Professional Documents
Culture Documents
Tema 4
Tema 4
APLICACIONS LINEALS
4.1 Generalitats
Definició 4.1.1: Siguin E i F espais vectorials sobre el cos commutatiu K. Direm que f és una aplicació lineal (o
transformació lineal) entre E i F si verifica:
1) f : E −→ F , f és aplicació.
Exemple 4.1.1:
f : R2 −→ R3
(x1 , x2 ) 7−→ f (x1 , x2 ) = (3x1 , x1 − x2 , x1 + 2x2 )
Exemple 4.1.2:
f : R3 −→ R3
(x , x2 , x3 ) 7−→
1
f (x1 , x2 , x3 ) = (0, x2 , 0)
f (~0E ) = ~0F
Demostració 4.1.1 Només cal usar l’apartat 3) de la definició: f (~0E ) = f (0 · ~0E ) = 0 · f (~0E ) = ~0F .
Definició 4.1.2:
Definició 4.1.3:
Proposició 4.1.2: Ker f és subespai vectorial d’E, i Im f és subespai vectorial de F .
Demostració 4.1.2
a) A partir de la proposició 1.1.1 verifiquem que ~0E ∈ Ker f i ~0F ∈ Im f , per tant els dos subconjunts són diferents
del conjunt buit.
f (~x1 + λ~x2 ) = f (~x1 ) + λf (~x2 ) = ~0F + λ · ~0F = ~0F =⇒ ~x1 + λ~x2 ∈ Ker f
b2) ∀~y1 , ~y2 ∈ Im f, ∀λ ∈ K, ∃~x1 , ~x2 ∈ E,
Demostració 4.1.4
=⇒)
∀~x ∈ Ker f , llavors f (~x) = ~0 = f (~0), i en ser f injectiva, ~x = ~0.
⇐=)
∀~x1 , ~x2 ∈ E tals que f (~x1 ) = f (~x2 ), podem escriure
Aixı́ doncs el vector ~x = ~x1 − ~x2 ∈ Ker f = {~0}, i per tant ~x1 = ~x2 .
Notació:
Demostració 4.1.5 Només cal demostrar que les operacions estan ben definides.
Proposició 4.1.6: Suposem que dimK En = n < +∞, sigui f ∈ LK (E; F ) i B = {~e1 , ~e2 , . . . , ~en } una base d’En ,
llavors f queda caracteritzada per les imatges dels vectors de la base, {f (~e1 ), f (~e2 ), . . . , f (~en )}.
Proposició 4.1.7: En les condicions anteriors tenim que {f (~e1 ), f (~e2 ), . . . , f (~en )} és sistema de generadors d’Im f .
Demostració 4.1.1 Sigui B = {~e1 , ~e2 , . . . , ~en } una base d’E. Considerarem per separat dues situacions:
a) Ker f = {~0}
En aquest cas dimK Ker f = η(f ) = 0, i per demostrar el teorema només cal justificar que r(f ) = n. Sabem que:
∀i = 1, n αi = 0
b) Ker f 6= {~0}
Llavors dimK Ker f = η(f ) = p, 1 ≤ p ≤ n. Agafem una base de Ker f , {~v1 , ~v2 , . . . , ~vp }, i la completem fins obtenir
una base de tot l’espai En , B̂ = {~v1 , ~v2 , . . . , ~vp , w ~ n}
~ p+1 , . . . , w
Im f =< f (w
~ p+1 ), . . . , f (w
~ n ) >K
Per tant, el subespai Im f està generat per n − p vectors. Si demostrem que constitueixen un sistema de vectors
linealment independents, tindrem que r(f ) = n − p i el teorema quedarà justificat.
f (αp+1 w
~ p+1 + αp+2 w ~ n ) = ~0
~ p+2 + · · · + αn w
això implica que
αp+1 w ~ p+2 + · · · + αn w
~ p+1 + αp+2 w ~ n ∈ Ker f
i per tant serà combinació lineal dels vectors de la base de Ker f ,
β1 = β2 = · · · = βp = αp+1 = αp+2 = · · · = αn = 0
Corol·lari 4.1.2: Sigui f ∈ LK (En ; F ),
dimK E = dimK Fm = m
Demostració 4.1.8 Per ser exhaustiva, Im f = Fm . Considerem una base de Fm , {~y1 , ~y2 , . . . , ~ym }, com que aquests
vectors pertanyen a Im f ,
α1 = α2 = · · · = αm = 0
b) són sistema de generadors,
i per tant,
n
! n
X X
i
~y = f (~x) = f x ~ei = xi f (~ei )
i=1 i=1
" n
X
# n
X ↑ ↑
=⇒ [~y ]BF = xi f (~ei ) = xi [f (~ei )]BF = x1 [f (~e1 )]BF + · · · + xn [f (~en )]BF =
i=1 BF i=1 ↓ ↓
x1
↑ ↑
= [f (~e1 )]BF · · · [f (~en )]BF ...
↓ ↓ xn
amb les notacions
x1 y1
x2 y2
[~x]BE = . [~y ]BF = [f (~x)]BF = .
.. ..
xn ym
i aixı́, ~y = f (~x) ho podem expressar matricialment com
↑ ↑
[~y ]BF = [f (~x)]BF = [f (~e1 )]BF ··· [f (~en )]BF [~x]BE
↓ ↓
a11 a12 ... a1n
a21 a22 ... a2n
[f ]BE BF = . .. = A ∈ MK (m × n)
.. ..
.. . . .
am1 am2 ... amn
i podrem escriure,
Aixı́ doncs, fixades les bases BE i BF l’aplicació lineal f queda totalment caracteritzada donant els m · n coeficients
de la matriu associada.
De manera que la relació entre els coeficients de la matriu A i el resultat anterior és
a1i
a2i
[f (~ei )]BF = . ∀i = 1, ..., n
..
ami
Dit d’una altra manera:
“La columna i de la matriu associada a f en les bases BE i BF correspon a les components del vector
f (~ei ) en la base BF .”
Ja sabem que (LK (En ; Fm ), +, ·) és un K espai vectorial. Ara calcularem la seva dimensió. No ho farem trobant una
base (com és habitual en aquests casos), sinó definint un isomorfisme entre ell i un altre espai vectorial del qual en
coneixem la dimensió, i utilitzant l’anterior proposició 4.1.8 .
ΦBE BF : LK (En ; Fm ) −→ MK (m × n)
f 7−→ ΦBE BF (f ) = [f ]BE BF
llavors ΦBE BF és isomorfisme, i per tant
Demostració 4.2.1
∀f, g ∈ LK (En ; Fm ), ∀λ ∈ K
b) Ara demostrarem que és injectiva, justificant que Ker ΦBE BF = {0̃}, on
0̃ : En −→ Fm
~x 7−→ 0̃(~x) = ~0
Sigui fo ∈ Ker ΦBE BF , llavors
c) Per justificar que és exhaustiva hem de demostrar que per a qualsevol matriu A ∈ MK (m × n) existeix una aplicació
lineal f ∈ LK (En ; Fm ) tal que:
ΦBE BF (f ) = A
per demostrar aquesta existència només cal donar la imatge d’un vector arbitrari
∀~x, ~y ∈ En , ∀λ ∈ K,
[f (λ~x + ~y )]BF = A · [λ~x + ~y ]BE = λA · [~x]BE + A · [~y ]BE = λ[f (~x)]BF + [f (~y )]BF
a) h · (g · f ) = (h · g) · f (Associativa)
b) λ(g · f ) = g · (λf ) = (λg) · f .
c) (g + ĝ) · f = g · f + ĝ · f (Distributiva per la dreta).
d) g · (f + fˆ) = g · f + g · fˆ (Distributiva per l’esquerra).
Demostració 4.3.1 és un cas particular de l’exemple 1.1.4 Si ara agafem el cas particular E = F = G ens queda que
Demostració 4.3.2 Ja sabem que (LK (E; E), +) és grup commutatiu (per ser K-espai vectorial) i que es verifica la
propietat distributiva i l’associativa respecte de la composició (cas particular de la proposició anterior).
Id : E −→ E
~x 7−→ Id(~x) = ~x
Definició 4.3.1: Sigui f ∈ LK (E; F ), direm que f és inversible si existeix fˆ aplicació definida entre F i E, tal que:
fˆ · f = IdE f · fˆ = IdF
Si fˆ existeix, llavors és única i li direm l’aplicació inversa de f , fˆ = f −1 .
Lema 4.3.1: Sigui f ∈ LK (E; F ). Si la seva inversa f −1 existeix, llavors f −1 també és lineal, és a dir, f −1 ∈ LK (F ; E).
Demostració 4.3.1
Com que f −1 és aplicació, ∀~y1 , ~y2 ∈ F, ∃!f −1 (~y1 ) = ~x1 ∈ E, ∃!f −1 (~y2 ) = ~x2 ∈ E.
not not
(∗)
f −1 (~y1 + λ~y2 ) = f −1 (f (~x1 ) + λf (~x2 )) = f −1 (f (~x1 + λ~x2 )) = (f −1 · f )(~x1 + λ~x2 ) =
= IdE (~x1 + λ~x2 ) = ~x1 + λ~x2 = f −1 (~y1 ) + λf −1 (~y2 )
El problema que ara ens queda pendent és el de determinar què ha de verificar una aplicació lineal per ser inversible.
Enunciarem i demostrarem aquesta qüestió per a una aplicació qualsevol, no necessàriament lineal.
⇐=)
Si φ és bijectiva llavors ∀b ∈ B, ∃!a ∈ A tal que φ(a) = b. Això ens permet definir l’aplicació:
φ̂ : B −→ A
b 7−→ φ̂(b) = a
φ̂ · φ = IdA , φ · φ̂ = IdB
=⇒)
Si φ és inversible llavors existeix φ−1 , tal que
φ : A −→ B φ−1 : B −→ A
[1] : φ−1 · φ = IdA [2] : φ · φ−1 = IdB
Aquı́ caldrà tenir en compte que l’aplicació Identitat és bijectiva i recordar que si la composició de dues aplicacions és
bijectiva llavors la primera aplicació que actua és injectiva i la segona exhaustiva. Aixı́ doncs, de [1] deduim que φ és
injectiva, i de [2] que φ és exhaustiva.
Demostració 4.3.4 Suposem dimK E = n, dimK F = m, dimK G = p. ∀~x ∈ E, ~xBE = (x1 , ..., xn ) i
[(g · f )(~x)]BG = [g(f (~x))]BG = [g]BF BG · [f (~x)]BF = [g]BF BG · [f ]BE BF · [~x]BE [2]
Restant [1] − [2] i aplicant la propietat distributiva del producte de matrius respecte a la suma,
[g · f ]BE BG − [g]BF BG · [f ]BE BF · [~x]BE = [0]p×1
De manera que si en diem A a la matriu entre claus, ens queda
x1
x2
∀x1 , x2 , . . . , xn ∈ K, A · . = [0]p×1 =⇒ A = [0]p×n
..
xn
Demostració 4.3.2 En ser cert per a qualsevol vector ~x, en particular ho serà si agafem:
∀i, j = 1, ..., n xj = 1, i 6= j, xi = 0
fent el producte ens quedarà
Proposició 4.3.5: Siguin E, F K-e.v. de dimensió finita i BE , BF bases respectives. ∀f ∈ LK (E; F ) isomorfisme,
llavors
−1
[f −1 ]BF BE = [f ]BE BF
Demostració 4.3.5 Pel corol·lari 4.1.2 sabem que si f és isomorfisme els dos espais vectorials tenen la mateixa dimensió
i per tant la matriu associada a f és quadrada. Aplicant la definició d’aplicació inversa i la proposició anterior
C = [f ]BE BF , D = [f −1 ]BF BE
obtenim
D · C = In C · D = In
i per tant
−1
D = [f −1 ]BF BE = C −1 = [f ]BE BF
Conclusió: Quan treballem amb espais de dimensió finita la matriu associada a un isomorfisme és una matriu
inversible, i la seva inversa correspon a la matriu associada a l’aplicació lineal inversa.
Sigui En un K espai vectorial de dimensió finita, dimK En = n < +∞. Siguin dues bases d’aquest espai vectorial:
Id : En −→ En
~xV = (x1 , x2 , . . . , xn ) 7−→ ~xN = (x̂1 , x̂2 , . . . , x̂n )
que podrem expressar matricialment com
Notació: En direm matriu de canvi de base entre V i N a A = [Id]V N . Aquesta matriu ens permetrà obtenir a
partir de les components d’un vector en la base V les seves components en la base N ,
En ser l’aplicació Identitat inversible i Id−1 = Id, podem afirmar que la seva matriu associada és inversible:
−1
[Id−1 ]N V = [Id]N V = [Id]V N
Si ara considerem la matriu
B = [bij ] = A−1 = [Id]N V
les seves columnes ens donen els vectors de la base N com combinació lineal dels de la base V ,
b1j
b2j
∀j = 1, n [Id(~uj )]V = [~uj ]V = .
..
bnj
n
X
~uj = b1j ~e1 + b2j ~e2 + · · · + bnj ~en = bij ~ei
i=1
Notació: En direm matriu de canvi de base entre N i V a B = [Id]N V . Aquesta matriu ens permetrà obtenir a
partir de les components d’un vector en la base N les seves components en la base V ,
Siguin E, F K e.v. de dimensió finita, dimK E = n < +∞, dimK F = m < +∞, VE , NE bases de E i VF , NF bases de
F . Considerem una aplicació lineal definida entre aquests espais f ∈ LK (E; F ). Podrem treballar amb quatre matrius
associades a f , totes elles de m files i n columnes
Tenim:
f : En −→ Fm
~xVE 7−→ f (~x)VF
Tenim:
f : En −→ Fm
~xVE 7−→ f (~x)VF
Tenim:
f : En −→ Fm
~xVE 7−→ f (~x)VF
EId f IdF
f : En −→ En −→ Fm −→ Fm
~xNE 7−→ ~xVE 7−→ f (~x)VF 7−→ f (~x)NF
matricialment:
f : En −→ En f : En −→ En
~xV 7−→ f (~x)V ~xN 7−→ f (~x)N
Not Not
[f ]V V = [f ]V = A [f ]N N = [f ]N = B
Si ara volem trobar la relació entre les matrius A i B ens quedarà:
−1
[f ]N = [Id · f · Id]N N = [Id]N V · [f ]V · [Id]N V
Exemple 4.4.1: Siguin E i F R e.v., dimR E = 3, dimR F = 2, i f ∈ LR (E; F ).
VF = {~v1 , ~v2 }, NF = {w ~ 2}
~ 1, w
f : E −→ F
1) Escrivint en columnes les coomponents dels vectors de la base NE donades en (1) aconseguim la matriu de canvi
de base de NE a VE :
2 1 −3 0 −2 −2
1
[IdE ]NE VE = −2 1 1 [IdE ]VE NE = [IdE ]−1
NE VE =
1 1 −2
4
0 −1 −1 −1 −1 −2
La segona matriu ens permet expressar els vectors de la base VE com combinació lineal dels de NE :
1 1
~e1 = ~u2 − ~u3
4 4
1 1 1
~e2 = − ~u1 + ~u2 − ~u3
2 4 4
1 1 1
~e3 = − ~u1 − ~u2 − ~u3
2 2 2
i també coneixem les relacions entre components:
1 1
2 1 −3 x̂ x
[IdE ]NE VE · [~x]NE = [~x]VE −2 1 1 · x̂2 = x2
0 −1 −1 x̂3 x3
1 1
0 −2 −2 x x̂
1
[IdE ]VE NE · [~x]VE = [~x]NE 1 1 −2 · x2 = x̂2
4
−1 −1 −2 x3 x̂3
1 1
x̂1 = − x2 − x3
2 2
1 1 1 2 1 3
x̂2 = x + x − x
4 4 2
1 1 1 2 1 3
x̂3 = − x − x − x
4 4 2
Si ara escrivim matricialment les expressions (2):
1 1
3 2 y ỹ 3 2
· 2 = 2 · [~y ]VF = [~y ]NF
1 −1 y ỹ 1 −1
Llavors ja podem identificar la matriu de canvi de base:
3 2 −1 1 1 2
[IdF ]VF NF = [IdF ]NF VF = [IdF ]VF NF =
1 −1 5 1 −3
La segona matriu ens permet expressar les components en la base VF en funció de les components en NF :
(
y 1 = 51 ỹ 1 + 52 ỹ 2
1 1
1 1 2 ỹ y
· 2 = 2
5 1 −3 ỹ y y 2 = 51 ỹ 1 − 53 ỹ 2
També podem expressar els vectors d’una base com combinació lineal dels de l’altra:
(
3 2 ~v1 = 3w ~1 + w ~2
[IdF ]VF NF =
1 −1 ~v2 = 2w ~1 − w ~2
(
~ 1 = 51 ~v1 + 15 ~v2
1 1 2 w
[IdF ]NF VF =
5 1 −3 w~ 2 = 52 ~v1 − 35 ~v2
2) Ara ens queda calcular les matrius associades a f en les diferents bases. Recordem la definició:
f : E −→ F
∀~x ∈ E, f (x , x , x ) = (x1 + 2x2 + x3 )w
1 2 3
~ 1 + (4x1 − 5x2 − x3 )w
~2
Aixı́ doncs el vector imatge ve donat en la base NF ,
1
x
x1 + 2x2 + x3
1 2 1
[f (~x)]NF = = · x2 = [f ]VE NF · [~x]VE
4x1 − 5x2 − x3 4 −5 −1
x3
per tant,
1 2 1
[f ]VE NF =
4 −5 −1
1 1 2 1 2 1 1 9 −8 −1
[f ]VE VF = [IdF ]NF VF · [f ]VE NF = · =
5 1 −3 4 −5 −1 5 −11 17 4
2 1 −3
1 9 −8 −1
[f ]NE VF = [f ]VE VF · [IdE ]NE VE = · −2 1 1 =
5 −11 17 4
0 −1 −1
1 34 2 −34
5 −56 2 46
−2 2 −2
[f ]NE NF = [f ]VE NF · [IdE ]NE VE = [IdF ]VF NF · [f ]NE VF =
18 0 −16