Professional Documents
Culture Documents
Curs Algebra Lineal PDF
Curs Algebra Lineal PDF
Curs dAlgebra
Lineal
Introduccio
Aquest llibre recull lexperi`encia docent dels autors durant els darrers anys com a professors d`algebra
lineal a lEscola T`ecnica Superior dEnginyeries Industrial i Aeron`autica de Terrassa.
El nou pla destudis daquest centre, implantat a partir del curs 9394, ha redut considerablement
el nombre dhores de classe destinades a aquesta assignatura. Aix`o ha exigit, mes que retallar el
programa, exposarlo duna forma diferent que pot provocar distorsions en ladquisicio dh`abits
cientfics indispensables per a un t`ecnic.
Aix doncs, hem cregut convenient proporcionar a lalumne un text ajustat al programa oficial.
Pensem que lajudar`a a assimilar els conceptes i resultats i ens permetr`a dedicar les classes mes a
la discussio didees que no pas a la pura transcripcio dapunts.
Hem volgut posar de manifest els aspectes formatius de l`algebra lineal i la utilitat de les seves
aplicacions pr`actiques. El temari inclou, duna banda, els fonaments: sistemes dequacions lineals,
c`alcul matricial, determinants, espais vectorials i transformacions lineals. De laltra, aplicacions
de caire geom`etric: producte escalar i nocions derivades, teoria de la diagonalitzacio, tensors i
lestudi analtic de les figures de primer i segon grau en el pla i a lespai tridimensional.
Fem constar que no hem incl`os exercicis. Les refer`encies [1] i [2] contenen colleccions de problemes, resolts i proposats respectivament, ajustades al nostre temari. En canvi, ens ha semblat
oportu afegir, al final, un diccionari amb tots els termes definits en el llibre per facilitarne la
localitzacio.
Assumim la responsabilitat exclusiva dels errors que, malgrat les revisions successives, romanen
encara en el text. Dit aix`o, agram els comentaris constructius de diversos companys de la Seccio
de Terrassa del Departament de Matem`atica Aplicada II.
Esperem que aquesta obra sigui u til als estudiants. Que els estalvi el temps i lesforc necessaris
per cercar cada tema en una bibliografia heterog`enia quant a nomenclatura, notacio, contingut i
punts de vista. I que, despres daquesta primera funcio, es converteixi en un llibre de prestatge,
es a dir, sempre a m`a, per trobar amb facilitat aquella idea o aquell procediment que, ai las!, tan
sovint sescapen de la mem`oria.
Setembre de 1997
Index
Introduccio
Index
Determinants
19
Espais vectorials
3.1 Lespai vectorial num`eric R
33
n
. . . . . . . . . . . . . . . . . . . . . . . . . . . 33
R. Amer i F. Carreras
Lestructura euclidiana de Rn
Index
51
Transformacions lineals
67
Diagonalitzacio de matrius
81
105
Geometria lineal
121
139
R. Amer i F. Carreras
163
B Polinomis
167
Bibliografia
173
Index
alfab`etic
175
R. Amer i F. Carreras
Bibliografia
R. Amer i F. Carreras
1
Sistemes dequacions i matrius
Les questions plantejades per l`algebra lineal i les seves aplicacions es formulen sovint en llenguatge matricial; sovint, tambe, condueixen a lestudi de sistemes dequacions lineals. La primera seccio daquest captol recull les definicions b`asiques sobre sistemes i una de les t`ecniques
principals per resoldrels: el m`etode de Gauss, automatitzat per la regla del pivot, amb la variant
anomenada m`etode de Gauss-Jordan (laltre procediment habitual, basat en el c`alcul de determinants, sexposa en el captol 2). La segona seccio es dedica a les nocions fonamentals sobre
matrius i c`alcul matricial.
a x + a x + + a x
= b
21 1
22 2
2n n
..................................
10
R. Amer i F. Carreras
de cada coeficient indica lequacio on apareix, i el segon la inc`ognita a la que multiplica, mentre
que el subndex de cada terme independent es refereix a lequacio. El sistema anterior e s un
sistema amb m equacions i n inc`ognites o, simplement, un sistema m n.
Un sistema e s compatible si admet alguna solucio (una o mes), i e s incompatible si no nadmet
cap. Un sistema compatible e s determinat si nomes admet una solucio, i e s indeterminat si en te
mes duna (aix`o voldr`a dir que en te infinites). Resoldre un sistema compatible significa, en el
cas determinat, donar el valor u nic de cada inc`ognita; en el cas indeterminat, donar una expressio
explcita de les inc`ognites en funcio de certs par`ametres lliures (que habitualment coincideixen
amb algunes de les mateixes inc`ognites), de manera que assignant valors arbitraris a aquests
par`ametres es trobin totes les solucions.
Dos sistemes amb les mateixes inc`ognites (per`o potser amb diferent nombre dequacions) son
equivalents si admeten les mateixes solucions (que poden ser cap, una o mes duna).
M`etode de Gauss. Tot sistema dequacions lineals es pot transformar, mitjancant operacions
elementals, en un sistema equivalent de forma triangular, e s a dir, tal que el primer coeficient no
nul de cada equacio correspongui a una inc`ognita posterior a la del primer coeficient no nul de
lequacio anterior. El m`etode de Gauss saplica a cegues, sense saber de quin tipus e s el sistema
abans de comencar els c`alculs. En el captol 3, el teorema de Rouche-Frobenius establir`a els
criteris per classificar a priori un sistema. Daltra banda, el nombre dinc`ognites que queden
lliures en resoldre un sistema indeterminat no dep`en de la manera daplicar el m`etode de Gauss
(o un altre procediment): aix`o quedar`a demostrat tambe en el captol 3 i permetr`a anomenar-lo
el nombre de graus de llibertat del sistema. Una sistematitzacio dels c`alculs que comporta el
m`etode de Gauss, forca u til a la pr`actica, sexposa tot seguit.
Proposicio 1.2 (Regla del pivot.) Si ai j 6= 0 e s un coeficient tal que ai h = 0 per a tot h < j, i es
R. Amer i F. Carreras
11
canvien els coeficients i el terme independent duna altra equacio, la k-`essima, prenent
0
ak`
= ai j ak` ak j ai`
per a
` = 1, 2, . . . , n,
bk0 = ai j bk ak j bi ,
resulta un sistema equivalent a loriginal (es diu que ai j ha estat el pivot daquesta transformacio).
Aplicant reiteradament aquesta idea sarriba a un sistema de forma triangular.
D EMOSTRACI O . Nomes cal observar que els canvis proposats equivalen a multiplicar lequacio k-`essima per ai j i restar-li lequacio i-`essima multiplicada per ak j , que els zeros obtinguts
pr`eviament en columnes h < j es conserven i que, ara, el coeficient de la inc`ognita x j a lequacio
k-`essima ja e s tambe zero.
M`etode de Gauss-Jordan. Transformant amb la regla del pivot no nomes les equacions posteriors sino tambe les precedents, tot sistema dequacions lineals es converteix en un sistema equivalent de forma diagonal, e s a dir, on tots els coeficients de les columnes dels pivots (excepte
ells mateixos) siguin zero. Aix`o ens estalvia la progressiva substitucio de les inc`ognites ja determinades en les equacions precedents del sistema triangular.
Exemples 1.3 (a) Considerem el sistema
x + 4y + 3z = 1
2x + 5y + 4z = 4 .
x 2y 2z = 3
Escrivint nomes, com e s habitual, els coeficients i els termes independents en la disposicio files
columnes que mes endavant denominarem matriu, i aplicant repetidament operacions elementals
seguint el m`etode de Gauss, tenim la successio de sistemes equivalents seguent:
1
4
3
2
5
4
1 2 2
1
1
4
3
4 ' 0 3 2
3
0 6 5
1
1 4 3 1
2 ' 0 3 2 2 .
2
0 0 3 6
y = 2 ,
z=2
12
R. Amer i F. Carreras
Si volem aplicar el m`etode de Gauss-Jordan (fent tambe u s de la regla del pivot), la successio de
sistemes, on marquem els pivots que fem servir, e s ara la seguent:
1
4
3 1
1
4
3 1
2
5
4 4 ' 0 3 2 2 '
1 2 2 3
0 6 5 2
3
0 1 11
9
0 0 27
0 3 2
2 ' 0 9 0 18 .
6
0
0 3
6
0
0 3
Aix obtenim 9x = 27, 9y = 18, 3z = 6, don x = 3, y = 2 i z = 2.
(b) Resoldrem ara el sistema
x + y + z = 0
2x + 3y 2z = 0 .
x + 2y 3z = 0
Aplicant novament el m`etode de Gauss tenim
1 1
1 0
1 1
1 0
1 1
1 0
2 3 2 0 ' 0 1 4 0 ' 0 1 4 0 .
0 0
0 0
0 1 4 0
1 2 3 0
De la segona equacio del sistema final surt y = 4z, i substituint a la primera queda x +4z+z = 0,
don x = 5z. Les expressions
x = 5z ,
y = 4z ,
z=z
donen la solucio general del sistema original, en la que la inc`ognita z fa el paper simultani de
par`ametre lliure: donant valors a z obtenim les infinites solucions del sistema.
Fent servir el m`etode de Gauss-Jordan i la regla del pivot com a lexemple anterior, tenim
1 1
1 0
1 0
5 0
1 1
1 0
2 3 2 0 ' 0 1 4 0 ' 0 1 4 0 .
0 0
0 0
1 2 3 0
0 1 4 0
De les equacions x + 5z = 0 i y 4z = 0 resulta novament x = 5z i y = 4z (z = z, par`ametre
lliure).
(c) Estudiem finalment el sistema
x + y + z = 1
x + 2y + z = 3 .
2x + 3y + 2z = 3
R. Amer i F. Carreras
13
1 1 1 1
1 1 1 1
1 1 1 1
1 2 1 3 '0 1 0 2 '0 1 0 2 .
2 3 2 3
0 1 0 1
0 0 0 1
La darrera equacio del sistema final e s 0 = 1, per tant aquest sistema e s incompatible i loriginal tambe.
A=
...................
am1 am2 amn
posant el coeficient ai j a la fila i i la columna j. Es diu que A e s una matriu del tipus m n.
14
R. Amer i F. Carreras
Atenent a la definicio, cal observar que una matriu A del tipus m n i una matriu B del tipus
p q son iguals (escriurem A = B) si, i nomes si, m = p, n = q i ai j = bi j per a tot i i
tot j. El conjunt de totes les matrius del tipus m n amb coeficients reals es representa per
Mmn (R) (i per Mmn (C) el de les de coeficients complexos). Son especialment frequents les
matrius columna (tipus m 1), les matrius fila (tipus 1 n) i les matrius quadrades (tipus n n
o dordre n).
En cada un dels conjunts Mmn (R) es defineixen dues operacions internes: la suma, on S =
A + B e s la matriu donada per si j = ai j + bi j , i el producte per un nombre real, on P = t A e s la
matriu donada per pi j = tai j , amb t R. Les propietats essencials daquestes operacions, totes
f`acils de comprovar, son les seguents:
(a) Associativa de la suma: A + (B + C) = (A + B) + C.
(b) Commutativa de la suma: A + B = B + A.
(c) Neutre de la suma: existeix una matriu 0 tal que A + 0 = A per a tota A.
(d) Oposats per a la suma: per a cada matriu A, existeix una matriu A tal que A +(A) = 0.
(e) Distributiva del producte per a la suma de matrius: t (A + B) = t A + t B.
(f) Distributiva del producte per a la suma de nombres: (t + s)A = t A + s A.
(g) Associativitat dels productes: (ts)A = t (s A).
Es defineix la difer`encia de dues matrius A i B com A B = A+(B). Les propietats daquesta
operacio son les derivades de (a)(g).
La tercera operacio fonamental del c`alcul matricial e s la multiplicacio: si A Mmn (R) i
B Mn p (R), el seu producte e s la matriu P = AB Mm p (R) definida per les formules
pi j =
n
X
aik bk j .
k=1
Fem notar que el nombre de columnes de A ha de coincidir amb el de files de B, que la matriu
resultant AB te tantes files com A i tantes columnes com B i, finalment, que loperacio consisteix
en multiplicar escalarment les files de A per les columnes de B.
Exemples 1.5 (a) Tot sistema dequacions lineals es pot representar matricialment en la forma
1
a11 a12 a1n
b1
x2
a21 a22 a2n
b2
,
=
. . . . . . . . . . . . . . . . . . . ...
15
R. Amer i F. Carreras
(b) Si es defineix per a cada cada n la matriu unitat In com la matriu quadrada nn de coeficients
(
1 si i = j
i j =
0 si i 6= j
e s immediat comprovar que Im A = A = AIn per a tota A Mmn (R): es diu que les matrius
unitat son semineutres laterals per al producte.
(c) Considerem les matrius
1 2
A=
,
2 4
B=
1
1
1 1
i
C=
2 4
1
2
Amb elles podem illustrar dos defectes de la multiplicacio de matrius que cal afegir al fet que
no sempre e s possible multiplicar (de vegades es pot calcular AB per`o no B A). En primer lloc,
AB 6= B A, i aix`o ens diu que no es compleix, en general, la propietat commutativa. Daltra
banda, AC = 0, tot i que A 6= 0 i C 6= 0; per tant, duna relacio del tipus AX = AY no es pot
deduir que X = Y , encara que sigui A 6= 0 i A(X Y ) = 0.
Proposicio 1.6 Quan son factibles els productes que hi intervenen, es compleixen les propietats
seguents:
(a) Associativa: A(BC) = (AB)C.
(b) Distributives: A(B + C) = AB + AC,
(B + C)A = B A + C A.
p X
n
X
k=1 `=1
`=1
ai` b`k ck j =
`=1 k=1
k=1
p
n
X
X
k=1
`=1
!
ai` b`k ck j =
p
X
rik ck j = si j .
k=1
La transposada duna matriu A Mmn (R) e s la matriu At Mnm (R) de coeficients ait j = a ji .
obvi que (At )t = A, i el lector pot demostrar, aplicant la t`ecnica de la proposicio anterior, les
Es
relacions
(A + B)t = At + B t ,
(A)t = At i (AB)t = B t At .
16
R. Amer i F. Carreras
Matrius quadrades
Ens concentrarem ara en el conjunt de les matrius quadrades Mnn (R). En primer lloc, aqu
sempre e s possible fer el producte AB, i el resultat e s intern. La matriu unitat In (que denotarem
per I quan no hi hagi confusio sobre n) e s lelement neutre bilateral del producte: AI =
A = I A per a tota A.
Una matriu quadrada A e s sim`etrica si At = A, i ortogonal si At A = I . Les matrius sim`etriques
i les ortogonals son les mes interessants en les aplicacions, i seran estudiades amb detall mes
endavant.
Una matriu quadrada A e s regular (o invertible) si existeix B tal que AB = I = B A. De fet, si
AB = I = C A tenim que
B = I B = C AB = C I = C ,
per tant, si A e s regular existeix una u nica matriu, escrita A1 i denominada inversa de A, tal
que A A1 = I = A1 A. A partir daix`o e s obvi que A1 e s regular i que (A1 )1 = A. Tambe
e s immediat provar que si A i B son regulars tambe ho e s AB, i (AB)1 = B 1 A1 . A mes,
tota matriu regular A e s simplificable, en el sentit que de la relacio AB = AC (i an`alogament de
B A = C A) es dedueix que B = C, ja que
A1 (AB) = A1 (AC) ,
I B = IC
i per tant B = C.
Exemple 1.7 Una matriu del tipus 2 2
A=
a c
b d
17
R. Amer i F. Carreras
(ad bc)y = b ,
(ad bc)z = c
(ad bc)t = a ,
d c
b
a
1 2 4
A =2 1 4 .
1 1 3
Aplicant el m`etode de Gauss-Jordan a la matriu A | I
1
1 2 4 1 0 0
2 1 4 0 1 0 '0
1 1 3 0 0 1
0
tenim
2
3
1
4
4
1
1 0 0
2 1 0
1 0 1
18
R. Amer i F. Carreras
3
0
0
3
'
0
0
4
4
1
1
2
1
' 0
0
2
0
3 0
0
1
0
0
' 0 3
1 3
0 0 1
0 0 1
2 4
1 0 2
1 4 .
0 1 1 1
3
3 6 12
6 3 12
1 1 3
A1
1
2 4
1 4 .
= 2
1 1
3
1 2 3
A =1 1 2 .
2 3 5
Aplicant el m`etode de Gauss-Jordan a la matriu A | I
1
1 2 3 1 0 0
1 1 2 0 1 0 '0
2 3 5 0 0 1
0
tenim
2
1
1
3
1
1
1 0 0
1 1 0
2 0 1
1
0 1 1 2
0
1
0 ,
' 0 1 1 1
0
0
0
1
1 1
i la manca dun tercer pivot (aparicio duna fila de zeros) ens diu que A no e s regular.
R. Amer i F. Carreras
19
2
Determinants
El concepte de determinant e s un instrument de gran inter`es te`oric i pr`actic per a l`algebra lineal.
Tot i la seva aparent complexitat formal, representa una alternativa als procediments de c`alcul
basats en el m`etode de Gauss, als quals supera sovint en eleg`ancia i profunditat.
Farem servir en aquest captol algunes nocions i resultats sobre permutacions, que hem preferit
recollir en un altre lloc (ap`endix A). Per fer ben ntida la notacio, ser`a convenient escriure com
j
ai el coeficient situat a la fila i i la columna j duna matriu gen`erica A Mnn (R), i posar, quan
sigui necessari especificar les files de A,
A = (A1
A2 An ) .
20
Determinants
R. Amer i F. Carreras
(2, 3, 1) ,
(3, 1, 2),
(2, 1, 3) ,
(1, 3, 2).
Signe +
Signe
21
R. Amer i F. Carreras
(c) Si una matriu A te una fila de zeros, det(A) = 0. En efecte: si la fila i e s tota nulla, el terme
corresponent a cada Pn conte el factor aii = 0, per tant tots els termes son nuls.
j
(d) Si A e s una matriu triangular inferior, e s a dir, si ai = 0 quan i < j, el seu determinant e s
el producte dels elements de la diagonal principal:
det(A) = a11 a22 ann .
En efecte: per tal que el terme corresponent a una Pn no contingui cap dels zeros situats
sobre la diagonal principal, ha de ser 1 = 1, 2 = 2, i aix successivament fins a n = n; en
definitiva, nomes pot ser el terme de = id, i daqu el valor de det(A). En particular, aix`o
j
tambe e s v`alid si A e s una matriu diagonal, e s a dir, si ai = 0 quan i 6= j. Per exemple,
det(In ) = 1 per a tot n.
Teorema 2.2 (a) El determinant e s una funcio multilineal de les files, e s a dir:
(1) Si una fila es descompon en una suma, Ai = Bi + Ci , aleshores
det(A1 Ai An ) = det(A1 Bi An ) + det(A1 Ci An ) .
(2) Si en una fila es treu un factor comu, Ai = t Bi , aleshores
det(A1 Ai An ) = t det(A1 Bi An ) .
(b) El determinant e s una funcio alternada de les files, e s a dir, si dues files son iguals, Ai = A j ,
el determinant e s zero:
det(A1 Ai A j An ) = 0 .
j
( )
=
( )a11 aii a j j ann + ( )a1( )1 ai( )i a j j an( )n
Pn+
i
X h
X
Pn+
i
h
22
Determinants
R. Amer i F. Carreras
Corol.lari 2.3 (a) Si permutem dues files duna matriu A, el determinant canvia de signe:
det(A1 Ai A j An ) = det(A1 A j Ai An ) .
(b) Mes en general, per a qualsevol permutacio ,
det(A1
A2 An ) = ( ) det(A1
A2 An ) .
(c) Si a una fila li sumem o restem un multiple duna altra fila, el determinant no varia:
det(A1 Ai + t A j A j An ) = det(A1 Ai A j An ) .
D EMOSTRACI O . (a) Partint de la relacio
det(A1 Ai + A j Ai + A j An ) = 0
i aplicant la multilinealitat, tenim que
det(A1 Ai Ai An ) + det(A1 Ai A j An )+
+ det(A1 A j Ai An ) + det(A1 A j A j An ) = 0 ,
e s a dir,
det(A1 Ai A j An ) = det(A1 A j Ai An ) ,
ja que els altres dos determinants son nuls.
(b) Com que tota permutacio e s producte de transposicions, = 1 2 p , i ( ) = (1) p ,
posant A = (A1 A2 An ) podem escriure
det(A ) = det(A1 2 p ) = (1) det(A2 p ) = = (1) p det(A) = ( ) det(A) .
(c) Aplicant novament el teorema anterior,
det(A1 Ai + t A j A j An ) =
= det(A1 Ai A j An ) + det(A1 t A j A j An )
= det(A1 Ai A j An ) + t det(A1 A j A j An )
= det(A1 Ai A j An ) .
Teorema 2.4 det(At ) = det(A). En conseque` ncia, totes les propietats del determinant enunciades per files son v`alides tambe per a columnes.
23
R. Amer i F. Carreras
det(At ) =
Pn
Reordenant els factors de cada un dels termes segons el superndex tenim que
X
det(At ) =
( )b1 1 1 b2 1 2 bn 1 n
Pn
( 1 )a1
a2
an
Pn
n
X
aik Bk ,
k=1
e s a dir, les files de AB son el que sanomena combinacions lineals de les files de B. Representem per Rn el conjunt de totes les permutacions amb repeticio de 1, 2, . . . , n. Aleshores
det(AB) = det(C1
= det
n
X
C2 Cn )
a1k Bk
k=1
n
X
a2k Bk
k=1
n
X
!
ank Bk
k=1
r Rn
Br2 Brn ) .
r Rn
Dels determinants que intervenen en aquest sumatori, podem eliminar tots els que tenen alguna
fila repetida, i deixar nomes aquells per als quals r e s una permutacio sense repeticions, e s a dir,
24
Determinants
R. Amer i F. Carreras
r Pn . Per tant,
det(AB) =
Br2 Brn )
r Rn
B2 Bn ) = det(A) det(B) .
r Pn
2
10
=
20
0
1
7
4
2
2
1 3
2
1 1 1 0 7 11
2
=
2
0 16 36
2 7 16 0
0
0
0 140
2
3
2
1
11
2 1 1 0 7
=
0
4 4 2 72 0
0
0
3 1
3
11
16
1
2 (7) 16 140
=
= 20 .
2 72 16
2
2
36
11
25
R. Amer i F. Carreras
Donada una matriu A Mnn (R) i fixat un coeficient ai , denotarem per Ai la submatriu
dordre n 1 que sobte eliminant la fila i i la columna j de la matriu A. Anomenarem adjunt
j
de ai al determinant daquesta submatriu multiplicat per (1)i+ j :
j
Ai = (1)i+ j det(Ai ) .
f`acil recordar el signe corresponent a cada coeficient amb lajut de lesquema seguent:
Es
+ +
+ +
+ + .
.. .. .. .. . .
.
. . . .
j
Lema 2.7 Si tots els coeficients de la fila i diferents de ai son zero, aleshores
j
det(A) = ai Ai .
D EMOSTRACI O . Fent i 1 canvis de fila i j 1 canvis de columna podem situar el coeficient
j
ai a la posicio (1, 1), conservant la fila i, que passa a ser la primera, i la columna j, que tambe
passa a ser-ho. En aquest proces, la fila i i la columna j shauran desordenat:
j
ai
0
...
0
...
0
a11 a12 . . . a1 . . . a1n
j1
a1 a2 . . . a j . . . an
aj
a11 . . . a1
. . . a1n
2
1
2
2
2
........................
...............................
A=
B= j
,
.
j1
n
1
0 0 . . . aij . . . 0
ai1 ai1
. . . ai1 . . . ai1
........................
...............................
j
j
j1
an1 an2 . . . an . . . ann
an
an1 . . . an
. . . ann
j
Pn1
ja que les permutacions Pn tals que 1 = 1 son les permutacions dels elements 2, 3, . . . , n.
j
1
Daltra banda, B1
= Ai , per tant,
j
26
R. Amer i F. Carreras
Determinants
Teorema 2.8 (Regla de Laplace.) Fixada una fila i qualsevol duna matriu A, es compleix que
det(A) = ai1 Ai1 + ai2 Ai2 + + ain Ain .
D EMOSTRACI O . Expressem la fila i com a suma de n files:
Ai = (ai1 0 0) + (0 ai2 . . . 0) + + (0 0 ain ) = Ai1 + Ai2 + + Ain .
Aplicant ara la multilinealitat del determinant i el lema anterior resulta que
det(A) = det(A1 A2 Ai An )
= det(A1 Ai1 An ) + det(A1 Ai2 An )+
+ + det(A1 Ain An )
= ai1 Ai1 + ai2 Ai2 + + ain Ain .
Observacions 2.9 (a) La regla de Laplace e s laltre procediment habitual per a calcular determinants. Tenint en compte que hi ha una regla de Laplace an`aloga per columnes, es parla en
general de desenvolupament dun determinant pels coeficients duna lnia.
(b) Si es multipliquen els coeficients duna fila (o columna) pels adjunts duna altra el resultat e s
zero, ja que correspon al c`alcul dun determinant amb dues files (o columnes) iguals: si i 6= k,
ai1 A1k + ai2 A2k + + ain Ank = 0,
i aix`o ser`a dutilitat mes endavant per justificar la formula del c`alcul de la inversa.
Exemple 2.10 En el determinant que hem calculat abans pel m`etode de Gauss, una vegada
obtinguts els zeros de la primera columna podem aplicar la regla de Laplace, que redueix el
c`alcul a aplicar la regla de Sarrus:
2
2
1
3
2
1
3
2
7 11
2
3 2
1
4 1 0 7 11
2 1
= 2 2 4 4 4 = 20 .
2 3
= 2 0 4
4
4
1
2
2 3 1
2 1
0 2
0
1
3 1
R. Amer i F. Carreras
27
Si A Mnn (R), Aad representar`a la matriu adjunta de A, que resulta de substituir cada coefij
j
cient ai de A pel seu adjunt Ai .
Teorema 2.11 Una matriu A e s regular si, i nomes si, det(A) 6= 0. En aquest cas
A1 =
1
(Aad )t .
det(A)
1
.
det(A)
(H) Aplicant la regla de Laplace i la segona de les observacions que la segueixen, tenim
A(Aad )t = det(A) I = (Aad )t A ;
per tant, si det(A) 6= 0 podem dividir per det(A) i apareix, efectivament, la inversa de A que
proposa lenunciat.
Exemples 2.12 Considerem les dues matrius que hem estudiat al final del captol anterior.
(a) La matriu
1 2 4
A =2 1 4
1 1 3
e s regular perqu`e det(A) = 1. Aplicant la formula de la inversa, tenim que
A1
1 2
4
1
2 4
1
2 1
4 = 2
1 4 .
=
1
1
1 3
1 1
3
(b) La matriu
1 2 3
B =1 1 2
2 3 5
no e s regular perqu`e det(B) = 0, e s a dir, B no te inversa.
28
Determinants
R. Amer i F. Carreras
A2 B An )
A 2 Ai A n )
det(A1
det(A1
per a i = 1, 2, . . . , n.
D EMOSTRACI O . La solucio u nica del sistema est`a formada pels coeficients de la relacio
B = x 1 A1 + x 2 A2 + + x n An .
Aleshores, per a cada i = 1, 2, . . . , n tenim que
det(A
i
^
A B A ) =
2
n
X
det(A
i
^
A x k Ak An )
2
k=1
= xi det(A1
A 2 Ai A n ) ,
det(A1
det(A1
A2 B An )
.
A 2 Ai A n )
Exemples 2.14 (a) Estudiem novament un sistema que en el captol anterior havem resolt pel
m`etode de Gauss:
x + 4y + 3z = 1
2x + 5y + 4z = 4 .
x 2y 2z = 3
Lescriurem matricialment posant
1
4
3
x
1
2
5
4 y = 4 .
1 2 2
z
3
29
R. Amer i F. Carreras
sistema de
= 2.
(b) (Interpolacio polin`omica.) Aquest e s un problema amb cert inter`es pr`actic: donats n punts
del pla dabcisses diferents
(a1 , b1 ), (a2 , b2 ), . . . , (an , bn ) ,
es planteja el problema de determinar un polinomi de grau menor o igual que n 1 i, per tant,
amb n coeficients indeterminats,
f (x) = A0 + A1 x + A2 x 2 + + An1 x n1 ,
la gr`afica del qual passi pels n punts donats. Imposant les condicions obtenim un sistema de n
equacions amb n inc`ognites
n1
2
A0 + a2 A1 + a2 A2 + + a2 An1 = b2
.
..........................................
A0 + an A1 + a 2 A2 + + a n1 An1 = bn
n
30
Determinants
R. Amer i F. Carreras
Per tant
V (a1 , a2 , . . . , an ) = g(an ) = (an a1 )(an a2 ) (an an1 )
Y
i< j<n
(a j ai ) =
(a j ai ) .
i< j
Pretenem ara generalitzar la filosofia de la regla de Cramer i resoldre sistemes dequacions lineals
arbitraris. Nomes necessitem introduir les nocions de menor duna matriu i inclusio de menors.
Un menor dordre r duna matriu A Mmn (R) e s el determinant duna submatriu formada per
la interseccio de r files i r columnes de A escollides arbitr`ariament. (Per abus de llenguatge,
sanomena tambe menor a la pr`opia submatriu.) Direm que un menor M 0 conte a un menor M si
les files i columnes que determinen M formen part, respectivament, de les files i columnes que
determinen M 0 .
Si AX = B e s un sistema dequacions lineals m n representat matricialment, direm que la
matriu Aa = A | B, obtinguda per juxtaposicio de la columna dels termes independents, e s la
matriu ampliada del sistema.
Suposem que M e s un menor regular m`axim de A, e s a dir, que no el conte cap altre menor regular
de A. En el captol 3, veurem que si M tambe e s un menor regular m`axim de Aa aleshores el
sistema e s compatible. Suposemho aix i posem que M sigui dordre r . Veurem tambe que, si
r < m, totes les equacions que no intervenen a M son redundants i poden, per tant, suprimir
se, de manera que podem suposar r = m. Ara, si r = n el sistema e s de Cramer i sabem com
resoldrel. Si r < n, primer passarem a formar part dels termes independents de les equacions els
termes de les inc`ognites que no intervenen a M, les quals faran de par`ametres lliures. Resolent
el sistema de Cramer resultant obtindrem les r inc`ognites principals en funcio de les n r que
hem deixat com a par`ametres.
31
R. Amer i F. Carreras
2x + y z + t = 1
x + y z + 2t = 3
.
3x + 2y z + 3t = 6
6x + 4y 3z + 6t = 10
Preparem simult`aniament la matriu dels coeficients i la matriu ampliada:
2 1 1 1 1
1 1 1 2 3
3 2 1 3 6 .
6 4 3 6 10
Com que el menor
2 1 1
M = 1 1 1
3 2 1
e s diferent de zero i els cinc menors 44 de la matriu Aa son nuls, M e s un menor regular m`axim
de A i de Aa , i per tant el sistema e s compatible indeterminat. Suprimint la darrera equacio i
passant a la dreta els termes de linc`ognita t, queda el sistema de Cramer (respecte x, y, z)
2 1 1
x
1t
1 1 1 y = 3 2t ,
3 2 1
z
6 3t
que, resolt per la regla de Cramer o be invertint la matriu M, ens dona com a solucio general del
sistema original, en funcio de la inc`ognita t com a par`ametre lliure,
x = 2 + t ,
y = 7 3t ,
z = 2,
t =t.
32
R. Amer i F. Carreras
Determinants
R. Amer i F. Carreras
33
3
Espais vectorials
Aquest captol i el seguent i, de fet, tots els altres tracten essencialment dels espais num`erics
Rn , prototipus dels espais vectorials de dimensio finita, i dels seus subespais. El punt central e s
el concepte de dimensio, del qual deriva la nocio de rang que apareix constantment a la pr`actica.
El smbol Rn representar`a el producte cartesi`a RR R. Un element gen`eric daquest conjunt, des dara un vector de Rn , e s de la forma u = (x1 , x2 , . . . , xn ). Els nombres x1 , x2 , . . . , xn
son les components del vector u, i recordem que, si v = (y1 , y2 , . . . , yn ), es compleix que u = v
si, i nomes si, xi = yi per a i = 1, 2, . . . , n.
Es defineixen dues operacions b`asiques. La suma de dos vectors u, v Rn e s el vector u + v =
(x1 + y1 , x2 + y2 , . . . , xn + yn ). El producte dun vector u Rn per un escalar t R e s el
vector tu = (t x1 , t x2 , . . . , t xn ). Les propietats fonamentals daquestes operacions totes de
f`acil comprovacio son les seguents:
34
R. Amer i F. Carreras
Espais vectorials
R. Amer i F. Carreras
35
t1 = t2 = = tm = 0 .
36
R. Amer i F. Carreras
Espais vectorials
R. Amer i F. Carreras
37
Aleshores, si
t1 u 1 + t2 u 2 + + tm u m = 0 ,
sumant les dues igualtats tindrem que
v = (t1 + s1 )u 1 + (t2 + s2 )u 2 + + (tm + sm )u m ,
i de la unicitat de lexpressio de v es dedueix que ti + si = si per a tot i = 1, 2, . . . , m. Per tant,
t1 = t2 = = tm = 0 i els vectors u 1 , u 2 , . . . , u m son linealment independents.
(H) Si
v = t1 u 1 + t2 u 2 + + tm u m
v = s1 u 1 + s2 u 2 + + sm u m
38
R. Amer i F. Carreras
Espais vectorials
R. Amer i F. Carreras
39
= 0
40
R. Amer i F. Carreras
Espais vectorials
R. Amer i F. Carreras
41
De vegades es distingeix entre el rang que acabem de definir, que sanomena rang per columnes de A, escrit rangC (A), i el concepte an`aleg de rang per files de A, escrit rang F (A), e s a
dir, la dimensio del subespai generat per les m files de A interpretades com a vectors de Rn .
Demostrarem en aquesta mateixa seccio que rangC (A) = rang F (A) per a tota matriu A.
Sigui A una matriu quadrada n n, i u 1 , u 2 , . . . , u n Rn els vectors que, escrits en la base
can`onica, formen les columnes de A. Recollim en el resultat seguent les diverses caracteritzacions de les matrius regulars.
Teorema 3.14 Son equivalents:
(a) A e s regular.
(b) det(A) 6= 0.
(c) La triangulacio de A dona lloc a n pivots.
(d) u 1 , u 2 , . . . , u n son linealment independents (es a dir, formen base de Rn ).
(e) rang(A) = n.
D EMOSTRACI O . (a) i (b) son equivalents segons hem vist en el captol anterior, i (d) i (e) ho son
per la definicio de rang duna matriu. La demostracio quedar`a completa veient que
(b) H (d) H (c) H (b) .
(b) H (d) Si considerem el sistema homogeni que permet estudiar la independ`encia lineal de
u 1 , u 2 , . . . , u n , la condicio det(A) 6= 0 ens diu que es tracta dun sistema de Cramer i, per tant,
compatible determinat: aix`o significa que u 1 , u 2 , . . . , u n son linealment independents.
(d) H (c) Si els vectors son linealment independents, la triangulacio del sistema anterior ha de
donar lloc a n pivots, per tal que sigui determinat.
(c) H (b) La triangulacio de la matriu A nomes modifica det(A) segons un factor de proporcionalitat no nul; si han aparegut n pivots, el determinant ser`a diferent de zero.
A continuacio, estudiarem dos procediments per calcular el rang duna matriu arbitr`aria A
Mmn (R), lun pel m`etode de Gauss i laltre per determinants.
Proposicio 3.15 El nombre de pivots que apareixen en triangular una matriu A coincideix amb
el seu rang i, per tant, e s independent del cam seguit per triangular-la.
42
R. Amer i F. Carreras
Espais vectorials
D EMOSTRACI O . Posem r 0 = rang(A). En primer lloc r r 0 , perqu`e si hi ha un menor regular dordre r les seves subcolumnes, i per tant les columnes senceres que hi intervenen, son
linealment independents.
Daltra banda, r 0 r , perqu`e si hi ha r 0 columnes linealment independents en podem extreure,
aplicant la proposicio anterior, un menor regular dordre r 0 .
Corol.lari 3.17 Per a qualsevol matriu A es compleix que rang(A) = rang(At ), e s a dir, rangC (A) =
rang F (A).
Proposicio 3.18 El rang duna matriu A e s r si, i nomes si, existeix algun menor regular dordre
r i tots els menors dordre r + 1 que el contenen son nuls.
R. Amer i F. Carreras
43
44
Espais vectorials
R. Amer i F. Carreras
Exemples 3.21 (a) C`alcul de la dimensio, una base i les equacions implcites del subespai de
R4 , S = h(1, 2, 1, 0), (1, 3, 2, 1), (1, 4, 5, 2), (1, 2, 0, 4)i.
Triangulem la matriu ampliada
1
2
1
0
1
3
2
1
1
4
5
2
1
2
0
4
x
y
.
z
t
Aix`o ens permetr`a seleccionar una base dentre els generadors de S, con`eixer la dimensio del
subespai i, finalment, obtenirne les equacions implcites.
1
2
1
0
1
3
2
1
1
4
5
2
1
2
0
4
x
1
y 0
'
z 0
t
0
1
1
3
1
1
2
6
2
1
0
1
4
x
2x + y
x+z
t
45
R. Amer i F. Carreras
'
1
0
0
0
1
1
0
0
1
2
0
0
1
0
1
4
x
2x + y
7x 3y + z
2x y + t
'
1
0
0
0
1
1
0
0
1
2
0
0
1
0
1
0
x
2x + y
7x 3y + z
26x + 11y 4z + t
Daqu resulta que dim(S) = 3, que els vectors (1, 2, 1, 0), (1, 3, 2, 1) i (1, 2, 0, 4) formen una
base de S i que lequacio implcita daquest subespai e s
26x + 11y 4z + t = 0 .
(b) C`alcul duna base del subespai S de R4 definit per les equacions
x + y + z t = 0
x + 2y z + t = 0 .
3x + 5y z + t = 0
Operarem amb determinants. La matriu del sistema e s
1 1
1 1 0
1 2 1
1 0 .
3 5 1
1 0
Un menor regular m`axim e s
1 1
1 2 ,
i aix`o ens diu que el rang del sistema e s 2 i, per tant, dim(S) = 4 2 = 2. A mes, podem
suprimir la tercera equacio i guardar x i y com a inc`ognites principals. Queda, doncs, un sistema
de Cramer respecte daquestes dues inc`ognites,
)
x + y = z + t
,
x + 2y = z t
la solucio general del qual e s
x = 3z + 3t,
y = 2z 2t,
z = z,
t = t.
El vector
u = (3z + 3t, 2z 2t, z, t) = z(3, 2, 1, 0) + t (3, 2, 0, 1) ,
on z i t son els par`ametres lliures, e s lelement gen`eric del subespai S. Els vectors (3, 2, 1, 0)
i (3, 2, 0, 1) formen una base de S.
Recomanem al lector que torni a resoldre aquests dos exemples, operant en el primer cas per
determinants i en el segon pel m`etode de Gauss.
46
R. Amer i F. Carreras
Espais vectorials
La resta daquesta seccio es dedica a lestudi de les operacions habituals amb subespais de Rn .
La interseccio de dos subespais S i T e s tambe un subespai, que es representa per S T . Naturalment, la manera mes directa de descriurel e s reunir en un sol sistema les equacions implcites
de S i les de T .
La suma de dos subespais e s el subespai representat per S + T i format per totes les sumes de la
forma u + v, on u S i v T . La manera mes directa de descriurel e s reunir en un sol conjunt
un sistema de generadors de S i un de T , la qual cosa ens dona un sistema de generadors de
S + T . En general, tot i prenent bases de cadascun dels subespais, es pot perdre la independ`encia
lineal quan les ajuntem. Aix`o motiva la definicio seguent.
Es diu que la suma de dos subespais S i T e s directa, i sescriu S T , si cada vector de la suma
sescriu de manera u nica com a suma dun vector de S i un vector de T . Es f`acil veure que aix`o
equival a que
u + v = 0, u S, v T H u = v = 0 .
Donades dues bases B de S i B 0 de T , S + T e s directa si, i nomes si, B B 0 e s un conjunt
linealment independent, i aquesta e s, potser, la caracteritzacio mes u til a la pr`actica. Finalment,
la condicio de suma directa tambe e s equivalent a que S T = {0}.
Totes les definicions i resultats anteriors (amb lunica excepcio del criteri de la interseccio que
acabem dexposar per a la suma directa) es generalitzen immediatament al cas de mes de dos
subespais.
Es diu que dos subespais S i T son suplementaris si S T = Rn . Els subespais {0} i Rn son
suplementaris. Per a qualsevol altre subespai S e s f`acil trobar un suplementari: ampliant una
base {u 1 , u 2 , . . . , u r } de S fins a obtenir una base {u 1 , u 2 , . . . , u r , u r +1 , . . . , u n } de Rn , e s f`acil
veure que el subespai T = hu r +1 , . . . , u n i e s un suplementari de S.
Teorema 3.22 (Formula de Grassmann.) Siguin S i T subespais de Rn .
(a) Quan S T = {0}, dim(S T ) = dim(S) + dim(T ).
(b) En general, dim(S + T ) = dim(S) + dim(T ) dim(S T ).
D EMOSTRACI O . (a) Es dedueix immediatament de la caracteritzacio de suma directa per reunio
de bases.
(b) Escollim un suplementari S1 de S T respecte a S, de manera que S = S1 (S T ).
An`alogament, escollim T1 tal que T = T1 (S T ). Ara no e s difcil comprovar que S1 , S T
47
R. Amer i F. Carreras
Per fixar idees, direm que B e s la base vella i B 0 e s la base nova. Cada vector u Rn queda
determinat tant per les seves components (x1 , x2 , . . . , xn ) en la base B, que son els coeficients
de la combinacio lineal
u = x1 e1 + x2 e2 + + xn en ,
com per les seves components (x10 , x20 , . . . , xn0 ) en la base B 0 , que son els coeficients de
u = x10 e10 + x20 e20 + + xn0 en0 .
Es tracta de trobar la relacio entre unes components i les altres. Per a aix`o, necessitem con`eixer
com sexpressen els vectors nous en funcio dels vells, e s a dir, les relacions
e0j
n
X
ai j ei
j = 1, 2, . . . , n .
per a
i=1
xi ei = u =
i=1
n
X
x j0 e0j =
j=1
n
n X
X
n
X
x j0
j=1
ai j x j0 ei =
j=1 i=1
n
X
i=1
n
n
X
X
i=1
ai j ei =
ai j x j0
j=1
n
X
j=1
ai j x j0
per a i = 1, 2, . . . , n .
ei ,
48
Espais vectorials
R. Amer i F. Carreras
(Rn , B 0 ) (Rn , B) ,
i anomenarem matriu del canvi de base de B 0 a B a la matriu
a11 a12 . . . a1 j . . .
a21 a22 . . . a2 j . . .
a1n
a2n
...
ain
...
ann
que ens dona, per columnes, les components de cadascun dels vectors nous en la base dels vectors
vells.
Si X i X 0 representen, respectivament, les matrius columna formades amb les components de u
en les bases B i B 0 , tenim, com a expressio matricial de les relacions entre components que hem
deduit anteriorment,
X = C X0 ,
que e s la formula matricial del canvi de base i expressa les components velles dun vector
arbitrari en funcio de les noves.
Pel teorema de caracteritzacio de les matrius regulars vist a la seccio 3 daquest captol, sabem que la matriu C e s regular. Per tant, si volem calcular les components noves dun vector
coneixent les velles, farem servir la relacio inversa,
X 0 = C 1 X ,
observant que C 1 e s precisament la matriu del canvi de base de B a B 0 . Resumim tota la
informacio obtinguda en el resultat seguent.
Teorema 3.23 (a) Si C e s la matriu del canvi de base de B 0 a B, que descriu per columnes els
vectors de la base B 0 en funcio de la base B, la relacio
X = C X0
expressa les components dun vector en la base B en funcio de les seves components en la base
B0 .
(b) C 1 e s la matriu del canvi de base invers:
C 1
(Rn , B) (Rn , B 0 ) ,
X 0 = C 1 X .
49
R. Amer i F. Carreras
Exemples 3.24 (a) Els vectors e10 = (1, 1, 1), e20 = (1, 1, 2) i e30 = (0, 1, 1) formen una base B 0
de R3 . Si Bc denota la base can`onica, el canvi de base natural i la seva matriu son
1 1 0
C
(R3 , B 0 ) (R3 , B c ) ,
C =1 1 1 .
1 2 1
La relacio entre les components can`oniques (x, y, z) dun vector arbitrari u de R3 i les components (x 0 , y 0 , z 0 ) del mateix vector u en la base B 0 son
0
0
0
x
1 1 0
x
x = x + y
y = 1 1 1 y 0 , e s a dir,
y = x 0 + y0 + z0
z
1 2 1
z
z = x 0 + 2y 0 + z 0 .
La matriu inversa de C e s
C 1
1
1 1
1 ,
= 0 1
1
1
0
e3 = e10 + e20 ,
e s a dir,
x = x + y z
y 0 = y + z
0
z = x + y .
En el cas que es vulgui transformar lequacio dun subespai, i con`eixer, per exemple, lequacio
que tindria en la base nova el pla que en la base can`onica es descriu per 2x y +z = 0, nomes cal
substituir a lequacio donada les expressions de x, y i z que ens dona el canvi de base original.
Aix doncs,
2(x 0 + y 0 ) (x 0 + y 0 + z 0 ) + (x 0 + 2y 0 + z 0 ) = 0 ,
e s a dir, 2x 0 + 3y 0 = 0, e s lequacio del pla en la base B 0 .
(b) En algunes situacions no es coneix dentrada la relacio entre les dues bases, per`o disposem
de la seva relacio amb la base can`onica. Suposem que B 0 i B 00 son les bases, i que sabem les
matrius de canvi a la base can`onica per a cada una:
P
(Rn , B 0 ) (Rn , B c )
(Rn , B 00 ) (Rn , B c ) .
(Rn , B 00 ) (Rn , B 0 ) ,
50
Espais vectorials
R. Amer i F. Carreras
e200 = (0, 0, 1) i
e300 = (1, 1, 2) ,
resulta
1 1 0
P =1 1 1 ,
1 2 1
1 0 1
1 ,
Q =1 0
2 1
2
0 1 2
1
1 .
C = P 1 Q = 1
0
0
2
R. Amer i F. Carreras
51
4
Lestructura euclidiana de Rn
El producte escalar e s la tercera operacio b`asica amb vectors de Rn . Dell deriven conceptes
m`etrics com lortogonalitat, la norma i langle, que obren el cam a multiples aplicacions geom`etriques i fsiques de l`algebra lineal. Aix, el m`etode dels mnims quadrats que presentem
a la tercera seccio no e s mes que laplicacio de la idea de projeccio ortogonal a lestudi dels
sistemes sobredeterminats.
52
R. Amer i F. Carreras
Lestructura euclidiana de Rn
D EMOSTRACI O . La idea e s b`asicament la mateixa, per tant provarem nomes lapartat (a). Si
tenim una relacio
t1 u 1 + t2 u 2 + + tk u k = 0
entre vectors no nuls ortogonals dos a dos, fent el producte escalar per qualsevol u i resulta que
ti (u i u i ) = 0
i per tant ti = 0, i aix`o ens diu que u 1 , u 2 . . . , u k son linealment independents.
per a
j = 1, 2, . . . , m .
53
R. Amer i F. Carreras
vi u k+1 ti vi vi = 0 ,
ti =
vi u k+1
,
vi vi
(S ) = S .
u 2 = (0, 0, 1, 1) i
u 3 = (2, 0, 1, 0) .
1
i per tant podem prendre v2 = u 2 /3 v1 = (1, 1, 3, 2), ja que els factors lineals no afecten
la independ`encia lineal ni lortogonalitat; finalment,
v1 u 3
2
v2 u 3
1
v3 = u 3 (tv1 + sv2 ) ,
on
t=
= ,
s=
= ,
v1 v1
3
v2 v2
3
i queda v3 = u 3 2/3 v1 1/3 v2 = (1, 1, 0, 0). En definitiva, els vectors (1, 1, 0, 1),
(1, 1, 3, 2) i (1, 1, 0, 0) formen una base ortogonal de S.
v2 = u 2 tv1 ,
on
t=
54
Lestructura euclidiana de Rn
R. Amer i F. Carreras
(tu) (tu) = t 2 u u = | t | u u = | t |k u k.
u 00 = u u 0 ,
on
t=
uv
.
vv
uv
(u v)2
(u v)
(v v) = 0 ;
vv
(v v)2
|u v|
|u v|
kvk =
vv
kvk
o be
|u v| k u kk v k .
R. Amer i F. Carreras
55
(e) Aplicant la igualtat que hem fet servir a (c) i la desigualtat de Schwarz tenim que
k u + v k2 = k u k2 + 2u v + k v k2
k u k2 + 2k u kk v k + k v k2 = (k u k + k v k)2 ,
per tant k u + v k k u k + k v k.
Es diu que un vector u e s unitari si k u k = 1. Normalitzar un vector u 6= 0 e s substituir-lo per
u0 =
u
,
ku k
C e s ortogonal .
D EMOSTRACI O . Nomes cal observar que els coeficients pi j de la matriu C t C son els productes
escalars dels vectors de B entre ells,
pi j = u i u j ,
i recordar les nocions de vector unitari i vectors ortogonals.
Observacio 4.7 La comprovacio de que una matriu C e s ortogonal equival, segons aquest resultat, a veure que
n
X
i=1
n
X
ci j 2 = 1
ci j cik = 0
per a tot
quan
j 6= k
(columnes unit`aries)
(columnes ortogonals dos a dos) .
i=1
El lector pot comprovar daquesta manera que les matrius seguents son ortogonals:
1 0
0
1
2
2
1 3
1
4
0 0 1 ,
2
1 2 .
,
5 4 3
3
0 1
0
2 2
1
56
Lestructura euclidiana de Rn
R. Amer i F. Carreras
uv
.
k u kk v k
uv
1,
k u kk v k
i, com que la funcio cos : [0, ] [1, 1] e s bijectiva per ser decreixent, existeix un u nic
angle [0, ] tal que
uv
.
cos =
k u kk v k
Aquest angle e s el que hem pres com a (u, v). De la definicio resulta, doncs, que (u, v) =
(v, u). A mes, e s immediat comprovar les propietats seguents:
(a) 0 (u, v) .
(b) u i v son linealment dependents si, i nomes si, (u, v) = 0 o .
(c) u v si, i nomes si, (u, v) = /2 .
(d) Si t, s R,
(
(u, v)
si ts > 0
(tu, sv) =
(u, v) si ts < 0 .
Tambe recuperem, daquesta manera, la formula cl`assica del producte escalar, generalitzada ara
a Rn :
u v = k u kk v k cos (u, v)
(si u = 0 o v = 0, cos (u, v) no est`a definit, per`o es pren u v = 0).
Exemples 4.8 (a) Si B = { e1 , e2 , . . . , en } e s una base ortonormal de Rn i
u = x1 e1 + x2 e2 + + xn en ,
es compleix que xi = u ei = k u k cos i , on i = (u, ei ) per a i = 1, 2, . . . , n; els coeficients
cos i son els cosinus directors de u en la base B, i es pot escriure
u = ku k
n
X
i=1
(cos i )ei ,
amb
n
X
cos2 i = 1 .
i=1
(b) No sempre e s el millor cam fer servir una base ortonormal com a refer`encia. Suposem
que volem determinar les longituds de les diagonals dun parallelogram, del qual coneixem les
longituds dels costats, 2 i 8, i langle agut que formen, 60 . Prenem com a base del pla dos
57
R. Amer i F. Carreras
vectors u i v que representen els costats no parallels. Aleshores les diagonals corresponen als
vectors u + v i u v, i tenint en compte que
u u = k u k2 = 4 ,
v v = k v k2 = 64 ,
k u + v k2 = (u + v) (u + v) = k u k2 + 2u v + k v k2 = 84
k u v k = (u v) (u v) = k u k 2u v + k v k = 52 ,
58
R. Amer i F. Carreras
Lestructura euclidiana de Rn
Exemples 4.11 (a) La projeccio ortogonal dun vector u Rn sobre una recta H = hwi e s,
segons el teorema,
uw
u0 =
w.
ww
(b) Si H e s un pla de R3 , definit per una equacio Ax + By + C z = 0 en la base can`onica o en
qualsevol base ortonormal, sabem que H = hw i, on w = (A, B, C); per tant, donat u R3
tenim
uw
uw
u 00 =
w,
u 0 = u u 00 = u
w.
ww
ww
(c) El sim`etric dun vector u Rn respecte al subespai {0} e s u = u. El sim`etric de u respecte
a una recta H = hwi e s
uw
u = 2
w u.
ww
Finalment, el sim`etric dun vector u R3 respecte a un pla H = hwi e s
u = u 2
uw
w.
ww
x1 + x2 + + xn
,
n
expressio que coneixem com a mitjana aritm`etica de les dades x1 , x2 , . . . , xn . La funcio presenta efectivament un mnim absolut en aquest punt, perqu`e la seva gr`afica e s una par`abola i el
coeficient principal e s positiu.
59
R. Amer i F. Carreras
Per tant, la mitjana aritm`etica e s el valor de centralitzacio que minimitza la suma dels quadrats
de les desviacions de les dades. Es pot arribar al mateix resultat aplicant la teoria de la projeccio
ortogonal i projectant el vector x = (x1 , x2 , . . . , xn ) sobre la recta engendrada pel vector w =
(1, 1, . . . , 1): el resultat e s el vector xw, on x e s la mitjana aritm`etica.
Generalitzant aquesta idea, considerem ara un sistema de m equacions lineals amb n inc`ognites
CtC x = Ctd ,
Ax = b .
60
Lestructura euclidiana de Rn
R. Amer i F. Carreras
Exemples 4.13 (a) (Regressio lineal.) El problema pr`actic potser mes frequent e s el de trobar
lequacio de la recta que sajusta millor a una distribucio de punts del pla (recta de regressio).
Sense obtenir formules sistem`atiques (tasca mes pr`opia dun curs destadstica), resoldrem un
exemple concret aplicant el teorema anterior.
Suposem que es tracta dajustar una recta als punts de coordenades (0, 0), (2, 1) i (4, 1). La recta
ser`a y = ax + b, i les condicions
b = 0
0 1
0
a
2a + b = 1 , o be C x = d , on C = 2 1 , x =
i d =1 .
b
4 1
1
4a + b = 1
El sistema e s o` bviament incompatible, el rang e s 2 i, multiplicant per la matriu C t , obtenim
1/4
1
3 6
6
20 6
a
6
a
= 1
.
=
,
=
2
/6
6 3
b
2
b
24 6 20
La recta buscada e s
x
1
+ ,
4 6
que no passa per cap dels tres punts per`o minimitza lerror quadr`atic : concretament, x =
(a, b) = ( 1/4, 1/6), C x = ( 1/6, 2/3, 7/6) i d = (0, 1, 1), per tant
6
.
= k Cx d k =
6
y=
(Si el lector ha dibuixat els tres punts i cau en la temptacio de creure mes adequadala recta
horitzontal y = 1, observar`a que lerror quadr`atic corresponent a aquesta recta e s 1 > 6/6.)
(b) (Regressio quadr`atica.) Un problema an`aleg a lanterior e s el de trobar lequacio de la
par`abola que sajusta millor a una distribucio de punts del pla (leleccio del tipus de funcio en un
problema de regressio dep`en de diversos factors, un dels quals pot ser la disposicio geom`etrica
del punts). Com a illustracio, determinarem el polinomi de regressio quadr`atica dels punts
(1, 2), (0, 1), (1, 1) i (2, 0). Lequacio ser`a y = ax 2 + bx + c, i les condicions
a+bc =2
c=1
,
o be C x = d ,
a + b + c = 1
4a + 2b + c = 0
on
1 1 1
0
0 1
,
C =
1
1 1
4
2 1
x= b
c
2
1
d=
1 .
0
R. Amer i F. Carreras
61
18 8 6
a
1
8 6 2 b = 3 ,
6 2 4
c
2
la solucio del qual e s a = 1/2, b = -13/10 i c = 2/5. Per tant, el polinomi de regressio quadr`atica
dels quatre punts donats e s
1
y = (5x 2 13x + 4) ,
10
2 5
.
i lerror quadr`atic com`es =
5
(c) Considerem finalment el sistema seguent, en el qual rang(C) = 2 i n = 3:
x + 2y + z = 3
1 2 1
3
x
1 1 4
2
x + y + 4z = 2
= .
,
2 3 5 y
5
2x + 3y + 5z = 5
4 6 10
0
4x + 6y + 10z = 0
Multiplicant per la transposada resulta el sistema
22 33 55
x
15
33 50 81 y = 23 ,
55 81 142
z
36
que e s compatible indeterminat i te per solucio general
9
x = 7z
11 .
y = 3z + 1
Val la pena observar que en el cas dun sistema indeterminat, com ho e s aquest, totes les solucions
donen el mateix error quadr`atic, ja que aquest error e s = k d 0 d k i aquesta expressio no dep`en
de quin vector x ens dona C x = d 0 . Aqu, fent, per exemple, z = 0, surt d 0 = 1/11(13, 2, 15, 30)
i un error quadr`atic
10 33
0
= kd d k =
.
11
det(C) > 0 ,
62
R. Amer i F. Carreras
Lestructura euclidiana de Rn
63
R. Amer i F. Carreras
2 0
1
C = 1 1 2 i det(C) = 10 > 0 .
0 2
1
x1 z 1 + x2 z 2 + x3 z 3 = 0
y1 z 1 + y2 z 2 + y3 z 3 = 0
La solucio general daquest sistema e s
z 1 = A1 t
x2 x3
,
z 2 = A2 t , on A1 =
y2 y3
z 3 = A3 t
)
.
x3 x1
A2 =
y3 y1
x1 x2
.
A3 =
y1 y2
64
R. Amer i F. Carreras
Lestructura euclidiana de Rn
v = be1 + ce2
w = pe1 + qe2 + r e3 .
R. Amer i F. Carreras
65
66
R. Amer i F. Carreras
Lestructura euclidiana de Rn
R. Amer i F. Carreras
67
5
Transformacions lineals
Molts processos matem`atics, geom`etrics, fsics, qumics i econ`omics son representables, si mes
no en primera aproximacio, per relacions lineals entre les variables que hi intervenen. Aquesta
evid`encia, juntament amb lntima connexio entre les transformacions lineals i el c`alcul matricial,
concedeix un paper molt especial a aquest captol i el seguent.
x0 = xy 2
y 0 = x + y + 3z 2 .
68
R. Amer i F. Carreras
Transformacions lineals
x1
y1
a11 a12 a1n
x2
y2
a21 a22 a2n
X = . ,
Y =
i
A
=
...................
..
ym
am1 am2 amn
xn
les columnes de components dun vector arbitrari u Rn i un vector arbitrari v Rm en les
bases respectives i la matriu obtinguda de les relacions
T (u j ) =
m
X
i=1
ai j vi
per a
j = 1, 2, . . . , n ,
69
R. Amer i F. Carreras
que expressen les imatges dels vectors de la primera base com a combinacions lineals dels vectors
de la segona. Aplicant la linealitat de T al c`alcul de la imatge del vector
u=
n
X
xj u j
j=1
obtenim que
T (u) = T
n
X
n
n
X
X
xj u j =
x j T (u j ) =
xj
j=1
n X
m
X
j=1
ai j x j vi =
j=1 i=1
i, comparant amb v =
m
X
j=1
m
n
X
X
i=1
ai j x j
m
X
ai j vi
i=1
vi
j=1
i=1
v = T (u)
es tradueix en components per
yi =
n
X
ai j x j
per a i = 1, 2, . . . , m ,
j=1
o, matricialment,
Y = AX .
() Si T est`a definida respecte a dues bases per Y = AX , on A e s una matriu arbitr`aria m n,
e s evident que, si Y1 = AX 1 , Y2 = AX 2 i t R, aleshores
A(X 1 + X 2 ) = AX 1 + AX 2 = Y1 + Y2
A(t X 1 ) = t AX 1 = tY1 ,
A=
................... .
am1 am2 amn
Simbolitzarem aquesta relacio escrivint A = M(T, B, B 0 ).
70
R. Amer i F. Carreras
Transformacions lineals
a dir, una
(b) Aquestes imatges determinen T i, a mes, poden ser escollides arbitr`ariament. Es
vegada fixades bases dels dos espais, tota matriu A del tipus m n descriu una transformacio
lineal T .
(c) A efectes pr`actics, conve notar que e s caracterstic duna transformacio lineal el fet que les
seves equacions vinguin donades per relacions lineals homog`enies entre els dos conjunts de
variables. Amb aquest criteri, el lector pot observar que lexemple de transformacio proposat a
linici daquest captol no e s, en absolut, lineal.
(d) En el cas dun endomorfisme, emprarem nomes una base de refer`encia. La matriu ser`a quadrada, i escriurem simplement A = M(T, B). Les columnes de A ens donaran les components
de les imatges T (u 1 ), T (u 2 ), . . . , T (u n ) en funcio dels vectors u 1 , u 2 , . . . , u n .
f`acil comprovar que les funcions lineals f : R R son les de la forma
Exemples 5.4 (a) Es
y = f (x) = ax (notem lanalogia formal amb el cas general, on tenim la relacio matricial
Y = T (X ) = AX ). Com e s ben sabut, amb funcions lineals descrivim, entre molts altres
processos, costos, interessos, descomptes, rec`arrecs...
(b) (Equacions dun gir en el pla orientat.) Un gir dangle [0, 2 ) al voltant de lorigen del pla orientat R2 e s la transformacio G : R2 R2 que conserva el m`odul dels vectors i incrementa els arguments en un angle . Per tant, G(0, 0) = (0, 0) i, si u = (x, y) =
(r cos , r sin ), i v = G(u) = (x 0 , y 0 ), tenim les relacions
x 0 = r cos( + ) ,
y 0 = r sin( + ) ,
que, introduint les variables x, y, ens condueixen a unes equacions tpicament lineals segons el
teorema de caracteritzacio:
)
0
x 0 = x cos y sin
x
cos sin
x
o be
=
.
0
0
y
sin
cos
y
y = x sin + y cos
Aix doncs, tot gir G del pla orientat e s un endomorfisme, i la seva matriu en la base can`onica e s
cos sin
A = M(G, Bc ) =
.
sin
cos
(c) (Equacions duna simetria axial en el pla.) Considerem la simetria S : R2 R2 respecte a
la recta x = 3y (eix de simetria). Suposant ara comprovades per exemple geom`etricament
les condicions de linealitat, nomes caldr`a trobar les imatges dels dos vectors de la base can`onica
per determinar la matriu. Aplicant la formula del captol anterior,
S(u) = 2
uw
w u,
ww
R. Amer i F. Carreras
71
i tenint en compte que un vector director de leix de simetria e s, per exemple, w = (3, 1),
obtenim S(1, 0) = ( 4/5, 3/5) i S(0, 1) = ( 3/5, 4/5). Per tant, lequacio matricial daquesta
simetria axial en la base can`onica e s
0
1 4
3
x
x
=
.
0
y
y
5 3 4
En aquest exemple hem fet servir el teorema de caracteritzacio en el sentit recproc del de lexemple anterior: suposant justificada a priori la linealitat, laprofitem per trobar amb el mnim
esforc les equacions generals de la transformacio.
72
Transformacions lineals
R. Amer i F. Carreras
e s
A0 = D 1 AC ,
on C e s la matriu del canvi de base en el primer espai, de B10 a B1 , i D e s la matriu del canvi de
base en el segon, de B20 a B2 .
Exemples 5.7 (a) Si B 0 e s una base ortogonal positiva del pla orientat, formada per dos vectors
de la mateixa longitud, e10 = (a, b) i e20 = (b, a), la matriu del gir dangle en la base B 0
coincideix amb la matriu del gir en la base can`onica, ja que tenim
a b
cos sin
C=
, A=
b
a
sin
cos
i
0
A =C
1
AC = 2
a + b2
a b
b a
cos sin
sin
cos
a b
b
a
=
cos sin
sin
cos
(b) Considerem la simetria axial estudiada a la seccio anterior. Amb el vector director de leix
e10 = (3, 1) i el vector ortogonal e20 = (1, 3) podem formar una base adaptada a la simetria,
B 0 = {e10 , e20 }. Es evident que S(e10 ) = e10 , S(e20 ) = e20 i, per tant, la matriu de la simetria axial
en aquesta base e s ben simple:
1
0
0
A =
.
0 1
Si ara volem calcular la matriu de S en la base can`onica, nomes cal desfer el canvi A0 = C 1 AC,
obtenint
A = C A0 C 1 .
Aplicant aquesta nova relacio resulta
3 1
1
0
0
C=
,
A =
1
3
0 1
1
A=
5
4
3
3 4
(c) El determinant de la matriu dun endomorfisme no varia en fer un canvi de base. En efecte:
aplicant determinants a la formula del canvi resulta
det(A0 ) = det(C 1 AC) = det(C 1 ) det(A) det(C) =
1
det(A) det(C) = det(A) .
det(C)
T (2, 1) = (4, 3) .
R. Amer i F. Carreras
73
Per trobar A = M(T, Bc ) nomes cal observar que tenim una nova base B 0 , formada pels vectors
e10 = (1, 2) i e20 = (2, 1), i considerar les matrius seguents:
1 2
5 4
0
0
C=
(canvi de B a Bc )
i
B = M(T, B , Bc ) =
.
2
1
1 3
Aplicant un raonament similar al del teorema del canvi de base resulta
1 3 14
1
.
A = BC =
5 5 5
74
Transformacions lineals
R. Amer i F. Carreras
Corol.lari 5.9 (a) T e s una transformacio exhaustiva si, i nomes si, rang(T ) = m.
(b) T e s injectiva si, i nomes si, Nuc(T ) = {0}, e s a dir, si, i nomes si, rang(T ) = n.
(c) Un endomorfisme T de Rn e s bijectiu si, i nomes si, rang(T ) = n, e s a dir, det(A) 6= 0, on A
e s qualsevol matriu que representi a T .
D EMOSTRACI O . (a) T e s exhaustiva si, i nomes si, Im(T ) = Rm , i aix`o e s equivalent a que
rang(T ) = m.
(b) Si T e s injectiva, o` bviament ha de ser Nuc(T ) = {0}. Recprocament, si Nuc(T ) = {0}, de
la igualtat T (u) = T (u 0 ) resulta T (u u 0 ) = 0, e s a dir, u u 0 Nuc(T ) i, per tant, u = u 0 :
aix`o significa que T e s injectiva. La segona equival`encia e s una conseque` ncia immediata de la
formula de les dimensions del teorema anterior.
(c) Es despr`en dels dos apartats anteriors.
Im(P) = H
rang(P) = dim(H ) .
(b) Aquest exemple tambe permet illustrar una formula general per al c`alcul dantiimatges que
e s u til en alguns contextos i el lector pot justificar com a exercici: si v = T (u), aleshores
T 1 (v) = u + Nuc(T ) ,
e s a dir, coneguda una antiimatge concreta u de v, totes les antiimatges daquest vector sobtenen
sumant a u un vector arbitrari del nucli de la transformacio.
(c) Considerem ara, tambe a Rn , la simetria respecte a un subespai H , e s a dir, la transformacio
S : Rn Rn tal que S(u) = u , sim`etric de u respecte a H . Si H = {0} e s diu que S e s la
simetria central, si H e s una recta S e s una simetria axial, i si H e s un pla S e s una simetria
plana. Tambe e s f`acil veure que S e s lineal, i per tant un endomorfisme de Rn , per`o en aquest
cas resulta
Nuc(S) = {0},
Im(S) = Rn
i
rang(S) = n ,
de manera que S e s una transformacio bijectiva.
75
R. Amer i F. Carreras
5.4 Operacions
Com en el cas dels canvis de base, en aquesta seccio ens limitarem a considerar operacions amb
endomorfismes, deixant al lector la senzilla tasca de generalitzar la major part de les idees i els
resultats a transformacions lineals entre espais diferents.
Si t R, i T i S son endomorfismes de Rn , e s immediat comprovar que les transformacions de
Rn en si mateix definides per
(T + S)(u) = T (u) + S(u)
(t T )(u) = t T (u)
u Rn
M(t T, B) = t M(T, B) .
76
Transformacions lineals
R. Amer i F. Carreras
S2 = I
S = 2P I .
Les matrius de P i S relatives a una base B 0 adaptada a la suma directa H H son, respectivament,
0
A =
..
.
1
0
..
0
B =
..
1
1
..
.
1
Aquestes matrius A0 i B 0 son sim`etriques, per`o tambe ho son les matrius respectives A i B en la
base can`onica Bc . En efecte, suposant ortonormal la base B 0 , la matriu C del canvi de base de B 0
a Bc e s ortogonal, per tant C 1 = C t , A = C A0 C t i
At = (C A0 C t )t = C A0 C t = A ,
i un argument an`aleg serveix per a la matriu B. A mes, la matriu B e s ortogonal, perqu`e B t = B
i B 2 = I , de manera que B t B = I .
Abans de discutir la nocio general disometria, passem als girs del pla i les rotacions de lespai.
La descripcio dels girs en el pla orientat sha dut a terme amb tota generalitat en la primera seccio
daquest captol, i ser`a u til per a lestudi de les rotacions.
Donats un angle [0, 2 ) i un vector unitari w de lespai R3 orientat, considerarem el pla H =
hwi orientat per w, i definirem la rotacio dangle al voltant del vector w com lendomorfisme
R : R3 R3 descrit de la forma seguent en termes de la suma directa R3 = hwi H :
R(u) =
si u hwi
G(u) si u H
on G e s el gir dangle en el pla H orientat per w. Com que qualsevol vector u R3 sescriu
de forma u nica com u = u 0 + u 00 , amb u 0 H i u 00 hwi, tenim, per linealitat,
R(u) = R(u 0 ) + R(u 00 ) = G(u 0 ) + u 00 .
77
R. Amer i F. Carreras
1
0
0
0 cos sin .
0 sin cos
El resultat seguent dona una formula de c`alcul directe dimatges per a les rotacions.
Proposicio 5.11 Si R e s la rotacio dangle al voltant del vector unitari w R3 ,
R(u) = u cos + (1 cos )(u w)w + (w u) sin
u R3 .
de rotacio, per`o a la formula caldr`a fer servir el vector normalitzat, e s a dir, w = 1/ 3(1, 1, 1).
Els c`alculs parcials principals i el resultat son:
2
uw = ,
3
w u = (1, 0, 1)
3
1
3
R(u) = (2 +
3, 2, 2 3) .
Les isometries formen una classe important dendomorfismes de lespai euclidi`a. Son les transformacions rgides, e s a dir, aquelles que no deformen les figures de lespai. Intuitivament, la
rigidesa equival a la conservacio de les longituds dels vectors i dels angles entre ells; com que
aquests dos conceptes estan estretament lligats al producte escalar, e s natural donar la definicio
seguent.
Un endomorfisme T : Rn Rn e s una isometria de Rn si conserva el producte escalar dels
vectors, e s a dir, si
T (u) T (v) = u v
u, v Rn .
78
R. Amer i F. Carreras
Transformacions lineals
(Aquesta condicio e s tan forta que es pot demostrar que tota transformacio T : Rn Rn que
conserva el producte escalar ha de ser lineal.) A partir de la definicio, e s immediat comprovar
que tota isometria T
(a) conserva lortogonalitat: si u v, T (u) T (v) ;
(b) conserva la norma: kT (u)k = kuk u Rn ;
(c) conserva els angles no orientats: si u, v 6= 0, (T (u), T (v)) = (u, v) ;
(d) e s bijectiva .
A e s ortogonal .
Exemples 5.14 (a) Aplicant aquesta caracteritzacio matricial de les isometries e s f`acil comprovar, a partir de les matrius corresponents, que totes les simetries, els girs del pla i les rotacions
de lespai son isometries, mentre que les projeccions ortogonals no ho son.
(b) De la mateixa manera, o directament per la definicio, es demostra que la identitat I , la inversa
de qualsevol isometria i la composicio disometries tambe son isometries.
(c) Tenint en compte que el determinant de la matriu dun endomorfisme no dep`en de la base a la
qual est`a referida, les isometries es poden classificar en dos tipus. Les isometries directes son les
que compleixen que det(A) = 1, i evidentment conserven lorientacio de lespai vectorial i, per
tant, son realitzables fsicament: els girs del pla i les rotacions de lespai, aix com la identitat
(gir o rotacio de 0 ), la simetria central del pla (gir de 180 ) i les simetries axials de lespai
(rotacions de 180 ) son isometries directes. Les isometries inverses son les que compleixen
que det(A) = 1 i, per tant, inverteixen lorientacio de lespai vectorial i no son realitzables
fsicament: les simetries axials del pla i la simetria central i les simetries planes de lespai son
isometries inverses.
R. Amer i F. Carreras
79
Una questio o` bvia en aquest punt e s la seguent: hem esgotat, amb els exemples precedents, el
cat`aleg disometries? La resposta es donar`a en el pr`oxim captol, aplicant parcialment la teoria
de la diagonalitzacio de matrius, i prover`a un criteri per classificar una isometria a partir de la
seva matriu en una base ortonormal (la base can`onica, per fixar idees). Limitarem lestudi als
casos del pla i lespai, els mes interessants des del punt de vista fsic.
80
R. Amer i F. Carreras
Transformacions lineals
R. Amer i F. Carreras
81
6
Diagonalitzacio de matrius
82
Diagonalitzacio de matrius
R. Amer i F. Carreras
Mes en general, tambe hem comprovat la simplicitat de les matrius de les simetries i les projeccions ortogonals a Rn quan sabem escollir una base adequada.
Recordem que una matriu quadrada A = (ai j ) e s diagonal si ai j = 0 quan i 6= j.
Un endomorfisme T : Rn Rn e s diagonalitzable si la seva matriu en alguna base B 0 e s
diagonal:
A0 =
.
..
.
n
Per diagonalitzar un endomorfisme cal, doncs, trobar n vectors e10 , e20 , . . . , en0 linealment independents tals que T (ei0 ) = i ei0 per a i = 1, 2, . . . , n. Aix`o suggereix les definicions seguents.
Un vector e Rn e s un vector propi dun endomorfisme T si
T (e) = e
per a algun R. En particular, el vector 0 e s un vector propi amb qualsevol R. Per tant,
nomes direm que un nombre R e s un valor propi de T si existeix algun vector e 6= 0 tal que
T (e) = e. Cada vector propi e 6= 0 est`a associat a un u nic valor propi, perqu`e
e = T (e) = e
( )e = 0
=.
R. Amer i F. Carreras
83
84
R. Amer i F. Carreras
Diagonalitzacio de matrius
Per demostrar que la suma dels k subespais e s directa, hem de veure que si ei Nuc(T i I )
per a i = 1, 2, . . . , k, nomes e s possible la igualtat
e1 + e2 + + ek = 0
quan cada ei = 0 (que e s una de les condicions de suma directa).
Aplicant T a aquesta igualtat tenim que
1 e1 + 2 e2 + + k ek = 0 ,
mentre que multiplicant-la per k obtenim
k e1 + k e2 + + k ek = 0 .
Restant aquestes dues igualtats resulta que
(k 1 )e1 + (k 2 )e2 + + (k k1 )ek1 = 0 .
Com que els coeficients daquesta suma son diferents de zero, i la suma dels k 1 primers
subespais e s directa, podem assegurar que e1 = e2 = = ek1 = 0 i, en conseque` ncia,
ek = 0.
De vegades, lenunciat daquest lema sexpressa sense massa precisio dient que vectors
propis de valors propis diferents son linealment independents.
Lema 6.4 Si e s un valor propi de T de multiplicitat m, i d = dim Nuc(T I ), aleshores
1 d m.
evident que d 1, ja que la definicio de valor propi garanteix lexist`encia
D EMOSTRACI O . Es
dalgun e 6= 0 dins de Nuc(T I ).
Prenem ara una base {e1 , e2 , . . . , ed } de Nuc(T I ) i lampliem fins a obtenir una base
{e1 , e2 , . . . , ed , ed+1 , . . . , en } de Rn . Laspecte de la matriu de T en aquesta base e s
. .d
C
R. Amer i F. Carreras
85
i = 1, . . . , k .
per a
D EMOSTRACI O . (H) Si T e s diagonalitzable, la suma directa dels nuclis coincideix amb tot
lespai Rn , perqu`e els vectors propis que formen la base en la que la matriu de T e s diagonal
surten necess`ariament daquests nuclis. Aix doncs, la matriu diagonal de T
. .m 1
.
.m. 2
. .m k
.
k
dona directament det(x I T ) = (x 1 )m 1 (x 2 )m 2 (x k )m k . Daltra banda, tenim que
di m i per a tot i segons el lema precedent; a mes,
d1 + d2 + + dk = n
perqu`e la suma directa dels nuclis e s Rn ; finalment,
m1 + m2 + + mk = n
segons resulta de calcular el grau del polinomi caracterstic. De tot aix`o es dedueix que
di = m i
per a
i = 1, . . . , k .
86
Diagonalitzacio de matrius
R. Amer i F. Carreras
(H) Si T compleix les condicions (a) i (b), la suma directa dels nuclis e s Rn , ja que
dim [Nuc(T 1 I ) Nuc(T k I )] =
=
k
X
dim Nuc(T i I ) =
i=1
k
X
i=1
di =
k
X
mi = n .
i=1
Per tant, prenent una base adaptada a la suma directa tindrem una base de Rn formada per vectors
propis de T , el qual ser`a en conseque` ncia un endomorfisme diagonalitzable.
Corol.lari 6.6 (Una condicio suficient.) Si un endomorfisme T de Rn te n valors propis diferents,
T e s diagonalitzable.
Exemples 6.8 (a) Ni els girs en el pla ni les rotacions a lespai admeten vectors propis si langle
e s 6= 0, ; per tant no son endomorfismes diagonalitzables.
(b) Si la matriu dun endomorfisme T de R2 en la base can`onica e s sim`etrica, T e s diagonalitzable. El lector pot comprovar directament aquesta propietat, que e s un cas particular del teorema
espectral que demostrarem a continuacio.
87
R. Amer i F. Carreras
per a qualssevol
u, v Rn .
e s a dir,
X t At Y = X t AY ,
U U = U U = U AU = U t AU = U t U = U t U = U U ,
don es despr`en que = i per tant R.
88
Diagonalitzacio de matrius
R. Amer i F. Carreras
Finalment, comprovarem per induccio sobre n que existeix una base ortonormal de vectors propis
de T . Si n = 1, no hi ha res a dir. Si lenunciat e s cert per al cas n 1, seleccionem un vector
propi unitari en de T amb valor propi i escrivim
Rn = H hen i ,
on H = hen i . Si u H es compleix que T (u) H , perqu`e
T (u) en = u T (en ) = u en = 0 .
Per tant, T es restringeix a un endomorfisme, encara sim`etric, de H . Com que H e s un espai
vectorial de dimensio n 1, per hip`otesi dinduccio existeix una base ortonormal de H , diguem
{e1 , e2 , . . . , en1 }, formada per vectors propis de T .
Ara e s evident que {e1 , e2 , . . . , en1 , en } e s una base ortonormal de Rn formada per vectors propis
de T , que per tant e s diagonalitzable.
Exemple 6.11 Estudiem lendomorfisme T de R3 definit en la base can`onica per la matriu
2 1 1
A =1 2 1 .
1 1 2
Pel teorema espectral, T e s diagonalitzable. El polinomi caracterstic e s
det(x I A) = x 3 6x 2 + 9x 4 = (x 1)2 (x 4) ,
i els valors propis son 1 (doble) i 4 (simple). Els subespais de vectors propis son
Nuc(T I ) = h (1, 0, 1), (0, 1, 1) i
Nuc(T 4I ) = h (1, 1, 1) i .
El vector u 3 = (1, 1, 1) e s ortogonal als vectors u 1 = (1, 0, 1) i u 2 = (0, 1, 1), com assegura
el lema previ al teorema espectral, per`o aquests dos u ltims no ho son entre ells i cal aplicar el
m`etode de Gram-Schmidt, prenent v1 = u 1 i
v2 = u 2 tv1 ,
amb t =
u1 u2
1
= ,
u1 u1
2
v2 = (1, 2, 1) i v3 = (1, 1, 1)
formen una base ortogonal de vectors propis de T . Normalitzant-los obtenim els vectors
1
w1 = (1, 0, 1) ,
2
1
w2 = (1, 2, 1) i
6
1
w3 = (1, 1, 1) ,
3
R. Amer i F. Carreras
89
que formen una base ortonormal B 0 de vectors propis de T . La matriu del canvi e s
3 1 2
1
C= 0
2 2
6
3 1
2
(ortogonal: C 1 = C t ), i la matriu de lendomorfisme T en la base B 0 e s
1
.
1
A0 = C 1 AC = C t AC =
4
1 0 0
A =1 1 0
0 0 2
e s det(x I A) = (x 1)2 (x 2). Tot i que aquest polinomi es descompon totalment, la matriu
no e s diagonalitzable, perqu`e
0 0 0
A I = 1 0 0 , rang(A I ) = 2
0 0 1
90
R. Amer i F. Carreras
Diagonalitzacio de matrius
1
1
B=
1
0
0
1
0
0
0
1
2
0
0
2
0
2
e s det(x I B) = (x 1)(x + 1)(x 2)2 . Per saber si la matriu e s diagonalitzable, nomes cal
trobar rang(B 2I ): com que
3
0 0 0
1 1 1 2
,
B 2I =
1
0 0 0
0
0 0 0
tenim que rang(B 2I ) = 2 i d2 = 4 2 = 2 = m 2 . Per tant, B e s diagonalitzable.
(c) En el cas de la matriu
3 0 0
C =0 0 0
1 1 1
0 0
0
D = 0 0 1
0 1
0
e s det(x I D) = x 3 + x = x(x i)(x + i). Aquesta matriu no e s diagonalitzable sobre R,
perqu`e el polinomi caracterstic no es descompon totalment en factors de primer grau, mentre
que e s diagonalitzable sobre C perqu`e presenta tres valors propis diferents.
(e) (Teorema espectral generalitzat.) Tota matriu sim`etrica e s diagonalitzable amb un canvi
ortogonal.
R. Amer i F. Carreras
91
A0 =
..
.
n
m
1
2 m
per a tot m N.
(A0 )m =
..
.
n m
92
Diagonalitzacio de matrius
R. Amer i F. Carreras
m N.
a b
c d
=
d c
b
a
(
,
don
d=a
c = b .
amb a 2 + b2 = 1
93
R. Amer i F. Carreras
i, en conseque` ncia, existeix un u nic [0, 2 ) tal que a = cos i b = sin . En definitiva, la
matriu de T en la base can`onica e s
cos sin
sin
cos
i T e s un gir dangle .
Com a casos particulars tenim la identitat T = I quan = 0 i la simetria central T = I quan
= .
Cas 2. Si det(A) = 1, tenim que
a b
c d
=
Aleshores
A=
d
c
b a
a
b
b a
(
,
don
d = a
c = b.
amb a 2 + b2 = 1 .
Aquesta matriu e s sim`etrica i, per tant, diagonalitzable en una base ortonormal B 0 = {e10 , e20 }. El
seu polinomi caracterstic e s det(x I A) = x 2 1 = (x 1)(x + 1), de manera que la matriu
de T en la base B 0 e s
1
0
0
A =
.
0 1
T e s, doncs, la simetria axial deix
h e10 i = Nuc(T I ) .
Observacions 6.14 (a) Tambe podem distingir els girs de les simetries a partir del seguent fet:
si la matriu A e s sim`etrica, T e s la identitat, una simetria axial o la simetria central; si A no e s
sim`etrica, T e s un gir.
(b) Els girs tals que 6= 0, son les u niques isometries del pla que no tenen vectors propis.
Isometries de lespai
Estudiem ara les isometries de lespai orientat R3 . A difer`encia de les isometries del pla, les de
lespai sempre tenen vectors propis, ja que el seu polinomi caracterstic, en ser de grau 3, te com
a mnim una arrel real. El resultat seguent ens dona mes informacio.
Lema 6.15 Sigui T e s una isometria de R3 .
94
R. Amer i F. Carreras
Diagonalitzacio de matrius
on
H = h w i .
1
0
0
0 cos sin ,
0 sin cos
i T e s una rotacio dangle al voltant del vector w.
R. Amer i F. Carreras
95
Observacions 6.16 (a) Langle dep`en de T , de lorientacio de lespai i del sentit del vector
propi w escollit. En particular, la rotacio dangle al voltant de w coincideix amb la rotacio
dangle al voltant de w.
(b) Com a casos particulars tenim la identitat T = I quan = 0 i la simetria axial respecte a la
recta hwi = Nuc(T I ) quan = .
Cas 2. Si T e s una isometria de R3 amb determinant 1, sigui w un vector no nul amb valor
propi 1, i considerem la descomposicio de lespai
R3 = h w i H ,
on
H = h w i .
El mateix raonament dabans ens permet assegurar que la restriccio de T a H tambe e s un gir
dangle . Aleshores, si {u, v} e s una base ortonormal positiva de H , la matriu de T en la base
B = {w, u, v} e s
1
0
0
0 cos sin ,
0 sin cos
i T e s la composicio de la rotacio dangle al voltant del vector w amb la simetria plana
respecte a H . A mes, aquesta composicio e s commutativa, i cal notar que leix de rotacio i el pla
de simetria son ortogonals.
Observacio 6.17 Com a casos particulars tenim la simetria central T = I quan = i la
simetria plana respecte al subespai H = Nuc(T I ) quan = 0.
Podem resumir els resultats obtinguts en aquest apartat amb lesquema de classificacio seguent.
Si la matriu A representa la isometria T en la base can`onica o en qualsevol base ortonormal
positiva de R3 , aleshores:
Exemples 6.18 (a) Considerem la isometria T
matriu
0
A =1
0
0 1
0 0 .
1 0
immediat comprovar que aquesta matriu e s ortogonal, no sim`etrica, que det(A) = 1 i que
Es
Nuc(T I ) = h (1, 1, 1) i. Per tant, es tracta duna rotacio al voltant del vector (1, 1, 1).
Per obtenir langle de rotacio hem de calcular sin i cos . Apliquem la formula
T (u) = u cos + (1 cos )(u w)w + (w u) sin
96
Diagonalitzacio de matrius
R. Amer i F. Carreras
det(A)
A
sim`etrica
Si
Identitat
Simetria axial respecte al subespai Nuc(T I )
No
Si
No
1 (1, 1, 1)
3
i u = (1, 0, 0):
1
1 cos
= 0
1 cos sin
+ =1 ,
3
1 cos sin
= 0
3
3
cos +
3
1
cos =
i
sin =
.
2
2
Per tant, T e s la rotacio de 120 al voltant del vector (1, 1, 1): aquests son els dos elements
geom`etrics de la isometria.
Hi ha un m`etode alternatiu per determinar langle duna rotacio. Es basa en el fet que la traca
de la matriu dun endomorfisme e s invariant pels canvis de base, perqu`e e s un coeficient del
R. Amer i F. Carreras
97
polinomi caracterstic. Comparant la matriu A que tenim amb la matriu de la rotacio en una base
adaptada a leix resulta la relacio
1 + 2 cos = tr(A) .
Quan cos 6= 1, aquesta equacio admet dues solucions 1 , 2 [0, 2), tals que
0 < 1 <
< 2 < 2 .
=3>0
0 1 0
B = M(S, Bc ) = 1 0 0 .
0 0 1
B e s ortogonal i sim`etrica per`o det(B) = 1, per tant S e s una simetria plana. El pla de simetria
e s el subespai Nuc(S I ), definit pel sistema dequacions
1
1 0
x
0
1 1 0 y = 0 ,
0
0 0
z
0
que es redueix a lequacio x y = 0. Aquest e s el pla de simetria, i lunic element geom`etric
que cal determinar en aquest cas.
98
R. Amer i F. Carreras
Diagonalitzacio de matrius
y0 =
El problema consisteix a trobar les solucions, e s a dir, les funcions y = y(x) que satisfan la
relacio anterior per a tot x dun cert interval.
Exigint condicions a la funcio f apareixen diversos tipus dequacions diferencials. Si es demana
que f sigui lineal en y, ens trobem amb lequacio diferencial lineal
y 0 = P(x)y + Q(x) .
Si P(x) = e s una constant tenim lequacio diferencial lineal de primer ordre amb coeficient
constant
y 0 = y + Q(x) ,
on suposarem que Q e s una funcio almenys contnua en un interval I R. Si, a mes, Q(x) = 0,
resulta lanomenada equacio homog`enia
y 0 = y ,
la mes senzilla de totes per`o tambe la mes frequent en les primeres aplicacions pr`actiques.
Teorema 6.19 (a) Les solucions de lequacio homog`enia de primer ordre
y 0 = y
son totes les funcions de la forma
y(x) = Cex
amb C R .
99
R. Amer i F. Carreras
e s la funcio
y p (x) = ex
Q(x)ex d x .
amb C R .
o be
y(x) = Cex
amb C R .
Z
e s a dir, C(x) =
Q(x)ex d x ,
amb C R .
quan
x = x0 ,
100
Diagonalitzacio de matrius
R. Amer i F. Carreras
x
1
.
2 4
1
x
2 4
amb C R .
C=
3
4
3e2x 2x 1
.
4
Un sistema dequacions diferencials de primer ordre per a dues variables x, y que depenen duna
variable independent t e s un parell dequacions de la forma
dx
= F(x, y, t)
x =
dt
.
dy
y =
= G(x, y, t)
dt
Les solucions seran parelles de funcions x = x(t), y = y(t) que amb les seves derivades
satisfacin les dues equacions per a tot t dun cert interval.
Es pot donar a la variable t el significat de temps, i entendre x i y com les coordenades dun punt
m`obil del pla: en aquesta interpretacio cinem`atica del sistema, el vector velocitat v = (x,
y ) est`a
relacionat amb la posicio (x, y) i el temps t.
101
R. Amer i F. Carreras
x
y
X =
x
y
A=
a c
b d
i
H (t) =
f (t)
g(t)
U = C 1 X
C 1 A = DC 1 .
Aleshores
U = C 1 X = C 1 [AX + H (t)] = DC 1 X + C 1 H (t) = DU + C 1 H (t) .
Si posem
U=
u
v
D=
H (t) =
(t)
(t)
)
.
Una vegada resoltes separadament aquestes dues equacions i obtingudes les solucions u = u(t)
i v = v(t), desfent el canvi per X = CU tindrem la solucio general del sistema original, donada
per x = x(t) i y = y(t).
102
Diagonalitzacio de matrius
R. Amer i F. Carreras
)
.
(b) (Condicions inicials.) Les condicions inicials habituals per a un sistema dequacions diferencials de primer ordre son de la forma
x = x0
y = y0
quan
t = t0 ,
on x0 , y0 i t0 (sovint e s t0 = 0) son dades. Aix`o permet determinar les constants que apareixen
en la solucio general i escollir la solucio adequada.
Com a illustracio, considerem un m`obil del pla que a linstant t = 0 es troba en el punt (2, 0) i
en tot moment es regeix per les equacions diferencials de lexemple (a).
Imposant les condicions inicials, tenim que A = 0 i B = 1, constants que defineixen la solucio
u nica o traject`oria del mobil
x = et + 1 ,
y = et + 2t + 1 .
(c) Un fluid que es mou en pla sanomena estacionari quan la velocitat de cada partcula no
dep`en mes que de la posicio (i no del temps): altrament dit, si en passar per cada punt totes
les partcules porten la mateixa velocitat, donada pel camp vectorial que assigna a cada punt un
vector. Les solucions dun tal sistema
)
x = F(x, y)
y = G(x, y)
R. Amer i F. Carreras
103
son traject`ories x = x(t), y = y(t) que en cada punt tenen un vector tangent prefixat.
Considerem per exemple el sistema
)
x = y
y = x
y = r sin t ,
104
R. Amer i F. Carreras
Diagonalitzacio de matrius
R. Amer i F. Carreras
105
7
Tensors i formes quadr`atiques
Pensant en les aplicacions a la fsica i al c`alcul infinitesimal, dediquem aquest captol a lexemple
mes interessant de l`algebra tensorial: els tensors covariants sim`etrics de segon ordre que aqu
anomenarem simplement tensors i les formes quadr`atiques associades.
7.1 Introduccio
Abans de donar la definicio formal de les dues nocions b`asiques que volem considerar, proposarem per a cada una delles una situacio on es presenta de manera natural.
Exemple 7.1 (La forma hessiana duna funcio.) Considerem una funcio real de dues variables
z = f (x, y) i un punt p = (x0 , y0 ) del seu domini. Denotem les derivades parcials segones de
f en el punt p per
2
2
2
2
f
f
f
f
a=
,
b=
=
i
c=
.
2
x p
y x p
x y p
y2 p
Laplicacio q : R2 R que a cada vector u = (x, y) interpretat com un increment a partir
del punt p li assigna
q(u) = q(x, y) = ax 2 + 2bx y + cy 2
106
R. Amer i F. Carreras
e s lhessiana de la funcio f en el punt p. El seu estudi condueix a un criteri per seleccionar els
extrems locals de la funcio f dentre els seus punts estacionaris (vegeu la darrera seccio daquest
captol).
En general, una forma quadr`atica e s una aplicacio q : Rn R definida per una expressio
polin`omica homog`enia de segon grau en les variables x1 , x2 , . . . , xn :
q(u) = q(x1 , x2 , . . . , xn ) =
n
X
ai j xi x j
i, j=1
(on sempre es pot suposar, i aix ho farem, que ai j = a ji ). Observem que si A = (ai j ) i
X = (x1 x2 xn )t tenim que
q(u) = q(x1 , x2 , . . . , xn ) = X t AX .
immediat de comprovar que q(tu) = t 2 q(u).
Es
Exemple 7.2 (El tensor din`ercia.) Suposem que una partcula de massa m es mou a lespai fent
una rotacio al voltant de leix hwi amb velocitat angular k w k. Si r e s el vector de posicio de la
partcula, sabem que la seva velocitat e s v = w r .
Es defineix el moment cin`etic de la partcula a cada posicio r per
M(w) = mr v = mr (w r ) .
La transformacio M e s un endomorfisme sim`etric de R3 . Definim el tensor din`ercia de la
partcula a la posicio r per
T (u, v) = u M(v) .
T dona la mateixa informacio que M, per`o e s mes u til en determinades questions. Per exemple,
lenergia cin`etica de la partcula es pot escriure com
1
1
E = mk v k2 = T (w, w) .
2
2
(En el cas dun s`olid rgid compost per un continu de partcules, cal introduir a tot arreu el smbol
dintegracio.)
En general, un tensor (un tensor covariant sim`etric de segon ordre, per ser precisos) e s una
aplicacio bilineal sim`etrica T : Rn Rn R. Bilineal vol dir lineal respecte a cada una de
les dues variables vectorials, i aix`o significa que tenim
T (u + u 0 , v) = T (u, v) + T (u 0 , v)
T (tu, v) = t T (u, v)
i dues relacions an`alogues quan fixem u en comptes de v. Sim`etrica vol dir que T (u, v) =
T (v, u).
R. Amer i F. Carreras
107
n
X
ai j xi yj .
i, j=1
En general, els coeficients diagonals aii sanomenen components principals del tensor, i els
coeficients no diagonals ai j components secund`aries. En el cas del tensor delasticitat (origen
del mot tensor) es parla, respectivament, de tensions normals i tensions tangencials.
(b) (Forma quadr`atica associada.) Donat el tensor T , definim la forma quadr`atica associada a
T com laplicacio q : Rn R donada per
q(u) = T (u, u) .
Amb les notacions de lobservacio anterior tenim que
q(u) = X t AX ,
i e s immediat comprovar la propietat seguent, dita igualtat de polaritzacio, que permet afirmar
que tota forma quadr`atica q est`a associada a un u nic tensor T :
q(u + v) = q(u) + q(v) + 2T (u, v) .
(c) (Formula del canvi de base.) Si B 0 e s una altra base de Rn , A0 = M(T, B 0 ) i C e s la matriu
del canvi de base de B 0 a B, aleshores es compleix la relacio
A0 = C t AC .
108
R. Amer i F. Carreras
(Novament, deixem la comprovacio a les mans del lector, que pot inspirarse en el cas dels
endomorfismes tractat en el captol 5.) Des del punt de vista fsic, e s habitual pensar en un tensor
com un ens descrit a cada base per una matriu sim`etrica A que, en fer un canvi de base, varia
seguint la formula anterior. Escrita en components, la formula sexpressa per
n
X
ai0 j =
c`i a`k ck j per a i, j = 1, 2, . . . , n .
k,`=1
(d) (Restriccio dun tensor a un subespai.) Suposem que T e s un tensor definit sobre Rn , B e s
una base de Rn i A = M(T, B). Suposem tambe que H e s un subespai del qual hem escollit
una base B 0 = {u 1 , u 2 , . . . , u k }, i que D e s la matriu (de tamany n k) que relaciona B 0 amb B.
Aleshores, la restriccio de T al subespai H , que es defineix de manera o` bvia, queda descrita en
la base B 0 per la matriu
A0 = D t AD ,
perqu`e aquest producte matricial calcula els coeficients ai0 j = T (u i , u j ) de la matriu A0 . Com a
illustracio, restringirem el tensor T de R3 definit per
6
2
4
A = M(T, Bc ) = 2 2 2
4 2
0
al pla dequacio 2x + 3y z = 0. Una base daquest pla e s B 0
de la restriccio de T en aquesta base e s
6
1
2
4
1 0 2
2 2 2 0
A0 = D t AD =
0 1 3
2
4 2
0
0
22
10
1
=
.
10 14
3
La t`ecnica de restriccio e s u til per a lestudi dels extrems condicionats de les funcions de diverses
variables.
Exemples 7.5 (a) Si la posicio duna partcula de massa m referida a una base ortonormal positiva de lespai e s r = (x, y, z), la matriu del tensor din`ercia de la partcula en aquesta posicio
e s
2
y + z2
x y
x z
x 2 + z2
yz .
A = m x y
2
x z
yz
x + y2
En el cas dun sistema format per un nombre finit de partcules de masses m k
tives rk = (xk , yk , z k ), la matriu e s
X
X
X
m k (yk2 + z k2 )
m k xk yk
m k xk z k
k X
k
k
X
X
m k xk yk
m k (xk2 + z k2 )
m k yk z k
A=
k
k
k
X
X
Xm x z
m y z
m (x 2 + y 2 )
k k k
k k k
i posicions respec
R. Amer i F. Carreras
109
Els coeficients de la diagonal principal son els moments din`ercia, i els restants sanomenen
productes din`ercia.
(b) La presentacio geom`etrica de la teoria de la relativitat restringida fa servir un espai vectorial
real, lespaitemps E 4 = V3 T1 , on V3 e s lespai ordinari (de les posicions) i T1 e s leix
temporal. La formulacio de la teoria es fonamenta en el tensor de Minkowski, que en una base
{i, j, k, h} adaptada a la suma directa queda definit per la matriu
1
,
A=
1
2
c
on c e s la velocitat de la llum. Lequacio de la forma quadr`atica associada al tensor de Minkowski
en la mateixa base e s
q(u) = q(x, y, z, t) = x 2 + y 2 + z 2 c2 t 2 ,
i la cinem`atica de la relativitat restringida equival essencialment a lestudi de les isometriesde
E 4 , endomorfismes que deixen invariant el tensor de Minkowski i reben el nom de transformacions de Lorentz.
La mec`anica relativista dels medis continus demostra que el tensor de lenergia mec`anica dun
fluid perfecte e s un multiple escalar del tensor de Minkowski.
0
0
0
0 2
0 2
0 2
..
A0 = M(T, B 0 ) =
i q(x1 , x2 , . . . , xn ) = 1 (x1 ) +2 (x2 ) + +n (xn ) .
.
n
D EMOSTRACI O . La matriu A de T en una base B de Rn e s sim`etrica. Aplicant el teorema
espectral generalitzat, existeix una matriu ortogonal de canvi de base C tal que
A0 = C 1 AC = C t AC
e s diagonal.
110
R. Amer i F. Carreras
Observacions 7.7 (a) Si nomes considerem bases ortonormals (es a dir, fem canvis ortogonals),
el resultat final del proces la matriu A0 e s u nic llevat de lordre en qu`e disposem els valors
propis. Lequacio corresponent per a la forma quadr`atica associada,
q(x10 , x20 , . . . , xn0 ) = 1 (x10 )2 + 2 (x20 )2 + + n (xn0 )2 ,
sanomena lexpressio euclidiana can`onica de q.
(b) A efectes pr`actics, recordem que els coeficients de la diagonal de A0 son els valors propis de
la matriu A, i que les columnes de la matriu de canvi C son els vectors propis ortonormals de A
escrits en el mateix ordre que els valors propis.
Exemple 7.8 Considerem un cub rgid i homogeni, de costat 1 i densitat 12, que gira al voltant
dun eix que passa per un dels seus v`ertexs, i suposem que els vectors de la base ortonormal
positiva de refer`encia B segueixen les direccions de les arestes del cub. Aleshores, la matriu del
tensor din`ercia del s`olid en la base B e s
8 3 3
8 3 .
A = 3
3 3
8
El polinomi caracterstic e s det(t I A) = t 3 24t 2 + 165t 242, i els valors propis son 2
(simple) i 11 (doble). Escollim com a vectors propis respectius
1
u 1 = (1, 1, 1),
3
1
u 2 = (1, 1, 0) i
2
1
u 3 = (1, 1, 2) .
6
2
.
11
A0 =
11
Els valors propis son els moments principals din`ercia del cub, i les direccions definides pels
vectors u 1 , u 2 , u 3 son els eixos principals din`ercia. Si leix de rotacio e s un daquests eixos
aleshores no hi ha productes din`ercia, i aix`o significa que la figura es troba en equilibri din`amic.
Lexpressio euclidiana can`onica de la forma quadr`atica associada e s
2
111
R. Amer i F. Carreras
Aplicant factors correctors adequats als vectors de la base on un tensor T diagonalitza, sempre
podem fer que els coeficients de la matriu diagonal de T siguin exclusivament 1, 1 o 0. A
lexemple anterior, si prenem com a base
1
v1 = (1, 1, 1),
6
1
v2 = (1, 1, 0) i
22
1
v3 = (1, 1, 2)
66
A0 =
1
1
q(x 0 , y 0 , z 0 ) = x 0 + y 0 + z 0 .
Observem que hem sacrificat la normalitzacio dels vectors.
1
u 2 = (1, 3, 0)
24
u 3 = (1, 1, 4)
1
0
mentre que els valors propis son 2 + 22, 2 22 i 0. No importa la manera com hem obtingut
els vectors u 1 , u 2 , u 3 : la questio e s que existeixen diferents matrius diagonals dun mateix tensor.
Aleshores, el resultat seguent esdeve essencial.
112
R. Amer i F. Carreras
Teorema 7.10 (Llei din`ercia de Sylvester.) Els nombres r i s no depenen de la base escollida
per diagonalitzar el tensor T .
D EMOSTRACI O . Sigui B = {u 1 , . . . , u r , v1 , . . . , vs , w1 , . . . , wt } una base on la matriu de T
e s diagonal, i suposem que, a la diagonal, els primers r coeficients son positius, els s seguents
negatius i els t finals zeros. Aix`o ens dona una descomposicio de lespai en suma directa:
Rn = Pr Ns Rt ,
on T (u, v) = 0 si u i v pertanyen a subespais diferents i, a mes,
q(u) > 0 u Pr ,
q(v) < 0
v Ns
q(w) = 0
w Rt .
Sigui B 0 una altra base on la matriu de T e s diagonal, ordenada de forma an`aloga. Dentrada,
Rt = {u Rn : T (u, v) = 0 v Rn } = Rt00 ,
per tant, t = t 0 i r + r 0 = s + s 0 .
Comprovem ara que la projeccio de Rn sobre Pr parallelament a Ns Rt e s injectiva quan es
restringeix a Pr00 . En efecte: si 0 6= x Pr00 , tenim x = u + v + w amb u Pr , v Ns i w Rt ;
si fos u = 0, resultaria que
0 < q(x) = q(v + w) = q(v) + q(w) + 2T (v, w) = q(v) < 0 ,
absurd. Aix doncs, r 0 r . Per la simetria del raonament, r = r 0 , i per tant tambe s = s 0 .
Els nombres r i s son els ndexs din`ercia de T (i de q). La llei din`ercia ens diu que lexpressio
duna forma quadr`atica en qualsevol base on la matriu sigui diagonal amb coeficients 1, 1 i 0
e s u nica, i queda justificat denominarla lexpressio can`onica af de la forma. Una manera de
calcular els ndexs din`ercia, i descriure per tant lexpressio can`onica af de la forma, e s comptar
els signes dels valors propis. El teorema de Descartes (vegeu lap`endix B) sembla fet a mida per
a aquesta finalitat, ja que per ser sim`etrica la matriu A que representa a T sabem a priori que el
seu polinomi caracterstic te totes les arrels reals, i podem determinar f`acilment r i s.
Exemple 7.11 Considerem la forma quadr`atica de lexemple anterior:
q(x, y, z) = 6x 2 + 4x y 2y 2 + 2x z + 2yz .
El polinomi caracterstic e s det(t I A) = t 3 4t 2 18t = 0. Aqu hi ha una variacio de signe,
i per tant un u nic valor propi positiu; com que 0 e s un valor propi simple, hi ha un tercer valor
propi negatiu. Lexpressio can`onica af de q e s
2
q(x 0 , y 0 , z 0 ) = x 0 y 0 .
113
R. Amer i F. Carreras
Es diu que una forma quadr`atica q e s definida positiva (respectivament, definida negativa) si
q(u) > 0 (resp., q(u) < 0) per a tot u 6= 0. Es diu que q e s semidefinida positiva si q(u) 0
per a tot u Rn (amb algun u tal que q(u) > 0) per`o existeix algun v 6= 0 tal que q(v) = 0 el
lector prover`a la definicio de semidefinida negativa. Finalment, q e s no definida si existeixen
u, v Rn tals que q(u) > 0 i q(v) < 0. Lunica forma quadr`atica que escapa, doncs, a aquesta
classificacio e s la forma nulla. A continuacio donem diversos criteris per classificar una forma
quadr`atica arbitr`aria.
Teorema 7.12 Els ndexs din`ercia r i s duna forma quadr`atica q definida sobre Rn , calculables a partir dels valors propis 1 , 2 , . . . , n , permeten classificarla segons lesquema de la
taula 7.1.
Tot i > 0
r =n
s=0
definida positiva
Tot i < 0
r =0
s=n
definida negativa
0<r <n
s=0
semidefinida positiva
r =0
0<s<n
semidefinida negativa
Algun i > 0
i algun j < 0
r >0
s>0
no definida
Tot i = 0
r =0
s=0
forma nulla
D EMOSTRACI O . Nomes cal pensar en lexpressio can`onica af de q, amb la qual es fan paleses
les sis possibilitats, i en la relacio entre els ndexs din`ercia i els signes dels valors propis.
Exemples 7.13 (a) El tensor din`ercia duna partcula dona sempre una forma quadr`atica semide-
114
R. Amer i F. Carreras
5 2 1
5 1 .
A = 2
1 1
6
El polinomi caracterstic e s det(t I A) = t 3 16t 2 + 79t 112, de manera que la forma
quadr`atica associada e s definitiva positiva perqu`e r = 3 i s = 0.
Teorema 7.14 (Criteri de Sylvester.) Si A e s la matriu del tensor T en alguna base, i els nombres
D1 , D2 , . . . , Dn son els menors diagonals creixents de la matriu A = (ai j ), e s a dir,
Dk = det(Ak ) ,
on
Ak = (ai j ) per a
1 i, j k ,
aleshores:
(a) q e s definida positiva si, i nomes si, D1 , D2 , . . . , Dn > 0.
(b) q e s definida negativa si, i nomes si, Dk > 0 quan k e s parell i Dk < 0 quan k e s senar.
D EMOSTRACI O . (a) Denotem per B = {e1 , e2 , . . . , en } la base on la matriu de T e s A.
(H) Per a cada k = 1, 2, . . . , n, la restriccio de q al subespai h e1 , e2 , . . . , ek i e s definida
positiva i la matriu e s Ak ; en alguna base daquest subespai la matriu ser`a diagonal,
t1
..
A0k =
amb
t1 , . . . , tk > 0 ,
.
tk
de manera que det(A0k ) > 0 i, per la formula del canvi de base, Dk = det(Ak ) > 0.
(H) Suposem que q no e s definida positiva i considerem el mes petit dels subespais Hk =
h e1 , e2 , . . . , ek i on la restriccio de q no e s definida positiva. Aquesta restriccio diagonalitza en
una base h e10 , e20 , . . . , ek0 i de Hk amb matriu A0k , i no tots els t1 , . . . , tk poden ser positius. Ara
be, si existissin ti , t j 0, la restriccio de q al pla h ei0 , e0j i seria definida (o semidefinida) negativa
o nulla, en contradiccio amb el fet que h ei0 , e0j i Hk1 6= {0}. Per tant, existeix un u nic ti 0,
i Dk = det(Ak ) 0 en contradiccio amb les hip`otesis.
R. Amer i F. Carreras
115
a>0
definida positiva
D>0
a<0
definida negativa
D=0
T >0
semidefinida positiva
D=0
T <0
semidefinida negativa
D<0
D=0
no definida
T =0
forma nulla
116
R. Amer i F. Carreras
R. Amer i F. Carreras
117
Per a obtenir condicions suficients dextrem local e s necessari estudiar el signe daquest increment prop del punt p. El resultat seguent dona un criteri forca u til, i per justificar-lo nomes
necessitem observar que la condicio C 2 exigida a f assegura que les derivades parcials segones
son contnues.
Teorema 7.16 (Condicions suficients dextrem local.) Sigui f : D R una funcio definida
en un domini D Rn i de classe C 2 en un entorn U dun punt p D. Suposem que (d f ) p = 0.
Aleshores:
(a) Si (d 2 f ) p e s definida positiva, f te un mnim local en el punt p.
(b) Si (d 2 f ) p e s definida negativa, f te un m`axim local en el punt p.
(c) Si (d 2 f ) p e s no definida, f no te extrem local en el punt p.
D EMOSTRACI O . (a) Si (d 2 f ) p e s definida positiva, per les condicions que reflecteixen aquest
fet desigualtats, basicament i la continutat de les derivades parcials segones de f , (d 2 f )q
seguir`a essent definida positiva en tot un entorn de p, i retornant a la formula de lincrement
escrita abans daquest teorema arribem a la conclusio que f ( p + t) f ( p) 0 per a tot punt
p + t de lentorn; per tant, f presenta un mnim local en el punt p.
(b) Largument e s, mutatis mutandis, id`entic.
(c) Si (d 2 f ) p e s no definida, existeixen vectors u, v Rn tals que
(d 2 f ) p (u, u) > 0
(d 2 f ) p (v, v) < 0 .
i, per tant, f te, segons la direccio de u, un mnim local en el punt p; per`o un raonament an`aleg
per a la funcio h() = f ( p +v) ens diu que f te un m`axim local en el punt p segons la direccio
de v. En definitiva, f no te extrem local en el punt p.
Observem que si (d 2 f ) p e s semidefinida o nulla, el teorema anterior no e s aplicable, i cal fer
un estudi basat en altres m`etodes. I tambe que per classificar (d 2 f ) p podem fer u s, segons
convingui, de qualsevol dels criteris establerts a la seccio anterior.
Exemples 7.17 (a) Considerem f (x, y) = x 2 y 2 . Busquem els punts que satisfan la condicio
necess`aria d f = 0, e s a dir,
f
= 2x = 0
x
f
= 2y = 0 ,
y
118
R. Amer i F. Carreras
i trobem p = (0, 0). La matriu hessiana matriu de les derivades parcials segones en aquest
punt e s
2
0
H (0, 0) =
.
0 2
evident, doncs, que (d 2 f ) p e s no definida i, per tant, f no te extrem local en el punt (0, 0): es
Es
diu que hi ha un punt de sella (m`axim en una direccio, quan x = 0, i mnim en una altra, quan
y = 0).
(b) Considerem ara la funcio z = f (x, y) = (x 2 + y 2 2x)(x 2 + y 2 6x). Seguint el mateix
procediment, tenim com a condiciones necess`aries
f
2
2
2
x
.
f
= 4y(x 2 + y 2 4x) = 0
y
De la segona equacio resulta que y = 0 o be x 2 + y 2 4x = 0. (1) Si y = 0, la primera equacio
es converteix en 4x(x 2 6x + 6) = 0, don
x = 0,
x =3+ 3
o
x = 3 3.
(2) Si x 2 + y 2 4x = 0, tenim que x 2 + y 2 = 4x i la primera equacio es transforma en 8x = 0,
per tant x = 0 i y = 0.
Resumint, caldr`a estudiar la matriu hessiana en els punts
a = (0, 0) ,
b = (3 + 3, 0)
i
c = (3
3, 0) .
2 f
2 f
=
= 8y(x 2)
x y
y x
24( 3 + 1)
0
,
0
8 3
119
R. Amer i F. Carreras
24(1
0
3)
0
8 3
24 0
0 0
i el teorema no decideix perqu`e H (a) e s semidefinida positiva. Cal dur a terme un estudi particular, que en aquest cas queda resolt de la forma seguent. El primer factor sanulla sobre la
circumfer`encia x 2 + y 2 2x = 0, de centre (1, 0) i radi 1, mentre que el segon ho fa sobre la
circumfer`encia x 2 + y 2 6x = 0, de centre (3, 0) i radi 3. A qualsevol entorn del punt (0, 0) hi ha
punts dels interiors de les dues circumfer`encies, en els quals f prendr`a valors positius, i tambe
punts interiors a una per`o exteriors a laltra, on f prendr`a valors negatius. Tenint en compte que
f (0, 0) = 0, sarriba a la conclusio que f no presenta extrem local en el punt (0, 0).
120
R. Amer i F. Carreras
R. Amer i F. Carreras
121
8
Geometria lineal
La percepcio prim`aria del mon real es fonamenta en els punts i les figures que amb ells es formen, i no pas en els vectors. Per`o lus de coordenades per determinar la posicio dels punts, i
per tant dequacions per descriure les figures elementals, converteix la geometria analtica en un
camp de fecunda aplicacio de l`algebra lineal. En aquest captol estudiarem les figures lineals,
e s a dir, les definides per equacions de primer grau. Com que el lector ja coneix segurament
alguns dels conceptes i t`ecniques que apareixen, aprofitarem la seva intuicio i la seva experi`encia
pr`evia per estalviar-li un exces de formalisme analtic. Presentarem la teoria nomes per a lespai
tridimensional; les refer`encies al pla es reduiran a aquells aspectes en els quals lanalogia requereix algun comentari. (Daltra banda, no sembla oportu en aquest context fer distincions entre
geometria estrictament af i geometria m`etrica.)
122
R. Amer i F. Carreras
Geometria lineal
(a)
pp = 0E .
.
(b) q
p =
pq
+
(c)
pq
qr =
pr .
D EMOSTRACI O . (a) Existeix un u nic vector vE tal que p + vE = p; per tant
p + (E
v + vE) = ( p + vE) + vE = p + vE ,
E
i daqu resulta que vE + vE = vE, e s a dir, vE = 0.
(b) Aplicant lassociativitat, tenim que
+ q
+ q
= p,
p + (
pq
p) = ( p +
pq)
p = q + qp
+ q
123
R. Amer i F. Carreras
p + (
pq
qr ) = ( p +
pq)
qr = q +
qr = r ,
+
e s a dir,
pq
qr =
pr .
Una refer`encia cartesiana de E 3 e s una quaterna R = {o ; eE1 , eE2 , eE3 }, on o P3 e s un punt
escollit arbitr`ariament, anomenat origen de la refer`encia, i B = {Ee1 , eE2 , eE3 } e s una base de V3 .
Es diu que la refer`encia e s rectangular si B e s una base ortonormal, que suposarem sempre
positiva. Farem servir sempre refer`encies rectangulars, tot i que molts resultats els que no
depenen del producte escalar ni de conceptes derivats dell son extrapolables a refer`encies de
qualsevol mena.
Donada una refer`encia R, cada punt p de P3 es pot descriure pel seu vector de posicio respecte
a lorigen de coordenades:
Es important traduir a coordenades dels punts i components dels vectors les dues operacions
b`asiques definides entre ells: donats
p = ( p1 , p2 , p3 ) ,
q = (q1 , q2 , q3 ) i
per a i = 1, 2, 3 .
Exemples 8.3 (a) Considerant les relacions entre coordenades i components, e s immediat comprovar la propietat del parallelogram:
pq
rs
pr =
qs .
124
Geometria lineal
R. Amer i F. Carreras
Laparent asimetria de la definicio desapareix en observar que les coordenades de m son les
semisumes de les corresponents coordenades de p i q, don resulta que
1
.
m = q + qp
2
on m e s el punt mitj`a de p i q; aqu trobem que les coordenades de g son les mitjanes aritm`etiques
de les coordenades corresponents de p, q i r , i per tant els papers de p, q i r en aquesta construccio son permutables.
Formula del canvi de refer`encia. Sigui R0 = {o1 ; uE1 , uE2 , uE3 } una altra refer`encia, i suposem
conegudes tant la posicio del nou origen com la depend`encia de la nova base:
= b eE + b eE + b eE
oo
1
1 1
2 2
3 3
per a
j = 1, 2, 3 .
La relacio entre les coordenades velles (x, y, z) i les noves (x 0 , y 0 , z 0 ) dun punt gen`eric p P3
resulta simplement de la igualtat
+
op =
oo
o
p
1
i e s
X = B + C X0 ,
o be
on
x
X =y ,
z
x0
X 0 = y0 ,
z0
b1
B = b2
b3
R. Amer i F. Carreras
125
uE = (a, b, c) .
p0 + D1 = p0 + h uE i
amb t R ,
x = x0 + at
y = y0 + bt
z = z 0 + ct
p0 + D2 = p0 + h uE, vE i
amb t, s R ,
i aix`o e s lequacio param`etrica vectorial del pla. Els par`ametres seliminen escrivint la relacio
equivalent o equacio implcita
det(
p
E, vE) = 0 .
0 p, u
126
Geometria lineal
R. Amer i F. Carreras
i tambe p0 = (x0 , y0 , z 0 ), uE = (u 1 , u 2 , u 3 ) i vE =
u 1 v1
u 2 v2 = 0 ,
u 3 v3
Ax + By + C z + D = 0 .
o be
Observacions 8.4 (a) Notem que lequacio contnua duna recta condueix a un sistema de dues
equacions lineals de rang 2 (equacions implcites de la recta) i que, recprocament, un tal sistema defineix una recta, ja que la seva solucio general ens dona les equacions param`etriques.
Geom`etricament, donar el sistema significa expressar la recta com a interseccio de dos plans.
Tambe es posa de manifest que els plans i les rectes son precisament les figures definides per
equacions lineals, les mes senzilles, doncs, segons el criteri del grau per`o tambe les mes usuals
a la pr`actica.
Aix, donada la recta definida per
3x + y + 2z 6 = 0
x +y+z4=0
)
,
y =2+t,
z = 2 2t ,
C
=
,
u 1 v1
u 2 v2
127
R. Amer i F. Carreras
(c) En el pla euclidi`a puntual E 2 = (P2 , V2 , +) les u niques varietats lineals no trivials son les
rectes, que comparteixen caracterstiques de les rectes de lespai (direccio de dimensio 1) i dels
plans (direccio de dimensio n 1), i per tant admeten tres tipus dequacions:
(1) param`etrica:
pt = p0 + t uE,
(2) contnua:
x x0
y y0
=
,
a
b
(3) implcita:
Ax + By + C = 0,
a mes daltres tambe usuals que suposem conegudes pel lector, com lexplcita y = mx + n o
lequacio punt-pendent y y0 = m(x x0 ).
R0
a
b
c
= 0 = 0
0
a
b
c
Aa + Bb + Cc = 0
P0
A
B
C
= 0 = 0
0
A
B
C
128
Geometria lineal
R. Amer i F. Carreras
p0 + t uE
R0 :
q0 + s vE ,
la primera possibilitat e s que siguin paralleles, quan uE i vE son proporcionals; en particular, seran
coincidents si q0 R.
En cas contrari, els vectors uE i vE son linealment independents, de manera que si existeix un punt
comu p R R 0 e s u nic (rectes secants): vegem que aix`o e s equivalent a que
E, vE) = 0 .
det(
p
0 q0 , u
En efecte: si p R R 0 tindrem que
p
E s vE per a certs t, s
0 q0 = p0 p + pq0 = t u
E i vE son linealment
R, depend`encia lineal que anulla el determinant; recprocament, si
p
0 q0 , u
dependents, existir`a una relacio de la forma
p
E s vE ,
0 q0 = t u
i prenent p = p0 + t uE resulta que
p = p0 + t uE = p0 +
p
E = q0 + s vE R 0 ,
0 q0 + s v
i per tant p R R 0 .
Finalment, quan
E, vE) 6= 0 ,
det(
p
0 q0 , u
les rectes no son paralleles ni secants, i es diu que sencreuen (possibilitat que no existeix entre
rectes del pla).
(B) Donats una recta i un pla,
R :
p0 + t uE
P :
Ax + By + C z + D = 0 ,
y = y0 + bt ,
z = z 0 + ct
129
R. Amer i F. Carreras
A1 x + B1 y + C1 z + D1 = 0
A2 x + B2 y + C2 z + D2 = 0 .
Ax + By + C z + D = 0
Si els rangs de la matriu dels coeficients i la matriu ampliada son r i r 0 , tenim tres possibilitats:
(a) si r = r 0 = 3, la recta i el pla son secants (solucio u nica); (b) si r = 2, per`o r 0 = 3, son
parallels sense inclusio (incompatibilitat); (c) si r = r 0 = 2, el pla passa per la recta (infinites
solucions amb un grau de llibertat).
(C) Donats dos plans
P1 :
A1 x + B1 y + C1 z + D1 = 0
P2 :
A2 x + B2 y + C2 z + D2 = 0 ,
considerem els rangs r i r 0 del sistema que formen. Hi ha tambe tres casos: si r = 1, els plans
son parallels, coincidents si r 0 = 1 i diferents si r 0 = 2; si r = r 0 = 2, son secants, i els punts
comuns formen una recta com ja hem dit en una observacio de la seccio anterior. Com que la
refer`encia e s rectangular, el vector director de la recta comuna e s w
E1 w
E 2 , on w
E 1 = (A1 , B1 , C1 )
iw
E 2 = (A2 , B2 , C2 ).
Feix de plans. Aquesta e s la denominacio del conjunt de plans que passen per una recta determinada R. Suposem que R est`a definida com a interseccio de dos plans
P1 :
A1 x + B1 y + C1 z + D1 = 0
P2 :
A2 x + B2 y + C2 z + D2 = 0 .
Com hem vist a lapartat (B) dincid`encia, la condicio necess`aria i suficient per tal que un pla
arbitrari P passi per R e s que afegint la seva equacio Ax + By + C z + D = 0 al sistema format
per les altres dues no canvi el conjunt de solucions (els punts de R): aix`o significa que lequacio
de P ser`a combinacio lineal de les altres dues, i per tant
(A1 x + B1 y + C1 z + D1 ) + (A2 x + B2 y + C2 z + D2 ) = 0 ,
variant , R, e s lequacio (de tots els plans) del feix que passa per R. Una expressio
equivalent, en la que nomes perdem P2 , resulta de dividir per 6= 0 i prendre = /:
(A1 x + B1 y + C1 z + D1 ) + (A2 x + B2 y + C2 z + D2 ) = 0 .
Exemple 8.5 Busquem lequacio del pla que passa pel punt p = (1, 1, 3) i per la recta
)
2x + y + z = 0
.
x + y 3z = 1
130
Geometria lineal
R. Amer i F. Carreras
3
4
e s a dir,
11x + 7y 5z 3 = 0 .
R0
aa 0 + bb0 + cc0 = 0
a
b
c
=
=
A
B
C
P0
A A0 + B B 0 + CC 0 = 0
p
E D,
0p v
131
R. Amer i F. Carreras
p
E
0p u
vE =
uE ,
2
k uE k
per tant la projeccio de p sobre R e s el punt
p
E
0p u
q = p0 +
uE .
2
k uE k
Aquest punt tambe es pot obtenir fent la interseccio de la recta R i el pla perpendicular que passa
per p.
(b) Si P e s el pla p0 + h w
E i , la projeccio ortogonal de
p
E i e s
0 p sobre el subespai h w
p
E
0p w
vE =
p
p
w
E,
0
2
kw
Ek
per tant la projeccio de p sobre P e s el punt
p
E
p
E
0p w
0p w
q = p0 + p0 p
w
E = p
w
E.
2
2
kw
Ek
kw
Ek
An`alogament al cas anterior, podem obtenir aquest punt com a interseccio del pla P i la recta
perpendicular que passa per p. Com a illustracio, donats el punt p = (5, 3, 2) i el pla P
dequacio 2x + y z + 3 = 0 busquem q i s.
La recta que passa per p amb vector director w
E = (2, 1, 1), ortogonal a P, e s
x = 5 + 2t ,
y =3+t,
z = 2 t ,
6t + 18 = 0 ,
t = 3 ,
de manera que obtenim la projeccio ortogonal de p sobre P, que e s q = (1, 0, 1). Finalment,
= (6, 3, 3) i fent
considerant
pq
= (5, 3, 2) + 2(6, 3, 3) = (7, 3, 4) ,
s = p + 2
pq
trobem el sim`etric de p respecte a P.
132
R. Amer i F. Carreras
Geometria lineal
uE = (20, 21, 0) .
144
w
E uE
= arccos
= 67 320 ,
kw
E kk uE k
13 29
Les propietats de la dist`ancia resulten de traduir les de la norma (captol 4), i per tant son de
comprovacio immediata:
(a) d( p, p) = 0; d( p, q) > 0 si p 6= q.
(b) d( p, q) = d(q, p).
(c) Desigualtat triangular: d( p, r ) d( p, q) + d(q, r ).
133
R. Amer i F. Carreras
(d) Teorema de Pit`agores: si p, q, r son els v`ertexs dun triangle rectangle a q, e s a dir,
q
p
qr , aleshores
d( p, r )2 = d( p, q)2 + d(q, r )2 .
La dist`ancia entre dues varietats lineals L i L 0 e s el mnim de les dist`ancies entre punts de luna
i de laltra:
d(L , L 0 ) = min{ d( p, q) : p L , q L 0 } .
Aquesta definicio de dist`ancia exigeix que comprovem en cada cas lexist`encia del mnim. Analitzarem seguidament tots els casos possibles.
Teorema 8.9 La dist`ancia dun punt p a una varietat lineal L e s la del punt a la seva projeccio
ortogonal sobre L.
D EMOSTRACI O . Si q e s la projeccio ortogonal de p sobre L i p0 6= q e s un punt qualsevol de
L, aplicant el teorema de Pit`agores al triangle de v`ertexs p0 , q i p, rectangle a q, tenim
d( p0 , p)2 = d( p0 , q)2 + d(q, p)2 ,
de manera que d( p0 , p) > d(q, p) i per tant d( p, L) = d( p, q).
| Ax0 + By0 + C z 0 + D |
.
A2 + B 2 + C 2
En efecte: si w
E = (A, B, C), la projeccio ortogonal q del punt p sobre P e s la interseccio de la
recta p + h w
E i, dequacions
x = x0 + At ,
y = y0 + Bt ,
z = z 0 + Ct ,
t =
Ax0 + By0 + C z 0 + D
.
A2 + B 2 + C 2
| Ax0 + By0 + C z 0 + D |
.
A2 + B 2 + C 2
Aquesta formula e s aprofitable per al pla: la dist`ancia del punt p = (x0 , y0 ) a la recta R dequacio
Ax + By + C = 0 e s
| Ax0 + By0 + C |
.
d( p, R) =
A2 + B 2
134
Geometria lineal
R. Amer i F. Carreras
La definicio de dist`ancia implica que la dist`ancia entre varietats secants e s nulla. Queden,
doncs, quatre casos possibles. En els tres referits a varietats paralleles L i L 0 (dues rectes, dos
plans o recta i pla), amb direccions respectives D D 0 , la dist`ancia e s la de qualsevol punt
p L a L 0 . En efecte: si q e s la projeccio ortogonal de p sobre L 0 i p1 L i q1 L 0 son punts
arbitraris,
p
1 q1 = p1 p + pq + qq1 = pq + ( p1 p + qq1 ) ,
i, pel teorema de Pit`agores,
d( p1 , q1 ) d( p, q) ,
e s a dir, d(L , L 0 ) = d( p, L 0 ) per a qualsevol p L.
La darrera situacio requereix un estudi particular.
Proposicio 8.11 Donades dues rectes que sencreuen
R :
pt = p0 + t uE ,
R0 :
qs = q0 + s vE ,
existeix un u nic parell de punts pt R i qs R 0 tals que la recta que els uneix e s perpendicular
a R i a R 0 . A mes,
d(R, R 0 ) = d( pt , qs ) .
D EMOSTRACI O . Escrivim
p
E+
p
E
t qs = pt p0 + p0 q0 + q0 qs = t u
0 q0 + s v
i imposem les condicions de perpendicular comuna,
uE
p
t qs = 0 ,
vE
p
t qs = 0 ,
t (E
u uE) + s(E
u vE) + uE
p
0 q0 = 0
t (E
v uE) + s(E
v vE) + vE
p
q =0
)
.
0 0
E
u uE uE vE
E
v uE vE vE
< 0,
per la desigualtat de Schwarz. El sistema te, per tant, solucio u nica, i els punts pt i qs defineixen
la perpendicular comuna. Per veure que d( pt , qs ) e s la mnima dist`ancia possible entre les dues
rectes, considerem altres punts p0 R i q0 R 0 : aplicant el teorema de Pit`agores a la relacio
p
0 q 0 = p0 pt + pt q s + q s q 0 = pt q s + ( p0 pt + q s q 0 )
obtenim que
d( p0 , q0 ) > d( pt , qs ) .
135
R. Amer i F. Carreras
El lector pot comprovar que, fent passar un pla P per R 0 que sigui parallel a R, es compleix
que d(R, R 0 ) = d(R, P), que e s un dels casos previs. Mes endavant veurem tambe una formula
per calcular la dist`ancia entre rectes que sencreuen, basada en el producte vectorial. De tota
manera, inclourem ara una aplicacio del teorema anterior.
Exemple 8.12 Calculem la dist`ancia entre les rectes donades per les equacion contnues
R :
z+2
x 3
=y=
,
0
1
R0 :
x
z5
= y+1=
.
4
3
p
q = (3, 1, 7) + s(4, 1, 3) t (0, 1, 1) .
t s
don resulten t = 2, s = 1,
p
2 q1 = (1, 2, 2) i, finalment,
d(R, R 0 ) = k
p
q k = 3.
2 1
El producte vectorial resulta u til per a obtenir certes formules sobre dist`ancies, a` rees i volums.
Recordem que, orientant V3 duna de les dues maneres possibles, queda definit unvocament el
producte vectorial uE vE de qualsevol parell de vectors uE, vE V3 (de fet, canviar lorientacio no
influeix en cap de les formules).
Proposicio 8.13 (a) La dist`ancia dun punt p a una recta R : p0 + h uE i e s
k
p
Ek
0p u
d( p, R) =
.
k uE k
(b) La dist`ancia dun punt p a un pla P : p0 + h uE , vE i e s, posant w
E = uE vE,
| p0 p w
E|
| p0 p (E
u vE) |
| det(
p
E , vE) |
0p,u
d( p, P) =
=
=
.
kw
Ek
k uE vE k
k uE vE k
(c) La dist`ancia entre dues rectes que sencreuen, R : p0 + h uE i i R 0 : q0 + h vE i, e s
u vE) |
E , vE) |
|
p
| det(
p
0 q0 (E
0 q0 , u
d(R, R 0 ) =
=
.
k uE vE k
k uE vE k
136
R. Amer i F. Carreras
Geometria lineal
p
E
0p w
q
p=
w,
2
kw
Ek
E |
k = | p0 p w
don d( p, P) = k qp
.
kw
Ek
s la projeccio ortogonal de
(c)
p
p
E vE i; aix doncs,
t qs e
0 q0 sobre el subespai h u
u vE) |
|
p
0 q0 (E
.
d(R, R 0 ) = k
p
t qs k =
k uE vE k
Acabem aquest breu formulari del producte vectorial amb aplicacions al c`alcul de casos elementals per`o frequents d`arees i volums, estalviant al lector disquisicions te`oriques sobre aquests dos
conceptes, que li son prou familiars.
Proposicio 8.14 (a) L`area del triangle de v`ertexs p, q, r P3 e s
1
2
A = k
pq
pr k .
(b) L`area dun parallelogram, on p e s un v`ertex i q i r son els v`ertexs adjacents a p, e s
A = k
pq
pr k .
D EMOSTRACI O . (a) Prenent com a base del triangle el costat pq, laltura corresponent e s h =
d(r, pq) i, aplicant la formula de la dist`ancia dun punt a una recta,
1
2
1
2
kh = k
k
A = k
pq
pq
k
pq
pr k
1
= k
pq
pr k .
2
k pq k
k h.
(b) El raonament e s an`aleg, per`o aqu A = k
pq
137
R. Amer i F. Carreras
V = |
ps ( pq
pr ) | .
6
V = |
ps (
pq
pr ) | .
D EMOSTRACI O . (a) Prenem com a base el triangle de v`ertexs p, q, r . Laltura corresponent
ser`a h = d(s, pqr ) i, aplicant formules anteriors,
|
ps (
pq
pr ) |
1
11
1
V = A( pqr ) h =
k pq pr k
= |
ps ( pq
pr ) | .
3
32
6
k pq pr k
(b) El raonament e s an`aleg, per`o aqu el volum e s simplement l`area de la base per laltura.
Observacions 8.16 (a) Cal fer notar que, en les quatre formules precedents, el v`ertex destacat p
pot ser qualsevol de la figura mentre es respecti ladjac`encia en les formules, i tambe que podem
calcular el producte mixt fent servir determinants:
ps (
pq
pr ) = det(
pq,
pq,
ps) .
(b) Les formules de les a` rees tambe son aplicables a figures de pla P2 , si el considerem submergit
dins de P3 afegint simplement una tercera coordenada nulla a cada punt.
Per exemple, per calcular l`area del triangle de v`ertexs p = ( p1 , p2 ), q = (q1 , q2 ) i r = (r1 , r2 ),
submergint P2 dins de P3 escrivim
= (q p , q p , 0) ,
pq
1
1
2
2
pr = (r1 p1 , r2 p2 , 0) .
k pq
pr k .
2
Daltra banda,
q p1 q 2 p2
pq pr = 0, 0, 1
r 1 p1 r 2 p2
p1
= q1
r1
p2 1
q2 1 ,
r2 1
138
R. Amer i F. Carreras
Geometria lineal
R. Amer i F. Carreras
139
9
Corbes i superfcies de segon grau
En el captol anterior hem estudiat a fons les rectes i els plans, e s a dir, les figures geom`etriques
definides per equacions de primer grau. Aquest captol tracta de les c`oniques i les qu`adriques,
que son, respectivament, les corbes del pla i les superfcies de lespai definides per equacions de
segon grau.
Discutirem amb detall les c`oniques, i mes breument les qu`adriques per raons de concisio: el
lector trobar`a analogies formals suficients per justificar aquesta difer`encia de tractament.
Continuarem denotant per E 2 = (P2 , V2 , +) el pla euclidi`a puntual i per E 3 = (P3 , V3 , +)
lespai, i fent u s, nomes, de refer`encies rectangulars positives.
140
R. Amer i F. Carreras
= 1,
a2
b2
que e s lequacio can`onica de la hip`erbola.
141
R. Amer i F. Carreras
Observacions 9.1 (a) De les equacions can`oniques de lellipse i la hip`erbola es dedueix que
els eixos principal i secundari son eixos de simetria, ja que si (x, y) compleix lequacio els seus
sim`etrics respecte als eixos, (x, y) i (x, y), tambe la compleixen.
(b) Les interseccions daquestes c`oniques amb els eixos sanomenen v`ertexs. Lellipse te quatre
v`ertexs: dos sobre leix principal, els punts de coordenades (a, 0) i (a, 0), i dos sobre leix
secundari, (0, b) i (0, b). La hip`erbola nomes en te dos sobre leix principal, els punts de
coordenades (a, 0) i (a, 0).
(c) Allant la y de les equacions can`oniques de lellipse i la hip`erbola obtenim
y=
bp 2
a x2
a
y=
bp 2
x a2
a
respectivament. Aix`o ens diu que lellipse e s una figura fitada i la hip`erbola no. A mes, les
rectes dequacions
b
y= x
a
son asmptotes de la hip`erbola. Si les dues asmptotes son perpendiculars, e s a dir, si a = b,
direm que la hip`erbola e s equil`atera.
Donats un punt F i una recta R que no el conte, anomenarem par`abola el conjunt de punts p del
pla que compleixen la condicio
d( p, F) = d( p, R) .
F e s el focus de la par`abola, R e s la directriu, i el punt mitj`a de la perpendicular de F a R e s el
v`ertex. La dist`ancia m = d(F, R) e s el par`ametre de la par`abola.
Escollim una refer`encia R = { o ; uE, vE }, on o e s el v`ertex de la par`abola, uE un vector unitari amb
la direccio de R i vE un vector unitari i perpendicular a uE en el sentit de R a F. Lequacio de R e s
m
m
y = , el focus e s F = (0, ) i els punts de la par`abola son els que compleixen lequacio
2
m 2
m
x2 + y
=y+ ,
2
equivalent a
x 2 2my = 0
o be
y=
x2
,
2m
142
R. Amer i F. Carreras
(b) A difer`encia de lellipse i la hip`erbola, en les que el sentit dels vectors uE i vE (i, per tant, el
sentit positiu dels eixos de coordenades) no influeix en lequacio can`onica, si en leleccio de la
refer`encia R per a la par`abola invertim el sentit del vector vE (i, per tant, el sentit de leix oy), la
m
m
recta R tindr`a per equacio y = , el focus ser`a F = (0, ) i lequacio de la par`abola ser`a
2
x 2 + 2my = 0.
a b
b c
X=
x
y
L = (d
e) ,
a b d
A3 = b c e i
d e f
x
X3 = y ,
1
143
R. Amer i F. Carreras
on
B=
x0
y0
C=
c11 c12
c21 c22
i
X =
c11 c12 x0
X 3 = C3 X 30 , on C3 = c21 c22 y0 i
0
0 1
x0
y0
x0
X 30 = y 0 .
1
Com que les dues refer`encies son rectangulars, C e s una matriu ortogonal, e s a dir, C t C = I
i per tant C t = C 1 . A mes, det(C) = 1, ja que tambe suposem sempre que les refer`encies
utilitzades son positives.
Proposicio 9.3 Aplicant a lequacio X t AX + 2L X + f = 0 el canvi de coordenades X =
B + C X 0 obtenim
(X 0 )t A0 X 0 + 2L 0 X 0 + f 0 = 0 ,
on
0
t
A = C AC
L 0 = (B t A + L)C
0
f = B t AB + 2L B + f = F(x0 , y0 ) .
on
A03 = C3t A3 C3 .
144
R. Amer i F. Carreras
A03 = C3t A3 C3 ,
la qual cosa ens permetr`a introduir el concepte dinvariant a partir del resultat seguent.
Proposicio 9.4 En tot canvi de coordenades es compleix:
(a) A i A0 tenen els mateixos valors propis.
(b) det(A) = det(A0 ), tr(A) = tr(A0 ).
(c) det(A3 ) = det(A03 ), rang(A3 ) = rang(A03 ).
D EMOSTRACI O . (a) Com que C e s una matriu ortogonal, A0 = C t AC = C 1 AC; per tant, A i
A0 tenen el mateix polinomi caracterstic i, en conseque` ncia, els mateixos valors propis.
(b) Nomes cal observar que el determinant i la traca son els coeficients del polinomi caracterstic
duna matriu dordre 2.
evident que det(C3 ) = det(C) = 1, per tant det(A3 ) = det(A0 ). Finalment, rang(A3 ) =
(c) Es
3
rang(A03 ) perqu`e la matriu C3 e s regular.
Definim ara com invariants de la c`onica:
(a) i : valors propis de A.
(b) D2 = det(A) i T = tr(A).
(c) D3 = det(A3 ) i r3 = rang(A3 ).
145
R. Amer i F. Carreras
Observacio 9.5 T , D2 i D3 son invariants de la funcio F(x, y) per canvis de coordenades, per`o
no podem dir que siguin invariants de la c`onica descrita per lequacio F(x, y) = 0. Nomes
cal observar que la multiplicacio daquesta equacio per un escalar t 6= 0 no modifica la c`onica,
mentre que les quantitats anteriors es transformen en t T , t 2 D2 i t 3 D3 respectivament. En canvi,
el signe de D2 , lanullacio de D3 , el rang r3 i el signe de D3 T son invariants estrictes de la
c`onica, ja que son independents del sistema de refer`encia i dels factors t 6= 0, i son els que farem
servir per donar un criteri pr`actic de classificacio de les c`oniques en aquesta mateixa seccio.
a ta
ta t 2 a
o
amb a 6= 0
d
e
f
A=
0 0
0 c
= d ta d e a d = a(dt e)2 ;
2
t a e
ta e
amb c 6= 0 .
a ta
ta t 2 a
x
y
+
d
dt
=
0
0
146
R. Amer i F. Carreras
0
A =
amb 6= 0.
Per escollir la translacio B distingirem tres casos:
(a) Si D2 6= 0, sigui B = (x0 , y0 )t lunica solucio del sistema AX + L t = 0. Aleshores, lequacio
de la c`onica en les noves coordenades e s x 0 2 + y 0 2 + f 0 = 0, on f 0 = F(x0 , y0 ).
(b) Si D2 = D3 = 0, sigui B = (x0 , y0 )t una solucio qualsevol del sistema AX + L t = 0.
Aleshores, lequacio de la c`onica en les noves coordenades e s x 0 2 + f 0 = 0, on f 0 = F(x0 , y0 ),
ja que un dels valors propis de A ha de ser nul.
(c) Si D2 = 0 i D3 6= 0, sigui B = (x0 , y0 )t lunica solucio del sistema dequacions
)
F(x, y) = 0
,
L 01 = 0
on L 01 e s el primer coeficient de L 0 (vegeu el lema seguent). Aleshores, lequacio de la c`onica en
les noves coordenades e s x 0 2 + 2e0 y 0 = 0, on
e0 = (d, e) vE
147
R. Amer i F. Carreras
i vE e s el vector propi unitari de A de valor propi 0 que ocupa la segona columna de la matriu de
canvi C.
Lema 9.8 Si D2 = 0 i D3 6= 0, el sistema
F(x, y) = 0
L 01 = 0
te una u nica solucio.
D EMOSTRACI O . Farem la demostracio nomes en el cas on
a ta
A=
amb
a 6= 0 ,
ta t 2 a
deixant la de laltre cas per al lector. Els valors propis de A son = a(1 + t 2 ) i = 0, i la
matriu de canvi e s
1
1 t
C=
.
1
1 + t2 t
Aleshores e s immediat comprovar que F(x, y) = a(x + t y)2 + 2d x + 2ey + f , i que lequacio
L 01 = 0 es pot escriure a(1 + t 2 )(x + t y) + d + et = 0; per tant, el sistema
)
F(x, y) = 0
L 01 = 0
es transforma en un sistema lineal de dues inc`ognites i determinant
1 t
d e = e dt 6= 0 ,
ja que D3 = a(e dt)2 6= 0. En conseque` ncia, el sistema e s compatible determinat.
Les matrius de la c`onica en les noves coordenades son
0
0
A =
o A =
0
i
A03 =
,
f0
A03 =
f0
A03 =
0 e0
e0 0
A mes, els invariants de la c`onica es poden calcular a partir de les matrius en les coordenades
originals i a partir daquestes matrius. A continuacio analitzem els diferents tipus de figura que
corresponen a les equacions del teorema anterior, fent una primera distincio segons D3 6= 0 o
D3 = 0.
148
R. Amer i F. Carreras
D3
f 0
=
< 0). Lequacio es transforma en
T
+
x 02
y02
+
=1
p2
q2
i la c`onica e s una ellipse real. Si els valors propis coincideixen, e s una circumfer`encia, ja
que queda p = q (radi de la circumfer`encia).
2. Valors propis i terme independent del mateix signe (D2 = > 0 i
Lequacio es transforma en
f 0
D3
=
> 0).
T
+
y02
x 02
+
= 1
p2
q2
i la c`onica e s una ellipse imagin`aria.
3. Valors propis amb signe diferent (D2 = < 0). Permutant els eixos si e s necessari,
lequacio es transforma en
x 02
y02
2 =1
p2
q
i la c`onica e s una hip`erbola. Si T = 0, els valors propis compleixen = i la hip`erbola
e s equil`atera.
Les c`oniques del segon tipus tenen equacio reduda x 0 2 + 2e0 y 0 = 0 (D2 = 0), que en aillar la
y 0 es transforma en
x 02
y0 =
.
2m
Per tant, es tracta duna par`abola.
R. Amer i F. Carreras
149
2. Valors propis del mateix signe (D2 = > 0). Lequacio es pot escriure
(
px 0 + iqy 0 = 0
2
2
p 2 x 0 + q 2 y 0 = 0 o be
px 0 iqy 0 = 0
i la c`onica e s un parell de rectes imagin`aries secants amb v`ertex real (el punt x 0 = y 0 = 0).
Les c`oniques del segon tipus tenen equacio reduda x 00 2 + f 0 = 0 (D2 = 0), i ara distingim tres
casos:
1. f 0 = 0 (r3 = 1). Lequacio reduda e s x 0 2 = 0 i la c`onica e s una recta doble.
2. i f 0 tenen signe diferent (r3 = 2). Lequacio reduda es transforma en
(
x0 = p
2
x 0 = p 2 o be
x0 = p
i la c`onica e s un parell de rectes reals paralleles .
3. i f 0 tenen el mateix signe (r3 = 2). Lequacio reduda es transforma en
(
x 0 = pi
2
x 0 = p 2 o be
x 0 = pi
i la c`onica e s un parell de rectes imagin`aries paralleles.
Les observacions que hem fet sobre els invariants en aquesta classificacio de les c`oniques a partir
de lequacio reduda ens permeten establir el criteri de classificacio de la taula 9.1.
D2 > 0
D3 T < 0 ellipse real
D3 6= 0
D2 < 0 hip`erbola
D = 0 par`abola
2
D2 = 0
r3 = 1 recta doble
150
R. Amer i F. Carreras
Observacions 9.9 (a) El cas = = 0 fa que lequacio es redueixi a una de primer grau
(A0 = A = 0) i, com que es tracta duna recta, no lhem incl`os a lestudi de les c`oniques, on hem
suposat sempre 6= 0.
(b) La refer`encia R0 = { 0 ; uE, vE } on la c`onica adopta lequacio reduda compleix les propietats
seguents: (1) uE e s un vector propi unitari de valor propi i determina la direccio positiva de leix
ox 0 ; (2) vE e s un vector propi unitari de valor propi , determina la direccio positiva de leix oy 0
i el podem escollir de manera que det(C) = 1 per tal que la refer`encia R0 sigui positiva; (3) el
nou origen de coordenades e s el punt x 0 = y 0 = 0, per tant a partir daqu podem trobar les seves
coordenades en la refer`encia original i coincideix amb el centre de lellipse o el de la hip`erbola
o amb el v`ertex de la par`abola.
(c) Si permutem lordre en que escollim els valors propis i vectors propis corresponents, el sistema de refer`encia i lequacio reduda tambe varien, intercanviant-se els papers de les coordenades
x 0 i y0.
Exemples 9.10 (a) La c`onica dequacio
10x 2 12x y 6y 2 12x 12y 129 = 0
te matrius
A=
10 6
6 6
i
10 6
6
6
A3 = 6 6
6 6 129
y
.
x
151
R. Amer i F. Carreras
3 + 2 6
3 2 6
i
.
3
3
(b) Les matrius de la c`onica dequacio
x 2 4x y + 4y 2 2x y = 0
son
A=
1 2
2
4
i
1
A3 = 2
1
2
4
-1/2
1
-1/2
0
5
1
e = (1, -1/2) (2, 1) =
2
5
0
2
5x 0 5 y 0 = 0 ,
y0 =
o be
02
5x .
2 1
1 4
i
2 1 1
5
A3 = 1 4
1
5 4
152
R. Amer i F. Carreras
i invariants D2 = 9 i D3 = 0, per tant e s un parell de rectes reals secants. Per calcular les
seves equacions, tractem lequacio de la c`onica com una equacio de segon grau per a y,
4y 2 + (10 2x)y + (2x 2 2x 4) = 0 ,
que te per solucio
p
(10 2x)2 + 16(2x 2 2x 4)
y=
8
2x 10 36x 2 72x + 36
=
8
2x 10
2x 10 (6x 6)
.
8
y=
x +1
,
2
e s a dir, x + y 2 = 0 i x 2y + 1 = 0.
153
R. Amer i F. Carreras
En altres ocasions, les propietats que defineixen els punts dun lloc geom`etric depenen delements variables que es poden expressar en termes dun o mes par`ametres. Aleshores, les equacions que descriuen aquests punts tambe depenen dels par`ametres, i lequacio del lloc geom`etric
sobte en eliminar-los daquest sistema. (Observem que per poder eliminarlos el sistema ha de
tenir una equacio mes que par`ametres.)
Exemple 9.12 Donats el punt F = (0, 1) i la par`abola x 2 4y = 0, calculem lequacio del lloc
geom`etric dels punts mitjans dels segments que uneixen dos punts de la par`abola i passen per F.
Aquests segments sobtenen en fer passar una recta variable pel punt F i calcular la seva interseccio amb la par`abola. Una recta que passa pel punt F te equacio
y 1 = mx
o be
y = mx + 1
(les rectes variables depenen del par`ametre m). La interseccio daquesta recta i la par`abola ve
donada per lequacio
x 2 4(mx + 1) = 0 ,
i les seves solucions son
x=
4m
p
16m 2 + 16
4m 4 m 2 + 1
=
= 2m 2 1 + m 2 .
2
2
)
.
154
R. Amer i F. Carreras
Aquest e s el sistema que descriu els punts del lloc geom`etric en funcio del par`ametre m. Per
eliminar-lo, allem m de la primera equacio,
m=
x
,
2
x 2
2
2y = 2 + x 2
x 2 2y + 2 = 0 ,
que e s lequacio duna par`abola.
9.4 Qu`adriques
Una qu`adrica e s una figura C de lespai que en algun sistema de coordenades queda definida per
una equacio de la forma
F(x, y, z) = a11 x 2 + a22 y 2 + a33 z 2 + 2a12 x y + 2a13 x z + 2a23 yz + 2b1 x + 2b2 y + 2b3 z + c = 0 .
X= y ,
z
L = (b1
b2
b3 ) ,
x
y
X4 =
z
1
i
A4 =
A Lt
L c
=
a13 a23 a33 b3
b1 b2 b3 c
R. Amer i F. Carreras
155
La demostracio dels dos resultats seguents e s la mateixa que en el cas de les c`oniques.
Proposicio 9.13 Aplicant a la qu`adrica C el canvi de refer`encia X = B + C X 0 , lequacio de la
figura en la nova refer`encia e s (X 0 )t A0 X 0 + 2L 0 X 0 + c0 = 0, on
0
t
A = C AC
L 0 = (B t A + L)C
0
c = B t AB + 2L B + c = F(x0 , y0 , z 0 )
En forma compacta, lexpressio passa a ser (X 40 )t A04 X 40 = 0, on A04 = C4t A4 C4 .
Corol.lari 9.14 Son invariants de la qu`adrica C per canvis de coordenades:
(a) Els valors propis , i de la matriu A.
(b) El polinomi caracterstic de la matriu A, det(I A) = 3 t1 2 + t2 t3 , on t1 = tr(A),
t2 e s la suma dels tres menors diagonals dordre 2 i t3 = det(A) = D3 .
(c) El determinant D4 = det(A4 ).
(d) El rang r4 = rang(A4 ).
Recordem que, com en el cas de les c`oniques, per parlar dinvariants estrictes cal tenir present
lefecte de multiplicar per t 6= 0 lequacio de la qu`adrica. Els valors propis passen a ser t, t i
t , els coeficients del polinomi caracterstic de A queden multiplicats respectivament per t, t 2 i
t 3 i el determinant total es converteix en t 4 D4 , mentre que el rang de A4 no varia.
El proces de reduccio de lequacio duna qu`adrica e s semblant al de les c`oniques. Com que la matriu A e s sim`etrica, existeix una matriu ortogonal C amb det(C) = 1 i tal que C t AC = C 1 AC
e s diagonal; en llenguatge geom`etric, una rotacio deixos elimina els termes no rectangulars, e s
a dir, fa que
0
0
0
a12
= a13
= a23
= 0,
0
0
0
mentre que a11
= , a22
= i a33
= , valors propis de A. Daltra banda, escollint la translacio
B de manera adequada (o aplicant una segona rotacio deixos en un dels casos) podem anullar
156
R. Amer i F. Carreras
= 1,
p2
q2
r2
R. Amer i F. Carreras
157
= 1,
p2
q2
r2
que e s lhiperboloide de dues fulles.
Les qu`adriques del tipus (d) tenen equacio reduda x 0 2 + y 0 2 + 2b30 z 0 = 0, i distingim dues
possibilitats:
1. Els valors propis no nuls son del mateix signe (t2 = > 0 i D4 = b30 2 < 0). Resulta
x 02
y02
+
= z0 ,
p2
q2
anomenada paraboloide ellptic (de revolucio o circular si p = q).
2. Els valors propis no nuls tenen signe diferent (t2 < 0 i D4 > 0). Prenent el primer positiu,
el segon negatiu i el coeficient b30 negatiu, apareix
x 02
y02
2 = z0 ,
p2
q
que e s el paraboloide hiperb`olic.
158
R. Amer i F. Carreras
Les del tipus (b) tenen equacio reduda x 0 2 + y 0 2 + c0 = 0 (D3 = 0), i hem de distingir tres
possibilitats:
1. Valors propis no nuls del mateix signe (t2 > 0) i terme independent de signe contrari
(
c0
< 0). Lequacio reduda es transforma en
+
x 02
y02
+
=1
p2
q2
i la qu`adrica e s un cilindre ellptic real (circular si p = q).
2. Valors propis no nuls i terme independent del mateix signe (t2 > 0 i
queda
c0
> 0). Lequacio
+
x 02
y02
+
= 1
p2
q2
i aix`o e s un cilindre ellptic imaginari (sense punts reals).
3. Valors propis no nuls de signe diferent (t2 < 0). Permutant, si e s necessari, les coordenades
x 0 i y 0 tenim que
y02
x 02
= 1,
p2
q2
anomenat cilindre hiperb`olic.
Les qu`adriques del tipus (e) tenen equacio reduda x 0 2 + 2b30 y 0 = 0 (D3 = t2 = 0), i lequacio
es pot escriure com
2
x 0 = 2 py 0 ,
que correspon a un cilindre parab`olic.
2 02
p x + q y = 0,
o be
px 0 + iqy 0 = 0
px 0 iqy 0 = 0
159
R. Amer i F. Carreras
que e s un parell de plans imaginaris secants (amb interseccio real: la recta dequacions
x 0 = y 0 = 0).
Finalment, les qu`adriques del tipus (c) tenen equacio reduda x 0 2 + c0 = 0 (t2 = 0), i distingim
tres possibilitats:
1. Si i c0 tenen signe diferent, tenim
(
02
x =p ,
2
o be
x0 = p
x0 = p
x = p ,
2
o be
x0 = i p
x 0 = i p
x0 = 0
que e s un pla doble.
Aquesta classificacio de les qu`adriques es pot expressar en termes dels invariants dacord amb
lesquema de la taula 9.2.
Observacions 9.16 (a) Per classificar una qu`adrica no e s indispensable calcular efectivament els
valors propis de la matriu A: nomes cal tenir en compte els signes, i per a aix`o e s forca u til el
teorema de Descartes (vegeu lap`endix B).
(b) Recomanem al lector que estudi les seccions de les qu`adriques per plans perpendiculars
als eixos: e s un exercici instructiu per familiaritzarse amb els noms de les figures i per notar
determinades caracterstiques: la connexio dellipsoides, paraboloides i hiperboloides duna
fulla, lafitament de lellipsoide, el paper del v`ertex del con i del paraboloide o els eixos dels
cilindres.
(c) En comparacio amb les c`oniques, aqu tambe trobem el cas no degenerat (ellipsoides, hiperboloides i paraboloides) i un cas degenerat (parell de plans) an`aleg al dels parells de rectes
del pla; hi ha, per`o, un grup intermig, format pels cons i els cilindres, que e s una mena dhbrid
sense correspond`encia en el cas de les c`oniques.
160
R. Amer i F. Carreras
D4 > 0
D4 < 0
D3 6= 0
D3 = 0
D3 6= 0
(
Valors propis amb el mateix signe
Valors propis amb signe diferent
paraboloide hiperb`olic
ellipsoide imaginari
hiperboloide duna fulla
(
Valors propis amb el mateix signe
Valors propis amb signe diferent
ellipsoide real
hiperboloide de dues fulles
D3 = 0 paraboloide ellptic
(
D3 6= 0
r4 = 3
t = 0 cilindre parab`olic
D4 = 0
D3 = 0
r
=
2
t2 < 0 parell de plans reals secants
r4 = 1 pla doble
2
1 1
3
1
0 1
5
A4 =
1 1
0
2
3
5
2 20
resulta D4 = 0, r4 = 2 i t2 = 3, per tant la qu`adrica e s un parell de plans reals secants.
R. Amer i F. Carreras
161
1
1
A4 =
2
0
1
2
0
1
0
0
.
0 2
1
0
1 4
1
0
A4 =
0
2
0
0
2
1
0
0
0 1 2
0 2
0
i obtenim D4 = 0 i D3 = 1. Els valors propis de A son 1 (doble) i 1, per tant es tracta dun
con real circular.
162
R. Amer i F. Carreras
R. Amer i F. Carreras
163
A
Permutacions
164
Permutacions
R. Amer i F. Carreras
amb k = i > ` = j
`<k
amb
j = 1 ` > i = 1 k .
Pn .
R. Amer i F. Carreras
165
166
R. Amer i F. Carreras
Permutacions
R. Amer i F. Carreras
167
B
Polinomis
168
Polinomis
R. Amer i F. Carreras
2
1
2
2+
2+2 2
1 + 2 2
4 2
5
i tenim que p( 2) = 5 2.
(b) Segons el teorema del factor, si e s una arrel de p(x) tenim
p(x) = (x )q(x) .
Si e s una arrel de q(x) resulta q(x) = (x )r (x), i per tant
p(x) = (x )(x )r (x) .
Si continuem aquest proces de descomposicio, i tenim en compte el comportament del grau
davant de la multiplicacio de polinomis, observem que el darrer quocient ser`a de grau zero, i per
tant un polinomi de grau n > 0 pot tenir, com a m`axim, n arrels diferents.
R. Amer i F. Carreras
169
Daltra banda, una arrel pot apar`eixer mes duna vegada durant aquesta descomposicio dun
polinomi p(x) com a producte de factors de primer grau, per tant e s convenient introduir la
nocio seguent: es diu que e s una arrel de p(x) amb multiplicitat m si
p(x) = (x )m q(x)
amb q() 6= 0 .
Per completar lestudi de les arrels i la descomposicio dels polinomis en factors, ser`a u til distingir entre els polinomis de coeficients reals, el conjunt dels quals representarem per R[x], i
els polinomis de coeficients complexos, que formaran el conjunt denotat per C[x]. Com que es
pot considerar R C, tambe tenim que R[x] C[x]. El motiu de la distincio e s el seguent:
mentre que molts polinomis de coeficients reals no tenen arrels reals (x 2 + 1 nes lexemple mes
senzill), o no tantes com indica el seu grau encara que comptem les multiplicitats, la situacio e s
totalment diferent en el cas de coeficients complexos. El resultat seguent permet afirmar que els
complexos representen la culminacio de les ampliacions de la idea de nombre.
Teorema B.3 (Teorema fonamental de l`algebra.) Tot polinomi no constant de coeficients complexos te alguna arrel complexa.
D EMOSTRACI O . Gauss va donar cinc demostracions diferents daquesta propietat. Lamentablement, cap delles e s prou elemental per inclourela aqu.
Corol.lari B.4 Tot polinomi no constant p(x) de coeficients complexos es descompon totalment
dins de C[x] en producte de factors de primer grau:
p(x) = an (x 1 )(x 2 ) (x n )
o, agrupant les arrels segons les seves multiplicitats,
p(x) = an (x 1 )m 1 (x 2 )m 2 (x r )mr .
En particular, tot polinomi no constant te, comptant les multiplicitats, tantes arrels com indica el
seu grau:
m 1 + m 2 + + mr = n .
D EMOSTRACI O . Nomes cal aplicar reiteradament el teorema fonamental de l`algebra i el teorema del factor.
170
Polinomis
R. Amer i F. Carreras
El teorema de Gauss tambe dona informacio sobre els polinomis de coeficients reals, i ens ocuparem immediatament daquesta questio.
Lema B.5 Si tenim un polinomi no constant p(x) R[x], i C e s una arrel de p(x) amb
multiplicitat m, el complex conjugat tambe e s una arrel de p(x), i amb la mateixa multiplicitat
m.
D EMOSTRACI O . La conjugacio, e s a dir, laplicacio
= u + iv
= u iv ,
conserva les quatre operacions aritm`etiques. Denotarem per q(x) el polinomi que resulta de
conjugar els coeficientes de q(x). Conjugant les relacions
p(x) = (x )m q(x)
q() 6= 0
q() 6= 0 ,
171
R. Amer i F. Carreras
Un aspecte b`asic dels polinomis e s la seva interpretacio com a funcions. Cada polinomi p(x)
defineix una funcio, denotada per p, que assigna a cada el valor num`eric p(). El domini de
la funcio p pot ser R o C segons convingui; el recorregut, sempre dins de C, es trobar`a dins de
R o no depenent del domini escollit i del tipus de coeficients del polinomi (tots reals o algun
complex). Es important notar que si p e s la funcio nulla aleshores p(x) e s el polinomi 0; per
tant, polinomis diferents defineixen funcions diferents. Els polinomis de grau 0 sanomenen
constants perqu`e ho son les funcions associades.
Si p(x) R[x], habitualment es considera p : R R. Aquesta funcio polin`omica e s contnua
i, de fet, infinitament derivable.
Exemples B.7 (a) Tot polinomi p(x) R[x] de grau senar te alguna arrel real. Aix`o e s conseque` ncia de laparellament darrels conjugades, per`o tambe es pot demostrar considerant la
funcio polin`omica p. Suposant an > 0 observem que
lim p(t) =
lim p(t) = + ,
t+
perqu`e el grau de p(x) e s senar. Per tant, existeixen nombres t0 i t1 tals que p(t0 ) < 0 i p(t1 ) > 0.
Aplicant el teorema de Bolzano, es dedueix que p() = 0 per a algun (t0 , t1 ).
(b) e s una arrel del polinomi p(x) amb multiplicitat m si, i nomes si,
p() = Dp() = D 2 p() = = D m1 p() = 0
per`o
D m p() 6= 0 ,
C`alcul elemental darrels. Recordarem alguns criteris senzills per a lobtencio darrels de polinomis. En primer lloc, si p(x) e s un polinomi de coeficients enters, les arrels enteres de p(x)
son divisors del terme independent a0 . Aix`o suposa un nombre finit de proves amb la regla de
Ruffini. Les arrels racionals de p(x) son tals que, escrites en forma irreductible r/s, el numerador r ha de ser un divisor del terme independent a0 i el denominador s ha de serho del coeficient
principal an ; per tant, tambe en aquest cas el nombre de proves e s finit.
Si p(x) e s un polinomi de coeficients racionals, e s f`acil trobar un polinomi de coeficients enters amb les mateixes arrels que p(x), al qual podrem aplicar les idees anteriors: nomes cal
multiplicar p(x) pel denominador comu de tots els seus coeficients.
Per al c`alcul darrels irracionals, esmentem nomes el m`etode de les aproximacions successives
basat en el teorema de Bolzano (si e s possible, conve fer primer un esboc de la gr`afica de p).
172
R. Amer i F. Carreras
Polinomis
Finalment, recordem algunes idees elementals que sovint son u tils per a la descomposicio dun
polinomi en factors: les anomenades igualtats notables, la resolucio dequacions de segon grau
(aplicable tambe a les equacions biquadrades) i treure factor comu la m`axima pot`encia possible
de x quan el terme independent e s zero.
(Per desgr`acia, cap de les demostracions del teorema fonamental de l`algebra e s constructiva, en
el sentit de permetre la localitzacio efectiva de larrel de la qual sen garanteix lexist`encia.)
Lultima propietat que indicarem e s un resultat interessant, sobre tot per a lestudi de les formes
quadr`atiques i les qu`adriques, ja que en aquests dos casos treballem amb el polinomi caracterstic
duna matriu sim`etrica que, segons el teorema espectral, sabem que te totes les arrels reals.
Teorema B.8 (Teorema de Descartes.) Si p(x) e s un polinomi de coeficients reals i totes les
arrels de p(x) son reals, el nombre de variacions de signe entre coeficients consecutius (no
nuls, l`ogicament) de p(x) coincideix amb el nombre darrels positives de p(x) comptant les
multiplicitats.
D EMOSTRACI O . La justificacio no e s difcil, i es pot trobar a qualsevol tractat d`algebra que
inclogui un estudi detallat dels polinomis.
Exemples B.9 (a) El polinomi p(x) = x 3 16x 2 9x + 28 e s el polinomi caracterstic duna
matriu sim`etrica, i per tant te tres arrels reals. Com que no te larrel 0 i presenta dues variacions
de signe, sabem que tindr`a dues arrels positives i una arrel negativa (el lector pot confirmar que
les arrels de p(x) son, aproximadament, 10 54, 10 10 i 160 44).
(b) Per la mateixa rao, sabem que el polinomi q(x) = x 5 8x 3 + 4x 2 te cinc arrels reals. Hi ha
dues variacions de signe, per tant te dues arrels positives, larrel 0 doble i una arrel negativa.
(c) En canvi, el polinomi r (x) = 2x 3 6x + 5 te una sola arrel real i dues complexes conjugades.
Laplicacio (incorrecta) del teorema de Descartes diria que te dues arrels positives i una negativa.
Bibliografia
`
Algebra
Lineal. Problemes resolts.
Ed. UPC. Barcelona. 1992.
[2] Amer, R. Carreras, F. i Tudur, J.
`
Algebra
Lineal. Problemes, exercicis i questions.
Ed. Cardellach C`opies. Terrassa. 1998.
[3] Anton, H.
Algebra Lineal.
Ed. McGraw Hill. Madrid. 1993.
[5] Castellet, M. i Llerena, I.
`
Algebra
lineal i geometria.
Publicacions de la Universitat Aut`onoma de Barcelona. 1988.
[6] Granero, F.
Algebra lineal.
Ed. AddisonWesley. Mexico. 1986.
174
R. Amer i F. Carreras
[8] Moreno, J. M.
Bibliografia
Index alfab`etic
c`alcul de la inversa
m`etode de GaussJordan, 17
per determinants, 27
canvi de base
en tensors, 107
en un espai vectorial, 47, 48
formula matricial, 48
matriu del, 48
per a endomorfismes, 71
per a transformacions lineals, 71
canvi de refer`encia, 124
cilindre
ellptic imaginari, 158
ellptic real, 158
hiperb`olic, 158
parab`olic, 158
circumfer`encia, 140, 148
classificacio
de c`oniques, 142, 145, 149
de qu`adriques, 159
components dun vector en una base, 37
con
imaginari, 157
real, 157
c`onica, 142
canvi de coordenades, 143
degenerada, 148
176
R. Amer i F. Carreras
Index
alfab`etic
R. Amer i F. Carreras
lineal, 116
quadr`atica, 106
forma quadr`atica
associada a un tensor, 107
definida negativa, 113, 114
definida positiva, 113, 114
no definida, 113
semidefinida negativa, 113
semidefinida positiva, 113
formula
de Grassmann, 46
de Taylor, 116
formula del canvi de base
en transformacions lineals, 71
funcio polin`omica, 171
gir en el pla orientat, 70, 93
hip`erbola, 140, 148
asmptotes, 141
equacio can`onica, 140
equil`atera, 141, 148
focus, 140
semieix real, 140
hiperboloide
de dues fulles, 157
duna fulla, 157
imatge, 67
duna transformacio lineal, 73
ndexs din`ercia, 111, 112
interpolacio polin`omica, 29
inversa
duna matriu, 16
duna transformacio, 68
isometria vectorial, 77
directa, 78
inversa, 78
isometries
classificacio, 92
de lespai, 93
177
del pla, 92
llei din`ercia de Sylvester, 111
llocs geom`etrics, 152
matriu
adjunta, 27
ampliada, 30
columna, 14
conjugada, 89
definicio, 13
diagonal, 21
diagonalitzable, 89
diagonalitzable sobre els complexos, 89
diagonalitzable sobre els reals, 89
dordre n, 14
duna transformacio lineal, 69
dun endomorfisme, 70
dun tensor, 107
fila, 14
invertible, 16
m n, 13
ortogonal, 16
quadrada, 14
regular, 16, 27
sim`etrica, 16
simplificable, 16
singular, 17
transposada, 15
triangular inferior, 21
unitat, 15
matrius quadrades, 16
menors diagonals, 83
menors duna matriu, 30
m`etode de Gram-Schmidt, 52
m`etode dels mnims quadrats, 58
mitjana aritm`etica, 58
moment cin`etic, 106
moments din`ercia, 109
norma dun vector, 54
nucli duna transformacio lineal, 73
178
R. Amer i F. Carreras
Index
alfab`etic
inversa, 164
inversio, 163
signe duna, 163
pivot, 11
pla doble, 159
polinomi, 167
arrels, 168
constant, 167
ndex dun, 167
valor num`eric dun, 168
polinomi caracterstic, 83
producte de permutacions, 164
producte escalar, 51
formula cl`assica, 56
producte mixt, 65
productes din`ercia, 109
producte vectorial, 63
projeccio ortogonal
com a endomorfisme, 74, 75
dun punt sobre una varietat lineal, 131
dun vector sobre un subespai, 57
propietat del parallelogram, 123
punt de sella, 118
punt mitj`a, 130
qu`adrica, 154
equacio matricial, 154
equacio matricial compacta, 154
equacio reduda, 156
invariants, 155
invariants estrictes, 155
molt degenerada, 158
no generada, 156
poc degenerada, 157
rang
duna matriu, 40, 42
duna transformacio lineal, 73
dun conjunt de vectors, 40
per columnes, 41
per files, 41
recta
R. Amer i F. Carreras
de regressio, 60
recta doble, 149
refer`encia cartesiana, 123
rectangular, 123
regla
de Ruffini, 167
regressio
lineal, 60
quadr`atica, 60
resolucio de sistemes, 10
m`etode de Gauss, 10
m`etode de Gauss-Jordan, 11
regla de Cramer, 28
regla del pivot, 10
solucio general, 12
solucio trivial, 13
restriccio dun tensor a un subespai, 108
rotacio al voltant dun vector, 76, 94
simetria
axial a lespai, 95
axial en el pla, 70, 93
com a endomorfisme, 74, 75
plana, 95
sim`etric
dun punt respecte a una varietat lineal,
131
dun vector respecte a un subespai, 57
sistema dequacions diferencials, 100
sistema dequacions lineals, 9
coeficients, 9
compatible, 10
determinat, 10
indeterminat, 10
de Cramer, 28
expressio matricial, 14
forma diagonal, 11
forma triangular, 10
graus de llibertat, 10
homogeni, 13
inc`ognites, 9
incompatible, 10
179
m n, 10
sobredeterminat, 59
termes independents, 9
subespais vectorials
interseccio, 46
ortogonals, 52
suma, 46
suma directa, 46
suplementaris, 46
subespai vectorial, 35
engendrat per un conjunt de vectors, 38
equacions implcites, 35, 43
sistema de generadors, 37
suplementari dun, 46
suplementari ortogonal dun, 53
tensor, 106
components principals, 107
components secund`aries, 107
de Minkowski, 109
din`ercia, 106
teorema
caracteritzacio de les transformacions lineals, 68
caracteritzacio dels tensors, 107
criteri de Sylvester, 114
de Descartes, 172
de la projeccio ortogonal, 57
de les bases, 39
del factor, 168
del residu, 168
dels sistemes homogenis, 13
de Pit`agores, 54, 132
de Rouche-Frobenius, 42, 59
de Steinitz, 39
espectral, 87
espectral generalitzat, 90
fonamental de l`algebra, 169
traca duna matriu quadrada, 83
transformacio, 67
bijectiva, 68
exhaustiva, 68
180
injectiva, 68
inversa, 68
lineal, 68
transposicio, 163
b`asica, 163
valor propi, 82
varietats lineals, 125
paralleles, 127
perpendiculars, 130
posicions relatives, 127130
vector
de posicio, 123
lliure, 34
origen i extrem dun, 122
propi, 82
unitari, 55
vectors
combinacio lineal, 35
linealment dependents, 35
linealment independents, 35
ortogonals, 52
relacio de depend`encia, 36
v`ertexs duna c`onica, 141
volum
dun paralleleppede, 137
dun tetr`aedre, 136
R. Amer i F. Carreras
Index
alfab`etic