Professional Documents
Culture Documents
Bài Giảng Đại Số
Bài Giảng Đại Số
Trong toán học, tập hợp có thể hiểu tổng quát là một tụ tập của một số hữu hạn hay vô hạn các
đối tượng nào đó. Các đối tượng này được gọi là các phần tử của tập hợp. Tập hợp là một khái
niệm nền tảng (fundamental) và quan trọng của toán học hiện đại. Ngành toán học nghiên cứu về
tập hợp là lý thuyết tập hợp.
Trong lý thuyết tập hợp giản đơn, người ta xem tập hợp là một khái niệm nguyên thủy,
không định nghĩa. Trong lý thuyết tập hợp hiện đại, người ta định nghĩa tập hợp dựa vào hệ
thống các tiên đề và xây dựng một cách chặt chẽ. Khái niệm tập hợp là nền tảng để xây dựng các
khái niệm khác như số, hình, hàm số... trong toán học.
Nếu a là phần tử của tập hợp A, ta ký hiệu 𝑎 ∈ 𝐴. Khi đó ta cũng nói rằng phần tử a thuộc tập
hợp A.
Một tập hợp có thể là một phần tử của một tập hợp khác. Tập hợp mà mỗi phần tử của nó là một
tập hợp còn được gọi là họ tập hợp.
Lý thuyết tập hợp cũng thừa nhận có một tập hợp không chứa phần tử nào, được gọi là tập hợp
rỗng, ký hiệu là ∅. Các tập hợp có chứa ít nhất một phần tử được gọi là tập hợp không rỗng.
Ngày nay, một phần của lý thuyết tập hợp đã được nhiều nước đưa vào giáo dục phổ thông, thậm
chí ngay từ bậc tiểu học.
Nhà toán học Georg Cantor được coi là ông tổ của lý thuyết tập hợp. Để ghi nhớ những đóng góp
của ông cho lý thuyết tập hợp nói riêng và toán học nói chung, tên ông đã được đặt cho một ngọn
núi ở Mặt Trăng.
1.1. Biểu diễn tập hợp
Không phải mọi tập hợp đều cần phải liệt kê rành mạch theo thứ tự nào đó. Chúng có thể được
mô tả bằng các tính chất đặc trưng mà nhờ chúng có thể xác định một đối tượng nào đó có thuộc
tập hợp này hay không. Tập hợp có thể được xác định bằng lời:
Ví dụ 1:
Ví dụ 3:
Chẳng hạn tập hợp 1000 số tự nhiên đầu tiên có thể liệt kê như sau: {0, 1, 2, 3,..., 999},
1
Tập các số tự nhiên chẵn có thể liệt kê: {2, 4, 6, 8,... }.
Tập hợp F của 20 số chính phương đầu tiên có thể cho như sau F = {n2 : n là số nguyên
và 0 ≤ n ≤ 19}.
Giới thiệu: Tập hợp có thể xác định bằng đệ quy. Chẳng hạn tập các số tự nhiên lẻ L có thể cho
như sau:
1∈𝐿
Nếu 𝑛 ∈ 𝐿 thì 𝑛 + 2 ∈ 𝐿
Biểu diễn hình học: Để mô tả về các phần tử, các tập hợp và mối quan hệ giữa chúng, ta thường
dùng biểu đồ Venn. Khi đó ta biểu diễn các phần tử bằng các điểm trên mặt phẳng và các tập hợp
là các vùng khoanh tròn trên mặt phẳng.
.𝒙 𝑨
.𝒚
2
Các tập hợp số
Quan hệ 𝐴 ⊂ 𝐵 còn được gọi là quan hệ bao hàm. Quan hệ bao hàm là một quan hệ thứ
tự trên các tập. Ví dụ:
Câu hỏi: Một tập hợp có n phần tử thì có bao nhiêu tập hợp con?
Hai tập hợp 𝐴 và 𝐵 được gọi là bằng nhau nếu 𝐴 là tập hợp con của 𝐵 và 𝐵 cũng là tập hợp con
của 𝐴, ký hiệu 𝐴 = 𝐵.
Theo định nghĩa, mọi tập hợp đều là tập con của chính nó; tập rỗng là tập con của mọi tập hợp.
Mọi tập hợp 𝐴 không rỗng có ít nhất hai tập con là rỗng và chính nó. Chúng được gọi là các tập
con tầm thường của tập 𝐴. Nếu tập con 𝐵 của 𝐴 khác với chính 𝐴, nghĩa là có ít nhất một phần
tử của 𝐴 không thuộc 𝐵 thì 𝐵 được gọi là tập con thực sự hay tập con chân chính của tập 𝐴.
3
Hợp: Hợp của 𝐴 và 𝐵 là tập hợp gồm tất cả các phần tử thuộc ít nhất một trong hai tập hợp 𝐴 và
𝐵, ký hiệu 𝐴 ∪ 𝐵. Ta có 𝐴 ∪ 𝐵 = {𝑥: 𝑥 ∈ 𝐴 ℎ𝑜ặ𝑐 𝑥 ∈ 𝐵}
Giao: Giao của hai tập hợp 𝐴 và 𝐵 là tập hợp tất cả các phần tử vừa thuộc 𝐴, vừa thuộc 𝐵, ký
hiệu 𝐴 ∩ 𝐵. Ta có 𝐴 ∩ 𝐵 = {𝑥: 𝑥 ∈ 𝐴 𝑣à 𝑥 ∈ 𝐵}
Hiệu: Hiệu của tập hợp 𝐴 với tập hợp 𝐵 là tập hợp tất cả các phần tử thuộc 𝐴 nhưng không thuộc
𝐵, ký hiệu 𝐴\𝐵. Ta có: 𝐴\𝐵 = {𝑥: 𝑥 ∈ 𝐴 𝑣à 𝑥 ∉ 𝐵}
Lưu ý, 𝐴\𝐵 ≠ 𝐵\𝐴
1.3.4. Phần bù
4
Nếu 𝐴 ⊂ 𝐵 thì 𝐵\𝐴 được gọi là phần bù của 𝐴 trong 𝐵, ký hiệu 𝐶𝐵 (𝐴)
Trong nhiều trường hợp, khi tất cả các tập hợp đang xét đều là tập con của một tập hợp 𝑼 (được
gọi là tập vũ trụ-đôi khi có nghĩa như trường hay không gian - trong vật lý), người ta thường xét
phần bù của mỗi tập 𝐴, 𝐵, 𝐶, . .. đang xét trong tập 𝑼, khi đó ký hiệu phần bù không cần chỉ
rõ 𝑼 mà ký hiệu đơn giản là 𝐶(𝐴), 𝐶(𝐵), . .. hoặc 𝐴̅, 𝐵̅ . ..
Ví dụ 1. Cho các tập hợp sau: 𝐴 ={Các sinh viên K57 của ĐHBKHN}, 𝐵={Các sinh viên nữ
của ĐHBKHN}, 𝐶={Các sinh viên ĐHBKHN sinh năm 1993}, 𝐷={Các sinh viên cao trên
1m60}.
Khi đó: 𝐴 ∩ 𝐵={Các sinh viên nữ K57 của ĐHBKHN}, (𝐴 ∩ 𝐶)\𝐵={Các nam sinh viên K57
sinh năm 1993 của ĐHBKHN}, ((𝐷 ∩ 𝐶) ∪ 𝐵)\𝐴={Hoặc là các sinh viên nữ ĐHBKHN hoặc là
các sinh viên sinh năm 1993 và cao hơn 1m60 nhưng tuyệt đối khổng phải là sinh viên K57}.
5
𝐴 × 𝐵 = {(𝑎, 𝑏)|𝑎 ∈ 𝐴, 𝑏 ∈ 𝐵}
thì: 𝐴 × 𝐵 = {(1, 𝑝), (1, 𝑞), (1, 𝑟), (2, 𝑝), (2, 𝑞), (2, 𝑟)}
và: 𝐵 × 𝐴 = {(𝑝, 1), (𝑞, 1), (𝑟, 1), (𝑝, 2), (𝑞, 2), (𝑟, 2)}
Như vậy tích Descartes của 2 tập hợp là một phép toán 2 ngôi trên các tập hợp. Có thể mở rộng
định nghĩa tích Descartes của nhiều tập hợp 𝐴1 × 𝐴2 ×. . .× 𝐴𝑛 là tập hợp chứa tất cả các bộ có
dạng (𝑎1 , 𝑎2 , . . . , 𝑎𝑛 ) với 𝑎𝑖 là một phần tử của 𝐴𝑖 (𝑖 = 1, 2, . . . , 𝑛). Hay, viết trong ngôn ngữ
của lý thuyết tập hợp:
𝐴1 × 𝐴2 × … × 𝐴𝑛 = {(𝑎1 , 𝑎2 , … , 𝑎𝑛 )|𝑎1 ∈ 𝐴1 , 𝑎2 ∈ 𝐴2 , … , 𝑎𝑛 ∈ 𝐴𝑛 }
Ta có lũy thừa bậc 2 Descartes (hay bình phương Descartes) của tập hợp 𝐴 được định nghĩa là
tích Descartes của 𝐴 với 𝐴:
𝐴2 = 𝐴 × 𝐴
Tương tự, lũy thừa Descartes bậc n là tích Descartes của n tập 𝐴:
𝐴𝑛 = 𝐴 × 𝐴 ×. . .× 𝐴
(có n tập A ở vế phải)
Khái niệm: “Số phần tử” của một tập hợp 𝐴 gọi là lực lượng tập hợp 𝐴, ký hiệu |𝐴| (hoặc
𝑐𝑎𝑟𝑑(𝐴)). Lực lượng của một tập hợp chia làm 2 loại : hữu hạn và vô hạn
Lực lượng vô hạn chia làm 2 loại: đếm được (có thể đánh số tất cả các phần tử), không đếm được
(không thể đánh số tất cả các phần tử)
Ví dụ
+) 𝐴 = {1; 2; 𝑎; 𝑏; 𝑐} → |𝐴| = 5
+) |ℕ| = |ℤ| = |ℚ| đều vô hạn đếm được
+) |ℝ| = |(0; 1)| vô hạn không đếm được
Các tập hợp hữu hạn
Quy tắc cộng: |𝐴 ∪ 𝐵| = |𝐴| + |𝐵| − |𝐴 ∩ |
Quy tắc nhân: |𝐴 × 𝐵| = |𝐴|. |𝐵|
6
Ví dụ: Có bao nhiêu số tự nhiên trong 𝑛: 1 ≤ 𝑛 ≤ 1000 thỏa mãn n chia hết cho 2, hoặc chia hết
cho 3, hoặc chia hết cho 5.
Chú ý: Hai tập hợp gọi là cùng lực lượng nếu ta có thể xây dựng một song ánh(sẽ học ở bài
3) giữa chúng.
7
Bài 2. Quan hệ hai ngôi
2.1. Định nghĩa: Cho X là một tập hợp, ta nói S là một quan hệ hai ngôi trên X nếu S
là một tập con của tích Descartes X 2 .
Nếu hai phần tử a, b thỏa (a; b) S thì ta nói a có quan hệ S với b. Khi đó, thay vì viết
(a; b) S ta có thể viết là aSb.
2.2.Ví dụ:
- Quan hệ chia hết trong tập hợp số tự nhiên.
- Quan hệ bằng nhau.
- Quan hệ lớn hơn.
2.3. Một số quan hệ thường gặp:
2.3.1 Quan hệ tương đương:
Định nghĩa: Một quan hệ hai ngôi trên tập X được gọi là quan hệ tương đương nếu nó
thỏa các tính chất sau:
i) Phản xạ: xSx, với mọi x X ,
ii) Đối xứng: Nếu xSy thì ySx, với mọi x, y X .
iii) Bắc cầu: Nếu xSy và ySz thì xSz với mọi x, y, z X .
Khi trên tập X đã xác định một quan hệ tương đương, khi đó thay vì viết xSy ta thường
ký hiệu x y .
Ví dụ:
- Quan hệ bằng nhau ở các tập hợp số ; ; ; ... là một quan hệ tương đương vì
thỏa các tính chất phản xạ; đối xứng; bắc cầu.
- Xét trong quan hệ S xác định bởi xSy x 2 y 2 x y là một quan hệ tương
đương.
- Gọi X là tập các đường thẳng trong mặt phẳng, quan hệ cùng phương của hai
đường thẳng bất kỳ trong mặt phẳng là quan hệ tương đương. (Chú ý: Hai đường thẳng
được gọi là cùng phương là hai đường thẳng song song hoặc trùng nhau.)
- Quan hệ vuông góc giữa các đường thẳng trong mặt phẳng không phải là quan hệ
tương đương vì không thỏa tính phản xạ.
- Quan hệ chia hết cho trong tập hợp số tự nhiên không phải là quan hệ tương
đương vì không có tính chất đối xứng.
- Quan hệ “nguyên tố cùng nhau” trên tập hợp số tự nhiên không là quan hệ
tương đương vì không có tính chất bắt cầu. Ví dụ (2, 3) = 1; (4, 3) = 1 nhưng (4, 2) 1 .
Cho S là một quan hệ tương đương trên tập X và x X . Ta gọi tập hợp
S ( x) { y X | y x} là lớp tương đương của x theo quan hệ tương đương S. Khi đó ta có:
- S ( x) vì x S ( x) .
1
- S ( x) X .
xX
2
Ví dụ: Tập {..., - 2, -1, 0} không có phần tử tối tiểu.
c) Quan hệ chia hết trên tập hợp số tự nhiên là một quan hệ thứ tự bộ phận, nhưng
không phải là quan hệ tuyến tính.
d) Quan hệ thứ tự thông thường trên tập hợp số tự nhiên là một quan hệ thứ tự
tuyến tính, hơn nữa đây còn là một quan hệ thứ tự tốt. Với phần tử bé nhất là phần tử 0,
nhưng không có phần tử lớn nhất.
e) Trong tập các số tự nhiên lớn hơn 1, sắp thứ tự theo quan hệ chia hết các phần tử
tối tiểu là các số nguyên tố.
3
Bài 3 Ánh xạ
Trong toán học, ánh xạ là khái quát của khái niệm hàm số. Hàm số lại xuất phát từ khái
niệm tương quan giữa các đại lượng vật lý. Chẳng hạn trong một chuyển động đều, độ dài quãng
đường đi được bằng tích của tốc độ với thời gian. Nếu tốc độ là 5m/s thì quãng đường đi được
trong t giây là s = 5t.
Về ý nghĩa, ánh xạ biểu diễn một tương quan (quan hệ) giữa các phần tử của hai tập
hợp 𝑋 và 𝑌 thoả mãn điều kiện: mỗi phần tử 𝑥 của tập 𝑋 đều có một và chỉ một phần tử 𝑦 của tập
hợp 𝑌 tương ứng với nó. Thông qua khái niệm ánh xạ có thể cho ta biết các thông tin của tập hợp
𝑌 khi có thông tin của 𝑋 và ngược lại.
Ánh xạ 𝑓 từ một tập hợp 𝑋 vào một tập hợp 𝑌 (ký hiệu 𝑓: 𝑋 → 𝑌) là một quy tắc cho ứng
mỗi phần tử 𝑥 ∈ 𝑋 với một phần tử xác định 𝑦 ∈ 𝑌, phần tử 𝑦 được gọi là ảnh của phần tử 𝑥, ký
hiệu 𝑦 = 𝑓(𝑥).
Tập 𝑋 được gọi là tập nguồn, tập 𝑌 được gọi là tập đích.
Với mỗi tập con khác rỗng 𝐴 ⊂ 𝑋, tập con của 𝑌 gồm các phần tử là ảnh của 𝑥 ∈ 𝐴 qua ánh xạ 𝑓
được gọi là ảnh của tập 𝐴 kí hiệu là 𝑓(𝐴): 𝑓(𝐴) = {𝑓(𝑥)|𝑥 ∈ 𝐴}
Nếu 𝑋 và 𝑌 là các tập hợp số thì ánh xạ 𝑓: 𝑋 → 𝑌 được gọi là hàm số. Khi đó 𝑋 cũng được gọi
là tập xác định hay miền xác định của hàm số 𝑓(𝑥), tập các ảnh 𝑓(𝑋) được gọi là miền giá
trị của hàm 𝑓(𝑥).
3.1.2 Một số ví dụ
1
Ví dụ 1. Cho 𝐴={Nam giới}, 𝐵={Nữ giới}. Tương ứng nào sau đây là ánh xạ từ tập hợp 𝐴 đến
𝐵, giải thích vì sao ?
Liệt kê
Mô tả
Ví dụ 1.
x 1 3 5 -1 6 9 0 2 4
f(x) 3 5 3 9 -4 2 1 0 2
Ví dụ 2. Ánh xạ “Tuổi” từ tập hợp các SV ĐHBKHN đến tập các số tự nhiên ℕ
1
𝑛ế𝑢 𝑥 > 0
Ví dụ 3. Cho hàm số 𝑓(𝑥) = { 𝑥2
5𝑥 + 3 𝑛ế𝑢 𝑥 ≤ 0
Ánh xạ không đổi (ánh xạ hằng): là ánh xạ từ 𝑋 vào 𝑌 sao cho mọi phần tử 𝑥 ∈ 𝑋 đều cho ảnh
tại một phần tử duy nhất 𝑦0 ∈ 𝑌.
Ánh xạ đồng nhất: là ánh xạ từ 𝑋 vào chính 𝑋 sao cho với mọi phần tử 𝑥 trong 𝑋, ta có 𝑓(𝑥) =
𝑥.
2
Ánh xạ nhúng: là ánh xạ 𝑓 từ tập con 𝑋 ⊂ 𝑌 vào 𝑌 cho 𝑓(𝑥) = 𝑥 với mọi 𝑥 ∈ 𝑋. Khi đó ta ký
hiệu 𝑓 : 𝑋 𝑌.
Toàn ánh: là ánh xạ từ 𝑋 vào 𝑌 trong đó ảnh của 𝑋 là toàn bộ tập hợp 𝑌. Khi đó người ta cũng
gọi f là ánh xạ từ 𝑋 lên 𝑌: 𝑓(𝑋) = 𝑌 hay ∀𝑦 ∈ 𝑌, ∃𝑥 ∈ 𝑋, 𝑓(𝑥) = 𝑦.
Đơn ánh: là ánh xạ mà các phần tử khác nhau của 𝑋 cho các ảnh khác nhau trong 𝑌 . Đơn
ánh còn được gọi là ánh xạ 1-1 vì tính chất này: ∀𝑥1 , 𝑥2 ∈ 𝑋: 𝑥1 ≠ 𝑥2 ⇒ 𝑓(𝑥1 ) ≠ 𝑓(𝑥2 )
Hay ∀𝑥1 , 𝑥2 ∈ 𝑋: 𝑓(𝑥1 ) = 𝑓(𝑥2 ) ⇒ 𝑥1 = 𝑥2 .
Song ánh là ánh xạ vừa là đơn ánh, vừa là toàn ánh. Song ánh vừa là ánh xạ 1-1 và vừa là ánh xạ
"onto" (từ 𝑋 lên 𝑌).
s
Chú ý:
Đối với các hàm số 𝑦 = 𝑓(𝑥) ta coi là phương trình ẩn 𝑥 tham số 𝑦, khi đó:
𝑓 là đơn ánh khi và chỉ khi phương trình luôn có không quá một nghiệm ∀𝑦 ∈ 𝑌
𝑓 là toàn ánh khi và chỉ khi phương trình luôn có nghiệm ∀𝑦 ∈ 𝑌
𝑓 là song ánh khi và chỉ khi phương trình luôn có nghiệm duy nhất ∀𝑦 ∈ 𝑌
Ví dụ 1: Ánh xạ nào sau đây là đơn ánh, toàn ánh, song ánh từ tập hợp các SV ĐHBKHN đến
tập các số tự nhiên ℕ
3
a) Ánh xạ “Tuổi” ← Không phải là đơn ánh, không phải là toàn ánh
Ví dụ 2: Ánh xạ nào sau đây là đơn ánh, toàn ánh, song ánh từ ℝ đến ℝ
(Ta dùng công cụ khảo sát hàm số để kiểm chứng các kết quả của ví dụ trên)
3.3 Hợp thành (tích) của hai ánh xạ, ánh xạ ngược
Ví dụ: Cho các ánh xạ sau: 𝑓= “Mẹ”, 𝑔= “Chị gái”, ℎ= “Em trai”, 𝑘= “Bố”
4
Định lý: Ánh xạ f : X Y có ánh xạ ngược khi và chỉ khi f là song ánh. Nếu f là song ánh thì
f 1 cũng là song ánh.
Định lý: Ánh xạ ngược của một ánh xạ là duy nhất.
Định lý: Nếu f : E F và g : F G là những song ánh, thì g f : E G là song ánh và
g f f 1 g 1
1
f: *
sin x
x
x
g:
sin x
Khi đó, ánh xạ g là một mở rộng của f được xác định bởi: x0
x x
1 x0
5
Bài 4. Phép toán 2 ngôi và các cấu trúc đại số
Định nghĩa: Cho tập hợp 𝑋, phép toán hai ngôi 𝑓 trên 𝑋 là một ánh xạ từ tập hợp 𝑋 2 đến 𝑋
𝑓: 𝑋 2 → 𝑋
Chú ý: Đối với phép toán hai ngôi ta thường ký hiệu 𝑥𝑓𝑦 thay cho 𝑓(𝑥, 𝑦), và ta thường dùng
các ký hiệu ∗, °, +,×, … Đặc biệt, ta thường viết gọn là 𝑎𝑏 thay cho 𝑎 × 𝑏.
Ví dụ:
➢ Phép cộng, trừ, nhân, chia các số thông thường là các phép toán hai ngôi.
➢ Phép hợp, giao, hiệu,… của các tập hợp là các phép toán hai ngôi.
➢ Phép toán tích vô hướng thông thường của hai véc tơ không phải là phép toán hai ngôi.
Câu hỏi: Hãy nêu 5 ví dụ khác các ví dụ kể trên về phép toán hai ngôi.
Khi xem xét một phép toán hai ngôi ∗ trên tập hợp 𝑋 ta thường xem xét phép toán có hay không
những tính chất sau:
Khi phép toán ∗ có phần tử trung hòa 𝑒, và 𝑎 ∈ 𝑋 là một phần tử nào đó, ta gọi 𝑏 là phần tử đối
xứng của 𝑎 nếu
𝑎∗𝑏 =𝑏∗𝑎 =𝑒
Chú ý:
➢ Khi phép toán ∗ có tính chất kết hợp, thì phần tử trung hòa nếu có thì là duy nhất. Ta
thường gọi phần tử trung hòa là phần tử không khi phép toán ∗ là phép + và hay ký hiệu
là 0, và gọi là phần tử đơn vị khi phép toán ∗ là phép × và hay ký hiệu là 1.
➢ Khi phép toán ∗ có tính chất kết hợp và có phần tử trung hòa thì với một phần tử 𝑎 cho
trước, phần tử đối xứng nếu có thì là duy nhất. Ta thường gọi phần tử đối xứng là phần tử
đối khi phép toán ∗ là phép +, và gọi là phần tử nghịch đảo khi phép toán ∗ là phép ×.
Ví dụ.
➢ Phép toán cộng thông thường trên tập số thực có tính chất kết hợp, giao hoán, có phần tử
không và mọi phần tử của ℝ đều có phần tử đối.
➢ Phép toán tích có hướng thông thường của các véc tơ là một phép toán hai ngôi không có
tính chất kết hợp, không có tính chất giao hoán, không có phần tử trung hòa.
Câu hỏi: Kiểm tra các tính chất kể trên đối với phép toán sau trên tập số thực
𝑎@𝑏 = 𝑎𝑏 + 𝑎 + 𝑏
4.2 Nhóm
4.2.1 Định nghĩa Cho tập hợp 𝑋 và phép toán hai ngôi ∗ trên 𝑋. Cặp (𝑋,∗) gọi là một nhóm nếu:
Nếu (𝑋,∗) là một nhóm và phép toán ∗ có thêm tính chất giao hoán thì (𝑋,∗) gọi là một nhóm
giao hoán hoặc nhóm abel.
Ví dụ.
➢ Tập các số nguyên ℤ với phép toán cộng thông thường là một nhóm giao hoán.
➢ Tập các số hữu tỉ ℚ với phép toán nhân thông thường không phải là một nhóm do 0
không có phần tử đối xứng (khả nghịch) đối với phép toán nhân. Tuy nhiên ℚ∗ = ℚ\{0}
với phép toán nhân thông thường là một nhóm giao hoán.
➢ Tập các song ánh từ 𝑋 đến 𝑋 với phép toán hợp thành ° là một nhóm không giao hoán.
➢ Cho 𝑋 là một tập bất kỳ khác rỗng, 𝑃(𝑋) là họ các tập con của 𝑋. Khi đó 𝑃(𝑋) và phép
toán hợp không lập thành 1 nhóm mặc dù phép hợp của các tập hợp có tính chất kết hợp,
giao hoán, có phần tử trung hòa là ∅ nhưng một tập con khác rỗng bất kỳ của 𝑋 đều
không có phần tử đối xứng.
Câu hỏi: Trang bị trên tập 𝑋 các sinh viên của lớp một phép toán @ để (𝑋, @) là một nhóm
giao hoán.
➢ Khái niệm: Tập hợp con 𝐴 của 𝑋 gọi là một nhóm con của (𝑋,∗) nếu 𝐴 cùng với phép toán ∗
của 𝑋 lập thành một nhóm
➢ Ví dụ: Cho (𝑋,∗) = (ℤ, +) thì tập các số nguyên chẵn là một nhóm con của 𝑋. Tập các số
nguyên lẻ không phải là nhóm con của 𝑋. Tập các số tự nhiên ℕ không phải là nhóm con của
𝑋.
∀𝑥, 𝑦 ∈ 𝐴 → 𝑥 ∗ 𝑦 ∈ 𝐴
➢ Tiêu chuẩn: Bộ phận 𝐴 của 𝑋 là nhóm con khi và chỉ khi {
∀𝑥 ∈ 𝐴 → 𝑥 −1 ∈ 𝐴
4.2.3 Nhóm con chuẩn tắc, nhóm thương
➢ Với phần tử 𝑥 ∈ 𝑋 ta có tập hợp 𝑥𝐴 = {𝑥 ∗ 𝑎|𝑎 ∈ 𝐴} gọi là lớp ghép phải của 𝑥 và
𝐴𝑥 = {𝑎 ∗ 𝑥|𝑎 ∈ 𝐴} gọi là lớp ghép trái của 𝑥.
➢ Nhóm con 𝐴 gọi là nhóm con chuẩn tắc của 𝑋 nếu 𝑥𝐴 = 𝐴𝑥 với mọi 𝑥 ∈ 𝑋.
➢ Chú ý: Mọi nhóm con của nhóm giao hoán đều là nhóm con chuẩn tắc.
➢ Cho 𝐴 là nhóm con chuẩn tắc của 𝑋. Khi đó quan hệ 𝑥~𝑦 ⟺ 𝑥𝐴 = 𝑦𝐴, ∀𝑥, 𝑦 ∈ 𝑋 là một
quan hệ tương đương trên 𝑋.
➢ Khi đó tập thương 𝐴/~ xác định phép toán 𝑥𝐴 ∗ 𝑦𝐴 = (𝑥 ∗ 𝑦)𝐴 và trở thành một nhóm
gọi là nhóm thương của 𝑋 trên 𝐴, ký hiệu 𝑋/𝐴
➢ Ví dụ: (𝑋,∗) = (ℤ, +), 𝐴 = 5ℤ = {5𝑛|𝑛 ∈ ℤ} là nhóm con chuẩn tắc của 𝑋. Khi đó ta có
nhóm thương ℤ/5ℤ ={0̅; 1̅; 2̅; 3̅; 4̅} với các phép toán cụ thể như bảng sau
+ 0̅ 1̅ 2̅ 3̅ 4̅
0̅ 0̅ 1̅ 2̅ 3̅ 4̅
̅1 ̅1 ̅2 ̅3 ̅4 0̅
2̅ 2̅ 3̅ 4̅ 0̅ 1̅
3̅ 3̅ 4̅ 0̅ 1̅ 2̅
̅4 ̅4 ̅0 ̅1 ̅2 3̅
4.3. Vành
Định nghĩa: Cho tập hợp 𝑋 và hai phép toán hai ngôi +,× trên 𝑋. Bộ ba (𝑋, +,×) gọi là một
vành nếu:
➢ Phép toán + có tính chất kết hợp.
➢ Phép toán + có phần tử không.
➢ Mọi phần tử của 𝑋 đều có phần tử đối với phép toán +.
➢ Phép toán + có tính chất giao hoán.
➢ Phép toán × có tính chất kết hợp.
➢ Giữa + và × có tính chất phân phối nghĩa là: 𝑎(𝑏 + 𝑐) = 𝑎𝑏 + 𝑎𝑐; (𝑎 + 𝑏)𝑐 = 𝑎𝑐 + 𝑏𝑐
Nếu (𝑋, +,×) là một vành và phép toán × có thêm tính chất giao hoán thì (𝑋, +,×) gọi là một
vành giao hoán, và nếu phép toán × có phần tử đơn vị thì (𝑋, +,×) gọi là một vành có đơn vị.
Nhận xét: Bộ ba (𝑋, +,×) gọi là một vành khi và chỉ khi (𝑋, +) là một nhóm giao hoán, phép
toán × có tính chất kết hợp, giữa + và × có tính chất phân phối.
Ví dụ.
➢ Tập các số nguyên ℤ với hai phép toán cộng, nhân thông thường là một vành giao hoán
có đơn vị. Tập các số nguyên chẵn 2ℤ với hai phép toán cộng, nhân thông thường là một
vành giao hoán không có đơn vị.
➢ Tập các số hữu tỉ ℚ với hai phép toán cộng, nhân thông thường là một vành giao hoán có
đơn vị.
➢ Cho 𝑋 là một tập bất kỳ khác rỗng, 𝑃(𝑋) là họ các tập con của 𝑋. Khi đó 𝑃(𝑋) và hai
phép toán hợp, giao không phải là 1 vành.
Câu hỏi: Trang bị trên tập 𝑋 các sinh viên của lớp một phép toán @, ∆ để (𝑋, @, ∆) là một vành.
4.4 Trường
Định nghĩa: Cho tập hợp 𝑋 và hai phép toán hai ngôi +,× trên 𝑋. Bộ ba (𝑋, +,×) gọi là một
trường nếu:
Nhận xét:
➢ Bộ ba (𝑋, +,×) gọi là một trường khi và chỉ khi (𝑋, +) là một nhóm giao hoán, (𝑋 ∗ ,×) là
một nhóm giao hoán và giữa + và × có tính chất phân phối.
➢ (𝑋, +,×) gọi là một trường khi và chỉ khi (𝑋, +,×) gọi là một vành giao hoán có đơn vị
và mọi phần tử khác không đều khả nghịch
Ví dụ.
➢ Tập các số nguyên ℤ với hai phép toán cộng, nhân thông thường không phải là một
trường.
➢ Tập các số hữu tỉ ℚ với hai phép toán cộng, nhân thông thường là trường.
➢ Tập các số thực ℝ với hai phép toán cộng, nhân thông thường là trường.
Câu hỏi: Trang bị trên tập 𝑋 các sinh viên của lớp có 53 sinh viên một phép toán @, ∆ để
(𝑋, @, ∆) là một trường.
(𝑎, 𝑏) + (𝑐, 𝑑) ≔ (𝑎 + 𝑐, 𝑏 + 𝑑)
Ta có thể dể dàng kiểm tra được (ℂ, +,×) như trên là 1 trường với các thông tin cụ thể như sau:
Nhận xét:
Phép toán trừ các số phức
𝑐 𝑑
(𝑎, 𝑏): (𝑐, 𝑑): = (𝑎, 𝑏)( ,− 2 )
𝑐2 +𝑑 2 𝑐 + 𝑑2
(𝑎, 0) + (𝑏, 0) = (𝑎 + 𝑏, 0)
Do đó ta có thể ký hiệu 𝑎 thay cho cặp (𝑎, 0) mà không sợ hiểu lầm giữa số 𝑎 ∈ ℂ và 𝑎 ∈ ℝ.
Hay nói cách khác ta có ℝ ⊂ ℂ.
Đơn vị ảo: Đặt 𝑖 = (0,1), ta có 𝑖 2 = (0,1)(0,1) = (−1,0) = −1. Ta gọi 𝑖 là đơn vị ảo của
trường số phức.
Dạng chính tắc: Với số phức bất kỳ 𝑧 = (𝑎, 𝑏) ∈ ℂ → 𝑧 = (𝑎, 0) + (0, 𝑏) = 𝑎 + 𝑏𝑖.
𝒛 = 𝒂 + 𝒃𝒊
Gọi là dạng chính tắc của số phức. Trong đó 𝑎 gọi là phần thực của số phức 𝑧, ký hiệu 𝑅𝑒(𝑧) và
𝑏 gọi là phần ảo của số phức 𝑧, ký hiệu 𝐼𝑚(𝑧).
Số phức liên hợp: Cho số phức 𝑧 = 𝑎 + 𝑏𝑖. Khi đó số phức 𝑎 − 𝑏𝑖 gọi là số phức liên hợp của 𝑧
và ký hiệu là 𝑧̅. Ta có tính chất
̅̅̅̅̅̅̅̅̅
𝑧1 + 𝑧2 = 𝑧̅1 + 𝑧̅2 ; ̅̅̅̅̅̅
𝑧1 𝑧2 = 𝑧̅1 𝑧̅2
➢ 𝑧 + 𝑧̅ ∈ ℝ; 𝑧𝑧̅ ∈ ℝ
➢ 𝑧 là số thực khi và chỉ khi 𝑧 − 𝑧̅ = 0
➢ 𝑧 là số thuần ảo khi và chỉ khi 𝑧 + 𝑧̅ = 0
Biểu diễn hình học của số phức:
Trên mặt phẳng tọa độ 𝑂𝑥𝑦 ta cho ứng mỗi số phức 𝑧 = 𝑥 + 𝑦𝑖 với điểm 𝑀(𝑥, 𝑦), khi đó mọi
điểm trên mặt phẳng đều được đánh dấu bằng một số phức và ta gọi mặt phẳng là mặt phẳng
phức. 𝑀 gọi là điểm biểu diễn của số phức 𝑧.
Môđun của số phức: Cho 𝑧 = 𝑥 + 𝑦𝑖. Khi đó số thực √𝑥 2 + 𝑦 2 gọi là môđun của số phức 𝑧, ký
hiệu |𝑧|. Môđun của số phức 𝑧 cho biết thông tin của đoạn 𝑂𝑀 với 𝑀 là điểm biểu diễn của 𝑧. Ta
𝑧 |𝑧1 |
có tính chất: 𝑧. 𝑧̅ = |𝑧|2 ; |𝑧| = |𝑧̅|, |𝑧1 𝑧2 | = |𝑧1 ||𝑧2 |; |𝑧1 | = .
2 |𝑧2 |
Ví dụ. Cho các số phức 𝑧 = 4 − 2𝑖. Ta có điểm biểu diễn là (4; −2) , số phức liên hợp là 𝑧̅ =
4 + 2𝑖, môđun |𝑧| = √20.
Khái niệm: Cho số phức 𝑧 = 𝑥 + 𝑦𝑖 khác không và có môđun 𝑟 = √𝑥 2 + 𝑦 2 thì có góc 𝜑 xác
𝑥
cos 𝜑 =
√𝑥 2 +𝑦 2
định sai khác 𝑘2𝜋 (𝑘 ∈ ℤ) sao cho { 𝑦 . Ta có 𝑧 = 𝑟(cos 𝜑 + 𝑖𝑠𝑖𝑛 𝜑) gọi là dạng
sin 𝜑 =
√𝑥 2 +𝑦 2
lượng giác của số phức 𝑧. Góc 𝜑 + 𝑘2𝜋 gọi là argument của 𝑧, ký hiệu arg(𝑧). Trường hợp 𝑧 =
0 thì 𝑟 = 0 còn 𝜑 chọn tùy ý.
13 𝜋 𝜋 13
(√3+𝑖) [2(cos +𝑖𝑠𝑖𝑛 )] 213 13𝜋 5𝜋 13𝜋 5𝜋
6 6
Ta có 𝑧 = 5 = −𝜋 5
= [cos ( + ) + 𝑖𝑠𝑖𝑛 ( + )]
(2−√12) −𝜋
[4(cos +𝑖𝑠𝑖𝑛 )] 45 6 3 6 3
3 3
−𝜋 −𝜋
= 8(cos + 𝑖𝑠𝑖𝑛 ) = 4(√3 − 𝑖)
6 6
Do đó 𝐼𝑚(𝑧) = 4√3.
𝑛 𝜑 + 𝑘2𝜋 𝜑 + 𝑘2𝜋
𝑧𝑘 = √𝑟 [cos + 𝑖𝑠𝑖𝑛 ]
{ 𝑛 𝑛
𝑘 ∈ {0; 1; 2; … ; 𝑛 − 1}
Tính chất: Khi biểu diễn các căn bậc 𝑛 của 𝑎 trên mặt phẳng phức ta có các đỉnh của một đa
2𝜋 2𝜋
giác đều 𝑛 cạnh. Đặt 𝜖 = cos + 𝑖𝑠𝑖𝑛 thì {1; 𝜖; 𝜖 2 ; … ; 𝜖 𝑛−1 } là các căn bậc 𝑛 của 1 và thêm
𝑛 𝑛
𝑛 𝜑 𝜑
𝑧0 = √𝑟 [cos 𝑛 + 𝑖𝑠𝑖𝑛 𝑛 ] thì {𝑧0 ; 𝑧0 𝜖; 𝑧0 𝜖 2 ; … , 𝑧0 𝜖 𝑛−1 } là các căn bậc 𝑛 của a, hơn thế chúng là
các cấp số nhân với công bội 𝜖.
−𝑏 ± (𝑑 + 𝑒𝑖)
Δ = b2 − 4𝑎𝑐 = 𝑚 + 𝑛𝑖 = (𝑑 + 𝑒𝑖)2 → 𝑥1,2 =
2𝑎
Ví dụ: Giải phương trình 𝑥 2 + (2 − 4𝑖)𝑥 − (6 + 8𝑖) = 0
−2 + 4𝑖 − (4 + 2𝑖)
𝑥= = −3 + 𝑖
→[ 2
−2 + 4𝑖 + 4 + 2𝑖
𝑥= = 1 + 3𝑖
2
Đặc biệt: Khi 𝑎, 𝑏, 𝑏 ∈ ℝ ta có
−𝑏 −𝑏 ± 𝑖√−Δ
−𝑏 ± √Δ Δ = 0 → 𝑥1 = 𝑥2 = Δ < 0 → 𝑥1,2 =
Δ > 0 → 𝑥1,2 = 2𝑎 2𝑎
2𝑎
1±𝑖√15
Ví dụ: a) 𝑥 2 − 𝑥 + 4 = 0 → 𝑥1,2 = .
2
−2±𝑖√10
b) 2𝑥 2 + 4𝑥 + 7 = 0 → 𝑥1,2 = .
2
Ta có
̅̅̅̅̅̅̅̅̅
𝑧1 + 𝑧2 = 𝑧̅1 + 𝑧̅2 ; ̅̅̅̅̅̅
𝑧1 𝑧2 = 𝑧̅1 𝑧̅2
̅̅̅̅̅̅ = 𝑃(𝑧̅).
Do đó nếu ta có đa thức hệ số thực 𝑃(𝑥) = 𝑎𝑛 𝑥 𝑛 + 𝑎𝑛−1 𝑥 𝑛−1 + ⋯ + 𝑎1 𝑥 + 𝑎0 thì 𝑃(𝑧)
Nên nếu 𝑧 là một nghiệm của 𝑃(𝑥) thì 𝑧̅ cũng là một nghiệm của 𝑃(𝑥). Do vậy 𝑃(𝑥) có các
nghiệm 𝑥1 , 𝑥2 , … , 𝑥𝑘 ∈ ℝ và 𝑧1 , 𝑧̅1 , 𝑧2 , 𝑧̅2 , … , 𝑧𝑛 , ̅̅̅
𝑧𝑛 ∈ ℂ − ℝ. .
2
Mà (𝑥 − 𝑧𝑖 )(𝑥 − 𝑧̅)
𝑖 = 𝑥 − (𝑧𝑖 + 𝑧
̅) ̅𝑖 = 0. Ta đặt 𝑏𝑖 = (𝑧𝑖 + 𝑧̅),
𝑖 + 𝑧𝑖 𝑧 𝑖 𝑐𝑖 = 𝑧𝑖 𝑧
̅𝑖 thì
Hay viết gọn là A (aij )mn hoặc A [aij ]mn trong đó i 1, m chỉ số dòng và j 1, n chỉ
số cột của phần tử.
➢ Quy ước: Trong giáo trình này nếu không đề cập đến trường số thì ta quy ước là
trường số thực
➢ Ma trận bằng nhau: Hai ma trận A (aij )mn và B (bij ) mn được gọi là bằng nhau nếu
1 2 3
1 2 3
➢ Ví dụ: Ma trận A ; B 4 5 6
4 5 6 2x3 7 8 9 3 x 3
1
TUD&TH
Trong ma trận vuông các phần tử a11 , a22 ,..., ann là các phần tử nằm trên đường chéo chính,
các phần tử an1 , a( n 1)2 ,..., a1n là các phần tử nằm trên đường chéo phụ.
Ví dụ:
1 2 3
1 2
A là ma trận vuông cấp hai và B 4 5 7 là một ma trận vuông cấp 3.
3 4 7 8 9
Phần tử nằm trên đường chéo chính của ma trận A là 1; 4. Phần tử nằm trên đường chéo
chính của ma trận B là 1, 5, 9.
5.2.4 Ma trận chéo
Ma trận vuông có các phần tử ngoài đường chéo chính đều bằng 0 được gọi là ma trận chéo
(hay ma trận đường chéo). Ma trận chéo cấp n có dạng
2
TUD&TH
a11 0 ... 0
0 ... 0
a 0, i j
a22
A=
ij
0 0 ... ann
Ví dụ:
1 0 0 0
0 1 0 0
C
0 0 1 0
0 0 0 4
Nhận xét: Ma trận đường chéo thường được ký hiệu bởi diag(a1 , a2 ,..., an ) với các phần tử trên
đường chéo chính là a1 , a2 ,..., an
Trong đó aij 0 khi i> j được gọi là ma trận tam giác trên.
1 2 3 4
0 4 3 2
Ví dụ: A là ma trận tam giác trên
0 0 1 2
0 0 0 5
b11 0 ... 0
b b ... 0
B = 21 22 Trong đó bij 0 khi i < j được gọi là ma trận tam giác dưới.
bn1 bn 2 ... bnn
3
TUD&TH
3 0 0
Ví dụ: B 1 2 0 là ma trận tam giác dưới.
0 1 1
Nhận xét: Ma trận tam giác trên và ma trận tam giác dưới được gọi chung là ma trận tam giác.
5.2.7 Ma trận chuyển vị
a) Định nghĩa
Cho ma trận A, ma trận chuyển vị của ma trận A, ký hiệu AT là ma trận mà trong đó, vai trò
của dòng và cột hoán chuyển cho nhau nhưng vẫn giữ nguyên chỉ số của chúng.
a11 a12 ... a1n
a a22 ... a2 n
Giả sử ta có ma trận A= 21 thì khi đó ma trận chuyển vị của ma trận A là
am1 am 2 ... amn
Nhận xét:
➢ Nếu ma trận A có cấp là m x n thì ma trận AT có cấp là n x m.
➢ Trường hợp đặc biệt chuyển vị của ma trận cột là ma trận dòng và ngược lại chuyển vị
của ma trận dòng là ma trận cột.
Ví dụ:
1 5 9
1 2 3 4 2
6 1
Ma trận A 5 6 7 8 thì ma trận chuyển vị của ma trận A là A
T
3 7 2
9 1 2 3
4 8 3
b) Định lý: Cho các ma trận A, B M mxn ( K ) . Khi đó ta có các khẳng định sau:
A T T
A.
AT BT A B
5.2.8 Ma trận đối xứng – Ma trận phản đối xứng
Nếu ma trận vuông A thỏa mãn aij a ji , i, j 1, n thì ta nói A là ma trận đối xứng.
4
TUD&TH
1 2 3
Ví dụ: Ma trận A 2 1 0 là một ma trận đối xứng cấp3.
3 0 1
1 2 3 4
2 0 1 2
Ma trận A là ma trận đối xứng cấp 4.
3 1 1 0
4 2 0 3
Nếu ma trận vuông A thỏa mãn aij a ji , i, j 1, n thì A gọi là một ma trận phản đối xứng.
Ví dụ:
0 2 4
3
2 0 5 1
Ma trận B là ma trận phản đối xứng.
3 5 0 3
4 1 3 0
5
TUD&TH
Định nghĩa: Tổng của hai ma trận A (aij )mn và B (bij ) mn là một ma trận C (cij )mn với
cij aij bij . Tổng hai ma trận được ký hiệu C = A+B.
a11 a12 ... a1n b11 b12 ... b1n a11 b11 a12 b12 ... a1n b1n
a a22 ... a2 n b21 b22 ... b2 n a21 b21 a22 b22 ... a2 n b2 n
21
am1 am 2 ... amn bm1 bm 2 ... bmn am1 bm1 am 2 bm 2 ... amn bmn
Ví dụ:
1 2 3 0 2 1 1 0 4
A và B . Khi đó, A B
2 1 4 1 3 4 3 2 0
5.4.2 Phép nhân ma trận với một số
Định nghĩa: Tích của ma trận A (aij )mn với số thu được bằng cách nhân các phần tử của ma
trận A với số , ký hiệu A . Ta có, A ( aij )mn
Ví dụ:
4 2 3 8 4 6
2
7 3 2 14 6 4
Với A và B là hai ma trận cấp m x n, ta ký hiệu A + (-1)B = A – B, gọi là phép trừ của hai ma
trận.
2 3 5 2 1 3
A và B thì
4 2 1 3 5 2
0 4 8
A B
1 3 3
Tính chất: Với A, B, C M mxn ( K ) và , K ta có:
a) A + B = B + A
b) (A + B) + C = A + (B + C)
c) 0 + A = A + 0 = A
d) A + (-A ) = (-A) + A = 0
e) A B AT BT
T
f) ( A B) A B
6
TUD&TH
g) ( ) A A A
Chú ý:
Tích của ma trận A và ma trận B chỉ được xác định khi số dòng của ma trận B bằng đúng số
cột của ma trận A. Tức là nếu A là ma trận cấp m x p và B là ma trận cấp p x n thì AB là ma trận
cấp m x n. Do đó, với A và B là hai ma trận bất kỳ thì nếu có tích của AB, ta cũng không hẳn suy
ra được tích của hai ma trận BA, nói cách khác, tích của hai ma trận không giao hoán.
Ngoài ra, có những ma trận khác 0 nhưng tích của chúng lại là ma trận 0.
Ví dụ:
1 2 2 1 2 3 1 7
a) Giả sử A và B khi đó; AB và BA . Vậy
1 3 0 1 2 2 1 3
AB BA
1 0 0 0 0 0
b) Với C ;D ta có CD mặc dù C 0; D 0 .
0 0 1 0 0 0
Nếu tồn tại hai ma trận A, B thỏa AB = BA thì ta nói ma trận A và ma trận B có thể hoán vị
với nhau. Ma trận đơn vị có thể hoán vị với mọi ma trận cùng cấp.
7
TUD&TH
1 2 1
c) Cho A và
3 1 4
2 5
B 4 3 1.(2) 2.4 (1).2 1.5 2.(3) (1).1 4 2
thì AB
2 1 3.(2) 1.4 4.2 3.5 1.(3) 4.1 6 16
2
1 x 3 4 12
d) Cho A và B . Nếu AB 6 hãy tìm x và y
2 1 1 y
Giải:
2
1 x 3 2 4 x 3 y 12
Ta có AB 4 6
2 1 1 y
y
Suy ra y = 6 và x = -2. ■
Tính chất:
Cho A, A ' M mxn ( K ) và B, B ' M nxp ( K ) và C M pxq ( K ) và K thì:
a ) A0nxp 0mxp ;
b)0rxm A 0 rxn ;
c) A( B B ') AB AB ';
d ) AB BT AT ;
T
A1 A2 A3 A4 ... An 1 An ( A1 A2 ... An 1 ) An
8
TUD&TH
Câu hỏi: Hãy cho biết nguyên nhân của việc đặt phép toán nhân hai ma trận theo nguyên tắc
như trên?
5.4.4 Lũy thừa ma trận
Định nghĩa: Cho ma trận A, lũy thừa bậc k của ma trận A là: A A. A... A .
k
k lân
k 1
Cụ thể, A I n ; A A; A A. A;..., A A . A
0 1 2 k
0 1 0 0 0 1 0 0 0
Ví dụ: Cho A 0 0 1 thì ta được A 0 0 0 và A 0 0 0
2 3
0 0 0 0 0 0 0 0 0
Nhận xét: Có những ma trận khác ma trận không nhưng lũy thừa k lần với k sẽ thành ma
trận không.
Một ma trận A M (n; K ) thỏa tính chất tồn tại một số k , sao cho A 0 thì khi đó ma
k
đẳng.
Tính chất:
Cho A M (n; K ) và r , s , khi đó:
0 0;
r
✓
In In
r
✓
rs
✓ A A .A
r s
s
✓ A A
rs r
Định lý: Giả sử A, B là hai ma trận giao hoán trong M(n;K) (nghĩa là AB = BA) và k , khi
đó ta có:
✓ ( AB) A .B ;
k k k
k 1 k 2 k 1
✓ A B ( A B)( A A B ... B ) ;
k k
✓ ( A B) Ck A B .
k i i k i
9
TUD&TH
n 1
Định nghĩa: Cho f là một đa thức bậc n trên K có dạng f ( x) an x an 1 x ... a1 x a0 . Giả
n
n 1
sử A M (n; K ) thì ta gọi f ( A) an A an 1 A ... a1 A a0 I n là đa thức của ma trận A.
n
2 0
Ví dụ: Cho f ( x) x 3x 5 . Hãy tính f (A) với A
3 2
.
0 3
8 0 4 0 1 0 1 0
Ta có f ( A) A 3 A 5 I 2 3 5
3 2
.
0 27 0 9 0 1 0 5
10
TUD&TH
Một song ánh trên tập {1; 2; … ; 𝑛} được gọi là một phép thế cấp 𝒏. Tập các phép thế cấp 𝑛 được
ký hiệu 𝑆𝑛 với số phần tử là 𝑛! (số các hoán vị cấp 𝑛). Một phép thế 𝜎 ∈ 𝑆𝑛 được viết bởi
1 2 ⋯ 𝑛
𝜎=( ).
𝜎(1) 𝜎(2) ⋯ 𝜎(𝑛)
𝜎(𝑖)−𝜎(𝑗)
Cho phép thế 𝜎 ∈ 𝑆𝑛 , cặp không kể thứ tự (𝑖, 𝑗) gọi là một nghịch thế của 𝜎 nếu < 0.
𝑖−𝑗
Số các nghịch thế của 𝜎 được ký hiệu là 𝑁(𝜎) và đại lượng (−1)𝑁(𝜎) gọi là dấu của phép thế 𝜎
và ký hiệu là 𝑠𝑖𝑔𝑛(𝜎).
1 2 3 4 5 6
Cho phép thế của 𝑆6 .
5 3 6 1 2 4
Cặp (1; 2) là một nghịch thế của 𝜎 do 𝜎(1) > 𝜎(2). Số các nghịch thế của 𝜎 là 𝑁(𝜎) = 4 + 2 +
3 = 9. Do đó 𝑠𝑖𝑔𝑛(𝜎) = −1.
Định thức của ma trận A, ký hiệu là detA hay |A| được tính bằng
det A sign( ) a
Sn
a
1 (1) 2 (2) ...an ( n)
Định thức trên là tổng của 𝑛! số hạng, mỗi số hạng là một tích của dấu phép thế và 𝑛 phần tử của
ma trận nằm ở các vị trí tương ứng với phép thế.
6.1.3 Ví dụ
1
TUD&TH
det A sign( )a
S2
a
1 (1) 2 (2) a11a22 (1)a12 a21 a11a22 a12 a21.
1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3
S3 ; ; ; ; ;
1 2 3 2 1 3 1 3 2 3 2 1 2 3 1 3 1 2
det A sign( )a
S3
a a
1 (1) 2 (2) 3 (3) a11a22 a33 a12 a23a31 a13a21a32 a13a22a31 a11a23a32 a12a21a33 .
Công thức trên thường được nhớ theo quy tắc Sarrus như sau: Ta viết them cột thứ nhất và thứ
hai vào bên phải định thức ta được
Thì tích các phần tử trên ba đường chấm chấm sẽ có dấu như sau:
Cụ thể:
2 1
a) 2.3 4.1 2
4 3
2
TUD&TH
1 2 3
b) 2 1 3 1.1.2 2.1.3 2.3.3 3.1.3 3.1.1 2.2.2 6
3 1 2
Tính chất 1: Định thức không đổi qua phép chuyển vị, tức là det( A) det( At )
Chú ý: Từ tính chất này thì một mệnh đề về định thức nếu đúng với dòng thì cũng đúng với cột
và ngược lại.
2 5 2 4
Ví dụ: 14
4 3 5 3
Tính chất 2: Nếu ta đổi chỗ hai dòng (i j ) (hoặc hai cột khác nhau) bất kỳ của định thức thì
định thức đổi dấu.
4 3 5 3 1 7
2 7 6 2 7 6
Ví dụ: 3 1 7 4 3 5
Tính chất 3: Nếu tất cả các phần tử của một dòng (hoặc một cột) của định thức được nhân với
thì định thức mới bằng định thức ban đầu nhân với .
1 2 3 1 2 3
Ví dụ: 6 3 9 3. 2 1 3
5 8 6 5 8 6
Nhận xét: Từ tính chất này suy ra nếu A là ma trận vuông cấp n thì det( A) n det( A).
Tính chất 4: Cho A là ma trận vuông cấp n. Giả sử dòng thứ i của ma trận A có thể biểu diễn
dưới dạng aij aij' aij'' với j = 1, 2, …,n. Khi đó ta có:
... ... ... ... ... ... ... ... ... ... ... ...
det A ai1' ai1'' ai2' ai2'' ... ain' ain'' ai1' ai2' ... ain' ai1'' ai2'' ... ain''
... ... ... ... ... ... ... ... ... ... ... ...
Trong đó các dòng còn lại của 2 định thức ở hai vế là hoàn toàn như nhau và chính là các dòng
còn lại của ma trận A.
3
TUD&TH
1 2 3 1 2 3 1 2 3
Ví dụ: 4 5 6 1 2 3 3 3 3
7 8 9 7 8 9 7 8 9
Từ tính chất trên, ta cũng có kết quả tương tự đối với cột.
Chú ý: Các tính chất 2, 3, 4 trên chính là tính đa tuyến tính thay phiên của định thức. Từ các tính
chất trên ta có các kết quả sau:
Tính chất 5: Định thức của ma trận A sẽ bằng 0 nếu thỏa một trong các điều kiện sau:
➢ Nhân một dòng với một số bất kỳ rồi cộng vào dòng.
➢ Cộng vào một dòng một tổ hợp tuyến tính của các dòng khác.
Nhận xét:
- Nếu thay từ dòng bằng từ cột thì các tính chất trên vẫn đúng.
- Đối với các ma trận A có cấp n (với n là một số rất lớn), khi đó việc tính detA bằng định nghĩa
ta sẽ gặp rất nhiều khó khăn. Do đó, ngoài cách vận dụng các tính chất trên của định thức, ta còn
rất hay sử dụng định lý Laplace sau đây.
Cho A là ma trận vuông cấp n và k là một số tự nhiên thỏa 1 k n . Ta xóa đi n-k dòng bất kỳ
và n-k cột bất kỳ của A thì thu được một ma trận vuông cấp k của A. Định thức của ma trận này
được gọi là một định thức con cấp k của A.
Đặc biệt, khi cho trước 1 i, j n , nếu ta xóa đi dòng i, cột j của ma trận A ta sẽ được định thức
con cấp n-1 của ma trận A, ký hiệu là M ij . Khi đó, Aij (1)i j M ij được gọi là phần bù đại số
của phần tử aij (với aij là phần tử nằm ở hàng i và cột j của ma trận A).
4
TUD&TH
1 2 0 3
0 3 4 1 1 2
Ví dụ: Xét ma trận A khi đó. Định thức D2 3 được gọi là định thức
1 4 1 4 0 3
0 5 2 1
3 4 1
con cấp 2 của A. Ta có M 11 4 1 4 khi đó phần bù đại số của phần tử ở dòng 1 và cột 1
5 2 1
của ma trận A là: A11 (1)11 M 11 88
Khi đó
Nếu khai triển định thức A theo dòng thứ i thì detA được biểu diễn dưới dạng
n
det A ai1 Ai1 ai2 Ai2 ... ain Ain aik Aik
k 1
Nếu khai triển định thức A theo cột thứ j thì detA được biểu diễn dưới dạng
n
det A a1 j A1 j a2 j A2 j ... anj Anj akj Akj .
k 1
1 0 2 a
2 0 b 0
Ví dụ: Xét ma trận A . Nhận thấy dòng 4 có nhiều số 0, nên khai triển định thức
3 c 4 5
d 0 0 0
0 2 a
theo dòng 4 ta có: A (1) 41 d 0 b 0 . Tiếp tục khai triển theo dòng thứ 3 của định thức
c 4 5
0 2 1
2 a
0 b 0 ta có: A d .c. dc(ab) abcd
b 0
c 4 5
5
TUD&TH
0 3 0 5
2 3 1 1
Xét ma trận B
1 1 3 0
0 4 0 5
2 1 1 2 3 1
1 2 1 4
Khai triển theo dòng 1 có B (1) 3 1 3 0 (1) 5 1 1 3
0 0 5 0 4 0
Khai triển theo dòng cuối của 2 định thức trên có:
2 1 2 1
B (1)1 2 .3.5.(1)33 (1)1 4 4.(1) 23 .5 25
1 3 1 3
Tính chất 1: Nếu A là ma trận tam giác trên (ma trận tam giác dưới) thì định thức của ma trận A
a11 a12 ... a1n
0 a ... a2 n
bằng tích của tất cả các phần tử trên đường chéo chính. Tức là nếu A 22
thì
0 0 ... ann
det A a11.a22 ...ann .
Tính chất 2: Nếu A và B là các ma trận vuông cấp n thì det(A.B) = detA . det B.
Bước 1: Chọn dòng hoặc cột có nhiều số 0 nhất để khai triển định thức theo dòng (cột) đó.
Bước 2: Sử dụng tính chất 6 để đưa định thức về dạng có dòng (cột) đã chọn thành dòng (cột) chỉ
có một số khác 0.
Bước 3: Khai triển định thức theo dòng (cột) đó. Khi đó, việc tính một định thức cấp n quy về
việc tính định thức cấp n-1. Tiếp tục lặp lại các bước 1, 2 cho định thức cấp n-1, cuối cùng ta sẽ
dẫn về việc tính định thức cấp 2, 3.
Chú ý các phép biến đổi 𝑎1 ℎ1 + 𝑎2 ℎ2 + ⋯ + 𝑎𝑛 ℎ𝑛 → ℎ𝑘 (với 𝑎𝑘 ≠ 0) làm cho định thức tăng
lên 𝑎𝑘 lần
6
TUD&TH
1 0 1 1 2
0 1 1 2 1
A 1 2 1 0 1
1 0 1 0 2
1 1 1 1 1
Giải:
Ta chọn cột 2 để khai triển. Tuy nhiên, trước hết ta nhân dòng 2 với -2 rồi cộng vào dòng 3 và
nhân dòng 2 với -1 rồi cộng vào dòng 5. Khi đó
1 0 1 1 2
0 1 1 2 1
1 0 1 4 3
1 0 1 0 2
1 0 0 1 2
.
1 1 1 2
1 1 4 3
1 1 0 2
1 0 1 2
Tiếp theo ta thực hiện các bước sau trên định thức cấp 4. Ta nhân cột 1 với (-1) với cột 3, sau đó
nhân cột 1 với 2 rồi cộng vào cột 4. Định thức trên sẽ trở thành:
1 1 2 4
1 1 5 5
1 1 1 0
1 0 0 0
Tiếp theo ta khai triển theo dòng 4 thì được định thức
1 2 4
(1)(1) 1 5 5 1
5
1 1 0
7
TUD&TH
1 1 2 3
2 3 1 2
Ví dụ 2. Tính . Ta có:
2 4 3 1
1 2 1 3
1 1 2 3 1 1 2 3 1 1 2 3
h2 2h1 h2
2 3 1 2 0 1 5 4 h3 2h2 h3 0 1 5 4
h3 2h1 h3
2 4 3 1 0 2 1 5 h4 3h2 h4 0 0 9 3
h4 h1 h4
1 2 1 3 0 3 3 6 0 0 18 18
1 1 2 3
0 1 5 4
h4 2h3 h4 1.1.9.12 108
0 0 9 3
0 0 0 12
8
TUD&TH
Cho A, B là các ma trận sao cho tồn tại tích AB. Khi đó, rank ( AB) min{rankA, rankB}
7.3 Cách tính hạng của ma trận
Nhận xét: Ma trận A cấp mxn khác không được gọi là ma trận bậc thang nếu tồn tại một số tự
nhiên r thỏa 1 r min{m, n} thỏa các điều kiện sau:
(1) r dòng đầu khác 0. Các dòng thứ r +1 trở đi (nếu có) đều bằng 0.
(2) Xét dòng thứ k với 1 k r . Nếu akik là phần tử đầu tiên bên trái (tính từ trái sang phải)
khác không của dòng k thì ta phải có i1 i2 ... ir .
Các phần tử akik được gọi là các phần tử đánh dấu của ma trận A. Các cột chứa các phần tử
được đánh dấu {i1 , i2 ,..., ir } gọi là cột đánh dấu của ma trận A.
Điều kiện (2) có thể phát biểu lại: Nếu đi từ trên xuống thì các phần tử được đánh dấu phải
lùi dần về bên phải. Do đó, ma trận bậc thang có dạng như sau:
0...0 a1i1 ... .... ... ....
0...0 0...0 a2i2 ... ... ...
... ... ... ... ... ....
A ... ... ... arir ... ...
0...0 0..0 0...0 ... 0...0 0...0
... ... ... ... ... ...
0...0 0..0 0..0 0..0 0...0 0...0
Nhận xét:
Nếu A là ma trận bậc thang thì số r các dòng khác 0 trong định nghĩa chính là rankA. Hay rankA
= r. Thật vậy chỉ có định thức con cấp r của A khác 0 chính là định thức Dr tạo ra bởi r dòng đầu
và r cột đánh dấu bởi các cột {i1 , i2 ,..., ir } . Ngoài ra, các định thức con cấp r +1 của A đều tạo bởi
r + 1 dòng nào đó nên có ít nhất một dòng bằng không. Do đó, chúng đều bằng 0.
Nhắc lại các phép biến đổi sơ cấp trên ma trận
Ba phép biến đổi sau đây được gọi là phép biến đổi sơ cấp trên dòng của ma trận:
Đổi chổ hai dòng cho nhau;
Nhân một dòng cho một số khác 0;
Nhân một dòng cho một số bất kỳ rồi cộng vào dòng khác.
Nếu thay từ dòng bằng từ cột, ta có các phép biến đổi sơ cấp trên cột.
Tìm hạng của ma trận bằng phương pháp sử dụng các phép biến đổi sơ cấp
Nội dung của phương pháp này được dựa trên 2 nhận xét sau:
Các phép biến đổi sơ cấp không làm thay đổi hạng của ma trận;
Một ma trận khác ma trận 0 bất kỳ đều có thể đưa về dạng ma trận bậc thang sau một số
hữu hạn phép biến đổi sơ cấp trên dòng.
Vậy muốn tìm hạng của ma trận A, ta sẽ dùng các phép biến đổi sơ cấp đưa ma trận A về
dạng bậc thang, từ đó suy ra hạng của ma trận A bằng hạng của ma trận bậc thang và bằng đúng
số dòng khác 0 của nó.
TUD&TH
Thuật toán để đưa ma trận khác 0 bất kỳ về dạng ma trận bậc thang bằng các phép biến
đổi sơ cấp:
a) Thuật toán:
a11 a12 ... a1n
a a2 n
Xét ma trận A 21 a22 ...
am1 am 2 ... amn
Bước 1:
Bằng cách đổi chỗ hai dòng cho nhau nếu cần để a11 0 .
a21
Ta nhân dòng (1) với rồi cộng vào dòng (2).
a11
a31
Ta nhân dòng (1) với rồi cộng vào dòng (3).
a11
…
am1
Ta nhân dòng (1) với rồi cộng vào dòng (m).
a11
a11 a12 ... ... a1n
0 b ... ... b2 n
22
bm 2 bm3 ... bmn
Nếu ma trận B có dạng bậc thang, hoặc ma trận B = 0 thì suy ra ma trận A1 có dạng bậc thang
và thuật toán kết thúc. Trong trường hợp ngược lại, thì thực hiện bước 1 cho ma trận B. Vì ma
trận B có ít hơn ma trận A1 dòng và 1 cột, nên thuật toán sẽ kết thúc sau một số hữu hạn các bước
lặp.
b) Ví dụ:
TUD&TH
0 1 3 4 6
1 3 4 5 2
Tính hạng của ma trận A
3 5 2 3 4
2 3 5 6 4
Giải:
1 3 4 5 2 1 3 4 5 2
0 1 3 4 6 0 1 3 4 6
d1 d2
A
d3 3d1 d3
3 5 2 3 4 d4 2 d1 d4 0 4 10 12 2
2 3 5 6 4 0 3 13 16 8
1 3 4 5 2 1 3 4 5 2
0 1 3 4 6 0 1 3 4 6
d3 4 d 2 d3
d 4 d 4 d3
d4 3d2 d4
0 0 22 28 26 0 0 22 28 26
0 0 22 28 26 0 0 0 0 0
Vậy rankA = 3■
Ví dụ 2: Tính hạng của ma trận sau:
a 1 1 ... 1
1 a 1 ... 1
B
1 1 1 ... a
Giải:
a (n 1) 1 1 ... 1 a (n 1) 1 1 ... 1
a (n 1) a 1 ... 1 d2 d2 d1 0 a 1 0 ... 0
c1 c2 c3 ... cn
B d3 d3 d1
C
...dn dn d1
a (n 1) 1 1 ... a 0 0 0 ... a 1
Nếu a (1 n), a 1 thì ma trận C là ma trận bậc thang cấp n. Khi đó, rankB = rankC = n.
Nếu a = 1 thì ma trận C là ma trận bậc thang. Khi đó rank B = rankC = 1.
0 1 1 ... 1
0 n 0 ... 0
Nếu a = 1 – n thì khi đó C . Khi đó C là ma trận bậc thang có định thức
0 0 0 ... n
n 0 0 0
0 n 0 0
cấp n – 1 khác 0, đó là định thức (n)n1 0 và det C = 0.
0 0 0 n
Do đó, rankB = rank C = n – 1. ■
TUD&TH
Ví dụ 3
1 3 4
Tìm điều kiện của m để hạng ma trận sau bằng 1: A 2 6 m
3 9 12
Giải
Nhận thấy ma trận A có hai dòng 1 và 3 tỉ lệ với nhau, do đó để ma trận có hạng bằng 1 thì m =
8.
Nhận xét: Do rank ( A) rank ( A ) nên ta có thể thay thế các phép biến đổi trên dòng bởi các
T
phép biến đổi trên cột để đưa ma trận A về dạng bậc thang từ đó suy ra hạng của ma trận A.
TUD&TH
8.4 Định lý
Nếu A1 , A2 ,..., Ak M n ( K ) khả nghịch thì tích A1 A2 ...Ak cũng khả nghịch và
( A1 A2 .... Ak ) 1 Ak1. Ak11... A21. A11
8.5 Các phương pháp tìm ma trận nghịch đảo
TUD&TH
8.5.1 Phương pháp tìm ma trận nghịch đảo bằng cách sử dụng định thức
Phần bù đại số - Ma trận phụ hợp của ma trận
Cho A là ma trận vuông cấp n, nếu ta bỏ đi dòng i và cột j của ma trận A ta được ma trận con
i j
cấp n-1 của ma trận A ký hiệu M ij . Khi đó, Aij (1) det( M ij ) được gọi là phần bù đại số của
phần tử nằm ở dòng i và cột j của ma trận A.
A11 A12 ... A1n
A A22 ... A2 n
Ma trận A P 21 được gọi là ma trận phụ đại số của ma trận A.
An1 An 2 ... Ann
Ví dụ:
1 1 1
Cho A 1 2 3 khi đó
1 4 9
2 3 1 3 1 2
A11 (1)11 6 ; A12 (1)1 2 6 ; A13 (1)13 2
4 9 1 9 1 4
1 1 1 1 1 1
A21 (1) 21 5 ; A22 (1) 2 2 8 ; A23 (1) 23 3
4 9 1 9 1 4
1 1 1 1 1 1
A31 (1)31 1 ; A32 (1)3 2 2 ; A33 (1)33 1
2 3 1 3 1 2
6 6 2
Suy ra ma trận phụ hợp Ap 5 8 3
1 2 1
Thuật toán tìm ma trận nghịch đảo của ma trận A:
Nếu det A = 0 thì A không khả nghịch, tức là A sẽ không có ma trận nghịch đảo.
1 1 T
Nếu det A 0 thì A khả nghịch và A Ap .
det A
Ví dụ:
a) Tìm ma trận nghịch đảo của ma trận sau:
1 2 1
A 0 1 1
1 2 3
Giải:
Ta có detA = 2. Vậy A khả nghịch.
Tìm ma trận phụ hợp PA của A.
TUD&TH
1 1 0 1 0 1
A11 (1)11 1 , A12 (1)1 2 1 , A13 (1)13 1 ,
2 3 1 3 1 2
2 1 1 1 1 2
A21 (1) 21 4 , A22 (1) 2 2 2 , A23 (1) 23 0
2 3 1 3 1 2
2 1 1 1 1 2
A31 (1)31 1 , A32 (1)3 2 1 , A33 (1)33 1
1 1 0 1 0 1
1 4 1 1 4 1 1/ 2 2 1/ 2
1 1 1 1/ 2
Suy ra, AP 1 2 1 . Do đó, A 1 2 1 1/ 2
2
1 0 1 1 0 1 1/ 2 0 1/ 2
■
1 2 2
b) Cho ma trận A 2 m 2 m 5 . Tìm điều kiện của m để A khả nghịch.
m 1 m 1
Giải:
Để A khả nghịch thì det A 0 (m 1)(m 3) 0 . Vậy A khả nghịch khi và chỉ khi m 1
và m 3 .
Nhận xét: Đối với việc tìm ma trận nghịch đảo của một định thức A có cấp n > 3 ta sẽ phải tính
2
một định thức cấp n và n định thức cấp n – 1. Do đó, phương pháp này không hiệu quả đối với
những định thức cấp lớn. Do đó với những định thức cấp n >3 ta thường sử dụng phương pháp
sau:
8.5.2 Phương pháp tìm ma trận nghịch đảo dựa vào các phép biến đổi sơ cấp (pp
Gauss)
Để tìm ma trận nghịch đảo của ma trận vuông A cấp n ta lập ma trận có cấp nx2n sau đây:
a11 a12 ... a1n 1 0 ... 0
a a22 ... a2 n 0 1 ... 0
A I n 21
an1 an 2 ... ann 0 0 ... 1
Sau đó ta sử dụng các phép biến đổi sơ cấp trên dòng để đưa ma trận A | I n về dạng I n | B .
Khi đó, ma trận B chính là ma trận nghịch đảo của ma trận A.
Chú ý: Nếu trong quá trình biến đổi nếu vế bên trái của ma trận xuất hiện toàn số 0 thì ma trận A
không khả nghịch.
Ví dụ: Tìm ma trận nghịch đảo của ma trận sau:
0 1 1 1
1 0 1 1
A
1 1 0 1
1 1 1 0
TUD&TH
Giải:
Xét ma trận sau:
0 1 1 1 1 0 0 0 3 3 3 3 1 1 1 1 1 1 1 1 1/ 3 1/ 3 1/ 3 1/ 3
1 0 1 1 0 1 0 0 d1 d1 d2 d3 d4 1 0 1 1 0 1 0 0 d1 13 d1 1 0 1 1 0 1 0 0
1 1 0 1 0 0 1 0 1 1 0 1 0 0 1 0 1 1 0 1 0 0 1 0
1 1 1 0 0 0 0 1 1 1 1 0 0 0 0 1 1 1 1 0 0 0 0 1
1 1 1 1 1/ 3 1/ 3 1/ 3 1/ 3 1 0 0 0 2 / 3 1/ 3 1/ 3 1/ 3
d 2 d 2 d1 0 1 0 0 1/ 3 2 / 3 1/ 3 1/ 3
d1 d1 d 2 d3 d 4 0 1 0 0 1/ 3 2 / 3 1/ 3 1/ 3
d3 d3 d1
d 4 d 4 d1 0 0 1 0 1/ 3 1/ 3 2 / 3 1/ 3 0 0 1 0 1/ 3 1/ 3 2 / 3 1/ 3
0 0 0 1 1/ 3 1/ 3 1/ 3 2 / 3 0 0 0 1 1/ 3 1/ 3 1/ 3 2 / 3
1 0 0 0 2 / 3 1/ 3 1/ 31/ 3
d 2 d 2
d3 d3
0 1 0 0 1/ 3 2 / 3 1/ 3 1/ 3
d 4 d 4
0 0 1 0 1/ 3 1/ 3 2 / 3 1/ 3
0 0 0 1 1/ 3 1/ 3 1/ 3 2 / 3
bn1 bn 2 ... bnn
- Nếu tồn tại y1 , y2 ,..., yn để hệ (1) vô nghiệm hay có vô số nghiệm thì ma trận A không khả
nghịch.
Ví dụ: Tìm ma trận nghịch đảo của ma trận
a 1 1 1
1 a 1 1
A
1 1 a 1
1 1 1 a
Giải
Ta lập hệ phương trình sau:
ax1 x2 x3 x4 y1 (1)
x ax x x y (2)
1 2 3 4 2
x1 x2 ax3 x4 y3 (3)
x1 x2 x3 ax4 y4 (4)
Cộng hai vế của hệ phương trình ta có
(a 3)( x1 x2 x3 x4 ) ( y1 y2 y3 y4 ) (*)
Nếu a = -3 ta có thể chọn các tham số y1 , y2 , y3 , y4 sao cho y1 y2 y3 y4 0 . Khi đó (*) vô
nghiệm nên hệ phương trình trên vô nghiệm suy ra ma trận A không khả nghịch.
1
Nếu a 3 thì từ (*) ta có x1 x2 x3 x4 y1 y2 y3 y4 (**).
(a 3)
Ta lần lượt lấy các dòng (1), (2), (3), (4) trừ cho (**) thì
1
(a 1) x1 (a 2) y1 y2 y3 y4
a3
1
(a 1) x2 y1 (a 2) y2 y3 y4
a3
1
(a 1) x3 y1 y2 (a 2) y3 y4
a3
1
(a 1) x4 y1 y2 y3 (a 2) y4
a3
TUD&TH
Nhận xét:
- Nếu a = 1 ta có thể chọn các giá trị của các tham số y1 , y2 , y3 , y4 sao cho
(a 2) y1 y2 y3 y4 0 khi đó hệ phương trình vô nghiệm do đó A không khả nghịch.
- Nếu a 1 thì
1
x1 (a 2) y1 y2 y3 y4
(a 1)(a 3)
1
x2 y1 (a 2) y2 y3 y4
(a 1)(a 3)
1
x3 y1 y2 (a 2) y3 y4
(a 1)(a 3)
1
x4 y1 y2 y3 (a 2) y4
(a 1)(a 3)
Khi đó, chọn các giá trị cho các tham số y1 , y2 , y3 , y4 là 1 ta có ma trận nghịch đảo của ma trận A
là:
(a 2) 1 1 1
1 (a 2) 1 1
1 1
A
(a 1)(a 3) 1 1 (a 2) 1
1 1 1 (a 2)
Kết luận:
Nếu a = -3, a = 1 thì ma trận A không khả nghịch.
Nếu a 1, a 3 thì ma trận A khả nghịch và ma trận nghịch đảo của A được xác định bởi công
thức
(a 2) 1 1 1
1 (a 2) 1 1
1
A1
(a 1)(a 3) 1 1 (a 2) 1
1 1 1 (a 2) ■
8.6. Ứng dụng vận dụng ma trận nghịch đảo để giải một phương trình ma trận:
1
Xét phương trình ma trận AX = B. Nếu A khả nghịch thì X A B
1
Xét phương trình ma trận XA = B. Nếu A khả nghịch thì X BA
Ví dụ 1:
2 1 x x2 1 2
Cho ma trận A ;X 1 ;B . Hãy giải pt AX B
5 3 x3 x4 3 4
Giải
TUD&TH
3 1
Vì det A 0 nên A khả nghịch và A
1
5 2
0 2
X A1 B
1 2
Ví dụ 2:
1 2 2 7 3 0
Giải phương trình ma trận sau: 3 2 4 X 6 8 4
2 1 0 1 0 5
Sinh viên tự làm như bài tập nhỏ.
TUD&TH
bm
x1 b1
x b
Hệ (1) có thể được viết lại dưới dạng A với A là ma trận các hệ số của hệ (1).
2 2
xn bm
Khi ta thực hiện các phép biến đổi sơ cấp trên các dòng của hệ phương trình tuyến tính thì ta
được một hệ mới tương đương với hệ đã cho.
Ta nói (c1 ; c2 ;...; cn ) là một nghiệm của hệ (1) nếu khi thay x j c j thì tất cả các phương trình
trong hệ (1) đều thỏa mãn.
Nếu X x1 x2 ... xn và B b1 b2 ... bm thì hệ phương trình có thể viết được
T T
dưới dạng: AX = B.
9.1.3 Ví dụ
TUD&TH
2 x1 x2 x3 1;
Hệ phương trình x1 x2 x3 4; là một hệ phương trình tuyến tính 3 ẩn trên .
x x 2 x 3,
1 2 3
2 1 1 x1 1
Hệ phương trình này còn có thể được viết dưới dạng 1 1 1 x2 4 hoặc
1 1 2 x3 3
2 1 1 1
1 1 1 4
1 1 2 3
Cho hai hệ gồm m phương trình tuyến tính n ẩn trên K có dạng ma trận hóa lần lượt là
A A B và C (C | D) . Khi đó nếu A C thì hai hệ phương trình tương đương nhau. Nhận
xét:
Ta có thể sử dụng các phép biến đổi sơ cấp trên dòng một cách tùy ý đối với ma trận hóa của
một hệ phương trình tuyến tính để đưa nó về dạng một hệ phương trình tuyến tính đơn giản hơn.
2 x1 x2 x3 1;
Ví dụ: Để giải hệ phương trình x1 x2 x3 4; ta tiến hành ma trận hóa và sử dụng các phép
x x 2 x 3,
1 2 3
biến đổi sơ cấp trên dòng để đưa ma trận hóa về dạng đơn giản.
2 1 1 1 0 3 1 7 0 0 7 7 1
0 0 1 1
d1 2 d2 d3 d1 d1
1 1 1 4 1 1 1 4 1 0 3 4 1 0 0 1
7
d3 d 2 d 2 d3 d 2 3d1
1 1 2 3 0 2 3 7 d1 3d3 0 1 2 0 d3 2 d1 0 1 0 2
0 x1 0 x2 x3 1; x1 1
Vậy hệ đã cho tương đương với x1 0 x2 0 x3 1; x2 2
0 x x 0 x 2 x 1
1 2 3 3 ■
Định lý: Giả sử u 0 là một nghiệm cho trước của hệ phương trình (1). Khi đó u K n là một
nghiệm của hệ (1) khi và chỉ khi u u0 v , với v là nghiệm của hệ phương trình tuyến tính
thuần nhất liên kết với hệ (1).
Nói cách khác nếu v1 , v2 ,..., vr là các nghiệm của hệ phương trình tuyến tính thuần nhất liên
kết thì ta có thể viết nghiệm của hệ phương trình tuyến tính (1) là u u0 t1v1 t2v2 ... tr vr ,
trong đó t1 , t2 ,..., tr K .
Định nghĩa: Một nghiệm cố định u 0 của hệ phương trình tuyến tính (1) được gọi là nghiệm
riêng, còn nghiệm u u0 t1v1 t2v2 ... tr vr được gọi là nghiệm tổng quát của hệ.
Ví dụ:
Xét hệ phương trình sau:
2 x1 5 x2 3x3 2 x4 4
3x1 7 x2 2 x3 4 x4 7 (1)
5 x 10 x 5 x 10 x 15
1 2 3 4
Hệ thuần nhất này có các nghiệm là v1 (11,5,1, 0); v2 (6, 2, 0,1) .
TUD&TH
Khi đó nghiệm tổng quát của hệ phương trình ban đầu là u u0 t1v1 t2 v2
9.3 Các phương pháp giải hệ phương trình tuyến tính
9.3.1 Phương pháp Cramer
Nội dung của phương pháp này cũng chính là định lý sau:
Định lý: Cho hệ Cramer
a11 x1 a12 x2 ... a1n xn b1 a11 a12 ... a1n
a x a x ... a x b a a22 ... a2 n
21 1 22 2
2n n 2
(2) trong đó A 21
là ma trận các hệ
...
an1 x1 an 2 x2 ... ann xn bn
an1 an 2 ... ann
số. Khi đó:
- Nếu det A 0 thì hệ phương trình có nghiệm duy nhất xác định bởi công thức sau:
det Ai
xi , trong đó Ai chính là ma trận thu được ma trận A bằng cách thay cột i bởi cột hệ
det A
b1
b
số tự do
2
bn
- Nếu detA = 0 và tồn tại j {1, 2,...., n} sao cho | Aj | 0 thì hệ phương trình vô nghiệm
- Nếu detA = 0 và | Aj | 0, j 1, n thì hệ phương trình không có nghiệm duy nhất (nghĩa
là vô nghiệm hoặc vô số nghiệm). Nếu xảy ra trường hợp này thì ta sẽ dùng phương pháp Gauss
(được nêu trong phần tiếp theo) để giải hệ phương trình này.
Hệ quả: Hệ phương trình tuyến tính thuần nhất n phương trình n ẩn có nghiệm không tầm
thường khi và chỉ khi định thức của ma trận các hệ số bằng 0.
Nhận xét: Phương pháp này dùng để giải hệ phương trình có số phương trình bằng số ẩn.
Các ví dụ:
ax1 bx2 c
Ví dụ 1: Giải hệ phương trình sau: cx2 ax3 b (1) với a, b, c là các số khác 0.
cx bx a
1 3
Giải:
a b 0
Ta có det A 0 c a 2abc 0 nên đây là hệ Cramer. Hơn nữa
c 0 b
c b 0
det A1 b c a (a 2 b2 c 2 )b
a 0 b
TUD&TH
a c 0
det A2 0 b a (a 2 b2 c 2 )a
c a b
a b c
det A3 0 c b (a 2 b2 c 2 )c
c 0 a
Do đó, hệ có nghiệm duy nhất
det A1 a 2 b2 c 2 det A2 a 2 b2 c2 det A3 a 2 b2 c 2
x1 ; x2 ; x3
det A 2ac det A 2bc det A 2ab ■
Ví dụ 2:
Giải hệ phương trình sau:
x1 2 x2 2 x3 0
2 x1 x2 4 x3 2
x x 2 x 2
1 2 3
Giải:
Ta có |A|=0 và | A1 | 8 nên hệ phương trình vô nghiệm. ■
Ví dụ 3:
Giải hệ phương trình sau:
x1 x2 x3 1
2 x1 x2 x3 2
x 2x 2x 1
1 2 3
Ta có
det A 0;det A1 det A2 det A3 0
Hệ phương trình không có nghiệm duy nhất tức là hệ có vô số nghiệm hoặc hệ vô nghiệm.
Đối với trường hợp này thì phải dùng phương pháp Gauss để giải lại hệ phương trình trên.
9.3.3 Phương pháp Gauss
Định lý Cronecker Capelly: Cho hệ phương trình tuyến tính tổng quát
a11 x1 a12 x2 ... a1n xn b1
a x a x ... a x b
21 1 22 2 2n n 2
(1)
...
am1 x1 am 2 x2 ... amn xn bm
Các ví dụ:
a) Giải hệ phương trình sau:
TUD&TH
x1 2 x2 2 x3 0
2 x1 x2 2 x3 2 (*)
3x x 4 x 2
1 2 3
Giải:
Vì | A || A1 || A2 || A3 | 0 nên ta không thể dùng phương pháp Cramer để giải hệ phương
trình này.
Ta sẽ áp dụng phương pháp Gauss để giải hệ phương trình trên.
Ta viết hệ dưới dạng ma trận hóa như sau:
1 2 2 0 1 2 2 0 1 2 2 0
d2 d2 2 d1 d3 d3 d 2
2 1 2 2 d3 d3 3 d1 0 5 2 2 0 5 2 2
3 1 4 2 0 5 2 2 0 0 0 0
1 2 2 0
1
d2 d2
5
0 1 2 / 5 2 / 5
0 0 0 0
Giải:
Ta tiến hành giải bằng thuật toán Gauss như sau:
1 2 5 9 d d d 1 2 5 9 1 2 5 9
d32 d32 3d11 d3 d3 4 d 2
1 1 3 2 0 3 2 11 0 3 2 11
3 6 1 25 0 12 16 52 0 0 8 8
Vậy hệ phương trình đầu tương đương với hệ:
TUD&TH
x1 2 x2 5 x3 9
3x2 2 x3 11
- 8x3 8
Do đó nghiệm của hệ là ( x1 , x2 , x3 ) (2, 3, 1) .
Sinh viên có thể tham khảo them thuật toán Gauss Jordan trong các tài liệu viết về đại số
tuyến tính.
Thực chất của thuật toán Gauss Jordan thì ta sẽ thực hiện các phép biến đổi trên dòng đối với
ma trận hệ số mở rộng trở thành ma trận có các tính chất sau:
- Các dòng khác 0 thì nằm trên các dòng 0;
- Hệ số khác 0 đầu tiên ở các dòng khác 0 đều bằng 1.
- Các phần tử còn lại của cột chứa số 1 chuẩn (gọi là cột chuẩn) đều bằng 0.
Ví dụ: Ta có thể dùng thuật toán Gauss Jordan để giải lại hệ phương trình trên:
1 2 5 9 d d d 1 2 5 9 1 2 5 9
d32 d32 3d11 d3 d3 4 d 2
1 1 3 2 0 3 2 11 0 3 2 11
3 6 1 25 0 12 16 52 0 0 8 8
1
1 2 5 9 d d 2 d 1 2 0 4 1
1 2 0 4
d3 d3 d12d125d33 d2 3 d2
8
0 3 2 11 0 3 0 9 0 1 0 3
0 0 1 1 0 0 1 1 0 0 1 1
1 0 0 2
d1 d1 2 d 2
0 1 0 3
0 0 1 1
1 1 0 0 7 1 1 0 0 7 1 1 0 0 7
d3 d3 2 d 2
0 1 1 1 5 d3 d3 d1 0 1 1 1 5 d4 d4 d2 0 1 1 1 5
A
1 1 1 1 6 0 2 1 1 1 0 0 1 3 9
0 1 0 110 0 1 0 1 10 0 0 1 2 5
1 1 0 0 7
0 1 1 1 5
d 4 d 4 d3
0 0 1 3 9
0 0 0 1 14
Các phần tử trên đường chéo 1; 1; -1; 1 được gọi là phần tử đánh dấu. Ta sẽ khử các phần tử
còn lại của các phần tử ở các cột chứa phần tử đánh dấu ngược từ dòng 4 lên dòng 1 để được ma
trận bên vế trái là ma trận đơn vị.
1 1 0 0 7 1 1 0 0 7 1 1 0 0 7
d3 d3 3 d 4
0 1 1 1 5 d 2 d 2 d 4 0 1 1 0 9 d3 d3 0 1 1 0 9
0 0 1 3 9 0 0 1 0 43 0 0 1 0 43
0 0 0 1 14 0 0 0 1 14 0 0 0 1 14
1 0 7
1 0 1 0 0 0 27
0 1 0
0 34 d1 d1 d2 0 1 0 0 34
d 2 d 2 d3
0 0 43
0 1 0 0 1 0 43
0 1 14
0 0 0 0 0 1 14
Khi đó nghiệm của hệ phương trình là x (27,34, 43,14)
3. Giải và biện luận một hệ phương trình tuyến tính tổng quát
Các ví dụ:
a) Giải hệ phương trình sau:
x1 2 x2 2 x4 x5 1
2 x 4 x x 3x 3
1 2 3 4
3x1 6 x2 2 x3 3x4 x5 m
x1 2 x2 x3 x5 2m 8
Giải:
Ma trận hệ số mở rộng của hệ phương trình trên là
TUD&TH
1 2 0 2 1 1 1 2 0 2 1 1
dd32
d2 2 d1
2 4 1 3 0 3 d3 3d1
0 0 1 1 2 1
B
3 6 2 3 1 m d4 d4 d1 0 0 2 3 2 m 3
1 2 1 0 1 2m 8 0 0 1 2 0 2m 9
1 2 0 2 1 1 1 2 0 2 1 1
d3 d3 2 d 2 0 0 1 1 2 1 0 0 1 1 2 1
d 4 d 4 d 2
0 0 0 1 2 m 5 d 4 d 4 d3
0 0 0 1 2 m 5
0 0 0 1 2 2m 10 0 0 0 0 0 m 5
Nếu m 5 thì hệ phương trình vô nghiệm.
Nếu m = 5 thì hệ phương trình trở thành
1 2 0 2 1 1
0 0 1 1 2 1
0 0 0 1 2 0
0 0 0 0 0 0
Vậy hệ phương trình có vô số nghiệm phụ thuộc tham số x5 , x2 với x2 , x5
x1 2 x4 1 2 x2 x5 x4 2 x5
x3 x4 1 2 x5 . Từ đó suy ra, x3 4 x5 1
x 2 x x 2 x 5 x 1
4 5 1 2 5 ■
Giải:
Ta viết hệ trên dưới dạng ma trận hóa như sau:
TUD&TH
1 1 1 m 1 1 1 1 m 1 1 1 1 m 1
1 1 m 1 1
d2 d2 d1 0 0 m 1 1 m 0 d 2 d3 0 m 1 0 1 m 0
1 m 1 1 1 dd34 d3 d1
d4 md1 0 m 1 0 1 m 0 0 0 m 1 1 m 0
m 1 1 1 1 0 1 m 1 m 1 m 0 0 1 m 1 m 1 m 0
2 2
1 1 1 m 1
0 m 1 0 1 m 0
d 4 d 4 d3 d 2
0 0 m 1 1 m 0
0 0 0 3 2m m 2 0
Vì 3 2m m2 (1 m)(m 3) nên:
Nếu m = 1 thì ma trận hệ số mở rộng trên có dạng
1 1 1 1 1
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
x1 1 x2 x3 x4
x
2
Khi đó hệ có vô số nghiệm phụ thuộc 3 tham số x2 , x3 , x4 . Tức là
x3
x4
x2 t2
Đặt x3 t3 thì x1 1 t2 t3 t4
x t
4 4
1 1 1 3 1
0 4 0 4 0
Khi m =-3 thì hệ trở thành . Hệ phương trình vô nghiệm.
0 0 4 0 0
0 0 0 0 4
Khi m 3, m 1 thì hệ pt có nghiệm duy nhất
1 m 1
x4
3 2m m 2
m3
1
x3 x4
m3
1
x2 x4
m3
1
x1 1 x2 x3 mx4
m3
TUD&TH
Kết luận:
- Nếu m = 1 thì hệ phương trình có vô số nghiệm.
- Nếu m = -3 thì hệ vô nghiệm.
1
- Nếu m 1, 3 thì hệ có một nghiệm duy nhất x1 x2 x3 x4 .■
m3
Giải hệ phương trình bằng phương pháp thích hợp:
Ví dụ 1:
Giải hệ phương trình sau bằng phương pháp thích hợp:
x y z t a
x y z t b
x y z t c
x y z t d
Cộng theo vế 4 phương trình ta được:
abcd
x y z t (*)
2
Lấy (*) trừ cho phương trình thứ (1) của hệ được:
abcd a b c d
2x a x
2 4
Lấy (*) trừ cho phương trình thứ (2) của hệ được:
a bc d
y
4
Lấy (*) trừ cho phương trình thứ (3) của hệ được:
abcd
z
4
Thực hiện tương tự lấy (*) trừ cho phương trình thứ (4) của hệ được:
abcd
t
4
Ví dụ 2:
Giải hệ phương trình sau:
mx y z t 1
x my z t 1
x y mz t 1
x y z mt 1
Giải
Cách 1: SV tự giải bằng phương pháp Gauss (hoặc Gauss Jordan).
Cách 2: Cộng tất cả các phương trình ta được:
(m 3)( x y z t ) 4 (*)
TUD&TH
Nhận xét:
Khi m = - 3 thì phương trình (*) vô nghiệm, hệ vô nghiệm
Khi m = 1 hệ có vô số nghiệm.
x t t1 t2 t3
y t
với t1 , t2 , t3
1
z t 2
t t3
Khi m 3, m 1 thì chia biểu thức (*) cho m + 3 ta có
4
x y z t
m3
Lấy kết quả trên trừ đi phương trình thứ 1 của hệ ta được:
1
x
m3
1
Thực hiện tương tự ta được y z t
m3
TUD&TH
x y ( x1 y1 , x2 y2 ,..., xn yn );
x ( x1 , x2 ,..., xn ).
TUD&TH
- Tập hợp những vectơ tự do trong mặt phẳng với những phép toán cộng vectơ và phép nhân
vectơ với một số thực mà chúng ta đã biết trong chương trình toán phổ thông là một không gian
vectơ trên trường số thực .
- Tập hợp M(m, n, K) với các phép toán cộng ma trận và nhân ma trận với một số tạo thành
một không gian vectơ trên K.
- Tập hợp K[x] các đa thức một biến với hệ số trên trường K cùng với phép toán cộng đa thức
và nhân đa thức với một số K tạo thành một không gian vectơ trên trường K.
- Gọi tập hợp n [ x] là tập hợp tất cả các đa thức với hệ số thực có bậc nhỏ hơn hoặc bằng n,
trong đó n là số nguyên dương.
Ký hiệu Kn [ x] { f K[t ] | deg f n} , với deg f là bậc của f.
Nếu và f a0 a1t ... amt m với m n .
Trong K n [t ] với phép toán cộng và phép nhân vô hướng được định nghĩa như sau:
f , g K [t ] giả sử f a0 a1t ... amt m và g a0 a1t ... ar t r với m, r n
Không mất tính tổng quát giả sử m < r.
f g (a0 b0 ) (a1 b1 )t ... (ar br )t r ar t r 1 ... amt m
f a0 a1t ... amt m
Kiểm tra được K n [t ] cùng với hai phép toán được định nghĩa là không gian vectơ trên
trường số thực .
- Gọi C[a, b] là tập hợp tất cả các hàm số f (t ) liên tục trên đoạn [a, b]. Định nghĩa các phép
toán trong C[a, b] như sau:
- Nếu f , g C[a, b], thì ( f g )(t ) f (t ) g (t ), t [a, b];
( f )(t ) f (t ), t [a, b].
10.1.3 Tính chất
i )x V , 0 x 0 , trong đó 0 ở vế phải là vectơ 0, còn 0 ở vế trái là phần tử 0 của trường K;
ii )x V , x (1) x;
iii )x V , K , ( x) ( ) x ( x);
iv) .0 0.
v) Nếu x 0 thì hoặc 0 hoặc x 0;
iv) x x, x 0 ;
x y, 0 x y.
(Sinh viên tự chứng minh các tính chất trên như là bài tập.)
10.2 Không gian vectơ con
10.2.1 Định nghĩa
Cho V là một K-không gian vectơ và W là một tập con khác rỗng của V. Khi đó W được gọi
là một không gian vectơ con của V nếu W là một K-không gian vectơ ứng với những phép toán
(+) và (.) của V khi ta hạn chế chúng lên W.
TUD&TH
10.2.2 Định lý
Tập con W của không gian vectơ V là một không gian con của V khi và chỉ khi các điều
kiện sau đây được thỏa:
i) x, y W , x y W ;
ii) K , x W , x W .
Nhận xét: Hai điều kiện i) và ii) ở trên có thể được thay thế bằng điều kiện sau:
, ( x, y) W 2 , x y W .
Để chứng minh một tập hợp khác rỗng là không gian vectơ thì có hai cách hoặc chứng minh tập
hợp này với hai phép toán cộng và nhân vô hướng thỏa các tiên đề của không gian vectơ; hoặc
chứng minh rằng tập hợp đó là không gian vectơ con của một không vectơ khác.
10.2.3 Ví dụ
1. Cho V là một không gian vectơ trên K thì V cũng là không gian vectơ con của V.
2. Tập 0 cũng là một không gian vectơ con của V, được gọi là không gian không (hoặc
không gian con tầm thường).
3. Với V 2
và W {x ( x1 ,0) | x1 } thì W là không gian vectơ con của V, thật vậy:
u au1 bu2 cu3 x ( x1 ,0), y ( y1 ,0) W , ta có: x y ( x1 y1 ,0) W .
10.2.4 Định lý Giao của một họ bất kỳ các không gian con của V là một không gian con của V.
Ví dụ: Trong 3 ta xét hai tập hợp sau:
W1 {( x, y,0) | x, y } và W2 {( x,0, z) | x, z }
Khi đó ta có thể kiểm tra được W1 ,W2 là các không gian con của 3
.
Đồng thời W1 W2 {( x,0,0) | x } là không gian con của 3
.
Tuy nhiên W1 W2 {( x, y, z) | y 0 hay z = 0}, không phải là không gian con của 3
.
10.3 Hệ vectơ
10.3.1 Tổ hợp tuyến tính:
Định nghĩa: Cho V là một không gian vectơ trên trường K và v1 , v2 ,..., vn là các phần tử của V. Ta
nói vectơ v là tổ hợp tuyến tính của các vectơ v1 , v2 ,..., vn nếu tồn tại các vô hướng
1 , 2 ,..., n K sao cho v 1v1 2v2 ... nvn .
Ví dụ:
i) Trong 3
cho 3 vectơ u1 (1,0,0); u2 (0,1,0); u3 (0,0,1) . Khi đó vectơ u có dạng
u (a, b, c) có dạng: u au1 bu2 cu3 . Vậy, vectơ u là tổ hợp tuyến tính của các vectơ
3
u1 , u2 , u3 , hoặc ta có thể nói u biểu thị tuyến tính được qua các vectơ u1 , u2 , u3 .
ii) Cho V K 3 , v (4,0,3); v1 (1,0,1); v2 (2,1,0); v3 (0,1,1). Khi đó, vectơ v là tổ hợp
tuyến tính của các vectơ v1 , v2 , v3 vì v 2v1 v2 v3 .
TUD&TH
Mặt khác, vectơ u (4, 2, 2) không là tổ hợp tuyến tính của các vectơ u1 (1, 2,0) ;
u2 (3,1,0) vì nếu ngược lại thì thành phần thứ 3 của vectơ u phải bằng 0, vô lý.
Nhận xét:
i) Nếu v là một tổ hợp tuyến tính của các vectơ v1 , v2 ,..., vn thì v cũng là tổ hợp tuyến tính của
các vectơ v1 , v2 ,..., vn , vn1 .
Thật vậy, nếu v a1v1 a2v2 ... anvn thì v a1v1 a2v2 ... anvn 0vn1
ii) Vectơ 0 luôn là tổ hợp tuyến tính của một họ vectơ bất kỳ.
10.3.2 Hệ vectơ độc lập tuyến tính – Hệ vectơ phụ thuộc tuyến tính
Định nghĩa: Họ các vectơ v1 , v2 ,..., vn của không gian vectơ V trên trường K được gọi là phụ
thuộc tuyến tính nếu tồn tại các vô hướng 1 , 2 ,..., n K không phải tất cả đều bằng 0 sao cho:
1v1 2v2 ... nvn 0 . Họ vectơ không phụ thuộc tuyến tính được gọi là hệ độc lập tuyến
tính.
Nhận xét:
- Họ các vectơ v1 , v2 ,..., vn phụ thuộc tuyến tính 1v1 2v2 ... nvn 0 thì tồn tại ít nhất 1
hệ số 0 . Giả sử đó là n 0 . Khi đó, vn 1 v1 2 v2 ... n 1 vn 1 .
n n n
Suy ra, nếu các vectơ v1 , v2 ,..., vn phụ thuộc tuyến tính thì tồn tại ít nhất một vectơ là tổ hợp
tuyến tính của các vectơ còn lại.
- Các vectơ v1 , v2 ,..., vn độc lập tuyến tính nếu và chỉ nếu
n
(1 , 2 ,..., n ) K n , i vi 0 i 0, i 1,..., n. Nói cách khác, hệ phương trình vectơ
i 1
1 0 1
0 1 2
Ta có ma trận các hệ số của hệ trên là A và rankA = 3, nên hệ phương trình
1 2 3
1 3 4
trên có nghiệm duy nhất (0, 0, 0). Do đó, hệ các vectơ trên độc lập tuyến tính.
TUD&TH
Nhận xét:
i) Từ ví dụ trên để xét hệ m các vectơ v1 , v2 ,..., vm là độc lập tuyến tính hay phụ thuộc tuyến
tính trong n , ta lập ma trận A với các cột là các vectơ v1 , v2 ,..., vm , rồi tìm rankA. Nếu rankA =
m (bằng số vectơ của hệ) thì hệ độc lập tuyến tính, ngược lại nếu rankA <m thì hệ phụ thuộc
tuyến tính.
Do rankA rankAT nên nếu lập ma trận A có các dòng là các vectơ v1 , v2 ,..., vm và thực hiện
các phép biến đổi sơ cấp trên dòng đưa A về dạng bậc thang¸khi đó hệ vectơ là độc lập tuyến nếu
rankA = m (bằng số vectơ của hệ), ngược lại nếu rankA <m thì hệ phụ thuộc tuyến tính.
ii) Vectơ u V gọi là biểu thị tuyến tính được qua hệ vectơ v1 , v2 ,..., vm , nếu tồn tại các số
1 , 2 ,..., m K , sao cho u 1v1 2v2 ... mvm (hay phương trình vectơ
u x1v1 x2v2 ... xmvm có nghiệm)
Ví dụ 2: Trong 3 cho 3 vectơ sau: u1 (1, 2,3); u2 (0,1, 2); u3 (1,3,5) . Khi đó ta có
u1 u2 u3 0 khi đó hệ ba vectơ trên là phụ thuộc tuyến tính.
Sinh viên có thể nhận xét do vectơ u3 là tổ hợp tuyến tính của hai vectơ u1 ; u2 nên hệ 3 vectơ
này phụ thuộc tuyến tính.
10.3.3 Định lý và hệ quả
Định lý: Điều kiện cần và đủ để hệ các vectơ u1 , u2 ,..., un V phụ thuộc tuyến tính là một trong
các vectơ đó là tổ hợp của các vectơ còn lại.
Sinh viên tự chứng minh định lý như bài tập nhỏ.
Hệ quả: Trong các vectơ u1 , u2 ,..., un V nếu có vectơ 0 thì hệ các vectơ này phụ thuộc tuyến
tính.
✓ Nếu một phần của họ các vectơ u1 , u2 ,..., un V phụ thuộc tuyến tính thì tất cả các vectơ
của hệ đó đều phụ thuộc tuyến tính.
✓ v V thì {v} độc lập tuyến tính khi và chỉ khi v 0 .
✓ Hệ gồm hai vectơ phụ thuộc tuyến tính khi và chỉ khi hai vectơ đó tỷ lệ.
Sau đây, ta sẽ mở rộng định nghĩa độc lập tuyến tính và phụ thuộc tuyến tính cho một họ bất
kỳ những vectơ của không gian vectơ V.
Định nghĩa: Một họ khác rỗng những vectơ của không gian vectơ V gọi là phụ thuộc tuyến tính
nếu tồn tại một họ con hữu hạn khác rỗng phụ thuộc tuyến tính của V.
Ngược lại, một họ khác rỗng bất kỳ những vectơ của V gọi là độc lập tuyến tính, nếu mọi họ
con hữu hạn khác rỗng của nó đều độc lập tuyến tính.
10.4 Hệ sinh
10.4.1 Định nghĩa Cho S là một tập con của không gian vectơ V. Ta gọi tập hợp các tổ hợp
tuyến tính của các phần tử của S là bao tuyến tính của S và ký hiệu là span(S). S được gọi là hệ
sinh của V nếu span(S) = V. Ta gọi S là hệ sinh tối tiểu nếu nó không chứa tập con thực sự cũng
là hệ sinh.
Không gian vectơ có một hệ sinh hữu hạn được gọi là không gian hữu hạn sinh hay không
gian hữu hạn chiều.
TUD&TH
Do đó, nếu cho S {u1 , u2 ,..., un } V , S là hệ sinh của V khi và chỉ khi:
u V , (1 , 2 ,..., n ) n
: u 1u1 2u2 ... nun .
Nếu S là hệ sinh của V thì ta ký hiệu V span(S ) span(u1 , u2 ,..., un ) .
Ví dụ:
1. Nếu S {} thì span( S ) { } .
2. Đối với không gian vectơ n , hệ vectơ gồm các vectơ
e1 (1,0,...,0); e2 (0,1,0,...,0);...; en (0,0,....,1) là một cơ sở của không gian vectơ n
.
3. Tập các đơn thức {t n | n 0} là một hệ sinh của không gian các đa thức K[t].
4. Nếu S là hệ sinh của V, thì mọi tập chứa nó đều là hệ sinh của V. Nói riêng V là hệ sinh của
V.
Nhận xét:
Để chứng minh S là một hệ sinh của V ta chứng minh mọi tập con hữu hạn v1 , v2 ,.., vn là hệ
sinh của V. Khi đó, ta có thể sử dụng một trong các phương pháp sau:
Phương pháp 1:
Chứng minh với mọi vectơ v thuộc V thì có các số 1 , 2 ,..., n thuộc trường K sao cho
v 1v1 2v2 ... nvn .
Trong không gian vectơ K m với n m điều này tương đương với hệ phương trình:
a11 x1 a12 x2 ... a1n xn b1
a x a x ... a x b
21 1 22 2
v (b1 , b2 ,..., bm ) K m trong
2n n 2
luôn có nghiệm với đó
...
am1 x1 a2 x2 ... amn xn bm
vi (a1i , a2i ,..., ami ), i 1,.., n .
Phương pháp 2:
Nếu biết trước 1 hệ sinh u1 , u2 ,..., um của V thì cần chứng tỏ mỗi vectơ ui biểu diễn được qua
các vectơ v1 , v2 ,..., vm với i = 1, …, m.
Ví dụ: Chứng minh rằng hệ 4 vectơ u (1, 2,3); v (0, 2,1); w (0, 0, 4); z (2; 4;5) là hệ sinh
của không gian vectơ 3 .
Giải:
1.x1 0.x2 0 x3 2 x4 b1
Xét hệ phương trình 2.x1 2.x2 0 x3 4 x4 b2
3.x 1.x 4.x 5 x b
1 2 3 4 3
Hệ này có nghiệm vì hạng của ma trận hệ số bằng với hạng của ma trận hệ số mở rộng và
nghiệm của hệ phương trình là:
TUD&TH
x1 b1
b2
x2 b1
2
x3 (b3 3b1 ) / 4
x4 0
Định lý: span(S) là không gian con của V và là không gian con nhỏ nhất của V chứa tập S.
Định lý: S là hệ sinh tối tiểu của span(S) khi và chỉ khi S là hệ độc lập tuyến tính.
TUD&TH
Ví dụ:
Trong 4
xét cơ sở chính tắc gồm 4 vectơ sau đây:
u1 (1, 0, 0, 0); u2 (0,1, 0, 0); u3 (0, 0,1, 0); u4 (0, 0, 0,1) khi đó vectơ u (1, 2,3, 4) 4
được
biểu thị tuyến tính qua các vectơ u1 , u2 , u3 , u4 như sau:
u u1 2u2 3u3 4u4 . Suy ra tọa độ của vectơ u đối với cơ sở trên là u = (1, 2, 3, 4).
Mặt khác, trong 4 xét cơ sở gồm các vectơ sau:
v1 (1, 0, 0,1); v2 (0,1, 0, 0); v3 (0, 0,1, 0); v4 (1,1, 0, 0)
thì khi đó vectơ u (1, 2,3, 4) 4
được biểu thị tuyến tính qua các vectơ trên như sau:
u 2v1 v2 3v3 3v4 . Khi đó, tọa độ của u đối với cơ sở này là u = (-2, -1, 3, 3).
11.1.2 Định lý và định nghĩa Nếu V là không gian vectơ có hệ sinh hữu hạn thì số vectơ trong
mọi cơ sở của V là như nhau. Số này gọi là số chiều của V. Ký hiệu là dimV.
Ví dụ:
- Các vectơ e1 (1, 0, 0,..., 0); e2 (0,1, 0,..., 0);...; en (0, 0,....,1) lập thành một cơ sở của không
gian vectơ n . Ta gọi đây là cơ sở chính tắc (cơ sở tự nhiên) của n , vậy dim n n . Một
vectơ x ( x1 , x2 ,..., xn ) có tọa độ với hệ {e1 , e2 ,..., en } là ( x1 , x2 ,..., xn ) . Tuy nhiên, tọa độ của x theo
hệ {e2 , e1 ,..., en } lại là ( x2 , x1 ,..., xn )
1 0 0 1 0 0 0 0
- Các ma trận I1 ; I2 ; I3 ; I4 lập thành một cơ sở của
0 0 0 0 1 0 0 1
a b
không gian các ma trận M(2;K). Một ma trận A sẽ có tọa độ đối với hệ cơ sở này là (a,
c d
b, c, d).
- Trong không gian vectơ các ma trận M (m n; ) , ta có thể lập một hệ cơ sở bao gồm các
ma trận Eij trong đó các phần tử tương ứng ở dòng i và cột j với 1 i m;1 j n bằng 1 còn các
phần tử còn lại của ma trận Eij này đều bằng 0. Khi đó, dim M (m n; K ) mn .
- Pn [x] là tập hợp các đa thức hệ số thực bậc nhỏ hơn hay bằng n với các phép toán thông
thường là một không gian vectơ. Trong đó, hệ 1, x, x 2 ,..., x n là một cơ sở của không gian vectơ này.
Do đó, dim Pn [x] n 1 . Ta gọi đây là cơ sở chính tắc (cơ sở tự nhiên) của Pn [x]
TUD&TH
11.1.3 Định lý Cho S là một hệ vectơ của không gian vectơ V. Khi đó, các điều kiện sau tương
đương:
i) S là cơ sở của V;
ii) Mỗi vectơ của V có thể biểu diễn duy nhất qua các vectơ của hệ S;
iii) S là một hệ độc lập tuyến tính tối đại của V.
Khi ta có dimV = n thì các điều kiện trên tương đương với:
iv) S là một hệ sinh có đúng n phần tử;
v) S là một hệ độc lập tuyến tính có n phần tử;
vi) S có đúng n phần tử và ma trận các cột (dòng) là các vectơ tọa độ của các phần tử của S
theo một cơ sở đã biết có định thức khác không.
Nhận xét:
Đối với không gian hữu hạn chiều (giả sử dim V = n ) thì để chứng minh một hệ vectơ gồm n
vectơ là cơ sở của không gian V ta chỉ cần chứng minh hệ vectơ này là độc lập tuyến tính.
Hệ quả 1:
i) Bất kỳ hệ sinh nào của V cũng chứa một cơ sở của V.
ii) Bất kỳ hệ độc lập tuyến tính nào cũng có thể bổ sung các vectơ để trở thành cơ sở.
Hệ quả 2:
i) Không gian con của không gian hữu hạn chiều là không gian có số chiều hữu hạn.
ii) Không gian chứa một không gian vô hạn chiều là vô hạn chiều.
11.1.4 Hạng của hệ vectơ
Định nghĩa: Cho một hệ hữu hạn vectơ xi iI trong không gian vectơ V. Số phần tử của một hệ
con độc lập tuyến tính tối đại của xi iI là một hằng số (không phụ thuộc vào cách chọn hệ con,
chỉ phụ thuộc vào bản chất của hệ {xi } ). Hằng số này được gọi là hạng của hệ vectơ xi iI . Ta
ký hiệu hạng của hệ xi iI là rank ( xi )iI .
Định lý: Gọi A là ma trận có các dòng (cột) là các tọa độ của các vectơ xi khi đó ta có
rank ( A) rank ( xi )iI .
Nhận xét: Từ định lý trên muốn tìm hạng của một hệ vectơ ta có thể lập ma trận gồm có các
dòng là tọa độ của các vectơ và tìm hạng của ma trận đó.
Chú ý: Trong phạm vi của tài liệu này ta chỉ đề cập đến không gian vectơ hữu hạn chiều,
tức là dimV n .
Ví dụ:
Xét hệ vectơ u1 (1, 0, 0,1); u2 (0,1, 0, 0); u3 (0, 0,1, 0); u4 (1,1, 0, 0) . Khi đó,
rank (ui )i 1,4 rankA = 4 với A là ma trận có các dòng là tọa độ của các vectơ ui trong cơ sở
4
chính tắc của .
TUD&TH
1 0 0 1 1 0 0 1 1 0 0 1
0 1 0 0 d4 d4 d1 0
1 0 0 d4 d4 d2 0
1 0 0
A
0 0 1 0 0 0 1 0 0 0 1 0
1 1 0 0 0 1 0 1 0 0 0 1
Chú ý:
Cho V là một không gian hữu hạn chiều, dimV = n. Khi đó:
(a) Mọi hệ vectơ có nhiều hơn n vectơ đều phụ thuộc tuyến tính.
(b) Mọi hệ có n vectơ độc lập tuyến tính đều là cơ sở của V.
(c) Mọi hệ có n vectơ là hệ sinh của V đều là cơ sở của V.
(d) Mọi hệ độc lập tuyến tính có k vectơ đều có thể bổ sung thêm n-k vectơ để lập thành
một cơ sở của V.
11.2 Tọa độ vectơ trong cơ sở - Công thức đổi tọa độ
11.2.1 Định nghĩa Một cơ sở của không gian vectơ được gọi là cơ sở được sắp nếu ta chú ý
đến thứ tự của các vectơ cơ sở. Ta dùng ký hiệu B (1 , 2 ,..., n ) để chỉ cơ sở được sắp, còn
B {1 , 2 ,..., n } là cơ sở không được sắp. Ta gọi cơ sở không được sắp là một tập cơ sở.
Do đó, B (1 , 2 ,..., n ) và B ' ( 2 , 1 ,..., n ) là hai cơ sở khác nhau. Rõ ràng hai cơ sở
được sắp B và B’ nói trên đều thuộc vào môt tập cơ sở. Ứng với một tập cơ sở gồm n phần tử ta
sẽ có n! cơ sở được sắp.
Cho V là không gian vectơ n chiều B (1 , 2 ,..., n ) là một cơ sở của V khi đó, x viết được
duy nhất dưới dạng: x a11 a2 2 ... an n , i .
Bộ số (a1 , a2 ,..., an ) được xác định một cách duy nhất và được gọi là tọa độ của x trong cơ sở
B.
a1
a
Để chỉ tọa độ của x trong cơ sở B, ta ký hiệu: x B 2 hoặc x B a1 a2 ... an
T
an
hoặc không sợ hiểu làm ta viết x B a1 , a2 ,..., an
T
Ví dụ:
Trong 3
cho hệ 3 vectơ B {u1 (1,1, 0); u2 (1, 0,1); u3 (0,1,1)} .
a) Chứng minh rằng B là một cơ sở của 3 .
b) Tìm tọa độ của các vectơ e1 (1, 0, 0); e2 (0,1, 0); e3 (0, 0,1); u (3, 4,5) trong cơ sở B.
Giải:
Vì B là hệ gồm 3 vectơ trong không gian hữu hạn chiều 3 , nên để chứng minh B là cơ sở
của 3 ta chỉ cần chứng minh B là hệ độc lập tuyến tính.
Để chứng minh điều này ta có thể xây dựng ma trận A có các dòng là các vectơ u1 , u2 , u3 , sau
đó chứng minh rankA = 3 hay det A 0 .
TUD&TH
1 1 0
Ta có, det A 1 0 1 2 0 .
0 1 1
Vậy hệ các vectơ u1 , u2 , u3 là hệ độc lập tuyến tính nên đó là cơ sở của 3
.
b) Xét một vectơ tùy ý a (a1 , a2 , a3 ) 3
, giả sử a[ B ] ( x1 , x2 , x3 ) , khi đó
a1 1 1 0 a1 x1 x2 x1 x2 a1
a x1u1 x2u2 x3u3 a2 x1 1 x2 0 x3 1 a2 x1 x3 x1 x3 a2
a3 0 1 1 a3 x2 x3 x x a
2 3 3
1
x1 2 (a1 a2 a3 )
1
x2 (a1 a2 a3 )
2
1
x3 2 (a1 a2 a3 )
Vậy với mọi vectơ tùy ý a (a1 , a2 , a3 ) 3
, thì ta có
1 1 1
a[ B ] (a1 a2 a3 ), (a1 a2 a3 ), (a1 a2 a3 ) .
2 2 2
Lần lượt cho a bằng e1 , e2 , e3 , u ta có tọa độ của các vectơ e1 , e2 , e3 , u trong cơ sở B lần lượt là:
1 1 1
e1 , ,
2 2 2
1 1 1
e2 , ,
2 2 2
1 1 1
e3 , ,
2 2 2
u (1, 2,3) ■
11.2.2 Đổi cơ sở, ma trận đổi cơ sở, công thức đổi tọa độ
Giả sử trong không gian vectơ V, ngoài cơ sở B {e1 , e2 ,..., en } còn có một cơ sở khác là
B ' {e1' , e2' ,..., en' } .
n
Nếu tọa độ của các vectơ e'j trong cơ sở B là e'j[ B] (c1 j , c2 j ,...., cnj ), j 1, n , hay e'j cij ei
i 1
.
TUD&TH
j 1 ...
x c x ' c x ' ... c x '
n n1 1 n2 2 nn n
'
xn cn1 cn 2 ... cnn xn
Ghi nhớ [𝒙]𝑩′ = 𝑪−𝟏 [𝒙]𝑩
Câu hỏi:
1) Khi nào thì nên vận dụng công thức đổi tọa độ?
2) Tại sao khi vận dụng công thức đổi tọa độ thì 𝑩 thường là cơ sở chính tắc của không
gian vectơ?
11.2.3 Các ví dụ
1) Trong 3 , cho cơ sở B với các vectơ u1 , u2 , u3 lần lượt có tọa độ sau:
u1 (1,1, 0); u2 (1, 0,1); u3 (0,1,1) .
1. Hãy lập ma trận và công thức đổi từ cơ sở chính tắc C sang cơ sở B.
TUD&TH
a1 a2 a3 1
Phương trình (1) tương đương với hệ a1 2a2 3a3 0
a a 2a 1
1 2 3
b1 b2 b3 1
Phương trình (2) tương đương với hệ b1 2b2 3b3 1
b b 2b 0
1 2 3
c1 c2 c3 0
Phương trình (3) tương đương với hệ c1 2c2 3c3 1
c c 2c 1
1 2 3
Ta dùng phương pháp Gauss để giải các hệ phương trình trên, lập các ma trận hệ số mở rộng:
1 1 1 1 1 0 1 1 1 1 1 0 1 1 1 1 1 0
d2 d2 d1 d 2 d 2 d3
1 2 3 0 1 1 d3 d3 d1
0 3 2 1 0 1 0 1 1 1 1 0
1 1 2 1 0 1 0 2 1 0 1 1 0 2 1 0 1 1
1 1 1 1 1 0
d3 d3 2 d 2
0 1 1 1 1 0
0 0 1 2 3 1
a3 2;
Vậy với hệ (1) ta có a2 1 a3 1;
a a a 1 4
1 2 3
b3 3;
Hệ (2) ta có b2 1 b3 2;
b b b 1 4
1 2 3
c3 1;
Hệ (3) ta có c2 c3 1;
c c c 2
1 2 3
4 4 2
Vậy ma trận đổi cơ sở B sang cơ sở B’ là CBB ' 1 2 1 .■
2 3 1
b) Giả sử [ x][ B ] ( x1 , x2 , x3 ) và [ x][ B '] ( y1 , y2 , y3 ) . Khi đó, công thức tính tọa độ của x trong
cơ sở B theo tọa độ của x trong cơ sở B’ là:
x1 4 4 2 y1 x1 4 y1 4 y2 2 y3
x 1 2 1 y x y 2 y y
2 2 2 1 2 3
x3 2 3 1 y3 x 2 y 3 y y
3 1 2 3■
TUD&TH
Nhận xét: Không gian dòng của ma trận sẽ không thay đổi nếu ta áp dụng các phép biến đổi
sơ cấp trên dòng đối với ma trận. Do đó, ta sẽ dễ dàng tìm được cơ sở và số chiều của không
gian này.
11.3.2 Định lý Cho A, B M mn ( K ) . Khi đó:
i) Nếu A tương đương dòng với B thì WA WB .
ii) dim WA r ( A) .
Hệ quả: Cho A M mn ( K ) và B là một dạng bậc thang của ma trận A. Khi đó có thể chọn các
vectơ dòng khác 0 của B làm cơ sở cho không gian dòng WA.
Ví dụ: Tìm một cơ sở và số chiều cho không gian con của 4 sinh ra bởi các vectơ
u1 (1, 2, 3, 4); u2 (2,3, 0, 1); u3 (4, 7, 12,15); u4 (3,1, 9, 7); u5 (2,5, 6,9)
Giải:
Có thể xem u1 , u2 , u3 , u4 , u5 như các vectơ dòng của ma trận A
1 2 3 4
2 3 0 1
A 4 7 12 15
3 1 9 7
2 5 6 9
Dùng các phép biến đổi sơ cấp trên dòng để đưa ma trận A về dạng bậc thang.
1 2 3 4 1 2 3 4 1 2 3 4
2 3 0 1 0 1 6 9 0 1 6 9
A 4 7 12 15 d d 2 d
0 1 0 1 1 0 1 0 1
d32 d32 4 d11 d5 5 d5
3 1 9 7 dd54 d 4 3d1
d5 2 d1 0 5 0 5 0 1 0 1
2 5 6 9 0 1 0 1 0 1 0 1
1 2 3 4 1 2 3 4
0 1 6 9 0 1 6 9
d5 d5 d 4
0 1 0 1
d d d
0 0 6 9 B
d 4 d 4 d3 3 3 2
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
Vậy W WA WB . Do đó, dim W = 3.
11.4 Tổng của các không gian con – Tổng trực tiếp
11.4.1 Định lý Trong không gian vectơ V cho m ( m 2 ) không gian con W1 ,W2 ,...,Wm . Khi
đó tập hợp W {x x1 x2 ... xm | xi Wi , i 1, m} là một không gian con của V, hơn nữa
m
nó là không gian nhỏ nhất (theo quan hệ bao hàm) của không gian V chứa Wi , W được
i 1
m
gọi là không gian tổng của các không gian con Wi , ký hiệu là W Wi W1 W2 ... Wm .
i 1
TUD&TH
Nhận xét:
i) Mỗi x W W1 W2 ... Wm đều biểu diễn được thành tổng các vectơ từ các không gian
con thành phần W1 ,W2 ,...,Wm . Tuy nhiên, cách biểu diễn trên có thể không duy nhất.
ii) Nếu W w1 , w2 ,..., wm và Z z1 , z2 ,..., zn thì W Z w1 , w2 ,..., wm , z1 , z2 ,..., zn .
Ví dụ:
1) Trong 3
, xét cơ sở chính tắc C {e1 , e2 , e3} . Ta có các không gian con của 3
như sau:
W, Z, T .
W e1 , e2 {( x, y,0) | x, y } ; Z e2 , e3 {(0, y, z ) | y, z } và
T e1 {( x,0,0) | x } . Khi đó,
W Z e1 , e2 , e3 3
; Z T e1 , e2 , e3 3
và W T e1 , e2 W .■
2) Với V 3
, xét các không gian con sau:
W1 {( , , ) 3
| } {( , , ) | } và
W2 {( , , ) 3
| } {( , , ) | }
Khi đó, vectơ (3,3, 1) W1 W2 vì (3,3, -1) = (2,2,-2) +(1,1, 1) trong đó (2, 2, 2) W1 và
(1,1,1) W2 .
Tuy nhiên, vectơ (3, 0,3) W1 W2 vì W1 W2 {( , , ) | , } .■
3) Với V 3
, xét các không gian con sau:
W1 {( , , ) 3
| 2 0}; và W2 {( , , ) 3
| 0}. Chứng minh rằng
V W1 W2
Giải:
Kiểm tra được W1 W2 V .
Ngược lại, với mọi vectơ ( , , ) V thì ( , , ) , , 0,0, .
2 2
Kiểm tra được , , W1 và 0,0, W2 . Suy ra, V W1 W2
2 2
Do đó, V W1 W2 .■
n
11.4.2 Định nghĩa Tổng W Wi được gọi là tổng trực tiếp nếu với mỗi x W thì chỉ có
i 1
một cách biểu diễn duy nhất x x1 x2 ... xn , với xi Wi , i 1, n . Khi đó ta ký hiệu
n
W Wi W1 W2 ... Wn .
i 1
Trường hợp W W1 W2 , thì ta nói W1 (tương ứng W2 ) là không gian con bù trực tiếp của
W2 (tương ứng W1 ).
TUD&TH
Định lý: Cho W ,W1 ,W2 ,...,Wm là những không gian con của không gian vectơ V. Khi đó, W là
tổng trực tiếp của W1 ,W2 ,...,Wm nếu và chỉ nếu mọi phần tử x của W đều viết được một cách
duy nhất dưới dạng: x x1 x2 ... xm , với xi Wi , i 1, m .
Định lý: Giả sử W1 và W2 là hai không gian con của không gian vectơ V khi đó, các khẳng
định sau là tương đương:
i) W1 W2 là tổng trực tiếp;
ii) W1 W2 {0} .
Định lý: Cho W1 và W2 là hai không gian con của không gian vectơ hữu hạn chiều V. Khi đó,
dim(W1 W2 ) dimW1 dimW2 dim(W1 W2 ).
Hệ quả: Nếu tổng W + Z của hai không gian hữu hạn chiều W, Z trong không gian vectơ V
là tổng trực tiếp thì dimW dim Z dim(W Z ).
11.4.3 Ví dụ
1) Trong không gian 3 xét hai không gian con W {( x, y, z ) | x, y } và
Z {( x, x, z) | x, z } .
Hãy xác định dimW, dimZ, tìm W Z và W + Z.
Giải:
Ta có: W {( x, y, z) | x, y } (1,0,1);(0,1,0) và
Z {( x, x, z) | x, z } (1,1,0);(0,0,1) .
Do đó, dimW = dimZ = 2
Ta có: W Z {( x, x, x) | x } (1,1,1) , nên dim(W Z ) 1 . Từ đó ta được,
dim(W Z ) dim W dim Z dim(W Z ) 2 2 1 3 dim 3
.
Do W Z 3 , nên W Z 3 .■
2) Cho U là không gian con sinh bởi các vectơ
u1 (1,3, 2, 2,3); u2 (1, 4, 3, 4, 2); u3 (2,3, 1, 2,9) và V là không gian con sinh bởi các
vectơ v1 (1,3, 0, 2,1); v2 (1,5, 6, 6,3); v3 (2,5,3, 2,1)
Hãy tìm một cơ sở và số chiều của U + V và U V
Giải
a) Tìm cơ sở của U +V.
Lập ma trận A có các dòng là các vectơ u1 , u2 , u3 , v1 , v2 , v3 , thực hiện phép biến đổi sơ cấp trên
dòng ta đưa ma trận này về dạng bậc thang. Khi đó số chiều của U + V là rank A và ta có thể
chọn các dòng khác 0 của ma trận A làm vectơ trong cơ sở của U + V.
TUD&TH
1 3 -2 2 3
1 4 -3 4 2
2 3 -1 -2 9
A :=
1 3 0 2 1
1
5 -6 6 3
2 5 3 2 1
Sau các phép biến đổi sơ cấp trên dòng ta được ma trận bậc thang sau:
1 0 -4 7
0
0 0 2 -2
1
0 1 0 -1
0
0 0 0 0
0
0
0 0 0
0
0 0 0 0
0
Khi đó, gọi e1 (1, 0, 0, 4, 7); e2 (0,1, 0, 2, 2); e3 (0, 0,1, 0, 1) là một cơ sở của U+
V.
Suy ra, dim U + V = 3.
Để tìm được cơ sở của U V ta tìm điều kiện để vectơ x ( x1 , x2 , x3 , x4 , x5 ) thuộc U
và thuộc V.
Ta có vectơ x thuộc U khi và chỉ khi x biểu thị tuyến tính qua các vectơ cơ sở của U tức là hệ
phương trình với ma trận hệ số sau có nghiệm.
1 1 2 x1 1 1 2 x1 1 1 2 x1
dd2
d2 3d1
3 4 3 x2 d34 d34 2 d11 0 1 3 x2 3x1 d34 d34 22d2 0 1 3 x2 3x1
d 2d d d d
2 3 1 x3
d5 d5 3d1
0 1 3 x3 2 x1
d5 d5 d 2
0 0 0 x3 x2 x1
2 4 2 x4 0 2 6 x4 2 x1 0 0 0 x4 4 x1 2 x2
3 2 9 x5 0 1 3 x5 3x1 0 0 0 x5 x2 6 x1
x1 x2 x3 0
Vậy để vectơ x thuộc U khi và chỉ khi 4 x1 2 x2 x4 0
6 x x x 0
1 2 5
Ta có vectơ x thuộc V khi và chỉ khi x biểu thị tuyến tính qua các vectơ cơ sở của V tức là hệ
phương trình với ma trận hệ số sau có nghiệm.
1 1 2 x1 1 1 2 x1 1 1 2 x1
d d 3 d d d 3d
3 5 5 x2 d2 d2 2 d1 0 2 1 x2 3x1 d3 d3 2 d2 0 1 3 x2 3x1
4 4 1 4 4 2
0 6 3 x3
d5 d5 d1
0 6 3 x3
d5 d5 d 2
0 0 0 x3 x2 3x1
2 6 2 x4 0 4 2 x4 2 x1 0 0 0 x4 4 x1 2 x2
1 3 x5 0 2 1 x5 x1 0 0 0 x5 x2 2 x1
1
TUD&TH
3x1 x2 x3 0
Vậy để vectơ x thuộc V khi và chỉ khi 4 x1 2 x2 x4 0
2 x x x 0
1 2 5
Do đó, để x thuộc U giao V khi và chỉ khi
3x1 x2 x3 0
4 x 2 x x 0
1 2 4
2 x1 x2 x5 0
x1 x2 x3 0
4 x1 2 x2 x4 0
6 x1 x2 x5 0
Hệ phương trình thuần nhất trên có ma trận hệ số là:
-3 1 1 0 0
4 -2 0 1 0
2 -1 0 0 1
A :=
-1 1 1 0 0
-4 -2 0
1 0
-6 -1 0 0 1
Thực hiện các phép biến đổi sơ cấp trên dòng đưa ma trận A về dạng bậc thang sau
1 0 0 0 0
0 1 0 0 -1
0 0 1 0 1
0 0 0 1 -2
0 0 0 0 0
0 0 0 0 0
Vậy hệ phương trình trên có vô số nghiệm phụ thuộc 1 tham số
x1 0
x t
2
x3 t với t
x 2t
4
x5 t
Khi đó cơ sở của U V gồm 1 vectơ duy nhất u (0,1, 1, 2,1)
Do đó, dimU V 1
TUD&TH
TUD&TH
Hơn nữa đây còn là một phép biến đổi tuyến tính, hay toán tử tuyến tính từ không gian vector
2
vào chính nó.
12.1.3. Các tính chất
Nếu f là một ánh xạ tuyến tính từ V vào V’ thì ta có:
i) f ( x y) f ( x) f ( y);
ii) f (0V ) 0V ' ; f ( x) f ( x);
iii) Nếu f : V V ' và g : V ' V '' là các ánh xạ tuyến tính thì gf : V V '' cũng là ánh xạ
tuyến tính.
iv) Qua một ánh xạ tuyến tính thì một hệ vectơ phụ thuộc tuyến tính (trong V) được biến thành
một hệ phụ thuộc tuyến tính (trong V’). Tức là nếu hệ các vectơ {x1 , x2 ,..., xn } phụ thuộc tuyến tính
trong V, thì hệ f ( x1 ), f ( x)2 ,..., f ( xn ) phụ thuộc tuyến tính trong V’.
v) Ánh xạ tuyến tính không làm tăng hạng của một hệ vectơ. Tức là:
rank ( x1 , x2 ,..., xn ) rank ( f ( x1 ), f ( x2 ),..., f ( xn )), xi V
12.2. Định lý cơ bản về sự xác định ánh xạ tuyến tính
Định lý: Cho một cơ sở B {e1 , e2 ,..., en } của không gian vectơ V ( n 1) và v1 , v2 ,..., vn là n
vectơ tùy ý của không gian vectơ V’. Khi đó, tồn tại duy nhất một ánh xạ tuyến tính f : V V '
sao cho f (ei ) vi , i 1, n hay nói khác hơn ánh xạ tuyến tính hoàn toàn xác định bởi ảnh của một
cơ sở.
Ví dụ:
1) Trong 3
cho cơ sở chính tắc {e1 (1,0,0); e2 (0,1,0); e3 (0,0,1)} , trong 2
cho 3 vectơ
v1 (1,1); v2 (2,3); v3 (4,5) . Hãy xác định ánh xạ f: 3
2
thỏa tính chất
f (ei ) vi , i 1, 2,3 .
Giải:
Với x ( x1 , x2 , x3 ) 3 ta có x x1e1 x2e2 x3e3 . Do f là ánh xạ tuyến tính thỏa
f (ei ) vi , i 1, 2,3 nên có
f ( x) x1 f (e1 ) x2 f (e2 ) x3 f (e3 ) x1v1 x2v2 x3v3 ( x1 , x1 ) (2 x2 ,3x2 ) (4 x3 ,5x3 )
( x1 2 x2 4 x3 , x1 3x2 5x3 )
Vậy f ( x1, x2 , x3 ) ( x1 2 x2 4 x3, x1 3x2 5 x3 ) ■
2) Trong 3
cho hai hệ vectơ {u1 (1,1, 0); u2 (0,1,1); u3 (1, 0,1)} và
{v1 (1,1,1); v2 (0, 0,1); v3 (1, 2,1)} . Hỏi có tồn tại một phép biến đổi tuyến tính f : 3
3
thỏa f (ui ) vi , i 1, 2,3 không? Nếu có hãy xác định công thức của f.
Giải:
Hệ vectơ {u1 (1,1, 0); u2 (0,1,1); u3 (1, 0,1)} độc lập tuyến tính do
TUD&TH
1 1 0
0 1 1 20.
1 0 1
nên suy ra u1 , u2 , u3 là một cơ sở của 3
. Do đó, tồn tại một phép biến đổi tuyến tính từ
f: 3
3
sao cho f (ui ) vi .
Cho x ( x1 , x2 , x3 ) 3
, giả sử x 1u1 2u2 3u3 . Khi đó,
x1 1 0 1 1 3
x 1 1 0
2 1 2 3 1 2
x3 0 1 1 2 3
1
1 2 ( x1 x2 x3 )
1
2 ( x1 x2 x3 )
2
1
3 2 ( x1 x2 x3 )
1 0 1 1 3
f ( x) 1v1 2v2 3v3 1 1 2 0 3 2 1 23 .
1 1 1 1 2 3
Vậy công thức biểu diễn của phép biến đổi tuyến tính f
3 1 1 1 1 1
f ( x) x1; x1 x2 x3 ; x1 x2 x3 ■
2 2 2 2 2 2
3) Giả sử cho f L( 2
, 2
) là một ánh xạ tuyến tính thỏa mãn f (1,0) (3, 4); f (0,1) (2,5)
Khi đó, x ( x1 , x2 ) 2
thì
f ( x1 , x2 ) x1 f (1, 0) x2 f (0,1) x1 (3, 4) x2 (2,5) (3x1 2 x2 , 4 x1 5 x2 )
TUD&TH
toàn xác định nếu biết các hệ số aij , hay f được xác định bởi ma trận A (aij ) M (m, n; K ) .
Ma trận A (aij )mn là ma trận của ánh xạ tuyến tính f đối với cặp cơ sở (B; B’).
Ma trận A là ma trận với m dòng (bằng số chiều của không gian V’) và n cột (bằng số chiều
của không gian V), cột thứ j là tọa độ của f (e j ) trong cơ sở B’ ( j 1, n) .
Nếu f là một phép biến đổi tuyến tính thì ma trận của f là một ma trận vuông cấp n.
13.1.2 Ví dụ
Xét cơ sở chính tắc trong các không gian vectơ sau đây
f: m
a) Ánh xạ tuyến tính thì ma trận biểu diễn của ánh xạ f trong cặp cơ sở
x ( x, 0,..., 0)
1
0
chính tắc của không gian , m
là
0
g: n
b) Ánh xạ tuyến tính có ma trận biểu diễn của ánh xạ g trong cặp cơ sở
( x1 , x2 ,..., xn ) x1
chính tắc của không gian n
, là 1 0 ... 0 .
h: 2
2
c) Ánh xạ có ma trận biểu diễn của ánh xạ h trong cặp cơ sở
( x, y ) (2 x y,3 x 2 y )
2 2 1
chính tắc của là
3 2
id : n
n
d) Ánh xạ đồng nhất có ma trận biểu diễn của ánh xạ đồng nhất trong cặp cơ
u u
sở chính tắc là ma trận đơn vị I n .
13.2 Biểu thức tọa độ của ánh xạ tuyến tính
TUD&TH
Cho f : V V ' là ánh xạ tuyến tính từ không gian vectơ n chiều V vào không gian vectơ m
chiều V’ (m, n 1) và A (aij )mn là ma trận của f trong cặp cơ sở (B, B’). Với mỗi vectơ x V ,
ta thiết lập mối quan hệ giữa các tọa độ của x trong B với tọa độ của f ( x) V ' trong B’.
n m
Giả sử x[ B ] ( x1 , x2 ,..., xn ) và f ( x)[ B '] ( x1' , x2' ,..., xm' ) hay x x j e j và f ( x) xi' ei' .
j 1 i 1
Khi đó,
m n n n
m '
m n ' n
x ' '
e
i i f ( x ) f j j j
x e x f ( e j ) x j ij i ij j i
i 1
a e
i 1 j 1
a x e xi
'
aij x j , i 1, m
i 1 j 1 j 1 j 1 j 1
Cụ thể:
x1' a11 x1 a12 x 2 ... a1n xn x1' a11 a12 ... a1n x1
' '
x2 a21 x1 a22 x 2 ... a2 n xn x2 a21 a22 ... a2 n x2
hoặc
'
x ' a x a x ... a x xm am1 am 2 ... amn xn
m m1 1 m2 2 mn n
Tức là, f ( x)B ' A x B , đây gọi là biểu thức tọa độ của f đối với cặp cơ sở (B, B’).
Ví dụ:
Xét phép biến đổi tuyến tính f : 3
3
với cơ sở chính tắc của 3
, khi đó ma trận của f
đối với cơ sở này là:
3 4 0
A 5 2 1 .
2 3 0
2
Nếu vector x có tọa độ trong cơ sở chính tắc là [ x] 5
7
3 4 0 2 28
Khi đó [ f ( x)] A.[ x] 5 2 1 5 27
2 3 0 7 19
13.3 Ma trận của tích các ánh xạ tuyến tính
Định lý: Giả sử các ma trận A và B lần lượt là ma trận của các ánh xạ tuyến tính f : V V ' và
g : V ' V '' ứng với các cặp cơ sở là (B, B’) và (B’, B’’) thì ma trận của ánh xạ tích gf : V V ''
ứng với cặp cơ sở (B, B’’) là ma trận BA.
Ví dụ: Cho hai ánh xạ tuyến tính f : 3
2
và g : 2
3
xác định như sau:
f ( x, y, z ) (2 x y z , x 2 y 3 z ), ( x, y, z ) 3
g ( x ', y ') ( x ' y ', x ' 2 y ', x ' y '), ( x ', y ') 2
TUD&TH
Hãy xác định ma trận của ánh xạ f, g, gf trong cặp cơ sở chính tắc của các không gian tương
ứng.
Giải:
Ma trận của ánh xạ f và g trong cơ sở chính tắc lần lượt là
1 1
2 1 1
A và B 1 2
1 2 3 1 1
1 1 4
Ma trận của ánh xạ tích gf là C BA 4 5 5 . Do đó, ánh xạ tích h=gf có dạng sau:
3 3 2
h( x, y, z) ( x y 4 z, 4 x 5 y 5z,3x 3 y 2 z), ( x, y, z) 3 .■
13.4 Ma trận của một ánh xạ tuyến tính trong các cặp cơ sở khác nhau
Định lý: Giả sử ánh xạ tuyến tính f : V V ' có ma trận trong các cặp cơ sở ( B1 , B1' ) và
( B2 , B2' ) tương ứng là A1 , A2 . Nếu C và C’ tương ứng là các ma trận đổi cơ sở từ B1 sang B2 và B1'
sang B2' , thì ta có A2 C ' A1C .
1
Nếu A1 , A2 lần lượt là ma trận của ánh xạ tuyến tính f : V V trong hai cơ sở B1 , B2 và
C : B1 B2 là ma trận đổi cơ sở từ B1 sang B2 .Thì A2 C 1 A1C .
Ví dụ:
1) Cho ánh xạ tuyến tính f : 3
2
xác định bởi
f ( x, y, z) ( x y z, x y z), ( x, y, z) 3
1 1 1
A1
1 1 1
1 1 0
Ma trận đổi cơ sở từ C3 sang B là C 0 1 1
1 0 1
2 1 1 1
và C '
1
Ma trận đổi cơ sở từ C2 sang B’ là C '
1 1 1 2
Vậy ma trận của f đối với cặp cơ sở (B, B’) là
TUD&TH
2 0 2
A2 (C ') 1 A1C ■
2 0 4
2) Cho toán tử tuyến tính f : 2
2
xác định như sau:
f ( x, y) ( x 2 y, 2 x y), ( x, y) 2
( x, y ) (2 x y, x,3 y )
Gọi B0 ; B0' lần lượt là cơ sở chính tắc của 2
, 3
. Đặt
B ((2,3);(3, 4)); C ((1,1, 2), (1, 4,5), (0,3, 1)) lần lượt là cơ sở của 2
, 3
.
Khi đó, ma trận chuyển cơ sở từ B0 sang B là
2 3
P và ma trận chuyển cơ sở từ B0 sang C là:
'
3 4
1 1 0
Q 1 4 3
2 5 1
2 1
Nhận thấy ma trận của f đối với cặp cơ sở chính tắc B0 , B là ma trận A 1 0
'
0
0 3
Khi đó ma trận của f đối với cặp cơ sở B, C là ma trận T được xác định như sau:
19 /12 1/12 1/ 4 2 1 104 151
2 3 1
1
T Q AP 7 /12 1/12 1/ 4 1 0 20 31
1/ 4 3 4 2
1/ 4 1/ 4 0 3 0 3
TUD&TH
0 0 0
Vậy hệ phương trình có vô số nghiệm phụ thuộc vào x3.
x1 t
x2 t
x t
3
1
Chọn u 1 , khi đó x u là các vectơ riêng của B ứng với giá trị riêng 1 với
1
, 0 .
1 3
b) Xét ma trận A 3I 2 . Xét hệ phương trình tuyến tính thuần nhất (A – 3I2)x = 0
3 3
Ta có
x1 3 x2 0 x1 3 x2 x1 3t
3 x1 9 x2 0 x2 x 2 t
3
Do đó nếu chọn u thì u là một vectơ riêng ứng với giá trị riêng 3 .
1
14.1.4 Hệ quả Cho A là một ma trận vuông cấp n trên trường K. Khi đó, 0 là giá trị riêng
của A nếu và chỉ nếu A không khả nghịch.
Chứng minh:
Ta có 0 là giá trị riêng của ma trận A nếu và chỉ nếu phương trình Ax ( A 0I n ) x 0 có
nghiệm không tầm thường. Ta đã biết phương trình Ax = 0 có nghiệm không tầm thường khi và
chỉ khi ma trận A không khả nghịch. Do đó 0 là giá trị riêng của A nếu và chỉ nếu A không khả
nghịch.
14.1.5 Định lý Cho A là một ma trận vuông cấp n trên trường K. Giả sử u1 , u2 ,..., ur là các
vectơ riêng ứng với các giá trị riêng 1 , 2 ,..., r của ma trận A, khi đó tập {u1 , u2 ,..., ur } độc lập
tuyến tính.
Chứng minh:
TUD&TH
Giả sử {u1 , u2 ,..., ur } phụ thuộc tuyến tính. Khi đó, tồn tại chỉ số s nhỏ nhất sao cho us 1 khác
0 là một tổ hợp tuyến tính của các vectơ độc lập tuyến tính u1 , u2 ,..., us nghĩa là tồn tại
k1 , k2 ,.., ks K sao cho: us 1 k1u1 k2u2 ... ksus .
Do ui là vectơ riêng của A ứng với giá trị riêng i nên Aui iui với mọi i = 1, 2, …, s.
Từ đó ta có Aus 1 k1 Au1 k2 Au2 ... ks Aus s 1us 1 k11u1 k22u2 ... ks sus . Suy ra,
k1 (1 s 1 )u1 k2 (2 s 1 )u2 ... ks (s s 1 )us 0 .
Vì tập {u1 , u2 ,..., us } độc lập tuyến tính nên ki (i s 1 ) 0 do đó ki 0 với mọi i = 1, 2, …,
s. Điều này dẫn đến us 1 0 mâu thuẫn với us 1 khác 0. Vậy tập {u1 , u2 ,..., ur } độc lập tuyến tính.
Cho A là một ma trận vuông cấp n trên trường K và K là giá trị riêng của A. Tập tất cả các
nghiệm của phương trình ( A I n ) x 0 được gọi là không gian vectơ riêng của ma trận A ứng
với giá trị riêng và ký hiệu là EA ( ) .
Vậy không gian vectơ riêng EA ( ) bao gồm vectơ không và tất cả các vectơ riêng của ma trận
A ứng với giá trị riêng .
14.1.6 Định lý Cho A là một ma trận vuông cấp n trên K và K là giá trị riêng của A. Khi
đó, không gian vectơ riêng EA ( ) là một không gian vectơ con của K n .
Chứng minh:
Do vectơ 0 thuộc EA ( ) nên EA ( ) khác rỗng. Nếu u, v EA ( ) thì Au u và Av v . Do
đó, A(u v) Au Av u v (u v) và A(ku ) k ( Au ) k u (ku ) .Vậy u + v và ku đều
thuộc EA ( ) với mọi k K ; u, v EA ( ) . Vậy EA ( ) là một không gian vectơ con của K n .
Ví dụ:
2 3
Ma trận A có các giá trị riêng là 3, 7 . Không gian vectơ riêng EA (3) và
3 6
EA (7) của ma trận A là:
EA (3) (3,1) | và EA (7) (1, 3) | . Ta có u1 (3,1) và u2 (1, 3) lần
lượt là cơ sở của EA (3) và EA (7) . Do u1 ; u2 độc lập tuyến tính nên lập thành một cơ sở của
2
1 3 3
Ma trận B 3 5 3 có các giá trị riêng là 1, 2 . Không gian vectơ riêng
3 3 1
EA (1) (1, 1,1) | ứng với giá trị riêng 1 . Không gian này có số chiều bằng 1 và có
cơ sở gồm một vectơ u1 (1, 1,1) . Không gian vectơ riêng
EA (2) (1,1,0) (1,0,1) | , ứng với giá trị riêng và có số chiều bằng 2 với cơ sở
gồm hai vectơ u2 (1,1,0); u3 (1,0,1) . Nhận thấy {u1 , u2 , u3} độc lập tuyến tính nên là cơ sở
3
của .
TUD&TH
14.2.2 Ví dụ
2 3
1. Đa thức đặc trưng của ma trận A là f A (t ) t 4t 21
2
3 6
1 3 3
2. Đa thức đặc trưng của ma trận B 3 5 3 là f B (t ) t 3 3t 2 4
3 3 1
1 0 1 1
0 1 1 1
3. Đa thức đặc trưng của ma trận C là fC (t ) t 4 4t 3 2t 2 4t 3
1 1 1 0
1 1 0 1
14.2.3 Định lý Cho A là một ma trận vuông cấp n trên trường K. Khi đó số K là giá trị
riêng của A nếu và chỉ nếu là nghiệm của phương trình đặc trưng f A (t ) 0 .
Chứng minh: là giá trị riêng của ma trận A nếu và chỉ nếu hệ phương trình tuyến tính thuần
nhất ( A I n ) x 0 có nghiệm không tầm thường. Mặt khác hệ phương trình trên có nghiệm không
tầm thường khi và chỉ khi det( A I n ) 0 hay f A ( ) 0 . Vậy là nghiệm của phương trình
đặc trưng.
Nhận xét:
- Muốn xác định các giá trị riêng của ma trận vuông A ta chỉ cần giải phương trình đặc trưng
f A (t ) 0 . Nghiệm của phương trình này chính là các giá trị riêng cần tìm.
- Muốn tìm vectơ riêng của ma trận A chỉ việc xác định các giá trị riêng của ma trận A rồi
giải hệ phương trình tuyến tính thuần nhất ( A I n ) x 0 . Nghiệm khác không của hệ phương
trình tuyến tính thuần nhất này chính là các vectơ riêng của A ứng với giá trị riêng . Từ đây ta
cũng xác định các không gian vectơ riêng EA ( ) .
- Nếu phương trình đặc trưng f A (t ) 0 không có nghiệm trong K thì ma trận A sẽ không có
các giá trị riêng và vectơ riêng.
14.2.4 Ví dụ
TUD&TH
2 3
1. Xác định các giá trị riêng và vectơ riêng của ma trận A
3 6
Giải
Đa thức đặc trưng của ma trận A là f A (t ) t 2 4t 21 . Giải phương trình đặc trưng f A (t ) 0 được
hai nghiệm là t = 3 và t = - 7. Do đó, ma trận A có hai giá trị riêng phân biệt là 3 và 7 .
Với 3 các vectơ riêng của A ứng với giá trị riêng 3 là các nghiệm không tầm thường
của hệ pt tuyến tính thuần nhất ( A 3I3 ) x 0 hay
x1 3 x2 0 x1 3 x2 x1 3
.
3 x1 9 x2 0 x2 x2
Do đó, u (3 , ) (3,1) là vectơ riêng của A ứng với các giá trị riêng 3 với 0 .
Không gian vectơ riêng EA (3) { (3,1) | } ứng với giá trị riêng 3 . Không gian này có
số chiều bằng 1 và vectơ u1 (3,1) là một cơ sở.
Thực hiện các bước tương tự ta cũng xác định được là vectơ riêng ứng với giá trị riêng 7
trong đó 0 . Không gian vectơ riêng EA (7) { (1, 3) | } ứng với giá trị riêng 7 .
Không gian này có số chiều bằng 1 và vectơ u2 (1, 3) làm vectơ cơ sở.
1 3 3
2. Cho ma trận B 3 5 3 . Hãy xác định các giá trị riêng và vectơ riêng của ma trận
3 3 1
B.
Sinh viên tự làm như là bài tập nhỏ.
0 1
3. Cho ma trận C . Hãy xác định các giá trị riêng và vectơ riêng của ma trận C
1 0
trong và trong
Giải:
Đa thức đặc trưng của ma trận C là fC (t ) t 2 1 . Phương trình đặc trưng fC (t ) 0 không có
nghiệm trong , nhưng lại có nghiệm i và – i trong . Do đó, nếu K thì ma trận A không
có giá trị riêng nào. Nếu K thì ma trận A có hai giá trị riêng phân biệt là 1 i; 2 i . Khi
đó có các vectơ riêng ứng với các giá trị riêng 1 i; 2 i lần lượt là ( a, ai ) và (a, ai ) với
a .
14.2.5 Định lý Mọi ma trận vuông A trên trường số phức đều có giá trị riêng.
Chứng minh:
Đa thức đặc trưng của ma trận A là f A (t ) [ x] . Theo định lý cơ bản của đại số thì phương
trình đặc trưng f A (t ) 0 luôn có nghiệm 0 trong trường số phức. Giá trị 0 chính là giá trị riêng
của ma trận A.
TUD&TH
14.2.6 Định nghĩa Giả sử A và B là các ma trận vuông cấp n trên K. Ta nói rằng A và B là
hai ma trận đồng dạng nếu tồn tại một ma trận khả nghịch P sao cho B P1 AP và ký hiệu là
A B.
14.2.7 Ví dụ
2 3 3 0 3 1
1. Cho hai ma trận A và B . Xét ma trận P .
3 6 0 7 1 3
3 /10 1/10
Vì det P = -10 nên P khả nghịch và P 1 . Ta có:
1/10 3 /10
3 /10 1/10 2 3 3 1 3 0
P 1. A.P B
1/10 3 /10 3 6 1 3 0 7
Do đó A và B là hai ma trận đồng dạng.
1 3 3 1 0 0
2. Cho hai ma trận A 3 5 3 và B 0 2 0
3 3 1 0 0 2
1 1 1
Gọi ma trận P 1 1 0 và rõ ràng P khả nghịch. Ta có
1 0 1
1 2 2 1 2 2
AP 1 2 0 và PB 1 2 0
1 0 2 1 0 2
Vậy AP = PB nên B P1 AP , từ đó hai ma trận A và B là đồng dạng.
14.2.8 Định lý: Nếu A và B là hai ma trận đồng dạng thì f A (t ) f B (t ) .
Chú ý: Mệnh đề đảo của Định lý 1.2.9 nói chung không đúng, nghĩa là hai ma trận có cùng đa
thức đặc trưng chưa hẳn là đồng dạng.
Ví dụ: Xét hai ma trận sau:
1 1 1 0
A và B
0 1 0 1
Nhận thấy A và B có cùng đa thức đặc trưng f A (t ) f B (t ) (t 1)2 . Tuy nhiên A và B không
đồng dạng. Thật vậy, nếu A và B đồng dạng thì tồn tại ma trận khả nghịch P sao cho B P1 AP
suy ra A PBP 1 B I 2 . Điều này dẫn đến mâu thuẫn. Vậy A và B không đồng dạng.
14.2.9 Định lý (Định lý Caley-Halmilton) Ma trận A là nghiệm của đa thức đặc trưng
f A (t ) hay f A ( A) 0 .
Chứng minh:
Giả sử A [aij ] M n ( K ) và đa thức đặc trưng của A là
TUD&TH
f ( ) | A I | (1) n ( n a1 n 1 ... an 1 an ) . Gọi B là ma trận phụ hợp của ma trận
A I . Khi đó phần tử dòng i cột j của B là phần bù đại số của phần tử dòng i cột j trong ma trận
A I nên là một đa thức bij ( ) K [ ] với bậc không vượt quá n-1. Vì thế ta có thể viết ma trận
B được dưới dạng B B1 n 1 B2 n 2 ... Bn 1 Bn với B1 , B2 ,..., Bn là các hằng ma trận vuông
cấp n.
Ta có đẳng thức: ( A I ) B | A I | I (*)
Do đó:
(*) ( A I )( B1 n 1 B2 n 2 ... Bn 1 Bn ) (1) n ( n a1 n 1 ... an 1 an ) I
Khai triển rút gọn và đồng nhất hệ tử hai vế theo định nghĩa đa thức bằng nhau ta có:
(1) n an I ABn (0)
(1) n an 1 I ABn 1 Bn I (1)
(1) n an 2 I ABn 2 Bn 1 I (2)
...
(1) n a1 I AB1 B2 I ( n 1)
(1) I B1 I
n
(n)
Nhân bên trái hai vế của đẳng thức (k) với ma trận Ak , k 0,..., n , rồi cộng tất cả theo vế ta có,
(1) n ( An a1 An 1 ... an 1 A an I ) 0 , hay f (A) = 0.■
14.3 Chéo hóa ma trận
14.3.1 Định nghĩa Cho A là một ma trận vuông cấp n trên K. Ma trận A được gọi là chéo hóa
được nếu A đồng dạng với một ma trận đường chéo.
Nhận xét: Ma trận vuông A chéo hóa được nếu tồn tại một ma trận khả nghịch P và một ma
trận đường chéo D để A PDP1 .
14.3.2 Ví dụ
2 3 3 1
1. Ma trận A chéo hóa được vì tồn tại ma trận khả nghịch P và ma trận
3 6 1 3
3 0 1
đường chéo D thỏa mãn A PDP .
0 7
1 3 3
2. Ma trận B 3 5 3 chéo hóa được vì tồn tại ma trận khả nghịch P và ma trận
3 3 1
đường chéo D lần lượt là:
1 1 1 1 0 0
P 1 1 0 và D 0 2 0 thỏa mãn B PDP1 .
1 0 1 0 0 2
TUD&TH
Định lý Cho A là ma trận vuông cấp n trên trường K. Khi đó A chéo hóa được nếu và chỉ nếu
A có n vectơ riêng độc lập tuyến tính. Hơn nữa, nếu A PDP1 với D là ma trận chéo thì các
phần tử trên đường chéo chính của D là các giá trị riêng của ma trận A và các cột của ma trận P
là các vectơ riêng tương ứng.
Chứng minh: Nếu P là ma trận vuông cấp n với các cột u1 , u2 ,..., un và D là ma trận đường
chéo với các phần tử trên đường chéo chính là các giá trị riêng 1 , 2 ,..., n thì
AP A[u1 u2 ... un ] [ Au1 Au2 ... Aun ] (1)
1 0 ... 0
0 ... 0
Và PD P
2
1u1 2u2 ... nun (2)
0 0 ... n
Vì A chéo hóa được nên tồn tại ma trận khả nghịch P sao cho A PDP1 . Nhân bên phải hai
vế đẳng thức này cho P ta được AP PD .
Từ (1) và (2) suy ra [ Au1 Au2 ... Aun ] [1u1 2u2 ... nun ] (3)
Khi đó các cột tương ứng phải bằng nhau tức là:
Au1 1u1; Au2 2u2 ;...; Aun nun . (4)
Vì ma trận P khả nghịch nên các cột u1 , u2 ,..., un phải độc lập tuyến tính. Từ (4) suy ra các
1 , 2 ,..., n là các giá trị riêng và u1 , u2 ,..., un là các vectơ riêng tương ứng với từng giá trị riêng
đó.
Ngược lại nếu u1 , u2 ,..., un là các vectơ riêng của ma trận A độc lập tuyến tính tương ứng với
1 0 ... 0
0 ... 0
các giá trị riêng 1 , 2 ,..., n . Đặt P [u1 u2 ... un ] và D
2
Giải:
Ta thực hiện theo 4 bước sau:
Bước 1: Xác định các giá trị riêng của ma trận A. Trong bước này ta cần xác định đa thức đặc
trưng f A (t ) và giải phương trình đặc trưng f A (t ) = 0 để tìm các giá trị riêng của A. Đa thức đặc
trưng: f A (t ) t 3 3t 2 4 (t 1)(t 2) 2 . Giải phương trình đặc trưng f A (t ) 0 ta được hai
nghiệm t = 1 và t = -2. Vậy ma trận A có hai giá trị riêng là 1; 2 .
Bước 2: Xác định ba vectơ riêng của ma trận A độc lập tuyến tính. Vì A là một ma trận vuông
cấp 3 nên muốn A chéo hóa được thì nó ắt phải có ba vectơ riêng lập thành cơ sở của 3 . Muốn
xác định được ba vectơ riêng của ma trận A lập thành cơ sở của 3 , ta chỉ cần tìm một cơ sở của
mỗi không gian vectơ riêng EA ( ) ứng với mỗi giá trị riêng .
1
Cơ sở của EA (1) là u1 1
1
1 1
Cơ sở của EA (2) là u2 1 và u3 0
0 1
Nhận thấy {u1 , u2 , u3} độc lập tuyến tính do đó nó là cơ sở của 3
.
Bước 3: Lập ma trận P từ các vectơ riêng trong bước 2. Thứ tự các vectơ riêng không quan
trọng. Sử dụng thứ tự đã chọn trong bước 2, ta lập được ma trận khả nghịch P.
1 1 1
P [u1 , u2 , u3 ] 1 1 0
1 0 1
Bước 4: Lập ma trận đường chéo D từ các giá trị riêng tương ứng. Trong bước này thứ tự của
các giá trị riêng là quan trọng. Nó phải sắp xếp theo thứ tự của các cột của ma trận P. Ở đây ta sử
dụng giá trị riêng 2 hai lần. Một lần cho vectơ riêng u2 và một lần cho vectơ riêng u3 ứng
với giá trị riêng 2 .
1 0 0
Do đó ma trận D 0 2 0
0 0 2
Do P khả nghịch nên muốn kiểm tra xem hai ma trận P và D có thỏa mãn A PDP1 . Ta có
1 3 3 1 1 1 1 2 2
AP 3 5 3 . 1 1 0 1 2 0
3 3 1 1 0 1 1 0 2
TUD&TH
1 1 1 1 0 0 1 2 2
và PD 1 1 0 . 0 2 0 1 2 0
1 0 1 0 0 2 1 0 2
Vậy A chéo hóa được.
2 4 3
2. Chéo hóa ma trận B nếu được với B 4 6 3
3 3 1
Giải
Đa thức đặc trưng của ma trận A là f A (t ) t 3 3t 2 4 (t 1)(t 2) 2 .
Giải phương trình đặc trưng f A (t ) 0 ta được các nghiệm là t = 1 và t = 2. Vậy ma trận A có
hai giá trị riêng là 1; 2 . Khi tìm cơ sở của các không gian riêng EA (1) và EA (1) ta được:
1 1
Cơ sở của EA (1) là u1 1 và cơ sở của EA (2) là u2 1 .
1 0
Mặt khác mọi vectơ riêng của ma trận A đều là tổ hợp tuyến tính của u1 hoặc u2 . Do đó, ta
không thể tìm được ba vectơ riêng của A để lập thành cơ sở của 3 . Vậy ma trận A không thể chéo
hóa được (theo định lý 1.3.2).
14.3.4 Hệ quả Cho A là ma trận vuông cấp n trên K. Khi đó nếu A có n giá trị riêng phân biệt
thì A chéo hóa được.
Chứng minh:
Giả sử 1 , 2 ,..., n là các giá trị riêng phân biệt của ma trận A. Gọi u1 , u2 ,..., un là các vectơ
riêng của A tương ứng với các giá trị riêng 1 , 2 ,..., n . Khi đó {u1 , u2 ,..., un } độc lập tuyến tính
trong K n theo định lý 1.1.5 do đó ma trận A chéo hóa được theo định lý 1.3.3.
1 8 3
Ví dụ: Chứng tỏ ma trận A 0 3 3 chéo hóa được
0 0 2
Giải
Ma trận A là ma trận tam giác trên có 1, - 3, -2 là các giá trị riêng phân biệt. Mặt khác do A là
ma trận vuông cấp 3 có 3 giá trị riêng phân biệt nên nó chéo hóa được.
Nhận xét:
Cho A là ma trận vuông cấp n trên K. Nếu A có n giá trị riêng phân biệt 1 , 2 ,.., n thì các vectơ
riêng tương ứng u1 , u2 ,..., un độc lập tuyến tính. Khi đó ta lập ma trận khả nghịch
TUD&TH
1 0 ... 0
0 ... 0
P [u1 u2 ... un ] và ma trận đường chéo D sao cho A PDP1 hay ma
2
Chú ý rằng ui ai1ui1 ai2ui2 ... aiki uiki E A (i ) do đó ui là vectơ riêng của ma trận A ứng
với giá trị riêng i hoặc ui 0 . Do tập các vectơ riêng ứng với các giá trị riêng phân biệt là độc
lập tuyến tính nên từ đẳng thức u1 u2 ... ur 0 ta suy ra ui 0 với mọi i = 1, 2, …, r. Do đó,
ai1ui1 ai2ui2 ... aiki uiki 0 . Vì Si là cơ sở của EA (i ) nên aij 0 với mọi i = 1, 2, …r và j =
1, 2, …, ki . Vậy S S1 S2 ... Sr độc lập tuyến tính trong K n . Nếu S chứa n vectơ riêng độc
lập tuyến tính. Nhóm các vectơ riêng ứng với giá trị riêng i vào Si . Chú ý rằng Si S j với
mọi i khác j. Từ đó suy ra, S S1 S2 ... Sr chứa n vectơ riêng của ma trận A.
Ví dụ: Chéo hóa ma trận sau đây (nếu được)
1 0 1 1
0 1 1 1
A
1 1 1 0
1 1 0 1
Giải
Ta có đa thức đặc trưng của ma trận A là f A (t ) t 4 4t 3 2t 2 4t 3 (t 3)(t 1) 2 (t 1) .
Giải phương trình đặc trưng f A (t ) 0 ta được các nghiệm t = 3, 1, -1. Vậy ma trận A có ba giá
trị riêng 3,1, 1 . Ta sẽ tìm một cơ sở của không gian vectơ riêng EA (3), EA (1), EA (1) .
TUD&TH
1
1
Cơ sở của EA (3) là u1
1
1
1 0
1 0
Cơ sở của EA (1) gồm hai vectơ u2 ,u
0 3 1
0 1
1
1
Cơ sở của EA (1) là vectơ u4
1
1
Nhận thấy S {u1 , u2 , u3 , u4 } là hệ độc lập tuyến tính và do đó ma trận P [u1 u2 u3 u4 ]
khả nghịch và A PDP1 , trong đó
1 1 0 1 3 0 0 0
1 1 0 1 0 1 0 0
P và D
1 0 1 1 0 0 1 0
1 0 1 1 0 0 0 1
14.4. Vectơ riêng – Giá trị riêng của một phép biến đổi tuyến tính
14.4.1 Định nghĩa Cho V là một không gian vectơ trên trường K. Một ánh xạ tuyến tính
:V V được gọi là một toán tử tuyến tính của V. Một toán tử tuyến tính của V còn được gọi
là một phép biến đổi tuyến tính.
14.4.2 Ví dụ
1. Cho ánh xạ : 2
2
xác định bởi ( x1 , x2 ) (2 x1 x2 , x1 2 x2 ) . Khi đó là một toán
2
tử tuyến tính trên .
2. Cho ánh xạ : P2 [ x] P2 [ x] cho bởi (a0 a1t a2t 2 ) 3a0 (5a0 2a1 )t (ta1 a2 )t 2
Khi đó là một toán tử tuyến tính trên P2 [ x] .
3. Cho ánh xạ : M 2 ( ) M 2 ( ) xác định bởi
1 2
(X ) X
3 4
Khi đó là một toán tử tuyến tính trên M 2 ( ) .
14.4.3 Định nghĩa Cho là một toán tử tuyến tính của không gian vectơ V trên trường K.
Một phần tử K được gọi là giá trị riêng của nếu tồn tại một vectơ khác không v V sao cho
(v) v . Khi đó vectơ v được gọi là vectơ riêng của ứng với giá trị riêng .
14.4.4 Ví dụ
TUD&TH
1. Cho là một toán tử tuyến tính của không gian vectơ V trên trường K. Khi đó phần tử 0 là
giá trị riêng của khi và chỉ khi Ker 0 . Vì Khi đó v 0 là vectơ riêng của ứng với giá trị
riêng 0 khi và chỉ khi v Ker .
2. Mọi vectơ khác 0 đều là vectơ riêng của toán tử đồng nhất hoặc toán tử 0. Với toán tử đồng
nhất, thì giá trị riêng bằng 1, còn toán tử 0 thì giá trị riêng là 0.
3. Cho f là toán tử tuyến tính trên không gian 3 được xác định như sau:
f ( x1 , x2 , x3 ) (3x1 3x2 2 x3 , x1 x2 2 x3 , 3x1 x2 ) có giá trị riêng là 4 và một vectơ
riêng tương ứng với giá trị riêng này là u (1,1, 1) vì f (u) = f (1, 1, -1) = (4,4,-4) = u .
14.4.5 Định lý Giả sử là một toán tử tuyến tính của không gian vectơ v trên trường K. Khi
đó K là giá trị riêng của nếu và chỉ nếu IdV không là đơn ánh.
Chứng minh:
Nhận xét (v) v khi và chỉ khi IdV v 0 với mọi K . Nếu là một giá trị riêng
của thì tồn tại một vectơ v khác 0 sao cho (v) v . Suy ra v Ker ( Id ) , vì v khác 0
nên Ker ( IdV ) khác 0 do đó IdV không là đơn ánh. Đảo lại, giả sử IdV không là
đơn cấu. Khi đó tồn tại một vectơ v khác 0 sao cho IdV v 0 suy ra (v) v . Do đó
là một giá trị riêng của và v là vectơ riêng tương ứng.
14.4.6 Định lý Giả sử là một toán tử tuyến tính của không gian vectơ V trên trường K. Khi
đó nếu c là các vectơ riêng của ứng với các giá trị riêng phân biệt 1 , 2 ,..., r thì {v1 , v2 ,..., vr }
độc lập tuyến tính.
Chứng minh: Giả sử {v1 , v2 ,..., vr } phụ thuộc tuyến tính. Khi đó, tồn tại chỉ số s nhỏ nhất sao
cho vs 1 là tổ hợp tuyến tính của các vectơ độc lập tuyến tính v1 , v2 ,..., vs hay tồn tại các số
k1 , k2 ,..., ks K sao cho vs 1 k1v1 k2v2 ... ks vs .
Do vi là các vectơ riêng của toán tử ứng với giá trị riêng i nên (vi ) i vi với mọi i = 1,
2,..,s.
Từ đó ta có (vs 1 ) k1 (v1 ) k2 (v2 ) ... ks (vs ) hay s 1vs 1 k11v1 k22v2 ... ks s vs .
Suy ra k1 (1 s 1 )v1 k2 (2 s 1 )v2 ... ks (s s 1 )vs 0 . Vì tập v1 , v2 ,..., vs độc lập
tuyến tính nên ki (i s 1 ) 0 suy ra ki 0, i 1, s . Do đó vs 1 0 , mâu thuẫn với vs 1 0 . Vậy
{v1 , v2 ,..., vr } độc lập tuyến tính.
14.4.7 Định lý Cho là một toán tử tuyến tính của không gian vectơ V trên trường K. Giả
sử K là một giá trị riêng của . Khi đó tập V ( ) { V | (v) v} là một không gian
vectơ con của V.
Chứng minh:
Do vectơ 0 thuộc V ( ) nên V ( ) . Nếu u, v V ( ) thì (u ) u; (v) (v) . Khi đó,
(u v) (u ) (v) u v (u v)
(ku ) k (u ) k (u ) (ku )
TUD&TH
Vậy u + v và ku đều thuộc vào V ( ) với mọi u, v V ( ) và với mọi k thuộc K. Do đó
V ( ) là một không gian vectơ con của V.
Không gian vectơ con V ( ) được gọi là không gian vectơ riêng của ứng với giá trị riêng
. Không gian vectơ riêng V ( ) bao gồm các vectơ riêng của ứng với giá trị riêng và vectơ
0.
Nhận xét:
Nếu dim V = n và có ma trận biểu diễn A theo cơ sở S thì
a) là giá trị riêng của khi và chỉ khi là nghiệm của đa thức đặc trưng
f (t ) f A (t ) | A tI n | của .
b) Mỗi toán tử tuyến tính của không gian vectơ n chiều có tối đa n giá trị riêng khác nhau.
c) Ký hiệu [v]S là tọa độ của vectơ v trong cơ sở S. Khi đó là giá trị riêng của khi và chỉ
khi hệ phương trình tuyến tính thuần nhất A.[v]S [v]S có nghiệm không tầm thường. Tập các
nghiệm không tầm thường của hệ này là tọa độ của tất cả các vectơ riêng của ứng với giá trị
riêng .
Thuật toán tìm giá trị riêng và vectơ riêng của một toán tử tuyến tính:
1. Tìm ma trận biểu diễn A của toán tử theo một cơ sở nào đó (để được ma trận chứa càng
nhiều số 0 càng tốt).
2. Tìm đa thức đặc trưng f A (t ) .
3. Tìm nghiệm của đa thức đặc trưng trên trường K đã cho. Đó là tập các giá trị riêng.
4. Với mỗi giá trị riêng , lập hệ phương trình thuần nhất
(a11 ) x1 a12 x2 ... a1n xn 0
a x (a ) x ... a x 0
21 1 22 2 2n n
rồi giải tìm hệ nghiệm cơ sở. Đó chính là cơ sở của không
an1 x1 an 2 x2 ... ( ann ) xn 0
gian riêng ứng với giá trị riêng .
Ví dụ:
1. Cho toán tử tuyến tính của n
có ma trận biểu diển trong cơ sở chính tắc là
0 2
A . Hãy tìm các giá trị riêng và vectơ riêng của toán tử .
1 0
Giải
Đa thức đặc trưng của ma trận A là: f A (t ) t 2 2
Nhận thấy f A (t ) có hai nghiệm là 2 hay có hai giá trị riêng là 2 .
Khi đó ta có hai hệ phương trình tuyến tính tương ứng sau đây
2 x1 2 x2 0 2 x1 2 x2 0
và
x1 2 x2 0 2 x1 x2 0
TUD&TH
Cho V là không gian vectơ n chiều trên trường K và là một toán tử tuyến tính của V. Giả sử
S {v1 , v2 ,..., vn } là một cơ sở của V. Với mọi v V , ta sẽ tìm mối quan hệ giữa [v]S và [ (v)]S .
Do S là một cơ sở của V nên vectơ v được viết duy nhất dưới dang v k1v1 k2v2 ... knvn . Khi
k1
k
đó tọa độ của v đối với cơ sở S là [v ]S
2
kn
Mặt khác do là một toán tử tuyến tính trên K nên
(v) (k1v1 k2v2 ... knvn ) k1 (v1 ) k2 (v2 ) ... kn (vn ) . Do đó ta có
a1i
a
(v)S k1 (v1 )S k2 (v2 )S ... kn (vn )S . Giả sử [ (vi )]S 2i là tọa độ của
ani
vectơ (vi ) đối với cơ sở S với mọi i = 1, 2, …, n. Khi đó ta viết [ (v)]S A[v]S trong đó ma trận
a11 a12 ... a1n
a a22 ... a2 n
A (v1 ) S (v2 )S ... (vn ) S 21
... ... ... ...
an1 an 2 ... ann
Tính chất:
a) Không gian con U V là không gian con bất biến của khi và chỉ khi ảnh của một hệ
sinh của U nằm trong U.
b) Nếu U V là không gian con bất biến, thì ánh xạ hạn chế |U là một toán tử tuyến tính
của U.
(SV. Tự chứng minh như bài tập nhỏ).
14.4.10 Định nghĩa Cho V là một không gian vectơ n chiều trên trường K và là một toán
tử tuyến tính của V . Toán tử tuyến tính được gọi là chéo hóa được nếu ma trận biểu diễn của
theo một cơ sở S nào đó là ma trận đường chéo.
14.4.11 Định lý Cho V là một không gian vectơ n chiều trên trường K và là một toán tử
tuyến tính của V. Khi đó chéo hóa được nếu và chỉ nếu có n vectơ riêng độc lập tuyến tính.
Hơn nữa các phần tử trên đường chéo chính của ma trận biểu diễn là các giá trị riêng của .
Chứng minh:
Giả sử A chéo hóa được và A là ma trận biểu diễn của theo cơ sở S {v1 , v2 ,..., vn } . Khi đó
1 0 ... 0
0 ... 0
A 2
và (vi ) i vi .
... ... ... ...
0 0 ... n
TUD&TH
Vì S là cơ sở của V nên vi khác vectơ 0 với mọi i = 1, 2, …, n. Do đó, 1 , 2 ,..., n là các giá
trị riêng của và v1 , v2 ,.., vn là các vectơ riêng tương ứng. Đảo lại nếu có n vectơ riêng
v1 , v2 ,.., vn độc lập tuyến tính thì S {v1 , v2 ,..., vn } là cơ sở của V. Vì vi là vectơ riêng của nên
tồn tại i K sao cho (vi ) i vi với mọi i = 1, 2, …, n. Khi đó
1 0 ... 0
0 ... 0
A 2 chính là ma trận của theo cơ sở S. Ma trận biểu diễn A của là ma
... ... ... ...
0 0 ... n
trận đường chéo nên chéo hóa được.
Hai ma trận của cùng một toán tử tuyến tính theo hai cơ sở khác nhau là đồng dạng và do đó
chúng có cùng đa thức đặc trưng. Nếu ta đồng nhất v V với [v]S thì toán tử tuyến tính được
xác định bởi (v) Av trong đó A là ma trận biểu diễn của .
Giả sử K là một giá trị riêng của A. Khi đó tồn tại vectơ v khác 0 sao cho A(v) v (v)
. Điều này đồng nghĩa với cũng là giá trị riêng của toán tử tuyến tính và ngược lại. Do đó A
và có cùng tập các vectơ riêng và tập các giá trị riêng. Vậy muốn xác định các giá trị riêng và
các vectơ riêng của một toán tử tuyến tính ta chỉ việc xác định các giá trị riêng và các vectơ
riêng của ma trận biểu diễn A của theo một cơ sở nào đó.
14.4.12 Hệ quả Cho V là một không gian vectơ n chiều trên trường K, là một toán tử tuyến
tính của V và A là ma trận biểu diễn của theo cơ sở S. Khi đó, là chéo hóa được nếu và chỉ
nếu A chéo hóa được.
Ví dụ:
1. Cho phép biến đổi tuyến tính : 2
2
xác định bởi ( x, y ) (5 x 4 y,8 x 9 y )
a) Tìm các giá trị riêng và vectơ riêng của phép biến đổi
b) Hỏi phép biến đổi có chéo hóa được không?
Giải
Ma trận của đối với cặp cơ sở chính tắc của 2
là
5 4
A
8 9
5t 4
Đa thức đặc trưng của phép biến đổi là f (t ) t 2 14t 13
8 9t
Xét phương trình đặc trưng f (t ) 0 t 2 14t 13 0 t 1 t 13 . Vậy phép biến đổi
có hai giá trị riêng là 1, 13
Ứng với giá trị riêng 1 . Xét hệ pt thuần nhất
4 x 4 y 0
8 x 8 y 0
TUD&TH
Vậy hệ có nghiệm u =( s, -s) với s , s 0 . Do đó tập các vectơ riêng ứng với giá trị riêng
1 là u =( s, -s) với s , s 0 .
Chọn s = 1, ta được 1 vectơ riêng u1 (1, 1) ứng với giá trị riêng 1
Tương tự đối với giá trị riêng 13 . Xét hệ pt thuần nhất
8 x 4 y 0
. Hệ có nghiệm u =( s, 2s) với s , s 0 . Do đó tập các vectơ riêng ứng với
8 x 4 y 0
giá trị riêng 13 là u =( s, 2s) với s , s 0 .
Chọn s = 1 ta được 1 vectơ riêng u2 = ( 1, 2) ứng với giá trị riêng 13 .
Do có hai vectơ riêng độc lập tuyến tính nên chéo hóa được và ứng với cơ sở S {u1 , u2 }
thì ma trận của có dạng chéo như sau:
1 0
A'
0 13
2. Cho T là toán tử tuyến tính trên 3 xác định bởi
T ( x1 , x2 , x3 ) (3x1 x2 x 3 , 2x1 2x2 x3 , 2 x1 2 x2 )
a) Hãy xác định các giá trị riêng và vectơ riêng của T.
b) Hỏi T có chéo hóa được không? Nếu được tìm cơ sở để ma trận của T trong cơ sở đó có
dạng chéo.
3. Cho toán tử tuyến tính : 2
2
xác định bởi ( x1 , x2 ) (2 x1 x2 , x1 2 x2 ) .
a) Tìm các giá trị riêng và vectơ riêng của .
b) Chứng tỏ rằng chéo hóa được. Hãy tìm một cơ sở S để ma trận của theo S theo ma
trận đường chéo
(Sinh viên tự làm như bài tập nhỏ).
Định lý 14.4.13 Cho là một toán tử tuyến tính trên không gian vectơ hữu hạn chiều V. Gọi
1 , 2 ,..., k là tất cá các trị riêng khác nhau của T và E(i ) là không gian riêng ứng với giá trị
riêng i và ni dim E(i ) . Khi đó các điều sau đây tương đương:
i) T chéo hóa được;
ii) Đa thức đặc trưng của T có dạng fT (t ) (t 1 ) n1 (t 2 ) n2 ...(t k ) nk
iii) n1 n2 .. nk dimV .
Nhận xét:
Giả sử là một giá trị riêng của T, dim E ( ) k và đa thức đặc trưng của T có dạng
fT (t ) (t ) m g ( x) , với g ( ) 0 , nếu m > k thì T không chéo hóa được.
CHƯƠNG V. DẠNG SONG TUYẾN TÍNH – DẠNG TOÀN
PHƯƠNG – KHÔNG GIAN EUCLIDE
Bài 15. DẠNG SONG TUYẾN TÍNH
15.1 Giới thiệu về dạng tuyến tính
Định nghĩa:
Giả sử K là một trường số. Mỗi ánh xạ tuyến tính từ không gian vectơ V trên trường K
vào K được gọi là một dạng tuyến tính trên V. Vậy, mỗi dạng tuyến tính trên V là một ánh
xạ f : V K thỏa các điều kiện sau:
- f ( x y ) f ( x) f ( y )
- f ( x) f ( x) với mọi x, y V và K .
Ví dụ: Xét ánh xạ
f: 2
với x ( x1 , x2 )
x x1 2 x2
Sinh viên tự kiểm tra đây là một dạng tuyến tính trên trường số thực
Sinh viên cho các ví dụ khác về các dạng tuyến tính.
Ký hiệu V * là tập tất cả các dạng tuyến tính trên V. Trên tập V * xét hai phép toán sau
đây:
- Phép cộng các dạng tuyến tính:
Với f , g V * ánh xạ f g : V K xác định bởi
( f g )( x) f ( x) g ( x), x V
- Phép nhân các phần tử của trường K với dạng tuyến tính:
Với K , f V * thì ánh xạ f : V K được xác định bởi ( f )( x) f ( x) , x V .
Ta có thể kiểm tra được các ánh xạ f + g và f là các dạng tuyến tính trên V, và tập
V với hai phép toán trên là một không gian vectơ trên trường K với vetor không là ánh xạ
*
không: O : V K , xác định bởi O( x) 0 x V . Vectơ đối của vectơ f là vectơ (-f ).
không gian vectơ V* trên trường K, được gọi là không gian đối ngẫu của không gian
vectơ V.
15.2 Dạng song tuyến tính
15.2.1 Định nghĩa
Một ánh xạ f : n n
là một dạng song tuyến tính trên n
nếu với mọi
x, y, z n , ta có:
(1) f ( x z, y) f ( x, y) f ( z, y)
(2) f ( x, y) f ( x, y)
(3) f ( x, y z) f ( x, y) f ( x, z)
(4) f ( x, y) f ( x, y)
Nhận xét: Một ánh xạ f : n n được gọi là một dạng song tuyến tính trên n
nếu với mọi y cố định f là một dạng tuyến tính trên n theo biến x, và với mỗi x cố định
thì f là một dạng tuyến tính trên n theo biến y.
Tổng quát:
Giả sử V là một không gian vectơ trên trường K. Ánh xạ :V V K được gọi là một
dạng song tuyến tính trên không gian vectơ V nếu các điều kiện sau đây được thỏa mãn với
mọi vectơ x, x’, y, y’ thuộc V và mọi phần tử thuộc K.
( x x ', y) ( x, y) ( x ', y)
(1)
( x, y) ( x, y)
( x, y y ') ( x, y) ( x, y ')
(2)
( x, y) ( x, y)
Điều kiện (1) cho thấy với mỗi y cố định thì ( x, y) là một dạng tuyến tính trên V đối
với x. Điều kiện (2) cho thấy với mỗi x cố định thì ( x, y) là một dạng tuyến tính trên V đối
với y. Nói cách khác, khi cố định một biến thì là dạng tuyến tính đối với biến còn lại.
15.2.2 Ví dụ
- Cho f ( x, y) x1 y1 2 x1 y2 3x2 y1 4 x2 y2 với mọi x ( x1 , x2 ), y ( y1 , y 2 ) 2 là một dạng
song tuyến tính trên 2 .
- Nếu g là một dạng tuyến tính trên V và h là một dạng tuyến tính trên W thì
f ( x, y) g ( x)h( y) với mọi x V , y W là một dạng song tuyến tính trên V x W. Cụ thể như:
V K 2 ,W K 3 thì f : V W K được xác định như sau: f ( x, y) ( x1 x2 )( y1 2 y2 3 y3 ) là
một dạng song tuyến tính, với x ( x1 , x2 ) K 2 và y ( y1 , y 2 , y3 ) K 3 .
- Nếu E là không gian Euclide thì tích vô hướng là một dạng song tuyến tính trên E.
- Ánh xạ f : K 2 K 2 K xác định bởi
a b
f (a, b; c, d ) là một dạng song tuyến tính.
c d
- Dạng song tuyến tính gọi là đối xứng nếu thỏa mãn điều kiện:
( x, y) ( y, x), x, y V
- Trên 3 , xét f ( x, y ) x1 y1 x1 y2 x2 y1 x2 y3 x3 y2 x3 y3 là một dạng song tuyến tính
đối xứng.
- Mỗi tích vô hướng trên không gian vectơ Euclid là dạng song tuyến tính đối xứng trên
.
Sinh viên tự kiểm tra như bài tập nhỏ.
Trong không gian vectơ V xét cơ sở B (v1 , v2 ,..., vm ) và trong không gian vectơ W xét
cơ sở B ' ( w1 , w2 ,..., wn ) .
15.3 Ma trận của dạng song tuyến tính
15.3.1 Ma trận của dạng song tuyến tính đối với một cơ sở
Xét không gian vectơ V trên trường K, gọi B {u1 , u2 ,..., un } là cơ sở của V.
Giả sử là một dạng song tuyến tính trên không gian vectơ V. Khi đó, đối với các vectơ
n n
x xi ui , y y j u j .
i 1 j 1
n n n n n n
Ta có ( x, y) ( xiui , y j u j ) xi ui , y j u j xi y j (ui , u j )
i 1 j 1 i 1 j 1 i 1 j 1
x1
( x) ( x1 ... xn ) A ... (ii)
x
n
Các hệ thức (i) và (ii) được gọi là biểu thức tọa độ của dạng toàn phương đối với cơ
sở (I).
Xét một cơ sở khác của không gian V: {v1 , v2 ,..., vn } (2).
Giả sử B là ma trận của dạng toàn phương đối với cơ sở (2). Khi đó công thức (ii) ta
có:
x1'
Với x xi' vi thì ( x) x1' x2' ... xn' B ... (a)
n
i 1 xn'
Gọi T là ma trận chuyển từ cơ sở (1) sang cơ sở (2) theo công thức biến đổi tọa độ ta
có:
x1 x '1
x
2 T x '2 (b)
... ...
xn x 'n
Thực hiện phép chuyển vị ma trận ở (iii) ta có
x1 ... xn x '1 ... x 'n T T (c)
x1'
Khi đó, ( x) x1' ... xn' T t AT ... (d)
xn'
So sánh vế phải (a) và (d) ta có: B T T AT (***)
Hệ thức (***) cho thấy mối quan hệ giữa hai ma trận của cùng một dạng toàn phương
đối với hai cơ sở khác nhau.
Vì T là ma trận không suy biến, nên ta có r(B) = r(A). Vậy, hạng của ma trận dạng toàn
phương . Nếu r(A) = n thì gọi là dạng không suy biến.
Định lý: Cho S là cơ sở của không gian vectơ V n chiều. Một ánh xạ f : V K được
gọi là một dạng toàn phương khi và chỉ khi nó được viết dưới dạng:
n n
f ( x) aij xi x j trong đó x ( x1 , x2 ,..., xn ) là tọa độ của x theo cơ sở S và aij K .
i 1 j 1
Khi đó, a12 x1 x2 a12 x1'2 a12 x2'2 , khi đó ( x) bx1'2 g1 với g1 là một dạng toàn phương
không chứa x1 . Tiếp tục quá trình này ta đưa ( x) về dạng chính tắc.
Ví dụ:
1) Cho dạng toàn phương ( x) x12 2 x22 7 x32 4 x1 x2 8x1 x3 . Hãy đưa dạng toàn
phương trên về dạng chính tắc
Giải
Áp dụng phương pháp Larange
( x) x12 2 x22 7 x32 4 x1 x2 8x1 x3 [ x12 2 x1 (4 x3 2 x2 ) (4 x3 2 x2 ) 2 ] (4 x3 2 x2 ) 2 2 x22 7 x32
x1 4 x3 2 x2 16 x32 16 x 2 x3 4 x22 2 x22 7 x32 x1 4 x3 2 x2 23x32 16 x 2 x3 2 x22
2 2
t1 x1 4 x3 2 x2
Đặt t2 x2 4 x3
t x
3 3
x1 x1' x2'
x2 x1 x2
' '
x x '
3 3
( x) 2( x1' x2' )( x1' x2' ) 4 x1' x2' x3' 2 x1' x2' x3'
2 x1'2 x2'2 4 x1' x3' 4 x2' x3' 2 x1' x3' 2 x2' x3'
x '2
2 x1'2 x2'2 2 x1' x3' 6 x2' x3' 2 x1'2 x1' x3' 3 2 x2'2 3 6 x2' x3'
x '2 (*)
4 2
x '2 9 18 x'2
2 x1'2 x1' x3' 3 2( x2'2 3x2' x3' x3'2 ) x3'2 3
4 4 2 2
2
x '2 3 17
2 x1' 3 2( x2' x3' )2 x3'2
2 2 2
x '3
t1 x '1 2
3
Đặt t2 x2' x3' khi đó có dạng chính tắc của dạng toàn phương như sau:
2
t3 x3'
17
(t ) 2t12 2t22 t32
2
3) Xét dạng toàn phương trong không gian 3 được xác định như sau:
( x) x12 2 x1 x2 x22 4 x1 x3 4 x32 2 x2 x3 với x ( x1 , x2 , x3 ) 3
Hãy tìm dạng chính tắc của dạng toàn phương trên.
Sinh viên tự làm như bài tập nhỏ.
b) Phương pháp Jacobi
Giả sử biểu thức của dạng toàn phương ( x) trong cơ sở B (e1 , e2 ,..., en ) là
n
(u ) (u, u ) aij xi x j , với aij (ei , e j )
i , j 1
1 0
Suy ra, 11 ; k k 1
a11 1 k
Ta tìm các hệ số kj của hàng thứ k trong (7) bằng quy nạp theo k. Giả sử đã tìm được
tất cả các hệ số của k – 1 hàng đầu tiên của (7). Để tìm các hệ số của hàng thứ k, ta giải hệ
pt sau:
a11 k1 a12 k 2 ... a1k kk 0;
...
ak 1,1 k1 ak 1,2 k 2 ... ak 1,k kk 0;
ak1 k1 ak 2 k 2 ... akk kk 1.
Ví dụ:
Trong 3
, xét dạng toàn phương
Q(u) 2 x12 3x1 x2 4 x1 x3 x22 x32
Giải
Ma trận của Q trong cơ sở chính tắc là:
3
2 2
2
A 1 0
3
2
2 0 1
Các định thức con chính của A là:
2 3/ 2 1 17
1 2; 2 ; 3 det( A)
3/ 2 1 4 4
Do đó,
0 1 1
11 ; 22 1 8;33 2
1 2 2 3 17
1 1 '2
Vậy Q(u ) x1'2 8 x2'2 x3
2 17
Tìm cơ sở E ' (e1' , e2' , e3' ) trong đó, Q(u) có dạng chính tắc nói trên.
Khi k = 2, ta giải hệ
3
2 21 2 22 0 22 8
3 0 21 6
2 21 22
Khi k = 3, ta giải hệ
3
231 2 32 233 0
3
31 32 0
2
231 +33 1
1 8 12
Thay 33 , ta giải hệ được 31 và 32
17 17 17
Vậy cơ sở mới là
' e1
e1 2
'
e2 6e1 8e2
8e 12e2 e3
e3' 1
17
c) Phương pháp giá trị riêng (phương pháp chéo hóa trực giao – chứng minh ở bài
sau)
Định lý: Mỗi dạng toàn phương trên không gian vectơ Euclid hữu hạn chiều E đều
có một cơ sở chính tắc là cơ sở trực chuẩn của không gian Euclid.
Các vectơ của cơ sở chính tắc đó gọi là các phương chính của dạng toàn phương .
Chứng minh:
Trong không gian vectơ Euclid E xét một cơ sở trực chuẩn: {u1 , u2 ,..., un } (I). Gọi A là
ma trận của dạng toàn phương đối với cơ sở trực chuẩn trên. Vì A là ma trận đối xứng
thực nên tồn tại ma trận trực giao Q sao cho
1 0 ... 0
0 ... 0
B Q AQ
T 2
... ... ...
0 0 ... n
Ma trận trực giao Q chuyển cơ sở trực chuẩn (I) về cơ sở trực chuẩn f1 ,..., f n (II) được
xác định bởi
f1 f2 ... fn u1 u2 ... un Q
Khi đó, ma trận đường chéo B chính là ma trận của dạng toàn phương đối với cơ sở
trực chuẩn (II). Vậy cơ sở trực chuẩn (II) chính là một cơ sở chính tắc của dạng toàn phương
.
Nhận xét:
Trong cơ sở các phương chính (II), biểu thức tọa độ của dạng toàn phương là
n
( x) 1t12 ... ntn2 với x ti fi và 1 , 2 ,..., n là các giá trị riêng của ma trận A.
i 1
Các cột của ma trận chuyển Q là các vectơ riêng của ma trận A.
Ví dụ: Dạng toàn phương trên không gian 3 được cho bởi:
( x) 11x12 2 x22 5x32 4 x1 x2 16 x1 x3 20 x2 x3 với x ( x1 , x2 , x3 )
Giải
Ma trận của dạng toàn phương đối với cơ sở chính tắc {e1 , e2 , e3} là
11 2 8
A 2 2 10
8 10 5
Đa thức đặc trưng của ma trận A là:
P( ) 2 18 2 81 1458 ( 9)( 9)( 18)
Vậy ma trận A có giá trị riêng là: 1 9, 2 18, 3 9
( x) 9 y12 18 y22 9 y32
Khi đó dạng toàn phương có dạng chính tắc là
x y1 f1 y2 f 2 y3 f3
Các vectơ riêng của ma trận A ứng với giá trị riêng 9 là u t (2, 2,1) với t .
Chọn t =1 ta được một vectơ riêng là u1 (2, 2,1)
Các vectơ riêng ứng với giá trị riêng 18 là u t (2, 1, 2) với t .
Chọn t =1 ta được một vectơ riêng là u2 (2, 1, 2)
Các vectơ riêng ứng với giá trị riêng 9 là các vectơ u t (1, 2, 2) với t .
Chọn t = 1 ta được một vectơ riêng là u3 (1, 2, 2)
Ta có các vectơ u1, u2, u3 trực giao với nhau.
Chuẩn hóa:
1 2 2 1
v1 , ,
|| u1 || 3 3 3
1 2 1 2
v2 , ,
|| u2 || 3 3 3
1 1 2 2
v3 , ,
|| u3 || 3 3 3
2 / 3 2 / 3 1/ 3
Khi đó f1 f2 f3 e1 e2 e3 2 / 3 1/ 3 2 / 3
1/ 3 2 / 3 2 / 3
Cơ sở các phương chính của là
2 2 1
f1 , ,
3 3 3
2 1 2
f2 , ,
3 3 3
1 2 1
f3 , ,
3 3 3
d) Phương pháp đưa dạng toàn phương về dạng chuẩn tắc bằng cách sử dụng các
phép biến đổi sơ cấp ma trận đối xứng của nó:
Cho dạng toàn phương q trên không gian vectơ n chiều V (n 2) có ma trận trong cơ
sở B (e1 , e2 ,.., en ) là A [aij ]n M n ( K ) . Khi đó, A là ma trận đối xứng. Do đó, việc đưa q
về dạng chính tắc theo ngôn ngữ ma trận là tìm ma trận khả nghịch C sao cho CT AC là ma
trận chéo.
Nội dung thuật toán:
Lập ma trận [ A | I n ] dùng các phép biến đổi sơ cấp trên dòng, đồng thời lập lại các biến
đổi cùng kiểu trên các cột của [ A | I n ] để đưa A về dạng chéo. Khi đó, I n sẽ trở thành CT .
Ví dụ 1:
Cho dạng toàn phương 3 biến thực
q( x, y, z ) x 2 4 xy 6 xz 5 y 2 8 yz 8 z 2 3
1
xi xi' , i s 1, s 2,..., r
ai
x x ' , i r 1, r 2,..., n
i i
Trong hệ tọa độ mới, Q sẽ có dạng chuẩn tắc
Q x12 x22 ... xs2 xs21 ... xr2
b) Luật quán tính Sylvester:
Định lý:
Đối với mỗi dạng toàn phương cho trước trên không gian vectơ n chiều, số s các số
hạng mang dấu “+” và số p các số hạng mang dấu “-“ của dạng toàn phương chuẩn tắc là
không đổi.
Hay nói cách khác, hai số s và p của một dạng toàn phương chuẩn tắc không phụ thuộc
vào việc chọn cơ sở chuẩn tắc.
c) Chỉ số quán tính:
Theo luật quán tính Sylvester thì mỗi dạng toàn phương có số s các số hạng mang dấu
“+” và số p các số hạng mang dấu “-” là không đổi.
- Số s được gọi là chỉ số dương quán tính của dạng toàn phương.
- Số p được gọi là chỉ số âm quán tính của dạng toàn phương.
- Cặp số (s, p) được gọi là cặp chỉ số quán tính của dạng toàn phương.
- Số s – p được gọi là ký số của dạng toàn phương.
Định lý: (Sylvester) Điều kiện cần và đủ để một dạng toàn phương xác định dương là tất
cả các định thức con chính của ma trận của nó đều dương
Bài 17 Không gian Euclide
Trong chương này đề cập đến khái niệm tích vô hướng, độ dài vectơ hay góc giữa hai vectơ
trên trường số thực.
17.1. Khái niệm tích vô hướng – Không gian Euclide
Định nghĩa: Cho V là một không gian vectơ trên trường . Một tích vô hướng trên V là
một ánh xạ được xác định như sau:
, : V V →
thỏa các điều kiện sau:
(x, y ) x, y
i ) x + x ', y = x, y + x ', y
ii ) kx, y = k x, y x, x ', y V và k
iii ) x, x 0, x 0
Định nghĩa: Không gian vectơ V trên trường số thực có trang bị trên nó một tích vô
hướng , được gọi là không gian vectơ Euclide.
Ký hiệu: E = (V , , ) với tích vô hướng trên nó là , .
Nhận xét:
Mọi không gian vectơ con của một không gian vectơ Euclide là một không gian vectơ
Euclide với tích vô hướng cảm sinh tự nhiên.
Ví dụ:
1) V = n
x = ( x1 , x2 ,..., xn ), y = ( y1 , y2 ,..., yn ) n
( , , ) là một không
n
Ta định nghĩa x, y = xi yi . Đây là một tích vô hướng trên n
và n
i =1
gian vectơ Euclide.
2) Cho V = C[ a ,b ] là không gian vectơ các hàm số thực liên tục trên đoạn [a, b]. Khi đó C[ a ,b ]
b
là không gian vectơ Euclide với tích vô hướng là f , g = f ( x) g ( x)dx f , g C[ a ,b ] .
a
Chú ý: Trong toàn bộ chương này ta chỉ xét các không gian vectơ hữu hạn chiều trên trường
số thực .
17.2 Độ dài
Định nghĩa: Cho E là một không gian vectơ Euclide. Với mỗi x E , ta gọi độ dài của x ký
hiệu là ||x|| là một số thực không âm và có giá trị là || x ||= x, x .
Nhận xét:
|| x ||= 0 x = 0 và || tx ||=| t | . || x || (t )
Ví dụ:
1) Trong không gian vectơ Euclide E = ( n
, , ) thì với mọi x = ( x1 , x2 ,..., xn ) n
thì
f ( x) g ( x) d ( x) g ( x)
2 2
f , g C[ a ,b ] thì f ( x) dx . dx
a a a
Nhận xét: Nếu ngay từ đầu ta đã biết k-1 vectơ trực giao thì ta chỉ việc bắt đầu xây dựng từ
vectơ thứ k.
Ví dụ 1: Tìm cơ sở trực giao của không gian con sinh bởi các vectơ:
u1 = (1, 2, 2, −1); u2 = (1,1, −5,3); u3 = (3, 2,8, −7)
Giải:
Áp dụng phương pháp trực giao hóa Schmidt.
k {1,..., n}
Đặt b1 = u1 = (1, 2, 2, −1) . Áp dụng công thức ak , bi
bk = ak + − bi
ik bi , bi
u2 , b1
Ta được b2 = u2 − b1 với u2 , b1 = 1 + 2 − 10 − 3 = −10 và b1 , b1 = 1 + 4 + 4 + 1 = 10
b1 , b1
Suy ra, b2 = (1,1, −5,3) + (1, 2, 2, −1) = (2,3, −3, 2)
u3 , b1 u3 , b2
Và b3 = u3 − b1 − b2
b1 , b1 b2 , b2
Ta có, u3 , b1 = 3 + 4 + 16 + 7 = 20 u3 , b2 = 6 + 6 − 24 − 14 = −26 và
b2 , b2 = 4 + 9 + 9 + 4 = 26 . Do đó,
30 26
b3 = (3, 2,8, −7) −(1, 2, 2, −1) + (2,3, −3, 2) = (2, −1, −1, −2) .
10 26
Ví dụ 2: Hãy mở rộng hệ trực giao gồm hai vectơ u1 = (1,1,1, 2); u2 = (1, 2,3, −3) thành một cơ
sở trực giao của 4 .
Giải
Ta bổ sung thêm hai vectơ u3 , u4 để hệ u1 , u2 , u3 , u4 là hệ độc lập tuyến tính.
Ta có thể chọn u3 = e3 = (0,0,1,0) và u4 = e4 = (0,0,0,1) .
Áp dụng phương pháp trực giao hóa Schmidt như trên để tìm ra cơ sở trực giao của 4 .
(Sinh viên thực hành như là bài tập nhỏ).
Tuy nhiên, việc tính toán của bài trên khá phức tạp. Người ta có một cách khác đôi khi hiệu
quả hơn phương pháp trực giao hóa Schmidt.
Nhận xét: Mọi vectơ x = ( x1 , x2 , x3 , x4 ) vuông góc đối với cả hai vectơ u1 , u2 thỏa hệ phương
trình sau:
x1 + x2 + x3 + 2 x4 = 0
x1 + 2 x2 + 3 x3 − 3 x4 = 0
1 1 1 2 d2 →d2 −d1 1 1 1 2
Xét ma trận A = ⎯⎯⎯⎯→ 0 1 2 −5 . Hệ phương trình có vô số
1 2 3 −3
nghiệm phụ thuộc vào hai tham số.
x1 = − x2 − x3 − 2 x4 x1 = x3 − 7 x4 = t1 − 7t2
x2 = −2 x3 + 5 x4 x2 = −2t1 + 5t2
x3 = t1 x3 = t1
x4 = t2 x4 = t2
Định lý: Nếu T là ma trận chuyển cơ sở giữa hai cơ sở trực chuẩn của không gian vectơ Euclide
E thì T −1 = T T (với T T là ma trận chuyển vị của T).
Chứng minh:
Giả sử T là ma trận chuyển từ cơ sở trực chuẩn a1 , a2 ,..., an sang cơ sở trực chuẩn b1 , b2 ,..., bn
n
n
j ij i
b = a j ij bi
a =
trong không gian vectơ Euclide E. Nếu i =1 và i =1 thì
j = 1, n j = 1, n
11 12 ... 1n 11 12 ... 1n
22 ... 2 n 22 ... 2 n
T = 21 và T −1 = 21
... ... ... ... ... ... ... ...
n1 n 2 ... nn n1 n2 ... nn
Mặt khác ta có:
i, j {1,.., n} thì
n n n n
a j , bi = kj bk , bi = kj bk , bi = ij và a j , bi = a j , ki ak = ki a j , ak = ji .
k =1 k =1 k =1 k =1
đẳng cấu với E2 , ký hiệu E1 E2 , nếu có một đẳng cấu không gian vectơ f : E1 → E2 thỏa
x, x ' E thì x, x ' 1 = f ( x), f ( x ') 2 . Quan hệ đẳng cấu là một quan hệ tương đương.
Định lý: Hai không gian vectơ Euclide có cùng số chiều thì đẳng cấu với nhau.
Chứng minh:
Giả sử E và F là hai không gian vectơ Euclide có cùng số chiều là n.
Gọi a1 , a2 ,..., an là một cơ sở trực chuẩn của E và b1 , b2 ,..., bn là một cơ sở trực chuẩn của F.
Khi đó tồn tại một đẳng cấu không gian vectơ f : E → F sao cho f (ai ) = bi , i = 1,.., n
n n
Nhận thấy: x = xi ai , y = yi ai , thì
i =1 i =1
n
n
n n n
f ( x), f ( y ) = f xi ai , f yi ai = xi y j bi , b j = xi yi = x, y
i =1 i =1 i =1 j =1 i =1
Định nghĩa:
Cho V là không gian con của không gian Euclide E và x E . Vectơ chiếu của x lên V là
vectơ v V sao cho x – v trực giao với V. Khi đó, ta gọi vectơ x – v là vectơ độ cao từ x đến V.
Nhận xét:
Nếu e1 , e2 ,..., en là một cơ sở trực chuẩn trong V thì vectơ chiếu v của x được xác định như
sau:
v = x, e1 e1 + ... + x, en en
Vectơ độ cao có độ dài ngắn nhất trong tất cả các vectơ nối x tới V.
Định lý:
Cho v là vectơ chiếu của vectơ x lên E. Khi đó với mọi u V ta có:
| x − u || x − v |
Định lý: E là không gian vectơ Euclide n chiều, L là một không gian con của E có số chiều là
k < n. Khi đó:
E \ L, ! ' L sao cho − ' L
Sinh viên tự chứng minh định lý trên như bài tập nhỏ.
Định nghĩa :
Định thức D được gọi là định thức Gram của hệ vectơ 1 , 2 ,..., n
1 , 1 1 , 2 ... 1 , n
, 2 , 2 ... 2 , n
G (1 , 2 ,..., n ) = 2 1
Ký hiệu: ... ... ... ...
n , 1 n ,2 ... n , n
là ma trận Gram.
Định lý: Cho hệ vectơ 1 , 2 ,..., n E . Khi đó,
i) Ma trận Gram G(1 , 2 ,..., n ) là ma trận đối xứng.
ii) 1 , 2 ,..., n là hệ trực giao khi và chỉ khi ma trận Gram G(1 , 2 ,..., n ) là ma trận đường
chéo. Hệ 1 , 2 ,..., n là hệ trực chuẩn khi và chỉ khi G(1 , 2 ,..., n ) là ma trận đơn vị.
iii) G(1 , 2 ,..., n ) 0 . Dấu bằng xảy ra khi và chi khi hệ vectơ 1 , 2 ,..., n phụ thuộc
tuyến tính.
Nhận xét:
Giả sử (1 j , 2 j ,..., nj ) là tọa độ của vectơ v j với j = 1, …,m theo một cơ sở trực chuẩn của
không gian Euclide E và A = ( ij ) là ma trận có n dòng và m cột, khi đó ma trận Gram
G (v1 , v2 ,..., vm ) = AT A
17.4 Phép biến đổi trực giao và ma trận trực giao
17.4.1 Định nghĩa E là không gian vectơ Euclide. Một phép biến đổi tuyến tính của E
được gọi là phép biến đổi trực giao (hay đẳng cự) nếu:
x, y E : x, y = ( x), ( y) .
Ví dụ:
Id : E → E
- Ánh xạ đồng nhất là một phép biến đổi trực giao.
x, y = x, y
- Hợp của hai phép biến đổi trực giao là một phép biến đổi trực giao.
- Nếu f là một phép biến đổi trực giao thì f −1 cũng là một phép biến đổi trực giao.
- Phép quay xung quanh gốc tọa độ một góc trên mặt phẳng 2 được xác định như sau:
( x, y ) = ( x cos − y sin , x sin + y cos ) là một phép biến đổi trực giao.
(Sinh viên tự chứng minh như bài tập nhỏ).
Nhận xét:
- Mọi không gian Euclide hữu hạn chiều đều đẳng cự với không gian Euclide n .
- Cho hai không gian vectơ Euclide E và F, ánh xạ tuyến tính : E → F là một ánh xạ trực
giao nếu x, y E : x, y = ( x), ( y)
17.4.2 Định nghĩa Ma trận A được gọi là trực giao nếu AT A = AAT = I
Ví dụ:
Ma trận đơn vị là ma trận trực giao
cos a − sin a
Ma trận A = là ma trận trực giao
sin a cos a
17.4.3 Tính chất
- Tích của hai ma trận trực giao là một ma trận trực giao.
- Ma trận nghịch đảo của một ma trận trực giao là ma trận trực giao
- Định thức của ma trận trực giao bằng 1
Sinh viên tự chứng minh những tính chất trên như bài tập nhỏ.
Định lý: Phép biến đổi trực giao là một song ánh. Ngoài ra, phép biến đổi trực giao bảo
toàn góc giữa hai vectơ.
Chứng minh:
Giả sử là phép biến đổi trực giao trên không gian vectơ Euclide E. Khi đó,
x E : ( x) = 0 ( x), ( x) = 0 x, x = 0 x = 0 .
Vậy là đơn ánh. Mặt khác dim E nên cũng là toàn ánh. Vậy là một song ánh.
x, y E \{0} thì
x, y ( x), ( y) ( x), ( y) ( x), ( y)
= = =
|| x || . || y || x, x . y, y ( x), ( x) . ( y), ( y) || ( x) || . || ( y) ||
Vậy phép biến đổi trực giao bảo toàn góc giữa hai vectơ.
Định lý: Giả sử là một phép biến đổi tuyến tính của không gian Euclide E. Khi đó các khẳng
định sau là tương đương.
1) là phép biến đổi trực giao,
2) bảo toàn độ dài vectơ,
3) biến cơ sở trực chuẩn thành một cơ sở trực chuẩn
4) Đối với cơ sở trực chuẩn, ma trận của là ma trận trực giao.
Chứng minh:
1 2 ) x E thì || ( x) ||= ( x), ( x) = x, x =|| x ||
2 3) Giả sử a1 , a2 ,..., an là một cơ sở trực chuẩn của E. Nếu ai ⊥ a j thì
(ai ) ⊥ (a j ), i j và i, j = 1, …, n. Do đó (a1 ), (a2 ),..., (an ) là một cơ sở trực giao. Theo
giả thiết 2) bảo toàn độ dài vectơ, nên (a1 ), (a2 ),..., (an ) là một cơ sở trực chuẩn.
3 4) Nếu A là ma trận của đối với cơ sở trực chuẩn a1 , a2 ,..., an , thì theo định nghĩa A
chính là ma trận chuyển cơ sở từ cơ sở trực chuẩn a1 , a2 ,..., an sang cơ sở trực chuẩn
(a1 ), (a2 ),..., (an ) (theo giả thiết 3). Do đó ma trận A là ma trận trực giao.
4 1) Trong E xét cơ sở trực chuẩn a1 , a2 ,..., an . Gọi A là ma trận của đối với cơ sở trực
chuẩn a1 , a2 ,..., an theo giả thiết A là ma trận trực giao nên A−1 = AT . Khi đó,
x = x1a1 + x2 a2 + ... + xn an , y = y1a1 + y2a2 + ... + yn an E
x1 y1
Đặt X = ... và Y = ... . Khi đó ta có
xn yn
x, y = X T Y = X T I nY = X T A−1 AY = X T AT AY = ( AX )T AY = ( x), ( y )
Nhận xét:
Xét E là không gian Euclide và F E , nếu F là không gian con bất biến đối với toán tử trực
giao f thì phần bù trực giao F ⊥ cũng là không gian con bất biến của toán tử f.
17.5 Phép biến đổi đối xứng và ma trận đối xứng
17.5.1 Định nghĩa Giả sử E là không gian vectơ Euclide. Một phép biến đổi tuyến tính
của E được gọi là phép biến đổi đối xứng nếu x, y E, ( x), y = x, ( y)
Ví dụ: Xét không gian 2 với cơ sở trực chuẩn là e1 = (1,0); e2 = (0,1) là một phép biến đổi
đối xứng được xác định như sau:
: 2
→ 2
( x, y ) (2 x + y, x + 2 y )
17.5.2 Định lý Phép biến đổi tuyến tính là phép biến đổi đối xứng khi và chỉ khi ma trận
của nó đối với cơ sở trực chuẩn là một ma trận đối xứng.
Chứng minh:
Giả sử là một phép biến đổi tuyến tính của E mà ma trận đối với cơ sở trực chuẩn
n
e1 , e2 ,..., en và A = [aij ]i , j =1,n . Khi đó (ei ) = aki ek , i = 1, n
k =1
Khi đó,
n n
i, j {1,..., n} thì (ei ), e j = a k =1
ki ek , e j = aki ek , e j = a ji (1)
k =1
n n
Và ei , (e j ) = ei , akj ek = akj ei , ek = aij (2)
k =1 k =1
Giả sử là phép biến đổi đối xứng khi đó từ (1) và (2) suy ra: aij = a ji , i, j {1,..., n} . Vậy
A là ma trận đối xứng.
Ngược lại, giả sử A là ma trận đối xứng
So sánh (1) và (2) ta được, i, j {1,..., n} (ei ), e j = ei , (e j ) . Do đó
n n
x = xi ei , y = y j e j , thì
i =1 j =1
n n n n n n n n
( x), y = x (e ), y e
i =1
i i
j =1
j j = xi y j (ei ), e j = xi y j ei , (e j ) =
i =1 j =1 i =1 j =1
x e , y (e )
i =1
i i
j =1
j j
= x, ( y )
Vậy là phép biến đổi đối xứng.
17.5.3 Tính chất
Định lý: Mọi nghiệm đặc trưng của phép biến đổi đối xứng đều là nghiệm thực.
Định lý: Phép biến đổi tuyến tính là đối xứng khi và chỉ khi ma trận của nó đối với một cơ sở
trực chuẩn thích hợp nào đó là ma trận chéo.
Chứng minh:
Giả sử là phép biến đổi tuyến tính đối xứng của không gian vectơ Euclide E. Ta sẽ chứng
minh bằng quy nạp theo số chiều của E.
Khi n = 1, ta có có nghiệm thực là 0 nên có không gian con bất biến 1 chiều và do đó
không gian con này là E. Cơ sở trực chuẩn e1 của E là vectơ riêng của nên ma trận của đối
với e1 là ma trận chéo [0 ]
Giả sử định lý đúng với không gian vectơ Euclide n-1 chiều.
Xét trường hợp dimE =n.
có nghiệm thực nên trong E có không gian bất biến một chiều của . Gọi e1 là cơ sở trực
chuẩn và E1 là không gian con bù trực giao của không gian con này.
Vì x E1 , ( x), e1 = x, (e1 ) = 0 x, e1 = 0 , suy ra ( x) E1 . Do đó, E1 là không gian
con bất biến của và có số chiều là n – 1. Suy ra, |E1 là một phép biến đổi tuyến tính đối xứng
của E1. Theo giả thiết quy nạp trong E1 tồn tại một cơ sở trực chuẩn e2 ,..., en mà ma trận của |E1
đối với cơ sở này là ma trận chéo. Vậy e1 , e2 ,..., en là cơ sở trực chuẩn của E mà đối với nó ma
trận của là ma trận chéo.
Ngược lại, nếu ma trận của phép biến đổi tuyến tính đối với một cơ sở trực chuẩn nào đó có
dạng chéo thì suy ra phép biến đổi đó là đối xứng.
Bài 18. Đường và mặt bậc hai
a1
a
Cho ma trận thực A aij là ma trận đối xứng khác không, cột a 2 và số thực a .
nn 0
an
x1
x
Tập hợp các bộ x thỏa mãn xT Ax aT x a0 0 được gọi là một siêu mặt trong
2
xn
n
không gian . Dạng tường minh của phương trình là :
n n
aij xi x j ai xi a0 0(*) .
i , j 1 i 1
Khi n 2 , ta gọi siêu mặt bậc hai là một đường bậc hai. Khi n 3 , ta gọi siêu mặt bậc hai là
một mặt bậc hai.
Dùng phương pháp chéo hóa trực giao ta có ma trận trực giao C để D CT AC chéo. Ta dùng
phép biến đổi trực giao x Cy y C T x . Ta có phương trình (*) về dạng
n n
i xi 2 bi xi b0 0(*)
i 1 i 1
b 2 b2 ac
Với việc sử dụng ax bx c a( x )
2
kết hợp với phép tịnh tiến
2a 4a
x1 1 y1
x y
2 2 2
ta sẽ đưa phương trình về dạng chính tắc và nhận dạng các đường mặt bậc hai.
xn n yn
Ví dụ: Nhận diện đường bậc hai (C) sau 5x12 8x2 2 4 x1 x2 36(*)
Lời giải
5 2
Ta có dạng toàn phương h 5x12 8x2 2 4 x1 x2 có ma trận A
2 8
5 2 4
Phương trình đặc trưng 0 1
2 8 2 9
2 1
+) Với 1 4 cơ sở trực chuẩn của không gian riêng là u1 ( ; ).
5 5
1 2
+) Với 1 9 cơ sở trực chuẩn của không gian riêng là u2 ( ; ).
5 5
2 1 2 1
5 5 x1 5 5 y1
Chọn ma trận trực giao C và đặt
2 y2
.
1 2 x2 1
5
5 5 5
y12 y2 2
Ta có phương trình của đường (C) 4 y 9 y2 36
1
2 2
1.
9 4
Do đó (C) là elip với 2 bán trục là 3 và 2.
12 x2 y 2 Trụ eliptic ảo
1
a 2 b2
13 x2 y 2 Hai mặt phẳng ảo cắt nhau
0
a 2 b2
14 x2 y 2 Hai mặt phẳng cắt nhau
0
a 2 b2
15 x2 a2 Hai mặt phẳng song song
16 x 2 a 2 Hai mặt phẳng ảo song song
17 x2 0 Hai mặt phẳng trùng nhau
Ví dụ: Nhận diện mặt bậc hai (S) sau 2 x12 2 x2 2 3x32 2 x1 x3 2 x2 x3 10(*)
Lời giải
2 0 1
2 2 2
Ta có dạng toàn phương h 2 x 2 x2 3x3 2 x1 x3 2 x2 x3 có ma trận A 0 2 1
1
1 1 3
2 0 1 1 1
Phương trình đặc trưng 0 2 1 0 2 2
1 1 3 3 4
1 1 1
+) Với 1 1 cơ sở trực chuẩn của không gian riêng là u1 ( ; ; ).
3 3 3
1 1
+) Với 1 2 cơ sở trực chuẩn của không gian riêng là u2 ( ; ;0) .
2 2
1 1 2
+) Với 1 4 cơ sở trực chuẩn của không gian riêng là u3 ( ; ; ).
6 6 6
1 1 1 1 1 1
3 2 6 3 2 6 y
1
x 1
1 1 1 x 1 1 1
Chọn ma trận trực giao C và đặt y2 .
3 2 6 2 3 2 6
x3 y
1 2 1 2 3
0 0
3 6
3 6
y12 y2 2 y32
Ta có phương trình của đường (C) y 2 y2 4 y3 10
1
2 2 2
1.
10 5 5 / 2
5
Do đó (C) là elipsoid với 3 bán trục là 10; 5 và .
2