ĐẠI SỐ TUYẾN TÍNH 2

PGS. TS. TRẦN TUẤN NAM

 Chương 1: Không gian Vectơ
Bài 1: Định nghĩa không gian vectơ
1. Định nghĩa không gian vectơ.
Định nghĩa. Cho tập hợp V≠ (các phần tử được gọi là các
vectơ) và một trường số K (K=R hay C, các phần tử được gọi
là các vô hướng). V cùng với hai phép toán:
• Phép cộng các vectơ trên V: x, yV ! x+y V
• Phép nhân (vô hướng): x V, k K ! kx V
được gọi là một không gian vectơ trên trường K hay
K- không gian vectơ nếu thỏa mãn các tiên đề sau với
 x, y, z  V, và  k, l  K:
1) (x+y)+z = x+(y+z) 5) (k+l)x = kx+lx
2) có 0 V, 0 +x = x + 0 =x 6) k(x+y)=kx+ky
3) có x’  V, x’+x=x+x’= 0 7) k(lx)=(kl)x
4) x+y=y+x 8) 1x=x
(1 là phần tử đơn vị của K).
 Khi K=R gọi là không gian vectơ thực, khi K=C gọi là
không gian vectơ phức. Nếu không cần chỉ rõ K ta gọi tắt
là không gian vectơ.
Ví dụ.
a) Tập hợp các vectơ “tự do” trong không gian 3 chiều thông
thường với phép toán cộng vectơ và nhân vectơ với số thực là
không gian vectơ thực.
b) Tích Đêcac (Descartes) (tích trực tiếp) Kn (n≥1) với các phép
toán:
(xi) + (yi) =(xi + yi), k(xi) = (kxi)
là một K-không gian vectơ.
Đặc biệt: Rn là R- không gian vectơ (thực)
Cn là C-không gian vectơ (phức)
Ví dụ.
c) Tập các đa thức một biến với hệ số thực R[x] với phép cộng
các đa thức và nhân đa thức với một số thực là một không
gian vectơ trên trường số thực. Tập các đa thức một biến
Rn[x] có bậc  n là không gian vectơ trên trường số
thực.
d) Tập các hàm số thực liên tục trên đoạn [a;b] với phép
cộng hàm số và phép nhân hàm số với một số thực là
một không gian vectơ thực.
e) Tập hợp các ma trận cỡ m×n với phép toán cộng ma trận
và nhân ma trận với một số thực là một không gian
vectơ thực.
Chú ý
• Phần tử trung hòa của phép cộng vectơ 0V là duy
nhất.
• Mọi x V có một vectơ đối x’  V duy nhất, ký hiệu
x’=-x.
• Phương trình ẩn x: x+a=b có một nghiệm duy nhất là
x=b+(-a). Ta ký hiệu x=b+(-a)=b-a và gọi là hiệu của
hai vectơ b và a.
• Đẳng thức a+c=b+c kéo theo a=b (luật giản ước).
• Mọi x V, 0.x=0.
• Mọi k K, k.0=0.
 Bài 2: Độc lập tuyến tính và Phụ thuộc tuyến tính
1. Tổ hợp tuyến tính của một họ vectơ
Định nghĩa. Cho họ vectơ x1,…, xn thuộc K-không gian vectơ V.
Vectơ xV được gọi là tổ hợp tuyến tính của họ x1,…, xn
nếu
x=k1 x1+ … +kn xn , với k1,…,kn K
Tổ hợp tuyến tính k1 x1+ … +kn xn được gọi là tầm thường
nếu k1=…=kn=0.
Trái lại nếu có một hệ số kj khác 0 thì tổ hợp tuyến tính là
không tầm thường.
Ví dụ.
a) Vectơ 0 luôn là tổ hợp tuyến tính của mọi họ vectơ.
b) Trong Rn với e1=(1,0,…,0), e2=( 0,1,0,…,0),…,
en=( 0,…,0,1). Khi đó mọi vectơ x=(x1,…, xn )  Rn ta có
x= x1 e1 + … + xn en
Ví dụ.  3 , u  (-1,0,2), v = (1,1,3), w  (0, 2, m )
Tìm m để vectơ w là tổ hợp tuyến tính của u và v?
Giải. w là tổ hợp tuyến tính của hai vectơ u và v
w=k1 u +k2v  (0, 2, m) = (-k1, 0, 2k1) + (k2, k2,3k2)
 (0, 2, m) = (-k1 + k2, k2, 2k1 + 3k2)
 Hệ pttt sau có nghiệm:   k1  k 2  0

 k2  2
 2 k  3k  m
 1 2
1 1 0  1 1 0  1 1 0 
     
 0 1 2   
  0 1 2   
  0 1 2 
 2 3 m   0 5 m   0 0 m  1 0 

Hệ pttt có nghiệm  m – 10 =0  m = 10.

2. Độc lập tuyến tính – Phụ thuộc tuyến tính
a) Định nghĩa. Trong K- không gian vectơ V.
- Họ vectơ {a1 , a2 , . . . , am } gọi là phụ thuộc tuyến tính
(pttt) nếu có r1 , r2 , . . . , rm K không đồng thời bằng 0
sao cho:
r1 a1 + r2 a2 + . . . + rm am= 0
- Họ vectơ {a1 , a2 , . . . , am } gọi là độc lập tuyến tính
(đltt) nếu nó không phụ thuộc tuyến tính, tức là nếu có:
r1a1 + r2 a2 + . . . + rm am= 0
suy ra r1 = r2 = . . . = rm = 0.
Ví dụ. Trong R2 cho các vectơ
x1 = (0,-1), x2 = (1,4), x3 = (2,3).
Họ {x1 , x2 , x3} phụ thuộc tuyến tính, vì:
5 x1 + 2 x2 – x3 = (0,0)= 0.
Họ {x1 , x2} độc lập tuyến tính vì nếu
k1 x1 + k2 x2 =0 (0, -k1 )+ (k2,4 k2)=0
(k2, -k1 +4 k2) =0  k2=0, -k1 +4 k2 =0
 k1 = k2 =0.
Ví dụ. Xét sự đltt hay pttt:
 1 1  1 0   0 1 
M 2 ( R ), u1    , u2    , u3    
 2 0   0 2  2 5 
Giả sử
k 1u 1  k 2 u 2  k 3 u 3  0
 k1  k1    k 2 0   0 k3 
        O
 2 k1 0   0 2k2   2k3 5k3 
 k1  k 2  0
k  k  0
 k1  k 2  k1  k 3   1 3
   O  
 2 k1  2 k 3 2 k 2  5 k 3   2 k1  2 k 3  0
 2 k 2  5 k 3  0
 k 1  k 2  k 3  0  u 1 , u 2 , u 3  d ltt
b) Tính chất
(1) Cho họ hữu hạn vectơ {xi}iI (I là tập hữu hạn) trong
K-không gian vectơ V và họ con (xj)jJ (J I), ta có:
- Nếu họ {xi}iI độc lập tuyến tính thì họ con {xj}jJ
cũng độc lập tuyến tính.
- Nếu họ con {xj}jJ phụ thuộc tuyến tính thì họ {xi}iI
cũng phụ thuộc tuyến tính.
(2) Họ vectơ {1 , 2 , . . . , m} trong K-không gian vectơ
V là phụ thuộc tuyến tính khi và chỉ khi:
a) Nếu m=1, thì 1=0,
b) Nếu m>1,thì một vectơ nào đó của họ phải biểu thị
tuyến tính qua (là tổ hợp tuyến tính) các vectơ còn
lại của họ.
Chứng minh ( ) a). Rõ

b). Giả sử họ m vectơ α1, α2, . . . , αm phụ thuộc tuyến tính.

Khi đó tồn tại các phần tử x1, x2, . . . , xm thuộc K không

đồng thời bằng 0 sao cho x1α1 + x2α2 + · · · + xiαi + · · · +
xmαm = 0.

Do x1, x2, . . . , xm không đồng thời bằng 0 nên tồn tại i để

xi 0. Khi đó − xiαi = x1α1 + x2α2 + · · · + xi−1αi−1 + xi +1αi+1
x1 x2 xi−1
+ · · · + xmαm. Suy ra: αi = − α1 − α2 − · · · − αi−1
xi+1 xm
− αi+1 − · · · − αm.
Như vậy αi biểu thị tuyến tính được qua các vectơ còn lại.
( ) m=1: Rõ.
Với m>1: Giả sử có vectơ αi biểu thị tuyến tính được qua
các vectơ còn lại, tức là αi = x1α1 + x2α2 + · · · + xi−1αi−1 +
xi+1αi +1 + · · · + xmαm.
Khi đó
x1α1 + x2α2 + · · · + xi−1αi−1 - αi + xi +1αi +1 + · · · + xmαm= 0.
Vậy họ đã cho phụ thuộc tuyến tính.
(3) Nếu họ vectơ {x1 , x2 , . . . , xn} của K-không gian
vectơ V là độc lập tuyến tính, thì:
- Mọi vectơ yV đều có không quá một cách biểu thị
tuyến tính qua họ {x1 , x2 , . . . , xn}.
- Họ {x1 , x2 , . . . , xn , y} là phụ thuộc tuyến tính khi và
chỉ khi vectơ y biểu thị tuyến tính được qua họ {x1 , x2 , .
. . , xn} (cách biểu thị tuyến tính đó là duy nhất).
c) Trong không gian Rn
Cho họ vectơ {a1 , a2 , . . . , am } trong Rn. Lập ma trận A
gồm các dòng (cột) là các vectơ. Khi đó:
• {a1 , a2 , . . . , am } đltt  r(A)=m
• {a1 , a2 , . . . , am } pttt  r(A)<m
Chú ý. Họ 2 vectơ {x, y} là pttt  các thành phần tương
ứng tỷ lệ.
Ví dụ. R4,
{a1=(1,1,2,2), a2=(2,3,6,6), a3=(3,4,8,8), a4=(5,7,14,14)}
Ta có:
1 1 2 2 1 1 2 2
2 
3 6 6  35dd11 dd 34 0
2 d 1 d 2
1 2 2 
A  
3 4 8 8 0 1 2 2
   
5 7 14 14  0 2 4 4
1 1 2 2
 d 2 d 3 0 1 2 2 
2 d 2  d 4
   r ( A)  2  4
0 0 0 0
 
0 0 0 0

{a1, a2 , a3 , a4} pttt. Dễ thấy {a1, a2} đltt

Ví dụ.  3 , u  (-1,0,2), v = (1,1,3), w  (0,2, m )
Tìm m để vectơ w là tổ hợp tuyến tính của hai vectơ
u và v?
Giải. Cách 2 (dùng tính chất 3) Dễ thấy {u, v} đltt,
nên w là tổ hợp tuyến tính của hai vectơ u và v 
{u, v, w} pttt. Lập ma trận:
 1 0 2 

A 1 1 3 
 
 0 2 m 
{u, v, w} pttt  r(A)<3  det(A) =0
 m – 10 =0  m = 10.
3. Hạng của một họ hữu hạn vectơ
a) Định nghĩa. Cho họ vectơ {xi}iI trong K- không gian vectơ V. Họ
con {xj}jJ (J I) được gọi là họ con độc lập tuyến tính tối đại của
họ đã cho nếu nó là một họ độc lập tuyến tính và nếu thêm bất cứ
vectơ xi (iI\J) nào vào họ con đó thì đều được một họ phụ thuộc
tuyến tính.
b) Tính chất
• Nếu họ con {xj}jJ (J I) của họ {xi}iI là họ con độc lập
tuyến tính tối đại thì mọi vectơ xi (iI) đều biểu thị tuyến
tính được qua họ con đó và biểu thị tuyến tính đó là duy nhất.
• Cho họ hữu hạn vectơ {xi}iI (I là tập hữu hạn) trong K-
không gian vectơ V và cho họ con độc lập tuyến tính {xj}jJ
(J I, có thể J=I), ta có thể xây dựng được họ con độc lập
tuyến tính tối đại của họ {xi}iI chứa họ con {xj}jJ.
Ta có bổ đề sau (Bổ đề cơ bản về sự đltt (hay pttt)):
Bổ đề. Trong kgvt V cho họ {x1 , x2 , . . . , xm } độc
lập tuyến tính và họ {y1 , y2 , . . . , yn }. Giả sử mỗi
xi (i=1,…,m) đều biểu thị tuyến tính qua họ
{y1 , y2 , . . . , yn }. Khi đó m n.
Chứng minh Bổ đề cơ bản. Dùng phản chứng.
Giả sử m>n. Theo giả thiết ta có:
0≠x1=1y1+…+nyn trong đó các 1,…, n không đồng
thời =0. Không mất tính tổng quát, giả sử 1≠0, suy
ra: 1 2 n
y1  x1  y2  ...  yn
1 1 1
Vì mỗi xi (n< i  m) là tổ hợp tuyến tính của
{y1 , y2 , . . . , yn }, nên xi là tổ hợp tuyến tính của
{x1 , y2 , . . . , yn }. Ta có x2=1x1+ 2y2+…+ nyn . Do
{x1 ,x2 } đltt, nên {2,…, n} không đồng thời =0, giả
sử 2 ≠0, 1 1 3 n
suy ra: y2  x1  x2  y3 ...  yn

2 2  
2 2 
Như vậy xi là tổ hợp tuyến tính của {x1 , x2, y3, . . . , yn }.
Cứ tiếp tục như vậy, ta được xi là tổ hợp tuyến tính của
{x1 , x2, . . . , xn } (n< i  m). Điều này mẫu thuẫn với
tính độc lập tuyến tính của họ
{x1 , x2 , . . . , xm }. Vậy m  n.
c) Định lý và định nghĩa. Cho họ hữu hạn vectơ (xi)iI (I
là tập hữu hạn) trong K-không gian vectơ V thì số phần
tử của mọi họ con độc lập tuyến tính tối đại của nó là
bằng nhau và được gọi là hạng của họ vectơ đã cho.
Ký hiệu. rank (xi)iI hay r(xi)iI .
Trong không gian Rn.
Cho họ vectơ {a1 , a2 , . . . , am } trong Rn. Lập ma trận A
gồm các dòng (cột) là các vectơ. Khi đó:
r(A)=r  r{a1 , a2 , . . . , am }=r.
Ví dụ (ở trên). R4,
{a1=(1,1,2,2), a2=(2,3,6,6), a3=(3,4,8,8), a4=(5,7,14,14)}
r(A)=2 r(a1 , a2 , a3 , a4)=2  {a1 , a2} đltt tối đại.
 Bài 3: Cơ sở của một không gian vectơ – Toạ độ
1. Định nghĩa. Cho không gian vectơ V, họ vectơ
B  {e1 , e2 ,..., en } của V được gọi là một cơ sở của V
nếu nó đltt và mọi vectơ của V đều là tổ hợp tuyến tính
của họ B (B là hệ sinh của V).
Chú ý. – Nếu xem V là một họ vectơ trong V thì một cơ sở
của V chính là một họ vectơ đltt tối đại của V.
- Nếu V có một hệ sinh hữu hạn, ta nói V là KGVT
hữu hạn sinh. Suy ra mọi không gian vectơ hữu hạn sinh
đều có một cơ sở hữu hạn.
- Có những không gian vectơ không hữu hạn sinh,
chẳng hạn: V là không gian vectơ các đa thức một biến hệ
số thực thì V là R-không gian vectơ không hữu hạn sinh.
2. Định lý và Định nghĩa. Mọi cơ sở của một K-không
gian vectơ hữu hạn sinh V có số phần tử hữu hạn và
bằng nhau, số này gọi là số chiều của V, ký hiệu dim V
(hay dimK V). Khi dim V=n, ta nói V là không gian
vectơ n chiều.
Chú ý. a) Nếu họ vectơ {e1 , e2 , . . . , en} là một cơ sở của
V thì mọi vectơ thuộc V đều khai triển theo một cách
duy nhất theo các vectơ {e1 , e2 , . . . , en}. Ngược lại nếu
mọi vectơ thuộc V đều khai triển theo một cách duy nhất
theo các vectơ {e1 , e2 , . . . , en} thì {e1 , e2 , . . . , en} là
một cơ sở của V.
b) Trong không gian vectơ n chiều, mọi họ n vectơ
độc lập tuyến tính đều là cơ sở.
Chứng minh ĐL
Giả sử có 2 cơ sở
B  {e1 , e2 ,..., en }, B '  {e '1 , e '2 ,..., e 'm }

Vì họ B đltt và mỗi vectơ của B đều biểu thị tuyến

tính qua họ B’, theo Bổ đề cơ bản ta có n  m.
Tương tự, m  n  m = n.
Ví dụ. Trong R-không gian vectơ Rn họ n vectơ

e1 =(1, 0, . . . , 0), e2 =(0, 1, 0, . . . , 0), . . . , en =(0, . . . , 0, 1)

làm thành một cơ sở của Rn và được gọi là cơ sở chính tắc.

Suy ra dim Rn=n.

3. Toạ độ của vectơ đối với một cơ sở
Định nghĩa. Trong không gian vectơ n chiều V cho cơ sở
 = {e1 , e2 , . . . , en}. Mọi vectơ xV đều có khai triển duy
nhất dưới dạng x=x1 e1 + x2 e2 + . . . + xn en , khi đó bộ
số (x1 , x2 , . . . , xn) được gọi là toạ độ của vectơ x đối
với cơ sở  = {e1 , e2 , . . . , en}. Ta dùng ký hiệu toạ độ
(x) = (x1 , x2 , . . . , xn), có thể viết dưới dạng cột:
 x1 
x 
[ x]   2 
 
 
 xn 
Ví dụ.  3 , U= u1  (1,1,1), u2  (1, 0,1), u3  (1,1, 0)
a) Chứng minh U là một cơ sở của  3

b) Tìm tọa độ của vectơ v=(1,2,3) đối với cơ sở U.

Giải. 1 1 1 Cách khác: Dùng BĐSC tìm hạng r(U)=3
a) 1 0 1  (0  1  1)  (0  1  0)  1  0
1 1 0

 Họ U đltt  U là một cơ sở.

b) Giả sử (v)U= (v1, v2, v3)  v = v1u1 + v2 u2 +v3 u3
 (1,2,3) = (v1 , v1, v1 )+(-v2 ,0, v2)+(v3, v3,0)
 (1,2,3) =(v1 - v2 + v3, v1 +v3, v1 + v2)
 v1  v 2  v 3  1  v1  2
 
  v1  v 3  2   v 2  1  ( v )U  (2,1, 0)
v  v  3 v  0
 1 2  3
Ví dụ.  , U= u1  (1,1,1), u2  (1, 0,1), u3  (1,1, 0)
3

a) Chứng minh U là một cơ sở của  3

b) Tìm tọa độ của vectơ v=(1,2,3) đối với cơ sở U.

c) (Tương tự b) Tìm tọa độ của vectơ w=(-1,1,3) đối

với cơ sở U.
BT: Tự tìm ví dụ tương tự
4. Ma trận đổi cơ sở và công thức đổi tọa độ
Trong không gian vectơ V cho các cơ sở
 = {e1 , e2 , . . . , en} và ’ = {e’1 , e’2 , . . . , e’n}. Xét
vectơ xV, toạ độ của x đối với cơ sở  = {e1 , e2 , .
. . , en} là: (x) = (x1 , x2 , . . . , xn), toạ độ của x đối
với cơ sở ’ = {e’1 , e’2 , . . . , e’n} là: (x)’ = (x’1 ,
x’2 , . . . , x’n). Giả sử:
n
e ' j   cij ei ( j  1, 2,..., n, cij  K )
i 1
Ta hãy tìm biểu thức liên hệ giữa các toạ độ.
Thật vậy:
 n n n n n
x   x ' j e ' j   x ' j ( cij ei )  ( cij x ' j )ei
j 1 j 1 i 1 i 1 j 1
n
 xi   cij x ' j (i  1, 2,..., n) (1)
j 1

(1) được gọi là công thức đổi toạ độ (đổi cơ sở).

Ma trận: c c  c 
11 12 1n
c c  c 
C  21 22 2n 

    
 
 cn1 cn 2  cnn 
được gọi là ma trận đổi cở sở từ  sang ’
Khi đó công thức (1) có thể viết:
[x] = C [x]’

Định lý. Nếu C là ma trận đổi cơ sở từ  sang ’ thì:

i) C không suy biến (tức là det(C)≠0).
ii) Ma trận nghịch đảo C-1 là ma trận đổi cơ sở từ ’
sang .
Ví dụ. Trong R cho cơ sở chính tắc:
3

  {e1  (1, 0, 0), e2  (0,1, 0), e3  (0, 0,1)}

và họ vectơ U  {u1  (1,1,1), u2  (1, 0,1), u3  (1,1, 0)}
a) Chứng minh U cũng là một cơ sở của R3.
b) Lập ma trận đổi cơ sở và công thức đổi tọa độ từ 
qua U.
c) Lập ma trận đổi cơ sở và công thức đổi tọa độ từ U
qua .
d) Cho v=(1,2,3)  R 3 , tìm tọa độ của v đối với cơ sở
U.
e) CM   {1  (1, 2, 0), 2  (0,1, 2), 3  (0, 0, 2)}
cũng là cơ sở, lập ma trận đổi cơ sở và công thức
đổi tọa độ từ U qua .
b)   {e1  (1, 0, 0), e2  (0,1, 0), e3  (0, 0,1)}
u1  e1  e2  e3 1 1 1 

(*) u2  e1  e3  C  1 0 1 
u  e  e 1 1 0 
 3 1 2
Công thức đổi tọa độ từ  qua U:
 x   C  x U
c) Từ (*) suy ra
e1  u1  u2  u3  1 1 1 

(**) e2  u1 +u 2  2u3  C 1   1 1 0 
e  u - u3  1 2 1
 3 1

  x U  C  x 
1
d)
 1 1 1  1   2 
 v U  C 1  v  =  1 1 0   2  = 1 
 1 2 1 3   0 
e) CM   {1  (1, 2, 0), 2  (0,1, 2), 3  (0, 0, 2)}
cũng là cơ sở, lập ma trận đổi cơ sở và công thức đổi
tọa độ từ U qua .
Ta có:
1  e1  2e2 e1  u1  u2  u3
và 
 (**)  e   u + u  2u

 2  e2  2 e3 2 1 2 3
  e  u - u3
 3 2 e 3  3 1

1  u1  u2 +3u3  1 1 2 


 2  u1  u2  D   1 1 0 
  2u - 2u3  3 0 2 
 3 1

  x U  D  x 
f) Lập ma trận đổi cơ sở và công thức đổi tọa độ từ
 qua U.
g) Cho y=(2,-1,4) tìm tọa độ của y đối với các cơ sở
U, .
BT: Tự ra BT tương tự
 Bài 4: Không gian vectơ con

1. Định nghĩa không gian vectơ con

Định nghĩa. Cho V là không gian vectơ với hai
phép toán: cộng vectơ và nhân vectơ với một
số, W là một tập con của V. Nếu W cùng với hai
phép toán trên cũng là một không gian vectơ
thì W được gọi là không gian vectơ con (không
gian con) của V.
Định lý. Cho W là một tập con khác rỗng của K-không gian
vectơ V. Các mệnh đề sau tương đương:
i. W là một không gian vectơ con của V.
ii. Với mọi x, y W và mọi k, l  K, kx+ly  W.
iii. Với mọi x, y  W và mọi k  K,
x+y  W và kx  W.
Ví dụ.
a) { 0 } và V là các không gian vectơ con tầm thường của V.
b) Nếu coi C là R-không gian vectơ thì R là không gian
vectơ con của C.
c) Tập hợp các đa thức một biến hệ số thực có bậc n (n là số
dương cho trước) là không gian vectơ con của R-không
gian vectơ các đa thức một biến hệ số thực.
Ví dụ.
Tập hợp các ma trận vuông cấp 2 dạng
 a 0
 0 b  , a, b  R
 
là không gian vectơ con của R-không gian vectơ các ma
trận vuông cấp 2.
2. Tổng và giao của một họ không gian vectơ con
Định nghĩa. Cho K-không gian vectơ V và X là một họ các
vectơ của V. Tập hợp tất cả các tổ hợp tuyến tính của mọi
họ (hữu hạn) vectơ của X gọi là bao tuyến tính của X, ký
hiệu <X>.
• Khi X={x1 , x2 , . . . , xn } ta viết tắt
<X> = <x1 , x2 , . . . , xn >
• Cho họ (Wi)iI các không gian vectơ con của K-không
gian vectơ V, khi đó giao của họ này Wi là một không
gian vectơ con của V. iI

• Nếu X là một họ các vectơ của V, thì giao của mọi không
gian vectơ con chứa X là không gian vectơ con bé nhất
(theo quan hệ bao hàm) của V chứa X.
Định lý. Cho X là một họ các vectơ của V, giao của mọi
không gian vectơ con chứa X là bao tuyến tính của X.
• Ta nói <X> là không gian vectơ sinh bởi X và X gọi là tập
sinh (hệ sinh) của <X>.
Trong không gian Rn.

Cho họ vectơ {a1 , a2 , . . . , am } trong Rn. Gọi W là không

gian vectơ con sinh bởi {a1 , a2 , . . . , am }. Lập ma trận
A gồm các dòng là các vectơ. Khi đó:

dim W = r(A)=r{a1 , a2 , . . . , am } và một họ vectơ độc

lập tuyến tính tối đại là cơ sở của W.
Ví dụ. R4, Gọi W là kgvt con sinh bởi họ vectơ
{a1=(1,1,2,2), a2=(2,3,6,6), a3=(3,4,8,8), a4=(5,7,14,14)}
Tìm dim W và một cơ sở của W.
1 1 2 2 1 1 2 2
2 
3 6 6  35dd11 dd 34 0
2 d 1 d 2
1 2 2 
A  
3 4 8 8 0 1 2 2
   
5 7 14 14  0 2 4 4
1 1 2 2
 d 2 d 3 0 1 2 2
2 d 2  d 4
   dim W  r ( A)  2
0 0 0 0
 
0 0 0 0

{a1, a2 } là một cơ sở. Có thể lấy {(1,1,2,2),(0,1,2,2)}

làm cơ sở.
Ví dụ. R4, Gọi W là kgvt con sinh bởi họ vectơ

{a1=(1,3,1,2), a2=(-2,3,0,6), a3=(3,4,1,2), a4=(4,7,4,1)}

Tìm dim W và một cơ sở của W.

Định nghĩa. Cho K-không gian vectơ V và họ các không
gian vectơ con (Wi)iI . Bao tuyến tính   W  của tập
i

hợp Wi được gọi là tổng của họ (Wi)iI , ký hiệu

i I

Wi
iI

iI
Lưu ý rằng nếu W=W1+W2+ . . . +Wn thì W là tập tất cả
các vectơ xV có thể viết dưới dạng x = x1+x2+ . . . +xn
với xiWi (i=1, 2, . . ., n). Tuy nhiên cách viết này không
hẳn duy nhất.
Định nghĩa. Tổng W=W1+W2+ . . . +Wn các không gian
vectơ con của V được gọi là tổng trực tiếp nếu mọi vectơ
xW có thể viết được một cách duy nhất dưới dạng
x = x1+x2+ . . . +xn với xiWi (i=1, 2, . . ., n). Ký hiệu
W=W1 W2 . . .  Wn
Ví dụ. Nếu V có cơ sở  = {e1 , e2 , . . . , en}, thì
V=<e1><e2> . . . <en>
Định lý. Cho không gian vectơ V và W1 , W2 là các không
gian vectơ con, tổng W=W1+W2 là tổng trực tiếp khi và
chỉ khi W1 W2 = {0}. (CM)
Định lý. Cho W1 , W2 là các không gian vectơ con hữu hạn
chiều của không gian vectơ V thì:
dim (W1+W2) = dim W1 + dim W2 – dim (W1 W2).
Hệ quả. dim (W1 W2) = dim W1 + dim W2
Chú ý. Nếu V=W1 W2 thì W2 được gọi là một bù tuyến
tính của W1 trong V, khi đó
dim W2 = dim V - dim W1 được gọi là số đối chiều của W1
(trong V).
Định lý. Cho không gian vectơ V và W1 , W2 là các không
gian vectơ con, tổng W=W1+W2 là tổng trực tiếp khi và chỉ
khi W1 W2 = {0}.
CM.
() Giả thiết W=W1+W2 là tổng trực tiếp.
Lấy x W1 W2  0 = (-x) + x, -x W1 , x W2 .
Mặt khác 0 = 0 + 0, 0W1 , 0W2  x =0 (vì biểu
diễn duy nhất)  W1 W2 = {0}.
() Giả thiết W1 W2 = {0}. Lấy xW, giả sử có 2
biểu diễn của x: x = x1+x2 và x = x’1+x’2 với x1 , x’1
 W1 và x2 , x’2 W2 . Khi đó
0 = (x1-x’1) + (x2-x’2)  x1-x’1 = x’2-x2  W1 W2
 x1 = x’1 , x2 = x’2  W=W1+W2 là tổng trực tiếp.
 Bài 5: Không gian nghiệm của hệ PTTT thuần nhất

Hệ PTTT thuần nhất có dạng:

a11 x1  a12 x2    a1n xn  0
a x  a x    a x  0
 21 1 22 2 2n n


am1 x1  am 2 x2    amn xn  0

Mỗi nghiệm c  (c1 , c2 ,..., cn )  R n (xem như là một vectơ).

Gọi W là tập tất cả các nghiệm của hệ phương trình. Khi đó
c  (c1 , c2 ,..., cn ), c '  (c1 ', c2 ',..., cn ') W , k  R
 c  c '  W , kc  W
W là không gian vectơ con của Rn và ta gọi là không
gian nghiệm của HPTTT thuần nhất đã cho.
Cơ sở, số chiều của KG con nghiệm W.
Gọi A là ma trận hệ số, khi đó:
• r(A)=n  W=O, dimW=0
• r(A)=r dimW=n-r. Nghiệm của hệ phụ thuộc vào n-r
tham số, cho các bộ n-r tham số các giá trị chẳng hạn
như: (1,0,…,0), (0,1,0,…,0),…,(0,…,0,1) ta được một cơ
sở gồm n-r vectơ của W (còn gọi là hệ nghiệm cơ bản).
Ví dụ. Tìm cơ sở, số chiều của không gian nghiệm W:
 x1  2 x2  x3  3x4  4 x5  0

2 x1  4 x2  2 x3  7 x4  5 x5  0
2 x  4 x  2 x  4 x  2 x  0
 1 2 3 4 5
Giải.
1 2 1 3 4  2 d 1 d 2 1 2 1 3 4 
A   2 4 2 7 5  
2 d 1 d 3
  0 0 0 1 13 
 2 4 2 4 2   0 0 0 2 6 
1 2 1 3 4  1 1 2 1 3 4 
2 d 2 d 3 
 0 0 0 1 13    32
d3
 0 0 0 1 13 
0 0 0 0 32  0 0 0 0 1 
 r ( A)  3  dim W  5  3  2
 x1  2t  l
x  t  R
 x1  2 x2  x3  3 x4  4 x5  0  2
 
 x 4  13 x5  0   x3  l  R
 x  0 x  0
 5
 4
 x5  0
Giải
 x1  2t  l
     x  t  R
 1
x 2 x 2 x3 3 x 4 4 x5 0  2
 
 x4  13 x5  0   x3  l  R
 x  0 x  0
 5
 4
 x5  0

Cho t=1, l=0 và t=0, l=1 ta có một cơ sở:

{(-2,1,0,0,0), (1,0,1,0,0)}
BT 1. Cho X, Y là các không gian vec tơ con của R4:
X  ( x1 , x2 , x3 , x4 )  R | x1  x2  2 x3  3x4  0
4

 4 
 x1  x2  x3  x4  0 
Y  ( x1 , x2 , x3 , x4 )  R |  
  x1  3 x2  4 x3  x4  0 
Tìm a) dim XY
b) dim (X+Y)
BT 2. Cho X, Y là các không gian vec tơ con của R4:
 4 
2 x1  x2  2 x3  x4  0 
X  ( x1 , x2 , x3 , x4 )  R |  
 3 x1  x2  x3  x4  0 
 3 x1  x2  2 x3  x4  0 
 4  
Y  ( x1 , x2 , x3 , x4 )  R |  4 x1  x2  x3  2 x4  0 
 2 x  3 x  x  x  0 
  1 2 3 4 
Tìm a) dim X, dim Y và một cơ sở của X, Y
b) dim XY, dim (X+Y)
 Chương 2: Ánh xạ tuyến tính
Bài 1: Định nghĩa ánh xạ tuyến tính
Ánh xạ. Cho hai tập hợp X, Y tùy ý cho trước. Một ánh
xạ f từ X đến Y là một qui tắc cho tương ứng mỗi phần
tử x của X với một phần tử duy nhất, ký hiệu f(x) của Y.
Ta viết
f: X  Y
hay f : X  Y , x  f ( x)
x  f ( x)
X được gọi là tập nguồn hay tập xác định, Y được gọi là
tập đích. Với mỗi xX, f(x)Y được gọi là ảnh của x
bởi f hay giá trị của f tại x. x được gọi là tạo ảnh của f(x).
Ví dụ. a) Cho X = {1, 2, 3, 4}, Y = {a, b, c, d, e}.
Tương ứng 1  a, 2  a, 3  c, 4  d
Cho ta ánh xạ f: X  Y. Trong khi đó:
Tương ứng 1  a, 2  b, 3  c không cho ta ánh
xạ vì phần tử 4 không có tương ứng.
Tương ứng 1  a, 2  b, 3  c, 3  d , 4  e
không cho ta ánh xạ vì phần tử 3 tương ứng với 2 phần
tử c, d (không duy nhất).
b) Tương ứng với mỗi x  R một phần tử x2  R cho ta
ánh xạ f: R  R.
Với tập hợp X tuỳ ý, tương ứng mỗi phần tử x  X với
chính phần tử x là ánh xạ gọi là ánh xạ đồng nhất, ký
hiệu idX : X  X
Đơn ánh, toàn ánh, song ánh
Cho ánh xạ f: X  Y.
• f được gọi là đơn ánh nếu với mọi phần tử x, x’  X,
x  x’f(x)  f(x’). Nói cách khác:
f(x) = f(x’)  x = x’
• f được gọi là toàn ánh nếu mọi phần tử yY đều có
tạo ảnh (có phần tử x  X sao cho y = f(x)). Nói cách
khác: Với mọi yY, phương trình f(x) = y có nghiệm
thuộc X.
• f được gọi là song ánh nếu f vừa là đơn ánh vừa là
toàn ánh.
Trong ví dụ a) ở trên ánh xạ f không là đơn ánh cũng
không là toàn ánh.
Ví dụ. ánh xạ f : R  R, x  x
3

f đơn ánh, thật vậy với mọi phần tử x, x’  R,

f(x) = f(x’)  x3 = x’3  x = x’
f toàn ánh, thật vậy với mọi phần tử y  R, xét
phương trình f(x) = y  x3 = y  x  3 y
Do đó f song ánh.
•Ánh xạ ngược. Nếu f : X Y, x  y  f (x) là
song ánh, ta có ánh xạ
f 1 : Y  X, y  x, ( y  f (x))
và gọi là ánh xạ ngược của f.
1. Định nghĩa. Cho V và W là các không gian
vectơ trên cùng một trường K. Ánh xạ
 : V  W được gọi là ánh xạ tuyến tính (hay
đồng cấu tuyến tính) nếu thỏa mãn hai điều kiện
sau với mọi x, yV, kK:
i) (x+y) = (x) + (y),
ii) (kx) = k(x).
Chú ý. Ánh xạ  : V  W là ánh xạ tuyến tính
khi và chỉ khi (kx+ly) = k(x) + l(y), với mọi
x, y V, k, l  K.
Hệ quả. Nếu  : V  W là ánh xạ tuyến tính thì:
i) (0) = 0,
ii) (- x) = - (x), với mọi x V,
n n
iii )  (  k i x i )   k  ( x ) với mọi x1 , . . . , xn  V,
i i
i 1 i 1
k1 , . . . , kn  K.
Ví dụ.
a) Ánh xạ 0 : V  W , x  0 là ánh xạ tuyến tính, gọi là
ánh xạ không.
b) Ánh xạ id V : V  V , x  x gọi là ánh xạ đồng nhất.
Tổng quát, cho k  K, ánh xạ .k : V  V , x  kx là
ánh xạ tuyến tính.
 c) Cho a, b R, ánh xạ: f : R 2
 R, ( x, y )  ax  by
là ánh xạ tuyến tính.
d) Ánh xạ  : R 2  R3 , ( x, y )  ( x, x  y, x  y ) là ánh
xạ tuyến tính (CM)
e) Cho V=C[a;b] là không gian vectơ các hàm
liên tục trên đoạn [a;b], các ánh xạ đạo hàm và
tích phân sau là ánh xạ tuyến tính: b
C[a; b]  C[a; b], f  f ' C[a; b]  R, f   f ( x )dx
a
f) Các ánh xạ  : R  R , ( x, y )  ( x  1, x  y, x  y )
2 3

 : R 2  R 3 , ( x, y )  ( x, x  y, 2); h : R 2  R 3 , ( x, y )  ( x, x  y, xy )
không phải là ánh xạ tuyến tính (CM).
 d) Ánh xạ  : R 2
 R 3
, ( x, y )  ( x, x  y, x  y ) là ánh xạ
tuyến tính:

( x, y ), ( x ', y ')  R 2 , k  R :
 (( x, y )  ( x ', y '))   (( x  x ', y  y '))
 ( x  x ', x  x ' y  y ', x  x ' y  y ')
 ( x, x  y , x  y )  ( x ', x ' y ', x ' y ')
  (( x, y ))   (( x ', y '))
 (k ( x, y ))   ((kx, ky ))  (kx, kx  ky, kx  ky )
=k( x, x  y , x  y )  k (( x, y ))
f) Các ánh xạ  : R 2
 R 3
, ( x, y )  ( x  1, x  y, x  y )
 : R 2  R 3 , ( x, y )  ( x, x  y, 2)

không phải là ánh xạ tuyến tính.

CM.
Lấy (1,2) và (3,-4) R2,
((1,2) + (3,-4) ) = (4,-2) = (5,2,6)
(1,2)=(2,3,-1)
(3,-4)=(4,-1,7)
(1,2)+ (3,-4)=(6,2,6)≠ ((1,2) + (3,-4) )
2. Các tính chất cơ bản của ánh xạ tuyến tính
a) Tích của các ánh xạ tuyến tính:
Cho V, V’, V” là các K-không gian vectơ và các axtt:
f : V  V’, g: V’  V”. Ánh xạ
h : V  V", x  g ( f ( x )) là một ánh xạ tuyến tính và
được gọi là tích của các ánh xạ f và g.
Ký hiệu h = gf.
b) Qua axtt, ảnh của một họ vectơ pttt là pttt.
Tương đương: Nếu ảnh của một họ vectơ là đltt thì họ
vectơ đó đltt.
CM: Cho họ vectơ {u1 , u2 , . . . , um} trong V.
CM: Cho họ vectơ {u1 , u2 , . . . , um} trong V sao cho
{f(u1) , f(u2) , . . . , f(um)} đltt
Xét k1 u1+ k2 u2+…+ km um=0
f(k1 u1+ k2 u2+…+ km um)=0
k1f(u1)+ k2f(u2)+…+ kmf(um)=0
k1=k2=…=km=0  {u1 , u2 , . . . , um} đltt.
c) Axtt không làm tăng hạng của một họ vectơ.
3. Định lý cơ bản về xác định axtt
Định lý. Cho E ={e1 , e2 , . . . , en} là một cơ sở của K-
không gian vectơ V và {a1 , a2 , . . . , an} là họ n vectơ tùy ý
của K-không gian vectơ W. Có một và chỉ một ánh xạ
tuyến tính
: V  W sao cho (ei) = ai với mọi i=1,2, . . ., n.
Nói vắn tắt: ánh xạ tuyến tính hoàn toàn được xác định bởi
ảnh của một cơ sở.
Chứng minh.
Tồn tại. Với vectơ tùy ý x = x1e1+x2e2+…+xnenV, ta đặt
(x) = x1a1 + x2a2+…+ xnan W. Khi đó ta có ánh xạ
: V  W. Dễ kiểm tra  là axtt.
Duy nhất. Giả sử có axtt : V  W sao cho
(ei) = ai với mọi i=1,2, . . ., n.
Khi đó: Với vectơ tùy ý x = x1e1+x2e2+…+xnenV,
(x) =  (x1e1+x2e2+…+xnen)
= x1 (e1) + x2 (e2) +…+ xn (en)
= x1a1 +x2a2 +…+ xnan = (x)
 = .
 Bài 2: Ảnh và nhân của ánh xạ tuyến tính
1. Ảnh và ảnh ngược của một không gian con
Cho ánh xạ tuyến tính : V  W, X là kgvt con của V,
Y là kgvt con của W.
(X)={(x)W| xX} được gọi là ảnh của kgvt con X.
-1(Y)= {uV | (u)Y} được gọi là ảnh ngược của
kgvt con Y.
Định lý. (X) là kgvt con của W và -1(Y) là kgvt con
của V.
CM (BT)
2. Nhân và ảnh
Cho ánh xạ tuyến tính : V  W.
Tập hợp Ker = -1(0) ={xV (x)=0}V được gọi
là nhân của ánh xạ tuyến tính .
Tập hợp Im = (V)= {(x)  xV}  W được gọi là
ảnh của ánh xạ tuyến tính .
• dim Im được gọi là hạng của axtt 
Ký hiệu: rank()
• dim Ker được gọi là số khuyết của axtt 
Ký hiệu: def().
Chú ý. 0rank()dimW, 0def()dimV.
3. Đơn cấu, toàn cấu, đẳng cấu
Cho ánh xạ tuyến tính : V  W.
Ánh xạ tuyến tính được gọi là đơn cấu (toàn cấu, đẳng
cấu) nếu ánh xạ  là đơn ánh (toàn ánh, song ánh).
Tính chất.
i) Tích của hai đơn cấu (toàn cấu, đẳng cấu) là đơn cấu
(toàn cấu, đẳng cấu).
ii) Nếu  là đẳng cấu thì ánh xạ ngược -1 : W V
cũng là đẳng cấu và -1  =idV -1 =idW
Định lý 1. Cho ánh xạ tuyến tính : V  W. Các mệnh đề
sau là tương đương:
i)  là đơn cấu;
ii) Ker = 0;
iii)  biến một họ vectơ độc lập tuyến tính trong V thành
một họ vectơ độc lập tuyến tính trong W;
iv)  giữ nguyên hạng của mọi họ hữu hạn vectơ;
v)  giữ nguyên số chiều của mọi không gian con hữu
hạn chiều X của V;
Và nếu V là kgvt hữu hạn chiều thì các mệnh đề trên
tương đương với
vi) rank = dimV.
Chứng minh.
Sơ đồ CM: i)ii) iii) iv) v) i).
Trong trường hợp V hữu hạn chiều: v)  vi) i).
i)ii). x Ker, (x)= 0= (0) x=0  Ker=0.
ii) iii). Giả sử {u1 , u2 , . . . , um} là họ vectơ đltt trong V.
Cho
k1(u1)+k2(u2)+…+km(um)=0
(k1u1+k2u2+…+kmum)=0
 k1u1+k2u2+…+kmum=0
k1=k2=…=km=0  {(u1), (u2), . . . , (um)} là họ
vectơ đltt trong W.
iii) iv). Xét họ vectơ {u1 , u2 , . . . , um} trong V.
Theo bài trước: rank{(u1), (u2), . . . , (um)} 
rank{u1 , u2 , . . . , um}.
Ta cần CM: rank{u1 , u2 , . . . , um}  rank{(u1),
(u2), . . . ,(um)}.
Giả sử {u i1 , u i 2 , . . . , u i k } là họ vectơ đltt tối đại
của {u1 , u2 , . . . , um}, theo (iii)
{  (u i1 ) ,  (u i 2 ) , . . . ,  (u i k )} đltt trong W.
Như vậy,
rank{u1 , u2 , . . . , um}  rank{(u1), (u2),..., (um)}.
iv) v). Gọi U là cơ sở của X, khi đó X=<U>. Suy ra
(X)=< (U)>. Ta có
dimX=rank(U)=rank((U))=dim(X).
v) i) Lấy hai vectơ tùy ý u, vV thỏa (u)=(v). Ta cần
chứng minh u = v. Thật vậy, ta có thể giả thiết u0 (vì nếu
u = v = 0 thì rõ)  (u) 0. Ta có rank{u,v}=rank{(u),
(v)}=1v = ku
(u)=(ku)  (u-ku)=0  ((1-k)u)=0
 (1-k)(u)=0 1-k=0 k=1 u = v.
Trường hợp V là kgvt hữu hạn chiều:
v) vi). rank=dimIm=dim(V)=dimV.
vi) i). BT.
Định lý 2. Cho ánh xạ tuyến tính : V  W. Các
mệnh đề sau là tương đương:
i)  là toàn cấu;
ii) Im = W;
iii) rank = dimW (dimW<);
iv)  biến hệ sinh của V thành hệ sinh của W;
CM (BT).
Hệ quả. Cho ánh xạ tuyến tính : V  W,
dimV=dimW=n. Khi đó các mệnh đề sau tương
đương:
i)  là đơn cấu; ii)  là toàn cấu; iii)  là đẳng cấu.
3. Sự đẳng cấu của các không gian vectơ hữu hạn
chiều
Hai K-kgvt U và V được gọi là đẳng cấu với nhau nếu
có một đẳng cấu f : UV.
Định lý 3. Hai K-không gian vectơ hữu hạn chiều đẳng
cấu với nhau khi và chỉ khi chúng có cùng số chiều.
CM (BT)
 Bài 3: Ma trận của ánh xạ tuyến tính

1. Ma trận của ánh xạ tuyến tính

Cho cơ sở E = {e1 , e2 , . . . , en} của K-không gian
vectơ V và cơ sở B = {u1 , u2 , . . . , um} của K-không
gian vectơ W. Theo Định lý xác định axtt, mỗi ánh xạ
tuyến tính : V  W hoàn toàn được xác định bởi n
vectơ ai = (ei) (i=1, 2, …, n).
 Giả sử
a 1   ( e1 )  a 1 1 u 1  a 2 1 u 2  ...  a m 1 u m
a 2   ( e 2 )  a 1 2 u 1  a 2 2 u 2  ...  a m 2 u m
...................................................
a n   ( e n )  a 1 n u 1  a 2 n u 2  ...  a m n u m

 a1 1 a1 2  a1 n  gọi là ma
a a 22  a2n  trận của 
A  21
đối với các
      cơ sở E và B.
 
 a m1 am 2  amn 
 Chú ý.
a) Khi V=W, ánh xạ tuyến tính : V  V được gọi là
tự đồng cấu (hay phép biến đổi tuyến tính) của V.
Để biểu diễn tự đồng cấu đó ta chỉ cần dùng một
cơ sở E = {e1 , e2 , . . . , en} của V, khi đó ma trận
A của tự đồng cấu  là một ma trận vuông cấp n
và được gọi là ma trận của tự đồng cấu  đối với
cơ sở E.
Ký hiệu End V là tập tất cả các tự đồng cấu của V, thì
ánh xạ End V  Mat(n; K) là một song ánh.
b) Cho ma trận A=[aij ] cỡ mn trong K, luôn có thể
xem nó là ma trận của đồng cấu Kn  Km trong các
cơ sở chính tắc của các không gian vectơ này. Mọi
ma trận vuông cấp n trong K luôn có thể coi là ma
trận của tự đồng cấu của Kn trong cơ sở chính tắc của
nó.
Ví dụ. Tìm ma trận đối với các cơ sở chính tắc (ma
trận chính tắc) của ánh xạ tuyến tính : R3  R4 xác
định bởi:
((x1 , x2 , x3))=(x1 + x2 , x1 - x2 , x3 , x1).
Ta có
(e1) = ((1,0,0))=(1,1,0,1)= e’1 + e’2+ + e’4
(e2) = ((0,1,0))=(1,-1,0,0)= e’1 - e’2
(e3) = ((0,0,1))=(0,0,1,0)= e’3
(e1) = ((1,0,0))=(1,1,0,1)= e’1 + e’2+ + e’4
(e2) = ((0,1,0))=(1,-1,0,)= e’1 - e’2
(e3) = ((0,0,1))=(0,0,1,0)= e’3
Khi đó
1 1 0
1 1 0 
A  
0 0 1
 
1 0 0
2. Biểu thức tọa độ
Cho axtt : VW, E là cơ sở của V và B là cơ sở của
W, A là ma trận của  đối với các cơ sở E, B. Lấy
vectơ xV, khi đó ta có:

A  x E   ( x) B

Nếu có thêm E’ là một cơ sở khác của V và B’ là cơ sở

khác của W. C là ma trận chuyển từ cơ sở E sang E’, D
là ma trận chuyển từ cơ sở B sang B’. Gọi A’ là ma trận
của  đối với các cơ sở E’, B’, ta có:
A’ = D-1AC.
Bài tập
I. Trong các ánh xạ sau, ánh xạ nào là ánh xạ tuyến tính?
a ) f: R 3  R 2 , ( x1 , x 2 , x3 )  (2 x1  x 2 , x 2  x3 )
b ) g: R  R , ( x1 , x 2 , x 3 )  ( x1  x 2 , x 2  x 3 , x 3  x1 )
3 3

c ) h: R 3  R 3 , ( x1 , x 2 , x 3 )  ( x1  x 2 , x 2  2, x3  x1 )
d ) k : R 3  R 3 , ( x1 , x 2 , x 3 )  ( x1  x 2 , x 2  x 3 ,1)
e )  :R n [ x ]  R n [ x ], p ( x )  p '( x )
1
f ) :R n [ x ]  R n [ x ] , p ( x )   p ( x )dx  2 p ( x )
0

g ) :R n [ x ]  R n+1 [ x ], p ( x )  xp ( x )
h ) : M ( n , K )  M ( n , K ), N  ANB
(A, B  M ( n , K ) cho truoc)
 II. Tìm ma trận của các ánh xạ tuyến tính đối với các
cơ sở chính tắc trong các câu sau ở BT I:
I. a,b,e,f,g
Gợi ý Rn[x]: không gian vectơ các đa thức có bậc  n,
cơ sở chính tắc:
{1, x, x2, …, xn} (dim Rn[x]=n+1)
III. Cho ánh xạ tuyến tính f: R2  R2 xác định bởi:
f(1,2)= (0,1), f(1,1)=(1,0).
a) Hãy xác định f(x1, x2).
b) Xác định ma trận của f đối với cơ sở chính tắc?
 Bài 4: Trị riêng – Vectơ riêng
1. Trị riêng – Vectơ riêng của ma trận
Định nghĩa 1. Cho A là ma trận vuông cấp n trên
trường K. K được gọi là trị riêng của A nếu có
vectơ x ≠ 0 thuộc Kn sao cho A[x] = [x]. Khi đó x
được gọi là vectơ riêng ứng với trị riêng .
Ở đây  x1 
x 
x  ( x1 , x2 ,..., xn ) x    
 2

 
 xn 
2. Cách tìm trị riêng, vectơ riêng của ma trận
Từ định nghĩa: A[x] = [x]  (A - I)[x] =O.
Đây là hệ phương trình tuyến tính thuần nhất.
Chú ý.  là trị riêng của A   là nghiệm của
phương trình:
det(A- I)=0 (phương trình đặc trưng của A).
Đa thức tương ứng PA()=det(A- I) được gọi là đa
thức đặc trưng của A.
Cách tìm trị riêng, vectơ riêng:
Bước 1. Giải phương trình đặc trưng
det(A- I)=0  Trị riêng 1 , 2 , …
Bước 2. Tìm vectơ riêng ứng với trị riêng tìm được
• Ứng với 1 : Giải hệ pttt:
(A - 1I)[x] =O
• Ứng với 1 : Giải hệ pttt:
(A - 1I)[x] =O
Nghiệm ≠ 0 của hệ pt là vectơ riêng.
 Không gian riêng. Gọi E() là tập hợp tất cả
các vectơ riêng ứng với trị riêng  và thêm vectơ 0.
Khi đó E() là không gian vectơ (và là không gian
nghiệm của hệ phương trình tuyến tính thuần nhất:
(A - I)[x] =O).
E() gọi là không gian riêng ứng với trị riêng .
Một cơ sở của E() là một hệ nghiệm cơ bản của
hệ phương trình tuyến tính thuần nhất.
Định lý. Nếu x1, x2, …, xn là các vectơ riêng ứng với
các trị riêng phân biệt 1,  2,…, n thì hệ {x1, x2, …,xn}
độc lập tuyến tính.
Ví dụ. Tìm trị riêng và vectơ riêng của ma trận
2 1 0 

A   0 1 1 
 0 2 4 

Giải. 2 1 0
det( A   I )  0  0 1  1  0
0 2 4
 2 1 0
det( A   I )  0  0 1  1  0
0 2 4
 (2   )( 2  5  6)  0
1  2, 2  3

• Với 1 = 2: Giải hệ pt: (A - 2I)[x] =O

 0 1 0   x1   x2 0  x1  a  R
 0 1 1  x   O   x  x  0   x  0
  2  2 3  2
 0 2 2   x3  2 x  2 x  0 x  0
 2 3  3
Vectơ riêng ứng với trị riêng 1 = 2 là
• Với 1 = 2: Giải hệ pt:
 0 1 0   x1   x2 0  x1  a  R
 0 1 1  x   O   x  x  0   x  0
  2  2 3  2
 0 2 2   x3  2 x  2 x  0 x  0
 2 3  3
Vectơ riêng ứng với trị riêng 1 = 2 là:
(a, 0, 0) = a(1, 0, 0) với aR, a≠0.
Không gian riêng E(2) có một cơ sở {(1, 0, 0)}.
Với 2 = 3: Giải hệ pt:
• Với 2 = 3: Giải hệ pt: (A - 3I)[x] =O
 1 1 0   x1   x1  x2  0
 0 2 1  x   O  2 x  x  0
  2  2 3

 0 2 1   x3  2 x  x  0
 2 3
 x1  x2  b  R

 x3  2b
Vectơ riêng ứng với trị riêng 1 = 3 là
(b, b, -2b) = b(1, 1, -2) với bR, b≠0.
Không gian riêng E(3) có một cơ sở {(1, 1, -2)}.
Định nghĩa 2. Hai ma trận vuông A và B cấp n được
gọi là đồng dạng với nhau nếu có ma trận vuông P cấp
n không suy biến sao cho
A=P-1BP
Ký hiệu AB.
Chú ý.
a) AB  det(A) = det(B), rank(A)=rank(B).
Thật vậy:
det(A)=det(P-1BP)=det(P-1) det(B) det(P)=det(B).
rank(A)=rank(P-1BP) rank(BP)  rank(B), tương tự:
rank(B) rank(A)  rank(A)=rank(B).
b) AB  PA() = PB().
2. Trị riêng – Vectơ riêng của axtt
Định nghĩa 2. Cho K-không gian vectơ V và phép
biến đổi tuyến tính f : V  V.
K được gọi là trị riêng của f nếu có vectơ x ≠0
thuộc V sao cho f(x) = x. Khi đó x được gọi là
vectơ riêng ứng với trị riêng .
Chú ý.  và x là trị riêng và vectơ riêng của phép
biến đổi tuyến tính f : V  V khi và chi khi  và x
là trị riêng và vectơ riêng ứng với một ma trận A
của f đối với một cơ sở nào đó.
 Bài 4: Chéo hóa ma trận vuông
1. Định nghĩa. Cho ma trận vuông A cấp n. Ma trận
vuông P cấp n không suy biến thỏa mãn:
P-1AP = D là ma trận chéo được gọi là ma trận làm
chéo A. Khi đó A được gọi là ma trận chéo hóa được.
2. Điều kiện chéo hóa được
Định lý. Ma trận vuông A cấp n là chéo hóa được khi và
chỉ khi A có n vectơ riêng độc lập tuyến tính. Khi đó các
phần tử nằm trên đường chéo chính của D là các trị riêng
của A và các cột ma trận của P là các vectơ riêng tương
ứng.
Hệ quả. Nếu ma trận vuông A cấp n có n trị riêng
phân biệt thì A chéo hóa được.
Ví dụ. Chéo hóa ma trận sau (nếu được):
1 3 3
 
A   3 5 3
 3 3 1 
Giải.
1  3 3
det( A   I )  0  3 5   3  0
3 3 1 
 (  1)(  2) 2  0    1 hay   2
•Với =1:
 0 3 3   x1   x2  x3  0
 3 6 3  x   O   x  2 x  x  0
  2  1 2 3

 3 3 0   x3  x  x  0
 1 2
 x1  a  R

 x1   x2  x3   x2   a
x  a
 3
 VTR (a, -a, a )  a (1, -1,1), a  0

Không gian riêng E(1) có một cơ sở {(1, -1,1)}.

•Với =-2:
 3 3 3   x1 
 3 3 3  x   O  x  x  x  0
  2 1 2 3

 3 3 3   x3 
 x1  a  R

  x2  b  R
 x  a  b
 3
 VTR ( a, b,  a  b), a  b  0
2 2

(a và b không đồng thời bằng 0)

Không gian riêng E(-2) có một cơ sở
{(1, 0,-1), (0, 1, -1)}.
Dễ dàng kiểm tra họ vectơ sau độc lập tuyến tính:
{(1, -1,1), (1, 0,-1), (0, 1, -1)} (Định thức ≠0).
 Dạng chéo của A:
1 0 0 

D  0 2 0  
0 0 2 

Ma trận làm chéo A tương ứng:

1 1 0

P   1 0 1  
 1 1 1
Dạng chéo của A: Ma trận làm chéo A tương ứng:
1 0 0  1 1 0
D  0 2 0  P   1 0 1 
0 0 2   1 1 1

 2 0 0  0 1 1
D   0 2 0  P   1 0 1
   
 0 0 1  1 1 1 

 2 0 0  1 1 0
D0 1 0 P   0 1 1 
   
 0 0 2   1 1 1
 Chương 3: DẠNG TOÀN PHƯƠNG
Bài 1: Dạng song tuyến tính và Dạng toàn phương
1. Các khái niệm
Định nghĩa 1. Cho V là K-không gian vectơ. Ánh xạ
: VV  K được gọi là dạng song tuyến tính trên V
nếu thỏa các điều kiện sau:
x, x1, x2, y, y1, y2 V, k K
i) (x1+ x2, y) = (x1, y) + (x2, y);
ii) (kx,y) = k(x,y);
iii) (x, y1 + y2 ) = (x, y1) + (x, y2);
iv) (x, ky) = k(x,y).
Dạng song tuyến tính được gọi là đối xứng nếu:
(x,y) = (y,x) với x, y V.
Nhận xét. m n m,n
 ( ki xi ,  l j y j )   ki l j ( xi , y j )
i 1 j 1 i 1, j 1

Định nghĩa 2. Cho V là K-không gian vectơ. Ánh xạ

q: V  K được gọi là dạng toàn phương trên V nếu
có một dạng song tuyến tính đối xứng  trên V sao
cho:
q(x) = (x,x), xV.
Ta nói dạng toàn phương q được xác định bởi dạng song
tuyến tính  và  là dạng cực của dạng toàn phương q.
Chú ý.
a) Cho trước dạng toàn phương q, thì dạng song tuyến
tính cực của nó là duy nhất.
CM. q(x+y)= (x+y,x+y) = (x,x)+2(x,y)+(y,y)
= q(x)+ 2(x,y)+q(y)
1
  ( x, y )  ( q( x  y )  q ( x)  q ( y ))
2
b) Với xV, kK, q(kx)= k2q(x).
Ta nói q có tính thuần nhất bậc hai.
c) Cho V=Rn, khi đó dạng toàn phương q được xác
định bởi: n
q ( x )  q ( x1 , x2 ,..., xn )  a
i , j 1
ij xi x j

với x = (x1, x2,…, xn)Rn.

Ví dụ 1. V=R3, ánh xạ:
 : R  R  R,  ( x, y )  x1 y1  x2 y2  2 x2 y3  2 x3 y2
3 3

x  ( x1 , x2 , x3 ), y  ( y1 , y2 , y3 )  R 3
là dạng song tuyến tính đối xứng trên R3. Dạng toàn
phương tương ứng là
q : R  R, q ( x)  q( x1 , x2 , x3 )  x1  x 2  4 x2 x3
3 2 2
Ví dụ 2. V=C[a,b] không gian các hàm số thực liên
tục trên [a,b]. Biểu thức
b
 ( x(t ), y (t ))   x(t ) y (t )dt
a

xác định một dạng song tuyến tính đối xứng  trên
C[a,b].
Dạng toàn phương tương ứng q được xác định bởi:
b
q ( x(t ))   x (t ) dt2

a
 Bài 2: Ma trận của dạng song tuyến tính
và dạng toàn phương – Công thức đổi cơ sở

1. Ma trận của dạng STT và dạng TP.

Cho K-không gian vectơ V, E = {e1 , e2 , . . . , en} là
một cơ sở. Với x, yV,
(x)E=(x1, x2,…, xn) và (y)E=(y1, y2,…, yn).
• Cho dạng STT : VV  K. Ta có:
n n n
 ( x, y )   ( xi ei ,  y j e j )   xi y j (ei , e j )
i 1 j 1 i , j 1

Đặt aij   (ei , e j ) và ma trận A   aij  n được gọi là

ma trận của dạng STT  trong cơ sở E.
Khi đó n
 ( x, y )   aij xi y j   x  E A  y E
i , j 1
Và được gọi là biểu thức tọa độ của  trong cơ sở E.
Nhận xét.  đối xứng  A là ma trận đối xứng.
• Cho dạng toàn phương q: V  K với dạng STT đối
xứng : VV  K là dạng cực của q. Gọi A là ma trận
của  trong cơ sở E (A đối xứng). Khi đó ta cũng gọi A
là ma trận của dạng toàn phương q trong cơ sở E. Hạng
của A được gọi là hạng của  (và q).
Ký hiệu: rank(), rank(q).
 (và q) được gọi là suy biến hay không suy biến tùy
theo ma trận A suy biến hay không suy biến.
Ta có biểu thức tọa độ của q trong cơ sở E:
n
q ( x )   ( x, x )   x  E A  x E  a xx ij i j
i , j 1

 a x  a x  ...  a x 
2
11 1
2
22 2
2
nn n 
1 i  j  n
2aij xi x j
Ngược lại: ánh xạ q: V  K, cho bởi đa thức đẳng
cấp bậc hai:
q ( x )  b11 x12  b22 x 22  ...  bnn x n2   bij xi x j
1 i  j  n
là dạng toàn phương trên V với ma trận trong cơ
sở E là A=[aij]n trong đó:
bij
aii  bii , aij  a ji  (1  i  j  n)
2
Chú ý. Khi V = Kn, dạng toàn phương q: KnK
còn được gọi là dạng toàn phương n biến trên K.
 Ví dụ. Ánh xạ
q: R  R
3

q(x)=q(x1,x2 ,x3 )=2x  3x  x  2x1x2  6x1x3  x2 x3

2
1
2
2
2
3

Xác định một dạng toàn phương 3 biến thực

Ở đây ma trận của q đối với cơ sở chính tắc là:
 
 2 1 3 
 
1 
A  1 3
 2 
 1 
 3  1
 2 
2. Công thức đổi cơ sở
Cho K-không gian vectơ V, E = {e1 , e2 , . . . , en} và
E’ = {e’1 , e’2 , . . . , e’n} là hai cơ sở.
: VV  K là dạng STT đối xứng và q: V  K là
dạng toàn phương được xác định bởi .
Gọi A ma trận của  (và q) đối với cơ sở E.
A’ ma trận của  (và q) đối với cơ sở E’.
C là ma trận chuyển cơ sở từ E qua E’.
Với mọi vectơ x, y  V, ta có:
[x]E=C[x]E’ [y]E=C[y]E’
 (x)E= (x)E’Ct.
(x,y) = (x)EA[y]E = (x)E’CtAC[y]E’ và
q(x) = (x)EA[x]E = (x)E’CtAC[x]E’
 A’ = CtAC
 Bài 3: Dạng chính tắc của DTP
1. Dạng chính tắc
Định nghĩa. Cho V là không gian vectơ n chiều và
dạng toàn phương q: V  K. Nếu biểu thức tọa độ
của q trong cơ sở E có dạng:
q( x)  a x  a x  ...  a x
2
1 1
2
2 2
2
n n

(có thể có những số hạng bằng 0)

ta nói q có dạng chính tắc và E được gọi là cơ sở
chính tắc đối với q hay q-chính tắc.
Khi đó ma trận của q đối với cơ sở E có dạng chéo:

a1 0  0 
0 a  0 
A  2 
    
 
 0 0  an 
Định lý. Cho V là không gian vectơ n chiều và dạng
toàn phương q: V  K. Luôn tồn tại cơ sở q-chính tắc.
Chứng minh
Qui nạp theo số chiều n của V.
n=1: Hiển nhiên.
Giả sử đúng với n-1, ta chứng minh đúng với n.
Gọi E là cơ sở của V và biểu thức tọa độ của q trong
cơ sở E có dạng:

q(x)  q(x1,..., xn )  a x a x ...a x 

2
1 1
2
2 2
2
n n  2a x x
1i jn
ij i j

Xét 2 trường hợp:

• Trường hợp1: Tồn tại ai0, giả sử a10.
a1 j
q( x)  a1 ( x  2
2
1 x1 x j )  q '( x2 ,..., xn )
j 1 a1
a1 j
 a1 ( x1   x j )  q1 ( x2 ,..., xn )
2

j 1 a1
Đặt a1 j
y1  x1   xj
j 1 a1
y2  x2 ,..., yn  xn
Gọi B ={u1, u2,…,un} là cơ sở của V sao cho
 x  B  ( y1 , y2 ,..., yn )
Đặt V1=<u2,…,un>, dim V1 = n-1, khi đó
q1 ( y2 ,..., yn ) là dạng toàn phương trên V1, theo qui
nạp, tồn tại cơ sở {v 2 ,..., vn } của V1 sao cho q1 có
dạng chính tắc:
q1 ( y2 ,..., yn )  b2 z22  ...  bn zn2
 q ( x)  a z  b z  ...  b z , y1  z1
2
1 1
2
2 2
2
n n

Cơ sở q-chính tắc là:

U={u1 ,v 2 ,..., vn }
• Trường hợp 2: a1 = a2=…= 0, tồn tại aij  0
Đặt
xi  yi  y j
x j  yi  y j
xk  yk k  i, j

và đưa về trường hợp 1.

Ví dụ 1. Đưa dạng toàn phương về dạng chính tắc:
q : R  R, q(x)  q(x1, x2 , x3 )  2x  4x1x2  2x2x3
3 2
1
q(x)  2( x  2 x1 x 2  x )  2 x  2 x 2 x3
2
1
2
2
2
2

x3 x 32 x 32
 2( x1  x 2 )  2( x  2 x 2 . 
2 2
2 )
2 4 2
2
x3 2 x
 2( x1  x 2 )  2( x 2  )  3
2

2 2
 y1  x1  x2


Dùng phép biến đổi tọa độ:  y  x  3 x
2 2
 2
 y 3  x3
  y3
 x1  y1  y 2 
 y1  x1  x2 2
 
 x3  y3
 y 2  x2    x2  y 2 
 2  2
 y 3  x3  x3  y 3


Ta có dạng chính tắc:
1 2
q(x)  q ( y1 , y 2 , y3 )  2 y 1  2 y  y 3
2 2
2
Xác định cơ sở q-chính tắc:
2
Cơ sở ban đầu:
  e1 , e2 , e3  , e1  (1, 0, 0), e2  (0,1, 0), e3  (0, 0,1)
Cơ sở mới (q-chính tắc): U  u1 , u 2 , u3 
Ma trận C chuyển cơ sở từ  qua U là:
 1 
1 1
2 
 
1
C  0 1 
 2 
0 0 1 
 
 
1 1
 u1  (1, 0, 0), u 2  (1,1, 0), u 3  ( , ,1)
2 2
 Ví dụ 2. Đưa dạng toàn phương về dạng chính tắc:
q : R  R, q( x)  q ( x1 , x2 , x3 )  2 x1 x2  4 x2 x3
3

Dùng phép biến đổi tọa độ:

 x1  y1  y 2

 x2  y1  y 2
x  y
 3 3

 q(x)  2( y1  y )  4( y1  y 2 ) y3
2 2
2

 2 y1  2 y  4 y1 y3  4 y 2 y3
2 2
2

 2( y1  2 y1 y3  y )  2 y  2 y  4 y 2 y3
2 2
3
2
2
2
3
q ( x )  2 ( y1  y 3 )  2 ( y  2 y 2 y 3  y )
2 2
2
2
3

 2 ( y1  y 3 )  2 ( y 2  y 3 )
2 2

 z1  y1  y 3  y1  z1  z 3
 
 z 2  y2  y3   y 2  z 2  z3
z  y y  z
 3 3  3 3

 x1  z 1  z 2  2 z 3

  x 2  z1  z 2
x  z
 3 3

q (x )  q ( z 1 , z 2 , z 3 )= 2 z 1  2 z
2 2
2
 Xác định cơ sở q-chính tắc:
Cơ sở ban đầu:
  e1 , e2 , e3  , e1  (1, 0, 0), e2  (0,1, 0), e3  (0, 0,1)
Cơ sở mới (q-chính tắc): U  u1 , u 2 , u3 
Ma trận C chuyển cơ sở từ  qua U là:
1 1 2 

C  1 1 0 
 0 0 1 
 u1  (1,1, 0), u 2  (  1,1, 0), u 3  (  2, 0,1)
 Bài tập. Đưa dạng toàn phương về dạng chính tắc và
xác định cơ sở q-chính tắc tương ứng:

a) q : R  R, q(x)  q(x1, x2 , x3 )  2x  4x1x3  4x2 x3

3 2
1

b) q : R  R, q(x)  q(x1, x2 , x3 )  4x1x2  2x2 x3

3
2. Dạng chuẩn tắc
Định nghĩa. Cho V là không gian vectơ n chiều và
dạng toàn phương q: V  K. Nếu biểu thức tọa độ của
q trong cơ sở E có dạng:
q ( x)  x  x  ...  x  x
2
1
2
2
2
s
2
s 1  ...  x
2
r

(0  s  r  n)
ta nói q có dạng chuẩn tắc và E được gọi là cơ sở
chuẩn tắc đối với q hay q-chuẩn tắc.
Định lý. Cho V là không gian vectơ thực n chiều và
q: V  R là dạng toàn phương thực. Luôn tồn tại cơ sở
q-chuẩn tắc.
 Bài 3: Chỉ số quán tính
Dạng toàn phương xác định dấu
1. Chỉ số quán tính
Định lý quán tính. Số các hệ số dương và số các hệ số
âm trong dạng chính tắc của dạng toàn phương q là
những đại lượng bất biến.
Ký hiệu:
s là số các hệ số dương, gọi là chỉ số quán tính dương
của dạng toàn phương q.
t là số các hệ số âm, gọi là chỉ số quán tính âm của dạng
toàn phương q.
Cặp (s,t) gọi là chỉ số quán tính của dạng toàn phương q.
2. Tính xác định dấu của dạng toàn phương
Định nghĩa. Cho V là không gian vectơ n chiều trên
trường số thực R. Dạng toàn phương q: V R được gọi
là:
- Xác định dương nếu q(x) > 0 x   n , x  0;
- Nửa xác định dương (không âm) nếu
q(x)  0 x   n
- Xác định âm nếu q(x) < 0 x   , x  0;
n

- Nửa xác định âm (không dương) nếu

q(x)  0 x   n

- Không xác định dấu nếu nó nhận cả giá trị âm và

dương.
Ví dụ. Xác định dấu của dạng toàn phương:
q:R  R 3

a) q( x)  2 x  x  3 x
2
1
2
2
2
3
xác định dương

b) q ( x )  x  2 x
2
1
2
2
nửa xác định dương

c) q( x)  2 x  3 x  x
2
1
2
2
2
3
xác định âm

d ) q ( x )  2 x  3 x
2
1
2
3
nửa xác định âm

e) q ( x )  2 x  x  3 x
2
1
2
2
2
3
không xác định dấu
Định lý 1. Cho V là không gian vectơ n chiều trên
trường số thực R và dạng toàn phương q: V R.
(i) q là xác định dương khi và chỉ khi tất cả n hệ số
trong dạng chính tắc đều dương.
(ii) q là xác định âm khi và chỉ khi tất cả n hệ số trong
dạng chính tắc đều âm.
Cho dạng toàn phương q: V R có ma trận trong cơ sở E

 a11 a12  a1n 

a a22  a2 n 
A  21

   
 
 an1 an 2  ann 
Đặt:
a11 a12
D1  a11 , D2  , ..., Dn  det( A)
a21 a22
D1, D2, …, Dn được gọi là các định thức con chính
Định lý 2. (Sylvester) Cho V là không gian vectơ n
chiều trên trường số thực R và dạng toàn phương
q: V R.
(i) q là xác định dương khi và chỉ khi tất cả các định
thức con chính của ma trận của q trong một cơ sở nào
đó đều dương.
(ii) q là xác định âm khi và chỉ khi các định thức con
chính cấp chẵn đều dương, các định thức con chính cấp
lẻ đều âm.
(Tức là ( 1) k Dk  0, k  1, 2,..., n))
Ví dụ. Xác định dấu của dạng toàn phương q : R  R
3

q ( x)  4 x  3x  3x  6 x1 x2  4 x1 x3  2 x2 x3
2
1
2
2
2
3
Ta có:
 4 3 2 
A   3 3  1 
  2 1 3 

4 3 2
4 3
D1  4, D 2   3, D 3  3 3 1  5
3 3
2 1 3
 q(x) xác định dương.
 Ví dụ. Xác định dấu của dạng toàn phương q : R 3  R
q ( x)   x  5 x  14 x  2 x1 x2  16 x2 x3  4 x1 x3
2
1
2
2
2
3
Ta có:
 1 1 2 

A   1 5 8  
  2 8  14 

1 1 2
1 1
D1   1, D 2   4, D3  1 5 8  4
1 5
2 8  14
 q(x) xác định âm.
 Chương 4: Không gian Vectơ Euclide
Bài 1: Khái niệm Không gian Vectơ Euclide

1. Tích vô hướng và không gian Vectơ Euclide

Định nghĩa. Cho V là không gian vectơ trên R. Tích
vô hướng trong V là một dạng song tuyến tính đối
xứng xác định dương
< , >: V  V  R, (x,y)  <x,y>
Tức là thỏa các điều kiện:
x, x1, x2, y, y1, y2 V, k R
i) <x1+ x2, y> = <x1, y>+ <x2, y>;
<kx,y> = k<x,y>;
ii) <x, y1+y2 > = <x, y1> + <x, y2> ;
<x, ky> = k<x,y>;
iii) <x,y> = <y,x>;
iv) <x,x>  0 và
<x,x> = 0  x =0.
Không gian vectơ thực V trong đó xác định một tích
vô hướng được gọi là không gian vectơ Euclide.
Ta thường dùng chữ E để ký hiệu không gian vectơ
Euclide.
Chú ý.  0, x  x, 0  0
n m n,m
  ai xi ,  b j y j   ai b j  xi , y j 
i 1 j 1 i 1, j 1

Ví dụ.
a) Không gian vectơ Rn với tích vô hướng xác định
bởi:
x  ( x1 , x2 ,..., xn ), y  ( y1 , y2 ,..., yn )  R n

 x, y  x1 y1  x2 y2  ...  xn yn
là không gian vectơ Euclide.
b) Không gian C[a,b] các hàm số thực liên tục trên
[a,b] với tích vô hướng:
x(t ), y (t )  C[a,b],
b
<x(t),y(t)>=  x(t).y(t)dt
a
là không gian vectơ Euclide.
2. Độ dài của vectơ
Cho E là kgvt Euclide với tích vô hướng < , >. Độ dài
(hay là chuẩn) của vectơ xE, ký hiệu ||x||, được xác
định bởi:
|| x ||  x, x 
Vectơ có độ dài 1 được gọi là vectơ đơn vị.
Chú ý.
a) ||x||  0 và ||x|| = 0  x = 0.
b) ||kx|| = |k|.||x||
c) Với vectơ x0, ta có vectơ đơn vị:
1
ex  x
|| x ||
d) Bất đẳng thức Cauchy-Bunhiacopski (Schawarz):
|<x,y>|  ||x||.||y||
dấu bằng xảy ra  x và y phụ thuộc tuyến tính.
Chứng minh.
• Với x=0: Rõ.
• Với x0: ta có với tR,
<tx+y, tx+y>  0  <x,x> t2 + 2<x,y> t + <y,y>  0
||x||2 t2 + 2<x,y> t + ||y||2  0
 <x,y>2 - ||x||2||y||2  0  |<x,y>|  ||x||.||y||
Dấu “=” xảy ra  tx+y =0  x, y phụ thuộc tuyến
tính.
Đặc biệt:
• Trong Rn :
| x1y1  x2 y2 ... xn yn | x12  x22 ... xn2 y12  y22 ... yn2
• Trong C[a,b]:
b b 1 b 1

a  a a dt )
2 2
x(t ). y (t ) dt ( x(t ) dt2
) .( y (t ) 2

e) Bất đẳng thức tam giác:

||x+y||  ||x|| + ||y|| (BT)
Suy ra: ||x|| - ||y||  ||xy||  ||x|| + ||y||
f) Đẳng thức hình bình hành:
||x+y||2 + ||x-y||2 = 2(||x||2 + ||y||2)
3. Góc của hai vectơ
Cho E là kgvt Euclide với tích vô hướng < , >. Góc
của hai vectơ x,yE (x0, y0), ký hiệu ( x, y )
Được xác định bởi
 x, y 
cos( x, y ) 
|| x || . || y ||
0  ( x, y )  
Nhận xét.
( x, y ), ab  0
(ax, by )  
  ( x, y ), ab  0
 Bài 2: Các vectơ trực giao
1. Khái niệm vectơ trực giao
Cho E là kgvt Euclide với tích vô hướng < , > và
x, yE. x được gọi là trực giao với y nếu <x,y>=0.
Ký hiệu x  y.
Tính chất.
i. 0  x, x x  x = 0;
ii. x  y  ||x+y||2 = ||x||2 + ||y||2 (Pythagore);

iii. x  y  (x,y ) =
2
2. Hệ vectơ trực giao và trực chuẩn
Cho E là kgvt Euclide với tích vô hướng < , >.
Một họ vectơ của E được gọi là hệ trực giao nếu hai
vectơ bất kỳ của hệ đều vuông góc.
Hệ vectơ trực giao được gọi là trực chuẩn nếu mọi
vectơ của hệ đều có độ dài bằng 1.
Chú ý. Cho {x1, x2, … , xm }E là hệ trực giao trong
đó tất cả các vectơ đều khác 0. Khi đó ta có hệ trực
chuẩn:
1 1 1
e1  x1 , e2  x2 ,..., em  xm
|| x1 || || x2 || || xm ||
 Chú ý. Hệ trực giao không chứa vectơ 0 là độc lập
tuyến tính.
CM. Cho {x1, x2, … , xm }E là hệ trực giao. Giả sử

k1x1 +k 2 x 2 +...+k m x m =0
 <k1x1 +k 2 x 2 +...+k m x m ,xi >=0 i  1,..., m
 <k i x i ,xi >=0  ki <x i ,x i >=0  k i  0 i  1,..., m
 3. Thuật toán trực chuẩn hóa Gram-Schmidt
Cho {u1, u2, … , un} là họ vectơ độc lập tuyến tính
của không gian vectơ E.
• Thuật toán trực giao hóa
i) Đặt v1 = u1
 u 2 , v1 
ii) Đặt v2  u 2  v1  v2  v1
 v1 , v1 
iii) Với n>1, đặt:
 un , v1   un , v2   un , vn1 
vn  un  v1  v2  ...  vn1
 v1, v1   v2 , v2   vn1, vn1 
 vn  v1 , vn  v2 ,..., vn  vn 1
Ta thu được hệ trực giao v1 , v2 ,..., vn 
 • Thuật toán trực chuẩn hóa
1
i) Đặt v1  u1  w 1  v1 .
|| v1 ||
1
ii) Đặt v2  u 2   u 2 , w 1  w 1  w 2  v2
|| v2 ||
iii) Với n>1, đặt:
vn  un  un ,w1  w1 un ,w2  w2 ... un ,wn1  wn1
1
wn  vn
|| vn ||
Ta được hệ trực chuẩn w 1 , w 2 ,..., w n 
 Ví dụ. R3 với tích vô hướng thông thường. Trực
chuẩn hóa họ vectơ
{u1=(1,1,1), u2=(0,1,1), u3=(0,0,1)}
Giải. Kiểm tra họ đltt.
1 1 1 1 1
v1=u1  (1,1,1) w1  v1  (1,1,1)  ( , , )
|| v1 || 3 3 3 3
2 1 1 1 2 1 1
v2  u2   u2 , w1  w1  (0,1,1)  ( , , )  ( , , )
3 3 3 3 3 3 3
1 3 2 1 1 2 1 1
 w2  v2  ( , , )  ( , , )
|| v2 || 2 3 3 3 3 6 6
v3  u3  u3,w1  w1 u3,w2  w2 
1 1 1 1 1 2 1 1
 (0,0,1)  ( , , )  ( , , )
3 3 3 3 6 3 6 6
111 11 1 1 1
 (0,0,1)  ( , , )  ( , , )  (0,  ,  )
333 36 6 2 2
1 1 1 1 1
 w3  v3  2(0,  ,  )  (0,  ,  )
|| v3 || 2 2 2 2
Ta có hệ trực chuẩn
w1, w2 , w3
BT (tương tự) R3 với tích vô hướng thông thường.
Trực chuẩn hóa họ vectơ
{u1=(1,1,0), u2=(1,1,1), u3=(1,0,0)}
Ví dụ. Trong không gian vectơ Euclide các đa thức
bậc  2 trên trường số thực R2[x] với tích vô hướng:
1
 f , g   f ( x) g ( x)dx
1

Hãy trực chuẩn hóa họ vectơ {1, x, x2}?

Giải.
1 1 1
v1 = 1  w 1  1 
|| 1 || 1
2

1
dx
 1
1 1 x
v2  x   x , .  x   dx
2 2 1
2
2 1
x
 x x
4 1

1 1 3
 w2  v2  x x
|| v2 || 1 2

2
x dx
1
v3  u3   u3 ,w1  w1   u3, w2  w2 
1 1 3 3
 x  x ,
2 2
  x , x  x
2

2 2 2 2
1 1
1 2 1 3 3 3
x 
2
x dx.   x dx. x
1 2 2 1 2 2
1
x 
2

3
 1 1 1
 w3  v3  (x  )
2

|| v3 || 1
1 2 3
1 
2
( x ) dx.
3
1 1 45 2 1
 (x  ) 
2
(x  )
8 3 8 3
45
 Bài 3: Cơ sở trực giao và cơ sở trực chuẩn

1. Khái niệm cơ sở trực giao, cơ sở trực chuẩn

Định nghĩa. Cho không gian vectơ Euclide E n chiều.
Cơ sở B={e1, e2, …, en} của E được gọi là cơ sở trực
giao (trực chuẩn) nếu B là hệ trực giao (trực chuẩn).
Tính chất.
i) Với một cơ sở đã cho, theo phương pháp trực giao
(trực chuẩn) hóa Gram – Schmidt, ta đều có thể đưa về
cơ sở trực giao (trực chuẩn).
ii) Mọi hệ trực giao (trực chuẩn) đều có thể bổ sung
thành cơ sở trực giao (trực chuẩn).
iii) Cho B={e1, e2, …, en} là cơ sở trực chuẩn của E,
x, y  E, (x)B=(x1, x2,…,xn), (y)B=(y1, y2,…,yn). Ta có:
a) <x, ei> = xi (i=1,2,…,n)
b) <x, y> = x1 y1 + x2 y2 + … + xnyn

c) || x || x12  ...  xn2

x1 y1  ...  xn yn
d ) Cos(x,y)=
x  ...  x
2
1
2
n y  ...  y
2
1
2
n
2. Ma trận trực giao
Ma trận vuông A cấp n được gọi là ma trận trực giao
nếu
A.At = I (tức là At =A-1).
Chú ý. Ma trận chuyển từ một cơ sở trực chuẩn sang
một cơ sở trực chuẩn khác là ma trận trực giao (BT).
3. Không gian con trực giao, phần bù trực giao
Cho không gian vectơ Euclide E, X và Y là các không
gian vectơ con của E.
Định nghĩa.
Vectơ u  E được gọi là trực giao với X nếu ux,
xX. Ký hiệu uX
X được gọi là trực giao với Y nếu xX, yY ta có
x  y. Ký hiệu X  Y.
Định lý – Định nghĩa. Cho Không gian vectơ Euclide
E, và L là không gian vectơ con của E. Khi đó mọi
vectơ x  E đều có thể viết duy nhất dưới dạng:
x = x’ + y, trong đó x’ L, y  L.
Vectơ x’ được gọi là hình chiếu trực giao của x trên L
và y được gọi là đường trực giao hạ từ x tới L.
Chứng minh.
• L={0}: x = 0 + x (x’=0, y = x).
• L  {0}: Ta cần tìm x’  L thỏa mãn định lý. Gọi
{e1, e2, …, em} là một cơ sở trực chuẩn của L. Khi đó
x’= x1 e1 + x2 e2 + … + xmem .
Ta cần xác định x1 ,…, xm
Vì y = x – x’  L, nên <x - x’,ei> = 0, i=1,2,…,m.
Suy ra <x,ei> = <x’, ei>
 <x,ei> = <x1 e1 + x2 e2 + … + xmem ,ei> .
<x,ei> = xi
Vậy tồn tại duy nhất x’ và y = x-x’ thỏa định lý.
Định nghĩa. Cho Không gian vectơ Euclide E, L là
không gian vectơ con của E. Tập hợp tất cả các vectơ
của E trực giao với L được gọi là phần bù trực giao
của L. Ký hiệu L.
Chú ý. Dễ thấy L là một không gian con của E.
Tính chất. Cho L, L1, L2 là các không gian con của E.
Ta có:
i) E = L  L, suy ra dim E = dim L+ dim L.
ii) (L)  = L.
iii) L1  L2  L2  L1 .
iv) (L1 + L2 )  = L1  L2 .
(L1  L2 )  = L1 + L2 .
 4. Chéo hóa trực giao ma trận đối xứng thực
Định nghĩa. Cho A là ma trận đối xứng thực cấp n. Nếu
tồn tại ma trận trực giao P cấp n sao cho PtAP là ma trận
đường chéo thì ta gọi A là ma trận chéo hóa trực giao
được và P là ma trận làm chéo hóa trực giao A.
Chú ý.
a) Mọi ma trận đối xứng thực đều có thể chéo hóa trực
giao được.
b) Nếu A là ma trận đối xứng thực, thì các vectơ riêng
ứng với các trị riêng khác nhau vuông góc với nhau.
• Thuật toán chéo hóa trực giao:
•Thuật toán chéo hóa trực giao:
Bước 1: Giải phương trình đặc trưng
det(A - I) =0  Các trị riêng 1 , 2 , …
Bước 2: Xét tại các trị riêng:
= 1 : Giải hệ (A - 1 I)X = O, …..
suy ra hệ nghiệm cơ bản, dùng phương pháp trực chuẩn
hóa Gram-Schmidt để được hệ trực chuẩn.
Bước 3: Lập ma trận P bằng cách lấy các cột là các vectơ
của hệ trực chuẩn và suy ra dạng chéo của A tương ứng
(trên đường chéo là các trị riêng, thứ tự sắp xếp tương ứng
với thứ tự các vectơ).
Ví dụ. Chéo hóa trực giao ma trận đối xứng:
2 1 1
A  1 2 1 
1 1 2 
Giải
Bước 1:

2 1 1
1 2 1  0  ( 1) (4  )  0
2

1 1 2
   1,   4
• Với =1: Giải hệ pttt
1 1 1x1  x1 ab
   
(A I)X  O1 1 1x2   Ox1  x2  x3  0  x2  a
1 1 1x   x b
 3   3
  1   1
Ta có một hệ nghiệm cơ bản: u 1   1  , u 2   0 
 0   1 

Trực chuẩn hóa Gram-Schmidt thu được hệ trực chuẩn:

   1    1  
    
 2   6  
 
  1    1  
 w 1    , w 2    
 2  6  
 
  0   2  
     
  6  
• Với =4: Giải hệ pttt
2 1 1   x1 
( A  4 I ) X  O   1 2 1   x 2   O
 1 1  2   x 3 
  2 x1  x2  x3  0  x1  c
 
  x1  2 x2  x3  0   x 2  c
 x  x  2 x  0 x  c
 1 2 3  3
Hệ nghiệm cơ bản gồm 1 vectơ:
 1  
   
 u 3  1  
  1  
  
   1 
Chuẩn hóa u3 ta được:   
  3 
  1 
w 3    
  3 
  1 
  3 
  
Bước 3: Ma trận làm chéo trực giao và dạng chéo hóa
 1 1 1 

 2 6 3 
 1 0 0
 1
P  
1 1  
P AP  0
t
1 0 
 2 6 3 
 2 1   0 0 4 
 0 3 
 6
Ví dụ. Chéo hóa trực giao ma trận đối xứng:
 6 2 1
A   2 6 1
 1 1 5 
Giải (BT)
Bước 1:
6   2 1
2 6   1  0  (3  )(  8)(  6)  0
1 1 5  
   3,   8,   6
BT. Chéo hóa trực giao ma trận đối xứng:
4 1 1 0 0 1 0 0 0
A  1 4 1  B  0 1 0  C  0 2 2 
1 1 4  1 0 0  0 2 2 
0 0 1 0 0 1 0 0 1
D  0 1 2  E  0 1 1  F  0 1 1
1 2 2 1 1 1 1 1 1 
5. Phép biến đổi trực giao và phép biến đổi đối xứng
a) Phép biến đổi trực giao
Định nghĩa. Cho kgvt Euclide E. Phép biến đổi
tuyến tính f: E  E được gọi là phép biến đổi trực
giao của E nếu với mọi x, y  E ta có:
<f(x),f(y)> = <x,y>.
Định lý. Cho phép biến đổi tuyến tính f: E  E. Các
mệnh đề sau tương đương:
Định lý. Cho phép biến đổi tuyến tính f: E  E. Các
mệnh đề sau tương đương:
i) f là phép biến đổi trực giao;
ii) f bảo toàn độ dài của một vectơ, tức là xE,
||f(x)|| = ||x||;
iii) f biến một cơ sở trực chuẩn thành một cơ sở trực
chuẩn;
iv) Ma trận của f trong một cơ sở trực chuẩn là ma
trận trực giao.
 Chứng minh.
i)  ii). xE,
||f (x )|| = <f (x ),f (x)> = <x,x > =||x||;
ii)  i). x, yE,
1
<f ( x),f ( y)> = (|| f (x)  f ( y) ||2  || f (x) ||2  || f ( y) ||2 )
2
1
= (|| f ( x  y) ||  || f (x) ||  || f ( y) || )
2 2 2

2
1
= (|| x  y ||  || x ||  || y || )  x, y 
2 2 2

2
i) iii). Giả sử {e1, e2,…, en} là một cơ sở trực chuẩn
của E. Ta có:
 1, i= j
 f (ei ), f (e j )    ei , e j  
0, i  j
{f(e1), f(e2),…, f(en)} cũng là một cơ sở trực chuẩn
của E.
iii)  iv). Giả sử {e1, e2,…, en} là một cơ sở trực chuẩn
của E. Khi đó {f(e1), f(e2),…, f(en)} cũng là một cơ sở
trực chuẩn của E.
Gọi A là ma trận của f đối với cơ sở trực chuẩn
{e1, e2,…, en}. Dễ thấy A là ma trận chuyển từ cơ sở trực
chuẩn {e1, e2,…, en} sang cơ sở trực chuẩn
{f(e1), f(e2),…, f(en)}, do đó A là ma trận trực giao.
iv)  i). Giả sử {e1, e2,…, en} là một cơ sở trực chuẩn
của E. A là ma trận của f đối với cơ sở {e1, e2,…, en},
theo giả thiết A là ma trận trực giao. Lấy x, y E, giả
sử  x1   y1 
x  y 
 x E   2,

 y E   2
 
   
 xn   yn 
 x, y  x1 y1  x2 y2  ...  xn y n   x E  y E
t

f(x) E  A  x E f(y) E  A  y E
 f(x),f(y>=  f(x) E  f(y) E   x E A t A  y E
t t

=  x E I  y E =  x E  y E =<x,y>.
t t
b) Phép biến đổi đối xứng
Định nghĩa. Cho kgvt Euclide E. Phép biến đổi tuyến
tính f: E  E được gọi là phép biến đổi đối xứng của E
nếu với mọi x, y  E ta có:
<f(x),y> = <x,f(y)>.
Định lý. Cho phép biến đổi tuyến tính f: E  E. Khi
đó f là phép biến đổi đối xứng khi và chỉ khi ma trận
của f trong cơ sở trực chuẩn là ma trận đối xứng.
Giới hạn ôn tập
1) Tìm Chiều Và cơ sở của các không gian con sinh
bởi một họ vectơ và không gian nghiệm hpttt
thuần nhất.
2) Chiều của không gian Tổng, Giao.
3) Xác định ánh xạ TT: f: VW, f đơn cấu (Ker f=0),
f toàn cấu (Im f = W dim Im f=dimW); F đẳng
cấu.
4) Ma trận của axtt, dim Imf, dim Ker f.
5) Dạng toàn phương xác định âm, dương.
6) Chéo hóa trực giao.
7) Bài toán trong kgvt, kgvt Euclide (1 đến 1,5
điểm)