartat (d) ) son reexives, simètriques o transitives:
(a) a b a < b.
(b) a b a b < 2.
(c) a b b es m ultiple de a.
(d) a b a b < 0 o a = b = 0.
22
`
Exercici 10 Demostreu que les relacions denides a continuacio son dequivalència.
(a) Al conjunt dels nombres enters, x y x y es m ultiple de 3.
(b) Al conjunt dels nombres reals, x y x y = 2k per a algun enter k.
Exercici 11 Considerem el conjunt dels punts del pla, es a dir R
2
. Estudieu si les
relacions seg uents son dequivalència.
(a) (x, y) (x
t
, y
t
) si les seves distàncies respectives a lorigen son iguals.
(b) (x, y) (x
t
, y
t
) x x
t
i y y
t
son enters.
(c) (x, y) (x
t
, y
t
) x x
t
= y y
t
.
Exercici 12 Denim al conjunt dels nombres enters la relacio a b 0 < a b.
Proveu que es simètrica i transitiva però no reexiva.
Exercici 13 Trobeu lerror en largument seg uent:
Sigui una relacio binària simètrica i transitiva en un conjunt A. Si x y,
llavors, per la propietat simètrica, y x, i per la propietat transitiva, x x.
Això demostra que compleix la propietat reexiva. Per tant es una relacio
dequivalència.
Exercici 14 Demostreu que les relacions binàries que denim a continuacio son
relacions dordre.
(a) Sigui X un conjunt. A T(X) denim la relacio per: AB A B.
(b) Al conjunt dels enters positius denim la relaci o per: a b b es
m ultiple de a.
Exercici 15 Siguin A i B conjunts nits no buits. Sigui f : A B una aplicacio.
Demostreu que:
(a) Si f es injectiva llavors [A[ [B[.
(b) Si f es exhaustiva llavors [A[ [B[.
(c) Si f es bijectiva llavors [A[ = [B[.
Exercici 16 Sigui A un conjunt nit no buit. Sigui f : A A una aplicacio. De-
mostreu que f es injectiva si i nomes si f es exhaustiva.

Es certa aquesta armacio
si A es un conjunt innit?
Exercici 17 Considerem laplicacio : Z(Z 0) Q donada per (p, q) =
p
q
.
Comproveu que es exhaustiva i calculeu lantiimatge de
p
q
.
Exercici 18 Digueu si son injectives, exhaustives o bijectives les aplicacions seg uents:
(a) f : R R donada per f(x) = e
x
,
(b) f : R R donada per f(x) = x
3
,
(c) f : R R donada per f(x) = x
3
2x
2
,
(d) f : R R donada per f(x) = sinx,
(e) f : R [1, 1] donada per f(x) = cos x.
Exercici 19 Sigui f : R R
+
, on R
+
es el conjunt dels reals positius, laplicacio
denida per f(x) = e
x
3
. Comproveu que es bijectiva. Calculeu la seva inversa.
Exercici 20 Digueu si son injectives o exhaustives aquestes aplicacions:
(a) f : Z Z donada per f(a) = 2a + 1.
(b) f : R
1
[x] R
2
[x] donada per f(ax + b) = x
2
(a + b)x + ab. Aqu, R
n
[x]
denota els polinomis amb coecients reals de grau menor o igual que n, per a
cada nombre natural n.
(c) f : R[x] R[x] donada per f(p(x)) = p
t
(x), la derivada de p(x).
Exercici 21 Sigui f : X Y una aplicacio, siguin A i B subconjunts de X, i C i
D subconjunts de Y . Demostreu o trobeu un contraexemple per a cadascuna de les
armacions seg uents:
(a) f(A B) = f(A) f(B),
(b) f(A B) = f(A) f(B),
(c) f(A B) = f(A) f(B),
(d) f
1
(f(A)) = A,
(e) f
1
(C D) = f
1
(C) f
1
(D),
(f ) f
1
(C D) = f
1
(C) f
1
(D),
(g) f
1
(C D) = f
1
(C) f
1
(D),
24
`
(h) f(f
1
(C)) = C.
De les armacions que son falses, quines es tornen certes si suposem que f es
injectiva? I si suposem que es exhaustiva?
Exercici 22 Demostreu que la composicio daplicacions injectives es injectiva, i que
la composicio daplicacions exhaustives es exhaustiva.
Exercici 23 Siguin f : A B i g : B C aplicacions i sigui h = g f la
composicio. Demostreu que
(a) h injectiva f injectiva.
(b) h exhaustiva g exhaustiva.
(c) h exhaustiva i g injectiva f exhaustiva.
(d) h injectiva i f exhaustiva g injectiva.
Exercici 24 Siguin f : A B, g : B C i h : C A aplicacions. Demostreu
les proposicions seg uents.
(a) Si h g f, g f h i f h g son injectives llavors f, g i h son injectives.
(b) Si hg f, g f h i f hg son exhaustives llavors f, g i h son exhaustives.
(c) Si h g f i f h g son bijectives llavors f es bijectiva, g es injectiva i h es
exhaustiva.
Exercici 25 Demostreu per induccio que per a tot natural n es verica:
(a) 1 + 2
3
+ 3
3
+ +n
3
=
_
n(n+1)
2
_
2
.
(b) n
3
n es m ultiple de 6.
(c) Si a R i 1 ,= r R, llavors a +ar +ar
2
+ +ar
n1
=
a(1r
n
)
1r
.
(d) Si a, b Z, llavors a
n
b
n
es m ultiple de a b.
(e) n < 2
n
.
(f ) n
3
+ (n + 1)
3
+ (n + 2)
3
es divisible per 9.
Captol 2
Grups
En el captol anterior hem introdut una mica de llenguatge de Teoria de Conjunts.
Usant aquest llenguatge, ens introdurem en la part de les matemàtiques anomenada
`
Algebra. Essencialment, l
`
Algebra estudia les estructures algebraiques, i una estruc-
tura algebraica consisteix en un conjunt amb una o mes operacions que compleixen
una sèrie de propietats.
Una de les estructures algebraiques mes simples, però a la vegada importants,
es la de grup.
Un grup es un conjunt G junt amb una operacio
: GG G
(a, b) a b
que compleix les propietats seg uents:
(1) Associativa: (a b) c = a (b c) a, b, c G.
(2) Element neutre: e G tal que a e = e a = a a G.
(3) Element simètric: a G a
t
G tal que a a
t
= a
t
a = e.
Si a mes a mes es compleix la propietat commutativa:
(4) a b = b a a, b G,
diem que G es un grup abelià o commutatiu.
Lema 2.0.1 En un grup (G, ) lelement neutre es unic. A mes, cada element de
G te un unic element simètric.
25
26
`
Demostraci o. Siguin e
1
, e
2
elements neutres de G. Llavors
e
1
= e
1
e
2
= e
2
.
Per tant G nomes te un element neutre.
Sigui a G i siguin a
1
, a
2
G elements simètrics de a. Llavors
a
1
= a
1
e = a
1
(a a
2
) = (a
1
a) a
2
= e a
2
= a
2
,
on e es lelement neutre de G. Per tant lelement simètric de a es unic.
Notacio: A partir dara, quan parlem dun grup G arbitrari, usarem la notacio
multiplicativa, es a dir, entendrem que loperacio de G es la multiplicacio:
GG G
(a, b) ab
Amb aquesta notacio lelement neutre de G es denota per 1 i es diu que es la unitat
de G, i lelement simètric de a G es denota per a
1
i es diu linvers de a.
Quan treballem amb un grup abelià G arbitrari, usarem la notacio additiva, es
a dir, entendrem que loperacio es la suma:
GG G
(a, b) a +b
Amb la notacio additiva lelement neutre de G es denota per 0 i es diu que es el zero
de G, i lelement simètric de a G es denota per a i es diu loposat de a. 3
Exemples 2.0.2
(1) (Z, +), (Q, +), (R, +) son grups abelians.
(2) (1, 1, ), (Q 0, ), (R 0, ) son grups abelians.
(3) En la Teoria de la Relativitat especial, la composicio de dues velocitats v
1
i v
2
en la mateixa direccio es
v
1
+v
2
1 +
v
1
v
2
c
2
,
on c es la velocitat de la llum. Sigui G = (c, c) linterval de nombres reals entre
c i c. Donats v
1
, v
2
G, denim
v
1
v
2
=
v
1
+v
2
1 +
v
1
v
2
c
2
.
Fixat v
1
G, denim la funcio f : R
c
2
v
1
R per la formula
f(x) =
v
1
+x
1 +
v
1
x
c
2
.
2. Grups 27
La funcio f(x) es derivable a tot el seu domini i la seva derivada es
f
t
(x) =
1
v
2
1
c
2
_
1 +
v
1
x
c
2
_
2
.
Com que v
2
1
< c
2
, tenim que f
t
(x) > 0 per a tot x R
c
2
v
1
, i per tant f(x) es
contnua i creixent a linterval [c, c]. Aix f(c) < f(v
2
) < f(c) per a tot v
2
G,
i això ens diu que
c < v
1
v
2
< c
per a tot v
1
, v
2
G, es a dir, v
1
v
2
G per a tot v
1
, v
2
G. Aix tenim denida
una operacio
: GG G
(v
1
, v
2
) v
1
v
2
Es mes o menys llarg comprovar que aquesta operacio es associativa, que lelement
neutre es el 0 i que lelement simètric de v es v. A mes, loperacio tambe es
commutativa. Per tant G amb loperacio es un grup abelià. Aquest grup modela
la composicio de velocitats de la mateixa direccio en Relativitat especial. 3
Una famlia molt important dexemples de grups ve donada per la proposicio
seg uent.
Proposicio 2.0.3 Sigui X un conjunt no buit. Considerem
S(X) = f : X X [ f es bijectiva.
Llavors S(X) amb la composicio daplicacions es un grup que es diu grup de per-
mutacions de X o tambe grup simètric sobre X.
Demostraci o. Observem que la composicio daplicacions bijectives es una aplica-
cio bijectiva (vegeu lexercici 22 del captol 1). De fet, si f, g S(X) llavors
(f g)
1
= g
1
f
1
.
Sabem que la composicio daplicacions es associativa. Laplicacio id
X
es lelement
neutre de S(X). A mes, si f S(X) llavors f
1
S(X) i
f f
1
= f
1
f = id
X
.
Si X es un conjunt amb un nombre innit delements llavors S(X) te un nombre
innit delements. Si X es un conjunt nit llavors S(X) tambe ho es.
28
`
Lema 2.0.4 Siguin X i Y conjunts no buits amb n elements llavors el nombre
daplicacions bijectives de X a Y es n(n 1) 1 = n!.
En particular, si X te n elements llavors S(X) te n! = n(n 1) 1 elements.
(El smbol n! es llegeix factorial de n i, com veiem, denota el producte de tots els
enters entre 1 i n ambdos inclosos).
Demostraci o. Farem la demostracio per induccio sobre n. Si n = 1 llavors nomes
existeix una aplicacio bijectiva entre X i Y . Com que 1 = 1!, larmacio es certa en
aquest cas. Suposem que n > 1 i que el nombre daplicacions bijectives entre dos
conjunts de n1 elements es (n1)!. Hem de demostrar que el nombre daplicacions
bijectives entre dos conjunts de n elements es n!.
Sigui X = a
1
, . . . , a
n
= a
1
, . . . , a
n1
a
n
. Si f : X Y es una aplicacio
bijectiva llavors la imatge per f de a
n
pot ser qualsevol dels n elements de Y . A
mes, f : a
1
, . . . , a
n1
Y f(a
n
) es una aplicacio bijectiva per la qual tenim
(n 1)! possibilitats. En total, el nombre daplicacions f : X Y bijectives es
n ((n 1)!) = n!.
Si X = 1, 2, . . . , n llavors S(X) es denota per S
n
i es diu grup de permutacions
de n elements o tambe grup simètric de rang n . Els elements de S
n
es diuen
permutacions. Si S
n
, escrivim
=
_
1 2 . . . n
(1) (2) . . . (n)
_
Per exemple, la permutacio
_
1 2 3
2 1 3
_
es laplicacio
1, 2, 3 1, 2, 3
1 2
2 1
3 3
Si , S
n
, sovint escriurem en comptes de . Tambe escriurem
m
per
denotar la composicio de amb ella mateixa m vegades.
Si n > 2, el grup S
n
no es abelià. Per exemple, a S
3
tenim:
_
1 2 3
2 1 3
__
1 2 3
1 3 2
_
=
_
1 2 3
2 3 1
_
i
_
1 2 3
1 3 2
__
1 2 3
2 1 3
_
=
_
1 2 3
3 1 2
_
,
que son dues permutacions diferents.
2. Grups 29
2.1 Subgrups i morsmes de grups
Un subconjunt H dun grup G es diu que es un subgrup de G si ab H per a tot
a, b H i H amb loperacio de G restringida a elements de H es un grup.
Proposicio 2.1.1 Sigui H un subconjunt dun grup G. Llavors les condicions
seg uents son equivalents:
(i) H es un subgrup de G.
(ii) ab H a, b H,
a
1
H a H i
1 H.
(iii) H ,= i ab
1
H a, b H.
Demostraci o. (i) (ii) Sigui e lelement neutre de H. Hem de veure que e = 1,
es a dir, que e es lelement neutre de G. Tenim que e e = e. Sigui e
1
linvers de e
al grup G. Llavors
1 = e e
1
= (e e) e
1
= e (e e
1
) = e 1 = e.
La resta es clar.
(ii) (iii)

Es clar.
(iii) (i) Com que H ,= , existeix x H. Ara 1 = xx
1
H. Siguin a, b H.
Llavors b
1
= 1 b
1
H, i per tant ab = a(b
1
)
1
H. La propietat associativa
es compleix a G i en particular tambe a H.
Exemples 2.1.2
(1) Si G es un grup llavors 1 i G son subgrups de G.
(2) Z Q R son subgrups de R.
(3) 1, 1 es un subgrup del grup multiplicatiu R 0.
(4) El conjunt G de rotacions o girs del pla R
2
amb centre (0, 0) es un subgrup
commutatiu de S(R
2
).
Demostraci o. Sigui R. Denotem per f
: R
2
R
2
el gir de centre lorigen i
dangle . Notem que
f
= f
+
= f
. (2.1)
30
`
En particular, veiem que la composicio de dos girs es un gir i que loperacio es
commutativa. Aplicant la igualtat (2.1) a f
i a f
0
, on f
0
es el gir dangle 0 i centre
lorigen, veiem que f
0
es lelement neutre de G. La igualtat (2.1) tambe ens diu que
linvers de f
es f
.
Aquest grup es diu grup especial ortogonal de dimensio 2 i es denota per SO
2
(R).
3
Per comparar dues estructures algebraiques del mateix tipus sobre conjunts A
i B, per exemple dos grups, estudiem les aplicacions f : A B que conserven les
operacions. Aquestes aplicacions es diuen homomorsmes.
Siguin G
1
, G
2
grups. Una aplicacio f : G
1
G
2
tal que f(xy) = f(x)f(y) per
a tot x, y G
1
es diu homomorsme o morsme de grups.
Un monomorsme es un homomorsme injectiu. Un epimorsme es un homo-
morsme exhaustiu. Un isomorsme es un homomorsme bijectiu. Un homomor-
sme dun grup G en ell mateix es diu endomorsme de G. Un endomorsme de G
bijectiu es diu automorsme de G.
Es diu que dos grups G
1
, G
2
son isomorfs si existeix un isomorsme entre ells.
Escrivim G
1

= G
2
per denotar que G
1
i G
2
son isomorfs.
Abans hem dit que els homomorsmes serveixen per comparar dues estructures
algebraiques. Aix, dos grups isomorfs, encara que no siguin iguals, tenen les ma-
teixes propietats; per exemple, si un te 6 elements, laltre tambe, si un es abelià,
laltre tambe, etc.

Es a dir, que si coneixem les propietats dun grup concret, tambe
coneixem automàticament les propietats de tots els grups isomorfs a aquest. Això
fa que el problema mes important en lestudi dels grups sigui el de la seva classi-
cacio mòdul la relacio disomora. Però això es un problema molt difcil i tema
dinvestigacio dels matemàtics.
Exemples 2.1.3
(1) Si n es un enter xat llavors laplicacio
f : Z Z
z nz
es un homomorsme.
Demostraci o.
f(z
1
+z
2
) = n(z
1
+z
2
) = nz
1
+nz
2
= f(z
1
) +f(z
2
)
per a tot z
1
, z
2
Z.
2. Grups 31
(2) La funcio exp(x) = e
x
es un morsme de grups entre (R, +) i (R 0, ), perquè
e
x+y
= e
x
e
y
. A mes, e
x
= e
y
si i nomes si x = y, per tant exp es un monomorsme.
(3) Si G
1
i G
2
son grups llavors laplicacio f : G
1
G
2
, denida per f(x) = 1 per a
tot x G
1
, es un homomorsme que es diu homomorsme trivial.
(4) Si H es un subgrup dun grup G llavors la inclusio natural
: H G
x x
es un monomorsme.
(5) Sigui a un element dun grup G. Laplicacio
f : G G
x a
1
xa
es un automorsme de G, de fet
f
1
: G G
x axa
1
En efecte, f(xy) = a
1
xya = a
1
xaa
1
ya = f(x)f(y), per a tot x, y G. 3
Proposicio 2.1.4 Sigui f : G
1
G
2
un morsme de grups. Llavors
(i) f(1) = 1.
(ii) f(x
1
) = f(x)
1
x G
1
.
(iii) Si f es bijectiva llavors f
1
: G
2
G
1
es morsme de grups.
Demostraci o. (i) f(1) = f(1 1) = f(1)f(1). Multiplicant aquesta igualtat per
f(1)
1
, obtenim 1 = f(1).
(ii) f(x
1
)f(x) = f(x
1
x) = f(1) = 1. Per tant f(x
1
) = f(x)
1
.
(iii) Siguin x, y G
2
. Siguin z = f
1
(x) i t = f
1
(y). Llavors f(zt) = f(z)f(t) =
xy. Per tant f
1
(xy) = zt = f
1
(x)f
1
(y).
Denim el nucli dun morsme de grups f : G
1
G
2
com el conjunt
Ker (f) = x G
1
[ f(x) = 1.
1
G
2
un morsme de grups. Llavors
(i) Ker (f) es un subgrup de G
1
.
32
`
(ii) Im(f) es un subgrup de G
2
.
Demostraci o. (i) Com que, per la Proposicio 2.1.4, f(1) = 1, tenim que 1
Ker (f). Siguin x, y Ker (f). Llavors, per la Proposicio 2.1.4,
f(xy
1
) = f(x)f(y)
1
= 1 1
1
= 1.
Per tant xy
1
Ker (f) i, per la Proposicio 2.1.1, això demostra que Ker (f) es un
subgrup de G
1
.
(ii) Observem que f(1) = 1 Im(f). Siguin z, t Im(f). Llavors existeixen
x, y G
1
tals que f(x) = z i f(y) = t. Ara, per la Proposicio 2.1.4, tenim que
zt
1
= f(x)f(y)
1
= f(xy
1
) Im(f).
Per tant, per la Proposicio 2.1.1, Im(f) es un subgrup de G
2
.
A partir daqu, usarem les proposicions 2.1.4 i 2.1.1 sense citar-les.
1
G
2
un morsme de grups. Llavors f es injectiva
si i nomes si Ker (f) = 1.
Demostraci o. Suposem que f es monomorsme. Com que f(1) = 1, si f(a) = 1
per a un cert a G
1
, llavors la injectivitat de f implica a = 1, i això demostra que
Ker (f) = 1.
Suposem ara que Ker (f) = 1. Siguin a i b elements de G
1
tals que f(a) = f(b).
Llavors
1 = f(a)f(b)
1
= f(a)f(b
1
) = f(ab
1
),
i per tant ab
1
Ker (f) = 1. Com que ab
1
= 1, multiplicant la igualtat per b
per la dreta, podem concloure que a = b. Això demostra que f es injectiva.
El teorema seg uent demostra que els grups de permutacions juguen un paper
molt important dins la Teoria de grups.
Teorema 2.1.7 (Cayley) Sigui G un grup llavors existeix un morsme de grups
injectiu : G S(G).

Es a dir, tot grup es pot veure com un subgrup dun grup de
permutacions.
Demostraci o. Sigui g G, considerem laplicacio
g
: G G denida per
g
(h) = gh per qualsevol h G. Laplicacio
g
es bijectiva perquè
g

g
1 =
g
1
g
= id
G
(cf. Proposici 1.2.3), per tant
g
S(G).
Denim : G S(G) per (g) =
g
. Veurem que es un morsme de grups
injectiu.
2. Grups 33
Siguin g, h, x G. Tenim
((gh))(x) =
gh
(x) = ghx = (
g

h
)(x) = ((g) (h))(x).
Per tant (gh) = (g) (h), i això demostra que es un morsme de grups.
Sigui h Ker (). Llavors (h) = id
G
i, per tant hx = (h)(x) = x per a tot
x G. En particular, per a x = 1, tenim que h = 1. Per la Proposicio 2.1.6, es
injectiva.
2.2 El grup de permutacions de n elements
Recordem que el grup de permutacions de n elements es el grup S
n
de totes les
aplicacions bijectives de 1, 2, . . . , n en ell mateix. El fet que el nombre de permu-
tacions de n elements sigui un grup nit te com a conseq uència el resultat seg uent.
Proposicio 2.2.1 Sigui n un enter mes gran o igual que 1 i sigui S
n
. Llavors
existeix un enter r 1 tal que
r
= id.
Demostraci o. Considerem la successio innita
,
2
, . . . ,
s
, . . . .
Com que S
n
te un nombre nit delements, no tots els elements de la successio poden
ser diferents. Per tant existeixen s i s
t
, amb s > s
t
, tals que
s
=
s
. Això implica
que
ss
= id. Prenent r = s s
t
obtenim el resultat que volem.
Sigui n un enter positiu. Es diu que lordre duna permutacio S
n
es el mnim
enter positiu r tal que
r
= 1.
Observem que lordre de id es 1.
Si n > m, podem veure el grup de permutacions de m elements dins del grup
de permutacions de n elements a traves del morsme de grups injectiu f : S
m
S
n
denit per f() =
t
, on
t
(a) = (a) si a 1, . . . , m i
t
(a) = a si a m +
1, . . . , n. De fet, veiem S
m
dins de S
n
com el subgrup de les permutacions que
deixen xos els elements m+ 1, m+ 2, . . . , n.
2.2.1 Descomposicio en producte de cicles i en producte de trans-
posicions.
Direm que una permutacio S
n
mou lelement i 1, . . . , n si (i) ,= i.
34
`
Sigui r un enter mes gran que 1. Un cicle de longitud r, es una permutacio
c S
n
que mou exactament r elements a
1
, a
2
, . . . , a
r
de 1, 2, . . . , n de la manera
seg uent:
c(a
1
) = a
2
, c(a
2
) = a
3
, . . . , c(a
r1
) = a
r
, c(a
r
) = a
1
.
Denotarem el cicle c per
c = (a
1
, a
2
, . . . , a
r
).
Un cicle de longitud 2 es diu transposicio.
Lordre dun cicle de longitud r es r perquè si c = (a
1
, a
2
, . . . , a
r
) S
n
, llavors
tenim la successio seg uent:
a
i
, c(a
i
) = a
i+1
, . . . , c
ri
(a
i
) = a
r
, c
ri+1
(a
i
) = a
1
, . . . , c
r
(a
i
) = a
i
,
per a tot i = 1, . . . , r, i per tant r es lenter positiu mes petit tal que c
r
= id.
Veurem que tota permutacio es pot escriure com a producte de permutacions
mes senzilles. Aquestes permutacions mes senzilles seran els cicles. La idea bàsica
per obtenir aquest tipus de descomposicio està continguda en el lema seg uent.
Lema 2.2.2 Siguin n un enter mes gran que 1, S
n
i a 1, . . . , n. Llavors
existeix k 1 tal que
k
(a) = a. A mes, si (a) ,= a i k es mnim amb la propietat
k
(a) = a, llavors
=
1
(a, (a), . . . ,
k1
(a)),
on
1
es una permutacio que deixa xos els elements de B a, (a), . . . ,
k1
(a),
on B denota el conjunt delements xats per .
Demostraci o. Considerem la successio innita
a, (a),
2
(a), . . . ,
s
(a), . . .
Com que tots aquests elements son del conjunt nit 1,. . . ,n, existeixen s i s
t
, amb
s > s
t
tals que
s
(a) =
s
(a). Per tant

ss
(a) = a. Prenent k = s s
t
obtenim
que
k
(a) = a.
Suposem que (a) ,= a i que k es mnim amb la propietat
k
(a) = a. Considerem
el cicle de longitud k, (a, (a), . . . ,
k1
(a)) i la permutacio
1
denida per
1
(a) = a
si a B a, (a), . . . ,
k1
(a) i per
1
(a) = (a) en qualsevol altre cas. Llavors
es clar que
1
(a, (a), . . . ,
k1
(a)) = i que
1
satisfà les propietats que volem.
Es diu que dos cicles (a
1
, a
2
, . . . , a
r
) i (b
1
, b
2
, . . . , b
s
) S
n
son disjunts si
a
1
, a
2
, . . . , a
r
b
1
, b
2
, . . . , b
s
= .
2. Grups 35
Observem que si c
1
, c
2
S
n
son cicles disjunts llavors
c
1
c
2
= c
2
c
1
.
Fent servir el Lema 2.2.2 obtenim el resultat seg uent.
Teorema 2.2.3 Tota permutacio de S
n
diferent de la identitat descompon en pro-
ducte de cicles disjunts dos a dos.
Demostraci o. Sigui S
n
, ,= id. Sigui a 1, . . . , n tal que (a) ,= a.
Llavors considerem la descomposicio
=
1
(a, (a), . . . ,
k1
(a)) =
1
c
1
,
donada pel Lema 2.2.2. Notem que el Lema 2.2.2 assegura que
1
te mes elements
xos que . Si
1
= id, llavors = c
1
es un cicle i ja hem acabat, si no, apliquem el
Lema 2.2.2 a la permutacio
1
per obtenir que
1
=
2
c
2
, on c
2
es un cicle disjunt
amb c
1
i
2
te mes elements xos que
1
. Obtenim doncs que =
2
c
2
c
1
. Si
2
es
la identitat, llavors = c
2
c
1
, si no, tornem a aplicar el Lema 2.2.2 a
2
.
Podem anar repetint aquest proces de manera indenida mentre la
i
que obte-
nim no sigui la identitat. Cada vegada la permutacio
i
deixa mes elements xos.
Com que el conjunt 1, . . . , n te un nombre nit delements, en un nombre nit
de passos hem dobtenir que
i
= id, i en aquest cas = c
i
. . . c
1
, on c
1
, . . . , c
i
son
cicles disjunts dos a dos.
Observacio 2.2.4 Es pot demostrar que la descomposicio obtinguda al Teore-
ma 2.2.3 es unica llevat de lordre en què posem els cicles. 3
El Teorema 2.2.3 permet calcular fàcilment lordre duna permutacio donada.
Corol
.
lari 2.2.5 Sigui S
n
i sigui = c
1
c
2
c
s
la descomposicio de en
producte de cicles disjunts. Per a i = 1, . . . , s, sigui r
i
lordre de c
i
. Llavors lordre
de es el mnim com u m ultiple de r
1
, . . . , r
s
.
Demostraci o. Sigui m el mnim com u m ultiple de r
1
, . . . , r
s
. Observem primer
que, com que els cicles disjunts commuten,
r
= c
r
1
c
r
s
. Si r es m ultiple de tots
els r
i
, llavors existeixen t
i
Z tals que r = r
i
t
i
per a tot i = 1, . . . , s. Per tant
r
= c
r
1
t
1
1
c
r
s
t
s
s
= id.
Això demostra que
m
= id.
36
`
Hem de veure que m es mnim satisfent aquesta propietat. Si m
t
es un enter
positiu i m
t
< m llavors algun r
i
no es divisor de m
t
. Fent la divisio entera de m
t
entre r
i
obtenim
m
t
= r
i
q
i
+s
i
,
on q
i
, s
i
Z i 0 < s
i
< r
i
. Aix
c
m
i
= c
r
i
q
i
+s
i
i
= c
s
i
i
,= id.
Com que els cicles c
1
, c
2
, . . . , c
s
son disjunts dos a dos, tenim que
m
= c
m
1
c
m
s
,=
id. Per tant lordre de es m.
Exemple 2.2.6 La descomposicio de
=
_
1 2 3 4 5 6 7 8
4 8 7 5 1 3 6 2
_
en producte de cicles disjunts es:
= (1, 4, 5)(2, 8)(3, 7, 6).
El seu ordre es el mnim com u m ultiple de 3, 2 i 3 que es 6. 3
Teorema 2.2.7 Sigui n un enter mes gran que 1. Tota permutacio de S
n
descom-
pon en producte de transposicions.
Demostraci o. En primer lloc veiem que id = (1, 2)(1, 2), per tant la identitat es
producte de transposicions.
Pel Teorema 2.2.3 tota permutacio diferent de la identitat descompon en pro-
ducte de cicles. Per tant nomes cal demostrar que tot cicle descompon en producte
de transposicions. Però això es clar ja que
(a
1
, a
2
, . . . , a
r
) = (a
1
, a
2
)(a
2
, a
3
) (a
r1
, a
r
).
Observacio 2.2.8 La descomposicio donada per Teorema 2.2.7 no es unica, però
es pot demostrar que els nombres de transposicions que apareixen en dues descom-
posicions duna mateixa permutacio tenen sempre la mateixa paritat. Això vol dir
que si una de les descomposicions te un nombre parell de transposicions, llavors lal-
tra tambe; o que si una te un nombre senar de transposicions llavors laltra tambe.
3
2. Grups 37
Exemple 2.2.9 Observem que
(a
1
, . . . , a
r
) = (a
1
, a
r
)(a
1
, a
r1
) (a
1
, a
3
)(a
1
, a
2
).
En particular (1, 2, 3) = (1, 2)(2, 3) = (1, 3)(1, 2). 3
Sigui S
n
i sigui = t
1
t
s
una descomposicio de en producte de trans-
posicions. Com que la paritat de s nomes depèn de , denim la signatura o signe
de com () = (1)
s
.
Si el signe de es 1 diem que la permutacio es parell, i si es 1, diem que
es senar.
Teorema 2.2.10 Laplicacio signatura : S
n
1, 1 es un morsme de grups.
Demostraci o. Siguin i dues permutacions amb descomposicions en producte
de transposicions:
= t
1
t
r
i = t
t
1
t
t
s
.
Llavors tenim una descomposicio en producte de transposicions de :
= t
1
t
r
t
t
1
t
t
s
.
Aix doncs () = (1)
r+s
= ()().
Per la Proposicio 2.1.5, el nucli de es un subgrup de S
n
. Aquest subgrup es
diu subgrup alternat i està format per totes les permutacions de signe 1, es a dir,
per totes les permutacions parells.
Exemple 2.2.11 Sigui
=
_
1 2 3 4 5 6 7 8
3 8 5 7 1 4 6 2
_
.
La descomposicio de en producte de cicles disjunts es
= (1, 3, 5)(2, 8)(4, 7, 6).
Lordre de es
o() = m.c.m.(3, 2, 3) = 6.
Per calcular la signatura de , la descomponem en producte de transposicions:
= (1, 3)(3, 5)(2, 8)(4, 7)(7, 6).
38
`
Llavors el signe de es 1 elevat al nombre de transposicions en què descompon:
() = (1)
5
= 1.
Calculem ara
1000
. Sabem que
6
= id. Fent la divisio entera de 1000 entre 6,
obtenim
1000 = 6 166 + 4.
Per tant
1000
= (
6
)
166
4
=
4
.
Aix
1000
=
4
= (1, 3, 5)
4
(2, 8)
4
(4, 7, 6)
4
= (1, 3, 5)(4, 7, 6) =
_
1 2 3 4 5 6 7 8
3 2 5 7 1 4 6 8
_
. 3
2.3 Exercicis
Exercici 1 Estudieu si les operacions seg uents compleixen les propietats associa-
tiva, element neutre, element simètric i commutativa.
(a) x y = 2
x+y
sobre N.
(b) (a, b) (a
t
, b
t
) = (aa
t
, ba
t
+b
t
) sobre Q
Q, on Q
= Q 0.
(c) x y = x y sobre R
+
i sobre R
+
0.
Quines daquestes operacions donen estructura de grup ?
Exercici 2 (a) La llei daddicio de resistències en paral
.
lel en un circuit elèctric
es la donada per R
1
R
2
= R, on
1
R
=
1
R
1
+
1
R
2
.
Comproveu que es una llei associativa a R
+
. Com sinterpreta a nivell dels
circuits?
(b) En la teoria de la relativitat especial, la llei de composicio de velocitats en la
mateixa direccio ve donada per
v
1
v
2
=
v
1
+v
2
1 +
v
1
v
2
c
2
on c es la velocitat de la llum. Demostreu que linterval (c, c) amb aquesta
operacio es un grup.
2. Grups 39
Exercici 3 Siguin G un grup, X un conjunt i G
t
= f [ f : X G el conjunt
daplicacions de X a G. Denim a G
t
el producte daplicacions seg uent:
(f g)(x) = f(x)g(x),
per a tot f, g G
t
i tot x X. Demostreu que G
t
amb aquesta operaci o es un grup.
Exercici 4 Sigui G un grup tal que per a tot g G, g
2
= 1. Demostreu que G es
un grup abelià.
Exercici 5 Siguin G un grup i a un element de G. Proveu que laplicacio f
a
:
G G, denida per f
a
(x) = axa
1
, es un isomorsme de grups. Quina es la seva
inversa?
Exercici 6 Sigui G un grup de dos elements. Estudieu tots els morsmes de grups
f : G G, indicant en cada cas si son injectius, exhaustius o bijectius.
Exercici 7 Demostreu que f : R R
+
, donada per f(x) = e
x
, es un isomorsme
entre (R, +) i (R
+
, ).
Exercici 8 Observeu que Z Z amb la suma (a, b) + (c, d) = (a + c, b + d) es un
grup. Sigui f : Z Z Z Z denida per
f(x, y) = (2x 3y, 4x + 6y).
Demostreu que f es un morsme de grups i calculeu Ker (f), Im(f) i f
1
(1, 2).
Quina relacio hi ha entre Ker (f) i f
1
(1, 2)?
Exercici 9 Doneu el màxim nombre possible dexemples de grups de 1, 2, 3 i 4
elements de manera que no hi hagi cap parell de grups diferents que siguin isomorfs.
Escriviu les taules de les seves operacions.
Exercici 10 Sigui S
4
el grup de les permutacions de 4 elements. Donats els ele-
ments de S
4
seg uents,
1
=
_
1 2 3 4
2 1 3 4
_
,
2
=
_
1 2 3 4
2 3 1 4
_
,
3
=
_
1 2 3 4
2 3 4 1
_
,
4
=
_
1 2 3 4
1 3 4 2
_
,
trobeu
40
`
(a)
1
2
,
2
1
,
1
3
,
3
4
, (
1
(
2
3
))
4
, (
2
1
)
3
,
(b)
2
i
,
3
i
,
4
i
, . . . ,
n
i
, per a tot i = 1, 2, 3, 4 i n 5.
(c) Quants elements te S
4
? Escriviu tots els elements de S
4
com a producte de
cicles disjunts.
Exercici 11 Considereu les quatre permutacions de S
8
seg uents:
1
=
_
1 2 3 4 5 6 7 8
3 2 4 1 7 6 8 5
_
,
2
=
_
1 2 3 4 5 6 7 8
1 3 2 5 6 7 4 8
_
,
3
= (2, 3)(5, 3, 1)(4, 5),
4
= (1, 2, 4, 5)(1, 2, 4).
(a) Descomponeu-les en producte de cicles disjunts.
(b) Descomponeu-les en producte de transposicions.
(c) Calculeu el signe i lordre de cadascuna.
(d) Calculeu
2532
3
,
1542
4
i
1315
3

5227
4
.
(e) Calculeu
1

3
i
3

1
Exercici 12 Considereu el grup S
3
:
(a) Feu-ne la taula de multiplicar.
(b) Feu una llista amb el signe i lordre de cada element.
(c) Calculeu el subgrup de S
3
mes petit que conte =
_
1 2 3
2 3 1
_
i el mes petit
que conte =
_
1 2 3
1 3 2
_
.
(d) Te solucio lequacio x = x? I x = x?
Captol 3
Anells
En aquest captol introdum una altra estructura algebraica que es diu anell i es una
mica mes complicada que la de grup.
Un anell es un conjunt R junt amb dues operacions:
(suma) +: R R R i (producte) : R R R
(a, b) a +b (a, b) ab
que compleixen les propietats seg uents:
(1) (R, +) es un grup abelià.
(2) Associativa del producte:
(ab)c = a(bc) a, b, c R.
(3) Distributives del producte respecte de la suma:
a(b +c) = ab +ac, (a +b)c = ac +bc a, b, c R.
Si, a mes a mes, el producte te element neutre 1 R, es a dir:
a 1 = 1 a = a a R,
diem que R es un anell amb unitat i que 1 es la unitat de R.
Si el producte es commutatiu, es a dir:
ab = ba a, b R,
diem que R es un anell commutatiu.
Nota: Tots els anells que estudiarem seran anells amb unitat. Per tant, a partir
daqu, anell voldrà dir anell amb unitat. 3
41
42
`
Exemples 3.0.1
(1) El conjunt 0 amb la suma 0 + 0 = 0 i el producte 0 0 = 0 es un anell que es
diu anell zero.
(2) (Z, +, ), (Q, +, ), (R, +, ) son anells commutatius.
(3) Sigui X un conjunt diferent del buit. Donades dues aplicacions f, g de X a R
denim la seva suma per:
(f +g)(x) = f(x) +g(x), x X,
i el seu producte per:
(fg)(x) = f(x)g(x).
El conjunt F(X, R) de totes les aplicacions de X a R amb aquestes operacions es
un anell commutatiu. 3
Proposicio 3.0.2 Sigui R un anell. Llavors
(i) x0 = 0x = 0 x R.
(ii) x(y) = xy = (x)y x, y R.
Demostraci o. (i) Tenim que x0 = x(0 + 0) = x0 + x0. Sumant x0 a aquesta
igualtat, obtenim 0 = x0. Anàlogament es veu que 0x = 0.
(ii) Tenim que x(y) + xy = x(y + y) = x0 = 0. Per tant x(y) = xy.
Anàlogament es veu que (x)y = xy.
Un subconjunt S dun anell R es diu que es un subanell de R si 1, a +b, ab S
per a tot a, b S i S amb les operacions suma i producte heretades de R es un anell.
Exemples 3.0.3
(1) (Z, +, ) es un subanell de (Q, +, ), i (Z, +, ), (Q, +, ) son subanells de (R, +, ).
(2) El conjunt ((R, R) de totes les funcions continues dels reals als reals es un subanell
de lanell F(R, R) de totes les funcions dels reals als reals. 3
Proposicio 3.0.4 Sigui S un subconjunt dun anell R. Llavors S es un subanell de
R si i nomes si
(i) S es un subgrup de (R, +),
(ii) ab S per a tot a, b R,
(iii) 1 S.
3. Anells 43
Demostraci o. Per la denicio de subanell, es clar que si S es un subanell de R
llavors es compleixen les propietats (i), (ii) i (iii).
Suposem que es compleixen les propietats (i), (ii) i (iii). Com que S es un
subgrup de (R, +), tenim que a +b S per a tot a, b S i S amb aquesta suma es
un grup abelià. Com que ab S per a tot a, b S, el producte, restringit a S, es
una operacio interna de S. A mes, es clar que aquest producte de S es associatiu i
distributiu respecte de la suma, com ho es el producte de lanell R. Com que 1 S,
amb el que hem vist, tenim que S amb la suma i el producte heretats de R es un
anell. Per tant S es un subanell de R.
Hi han un parell de procediments per construir anells nous a partir dun anell
donat R que son molt importants. Aquests son els anells de polinomis i els anells
de matrius.
3.1 Suma i producte de matrius: Anells de matrius
Sigui R un anell, i siguin m i n enters positius. Una matriu m n sobre R es una
ordenacio de mn elements de R en m les i n columnes, es a dir, es un objecte de
la forma
_
_
_
_
_
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
a
m1
a
m2
. . . a
mn
_
_
_
_
_
_
amb a
ij
R. Tambe denotem aquesta matriu per (a
ij
)
1im
1jn
o per (a
ij
) si no hi
ha dubte sobre el tipus de matriu que es. Denotem el conjunt de totes les matrius
mn sobre R per M
mn
(R).
Les matrius nn es diuen matrius quadrades dordre n. Denotem el conjunt de
les matrius quadrades dordre n sobre R per M
n
(R).
Denim la suma de dues matrius A = (a
ij
), B = (b
ij
) del mateix tipus sobre R
per:
A+B = (a
ij
+b
ij
).
Es comprova fàcilment que M
mn
(R) amb la suma de matrius es un grup abelià.
Siguin (a
ik
) M
ml
(R) i (b
kj
) M
ln
(R). Denim el seu producte per:
(a
ik
)(b
kj
) = (c
ij
) M
mn
(R),
on
c
ij
= a
i1
b
1j
+ +a
il
b
lj
=
l
k=1
a
ik
b
kj
,
44
`
es a dir, lelement que ocupa el lloc (i, j) a la matriu producte sobte multiplicant
els elements de la la i de (a
ik
) pels corresponents elements de la columna j de (b
kj
)
i sumant aquests resultats.
Observem que per multiplicar dues matrius, la primera ha de tenir tantes
columnes com el nombre de les de la segona.
Lema 3.1.1 El producte de matrius satisfà la propietat associativa.
Demostraci o. Siguin (a
ik
) M
ml
(R), (b
kj
) M
ln
(R) i (d
jp
) M
nr
(R),
llavors:
((a
ik
)(b
kj
))(d
jp
) = (c
ij
)(d
jp
) = (f
ip
),
on
c
ij
=
l
k=1
a
ik
b
kj
i
f
ip
=

n
j=1
c
ij
d
jp
=

n
j=1
_
l
k=1
a
ik
b
kj
_
d
jp
=

1jn
1kl
a
ik
b
kj
d
jp
.
Daltra banda
(a
ik
)((b
kj
)(d
jp
)) = (a
ik
)(g
kp
) = (h
ip
),
on
g
kp
=
n
j=1
b
kj
d
jp
i
h
ip
=

l
k=1
a
ik
g
kp
=

l
k=1
a
ik
_
n
j=1
b
kj
d
jp
_
=

1jn
1kl
a
ik
b
kj
d
jp
.
Per tant (f
ip
) = (h
ip
), es a dir
((a
ik
)(b
kj
))(d
jp
) = (a
ik
)((b
kj
)(d
jp
)).
Tambe es pot comprovar que el producte de matrius es distributiu respecte de
la suma pels dos costats, es a dir, si A, D M
ml
(R) i B, C M
ln
(R) llavors
(A+D)B = AB +DB,
A(B +C) = AB +AC.
3. Anells 45
La matriu
I
n
=
_
_
_
_
_
_
_
1 0 . . . 0
0 1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0
0 . . . 0 1
_
_
_
_
_
_
_
M
n
(R)
es diu matriu identitat dordre n. Es comprova fàcilment que si A M
mn
(R)
llavors
I
m
A = AI
n
= A.
Això demostra el resultat seg uent.
Proposicio 3.1.2 Sigui R un anell i sigui M
n
(R) el conjunt de les matrius qua-
drades n n. Llavors M
n
(R) es un anell amb la suma i el producte de matrius.
Lelement neutre de la suma es la matriu n n que te totes les seves components
iguals a zero, i lelement neutre del producte es la matriu identitat.
Si R ,= 0 i n 2, llavors M
n
(R) no es commutatiu. Per veure això en el
cas n = 2, considereu les matrius A = (
0 1
0 0
) i B = (
0 0
1 0
). Llavors AB = (
1 0
0 0
) i
BA = (
0 0
0 1
).
En general, si n > 2 i considerem les matrius de A = (a
ij
) i B = (b
ij
) de M
n
(R)
tals que
a
ij
=
_
_
_
1 si i = 1 i j = 2,
0 en qualsevol altre cas
i b
ij
=
_
_
_
1 si i = 2 i j = 1,
0 en qualsevol altre cas,
es a dir
A =
_
_
_
_
_
_
_
_
_
0 1 0 . . . 0
0 0 0 . . . 0
0 0 0 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . 0
_
_
_
_
_
_
_
_
_
i B =
_
_
_
_
_
_
_
_
_
0 0 0 . . . 0
1 0 0 . . . 0
0 0 0 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . 0
_
_
_
_
_
_
_
_
_
,
llavors
AB =
_
_
_
_
_
_
_
_
_
1 0 0 . . . 0
0 0 0 . . . 0
0 0 0 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . 0
_
_
_
_
_
_
_
_
_
i BA =
_
_
_
_
_
_
_
_
_
0 0 0 . . . 0
0 1 0 . . . 0
0 0 0 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . 0
_
_
_
_
_
_
_
_
_
.
46
`
Sobre M
nm
(R) tenim una altra operacio que es la transposicio de matrius.
Sigui A = (a
ij
) una matriu nm sobre un anell R. La transposada de la matriu
A es per denicio
A
t
= (b
ji
) M
mn
(R),
on b
ji
= a
ij
.

Es a dir, per cada i i j, el component (j, i) de A
t
es el component (i, j)
de A.
Exemple 3.1.3
_
1 2
3 4
_
t
=
_
1 3
2 4
_
i
_
1 2 3
_
t
=
_
_
_
1
2
3
_
_
_
. 3
A continuacio escrivim algunes propietats de la transposicio de matrius. Es deixa
al lector la seva demostracio.
Proposicio 3.1.4 Siguin A i B matrius de mides adequades sobre un anell com-
mutatiu, llavors
(i) (A
t
)
t
= A.
(ii) (A+B)
t
= A
t
+B
t
.
(iii) (AB)
t
= B
t
A
t
(observem el canvi dordre en el producte!).
3.2 Anells de polinomis
A la seccio anterior, hem vist que donat un anell R podem construir lanell de
les matrius n n sobre R. Ara construrem un altre anell partint dun anell R.
Considerem el conjunt
R[x] = a
0
+a
1
x +. . . +a
n
x
n
[ n N i a
0
, a
1
, . . . , a
n
R.
Els elements a(x) = a
0
+a
1
x +. . . +a
n
x
n
es diuen polinomis sobre R. Els elements
a
0
, a
1
, . . . , a
n
es diuen coecients del polinomi a(x). Si a
n
,= 0 es diu que el polinomi
a(x) te grau n i escrivim gr(a(x)) = n. En aquest cas, diem que a
n
x
n
es el terme de
grau màxim de a(x), i a
n
es el coecient dominant de a(x).
Conveni: Direm que el polinomi 0 te grau . A mes, < n per a tot natural
n i
+n = n = = . 3
3. Anells 47
Es diu que dos polinomis a(x) = a
0
+a
1
x+. . .+a
n
x
n
i b(x) = b
0
+b
1
x+. . .+b
m
x
m
son iguals si i nomes si a
i
= b
i
per a tot i. En particular, a(x) = b(x) implica
gr(a(x)) = gr(b(x)).
Nota: Cal notar que
a
0
+a
1
x +. . . +a
n
x
n
= a
0
+a
1
x +. . . +a
n
x
n
+ 0x
n+1
=
= a
0
+a
1
x +. . . +a
n
x
n
+ 0x
n+1
+ 0x
n+2
= . . .
Per tant, hi ha una certa ambig uitat en denir els coecients dun polinomi donat,
tot i que es clar que nomes pot haver-nhi un nombre nit de diferents de zero. Per
això de vegades es prefereix denir el conjunt de polinomis sobre R com el conjunt
(a
i
)
iN
[ a
i
R, a
i
= 0 per a tot i N excepte per a un nombre nit .
En aquest llenguatge, el polinomi de Z[x], 1 + 2x x
2
sescriu com la successio
(1, 2, 1, 0, 0, 0, . . . ). 3
Donats dos polinomis a(x) = a
0
+a
1
x+. . . +a
n
x
n
, b(x) = b
0
+b
1
x+. . . +b
m
x
m
sobre un anell R, denim la seva suma com
a(x) +b(x) = c(x) = c
0
+c
1
x +. . . +c
l
x
l
,
on l = max (n, m) i c
i
= a
i
+ b
i
(aqu, b
i
= 0 si i > m i a
i
= 0 si i > n).

Es fàcil
comprovar que R[x] amb aquesta operacio suma es un grup abelià i el polinomi 0 es
lelement neutre.
Denim el producte dels polinomis a(x) i b(x) com
a(x)b(x) = c(x) = c
0
+c
1
x +. . . +c
n+m
x
n+m
,
on c
i
=

i
j=0
a
j
b
ij
(igual que abans, b
i
= 0 si i > m i a
i
= 0 si i > n).

Es fàcil
comprovar que amb la suma i aquest producte R[x] te estructura danell. Observem
que lelement neutre del producte es el polinomi 1.
Lanell R[x] es diu anell de polinomis en la variable x amb coecients a R, o,
simplement, anell de polinomis sobre R. Observem que R es un subanell de R[x].
Com a conseq uència de la denicio de la propietat commutativa, obtenim fàcil-
ment el resultat seg uent.
Proposicio 3.2.1 Si R es un anell commutatiu, R[x] tambe ho es.
48
`
El tractament dels polinomis com a conjunt amb una estructura algebraica es
relativament modern. Son idees mes clàssiques els conceptes de funcio polinòmica i
el dequacio polinòmica. Adaptem ara aquests conceptes al nostre llenguatge.
Sigui R un anell commutatiu i sigui a(x) = a
0
+a
1
x +. . . +a
n
x
n
un element de
R[x]. El valor del polinomi a(x) en un element r R es, per denicio,
a(r) = a
0
+a
1
r +. . . +a
n
r
n
.
Denim laplicacio o funcio polinòmica determinada per a(x) com
a(x): R R
r a(r)
Diem que r R es una arrel del polinomi a(x) si a(r) = 0.

Es a dir, r es una arrel
si es un zero de la funcio polinòmica a(x).
El resultat seg uent explica la relacio fonamental que hi ha entre les arrels dun
polinomi i lestructura del polinomi.
Teorema 3.2.2 Sigui R un anell commutatiu i a(x) R[x]. Un element r R es
una arrel de a(x) si i nomes si existeix b(x) R[x] tal que a(x) = (x r)b(x).
Demostraci o. Observem que si a(x) = (x r)b(x), llavors a(r) = (r r)b(r) = 0
i per tant r es arrel de a(x).
Demostrem el recproc. Sigui a(x) = a
0
+a
1
x +. . . +a
n
x
n
. Suposem que r R
es una arrel de a(x). Llavors tenim
a(x) = a(x) a(r) = a
0
+a
1
x +. . . +a
n
x
n
(a
0
+a
1
r +. . . +a
n
r
n
)
= a
1
(x r) +. . . +a
n
(x
n
r
n
).
Com que, per a 2 i n,
x
i
r
i
= (x r)(x
i1
+x
i2
r +. . . +xr
i2
+r
i1
),
tenim que a(x) = (x r)b(x), on
b(x) = a
1
+a
2
(x +r) +. . . +a
n
(x
n1
+x
n2
r +. . . +xr
n2
+r
n1
).
3. Anells 49
3.3 Elements invertibles dun anell. Cossos.
Un element a dun anell R es diu que es invertible si existeix b R tal que ab =
ba = 1. En aquest cas, lelement b es diu que es linvers de a i es denota per a
1
.
Per exemple, la matriu amb coecients reals A = (
0 1
1 0
) es invertible perquè
A
2
= Id. En aquest cas A
1
= A.
Tambe cal observar que si R ,= 0 llavors, per la Proposicio 3.0.2, 0 no es un
element invertible.
U(R) = x R [ x es invertible.
Observem que 1 U(R). Si a, b U(R) llavors ab U(R), de fet (ab)
1
= b
1
a
1
.
Es comprova fàcilment que U(R) amb el producte es un grup. Aquest grup es diu
grup dels elements invertibles de R o grup de les unitats de R.
Exemples 3.3.1
(1) U(Z) = 1, 1
(2) U(Q) = Q 0 i U(R) = R 0.
(3) Mes endavant veurem que U(M
n
(R)) està format per les matrius quadrades de
determinant no nul. Aquest grup es denota per GL
n
(R). 3
Un cos es un anell commutatiu diferent de zero tal que tot element no nul es
invertible.
Anirem veient que els cossos son una classe molt important danells.
Sigui R un anell i a un element no nul de R. Diem que a es un divisor de zero
si existeix un element no nul b R tal que o be ab = 0 o be ba = 0. Un anell no nul
sense divisors de zeros es diu domini dintegritat.
Per exemple, a M
2
(R) la matriu A = (
0 1
0 0
) es un divisor de zero perquè A ,= 0 i
A
2
= 0.
Proposicio 3.3.2 Un element invertible no es divisor de zero. En particular, tot
cos es domini dintegritat.
Demostraci o. Sigui a un element invertible dun anell R. Si b R i ab = 0, tenim
que b = (a
1
a)b = 0. De la mateixa manera veiem que si ba = 0, llavors b = 0.
Exemples 3.3.3
(1) Z es un domini dintegritat que no es cos.
50
`
(2) Q i R son cossos i per tant tambe son dominis dintegritat. 3
Entre Q i R hi han molts conjunts que son cossos. El seg uent nes un exemple.
Exemple 3.3.4 Considerem el subcojunt de R, Q(
2) = a + b
2 [ a, b Q.
Llavors amb les operacions heretades de R, Q(
2) es un cos.
Demostraci o. Siguin a +b
2 i a
t
+b
t
2 elements de Q(
2). Llavors
(a +b
2) (a
t
+b
t
2) = (a a
t
) + (b b
t
)
2
i
(a +b
2)(a
t
+b
t
2) = (aa
t
+ 2bb
t
) + (ab
t
+ba
t
)
2.
Com que a, b, a
t
i b
t
son elements de Q tambe ho son a a
t
, b b
t
, aa
t
+ 2bb
t
i ab
t
+ ba
t
, a mes 1 Q(
2). Per tant Q(
2) es un subgrup de (R, +), i per la

Proposicio 3.0.4, Q(
2) es un subanell de R.
Per veure que Q(
2) es un cos, nomes cal veure que tot element diferent de zero

te invers. Sigui a + b
2 Q(
2), llavors (a + b
2)(a b
2) = a
2
2b
2
Q. Si
a
2
2b
2
= 0 i b ,= 0, llavors
2 = [a[[b[
1
Q. Però
2 , Q, per tant, si a
2
2b
2
= 0
llavors b = 0 i, en conseq uència, a = 0. Això demostra que (a +b
2)(a b
2) = 0
si i nomes si a + b
2 = 0. Per tant, si a + b
2 es un element diferent de zero de

Q(
2), llavors el seu invers es

1
a
2
2b
2
(a b
2) Q(
2). 3
La idea per construir aquest cos es afegir a Q una arrel del polinomi x
2
2 Q[x].
Sobre R[x] el polinomi x
2
+ 1 no te cap arrel. Afegir una arrel daquest polinomi a
R dona com a resultat el cos dels nombres complexos.
3.4 El cos dels nombres complexos.
Els nombres complexos son expressions de la forma a+bi, on a, b R i i es un smbol
satisfent que i
2
= 1. Dos nombres complexos a + bi i c + di son iguals si i nomes
si a = c i b = d. La suma i el producte de nombres complexos es deneix per:
(a +bi) + (c +di) = (a +c) + (b +d)i,
(a +bi)(c +di) = (ac bd) + (ad +bc)i.
Denotem per C el conjunt de tots els nombres complexos. Es comprova fàcilment
que C amb la suma de nombres complexos es un grup abelià. Tampoc costa gaire
veure que el producte de nombres complexos es commutatiu. Veiem que tambe es
associatiu:
3. Anells 51
Siguin a, b, c, d, e, f R. Tenim:
((a +bi)(c +di))(e +fi) = ((ac bd) + (ad +bc)i)(e +fi)
= ((ac bd)e (ad +bc)f)
+((ac bd)f + (ad +bc)e)i
= (ace bde adf bcf)
+(acf bdf +ade +bce)i,
(a +bi)((c +di)(e +fi)) = (a +bi)((ce df) + (cf +de)i)
= (a(ce df) b(cf +de))
+(a(cf +de) +b(ce df))i
= (ace adf bcf bde)
+(acf +ade +bce bdf)i
Per tant ((a +bi)(c +di))(e +fi) = (a +bi)((c +di)(e +fi)).
Aplicant la denicio de producte i suma de nombres complexos, es veu que el
producte de complexos es distributiu respecte de la suma.
Observem que si a, b, c R llavors
(a +bi) + (c + 0i) = (a +c) +bi i
(a +bi)(c + 0i) = (ac) + (bc)i.
En particular, per a b = 0 obtenim que
(a + 0i) + (c + 0i) = (a +c) + 0i i
(a + 0i)(c + 0i) = (ac) + 0i,
es a dir que els complexos de la forma a + 0i es comporten respecte de la suma i
el producte de nombres complexos com els nombres reals a respecte de la suma i el
producte de nombres reals. Per això, a partir daqu, considerarem el nombre real
a i el nombre complex a + 0i com la mateixa cosa. Aix R C. Observem tambe
que el real 1 es la unitat de lanell C.
Per veure que C es un cos nomes cal veure que tot element diferent de zero
te invers. Per això farem servir la conjugacio dun nombre complex i les seves
propietats.
El conjugat dun nombre complex z = a +bi (a, b R) es a bi, i es denota per
z.
De fet, conjugar es pot pensar com una operacio unària denida sobre C.
Conjugar satisfà les propietats descrites a continuacio.
Proposicio 3.4.1 Siguin z
1
, z
2
C. Llavors:
(i) z
1
z
1
R i z
1
z
1
= 0 si i nomes si z
1
= 0.
52
`
(ii) z
1
z
2
= z
1
z
2
.
(iii) z
1
= z
1
.
(iv) z
1
+z
2
= z
1
+z
2
.
(v) z
1
= z
1
si i nomes si z
1
R.
Demostraci o. Siguin a, b, c, d R tals que z
1
= a +bi i z
2
= c +di.
Per veure (i), nomes cal adonar-sen de que z
1
z
1
= a
2
+b
2
R. A mes, com que
a, b R, a
2
+b
2
= 0 si i nomes si a = b = 0.
Ara veurem (ii). La resta de propietats son clares a partir de la denicio de
conjugat. Tenim
z
1
z
2
= ac bd + (ad +bc)i
= ac bd (ad +bc)i
= (a bi)(c di)
= z
1
z
2
A partir de lapartat (i) de la Proposicio 3.4.1, ja podem denir linvers dun
nombre complex no nul. Sigui z = a +bi ,= 0. Llavors zz = a
2
+b
2
> 0. Ara tenim
z
z
a
2
+b
2
= (a +bi)
_
a
a
2
+b
2

b
a
2
+b
2
i
_
= 1.
Per tant ja hem demostrat que C es un cos.
3.4.1 Interpretacio geomètrica dels nombres complexos. Coorde-
nades polars.
Recordem que els nombres reals es poden representar sobre una recta. De fet, hi ha
una correspondència bijectiva entre els punts duna recta i els nombres reals. Com
que un nombre complex queda determinat per un parell ordenat de nombres reals,
podem representar els nombres complexos sobre el pla R
2
:
r
bi
1 1
i
i
(a, b) a +bi
a a
b
3. Anells 53
La suma de dos complexos a+bi i c+di tals que els punts (0, 0), (a, b) i (c, d) del
pla no estan alineats es calcula geomètricament com el quart vèrtex del paral
.
lelo-
gram determinat pels costats (0, 0)(a, b) i (0, 0)(c, d). Conjugar un nombre complex
a + bi correspon geomètricament a calcular el simètric del punt (a, b) respecte de
leix OX o eix dabscises.

Es una mica mes complicat interpretar geomètricament
el producte de nombres complexos, per això parlarem de coordenades polars.
Observem que tot punt (a, b) del pla R
2
diferent de (0, 0) queda determinat per
la seva distància a (0, 0) i per langle que forma el semieix dabscises positiu amb
la semirrecta dorigen (0, 0) que passa per (a, b). Aquestes dues dades del punt
sanomenen coordenades polars del punt.
Aix, el punt (a, b) representa el nombre complex z = a+bi, la distància daquest
punt a lorigen r =

a
2
+b
2
=

zz es diu mòdul del nombre complex a + bi i es
denota per [z[, i langle que forma el semieix dabscises positiu amb la semirrecta
dorigen (0, 0) que passa per (a, b) es diu argument del nombre complex a + bi i el
denotarem per arg(z). Tenim les relacions seg uents:
a = r cos
b = r sin
Aix a+bi = r(cos +i sin). Aquesta es la representacio trigonomètrica de a+bi.
Una altra forma de representar a + bi es la forma polar: r
. La part real de a + bi
es a i es denota per Re(a + bi); b es la part imaginària de a + bi i es denota per
Im(a +bi).
La proposicio seg uent explica com varien largument i el mòdul de dos nombres
complexos en multiplicar-los.
Proposicio 3.4.2 Siguin z
1
, z
2
C 0. Llavors
(i) [z
1
z
2
[ = [z
1
[ [z
2
[.
(ii) arg(z
1
z
2
) = arg(z
1
) + arg(z
2
)
Demostraci o. Siguin z
1
= a+bi, z
2
= c +di, amb a, b, c, d R, r = [z
1
[, s = [z
2
[,
= arg(z
1
) i = arg(z
2
). Llavors:
[z
1
z
2
[ = [ac bd + (ad +bc)i[
=
_
(ac bd)
2
+ (ad +bc)
2
=

a
2
c
2
2acbd +b
2
d
2
+a
2
d
2
+ 2adbc +b
2
c
2
=

a
2
c
2
+b
2
d
2
+a
2
d
2
+b
2
c
2
=

a
2
+b
2
c
2
+d
2
= [z
1
[ [z
2
[
54
`
z
1
z
2
= r(cos +i sin)s(cos +i sin)
= rs(cos cos sinsin +i(cos sin + sincos ))
= rs(cos( +) +i sin( +))
Per tant arg(z
1
z
2
) = + = arg(z
1
) + arg(z
2
).
Veiem doncs a partir de la Proposicio 3.4.2, que el mòdul del producte de dos
nombres complexos es el producte de mòduls i largument del producte de dos nom-
bres complexos es la suma darguments.
3.4.2 Aplicacions i exemples
La Proposicio 3.4.2 ens permet calcular les arrels complexes del polinomi x
n
1.
Sigui z C tal que z
n
= 1. Llavors 1 = [z
n
[ = [z[
n
i
arg(z
n
) = n arg(z) = arg(1) = 2k amb k Z.
Això implica que [z[ = 1 i que = arg(z) =
2k
n
, on k Z. Daquests arguments
els unics que son diferents son els donats pels valors de k = 0, 1, 2, . . . , n 1. Tenim
doncs n arrels diferents, z
k
= cos
2k
n
+i sin
2k
n
, per a k = 0, 1, . . . , n 1.
1 = z
0
z
1
z
2
2
8
z
3
z
6
z
5
z
4
z
7
Arrels de x
8
1.
3. Anells 55
Seguint el mateix procediment podem calcular fàcilment les arrels n-simes dun
nombre complex no nul z. El mòdul duna arrel n-sima de z es
n
_
[z[ i el seu argument
es un real [0, 2) tal que n es largument de z. Com que si a un argument li
sumem un m ultiple enter de 2, largument no varia, tenim que hi ha exactament
n arrels n-simes de z:
z
k
=
n
_
[z[
_
cos
+ 2k
n
+i sin
+ 2k
n
_
per a k = 0, 1, . . . , n 1, on [0, 2) es largument de z.
Exemple 3.4.3 Busquem les arrels a C del polinomi x
4
+ 1. Per això hem de
determinar quins z C satisfan que z
4
= 1. Com que 1 es un complex de
mòdul 1 i argument llavors, per la Proposicio 3.4.2, z te tambe mòdul 1 i, a mes,
4 arg(z) = + 2k per k = 0, 1, 2, 3. Aix obtenim les arrels
z
1
= cos(
4
) +i sin(
4
) =
2
2
+i
2
2
z
2
= cos(
4
+
2
4
) +i sin(
4
+
2
4
) =
2
2
+i
2
2
z
3
= cos(
4
+) +i sin(
4
+) =
2
2
i
2
2
z
4
= cos(
4
+
23
4
) +i sin(
4
+
23
4
) =
2
2
i
2
2
. 3
La interpretacio geomètrica de C com el pla R
2
tambe permet entendre mes be
el grup de rotacions del pla SO
2
(R) que vam denir a lexemple 2.1.2.
Com que C es un cos, C0 es un grup amb el producte; per tant, sobre R
2
0
tenim tambe una estructura de grup. Siguin w
1
i w
2
dos nombres complexos de
mòdul 1 llavors, per la Proposicio 3.4.2, w
1
w
2
tambe te mòdul 1. A mes, si w es
un complex de mòdul 1, la Proposicio 3.4.2 implica que w
1
tambe ho es. Per la
Proposicio 2.1.1, podem concloure que el conjunt del nombres complexos de mòdul
1 es un grup amb el producte.

Es a dir, la circumferència de radi 1 i centre lorigen,
S
1
= (x, y) R
2
[ x
2
+y
2
= 1 = w C [ [w[ = 1,
te estructura de grup.
Sigui w un nombre complex de mòdul 1 i argument . Considerem laplicacio
f
: C C
z zw
Per la Proposicio 3.4.2, [zw[ = [z[ i arg(zw) = arg(z) + arg(w) = arg(z) + . Per
tant f
, pensada com una aplicacio de R

2
en R
2
, es exactament la rotacio de centre
lorigen i angle . Com a punt de R
2
, w = (cos , sin), i si z = (a, b) llavors
f
(a, b) = (a cos b sin, a sin +b cos ).

56
`
Aix hem donat una formula per descriure les rotacions. Veiem tambe que temin
una aplicacio
: S
1
SO
2
(R)
w = cos +i sin f
.
No costa gaire veure que es un isomorsme de grups.
Exemple 3.4.4 Descrivim la rotacio de centre lorigen i angle

6
. Sabem que f
6
correspon a multiplicar pel nombre complex w = cos

6
+i sin

6
=
3
2
+i
1
2
. Per tant
f
6
(a, b) = (a
3
2

b
2
,
a
2
+b
3
2
).
Com que es un morsme de grups laplicacio inversa de f
6
correspon a multiplicar
per w
1
=
3
2
i
1
2
. Llavors
f
1
6
(a, b) = f
6
(a, b) = (a
3
2
+
b
2
,
a
2
+b
3
2
). 3
3.5 Exercicis
Exercici 1 Proveu que son anells:
(a) RS, on R i S son anells i les operacions es deneixen component a compo-
nent.
(b) R = (a, b, b, a) [ a, b Z amb les operacions suma i producte denides per
(a, b, b, a) + (c, d, d, c) = (a +c, b +d, b d, a +c),
(a, b, b, a) (c, d, d, c) = (ac bd, ad +bc, ad bc, ac bd).
(c) Z amb la suma i la multiplicaci o denides per
a b = a +b + 1, a b = ab +a +b.
Exercici 2 Determineu x, y R sabent que es compleix:
_
3 x 1
1 2 0
_
+ 2
_
2 1 3
5 x 4
_
=
_
7 3 7
11 y 8
_
,
a M
23
(R).
3. Anells 57
Exercici 3 Considerem les matrius sobre R seg uents:
A =
_
_
_
3 1 0
7 4 1
5 2 0
_
_
_
, B =
_
_
_
1 2 3
7 0 1
1 0 3
_
_
_
, C =
_
_
_
0 1 1
0 2 1
2 3 0
_
_
_
.
Calculeu AB +C, ABC, BAAB, A
2
BC i CBA.
Exercici 4 Donada A =
_
1 1
2 2
_
M
2
(R), trobeu dues matrius quadrades no
nul.les B i C tals que AB = 0 = CA.
Exercici 5 Siguin A, B M
n
(R). Son certes les igualtats seg uents?
(a) (A+B)(AB) = A
2
B
2
.
(b) (AB)
2
= A
2
2AB +B
2
.
(c) (A+B)
2
= A
2
+ 2AB +B
2
.
Exercici 6 Amb la suma i producte de nombres reals, quins dels conjunts seg uents
son dominis dintegritat? I cossos?
a +b
3 [ a, b Z, a +b
3 [ a, b Q.
Exercici 7 Donat el conjunt Z[i] = a +bi [ a, b Z amb les operacions
(a +bi) + (c +di) = (a +c) + (b +d)i
i
(a +bi)(c +di) = (ac bd) + (ad +bc)i,
proveu que
(a) Z[i] es un domini dintegritat.
(b) Un element de a +bi Z[i] es invertible si i nomes si a
2
+b
2
= 1.
(c) Els unics elements invertibles de Z[i] son 1, i.
Exercici 8 Expresseu els nombres complexos seg uents en la forma x + iy, amb x
i y reals: (1 + 3i)
1
, (1 + i)(2 i), (i + 1)(i 2)(i + 3), (1 + i)
4
,
4
_
1
2
+
3
2
i i
_
2 +i
2.
58
`
Exercici 9 Expresseu en forma polar els nombres complexos seg uents: 1+i
2,
1
2+i
,
1+i
1i

1i
1+i
,
6
_
1 i
3, i +
1
i
, i (1 +i)
n
per a tot n N.
Exercici 10 Donat un nombre complex z = a + bi, si denotem per r el seu mòdul
i per el seu argument, es clar que z = r(cos +i sin). Això tambe ho escriurem
com z = re
i
.
(a) Proveu que
1
z
=
1
r
e
i
.
(b) Calculeu e
ki
per k Z.
(c) Calculeu
n
1 i
n
i per a tot n Z.
Exercici 11 Demostreu que si r es una arrel c ubica qualsevol de a C, llavors les
arrels c ubiques de a son r, r,
2
r, on =
1
2
+
1
2
3i i
2
son les arrels c ubiques
imaginàries de 1.
Exercici 12 Escriviu una equacio de segon grau amb coecients a R que tingui per
solucio:
(a) z =
_
3
3 +i
_
3 +
3,
(b) z =
12i
1+i
.
Exercici 13 Representeu gràcament les solucions de lequacio z
n
= 1 per a n =
2, 3, 4 i 5.
Exercici 14 Descriviu geomètricament les aplicacions f
1
(z) = z, f
2
(z) = zi, f
3
(z) =
az, amb a R i a C.
Exercici 15 Descriviu geomètricament els punts de C tals que zz = 1.
Exercici 16 Siguin z, w C diferents. Demostreu que
z w
1 zw
= 1,
si [z[ = 1 o [w[ = 1.
Exercici 17 Calculeu sin(n) i cos(n), per a n Z, en termes de sin i cos .
Exercici 18 Si w = cos(2/n) +i sin(2/n), calculeu
n1
j=0
w
rj
i
n1
j=0
(w
r
)
j
,
pera cada enter r.
Captol 4
Lanell de polinomis sobre un
cos K
En aquest captol, estudiem les propietats dels anells de polinomis sobre un cos. En
tot el captol, K es un cos.
4.1 La funcio grau
El grau de polinomis sobre un cos satisfà les propietats seg uents.
Proposicio 4.1.1 Siguin a(x), b(x) K[x]. Llavors
(i) gr(a(x) +b(x)) maxgr(a(x)), gr(b(x)).
(ii) gr(a(x)b(x)) = gr(a(x)) + gr(b(x)).
Demostraci o. Com que hem denit el grau del polinomi 0 com , es fàcil com-
provar que si a(x) o b(x) son 0 llavors es compleix el resultat. Suposem doncs que els
dos polinomis son diferents de 0. Siguin n = gr(a(x)) i m = gr(b(x)). Llavors a(x) =
a
0
+a
1
x+. . .+a
n
x
n
i b(x) = b
0
+b
1
x+. . .+b
m
x
m
, on a
0
, a
1
, . . . , a
n
, b
0
, b
1
, . . . , b
m
K
i a
n
,= 0, b
m
,= 0. Llavors, per la denicio de la suma de polinomis, gr(a(x)+b(x))
maxgr(a(x)), gr(b(x)). En el cas del producte tenim que
a(x)b(x) = ( termes de grau menor que n +m) +a
n
b
m
x
n+m
.
Per la Proposicio 3.3.2, un cos no te divisors de zero, i aix tenim que a
n
b
m
,= 0.
Per tant gr(a(x)b(x)) = n +m.
Observem que gr(a(x) +b(x)) pot ser estrictament mes petit que els graus dels
polinomis a(x) i b(x). Per exemple, si K = C i a(x) = x +i i b(x) = x +i llavors
a(x) +b(x) = 2i, que es un polinomi de grau zero.
59
60
`
Corol
.
lari 4.1.2 Lanell K[x] es un domini dintegritat. A mes, els elements in-
vertibles de K[x] son els polinomis de grau 0, es a dir, els elements de K diferents
de 0.
Demostraci o. Siguin a(x), b(x) K[x] 0. Per la proposicio anterior
gr(a(x)b(x)) = gr(a(x)) + gr(b(x)) ,= .
Per tant a(x)b(x) ,= 0.
Suposem ara que a(x)b(x) = 1. Llavors
0 = gr(1) = gr(a(x)b(x)) = gr(a(x)) + gr(b(x)).
Per tant gr(a(x)) = gr(b(x)) = 0.
4.2 La divisio a K[x]
Teorema 4.2.1 (Teorema de la divisio entera) Siguin a(x), b(x) K[x], amb
b(x) ,= 0. Llavors existeixen dos unics polinomis q(x), r(x) K[x] tals que
a(x) = q(x)b(x) +r(x)
i gr(r(x)) < gr(b(x)). Els polinomis q(x) i r(x) es diuen respectivament quocient i
resta de la divisio entera de a(x) per b(x).
Demostraci o. Siguin n = gr(a(x)) i m = gr(b(x)). Demostrarem que existeixen
q(x) i r(x) per induccio sobre n.
Si n < m llavors
a(x) = 0 b(x) +a(x).
Per tant, en aquest cas, q(x) = 0 i r(x) = a(x).
Suposem que n m. Siguin a
n
i b
m
els coecients dominants de a(x) i b(x)
respectivament. Sigui c(x) = a(x) b
1
m
a
n
x
nm
b(x). Llavors gr(c(x)) < n. Per
induccio existeixen q
1
(x), r
1
(x) K[x] tals que
c(x) = q
1
(x)b(x) +r
1
(x)
i gr(r
1
(x)) < gr(b(x)). Ara tenim:
a(x) = (b
1
m
a
n
x
nm
+q
1
(x))b(x) +r
1
(x).
Aix, en aquest cas, q(x) = b
1
m
a
n
x
nm
+q
1
(x) i r(x) = r
1
(x).
4. Lanell de polinomis sobre un cos K 61
Demostrem ara que q(x) i r(x) son unics. Siguin p(x), s(x) K[x] tals que
a(x) = p(x)b(x) +s(x) i gr(s(x)) < m. Per tant
(q(x) p(x))b(x) = s(x) r(x).
Calculant graus, obtenim:
gr(q(x) p(x)) + gr(b(x)) = gr(s(x) r(x)) < gr(b(x)).
I això nomes pot passar si gr(q(x) p(x)) = . Per tant q(x) = p(x), i llavors
r(x) = s(x).
Recordem que per als nombres enters tambe tenim la divisio entera, i aquesta
es pot fer servir per estudiar la divisibilitat de nombres enters. Ara estudiarem la
divisibilitat a K[x].
Siguin a(x), b(x) K[x]. Es diu que a(x) es m ultiple de b(x) o que b(x) es
divisor de a(x) si existeix c(x) K[x] tal que a(x) = b(x)c(x).
Sigui a(x) K[x]. Observem que qualsevol element de K 0 divideix a(x) i
que 0 es m ultiple de tot polinomi. Per les propietats del grau, si b(x) es un divisor
dun polinomi no nul a(x) llavors gr(b(x)) gr(a(x)). Per tant, si a(x) ,= 0, llavors
el conjunt de divisors de a(x) te elements de grau màxim, aquests son tots els
polinomis de la forma a(x) on K 0.
Siguin a(x), b(x) K[x]. Suposem que o be a(x) o be b(x) es diferent de zero.
Es diu que d(x) es un màxim com u divisor de a(x) i b(x) si d(x) es un divisor de
a(x) i de b(x) de grau màxim.
Si a(x) i b(x) son diferents de zero, es diu que m(x) es un mnim com u m ultiple
de a(x) i b(x) si m(x) es un m ultiple no nul de a(x) i de b(x) de grau mnim.
Observacio 4.2.2

Es molt fàcil calcular els màxims comuns divisors del polinomi
zero i un polinomi no nul a(x). Com que el conjunt de divisors de 0 es tot K[x],
el conjunt de divisors comuns de 0 i a(x) es el conjunt de divisors de a(x). Entre
aquests, els de grau màxim son els de la forma a(x), on K 0. 3
El lema seg uent ens donarà un algorisme per calcular un màxim com u divisor
de dos polinomis qualssevol.
Lema 4.2.3 Suposem que a K[x] tenim una identitat de la forma
a(x) = b(x)q(x) +r(x). (4.1)
Llavors el conjunt de divisors comuns de a(x) i b(x) es el mateix que el conjunt de
divisors comuns de b(x) i r(x).
62
`
Demostraci o. Sigui p(x) un divisor de a(x) i b(x). Llavors a(x) = p(x)a
1
(x) i
b(x) = p(x)b
1
(x); substituint a lequacio (4.1), obtenim
p(x)a
1
(x) = p(x)b
1
(x)q(x) +r(x).
Per tant r(x) = p(x) (a
1
(x) b
1
(x)) es m ultiple de p(x).
Per veure que un divisor de b(x) i r(x) tambe ho es de a(x), fem un raonament
anàleg a lanterior.
Aquest lema, combinat amb la divisio entera, dona un mètode per calcular el
màxim com u divisors de dos polinomis que es diu Algorisme dEuclides o Algorisme
de les divisions successives. Siguin a(x) i b(x) elements de K[x] tals que b(x) ,= 0.
Fet la divisio entera de a(x) entre b(x), obtenim polinomis q
1
(x) i r
1
(x) tals que
a(x) = b(x)q
1
(x) +r
1
(x) i gr(r
1
(x)) < gr(b(x)).
Pel Lema 4.2.3, els divisors comuns de a(x) i b(x) son els mateixos que els divisors
comuns de b(x) i r
1
(x). Si r
1
(x) = 0 llavors, per lobservacio 4.2.2, els divisors
comuns de a(x) i b(x) son exactament els divisors de b(x), i en aquest cas, b(x) es
un màxim com u divisor de a(x) i b(x). Si r
1
(x) ,= 0, llavors fem la divisio entera de
b(x) entre r
1
(x), i obtenim la igualtat
b(x) = r
1
(x)q
2
(x) +r
2
(x), amb gr(r
2
(x)) < gr(r
1
(x)).
Altra vegada pel Lema 4.2.3, els divisors comuns de a(x) i b(x) son els mateixos que
els divisors comuns de r
1
(x) i r
2
(x). Si r
2
(x) = 0 llavors, per lobservacio 4.2.2, els
divisors comuns de a(x) i b(x) son exactament els divisors de r
1
(x), i en aquest cas,
r
1
(x) es un màxim com u divisor de a(x) i b(x). Si r
2
(x) ,= 0, llavors fem la divisio
entera de r
1
(x) entre r
2
(x), i obtenim
r
1
(x) = r
2
(x)q
3
(x) +r
3
(x), amb gr(r
3
(x)) < gr(r
2
(x)).
Ara podem tornar a repetir el raonament anterior una altra vegada.
Daquesta manera, mentre la resta no es fa zero, anem trobant igualtats
r
n2
(x) = r
n1
(x)q
n
(x) +r
n
(x),
i la relacio entre els graus de les restes es
gr(b(x)) > gr(r
1
(x)) > gr(r
2
(x)) > gr(r
3
(x)) > > gr(r
n
(x)) 0.
Com que el grau dun polinomi no nul es un element de N, aquesta successio de
graus, com a molt, pot tenir tants termes com gr(b(x)) +1. Això vol dir que, en un
nombre nit de passos, trobem una resta r
n
(x) = 0. Per tant, els divisors comuns
de a(x) i b(x) son els mateixos que els divisors de r
n1
(x), i llavors r
n1
(x) es un
màxim com u divisor de a(x) i b(x).
Hem demostrat doncs el resultat seg uent.
Teorema 4.2.4 Siguin a(x) i b(x) elements de K[x], amb b(x) ,= 0. Llavors existeix
d(x) K[x] tal que el conjunt de divisors comuns de a(x) i b(x) coincideix amb el
conjunt de divisors de d(x). En particular, d(x) es un màxim com u divisor de a(x)
i b(x).
Corol
.
lari 4.2.5 Siguin a(x) i b(x) elements de K[x], amb b(x) ,= 0, i sigui d(x)
un màxim com u divisor de a(x) i b(x).
(i) Els divisors comuns de a(x) i b(x) son exactament els divisors de d(x).
(ii) Si d
1
(x) es un altre màxim com u divisor de a(x) i b(x), llavors existeix
K 0 tal que d
1
(x) = d(x).
Demostraci o. Pel Teorema 4.2.4 sabem que existeix un màxim com u divisor c(x)
tal que els divisors comuns de a(x) i b(x) son els divisors de c(x). Com que d(x)
es un màxim com u divisor de a(x) i b(x), llavors d(x) tambe es un divisor de grau
màxim de c(x). Això implica que d(x) = c(x) per a K0. A partir daquest
fet es fàcil demostrar (i) i (ii).
Exemple 4.2.6 Siguin a(x) = x
4
+2x
3
4x
2
5x6 i b(x) = x
4
x
3
x+1 polinomis
sobre R. Calculem el seu màxim com u divisor aplicant lalgorisme dEuclides:
x
4
+2x
3
4x
2
5x 6 [x
4
x
3
x + 1
3x
3
4x
2
4x 7 1
Per tant,
a(x) = b(x) + 3x
3
4x
2
4x 7
i aix obtenim que els divisors comuns de a(x) i b(x) son els mateixos que els divisors
comuns de b(x) i 3x
3
4x
2
4x 7.
x
4
x
3
x +1 [3x
3
4x
2
4x 7
1
3
x
3
+
4
3
x
2
+
4
3
x +1
1
3
x +
1
9
16
9
x
2
+
16
9
x +
16
9
64
`
Com que la resta daquesta divisio no es zero, tornem a dividir una altra vegada,
3x
3
4x
2
4x 7
7x
2
7x 7
0
16
9
x
2
+
16
9
x +
16
9
27
16
x
63
16
Per tant els divisors comuns de a(x) i b(x) son els divisors del polinomi
16
9
x
2
+
16
9
x +
16
9
que es un màxim com u divisor dels dos polinomis donats. Observem que,
multiplicant per
9
16
, obtenim x
2
+ x + 1 que es un altre màxim com u divisor dels
mateixos polinomis. 3
Observacio 4.2.7 Lalgorisme dEuclides no solament permet calcular el màxim
com u divisor d(x) de dos polinomis a(x) i b(x) sino que tambe permet calcular
polinomis (x) i (x) tals que
a(x)(x) +b(x)(x) = d(x).
Ara explicarem com es fa això. En el primer pas de lalgorisme deuclides obtenim
a(x) = b(x)q
1
(x) +r
1
(x).
Si posem
1
(x) = 1 i
1
(x) = q
1
(x), obtenim que
a(x)
1
(x) +b(x)
1
(x) = r
1
(x). (4.2)
Si r
1
(x) es el màxim com u divisor, ja hem acabat, i prenem (x) =
1
(x) i (x) =
1
(x). Si no, en el segon pas de lalgorisme obtenim
b(x) = r
1
(x)q
2
(x) +r
2
(x).
Per (4.2), tenim que
b(x) = [a(x)
1
(x) +b(x)
1
(x)]q
2
(x) +r
2
(x),
i si posem
2
(x) =
1
(x)q
2
(x) i
2
(x) = 1
1
(x)q
2
(x), obtenim que
a(x)
2
(x) +b(x)
2
(x) = r
2
(x). (4.3)
Si r
2
2
(x) i (x) =
2
(x). Si no, amb lalgorisme dEuclides obtenim
r
1
(x) = r
2
(x)q
3
(x) +r
3
(x).
Fent servir (4.2) i (4.3), tenim que
a(x)
1
(x) +b(x)
1
(x) = [a(x)
2
(x) +b(x)
2
(x)]q
3
(x) +r
3
(x),
i per tant, si posem
3
(x) =
1
(x)
2
(x)q
3
(x) i
3
(x) =
1
(x)
2
(x)q
3
(x),
obtenim
a(x)
3
(x) +b(x)
3
(x) = r
3
(x). (4.4)
Si r
3
3
(x) i (x) =
3
(x). Si no, continuem el proces. Com que sabem que en un nombre nit de passos
sacaba, acabem obtenint els polinomis (x) i (x) que volem. 3
Exemple 4.2.8 Fem aquest proces per a lexemple 4.2.6. Siguin a(x) = x
4
+2x
3
4x
2
5x 6 i b(x) = x
4
x
3
x + 1. En fer els càlculs del màxim com u divisor
hem obtingut les igualtats:
a(x) = b(x) + 3x
3
4x
2
4x 7 (4.5)
b(x) = (3x
3
4x
2
4x 7)
_
1
3
x +
1
9
_
+
16
9
x
2
+
16
9
x +
16
9
. (4.6)
Per (4.5), tenim que
a(x) +b(x)(1) = 3x
3
4x
2
4x 7. (4.7)
Per (4.6),
b(x) (3x
3
4x
2
4x 7)
_
1
3
x +
1
9
_
=
16
9
x
2
+
16
9
x +
16
9
.
Per (4.7),
b(x) (a(x) +b(x)(1))
_
1
3
x +
1
9
_
=
16
9
x
2
+
16
9
x +
16
9
.
Llavors
a(x)
_
1
3
x
1
9
_
+b(x)
_
1
3
x +
10
9
_
=
16
9
x
2
+
16
9
x +
16
9
. 3
Ara veurem que es fàcil calcular un mnim com u m ultiple a partir dun màxim
com u divisor. Però abans veiem que si hem calculat un mnim com u m ultiple,
aleshores ja sabem calcular tots els mnims comuns m ultiples.
Lema 4.2.9 Siguin a(x), b(x) K[x] dos polinomis no nuls i sigui m(x) un mnim
com u m ultiple de a(x) i b(x). Llavors tot m ultiple com u de a(x) i b(x) es m ultiple
de m(x). En particular, si m
1
(x) es un altre mnim com u m ultiple, llavors existeix
K 0 tal que m
1
(x) = m(x).
66
`
Demostraci o. Sigui c(x) un m ultiple com u de a(x) i b(x). Fent la divisio entera
de c(x) entre m(x), obtenim una igualtat
c(x) = q(x)m(x) +r(x) gr(r(x)) < gr(m(x)).
Com que c(x) i m(x) son divisibles per a(x) i b(x), pel Lema 4.2.3, tenim que r(x)
tambe es m ultiple com u de a(x) i b(x). Com que m(x) es un m ultiple com u no nul
de grau mnim, r(x) = 0. Per tant c(x) = q(x)m(x) es un m ultiple de m(x) tal com
volem veure.
Ara, si m
1
(x) es un altre mnim com u m ultiple, llavors gr(m
1
(x)) = gr(m(x)), i
tambe m
1
(x) = m(x)q
1
(x), per a cert polinomi q
1
(x) K[x]. Les dues coses nomes
poden ser certes a la vegada si q
1
(x) es una constant no nul
.
la.
Si d(x) es un màxim com u divisor de a(x) i b(x), llavors existeixen polinomis
a
1
(x) i b
1
(x) tals que
a(x) = d(x)a
1
(x) i b(x) = d(x)b
1
(x).
Per tant
a(x)b(x)
d(x)
= a(x)b
1
(x) = b(x)a
1
(x),
es un m ultiple com u de a(x) i b(x). Ara demostrarem que es un mnim com u
m ultiple.
Proposicio 4.2.10 Siguin a(x), b(x) K[x] dos polinomis no nuls i sigui d(x) un
màxim com u divisor. Llavors m(x) =
a(x)b(x)
d(x)
es un mnim com u m ultiple de a(x) i
b(x).
Demostraci o. Sigui m
1
(x) un mnim com u m ultiple de a(x) i de b(x) lla-
vors, pel Lema 4.2.9, tant a(x)b(x) com m(x) son m ultiples de m
1
(x). Per tant,
d
1
(x) =
a(x)b(x)
m
1
(x)
i
m(x)
m
1
(x)
son elements de K[x]. Aix, d
1
(x) = d(x)
m(x)
m
1
(x)
es m ultiple
de d(x). Tambe existeixen f(x), g(x) K[x] tals que m
1
(x) = a(x)f(x) = b(x)g(x).
Aleshores
d
1
(x)g(x) =
a(x)b(x)
m
1
(x)
g(x) = a(x)
i
d
1
(x)f(x) =
a(x)b(x)
m
1
(x)
f(x) = b(x),
es a dir, d
1
(x) es divisor com u de a(x) i b(x). Com que d(x) es un màxim com u
divisor, gr(d(x)) = gr(d
1
(x)) i, com a conseq uència, gr(m(x)) = gr(m
1
(x)). Per tant
m(x) tambe es un mnim com u m ultiple de a(x) i b(x).
Exemple 4.2.11 Siguin a(x) i b(x) els polinomis de lexemple 4.2.6. Calculem un
mnim com u m ultiple.
Dividim a(x) per x
2
+x + 1, que es un màxim com u divisor de a(x) i b(x):
x
4
+2x
3
4x
2
5x 6 [x
2
+x + 1
x
3
5x
2
5x 6 x
2
+x 6
6x
2
6x 6
0
Multiplicant b(x) pel quocient daquesta divisio, obtenim (x
4
x
3
x +1)(x
2
+
x 6) = x
6
7x
4
+ 5x
3
+ 7x 6, que es un mnim com u m ultiple dels polinomis
a(x) i b(x). 3
Es diu que un polinomi no nul es mònic si el coecient dominant es 1.
Observacio 4.2.12 Sigui a(x) = a
n
x
n
+ + a
0
K[x] tal que a
n
,= 0. Llavors
el polinomi a
1
n
a(x) es un polinomi mònic.

Es a dir, donat un polinomi no nul a(x),
sempre existeix K tal que a(x) es un polinomi mònic. Observem que aquest
polinomi mònic està unvocament determinat pel polinomi a(x).
Per exemple, si prenem el polinomi a(x) = (1 + i)x
2
+ ix + 2 C[x], llavors
(1 +i)
1
a(x) es un polinomi mònic. Com que (1 +i)
1
=
1
2
(1 i), obtenim que
(1 +i)
1
a(x) = x
2
+
1
2
(1 +i)x + 1 i. 3
Hem vist que si d(x) i m(x) son, respectivament, un màxim com u divisor i un
mnim com u m ultiple de dos polinomis no nuls a(x) i b(x) sobre K, llavors tots
els màxims comuns divisors i tots els mnims comuns m ultiples son exactament els
polinomis de la forma d(x) i m(x), respectivament, on K 0.
Aix, donats dos polinomis a(x), b(x) K[x] 0, existeix un unic polinomi
mònic que es màxim com u divisor de a(x) i b(x), i el denotarem per m.c.d.(a(x), b(x)).
Tambe existeix un unic polinomi mònic que es mnim com u m ultiple de a(x) i b(x),
i el denotarem per m.c.m.(a(x), b(x)).
4.3 Polinomis irreductibles.
Els nombres primers son una peca bàsica en lestudi de la divisibilitat dels nombres
enters. Anem ara a introduir un concepte similar per als polinomis.
Un polinomi p(x) K[x] es diu que es irreductible si gr(p(x)) > 0 i els unics
divisors de p(x) son i p(x), amb K 0. En aquest cas, tambe es diu que
p(x) es irreductible sobre K.
68
`
Observacio 4.3.1 Observem que si p(x) K[x] es un polinomi irreductible llavors
tambe ho es p(x), per a tot K 0. 3
Una altra manera de descriure els polinomis irreductibles es la seg uent.
Lema 4.3.2 Un polinomi p(x) K[x] de grau positiu es irreductible si i nomes si
p(x) no descompon com a producte des dos polinomis de grau menor.
Tot polinomi de grau 1 es irreductible. Però determinar com son els polinomis
irreductibles de K[x] es un problema molt difcil. Nosaltres donarem la solucio a
aquest problema en el cas que K sigui R o C. Però abans veiem uns resultats que
expliquen la importància dels polinomis irreductibles.
Lema 4.3.3 (a) Siguin a(x), b(x) i c(x) elements no nuls de K[x]. Si a(x) divi-
deix b(x)c(x) i m.c.d.(a(x), b(x)) = 1, llavors a(x) divideix c(x).
(b) Siguin p(x) i q
1
(x), . . . , q
m
(x) polinomis irreductibles mònics. Si p(x) divideix
q
1
(x) . . . q
m
(x), llavors existeix i 1, . . . , m tal que p(x) = q
i
(x).
Demostraci o. Per lobservacio 4.2.7, existeixen polinomis (x) i (x) de K[x]
tals que a(x)(x) +b(x)(x) = 1. Multiplicant aquesta igualtat per c(x), obtenim
a(x)c(x)(x) +b(x)c(x)(x) = c(x). (4.8)
Com que, per hipòtesi, b(x)c(x) es m ultiple de a(x), la igualtat (4.8) implica que
c(x) es m ultiple de a(x).
Per demostrar lapartat (b), farem servir (a) i el fet de que si p(x) i q(x) son dos
polinomis irreductibles mònics, llavors p(x) divideix a q(x) si i nomes si p(x) = q(x).
Demostrem (b) per induccio sobre m. Si m = 1, no hi ha res a dir. Suposem que
lenunciat es cert per a m1, i demostrem-ho per a m. Suposem que p(x) divideix
q
1
(x) . . . q
m
(x). Si p(x) = q
m
(x) ja hem acabat; si no, per lapartat (a), p(x)
divideix q
1
(x) . . . q
m1
(x), i per hipòtesi dinduccio, existeix i 1, . . . , m1 tal
que p(x) = q
i
(x).
Teorema 4.3.4 (Teorema de factoritzacio unica) Tot polinomi de grau positiu
sobre K es producte de polinomis irreductibles. A mes, si
p
1
(x) . . . p
n
(x) = q
1
(x) . . . q
m
(x)
i p
1
(x), . . . , p
n
(x), q
1
(x), . . . , q
m
(x) K[x] son polinomis irreductibles mònics, lla-
vors n = m i els polinomis p
1
(x), . . . , p
n
(x) son els mateixos que q
1
(x), . . . , q
n
(x)
tret de lordre.
Demostraci o. Demostrarem la primera part del teorema per reduccio a labsurd.
Suposem que hi ha polinomis de grau positiu sobre K que no son producte de
polinomis irreductibles. Sigui a(x) K[x] un daquests amb grau mnim. En
particular, a(x) no es irreductible. Per tant existeixen b(x), c(x) K[x] de grau
menor que el de a(x) tals que
a(x) = b(x)c(x).
Però b(x) i c(x) son producte de polinomis irreductibles, i per tant a(x) tambe, i
això contradiu leleccio de a(x). Per tant, tot polinomi de grau positiu sobre K es
producte de polinomis irreductibles.
Demostrem ara la segona part. Podem suposar que n m. Farem la demostracio
per induccio sobre n. Suposem que n = 1, es a dir, que p
1
(x) = q
1
(x) . . . q
m
(x).
Com que p
1
(x) es irreductible, m = 1. Suposem que n > 1 i que lenunciat es cert
per a n 1. Demostrem-ho per a n.
Si p
1
(x) . . . p
n
(x) = q
1
(x) . . . q
m
(x) llavors, pel Lema 4.3.3 (b), existeix
i 1, . . . , m tal que p
n
(x) = q
i
(x). Reordenant, si cal, podem suposar que i = m.
Llavors
(p
1
(x) . . . p
n1
(x) q
1
(x) . . . q
m1
(x))p
n
(x) = 0
Com que K[x] es domini dintegritat i p
n
(x) ,= 0, tenim que
p
1
(x) . . . p
n1
(x) q
1
(x) . . . q
m1
(x) = 0,
es a dir,
p
1
(x) . . . p
n1
(x) = q
1
(x) . . . q
m1
(x).
Ara, per hipòtesi dinduccio, podem concloure que n = m i que p
1
(x), . . . , p
n
(x) son
els mateixos que q
1
(x), . . . , q
n
(x) tret de lordre.
La descomposicio en factors irreductibles tambe permet calcular el màxim com u
divisor i el mnim com u m ultiple de dos polinomis. Si a(x) i b(x) son dos polinomis
de grau mes gran o igual que 1, el màxim com u divisor d(x) daquests polinomis
te com a factors irreductibles mònics els que son comuns a les descomposicions de
a(x) i de b(x). Els factors irreductibles mònics del mnim com u m ultiple de a(x) i
de b(x) son els que apareixen a la descomposicio dalgun dels dos.
Veiem-ho amb un exemple.
Exemple 4.3.5 Si a R[x] considerem els polinomis
a(x) = 2(x 1)
2
(x
2
3
)
3
(x + 3)(x
2
+x + 1)
2
i b(x) = 76(x 1)
3
(x
2
+x + 1),
70
`
llavors el seu màxim com u divisor es d(x) = (x 1)
2
(x
2
+ x + 1) i el mnim com u
m ultiple es m(x) = (x 1)
3
(x
2
3
)
3
(x + 3)(x
2
+x + 1)
2
. 3
Per calcular el màxim com u divisor i el mnim com u m ultiple de dos polinomis
amb aquest mètode, sha de menester la descomposicio en factors irreductibles dels
polinomis. En general, es molt difcil trobar aquesta descomposicio, mentre que
lalgorisme dEuclides nomes ha de menester la divisio de polinomis. De fet, quan
sestudia mes profundament el problema de la descomposicio en factors irreducti-
bles, sutilitzen simplicacions del polinomi basades en lalgorisme dEuclides. Per
exemple, si 0 ,= a(x) R[x] i a
t
(x) denota la seva derivada, llavors el polinomi
b(x) =
a(x)
m.c.d.(a(x), a
t
(x))
,
es un polinomi que te els mateixos factors irreductibles que a(x) però sense repeti-
cions (per què?).
Nota: Com hem dit abans, a Z, lanell dels nombres enters, tambe hi tenim la divisio
entera. Per tant, es pot fer un estudi de la divisibilitat denters de manera anàloga
a com hem fet la dels polinomis. En particular, lalgorisme dEuclides serveix tambe
per calcular el màxim com u divisor de dos enters no nuls. Els enters primers, es a
dir els enters p amb valor absolut mes gran que 1 que nomes son divisibles per 1 i
p, juguen el mateix paper a Z que els polinomis irreductibles a K[x]. La versio a
Z del teorema de factoritzacio unica es diu Teorema fonamental de lAritmètica. 3
4.4 Arrels de polinomis
El teorema seg uent es un cas particular del Teorema 3.2.2, i dona la relacio bàsica
entre el fet de tenir com arrel i el de ser divisible per x .
Teorema 4.4.1 (Teorema de la resta) K es una arrel de a(x) K[x] si i
nomes si a(x) es divisible per x .
Per veure la potència que te lexistència de la divisio entera, donem una altra
demostracio del Teorema de la resta.
Demostraci o. Fem la divisio entera de a(x) per x :
a(x) = q(x)(x ) +r(x).
Com que gr(r(x)) < gr(x ) = 1, tenim que r(x) = r
0
K. Aix
a() = q()( ) +r
0
= r
0
.
Per tant, es una arrel de a(x) si i nomes si r
0
= 0, es a dir, si i nomes si a(x) es
divisible per x .
Corol
.
lari 4.4.2 Siguin
1
, . . . ,
n
elements diferents de K i a(x) un polinomi di-
ferent de zero de K[x]. Llavors
1
, . . . ,
n
son arrels de a(x) si i nomes si existeix
b(x) K[x] tal que
a(x) = (x
1
) . . . (x
n
)b(x).
Demostraci o.

Es clar que si
a(x) = (x
1
) . . . (x
n
)b(x),
llavors
1
, . . . ,
n
son arrels de a(x). Demostrarem el recproc per induccio sobre
n. El cas n = 1 es el Teorema 4.4.1. Suposem que n > 1 i que el resultat es cert
per n 1. Siguin doncs
1
, . . . ,
n
arrels diferents de a(x). Per hipòtesi dinduccio,
existeix 0 ,= b
1
(x) K[x] tal que
a(x) = (x
1
) . . . (x
n1
)b
1
(x).
Llavors
0 = a(
n
) = (
n

1
) . . . (
n

n1
)b
1
(
n
).
Com que
(
n

1
) . . . (
n

n1
) ,= 0,
podem deduir que b
1
(
n
) = 0. Si apliquem el Teorema 4.4.1 a b
1
(x), obtenim que
b
1
(x) = (x
n
)b(x). Per tant
a(x) = (x
1
) . . . (x
n1
)b
1
(x) = (x
1
) . . . (x
n1
)(x
n
)b(x),
tal com volem veure.
Es diu que K es una arrel dun polinomi a(x) K[x] amb multiplicitat
m 1, si existeix b(x) K[x] tal que
a(x) = (x )
m
b(x) i b() ,= 0.
Corol
.
lari 4.4.3 La suma de les multiplicitats de totes les arrels diferents dun
polinomi a(x) K[x] de grau n 0 es menor o igual a n.
En particular, un polinomi de grau n te com a molt n arrels diferents.
72
`
Demostraci o. Siguin
1
, . . . ,
r
K les arrels diferents de a(x) amb multiplicitats
m
1
, . . . , m
r
respectivament. Llavors pel Teorema de factoritzacio unica, existeix
b(x) K[x] tal que
a(x) = (x
1
)
m
1
. . . (x
r
)
m
r
b(x).
Per tant
n = gr(a(x)) = m
1
+. . . +m
r
+ gr(b(x)) m
1
+. . . +m
r
.
En general, no es una tasca fàcil trobar totes les arrels dun polinomi. En el cas
de grau 2, coneixem una formula en termes dels coecients del polinomi. Existeixen
formules similars per trobar arrels de polinomis de grau 3 i de grau 4; però es pot
demostrar que, en general, no existeixen formules per trobar arrels de polinomis de
grau mes gran o igual que 5.
En el cas de Q[x], la proposicio seg uent dona un mètode per trobar totes les
arrels racionals dun polinomi.
Proposicio 4.4.4 Siguin a, b Z, amb b ,= 0 i m.c.d.(a, b) = 1. Sigui
f(x) = a
0
+a
1
x +. . . +a
n
x
n
Z[x],
amb a
n
,= 0. Si
a
b
es una arrel de f(x) llavors a es un divisor de a
0
i b es un divisor
de a
n
.
Demostraci o. Tenim que
f
_
a
b
_
= a
0
+a
1
a
b
+. . . +a
n
_
a
b
_
n
= 0.
Multiplicant per b
n
, obtenim
a
0
b
n
+a
1
ab
n1
+. . . +a
n
a
n
= 0.
Per tant
b(a
0
b
n1
+a
1
ab
n2
+. . . +a
n1
a
n1
) = a
n
a
n
.
Com que b es un divisor de a
n
a
n
i m.c.d.(a, b) = 1, tenim que b es un divisor de a
n
.
Tambe tenim que
a
0
b
n
= a(a
1
b
n1
+. . . +a
n
a
n1
).
Com que a es un divisor de a
0
b
n
i m.c.d.(a, b) = 1, tenim que a es un divisor de a
0
.
Si a(x) es un polinomi irreductible de grau mes gran o igual que dos, llavors a(x)
no te arrels. En general, no es cert que un polinomi sense arrels sigui irreductible.
Per exemple, el polinomi (x
2
+ 1)
2
= x
4
+ 2x
2
+ 1 no te arrels a R[x] però no es
irreductible.
Per a polinomis de grau 2 o 3 tenim el resultat seg uent.
Proposicio 4.4.5 Sigui a(x) K[x]. Si el grau de a(x) es 2 o 3, a(x) es irreductible
si i nomes si a(x) no te arrels.
Demostraci o. Si a(x) es un polinomi irreductible de grau mes gran o igual que 2
llavors, pel Teorema 4.4.1, a(x) no te arrels.
Per demostrar el recproc, suposem que a(x) es un polinomi de grau 2 o 3 sense
arrels. Per la Proposicio 4.1.1, si tenim una descomposicio a(x) = p
1
(x)p
2
(x), on
gr(p
i
(x)) > 0 per a i = 1, 2, llavors o be gr(p
1
(x)) = 1 o be gr(p
2
(x)) = 1; en
qualsevol dels dos casos, pel Teorema 4.4.1, podem concloure que a(x) te una arrel.
Però estem suposant que a(x) no te arrels, per tant, si a(x) = p
1
(x)p
2
(x), o be
gr(p
1
(x)) = 0 o be gr(p
2
(x)) = 0.

Es a dir, a(x) es irreductible.
4.5 Polinomis irreductibles de C[x] i de R[x]
Es pot veure, encara que no es fàcil, que a Q[x] hi han polinomis irreductibles de
qualsevol grau positiu. A R[x] i a C[x] la situacio no es tan complicada.
La demostracio del teorema seg uent sescapa de labast daquest llibre.
Teorema 4.5.1 (Teorema fonamental de l
`
Algebra) Tot polinomi sobre C de
grau positiu te alguna arrel a C.
Com a conseq uència tenim els resultats seg uents.
Corol
.
lari 4.5.2 Els polinomis irreductibles de C[x] son els de grau 1.
Demostraci o. Ja sabem que els polinomis de grau 1 son irreductibles. Sigui
a(x) C[x] tal que gr(a(x)) > 1. Llavors, pel Teorema fonamental de l
`
Algebra,
a(x) te una arrel i, pel Teorema 4.4.1, a(x) no es irreductible.
Proposicio 4.5.3 Sigui 0 ,= p(x) R[x]. Llavors:
(i) Si z es una arrel complexa de p(x) llavors la seva conjugada z tambe ho es.
(ii) Si z C R llavors (x z)(x z) es un polinomi de R[x] irreductible.
74
`
(iii) Si z C R es una arrel de p(x) llavors (x z)(x z) divideix p(x).
Demostraci o. Per demostrar (i) suposem que z C satisfà p(z) = 0. Llavors,
fent servir la Proposicio 3.4.1 i que p(x) R[x], tenim que
0 = p(z) = p(z).
Per tant z es arrel de p(x).
Demostrem (ii). Si z = a +bi llavors
(x z)(x z) = x
2
(z +z)x +zz = x
2
2ax + (a
2
+b
2
) R[x].
Si z C R, llavors (x z)(x z) es un polinomi de grau dos amb dues arrels
complexes, pel Corol
.
lari 4.4.3, no te mes arrels a C. En particular, no te cap arrel
real, i per tant, com que es de grau 2, per la Proposicio 4.4.5, es irreductible sobre
R.
Si z C R es una arrel de p(x) llavors, per (i), tambe ho es z. Com que z ,= z,
pel Corol
.
lari 4.4.2, (x z)(x z) divideix p(x).
Corol
.
lari 4.5.4 Els polinomis irreductibles de R[x] son els de grau 1 i els de grau
2 de la forma
ax
2
+bx +c,
amb b
2
4ac < 0.
Demostraci o. Sigui p(x) R[x] un polinomi irreductible de grau mes gran o
igual que dos. Llavors, pel Teorema 4.4.1, p(x) no te arrels reals, però, pel Teorema
fonamental de l
`
Algebra, p(x) te una arrel z a C R. Per la Proposicio 4.5.3, tenim
que (x z)(x z) R[x] i que p(x) = [(x z)(x z)]q(x), per a cert q(x) R[x].
Com que p(x) es irreductible, el grau de q(x) ha de ser zero. Per tant el grau de
p(x) es dos. Com que p(x) = ax
2
+ bx + c no te arrels reals, el seu discriminant es
mes petit que zero, es a dir, b
2
4ac < 0.
Si p(x) = ax
2
+bx + c i b
2
4ac < 0 llavors, fent servir la formula de lequacio
de segon grau, veiem que p(x) no te arrels reals. Per la Proposicio 4.4.5, p(x) es
irreductible.
Exemple 4.5.5 Busquem la descomposicio en factors irreductibles del polinomi
x
4
+ 1 a R[x] i a C[x]. A lexemple 3.4.3 hem calculat les arrels complexes daquest
polinomi que son
z
1
=
2
2
+i
2
2
z
2
=
2
2
+i
2
2
z
3
=
2
2
i
2
2
z
4
=
2
2
i
2
2
.
Llavors la descomposicio en factors irreductibles de x
4
+ 1 a C[x] es: (x z
1
)(x
z
2
)(xz
3
)(xz
4
). Observem que z
1
= z
4
i que z
2
= z
3
. Per tant (xz
1
)(xz
4
) =
x
2
2x+1 i (xz
2
)(xz
3
) = x
2
+
2x+1 son dos factors irreductibles de x

4
+1
a R[x]. Per tant la descomposicio a R[x] es: x
4
+1 = (x
2
2x+1)(x
2
+
2x+1).
Considerem ara el polinomi p(x) = 2x
5
+3x
4
+2x +3. Mirem primer si p(x) te
arrels racionals. Per la Proposicio 4.4.4, els candidats a ser arrels racionals de p(x)
son 1,
1
2
, 3 i
3
2
. Daquestes nomes es arrel
3
2
, i trobem que
p(x) = (x +
3
2
)2(x
4
+ 1) = (2x + 3)(x
4
+ 1).
Per tant la descomposicio en factors irreductibles a R[x] es:
p(x) = (2x + 3)(x
2
2x + 1)(x
2
+
2x + 1),
i a C[x] es:
p(x) = (2x + 3)(x z
1
)(x z
2
)(x z
3
)(x z
4
). 3
4.6 Exercicis
Exercici 1 Calculeu el màxim com u divisor i mnim com u m ultiple dels parells de
polinomis de R[x] seg uents:
(a) x
5
2x
3
+ 5x + 1 i x
4
+ 3x + 1.
(b) 3x
2
2 i 2x
6
x + 5,
(c) x
3
+ 1 i x
4
2x
3
+ 2x
2
2x + 1,
(d) 3x
4
4x
3
+ 1 i x
3
3x + 2.
Exercici 2 Siguin a(x) = x
4
2x
3
x 2 i b(x) = x
5
+ 3x
4
+ 5x
3
+ 5x
2
+ 3x + 1
polinomis de Q[x]. Calculeu d(x) = m.c.d.(a(x), b(x)) i dos polinomis (x), (x)
Q[x] tals que d(x) = (x)a(x) +(x)b(x).
Exercici 3 Trobeu les arrels a Q, R i C dels polinomis seg uents:
(a) x
4
5x
2
+ 6,
76
`
(b) x
5
+x
4
2x
3
2x
2
+x + 1,
(c) 4x
6
8x
5
+ 3x
4
4x
2
+ 8x 3,
(d) 81x
4
108x
3
+ 54x
2
12x + 1.
Exercici 4 La derivada dun polinomi ens pot ajudar a factoritzar-lo.
(a) Siguin m un enter positiu i p(x), a(x) R[x] tals que p(x) es irreductible i
p(x)
m
divideix a(x). Demostreu que p(x)
m1
divideix a
t
(x), la derivada de
a(x).
(b) Sigui a(x) R[x] un polinomi no nul. Proveu que m.c.d.(a(x), a
t
(x)) = 1 si i
nomes si a(x) = p
1
(x) . . . p
r
(x), on p
1
(x), . . . , p
r
(x) R[x] son irreductibles
mònics diferents i es un real no nul.
(c) Donat a(x) R[x], doneu un mètode general que, sense factoritzar a(x), cal-
culi un polinomi amb els mateixos factors irreductibles mònics que a(x), però
sense repeticions.
(d) Apliqueu-ho per factoritzar: 2x
4
+ 3x
3
3x
2
7x 3, x
6
+ 3x
4
+ 3x
2
+ 1,
x
6
2x
5
+3x
4
4x
3
+3x
2
2x +1 i x
6
+6x
5
+15x
4
+20x
3
+15x
2
+6x +1.
Exercici 5 Factoritzeu completament sobre Q, R i C els polinomis: x
4
+ 1, x
4
1,
x
4
+ 4, x
5
1, x
7
1.
Exercici 6 Siguin a(x) = x
4
(5 + 2i)x
3
+ (8 + 9i)x
2
(1 + 14i)x + 5i 5 i
b(x) = x
3
(1 + 3i)x
2
+ (2i 3)x + 1 + i polinomis amb coecients complexos.
Calculeu el m.c.d.(a(x), b(x)). Calculeu les arrels de a(x) i b(x).
Captol 5
Espais Vectorials
En aquest captol ens introdum en la part de les matemàtiques anomenada
`
Algebra
lineal. Aquesta estudia nomes una estructura algebraica, la despai vectorial, que
es molt rica i modela parts importants dobjectes destudi de moltes ciències, i en
particular de la fsica.
En tot aquest captol, K es un cos.
Un espai vectorial sobre K o K-espai vectorial es un grup abelià (V, +) junt amb
un producte per elements de K,
: K V V
(, u) u
que compleix les propietats seg uents:
(1) (u +v) = u +v, K, u, v V .
(2) ( +)u = u +u, , K, u V .
(3) ()u = (u), , K, u V .
(4) 1 u = u, u V .
Els elements de V es diuen vectors i els de K, escalars.
Notacio: En un espai vectorial arbitrari, seguirem el conveni de denotar els escalars
per lletres de lalfabet grec i els vectors per lletres de lalfabet llat. Daquesta
manera sempre podrem distingir els elements que son vectors dels que son escalars.
Moltes vegades, per denotar els vectors, es fa servir la notacio v. Nosaltres nomes
la farem servir quan hi pugui haver confusio entre vectors i escalars, com es el cas
de la proposicio seg uent. 3
77
78
`
Proposicio 5.0.1 Sigui V un K-espai vectorial. Llavors
(i) 0 u =
0, u V .
(ii)
0 =
0, K.
(iii) u =
0 = 0 o u =
0.
(iv) (1) u = u, u V .
Demostraci o. (i) 0 u = (0 + 0) u = 0 u + 0 u. Per tant

0 = 0 u.
(ii)
0 = (
0 +
0) =
0 +
0. Per tant

0 =
0.
(iii) Suposem que u =

0 i ,= 0. Hem de veure que u =

0. Ara u = 1 u =
(
1
)u =
1
(u) =
1
0 =
0.
(iv) u + (1) u = 1 u + (1) u = (1 1)u = 0 u =
0. Per tant (1) u = u.

Exemples 5.0.2
(1) El conjunt V = 0 amb la suma 0 + 0 = 0 i el producte per escalars denit per
0 = 0, per a tot K, es un K-espai vectorial que es diu espai vectorial zero
o nul. Per ab us de notacio i comoditat, a vegades sescriu V = 0 en comptes de
V = 0.
(2) K
n
amb les operacions
(a
1
, . . . , a
n
) + (b
1
, . . . , b
n
) = (a
1
+b
1
, . . . , a
n
+b
n
),
(a
1
, . . . , a
n
) = (a
1
, . . . , a
n
)
es un K-espai vectorial.
(3) M
mn
(K) amb la suma de matrius i el producte per elements de K
(a
ij
) = (a
ij
)
es un K- espai vectorial.
(4) Si V es un K-espai vectorial i X ,= , llavors el conjunt T(X, V ) de totes les
aplicacions de X a V amb la suma daplicacions
f +g : X V
x f(x) +g(x)
per a tot f, g T(X, V ), i el producte
f : X V
x f(x)
per a tot K i tot f T(X, V ), es un K-espai vectorial.
5. Espais Vectorials 79
(5) K[x] amb la suma i el producte per elements de K es un K-espai vectorial.
(6) Sigui V
i
iI
una famlia no buida de K-espais vectorials. Llavors

iI
V
i
amb
la suma i el producte per elements de K denits per
(v
i
)
iI
+ (u
i
)
iI
= (v
i
+u
i
)
iI
i
(v
i
)
iI
= (v
i
)
iI
es un K-espai vectorial.
(7) Pensem R
3
com un model de lespai on vivim. Suposem que en un punt P R
3
hi ha una partcula puntual. El conjunt de forces, que podem aplicar sobre aquesta
partcula, el podem modelar com el conjunt de segments dirigits, amb origen P i
nal a qualsevol altre punt de R
3
, o tambe, com el conjunt
F
P
= (P, Q) [ Q R
3
.
El resultat daplicar dues forces (P, Q
1
), (P, Q
2
) sobre la partcula es el mateix que
el daplicar una forca (P, Q) de manera que P, Q
1
, Q, Q
2
son els vèrtexs dun paral-
lelogram de costats PQ
1
, Q
1
Q, QQ
2
i Q
2
P. Es pot calcular el punt Q usant la suma
de R
3
:
Q = P + (Q
1
P) + (Q
2
P) = Q
1
+Q
2
P.
Això ens permet denir la suma de forces (P, Q
1
), (P, Q
2
), sobre la partcula situada
a P, com
(P, Q
1
) + (P, Q
2
) = (P, Q
1
+Q
2
P).
Observem que aquesta suma es associativa:
((P, Q
1
) +(P, Q
2
)) +(P, Q
3
) = (P, Q
1
+Q
2
P) +(P, Q
3
) = (P, Q
1
+Q
2
+Q
3
2P)
i
(P, Q
1
) +((P, Q
2
) +(P, Q
3
)) = (P, Q
1
) +(P, Q
2
+Q
3
P) = (P, Q
1
+Q
2
+Q
3
2P).
Clarament, la suma de forces es commutativa. Lelement neutre daquesta suma es
la forca nul
.
la (P, P):
(P, Q) + (P, P) = (P, Q+P P) = (P, Q).
La forca oposada de (P, Q) es (P, Q+ 2P):
(P, Q) + (P, Q+ 2P) = (P, QQ+ 2P P) = (P, P).
80
`
Per tant F
P
amb la suma de forces es un grup abelià. El mòdul de la forca (P, Q)
es la llargada del segment PQ. Quan multipliquem una forca per un real positiu
, obtenim una forca que te la mateixa direccio, el mateix sentit i el mòdul queda
multiplicat per . Per garantir aquesta propietat de les forces, hem de denir el
producte duna forca (P, Q) per un real arbitrari per
(P, Q) = (P, (QP) +P).
Veiem que F
P
amb la suma de forces i aquest producte es un R-espai vectorial.
Siguin , R. Comprovem les quatre propietats que falten de la denicio despai
vectorial:
((P, Q
1
) + (P, Q
2
)) = (P, Q
1
+Q
2
P) = (P, (Q
1
+Q
2
2P) +P)
i
(P, Q
1
) +(P, Q
2
) = (P, (Q
1
P) +P) + (P, (Q
2
P) +P)
= (P, (Q
1
+Q
2
2P) +P).
Per tant ((P, Q
1
) + (P, Q
2
)) = (P, Q
1
) +(P, Q
2
). Ara
( +)(P, Q) = (P, ( +)(QP) +P) = (P, (QP) +(QP) +P)
i
(P, Q) +(P, Q) = (P, (QP) +P) + (P, (QP) +P)
= (P, (QP) +(QP) +P).
Per tant ( +)(P, Q) = (P, Q) +(P, Q). Tambe tenim que
()(P, Q) = (P, (QP) +P)
i
((P, Q)) = (P, (QP) +P) = (P, (QP) +P).
Per tant ()(P, Q) = ((P, Q)). Finalment,
1 (P, Q) = (P, 1 (QP) +P) = (P, QP +P) = (P, Q).
Amb tot això, hem vist que les forces es poden modelar per vectors. I hi ha molts
altres objectes de la Fsica que es modelen per vectors. De fet, normalment, diem
la forca es un vector... 3
Un subconjunt W dun K-espai vectorial V es diu que es un subespai vectorial
de V si W es un espai vectorial amb les operacions heretades de V .

Es a dir, W es
un subespai vectorial si i nomes si
(1) W es un subgrup de V i
(2) u W, K, u W.
Proposicio 5.0.3 Un subconjunt W ,= dun K-espai vectorial V es un subespai
vectorial de V si i nomes si
u +v W, , K, u, v W.
Demostraci o. Suposem que
u +v W, , K, u, v W.
Agafant = 1 i = 1, obtenim
u v W, u, v W.
Per tant, per la Proposicio 2.1.1, W es un subgrup de V . Ara, agafant = 0, tenim
u W, K, u W.
Per tant W es un subespai vectorial de V .
Laltra implicacio es evident.
Exemples 5.0.4
(1) Si V es un K-espai vectorial llavors
0 es un subespai vectorial de V .
(2) Considerem el conjunt,
W = A M
2
(K) [ A = A
t
.
Si A =
_
a b
c d
_
i A = A
t
= (
a c
b d
), llavors c = b. Per tant W es pot descriure com
el conjunt de les matrius A M
2
(K) de la forma A =
_
a b
b d
_
. Aquestes matrius
es diuen matrius simètriques. Ara demostrarem que W es un subespai vectorial de
M
2
(K).
W es no buit perquè (
0 0
0 0
) W. Siguin A =
_
a b
b d
_
i A
t
=
_
a
_
elements de
W, i siguin , elements de K. Llavors
A+A
t
=
_
a +a
t
b +b
t
b +b
t
d +d
t
_
,
que es simètrica. Per la Proposicio 5.0.3, podem concloure que W es un subespai
vectorial de M
2
(K).
82
`
(3) Sigui A = (a
ij
) una matriu de M
mn
(K). Considerem el sistema dequacions
lineals homogeni sobre K, A
_
x
1
.
.
.
x
n
_
=
_
0
.
.
.
0
_
, que escrit en forma estesa es
a
11
x
1
+. . . + a
1n
x
n
= 0
a
21
x
1
+. . . + a
2n
x
n
= 0
. . .
a
m1
x
1
+. . . + a
mn
x
n
= 0
_
_
El conjunt S de les solucions del sistema, es a dir
S =
_
_
b = (b
1
, . . . , b
n
) K
n
[ A b
t
= A
_
_
_
_
b
1
.
.
.
b
n
_
_
_
_
=
_
_
_
_
0
.
.
.
0
_
_
_
_
_
_
,
es un subespai vectorial de K
n
. Per demostrar-ho notem primer que (0, . . . , 0) es
sempre solucio, per tant S ,= . Si b i c son solucions, llavors per a qualssevol i
de K tenim
A(b +c)
t
= A(b
t
+c
t
) = Ab
t
+Ac
t
= 0.
Per la Proposicio 5.0.3, tenim que S es un subespai vectorial de K
n
.
(4) Sigui n un nombre natural xat. Aplicant les propietats del grau dels polinomis,
es pot veure fàcilment que K
n
[x] = p(x) K[x] [ gr(p(x)) n es un subespai
vectorial de K[x]. 3
5.1 Dependència i independència lineal
Es diu que un vector u dun K-espai vectorial V es una combinacio lineal de
u
1
, . . . , u
n
V , si existeixen
1
, . . . ,
n
K tals que
u =
1
u
1
+. . . +
n
u
n
.
Si A es un subconjunt no buit dun K-espai vectorial V , denotem per A) el
conjunt de totes les combinacions lineals de vectors de A. Si A es el conjunt buit
posem, per conveni, que ) = 0.
Lema 5.1.1 A) es un subespai vectorial de V . A mes, A) es el subespai vectorial
mes petit de V que conte A.
Demostraci o. Observeu que A) sempre es diferent del conjunt buit; perquè si
A = llavors ) = 0 i si A ,= llavors A A). Siguin u i v elements de A), i
siguin i elements de K. Llavors
u =
n
1
i=1
i
u
i
i v =
n
2
j=1
j
v
j
,
on
i
,
j
son elements de K, i u
i
, v
j
son elements de A. Llavors
u +v =
_
n
1
i=1
i
u
i
_
+
_
_
n
2
j=1
j
v
j
_
_
,
que es una combinacio lineal delements de A. Per la Proposicio 5.0.3, podem
concloure que A) es un subespai vectorial de V .
Si W es un subespai vectorial de V tal que A W, llavors W conte totes les
combinacions lineals delements de A. Per tant, W conte A).
Sigui A un subconjunt dun K-espai vectorial V . Denim el subespai vectorial
generat per A com A). Si W es un subespai vectorial de V i W = A), llavors diem
que A genera W o tambe que A es un conjunt de generadors de W.
Si existeix un subconjunt nit A de V tal que V = A), llavors diem que V es
un espai vectorial nitament generat.
Per comoditat, si u
1
, . . . , u
n
son vectors de V , escriurem u
1
, . . . , u
n
) en comptes
de u
1
, . . . , u
n
).
Exemple 5.1.2 A R
3
, el vector (1, 1, 1) es combinacio lineal de (1, 1, 0) i (2, 2, 1),
ja que
(1, 1, 1) = 3(1, 1, 0) + (1)(2, 2, 1).
Per tant (1, 1, 1) (1, 1, 0), (2, 2, 1)). En canvi, (1, 0, 0) , (1, 1, 0), (2, 2, 1)),
perquè, en cas contrari, existirien
1
,
2
R tals que (1, 0, 0) =
1
(1, 1, 0) +
2
(2, 2, 1). Aix,
1
i
2
serien solucio del sistema dequacions lineals
_
_
_
1 2
1 2
0 1
_
_
_
_
x
y
_
=
_
_
_
1
0
0
_
_
_
.
Però aquest sistema es incompatible. 3
Observacio 5.1.3 Una conseq uència immediata del Lema 5.1.1 es que, si A i B
son subconjunts dun K-espai vectorial V , llavors A) B) si i nomes si A B).
Per tant, A) = B) si i nomes si A B) i B A). 3
84
`
Entre totes les famlies de generadors dun espai vectorial volem trobar les que
tinguin el mnim nombre delements possible. Per fer això hem de menester el
concepte dindependència lineal.
Direm que els vectors u
1
, . . . , u
n
dun K-espai vectorial V son linealment inde-
pendents (o simplement l.i.) si
1
u
1
+. . . +
n
u
n
= 0
1
, . . . ,
n
K
_

1
= . . . =
n
= 0.
En cas contrari, direm que u
1
, . . . , u
n
son linealment dependents (o simplement l.d.)
En general, es diu que una famlia innita de vectors es l.i. si cada subfamlia
nita es l.i.
Per conveni, direm que es l.i.
Exemples 5.1.4
(1) Sigui V un K-espai vectorial. Llavors

0 no es linealment independent, perquè
0 =
0 per qualsevol K. De fet,

v V es l.i. v ,=
0.
(2) A lespai vectorial K
n
, considerem els vectors
e
i
= (0, . . . , 0,
i)
1, 0, . . . , 0).
Llavors e
1
, e
2
, . . . , e
n
son l.i. A mes, si (a
1
, . . . , a
n
) K
n
, llavors
(a
1
, . . . , a
n
) =
n
i=1
a
i
e
i
.
Per tant e
1
, . . . , e
n
) = K
n
.
(3) A K[x], els polinomis 1, x, x
2
, . . . , x
n
, . . . son l.i. i tot polinomi es una combinacio
lineal daquests elements. Per tant 1, x, x
2
, . . . , x
n
, . . . generen K[x].
(4) A M
mn
(K) les matrius e
ij
, que tenen un 1 al lloc (i, j) i la resta dentrades
nul
.
les, son l.i. i tambe generen tot lespai vectorial M
mn
(K). 3
Proposicio 5.1.5 Sigui V un K-espai vectorial. Els vectors u
1
, . . . , u
n
V , amb
n 2, son l.d. si i nomes si un dells es combinacio lineal dels altres. En aquest
cas, si u
j
es combinacio lineal de la resta de vectors, llavors
u
1
, . . . , u
n
) = u
1
, . . . , u
j1
, u
j+1
, . . . , u
n
).
Demostraci o. Els vectors u
1
, . . . , u
n
son l.d. si i nomes si existeixen
1
, . . . ,
n
K no tots nuls tals que
1
u
1
+. . . +
n
u
n
= 0.
Això passa si i nomes si existeix j 1, . . . , n tal que
j
,= 0 i
u
j
=
n
i=1
i,=j
1
j

i
u
i
,
es a dir, si i nomes si un dells es combinacio lineal dels altres. En aquest cas, per
lobservacio 5.1.3, tenim que u
1
, . . . , u
j1
, u
j+1
, . . . , u
n
) u
1
, . . . , u
n
), i com que
u
n
u
1
, . . . , u
j1
, u
j+1
, . . . , u
n
), tambe tenim que
u
1
, . . . , u
n
) u
1
, . . . , u
j1
, u
j+1
, . . . , u
n
).
Per tant u
1
, . . . , u
n
) = u
1
, . . . , u
j1
, u
j+1
, . . . , u
n
).
Corol
.
lari 5.1.6 Sigui V un K-espai vectorial i siguin u
1
, . . . , u
n
generadors de V .
Llavors existeix A u
1
, . . . , u
n
tal que A tambe genera tot V i, a mes, els elements
de A son linealment independents.
Demostraci o. Si V = 0 llavors posem A = . Suposem doncs que V ,= 0. En
aquest cas, com que u
1
, . . . , u
n
generen V, segur que n 1.
Ara farem la demostracio per induccio sobre n. Suposem primer que n = 1;
llavors, com que V ,= 0, u
1
,= 0, i prenem A = u
1
. Suposem que n > 1 i que
lenunciat es cert per a n 1. Si u
1
, . . . , u
n
son linealment independents, prenem
A = u
1
, . . . , u
n
, si no, per la Proposicio 5.1.5, existeix j 1, . . . , n tal que
u
1
, . . . , u
j1
, u
j+1
, . . . , u
n
generen V . Però aquesta famlia te n 1 elements per
tant, per hipòtesi dinduccio, conte un subconjunt A que genera tot V i es linealment
independent.
Proposicio 5.1.7 Sigui V un K-espai vectorial i siguin u, u
1
, . . . , u
n
vectors de V
tals que existeixen
1
, . . . ,
n
K que compleixen que
u =
1
u
1
+. . .
n
u
n
amb
1
,= 0. (5.1)
Llavors,
(i) u
1
, . . . , u
n
son linealment independents si i nomes si ho son u, u
2
, . . . , u
n
.
86
`
(ii) u
1
, . . . , u
n
) = u, u
2
, . . . , u
n
).
Demostraci o. Observem primer que, com que
1
,= 0, tenim que
u
1
=
1
1
u
2
1
1
u
2
. . .
n
1
1
u
n
. (5.2)
Per tant u
1
es combinacio lineal de u, u
2
, . . . , u
n
i el coecient de u a (5.2) es diferent
de zero.
(i) Suposem que u
1
, . . . , u
n
son linealment independents. Llavors, si 0 =
1
u +
2
u
2
+. . . +
n
u
n
, fent servir la igualtat (5.1), obtenim que
0 =
1
1
u
1
+ (
2
+
1
2
)u
2
+. . . + (
n
+
1
n
)u
n
.
Com que u
1
, . . . , u
n
son l.i.,
1
=
2
+
1
2
= . . . =
n
+
1
n
= 0.
Però
1
,= 0, per tant
1
= 0 i, en conseq uència,
2
= . . . =
n
= 0.
Un argument similar demostra que si u, u
2
, . . . , u
n
son linealment independents,
llavors tambe ho son u
1
, . . . , u
n
; en aquest cas, cal fer servir la igualtat (5.2).
(ii) Per les igualtats (5.1) i (5.2), tenim que u, u
2
, . . . , u
n
u
1
, . . . , u
n
) i que
u
1
, . . . , u
n
u, u
2
, . . . , u
n
). Per tant u
1
, . . . , u
n
) = u, u
2
, . . . , u
n
) (recordem
lobservacio 5.1.3).
5.2 Bases i dimensio
Una base dun K-espai vectorial V es una famlia de vectors de V , v
i
iI
, tal que
(1) V = v
i
[ i I).
(2) v
i
iI
es l.i.
Si una base de V es nita, lescriurem en la forma (v
1
, v
2
, . . . , v
n
), es a dir, una base
nita de V es un conjunt nit totalment ordenat de vectors de V que generen V i
son l.i.
Exemples 5.2.1
(1) El conjunt ordenat ((1, 2), (1, 1)) es una base de R
2
. Comprovem-ho. Veiem
primer que els vectors (1, 2), (1, 1) son l.i. Siguin , R tals que
(1, 2) +(1, 1) = (0, 0).
Llavors
= 0
2 + = 0
_
Sumant les equacions, obtenim 3 = 0, i aix = 0 i tambe = 0. Per tant
(1, 2), (1, 1) son l.i.
Veiem ara que (1, 2), (1, 1) generen R
2
. Sigui (a, b) R
2
. Hem de trobar
x, y R tals que
x(1, 2) +y(1, 1) = (a, b),
es a dir,
x y = a
2x +y = b
_
Sumant les equacions, obtenim 3x = a +b, i aix
x =
a +b
3
i
y = b 2x = b
2a + 2b
3
=
b 2a
3
.
Això demostra que R
2
= (1, 2), (1, 1)). Per tant ((1, 2), (1, 1)) es una base de
R
2
.
Notem que, com que les bases nites son conjunts ordenats, les bases
((1, 2), (1, 1)) i ((1, 1), (1, 2))
de R
2
son diferents.
(2) Els exemples 5.1.4 (2), (3) i (4) mostren que
(e
1
, . . . , e
n
)
es una base de K
n
,
(1, x, x
2
, . . . , x
n
, . . .)
es una base de K[x] i
(e
11
, . . . , e
1n
, e
21
, . . . , e
2n
, . . . , e
m1
, . . . , e
mn
)
es una base de M
mn
(K). 3
La base (e
1
, . . . , e
n
) de K
n
es diu base canònica de K
n
.
La demostracio del resultat seg uent està fora de labast daquest llibre.
Teorema 5.2.2 Tot K-espai vectorial te base.
88
`
Notem però que si V te un nombre nit de generadors, el fet que V tingui base
es conseq uència del Corol
.
lari 5.1.6.
Nota: Per conveni, es una base de lespai vectorial 0.
Teorema 5.2.3 (Teorema de Steinitz) Sigui (u
1
, . . . , u
n
) una base dun K-espai
vectorial V i siguin v
1
, . . . , v
m
vectors de V l.i. Llavors:
(i) m n,
(ii) es poden substituir m vectors de la base (u
1
, . . . , u
n
) per v
1
, . . . , v
m
obtenint
una nova base.
Demostraci o. Ho demostrarem per induccio sobre m. Per a m = 0 no hi ha res
a demostrar. Suposem que m > 0 i que el teorema es cert per a m1. Per hipòtesi
dinduccio, es poden substituir m1 vectors de la base (u
1
, . . . , u
n
) per v
1
, . . . , v
m1
obtenint una nova base. Reordenant la base (u
1
, . . . , u
n
), podem suposar que
(v
1
, . . . v
m1
, u
m
, . . . , u
n
)
es la nova base. Per tant existeixen
1
, . . . ,
n
K tals que
v
m
=
1
v
1
+. . . +
m1
v
m1
+
m
u
m
+. . . +
n
u
n
.
Com que v
1
, . . . , v
m
son l.i., algun dels coecients de les u
i
es diferent de zero i, en
particular, obtenim que m n. Si a la base (v
1
, . . . v
m1
, u
m
, . . . , u
n
) substitum el
vector u
i
, amb coecient diferent de zero, per v
m
, per la Proposicio 5.1.7, el resultat
de fer aquesta substitucio tambe es una base.
Teorema 5.2.4 (Teorema de la base) Si V es un K-espai vectorial que te una
base amb un nombre nit delements llavors totes les bases de V tenen el mateix
nombre delements.
Demostraci o. Si B
1
= (u
1
, . . . , u
n
) es una base de V i v
1
, . . . , v
m
son vectors
linealment independents de V llavors, pel Teorema de Steinitz, n m. Per tant
tota famlia de vectors linealment independents de V te com a molt n elements i,
en particular, es nita.
Aix tambe veiem que si B
2
= (v
1
, . . . , v
m
) es una altra base de V , llavors m n.
Si apliquem el Teorema de Steinitz a la base B
2
i al conjunt de vectors linealment
independents B
1
obtenim que n m. Per tant n = m.
El Teorema de la base ens permet denir la dimensio dun K-espai vectorial V
com el nombre de vectors dalguna de les seves bases. Denotem la dimensio de V
per dim
K
V o per dim V si queda clar, pel context, sobre quin cos es espai vectorial
V .
Exemples 5.2.5 A partir de les bases que hem donat als exemples 5.2.1, tenim que
dim K
n
= n i que dim M
mn
(K) = mn. En el cas de K[x], hem donat una base
amb un nombre innit delements; pel Teorema de la base, totes les bases de K[x]
tindran un nombre innit delements, per tant dim K[x] = .
El cos dels nombres complexos es pot veure com un espai vectorial sobre R
i tambe com un espai vectorial sobre ell mateix. Tenim que dim
C
C = 1, i que
dim
R
C = 2 perquè (1, i) es una base de C com a R-espai vectorial. 3
Corol
.
lari 5.2.6 Sigui V un K-espai vectorial de dimensio n. Llavors,
(i) n vectors linealment independents formen una base de V .
(ii) Una famlia generadora de V amb n vectors es una base.
Demostraci o. (i) Sigui B = (v
1
, . . . , v
n
) una base de V . Si tenim una famlia
de n vectors linealment independents, pel Teorema de Steinitz, els podem substituir
tots a B de tal manera que el resultat sigui una base. Com que el resultat de fer
aquesta substitucio serà la famlia de vectors linealment independents, aquesta es
una base.
(ii) Pel Corol
.
lari 5.1.6, una famlia generadora de V de n elements conte una base
que, per ser la dimensio n, ha de tenir n elements. Això vol dir que aquesta famlia
ja es una base.
Corol
.
lari 5.2.7 Siguin V un K-espai vectorial de dimensio nita i W un subespai
vectorial de V . Llavors:
(i) La dimensio de V es el nombre màxim de vectors l.i. de V .
(ii) La dimensio de V es el nombre mnim de generadors de V .
(iii) Tota base de W es pot ampliar a una base de V . Aix
dim W dim V.
(iv) dim W = dim V si i nomes si W = V .
90
`
Demostraci o. (i) Això es clar pel Teorema de Steinitz.
(ii)

Es conseq uència del Corol
.
lari 5.1.6 i de que totes les bases tinguin el mateix
nombre delements.
(iii) Fixem B = (v
1
, . . . , v
n
) una base de V i sigui B
t
= (w
1
, . . . , w
r
) una base
de W. Pel Teorema de Steinitz, n r i podem substituir r vectors de B pels de
B
t
obtenint una nova base de V . Per tant existeixen v
i
1
, . . . , v
i
nr
B, tals que
(w
1
, . . . , w
r
, v
i
1
, . . . , v
i
nr
) formen una base de V .
(iv) Si (w
1
, . . . , w
n
) es una base de W i n = dim (V ), llavors, pel Corol
.
lari 5.2.6 (i),
(w
1
, . . . , w
n
) es tambe una base de V .
Exemple 5.2.8 Considerem lR-espai vectorial M
2
(R). Com hem vist abans, aquest
espai vectorial te dimensio 4 i B = ((
1 0
0 0
) , (
0 1
0 0
) , (
0 0
1 0
) , (
0 0
0 1
)) es una base. Siguin
W
1
=
_
A M
2
(R) [ A = A
t
_
=
__
a b
b d
_
M
2
(R) [ a, b, d R
_
,
W
2
=
__
a b
c d
_
M
2
(R) [ a +d = 0
_
=
__
a b
c a
_
M
2
(R) [ a, b, c R
_
i
W
3
=
_
A M
2
(R) [ A = A
t
_
=
__
0 b
b 0
_
M
2
(R) [ b R
_
.
Es pot veure que W
1
, W
2
i W
3
son subespais vectorials de M
2
(R). Volem calcular
la seva dimensio.

Es clar que cap W
i
es tot M
2
(R) i que tots els W
i
son diferents
de zero. Per tant, pel Corol
.
lari 5.2.7, les possibilitats per a les dimensions dels W
i
son 1, 2 i 3. Tenim la igualtat
_
a b
b d
_
= a
_
1 0
0 0
_
+b
_
0 1
1 0
_
+d
_
0 0
0 1
_
.
Per tant el subconjunt de W
1
,
_
v
1
=
_
1 0
0 0
_
, v
2
=
_
0 1
1 0
_
, v
3
=
_
0 0
0 1
__
es generador i linealment independent. Daqu podem concloure que dim W
1
= 3.
De la mateixa manera, les igualtats
_
a b
c a
_
= a
_
1 0
0 1
_
+b
_
0 1
0 0
_
+c
_
0 0
1 0
_
,
i
_
0 b
b 0
_
= b
_
0 1
1 0
_
,
ens permeten concloure que
__
1 0
0 1
_
, (
0 1
0 0
) , (
0 0
1 0
)
_
es una base de W
2
i que
_
0 1
1 0
_
es una base de W
3
. Aix doncs, dim W
2
= 3 i dim W
3
= 1.
Pel Teorema de Steinitz, els tres vectors de la base de W
1
es poden substituir a
la base B de tal manera que el resultat sigui una base. Anem a fer-ho. En aquest
cas, nomes cal que busquem un vector de B que sigui linealment independent amb
v
1
, v
2
i v
3
, ja que llavors tindrem 4 vectors linealment independents de M
2
(R) que,
pel Corol
.
lari 5.2.6, formaran una base. Tenim que v = (
0 1
0 0
) , W
1
, per tant v no
es combinacio lineal de v
1
, v
2
, v
3
. Per tant (v, v
1
, v
2
, v
3
) es una base de M
2
(R). 3
5.3 Suma i intersecci o de subespais vectorials
Anem a veure ara com construir subespais vectorials dun espai vectorial a partir
daltres subespais vectorials.
Siguin W
1
, . . . , W
n
subespais vectorials dun K-espai vectorial V . Denim la
seva suma per
W
1
+. . . +W
n
= w
1
+. . . +w
n
[ w
i
W
i
per a i = 1, . . . , n.
Es veu fàcilment que la suma de subespais vectorials es un subespai vectorial. A
mes, si W
1
= w
1,1
, . . . , w
1,r
1
), . . . , W
n
= w
n,1
, . . . , w
n,r
n
), llavors
W
1
+. . . +W
n
= w
1,1
, . . . , w
1,r
1
, . . . , w
n,1
, . . . , w
n,r
n
).
Observem tambe que
w
1
, . . . , w
r
) = w
1
) + +w
r
)
Direm que una suma de subespais vectorials W
1
+. . . +W
n
es directa si
W
j

n
i=1
i,=j
W
i
= 0, j = 1, . . . , n.
En particular, la suma de dos subespais vectorials W
1
, W
2
de V es directa si i nomes
si W
1
W
2
= 0.
Escriurem W
1
. . . W
n
per denotar que la suma W
1
+ . . . + W
n
es directa.
Tambe direm, en aquest cas, que els subespais vectorials W
1
, . . . , W
n
estan en suma
directa.
Direm que W
t
es un complement del subespai vectorial W de V si V = W W
t
.
92
`
Lema 5.3.1 Sigui V un K-espai vectorial amb base B = (v
1
, . . . , v
n
), i sigui W un
subespai vectorial de V . Llavors
(i) V = v
1
) v
n
).
(ii) Existeix A v
1
, . . . , v
n
tal que V = W A). En particular, tot subespai
vectorial de V te un complement.
Demostraci o. (i) Com que V = v
1
, . . . , v
n
), V = v
1
) + + v
n
). Si w
v
i
)
j,=i
v
j
) llavors w = v
i
=

j,=i
j
v
j
, per a certs ,
j
K. Com que
v
1
, . . . , v
n
son linealment independents, els escalars i
j
son zero i per tant w = 0.
(ii) Sigui B
t
una base de W. Pel Teorema de Steinitz, existeix A v
1
, . . . , v
n
tal que, si ordenem el conjunt B

t
A, obtenim una base de V . Com que B
t
A
genera V , tenim que V = W +A). Com que B
t
A son linealment independents,
W A) = 0. Tenim doncs que V = W A).
La proposicio seg uent ens mostra altres caracteritzacions de quan una suma de
subespais vectorials es directa.
Proposicio 5.3.2 Siguin W
1
, . . . , W
n
subespais vectorials dun K-espai vectorial V .
Llavors les condicions seg uents son equivalents.
(i) W
1
. . . W
n
.
(ii) W
j+1

j
i=1
W
i
= 0 j = 1, . . . , n 1.
(iii) Tot vector de W
1
+. . .+W
n
sexpressa de manera unica com a suma de vectors
de W
1
, . . . , W
n
, es a dir, si u
i
, v
i
W
i
, per a i = 1, . . . , n, i u
1
+ . . . + u
n
=
v
1
+. . . +v
n
, llavors u
i
= v
i
, per a tot i = 1, . . . , n.
(iv) El vector 0 sexpressa de manera unica com a suma de vectors de W
1
, . . . , W
n
.
Demostraci o. (i) (ii)

Es clar.
(ii) (iii) Siguin u
i
, v
i
W
i
, per a i = 1, . . . , n, tals que
u
1
+. . . +u
n
= v
1
+. . . +v
n
.
Llavors (u
1
v
1
) +. . . + (u
n
v
n
) = 0. Per tant
v
n
u
n
W
n

n1
i=1
W
i
= 0,
i aix u
n
= v
n
. I per induccio sobre n, tenim
u
1
= v
1
, . . . , u
n
= v
n
.
(iii) (iv)

Es clar.
(iv) (i) Sigui u
j
W
j

n
i=1
i,=j
W
i
. Llavors existeixen u
i
W
i
tals que
u
j
=
n
i=1
i,=j
u
i
.
Per tant
0 = u
1
+. . . +u
j1
+ (u
j
) +u
j+1
+. . . +u
n
,
i per (iv), tenim que u
i
= 0, per a tot i = 1, . . . , n. Això demostra que
W
j

n
i=1
i,=j
W
i
= 0, j = 1, . . . , n.
Per tant W
1
. . . W
n
.
Es fàcil comprovar que la interseccio de subespais vectorials dun K-espai vec-

torial V es un subespai vectorial de V .
La formula seg uent relaciona les dimensions de dos subespais vectorials amb la
de la seva suma i la de la seva interseccio.
Teorema 5.3.3 (Formula de Grassmann) Siguin W
1
, W
2
subespais vectorials
de dimensio nita dun K-espai vectorial V . Llavors
dim (W
1
+W
2
) = dim W
1
+ dim W
2
dim(W
1
W
2
).
Demostraci o. Sigui B = (u
1
, . . . , u
r
) una base de W
1
W
2
. Pel Corol
.
lari 5.2.7,
podem ampliar B a una base
(u
1
, . . . , u
r
, v
r+1
, . . . , v
s
)
de W
1
, i a una base
(u
1
, . . . , u
r
, w
r+1
, . . . , w
t
)
de W
2
. Observem que tot vector de W
1
+W
2
es combinacio lineal de
u
1
, . . . , u
r
, v
r+1
, . . . , v
s
, w
r+1
, . . . , w
t
.
Per tant
W
1
+W
2
= u
1
, . . . , u
r
, v
r+1
, . . . , v
s
, w
r+1
, . . . , w
t
).
Veiem que u
1
, . . . , u
r
, v
r+1
, . . . , v
s
, w
r+1
, . . . , w
t
son l.i. Siguin
1
, . . . ,
s
,
r+1
, . . . ,
t
K
94
`
tals que
r
i=1
i
u
i
+
s
i=r+1
i
v
i
+
t
j=r+1
j
w
j
= 0.
Llavors
r
i=1
i
u
i
+
s
i=r+1
i
v
i
=
t
j=r+1
j
w
j
W
1
W
2
.
Com que B es una base de W
1
W
2
, existeixen
1
, . . . ,
r
K tals que
j=r+1
j
w
j
=
r
j=1
j
u
j
.
Aix
r
j=1
j
u
j
+
t
j=r+1
j
w
j
= 0,
i com que u
1
, . . . , u
r
, w
r+1
, . . . , w
t
son l.i., tenim que
1
=
2
= . . . =
t
= 0.
Ara tenim que
r
i=1
i
u
i
+
s
i=r+1
i
v
i
= 0,
i com que u
1
, . . . , u
r
, v
r+1
, . . . , v
s
son l.i., tenim que
1
=
2
= . . . =
s
= 0.
Per tant
u
1
, . . . , u
r
, v
r+1
, . . . , v
s
, w
r+1
, . . . , w
t
son l.i., i aix
(u
1
, . . . , u
r
, v
r+1
, . . . , v
s
, w
r+1
, . . . , w
t
)
es una base de W
1
+W
2
. Podem concloure doncs que
dim(W
1
+W
2
) = s +t r = dim W
1
+ dim W
2
dim(W
1
W
2
).
Exemple 5.3.4 Continuem amb lexemple 5.2.8. Considerem els subespais vecto-
rials W
1
i W
2
daquest exemple. Calculem una base i la dimensio de W
1
W
2
. Si
_
a b
c d
_
W
1
W
2
, llavors b = c i a = d. Com que tenim la igualtat
_
a b
b a
_
= a
_
1 0
0 1
_
+b
_
0 1
1 0
_
,
i
_
1 0
0 1
_
, (
0 1
1 0
) son linealment independents, dedum que dim(W
1
W
2
) = 2, i que
una base daquest subespai vectorial es
__
1 0
0 1
_
, (
0 1
1 0
)
_
. Ara, per la Formula de
Grassmann, obtenim que dim(W
1
+W
2
) = 4. Pel Corol
.
lari 5.2.7, podem concloure
que W
1
+ W
2
= M
2
(R). Però els subespais vectorials W
1
i W
2
no estan en suma
directa perquè la seva interseccio no es zero.
Tenim que W
3
W
2
, per tant W
2
W
3
= W
3
i W
2
+W
3
= W
2
. Daltra banda,
W
3
W
1
= 0, per tant els dos subespais vectorials estan en suma directa, i com que,
per la Formula de Grassmann, dim(W
1
+ W
3
) = 4, tenim que M
2
(R) = W
1
W
3
.
Tenim doncs que W
3
es un complement de W
1
dins de M
2
(R).
Notem que W
1
te molts complements dins de M
2
(R). Qualsevol vector v
M
2
(R) W
1
satisfà que v) es un complement de W
2
. Perquè, com que dim W
1
= 3
i W
1
W
1
+ v), tenim que dim(W
1
+ v)) = 4, i per tant W
1
+ v) = M
2
(R). Si
w W
1
v), llavors w = v M
2
(R). Si ,= 0 llavors v =
1
w W
1
, cosa que
contradiu la manera com hem triat v, per tant = 0 i, en conseq uència, w = 0. 3
5.4 Exercicis
Exercici 1 Considerem lespai vectorial R[x]. Decidiu si els subconjunts seg uents
son subespais vectorials:
(a) E = R
2
[x] = p(x) R[x] [ grau (p(x)) 2 .
(b) F = p(x) R[x] [ grau (p(x)) = 3 .
(c) G = p(x) R[x] [ p(a) = 0, per a cert a R xat.
(d) H = p(x) R[x] [ p(1) Z.
Exercici 2 Sigui T(X, R) = f : X R, on X es un conjunt diferent del buit.
(a) Demostreu que amb les operacions:
(f +g)(x) = f(x) +g(x),
(f)(x) = f(x),
T(X, R) es un R-espai vectorial.
(b) Decidiu si els subconjunts de T(R, R) seg uents son subespais vectorials:
(i) E
1
= f : R R [ f(x) = f(x), x R.
(ii) E
2
= f : R R [ f(x) = f(x), x R.
(iii) E
3
= f : R R [ f es contnua .
96
`
(iv) E
4
= f : R R [ f es polinòmica.
(v) E
5
=
_
f : R R [ f(x
2
) = f(x)
2
_
.
(vi) E
6
= f : R R [ f es dos cops derivable i f
tt
f
t
f = 0.
(vii) E
7
= f : R R [ f(x) ,= 3, x R.
(viii) E
8
= f : R R [ f(a) = 0, per a un a R xat.
(ix) E
9
= f : R R [ f(a) = f(b), per a a, b R xats.
(x) E
10
= f : R R [ f(a) = f(b) +k , per a a, b, k R xats.
Exercici 3 Quins dels conjunts seg uents son subespais vectorials sobre R?
(a) E
1
=
_
(x, y, z) R
3
[ xy +z = x
_
.
(b) E
2
=
_
(x, y) R
2
[ 2x +y = 0
_
.
(c) E
3
=
_
(x, y, z) R
3
[ xy = 0
_
.
(d) E
4
=
_
(x, y) R
2
[ x Q
_
.
(e) E
5
=
_
(x, y, z) R
3
[ 2x +y =

3z
_
.
(f ) E
6
=
_
(x, y) R
2
[ x
2
2xy +y
2
= 0
_
.
(g) E
7
=
_
(x, y, z, t) R
4
[ x +y z +t = 1
_
.
(h) E
8
=
_
(x
1
, . . . , x
n
) R
n
[ x
2
1
+ +x
2
n
= 1
_
.
(i) E
9
= (x
1
, . . . , x
n
) R
n
[ x
1
x
2
= 0 .
(j) E
10
=
_
(x
1
, x
2
, x
3
, x
4
) R
4
[ x
1
+x
2
= x
3
+x
4
_
.
Es subespai vectorial E
4
si el pensem dins R
2
com a Q-espai vectorial?
Exercici 4 Determineu quins dels subconjunts seg uents son R-subespais vectorials
i quins son C-subespais vectorials:
E
1
= z C [ z = z,
E
2
= z C [
z+ z
2
= 0,
E
3
= (z, w) C
2
[ z + 3iw = 0.
Exercici 5 Considerem lespai vectorial M
mn
(R). Decidiu si els subconjunts seg uents
son subespais vectorials:
(a) E
1
=
_
A M
n
(R) [ A
2
= 0
_
.
(b) E
2
= A = (a
ij
) M
mn
(R) [ a
1j
= 0, j.
(c) E
3
= A = (a
ij
) M
mn
(R) [ a
1j
= 1, j.
(d) E
4
= A = (a
ij
) M
mn
(R) [
i,j
a
ij
= 0.
(e) E
5
= A M
mn
(R) [ AB = 0 per a B M
n
(R) xada.
Exercici 6 Quines de les famlies de vectors seg uents son R-linealment indepen-
dents?
(a) (1, 0), (1, 1), (0,
2) de R
2
.
(b) (1, 0, 0), (1, 1, 1), (2, 1, 1) de R
3
.
(c)
_
x
3
, x
2
, x
3
x
2
+ 2
_
de R[x].
(d)
__
1 0
0 1
_
,
_
2 0
2 2
_
,
_
3 1
0 3
_
,
_
4 4
1 4
__
de M
2
(R).
(e) sinx, cos x, 1 ,
_
e
x
, e
x+2
_
de T(R, R).
Per a les famlies que no son linealment independents, expresseu un vector com a
combinacio lineal dels altres. Trobeu una base del subespai vectorial que genera cada
famlia.
Exercici 7 Considerem (1, 0, 1, 0), (1, 1, 1, 0), (0, 1, 1, 1), (0, 1, 2, 0) R
4
. Proveu
que el vector (0, 3, 5, 1) es pot escriure com a combinacio lineal dels vectors daquesta
famlia de dues formes diferents. Què podem dir daquesta famlia de vectors?
Trobeu una subfamlia linealment independent maximal.
Exercici 8 Sigui F = (1, 0, 1, 0), (0, 8, 0, 1), (0, 1, 1, 0), (2, 1, 0, 5)), subespai vecto-
rial de R
4
. Proveu que F = R
4
.
Exercici 9 Siguin F = (1, 1, 1), (0, 1, 1)) i G = (1, 0, 0), (1, 2, 2)) subespais
vectorials de R
3
.
(a) Proveu que F = G.
(b) Sigui v = (9,
2 1, 1
2). Proveu que v F i expresseu-lo com a combi-

nacio lineal de les dues famlies de vectors que generen F donades al principi.
Exercici 10 Trobeu la dimensio i una base de cadascun dels seg uents subespais
vectorials sobre R:
98
`
(a) E
1
= (1, 0, 1), (2, 0, 3), (3, 1, 0), (0, 0, 1)),
(b) E
2
= (1, 0, 2, 3), (2, 0, 4, 1), (1, 1, 0, 0)),
(c) E
3
= (1, 1, 0, 1), (2, 0, 1, 1), (3, 1, 1, 2), (0, 2, 1, 1)),
(d) E
4
= (x, y, z, t) [ x = y 3z, z = t ,
(e) E
5
= (x, y, z) [ x = y = z ,
(f ) E
6
= (x, y, z, t, u) [ x +y = 3u, y 3u = t, z = 3t, x = t .
Exercici 11 Completeu a una base de R
3
cadascuna de les famlies de vectors
seg uents:
(1, 1, 1), (7, 0, 0), (5, 1, 4), (1, 2, 3), (1, 0, 0), (2, 0, 3).
Exercici 12 Completeu el subconjunt (1 + i, i) de C
2
a una base de C
2
com a
C-espai vectorial i com a R-espai vectorial.
Exercici 13 Siguin E un espai vectorial i e
1
, . . . , e
n
i v vectors de E. Demostreu
o doneu un contraexemple de les armacions seg uents, segons siguin certes o falses:
(a) e
1
, . . . , e
n
linealment independents i v ,= e
i
= e
1
, . . . , e
n
, v son linealment
independents.
(b) e
1
, . . . , e
n
linealment independents i v / e
1
, . . . , e
n
) = e
1
, . . . , e
n
, v son line-
alment independents.
(c) e
1
, . . . , e
n
generen V = e
1
, . . . , e
n1
generen V .
(d) e
1
, . . . , e
n
generen V i e
n
e
1
, . . . , e
n1
) = e
1
, . . . , e
n1
generen V .
(e) e
i
= e
j
per a algun i ,= j = e
1
, . . . , e
n
son linealment dependents.
(f ) Tota famlia de vectors que contingui el vector 0 es linealment dependent.
(g) v es linealment dependent v = 0.
Exercici 14 Proveu que R
2
= (0, 1)) (1, 1)) = (0, 1)) (2, 1)). Trobeu tots els
vectors (a, b) tals que R
2
= (0, 1)) (a, b)). Observeu que daixò es dedueix que la
manera de completar un vector ns a una base no es unica.
Exercici 15 Considerem el conjunt de successions de nombres reals amb les opera-
cions:
(x
1
, x
2
, . . . , x
n
, . . .) + (y
1
, y
2
, . . . , y
n
, . . .) = (x
1
+y
1
, x
2
+y
2
, . . . , x
n
+y
n
, . . .),
k(x
1
, x
2
, . . . , x
n
, . . .) = (kx
1
, kx
2
, . . . , kx
n
, . . .).
Proveu que es un R-espai vectorial. Quina dimensio te?
Considerem el subconjunt c
0
(R) de totes les successions de nombres reals amb
lmit 0. Demostreu que es un subespai vectorial. Quina dimensio te?
Exercici 16 Sigui F el subconjunt de les successions a
n
de nombres reals tals
que:
a
n
= a
n1
+a
n2
, n 3.
(a) Demostreu que F es un subespai vectorial de lespai de totes les successions.
Trobeu-ne la dimensio i una base.
(b) Trobeu les progressions geomètriques contingudes a F i proveu que existeix una
base de F formada per progressions geomètriques.
(c) Trobeu el terme general a
n
de la successio de Fibonacci:
1, 2, 3, 5, 8, 13, 21, . . . ,
on a
n+2
= a
n+1
+a
n
, per a tot n 1.
Exercici 17 Doneu la dimensio i una base dels subespais de R
4
:
F = (1, 0, 1, 1), (1, 1, 0, 9), (2, 1, 1, 10)),
G = (0, 0, 0, 1), (1, 11, 0, 1), (1, 1, 0, 3), (0, 0, 1, 7)).
Trobeu tambe una base i la dimensio de F G i F +G.

Es cert que F +G = R
4
?
Exercici 18 Doneu la dimensio i una base de E, F, E + F i E F en els casos
seg uents:
(a) E = (1, 1, 1), (2, 0, 1), (0, 2, 1)),
F = (1, 0, 1), (2, 3, 0), (4, 3, 2)), subespais vectorials de R
3
.
(b) E = (2, i, 0, 0), (0,
i
6
, 1, 0), (1, 0, 3, 0)),
F = (i, 0, 0, 1), (1, i, 1, 0), (1, 1, i, 1)), subespais vectorials de C
4
.
100
`
(c) E = (x, y, z, t) [ x +y + 2z = 0, 3y + 3z +t = 0, 2x y t = 0,
F = (0, y, z, t) [ y +z +t = 0, subespais vectorials de R
4
.
(d) E = (x, y, z) [ 2x = 2y = z,
F = (x, y, z) [ x +y = z, 3x +y +z = 0, subespais vectorials de R
3
.
(e) E = (x, y, z, t) [ x +y z t = 0, x = t,
F = (x, y, z, t) [ x +z = 2y, subespais vectorials de R
4
.
(f ) E =
_
(x, y, z, t) R
4
[ x = y = z
_
,
F = (1, 1, 2, 1), (2, 0, 1, 1)), subespais vectorials de R
4
.
Discutiu, en cada cas, si E i F estan en suma directa.
Exercici 19 Considerem dins lespai de les matrius quadrades n n, M
n
(R), els
subconjunts de les matrius simètriques i antisimètriques:
S =
_
A M
n
(R) [ A
t
= A
_
, H =
_
A M
n
(R) [ A
t
= A
_
.
(a) Proveu que son subespais vectorials de M
n
(R).
(b) Calculeu la dimensio i una base de S i H.
(c) Proveu que S H = M
n
(R).
Captol 6
Matrius
Una eina imprescindible per a làlgebra lineal es el càlcul matricial. Amb aquest es
poden resoldre sistemes dequacions lineals, donar criteris per saber si un sistema
te solucio, calcular inverses duna matriu, donar criteris per saber si una matriu es
invertible...
Dins del càlcul matricial hi han dues tècniques de treball diferents i comple-
mentàries: les transformacions elementals i els determinants. Totes dues donen
algorismes de càlcul; acostumen a ser mes ecients els donats pels canvis elemen-
tals, però el determinant, apart de tenir un sentit geomètric molt important, te
lavantatge de donar formules en termes dels coecients de la matriu. En aquest
captol estudiarem les transformacions elementals i les seves aplicacions. En un
altre captol estudiarem els determinants.
6.1 Transformacions elementals. Matrius elementals
Notacio: Sigui A M
mn
(K), llavors A te n columnes, C
1
, C
2
, . . . , C
n
, i m les,
F
1
, F
2
, . . . , F
m
. A partir dara, quan vulguem descriure la matriu A per les seves
columnes, escriurem A = (C
1
, C
2
, . . . , C
n
), i si la volem descriure per les seves les,
escriurem A =
_
_
F
1
F
2
.
.
.
F
m
_
_
. 3
Sigui A M
mn
(K). Les transformacions elementals per columnes de la matriu
A son dun dels 3 tipus seg uents:
Tipus I. Fixats 1 i < j n, intercanviar les columnes i i j, C
i
C
j
:
(C
1
, . . . , C
i
, . . . , C
j
, . . . , C
n
) (C
1
, . . . , C
j
, . . . , C
i
, . . . , C
n
).
101
102
`
Tipus II. Fixats 1 i, j n diferents i K, sumar a la columna j la columna i
multiplicada per , C
j
C
j
+C
i
:
(C
1
, . . . , C
j
, . . . , C
n
) (C
1
, . . . , C
j
+C
i
, . . . , C
n
).
Tipus III. Fixats 1 i n i K0, multiplicar la columna i per , C
i
C
i
:
(C
1
, . . . , C
i
, . . . , C
n
) (C
1
, . . . , C
i
, . . . , C
n
).
De manera anàloga es deneixen els tres tipus de transformacions elementals per
les de A:
F
i
F
j
, F
j
F
j
+F
i
, F
i
F
i
.
Les matrius obtingudes a partir de la matriu identitat n n fent una trans-
formacio elemental per columnes (o per les) es diuen matrius elementals n n.
Hi ha tres tipus de matrius elementals:
Tipus I. Fixats 1 i < j n, la matriu que obtenim en intercanviar les columnes
i i j de la matriu identitat es:
T
ij
=
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
1
.
.
.
1
0 . . . 1
1
.
.
.
.
.
.
.
.
.
1
1 . . . 0
1
.
.
.
1
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
,
on els uns fora de la diagonal estan a les posicions (i, j) i (j, i). Observem que
aquesta matriu tambe sobte com a resultat dintercanviar les les i i j de la matriu
identitat.
Tipus II. Fixats 1 i, j n diferents i K, si a la columna j de la matriu
identitat li sumem la columna i multiplicada per , obtenim:
E
ij
() =
_
_
_
_
_
_
_
_
_
_
_
_
1 0 . . . . . . . . . . . . 0
0 1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1 0
0 . . . . . . . . . . . . 0 1
_
_
_
_
_
_
_
_
_
_
_
_
,
6. Matrius 103
on està a la posicio (i, j). Notem que aquesta matriu tambe es el resultat de sumar
la la j multiplicada per a la la i de la matriu identitat.
Tipus III. Fixats 1 i n i K 0, en multiplicar la columna i de la matriu
identitat per obtenim:
P
i
() =
_
_
_
_
_
_
1
.
.
.
.
.
.
1
_
_
_
_
_
_
,
on està a la posicio (i, i). Observem que aquesta matriu tambe es el resultat de
multiplicar per la la i de la matriu identitat.
El resultat seg uent relaciona les matrius elementals i les transformacions elemen-
tals.
Proposicio 6.1.1 Sigui A M
mn
(K). Llavors, fer una transformacio elemental
per columnes a la matriu A es el resultat de multiplicar la matriu A per la dreta per la
matriu elemental corresponent a la transformacio, i fer una transformacio elemental
per les a la matriu A es el resultat de multiplicar la matriu A per lesquerra per la
matriu elemental corresponent a la transformacio. Mes concretament:
CI. Fixats 1 i < j n, tenim
A
C
i
C
j
AT
ij
CII. Fixats 1 i, j n diferents i K, tenim
A
C
j
C
j
+C
i
AE
ij
()
CIII. Fixats 1 i n i K 0, tenim
A
C
i
C
i
AP
i
()
FI. Fixats 1 i < j n, tenim
A
F
i
F
j
T
ij
A
FII. Fixats 1 i, j n diferents i K, tenim
A
F
i
F
i
+F
j
E
ij
()A
FIII. Fixats 1 i n i K 0, tenim
A
F
i
F
i
P
i
()A
104
`
Demostraci o. La demostracio daquestes armacions no es complicada, però
es llarg comprovar directament que cadascun dels productes de matrius dona el
que volem. En el captol seg uent podrem donar una demostracio mes conceptual
utilitzant el concepte daplicacio lineal i el de matriu associada a una aplicacio
lineal. Ara farem una demostracio directa de CI, CII i CIII, els altres productes
es calculen de manera similar.
CI. Volem veure que les matrius AT
ij
i (C
1
, . . . , C
j
, . . . , C
i
, . . . , C
n
) son iguals. Per
demostrar-ho, cal veure que tenen els mateixos components. Per la denicio de la
matriu T
ij
= (t
kl
) M
n
(K), tenim que
t
kl
=
_
_
1
_
_
si k = l, k ,= i i k ,= j,
o si k = i i l = j,
o si k = j i l = i.
0 en qualsevol altre cas.
Si A = (a
rk
) i AT
ij
= (c
rl
), llavors
c
rl
=
n
k=1
a
rk
t
kl
=
_
_
a
ri
t
ij
= a
ri
si l = j
a
rj
t
ji
= a
rj
si l = i
a
rl
t
ll
= a
rl
en qualsevol altres cas.
Veiem que, efectivament, la columna j del producte AT
ij
es la columna i de A, la
columna i del producte AT
ij
es la columna j de A i que la resta de les columnes del
producte AT
ij
son les mateixes que les de A.
CII. Volem veure que les matrius AE
ij
() i (C
1
, . . . , C
j
+C
i
, . . . , C
n
) coincideixen.
La matriu E
ij
() = (q
kl
) M
n
(K) amb
q
kl
=
_
_
1 si k = l
si k = i i l = j
Si A = (a
rk
) i AE
ij
() = (c
rl
), llavors
c
rl
=
n
k=1
a
rk
q
kl
=
_
a
rl
q
ll
= a
rl
si l ,= j
a
rj
q
jj
+a
ri
q
ij
= a
rj
+a
ri
si l = j.
Tenim que, al producte AE
ij
(), l unica columna que varia respecte de la matriu A
es la j, i aquesta queda substituda per C
j
+C
i
.
CIII. Finalment hem de veure que AP
i
() = (C
1
, . . . , C
i
, . . . , C
n
). Si posem
P
i
() = (p
kl
), llavors
p
kl
=
_
_
1 si k = l ,= i
si k = l = i
6. Matrius 105
Si A = (a
rk
) i AP
i
() = (c
rl
), tenim que
c
rl
=
n
k=1
a
rk
p
kl
=
_
a
rl
p
ll
= a
rl
si l ,= i
a
ri
p
ii
= a
ri
si l = i.
Per tant, la columna i del producte AP
i
() es la columna i de A multiplicada per
.
Lema 6.1.2 Les matrius elementals son invertibles, i la inversa i la transposada
duna matriu elemental son matrius elementals. Mes concretament:
(i) T
1
ij
= T
ij
i T
ij
= T
t
ij
.
(ii) E
ij
()
1
= E
ij
() i E
ij
()
t
= E
ji
().
(iii) Si K 0, P
i
()
1
= P
i
(
1
) i P
i
()
t
= P
i
().
Demostraci o. Deixem el càlcul de les transposades com a exercici per al lector.
Calculem les inverses.
(i) Recordem primer que T
ij
es la matriu que resulta dintercanviar les columnes i
i j de la matriu identitat. Per la Proposicio 6.1.1, el resultat de multiplicar T
ij
T
ij
es intercanviar les columnes i i j de la matriu T
ij
, es a dir, tornem a recuperar la
matriu identitat. Per tant T
1
ij
= T
ij
.
(ii) Recordem que E
ij
() es el resultat de sumar la columna i multiplicada per a la
columna j de la matriu identitat. Per la Proposicio 6.1.1, el resultat de multiplicar
E
ij
()E
ij
() es restar la columna i de E
ij
() multiplicada per a la columna j
de la mateixa matriu, es a dir, recuperem la matriu identitat. De manera similar
tenim que E
ij
()E
ij
() es la matriu identitat. Per tant E
ij
()
1
= E
ij
().
(iii) Recordem que P
i
() es el resultat de multiplicar per la columna i de la
matriu identitat. Per la Proposicio 6.1.1, el resultat de multiplicar P
i
()P
i
(
1
) es
multiplicar la columna i de P
i
() per
1
, per tant aquest producte es la identitat.
De manera similar veiem que P
i
(
1
)P
i
() es la matriu identitat. Per tant P
i
()
1
=
P
i
(
1
).
Exemples 6.1.3 La matriu
_
0 1
1 0
_
es la matriu elemental 2 2 de tipus I que
denotem per T
12
. Si A es una matriu amb dues columnes, A = (C
1
, C
2
), llavors, per
la Proposicio 6.1.1, AT
12
= (C
2
, C
1
). Si B es una matriu amb dues les, B =
_
F
1
F
2
_
,
llavors, per la Proposicio 6.1.1, T
12
B =
_
F
2
F
1
_
.
106
`
Per exemple, si A =
_
3 1+i
2+5i 7
0 i
_
M
32
(C) llavors AT
12
=
_
1+i 3
7 2+5i
i 0
_
. Si
B = (
2
5
) M
21
(R), llavors T
12
B = (
5
2
).
La matriu
_
1 0 3
0 1 0
0 0 1
_
es la matriu elemental 3 3 de tipus II que denotem per
E
13
(3). Notem que sobte a partir de la matriu identitat 3 3 fent la transformacio
elemental que consisteix en sumar la primera columna multiplicada per 3 a la tercera
columna. Pel Lema 6.1.2, la inversa daquesta matriu es
_
1 0 3
0 1 0
0 0 1
_
= E
13
(3). La
seva transposada es
_
1 0 0
0 1 0
3 0 1
_
= E
31
(3).
Si A es una matriu amb tres columnes, A = (C
1
, C
2
, C
3
), llavors, per la Pro-
posicio 6.1.1, AE
13
(3) = (C
1
, C
2
, C
3
+ 3C
1
). Si B es una matriu amb tres les
B =
_
F
1
F
2
F
3
_
, llavors, per la Proposicio 6.1.1, E
13
(3)B =
_
F
1
+3F
3
F
2
F
3
_
.
Per exemple, si A =
_
1 1 0
2 7 10
5 0 6
_
, llavors AE
13
(3) =
_
1 1 3
2 7 16
5 0 9
_
i E
13
(3)A =
_
14 1 18
2 7 10
5 0 6
_
.
La matriu
_
1 0 0
0
2
2
+i
2
2
0
0 0 1
_
es una matriu elemental de tipus III sobre els com-
plexos, que, segons la notacio que hem introdut, es la matriu P
2
_
2
2
+i
2
2
_
. La
inversa daquesta matriu es, pel Lema 6.1.2,
_
_
_
_
1 0 0
0
_
2
2
+i
2
2
_
1
0
0 0 1
_
_
_
_
=
_
_
_
1 0 0
0
2
2
i
2
2
0
0 0 1
_
_
_
= P
2
_
2
2
i
2
2
_
.
Si A es una matriu amb tres columnes la matriu AP
2
(
2
2
+i
2
2
) sobte multipli-
cant per
2
2
+ i
2
2
la segona columna de A. Si B es una matriu amb tres les, la
matriu P
2
(
2
2
+i
2
2
)B sobte multiplicant per
2
2
+i
2
2
la segona la de B. 3
6.2 Matrius esglaonades.
Es diu que una matriu A = (a
ij
) M
mn
(K) està esglaonada per columnes si a par-
tir de la primera columna nul
.
la de A, la resta de columnes son
nul
.
les, i si a
i
1
1
, a
i
2
2
, . . . , a
i
r
r
son els primers termes no nuls de les columnes no
nul
.
les de A, llavors
i
1
< i
2
< < i
r
i a
i
1
1
= a
i
2
2
= = a
i
r
r
= 1.
Una matriu està esglaonada per les si la seva transposada està esglaonada per
columnes.
6. Matrius 107
Exemples 6.2.1
(1) Les matrius
_
0 0 0
0 0 0
_
,
_
_
_
0 0 0
1 0 0
0 1 0
_
_
_
,
_
_
_
1 0 0
2 0 0
1 1 0
_
_
_
,
_
_
_
1 0 0
1 1 0
0 0 0
_
_
_
,
_
_
_
1 0 0
0 1 0
1 0 1
_
_
_
estan esglaonades per columnes.
(2) Les matrius
_
_
_
0 0 0
0 1 0
0 0 1
_
_
_
,
_
_
_
1 0 0
0 0 0
0 0 1
_
_
_
,
_
_
_
0 1 0
1 1 0
0 0 0
_
_
_
,
_
_
_
2 0 0
1 1 0
3 0 1
_
_
_
no estan esglaonades per columnes. 3
mn
(K). Llavors existeix una matriu Q M
n
(K),
producte de matrius elementals, tal que AQ està esglaonada per columnes.
Tambe existeix una matriu P M
m
(K), producte de matrius elementals, tal que
PA està esglaonada per les.
Demostraci o. Nomes demostrarem la primera armacio. Per la Proposicio 6.1.1,
nomes cal veure que fent transformacions elementals per columnes a la matriu A,
podem obtenir una matriu esglaonada per columnes. Demostrarem el resultat per
induccio sobre m n.
Observem que si A =
_
0 ... 0
...
.
.
.
.
.
.
...
_
, llavors podem esglaonar per induccio la subma-
triu
_
...
.
.
.
.
.
.
...
_
i per tant tambe A. Per tant, podem suposar que la primera la de
A es no nul
.
la.
Sigui A = (a
ij
) i sigui a
1j
0
,= 0. Multipliquem la columna j
0
de A per a
1
1j
0
i
obtenim
A
1
=
_
1
_
,
amb l1 a la posicio (1, j
0
). Ara, sumem la columna C
j
0
multiplicada per a
1j
a la
resta de columnes C
j
(j ,= j
0
) de A
1
. Aix obtenim A
2
= (
0...0 1 0...0
) amb l1 a la
posicio (1, j
0
).
Si j
0
,= 1, intercanviem les columnes 1 i j
0
de A
2
i obtenim la matriu
_
1 0 . . . 0
A
t
_
.
108
`
Per induccio podem esglaonar A
t
i per tant tambe la matriu A.
Aprotant una mica mes les tècniques de la proposicio anterior, obtenim el
resultat seg uent.
Teorema 6.2.3 Donada A M
mn
(K) existeixen P, Q matrius invertibles, que
son producte de matrius elementals, tals que PAQ =
_
I
r
0
0 0
_
, on I
r
M
r
(K) es la
matriu identitat.
Demostraci o. Per la Proposicio 6.2.2, existeix una matriu Q, producte de matrius
elementals, tal que
AQ = A
1
=
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
0 0 . . . 0 0 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0
.
.
.
.
.
.
.
.
.
.
.
.
1
.
.
.
.
.
.
.
.
.
.
.
.
0
.
.
.
.
.
.
.
.
.
.
.
. 1
.
.
.
.
.
.
.
.
.
.
.
. 0
.
.
.
.
.
.
.
.
.
.
.
. 1
.
.
.
.
.
.
. . . 0 . . . 0
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
,
on els uns estan a les posicions (i
1
, 1), (i
2
, 2), . . . , (i
r
, r), es una matriu esglaonada
per columnes.
Considerem les les F
i
r
+1
, . . . , F
n
, restant a cadascuna daquestes les un m ul-
tiple adequat de la la F
i
r
, podem aconseguir transformar en zero els components
que queden sota l1 de la la F
i
r
. Repetint aquest procediment per als components
que queden sota l1 de la la F
i
r1
, F
i
r2
i aix successivament ns a F
i
1
, obtenim
una matriu de la forma
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
0 0 . . . 0 0 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0
.
.
.
.
.
.
.
.
.
.
.
.
1
.
.
.
.
.
.
.
.
.
.
.
.
0 0
.
.
.
.
.
.
.
.
.
.
.
. 1
.
.
.
.
.
.
.
.
.
.
.
. 0 0
.
.
.
.
.
.
.
.
.
.
.
. 1
.
.
.
.
.
.
.
.
.
.
.
. 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . 0 0 . . . 0
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
,
on els uns continuen estan a les posicions (i
1
, 1), (i
2
, 2), . . . , (i
r
, r). Reordenant les
6. Matrius 109
les daquesta matriu obtenim una matriu de la forma
A
2
=
_
_
_
_
_
_
_
1 0
.
.
.
r)
0 1
0
0 0
_
_
_
_
_
_
_
.
Per obtenir la matriu A
2
a partir de la matriu A
1
, hem fet servir transformacions
elementals per les. Per la Proposicio 6.1.1, existeix una matriu P, producte de
matrius elementals, tal que PA
1
= A
2
.
Com que A
1
= AQ, tenim
PAQ =
_
I
r
0
0 0
_
.
Observacio 6.2.4 Sigui A M
mn
(K). Si considerem la matriu (I
m
[ A) i li fem
una transformacio elemental per les, es a dir, multipliquem (I
m
[ A) per lesquerra
per una matriu elemental E
1
, obtenim la matriu E
1
(I
m
[ A) = (E
1
[ E
1
A). Notem
que E
1
Aes el resultat de fer la mateixa transformacio elemental per les, però nomes
a la matriu A.
Si a la matriu A li volem fer una successio de r transformacions elementals
per les, i cadascuna daquestes correspon a multiplicar per una matriu elemental
E
i
, i = 1, . . . , r, llavors el resultat daquestes transformacions serà el producte de
matrius E
r
. . . E
1
A. Si fem aquestes mateixes transformacions a la matriu (I
m
[ A),
dona com a resultat (E
r
. . . E
1
[ E
r
. . . E
1
A).
Si el que volem fer son r transformacions elementals per columnes, i cadascuna
daquestes correspon a multiplicar per una matriu elemental E
i
, i = 1, . . . , r, lla-
vors la matriu que queda es AE
1
. . . E
r
. Si fem aquestes mateixes transformacions
elementals a la matriu
_
A
I
n
_
, el resultat es la matriu
_
AE
1
. . . E
r
E
1
. . . E
r
_
. 3
Tal com veurem en lexemple seg uent, aquestes observacions son molt utils per
guardar les transformacions elementals que es fan a una matriu.
110
`
Exemple 6.2.5 Considerem la matriu
A =
_
_
_
_
_
_
1 1 2
3 0 3
2 0 2
2 1 1
_
_
_
_
_
_
M
43
(R).
Fem transformacions elementals per columnes per esglaonar-la i guardem els canvis
_
_
_
_
_
_
_
_
_
_
_
_
_
1 1 2
3 0 3
2 0 2
2 1 1
1 0 0
0 1 0
0 0 1
_
_
_
_
_
_
_
_
_
_
_
_
_
C
2
C
2
+C
1
C
3
C
3
2C
1
_
_
_
_
_
_
_
_
_
_
_
_
_
1 0 0
3 3 3
2 2 2
2 3 3
1 1 2
0 1 0
0 0 1
_
_
_
_
_
_
_
_
_
_
_
_
_
C
3
C
3
+C
2
C
2

1
3
C
2
_
_
_
_
_
_
_
_
_
_
_
_
_
1 0 0
3 1 0
2
2
3
0
2 1 0
1
1
3
1
0
1
3
1
0 0 1
_
_
_
_
_
_
_
_
_
_
_
_
_
=
_
A
1
Q
_
.
A
1
es una matriu esglaonada per columnes. Per lobservacio 6.2.4, AQ = A
1
i Q es
producte de les matriu elementals corresponents als canvis elementals que hem fet.
Escrivint les matrius elementals corresponents a les transformacions que hem fet i
multiplicant-les seguint lordre en que les hem fet, tenim que
Q =
_
_
_
1 1 0
0 1 0
0 0 1
_
_
_
_
_
_
1 0 2
0 1 0
0 0 1
_
_
_
_
_
_
1 0 0
0 1 1
0 0 1
_
_
_
_
_
_
1 0 0
0
1
3
0
0 0 1
_
_
_
=
_
_
_
1
1
3
1
0
1
3
1
0 0 1
_
_
_
.
Continuem fent canvis per les a A
1
, guardant els canvis,
_
_
_
_
_
_
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
1 0 0
3 1 0
2
2
3
0
2 1 0
_
_
_
_
_
_
6. Matrius 111
F
3
F
3

2
3
F
2
F
4
F
4
F
2
_
_
_
_
_
_
1 0 0 0
0 1 0 0
0
2
3
1 0
0 1 0 1
1 0 0
3 1 0
0 0 0
1 0 0
_
_
_
_
_
_
F
2
F
2
3F
1
F
4
F
4
+F
1
_
_
_
_
_
_
1 0 0 0
3 1 0 0
0
2
3
1 0
1 1 0 1
1 0 0
0 1 0
0 0 0
0 0 0
_
_
_
_
_
_
=
_
_
_
_
_
_
P
1 0 0
0 1 0
0 0 0
0 0 0
_
_
_
_
_
_
Per lobservacio 6.2.4, PA
1
= PAQ =
_
1 0 0
0 1 0
0 0 0
0 0 0
_
, i la matriu P es producte de matrius
elementals. De fet, P es igual al producte de matrius
_
_
_
_
_
_
1 0 0 0
0 1 0 0
0 0 1 0
1 0 0 1
_
_
_
_
_
_
_
_
_
_
_
_
1 0 0 0
3 1 0 0
0 0 1 0
0 0 0 1
_
_
_
_
_
_
_
_
_
_
_
_
1 0 0 0
0 1 0 0
0 0 1 0
0 1 0 1
_
_
_
_
_
_
_
_
_
_
_
_
1 0 0 0
0 1 0 0
0
2
3
1 0
0 0 0 1
_
_
_
_
_
_
. 3
6.3 Rang duna matriu. Matrius invertibles
Lema 6.3.1 Sigui A una matriu de M
mn
(K). Sigui P M
m
(K), i sigui Q
M
n
(K). Llavors:
(i) La dimensio del subespai vectorial de M
m1
(K) generat per les columnes de A
es mes gran o igual que la dimensio del subespai vectorial de M
m1
(K) generat
per les columnes de PA. Si P es invertible, les dues dimensions coincideixen.
(ii) La dimensio del subespai vectorial de K
n
generat per les les de A es mes gran
o igual que la dimensio del subespai vectorial de K
n
generat per les les de
AQ. Si Q es invertible, les dues dimensions coincideixen.
Demostraci o. Demostrarem nomes (i) perquè lenunciat per a les es demostra
de manera anàloga.
Siguin C
1
, . . . , C
n
les columnes de A. Llavors PC
1
, . . . , PC
n
son les columnes
de PA. Sigui W = C
1
, . . . , C
n
), i sigui W
t
= PC
1
, . . . , PC
n
). Pel Corol
.
lari 5.1.6,
existeix i
1
, . . . , i
r
1, . . . , n tal que B = (C
i
1
, . . . , C
i
r
) es una base de W.
Demostrarem que B
t
= (PC
i
1
, . . . , PC
i
r
) genera W
t
, per tant, pel Corol
.
lari 5.2.7,
dim(W
t
) r.
Pel lobservacio 5.1.3, nomes cal veure que, per a tot j 1, . . . , n, PC
j
sescriu
com a combinacio lineal dels vectors de B
t
. Sigui j 1, . . . , n. Com que B es
112
`
una base de W, existeixen escalars
1
, . . . ,
r
tals que C
j
=
1
C
i
1
+ +
r
C
i
r
. Si
multipliquem aquesta igualtat per lesquerra per P obtenim,
PC
j
=
1
PC
i
1
+ +
r
PC
i
r
,
i per tant PC
j
es combinacio lineal dels elements de B
t
.
Suposem ara que P es invertible i que tenim una combinacio lineal
1
PC
i
1
+
+
r
PC
i
r
= 0. Multiplicant per P
1
, obtenim
0 = P
1
(
1
PC
i
1
+ +
r
PC
i
r
) =
=
1
P
1
PC
i
1
+ +
r
P
1
PC
i
r
=
1
C
i
1
+ +
r
C
i
r
.
Com que els vectors de B son linealment independents,
1
= =
r
= 0 i, en
conseq uència, els vectors de B
t
tambe son linealment independents. Com que, en
aquest cas, B
t
es una famlia de generadors de W
t
i linealment independent, es una
base de W
t
. Per tant dim(W
t
) = r = dim(W).
Lema 6.3.2 Sigui A una matriu de M
mn
(K). Sigui P M
m
(K) producte de
matrius elementals, i sigui Q M
n
(K) producte de matrius elementals. Llavors:
(i) El subespai vectorial de M
m1
(K) generat per les columnes de A es el mateix
que el subespai vectorial de M
m1
(K) generat per les columnes de AQ.
(ii) El subespai vectorial de K
n
generat per les les de A es el mateix que el
subespai vectorial de K
n
generat per les les de PA.
Demostraci o. Veurem nomes (i) perquè lenunciat per a les es demostra de
manera similar. Siguin C
1
, . . . , C
n
les columnes de A, i sigui W = C
1
, . . . , C
n
).
Com que Q es producte de matrius elementals, nomes cal demostrar que, quan
multipliquem A per la dreta per una matriu elemental, el subespai vectorial que
generen les columnes es el mateix W. Per la Proposicio 6.1.1, nomes cal veure que
si fem una transformacio elemental a les columnes de A, el subespai vectorial que
generen continua essent W.
Això es clar per a les transformacions del tipus I i III, per veure-ho per a les
transformacions del tipus II, nomes cal aplicar la Proposicio 5.1.7.
Teorema 6.3.3 Sigui A una matriu de M
mn
(K). La dimensio del subespai vec-
torial de K
n
que generen les les de A es la mateixa que la dimensio del subespai
vectorial de M
m1
(K) que generen les columnes de A.
6. Matrius 113
Demostraci o. Pel Teorema 6.2.3, existeixen matrius P i Q producte de matrius
elementals tals que PAQ =
_
I
r
0
0 0
_
, on I
r
M
r
(K) es la matriu identitat.

Es clar
que la dimensio del subespai vectorial generat per les les de la matriu
_
I
r
0
0 0
_
es
r i que aquesta es la mateixa que la dimensio del subespai vectorial generat per
les columnes daquesta matriu. Pels lemes 6.3.1 i 6.3.2, la dimensio del subespai
vectorial generat per les les de A es r i la dimensio del subespai vectorial generat
per les columnes de A es tambe r.
Sigui A una matriu de M
mn
(K). Denim el rang de A com la dimensio del
subespai vectorial generat per les columnes de A, o tambe, a la vista del Teore-
ma 6.3.3, com la dimensio del subespai vectorial generat per les les de A.
Ara podem caracteritzar les matrius invertibles.
Teorema 6.3.4 Sigui A M
n
(K). Les condicions seg uents son equivalents:
(i) A es invertible.
(ii) El rang de A es n.
(iii) Les columnes de A formen una base de M
n1
(K).
(iv) Les les de A formen una base de K
n
.
(v) A es producte de matrius elementals.
(vi) Existeix B M
n
(K) tal que AB = I
n
.
(vii) Existeix B M
n
(K) tal que BA = I
n
.
Demostraci o. Si A es una matriu invertible, llavors A
1
tambe ho es. Com
que A
1
A = I
n
i les columnes de la matriu identitat generen tot lespai vectorial
M
n1
(K), pel Lema 6.3.1, A te rang n. Pel Teorema 6.3.3, (ii), (iii) i (iv) son
equivalents.
Suposem ara que A es una matriu de rang n. Pel Teorema 6.2.3, existeixen
matrius P i Q, productes de matrius elementals, tals que PAQ =
_
I
r
0
0 0
_
. Pels
lemes 6.3.1 i 6.3.2, r = n, llavors PAQ = I
n
. Com que P i Q son productes de
matrius elementals, i pel Lema 6.1.2, les matrius elementals son invertibles, i un
producte de matrius invertibles es una matriu invertible, aleshores A = P
1
Q
1
.
Pel Lema 6.1.2, la inversa duna matriu elemental es tambe una matriu elemental,
per tant P
1
i Q
1
son producte de matrius elementals. Daqu dedum que A es
producte de matrius elementals.
114
`
Es clar que (v) implica (i) perquè, pel Lema 6.1.2, les matrius elementals son
invertibles, i un producte de matrius invertibles es una matriu invertible.
Si A es una matriu invertible, es clar que se satisfan (vi) i (vii), prenent com a
B la inversa de A. Si tenim una matriu B tal que BA = I
n
llavors, pel Lema 6.3.1,
la dimensio del subespai vectorial generat per les columnes de A es mes gran o igual
que n. Com que aquest es un subespai vectorial de M
n1
(K) que te dimensio n,
tenim que les columnes de A formen una base de M
n1
(K). Això demostra que
(vii) implica (iii). De manera anàloga podem veure que (vi) implica (iv).
Ara podem reescriure el Teorema 6.2.3 de la manera seg uent.
Corol
.
lari 6.3.5 Donada A M
mn
(K) existeixen P, Q matrius invertibles tals
que PAQ =
_
I
r
0
0 0
_
, on I
r
M
r
(K) es la matriu identitat i r es el rang de A.
Observacio 6.3.6 Si una matriu A M
mn
(K) està esglaonada per columnes,
llavors el rang de A es igual al nombre de columnes no nul
.
les de A. Anàlogament
per les. 3
Aquesta observacio i el Teorema 6.3.4 ens permeten decidir si una matriu es
invertible i, en cas armatiu, calcular la seva inversa.
Si esglaonem per columnes una matriu A nn, llavors aquesta matriu es inver-
tible si i nomes si totes les columnes de la matriu esglaonada son no nul
.
les. Això
vol dir que A es invertible si i nomes si la matriu esglaonada es una matriu de la
forma
A
1
=
_
_
_
_
_
_
_
1 0 . . . 0
1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0
. . . 1
_
_
_
_
_
_
_
.
Sumant a cada columna un m ultiple adequat de l ultima columna, podem acon-
seguir una matriu tal que la seva ultima la es (0, . . . , 0, 1). Sumant a les altres
columnes un m ultiple adequat de la pen ultima columna, podem obtenir una matriu
tal que les seves dues ultimes les son (0, . . . , 0, 1, 0) i (0, . . . , 0, 1). Si repetim aquest
procediment amb les altres les, obtenim la matriu identitat.
Per la Proposicio 6.2.2, existeix una matriu Q invertible tal que AQ = A
1
, com
que, per obtenir la matriu identitat, hem continuat fent canvis elementals per colum-
nes, existeix una matriu Q
t
invertible tal que AQQ
t
= A
1
Q
t
= I
n
. Pel Teorema 6.3.4,
podem concloure que A es invertible i que A
1
= QQ
t
.
En aquest argument, per determinar la inversa, nomes hem utilitzat canvis ele-
mentals per columnes, i com que, per lobservacio 6.2.4, sabem com guardar el
6. Matrius 115
producte daquests canvis, de fet, tenim un algorisme per calcular la inversa duna
matriu. Veiem un exemple.
Exemple 6.3.7 Considerem la matriu A =
_
1+i 2i
i 4
_
M
2
(C). Esglaonem primer
la matriu i guardem els canvis elementals que fem,
_
_
_
_
_
_
1 +i 2i
i 4
1 0
0 1
_
_
_
_
_
_
_
_
_
_
_
_
1 2i
1
2
+
1
2
i 4
1
2

1
2
i 0
0 1
_
_
_
_
_
_
_
_
_
_
_
_
1 0
1
2
+
1
2
i 5 +i
1
2

1
2
i 1 +i
0 1
_
_
_
_
_
_
_
_
_
_
_
_
1 0
1
2
+
1
2
i 1
1
2

1
2
i
2
13
+
3
13
i
0
5
26

1
26
i
_
_
_
_
_
_
=
_
A
1
Q
_
.
Com que A
1
te rang 2, pel Lema 6.3.2, A te rang 2. Pel Teorema 6.3.4, A es
invertible.
Continuem fent canvis elementals per columnes,
_
_
_
_
_
_
1 0
1
2
+
1
2
i 1
1
2

1
2
i
2
13
+
3
13
i
0
5
26

1
26
i
_
_
_
_
_
_
_
_
_
_
_
_
1 0
0 1
6
13

4
13
i
2
13
+
3
13
i
1
13

3
26
i
5
26

1
26
i
_
_
_
_
_
_
=
_
I
2
QQ
t
_
.
Com que, per lobservacio 6.2.4, AQQ
t
= I
2
, tenim que
A
1
= QQ
t
=
_
6
13

4
13
i
2
13
+
3
13
i
1
13

3
26
i
5
26

1
26
i
_
. 3
El Lema 6.3.2 combinat amb la Proposicio 6.2.2 donen un mètode per calcular la
base i la dimensio dun subespai vectorial de K
n
a partir duna famlia generadora
del subespai vectorial. Veiem-ne un exemple.
Exemple 6.3.8 Considerem el subespai vectorial de R
4
,
W = (1, 3, 2, 2), (1, 0, 0, 1), (2, 3, 2, 1)).
Considerem la matriu
A =
_
_
_
_
_
_
1 1 2
3 0 3
2 0 2
2 1 1
_
_
_
_
_
_
.
116
`
Pels càlculs que hem fet a lexemple 6.2.5, sabem que, fent transformacions elemen-
tals per columnes a la matriu A, obtenim la matriu
A
1
=
_
_
_
_
_
_
1 0 0
3 1 0
2
2
3
0
2 1 0
_
_
_
_
_
_
.
Pel Lema 6.3.2, el subespai vectorial generat per les columnes de A es el mateix
que el subespai vectorial generat per les columnes de A
1
. Per tant tenim que W
es pot generat per v
1
= (1, 3, 2, 2) i v
2
= (0, 1,
2
3
, 1), que son dos vectors linealment
independents. Podem concloure doncs que (v
1
, v
2
) es una base de W i que W te
dimensio 2. 3
6.4 Sistemes dequacions lineals.
Considerem un sistema dequacions lineals
a
11
x
1
+a
12
x
2
+ +a
1n
x
n
= b
1
a
21
x
1
+a
22
x
2
+ +a
2n
x
n
= b
2
. . .
a
m1
x
1
+a
m2
x
2
+ +a
mn
x
n
= b
m
_
_
on a
ij
K, b
i
K i x
1
, . . . , x
n
son les incògnites. Podem escriure aquest sistema
en forma matricial
AX = b,
on A = (a
ij
) M
mn
(K), X =
_
x
1
.
.
.
x
n
_
i b =
_
b
1
.
.
.
b
m
_
.
Un sistema de la forma AX = 0 es diu que es homogeni.
Donat un sistema AX = b, el sistema AX = 0 es diu que es el seu sistema
homogeni associat. La matriu A es la matriu del sistema i la matriu (A [ b) es la
matriu ampliada del sistema.
Resoldre un sistema es determinar el conjunt S de totes les seves solucions, es a
dir,
S =
_
(x
1
, . . . , x
n
) K
n
[ A
_
x
1
.
.
.
x
n
_
= b
_
.
Diem que un sistema es compatible si te alguna solucio.
Els sistemes homogenis sempre son compatibles perquè sempre tenen la solucio
X = 0. De fet, el conjunt de solucions dun sistema homogeni sobre K amb n
incògnites es un subespai vectorial de K
n
.
6. Matrius 117
Siguin C
1
, . . . , C
n
les columnes de la matriu A. Dir que el sistema AX = b te
solucio es equivalent a dir que b es combinacio lineal de C
1
, . . . , C
n
. Per tant, el
sistema te solucio si i nomes si W
1
= C
1
, . . . , C
n
) es igual a W
2
= C
1
, . . . , C
n
, b).
Com que sempre es cert que W
1
W
2
, el sistema te solucio si i nomes si dimW
1
=
dimW
2
. Com que dimW
1
es el rang de A i dimW
2
es el rang de (A [ b), tenim
demostrat el resultat seg uent.
Teorema 6.4.1 Sigui A M
mn
(K), sigui b M
m1
(K). El sistema AX = b es
compatible si i nomes si el rang de la matriu A coincideix amb el rang de la matriu
ampliada (A [ b).
Un cop vist que un sistema es compatible, volem determinar totes les seves
solucions. El lema seg uent es un primer pas en aquesta direccio.
Lema 6.4.2 Siguin A M
mn
(K), b M
m1
(K) i P una matriu invertible n n
sobre K. Llavors les solucions del sistema AX = b son les mateixes que les solucions
del sistema PAX = Pb.
Demostraci o. Sigui S
1
el conjunt de solucions de AX = b i S
2
el conjunt de
solucions de PAX = Pb, volem veure que S
1
= S
2
.
Si (x
1
, . . . , x
n
) S
1
llavors A
_
x
1
.
.
.
x
n
_
= b. Si multipliquem aquesta igualtat per
lesquerra per P, obtenim PA
_
x
1
.
.
.
x
n
_
= Pb, i per tant (x
1
, . . . , x
n
) S
2
.
Si (x
1
, . . . , x
n
) S
2
llavors PA
_
x
1
.
.
.
x
n
_
= Pb. Si multipliquem aquesta igualtat
per lesquerra per P
1
, obtenim A
_
x
1
.
.
.
x
n
_
= b, i per tant (x
1
, . . . , x
n
) S
1
. Això
demostra que S
1
= S
2
.
Per la Proposicio 6.2.2, fent transformacions elementals per les podem esglaonar
la matriu (A[b) per les. Llavors obtenim una matriu (A
t
[b
t
) i una matriu invertible
P tals que (A
t
[b
t
) = P(A[b) = (PA[Pb). Pel Lema 6.4.2, les solucions del sistema
que te per matriu ampliada (A[b) son les mateixes que les del sistema amb matriu
ampliada (A
t
[b
t
).
Si el sistema te solucio llavors el rang de A coincideix amb el rang de (A[b). Pel
Lema 6.3.1, el rang de A coincideix amb el de A
t
i el de (A[b) coincideix amb el de
118
`
(A
t
[b
t
). Per tant, el sistema A
t
X = b
t
que volem resoldre es de la forma
_
_
_
_
_
_
_
_
_
_
_
_
_
_
0 . . . 0 1 . . . . . .
0 . . . . . . . . . 0 1 . . .
.
.
.
.
.
.
0 . . . . . . . . . . . . . . . 0 1
0 . . . . . . . . . . . . . . . . . . . . . 0
.
.
.
.
.
.
0 . . . . . . . . . . . . . . . . . . . . . 0
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
x
1
.
.
.
.
.
.
x
n
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
_
_
_
_
_
b
t
1
.
.
.
b
t
r
0
.
.
.
0
_
_
_
_
_
_
_
_
_
_
_
_
,
on els uns estan a les posicions (1, s
1
), (2, s
2
), . . . , (r, s
r
), amb s
1
< . . . < s
r
.
O, en notacio dequacions,
x
s
1
+a
t
1s
1
+1
x
s
1
+1
+ +a
t
1n
x
n
= b
t
1
x
s
2
+a
t
2s
2
+1
x
s
2
+1
+ +a
t
2n
x
n
= b
t
2
. . .
x
s
r
+a
t
rs
r
+1
x
s
r
+1
+ +a
t
rn
x
n
= b
t
r
_
_
Per tant
x
s
1
= b
t
1
a
t
1s
1
+1
x
s
1
+1
a
t
1n
x
n
x
s
2
= b
t
2
a
t
2s
2
+1
x
s
2
+1
a
t
2n
x
n
. . .
x
s
r
= b
t
r
a
t
rs
r
+1
x
s
r
+1
a
t
rn
x
n
.
Daquestes formules veiem que els valors de x
s
1
, . . . , x
s
r
estan determinats pels valors
que tinguin les incògnites x
i
, amb i 1, . . . n s
1
, s
2
, . . . , s
r
. Aix la solucio
general del sistema es pot posar en funcio dels valors arbitraris que donem a les
incògnites x
i
, amb i 1, . . . ns
1
, s
2
, . . . , s
r
, que podem agafar com a paràmetres
lliures.
Tal com hem resolt el sistema, veiem que la solucio depèn de n r paràmetres,
on n es el nombre dincògnites i r es el rang de la matriu associada al sistema. Tot
seguit veurem que aquest nombre de paràmetres del qual depèn la solucio general
del sistema es el mes petit possible. Comencem pels sistemes homogenis.
mn
(K) una matriu de rang r. La dimensio del
espai vectorial de les solucions del sistema homogeni AX = 0 es n r.
Demostraci o. Pel Corol
.
lari 6.3.5, existeixen matrius invertibles P i Q tals que
PAQ =
_
I
r
0
0 0
_
, on r es el rang de la matriu A. Pel Lema 6.4.2, el sistema homogeni
AX = 0 te les mateixes solucions que el sistema PAX = 0. Siguin C
1
, . . . , C
n
les
columnes de Q. Com que PAQ =
_
I
r
0
0 0
_
, tenim que PAC
i
= 0, per a i = r+1, . . . , n.
6. Matrius 119
Per tant les n r ultimes columnes de Q donen solucions del sistema AX = 0. A
mes, aquestes columnes son linealment independents perquè, pel Teorema 6.3.4,
(C
1
, . . . , C
n
) es una base de M
n1
(K). Això demostra que lespai vectorial de les
solucions de AX = 0 te com a mnim dimensio n r.
Sigui C M
n1
(K) tal que AC = 0. Suposem que
C / C
r+1
, . . . , C
n
).
Llavors C, C
r+1
, . . . , C
n
son l.i. i podem ampliar aquesta famlia de vectors a una
base (C
t
1
, . . . , C
t
r1
, C, C
r+1
, . . . , C
n
) de M
n1
(K). Sigui Q
t
M
n
(K) la matriu
que te per columnes C
t
1
, . . . , C
t
r1
, C, C
r+1
, . . . , C
n
. Com que Q
t
te rang n, pel
Teorema 6.3.4, Q
t
es invertible. Pels lemes 6.3.1 i 6.3.2, PAQ
t
te rang r, però
PAQ
t
= (PAC
t
1
, . . . , PAC
t
r1
, 0, . . . , 0),
que te rang < r, una contradiccio. Per tant la columna C es combinacio lineal de les
columnes C
r+1
, . . . , C
n
. Podem concloure doncs que la dimensio de lespai vectorial
de les solucions de AX = 0 es n r.
Observem que si X
1
es una solucio del sistema AX = b (es a dir AX
t
1
= b), i Y es
una solucio del sistema homogeni associat (es a dir AY
t
= 0), llavors X
2
= X
1
+Y
tambe es solucio del sistema AX = b. En general, si X
1
i X
2
son dues solucions
diferents del sistema AX = b, llavors A(X
2
X
1
)
t
= 0, es a dir, X
2
X
1
es
solucio del sistema homogeni associat. Això vol dir que si X
1
es una solucio del
sistema AX = b, llavors tota altra solucio X
2
= X
1
+ (X
2
X
1
) es un element
de X
1
+solucions del sistema homogeni associat. Per tant totes les solucions del
sistema son de la forma una solucio particular mes una solucio del sistema homogeni
associat. Si (Y
1
, . . . , Y
nr
) es una base de les solucions del sistema homogeni associat,
i X
1
es una solucio del sistema AX = b, llavors el conjunt de totes les solucions del
sistema es
(x
1
, . . . , x
n
) K
n
[ (x
1
, . . . , x
n
) = X
1
+
1
Y
1
+. . . +
nr
Y
nr
,
i
K, i = 1, . . . , n r.
El nombre nr es el nombre de graus de llibertat del sistema. Aquest es el nombre
mnim de paràmetres del qual depenen les solucions del sistema.
La demostracio de la Proposicio 6.4.3 dona un mètode per solucionar sistemes
dequacions lineals homogenis fent servir canvis elementals per columnes. Veiem-ho
en un exemple.
120
`
A =
_
_
_
1 2 0 0
1 0 2 0
1 3 5 0
_
_
_
M
34
(R).
Volem resoldre el sistema AX = 0. Per fer-ho esglaonem la matriu per columnes i
guardem els canvis que fem
_
_
_
_
_
_
_
_
_
_
_
_
_
1 2 0 0
1 0 2 0
1 3 5 0
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
1 0 0 0
1 1 0 0
1
5
2
0 0
1 1 2 0
0
1
2
1 0
0 0 1 0
0 0 0 1
_
_
_
_
_
_
_
_
_
_
_
_
_
=
_
A
1
Q
_
.
Veiem que el rang de A
1
es dos, per tant, per la Proposicio 6.3.1, A tambe te rang
2. Per la Proposicio 6.4.3, la dimensio de les solucions daquest sistema homogeni
es 4 2 = 2. Com que AQ = A
1
, tenim que A
_
2
1
1
0
_
=
_
0
0
0
_
i que A
_
0
0
0
1
_
=
_
0
0
0
_
.
Per tant (2, 1, 1, 0) i (0, 0, 0, 1) son solucions del sistema, a mes son linealment
independents perquè provenen de columnes duna matriu invertible. Com que lespai
vectorial de les solucions te dimensio 2, veiem que el conjunt de solucions del sistema
es (2, 1, 1, 0), (0, 0, 0, 1)), es a dir, son els vectors de la forma
1
(2, 1, 1, 0) +
2
(0, 0, 0, 1) on
1
i
2
son elements qualssevol de R. 3
6.5 Exercicis
Exercici 1 Fixem la matriu A =
_
1 2 3 1
0 2 2 0
1 1 2 1
_
.
(a) Doneu una matriu elemental E tal que en calcular el producte EA intercanviem
la segona i la tercera la de la matriu A.
(b) Doneu una matriu elemental E tal que el producte EA sigui el resultat de fer
loperacio elemental de sumar a la primera la de A quatre vegades la segona
la.
(c) Doneu una matriu elemental E tal que el producte AE sigui el resultat din-
tercanviar la segona i la tercera columna de la matriu A.
(d) Doneu una matriu elemental E tal que el producte EA sigui el resultat de
multiplicar per
2
3
la segona la de A.
6. Matrius 121
(e) Doneu una matriu elemental E tal que el producte AE sigui el resultat de
sumar la primera columna de A multiplicada per
1
4
a la tercera columna de A.
(f ) Doneu una matriu elemental E tal que el producte AE sigui el resultat de
multiplicar la tercera columna de la matriu A per 17.
(g) Calculeu la inversa de cadascuna les matrius elementals anteriors. Quines
operacions elementals fan aquestes matrius que heu trobat?
Exercici 2 Esglaoneu per les les matrius seg uents:
A
1
=
_
_
_
_
_
_
i 5 i 1
2 4i 1 0
1 9i 2 i
2 0 i 5
_
_
_
_
_
_
, A
2
=
_
_
_
_
_
_
_
_
3 1 1 0 1
2 0 1 1 3
1 3 2 3 2
0 2 0 4 2
1 0 0 0 0
_
_
_
_
_
_
_
_
.
Quin rang tenen? Trobeu matrius invertibles P
j
i Q
j
tals que
P
j
A
j
Q
j
=
_
I
r
j
0
0 0
_
,
on I
r
j
denota una matriu identitat r
j
r
j
, i r
j
es el rang de A
j
, per a j = 1, 2.
Exercici 3 Usant transformacions elementals per les, decidiu si les matrius seg uents
son o no invertibles, i en cas armatiu, calculeu les seves inverses.
_
_
_
_
_
_
1 0 0 0
1 1 0 0
1 1 1 0
1 1 1 1
_
_
_
_
_
_
,
_
_
_
_
_
_
2 4 1 0
3 2 6 2
2 11 6 5
1 6 7 2
_
_
_
_
_
_
,
_
_
_
_
_
_
i i i 1
i 0 1 0
i 2 i 0
i i i i
_
_
_
_
_
_
.
Exercici 4 Sigui K un cos. Demostreu que una matriu A M
n
(K) no es invertible
si i nomes si existeix una matriu 0 ,= B M
n
(K) tal que AB = 0.
Exercici 5 Resoleu els sistemes dequacions sobre C seg uents:
3x + 5y z + 3t = 1
2x + 4y +z = 0
3x + 2y + 6z + 2t = 1
2x + 11y + 6z + 5t = 0
x + 6y + 7z + 2t = 1
_
_
ix +y z = 3 +i
2x + 4y iz = 14
3ix + 2y + 6z = 6 3i
_
_
122
`
Exercici 6 Decidiu en funcio dels par` ametres a i b si els sistemes dequacions sobre
R seg uents son o no compatibles. En cas armatiu, trobeu la solucio i els graus de
llibertat en funcio dels par` ametres.
ax +y +z = 1
x +ay +z = 0
x +y +az = 2
_
_
x +ay +az +bt = 3
x y +bz +t = 0
x ay bz = a
2x (1 +a)y + (1 +a)t = 1
_
_
Exercici 7 Sigui B =
_
1 1 0 1
0 2 1 1
1 0 1 3
_
. Decidiu si existeix una matriu A M
3
(C) tal
que
(a) AB =
_
1 0 1 0
0 1 0 0
0 0 1 0
_
.
(b) AB =
_
0 1 1 2
0 3 0 3
1 2 0 4
_
.
En cas armatiu determineu A.

Es unica?
Exercici 8 Sigui K un cos i sigui A M
n
(K). Diem que X M
n
(K) es una
quasi-inversa de A si AXA = A.
(a) Proveu que si A es invertible llavors A nomes te una quasi-inversa i aquesta
es A
1
.
(b) Considerem una matriu de la forma A =
_
I
r
0
0 0
_
M
n
(K). Proveu que A
2
=
A. Podeu donar una quasi-inversa de la matriu A? Nhi han daltres?
(c) Demostreu que tota matriu A M
n
(K) te quasi-inversa.
Exercici 9 Calculeu dues quasi-inverses diferents de cadascuna de les matrius seg uents.
A
1
=
_
1 1
1 1
_
, A
2
=
_
_
_
1 2 1
2 1 3
0 0 0
_
_
_
.
Exercici 10 Siguin n > 1 i K un cos. Fixem A M
n
(K). Demostreu que el
conjunt
W = B M
n
(K) [ AB = BA
es un subespai vectorial de M
n
(K). Proveu que W ,= 0. Pot ser que W = M
n
(K)?
Captol 7
Aplicacions lineals
En el captol 2, deiem que, per comparar dues estructures algebraiques del ma-
teix tipus, sestudien els seus homomorsmes. Aqu introdurem els homomorsmes
despais vectorials, que habitualment es diuen aplicacions lineals.
Siguin V
1
i V
2
dos K-espais vectorials. Una aplicacio lineal de V
1
a V
2
es una
aplicacio f : V
1
V
2
tal que
(1) f(u+v) = f(u)+f(v), per a tot u, v V
1
, es a dir, f es un morsme de grups,
(2) f(u) = f(u), per a tot u V
1
i tot K.
Proposicio 7.0.1 Siguin V
1
, V
2
K-espais vectorials. Una aplicacio f : V
1
V
2
es
lineal si i nomes si
f(u +v) = f(u) +f(v),
per a tot u, v V
1
i tot , K.
Demostraci o. Si f es una aplicacio lineal, u, v V
1
i , K, llavors, per la
propietat (1) de la denicio, f(u + v) = f(u) + f(v) i, per la propietat (2),
f(u) +f(v) = f(u) +f(v).
Per demostrar el recproc, suposem que f es una aplicacio tal que
f(u +v) = f(u) +f(v),
per a tot u, v V
1
i tot , K. Si prenem = = 1, veiem que f satisfà la
propietat (1); si posem = 0, obtenim que f satisfà la propietat (2).
123
124
`
Exemples 7.0.2
(1) Sigui A = (a
ij
) M
mn
(K). Laplicacio f : K
n
K
m
, denida per
f(x
1
, . . . , x
n
) =
_
_
_
_
A
_
_
_
_
x
1
.
.
.
x
n
_
_
_
_
_
_
_
_
t
=
_
_
n
j=1
a
1j
x
j
,
n
j=1
a
2j
x
j
, . . . ,
n
j=1
a
mj
x
j
_
_
.
Fent servir les propietats del producte, de la suma i de la transposicio de matrius,
es comprova fàcilment que f es lineal. Veurem que totes les aplicacions lineals de
K
n
a K
m
son daquesta forma.
(2) Sigui g : M
n
(K) M
n
(K) laplicacio denida per f(A) = A
t
. Per les propietats
de la transposicio de matrius, g es una aplicacio lineal.
(3) Sigui V = p(x) K[x] [ gr(p(x)) n. Fixat a K, laplicacio h: V K
denida per h(p(x)) = p(a) es lineal (comproveu-ho!). 3
Una aplicacio lineal injectiva es diu monomorsme; una exhaustiva, epimorsme,
i una bijectiva, isomorsme.
Una aplicacio lineal dun K-espai vectorial V en ell mateix es diu endomorsme
de V . Un endomorsme de V bijectiu es diu automorsme de V .
Direm que dos K-espais vectorials V
1
i V
2
son isomorfs si existeix un isomorsme
entre ells. Escriurem V
1

= V
2
per denotar que V
1
i V
2
son isomorfs.
En el captol 2, deiem que el problema de classicar els grups mòdul la relacio
disomora es molt difcil. Mes endavant veurem que el problema de classicar K-
espais vectorials mòdul la relacio disomora es bastant mes fàcil, i, de fet, donarem
la solucio en el cas de dimensio nita.
7.1 Lespai vectorial de totes les aplicacions lineals
En tota aquesta seccio, V
1
, V
2
i V
3
son K-espais vectorials.
Sigui L(V
1
, V
2
) el conjunt de totes les aplicacions lineals de V
1
a V
2
. Com hem
vist a lexemple 5.0.2(4), el conjunt T(V
1
, V
2
) de totes les aplicacions de V
1
a V
2
amb la suma daplicacions i el producte per escalars es un K-espai vectorial. Ara
veurem que L(V
1
, V
2
) es un subespai vectorial de T(V
1
, V
2
).
Lema 7.1.1 Siguin f, g L(V
1
, V
2
) i K. Llavors f + g i f son aplicacions
lineals.
7. Aplicacions lineals 125
Demostraci o. Siguin u, v V
1
i , K. Ara tenim
(f +g)(u +v) = f(u +v) +g(u +v) (per la denicio de f +g)
= f(u) +f(v) +g(u) +g(v) (ja que f i g son lineals )
= (f +g)(u) +(f +g)(v).
Per la Proposicio 7.0.1, f +g es lineal. Tambe tenim que
(f)(u +v) = (f(u +v)) (per la denicio de f)
= (f(u) +f(v)) (ja que f es lineal )
= (f)(u) +(f)(v).
Per la Proposicio 7.0.1, f es lineal.
Laplicacio 0: V
1
V
2
, denida per 0(v) = 0, per tot v V
1
, es lineal (comproveu-
ho!). Aquesta aplicacio satisfà que 0 + f = f + 0 = f, per tota f L(V
1
, V
2
), per
tant laplicacio 0 es lelement neutre de la suma de L(V
1
, V
2
).
Com a conseq uència de la Proposicio 5.0.3, obtenim el resultat seg uent.
Proposicio 7.1.2 L(V
1
, V
2
) es un subespai vectorial de T(V
1
, V
2
).
Proposicio 7.1.3 Siguin f : V
1
V
2
i g : V
2
V
3
aplicacions lineals. Llavors:
(i) Si f es bijectiva, f
1
es lineal i bijectiva.
(ii) g f es lineal.
Demostraci o. (i) Suposem que f es bijectiva. Com que la inversa duna aplicacio
bijectiva sempre es bijectiva, nomes cal que demostrem que f
1
es lineal. Siguin
u, v V
2
i , K. Com que f es lineal, tenim
f(f
1
(u) +f
1
(v)) = f(f
1
(u)) +f(f
1
(v)) = u +v.
Per tant f
1
(u +v) = f
1
(u) +f
1
(v). Per la Proposicio 7.0.1, f
1
es lineal.
(ii) Siguin u, v V
1
i , K. Ara tenim
(g f)(u +v) = g(f(u +v))
= g(f(u) +f(v)) (ja que f es lineal)
= g(f(u)) +g(f(v)) (ja que g es lineal)
= (g f)(u) +(g f)(v).
Per la Proposicio 7.0.1, g f es lineal.
126
`
Sigui V un K-espai vectorial. Llavors, per la Proposicio 7.1.2, el conjunt dels
endomorsmes de V ,
End
K
(V ) = f : V V [ f es lineal,
es un K-espai vectorial. A mes, per la Proposicio 7.1.3, sobre End
K
(V ) tenim
loperacio composicio daplicacions. No es difcil veure que End
K
(V ) amb la suma
i la composicio daplicacions es un anell.
El grup dels elements invertibles de End
K
(V ) (recordem la Seccio 3.3) es denota
per Aut
K
(V ) o tambe per GL(V ). Aquest grup es diu grup lineal general de V .
Notem que, per la Proposicio 7.1.3, els elements invertibles de End
K
(V ) son les
aplicacions lineals bijectives.
7.2 Nucli i imatge duna aplicacio lineal
En tota aquesta seccio, V
1
i V
2
son K-espais vectorials.
Una aplicacio lineal f : V
1
V
2
es, en particular, un morsme entre els grups
additius de V
1
i V
2
. Per la Proposicio 2.1.5, Ker (f) es un subgrup de V
1
i Im(f) es
un subgrup de V
2
.
Si v Ker (f) llavors, com que f(v) = f(v) = 0, v Ker (f), per a qualsevol
K. Això demostra que el nucli duna aplicacio lineal es un subespai vectorial
de lespai vectorial de sortida.
Si w Im(f) llavors existeix v V
1
tal que f(v) = w. Si K, f(v) =
f(v) = w Im(f). Això demostra que Im(f) es un subespai vectorial de lespai
vectorial darribada.
Aix obtenim el resultat seg uent.
Proposicio 7.2.1 Sigui f : V
1
V
2
una aplicacio lineal. Llavors Ker (f) es un
subespai vectorial de V
1
, i Im(f) es un subespai vectorial de V
2
.
1
V
2
una aplicacio lineal. Llavors
(i) f es monomorsme si i nomes si Ker (f) = 0.
(ii) Si u
1
, . . . , u
n
son vectors que generen V
1
, llavors f(u
1
), . . . , f(u
n
) generen
Im(f).
Demostraci o. (i)

Es conseq uència de la Proposicio 2.1.6.
(ii) Sigui v Im(f). Llavors existeix u V
1
tal que f(u) = v. Com que u
1
, . . . , u
n
generen V
1
, existeixen
1
, . . . ,
n
K tals que u =
1
u
1
+ +
n
u
n
. Llavors
v = f(u) = f(
1
u
1
+ +
n
u
n
) =
1
f(u
1
) + +
n
f(u
n
), per ser f lineal.
Veiem doncs que v es una combinacio lineal de f(u
1
), . . . , f(u
n
). Daqu dedum que
f(u
1
), . . . , f(u
n
) generen Im(f).
1
V
2
una aplicacio lineal. Sigui (u
1
, . . . , u
n
) una
base de V
1
. Llavors
(i) f es injectiva si i nomes si f(u
1
), . . . , f(u
n
) son vectors linealment indepen-
dents de V
2
.
(ii) f es exhaustiva si i nomes si f(u
1
), . . . , f(u
n
) generen V
2
.
(iii) f es bijectiva si i nomes si (f(u
1
), . . . , f(u
n
)) es una base de V
2
.
Demostraci o. (i) Suposem que f es injectiva. Si

n
i=1
i
f(u
i
) = 0 llavors, per
ser f lineal, f (
n
i=1
i
u
i
) = 0; com que f es injectiva,

n
i=1
i
u
i
= 0 i, per ser
u
1
, . . . , u
n
vectors l.i.,
1
= =
n
= 0. Això demostra que f(u
1
), . . . , f(u
n
) son
l.i.
Per demostrar el recproc, suposem que f(u
1
), . . . , f(u
n
) son linealment indepen-
dents. Sigui u Ker (f). Llavors u =
1
u
1
+ +
n
u
n
, per a certs
1
, . . . ,
n
K.
Ara tenim
0 = f(u) =
1
f(u
1
) + +
n
f(u
n
),
per ser f lineal. Com que, per hipòtesi, (f(u
1
), . . . , f(u
n
)) son linealment inde-
pendents, tenim que
1
= =
n
= 0. Això implica que u = 0 i, per tant,
Ker (f) = 0. Per la Proposicio 7.2.2, f es injectiva.
(ii) Sabem que f es exhaustiva si i nomes si Im(f) = V
2
, i per la Proposicio 7.2.2 (ii),
això es cert si i nomes si f(u
1
), . . . , f(u
n
) generen V
2
.
(iii)

Es una conseq uència de (i) i (ii).
El Teorema seg uent demostra que una aplicacio lineal queda determinada un-
vocament per la imatge duna base.
Teorema 7.2.4 Sigui (u
1
, . . . , u
n
) una base de V
1
. Siguin v
1
, . . . , v
n
vectors de V
2
.
Llavors existeix una unica aplicaci o lineal f : V
1
V
2
tal que
f(u
i
) = v
i
, i = 1, . . . , n.
Demostraci o. Tot vector de V
1
es de la forma
1
u
1
+. . . +
n
u
n
,
128
`
amb
1
, . . . ,
n
K. Denim f : V
1
V
2
per
f(
1
u
1
+. . . +
n
u
n
) =
1
v
1
+. . . +
n
v
n
.
Comprovem que està ben denida. Siguin
1
, . . . ,
n
K tals que
1
u
1
+. . . +
n
u
n
=
1
u
1
+. . . +
n
u
n
.
Llavors
n
i=1
(
i

i
)u
i
= 0.
Com que u
1
, . . . , u
n
son l.i., tenim que
i

i
= 0, i = 1, . . . , n.
Per tant
n
i=1
i
v
i
=
n
i=1
i
v
i
i f està ben denida.
Comprovem que f es lineal. Siguin u, v V
1
i , K. Llavors existeixen
1
, . . . ,
n
,
1
, . . . ,
n
K tals que u =
1
u
1
+. . . +
n
u
n
i v =
1
u
1
+. . . +
n
u
n
.
Ara tenim
f(u +v) = f(
n
i=1
i
u
i
+
n
i=1
i
u
i
)
= f(
n
i=1
(
i
+
i
)u
i
) =
n
i=1
(
i
+
i
)v
i
=
n
i=1
i
v
i
+
n
i=1
i
v
i
= f(
n
i=1
i
u
i
) +f(
n
i=1
i
u
i
) = f(u) +f(v).
Per la Proposicio 7.0.1, f es lineal.
Suposem que g : V
1
V
2
es una aplicacio lineal tal que g(u
i
) = v
i
, per a tot
i = 1, . . . n. Volem veure que f = g. Pel Lema 7.1.1, laplicacio f g : V
1
V
2
es lineal i satisfà que (f g)(u
i
) = f(u
i
) g(u
i
) = 0. Sigui v V
1
. Llavors
v =
1
u
1
+. . . +
n
u
n
, amb
1
, . . . ,
n
K. Llavors
(f g)(v) = (f g)(
1
u
1
+. . . +
n
u
n
) =
1
(f g)(u
1
) +. . . +
n
(f g)(u
n
) = 0.
Per tant f g = 0, i llavors f = g.
El Teorema 7.2.4 ens diu que si dues aplicacions lineals coincideixen sobre una
base llavors son iguals. En particular, si una aplicacio lineal val zero sobre una base
llavors val zero sobre tot lespai vectorial.
Una altra conseq uència del Teorema 7.2.4 es que tots els K-espais vectorials de
dimensio nita de la mateixa dimensio son essencialment el mateix.
Corol
.
lari 7.2.5 Dos K-espais vectorials de dimensio nita son isomorfs si i nomes
si tenen la mateixa dimensio. En particular, si V es un K-espai vectorial de dimen-
sio n, llavors V es isomorf a K
n
.
Demostraci o. Suposem que V
1
i V
2
tenen dimensio n. Sigui (u
1
, . . . , u
n
) una
base de V
1
, i sigui (v
1
, . . . , v
n
) una base de V
2
. Pel Teorema 7.2.4, existeix una unica
aplicacio lineal f : V
1
V
2
tal que f(u
i
) = v
i
, i = 1, . . . , n. Per la Proposicio 7.2.3,
f es un isomorsme i, en conseq uència, V
1
i V
2
son isomorfs.
Demostrem ara el recproc. Suposem que V
1
i V
2
son isomorfs. Llavors existeix un
isomorsme g : V
1
V
2
. Sigui (u
1
, . . . , u
n
) una base de V
1
. Per la Proposicio 7.2.3,
(g(u
1
), . . . , g(u
n
))es una base de V
2
. Per tant, dimV
2
= n = dimV
1
.
Observem que això resol el problema de classicacio de K-espais vectorials de
dimensio nita.
Teorema 7.2.6 Sigui f : V
1
V
2
una aplicacio lineal. Si V
1
te dimensio nita
llavors
dim V
1
= dim Ker (f) + dim Im(f).
Demostraci o. Sigui (u
1
, . . . , u
m
) una base de Ker (f). Ampliem aquesta famlia
de vectors l.i. a una base
(u
1
, . . . , u
m
, u
m+1
, . . . , u
n
)
de V
1
. Ara veurem que (f(u
m+1
), . . . , f(u
n
)) es una base de Im(f), i aix
n = dimV
1
= m+ (n m) = dimKer (f) + dimIm(f).
Sigui v Im(f). Existeix u V
1
tal que f(u) = v. Com que (u
1
, . . . , u
n
) es una
base de V
1
, existeixen
1
, . . . ,
n
K tals que
u =
1
u
1
+. . . +
n
u
n
.
Ara
v = f(u) =
1
f(u
1
) +. . . +
n
f(u
n
)
=
m+1
f(u
m+1
) +. . . +
n
f(u
n
),
ja que f(u
1
) = . . . = f(u
m
) = 0. Per tant
Im(f) = f(u
m+1
), . . . , f(u
n
)).
Veiem que f(u
m+1
), . . . , f(u
n
) son l.i. Siguin
m+1
, . . . ,
n
K tals que
m+1
f(u
m+1
) +. . . +
n
f(u
n
) = 0.
130
`
Com que f es lineal, tenim que
f(
m+1
u
m+1
+. . . +
n
u
n
) = 0,
es a dir,
m+1
u
m+1
+ . . . +
n
u
n
Ker (f). Com que (u
1
, . . . , u
m
) es una base de
Ker (f), existeixen
1
, . . . ,
m
K tals que
m+1
u
m+1
+. . . +
n
u
n
=
1
u
1
+. . . +
m
u
m
,
es a dir,
1
u
1
+. . . +
m
u
m

m+1
u
m+1
. . .
n
u
n
= 0.
Com que u
1
, . . . , u
n
son l.i.,
1
= . . . =
n
= 0. Per tant f(u
m+1
), . . . , f(u
n
) son
l.i., i aix
(f(u
m+1
), . . . , f(u
n
))
es una base de Im(f).
Una conseq uència immediata del Teorema 7.2.6 es el resultat seg uent.
Corol
.
lari 7.2.7 Suposem que V
1
i V
2
tenen dimensio nita, i sigui f : V
1
V
2
una aplicacio lineal.
(i) Si f es injectiva, dim(V
1
) dim(V
2
).
(ii) Si f es exhaustiva, dim(V
1
) dim(V
2
).
Exemple 7.2.8 Sigui V lespai vectorial sobre C dels polinomis amb coecients
complexos de grau mes petit o igual que 2. Aquest es un espai vectorial de dimensio
3 perquè (1, x, x
2
) es una base. Pel Teorema 7.2.4, sabem que existeix una unica
aplicacio lineal f : V C tal que f(1) = i, f(x) = 1 + 2i i f(x
2
) = 4. Llavors
f(a +bx +cx
2
) = af(1) +bf(x) +cf(x
2
) = a(i) +b(1 + 2i) +c4.
Per tant, en aquest cas, laplicacio f que dona el Teorema 7.2.4 es f(a+bx+cx
2
) =
b + 4c + (a + 2b)i.
La imatge daquesta aplicacio es diferent de zero i, com que es un subespai
vectorial no nul dun espai vectorial de dimensio 1, tenim que dim(Im(f)) = 1. Per
tant f es exhaustiva. Per la formula donada pel Teorema 7.2.6, dim(Ker (f)) =
dimV dim(Im(f)) = 3 1 = 2.
De fet, p(x) = a + bx + cx
2
Ker (f) si i nomes si b + 4c + (a + 2b)i = 0.
Si agafem c = 0 i b = 1, obtenim que 1 + (a + 2)i = 0, per tant a =
1+2i
i
=
(1 +2i)(i) = 2 +i. Si agafem c = 1 i b = 0, obtenim que a = 4i. Aix obtenim
dos vectors del nucli, p
1
(x) = 2 + i + x i p
2
(x) = 4i + x
2
, que son linealment
independents (comproveu-ho!), i per tant formen una base de Ker (f). 3
Ara estudiarem amb detall el tipus daplicacions lineals que hem donat als exem-
ples 7.0.2 (i). Veurem que el Teorema 7.2.6 te com a conseq uència la Proposicio 6.4.3.
Observacio 7.2.9 Sigui A = (a
ij
) M
mn
(K), i sigui f : K
n
K
m
laplicacio
lineal donada per f(x
1
, . . . , x
n
) =
_
A
_
x
1
.
.
.
x
n
__
t
.
Si posem X =
_
x
1
.
.
.
x
n
_
, llavors les solucions del sistema dequacions lineals AX = 0
son exactament els elements del nucli de f.
Suposem que A es una matriu de rang r. Siguin C
1
, . . . , C
n
les columnes de
A, i sigui (e
1
, . . . , e
n
) la base canònica de K
n
. Llavors f(e
i
) =
_
Ae
t
i
_
t
= C
t
i
, per a
i = 1, . . . , n. Per la Proposicio 7.2.2, C
t
1
, . . . , C
t
n
generen Im(f), per tant la dimensio
de la imatge de f coincideix amb el rang de la matriu A.
Pel Teorema 7.2.6, dim(Ker (f)) = dim(K
n
) dim(Im(f)) = n r. Per tant,
la dimensio lespai vectorial de les solucions de AX = 0 es n r. 3
A =
_
_
_
_
_
_
1 1 2
3 0 3
2 0 2
2 1 1
_
_
_
_
_
_
M
43
(R).
Sigui f : R
3
R
4
laplicacio denida per f(x, y, z) =
_
A
_
x
y
z
__
t
.
Pels càlculs que vam fer a lExemple 6.2.5,
AQ =
_
_
_
_
_
_
1 1 2
3 0 3
2 0 2
2 1 1
_
_
_
_
_
_
_
_
_
1
1
3
1
0
1
3
1
0 0 1
_
_
_
=
_
_
_
_
_
_
1 0 0
3 1 0
2
2
3
0
2 1 0
_
_
_
_
_
_
,
on Qes una matriu invertible. Daqu veiem que A te rang 2 i per tant la dimensio del
nucli de f es 1. Com que l ultima columna de AQ es zero, veiem que A multiplicada
per l ultima columna de Q es zero. Per tant (1, 1, 1) forma una base del nucli de
f.
Per lobservacio 7.2.9,
Im(f) = (1, 3, 2, 2), (1, 0, 0, 1), (2, 3, 2, 1)).
Pel Lema 6.3.2, aquest subespai vectorial es el mateix que el generat per les columnes
de AQ transposades. Com que les dues columnes no nul.les de AQ son linealment
independents, (1, 3, 2, 2) i (0, 1,
2
3
, 1) formen una base de Im(f). 3
132
`
7.3 Coordenades respecte duna base
Siguin n un enter positiu i B = (u
1
, . . . , u
n
) una base dun K-espai vectorial V .
Donat u V , sabem que existeixen
1
, . . . ,
n
K tals que
u =
n
i=1
i
u
i
.
Siguin
1
, . . . ,
n
K tals que
u =
n
i=1
i
u
i
.
Llavors
n
i=1
(
i

i
)u
i
= 0.
Com que u
1
, . . . , u
n
son l.i., tenim que
i
=
i
, per a tot i = 1, . . . , n. Per tant
lexpressio de u com a combinacio lineal dels vectors de la base B es unica.
Els escalars
1
, . . . ,
n
es diu que son les coordenades de u respecte de la base
B.
Notacio: Si B = (u
1
, . . . , u
n
) es una base dun K-espai vectorial V i u V ,
escriurem C(u, B) =
_
1
.
.
.
n
_
per denotar que u te coordenades
1
, . . . ,
n
respecte
de la base B. 3
Donada la base B = (u
1
, . . . , u
n
) de V . Denim laplicacio
B
: V K
n
que
assigna a cada v V les seves coordenades respecte la base B, es a dir
B
(v) =
C(v, B)
t
.
Lema 7.3.1
B
es un isomorsme de K-espais vectorials.
Demostraci o. Siguin v
1
i v
2
vectors de V . Si v
1
=

n
i=1
i
u
i
i v
2
=

n
i=1
i
u
i
llavors v
1
+v
2
=
n
i=1
(
i
+
i
)u
i
. Això demostra que
B
(v
1
+v
2
) =
B
(v
1
)+
B
(v
2
).
Si v V es tal que v =
n
i=1
i
u
i
llavors, per a qualsevol K, v =
n
i=1
(
i
)u
i
.
Per tant
B
(v) =
B
(v). Això demostra que
B
es una aplicacio lineal.
Sigui (e
1
, . . . , e
n
) la base canònica de K
n
. Notem que
B
(u
i
) = (0, . . . , 1
i)
, . . . , 0) = e
i
,
per a tot i = 1, . . . , n. Per la Proposicio 7.2.3,
B
es un isomorsme.
Notem que lisomorsme
B
depèn de la base B xada.
El fet de que prendre coordenades respecte duna base xada sigui un isomorsme
entre lespai vectorial i K
n
es molt important, ens permet passar un problema
plantejat en un espai vectorial qualsevol a un problema de K
n
.
Exemple 7.3.2 Considerem lR-espai vectorial V = M
2
(R). V es un espai vectorial
de dimensio 4, una base es
B = (u
1
= (
1 0
0 0
) , u
2
= (
0 1
0 0
) , u
3
= (
0 0
1 0
) , u
4
= (
0 0
0 1
)) .
Llavors
B
_
a b
c d
_
= (a, b, c, d).
Considerem el subespai vectorial W = (
1 3
2 2
) ,
_
1 0
0 1
_
, (
2 3
2 1
)), llavors
B
(W) = (1, 3, 2, 2), (1, 0, 0, 1), (2, 3, 2, 1)).
Per lexemple 6.3.8, sabem que (v
1
= (1, 3, 2, 2), v
2
= (0, 1,
2
3
, 1) es una base de
B
(W). Com que
B
(
1 3
2 2
) = v
1
i
B
_
0 1
2
3
1
_
= v
2
i
B
es isomorsme, tenim que
_
(
1 3
2 2
) ,
_
0 1
2
3
1
__
es una base de W.
B
t
=
_
u
t
1
= (
1 0
0 0
) , u
t
2
= (
0 0
0 1
) , u
t
3
= (
0 1
1 0
) , u
t
4
=
_
0 1
1 0
__
tambe es una base de V
(comproveu-ho!). Com que
_
a b
c d
_
= au
t
1
+du
t
2
+
b +c
2
u
t
3
+
b c
2
u
t
4
,
_
a b
c d
_
= (a, d,
b+c
2
,
bc
2
). 3
7.4 Matriu duna aplicacio lineal
Sigui f : V
1
V
2
una aplicacio lineal entre K-espais vectorials de dimensio nita no
nuls. Siguin B
1
= (v
1
, . . . , v
n
) una base de V
1
i B
2
= (u
1
, . . . , u
m
) una base de V
2
.
Llavors existeixen
ij
K, per a i = 1, . . . , m i j = 1, . . . , n, tals que
f(v
j
) =
m
i=1
ij
u
i
.
La matriu (
ij
) M
mn
(K) es diu que es la matriu de f respecte de les bases B
1
(de sortida) i B
2
(darribada). Escriurem
M(f, B
1
, B
2
) = (
ij
).
Notem que la columna j-esima de la matriu M(f, B
1
, B
2
) es la columna de les
coordenades de f(v
j
) respecte de B
2
, es a dir C(f(v
j
), B
2
).
134
`
Observem que si
1
, . . . ,
n
K son les coordenades de v V
1
respecte de B
1
,
llavors
f(v) = f(
n
j=1
j
v
j
) =
n
j=1
j
f(v
j
)
=

n
j=1
m
i=1
ij
u
i
=
n
j=1
m
i=1
ij
j
u
i
=

m
i=1
(
n
j=1
ij
j
)u
i
Per tant
M(f, B
1
, B
2
)C(v, B
1
) = C(f(v), B
2
).
Aquesta es la propietat fonamental de la matriu duna aplicacio lineal.
Per la Proposicio 7.1.2, el conjunt L(V
1
, V
2
), format per totes les aplicacions
lineals entre dos K-espais vectorials V
1
i V
2
, es un espai vectorial. Sigui B
1
una base
de V
1
i sigui B
2
una base de V
2
. Suposem que V
1
te dimensio n i que V
2
te dimensio
m.
El fet dassociar a cada aplicacio lineal f : V
1
V
2
la matriu M(f, B
1
, B
2
), el
podem pensar com una aplicacio,
B
1
B
2
: L(V
1
, V
2
) M
mn
(K)
f
B
1
B
2
(f) = M(f, B
1
, B
2
).
Es fàcil comprovar que

B
1
B
2
es una aplicacio lineal, es a dir
M(f +g, B
1
, B
2
) = M(f, B
1
, B
2
) +M(g, B
1
, B
2
)
i M(f, B
1
, B
2
) = M(f, B
1
, B
2
),
per a tot f, g L(V
1
, V
2
) i tot K.
Si
B
1
B
2
(f) = 0, llavors f(B
1
) = 0. Com que, per la Proposicio 7.2.4, tota
aplicacio lineal que es nul
.
la sobre una base es laplicacio zero, tenim que f = 0, i
això demostra que
B
1
B
2
es injectiva.
Laplicacio
B
1
B
2
tambe es exhaustiva, perquè, si A = (
ij
) M
mn
(K), llavors,
pel Teorema 7.2.4, existeix una aplicacio lineal f : V
1
V
2
tal que
f(v
j
) =
m
i=1
ij
u
i
,
per a tot j = 1, . . . , n. Llavors
B
1
B
2
(f) = A, i per tant A Im(f).
Aix hem demostrar el resultat seg uent.
Proposicio 7.4.1 Laplicacio
B
1
B
2
: L(V
1
, V
2
) M
mn
(K) es un isomorsme
despais vectorials. En particular, la dimensio de lespai vectorial L(V
1
, V
2
) es nm.
La proposicio seg uent demostra que els isomorsmes que hem denit es compor-
ten be respecte de la composicio. Demostrem que a la composicio daplicacions li
correspon el producte de matrius associades.
1
, V
2
, V
3
tres K-espais vectorials de dimensio nita no
nuls. Siguin f : V
1
V
2
i g : V
2
V
3
aplicacions lineals. Si B
1
, B
2
, B
3
son bases
de V
1
, V
2
, V
3
respectivament, llavors
M(g f, B
1
, B
3
) = M(g, B
2
, B
3
)M(f, B
1
, B
2
).
Demostraci o. Sigui B
1
= (u
1
, . . . , u
n
). Llavors
M(g, B
2
, B
3
) M(f, B
1
, B
2
) =
= M(g, B
2
, B
3
)(C(f(u
1
), B
2
), . . . , C(f(u
n
), B
2
))
= (M(g, B
2
, B
3
)C(f(u
1
), B
2
), . . . , M(g, B
2
, B
3
)C(f(u
n
), B
2
))
= (C(g(f(u
1
)), B
3
), . . . , C(g(f(u
n
)), B
3
))
= M(g f, B
1
, B
3
).
Exemples 7.4.3
(1) Considerem B
0
= ((1, 0), (0, 1)), la base canònica de R
2
, i la base
B
1
= ((1, 0, 0), (1, 1, 0), (1, 1, 1))
de R
3
. Sigui f : R
2
R
3
laplicacio lineal tal que
M(f, B
0
, B
1
) =
_
_
_
1 1
2 1
3 1
_
_
_
.
Calculem f(x, y).
C(f(x, y), B
1
) =
_
_
_
1 1
2 1
3 1
_
_
_
C((x, y), B
0
)
=
_
_
_
1 1
2 1
3 1
_
_
_
_
x
y
_
=
_
_
_
x y
2x y
3x y
_
_
_
.
Per tant
f(x, y) = (x y)(1, 0, 0) + (2x y)(1, 1, 0) + (3x y)(1, 1, 1)
= (6x 3y, 5x 2y, 3x y)
136
`
(2) Considerem laplicacio lineal f : M
2
(R) M
2
(R) denida per A A
t
. Conside-
rem les bases de M
2
(R), B = (u
1
= (
1 0
0 0
) , u
2
= (
0 1
0 0
) , u
3
= (
0 0
1 0
) , u
4
= (
0 0
0 1
)) i B
t
=
_
u
t
1
= (
1 0
0 0
) , u
t
2
= (
0 0
0 1
) , u
t
3
= (
0 1
1 0
) , u
t
4
=
_
0 1
1 0
__
. Llavors f(u
1
) = u
1
, f(u
2
) = u
3
,
f(u
3
) = u
2
i f(u
4
) = u
4
, per tant
M(f, B, B) =
_
_
_
_
_
_
1 0 0 0
0 0 1 0
0 1 0 0
0 0 0 1
_
_
_
_
_
_
.
Com que f(u
1
) = u
t
1
, f(u
2
) =
u
3
2

u
4
2
, f(u
3
) =
u
3
2
+
u
4
2
i f(u
4
) = u
t
2
,
M(f, B, B
t
) =
_
_
_
_
_
_
1 0 0 0
0 0 0 1
0
1
2
1
2
0
0
1
2
1
2
0
_
_
_
_
_
_
. 3
7.5 Canvi de coordenades. Canvi de Base
Sigui V un K-espai vectorial de dimensio n > 0, i considerem laplicacio identitat
id
V
: V V .
Siguin B = (u
1
, . . . , u
n
) i B
t
= (v
1
, . . . , v
n
) bases de V . Sabem que si
C(v
j
, B) =
_
_
_
_
1j
.
.
.
nj
_
_
_
_
,
per a j = 1, . . . , n, llavors
M(id
V
, B
t
, B) = (
ij
).
En particular, si B
t
= B llavors M(id
V
, B
t
, B) = I
n
.
A mes, per la propietat fonamental de la matriu duna aplicacio lineal, tenim
que si u V llavors
M(id
V
, B
t
, B)C(u, B
t
) = C(id
V
(u), B) = C(u, B).
Per tant la matriu M(id
V
, B
t
, B) transforma les coordenades de u respecte de B
t
en les coordenades del mateix vector respecte de B. Per això es diu que la matriu
M(id
V
, B
t
, B), que denotarem tambe simplement per M(B
t
, B), es la matriu del
canvi de coordenades de B
t
a B.
Observem que tenim que
v
j
=
n
i=1
ij
u
i
,
per a tot j = 1, . . . , n. Això ho podem escriure tambe en forma matricial:
(v
1
, . . . , v
n
) = (u
1
, . . . , u
n
)M(B
t
, B),
es a dir,
B
t
= BM(B
t
, B).
Per això, tambe es diu que M(B
t
, B) es la matriu del canvi de base de B a B
t
.
Proposicio 7.5.1 Sigui V un K-espai vectorial de dimensio nita no nul. Siguin
B = (u
1
, . . . , u
n
), B
t
= (v
1
, . . . , v
n
) bases de V . Llavors
M(B
t
, B)M(B, B
t
) = I
n
i M(B, B
t
)M(B
t
, B) = I
n
.
Per tant M(B
t
, B) = M(B, B
t
)
1
.
Demostraci o. M(B, B
t
) es la matriu associada a la identitat, prenent B com
a base de lespai vectorial de sortida i B
t
com a base de lespai vectorial darri-
bada. M(B
t
, B) es la matriu associada a la identitat, prenent B
t
com a base de
lespai vectorial de sortida i B com a base de lespai vectorial darribada. Per la
Proposicio 7.4.2,
M(B
t
, B)M(B, B
t
) = M(id, B
t
, B
t
),
que es la matriu identitat. Per la Proposicio 7.4.2,
M(B, B
t
)M(B
t
, B) = M(id, B, B),
que es la matriu identitat.
Observem que si V
1
, V
2
son K-espais vectorials de dimensio nita no nuls, B
1
, B
t
1
son bases de V
1
i B
2
, B
t
2
son bases de V
2
, i tenim una aplicacio lineal f : V
1
V
2
,
llavors f = id
V
2
f id
V
1
. Fixem-nos en el diagrama
f : V
1
id
V
1
f
V
2
id
V
2
B
1
B
1
B
2
B
2
on hem escrit sota de cada espai vectorial la base que considerem.
Aplicant la Proposicio 7.4.2, obtenim,
M(f, B
t
1
, B
t
2
) = M(id
V
2
, B
2
, B
t
2
)M(f, B
1
, B
2
)M(id
V
1
, B
t
1
, B
1
)
= M(B
2
, B
t
2
)M(f, B
1
, B
2
)M(B
t
1
, B
1
).
138
`
Aix obtenim la formula del canvi de bases:
M(f, B
t
1
, B
t
2
) = M(B
2
, B
t
2
)M(f, B
1
, B
2
)M(B
t
1
, B
1
).
Exemple 7.5.2 Sigui R
2
[x] = p(x) R[x] [ gr(p(x)) 2. Considerem laplicacio
lineal f : R
2
[x] M
2
(R) denida per
f(a
0
+a
1
x +a
2
x
2
) =
_
a
0
+ 2a
1
a
0
a
1
+a
2
a
1
a
2
2a
0
a
2
_
.
Observem que B
1
= (1, x, x
2
) i B
t
1
= (1 x, x x
2
, x
2
) son bases de R
2
[x] i que
B
2
=
__
1 0
0 0
_
,
_
0 1
0 0
_
,
_
0 0
1 0
_
,
_
0 0
0 1
__
,
B
t
2
=
__
1 0
0 1
_
,
_
0 1
1 0
_
,
_
1 1
0 0
_
,
_
1 0
1 0
__
son bases de M
2
(R). Calculem la matriu de f respecte de les bases B
1
, B
2
. Tenim
f(1) =
_
1 1
0 2
_
, f(x) =
_
2 1
1 0
_
, f(x
2
) =
_
0 1
1 1
_
.
Per tant
M(f, B
1
, B
2
) =
_
_
_
_
_
_
1 2 0
1 1 1
0 1 1
2 0 1
_
_
_
_
_
_
.
Calculem ara la matriu de f respecte de les bases B
t
1
, B
t
2
. Sabem que
M(f, B
t
1
, B
t
2
) = M(B
2
, B
t
2
)M(f, B
1
, B
2
)M(B
t
1
, B
1
).
Com que
M(B
t
2
, B
2
) =
_
_
_
_
_
_
1 0 1 1
0 1 1 0
0 1 0 1
1 0 0 0
_
_
_
_
_
_
,
tenim que
M(B
2
, B
t
2
) = M(B
t
2
, B
2
)
1
=
_
_
_
_
_
_
1 0 1 1
0 1 1 0
0 1 0 1
1 0 0 0
_
_
_
_
_
_
1
=
_
_
_
_
_
_
0 0 0 1
1/2 1/2 1/2 1/2
1/2 1/2 1/2 1/2
1/2 1/2 1/2 1/2
_
_
_
_
_
_
.
Ara, com que
M(B
t
1
, B
1
) =
_
_
_
1 0 0
1 1 0
0 1 1
_
_
_
,
ja podem calcular M(f, B
t
1
, B
t
2
) =
=
_
_
_
_
_
_
0 0 0 1
1/2 1/2 1/2 1/2
1/2 1/2 1/2 1/2
1/2 1/2 1/2 1/2
_
_
_
_
_
_
_
_
_
_
_
_
1 2 0
1 1 1
0 1 1
2 0 1
_
_
_
_
_
_
_
_
_
1 0 0
1 1 0
0 1 1
_
_
_
=
_
_
_
_
_
_
2 1 1
2 1/2 1/2
0 3/2 3/2
3 5/2 1/2
_
_
_
_
_
_
. 3
7.6 Exercicis
Exercici 1 Quines de les seg uents aplicacions entre R-espais vectorials son lineals?
(a) f : R R, denida per f(x) = ax, on a R xat.
(b) f, g, h: R
3
R, denides per f(x, y, z) = xy +xz +yz, g(x, y, z) = x + 1 y
i h(x, y, z) = e
x+y
.
(c) f : R
2
R
4
, denida per f(x, y) = (x y, 2x, y 3x, y).
Exercici 2 Siguin f i g les aplicacions de R
2
a R
2
seg uents:
f(x, y) = (x y, 2x +y) i g(x, y) = (y 2x, x +y).
140
`
(a) Proveu que son endomorsmes.
(b) Calculeu (f g)(1, 0), (g f)(1, 0), (f +g)(1, 0), (2f +g)(1, 0) i f
2
(1, 0).
(c) Obteniu lexpressio general de (f g)(x, y) i de (g f)(x, y).
(d) Calculeu f
1
((1, 0)).
Exercici 3 Escriviu la matriu associada a laplicacio lineal seg uent, respecte de les
bases canòniques. Utilitzant aquesta matriu, trobeu la dimensio i una base de Ker(f)
i de Im(f). Trobeu f
1
(W), essent W = (1, 0, 4, 0)) subespai vectorial de R
4
.
f : R
3
R
4
(x, y, z) (x, x z, 4z, 0)
Exercici 4 Determineu si existeixen aplicacions lineals de R
3
a R
2
que compleixin
les condicions seg uents i, en cas armatiu, si nhi ha una o mes duna:
(a) f tal que f(1, 2, 1) = (1, 5) , f(1, 1, 1) = (2, 10) , f(0, 1, 0) = (3, 4).
(b) g tal que g(1, 2, 1) = (1, 5) , g(1, 1, 1) = (2, 10) , g(0, 1, 0) = (3, 15).
(c) h tal que h(1, 2, 1) = (1, 5) , h(1, 1, 1) = (2, 10) , h(1, 0, 1) = (3, 4).
Exercici 5 Sigui E =
__
0 a
b c
_
M
2
(R) [ c = a +b
_
. Considereu laplicaci o de E
en E donada per:
f
__
0 a
b c
__
=
_
0 3c + 3a
2a b a b + 3c
_
(a) Proveu que f es una aplicacio lineal.
(b) Trobeu una base de E i la matriu de f respecte daquesta base.
(c) Trobeu bases del nucli i de la imatge de f.
Exercici 6 Considereu laplicacio lineal seg uent:
f : R
3
R
2
(x, y, z) (2x y, z)
Sigui B
1
la base canònica de R
2
, B
2
3
, i siguin B
3
= ((1, 2), (1, 1))
i B
4
= ((1, 0, 1), (4, 0, 3), (1, 1, 0)).
(a) Proveu que B
3
i B
4
son bases de R
2
i R
3
respectivament.
(b) Calculeu les matrius del canvi de base de B
1
a B
3
, de B
3
a B
1
, de B
2
a B
4
i
de B
4
a B
2
.
(c) Trobeu la matriu associada a f en les bases B
2
de sortida i B
1
darribada.
(d) Trobeu la matriu associada a f en les bases B
4
de sortida i B
1
darribada.
(e) Trobeu la matriu associada a f en les bases B
4
de sortida i B
3
darribada.
Exercici 7 Trobeu una aplicacio lineal que transformi el triangle T de vèrtexs
(0, 0), (1, 3), (4, 2) en el triangle T
t
de vèrtexs (0, 0), (2, 1), (1, 1) i la seva inversa
(que transforma T
t
en T).
Exercici 8 Sigui R
k
[x] lespai vectorial dels polinomis reals de grau menor o igual
a k. Es deneix
: R
2
[x] R
4
[x]
p(x)
_
x
0
tp(t)dt
Demostreu que es una aplicacio lineal injectiva. Calculeu la seva imatge i demos-
treu que aquesta imatge es isomorfa a R
2
[x]. Calculeu la matriu associada a en
les bases (1, x 1, (x 1)
2
) de R
2
[x] i (1, x, x
2
, x
3
, x
4
) de R
4
[x]. Existeix alguna
aplicacio lineal exhaustiva de R
2
[x] a R
4
[x]?
Exercici 9 Considereu les aplicacions:
f : R[x] R[x] g : R[x] R[x]
p(x) p
t
(x) p(x)
_
x
0
p(s)ds
(a) Proveu que son aplicacions lineals.
(b) Proveu que f es exhaustiva i no injectiva. Calculeu Ker(f).
(c) Proveu que g es injectiva però no exhaustiva.
(d) Proveu que f g = id i que g f ,= id.
(e) Quina dimensio te R[x]?
(f ) Proveu que aquesta situacio no es possible en espais de dimensio nita: un
endomorsme f End(V ), on V es un espai vectorial de dimensio nita n,
es injectiu si i nomes si es exhaustiu.
Exercici 10 Siguin f : E F una aplicacio lineal i e
1
, . . . , e
n
vectors de E.
Discutiu les armacions seg uents (demostreu les certes i doneu contraexemples per
a les falses):
142
`
(a) e
1
, . . . , e
n
linealment independents = f(e
1
), . . . , f(e
n
) linealment indepen-
dents.
(b) f(e
1
), . . . , f(e
n
) linealment independents = e
1
, . . . , e
n
linealment indepen-
dents.
(c) e
1
, . . . , e
n
sistema de generadors de E = f(e
1
), . . . , f(e
n
) sistema de genera-
dors de F.
(d) f(e
1
), . . . , f(e
n
) sistema de generadors de F = e
1
, . . . , e
n
sistema de genera-
dors de E.
(e) e
1
, . . . , e
n
sistema de generadors de E = f(e
1
), . . . , f(e
n
) sistema de genera-
dors de Im(f).
Què canvia si f es monomorsme? I si f es epimorsme ?
Exercici 11 Sigui f : M
2
(C) M
2
(C) lendomorsme determinat per:
f
_
i 0
1 1
_
=
_
1 0
0 0
_
, f
_
1 1
0 i
_
=
_
0 0
0 0
_
,
f
_
0 1
1 1
_
=
_
1 1
1 1
_
, f
_
1 0
0 0
_
=
_
1 0
1 0
_
.
Trobeu la dimensio i una base de Ker(f) i Im(f). Calculeu f (
1 i
1 1
).
Exercici 12 Siguin f, g : E E endomorsmes que compleixen f
3
f
2
+ 11f
2id = 0 i g
2
2g + 3id = 0. Proveu que f i g son isomorsmes i trobeu les
inverses f
1
i g
1
.
Exercici 13 Sigui E un R-espai vectorial de dimensio nita. Sigui J : E E un
endomorsme tal que J
2
= id.
(a) Demostreu que J es isomorsme.
(b) Denim (a + bi)v = av + bJ(v) per a tot v E i a, b R. Demostreu que E
amb la suma i aquest producte per nombres complexos es un C-espai vectorial
de dimensio nita.
(c) Demostreu que la dimensio de E sobre R es parell.
Captol 8
Determinants
Una de les eines bàsiques de làlgebra lineal es el determinant duna matriu qua-
drada. Els determinants permeten fer el mateix tipus de càlculs que ja hem fet
amb canvis elementals, hi ha però una diferència conceptual important: mentre les
transformacions elementals ens donen algorismes per solucionar sistemes dequacions
lineals, per calcular inverses de matrius, etc., els determinants ens donen formules
per fer els mateixos processos. Aquest punt de vista ens serà imprescindible en el
captol 9.
Un aspecte important dels determinants, que no tractarem aqu, es el seu signi-
cat geomètric. Sigui n > 1. Una famlia de n vectors v
1
, . . . , v
n
de R
n
es linealment
independent si i nomes si el conjunt C = x R
n
[ x =
1
v
1
+. . . +
n
v
n
amb 0
i
1 per a tot i = 1, . . . , n es un paral
.
leleppede n-dimensional, amb un volum
n-dimensional no nul. Els vectors son linealment dependents si i nomes si C te
dimensio mes petita que n; en aquest cas, el seu volum n-dimensional es zero. Tenir
una manera de calcular aquest volum es doncs tenir una manera de determinar si
els vectors son linealment independent o no. Aquesta manera de calcular el volum
es, llevat dun signe, el determinant.
En tot aquest captol, K es un cos. Seguirem la notacio introduda al captol 6,
es a dir, si A es una matriu de M
n
(K), i escrivim A = (C
1
, . . . , C
n
), volem dir que
C
i
, i = 1, . . . , n, son les columnes de A. Si escrivim A =
_
F
1
.
.
.
F
n
_
, volem dir que F
i
,
i = 1, . . . , n, son les les de A.
8.1 Denicio i propietats
Denirem un determinant com una manera dassociar un escalar a una matriu qua-
drada que satisfaci unes certes propietats respecte de les columnes de la matriu.
143
144
`
Una tal denicio no assegura lexistència del determinant, de fet part de la feina del
captol es veure que el determinant no nomes existeix sino que, a mes, es l unica
aplicacio que satisfà aquestes propietats.
Sigui n un enter positiu. Una aplicacio det : M
n
(K) K es diu que es un
determinant si satisfà les propietats seg uents.
(1) Per a tot i = 1, . . . , n,
det(C
1
, . . . , C
i
+C
t
i
, . . . , C
n
) = det(C
1
, . . . , C
i
, . . . , C
n
) + det(C
1
, . . . , C
t
i
, . . . , C
n
).
(2) Per a tot i = 1, . . . , n, i tot K
det(C
1
, . . . , C
i
, . . . , C
n
) = det(C
1
, . . . , C
i
, . . . , C
n
).
(3) Si A te dues columnes iguals llavors det(A) = 0.
(4) det(I
n
) = 1.
Les propietats (1) i (2) ens diuen que una aplicacio determinant es lineal respecte
de les columnes de la matriu. Ara demostrarem que les propietat (1) i (3) impliquen
que quan intercanviem dues columnes el determinat canvia de signe.
Lema 8.1.1 Sigui 1 i < j n. Llavors
det(C
1
, . . . , C
i
, . . . , C
j
, . . . , C
n
) = det(C
1
, . . . , C
j
, . . . , C
i
, . . . , C
n
)
Demostraci o. Per la propietat (3), det(C
1
, . . . , C
i
+C
j
, . . . , C
i
+C
j
, . . . , C
n
) = 0,
on les columnes C
i
+C
j
estan a les posicions i i j. Aplicant la propietat (1) a aquesta
igualtat obtenim
0 = det(C
1
, . . . , C
i
, . . . , C
i
+C
j
, . . . , C
n
) + det(C
1
, . . . , C
j
, . . . , C
i
+C
j
, . . . , C
n
)
= det(C
1
, . . . , C
i
, . . . , C
i
, . . . , C
n
) + det(C
1
, . . . , C
i
, . . . , C
j
, . . . , C
n
)
+det(C
1
, . . . , C
j
, . . . , C
i
, . . . , C
n
) + det(C
1
, . . . , C
j
, . . . , C
j
, . . . , C
n
).
Tornant a aplicar la propietat (3) obtenim
0 = det(C
1
, . . . , C
i
, . . . , C
j
, . . . , C
n
) + det(C
1
, . . . , C
j
, . . . , C
i
, . . . , C
n
),
tal com volem veure.
Veiem, en uns quants exemples, com les propietats que hem imposat determinen
el valor de det(A).
8. Determinants 145
Exemples 8.1.2
(1) Si (a) es una matriu 11 llavors, per les propietats (2) i (4), det(a) = a det(1) = a.
Es fàcil comprovar que aquesta aplicacio satisfà les propietats del determinant. Aix
doncs obtenim, com a mnim, que el determinant duna matriu 1 1 existeix.
(2) Calculem el valor del determinant duna matriu 2 2. Si apliquem la linealitat
del determinant respecte de la primera columna, obtenim:
det
_
a b
c d
_
= det
_
a+0 b
0+c d
_
= det
_
a b
0 d
_
+ det
_
0 b
c d
_
= a det
_
1 b
0 d
_
+c det
_
0 b
1 d
_
.
Aplicant la linealitat respecte de la segona columna, tenim
det
_
1 b
0 d
_
= det
_
1 b+0
0 0+d
_
= det
_
1 b
0 0
_
+ det
_
1 0
0 d
_
= b det (
1 1
0 0
) +d det (
1 0
0 1
) = 0 +d.
De manera similar veiem que
det
_
0 b
1 d
_
= b det (
0 1
1 0
) +d det (
0 0
1 1
) = b.
Si combinem tots els càlculs que hem fet, obtenim que
det
_
a b
c d
_
= ad bc.
(3) Les propietats del determinant impliquen que el determinant duna matriu no
invertible ha de ser zero. Efectivament, si A = (C
1
, . . . , C
n
) no es invertible llavors
les columnes de A son linealment dependents i, per tant, nexisteix una que es
combinacio lineal de les altres. Com que, pel Lema 8.1.1, intercanviar columnes
nomes canvia el signe del determinant, podem suposar que C
n
es la columna que
es combinacio lineal de les altres. Llavors existeixen
1
, . . . ,
n1
tals que C
n
=
n1
i=1

i
C
i
. Per la linealitat del determinant,
det(A) = det(C
1
, . . . , C
n1
,
n1
i=1
i
C
i
) =
n1
i=1
i
det(C
1
, . . . , C
n1
, C
i
).
Com que cadascun daquests determinants es el determinant duna matriu amb dues
columnes iguals han de ser zero. Aix det(A) = 0.
(4) Les propietats dels determinants tambe ens permeten calcular fàcilment el valor
que ha de tenir el determinant de les matrius elementals.
146
`
En el cas de Tipus I,
det(T
ij
) = det
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
1
.
.
.
1
0 . . . 1
1
.
.
.
.
.
.
.
.
.
1
1 . . . 0
1
.
.
.
1
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
.
Com que T
ij
es el resultat dintercanviar les columnes i i j a la matriu identitat,
per la Proposicio 8.1.1, veiem que det(T
ij
) = det(I
n
) = 1.
En el cas de Tipus II,
det(E
ij
()) = det
_
_
_
_
_
_
_
_
_
_
_
_
1 0 . . . . . . . . . . . . 0
0 1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1 0
0 . . . . . . . . . . . . 0 1
_
_
_
_
_
_
_
_
_
_
_
_
= det(C
1
, . . . , C
j
+C
i
, . . . , C
n
),
on C
1
, . . . , C
n
son les columnes de la matriu identitat. Per les propietats del deter-
minant, tenim
det(E
ij
()) = det(C
1
, . . . , C
j
, . . . , C
n
) +det(C
1
, . . . , C
j1
, C
i
, C
j+1
, . . . , C
n
)
= det(I
n
) + 0 = 1.
En el cas de Tipus III,
det(P
i
()) = det
_
_
_
_
_
_
1
.
.
.
.
.
.
1
_
_
_
_
_
_
= det(C
1
, . . . , C
i
, . . . , C
n
),
on C
1
, . . . , C
n
son les columnes de la matriu identitat. Com que la matriu P
i
() es el
resultat de multiplicar per la columna i duna matriu identitat, per les propietats
(2) i (4) del determinant, obtenim
det(P
i
()) = det(I
n
) = . 3
Proposicio 8.1.3 Siguin E, E
1
, . . . , E
r
M
n
(K) matrius elementals.
(i) Si A M
n
(K), llavors det(AE) = det(A) det(E).
8. Determinants 147
(ii) Si A M
n
(K), llavors det(AE
1
. . . E
r
) = det(A) det(E
1
) . . . det(E
r
).
(iii) det(E) = det(E
t
).
Demostraci o. (i) Ho demostrarem per a cadascun dels tipus de les matriu ele-
mentals. En el cas de Tipus I, per la Proposicio 6.1.1, el resultat de fer AT
ij
es
intercanviar les columnes i i j de A i, pel Lema 8.1.1, det(AT
ij
) = det(A). Per
lexemple 8.1.2, det(T
ij
) = 1. Per tant det(AT
ij
) = det(A) det(T
ij
) tal com volem
veure.
Per a les matriu elementals de Tipus II, com que, per la Proposicio 6.1.1, el re-
sultat de fer AE
ij
() es sumar a la columna j la columna i multiplicada per , tenim
que, per la denicio del determinant, det(AE
ij
()) = det(A). Per lexemple 8.1.2,
det(E
ij
()) = 1. Per tant det(AE
ij
()) = det(A) det(E
ij
()) tal com volem veure.
Finalment, per a les matrius elementals de Tipus III, tenim que el resultat
de AP
i
() es multiplicar la columna i per lescalar . Per la denicio del deter-
minant, det(AP
i
()) = det(A). Per lexemple 8.1.2, det(P
i
()) = . Per tant
det(AP
i
()) = det(A) det(P
i
()) tal com volem veure.
(ii) Ho demostrarem per induccio sobre r. El cas r = 1 lhem vist a lapartat (i).
Suposem que r > 1, i que lenunciat es cert per a r 1. Demostrem-ho per a r.
Per (i), sabem que det(AE
1
. . . E
r1
E
r
) = det(AE
1
. . . E
r1
) det(E
r
), i per hipòtesi
dinduccio, det(AE
1
. . . E
r1
) det(E
r
) = det(A) det(E
1
) . . . det(E
r1
) det(E
r
).
(iii) Les matriu elementals dels tipus I i III son simètriques i per tant, en aquests
casos, det(E) = det(E
t
). Pel Lema 6.1.2, la transposada duna matriu elemental de
tipus II es una matriu elemental del mateix tipus. Per lexemple 8.1.2, el determinant
daquestes matrius sempre es 1. Per tant, tambe en aquest cas, det(E) = det(E
t
).
Teorema 8.1.4 Siguin A, B M
nn
(K). Llavors
(i) det(A) ,= 0 si i nomes si A es invertible.
(ii) det(AB) = det(A) det(B).
(iii) det(A) = det(A
t
).
Demostraci o. La demostracio de totes aquestes armacions seguirà la mateixa
lnia. Primer sempre veurem que en el cas duna matriu no invertible larmacio es
certa perquè el determinant es zero (exemples 8.1.2). Si la matriu es invertible farem
servir que tota matriu invertible es producte de matrius elementals (Teorema 6.3.4)
per reduir-nos al cas de matrius elementals, llavors larmacio serà conseq uència de
la proposicio anterior.
148
`
(i) Per lexemple 8.1.2, ja sabem que una matriu no invertible te determinant zero.
Tambe per lexemple 8.1.2, sabem que tota matriu elemental te determinant no
nul. Com que, pel Teorema 6.3.4, tota matriu invertible es producte de matrius
elementals, la Proposicio 8.1.3 (ii) ens permet concloure que el determinant duna
matriu invertible es no nul.
(ii) Si B no es una matriu invertible llavors tampoc ho es AB. Llavors 0 =
det(AB) = det(A) 0 = det(A) det(B).
Si B es invertible llavors, pel Teorema 6.3.4, B = E
1
. . . E
r
, on E
i
son matrius
elementals, i = 1, . . . , r. Aplicant la Proposicio 8.1.3 (ii), obtenim
det(AB) = det(AE
1
. . . E
r
) = det(A) det(E
1
) . . . det(E
r
) =
= det(A) det(E
1
. . . E
r
) = det(A) det(B).
(iii) Com que una matriu es invertible si i nomes si el seu rang es n (recordeu el
Teorema 6.3.4 ), tenim que A es invertible si i nomes si ho es A
t
. A mes, si A no es
invertible llavors det(A) = 0, en conseq uència det(A) = det(A
t
) = 0.
Si A es una matriu invertible llavors, pel Teorema 6.3.4, A = E
1
. . . E
r
, on E
i
son matrius elementals, per a i = 1, . . . , r. Transposant la igualtat anterior obtenim
A
t
= E
t
r
. . . E
t
1
. Si apliquem lapartat anterior (o fem servir que la transposada
duna matriu elemental es tambe elemental i lapartat (ii) de la Proposicio 8.1.3)
veiem que det(A
t
) = det(E
t
r
) . . . det(E
t
1
) = det(E
t
1
) . . . det(E
t
r
). Per lapartat (iii)
de la Proposicio 8.1.3, el determinat duna matriu elemental i la seva transposada
coincideixen, llavors tenim
det(A
t
) = det(E
t
1
) . . . det(E
t
r
) = det(E
1
) . . . det(E
r
) = det(E
1
. . . E
r
) = det(A).
Corol
.
lari 8.1.5 (i) Sobre M
n
(K) nomes hi pot haver una aplicacio determinant.
(ii) Laplicacio determinant te les mateixes propietats per les que per columnes.
Demostraci o. (i) Si A no es invertible llavors det(A) = 0. Si A es inverti-
ble, pel Teorema 6.3.4, A = E
1
. . . E
r
, on cada E
i
es una matriu elemental. Ara
det(A) = det(E
1
) . . . det(E
r
) i, com ja hem vist a lexemple 8.1.2, el determinant du-
na matriu elemental està determinat per les propietats de la denicio de laplicacio
determinant.
Larmacio (ii) es conseq uència immediata del fet que det(A) = det(A
t
).
8. Determinants 149
8.2 Existència del determinant.
Hem denit el determinant com una aplicacio que satisfà unes certes propietats, i
hem demostrat que, en cas dexistir, aquesta aplicacio es unica i la denotem per det.
Tambe denotem el determinant duna matriu quadrada A per [A[. Per exemple,
det
_
a b
c d
_
=

a b
c d
es el determinant de la matriu
_
a b
c d
_
. En aquesta seccio veurem
que el determinant existeix, tot donant un mètode per calcular-lo.
Un menor dordre p duna matriu A M
mn
(K) es el determinant duna ma-
triu p p formada pels elements de A situats en p les i p columnes prexades.
Exemple 8.2.1 Els menors dordre 2 de
_
1 1 3
0 4 5
_
son
1 1
0 4
1 3
0 5
1 3
4 5
. 3
Sigui n > 1. Sigui A M
n
(K), i sigui A
t
ij
la matriu (n 1) (n 1) obtinguda
de A en eliminar la la i i la columna j. Denim ladjunt a la posicio (i, j) de A
com A
ij
= (1)
i+j
det(A
t
ij
).
Denim la matriu adjunta de A com la matriu
Adj(A) =
_
_
_
_
_
_
A
11
A
12
. . . A
1n
A
21
A
22
. . . A
2n
. . .
A
n1
A
n2
. . . A
nn
_
_
_
_
_
_
.
La proposicio seg uent dona un mètode per calcular el determinant de manera
inductiva.
Proposicio 8.2.2 Sigui n > 1. Suposem que tenim laplicaci o determinat denida
per matrius de M
n1
(K).
(i) Sigui i 1, . . . , n. Considerem laplicacio DF
i
: M
n
(K) K denida per
DF
i
(A) =
n
j=1
a
ij
A
ij
, on A = (a
ij
) M
n
(K). Llavors DF
i
satisfà les propie-
tats del determinat, i aix DF
i
(A) = det(A).
(ii) Sigui j 1, . . . , n. Considerem laplicacio DC
j
: M
n
(K) K denida per
DC
j
(A) =
n
i=1
a
ij
A
ij
, on A = (a
ij
) M
n
(K). Llavors DC
j
satisfà les propie-
tats del determinat, i aix DC
j
(A) = det(A).
Demostraci o. Noteu que si demostrem (i), llavors tindrem que DC
j
(A) =
DF
j
(A
t
) = det(A
t
). Com que el determinant duna matriu i la seva transposa-
da es el mateix, podrem concloure que DC
j
(A) = det(A). Aix doncs nomes cal
demostrar larmacio (i).
150
`
Propietat (1). Hem de veure, per a tot k = 1, . . . , n, que
DF
i
(C
1
, . . . , C
k
+C
t
k
, . . . , C
n
) = DF
i
(C
1
, . . . , C
k
, . . . , C
n
)+DF
i
(C
1
, . . . , C
t
k
, . . . , C
n
).
Siguin A = (C
1
, . . . , C
k
+C
t
k
, . . . , C
n
), B = (C
1
, . . . , C
n
) i B
t
= (C
1
, . . . , C
t
k
, . . . , C
n
),
amb C
j
= (a
ij
) M
n1
(K) i C
t
k
= (a
t
ik
) M
n1
(K). Per i, j = 1, . . . , n, denotem
per A
ij
, B
ij
i B
t
ij
els adjunts a la posicio (i, j) de A, B i B
t
respectivament. Noteu
que A
ik
= B
ik
= B
t
ik
, per a i = 1, . . . , n. Si j ,= k, llavors A
ij
es, tret del signe, el
determinant duna matriu (n 1) (n 1) i es compleix que A
ij
= B
ij
+B
t
ij
. Aix
obtenim que
DF
i
(A) =

1j<k
a
ij
A
ij
+ (a
ik
+a
t
ik
)A
ik
+
k<jn
a
ij
A
ij
=

1j<k
a
ij
(B
ij
+B
t
ij
) +a
ik
B
ik
+a
t
ik
B
t
ik
+
k<jn
a
ij
(B
ij
+B
t
ij
)
= DF
i
(B) + DF
i
(B
t
).
Propietat (2). Hem de demostrar, per a tot k = 1, . . . , n, que
DF
i
(C
1
, . . . , C
k
, . . . , C
n
) = DF
i
(C
1
, . . . , C
k
, . . . , C
n
).
Siguin A = (C
1
, . . . , C
k
, . . . , C
n
) i B = (C
1
, . . . , C
n
) = (a
ij
). Siguin A
ij
i B
ij
els
adjunts a la posicio (i, j) de A i B respectivament. Llavors B
ik
= A
ik
, per a tot
i = 1, . . . , n. Si j ,= k, com que A
ij
es, tret del signe, el determinant duna matriu
(n 1) (n 1), llavors A
ij
= B
ij
. Aix obtenim que
DF
i
(A) =

1j<k
a
ij
A
ij
+a
ik
A
ik
+
k<jn
a
ij
A
ij
=

1j<k
a
ij
B
ij
+a
ik
B
ik
+
k<jn
a
ij
B
ij
= DF
i
(B).
Propietat (3). Hem de veure que si k < k
t
i A te les columnes k i k
t
iguals llavors
DF
i
(A) = 0.
Sigui A = (a
ij
) i denotem per A
ij
ladjunt a la posicio (i, j) de A. Observem que
si j es diferent de k i k
t
llavors A
ij
es, tret del signe, el determinant duna matriu
(n 1) (n 1) amb dues columnes iguals, i aix A
ij
= 0. Ara tenim que
DF
i
(A) = a
ik
A
ik
+a
ik
A
ik
.
A mes,
A
ik
= (1)
i+k
det
_
_
_
_
_
_
_
_
_
_
_
_
a
11
. . . a
1k
. . . a
1,k
1
a
1,k
+1
. . . a
1n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
i1,1
. . . a
i1,k
. . . a
i1,k
1
a
i1,k
+1
. . . a
i1,n
a
i+1,1
. . . a
i+1,k
. . . a
i+1,k
1
a
i+1,k
+1
. . . a
i+1,n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
. . . a
nk
. . . a
n,k
1
a
n,k
+1
. . . a
nn
_
_
_
_
_
_
_
_
_
_
_
_
,
8. Determinants 151
i aplicant la permutacio = (k
t
1, k
t
2, . . . , k) a les columnes k, k +1, . . . , k
t
1
daquest ultim determinant, i tenint en compte que les columnes k i k
t
de A son
iguals, tenim que
A
ik
= (1)
i+k
() det
_
_
_
_
_
_
_
_
_
_
_
_
a
11
. . . a
1,k1
a
1,k+1
. . . a
1n
.
.
.
.
.
.
.
.
.
.
.
.
a
i1,1
. . . a
i1,k1
a
i1,k+1
. . . a
i1,n
a
i+1,1
. . . a
i+1,k1
a
i+1,k+1
. . . a
i+1,n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
. . . a
n,k1
a
n,k+1
. . . a
nn
_
_
_
_
_
_
_
_
_
_
_
_
,
on () es el signe de la permutacio . Com que
(1)
i+k
() = (1)
i+k
(1)
k
1k
= (1)
i+k
,
tenim que
A
ik
= A
ik
.
Per tant DF
i
(A) = a
ik
A
ik
+a
ik
A
ik
= a
ik
A
ik
a
ik
A
ik
= 0.
Propietat (4). Hem de veure que DF
i
(I
n
) = 1.
Per demostrar això cal observar que si eliminen la la i i la columna i de la
matriu identitat n n, obtenim una matriu identitat (n 1) (n 1), i llavors
ladjunt a la posicio (i, i) de la matriu identitat I
n
es (1)
i+i
det(I
n1
) = 1. Com
que l unica posicio no nul
.
la de la la i de I
n
es la (i, i), obtenim que DF
i
(I
n
) = 1.
Com ja hem vist als exemples 8.1.2, el determinant de matrius 11 existeix. La
proposicio anterior demostra que si existeix el determinant de matrius (n1)(n1)
llavors tambe existeix el determinant de matrius n n. Aix, per induccio, hem
demostrat el resultat seg uent.
Teorema 8.2.3 Per a tot enter positiu n existeix una unica aplicacio
det: M
n
(K) K
que satisfà les propietats del determinant.
El mètode per calcular el determinant que dona lapartat (i) de la Proposi-
cio 8.2.2 es diu desenvolupament del determinant per la la i-esima; el que dona
lapartat (ii) es diu desenvolupament del determinant per la columna j-esima.
Aquest mètode de càlcul del determinant tambe dona una manera de calcular
inverses de matrius.
152
`
Proposicio 8.2.4 Sigui A = (a
ij
) M
n
(K), i sigui Adj(A) la seva matriu adjunta.
Llavors A Adj(A)
t
= Adj(A)
t
A = det(A)I
n
.
En particular, si A es una matriu invertible A
1
= (det(A))
1
Adj(A)
t
.
Demostraci o. Calculem el producte A Adj(A)
t
= (c
ij
). Per la denicio del
producte de matrius,
c
ij
=
n
k=1
a
ik
A
jk
.
En el cas i = j, aquesta formula correspon a fer el càlcul del determinant de A
desenvolupant per la la i. Aix doncs, per a tot i = 1, . . . , n, c
ii
= DF
i
(A) = det(A).
Si i ,= j, i A =
_
F
1
.
.
.
F
n
_
llavors
c
ij
= DF
i
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
F
1
.
.
.
F
i
.
.
.
F
i
.
.
.
F
n
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
,
on la la F
i
està a les posicions i i j. Per tant, en aquest cas, c
ij
= 0. Aix,
A Adj(A)
t
= det(A)I
n
.
Calculem ara Adj(A)
t
A = (d
ij
). Per la denicio del producte de matrius,
d
ij
=
n
k=1
A
ki
a
kj
.
En el cas i = j, aquesta formula correspon a fer el càlcul del determinant de A
desenvolupant per la columna i. Aix doncs, per a tot i = 1, . . . , n, c
ii
= DC
i
(A) =
det(A).
Si i ,= j, i A = (C
1
, . . . , C
n
) llavors
c
ij
= DC
i
(C
1
, . . . , C
i
, . . . , C
i
, . . . , C
n
),
on la columna C
i
està a les posicions i i j. Per tant, en aquest cas, c
ij
= 0. Aix,
A Adj(A)
t
= det(A)I
n
.
8. Determinants 153
Observacio 8.2.5 Els mètodes de desenvolupament del determinant per una la o
per una columna donen mètodes inductius per calcular determinants de la mida que
es vulgui. Tambe es pot escriure una formula explcita del determinant en funcio
dels coecients de la matriu. Si A = (a
ij
) llavors
det(A) =
S
n
()a
1(1)
a
2(2)
. . . a
n(n)
,
on S
n
denota el grup de permutacions de n elements i () es el signe de la permu-
tacio .
Demostrar que la formula anterior es efectivament el determinant de la matriu
no es difcil, però porta una certa feina.
Anem a veure la formula del determinant que obtenim per a n = 3. S
3
= id, =
(1, 2, 3),
2
= (1, 3, 2),
1
= (1, 2),
2
= (1, 3),
3
= (2, 3).
Llavors
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
= a
11
a
22
a
33
+a
1(1)
a
2(2)
a
3(3)
+a
1
2
(1)
a
2
2
(2)
a
3
2
(3)
a
1
1
(1)
a
2
1
(2)
a
3
1
(3)
a
1
2
(1)
a
2
2
(2)
a
3
2
(3)
a
1
3
(1)
a
2
3
(2)
a
3
3
(3)
= a
11
a
22
a
33
+a
12
a
23
a
31
+a
13
a
21
a
32
a
12
a
21
a
33
a
13
a
22
a
31
a
11
a
23
a
32
. 3
Exemples 8.2.6
(1) Per calcular el determinant duna matriu podem fer servir transformacions ele-
mentals, el desenvolupament per una la o una columna i la formula directa donada
a lobservacio 8.2.5. Anem a calcular el determinant de la matriu
A =
_
_
_
_
_
_
2 7 3 4
3 5 2 3
6 5 4 7
7 3 5 2
_
_
_
_
_
_
,
fent servir una combinacio dels tres mètodes.
Simpliquem primer A utilitzant les propietats generals del determinant. Sumem
a la tercera la la segona multiplicada per 2 (el determinant no varia):
154
`
det(A) =
2 7 3 4
3 5 2 3
0 5 0 1
7 3 5 2
.
Si sumem a la segona columna la quarta multiplicada per 5, el determinant continua
essent el mateix i obtenim
det(A) =
2 27 3 4
3 20 2 3
0 0 0 1
7 13 5 2
.
Desenvolupant el determinant respecte de la tercera la obtenim:
det(A) = (1)
3+4
1
2 27 3
3 20 2
7 13 5
2 27 3
3 20 2
7 13 5
.
Al determinant que queda, restem la primera la a la segona:
det(A) =
2 27 3
1 7 5
7 13 5
.
Sumem, a la primera i a la tercera la, la segona multiplicada respectivament per
2 i 7 per obtenir
det(A) =
0 41 13
1 7 5
0 62 30
.
Desenvolupem respecte de la primera columna:
det(A) = (1)
2+1
1
41 13
62 30
.
Ara,
det(A) = 41 (30) (13) 62 = 424.
(2) La Proposicio 8.2.4 dona la formula per calcular la inversa duna matriu. Per
exemple, sigui A =
_
a b
c d
_
. Pel Teorema 8.1.4, A es invertible si i nomes si det(A) =
ad cb ,= 0. Tenint en compte que els adjunts de A son
A
11
= (1)
1+1
d = d A
12
= (1)
1+2
c = c
8. Determinants 155
A
21
= (1)
2+1
b = b A
22
= (1)
2+2
a = a,
obtenim que la matriu adjunta de A es Adj (A) =
_
d c
b a
_
. Llavors
A
1
= (det(A))
1
Adj (A)
t
= (ad cb)
1
_
d b
c a
_
.
(3) Sigui
A =
_
_
_
1 1 1
2 3 1
4 1 5
_
_
_
.
Tenim que det(A) = 1(3)(5)+114+2111(3)411112(5) = 42 ,= 0.
Llavors la matriu A es invertible. Calculem la inversa fent servir la Proposicio 8.2.4.
Calculem primer els adjunts dels elements de A.
A
11
= (1)
1+1
3 1
1 5
= 14, A
12
= (1)
1+2
2 1
4 5
= 14,
A
13
= (1)
1+3
2 3
4 1
= 14, A
21
= (1)
2+1
1 1
1 5
= 6,
A
22
= (1)
2+2
1 1
4 5
= 9, A
23
= (1)
2+3
1 1
4 1
= 3,
A
31
= (1)
3+1
1 1
3 1
= 4, A
32
= (1)
3+2
1 1
2 1
= 1,
A
33
= (1)
3+3
1 1
2 3
= 5.
Segons aquest resultat la matriu adjunta de A es
Adj (A) =
_
_
_
14 14 14
6 9 3
4 1 5
_
_
_
.
Aix, aplicant la formula de la Proposicio 8.2.4 obtenim que
A
1
=
1
42
_
_
_
14 6 4
14 9 1
14 3 5
_
_
_
. 3
Acabarem fent un càlcul general del determinant que ens serà util per al captol
seg uent.
156
`
Proposicio 8.2.7 (i) Sigui A = (a
ij
) M
n
(K) una matriu tal que a
ij
= 0 si
i > j (es diu que A es una matriu triangular superior ja que tots els elements
de sota de la diagonal principal son zero). Llavors det(A) = a
11
. . . a
nn
.
(ii) Sigui A M
n
(K) una matriu de la forma A =
_
I
r
B
0 A
_
, on K i B i A
t
son matrius de mides adequades. Llavors det(A) =
r
det(A
t
).
Demostraci o. Demostrarem (i) per induccio sobre n. El cas n = 1 es clar.
Suposem que n > 1 i que el resultat es cert per a n1. Llavors la primera columna
de A te tots els elements nuls llevat potser de a
11
. Desenvolupant el determinant de
A per la primera columna obtenim det(A) = a
11
A
11
. Com que A
11
es el determinant
duna matriu (n 1) (n 1) tal que les components de sota de la diagonal son
zero llavors, per hipòtesi dinduccio, A
11
= a
22
. . . a
nn
. Aix obtenim que det(A) =
a
11
a
22
. . . a
nn
, tal com volem veure.
Demostrarem (ii) per induccio sobre r. Si r = 1, desenvolupant per la pri-
mera columna ja obtenim que det(A) = A
11
= det(A
t
). Suposem r > 1 i que
lenunciat es cert per a r 1. Si A =
_
I
r
B
0 A
_
, llavors, desenvolupant per la pri-
mera columna, obtenim que det(A) = A
11
. Com que A
11
=
I
r1
B
0 A
, per a
certa matriu B
t
, per hipòtesi dinduccio, A
11
=
r1
det(A
t
). Aix obtenim que
det(A) =
r1
det(A
t
) =
r
det(A
t
).
8.3 Exercicis
Exercici 1 Calculeu els determinats seg uents (practiqueu diferents mètodes de càlcul).
3 1
2 0
2 1
5 1
1 2 1
4 0 3
1 1 2
1 1 1
1 1 1
1 1 1
1 2 6 1
1 0 1 3
0 3 0 2
0 1 2 0
1 +i 1 2 0
2 +i 3 4 3
4 +i 2 3 2
1 i 2 4 6
1 2 0 3 3
4 1 1 2 2
2 1 3 2 2
0 1 0 2 1
0 0 0 0 1
0 1 2 1 2
2 0 1 3 1
0 0 2 1 1
4 4 0 2 0
0 3 1 1 2
.
8. Determinants 157
Exercici 2 Siguin A i B dues matrius quadrades n n sobre un cos K. Digueu si
son certes o falses les igualtats seg uents.
(a) det(A+B) = det A+ det B.
(b) det(A) = det A.
(c)
a
11
a
1n
.
.
.
.
.
.
a
i1
a
in
.
.
.
.
.
.
a
n1
a
nn
a
11
a
1n
.
.
.
.
.
.
a
i1
a
in
.
.
.
.
.
.
a
n1
a
nn
.
(d) det(A) =
n
det A.
(e) det(A) = det A.
(f ) det(A) =
_
det A si n es parell,
det A si n es senar.
Exercici 3 (a) Calculeu els determinants seg uents.
a a a a
b b b a
c c b a
d c b a
1 1 1 1
a b c d
a
2
b
2
c
2
d
2
a
3
b
3
c
3
d
3
.
(b) Demostreu que
1 a
0
(a
0
)
2
. . . (a
0
)
n
1 a
1
(a
1
)
2
. . . (a
1
)
n
.
.
.
.
.
.
.
.
.
.
.
.
1 a
n
(a
n
)
2
. . . (a
n
)
n
0i<jn
(a
j
a
i
).
(Determinant de Vandermonde)
Exercici 4 Calculeu els determinants de matrius n n seg uents.
1 n . . . n
n 2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
n
n . . . n n
0 . . . 0 1
.
.
. .
.
.
.
.
.
0
0 .
.
.
.
.
.
.
.
.
1 0 . . . 0
1 2 3 . . . n
1 0 3 . . . n
1 2 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
n
1 2 . . . (n 1) 0
.
158
`
Exercici 5 Demostreu que
1 2 . . . n
n + 1 n + 2 . . . 2n
2n + 1 2n + 2 . . . 3n
.
.
.
.
.
.
.
.
.
.
.
.
(n 1)n + 1 (n 1)n + 2 . . . n
2
= 0,
per a tot n > 2.
Exercici 6 Demostreu la formula del determinant de la matriu n n seg uent.
a b . . . b
b a
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
b
b . . . b a
= (a b)
n1
(a + (n 1)b).
Exercici 7 Siguin A i B matrius quadrades n n. Demostreu que
rang(AB) = n rangA = n i rangB = n.
Exercici 8 Una matriu A M
n
(R) es diu ortogonal quan la seva inversa coincideix
amb la seva transposada, A
1
= A
t
.
(a) Proveu que si A es ortogonal, aleshores det A = 1.
(b) Proveu que si A i B son ortogonals, aleshores AB tambe ho es.
(c) Trobeu totes les matrius ortogonals 2 2.
Exercici 9 Sigui A M
n
(R) antisimètrica, es a dir, tal que A = A
t
. Demostreu
que
det(A) = (1)
n
det(A).
Deduu que les matrius antisimtriques dordre senar tenen determinant zero.
Exercici 10 Trobeu la inversa de la matriu MN, on
M =
_
_
_
cos x sinx 0
sinx cos x 0
0 0 1
_
_
_
N =
_
_
_
cos y 0 siny
0 1 0
siny 0 cos y
_
_
_
Exercici 11 Demostreu que si A es invertible, llavors (A
1
)
t
= (A
t
)
1
.
Captol 9
Diagonalitzacio de Matrius i
dEndomorsmes
En tot aquest captol, K es un cos i V es un K-espai vectorial de dimensio nita
n > 0.
Si A M
nm
(K) llavors, pel Teorema 6.2.3, existeixen matrius P i Q invertibles
tals que PAQ =
_
I
r
0
0 0
_
. Aquest resultat es molt util per simplicar alguns càlculs
amb matrius i reduir-los a càlculs en matrius del tipus
_
I
r
0
0 0
_
.
Per segons quin tipus de problemes de càlcul matricial cal veure si, donada una
matriu A M
n
(K), existeix una matriu P invertible tal que P
1
AP te una forma
senzilla. En aquest captol, estudiarem quan existeix P GL
n
(K) tal que P
1
AP
es diagonal. Quan això passi, direm que la matriu A es diagonalitzable.
El Teorema 6.2.3 el vam demostrar fent servir nomes eines del càlcul matricial.
Desenvolupar la teoria de la diagonalitzacio des del punt de vista del càlcul matricial
es molt articial, els conceptes esdevenen molt mes clars agafant un punt de vista
mes abstracte: pensant la matriu A com a matriu associada a un endomorsme dun
espai vectorial V . Això ens portarà a denir què vol dir que un endomorsme sigui
diagonalitzable, i a desenvolupar la teoria per a endomorsmes.
9.1 Conceptes bàsics
Comencem donant una demostracio diferent del Teorema 6.2.3, i aix il
.
lustrem com
pot portar a simplicar molt les idees, agafar el punt de vista abstracte de les
aplicacions lineals.
Teorema 9.1.1 Donada A M
mn
(K), existeixen P, Q matrius invertibles tals
que PAQ =
_
I
r
0
0 0
_
, on I
r
M
r
(K) es la matriu identitat.
159
160
`
Demostraci o. Sigui V
1
= K
n
i V
2
= K
m
. Considerem laplicacio lineal f : V
1

V
2
donada per f(x
1
, . . . , x
n
) =
_
A
_
x
1
.
.
.
x
n
__
t
. Siguin B
1
i B
2
les bases canòniques de
V
1
i de V
2
respectivament. Llavors M(f, B
1
, B
2
) = A.
Sigui (v
1
, . . . , v
s
) una base de Ker f. Triem w
1
, . . . , w
r
vectors de V
1
tals que
B
t
1
= (w
1
, . . . , w
r
, v
1
, . . . , v
s
) sigui una base de V
1
. Llavors f(w
1
), . . . , f(w
r
) formen
una base de Imf (vegeu el Teorema 7.2.6). Triem ara u
1
, . . . , u
t
vectors de V
2
tals que B
t
2
= (f(w
1
), . . . , f(w
r
), u
1
, . . . , u
t
) sigui una base de V
2
. Com que, per a
i = 1, . . . , r, f(w
i
) = 1 f(w
i
) i, per j = 1, . . . , s, f(v
j
) = 0, tenim que
M(f, B
t
1
, B
t
2
) =
_
I
r
0
0 0
_
.
Per la Formula del Canvi de Bases,
M(B
2
, B
t
2
)M(f, B
1
, B
2
)M(B
t
1
, B
1
) = M(f, B
t
1
, B
t
2
),
es a dir, agafant P = M(B
2
, B
t
2
) i Q = M(B
t
1
, B
1
), tenim
PAQ =
_
I
r
0
0 0
_
.
En aquesta demostracio les matrius P i Q sinterpreten com matrius de canvis
de base, a lespai vectorial darribada i al de sortida respectivament, de laplicacio
lineal induda per la matriu A.
En el cas duna matriu quadrada A M
n
(K), podem pensar que A indueix un
endomorsme f : K
n
K
n
, donat per f(x
1
, . . . , x
n
) =
_
A
_
x
1
.
.
.
x
n
__
t
. Si B denota
la base canònica de K
n
, llavors M(f, B, B) = A.
Notacio: Per simplicar la notacio, si f : V V es un endomorsme, i xem
una mateixa base B a la sortida i a larribada denotarem la matriu associada per
M(f, B). Parlarem de la matriu de lendomorsme f en la base B. 3
Proposicio 9.1.2 Sigui f : V V un endomorsme. Sigui B una base de V i
A = M(f, B) M
n
(K). Llavors, A
t
M
n
(K) es la matriu de f en una certa base
si i nomes si existeix una matriu P M
n
(K) invertible tal que P
1
AP = A
t
.
Demostraci o. Suposem que existeix la base B
t
tal que A
t
= M(f, B
t
). La
Formula del Canvi de Bases ens diu que
A
t
= M(f, B
t
) = M(B, B
t
)M(f, B)M(B
t
, B) = P
1
AP,
9. Diagonalitzacio de Matrius i dEndomorsmes 161
on P = M(B
t
, B).
Recprocament, suposem que P = (p
ij
) es una matriu invertible tal que
P
1
AP = A
t
.
Si B = (v
1
, . . . , v
n
), per a j = 1, . . . , n, denim u
j
=

n
i=1
p
ij
v
i
. Llavors, com
que les columnes de P formen una base de M
n1
(K) (vegeu el Teorema 6.3.4),
B
t
= (u
1
, . . . , u
n
) es una base de V i, a mes, P = M(B
t
, B). Per la Formula del
Canvi de Base,
A
t
= P
1
AP = M(B, B
t
)M(f, B)M(B
t
, B) = M(f, B
t
).
Diem que una matriu A M
n
(K) es diagonalitzable si existeix una matriu
invertible P M
n
(K) tal que P
1
AP es diagonal, es a dir
P
1
AP =
_
_
_
_
1
0
.
.
.
0
n
_
_
_
_
,
per a certs
1
, . . . ,
n
K.
Un endomorsme f de V es diagonalitzable si existeix una base B de V tal que
la matriu de f en aquesta base es diagonal.
Noteu que, per la Proposicio 9.1.2, un endomorsme f de V es diagonalitzable
si i nomes si ho es la matriu de f en qualsevol base de V .
Observacio 9.1.3 Sigui f : V V un endomorme. Suposem que
B = (v
1
, . . . , v
n
)
es una base de V tal que M(f, B) es la matriu diagonal
_
1
0
.
.
.
0
n
_
. Això vol dir
que, per a i = 1, . . . , n, f(v
i
) =
i
v
i
, es a dir B es una base tal que tots els seus
elements satisfan que la seva imatge per f es un m ultiple dell mateix. Aquest tipus
de vectors es diuen vectors propis de f. 3
9.2 Vectors propis
Sigui f End
K
(V ). Un valor propi de f es un escalar K tal que existeix
u V 0 que compleix
f(u) = u.
162
`
Un vector propi de f es un vector no nul v V tal que f(v) = v, per a algun
escalar K, i en aquest cas, diem que v es un vector propi de f amb valor propi
. Si es un valor propi de f, es diu que Ker (f Id) es el subespai propi de f de
valor propi .
Lobservacio 9.1.3 ens diu que un endomorsme f de V diagonalitza si i nomes
si V te una base formada per vectors propis de f.
Proposicio 9.2.1 Sigui f : V V un endomorsme. Per a un vector v V les
armacions seg uents son equivalents.
(i) v es un vector propi de f.
(ii) Existeix K tal que v es un vector no nul de Ker (f Id).
(iii) v es un vector no nul tal que f(v)) v)
En el cas de lapartat (ii), diem que v es un vector propi de f de valor propi .
Demostraci o. (i) (ii) Per denicio, v es un vector propi si i nomes si es un
vector no nul i existeix K tal que f(v) = v = Id(v).

Es a dir, v es un vector
propi si i nomes si v es un vector no nul tal que (f Id)(v) = 0. Això es el mateix
que dir que v es un vector no nul de Ker (f Id).
(i) (iii) f(v)) v) si i nomes si, per tot K, f(v) v). Com que
f(v) = f(v), això es cert si i nomes si f(v) v), es a dir si existeix K tal
que f(v) = v.
Observacio 9.2.2 Per calcular els valors propis, en general, farem servir lapartat
(ii) de la Proposicio anterior. Si f : V V es un endomorsme i, en una certa base
B de V , M(f, B) = A, llavors f Id tambe es un endomorsme de V i, a mes,
M(f Id, B) = AI
n
.
Lapartat (iii) de la Proposicio anterior dona una descripcio geomètrica dels
vectors propis dun endomorsme f.
A la vista de larmacio (ii) de la Proposicio 9.2.1, els vectors propis de valor
propi 0 son exactament els vectors no nuls de Ker (f). Noteu que si v es un vector
propi de valor propi 0 llavors f(v)) = 0 v). En canvi, v es un vector propi de
f de valor propi ,= 0 si i nomes si f(v)) = v). 3
Lema 9.2.3 Sigui f : V V un endomorsme. Per a i = 1, . . . , r, sigui v
i

Ker (f
i
Id), on
1
, . . . ,
r
son elements diferents de K. Llavors v
1
+. . . +v
r
= 0
si i nomes si v
1
= . . . = v
r
= 0.
Demostraci o. Ho demostrarem per induccio sobre r. Si r = 1, no hi ha res a dir.
Suposem que r > 1 i que lenunciat es cert per a r1. Suposem que v
1
+. . .+v
r
= 0,
on v
i
Ker (f
i
Id), per a tot i = 1, . . . , r. Aplicant f
r
Id a aquesta igualtat,
obtenim
0 = (f
r
Id)(v
1
+. . . +v
r
) = (f
r
Id)(v
1
) +. . . + (f
r
Id)(v
r
).
Com que v
i
Ker (f
i
Id), (f
i
Id)(v
i
) = 0. Llavors f(v
i
) =
i
v
i
. Aleshores,
per tot i = 1, . . . , r,
(f
r
Id)(v
i
) = f(v
i
)
r
v
i
= (
i

r
)v
i
.
Aix doncs
0 = (f
r
Id)(v
1
+. . . +v
r
)
= (
1

r
)v
1
+. . . + (
r1

r
)v
r1
+ (
r

r
)v
r
= (
1

r
)v
1
+. . . + (
r1

r
)v
r1
.
Per a tot i = 1, . . . , r 1, (
i

r
)v
i
Ker (f
i
Id) i, per hipòtesi dinduccio,
(
i
r
)v
i
= 0. Com que
i
r
,= 0, podem concloure que, per a tot i = 1, . . . , r1,
v
i
= 0, i llavors tambe v
r
= 0.
Teorema 9.2.4 Sigui f End
K
(V ). Siguin
1
, . . . ,
r
elements diferents de K.
Per a i = 1, . . . , r, sigui A
i
= v
i1
, . . . , v
in
i
un conjunt vectors propis de valor
propi
i
linealment independents . Llavors A
1
. . . A
r
es un conjunt de vectors
linealment independents.
Demostraci o. Hem de veure que, en una combinacio lineal del tipus
r
i=1
(
i1
v
i1
+. . . +
in
i
v
in
i
) = 0,
tots els escalars son zero. Per a i = 1, . . . , r, sigui
w
i
=
i1
v
i1
+. . . +
in
i
v
in
i
Ker (f
i
Id).
Pel Lema 9.2.3, tenim que w
i
= 0, per a tot i = 1, . . . , r. Com que cada w
i
es
combinacio lineal de vectors linealment independents, podem concloure que, per a
tot i = 1, . . . , r,
i1
= . . . =
in
i
= 0.
164
`
9.3 Polinomi caracterstic dun endomorsme.
Sigui A M
n
(K). Denim el polinomi caracterstic de A com p
A
(x) = det(AxI
n
).
Observacio 9.3.1 Sigui A = (a
ij
) M
n
(K). Fent servir al formula del determi-
nant que vam donar a lobservacio 8.2.5, podem veure que
p
A
(x) = (a
11
x) . . . (a
nn
x) +q(x),
on q(x) es un polinomi de K[x] de grau com a molt n 2. Aix doncs, p
A
(x) es
un polinomi de grau n de K[x] tal que el coecient de x
n
es (1)
n
i el de x
n1
es (1)
n1
(a
11
+ . . . + a
nn
). Es poden donar formules per a tots els coecients
del polinomi caracterstic en funcio dels coecients de la matriu.

Es util i fàcil de
recordar que el terme independent del polinomi caracterstic de A es precisament
det(A).
Aix el polinomi caracterstic duna matriu A = (
a
11
a
12
a
21
a
22
) M
2
(K) es p
A
(x) =
x
2
(a
11
+a
22
)x +a
11
a
22
a
12
a
21
. 3
Proposicio 9.3.2 Sigui f un endomorsme de V . Siguin B
1
, B
2
dues bases de V .
Llavors p
M(f,B
1
)
(x) = p
M(f,B
2
)
(x).
Demostraci o. Sigui P = M(B
2
, B
1
) llavors, per la Formula del canvi de Base,
M(f, B
2
) = P
1
M(f, B
1
)P. Fem el càlcul seg uent,
p
M(F,B
2
)
(x) = det(M(f, B
2
) xI
n
)
= det(P
1
M(f, B
1
)P xP
1
P)
= det(P
1
(M(f, B
1
) xI
n
)P)
= det(P
1
)p
M(f,B
1
)
(x) det(P)
= p
M(f,B
1
)
(x).
Sigui f un endomorsme de V i sigui B una base de V . Denim el polinomi
caracterstic de f com el polinomi caracterstic de la matriu de f en la base B, es a
dir
p
f
(x) = p
M(f,B)
(x).
La Proposicio 9.3.2 demostra que el polinomi caracterstic dun endomorsme
no depèn de la base que triem.
La importància de p
f
(x) en la teoria de la diagonalitzacio es deu al fet seg uent.
Proposicio 9.3.3 Sigui f un endomorsme de V i sigui K. Llavors es un
valor propi de f si i nomes si es una arrel de p
f
(x).
Demostraci o. Sigui v V . Llavors v es un vector propi de valor propi si i nomes
si v es un vector no nul de Ker (fId). Si B es una base de V i M(f, B) = A, llavors
la matriu de f Id en la base B es AI
n
, i f Id te nucli no trivial si i nomes
si la matriu AI
n
no es invertible. Llavors f te un vector propi de valor propi si
i nomes si AI
n
no es invertible, es a dir, si i nomes si p
f
() = det(AI
n
) = 0.
Observacions 9.3.4
(1) Hi ha autors que deneixen el polinomi caracterstic duna matriu A M
n
(K)
com det(xI
n
A). Com que AxI
n
= (xI
n
A), det(AxI
n
) = (1)
n
det(xI
n
A).
Això ens diu que, si n es parell, no hi ha diferència entre la denicio que hem donat
i aquesta altra, i si n es senar, difereixen en el signe.
(2) En el captol 8, hem estudiat el determinant duna matriu sobre un cos. Aix, què
vol dir det(AxId)? K[x] es un domini dintegritat i, de la mateixa manera que Z
es pot incloure a Q, tot domini dintegritat sinclou en un cos. En el cas particular
de K[x] tenim
K[x] K(x) =
_
p(x)
q(x)
[ p(x), q(x) K[x], q(x) ,= 0
_
,
on
a(x)
b(x)
=
c(x)
d(x)
a(x)d(x) = b(x)c(x),
i denim la suma i el producte per
a(x)
b(x)
+
c(x)
d(x)
=
a(x)d(x) +b(x)c(x)
b(x)d(x)
i
a(x)
b(x)

c(x)
d(x)
=
a(x)c(x)
b(x)d(x)
.
K(x) es un cos que es diu cos de fraccions de K[x].
Aix podem pensar A xId M
n
(K(x)), i per tant te sentit calcular el seu
determinant.
(3) Donada una matriu A M
n
(K), sabem que la matriu de lendomorsme f de
K
n
, denit per
f(x
1
, . . . , x
n
) =
_
_
_
_
A
_
_
_
_
x
1
.
.
.
x
n
_
_
_
_
_
_
_
_
t
,
166
`
en la base canònica de K
n
es A. Doncs be! Es diu que u K
n
es un vector propi
de A si u es un vector propi de f, es a dir, si u ,= 0 i
Au
t
= u
t
,
per a cert K. Es diu que K es un valor propi de A si es un valor propi
de f. A mes, sabem que això passa si i nomes si p
A
() = 0. 3
Proposicio 9.3.5 Sigui f un endomorsme de V . Suposem que p
f
(x) = (x
)
r
q(x), q() ,= 0 i r 1. Llavors 1 dim (Ker (f Id)) r.
Demostraci o. Sigui s = dim (Ker (f Id)). Com que es una arrel del polinomi
caracterstic, per la Proposicio 9.3.3, sabem que hi ha vectors propis de valor propi
llavors s 1. Sigui v
1
, . . . , v
s
una base de Ker (fId), i siguin w
1
, . . . , w
ns
tals que
B = (v
1
, . . . , v
s
, w
1
, . . . , w
ns
) sigui una base de V . Com que els primers s vectors
de la base son vectors propis de f de valor propi , obtenim que M(f, B) es una
matriu del tipus A =
_
I
s
B
0 A
_
. Per la Proposicio 8.2.7, p
f
(x) =
(x)I
s
B
0 A
xI
ns
=
( x)
s
t(x). Com que es una arrel de multiplicitat r de p
f
(x), s r.
Teorema 9.3.6 Un endomorsme f de V es diagonalitzable si i nomes si existeixen
1
, . . . ,
r
K diferents i enters positius n
1
, . . . , n
r
tals que
p
f
(x) = (1)
n
(x
1
)
n
1
. . . (x
r
)
n
r
i dim(Ker (f
i
Id)) = n
i
, per a tot i = 1, . . . , r.
Demostraci o. Suposem que f es diagonalitzable. Llavors existeix una base
B = (v
1
, . . . , v
n
) de V i existeixen
1
, . . . ,
r
K diferents i n
1
, . . . , n
r
enters positius
tals que
M(f, B) =
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
1
.
.
.
n
1
)
1
0
.
.
.
0
r
.
.
.
n
r
)
r
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
.
Ara p
f
(x) = p
M(f,B)
(x) = (1)
n
(x
1
)
n
1
. . . (x
r
)
n
r
.
Ara v Ker (f
i
Id
V
) si i nomes si
(M(f, B)
i
I
n
)M(v, B) = 0,
es a dir:
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
1

i
.
.
.
n
1
)
1

i
0
.
.
.
0
r

i
.
.
.
n
r
)
r

i
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
M(v, B) =
_
_
_
_
0
.
.
.
0
_
_
_
_
Si pensem aquesta igualtat com un sistema dequacions lineals amb incògnites les
coordenades de v respecte de B, tenim que la solucio del sistema forma un subespai
vectorial de dimensio igual a n menys el rang de la matriu del sistema. En aquest
cas, com que la matriu es diagonal i te exactament n
i
zeros a la diagonal, tenim que
el seu rang es n n
i
. Per tant
dim(Ker (f
i
Id
V
)) = n (n n
i
) = n
i
.
Suposem ara que
p
f
(x) = (1)
n
(x
n
)
n
1
. . . (x
r
)
n
r
,
amb
1
, . . . ,
r
diferents, i
dim(Ker (f
i
Id
V
)) = n
i
i = 1, . . . , r.
Veiem que Ker (f
1
Id
V
) . . . Ker (f
r
Id
V
).
Sigui B
i
una base de Ker (f
i
Id
V
). Per hipòtesi, B
i
te n
i
elements. Llavors
B = B
1
. . . B
r
es un conjunt de n
1
+. . . +n
r
= n = gr(p
f
(x)) vectors que son linealment indepen-
dents pel Teorema 9.2.4. Llavors B es una base de V formada per vectors propis,
per tant f es diagonalitzable. De fet
M(f, B) =
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
1
.
.
.
n
1
)
1
0
.
.
.
0
r
.
.
.
n
r
)
r
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
.
168
`
Corol
.
lari 9.3.7 Tot endomorsme f de V tal que
p
f
(x) = (x
1
) . . . (x
n
),
amb
1
, . . . ,
n
K diferents, es diagonalitzable.
Exemples 9.3.8
(1) Sigui f : R
2
R
2
lendomorsme denit per f(x, y) = (x + y, y). La matriu de
f respecte de la base canònica de R
2
es
_
1 1
0 1
_
.
El polinomi caracterstic de f es
p
f
(x) =
1 x 1
0 1 x
= (x 1)
2
.
Calculem els vectors propis de valor propi 1 de f. Tenim que
AI
2
=
_
0 1
0 0
_
Per trobar els vectors de Ker (f Id) hem de resoldre el sistema
_
0 1
0 0
__
x
y
_
=
_
0
0
_
,
es a dir
Ker (f id) = (x, 0) [ x R.
Clarament dim(Ker (f Id)) = 1 < 2, i per tant f no diagonalitza.
(2) Sigui g : R
2
R
2
lendomorsme denit per g(x, y) = (xy, x+y). La matriu
de g respecte de la base canònica de R
2
es
A =
_
1 1
1 1
_
.
El polinomi caracterstic de g es
p
A
(x) =
1 x 1
1 1 x
= (x 1)
2
1 = x
2
2x = (x 2)x.
Per tant g diagonalitza.
(1, 1) es un vector propi de g de valor propi 0,
(1, 1) es un vector propi de g de valor propi 2.
Si
P =
_
1 1
1 1
_
, P
1
=
_
1/2 1/2
1/2 1/2
_
i
P
1
AP =
_
1/2 1/2
1/2 1/2
__
1 1
1 1
__
1 1
1 1
_
=
=
_
1/2 1/2
1/2 1/2
__
2 0
2 0
_
=
_
2 0
0 0
_
.
(3) Considerem la matriu
A =
_
_
_
1 0 0
0 0 1
0 1 0
_
_
_
.
Estudiem si A diagonalitza sobre R. Per això podem pensar que la matriu A es
la matriu dun endomorsme f de R
3
respecte de la base canònica, i sabem que A
diagonalitza si i nomes si f diagonalitza. Calculem el polinomi caracterstic de f:
p
f
(x) = p
A
(x) =
1 x 0 0
0 x 1
0 1 x
= (x 1)(x
2
+ 1).
Com que p
A
(x) no descompon en producte de factors de grau 1 sobre els reals, A
no diagonalitza sobre R.
Estudiem si A diagonalitza sobre C. Igual que en lestudi anterior, podem pensar
que A es la matriu dun endomorsme g de C
3
respecte de la base canònica. El
polinomi caracterstic de g es:
p
g
(x) = p
A
(x) = (x 1)(x i)(x +i).
Per tant A diagonalitza. Calculem una base de vectors propis de A. Per això hem
de resoldre els sistemes dequacions lineals seg uents:
(AI
3
)X = 0, (AiI
3
)X = 0 i (A+iI
3
)X = 0.
El vector (1, 0, 0) es solucio del primer sistema i, per tant, es un vector propi de A
de valor propi 1. El vector (0, i, 1) es solucio del segon sistema i, per tant, es un
vector propi de A de valor propi i. El vector (0, i, 1) es solucio del tercer i, per
170
`
tant, es un vector propi de A de valor propi i. Posant aquests vectors en forma de
columna obtenim la matriu
P =
_
_
_
1 0 0
0 i i
0 1 1
_
_
_
.
La seva inversa es
P
1
=
_
_
_
1 0 0
0 i/2 1/2
0 i/2 1/2
_
_
_
.
Ara tenim que
P
1
AP =
_
_
_
1 0 0
0 i/2 1/2
0 i/2 1/2
_
_
_
_
_
_
1 0 0
0 0 1
0 1 0
_
_
_
_
_
_
1 0 0
0 i i
0 1 1
_
_
_
=
_
_
_
1 0 0
0 i/2 1/2
0 i/2 1/2
_
_
_
_
_
_
1 0 0
0 1 1
0 i i
_
_
_
=
_
_
_
1 0 0
0 i 0
0 0 i
_
_
_
. 3
9.4 Exercicis
Exercici 1 Sigui f : R
3
R
3
(x, y, z) (x, 3x y 2z, 6x + 6y + 6z)
(a) Demostreu que f es una aplicacio lineal, i trobeu la seva matriu en la base
canònica (diguem-nhi A).
(b) Trobeu el polinomi caracterstic de f i factoritzeu-lo. Quins son els valors
propis de f?
(c) Calculeu els subespais propis corresponents a cada valor propi de f.
(d) Existeix alguna base de R
3
formada exclusivament per vectors propis de f?
Diagonalitza f?
(e) Calculeu la matriu de f en la base de vectors propis de lapartat anterior i
relacioneu-la amb la matriu A del primer apartat.
Exercici 2 Donada
A =
_
5/2 1
3 1
_
,
calculeu A
1438
i lim
n
A
n
.
Exercici 3 Estudieu la diagonalitzacio sobre R i sobre C, dels endomorsmes re-
presentats per les matrius seg uents, referides a la base canònica:
_
0 i
i 0
_
,
_
3 17
2 3
_
,
_
_
_
3 6 0
2 3 0
0 0 5
_
_
_
,
_
_
_
6 7 20
0 0 8
1 1 0
_
_
_
,
_
_
_
2 +i i i
2i 2 2i
i i 2 i
_
_
_
,
_
_
_
_
_
_
0 1 0 0
0 0 1 0
0 0 0 1
1 0 0 0
_
_
_
_
_
_
.
Exercici 4 Sigui E = (x, y, z) R
3
[ z = 0 R
3
. Demostreu que lendomorsme
f de R
3
donat per f(x, y, z) = (x 3y, 3x y + 2z, 2z) deixa E invariant, es a
dir f(E) E. Calculeu una base de E i la matriu de de la restriccio f[
E
de f a E
en aquesta base. Calculeu tots els endomorsmes de R
3
que siguin diagonalitzables,
que deixin E invariant i que coincideixin amb f sobre E.
Exercici 5 Sigui f : V V un endomorsme. Siguin B
1
, B
2
bases de V . Demos-
treu que det M(f, B
1
) = det M(f, B
2
). (Aix` o permet denir el determinant dun
endomorsme com det f = det M(f, B
1
)).
Exercici 6 Siguin E un R-espai vectorial i f : E E un endomorsme. Proveu
que:
(a) dimE senar = f te almenys un valor propi.
(b) dimE parell i det f < 0 = f te almenys dos valors propis diferents.
(c) Hi ha exemples en què dimE es parell i f no te valors propis.
Exercici 7 Estudieu segons els valors dels paràmetres a i b la diagonalitzacio dels
endomorsmes de R
3
que, en la base can` onica, tenen les matrius seg uents:
_
_
_
a b 0
b a b
0 b a
_
_
_
,
_
_
_
a b 0
0 1 0
0 0 1
_
_
_
,
_
_
_
a b b 1
b a b 1
0 0 a
2
_
_
_
.
Exercici 8 Quins valors poden prendre a i d per tal que les matrius seg uents repre-
sentin el mateix endomorsme de C
2
?
_
a 8
5 d
_
,
_
2i 0
0 2i
_
.
172
`
Exercici 9 Considerem lendomorsme f : R
4
R
4
donat per
f(x, y, z, t) = (x +y +z +t, x +y z t, x y +z t, x y z +t).
Calculeu f
100
(1, 0, 1, 1).
Exercici 10 Sigui f : R
3
[x] R
3
[x] lendomorsme denit per
f(a +bx +cx
2
+dx
3
) = a +b + (a +b)x + (a b + 2c +d)x
2
+ (2a +b +c + 2d)x
3
.
(a) Calculeu la matriu de f respecte de la base (1, x, x
2
, x
3
).
(b) Trobeu el polinomi caracterstic de f i factoritzeu-lo. Quins son els valors
propis de f?
(c) Calculeu els subespais propis corresponents a cada valor propi de f.
(d)

Es f diagonalitzable?
(e) Calculeu f
1000
(x
2
).
Captol 10
Espai Dual
En el captol 7, hem vist que el conjunt de totes les aplicacions lineals entre dos
espais vectorials sobre el mateix cos K, amb la suma daplicacions i el producte per
escalars, es un K-espai vectorial (vegeu la Proposicio 7.1.2). Aqu estudiarem un
cas particular daquest tipus despais vectorials: lespai dual.
En aquest captol, K es un cos i V es un K-espai vectorial de dimensio nita
n > 0.
10.1 Denicio i propietats
Lespai dual de V es V
= L(V, K), el K-espai vectorial de totes les aplicacions

lineals de V a K. Cada element de V
es diu forma lineal sobre V .

Per la Proposicio 7.4.1, dimV
= n = dimV . Sigui B = (u
1
, . . . , u
n
) una base
de V . Siguin u
1
, . . . , u
n
les formes lineals sobre V tals que
u
i
(u
j
) =
_
_
_
1 si j = i
0 si j ,= i
Llavors M(u
i
, B, (1)) = (0, . . . , 0, 1, 0, . . . , 0), amb l1 a la posicio i.
Per la Proposicio 7.4.1, B
= (u
1
, . . . , u
n
) es una base de V
. Aquesta base de
V
es diu base dual de B.

La Proposicio seg uent ens diu com calcular les coordenades duna forma lineal
V
respecte la base dual B
.
Proposicio 10.1.1 Siguin B = (u
1
, . . . , u
n
) una base de V i B
= (u
i
, . . . , u
n
) la
173
174
`
seva base dual. Llavors
C(, B
) =
_
_
_
_
(u
1
)
.
.
.
(u
n
)
_
_
_
_
= M(, B, (1))
t
, V
.
Demostraci o. Sigui C(, B
) =
_
a
1
.
.
.
a
n
_
. Llavors
=
n
j=1
a
j
u
j
i (u
i
) =
_
n
j=1
a
j
u
j
_
(u
i
) =
n
j=1
a
j
u
j
(u
i
) = a
i
.
Exemple 10.1.2 Calculem la base dual de la base
B = ((1, 2, 3), (1, 0, 1), (1, 1, 2))
de R
3
. Sigui
B
0
= (e
1
= (1, 0, 0), e
2
= (0, 1, 0), e
3
= (0, 0, 1))
3
. Observem que la base dual de la base canònica es
B
0
= (e
1
, e
2
, e
3
),
amb e
1
(x, y, z) = x, e
2
(x, y, z) = y i e
3
(x, y, z) = z. Sabem que
M(B
0
, B
) = (C(e
1
, B
), C(e
2
, B
), C(e
3
, B
)).
Per la Proposicio 10.1.1, tenim que
M(B
0
, B
) =
_
_
_
e
1
(1, 2, 3) e
2
(1, 2, 3) e
3
(1, 2, 3)
e
1
(1, 0, 1) e
2
(1, 0, 1) e
3
(1, 0, 1)
e
1
(1, 1, 2) e
2
(1, 1, 2) e
3
(1, 1, 2)
_
_
_
=
_
_
_
1 2 3
1 0 1
1 1 2
_
_
_
.
Com que M(B
, B
0
) = M(B
0
, B
)
1
, tenim que
M(B
, B
0
) =
_
_
_
1 2 3
1 0 1
1 1 2
_
_
_
1
=
_
_
_
1/2 1/2 1
3/2 1/2 2
1/2 1/2 1
_
_
_
.
Aix B
= (
1
,
2
,
3
), on
1
=
1
2
e
1
+
3
2
e
2

1
2
e
2
=
1
2
e
1

1
2
e
2
+
1
2
e
3
= e
1
2e
2
+e
3
10. Espai Dual 175
Per tant
1
(x, y, z) =
1
2
x +
3
2
y
1
2
z
2
(x, y, z) =
1
2
x
1
2
y +
1
2
z
3
(x, y, z) = x 2y +z
3
Sigui f : V
1
V
2
una aplicacio lineal entre dos K-espais vectorials V
1
i V
2
.
Denim laplicaci o dual de f per
f
: V
2
V
1
f
Veiem les propietats de les aplicacions duals.
1
, V
2
i V
3
K-espais vectorials. Siguin g, f L(V
1
, V
2
),
h L(V
2
, V
3
). Llavors
(i) f
L(V
2
, V
1
).
(ii) (f +g)
= f
+g
.
(iii) (f)
= f
, K.
(iv) (h f)
= f
.
Demostraci o. Per demostrar (i), hem de veure que f
es lineal. Siguin
1
,
2

V
2
, u V
1
i K. Ara tenim que
(f
(
1
+
2
))(u) = ((
1
+
2
) f)(u)
= (
1
+
2
)(f(u))
=
1
(f(u)) +
2
(f(u))
= (f
(
1
))(u) + (f
(
2
))(u)
= (f
(
1
) +f
(
2
))(u).
Per tant f
(
1
+
2
) = f
(
1
) +f
(
2
). Tambe tenim que
(f
(
1
))(u) = ((
1
) f)(u)
= (
1
)(f(u))
=
1
(f(u))
= (f
(
1
))(u)
= (f
(
1
))(u).
Per tant f
(
1
) = f
(
1
). Aix, f
es lineal.
176
`
Demostrem ara (ii). Siguin V
2
i u V
1
. Llavors
((f +g)
())(u) = ( (f +g))(u)
= ((f +g)(u))
= (f(u) +g(u))
= (f(u)) +(g(u))
= (f
())(u) + (g
())(u)
= (f
() +g
())(u)
= ((f
+g
)())(u).
Per tant (f +g)
() = (f
+g
)(), i aix obtenim que (f +g)
= f
+g
.
Tambe tenim que si K llavors
((f)
())(u) = ( (f))(u)
= ((f)(u))
= (f(u))
= (f(u))
= (f
())(u)
= (f
())(u)
= ((f
)())(u).
Per tant (f)
() = (f
)(), i aix obtenim que (f)
= f
, cosa que demostra

(iii).
Finalment, demostrem (iv). Sigui
3
V
3
. Llavors
(h f)
(
3
) =
3
(h f) = (
3
h) f = f
(
3
h) = f
(h
(
3
)) = (f
)(
3
).
Per tant (h f)
= f
.
1
i V
2
K-espais vectorials no nuls de dimensio nita.
Siguin B
1
i B
2
bases de V
1
i V
2
respectivament. Llavors
M(f
, B
2
, B
1
) = M(f, B
1
, B
2
)
t
, f L(V
1
, V
2
).
Demostraci o. Siguin B
1
= (u
1
, . . . , u
n
) i B
2
= (v
1
, . . . , v
m
). Llavors
M(f
, B
2
, B
1
) = (C(f
(v
1
), B
1
), . . . , C(f
(v
m
), B
1
))
= (C(v
1
f, B
1
), . . . , C(v
m
f, B
1
))
=
_
_
_
_
v
1
(f(u
1
)) . . . v
m
(f(u
1
))
.
.
.
.
.
.
v
1
(f(u
n
)) . . . v
m
(f(u
n
))
_
_
_
_
=
_
_
_
_
C(f(u
1
), B
2
)
t
.
.
.
C(f(u
n
), B
2
)
t
_
_
_
_
= (C(f(u
1
), B
2
), . . . , C(f(u
n
), B
2
))
t
= M(f, B
1
, B
2
)
t
.
10. Espai Dual 177
La quarta igualtat es perquè si f(u
1
) =
1
v
1
+ +
m
v
m
, llavors v
i
(f(u
1
)) =
i
.
Com a conseq uència tenim el resultat seg uent.
Corol
.
lari 10.1.5 Siguin B
1
, B
2
dues bases dun K-e.v. V de dimensio nita. Lla-
vors
M(B
2
, B
1
) = M(B
1
, B
2
)
t
.
Demostraci o. Nomes cal observar que laplicacio dual de laplicacio identitat de
V es laplicacio identitat de V
, i aplicar la Proposicio anterior, agafant f = id

V
.
Exemple 10.1.6 Sigui f : R
3
R
2
laplicacio lineal denida per f(x, y, z) =
(x y, y z). Calculem la dimensio i una base de Ker (f
) i de Im(f
).
Siguin B
1
, B
2
les bases canòniques de R
3
i R
2
respectivament. Llavors
M(f, B
1
, B
2
) =
_
1 1 0
0 1 1
_
.
Sabem, per la Proposicio 10.1.4, que
M(f
, B
2
, B
1
) = M(f, B
1
, B
2
)
t
=
_
_
_
1 0
1 1
0 1
_
_
_
.
Com que l ultima matriu te rang 2, tenim que dimIm(f
) = 2. Ara
dimKer (f
) = dim(R
2
)
dimIm(f
) = 2 2 = 0.
A mes, les columnes de l ultima matriu son les coordenades dels vectors
1
,
2
duna
base de Im(f
) respecte de B
1
. Per tant, si B
1
= (e
1
, e
2
, e
3
), tenim que
1
= e
1
e
2
i
2
= e
2
e
3
formen una base de Im(f
). I les formes lineals

1
,
2
estan denides per
1
(x, y, z) = x y i
2
(x, y, z) = y z.
Com que Ker (f
) = 0, es una base de Ker (f
). 3
178
`
10.2 Lespai bidual
Lespai bidual de V es V
= (V
.
Com hem vist, per la Proposicio 7.4.1, dimV
= n = dimV . Per tant, V i V
son espais vectorials isomorfs, i tambe tenim que V
i V
son isomorfs, es a dir que

els tres espais vectorials V , V
i V
son isomorfs.
Sabem que per denir un isomorsme entre V i V
nomes cal agafar una base

B = (u
1
, . . . , u
n
) de V i una base (v
1
, . . . , v
n
) de V
i considerar l unic isomorsme

f : V V
tal que f(u

i
) = v
i
, per a tot i = 1, . . . , n.
Doncs be! Ara veurem que podem denir un isomorsme de V a V
sense usar
cap base. Aquests tipus disomorsmes es diuen naturals i ens permeten identicar
les estructures algebraiques entre les quals estan denits.
Proposicio 10.2.1 Laplicacio
: V V
u (u) : V
K
(u)
es un isomorsme.
Demostraci o. Veiem que es lineal. Siguin u, v V , K i V
. Hem de
veure que
(u +v) = (u) +(v)
i
(u) = (u).
Ara tenim que (u + v)() = (u + v) = (u) + (v) = (u)() + (v)() =
((u) +(v))().
Per tant (u +v) = (u) +(v).
Tambe tenim que
(u)() = (u) = (u) = (u)() = ((u))().
Per tant (u) = (u).
Veiem ara que es injectiva. Sigui u Ker (). Llavors V
, (u) = 0.
Però això nomes pot passar si u = 0. Per tant es injectiva.
Com que dimV = dimV
, tenim que es isomorsme.

10. Espai Dual 179
1
, V
2
K-espais vectorials de dimensio nita. Sigui f
L(V
1
, V
2
). Llavors el diagrama
V
1
f
V
2
2
V
1
f
2
es commutatiu, es a dir
2
f = f

1
, on
1
,
2
son els isomorsmes denits
a la proposicio anterior.
Demostraci o. Siguin u V
1
i V
2
. Hem de veure que
2
(f(u))() = f
(
1
(u))().
Ara
2
(f(u))() = (f(u)) i f
(
1
(u))() = (
1
(u) f
)() =
1
(u)( f) =
(f(u)). Per tant el diagrama es commutatiu.
Observacio 10.2.3 Aquestes dues ultimes proposicions ens permeten identicar
cada espai vectorial de dimensio nita V amb el seu bidual V
de manera que
u = (u) i cada aplicacio lineal entre espais vectorials de dimensio nta amb la seva
bidual.
Observem que si B = (u
1
, . . . , u
n
) es una base de V i B
= (u
1
, . . . , u
n
) es la
seva base dual, llavors (u
i
) V
compleix que
((u
i
))(u
j
) = u
j
(u
i
) =
_
_
_
1 si j = i
0 si j ,= i
Per tant la base dual de B
es B
= ((u
1
), . . . , (u
n
)). Aix, mitjancant la iden-
ticacio que hem fet, com que (u
i
) = u
i
, tenim que B
= B. 3
Exemple 10.2.4 Sigui V = R
2
[x] lespai vectorial dels polinomis de grau 2 sobre
R. Siguin I
1
0
: V R, D
0
: V R i D
1
: V R denides per
I
1
0
(p(x)) =
_
1
0
p(x)dx,
D
0
(p(x)) = p
t
(0),
D
1
(p(x)) = p
t
(1).
Veiem que B
1
= (I
1
0
, D
0
, D
1
) es una base de V
. Com que V
te dimensio 3, nomes
cal veure que I
1
0
, D
0
i D
1
son l.i. Siguin
1
,
2
,
3
R tals que
1
I
1
0
+
2
D
0
+
3
D
1
= 0.
180
`
Llavors
(
1
I
1
0
+
2
D
0
+
3
D
1
)(1) =
1
= 0,
(
2
D
0
+
3
D
1
)(x
2
) = 2
3
= 0,
(
2
D
0
)(x) =
2
= 0.
Per tant B
1
es una base de V
.
Calculem ara una base B de V tal que B
= B
1
.
Usant la identicacio de V amb V
, tenim que la base B que busquem es

B = B
= B
1
.
Sigui B
0
= (1, x, x
2
) la base canònica de V . Llavors B
0
= (1
, x
, (x
2
)
), on
1
(a
0
+a
1
x +a
2
x
2
) = a
0
,
x
(a
0
+a
1
x +a
2
x
2
) = a
1
,
(x
2
)
(a
0
+a
1
x +a
2
x
2
) = a
2
.
Com que
I
1
0
(a
0
+a
1
x +a
2
x
2
) = a
0
+
a
1
2
+
a
2
3
,
D
0
(a
0
+a
1
x +a
2
x
2
) = a
1
,
D
1
(a
0
+a
1
x +a
2
x
2
) = a
1
+ 2a
2
,
tenim que
M(B
1
, B
0
) =
_
_
_
1 0 0
1
2
1 1
1
3
0 2
_
_
_
.
Pel Corol
.
lari 10.1.5,
M(B
0
, B
1
) = M(B
1
, B
0
)
t
=
_
_
_
1
1
2
1
3
0 1 0
0 1 2
_
_
_
.
Llavors,
M(B
1
, B
0
) = M(B
0
, B
1
)
1
=
_
_
_
1
1
2
1
3
0 1 0
0 1 2
_
_
_
1
=
_
_
_
1
1
3

1
6
0 1 0
0
1
2
1
2
_
_
_
.
Per tant B = B
1
= (1,
1
3
+x
1
2
x
2
,
1
6
+
1
2
x
2
). 3
10.3 Subespai incident
Sigui A un subconjunt de V . Denim lincident de A com
A
inc
= V
[ (u) = 0 u A.
10. Espai Dual 181
Exemple 10.3.1 Siguin A = (1, 1, 2), (1, 0, 1) R
3
i
1
(R
3
)
tal que
1
(x, y, z) = x y +z.
Calculem A
inc
i
1
inc
.
Busquem (R
3
)
tal que (1, 1, 2) = (1, 0, 1) = 0. Sabem que (x, y, z) =

ax +by +cz, per a certs a, b, c R. Llavors sha de complir que
a b +2c = 0
a c = 0
_
Per tant a = c i b = c. Aix
A
inc
= (R
3
)
[ (x, y, z) = cx +cy +cz amb c R.

Per calcular
1
inc
usarem la identicacio de R
3
amb el seu bidual. Aix, hem de
buscar els vectors (x, y, z) R
3
tals que
1
(x, y, z) = 0, es a dir, tals que xy+z = 0.
Per tant
inc
= (y z, y, z) [ y, z R. 3
Proposicio 10.3.2 Siguin A B V i siguin W, W
1
, W
2
subespais vectorials de
V . Llavors
(i) A
inc
es subespai vectorial de V
.
(ii) B
inc
A
inc
.
(iii) V
inc
= 0.
(iv) dimW
inc
= dimV dimW.
(v) (W
inc
)
inc
= W.
(vi) (W
1
+W
2
)
inc
= W
inc
1
W
inc
2
, (W
1
W
2
)
inc
= W
inc
1
+W
inc
2
.
(vii) V = W
1
W
2
V
= W
inc
1
W
inc
2
.
Demostraci o. Demostrar (i), (ii) i (iii) es un exercici fàcil que es deixa al lector.
(iv) Sigui (u
1
, . . . , u
m
) una base de W. Ampliem aquesta base de W a una
base (u
1
, . . . , u
m
, u
m+1
. . . , u
n
) de V . Considerem la base dual daquesta ultima:
(u
1
, . . . , u
n
). Llavors u
m+1
, . . . , u
n
W
inc
. Ara veurem que W
inc
= u
m+1
, . . . , u
n
).
Sigui W
inc
. Llavors existeixen
1
, . . . ,
n
K tals que
=
n
i=1
i
u
i
.
182
`
Ara (u
j
) =
j
i, com que W
inc
, tenim que
j
= 0, u
j
W, es a dir, per a
j = 1, . . . , m. Per tant
=
n
i=m+1
i
u
i
u
m+1
, . . . , u
n
).
Això demostra que W
inc
= u
m+1
, . . . , u
n
). Per tant (u
m+1
, . . . , u
n
) es una base de
W
inc
i dimW
inc
= n m = dimV dimW.
(v)

Es fàcil veure que W (W
inc
)
inc
, (usant que V = V
).
Com que dim(W
inc
)
inc
= dimV
dimW
inc
= dimV (dimV dimW) =
dimW, tenim que W = (W
inc
)
inc
.
(vi) Per (ii), com que W
1
W
1
+ W
2
, tenim que (W
1
+ W
2
)
inc
W
inc
1
; i
anàlogament (W
1
+W
2
)
inc
W
inc
2
. Per tant
(W
1
+W
2
)
inc
W
inc
1
W
inc
2
. (10.1)
Tambe per (ii), com que W
1
W
2
W
1
, tenim que W
inc
1
(W
1
W
2
)
inc
, i
anàlogament W
inc
2
(W
1
W
2
)
inc
. Per tant
W
inc
1
+W
inc
2
(W
1
W
2
)
inc
. (10.2)
Observem que, per (10.1), tenim que
(W
inc
1
+W
inc
2
)
inc
(W
inc
1
)
inc
(W
inc
2
)
inc
,
i per (v),
(W
inc
1
+W
inc
2
)
inc
W
1
W
2
.
Ara per (ii),
(W
1
W
2
)
inc
((W
inc
1
+W
inc
2
)
inc
)
inc
,
i per (v),
(W
1
W
2
)
inc
W
inc
1
+W
inc
2
.
Per tant, tenint en compte la inclusio (10.2),
(W
1
W
2
)
inc
= W
inc
1
+W
inc
2
.
Ara usant aquesta igualtat i (v), obtenim
(W
1
+W
2
)
inc
= ((W
inc
1
)
inc
+ (W
inc
2
)
inc
)
inc
= ((W
inc
1
W
inc
2
)
inc
)
inc
= W
inc
1
W
inc
2
.
10. Espai Dual 183
(vii) Suposem que V = W
1
W
2
. Com que W
1
W
2
= 0, per (vi), tenim que
W
inc
1
+W
inc
2
= 0
inc
= V
.
Com que W
1
+W
2
= V , per (vi), tenim que
W
inc
1
W
inc
2
= V
inc
= 0.
Per tant V
= W
inc
1
W
inc
2
.
10.4 Exercicis
Exercici 1 Proveu que w
1
(x, y, z) = xiy iz, w
2
(x, y, z) = 2xz, w
3
(x, y, z) =
iz x formen una base de (C
3
)
. Expresseu w(x, y, z) = x en coordenades respecte

daquesta base.
Exercici 2 Expresseu w(x, y, z, t) = 2xyt en coordenades respecte de la base du-
al de la base canònica de R
4
. Trobeu la base dual de ((1, 0, 1, 1), (1, 0, 1, 2), (1, 0, 0, 1),
(1, 1, 0, 0)) i les coordenades de w en aquesta base.
Exercici 3 Sigui f lautomorsme de R
2
que te com a matriu associada en la base
canònica la matriu
_

2 1
0

2
_
.
Sigui w (R
2
)
denida per w(x

1
, x
2
) = x
1
+ x
2
. Trobeu les coordenades de w en
la base dual de (f(e
1
), f(e
2
)), on (e
1
, e
2
) es la base canònica de R
2
.
Exercici 4 Sigui V = R
2
[x] lespai vectorial dels polinomis amb coecients reals de
grau mes petit o igual que 2, p(x) = c
0
+c
1
x +c
2
x
2
. Es deneixen les aplicacions
lineals sobre V seg uents:
f
1
(p(x)) =
_
1
0
p(s)ds, f
2
(p(x)) =
_
2
0
p(s)ds, f
3
(p(x)) =
_
1
0
p(s)ds
(a) Demostreu que (f
1
, f
2
, f
3
) es una base de V
. Doneu la base de V respecte de

la qual aquesta es la seva dual.
(b) Demostreu que, donada a R qualsevol, els polinomis 1, xa, (xa)
2
formen
una base de R
2
[x]. Calculeu les coordenades de f
1
, f
2
, f
3
en la base dual de
(1, x a, (x a)
2
).
184
`
(c) Siguin r
1
, r
2
, r
3
tres nombres reals diferents i denim w
1
, w
2
, w
3
(R
2
[x])
per w
i
(p(x)) = p(r
i
), per a i = 1, 2, 3. Demostreu que formen una base de
(R
2
[x])
i trobeu la base de R
2
[x] de la qual es base dual.
Exercici 5 Proveu que les aplicacions lineals
i
: R
n
[x] R
p(x) p
(i)
(a)
per a R xat, variant 0 i n, formen una base de (R
n
[x])
. De quina base de
R
n
[x] es base dual?
Exercici 6 Denim les aplicacions de R
2
[x] en R seg uents:
1
(p(x)) = 3
_
1
1
p(s)ds,
2
(p(x)) = 3
_
1
1
sp(s)ds,
3
(p(x)) = 15
_
1
1
s
2
p(s)ds.
Calculeu la dimensio de
1
,
2
,
3
).

Es (
1
,
2
,
3
) base de R
2
[x]
?
Sigui
: R
2
[x] R
2
[x]
p(x)
1
(p(x)) +
2
(p(x))x +
3
(p(x))x
2
.
Demostreu que es una aplicacio lineal bijectiva. Diagonalitza
n
per a tot n 1?
Trobeu lexpressio de laplicacio
n
.
Exercici 7 Sigui S = (x
1
, x
2
, x
3
, x
4
) R
4
[ x
1
+ x
2
+ x
3
+ x
4
= 0. Demostreu
que
S
inc
= w (R
4
)
[ w(x
1
, x
2
, x
3
, x
4
) = (x
1
+x
2
+x
3
+x
4
) per a cert R.
Captol 11
Formes bilineals
Sigui K un cos, i sigui V un K-espai vectorial. Una aplicacio
[ ) : V V K
es diu que es una forma bilineal sobre V si es compleixen les propietats seg uents:
(1) u
1
+u
2
[ v) = u
1
[ v) +u
2
[ v), u
1
, u
2
, v V ,
u [ v) = u [ v), u, v V, K.
(2) u [ v
1
+v
2
) = u [ v
1
) +u [ v
2
), u, v
1
, v
2
V ,
u [ v) = u [ v), u, v V, K.
La condicio (1) de la denicio de forma bilineal es equivalent a dir que, per a
qualsevol v V , laplicacio
[ v): V K,
denida per [ v)(u) = u [ v), per a tot u V , es lineal. La condicio (2) de la
denicio de forma bilineal es equivalent a dir que, per a qualsevol v V , laplicacio
v [ ): V K,
denida per v [ )(u) = v [ u), per tot u V , es lineal.
La forma bilineal [ ) es diu que es simètrica si u [ v) = v [ u) per a tot
u, v V .
Exemples 11.0.1
(1) El producte escalar estàndard de R
n
es laplicacio [ ): R
n
R
n
R denida
per
(x
1
, . . . , x
n
) [ (y
1
, . . . , y
n
)) = x
1
y
1
+. . . +x
n
y
n
.
El producte escalar estàndard es una forma bilineal simètrica sobre R
n
.
185
186
`
(2) Sigui A = (a
ij
) M
n
(R). Fent servir les propietats del producte de matrius es
fàcil veure que laplicacio
[ ): R
n
R
n
R
(u, v) uAv
t
es una forma bilineal.
Ara demostrarem que [ ) es una forma bilineal simètrica si i nomes si A es
una matriu simètrica.
Si la matriu A satisfà que A = A
t
llavors la forma bilineal es simètrica perquè,
per les propietats de transposar matrius, tenim que
u [ v) = uAv
t
= uA
t
v
t
= (vAu
t
)
t
= vAu
t
= v [ u).
La pen ultima igualtat es deguda a que vAu
t
es una matriu 1 1.
Recprocament, suposem que [ ) es una forma bilineal simètrica. Sigui
(e
1
, . . . , e
n
) la base canònica de R
n
. Com que la forma bilineal es simètrica, per a
tot n i, j 1, e
i
[ e
j
) = e
j
[ e
i
). Com que e
i
[ e
j
) = a
ij
, obtenim que a
ij
= a
ji
per a tot n i, j 1. Per tant A es una matriu simètrica.
Aquest tipus dexemple generalitza lexemple (1), perquè, quan prenem A =
I
n
, obtenim (x
1
, . . . , x
n
) [ (y
1
, . . . , y
n
)) =

n
i=1
x
i
y
i
, que es el producte escalar
estàndard de R
n
.
(3) Considerem laplicacio [ ): C
n
C
n
C denida per
(z
1
, . . . , z
n
) [ (w
1
, . . . , w
n
)) = z
1
w
1
+. . . +z
n
w
n
.
Es pot comprovar que, per a tot w C
n
, [ w) satisfà la propietat (1) de la
denicio de forma bilineal. Tambe es cert que per a tot z C
n
i per a tot w
1
, w
2

C
n
, z [ w
1
+w
2
) = z [ w
1
) + z [ w
2
), però si C llavors z [ w) = z [ w).
Per tant aquesta aplicacio no es una forma bilineal. Noteu que z [ w) = w [ z).
En general, una aplicacio sobre un espai vectorial complex que satisfà aquestes
propietats es diu que es una forma hermtica.
Alguns llibres deneixen forma hermtica com una aplicacio de
C
n
C
n
C
que es aditiva respecte de cada variable, z [ w) = w [ z), z [ w) = z [ w), i
z [ w) = z [ w). 3
11. Formes bilineals 187
11.1 Matriu associada a una forma bilineal
En aquesta seccio, V es un espai vectorial de dimensio nita n > 0 sobre un cos K.
Sigui [ ): V V K una forma bilineal, i sigui B = (v
1
, . . . , v
n
) una base
de V . Considerem la matriu A = (a
ij
) M
n
(K), denida per a
ij
= v
i
[ v
j
). La
matriu A es diu que es la matriu associada a la forma bilineal [ ) en la base B
i la denotem per A = M( [ ), B). Amb aquesta matriu podem calcular la forma
bilineal sobre qualsevol parell de vectors.
Siguin u i v dos vectors de V . Suposem que u =
n
i=1
i
v
i
i que v =
n
j=1
j
v
j
.
Llavors
u [ v) =
n
i=1
i
v
i
[ v) =
n
i=1
i
v
i
[ v),
Aquesta igualtat, en notacio matricial, es pot escriure com
u [ v) =
_
1
, . . . ,
n
_
_
_
_
_
v
1
[ v)
.
.
.
v
n
[ v)
_
_
_
_
. (11.1)
Per i = 1, . . . , n, tenim que
v
i
[ v) = v
i
[
n
j=1
j
v
j
) =
n
j=i
j
v
i
[ v
j
),
que, en notacio matricial, sescriu com
v
i
[ v) =
_
v
i
[ v
1
) . . . v
i
[ v
n
)
_
_
_
_
_
1
.
.
.
n
_
_
_
_
. (11.2)
De les igualtats (11.1) i (11.2) obtenim
u [ v) =
_
1
, . . . ,
n
_
_
_
_
_
v
1
[ v
1
) . . . v
1
[ v
n
)
.
.
.
.
.
.
v
n
[ v
1
) . . . v
n
[ v
n
)
_
_
_
_
_
_
_
_
1
.
.
.
n
_
_
_
_
= C(u, B)
t
M( [ ), B)C(v, B).
Observacio 11.1.1 Si A M
n
(K) es una matriu tal que, per a tot parell de
vectors u, v de V , se satisfà que u [ v) = C(u, B)
t
AC(v, B), llavors A coincideix amb
188
`
M( [ ), B). Per veure això, nomes cal adonar-sen de que, per a i, j = 1, . . . , n,
v
i
[ v
j
) = C(v
i
, B)
t
AC(v
j
, B) = (0, . . . , 1
i)
, . . . 0)A
_
_
_
_
_
_
_
_
_
0
.
.
.
1
j)
.
.
.
0
_
_
_
_
_
_
_
_
_
= a
ij
.
Per tant, per a i, j = 1, . . . , n, el component (i, j) de la matriu A coincideix amb el
component (i, j) de la matriu associada a la forma bilineal en la base B. Això vol
dir que les dues matrius son iguals. 3
El resultat seg uent explica com determinar si una forma bilineal es simètrica a
partir de la seva matriu associada.
Proposicio 11.1.2 Sigui B = (u
1
, . . . , u
n
) una base de V . Una forma bilineal [
) sobre V es simètrica si i nomes si M( [ ), B) es una matriu simètrica.
Demostraci o. Si [ ) es una forma bilineal simètrica llavors u
i
[ u
j
) = u
j
[
u
i
) i per tant M( [ ), B) = M( [ ), B)
t
.
Si M( [ ), B) es simètrica llavors
u [ v) = u [ v)
t
=
_
C(u, B)
t
M( [ ), B)C(v, B)
_
t
= C(v, B)
t
M( [ ), B)
t
C(u, B)
= C(v, B)
t
M( [ ), B)C(u, B) = v [ u).
Siguin B
1
= (u
1
, . . . , u
n
) i B
2
= (v
1
, . . . , v
n
) dues bases de V . Considerem una
forma bilineal [ ) sobre V tal que A
1
= M( [ ), B
1
) i A
2
= M( [ ), B
2
)
son les matriu associades a [ ) en les bases B
1
i B
2
, respectivament. Volem
veure quina relacio hi ha entre aquestes dues matrius.
Per la denicio de matriu associada a una forma bilineal, tenim que, per a
qualsevol parell de vectors u, v de V ,
u [ v) = C(u, B
1
)
t
A
1
C(v, B
1
) = C(u, B
2
)
t
A
2
C(v, B
2
). (11.3)
Com que C(u, B
1
) = M(B
2
, B
1
)C(u, B
2
) i C(v, B
1
) = M(B
2
, B
1
)C(v, B
2
), tenim
u [ v) = (M(B
2
, B
1
)C(u, B
2
))
t
A
1
M(B
2
, B
1
)C(v, B
2
)
= C(u, B
2
)
_
M(B
2
, B
1
)
t
A
1
M(B
2
, B
1
)
_
C(v, B
2
). (11.4)
Per lobservacio 11.1.1 i usant les identitats (11.3 ) i (11.4), obtenim que
A
2
= M(B
2
, B
1
)
t
A
1
M(B
2
, B
1
).
Aix obtenim la f ormula del canvi de base per a formes bilineals:
M( [ ), B
2
) = M(B
2
, B
1
)
t
M( [ ), B
1
)M(B
2
, B
1
).
11.2 Lespai vectorial de les formes bilineals
En aquesta seccio, V es un espai vectorial de dimensio nita n > 0 sobre un cos K.
Bil(V ) = [ ): V V K [ [ ) es una forma bilineal.
Sobre aquest conjunt, denim una suma i un producte per escalars de K de la
manera seg uent.
Siguin [ )
1
i [ )
2
dos elements de Bil(V ). Llavors denim
[ )
1
+ [ )
2
: V V K
(v, w) v [ w)
1
+v [ w)
2
Sigui [ ) Bil(V ), i sigui K. Denim la forma bilineal [ ) com
[ ): V V K
(v, w) v [ w)
No es difcil comprovar que Bil(V ) amb aquesta suma i aquest producte per escalars
te estructura de K-espai vectorial. Tambe es pot comprovar que el conjunt de les
formes bilineals simètriques es un subespai vectorial de Bil(V ). Denotarem aquest
subespai vectorial per SBil(V ).
Proposicio 11.2.1 Sigui B = (v
1
, . . . , v
n
) una base de V . Llavors laplicacio
M(, B) : Bil(V ) M
n
(K)
[ ) M( [ ), B) = (v
i
[ v
j
))
es un isomorsme despais vectorials. A mes, la forma bilineal [ ) es simètrica
si i nomes si M( [ ), B) es simètrica. En particular, el subespai vectorial SBil(V )
es isomorf al subespai vectorial de M
n
(K) format per les matrius simètriques.
190
`
Demostraci o. Siguin [ )
1
i [ )
2
dos elements de Bil(V ), i sigui [
) = [ )
1
+ [ )
2
. Per la denicio de la suma de formes bilineals, per a tot
i, j = 1, . . . , n, v
i
[ v
j
) = v
i
[ v
j
)
1
+v
i
[ v
j
)
2
. Això implica que
M( [ ), B) = M( [ )
1
, B) +M( [ )
2
, B).
Per la denicio del producte per escalars a Bil(V ), tenim que
M( [ ), B) = M( [ ), B).
Per tant M(, B) es una aplicacio lineal.
Lobservacio 11.1.1 implica que M(, B) es injectiva. Queda per veure que es
exhaustiva. Sigui A = (a
ij
) M
n
(K). Considerem la forma bilineal denida per
u [ v) = M(u, B)
t
AM(v, B), per a tot u, v V .
Per lobservacio 11.1.1, M( [ ), B) = A. Això acaba la demostracio de que
M(, B) es un isomorsme despais vectorials.
Com que, per la Proposicio 11.1.2, una forma bilineal es simètrica si i nomes
si la imatge per M(, B) es una matriu simètrica, tenim que M(, B) dona un
isomorsme entre aquests dos subespais vectorials.
La dimensio de Bil(V ) es n
2
perquè es un K-espai vectorial isomorf a M
n
(K).
Per calcular la dimensio de SBil(V ) cal determinar la dimensio del subespai vectorial
de les matrius simètriques de M
n
(K).
Per a i, j = 1, . . . , n, sigui e
ij
M
n
(K) la matriu que te tots els components
zero llevat del component (i, j) que val 1. Considerem la famlia de matrius
S
1
= e
11
, . . . , S
n
= e
nn
i, per a n i > j 1,
S
ij
= e
ij
+e
ji
.
Si A = (a
ij
) M
n
(K) es una matriu simètrica, llavors
A = a
11
S
1
+. . . +a
nn
S
n
+
ni>j1
a
ij
S
ij
(11.5)
Per tant veiem que S
1
, . . . , S
n
juntament amb S
ij
, n i > j 1, son una famlia
generadora del subespai vectorial de les matrius simètriques. La igualtat (11.5)
tambe ens diu que es una famlia linealment independent, perquè si
0 =
1
S
1
+. . . +
n
S
n
+
ni>j1
ij
S
ij
,
llavors
0 =
_
_
_
_
_
_
_
1

21
. . .
n1
21

2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

n,n1
n1
. . .
n,n1

n
_
_
_
_
_
_
_
,
per tant tots els escalars son zero, i podem concloure, efectivament, que tenim una
famlia linealment independent.
Aix, S
1
, . . . , S
n
, S
ij
, n i > j 1, formen una base del subespai vectorial de les
matrius simètriques. Com que en aquesta base hi han n +
n
2
n
2
=
n(n+1)
2
elements,
la dimensio del subespai vectorial de les matrius simètriques de M
n
(K) es
n(n+1)
2
.
O sigui que la dimensio de SBil(V ) es tambe
n(n+1)
2
.
Exemple 11.2.2 Les matrius e
ij
, i, j = 1, 2, 3, formen una base de M
3
(R). Les
matrius
S
1
=
_
1 0 0
0 0 0
0 0 0
_
, S
2
=
_
0 0 0
0 1 0
0 0 0
_
, S
3
=
_
0 0 0
0 0 0
0 0 1
_
,
S
21
=
_
0 1 0
1 0 0
0 0 0
_
, S
31
=
_
0 0 1
0 0 0
1 0 0
_
, S
32
=
_
0 0 0
0 0 1
0 1 0
_
,
formen una base de les matrius simètriques 3 3 amb coecients reals. 3
11.3 Bases Ortogonals
En aquesta seccio, V es un R-espai vectorial de dimensio nita n > 0.
Sigui [ ): V V R una forma bilineal simètrica. Es diu que u, v V son
ortogonals si u [ v) = 0.
Un vector no nul v V es isòtrop si es ortogonal a ell mateix, es a dir, si
v [ v) = 0.
Sigui B = (v
1
, . . . , v
n
) una base de V . Es diu que B es una base ortogonal
respecte de [ ) si v
i
[ v
j
) = 0, per a tot i ,= j.
Cal observar que la matriu associada a una forma bilineal simètrica en una base
ortogonal es una matriu diagonal.
Teorema 11.3.1 Sigui [ ): V V R una forma bilineal simètrica. Llavors
V te una base ortogonal respecte [ ).
Demostraci o. Farem la demostracio per induccio sobre dimV = n. Si n = 1
no hi ha res a demostrar. Suposem que n > 1 i que lenunciat es cert per a espais
192
`
vectorials de dimensio n 1. Demostrem-ho per a n. Fixem B
1
= (u
1
, . . . , u
n
) una
base de V .
Cas 1: Suposem que existeix u
i
B tal que u
i
[ u
i
) ,= 0. Reordenant la base si cal,
podem suposar que u
1
[ u
1
) ,= 0. Per a i = 2, . . . , n, considerem u
t
i
= u
i
u
i
[u
1
)
u
1
[u
1
)
u
1
.
Noteu que llavors
u
t
i
[ u
1
) = u
i

u
i
[ u
1
)
u
1
[ u
1
)
u
1
[ u
1
) = u
i
[ u
1
)
u
i
[ u
1
)
u
1
[ u
1
)
u
1
[ u
1
) = 0.
Sigui W = u
t
2
, . . . , u
t
n
). Si v W, llavors v =
n
i=2
i
u
t
i
i
v [ u
1
) =
n
i=2
i
u
t
i
[ u
1
) =
n
i=2
i
u
t
i
[ u
1
) = 0.
Això vol dir que tots els vectors de W son ortogonals a u
1
.
2
= (u
1
, u
t
2
, . . . , u
t
n
) es una base de V . Per tant
(u
t
2
, . . . , u
t
n
) es base de W i podem deduir que dimW = n 1. Per hipòtesi
dinduccio, W te una base ortogonal (v
2
, . . . , v
n
). Posem v
1
= u
1
, llavors, per a
i, j = 1, . . . , n, amb i ,= j, tenim que v
i
[ v
j
) = 0. Per tant v
1
, . . . , v
n
es una famlia
de vectors ortogonals dos a dos de V . Armem que B = (v
1
, v
2
, . . . , v
n
) es una
base (ortogonal) de V . Per demostrar-ho nomes cal veure que els vectors de B son
linealment independents.
Suposem que tenim
n
i=1
i
v
i
= 0, llavors
0 =
n
i=1
i
v
i
[ v
1
) =
n
i=1
i
v
i
[ v
1
) =
1
v
1
[ v
1
).
Com que v
1
[ v
1
) ,= 0, podem concloure que
1
= 0. Com que v
2
, . . . , v
n
formen
una base de W, son linealment independents. Podem concloure doncs, que
2
=
. . . =
n
= 0. Per tant B es base de V .
Cas 2: Suposem que, per a tot i = 1, . . . , n, u
i
[ u
i
) = 0. Suposem que existeixen
i, j 1, . . . , n, i ,= j, tals que u
i
[ u
j
) , = 0. Reordenant la base si cal, podem
suposar que i = 1 i j = 2. Considerem el vector v = u
1
+u
2
. Llavors
v [ v) = u
1
+u
2
[ u
1
+u
2
)
= u
1
[ u
1
) +u
2
[ u
2
) + 2u
1
[ u
2
)
= 0 + 0 + 2u
1
[ u
2
) ,= 0.
2
= (v, u
2
, . . . , u
n
) es una base de V . Com que v [ v) ,= 0,
estem a la situacio del cas 1, per tant podem concloure que V te una base ortogonal.
Cas 3: Si u
i
[ u
j
) = 0, per a tot i, j = 1, . . . , n, llavors la forma bilineal es zero.
Per tant B (o qualsevol altra base) es una base ortogonal.
Teorema 11.3.2 (Teorema de Sylvester o Llei dinèrcia) Sigui [ ): V
V R una forma bilineal simètrica. Llavors V te una base ortogonal respecte
[ ) tal que la matriu associada respecte daquesta base es de la forma
M( [ ), B) =
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
0
.
.
.
r)
0
1 0
.
.
.
r
+
)
1
0 1
.
.
.
r
)
1
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
on r,r
+
i r
no depenen de la base B.
Demostraci o. Pel Teorema 11.3.1, sabem que existeix una base ortogonal B
1
=
(u
1
, . . . , u
n
) de V . Reodenant la base, si cal, podem suposar que existeixen enters
no negatius r, r
+
i r
tals que
(i) per a i = 1, . . . , r, u
i
[ u
i
) = 0;
(ii) per a i = 1, . . . , r
+
, u
r+i
[ u
r+i
) > 0;
(iii) per a i = 1, . . . , r
, u
r+r
+
+i
[ u
r+r
+
+i
) < 0;
(iv) dimV = r +r
+
+r
.
Considerem la base B = (v
1
, . . . , v
n
) denida per
v
i
=
_
_
u
i
, per a i = 1, . . . , r,
1
u
i
[u
i
)
u
i
, per a i = r + 1, . . . , r +r
+
,
1
[u
i
[u
i
)[
u
i
, per a i = r +r
+
+ 1, . . . , n.
Es fàcil comprovar que la base B satisfà les propietats que volem.

Veiem ara que r, r
+
i r
no depenen de la base B. Sigui B

t
= (u
t
1
, . . . , u
t
n
) una
altra base de V . Siguin A i A
t
les matrius associades a [ ) en les bases B i B
t
respectivament. Llavors existeix una matriu P invertible tal que P
t
A
t
P = A. Com
que el rang duna matriu A
t
no varia en multiplicar-la per una matriu invertible
(vegeu la Seccio 6.3), veiem que r
+
+ r
es el rang de A
t
. Això demostra que
194
`
r
+
+r
es un invariat de la forma bilineal i, per tant, tambe ho es r = n(r

+
+r
).
Suposem ara que B
t
es ortogonal i que
u
t
i
[ u
t
i
) =
_
_
0 si 1 i r
t
1 si r
t
+ 1 i r
t
+r
t
+
1 si r
t
+r
t
+
+ 1 i r
t
+r
t
+
+r
t
on r
t
, r
t
+
i r
t
son enters no negatius tals que r

t
+ r
t
+
+ r
t
= n. Acabem de veure
que r
t
= r.
Siguin W = u
r+1
, . . . , u
r+r
+
) i W
t
= u
t
r+1
, . . . , u
t
r+r
+
). Observem que si u W
llavors existeixen
r+1
, . . . ,
r+r
+
R tals que
u =
r+1
u
r+1
+. . . +
r+r
+
u
r+r
+
i
u [ u) =
2
r+1
+. . . +
2
r+r
+
0.
A mes, si u ,= 0, llavors u [ u) > 0. Denim f : W W
t
per
f(w) = w [ u
t
r
+ 1)u
t
r+1
+. . . +w [ u
t
r
+r
t
+
)u
t
r+r
+
.
Es fàcil comprovar que f es lineal. Sigui u Ker (f). Com que B

t
es una base de
V , existeixen
1
, . . . ,
n
R tals que
u =
1
u
t
1
+. . . +
n
u
t
n
.
Com que u [ u
t
i
) =
i
u
t
i
[ u
t
i
) i u Ker (f), tenim que
u =
1
u
t
1
+. . . +
r
u
t
r
+
r+r
+
+1
u
t
r+r
+
+1
+. . . +
n
u
t
n
.
Ara tenim que
u [ u) =
2
r+r
+
+1
. . .
2
n
0.
Com que u W, u [ u) 0. Per tant u [ u) = 0 i llavors u = 0. Això demostra
que f es injectiva, i per tant,
r
+
= dimW dimW
t
= r
t
+
.
Per simetria, tenim que r
t
+
r
+
, i aix r
t
+
= r
+
. En conseq uència, tambe tenim que
r
t
= r
.
Sigui [ ): V V R una forma bilineal simètrica. Es diu que [ ) es
denida positiva si, per a tot 0 ,= v V , v [ v) > 0. Es diu que [ ) es denida
negativa si, per a tot 0 ,= v V , v [ v) < 0.
Una forma bilineal simètrica denida positiva tambe es diu producte escalar.
Corol
.
lari 11.3.3 Sigui [ ): V V R una forma bilineal simètrica.
(i) [ ) es denida positiva si i nomes si existeix una base B de V tal que
M( [ ), V ) = I
n
.
(ii) [ ) es denida negativa si i nomes si existeix una base B de V tal que
M( [ ), B) = I
n
.
Demostraci o. Suposem que [ ) es denida positiva. Si B = (v
1
, . . . , v
n
) es
una base de V llavors, per i = 1, . . . , n, v
i
[ v
i
) > 0. En particular, si prenem la
base que dona el Teorema de Sylvester, la matriu associada que ha de sortir ha de
ser la identitat. De manera anàloga podem veure que si [ ) es denida negativa,
llavors, en la base que dona el Teorema de Sylvester, la matriu associada que ha de
sortir ha de ser menys la identitat.
Sigui [ ) una forma bilineal i sigui B = (v
1
, . . . , v
n
) una base de V tal que
M( [ ), B) = I
n
. Si v V es tal que v =
1
v
1
+. . . +
n
v
n
, llavors
v [ v) = (
1
, . . . ,
n
)I
n
_
_
_
_
1
.
.
.
n
_
_
_
_
=
n
i=1
2
i
0.
Per tant v [ v) = 0 si i nomes si

n
i=1
2
i
= 0, i això passa si i nomes si
1
=
. . . =
n
= 0, cosa que vol dir que v = 0. Per tant, [ ) es denida positiva.
Això acaba la demostracio de (i). De manera anàloga, podem veure que una forma
bilineal simètrica tal que, en una certa base, la matriu associada es I
n
ha de ser
denida negativa.
Sigui [ ): V V R una forma bilineal simètrica. El Teorema de Sylvester
ens diu que V te una base ortogonal
B = (u
1
, . . . , u
r
, v
1
, . . . , v
r
+
, w
1
, . . . , w
r
),
tal que,
u
i
[ u
i
) = 0, per a i = 1, . . . , r,
v
j
[ v
j
) = 1, per a j = 1, . . . , r
+
,
w
k
[ w
k
) = 1, per a k = 1, . . . , r
.
Sigui V
0
= u
1
, . . . , u
r
), V
+
= v
1
, . . . , v
r
+
) i V
= w
1
, . . . , w
r
). Sobre V
0
, la
forma bilineal es zero. Pel Corol
.
lari 11.3.3, sobre V
+
, la forma bilineal es denida
positiva i, sobre V
, la forma bilineal es denida negativa. Per la denicio de

196
`
cadascun dels subespais vectorials, tenim que V = V
0
V
+
V
. Aix doncs, el
Teorema de Sylvester ens diu que podem posar lespai vectorial com a suma de tres
trossos i sobre cadascun dells la forma bilineal es duna forma senzilla.
Com veurem mes endavant en un exemple, en general, per a una mateixa forma
bilineal, hi han moltes possibilitats per a V
+
i per a V
(tot i que sempre han de

ser espais vectorials de dimensio r
+
i r
, respectivament). En canvi el subespai

vectorial V
0
està unvocament determinat. Podeu comprovar que
V
0
= u V [ u [ w) = 0 per a tot w V .
A aquest subespai vectorial es diu que es el radical de la forma bilineal.
Exemple 11.3.4 Sigui E = R
2
[x] lespai vectorial dels polinomis a coecients reals
de grau com a molt dos. Denim
[ ): E E R
(p(x), q(x))
_
1
0
p(x)q(x)dx
Com que
_
1
0
(p
1
(x) +p
2
(x))q(x)dx =
_
1
0
p
1
(x)q(x)dx +
_
1
0
p
2
(x)q(x)dx
i
_
1
0
p(x)q(x)dx =
_
1
0
q(x)p(x)dx,
[ ) es una forma bilineal simètrica. A mes, si p(x) ,= 0 a [0, 1] llavors
_
1
0
p(x)
2
dx > 0, perquè p(x)
2
es no nul
.
la, contnua i p(x)
2
0, per a tot x [0, 1].
Aix doncs, aquesta forma bilineal es un producte escalar.
Fixem una base de E, triem B = (u
1
= 1, u
2
= x, u
3
= x
2
). Com que, per a
i, j 0, 1, 2, x
i
[ x
j
) =
1
i+j+1
la matriu associada a [ ) en aquesta base es
_
_
_
1
1
2
1
3
1
2
1
3
1
4
1
3
1
4
1
5
_
_
_
.
Anem a buscar una base ortogonal de E. Per fer-ho no farem res mes que seguir el
proces que descriu la demostracio del Teorema 11.3.1. Com que u
1
[ u
1
) = 1 ,= 0
estem en el cas 1 de la demostracio. Prenem
u
t
2
= u
2

u
2
[ u
1
)
u
1
[ u
1
)
u
1
= x
1
2
i
u
t
3
= u
3

u
3
[ u
1
)
u
1
[ u
1
)
u
1
= x
2
1
3
.
Aix tenim que (u
1
, u
t
2
, u
t
3
) es una base de E tal que u
1
es ortogonal a u
t
2
i a u
t
3
.
Segons la formula del canvi de base la matriu associada a [ ) en la base
(u
1
, u
t
2
, u
t
3
) es
_
_
_
1 0 0
1
2
1 0
1
3
0 1
_
_
_
_
_
_
1
1
2
1
3
1
2
1
3
1
4
1
3
1
4
1
5
_
_
_
_
_
_
1
1
2

1
3
0 1 0
0 0 1
_
_
_
=
_
_
_
1 0 0
0
1
12
1
12
0
1
12
4
45
_
_
_
.
Segons la demostracio del Teorema 11.3.1, ara cal trobar una base ortogonal del
subespai vectorial W = u
t
2
, u
t
3
). Tenim que
u
t
2
[ u
t
2
) = (
1
2
, 1, 0)
_
_
_
1
1
2
1
3
1
2
1
3
1
4
1
3
1
4
1
5
_
_
_
_
_
_
1
2
1
0
_
_
_
= (0, 1, 0)
_
_
_
1 0 0
0
1
12
1
12
0
1
12
4
45
_
_
_
_
_
_
0
1
0
_
_
_
=
1
12
,= 0.
Tornem a estar en el cas 1 de la demostracio del Teorema 11.3.1. Prenem
u
tt
3
= u
t
3

u
t
3
[ u
t
2
)
u
t
2
[ u
t
2
)
u
t
2
= x
2
1
3

1
12
1
12
(x
1
2
) = x
2
x +
1
6
.
Sigui v
1
= u
1
, v
2
= u
t
2
i v
3
= u
tt
3
, llavors B
1
= (v
1
, v
2
, v
3
) es una base ortogonal de
E. Com que
v
3
[ v
3
) = (
1
6
, 1, 1)
_
_
_
1
1
2
1
3
1
2
1
3
1
4
1
3
1
4
1
5
_
_
_
_
_
_
1
6
1
1
_
_
_
=
1
180
,
la matriu associada a [ ) en la base B
1
es
M( [ ), B
1
) =
_
_
_
1 0 0
0
1
12
0
0 0
1
180
_
_
_
.
Segons el Teorema de Sylvester, i com que [ ) es un producte escalar, existeix
una base B
2
tal que M( [ ), B
1
) = I
3
. Si mirem la demostracio daquest Teorema
veiem que una tal base la formen els vectors
v
t
1
= v
1
, v
t
2
=

12 v
2
, v
t
3
=

180 v
3
. 3
A lexemple que acabem de veure no hi han vectors isòtrops perquè es un pro-
ducte escalar. Veiem un exemple en què s que nhi han.
198
`
Exemple 11.3.5 Sigui V = R
2
, i sigui A = (
0 1
1 0
). Considerem la forma bilineal
simètrica
[ ): V V R
((x, y), (x
t
, y
t
)) (x, y)
_
0 1
1 0
__
x
t
y
t
_
= xy
t
+yx
t
.
Fixem la base B = (e
1
= (1, 0), e
2
= (0, 1)). Llavors M( [ ), B) = A. Per
tant B es una base de vectors isòtrops. Si volem trobar una base ortogonal, hem de
procedir com en el cas 2 de la demostracio del Teorema 11.3.1.
Com que e
1
[ e
2
) ,= 0, prenem v
1
= e
1
+e
2
= (1, 1). Llavors (v
1
, e
2
) es una base
de V i el vector v
1
no es isòtrop perquè v
1
[ v
1
) = 2. Sigui
v
2
= e
2

e
2
[ v
1
)
v
1
[ v
1
)
v
1
= (0, 1)
1
2
(1, 1) =
1
2
(1, 1).
Ara B
1
= (v
1
, v
2
) es una base ortogonal de V i v
2
[ v
2
) =
1
2
. Si considerem ara la
base B
2
= (
1
2
v
1
,
2v
2
), llavors M( [ ), B
2
) =
_
1 0
0 1
_
.
En aquest cas, r
+
= r
= 1. En la base que hem trobat, V

+
= (
1
2
,
1
2
)) =
(1, 1)) i V
= (1, 1)). Anem a veure que hi han altres possibilitats per a V

+
i per
a V
.
Tenim que (x, y) V es isòtrop si i nomes si (x, y) [ (x, y)) = 2xy = 0. Això
vol dir que els vectors isòtrops son o be de la forma (x, 0) o be de la forma (0, y).
Per qualsevol x (1, ) considerem lespai vectorial V
x
= (1, 1) + (x, 0)). Si
0 ,= v = ((1, 1) + (x, 0)) V
x
, llavors v [ v) =
2
2(x + 1) > 0. Per tant sobre V
x
la forma bilineal es denida positiva. Sigui W
x
= (1, 1) + (x, 0)). Llavors
(1 +x, 1) [ (1 x, 1)) = 0
i
(1 x, 1) [ (1 x, 1)) = 2(1 +x) < 0 si x (1, ).
Per tant per qualsevol x (1, ), B
x
= ((1 + x, 1), (1 x, 1)) es una base
ortogonal, sobre V
x
la forma bilineal es denida positiva i sobre W
x
es denida
negativa. Noteu que V
x
1
= V
x
2
implica x
1
= x
2
. Aix veiem que la descomposicio
en suma de subespais vectorials que dona el Teorema de Sylvester no es unica. 3
11.4 Productes escalars
Aquesta seccio la dedicarem a lestudi dels R-espais vectorials de dimensio nita
amb un producte escalar. Aquests espais vectorials tambe es diuen espais vectorials
euclidians. Veurem que, formalment, son molt similars a R
n
amb el producte escalar
estàndard.
Proposicio 11.4.1 (Desigualtat de Cauchy-Schwartz) Sigui [ ) un pro-
ducte escalar sobre un R-espai vectorial V . Llavors
u [ v)
2
u [ u)v [ v), u, v V.
Demostraci o. Siguin R, u, v V . Si u o v son nuls llavors la igualtat es
certa. Suposem doncs que u i v son vectors no nuls de V . Llavors
0 u +v [ u +v) =
2
v [ v) + 2u [ v) +u [ u).
Per tant la funcio f(x) = x
2
v [ v)) +2xu [ v) +u [ u) es no negativa, això implica
que lequacio
f(x) = x
2
v [ v) + 2xu [ v) +u [ u) = 0
te com a molt una solucio real. Com que f(x) es un polinomi de grau dos, tenim
que el seu discriminant ha de ser mes petit o igual que zero.

Es a dir,
4u [ v)
2
4u [ u)v [ v) 0.
Això implica que u [ v)
2
u [ u)v [ v) tal com volem veure.
Sigui V un R-espai vectorial. Una norma sobre V es una aplicacio
| | : V R
u |u|
tal que
(1) |u| = 0 u = 0.
(2) |u| = [[|u|, R, u V .
(3) |u +v| |u| +|v|, u, v, V , (Desigualtat triangular).
Observem que llavors, si u V , tenim que |u| 0, perquè 0 =
(1)
|u u|
(3)
|u| +| u| =
(2)
2|u|.
Proposicio 11.4.2 Sigui [ ) un producte escalar sobre un R-espai vectorial V .
Llavors laplicacio
| |
[)
: V R
u |u|
[)
=
_
u [ u)
es una norma, que es diu norma associada a [ ).
200
`
Demostraci o.

Es clar que |u|
[)
= 0 u = 0, i que
|u|
[)
= [[|u|
[)
, R, u V.
Siguin u, v V . Llavors
|u +v|
2
[)
= u +v [ u +v) = u [ u) + 2u [ v) +v [ v),
i, aplicant la desigualtat de Cauchy-Schwartz, tenim
|u +v|
2
[)
u [ u) + 2|u|
[)
|v|
[)
+v [ v) =
= (|u|
[)
+|v|
[)
)
2
.
Per tant |u +v|
[)
|u|
[)
+|v|
[)
.
Sigui [ ) un producte escalar sobre un R-espai vectorial V de dimensio nita.
Diem que una base ortogonal B = (v
1
, . . . , v
n
) es ortonormal respecte [ ) si
|v
i
|
[)
= 1 per a i = 1, . . . , n.
Com a conseq uència del Corol
.
lari 11.3.3, tenim el resultat seg uent.
Corol
.
lari 11.4.3 Sigui [ ) un producte escalar sobre un R-espai vectorial V
de dimensio nita. Llavors V te una base ortonormal respecte [ ).
Sigui [ ) un producte escalar sobre un R-espai vectorial V . Observem que
si u, v V 0 llavors, per la desigualtat de Cauchy-Schwartz,
1
u [ v)
|u|
[)
|v|
[)
1.
Denim langle respecte de [ ) entre u i v com l unic [0, ] tal que
cos =
u [ v)
|u|
[)
|v|
[)
Segons la denicio dangle que hem donat, que dos vectors siguin ortogonals
vol dir que langle entre els dos vectors es de

2
. Cal tenir present que el concepte
dortogonalitat, dangle i el de norma es relatiu al producte escalar que tinguem.
Donat un R-espai vectorial V i una base B qualsevol, podem denir un producte
escalar sobre V de tal manera que B sigui una base ortonormal. Veiem un exemple
on fem això.
Exemple 11.4.4 Fixem la base B = (v
1
= (1, 2), v
2
= (1, 1)) de R
2
. Volem denir
un producte escalar sobre R
2
de tal manera que B sigui una base ortonormal, es
a dir, volem construir [ ) tal que M( [ ), B) = I
2
. Sigui B
t
= (e
1
=
(1, 0), e
2
= (0, 1)) la base canònica de R
2
. Segons la formula del canvi de base,
M( [ ), B
t
) = M(B
t
, B)
t
M( [ ), B)M(B
t
, B) = M(B
t
, B)
t
M(B
t
, B).
Com que M(B, B
t
) = (
1 1
2 1
),
M(B
t
, B) =
_
1 1
2 1
_
1
=
_
1 1
2 1
_
.
Aix,
M( [ ), B
t
) =
_
1 2
1 1
__
1 1
2 1
_
=
_
5 3
3 2
_
.
Llavors tenim
R
2
R
2
[)
R
((x, y), (x
t
, y
t
)) (x, y)
_
5 3
3 2
__
x
t
y
t
_
= 5xx
t
3yx
t
3xy
t
+ 2yy
t
.
Noteu que, amb aquest producte escalar, la circumferència de radi 1 es el
conjunt de punts (x, y) de R
2
que satisfan |(x, y)|
[)
= 1. Aquest es el conjunt
de punts (x, y) de R
2
tals que 5x
2
+ 2y
2
6xy = 1, que es una el
.
lipse (respecte del
producte escalar estàndard). 3
Observacio 11.4.5 Quant prenem una forma bilineal que no es ni denida posi-
tiva ni denida negativa, sobtenen models geomètrics molt interessants. Prenem
lexemple 11.3.5, es a dir V = R
2
amb la forma bilineal
V V
[)
R
((x, y), (x
t
, y
t
)) (x, y)
_
0 1
1 0
__
x
t
y
t
_
= xy
t
+yx
t
.
En aquest cas, r
+
= 1 i r
= 1.
Si busquem lanàleg a la circumferència de radi 1, obtenim
(x, y) R
2
[ (x, y) [ (x, y)) = 1 = (x, y) R
2
[ xy =
1
2
.
Aquests punts corresponen a la gràca duna hipèrbola, per això lespai vectorial R
2
amb aquesta forma bilineal es diu pla hiperbòlic.
202
`
Un exemple molt important de espai vectorial amb una forma bilineal que no es
ni denida positiva ni denida negativa es R
4
amb la forma bilineal donada per la
matriu
_
_
_
_
_
_
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 c
2
_
_
_
_
_
_
,
on c denota la velocitat de la llum. R
4
amb aquesta forma bilineal es diu espai de
Minkowski i susa com a model en relativitat especial. 3
11.5 El Teorema Espectral
En aquesta seccio demostrarem un resultat de diagonalitzacio de matrius amb co-
ecients reals forca espectacular anomenat el Teorema Espectral. La versio mes
senzilla daquest teorema diu el seg uent.
Teorema 11.5.1 Tota matriu simètrica de M
n
(R) diagonalitza en una base orto-
normal respecte el producte escalar estàndard de R
n
.
Daquest teorema sen poden donar moltes demostracions, però cap delles uti-
litzant nomes eines de la teoria de diagonalitzacio dendomorsmes. Sempre shan
de menester idees de productes escalars. Es pot fer una demostracio molt elemental
fent servir nomes el producte escalar estàndard de R
n
, tambe sen pot fer una, mes
curta però mes conceptual, pensant en productes escalars generals. Hem escollit
fer una demostracio conceptual, per la qual farem servir el concepte dadjunt dun
endomorsme.
Comencem amb un càlcul interessant.
Lema 11.5.2 Sigui A una matriu simètrica amb coecients reals. Llavors tots els
valors propis complexos de A son reals.
Demostraci o. Sigui C un valor propi de A i v = (z
1
, . . . , z
n
) C
n
un vector
propi de A de valor propi . Llavors
(z
1
, . . . , z
n
)A
_
_
_
_
z
1
.
.
.
z
n
_
_
_
_
= (z
1
, . . . , z
n
)
_
_
_
_
z
1
.
.
.
z
n
_
_
_
_
=
_
n
i=1
z
i
z
i
_
=
_
n
i=1
[z
i
[
2
_
.
Si conjuguem i transposem aquesta igualtat obtenim que
_
n
i=1
[z
i
[
2
_
= ((
n
i=1
[z
i
[
2
))
t
=
_
_
_
_
(z
1
, . . . , z
n
)A
_
_
_
_
z
1
.
.
.
z
n
_
_
_
_
_
_
_
_
t
= (z
1
, . . . , z
n
)A
_
_
_
_
z
1
.
.
.
z
n
_
_
_
_
=
_
n
i=1
[z
i
[
2
_
.
Com que un vector propi es diferent de zero, tenim que
n
i=1
[z
i
[
2
,= 0. Això implica
que = R.
Sigui [ ) un producte escalar sobre un R-espai vectorial V . Sigui f : V V
un endomorsme de V . Fixem B una base de V . Llavors
f(v) [ w) = (M(f, B)C(v, B))
t
M( [ ), B)C(w, B)
= C(v, B)
t
M(f, B)
t
M( [ ), B)C(w, B).
Sigui g : V V un altre endomorsme de V , llavors
v [ g(w)) = C(v, B)
t
M( [ ), B)M(g, B)C(w, B).
Ens preguntem, com ha de ser g per complir que
f(v) [ w) = v [ g(w))
per a tot parell de vectors v, w V ?
Per les igualtats anteriors,
M(f, B)
t
M( [ ), B) = M( [ ), B)M(g, B),
i com que [ ) es un producte escalar, M( [ ), B) es invertible i
M(g, B) = M( [ ), B)
1
M(f, B)
t
M( [ ), B).
Es a dir, g ha de ser l unic endomorsme de V que en la base B te per matriu

associada M( [ ), B)
1
M(f, B)
t
M( [ ), B).
Noteu que si la base B que xem es ortonormal llavors M( [ ), B) = I
n
i,
per tant, M(g, B) = M(f, B)
t
Denim lendomorsme adjunt de f per [ ) com l unic endomorsme f
: V
V tal que, per a tot v, w V ,
f(v) [ w) = v [ f
(w)).
204
`
Diem que f es autoadjunt si f = f
.
Noteu que, com que [ ) es una forma bilineal simètrica, llavors (f
= f.
Podem pensar que assignar a un endomorsme el seu adjunt es la versio abstracta
dassignar a cada matriu la seva transposada. Aix el concepte dendomorsme
autoadjunt es la versio abstracta de matriu simètrica.
Del Lema 11.5.2 obtenim el resultat seg uent per a endomorsmes autoadjunts.
Lema 11.5.3 Sigui [ ) un producte escalar sobre un R-espai vectorial V de
dimensio nita n > 0. Sigui f : V V un endomorsme autoadjunt de V . Llavors
existeixen
1
, . . . ,
n
R tals que
p
f
(x) = (1)
n
(x
1
) . . . (x
n
).
Demostraci o. Sigui B = (u
1
, . . . , u
n
) una base ortonormal de V i sigui A =
M(f, B). Com que f es autoadjunt i hem triat una base ortonormal, pel que acabem
de veure, A = A
t
es una matriu simètrica. Pel Lema 11.5.2, existeixen
1
, . . . ,
n
R
tals que
p
A
(x) = (1)
n
(x
1
) . . . (x
n
).
Com que p
f
(x) = p
A
(x), obtenim el resultat.
La versio del Teorema Espectral que demostrarem es la seg uent:
Teorema 11.5.4 Sigui [ ) un producte escalar sobre un R-espai vectorial V de
dimensio nita n > 0. Sigui f : V V un endomorsme autoadjunt de V . Llavors
V te una base ortonormal de vectors propis de f. En particular, lendomorsme f
diagonalitza.
Demostraci o. Demostrarem lenunciat per induccio sobre n. En el cas n = 1,
no hi ha res a demostrar perquè qualsevol vector de V no nul i de norma 1 forma
una base ortonormal i es un vector propi. Suposem que n > 1 i que el resultat cert
per a espais vectorials de dimensio n 1. Demostrem-ho per a espais vectorials de
dimensio n.
Pel Lema 11.5.3, existeix R que es un valor propi de f. Llavors existeix
v V vector propi de f de valor propi . Siguin u
2
, . . . , u
n
vectors de V tals que
(v, u
2
, . . . , u
n
) es una base de V . Per a tot i = 2, . . . , n, sigui u
t
i
= u
i

u
i
[v)
v[v)
v.
Llavors, per a tot i = 2, . . . , n, v [ u
t
i
) = 0 i (v, u
t
2
, . . . , u
t
n
) es una base de V .
Considerem ara W = u
t
2
, . . . , u
t
n
) amb el producte escalar donat per la restriccio de
[ ) a W.
Fixem i 2, . . . , n. Si f(u
t
i
) = v +
n
j=2
j
u
t
j
llavors
f(u
t
i
) [ v) = v +
n
j=2
j
u
t
j
[ v) = v [ v) +
n
j=2
j
u
t
j
[ v) = v [ v).
Per ser f autoadjunt, tenim que
v [ v) = f(u
t
i
) [ v) = u
t
i
[ f(v)),
i per ser v vector propi de valor propi ,
v [ v) = u
t
i
[ v) = u
t
i
[ v) = 0.
Com que [ ) es un producte escalar i v ,= 0, = 0. Això demostra que per a
tot i = 2, . . . , n, f(u
t
i
) W, per tant f(W) W.
Estem en la situacio dun espai vectorial W de dimensio n 1. Sobre W tenim
denit un producte escalar i la restriccio de f a W es un endomorsme autoadjunt.
Aplicant la hipòtesi dinduccio, tenim que existeix (v
2
, . . . , v
n
) una base ortonormal
de W tal que tots els v
i
s son vectors propis de f. Prenent v
1
=
v
|v|
obtenim una
base ortonormal (v
1
, v
2
, . . . , v
n
) de V formada per vectors propis de f.
El Teorema 11.5.1 sobte com a corol
.
lari del que hem demostrat, prenent V = R
n
amb el producte escalar estàndard.
11.6 Exercicis
Exercici 1 Siguin u = (3, 1, 2), v = (0, 1, 1) i w = (1, 1, 0) vectors de R
3
.
(a) Comproveu que formen una base de R
3
.
(b) Trobeu la matriu del producte escalar en la base canònica de R
3
pel que els
vectors u, v i w formen una base ortonormal.
(c) Expliqueu com es calcula aquest producte escalar per a dos vectors expressats
en coordenades respecte de la base canònica.
(d) Trobeu una base del subespai ortogonal a (1, 0, 0) per a aquest producte escalar.
Exercici 2 Considereu el producte escalar de R
4
denit per la matriu:
_
_
_
_
_
_
1 1 0 0
1 2 0 0
0 0 1 1
0 0 1 2
_
_
_
_
_
_
206
`
Descomponeu el vector v = (1, 3, 1, 4) com a suma de dos vectors, un pertanyent
al subespai F, generat per w
1
= (2, 1, 0, 1) i w
2
= (0, 3, 1, 1), i laltre ortogonal a F.
Exercici 3 Sigui E lespai vectorial real dels polinomis de grau inferior a 2. De-
nim, per a tot p(x), q(x) E:
(p(x), q(x)) =
_
2
0
p(s)q(s)ds.
(a) Demostreu que es una forma bilineal simètrica sobre E.
(b) Quina es la matriu de respecte de la base canònica de E?
(c) Deneix un producte escalar?
(d) Trobeu una base ortonormal respecte de .
(e) Trobeu una base del subespai ortogonal a 2x + 1 respecte de .
Exercici 4 Sigui (e
1
, e
2
, e
3
) una base arbitrària dun R-espai vectorial E. Proveu
que existeix un unic producte escalar de E que fa que aquesta base sigui ortonormal.
Quin es aquest producte en el cas en que E = R
3
i e
1
= (1, 1, 2), e
2
= (2, 3, 0) i
e
3
= (1, 0, 1)?
Exercici 5 Sigui : R
2
R
2
R laplicacio denida per ((x, y), (z, t)) = xzyt.
(a)

Es una forma bilineal sobre R?

Es simètrica?
(b) Quin es el conjunt de vectors isòtrops?
(c) Si existeix una base de vectors isòtrops, doneu la matriu de en aquesta base.
Exercici 6 Considerem les formes bilineals
1
i
2
sobre R donades per les matrius
seg uents:
_
_
_
1 1 1
1 0 1
1 1 0
_
_
_
,
_
_
_
1 1 1
1 0 1
1 1 0
_
_
_
.
(a) Classiqueu, segons la llei dinèrcia, aquestes formes bilineals i digueu si son
denides positives.
(b) Hi ha vectors isòtrops? Quins son?
Captol 12
Geometria Euclidiana
En aquest captol estudiarem les geometries euclidianes de R
n
. Aix, considerarem
R
n
com el conjunt de punts dun espai n-dimensional, on hi tindrem rectes, plans
o, en general, varietats lineals (ja denirem què es això).
Observem que R
n
com a R-espai vectorial te un element privilegiat, el vector
zero. En canvi, si pensem R
n
com a model dun espai de punts, on hi tenim certs
subconjunts de punts que formen gures geomètriques, com ara rectes, triangles,
quadrats, cirfumferències, plans, cons, esferes, etc., no podem tenir cap element de
R
n
que sigui privilegiat, ja que els elements de R
n
representen els punts de lespai
que volem modelar i en aquest espai pensem que tots els punts tenen les mateixes
propietats. A lespai que volem modelar hi tenim una certa manera de mesurar
distàncies entre els diversos objectes i sembla que, per fer mesuraments concrets, va
be xar a lespai un sistema de coordenades. Això, en particular, signica triar un
punt com a origen de coordenades, i aquest origen de coordenades el triem lliurement
entre tots els punts de lespai (el que ens convingui pels mesuraments concrets que
volem fer). Doncs be! El model mes senzill daquest tipus despai es lespai af
euclidià, que consisteix en un conjunt de punts, R
n
, i, per a cada punt P R
n
, una
aplicacio bijectiva
P
: R
n
R
n
del conjunt de punts R
n
a lespai vectorial R
n
, on hi tenim un producte escalar xat
[ ) (que ens permetrà denir una distància). Cada aplicacio
P
es pot pensar
com leleccio del punt P com a origen de coordenades. Cada eleccio duna base
ortonormal de lespai vectorial euclidià (R
n
, [ )) es pot pensar com leleccio de
les direccions dels eixos de coordenades amb el semieix positiu marcat.

Es natural
pensar que per poder denir una distància entre els punts de R
n
farà falta alguna
mena de compatibilitat entre les aplicacions
P
en variar el punt P. Però tot això
207
208
`
ho denirem amb rigor a continuacio.
12.1 Espai af euclidià i varietats lineals
Un espai vectorial euclidià es un R-espai vectorial junt amb un producte escalar.
Un espai af euclidià es un conjunt E ,= junt amb un espai vectorial euclidià
(V, [ )) i una aplicacio
: E E V
(P, Q)

PQ
que compleix:
(1) per a cada P E, laplicacio
P
: E V
Q

PQ
es bijectiva, i
(2)

PQ+
QR =

PR, P, Q, R E.
Els elements de E es diuen punts de lespai, V es lespai vectorial associat a E.
Denim la dimensio de lespai af euclidià E com
dimE = dimV.
Diem que un subconjunt L de E es una varietat lineal de E si
(1) (L L) es un subespai vectorial de V ,i
(2) P L,
P
: L (L L)
Q

PQ
es bijectiva.
Observem que si es la restriccio de a L sobre (L L), es a dir
: L L (L L)
(P, Q)

PQ
llavors L junt amb es un espai af euclidià amb espai vectorial associat, (LL).
Es diu que (L L) es la direccio de la varietat lineal L.
12. Geometria Euclidiana 209
Exemple 12.1.1 Siguin E = R
n
i V = R
n
lespai vectorial euclidià amb el producte
escalar estàndard. Sigui
: E E V
(u, v) v u
.
Llavors E junt amb es lespai af euclidià estàndard.
Les varietats lineals daquest espai son les de la forma P +W, on P V i W es
un subespai vectorial de V , es a dir
P +W = P +w [ w W.
Llavors tenim que
(P +w
1
, P +w
2
) = w
2
w
1
W i ((P +W) (P +W)) = W.
Observem que, xat P +w
0
P +W, laplicacio
P +W W
P +w P +w (P +w
0
)
es bijectiva. Aqu W es la direccio de P +W, i diem que P +W es la varietat lineal
que passa pel punt P amb direccio W. 3
Observacio 12.1.2 A partir daqu els espais ans euclidians que considerarem
seran com lexemple anterior, però agafant a V un producte escalar [ ) arbitrari,
i les seves varietats lineals. 3
Un espai af euclidià de dimensio 0 es diu punt. Un espai af euclidià de dimensio 1
es diu recta. Un espai af euclidià de dimensio 2 es diu pla. Una varietat lineal de
dimensio n 1 en un espai af euclidià E de dimensio n es diu hiperplà de E.
La varietat lineal determinada o generada pels punts P
1
, . . . , P
n
dun espai af
euclidià E es la varietat lineal mes petita de E que conte aquests punts.

Es clar que
aquesta varietat lineal es
P
1
+P
2
P
1
, . . . , P
n
P
1
).
Es diu que dues varietats lineals P
1
+ W
1
, P
2
+ W
2
dun espai af euclidià son
paral
.
leles si W
1
W
2
o W
2
W
1
.
Dues varietats lineals P
1
+ W
1
, P
2
+ W
2
dun espai af euclidià es tallen si
(a +W
1
) (b +W
2
) ,= .
Proposicio 12.1.3 Dues varietats lineals P
1
+W
1
, P
2
+W
2
dun espai af euclidià
es tallen si i nomes si P
1
P
2
W
1
+W
2
.
210
`
Demostraci o.
(P
1
+W
1
) (P
1
+W
2
) ,= P (P
1
+W
1
) (P
2
+W
2
)
w
1
W
1
, w
2
W
2
tals que P
1
+w
1
= P
2
+w
2

P
1
P
2
W
1
+W
2
.
Una conseq uència immediata daquesta Proposicio es el resultat seg uent.
Corol
.
lari 12.1.4 Si P
1
+W
1
, P
2
+W
2
son varietats lineals paral
.
leles llavors o be
no es tallen o be una està continguda en laltra.
Ara que ja sabem quan es tallen dues varietats, anem a veure com es tallen.
Proposicio 12.1.5 La interseccio de dues varietats lineals dun espai af euclidià
es o be buida o be una varietat lineal.
Demostraci o. Siguin P
1
+ W
1
, P
2
+ W
2
dues varietats lineals dun espai af
euclidià que es tallin. Sigui P (P
1
+W
1
) (P
2
+W
2
). Veiem que
(P
1
+W
1
) (P
2
+W
2
) = P + (W
1
W
2
).
La inclusio P + (W
1
W
2
) (P
1
+W
1
) (P
2
+W
2
) es clara.
Sigui Q (P
1
+W
1
) (P
2
+W
2
). Siguin w
1
, w
t
1
W
1
i w
2
, w
t
2
W
2
tals que
P = P
1
+w
1
= P
2
+w
2
Q = P
1
+w
t
1
= P
2
+w
t
2
Llavors
Q = P w
1
+w
t
1
= P w
2
+w
t
2
.
Per tant w
t
1
w
1
= w
t
2
w
2
W
1
W
2
i Q P + (W
1
W
2
).
12.2 Coordenades
Un sistema de coordenades cartesianes ortonormal dun espai af euclidià E de di-
mensio nita n es
B = P, (v
1
, . . . , v
n
)
on P E es diu origen de coordenades i (v
1
, . . . , v
n
) es una base ortonormal de
lespai vectorial associat V ; v
1
), . . . , v
n
) son els eixos de coordenades del sistema.
Les coordenades dun punt X E respecte de B son per denicio les coordenades
del vector X P respecte de la base (v
1
, . . . , v
n
). Escriurem C(X, B) = C(X
P, (v
1
, . . . , v
n
)).
Siguin B = P, (v
1
, . . . , v
n
), B
t
= Q, (u
1
, . . . , u
n
) dos sistemes de coordenades
ortonormals dun espai af euclidià E.
Sigui X E. Llavors
X P = X Q+QP.
Per tant, si B = (v
1
, . . . , v
n
) i B
t
= (u
1
, . . . , u
n
), tenim que
C(X P, B) = C(X Q, B) +C(QP, B)
= M(B
t
, B)C(X Q, B
t
) +C(QP, B).
Aix
C(X, B) = C(Q, B) +M(B
t
, B)C(X, B
t
).
Aquesta es la formula del canvi de coordenades.
Anem a veure ara com es descriuen en coordenades les varietats lineals.
Sigui B = P, (v
1
, . . . , v
n
) una referència cartesiana ortonormal dun espai af
euclidià E. Sigui L = P + w
1
, . . . , w
r
) una varietat lineal de E. Siguin B =
(v
1
, . . . , v
n
) i
C(w
j
, B) =
_
_
_
_
a
1j
.
.
.
a
nj
_
_
_
_
C(P, B) =
_
_
_
_
a
1
.
.
.
a
n
_
_
_
_
.
Sigui X un punt amb C(X, B) =
_
x
1
.
.
.
x
n
_
. Llavors
X L

PX w
1
, . . . , w
r
)
rang
_
_
_
_
x
1
a
1
a
11
a
1r
.
.
.
.
.
.
.
.
.
x
n
a
n
a
n1
a
nr
_
_
_
_
= rang
_
_
_
_
a
11
a
1r
.
.
.
.
.
.
a
n1
a
nr
_
_
_
_
.
Si dimL = r llavors w
1
, . . . , w
r
son l.i. i
rang
_
_
_
_
a
11
a
1r
.
.
.
.
.
.
a
n1
a
nr
_
_
_
_
= r.
212
`
Aix aquesta matriu te r les i
1
, . . . , i
r
l.i. En aquest cas,
X L
x
i
1
a
i
1
a
i
1
1
. . . a
i
1
r
.
.
.
.
.
.
.
.
.
x
i
r
a
i
r
a
i
r
1
. . . a
i
r
r
x
i
a
i
a
i1
. . . a
ir
= 0 i 1, . . . , n i
1
, . . . , i
r
.
Aquest es un sistema dequacions lineals de la varietat lineal L respecte del sistema
de coordenades B. Les solucions daquest sistema son les coordenades respecte de
B de tots els punts de L.
Exemple 12.2.1 El sistema dequacions lineals del pla de R
4
que passa pel punt
(1, 1, 2, 5) amb direccio (1, 1, 1, 1), (1, 1, 0, 2)) respecte de la referència (0, . . . , 0), B,
on B es la base canònica, es
x
1
1 1 1
x
2
+ 1 1 1
x
3
2 1 0
= 0
x
1
1 1 1
x
2
+ 1 1 1
x
4
5 1 2
= 0
_
_
es a dir,
x
1
+x
2
2x
3
= 4
3x
1
x
2
2x
4
= 6
_
3
12.3 Distància i perpendicularitat
Denim la distància en un espai af euclidià E com
d : E E R
(P, Q) d(P, Q) = |
PQ| =
_
PQ [

PQ)
Observem que d compleix les propietats seg uents:
(1) d(P, Q) 0 per a tot P, Q E.
(2) d(P, Q) = 0 si i nomes si P = Q.
(3) d(P, Q) = d(Q, P) per a tot P, Q E.
(4) d(P, Q) +d(Q, R) d(P, R) per a tot P, Q, R E.
Aquesta ultima propietat es diu desigualtat triangular i es una conseq uència de
la desigualtat triangular de la norma. En efecte,
d(P, Q) +d(Q, R) = |QP| +|RQ| |QP +RQ| = |RP| = d(P, R).
Teorema 12.3.1 (Teorema de Pitàgores) Sigui E un espai af euclidià. Siguin
P, Q, R E tals que
PQ [

PR) = 0. Llavors
d(P, Q)
2
+d(P, R)
2
= d(Q, R)
2
.
Demostraci o.
d(Q, R)
2
= |
QR|
2
=
QR [

QR) =
PR
PQ [

PR
PQ)
=
PR [

PR) +
PQ [

PQ) 2
PR [

PQ)
= |
PR|
2
+|
PQ|
2
= d(P, R)
2
+d(P, Q)
2
.
Si W es un subespai vectorial dun espai vectorial euclidià V , denotem per W
el conjunt dels vectors que son ortogonals a tots els de W, es a dir

W
= v V [ v [ w) = 0, w W.
No costa gens comprovar que W
es un subespai vectorial de V , i es diu subespai

ortogonal a W.
Proposicio 12.3.2 Sigui W un subespai vectorial dun espai vectorial euclidià V
de dimensio nita n. Llavors
V = W W
.
Demostraci o. Observem que si v W W
llavors v [ v) = 0, i per tant v = 0.

Això demostra que W W
= 0.
Sabem que W te bases ortonormals. Sigui (u
1
, . . . , u
r
) una base ortonormal de
W. Sigui v V . Sigui
w
t
= v u
1
[ v)u
1
. . . u
r
[ v)u
r
.
Observem que
u
i
[ w
t
) = u
i
[ v) u
i
[ v) = 0.
Per tant w
t
W
, i
v = (u
1
[ v)u
1
+. . . +u
r
[ v)u
r
) +w
t
W +W
.
Això demostra que V = W +W
, i per tant V = W W
.
214
`
Diem que dues varietats lineals P
1
+ W
1
, P
2
+ W
2
en un espai af euclidià son
ortogonals o perpendiculars si W
1
W
2
o W
1
W
2
.
Sigui E un espai af euclidià de dimensio nita. Sigui V lespai vectorial associat
i [ ) el seu producte escalar. Sigui L una varietat lineal de E amb direccio W.
Denim la projeccio ortogonal de E sobre L per
L
: E E
Q P +w
1
on P es un punt xat de L i

PQ = w
1
+w
2
amb w
1
W i w
2
W
.
Observem que si P
t
es un altre punt de L llavors
P
t
Q =

P
t
P +
PQ =

P
t
P +w
1
+w
2
,
i

P
t
P +w
1
W i w
2
W
. Ara
P
t
+
P
t
P +w
1
= P
t
+P P
t
+w
1
= P +w
1
.
Per tant la denicio de
L
no depèn del punt P L que xem.
Observem que

L
(Q)Q = w
2
W
.
12.4 Distància entre dues varietats lineals
Siguin L
1
= P
1
+W
1
, L
2
= P
2
+W
2
dues varietats lineals dun espai af euclidià E
de dimensio nita. Denim la distància entre L
1
i L
2
com
d(L
1
, L
2
) = infd(P, Q) [ P L
1
, Q L
2
.
Observem que si P L
1
i Q L
2
llavors
d(P, Q) = d(P
1
+
P
1
P, P
2
+
P
2
Q) = |
P
1
P
2
+
PP
1
+
P
2
Q|,
i

PP
1
W
1
i

P
2
Q W
2
. Per tant
d(L
1
, L
2
) = inf|
P
1
P
2
+w
1
+w
2
| [ w
1
W
1
, w
2
W
2
.
La Proposicio seg uent ens dona un mètode per calcular aquesta distància.
Proposicio 12.4.1 Siguin L
1
= P
1
+W
1
, L
2
= P
2
+W
2
dues varietats lineals dun
espai af euclidià E de dimensio nita. Sigui : E E la projeccio ortogonal sobre
P
1
+ (W
1
+W
2
). Llavors
d(L
1
, L
2
) = d(P
2
, (P
2
)).
Demostraci o. Siguin w
1
W
1
i w
2
W
2
. Llavors
|
P
1
P
2
+w
1
+w
2
|
2
= |
P
1
P
2

P
1
(P
2
) +
P
1
(P
2
) +w
1
+w
2
|
2
,
i pel Teorema de Pitàgores,
|
P
1
P
2
P
1
(P
2
)+
P
1
(P
2
)+w
1
+w
2
|
2
= |
P
1
P
2
P
1
(P
2
)|
2
+|
P
1
(P
2
)+w
1
+w
2
|
2
,
i aix
|
P
1
P
2
+w
1
+w
2
|
2
|
P
1
P
2

P
1
(P
2
)|
2
= |
P
2
(P
2
)|
2
.
Per tant |
P
1
P
2
+ w
1
+ w
2
| |
P
2
(P
2
)|. Això demostra que d(L
1
, L
2
)
|
P
2
(P
2
)| = d(P
2
, (P
2
)).
Siguin u
1
W
1
i u
2
W
2
tals que
(P
2
) = P
1
+u
1
+u
2
.
Llavors P
t
1
= P
1
+u
1
L
1
i P
t
2
= P
2
u
2
L
2
. I tenim que
d(P
t
1
, P
t
2
) = |
P
1
P
2
u
1
u
2
| = d(P
2
, (P
2
)).
Per tant d(L
1
, L
2
) = d(P
2
, (P
2
)).
12.5 Isometries i desplacaments
Una aplicacio f : E
1
E
2
entre dos espais ans euclidians es diu isometria si
d(f(P), f(Q)) = d(P, Q) P, Q E
1
.
Observem que f es injectiva.
Proposicio 12.5.1 Siguin E
1
, E
2
espais ans euclidians amb espais vectorials as-
sociats V
1
, V
2
i productes escalars [ )
1
, [ )
2
respectivament. Sigui f : E
1

E
2
una isometria. Llavors laplicacio
f : V
1
V
2
denida per

f(
PQ) =

f(P)f(Q) està ben denida, es lineal i
f(u
1
) [

f(u
2
))
2
= u
1
[ u
2
)
1
u
1
, u
2
V
1
.
A mes, si g : V
1
V
2
es una aplicacio lineal que conserva el producte escalar,
P
1
E
1
i P
2
E
2
llavors laplicacio
g : E
1
E
2
P
1
+u
1
P
2
+g(u
1
)
es una isometria i

g = g.
216
`
Demostraci o. Fixem P
0
E
1
. Denim

f
0
(
P
0
Q) =

f(P
0
)f(Q). Llavors

f
0
:
V
1
V
2
està ben denida. Siguin u
1
=

P
0
Q
1
, u
2
=

P
0
Q
2
vectors de V
1
. Llavors
u
2
u
1
=

Q
1
Q
2
. Per tant
d(Q
1
, Q
2
)
2
= u
2
u
1
[ u
2
u
1
)
1
= u
2
[ u
2
)
1
+u
1
[ u
1
)
1
2u
1
[ u
2
)
1
= d(P
0
, Q
2
)
2
+d(P
0
, Q
1
)
2
2u [ v)
1
Anàlogament,
d(f(Q
1
), f(Q
2
))
2
= d(f(P
0
), f(Q
2
))
2
+d(f(P
0
), f(Q
1
))
2
2
f(P
0
)f(Q
1
) [

f(P
0
)f(Q
2
))
2
= d(f(P
0
), f(Q
2
))
2
+d(f(P
0
), f(Q
1
))
2
2
f
0
(u
1
) [

f
0
(u
2
))
2
.
Com que f es una isometria, tenim que
f
0
(u
1
) [

f
0
(u
2
))
2
= u
1
[ u
2
)
1
u
1
, u
2
V
1
.
Veiem que

f
0
es lineal. Siguin , R.
f
0
(u
1
+u
2
)
f
0
(u
1
)

f
0
(u
2
) [

f
0
(u
1
+u
2
)
f
0
(u
1
)

f
0
(u
2
))
2
=
=
f
0
(u
1
+u
2
) [

f
0
(u
1
+u
2
))
2
+
2
f
0
(u
1
) [

f
0
(u
1
))
2
+
+
2
f
0
(u
2
) [

f
0
(u
2
))
2
2
f
0
(u
1
+u
2
) [

f
0
(u
1
))
2
f
0
(u
1
+u
2
) [

f
0
(u
2
))
2
+ 2
f
0
(u
1
) [

f
0
(u
2
))
2
=
= u
1
+u
2
[ u
1
+u
2
)
1
+
2
u
1
[ u
1
)
1
+
+
2
u
2
[ u
2
)
1
2u
1
+u
2
[ u
1
)
1
2u
1
+u
2
[ u
2
)
1
+ 2u
1
[ u
2
)
1
=
=
2
u
1
[ u
1
)
1
+
2
u
2
[ u
2
)
1
+ 2u
1
[ u
1
)
1
+
2
u
1
[ u
1
)
1
+
+
2
u
2
[ u
2
)
1
2
2
u
1
[ u
1
)
1
2u
1
[ u
2
)
1
2u
1
[ u
2
)
1
2
2
u
2
[ u
2
)
1
+ 2u
1
[ u
2
)
1
= 0.
Per tant
f
0
(u
1
+u
2
) =
f
0
(u
1
) +

f
0
(u
2
).
Aix

f
0
es lineal.
Ara siguin P, Q, Q
t
E
1
tals que

P
0
Q =

PQ
t
. Tenim que
f(P)f(Q
t
) =

f(P
0
)f(Q
t
)
f(P
0
)f(P) =

f
0
(
P
0
Q
t
)

f
0
(
P
0
P)
=

f
0
(
P
0
Q
t

P
0
P) =

f
0
(
PQ
t
) =

f(P
0
)f(Q).
Per tant

f està ben denida i

f =

f
0
, i per tant

f es lineal.
La segona part de la proposicio te una demostracio fàcil que es deixa al lector
com a exercici.
Laplicacio

f de la proposicio es diu aplicacio lineal associada a f.
Exercici. Demostreu que una isometria envia varietats lineals a varietats lineals,
conserva el paral
.
lelisme i envia varietats ortogonals a varietats ortogonals.
Sigui E un espai af euclidià de dimensio nita. Un desplacament o moviment
en E es una isometria de E en ell mateix.
Observacio 12.5.2 Considerem lespai af euclidià (estàndard) R
n
. Sigui
f : R
n
R
n
un desplacament. Sigui u
0
= f(0). Si

f : R
n
R
n
es laplicacio lineal associada a
f tenim
f(u) = u
0
+

f(u) u R
n
.
Si B
0
= (e
1
, . . . , e
n
) es la base canònica de R
n
, com que

f conserva el producte
escalar i B
0
es ortonormal, tenim que

f(B
0
) es una base ortonormal de R
n
i
M(

f, B
0
, B
0
) = M(

f(B
0
), B
0
)
es una matriu de canvi de base entre dues bases ortonormals. Llavors, per la formula
del canvi de base per a formes bilineals, tenim que
M( [ ),

f(B
0
)) = M(

f(B
0
), B
0
)
t
M( [ ), B
0
)M(

f(B
0
), B
0
),
i com que f(B
0
) i B
0
son ortonormals, tenim que
M( [ ),

f(B
0
)) = M( [ ), B
0
) = I
n
,
i per tant
I
n
= M(

f(B
0
), B
0
)
t
M(

f(B
0
), B
0
),
es a dir,
M(

f(B
0
), B
0
)
1
= M(

f(B
0
), B
0
)
t
.
Les matrius invertibles tals que la seva inversa es la seva transposada es diuen
ortogonals. O sigui que la matriu de laplicacio lineal associada a un desplacament
de R
n
respecte de B
0
(o de qualsevol altra base ortonormal) es una matriu ortogonal.
Els endomorsmes de R
n
que envien bases ortonormals a bases ortonormals es diuen
transformacions ortogonals de R
n
. 3
218
`
Exemples 12.5.3
(1) Les matrius de la forma
_
_
_
1 0 0
0 cos sin
0 sin cos
_
_
_
o
_
_
_
1 0 0
0 cos sin
0 sin cos
_
_
_
,
on R, son ortogonals.
(2) La simetria axial respecte de la recta (1, 0, 0)) de R
3
es el desplacament
f : R
3
R
3
(x, y, z) (x, y, z)
(3) La simetria especular respecte del pla (1, 0, 0), (0, 1, 0)) de R
3
es el desplacament
f : R
3
R
3
(x, y, z) (x, y, z)
(4) La simetria central respecte del punt (0, 0, 0) de R
3
es el desplacament
f : R
3
R
3
(x, y, z) (x, y, z)
(5) La translacio de R
3
de vector (a, b, c) es el desplacament
f : R
3
R
3
(x, y, z) (x +a, y +b, z +c)
(6) La rotacio amb eix (1, 0, 0)) i angle de R
3
es el desplacament
f : R
3
R
3
(x, y, z) (x, y cos z sin, y sin +z cos )
(7) La composicio de desplacaments es un desplacament. 3
12.6 Exercicis
Exercici 1 Discutiu en funcio del valor dels paràmetres la posicio relativa de les
dues rectes seg uents:
2x +ay +z = 1
2x 2y z = 0
_
bx + 2y 4z = 2
4x + 2y + 7z = 1
_
Exercici 2 Trobeu les equacions paramètriques i cartesianes de les varietats lineals
de R
4
seg uents.
(a) La generada pels punts (1, 1, 2, 2), (3, 2, 2, 1), (0, 1, 3, 2) i (1, 1, 1, 0).
(b) Lhiperplà que passa per (2, 1, 0, 0) i es paral
.
lel a x y z t = 0.
(c) El pla que conte la recta x = y = z = 1 i es paral
.
lel a la recta x y z =
1, x t = 1, y t = 2.
Exercici 3 Sigui : R
3
R
3
laplicacio lineal denida per (x, y, z) = (x + 2y +
z, yz, x+9z).

Es bijectiva? Calculeu la imatge i la antiimatge de la recta (x, y, z) =
(0, 2, 1) +a(1, 1, 0), i del pla 2x +y z = 1.
Exercici 4 Calculeu les altures del tetràedre de R
4
que te per vèrtexs els punts
(2, 0, 1, 1), (1, 0, 3,
1
2
), (0, 0, 1, 1), i (1, 1, 0, 1).
Exercici 5 Sigui V el pla de R
4
denit per les equacions xzt = 1, xyz = 1.
Calculeu la distància del punt (3, 1, 2, 0) a V i la distància entre V i la recta
denida per les equacions x = y = 1, t = 0.
220
`
Captol 13
Tensors
En aquest captol, introdum el concepte de tensor, que es el concepte bàsic de
l
`
Algebra multilineal. Els tensors apareixem de forma natural com a models de
conceptes de la fsica, per exemple, el tensor dinèrcia, i tambe en lestudi de la
Geometria Diferencial, que es el llenguatge matemàtic per la Teoria de la Relativitat
General.
En tot el captol, K es un cos i V es un K-espai vectorial de dimensio nita
n > 0.
Notacio: Si en un signe de sumatori no es fa referència a cap ndex i dins del suma-
tori surt un ndex repetit, un cop com a subndex i un altre cop com a superndex,
llavors la suma sha de fer per a tots els valors possibles daquest ndex. Per exemple,
el sumatori
a
i
b
i
signica el mateix que
i
a
i
b
i
, es a dir, la suma dels termes a
i
b
i
per a tots els possibles valors de i. El sumatori
a
i
b
i
c
j
d
j
signica
j
a
i
b
i
c
j
d
j
.
La delta de Kronecker
ij
=
_
1 si i = j
0 si i ,= j
tambe es denotarà per
j
i
o per
ij
.
Laccent posat sobre un smbol en una formula signicarà que aquest smbol
no apareix a la formula. Per exemple
v
1
+. . . + v
i
+. . . +v
n
= v
1
+. . . +v
i1
+v
i+1
+. . . +v
n
.
En aquest captol, si B = (v
1
, . . . , v
n
) es una base de V , denotarem la seva base
dual per
B
= (v
1
, . . . , v
n
).
221
222
`
13.1 Denicions i propietats
Siguin r i s enters no negatius. Un tensor r vegades covariant i s vegades contrava-
riant sobre V es una aplicacio multilineal
t : V
r)
V V

s)
V
K,
es a dir, per a tot u
1
, . . . , u
i
, . . . , u
r
, v
i
V , tot
1
, . . . ,
j
, . . . ,
s
,
t
j
V
, i tot
K es compleix:
(1) t(u
1
, . . . , u
i
+v
i
, . . . , u
r
,
1
, . . . ,
s
) = t(u
1
, . . . , u
i
, . . . , u
r
,
1
, . . . ,
s
)
+t(u
1
, . . . , v
i
, . . . , u
r
,
1
, . . . ,
s
),
(2) t(u
1
, . . . , u
r
,
1
, . . . ,
j
+
t
j
, . . . ,
s
) = t(u
1
, . . . , u
r
,
1
, . . . ,
j
, . . . ,
s
)
+t(u
1
, . . . , u
r
,
1
, . . . ,
t
j
, . . . ,
s
),
(3) t(u
1
, . . . , u
i
, . . . , u
r
,
1
, . . . ,
s
) = t(u
1
, . . . , u
i
, . . . , u
r
,
1
, . . . ,
s
),
(4) t(u
1
, . . . , u
r
,
1
, . . . ,
j
, . . . ,
s
) = t(u
1
, . . . , u
r
,
1
, . . . ,
j
, . . . ,
s
).
Denotem per T
s
r
(V ) el conjunt de tots els tensors r vegades covariants i s vegades
contravariants sobre V .
T
s
r
(V ) amb la suma daplicacions i el producte per escalars es un K-espai vec-
torial.
Per conveni, T
0
0
(V ) = K.
Exemples 13.1.1
(1) T
0
1
(V ) = V
.
(2) T
1
0
(V ) = V
= V , per la identicacio que hi ha entre un espai vectorial de

dimensio nita i el seu bidual.
(3) T
0
2
(V ) = Bil(V ) es lespai vectorial de les formes bilineals sobre V .
(4) Si V = M
n1
(K) llavors det T
0
n
(V ). 3
Teorema 13.1.2
dimT
s
r
(V ) = n
r+s
.
Demostraci o. Sigui B = (v
1
, . . . , v
n
) una base de V . Denim
i
1
,...,i
r
j
1
,...,j
s
T
s
r
(V )
per
i
1
,...,i
r
j
1
,...,j
s
(u
1
, . . . , u
r
,
1
, . . . ,
s
) =
r
k=1
v
i
k
(u
k
)
s
l=1
l
(v
j
l
)
13. Tensors 223
per a tot u
1
, . . . , u
r
V i tot
1
, . . . ,
s
V
.
Sigui t T
s
r
(V ). Siguin u
1
, . . . , u
r
V i
1
, . . . ,
s
V
. Llavors
u
l
=
i
l
l
v
i
l
i
k
=
k
j
k
v
j
k
.
Ara t(u
1
, . . . , u
r
,
1
, . . . ,
s
) =
= t
_
i
1
1
v
i
1
, . . . ,
i
r
r
v
i
r
,
1
j
1
v
j
1
, . . . ,
s
j
s
v
j
s
_
=
i
1
1
. . .
i
r
r

1
j
1
. . .
s
j
s
t(v
i
1
, . . . , v
i
r
, v
j
1
, . . . , v
j
s
).
Com que
i
1
,...,i
r
j
1
,...,j
s
(u
1
, . . . , u
r
,
1
, . . . ,
s
) =
i
1
1
. . .
i
r
r

1
j
1
. . .
s
j
s
,
tenim que
t =
t(v
i
1
, . . . , v
i
r
, v
j
1
, . . . , v
j
s
)
i
1
,...,i
r
j
1
,...,j
s
.
Ara es veu fàcilment que
i
1
,...,i
r
j
1
,...,j
s
i
1
,...,i
r
,j
1
,...,j
s
1,2,...,n
es una base de T
s
r
(V ).
Per tant dimT
s
r
(V ) = n
r+s
.
Els escalars t(v
i
1
, . . . , v
i
r
, v
j
1
, . . . , v
j
s
) que apareixen en aquesta demostracio es
diu que son els components del tensor t respecte de la base (v
1
, . . . , v
n
).
Siguin t T
s
r
(V ) i t
t
T
s
(V ). Denim el producte tensorial daquests tensors

com el tensor
t t
t
T
s+s
r+r
(V ),
tal que
t t
t
(u
1
, . . . , u
r
, u
t
1
, . . . , u
t
r
,
1
, . . . ,
s
,
t
1
, . . . ,
t
s
) =
= t(u
1
, . . . , u
r
,
1
, . . . ,
s
) t
t
(u
t
1
, . . . , u
t
r
,
t
1
, . . . ,
t
s
).
La demostracio de la Proposicio seg uent es un exercici fàcil que es deixa al lector.
Proposicio 13.1.3 Siguin t
1
, t
2
T
s
r
(V ), t
t
1
, t
t
2
T
s
(V ) i t
tt
T
s
(V ). Llavors
(i) (t
1
t
t
1
) t
tt
= t
1
(t
t
1
t
tt
).
(ii) (t
1
+t
2
) t
t
1
= t
1
t
t
1
+t
2
t
t
1
.
(iii) t
1
(t
t
1
+t
t
2
) = t
1
t
t
1
+t
1
t
t
2
.
224
`
O sigui que el producte tensorial es associatiu i distributiu respecte de la suma.
En canvi, el producte tensorial no es commutatiu. Per exemple, considerem R
2
,
i siguin
1
,
2
(R
2
)
denides per
1
(x, y) = x i
2
(x, y) = x + y, per a tot
x, y R; llavors
1

2
((x, y), (z, t)) = x(z +t) i
2

1
((x, y), (z, t)) = (x +y)z,
en particular,
1

2
((1, 1), (0, 1)) = 1 ,= 0 =
2

1
((1, 1), (0, 1)),
cosa que demostra que
1

2
,=
2

1
.
Observem que si B = (v
1
, . . . , v
n
) es una base de V i t T
s
r
(V ) llavors els
components de t en la base B son els escalars t(v
i
1
, . . . , v
i
r
, v
j
1
, . . . , v
j
s
) i es compleix
que
t =
t(v
i
1
, . . . , v
i
r
, v
j
1
, . . . , v
j
s
)v
i
1
. . . v
i
r
v
j
1
. . . v
j
s
.
13.2 Canvi de base
En aquesta seccio estudiarem com canvien els components dun tensor en canviar
de base.
Siguin B
1
= (u
1
, . . . , u
n
), B
2
= (v
1
, . . . , v
n
) bases de V i B
1
= (u
1
, . . . , u
n
),
B
2
= (v
1
, . . . , v
n
) les seves bases duals. Sigui t T
s
r
(V ). Siguin
j
1
,...,j
s
i
1
,...,i
r
i
k
1
,...,k
s
l
1
,...,l
r
els components de t respecte B
1
i B
2
respectivament, es a dir
t =
j
1
,...,j
s
i
1
,...,i
r
u
i
1
u
i
r
u
j
1
u
j
s
i
t =
k
1
,...,k
s
l
1
,...,l
r
v
l
1
v
l
r
v
k
1
v
k
s
.
Sigui
M(B
2
, B
1
) =
_
_
_
_
1
1
. . .
1
n
.
.
.
.
.
.
n
1
. . .
n
n
_
_
_
_
.
Pel Corol
.
lari 10.1.5, tenim que
M(B
2
, B
1
)
t
= M(B
1
, B
2
).
Sigui
M(B
1
, B
2
) =
_
_
_
_
1
1
. . .
1
n
.
.
.
.
.
.
n
1
. . .
n
n
_
_
_
_
.
13. Tensors 225
Llavors
M(B
2
, B
1
) =
_
_
_
_
1
1
. . .
n
1
.
.
.
.
.
.
1
n
. . .
n
n
_
_
_
_
.
Ara tenim
k
1
,...,k
s
l
1
,...,l
r
= t(v
l
1
, . . . , v
l
r
, v
k
1
, . . . , v
k
s
)
= t(
i
1
l
1
u
i
1
, . . . ,
i
r
l
r
u
i
r
,
k
1
j
1
u
j
1
, . . . ,
k
s
j
s
u
j
s
)
=
i
1
,...,i
r
,j
1
,...,j
s

i
1
l
1
. . .
i
r
l
r
k
1
j
1
. . .
k
s
j
s
t(u
i
1
, . . . , u
i
r
, u
j
1
, . . . , u
j
s
)
=
i
1
,...,i
r
,j
1
,...,j
s

i
1
l
1
. . .
i
r
l
r
k
1
j
1
. . .
k
s
j
s

j
1
,...,j
s
i
1
,...,i
r
.
Exemples 13.2.1
(1) Si t T
1
0
(V ) = V
t =
j
u
j
=
k
v
k
i
k
=
j

k
j
j
.
En forma matricial:
C(t, B
2
) = M(B
1
, B
2
)C(t, B
1
).
Aqu els components del tensor t son les coordenades del vector t.
(2) Si t T
0
1
(V ) = V
t =
i
u
i
=
l
v
l
i
l
=
i
l
i
.
En forma matricial:
C(t, B
2
) = M(B
1
, B
2
)C(t, B
1
).
Igual que a lexemple anterior els components del tensor t son les coordenades de la
forma t.
(3) Si t T
0
2
(V )
t =
ij
u
i
u
j
=
lk
v
l
v
k
.
Si u, v V llavors
u =
i
u
i
, v =
j
u
j
i t(u, v) =
i,j

ij
j
.
En forma matricial
t(u, v) = M(u, B
1
)
t
M(t, B
1
)M(v, B
1
),
on M(t, B
1
) es la matriu de la forma bilineal t respecte de B
1
.
A mes tenim que
lk
=
i,j
i
l
j
k
ij
,
226
`
que en forma matricial es
M(t, B
2
) = M(B
2
, B
1
)
t
M(t, B
1
)M(B
2
, B
1
). 3
13.3 Contraccions tensorials
Sigui B = (u
1
, . . . , u
n
) una base de V . Sigui t T
s
r
(V ) i siguin 1 r i
1 s. Sabem que
t =
j
1
,...,j
s
i
1
,...,i
r
u
i
1
. . . u
i
r
u
j
1
. . . u
j
s
,
on
j
1
,...,j
s
i
1
,...,i
r
= t(u
i
1
, . . . , u
i
r
, u
j
1
, . . . , u
j
s
).
La contraccio dels ndexs (, ) del tensor t es el tensor
c
(t) =
j
1
,...,j
s
i
1
,...,i
r
u
i
1
u
i
u
i
r
u
j
1
u
j
u
j
s
.
Teorema 13.3.1 La denicio de c
(t) no depèn de la base B.

Demostraci o. Sigui B
t
= (v
1
, . . . , v
n
) una altra base de V . Llavors
v
j
=
i
j
u
i
, v
j
=
j
i
u
i
,
u
i
=
j
i
v
j
, u
i
=
i
j
v
j
,
t =
j
1
,...,j
s
i
1
,...,i
r
u
i
1
. . . u
i
r
u
j
1
. . . u
j
s
=
k
1
,...,k
s
l
1
,...,l
r
v
l
1
. . . v
l
r
v
k
1
. . . v
k
s
i sabem que
k
1
,...,k
s
l
1
,...,l
r
=
i
1
,...,i
r
,j
1
,...,j
s

i
1
l
1
. . .
i
r
l
r
k
1
j
1
. . .
k
s
j
s

j
1
,...,j
s
i
1
,...,i
r
.
Hem de veure que
j
1
,...,j
s
i
1
,...,i
r
u
i
1
u
i
u
i
r
u
j
1

j
u
j
s
=
=

k
1
,...,k
s
l
1
,...,l
r
v
l
1
v
l
v
l
r
v
k
1
v
k
v
k
s
.
Ara
k
1
,...,k
s
l
1
,...,l
r
v
l
1
v
l
v
l
r
v
k
1
v
k
v
k
s
=
=

i
1
l
1

i
r
l
r
k
1
j
1

k
s
j
s

j
1
,...,j
s
i
1
,...,i
r
_
v
l
1
v
l
v
l
r
v
k
1
v
k
v
k
s
=

j
1
,...,j
s
i
1
,...,i
r
(
i
1
l
1
v
l
1
) v
l
(
i
r
l
r
v
l
r
)
(
k
1
j
1
v
k
1
) v
k
(
k
s
j
s
v
k
s
)
=

j
1
,...,j
s
i
1
,...,i
r
u
i
1
u
i
u
i
r
u
j
1
u
j
u
j
s
=

j
1
,...,j
s
i
1
,...,i
r
u
i
1
u
i
u
i
r
u
j
1
u
j
u
j
s
,
13. Tensors 227
ja que
l

l
j
=
i
i aquesta igualtat ultima es deguda a que:

_
_
_
_
1
1

1
n
.
.
.
.
.
.
n
1

n
n
_
_
_
_
_
_
_
_
1
1

1
n
.
.
.
.
.
.
n
1

n
n
_
_
_
_
=
_
_
_
_
1 0
.
.
.
0 1
_
_
_
_
.
Exemple 13.3.2 Siguin una forma bilineal sobre V i B = (u
1
, . . . , u
n
) una base
de V . Sigui v =
n
i=1
i
u
i
V . Denim
(v, ) : V K
u (v, u)
Observem que (v, ) es una forma lineal sobre V . Sabem que T
0
2
(V ). Per
tant
=
ij
u
i
u
j
on
ij
= (u
i
, u
j
). Ara
(v, u
k
) =
i,j
ij
u
i
(v)u
j
(u
k
) =
ik
i
.
Per tant (v, ) =
i,j
ij
i
u
j
.
Ara observem que
c
1
1
(v ) = c
1
1
_
i
1
j
1
,j
2
u
j
1
u
j
2
u
i
1
_
=
=
i
1
j
1
i
1
j
1
,j
2
u
j
2
=
i
1
i
1
,j
2
u
j
2
= (v, ).
O sigui que la forma lineal (v, ) es una contraccio de v . Tambe es diu que es
una contraccio del vector v i la forma bilineal . 3
13.4 Exercicis
Exercici 1 Sigui E un R-espai vectorial i sigui : EE R un producte escalar,
es a dir un tensor covariant dordre 2 simètric i denit positiu. Siguin v i w E
tals que [v[ = [w[. Demostreu que v + w i v w sn ortogonals. Com sinterpreta
això geomètricament?
Exercici 2 Sigui E
2
= a
0
+a
1
t [ a
0
, a
1
R (polinomis reals de grau com a molt
1). Denim:
T
2
: E
2
E
2
R
(p(t), q(t)) T
2
(p(t), q(t)) =
_
2
1
p(s)q(s)ds
228
`
(a) Demostreu que T
2
es un tensor euclidià sobre E
2
.
(b) Ortonormalitzeu la base (1, t) de E
2
.
(c) Calculeu els components de T
2
respecte de la base (1, t).
Exercici 3 Sigui V = R
2
. Denim t : V V V
R per t(v
1
, v
2
,
1
,
2
) =
1
(v
1
)
2
(v
2
).
(a) Demostreu que t es un tensor dues vegades covariant i dues vegades contrava-
riant.
(b) Vegeu que t = t
1
t
1
on t
1
es el tensor una vegada covariant i una vegada
contravariant donat per t
1
(v, ) = (v).
(c) Trobeu els components de t respecte duna base qualsevol de V .
(d) Calculeu les contraccions C
(t) per a qualsevol parell dndexs i .
Index alfabètic
Adjunt, 149
Algorisme dEuclides, 62
Anell, 41
amb unitat, 41
commutatiu, 41
de matrius, 45
de polinomis, 47
zero, 42
Angle, 200
Antiimatge, 15
Aplicacio, 12
bijectiva, 13
dual, 175
exhaustiva, 13
injectiva, 13
inversa, 16
lineal, 123
Argument dun nombre complex, 53
Arrel dun polinomi, 48
Automorsme, 30, 124
Base, 86
canònica, 87
dual, 173
ortogonal, 191
ortonormal, 200
Cicle, 34
Classe dequivalència, 11
Coecient dominant, 46
Combinacio lineal, 82
Complement dun subespai vectorial, 91
Complementari dun conjunt, 9
Composicio daplicacions, 15
Conjugat dun nombre complex, 51
Conjunt, 7
buit, 8
darribada, 13
de generadors, 83
de les parts, 8
de sortida, 13
dels nombres complexos, 50
dels nombres enters, 8
dels nombres naturals, 8, 16
dels nombres racionals, 8
dels nombres reals, 8
ordenat, 11
totalment ordenat, 11
Contraccio, 226
Coordenades, 132
polars, 53
Cos, 49
Desenvolupament del determinant
per una columna, 151
per una la, 151
Desigualtat
de Cauchy-Schwartz, 199
triangular, 199, 213
Desplacament, 217
Determinant, 144
de Vandermonde, 157
Diferència de conjunts, 9
229
230
`
Dimensio, 89
Distància, 212
Divisio entera, 60
Divisor de zero, 49
Domini
dintegritat, 49
duna aplicacio, 13
Eixos de coordenades, 210
Element, 7
invers, 26
invertible, 49
neutre, 25
oposat, 26
simètric, 25
unitat, 26
zero, 26
Endomorsme, 30, 124
adjunt, 203
diagonalitzable, 161
Epimorsme, 30, 124
Escalar, 77
Espai af euclidià, 208
Espai bidual, 178
Espai de Minkowski, 202
Espai dual, 173
Espai vectorial, 77
euclidià, 208
nitament generat, 83
Forma bilineal, 185
denida negativa, 194
denida positiva, 194
simètrica, 185
Forma hermtica, 186
Forma lineal, 173
Funcio polinòmica, 48
Formula
de Grassmann, 93
del canvi de base per a formes bili-
neals, 189
del canvi de base, 138
del canvi de coordenades, 211
Grau dun polinomi, 46
Grup, 25
abelià, 25
de les unitats dun anell, 49
lineal general, 126
simètric, 27, 28
Gràca duna aplicacio, 13
Hiperplà, 209
Homomorsme, 30
Imatge dun subconjunt, 14
Imatge duna aplicacio, 15
Interseccio, 9
Isometria, 215
Isomorsme, 30 124
Llei dinèrcia, 193
Matriu, 43
adjunta, 149
ampliada del sistema, 116
antisimètrica, 100
duna aplicacio lineal, 133
duna forma bilineal, 187
del canvi de base, 137
del canvi de coordenades, 136
del sistema, 116
diagonalitzable, 161
elemental, 102
esglaonada, 106
identitat, 45
ortogonal, 158, 217
quadrada, 43
Index alfabètic 231

quasi-inversa, 122
simètrica, 81, 100
Menor duna matriu, 149
Monomorsme, 30, 124
Morsme de grups, 30
Multiplicitat, 71
Mòdul dun nombre complex, 53
Norma, 199
Nucli, 31
Operacio, 25
associativa, 25
commutativa, 25
Ordre duna permutacio, 33
Origen de coordenades, 210
Paradoxa de Bertrand Russell, 7
Permutacio, 28
Pla, 209
hiperbòlic, 201
Polinomi, 46
caracterstic, 164
irreductible, 67
mònic, 67
Principi dinduccio, 16
completa, 17
Producte
cartesià, 10
de matrius, 43
de nombres complexos, 50
de polinomis, 47
escalar, 194
escalar estàndard, 185
tensorial, 223
Projeccio ortogonal, 214
Punt, 209
Radical, 196
Rang duna matriu, 113
Recta, 209
Relacio
antisimètrica, 10
binària, 10
dequivalència, 11
dordre, 11
dordre total, 11
reexiva, 10
simètrica, 10
transitiva, 10
Relativitat especial, 26
Signatura, 37
Signe, 37
Sistema de coordenades, 210
Sistema dequacions lineals, 116
Sistema homogeni dequacions lineals, 116
Subanell, 42
Subconjunt, 8
Subespai incident, 180
Subespai propi, 162
Subespai vectorial, 81
Subespai ortogonal, 213
Subgrup, 29
Successio de Fibonacci, 18, 99
Suma
de matrius, 43
de nombres complexos, 50
de polinomis, 47
de subespais vectorials, 91
directa, 91
Tensor, 222
covariant, 222
contravariant, 222
Teorema de Pitàgores, 213
Teorema de Sylvester, 193
232
`
Transformacio elemental, 101
Transformacio ortogonal, 217
Transposicio, 34
de matrius, 46
Unio, 9
Valor propi, 161
Varietat lineal, 208
direccio, 208
ortogonals, 214
paral
.
leles, 209
Vector, 77
isòtrop, 191
propi, 162
Vectors
linealment dependents, 84
linealment independents, 84
ortogonals, 191
Zero duna funcio polinòmica, 48

Apunts

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Apunts

Uploaded by

Copyright:

Available Formats

`

Algebra lineal i geometria per a fsics

Index alfab`etic 229

Es f`acil veure que es una relacio dequival`encia.

Es f`acil comprovar que es una relacio dequival`encia. El conjunt de classes dequi-

(a). Per tant

2). Per tant Q(

2) es un subgrup de (R, +), i per la

2) es un cos, nomes cal veure que tot element diferent de zero

2 es un element diferent de zero de

2), llavors el seu invers es

, pensada com una aplicacio de R

(a, b) = (a cos b sin, a sin +b cos ).

2x+1 son dos factors irreductibles de x

0. Per tant (1) u = u.

0 per qualsevol K. De fet,

tal que, si ordenem el conjunt B

Es f`acil comprovar que la interseccio de subespais vectorials dun K-espai vec-

2). Proveu que v F i expresseu-lo com a combi-

Es f`acil comprovar que

= L(V, K), el K-espai vectorial de totes les aplicacions

es diu forma lineal sobre V .

es diu base dual de B.

respecte la base dual B

)(), i aix obtenim que (f +g)

)(), i aix obtenim que (f)

, cosa que demostra

, i aplicar la Proposicio anterior, agafant f = id

). I les formes lineals

) = 0, es una base de Ker (f

= n = dimV . Per tant, V i V

son espais vectorials isomorfs, i tambe tenim que V

son isomorfs, es a dir que

nomes cal agafar una base

i considerar l unic isomorsme

tal que f(u

, tenim que es isomorsme.

, tenim que la base B que busquem es

tal que (1, 1, 2) = (1, 0, 1) = 0. Sabem que (x, y, z) =

[ (x, y, z) = cx +cy +cz amb c R.

. Expresseu w(x, y, z) = x en coordenades respecte

denida per w(x

. Doneu la base de V respecte de

Es f`acil comprovar que la base B satisf`a les propietats que volem.

no depenen de la base B. Sigui B

es un invariat de la forma bilineal i, per tant, tambe ho es r = n(r

son enters no negatius tals que r

Es f`acil comprovar que f es lineal. Sigui u Ker (f). Com que B

, la forma bilineal es denida negativa. Per la denicio de

(tot i que sempre han de

, respectivament). En canvi el subespai

= 1. En la base que hem trobat, V

= (1, 1)). Anem a veure que hi han altres possibilitats per a V

Es a dir, g ha de ser l unic endomorsme de V que en la base B te per matriu

el conjunt dels vectors que son ortogonals a tots els de W, es a dir

es un subespai vectorial de V , i es diu subespai

llavors v [ v) = 0, i per tant v = 0.

= V , per la identicacio que hi ha entre un espai vectorial de

(V ). Denim el producte tensorial daquests tensors

(t) no dep`en de la base B.

i aquesta igualtat ultima es deguda a que:

(t) per a qualsevol parell dndexs i .

Index alfab`etic 231