Contents

1 Dualitat i Ortogonalitat d’espais vectorials 2

1.1 Definicions i propietats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Aplicacions lineals i dualitat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

1
Chapter 1

Dualitat i Ortogonalitat d’espais

vectorials

1.1 Definicions i propietats

Per començar aquest tema recordarem el concepte d’espai vectorial.

Definició 1.1
Un espai vectorial sobre un cos K és un conjunt no buit E sobre el què están definides dues operacions:
(a) una llei interna, que anomenarem suma:

+ : E × E −→ E
(u, v) −→ u+v

que verifica les següents propietats:

• Commutativa: u + v = v + u, per tots u, v ∈ E;
• Associativa: (u + v) + w = u + (v + w), per tots u, v, w ∈ E;
• Element neutre: existeix 0 ∈ E tal que u + 0 = 0 + u = u, per tot u ∈ E;
• Element oposat: per tot u ∈ V existeix −u ∈ E tal que u + (−u) = (−u) + u = 0.
(b) una llei externa, que anomenarem producte per un escalar:

· : K × E −→ E
(λ, u) −→ λ·u

que verifica les següents propietats:

• 1 · u = u, per tot u ∈ E;
• associativitat mixta: α · (β · u) = (αβ) · u, per tots α, β ∈ K, i per tot u ∈ E;
• distributiva de l’operació externa respecte de la suma de K : (α + β) · u = α · u + β · u, per tots
α, β ∈ K i per tot u ∈ E;
• distributiva de l’operació externa respecte de la suma de E : α · (u + v) = α · u + α · v, per tot
α ∈ K i per tots u, v ∈ E.
També direm que E és un K−espai vectorial, i de forma abreujada E és un K−e.v.
Als elements de l’espai vectorial E se’ls denomina vectors i els denotarem per lletres llatines (x, y, u, v, . . .),
mentre que als elements de K se’ls denomina escalars i els denotarem per lletres gregues (λ, α, β, . . .).
Observau que amb aquesta notació utilitzada pels elements d’E i pels elements de K, no es fa necessari
emprar sı́mbols distints per a les dues addicions (d’E i de K), ni tampoc per a les multiplicacions (interna

2
CHAPTER 1. DUALITAT I ORTOGONALITAT D’ESPAIS VECTORIALS 3

de K i externa sobre E). Aixı́, per exemple, a la condició de la distributivitat respecte de la suma de K,
el primer membre (α + β)u, és el producte extern de l’escalar α + β i del vector u, mentre que el segon
membre, αu + βu, és la suma de dos vectors: αu i βu, i cadascun d’ells és a la vegada el producte extern
dels escalars α i β pel vector u. Tampoc farem diferència entre els neutres: a l’expressió 0 + u = u, és
clar que parlam del vector 0, en canvi en aquesta: 0 + α = α ens referim a l’escalar 0, etc.
Sigui E un K−e.v. Definim formalment a continuació l’espai (sobre K) de les aplicacions lineals entre
E i K (K com a K−e.v.).

Definició 1.2
Sigue E un K−e.v. Anomenam espai dual de E, que denotam per E ∗ , al K−e.v
E ∗ = {f : E → K| f és una aplicació lineal}.
Per tant, els elements de E ∗ són les formes lineals sobre E, és a dir E ∗ = L(E, K).

Exemple 1: Si consideram E = R3 llavors E ∗ = {f : R3 → R|f és lineal}. És a dir, els elements de
E ∗ són les formes lineals de R3 , que recordam són de la forma f (x, y, z) = ax + by + cz, amb a, b, c ∈ R.

Proposició 1.1
Si {e1 , . . . , en } és una base de E, podem construir a partir d’ella una base de E ∗ , que anomenarem base
dual de {e1 , . . . , en } i representarem per {e∗1 , . . . , e∗n }, de la següent manera:

∗ 1 si i = j,
ei (ej ) = , i = 1, . . . , n.
0 si i 6= j.

Prova. És fàcil veure que efectivament es tracta d’una base de E ∗ . Vegem que són formes lineals LI:
a1 e∗1 + · · · + an e∗n = 0 vol dir (a1 e∗1 + · · · + an e∗n )(x) = 0 per tot x ∈ E. Si feim x = ei , i = 1, . . . , n tenim
(a1 e∗1 + · · · + an e∗n )(ei ) = 0, per tot i = 1, . . . , n per tant a1 e∗1 (ei ) + · · · + an e∗n (ei ) = 0, per tot i = 1, . . . , n
o sigui ai = 0 per tot i = 1, . . . , n.
Per demostrar que el conjunt {e∗1 , . . . , e∗n } genera E ∗ , sigui ω ∈ E ∗ una forma lineal sobre E qualsevol
i vegem que existeixen escalars a1 , . . . , an tals que ω = a1 e∗1 + · · · + an e∗n . En efecte, basta considerar
ai = ω(ei ), i = 1, . . . , n, ja que en aquest cas, ω(ej ) = (a1 e∗1 + · · · + an e∗n )(ej ) per tot j = 1, . . . , n, i per
tant ω = a1 e∗1 + · · · + an e∗n .

De la proposició anterior se dedueix trivialment el següent resultat

Corol·lari 1.1
Si E és un e.v. de dimensió finita llavors dim E ∗ = dim E.

Exemples 2
(1) Si consideram l’e.v. R3 amb la base canònica llavors la seva base dual és el conjunt {e∗1 , e∗2 , e∗3 } tals
que e∗i (x1 , x2 , x3 ) = xi , per i = 1, 2, 3.
Efectivament, perquè sigui la base dual ha de verificar la condició de la proposició anterior:

e∗1 (e1 ) = e∗1 (1, 0, 0) = 1, e∗1 (e2 ) = e∗1 (0, 1, 0) = 0, e∗1 (e3 ) = e∗1 (0, 0, 1) = 0,
e∗2 (e1 ) = e∗2 (1, 0, 0) = 0, e∗2 (e2 ) = e∗2 (0, 1, 0) = 1, e∗2 (e3 ) = e∗2 (0, 0, 1) = 0,
e∗3 (e1 ) = e∗3 (1, 0, 0) = 0, e∗3 (e2 ) = e∗3 (0, 1, 0) = 0, e∗3 (e3 ) = e∗3 (0, 0, 1) = 1.

(2) Considerem a R2 las base B = {(1, −2), (3, 4)}. Trobam la seva base dual B ∗ = {ϕ1 , ϕ2 } a l’e.v.
(R2 )∗ .
Com que f1 , f2 són aplicacions lineal de R2 en R llavors les seves expressions han de ser f1 (x, y) =
a1 x + b1 y, f2 (x, y) = a2 x + b2 y. Usant que ha de ser la base dual de B tenim les següents equacions
que han de verificar les dues aplicaciones lineals:
 
ϕ1 (1, −2) = 1, ϕ2 (1, −2) = 0,
ϕ1 (3, 4) = 0 ϕ2 (3, 4) = 1
CHAPTER 1. DUALITAT I ORTOGONALITAT D’ESPAIS VECTORIALS 4

Usant les expressions proposades per f1 , f2 obtenim les equacions:

 
a1 − 2b1 = 1, a2 − 2b2 = 0,
3a1 + 4b1 = 0 3a2 + 4b2 = 1
1 1
Resolent els dos sistemes obtenim: ϕ1 (x, y) = 10 (4x − 3y), ϕ2 (x, y) = 10 (2x + y).

Comentari: Sigui B = {v1 , . . . , vn } una base de l’e.v. de dimensió finita E i sigui B ∗ = {ϕ1 , . . . , ϕn }
la seva base dual.
Pn
• Donat v ∈ E, aquest vector el podem escriure com v = i=1 ai vi , amb ai ∈ K. Llavors, per a cada
j ∈ {1, . . . , n} se té
n
X n
X
ϕj (v) = ϕj ( ai vi ) = ϕj (vi ) = aj .
i=1 i=1

Aleshores, les coordenades del vector v en base B són les seves imatges per la base dual, és a dir:
(v)B = (ϕ1 (v), . . . , ϕn (v)).
Pn
• Recı́procament, donat ϕ ∈ E ∗ , existeixen bi ∈ K tals que ϕ = i=1 bi ϕi . Llavors, per a cada
j ∈ {1, . . . , n} se té

Xn n
X
ϕ(vj ) = ( bi ϕi )(vj ) = bi ϕi (vj ) = bj .
i=1 i=1

Aleshores, les coordenades de ϕ en base B ∗ són les imatges de la base B per ϕ, és a dir: (ϕ)B ∗ =
(ϕ(v1 ), . . . , ϕ(vn )).

Exemple 3: Sigui B = {(1, −2), (3, 4)} ⊂ R2 la base de l’exemple anterior i B ∗ = {ϕ1 , ϕ2 } la seva base
dual. Si volem trobar les coordenades, per exemple, del vector v = (1, 1) a la base B, tenint en compte el
comentari anterior, resulta
1 2
(1, 2)B = (ϕ1 (1, 2), ϕ2 (1, 2)) = (− , ).
5 5
Per altra part, si consideram la forma lineal ϕ ∈ (R2 )∗ donada per ϕ(x, y) = 5x − 3y i volem trobar
les seves coordenades en la base B ∗ , seguint el comentari anterior es té

(ϕ)B ∗ = (ϕ(1, −2), ϕ(3, 4)) = (11, 3).

A continuació, donat un sub-e.v. X d’un e.v. E considerarem el conjut de totes les equacions lineals
que s’anul·len sobre els elements de X. Veurem, a més a més, que aquest conjunt té una estructura de
sub-e.v.

Definició 1.3
Sigui E un K−e.v. i E ∗ el seu dual. Si X ⊂ E, X 6= ∅, definim l’ortogonal de X de la manera següent:
X ⊥ = {w ∈ E ∗ |w(x) = 0 per tot x ∈ X}.

Comentari: A l’espai ortogonal de X se l’anomena també espai anul·lador de X.

Observem que una definició equivalent de l’ortogonal de X seria X ⊥ = {w ∈ E ∗ |X ⊂ Nuc w}.

De la pròpia definició es pot demostrar fàcilment el següent resultat.

Proposició 1.2
X ⊥ és un sub-e.v. de E ∗ .
CHAPTER 1. DUALITAT I ORTOGONALITAT D’ESPAIS VECTORIALS 5

Comentari: Casos particulars extrems són: {0}⊥ = E ∗ i E ⊥ = {0}. Observau que si X ⊂ Y llavors
Y ⊂ X ⊥.
⊥

Proposició 1.3
Si E és de dimensió finita n i si X és un sub-e.v. de E, llavors dim X ⊥ = n − dim X.

Prova. Sigui {e1 , . . . , er } una base de X i sigui B = {e1 , . . . , er , er+1 , . . . , en } una ampliació a una base
de E. Sigui B ∗ = {e∗1 , . . . , e∗r , e∗r+1 , . . . , e∗n } la base dual de la base B i vegem que {e∗r+1 , . . . , e∗n } és una
base de X ⊥ .
La independència lineal és clara ja que són vectors d’una base, per tant, es tracta de veure ara que
aquestes formes generen X ⊥ . Per veure-ho, sigui ω ∈ X ⊥ . Com que B ∗ és una base de X ⊥ , existeixen
a1 , . . . , an tals que ω = a1 e∗1 + . . . + ar e∗r + ar+1 e∗r+1 + · · · + an e∗n . Però com que ω ∈ X ⊥ i ei ∈ X per
i = 1, . . . , r resulta que ω(ei ) = ai = 0 per tot i = 1, . . . , r. Per tant a1 = · · · = ar = 0 i d’aquı́ s’obté
ω = ar+1 e∗r+1 + · · · + an e∗n .
Aixı́ {e∗r+1 , . . . , e∗n } és una base de X ⊥ i dim X ⊥ = n − dim X.

Exemple 4: Sigui X = h(1, 1, 1), (1, 2, 1)i ⊂ R3 . Per trobar una base de X ⊥ procedim com a la de-
mostració del resultat anterior. Ampliam la base de X a una base de R3 , per exemple

B = {(1, 1, 1), (1, 2, 1), (1, 0, 0)}.

Si B ∗ = {ϕ1 , ϕ2 , ϕ3 } és la base dual de B, podem deduir que {ϕ3 } és una base de X ⊥ . A partir de les
condicions ϕ3 (1, 1, 1) = 0, ϕ3 (1, 2, 1) = 0, ϕ3 (1, 0, 0) = 1 obtenim que ϕ3 (x, y, z) = x − z.
També podem definir l’ortogonal d’una part no buida, diguem-li W, de E ∗ .

Definició 1.4
W ⊥ = {x ∈ E|ω(x) = 0 per tot ω ∈ W }.

Igual que abans podem veure que W ⊥ és un sub-e.v. de E. Tenim també {0}⊥ = E i (E ∗ )⊥ = {0}. Per
altra part, tenim una fórmula anàloga per calcular la dimensió de W ⊥ (si W és un sub-e.v. de E ∗ i E és
de dimensió finita n): dim W ⊥ = n − dim W.

Proposició 1.4
Si X ⊂ E, llavors X ⊂ (X ⊥ )⊥ . En cas de dimensió finita i X un sub-e.v. de E, es verifica X = (X ⊥ )⊥ .

Prova. La primera inclusió es demostra fàcilment.

Per demostrar la segona part, com que X ⊂ (X ⊥ )⊥ i dim (X ⊥ )⊥ = n − dim X ⊥ = n − (dim E −
dim X) = dim X llavors, (X ⊥ )⊥ = X.

Exemple 5: A R3 , l’ortogonal de X = h(1, 1, 1)i és X ⊥ = {ω ∈ (R3 )∗ |ω(u) = 0 per tot u ∈ X} = {ω ∈

(R3 )∗ |ω(1, 1, 1) = 0}. Si ω(x, y, z) = ax + by + cz, ha de ser ω(1, 1, 1) = a + b + c = 0. Per tant, les formes
lineals de X ⊥ tenen l’expressió ω(x, y, z) = ax + by − (a + b)z on a, b ∈ R. És clar que dim X ⊥ = 2.
Notau que si X = hu1 , . . . , ur i, llavors X ⊥ = {ω ∈ E ∗ |ω(u) = 0 per tot u ∈ X} = {ω ∈ E ∗ |ω(ui ) =
0 per tot i = 1, . . . , r}. Això ho hem aplicat a l’exemple anterior.
Vegem a continuació com es comporta l’ortogonal amb la suma i la intersecció de subespais.

Proposició 1.5
Sigui E un e.v. i S, T subespais de E. Llavors:

1. (S + T )⊥ = S ⊥ ∩ T ⊥ .
2. Si E és de dimensió finita llavors (S ∩ T )⊥ = S ⊥ + T ⊥ .
CHAPTER 1. DUALITAT I ORTOGONALITAT D’ESPAIS VECTORIALS 6

Prova.
1. Per una observació anterior tenim que, com que S ⊂ S + T, llavors (S + T )⊥ ⊂ S. El mateix passa
pel sub-e.v. T i aleshores (S + T )⊥ ⊂ S ⊥ ∩ T ⊥ .
Vegem ara la inclusió contrària: si ϕ ∈ S ⊥ ∩T ⊥ llavors ϕ ∈ S ⊥ i ϕ ∈ T ⊥ . Consequentment, ϕ(s) = 0
per tot s ∈ S i ϕ(t) = 0 per tot t ∈ T. Llavors ϕ(s + t) = 0, per tot s ∈ S, t ∈ T i ϕ ∈ (S + T )⊥ .
2. Sigui ϕ ∈ S ⊥ + T ⊥ . Llavors ϕ = ϕS + ϕT , amb ϕS ∈ S ⊥ , ϕT ∈ T ⊥ . Per a cada x ∈ S ∩ T es té que
ϕ(x) = ϕS (x) + ϕT (x) = 0 + 0 = 0. Llavors ϕ ∈ (S ∩ T )⊥ amb el que ja tenim una inclusió.
Observem que

dim (S ⊥ + T ⊥ ) = dim S ⊥ + dim T ⊥ − dim (S ⊥ ∩ T ⊥ ) = dim S ⊥ + dim T ⊥ − dim (S + T )⊥

= (n − dim S) + (n − dim T ) − (n − dim (S + T )) = n − (dim S + dim T − dim (S + T ))
= n − dim (S ∩ T ) = dim (S ∩ T )⊥ .

Per tant, (S ∩ T )⊥ = S ⊥ + T ⊥ .

Acabam la secció relacionant la suma directa amb l’ortogonalitat.

Proposició 1.6
Si E és de dimensió finita i E = F ⊕ G llavors E ∗ = F ⊥ ⊕ G⊥ .

Prova. Si E = F ⊕ G llavors E = F + G i, a més a més, F ∩ G = {0}.

Com que {0} = E ⊥ = (F + G)⊥ = F ⊥ ∩ G⊥ i per altra banda E ∗ = {0}⊥ = (F ∩ G)⊥ = F ⊥ + G⊥
llavors hem provat que E ∗ = F ⊥ ⊕ G⊥ .

1.2 Aplicacions lineals i dualitat

Per acabar aquest capı́tol de continuació del curs anterior, estudiarem la transposició de matrius i veurem
què té a veure amb la dual d’una aplicació lineal.
Observem que, fixada una aplicació lineal f : E → F , cada element ω ∈ F ∗ ens dóna un element
ω ◦ f ∈ E ∗ , seguint el següent diagrama:
f
E → F
& ↓ω
ω◦f K.

El definim formalment.

Definició 1.5
Si f : E → F és lineal, llavors podem definir una aplicació f ∗ : F ∗ → E ∗ de la forma següent: f ∗ (ω) =
ω ◦ f, per tot ω ∈ F ∗ . L’anomenam aplicació dual de f.
Evidentment, quan no sigui estrictament necessari, obviarem el sı́mbol de composició i escriurem
f ∗ (ω) = ωf per tot ω ∈ F ∗ .
Provam a continuació que f ∗ està ben definida, ja que ωf és lineal.

Proposició 1.7
L’aplicació f ∗ és lineal.
CHAPTER 1. DUALITAT I ORTOGONALITAT D’ESPAIS VECTORIALS 7

Prova. Vegem, per exemple, que f ∗ satisfà la condició f ∗ (ω + ω 0 ) = f ∗ (ω) + f ∗ (ω 0 ). Es tracta de provar
que per tot x ∈ E : [f ∗ (ω + ω 0 )](x) = [f ∗ (ω) + f ∗ (ω 0 )](x). En efecte,
[f ∗ (ω + ω 0 )](x) = [(ω + ω 0 ) ◦ f ](x) = (ω + ω 0 )(f (x)) = ω(f (x)) + ω 0 (f (x)) =
= (ω ◦ f )(x) + (ω 0 ◦ f )(x) = (f ∗ (ω))(x) + (f ∗ (ω 0 )(x) = [f ∗ (ω) + f ∗ (ω 0 )](x).

Exemple 6: Donada f : R3 → R2 definida per f (x, y, z) = (y + z, x + z). La dual de f serà f ∗ : (R2 )∗ →

(R3 )∗ és f ∗ (ω) = ω ◦ f, és a dir, si ω(x, y) = ax + by, llavors

[f ∗ (ω)](x, y, z) = (ωf )(x, y, z) = ω[f (x, y, z)] = ω(y +z, x+z) = a(y +z) +b(x+z) = bx+ay + (a+b)z.

Abreujant, podrı́em dir que f ∗ transforma la forma lineal (a, b) en la forma lineal (b, a, a + b).

Proposició 1.8
La dual d’una aplicació lineal verifica les seguüents propietats:
1) (idE )∗ = idE ∗ .
2) (gf )∗ = f ∗ g ∗ .
3) Suposem E i F de dimensions finites. Sigui f : E → F lineal i f ∗ : F ∗ → E ∗ la dual de f. Es verifiquen
les igualtats següents:
a) (Im f )⊥ = Nuc f ∗ .
b) (Nuc f )⊥ = Im f ∗ .

Prova.
1) En efecte: (idE )∗ (ω) = ω ◦ idE = ω per tot ω ∈ E ∗ .
2) En efecte: (g ◦ f )∗ (ω) = ω ◦ (g ◦ f ) = (ω ◦ g) ◦ f = f ∗ (ω ◦ g) = f ∗ (g ∗ (ω)) = (f ∗ ◦ g ∗ )(ω).

3) a) Sigui ω ∈ (Im f )⊥ , llavors ω(y) = 0 per tot y ∈ Im f. Per tant ω(f (x)) = 0 per tot x ∈ E, o sigui
(ω ◦f )(x) = 0 per tot x ∈ E i d’aquı́ [f ∗ (ω)](x) = 0 per tot x ∈ E d’on f ∗ (ω) = 0, és a dir, ω ∈ Nuc f ∗ .
Hem demostrat fins ara que: (Im f )⊥ ⊂ Nuc f ∗ . Per veure l’altra inclusió basta invertir el raonament
anterior.
b) Si ω ∈ Imf ∗ és ω = f ∗ (ω 0 ) per alguna ω 0 ∈ F ∗ . Per tant ω = ω 0 ◦f d’on ω(x) = (ω 0 f )(x) = ω 0 (f (x)).
Si x ∈ Nuc f, llavors ω 0 (f (x)) = ω 0 (0) = 0 aixı́ que Im f ∗ ⊂ (Nuc f )⊥ .
Per acabar, hem de veure que (Nuc f )⊥ ⊂ Im f ∗ . Es tracta de demostrar que si ω ∈ (Nuc f )⊥ llavors
existeix ω 0 ∈ F ∗ tal que f ∗ (ω 0 ) = ω, és a dir, tal que ω 0 f = ω.
Considerem H un sub-e.v. suplementari de Im f, és a dir, F = Im f ⊕H. Llavors, si ω1 ∈ Im f, ω2 ∈ H,
una aplicació definida com:

ω0 : F = Im f ⊕ H → K
z =y+t → ω 0 (z) = ω1 (y) + ω2 (t), amb y ∈ Im f, t ∈ H,

és lineal i per tant ω0 ∈ F ∗ .

Anam a definir ω 0 com a una de les ω0 anteriors. Si z = y + t ∈ F = Im f ⊕ H, amb y ∈ Im f, t ∈ H,
definim ω 0 (z) = ω(x), on f (x) = y
CHAPTER 1. DUALITAT I ORTOGONALITAT D’ESPAIS VECTORIALS 8

Recordem que si f : E → F és lineal, amb E i F de dimensions finites, el rang de f és la dimensió de
Im f. Podem ara establir una relació important entre els rangs d’una aplicació lineal i la seva dual.

Proposició 1.9
Suposem E i F de dimensions finites i sigui f : E → F lineal. Llavors rang f = rang f ∗ .

Prova. En efecte, rang f ∗ = dim (Im f ∗ ) = dim (Nuc f )⊥ = dim E − dim Nuc f = dim (Im f ) = rang f.
Observau que hem utilitzat la igualtat 3.b) de la Proposició 1.8, però també podem fer-ho a partir
de la igualtat 3.a): rang f = dim (Im f ) = dim F − dim (Im f )⊥ = dim F − dim (Nuc f ∗ ) = dim F ∗ −
dim (Nuc f ∗ ) = rang f ∗ .

Recordam a continuació, com ja hem fet en el tema de Preliminars, el concepte i les propietats més
bàsiques de la transposada d’una matriu.

Definició 1.6
Si A ∈ Mm×n (K), anomenam transposada de A, AT , a la matriu que té per files les columnes de A :
AT = (bij ) on bij = aji , i = 1, . . . , n, j = 1, . . . , m.
Aixı́ aquesta operació (unària) ens defineix una aplicació Mm×n (K) → Mn×m (K) amb les propietats
següents.

Proposició 1.10
1) L’aplicació transposada és bijectiva.

2) És involutiva: (AT )T = A.

3) (A + B)T = AT + B T ; (aA)T = aAT .

Definició 1.7
Una matriu A ∈ Mn×n (K) deim que és ortogonal si es verifica A · AT = AT · A = I. És a dir, si és
invertible i la seva inversa coincideix amb la transposada: A−1 = AT .

Proposició 1.11
El conjunt de les matrius ortogonals, M On×n (K), amb l’operació de multiplicació és un grup, que ano-
menam grup ortogonal.
Sigui f : E → F una aplicació lineal i A la seva matriu m×n sobre K respecte d’unes bases {e1 , . . . , en }
i {v1 , . . . , vm } de E i F respectivament. Per altra part, sigui f ∗ : F ∗ → E ∗ l’aplicació dual de f. Podem
demostrar el resultat següent.

Teorema 1.1
La matriu de f ∗ respecte de les bases duals de les bases {v1 , . . . , vm } i {e1 , . . . , en } és AT , és a dir, la
transposada de la matriu de f respecte de les bases {e1 , . . . , en } i {v1 , . . . , vm }.

Prova. Sigui A = (aij ) la matriu de f respecte de {e1 , . . . , en } i {v1 , . . . , vmP } i sigui B = (bij ) la matriu
de f ∗ respecte de {v1∗ , . . . , vm
∗
} i {e∗1 , . . . , e∗n }. Llavors, es té que f ∗ (vk∗ ) = brk e∗r . Si ho aplicam a ej
tenim
n
!
X
∗ ∗ ∗
[f (vk )] (ej ) = brk er (ej ) = bjk .
r=1

Però per altra part,

n
! n
X X
∗
[f (vk∗ )] (ej ) = (vk∗ ◦ f )(ej ) = vk∗ (f (ej )) = vk∗ aij vi = aij vk∗ (vi ) = akj.
i=1 i=1

T
Per tant B = A .
CHAPTER 1. DUALITAT I ORTOGONALITAT D’ESPAIS VECTORIALS 9

Com a conseqüència del resultat anterior podem establir la següent proposició (observem que el primer
resultat ja el tenim provat).

Proposició 1.12
1) Una aplicació lineal : E → F i la seva dual f ∗ : F ∗ → E ∗ tenen el mateix rang.
2) Siguin B1 i B2 bases d’un e.v. E i siguin B1∗ , B2∗ les seves bases duals. Si A és la matriu de canvi de
base de B1 a B2 llavors At és la matriu de canvi de base de B2∗ a B1∗ .

3) Si A ∈ Mm×n (K) i B ∈ Mn×r (K), llavors (AB)T = B T AT .

4) Si A ∈ Mn (K) és una matriu quadrada. A és invertible si i només si AT és invertible i en aquest cas
(AT )−1 = (A−1 )T .

Prova. Els apartats 2) i 4) se deixen com a exercicis.

1) Sabem que, si A és la matriu de l’apliació lineal f llavors rang f = rang A. Per altra part, sabem que
rang A = rang AT , per tant, rang f = rang A = rang AT = rang f ∗ .
3) Per demostrar aquest segon apartat, basta utilitzar el Teorema 1.1 i la propietat (gf )∗ = f ∗ g ∗ ja
demostrada a la Proposició 1.8.