Professional Documents
Culture Documents
11
Aplicacions lineals i matrius
on
¡ ¢ h ¢i
M V ,U f = C V f (u 1 ) C V f (u 2 ) · · · C V f (u n ) ∈ Mm×n (K) .
¡ ¢ ¡ ¢ ¡
(11.2)
Demostració
α1
α2
Suposem que u ∈ E i que C U (u) = . ; aleshores u = α1 u 1 + α2 u 2 + · · · + αn u n i,
..
αn
pel teorema 9.2(c), f (u) = α1 f (u 1 ) + α2 f (u 2 ) + · · · + αn f (u n ). Així, pel teorema 6.9,
C V f (u) = α1C V f (u 1 ) + α2C V f (u 2 ) + · · · + αn C V f (u n )
¡ ¢ ¡ ¢ ¡ ¢ ¡ ¢
α1
¢ i α2
h
¡ ¢ ¡ ¢ ¡ ¡ ¢
= C V f (u 1 ) C V f (u 2 ) · · · C V f (u n ) = M V ,U f C U (u) .
..
.
αn
¡ ¢
Notem que, d’acord amb la definició 6.7, la matriu M V ,U f és la matriu del sistema de
vectors f (U ) en la base V . Per tant, i d’acord amb el teorema 11.1, la primera columna de
M V ,U f està formada per les coordenades en la base V de la imatge per f del primer vector de
¡ ¢
per f del segon vector de U i, en general, la j -èsima columna de M V ,U f està formada per les
¡ ¢
Mm×n (K); és a dir, el nombre de files coincideix amb la dimensió de F mentre que el nombre
de columnes coincideix amb la dimensió de E .
Si suposem ara que
x1 y1 a 11 a 12 · · · a 1n
x2 ¢ y2 ¡ ¢ a 21 a 22 · · · a 2n
¡
C U (u) =
..
, C V f (u) =
..
i M V ,U f =
.. .. .. ,
. . . . .
xn ym a m1 a m2 · · · a mn
y 1 = a 11 x 1 + a 12 x 2 + ··· + a 1n x n
y 2 = a 21 x 1 + a 22 x 2 + ··· + a 2n x n
.. .. .. ..
. . . .
y m = a m1 x 1 + a m2 x 2 + ··· + a mn x n
Exemple 11.1
f (x 1 u 1 + x 2 u 2 + x 3 u 3 ) = (x 1 + x 2 )v 1 + (x 1 − x 2 + x 3 )v 2 ,
para todo x 1 u 1 + x 2 u 2 + x 3 u 3 ∈ E .
Ara, si volem obtenir f (3u 1 + u 2 − 4u 3 ), d’acord amb el teorema 11.1, el que fem és
calcular (comproveu els càlculs!)
3 "
" # #
¡ ¢ ¡ ¢ 1 1 0 4
C V f (3u 1 + u 2 − 4u 3 ) = M V ,U f C U (3u 1 + u 2 − 4u 3 ) = 1=
1 −1 1 −2
−4
Exemple 11.2
f (u 1 ) = v 1 − v 2 + 2v 3 i f (u 2 ) = 3v 1 + 5v 2 − 4v 3
2 −4
Així, d’acord amb el teorema 11.1, per a obtenir f (2u 1 − u 2 ) calculem (comproveu els
càlculs!),
1 3 " # −1
¡ ¢ ¡ ¢ 2
C V f (2u 1 − u 2 ) = M V ,U f C U (2u 1 − u 2 ) = −1 5 = −7
−1
2 −4 8
Exemple 11.3
f (u 1 ) = v 1 + v 3 , f (u 2 ) = v 1 + v 2 − v 3 i f (u 3 ) = v 2 + v 3 − v 4
Exemple 11.4
f (u 1 ) = v 1 + 3v 2 − 2v 3 − v 4 , f (u 2 ) = 2v 1 + v 2 + v 3 + 2v 4 ,
f (u 3 ) = v 1 + 2v 3 + v 4 i f (u 4 ) = 4v 1 + 4v 2 + v 3 + 2v 4 ,
Exemple 11.5
Si A = 1, x, x2 i B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} són les bases canòniques de K2 [x] i K3 ,
© ª
0 0 1
11. Aplicacions lineals i matrius 275
Exemple 11.6
L’observació següent ens permet interpretar la matriu de canvi de base com la matriu de
l’endomorfisme identitat.
Observació 11.1
Suposem que E és un K-espai vectorial de dimensió n, que U i V son bases de E y
considerem idE ∈ L(E ).
(a) Podem considerar la matriu M V ,U (idE ). Si suposem que U = {u 1 , u 2 , . . . , u n } , pels
teoremes 11.1 i 6.10 tenim que
h i
M V ,U (idE ) = C V (idE (u 1 )) C V (idE (u 2 )) · · · C V (idE (u n ))
h i
= C V (u 1 ) C V (u 2 ) · · · C V (u n ) = P V ←U .
(b) També podem considerar la matriu M U ,U (idE ). D’acord amb la propietat (a) i
el teorema 6.11(a), tenim que M U ,U (idE ) = I n .
Teorema 11.2
Suposem que E i F són K-espais vectorials de dimensions n i m respectivament. Su-
posem també que U i V són bases de E i F respectivament. Si A ∈ Mm×n (K), aleshores
existeix una única f ∈ L(E , F ) tal que M V ,U f = A.
¡ ¢
Demostració
Suposem que U = {u 1 , u 2 , . . . , u n }, V = {v 1 , v 2 , . . . , v m } i que
a 11 a 12 · · · a 1n
a 21 a 22 · · · a 2n
A=
.. .. .. .
. . .
a m1 a m2 · · · a mn
f (u j ) = a 1 j v 1 + a 2 j v 2 + · · · + a m j v m ∈ F, per a j = 1, 2, . . . , n
¡ ¢
i, pel teorema 11.1, M V ,U f = A (per què?).
Demostració
Recordem que tant L(E , F ) com Mm×n (K) són K-espais vectorials (vegeu el teore-
ma 9.10 i l’exemple 5.1 respectivament) i suposem que U = {u 1 , u 2 , . . . , u n } .
Si α, β ∈ K i f , g ∈ L(E , F ), pels teoremes 9.5 i 9.8 tenim que
(α f + βg )(u i ) = α f (u i ) + βg (u i ), per a i = 1, 2, . . . , n
C V (α f + βg )(u i ) = αC V f (u i ) + βC V g (u i ) ,
¡ ¢ ¡ ¢ ¡ ¢
per a i = 1, 2, . . . , n.
11. Aplicacions lineals i matrius 277
Ψ(α f + βg ) = M V ,U α f + βg
¡ ¢
h ¡ ¢i
= C V (α f + βg )(u 1 ) C V (α f + βg )(u 2 ) · · · C V (α f + βg )(u n )
¢ ¡ ¢ ¡
h ¡ ¢i
= α C V f (u 1 ) C V f (u 2 ) · · · C V f (u n )
¢ ¡ ¢ ¡
h ¡ ¢i
+ β C V g (u 1 ) C V g (u 2 ) · · · C V g (u n )
¢ ¡ ¢ ¡
= αM V ,U f + βM V ,U g = αΨ( f ) + βΨ(g ).
¡ ¢ ¡ ¢
El corol·lari següent és conseqüència immediata del teorema anterior, el teorema 10.7 i l’e-
xemple 6.17.
Corol.lari 11.1
Suposem que E i F són K-espais vectorials de dimensions n i m respectivament. Ales-
hores dim L(E , F ) = m n.
Demostració
Com a exercici.
El teorema 11.3 permet afirmar que, fixades bases dels espais vectorials, la matriu de la suma
de dues aplicacions lineals és igual a la suma de les matrius de cadascuna de les aplicacions
lineals i la matriu del producte d’un escalar per una aplicació lineal és igual al producte de
l’escalar per la matriu de l’aplicació lineal. Sorgeix, per tant, de manera natural la pregunta
següent: Què ocorre amb la matriu de la composició de dues aplicacions lineals? El teorema
següent proporciona la resposta a aquesta pregunta.
Teorema 11.4
Suposem que E , F i G són K-espais vectorials de dimensió finita i que U , V i W són
bases de E , F i G respectivament. Si f ∈ L(E , F ) i g ∈ L(F,G), aleshores
¡ ¢ ¡ ¢ ¡ ¢
M W ,U g ◦ f = M W ,V g M V ,U f .
278 11.1. Matriu associada a una aplicació lineal
Demostració
Suposem que U = {u 1 , u 2 , . . . , u n } . De les expressions (11.1) i (11.2) i les propietats de
la multiplicació de matrius, tenim que
¡ ¢ h ¡ ¢ ¡ ¢ ¡ ¢i
M W ,U g ◦ f = C W (g ◦ f )(u 1 ) C W (g ◦ f )(u 2 ) · · · C W (g ◦ f )(u n )
h ¡ ¡ ¢¢ ¡ ¡ ¢¢ ¡ ¡ ¢¢i
= C W g f (u 1 ) C W g f (u 2 ) · · · C W g f (u n )
h ¡ ¢ ¡ ¢ ¡ ¢ ¡ ¢ ¡ ¢ ¡ ¢i
= M W ,V g C V f (u 1 ) M W ,V g C V f (u 2 ) · · · M W ,V g C V f (u n )
¡ ¢h ¡ ¢ ¡ ¢ ¡ ¢i
= M W ,V g C V f (u 1 ) C V f (u 2 ) · · · C V f (u n )
¡ ¢ ¡ ¢h i
= M W ,V g M V ,U f C U (u 1 ) C U (u 2 ) · · · C U (u n )
¡ ¢ ¡ ¢
= M W ,V g M V ,U f ,
h i
ja que, per l’observació 6.7(b), C U (u 1 ) C U (u 2 ) · · · C U (u n ) = I n .
Ara estem en condicions de provar que la matriu d’un isomorfisme és una matriu invertible.
Teorema 11.5
Suposem que E i F són K-espais vectorials de dimensió finita i que U i V són bases de
E i F respectivament. Si f ∈ L(E , F ) és un isomorfisme, aleshores M V ,U f és invertible
¡ ¢
i a més
¡ ¢¢−1
= M U ,V f −1 .
¡ ¡ ¢
M V ,U f
Demostració
Suposem que f és un isomorfisme. Pel teorema 10.7(a), dim E = dim F i pel teore-
ma 9.16(a), f −1 ∈ L(F, E ) també és un isomorfisme. A més, com que
f ◦ f −1 = idF i f −1 ◦ f = idE ,
pel teorema 11.4 i l’observació 11.1(b), si dim E = n (i per tant, dim F = n), tenim que
M V ,U f M U ,V f −1 = M V ,V (idF ) = I n i M U ,V f −1 M V ,U f = M U ,U (idE ) = I n .
¡ ¢ ¡ ¢ ¡ ¢ ¡ ¢
¡ ¢¢−1
= M U ,V f −1 .
¡ ¢ ¡ ¡ ¢
En conseqüència, M V ,U f és invertible i M V ,U f
Acabem aquesta secció amb algunes propietats corresponents a endomorfismes d’un espai
vectorial de dimensió finita. Aquestes propietats són conseqüència immediata de les propietats
vistes per a aplicacions lineals entre espais vectorials que tenen la mateixa dimensió.
11. Aplicacions lineals i matrius 279
Observació 11.2
Suposem que E és un K-espai vectorial de dimensió n, que U és una base de E
i considerem l’aplicació Ψ : L(E ) −→ Mn (K) donada per Ψ( f ) = M U ,U f , per a tot
¡ ¢
Ψ( f + g ) = M U ,U f + g = M U ,U f + M U ,U q = Ψ( f ) + Ψ(g ),
¡ ¢ ¡ ¢ ¡ ¢
Ψ( f ◦ g ) = M U ,U f ◦ g = M U ,U f M U ,U g = Ψ( f ) Ψ(g ).
¡ ¢ ¡ ¢ ¡ ¢
Aquestes propietats, juntament amb les observacions 3.2 i 9.4 posen de manifest que
Ψ és un homomorfisme d’anells. A més, com que pel teorema 11.2 l’aplicació Ψ és bijec-
tiva (vegeu també el teorema 11.3), concloem que Ψ és un isomorfisme d’anells.
Observació 11.3
Suposem que E és un K-espai vectorial de dimensió finita i que U és una base de E .
Si f ∈ L(E ) és un automorfisme (és a dir, un endomorfisme bijectiu), pel teorema 11.5
¡ ¢¢−1
= M U ,U f −1 .
¡ ¢ ¡ ¡ ¢
tenim que M U ,U f és invertible i M U ,U f
Obtenir els subespais vectorials imatge i nucli d’una aplicació lineal entre espais vectorials
de dimensió finita és relativament fàcil si utilitzem la matriu d’aquesta aplicació lineal tal com
establim en el teorema següent.
Teorema 11.6
Suposem que E i F són K-espais vectorials de dimensió finita, que U i V són bases
de E i F respectivament, i que f ∈ L(E , F ).
(a) Suposem que v ∈ F . Aleshores
¡ ¢ ¡ ¡ ¢¢
v ∈ Im f si i només si C V (v ) ∈ Col M V ,U f .
Demostració
(a) Per la definició 10.1(a) i el teorema 11.1, les propietats següents són equivalents:
¡ ¢
• v ∈ Im f ,
• v = f (u), per a algun u ∈ E ,
¡ ¢
• C V (v ) = C V f (u) , per a algun u ∈ E ,
¡ ¢
• C V (v ) = M V ,U f C U (u), per a algun u ∈ E ,
¡ ¡ ¢¢
• C V (v ) ∈ Col M V ,U f .
(b) Per la definició 10.1(b), el teorema 11.1 i l’observació 6.7(a), les propietats següents
són equivalents:
¡ ¢
• u ∈ Ker f ,
• f (u) = 0F ,
¡ ¢
• C V f (u) = C V (0F ),
¡ ¢
• M V ,U f C U (u) = 0m ,
¡ ¡ ¢¢
• C U (u) ∈ Nul M V ,U f .
L’observació següent és conseqüència del teorema anterior i del teorema 10.8 i és de gran
utilitat per a l’obtenció de bases de la imatge i el nucli d’una aplicació lineal entre espais vecto-
rials de dimensió finita.
Observació 11.4
Suposem que E i F són K-espais vectorials de dimensió finita i que U i V són ba-
ses de E i F respectivament. Si f ∈ L(E , F ), com a conseqüència del teorema anterior i
el teorema 10.8, tenim que
Ker f ∼ Im f ∼
¡ ¢ ¡ ¡ ¢¢ ¡ ¢ ¡ ¡ ¢¢
= Nul M V ,U f i = Col M V ,U f .
Recordem que ja vam obtenir aquesta propietat, per a una matriu qualsevol amb n co-
lumnes, com a conseqüència del teorema 7.7 i el corol.lari 7.1.
A més, també com a conseqüència del teorema 10.6, tenim que
© ª ¡ ¢ © ¡ ¢ª
• a 1 , a 2 , . . . , a p és base de Ker f si i només si C U (a 1 ) ,C U (a 2 ) , . . . ,C U a p és base
¡ ¡ ¢¢
de Nul M V ,U f ,
11. Aplicacions lineals i matrius 281
© ª ¡ ¢ © ¡ ¢ª
• b 1 , b 2 , . . . , b q és base de Im f si i només si C V (b 1 ) ,C V (b 2 ) , . . . ,C V b q és base
¡ ¡ ¢¢
de Col M V ,U f .
Vegem un exemple.
Exemple 11.7
2 3 1 0 −1
0 1 −1 1 1
A= ∈ M4×5 (R)
1 0 2 −1 −1
2 0 4 −2 −2
la matriu de l’exemple 7.10. Així, d’acord amb el que hem dit en aquest exemple,
2 3 0
¡ ¡ ¢¢ ¡ ¡ ¢¢ 0 1 1
dim Col M V ,U f = 3 i Col M V ,U f = Env , ,
1 0
−1
2
0 −2
A més, com a conseqüència dels exemples 7.1, 7.9 i 7.10 i l’observació 7.5, tenim que
−2 −1
1 1
¡ ¡ ¢¢ ¡ ¡ ¢¢
dim Nul M V ,U f = 2 i Nul M V ,U f = Env 1 , 0
0 −2
0 1
f (u 1 ) = −v 2 i f (u 2 ) = 2v 1 + v 2 + v 3 ,
0 1
a 1 = u 1 + u 2, a 2 = −u 2 i b 1 = v 1 + v 2 + v 3, b 2 = v 1 + v 2, b 3 = v 1.
1 0 0 0 2
−1
1 1 1 −2 −1
−1
¡ ¢ ¡ ¢ ¡ ¢
C B f (a 2 ) = P B←V C V f (a 2 ) = (P V ←B ) C V f (a 2 ) = 1 1 0 −1 = 0 .
1 0 0 −1 −1
1 −1
¡ ¢
Així, pel teorema 11.1, concloem que M B,A f = −1 0 .
2 −1
Acabem de veure que depenent de les bases considerades en cada espai vectorial, obtenim
diferents matrius associades a la mateixa aplicació lineal. Per tant sorgeix, de manera natural,
la pregunta següent: existeix alguna relació entre aquestes matrius? La resposta és afirmativa
com posem de manifest en el teorema següent.
Teorema 11.7
Suposem que E i F són K-espais vectorials i que f ∈ L(E , F ). Si A , U són bases de E
i B, V són bases de F , aleshores
¡ ¢ ¡ ¢
M B,A f = P B←V M V ,U f P U ←A . (11.3)
Demostració
¡ ¢ ¡ ¢
Suposem que u ∈ E . Pel teorema 11.1 tenim que C V f (u) = M V ,U f C U (u) , mentre
que pel teorema 6.10 tenim que
¡ ¢ ¡ ¢
C U (u) = P U ←A C A (u) i C V f (u) = P V ←B C B f (u) .
¡ ¢ ¡ ¢
Per tant, P V ←B C B f (u) = M V ,U f P U ←A C A (u) . A més, com pel teorema 6.11(c),
P B←V = (P V ←B )−1 , concloem que
¡ ¢ ¡ ¢
C B f (u) = P B←V M V ,U f P U ←A C A (u) .
¡ ¢ ¡ ¢
De nou, pel teorema 11.1, C B f (u) = M B,A f C A (u) , d’on
¡ ¢ ¡ ¢
M B,A f C A (u) = P B←V M V ,U f P U ←A C A (u)
f
E F
¡ ¢
M B,A f
A B
P U ←A P B←V
U ¡ ¢ V
M V ,U f
El diagrama de la figura 11.1 ens ajudarà a entendre l’expressió (11.3). Vegem alguns exem-
ples.
Exemple 11.9
M V ,U f P U ←A = (P V ←B )−1 M V ,U f P U ←A
¡ ¢ ¡ ¢ ¡ ¢
M B,A f = P B←V
−1
1 1 1 0 2 " # 1 −1
1 0
=1 1 0 −1 1 = −1 0
1 −1
1 0 0 0 1 2 −1
que, com era d’esperar, coincideix amb la matriu obtinguda en l’exemple 11.8.
Exemple 11.10
2 1 1
" #
h i 1 −2
B = C V (b 1 ) C V (b 2 ) =
−2 3
és a dir, totes les matrius de la mateixa aplicació lineal són equivalents i, pel corol.lari 4.3,
¡ ¡ ¢¢ ¡ ¡ ¢¢
concloem que rg M B,A f = rg M V ,U f , és a dir, totes les matrius de la mateixa apli-
cació lineal tenen el mateix rang.
Suposem que E i F són K-espais vectorials de dimensió finita i que f ∈ L(E , F ). Ano-
¡ ¢
menem rang de f , i escrivim rg f , al rang de qualsevol matriu associada a f .
f
E E
¡ ¢
M V ,V f
V V
P U ←V P V ←U
U ¡ ¢ U
M U ,U f
Observació 11.6
Suposem que E i F són K-espais vectorials de dimensió finita i que f ∈ L(E , F ).
(a) Si U i V són bases de E i F respectivament, de les definicions 6.7, 6.8 i 11.1, podem
afirmar que rg f coincideix amb el rang del sistema de vectores f (U ) en la base V .
¡ ¢
¡ ¢ ¡ ¢
(b) De l’observació 11.4, dim Im f = rg f i, pel teorema 10.3(b),
¡ ¢ ¡ ¢
dim Ker f = dim E − rg f .
Abans de considerar alguns exemples sobre el rang d’una aplicació lineal, introduïm l’obser-
vació següent en la qual particularitzem el teorema 11.7 i l’observació 11.5 per a endomorfismes
d’espais vectorials de dimensió finita.
Observació 11.7
Suposem que E és un K-espai vectorial de dimensió finita i que f ∈ L(E ). Si U i V
són bases de E , pel teorema 11.7 tenim que (vegeu la figura 11.2)
¡ ¢ ¡ ¢
M V ,V f = P V ←U M U ,U f P U ←V (11.4)
¡ ¢ ¡ ¢
i, per l’observació 11.5, concloem que M V ,V f ≡ M U ,U f . Ara, pel teorema 6.11(c), po-
dem escriure l’expressió (11.4) com
M V ,V f = (P U ←V )−1 M U ,U f P U ←V .
¡ ¢ ¡ ¢
(11.5)
Aquesta expressió posa de manifest que les matrius d’un endomorfisme, quan con-
siderem la mateixa base en el domini i en el codomini, satisfan un tipus particular d’e-
quivalència de matrius anomenat semblança de matrius. Estudiarem amb més detall les
propietats de la semblança de matrius en el capítol Diagonalització d’endomorfismes i
matrius d’Àlgebra Lineal II.
11. Aplicacions lineals i matrius 287
¡ ¡ ¢¢ ¡ ¢
És fàcil comprovar (feu-ho!) que rg M V ,U f = 2. Per tant, rg f = 2, és a dir,
¡ ¢ ¡ ¢
dim Im f = 2 i en conseqüència, dim Ker f = 3 − 2 = 1.
¡ ¢ ¡ ¢
Així, Im f = F (per què?) i Ker f 6= {0E } (per què?). En conseqüència, f és epimor-
fisme (per què?), però no és monomorfisme (per què?).
Exemple 11.12
¡ ¡ ¢¢ ¡ ¢
És fàcil comprovar (feu-ho!) que rg M V ,U f = 3. Per tant, rg f = 3, és a dir,
¡ ¢ ¡ ¢
dim Im f = 3 i, en conseqüència, dim Ker f = 3 − 3 = 0.
¡ ¢ ¡ ¢
Així, Im f 6= F (per què?) i Ker f = {0E } (per què?). En conseqüència, f no és epi-
morfisme (por què?), però és monomorfism (¿per què?).
Exemple 11.13
Exemple 11.14
Suposem que A ∈ Mm×n (K). Per a l’aplicació lineal f ∈ L Mn×1 (K) , Mm×1 (K) de
¡ ¢
amb C n i C m les bases canòniques de Mn×1 (K) i Mm×1 (K) respectivament. Per tant,
¡ ¢
rg f = rg(A).
Hem vist en l’exemple 11.8 que la matriu d’una aplicació lineal depèn de les bases conside-
rades. Aquest fet podria fer-nos pensar, d’acord amb el teorema 11.6, que la imatge i el nucli
d’una aplicació lineal depenen de les bases considerades. Tanmateix, això no és així tal com
establim en el teorema següent.
Teorema 11.8
Suposem que E i F són K-espais vectorials de dimensió finita, que A , U són bases
de E , que B, V són bases de F i que f ∈ L(E , F ).
(a) Suposem que v ∈ F . Aleshores
¡ ¡ ¢¢ ¡ ¡ ¢¢
C B (v ) ∈ Col M B,A f si i només si C V (v ) ∈ Col M V ,U f .
Demostració
Com a exercici.
Acabem aquesta secció amb una aplicació de la descomposició canònica d’una aplicació li-
neal. Aquesta descomposició permet trobar bases dels espais vectorials involucrats, de manera
que la matriu de l’aplicació lineal en aquestes bases està en forma normal d’Hermite, tal com
establim en el teorema següent.
Teorema 11.9
Suposem que E i F són K-espais vectorials de dimensiones n y m respectivament. Si
f ∈ L(E , F ) i rg f = r , aleshores existeixen U i V , bases de E y F respectivament, tals
¡ ¢
que " #
¡ ¢ Ir O r ×(n−r )
M V ,U f = .
O (m−r )×r O (m−r )×(n−r )
11. Aplicacions lineals i matrius 289
Demostració
W
© ¡ ¢ ¡ ¢ ¡ ¢ª
f= w 1 + Ker f , w 2 + Ker f , . . . , w r + Ker f
h i
és una base de E/Ker f i, per tant, que M Wf,U (π) = I r O r ×(n−r ) .
¡ ¢
© ª
= f (w 1 ), f (w 2 ), . . . , f (w r ) = f (W )
Finalment, com que f (W ) és una base de Im f , pel corol.lari 6.1 podem trobar un
¡ ¢
f (a 1 ) = b 1 − b 2 − b 3 + 2b 4 , f (a 2 ) = 3b 1 − 2b 2 + 2b 3 + 2b 4 , f (a 3 ) = 4b 1 − 3b 2 + b 3 + 4b 4 ,
290 11.3. Rang d’una aplicació lineal
f (a 4 ) = −3b 1 + b 2 − 6b 3 + b 4 i f (a 5 ) = b 1 − 2b 2 − 5b 3 + 5b 4
i, per tant,
1 3 4 −3 1
¡ ¢ −1 −2 −3 1 −2
M B,A f = −1 2 1 −6 −5 .
2 2 4 1 5
1 0 1 0 1
¡ ¡ ¢¢ 0 1 1 0 1
És fàcil comprovar (feu-ho!) que rref M B,A f =
0 0 0
, d’on es deriven les
1 1
0 0 0 0 0
conseqüències següents:
• Per l’observació 11.6(b) i la definició 11.2,
¡ ¢ ¡ ¢ ¡ ¡ ¢¢ ¡ ¢ ¡ ¢
dim Im f = rg f = rg M B,A f = 3 i dim Ker f = 5 − rg f = 2.
•
Per
l’observació
4.6 i els teoremes 7.5 i 7.6 (vegeu també l’observació 7.5),
−1 −1
−1 −1
¡ ¡ ¢¢
1 , 0 és una base de Nul M B,A f i, pel teorema 11.6(b) (vegeu tam-
0 −1
0 1
bé l’observació 11.4) concloem que
U 0 = −a 1 − a 2 + a 3 , −a 1 − a 2 − a 4 + a 5
© ª
¡ ¢
és una base de Ker f .
1 3 −3
−1 −2 1
¡ ¡ ¢¢
• Pel teorema 7.7(b), , , és una base de Col M B,A f i,
−1 2 −6
2 2 1
pel teorema 11.6(a), si W = a 1 , a 2 , a 4 aleshores
© ª
U = W ∪ U 0 = a 1 , a 2 , a 4 , −a 1 − a 2 + a 3 , −a 1 − a 2 − a 4 + a 5
© ª
és una base de E (per què?) i, d’acord amb les observacions 10.2 i 11.4,
© ª
f (W ) = f (a 1 ), f (a 2 ), f (a 4 )
© ª
= b 1 − b 2 − b 3 + 2b 4 , 3b 1 − 2b 2 + 2b 3 + 2b 4 , −3b 1 + b 2 − 6b 3 + b 4
¡ ¢
és una base de Im f .
11. Aplicacions lineals i matrius 291
base de F i, clarament,
1 0 0 0 0
¡ ¢ 0 1 0 0 0
M V ,U f =
0 0 1 0 0
0 0 0 0 0
tal com estableix el teorema anterior.
¡ ¢ ¡ ¢
Atès que M V ,U f és la forma normal d’Hermite de M B,A f , el teorema 4.11 garan-
¡ ¢ ¡ ¢
teix que existeixen P ∈ GL4 (R) i Q ∈ GL5 (R) tals que P M B,A f Q = M V ,U f .
Notem que Q = P A ←U , P = P B←V i, per la forma en què hem definit les bases U i V
tenim que
1 0
0 −1 −1
0 1
0 −1 −1
Q = P A ←U 0
= 0
0 1 0 ,
0 0
1 0 −1
0 0
0 0 1
−1
1 3 −3 0 10 12 −3 0
−1 −2 1 0 −7 −9 2 0
P = P B←V = (P V ←B )−1 =
.
−1 2 −6 0 = −4 −5 1 0
2 2 1 1 −2 −1 1 1