Professional Documents
Culture Documents
Transparències
UPC
ETSEIAT
Rafel Amer
Vicenç Sales
Rafel Amer
Vicenç Sales
Pàgina 1 de 150
© 2010 Rafel Amer i Vicenç Sales
Aquesta obra es distribueix sota la llicència creative-commons amb les condicions Reconeixement-No comercial-
Compartir de la versió 2.5 d’aquesta llicència. Resumint:
Sou lliure de:
UPC
copiar, distribuir i comunicar públicament l’obra;
Reconeixement. Heu de reconèixer els crèdits de l’obra de la manera especificada per l’autor o el llicencia-
dor (però no d’una manera que suggereixi que us donen suport o rebeu suport per l’ús que feu de l’obra).
Compartir amb la mateixa llicència. Si altereu o transformeu aquesta obra, o en genereu obres derivades,
només podeu distribuir l’obra generada amb una llicència idèntica a aquesta.
• Quan reutilitzeu o distribuı̈u l’obra, heu de deixar ben clar els termes de la llicència de l’obra.
• Alguna d’aquestes condicions pot no aplicar-se si obteniu el permı́s del titular dels drets d’autor.
Rafel Amer
• No hi ha res en aquesta llicència que menyscabi o restringeixi els drets morals de l’autor.
Aquestes transparències d’Àlgebra Lineal són el resultat de les classes impartides per la
Secció de Terrassa del Departament de Matemàtiques a l’Escola Superior d’Enginyeries
Industrial, Aeroespacial i Audiovisual de Terrassa des de la posada en marxa del nou pla
d’estudis.
De forma paral.lela a la introducció dels diferents conceptes, s’han inclòs exemples il-
lustratius amb l’objectiu de facilitar-ne la comprensió. No cal oblidar, però, que per a això
és imprescindible l’esforç i el treball personal de l’estudiant, tant pel que fa a l’estudi de
les qüestions teòriques com a la resolució d’exercicis. Esperem que aquests apunts els hi
siguin d’utilitat i els aconsellem que intentin assimilar les diferents nocions combinant el
seu estudi amb la resolució simultània d’exercicis relacionats amb elles.
Els temes que es tracten són habituals en qualsevol curs d’Àlgebra Lineal. Aixı́, hi ha un
capı́tol inicial centrat en l’estudi de la part operativa del curs, que serveix de base per a
UPC la part conceptual, formada pels tres darrers. D’altra banda, s’ha parat especial atenció
ETSEIAT
als aspectes i les aplicacions geomètriques i és per això que cada secció de naturalesa
algebraica va seguida de la seva geomètrica derivada. En aquest sentit, a l’hora de presen-
tar les diferents qüestions i poder analitzar-les i relacionar-les millor, s’utilitza el mateix
exemple per a cada secció algebraica i la seva corresponent geomètrica amb el propòsit de
que serveixi de fil conductor de totes dues.
Finalment, encara que inicialment aquestes transparències han estat pensades per a es-
tudiants de Graus d’Enginyeria, també poden ser útils als de Matemàtiques, Fı́sica i, en
Rafel Amer general, a tots aquells que hagin de cursar la matèria d’Àlgebra Lineal.
Vicenç Sales
R AFEL A MER I V ICENÇ S ALES
Pàgina 3 de 150
Bibliografia relacionada
Per a la resolució personal d’exercicis com els anteriors basats en aquestes transparències
UPC podeu consultar la col.lecció d’exercicis següent:
Rafel Amer
Vicenç Sales
Pàgina 4 de 150
Índex
1 CÀLCUL MATRICIAL 7
1.1 Matrius . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 Determinants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
Pàgina 6 de 150 4.6 Llocs geomètrics de l’espai afı́ i de l’espai afı́ euclidià . . . . . . . . . . . . . . . 145
1 CÀLCUL MATRICIAL
Matrius
Siguin A i B matrius m × n.
UPC • (a) es diu associativa; (b), element neutre; (c), element oposat; i (d), commutativa.
• I per l’associativitat escriurem A + B + C.
ETSEIAT
(a) es diu distributiva respecte la suma de matrius; (b), distributiva respecte la suma
d’escalars; (c), compatible amb el producte per escalars; i (d), producte per la unitat.
Per aquest darrer apartat escriurem −αA; i, en particular, tenim que (−1) · A = −A.
Rafel Amer Exemple 1.12 Amb les matrius A i B de l’exemple anterior, tenim que
Vicenç Sales −4 −4 2 −2 −2 1 3 0 2 9 0 6
1 1 1
− A= 2 −4 −4 = 1 −2 −2 i 3A = 3 1 3 0 = 3 9 0.
6 6 3
Pàgina 8 de 150 −4 2 −4 −2 1 −2 1 2 4 3 6 12
Observació 1.13 • Les matrius n × n es diuen quadrades d’ordre n.
• I la seva diagonal és la formada pels elements amb igual subı́ndex que superı́ndex.
Siguin A i B matrius m × n i n × p, respectivament.
• (a) es diu associativa; (b), element neutre; (c), distributiva; i (d), compatible.
• Per l’associativitat i la compatibilitat escriurem ABC i αAB, respectivament.
• I, per l’associativitat, si A és quadrada tenim les seves potències: Ak = A · .(k)
. . · A.
Rafel Amer Exemple 1.24 Amb les matrius A i B dels exemples anteriors es té que
t
Vicenç Sales −4 −4 2 −4 2 −4 3 0 2 3 1 1
At = 2 −4 −4 = −4 −4 2 i Bt = 1 3 0 = 0 3 2 .
Pàgina 10 de 150 −4 2 −4 2 −4 −4 1 2 4 2 0 4
Sigui A una matriu quadrada d’ordre n.
0, I i −I són simètriques.
ETSEIAT
El producte de matrius simètriques, en canvi, pot no ser simètrica.
Rafel Amer
Exemple 1.29 Les matrius A i B dels exemples anteriors no són simètriques ja que
Vicenç Sales −4 2 −4 3 1 1
At = −4 −4 2 6= A i B t = 0 3 2 6= B .
Pàgina 11 de 150 2 −4 −4 2 0 4
Sigui A una matriu m × n.
Teorema 1.31 Si A és ortogonal llavors té igual o més files que columnes.
A és quadrada en el segon apartat següent perquè si no At tindrà més columnes que files.
UPC La suma i el producte per escalars de matrius ortogonals, en canvi, pot no ser ortogonal.
ETSEIAT
Proposició 1.34 (a) Si A és ortogonal llavors −A és ortogonal.
(b) Si A és ortogonal quadrada llavors Ak és ortogonal quadrada.
Observació 1.36 • Una permutació de N = {1, . . . , n} és una reordenació dels elements.
• El conjunt de permutacions de N es nota per Pn i té n! = n(n − 1) · . . . · 2 · 1 elements.
• Diem que i, j ∈ N amb i < j estan invertits en σ ∈ Pn si j apareix abans que i en σ.
• I es diu que el signe de σ és 1 si el seu nombre d’inversions és parell i −1 si és senar.
Definició 1.41 Si Aji és la submatriu d’A sense la fila i i la columna j, l’adjunt d’aji és
αij = (−1)i+j det Aji .
• És fàcil recordar el signe de cada element amb l’anomenada regla dels escacs:
+ − + ···
− + − ···
+ − + ··· .
.. .. .. . .
. . . .
• El teorema següent es diu regla de Laplace o desenvolupament per files o columnes.
Teorema 1.42 det A = a1i αi1 + . . . + ani αin = aj1 α1j + . . . + ajn αnj .
Podem trobar un determinant llavors posant zeros en una fila o columna, fent transforma-
cions elementals fins que tots els elements menys un siguin 0 i desenvolupant per ella.
Teorema 1.48 (a) • Si A és directa i α > 0 llavors α A és directa; i si α < 0 llavors α A és
directa si n parell i inversa si n senar.
• Si A és inversa i α > 0 llavors α A és inversa; i si α < 0 llavors α A és
inversa si n parell i directa si n senar.
(b) • Si A i B són directes o inverses llavors AB és directa.
• Si A és directa i B inversa o viceversa llavors AB és inversa.
(c) • Si A és directa llavors At és directa.
• Si A és inversa llavors At és inversa.
ETSEIAT
Proposició 1.49 (a) • Si A és directa llavors −A és directa si n parell i inversa si n senar.
• Si A és inversa llavors −A és inversa si n parell i directa si n senar.
(b) • Si A és directa llavors Ak és directa.
• Si A és inversa llavors Ak és directa si k parell i inversa si k senar.
• Per tant, les matrius quadrades es poden classificar en singulars, directes i inverses.
• 0 és singular; però I i −I, en canvi, no.
ETSEIAT
Proposició 1.53 (a) Si A és singular llavors −A és singular.
(b) Si A és singular llavors Ak és singular.
Teorema 1.55 Si A és ortogonal quadrada llavors el seu determinant és 1 o −1.
Per tant, les de determinant 1 són les directes; i les de determinant −1, les inverses.
Observació 1.56 És fals, però, que si el determinant de A és 1 o −1 llavors A és ortogonal
perquè això només assegura que és directa o inversa.
I és ortogonal directa; i −I, directa si l’ordre és parell i inversa si és senar.
Observació 1.57 Lògicament, les propietats de les matrius ortogonals directes i inverses
s’obtenen combinant les de les matrius ortogonals amb les de les directes i inverses.
Proposició 1.58 Les matrius quadrades ortogonals directes i inverses d’ordre 2 són
a −b a b
i
b a b −a
UPC 2 2
amb a + b = 1, respectivament.
ETSEIAT
Exemple 1.59 La matriu
−4 −4 2 −2 −2 1
1 1 1
A = 2 −4 −4 = 1 −2 −2
6 6 3
−4 2 −4 −2 1 −2
és ortogonal inversa ja que
−4 2 −4 −4 −4 2 36 0 0
1 1 1
At A = −4 −4 2 · 2 −4 −4 = 0 36 0 = I
Rafel Amer 6 6 36
2 −4 −4 −4 2 −4 0 0 36
Vicenç Sales i 3
1 1 1
det A = det A = · (−216) = −1 .
Pàgina 17 de 150
6 6 216
Sigui A una matriu quadrada d’ordre n.
Proposició 1.61 (a) A és antisimètrica si, i només si, per a tot i, j = 1, . . . , n
aij = −aji .
(b) Si A és antisimètrica aleshores aii = 0 per a tot i = 1, . . . , n.
1
Teorema 1.65 A = 2 (A+At )+ 21 (A−At ), amb 1
2 (A+At ) simètrica i 1
2 (A−At ) antisimètrica.
Rafel Amer
Exemple 1.66 La matriu A d’abans no és antisimètrica ja que At 6= −A i es descompon en
Vicenç Sales −4 −4 2 −4 −1 −1 0 −3 3
1 1
A + At + A − At = −1 −4 −1 + 3
2 −4 −4 = 0 −3 .
2 2
Pàgina 18 de 150 −4 2 −4 −1 −1 −4 −3 3 0
Esglaonament de matrius
Sigui A una matriu m × n.
Definició 1.68 Una matriu està en forma esglaonada per files si, i només si:
(i) les files amb tots els coeficients iguals a zero són les últimes;
(ii) el primer coeficient no nul de cada fila és a la dreta del corresponent de la fila anterior;
(iii) els coeficients per sota de cada coeficient no nul anterior són zero tots.
• Aquests coeficients s’anomenen pivots.
• I si A és quadrada s’obté una triangular superior.
UPC Observació 1.69 Permutant files amb files posteriors en cada columna si cal, s’obtenen
pivots no nuls; i posant zeros després per sota dels pivots s’obté la forma esglaonada.
ETSEIAT
Aquest procés s’anomena esglaonament; i el procediment descrit, mètode de Gauss.
Definició 1.72 Es diu que una fila Ai d’una matriu A és combinació lineal d’unes altres
files Ai1 , . . . , Aik si, i només si, existeixen escalars α1 , . . . , αk tals que Ai és la combinació
lineal de les files Ai1 , . . . , Aik amb els escalars α1 , . . . , αk .
Una fila és combinació lineal d’una altra si, i només si, són múltiples.
Definició 1.73 Es diu que les files Ai1 , . . . , Aik són linealment independents si, i només
si, combinacions lineals seves amb escalars diferents donen files diferents.
Les files no linealment independents es diuen linealment dependents.
0 és l’única matriu que no té cap fila ni cap columna linealment independent.
ETSEIAT El rang de la suma de matrius, en canvi, no té cap relació amb els rangs de cadascuna.
UPC Les submatrius quadrades regulars d’ordre màxim d’una matriu m × n són les formades
per files i columnes linealment independents en nombre màxim.
ETSEIAT
Teorema 1.87 Les files i columnes corresponents als pivots obtinguts pel mètode de
Gauss formen submatrius quadrades regulars d’ordre màxim de matrius del tipus m × n.
Definició 1.89 Es diu que una expressió és paramètrica lineal si és de la forma
X = Aα + P .
Definició 1.93 • Diem que és compatible si té solucions i incompatible si no en té.
• I si és compatible en diem determinat si en té una i indeterminat si en té més d’una.
Si B = 0 en diem homogenis, que són compatibles ja que x1 = . . . = xn = 0 n’és solució.
Teorema 1.94 (a) Un sistema lineal AX = B és compatible si, i només si,
rg (A|B) = rg A .
(b) Un sistema lineal AX = B és compatible determinat si, i només si,
rg (A|B) = rg A = n .
Vicenç Sales I ara, com que rg (A|B) = rg A = 3 < 4, es té que el sistema lineal és compatible indetermi-
nat amb 4 − 3 = 1 grau de llibertat. I llavors, aı̈llant i substituint, obtenim les solucions:
Pàgina 24 de 150 x = 1 − 2z ; y = 2−z; t = 2.
Menors d’una matriu
Definició 1.98 Es diu que un menor M 0 és una orla d’un altre menor M si la submatriu
que correspon a M 0 s’obté afegint una fila i una columna a la corresponent a M .
Observació 1.99 En general, es parla de mètode dels menors en tots aquells procedi-
ments que utilitzen menors i orles.
UPC
Exemple 1.100 Considerem la matriu
ETSEIAT
1 1 3 1
1 2 4 2
A= 0 1 1 1.
2 0 4 1
El menor d’ordre 2 corresponent a les dues primeres files i columnes és
1 1
= 1.
1 2
Rafel Amer
I els menors obtinguts orlant aquest menor amb la tercera fila i les altres columnes són
Vicenç Sales 1 1 3 1 1 1
1 2 4 = 1 2 2 = 0.
Pàgina 25 de 150 0 1 1 0 1 1
Proposició 1.101 k files d’A són linealment independents si, i només si, existeix algun
menor d’ordre k no nul obtingut a partir d’aquestes files.
Tant aquesta propietat com la següent són igualment vàlides en el cas de columnes.
Proposició 1.102 Si k files d’A són linealment independents i M és un menor d’ordre k
no nul obtingut amb aquestes mateixes files i les columnes que sigui llavors una altra fila
és combinació lineal d’aquestes si, i només si, tots els menors obtinguts orlant el menor
M anterior amb la nova fila i totes les altres columnes són iguals a 0.
I com que els menors obtinguts orlant aquest menor amb la tercera fila i les altres colum-
nes
1 1 3 1 1 1
Rafel Amer
1 2 4 i 1 2 2
Vicenç Sales 0 1 1 0 1 1
eren tots dos nuls, es dedueix que la tercera fila és combinació lineal de les dues primeres
Pàgina 26 de 150 files i, en particular, que les tres primeres files són linealment dependents.
Teorema 1.104 El rang d’A és l’ordre màxim dels seus menors no nuls.
Exemple 1.105 Calculem el rang de la matriu anterior pel mètode dels menors:
1 1 3 1
1 2 4 2
A= 0 1 1 1.
2 0 4 1
Com que, en orlar amb la tercera fila els dos menors han estat nuls, passem ara a orlar
amb la quarta fila. Llavors tenim que
1 1 3
1 2 4 =0
2 0 4
però, en canvi,
1 1 1
1 2 2 = 16= 0 .
2 0 1
I com que hem vist que la tercera fila és combinació lineal de les dues primeres, obtenim
que no poden haver-hi quatre files linealment independents.
UPC
Per tant, el rang no pot ser 4 i, en conseqüència, tenim que
ETSEIAT
rg A = 3 .
Per tant, les matrius quadrades regulars són les no singulars o, el que és el mateix, les
directes o inverses.
Observació 1.110 Per eliminar els paràmetres d’una expressió paramètrica lineal X =
Aα + P només cal imposar la condició
rg A = rg (A|X − P )
a la matriu (A|X − P ), fent el càlcul dels rangs pel mètode dels menors.
Exemple 1.111 Eliminem paràmetres pel mètode dels menors de l’expressió paramètrica
lineal
x = 2 + α + β + 3γ + δ
y = 2 + α + 2β + 4γ + 2δ
.
z =β+γ+δ
t = 4 + 2α + 4γ + δ
En primer lloc, la matriu corresponent és
1 1 3 1 x−2
1 2 4 2 y−2
.
0 1 1 1 z
UPC
2 0 4 1 t−4
ETSEIAT Llavors, com hem vist en exemples anteriors, tenim que rg A = 3 i una submatriu regular
d’ordre màxim és la formada per la primera, segona i quarta files i la primera, segona i
quarta columnes.
Per tant, imposant la condició anterior dels rangs, tenim que ha de ser també rg (A|X −P ) =
3. I això equival a
1 1 1 x−2
1 2 2 y−2
Rafel Amer =0
0 1 1 z
Vicenç Sales 2 0 1 t−4
que, desenvolupant, queda
Pàgina 29 de 150
x − y + z = 0.
Els sistemes lineals AX = B amb matriu A regular es diuen de Cramer.
x + 2y + 2t =9 − 4z ; 1 2 2 9 − 4z .
2 0 1 4 − 4z
2x + t =4 − 4z
I llavors, aplicant la regla de Cramer, s’obtenen les solucions:
Rafel Amer
5 − 3z 1 1 1 5 − 3z 1 1 1 5 − 3z
Vicenç Sales
9 − 4z 2 2 1 9 − 4z 2 1 2 9 − 4z
4 − 4z 0 1 2 4 − 4z 1 2 0 4 − 4z
Pàgina 30 de 150 x= = 1 − 2z ; y= = 2−z; t= = 2.
det A det A det A
Reducció de matrius
Sigui A una matriu m × n.
Definició 1.115 Es diu que A està en forma reduı̈da per files si, i només si:
(i) les files amb tots els coeficients iguals a zero són les últimes;
(ii) el primer coeficient no nul de cada fila és a la dreta del corresponent de la fila anterior;
(iii) els coeficients per sota i per sobre de cada coeficient no nul anterior són zero tots.
Observació 1.116 Podem trobar la forma reduı̈da per files d’una matriu permutant files
amb files posteriors si cal en cada columna per tal d’obtenir pivots no nuls i posant zeros
després per sota i per sobre dels pivots.
Exemple 1.118 Reduı̈m per files la matriu A següent pel mètode de Gauss–Jordan:
1 1 3 1 1 1 3 1
1 2 4 2 0 1 1 1
0
' '
1 1 1 0 1 1 1
2 0 4 1 F2 ∼F2 −F1 0 2 2 1 FF1 ∼F 1 −F2
∼F −F
F4 ∼2F1 −F4 3 3 2
F4 ∼2F2 −F4
Rafel Amer
1 0 2 0 1 0 2 0 1 0 2 0
Vicenç Sales
0 1 1 1 0 1 1 1 0 1 1 0
0
' ' .
0 0 0 0 0 0 1 0 0 0 1
Pàgina 31 de 150 0 0 0 1 F ↔F
0 0 0 0 F 0 0 0 0
3 4 2 ∼F2 −F3
Siguin A una matriu m × n, X 1 , . . . , X k matrius-columna n × 1 i B 1 , . . . , B k matrius-columna
m × 1.
Definició 1.119 Els sistemes lineals amb igual matriu del sistema es diuen simultanis.
Teorema 1.122 (a) L’equació matricial AX = B té solució si, i només si,
rg (A|B) = rg A .
(b) L’equació matricial AX = B té solució única si, i només si,
rg (A|B) = rg A = n .
2 0 4 1 t t0 4 5
L’equació anterior equival als sistemes lineals simultanis
x + y + 3z + t =5 x0 + y 0 + 3z 0 + t0 =4
UPC x + 2y + 4z + 2t =9 x0 + 2y 0 + 4z 0 + 2t0 =6
i
ETSEIAT y + z + t =4
y 0 + z 0 + t0 =2
2x0 + 4z 0 + t0 =5
2x + 4z + t =4
que, com hem vist en l’exemple anterior, tenen solucions
0 0
x = 1 − 2z
x = 2 − 2z
0 0
y =2−z i y =1−z .
0
t=2 t =1
En conseqüència, les solucions de l’equació matricial són
Rafel Amer
x x0 1 − 2z 2 − 2z 0
Vicenç Sales y y0 2 − z 1 − z0
z z0 = z
.
z0
Pàgina 33 de 150 t t0 2 1
Siguin X, A i B matrius m × n, n × p i m × p respectivament.
t t0 2 1
I transposant aquesta matriu, s’obtenen les solucions de l’equació matricial inicial:
Rafel Amer 0
t
1 − 2z 2 − 2z
2 − z 1 − z0
Vicenç Sales x y z t 1 − 2z 2 − z z 2
= = .
x0 y 0 z 0 t0 z0 2 − 2z 0 1 − z 0 z 0 1
z
Pàgina 34 de 150 2 1
Sigui A una matriu quadrada no nul.la d’ordre n.
Definició 1.128 A és invertible si, i només si, existeixen matrius quadrades A0 i A00 amb
AA0 = I i A00 A = I .
Definició 1.129 A és simplificable si, i només si, per a tota matriu quadrada B i tota C
AB = AC =⇒ B = C i BA = CA =⇒ B = C .
Definició 1.130 A és divisora de zero si, i només si, existeix una matriu quadrada B 6= 0
tal que
AB = 0 o BA = 0 .
Exemple 1.133 Tal com hem vist, la matriu A dels exemples anteriors és singular i, per
Pàgina 35 de 150
tant, també no invertible, no simplificable i divisora de zero.
Sigui A una matriu regular.
Definició 1.134 Diem inversa d’A a l’única matriu que és solució de AX = I i XA = I.
Definició 1.140 La matriu adjunta Aad d’A és la matriu quadrada d’ordre n d’elements
αij
els adjunts dels elements aji de A per a tot i, j = 1, . . . , n.
Observació 1.141 Recordem la regla dels escacs sobre el signe de cada coeficient:
+ − + ···
− + − ···
.
+ − + ···
.. .. .. . .
. . . .
t
En particular, pel teorema següent, les matrius A i Aad sempre commuten.
t t
Teorema 1.142 A Aad = Aad A = (det A) I.
UPC
Exemple 1.143 Donada la matriu
ETSEIAT
1 1 1
e = 1 2 2,
A
2 0 1
la seva matriu adjunta és
2 2 1 2 1 2
−
0 1 2 1 2 0
ad
1 1 1 2 3 −4
Rafel Amer ead = 1 2 2
1 1 1 1 1 1
A − 0 1
= − = −1 −1 2.
2 1 2 0
Vicenç Sales 2 0 1
0 −1 1
1 1 1 1 1 1
−
Pàgina 37 de 150 2 2 1 2 1 2
Proposició 1.144 det Aad = (det A)n−1 .
I, en particular, es dedueix que Aad és regular si, i només si, A és regular.
UPC
A les matrius quadrades d’ordre senar la propietat següent no té sentit per ser singulars.
ETSEIAT
t t0 2 1
I transposant aquesta matriu, s’obtenen les solucions:
Rafel Amer 0
t
1 − 2z 2 − 2z
2 − z 1 − z0
Vicenç Sales x y z t 1 − 2z 2 − z z 2
= = .
x0 y 0 z 0 t0 z0 2 − 2z 0 1 − z 0 z 0 1
z
Pàgina 41 de 150 2 1
Siguin A una matriu m × n, X 1 , . . . , X k matrius-columna n × 1 i B 1 , . . . , B k matrius-columna
m × 1.
2 0 4 1 t t0 4 5
tal com hem vist en exemples anteriors, obtenim que la seva solució és
x x0 1 − 2z 2 − 2z 0
y y0 = 2 − z 1 − z0 .
t t0 2 1
Rafel Amer
I, en conseqüència, les solucions són, respectivament,
0 0
x = 1 − 2z x = 2 − 2z
Vicenç Sales
0 0
y =2−z i y =1−z .
0
t=2 t =1
Pàgina 42 de 150
2 ESPAIS VECTORIALS I AFINS
L’espai vectorial
Definició 2.7 Diem matriu d’un sistema vectorial v a la que té per columnes els vectors.
Exemple 2.10 Amb els vectors (2, 1, 1) i (−5, 8, 4) i el sistema v = {(1, 1, 0), (1, 0, 1), (1, −1, 2)},
1 1 1 2 −5 1 1 1 2 −5 1 1 1 2 −5
Rafel Amer 1 0 −1 1 8 ' 0 −1 −2 −1 13 ' 0 −1 −2 −1 13 .
Vicenç Sales
0 1 2 1 4 F ∼F −F 0 1 2 1 4 F ∼F +F 0 0 0 0 17
2 2 1 3 3 2
Per tant, el vector (2, 1, 1) és combinació lineal de v per ser compatible aquest sistema, el
Pàgina 44 de 150 (−5, 8, 4) no ho és per ser incompatible i v és dependent ja que la seva matriu no té rang 3.
Sigui V un subconjunt no buit de Rn .
Definició 2.11 Es diu que V és un subespai vectorial de Rn si, i només si:
(i) si ~x, ~y ∈ V aleshores ~x + ~y ∈ V ;
(ii) si α ∈ R i ~x ∈ V aleshores α~x ∈ V .
{~0} és un subespai, dit nul; Rn també, que es diu total; i si V 6= {~0}, Rn en direm estricte.
Escriurem V = h~v1 , . . . , ~vk i i V : AX = 0 en els dos darrers casos; i es té que {~0} = h~0i.
Exemple 2.15 Donats els subespais V = h(2, 1, 1)i i V 0 = h(1, 1, 0), (1, 0, 1), (1, −1, 2)i, les
Rafel Amer equacions vectorial i paramètriques de V 0 per exemple són
Vicenç Sales
x =α + β + γ
(x, y, z) = α(1, 1, 0) + β(1, 0, 1) + γ(1, −1, 2) i y =α − γ .
Pàgina 45 de 150 z =β + 2γ
Siguin {~v1 , . . . ~vn } sistema de generadors i AX = 0 equacions implı́cites d’un subespai V .
Definició 2.16 • Diem que {~v1 , . . . ~vn } és una base de V si no es pot prescindir de cap
vector sense que deixin de ser un sistema de generadors.
• I diem que AX = 0 són minimals si no es pot prescindir de cap equació sense que
deixin de ser unes equacions implı́cites.
• El subespai nul és l’únic sense bases; i el total, l’únic sense equacions minimals.
• I tant en l’eliminació de paràmetres lineals i la resolució de sistemes lineals com en
l’eliminació d’elements redundants, s’obtenen bases i equacions minimals.
Teorema 2.17 (a) Les bases són els sistemes de generadors linealment independents.
(b) Totes les bases d’un subespai vectorial no nul tenen el mateix nombre de vectors.
Definició 2.18 S’anomena dimensió de V al nombre comú de vectors de les seves bases.
• Escriurem dim V en tal cas; i es té dim Rn = n i, per conveni, dim {~0} = 0.
• Diem recta vectorial si dim V és 1, pla vectorial si és 2 i hiperplà vectorial si és n − 1.
UPC
Teorema 2.19 (a) Si V ⊆ V 0 aleshores dim V ≤ dim V 0 .
ETSEIAT
(b) V = V 0 si, i només si, V ⊆ V 0 i dim V = dim V 0 .
(c) dim V = rg C = n − rg A.
Exemple 2.20 Eliminant vectors redundants i paràmetres del subespai V 0 d’abans tenim:
1 1 1 x 1 1 1 x 1 1 1 x
1 0 −1 y ' 0 −1 −2 −x + y ' 0 −1 −2 −x + y .
0 1 2 z F ∼F −F 0 1 2 z F ∼F +F
0 0 0 −x + y + z
2 2 1 3 2 3
Rafel Amer
Per tant, una base, unes equacions implı́cites minimals i la dimensió respectives de V 0 són
Vicenç Sales {(1, 1, 0), (1, 0, 1)} , x−y−z =0 i 2.
I com que (2, 1, 1) pertany a V perquè 2 − 1 − 1 = 0 però dim V = 1 i dim V 0 = 2, es té que
0
V ⊂ V0.
Pàgina 46 de 150
Siguin B = {~e1 , . . . , ~en } i C la seva matriu.
Definició 2.22 Diem components de ~x respecte B als únics escalars x1 , . . . , xn tals que
~x = x1~e1 + . . . + xn~en .
• Escrivim ~x = (x1 , . . . , xn )B .
• I es té que ~e1 = (1, 0, . . . , 0)B , . . . , ~en = (0,0 . . . , 0, 1)B .
x 4
3
6 y0 6
7
5
2 4
3
3
1 2
−6 −3 3 6
−1
−3
−2
−3
−1
~x
−4 −2
−5
−6
−6 −3
−7
UPC
Teorema 2.23 ~x + ~y = (x1 + y1 , . . . , xn + yn )B i α~x = (αx1 , . . . , αxn )B .
ETSEIAT
• Destaca la base canònica: Bc = {(1, 0, . . . , 0), . . . , (0, 0, . . . , 1)}.
• I es té que (x1 , . . . , xn )Bc = (x1 , . . . , xn ).
• Per això, quan no se n’especifica cap, s’entén que la base donada és la canònica.
Observació 2.24 El teorema anterior permet treballar amb components en una base
qualsevol en lloc de vectors per a tots els conceptes que depenguin de la suma de vectors
i del producte d’escalars per vectors.
Rafel Amer
Vicenç Sales Exemple 2.25 Donat el vector (1, 1, 0) i la base B 0 = {(1, 2, 3), (1, 2, 2), (1, 1, 1)}, de
(1, 1, 0) = x0 (1, 2, 3) + y 0 (1, 2, 2) + z 0 (1, 1, 1)
Pàgina 47 de 150
s’obté x0 = −1, y 0 = 1 i z 0 = 1. Per tant, tenim que (1, 1, 0) = (−1, 1, 1)B0 .
Siguin B 0 i B 00 dues bases de Rn .
Definició 2.26 Diem matriu de canvi de base C de B 00 a B 0 a la que té per columnes les
components dels vectors de la base B 00 respecte B 0 .
C
B 0 es diu base vella; B 00 , nova; i es representa en la forma (Rn , B 00 ) −−−−−−−−→ (Rn , B 0 ).
y 00
x0 4
3
6 y0 6
7
1
5
2 4
3
3
1 2
−1 1
−6 −3 3 6
−1 1 x00
−3
−2
−3
−1
~x
−4 −2
−1
−5
−6
−6 −3
−7
Teorema 2.27 X 0 = CX 00 .
UPC
Teorema 2.28 (a) La matriu de canvi de base de B a B 0 és C −1 .
ETSEIAT (b) Si P i Q són les matrius de canvi de base respectives de B 00 a B i de B 00 a B aleshores
la matriu de canvi de base de B 00 a B 0 és P −1 Q.
• L’únic vector ~v tal que x + ~v = y es diu vector lliure d’origen x i extrem y i s’escriu −
→
xy.
• I si x = (x1 , . . . , xn ) i y = (y1 , . . . , yn ) llavors
−
→ = (y − x , . . . , y − x ) .
xy 1 1 n n
Observació 2.34 Rn amb la suma de vectors, el producte d’escalars per vectors i la suma
Rafel Amer
de punts i vectors es coneix com a l’espai afı́.
Vicenç Sales
Exemple 2.35 La suma del punt (0, 1, 1) i el vector (−5, 8, 4) és el punt
Pàgina 49 de 150
(0, 1, 1) + (−5, 8, 4) = (−5, 9, 5) .
Siguin x1 = (x11 , . . . , x1n ), . . . , xk = (xk1 , . . . , xkn ) punts de Rn .
Teorema 2.38 (a) Els punts de L són les sumes de p i combinacions lineals de ~v1 , . . . , ~vk .
(b) Un subconjunt no buit de Rn és una varietat lineal si, i només si, les coordenades dels
punts de L són solucions d’un sistema lineal compatible AX = B.
Definició 2.42 • Els sistemes afins {p; ~v1 , . . . , ~vk } formats per un punt de pas de L i una
base de V es diuen referències de L.
• I es diu que unes equacions implı́cites de L són minimals si no es pot prescindir de
cap d’elles sense que deixin de ser-ho.
• Els punts són els únics sense referències; i la total, l’única sense equacions minimals.
• I tant en l’eliminació de paràmetres lineals com en la resolució de sistemes lineals
s’obtenen sempre referències i equacions implı́cites minimals.
• Escriurem dim L en tal cas; i si és 0 tenim els punts, mentre que si és n tenim Rn .
• Diem recta afı́ si dim L és 1, pla afı́ si és 2 i hiperplà afı́ si és n − 1.
~v2
p
~v1
L
Exemple 2.46 Eliminant vectors redundants i paràmetres de la varietat lineal L0 tenim
1 1 1 x 1 1 1 x 1 1 1 x
Rafel Amer
1 0 −1 y − 1 ' 0 −1 −2 −x + y − 1 ' 0 −1 −2 −x + y − 1
0 1 2 z − 1 F2 ∼F1 −F2 0 1 2 z−1 F ∼F +F
0 0 0 −x + y + z − 2
Vicenç Sales F3 ∼F3 +F1 3 3 2
−→
El vector pp0 s’anomena vector de posició relativa de L i L0 .
UPC Si L i L0 són no paral.leles i secants diem que són estrictament secants; si són paral.leles i
no secants, estrictament paral.leles; i si són no paral.leles i no secants, que s’encreuen.
ETSEIAT
−→
Definició 2.52 Diem coordenades de x respecte R a les components de O x respecte B.
• Escrivim x = (x1 , . . . , xn )R .
• Es té que O = (0, . . . , 0)R , O + ~e1 = (1, 0, . . . , 0)R , . . . , O + ~en = (0, . . . , 0, 1)R .
−→
• I O x s’anomena vector de posició de x respecte R.
Teorema 2.53 Les coordenades de x són les solucions del sistema lineal
x = O + x1~e1 + . . . + xn~en .
Siguin x = (x1 , . . . , xn )R i ~v = (v1 , . . . , vn )B .
8
6
4
7
6
p x0
5
3 3
4
2 2
3
1 1
1
−1 −1
2 −2 5
−8 −7 −6 −5 −4 −3 −2 −1− 1 2 3 4 6 7 8 9 10
−1
−3 −3
−2
−4 −4
−3
−5
−4
−6
UPC −5
−6
ETSEIAT • Destaca la referència canònica: Rc = {(0, 0, . . . , 0); (1, 0, . . . , 0), . . . , (0, 0, . . . , 1)}.
• I es té que (x1 , . . . , xn ) = (x1 , . . . , xn )Rc .
• Per això, quan no se n’especifica cap, s’entén que la referència donada és la canònica.
Observació 2.55 El teorema anterior permet treballar amb coordenades respecte d’una
referència qualsevol i components en la seva base en lloc de punts i vectors respecti-
vament, per a tots els conceptes que depenguin de la suma de vectors, del producte
Rafel Amer
d’escalars per vectors i de la suma de punts i vectors.
Vicenç Sales Exemple 2.56 Amb la referència R0 = {(0, 1, 1); (1, 2, 3), (1, 2, 2), (1, 1, 1)} i el punt (1, 2, 1) és
(1, 2, 1) = (0, 1, 1) + x0 (1, 2, 3) + y 0 (1, 2, 2) + z 0 (1, 1, 1) ,
Pàgina 53 de 150
d’on x0 = −1, y 0 = 1 i z 0 = 1. Per tant, tenim que (1, 2, 1) = (−1, 1, 1)R0 .
Siguin R0 = {O0 ; B 0 } i R00 = {O00 ; B 00 } dues referències de Rn .
Definició 2.57 S’anomena matriu del nou origen M a la que té per columnes les coor-
denades del punt O00 respecte R0 .
y0 x00
9
7
1
8
6
4
7
6
p x0
−1
5
3 3
4
2 2
1
1 1
2
1
−1 −1 y 00
−1
2 −2 5
−8 −7 −6 −5 −4 −3 −2 −1− 1 2 3 4 6 7 8 9 10
−1
−3 −3
−2
−4 −4
−3
−5
−4
−6
−5
−6
Teorema 2.58 X 0 = M + CX 00 .
ETSEIAT Observació 2.59 I tenim també la fórmula del canvi de referència invers de R0 a R00
X 00 = C −1 (X 0 − M ) = −C −1 M + C −1 X 0 .
Pàgina 54 de 150
(x0 + y 0 + z 0 ) − (2x0 + 2y 0 + z 0 + 1) − (3x0 + 2y 0 + z 0 + 1) = −2 ' 4x0 + 3y 0 + z 0 = 0 .
L’espai vectorial euclidià
Siguin ~x = (x1 , . . . , xn ) i ~y = (y1 , . . . , yn ) vectors de Rn .
Observació 2.65 La matriu de tots els productes escalars respectius és Gv,v0 = C t C 0 .
ETSEIAT
Definició 2.71 S’anomena angle format pels vectors no nuls ~x i ~y al valor entre 0 i π
~x · ~y
~xc~y = arccos .
k ~x k k ~y k
Això equival a l’anomenada fórmula clàssica del producte escalar: ~x · ~y = k ~x k k ~y k cos ~xc~y .
Proposició 2.72 (a) ~x i ~y són linealment dependents si, i només si, ~xc~y = 0 o ~xc~y = π.
Rafel Amer
(b) ~x i ~y són ortogonals si, i només si, ~xc~y = π2 .
Vicenç Sales Exemple 2.73 L’angle format pels vectors ~x = (1, 1, 0) i ~y = (1, 0, 1) és
(1, 1, 0) · (1, 0, 1) 1 1 π
c~y = arccos
~x = arccos √ √ = arccos = .
Pàgina 56 de 150
k (1, 1, 0) k · k (1, 0, 1) k 2· 2 2 3
Sigui v = {~v1 , . . . , ~vk } un sistema vectorial no nul.
Definició 2.74 • v és ortogonal si, i només si, ~vi · ~vj = 0 per a tot i, j = 1, . . . , n amb i 6= j.
• I v és ortonormal si, i només si, v és ortogonal i tots els seus vectors són unitaris.
Els sistemes ortogonals d’un vector són els vectors no nuls; i els ortonormals, els unitaris.
Teorema 2.75 (a) v és un sistema ortogonal si, i només si, Gv és diagonal.
(b) Els sistemes ortogonals són independents.
(c) Si v és un sistema independent i
0
0 0
!
0 0 ~v1 · ~v2 0 0 ~v1 · ~vk 0 ~vk−1 · ~vk 0
~v1 = ~v1 i ~v2 = ~v2 − 0 0 ~v1 , . . . , ~vk = ~vk − v + ... + 0
0 ~ ~v
~v1 · ~v1 1 ~vk−1 · ~vk−1 k−1
0 0
~v1 · ~v1
0 0
aleshores v 0 = {~v1 , . . . , ~vk } és un sistema ortogonal.
(d) det Gv0 = det Gv .
• Per l’apartat (b), diem bases ortogonals als sistemes ortogonals d’un subespai vectorial.
• I l’apartat (c) es coneix com a mètode de Gram–Schmidt.
00
~v3 00 0
~v2 ~v2
~v2
00 0
~v1 ~v1 = ~v1
Exemple 2.77 Ortogonalitzant per Gram–Schmidt el sistema {(1, 1, 0), (1, 0, 1)}, tenim
0 0 (1,1,0)·(1,0,1)
Rafel Amer ~v1 = (1, 1, 0) i ~v2 = (1, 0, 1) − (1,1,0)·(1,1,0) (1, 1, 0) = (1, 0, 1) − 12 (1, 1, 0) ' (1, −1, 2) .
Vicenç Sales I normalitzant aleshores els vectors, tenim els sistemes ortogonal i ortonormal respectius
1 1
Pàgina 57 de 150
{(1, 1, 0), (1, −1, 2)} i √ (1, 1, 0), √ (1, −1, 2) .
2 6
Sigui V un subespai vectorial de Rn .
V
Rafel Amer
Exemple 2.82 El subespai ortogonal del subespai V = h(1, 1, 0), (1, 0, 1)i és
Vicenç Sales ) )
⊥ (1, 1, 0) · (x, y, z) =0 x + y =0
V : ' =⇒ V ⊥ = h(1, −1, −1)i .
Pàgina 58 de 150 (1, 0, 1) · (x, y, z) =0 x + z =0
0
Siguin ~x un vector i V un subespai vectorial de Rn i siguin ~x i ~x ∗ dos vectors més de Rn .
0
Definició 2.83 • Es diu que ~x és la projecció ortogonal de ~x sobre V si, i només si,
0 0
~x ∈ V i ~x − ~x ∈ V ⊥ .
• I es diu que ~x ∗ és el simètric de ~x respecte de V si, i només si,
~x + ~x ∗ ∈ V i ~x − ~x ∗ ∈ V ⊥ .
0
~x i ~x ∗ són únics.
0
Teorema 2.84 (a) ~x ∗ = 2~x − ~x.
00
(b) Si ~x és la projecció ortogonal de ~x sobre el subespai ortogonal V ⊥ de V aleshores
0 00
~x = ~x − ~x .
~x
00 0
~x = ~x − ~x
0
~x V
~x ∗
0 0 0
Proposició 2.86 (a) (~x ) = ~x i (~x ∗ )∗ = ~x.
0
(b) ~x = ~x si, i només si, ~x ∈ V ; i ~x ∗ = ~x si, i només si, ~x ∈ V .
0
Rafel Amer (c) ~x = ~0 si, i només si, ~x ∈ V ⊥ ; i ~x ∗ = −~x si, i només si, ~x ∈ V ⊥ .
Vicenç Sales
Exemple 2.87 La projecció ortogonal del vector (−5, 8, 4) sobre el subespai V d’abans és
0 (1, −1, −1) · (−5, 8, 4) −17 1
Pàgina 59 de 150 ~x = (−5, 8, 4) − (1, −1, −1) = (−5, 8, 4) − (1, −1, −1) = (2, 7, −5) .
(1, −1, −1) · (1, −1, −1) 3 3
Sigui C la matriu d’una base B de Rn .
Teorema 2.90 ~x · ~y = x1 y1 + . . . + xn yn .
Observació 2.92 • El segon teorema anterior permet treballar amb components en una
base ortonormal qualsevol en lloc de vectors per a tots els conceptes que depenguin de la
suma de vectors, del producte d’escalars per vectors i del producte escalar de vectors.
• Però en el cas de les bases no ortonormals, en canvi, caldrà fer un canvi de base a una
ortonormal.
Rafel Amer
Exemple 2.93 Donada la base ortonormal B = 31 (−1, 2, 2), 13 (2, −1, 2), 13 (2, 2, −1) , les com-
Vicenç Sales ponents del vector (1, 1, 0) respecte B són
1 1 1 1 1 4
(1, 1, 0) · (−1, 2, 2), (1, 1, 0) · (2, −1, 2), (1, 1, 0) · (2, 2, −1) = , , .
Pàgina 60 de 150
3 3 3 3 3 3
L’espai afı́ euclidià
Observació 2.94 Rn amb la suma de vectors, el producte d’escalars per vectors, el pro-
ducte escalar de vectors i la suma de punts i vectors es coneix com a l’espai afı́ euclidià.
• k es diu ordre.
• Si k = 0 són tots dos p0 ; si k = 1 són també iguals i en diem segments; si k = 2 en diem
paral.lelograms i triangles; i si k = 3, paral.lelepı́pedes també i tetraedres.
Observació 2.96 Notem per V el volum [o longitud (L) si k = 1 i àrea (A) si k = 2].
0 0
Si v 0 = {~v1 , . . . , ~vn } és el sistema ortogonal trobat a partir de v per Gram–Schmidt, es té
0 0 0 0 0 0 0 0
det Gv = det Gv0 = (~v1 · ~v1 ) · . . . · (~vk · ~vk ) = k ~v1 k2 · . . . · k ~vk k2 = (k ~v1 k · . . . · k ~vk k)2 .
UPC
√ √
det Gv
ETSEIAT
Teorema 2.97 V [πn (p0 , p1 , . . . , pk )] = det Gv i V [σn (p, p1 , . . . , pk )] = k! .
| det C|
Proposició 2.98 V [πn (p0 , p1 , . . . , pn )] = | det C| i V [σn (p0 , p1 , . . . , pn )] = n! .
Exemple 2.99 Donat el paral.lelepı́pede de vèrtex (0, 1, 1) i vèrtexs adjacents (1, 2, 1), (1, 1, 2)
−−−−−−−−−−→ −−−−−−−−−−→ −−−−−−−−−−−−→
i (−5, 9, 5), tenim que (0, 1, 1) (1, 2, 1) = (1, 1, 0), (0, 1, 1) (1, 1, 2) = (1, 0, 1) i (0, 1, 1) (−5, 9, 5) =
Rafel Amer
(−5, 8, 4). Per tant, el volum és
Vicenç Sales 1 1 −5
V = det 1 0 8 = | − 17| = 17 .
Pàgina 61 de 150 0 1 4
Sigui L = p + V una varietat lineal de Rn .
0 0
Siguin L i L0 varietats lineals amb referències respectives {p; ~v1 , . . . , ~vk } i {p0 ; ~v1 , . . . , ~vk0 }.
Definició 2.102 Diem angle format per L i L0 que no siguin punts al valor entre 0 i π
2
q
t G 0)
det (Gv,v 0 v,v
L
d 0
L = arccos √ √ .
det Gv det Gv0
0 0
Siguin ara L = p + W ⊥ = p + hw ~ n−k i ⊥ i L0 = p0 + W 0 ⊥ = p0 + hw
~ 1, . . . , w ~ n−k0 i ⊥ .
~ 1, . . . , w
Rafel Amer
Exemple 2.104 Per a la recta L = (−5, 9, 5) + h(2, 1, 1)i i el pla L0 : x − y − z = −2, l’angle és
Vicenç Sales π |(2, 1, 1) · (1, −1, −1)| π 0 π π
L
d L0 = − arccos = − arccos √ √ = − = 0 .
2 k (2, 1, 1) k k (1, −1, −1) k 2 6· 3 2 2
Pàgina 62 de 150 . 0
I són estrictament paral leles perquè (−5, 9, 5) no pertany a L ja que −5 − 9 − 5 = −19 6= −2.
Siguin L = p + V = p + W ⊥ i L0 = p0 + V 0 = p0 + W 0 ⊥ dues varietats lineals de Rn .
Proposició 2.106 L i L0 són paral .leles si, i només si, l’angle que formen és 0.
Proposició 2.108 L⊥
x = x+V
⊥ és perpendicular a L, dim L⊥ = n − dim L i L⊥ passa per x.
x x
UPC
Siguin L = p + V = p + W ⊥ i L0 = p0 + V 0 = p0 + W 0 ⊥ dues varietats lineals de Rn .
ETSEIAT
Exemple 2.111 La recta perpendicular al pla L0 d’abans que passa per (−5, 9, 5) és
Pàgina 63 de 150 (x, y, z) = (−5, 9, 5) + α(1, −1, −1) .
Siguin x un punt, L = p + V una varietat lineal de Rn i x0 i x∗ dos punts més de Rn .
Definició 2.112 • Es diu que x0 és la projecció ortogonal de x sobre L si, i només si,
−−→
x0 ∈ L i x0 x ∈ V ⊥ .
• I es diu que x∗ és el simètric de x respecte de L si, i només si,
x + x∗ −−→
∈L i x∗ x ∈ V ⊥ .
2
x0 i x∗ són únics.
∗
Teorema 2.113 (a) x+x 2 = x0 .
(b) x0 = p + −
p→
x i x∗ = p + −
p→
0
x ∗.
x
−
p→
x
L⊥
x
p
−
p→
0 0
x x L
−
p→x∗
x∗
0
Proposició 2.115 (a) (x0 ) = x0 i (x∗ )∗ = x.
(b) x0 = x si, i només si, x ∈ L; i x∗ = x si, i només si, x ∈ L.
Exemple 2.116 Substituint les equacions paramètriques de la recta perpendicular a
Rafel Amer
l’equació del pla L0 d’abans, es té que (−5 + α) − (9 − α) − (5 − α) = −2 o bé −19 + 3α = −2.
Vicenç Sales Per tant, α = 173 i la projecció ortogonaldel punt (−5, 9, 5) sobre L0 és, doncs, el punt
2 10 2
, ,− .
Pàgina 64 de 150
3 3 3
Siguin x i y dos punts de Rn .
ETSEIAT 0 0
Proposició 2.120 Si dim L ≤ dim L0 i L = p0 +h~v1 , . . . , ~vk , ~v1 , . . . , ~vk0 i llavors d(L, L0 ) = d(p, L),
Teorema 2.121 (a) d(p, L) = d(p, p̄0 ), essent p̄0 la projecció ortogonal de p sobre L.
V [πn (p̄, p̄1 , . . . , p̄k , p)] −−→ −−→
(b) d(p, L) = , essent {p̄; p̄ p̄1 , . . . , p̄ p̄k } referència de L.
Rafel Amer
V [πn (p̄, p̄1 , . . . , p̄k )]
| A1 p 1 + . . . + An p n + A0 |
Vicenç Sales (c) d(p, H) = , essent H : A1 x1 + . . . + An xn + A0 = 0 hiperplà de Rn .
k (A1 , . . . , An ) k
Pàgina 65 de 150 q 17 2 √
17 2 17 2
Exemple 2.122 Tenim d(L, L0 ) = d (−5, 9, 5), 23 , 10 2 17 3
3 , − 3 = 3 + − 3 + − 3 = 3 .
Sigui {p; ~v1 , . . . , ~vk } un sistema afı́ de Rn .
Definició 2.123 • {p; ~v1 , . . . , ~vk } és rectangular si, i només si, {~v1 , . . . , ~vk } és ortogonal.
• I {p; ~v1 , . . . , ~vk } és euclidià si, i només si, {~v1 , . . . , ~vk } és ortonormal.
• Com que els sistemes vectorials ortogonals són independents, diem referències rectan-
gulars als sistemes afins rectangulars d’una varietat lineal.
• I com que els sistemes vectorials ortonormals són també independents per ser ortogo-
nals, diem referències euclidianes als sistemes afins euclidians d’una varietat lineal.
Proposició 2.124 R = {O; B} = {O; ~e1 , . . . , ~en } és una referència euclidiana de Rn si, i
només si, la matriu C de la seva base B és ortogonal.
Siguin R = {O; ~e1 , . . . , ~en } una referència euclidiana i x un punt de Rn .
−→ −→
Teorema 2.125 x = (O x · ~e1 , . . . , O x · ~en )B .
En els canvis de referència entre referències euclidianes queda
X 0 = M + CX 00 , amb C ortogonal ,
que es coneix com a fórmula del canvi ortogonal de referència de R00 a R0 .
UPC Observació 2.126 • Podem treballar amb coordenades en una referència euclidiana
qualsevol i components en la seva base ortonormal en lloc de punts i vectors respec-
ETSEIAT
tivament, per a tots els conceptes que depenguin de la suma de vectors, del producte
d’escalars per vectors, de la suma de punts i vectors i del producte escalar de vectors.
• Però en el cas de les referències no euclidianes, en canvi, caldrà fer un canvi de
referència a una euclidiana.
Exemple 2.127 Amb la referència euclidiana R = (0, 1, 1); 13 (−1, 2, 2), 31 (2, −1, 2), 13 (2, 2, −1) ,
Es diu també que la signatura de B (σ(B)) és 1 si és positiva o −1 si és negativa.
x0 4
UPC 3
6 y0 6
7
5
2 4
ETSEIAT 3
3
1 2
−6 −3 3 6
−1
−2 −1
−3
−3
−4 −2
−5
−6
−6 −3
−7
Exemple 2.131 Donada la base B 0 = {(1, 2, 3), (1, 2, 2), (1, 1, 1)} de R3 , com que
Rafel Amer
1 1 1
Vicenç Sales 2 2 1 = −1 < 0 ,
3 2 1
Pàgina 67 de 150 0
es dedueix que B és negativa.
Observació 2.132 Com sabem, les matrius de canvi de base són regulars.
0 0
Siguin B 0 = {~e1 , . . . , ~en } i B = {~e1 , . . . , ~en } dues bases de Rn .
Definició 2.133 • B 0 i B 00 tenen la mateixa orientació si, i només si, totes dues són
positives o totes dues negatives.
• I B 0 i B 00 tenen diferent orientació si, i només si, una és positiva i l’altra negativa.
y 00
x0 4
3
6 y0 6
7
1
5
2 4
3
3
1 2
−1 1
−6 −3 3 6
−2
−1
−1
1
x00
−3
−3
−4 −2
−1
−5
−6
−6 −3
−7
ETSEIAT
Proposició 2.134 (a) B 0 i B 00 tenen la mateixa orientació si, i només si, C és directa.
(b) B 0 i B 00 tenen diferent orientació si, i només si, C és inversa.
Es diu també que les directes conserven l’orientació; i que les inverses la canvien.
Observació 2.135 Per tant, les bases positives són les que tenen la mateixa orientació
Rafel Amer que la base canònica; i les negatives les que la tenen diferent.
Vicenç Sales
Exemple 2.136 Com que la base B 0 d’abans és negativa i la base canònica Bc és positiva,
Pàgina 68 de 150 es dedueix que B 0 i Bc tenen diferent orientació.
Considerem a partir d’ara l’espai vectorial euclidià en tot el que resta de secció.
Observació 2.137 Com sabem, les matrius de bases ortonormals de Rn són ortogonals.
y 00 y0
6 6 7
x0 5 5
5
6
−7 4 4
−6 4
−5 3 3
3
−4
22 2
−3
−2
−1
11 1
5 6
x00
3 4
2
−6 −5 −4 −3 −2 −
−1
−11 11 2 3 4 5 6
−3 −2 1
−5 −4 −2 −1
−1
−6 2
−3 −2−2 3
−4 4
−3−3
5
−5
−4 −4 6
−6 7
−7 −5 −5
−6 −6
UPC
ETSEIAT Observació 2.139 I, igualment, les matrius de canvi de base entre bases ortonormals
són també ortogonals.
0 0 00 00
Siguin ara B 0 = {~e1 , . . . , ~en } i B 00 = {~e1 , . . . , ~en } dues bases ortonormals de Rn i C la seva
matriu ortogonal de canvi de base de B 00 a B 0 .
Proposició 2.140 (a) B 0 i B 00 tenen la mateixa orientació si, i només si, det C = 1.
Rafel Amer
(b) B 0 i B 00 tenen diferent orientació si, i només si, det C = −1.
Vicenç Sales
Exemple 2.141 La base negativa B 0 d’abans, malgrat tenir determinant −1, no és ortonor-
Pàgina 69 de 150
mal.
Sigui v = {~v1 , . . . , ~vn−1 } un sistema vectorial de Rn .
n
Teorema 2.142 Existeix √ un únic vector ~v1 ∧ . . . ∧ ~vn−1 de R tal que:
(i) k ~v1 ∧ . . . ∧ ~vn−1 k = det Gv ;
(ii) ~v1 ∧ . . . ∧ ~vn−1 és ortogonal a cada ~v1 , . . . , ~vn−1 ;
(iii) Si v és independent aleshores {~v1 , . . . , ~vn−1 , ~v1 ∧ . . . ∧ ~vn−1 } és base positiva de Rn .
~v2
~v1
00
Teorema 2.147 ~v1 ∧ . . . ∧ ~vi ∧ . . . ∧ ~vn−1 = ~v1 ∧ . . . ∧ ~vi ∧ . . . ∧ ~vn−1 .
És interessant notar que, tot i que el producte vectorial depèn de l’orientació, algunes
qüestions derivades d’aquest concepte no en depenen.
Observació 2.148 • Això passa, per exemple, amb la determinació de generadors d’un
subespai vectorial, ja que tot generador pot ser substituit sempre pel seu vector oposat.
• El mateix succeeix per al que fa als vectors ortogonals a un subespai, igualment per
UPC la mateixa raó anterior.
•√ Finalment, cal destacar també la norma del producte vectorial ja que és igual a
ETSEIAT
det Gv .
Exemple 2.149 Donats els vectors (1, −1, −1) i (−5, 8, 4) d’abans, les projeccions ortogonals
respectives sobre el subespai vectorial h(1, −1, −1)i i el seu ortogonal h(1, −1, −1)i⊥ són
0 (1, −1, −1) · (−5, 8, 4) 17
~x = (1, −1, −1) = − (1, −1, −1)
(1, −1, −1) · (1, −1, −1) 3
i
00 17 1
Rafel Amer ~x = (−5, 8, 4) − − (1, −1, −1) = (2, 7, −5)
3 3
Vicenç Sales i, per tant, tenim que
1
(1, −1, −1) ∧ (2, 7, −5) = (1, −1, −1) ∧ (−5, 8, 4) = (4, 1, 3) .
Pàgina 71 de 150
3
Siguin α ∈ [0, 2π), v = {~v1 , . . . , ~vn−2 } una base ortonormal d’un subespai vectorial V de Rn
(n > 1) i ~x un vector de Rn .
0 00
Teorema 2.151 (a) ~x e = ~x + (cos α) ~x + sin α (~v1 ∧ . . . ∧ ~vn−2 ∧ ~x).
(b) La rotació de ~x d’angle α al voltant de {~v1 , . . . , −~vi , . . . , ~vn−2 } és igual a la rotació de ~x
d’angle −α al voltant de {~v1 , . . . , ~vi , . . . , ~vn−2 }.
En particular, a R3 es té que la rotació de ~x d’angle α al voltant de −~v és igual a la rotació
de ~x d’angle −α al voltant de ~v .
Proposició 2.156 (a) R és positiva si, i només si, C és directa.
(b) R és negativa si, i només si, C és inversa.
Es diu també que la signatura de R (σ(R)) és 1 si és positiva o −1 si és negativa.
UPC
Observació 2.157 És clar que la referència canònica és positiva.
ETSEIAT
y0 9
7
8
6
x0
7
5
6
4
5
3 3
4
2 2
3
1 1
1
−1 −1
2 −2 5
−8 −7 −6 −5 −4 −3 −2 −1− 1 2 3 4 6 7 8 9 10
−1
−3 −3
−2
−4 −4
−3
−5
−4
−6
Rafel Amer −5
−6
Vicenç Sales
Exemple 2.158 La referència R0 = {(0, 1, 1); (1, 2, 3), (1, 2, 2), (1, 1, 1)} de R3 és negativa ja
que, com hem vist a la secció anterior, la seva base B 0 = {(1, 2, 3), (1, 2, 2), (1, 1, 1)} és nega-
Pàgina 73 de 150
tiva.
Observació 2.159 Com sabem, les matrius de canvi de base són ortogonals.
0 0 00 00
Siguin R0 = {O0 ; B 0 } = {O0 ; ~e1 , . . . , ~en } i R00 = {O00 ; B 00 } = {O00 ; ~e1 , . . . , ~en } dues referències de
Rn .
Definició 2.160 • R0 i R00 tenen la mateixa orientació si, i només si, B 0 i B 00 tenen la
mateixa orientació.
• I R0 i R00 tenen diferent orientació si, i només si, B 0 i B 00 tenen diferent orientació.
y0 9
x00
7
1
8
6
x0
7
5
6
4
−1
5
3 3
4
2 2
1
1 1
y 00
2
2
1
−1 −1
−1
2 −2 5
−8 −7 −6 −5 −4 −3 −2 −1− 1 2 3 4 6 7 8 9 10
−1
−3 −3
−2
−4 −4
−3
−5
−4
−6
−5
−6
Proposició 2.161 (a) R0 i R00 tenen la mateixa orientació si, i només si, totes dues són
positives o totes dues negatives.
UPC (b) R0 i R00 tenen diferent orientació si, i només si, una és positiva i l’altra negativa.
Proposició 2.162 (a) R0 i R00 tenen la mateixa orientació si, i només si, C és directa.
(b) R0 i R00 tenen diferent orientació si, i només si, C és inversa.
Es diu també que les directes conserven l’orientació; i que les inverses la canvien.
Observació 2.163 Per tant, les referències positives són les que tenen la mateixa orien-
Rafel Amer
tació que la referència canònica; i les negatives les que la tenen diferent.
Vicenç Sales
Exemple 2.164 Com que la referència R0 d’abans és negativa i la referència canònica Rc
Pàgina 74 de 150 és positiva, es dedueix que R0 i Rc tenen diferent orientació.
Considerem a partir d’ara l’espai afı́ euclidià en tot el que resta de secció.
Observació 2.165 Com sabem, les matrius de bases ortonormals de Rn són ortogonals.
Sigui R = {O; B} = {O; ~e1 , . . . , ~en } una referència euclidiana de Rn i C la matriu ortogonal
de B.
y 00 y0
6 6 7
x0 5 5
5
6
−7 4 4
−6 4
−5 3 3
3
−4
22 2
−3
−2
−1
11 1
5 6
x00
3 4
2
−6 −5 −4 −3 −2 −
−1
−11 11 2 3 4 5 6
−3 −2 1
−5 −4 −2 −1
−1
−6 2
−3 −2−2 3
−4 4
−3−3
5
−5
−4 −4 6
−6 7
−7 −5 −5
−6 −6
UPC
ETSEIAT Observació 2.167 I com sabem igualment, les matrius de canvi de base entre bases
ortonormals són també ortogonals.
0 0 00 00
Siguin ara R0 = {O; B 0 } = {~e1 , . . . , ~en } i R00 = {O; B 00 } = {~e1 , . . . , ~en } dues referències euclidi-
anes de Rn i C la matriu ortogonal de canvi de base de B 00 a B 0 .
Proposició 2.168 (a) R0 i R00 tenen la mateixa orientació si, i només si, det C = 1.
Rafel Amer
(b) R0 i R00 tenen diferent orientació si, i només si, det C = −1.
Vicenç Sales
Proposició 2.170 El producte vectorial dels vectors d’una base de vectors directors d’un
hiperplà afı́ és un vector associat a l’hiperplà afı́.
D’igual forma, una altra qüestió que es podia calcular amb el producte vectorial però
que, en realitat, tampoc no depenia de l’orientació era la determinació de generadors d’un
subespai vectorial que, per tant, podem aplicar també a la determinació de vectors direc-
tors d’una varietat lineal.
UPC
Proposició 2.171 El producte vectorial dels vectors associats a una recta afı́ és un vector
ETSEIAT
director de la recta afı́.
Amb aquesta fórmula completem, en particular, el cas de R3 que faltava per poder-se fer
sense haver d’aplicar la fórmula general:
k−
p−→ −−→
0 p1 ∧ p0 p2 k
A [π3 (p0 , p1 , p2 )] = k−
p−→ −−→
0 p1 ∧ p0 p2 k i A [σ3 (p0 , p1 , p2 )] = .
2
Observació 2.174 En particular, podem aplicar també aquesta forma de calcular volums
per al càlcul més senzill de distàncies entre varietats lineals.
Per tant, la seva distància és el quocient entre el volum determinat pels seus vectors
directors i el vector de posició relativa i l’àrea determinada pels seus vectors directors:
1 1 −5
det 1 0 8
√
Rafel Amer
0 0 1 4 | − 17| 17 17 17 3
d(L, L ) = = = =√ = .
Vicenç Sales k (1, 1, 0) ∧ (1, 0, 1) k ~i ~j ~k k (1, −1, −1) k 3 3
1 1 0
Pàgina 77 de 150 1 0 1
Siguin α ∈ [0, 2π), {p; v} = {p; ~v1 , . . . , ~vn−2 } una referència euclidiana d’una varietat lineal
L = p + V de Rn (n > 1) i x un punt de Rn .
e=p+− p→
x + (cos α) − p→ x + sin α (~v1 ∧ . . . ∧ ~vn−2 ∧ −
p→
0 00 00
Teorema 2.177 (a) x x ).
e=p+− p→x + (cos α) −
p→x + sin α (~v1 ∧ . . . ∧ ~vn−2 ∧ − p→
0 00
(b) x x).
(c) La rotació de x d’angle α al voltant de p i {~v1 , . . . , −~vi , . . . , ~vn−2 } és igual a la rotació de
x d’angle −α al voltant de p i {~v1 , . . . , ~vi , . . . , ~vn−2 }.
ETSEIAT x
−
p→x
0
x
e −
p→
x−
~v → 00
−→
pfx α px
p L⊥
p
L
Exemple 2.179 Per girar el punt (−5, 9, 5) un angle de 4π 3 al voltant del punt i el vector
1
(0, 1, 1) i √ (1, −1, −1)
Rafel Amer 3
−−−−−−−−−−−−→
Vicenç Sales respectius, calculem el vector de posició (0, 1, 1) (−5, 9, 5) = (−5, 8, 4). I com que en girar
aquest vector s’obté el vector (−8, 4, 5), com hem vist a la secció anterior, el punt buscat és
Pàgina 78 de 150 (0, 1, 1) + (−8, 4, 5) = (−8, 5, 6) .
3 TRANSFORMACIONS LINEALS I AFINS
Transformacions lineals de l’espai vectorial
Sigui f~ : Rn −→ Rn una aplicació que transforma vectors de Rn en vectors de Rn .
Teorema 3.4 Si {~e1 , . . . , ~en } és base de Rn i {~v1 , . . . , ~vn } sistema vectorial, l’aplicació
f~(α1~e1 + . . . + αn~en ) = α1~v1 + . . . + αn~vn per a tot α1 , . . . , αn ∈ R
Rafel Amer ~ ~
és l’única transformació lineal tal que f (~e1 ) = ~v1 , . . . , f (~en ) = ~vn .
Vicenç Sales
A = ... ..
.
a1n . . . ann
que té per columnes les components respecte B de les imatges dels vectors de la base B.
Les matrius respectives de les transformacions lineals nul.la, identitat i menys identitat en
qualsevol base són la nul.la, la identitat i la menys identitat també.
Proposició 3.11 (a) El rang de les matrius de f~ és igual en totes les bases.
(b) El determinant de les matrius de f~ és igual en totes les bases.
Exemple 3.13 Per a la transformació lineal f~ i la base B 0 = {(1, 1, 1), (1, 2, 2), (1, 2, 3)} tenim
UPC −1
(R3 , B 0 ) −−−−−C
−−−−→ (R3 , Bc ) −−−−−A
−−−−→ (R3 , Bc ) −−−−C
−−−−−→ (R3 , B 0 )
ETSEIAT
↑
0 −1
A = C AC
& %
amb la matriu de canvi de base de B 0 a Bc
1 1 1
C = 1 2 2.
1 2 3
Rafel Amer Per tant, la matriu associada a la transformació lineal f~ en la base B 0 és
−1
Vicenç Sales 1 1 1 2 −4 6 1 1 1 10 15 33
A0 = 1 2 2 −1 5 −6 1 2 2 = −6 −9 −22 .
Pàgina 81 de 150 1 2 3 −1 4 −5 1 2 3 0 0 1
Diem polinomi caracterı́stic d’una matriu quadrada A a pA (x) = det (A − xI).
Proposició 3.14 El polinomi caracterı́stic de les matrius de f~ és igual en totes les bases.
Definició 3.15 Diem que ~x 6= ~0 és vector propi de valor propi λ ∈ R de f~ si, i només si,
f~(~x) = λ~x .
Tenim f~(~x) = 0~x = ~0 per a λ = 0; f~(~x) = 1~x = ~x per a λ = 1: i f~(~x) = −1~x = −~x per a λ = −1.
Teorema 3.16 (a) Els valors propis són les arrels reals del polinomi caracterı́stic.
(b) Cada vector propi està associat a un únic valor propi.
(c) Vectors propis de valors propis diferents són linealment independents.
• Dels valors propis destaca la multiplicitat mλ com a arrel del polinomi caracterı́stic.
• Si és 1, direm que és simple; i en cas contrari, múltiple (doble si és 2, triple si és 3,...).
Definició 3.17 Vλ = {~x ∈ Rn : f~(~x) = λ~x} s’anomena subespai propi de valor propi λ.
UPC
En particular, Vλ − {~0} és el conjunt de vectors propis de valor propi λ.
ETSEIAT
Teorema 3.18 (a) Vλ és un subespai vectorial no nul d’equacions implı́cites (A−λI)X = 0.
(b) dim Vλ = n − rg (A − λI).
(c) 1 ≤ dim Vλ ≤ mλ ; i si λ és simple llavors dim Vλ = mλ = 1.
I A és diagonalitzable si, i només si, existeixen C regular i D diagonal amb D = C −1 AC.
Proposició 3.23 Si tots els valors propis són simples llavors f~ és diagonalitzable.
Aquesta propietat es coneix com a condició suficient de diagonalització.
ETSEIAT Exemple 3.25 En primer lloc, A no és simètrica i hi ha valor propis múltiples. I com que
1 −4 6 0
V1 : −1 4 −6 0 i dim V1 = 3 − rg A = 3 − 1 = 2 = m1 ,
−1 4 −6 0
f~ és diagonalitzable. A més, {(4, 1, 0), (−6, 0, 1)} és base de V1 i {(−1, 1, 1)} de V0 ja que
2 −4 6 0 2 −4 6 0 2 −4 6 0
V0 : −1 5 −6 0 '0 6 −6 0 '0 6 −6 0 ,
Rafel Amer −1 4 −5 0 F2 ∼2F2 +F1 0 4 −4 0 F ∼3F −2F 0 0 0 0
F3 ∼2F3 +F1 3 3 2
Vicenç Sales
d’on
4 −6 −1
1
Definició 3.27 f~ és directa si, i només si, det f~ > 0; i és inversa si, i només si, det f~ < 0.
Observació 3.28 f~ és regular si, i només si, f~ és directa o inversa.
Teorema 3.29 (a) f~ és regular si, i només si, A és regular.
(b) f~ és directa si, i només si, A és directa.
(c) f~ és inversa si, i només si, A és inversa.
En particular, si B = {~e1 , . . . , ~en } és base de Rn llavors B = {f~(~e1 ), . . . , f~(~en )} és base de Rn .
Teorema 3.31 (a) Si f~ és directa llavors B té igual orientació que B.
(b) Si f~ és inversa llavors B té diferent orientació que B.
Rafel Amer
Exemple 3.32 La transformació lineal f~ dels exemples anteriors és singular ja que
2 −4 6 2 2 −4 6
Vicenç Sales
~ 1
det f = −1 5 −6 = · 0 6 −6 = 0 .
2
Pàgina 84 de 150 −1 4 −5 F2 ∼2F2 +F1 0 4 −4
F3 ∼2F3 −F1
Transformacions afins de l’espai afı́
Sigui f : Rn −→ Rn una aplicació que transforma punts de Rn en punts de Rn .
Definició 3.33 f és una transformació afı́ si, i només si, existeix una transformació
lineal f~ tal que per a tot x ∈ Rn i tot ~v ∈ Rn
f (x + ~v ) = f (x) + f~(~v ) .
També s’anomenen afinitats.
−−−−−−→
Proposició 3.36 (a) f (x) f (y) = f~(− →
xy).
UPC (b) Si b és el baricentre de x1 , . . . , xk aleshores f (b) és el baricentre de f (x1 ), . . . , f (xk ).
(c) Si L = p + h~v1 , . . . , ~vn i aleshores f (L) = f (p) + hf~(~v1 ), . . . , f~(~vn )i i dim f (L) ≤ dim L.
ETSEIAT (d) Si L és una varietat lineal aleshores f −1 (L) és varietat lineal i dim f −1 (L) ≥ dim L.
(e) Si L i L0 són paral .leles aleshores f (L) i f (L0 ) són paral .leles.
(f) Si L i L0 són secants aleshores f (L) i f (L0 ) són secants.
El resultat segúent es diu definició d’una transformació afı́ per imatges.
Teorema 3.37 Si {O; ~e1 , . . . , ~en } és referència de Rn i {p; ~v1 , . . . , ~vn } sistema afı́, l’aplicació
Rafel Amer
f (O + α1~e1 + . . . + αn~en ) = p + α1~v1 + . . . + αn~vn per a tot α1 , . . . , αn ∈ R
és l’única transformació afı́ tal que f (O) = p i f (~e1 ) = ~v1 , . . . , f~(~en ) = ~vn .
~
Vicenç Sales
Tenim, doncs, que les constants, les translacions i les antı́podes es caracteritzen per tenir
expressions matricials respectives en qualsevol referència del tipus
X =B, X =X +B i X = −X + B .
Observació 3.44 A la pràctica, A0 sı́ es calcula amb la fórmula del canvi de base an-
terior, però B 0 és millor calcular-la a partir del fet que B 0 és la matriu-columna de les
coordenades de f (O0 ) en la referència R0 .
Exemple 3.45 Donada la referència R0 = {(1, −1, 0); (1, 1, 1), (1, 2, 2), (1, 2, 3)}, amb un canvi
de base de la seva base B 0 = {(1, 1, 1), (1, 2, 2), (1, 2, 3)} a la base canònica Bc com hem vist
UPC
en la secció anterior, tenim que la matriu de la transformació lineal f~ en la base B 0 és
ETSEIAT 10 15 33
A0 = −6 −9 −22 .
0 0 1
I com que
−1
1 1 1 2 −4 6 1 −2 1 8
B 0 = 1 2 2 −1 5 −6 −1 + 3 − −1 = −2 ,
1 2 3 −1 4 −5 0 0 0 −3
Rafel Amer obtenim que l’expressió matricial en la referència R0 de la transformació afı́ f és
0 0
Vicenç Sales x̄ 8 10 15 33 x
ȳ 0 = −2 + −6 −9 −22 y 0 .
Pàgina 87 de 150 z̄ 0 −3 0 0 1 z0
Observem que si p és un punt qualsevol de Rn aleshores es té que per a tot x ∈ Rn
f (x) = f (p) + f~(−
p→
x) i X = P + A(X − P ) .
Per tant, els punts fixos són les solucions del sistema lineal
AX + B = X o (A − I)X = −B .
Proposició 3.47 El conjunt de punts fixos de f és una varietat lineal o el conjunt buit.
Si el conjunt de punts fixos de f és una varietat lineal es diu que f és amb punt fix.
Proposició 3.48 f té un únic punt fix si, i només si, l’1 no és valor propi de f~.
UPC
• Per la darrera proposició, les constants i les antı́podes tenen un únic punt fix p i per això
en diem constant igual a p o antı́poda respecte de p i escrivim Kp i Ap , respectivament.
ETSEIAT • I es té que
Kp (x) = p + ~0(−
p→
x) = p i X = P + 0(X − P ) = P ;
~ −→ −→
Ap (x) = p − I(p x) = p − p x i X = P − I(X − P ) = −X + 2P .
Observació 3.50 La identitat té tots els seus punts fixos i és, per tant, amb punt fix.
−−−→ −−−→
Proposició 3.52 f (x) = p + f~(−
p→
x) + p f (p), amb p f (p) 6= ~0.
→
− →
−
Proposició 3.53 (a) f (x) = Fp (x) + lp , amb lp 6= ~0.
−
→
(b) Fp és una transformació afı́ amb punt fix p tal que Fp = f~.
→
− →
−
(c) lp = lq si, i només si, − p→q ∈ V1 .
→
− →
−
(d) f (x) = Fp (x + lp ) si, i només si, lp ∈ V1 .
→
− →
− ~
Teorema 3.54 (a) f (x) = p + f~(−
p→ 6 0.
x) + lp , amb lp =
(b) X = P + A(X − P ) + Lp , amb Lp 6= 0.
UPC
• Les translacions estrictes són sense punts fixos ja que X = X + B amb B 6= 0.
• A més, pel penúltim apartat de la proposició anterior, el vector de lliscament és el mateix
ETSEIAT per a tot p ∈ Rn i per això en diem translació estricta de vector ~l 6= ~0 i escrivim T~l .
• I es té que
~−
T~l(x) = p + I( p→
x) + ~l = x + ~l i X = P + I(X − P ) + L = X + L .
→
− →
− →
−
Observació 3.55 Fp (x + lp ) = Fp (x) + lp si, i només si, lp ∈ V1 .
Exemple 3.56 Com que f és sense punts fixos, prenent per exemple p = (1, 1, 1), tenim que
→
−
Rafel Amer
lp = f (1, 1, 1) − (1, 1, 1) = (2, 1, −2) − (1, 1, 1) = (1, 0, −3) i l’expressió matricial es pot escriure
Vicenç Sales x̄ 1 2 −4 6 x 1 1
ȳ = 1 + −1 5 −6 y − 1 + 0 .
Pàgina 89 de 150 z̄ 1 −1 4 −5 z 1 −3
Definició 3.57 f és regular si, només si, la seva transformació lineal associada f~ és
regular; i és singular si, només si, la seva transformació lineal associada f~ és singular.
Definició 3.58 f és directa si, només si, la seva transformació lineal associada f~ és
directa; i és inversa si, només si, la seva transformació lineal associada f~ és inversa.
Les translacions són directes; i les antı́podes, directes si n parell i inverses si n senar.
Observació 3.59 f és regular si, i només si, f és directa o inversa.
En particular, si R = {O; ~e1 , . . . , ~en } és referència de Rn aleshores R = {f (O); f~(~e1 ), . . . , f~(~en )}
és referència de Rn .
Teorema 3.61 (a) Si f és directa aleshores R té igual orientació que R.
Rafel Amer (b) Si f és inversa aleshores R té diferent orientació que R.
Vicenç Sales
Exemple 3.62 Com que f~ és singular, com hem vist a la secció anterior, es dedueix que f
Pàgina 90 de 150 és també singular.
Transformacions lineals de l’espai vectorial euclidià
Siguin B i B 0 bases ortonormals de Rn i C la matriu ortogonal de canvi de base de B 0 a B.
Observació 3.63 Com que ara C t = C −1 , es té que si la matriu de f~ en la base ortonormal
B és A llavors la matriu de f~ en la base ortonormal B 0 és
A0 = C t AC .
Definició 3.64 Diem que f~ és simètrica si, i només si, per a tot ~x, ~y ∈ Rn
f~(~x) · ~y = ~x · f~(~y ) .
UPC Observació 3.66 En les transformacions lineals de l’espai vectorial euclidià ens interes-
sarà sovint treballar en bases ortonormals. En tal cas, si la base inicial és no ortonormal
ETSEIAT
caldrà fer prèviament un canvi de base a una altra ortonormal.
Exemple 3.68 La transformació lineal f~ que en la base canònica Bc té matriu associada
Rafel Amer
1 −1 −1
1
Vicenç Sales A = −1 1 1
3
−1 1 1
Pàgina 91 de 150
és simètrica, ja que Bc és ortonormal i A és simètrica.
Teorema 3.69 Les transformacions lineals simètriques són diagonalitzables.
El teorema anterior es dedueix del fet que les transformacions lineals simètriques tenen
matriu associada simètrica en les bases ortonormals.
Proposició 3.70 Vectors propis de valors propis diferents d’una transformació lineal
simètrica són ortogonals.
En conseqüència, les bases respectives són {(1, −1, −1)} i {(1, 1, 0), (1, 0, 1)} –i es verifica,
efectivament, que els vectors propis (1, 1, 0) i (1, 0, 1) de valor propi 0 són ortogonals al
vector propi (1, −1, −1) de valor propi 1–.
En definitiva, doncs, obtenim que f~ és diagonalitzable i que la base de vectors propis i les
Rafel Amer matrius de canvi de base i diagonal respectives són
Vicenç Sales 1 1 1 1
{(1, −1, −1), (1, 1, 0), (1, 0, 1)} , −1 1 0 i 0 .
Pàgina 92 de 150 −1 0 1 0
Interessen transformacions lineals que diagonalitzin en base ortogonal i ortonormal.
Definició 3.72 f~ és ortogonalment diagonalitzable si, i només si, existeixen una base
ortonormal de vectors propis B ∗∗ de Rn i una matriu diagonal D tals que f~ té matriu D
en la base B ∗∗ .
I A és ortogonalment diagonalitzable si, i només si, existeixen C ortogonal i D diagonal
amb D = C −1 AC = C t AC.
Proposició 3.73 A és ortogonalment diagonalitzable si, i només si, f~ és ortogonalment
diagonalitzable.
Teorema 3.74 (a) Reunint bases ortogonals de cada subespai propi d’una transformació
lineal simètrica s’obté una base ortogonal de vectors propis de Rn .
(b) Reunint bases ortonormals de cada subespai propi d’una transformació lineal
simètrica s’obté una base ortonormal de vectors propis de Rn .
Per tant, obtenim el resultat següent, que es coneix com a teorema espectral.
UPC
Teorema 3.75 f~ és ortogonalment diagonalitzable si, i només si, f~ és simètrica.
ETSEIAT
Exemple 3.76 En la transformació lineal f~ dels exemples anteriors, aplicant el mètode de
Gram–Schmidt als vectors propis (1, 1, 0) i (1, 0, 1) de valor propi 0 tenim
0
~v1 = (1, 1, 0) ;
0 (1,1,0)·(1,0,1)
~v2 = (1, 0, 1) − (1,1,0)·(1,1,0) (1, 1, 0) = (1, 0, 1) − 21 (1, 1, 0) = 12 (1, −1, 2) ' (1, −1, 2) .
I normalitzant el vector propi (1, −1, −1) de valor propi 1 i els dos vectors anteriors, obtenim
que f~ és ortogonalment diagonalitzable i que la base ortonormal i les matrius ortogonal de
Rafel Amer canvi de base i diagonal respectives són, doncs,
√ √
Vicenç Sales 2 3 1 1
1 √ √
1 1 1
√ (1, −1, −1), √ (1, 1, 0), √ (1, −1, 2) , √ −√2 3 −1 i 0 .
Pàgina 93 de 150
3 2 6 6 − 2 0 2 0
Sigui V un subespai vectorial de Rn .
• P~Rn = I~ i P~{~0} = ~0; i les altres es diuen estrictes (axial si V és recta i plana si V és pla).
• V es diu subespai de la projecció (eix si V és recta).
Teorema 3.78 (a) P~V és transformació lineal simètrica; i és singular excepte si V = Rn .
(b) P~V té els valors propis 1 i 0 amb V1 = V i V0 = V ⊥ .
Teorema 3.79 (a) P~V té matriu en la base reunió B 0 = {~v1 , . . . , ~vk , w ~ n}
~ k+1 , . . . , w
1
. . (k)
.
0
1
D = .
0
. . (n−k)
UPC
.
0
ETSEIAT (b) A més, si les bases són ortogonals la reunió de bases anterior és una base ortogonal.
(c) I si les bases són ortonormals la reunió de bases anterior es una base ortonormal.
Siguin ara A0 i A00 les matrius respectives de P~V i P~V ⊥ en una base qualsevol.
Exemple 3.81 Per a la projecció ortogonal vectorial P~V sobre V = h(1, −1, −1)i, com que
Rafel Amer
V ⊥ = h(1, 1, 0), (1, 0, 1)i, es té P~ (1, −1, −1) = (1, −1, −1) i P~ (1, 1, 0) = P~ (1, 0, 1) = (0, 0, 0), d’on
−1
Vicenç Sales 1 1 1 1 0 0 1 0 0 1 1 1 1 −1 −1
1
A0 −1 1 0 = −1 0 0 ' A0 = −1 0 0 −1 1 0 = −1 1 1.
3
Pàgina 94 de 150 −1 0 1 −1 0 0 −1 0 0 −1 0 1 −1 1 1
Sigui V un subespai vectorial de Rn .
~V de Rn en Rn
Definició 3.82 S’anomena simetria vectorial respecte de V a l’aplicació S
n
definida per a tot ~x ∈ R per
~V (~x) = ~x ∗ .
S
~Rn = I~ i S
• S ~ ~ = I;
~ i les altres es diuen estrictes (axial si V és recta i plana si V és pla).
{0}
• V es diu subespai de simetria (eix si V és recta).
~ αv de
Definició 3.87 S’anomena rotació vectorial d’angle α al voltant de v a l’aplicació R
n n n
R en R definida per a tot ~x ∈ R per
~ αv (~x) = ~x
R e.
~ v = I~ i R
• R ~v = S
~V ; i les altres es diuen estrictes.
0 π
• α es diu angle de gir; ~v1 , . . . , ~vn−2 , vectors de gir; i V , subespai de gir (eix a R3 ).
1√
Exemple 3.91 Per a la rotació vectorial R ~ / 3(1,−1,−1) , amb el canvi de base de la base or-
4π/3
√ √ √
tonormal positiva B = { / 3(1, −1, −1), / 2(1, 1, 0), 1/ 6(1, −1, 2)} a la canònica –amb (1, 1, 0)
e 1 1
Rafel Amer vector ortogonal a (1, −1, −1) i (1, −1, −1) ∧ (1, 1, 0) = (1, −1, 2)–, s’obté la matriu
√ √ √ √ t
1
Vicenç Sales 2
√ √ 3 1 √ 2
√ √ 3 1 0 −1 0
Ae = √1 − 2 3 −1 −√1/2
1
3/2 √ − 2 3 −1 = 0 0 1.
6 − 2√ 6 √
Pàgina 96 de 150 0 2 − 3/2 − 1/2 − 2 0 2 −1 0 0
Transformacions afins de l’espai afı́ euclidià
• PRn = I i Pp = Kp ; i les altres es diuen estrictes (axial si L és recta i plana si L és pla).
• L es diu varietat de projecció (centre si L és punt i eix si L és recta).
UPC
Observació 3.94 Per tant, l’expressió matricial de PL és del tipus X = P + A(X − P ).
ETSEIAT
Exemple 3.95 Donada la projecció ortogonal afı́ PL sobre la varietat lineal
L = p + V = (1, 2, 2) + h(1, −1, −1)i ,
la seva projecció vectorial associada P~V té matriu associada en la base canònica
1 −1 −1
1
A0 = −1 1 1
3
−1 1 1
com hem vist a la secció anteior i, en conseqüència, la seva expressió matricial en la
Rafel Amer
referència
can
ònica
és
Vicenç Sales x̄ 1 1 −1 −1 x 1 2 1 −1 −1 x
1
ȳ = 2 + −1 1
1 1 y − 2 = 1 + −1 1 1 y .
3 3
Pàgina 97 de 150 z̄ 2 −1 1 1 z 2 1 −1 1 1 z
Siguin L = p + V una varietat lineal de Rn i ~l un vector no nul.
Sigui ara ~l ∈
/ V ⊥ , que implica que L no pot ser un punt perquè aleshores V ⊥ = Rn .
Definició 3.97 PL,~l es diu projecció ortogonal afı́ amb lliscament ~l sobre L.
• PRn ,~l = T~l ; i les altres es diuen estrictes (axial si L és recta i plana si L és pla).
• L es diu varietat de projecció (centre si L és punt i eix si L és recta); i ~l, vector de
lliscament.
Teorema 3.98 (a) (a) PL,~l és transformació afı́; i és singular excepte si L = Rn .
(b) PL,~l (x) = P(p+~l)+V,P~V (~l) (x).
• Per aquest segon apartat, es diu que hi ha diferents representacions per a PL,~l .
UPC • La del teorema es diu normal i és la més important per tenir vector de lliscament de V .
ETSEIAT
• I en aquest cas, com que ~l ∈ V = V1 , es té que PL,~l (x) = PL (x) + ~l = PL (x + ~l).
Observació 3.99 Per tant, l’expressió matricial de PL,~l és del tipus X = P + A(X − P ) + L.
• SRn = I i Sp = Ap ; i les altres es diuen estrictes (axial si L és recta i plana si L és pla).
• L es diu varietat de simetria (centre si L és punt i eix si L és recta).
Observació 3.103 Per tant, l’expressió matricial de SL és del tipus X = P + A(X − P ).
UPC
ETSEIAT
Exemple 3.104 Donada la simetria afı́ SL respecte de la varietat lineal
L = p + V = (1, 2, 2) + h(1, −1, −1)i ,
~V té matriu associada en la base canònica
la seva transformació lineal associada S
−1 −2 −2
1
A∗ = −2 −1 2
3
−2 2 −1
com hem vist a la secció anterior i, en conseqüència, la seva expressió matricial en la
Rafel Amer
referència
can
ònica
és
Vicenç Sales x̄ 1 −1 −2 −2 x 1 4 −1 −2 −2 x
1
ȳ = 2 + −2 −1 1
2 y − 2 = 2 + −2 −1 2 y .
3 3
Pàgina 99 de 150 z̄ 2 −2 2 −1 z 2 2 −2 2 −1 z
Siguin L = p + V una varietat lineal de Rn i ~l un vector no nul.
Sigui ara ~l ∈
/ V ⊥ , que implica que L no pot ser un punt perquè aleshores V ⊥ = Rn .
• SRn ,~l = T~l ; i les altres es diuen estrictes (axial si L és recta i plana si L és pla).
• L es diu varietat de simetria (centre si L és punt i eix si L és recta); i ~l, vector de
lliscament.
• Per aquest segon apartat, es diu que hi ha diferents representacions per a SL,~l .
UPC • La del teorema es diu normal i és la més important per tenir vector de lliscament de V .
ETSEIAT
• I en aquest cas, com que ~l ∈ V = V1 , es té que SL,~l (x) = SL (x) + ~l = SL (x + ~l).
Observació 3.108 Per tant, l’expressió matricial de SL,~l és del tipus X = P + A(X − P ) + L.
Observació 3.112 Per tant, l’expressió matricial de Rαp;v és del tipus X = P + A(X − P ).
UPC
4π
Exemple 3.113 Donada la rotació afı́ d’angle 3 al voltant del punt i el vector respectius
ETSEIAT
1
(1, 2, 2) i√ (1, −1, −1) ,
3
~
la seva transformació lineal associada RV té matriu associada en la base canònica
0 −1 0
Ae= 0 0 1
−1 0 0
com hem vist a la secció anterior i, en conseqüència, la seva expressió matricial en la
Rafel Amer
referència
can ònica
és
Vicenç Sales x̄ 1 0 −1 0 x 1 3 0 −1 0 x
ȳ = 2 + 0 0 1 y − 2
= 0 +
0 0 1 y .
Pàgina 101 de 150 z̄ 2 −1 0 0 z 2 3 −1 0 0 z
Siguin α ∈ [0, 2π), {p; v} = {p; ~v1 , . . . , ~vn−2 } una referència euclidiana d’una varietat lineal
L = p + V de Rn (n > 1) i ~l 6= ~0.
Sigui ara ~l ∈
/ V ⊥ , que implica n > 2 ja que L no pot ser un punt perquè aleshores V ⊥ = Rn .
Definició 3.115 Rp;v~ es diu rotació afı́ amb lliscament ~l d’angle α al voltant de p i v.
α,l
• Per aquest segon apartat, es diu que hi ha diferents representacions per a Rp;v~ .
α,l
UPC
• La del teorema es diu normal i és la més important per tenir vector de lliscament de V .
ETSEIAT • I en aquest cas, com que ~l ∈ V = V1 , es té que Rp;v~ (x) = Rαp;v (x) + ~l = Rαp;v (x + ~l).
α,l
Observació 3.117 Per tant, l’expressió matricial de Rp;v~ és del tipus X = P +A(X −P )+L.
α,l
Definició 3.119 f~ és una transformació lineal euclidiana si, i només si:
(i) f~ és una transformació lineal;
(ii) f~(~x) · f~(~y ) = ~x · ~y per a tot ~x, ~y ∈ Rn .
Teorema 3.120 f~ és una transformació lineal euclidiana si, i només si, per a tot ~x, ~y ∈ Rn
f~(~x) · f~(~y ) = ~x · ~y .
ETSEIAT
Teorema 3.122 f~ és euclidiana si, i només si, per a tot i, j = 1 . . . , n
f~(~ei ) · f~(~ej ) = ~ei · ~ej .
Vicenç Sales
f~(1, 1, 0) · f~(1, 1, 0) = 2 = (1, 1, 0) · (1, 1, 0) , f~(1, 1, 1) · f~(1, 0, 0) = 1 = (1, 1, 1) · (1, 0, 0) ,
f~(1, 0, 0) · f~(1, 0, 0) = 1 = (1, 0, 0) · (1, 0, 0) , f~(1, 1, 0) · f~(1, 0, 0) = 1 = (1, 1, 0) · (1, 0, 0) ,
Pàgina 103 de 150
perquè els altres tres casos són també iguals per ser simètric el producte escalar.
La identitat i la menys identitat són euclidianes –però la nul.la, en canvi, no–; i les altres
es diuen estrictes.
Teorema 3.124 Les simetries vectorials i les rotacions vectorials són euclidianes.
~
Les projeccions ortogonals vectorials, en canvi, no són euclidianes –excepte I–.
TRANSFORMACIONS LINEALS SIMÈTRIQUES EUCLIDIANES
PROJECCIONS ORTOGONALS VECTORIALS SI NO
SIMETRIES VECTORIALS SI SI
ROTACIONS VECTORIALS NO SI
~
En aquest esquema les projeccions ortogonals vectorials són, doncs, excepte I.
Proposició 3.125 La composició d’una rotació vectorial i la simetria vectorial respecte del
pla ortogonal al subespai de gir és commutativa i és una transformació lineal euclidiana:
h i h i
~ αv (~x) = S
C ~V ⊥ R~ αv (~x) = R
~ αv S~V ⊥ (~x) .
UPC Teorema 3.126 (a) V = V−1 i V ⊥ = {~x ∈ Rn : C ~ αv (~x) = (cos α) ~x + sin α (~v1 ∧ . . . ∧ ~vn−2 ∧ ~x)}.
~ v ~ ~
(b) Cα (~x) = −PV (~x) + (cos α) PV ⊥ (~x) + sin α (~v1 ∧ . . . ∧ ~vn−2 ∧ ~x).
ETSEIAT
La fórmula per a V ⊥ de les rotacions i composicions vectorials és la mateixa i es diu comú:
f~(~x) = (cos α) ~x + sin α (~v1 ∧ . . . ∧ ~vn−2 ∧ ~x) .
~x
P~V (~x)
~ ~α
R v
(~x)
~v
α P~V ⊥ (~x)
Rafel Amer
V⊥
Vicenç Sales
V
~ ~
v
Cα (~x)
Pàgina 104 de 150 Exemple 3.127 La transformació lineal euclidiana f~ d’abans és estricta, ja que f~ 6= I,
~ −I.
~
Observació 3.128 En les transformacions lineals euclidianes treballarem en bases orto-
normals. Per tant, si la base inicial és no ortonormal caldrà fer prèviament un canvi de
base a una altra ortonormal.
amb p + q + 2r = n.
Aixı́, si pf~(x) = (−1)n (x − 1)p (x + 1)q (x2 + a1 x + 1) . . . (x2 + ar x + 1) (amb −2 < a1 , . . . , ar < 2) és
a1 ar
cos α1 = − , . . . , cos αr = − .
2 2
Exemple 3.135 Com que per a la transformació lineal euclidiana f~ anterior tenim que
Rafel Amer −x −1 0
Vicenç Sales
pf~(x) = 0 −x 1 = −x3 + 1 = −(x − 1)(x2 + x + 1) ,
−1 0 −x
Pàgina 106 de 150 es dedueix que f~ és una rotació vectorial estricta.
Observació 3.136 A R3 els vectors de gir de les taules següents es redueixen a un sol
vector unitari ja que els subespais vectorials considerats són llavors rectes vectorials.
Classificar una transformació lineal euclidiana és donar el tipus i elements caracterı́stics.
Exemple 3.138 Com que f~ és una rotació vectorial estricta, trobem el subespai propi V1 :
UPC
−1 −1 0 0
−1 −1 0 0
−1 1 0 0
ETSEIAT
V1 : 0 −1 1 0 ' 0 −1 1 0 ' 0 −1 1 0 .
−1 0 −1 0 F ∼F −F 0 1 −1 0 F ∼F +F 0 0 0 0
3 3 1 3 3 2
Pàgina 107 de 150 I, en resum, obtenim que f~ és la rotació vectorial d’angle 2π 1
al voltant del vector √ (−1, 1, 1).
3 3
Proposició 3.139 Si f~ és una transformació lineal euclidiana llavors f~ és regular.
Teorema 3.140 (a) f~ és euclidiana directa si, i només si, A és ortogonal directa.
(b) f~ és euclidiana inversa si, i només si A és ortogonal inversa.
Observació 3.141 No n’hi ha prou només amb que A sigui directa o inversa.
En particular, si B = {~e1 , . . . , ~en } és una base ortogonal de Rn llavors B = {f~(~e1 ), . . . , f~(~en )}
és també una base ortogonal de Rn ; i si B és ortonormal llavors B és també ortonormal.
UPC
ETSEIAT
Teorema 3.143 (a) Si f~ és directa llavors B té la mateixa orientació que B.
(b) Si f~ és inversa llavors B té diferent orientació que B.
El resultat següent es deriva del fet que el producte vectorial també depén de l’orientació.
Proposició 3.144 (a) Si f~ és directa llavors f~(~x1 ∧ . . . ∧ ~xn−1 ) = f~(~x1 ) ∧ . . . ∧ f~(~xn−1 ).
(b) Si f~ és inversa llavors f~(~x1 ∧ . . . ∧ ~xn−1 ) = −f~(~x1 ) ∧ . . . ∧ f~(~xn−1 ).
Rafel Amer Exemple 3.145 La transformació lineal euclidiana f~ anterior és directa per ser A directa:
Vicenç Sales 0 −1 0
det A = 0 0 1 = 1.
Pàgina 108 de 150 −1 0 0
Transformacions afins euclidianes de l’espai afı́ euclidià
Definició 3.146 f és una transformació afı́ euclidiana si, i només si:
(i) f és una transformació afı́;
(ii) f~ és una transformació lineal euclidiana.
Observació 3.147 Estem fusionant, un altre cop, l’espai afı́ i l’espai vectorial euclidià.
Teorema 3.150 Les simetries afins, les simetries afins amb lliscament, les rotacions
afins i les rotacions afins amb lliscament són euclidianes.
Les projeccions ortogonals afins i les projeccions ortogonals afins amb lliscament, en canvi,
no són euclidianes –excepte les translacions–.
Proposició 3.151 La composició d’una rotació afı́ i la simetria afı́ respecte del pla per-
pendicular a la varietat de gir pel centre de gir és commutativa
h i
Cαp;v (x) = SL⊥
p
[Rα
p;v
(x)] = Rα
p;v
S ⊥
Lp (x)
~ v.
i és una transformació afı́ euclidiana amb transformació lineal euclidiana associada C α
UPC
Teorema 3.152 (a) p és l’únic punt fix de Cαp;v si α 6= 0.
ETSEIAT ~ αv (−
(b) Cαp;v (x) = p + C p→
x) = p − P~V (−
p→
x) + (cos α) P~V ⊥ (−
p→
x) + sin α (~v1 ∧ . . . ∧ ~vn−2 ∧ −
p→
x).
x
p;~
v
PL (x)
Rα (x) −
~v p→
x
v −
R~ ~α (p→
x) α PL ⊥p
(x)
⊥
p L p
Rafel Amer
~ α~v (−
C p→
x) L
Vicenç Sales
Cαp;~v (x)
Exemple 3.153 La transformació afı́ euclidiana f d’abans és estricta, ja que la seva trans-
Pàgina 110 de 150 formació lineal euclidiana f~ és també estricta, com hem vist a la secció anterior.
Observació 3.154 En les transformacions afins euclidianes treballarem en referències
euclidianes. Per tant, si la referència inicial és no euclidiana caldrà fer prèviament un
canvi de referència a una altra euclidiana.
Aquest és el cas dels girs afins estrictes i de les composicions afins estrictes.
Proposició 3.158 f és una transformació afı́ euclidiana sense punts fixos si, i només si,
existeixen una transformació afı́ euclidiana F amb punt fix i un únic vector no nul ~l ∈ V1
tals que per a tot x ∈ Rn
f (x) = F (x) + ~l = F (x + ~l) .
A les simetries i rotacions afins amb lliscament el vector ~l és el de la representació normal.
Exemple 3.160 Com hem vist a la secció anterior, la transformació lineal euclidiana f~
associada a la transformació afı́ euclidiana f dels exemples anteriors és la rotació vectorial
d’angle 2π √1
3 al voltant del vector 3 (−1, 1, 1).
D’altra banda, tenim que l’equació dels punts fixos és
2 0 −1 0 x x −1 −1 0 x −2
Rafel Amer 1+ 0 0 1 y = y ' 0 −1 1 y = −1 ,
Vicenç Sales
4 −1 0 0 z z −1 0 −1 z −4
que és incompatible.
Pàgina 112 de 150 Per tant, no té punts fixos i, en conseqüència, f és un moviment helicoı̈dal.
Classificar una transformació afı́ euclidiana és donar el tipus i elements caracterı́stics.
Teorema 3.164 (a) f és euclidiana directa si, i només si, A és ortogonal directa.
(b) f és euclidiana inversa si, i només si, A és ortogonal inversa.
Les translacions són euclidianes directes; i les antı́podes, euclidianes directes si n parell i
euclidianes inverses si n senar.
Observació 3.165 No n’hi ha prou només amb que A sigui directa o inversa.
Proposició 3.166 (a) Si {p; ~v1 , . . . , ~vk } és una referència rectangular de L aleshores
{f (p); f~(~v1 ), . . . , f~(~vk )} és una referència rectangular de f (L).
UPC (b) Si {p; ~v1 , . . . , ~vk } és una referència euclidiana de L aleshores {f (p); f~(~v1 ), . . . , f~(~vk )} és
una referència euclidiana de f (L). ⊥
(c) Si L = p + W ⊥ aleshores f (L) = f (p) + f~(W ) .
ETSEIAT
Teorema 3.167 (a) Si f és directa aleshores R té igual orientació que R.
Rafel Amer
(b) Si f és inversa aleshores R té diferent orientació que R.
Vicenç Sales
Exemple 3.168 La transformació afı́ euclidiana f anterior és directa ja que la seva trans-
Pàgina 114 de 150 formació lineal euclidiana f~ és també directa, com s’ha vist a la secció anterior.
4 FORMES I VARIETATS QUADRÀTIQUES I MÍNIMS QUADRATS
Formes quadràtiques de l’espai vectorial
Sigui ~q : Rn −→ R una aplicació que transforma vectors de Rn en escalars.
Definició 4.1 ~q és una forma quadràtica en la base B = {~e1 , . . . , ~en } si, i només si, per a
tot vector ~x ∈ Rn de components (x1 , . . . , xn ) en la base B
~q(~x) = a11 x21 + . . . + an1 x1 xn + . . . + a1n xn x1 + . . . + ann x2n ,
j
amb ai ∈ R per a tot i, j = 1, . . . , n.
Com a cas particular, tenim la forma quadràtica nul.la definida per a tot ~x ∈ Rn per
~0(~x) = 0 .
qn1 . . . qnn xn
Observació 4.3 La forma quadràtica nul.la té matriu nul.la en qualsevol base.
Exemple 4.4 La forma quadràtica definida en la base canònica Bc per
~q(~x) = 4x2 + y 2 + z 2 − 4xy + 4xz − 2yz
Rafel Amer
s’escriu en forma matricial
Vicenç Sales
4 −2 2 x
~q(~x) = x y z −2 1 −1 y .
Pàgina 115 de 150
2 −1 1 z
Considerem la fórmula del canvi de base d’una base B 0 a una base B
X = CX 0 .
Proposició 4.6 El rang de les matrius de ~q és igual en totes les bases.
ETSEIAT Exemple 4.8 Donada la base B 0 = {(1, 2, 1), (2, 1, −2), (−1, 2, −2)} i la forma quadràtica ~q
d’abans, la matriu de canvi de base de la base B 0 a la base canònica Bc és
1 2 −1
C =2 1 2
1 −2 −2
i, per tant, la seva matriu en la base B és0
t
1 2 −1 4 −2 2 1 2 −1 1 1 −6
Rafel Amer Q0 = C t QC = 2 1 2 −2 1 −1 2 1 2 = 1 1 −6 .
Vicenç Sales
1 −2 −2 2 −1 1 1 −2 −2 −6 −6 36
I obtenim aixı́ que l’expressió de ~q en la base B 0 és
2 2 2
Pàgina 116 de 150 ~q(~x) = x0 + y 0 + 36z 0 + 2x0 y 0 − 12x0 z 0 − 12y 0 z 0 .
Ja que les transformacions elementals per files són equivalents a multiplicar per l’esquerra
la matriu i les de columnes a fer-ho per la dreta, aplicant successivament les mateixes
transformacions elementals per files i columnes resulta una matriu obtinguda multiplicant
per una matriu per la dreta i per la transposada per l’esquerra:
Q0 = C t QC .
Observació 4.9 Considerem ara les transformacions elementals del mètode de Gauss.
• Aplicant les mateixes transformacions per files i columnes a Q se n’obté una diagonal:
D = C t QC .
• Aplicant les transformacions per files a I s’obté la matriu
C tI = C t .
• En particular, aplicant les transformacions per files a (Q|I) i les mateixes transforma-
cions per columnes a Q només s’obtenen simultàniament les matrius
D i Ct .
Proposició 4.10 L’expressió de ~q en tota base B 00 obtinguda pel mètode de Gauss és
2 2
~q(~x) = d1 x001 + . . . + dn x00n .
UPC
• d1 , . . . , dn són els elements de la diagonal de D, s’anomenen valors i no són únics.
ETSEIAT
• La forma quadràtica nul.la té tots els valors nuls i és l’única amb aquesta caracterı́stica.
Teorema 4.11 El conjunt de vectors de valor 0 –incloent el nul– és un subespai vectorial.
00 00 00 00 00 00
Teorema 4.13 Si {~e1 , . . . , ~er , ~er+1 , . . . , ~er+s , ~er+s+1 , . . . , ~en } és una base en la que la matriu
de la forma quadràtica ~q és diagonal amb els r primers valors estrictament positius, els s
següents estrictament negatius i els n − r − s darrers nuls aleshores, en la base
( )
1 00 1 00 1 00 1 00 00 00
B∗ = p ~e1 , . . . , p ~er , p ~er+1 , . . . , p ~er+s , ~er+s+1 , . . . , ~en ,
|d1 | |dr | |dr+1 | |dr+s |
l’expressió de ~q és
~q(~x) = x∗1 2 + . . . + x∗r 2 − x∗r+1 2 − . . . − x∗r+s 2 , amb r + s = rg ~q.
Aquesta base es diu conjugada; i l’expressió anterior –que sı́ és única–, vectorial reduı̈da.
Observació 4.14 En tal cas, els valors només poden ser 1, −1 i 0 i la matriu diagonal és
1
. . (r)
.
1
−1
. . (s) .
UPC
.
−1
ETSEIAT 0
. .
. (n−r−s)
0
Exemple 4.15 En la forma quadràtica ~q dels exemples anteriors, com que l’únic element
no nul de la diagonal principal és el 4, el vector corresponent és el
1 1
p (1, 0, 0) = (1, 0, 0)
Rafel Amer |4| 2
Vicenç Sales i tenim que una base conjugada i l’expressió vectorial reduı̈da respectives són
1
∗
B = (1, 0, 0), (1, 2, 0), (1, 0, −2) i ~q(~x) = x∗ 2 .
Pàgina 118 de 150 2
Sigui ~q una forma quadràtica no nul.la.
Definició 4.16 Diem que ~q és definida positiva si, i només si, per a tot vector no nul ~x
~q(~x) > 0 .
Anàlogament, diem que ~q és definida negativa si, i només si, per a tot vector no nul ~x
~q(~x) < 0 .
Observació 4.17 I diem que ~q és definida si, i només si, és definida positiva o definida
negativa.
El menor ∆k d’A format per les seves primeres k files i columnes es diu menor principal
d’ordre k.
ETSEIAT Teorema 4.19 (a) ~q és definida positiva si, i només si,
∆1 > 0, ∆2 > 0, . . . , ∆n > 0 .
(b) ~q és definida negativa si, i només si,
∆1 < 0, ∆2 > 0, . . . , (−1)n ∆n > 0 .
Exemple 4.20 Donada la forma quadràtica ~q dels exemples anteriors, com que
∆1 = |4| = 4 > 0 ,
Rafel Amer
no és definida negativa. I com que
Vicenç Sales 4 −2
∆2 = = 0,
−2 1
Pàgina 119 de 150
tampoc no és definida positiva i, en conseqüència, és no definida.
Definició 4.21 Diem que ~q és semidefinida positiva si, i només si:
(i) ~q(~x) ≥ 0 per a tot vector ~x;
(ii) existeix un vector no nul ~y tal que ~q(~y ) = 0.
Definició 4.22 Diem que ~q és indefinida si, i només si, existeixen vectors ~x i ~y tals que
~q(~x) > 0 i ~q(~y ) < 0 .
Afegint les dues definides, obtenim els cinc tipus de formes quadràtiques no nul.les.
ETSEIAT En particular, si considerem les expressions vectorials reduı̈des les condicions anteriors
equivalen respectivament a que els valors siguin tots 1, tots −1, tots 1 o 0 i no tots 1, tots
−1 o 0 i no tots −1 i almenys un 1 i almenys un −1.
Observació 4.24 Classificar vectorialment una forma quadràtica no nul.la és donar el
tipus, una base conjugada i l’expressió vectorial reduı̈da.
Exemple 4.25 Donada la forma quadràtica ~q dels exemples anteriors, com que té 1 valor
Rafel Amer estrictament positiu –el 4– i 2 nuls, s’obté que ~q és la forma quadràtica semidefinida positiva
Vicenç Sales de base conjugada i expressió vectorial reduı̈da respectives
1
∗
B = (1, 0, 0), (1, 2, 0), (1, 0, −2) i ~q(~x) = x∗ 2 .
Pàgina 120 de 150 2
Varietats quadràtiques de l’espai afı́
Sigui q : Rn −→ R una aplicació que transforma punts de Rn en escalars i considerem el
conjunt Vq = {x ∈ Rn : q(x) = 0}.
Definició 4.26 Vq és una varietat quadràtica en la referència R = {O; ~e1 , . . . , ~en } si, i
només si, per a tot x ∈ Rn de coordenades (x1 , . . . , xn ) en la referència R
q(x) = a11 x21 + . . . + an1 x1 xn + . . . + a1n xn x1 + . . . + ann x2n + a1 x1 + . . . + an xn + a ,
amb algun coeficient aji no nul.
qn1 . . . qnn xn xn
UPC
Proposició 4.27 ~q(~x) = X t QX és una forma quadràtica en la base B = {~e1 , . . . , ~en }.
ETSEIAT
~q és no nul.la i s’anomena forma quadràtica associada a la varietat quadràtica q(x) = 0.
Observació 4.28 Si els coeficients de l’equació són enters i algun dels coeficients dels
termes quadràtics creuats o lineals és senar, es pot multiplicar per 2 abans l’equació.
Exemple 4.32 Donada la referència R0 = {(1, 1, 1); (1, 2, 1), (2, 1, −2), (−1, 2, −2)} i la quàdrica
anterior, com que el canvi de referència de R0 a Rc ve definit per
0
x 1 1 2 −1 x
UPC y = 1+2 1 2 y0 ,
z 1 1 −2 −2 z0
ETSEIAT
es té que
t
1 2 −1 4 −2 2 1 2 −1 1 1 −6
Q0 = C t QC = 2 1 2 −2 1 −1 2 1 2 = 1 1 −6 ;
1 −2 −2 2 −1 1 1 −2 −2 −6 −6 36
t
1 2 −1 4 −2 2 1 2 6
L0 = C t (QM + L) = 2 1 2 −2 1 −1 1 + 1 = 7;
Rafel Amer
1 −2 −2 2 −1 1 1 0 −12
Vicenç Sales
a0 = q(1, 1, 1) = 4 · 12 + 12 + 12 − 4 · 1 · 1 + 4 · 1 · 1 − 2 · 1 · 1 + 4 · 1 + 2 · 1 = 10 .
Per tant, l’equació de la quàdrica en la referència R0 és
Pàgina 122 de 150 x0 2 + y 0 2 + 36z 0 2 + 2x0 y 0 − 12x0 z 0 − 12y 0 z 0 + 12x0 + 14y 0 − 24z 0 + 10 = 0 .
• Q0 és diagonal si, i només si, la nova base B 0 és conjugada (de ~q).
• L0 = 0 si, i només si, QM + L = 0 (ja que C és regular).
• a0 = 0 si, i només si, el nou origen O0 pertany a la varietat quadràtica.
Definició 4.33 Diem centres d’una varietat quadràtica a les solucions del sistema lineal
QX + L = 0 .
Direm que la varietat quadràtica és amb centre si té centres; i sense centre si no en té.
Observació 4.34 Considerem ara una varietat quadràtica amb centre q(x) = 0.
• Sigui B ∗ = {~e1∗ , . . . , ~ek∗ , ~ek+1 en∗ } una base conjugada de ~q –en la que la matriu diagonal
∗ , .. . ,~
té, doncs, k uns i menys uns primer i n − k zeros després a la diagonal principal–.
• I sigui O∗ un centre qualsevol de la varietat quadràtica.
ETSEIAT Teorema 4.36 L’equació afı́ reduı̈da en tota referència conjugada és
(
∗2 ∗2 ∗ 2 ∗ 2 1 , si O∗ no pertany a la varietat quadràtica;
x1 + . . . + xr − xr+1 − . . . − xr+s =
0 , si O∗ sı́ pertany a la varietat quadràtica.
Exemple 4.37 La quàdrica d’abans té com a base conjugada de la seva part quadràtica a
∗ 1
B = (1, 0, 0), (1, 2, 0), (1, 0, −2) ,
2
Rafel Amer com hem vist a la secció anterior. I és sense centre per ser incompatible el sistema lineal
Vicenç Sales 4 −2 2 x 2 0 4 −2 2 −2
−2 1 −1 y + 1 = 0 ' −2 1 −1 −1 .
Pàgina 123 de 150 2 −1 1 z 0 0 2 −1 1 0
Observació 4.38 Observem que els casos
x∗1 2 + x∗2 2 = 0 , x∗1 2 − x∗2 2 = 0 , x∗1 2 = 1 , −x∗1 2 = 1 i x∗1 2 = 0
corresponen a parells d’hiperplans estrictament secants imaginaris, estrictament secants
reals, estrictament paral.lels reals, estrictament paral.lels imaginaris i iguals respectius
) ) ) ) )
x∗1 + x∗2 i = 0 x∗1 + x∗2 = 0 x∗1 = 1 x∗1 = i x∗1 = 0
, , , i .
x∗1 − x∗2 i = 0 x∗1 − x∗2 = 0 x∗1 = −1 x∗1 = −i x∗1 = 0
Definició 4.39 Les varietats quadràtiques que són parells d’hiperplans es diuen dege-
nerades; i les que no ho són, no degenerades.
UPC
Sigui O∗ un centre qualsevol d’una varietat quadràtica amb centre q(x) = 0.
ETSEIAT
Teorema 4.40 (a) q(x) = 0 és un parell d’hiperplans secants si, i només si,
rg ~q = 2 i O∗ hi pertany.
(b) q(x) = 0 és un parell d’hiperplans paral .lels si, i només si,
rg ~q = 1 i O∗ no hi pertany.
(c) q(x) = 0 és un parell d’hiperplans iguals si, i només si,
Rafel Amer rg ~q = 1 i O∗ hi pertany.
Vicenç Sales
Pàgina 124 de 150 Exemple 4.41 La quàdrica dels exemples anteriors és no degenerada per ser sense centre.
En diagonalitzar la part quadràtica l’origen no canvia i, per tant, L∗ = C t (Q · 0 + L) = C t L.
Observació 4.42 Considerem ara una varietat quadràtica sense centre q(x) = 0.
Llavors hi ha algun coeficient lineal no nul –que, reordenant, podem suposar que és ln∗ –.
Observació 4.43 • Sigui B ∗∗ la nova base conjugada obtinguda substituint cada vector
~ei∗ tal que li∗ sigui no nul –per a i = k + 1, . . . , n − 1– i el vector ~en∗ pels vectors respectius
~ei∗∗ = ln∗~ei∗ − li∗~en∗ i ~en∗∗ = |2l1∗ | ~en∗ .
n
• I sigui O∗∗ un punt de la varietat quadràtica tal que L∗∗ = C ∗ t (QX + L) tingui nuls tots
els seus coeficients excepte l’anterior –amb C ∗ matriu de canvi de base de B ∗∗ a B–.
• La referència R∗∗ = {O∗∗ ; B ∗∗ } es diu conjugada.
• I l’equació següent amb l’xn∗∗ aı̈llada, afı́ reduı̈da.
1 3
Vicenç Sales 0, − 2 , − 2 . Per tant, una referència conjugada i l’equació afı́ reduı̈da respectives són
1 3 1 1
∗∗
R = 0, − , − ; (1, 0, 0), (−1, 2, 4), (1, 0, −2) i z ∗∗ = −x∗∗ 2 .
Pàgina 125 de 150
2 2 2 4
• A R2 i R3 els diferents casos reben un nom especial, que es coneix com a tipus.
• I classificar afinment una varietat quadràtica és donar una referència conjugada i
l’equació afı́ reduı̈da –i, a R2 i R3 , el tipus–.
Ens limitem a les varietats quadràtiques reals (en aquest quadre i el següent, de vermell).
Rafel Amer Exemple 4.46 Per tant, en definitiva, tenim que la quàdrica dels exemples anteriors és el
Vicenç Sales cilindre parabòlic de referència conjugada i equació afı́ reduı̈da respectives
1 3 1 1
∗∗
R = 0, − , − ; (1, 0, 0), (−1, 2, 4), (1, 0, −2) i z ∗∗ = −x∗∗ 2 .
Pàgina 126 de 150 2 2 2 4
Formes quadràtiques de l’espai vectorial euclidià
Observació 4.47 Treballarem en bases ortonormals. Per tant, si la base inicial és no
ortonormal caldrà fer prèviament un canvi de base a una altra ortonormal.
Exemple 4.49 Considerem la base B 0 = {(1, 2, 1), (2, 1, −2), (−1, 2, −2)} i la forma quadràtica
~q que en aquesta base B 0 ve donada per
2 2 2
~q(~x) = x0 + y 0 + 36z 0 + 2x0 y 0 − 12x0 z 0 − 12y 0 z 0 .
Aleshores, com que la matriu de canvi de base de la base canònica Bc a la base B 0 és
−1
UPC 1 2 −1 2 6 5
1
C =2 1 2 = 6 −1 −4
ETSEIAT 19
1 −2 −2 −5 4 −3
i la matriu de ~q en la base B 0
1 1 −6
Q0 = 1 1 −6 ,
−6 −6 36
es té que la seva matriu en la base canònica Bc és
t
2 6 5 1 1 −6 2 6 5 4 −2 2
1 1
Rafel Amer
Q = C t Q0 C = 6 −1 −4 1 1 −6 6 −1 −4 = −2 1 −1
19 19
Vicenç Sales −5 4 −3 −6 −6 36 −5 4 −3 2 −1 1
i, en conseqüència, l’expressió de ~q en la base canònica Bc és
Pàgina 127 de 150
~q(~x) = 4x2 + y 2 + z 2 − 4xy + 4xz − 2yz .
En particular, en els canvis ortogonals de bases es té que
Q0 = C −1 QC
i, per tant, tots els conceptes que eren invariants per canvis de base en les transformacions
lineals ho seran també en els canvis ortogonals de base de formes quadràtiques.
Proposició 4.50 El polinomi caracterı́stic de totes les matrius d’una forma quadràtica
respecte d’una base ortonormal és el mateix.
Observació 4.51 Si les arrels d’un polinomi són totes reals aleshores el nombre d’arrels
estrictament positives seves coincideix amb el nombre de canvis de signe entre coeficients
consecutius no nuls del polinomi.
Com que les arrels del polinomi caracterı́stic són els valors propis, tenim aquest resultat.
UPC
ETSEIAT Teorema 4.52 El nombre de valors propis estrictament positius és igual al nombre de
canvis de signe entre coeficients consecutius no nuls del polinomi caracterı́stic.
Exemple 4.56 En la forma quadràtica ~q dels exemples precedents, com que hi ha dues
Rafel Amer x que es poden treure factor comú del polinomi caracterı́stic, tenim que hi ha dos valors
Vicenç Sales
propis nuls. I com hem vist ja que hi ha 1 valor propi estrictament positiu, es té que hi ha
3−2−1=0
Pàgina 129 de 150 valors propis estrictament negatius i, en conseqüència, ~q és semidefinida positiva.
El fet que la fórmula del canvi ortogonal de base sigui la mateixa en les formes
quadràtiques i les transformacions lineals simètriques permet trobar, a partir de la matriu
simètrica Q, una matriu diagonal D i una matriu ortogonal de canvi de base C tals que
D = C t QC = C −1 QC .
UPC
Observació 4.58 L’expressió euclidiana reduı̈da anterior és
~q(~x) = λ1 x∗1 2 + . . . + λn x∗n 2 ,
ETSEIAT
essent λ1 , . . . , λn els valors propis.
Exemple 4.59 Com que és clar que la descomposició factorial del polinomi caracterı́stic
de la forma quadràtica ~q és
−x3 + 6x2 = −x2 (x − 6) ,
Rafel Amer es dedueix que els valors propis són
Vicenç Sales
6 (simple) i 0 (doble)
i, en conseqüència, l’expressió euclidiana reduı̈da és
Pàgina 130 de 150 ~q(~x) = 6x∗ 2 .
Observació 4.60 Com que estem diagonalitzant ortogonalment, la base ortonormal de
diagonalització és una base ortonormal de vectors propis, que s’obté com en les transfor-
macions lineals simètriques.
Observació 4.61 Classificar euclidianament una forma quadràtica no nul.la és donar
el tipus, una base principal i l’expressió euclidiana reduı̈da.
Exemple 4.62 En la forma quadràtica ~q anterior, el subespai propi de valor propi 6 és
−2 −2 2 0 −2 −2 2 0 −2 −2 2 0
V6 : −2 −5 −1 0 ' 0 −3 −3 0 ' 0 −3 −3 0 ,
2 −1 −5 0 F2 ∼F2 −F1 0 −3 −3 0 F ∼F −F 0 0 0 0
F3 ∼F3 +F1 3 3 2
que té solució x = 2z i y = −z i, per tant, una base seva és {(2, −1, 1)}.
A més, el subespai propi de valor propi 0 és
UPC
4 −2 2 0 4 −2 2 0
ETSEIAT V0 : −2
1 −1 0 '0 0 0 0 ,
2 −1 1 0 F2 ∼2F2 +F1 0 0 0 0
F3 ∼2F3 −F1
que té solució z = −2x + y i, per tant, una base seva és {(1, 0, −2), (0, 1, 1)}.
Aleshores, aplicant el mètode d’ortogonalització de Gram–Schmidt a aquests vectors tenim:
0
~v1 = (1, 0, −2) ;
0 (1,0,−2)·(0,1,1)
(1, 0, −2) = (0, 1, 1) − − 52 (1, 0, −2) = 15 (2, 5, 1) ' (2, 5, 1) .
~v2 = (0, 1, 1) − (1,0,−2)·(1,0,−2)
Rafel Amer I normalitzant els tres vectors propis tenim que, en definitiva, ~q és la forma quadràtica
Vicenç Sales semidefinida positiva de base principal i expressió euclidiana reduı̈da respectives
1 1 1
∗
B = √ (2, −1, 1), √ (1, 0, −2), √ (2, 5, 1) i ~q(~x) = 6x∗ 2 .
Pàgina 131 de 150 6 5 30
Podem considerar la forma quadràtica ~q de Rn com el conjunt de vectors de Rn+1 tals que
xn+1 = ~q(~x) .
Aixı́, a l’esquema següent se suposa que a > 0 i b > 0 en el cas euclidià (el vectorial
correspon a a = b = 1) i els gràfics que hi ha són els corresponents als primers casos de
cada equació, tenint en compte que els dels segons són els mateixos però cap per avall.
Definida positiva z ∗ = a x∗ 2 + b y ∗ 2
Definida negativa z ∗ = −a x∗ 2 − b y ∗ 2
Semidefinitiva positiva z ∗ = a x∗ 2
UPC
Semidefinida negativa z ∗ = −a x∗ 2
ETSEIAT
z ∗ = a x∗ 2 − b y ∗ 2
Indefinida
z ∗ = −a x∗ 2 + b y ∗ 2
Rafel Amer
Vicenç Sales Exemple 4.64 El conjunt de vectors de R4 corresponent a l’expressió reduı̈da de la forma
quadràtica ~q dels exemples anteriors és el donat per
Pàgina 132 de 150
t∗ = 6x∗ 2 .
Varietats quadràtiques de l’espai afı́ euclidià
1 4 13 1 4
Vicenç Sales − 12 · − 19 · 19 + 12 · − 19 + 14 · − 19 − 24 · 19 + 10 = 0 .
En conseqüència, l’equació de la quàdrica en la referència canònica Rc és
Pàgina 133 de 150
4x2 + y 2 + z 2 − 4xy + 4xz − 2yz + 4x + 2y = 0 .
Definició 4.68 Diem varietat de simetria a tota varietat lineal tal que el simètric de tot
punt de la varietat quadràtica respecte d’ella pertanyi també a la varietat quadràtica.
En particular, si és un punt o una recta en diem centre o eix de simetria, respectivament.
Proposició 4.69 (a) Un punt és un centre de simetria si, i només si, és un centre.
(b) La intersecció de varietats de simetria estrictament secants és varietat de simetria.
Els eixos de simetria són intersecció de n − 1 hiperplans de simetria; i els centres, de n.
~ és vector propi de valor propi 0 i tots els vectors anteriors són associats i propis.
A més, w
Definició 4.71 Diem vèrtex a la intersecció d’un eix de simetria i la varietat quadràtica.
UPC Exemple 4.72 La quàdrica d’abans és sense centre per ser incompatible el sistema lineal
ETSEIAT
4 −2 2 x 2 0 4 −2 2 −2
−2 1 −1 y + 1 = 0 ' −2 1 −1 −1 .
2 −1 1 z 0 0 2 −1 1 0
A més, com hem vist a la secció anterior, l’únic valor propi no nul és el 6, que té com a
vector propi corresponent el (2, −1, 1). Per tant, w ~ = ~v ∧ ~l = (2, −1, 1) ∧ (2, 1, 0) = (−1, 2, 4) i
obtenim l’eix de simetria donat per la intersecció dels dos plans de simetria següents:
) ) )
(2, −1, 1) · [6(x, y, z) + (2, 1, 0)] = 0 12x − 6y + 6z + 3 = 0 x = − 13 − 2z
' =⇒ .
Rafel Amer
(−1, 2, 4) · (x, y, z) = 0 −x + 2y + 4z = 0 y = − 16 − 3z
17 17
Vicenç Sales
I substituint x i y a l’equació de la quàdrica queda −14z − 12 = 0. Per tant, z = − 168 , d’on
x = − 11 23
84 i y = − 168 i el vèrtex és
11 23 17
Pàgina 134 de 150 − , ,− .
84 168 168
Observació 4.73 Considerem ara una varietat quadràtica amb centre q(x) = 0.
• Sigui B ∗ = {~e1∗ , . . . , ~ek∗ , ~ek+1 en∗ } una base principal de ~q en la que la matriu diagonal
∗ , .. . ,~
UPC
ETSEIAT
Rafel Amer
Exemple 4.76 La quàdrica d’abans té com a base principal de la seva part quadràtica a
Vicenç Sales
∗ 1 1 1
B = √ (2, −1, 1), √ (1, 0, −2), √ (2, 5, 1) ,
6 5 30
Pàgina 135 de 150
com hem vist a la secció anterior.
Observació 4.77 Considerem ara una varietat quadràtica sense centre q(x) = 0.
∗∗ , . . . , ~
• Si {~ek+1 ∗∗ } és una base ortonormal de h~
en−1 e1∗ , . . . , ~ek∗ , ~li ⊥ i ~en∗∗ = ±~e1∗∗ ∧ . . . ∧~en−1
∗∗ llavors
Observació 4.78 Observem que el procés anterior de modificar la base principal només
cal fer-lo per a les varietats quadràtiques sense centre de valor propi 0 múltiple.
Exemple 4.81 Com que ~v ∧ (~v ∧ ~l) = (2, −1, 1) ∧ (−1, 2, 4) = (−2, −3, 1) i l’equació és
h i √
Rafel Amer
6x∗∗ 2 + 2 · √114 (−2, −3, −1) · (2, 1, 0) z ∗∗ = 6x∗∗ 2 − 14z ∗∗ = 0 ,
aı̈llant z ∗∗ , s’obtenen la referència principal i l’equació euclidiana reduı̈da respectives
Vicenç Sales
√
∗∗ 11 23 17 1 1 1 ∗∗ 3 14 ∗∗ 2
R = − , ,− ; √ (2, −1, 1), √ (−1, 2, 4), √ (−2, −3, 1) i z = x .
Pàgina 136 de 150 84 168 168 6 21 14 7
Definició 4.82 Les varietats quadràtiques no degenerades amb valors propis no nuls
iguals es diuen de revolució o circulars.
Definició 4.83 Les esferes són varietats quadràtiques amb tots els valors propis iguals.
UPC Proposició 4.84 Les esferes són varietats quadràtiques no degenerades amb centre
l1 ln
ETSEIAT − ,...,− .
λ λ
Com que Q = CDC −1 = C(λI)C −1 = λI, l’equació en qualsevol referència euclidiana R és
λx1 2 + . . . + λxn 2 + 2l1 x1 + . . . + 2ln xn + a = 0 .
Rafel Amer
Observació 4.85 Són, per tant, les de coeficients quadràtics purs iguals i creuats nuls.
Vicenç Sales
Pàgina 137 de 150 Exemple 4.86 La quàdrica d’abans no és de revolució per ser cilindre parabòlic.
Classificar euclidianament una varietat quadràtica és donar una referència principal i
l’equació euclidiana reduı̈da –i, a R2 i R3 , el tipus–, afegint que és de revolució si ho és.
6 6 6
5 5 5
4 4 4
3 3 3
2 2 2
1 1 1
−6 −5 −4 −3 −2 −1 1 2 3 4 5 6 −6 −5 −4 −3 −2 −1 1 2 3 4 5 6 −6 −5 −4 −3 −2 −1 1 2 3 4 5 6
−1 −1 −1
−2 −2 −2
−3 −3 −3
−4 −4 −4
−5 −5 −5
−6 −6 −6
∗∗ x∗∗ 2 x∗ 2 y∗ 2 x∗ 2 ∗2
y = a2 a2
+ =1 b2 a2
− yb2 = 1
paràbola el.lipse real hipèrbola
6 6 6
5 5 5
4 4 4
3 3 3
2 2 2
1 1 1
−6 −5 −4 −3 −2 −1 1 2 3 4 5 6 −6 −5 −4 −3 −2 −1 1 2 3 4 5 6 −6 −5 −4 −3 −2 −1 1 2 3 4 5 6
−1 −1 −1
−2 −2 −2
−3 −3 −3
−4 −4 −4
−5 −5 −5
−6 −6 −6
∗2
x∗ 2 x∗ 2 x∗ 2
a2
− yb2 = 0 =1 a2
=0
a2
rectes secants reals rectes paral.leles reals rectes iguals o recta doble
Aquests i els següents són els gràfics en referència principal de les còniques i quàdriques.
∗∗ 2 ∗∗ 2 ∗2 ∗2 ∗2
x∗ 2 ∗2
x∗ 2 ∗2
x∗ 2
z ∗∗ = x a2 + y b2 a2
+ yb2 + zc2 = 1 a2
+ yb2 − zc2 = 0 − yb2 = 0 a2
paraboloide el.lı́ptic .
el lipsoide real con real plans secants reals
UPC
ETSEIAT ∗∗ 2 ∗∗ 2
x∗ 2 ∗2 ∗2
x∗ 2 ∗2
x∗ 2
z ∗∗ = x a2 − y b2 a2
+ yb2 − zc2 = 1 + yb2 = 1
a2
=1 a2
paraboloide hiperbòlic hiperboloide d’una fulla cilindre el.lı́ptic real plans paral.lels reals
∗∗ 2 ∗2 ∗2
x∗ 2 ∗2
x∗ 2 x∗ 2
z ∗∗ = x a2 a2
− yb2 − zc2 = 1 a2
− yb2 = 1 =0 a2
cilindre parabòlic hiperboloide de dues fulles cilindre hiperbòlic plans iguals o pla doble
Rafel Amer Exemple 4.87 Tenim, en conseqüència, que la quàdrica dels exemples anteriors és el
Vicenç Sales cilindre parabòlic de referència principal i equació euclidiana reduı̈da respectives
√
∗∗ 11 23 17 1 1 1 ∗∗ 3 14 ∗∗ 2
R = − , ,− ; √ (2, −1, 1), √ (−1, 2, 4), √ (−2, −3, 1) i z = x .
Pàgina 138 de 150 84 168 168 6 21 14 7
Mı́nims quadrats
Observació 4.88 Però tenim igualment que tot sistema lineal de m equacions i n
incògnites es pot escriure matricialment també en la forma x1 A1 + . . . + xn An = B:
1
an1
a1 b1
x1 ... + . . . + xn .. = .. .
UPC . .
a1m anm bm
ETSEIAT
a1m anm bm
que notarem igual:
A1 = (a11 , . . . , a1m ), . . . , An = (an1 , . . . , anm ) i B = (b1 , . . . , bm ) .
Proposició 4.90 El sistema lineal AX = B és compatible si, i només si, B és combinació
lineal de A1 , . . . , An .
Això vol dir que resoldre un sistema lineal és equivalent a determinar tots els escalars pels
quals les combinacions lineals dels vectors
A1 , . . . , A n
amb els escalars anteriors són el vector B .
AX − B = ..
,
.
a1m x1 + . . . + anm xn − bm
que notarem igual:
AX − B = (a11 x1 + . . . + an1 xn − b1 , . . . , a1m x1 + . . . + anm xn − bm ) .
Proposició 4.94 El vector error de X és el vector nul si, i només si, X és solució del
UPC sistema lineal AX = B.
ETSEIAT
Exemple 4.95 En el sistema lineal anterior
x + y + z = −5
x−z =8 ,
y + 2z = 4
es té que per a x̄ = 1, ȳ = 0 i z̄ = −1 és
1 1 1 1 −5 0 −5 5
Rafel Amer 1 0 −1 0 − 8 = 2 − 8 = −6
Vicenç Sales
0 1 2 −1 4 −2 4 −6
i, en conseqüència, el vector error és el
Pàgina 141 de 150 (5, −6, −6) .
Definició 4.96 Diem error quadràtic de X = (x̄1 , . . . , x̄n ) en el sistema lineal AX = B a
= k x̄1 A1 + . . . + x̄n An − B k = k AX − B k .
Observem que, al contrari que els anteriors –que eren d’espai vectorial–, el concepte que
acabem d’introduir ara –que fa servir el de norma– és d’espai vectorial euclidià.
Proposició 4.98 L’error quadràtic de l’aproximació X = (x̄1 , . . . , x̄n ) és 0 si, i només si,
X = (x̄1 , . . . , x̄n ) és solució del sistema lineal AX = B.
Això vol dir que trobar les millors solucions és equivalent a determinar tots els escalars
que fan mı́nima la norma del vector error
UPC
k x1 A1 + . . . + xn An − B k = k AX − B k .
ETSEIAT
Per tant, els valors que minimitzen l’error quadràtic són els coeficients de la combinació
lineal que apareixen en el càlcul de la projecció ortogonal de B sobre el subespai vectorial
generat per A1 , . . . , An .
Observació 4.102 Obenim aixı́, una nova versió equivalent de la interpretació euclidi-
ana de la resolució de sistemes lineals.
El procés per determinar els valors anteriors s’anomena mètode dels mı́nims quadrats.
Teorema 4.103 Les millors solucions del mètode dels mı́nims quadrats del sistema lineal
AX = B són les solucions del sistema lineal compatible
At AX = At B .
I aquest sistema lineal At AX = At B és compatible determinat si, i només si,
rg A = n .
Això permet trobar l’error quadràtic comú a totes elles tan sols calculant l’error quadràtic
d’una qualsevol.
Proposició 4.107 Un sistema lineal AX = B és compatible si, i només si, l’error quadràtic
de les solucions obtingudes pel mètode dels mı́nims quadrats és 0.
UPC
ETSEIAT Exemple 4.108 En el sistema lineal anterior, prenent per exemple z = 0, la solució és
7 5
x= , y=− i z = 0.
3 3
En conseqüència, es té que
1 1 1 7 −5 2 −5 17
1 −1 0 · 1 −5 − 8 = 1 7 − 8 = 1 −17
3 3 3
0 2 1 0 4 −5 4 −17
Rafel Amer
i, per tant, l’error quadràtic corresponent a totes les solucions trobades pel mètode dels
mı́nims quadrats és
Vicenç Sales s √
17 2 17 2 17 2 17 3
17 17 17
= ,− ,− = + − + − = .
Pàgina 144 de 150 3 3 3 3 3 3 3
Llocs geomètrics de l’espai afı́ i de l’espai afı́ euclidià
Considerem l’espai afı́.
Observació 4.109 Els conjunts de punts de l’espai afı́ que satisfan certes propietats
geomètriques es coneixen com a llocs geomètrics.
Els llocs geomètrics venen determinats per certes equacions que verifiquen les coordena-
des dels seus punts.
Observació 4.110 Per comoditat, ens referirem als llocs gomètrics directament a partir
de les seves equacions.
Teorema 4.111 El lloc geomètric dels punts que pertanyen a algun dels hiperplans és
(A1 x1 + . . . + An xn + A0 )(A01 x1 + . . . + A0n xn + A00 ) = 0 .
Observació 4.112 Els llocs geomètric anteriors són, doncs, els parells d’hiperplans reals.
Definició 4.114 Es diu que aquests hiperplans són asimptòtics a la varietat quadràtica.
Les interseccions dels hiperplans són centres de la varietat que, per tant, és amb centre.
Proposició 4.115 q(x) = 0 té hiperplans asimptòtics si, i només si, té equació afı́ reduı̈da
x∗1 2 − x∗2 2 = 1 .
• A R2 aquestes varietats quadràtiques són les hipèrboles i les rectes es diuen ası́mptotes.
• I a R3 són els cilindres hipèrbòlics.
Teorema 4.116 Si O∗ és un centre d’una varietat amb centre q(x) = 0 amb hiperplans
asimptòtics aleshores el seu parell d’hiperplans asimptòtics és la varietat d’equació
q(x) − q(O∗ ) = 0 .
Considerem a partir d’ara l’espai afı́ euclidià en tot el que resta de secció.
Proposició 4.117 q(x) = 0 té hiperplans asimptòtics si, i només si, té equació euclidiana
UPC reduı̈da
x∗1 2 x∗2 2
ETSEIAT
− 2 = 1.
a2 b
Les varietats q(x) = 0 amb hiperplans asimptòtics perpendiculars es diuen equilàteres.
Teorema 4.125 (a) El lloc geomètric dels punts tals que la suma de les distàncies a F i
F 0 és k és
x1∗ 2 x2∗ 2 x∗ 2
2
+ 2 + . . . + n2 = 1 ;
a b b
(b) les coordenades dels focus són
(c, 0, (n−1)
. . . , 0) i (−c, 0, (n−1)
. . . , 0) .
• La referència anterior és principal; i l’equació, euclidiana reduı̈da.
• En particular, a R2 tenim el.lipses reals; i a R3 , el.lipsoides reals de revolució.
• I fent un canvi de referència, es pot trobar l’equació en qualsevol referència.
UPC
Definició 4.126 La propietat geomètrica del lloc geomètric es diu definició mètrica.
ETSEIAT
Exemple 4.127 Considerem el lloc geomètric dels punts tals que la suma de les distàncies
a (0, 1, 0) i (2, 3, 0) és 4, Llavors, com que (2, 3, 0) − (0, 1, 0) = (2, 2, 0) ' (1, 1, 0), podem agafar
un vector ortogonal a aquest com el (−1, 1, 0) i el producte vectorial de tots dos (1, 1, 0) ∧
(−1, 1, 0) = (0, 0, 2) i normalitzar-los i el punt mig 0+2 1+3 0+0
2 , 2 , 2 = (1, 2, 0) dels punts i tenim
1 1
R∗ = (1, 2, 0); √ (1, 1, 0), √ (−1, 1, 0), (0, 0, 1) .
2 2
Rafel Amer I com que el semieix major és a = 42 = 2, la semidistància focal c = d[(1, 2, 0), (2, 3, 0)] =
√ √ 2 √
q
p
Vicenç Sales (2 − 1) + (3 − 2) + (0 − 0) = 2 i el semieix menor b = 22 − 2 = 2, l’equació queda
2 2 2
x∗ 2 y∗ 2 z ∗ 2
Pàgina 148 de 150 + + = 1.
4 2 2
• Siguin F i F 0 dos punts de Rn i k > 0 un escalar √ tals que k < d(F, F 0 ).
• Definim a = k2 , c = d(F, O∗ ) = d(F 0 , O∗ ) i b = c2 − a2 . Per tant, tenim que
k = 2a i c2 = a2 + b2 .
Teorema 4.129 (a) El lloc geomètric dels punts tals que el valor absolut de la diferència
de les distàncies a F i F 0 és k és
x1∗ 2 x2∗ 2 xn∗ 2
− − . . . − = 1;
a2 b2 b2
(b) les coordenades dels focus són
(c, 0, (n−1)
. . . , 0) i (−c, 0, (n−1)
. . . , 0) .
ETSEIAT Definició 4.130 La propietat geomètrica del lloc geomètric es diu definició mètrica.
Teorema 4.133 Segons quin sigui el sentit del vector associat ~en∗∗ , es té, respectivament:
(a) el lloc geomètric dels punts que equidisten de F i de D és
x ∗∗ 2 x ∗∗ 2 x ∗∗ 2 x ∗∗ 2
xn∗∗ = 1 + . . . + n−1 o xn∗∗ = − 1 − . . . − n−1 ;
2p 2p 2p 2p
(b) les coordenades del focus són p p
0, (n−1)
. . . , 0, o 0, (n−1)
... ,0 − ;
2 2
(c) l’equació de l’hiperplà directriu és
p p
x∗∗
n =− o x∗∗
n = .
2 2
• La referència anterior és principal; i l’equació, euclidiana reduı̈da.
• En particular, a R2 tenim paràboles; i a R3 , paraboloides el.lı́ptics de revolució.
UPC • I fent un canvi de referència, es pot trobar l’equació en qualsevol referència.
ETSEIAT Definició 4.134 La propietat geomètrica del lloc geomètric es diu definició mètrica.