C APÍTOL

11
Aplicacions lineals i matrius

11.1 Matriu associada a una aplicació lineal

Hem vist en el teorema 9.4 que, quan el domini d’una aplicació lineal té dimensió finita,
aquesta està determinada per les imatges dels vectors d’una base. En aquesta secció veurem
que si tant el domini com el codomini d’una aplicació lineal tenen dimensió finita, aleshores
aquesta està determinada per una matriu. Comencem amb el teorema següent que associa a
cada aplicació lineal una matriu.
Teorema 11.1
Suposem que U = {u 1 , u 2 , . . . , u n } i V = {v 1 , v 2 , . . . , v m } són bases dels K-espais vecto-
rials E i F respectivament. Si f ∈ L(E , F ), aleshores
¡ ¢ ¡ ¢
C V f (u) = M V ,U f C U (u) , per a tot u ∈ E , (11.1)

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 )
¡ ¢ ¡ ¢ ¡ ¢ ¡ ¢

© Joan-Josep Climent. Departament de Matemàtiques, Universitat d’Alacant 271

272 11.1. Matriu associada a una aplicació lineal

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

El teorema anterior permet introduir els conceptes següents.

Definició 11.1
Suposem que E i F són K-espais vectorials i que U i V són bases de E i F respectiva-
ment. Si f ∈ L(E , F ), anomenem:
• equació matricial de f en les bases U i V a l’expressió (11.1);
• matriu de f en les bases U i V , a la matriu M V ,U f de l’expresió (11.2).
¡ ¢

¡ ¢
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
¡ ¢

U ; la segona columna de M V ,U f està formada per les coordenades en la base V de la imatge

¡ ¢

per f del segon vector de U i, en general, la j -èsima columna de M V ,U f està formada per les
¡ ¢

coordenades en la base V de la imatge per f del j -èsim vector de U . Així doncs, M V ,U f ∈

¡ ¢

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

podem escriure l’equació matricial de f en les bases U i V com (comproveu-ho!)


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


que anomenem equacions de f en les bases U i V .

Els exemples següents ens ajudaran a entendre els conceptes que acabem d’introduir.
11. Aplicacions lineals i matrius 273

Exemple 11.1

Suposem que U = {u 1 , u 2 , u 3 } i V = {v 1 , v 2 } són bases dels R-espais vectorials E i F ,

respectivament, i considerem f ∈ L(E , F ) com en l’exemple 9.4; és a dir,

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 .

Atès que (comproveu-ho!) f (u 1 ) = v 1 + v 2 , f (u 2 ) = v 1 − v 2 i f (u 3 ) = v 2 , pel teore-

ma 11.1 tenim que " #
¡ ¢ 1 1 0
M V ,U f = .
1 −1 1

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

i, per tant, f (3u 1 + u 2 − 4u 3 ) = 4v 1 − 2v 2 .

Exemple 11.2

Suposem que U = {u 1 , u 2 } i V = {v 1 , v 2 , v 3 } són bases dels R-espais vectorials E i F ,

respectivament, i considerem f ∈ L(E , F ) com en l’exemple 9.16. Aleshores

f (u 1 ) = v 1 − v 2 + 2v 3 i f (u 2 ) = 3v 1 + 5v 2 − 4v 3

i, pel teorema 11.1, 

1 3
¡ ¢ 
M V ,U f =  −1 5  .


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

i, per tant, f (2u 1 − u 2 ) = −v 1 − 7v 2 + 8v 3 .

274 11.1. Matriu associada a una aplicació lineal

Exemple 11.3

Suposem que U = {u 1 , u 2 , u 3 } i V = {v 1 , v 2 , v 3 , v 4 } són bases dels R-espais vectorials

E i F , respectivament, i considerem f ∈ L(E , F ) com en l’exemple 10.17. Aleshores

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

i, pel teorema 11.1, 


1 1 0
 
¡ ¢ 0 1 1
M V ,U f = 
 .
 1 −1 1 

0 0 −1

Exemple 11.4

Suposem que U = {u 1 , u 2 , u 3 , u 4 } i V = {v 1 , v 2 , v 3 , v 4 } són bases dels R-espas vectori-

als E i F , respectivament, i considerem f ∈ L(E , F ) com en els exemples 9.17, 10.6 i 10.11.
Atès que

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 ,

pel teorema 11.1 tenim que

 
1 2 1 4
 
¡ ¢  3 1 0 4
M V ,U f =  .
 −2
 1 2 1
−1 2 1 2

Exemple 11.5

Considerem f ∈ L K2 [x], K3 com en l’exemple 9.5; és a dir,

¡ ¢

f a 0 + a 1 x + a 2 x2 = (a 0 , a 1 , a 2 ) , per a tot a 0 + a 1 x + a 2 x2 ∈ K2 [x].

¡ ¢

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

respectivament, pel teorema 11.1 (comproveu els càlculs!)

 
1 0 0
¡ ¢ 
M B,A f =  0 1 0  .


0 0 1
11. Aplicacions lineals i matrius 275

Exemple 11.6

Considerem la base canònica C = {(1, 0), (0, 1)} de R2 .

(a) Si f θ ∈ L R2 és la rotació d’angle θ (vegeu l’exemple 9.12), aleshores
¡ ¢

f θ (x 1 , x 2 ) = (x 1 cos θ − x 2 sin θ, x 1 sin θ + x 2 cos θ), per a tot (x 1 , x 2 ) ∈ R2

" #
¡ ¢ cos θ − sin θ
i, per tant, M C ,C f θ = .
sin θ cos θ
(b) Si f ∈ L R2 és la reflexió sobre l’eix d’abscisses (vegeu l’exemple
¡ ¢
" 9.13), # aleshores
1 0
f (x 1 , x 2 ) = (x 1 , −x 2 ), per a tot (x 1 , x 2 ) ∈ R2 i, per tant, M C ,C f =
¡ ¢
.
0 −1
(c) Si f ∈ L R2 és la projecció sobre l’eix d’abscisses (vegeu l’exemple
¡ ¢
" #9.14), aleshores
1 0
f (x 1 , x 2 ) = (x 1 , 0), per a tot (x 1 , x 2 ) ∈ R2 i, per tant, M C ,C f =
¡ ¢
.
0 0

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 .

Suposem que U i V són bases dels K-espais vectorials E i F de dimensions n i m respectiva-

ment. El teorema 11.1 assigna a cada aplicació lineal de L(E , F ) una única matriu de Mm×n (K);
el teorema següent, en canvi, assigna a cada matriu de Mm×n (K) una única aplicació lineal de
L(E , F ).
276 11.1. Matriu associada a una aplicació lineal

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

Pel teorema 9.4 existeix una única f ∈ L(E , F ) tal que

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?).

Ara estem en condicions de provar que si E i F són K-espais vectorials de dimensions n i m

respectivament, aleshores els K-espais vectorials L(E , F ) i Mm×n (K) són isomorfs.
Teorema 11.3
Suposem que E i F són K-espais vectorials de dimensions n i m respectivament. Si
U i V són bases de E i F respectivament, aleshores l’aplicació Ψ : L(E , F ) −→ Mm×n (K)
donada per
Ψ( f ) = M V ,U f , per a tot f ∈ L(E , F ),
¡ ¢

és un isomorfisme d’espais vectorials.

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

i, pel teorema 6.9, podem afirmar que

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

Ara, de l’expressió (11.2), l’expressió anterior i les propietats de l’addició de matrius i de

la multiplicació d’un escalar per una matriu, tenim que

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 ).
¡ ¢ ¡ ¢

Així, pel teorema 9.1, Ψ ∈ L(L(E , F ) , Mm×n (K)) .

A més, pel teorema 11.2, l’aplicació Ψ és bijectiva. Per tant, Ψ és un isomorfisme
d’espais vectorials.

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
¡ ¢

f ∈ L(E ). Pel teorema 11.3 tenim que

Ψ( f + g ) = M U ,U f + g = M U ,U f + M U ,U q = Ψ( f ) + Ψ(g ),
¡ ¢ ¡ ¢ ¡ ¢

mentre que per el teorema 11.4 obtenim que

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

11.2 Imatge i nucli a partir de la matriu associada

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 .

(b) Suposem que u ∈ E . Aleshores

¡ ¢ ¡ ¡ ¢¢
u ∈ Ker f si i només si C U (u) ∈ Nul M V ,U f .
280 11.2. Imatge i nucli a partir de la matriu associada

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 .

En particular, pel teorema 10.6 (vegeu també el teorema 10.7(a)),

¡ ¢ ¡ ¡ ¢¢ ¡ ¢ ¡ ¡ ¢¢
dim Ker f = dim Nul M V ,U f i dim Im f = dim Col M V ,U f .

Per tant, si dim E = n, pel teorema 10.3, tenim que

¡ ¡ ¢¢ ¡ ¡ ¢¢
dim Nul M V ,U f + dim Col M V ,U f = n.

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

Suposem que U = {u 1 , u 2 , u 3 , u 4 , u 5 } i V = {v 1 , v 2 , v 3 , v 4 } són bases dels R-espais vec-

torials E i F respectivament, y considerem f ∈ L(E , F ) tal que M V ,U f = A amb
¡ ¢

 
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 

i, d’acord amb l’observació 11.4, concloem que

¡ ¢ ¡ ¢ ¡© ª¢
dim Im f = 3 i Im f = Env 2v 1 + v 3 + 2v 4 , 3v 1 + v 2 , v 2 − v 3 − 2v 4 .

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
 

i, de nou per l’observació 11.4,

¡ ¢ ¡ ¢ ¡© ª¢
dim Ker f = 2 i Ker f = Env −2u 1 + u 2 + u 3 , −u 1 + u 2 − 2u 4 + u 5 .
282 11.3. Rang d’una aplicació lineal

11.3 Rang d’una aplicació lineal

La matriu d’una aplicació lineal depèn de les bases considerades en cada espai vectorial tal
com posem de manifest en l’exemple següent.
Exemple 11.8

Suposem que U = {u 1 , u 2 } i V = {v 1 , v 2 , v 3 } són bases dels R-espais vectorials E i F

respectivament, y considerem f : E −→ F tal que

f (x 1 u 1 + x 2 u 2 ) = 2x 2 v 1 + (−x 1 + x 2 )v 2 + x 2 v 3 , per a tot x 1 u 1 + x 2 u 2 ∈ E .

És fàcil comprovar (feu-ho!) que f ∈ L(E , F ). A més, com que (comproveu-ho)

f (u 1 ) = −v 2 i f (u 2 ) = 2v 1 + v 2 + v 3 ,

pel teorema 11.1 tenim que

 
h i 0 2
¡ ¢ ¡ ¢ ¡ ¢
M V ,U f = C V f (u 1 ) C V f (u 2 ) =  −1 1  .
 

0 1

Considerem ara els vectors a 1 , a 2 ∈ E i b 1 , b 2 , b 3 ∈ F tales que

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.

Atès que les matrius

 
" # 1 1 1
h i 1 0 h i
A = C U (a 1 ) C U (a 2 ) = i B = C V (b 1 ) C V (b 2 ) C V (b 3 ) =  1 1 0 
 
1 −1
1 0 0

són invertibles (comproveu-ho!), pel teorema 6.14, A = {a 1 , a 2 } i B = {b 1 , b 2 , b 3 } són ba-

ses de E i F respectivament, amb A = P U ←A i B = P V ←B .
¡ ¢ ¡ ¢ ¡ ¢
Per a obtenir M B,A f necessitem conèixer C B f (a 1 ) i C B f (a 2 ) . Pel teorema 11.1
tenim que (comproveu els càlculs!)
   
0 2 " # 0
¡ ¢ ¡ ¢  1
C V f (a 1 ) = M V ,U f C U (a 1 ) =  −1 1  =  −1  ,
  
1
0 1 0
   
0 2 " # −2
¡ ¢ ¡ ¢ 0
C V f (a 2 ) = M V ,U f C U (a 2 ) =  −1 1  =  −1 
   
−1
0 1 −1
11. Aplicacions lineals i matrius 283

i pels teoremes 6.10 i 6.11(c) (comproveu els càlculs!)

 −1    
1 1 1 0 1
−1
¡ ¢ ¡ ¢ ¡ ¢ 
C B f (a 1 ) = P B←V C V f (a 1 ) = (P V ←B ) C V f (a 1 ) =  1 1 0   −1  =  −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)

i, per les observacions 6.7(b) i 3.3(f), obtenim l’expressió (11.3).

284 11.3. Rang d’una aplicació lineal

f
E F
¡ ¢
M B,A f
A B

P U ←A P B←V

U ¡ ¢ V
M V ,U f

Figura 11.1: Matriu d’una aplicació lineal i canvi de base

El diagrama de la figura 11.1 ens ajudarà a entendre l’expressió (11.3). Vegem alguns exem-
ples.
Exemple 11.9

Considerem de nou l’exemple 11.8. Atès que

   
0 2 " # 1 1 1
¡ ¢  1 0
M V ,U f =  −1 1  , P U ←A = i P V ←B =  1 1 0  ,
  
1 −1
0 1 1 0 0

de l’expressió (11.3) tenim que (comproveu els càlculs!)

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

Suposem que U = {u 1 , u 2 , u 3 } i V = {v 1 , v 2 } són bases dels R-espais vectorials E i F

respectivament. Pel teorema 9.4 existeix una única f ∈ L(E , F ) tal que f (u 1 ) = v 1 + 2v 2 ,
f (u 2 ) = v 1 i f (u 3 ) = v 1 − 3v 2 . Així, pel teorema 11.1,
" #
¡ ¢ 1 1 1
M V ,U f = .
2 0 −3
11. Aplicacions lineals i matrius 285

Considerem ara els vectors a 1 = u 1 + u 2 + 2u 3 , a 2 = −2u 2 + u 3 , a 3 = u 1 + 2u 2 + u 3 de

E i b 1 = v 1 − 2v 2 , b 2 = −2v 1 + 3v 2 de F . Atès que les matrius
 
h i 1 0 1
A = C U (a 1 ) C U (a 2 ) C U (a 3 ) =  1 −2 2  ,
 

2 1 1
" #
h i 1 −2
B = C V (b 1 ) C V (b 2 ) =
−2 3

són invertibles (comproveu-ho!), el teorema 6.14 ens permet afirmar que A = {a 1 , a 2 , a 3 }

i B = {b 1 , b 2 } són bases de E i F respectivament, amb A = P U ←A i B = P V ←B .
Ara, de l’expressió (11.3) tenim que (comproveu els càlculs!)

M B,A f = P B←V M V ,U f P U ←A = (P V ←B )−1 M V ,U f P U ←A

¡ ¢ ¡ ¢ ¡ ¢
 
" #−1 " # 1 0 1 " #
1 −2 1 1 1  −12 1 −12
=  1 −2 2  = .

−2 3 2 0 −3 4 15 −5
2 1 1

L’observació següent és conseqüència del teorema 11.7 i d’algunes propietats estudiades en

capítols anteriors.
Observació 11.5
Suposem que E i F són K-espais vectorials de dimensió finita i que f ∈ L(E , F ). Si
A , U són bases de E i B, V són bases de F , com a conseqüència del teorema 11.7, la de-
finició 4.5 i els teoremes 4.14 i 6.11(c) tenim que
¡ ¢ ¡ ¢
M B,A f ≡ M V ,U f ,

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.

Aquesta observació motiva la definició següent.

Definició 11.2 (MatAplicLin.de2)

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 .

L’observació següent recull algunes propietats que es deriven de la definició anterior.

286 11.3. Rang d’una aplicació lineal

f
E E
¡ ¢
M V ,V f
V V

P U ←V P V ←U

U ¡ ¢ U
M U ,U f

Figura 11.2: Matriu d’un endomorfisme en bases diferents

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

Vegem ara alguns exemples.

Exemple 11.11

Per a l’aplicació lineal f ∈ L(E , F ) de l’exemple 11.1 tenim que

" #
¡ ¢ 1 1 0
M V ,U f = .
1 −1 1

¡ ¡ ¢¢ ¡ ¢
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

Per a l’aplicació lineal f ∈ L(E , F ) de l’exemple 11.3 tenim que

 
1 1 0
 
¡ ¢ 0 1 1
M V ,U f =   .
 1 −1 1 

0 0 −1

¡ ¡ ¢¢ ¡ ¢
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

Per a l’aplicació lineal f ∈ L(E , F ) de l’exemple 11.4 tenim que

 
1 2 1 4
 
¡ ¢  3 1 0 4
M V ,U f =   
 −2 1 2 1 

−1 2 1 2
¡ ¡ ¢¢ ¡ ¢
i com que (comproveu-ho!) rg M C ,U f = 3, concloem que rg f = 3, és a dir,
¡ ¢ ¡ ¢
dim Im f = 3 i, per tant, dim Ker f = 4 − 3 = 1.
¡ ¢ ¡ ¢
Així, Im f 6= F (per què?) i Ker f 6= {0E } (per què?). En conseqüència, f no és epi-
morfisme (per què?) ni és monomorfisme (per què?).
288 11.3. Rang d’una aplicació lineal

Exemple 11.14

Suposem que A ∈ Mm×n (K). Per a l’aplicació lineal f ∈ L Mn×1 (K) , Mm×1 (K) de
¡ ¢

l’exemple 9.6 tenim que

¡ ¢
M C m ,C n f = A

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 .

(b) Suposem que u ∈ E . Aleshores

¡ ¡ ¢¢ ¡ ¡ ¢¢
C A (u) ∈ Nul M B,A f si i només si C U (u) ∈ Nul 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

Suposem que f = ι◦ fe◦π és la descomposició canònica de f (vegeu el primer teorema

d’somorfia i la definició 10.3).
¡ ¢ ¡ ¢ ¡ ¢
Com que rg f = r , per l’observació 11.6(b), dim Im f = r i dim Ker f = n − r .
Suposem que U 0 = {u 1 , u 2 , . . . , u n−r } és una base de Ker f . Pel corol.lari 6.1 podem
¡ ¢

trobar un sistema de vectors W = {w 1 , w 2 , . . . , w r } de E tal que U = W ∪ U 0 és una base

de E .
Per la forma en què hem obtingut la base U i ser π l’epimorfisme canònic definit per
¡ ¢
Ker f , podem afirmar (vegeu la demostració del teorema 8.12) que

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 ) .
¡ ¢

Ara, com que f˜ és un isomorfisme, pel corol.lari 9.1,

³ ´ © ¡
f = f˜ w 1 + Ker f , f˜ w 2 + Ker f , . . . , f˜ w r + Ker f
f˜ W
¡ ¢¢ ¡ ¡ ¢¢ ¡ ¡ ¢¢ª

© ª
= f (w 1 ), f (w 2 ), . . . , f (w r ) = f (W )

és una base de Im f i, per tant, M f (W ),Wf f˜ = I r (per què?).

¡ ¢ ¡ ¢

Finalment, com que f (W ) és una base de Im f , pel corol.lari 6.1 podem trobar un
¡ ¢

sistema de vectors V 0 "= {v 1 , v 2 , . .#. , v m−r } de F tal que V = f (W ) ∪ V 0 és una base de F i,

Ir
per tant, M V , f (W ) (ι) = .
O (m−r )×r
Ara, pel teorema 11.4, concloem que

M V ,U f = M V ,U ι ◦ fe ◦ π = M V , f (W ) (ι) M f (W ),Wf f˜ M Wf,U (π)

¡ ¢ ¡ ¢ ¡ ¢
" # " #
Ir h i Ir O r ×(n−r )
= I r I r O r ×(n−r ) = .
O (m−r )×r O (m−r )×r O (m−r )×(n−r )

L’exemple següent ens ajudarà a entendre el teorema anterior.

Exemple 11.15

Suposem que A = a 1 , a 2 , a 3 , a 4 , a 5 i B = b 1 , b 2 , b 3 , b 4 són bases dels R-espais vec-

© ª © ª

torials E i F , respectivament. El teorema 9.4 garanteix que existeix un únic f ∈ L(E , F )

tal que

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

Ara, és fàcil comprovar (feu-ho!) que V = f (W ) ∪ V 0 = f (a 1 ), f (a 2 ), f (a 4 ), b 4 és una

© ª

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