5 Un
\term{determinant
}\index{determinant
} el nombre, que es calcula segons determinades regles, associat a una disposici\'
{o
} de nombres escrits en forma d'$n$ fileres i $n$ columnes. El tamany del determinant, és a dir, el nombre de fileres (o de columnes) s'anomena
\term{ordre
}\index{ordre!determinant
}. Alguns exemples d'aquesta disposici\'
{o
} s\'
{o
}n les expressions seg\"
{u
}ents:
%
12 \right\vert ,
\text{ }\left\vert
21 En aquest cas, el primer determinant té ordre $
2$ i el segon determinant té ordre $
3$.
23 En general, un determinant d'ordre $n$ tendrà una expressió de l'estil
28 a_
{11} & a_
{12} &
\ldots & a_
{1n
} \\
29 a_
{21} & a_
{22} &
\ldots & a_
{2n
} \\
30 \ldots &
\ldots &
\ldots &
\ldots \\
31 a_
{n1
} & a_
{n2
} &
\ldots & a_
{nn
}%
36 on cada $a_
{ij
}$ és un nombre, amb $i=
1,
\ldots,n$ i $j=
1,
\ldots,n$.
39 A continuació veurem com es calculen aquests valors numèrics associats a cadascuna d'aquestes expressions. Com pareix natural, aquests valors dependran de l'ordre del determinant.
41 \section{Càlcul de determinants
}
44 \item[Ordre
1] El determinant d'ordre
1 és el propi element que el constitueix:
47 \left\vert a
\right\vert = a
50 \item[Ordre
2] Es calculen mitjançant la regla següent:
57 \right\vert =a_
{11} \cdot a_
{22}-a_
{12} \cdot a_
{21}
67 \right\vert =
3\text{$
\cdot $
}(-
1)-(-
5)
\text{$
\cdot $
}2=-
3+
10=
7
71 Observem que el que va precedit del signe positiu és aquell que s'aconsegueix multiplicant els nombres en
{\em sentit dret
}. En canvi, el terme precedit pel signe negatiu s'obté multiplicant els dos nombres en
{\em sentit esquerre
}.
73 \item[Ordre
3] Es calculen mitjançant la regla de Sarrus
75 \begin{algorithm
}[regla de Sarrus
]\label{alg:regla-de-Sarrus
}\index{regla!de Sarrus
}
80 a_
{11} & a_
{12} & a_
{13} \\
81 a_
{21} & a_
{22} & a_
{23} \\
82 a_
{31} & a_
{32} & a_
{33}%
84 \right\vert & = a_
{11}\cdot a_
{22}\cdot a_
{33}+a_
{12}\cdot a_
{23}\cdot a_
{31}+a_
{21}\cdot a_
{32}\cdot a_
{13} \\
85 &
\quad -a_
{13}\cdot a_
{22}\cdot a_
{31}-a_
{12}\cdot a_
{21}\cdot a_
{33}-a_
{23}\cdot a_
{32}\cdot a_
{11}
90 De la mateixa manera que per als determinants d'ordre
2, els termes del determinant que es calculen multiplicant els nombre en
{\em sentit dret
} van precedits de signe positiu i tenen signe negatiu els que provénen de multiplicacions de nombres
{\em en sentit esquerre
}. Gr\`
{a
}ficament (
\autoref{fig:sarrus
}):
94 % pàgina 434 de Manual de TikZ
95 % No funciona si no és amb això: http://tex.stackexchange.com/questions/271301/tikz-matrix-does-not-allow-me-to-draw-line-between-nodes/271303#271303
97 dot/.style=
{inner sep=
0pt,minimum size=
2pt,fill=black,circle
},
98 ring/.style=
{inner sep=
0pt,minimum size=
5pt,draw,circle
}]
101 \matrix (A)
[matrix of math nodes,
102 left delimiter=
\lvert,
103 right delimiter=
\rvert,
104 column sep=
4pt,row sep=
4pt
] at (
0,
0)
106 |
[ring
]| & |
[dot
]| & |
[dot
]| \\
107 |
[dot
]| & |
[ring
]| & |
[dot
]| \\
108 |
[dot
]| & |
[dot
]| & |
[ring
]| \\
110 \draw[thick,red,->
] (A-
1-
1) -- (A-
2-
2) -- (A-
3-
3);
112 \matrix (B)
[matrix of math nodes,
113 left delimiter=
\lvert,
114 right delimiter=
\rvert,
115 column sep=
4pt,row sep=
4pt
] at (
70pt,
0)
117 |
[dot
]| & |
[ring
]| & |
[dot
]|\\
118 |
[dot
]| & |
[dot
]| & |
[ring
]|\\
119 |
[ring
]| & |
[dot
]| & |
[dot
]| \\
122 \draw[thick,red,->
] (B-
1-
2) -- (B-
2-
3) -- (B-
3-
1);
124 \matrix (C)
[matrix of math nodes,
125 left delimiter=
\lvert,
126 right delimiter=
\rvert,
127 column sep=
4pt,row sep=
4pt
] at (
140pt,
0)
129 |
[dot
]| & |
[dot
]| & |
[ring
]|\\
130 |
[ring
]| & |
[dot
]| & |
[dot
]|\\
131 |
[dot
]| & |
[ring
]| & |
[dot
]| \\
134 \draw[thick,red,->
] (C-
1-
3) -- (C-
2-
1) -- (C-
3-
2);
136 \matrix (X)
[matrix of math nodes,
137 left delimiter=
\lvert,
138 right delimiter=
\rvert,
139 column sep=
4pt,row sep=
4pt
] at (
210pt,
0)
141 |
[dot
]| & |
[dot
]| & |
[ring
]|\\
142 |
[dot
]| & |
[ring
]| & |
[dot
]|\\
143 |
[ring
]| & |
[dot
]| & |
[dot
]| \\
146 \draw[thick,blue,->
] (X-
1-
3) -- (X-
2-
2) -- (X-
3-
1);
148 \matrix (Y)
[matrix of math nodes,
149 left delimiter=
\lvert,
150 right delimiter=
\rvert,
151 column sep=
4pt,row sep=
4pt
] at (
280pt,
0)
153 |
[dot
]| & |
[ring
]| & |
[dot
]|\\
154 |
[ring
]| & |
[dot
]| & |
[dot
]|\\
155 |
[dot
]| & |
[dot
]| & |
[ring
]| \\
158 \draw[thick,blue,->
] (Y-
1-
2) -- (Y-
2-
1) -- (Y-
3-
3);
160 \matrix (Z)
[matrix of math nodes,
161 left delimiter=
\lvert,
162 right delimiter=
\rvert,
163 column sep=
4pt,row sep=
4pt
] at (
350pt,
0)
165 |
[ring
]| & |
[dot
]| & |
[dot
]|\\
166 |
[dot
]| & |
[dot
]| & |
[ring
]|\\
167 |
[dot
]| & |
[ring
]| & |
[dot
]|\\
170 \draw[thick,blue,->
] (Z-
1-
1) -- (Z-
2-
3) -- (Z-
3-
2);
173 \node [right=
10pt
] at (A.east)
{$+$
};
174 \node [right=
10pt
] at (B.east)
{$+$
};
175 \node [right=
10pt
] at (C.east)
{$-$
};
176 \node [right=
10pt
] at (X.east)
{$-$
};
177 \node [right=
10pt
] at (Y.east)
{$-$
};
179 \caption{Regla pnemotècnica per a recordar la regla de Sarrus
}
192 \right\vert & =
1 \cdot 2 \cdot (-
2) +
5 \cdot 0 \cdot (-
1) + (-
3)
\cdot 3 \cdot 4\\
193 &
\quad -(-
3)
\cdot 2 \cdot (-
1) -
5 \cdot 3 \cdot (-
2) -
1 \cdot 0 \cdot 4 \\
194 & = -
4 +
0 -
36-
6+
30-
0\\
200 \item[Ordre $
\geq 4$
] Per a calcular els determinants d'ordre superior a
3 ens fan falta alguns conceptes que veure més endavant (vegeu
\autoref{seccio:adjunt-determinant
}).
204 \begin{exercise
} Calculeu els determinants següents:
206 \begin{enumerate
}[label=
\emph{\alph*
})
]
208 \item \begin{equation*
}
217 \item \begin{equation*
}
227 \item \begin{equation*
}
237 \item \begin{equation*
}
246 \item \begin{equation*
}
256 \item \begin{equation*
}
266 \item \begin{equation*
}
276 \item \begin{equation*
}
285 \item \begin{equation*
}
297 \begin{solution*
}\begin{enumerate*
}[label=
\emph{\alph*
})
]
298 \item $
5$,
\item $-
7$,
\item $
15$,
\item $
30$,
\item $-
40$,
\item $
68$,
\item $-
8x^
2 -
7x -
35$,
\item $-
26x^
2 -x +
21$,
\item $x^
3+
3x^
2$.
303 \section{Càlcul de determinants d'ordre superior a
3}
305 \subsection{Adjunt d'un element d'un determinant
}\label{seccio:adjunt-determinant
}
307 \begin{definition
}[menor complementari
]\index{menor!complementari
} Donat un determinant, el
\term{menor complementari
} d'un element qualsevol és el determinant que resulta de suprimir la filera i la columna a les quals pertany aquest element.
310 \begin{example
} Donat el determinant següent:
321 El menor complementari de l'element que ocupa la filera $
3$ i la columna $
2$ (és a dir, el nombre $
2$) és:
331 donat que hem llevat la tercera filera i la segona columna.
334 \begin{definition
}[adjunt
] S'anomena
\term{adjunt
}\index{adjunt
} d'un element al menor complementari precedit del signe $+$ o $-$ segons l'esquema següent:
346 De forma compacte, el signe de l'element $a_
{ij
}$ és $(-
1)^
{i+j
}$, on $i$, $j$ indiquen, respectivament, la filera i la columna d'aquest element dins el determinant. Això vol dir que si la suma $i+j$ és parell, aleshores el signe de l'adjunt serà positiu, i si $i+j$ és senar, aleshores l'adjunt tendrà signe negatiu.
350 A l'exemple anterior, l'adjunt del $
2$ \'
{e
}s
%
360 el valor del qual \'
{e
}s $-
27$.
364 Calculeu l'adjunt de l'element central i de l'element $a_
{13}$ del determinant
%
376 \subsection{Càcul dels determinants d'ordre
4 o superior
}
378 Per al càlcul de determinants d'ordre
4 o majors s'utilitza el
\term{desenvolupament
}\index{desenvopulament d'un determinant
} per una filera o una columna, que consisteix en calcular un determinant d'ordre $n$ a partir de $n$ determinants d'ordre $n-
1$. Les passes a seguir són les següents:
380 \begin{algorithm
}[desenvolupament d'un determinant
]\hfill%
383 \item Es tria una filera o columna qualsevol (la tria és arbitrària)
384 \item El resultat del determinant és la suma dels adjunts dels elements d'aquesta filera pels seus adjunts
387 És a dir, si tenim un determinant d'ordre $n$:
391 a_
{11} & a_
{12} &
\ldots & a_
{1n
} \\
392 a_
{21} & a_
{22} &
\ldots & a_
{2n
} \\
393 \ldots &
\ldots &
\ldots &
\ldots \\
394 a_
{n1
} & a_
{n2
} &
\ldots & a_
{nn
}%
398 aleshores el seu desenvolupament per la primer filera seria
400 a_
{11} \cdot \Delta_{11} + a_
{12} \cdot \Delta_{12} + a_
{13} \cdot \Delta_{13} + a_
{14} \cdot \Delta_{14} +
\ldots + a_
{1n
} \cdot\Delta_{1n
},
402 on $
\Delta_{ij
}$ denota l'adjunt de l'element $a_
{ij
}$.
406 \begin{example
} Calcularem el valor del determinant seg\"
{u
}ent desenvolupant-lo per la quarta columna:
416 \right\vert & =-
3 \cdot \left( -
\left\vert
422 \right\vert \right) +
1 \cdot \left(
\left\vert
428 \right\vert \right) \\
429 &
\quad +
0 \cdot \left( -
\left\vert
435 \right\vert \right) +
3 \cdot \left(
\left\vert
441 \right\vert \right) \\
442 & = -
3 \cdot (-
70) +
1 \cdot 28 +
0 +
3 \cdot (-
77)\\
448 Observem que, amb aquest mètode, és convenient triar aquella línea que contengui més zeros, ja que per a aquests no és necessari ni tan sols calcular el seu adjunt.
450 \begin{exercise
} Calculeu el valor dels determinants seg\"
{u
}ents:
453 \begin{enumerate
}[label=
\emph{\alph*
})
]
454 \item \begin{equation*
}
465 \item \begin{equation*
}
479 \begin{enumerate*
}[label=
\emph{\alph*
})
]
480 \item $
2326$,
\item $
0$
486 \section{Propietats dels determinants
}\label{seccio:propietats-dels-determinants
}
488 \begin{definition
}[línia d'un determinant
]S'anomena
\term{línia
}\index{línia d'un determinant
} d'un determinant a qualsevol filera o columna del determinant.
491 Vegem a continuaci\'
{o
} les propietats dels determinants.
494 \item Si un determinant té tots els elements d'una línia qualsevol iguals a zero, el determinant val $
0$.
507 \item\label{item:propietat-
3} Un determinant que t\'
{e
} dues línees paral·leles iguals val $
0$.
520 Això és especialment útil quan el determinant involucra lletres. Per exemple:
%
530 fet que ens estalvia una considerable feina, que de ben segur faríem si calculèssim el valor d'aquest determinant emprant la regla de Sarrus.
532 \item\label{multiplicacio-determinant-escalar-propietat
} Si es multipliquen tots els elements d'una línia d'un determinant per un mateix nombre, el valor del determinant queda
533 multiplicat per aquest nombre.
543 \right\vert =-
16\quad\text{ \ i \
}\quad\left\vert
551 En aquest darrer determinant hem multiplicat tots els elements de la segona filera per $
2$.
553 Aquesta propietat es fa servir per treure factor com\'
{u
} d'un determinant; aquesta operaci\'
{o
} s'ha de fer l\'
{\i}nia a l\'
{\i}nia quan s'aplica m\'
{e
}s d'una vegada a un mateix determinant:
555 \begin{claim
}[extracció de factor comú a un determinant
]\label{nota:extraccio-factor-comu
} Si una línia d'un determinant està multiplicada per un mateix nombre, es pot treure factor comú aquest nombre a fora del determinant. Per exemple:
%
564 \right\vert & =
2 \cdot \left\vert
571 & =
2 \cdot 2 \cdot \left\vert
578 & =
2 \cdot 2 \cdot 2 \cdot \left\vert
589 Després de seguir aquesta regla, el determinant resultant té nombres més petits i, per tant, resulta més fàcil de calcular.
592 \begin{example
}Volem calcular el determinant $
\left\vert
600 Podríem aplicar la regla de Sarrus, però el fet de què el determinant tingui lletres faria que fos molt farragós. Per això intentarem extreure factor comú:
608 \right\vert = a
\cdot \left\vert
623 ja que té dues columnes iguals.
626 \begin{exercise
} Treieu tot el factor com\'
{u
} que es pugui del determinant
%
637 \begin{exercise
}Només treient factor comú, calculeu el valor del determinant
652 \section{Exercicis proposats
}
654 \subsection{Càlcul de determinants
}
656 \begin{exercise
}\label{exercici:det-
1}
657 Calculeu el valor dels determinants següents:
659 \begin{enumerate*
}[label=
\emph{\alph*
})
]
703 \subsection{Resolució d'equacions amb determinants
}
705 Per afrontar aquesta secció és necessari conèixer la resolució d'equacions de primer, de segon grau i de grau major o igual que
3 (vegeu
\autoref{repas-equacions-de-primer-grau
},
\autoref{annex:equacions-segon-grau
} i
\autoref{annex:polinomis
}; concretament
\autoref{example:trobar-arrels-senceres
}).
707 \begin{exercise
}\label{exercici:det-
5} Resoleu les equacions següents:
710 \begin{enumerate
}[label=
\emph{\alph*
})
]
737 \begin{exercise
}\label{exercici:det-
6} Per a quin valor de $x$ s'anul·la el determinant següent?
749 \begin{exercise
}\label{exercici:det-
8} Resoleu l'equació següent:
%
762 \begin{exercise
}\label{exercici:det-
10} Trobeu, en funció de $a$, el valor del determinant
%
775 \begin{exercise
}\label{exercici:det-
11} Trobeu, en funció de $a$, el valor del determinant
%
785 i digueu quan el determinant val
0.
792 \section{Definicions
}
794 \begin{definition
}[matriu
] Una
\term{matriu
}\index{matriu
} és una col·lecció de nombres disposats en fileres i columnes. Es diu
\term{quadrada
}\index{matriu!quadrada
} si aquesta disposició té tantes fileres com columnes; en cas contrari es diu
\term{rectangular
}\index{matriu!rectangular
}.
798 Són exemples de matrius les següents:
%
805 \right) ,
\text{ }\left(
812 La primera és una matriu rectangular i la segona és una matriu
816 \begin{definition
}[ordre d'una matriu
] L'
\term{ordre
}\index{ordre
} d'una matriu és el nombre de fileres i columnes que té, i s'escriu de la forma $n
\times m$, on $n$ és el nombre de fileres i $m$ és el nombre de columnes.
818 De vegades també s'anomena
\term{dimensió
} de la matriu
\index{dimensió
}.
821 En el cas de les matrius quadrades es sol indicar el seu ordre únicament amb el nombre de fileres (o columnes).
824 A l'exemple anterior la primera és d'ordre $
2\times 3$, i la segona és d'ordre $
2\times 2$, o bé, simplement, d'ordre $
2$.
827 En general, una matriu $A$ d'ordre $n
\times m$ tendrà l'aspecte
831 a_
{11} & a_
{12} &
\ldots & a_
{1m
} \\
832 a_
{21} & a_
{22} &
\ldots & a_
{2m
} \\
833 \ldots &
\ldots &
\ldots &
\ldots \\
834 a_
{n1
} & a_
{n2
} &
\ldots & a_
{nm
} \\
838 o bé de forma compacte $A= (a_
{ij
})$ on $i=
1,
\ldots,n$ i $j=
1,
\ldots, m$. Per tant, en últim terme, una matriu d'ordre $n
\times m$ no és res més que una successió de $n
\cdot m$ nombres, que, per diverses raons, s'ha preferit escriure en forma de quadre.
840 \begin{notation
}[conjunt de les matrius
] El conjunt de totes les matrius d'ordre $n
\times m$ s'indica per $
\mathcal{M
}_
{n
\times m
}(
\mathbb{R
})$ o, simplement, $
\mathcal{M
}_
{n
\times m
}$. Si $m=n$, es sol escriure $
\mathcal{M
}_
{n
}$.
\footnote{La raó de tenir $
\mathbb{R
}$ és especificar que les entrades de la matriu pertanyen al conjunt de nombres reals $
\mathbb{R
}$.
}
844 \subsection*
{Tipus de matrius
}
846 \begin{definition
}[matriu nul·la
]Una matriu és
\term{nul·la
}\index{matriu!nul·la
} quan tots els seus elements són iguals a zero, és a dir, $a_
{ij
} =
0$, per a tot $i, j$.
849 \begin{example
} Les matrius
853 \begin{enumerate
}[label=
\emph{\alph*
})
]
854 \item \begin{equation*
}
864 \item \begin{equation*
}
876 són nul·les (d'ordre $
3 \times 4$ i $
3 \times 3$ respectivament).
879 \begin{definition
}[matriu oposada
]Donada una matriu $A$, la seva
\term{oposada
}\index{matriu!oposada
} és la matriu formada pels elements d'$A$ amb signe oposat, és a dir, $-A = (-a_
{ij
})$.
882 \begin{example
} La matriu $
\left(
887 \right)$ és la matriu oposada de la matriu $
\left(
896 \begin{definition
}[matriu filera
] Una matriu es diu
\term{matriu filera
}\index{matriu!filera
} si només té una filera, és a dir, quan és d'ordre $
1 \times m$.
899 \begin{definition
}[matriu columna
] Una matriu s'anomena
\term{matriu columna
}\index{matriu!columna
} si només té una columna, o sigui quan té ordre $n
\times 1$.
909 \right) ,
\text{ }\left(
916 són matrius filera i columna respectivament.
919 \begin{definition
}[diagonal principal
] S'anomena
\term{diagonal principal
}\index{diagonal principal
} d'una matriu quadrada al conjunt d'elements que van del vèrtex superior esquerre a l'inferior de la dreta.
933 els nombres $
3,-
1$ i $
7$ són els que formen la diagonal principal.
936 \begin{definition
}[matriu unitat
] Es diu
\term{matriu unitat
} (o
\term{matriu identitat
})
\index{matriu!unitat
}\index{matriu!identitat
} a aquella matriu quadrada en la qual tots els
937 elements de la diagonal principal són uns i la resta d'elements són zeros. Es simbolitza per $I$ o $Id$. Si es vol indicar el seu ordre, aleshores s'indica mitjançant un subíndex:
%
944 \right) ,
\text{ }I_
{3}=
\left(
950 \right) ,
\text{ }I_
{4}=
\left(
959 són les matrius unitat d'ordre $
2$, d'ordre $
3$, etc.
962 \begin{definition
}[matriu triangular
] Una matriu $A=(a_
{ij
})$ es diu
\term{triangular
}\index{matriu!triangular
} quan $a_
{ij
} =
0$ per a tot $i < j$ o bé quan $a_
{ij
} =
0$ per a tot $i > j$. En paraules, quan els elements per davall o per damunt de la diagonal principal són zero.
965 \begin{definition
}[matriu diagonal
] Una matriu $A=(a_
{ij
})$ s'anomena
\term{diagonal
}\index{matriu!diagonal
} si, i només si, $a_
{ij
} =
0$ per a tot $i
\neq j$, és a dir, els elements que no estan a la diagonal principal són zero.
968 \begin{claim
} Una matriu no té res que veure amb un determinant: un determinant és un nombre i una matriu una col·lecció de nombres. Encara que a tota matriu quadrada li podem associar un determinant, que es denota per $
\lvert A
\rvert$ o bé $
\det (A)$.
971 \subsection*
{Igualtat entre matrius
}
973 \begin{definition
}[igualtat de matrius
] Direm que dues matrius són
\term{iguals
}\index{igualtat de matrius
} si són del mateix ordre i els seus elements respectius són iguals.
977 Per exemple, les matrius
984 \right) ,
\text{ }\left(
994 \begin{exercise
} Calculeu el valor de $x$ perquè les matrius $A$ i $B$ siguin iguals, amb
%
1001 \right)
\text{ \ i \
}B=
\left(
1010 \section{Operacions amb matrius
}
1012 A continuació es defineixen les operacions que es poden realitzar amb matrius.
1014 \subsection{Suma i diferència de matrius
}
1016 \begin{definition
}[suma i resta de matrius
] La
\term{suma
}\index{suma!de matrius
} de dues matrius del mateix ordre es fa sumant els elements respectius. La
\term{diferència
} (o resta)
\index{resta!de matrius
} es calcula restant els elements corresponents.
1018 És a dir, si $A = (a_
{ij
})$ i $B = (b_
{ij
})$ són dues matrius d'ordre $n
\times m$, aleshores les matrius $A + B$ i $A-B$ són iguals $(a_
{ij
} + b_
{ij
})$ i $(a_
{ij
} - b_
{ij
})$, respectivament, i tenen ordre $n
\times m$.
1023 Vegem una diferència de matrius:
%
1037 -
3-
\left( -
1\right) &
3-
5 \\
1047 La suma es fa de manera anàloga.
1051 Calculeu $A-B$, $B-A$ i $-A+B$, amb
%
1058 \right) ,
\text{ \
}B=
\left(
1067 \subsection{Multiplicació d'un nombre per una matriu
}
1069 \begin{definition
}[multiplicació de nombres i matrius
] Per
\term{multiplicar un nombre per una matriu
}\index{multiplicació!d'escalar per matriu
} es multiplica aquest nombre per cadascun dels elements de la matriu.
1071 De vegades aquest nombre s'anomena
\term{escalar
}\index{escalar
}.
1076 -
5\text{$
\cdot $
}\left(
1083 -
5\text{$
\cdot $
}1 & -
5\text{$
\cdot $
}\left( -
2\right) & -
5\text{$
\cdot $
}0
1085 -
5\pi & -
5\text{$
\cdot $
}12 & -
5\text{$
\cdot $
}\left( -
4\right)
%
1104 \right),
\quad 5\cdot \left(
1114 \subsection{Transposició d'una matriu
}
1116 \begin{definition
}[transposició de matrius
] La
\term{transposició
}\index{transposició de matrius
} d'una matriu és l'operació per la qual es canvien de manera ordenada les fileres per les columnes (i viceversa). La
\term{matriu transposta
}\index{matriu!transposta
} de la matriu $A$ es representa per $A^
{t
}$.
1120 La matriu transposta de la matriu
%
1142 Escriviu les transpostes de les matrius
%
1150 \right),
\quad B=
\left(
1161 \subsection{Producte de dues matrius
}
1163 No sempre és possible multiplicar dues matrius. Per aquest motiu, abans de definir la multiplicació de dues matrius hem de veure quina condició han de complir les matrius que volem multiplicar per a que aquesta operacióes pugui fer.
1165 \begin{condition
}[producte de dues matrius
]\label{condicio:producte:matrius
} Per poder multiplicar dues matrius s'ha de complir que el nombre de columnes de la primera matriu (la que es col·loca a l'esquerra) ha de coincidir
1166 amb el nombre de fileres de la segona (la que es col·loca a la dreta).
1169 Aquesta condició, a més de ser necessària per a la multiplicació de dues matrius, és suficient.
1171 Degut a què el nombre de fileres i de columnes de dues matrius poden ser qualssevol, pot ocorre que es pugui calcular el producte $A
\cdot B$ de les matrius $A$ i $B$, però que no es pugui calcular $B
\cdot A$.
1174 \begin{example
} No podem calcular el producte
1189 però sí podem calcular el producte
1206 Vegem ara com es multipliquen dues matrius.
1208 \begin{definition
}[multiplicació de matrius
] Siguin $A$ i $B$ dues matrius d'ordres
\index{multiplicació!de matrius
} $n
\times m$ i $m
\times p$ respectivament. El seu producte
1212 a_
{11} & a_
{12} &
\ldots & a_
{1n
}\\
1213 a_
{21} & a_
{22} &
\ldots & a_
{2n
}\\
1214 \ldots &
\ldots &
\ldots &
\ldots\\
1215 a_
{n1
} & a_
{n2
} &
\ldots & a_
{nm
} %
1220 b_
{11} & b_
{12} &
\ldots & b_
{1p
}\\
1221 b_
{21} & b_
{22} &
\ldots & b_
{2p
}\\
1222 \ldots &
\ldots &
\ldots &
\ldots\\
1223 b_
{m1
} & b_
{m2
} &
\ldots & b_
{mp
} %
1227 c_
{11} & c_
{12} &
\ldots & c_
{1p
}\\
1228 c_
{21} & c_
{22} &
\ldots & c_
{2p
}\\
1229 \ldots &
\ldots &
\ldots &
\ldots\\
1230 c_
{n1
} & c_
{m2
} &
\ldots & c_
{np
} %
1234 té ordre $n
\times p$ i es calcula de la manera següent:
1236 \item L'element $c_
{ij
}$, que és l'element del resultat $A
\cdot B$, es calcula multiplicant la filera $i$-èssima de $A$ per la columna $j$-èssima de $B$, és a dir,
1238 c_
{ij
}=a_
{i1
}\cdot b_
{1j
}+a_
{i2
}\cdot b_
{2j
}+...+a_
{im
}\cdot b_
{mj
}
1240 (l'element $c_
{11}$ s'obté multiplicant la filera $
1$ de $A$ per la columna $
2$ de $B$, l'element $c_
{12}$ s'obté multiplicant la filera $
1$ de $A$ per la columna $
2$ de $B$, etc.)
1241 \item Això es realitza per a totes les fileres i columnes
1245 Amb aquesta definició, l'ordre de la matriu $A
\cdot B$ és $n
\times p$
%
1248 \begin{array
}{ccccc
}
1249 A &
\cdot & B & = & AB \\
1250 n
\times m & & m
\times p & & n
\times p
%
1261 \right)
\text{$
\cdot $
}\left(
1270 2(-
2)+
0\text{$
\cdot $
}3+(-
3)(-
4) &
2(-
1)+
0\text{$
\cdot $
}5+(-
3)
\text{$
\cdot $
%
1271 }0 &
2\text{$
\cdot $
}0+
0\text{$
\cdot $
}2+(-
3)
\text{$
\cdot $
}6 \\
1273 0(-
2)+
1\text{$
\cdot $
}3+
1(-
4) &
0(-
1)+
1\text{$
\cdot $
}5+
1\text{$
\cdot $
}0 &
0%
1274 \text{$
\cdot $
}0+
1\text{$
\cdot $
}2+
1\text{$
\cdot $
}6%
1284 És a dir, l'element que ha d'anar, per exemple, a la
2a filera i
1a columna es calcula sumant els productes dels elements de la
2a filera de la primera matriu amb els elements de la
1a columna de la segona matriu.
1288 Calculeu els productes de matrius següents:
%
1296 \right)
\cdot \left(
1302 \right) ,
\text{ }\left(
1307 \right)
\cdot \left(
1312 \right) ,
\text{ }\left(
1317 \right)
\cdot \left(
1327 \section{Propietats de les operacions amb matrius
}
1329 \subsection*
{Propietats de la suma de matrius
}
1331 Siguin $A,B$ i $C$ matrius d'ordre $m
\times n$. Aleshores, es compleixen les propietats següents:
1333 \begin{enumerate
}[label=
\emph{\alph*
})
]
1336 \left( A+B
\right) +C=A+
\left( B+C
\right)
1345 \subsection*
{Propietats del producte de nombres per matrius
}
1347 Siguin $a$ i $b$ nombres reals, i $A$ i $B$ matrius d'ordre $m
\times n$.
1348 Aleshores, es compleixen les propietats següents:
1350 \begin{enumerate
}[label=
\emph{\alph*
})
]
1351 \item Pseudoassociativa: $a
\cdot \left( b
\cdot A
\right) =
\left( a
\cdot b
\right)
\cdot A$
1353 \item Distributiva respecte la suma d'escalars: $
\left( a+b
\right)
\cdot A=a
\cdot A+b
\cdot A$
1355 \item Distributiva respecte la suma de matrius: $a
\cdot \left( A+B
\right) =a
\cdot A+a
\cdot B$
1357 \item Element neutre: $
1\cdot A=A$
1360 \subsection*
{Propietats del producte de matrius
}
1362 \begin{enumerate
}[label=
\emph{\alph*
})
]
1363 \item Associativa: $
\left( A
\cdot B
\right)
\cdot
1364 C = A
\cdot \left( B
\cdot C
\right) $
1366 \item Element neutre: $A
\cdot I = I
\cdot A =A $
1368 \item Commutativa: en general, com ja hem observat, $A
\cdot B
\neq B
\cdot A$.
1372 \subsection*
{Propietats distributives
}
1374 \begin{enumerate
}[label=
\emph{\alph*
})
]
1375 \item $A
\cdot \left( B + C
\right) =A
\cdot B +A
\cdot C$
1377 \item $
\left( A + B
\right)
\cdot C = A
\cdot C + B
\cdot C$
1380 \subsection*
{Propietats de la transposició de matrius
}
1382 \begin{enumerate
}[label=
\emph{\alph*
})
]
1383 \item $
\left( A +B
\right)^
{t
}= A^
{t
} + B^
{t
}$
1385 \item $
\left( A
\cdot B
\right)^
{t
}= B^
{t
} \cdot A^
{t
}$
1388 \subsection*
{Propietats dels determinants de matrius
}\label{subseccio:propietats-matrius-determinants
}
1390 \begin{enumerate
}[label=
\emph{\alph*
})
]
1392 \item El determinant del producte de dues matrius és igual al
1393 producte dels seus determinants, és a dir,
1395 \left\vert A
\text{$
\cdot $
}B
\right\vert =
\left\vert A
\right\vert \text{$
%
1396 \cdot $
}\left\vert B
\right\vert
1400 \item\label{prop:determinant-matriu-transposta
} El determinant d'una matriu (quadrada) $A$ és igual al determinant de la seva matriu transposta, és a dir,
1402 \left\vert A
\right\vert =
\left\vert A^
{t
}\right\vert.
1406 \begin{example
} Donades les matrius
%
1420 tenim que $
\left\vert A
\right\vert =-
3$ i $
\left\vert B
\right\vert =
2$ i, per tant, $
\left\vert A
\right\vert \text{$
\cdot $
}\left\vert B
\right\vert =-
6$,
1423 \left\vert A
\text{$
\cdot $
}B
\right\vert =
\left\vert
1444 \left\vert A
\right\vert =
\left\vert
1450 \right\vert =-
16\text{ \ i \
}\left\vert A^
{t
}\right\vert =
\left\vert
1462 \section{Matriu inversa d'una matriu quadrada
}
1464 \begin{definition
}[matriu inversa
] Donada una matriu quadrada $A$, la seva
\term{matriu inversa
}\index{matriu!inversa
}, que es denota per $A^
{-
1}$, és una matriu del mateix ordre tal que compleix les condicions següents de forma simultània:
%
1466 A
\cdot A^
{-
1} &=&I, \\
1471 Noteu que una condició per a què una matriu tengui inversa és que sigui quadrada. Les matrius rectangulars no tenen matriu inversa perquè un dels productes no existeix (vegeu
\autoref{condicio:producte:matrius
}).
1473 \begin{definition
}[matriu regular
] Les matrius que tenen inversa s'anomenen
\term{matrius regulars
}\index{matriu!regular
}. En altre cas, es diu que la matriu és
\term{singular
}\index{matriu!singular
}.
1476 \begin{example
} No totes les matrius són regulars: per exemple la matriu
1478 A =
\left(
\begin{array
}{rr
}
1484 no té inversa, ja que si en tengués arribaríem a un error: si suposem que $A^
{-
1} =
\left(
\begin{array
}{rr
}
1488 \right)$, aleshores s'hauria de complir que
1490 \left(
\begin{array
}{rr
}
1494 \right)
\cdot \left(
\begin{array
}{rr
}
1498 \right) =
\left(
\begin{array
}{rr
}
1506 \left\
{\begin{aligned
}
1511 \end{aligned
}\right.
1513 Però la primera i la segona equació impliquen que $
0 =
1$. Contradicció!.
1516 \begin{theorem
} Una matriu quadrada $A$ és regular si, i només si, $
\lvert A
\rvert \neq 0$. És a dir
1518 A
\text{ té inversa
}\iff \left\vert A
\right\vert \neq 0
1521 Expressat amb paraules:
1522 \begin{enumerate
}[label=
\emph{\alph*
})
]
1523 \item Si una matriu quadrada té inversa, aleshores el seu determinant és diferent de zero
1524 \item I si el determinant d'una matriu quadrada no val zero, aleshores aquesta matriu té inversa.
1528 Ara sabem quina condició s'ha de complir per a què una matriu sigui regular, però com es calcula la matriu inversa d'una matriu quadrada? A continuació ho veurem.
1530 \begin{theorem
}[càlcul de la matriu inversa
] Si $A$ és regular, aleshores
1532 A^
{-
1} =
\frac{\left( Adj(A)
\right)^
{t
}}{\left\vert A
\right\vert },
1534 on $Adj(A)$ denota la
\term{matriu adjunta
} d'$A$
\index{matriu!adjunta
}, formada pels adjunts dels elements de $A$.
1537 \begin{algorithm
}[càlcul de la matriu inversa
] Per calcular la matriu inversa d'una matriu quadrada $A$ seguirem les passes següents:
1540 \item En primer lloc calcularem $
\left\vert A
\right\vert $. Si aquest val $
0$, ja podem assegurar que la matriu $A$ no té inversa. Si $
\left\vert A
\right\vert \neq 0$, seguim amb els punts següents.
1542 \item Calculam la matriu adjunta de $A$, és a dir, $Adj(A)$.
1544 \item Farem la transposta de $Adj(A)$. La denotarem per $
\left( Adj(A)
\right)^
{t
}$.
1546 \item Finalment, es té que
%
1548 A^
{-
1}=
\frac{\left( Adj(A)
\right)^
{t
}}{\left\vert A
\right\vert }
1553 Vegem-ho amb un exemple.
1568 \left\vert A
\right\vert =-
9-
16=-
25\neq 0
1570 El fet de què aquest determinant no valgui zero ens assegura que
1571 existeix la matriu inversa de $A$. Anem a calcular-la.
1573 La matriu adjunta de $A$ és
%
1577 \begin{array
}{rrrrr
}
1583 \right\vert & & -
\left\vert
1588 \right\vert & &
\left\vert
1600 \right\vert & &
\left\vert
1605 \right\vert & & -
\left\vert
1617 \right\vert & & -
\left\vert
1622 \right\vert & &
\left\vert
1639 La transposta de l'adjunta és, aleshores,
%
1641 \left( Adj(A)
\right)^
{t
}=
\left(
1649 Per tant, la inversa de $A$ és:
%
1651 A^
{-
1}=
\frac{\left( Adj(A)
\right)^
{t
}}{\left\vert A
\right\vert }=
\frac{%
1658 \right)
}{-
25}=
\left(
1659 \begin{array
}{rrrrr
}
1660 9/
25 & &
6/
25 & &
4/
25 \\
1662 8/
25 & & -
3/
25 & & -
2/
25 \\
1664 -
12/
25 & & -
8/
25 & &
3/
25%
1670 \begin{exercise
}Calculeu, si en té, la matriu inversa de la matriu
%
1682 \subsection{Matriu inversa en funció d'un paràmetre
}
1685 Suposem que volem calcular la matriu inversa de
1695 Aquesta matriu depèn del paràmetre $a$. Per tant, podem suposar que la matriu inversa de $B$ existirà o no segons el valor numèric que prengui el paràmetre $a$.
\textquestiondown Què ha de valer $a$ per a què existeixi $B^
{-
1}$? Aquest valor de $a$ quedarà imposat per la
1698 \left\vert B
\right\vert \neq 0,
1700 que és la condició que ens assegura que existeix la matriu inversa de $B$. Calculem $
\left\vert B
\right\vert $:
%
1702 \left\vert B
\right\vert =
\left\vert
1710 Aquest determinant val $
0$ si, i només si, quan $
21a-
7=
0$. És a dir, quan $a=
\frac{7}{21}=
\frac{1}{3}$. Aquí apareixen dues possibilitats:
1711 \begin{enumerate
}[label=
\emph{\alph*
})
]
1712 \item Si $a=
1/
3$, tenim que $
\left\vert B
\right\vert =
0$, i, per tant, no existeix la matriu inversa de $B$.
1714 \item Si $a
\neq 1/
3$, aleshores $
\left\vert B
\right\vert \neq 0$, i,
1715 per tant, existeix $B^
{-
1}$. En aquest cas, podem calcular la matriu inversa de $B$, que òbviament dependrà del paràmetre $a$
1720 \begin{array
}{rrrrr
}
1726 \right\vert & & -
\left\vert
1731 \right\vert & &
\left\vert
1743 \right\vert & &
\left\vert
1748 \right\vert & & -
\left\vert
1760 \right\vert & & -
\left\vert
1765 \right\vert & &
\left\vert
1784 Per tant, la matriu inversa de $B$ és:
1786 B^
{-
1}=
\frac{\left( Adj(B)
\right)^
{t
}}{\left\vert B
\right\vert }=
\frac{%
1793 \right)
}{21a-
7}=
\left(
1794 \begin{array
}{rrrrr
}
1795 \frac{2-
7a
}{21a-
7} & &
\frac{1}{7-
21a
} & &
\frac{a
}{21a-
7} \\
1797 \frac{1}{7-
21a
} & &
\frac{3}{7-
21a
} & &
\frac{3a
}{21a-
7} \\
1799 \frac{7}{21a-
7} & &
\frac{21}{21a-
7} & &
\frac{7}{7-
21a
}%
1808 Calculeu la matriu inversa de $B$ en funció del paràmetre $
\alpha$, amb
%
1820 \section{Rang d'una matriu d'ordre qualsevol
}
1822 \begin{definition
}[menor d'una matriu
] Si en una matriu qualsevol (no necessàriament quadrada) seleccionam $p$ fileres i $p$ columnes, els elements en què s'encreuen aquestes $p$ fileres i $p$ columnes formen una submatriu quadrada d'ordre $p$. El determinant d'aquesta submatriu s'anomena
\term{menor d'ordre $p$
} (o simplement
{\em menor
})
\index{menor!d'una matriu
}\index{ordre!d'un menor
} de la matriu inicial.
1825 \begin{example
} De la matriu
1830 \pi &
12 & -
4 &
2 \\
1844 és un menor d'ordre $
2$.
1846 En aquest cas, hem seleccionat els elements en els quals s'encreuen les fileres $
1$ i $
2$ i les columnes $
1$ i $
3$.
1849 \begin{definition
}[rang d'una matriu
] Donada una matriu qualsevol $A$, es defineix el seu
\term{rang
}\index{rang
} al màxim ordre dels seus menors no nuls. És a dir, el rang d'una matriu és un nombre $p$
1850 que compleix les condicions següents:
1852 \begin{enumerate
}[label=
\emph{\alph*
})
]
1853 \item Existeix un menor no nul d'ordre $p$
1854 \item Tots els menors d'ordre $p+
1$ són nuls, o bé no existeixen
1855 menors d'ordre $p+
1$.
1858 En altres paraules, calculem el
1860 \max \
{p
\mid \text{ existeix un menor d'ordre
} p
\text{ no nul
}\
}.
1863 El rang d'una matriu $A$ es representa per $rg
\left( A
\right)$ o simplement $rg A$.
1867 El rang de la matriu
%
1877 és $
3$, ja que existeix, al menys, un menor d'ordre $
3$ no nul, com, per
1888 i no hi ha cap menor d'ordre $
4$.
1891 Tot seguit, veurem com podem calcular el rang d'una matriu de forma efectiva. Per això, hem d'introduïr el concepte d'independència lineal. En primer lloc, recordem la definició de combinació lineal:
1893 \begin{definition
}[combinació lineal
]Una línia $L$ és
{\em combinació lineal
}\index{combinació lineal
} de $n$ línies $L_1$, $L_2$,
\ldots, $L_n$ si, i només si, podem obtenir la línia $L$ com a suma de les línies $L_1$,
\ldots, $L_n$ prèviament multiplicades per nombres reals, és a dir,
1895 L = a_1
\cdot L_1 + a_2
\cdot L_2 +
\ldots + a_n
\cdot L_n.
1899 \begin{example
}\label{exemple-combinacio-lineal
}En la matriu següent
1909 la tercera columna és combinació lineal de les dues primeres, ja que es pot aconseguir sumant la primera columna multiplicada per
2 i la segona columna multiplicada per
3, és a dir, $C_3 =
2 \cdot C_1 +
3 \cdot C_2$.
1912 \begin{proposition
}[relació de la combinació lineal i els determinants
]Per un determinant qualsevol, són equivalents:
1914 \item Existeix una línia que és combinació lineal de les altres línies paral·leles
1915 \item Totes les línies són combinació lineal de les altres línies paral·leles
1916 \item El determinant val
0
1920 \begin{example
}Tal com hem dit en l'example anterior (
\autoref{exemple-combinacio-lineal
}), la tercera columna és combinació lineal de les dues anteriors. Per la proposició, això vol dir que:
1922 \item la primera columna també és combinació lineal de la segona i tercera columnes
1923 \item la segona columna és combinació lineal de la primera i tercera columnes
1924 \item el determinant
1935 \item qualsevol filera és combinació lineal de les altres fileres
1939 \begin{definition
}[dependència lineal
]\label{def:dependencia-lineal-linies
} Una línia és
\term{linealment dependent
}\index{dependència lineal
} de $n$ línies $L_1$, $L_2$,
\ldots, $L_n$ si, i només si, $L$ es pot expressar com a combinació lineal de $L_1$,
\ldots, $L_n$.
1941 En cas contrari, $L$ és
\term{linealment independent
}\index{independència lineal
}, és a dir, no existeixen cap nombres $a_1$,
\ldots, $a_n$ tals que $L$ sigui igual a $a_1
\cdot L_1 +
\ldots + a_n
\cdot L_n$.
1944 \begin{proposition
}[fites del rang d'una matriu
]\label{proposicio:fites-rang
} Es pot veure que, si $A$ és una matriu qualsevol d'ordre $n
\times m$, aleshores:
1945 \begin{enumerate
}[label=
\alph*)
]
1946 \item $rg A$ és igual al nombre de línies linealment independents
1947 \item $rg A
\leq \min \
{m, n\
}$
1948 \item $rg A
\geq 0$. I $rg A =
0$ si, i només si, $A$ és igual a la matriu nul·la.
1949 \item Si $A$ no és la matriu nul·la, aleshores $rg A
\geq 1$.
1953 \begin{algorithm
}[càlcul del rang d'una matriu de dalt a baix
] Per a calcular el rang d'una matriu $A$ d'ordre $n
\times m$ es segueixen els passos següents:
1954 \begin{enumerate
}[label=
\alph*)
]
1955 \item Es calcula el mínim del nombre de fileres i columnes d'$A$, és a dir, $r =
\min \
{n, m\
}$. Aquest és el rang màxim que pot tenir $A$.
1957 \item Es calculen els menors d'ordre $r$ d'$A$. Si algun d'aquests és no nul, aleshores automàticament $rg A = r$. En cas contrari, $rg A < r$.
1959 Notem que només calcularem
{\em tots
} els menors d'ordre $r$ quan
{\em tots
} ells sigui nuls. Tot d'una que trobem un menor d'ordre $r$ no nul, ja no calcularem cap més menor d'ordre $r$ i conclourem que $rg A = r$.
1961 \item Es procedeix de manera anàloga al pas anterior pels menors d'ordre $r-
1$ i es conclou que $rg A = r-
1$ o bé $rg A < r-
1$.
1962 \item Es repeteixen aquestes passes successivament.
1967 \begin{example
}\label{exemple:calcul-rang-matriu-dalt-abaix
}
1968 Suposem que volem calcular el rang de la matriu
1979 \begin{enumerate
}[label=
\emph{\alph*
})
]
1980 \item Per la
\autoref{proposicio:fites-rang
}, tenim que $rg A
\leq \min \
{3,
4\
} =
3$.
1982 \item Hem de veure si existeix un menor d'ordre $
3$ no nul. Hi ha quatre possibilitats per a formar menors d'ordre $
3$:
\begin{enumerate*
}[label=
\emph{\alph*
})
] \item triar les columnes $
1$, $
2$ i $
3$,
\item triar les columnes $
1$, $
2$ i $
4$,
\item triar les columnes $
1$, $
3$ i $
4$ i
\item triar les colimnes $
2$, $
3$ i $
4$
\end{enumerate*
}. Si algun d'aquests menors fos no nul, aleshores el rang d'$A$ seria $
3$. Ara bé,
1990 \right\vert =
0,\,
\left\vert
1996 \right\vert =
0,\,
\left\vert
2002 \right\vert =
0,\,
\left\vert
2010 Per tant, $rg A <
3$.
2012 \item Vegem si és dos: existeix un menor no nul d'ordre
2? Sí, per exemple, $
\left\vert
2017 \right\vert \neq 0$. Per la qual cosa, $rg A =
2$.
2021 \begin{exercise
} Calculeu el valor del rang de la matriu següent:
2032 \subsection{Rang d'una matriu en funció d'un paràmetre
}
2034 De vegades, una matriu pot incloure un paràmetre. El rang d'aquesta
2035 matriu dependrà, aleshores, del valor que tengui aquest paràmetre.
2036 Vegem-ho amb un exemple.
2049 Anem a calcular el seu rang. De manera anàloga a l'
\autoref{exemple:calcul-rang-matriu-dalt-abaix
}, calcularem el rang d'$A$ arran dels menors més grans possibles. Així, en aquest exemple començarem amb
%
2057 \right\vert =
10+
2\alpha +
6-
4\alpha =
16-
2\alpha ,
2059 que és el menor més gran que es pot treure a partir d'$A$. Aquest menor val $
0$ si, i només si, $
16-
2\alpha =
0$, és a dir, quan $
\alpha =
8$.
2062 \begin{enumerate
}[label=
\emph{\alph*
})
]
2063 \item Si $
\alpha \neq 8$: existeix un menor d'ordre $
3$ diferent de $
0$ ($
\Delta \neq 0$), i no hi ha menors d'ordre superior a $
3$ ($rg A
\leq 3$). Per tant, el rang de $A$ és $
3$.
2065 \item Si $
\alpha =
8$: tots els menors d'ordre $
3$ (de fet, l'únic menor d'ordre $
3$ en aquest cas) són zero. Per tant, $rg A <
3$. Cerquem, aleshores, un menor d'ordre $
2$ diferent de $
0$. Per exemple
%
2072 \right\vert =
2\neq 0,
2074 per la qual cosa el rang és $
2$.
2077 En conclusió, si $
\alpha \neq 8$, aleshores $rg A =
3$. I si $
\alpha =
8$, aleshores $rg A =
2$.
2080 \begin{exercise
} Calculeu $rg A$ en funció del paràmetre $
\alpha$, on
%
2092 \section{Exercicis proposats
}
2094 \begin{exercise
}\label{exercici:matrius-
1}
2095 Donades les matrius
%
2103 \right) ,
\text{ }B=
\left(
2111 calculeu, si \'
{e
}s possible, $AB$ i $BA$.
2114 \begin{exercise
}\label{exercici:matrius-
2}
2115 Calculeu $
3AA^
{t
}-
2I$, amb
%
2127 \begin{exercise
}\label{exercici:matrius-
4}
2128 Comproveu que $(A
\cdot B)^
{t
}=B^
{t
}\cdot A^
{t
}$ amb les matrius
%
2135 \right)
\text{ i
}B=
\left(
2144 \begin{exercise
}\label{exercici:matrius-
5}
2145 Determineu els valors de $m$ per als quals es verifica que $X^
{2}-
\frac{5}{2} X+I=
\mathbf{0}$, amb
%
2156 \begin{exercise
}\label{exercici:matrius-
6}
2157 Determineu $a$ i $b$ de forma que es verifiqui que $A^
{2}=A$ amb
%
2168 \begin{exercise
}\label{exercici:matrius-
7}
2169 Trobeu totes les matrius $X$ de la forma
%
2177 \right)
\text{ tals que
}X^
{2}=
\left(
2187 \begin{exercise
}\label{exercici:matrius-
8}
2188 Calculeu dos nombres reals $m$ i $n$ tals que $A + mA + nI=
\pmb{0}$ si
%
2199 \begin{exercise
}\label{exercici:matrius-
9}
2200 Siguin $A$ i $B$ les matrius
%
2208 \right) ,
\text{ }B=
\left(
2216 Trobeu les condicions que han de complir els coeficientes $a,b$ i $c$ perquè es verifiqui que $AB = BA$.
2219 \begin{exercise
}\label{exercici:matrius-
3}
2220 Trobeu dues matrius $X$ i $Y$ que verifiquin el sistema següent:
%
2242 \begin{exercise
}\label{exercici:matrius-
10}
2243 Calculeu, si és possible, la matriu inversa de cadascuna de les matrius següents:
%
2275 \begin{exercise
}\label{exercici:matrius-
11}
2276 Calculeu la matriu inversa de cadascuna de les matrius següents:
%
2283 \right) ,\; B=
\left(
2293 \begin{exercise
}\label{exercici:matrius-
15-parametre
}
2294 Digueu en funció dels paràmetres corresponents quan les matrius següents són regulars. En cas de ser-ho, trobeu la seva inversa:
%
2295 \begin{multicols
}{2}
2296 \begin{enumerate
}[label=
\emph{\alph*
})
]
2297 \item \begin{equation*
}
2301 1 &
\alpha +
2 &
1\\
2306 \item \begin{equation*
}
2315 \item \begin{equation*
}
2324 \item \begin{equation*
}
2328 3 &
2 &
\alpha +
1\\
2333 \item \begin{equation*
}
2342 \item \begin{equation*
}
2351 \item \begin{equation*
}
2360 \item \begin{equation*
}
2369 \item \begin{equation*
}
2374 \lambda &
\lambda & -
1%
2378 \item \begin{equation*
}
2387 \item \begin{equation*
}
2396 \item \begin{equation*
}
2405 \item \begin{equation*
}
2414 \item \begin{equation*
}
2423 \item \begin{equation*
}
2432 \item \begin{equation*
}
2447 \begin{exercise
}\label{exercici:matrius-
12}
2448 Calculeu el rang de cadascuna de les matrius següents:
%
2456 \right) ,
\text{ }B=
\left(
2471 \right) ,
\text{ }D=
\left(
2481 \begin{exercise
}\label{exercici:matrius-
13}
2482 Estudieu el rang de les matrius següents segons el valor del paràmetre que hi apareix:
%
2490 \right) ,
\text{ }B=
\left(
2496 \right) ,
\text{ }C=
\left(
2508 \right) ,
\text{ }E=
\left(
2514 \right) ,
\text{ }F=
\left(
2524 2 & t & t^
{2} &
1 \\
2531 \begin{exercise
}\label{exercici:matrius-
14}
2532 Estudieu el rang de la matriu seg\"
{u
}ent en funci\'
{o
} de $a,b$ i $c$:
%
2545 \chapter{Sistemes d'equacions lineals
}
2547 \section{Definicions
}
2549 \begin{definition
}[sistema d'equacions lineal
] Un
\term{sistema d'equacions lineals de $m$ equacions i $n$ incògnites
}\index{sistema d'equacions lineal
} és un conjunt d'equacions que tenen l'aspecte general següent:
2553 a_
{11}x_
{1} + a_
{12}x_
{2} +
\ldots + a_
{1n
}x_
{n
} & = & b_
{1} \\
2554 a_
{21}x_
{1} + a_
{22}x_
{2} +
\ldots + a_
{2n
}x_
{n
} & = & b_
{2} \\
2555 \vdots & &
\vdots \\
2556 a_
{m1
}x_
{1} + a_
{m2
}x_
{2} +
\ldots + a_
{mn
}x_
{n
} & = & b_
{m
}%
2560 de manera que s'han de verificar conjuntament.
2563 \begin{enumerate
}[label=
\emph{\alph*
})
]
2564 \item A $x_1$,
\ldots, $x_n$ les
\term{incògnites
} del sistema
\index{incògnites d'un sistema
}
2565 \item A $a_
{ij
}$, on $i=
1,
\ldots, m$ i $j=
1,
\ldots, n$, els
\term{coeficients
} del sistema
\index{coeficients!d'un sistema
}
2566 \item A $b_1$,
\ldots, $b_m$ els
\term{termes independents
} del sistema
\index{termes!independents d'un sistema
}
2569 Una
\term{solució
} del sistema
\index{solució d'un sistema
} és un conjunt de valors $c_1$,
\ldots, $c_n$ de manera que verifiquen simultàniament cada equació, és a dir,
2573 a_
{11}\cdot c_
{1} + a_
{12}\cdot c_
{2} +
\ldots + a_
{1n
}\cdot c_
{n
}
2575 a_
{21}\cdot c_
{1} + a_
{22}\cdot c_
{2} +
\ldots + a_
{2n
}\cdot c_
{n
}
2577 \vdots & &
\vdots \\
2578 a_
{m1
}\cdot c_
{1} + a_
{m2
}\cdot c_
{2} +
\ldots + a_
{mn
}\cdot c_
{n
}
2583 Aquests valors es poden escriure en forma de $n$-tupla ordenada $(c_1,
\ldots, c_n)$.
2585 \term{Resoldre
}\index{resoldre un sistema
} el sistema és trobar totes les $n$-tuples que són solució d'aquest.
2588 \section{Tipus de sistemes
}
2590 \begin{definition
}[tipus de sistemes lineals
] Atenent al nombre de solucions, un sistema pot esser de diversos tipus:
2592 \item Si un sistema no té solució, s'anomena
\term{incompatible
}\index{sistema!incompatible
}
2593 \item Si té solució, s'anomena
\term{compatible
}\index{sistema!compatible
}
2595 \item Si el sistema té una sola solució, aleshores s'anomena
\term{compatible determinat
}\index{sistema!compatible!determinat
}
2596 \item Si el sistema té més d'una solució, aleshores s'anomena
\term{compatible indeterminat
}\index{sistema!compatible!indeterminat
}. En els sistemes lineals, un sistema compatible indeterminat té infinites solucions (no en pot tenir un nombre finit distint d'$
1$).
2598 \item Un sistema compatible indeterminat es diu
\term{simplement indeterminat
}\index{sistema!simplement indeterminat
} si el conjunt de solucions depèn d'un paràmetre
2599 \item Un sistema compatible indeterminat es diu
\term{doblement indeterminat
}\index{sistema!doblement indeterminat
} si el conjunt de solucions depèn de dos paràmetres
\footnote{Per exemple, les solucions del sistema format per l'única equació $
2x-
3y+
4z =
1$ es poden expressar com $y = a$, $z = b$ i $x=
\frac{1}{2} +
\frac{3}{2}a -
2b$, on $a$ i $b$ són nombres reals qualsevols (paràmetres).
}
2605 \begin{definition
}[sistema homogeni
] Un sistema d'equacions s'anomena
\term{homogeni
}\index{sistema!homogeni
} si tots els seus termes independents són iguals a zero. És a dir, els sistemes d'equacions tenen la pinta següent:
2609 a_
{11}x_
{1} + a_
{12}x_
{2} +
\ldots + a_
{1n
}x_
{n
} & = &
0 \\
2610 a_
{21}x_
{1} + a_
{22}x_
{2} +
\ldots + a_
{2n
}x_
{n
} & = &
0 \\
2611 \vdots & &
\vdots \\
2612 a_
{m1
}x_
{1} + a_
{m2
}x_
{2} +
\ldots + a_
{mn
}x_
{n
} & = &
0%
2628 és compatible, ja que el conjunt de tres nombres $x=-
2,$ $y=
1,$ $z=
0$ és solució del sistema, donat que
2632 4\cdot \left( -
2\right) -
1+
6\cdot 0 & = & -
9 \\
2633 -
\left( -
2\right) +
3\cdot \left( -
1\right) -
2\cdot 0 & = & -
1%
2637 En canvi, el conjunt $x=
3,$ $y=
27,$ $z=
1$ no es solució, ja que alguna de les equacions no es verifica (la segona en aquest cas):
%
2641 4\cdot 3-
27+
6\cdot 1 & = & -
9 \\
2642 -
3+
3\cdot 27-
2\cdot 1 &
\neq & -
1%
2658 és incompatible (no tiene solució), ja que no existeixen dos nombres, $x$ i $y$, tals que la seva suma sigui, a la vegada, $
3$ i $
2$ (o la suma dóna $
3$ o dóna $
2,$ pero no els dos valors de cop).
2661 \section{Sistemes matricials
}
2663 Per resoldre sistemes d'equacions de forma còmoda, és necessari passar de la seva forma algebraica clàssica (com a conjunt d'equacions) a una forma matricial (com a igualtat entre matrius). Això facilitarà enormement esbrinar el nombre de solucions d'un sistema i el seu càlcul.
2665 Un sistema de $m$ equacions i $n$ incògnites $x_1$,
\ldots, $x_n$ adopta la forma general:
2669 a_
{11}x_1 + a_
{12}x_2 +
\ldots + a_
{1n
}x_n & = & b_1 \\
2670 a_
{21}x_1 + a_
{22}x_2 +
\ldots + a_
{2n
}x_n & = & b_2 \\
2671 \vdots & &
\vdots \\
2672 a_
{m1
}x_1 + a_
{m2
}x_2 +
\ldots + a_
{mn
}x_n & = & b_m
%
2676 Aquest es pot expressar de forma matricial
\index{forma matricial d'un sistema
} com:
2679 a_
{11} & a_
{12} &
\dots & a_
{1n
}\\
2680 a_
{21} & a_
{22} &
\dots & a_
{2n
}\\
2682 a_
{m1
} & a_
{m2
} &
\dots & a_
{mn
}
2683 \end{pmatrix
} \cdot \begin{pmatrix
}
2688 \end{pmatrix
} =
\begin{pmatrix
}
2695 o bé en la forma més compacte
2702 a_
{11} & a_
{12} &
\dots & a_
{1n
}\\
2703 a_
{21} & a_
{22} &
\dots & a_
{2n
}\\
2705 a_
{m1
} & a_
{m2
} &
\dots & a_
{mn
}
2706 \end{pmatrix
}; x =
\begin{pmatrix
}
2711 \end{pmatrix
}; b =
\begin{pmatrix
}
2719 La matriu $A$ s'anomena
\term{matriu de coeficients del sistema
}\index{matriu!de coeficients
}, la matriu (filera) $b$ s'anomena
\term{matriu de termes independents
}\index{matriu!de termes independents
} i $x$ reb el nom de
\term{matriu de variables
}\index{matriu!de variables
}.
2721 Anomenarem
\term{matriu ampliada (o completa) del sistema
}\index{matriu!ampliada
} i la representarem com a $M$, a la matriu d'ordre $m
\times (n+
1)$:
2724 a_
{11} & a_
{12} &
\dots & a_
{1n
} & b_1\\
2725 a_
{21} & a_
{22} &
\dots & a_
{2n
} & b_2\\
2727 a_
{m1
} & a_
{m2
} &
\dots & a_
{mn
} & b_m
2731 \begin{example
} Per exemple, en el sistema
%
2740 les incògnites són $x,y$ i $z$, i els termes independients són $
0$
2741 i $-
2$. La matriu dels coeficients i la matriu ampliada són,
2749 \right) ,
\text{ }M=
\left(
2775 \right)
\cdot \left(
2790 \section{Regla de Cràmer
}
2792 La regla de Cràmer permet trobar la solució de sistemes d'equacions lineals en els que es verifiquin, simultàniament, les condicions següents:
2794 \item Hi ha tantes equacions com a incògnites
2795 \item La matriu de coeficients té determinant no nul
2798 Amb aquestes condicions, la regla de Cràmer permet trobar la solució del sistema. En aquest cas, podem assegurar que només existeix una única solució (el sistema és compatible determinat), però això ho veurem més endavant (
\autoref{seccio:discussio-sistemes
}).
2800 \begin{algorithm
}[regla de Cràmer
]\index{regla!de Cràmer
} Sigui
2804 a_
{11}x_1 + a_
{12}x_2 +
\ldots + a_
{1n
}x_n & = & b_1 \\
2805 a_
{21}x_1 + a_
{22}x_2 +
\ldots + a_
{2n
}x_n & = & b_2 \\
2806 \vdots & &
\vdots \\
2807 a_
{n1
}x_1 + a_
{n2
}x_2 +
\ldots + a_
{nn
}x_n & = & b_n
%
2811 un sistema d'equacions d'$n$ equacions amb $n$ incògnites tal que el determinant $
\lvert A
\rvert$ de la seva matriu de coeficients $A$ és no nul.
2812 Aleshores, el sistema té una sola solució, $(x_1,
\ldots, x_n)$, que ve donada per:
%
2814 x_
{1}=
\frac{\left\vert
2816 b_
{1} & a_
{12} & ... & a_
{1n
} \\
2817 b_
{2} & a_
{22} & ... & a_
{2n
} \\
2819 b_
{n
} & a_
{n2
} & ... & a_
{nn
}%
2821 \right\vert }{\left\vert A
\right\vert },
2824 x_
{2}=
\frac{\left\vert
2826 a_
{11} & b_
{1} & ... & a_
{1n
} \\
2827 a_
{21} & b_
{2} & ... & a_
{2n
} \\
2829 a_
{n1
} & b_
{n
} & ... & a_
{nn
}%
2831 \right\vert }{\left\vert A
\right\vert },
2837 x_
{n
}=
\frac{\left\vert
2839 a_
{11} & a_
{12} & ... & b_
{1} \\
2840 a_
{21} & a_
{22} & ... & b_
{2} \\
2842 a_
{n1
} & a_
{n2
} & ... & b_
{n
}%
2844 \right\vert }{\left\vert A
\right\vert }
2859 Aquest sistema té $
3$ equacions i $
3$ incògnites i, a més, es compleix que
%
2861 \left\vert A
\right\vert =
\left\vert
2867 \right\vert =-
3+
1-
6=-
8\neq 0
2869 Per tant, podem aplicar la regla de Cràmer, amb el que la solució del sistema és:
%
2871 x &=&
\frac{\left\vert
2877 \right\vert }{\left\vert A
\right\vert }=
\frac{-
5}{-
8}=
\frac{5}{8} \\
2879 y &=&
\frac{\left\vert
2885 \right\vert }{\left\vert A
\right\vert }=
\frac{-
3}{-
8}=
\frac{3}{8} \\
2887 z &=&
\frac{\left\vert
2893 \right\vert }{\left\vert A
\right\vert }=
\frac{7}{-
8}=
\frac{-
7}{8}
2895 Per tant, $(
5/
8,
3/
8, -
7/
8)$ és la solució del sistema d'equacions.
2899 Resoleu el sistema següent:
%
2903 -x-
2y+
5z & = & -
3 \\
2911 \section{Discussió d'un sistema de equacions
}\label{seccio:discussio-sistemes
}
2913 Per suposat, no tots els sistemes d'equacions lineals tenen tantes equacions com incògnites, i fins i tot en aquest cas, no tots compleixen que el determinant de la seva matriu de coeficients sigui no nul. Per tant, la regla de Cràmer no és aplicable en aquests casos. Ara bé, tendrem algorismes per a la resolució dels sistemes d'equacions més generals (
\autoref{seccio:resolucio-general-sistemes
})
2915 Ara bé, abans d'ocupar-nos de la resolució general dels sistemes d'equacions lineals, ens interessarem sobre els criteris que han de complir per a què aquests tenguin solució. És a dir, estudiarem en quins casos un sistema d'equacions té solució i, en aquest cas, quantes en té. D'aquesta manera, podem assegurar-nos que, abans de resoldre un sistema d'equacions, aquest té una solució i, per tant, no començarem a resoldre sistemes que no tenguin solució, amb el conseqüent guany de temps.
2917 \begin{theorem
}[teorema de Rouché-Frobenius
]\index{teorema!de Rouché-Frobenius
}\label{thm-Rouche-Frobenius
} Sigui un sistema d'equacions lineals qualsevol amb $n$ incògnites. I siguin $A$ la matriu de coeficients i $M$ la matriu ampliada. Aleshores:
%
2919 \item $rg A
\neq rg M$ $
\iff$ El sistema és incompatible (no té solució)
2920 \item $rg A = rg M$ $
\iff$ El sistema és compatible (té solució)
2922 \item $rg A = rg M = n$ $
\iff$ El sistema és compatible determinat (té una única solució)
2923 \item $rg A = rg M < n$ $
\iff$ El sistema és compatible indeterminat (té infinites solucions)
2928 D'aquesta manera, per saber si un sistema d'equacions té solució o no, en primer lloc s'han de calcular els valors de $rg A$ i $rg M$ i procedir a classificar el sistema segons la taula anterior.
2930 \begin{claim
} Recordem que el rang d'una matriu és el nombre de línies linealment independents (
\autoref{proposicio:fites-rang
}). Per tant, clarament, tenim que
2935 Notem que, en el cas d'un sistema homogeni, aquest desigualtat realment és una igualtat, és a dir, $rg A = rg M$.
2939 La idea que s'amaga darrera del teorema de Rouché-Frobenius (
\autoref{thm-Rouche-Frobenius
}) és analitzar si una equació és combinació lineal de les altres: si això passa, aleshores la podem suprimir del sistema, ja que aquesta equació no ens aporta cap informació. Per exemple, en el sistema
2943 2x +
3y +
4z & = &
2 \\
2944 x +
2y +
3z & = &
1 \\
2949 tenim que la tercera equació és combinació lineal de les dues primeres ($L_3 = L_1 - L2$). En el nostre cas, això és el mateix que dir que el rang de la matriu ampliada és menor que
3 (el nombre d'incògnites), per aplicació de
\autoref{proposicio:fites-rang
}, ja que les fileres de la matriu ampliada són les equacions del sistema d'equació. Si el rang de la matriu ampliada coincideix amb el nombre d'incògnites, vol dir que totes les equacions són linealment independents i, per tant, no n'hi ha cap que sigui deduïble de les altres.
2951 D'altra banda, la comparació entre els rangs de la matriu ampliada i la matriu de coeficients ens dóna informació sobre la compatibilitat del sistema. Per a què un sistema tengui solució, la independència lineal de les seves equacions ha de ser la mateixa que la independència lineal de les equacions considerades sense termes independents.
2955 Sigui el sistema de equacions
%
2965 Per a determinar quin tipus de sistema és, hem de calcular els rangs de les matrius
%
2973 \right)
\quad \text{i
} \quad M=
\left(
2992 aleshores $rg A <
3$. Si cercam un menor d'ordre
2, en trobem un no nul:
2999 \right\vert =
1\neq 0
3001 Per tant, $rg A =
2$.
3002 \item Com que $rg A =
2$ i $rg A
\leq rg M$, sabem que $rg M
\geq 2$. Hem de veure si $rg M$ pot ser igual a $
3$. Per aixo, hem de calcular tots els menors d'ordre
3 de $M$. Ara bé,
3010 \right\vert =
0,
\quad \left\vert
3016 \right\vert =
0,
\quad \left\vert
3025 \item Per tant, $rg A = rg M =
2 <
3$. Per la qual cosa, aquest sistema és compatible indeterminat. Per tant, té un nombre infinit d'incògnites.
3030 Clasifiqueu el sistema d'equacions següent:
%
3042 \subsection{Discussió d'un sistema de equacions en funció d'un paràmetre
}
3044 Quan en un sistema apareix un paràmetre en els termes independents o en els coeficients del sistema, aleshores la classificació d'aquest depèn del valors que té aquest paràmetre.
3046 \begin{example
} Sigui el sistema d'equacions
%
3052 3x-
\alpha y+
2z & = & -
2%
3056 Estudiem els valors dels rangs de les seves matrius de coeficients i ampliada en funció del paràmetre $
\alpha$.
3059 \left\vert A
\right\vert =
\left\vert
3065 \right\vert =
33-
11\alpha
3067 Pel que, $
\left\vert A
\right\vert $ valdrà zero si, i només si, $
33-
11\alpha =
0$, és a dir, si $
\alpha =
3$. D'aquí es segueix que hem de diferenciar casos:
3068 \begin{enumerate
}[label=
\emph{\alph*
})
]
3070 \item Si $
\alpha \neq 3$, aleshores $
\lvert A
\rvert \neq 0$. Per tant, $rg A =
3$. I, per tant, com que $rg A
\leq rg M
\leq 3$, tenim que $rg M =
3$. I tenim tres incògnites, pel que el sistema és compatible determinat (té una única solució per a cada valor concret de $
\alpha$).
3072 \item Si $
\alpha =
3$, aleshores les matrius de coeficients i ampliades són:
3080 \right) ,
\quad M=
\left(
3088 En aquest cas, sabem que $rg A <
3$ (l'únic menor d'ordre
3, $
\lvert A
\rvert$, és zero). I com que
3095 \right\vert =
3\neq 0
3097 aleshores $rg A =
2$ (hi ha un menor d'ordre dos no nul).
3099 Queda ara calcular el rang de $M$. Sabem segur que $rg M$ com a mínim és
2. Hem de veure si pot ser tres. Per això, calculem tots els menors d'ordre tres:
3107 \right\vert =
0,
\quad \left\vert
3113 \right\vert =
0,
\quad \left\vert
3121 Per tant, $rg M =
2$.
3124 En resum, si $
\alpha \neq 3$, el sistema és compatible determinat. I si $
\alpha =
3$, el sistema és compatible indeterminat.
3127 \begin{exercise
}Clasifiqueu el sistema següent en funci\'
{o
} del paràmetre $
\alpha$:
%
3132 \alpha x-
3z & = &
3 \\
3139 Notem que l'aplicació del teorema de Rouché-Frobenius (
\autoref{thm-Rouche-Frobenius
}) no proporciona la solució del sistema, sinó tan sols quantes en té. En l'apartat següent es mostra com trobar aquestes solucions.
3141 \section{Resolució d'un sistema d'equacions
}\label{seccio:resolucio-general-sistemes
}
3143 La resolució d'un sistema d'equacions varia lleugerament segons si aquest és un sistema compatible determinat o un sistema compatible indeterminat. Ara bé, a grans trets, sempre es realitzen els mateixos passos:
3145 \item En primer lloc, s'esbrina si el sistema és compatible o incompatible usant el teorema de Rouché-Frobenius (
\autoref{thm-Rouche-Frobenius
}). En cas de què el sistema sigui incompatible, s'ha acabat (no hi ha solució per tant no es pot calcular).
3146 \item Quan es té un sistema compatible, es determina si aquest és determinat o indeterminat.
3147 \item En el primer cas, usant la regla de Cràmer es resol el sistema i es calcula la seva única solució. En l'altra cas, es transforma el sistema en un altre compatible determinat, el qual depèn d'un paràmetre, i es calcula la seva solució, aplicant de nou la regla de Cràmer. En aquest cas, s'obté una solució que depèn d'un paràmetre.
3150 Vegem els dos tipus de sistemes a continuació.
3152 \subsection{Sistema compatible determinat
}
3154 \begin{example
}Sigui el sistema
%
3165 Volem resoldre aquest sistema. Per fer-ho, escrivim les matrius de coeficients i ampliada, respectivament:
3174 \right) , \; M=
\left(
3183 i calculem els seus rangs:
3185 \item $A$ té un menor d'ordre $
3$ no nul:
3193 \right\vert =-
17\neq 0,
3195 Per tant, $rgA=
3$ (recordem que $rg A
\leq 3$ perquè no hi pot haver menors d'ordre $
4$).
3196 \item $
\lvert M
\rvert =
0$, ja que
3207 (que és l'únic menor d'ordre $
4$ de $M$). Per tant, $rg M =
3$.
3208 \item Com que $rgA=rgM=
3$, aleshores el sistema és compatible determinat (teorema de Rouché-Frobenius)
3211 Per tant, per ara sabem que el sistema té una solució i que aquesta és única, però encara no sabem com calcular-la. El pas següent és reduïr el nombre d'equacions del sistema: el nostre sistema té tres incògnites i quatre equacions. Per tant, de qualque manera,
{\em sobra
} una equació. Per saber quina sobra, trobarem quines equacions són (linealment) independents unes de les altres. Ara bé, hem vist que el menor
3221 era diferent de zero. Aquest menor correspon a les fileres
2a,
3a i
4a. Això vol dir que les equacions
2a,
3a i
4a són independents unes de les altres (tres línies són linealment independents si el seu determinant no és zero). O sigui, la primera equació és redundant (és combinació lineal de les altres).
3223 Aleshores, a partir d'ara les úniques equacions que es tendran en compte seran la segona, la tercera i la quarta. El nostre sistema és ara:
3234 Ara el nostre sistema compleix les condicions de la regla de Cràmer ($
\Delta \neq 0$ i hi ha tantes equacions com a incògnites). Aleshores, aplicant aquesta regla es té que la seva solució és:
3236 x &=&
\frac{\left\vert
3242 \right\vert }{-
17}=
\frac{3}{-
17}=
\frac{-
3}{17} \\
3244 y &=&
\frac{\left\vert
3250 \right\vert }{-
17}=
\frac{4}{-
17}=
\frac{-
4}{17} \\
3252 z &=&
\frac{\left\vert
3258 \right\vert }{-
17}=
\frac{13}{-
17}=
\frac{-
13}{17}
3260 Per tant, l'única solució del sistema és:
%
3262 x=
\frac{-
3}{17},
\text{ }y=
\frac{-
4}{17},
\text{ }z=
\frac{-
13}{17}
3266 \begin{exercise
}Resoleu el sistema següent:
%
3278 \subsection{Sistema compatible indeterminat
}
3280 \begin{example
}Sigui el sistema
%
3290 La matriu de coeficients i la matriu ampliada són, respectivament
%
3298 \right) ,\; M=
\left(
3306 En primer lloc, hem de calcular $rg A$ i $rg M$ per a saber de quin tipus de sistema es tracta:
3308 \item En primer lloc, calculem el determinant d'$A$:
3310 \lvert A
\rvert =
\left\vert
3318 Per tant, $rg A <
3$. I com que
3325 \right\vert =
6+
6 =
12 \neq 0,
3327 aleshores $rg A =
2$.
3329 \item Per a calcular $rg M$, mirem si existeixen menors d'ordre tres no nuls. Ja sabem que $
\lvert A
\rvert =
0$. Per tant, ens queden tres menors d'ordre tres a calcular:
3337 \right\vert =
0, \;
\left\vert
3343 \right\vert =
0, \;
\left\vert
3351 Per tant, el $rg M$ no pot ser $
3$. I com que $rg A
\leq rg M$, tenim que $rg M =
2$.
3352 \item Amb tot, el sistema és compatible indeterminat, ja que $rg A = rg M =
2 <$ nombre d'incògnites del sistema. Per tant, té infinites solucions.
3355 El menor que ha decidit el rang d'ambdues matrius ha estat
%
3364 Per tant, aquest és el menor que indica quines són les
{\em les equacions i incògnites principals
} del sistema. Aquest menor correspon a les fileres $
1$a i $
2$a i a les columnes $
1$a i $
3$a. Per les que les úniques equacions que es tendran en compte a partir d'ara seran la primer i la segona. D'altra banda, aïllarem a l'esquerra del símbol $=$, les incògnites $x$ i $z$ (que són la primera i la tercera), i es passaran a la dreta de l'igual els termes de la incògnita $y$. Aleshores, el nostre sistema és ara:
%
3373 Les incògnites $x$ i $z$ depenen d'una tercera incògnita, $y$, que pot tenir el valor que es vulgui. És a dir, $y$ és un paràmetre. Per a fer constar aquest fet i no confondre una incògnita amb un paràmetre, es fa el canvi de variable $y =
\lambda$, on $
\lambda$ és un nombre real qualsevol. Amb tot el sistema queda:
3377 6x-
3z & = &
1-
\lambda \\
3378 2x+z & = & -
1+
\lambda%
3383 Ara volem resoldre aquest sistema que té incògnites $x$ i $z$. Aquest sistema compleix les condicions de la regla de Cràmer (té tantes equacions com a incògnites i el determinant de la matriu de coeficients és no nul, ja que aquest és $
\Delta$). Aplicant la regla de Cràmer, s'obté que:
%
3385 x &=&
\frac{\left\vert
3390 \right\vert }{12}=
\frac{-
2+
2\lambda}{12}=
\frac{2\left( -
1+
\lambda\right)
}{2\cdot 6}=
\frac{-
1+
\lambda}{6} \\
3391 z &=&
\frac{\left\vert
3396 \right\vert }{12}=
\frac{-
8+
8\lambda}{12}=
\frac{4\left( -
2+
2\lambda\right)
}{4\cdot 3}=
\frac{-
2+
2\lambda}{3} \\
3399 Per tant, les solucions del sistema d'equacions són:
3401 x =
\frac{-
1+
\lambda}{6}, \; y =
\lambda \; z=
\frac{-
2 +
2 \lambda}{3},
3403 on $
\lambda \in \mathbb{R
}$ és un nombre qualsevol.
3406 \begin{exercise
}Resoleu el sistema següent:
%
3418 \subsection{Sistemes d'equacions amb un paràmetre
}
3420 La solució, en cas d'existir, d'un sistema d'equacions lineals en el que apareix un paràmetre dependrà del valors d'aquest paràmetre. Vegem-ne un exemple.
3422 \begin{example
}Sigui el sistema d'equacions
%
3426 \alpha x+y+z & = &
4 \\
3427 x+y+z & = &
\alpha \\
3428 x-y+
\alpha z & = &
2%
3432 Aquest sistema depèn del paràmetre $
\alpha$. L'existència de solucions i quines siguin aquestes solucions, en cas d'existir, dependrà, doncs, del valor d'$
\alpha$.
3434 La matriu de coeficients i la matriu ampliada són, respectivament:
%
3442 \right) , \; M=
\left(
3444 \alpha &
1 &
1 &
4 \\
3445 1 &
1 &
1 &
\alpha \\
3446 1 & -
1 &
\alpha &
2%
3450 En primer lloc, hem de classificar el sistema. Per tant, hem de calcular $rg A$ i $rg M$. Però, com què ambdues matrius depenen d'$
\alpha$, aquests rangs també dependran d'aquest paràmetre. D'aquesta manera, hem d'estudiar els rangs de $A$ i $M$ en funció d'$
\alpha$.
3452 Comencem, per exemple, amb la matriu de coeficients. Prenem el menor més gran possible:
3454 \lvert A
\rvert =
\left\vert
3460 \right\vert =
\alpha ^
{2}-
1
3462 Aquest menor valdrà zero si, i només si,
%
3464 \alpha ^
{2}-
1=
0 \iff \alpha ^
{2}=
1 \iff \alpha =
\pm 1
3466 Per tant, hem de considerar diverses possibilitats:
3468 \begin{enumerate
}[label=
\emph{\alph*
})
]
3469 \item Si $
\alpha \neq \pm 1$, aleshores $
\lvert A
\rvert \neq 0$. Per tant, existeix un menor d'ordre $
3$ no nul. El que implica que, $rg A=
3$. I aleshores $rg M =
3$. Per tant, el sistema és compatible determinat. I a més es compleixen les condicions de la regla de Cràmer. Per tant,
3471 x &=&
\frac{\left\vert
3477 \right\vert }{\alpha^
2-
1}=
\frac{-
\alpha^
2+
3\alpha +
4}{\alpha^
2-
1}=
%
3478 \frac{\left(
\alpha -
4\right)
\left( -
\alpha -
1\right)
}{\left(
\alpha
3479 +
1\right)
\left(
\alpha -
1\right)
}=
\frac{4-
\alpha }{\alpha -
1} \\
3480 y &=&
\frac{\left\vert
3486 \right\vert }{\alpha^
2-
1}=
\frac{\alpha^
3-
7\alpha +
6}{\alpha^
2-
1}=
%
3487 \frac{\left(
\alpha -
1\right)
\left(
\alpha -
2\right)
\left(
\alpha
3488 +
3\right)
}{\left(
\alpha +
1\right)
\left(
\alpha -
1\right)
}=
\frac{\left(
3489 \alpha -
2\right)
\left(
\alpha +
3\right)
}{\alpha +
1} \\
3490 z &=&
\frac{\left\vert
3496 \right\vert }{\alpha^
2-
1}=
\frac{\alpha^
2+
3\alpha -
10}{\alpha^
2-
1}=
%
3497 \frac{\left(
\alpha -
2\right)
\left(
\alpha +
5\right)
}{\left(
\alpha
3498 +
1\right)
\left(
\alpha -
1\right)
}
3500 Per tant, per a cada possible valor de $
\alpha$, tenim una única solució.
3502 \item Si $
\alpha =
1$, aleshores les matrius $A$ i $M$ són:
%
3515 \end{array
}\right) .
3517 Esbrinem el rang de $M$. Per això, calculem tots els seus menors d'ordre $
4$, excepte $
\lvert A
\rvert$ que ja hem calculat. Ara bé, no importa calcular-los tots
\footnote{Els altres dos menors donen $
0$ i $
6$.
}, ja que
3527 Per tant, tenim que $rg M =
3$. Ara bé, $rg A
\neq 3$. Per tant, el sistema és incompatible. I per tant, no té solució.
3529 \item Si $
\alpha = -
1$, aleshores les matrius de coeficients i ampliada són iguals a:
3545 Sabem que $rg A
\neq 3$. D'altra banda, $rg M =
3$, ja que el menor següent és no nul:
3553 \right\vert =
6\neq 0 .
3555 Per tant, de nou, el sistema és incompatible.
3560 \section{Exercicis proposats
}
3562 \begin{exercise
}Apliqueu la regla de Cràmer per resoldre els sistemes següents:
%
3563 \begin{multicols
}{2}
3564 \begin{enumerate
}[label=
\emph{\alph*
})
]
3619 \begin{exercise
}\label{exer:classificacio-
2}Classifiqueu els sistemes d'equacions següents:
%
3620 \begin{multicols
}{2}
3621 \begin{enumerate
}[label=
\emph{\alph*
})
]
3664 \begin{exercise
}Discutiu els sistemes següents segons els valors del paràmetre $m$:
%
3665 \begin{multicols
}{2}
3666 \begin{enumerate
}[label=
\emph{\alph*
})
]
3703 \begin{exercise
}\label{alicia-espuig-sistemes-
0}Resoleu, si es pot, els sistemes següents:
3704 \begin{multicols
}{2}
3705 \begin{enumerate
}[label=
\emph{\alph*
})
]
3759 \begin{exercise
}Resoleu els sistemes compatibles de l'
\autoref{exer:classificacio-
2}.
3762 \begin{exercise
}Resoleu aquests sistemes compatibles indeterminats:
3763 \begin{multicols
}{2}
3764 \begin{enumerate
}[label=
\emph{\alph*
})
]
3802 \begin{exercise
}Discutiu i resoleu els sistemes següents en funció del paràmetre corresponent:
%
3803 \begin{multicols
}{2}
3804 \begin{enumerate
}[label=
\emph{\alph*
})
]
3849 \begin{exercise
}Hi ha algun valor d'$a$ per al qual el sistema tengui infinites solucions?
%
3853 \left( a+
1\right) x+
2y+z & = & a+
3 \\
3861 \subsection{Problemes de sistemes d'equacions
}
3863 \begin{exercise
}\label{exer:espuig-sistemes-
1}En una fàbrica es produeixen cotxes blancs, negres i vermells. Fabriquen
140 cotxes diaris. El nombre de cotxes negres representa $
3/
5$ del nombre de cotxes blancs, i el nombre de cotxes vermells és $
1/
4$ del nombre de cotxes negres. Quants cotxes de cada
color es fabriquen cada dia?
3864 % Exercici d'Alícia Espuig
3867 \begin{exercise
}\label{exer:espuig-sistemes-
2}Els diners que porten en Pere, en Joan i n'Àngel sumen
200€. N'Àngel porta la mateixa quantitat de diners que en Pere i en Joan junts, i en Pere porta $
3/
2$ dels diners que porta en Joan. Quants diners porta cadascú?
3868 % Exercici d'Alícia Espuig
3871 \begin{exercise
}\label{exer:espuig-sistemes-
3}La Mariona va tres diumenges seguits a la pastisseria. El primer diumenge compra tres pastissets de moniato, dos de nata i un de xocolata, i es gasta
15,
75 €. El segon diumenge compra dos pastissets de moniato, un de nata i un de xocolata, i es gasta
10 €. El tercer dia compra un pastisset de cada tipus i es gasta
7,
5 €. Quin és el preu de cada pastisset?
3872 % Exercici d'Alícia Espuig
3875 \begin{exercise
}\label{exer:espuig-sistemes-
4}En una caixa hi ha pomes, peres i plàtans. En total sumen
12 peces de fruita. El triple del nombre de pomes és igual a la suma del nombre de peres i plàtans i el doble del nombre de peres és igual a la suma del nombre de pomes i plàtans. Trobeu el nombre de pomes, peres, i plàtans.
3878 \begin{exercise
}\label{xisco:exer4.21
}Dos amics inverteixen
20000 € cadascun. El primer col·loca una quantitat $A$ al
4\% d'interès, una quantitat $B$ al
5\% i la resta al
6\%. L'altre inverteix la mateixa quantitat $A$ al
5\%, la quantitat $B$ al
6\% i la resta al
4\%. Determineu les quantitats $A$, $B$ i $C$ si el primer
3879 obté uns interessos de
1050 € i el segon de
950 €
%
3882 \begin{exercise
}\label{xisco:exer4.22
}Una botiga ha venut
600 exemplars d'un article per un total de
6384€. El preu original era de
12 €, però també han venut còpies defectuoses amb descomptes del
30\% i del
40\%. Si el nombre de còpies defectuoses venudes va ser la meitat del de còpies en bon estat, calculeu a quantes còpies s'aplicà el descompte del
30\%
3885 \begin{exercise
}\label{xisco:exer4.23
}Un caixer automàtic conté
95 bitllets de
10,
20 i
50 €, i un total de
2000€. Si el nombre de bitllets de
10€ és el doble que el nombre de bitllets de
20€, calculeu quants de bitllets hi ha de cada tipus.
3888 \begin{exercise
}\label{xisco:exer4.24
}La suma de les tres xifres d'un nombre és
7. La xifra de les centenes és igual a la suma de la xifra de les desenes més el doble de la xifra de les unitats. D'altra banda, si s'inverteix l'ordre de la xifres, el nombre original disminueix en
297 unitats. Calculeu les xifres del nombre inicial