← Tilbake til forelesningsnotater

Lineærtransformasjoner

Definisjoner, bevis og oppskrifter for typiske eksamensoppgaver

1. Lineærtransformasjon

Definisjon

$T:V\to W$ er en lineærtransformasjon dersom for alle $u,v\in V$ og $r\in\mathbb{R}$:

  • Additivitet: $T(u+v) = T(u)+T(v)$
  • Homogenitet: $T(ru) = rT(u)$

Ekvivalent: $T(ru+sv) = rT(u)+sT(v)$ for alle $r,s\in\mathbb{R}$ (linearitet).

Nyttige konsekvenser
  • $T(\mathbf{0}) = \mathbf{0}$ (alltid — ellers er ikke $T$ lineær)
  • $T(-v) = -T(v)$
  • $T(r_1 v_1 + \cdots + r_k v_k) = r_1 T(v_1) + \cdots + r_k T(v_k)$
Rask eliminering

Sjekk $T(\mathbf{0})$ først: hvis $T(\mathbf{0}) \neq \mathbf{0}$ er $T$ ikke lineær — stopp der.


2. Kjerne og Bilde

Definisjon

Kjerne: $\operatorname{Ker}T = \{v \in V \mid T(v) = \mathbf{0}_W\}$ — underrom av $V$

Bilde (range): $\operatorname{Ran}T = T(V) = \{T(v) \mid v \in V\}$ — underrom av $W$

Rangteoremet
$$\dim(\operatorname{Ran}T) + \dim(\operatorname{Ker}T) = \dim V$$

Ofte kalt dimensjonssetningen eller nullity-rank theorem.

Hvordan finne Ker T

Løs $T(v) = \mathbf{0}$. Sett opp ligningssystemet og finn alle løsninger. Uttrykk svaret som et spenn.

Hvordan finne Ran T

Beregn $T(v_i)$ for alle basisvektorer $v_i$ i $V$. Span av disse bildene er $\operatorname{Ran}T$. Sjekk om de er lineært uavhengige for å finne dimensjonen.


3. Injektivitet og Surjektivitet

Karakterisering
  • Injektiv (en-til-en): $T(u)=T(v) \Rightarrow u=v$ $\iff$ $\operatorname{Ker}T = \{\mathbf{0}\}$
  • Surjektiv (på): $\operatorname{Ran}T = W$ $\iff$ $\dim(\operatorname{Ran}T) = \dim W$
  • Bijektiv (isomorfi): injektiv og surjektiv $\iff$ $V \cong W$
Dimensjonsargument

Hvis $\dim V = \dim W$ og $T$ er lineær:

  • Injektiv $\iff$ surjektiv $\iff$ bijektiv
  • $\operatorname{Ker}T = \{\mathbf{0}\} \iff \operatorname{Ran}T = W$

Kan spare mye arbeid: vis bare én av de to.

$\dim(\operatorname{Ker}T)$$\dim(\operatorname{Ran}T)$Injektiv?Surjektiv?
$0$$\dim V$JaAvhenger av $\dim W$
$\gt 0$$\lt \dim V$NeiAvhenger av $\dim W$
$0$$\dim V = \dim W$JaJa

4. Underrom — Sjekkliste

For å vise at $U \subseteq V$ er et underrom — tre ting:

Underromskriteriene
  1. $\mathbf{0} \in U$ (nullvektoren er med)
  2. $u, v \in U \Rightarrow u + v \in U$ (lukket under addisjon)
  3. $u \in U, r \in \mathbb{R} \Rightarrow ru \in U$ (lukket under skalering)

$\operatorname{Ker}T$ og $\operatorname{Ran}T$ er alltid underrom — man trenger ikke bevise dette eksplisitt.


5. Matriserepresentasjon

Matrise av $T$ relativt til baser

For $T:V\to W$ med baser $B_V=\{v_1,\ldots,v_n\}$ og $B_W=\{w_1,\ldots,w_m\}$:

$$[T]_{B_W\leftarrow B_V} = \bigl[[T(v_1)]_{B_W} \;\big|\; [T(v_2)]_{B_W} \;\big|\; \cdots \;\big|\; [T(v_n)]_{B_W}\bigr]$$

Da gjelder: $[T(v)]_{B_W} = [T]_{B_W\leftarrow B_V} \cdot [v]_{B_V}$

For standardbasen i $\mathbb{R}^n$

$[T]_{\text{std}} = \bigl[T(e_1) \mid T(e_2) \mid \cdots \mid T(e_n)\bigr]$ — bare regn ut bildene av standardbasisvektorene og sett dem som kolonner.


6. Isomorfi og Rangteoremet

Isomorfi

$T:V\to W$ er en isomorfi dersom $T$ er bijektiv (injektiv og surjektiv). Da er $V \cong W$, og spesielt $\dim V = \dim W$.

Koordinatavbildningen $K:V\to\mathbb{R}^n$ er alltid en isomorfi — ethvert $n$-dimensjonalt vektorrom er isomorft med $\mathbb{R}^n$.

Rangteoremet for matriser
$$\operatorname{rank}A + \dim(\operatorname{Nul}A) = n \quad\text{(antall kolonner)}$$

Sammenheng: for $T_A(x)=Ax$ er $\operatorname{Ker}T_A = \operatorname{Nul}A$ og $\operatorname{Ran}T_A = \operatorname{Col}A$.

Eksakt oppskrift for de vanligste eksamensoppgavene. Lær deg strukturen — så varierer du innholdet.

Oppgave: «Vis at $T$ er en lineærtransformasjon»

1
La to vilkårlige elementer og en skalar være gitt.
Skriv: «La $u, v \in V$ og $r \in \mathbb{R}$ være vilkårlige.»
2
Vis additivitet: $T(u+v) = T(u)+T(v)$
Beregn $T(u+v)$ direkte fra definisjonen av $T$, og vis at du får $T(u)+T(v)$.
3
Vis homogenitet: $T(ru) = rT(u)$
Beregn $T(ru)$ fra definisjonen, vis at du får $rT(u)$.
4
Konklusjon.
Skriv: «Siden begge vilkårene er oppfylt, er $T$ en lineærtransformasjon.»
Utarbeidet eksempel — $T:\mathcal{M}_2\to\mathcal{M}_2$

$T\!\left(\begin{bmatrix}a&b\\c&d\end{bmatrix}\right)=\begin{bmatrix}a&0\\0&d\end{bmatrix}$. La $A=\begin{bmatrix}a&b\\c&d\end{bmatrix}$, $B=\begin{bmatrix}e&f\\g&h\end{bmatrix}$, $r\in\mathbb{R}$.

Additivitet:

$$T(A+B)=T\!\left(\begin{bmatrix}a+e&b+f\\c+g&d+h\end{bmatrix}\right)=\begin{bmatrix}a+e&0\\0&d+h\end{bmatrix}=\begin{bmatrix}a&0\\0&d\end{bmatrix}+\begin{bmatrix}e&0\\0&h\end{bmatrix}=T(A)+T(B)\;\checkmark$$

Homogenitet:

$$T(rA)=T\!\left(\begin{bmatrix}ra&rb\\rc&rd\end{bmatrix}\right)=\begin{bmatrix}ra&0\\0&rd\end{bmatrix}=r\begin{bmatrix}a&0\\0&d\end{bmatrix}=rT(A)\;\checkmark$$

$\Rightarrow$ $T$ er en lineærtransformasjon.

Oppgave: «Bestem $\operatorname{Ker}T$»

1
Sett $T(v) = \mathbf{0}$ og løs.
Skriv opp ligningen $T(v) = \mathbf{0}_W$ komponentvis.
2
Finn alle betingelsene på $v$.
Identifiser hvilke komponenter som er tvunget til null, og hvilke som er frie.
3
Uttrykk $\operatorname{Ker}T$ som et spenn.
Skriv resultatet som $\operatorname{Ker}T = \operatorname{Span}\{v_1, v_2, \ldots\}$ og oppgi $\dim(\operatorname{Ker}T)$.
Fortsettelse — $T:\mathcal{M}_2\to\mathcal{M}_2$

$T(A)=\mathbf{0} \Rightarrow \begin{bmatrix}a&0\\0&d\end{bmatrix}=\begin{bmatrix}0&0\\0&0\end{bmatrix} \Rightarrow a=0,\;d=0$.

$b$ og $c$ er frie. Altså:

$$\operatorname{Ker}T = \left\{\begin{bmatrix}0&b\\c&0\end{bmatrix}\;\bigg|\; b,c\in\mathbb{R}\right\} = \operatorname{Span}\!\left\{\begin{bmatrix}0&1\\0&0\end{bmatrix},\begin{bmatrix}0&0\\1&0\end{bmatrix}\right\}$$

$\dim(\operatorname{Ker}T) = 2$.

Oppgave: «Avgjør om $T$ er injektiv og/eller surjektiv»

1
Injektivitet: Sjekk $\operatorname{Ker}T$.
Hvis $\operatorname{Ker}T = \{\mathbf{0}\}$: injektiv. Ellers: ikke injektiv.
Skriv eksplisitt: «Siden $\operatorname{Ker}T \neq \{\mathbf{0}\}$ er $T$ ikke injektiv.»
2
Surjektivitet: Bruk rangteoremet.
$\dim(\operatorname{Ran}T) = \dim V - \dim(\operatorname{Ker}T)$.
Sammenlign med $\dim W$: surjektiv $\iff$ $\dim(\operatorname{Ran}T) = \dim W$.
3
Begrunn med en konkret begrunnelse.
For ikke-injektiv: vis et element i $\operatorname{Ker}T$ som ikke er $\mathbf{0}$.
For ikke-surjektiv: vis et element i $W$ som ikke er i $\operatorname{Ran}T$.
Fortsettelse — $T:\mathcal{M}_2\to\mathcal{M}_2$

Injektivitet: $\operatorname{Ker}T = \operatorname{Span}\!\left\{\begin{bmatrix}0&1\\0&0\end{bmatrix},\begin{bmatrix}0&0\\1&0\end{bmatrix}\right\} \neq \{\mathbf{0}\}$

$\Rightarrow$ $T$ er ikke injektiv. (Konkret: $T\!\left(\begin{bmatrix}0&1\\0&0\end{bmatrix}\right)=\mathbf{0}$ men $\begin{bmatrix}0&1\\0&0\end{bmatrix}\neq\mathbf{0}$.)

Surjektivitet: $\dim(\mathcal{M}_2) = 4$, $\dim(\operatorname{Ker}T) = 2$, så $\dim(\operatorname{Ran}T) = 4-2 = 2 \lt 4 = \dim W$.

$\Rightarrow$ $T$ er ikke surjektiv. (Konkret: $\begin{bmatrix}0&1\\0&0\end{bmatrix}\in\mathcal{M}_2$ er ikke i $\operatorname{Ran}T$, siden alle bilder har $b$-posisjon $=0$.)

Oppgave: «Vis at en mengde er et underrom»

1
Nullvektoren: Vis at $\mathbf{0} \in U$.
2
Lukket under addisjon: Ta $u, v \in U$ og vis $u+v \in U$.
3
Lukket under skalarmultiplikasjon: Ta $u \in U$, $r \in \mathbb{R}$ og vis $ru \in U$.
Obs

$\operatorname{Ker}T$ og $\operatorname{Ran}T$ er alltid underrom for lineær $T$ — du trenger ikke bevise dette hvis oppgaven bare ber deg bestemme dem. Men hvis oppgaven eksplisitt sier «vis at det er et underrom», bruk de tre punktene over.

Oppgave: «Finn matriserepresentasjonen $[T]_{B_W \leftarrow B_V}$»

1
Beregn $T(v_i)$ for hver basisvektor $v_i \in B_V$.
2
Uttrykk hvert $T(v_i)$ i $B_W$-koordinater: finn $[T(v_i)]_{B_W}$.
3
Sett koordinatvektorene som kolonner: $[T]_{B_W\leftarrow B_V} = \bigl[[T(v_1)]_{B_W} \mid \cdots \mid [T(v_n)]_{B_W}\bigr]$.

Vanlige feil å unngå

Pass på
  • Å bare vise additivitet eller homogenitet — du trenger begge
  • Å glemme å sjekke $T(\mathbf{0}) = \mathbf{0}$ som en rask sanitysjekk
  • Å si «$\operatorname{Ker}T = \{0\}$» uten å finne hva nullvektoren faktisk er i rommet
  • Å konkludere injektiv/surjektiv uten å beregne $\dim(\operatorname{Ran}T)$ eksplisitt
  • Å glemme å begrunne — «Ker T ≠ {0}, altså ikke injektiv» krever en konkret vektor som bevis
Kort 1 av 12

Klikk på kortet for å snu det

Begrep / Oppgave
Svar