Fonaments Matemàtics

Vectors i aplicacions lineals

EXERCICIS COMPLEMENTARIS DEL MÒDUL 2

EXERCICI 1:

Donats els vectors u = (1,2), v = (4,3), w = (2,3) i els nombres reals 3 i 2:

a) Calculeu u + v i 3u .
b) Trobeu l'element simètric dels vectors u , v, w i comproveu les propietats de la suma de vectors
que s'expliciten en la pàgina 8 del mòdul.
c) Comproveu les propietats del producte d'un escalar per un vector que s'expliciten en la pàgina 9
del mòdul.

SOLUCIÓ:

a) Utilitzant les definicions 4 i 5 del mòdul (pàg. 11), tenim que u + v = (1,2) + ( 4,3) = (5,5) .
Fixeu-vos que la suma de vectors es fa component a component.
3u = 3(1,2) = (3,6) . Per fer el producte entre un nombre real i un vector multipliquem el
nombre per cadascun dels components del vector.

b) Comprovem ara les propietats de la suma de vectors (pàg. 8 del mòdul):

1. Commutativa: u + v = (1,2) + (4,3) = (5,5) = (4,3) + (1,2) = v + u

2. Associativa:
u + (v + w) = (1,2) + ((4,3) + (2,3)) = (1,2) + (6,6) = (7,8) = ((1,2) + (4,3)) + (2,3) = (u + v) + w
3. Element neutre: En ℜ l'element neutre és el vector (0,0) .
2

4. Element simètric: l'element simètric del vector u = (1,2) és el vector − u = ( −1,−2) . Fixeu-
vos que la suma d'un vector i el seu simètric dóna l'element neutre, és a dir,
(1,2) + (−1,−2) = (0,0) . Anàlogament, els elements simètrics dels vectors
v = (4,3), w = (2,3) són, respectivament, − v = (−4,−3),− w = (−2−,3) .

c) En quan a les propietats del producte d'un escalar per un vector (pàg. 9 del mòdul):

1. 3 ⋅ (u + v ) = 3 ⋅ ((1,2) + (4,3)) = 3 ⋅ (5,5) = (15,15) = 3 ⋅ (1,2) + 3 ⋅ (4,3) = 3 ⋅ u + 3 ⋅ v

2. (3 + 2) ⋅ u = 5 ⋅ (1,2) = (5,10) = 3 ⋅ (1,2) + 2 ⋅ (1,2) = 3 ⋅ u + 2 ⋅ u
3. 3 ⋅ ( 2 ⋅ u ) = 3 ⋅ ( 2 ⋅ (1,2)) = 3 ⋅ ( 2,4) = (6,12) = (3 ⋅ 2) ⋅ (1,2) = (3 ⋅ 2) ⋅ u
4. 1 ⋅ u = 1 ⋅ (1,2) = (1,2) = u

EXERCICI 2:

Siguin v1 = (−3,0), v 2 = (1,0), v3 = (0,1) .

a) Proveu que el vectorv1 és una combinació lineal dels vectors v 2 , v3 ,
b) Proveu que v3 no és combinació lineal de v1 , v 2 .

1
 Fonaments Matemàtics

Vectors i aplicacions lineals

SOLUCIÓ:

a) Cal veure si existeixen nombres a i b de manera que v1 = av 2 + bv3 és a dir, de manera que
(−3,0) = a (1,0) + b(0,1) . Això implica resoldre el sistema d’equacions següent:
a·1 + b·0 = −3
a·0 + b·1 = 0
El sistema anterior té la solució a = −3 i b = 0 . Per tant, v1 és combinació lineal de v 2 i v3 ja que
podem comprovar que v1 = (−3,0) = − 3(1,0) + 0(0,1) ;

b) Cal veure si existeixen nombres a i b de manera que v3 = av1 + bv 2 és a dir, de manera que
(0,1) = a (−3,0) + b(1,0) . Això implica resoldre el sistema d’equacions següent:
a·( −3) + b·1 = 0
a·0 + b·0 = 1
El sistema anterior és incompatible i no té solució ja que la segona equació és 0=1 (també es podria
veure que el rang de la matriu del sistema és 1 i que el de la matriu ampliada és 2 i que, per tant, el
sistema és incompatible). Per tant, v3 no es pot expressar com a combinació lineal de v1 i v 2 .

EXERCICI 3:

a) Proveu que els vectors (1,2), (2,3) són vectors de ℜ 2 linealment independents.
b) Proveu que els vectors (1,2), (2,4) són vectors de ℜ 2 linealment dependents.
c) Proveu que els vectors (1,0,3), (1,2,4), (3,4,11) són vectors de ℜ 3 linealment dependents.
d) Proveu que els vectors (1,0,0), (0,1,0), (0,0,1) són vectors de ℜ 3 linealment independents.
e) Proveu que els vectors ( a,1,3), (1,2,4), (0,−1,−1) són vectors de ℜ 3 linealment dependents
només si el paràmetre a = 1 .

SOLUCIÓ:

Per saber quan un conjunt de m vectors són linealment independents hi ha diferents maneres de
fer-ho, dues d’elles són:

- Mètode 1: Provar que el vector 0 només es pot posar com a combinació lineal d’ells
(Definició 11, pàgina 17).
- Mètode 2: Comprovar que la matriu que els té per columnes té rang m.

a) Mètode 1: Seguint la definició 11 del mòdul (p.17), per veure que els vectors
(1,2), (2,3) són linealment independents hem de provar que el vector (0,0) només es pot
posar com a combinació trivial d'ells, és a dir, que la igualtat (0,0) = a (1,2) + b(2,3)

2
 Fonaments Matemàtics

Vectors i aplicacions lineals

implica necessàriament que a = b = 0 . Fixeu-vos que hem de resoldre el sistema

0 = a + 2b
homogeni , on les incògnites son a i b.
0 = 2a + 3b
Per veure que els vectors són independents hem de veure que el sistema és compatible
determinat; és a dir, que només té la solució trivial: a = b = 0. Utilitzant el Teorema de
Rouché-Frobenius (vegeu el Teorema 1 del mòdul 2 o la GES 1: Matrius i sistemes
d'equacions) només cal comprovar que el rang de la matriu del sistema és igual al rang de
1 2
la matriu ampliada. En el nostre exemple la matriu del sistema és   i el seu rang és
 2 3
1 2 0
dos. La matriu ampliada,   , també té rang dos. Per tant, el sistema és
 2 3 0
compatible determinat i la solució és a = b = 0.

Mètode 2:Un mètode alternatiu per determinar si un conjunt de vectors és linealment

independent és trobar el rang de la matriu que els té en columnes (Teorema 2, pàg.18 del
1 2
mòdul). En el nostre cas, el rang de la matriu   és dos, tal com hem vist
 2 3
anteriorment, per tant, com el rang coincideix amb el nombre de vectors podem afirmar que
els vectors són linealment independents.

0 = a + 2b
b) Mètode 1: En aquest cas el sistema a resoldre és . Noteu que es tracta d'un
0 = 2a + 4b
1 2
sistema compatible indeterminat ja que el rang de la matriu del sistema   és 1 (el
 2 4
1 2 0
determinant d'aquesta matriu és 0) i el rang de la matriu ampliada   també és 1
 2 4 0
(totes les submatrius de 2 files i 2 columnes tenen determinant nul). Per tant, el sistema és
compatible indeterminat (teorema de Rouché-Frobenius) i té més d'una solució. Per
exemple, a=-2 i b=1 és una solució del sistema que ens permet escriure
(0,0) = −2(1,2) + 1(2,4) . Ara si tenim en compte la definició 11 del mòdul (pàg. 17),
podem concloure que es tracta de vectors linealment dependents.

1 2
Mètode 2: Utilitzant el mètode del rang només cal veure que la matriu   , formada
 2 4
pels vectors posats en columna, té rang diferent de dos. Com hem vist més amunt, el rang
d'aquesta matriu és 1, així podem afirmar que els vectors són linealment dependents.

c) En el cas de vectors de ℜ , per simplicitat, és recomanable utilitzar el mètode 2.

3

Mètode 2: El determinant de la matriu formada pels vectors (1,0,3), (1,2,4), (3,4,11) és 0,

1 1 3
0 2 4 = 0 . Per tant, el rang és menor que 3 i els vectors són linealment dependents.
3 4 11

3
 Fonaments Matemàtics

Vectors i aplicacions lineals

Fixeu-vos que el vector (3,4,11) és combinació lineal dels altres dos ja que
(3,4,11) = 1(1,0,3) + 2(1,2,4) .
Nota: La condició per tal que 3 vectors de ℜ siguin linealment dependents és que el rang
3

de la matriu quadrada que formen sigui més petit que 3 o, de forma equivalent, que el
determinant sigui igual a 0.

0 = a + b + 3c
Mètode 1: Com a exercici podeu comprovar que el sistema 0 = 2b + 4c és
0 = 3a + 4b + 11c
compatible indeterminat i que, per tant, els vectors són linealment dependents.

d) Com que els vectors (1,0,0), (0,1,0), (0,0,1) formen la base canònica de ℜ han de ser
3

necessàriament linealment independents. Podeu comprovar fàcilment que el rang de la

1 0 0
 
matriu  0 1 0  és tres o el que és el mateix que el seu determinant és diferent de zero.
0 0 1
 
e) Mètode 2: Si calculem el determinant de la matriu formada pels vectors en funció del
paràmetre a ens dóna 2a-2 que només és 0 si a=1.
Així, si a=1 el determinant és zero o el que és el mateix el rang de la matriu és inferior a 3 i,
per tant, els vectors linealment dependents. I si a ≠ 1 el determinant és diferent de zero o el
que és el mateix el rang de la matriu és 3 i, per tant, els vectors són linealment
independents.

EXERCICI 4:

Donats els vectors u = (1,3), v = ( 2,1), w = ( 4,2) , es demana:

a) Proveu que u = (1,3), v = ( 2,1) formen base de ℜ .
2

b) Proveu que u = (1,3), v = ( 2,1), w = ( 4,2) formen un sistema de generadors de ℜ 2 però que
no formen base.
c) Proveu que v = (2,1), w = (4,2) no formen un sistema de generadors de ℜ 2 .

SOLUCIÓ:

Nota: Aquí teniu algunes indicacions sobre bases i generadors que us poden ser d’ajuda.
Parlarem de vectors de 2 coordenades, és a dir, vectors de la forma ( x1 , x 2 ) . Són vectors de R 2 .
Qualsevol idea es pot traslladar a vectors de n coordenades.

2 n
Base: Si voleu tenir una base de R necessiteu tenir 2 vectors (si estem a R necessitem tenir n
vectors de n components). Què vol dir que 2 vectors formen base? Vol dir que amb ells dos (i no en
necessiteu més) podeu generar qualsevol vector de R2 .

4
 Fonaments Matemàtics

Vectors i aplicacions lineals

2
Generadors: Per generar qualsevol vector x de R necessitem tenir un conjunt de vectors de
manera que:
i) ha d’haver-hi 2 o més vectors
ii) dels 2 o més, n’heu de tenir 2 linealment independents.
Si és així, voldrà dir que combinant aquests vectors podreu generar-ne qualsevol altre.

2 2
Així, un conjunt de vectors és base de R si genera R i teniu exactament (i no més) 2 vectors. És
a dir, una base de R 2 estarà formada per exactament 2 vectors linealment independents.

a) Per veure que els vectors u = (1,3), v = ( 2,1) formen una base de ℜ hem de comprovar que
2

tenim exactament dos vectors i que formen un sistema de generadors. Evidentment la primera
condició es compleix, ara només cal comprovar que són generadors.

Segons les indicacions anteriors per comprovar que són generadors s’ha de complir:
i) tenir dos vectors o més, es compleix ja que tenim 2 vectors
ii) han de ser LI. Per veure que són LI només cal verificar que el determinant de la matriu
formada pels vectors (1,3) i (2,1) posats en columna és diferent de zero (o el que és el
1 2
mateix que té rang 2). En efecte, = −5 ≠ 0 .
3 1
Per tant, podem afirmar que els vectors u i v formen un sistema de generadors.
Així, com tenim un conjunt de vectors generadors i tenim exactament 2 vectors podem afirmar
que sí que formen base de R2 .

Així, com formen una base de R 2 , a partir d’aquests vectors podem generar qualsevol vector
de R , és a dir, qualsevol vector de ℜ es pot expressar com una combinació lineal d'ells.
2 2

Per exemple, el vector (8,9) és pot escriure com (8,9) = 2(1,3) + 3( 2,1) .

b) Primer de tot podem veure que els vectors u = (1,3), v = ( 2,1) i w = ( 4,2) no formen una base
de ℜ ja que per formar una base hem de tenir exactament dos vectors i en tenim tres.
2

Ara només falta comprovar si els vectors són generadors.

Segons les indicacions anteriors per comprovar que són generadors s’ha de complir:
i) tenir 2 vectors o més, es compleix perquè tenim 3 vectors
ii) dels 3 vectors, 2 han de ser LI. Aquesta condició també es compleix com hem pogut
comprovar en l’apartat a), ja que hem vist que els vectors (1,3) i (2,1) eren LI.

Així, el conjunt de vectors u = (1,3), v = ( 2,1) i w = ( 4,2) formen un sistema de generadors,

però no formen base.

c) Per veure que v = ( 2,1), w = ( 4,2) no formen un sistema de generadors de ℜ 2 , hem de

comprovar que alguna de les condicions anteriors no es compleix:

i) tenir dos vectors o més, aquesta condició es compleix perquè tenim dos vectors
ii) han de ser LI. Per veure que són LI només cal verificar que el determinant de la matriu
formada pels vectors (2,1) i (4,2) posats en columna és diferent de zero. Si ho

5
 Fonaments Matemàtics

Vectors i aplicacions lineals

2 4
comprovem obtenim = 0 , és a dir, el determinant és zero i per tant els vectors
1 2
no són LI, sinó que són LD. Així aquesta segona condició no es compleix.

Per tant, podem afirmar que els vectors v i w no formen un sistema de generadors i per tant
tampoc no formen base.

Nota: Ja hem comentat anteriorment que els espais vectorials que nosaltres estudiem tenen
infinites bases. No obstant, totes elles tenen el mateix nombre d'elements. Així, per exemple, totes
les bases de ℜ estan formades per dos vectors i la seva dimensió és dos; les bases de ℜ 3 per
2

tres elements i la seva dimensió és tres, etc.

EXERCICI 5:

a) Sigui v ∈ ℜ 2 un vector tal que els seus components respecte de la base canònica són
(1,3). Trobeu els components de v ∈ ℜ 2 respecte de la base B = {(1,1), (1,−1)} .
b) Sigui v ∈ ℜ 2 un vector tal que els seus components respecte de la base
B = {(2,3), (1,2)} són (3,1). Trobeu els components de v ∈ ℜ 2 respecte de la base
canònica de ℜ2 .
c) Siguin B = {(2,2), (1,2)} i B' = {(0,2), (1,4)} dues bases de ℜ 2 . Si (3,4) són les
coordenades d'un vector v ∈ ℜ 2 en la base B, trobeu les coordenades de v ∈ ℜ 2 en la
base B ' .
d) Sigui v ∈ ℜ 3 un vector tal que els seus components respecte de la base
B = {(1,2,0), (2,1,0), (0,0,1)} són (1,2,3). Trobeu les coordenades del vector v respecte de
la base canònica.

SOLUCIÓ:

Aquest tipus de problemes es poden resoldre de dues maneres diferents:

- Mètode 1: Resoldre un sistema d’equacions

- Mètode 2: Utilitzar la matriu de canvi de base

a) Mètode 1: escrivim el vector v usant les dues bases, és a dir, tenim

α1 (1,1) + α 2 (1,−1) = v = 1(1,0) + 3(0,1) .
Ara, per calcular els components de v respecte de la base B, resolem el sistema d’equacions
α 1 + α 2 = 1
 i obtenim α 1 = 2 i α 2 = −1 . Així, els components de v en la base B són ( 2,−1) .
α 1 − α 2 = 3

6
 Fonaments Matemàtics

Vectors i aplicacions lineals

Mètode 2: Aquest problema també es pot resoldre usant la matriu del canvi de base que ens dóna
els components en la base B d’un vector escrit en la base canònica. De fet, la matriu resulta de
prendre la inversa de la matriu que té per columnes els vectors de la base B:
1 1 
1 1 
−1
 
  =2 2 .
1 − 1  1 −1

2 2 
Per obtenir els components del vector en la base B només cal multiplicar la matriu de canvi de base
1 1 
 
pel vector v. Si fem doncs el producte obtenim  2 2  1  = (2 − 1) que són les coordenades
 1 1  
−  3
2 2
del vector v en la base B.

b) Mètode 1: De forma anàloga a l’apartat anterior, escrivim el vector v usant les dues bases:
α1 (1,0) + α 2 (0,1) = v = 3(2,3) + 1(1,2) . Ara, per calcular els components de v respecte de la base
α 1 + 0 ⋅ α 2 = 7
canònica, hem de resoldre el sistema d’equacions  , d'on s'obté α 1 = 7 i
 0 ⋅α 1+α 2 = 11
α 2 = 11 . Així, els components de v en la base canònica són (7,11) .

Mètode 2: Usant la matriu del canvi de base que ens dóna els components en la base canònica
2 1  2 1  3   7 
d’un vector escrit en la base B,   , obtenim    =   . Fixeu-vos que la matriu de
 3 2  3 2  1  11
canvi de base resulta de posar els vector de la base B en columnes.

Nota: Observeu que ara no cal fer la inversa de la matriu ja que si passem d’una base B a la
canònica el pas és immediat, en canvi si volem passar de la base canònica a una base B cal fer la
inversa.

c) Mètode 1: Escrivim el vector v en les dues bases: α 1 (0,2) + α 2 (1,4) = v = 3(2,2) + 4(1,2) . El
 α 2 = 10
sistema a resoldre és  , que té per solució α 1 = −13 i α 2 = 10 . Així, els
2α 1+4α 2 = 14
components de v en la base B’ són ( −13,10) .

Mètode 2: quan hi ha dues bases i una d’elles no és la canònica el mètode més fàcil de resolució és
resolent el sistema, per això i per no embolicar un tema que ja és prou difícil, en aquest cas obviem
el mètode 2 de resolució.

d) Mètode 1: Igual que abans, escrivim el vector v usant les dues bases:

α1 (1,0,0) + α 2 (0,1,0) + α 3 (0,0,1) = v = 1(1,2,0) + 2(2,1,0) + 3(0,0,1) .

7
 Fonaments Matemàtics

Vectors i aplicacions lineals

Ara, per calcular els components de v respecte de la base canònica, hem de resoldre el sistema
α1 + 0 ⋅ α 2 + 0 ⋅ α 3 = 5

d’equacions 0 ⋅ α 1 + α 2 + 0 ⋅ α 3 = 4 , d'on s'obté α 1 = 5 , α 2 = 4 i α 3 = 3 . Així, els
0 ⋅ α + 0 ⋅ α + α = 3
 1 2 3
components de v en la base canònica són (5,4,3) .

Mètode 2: La matriu de canvi de base de la base B a la base canònica es construeix posant els
1 2 0
 
vector de la base B en columnes, 2 1 0 , ara només tenim de fer el
 
0 0 1
 
 1 2 0  1   5 
    
producte  2 1 0  2  =  4  per obtenir el resultat.
 0 0 1  3   3 
    

EXERCICI 6:

a) Comproveu que el subconjunt de ℜ 2 , S = {( x , x ) / x ∈ R} , que és una recta que passa

per l’origen, és un subespai vectorial de ℜ2 .
b) Considerem un altre subconjunt de ℜ : la recta
2
V = {( x , x + 1) / x ∈ R} , és a dir, tots els
vectors que tenen el segon component igual al primer més 1. Comproveu que no és un
subespai vectorial.

SOLUCIÓ:

a) Tal com diu la Proposició 5 de la pàgina 23 del mòdul, s’han de comprovar dues coses:
1. La suma de dos elements de S és de S.
2. El producte d’un escalar per un element de S és de S.
Comprovem-ho:
1. (a, a) + (b, b) = (a + b, a + b). Així, la suma de dos elements de S és de S. És clar que si
sumem dos vectors del pla que tenen els dos components iguals obtenim un nou vector
que també té els dos components iguals.
2. λ (a, a)= (λa, λa). Així, el producte d’un escalar per un element de S és de S. Aquí hem
vist que si un vector amb els dos components iguals el multipliquem per un escalar, és a
dir, un nombre real, s’obté un vector que també té els dos components iguals.
Per tant S és un subespai vectorial de ℜ2 .
b) Comprovem les dues condicions:
1. (a, a+1) + (b, b+1) = (a+b, a+b+2) que resulta que no és un vector de V, ja que el
segon component no és el primer més 1. Com que la primera propietat no es
compleix ja no cal comprovar la segona.
Fem un dibuix que esperem clarifiqui el fet de què V no és un subespai vectorial:

8
 Fonaments Matemàtics

Vectors i aplicacions lineals

(a,a+1)

(b,b+1)

2.

El subconjunt V, de color blau, està format pels vectors de components (x, x+1). Sumant-ne
dos qualssevol (en negre) obtenim un vector (en vermell) que no és del subconjunt V. Per tant
NO és un subespai vectorial.

EXERCICI 7: Digueu si les següents aplicacions són aplicacions lineals o no ho són:

2
(a) f(x,y)=(x+y,y) (b) g(x,y)=(x ,y)

SOLUCIÓ: Per resoldre aquest exercici usarem la definició 19 d’aplicació lineal (p.31 del mòdul).

(a) L’aplicació f va de R a R . Agafem doncs dos vectors qualssevol u = (u1 , u 2 ), v = (v1 , v 2 ) .

2 2

Per comprovar que es compleix la condició 1, calculem de forma paral·lela

f (u + v ) i f (u ) + f (v ) :

f (u + v) = f ((u1 , u 2 ) + (v1 , v2 )) = f (u1 + v1 , u 2 + v 2 ) = (u1 + v1 + u 2 + v 2 , u 2 + v2 )

f (u ) + f (v) = f (u1 , u 2 ) + f (v1 , v 2 ) = (u1 + u 2 , u 2 ) + (v1 + v 2 , v 2 ) = (u1 + v1 + u 2 + v 2 , u 2 + v 2 )

de forma que obtenim el mateix resultat, f (u + v) = f (u ) + f (v) (tal com ens demana la
primera condició de la definició 19).

Ara cal comprovar la condició 2. Agafem un número real qualsevol i li diem α . Llavors calculem
de forma paral·lela f (α u ) i α f (u ) :

f (α u ) = f (α (u1 , u 2 )) = f (α u1 , α u 2 ) = (α u1 + α u 2 , α u 2 )
α f (u ) = α f (u1 , u 2 ) = α (u1 + u 2 , u 2 ) = (α u1 + α u 2 , α u 2 )

9
 Fonaments Matemàtics

Vectors i aplicacions lineals

de forma que obtenim el mateix resultat, f (α u ) = α f (u ) .

I, per tant, com es compleixen les dues condicions podem afirmar que l’aplicació f és lineal.

2 2
(b) L’aplicació g va, també, de R a R . Agafem doncs dos vectors qualssevol
u = (u1 , u 2 ), v = (v1 , v 2 ) .
Per comprovar que es compleix la condició 1, calculem de forma paral·lela
g (u + v ) i g (u ) + g (v) :
g (u + v) = g ((u1 , u 2 ) + (v1 , v2 )) = g (u1 + v1 , u 2 + v2 ) = ((u1 + v1 ) 2 , u 2 + v 2 ) = (u12 + v12 + 2u1v1 , u 2 + v2 )
g (u ) + g (v) = g (u1 , u 2 ) + g (v1 , v 2 ) = (u12 , u 2 ) + (v12 , v2 ) = (u12 + v12 , u 2 + v2 )

Com g (u + v ) ≠ g (u ) + g (v ) , és a dir, com no es compleix la condició 1 podem afirmar que

l’aplicació g no és lineal.

2 2
Nota: De fet es pot demostrar fàcilment que una aplicació de R a R és lineal si i només si s’escriu
f ( x, y ) = (ax + by, cx + dy ) per a algun valor de a, b, c, d. Llavors podem dir que la matriu associada a
a b   a b  x   ax + by 
l’aplicació és la matriu   donat que f ( x, y ) =    =   .
c d   c d  y   cx + dy 

EXERCICI 8: Calculeu la matriu associada a l’aplicació lineal f(x,y,z)=(x+y+z,x-2y+z) en la base

canònica.

SOLUCIÓ: Tal i com ens diu la definició 16 de la pàgina 28, hem de trobar una matriu A tal que
Ax=f(x). Per fer-ho calcularem la imatge dels vectors de la base canònica usant f. És a dir, la imatge
per a f dels vectors {(1,0,0), (0,1,0), (0,0,1)} , que és la base canònica de l’espai de sortida R3 .
Obtenim:

f (1,0,0) = (1 + 0 + 0,1 − 2 ⋅ 0 + 0) = (1,1)

f (0,1,0) = (0 + 1 + 0,0 − 2 ⋅ 1 + 0) = (1,−2)
f (0,0,1) = (0 + 0 + 1,0 − 2 ⋅ 0 + 1) = (1,1)
on hem fet servir l’expressió concreta de f tal com ens diu l’enunciat. Ara podem escriure la matriu A
associada a f com aquella matriu que té per columnes les imatges dels vectors de la base canònica. Per
tant:

1 1 1
A =   .
1 − 2 1
Noteu que la matriu associada a f(x,y,z) en la base canònica tindrà tantes columnes com la dimensió de
l’espai de sortida, en aquest cas R 3 , i tantes files com la dimensió de l’espai d’arribada, en aquest
2
cas R .

10
 Fonaments Matemàtics

Vectors i aplicacions lineals

EXERCICI 9: Calculeu l’expressió de l’aplicació lineal f que té per matriu associada en la base canònica
la matriu:
1 3 
 2 −1  
(a) A =   (b) B =  − 1 − 2 
1 − 2 0 5 


SOLUCIÓ: Observem que aquest és l’exercici invers a l’exercici anterior.

(a) Primer hauríem de saber de quin espai a quin espai va l’aplicació lineal que té per matriu
associada la matriu A. Com la matriu és 2 × 2 això ens indica que l’espai de sortida és R2 i
2
l’espai d’arribada també és R . De fet el número de columnes indica la dimensió de l’espai de
sortida i el número de files la dimensió de l’espai d’arribada.

Seguint les indicacions de l’exercici anterior, el vector (2,1) és la imatge (per l’aplicació lineal) del
primer vector de la base canònica de R 2 , és a dir, (1,0), i el vector (-1,-2) és la imatge (per
2
l’aplicació lineal) del segon vector de la base canònica de R , és a dir, (0,1). En altres paraules:

f (1,0) = (2,1)
f (0,1) = (−1,−2)

Com sabem que f serà de la forma f ( x, y ) = ( ax + by , cx + dy ) (no sabem encara quin és el

valor de a,b,c,d), l’únic que cal fer és plantejar el sistema d’equacions corresponent:

f (1,0) = (a, c ) = (2,1)

.
f (0,1) = (b, d ) = (−1,−2)

Finalment obtenim que l’aplicació que estem buscant és f ( x, y ) = ( 2 x − y , x − 2 y ) .

 2 − 1  x 
Altrament, podem obtenir aquesta expressió en considerar que f ( x, y ) =    , i fent el
 1 − 2  y 
 2x − y 
producte tenim f ( x, y ) =   .
 x − 2y

(b) Seguim els mateixos passos que a l’apartat anterior. Com la matriu és 3 × 2 , això ens indica que
2 3
l’espai de sortida és R (número de columnes) i l’espai d’arribada és R (número de files).

Així, el vector (1,-1,0) és la imatge (per l’aplicació lineal) del primer vector de la base canònica de
R 2 , és a dir, (1,0) i el vector (3,-2,5) és la imatge (per l’aplicació lineal) del segon vector de la
2
base canònica de R , és a dir, (0,1). En altres paraules:

f (1,0) = (1,−1,0)
f (0,1) = (3,−2,5)

11
 Fonaments Matemàtics

Vectors i aplicacions lineals

Com sabem que f serà de la forma f ( x, y ) = ( ax + by , cx + dy , ex + fy ) (no sabem encara quin

és el valor de a,b,c,d,e,f), l’únic que cal fer és plantejar el sistema d’equacions corresponent:

f (1,0) = (a, c, e) = (1,−1,0)

.
f (0,1) = (b, d , f ) = (3,−2,5)

Finalment obtenim que l’aplicació que estem buscant és f ( x, y ) = ( x + 3 y,− x − 2 y ,5 y ) .

1 3 
  x 
Altrament, podem obtenir aquesta expressió en considerar que f ( x, y ) =  − 1 − 2   , i fent
5  
0 y

 x + 3y 
 
el producte tenim f ( x, y ) =  − x − 2 y  .
 5y 
 

 2 − 4
EXERCICI 10: Considereu l’endomorfisme f corresponent a la matriu A =   i trobeu tots els
 − 6 12 
vectors que compleixen f ( x, y ) = (0,0) .

 2 − 4
SOLUCIÓ: Donada la matriu A =   , podem expressar l’endomorfisme com
 − 6 12 
 2 − 4  x   2 x − 4 y 
f ( x, y ) =    =   .
 − 6 12  y   − 6 x + 12 y 
Si volem que cadascuna de les dues components siguin igual a 0, haurem de resoldre el sistema següent:
2x − 4 y = 0 

− 6 x + 12 y = 0
Podem comprovar que es tracta d’un sistema compatible indeterminat ja que el rang de la matriu coincideix
amb el rang de la matriu ampliada, el qual és 1. Mentre el número d’incògnites és 2.
Si considerem la primera equació trobem que x=2y per qualsevol y.
Així, els vectors que compleixen f ( x, y ) = (0,0) són tots els de la forma (2y,y) on y pot prendre qualsevol
valor real. Formen un subespai de dimensió 1 que té per base {(2,1)}.

EXERCICI 11: Calculeu la matriu associada a l’aplicació lineal f(x,y)=(x+y,x-2y) en la base B

de R {(1,1), (1,−1)} (Nota: aquest exemple és molt similar a l’exemple 2.3 de la p.33 del mòdul).
2

SOLUCIÓ: Per resoldre aquest problema essencialment el que hem de fer és seguir el següent procediment:

Pas 1: calcular la imatge dels vectors de la base B segons l’aplicació lineal f.

Pas 2: escriure aquestes imatges que hem obtingut en la base B (això és un canvi de base!).
Pas 3: construir una matriu on les columnes són els vectors que hem obtingut en l’apartat (b).

12
 Fonaments Matemàtics

Vectors i aplicacions lineals

Comencem:

Pas 1: Si calculem la imatge dels vectors de la base B segons l’aplicació lineal f, obtenim:

f (1,1) = (1 + 1,1 − 2 ⋅ 1) = (2,−1)

f (1,−1) = (1 − 1,1 − 2 ⋅ (−1)) = (0,3)

Ja tenim doncs les imatges dels vectors de la base B usant f.

Pas 2: Ara hem d’escriure els vectors {( 2,−1), (0,3)} en la base B. Hi ha dues formes de fer-ho.
La primera és trobar la matriu del canvi de base que ens porta de la base canònica a la base B i després
aplicar-ho als dos vectors {( 2,−1), (0,3)} . Fem-ho. La matriu del canvi de base que busquem (de la
2
canònica de R a la base B) resulta de calcular la inversa de la matriu que té per columnes els vectors de la
base B. És a dir,

1 1 
1 1 
−1
 
  =2 2 
1 − 1  1 − 1

2 2 

I ara, apliquem la matriu del canvi de base que hem obtingut, a cadascun dels vectors que hem obtingut en el
pas 1. Tenim:

1 1  1 1 1   3 
  2      0   
2 2   =  2  i 2 2   =  2 
 1 − 1  − 1  3   1 − 1  3   − 3 
     
2 2  2 2 2   2 

La segona és trobar directament les coordenades dels vectors {( 2,−1), (0,3)} en la base B (sense passar
per la matriu del canvi de base). La idea és que s’ha de complir que:

2 ⋅ (1,0) − 1 ⋅ (0,1) = α ⋅ (1,1) + β ⋅ (1,−1)

0 ⋅ (1,0) + 3 ⋅ (0,1) = δ ⋅ (1,1) + λ ⋅ (1,−1)

Cadascuna de les equacions ens dóna els valors de les coordenades de cadascun dels vectors respecte de
la base B. Certament la solució és la mateixa que abans. És a dir,

1 3
α= i β =
2 2
3 −3
δ= i λ=
2 2

13
 Fonaments Matemàtics

Vectors i aplicacions lineals

Pas 3: Ara només queda el darrer pas. Construir la matriu associada a l’aplicació lineal f en la base B, és a
dir, col·locar les imatges obtingudes en columnes. Així, la matriu associada a f en la base B és:

1 3 
 
2 2 .
 3 − 3

2 2 

EXERCICI 12: Trobeu els valors propis i els vectors propis per a les següents matrius, tot
indicant si les matrius són diagonalitzables.

0 −1 1  1 1 0 
 1 − 1    
(a)   (b)  2 − 3 1  (c)  1 1 0 
0 3   1 − 1 − 1  0 0 − 1
   

SOLUCIÓ: Resoldrem el problema tractant cada apartat de forma independent. Amb tot, veureu
que la mecànica és molt semblant en tots els casos.

 1 − 1
(a) La matriu és   . Primer calculem els valors propis. Per això calculem el determinant
0 3 
corresponent (veure expressió (3.2) de la p.38 del mòdul):

1− λ −1
0 3−λ
d’on s’obté l’equació característica (o polinomi característic)

1− λ −1
= 0 ⇔ (1 − λ )(3 − λ ) − (−1) ⋅ 0 = 0 ⇔ (1 − λ )(3 − λ ) = 0
0 3−λ

Els valors propis són les solucions (és a dir, els zeros) d’aquesta equació; en aquest el resultat és trivial ja
que tenim la descomposició de forma explícita. Els valors propis són doncs λ = 1 i λ = 3 . Ara haurem
de calcular els vectors propis.

Calculem el vector propi associat al valor propi λ = 1 . Tal com s’indica en el mòdul caldrà resoldre el
sistema d’equacions homogeni que resulta de substituir λ = 1 . En aquest cas tenim:

 (1 − 1) x − y = 0 − y = 0
 ⇔  ⇔ y=0
0 x + (3 − 1) y = 0 2y = 0

Observem que x queda lliure i que y=0, així els vectors propis associats al valor propi λ = 1 són de la
forma ( x,0) . És a dir, la solució és {( x,0) / x ∈ R} = (1,0) .

14
 Fonaments Matemàtics

Vectors i aplicacions lineals

Per obtenir un vector propi tan sols és necessari assignar a x un valor qualsevol (sempre que no sigui 0, ja
que en aquest cas el vector resultant seria el (0,0) i aquest vector no pot ser mai un vector propi!!). Així,
per exemple si x=1 tenim el vector (1,0), si x=2 tenim el vector (2,0), si x=-5 tenim el vector (-5,0),...

Calculem el vector propi associat al valor propi λ = 3 . Tal com s’indica en el mòdul caldrà resoldre el
sistema d’equacions homogeni que resulta de substituir λ = 3 . En aquest cas tenim:

(1 − 3) x − y = 0 − 2 x − y = 0
 ⇔  ⇔ y = −2 x
0 x + (3 − 3) y = 0 0 = 0

Observem que la primera equació ens diu que y = −2 x , per tant, deixem x lliure i posem -2x en comptes
de y, així els vectors propis associats al valor propi λ = 3 són de la forma ( x,−2 x ) . És a dir, la solució és
{( x,−2 x) / x ∈ R} = (1,−2) .
Per obtenir un vector propi tan sols és necessari assignar a x un valor qualsevol (sempre que no sigui 0, ja
que en aquest cas el vector resultant seria el (0,0) i aquest vector no pot ser mai un vector propi!!). Així,
per exemple si x=1 tenim el vector (1,−2) , si x=-1 tenim el vector ( −1,2) , si x=3 tenim el vector (3,−6) ,...

Respecte a si la matriu és diagonalitzable, la resposta és afirmativa, ja que en aquest cas els valors propis
són reals i diferents (Teorema 7, p.42). Òbviament, la matriu diagonal és:

1 0
D =  
 0 3
és a dir, la matriu formada pels valors propis.
De tots aquests càlculs també podem deduir la relació entre la matriu diagonal i les altres matrius (mireu
la secció 2.4 de la p.34 del mòdul o el Teorema 6 de la pàgina 41)

−1
1 0 1 1   1 − 1 1 1 
  =      .
 0 3  0 − 2  0 3  0 − 2 

0 −1 1 
 
(b) La matriu és  2 − 3 1  . Busquem primer els valors propis. Per això calculem, tal com hem fet
 1 − 1 − 1
 
abans, el polinomi (o equació) característic, det(A- λ Id), és a dir,

−λ −1 1 −λ −1 1 −λ 1 1
2 −3−λ 1 = 2+λ −2−λ 0 = −( 2 + λ ) 1 1 0 = −(2 + λ )(1 + λ ) 2
1 −1 −1 − λ 1 −1 −1 − λ 1 1 −1 − λ

Per desenvolupar aquest determinant s’han fet servir propietats dels determinants. Primer hem substituït
la segona fila per ella mateixa menys la primera, així obtenim el factor (2+λ) a la segona fila. També s’ha
tret un (-1) de tota la segona columna. Fent això hem obtingut el polinomi característic factoritzat i, per

15
 Fonaments Matemàtics

Vectors i aplicacions lineals

tant, tenim directament els valors propis: λ = −2 amb multiplicitat 1 i λ = −1 amb multiplicitat 2 (perquè
té un exponent 2 en la factorització del polinomi).

Si no fem aquest procés, hom pot calcular el determinant fent servir el procés normal de càlcul de
determinats de matrius 3 per 3. En aquest cas, el polinomi que s’obté no està “factoritzat i llavors cal fer
servir Ruffini per determinar les arrels (si aquestes són enteres). En aquest cas seria

−λ −1 1
2 −3−λ 1 = (−λ )(−3 − λ )(−1 − λ ) + (−1)(1)(1) + (−1)(2)(1) −
1 −1 −1− λ
− (1)(−3 − λ )(1) − (−1)(2)(−1 − λ ) − (−1)(1)(−λ ) = 0

I desenvolupant s’obté:

(−λ )(−3 − λ )(−1 − λ ) + (−1)(1)(1) + (−1)(2)(1) − (1)(−3 − λ )(1) − (−1)(2)(−1 − λ ) − (−1)(1)(−λ ) =

− λ3 − 4λ2 − 5λ − 2 = −(2 + λ )(1 + λ ) 2 = 0

Les arrels del polinomi s’obtenen fent servir Ruffini (encara que si no són enteres la cosa és molt més
difícil). En aquest cas ens dóna (tal com ja sabíem pel desenvolupament del determinant anterior) λ = −2
i λ = −1 que té multiplicitat 2.

Els valors propis de A són doncs -1 (amb multiplicitat 2) i -2 (que és simple, multiplicitat 1). Calculem ara
els vectors propis. Per fer-ho hem de resoldre el següent sistema:

− λ −1 1  x   0 
    
 2 −3−λ 1  y  =  0 
 1 −1 − 1 − λ  z   0 


Busquem els vectors propis associats al valor propi λ = −1 , substituïm λ = −1 i resolem el sistema
homogeni:

 1 − 1 1  x   0 
    
 2 − 2 1  y  =  0  .
 1 − 1 0  z   0 
    

Per resoldre el sistema fem Gauss:

1 − 1 1 1 −1 1 
   
2 − 2 1     → 0 0 − 1
2ona − 2*1era
1 − 1 0 3era −1era  0 0 − 1
   

Per tant, la solució és z = 0

x − y = 0 . D’aquí deduïm que l’espai vectorial generat pel valor propi
i
λ = −1 té com a vectors propis els vectors de la forma ( x, x,0) . És a dir, la solució és

16
 Fonaments Matemàtics

Vectors i aplicacions lineals

{( x, x,0) / x ∈ R} = (1,1,0) . Així, per exemple, un vector propi associat al valor propi λ = −1 és el
(1,1,0) .

Ara busquem els vectors propis associats al valor propi λ = −2 , substituïm λ = −2 i resolem el sistema
homogeni:

 2 − 1 1 x   0 
    
 2 − 1 1 y  =  0  .
 1 − 1 1 z   0 
    

Si resolem el sistema obtenim com a solució: x = 0i − y + z = 0 . D’aquí deduïm que l’espai vectorial
generat pel valor propi λ = −2 té com a vectors propis els vectors de la forma (0, y , y ) . És a dir, la
solució és {(0, y, y) / y ∈ R} = (0,1,1) . Així, per exemple, un vector propi associat al valor propi λ = −2
és el (0,1,1) .

Pel que fa a la diagonalització de la matriu, aquesta diagonalitzarà si i només si l’espai de vectors propis
dels diferents valors propis formen una base de R 3 , en el nostre cas el conjunt de vectors que tenim és
{(1,1,0), (0,1,1)} que no formen base de R 3 ja que tot i ser linealment independents no són generadors de
l’espai.

Una altra manera de saber si la matriu diagonalitza és comprovar si l’espai de vectors propis associat als
diferents valors propis té la mateixa dimensió que la multiplicitat.
En el nostre cas, hauríem de comprovar si l’espai de vectors propis de valor propi -1 té dimensió 2 (igual
que la multiplicitat), o en altres paraules, si el sistema d’equacions homogeni
 1 − 1 1  x   0 
    
 2 − 2 1  y  =  0 
 1 − 1 0  z   0 
    

admet “dues variables lliures”. Com hem vist abans, les solucions d’aquest sistema eren de la forma
( x, x,0) , és a dir, només té una variable lliure. Per tant, podem afirmar que la matriu no és
diagonalitzable.

1 1 0 
 
(c) La matriu és  1 1 0  . La primera observació important és que la matriu és simètrica, de forma
 0 0 −1
 
que usant el Teorema 9 del mòdul (p.47) la matriu segur que diagonalitzarà. Per trobar els valors i els
vectors propis caldrà seguir els mateixos passos que abans.

17
 Fonaments Matemàtics

Vectors i aplicacions lineals

1− λ 1 0
1 1− λ 0 [ ]
= (1 − λ )(1 − λ )(−1 − λ ) − (−1 − λ ) = (−1 − λ ) (1 − λ ) 2 − 1 =
0 0 −1− λ

[ ]
= (−1 − λ ) λ2 − 2λ = −λ (1 + λ )(λ − 2)

I, per tant, els valors propis són λ = 0, λ = −1, λ = 2 cadascú amb multiplicitat 1. Els vectors propis
sortiran de resoldre els sistemes homogenis corresponents.

Per al valor propi λ = 0 tenim el sistema:

 1 1 0  x   0 
     x + y = 0
 1 1 0  y  =  0  ⇒ 
 0 0 − 1 z   0  z = 0
    

Els vectors propis associats al valor propi λ = 0 són de la forma ( x,− x,0) . És a dir, la solució és
{( x,− x,0) / x ∈ R} = (1,−1,0) . Així doncs un vector propi és per exemple (1,-1,0).

Per al valor propi λ = −1 tenim el sistema:

 2 1 0  x   0 
     x = y = 0
 1 2 0  y  =  0  ⇒ 
 0 0 0  z   0   z = lliure
    

Els vectors propis associats al valor propi λ = −1 són de la forma (0,0, z ) . És a dir, la solució és
{(0,0, z ) / z ∈ R} = (0,0,1) . Així doncs un vector propi és per exemple (0,0,1).

Per al valor propi λ=2 tenim el sistema:

−1 1 0  x   0 
     − x + y = 0
 1 − 1 0  y  =  0  ⇒ 
0 0 − 3  z   0  z = 0


Els vectors propis associats al valor propi λ = 2 són de la forma ( x, x,0) . És a dir, la solució és
{( x, x,0) / x ∈ R} = (1,1,0) . Així doncs un vector propi és per exemple (1,1,0).

El resultat de tot plegat és que la matriu diagonalitza. La matriu diagonal és:

18
 Fonaments Matemàtics

Vectors i aplicacions lineals

0 0 0
 
0 −1 0
0 0 2
 
i la matriu dels vector propis (o matriu del canvi de base) és:

 1 0 1
 
−1 0 1
 0 1 0
 

EXERCICI 13: Calculeu

5
10 1 1 0 
 1 − 1  
(a)   (b)  1 1 0 
0 3   0 0 − 1
 

SOLUCIÓ: Òbviament una forma de fer-ho no gaire eficient és multiplicar la matriu per ella
mateixa tants cops com diu l’exponent ... però mirem una forma més senzilla de fer-ho.

(a) Recordem que en la pàgina 45 del mòdul, secció 3.5, es demostra que A10 = PD10 P −1 on
D és la matriu diagonal i P és la matriu del canvi de base determinada pels vectors propis.
Com la matriu A coincideix amb la matriu de l’apartat (a) de l’exercici anterior podem
escriure l’equació:
−1 −1
 1 − 1  1 − 29524 
10 10
 1 1  1 0   1 1   1 1  1 0  1 1 
  =      =     =  
0 3   0 − 2  0 3   0 − 2   0 − 2  0 59049  0 − 2   0 59049 

(b) Seguint la mateixa estratègia que a l’apartat anterior i com la matriu coincideix amb la
matriu de l’apartat (c) de l’exercici anterior:

5 5 −1
1 1 0   1 0 1  0 0 0   1 0 1  16 16 0 
        
 1 1 0  =  − 1 0 1  0 − 1 0   − 1 0 1  = 16 16 0 
 0 0 − 1  0 1 0  0 0 2   0 1 0   0 0 − 1
        

19
 Fonaments Matemàtics

Vectors i aplicacions lineals

EXERCICI 14: Si a i b són dos valors reals qualssevol, per quins valors de a i b la matriu
 a 0
  és diagonalitzable?
1 b

 a 0
SOLUCIÓ: En primer lloc buscarem els valors propis corresponents a la matriu   .
1 b
a−λ 0
= (a − λ )(b − λ ) = 0 .
1 b−λ
Per tant, els valors propis són λ1 = a i λ 2 = b .
Si a ≠ b , els valors propis són dos valors reals i diferents i, pel Teorema 7 de la pàgina 42, la
matriu és diagonalitzable.
Si a = b , hi ha un sol valor propi amb multiplicitat dos. Per que la matriu sigui diagonalitzable, ara
cal que els vectors propis associats a aquest valor propi generin tot R 2 . Obtenim doncs els vectors
propis associats a λ = a com segueix.
 0 0  x   0 
Resolent    =   , obtenim x = 0 i y lliure. Per tant, per λ = a , els vectors propis són
 1 0  y   0 
els vectors de la forma (0, y ) . És a dir, {(0, y ) / y ∈ R} = (0,1) . Donat que no formen una base

de R 2 , la matriu no diagonalitza quan a = b .

EXERCICI 15: Un model d’evolució de la quota de mercat

Telefónica, Airtel i Amena comparteixen aquest any el mercat de telefonia mòbil. La quota de mercat, en
percentatge i a 1 de maig de 2000, de cadascuna d’aquestes empreses és: 58%, 32% i 10%,
respectivament. Durant l’any vinent s’espera que es produeixin els següents canvis :

• Telefónica conservarà el 85 % dels seus clients, cedint a Airtel el 5 % i a Amena el 10%.

• Airtel conservarà el 55 % dels seus clients, cedint a Telefónica el 10 % i a Amena el 35%.
• Amena conservarà el 85 % dels seus clients, cedint a Telefónica el 10 % i a Airtel el 5%.

Un vector de quotes de mercat és un vector en columna de components no negatius i que sumen 1. Per
exemple, el vector de quotes de mercat associat a Telefónica, Airtel i Amena és:
 0.58 
r  
s =  0.32 
 0.10 
 

Definim la matriu de transició T com

 0.85 0.10 0.10 
T =  0.05 0.55 0.05  .
 
 0.10 0.35 0.85 
 

20
 Fonaments Matemàtics

Vectors i aplicacions lineals

Per interpretar correctament la matriu, us heu d'imaginar que cada columna (i cada fila) correspon a un
operador telefònic de forma que el primer és Telefónica, el segon és Airtel i el tercer és Amena. Per exemple,
0.35 (columna 2, fila 3) indica el percentatge (en tant per ú) de clients d’Airtel que passaran a ser clients
d’Amena i el 0.85 (columna 1, fila 1) indica el percentatge (en tant per u) de clients que conserva Telefónica.

Amb aquestes dades, es demana:

(a) Quin serà el vector “quotes de mercat previst” per l’any següent; és a dir, l’1 de maig de 2001?
(b) Calculeu els valors i vectors propis de la matriu T (Indicació: un valor propi és igual a 1 i els altres
es troben entre 0 i 1).
(c) A partir del resultat de l’apartat anterior, trobeu la matriu diagonal i la matriu de canvi de base.
r
(d) Tenint en compte el vector actual de quotes de mercat s , quin serà el vector de quotes de
mercat que tindrem d’aquí a 10 anys.
10
(Indicació: a partir de les dades de l’apartat anterior cal calcular T . Nota: treballeu amb cinc
decimals.)
r
(e) A llarg termini, quin serà el vector de quotes de mercat. (Indicació: calculeu lim T n s .)
n →∞

SOLUCIÓ:

(a) La quota de mercat de l’any següent de Telefónica, Airtel i Amena serà, respectivament,

0.85 · 0.58 + 0.10 · 0.32 + 0.10 · 0.1 = 0.535,

0.05 · 0.58 + 0.55 · 0.32 + 0.05 · 0.1 = 0.210,
0.10 · 0.58 + 0.35 · 0.32 + 0.85 · 0.1 = 0.255.
r
En forma matricial s’ha de multiplicar T per s i queda

 0.85 0.10 0.10   0.58   0.535 

     
 0.05 0.55 0.05  ⋅  0.32  =  0.210 
 0.10 0.35 0.85   0.10   0.255 
     

Observeu que el vector resultant és un vector de quotes de mercat ja que les seves coordenades són
positives i sumen 1.

(b) Per trobar els valors propis hem de resoldre l’equació següent:

0.85 − λ 0.10 0.10

0.05 0.55 − λ 0.05 = 0.
0.10 0.35 0.85 − λ

Operant ens queda:

0 = −λ3 + 2.25λ2 − 1.625λ + 0.375 .

21
 Fonaments Matemàtics

Vectors i aplicacions lineals

Com que sabem que λ = 1 és una arrel, podem escriure l’equació de la forma
1 3
0 = (λ − 1)(−λ2 + 1.25λ − 0.375) , on les arrels del polinomi de grau dos són λ = i λ = . Per tant,
2 4
1 3
els valors propis són λ1 = 1 , λ 2 = i λ3 = .
2 4

Ara calculem els vectors propis corresponents substituint λ en el següent sistema:

 0.85 − λ 0.10 0.10   x   0 

     
 0.05 0.55 − λ 0.05  ⋅  y  =  0 
 0.10 0.35 0.85 − λ   z   0 


Vector propi associat al valor propi λ =1:

Per trobar el vector propi associat a aquest valor propi hem de resoldre el sistema d’equacions següent:

-0.15 · x + 0.10 · y + 0.10 · z = 0

0.05 · x - 0.45 · y + 0.05 · z = 0
0.10 · x + 0.35 · y - 0.15 · z = 0

Aquest sistema és compatible indeterminat i té per solució: x = 0.8z i y = 0.2z. Per tant, podem agafar com
r
a vector propi v1 = (0.8, 0.2, 1).

1
Vector propi associat al valor propi λ= :
2
Per trobar el vector propi associat a aquest valor propi hem de resoldre el sistema d’equacions següent:

0.35 · x + 0.10 · y + 0.10 · z = 0

0.05 · x + 0.05 · y + 0.05 · z = 0
0.10 · x + 0.35 · y + 0.35 · z = 0

Aquest sistema és compatible indeterminat i té per solució: x = 0 i y = -z. Per tant, podem agafar com a
r
vector propi v 2 = (0, -1, 1).

3
Vector propi associat al valor propi λ= :
4
Per trobar el vector propi associat a aquest valor propi hem de resoldre el sistema d’equacions següent:

0.10 · x + 0.10 · y + 0.10 · z = 0

0.05 · x - 0.20 · y + 0.05 · z = 0
0.10 · x + 0.35 · y + 0.10 · z = 0

Aquest sistema és compatible indeterminat i té per solució: x = -z i y = 0. Per tant, podem agafar com a
r
vector propi v 3 = (-1, 0, 1).

22
 Fonaments Matemàtics

Vectors i aplicacions lineals

(c) La matriu de canvi de base P és la formada pels vectors propis posats en columna, és a dir,
 0.8 0 −1 
P =  0.2 −1 0  .La matriu diagonal D és la matriu formada pels valors propis:
 1 1 1 

1 0 0 
D = 0 1/ 2 0  .

 
 0 0 3/ 4 
 

-1 -1
(d) Tenint en compte que D = P TP, podem expressar T = PDP . D’aquesta igualtat obtenim:
10 10 -1
T =PD P ,

amb
10
1 0 0  1 0 0 

D = 0 1/ 2 0
10  
= 0 0.00098 0 .
   
 0 0 3/ 4  0 0 0.05631 
   
I fent el producte matricial s’obté:
 0.8 0 −1   1 0 0   0.5 0.5 0.5 
T 10 10 −1  
= PD P =  0.2 −1 0   0 0.00098 0   0.1 −0.9 0.1  =
 1 1 1   0 0 0.05631   −0.6 0.4 0.4 

 0.433786 0.377476 0.377476 
=  0.099902 0.100882 0.099902  .
 
 0.466312 0.521642 0.522622 
 
Per tant, el vector de quotes de mercat que tindrem d’aquí a 10 anys serà:
 0.433786 0.377476 0.377476   0.58   0.4101358 
T s =  0.099902 0.100882 0.099902   0.32  =  0.1002156  .
r 
10

 0.466312 0.521642 0.522622   0.1   0.4896486 

    

(e) Tenint en compte que T n = PD n P −1 ,

 0.8 0 − 1  1 0
n
0   0.5 0.5 0.5   0.58 
r       
lim T n s = lim  0.2 − 1 0   0 1 / 2 0   0.1 − 0.9 0.1   0.32 
n→∞ n→∞
 1 1 1   0 0 3 / 4   − 0.6 0.4 0.4   0.1 


23
 Fonaments Matemàtics

Vectors i aplicacions lineals

 0.8 0 − 1  1 0 0   0.5 0.5 0.5   0.58   0.4 

      
=  0.2 − 1 0   0 0 0   0.1 − 0.9 0.1   0.32  =  0.1 
 1 1 1   0 0 0   − 0.6 0.4 0.4   0.1   0.5 


24