Chương 3.

Không gian vectơ

 GIỚI THIỆU CHƢƠNG
• Chúng ta đã biết vectơ là đại lượng có hướng với các phép toán cộng vectơ
và nhân vectơ với một số:
𝒚 𝒙
𝝀𝒙 𝝀>𝟎

𝒙 𝝀𝒙 𝝀<𝟎
1) 𝑥 + 𝑦 + 𝑧 = 𝑥 + 𝑦 + 𝑧 5) 𝜆 𝑥 + 𝑦 = 𝜆𝑥 + 𝜆𝑦
2) 𝑥 + 0 = 𝑥 6) 𝜆 + 𝜇 𝑥 = 𝜆𝑥 + 𝜇𝑥
3) 𝑥 + −𝑥 = 0 7) 𝜆 𝜇𝑥 = 𝜇 𝜆𝑥 = 𝜆𝜇 𝑥
4) 𝑥 + 𝑦 = 𝑦 + 𝑥 8) 1𝑥 = 𝑥

• Ma trận, đa thức, nghiệm của hệ pt tuyến tính và nhiều đối tượng toán học
khác cũng có 8 đặc tính trên. Vì vậy người ta gom chúng lại để nghiên cứu
trong một mô hình chung gọi là “Không gian vector”.
 3.1. Khái niệm không gian vectơ

3.1.1. Định nghĩa

Cho tập hợp khác rỗng 𝑉 trên đó đã trang bị các phép toán:
- Phép cộng: Biến hai phần tử 𝑥, 𝑦 thuộc 𝑉 thành một phần tử thuộc 𝑉
ký hiệu là 𝑥 + 𝑦 và gọi là tổng của 𝑥 và 𝑦.

- Phép nhân với vô hƣớng: Biến một số 𝜆𝜖ℝ và một phần tử x thuộc 𝑉
thành một phần tử thuộc 𝑉 ký hiệu là 𝜆𝑥 và gọi là tích của 𝜆 với 𝑥.

Nếu tập 𝑉 cùng với hai phép toán ấy thỏa 8 tiên đề sau thì 𝑉 gọi là một
không gian vectơ trên 𝑅 (hay 𝑅 − 𝑘𝑔𝑣𝑡 𝑉). Tám tiên đề đó là:
1) 𝑥 + 𝑦 = 𝑦 + 𝑥, ∀𝑥, 𝑦 ∈ 𝑉.
2) 𝑥 + 𝑦 + 𝑧 = 𝑥 + (𝑦 + 𝑧), ∀𝑥, 𝑦, 𝑧 ∈ 𝑉 .

3) Tồn tại 𝜃 ∈ 𝑉: x +𝜃 = 𝑥, ∀𝑥 ∈ 𝑉.

4) Với mỗi x thuộc V, tồn tại x’ thuộc V sao cho: 𝑥 + 𝑥 ′ = 𝜃.

5) ∀𝛼, 𝛽 ∈ 𝑅 và ∀x ∈ 𝑉 ta luôn có: 𝛼 + 𝛽 𝑥 = 𝛼𝑥 + 𝛽𝑥.
6) ∀𝛼 ∈ 𝑅 và ∀ 𝑥, 𝑦 ∈ 𝑉 ta luôn có 𝛼 𝑥 + 𝑦 = 𝛼𝑥 + 𝛼𝑦.
7) ∀ 𝛼, 𝛽 ∈ 𝑅 và ∀𝑥 ∈ 𝑉 ta luôn có 𝛼𝛽 𝑥 = 𝛼 𝛽𝑥 .
8) ∀ 𝑥 ∈ 𝑉: 1𝑥 = 𝑥.
 Chú ý: Nếu V là không gian vectơ thực thì:

- Mỗi phần tử của 𝑉 sẽ gọi là một vectơ.

- Mỗi số thực ta còn gọi là một vô hƣớng.

- Phần tử θ thoả x + θ = x, ∀x ∈ V gọi là vectơ – không. Trong mỗi
không gian vectơ có duy nhất một vectơ – không. Kí hiệu: 0.
- Với mỗi x ∈ 𝑉 thì tồn tại duy nhất phần tử 𝑥 ′ ∈ V ∶ 𝑥 + 𝑥 ′ =
0 và 𝑥 ′ gọi là vectơ đối của x. Kí hiệu: 𝑥 ′ = −𝑥.
Các mô hình không gian vectơ
Có rất nhiều mô hình không gian vectơ trên trường số thực. Ở đây ta chỉ
giới thiệu 3 mô hình cơ bản nhất.
a) Mô hình 1:
Cho tập hợp ℝn = x = x1 , x2 , ⋯ , xn x1 , x2 , … , xn ∈ ℝ .
Giả sử x= x1 , x2 , ⋯ , xn , y = y1 , y2 , ⋯ , yn thuộc ℝn và λ ∈ ℝ.
Ta định nghĩa phép cộng và nhân ngoài nhƣ sau:
𝑥 + y = 𝑥1 + 𝑦1 , 𝑥2 + 𝑦2 , ⋯ , 𝑥𝑛 + 𝑦𝑛
𝜆𝑥 = 𝜆𝑥1 , 𝜆𝑥2 , ⋯ , 𝜆𝑥𝑛
thì ℝn cùng với hai phép toán trên lập thành một không gian vectơ trên trƣờng
số thực.
Lưu ý:
• Hai phép toán cộng và nhân ngoài đã trang bị nhƣ trên gọi là hai phép
toán thông thƣờng trên 𝑅𝑛 .
• xi gọi là các thành phần toạ độ thứ i của vector x=(x1 ;x2 ; … ; xn ) với
𝑖 = 1,2 … , 𝑛.
• Vectơ-không trong ℝn có dạng 0 = (0; 0; … ; 0).

b) Mô hình 2:
Tập hợp 𝑀𝑚×𝑛 𝑅 tất cả các ma trận thực cỡ 𝑚𝑥𝑛 cùng với phép cộng
ma trận và phép nhân một số thực với một ma trận lập thành một không
gian vectơ thực.
Lưu ý: Vectơ-không trong 𝑀𝑚×𝑛 𝑅 chính là ma trận 0.
c) Mô hình 3: Gọi 𝑃𝑛 𝑥 là tập hợp tất cả các đa thức hệ số thực bậc không
vƣợt quá n, tức là:
𝑃𝑛 𝑥 = 𝑝 𝑥 = 𝑎0 + 𝑎1 𝑥 + ⋯ + 𝑎𝑛 𝑥 𝑛 𝑎0 , 𝑎1 , … , 𝑎𝑛 ∈ ℝ .
Giả sử 𝑝 𝑥 = 𝑎0 + 𝑎1 𝑥 + ⋯ + 𝑎𝑛 𝑥 𝑛 ; q 𝑥 = 𝑏0 + 𝑏1 𝑥 + ⋯ + 𝑏𝑛 𝑥 𝑛 là hai
đa thức thuộc 𝑃𝑛 𝑥 v{ 𝜆 là số thực. Với hai phép toán cộng đa thức và phép
nhân đa thức với một số thực:
𝑝 𝑥 + q x = (𝑎0 +𝑏0 ) + (𝑎1 +𝑏1 )𝑥 + ⋯ + (𝑎𝑛 +𝑏n )𝑥 𝑛 ;
𝜆 𝑝 𝑥 = 𝜆𝑎0 + 𝜆𝑎1 𝑥 + ⋯ + 𝜆𝑎𝑛 𝑥 𝑛 .
thì 𝑃𝑛 𝑥 lập thành một không gian vector trên R.
Lưu ý: Trong 𝑃𝑛 𝑥 thì vectơ–không là: 0 = 0 + 0. 𝑥 + ⋯ + 0. 𝑥 𝑛
Nhận xét: Cách chứng minh tập hợp V cùng với hai phép toán cho trƣớc
là một không gian vectơ trên R là ta chỉ ra V thoả 8 tiên đề:
1) 𝑥 + 𝑦 = 𝑦 + 𝑥, ∀𝑥, 𝑦 ∈ 𝑉.
2) (𝑥 + 𝑦) + 𝑧 = 𝑥 + (𝑦 + 𝑧), ∀𝑥, 𝑦, 𝑧 ∈ 𝑉 .
3) Tồn tại θ ∈ V: x + θ = x, ∀x ∈ V.
4) Với mỗi x thuộc V, tồn tại x’ thuộc V sao cho: x + x ′ = θ.
5) ∀α, β ∈ R và ∀x ∈ V ta luôn có: α + β x = αx + βx.
6) ∀𝛼 ∈ 𝑅 và ∀ 𝑥, 𝑦 ∈ 𝑉 ta luôn có 𝛼 𝑥 + 𝑦 = 𝛼𝑥 + 𝛼𝑦.
7) ∀ 𝛼, 𝛽 ∈ 𝑅 và ∀𝑥 ∈ 𝑉 ta luôn có 𝛼𝛽 𝑥 = 𝛼 𝛽𝑥 .
8) ∀ 𝑥 ∈ 𝑉: 1𝑥 = 𝑥.
 BÀI TẬP NHÓM

Chứng minh rằng tập hợp 𝑀2 𝑅 các ma trận thực vuông

cấp hai cùng với hai phép toán cộng ma trận và nhân ma
trận với một số thực lập thành một không gian vectơ trên 𝑅.
 Tính chất của không gian vectơ V
1) 0.x , x V
2) x ( 1).x , x V
.
3) . ,
4) .x 0 x (x V, )
5) .x .x, x (x V; , )
6) .x .y, 0 x y (x , y V; )
3.1.2. Không gian vectơ con
1. Định nghĩa
Tập hợp con khác rỗng 𝑊 đƣợc gọi là không gian vectơ con của không gian
vectơ thực 𝑉 nếu 𝑊 đóng kín với hai phép toán cộng và nhân ngoài của
không gian vectơ 𝑉. Nghĩa là:

𝑖) ∀𝑢, 𝑣 ∈ W ⇒ 𝑢 + 𝑣 ∈ W;
𝑖𝑖) ∀𝑢 ∈ W, ∀𝑘 ∈ R ⇒ 𝑘. 𝑢 ∈ W.
Chú ý:
• *0+ và 𝑉 là kgvt con của 𝑉 và gọi là các không gian con tầm thường của 𝑉.
• Nếu 𝑊 là kgvt-con của 𝑉 thì 𝑊 cũng là một không gian vectơ.
 Nhận xét:
Cách chứng minh 𝑊 là không gian vectơ con của không gian vectơ 𝑉:

Cách 1: Chỉ ra 𝑾 là tập con khác rỗng của V đồng thời đóng kín
với phép cộng và phép nhân ngoài.
𝑖) Chỉ ra W là tập con khác rỗng của V.
𝑖𝑖) ∀𝑢, 𝑣 ∈ W ⇒ 𝑢 + 𝑣 ∈ W.
𝑖𝑖𝑖)∀𝑢 ∈ W, ∀𝑘 ∈ R ⇒ 𝑘. 𝑢 ∈ W.
Cách 2: Gộp 2 tính chất
𝑖) Chỉ ra W là tập con khác rỗng của V.
𝑖𝑖) ∀𝛼, 𝛽 ∈ 𝑅; ∀𝑢, 𝑣 ∈ W ⇒ 𝛼. 𝑢 + 𝛽𝑣 ∈ W.
VD. CMR: 𝑊 = *(𝑥, 𝑦, 0)/ 𝑥, 𝑦 𝑅+ là một kgvt con của không gian vectơ
𝑅3.
 BÀI TẬP NHÓM

𝑎 0
Chứng minh rằng tập hợp 𝑊 = 𝑎 , 𝑏 ∈ 𝑅 là không gian
0 𝑏
vectơ con của không gian các ma trận vuông cấp hai hệ số thực
𝑀2 𝑅 .
2. Định lý

Gọi 𝑆 là tập hợp tất cả các nghiệm của một hệ phƣơng trình tuyến tính
thuần nhất gồm m phƣơng trình và n ẩn số:
𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 0
𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 0
....................................
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 = 0
thì S là một không gian vectơ con của 𝑅𝑛 .

Khi đó S còn gọi là không gian nghiệm của hệ phƣơng trình tuyến tính
thuần nhất. Cơ sở của không gian nghiệm gọi là hệ nghiệm cơ bản của
hệ ấy.
VD. Tìm tập nghiệm S của hệ phƣơng trình tuyến tính thuần nhất
𝑥+𝑦+𝑧−𝑡 =0
𝑥−𝑦−𝑧+𝑡 =0
Chứng tỏ rằng S là không gian vectơ con của R4 (không gian nghiệm).
 BÀI TẬP NHÓM

Tìm tập nghiệm W của hệ phƣơng trình tuyến tính thuần nhất:

𝑥 − 2𝑦 + z = 0
3𝑥 − 3𝑦 + 2𝑧 = 0 .
2𝑥 − 𝑦 + 𝑧 = 0
CMR: W là không gian vectơ con của 𝑅3.
 3.2.1. Tổ hợp tuyến tính; Bao tuyến tính - hệ sinh

1. Định nghĩa:
Trong không gian vectơ 𝑉, cho hệ vectơ S = 𝑢1 , 𝑢2 , … , 𝑢𝑛 .
- Một tổ hợp tuyến tính của họ 𝑆 là một vectơ có dạng:
𝜆1 𝑢1 + 𝜆2 𝑢2 + ⋯ + 𝜆𝑛 𝑢𝑛 với 𝜆1 , 𝜆2,… , 𝜆𝑛 ∈ 𝑅.
- Nếu vectơ 𝑣 biểu diễn đƣợc dạng:
𝑣 = 𝜆1 𝑢1 + 𝜆2 𝑢2 + ⋯ + 𝜆𝑛 𝑢𝑛 với 𝜆1 , 𝜆2,… , 𝜆𝑛 ∈ 𝑅.
Thì ta nói 𝑣 biểu thị tuyến tính đƣợc qua họ vectơ 𝑆.
- Tập hợp tất cả các tổ hợp tuyến tính của họ S đƣợc gọi là bao tuyến tính của
họ 𝑆, ký hiệu: 𝑠𝑝𝑎𝑛(𝑆) hoặc < 𝑆 >. Vậy
span(S)={𝜆1 𝑢1 + 𝜆2 𝑢2 + ⋯ + 𝜆𝑛 𝑢𝑛 /𝜆1 , 𝜆2,… , 𝜆𝑛 ∈ 𝑅+.
VD. Trong không gian vectơ 𝑅3 cho họ vectơ
𝑆 = 𝑣 = 1, −1,2 , 𝑤 = (2,0, −3) .
a) Tìm biểu diễn tuyến tính của 𝑢 = (−1; −3; 12) qua 𝑆.
b) Tìm bao tuyến tính của 𝑆.
 BÀI TẬP NHÓM

Trong không gian vectơ 𝑅3 , cho họ vectơ

S= 𝑢1 = 1, −3, −2 , 𝑢2 = (2, −1, −1) .
a) Tìm biểu diễn tuyến tính của 𝑢 = (−1; −2; 3) qua S.
b) Tìm bao tuyến tính của S.
2. Định lý:
Trong không gian vectơ V, cho hệ vectơ S= 𝑢1 , 𝑢2 , … , 𝑢𝑛 .
Khi đó span(S) là một không gian vector con của V .
Nhận xét:
• Nếu span(S) = V thì ta nói S là một hệ sinh của V, nghĩa là với mỗi
vector v ∈V đều biểu diễn tuyến tính đƣợc qua họ S. Khi đó ta cũng nói
V đƣợc sinh bởi S .
• Muốn chứng minh tập hợp W là một không gian vectơ con của V ta có
thể chỉ ra W là bao tuyến tính của một hệ vectơ nào đó của V.
VD1. CMR hệ vectơ S= 𝑒1 = 1,0,0 , 𝑒2 = 0,1,0 , 𝑒3 = 0,0,1 là một hệ
sinh của không gian vectơ 𝑅3 .
VD2. CMR tập hợp W = 3𝑥, −2𝑦 ∶ 𝑥, 𝑦 ∈ 𝑅 là một không gian
vectơ con của 𝑅2 .
3 Sự độc lập tuyến tính và phụ thuộc tuyến tính
1) Định nghĩa: Trong không gian vectơ V, cho hệ vectơ S = 𝑢1 , 𝑢2 , … , 𝑢𝑛 .
- Hệ vectơ S gọi là độc lập tuyến tính (đltt) nếu hệ phƣơng trình
𝑥1 𝑢1 + 𝑥2 𝑢2 + ⋯ + 𝑥𝑛 𝑢𝑛 = 0
có nghiệm duy nhất 𝑥1 = 𝑥2 = ⋯ = 𝑥𝑛 = 0.
- Hệ vectơ S gọi là phụ thuộc (pttt) tuyến tính nếu hệ phƣơng trình
𝑥1 𝑢1 + 𝑥2 𝑢2 + ⋯ + 𝑥𝑛 𝑢𝑛 = 0
có nghiệm không tầm thƣờng (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) ≠ (0,0,...,0).
 Chú ý: Trong 𝑅2 , hai vectơ cùng phƣơng là 2 vectơ pptt; hai vectơ
không cùng phƣơng là 2 vectơ đltt.
Trong 𝑅3 , ba vectơ đồng phẳng là 3 vectơ pptt; ba vectơ không
đồng phẳng là 3 vectơ đltt.
 VD1. Trong 𝑅2 , xét sự độc lập tuyến tính hay phụ thuộc tuyến tính của hệ
các hệ vectơ:
a) S = 𝑢1 = 2; 3 ; 𝑢2 = 5, −4 ; b) U = 𝑢1 = 2; 3 ; 𝑢2 = 4,6 .
2) Định lý

𝑢1 = 𝑎11 , 𝑎12 , … , 𝑎1n

𝑛 𝑢2 = 𝑎21 , 𝑎22 , … , 𝑎2𝑛 .
Trong kgvt 𝑅 cho hệ vector S có 𝑛 vectơ
………………………….
… 𝑢𝑛 = 𝑎n1 , 𝑎𝑛2 , … , 𝑎𝑛𝑛
𝑎11 𝑎12 𝑎1𝑛
𝑎21 𝑎22 … 𝑎2𝑛
Thì A = … … … … gọi là ma trận dòng toạ độ của hệ S.
𝑎𝑛1 𝑎𝑛2 … 𝑎𝑛𝑛
Khi đó:
• Hệ vectơ S độc lập tuyến tính ⇔ 𝑑𝑒𝑡 𝐴 ≠ 0.
• Hệ vectơ S phụ thuộc tuyến tính ⇔ 𝑑𝑒𝑡 A = 0.
 Hệ quả

• Nếu trong hệ S có vectơ không thì hệ S phụ thuộc tuyến tính.

• Nếu trong hệ S chứa một vectơ là tổ hợp tuyến tính của các vectơ khác
trong S thì hệ S phụ thuộc tuyến tính.
• Nếu trong hệ S có một bộ phận của hệ pttt thì hệ S pttt.
Ví dụ. Xét sự đltt và pttt của các họ vectơ sau:
a) 𝑈 = 𝑢1 = 2; −3; 5 ; 𝑢2 = −4,1,7 ; 𝑢3 = 1, −4,11 ;
b) 𝑆 = 𝑣1 = 1,2, −4,3 ; 𝑣2 = 2, −1,5,6 ; 𝑣3 = −3,7,6,9 ; 𝑣4 = 8,1,3,0 .
3. Hạng của một hệ vectơ

1) Định nghĩa:
Cho S là một họ vectơ trong không gian vectơ V. Khi đó, hạng
của S là số tối đa vectơ độc lập tuyến tính có thể lấy ra từ họ S.
Ký hiệu: rank(S) hoặc r(S).

Nhận xét: Nếu rank(S) = r thì trong S có họ gồm r vectơ độc lập
tuyến tính và bất kỳ họ vectơ nào có nhiều hơn r vectơ trong S
đều phụ thuộc tuyến tính.
2) Định lý
Cho S là một họ vectơ trên không gian vectơ V. Khi đó:
a) S độc lập tuyến tính ⟺ rank 𝑆 = 𝑆 .
b) S phụ thuộc tuyến tính ⟺ rank 𝑆 < 𝑆 .
(trong đó, ký hiệu |S| để chỉ số phần tử của hệ S)
c) Nếu S là hệ có m vectơ đã cho toạ độ
𝑢1 = 𝑎11 , 𝑎12 , … , 𝑎1n 𝑎11 𝑎12 … 𝑎1𝑛
𝑢2 = 𝑎21 , 𝑎22 , … , 𝑎2𝑛 thì rank(S) = rank 𝑎21 𝑎22 … 𝑎2𝑛
…………………………. … … … … .
𝑢𝑚 = 𝑎m1 , 𝑎𝑚2 , … , 𝑎𝑚𝑛 𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑛

Nhận xét: Trong Rn hệ nào chứa nhiều hơn n vectơ đều pttt.
VD1. Trong ℝ4 , xét sự đltt hay pttt của hệ vectơ
S= *(−1; −2; 3; −3), (2; −1; 0; −2), (2; 4; −1; 3)+.

Giải. Xét ma trận dòng toạ độ:

−1 −2 3 −3 2𝑑1+𝑑2→𝑑2 −1 −2 3 −3
2𝑑1+𝑑3→𝑑3
A = 2 −1 0 −2 0 −5 6 −8 .
2 4 −1 3 0 0 5 −3
Ta có rank(S) = rank(A) = 3 = |S|. Vậy S là hệ đltt.
VD2. Trong ℝ4 , xét sự đltt hay pttt của hệ vectơ
U= *(1; 2; −1; 1), (2; −1; 3; 0), (3; 1; 2; 1)+.
VD3. Trong ℝ3 , tìm điều kiện 𝑚 để hệ sau là pttt:
𝑆 = *(𝑚 − 2; 3; 2𝑚 + 1), (4; 𝑚 − 6; 2𝑚 − 2)+.
 BÀI TẬP NHÓM

Xét sự đltt, pttt của hệ vectơ:

a) 𝑆 = 1,2,3, −1 , 2,0, −1,0 , (−2,1,0,3) .
b) 𝑇 = 1,2,0 , 0,2,3 , 3,0,1 .
c) 𝑈 = *𝑝1 = 2𝑥 2 − 3𝑥 + 1; 𝑝2 = 𝑥 2 + 2𝑥+.
 3.3. Số chiều, cơ sở của không gian vectơ
3.3.1 Số chiều, cơ sở của không gian
1) Định nghĩa: Cho V là một không gian vectơ trên R. Ta nói:
• V là không gian vectơ n chiều nếu trong V tồn tại ít nhất một họ gồm
n vectơ độc lập tuyến tính và mọi họ có hơn n vectơ đều phụ thuộc
tuyến tính. Ký hiệu số chiều của V là dim(V).
• Nếu dim(V) = n thì mỗi họ gồm n vectơ đltt trong V đƣợc gọi là một
cơ sở của không gian vectơ V.
• Nếu V có vô hạn vectơ đltt thì V gọi là không gian vô hạn chiều.
2) Định lý: Cho V là một không gian vectơ trên R. Hệ vectơ S là một cơ
sở của V khi và chỉ khi S là hệ sinh của V (tức là V = span(S)) và S độc
lập tuyến tính.
Chú ý: Mỗi kgvt V ≠{0} đều có vô số cơ sở có cùng số vectơ.
3.3.2 Cách tìm cơ sở và số chiều của một không gian vectơ V

• Bước 1: Tìm một hệ sinh S của V. Tức là V = span(S).

• Bước 2: Tính rank(S) = k và suy ra k vectơ đltt của span(S) là
𝑢1 , 𝑢2 , … , 𝑢𝑘 .
• Bước 3: Kết luận 𝑢1 , 𝑢2 , … , 𝑢𝑘 là cơ sở của V và dim(V) = k.

Chú ý:
• Mỗi không gian vectơ con W của V cũng là một kgvt. Do đó thuật toán
trên cũng dùng để tìm cơ sở và số chiều của kgvt con.
• Nếu W = {0} thì ta quy ƣớc dim(W) = 0.
• Nếu W = span({a}) mà a≠ 0 thì {a} là một cơ sở của W và dim(W) = 1.
• dim(Rn) = n.
VD1. Trong kgvt R3 cho tập hợp vectơ:
S = {(𝛼 +3𝛽 +2𝛾; 𝛽 + 𝛾;-2𝛼 -3𝛽-𝛾): 𝛼,𝛽,𝛾∈R}
CMR: S là không gian vectơ con của R3. Tìm cơ sở của S và dim(S).
 𝑎 𝑏
VD2. Trong không gian 𝑀2 𝑅 = : 𝑎, 𝑏, 𝑐, 𝑑 ∈ 𝑅 .
𝑐 𝑑
𝑎 0
Cho tập hợp W= : 𝑎, 𝑏 ∈ 𝑅 . CMR: W là một
𝑏 𝑎 + 2𝑏
kgvt con của 𝑀2 𝑅 . Tìm một cơ sở và số chiều của W.
VD3. Tìm một cơ sở và số chiều của < 𝑆 >, cho biết
𝑆 = *𝑢1 = (−2; 4; −2; −4), 𝑢2 = (2; −5; −3; 1), 𝑢3 = (−1; 2; −1; −2)+.
VD4. Tìm tập nghiệm T của hệ phƣơng trình tuyến tính thuần nhất
𝑥+𝑦+𝑧−𝑡 =0
.
𝑥−𝑦−𝑧+𝑡 =0
Chứng tỏ rằng T là không gian vevtơ con của R4 (không gian nghiệm).
Tìm cơ sở và số chiều của T.
 BÀI TẬP NHÓM
Tìm điều kiện của 𝑚 để hệ sau là cơ sở của ℝ2 :
S= *𝑢1 = (𝑚; −2), 𝑢2 = (2𝑚; 𝑚 − 3)+.
 BÀI TẬP NHÓM
2𝑥 − 𝑦 + 𝑧 = 0
Tìm số chiều không gian nghiệm của hệ: 4𝑥 − 2𝑦 + 2𝑧 = 0 .
6𝑥 − 3𝑦 + 3𝑧 = 0
 3.4. Toạ độ của vectơ - Ma trận đổi cơ sở
3.4.1. Tọa độ của vectơ đối với cơ sở
Định nghĩa: Cho S= 𝑢1 , 𝑢2 , … , 𝑢𝑛 là một cơ sở có thứ tự của không
gian vectơ V. Khi đó, mỗi vectơ 𝑢 thuộc V đều có thể biểu thị tuyến
tính một cách duy nhất qua cơ sở S dạng:
𝑢 = 𝑥1 . 𝑢1 +𝑥2 . 𝑢2 + ⋯ + 𝑥𝑛 . 𝑢𝑛 .
Bộ n số thực có thứ tự (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) đƣợc gọi là toạ độ của vectơ 𝑢
đối với cơ sở S. 𝑥1
𝑥2
Ký hiệu: (𝑢)𝑆 = 𝑥1 , 𝑥2 , … , 𝑥𝑛 hoặc ở dạng cột ,𝑢-𝑆 = … .
𝑥𝑛
VD1. Trong không gian vectơ R3 với cơ sở chính tắc

𝐸 = *𝑒1 = 1,0,0 ; 𝑒2 = 0,1,0 ; 𝑒3 = 0,0,1 +

• Nếu 𝑢 = 2𝑒1 − 3𝑒2 + 5𝑒3 thì toạ độ của 𝑢 đối với cơ sở chính
tắc là (𝑢)𝐸 = 2; −3; 5 .
• Nếu 𝑣 có toạ độ đối với cơ sở chính tắc là (𝑣)𝐸 = 4; −1; 3 thì ta
biểu thị đƣợc 𝑣 = 4 𝑒1 − 𝑒2 + 3𝑒3 .
Chú ý 1.
• Mỗi không gian vectơ V≠ 0 đều có vô số cơ sở khác nhau vì vậy
toạ độ của một vectơ đối với mỗi cơ sở là khác nhau.
• Khi người ta viết 𝑢 = (𝑥, 𝑦, 𝑧) ∈ 𝑅3 mà không đề cập gì đến cơ sở
của 𝑅3 thì ta hiểu bộ số (𝑥, 𝑦, 𝑧) là tọa độ của 𝑢 đối với cơ sở
chính tắc của 𝑅3 .
Chú ý 2.
• Không gian 𝑅𝑛 có cơ sở chính tắc là:
𝐸 = *𝑒1 = 1,0, … , 0 ; 𝑒2 = 0,1,0, … , 0 ; ... ; 𝑒𝑛 = 0, … , 0,1 +.
Nếu 𝑢 = 𝑥1 , 𝑥2 , … , 𝑥𝑛 ∈ 𝑅𝑛 thì 𝑢 = 𝑥1 𝒆1 + 𝑥2 𝒆𝟐 + ⋯ + 𝑥𝑛 𝒆𝒏 .
Vì vậy (𝑢)𝑬 = 𝑥1 , 𝑥2 , … , 𝑥𝑛 .

• Không gian đa thức 𝑃𝑛 𝑥 = 𝑎0 + 𝑎1 𝑥 + ⋯ + 𝑎𝑛 𝑥 𝑛 : 𝑎0 , 𝑎1 , … , 𝑎𝑛 ∈ 𝑅

là không gian n+1 chiều vì có cơ sở chính tắc là
𝐹 = *𝑓0 = 1; 𝑓1 = 𝑥; 𝑓2 = 𝑥 2 ; … ; 𝑓𝑛 = 𝑥 𝑛 + .
Nếu f(x) = 𝑎0 + 𝑎1 𝑥 + ⋯ + 𝑎𝑛 𝑥 𝑛 ∈ 𝑃𝑛 𝑥
thì f x = 𝑎0 . 𝑓0 + 𝑎1 . 𝑓1 + ⋯ + 𝑎𝑛 . 𝑓𝑛 nên (𝒇)𝑭 = 𝒂𝟎 , 𝒂𝟏 , … , 𝒂𝑛 .
• Không gian các ma trận vuông 𝑀2 𝑅 cấp 2 hệ số thực là không gian 4
chiều vì nó có một cơ sở chính tắc là:

1 0 0 1 0 0 0 0
𝐸 = 𝐸1 = ; 𝐸2 = ; 𝐸3 = ; 𝐸4 = .
0 0 0 0 1 0 0 1

𝑎 𝑏
Nếu 𝐴 = ∈ 𝑀2 𝑅 thì 𝐴 = 𝑎. 𝐸1 + 𝑏. 𝐸2 + c. 𝐸3 + d. 𝐸4 .
𝑐 𝑑
Vì vậy toạ độ của ma trận 𝐴 đối với cơ sở chính tắc là
(𝐴)𝐸 = 𝑎; 𝑏; 𝑐; 𝑑 .
VD2. Trong không gian vectơ 𝑅3 cho họ vectơ
𝑆 = *𝑢1 = 1,0,0 ; 𝑢2 = 1,1,0 ; 𝑢3 = 1,1,1 +
và vectơ 𝑢 = 1; −2; 3 ∈ 𝑅3 .
a) CMR: S là một cơ sở của 𝑅3 .
b) Tìm toạ độ của 𝑢 = 1; −2; 3 đối với cơ sở 𝑆.
VD3. Trên không gian đa thức P2 x = ax 2 + bx + c: a, b, c ∈ R , cho
tập hợp S = u1 = x 2 + x + 1, u2 = x + 1, u3 = 2x + 1 ⊂ P2 x .
a) CMR: S là một cơ sở của P2 x .
b) Tìm toạ độ của vectơ p = 3x2+4x-1 đối với cơ sở S.
VD4. Trong không gian M2 R cho tập hợp con
1 2 2 1 −1 1
S= A= ,B = ,C = .
3 4 0 1 3 3
a) Tìm toạ độ của các vectơ A,B,C đối với cơ sở chính tắc
1 0 0 1 0 0 0 0
E = E1 = ; E2 = ; E3 = ; E4 = .
0 0 0 0 1 0 0 1
b) Tìm một cơ sở và số chiều của span(S).
 BÀI TẬP NHÓM
Trong không gian vectơ 𝑅3 cho họ vectơ
𝑆 = *𝑢1 = 1,0,0 ; 𝑢2 = 1, −1,0 ; 𝑢3 = 1,2,3 +
và vectơ 𝑢 = 2; −1; 1 ∈ 𝑅3 .
a) CMR: 𝑆 là một cơ sở của 𝑅3 .
b) Tìm toạ độ của 𝑢 đối với cơ sở 𝑆.
 BÀI TẬP NHÓM

Trên không gian đa thức P3 x . Cho tập hợp

S = u1 = x 3 + x + 1, u2 = x 2 + 1, u3 = 2x + 1, u4 = 2 ⊂ P3 x .
a) CMR: S là một cơ sở của P3 x .
b) Tìm toạ độ của vectơ p = 3x3 + 4x − 1 đối với cơ sở S.
3.4.2 Ma trận chuyển cở sở

1) Định nghĩa: Cho 𝑆 = 𝑢1 , 𝑢2 , … , 𝑢𝑛 và 𝑇 = 𝑣1 , 𝑣2 , … , 𝑣𝑛 là hai

cơ sở của không gian vectơ 𝑉. Khi đó, ma trận
𝑣1 𝑺 𝑣2 𝑺 …. 𝑣𝑛 𝑺
đƣợc gọi là ma trận chuyển cơ sở (hay đổi cơ sở) từ từ 𝑆 sang 𝑇.
Nếu gọi 𝑃 là ma trận chuyển cơ sở từ 𝑆 sang 𝑇 thì ta ký hiệu:
𝑷 = 𝑷(𝑺⟶𝑻) .

Lưu ý: 𝑣𝑖 𝑺 là toạ độ cột của vectơ 𝑣𝑖 đối với cơ sở S (i=1,2,...,n).

2) Các tính chất:
Cho 𝑆 và 𝑇 là hai cơ sở bất kỳ của không gian vectơ 𝑉. Khi đó
a) Tồn tại duy nhất ma một trận chuyển cơ sở 𝑃(𝑆⟶𝑇) và đó là ma
trận khả nghịch.
b) 𝑃(𝑇⟶𝑆) = 𝑃−1 (𝑆⟶𝑇) .
c) 𝑃(𝑆⟶𝑇) = 𝑃(𝑆⟶𝐸) . 𝑃(𝐸⟶𝑇) = 𝑃−1 (𝐸⟶𝑆) . 𝑃(𝐸⟶𝑇) (Với 𝐸 là cơ sở
chính tắc của 𝑉)

Lưu ý:
• Tính chất c) vẫn đúng khi E là cơ sở không chính tắc của V.
• Tính chất c) tương tự quy tắc chen điểm trong vectơ hình học.
 Bài toán: Tìm ma trận chuyển cơ sở
Cho 𝑆 = 𝑢1 , 𝑢2 , … , 𝑢𝑛 và 𝑇 = 𝑣1 , 𝑣2 , … , 𝑣𝑛 là hai cơ sở của không
gian vectơ 𝑉. Tìm 𝑷(𝑺⟶𝑻) .
• Cách 1: (Dùng định nghĩa)
Bước 1: Tìm 𝒗𝟏 𝑺 , 𝒗𝟐 𝑺 , … , 𝒗𝒏 𝑺 đó là toạ độ cột của
𝒗𝟏 , 𝒗𝟐 , … , 𝒗𝐧 đối với cơ sở 𝑆.
Bước 2: Ghép các ma trận cột 𝒗𝟏 𝑺 , 𝒗𝟐 𝑺 , … , 𝒗𝒏 𝑺 theo
thứ tự từ trái sang phải ta lập nên đƣợc ma trận chuyển cơ sở
từ 𝑆 sang 𝑇:
𝑷(𝑺⟶𝑻) = 𝒗𝟏 𝑺 𝒗𝟐 𝑺 … 𝒗𝒏 𝑺
• Cách 2: (Dùng tính chất)
Gọi 𝐸 là cơ sở chính tắc của không gian vectơ 𝑉.
Bước 1: Lập ma trận chuyển cơ sở từ 𝐸 sang 𝑆 và từ 𝐸 sang 𝑇:
𝑷(𝑬⟶𝑺) = 𝒖𝟏 𝑬 𝒖𝟐 𝑬 … 𝒖𝒏 𝑬
𝑷(𝑬⟶𝑻) = 𝒗𝟏 𝑬 𝒗𝟐 𝑬 … 𝒗𝒏 𝑬
Bước 2: Tính ma trận chuyển cơ sở từ S sang T công thức dây
chuyền:
𝑷(𝑺⟶𝑻) = 𝑷(𝑺⟶𝑬) . 𝑷(𝑬⟶𝑻) = 𝑷−𝟏 (𝑬⟶𝑺) .𝑷(𝑬⟶𝑻) .

Chú ý: Có thể dùng máy tính bỏ túi để tính 𝑃−1 (𝑬⟶𝑺) .

VD. Trong không gian 𝑅 3 cho hai cơ sở:
S = 𝑢1 = 1,0,0 ; 𝑢2 = 0, −2, −1 ; 𝑢3 = −1, −2,1
T= 𝑣1 = −4, −4,0 ; 𝑣2 = −1, −3,2 ; 𝑣3 = 2,3, −7
Tìm ma trận chuyển cơ sở từ S sang T bằng hai cách.
 BÀI TẬP NHÓM
Trong không gian 𝑅3 cho hai cơ sở:
V= 𝑣1 = −4, −4,0 ; 𝑣2 = −1, −3,2 ; 𝑣3 = 2,3, −7 ;
U = 𝑢1 = 1,0,0 ; 𝑢2 = 0, −2, −1 ; 𝑢3 = −1, −2,1 .
Tìm ma trận chuyển cơ sở từ V sang U bằng hai cách.
3.4.3. Công thức đổi toạ độ:

Giả sử 𝑆, 𝑇 là hai cơ sở cho trƣớc và 𝒖 là một vectơ trong không gian

vectơ 𝑉. Nếu vectơ 𝒖 có toạ độ đối với cơ sở 𝑇 là 𝒖 𝑻 thì toạ độ của
vectơ 𝒖 đối với cơ sở S sẽ đƣợc tính theo công thức:
𝒖 𝑺 = 𝑷(𝑺⟶𝑻) . 𝒖 𝑻 .
Nhận xét: 𝒖 𝑺 = 𝑷(𝑺⟶𝑻) . 𝒖 𝑻 ⇔ 𝒖 𝑻 = 𝑷−𝟏 (𝑺⟶𝑻) . 𝒖 𝑺
VD1. Dùng công thức đổi toạ độ tìm toạ độ của vectơ 𝑢 = 1; 2; 3 đối với
cơ sở 𝑆 = *𝑢1 = 1,0,0 ; 𝑢2 = 1,1,3 ; 𝑢3 = 1,1,5 + trong kgvt 𝑅3 .
VD2. Trong 𝑅3 cho hai cơ sở:
S = 𝑢1 = 1, −1,2 ; 𝑢2 = 2,1,3 ; 𝑢3 = −1,5,0
T= 𝑣1 = 2,4,1 ; 𝑣2 = 3,6,2 ; 𝑣3 = −1,2, −1
Cho 𝒖 = 𝑢1 − 3𝑢2 + 2𝑢3 . Tìm 𝒖 𝑺 và tính 𝒖 𝑻 bằng công thức đổi toạ độ.
 BÀI TẬP NHÓM
Trong không gian 𝑅3 cho hai cơ sở U, V có ma trận chuyển cơ sở
𝟏 𝟏 𝟏
từ 𝑈 sang 𝑉 là: 𝑷(𝑼⟶𝑽) = 𝟎 𝟏 𝟏 .
𝟎 𝟑 𝟓
a) Cho (𝑿)𝑽 = 𝟏, 𝟐, 𝟑 . Tính (𝑿)𝑼 .
b) Cho vectơ (𝒀)𝑼 = 𝟏, 𝟎, 𝟑 . Tìm (𝒀)𝑽 .