Apunts Àlgebra

26/10/22, 18:37 Apunts Àlgebra
Codi: 103801
Àlgebra Crèdits: 6
Prof.: Joaquim Roe Vellve
Introducció a l’assignatura
El professor que ens donarà l’assignatura es diu Joaquim (Quim) Roé, el seu correu
electrònic és jroe@mat.uab.cat. El podem trobar al seu despatx C1/346 (Ciències, torre
C1 Parell [Mates]). El seu horari de consultes és Dimarts i Dimecres de 13:00 a 14:30 o a
hores convingudes en cas de ser necessari i s’han de demanar prèviament per correu
electrònic. Tot el material que necessitem el podem trobar al campus virtual.
L’assignatura es divideix en tres branques;

1) La part teòrica, que constarà de 2 hores a la setmana i de la qual en l’examen final
en sortirà una pregunta
2) La part pràctica, que constarà d’1 hora a la setmana de problemes de nombres
complexos i matrius a l’aula i és la que serà més important. Aquest problemes s’han
de fer a casa, ja que a l’aula es corregiran.
3) Els Seminaris, aquests es faran al taller durant 5 divendres dels quals 3 seran
avaluables.
o 6 Octubre: Prepararem la primera proba avaluables de Matrius i Sistemes
Lineals
o *20 Octubre: Farem la primera proba avaluable de Matrius i Sistemes Lineals
o 10 Novembre: Prepararem la segona proba avaluable de Criptografia
o * 17 Novembre: Farem la segona proba avaluable de Criptografia
o * 15 Desembre: Proba final amb exercicis d’Àlgebra Lineal i Exercicis de
Problemes
Aquests seminaris son obligatoris i conten el 40% de la nota (13%+13%+14%), no es
podran recuperar i la nota mínima és de 1 sobre 10.
En l’assignatura hi haurà dos exàmens, un de parcial i un de final;

4) 27 Octubre: L’examen parcial serà dels temes 1 i 2 i suposarà el 20% de la nota final.
5) 25 Gener: L’examen final serà de tot el contingut de l’assignatura i suposarà el 40%
de la nota final.
Hi haurà un examen de recuperació dels parcials que suposarà un 60% de la nota final,
no obstant els seminaris no es podran recuperar.
El professor de problemes es diu Josep Gascón.
about:blank 1/48
Codi: 103801
Índex
Bloc I: Nombres complexos ................................................................................................. 4
Definició de nombres complexos .............................................................................................. 5
Operacions amb Nombres Complexos....................................................................................... 5
Element Invers del Producte................................................................................................. 6
Representació vectorial i forma polar dels nombres complexos. ...................................... 7
Representació vectorial ............................................................................................................ 7
Conjugat .............................................................................................................................. 8
Norma ( o Mòdul) ................................................................................................................ 8
Forma polar dels nombres complexos ....................................................................................... 8
Argument ( o Angle) ............................................................................................................. 9
Taula de de relacions entre Radiants Graus Sinus Cosinus i Tangent.................................... 10
Forma Polar ....................................................................................................................... 11
Producte de nombres complexos en forma polar ................................................................ 12
Conjugat de nombres complexos en forma polar ................................................................ 12
Potencies de nombres complexos en forma polar ............................................................... 12
Exemple: Treure les voltes d’un complex expressat en forma polar ..................................... 12
Fórmula de De Moivre. .................................................................................................. 12
Càlcul d'arrels n-simes. .................................................................................................. 13
Què son les arrels: .................................................................................................................. 13
Arrels de polinomis i factorització de polinomis ............................................................. 15
Operacions amb polinomis:............................................................................................ 15
Suma de polinomis ................................................................................................................. 15
Propietats de la suma ......................................................................................................... 15
Producte de polinomis ............................................................................................................ 16
Grau del polinomi .............................................................................................................. 16
Propietats del producte...................................................................................................... 16
Divisió del polinomi ................................................................................................................16
Casos coneguts de polinomis .................................................................................................. 17
Teorema “Fonamental de l’àlgebra” .............................................................................. 17
Relació entre la divisió amb residu i les arrels ................................................................ 17
Bloc II: Matrius .................................................................................................................. 18
Àlgebra Lineal ......................................................................................................................... 18
Les propietats de la Suma seran: ........................................................................................ 18
Les propietats del producte seran: ..................................................................................... 18
Exemple de cos: ................................................................................................................. 18
Exemple............................................................................................................................. 18
Definició de Matriu ................................................................................................................. 18
Exemple............................................................................................................................. 18
Operacions amb matrius. ............................................................................................... 19
Suma de matrius..................................................................................................................... 19
Propietats de la suma......................................................................................................... 19
Multiplicar escalar a matriu ....................................................................................................19
Propietats de la multiplicació d’escalar ............................................................................... 19
Transposició de matrius .......................................................................................................... 19
Producte de matrius ............................................................................................................... 20
Cas 1: (1x1) ........................................................................................................................20
Cas 2: (m x n) .......................................................................................................................... 21
Propietats del producte de matrius .................................................................................... 21
Matrius invertibles......................................................................................................... 22
Matriu Invertible 1.................................................................................................................. 22
about:blank 2/48
Codi: 103801

Transformacions elementals i esglaonament de matrius. ............................................... 22
Esglaonament de Matrius ....................................................................................................... 22
Transformacions elementals ................................................................................................... 23
Gauss-Jordan i Matrius Inverses ......................................................................................... 24
Càlcul de matrius inverses .................................................................................................. 25
Sistemes d'equacions lineals. ......................................................................................... 26
Rang d'una matriu. ........................................................................................................ 27
Teorema de Rouché. ...................................................................................................... 27
Rang i dependència lineal de files i columnes de matrius. .............................................. 27
Determinants................................................................................................................. 28
Propietats dels Determinants.................................................................................................. 29
Esglaonar una matriu nxn amb els determinants ..................................................................... 30
Càlcul d’inverses amb els determinants................................................................................... 30
Resolució de sistemes d’equacions per determinants (CRAMER) ............................................. 30
Bloc III: Espais vectorials i aplicacions lineals .................................................................... 31
Espais vectorials. ............................................................................................................ 31
Combinacions lineals. .................................................................................................... 32
Subespais....................................................................................................................... 32
Dependència lineal de vectors. ...................................................................................... 33
Bases, dimensió i coordenades. ..................................................................................... 34
Lema de Steinitz. ........................................................................................................... 34
Aplicacions lineals. ......................................................................................................... 35
Composició d'aplicacions lineals..................................................................................... 35
Subespais nucli i imatge d'una aplicació lineal. ............................................................... 36
Isomorfismes. ................................................................................................................ 38
Bloc IV: Diagonalització de matrius ................................................................................... 45
Polinomi característic, valors propis i vectors propis d'una matriu quadrada. ................. 45
Diagonalització de matrius. ............................................................................................ 46
Càlcul de potències de matrius....................................................................................... 48
about:blank 3/48
Codi: 103801
Bloc I: Nombres complexos
Els nombres es poden classificar en conjunts, anomenats Tipus de Nombres (pels

diferents mètodes d'expressar els nombres per mitjà de símbols, tals com els nombres
romans). Aquí en podem veure una classificació dels Tipus de Nombres.
el conjunt ℝ no obstant sorgeix una necessitat d’ampliar aquest nombres.

Els nombres Reals serveixen per “mesurar longituds” s’escriuen amb decimals i formen
NOM SÍMBOL EXEMPLES OPERACIONS

ℕ
Es poden: Sumar i Multiplicar
NATURALS 1, 2, 3, 4,…
A vegades: Restar o Dividir
ℤ
Es poden: Sumar, Restar i
ENTERS 1, -1, 2, -2, 3, -3,… Multiplicar
A vegades: Dividir
Es poden: Sumar, Restar i
ℚ
Multiplicar.
RACIONALS 1, 1/2, 4/3, -1/4,…
𝑚∈ℤ i 𝑛∈ℕ
També: Dividir m/n sempre que
IRRACIONALS 𝕀 nombre e, nombre pi π, √2

Es poden: Sumar, Restar,
ℝ 1, -1, 1/2, √2
Multiplicar i Dividir.
REALS
També: Fer arrels quadrades de
nombres positius
ℂ 3 + 2𝒾 on 𝒾 = √−1
quadrada √ dels nombres negatius
Es fan servir per aconseguir l’arrel
COMPLEXOS
about:blank 4/48
Codi: 103801
Anomenem el símbol 𝒾 com a Unitat Imaginaria i s’estableix com a norma que s’ha de
Definició de nombres complexos
𝒾 · 𝒾 = −1
complir la condició tal que:
Un Nombre Imaginari és el producte (Multiplicació) d’un nombre real per 𝒾 com per
exemple:
𝒾 , 2𝒾 , 4𝒾 , 𝜋𝒾
Un Nombre Complex és la suma d’un Nombre Real (ℝ ) i un Nombre Imaginari, ho

podem veure en l’exemple:
3 + 𝒾 , 2 + 3𝒾
Podem escriure aquesta afirmació de la següent manera on 𝒂 serà la Part Real i 𝒃 serà
la Part Imaginaria:
𝒂 + 𝒃𝓲
Operacions amb Nombres Complexos

Els nombres complexos també tenen una operació de SUMA i PRODUCTE o
Multiplicació. Anem a definir-les i veurem que tenen les propietats que tenien els
nombres reals.
Suma (𝒂, 𝒃, 𝒄, 𝒅 ∈ ℝ ):

𝑧 = 𝑎 + 𝑏𝒾> i 𝑤 = 𝑐 + 𝑑𝒾
𝒛 + 𝒘 = (𝑎 + 𝑏𝒾) + (𝑐 + 𝑑𝒾) à 𝑧 + 𝑤 = (𝒂 + 𝒄) + (𝒃 + 𝒅 )𝒊
(𝒂 + 𝒄)>serà>la>𝑷𝒂𝒓𝒕>𝑹𝒆𝒂𝒍
(𝒃 + 𝒅)>serà>la>𝑷𝒂𝒓𝒕>𝑰𝒎𝒂𝒈𝒊𝒏𝒂𝒓𝒊𝒂
𝒊>serà>el>𝑵𝒐𝒎𝒃𝒓𝒆>𝑰𝒎𝒂𝒈𝒊𝒏𝒂𝒓𝒊
Producte (𝐚, 𝐛, 𝐜, 𝐝 ∈ ℝ ): 
𝑧 = 𝑎 + 𝑏𝒾> i 𝑤 = 𝑐 + 𝑑𝒾
à
(Cal veure que fem servir la igualtat de )
( 𝑏𝒾) ( 𝑑𝒾) 𝒃𝒅𝒊𝟐 𝒅𝒊 𝒃 𝒊

(𝒂𝒄 − 𝒃𝒅)>serà>la>𝑷𝒂𝒓𝒕>𝑹𝒆𝒂𝒍
(𝒂𝒅 + 𝒃𝒄)>serà>la>𝑷𝒂𝒓𝒕>𝑰𝒎𝒂𝒈𝒊𝒏𝒂𝒓𝒊𝒂
𝒊>serà>el>𝑵𝒐𝒎𝒃𝒓𝒆>𝑰𝒎𝒂𝒈𝒊𝒏𝒂𝒓𝒊
about:blank 5/48
Codi: 103801
De les operacions de Suma i Producte dels Nombres Complexos en podem veure que
tenen les següents propietats:
o Distributiva: 𝑧1 · (𝑧2 + 𝑧3) = 𝑧1 · 𝑧2 + 𝑧1 · 𝑧3

• La Suma:
o Associativa: (𝑧1 + 𝑧2 ) + 𝑧3 = 𝑧1 + (𝑧2 + 𝑧3) .

o Commutativa: (𝑧1 + 𝑧2) = (𝑧2 + 𝑧1).
o Element neutre: 0 = 0 + 0𝑖 = (0,0)
o Element oposat (o resta): − (𝑎 + 𝑏𝑖 ) = (−𝑎 )+ (−𝑏 )𝑖 . 
o Distributiva: 𝑧1 · (𝑧2 + 𝑧3) = 𝑧1 · 𝑧2 + 𝑧1 · 𝑧3

• El Producte:
o Associativa: (𝑧1 · 𝑧2 ) · 𝑧3 = 𝑧1 · (𝑧2 · 𝑧3) .

o Commutativa: (𝑧1 · 𝑧2 ) = (𝑧2 · 𝑧1).
o Element neutre: 1 = 1 + 0𝑖 = (1,0) que compleix 1 · 𝑧 = 𝑧 · 1
o Element oposat (o resta): −(𝑎 + 𝑏𝑖 ) = (−𝑎 )+ (−𝑏)𝑖 .
o Element Invers: per a cada ℤ ∈ ℂ diferent de zero (ℤ ≠ 0 ) existeix un
element 𝑤 ∈ ℂ que compleix 𝑧 · 𝑤 = 1 , escriurem 𝑤 per 𝑧 bc . 
Element Invers del Producte
exemple 𝑧 = 𝑎 + 𝑏𝑖 on (𝑎, 𝑏 ∈ ℝ ). Sigui 𝑧 = 𝑎 + 𝑏𝑖 no zero, denotem per 𝑧 d = 𝑎 − 𝑏𝑖 .

Anem a veure com construir l’invers amb el producte d’un nombre complex com per
Cal veure llavors que:

𝑧 · 𝑧 d = 𝑎e + 𝑏e
1 𝑧d 𝑎 − 𝑏𝑖
que es un número real diferent de zero per tant l’invers és,
𝑧 bc = = =
𝑧 𝑧 · 𝑧 d 𝑎e + 𝑏e
Donat 𝑧 = 𝑎 + 𝑏𝑖 ∈ ℂ no zero i (𝑎, 𝑏 ∈ ℝ), llavors:

vaguem un exemple amb enunciat sobre l’invers d’un nombre complex:
Podem posar un exemple amb els nombres 𝑧 = 2 + 3𝑖:
2 − 3𝑖 2 − 3𝑖
𝑧 bc : = (2 + 3𝑖)bc = =
2e + 3 e 13
about:blank 6/48
Codi: 103801
del producte és commutativa, vol dir que podem dividir, és a dir si 𝑧c ∈ ℂ i 𝑧e ∈ ℂ és un

Podem també observar que si tenim un invers en el producte, com sabem que l’operació
nombre complex no nul, llavors tenim j > té sentit i és realment;

i
ik
𝑧c = 𝑎 + 𝑏𝑖 𝑧e = 𝑐 + 𝑑𝑖
𝑧c
= 𝑧c · 𝑧e bc = 𝑧e bc · 𝑧c = 1
𝑧e
El producte de dos nombres complexos és realment complex com per fer-ne càlculs en
forma cartesiana, no obstant hi ha una manera simple per calcular el producte que és
escrivint els nombres complexos en forma polar.
Representació vectorial i forma polar dels nombres complexos.
Hem d’entendre que el Nombre Complex es pot considerar com un punt (𝑎, 𝑏) en el pla
Representació vectorial
OX-OY de coordenades cartesianes on 𝑎 representa el valor en l’eix X i la 𝑏 el valor en

l’eix Y.
Podem veure’n un exemple en el següent pla −2 + 1𝑖
about:blank 7/48
Codi: 103801
Si posem per exemple que 𝑧 = 𝑎 + 𝑏𝑖 és número complex qualsevol on (𝑎, 𝑏 ∈ ℝ) ,

Conjugat
podem identificar el conjugat de 𝑧 i escriure’l com a 𝑧 d, al nombre complex representat:
𝑧 d = 𝑎 − 𝑏𝑖
1 𝑧d
𝑧d = =
𝑧 |𝑧 |e
|𝑧 | = |𝑧d|
arg>(𝑧 )d = arg>(𝑧)
Donat 𝑧 el conjugat és el vector simètric de>𝑧 respecte l’eix OX, és a dir gràficament ho
podem representar com a:
Norma ( o Mòdul)
superior a 0 (𝑧 ∈ ℝ > 0) . Aquest nombre el podem trobar amb la següent operació.

Definim com a Norma (o Mòdul) d’un nombre complex un nombre real que sigui
Exemple: 𝑧 = 𝑎 + 𝑏𝑖>>> (Suma quadràtica);
|𝒛 | = + o𝒂𝟐 + 𝒃𝟐
S’observa que aquest nombre és la distància del punt complex 𝑧 = 𝑎 + 𝑏𝑖 a l’origen
0 + 0𝑖 .
Donat un nombre complex com a 𝑧 = 𝑎 + 𝑏𝑖>>> :

Forma polar dels nombres complexos
about:blank 8/48
Codi: 103801
Així com la distància a l’origen és el mòdul i el representem com a |𝑧 |, definim com a

Argument ( o Angle)
Argument d’un Nombre Complex 𝑧 a l’angle entre l’eix real positiu (OX) i el segment
OZ, denotem doncs l’argument com a angle 𝜃.
Aquest angle 𝜃> es calcula utilitzant l’arctang de b/a i coneixent el seu quadrant.
𝑏
𝜃 = tanbc ( )>
𝑎
Cal tenir en comte que aquests angles s’han de mesurar en radiants.
En la següent imatge podem veure’n un exemple en l’esfera.
about:blank 9/48
Codi: 103801
Taula de de relacions entre Radiants Graus Sinus Cosinus i Tangent
Ra
Raddiaant
nt
ntss> Graus
Graus>> Sinus
Sinus>> Cos
Cosinus
inus
inus>> Tange
Tangent
nt
nt>>
𝟎> 0°> 0> 1> 0>
𝝅 1 √3 √3
> 30°> > > >
𝟔 2 2 3
𝝅 √2 √2
> 45°> > > 1>
𝟒 2 2
𝝅 √3 1
> 60°> > > √3>
𝟑 2 2
𝝅
> 90°> 1> 0> +∞>
𝟐
𝟐𝝅 √3 1
> 120°> > − > −√3>
𝟑 2 2
𝟑𝝅 √2 √2
> 135°> > − > -1>
𝟒 2 2
𝟓𝝅 1 √3 √3
> 150°> > − > − >
𝟔 2 2 3
𝝅> 180°> 0> -1> 0>
𝟕𝝅 1 √3 √3
> 210°> − > − > >
𝟔 2 2 3
𝟓𝝅 √2 √2
> 225°> − > − > 1>
𝟒 2 2
𝟒𝝅 √3 1
> 240°> − > − > √3>
𝟑 2 2
𝟑𝝅
> 270°> -1> 0> -∞>
𝟐
𝟓𝝅 √3 1
> 300°> − > > -√3>
𝟑 2 2
2>𝝅> 360°> 0> 1> 0>
about:blank 10/48
Codi: 103801
Forma Polar
Expressar en forma polar és una alternativa a la forma cartesiana. On la forma cartesiana
ens diu on és el punt en l’eix X e Y, la forma polar ens indica la distancia des de les
coordenades (0,0) al punt (a,b) i l’angle que forma el triangle resultant.
Posarem l’exemple sobre la foto anterior:
Coordenades Cartesianes del punt: ‹ 𝟐 , Œ

√𝟐 √𝟐
𝟐
Coordenades Polars del mateix punt: 1•Ž•
No obstant aquesta formula no la utilitzarem i sempre representarem el nombre

complex de la següent forma:
‘
1𝑒 • ’
‘
•
Amb la notació anterior per 𝑧 = 𝑎 + 𝑏𝑖, r i θ, la forma polar del nombre 𝑧 és donada
Essent 1 la Norma en radiants i l’Argument
per r i θ, i ho anotarem per:
𝑧 = 𝑟𝑒 ”’
Podem veure doncs que ho podem passar a forma trigonomètrica;
𝑟𝑒 ”’ ∶= 𝑟 cos(𝜃 ) + 𝑟 sin(𝜃 ) 𝑖
On podem veure que 𝒓>𝒄𝒐𝒔 seria la part real de 𝑧 i 𝒓>𝒔𝒊𝒏 seria la part imaginaria de 𝑧
(𝑎 + 𝑏𝑖 ) = |𝑎 + 𝑏𝑖 |· 𝑒 (˜™š i) >𝑖>>>
Formula:
|𝑎 + 𝑏𝑖 | = > o𝑎e + 𝑏e
𝑏
𝜃 = (arg 𝑧) = 𝑎𝑟𝑐𝑡𝑔> >(+>𝜋>𝑠𝑖>𝑎 > 0)
𝑎
about:blank 11/48
Codi: 103801
Producte de nombres complexos en forma polar

Tal i com hem dit anteriorment, multiplicar nombres complexos és més fàcil en forma
polar i per fer-ho tenim aquesta formula:
ž𝑟 · 𝑒 ”’ Ÿ · ž𝑠 · 𝑒 ∝’ Ÿ = (𝑟 · 𝑠) · 𝑒 (”¡∝)’
És a dir, en podem deduir aquestes propietats:
|𝑧 · 𝑤 |= |𝑧 | · |𝑤 |
arg (𝑧d) = > −arg>(𝑧)
Conjugat de nombres complexos en forma polar

Igual que hem vist en forma vectorial, també tenim el conjugat en forma polar i el
𝑧 = 𝑟𝑒 ’” → > 𝑧 d = 𝑟𝑒 b’”
podem representar com:
Potencies de nombres complexos en forma polar

Igual que hem vist en forma vectorial, també podem operar amb potencies en forma
polar i ho podem representar com:
𝑒 (”¡∝ )’ = 𝑒 ”’ · 𝑒 ∝’
cos(𝜃+∝ ) + sin(𝜃+∝ ) 𝑖
Podem veure que igualant parts reals deduïm la part imaginaria
Donat el nombre: 2𝑖 = 2𝑒 ¤ ’
Exemple: Treure les voltes d’un complex expressat en forma polar
£
‘ ¥¥ ‘ ¦ £§ ¦ £§ ¦ £§
‹2𝑒 • Œ = 2¥¥ · 𝑒 ¥¥· • = 2¥¥ · 𝑒 = 2¥¥ · 𝑒 e• = 2¥¥ · 𝑒 •
’ ’ ‹e•¡ • Œ £§
¡•
Fórmula de De Moivre.
Aquesta fórmula és important perquè connecta els nombres complexos amb la
complexos. La formula afirma que, per a tot nombre real 𝑥 i tot enter 𝑛,
trigonometria, cosa molt útil, per exemple, en la representació gràfica dels nombres
La fórmula De Moivre pot ser obtinguda de la fórmula d’Euler:
𝑒 ’ª = cos 𝑥 + 𝑖 sin 𝑥
about:blank 12/48
Codi: 103801
De Moivre treballa amb la representació trigonomètrica o cartesiana d’un nombre
𝑟 (cos 𝛼 + 𝑖 sin 𝛼)
complex, que és:
imaginaris en forma polar 𝑟¬ on r és la llargada del vector i 𝛼 l’angle que té aquest

En la representació anterior, hem de tenir en compte la representació de nombres
vector respecte l’eix OX.
Càlcul d'arrels n-simes.
Una arrel quadrada, cúbica, enèsima (n-sima) d’un nombre 𝑧 és un nombre 𝑤 que
Què son les arrels:
quan s’eleva a 𝑛 compleix:
𝑤© = 𝑧
escrita com "𝑑𝑒𝑔". Podem veure’n els exemples d’arrels quadrada i cúbica:
Hem de tenir en comte que n és el grau de l’arrel i el podem representar de forma
§ 𝑤 e = 𝑧> (en aquest cas,-w també és arrel quadrada)

§ 𝑤¦ = 𝑧
Podem veure llavors que els nombres que tenen arrel quadrada són;
• El nombre -1, degut a que es compleix que 𝑖 e = −1

• Els nombres reals positius (2, 4, 5, 8, 25)
• Els nombre reals negatius també, ja que si x és un real negatiu, podem
o –X > 0, existeix √−𝑥 i es compleix que;

comprovar que ;
ž√−𝑥 · 𝑖Ÿ = ž√−𝑥 Ÿ · 𝑖 e = −𝑥 · (−1) = 𝑋

e
𝑋 → > √−𝑥
Per a tot nombre complex 𝑧 = 𝑟𝑒 ”’ veiem que té arrel quadrada, i si 𝑧 ≠ 0 llavors

tindrà exactament dues arrels quadrades. Com ho trobem? Vaguem-ne un exemple:
Volem comprovar que 𝑤 = 𝑠𝑒 ”’ però alhora complint 𝑤 e = 𝑧
𝑤 = (𝑠𝑒 ∝’ )>e = 𝑠 e · 𝑒 e∝’ = 𝑟 · 𝑒 ∝’
𝑠 = √𝑟>
Les solucions són:
Recordem r és real >= 0 i ∝= > , ∝= 𝑥c + 𝜋

ē
De fet podem deduir que tot nombre complex 𝑧 = 𝑟𝑒 ”’ > té arrels n-èsimes per tot n, i si
𝑧 ≠ 0 en té exactament n.
about:blank 13/48
Codi: 103801
Vaguem doncs que per trobar l’arrel d’un nombre complex tal com o(𝑎 + 𝑏𝑖) podem
°
usar el següent:
𝑀ò𝑑𝑢𝑙:>𝑠 = ° √𝑟
𝜃 2𝜋𝑘
À𝑟𝑔𝑢𝑚𝑒𝑛𝑡:> ∝© = +
𝑛 𝑛
On k = 0,1,2,3,4... (n-1)
En general les arrels n-èsimes de tot >𝑧 ≠ 0 son els vèrtex d’un n-àgon regular amb
centre en el 0.
En la següent imatge es poden veure representades les arrels quadrades, cinquenes i

sisenes d’un nombre complex z de mòdul > 1 i argument pi/3
about:blank 14/48
Codi: 103801
Un polinomi és una expressió del tipus 𝒂𝒅 𝒙𝒅 + ⋯ + 𝒂𝟐 𝒙𝟐 + 𝒂𝟏 𝒙𝟏 + 𝒂𝟎 on 𝑎¹ > son

Arrels de polinomis i factorització de polinomis
nombres reals o complexos e x és la indeterminada.

Vaguem-ne un exemple:
9𝑥 e + 3𝑥 + 2 = 0
Veurem que amb aquests polinomis podem fer diverses operacions i que aquests
polinomis que poden ser Complexos ℂ[X] o Reals>ℝ[X]. Aquests els expressarem així:
mateixos polinomis tenen diverses propietats. Generalment treballarem amb
ℝ[ 𝑋 ] = {𝑎¯ + 𝑎c 𝑥 + ⋯ + 𝑎© 𝑥 © ∶ > 𝑎’> ∈ ℝ }

és el conjunt de polinomis reals (amb coeficients reals)
ℂ[ 𝑋 ] = {𝑎¯ + 𝑎c 𝑥 + ⋯ + 𝑎© 𝑥 © ∶ > 𝑎’> ∈ ℂ }

és el conjunt de polinomis complexos (amb coeficients complexos)
Operacions amb polinomis:

Suma de polinomis
Donats els polinomis P(x) i Q(x) anomenarem al polinomi (P+Q)(x) la seva suma.
Vaguem un exemple amb nombres dels polinomis P i Q:
P(x)=>3 + 6𝑥 e − 5𝑥 •
Q(x)=>2 − 8𝑥 − 6𝑥 e + 7𝑥 •
(𝐏 + 𝐐)(𝐱) = (𝟑 + 𝟔𝒙𝟐 − 𝟓𝒙𝟒 )+ (𝟐 − 𝟖𝒙 − 𝟔𝒙𝟐 + 𝟕𝒙𝟒) =>

= (3 + 0𝑥+>6𝑥 e + 0𝑥¦ − 5𝑥• +0𝑥Ž + +0𝑥Â ) + (2 − 8𝑥+>6𝑥 e + 0𝑥 ¦ − 0𝑥 • +0𝑥Ž + +7𝑥 Â )
= (3 + 2 ) + (0 + 8 )𝑥 + (6 + 6 ) 𝑥 e + (0 + 0 )𝑥 ¦ + (−5 + 0 )𝑥 • + (0 + 0 )𝑥 Ž + (0 + 8 )𝑥 Â =
= 5 − 8𝑥 + 0𝑥e + 0𝑥¦ − 5𝑥• + 0𝑥Ž + 7𝑥 Â =
= 𝟓 − 𝟖𝒙 − 𝟓𝒙𝟒 + 𝟕𝑥Â
El coeficient de 𝑥 Ã en P+Q és la suma dels coeficients de 𝑥 Ã > en P i en Q
o Associativa: (𝑃 + 𝑄) + 𝑅 = 𝑃 + (𝑄 + 𝑅) .
Propietats de la suma
o Commutativa: (𝑃 + 𝑄 ) = (𝑄 + 𝑃) .
o Element neutre: És el polinomi zero P(x)=0
o Element oposat: (–1)P(x) = – P(x)
about:blank 15/48
Codi: 103801
Producte de polinomis
Donats els polinomis P(x) i Q(x) anomenarem al polinomi (P·Q)(x) el seu producte.
Vaguem un exemple amb nombres dels polinomis P i Q:
P(x)=>2𝑥 e − 3
Q(x)=>2𝑥 ¦ − 3𝑥 e + 4𝑥
(𝐏 · 𝐐)(𝐱 ) = ž𝟐𝐱 𝟐 − 𝟑 Ÿ· ž𝟐𝒙𝟑 − 𝟑𝒙𝟐 + 𝟒𝒙Ÿ =>

= (2 · 2)x2+3 + (2 · −3)x2+2 + (2 · 4)x2+1 + (−3 · 2)x0+3 + (−3 · −3)x0+2 + (−3 · 4)x0+1
= 4x Ž − 6x• + 8x ¦ − 6x ¦ + 9x e − 12𝑥 =
= 𝟒𝐱 𝟓 − 𝟔𝐱 𝟒 + 𝟐𝐱 𝟑 + 𝟗𝐱 𝟐 − 𝟏𝟐𝒙
Grau del polinomi
Un cop obtenim el polinomi resultant de la multiplicació, hem d’obtenir el grau del
zero com si tingues grau −∞. El grau l’obtenim aplicant la següent formula:
polinomi, veurem que a vegades està escrit com a “deg”. Considerarem el polinomi
deg (P·Q) = degP(x)+degQ(x)
Exemple amb els nombres anteriors:

Grau de P(x)= 2
Grau de Q(x)=3
Grau de P(x)+Q(x) = 2 + 3 = 5
El coeficient de 𝑥 Ã en el producte de P(x)·Q(x) és la seguent suma:
o Associativa: (𝑃 · 𝑄 ) · 𝑅 = 𝑃 · (𝑄 · 𝑅).
Propietats del producte
o Commutativa: (𝑃 · 𝑄 ) = (𝑄 · 𝑃).
o Distributiva: 𝑃 · (𝑄 + 𝑅 ) = 𝑃 · 𝑄 + 𝑃 · 𝑅
o Element neutre: És el polinomi 1 P(x)=1
c
o No existeix l’Invers: É
Divisió del polinomi

Els polinomis són com els nombres enters, es poden sumar, restar, multiplicar i en
general o es poden dividir. Però tenim la divisió amb residu.
Donats dos polinomis P(x) de grau d y Q(x) de grau e, donarem per suposat que
(d>e>0, és a dir el polinomi P és més gran que el polinomi Q y que no podem dividir
entre 0), existeixen polinomis A(x) quocient, R(x) residu, amb grau R < grau Q i
complim que el P(x) = Q(x)·A(x)+R(x)
Falta un exemple:
Q(x)= 𝑥 ¦ − 𝑥 e = 𝑥 e (𝑥 − 1)
Un nombre complex Z és arrel del polinomi P(x) si P(z)=0
Són Z1 = 0 // Z2 = 1
about:blank 16/48
Codi: 103801
Si P(x) té grau −∞., P(x)=0, llavors tots els nombres z son arrel de P(x)
Casos coneguts de polinomis
Si P(x) té grau 0 , P(x)= 𝑎¯ ≠ 0 , llavors té 0 arrels

Si P(x) té grau 2, P(x)= 𝑎𝑥 e + 𝑏𝑥 + 𝑐> té 1 o 2 arrel 𝑧 =
bÊ±√Êk b•ÌÍ
eÌ
Si P(x) = 𝑥 © − 𝑎 , les arrels P son les arrels n-esimes de a. N’hi ha 1 si a=0 o n si a≠ 0
Teorema “Fonamental de l’àlgebra”

Tot polinomi amb coeficients complexos de grau major o igual a 1, té almenys una
arrel (complexa) i com a màxim n arrels.
Aquests polinomi es pot factoritzar de la següent forma:
P(x) = >𝑎¹ 𝑥 ¹ + 𝑎¹bc𝑥 ¹bc + ⋯ + 𝑎c 𝑥 + 𝑎¯

P (x ) = >𝑎¹ (𝑥 −∝c )(𝑥 −∝e ) … (𝑥 −∝¹)
On entendrem que els ∝ son arrels de P(x).

Veiem un exemple amb nombres complexos:
𝑃 (𝑥) = (𝑥 − 1 )(𝑥 + 1)(𝑥 − 𝑖 )(𝑥 + 𝑖)
Relació entre la divisió amb residu i les arrels

Ruffini i Teorema del Residu
Tot polinomi de grau n, descompon com
𝑃(𝑥) > = > (𝑥 − 𝑍c )(𝑥 − 𝑍e ). . . (𝑥 − 𝑍© ) (==Descomposició)
On z1, z2, zn , son les arrels de P(x)

Aquestes Zn poden estar repetides, llavors vol dir que P té menys de n arrels
Si en la descomposició hi ha una arrel que apareix m cops, diem que és una arrel de
multiplicitat m.
about:blank 17/48
Codi: 103801
Bloc II: Matrius

Àlgebra Lineal
Definirem com a Cos (Field o Keper) a un conjunt K amb dues operacions de Suma o
1≠0
Producte. Aquestes operacions han de complir que
o Associativa (𝑃 + 𝑄)+ 𝑅 = 𝑃 + (𝑄 + 𝑅)
Les propietats de la Suma seran:
o Commutativa (𝑃 + 𝑄 ) = (𝑄 + 𝑃)
o Hi ha element zero
o Hi ha element oposat
o Associativa (𝑃 · 𝑄 ) · 𝑅 = 𝑃 · (𝑄 · 𝑅)
Les propietats del producte seran:
o Commutativa(𝑃 · 𝑄 ) = (𝑄 · 𝑃)
o Distributiva𝑃 · (𝑄 + 𝑅 )= 𝑃 · 𝑄 + 𝑃 · 𝑅
o Hi ha element 1
o Hi ha inversos (excepte del 0)
𝑘 = ℚ> (𝑟𝑎𝑐𝑖𝑜𝑛𝑎𝑙𝑠 )>é𝑠>𝑢𝑛>𝑐𝑜𝑠 >

Exemple de cos:
𝑘 = ℝ> (𝑟𝑒𝑎𝑙𝑠 )>

𝑘 = ℂ>(𝑐𝑜𝑚𝑝𝑙𝑒𝑥𝑜𝑠)
ℤe = {0,1}>𝑒𝑙 cos 𝑎𝑚𝑏>𝑑𝑜𝑠>𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑠>𝑎𝑚𝑏>𝑙𝑒𝑠>𝑜𝑝𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑠

Exemple
+ 0 1 · 0 1
0 0 1 0 0 0
1 1 0 1 0 1
XOR AND
Una matriu 𝑚>𝑥>𝑛 amb coeficients al cos k és un conjunt de 𝑚>𝑥>𝑛 elements de k

Definició de Matriu
ordenants en un reticle rectangular de m files i n columnes.
0 0 1 1
Exemple
Õ1 1 0>>>0 Ö
0 1 0 1
En aquest exemple veiem una matriu de 3x4 amb coeficients a ℤe
Podem escriure una matriu com a :
𝑀×>ª>© (𝑘 ) = Les matrius 𝑚>𝑥>𝑛 amb coeficients a K
about:blank 18/48
Codi: 103801
Operacions amb matrius.

Suma de matrius
Per a poder sumar matrius hem de tenir en comte que han de tenir la mateixa mida, és
a dir, la mateixa dimensió.
Per fer-ho sumarem element a element, vaguem un exemple.
1 2 1 2 1+1 2+2 2 4
‹ Œ+ ‹ Œ=‹ Œ= ‹ Œ
3 4 3 4 3+3 4+4 6 8
Propietats de la suma
o Associativa
o Commutativa
o Element Neutre
o Element Oposat
Multiplicar escalar a matriu

Podem multiplicar un nombre a una matriu, per tal de fer-ho hem de multiplicar aquell
nombre, anomenat escalar, a cada element del cos,
1 2 3· 1 3·2 3 6
3· ‹ Œ= ‹ Œ= ‹ Œ
3 4 3· 3 3·4 9 12
• (𝑎 + 𝑏) · 𝐴> = (𝑎 · 𝐴 )+ (𝑏 · 𝐴 )
Propietats de la multiplicació d’escalar
• 𝑎 · (𝐴 + 𝐵 ) = (𝑎 · 𝐴 ) + (𝑎 · 𝐵)
Transposició de matrius
La transposició de matrius significa canviar les seves files per les seves columnes,
vaguem-ne un exemple per entendre-ho.
1 2 3 1 4 7
Ú4 5 6 Û = Ú2 5 8 Û
7 8 9 3 6 9
Notació de la transposició: 𝑀Ü
about:blank 19/48
Codi: 103801
Producte de matrius
Dues Matrius es poden multiplicar quan donades dues matrius;
𝐴 ∈ 𝑀×>ª>© (𝑘 )
𝐵 ∈ 𝑀Ý>ª>Þ (𝑘 )
El producte A·B existeix quan “𝑛 = 𝑝 ”, és a dir, si el nombre de columnes de A és igual

al nombre de files de B. Per tant en aquest cas anterior;
𝐴 · 𝐵 ∈ 𝑀×>ª>Þ (𝑘 )
Entendrem doncs que té tantes files com A i tantes columnes com B.
𝑒 𝑓
∗ ∗
‹𝑎 𝑏 Œ · Õ𝑔 ℎ Ö = ‹∗ ∗ Œ
𝑐 𝑑
𝑖 𝑗
Un cop entenem la forma de la matriu determinarem com trobar els escalars de la

matriu A·B de l’exemple anterior.
Cas 1: (1x1)
o Si 𝑚 = 1 (A és una matriu-fila)
o Si 𝑞 = 1 (B és una matriu-columna)
Llavors el producte, que ha de ser un escalar o matriu de 1x1, és:
𝑏c
(𝑎c 𝑎e ⋯ 𝑎© ) · ä𝑏e å = 𝑎c · 𝑏c + 𝑎e · 𝑏e + ⋯ + 𝑎© · 𝑏© = 𝑋> >
…
𝑏©
(𝑋>ℎ𝑎>𝑑𝑒>𝑠𝑒𝑟>𝑢𝑛>𝑛𝑜𝑚𝑏𝑟𝑒)
Notació del Cas 1:
𝐹c (𝐴 ) = 𝐹𝑖𝑙𝑎>1>𝑑𝑒>𝐴
𝐹’ (𝐴 ) = 𝐹𝑖𝑙𝑎>𝑖>𝑑𝑒>𝐴
𝐶’ (𝐴 ) = 𝐶𝑜𝑙𝑢𝑚𝑛𝑎>𝑖>𝑑𝑒>𝐴
about:blank 20/48
Codi: 103801
o Si 𝑚 i>𝑞 són dos nombres qualsevol

Cas 2: (m x n)
o I compleixen les anteriors propietats
𝐹c (𝐴)𝐶c (𝐵) 𝐹c (𝐴)𝐶e (𝐵) … 𝐹c (𝐴)𝐶Þ (𝐵)

𝐹e (𝐴)𝐶c (𝐵)
A·B = ⎛ 𝐹e (𝐴)𝐶 … 𝐹c (𝐴)𝐶Þ (𝐵) ⎞
⋮ ⋮ e (𝐵) ⋱ ⋮
⎝ 𝐹× (𝐴)𝐶Þ (𝐵) ⎠
𝐹× (𝐴)𝐶c (𝐵) 𝐹× (𝐴)𝐶e (𝐵) …
Exemple amb números
A (2x2) B (2x3) A·B (2x3)
0 1 1 2 3 4 5 6
‹ Œ· ‹ Œ= ‹ Œ
1 0 4 5 6 1 2 3
𝐹c (𝐴 )𝐶c (𝐵 ) = 0 · 1 + 1 · 4 = 4
𝐹c (𝐴 )𝐶e (𝐵 ) = 0 · 2 + 1 · 5 = 5
𝐹c (𝐴)𝐶¦ (𝐵) = 0 · 3 + 1 · 6 = 6
𝐹e (𝐴 )𝐶c (𝐵 ) = 1 · 1 + 0 · 4 = 4
𝐹e (𝐴)𝐶e (𝐵) = 1 · 2 + 0 · 5 = 5
𝐹e (𝐴)𝐶¦ (𝐵) = 1 · 3 + 0 · 6 = 6
o Associativa: 𝐴 · (𝐵 · 𝐶 ) = (𝐴 · 𝐵 ) · 𝐶
Propietats del producte de matrius
o Matriu Identitat o Neutre, tots els elements de la diagonal son 1. Aquesta
𝐼𝑛 · 𝐴 = 𝐴
Matriu compleix que :
𝐴 · 𝐼𝑛 = 𝐴
1 0 0
𝐼𝑛 = Õ0 1 0 Ö
0 0 1
o Distributiva: (𝐴 + 𝐵) · 𝐶 = (𝐴 · 𝐶 ) + (𝐵 · 𝐶 )
o No te Commutativa (Generalment). 𝐴 · 𝐵 ≠ 𝐵 · 𝐴
3 4
𝐴 = (1 2 )>𝑖>𝐵 = ‹ Œ
§ Pot passar que AB existeixi i BA no existeixi si :
5 6
§ Pot passar que AB i BA existeixin però tinguin dimensions diferents.
§ Quan A i B són quadrades de la mateixa dimensió, AB i BA
existeixen de la mateixa dimensió però poden ser diferents.
§ Hi ha algunes matrius A,B que compleixen AB=BA. En aquest cas
diem que Commuten.
𝐴×>ª>© >és invertible quan existeix una matriu 𝑚>𝑥 n 𝐴bc que compleix:
o NO té la matriu Inversa (Generalment). Es diu que una matriu quadrada
𝐴 · 𝐴bc = 𝐼𝑛 = 𝐴bc · 𝐴
about:blank 21/48
Codi: 103801
Matrius invertibles.
En (𝐹’ ↔ 𝐹ò ) és una matriu que surt d’intercanviar la Fila i de la Identitat amb la Fila j
Matriu Invertible 1
Si A és qualsevol matriu de n files llavors (E(𝐹’ ↔ 𝐹ò )). A és igual a la matriu A amb les
de la identitat.
En (𝐹’ ↔ 𝐹ò ) és una matriu invertible igual a la seva inversa.

files i, j intercanviades.
En (𝜆𝐹’ ) és una matriu que surt al multiplicar la fila i de In per 𝜆>.

Matriu Invertible 2
Si 𝜆 ≠ 0, en (𝜆𝐹’ ) és invertible en ‹ô 𝐹’ Œ
c
1 0 0 1 4 1 4
Õ0 7 0 Ö Õ2 5 Ö = Õ14 35 Ö
0 0 1 3 6 3 6
(En(𝜆𝐹’ ) )A = Matriu A amb fila i multiplicat per 𝜆.

Si A matriu de n files
En (𝐹’ + 𝜆𝐹’ ) és una matriu que surt sumant a la fila i de In 𝜆 cops la fila j.
Matriu Invertible 3
1 0 0
𝐹¦ (𝐹e + 2𝐹c ) = Ú2 1 0Û
0 0 1
Si A té n files, el producte :
Ø En(𝐹’ + 𝜆𝐹’ )·A és matriu A sumant-hi a la fila i 𝜆>cops la fila j.

Ø En(𝐹’ + 𝜆𝐹’ ) és invertible, amb inversa
Ø En (𝐹’ − 𝜆𝐹’ ) és
1 0 0 1 0 0
Ú2 1 0Û = Ú−2 1 0 Û
0 0 1 0 0 1
Transformacions elementals i esglaonament de matrius.

Esglaonament de Matrius
Definició: El pivot de la fila i d’una matriu “A” és el primer element no nul d’aquella
fila. La matriu està esglaonada si cada pivot està mes a la dreta que l’anterior i les files
nul·les a baix de tot. Vaguem-ne un exemple;
𝟏 0 4 0 𝟏 5 4 0
𝐸𝑠𝑔𝑙𝑎𝑜𝑛𝑎𝑑𝑎 = ö0 0 3 3 ÷>>>>>>>𝑁𝑜>𝐸𝑠𝑔𝑙𝑎𝑜𝑛𝑎𝑑𝑎 = ö0 0 𝟑 3÷
0 0 𝟑 2 0 𝟒 1 2
0 0 0 𝟐 𝟐 0 0 1
about:blank 22/48
Codi: 103801
Per tal de tenir una matriu esglaonada en forma de Gauss-Jordan haurem de complir
les següents condicions:
Ø Tots els pivots han d’estar a 1

Ø A la columna on hi ha un pivot aquest sigui l’únic element no nul.
𝟏 2 0 0
Vaguem-ne un exemple
0 0 𝟏 0
𝐺𝑎𝑢𝑠𝑠 − 𝐽𝑜𝑟𝑑𝑎𝑛 = ö ÷>>>>>>>
0 0 0 𝟏
0 0 0 0
Mitjançant transformacions elementals es pot transformar qualsevol matriu donada en

una que té forma de Gauss-Jordan.
Transformacions elementals
Hi ha 3 tipus de transformacions elementals que podem usar per transformar una
matriu a Gauss-Jordan.
Ø Intercanviar files
Ø Sumar un múltiple d’una fila a una altre
Ø Multiplicar una fila per un nombre
Exemple:
0 𝟐 −2 −5 𝟏 1 −1 −2
Õ𝟏 1 −1 −2> Ö>𝐹c ↔ 𝐹e Õ0 𝟐 −2 −5 >Ö 𝐹¦ = 𝐹¦ − 3𝐹c
𝟑 −1 1 4 𝟑 −1 1 4
𝟏 1 −1 −2 𝟏 1 −1 −2
Õ 0 𝟐 −2 −5>Ö 𝐹¦ = 𝐹¦ + 2𝐹e Õ0 𝟐 −2 −5>Ö𝐹e = 𝐹e
c
0 −𝟒 4 10 0 0 0 0
e
𝟏 1 −1>>> −2
Õ0 𝟏 −1 −5 ⁄2> Ö >𝐸𝑆𝐺𝐿𝐴𝑂𝑁𝐴𝐷𝐴
0 0 0>>>> 0
𝟏 0 0 1 ⁄2
𝐹c = 𝐹c − 𝐹e Õ 0 𝟏 −1 −5 ⁄2>Ö>𝐹𝑂𝑅𝑀𝐴>𝐺𝐴𝑈𝑆𝑆 − 𝐽𝑂𝑅𝐷𝐴𝑁
0 0 0>>>> 0
Consells:
Ø Treballar amb els pivots de mes a l’esquerra
Ø Treballar amb pivots petits
Ø Es pot agrupar passos, tots partint del mateix pivot.
Ø Si hi ha un pivot a l’esquerra de l’anterior intercanviar.
Ø Donat un pivot que té valors diferents a 0 sota (o sobre) canviar 2 files.
Ø Si un pivot és diferent a 1, dividir per aquest valor.
about:blank 23/48
Codi: 103801
La matriu Gauss-Jordan és el resultat de multiplicar una matriu “P” a la matriu “A” per
tant podem entendre que després de fer les transformacions elementals, “P” és el
resultat de fer els mateixos canvis que fem a “A”, a la Identitat. Vaguem l’exemple de
“P” respecte l’exemple anterior.
1 0 0 0 1 0 0 1 0
Õ0 1 0 Ö𝐹c ↔ 𝐹e Õ1 0 0 Ö 𝐹¦ = 𝐹¦ − 3𝐹c Õ1 0 0 Ö 𝐹¦ = 𝐹¦ + 2𝐹e
0 0 1 0 0 1 0 −3 1
0 1 0 1 0 1 0 −1/2 1 0
Õ1 0 0Ö >𝐹e = 𝐹e Õ1/2 0 0 Ö>𝐹c = 𝐹c − 𝐹e Õ 1/2 0 0Ö
2
2 −3 1 2 −3 1 2 −3 1
Entenem llavors que la forma de Gauss-Jordan la podem descriure com a:
𝐺𝐽 = 𝑃 · 𝐴>(𝑜𝑛>𝑃>é𝑠>𝑖𝑛𝑣𝑒𝑟𝑡𝑖𝑏𝑙𝑒)
Vaguem la forma amb nombres:
𝟏 0 0 1 ⁄2 0 𝟐 −2 −5 −1/2 1 0
Õ0 𝟏 −1 −5 ⁄2>Ö Õ𝟏 1 −1 −2> Ö Õ 1/2 0 0Ö
0 0 0>>>> 0 = 𝟑 −1 1 4 · 2 −3 1
𝐺𝐽 𝐴 𝑃
Teorema:
La forma de Gauss-Jordan d’una matriu A no depèn de la successió de transformacions
elementals escollida. És única.
Observem que la matriu P a vegades depèn del procés, és a dir no sempre serà igual
per a tothom.
Gauss-Jordan i Matrius Inverses
1 0 0
Si A és una matriu quadrada:
Ø Si A és invertible, G=P·A és invertible Õ0 1 0Ö =
0 0 1
In , per tant el rang de A=n
invertible, llavors 𝐼𝑛 = 𝐺 bc𝐺 = 𝐺 bc𝑃𝐴

Ø Si A no és invertible G=P·A no invertible, llavors el Rang A<n . No obstant si fos
Conclusions
ü És invertible ↔ té rang n ↔ GJ(A) = In

Una matriu quadrada de nxn
(𝐴|𝐼 ) → (𝐺|𝑃) (on G és In i la P és 𝐴bc )

ü Si és invertible la inversa es troba com la matriu P del procés.
about:blank 24/48
Codi: 103801
Cal tenir en comte que una matriu 𝑚>𝑥>𝑛 és invertible si la seva forma de Gauss-Jordan
Càlcul de matrius inverses
és la In i el rang de la matriu A és igual a n-files.

També cal recordar que es poden fer canvis elementals o multiplicar per matrius
la matriu identitat, dotem una matriu P invertible que compleix 𝑃 · 𝐴 = 𝐺𝐽 si A és

elementals fent els mateix canvis que portem de A a la seva forma de Gauss-Jordan, a
invertible llavors 𝑃 · 𝐴> = >𝐼𝑛 i veurem que 𝑃> = > 𝐴bc
(𝐴|𝐼) i fer els canvis a aquesta. Si A és invertible obtenim (𝐼|𝑃)>on 𝑃> = > 𝐴bc .
Una manera còmoda de fer els mateixos canvis a “A” i a “I” és considerar la matriu
Vaguem un exemple:
1 1 1
𝐴 = Õ1 1 0Ö
0 1 1
1 1 1 ⋮ 1 0 0
𝑪𝒐𝒏𝒔𝒕𝒓𝒖𝒊𝒎>(𝑨 |𝑰 ) = Õ1 1 0 ⋮ 0 1 0Ö
0 1 1 ⋮ 0 0 1
𝑩𝒖𝒔𝒒𝒖𝒆𝒎>𝑮. 𝑱 →
1 1 1 ⋮ 1 0 0
𝐹e − 𝐹c >&>𝐹¦ ↔ 𝐹e Õ0 1 1 ⋮ 0 0 1 Ö
0 0 −1 ⋮ −1 1 0
1 0 0 ⋮ 1 0 −1
𝐹c − 𝐹e Õ0 1 1 ⋮ 0 0 1 Ö>
0 0 −1 ⋮ −1 1 0
(𝑉𝑒𝑖𝑒𝑚>𝑞𝑢𝑒>𝑡𝑒>𝑅𝑎𝑛𝑔>3)
1 0 0 ⋮ 1 0 −1
𝐹e + 𝐹¦ >&>– 𝐹¦ Õ0 1 0 ⋮ −1 1 1 Ö
0 0 1 ⋮ −1 −1 0
1 0 0 ⋮ 1 0 −1
Õ0 1 0 ⋮ −1 1 1 Ö
0 0 1 ⋮ −1 −1 0
𝐼>>>>>>>>>>>>>>>>>>>>>>>>>𝐴.
→ 𝐴. · 𝐴 = 𝐼
matrius de 2>𝑥>2
*Consell: Calcular les inverses sempre així per tal d’estalviar-nos feina, exceptuant les
about:blank 25/48
Codi: 103801
Sistemes d'equacions lineals.

Vaguem un exemple d’equació lineal on tenim 3 incògnites:
𝑥 −𝑧 = 0
/3𝑥 −2𝑦 −3𝑧 = 2
−𝑥 +𝑦 +𝑧 = −1
cadascuna d’elles en forma de; 𝒂𝟏 𝒙𝟏 + 𝒂𝟐 𝒙𝟐 + ⋯ + 𝒂𝒏 𝒙𝒏 = 𝒃 . On a són els

Entenem com a sistema d’equacions lineals a un conjunt ordenat d’equacions,
elements d’un cos k i 𝑥c …>𝑥© són símbols que representen les incògnites de totes les
Una solució del sistema és un conjunt ordenat de valors>∝c … ∝© del cos que, al
equacions i en un mateix sistema son les mateixes.
substituir en el lloc de 𝑥c …>𝑥© > fan que les igualtats siguin certes.
Un sistema d’equacions pot ser de tres tipus diferents:

- Sistema Incompatible, que significa que no té solució.
- Sistema Compatible Determinat, que significa que té 1 solució.
- Sistema Compatible Indeterminat, que significa que té infinites més d’una
solució.
La matriu associada d’un sistema de m equacions en n incògnites és la matriu 𝑚>𝑥>𝑛

formada pels coeficients de les equacions (una equació a cada fila) així la matriu
ampliada té una columna més on hi ha els termes independents.
1 0 −1 1 0 −1 0
𝐴𝑠𝑠𝑜𝑐𝑖𝑎𝑑𝑎 Õ 3 −2 −3 Ö >>𝐴𝑚𝑝𝑙𝑖𝑎𝑑𝑎 Õ 3 −2 −3 2 Ö
−1 1 1 −1 1 1 −1
Per resoldre un sistema d’equacions:

1- Buscarem la forma Gauss-Jordan de la matriu ampliada
2- Interpretarem com a sistema el resultat.
Exemple de Sistema d’Equacions per Gauss-Jordan
1 0 −1 0 1 0 −1 0
Õ3 −2 −3 2 Ö𝐺𝑎𝑢𝑠𝑠 − 𝐽𝑜𝑟𝑑𝑎𝑛 → Õ0 −1 0 −1 ÖàInterpretem com a S.E
−1 1 1 −1 0 0 0 0
𝑥=𝑧
𝑥−𝑧 = 0
1 → 𝑦 = −1 → 𝑺𝒐𝒍𝒖𝒄𝒊ó>𝑷𝒂𝒓𝒂𝒎𝒆𝒕𝒓𝒊𝒄𝒂
𝑦 = −1
𝑧 = 𝑙𝑙𝑖𝑢𝑟𝑒
𝑥 𝑧 1 0
Ú𝑦 Û = Ú−1 Û = 𝑍 Õ0Ö + Õ−1 Ö → 𝑺𝒐𝒍𝒖𝒄𝒊ó>𝑽𝒆𝒄𝒕𝒐𝒓𝒊𝒂𝒍
𝑧 𝑧 1 0
about:blank 26/48
Codi: 103801
Rang d'una matriu.

Definició:
El rang d’una matriu A és el nombre de files no nul·les a la seva forma Gauss-Jordan
Per exemple el rang de l’exemple anterior amb la matriu:
0 𝟐 −2 −5
𝑅𝑎𝑛𝑔>𝐴 = Õ𝟏 1 −1 −2>Ö = 2
𝟑 −1 1 4
Teorema de Rouché.
Jordan és (𝐴c |𝐵c )

Donat un sistema d’equacions lineals amb matriu ampliada (A|B), si la forma de Gauss-
1- El sistema és compatibles ó si el rang A= rang (A|B)

2- Si es compatible, llavor té exactament n-rang A, variables lliures i les solucions
formen una variable lineal de dimensió n-rang A
3- Compatible Determinat ó rang A = rang (A|B) = n
Rang i dependència lineal de files i columnes de matrius.
varietat lineal dins de 𝐾 © .

El conjunt de totes les solucions a un sistema d’equacions lineals és buit (S.I) o una
La dimensió de la varietat lineal és el nombre de variables lliures, és a dir, de vectors

en la representació vectorial. Una varietat lineal de dimensió:
- Buit à Sistema Incompatibles (S.I)

- 0 : és un punt à Sistema Compatible Determinat (S.C.D)
- 1 : és una recta à Sistema Compatible Indeterminat (S.C.I)
(n-1) : dins de 𝐾 © és un híper-pla à Sistema Compatible Indeterminat (S.C.I)

- 2 : és un pla à Sistema Compatible Indeterminat (S.C.I)
-
about:blank 27/48
Codi: 103801
A cada matriu quadrada 𝑚>𝑥>𝑛 amb coeficients en el cos K se li associa un element de

Determinants
K, anomenat determinant de A amb notació “det A” ( |𝐴| )de la següent manera:
• 𝑛> = >1
Si 𝐴> = > (𝑎) entendrem que el determinant de 𝐴> = >𝑎
|𝐴| > = 𝑎
• 𝑛> = >2
Si 𝐴 = ‹𝑎 𝑏Œ entendrem que el determinant de 𝐴> = (𝑎 · 𝑑)>– (𝑏 · 𝑐)
𝑐 𝑑
|𝐴| > = (𝑎 · 𝑑)>– (𝑏 · 𝑐)
• 𝑛> ≥ >2
mida>(𝑚 − 1)𝑥(𝑛 − 1)
La definició serà recursiva si suposem que sabem calcular determinants de
Notació: Anomenem 𝐴’ò la matriu (𝑚 − 1 )>𝑥>(𝑛 − 1) que surt eliminant la

fila>𝑖, i la columna 𝑗 .
0 1 2
Exemple:
𝐴 = Õ−1 0 3 Ö
2 −1 −1
0 3
Això son els adjunts

𝐴cc = ‹ Œ = ( 0 · −1) − (3 · −1 ) = 3
−1 −1
−1 3
𝐴ce = ‹ Œ= (−1 · −1) − (3 · 2 ) = −7
2 −1
−1 0
𝐴c¦ = ‹ Œ= (−1 · −1) − (0 · 2 ) = −1
2 −1
• 𝑛> = >3>(𝑆𝑎𝑟𝑟𝑢𝑠)
𝒂 𝒃 𝒄
𝒅𝒆𝒕 = 7𝒅 𝒆 𝒇7
𝒈 𝒉 𝒊
= 𝑎 · det :𝑒 𝑓 − 𝑏 · 𝑑𝑒𝑡 𝑑 𝑓 𝑑 𝑒
: ; ;+ 𝑐 · 𝑑𝑒𝑡 ; ;=
ℎ 𝑖 𝑔 𝑖 𝑔 ℎ
= (𝑎 · 𝑒 · 𝑖 ) − (𝑎 · 𝑓 · ℎ ) − (𝑏 · 𝑑 · 𝑖 ) + (𝑏 · 𝑓 · 𝑔 ) + (𝑐 · 𝑑 · ℎ ) − (𝑐 · 𝑒 · 𝑔 ) =
= (𝒂 · 𝒆 · 𝒊 + 𝒃 · 𝒇 · 𝒈 + 𝒄 · 𝒅 · 𝒉) − (𝒂 · 𝒇 · 𝒉 + 𝒃 · 𝒅 · 𝒊 + 𝒄 · 𝒆 · 𝒈)
about:blank 28/48
Codi: 103801
Propietats dels Determinants
1- Es pot desenvolupar per qualsevol fila
+ − + − +
Õ− + − + − Ö
+ − + − +
(ens recorda a un taulell d’escacs)
2- El determinant de >|𝐴bc | =
c
|< |
gracies a això veiem que també es pot
desenvolupar per columnes
3- Si A està esglaonada, el determinant de A és el producte dels elements a la

diagonal principal, com a l’exemple següent:
Exemple: 𝑑𝑒𝑡|𝐼𝑛 | = 1
𝟏 2 3 4 5
0 𝟏 6 7 8
=
𝑑𝑒𝑡 = =0 0 𝟎 9 10 == = 0
0 0 0 𝟎 11
0 0 0 0 𝟎
4- Si intercanviem dues files, o columnes, de A el determinant canvia de signe.
5- Si multipliquem una fila, o columna, de A per un element 𝜆 de K, el determinant

queda multiplicat per aquest nombre:
2 2 4 1 1 2
Exemple:
𝐴 = Õ1 2 1 Ö → 𝐹1/2 Õ1 2 1Ö → |𝐴 |= 2
2 1 1 2 1 1
5.1- Si A té una fila, o columna, de zeros, el determinant de A és 0.
6- Si a una fila, o columna, de A li sumem un múltiple d’una altre, el determinant

no canvia.
6.1- Si A té 2 files iguals, o proporcionals, el determinant no varia i per
tant el determinant és 0.
7. Si A i B són quadrades de la mateixa mida el determinant és;
(𝐴𝐵) = 𝑑𝑒𝑡(𝐴) · 𝑑𝑒𝑡(𝐵)
8. Si 𝐾 = ℝ podem pendar que el
Veiem que amb les propietats 3, 4, 5, 6 impliquen que podem calcular determinants
esglaonant.
about:blank 29/48
Codi: 103801
Esglaonar una matriu nxn amb els determinants
Ø ≤ 𝑛 − 1 intercanvis de fila
Ø < combinació de files ≤ ~𝑛¦ >operacions
©k © k> (e©¡c )
© e
o 1>𝐷𝑖𝑣𝑖𝑠ó, 𝑛>𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑒𝑠, 𝑛>𝑠𝑢𝑚𝑒𝑠
Al final cal fer (n-1) productes per obtenir el determinant de A
Per calcular determinant de A segons la fórmula (desenvolupar per files)
𝑛 = 2 : 2 productes i 1 suma és a dir, 3 operacions.

𝑛 > 2 : n · determinants (n-1)x(n-1)
o n productes i (n-1) sumes
Entenem doncs que esglaonar per determinants es fa molt més lent.
Donada una matriu quadrada 𝑚>𝑥>𝑚 A, s’anomena matriu adjunta de A

Càlcul d’inverses amb els determinants
|𝐴cc | − |𝐴ce | + |𝐴c¦ | − … ± |𝐴c© |

𝐴Ì¹ = Õ − + − + − + … ± Ö
± |𝐴c© | ∓ | 𝐴©e | … … … … |𝐴×© |
𝐴 · (𝐴Ì¹ )Ü = |𝐴 | · 𝐼𝑛
Proposició de fórmula:
(Aquesta fórmula surt de la formula del determinant)
Conseqüència:
Si |𝐴 | = 0>, la matriu no és invertibles

Si |𝐴 | ≠ 0 , A és invertibles
-
-
(𝐴Ì¹ )Ü
𝐴bc =
|𝐴 |
Resolució de sistemes d’equacions per determinants (CRAMER)

Si un sistema de n equacions en n incògnites té matriu associada invertible, el podem
𝑥c 𝑏c
escriure com:
𝑥e 𝑏
𝐴 ä ⋮ å= ä e å
⋮
𝑥© 𝑏©
1
𝐴. = · (𝐴Ì¹ )Ü
|𝐴|
about:blank 30/48
Codi: 103801
Bloc III: Espais vectorials i aplicacions lineals

Espais vectorials.
Idea de Definició: És un lloc on hi tenim una suma (i es pugui restar) i té sentit
multiplicar els elements per números de K, llavors parlarem de K-Espai vectorial i als
elements els hi diem vectors.
ℝe = 〈(𝑥, 𝑦 )>|>𝑥, 𝑦>𝜖 >ℝ 〉

Exemples:
(𝑥, 𝑦 ) + (𝑧, 𝑡 ) = (𝑥 + 𝑧, 𝑦 + 𝑡 )
𝜆 (𝑥, 𝑦 ) = (𝜆𝑥, 𝜆𝑦 )>>>𝜆 ∈ ℝ
Afegir info de la foto
• 𝑀×ª© (𝐾 ):>amb suma matrius i producte escalar,és un K-espai vectril

• 𝐾 [𝑋]:>Anell polinomi en coeficient K,és un k-espai vectorial on suma és la suma
• 𝐴𝑝𝑙𝑖𝑐𝑎𝑐𝑖𝑜𝑛𝑠 (𝑋, 𝐾 ): aplicacions d’un conjunt X a K (aplicació és una funció de X

del polinomi i el producte és
• (𝑓 + 𝑔 )(𝑐 ) ∶ 𝑓 (𝑥 ) + 𝑔 (𝑥 )>𝑝𝑒𝑟>𝑥 ∈ 𝐾
en K és un espai vectorial)
• (𝜆𝑓 )(𝑥 ): 𝜆𝑓 ( 𝑥)>𝑝𝑒𝑟>𝑥 ∈ 𝐾

• Funcions continues de ℝ>𝑎>ℝ amb domini ℝ és un ℝ − 𝑒. 𝑣 sanota F(ℝ, ℝ)#
Definició d’espai vectorial: Fixem K un cos.
𝐸𝑥𝐸 → 𝐸
Diem € és un k-espai vectorial si tenim una suma (interna)
(𝑢, 𝑣 ) → 𝑢 + 𝑣
𝐾𝑥𝐸 → 𝐸
i un productes escalar
(𝜆, 𝑣 ) → 𝜆 · 𝑣
que satisfan un conjunt de propietats.
o Associativa:>𝑢 + (𝑣 + 𝑤 ) = (𝑢 + 𝑣 ) + 𝑤>
Propietats de la suma:
o Commutativa: 𝑢 + 𝑣 = 𝑣 + 𝑢
o Element Neutre: 𝑢 + (𝑣 + 𝑤 ) = (𝑢 + 𝑣) + 𝑤
o Element simètric (−𝑢 ):> (−𝑢 ) + (𝑢 ) = 0
Propietats del producte:

MIRAR DE LA FOTO
about:blank 31/48
Codi: 103801
Els elements de E s’anomenen vectors
0 · 𝑢 =>0GGGFGH 𝑉𝑒𝑐𝑡𝑜𝑟>𝑧𝑒𝑟𝑜>𝑑𝑒>𝐸
Es té sempre
0 = 0 + 0>𝑎>𝐾
Perquè?
0• = (0 + 0 ) · 𝑢 = 0𝑢 + 0𝑢 → 0𝑢 = 0𝑢 − 0𝑢 = > 0GGGFGH
Combinacions lineals.
Donat E sigui un K-espai vectorial 𝑤 un subconjunt de E, diem que W és un subespai

Subespais Vectorials
vectorial de E si i restringim la suma i producte escalar de E a W és W un espai

vectorial.
W un subconjunt d’un K-Espai Vectorial 𝐸¯

Fet
W es subespai vectorial de E si 𝑖 només si satisfà totes les propietats següents:

(𝑖) per tot u,v de w es té u+v és de W
(𝑢) per tot 𝜆 de K i u de w es té 𝜆𝑢 és de w
(𝑤) 0GGGFGH sempre és a W
És 𝐴 = 〈(𝑥, 𝑦, 𝑧 )> |>𝜖 >ℝ¦ >> |>𝑥𝑦 = 0> 〉 és un subespai vectorial de ℝ¦ ?

Exemple
(1,0,0)𝜖>𝐴
Veiem que NO ja que:
(0,1,0)𝜖>𝐴
(1,0,0) + (0,1,0 ) = (1,1,0 )𝑛𝑜>é𝑠>𝑑𝑒>𝐴
Una combinació lineal d’una família de 𝑢c , … , 𝑢© de vectors de E és una expressió de la
𝑢 = 𝜆c 𝑢c + ⋯ + 𝜆© 𝑢© amb 𝜆 u escalars a K i u diem és una combinació lineal dels

forma :
vectors 𝑢c , … , 𝑢©
< 𝑢c , … , 𝑢© > 𝐾>

Notació
Totes les combinacions lineals que podem fer amb els vectors 𝑢c , … , 𝑢© (a escalars en
k)
𝑢c , … , 𝑢© vectors de E
Fet
W := 〈𝑢c , … , 𝑢© 〉I és un subespai vectorial de E
about:blank 32/48
Codi: 103801
A ℝ• , 𝑤 = 〈(1,2,3,4), (2,3,4,5) 〉 és un subespai vectorial de ℝ•

Exemple
Donat un sistema lineal a 𝐾 ©

Fet
𝑥c
𝐴 Õ ⋮ Ö= 𝑏
𝑥©
𝐴 ∈ 𝑀×ª© (𝑘 ) i suposeu que té solució. Aquest és un subespai vectorial de 𝐾 © si i
0
nomes si 𝑏 = Õ1 Ö
0
Exemple
A 𝐾 © 2 maneres d’expressar els subespais vectorials
< 𝑢c , … , 𝑢© >
Tipus (SE1): Combinació lineal de certs vectors:
0
Tipus (SE2): Solucions d’un sistema lineal on 𝑏 = Õ 1Ö (un sistema lineal homogeni)
0
Exemple “base”: 𝐾 © , (ℝe , ℝ¦ )
Subespais vectorials de 𝐾 ©
(SE1):>< 𝑢c , … , 𝑢© >
(𝑆𝐸2 ) ↔ (𝑆𝐸1)
(SE2): Com a solució d’un sistema homogeni
Donat W un sistema d’espai vectorial de E. Diem que 𝑢c , … , 𝑢© son un sistema de

Definició de Sistema de Generadors
𝑊 =>< 𝑢c , … , 𝑢© >I
generadors de w si es té
= 𝑡𝑜𝑡𝑒𝑠>𝑙𝑒𝑠>𝑐𝑜𝑚𝑖𝑛𝑎𝑐𝑖𝑜𝑛𝑠>𝑙𝑖𝑛𝑒𝑎𝑙𝑠>𝑑𝑒>𝑢c , … , 𝑢©
Dependència lineal de vectors.
• Vectors 𝑣, …>, 𝑣© són Linealment independents quan la únic combinació lineal

E un K-e.v
nul·la 𝑎c 𝑣c + ⋯ + 𝑎© 𝑣© = 0 és 𝑎c = 𝑎e = 𝑎© = 0
about:blank 33/48
Codi: 103801
Bases, dimensió i coordenades.

Tot espai vectorial E té bases.
Si 𝐸 =< 𝑣c , …>, 𝑣© >>, llavors la dimensió de E ≤ 𝑛 i la dimensió de 𝐸 = 𝑛 ↔ > 𝑣c …> 𝑣©

El nombre de vectors de qualsevol base es la dimensió de E
Si 𝑣c , …>, 𝑣© és Linealment Independent, llavors la dimensió de E ≥ 𝑛 i la dimensió de

L.I.
𝐸 = 𝑛 ↔>< 𝑣c , …>, 𝑣© > >𝐸

Si 𝐹 ⊂ 𝐸 és un subespai vectorial i la dimensió de 𝐹 ≤> que la dimensió de E
Tot subespai-vectorial F de 𝐾 © té dimensió 𝐹 ≤ 𝑛
• 𝑣, …>, 𝑣© >són base quan són Linealment Independents
1. Existència de Bases: Si E és un K-espai vectorial per al qual existeixen 𝑣, …>, 𝑣©

Teorema
amb< 𝑣, …>, 𝑣© >>= 𝐸> , llavors hi ha una subfamília dels 𝑣, …>, 𝑣© que són base
o OBSERVACIÓ: L’espai vectorial 𝐾 [𝑥 ] no compleix la condició! És a dir,

de E (menys vectors potser)
que qualsevol conjunt de polinomis aleshores, qualsevol combinació
Si 𝑃c , …>, 𝑃© > són polinomis < 𝑃c , …>, 𝑃© >> està format per polinomis de
lineal d’aquests, el grau sempre serà com a màxim al grau del primer.
grau ≤ max (deg (𝑃c ), … , deg (𝑃© )) i per tant < 𝑃c , …>, 𝑃© >≠ 𝐾 [𝑥 ]
Lema. Suposem 𝑣c , …>, 𝑣© són Linealment Independent i u , un altre vector del

Aquest teorema nº1 és conseqüència de;
𝑢 ∈< 𝑣c , …>, 𝑣© >>→ (𝑣c , …>, 𝑣Ã , 𝑢)> >

mateix espai.
Donats vectors 𝑣c , …>, 𝑣© > amb < 𝑣c , …>, 𝑣© >, podem trobar una base formada
són Linealment Dependents
per vectors 𝑣’ com el teorema, fent el següent:

o Si algun vector és 𝑣’ = 0 , el traiem.
Suposem tots ≠ 0, Anirem agafant vectors a una subfamília B
o Comencem posant 𝐵 = (𝑣c )
2. Totes les bases d’un espai vectorial E consten del mateix nombre de vectors.
S’anomena dimensió de l’espai E, a aquest nombre de vectors.
𝑓: 𝐾 © → 𝐾 × >lineal amb matriu 𝐴 ∈ 𝑀×ª© (𝐾)

Aquest teorema nº2 és conseqüència de;
o 𝐼𝑛𝑗𝑒𝑐𝑡𝑖𝑣𝑎 à rang de A= n = nº columnes

o Exhaustiva à rang A= m=nº files
Llavors, si tenim (𝑣c , …>, 𝑣© ) en base de E i (𝑣c , …>, 𝑣× ) en base de E

o Bijectiva à A quadrada n=m rang A=n=m
Obtenim aplicació lineal bijectiva
Lema de Steinitz.
about:blank 34/48
Codi: 103801
∀>= Per>a>tot
Aplicacions lineals.
∃>= 𝐸𝑥𝑖𝑠𝑡𝑒𝑖𝑥
∈>= 𝑃𝑒𝑟𝑡𝑎𝑛𝑦
⊂>= >é𝑠>𝑠𝑢𝑏𝑐𝑜𝑛𝑗𝑢𝑛𝑡>𝑑𝑒
Representem vectors de 𝑘 © per matrius columna>∈ 𝑀×ª© (𝑘 ) és a dir:
1
(1,2,3, −4) > = ö 23
÷
−4
Aplicació: Funció, procediment entrada i un element de X i sortida un element de Y
𝑥c 𝑏c
𝐴 ∈ 𝑀×ª© (𝑘 ) = Õ 𝐴 Ö· Õ ⋮ Ö=Õ ⋮ Ö
𝑥© 𝑏©
O
Tota matriu 𝑚𝑥𝑛 defineix una aplicació lineal 𝐾 © → >𝐾 × (en la pràctica és 𝐸> →>𝐹>)
O
𝑥c
𝑓 (𝑥c , … , 𝑥© ) = 𝐴 Õ ⋮ Ö
𝑥©
Exemple concret:
2 3 −1
Œ l’aplicació lineal associada a A va de ℝ¦ a ℝe i és
2 2 0
Si A=‹
𝑥
2𝑥 +>>>3𝑦 −>>>>𝑧
𝑓 (𝑥, 𝑦, 𝑧 ) = ‹2 3 −1 Œ Ú𝑦 Û= g h= (2𝑥 + 3𝑦 − 𝑧, 2𝑥 + 2𝑦)
2 2 0 2𝑥 +>>>2𝑦 0
𝑧
és a dir hem fet que d’una matriu 𝐾 l’hem convertida a una matriu >𝐾 × . Si 𝑣 és el
©
vector de 𝐾 ©, 𝑓(𝑣) és un vector de >𝐾 × que s’anomena imatge de 𝑣 per 𝑓 .
Recordem que a una matriu 𝐴 ∈ 𝑀×ª© (𝐾 ), li associem una aplicació lineal

𝑓: 𝐾 © → 𝐾 ×
𝑥c
𝑓(𝑥c − 𝑥© ) és calcula amb el producte de 𝐴 Õ ⋮ Ö
𝑥©
La Imatge de f és el subespai de 𝐾 × > generat per les columnes de A
𝑥c
El Kernel de 𝑓 = 𝑓bc(0 ) és el subespai 𝐾 © de les solucions de 𝐴 Õ ⋮ Ö = 0
𝑥©
about:blank 35/48
Codi: 103801
Bases i dimensió del nucli i la imatge:

1- Calculem la forma de Gauss-Jordan de A
on estan situades son una base de la 𝐼𝑚>𝑓 (Espai generat per les columnes)
2- Quan trobem els pivots a la matriu, la seva posició ens indica que les columnes
3- Trobem les solucions del sistema d’equacions i l’expressem de forma
4- Els vectors que ens queden a la forma paramètrica son Base del 𝐾𝑒𝑟>𝑓
paramètrica.
a. Tenim 1 vector a la base de 𝐾𝑒𝑟>𝑓 per cada variable lliure.

5- La dimensió de la 𝐼𝑚>𝑓 és el mateix que el rang de la matriu A
a. Base formada per les columnes Linealment Independents de A (posició
6- La dimensió del 𝐾𝑒𝑟>𝑓 és el mateix que el numero de variables lliures és a dir el

dels pivots de Gauss-Jordan
mateix que𝑛 − 𝑟𝑎𝑛𝑔>𝐴
sistema homogeni 𝐴𝑥 = 0
a. Base formada pels vectors de la solució vectorial (paramètrica) al
Teorema: SI 𝑓: 𝐹 → 𝐸 és una aplicació lineal entre espais vectorials;

dim (𝐼𝑚>𝑓 ) + dim (𝐾𝑒𝑟>𝐹 ) = dim 𝐹
Si A és una matriu 𝑚𝑥𝑛 la dimensió del subespai generat per les columnes de A
- És igual al rang de A
- és igual a el nombre màxim de columnes Linealment Independents en A
Com que el rang A = rang 𝐴Ü , el nombre màxim de files Linealment independents en A.
Si 𝑃 ∈ 𝑀©ª×(𝑘 ) és una matriu invertible, rang 𝑃 = 𝑛 = 𝑑𝑖𝑚 de l’espai generat per les
Matrius invertibles i canvi de base
Si 𝐹 ⊂ 𝐸>s.e.v i dim 𝐹 = dim 𝐸 , podem deduir que 𝐹 = 𝐸

columnes de P.
Per tant, les columnes d’una matriu invertible 𝑛𝑥𝑛 són una base de >𝐾 ©
Recíprocament, si (𝑣c , …>, 𝑣© )> és una base de >𝐾 © , la matriu és invertible.
Aquesta matriu determina una aplicació lineal >𝐾 © → >𝐾 ©
Com que P és invertible → 𝑓 isomorfisme
Composició d'aplicacions lineals.

Propietats de les aplicacions associades a matrius
1- 𝑓(𝑣) + 𝑓 (𝑢 ) = >𝑓(𝑣 + 𝑢) ∀>[per>a>tot]> 𝑢, 𝑣 ∈ 𝐾 © (es dedueix de les propietats
2- 𝑓 (𝑎 · 𝑣 )= 𝑎 · 𝑓(𝑣) ∀>[per>a>tot]>𝑎 ∈ 𝐾>𝑖>𝑣 ∈ 𝐾 ©

de la suma i producte de matrius.
Definició
(:= regla, procediment, assignació) d’un vector 𝑓 (𝑣) ∈ 𝐹 per a cada 𝑣 de E 𝐸> →>𝐹 és a
Donats un K-espais vectorials (K-e.v) E i F una aplicació lineal de E en F és una aplicació
O
O
dir 𝑣> → >𝑓(𝑣 ) que compleixi les propietats anteriors 1 i 2.
about:blank 36/48
Codi: 103801
about:blank 37/48
Codi: 103801
Subespais nucli i imatge d'una aplicació lineal.
Si 𝑓 és una aplicació lineal qualsevol 𝑓 (0 ) = 𝑓(0 · 𝑣) = 0 · 𝑓 (𝑣) = 0 per qualsevol 𝑣 ∈ 𝐸

Observació
La antiimatge d’un vector 𝑣 ∈ 𝐹 és el conjunt de tots els vectors 𝑢 ∈ 𝐸>que compleixen

Definició:
𝑓 (𝑢 )= 𝑣 . S’anomena 𝑓 bc (𝑣)
2 3 −1
𝐴=‹ Œ
2 2 0
𝑓(−1 1 0) = (1 0)
En aquest exemple podem veure que (1 0) és la imatge de ( −1 1 0)

El vector (−1 1 0) és una antiimatge de (1 0)
𝑓(−2 2 1) = (1 0)
També és una antiimatge de (1 0)
Per qualsevol aplicació lineal 𝑓 · 𝐸 → 𝐹 , l’antiimatge de 0 és un subespai vectorial dins

O
Proposició
de 𝐸 . Aquest subespai 𝑓 bc (0) s’anomena nucli de 𝑓 i es denota 𝐾𝑒𝑟(𝑓) (Prové de

l’alemany, Kernel)
Recordem que 𝑉 ⊂ 𝐸>és subespai vectorial quan:

- La suma de vectors de V es queda a V
Per tant, la proposició diu que, 𝑉 = 𝑓 bc(0)

- El producte d’un vector de V per un escalar de K es queda a V
- Si 𝑢 i 𝑢. pertanyen a 𝑓 bc (0) llavors 𝑢 i 𝑢. >també [>𝑓 (𝑢 + 𝑢. ) = 0 ]

o 𝑓(𝑢) = 0
o 𝑓(𝑢. ) = 0
- Si u pertany a 𝑓 bc (0) llavors 𝑎 · 𝑢 també (per tot 𝑎 de 𝐾 )
Exemple
𝐾𝑒𝑟>𝑓 = 𝑓 bc (0 ) =∗ {𝑣𝑒𝑐𝑡𝑜𝑟𝑠> (𝑥, 𝑦, 𝑧 )𝑎𝑚𝑏𝑓>𝑓 (𝑥, 𝑦, 𝑧 ) = 0 = (0,0) }

Quin és el nucli de f en aquest cas?
𝑥
0
*(conjunt de solucions del sistema) 𝐴 = Ú𝑦 Û = ‹ Œ
𝑧 0
2 3 −1 0 1 0 1 0
‹
Fem l’exemple:
Œ=‹ Œ
2 2 0 0 0 1 −1 0
𝐾𝑒𝑟>𝑓 = {𝑧> (−1,1,1)} = ⟨(−1,1,1 )⟩

Per tant tenim un S.C.I amb 1 variable lliure que és la Z
{𝑧 (−1,1,1)𝑜𝑛>𝑧 ∈ ℝ>}
𝑓 bc (1,0) = {( 1 − 𝑧, 1 + 𝑧, 𝑧), 𝑧 ∈ ℝ} = (−1,1,0 )+ 〈(−1,1,1) 〉
about:blank 38/48
Codi: 103801
>𝐾𝑒𝑟>𝑓> ≠ (0), 𝑓
no és injectiva com ja sabem, perquè 𝑓(−1,1,0) = 𝑓(−2,2,1)>
Solucions de 𝐴𝑥 = 𝑏 quan 𝑓 bc (𝑏)
Com que
Rang (𝐴|𝑏) = 𝑟𝑎𝑛𝑔>𝐴
Subespais de 𝐾 ©
o Exemple: 𝐸 ⊂ > ℝŽ
- Donats per un sistema de generadors
𝐸 =< (1,0, −1,2,2), (0,2,2, −1,0 ) , (2,2,0,3,4 ) >
o Exemple 𝐹 ⊂ > ℝ•
- Sistema d’equacions homogènies
2𝑥 +𝑦 −𝑧 = 0
{𝑥, 𝑦, 𝑧, 𝑡|
2𝑥 −2𝑡 =0
Com trobar base de E, en aquests dos casos?
1 0 2
1- Formem la matriu posant els vectors en columna
⎛0 2 2⎞
⎜−1 2 0⎟
2 −1 3
⎝2 0 4⎠
1 0 2 𝟏 0 2
2- Esglaonem la matriu
⎛0 2 2 ⎞ ⎛0 𝟏 1 ⎞
⎜0 2 2 ⎟ → ⎜0 0 0 ⎟
0 −1 −1 0 0 0
⎝0 0 0 ⎠ ⎝0 0 0⎠
base. 𝐸> té base ((1,0,-1,2,2),(0,2,2,-1,0)).

Els vectors generadors (inicial) de columnes on (l’esglaonada) té pivots formen una
Això vol dir que la dimensió de E = al rang de la matriu i té dimensió 2.
En el cas d’un subespai donat per equacions homogènies. Resoleu el sistema, una base
2 1 −1 0 |0 2 1 −1 0 |0 2 0 0 −2 |0
esta formada pels vectors director de la solució paramètrica(vectorial)
g h→ g h→ g h→
2 0 0 −2 |0 0 −1 1 −2 |0 0 −1 1 −2 |0
1 0 0 −1 |0
g h
0 1 −1 2 |0
Dimensió F = nº variables – rang de la matriu
Hem format Gauss-Jordan i tenim 2 variables lliures (z,t) és a dir, premen que;
X=t
(𝑋, 𝑌, 𝑍, 𝑇) = > (𝑇, 𝑍 − 2𝑇, 𝑍, 𝑇) = >𝑍(0,1,1,0) + 𝑇(1, −2,0,1)

Y=Z-2t
about:blank 39/48
Codi: 103801
Suma i intersecció de subespais
Donats dos subespais F, G dins del mateix espai vectorial E, la intersecció 𝐹> ∩ >𝐺 és
també un subespai, (es dedueix de les propietats que defineixen els subespais)
Si F i G venen donats com solucions a sistemes d’equacions.
− − −>= 0
𝐹X
− − −>= 0
𝐹> ∩ >𝐺
𝐺 X− − −>= 0
− − −>= 0
Llavors el sistema “unió” dels dos sistemes determina 𝐹> ∩ >𝐺

Si F i G venen donats amb generadors?
Donats vectors 𝑣c , …>, 𝑣© > Linealment Independents d’un espai vectorial E (que tingui
Proposició
𝑣c , …>, 𝑣© , 𝑣©¡c, …> , 𝑣Ã afegir fins arribar a dimensió de K

dimensió finita) podem trobar una base, que els contingui.
Suposem que 𝑣c , …>, 𝑣© >és una base de 𝐹> ∩ >𝐺 la podem ampliar:
A una base de F (𝑣c , …>, 𝑣¹ , 𝑣¹¡c , 𝑣Ì ) a = dimensió F

A una base de G (𝑣c , …>, 𝑣¹ , 𝑣¹¡c, 𝑣Ê )>𝑏 = 𝑑𝑖𝑚𝑒𝑛𝑠𝑖ó>𝐺
-
-
Considerem el subespai vectorial generat per totes les combinacions lineals de vectors
de F i de G
about:blank 40/48
Codi: 103801
Isomorfismes.
que 𝑓 no perd informació.

Una aplicació es diu injectiva quan vectors diferents tenen imatges diferents és a dir
Dos vectors tenen la mateixa imatge per una aplicació lineal quan 𝑢 − 𝑣 ∈ 𝐾𝑒𝑟>𝑓 per
𝑓>é𝑠>𝑖𝑛𝑗𝑒𝑐𝑡𝑖𝑣𝑎>𝑞𝑢𝑎𝑛>𝑒𝑙>𝐾𝑒𝑟>𝑓 = 0
tant això ens confirma que:
Si 𝑓 𝐾 © → >𝐾 × ve donada per la matriu A, 𝐾𝑒𝑟>𝑓 = {𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛𝑠>𝑑𝑒>𝐴𝑣 = 0 }

O
𝐾𝑒𝑟>𝑓> = 0 quan el sistema és compatible determinat

𝑓>é𝑠>𝑖𝑛𝑗𝑒𝑐𝑡𝑖𝑣𝑎>𝑞𝑢𝑎𝑛>𝑒𝑙>𝐾𝑒𝑟>𝑓 = 0 per tant 𝑟𝑎𝑛𝑔>𝐴 = 𝑛 = >𝑛º>𝑐𝑜𝑙𝑢𝑚𝑛𝑒𝑠>𝑑𝑒>𝐴
-
-
Si 𝑓>𝐸> → >𝐹>és una aplicació lineal i 𝑣 ∈ 𝐹, pot passar que 𝑓 bc (𝑣) sigui el conjunt buit,
O
Observació
és a dir que cap vector de 𝑢 ∈ 𝐸 compleix 𝑓(𝑢) = 𝑣.

En el cas 𝑓>𝐾 © →>𝐾 × donada per la matriu A, això passa si el sistema 𝐴𝑥 = 𝑣 és
O
incompatibles, és a dir el rang (𝐴 |𝑏 ) > 𝑟𝑎𝑛𝑔>𝐴

Anomenem 𝐼𝑚(𝑓) els vectors que tenen antiimatge no buida.
𝐼𝑚>𝑓 = {𝑣 >𝑐𝑜𝑚𝑝𝑙𝑒𝑖𝑥>𝑞𝑢𝑒>𝐴𝑥 = 𝑣 >é𝑠>𝑐𝑜𝑚𝑝𝑎𝑡𝑖𝑏𝑙𝑒 }
Per a tota aplicació lineal 𝑓>𝐸> → >𝐹 la imatge de 𝑓, 𝐼𝑚(𝑓) és un subespai vectorial de
O
Proposició
F. És a dir si 𝑣 i 𝑣’ ∈ 𝐼𝑚>𝑓 , vol dir que:

- 𝑣 = 𝑓 (𝑢 ) per algun 𝑢 ∈ 𝐸
- 𝑣′ = 𝑓 (𝑢′ ) per algun 𝑢′ ∈ 𝐸
Llavors 𝑣 + 𝑣’ = 𝑓 (𝑢) + 𝑓 (𝑢′) = 𝑓(𝑢 + 𝑢 . ) i 𝑣 + 𝑣 . ∈ 𝐼𝑚(𝑓)
O
Si f 𝐾 © →>𝐾 × ve donada per la matriu A, el subespa 𝐼𝑚 (𝑓 ) dins 𝐾 × >és el conjunt de
tots els 𝑓(𝑣) per 𝑣 ∈ 𝐾 ©
𝑥c
𝐼𝑚 (𝑓 ) = /𝐴 Õ ⋮ Ö7 (𝑥c , … , 𝑥© ) ∈ 𝐾 © } =
𝑥©
(les columnes de A són vectors de 𝐾 × )
{𝑡𝑜𝑡𝑒𝑠>𝑙𝑒𝑠>𝑝𝑜𝑠𝑠𝑖𝑏𝑙𝑒𝑠>𝑐𝑜𝑚𝑏𝑖𝑛𝑎𝑐𝑖𝑜𝑛𝑠>𝑙𝑖𝑛𝑒𝑎𝑙𝑠>𝑑𝑒>𝑙𝑒𝑠>𝑐𝑙𝑢𝑚𝑛𝑒𝑠>𝑑𝑒>𝐴 } =
〈𝐶c (𝐴 ), 𝐶e (𝐴 ), … , 𝐶© (𝐴 )〉
about:blank 41/48
Codi: 103801
Definició
Quan la imatge d’una aplicació 𝑓>𝐸> → >𝐹 és igual a l’espai d’arribada de F diem que 𝑓
O
O
Veurem que en el cas 𝐾 © → >𝐾 × f exhaustiva quan el 𝑟𝑎𝑛𝑔>𝐴> = >𝑚> = >𝑛º>𝑓𝑖𝑙𝑒𝑠
és exhaustiva.
Veurem també que f és bijectiva, que vol dir exhaustiva e injectiva, alhora, en el cas
O
𝐾 © → >𝐾 × correspon 𝑟𝑎𝑛𝑔> = >𝑛 = 𝑚 quan A és invertible
O
Una aplicació f>𝐾 © →>𝐾 × es pot donar de 3 formes:
2 3 −1
- (A.L. 2) Amb una matriu ‹ Œ
2 2 0
- (A.L. 3) Mitjançant m formes lineal de les files(2𝑥 + 3𝑦 − 𝑧, 2𝑥 + 2𝑦)
- (A.L. 1) Mitjançant n vectors de 𝐾 × de les columnes 𝑥(2,2 ) + 𝑦 (3,2 ) + 𝑧(−1,0)
Si tenim un subespai vectorial 𝐾 × > generat per vectors 𝑣c , … , 𝑣Ã (𝐸 = 〈𝑣c , … , 𝑣Ã 〉 ⊂ 𝐾× )

i un vector addicional 𝑢 ∈ 𝐾𝑚 , com decidir si 𝑢 pertany a E?
Resposta;
𝐸 és 𝐼𝑚>𝑓 és l’aplicació que te matriu
𝑢 ∈ 𝐸>𝑝𝑒𝑟>𝑡𝑎𝑛𝑡>𝑢 ∈ 𝐼𝑚>𝑓>𝑝𝑒𝑟>𝑡𝑎𝑛𝑡 ∶>

𝐸𝑙>𝑠𝑖𝑠𝑡𝑒𝑚𝑎>𝐴𝑥 = 𝑛>é𝑠>𝑐𝑜𝑚𝑝𝑎𝑡𝑖𝑏𝑙𝑒
També podem arribar aquí amb Rouché.
about:blank 42/48
Codi: 103801
Matriu d’una aplicació lineal en bases derivades

Recordem una aplicació lineal 𝑣 ∈ 𝐾 © → >𝐾 × ∈ 𝑓(𝑣 ) correspon a una matriu 𝐴 ∈
O
𝑀×ª©
xc 𝑥c
v = Õ ⋮ Ö → 𝑓 (𝑣) = 𝐴 Õ ⋮ Ö
x] 𝑥©
Si 𝐸, 𝐹 són dos espais vectorials de dimensions n, m respectivament i 𝑓: 𝐸 → 𝐹 una
aplicació lineal, donades bases B de E, i B de F, aquestes determinen isomorfismes de
coordinació.
O
Anomeno 𝐶^ >𝑖>𝐶^_ els isomorfismes 𝐶^ : 𝐸 →𝐾 © i 𝐶^_ : 𝐹 →𝐾 × inversos dels
O
𝐶^ (𝑣 ) = (𝐶𝑜𝑜𝑟𝑑𝑒𝑚𝑎𝑑𝑒𝑠>𝑑𝑒>𝑣>𝑒𝑛>𝑙𝑎>𝑏𝑎𝑠𝑒>𝐵)
isomorfismes de coordinació de forma que :
𝐶^_ (𝑢 ) = (𝐶𝑜𝑜𝑟𝑑𝑒𝑛𝑎𝑑𝑒𝑠>𝑑𝑒>𝑢>𝑒𝑛>𝑙𝑎>𝑏𝑎𝑠𝑒>𝐵 )
𝐸 = ℝ[𝑥]e = {𝑎𝑥 e + 𝑏𝑥 + 𝑐> |>𝑎, 𝑏, 𝑐 ∈ ℝ}>>>𝑃𝑜𝑙𝑖𝑛𝑜𝑚𝑖𝑠>𝑔𝑟𝑎𝑢 ≤ 2>

Exemple.
𝐵 = (𝑥 e , 𝑥, 1 )>>>>>>>>𝐶^ (𝑎𝑥 e + 𝑏𝑥 + 𝑐 ) = ( 𝑎, 𝑏, 𝑐)
𝐹 = ℝe
𝑎 +𝑏 𝑎 −𝑏
𝐵 = ž(1,1 , 1,1 >>>>𝐶^_ ž(𝑎, 𝑏 )Ÿ = g
. ) ( )Ÿ , h
2 2
Donats 𝑓: 𝐸 → 𝐹 i bases B, B de E i F, podem definir 𝑓 :̀ 𝐾 © → >𝐾 × fent 𝑓`(𝑥c , … , 𝑥e ) =

𝐶^_ ž𝑓(𝑥c 𝑣c + ⋯ + 𝑥© 𝑣© )Ÿ = > 𝐶^_ ž𝑓 (𝑥c + ⋯ + 𝑥© )Ÿ = 𝐶^_ · 𝑓 · >𝐶^_ (𝑥c … 𝑥© )
correspon a una matriu>𝐴 ∈ 𝑀×ª©
La matriu de 𝑓: 𝐸 → 𝐹 en les bases 𝐵, 𝐵. és la matriu de l’aplicació>𝑓`: 𝐾 © → >𝐾 × i es

Definició
denota
O
𝑀 ‹𝐵. ← 𝐵Œ
𝐸 = ℝ[𝑥]¦ = 𝑝𝑜𝑙𝑖𝑛𝑜𝑚𝑖𝑠>𝑑𝑒>𝑔𝑟𝑎𝑢 ≤ 3
Exemple
𝐹 = ℝ[𝑥 ]e = 𝑝𝑜𝑙𝑖𝑛𝑜𝑚𝑖𝑠>𝑑𝑒>𝑔𝑟𝑎𝑢>2
𝑓: 𝐸 → 𝐹
𝑓 (𝑃 ) = 𝑃′
𝑓`: ℝ• → ℝ¦
𝑓`(𝑎, 𝑏, 𝑐, 𝑑 ) = 𝐶^_ ž𝑓 (𝑎𝑥 ¦ + 𝑏𝑥 e + 𝑐𝑥 + 𝑑 )Ÿ = 𝐶^_ (3𝑎𝑥 e + 2𝑏𝑥 + 𝑐 ) = (3𝑎, 2𝑏, 𝑐 )
3 0 0 0
Per tant:
𝑀 g𝐵. ←𝐵h = Õ0 2 0 0Ö
b
0 0 1 0
Observació
(𝑃 + 𝑄 ). = 𝑃. + 𝑄.
Derivar és una aplicació lineal perquè:
(𝑎𝑃 ). = >𝑎 · 𝑃.
about:blank 43/48
Codi: 103801
Si 𝑓: 𝐸 → 𝐹 i 𝑔: 𝐹 → 𝐺 ´n aplicacions lineals de K-espai vectorials, la composició de f i g

Composició d’aplicacions lineals
𝑔 ∘ 𝑓:>𝐸 → 𝐺>>> (𝑓>𝑐𝑜𝑚𝑝𝑜𝑠𝑎𝑡>𝑎𝑚𝑏>𝑔 )

està definida per:
(𝑔 ∘ 𝑓 )(𝑣 ) = 𝑔ž𝑓 (𝑣 )Ÿ
Proposicions
1- Si 𝑓 i 𝑔 són lineals, la composició 𝑔 ∘ 𝑓 és lineal.
2- Si B és una base de E,
Si B’ és una base de F,
Si B’’ és una base de G,
d∘b d b
Llavors 𝑀 g𝐵.. > e⎯g> 𝐵 h = 𝑀 g𝐵.. > ←> 𝐵. h · 𝑀 g𝐵. > ←> 𝐵 h
Fet molt important

b
Les columnes de 𝑀 g𝐵. > ←> 𝐵 h són els vectors de coordenades (en base B’) dels vectors
𝑓 (𝑣c ), … , 𝑓 (𝑣© ) on 𝐵 = (𝑣c , … , 𝑣© )
Recordem:
que: 𝐶^_ (𝑣 ) = 𝑃 𝐶^ (𝑣)

Si B, B’ són dues bases del mateix espai vectorial E, hi ha una matriu invertible P tal
b
Això ho podem interpretar com un cas particular del que hem fet. 𝑃 = 𝑀 g𝐵. 𝐵h
> ←>
’¹
L’aplicació 𝐸 → 𝐸>(𝑖𝑑𝑒𝑛𝑡𝑖𝑡𝑎𝑡) és lineal.
Canvi de base per endomorfismes

“Endo” vol dir cap a dintre és a dir és una modificació de l’espai en ell mateix.
Un endomorfisme de l’espai vectorial E és una aplicació lineal 𝑓: 𝐸 → 𝐸 (espai de

Definició
sortida i arribada és el mateix.

b
Donada una base de E, ens interessa entendre 𝑀g𝐵. 𝐵 h que és sempre una matriu
>←>
quadrada (𝑑𝑖𝑚>𝐸> = >𝑑𝑖𝑚>𝐸) i què passa si canviem la base
ℝ¦ → ℝ¦
Exemple
𝑓 (𝑥, 𝑦, 𝑧 ) = (𝑧 − 2𝑦 + 𝑧, −𝑦 + 𝑧, 𝑦 − 𝑧)
1 2 1
𝑀 g𝑐𝑎𝑛> ←> 𝑐𝑎𝑛 h = Õ 0 −1 1 Ö
b
0 1 −1
about:blank 44/48
Codi: 103801
Bloc IV: Diagonalització de matrius
Polinomi característic, valors propis i vectors propis d'una matriu quadrada.

Vector propi = autovector = eigenvector
Valor propi = autovalor = eigenvalue
Espai propi = autoespacio = eigenspace
Un vector propi de l’endomorfisme f ( o de la matriu A) és un vector 𝑣 ≠ 0 que

Vector Propi i valor propi
compleix 𝑓 (𝑣) = 𝜆𝑣 (o 𝐴𝑣 = 𝜆𝑣) per algun 𝜆 ∈ 𝐾 . Aquest valor 𝜆 s’anomena valor

propi del vector propi 𝑣 .
Si 𝐴 = ‹1 1 Œ llavors𝑣 = (1, −1 )> és vector propi de valor propi 0, perquè

Exemple:
2 2
0
𝐴𝑣 = ‹ Œ = 0 · 𝑣
0
mentre que 𝑣 = (1, 2 )>és vector propi de valor propi 3 perquè:
1 1 1 3 1
𝐴𝑣 = ‹ Œ‹ Œ= ‹ Œ= 3 ‹ Œ
2 2 2 6 2
𝑓 (𝑣 ) = 𝜆𝑣> ↔ 𝑓 (𝑣 ) − 𝜆 · 𝑣 = 0 ↔ 𝑓(𝑣 ) − 𝜆 · 𝑖𝑑 (𝑣 )= 0> ↔ (𝑓 − 𝜆 · 𝑖𝑑 )(𝑣 ) = 0> ↔ 𝑣 ∈ 𝐾𝑒𝑟> (𝑓 − 𝜆𝑖𝑑)>

Com es busquen vector i valors propis?
𝐴 (𝑣 )= 𝜆𝑣> ↔ 𝐴 (𝑣 ) − 𝜆 · 𝑣 = 0 ↔ 𝐴 (𝑣 )− 𝜆 · 𝐼 · 𝑣 = 0> ↔ (𝐴 − 𝜆 · 𝐼 ) · 𝑣 = 0> ↔ 𝑣 ∈ "𝐾𝑒𝑟>(𝐴 − 𝜆𝐼)"
Fixada f (o A), per la majoria de 𝜆 ∈ 𝐾, 𝐾𝑒𝑟 (𝐴 − 𝜆𝐼 ) = 0 i per tant no hi ha vectors

propis de valor propi 𝜆
Només hi ha vectors propis de valor propi 𝜆 si:
𝐸𝜆 ≠ 0> ↔ 𝑑𝑖𝑚𝐸𝜆 ≠ 0 ↔ 𝑟𝑎𝑛𝑔(𝑎 − 𝜆𝐼) > 𝑛> ↔ det (𝐴 − 𝜆𝐼 ) = 0
Trobar els valors 𝜆> per als quals 𝑑𝑒𝑡 (𝐴 − 𝜆𝐼 ) = 0 (𝑃< (𝜆 )) , aquesta matriu depèn de 𝜆
1r Pas:
i el seu determinant també depèn de 𝜆, és a dir, és un polinomi. Aquest polinomi es diu
(Les arrels de 𝑃<(𝜆)>són els valors propis de A)

polinomi característic de A i també de f
Trobar una base per a cada 𝐸𝜆 on 𝜆 és valor propi i E𝜆 és espai propi de valor propi 𝜆
2n Pas:
(està format pels vectors propis de valor propi 𝜆 i el zero)
Exemple: 𝐾𝑒𝑟(𝐴 − 𝜆𝐼 ) solució del sistema (𝐴 − 𝜆𝐼|0 )
Si la suma de les dimensions dels 𝐸𝜆 és 𝑛 llavors 𝐴 (o f) és diagonalitzable. La base de E

3r Pas:
(o de 𝐾 © ) està formada pels vectors de les bases dels𝐸𝜆 trobats. (Els vectors en
Si la suma de les dimensions dels 𝐸𝜆> és 𝑛 = 𝑑𝑖𝑚>𝐸 llavors f (o A) diagonalitza, sinó, no.
columna)
Per què? Donat un valor propi 𝜆 de A . 𝜆 és arrel de d𝑒𝑡 (𝐴 − 𝜆𝐼 )
about:blank 45/48
Codi: 103801
La multiplicitat algebraica del valor propi 𝜆 és la seva multiplicitat com arrel del
Definició:
det>(𝐴 − 𝜆𝐼) ... Si:
𝑃 · 𝐴 (𝜆) = det (𝐴 − 𝜆𝐼 ) = (𝜆 − 𝜆c )hj … (𝜆 − 𝜆Ã )hi
La multiplicitat geomètrica de 𝜆 és 𝑑𝑖𝑚>𝐸𝜆

Definició:
Proposició:
1 ≤ dim 𝐸𝜆 > ≤ 𝜇 (𝜆 )
La multiplicitat geomètrica és com a màxim igual a l’algebraica
per a tot valor propi 𝜆.
Sabem que la suma de les multiplicitat algebraiques és n si el cos base és ℂ,> Si és

ℝ, ℚ, 𝔽e … la suma pot ser més petita
- Si 𝑃< (𝜆 ) no factoritza com a producte de (𝜆 − 𝜆𝑖) llavors A no diagonalitza.

Casos especials
- A no diagonalitza a ℝ si que diagonalitza a ℂ.

- Si alguna dim 𝐸𝜆 < 𝜇> (𝜆 ) llavors A no diagonalitza.
- Si un valor propi té 𝜇 (𝜆 ) = 1 , llavors dim 𝐸𝜆 = 𝜇 (𝜆 )
- Si tots els valors propis tenen 𝜇 (𝜆 ) = 1 ( hi ha n valors propis diferents) llavors
segur que diagonalitza
Proposició
Vectors propis de valors propis diferents són linealment independents.
Atenció
tants cops com la dim 𝐸𝜆 . S’han de posat els valors propis a D en el mateix ordre que
Si hi ha vectors propis amb multiplicitat > 1 aquests apareixen repetits a la diagonal,
els vectors propis corresponents a P.
Polinomi Característic
El polinomi característic de f és det (𝐴 − 𝜆𝐼 ) on 𝐴 = 𝜇 ‹𝐵 ←𝐵Œ per certa base B

Observació
O
(normalment 𝐵 = 𝑐𝑎𝑛 · 𝐾© ) De fet, el polinomi característic no depèn de la base que

fem servir! És de fet el polinomi característic de f.
𝐴. = 𝑃 bc𝐴𝑃
Demostració
𝑃 bc 𝐴(𝜆) = det (𝐴. − 𝜆𝐼) = det (𝑃bc 𝐴𝑃 − 𝜆𝐼 )= det (𝑃bc 𝐴𝑃 − 𝑃. 𝜆𝐼𝑃 ) =

= det (𝑃bc (𝐴 − 𝜆𝐼 )𝑃 ) = det (𝑃bc ) det (𝐴 − 𝜆𝐼 ) det 𝑃 = 𝑃bc · 𝑃< (𝜆 )
about:blank 46/48
Codi: 103801
Diagonalitzar un endomorfisme 𝑓: 𝐸 → 𝐸 , és trobar una base 𝐵 = (𝑣 , … , 𝑣 ) en la

Diagonalització de matrius.
c ©
qual la matriu f és diagonal:
𝜆c ⋯ 0
𝑀(𝐵 ←𝐵) = Õ ⋮ ⋱ ⋮ Ö
O
0 ⋯ 𝜆©
𝑓(𝑣c ) = 𝜆c 𝑣c
Significa que:
𝑓(𝑣e ) = 𝜆e 𝑣e
𝑓(𝑣© ) = 𝜆© 𝑣©
Diagonalitzar una matriu quadrada A és trobar una matriu invertible P tal que 𝑃bc · 𝐴 ·
𝑃 és diagonal
𝜆c ⋯ 0
𝑃bc · 𝐴 · 𝑃 = Õ ⋮ ⋱ ⋮ Ö
0 ⋯ 𝜆©
Lligam: Si 𝐸 = 𝐾 ©
𝐴>defineix un endomorfisme 𝑓(𝑣 ) = 𝐴𝑣
Diagonalitzar f o A és equivalent perquè:
’¹ ’¹
𝑀(𝐵 ← 𝐵) = 𝑀 ‹𝐵 ←𝐶𝑎𝑛Œ𝑀(𝐶𝑎𝑛 ← 𝐶𝑎𝑛)𝑀(𝐶𝑎𝑛 ← 𝐵)
O O
𝐷 = 𝑃bc · 𝐴 · 𝑃
about:blank 47/48
Codi: 103801
Si tenim un 𝑓: 𝐸 → 𝐸 podem dir que 𝑓: 𝐸 ↺ (és a dir en si mateixa)

Càlcul de potències de matrius.
𝑓 e = 𝑓 · 𝑓>(𝑓>𝑐𝑜𝑚𝑝𝑜𝑠𝑎𝑡>𝑎𝑚𝑏>𝑓)
𝑓¦ = 𝑓 · 𝑓 · 𝑓
𝑓 © = 𝑓 · … · 𝑓> (𝑛>𝑣𝑒𝑔𝑎𝑑𝑒𝑠 )
𝑓 e ↔ 𝐴e = 𝐴 · 𝐴
𝑓 ¦ ↔ 𝐴¦ = 𝐴 · 𝐴 · 𝐴
𝑓 © ↔ 𝐴©
Si A és diagonalitzable podem trobar P inversa D diag amb :
𝐷 = 𝑃 bc · 𝐴 · 𝑃> ⇔ 𝑃 bc · 𝐷 · 𝑃 = 𝐴
𝐴© = (𝑃𝐷𝑃bc )(𝑃bc 𝐷𝑃 ) … (𝑃𝐷𝑃bc ) = 𝑃bc 𝐷 (𝑃𝑃bc )𝐷 (𝑃bc 𝑃) … = 𝑃𝐷 © 𝑃bc

llavors:
𝜆c ⋯
Exemple:
𝐷 = Õ⋮ ⋱ ⋮ Ö llavors
⋯ 𝜆©
𝜆ô c ⋯
𝐷Ã = ö ⋮ ⋱ ⋮ ÷
⋯ 𝜆Ã ©
𝐹¯ = 1, 𝐹e = 2, 𝐹¦ = 3, 𝐹• = 5, 𝐹Ž = 8 … ..
Nombres Fibonacci
𝐹© = 𝐹©bc + 𝐹©be
𝐹 1 1Œ g𝐹©bc h= ‹1 1 Œ ‹1 1Œ g𝐹©bc h = ‹1 1 Œ©bc g𝐹c h =

g © h= ‹
𝐹©bc 1 0 𝐹©be 1 0 1 0 𝐹©be 1 0 𝐹¯
1 1 ©bc 1
=‹ Œ ‹ Œ
1 0 1
1r pas: Valors Propis (Hem de trobar els valors propis)

2n pas: Espais Propis (Hem de trobar els espais propis)
about:blank 48/48

Apunts Àlgebra

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Apunts Àlgebra

Uploaded by

Copyright:

Available Formats

26/10/22, 18:37 Apunts Àlgebra

L’assignatura es divideix en tres branques;

En l’assignatura hi haurà dos exàmens, un de parcial i un de final;

El professor de problemes es diu Josep Gascón.

Matriu Invertible 2.................................................................................................................. 22

Bloc I: Nombres complexos

Els nombres es poden classificar en conjunts, anomenats Tipus de Nombres (pels

el conjunt ℝ no obstant sorgeix una necessitat d’ampliar aquest nombres.

NOM SÍMBOL EXEMPLES OPERACIONS

IRRACIONALS 𝕀 nombre e, nombre pi π, √2

Un Nombre Complex és la suma d’un Nombre Real (ℝ ) i un Nombre Imaginari, ho

Operacions amb Nombres Complexos

Suma (𝒂, 𝒃, 𝒄, 𝒅 ∈ ℝ ):

( 𝑏𝒾) ( 𝑑𝒾) 𝒃𝒅𝒊𝟐 𝒅𝒊 𝒃 𝒊

o Distributiva: 𝑧1 · (𝑧2 + 𝑧3) = 𝑧1 · 𝑧2 + 𝑧1 · 𝑧3

o Associativa: (𝑧1 + 𝑧2 ) + 𝑧3 = 𝑧1 + (𝑧2 + 𝑧3) .

o Distributiva: 𝑧1 · (𝑧2 + 𝑧3) = 𝑧1 · 𝑧2 + 𝑧1 · 𝑧3

o Associativa: (𝑧1 · 𝑧2 ) · 𝑧3 = 𝑧1 · (𝑧2 · 𝑧3) .

Element Invers del Producte

exemple 𝑧 = 𝑎 + 𝑏𝑖 on (𝑎, 𝑏 ∈ ℝ ). Sigui 𝑧 = 𝑎 + 𝑏𝑖 no zero, denotem per 𝑧 d = 𝑎 − 𝑏𝑖 .

Cal veure llavors que:

Donat 𝑧 = 𝑎 + 𝑏𝑖 ∈ ℂ no zero i (𝑎, 𝑏 ∈ ℝ), llavors:

Podem posar un exemple amb els nombres 𝑧 = 2 + 3𝑖:

del producte és commutativa, vol dir que podem dividir, és a dir si 𝑧c ∈ ℂ i 𝑧e ∈ ℂ és un

nombre complex no nul, llavors tenim j > té sentit i és realment;

Representació vectorial i forma polar dels nombres complexos.

OX-OY de coordenades cartesianes on 𝑎 representa el valor en l’eix X i la 𝑏 el valor en

Podem veure’n un exemple en el següent pla −2 + 1𝑖

Si posem per exemple que 𝑧 = 𝑎 + 𝑏𝑖 és número complex qualsevol on (𝑎, 𝑏 ∈ ℝ) ,

podem identificar el conjugat de 𝑧 i escriure’l com a 𝑧 d, al nombre complex representat:

superior a 0 (𝑧 ∈ ℝ > 0) . Aquest nombre el podem trobar amb la següent operació.

Exemple: 𝑧 = 𝑎 + 𝑏𝑖>>> (Suma quadràtica);

Donat un nombre complex com a 𝑧 = 𝑎 + 𝑏𝑖>>> :

Així com la distància a l’origen és el mòdul i el representem com a |𝑧 |, definim com a

Taula de de relacions entre Radiants Graus Sinus Cosinus i Tangent

𝟎> 0°> 0> 1> 0>

𝝅> 180°> 0> -1> 0>

2>𝝅> 360°> 0> 1> 0>

Coordenades Cartesianes del punt: ‹ 𝟐 , Œ

Coordenades Polars del mateix punt: 1•Ž•

No obstant aquesta formula no la utilitzarem i sempre representarem el nombre

per r i θ, i ho anotarem per:

Producte de nombres complexos en forma polar

És a dir, en podem deduir aquestes propietats:

arg (𝑧d) = > −arg>(𝑧)

Conjugat de nombres complexos en forma polar

Potencies de nombres complexos en forma polar

Podem veure que igualant parts reals deduïm la part imaginaria

La fórmula De Moivre pot ser obtinguda de la fórmula d’Euler:

De Moivre treballa amb la representació trigonomètrica o cartesiana d’un nombre

imaginaris en forma polar 𝑟¬ on r és la llargada del vector i 𝛼 l’angle que té aquest

vector respecte l’eix OX.

Càlcul d'arrels n-simes.

quan s’eleva a 𝑛 compleix:

§ 𝑤 e = 𝑧> (en aquest cas,-w també és arrel quadrada)

• El nombre -1, degut a que es compleix que 𝑖 e = −1

• Els nombre reals negatius també, ja que si x és un real negatiu, podem

o –X > 0, existeix √−𝑥 i es compleix que;

ž√−𝑥 · 𝑖Ÿ = ž√−𝑥 Ÿ · 𝑖 e = −𝑥 · (−1) = 𝑋

Per a tot nombre complex 𝑧 = 𝑟𝑒 ”’ veiem que té arrel quadrada, i si 𝑧 ≠ 0 llavors

Volem comprovar que 𝑤 = 𝑠𝑒 ”’ però alhora complint 𝑤 e = 𝑧

𝑤 = (𝑠𝑒 ∝’ )>e = 𝑠 e · 𝑒 e∝’ = 𝑟 · 𝑒 ∝’

Recordem r és real >= 0 i ∝= > , ∝= 𝑥c + 𝜋

En la següent imatge es poden veure representades les arrels quadrades, cinquenes i