Professional Documents
Culture Documents
: vectơ không
En: ma trận đơn vị cấp n
det(A) hoặc A : định thức của ma trận vuông A
Trường K là truờng số thực R hoặc trường số phức C
Matmxn(K): tập các ma trận cấp m x n với các phần tử trên trường K
Mat n(K): tập các ma trận vuông n với các phần tử trên trường K
1 2 .... n 1 n : hoán vị của n số tự nhiên đầu tiên 1, 2, 3, … , n
N( ): số nghịch thế của hoán vị
Di (Ci): dòng (cột) thứ i của ma trận A
D i D j (C i C j ) : hoán vị dòng (cột) i cho dòng (cột) j
Pn(x): tập hợp các đa thức có bậc nhỏ hơn hay bằng n (n N ) của x, với hệ số thực
P* x : tập hợp các đa thức có bậc tùy ý của biến x, với hệ số thực.
x khi x 0
x 0 khi x 0
x khi x 0
Giá trị tuyệt đối của số thực x có tính chất sau:
t1. x 0 x 0
t2. x x
t3. xy x . y
t4. x y x y
t5. x y x y
1 z
Nghịch đảo của số phức z 0 là z 1 2 .
z z
z' 1 z '.z
Phép chia số phức z’ cho số phức z 0 : z'. 2 .
z z z
Đặt b 2 4ac . Gọi là một căn bậc hai của số phức . Khi đó phương trình này có
b
hai nghiệm z 1, 2 .
2a
Ví dụ 1.11. Giải phương trình sau : z2 – (2 +i)z + 7i – 1 = 0
Giải: Ta có (2 i) 2 4(7i 1) 7 24i (4 3i) 2 . Nên có một căn bậc hai là 4- 3i.
Do đó phương trình có 2 nghiệm:
2 i 4 3i 2 i 4 3i
z1 3 i; z 2 1 2i .
2 2
1.5.2.2. Dạng lượng giác của số phức
Định nghĩa 1.15. Cho số phức z = a + bi, z 0, số phức z có điểm biểu diễn M(a ; b)
trên mặt phẳng toạ độ 0xy ; đặt r = 0M = z , gọi là góc giữa tia 0M và chiều dương của
trục 0x, được gọi là argumen của số phức z, ký hiệu Arg(z) (góc này sai khác
k.2 ; k Z ).
Y
b M(a, b)
0 a x
Khi đó z = a + bi = r (cos i sin ) được gọi là dạng lượng giác của số phức z. Khi z =
0 ta lấy r = 0 còn không xác định
a r. cos
Như vậy, với ta có một tương ứng 1 - 1 giữa số phức z = a + bi với điểm
b r. sin
b
(r; ) trong toạ độ cực : r a 2 b 2 ; tan .
a
Ví dụ 1.12. Đưa số phức z = - 1 - i về dạng lượng giác
1 1 5 5
Giải: Viết z 2 i = 2 cos i sin
2 4
2 4
5 5
Do vậy, z có dạng lượng giác là 2 cos i sin .
4 4
Các phép toán của số phức dưới dạng lượng giác
Khi các số phức viết dưới dạng lượng giác thì các phép toán nhân, chia, luỹ thừa của các
số phức tiến hành rất thuận lợi.
Cho hai số phức z1 r1 (cos 1 i sin 1 ); z 2 r2 (cos 2 i sin 2 )
r r2
i) z1 z 2 1
1 2 k 2; k Z
ii) z 1 .z 2 r1 r2 cos(1 2 ) i sin(1 2 )
z 1 r1
iii) cos(1 2 ) i sin(1 2 )(z 2 0)
z 2 r2
20 20 20 2 2
Nên 1 i 3
20
2 20 cos
3
i sin
3
2 cos
3
i sin 219 (1 i 3 ) và
3
219.(1 i 3 )
1 i 20 210 cos 20 i sin 20 210 . Do đó P 512(1 i 3 ) .
4 4 210
Căn bậc n của số phức
Sử dụng dạng lượng giác của số phức ta có thể tìm được căn bậc n của một số phức dưới
dạng lượng giác một cách dễ dàng. Giả sử cho số phức z r (cos i sin ) , tìm căn bậc n
của z (n là số nguyên dương) là tìm số phức w để wn = z.
Gọi w (cos i sin ) w n n (cos n i sin n) . Khi đó
n r
n n r
w z k.2
n k.2; k Z ;k Z
n
Thực tế, k chỉ cần nhận các giá trị 0, 1, ... , n -1. Như vậy, có n căn bậc n của số phức z
k.2 k.2
là z k n r .cos i sin ; k 0;1; ...; n 1 .
n n
1.5.3. Giải phương trình
Ở mục 1.5.2 ta đã chỉ ra rằng mọi phương trình bậc hai hệ số phức đều có nghiệm. Hơn
thế nữa, người ta đã chứng minh được kết quả sau:
Định lý cơ bản của đại số: Phương trình bậc n với hệ số phức ( n N * )
anzn + an-1zn-1+ ... + a1z + ao = 0 (*) ( a n 0 ) có đúng n nghiệm kể cả thực, phức và bội
của nó.
Chứng minh định lý này độc giả có thể tham khảo ở [17 ]
Ví dụ 1.14. Phương trình bậc 5: (x – 1)3(x2 + 1) = 0 có đúng 5 nghiệm là
x = 1 bội 3 và x = i; x = - i
Chú ý 1.4. Đối với phương trình (*) với các hệ số thực, nếu z o là nghiệm thì z o cũng là
nghiệm. Nên nghiệm của phương trình (*) hoặc tất cả đều thực hoặc nếu có nghiệm phức thì
sẽ có cặp nghiệm phức liên hợp.
Ví dụ 1.15. Giải phương trình z3 + (2 - 2i)z2 + (5 - 4i)z - 10i = 0, biết phương trình có
nghiệm thuần ảo.
Giải: Đặt z = iy, y R. Phương trình được viết lại
2 y 2 4 y 0
- iy3 – 2y2 + 2iy + 5iy + 4y – 10i = 0 3 2
y2
y 2 y 5 y 10 0
Nên phương trình có 1 nghiệm là 2i. Khi đó, ta viết được
z 2i
(z – 2i)(z + 2z + 5) = 0 z 1 2i
2
z 1 2i
Bài 1.9. Tìm các căn bậc hai của số phức sau
a) 3 - 4i b) -15 + 8i c) -3 - 4i d) – 8 + 6i
Bài 1.10. Giải các phương trình sau trên trường số phức
a) z4 + 6z3 + 9z2 + 100 = 0
b) z4 + 2z2 - 24z + 72 = 0
c) z z 1 2i
d) z z 2 i
e) z 2 (1 i 3 )z 1 i 3 0
Bài 1.11. Giải các phương trình trên trường số phức
a) z4 + z3 + 6z2 + 4z + 8 = 0, biết phương trình có 2 nghiệm thuần ảo
b) z4 – 2z3 – z2 – 2z + 1 = 0
Bài 1.12. Tính
100 24
1 i 3 25 40
3 i
a)
b) (1 + i) c) (1 – i) d) 1
3i 2
z z
b) z.z' z . z' và ; z' 0
z' z'
gọi là ma trận cấp m n. Số aij là phần tử của ma trận A nằm ở giao điểm của hàng i và cột j
(aij K).
Trong chương này, chúng ta chủ yếu xét các ma trận thực, tức là ma trận có các phẩn tử
aij là các số thực.
Để ký hiệu ma trận, người ta thường dùng hai ngoặc vuông như trên hay hai dấu ngoặc
tròn và có thể viết gọn như sau:
A = [aij]m×n hoặc A = (aij)m n hoặc Amn
2 3 7
Ví dụ 2.1. Cho A = . Đây là một ma trận cấp 23 có:
0 6 1
Ma trận tam giác dưới là ma trận vuông có mọi phần tử nằm bên trên đường chéo chính
đều bằng 0:
a11 0 0
a a 0
A = 21 22 (aij = 0 khi i < j)
a n1 a n 2 a nn
Ma trận đường chéo là ma trận vuông có mọi phần tử ở ngoài đường chéo chính đều
bằng 0:
a11 0 0
0 a 0
22
(aij = 0, i j)
0 0 a nn
Ma trận đơn vị là ma trận đường chéo có các phần tử thuộc đường chéo chính đều bằng
1, ký hiệu là E. Ma trận đơn vị cấp n ký hiệu là En.
1 0 0
0 1 0
E=
0 0 1
Ma trận chuyển vị của ma trận A là ma trận ký hiệu AT, nhận được từ ma trận A bằng
cách viết các dòng của A thành các cột với thứ tự tương ứng. Như vậy:
a11 a12 a1n a11 a 21 a m1
a a 22 a 2n a a 22 a m2
A = 21 A = 12
T
a m1 a m 2 a mn a1n a 2n a mn
4 1
4 3 2
Ví dụ 2.2. A = 3 0 thì AT = 1 0 7
2 7
Ma trận bậc thang dòng là ma trận có phần tử khác không đầu tiên của dòng dưới (tính
từ trái sang) luôn đứng bên phải phần tử khác không đầu tiên của dòng trên. Ma trận bậc
thang cột là ma trận có phần tử khác không đầu tiên của cột bên phải (tính từ trên xuống)
luôn nằm ở dưới dòng chứa phần tử khác không đầu tiên của cột bên trái.
Hai ma trận A, B được gọi là bằng nhau nếu chúng có cùng cấp và các phần tử ở các vị
trí tương ứng bằng nhau, ký hiệu A = B.
1) A và B cùng cÊp: A aij , B bij
mn mn
A B
2) aij bij , i 1, m, i 1, n
4 7 a b
Ví dụ 2.3. có nghĩa là a = -4, b = 7, c = 3, d = 19.
3 19 c d
c ij = a ij + b ij (i = 1, m , j = 1, n )
Như vậy, muốn cộng hai ma trận cùng cấp, ta cộng các phần tử cùng vị trí với nhau.
3 4 7 2 15 6 3 2 4 15 7 6 5 11 13
Ví dụ 2.4.
0 13 1 1 14 9 0 (1) 13 (14) 1 9 1 1 10
Tính chất 2.1
Từ tính chất của phép cộng hai số, ta có các tính chất sau cho các ma trận cùng cấp
t1. Tính chất giao hoán: A + B = B + A
t2. Tính kết hợp: (A + B) + C = A + (B + C)
t3. A = [aij]m×n, mn: A + mn = A
t4. A = [aij]m×n, ma trận đối của A là –A = [-aij]m×n thỏa mãn A + (-A) = mn
Chú ý 2.1. Gọi Matmn ( K ) là tập các ma trận cấp mn trên trường K. Khi đó:
Cột j
Chú ý 2.3. Tích AB của hai ma trận A và B chỉ được xác định khi số cột của A phải
bằng số dòng của B. Khi đó, AB có số dòng bằng số dòng của ma trận A và số cột bằng số
cột của ma trận B. Muốn nhân BA (B bên trái, A bên phải) phải có điều kiện: số cột của B
bằng số hàng của A, do đó khi tồn tại tích AB nhưng chưa chắc tồn tại tích BA. Trường hợp
đặc biệt khi A và B là hai ma trận vuông cùng cấp thì các phép nhân AB và BA đều thực
hiện được.
Ví dụ 2.6.
2 1 3
7 3 4
Cho A = , B = 11 4 2 . Khi đó tích C = A.B gồm các phần tử:
1 0 5 0 6 13
Ví dụ 2.7.
2 0 6 5
A= , B = 4 , ta có:
1 3 0
2 (6) 0 4 2 5 0 0 12 10
A.B = = 18
(1) (6) 3 4 (-1) 5 3 0 5
Như vậy, phép nhân hai ma trận, nói chung không có tính chất giao hoán. Điều này
không có gì bất ngờ vì trong định nghĩa của ma trận tích, các ma trận A và B tham dự một
cách không bình đẳng.
Tính chất 2.3.
Cho 3 ma trận A, B, C và k R. Giả sử A, B, C thoả mãn các điều kiện để tồn tại tích
các ma trận. Khi đó, ta có các tính chất sau
t1. Tính kết hợp: (AB)C = A(BC)
t2. Tính phân phối đối với phép cộng: (A + B)C = AC + BC
A(B + C) = AB + AC
t3. k(BC) = (kB)C = B(kC)
a b
Ví dụ 2.8. Cho ma trận A = . Tính A2 – (a + d)A + (ad – bc)E2
c d
2
a b a 2 bc b(a d)
c d 2
c(a d) d bc
a b a(a d) b(a d)
(a+d) =
c d c(a d) d(a d)
1 0 ad - bc 0
(ad – bc)E = (ad – bc) =
0 1 0 ad - bc
0 0
A2 – (a + d)A + (ad – bc) =
0 0
Chú ý 2.4. i) Phép nhân hai ma trận là một luật hợp thành trong, xác định trên tập hợp
các ma trận vuông cấp n.
ii) Theo các tính chất của phép cộng và phép nhân ma trận với ma trận,
ta có thể nói rằng tập hợp các ma trận vuông cấp n trên trường K lập thành một vành có đơn
vị (không giao hoán) gọi là vành các ma trận vuông cấp n trên trường K.
2.3. Định thức
Để chuẩn bị cho việc nghiên cứu lý thuyết định thức, ta giới thiệu trước các khái niệm
hoán vị và nghịch thế.
2.3.1. Hoán vị
Ta xét tập hợp n số tự nhiên đầu tiên: 1, 2, 3, ..., n. Ngoài cách sắp xếp theo thứ tự tự
nhiên, từ nhỏ tới lớn, ta còn có thể sắp xếp chúng theo nhiều cách khác. Chẳng hạn, ta có
thể sắp xếp các số 1, 2, 3 theo 6 cách sau:
123; 132; 213; 231; 312; 321
Định nghĩa 2.5. Mỗi cách sắp xếp các số 1,2, ..., n theo một thứ tự nào đó, gọi là một
hoán vị của n số đó.
Có thể chứng minh được tập n số tự nhiên đầu tiên có n! (n giai thừa) hoán vị khác nhau
(n! = n.(n-1)...2.1).
Ví dụ 2.9. Với ba số 1, 2, 3 có thể lập đươc 3! = 3.2.1 = 6 hoán vị khác nhau:
123, 132, 213, 231, 312, 321.
Nghịch thế
Mỗi hoán vị của n số tự nhiên đầu tiên được biểu diễn dưới dạng:
12 ... n
trong đó i (i=1,2,...,n) là số tự nhiên đứng ở vị trí thứ i trong hoán vị (1 i n; i j khi i
j). Khi i < j thì ta nói số i đứng trước số j, hoặc số j đứng sau số i trong hoán vị.
Trong hoán vị 123 của 3 số tự nhiên đầu tiên, các số được sắp xếp theo thứ tự tăng dần,
còn trong các hoán vị khác thì thứ tự ấy không còn nữa. Ví dụ hoán vị 132 có số 3 đứng
trước số 2. Cặp số 3 và 2 gọi là một nghịch thế của hoán vị 132.
Định nghĩa 2.6. Trong hoán vị 12...n, nếu i < j nhưng i > j thì ta nói hai số i và j
tạo thành một nghịch thế. Một hoán vị được gọi là hoán vị chẵn nếu tổng số nghịch thế của
nó là số chẵn và được gọi là hoán vị lẻ nếu tổng số nghịch thế của nó là số lẻ.
Ta có thể đếm được số nghịch thế trong một hoán vị 12...n bằng phương pháp đơn
giản sau đây: trước hết. ta đếm xem có bao nhiêu số đứng trước số 1, giả sử có k1 số; rồi ta
xóa số 1 đi và đếm xem có bao nhiêu số đứng trước số 2 (không kể số 1 đã bị xóa), giả sử có
k2 số; sau đó xóa số 2 đi và đếm xem có bao nhiêu số đứng trước số 3 (không kể các số 1 và
2 đã bị xóa), giả sử có k3 số; ... Khi đó, tổng số các nghịch thế có trong hoán vị đã cho bằng
k1+k2+...+kn.
Ví dụ 2.10. Số nghịch thế trong hoán vị 3421 được tính:
3421 (k1=3), 342 (k2=2), 34 (k3 = 0), 4 (k4=0)
Như vậy, trong hoán vị 3421 có 3 + 2 + 0 + 0 = 5 nghịch thế.
Định lý 2.1. Nếu trong một hoán vị, ta đổi chỗ hai số bất kỳ và giữ nguyên vị trí các số
còn lại thì hoán vị thay đổi tính chẵn lẻ, tức là hoán vị chẵn biến thành hoán vị lẻ hoặc
ngược lại.
Chứng minh:
Xét trường hợp 1, các số bị đổi , đứng kề nhau. Tức là hoán vị đã cho có dạng AB,
trong đó A chỉ tập các số đứng trước và B chỉ tập các số đứng sau . Sau khi đổi chỗ và
ta được hoán vị AB, các phần tử trong nhóm A và B giữ nguyên thứ tự. Dễ thấy rằng,
trước và sau phép đổi chỗ và , số các nghịch thế tạo bởi với các nhóm A và B không
thay đổi. Tương tự như thế với . Ta chỉ cần xem xét sự thay đổi số nghịch thế giữa và .
Nếu < thì đổi chỗ và làm tăng thêm một nghịch thế. Ngược lại, nếu > thì đổi
chỗ và làm giảm đi một nghịch thế. Do đó, cả hai trường hợp tính chẵn lẻ của tổng số
nghịch thế bị thay đổi nên tính chẵn lẻ của hoán vị ban đầu bị thay đổi.
Xét trường hợp 2, giữa và có m số, tức là hoán vị có dạng:
A 1 2 ... m B
Ta có thể thực hiện phép đổi chỗ và bằng cách thưc hiện lần lượt 2m+1 phép đổi chỗ
những số kề nhau, cụ thể:
Đổi chỗ lần lượt với 1, 2, ..., m. Sau m lần đổi chỗ hai số đứng cạnh nhau như vậy, ta
được hoán vị:
A 1 2 ... m B
Đổi chỗ lần lượt với , m, ..., 2, 1. Sau m+1 lần đổi chỗ hai số đứng cạnh nhau như
vậy, ta được hoán vị:
A 1 2 ... m B
Sau mỗi lần biến đổi, hoán vị thay đổi tính chẵn lẻ, do đó sau 2m+1 lần biến đổi thì hoán
vị chẵn trở thành hoán vị lẻ và hoán vị lẻ trở thành hoán vị chẵn.
Hệ quả 2.1. Nếu n 2 thì trong số n! hoán vị của n số tự nhiên đầu tiên, số các hoán vị
n!
có số nghịch thế chẵn bằng số các hoán vị có số nghịch thế lẻ và bằng .
2
Chứng minh:
Gọi p là số hoán vị chẵn và q là số hoán vị lẻ. Đối với mỗi hoán vị chẵn, ta đổi chỗ số
đứng đầu và số đứng ở vị trí cuối cùng. Bằng cách đó, từ p hoán vị chẵn khác nhau, ta nhận
được p hoán vị lẻ khác nhau, do đó p q. Biến đổi tương tự như vậy thì từ q hoán vị lẻ khác
n!
nhau, ta nhận được q hoán vị chẵn khác nhau, do đó q p. Như vậy, p = q = .
2
1 2 n
Hệ quả 2.2. Nếu đổi chỗ các cột của ma trận , đưa ma trận về dạng
1 2 n
1 2 n
thì hai hoán vị 12...n và hoán vị 12...n có cùng tính chẵn lẻ.
n
1 2
Chứng minh: Thật vậy, mỗi phép đổi chỗ các cột của ma trận tương ứng với một phép
đổi chỗ hai số của cả hai hoán vị ở dòng trên và dòng dưới. Sau cùng một số phép đổi chỗ,
hoán vị 12...n trở thành hoán vị 12...n, còn hoán vị 12...n được biến thành hoán vị
12...n. Do đó, hai hoán vị 12...n và 12...n có cùng tính chẵn lẻ.
2.3.2. Định thức của ma trận vuông
Định nghĩa 2.7. Cho ma trận vuông cấp n:
a11 a12 a1n
a a22 a2 n
A = 21 .
an1 an 2 ann
Định thức cấp n liên kết với ma trận A là một số, ký hiệu là det(A) hoặc |A| hoặc
a11 a12 a1n
a21 a22 a2 n N( 1 2 n )
, được tính: det(A) = (1)
n!
a11 a 22 ...a nn
an1 an 2 ann
Trong đó: n!
chỉ tổng lấy theo n! số hạng, mỗi số hạng là tích a1 a 2 ...a n tương ứng1 2 n
với n! hoán vị 12n của 1, 2, …, n và N(12n) là tổng số nghịch thế của hoán vị
12n; mỗi số hạng được gọi là một thành phần của định thức.
Như vậy, định thức của ma trận vuông A cấp n là tổng đại số của n! thành phần, mỗi
thành phần là tích của n phần tử của A lấy trên n dòng và n cột khác nhau, với dấu được gán
theo các hoán vị lập thành từ các chỉ số cột (dấu + nếu là hoán vị chẵn, dấu - nếu là hoán vị
lẻ), còn chỉ số dòng được sắp xếp theo thứ tự tăng dần.
Ví dụ 2.11.
Tính định thức cấp n N (1 n 3)
Giải:
Định thức cấp 1
det([a11]) = a11
Định thức cấp 2
a a
Định thức của ma trận A = 11 12 có hai thành phần tương ứng với hai hoán vị của
a 21 a 22
tập hợp {1,2}.
Hoán vị 12 N(12) (1) N( ) a1 a 2 1 2
1 2
12 0 + a11a22
21 1 - a12 a22
Theo định nghĩa, ta có:
a11 a12
det(A) = = a11a22 – a12a21
a 21 a 22
Như vậy, định thức cấp 2 bằng tích hai phần tử nằm trên đường chéo chính trừ đi tích hai
phần tử nằm trên đường chéo phụ.
1 2
Ví dụ 2.12. = 1. 4 - 2 . 3 = -2;
3 4
có 6 thành phần tương ứng với 6 hoán vị của tập hợp {1, 2, 3}.
Hoán vị 123 N(123) (1) N ( ) a1 a 2 a 3
1 2 3
1 2 3
123 0 + a11a22a33
231 2 + a12 a23a31
312 2 + a13a21a32
321 3 - a13a22a31
213 1 - a12a21a33
132 1 - a11a23a32
det(A) = a11a22a33 + a12a23a31 + a13a21a32 - a13a22a31 - a12a21a33 - a11a23a32
Để nhớ quy tắc tính định thức cấp 3, người ta thường dùng “quy tắc Sarrus” sau:
Dấu + Dấu -
Từ quy tắc Sarrus trên, chúng ta còn một quy tắc khác để tính nhanh định thức cấp 3:
ghép thêm cột thứ nhất và cột thứ hai vào bên phải định thức hoặc ghép thêm dòng thứ nhất
và dòng thứ hai xuống bên dưới định thức rồi nhân các phần tử trên các đường chéo như
quy tắc thể hiện trên hình:
a1 b1 c1 a1 b1 a1 b1 c1
a2 b2 c2 a2 b2 a2 b2 c2 Dấu -
a3 b3 c3 a3 b3 a3 b3 c3
Dấu - Dấu + a1 b1 c1 Dấu +
a2 b2 c2
3 4 -5
Ví dụ 2.13. 8 7 -2 = 3.7.8 + 4.(-2).2 + (-5).8.(-1) – (-5).7.2 – 4.8.8 – 3.(-2).(-1) = 0
2 -1 8
Dùng định nghĩa để tính định thức cấp lớn hơn 3 thường chỉ áp dụng với các bài toán có
định thức dạng đặc biệt.
Ví dụ 2.14. Tính hệ số của x4 trong biểu thức
2 x x x 2
1 x 1 1
f(x) =
x 2 x 1
1 1 1 x
Giải:
Các thành phần chứa x4 là: + (-1)N(1234)a11a22a33a44 = 2 x4
(-1)N(3214)a13a22a31a44 = - x4
= (-1)N(1234)a11a22a33a44 + (-1)N(3214)a13a22a31a44 = x4
Hệ số của x4 trong f(x) bằng 1.
a1 a2 a3 a4 a5
b1 b2 b3 b4 b5
Ví dụ 2.15. Tính định thức c1 c2 0 0 0
d1 d2 0 0 0
e1 e2 0 0 0
Giải:
Định thức đã cho là tổng đại số của 5! thành phần, mỗi thành phần (không kể dấu) là tích
của 5 phần tử lấy trên 5 dòng và 5 cột khác nhau. Dễ dàng thấy rằng, mỗi thành phần của
định thức đã cho đều chứa thừa số 0 nên các thành phần đều bằng 0. Vậy định thức đã cho
bằng 0.
Ví dụ 2.16. Tính định thức của ma trận vuông cấp n trong đó tất cả các phần tử của dòng
1 đều bằng không?
Giải:
0 0 0
a21 a22 a2 n N( 1 2 n ) N( 1 2 n )
= (1)
n!
a11 a 22 ...a nn = (1)
n!
0.a 2 2 ...a nn = 0
an1 an 2 ann
Khi tính định thức cấp cao thì việc dùng định nghĩa trở nên cồng kềnh, khó khăn. Do đó,
chúng ta cần thêm các phương pháp khác để tính định thức. Trước khi đề cập đến các
phương pháp tính định thức, chúng ta hãy xem xét các tính chất cơ bản của định thức để sử
dụng khi tính toán.
2.3.3. Các tính chất cơ bản của định thức
Tính chất 2.4. (tính chất chuyển vị)
Định thức của ma trận vuông bằng định thức của ma trận chuyển vị của nó:
Chứng minh:
Cho A = [aij]nn có ma trận chuyển vị AT = [bij]nn. Khi đó, bij = aji (i, j = 1, 2, …, n).
Ta có:
N( 1 2 n )
det(A) = (1)
n!
a11 a 22 ...a nn
N( 1 2 n )
det(AT) = (1) b11 b 22 ...b nn
n!
Sắp xếp các phần tử bij trong mỗi thành phần của det(AT) theo thứ tự chỉ số cột tăng dần,
ta được:
(1) N(12 n ) b11 b22 ...b nn = (1) N(12n ) b11b2 2 ...bn n (1) N( 12 n ) a11 a 22 ...a nn
Theo hệ quả 2.2 trong mục 2.3.1, hai hoán vị 12…n và 12…n có cùng tính chẵn lẻ
nên
(-1)N(12…n) = (-1)N(12…n)
(1) N( 12 n ) b11 b 22 ...b nn (1) N(12 n ) a11 a 22 ...a nn
Như vậy, mỗi thành phần của det(AT) đồng thời cũng là một thành phần của định thức
det(A), do đó n! thành phần của det(AT) đồng thời cũng là n! thành phần của det(A). Từ đó
suy ra det(A) = det(AT).
Chú ý 2.5. Từ tính chất chuyển vị, mọi tính chất của định thức đúng cho dòng thì cũng
đúng cho cột và ngược lại. Do đó, trong các tính chất dưới đây ta chỉ phát biểu cho các
dòng, các tính chất đó vẫn giữ nguyên giá trị khi thay chữ ”dòng” bằng chữ ”cột”.
Tính chất 2.5. (tính chất thay phiên)
Nếu trong định thức ta đổi chỗ hai dòng cho nhau và giữ nguyên vị trí các dòng còn lại
thì định thức đổi dấu.
Chứng minh:
N( 1 ...i ... k n )
Cho A = [aij]nn có det(A) = (1)
n!
a11 ...a ii ...a kk ...a nn
Nếu trong A ta đổi chỗ dòng thứ i và dòng thứ k (i<k), giữ nguyên vị trí của các dòng
còn lại, ta được ma trận A’ có
N( 1 ... k ...i n )
det(A’) = (1)
n!
a11 ...a kk ...a ii ...a nn
k ... i n )
Vì (1) N( ...
1
(1) N( 1 ...i ...k n )
nên det(A’) = - det(A).
a b c
Ví dụ 2.17. Cho a ' b ' c ' = 10. Tính các định thức sau?
a '' b '' c ''
Giải:
a '' b '' c '' a b c
a) a ' b ' c ' = - a ' b ' c ' = -10 (Đổi chỗ dòng 1 và dòng 3)
a b c a '' b '' c ''
b c a b a c
b) b ' c ' a ' = - b ' a ' c ' (Đổi chỗ cột 2 và cột 3)
b '' c '' a '' b '' a '' c ''
a b c
= - a ' b ' c ' = 10 (Đổi chỗ cột 1 và cột 2)
a '' b '' c ''
Hệ quả 2.3. Một định thức có hai dòng như nhau thì bằng không.
Chứng minh:
Gọi định thức có hai dòng như nhau là . Đổi chỗ hai hàng đó ta được
=-
Vậy có 2 = 0, do đó = 0.
Tính chất 2.6. (tính chất thuần nhất)
Nếu nhân các phần tử một dòng nào đó với cùng một số thì được định thức mới bằng
định thức cũ nhân với .
a11 a12 a1n a11 a12 a1n
ai1 ai 2 ain ai1 ai 2 ain
an1 an 2 ann an1 an 2 ann
Hệ quả 2.4. i) Thừa số chung của các phần tử của một dòng của định thức có thể đưa ra
ngoài dấu định thức.
ii) Một định thức có hai dòng tỉ lệ với nhau thì bằng không.
Chứng minh:
a11 a12 a1n
i ) ai1 ai 2 ain (1) N (1 ...i n ) a11 ...( aii )...an n (1) N (1 ...i n ) a11 ...aii ...an n
n! n!
an1 an 2 ann
ii) Thật vậy, nếu đưa hệ số tỷ lệ ra ngoài dấu định thức thì được một định thức có hai
dòng như nhau nên nó bằng không.
ka kb a b
Ví dụ 2.18. k (ad bc) k
c d c d
Ví dụ 2.19. Cho ma trận A = [aij]nn có aij + aji = 0 với i, j (n là số nguyên dương lẻ).
Tính định thức của A.
Giải:
Theo giả thiết, ta có:
aij a ji , nÕu i j
aij 0 , nÕu i j
nên At = -A do đó
|At| = |-A| |A| = (-1)n |A| |A| = -|A| (vì n là số lẻ) |A| = 0
Tính chất 2.7. (tính chất cộng tính)
Khi tất cả các phần tử của một dòng nào đó có dạng tổng của hai số hạng thì định thức
có thể phân tích thành tổng của hai định thức, cụ thể:
a11 a12 a1n a11 a12 a1n a11 a12 a1n
bi1 ci1 bi 2 ci 2 bin cin bi1 bi 2 bin ci1 ci 2 cin
an1 an 2 ann an1 an 2 ann an1 an 2 ann
=
N( 1 ...i n )
(1) a11 ...bii ...a nn + (1) N( 1 ...i n ) a11 ...cii ...a nn
n! n!
Giải:
a b 2a 3b a b 2a a b 3b a b a a b b
c d 2a 3d c d 2a c d 3d 2. c d a 3. c d d 0
e g 2e 3 g e g 2e e g 3 g e g e e g g
Trong ma trận A=[aij]nn, ta nói một tổ hợp tuyến tính của các dòng (cột) là tổng của các
dòng (cột) này sau khi nhân với các số tương ứng nào đó. Trong ví dụ này, ta thấy cột 3 là
tổ hợp tuyến tính của cột 1 và cột 2.
Ví dụ 2.21. So sánh hai định thức sau
a b c a b 100a 10b c
1 d e g và 2 d e 100d 10e g
h k m h k 100h 10k m
(Trong 1, cộng vào cột 3 một tổ hợp tuyến tính của cột 1 và cột 2 ta được 2).
Giải:
Ta có
a b 100a 10b c
2 d e 100d 10e g =
h k 100h 10k m
a b 100a a b 10b c b c
= d e 100d d e 10e g e g 0 0 1 1 (áp dụng hệ quả 2.4).
h k 100h h k 10k m k m
Vậy 1 = 2.
Hệ quả 2.5. Nếu định thức có một dòng là tổ hợp tuyến tính của các dòng khác thì định
thức ấy bằng không.
Đó là hệ quả của tính chất cộng tính và tính thuần nhất.
Hệ quả 2.6. Nếu cộng vào một dòng một tổ hợp tuyến tính của các dòng khác thì định
thức không đổi.
Chứng minh dựa vào tính chất cộng tính và hệ quả 2.5.
Ví dụ 2.22. Tính
a b c 1
b c a 1
c a b 1
bc ac ab
1
2 2 2
Giải:
Dễ thấy = 0 vì có dòng 4 là tổ hợp tuyến tính của dòng 2 và dòng 3.
2.3.4. Một số phương pháp tính định thức
2.3.4.1. Khai triển Laplace theo một dòng hoặc một cột
Cho
a11 a12 a1n
a21 a22 a2 n
d=
an1 an 2 ann
Định nghĩa 2.8. Xóa đi dòng thứ i và cột thứ j (dòng và cột chứa phần tử aij) của định
thức d, ta được một định thức cấp n-1, gọi là định thức con cấp n-1, ký hiệu là Mij. Giá trị
Aij = (-1)i+jMij gọi là phần bù đại số của phần tử aij .
Như vậy, phần bù đại số của phần tử aij là định thức con Mij được gán dấu (+) nếu i+j là
số chẵn và được gán dấu (-) nếu i+j là số lẻ.
Ví dụ 2.23. Cho định thức
1 2 3
d= a b 0
4 5 6
có phần bù đại số của các phần tử thuộc dòng thứ hai là:
2 3
A21 = (-1)2+1M21 = - =3
5 6
1 3
A22 = (-1)2+2M22 = =-6
4 6
1 2
A23 = (-1)2+3M23 = - =3
4 5
n
d = ai1Ai1 + ai2Ai2 + + ainAin= aij Aij (2.2)
j 1
Công thức (2.1) được gọi là công thức khai triển định thức theo cột j, và công thức (2.2)
được gọi là công thức khai triển định thức theo dòng i.
Chứng minh:
Trước hết, ta chứng minh công thức (2.1), còn công thức (2.2) có được do hoán vị vai trò
dòng và cột.
Viết mỗi phần tử cột j thành tổng của n thành phần, còn các cột khác giữ nguyên, ta có:
a11 a1 j 0 0 a1n
a21 0 a2 j 0 a2 n
d=
an1 0 0 anj ann
Tương tự, các định thức tiếp theo trong (2.3) là A21, …, An1.
Thật vậy, theo định nghĩa:
a11 1 a1n
a21 0 a2 n
(1) N ( j 23 n )1a2 2 a33 an n (2.4)
an1 0 ann
tổng được lấy theo tất cả (n-1)! Hoán vị 2 3 n của n-1 số 1,2,…,j-1,j+1,…,n (vì các số
hạng khác đều chứa một thừa số bằng không đó là phần tử ở cột j, hàng thứ 2 đến hàng n).
Mặt khác
N( j 2 3 n ) = (-1)j-1 N( 2 3 n ) = (-1)1+j( 2 3 n )
do đó, từ (2.4) ta có:
a11 1 a1n
a21 0 a2 n
(1)1 j (1) N ( 23 n ) a2 2 a33 an n (1)1 j M 1 j A1 j
an1 0 ann
Đối với định thức thứ hai tương ứng a2j trong (2.3) ta có:
a11 0 a1n a21 1 a2 n
a21 1 a2 n a11 0 a1n
(1) 2 j M 2 j A2 j
an1 0 ann an1 0 ann
Tương tự như vậy, định thức ứng với thừa số anj trong (2.3) là Anj. Vậy ta có điều phải
chứng minh.
Công thức khai triển cho phép ta tính định thức cấp cao qua các định thức cấp thấp. Ta
thuờng khai triển theo dòng hoặc theo cột chứa nhiều số 0 nhất.
Ví dụ 2.24. Tính định thức
1 2 3
d= a b 0
4 5 6
Giải:
Khai triển theo dòng 2:
d = a21A21 + a22A22 +a23A23
= a . 3 + b . (-6) + 0 . 3 = 3a-6b = 3(a-2b)
Giải:
a) Thực hiện phép khai triển theo cột 1 ta được
a11 a12 a1n a 22 a 23 a 2n a12 a13 a1n
0 a 22 a 2n 0 a 33 ... a 3n 0 a 33 ... a 3n
1 = = (-1)1+1a11 + (-1)2+1 .0. + …+
0 0 a nn 0 0 ... a nn 0 0 ... a nn
Bước 2: Tại bước thứ k (2 k n), lặp lại bước 1 đối với ma trận con cấp n-k+1 ở góc
phải bên dưới cùng.
Bước 3: Tối đa sau n-1 bước ta sẽ được một ma trận tam giác trên. Định thức của nó
bằng tích các phần tử trên đường chéo.
Ví dụ 2.26.
2 1 4 1 4 3 1 4 3 1 4 3
4 15 7 4 15 7 0 1 5 0 1 5 33
1 4 3 2 1 4 0 7 2 0 0 33
Ta có thể kết hợp với công thức khai triển định thức để các bước biến đổi đơn giản hơn.
Ví dụ 2.27.
1 1 2 1 1 2
3 3 1 1
2 1 7 0 3 3 3.8. 48
8 8 1 1
5 3 2 0 8 8
Thuật toán trên tuy luôn cho ta kết quả, nhưng việc luôn luôn trừ đi một bội của dòng
(cột) thứ nhất có thể dẫn tới một ma trận phức tạp ở các bước tiếp theo sau đó. Do đó, cũng
vẫn phương pháp đưa về ma trận tam giác, nhưng tùy đặc thù bài toán, ta có thể linh hoạt
trong việc sử dụng thứ tự các phép biến đổi sơ cấp.
Ví dụ 2.28. Tính định thức Wandermonde
1 1 1
x1 x2 xn
Dn = x12 x 22 x 2n
n 1
x1 x2n 1
xn
n 1
Giải:
Lấy dòng thứ n – 1 nhân với -x1 rồi cộng vào dòng thứ n, sau đó lấy dòng thứ n - 2 nhân
với -x1 rồi cộng vào dòng thứ n – 1, …, cuối cùng lấy dòng thứ 1 nhân với -x1 rồi cộng vào
dòng 2, ta được
1 1 1
0 x 2 x1 x n x1
Dn = 0 x 2 (x 2 x1 ) x n (x n x1 )
n 2
0 x 2 (x 2 x1 ) x n (x n x1 )
n2
x 2 x1 x n x1
x 2 (x 2 x1 ) x n (x n x1 )
=
x 2 (x 2 x1 ) x n (x n x1 )
n2 n 2
1 1 1
x2 x3 xn
= (x2 – x1)(x3 – x1) …(xn – x1) x 22 x 32 x 2n
x n 2
2
n 2
x3 xn
n2
1 a a ... a 1 a a ... a
1 x a ... a 0 x-a 0 ... 0
( 1)D1 Di (i 2,n )
= [x + (n – 1)a] 1 a x ... a [x + (n – 1)a] 0 0 x-a ... 0
... ... ... ... ... ... ... ... ... ...
1 a a ... x 0 0 0 ... x-a
= [x + (n – 1)a] (x – a)n-1.
2.3.4.3. Khai triển Laplace theo k dòng hoặc k cột
Ở trên ta đã khai triển định thức theo một dòng hoặc một cột. Bây giờ ta hãy khai triển
định thức theo một nhóm dòng hoặc một nhóm cột. Trước hết ta giới thiệu các khái niệm cần
thiết.
Định nghĩa 2.9. Trong ma trận
a11 a12 a1n
a a22 a2 n
A
21
am1 am 2 amn
lấy ra k dòng và k cột khác nhau (1 k min(m,n)). Với các phần tử nằm tại giao của k
dòng và k cột đó, ta lập được một định thức cấp k gọi là định thức con cấp k của ma trận đã
cho, và được ký hiệu là:
M = M ij ij ...i... j
1 2
1 2
k
k
1 j1 j2 ... jk n
1 i1 i 2 ... i k n
Trong đó i1, i2 , …, ik là chỉ số của các dòng và j1, j2, …, jk là chỉ số của các cột đã lấy ra
(trong trường hợp A là ma trận vuông thì ta cũng nói Mij ij ...i... j là định thức con cấp k của định
1 2
1 2 k
k
trên.
Gọi tích A = (1)(i i ...i ) ( j j ... j ) M
1 2 h 1 2 h
Áp dụng định lý 2.3 để khai triển định thức D theo n dòng đầu, ta được
D = det(A) . det(B) (2.1)
Sử dụng các phép biến đổi sơ cấp thích hợp để đưa định thức D về dạng
a11 a12 a1n c11 c12 c1n
a21 a22 a2 n c21 c22 c2 n
an1 an 2 ann cn1 cn 2 cnn
D
1 0 0 0 0 0
0 1 0 0 0 0
0 0 1 0 0 0
Giải:
8 -4 5 5 9 1 -3 -5 0 -7 1 -3 -5 0 -7
D1( 8) D2
1 -3 -5 0 -7 §æi chç D1 vµ D2 8
-4 5 5 9 D1( 3) D3 0
D1( 7) D3
20 45 5 65
7 -5 1 4 1 7 -5 1 4 1 0 16 36 4 50
3 -1 3 2 5 3 -1 3 2 5 0 8 18 2 26
1 -3 -5 0 -7 1 -3 -5 0 -7
0 8 18 2 26 D2( 2) D3 0 8 18 2 26
§æi chç D2 vµ D4
D2( 5/ 2) D4
0 16 36 4 50 0 0 0 0 -2
0 20 45 5 65 0 0 0 0 0
Vậy, r(A) = 3.
2.4.2.2. Phương pháp định thức
Trước hết, chúng ta phát biểu định lý sau.
Định lý 2.5. Cho A = [aij]mn. Nếu trong ma trận A có định thức con cấp r khác không và
mọi định con cấp r+1 chứa nó đều bằng không thì hạng của A bằng r.
Chứng minh:
12...r
Không làm mất tính tổng quát, ta giả sử rằng M 12... r 0 , tức là:
Nếu 1ir thì i = 0 vì có hai dòng giống nhau; nếu i>r thì i là định thức con cấp r+1
12...r
chứa M 12... r nên i = 0. Khai triển định thức theo dòng cuối cùng, ta được:
Do đó:
A A A
aih 1 ai1 2 ai 2 r air (2.3)
D D D
Đẳng thức (2.3) đúng với mọi i = 1,2,...,m nên ta có cột h (h=1,2,...,n) là tổ hợp tuyến
tính của r cột đầu, tức là nếu ký hiệu cột h của ma trận A là Ch, ta có:
Ch = hC1 + hC2 + + rCr (2.4)
với h, h, ..., r là r hệ số nào đó.
Xét một định thức con M i ji ji j bất kỳ cấp r+1 của ma trận A. Khi đó, theo (2.4), r+1 cột
12
1 2 r 1
r 1
của A được viết dưới dạng tổ hợp tuyến tính của r cột đầu tiên như sau:
C j1 1j1 C1 2j1 C 2 rj1 C r
bằng không nên mọi định thức con cấp lớn hơn r+1 cũng đều bằng không, suy ra r(A) = r.
Định nghĩa 2.12. Nếu hạng của ma trận A bằng r thì mỗi định thức con cấp r khác 0 của
A được gọi là định thức con cơ sở của A. Khi đó, r dòng (cột) chứa định thức con cơ sở
được gọi là r dòng (cột) cơ sở.
Thuật toán tìm hạng của ma trận A bằng phương pháp định thức
Cho A = [aij]mn. Nếu A = thì r(A) = 0. Nếu A thì thuật toán tìm hạng của ma trận
A bằng phương pháp định thức như sau:
Bước 1: Cố định một phần tử khác không, xét các định thức cấp 2 chứa phần tử khác
không đó.
Bước 2: Nếu mọi định thức cấp 2 được xét đều bằng 0 thì r(A) = 1. Nếu tồn tại một định
thức cấp 2 khác không (giả sử D2* 0) thì xét các định thức cấp 3 chứa D2*.
Bước 3: Nếu mọi định thức cấp 3 được xét đều bằng 0 thì r(A) = 2. Nếu tồn tại một định
thức cấp 3 khác không (giả sử D3* 0) thì xét các định thức cấp 4 chứa D3*
...
Quá trình này dừng lại sau hữu hạn bước, ta tính được hạng của ma trận A.
1 2 3 4
Ví dụ 2.35. Tính hạng của ma trận sau bằng phương pháp định thức: A = 2 1 -2 -1
3 3 1 3
Giải:
1 2
Ta có D12
12 = = -4 ≠ 0. Ta xét các định thức cấp 3 chứa D12
12 (có 2 định thức):
2 1
D123 124
123 0, D123 0
Nên r(A) = 2.
Như vậy, sử dụng phương pháp định thức thì số định thức cần tính ít hơn hẳn so với
dùng định nghĩa.
Nhận xét: Trong thực hành, khi tìm hạng của ma trận ta thường sử dụng phương pháp
biến đổi sơ cấp hơn phương pháp định thức.
2.5. Ma trận nghịch đảo
Trong phần này chúng ta xét xem phương trình ma trận AX = XA = En (với A, X là các
ma trận vuông cấp n) có nghiệm khi nào và cách tính nghiệm nếu có.
2.5.1. Khái niệm
Định nghĩa 2.13. Cho A là ma trận vuông cấp n và E là ma trận đơn vị cấp n. Nếu có ma
trận X sao cho A.X = X.A = En
thì ta nói ma trận A là khả nghịch và X được gọi là ma trận nghịch đảo của ma trận A
(hay A có ma trận nghịch đảo là X), và ký hiệu A-1 = X.
1 1
Ví dụ 2.36. Ma trận A = có ma trận nghịch đảo là
1 2
2 1 1 1 2 1 1 0 2 1 1 1 1 0
A-1 = vì = và =
1 1 1 2 1 1 0 1 1 1 1 2 0 1
Từ định nghĩa, ta có chú ý sau:
Chú ý 2.7. Nếu X là nghịch đảo của A thì X cũng khả nghịch và X-1 = A.
2.5.2. Sự duy nhất của ma trận nghịch đảo
Định lý 2.6. Ma trận nghịch đảo A-1 của ma trận vuông A nếu tồn tại thì chỉ tồn tại duy
nhất mà thôi.
Chứng minh:
Giả sử X, Y đều là ma trận nghịch đảo của ma trận A, nghĩa là ta có:
AX = XA = E
AY = YA = E
Từ đó suy ra:
X = XE = X.(AY) = (XA).Y = EY = Y
2.5.3. Sự tồn tại của ma trận nghịch đảo
Trước hết ta có nhận xét về điều kiện cần để một ma trận là ma trận khả nghịch.
Định lý 2.7. Nếu ma trận vuông A khả nghịch tức là có nghịch đảo A-1 thì det(A) ≠ 0.
Chứng minh: Từ A.A-1 = E
Áp dụng định lý 2.4 về định thức của tích hai ma trận, ta có:
det(A.A-1) = det(I) det(A) det(A-1) = 1 det(A) 0, det(A-1) 0.
Bây giờ ta xem xét mệnh đề ngược lại có đúng không? Sau đây là mệnh đề ngược của
định lý 2.7.
Định lý 2.8. Cho A = [aij]nn. Nếu det(A) 0 thì ma trận A có nghịch đảo A-1 được tính
bởi công thức sau:
A11 A21 An1
A A22 An 2
1
-1
A = . 12
det(A)
A1n A2 n Ann
và
det( A) nÕu k j
a1kA1j + a2kA2j + + ankAnj =
0 nÕu k j
A1n A 2n A nn
1 -1 2 -1 2 1
A31 = (-1)3+1 = 4; A32 = (-1)3+2 = -6; A33 = (-1)3+3 =2
1 3 0 3 0 1
2 2 4
Vậy A = 6 4 6
2 0 2
Bước 3: Tính ma trận nghịch đảo
2 2 4 1 2 1 2 1
1 3 2
1
A-1 = A = 6 4 6 = 3 2 1
det(A) 4
2 0 2 1 2 0 1 2
2.5.4.2. Phương pháp 2 ( Phương pháp khử GaussG-Jordan)
a11 a12 a1n b11 b12 b1n x1 d1
a a22 a2 n b b22
b2 n x2 d
Ký hiệu A 21 ,B
21
, X ,D .
2
an1 an 2 ann bn1 bn 2 bnn xn d n
Cho phương trình ma trận AX = D, với X là ẩn và det(A) 0, D là ma trận bất kỳ cấp n1.
Khi đó, chúng ta có thể dùng phương pháp khử Gauss-Jordan để tìm đồng thời A-1 và
nghiệm X qua nhận xét sau:
Phương trình ma trận AX = D có thể viết lại dưới dạng hệ gồm n phương trình, n ẩn
x1, x2, ..., xn như sau:
a11 x1 a12 x2 a1n xn 1.d1 0 0 d1
a x a x a x 0 1.d 2 0 d2
21 1 22 2 2n n
(2.5)
an1 x1 an 2 x2 ann xn 0 0 1.d n d n
Khi đó, ma trận B là ma trận nghịch đảo của ma trận A và X = [c1, c2, ..., cn]t.
Thật vậy: Hệ phương trình (2.5) và (2.6) có thể viết lại dưới dạng phương trình ma trận
là AX = D và X = BD, với D
do det(A) 0 nên A-1 và:
AX = D A-1(AX) = A-1D X = A-1D A-1D = BD (A-1-B) D = [0]nn, với D
Từ đây suy ra A-1-B = [0]nn hay A-1 = B.
Phương pháp khử Gauss-Jordan để tìm A-1 và nghiệm X trong phương trình AX=D
Bước 1: Viết ma trận đơn vị E và ma trận D cùng cấp với ma trận A bên cạnh phía phải
ma trận A được ma trận mới ký hiệu (A|E|D)
Với chú ý, các phép biến đổi tương đương cho hệ (2.5) cũng là các phép biến đổi sơ cấp
trên dòng đối với ma trận (A|E|D), nên ta có bước 2.
Bước 2: Dùng các phép biến đổi sơ cấp trên dòng đối với ma trận mới (A|E|D) này để
đưa dần khối ma trận A về ma trận đơn vị E, còn khối ma trận E trở thành ma trận B, khối D
thành khối C, tức là (A|E|D) (E|B|C). Khi đó B chính là ma trận nghịch đảo của A và
nghiệm X = C.
Chú ý 2.8. Có thể mở rộng cách tìm nghiệm của phương trình AX=D trên với D là ma
trận cấp np bất kì.
Ví dụ 2.38. Tìm ma trận nghịch đảo của ma trận sau:
1 2 3
A = 2 5 3
1 0 8
Giải:
1 2 3 1 0 0
Bước 1: Lập ma trận (A|E) = 2 5 3 0 1 0
1 0 8 0 0 1
2 1 0
1 0 8 0 0 1 0 2 5 1 0 1
1 2 3 1 0 0 1 3 0 1 1 0
D 2 D1 D1
0 1 3 2 1 0
D 2 2 D 3 D 3 3
0 1 0 13 5 3 D ( 3) D 2 D 2
0 0 1 5 2 1 0 0 1 5 2 1
1 0 0 40 16 9 40 16 9
D 2( 3) D1 D1
13 5 3 .
0 1 0 13 5 3 = (E|X) A-1 =
D 3( 1) D 3
0 0 1 5 2 1 5 2 1
Bài tập chương 2
Bài 2.1. Áp dụng quy tắc Sarrus, tính định thức cấp 3
1 1 2 3 4 5 1 2 4
a. 1 3 4 b. 8 7 2 c. 2 7 2
5 3 3 2 1 8 2 1 8
0 1 a
Bài 2.3. a) Cho a = cos + i sin C. Tính 1 a a2
a a2 0
1 b b2
2 2
b) Với b cos i sin , tính b 1 b2
3 3
b2 b 1
a b c d
b a d c
Bài 2.4. Tính định thức của A 2010
với A =
c d a b
d c b a
1 2 3 4 a2 (a 1)2 (a 2) 2 (a 3) 2
4 3 2 1 b2 (b 1)2 (b 2) 2 (b 3) 2
d. e. 2
7 9 5 6 c (c 1) 2 (c 2)2 (c 3)2
1 1 1 1 d2 (d 1) 2 (d 2) 2 (d 3) 2
Bài 2.6. Dùng phương pháp khai triển, tính định thức
2 1 0 0 1 2 2 1 a 3 0 5
1 2 1 0 0 1 0 2 0 b 0 2
a. b. c.
0 1 2 1 2 0 1 1 1 2 c 3
0 0 1 2 0 2 0 1 0 0 0 d
1 1 1 0 0 0
1 0 1 0 0
2 3 4 0 0 0
1 1 1 1 1
3 6 10 0 0 0
d. e. 1 0 1 0 0
4 9 14 1 1 1
1 0 1 0 0
5 15 24 1 5 9
1 1 1 1 1
0 24 38 1 25 81
Bài 2.10. Tìm ma trận nghịch đảo của các ma trận sau
cos x sin x 1 2 1 1
a. b. c.
sin xcos x
0 1 3 2
1 2 0 3 5 7 1 2 3
d. 3 2 1 e. 6 3 4 f. 3 2 4
0 1 2 5 2 3 2 1 0
1 1 1 1
1 1 1 1 1 3 5 7 0
1 1 1 1 0 1 1 1
1 2 3
g. h. i. 0 0 1 1
1 1 1 1 0 0 1 2
1 1 1 1 0 0 0 1
0 0 0 1
Bài 2.11. Chứng minh rằng, ma trận tam giác trên có các phần tử trên đường chéo chính
khác không là ma trận không suy biến (có định thức khác không) và nghịch đảo của nó cũng
là một ma trận tam giác trên.
Ma trận tam giác dưới có các phần tử trên đường chéo chính khác không là một ma
trận không suy biến và nghịch đảo của nó cũng là một ma trận tam giác dưới.
1 2 3 1 3 0 1 1 1 1 1 3
d. 3 2 4 . X 10 2 7
e. X . 2 1 0 4 3 2
2 1 0 10 7 8 1 1 1 1 2 5
14 12 6 8 2 1 0 1 0 0
6 104 21 9 17 1 1 0 0 0
d. e.
7 6 3 4 1 0 1 1 0 0
35 30 15 20 5 0 1 0 1 1
Bài 2.16. Cho A là ma trận cấp mn, B là ma trận cấp np. Chứng minh rằng:
a. Các dòng của ma trận tích AB là tổ hợp tuyến tính của các dòng ma trận B.
b. Các cột của ma trận tích AB là tổ hợp tuyến tính của các cột ma trận A.
Bài 2.17. Chứng minh rằng:
a. Nếu A và B là hai ma trận cùng cấp thì r(A+B) r(A) + r(B).
b. Nếu A là ma trận cấp mn, B là ma trận cấp np thì r(AB) min{r(A), r(B)}.
Bài 2.18. Tìm hạng của ma trận theo k
k 1 1 1
1 k 1 1 1 1 k 1 2
k 1 1
a. b. 1 k 1 k c. 2 1 k 5
1 1 k 1
1 1 k k 2 1 10 k 2
1 1 1 k
Bài 2.19. Ta gọi t là một phép biến đổi sơ cấp trên ma trận. Cho A là ma trận cấp mn và E
là ma trận đơn vị cấp m, gọi At và Et là ma trận nhận được từ cùng phép biến đổi sơ cấp t
cho A và E. Chứng minh rằng:
a. Phép biến đổi sơ cấp t cho hàng của A là phép nhân ma trận Et.A = At
b. Nếu A là ma trận đưa về ma trận B bằng những phép biến đổi sơ cấp t1, t2, ..., ts trên
hàng thì Q Et Et Et khả nghịch và QA = B.
1 2 s
Bài 2.20. Cho A là ma trận cấp mn và E là ma trận đơn vị cấp n, gọi At và Et là ma trận
nhận được từ cùng phép biến đổi sơ cấp t cho A và E. Chứng minh rằng:
a. Phép biến đổi sơ cấp t cho cột của A là phép nhân ma trận A. Et = At.
b. Nếu A là ma trận đưa về ma trận B bằng những phép biến đổi sơ cấp t1, t2, ..., ts trên
hàng thì Q Et Et Et khả nghịch và AQ = B.
1 2 s
CHƯƠNG 3
KHÔNG GIAN VECTƠ
Ở chương một chúng ta đã được giới thiệu một số cấu trúc đại số, chẳng như: nhóm,
vành, trường. Trong chương này, chúng ta sẽ xây dựng một cấu trúc đại số mới gồm một tập
hợp khác rỗng và trang bị cho các phần tử của nó hai phép toán.
3.1. Khái niệm về không gian vectơ
3.1.1. Không gian vectơ tổng quát
Cho tập hợp V khác rỗng, K là trường số thực hoặc phức.
Định nghĩa 3.1. (phép cộng hai phần tử trong V , ký hiệu là +)
Với hai phần tử bất kỳ , V ta đặt tương ứng với một phần tử xác định trong V ,
gọi là tổng của với và ký hiệu là V .
Định nghĩa 3.2. (phép nhân một phần tử của K với một phần tử của V, ký hiệu là .)
Với một phần tử bất kỳ k K và một phần tử bất kỳ V , ta đặt tương ứng với một
phần tử xác định trong V ; gọi là tích của k với và ký kiệu k. = .
Định nghĩa 3.3. Tập hợp V cùng với hai phép toán trên nếu thỏa mãn 8 tính chất sau:
t1. Tính chất giao hoán: , V thì
t2. Tính chất kết hợp: , , V thì ( )
t3. Trong V tồn tại phần tử sao cho V thỏa mãn:
t4. Trong V mỗi phần tử tồn tại , V thỏa mãn: ,
t5. Tính chất phân phối của phépcộng tổng hai phần tử trong K với một phần tử trong V
:
k , l K , V thì (k+l). =k. l.
t6. Tính chất kết hợp giữa phép nhân hai phần tử trong K với một phần tử trong V:
k , l K , V thì (kl). =k.(l. ) l .( k . )
t7. Tính chất phân phối của phép nhân một phần tử trong K với tổng hai phần tử trong
V:
k K , , V thì k.( ) k . k .
t8. Tính chất bảo toàn của phép nhân phần tử đơn vị trong K với một phần tử trong V:
V thì 1. .
được gọi là không gian vectơ trên trường K, ký hiệu ( V ,+,.). Mỗi phần tử trong V gọi là
một vectơ; mỗi phần tử trong trường K gọi là một vô hướng; mỗi tính chất trên được gọi là
một tiên đề (từ t1 đến t4 là bốn tiên đề của phép cộng, từ t5 đến t8 là bốn tiên đề của phép
nhân).
Chú ý 3.1. Để đơn giản sau đây khi nói đến không gian vectơ ( V ,+,.) ta chỉ cần kí
hiệu là V và luôn hiểu trong V có hai phép toán thỏa mãn tám tính chất trên.
Ví dụ 3.1. Chứng minh rằng tập hợp các ma trận vuông cấp 2x2 ký hiệu là:
Mat22 ( K ) A aij ; aij K , i 1, 2; j 1, 2
2 2
với phép công hai ma trận cùng cấp và phép nhân một phần tử trong K với một ma trận
thông thường tạo thành một không gian vectơ.
Giải:
Thật vậy, với hai ma trận vuông cấp 2x2:
A aij Mat22 ( K ); B bij Mat22 ( K ) : A B aij bij
22 22 2 2
dễ thấy phép cộng 2 ma trận thỏa mãn 4 tiên đề của phép cộng.
0 0
Phần tử thỏa mãn tiên đề 3 của phép cộng
0 0 22
a11 a12 , a11 a12 0 0
Với mỗi ma trận A A : A A,
a21 a22 a21
a22
0 0
Phép nhân một số trong trường K với một ma trận vuông cấp 2x2 được xác định:
k K ; A aij Mat22 ( K ) : kA kaij
2 2 22
dễ thấy phép nhân một ma trận cấp 2x2 với một phần tử trong K cũng thỏa mãn 4 tiên đề
của phép nhân.
Do đó Mat22 ( K ) tạo thành một không gian vectơ và mỗi vectơ trong không gian này là
một ma trận cấp 2x2 dạng A aij K 22 .
Tổng quát, tập hợp các ma trận cấp mxn, ký hiệu là Matmn ( K ) A aij mn ; aij K . Dễ
thấy hai phép toán: cộng hai ma trận cùng cấp mxn trong Matmn ( K ) và phép nhân một số
trong K với một ma trận cấp mxn thông thường thỏa mãn tám tiên đề trong định nghĩa 3.3,
do đó Matmn ( K ) tạo thành một không gian vectơ và mỗi vectơ trong không gian này là một
ma trận cấp mxn dạng A aij K mn .
Với mỗi ma trận A aij mn Matmn ( K ), A, aij mn Matmn ( K ) : A A , 0mn .
Ví dụ 3.2. Cho K là trường số thực R, Pn(x) là tập hợp các đa thức bậc nhỏ hơn hay
bằng n (n N ) của x với hệ số thực:
Pn(x) pn ( x) a0 a1 x a2 x 2 ...an1 x n 1 an x n ; ai R, i 0,1,..., n .
Chứng minh Pn(x) với phép cộng hai đa thức và phép nhân một số thực với một đa thức
thông thường tạo thành một không gian vectơ.
Giải: Phép cộng 2 đa thức trong Pn(x) được xác định như sau:
pn ( x) ; qn ( x) Pn(x): pn ( x) a0 a1 x a2 x 2 ... an 1 x n 1 an x n ; ai R, i 0,1,..., n .
và qn ( x) b0 b1 x b2 x 2 ... bn 1 x n 1 bn x n ; bi R, i 1, n :
pn ( x) qn ( x) (a0 b0 ) (a1 b1 ) x (a2 b2 ) x 2 ... (an 1 bn 1 ) x n 1 (an bn ) x n ; dễ thấy
pn ( x) qn ( x) Pn(x) và phép cộng thỏa mãn 4 tiên đề trong định nghĩa 3.3.
t4. x ( x1 , x2 , x3 , , xn 1 , xn ) R n , x, ( x1 , x2 , x3 , , xn 1 , xn ) R n : x x,
Định nghĩa 3.6. (phép nhân một số trong trường số thực R với một phần tử trong R n
Cho một phần tử k R và một phần tử x ( x1 , x2 , x3 , , xn1 , xn ) R n
Tích của k với x (ký hiệu là kx) và được xác định:
kx (kx1 , kx2 , kx3 , , kxn1 , kxn )
Nhận xét 3.2. Dễ thấy kx R n và phép nhân được xác định như trên cũng thỏa mãn 4
tiên đề của phép nhân:
t5. k , l R; x R n : (k l ) x kx lx
t6. k , l R; x R n : (kl ) x k (lx) l (kx)
t7. k R; x , y R n : k ( x y ) kx ky
t8. x R n : 1.x x
Nhận xét 3.3. Tập hợp R n cùng với hai phép toán đã xác định ở trên tạo thành không gian
vectơ trên trường số thực, ký hiệu là ( R n , ,.) .
Định nghĩa 3.7. Không gian vectơ ( R n , ,.) được gọi là không gian tuyến tính, ký hiệu
Rn. Mỗi số thực là một vô hướng, mỗi vectơ trong Rn là một bộ n số thực sắp thứ tự, ký hiệu
là x ( x1 , x2 , x3 , , xn 1 , xn ); xi R, i 1, n .
Ví dụ 3.3. Trong không gian tuyến tính R 3 cho x=(2,4,3), y=(1,-5,4), z=(-3,-1,2)
Tìm vectơ t=3x-y+2z
Giải: t=3(2,4,3)-1(1,-5,4)+2(-3,-1,2)=(6,12,9)+(-1,5,-4)+(-6,-2,4)=(-1,15,9)
3.2. Tính chất của không gian vectơ
Cho V là không gian vectơ trên trường K, các vectơ trong V có các tính chất sau:
Tính chất 3.1. Phần tử trong tiên đề 3 của phép cộng là duy nhất
Chứng minh: Trong không gian vectơ V sự tồn tại phần tử đã được khảng định trong
tiên đề 3. Giả sử trong V cũng tồn tại phần tử ' có tính chất: , ; V , ta chứng
minh cho ' . Theo tính chất của ' ta có: ' , mặt khác theo tính chất của ta
cũng có: , , mà , ' là hai phần tử trong V nên thỏa mãn tính chất giao hoán
, ' do đó
' .
Phần tử tồn tại duy nhất thỏa mãn tiên đề 3 của phép cộng được gọi là phần tử trung
hòa của phép cộng.
Tính chất 3.2. Với mỗi vectơ V tồn tại duy nhất vectơ , cũng thuộc V thỏa mãn:
,
Chứng minh: Trong không gian vectơ V, với mỗi vectơ V, sự tồn tại phần tử , đã
được khảng định trong tiên đề 4. Giả sử ,, V cũng có tính chất ,, .
Ta sẽ chứng minh cho , ,, .
Thật vậy: Ta xét , ,, (
, ) ,, , (
,, ,, ,
) .
Với mỗi V, phần tử tồn tại duy nhất trong V thỏa mãn: , (tiên đề 4 của
,
3.3. Mối quan hệ tuyến tính giữa các vectơ trong không gian vectơ V
Cho V là không gian vectơ trên K; S là một bộ phận (hay còn gọi là một hệ) các vectơ
của V. Ta hãy xét mối quan hệ tuyến tính giữa các vectơ trong bộ phận S. Trong phạm vi
giáo trình ta chỉ xét bộ phận S gồm hữu hạn vectơ.
Giả sử V S X 1, X 2, ..., X m ; m là một số tự nhiên lớn hơn 1.
gọi là một tổ hợp tuyến tính của các vectơ trong hệ S; ti gọi là hệ số của tổ hợp tuyến tính
trên.
Ví dụ 3.4. Trong không gian vectơ R4 cho các vectơ :
X1=(1,2,-1,5) ; X2=(-1,-2,3,-3) ; X3=(-2,-1,2,-2).
a) Tìm tổ hợp tuyến tính: -3X1 + 2X2 +X3
b) Tìm vectơ Y thỏa mãn: 3X1 + X2 -4X3+2Y=
Giải:
a) X = -3X1 + 2X2 +X3 = -3(1,2,-1,5) +2(-1,-2,3,-3) +(-2,-1,2,-2)
=(-3,-6,3,-15)+(-2,-4,6,-6)+(-2,1,2,-2)=(-7,-9,11,-23)
b) 3X1 + X2 -4X3+2Y= =(0,0,0,0) (1) theo tính chất trong không gian vectơ có vec tơ
không và mỗi vectơ có vectơ đối ta có:
3 1 3 1
(1) 3X1 - X 2 +4X3 =2Y Y X1 - X 2 +2X3 1, 2, 1, 5 - 1, 2,3, 3 2 2, 1, 2, 2
2 2 2 2
(5, 4, 4, 10)
Nhận xét 3.4. Từ định nghĩa ta thấy tổ hợp tuyến tính các vectơ của hệ S cũng là một
vectơ trong không gian vectơ V.
m
Định nghĩa 3.9. Nếu vectơ X ti X i thì ta nói vectơ X được biểu diễn tuyến tính qua
i 1
Định nghĩa 3.10. Hệ vectơ S được gọi là hệ độc lập tuyến tính (đltt)
m
nếu ti Xi (1) thì cần và đủ là ti 0 (i 1, m ) . Hệ vectơ S được gọi là hệ phụ thuộc
i 1
tuyến tính (pttt) nếu (1) xảy ra thì cần và đủ là có ít nhất một hệ số ti 0 (1 i m ) .
Nhận xét 3.5. Sự đltt và pttt là hai khái niệm đối lập nhau, nếu một hệ vectơ đltt thì
không pttt và ngược lại, do đó để khảo sát hai tính chất trên ta chỉ cần khảo sát một trong hai
tính chất đó là đủ.
Ví dụ 3.6. Trong không gian vectơ R3 hãy xét sự đltt của ba vectơ sau :
X 1 =(1,-1,2); X 2 =(2,1,-1); X 3 (1,1, 0)
3 1 2 1 4 3
hãy xét tính độc lập của S={A , B, C}
Giải: Với ti K (i 1,3) xét hệ thức: t1A + t2 B + t3C = (0) 3x2
t1 2t1 t2 t2 3t3 5t3 0 0
t1 t1 t2 t2 t3 3t3 0 0
3t1 t1 2t2 t2 4t3 3t3 0 0
t1 t2 3t3 0
2t t 5t 0
1 2 3
t1 t2 t3 0 t1 2
2A - B – C = (0)3x2
t1 t 2 3t3 0 t 2 t3 1
3t1 2t2 4t3 0
t1 t2 3t3 0
do đó S là hệ pttt.
3.3.2. Các tính chất
Tính chất 3.8. Hệ vectơ S là đltt X i ; i 1, m
Chứng minh: Ta chứng minh bằng phản chứng, giả sử X j ( 1 j m ); xét tổ hợp
m
tuyến tính: ti Xi có các hệ số ti được xác định như sau: tj=1 và ti=0 , i 1, m, i j
i 1
m m
ti X i 0X i 1X j S là hệ pttt mâu thuẫn với giả thiết, suy ra đpcm.
i 1 j i 1
Hệ quả 3.1. Nếu một hệ vectơ có chứa vectơ (vectơ trung hòa của phép cộng) thì hệ
luôn pttt.
Tính chất 3.9. Hệ vectơ S là đltt thì mọi bộ phận con của S cũng đltt.
Chứng minh: Ta chứng minh bằng phản chứng, giả sử trong S tồn tại một bộ phận con S1
pttt ; không giảm tính chất tổng quát ta luôn giả sử được S1 X 1 , X 2 ,..., X k gồm k vectơ
đầu của hệ S ( 1 k m ). Vì S1 pttt do đó :
k k m
t j , 1 j k : ti X i ti X i 0X s = S là hệ pttt, mâu thuẫn với giả thiết, suy
i 1 i 1 s k 1
ra đpcm.
Hệ quả 3.2. Mọi hệ vectơ chứa một bộ phận con pttt thì cũng pttt.
Tính chất 3.10. Hệ vectơ S (số vectơ của S lớn hơn 1) là pttt cần và đủ là tồn tại ít nhất
một vectơ của hệ được biểu diễn tuyến tính qua các vectơ còn lại của hệ đó.
m m
Chứng minh: Hệ S (có số vectơ lớn hơn 1) pttt ti K ; ti 2 0 : ti X i (1) ; giả sử
i 1 i 1
1
m tj m m
ti ti
t j 0 khi đó: (1) t j X j t X
j i 1
i i Xj
j i 1 t j
Xi X
j i 1
i i (i
tj
K ; i 1, m, i j )
ta có đpcm.
Hệ quả 3.3. Hệ vectơ S đltt khi và chỉ khi không có một vectơ nào của hệ được biểu
diễn tuyến tính qua các vectơ còn lại của hệ đó.
Nhận xét 3.6. Các hệ quả của tính chất 1, tính chất 2, tính chất 3 dễ dàng được chứng
minh hoặc trực tiếp hoặc được suy ra từ sự tương đương của mệnh đề thuận và mệnh đề
phản đảo.
3.4. Hạng của hệ vectơ – số chiều của không gian vectơ
Hạng của hệ vectơ và số chiều của không gian vectơ là những khái niệm cơ bản đặc
trưng cho mối quan hệ tuyến tính giữa các vectơ trong một hệ vectơ cũng như trong toàn bộ
không gian; do đó nó đóng vai trò quan trọng trong nội dung toán cao cấp 1. Trong phần
này trước hết chúng tôi trình bày nội dung trên trong không gian vectơ tổng quát V
3.4.1. Hạng của hệ vectơ – số chiều của không gian vectơ V
Cho hệ vectơ S X1, X 2, ,..., X m V, (1 m N) . Một tập con U của S (U là một bộ
phận gồm một số vectơ hay tất cả các vectơ của S, để đơn giản ta có thể nói U là một bộ
phận con hoặc một hệ con của S).
Định nghĩa 3.11. Hệ vectơ U là một bộ phận con của hệ vectơ S; U được gọi là hệ
độc lập tuyến tính tối đại (đltttđ) của S nếu U là hệ vectơ đltt và mọi vectơ của hệ S đều
được biểu thị tuyến tính qua các vectơ của U.
Nhận xét 3.7.
i) Khi U là một bộ phận con đltt của hệ vectơ S muốn chứng minh U là bộ phận con
đltttđ của S bằng định nghĩa ta chỉ cần chứng minh cho mọi vectơ thuộc tập ( S \ U ) được
biểu diễn tuyến tính qua các vectơ cúa U hoặc X ( S \ U ) thì (U X ) là hệ các vectơ pttt là
đủ.
Thật vậy : Vì mỗi vectơ trong U luôn được biểu diễn tuyến tính qua các vectơ của U
ii) Cho hệ vectơ S V (S khác rỗng), từ định nghĩa 3.10 ta nhận được các kết luận trong
hai trường hợp đặc biệt sau đây :
Trường hợp 1: S có duy nhất vectơ không thì S không có bộ phận con đltttđ nào.
Trường hợp 2: S là một hệ vectơ đltt thì S có duy nhất một bộ phận con đltttđ là chính
S.
Ví dụ 3.8. Ví dụ 3.8. Tìm bộ phận đltttđ của hệ :
S X1 , X 2 , X 2 với X1=(2,1,-1), X2=(1,0,-2); X3=(-1,-1,1)
do đó S là hệ pttt
Ta xét bộ phận U1 X 1 , X 2 S , hệ thức t1X1 t2 X 2 (0, 0, 0)
3t1 t2 0 t1 0
3t1 t2 0 t2 0
2t 2t 0 t 0
1 2 3
nên U1 đltt, do đó nó là một bộ phận con đltttđ của S.
Tương tự U2 ={X2, X3} và U3={X1, X3} cũng là các bộ phận con đltttđ của S. Như vậy
hệ vectơ S có 3 bộ phận con đltttđ và mỗi bộ phận đltttđ của S đều có số vectơ là 2.
Trên đây cho ta thấy, một hệ hữu hạn vectơ S của không gian vectơ V thì S có thể: không
có bộ phận đltttđ ( S ) ; hoặc có duy nhất một bộ phận đltttđ (S là hệ đltt); hoặc có
nhiều bộ phận đltttđ (ví dụ 3.9 ở trên). Do đó một câu hỏi được đặt ra là: trong không gian
vectơ V, cho hệ vectơ S thì S luôn có bộ phận con đltttđ hay không? Trong trường
hợp có nhiều hơn một bộ phận đltttđ thì số lượng các vectơ trong mỗi bộ phận đltttđ đó có
bằng nhau không.
Để trả lời cho các câu hỏi trên ta có các định lý sau:
Định lý 3.1. Cho S là hệ gồm hữu hạn vectơ của không gian vectơ V và S thì S
luôn có ít nhất một bộ phận con đltttđ.
Chứng minh: Giả sử S X1, X 2, ,..., X m V, (1 m N) .
Trước tiên, ta xét những bộ phận gồm một vectơ của S, dễ thấy có ít nhất một bộ phận
(có một vectơ) đltt, ta ký hiệu là S1 (vì S nên S chứa ít nhất một vectơ khác vectơ
không).
Tiếp theo, ta xét các bộ phận gồm 2 vectơ của S, xảy ra hai trường hợp sau :
Trường hợp thứ nhất : Mọi bộ phận gồm 2 vectơ trong S đều pttt khi đó S1 là một bộ
phận con đltttđ của V (vì S1 đã đltt và khi bổ sung vào S1 một vectơ bất kỳ của hệ S thì được
hệ hai vectơ pttt).
Trường hợp thứ hai : Tồn tại một bộ phận đltt gồm 2 vectơ trong S, ta ký hiệu bộ phận
đó là S2 .
Tiếp theo, ta xét các bộ phận gồm 3 vectơ của S, cũng xảy ra hai trường hợp như ở trên :
Trường hợp thứ nhất : Mọi bộ phận gồm 3 vectơ trong S đều pttt ; khi đó S2 là một bộ
phận con đltttđ của S vì S2 đã đltt và khi bổ sung vào S2 một vectơ bất kỳ của hệ S thì được
hệ ba vectơ pttt.
Trường hợp thứ hai : Tồn tại một bộ phận đltt gồm 3 vectơ trong S, ta ký hiệu bộ phận
đó là S3 .
Ta tiếp tục xét các bộ phận gồm 4,5,...vectơ của hệ S. Quá trình trên được dừng lại sau
hữu hạn bước (tối đa là m bước, ở bước thứ k ta phải xét tính đltt của Cmk bộ phận con gồm
k trong m vectơ của hệ S , 1 k m) . Kết thúc quá trình trên, ta nhận được ít nhất một bộ
phận con đltttđ của V, định lý được chứng minh.
Định lý 3.2. (Định lý thay thế Steinitz)
Trong không gian vectơ V cho hai hệ vectơ: U u1 , u2 ,..., um và S s1 , s2 ,..., sn ; nếu hệ
vectơ U độc lập tuyến tính và mỗi vectơ của U đều được biểu diễn tuyến tính qua các vectơ
của hệ S thì m n .
Chứng minh: Ta sẽ chứng minh tồn tại một hệ vectơ Sm nhận U làm hệ con và mọi vectơ
của U được biểu diễn tuyến tính qua các vectơ của Sm .
Thật vậy, theo giả thiết mỗi vectơ của U đều được biểu diễn tuyến tính qua các vectơ của
hệ S. Giả sử u1 t1s1 t2 s2 ... tn 1sn 1 tn sn (1) vì U là hệ đltt nên u1 0 t j 0 , không làm
1 t2 t t
giảm tính chất tổng quát giả sử t1 0 , từ (1) ta có: s1 u1 s2 ... n 1 sn 1 n sn (2)
t1 t1 t1 t1
Trong hệ S ta thay vectơ s1 bởi vectơ u1 ta được hệ vectơ S1 u1 , s2 ,..., sn , từ (2) ta có
các vectơ của S được biểu diễn tuyến tính qua các vectơ của S1 , do đó các vectơ của hệ U
cũng được biểu diễn tuyến tính qua các vectơ của S1 . Giả sử ta có:
u2 1u1 2 s2 ... n 1sn 1 n sn (3) vì U là hệ đltt nên j 0, j 2, n , không làm giảm
tính chất tổng quát giả sử 2 0 (nếu không như vậy ta chỉ cần đánh số lại các vectơ), từ (3)
1
ta có: s2 1 u1 u2 ... n 1 sn 1 n sn (4)
1 1 1 1
Trong S1 ta thay vectơ s2 bởi vectơ u2 ta được hệ vectơ S2 u1 , u2 , s3 ,..., sn
từ (2) và (4) ta có các vectơ của S được biểu diễn tuyến tính qua các vectơ của S2 ; do
đó các vectơ của hệ U cũng được biểu diễn tuyến tính qua các vectơ của S2 .
Tiếp tục quá trình trên, sau m lần ta nhận được hệ Sm u1 , u2 , u3 ,..., um , sm 1 ,..., sn .
Dễ thấy n m vì nếu n m thì mọi vectơ của hệ U đều biểu thị tuyến tính qua bộ phận
Sn u1 , u2 ,..., un điều này mâu thuẫn với giả thiết U là hệ pttt. Suy ra đpcm.
Hệ quả 3.4. Bộ phận S ; S gồm hữu hạn vectơ trong không gian vectơ V thì mọi hệ
con đltttđ của S đều có số vectơ bằng nhau.
Chứng minh: Theo giả thiết, sự tồn tại bộ phận con đltttđ của hệ S đã được chứng minh
trong định lý 3.1
Giả sử A a1 , a2 ,..., am gồm m vectơ; B b1 , b2 ,..., bn gồm n vectơ của hệ S và A, B là
hai bộ phận con đltttđ của hệ S . Khi đó A, B là các hệ đltt và mọi vectơ của một trong hai
hệ đều biểu thị tuyến tính qua các vectơ của hệ còn lại, do đó theo định lý trên ta có m n
và n m , suy ra n m
Định nghĩa 3.12. Cho S là một hệ vectơ của không gian vectơ V; S khác rỗng
và S . Một bộ phận đltttđ của S được gọi là một cơ sở của S và số vectơ trong một cơ sở
của S gọi là hạng của S và kí hiệu là r(S).
Quy ước : Hạng của hệ có duy nhất vectơ bằng không.
Nhận xét 3.8. Bộ phận S ; S gồm hữu hạn vectơ trong không gian vectơ V thì:
i) Cơ sở của S có thể không duy nhất.
Thật vậy, hệ vectơ S trong ví dụ 3.9 có 3 cơ sở.
ii) Giả sử S gồm m vectơ: Nếu S đltt thì r(S)=m, hoặc nếu S pttt và tồn tại một bộ phận
con đltt gồm m-1 vectơ của S thì r(S) = m-1.
Ví dụ 3.10. Tìm hạng hệ vectơ S X 1 , X 2 , X 3 R 4 với:
X 1 (1,1, 2, 1); X 2 (2, 1, 2,1); X 3 (1,1,10, 1) .
do đó hệ vectơ S pttt.
Ta có bộ phận X 1 , X 2 là hệ đltt trong S vì: t1X1 t2 X 2 (0, 0, 0, 0)
t1 2t2 0
t t 0
1 2
t1 t2 0
2t1 2t2 0
t1 t2 0
Do đó r(S) = 2
Định nghĩa 3.13. Không gian vectơ V được gọi là không gian hữu hạn chiều nếu
trong V có một hệ vectơ đltttđ gồm hữu hạn vectơ.
Định nghĩa 3.14. Trong không gian hữu hạn chiều V, một hệ vectơ đltttđ được
gọi là một cơ sở của V và số vectơ trong một cơ sở gọi là số chiều của không gian, ký hiệu
là dim V.
Chú ý 3.2. Trong phạm vi giáo trình ta chỉ xét không gian hữu hạn chiều.
Nhận xét 3.9. Cho không gian vectơ hữu hạn chiều V, mọi hệ vectơ S V thì
r ( s ) dim V
Ví dụ 3.11. Tìm dim Mat22 ( K ) (số chiều của không gian các ma trận vuông cấp 2)
1 0 0 1 0 0 0 0
X1 , X2 , X3 , X4 .
0 0 0 0 1 0 0 1
Với ti K ; i 1, 4 xét hệ thức:
0 0 t1 t2 0 0
t1X1 t2 X 2 t3 X 3 t4 X 4 ()22 t1 t2 t3 t4 0
0 0 t3 t4 0 0
do đó U là hệ vectơ đltt.
a b
Mặt khác A Mat22 ( K ) , đều có biểu diễn A =aX1+bX2+cX3+dX4, nên U là bộ
c d
phận đltttđ và là một cơ sở của không gian các ma trận vuông cấp 2, do đó dim Mat22 ( K ) 4
Hệ ma trận U ở trên được gọi là cơ sở tự nhiên hay còn gọi là cơ sở chính tắc của
Mat22 ( K )
Định nghĩa 3.15. Không gian vectơ V được gọi là không gian vô hạn chiều (số
chiều của V bằng ); ký hiệu dim V nếu trong V tồn tại ít nhất một bộ phận đltt có vô
hạn vectơ.
Ví dụ 3.12. Cho tập P* x gồm tất cả các đa thức với hệ số thực của biến x có bậc tùy ý ;
với phép cộng hai đa thức và phép nhân một đa thức với một số thực thông thường.
Chứng minh rằng : P* x là không gian vec tơ trên trường số thực và có số chiều vô
hạn.
Giải: P* x = p ( x) a0 a1 x a2 x 2 ...an 1 x n 1 an x n ...; ai R, i 0,1, 2,..., n,...
Dễ thấy P* x với hai phép toán trên tạo thành một không gian vectơ trên trường số
thực.
Đồng thời n N (n lớn tùy ý) luôn tồn tại S 1, x, x 2 ,..., x n P* x mà :
nN
Điều kiện cần: Theo giả thiết U là một cơ sở của V do đó là hệ vectơ đltttđ của V, ta
m
phải chứng minh cho V thì ti X i (3.1) và biểu diễn dạng (3.1) là duy nhất.
i 1
m m
Thật vậy: V (U {}) là hệ vectơ pttt i X i (1) với 2
i 2 0
i 1 i 1
m m
Khi đó, 0 vì nếu =0 thì (1) i X i ( i2 0) U là hệ pttt mâu thuẫn với
i 1 i i 1
giả thiết.
m m
i
Với 0 thì (1) X i ti X i vậy đã có sự biểu diễn (3.1).
i 1 i 1
m
Sự biểu diễn (3.1) là duy nhất vì: giả sử còn có cách biểu diễn t'i X i (3.1),
i 1
m
Từ (3.1) và (3.1), ta có : (t t )X
i 1
i
'
i i mà U là hệ đltt tương đương với
Điều kiện đủ: Giả thiết cho mọi vectơ trong V đều có biểu diễn duy nhất qua các vectơ
của U, ta hãy chứng minh cho U là một cơ sở của V.
Để có được điều đó ta chỉ cần chứng minh cho U là hệ vectơ đltt trong V là đủ.
m m
Thật vậy U là đltt vì giả sử U là hệ pttt ti K; ti2 0 : ti X i . Mặt khác trong
i 1 i 1
m
không gian vectơ V có vectơ trung hòa và 0X i điều này mâu thuẫn với giả thiết vì
i 1
vectơ có hai cách biểu diễn khác nhau qua các vectơ của hệ U. Vậy U là hệ đltt và là hệ
đltttđ của V, do đó U là một cơ sở của V.
Hệ quả 3.5. Trong không gian vectơ hữu hạn chiều V cho hệ vectơ S ; nếu ta thêm vào
hệ vectơ S hoặc bớt đi trong S một vectơ được biểu diễn tuyến tính qua các vectơ của S thì
ta có hạng của hệ vectơ mới nhận được bằng hạng của hệ vectơ S.
m
Chứng minh : Giả sử S X1 , X 2 ,..., X m V , và X V; X k i X i .
i 1
Trường hợp thứ hai : Nếu S , trước tiên ta chứng minh điều kiện cần .
Ta luôn giả sử được S X1 , X 2 ,..., X m V và S có một bộ phận đltttđ U gồm k vectơ
đầu tiên của S dạng U X1 , X 2 ,..., X k S (1 k m) .
Từ giả thiết ta có bộ phận U {X } là hệ vectơ pttt, vì nếu nó đltt thì mâu thuẫn với giả
k k
thiết r (U ) r (U {X }) . Khi đó ti , t K ( i 1.k ) : ti2 t 2 0 để
i 1
t X
i 1
i i tX (1) ; nếu
k
t
t=0 thì mâu thuẫn với tính đltt của U do đó t 0 nên từ (1) X i X i (X đã được biểu
i 1 t
diễn tuyến tính qua các vectơ của hệ U) do đó X được biểu diễn tuyến tính qua các vectơ
của hệ S, ta có đpcm.
Điều kiện đủ là hiển nhiên theo hệ quả 3.5.
Định nghĩa 3.16. Cho U X1 , X 2 ,..., X m là một cơ sở của không gian vectơ V;
m
V có biểu diễn i X i khi đó ta nói i là hệ số phân tích của vectơ qua cơ sở U
i 1
và vectơ (1 , 2 ,..., m ) được gọi là vectơ hệ số phân tích của qua cơ sở U.
Nhận xét 3.10. Theo định lý 3.3 ta thấy vectơ hệ số phân tích của một vectơ qua một cơ
sở là duy nhất.
Ví dụ 3.13. Trong R3 cho U={ 1 =(1,1,1); 2 =(1,1,0); 3 =(1,0,0)}. Hãy chứng tỏ hệ vectơ
U là một cơ sở của R3 và tìm vectơ phân tích của =(2,-1,3) qua cơ sở đó.
t1 t2 t3 0 t1 0
Giải: Với t1 , t2 , t3 R : t11 t2 2 t33 (0, 0, 0) t1 t2 0 t2 0
t 0 t 0
3 3
nên U đltt
Ta chứng minh cho mọi vectơ trong R3 đều biểu diễn tuyến tính qua các vectơ của U.
Thật vậy: Với X là một vectơ bất kỳ của R3 thì X ( x1 , x2 , x3 ) , xét hệ thức:
X t11 t2 2 t3 3 (t1 t2 t3 , t1 t2 , t1 ) ( x1 , x2 , x3 )
t1 t2 t3 x1
t1 t2 x2 X x31 ( x2 x3 ) 2 ( x1 x2 ) 3
t x
1 3
Để biểu diễn =(2,-1,3) qua { 1 , 2 , 3 }, theo trên ta có: 31 4 2 31 và vectơ hệ
số phân tích của qua cơ sở { 1 , 23 } là (3,-4,3).
Ví dụ 3.14. Trong không gian các ma trận vuông cấp 2 cho bộ phận:
1 1 1 1 1 1 1 0
M M1 ;M2 ; M3 ;M4
1 1 1 0 0 0 0 0
2 1
Chứng minh rằng M là một cơ sở của Mat22 ( K ) và biểu diễn ma trận X qua
3 2
cơ sở đó.
0 0
Giải: Với t1 ,t 2 ,t3 ,t 4 K , xét tổ hợp t1M 1 t2 M 2 t3 M 3 t4 M 4 (0)
0 0
t1 t2 t3 t4 0
t t t 0
1 2 3
t1 t2 t3 t4 0
t1 t2 0
t1 0
Mặt khác một ma trận bất kỳ Amn Matmn ( K ) Amn (a ij )mn a ij Aij
i 1, m
j 1, n
mỗi vectơ có m thành phần nằm trên một cột của A được gọi là hệ vectơ cột của ma trân A.
Hệ m vectơ, mỗi vectơ có n thành phần nằm trên một dòng của A được gọi là hệ vectơ dòng
của ma trân A.
Nhận xét 3.11. Cho hệ n vectơ trong không gian Rn thì ma trận liên kết của hệ vectơ này
vuông
Định nghĩa 3.19. Ma trận liên kết của một hệ vectơ là ma trận vuông thì định thức
của ma trận đó gọi là định thức liên kết của hệ vectơ đã cho.
Ví dụ 3.16. Cho hệ vectơ: A1=(-1,2,3,5), A2=(-2,4,1,3), A3= (4,-5,-3,1)
Tìm ma trận liên kết với hệ vectơ trên
1 2 4
2 4 5 1 2 3 5
Giải: Ma trận A và ma trận A 2 4 1 3
T
3 1 3
4 5 3 1 34
5 3 1 43
là các ma trận liên kết với hệ vetơ đã cho
Ví dụ 3.17. Cho hệ vectơ: A1=(1,-1,3,1), A2=(-1,2,1,-3), A3= (-1,-2,1,3), A4= (2,1,1,2)
Tính định thức liên kết với hệ vectơ trên
Giải: Gọi D4 là định thức liên kết nhận A1, A2, A3, A4 là hệ vectơ cột:
1 1 1 2 D1 D2 1 1 1 2 1 1 1 2
D1 ( 3) D3 D2 ( 4) D3
1 2 2 1 D1 ( 1) D4 0 1 3 3 D2 (2) D4 0 1 3 3
D4 62
3 1 1 1 0 4 4 5 0 0 16 17
1 3 3 2 0 2 4 0 0 0 2 6
Định lý 3.5. Cho ma trận A aij mn khi đó ta có hạng ma trận A bằng hạng hệ vectơ cột
và cũng bằng hạng hệ vectơ dòng của A.
Chứng minh:
a11 a12 ... a1j ... a1n 1 a1n
a 21 a 22 ... a 2 j ... a 2n 1 a 2n
...............................................
Ma trận A (a ij R; i 1, m; j 1, m) .
a i1 a i2 ... a ij ... a in 1 a in
...............................................
a m1 a m2 ... a mj ... a mn 1 a mn
mn
Ta phải chứng minh cho r ( A) r A1 , A2 ,..., Aj ,..., An1 , An r B1 , B2 ,..., Bi ,..., Bm 1 , Bm
Khi đó hệ gồm k vectơ cột A1 , A2 ,..., Ak đltt vì nếu nó pttt thì tồn tại một vectơ biểu thị
k
tuyến tính qua các vectơ còn lại, giả sử A j tX i i (1 j k) , ta biến đổi định thức cấp k
j i 1
trên như sau: nhân các phần tử của cột i tương ứng với –ti rồi cộng vào cột j ( i 1, k ; i j )
12...k 12... k
các phần tử mới của cột j đều bằng không, do đó D12... k 0 , mâu thuẫn với D12...k 0 hệ
A1 , A2 ,..., Ak đltt. Hơn nữa với chỉ số r xác định ( k 1 r n ) và chỉ số i cũng xác định
( 1 i m ), định thức cấp k+1:
a11 a12 ... a1k a1r
a21 a22 ... a2 k a2 r
Dk 1 ... ... ... ... ... 0
ak1 ak 2 ... akk akr
ai1 ai 2 ... aik air ( k 1)( k 1)
(vì k là định thức cấp lớn nhất khác không rút ra từ ma trân A)
k
Khai triển Dk+1 theo dòng thứ k+1, ta có D k 1 (1) k 1 j aij M k+1j air M k+1k+1 0 (1) , trong
j 1
12...k
k
k j
M k+1j
đó: M k 1k 1 D12... k 0 (1) air ( 1) aij
j 1 M k 1k 1
M k+1j
Với mỗi i xác định, đặt (1)k j t j (tj không phụ thuộc vào i) nên
M k 1k 1
k
vectơ: Ar t j Aj A1 , A2 ,..., Ak là bộ phận đltttđ của hệ vectơ cột ma trận A, do đó:
j 1
Sau đó, việc chứng minh cho r ( A) r B1 , B2 ,..., Bi ,..., Bm 1 , Bm =k làm tương tự như trên,
với hệ B1 , B2 ,..., Bi ,..., Bm1 , Bm chính là hệ vectơ cột của ma trận AT a ji (ma trận
n m
chuyển vị của ma trận A) mà tính khác không của các định thức con rút ra từ ma trận A vẫn
được bảo toàn qua phép chuyển vị trên, do đó ta có đpcm.
Hệ quả 3.7. Hệ gồm n vectơ trong Rn là một cơ sở của không gian vectơ Rn khi và chỉ
khi giá trị định thức liên kết với hệ vectơ đó khác không.
Chứng minh: Cho hệ n vectơ trong Rn , giả sử:
A j (a1j , a 2 j ,..., a kj ,..., a n 1j , a nj ) R n ; j 1, n . Gọi A là ma trận liên kết nhận hệ vectơ đã cho
là hệ vectơ cột, ta có A là ma trận vuông cấp n có dạng:
a11 a12 ... a1 j ... a1n 1 a1n
a21 a 22 ... a 2 j ... a 2 n 1 a 2n
A ...............................................
an 11 a n-12 ... a n 1 j ...a n1n 1 a n-1n
an1 a n2 ... a nj ... a nn 1 a nn nxn
Theo giả thiết hệ vectơ cột A1 , A2 ,..., Aj ,..., An 1 , An là cơ sở của không gian Rn và theo
định lý 3.3 ta có r ( A) r A1 , A2 ,..., Aj ,..., An 1 , An n det A 0 , do đó hệ quả được chứng
minh.
Hệ quả 3.8. Số chiều của không gian vectơ Rn = n.
n
e1 (1, 0, 0,..., 0, 0, 0)
e2 (0,1, 0,..., 0, 0, 0)
n
Chứng minh: Xét hệ vectơ E e1 , e2 ,..., en R với e3 (0, 0,1,..., 0, 0, 0)
................................
en 1 (0, 0, 0,..., 0,1, 0)
e (0, 0, 0,..., 0, 0,1)
n
Ta chứng minh cho E là một cơ sở của Rn . Thật vậy giá trị định thức liên kết của hệ
vectơ trên:
1 0 0 ... 0 0
0 1 0 ... 0 0
0 0 1 ... 0 0
Dn 1 0
... ... ... ... ... ...
0 0 0 ... 1 0
0 0 0 0 0 1 nxn
Theo hệ quả 3.7, hệ vectơ E là một cơ sở của Rn, do đó dim Rn =n; E được gọi là cơ sở
tự nhiên hay cơ sở chính tắc của Rn .
Hệ quả 3.9. Trong không gian Rn mọi hệ vectơ có số vectơ lớn hơn n đều pttt.
Chứng minh: Giả sử trong Rn tồn tại một hệ vectơ đltt có số vectơ lớn hơn n thì trong Rn
có một hệ đltttđ có số vectơ lớn hơn n, do đó dim R n n mâu thuẫn với dimRn=n do đó ta có
đpcm.
Hệ quả 3.10. Cho U là hệ vectơ trong không gian Rn, khi đó hạng của U không đổi nếu
trong U ta thực hiện các phép biến đổi sơ cấp sau :
i) Đổi chỗ hai vectơ trong U cho nhau
ii) Nhân một vectơ của U với một số thực khác không
iii) Nhân một vectơ của U với một số thực rồi cộng vào một vectơ khác trong U
Chứng minh : R n U , ta xét A là ma trận liên kết với hệ vectơ U, 3 phép biến đổi trên
chính là các phép biến đổi sơ cấp trên A và hạng của ma trận A không đổi qua các phép biến
đổi, do đó ta có đpcm.
3.5. Không gian vectơ con.
Cho V là không gian hữu hạn chiều trên trường K.
Định nghĩa 3.20. Cho L là một bộ phân khác rỗng của không gian vectơ V; L là
không gian vectơ con của V nếu các phần tử của L cùng với hai phép toán trong V tạo thành
một không gian vectơ.
Định lý 3.6. Cho L là một bộ phận khác rỗng của không gian vectơ V ; L là không gian
i ) X , Y L X Y L
vectơ con của V khi và chỉ khi
ii) X L; k K kX L
Chứng minh: Với giả thiết L ; L V
Điều kiện cần: hiển nhiên vì L là không gian vectơ con của V thì các phần tử của L đóng
kín đối với hai phép toán trong V.
Điều kiện đủ: Các phần tử của L đều thuộc V và các phần tử của L đóng kín với hai phép
toán trong V do đó tính chất giao hoán, kết hợp của phép cộng cùng 4 tính chất của phép
nhân một phần tử của L với một phần tử trong K luôn thỏa mãn. Hơn nữa trong L có phần
tử trung hòa của V vì với 0 K , L 0. L . Trong L mọi phần tử đều có phần tử
đối vì 1 K , L 1. L suy ra các phần tử của L thỏa mãn tất cả các tính chất
của hai phép toán trong V, ta có đpcm.
Nhận xét 3.12. Trong không gian vectơ V luôn có hai không gian con là: không gian có
duy nhất vectơ không và chính V (hai không gian con này được gọi là không gian con
tầm thường của V).
Ví dụ 3.18. Cho tập hợp:
A x ( x1 , x2 , x3 ,...., xn 2 , x1 , x1 ), xi R, i 1, n 2 ,
i) A có phải là không gian vectơ con của Rn không?
ii) Nếu A là không gian vectơ con hãy tìm dim A?
Giải:
i) Ta có: A vì (0,
0,0,...,
0, 0,0) A và:
n
x ( x1 , x2 ,...., xn 2 , x1 , x1 ) A x R n A R n .
Mặt khác:
+) x, y A, x ( x1 , x2 , x3 ,...., xn 2 , x1 , x1 ); y ( y1 , y2 , y3 ,...., yn 2 , y1 , y1 )
x y ( x1 y1 , x2 y2 , x3 y3 ,...., xn 2 yn 2 , x1 y1 , x1 y1 ) A
n
Có U đltt vì:
n
t1u1 t2u2 t3u3 ... tn 2un 2 (0, 0,...0, 0) (t1 , t2 ,..., tn 2 , t1 , t1 ) (0, 0,..., 0, 0, 0)
ti 0, i 1, n 2
Hơn nữa x ( x1 , x2 , x3 ,...., xn 2 , x1 , x1 ) A x x1u1 x2u2 x3u3 ... xn 2un 2 do đó U là
một cơ sở của không gian vectơ A , nên dimA = n-2.
Định nghĩa 3.21. Cho hệ vectơ U là một bộ phận khác rỗng gồm hữu hạn vectơ
của không gian vectơ V. Ta gọi tập tất cả những tổ hợp tuyến tính của các vectơ trong U là
bao tuyến tính của U, ký hiệu L U .
Định lý 3.7. Cho hệ U là một bộ phận khác rỗng gồm hữu hạn vectơ của không gian hữu
hạn chiều V và L U là bao tuyến tính của U thì:
i) L U là không gian vectơ con của V
ii) dim L U = r(U).
Chứng minh:
m
i) Giả sử U X 1 , X 2 ,..., X m V L U X : X ti X i , ti K , i 1, m
i 1
m
Ta có L U là tập khác rỗng vì 0 X i L U và
i 1
X L U X V L U V .
Với hai phần tử bất kỳ X, Y thuộc L U ta thấy X+Y cũng thuộc L U vì:
m m m
X , Y L U X ti X i ; Y i X i X Y (ti i ) X i X Y L U
i 1 i 1 i 1
m m
và X L U X ti X i ; k K kX (kti ) X i kX L U do đó L U là không
i 1 i 1
k m k
tuyến tính qua k vectơ của như sau: X ti t j ij X i li X i
i 1 j k 1 i 1
m
với li ti t
j k 1
j ij K , i 1, k , suy ra k vectơ X 1 , X 2 ,..., X k là bộ phận đltttđ trong
Định nghĩa 3.22. Cho U là bộ phận con khác rỗng của không gian vectơ hữu hạn
chiều V, bao tuyến tính L U là không gian vectơ con của V được sinh bởi hệ vectơ U và U
là hệ sinh của L U .
Ví dụ 3.12. Tìm các không gian vectơ con sinh bởi hệ vectơ U sau:
a ) U u (1, 2)
b) U u1 (1, 1,1), u2 (1,1,1), u2 (1,1,1)
Giải: Theo định lý 3.7, L U là các không gian vectơ con tương ứng trong R 2 , R3
0 x
L U ( x, y, z ) R3 : k1u1 k2u2 k3u3 , k1 , k2 , k3 R .
1 1 1
Mà U là hệ gồm 3 vectơ đltt vì định thức liên kết D3 1 1 1 4 0 U là một cơ
1 1 1
sở của không gian R 3 , do đó L U R3 .
Ví dụ 3.13. Tìm số chiều của không gian sinh bởi hệ vectơ:
U X 1 , X 2 , X 3 , X 4 R 4 với X1=(k,1,-2,3); X2=(k,k,2,1); X3=(1,1,k,1); X1=(1,1,-3,k); trong
đó k là tham số thực.
Giải: Theo định lý 3.7, bài toán quy về tìm hạng của hệ vectơ U; định thức liên kết của
k k 1 1
1 k 1 1
hệ vectơ trên D4 (k 1)2 (k 2 k 1)
2 2 k 3
3 1 1 k
Nếu k 1 D 4 0 r (U ) dim L U 4
1 1 1
4
Nếu k=1 thì D =0 và D 123
23 4 2 2 1 2 0 r (U ) dim L U 3 .
3 1 1
Ví dụ 3.14. Trong R 4 cho x (1, 3, 2,5); y (2, 13 ,1, 4) , tìm tích vô hướng của x
và y.
1
Giải: Ta có x, y 1.2 3. (2).1 5.4 15
3
Tính chất của tích vô hướng
Từ định nghĩa tích vô hướng ta dễ dàng thấy các tính chất sau được thỏa mãn:
t1. x, y R n : x, y y , x
t2 . x, y, z R n : x y, z x, z y, z
t3 . x, y R n ; k R : kx, y k x, y
t4 . x R n : x, x 0; x, x 0 x
Định nghĩa 3.24. Không gian vectơ R n được bổ sung thêm phép toán tích vô
hướng ở trên được gọi là không gian Euclid, ký hiệu E n
Định nghĩa 3.25. Hai vectơ x,y trong không gian Euclid E n được gọi là trực giao
với nhau nếu tích vô hướng của chúng bằng không. Hệ vectơ U u1 , u2 ,..., um E n ; U là hệ
trực giao nếu hai vectơ bất kỳ trong U trực giao nhau.
Định nghĩa 3.26. Chuẩn của vectơ x E n là một số thực không âm ký hiệu x ,
được xác định bởi: x x, x
Ví dụ 3.15. Ví dụ 3.22. Cho x 1, 4, 3, 1/ 2 E 4 , tìm chuẩn của x
105
Giải: Chuẩn của x, ký hiệu: x (1)2 42 (3) 2 (1/ 2)2
2
Tính chất về chuẩn của vectơ
Từ định nghĩa chuẩn của vectơ trong không gian Euclid En ta dễ dàng thấy các tính chất
sau được thỏa mãn:
t1. x E n : x 0; x 0 x
t2 . x E n ; k R : kx k x
t3 . x, y E n : x y x y
x x
Nhận xét 3.13. x ; x E n 1 ; khi đó ta nói vectơ x đã được chuẩn hóa.
x x
Định lý 3.8. Trong không gian Euclid En , hệ vectơ u1 , u2 ,..., um U E n ; U là họ trực
giao và các vectơ của U đều khác vectơ không thì U là hệ đltt.
m
Chứng minh: Giả sử có hệ thức k u
i 1
i i (1) (ki R, i 1, m) ta phải chứng minh cho
ki 0, i 1, m .
Thật vậy với chỉ số j xác định (1 j m ), ta có tích vô hương sau:
m m
2
ki ui , u j 0 ki ui , u j 0 k j u j , u j k j u j 0 k j 0 ( vì U hệ trực giao
i 1 i 1
Giải: Cơ sở chính tắc e1 , e2 ,..., en ; ei (0, 0,..., 0,1, 0,...0); i 1, n là cơ sở trực chuẩn của
En vì: ei , e j ) 0, i j; i, j 1, n và ei 1; i 1, n .
Định lý 3.9. Trong không gian Euclid En, một hệ U bất kỳ gồm m vectơ độc lập tuyến
tính của En , khi đó U luôn có thể được thay thế bằng một hệ S gồm m vectơ trực chuẩn
trong En và L U L S .
Chứng minh: Giả sử U u1 , u2 ,..., um E n ; U là hệ gồm m vectơ đltt trong không gian
Euclid En, ta chứng minh cho luôn tồn tại S s1 , s2 ,..., sm E n ; S là hệ gồm m vectơ trực
chuẩn của En và L U L S .
Tiếp theo ta tìm s2, sao cho s1 , s2, 0 ; đặt s2, u2 ts1 (1) ta tìm t để s1 , s2, 0 .
u2 , s1
Mà: s2, , s1 u2 , s1 t s1 , s1 0 (1) t 2
u2 , s1
s1 , s1 s1 1
Ta có s2 vì nếu
u2 , s1 . u1
s2 u2 u2 , s1 . s1 u2 u2 , s1 . s1 u1 , u2 phụ thuộc tuyến tính
u1
mâu thuẫn với giả thiết, do đó S2 s1 , s2 là hệ trực chuẩn và
L U 2 L S2 .
Tiếp tục quá trình trên, sau m-1 lần, giả sử ta đã xây dựng được Sm1 s1 , s2 ,..., sm 1 là hệ
gồm m-1 vectơ trực chuẩn và L U k L Sk ; k 1, m 1
Ta xây dựng vectơ sm để hệ Sm s1 , s2 ,..., sm là hệ trực chuẩn và L U m L Sm .
Ta đặt:
sm, um t1s1 t2 s2 ... tm 1sm 1 (2) ta tìm t j R (j 1, m 1) sao cho
sm, , s j 0; j 1, m 1 .
(2)
Mà: sm, , s j 0 um , s j t j s j , s j 0 t j um , s j (3); j 1, m 1.
sm, um um , s1 .s1 um , s2 .s2 ... um , sm 1 .sm 1
sm, (2),(3)
Đặt sm sm , s j 0; j 1, m 1 , hơn nữa ta có sm vì nếu
sm,
sm s2, um um , s1 . s1 um , s2 . s2 ..... um , sm 1 . sm 1
Định nghĩa 3.28. Hệ S nhận được bằng cách xây dựng theo định lý 3.9 ở trên thì
ta nói S có được từ U bằng trực chuẩn hóa Gram-Smidt.
Ví dụ 3.17. Trong E3 cho U u1 (1, 1, 2); u2 (1,1, 2) . Hãy trực chuẩn hóa Gram-
Smidt hệ vectơ U.
Giải: Dễ thấy U gồm 2 vectơ đltt trong E3
Đặt:
u1 (1, 1, 2) 1 1 2
s1 , ,
u1 6 6 6 6
u2 u2 , s1 .s1 4 1 1 2 1 5 2
s2 ; u2 u2 , s1 .s1 (1,1, 2) , , , ,
u2 u2 , s1 .s1 6 6 6 6 3 3 3
1 5 2 30 1 5 2 1 1 2 1 5 2
, , s2 , , S s1 , , , s2 , ,
3 3 3 3 30 30 30 6 6 6 30 30 30
là hệ trực chuẩn trong E3 và L U L S
Hệ quả 3.11. Trong không gian Euclid En, một cơ sở U bất kỳ của En đều có thể được
thay thế bằng một cơ sở trực chuẩn S trong En .
Bài tập chương 3
Bài 3.1. Tìm vectơ x thỏa mãn:
a) x a b 2c với a (2,1, 1); b (2,3,1); c (3, 1, 2)
b) 2 x 3a b 5c với a (1, 2, 4); b (0,3, 6); c (2,1, 2)
c) 3 x a 2b 4c với a (1, 2, 1, 3); b (2,1, 3, 1); c (2,1, 4,5)
d) 2a b c 3d 4 x với a (2, 0, 1,1); b (2,1, 4, 1); c (2,1, 3,1); d (2, 5,3, 4)
Bài 3.2. Biểu diễn x qua các vectơ: a,b,c,d trong các trương hợp sau:
a) x (1, 4, 2); a (2,3, 1); b (2, 3, 2); c (3,1, 2)
b) x (1, 1, 2); a (2,1,1); b (2, 3, 1); c (1,1, 2)
c) x (1, 4, 3, 2); a (1, 1, 2,1); b (3,1, 2, 2); c (1, 2, 1,1)
d) x (1, 4, 2, 2); a (1,1, 2, 1); b (2,1, 3,1); c (2, 4, 1, 2); d (1, 2,3,1)
Bài 3.3. Xét sự độc lập tyến tính của các hệ vectơ sau:
a) a (2, m); b (3, 1)
b) a (2, 4, 2); b (1, 3, 2); c (1, 5, 4)
c) a (3,1, 4); b (2, 5, 1); c (1, 1, 2)
d) a (1, 1, 3, 2); b (2,1, 2,1); c (3,1, 2,1)
e) a (1, 1, 2, 1); b (2,1, 3,1); c (1,1, 2, 3); d (1, 2, 3, 2)
f) a (2, 1, 3, 1,1); b (1, 1, 2,1, 1); c (4,1, 2,3, 2); d (1, 2, 3, 2, 2)
Bài 3.4. Tìm điều kiện của m để các hệ vectơ sau là cơ sở của không gian vectơ tương
ứng:
a) a (1, m 1); b (2, 5)
b) a (2, 1, m); b (1, 1, m); c (1, m, 1)
c) a (1,1, m); b (2, 2m 1, 1); c (1,1, m)
d) a (m,3,1, 1); b (m, 2, 1,1); c (m,3, 1, 2); d (2,1, m, 1) .
Bài 3.5. Tìm hạng của các hệ vectơ sau:
a) a (1, 4, 2); b (3,5, 6); c (1, 3, 2)
b) a (2,1, 4); b (2, 3, 1); c (2,5, 1)
c) a (2, 1,3, 1); b (1,1, 2,1); c (3, 4, 1, 2); d (3,5, 2, 1)
d) a (4, 1,3, 2); b (1,1, 2, 2); c (2,1, 2,1); d (1, 2, 1,3)
e) a (1, 1, 2, 2, 3); b (2,1,1, 2, 2); c (2,1, 3, 2, 5); d (3, 2, 1, 4, 1)
Bài 3.6. Tìm m để hạng của các hệ vectơ sau bằng 3:
a) a (5, m, 3); b (1, 2,1); c (2, 4, 2)
b) a (3, 1, m); b (1, 1, m 1); c (2, m, 1)
c) a (1,1, m); b (2, m, 1); c (1, 2, m)
d) a (m,1,1, 1); b (2m, 2, 1,1); c (1, 2, m, 2); d (2,1, m, 1) .
Bài 3.7. Cho hệ vectơ U a ( m, 1,1); b (1,1, 1); c (1, 2, 2m) ; tìm m để vectơ
x (2, m,1)
a) Biểu diễn duy nhất qua các vectơ của U
b) Có vô số cách biểu diễn qua các vectơ của U
c) Không có biểu diễn qua các vectơ của U
Bài 3.8. Trong không gian vectơ Mat22 ( K ) (không gian ma trận vuông cấp 2 trên trường
K) cho hệ vectơ:
x 1 1 x 1 1 1 1
M M1 ;M2 ; M3 ; M4
1 1 1 1 x 1 1 x
a) Với giá trị nào của x thì M là một cơ sở của Mat22 ( K ) .
3 3
b) Với x = -1 biểu diễn ma trận X qua cơ sở đó.
3 1
Bài 3.9. Trong không gian vectơ Mat22 ( K ) (không gian ma trận vuông cấp 2 trên trường
1 1 1 1 1 1 1 0
K) cho các ma trận: M 1 ; M2 ; M3 ;M4
1 1 1 0 0 0 0 0
các ma trận A,B,C,D được xác định như sau:A=M1+M2; B= M2+M3; C=M3+M4;D=
M1+M4
a) Xét sự đltt của họ ma trận A,B,C,D.
4 2
b) Biểu diễn ma trận X qua các ma trận A,B,C,D.
2 2
Bài 3.10. Trong không gian vectơ V cho hệ vectơ A a1 , a2 , a3 và hệ vectơ
B b1 , b2 , b3 có
b) X f ( x) : f C[0,1] với phép cộng hai hàm số và phép nhân một số thực với một hàm
số thông thường.
c) X f ( x) : f C[0,1] với phép toán ; như sau:
b) X x ( x1 , x2 ) : ax1 bx2 0; a, b R R 2
c) X x ( x1 , x2 , x3 ) : x1 x2 x3 k ; k R R3
d) X x ( x1 , x2 ,..., xn 1 , x1 x2 ) R n
e) X x ( x1 , x2 ,..., xn 1 , xn x1 1) R n
Bài 3.14. Các tập X sau đây có phải là không gian vectơ con của các không gian vectơ
tương ứng hay không? Nếu có hãy tìm số chiều của các không gian con đó.
x1 1 1
3
a) X x ( x1 , x2 , x3 ) R : 1 x2 1 0
1 1 x3
a 1 2 3
b) X M b Mat 31 ( K ): 2 1 4 M (0)31
c 31 1 1 1
a11 a12 a13
c) X A a21 a22 0 Mat33 ( K )
a31 0 0
d) X pn ( x ) : pn ( x ) a0 a1 x a2 x 2 ... an x n ; ai R; 0 n N ; i 0, n; an 0
Pn(x).
Bài 3.15. Cho hệ vectơ U u1 , u 2 ,..., um đltt trong không gian vectơ V và x là một
vectơ bất kỳ trong V. Chứng minh rằng: Hệ vectơ U, u1 , u 2 ,..., um , x pttt khi và chỉ khi
vectơ x được biều thị tuyến tính qua các vectơ của U.
Chứng minh rằng: Vectơ x được biểu diễn tuyến tính qua các vectơ của U.
Bài 3.16. Cho U1 ,U 2 ,...,U k là các không gian vectơ con của không gian vectơ V, 1 k n
k
a) Chứng minh rằng: X U i cũng là không gian vectơ con của V.
i 1
k
b) Y U i có phải là không gian vectơ con của V không?
i 1
x1 x2 x3 kx4 0
Bài 3.17. Cho A x ( x1 , x2 , x3 , x4 ) R 4 : (k R )
kx1 kx2 x3 2 x4 0
kx1 x2 x3 0
và B x ( x1 , x2 , x3 , x4 ) R 4 : (k R)
kx1 x2 x3 4 x4 0
a) Chứng minh rằng: A, B là các không gian vectơ con của không gian R4.
b) Tìm số chiều của không gian vectơ con A B .
Bài 3.18. Tìm một cơ sở và số chiều của không gian vectơ sinh bởi hệ vectơ sau:
a) x (2,1, 1); y (1, 3, 1); z (1, 4, 2)
b) x (2, 1, k ); y (1,1, k ); z (1, k , 1); k R
c) x (1, 1, 2, 1); y (2,1,3,1); z (1,1, 2, 3); t (1, 2, 3, 2)
c) x (1, 1, k ,1); y (1, k ,1,1); z (k , k ,1, 1); t (1,1, 1,1); k R
Bài 3.19. Cho S p1 ( x) 1; p2 ( x) x 1; p3 ( x) ( x 1)2 1; p4 ( x) ( x 1)3 5 P3(x)
trong đó x1, x2, …, xn là n ẩn số, aij là hệ số của ẩn xj trong phương trình thứ i; bi là các
số hạng tự do của phương trình thứ i; aij , bi K ; i 1, m , j 1, n; ; K là trường số thực hoặc
phức.
Định nghĩa 4.2. Nghiệm của hệ (4.1) là một bộ n số: x10 , x 02 ,..., x n0 K sao cho khi thay
thế
x1 x10 , x 2 x 02 ,..., x n x 0n vào (4.1) thì m phương trình trong hệ được thỏa mãn.
Định nghĩa 4.3. Hệ phương trình tuyến tính được gọi là xác định nếu nó có duy nhất
nghiệm; được gọi là vô định nếu có vô số nghiệm và được gọi là vô nghiệm nếu không có
nghiệm nào.
Định nghĩa 4.4. Giải hệ phương trình là đi tìm tất cả các nghiệm của hệ. Nếu hệ có vô
số nghiệm thì tập tất cả các nghiệm của hệ được gọi là nghiệm tổng quá, mỗi nghiệm cụ thể
được gọi là một nghiệm riêng của hệ.
Định nghĩa 4.5. Hai hệ phương trình được gọi là tương đương với nhau nếu tập hợp
nghiệm của hai hệ trùng nhau.
Chú ý 4.1. Trong phạm vi giáo trình chúng ta xét K là trường số thực
Ta ký hiệu:
a11 a12 ... a1n a11 a12... a1n : b1 x1 b1
a
a 22 ... a 2n a a ... a : b x b
A 21
; A 21 22 2n 2 X 2 ; B 2
.................... .............................. ... ...
a m1 a m2 ... a mn mn am1 am2... amn : bm m(n1) x n n1 bm m1
m(n 1) gọi tương ứng là ma trận hệ số, ma trận bổ sung của hệ phương
Ma trận A mn , A
trình (4.1).
Ma trận X n1 là ma trận cột của ẩn của hệ (4.1).
Ma trận Bm1 là ma trận cột số hạng tự do của hệ (4.1).
Vectơ A j (a1j , a 2 j ,..., a mj ) R m ; j 1, n (chính là n vectơ cột của ma trận A); véc tơ
x (x1 , x 2 ,..., x n ) R n ; vectơ b (b1 , b 2 ,..., b m ) R m .
Vectơ Aj là vectơ hệ số của ẩn xj; x là vectơ các thành phần của ẩn, b là vectơ các thành
phần tự do của hệ (4.1).
Nhận xét 4.1.
n
i) Hệ phương trình (4.1) có cách viết gọn về dạng: a x
j 1
ij j bi (i 1, m) và có các cách
viết tương đương dưới dạng ma trận: AmxnXnx1=Bmx1 (4.1)’, hoặc dưới dạng vectơ:
x1A1 x 2 A 2 ... x n A n b (4.1)’’.
Khi đó nghiệm của hệ (4.1) có thể viết dưới dạng một ma trận X nx0 1 thỏa mãn:
Amx1 X nx0 1 Bmx1 hoặc dưới dạng một vectơ x 0 (x10 , x 02 ,..., x n0 ) R n thỏa mãn:
x10 A1 x 02 A 2 ... x 0n A n b
Về sau nếu không sợ nhầm lẫn ta có thể viết nghiệm của hệ (4.1) dưới dạng thuận lợi
nhất.
ii) Khi cho hệ phương trình ta luôn xác định được ma trận bổ sung của hệ đó và ngược
lại khi cho một ma trận cấp rxs là ma trận bổ sung của một hệ phương trình thì hệ phương
trình này hoàn toàn xác định gồm r phương trình và s-1 ẩn, trong đó s-1 cột đầu của ma trận
là hệ số của s-1 ẩn tương ứng, cột cuối cùng là cột số hạng tự do của hệ.
Ví dụ 4.1. Hãy viết hệ phương trình sau dưới dạng ma trận và dạng vectơ.
2 x1 3 x2 x3 x4 4
x1 2 x2 5 x3 1
4 x x 2 x 6 x 10
1 2 3 4
Giải:
2 3 1 1 2 3 1 1 : 4
~
Hệ có ma trận A 1 2 5 0 ; ma trận bổ sung A 1 2 5 0 : 1
4 1 2 6 34 4 1 2 6 : 10
x1
x 4
Ma trận cột ẩn X 2
; ma trận cột số hạng tự do B 1
x3
10 31
x4 41
Khi đó hệ được viết dưới dạng ma trận: A34 X 41 B31 .
Hệ có các vectơ:
A1 (2,1, 4), A2 (3, 2, 1), A3 (1, 5, 2), A4 (1, 0, 6); x ( x1 , x2 , x3 , x4 ); b (4, 1,10)
Giải: Biến đối sơ cấp trên các dòng của ma trận bổ sung của hệ; ta có:
1 2 1 : 1 52DD1 DD2 1 2 1 : 1 4 D D 1 2 1 : 1
~ ~
A 2 3 3 : 4 0 1 1 : 6 0 1 1 : 6 A1
1 3 2 3
5 6 1 : 3 34 0 4 4 : 8 0 0 8 : 16
x1 +2x 2 - x 3 = 1 x1 5
~
Hệ trên tương đương với hệ có ma trận bổ sung A1 : x 2 +x3 = 6 x 2 4
-8x 3 =-16 x 2
3
Hệ đã cho có duy nhất nghiệm: x1 5; x 2 4; x 3 2 ;
Ví dụ 4.3. Giải hệ phương trình:
x1 - 2x 2 + x3 = -1
3x1 - 5x 2 + 2x3 = 1
2x - 5x + 3x = b
1 2 3
Giải: Biến đối sơ cấp trên các dòng của ma trận bổ sung của hệ; ta có:
1 2 1 : 1 3 D D 1 2 1 : 1 1 2 1 : 1
~ 1 2 ~
2 D1 D3
A 3 5 2 : 1
0 1 1 : 4 0 1 1 :
D2 D3
4 A1
2 5 3 : b 0 1 1 : b 2 0 0 0 : b 6
x1 - 2x 2 + x3 = -1
~
Hệ trên tương đương với hệ có ma trận bổ sung A1 : x 2 - x3 = -1
0x 2 +0x3 = b+6
Nếu b 6 thì hệ phương trình đã cho vô nghiệm
x1 c 7
Nếu b=-6 thì hệ có vô số nghiệm và nghiệm tổng quát của hệ là: x2 c 4
x c; c R
3
4.2. Cách giải hệ phương trình
4.2.1. Hệ phương trình dạng tam giác và dạng bậc thang
4.2.1.1. Hệ phương trình dạng tam giác
Định nghĩa 4.6. Hệ phương trình dạng:
a11 x1 a12 x2 .... a1n1 xn1 a1n xn b1
a22 x2 ... a2 n1 xn1 a2 n xn b2
............................................................. (4.2)
an1n1 xn1 an1n xn bn1
ann xn bn
với aii 0, i 1, n được gọi là hệ phương trình dạng tam giác
Nhận xét 4.3. Hệ phương trình dạng tam giác có số phương trình bằng số ẩn và ma trận
hệ số có dạng tam giác. Để giải hệ này, chỉ cần lần lượt rút các ẩn ngược từ phương trình
cuối lên ta sẽ nhận được nghiệm duy nhất của hệ.
Ví dụ 4.4. Giải hệ phương trình:
3x1 +2x 2 - 2x 3 +5x 4 = 10
2x 2 -3x3 -x 4 = 6
x 3 - 6x 4 = -4
3x 4 1
Giải: Từ phương trình cuối rút ra x4, sau đó thay ngược trở lên ta có nghiệm duy nhất
của hê đã
4 1 1
cho là: x1 = ; x 2 = ; x3 =-2; x 4
3 6 3
4.2.1.2. Hệ phương trình dạng bậc thang
Định nghĩa 4.7. Hệ k phương trình với n ẩn (k<n) dạng:
a11x1 +a12 x 2 +... a1k x k a1k 1x k 1 ... a1n x n = b1
a 22 x 2 +... a 2k x k a 2k 1x k 1 ... a 2n x n = b 2
(4.3)
...........................................................
a kk x k a kk 1x k 1 ... a kn x n = b k
Đây là hệ dạng tam giác đối với k ẩn đầu, theo nhận xét 4.3 giá trị của k ẩn đầu được
xác định duy nhất theo n-k ẩn cuối được chọn tự do. Với mỗi cách cho
xk 1 ck 1 , xk 2 ck 2 ,..., xn cn tự do và x1 , x2 ,..., xk nhận được từ hệ trên cho ta một nghiệm
riêng của hệ (4.3), hệ dạng bậc thang (4.3) có vô số nghiệm. Cũng lần lượt rút các ẩn từ
phương trình cuối lên ta sẽ nhận được nghiệm tổng quát của hệ bậc thang đã cho.
Ví dụ 4.5. Giải hệ phương trình:
2x1 +x 2 +3x3 x 4 +x 5 = 2
3x 2 -2x3 +x 4 -2x5 = -1
x 3 - x 4 + 2x5 = 4
Giải: Trong hệ trên ta coi các ẩn: x1, x2, x3 là 3 ẩn chính, khi đó hệ tương đương với hệ:
25 7 17
x1 6 6 x 4 6 x 5
2x1 +x 2 +3x3 = 2+x 4 -x5
5 1 2
3x 2 -2x3 = -1-x 4 +2x 5 x2 x4 x5
3 3 3
x 3 = 4+ x 4 - 2x 5
x 3 = 4+ x 4 - 2x 5
Cho ẩn tự do x4 c1 , x5 c2 ; c1 , c2 R , khi đó hệ đã cho có vô số nghiệm và tập nghiệm
25 7 17 5 1 2
tổng quát của hệ: c1 c 2 , c1 c 2 , 4+ c1 - 2c2 , c1 , c 2 : c1 , c 2 R
6 6 6 3 3 3
4.2.2. Hệ Cramer
Định nghĩa 4.8. Hệ phương trình tuyến tính có số phương trình bằng sổ ẩn và định thức
ma trận hệ số khác không được gọi là hệ Cramer.
Hệ phương trình Cramer với n ẩn số có dạng:
a11 x1 a12 x2 ... a1n xn b1
a x a x ... a x b
21 1 22 2 2n n 2
(4.4)
...........................................
an1 x1 an 2 x2 ... ann xn bn
Hệ phương trình Cramer viết dưới dạng ma trận: AnxnXnx1=Bnx1 (4.4)’ với:
a11 a12 ... a1n x1 b1
a
a 22 ... a 2n
x2 b
A 21
; X ; B 2
...................... ... ...
an1 a n2 ... a nn nxn xn n1 bn n1
Hệ phương trình Cramer viết dưới dạng vectơ: x1A1 x 2 A 2 ... x n A n b (4.4)’’.
Mặt khác ta luôn có: 0A1 0A 2 ... 0A n (2) từ (1) và (2) ta thấy hệ n phương trình, n
ẩn số viết dưới dạng vectơ: x1A1 x 2 A 2 ... x n A n không có nghiệm duy nhất, mâu
thuẫn với giả thiết, do đó ta có đpcm.
2x1 x 2 x 3 1
Ví dụ 4.6. Giải hệ phương trình x1 +4x 2 2x 3 2
3x +2x x 1
1 2 3
2 1 1
Giải: Hệ có 3 phương trình và 3 ẩn số; detA= 1 4 2 5 0 hệ có nghiệm duy
3 2 1
nhất:
1 1 1 2 1 1 2 1 1
2 4 2 1 2 2 1 4 2
det A1 1 2 1 4 det A 2 3 1 1 det A3 3 2 1 33
x1 ; x2 4; x3
det A 5 5 det A 5 det A 5 5
2 x1 x2 2 x3 1
Ví dụ 4.7. Giải hệ phương trình x1 x2 2 x3 3
x 2x x 7
1 2 3
2 1 2
Giải: Hệ trên có ba phương trình, ba ẩn với ma trận hệ số A 1 1 2 , là hệ
1 2 1
2 1 2
Cramer vì có định thức ma trận hệ số: det A 1 1 2 3 0
1 2 1
x10 1 1 0 1 2
0
X x2 A B 1 4 / 3 2 / 3 3 5 / 3
0 1
x30 1 5 / 3 1/ 3 33 7 31 19 / 3 31
hoặc viết dưới dạng vectơ: x1 = 2; x2 = 5/3; x3 = -19/3
(m 1) x1 3x2 mx3 m
Ví dụ 4.8. Giải hệ phương trình x1 mx2 x3 1 (m là tham số)
x x2 mx3 1
1
m 1 3 m
Giải: Xét định thức ma trận hệ số của hệ, det A 1 m 1 (m 1)2 (m 2)
1 1 m
m 1
Nếu det A 0 hệ có nghiệm duy nhất (x0,y0,z0):
m 2
m 3 m m 1 m m
1 m 1 1 1 1
2
1 1 m m 3 1 1 m 1
x10 2
; x20 2
;
(m 1) (m 2) (m 1)(m 2) (m 1) (m 2) (m 1)(m 2)
m 1 3 m
1 m 1
1 1 1 1
x30 2
(m 1) (m 2) (m 1)(m 2)
2 x1 -3x2 + x3 = -1
2 x -3 x2 + x3 = -1
Nếu m = -1 hệ có dạng: x1 - x2 + x3 = -1 1 , hệ đã cho có vô số
x x x =1 x1 - x2 + x3 = -1
1 2 3
Hệ có nghiệm thì cần và đủ là tồn tại bộ n số thực: c1, c2,..., cn sao cho:
c1A1 + c2A2 + …+cnAn=b (vectơ b là tổ hợp tuyến tính của các véc tơ A1, A2 ,... , An)
r({ A1, A2 ,... , An }) = r({ A1, A2 ,... , An, b}) r(A) = r( A )
(với { A1, A2 ,... , An } là hệ vectơ cột của ma trận hệ số A và ({ A1, A2 ,... , An,b } là hệ
vectơ cột của ma trận bổ sung A , định lý được chứng minh.
Chú ý 4.2. Cho hệ m phương trình và n ẩn số có ma trân hệ số A và ma trân bổ sung
nếu:
A
cần và đủ hệ vô nghiệm.
i) r(A) r(A)
ii) r(A)=r(A)=k min(m,n) cần và đủ hệ có nghiệm; vì r(A) =k nên trong ma trận A có ít
nhất một định thức cấp k khác không và mọi định thức cấp lớn hơn k rút ra từ A phải bằng
không. Không làm giảm tính chất tổng quát luôn giả sử được định thức gồm k dòng đầu và
12...k
k cột đầu của A ký hiệu D12... k 0 (nếu không thỏa mãn ta chỉ cần đổi lại vị trí các phương
trình trong hệ hoặc ký hiệu lại các ẩn số). Khi đó ta luôn thực hiện được việc đưa hệ đã cho
về tương đương với hệ dạng bậc thang (bằng các phép biến đổi sơ cấp). Hệ đó gồm k
phương trình đầu (k phương trình này được gọi là k phương trình chính) với k ẩn đầu (k ẩn
nà được gọi là k ẩn chính) luôn có nghiệm theo nhận xét 4.4.
x1 2 x2 ax3 1
Ví dụ 4.9. Cho hệ phương trình 2 x1 5 x2 ax3 2 tìm điều kiện của các tham số a, b
x 4 x 7 x b
1 2 3
để:
a) Hệ có nghiệm duy nhất.
b) Hệ có vô số nghiệm.
c) Hệ vô nghiệm.
Giải:
1 2 a 1 2 a : 1
~
Hệ có ma trận hệ số A 2 5 2a và ma trận bổ sung A 2 5 2a : 2
3 4 11 3 4 11 : b
Ta có detA 11 a 1
a) Cần và đủ để hệ có nghiệm duy nhất là detA 0 a 1
b) Khi a=1 ma trận bổ sung có dạng:
1 2 1 : 1 3D2 D1 DD2 1 2 1 : 1
2 D2 D3
1 2 1 : 1
~
1
A 2 5 2 : 2 0 1 4 :
3
0 0 1 4 : 0
3 4 11 : b 0 2 8 : b 3 0 0 0 : b 3
~
Nếu b=-3 thì r ( A) r ( A) 2 hệ tương đương với hệ 2 phương trình 3 ẩn:
x1 2 x2 x3 1
có vô số nghiệm.
x2 4 x3 0
c) Nếu b 3 ta có r(A)=2 vì detA=0 và định thức cấp hai tạo bởi hai dòng đầu, hai cột
~
đầu bằng -1 khác không; còn r ( A) 3 vì định thức cấp ba tạo bởi 3 cột cuối bằng -9(b+3) khác
không nên hệ vô nghiệm.
4.2.3.2. Phương pháp Gauss để giải hệ phương trình tuyến tính
Nội dung của phương pháp Gauss là thực hiện các biến đổi tương đương để khử dần các
ẩn, đưa hệ phương trình đã cho về hệ phương trình dạng tam giác (có duy nhất nghiệm),
hoặc hệ bậc thang (có vô số nghiệm), hoặc hệ vô nghiệm.
Mà ta đã biết khi cho hệ pttt thì ma trận bổ sung của hệ được xác định và ngược lại. Do
đó khi biến đổi tương đương một hệ phương trình đã cho bằng phương pháp Gauss ta chỉ
cần sử dụng các phép biến đổi sơ cấp trên dòng và chỉ trên các dòng của ma trận bổ sung A ,
~
để đưa nó về ma trận A1 có dạng sau:
a11 a12 ... a1k a1k 1 ... a1n b1 11 12 ... 1k 1k 1 ... 1n 1
a a22 ... a2 k a2 k 1 ... a2 n b2 0 ... 2 k 2 k 1 ... 2 n 2
21 22
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
~
(1) ~
A ak1 ak 2 ... akk akk 1 ... akn bk A1 0 0 ... kk kk 1 ... kn k
ak 11 ak 12 ... ak 1k ak 1k 1 ... ak 1n bk 1 0 0 ... 0 0 ... 0 0
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
a am 2 ... amk amk 1 ... amn bm 0 0 ... 0 0 ... 0 0
m1
~
Trong đó (1) là thực hiện các phép biến đổi sơ cấp chỉ trên các dòng của ma trận bổ sung A
(không thực hiện biến đổi trên cột vì n cột đầu là hệ số tương ứng của n ẩn và cột cuối
~
cùng là cột số hạng tự do), khi đó hệ có ma trận bổ sung A tương đương với hệ có ma trận
~
bổ sung A1 .
Quá trình biến đổi trên luôn thực hiện được (vì một hệ phương trình muốn có nghĩa thì
ma trận hệ số phải khác ma trận không) nên trong ma trận hệ số luôn aij 0 với i,j xác định
( 1 i m,1 j n ). Không giảm tính chất tổng quát ta luôn giả sử được a11 0 (nếu không
như vậy ta chỉ cần đánh số lại các phương trình và ký hiệu lại các ẩn số và khi phải ký hiệu
lại các ẩn cần chú ý cột cuối cùng của ma trận bổ sung là cột số hạng tự do). Ta tiến hành
biến đổi theo các bước sau:
~ ai1
Bước 1: Nhân các phần tử ở dòng một của ma trận A với , sau đó cộng tương ứng
a11
~
vào dòng thư i của A ( i 2, m ) ta nhận được ma trận cấp mx(n+1) có các phần tử ở cột
đầu từ dòng thư hai đến dòng thứ m đều bằng không.
Bước 2: Ta cũng luôn giả sử được hệ số của ẩn x2 trong phương trình thứ hai khác không
~
và tiếp tục quá trình trên; sau hữu hạn bước ta nhận được ma trận A1 có dạng trên.
~ ~
Thực chất phép biến đổi (1) đưa ma trận A về ma trận A1 là việc đưa hệ phương trình
(4.1)
11 x1 12 x2 ... 1k xk 1k 1 xk 1 ... 1n xn 1
22 x2 ... 2 k xk 2 k 1 xk 1 ... 2 n xn 2
về tương đương với hệ: (4.6)
........................................................
kk xk kk 1 xk 1 ... kn xn k
Trong quá trình biến đổi sẽ xảy ra một trong hai trường hợp sau:
~
i) Trường hợp 1. Ở ma trận A1 , nếu có ít nhất một dòng các phần tử ở n cột đầu đều
bằng không nhưng phần tử ở cột cuối khác không thì r(A) r( A ) do đó hệ pttt vô nghiệm.
ii) Trường hợp 2. Nếu không xảy ra trường hợp trên thì luôn có k n và aii 0, i 1, k ;
khi đó r(A) = r( A ) =k, hệ (4.6) có dạng bậc thang nên hệ đã cho luôn có nghiệm, cụ thể như
sau:
Nếu k=n khi đó hệ (4.4) tương đương với hệ tam giác, theo nhận xét 4.3 hệ có duy nhất
nghiệm.
Nếu k< n khi đó hệ (4.4) tương đương với hệ bậc thang có số phương trình nhỏ hơn số
ẩn, nên hệ có vô số nghiệm. Theo nhận xét 4.4 và chú ý 4.2 dễ dàng tìm được nghiệm tổng
quát của hệ (4.4).
Phương pháp Gauss là một phương pháp được ứng dụng rộng rãi để giải hê pttt (vì thuật
toán biến đổi biến đơn giản, ngắn gọn) đặc biệt là những hệ pttt có các hệ số của các ẩn là
các số thực.
Ví dụ 4.10. Giải hệ phương trình sau:
x1 3x2 2 x3 x4 1
2 x x 3x 2 x 1
1 2 3 4
2
1 x 8 x2 x3 x4 1
4 x1 9 x2 x3 2 x4 1
Giải: Ta biến đổi trên các dòng của ma trận bổ sung A của hệ:
1 3 2 1 : 1
2 D1 D2
1 3 2 1 : 1
2 1 3 2 : 1 2 D1 D3 0 7 1 0 : 1
A
4 D1 D4
2 8 1 1 : 1 0 14 5 3 : 3
4 9 1 2 : 1 0 21 9 6 : 5
1 3 2 1 : 1 1 3 2 1 : 1
0
2 D2 D3
7 1 0 : 1 2 D3 D4 0
7 1 0 : 1
3 D2 D4
0 0 3 3 : 1 0 0 3 3 : 1
0 0 6 6 : 2 0 0 0 0 : 0
x1 3x2 2 x3 x4 1
Hệ đã cho tương đương với hệ bậc thang: 7 x2 x3 1 , hệ này có vô số nghiệm
3 x3 3 x4 1
4 1 1 2 1
và x1 c , x2 c , x3 c , x4 c ; c R là nghiệm tổng quát của hệ.
7 21 7 21 3
Ví dụ 4.11. Giải hệ phương trình:
x1 2 x2 x3 3x4 1
3 x 5 x 2 x +x 3
1 2 3 4
2
1 x x2 2 x3 +x4 0
x1 x2 4 x3 7x4 5
x1 2 x2 x3 3x4 1
x2 5 x3 8x4 6
Hệ đã cho tương đương với hệ tam giác: lần lượt rút các ẩn từ
11x3 17x4 16
2 x4 0
23 14 16
phương trình cuối lên ta có: ( x1 , x2 , x3 , x4 0) là nghiệm duy nhất của hệ đã
11 11 11
cho.
Ví dụ 4.12. Giải hệ phương trình:
x1 2 x2 x3 1
3 x 5 x 2 x 2
1 2 3
(với tham số b)
2
1 x 5 x2 3 x3 b
2 x1 3 x2 x3 1
x1 2 x2 x3 1
do đó hệ đã cho tương đương với hệ: x2 x3 1
0 x 0 x 0 x b 3
1 2 3
a x
j 1
ij j 0, i 1, m (4.7)
A aij
m n
là trận hệ số; X x j n1 là ma trận cột ẩn của hệ (4.7)
Giải: Dùng các phép biến đổi sơ cấp trên ma trận hệ số:
1 1 3 2 1 2 D D 1 1 3 2 1
2 3 5 2 2 D1 1D3 2 0 1 1 6 4
A
2 D1 D4
1 2 4 1 1 0 3 1 1 0
2 1 3 2 5 0 1 3 6 7
1 1 3 2 1 1 1 3 2 1
3 D2 D3 0 1 1 6 4 0 1 1 6 4
D2 D4
2 D3 D4
0 0 2 19 12 0 0 2 19 12
0 0 4 12 11 0 0 0 26 13
x1 x2 3 x3 2 x4 x5 0
x2 x3 6 x4 4 x5 0
hệ đã cho tương đương với hệ
2 x3 19 x4 12 x5 0
26 x4 13x5 0
và tập hợp gồm tất cả các nghiệm của hệ pttttn: U X nx1:A mxn X nx1 0 mx1
Trước tiên ta chứng minh cho U là không gian vectơ con của không gian Rn
Ta có U khác rỗng vì có ít nhất nghiệm tầm thường và U là một bộ phận của Rn vì mỗi
nghiệm của hệ viết dưới dạng véc tơ là một véc tơ n thành phần. Các phần tử trong U đóng
kín với hai phép toán đã xác định trong Rn, thật vậy:
AX (0)
X 1 , X 2 U 1 A( X 1 X 2 ) AX 1 AX 2 (0) X 1 X 2 U
AX 2 (0)
X U ta có AX=(0); k R ta có (kX ) A k ( AX ) k (0)mx1 (0) mx1 kX U vậy U là
không gian véc tơ con của không gian véc tơ Rn.
Ta chứng minh cho dim U=n-r(A)
Đặt r(A)=k
Trường hợp 1. Nếu r(A) = n thì hệ pttt có duy nhất nghiệm tầm thường do đó không gian
nghiệm có số chiều bằng không ta có đpcm vì n-r(A) = n – n = 0.
Trường hợp 2. Nếu r ( A) k n hệ có vô số nghiệm; nghiệm tổng quát của hệ có n-k
thành phần tự do và k thành phần được giải theo các hệ số của các ẩn và các ẩn tự do.
Không làm giảm tính chất tổng quát ta luôn giả sử được nghiệm tổng quát của hệ pttttn là
vectơ: X ( x1 , x2 ,..., xk ,..., xn 1 , xn ) có k thành phần đầu được xác định bởi công thức:
n k
x j cij xk i , j 1, k (1) và xk 1 , xk 2 ..., xn 1 , xn được chọn tự do. Khi các ẩn tự do nhận các
i 1
giá trị cụ thể, chẳng hạn ta xác định n-k nghiệm riêng của hệ như sau: Ở lần thư i ta cho ẩn
xk i 1, i 1, n k , các ẩn tự do còn lại bằng không; k ẩn đầu được xác định theo công thức
(1); ta được hệ n-k nghiệm riêng sau:
X1 (c11 , c12 ,.........., c1k 1 , c1k , 1, 0,..., 0, 0)
2
X (c21 , c22 ,.........., c2 k 1 , c2 k , 0,1,..., 0, 0)
...................................................................................
X n k 1 (c
n k 11 , cn k 12 ,..., cn k 1k 1 , cn k 1k , 0, 0,...,1, 0)
X n k
(cn k1 , cn k 2 ,......, cn kk 1 , cn kk , 0, 0,..., 0,1)
Hệ n-k véc tơ nghiệm trên độc lập tuyến tính vì ma trận nhận hệ n-k vectơ trên là hệ
vectơ dòng có hạng bằng n-k (n-k tọa độ cuối của hệ tạo nên một ma trận đơn vị cấp n-k).
Mặt khác X ( x1 , x2 ,..., xk ,..., xn 1 , xn ) L thì các thành phần của X phải được xác đinh bởi
công thức (1) , dễ thấy X xk 1 X 1 xk 2 X 2 ... xk ( n k 1) X n k 1 xk ( n k ) X n k ; do đó U là
không gian vectơ con của Rn được sinh ra bởi hệ vectơ X 1 , X 2 ,..., X n k , do đó:
Ví dụ 4.14. Tìm số chiều của không gian nghiệm của hệ pttt thuần nhất sau:
x1 x2 2 x3 kx4 0
kx 2 x3 kx4 0
1
(với k là tham số)
x1 x2 x3 x4 0
x1 kx2 x3 x4 0
Giải: Ta gọi U là không gian nghiệm của hệ trên; bài toán quy về tìm hạng của ma trận
hệ số A của hệ phương trình.
1 1 2 k
k 0 2 k
Giá trị định thức ma trận hệ số: det A (k 2 1)(k 2)
1 1 1 1
1 k 1 1
Nếu k 1; 1; 2 thì r(A)=4 nên dimU = 4 - 4=0.
Nếu k=-1 ma trận hệ số của hệ pttttn đã cho có dạng:
1 1 2 1 D D 1 1 2 1 1 1 2 1
1 0 2 1 1D1 D2 3 0 1 0 0 0 1 0 0
A D1 D4
2 D2 D4
1 1 1 1 0 0 3 0 0 0 3 0
1 1 1 1 0 2 3 0 0 0 3 0
1 1 2 1
0 1 0 0
D3 D4
do đó r ( A) 3 dim U 4 3 1
0 0 3 0
0 0 0 0
Nếu k=1và k=2 tương tự cũng có r(A)=3, nên dimU=4-3=1
Định nghĩa 4.11. Một cơ sở của không gian nghiệm của hệ phương trình tuyến tính
thuần nhất được gọi là một hệ nghiệm cơ bản của hệ đó.
Ví dụ 4.15. Tìm một hệ nghiệm cơ bản của hệ pttttn sau:
x1 2 x2 x3 2 x5 0
2 x x x 2 x 3x 0
1 2 3 4 5
3
1 x 3 x2 2 x3 x4 2 x5 0
3 x1 x3 x4 x5 0
Giải: Biến đổi trên các dòng của ma trận hệ số của hệ:
1 2 1 0 2 1 2 1 0 2 1 2 1 0 2
2 1 1 2 3 23 DD11 DD32 0 3 1 2 1 3 D2 D3 0 3 1 2 1
A
3 D1 D4
2 D2 D4
3 3 2 1 2 0 9 5 1 4 0 0 2 5 1
3 0 1 1 3 0 6 4 1 3 0 0 2 5 1
1 2 1 0 2
0 3 1 2 1
D3 D4
0 0 2 5 1
0 0 0 0 0
Hệ phương trình đã cho vô số nghiệm, nghiệm tổng quát của hệ:
1 7 3 1 5 1
x1 c1 c2 , x2 c1 c2 , x3 c1 c2 , x4 c1 , x5 c2 ); c1 , c2 R
2 6 2 6 2 2
(1, 3, 5, 2, 0); (7, 1,3, 0,6) là một hệ nghiệm cơ bản của hệ trên
4.2.4.2. Mối liên hệ giữa nghiệm của hệ phương trình tuyến tính và hệ phương trình tuyến
tính thuần nhất tương ứng
n
Định nghĩa 4.12. Cho hệ phương trình tuyến tính: a x
j 1
ij j bi (i 1, m) (4.1) . Hệ
n
a x
j 1
ij j 0 (i 1, m) (4.1) * được gọi là hệ phương trình tuyến tính thuần nhất tương ứng
của hệ đã cho.
Hệ (4.1) và hệ (4.1)* cùng có ma trận hệ số, ta hãy xét mối quan hệ giữa các nghiệm của
chúng. Ta gọi S là tập hợp tất cả các nghiệm của hệ pttt (4.1) và X1 là một nghiệm riêng của
nó, U là tập hợp tất cả các nghiệm của hệ pttttn tương ứng (4.1)*, khi đó ta có định lý sau:
Định lý 4.5.
i) X , , X ,, S X , X ,, U
ii) X U , X , S X X , S
iii) X S X 0 U : X X 1 X 0 (với X1 là một nghiệm riêng xác định của hệ (4.1)
cho trước)
Chứng minh: Sử dụng cách viết dưới dạng ma trận của hệ (4.1): A mxn X nx1 Bm1 và hệ
pttttn (4.1)* tương ứng: A mxn X nx1 0mx1 .
AX , Bm1
i) X , , X ,, S ,,
A( X , X ,, ) AX , AX ,, B B 0m1 X , X ,, U
AX Bm1
ii)
AX , Bm1
X U , X , S A( X X , ) AX AX , 0m1 Bm1 Bm1 X X , S
AX 0m1
(i )
iii) X S AX B; X 1 S X X 1 U X X 1 X 0 U X X 1 X 0 , ta có điều
phải chứng minh.
4.3. Một số mô hình tuyến tính trong phân tích kinh tế
4.3.1. Mô hình cân bằng thị trường n hàng hóa có liên quan
Giả sử ta nghiên cứu thị trường bao gồm n hàng hóa liên quan (khái niệm này được hiểu
là khi giá của một mặt hàng nào đó thay đổi thì nó không những ảnh hưởng đến lượng cung
QSi và lượng cầu QDi của bản thân mặt hàng đó mà nó còn ảnh hưởng tới giá và lượng
cung, lượng cầu của các mặt hàng còn lại)
Với i=1,2,...,n; ta ký hiệu:
QSi : lượng cung hàng hóa i
Mô hình cân bằng thị trường n hàng hóa liên quan (cân bằng cung, cầu) được xác định
bởi hệ n phương trình sau:
QSi QDi (4.8)
i 1, 2,..., n
Nghiệm P ( P1 , P2 ,..., Pn ) của hệ (4.8) là bộ giá cân bằng thị trường và giá trị:
QSi fi ( P ); QDi gi ( P ) là lượng cung và cầu cân bằng thị trường.
Ta xét mô hình trên với giả thiết các yếu tố khác không thay đổi và hàm cung, hàm cầu
có dạng tuyến tính. Mô hình được viết dưới dưới dạng 2n phương trình hành vi và n phương
trình điều kiện sau:
- Hàm cung của hàng hóa i:
QSi = ai 0 ai1 P1 ai 2 P2 ... ain Pn i 1, 2, ..., n
- Hàm cầu đối với hàng hóa i:
QDi bi 0 bi1 P1 bi 2 P2 ... bin Pn i 1, 2, ..., n
- Phương trình thể hiện điều kiện cân bằng thị trường là:
QSi QDi i 1, 2, ..., n 4.9
Từ (4.9), ta có hệ phương trình xác định giá cân bằng là:
a10 a11 p1 a12 p2 ... a1n pn b10 b11 p1 b12 p2 ... b1n pn
a a p a p ... a p b b p b p ... b p
20 21 1 22 2 2n n 20 21 1 22 2 2n n
............................................
an 0 an1 p1 an 2 p2 ... ann pn bn 0 bn1 p1 bn 2 p2 ... bnn pn
Hệ (4.10) là hệ phương trình tuyến tính có n phương trình, n ẩn. Nghiệm của hệ (4.10)
là vectơ giá cân bằng của mô hình.
Ví dụ 4.16. Cho hàm cung, hàm cầu hai hàng hóa có dạng:
QS1 2 3 p1 QD1 10 – 2 p1 p2
QS 2 1 2 p2 QD 2 15 – p1 p2
Hãy tìm mức cung, cầu cân bằng của hàng hóa.
Giải: Từ các hệ số của mô hình cho thấy: lượng cung hàng hóa chỉ phụ thuộc giá của
hàng hóa đó, nhưng lượng cầu hàng hóa là hàm số của giá hai hàng hóa. Chú ý rằng, trong
hàm cầu hàng hóa p1, dấu p1 âm, hệ số p2 dương có nghĩa là khi giá p2 tăng thì xu hướng kéo
cầu hàng hóa 1 tăng. Điều này thể hiện hai hàng hóa này là hai hàng hóa thay thế. Vai trò p1
trong QD tương tự.
2
Từ điều kiện cân bằng, ta có hệ phương trình xác định giá cân bằng là:
10 2 p1 p2 2 3 p1 5 p1 p2 12
15 p1 p2 1 2 p2 p1 3 p2 16
13 31
p Q QD1
1 4 S1 4
p 17 Q Q 30
2 S2 D2
4 4
4.3.2. Mô hình cân đối liên ngành (mô hình Input-Output của Leontief )
Trong một nền kinh tế hiện đại, việc sản xuất một sản phẩm hàng hóa cần phải sử dụng
các sản phẩm hàng hóa khác nhau trong cơ cấu sản xuất. Việc xác định tổng cầu đối với sản
phẩm của mỗi ngành sản xuất bao gồm: Cầu trung gian từ phía các nhà sản xuất (sử dụng
loại sản phẩm đó cho quá trình sản xuất) và cầu cuối cùng từ phía những người sử dụng sản
phẩm (các hộ gia đình, Nhà nước, các tổ chức xuất khẩu,...) để tiêu dùng hoặc xuất khẩu.
Nghiên cứu một nền kinh tế có n ngành sản xuất: ngành 1, ngành 2, ..., ngành n. Để
thuận tiện cho việc tính chi phí của các yếu tố sản xuất, ta biểu diễn lượng cầu của tất cả các
loại hàng hóa ở dạng giá trị (quy về một loại tiền tệ).
Với i =1, 2,..., n và j = 1, 2,..., n; ta ký hiệu:
xi là tổng giá trị sản phẩm của ngành i (thường gọi là tổng cầu)
aij là tổng giá trị sản phẩm của ngành i được sử dụng để sản xuất ra một đơn vị sản phẩm
ngành j (thường gọi là các hệ số kỹ thuật)
xij là tổng giá trị sản phẩm mà ngành i tạo ra để sử dụng sản xuất ra xj đơn vị sản phẩm
ngành j
bi là tổng giá trị sản phẩm của ngành i dành cho tiêu dùng và xuất khẩu (thường gọi là
sản phẩm cuối cùng hoặc cầu cuối cùng)
Mô hình được cho dưới dạng bảng 1 sau:
Bảng 4.1
(vì mô hình đã đặt ra là: để sản xuất sản phẩm thứ j phải sử dụng sản phẩm thứ i
(i=1,2,...,n) và với ý nghĩa kinh tế thì 1 đơn vị giá trị đầu ra của sản phẩm thứ j chỉ được sử
dụng ít hơn 1 đơn vị tổng giá trị các đầu vào)
Nhận xét 4.5. Hệ (4.13) luôn xác định và nghiệm duy nhất viết dưới dạng ma trận:
1
X E A B
1
nên hệ (4.13) hoàn toàn xác định và (4.13), X E A B là nghiệm duy nhất được
viết dưới dạng ma trận.
Định nghĩa 4.13. Ma trận A được gọi là ma trận hệ số chi phí trực tiếp dạng giá trị (hay
ma trận hệ số kỹ thuật); ma trận X là ma trận tổng cầu; ma trận B là ma trận cầu cuối cùng.
Ma trận E-A được gọi là ma trận Leontief
Ví dụ 4.17. Quan hệ trao đổi sản phẩm giữa 3 ngành (ngành 1 là: công nghiệp và xây
dựng cơ bản; ngành 2 là: nông, lâm, ngư nghiệp, ngành 3 là dịch vụ) và cầu hàng hóa được
cho ở bảng 2 sau (đơn vị tính: triệu USD).
Bảng 4.2
Cầu trung gian
Ngà Tổng
nh cầu Ngà Ngà Ngà
nh 1 nh 2 nh 3
Ngà 160 20 30 63
nh 1
Ngà 150 20 45 54
nh 2
Ngà 180 40 30 45
nh 3
Hãy tính ma trận hệ số chi phí trực tiếp dạng giá trị của mô hình.
Giải:
Ma trận hệ số chi phí trực tiếp được tính:
x11 20 x12 20 x13 63
a11 0,125 ; a12 0, 2 ; a13 0,35
x1 160 x1 150 x3 180
x21 20 x22 45 x23 54
a21 0,125 ; a22 0,3 ; a23 0,3
x1 160 x2 150 x3 180
x31 40 x32 30 x33 45
a31 0, 25 ; a32 0, 2 ; a33 0, 25
x1 160 x2 150 x3 180
Ví dụ 4.18.
0,1 0,3 0, 2 120
Cho biết ma trận hệ số kỹ thuật A 0, 2 0, 2 0, 3 và vectơ cầu cuối cùng B 150
0,3 0, 4 0, 2 200
Véc tơ tổng cầu có các thành phần: x1 487,5380; x2 580, 5471; x3 723,1003
b) Theo công thức (4.11) có xij = aij xj do đó mức chi phí của mỗi loại hàng hóa được
sử dụng làm đầu vào để sản xuất cho mỗi ngành tương ứng là:
x11 0,1 487,5380 48, 7538; x12 0,3 580, 5471 174,1641; x13 0, 2 723,1003 144, 6201
x21 0, 2 487,5380 97,5076; x22 0, 2 580,5471 116,1094; x23 0,3 723,1003 216,9301
x31 0,3 487,5380 146, 2614; x32 0, 4 580,5471 232, 2188; x33 0, 2 723,1003 144, 6201
Bài tập chương 4
Bài 4.1. Giải các hệ phương trình sau:
x1 2 x2 x3 2 x1 3 x2 2 x3 1
a ) 2 x1 3 x2 3 x3 3 b) 3 x1 5 x2 x3 2
x x x 1 x x 3x 4
1 2 3 1 2 3
2 x1 x2 x3 3 2 x1 x2 x3 3
c) 3 x1 5 x2 x3 4 d ) 4 x1 x2 2 x3 1
x 3x 3x 1 3 x 3 x 2 x 1
1 2 3 1 2 3
2
1 x 8 x2 x3 x4 1 x1 3 x2 x3 2 x4 3
4 x1 9 x2 x3 4 x4 1 2 x1 x2 x3 x4 1
2 x1 3 x2 5 x3 x4 3 3 x1 4 x2 5 x3 7 x4 1
x 2x 8x x 8 2 x 6 x 3x 4 x 2
1 2 3 4 1 2 3 4
c) d)
3 x1 4 x2 2 x3 3 x4 2 4 x1 2 x2 13x3 10 x4 0
7 x1 9 x2 x3 8 x4 9 5 x1 21x3 13x4 3
mx1 (2 m) x2 x3 1 mx1 x2 (m 1) x3 m
c) mx1 (m 1) x2 mx3 2 d ) x1 (m 1) x2 x3 1
x x mx m mx (m 2) x 2 x 2
1 2 3 1 2 3
Bài 4.6. Tìm điều kiện của tham số a,b để các hệ phương trình sau có: nghiệm duy nhất,
vô số nghiệm, vô nghiệm.
x1 ax2 2 x3 1 x1 2 x2 ax3 3
a ) x1 (2a 1) x2 3x3 1 b) 3x1 x2 ax3 2a
x ax (a 3) x 2a 2 x x 3x b
1 2 3 1 2 3
Bài 4.7. Giải các hệ phương trình sau với a,b là tham số
x1 x2 x3 x4 1
ax1 bx2 2 x3 1
2 x1 3 x2 x3 2 x4 1
a ) ax1 (2b 1) x2 3 x3 1 b)
ax bx (b 3) x 2b 1 x1 3 x2 x3 2 x4 b
1 2 3
3 x1 4 x2 3 x3 ax4 1
Bài 4.8. Tìm điều kiện của các tham số a,b,c để các hệ phương trình sau có ít nhất một
nghiệm.
x1 ax2 a 2 x3 a3 x1 2 x2 x a
2 x 3x x 1
1 2 3
a ) x1 bx2 b2 x3 b3 b)
2 3 2 x1 2 x2 x3 b
x1 cx2 c x3 c x1 3x2 x3 c
Bài 4.9. Tìm số chiều của không gian nghiệm của các hệ thuần nhất sau:
x1 2 x2 x4 0 x1 2 x2 x3 3 x4 x5 0
3 x 5 x x x 0
1 2 3 4 2 x1 4 x2 2 x3 5 x4 2 x5 0
a) b)
2
1 x 2 x2 4 x3 x 4 0 5 x1 4 x2 3 x3 7 x4 5 x5 0
2 x1 3 x2 x3 0 3 x1 3 x2 x3 2 x4 3 x5 0
Bài 4.10. Tìm nghiệm tổng quát và một hệ nghiệm cơ bản của các hệ phương trình thuần
nhất sau:
x1 x2 x3 x4 0
x1 3x2 2 x3 x4 0 2 x 3x x 2 x 0
2 x 5 x x 3x 0
1 2 3 4
1 2 3 4
a) b) x1 3 x2 x3 2 x4 0
3
1 x 8 x2 3 x3 2 x 4 0 x 4 x 2 x 7 x 0
x1 2 x2 x3 4 x4 0 1 2 3 4
x1 5 x2 3 x3 12 x4 0
Bài 4.11. Tìm điều kiện của tham số m để hệ phương trình thuần nhất:
mx1 x2 2 x3 x4 0
2 x mx 2 x 3 x 0
1 2 3 4
2 mx1 2 x2 x3 x4 0
2 x1 2 x2 x3 x4 0
có số chiều bằng 3
Bài 4.15. Tìm điều kiện của các tham số a,b,c,d để hệ phương trình thuần nhất sau:
ax1 bx2 cx3 dx4 0
bx ax dx cx 0
1 2 3 4
cx1 cx2 ax3 bx4 0
dx1 dx2 bx3 ax4 0
1
Chứng minh rằng hệ phương trình tuyến tính viết dưới dạng ma trận: AX X có
3
nghiệm duy nhất.
Bài 4.20. Cho A, B là các ma trận vuông cấp n và E là ma trận đơn vị cấp n. Chứng
minh rằng:
det( E AB) 0 det( E BA) 0
Bài 4.21. Cho hàm cung, hàm cầu của thị trường hai hàng hóa có dạng:
QS1 -5 p1 QD1 10 – 2 p1 p2
QS 2 4 2 p2 QD 2 6 p1 3p2
Hãy xác định giá và mức cung, cầu cân bằng của hàng hóa.
Bài 4.22. Cho hàm cung, hàm cầu của thị trường ba hàng hóa có dạng:
QS1 -3 2p1 QD1 10 – p1 - p3
QS 2 1 2 p2 QD 2 30 + p1 - 3 p2 2p3
QS 3 6 2 p3 QD 3 = 10 - p1 3p2 2 P3
Hãy xác định giá và mức cung, cầu cân bằng của hàng hóa.
0,1 0, 2
Bài 4.23. Cho biết ma trận hệ số kỹ thuật A và vectơ cầu cuối cùng
0,3 0, 4
150
B
180
a) Hãy xác định vectơ tổng cầu.
b) Hãy xác định mức chi phí cho mỗi loại hàng hóa được sử dụng làm đầu vào để sản
xuất mỗi ngành tương ứng.
0, 2 0,1 0, 2
Bài 4.24. Cho biết ma trận hệ số kỹ thuật A 0,1 0, 2 0, 3 và vectơ tổng
0,3 0, 4 0,1
180
cầu B 150
220
a) Hãy xác định mức chi phí cho mỗi loại hàng hóa được sử dụng làm đầu vào để sản
xuất mỗi ngành tương ứng.
b) Hãy xác định vectơ cầu cuối cùng.
0, 2 0,1 0, 3
Bài 4.25. Cho biết ma trận hệ số kỹ thuật A 0,3 0, 2 0,1 và vectơ cầu cuối cùng
0, 2 0.2 0, 3
60
B 80 ; hãy xác định vectơ tổng cầu.
100
CHƯƠNG 5
ÁNH XẠ TUYẾN TÍNH VÀ DẠNG TOÀN PHƯƠNG
Trong chương này, chúng ta nghiên cứu ánh xạ tuyến tính, biến đổi tuyến tính, bài toán
chéo hoá ma trận – chéo hoá trực giao ma trận, dạng toàn phương và đưa dạng toàn phương
về dạng chính tắc.
5.1. Ánh xạ tuyến tính
5.1.1. Các khái niệm
Định nghĩa 5.1. Cho E và F là hai không gian véc tơ trên cùng trường K (R hoặc C,
trong giáo trình này chỉ xét trường số thực R). Một ánh xạ f từ E vào F được gọi là tuyến
tính nếu nó thoả mãn:
i) f(u + v) = f(u) + f(v); u, v E ;
ii) f(ku) = kf(u); u E; k R
Hai điều kiện trên tương đương với điều kiện: Ánh xạ f: E F là tuyến tính khi và chỉ
khi v1 , v2 E; , R : f v1 v2 f (v1 ) f (v2 ) .
Một cách tổng quát hơn ta có:
n n
vi E; i R (i 1, 2, ..., n) : f i vi i f (vi ) .
i 1 i 1
Điều kiện này nói lên rằng ánh xạ tuyến tính bảo toàn tổ hợp tuyến tính của các véc tơ.
Nếu E = F thì người ta gọi f là biến đổi tuyến tính trên E.
Nếu F = K thì người ta gọi f là dạng tuyến tính trên E.
Dễ dàng thấy rằng f(0E) = 0F; f(- u) = - f(u) trong đó 0E là phần tử không của E, 0F là
phần tử không của F.
Ví dụ 5.1. Cho ánh xạ f: R 2 R xác định bởi f(x; y) = 3x- 2y với (x; y) R2. Chứng
minh rằng f là một ánh xạ tuyến tính.
Giải:
Lấy u, v R2 ; u =(a ; b) ; v = (c ; d) và k R,
f(u + v) = f(a + c; b + d) = 3(a + c) – 2(b + d) = (3a – 2b) + (3c – 2d) = f(u) + f(v)
f(ku) = f(ka, kb) = 3ka – 2kb = k(3a – 2b) = k.f(u)
Cả hai điều kiện i) và ii) đều thoả mãn. Vậy f là ánh xạ tuyến tính.
Nhân và ảnh của ánh xạ tuyến tính
Cho E, F là hai không gian véc tơ, f là một ánh xạ tuyến tính từ E vào F.
Định nghĩa 5.2. Ta gọi nhân của ánh xạ f là tập hợp các véc tơ v của E sao cho f(v) = 0F,
ký hiệu Kerf: Kerf v E : f ( v) 0 F
Chú ý 5.1. Kerf là một không gian con của E vì: f(0E)= 0F 0 E Kerf Kerf
và nếu u, v Kerf thì f(u) = f(v) = 0F nên f(u + v) = 0F, f(ku) = 0F u v; ku Kerf
Ví dụ 5.2. Cho trước a là một véc tơ n chiều khác 0 trong không gian Rn. Xét ánh xạ
f : R n R xác định bởi f(u) = <a, u>, u R n (tích vô huớng của hai véc tơ a và u)
Chứng tỏ f là ánh xạ tuyến tính và tìm kerf.
Giải:
Thật vậy, ta có
f(u + v) = <a, u + v> = <a, u> + <a, v> = f(u) + f(v) ;
f(ku) = <a, ku> = k<a, u> = k.f(u)
Vậy f là ánh xạ tuyến tính và Kerf u E : a, u 0 chính là tập hợp các véc tơ vuông
góc với a.
Chú ý 5.2. Từ các khái niệm trên ta suy ra một số tính chất đơn giản sau:
t1. Ánh xạ f là đơn ánh khi và chỉ khi Kerf = {0E}
t2. Giả sử f là ánh xạ tuyến tính từ E vào F và Kerf = {0E}. Nếu {v1, v2, … , vn } là hệ
véc tơ độc lập tuyến tính của E thì {f(v1), f(v2), … , f(vn) } là hệ véc tơ độc lập tuyến tính
của F.
Định nghĩa 5.3. Tập ảnh của ánh xạ tuyến tính f từ E vào F, ký hiệu là Imf, xác định
bởi: Im f w F : v E, f ( v) w.
Dễ dàng kiểm tra được Imf cũng là không gian con của F.
Khi đó, người ta gọi hạng của f, ký hiệu là rank(f) và được xác định bởi
rank(f) = dim(Im(f)).
Chú ý 5.3. Từ các khái niệm trên ta suy ra một số tính chất đơn giản sau:
t1. Nếu dim(F) hữu hạn thì suy ra f là toàn ánh khi và chỉ khi rank(f) = dim(F).
t2. Ảnh của một tập phụ thuộc tuyến tính là phụ thuộc tuyến tính.
t3. f là toàn ánh khi và chỉ khi ảnh của một hệ sinh của E là một hệ sinh của F
t4. f song ánh khi và chỉ khi ảnh của các vectơ của một cơ sở của E là một cơ sở của F.
Định lý 5.1. (Định lý nhân - ảnh) Giả sử f là ánh xạ tuyến tính từ không gian véc tơ E
vào không gian véc tơ F. Nếu dimE = n, dim(Kerf) = q và dim(Imf) = s thì n = q + s.
Chứng minh:
Giả sử w1, w2, … , ws là một cơ sở của Imf. Khi đó, tồn tại các véc tơ v1, v2, … , vs E
sao cho f(vi) = wi; i = 1, 2, …, s. Gọi u1, u2, … , uq là một cơ sở của Kerf. Ta sẽ chứng minh
hệ véc tơ {v1, v2, …, vs, u1, u2, … , uq } lập thành cơ cở của E.
Với v E thì f(v) Imf, ta biểu diễn f(v) theo cơ sở w1, w2, …, ws của Imf:
f(v) = x1w1 + x2w2+ … + xsws = x1f(v1) + x2f(v2) + … + xsf(vs)
= f(x1v1+ x2v2 + … + xsvs)
Từ f(v - x1v1 - x2v2 - … - xsvs) = 0F nên v - x1v1 - x2v2 - … - xsvs Kerf. Từ đó suy ra
v - x1v1 - x2v2 - … - xsvs = y1u1 + y2u2 + … + yquq
Hay v = x1v1+ x2v2 + … + xsvs + y1u1 + y2u2 + … + yquq
Suy hệ U = {v1, v2, … , vs, u1, u2, ... , uq } lập thành hệ sinh của của E.
Bây giờ chỉ cần chứng minh hệ U đó độc lập tuyến tính.
Xét 1v1 2 v2 ... s vs 1u1 2 u 2 ... q u q 0 E (5.1)
1 f (v1 ) 2 f (v2 ) ... s f (v s ) 1 f (u1 ) 2 f (u 2 ) ... q f (u q ) 0 F
Như vậy, cho một ma trận A cấp m x n có thể xác định được một ánh xạ tuyến tính f từ
R đến Rm được xác định bởi f(u) = A.u.
n
Ngược lại, cho một ánh xạ tuyến tính f : R n R m ta có thể tìm được ma trận của ánh xạ
đó trong các cơ sở đã chọn của Rn, Rm.
Giả sử {e1, e2, … , en } là một cơ sở của Rn, {f1, f2, ... , fm } là một cơ sở của Rm.
Với v R n ta có v = x1e1 + x2e2 + .... + xnen. Do f là ánh xạ tuyến tính nên
f(v) = x1f(e1) + x2f(e2) + … + xnf(en) (5.4)
Vì f(e1), f(e2), ... , f(en) là các véc tơ thuộc Rm nên có thể biểu diễn thông qua cơ sở {f1,
f2, ... , fm }:
f(e1) = a11f1 + a21f2 + ... + am1fm
f(e2) = a12f1 + a22f2 + ... + am2fm
....
f(en) = a1nf1 + a2nf2 + ... + amnfm
Thay các giá trị vừa nhận được vào (5.4) ta có
f(v) = (a11x1 + a12x2 + ... + a1nxn)f1 + (a21x1 + a22x2 + ... + a2nxn)f2 + ...
….+ (am1x1 + am2x2 + ... +amnxn)fm (5.5)
Mặt khác vì f(v) Rm nên f(v) = y1f1 + y2f2 + ... + ymfm (5.6)
Do f(v) chỉ có cách biểu diễn duy nhất qua cơ sở {f1, f2, ... , fm} nên từ (5.5) và (5.6) suy
ra
y1 = a11x1 + a12x2 + ... + a1nxn
y2 = a21x1 + a22x2 + ... + a2nxn
ym = am1x1 + am2x2 + ... + amnxn
Có thể viết kết quả này dưới dạng ma trận
y1 a 11 a 12 ... a 1n x 1
y a a 22 ... a 2 n x 2
2 21 . Y A.X
... ... ... ... ... ...
y m a m1 a m2 ... a mn x n
Định nghĩa 5.4. Cho f là ánh xạ tuyến tính từ Rn vào Rm và {e1, e2, ... , en};
{f1, f2, ... , fm } lần lượt là các cơ sở của Rn, Rm ; ma trận cấp m x n có các phần tử ở cột thứ
j là toạ độ của véc tơ f(ej) theo cơ sở {f1, f2, ... , fm } được gọi là ma trận của ánh xạ tuyến
tính f với các cơ sở đã cho.
Chú ý 5.4. Tương tự, kết quả này có thể mở rộng cho các không gian véc tơ E, F bất kỳ
có dimE = n, dim F = m, các cơ sở tương ứng là U = {e1, e2, ... , en};V = {f1, f2, ... , fm }.
Giả sử f là ánh xạ tuyến tính từ E vào F. Khi đó ánh xạ f hoàn toàn xác định bởi các véc
n
tơ f(e1), f(e2), ... , f(en) và nếu f (e i ) a ki f k (i 1, 2, 3, ... , n ) . Khi đó ma trận A = [aij]m x n
k 1
được gọi là ma trận của ánh xạ tuyến tính f đối với cặp cơ sở (U, V).
Ví dụ 5.2. Tìm ma trận của ánh xạ tuyến tính f : R 2 R 2 xác định bởi
x x 2x
Với mọi x 1 thì f ( x ) 1 2
đối với cặp cơ sở (U, U)
x
2 x
1 x 2
n
Mặt khác, biểu diễn u theo cơ sở U ta có u x i e i (5.8)
i 1
Do biểu diễn u qua một cơ sở là duy nhất . Nên so sánh (5.7) và (5.8) ta có:
x1 x 1'
'
n
' x2 x
x i a ij x j ; i 1, 2, 3, ..., n . Đặt X ; X' 2 và P là ma trận chuyển sơ sở ở trên ta
...
j1
...
x x'
n n
được: X = P.X’ (5.9)
Chú ý rằng ở trên ta chuyển cơ sở từ U sang U’, khi đó ma trận chuyển cơ sở là P và
công thức đổi toạ độ là (5.9). Hơn nữa ma trận P còn là ma trận khả nghịch, suy ra
X’ = P-1.X . Đây chính là công thức chuyển toạ độ từ cơ sở U’sang U.
Ví dụ 5.3. Trong không gian R3 cho cơ sở chính tắc
U = {e1 = (1; 0; 0); e2 = (0; 1; 0); e3 = (0; 0; 1)}
và cơ sở U’ ={e1’= (0; 1; 1); e2’= (1;0;1); e3’= (1;1;0)}. Lập công thức chuyển từ toạ độ
của một véc tơ đối với cơ sở U sang U’.
Giải:
Do cơ sở U là chính tắc nên ma trận chuyển cơ sở chính là ma trận mà có các cột là toạ
'
0 1 1 x 1 0 1 1 x 1
độ của các véc tơ e1’, e2’, e3’: P 1 0 1 . Khi đó ta có x 2 1 0 1. x '2
1 1 0 x 1 1 0 x '
3 3
Hay x1 = x2 ’ + x 3 ’
x2 = x1’ + x3 ’
x3 = x1’ + x2’
5.1.2.3. Ma trận của biến đổi tuyến tính khi chuyển cơ sở
Cho biến đổi tuyến tính f: E E , A là ma trận của f đối với cặp cơ sở (U, U) của E và
được gọi tắt là đối với cơ sở U của E
P là ma trận chuyển từ cơ sở U = {e1, e2, … , en} sang U’ = {e1’, e2’, … , en’}. Khi đó ma
trận của f đối với cơ sở U’ là A’. Ta đi tìm mối liên hệ giữa A và A’
Dạng ma trận của f đối với cơ sở U: Y = AX
Dạng ma trận của f đối với cơ sở U’: Y’ = A’ X’
Vì P là ma trận chuyển cơ sở từ U sang U’ nên : X =PX’ ; Y = PY’
Từ đó, ta có PY’ = Y = AX = APX’ nên Y’ = P-1PY’ = P-1APX’
Mà Y’ = A’X’ nên A’X’ = P-1APX’ với mọi X’ suy ra A’ = P-1AP.
Như vậy, ta có định lý sau :
Định lý 5.2. Nếu A và A’ là hai ma trận của cùng một ánh xạ tuyến tính f từ không gian
véc tơ E vào chính nó đối với hai cơ sở U và U’ và P là ma trận chuyển cơ sở U sang U’ thì
A’ = P-1AP
Định nghĩa 5.6. Hai ma trận A và A’ vuông cấp n sao cho tồn tại ma trận P vuông cấp n
khả nghịch thoả mãn A’ = P-1AP được gọi là hai ma trận đồng dạng.
Như vậy các ma trận của cùng một ánh xạ tuyến tính f từ E vào chính nó trong các cơ sở
khác nhau thì đồng dạng với nhau.
1 1 0
Ví dụ 5.4. Xét ánh xạ tuyến tính f từ R vào chính nó cho bởi ma trận A 1 0 1 đối
3
0 1 1
với cơ sở chính tắc U = {e1 = (1 ; 0 ;0) ; e2= (0 ; 1 ;0) ; e3= (0 ; 0 ; 1)} của R3.
Xét cơ sở U’ = {e1’ =(1 ; 2 ; 1) ; e2’ =(2 ; 1 ; 3) ; e3’=(1 ; 1 ; 1)} của R3. Tìm ma trận A’
của f đối với cơ sở U’ và viết biểu thức toạ độ của f đối với cơ sở đó.
Giải:
Ta có ma trận chuyển cơ sở P là
1 2 1 2 1 1
1
P 2 1 1 . Suy ra P 1 0 1
1 3 1 5 1 3
1 3 0
Từ đó A' P AP 0 1 0
1
4 2 2
Giải:
2 1 1
1
Phương trình đặc trưng: det(A E) 1 2 1 (1 ) 2 (3 ) 0
0 0 1 3
Định nghĩa 5.10. Cho f là biến đổi tuyến tính trên không gian E ; Biến đổi tuyến tính f
được gọi là chéo hoá được nếu trong E tồn tại cơ sở sao cho ma trận của f trong cơ sở đó có
dạng chéo.
Định nghĩa 5.11. Ma trận vuông A được gọi là chéo hoá được nếu nó đồng dạng với
một ma trận chéo D, tức là tồn tại ma trận khả nghịch P sao cho P-1AP = D (Khi đó, ta nói
rằng P làm chéo hoá A).
1 1 1 1 1 2 1
Ví dụ 5.8. Xét ma trận A . Với ma trận P ; P 1 1 thì
2 4 1 2
2 1 1 1 1 1 2 0
P 1 AP . . . Hay A chéo hoá được
1 1 2 4 1 2 0 3
Vấn đề đặt ra ở đây là với điều kiện nào, một ma trận vuông chéo hoá được và khi đó
tìm ma trận P như thế nào ?
5.2.2.2. Điều kiện chéo hoá
Định lý 5.3. Giả sử f là biến đổi tuyến tính trên không gian véc tơ E. Khi đó, f chéo hoá
được khi và chỉ khi trong E tồn tại một cơ sở gồm toàn các véc tơ riêng của f.
Chứng minh:
Giả sử f chéo hoá được trong cơ sở U = {e1, e2, … , en}, tức f có ma trận đối với cơ sở U
1 0 ... 0
0 2 ... 0
có dạng A . Khi đó f (e i ) i e i ; i 1; 2; ... , n . Hay ei là véc tơ riêng của f
... ... ... ...
0 0 ... n
ứng với giá trị riêng i .
Ngược lại, giả sử U = {e1, e2, … , en} là một cơ sở của E gồm các véc tơ riêng của f ứng
với các giá trị riêng 1 ; 2 ; ...; n tương ứng. Khi đó ta có f (e i ) i e i ; i 1; 2; ... , n .
Vậy ma trận của f đối với cơ sở U có dạng chéo.
Từ định lý ta suy ra các hệ quả sau:
Hệ quả 5.1. Biến đổi tuyến tính trong không gian véc tơ n chiều chéo hoá được nếu có n
giá trị riêng phân biệt.
Hệ quả 5.2. Mọi ma trận vuông cấp n có n giá trị riêng phân biệt đều chéo hóa được.
Định lý 5.4. Giả sử f là biến đổi tuyến tính trên không gian véc tơ E. Giả sử k là giá trị
riêng của f bội k (k được gọi là bội đại số của k ), s là số véc tơ riêng độc lập tuyến tính
ứng với giá trị riêng k (s được gọi là bội hình học của k ). Khi đó s k .
Chứng minh:
Giả sử x1, x2, … , xs là các véc tơ riêng độc lập tuyến tính tương ứng với trị riêng k (bội
k). Ta bổ sung vào hệ này để có một cơ sở của E : U = {x1, x2, … , xs, xs+1, … , xn}. Gọi A
là ma trận của f đối với cơ sở U thì cột thứ i của A chính là toạ độ của f(xi) đối với cơ sở đó.
Mà f(xi) = k x i ; i 1, 2, ... , s nên s cột đầu của A có dạng
k 0 ... 0 a 1s1 ..
0 k ... 0 a 2s1 ...
... ... ... ... ... ...
A
0 0 ... k a ss 1 ...
... ... ... ... ... ...
0 0 ... 0 a ns 1 ....
Giải:
Xét đa thức đặc trưng của A:
2 0 1
0
det(A E ) 1 1 1 ( 1) 2 1
2 0 1 2 1
2 x 1 x3 0 1
Với 1 0 (đơn). Xét hệ x 1 x 2 x 3 0 X1 . 1 , 0 . Khi đó không gian
2 x x 0 2
1 3
riêng E1 ứng với giá trị riêng 1 0 sinh bởi véc tơ (1 ; 1 ; - 2)T và dim(E1) = 1
x 1 x 3 0 0 1
Với 2 1 (bội 2). Xét hệ x 1 x 3 0 X 2 . 1 0 , 2 2 0 . Khi đó
2 x 2 x 0 0 1
1 3
không gian riêng E2 ứng với giá trị riêng 2 1 sinh bởi hệ véc tơ {(0 ;1; 0)T ; (1; 0 ;-1)T}
và dim(E2) = 2.
1 0 1
Theo định lý 5.5. suy ra A chéo hoá được và P 1 1 0 . Khi đó
2 0 1
0 0 0
P AP 0 1 0
1
0 0 1
Chú ý 5.6. Từ việc chéo hoá ma trận vuông ta có một ứng dụng quan trọng
Giả sử A chéo hoá được, tức tồn tại ma trận khả nghịch P sao cho P-1AP = D =
diag( 1 ; 2 ; ...; n ).
Khi đó, với mỗi số tự nhiên k ta có
k1 0 ... 0
0 k2 ... 0 1
(P-1AP)k = Dk P 1 A k P D k A k PD k P 1 P. .P
... ... ... ...
0 0 ... kn
5.2.2.3. Chéo hoá ma trận đối xứng thực bằng ma trận trực giao
Định nghĩa 5.12. Ma trận A =[aij]n xn được gọi là ma trận đối xứng thực nếu :
a ij R ; i; j
. Điều kiện thứ 2 của định nghĩa chính là A = AT.
a ij a ji ; i; j
1 1 4
Ví dụ 5.10. Ma trận A 1 2 5 là một ma trận đối xứng thực
4 5 3
Đối với ma trận đối xứng thực ta có tính chất quan trọng
Định lý 5.6. Mọi ma trận đối xứng thực A đều có các giá trị riêng là các số thực
Chứng minh:
Giả sử o C là trị riêng của A, tức là nghiệm của đa thức đặc trưng det(A E ) 0 .
Khi đó hệ thuần nhất (A o E)X 0 có nghiệm không tầm thường Xo C n .
T T
Ta có AX o o X o X o AX o o X o X o (5. 13)
Mà AX o X
T
o o
T T T
X o .A o .X o
T
T T
Do A A; A T A nên ta có X o AX o o X o X o (5.14)
T T
Từ (5.13) và (5.14) ta có ( o o )X o X o 0 . Do X o X o 0 nên o o . Hay o R
Định nghĩa 5.13. Ma trận vuông P được gọi là ma trận trực giao nếu P không suy biến
và thoả mãn điều kiện PT = P-1.
Chú ý 5.7. Từ định nghĩa ta có một số tính chất của ma trận trực giao:
i) Ma trận trực giao thoả mãn điều kiện: PTP = P.PT = E
ii) det(P) 1
n n
iii) p ij2 p ij2 1(i, j 1, 2, 3, ..., n) hay là các véc tơ dòng (cột) có độ dài bằng 1
i 1 j1
iv) các dòng (cột) của P là các véc tơ trực giao với nhau
Điều kiện iii) và iv) đối với các véc tơ dòng (cột) của P người ta gọi là các véc tơ đó trực
chuẩn.
Ví dụ 5.11. Các ma trận sau là các ma trận trực giao
1 1 1
2 6 3
cos sin 1 1 1
P P
sin cos 2 6 3
0 2 1
6 3
Ta thừa nhận định lý sau
Định lý 5.7. Với mỗi ma trận đối xứng thực A, tồn tại ma trận trực giao P sao cho PTAP
là ma trận chéo.
Hơn nữa, nếu 1 , 2 , ..., n là các trị riêng của A thì có thể chọn ma trận trực giao P (các
cột của P là các véc tơ riêng trực chuẩn ứng với các giá trị riêng đó) sao cho
1 0 ... 0
0 2 ... 0
P AP
T
... ... ... ...
0 0 ... n
Hệ quả 5.3. Mọi ma trận đối xứng thực đều đồng dạng trực giao với một ma trận chéo
2 1 1
Ví dụ 5.11. Chéo hoá trực giao ma trận đối xứng thực A 1 2 1
1 1 2
Giải:
2 1 1
0
Đa thức đặc trưng det(A E) 1 2 1 ( 3) 2 0
1 1 2 3
Bây giờ ta đi tìm các véc tơ riêng ứng với các giá trị riêng đó rồi trực chuẩn chúng
2 x 1 x 2 x 3 0 1 1
Với 0 ta có x 1 2x 2 x 3 0 X 1 . Chọn u 1 1
x x 2 x 0 1 1
1 2 3
x 1 x 2 x 3 0
Với 3 ta có x 1 x 2 x 3 0 x 3 x 1 x 2 . Suy ra ta có 2 véc tơ riêng
x x x 0
1 2 3
1 1
u 2 1; u 3 0 .
0 1
Khi đó ta có hệ véc véc tơ riêng là U = {u1, u2, u3}. Bây giờ ta trực giao hoá Gram –
Schmidt hệ véc tơ U :
Đặt y1 = u1
1 1 1
u 2 ; y1 0
y2 = u 2 y1 1 1 1
y1 ; y1 0 3 1 0
1
1 1 1 2
u 3 ; y1 u3; y2 0 1 1
y3 = u3 - y1 y 2 0 1 1
y1 ; y1 y2 ; y2 1 3 1 2 0 2
1
Trực chuẩn hoá hệ véc tơ {y1, y2, y3} được hệ véc tơ {P1, P2, P3}
1 1 1 2
.
3 2 2 3
1 1
1 2
với P1 ; P2 ;
3P .
3 2 2 3
1 0
2
3 3
1 1 1 2
3 2 2 3
0 0 0
1 1 1 2
Do đó ma trận P là ma trận trực giao và P AP 0 3 0 .
T
3 2 2 3
0 0 3
1 2
0
3 3
5.3. Dạng toàn phương
5.3.1. Các khái niệm
Định nghĩa 5.14. Dạng toàn phương f(x1, x2, … , xn) của n biến x1, x2, …, xn là biểu
n n
thức có dạng f ( x 1 , x 2 , ... , x n ) a ij x i x j ; a ij K (5.15)
i 1 j1
Định nghĩa 5. 15. Cho dạng toàn phương thực f(X) = XTAX
i) f được gọi là dạng toàn phương xác định dương nếu f (X) 0 X R n ;
f (X) 0 X 0
ii) f được gọi là dạng toàn phương xác định âm nếu – f(X) là dạng xác định dương
iii) f được gọi là bán xác định dương nếu f (X) 0 X R n và X 0 sao cho f(X) = 0
iv) f được gọi là bán xác định âm nếu –f(X) là bán xác định dương
v) các trường hợp còn lại được gọi là không xác định
Ví dụ 5.13.
f = x12 + 2x22 + x32 là xác định dương
f = - x12 – 2x22 – x32 là xác định âm
f = (x1 + x2)2 là bán xác định dương
f = - (x1 – x2 + x3)2 là bán xác định âm
f = x12 – x22 là không xác định
Định nghĩa 5.16. Xét dạng toàn phương (5.15). Phép biến đổi tuyến tính trên các dạng
toàn phương là biến đổi có dạng
x 1 p11 y1 p12 y 2 ... p1n y n
x p y p y ... p y
2 21 1 22 2 2n n
(5.16)
....
x n p n1 y1 p n 2 y 2 ... p nn y n
Ma trận của dạng toàn phương chính tắc có dạng A = diag( 1 , 2 , ..., n ) . Trong biểu
thức của nó chỉ có dạng bình phương. Như vậy rút gọn dạng toàn phương là đưa nó về dạng
chính tắc, điều đó có nghĩa đưa ma trận của nó về dạng chéo.
Định nghĩa 5.18. Dạng toàn phương (5.15) được gọi là dạng chuẩn tắc nếu nó có dạng
r
f ( x 1 , x 2 , ..., x n ) i x i2 với 1 r n; k 1
i 1
xứng
Ta sẽ chứng minh rằng tồn tại phép biến đổi tuyến tính không suy biến để đưa dạng toàn
phương trên về dạng chính tắc.
Ở đây ta giả thiết ít nhất một hệ số aii trong (5.17) là khác không. Còn nếu mọi hệ số đó
bằng không thì luôn thực hiện được phép biến đổi tuyến tính để đưa về trường hợp có ít nhất
một hệ số aii khác 0.
Định lý 5.8. Tồn tại phép biến đổi tuyến tính không suy biến để đưa f về dạng chính tắc
Chứng minh:
Với n = 1, định lí hiển nhiên đúng
Giả thiết định lý đúng với dạng toàn phương với số biến số nhỏ hơn n, ta chứng minh
định lý đúng với n biến. Viết (5.17) dưới dạng
1
f (a 11 x 1 a 12 x 2 ... a 1n x n ) 2 g ( x 2 , x 3 , ... , x n ) (5.18)
a 11
Trong đó g(x2, x3, ... , xn) là dạng toàn phương đối với n – 1 biến x2, x3, ... , xn.
y1 a 11 x 1 a 12 x 2 ... a 1n x n
Thực hiện phép đổi biến số . Mà ma trận của nó là
y i x i ; i 2, 3, ... , n
a 11 a 12 ... a 1n
0 1 ... 0
P1= có định thức bằng a11 0, nên không suy biến. Do vậy
... ... ... ...
0 0 ... 1
Theo giả thiết quy nạp bằng phép biến đổi tuyến tính không suy biến Y1 = P2Z1 (với
Y1=(y2 y3 … yn)T ; Z1 = (z1 z2 … zn)T và P2 là ma trận vuông cấp n – 1 không suy biến) ta
đưa g về dạng chính tắc c2z22 + c3z32+ … + cnzn2.
1
Đặt P3 = và thực hiện phép biến đổi tuyến tính không suy biến Y = P3Z (với Z =
P2
(z1 z2 …. zn) ) ta đưa dạng toàn phương về dạng chính tắc
f = a 111 z12 + c2z22 + c3z32+ … + cnzn2. Đpcm
Ví dụ 5.14. Đưa dạng toàn phương về dạng chính tắc
f(x1, x2, x3) = 2x1x2 – 6x2x3 + 2x3x1
Giải:
Vì aii = 0; i = 1, 2, 3 nên ta thực hiện phép đổi biến số
x 1 y1 y 2 1 1 0
x 2 y1 y 2 với ma trận P1 1 1 0 . Khi đó f đưa về dạng
x y 0 0 1
3 3
Với phép biến đổi tuyến tính Y = P2Z ta đưa được f về dạng
1 2
f z1 2z 22 z 33 8z 2 z 3
2
Hệ số z 22 0 nên lại thực hiện phép biến đổi tuyến tính
t 1 z1 1 0 0
-1
t 2 2z 2 4z 3 với ma trận Q 2 0 2 4 . Đặt P3 = Q2
t z 0 0 1
3 3
Với phép biến đổi tuyến tính Z = P3T ta đưa được f về dạng
1 2 1 2
f t 1 t 2 6 t 32
2 2
1 / 2 1 / 2 3
Đặt P = P1P2P3 = 1 / 2 1 / 2 1 .
0 0 1
Như vậy với phép biến đổi tuyến tính X = PT ta đưa được dạng toàn phương f về dạng
1 1
chính tắc f t 12 t 22 6t 32
2 2
Chú ý 5.9. Dạng chính tắc của dạng toàn phương là không duy nhất.
1 3 2
Thật vậy, với phép biến đổi tuyến tính X = QU trong đó Q 1 1 2 ta đưa được
0 1 0
dạng toàn phương f về dạng chính tắc f = 2u 12 6u 22 8u 32
5.3.2.2. Phương pháp Jacobi
Phương pháp này áp dụng cho dạng toàn phương f(X) = XTAX mà ma trận A =[aij]n x n
a 11 a 12 ... a 1i
a a 22 ... a 2i
thoả mãn tính chất : i 21 0; i 1, 2, .. , n (5.19)
... ... ... ...
a i1 a i2 ... a ii
D j1, i
Với ji (1) i j . (5.21), trong đó j1, i là định thức con của det(A) tạo bởi các
j1
dòng 1, 2, … , j – 1 và các cột 1, 2, … , i -1, i + 1, … , j.
Ví dụ 5.15. Đưa dạng toàn phương sau về dạng chính tắc bằng phương pháp Jacobi
f ( x 1 , x 2 , x 3 ) 2 x 12 3x 1 x 2 4x 1 x 3 x 22 x 33
Giải:
2 3 / 2 2
Ma trận của dạng toàn phương A 3 / 2 1 0 và
2 0 1
2 3/ 2 1 17
1 2; 2 ; 3 det(A ) .
3/ 2 1 4 4
3 3/ 2 2
D11 3 D 1 0
21 (1) 21 2 ; 31 (1) 31 21 8 ;
1 2 4 1 1/ 4
2 2
D 22 3/ 2 0
32 (1) 2 3 12
1 1/ 4
3
x 1 y1 4 y 2 8 y 3
Vậy phép biến đổi tuyến tính là x 2 y 2 12 y 3 . Khi đó f có dạng chính tắc
x y3
3
1
f ( y1 ; y 2 ; y 3 ) 2 y12 y 22 17 y 32
8
5.3.2.3. Phương pháp biến đổi trực giao
Xét dạng toàn phương (5.15) : f(X) = XTAX với A là ma trận đối xứng thực
Do A là ma trận đối xứng thực nên theo mục 5.2.2.3 thì A sẽ đồng dạng trực giao với ma
trận chéo, nghĩa là tồn tại ma trận trực giao P (mà các cột của nó chính là các véc tơ riêng
trực chuẩn của ma trận A ứng với các giá trị riêng tương ứng) sao cho P-1AP = PTAP =
diag( 1 , 2 , ... , n ) ( i , i 1, 2, .. , n là các giá trị riêng của A).
Từ đó với phép biến đổi X = PY ta đưa được dạng toàn phương f về dạng chính tắc.
Thật vậy
f = XTAX = (PY)TA(PY) = YT(PTAP)Y = YTdig( 1 , 2 , ..., n )Y = 1 y12 2 y 22 ... n y 2n
Phương pháp trên được gọi là phương pháp đưa dạng toàn phương thực về dạng chính
tắc bằng phép biến đổi trực giao.
Ví dụ 5.16. Đưa dạng toàn phương sau về dạng chính tắc bằng phép biến đổi trực giao
f ( x 1 , x 2 , x 3 ) 4 x 1 x 2 4 x 1 x 3 3x 22 2 x 2 x 3 3x 32
Giải:
0 2 2
Ma trận của f có dạng A 2 3 1
2 1 3
a 11 a 12 ... a 1i
a a 22 ... a 2i
chính của A đều dương, tức là i 21 0; i 1, 2, .. , n
... ... ... ...
a i1 a i2 ... a ii
Ví dụ 5.18. Khảo sát tính xác định của dạng toàn phương
f ( x 1 , x 2 , x 3 ) 5x 12 x 22 5x 32 4 x 1 x 3 8x 1 x 3 4 x 2 x 3
Giải:
5 2 4
5 2
Ma trận của f là A 2 1 2 . Ta có a11 = 5 > 0 ; 1 0 ;
2 1
4 2 5
5 2 4
2 1 2 1 0 nên theo tiêu chuẩn Sylvester dạng toàn phương f là xác định dương
4 2 5
Chú ý 5. 11. Dạng toàn phương f là xác định âm khi và chỉ khi – f là xác định dương.
Nếu ma trận của f là A thì ma trận của – f là – A. Do đó theo tiêu chuẩn Sylvester f xác định
a 11 a 12 ... a 1i
a a 22 ... a 2i
âm khi và chỉ khi (1) i i (1) i 21 0; i 1, 2, .. , n
... ... ... ...
a i1 a i2 ... a ii
Ví dụ 5.19. Khảo sát tính xác định của dạng toàn phương
f ( x 1 , x 2 , x 3 ) 3x 12 x 22 5x 32 4 x 1 x 3 8x 1 x 3 4 x 2 x 3
Giải:
3 2 4
3 2
Ma trận của f là A 2 1 2 . Ta có a11 = 3 > 0 ; 1 0 do đó theo tiêu
2 1
4 2 5
chuẩn Sylvester kết hợp với chú ý 5.11 thì f không xác định dương cũng không xác định âm.
Ví dụ 5.20. Cho dạng toàn phương
f ( x 1 , x 2 , x 3 ) 5x 12 x 22 mx 32 4 x 1 x 3 2x 1 x 3 2 x 2 x 3
Với giá trị nào của m thì dạng toàn phương f là xác định âm
Giải:
5 2 1
5 2
Ma trận của f là A 2 1 1 . Ta có a11 = -(- 5) > 0 ; (1) 2 1 0 ;
2 1
1 1 m
(1) 3 . det(A) m 2 .
Vậy để f xác định âm khi m – 2 > 0 hay m > 2.
Chú 5.12. Việc khảo sát dạng toàn phương, đưa dạng toàn phương về dạng chính tắc
được ứng dụng trực tiếp vào giải quyết bài toán khảo sát, nhận dạng và phân loại đường và
mặt bậc hai trong hình học giải tích mà trong khuôn khổ giáo trình này không đề cập đến.
Độc giả nào quan tâm đến vấn đề này có thể tham khảo ở hầu hết các giáo trình Đại số
tuyến tính và Hình học giải tích ở các trường ĐHKHTN – ĐHQG Hà nội, ĐHSP Hà nội.
Bài tập chương 5
Bài 5.1. Trong các ánh xạ sau, ánh xạ nào là tuyến tính
a) f : R 3 R 3 , f(x1, x2, x3) = (x2 – x3; x1 + x3; 3x1 – x2 + 2x3)
b) f : R 3 R 3 , f(x1, x2, x3) = (x1 + x2; x2 + 2; x3 + 3)
c) f : R 2 R , f ( x 1 , x 2 ) x 1 x 2
d) f : R 3 R 3 , f(x1, x2, x3) = (x1 + x2; 2x2; x3 + m) (m là tham số)
1 3 2 2
Bài 5.2. Cho ma trận A 2 1 2 1 . Xét ánh xạ tuyến tính f : R 4 R 3 xác định
1 2 0 1
bởi f(X) = A.X. Tìm Im(f) và Ker(f).
Bài 5.3. Cho biến đổi tuyến tính f : R 2 R 2 có biểu thức toạ độ xác định trong cơ sở
chính tắc. Tìm ma trận của f trong cơ sở U = {(2 ; 5) ; (1 ; 3) }
a) f(x, y) = (2y ; 3x – y)
b) f(x ; y) = (3x – 4y ; x + 5y)
Bài 5.4. Tìm giá trị riêng và véc tơ riêng của các ma trận sau
1 1 ... 1
1 1 1 1
1 4 1 ... 1
a) b) 1 1 0 c)
2 3 ... ... ... ...
1 0 1
1 1 ... 1
Bài 5.5. Tìm ma trận khả nghịch P chéo hoá các ma trận sau
3 1 1 1 a a 2
5 1
a) b) 2 4 2 c) 0 0 a (a là số thực)
1 3 1 1 3 0 0 a
Bài 5.6. Chéo hoá trực giao các ma trận sau
1 2 2 1 3 1
1 2 2 1 2
a) b) c) 3 1 1
2 2 2 2 1 1 1 5
Bài 5.8. Cho ánh xạ f : R 3 R 3 xác định bởi f(x1, x2, x3) = (x1 + x2 +x3; x1+x2; x1 + x3)
Tìm dim(Im(f)) và dim(Ker(f))
Bài 5.9. Cho ánh xạ f : R 3 R 3 xác định bởi
f(x1, x2, x3) = (x1 + x2 +x3; 2x1+3x2; x1 +2x2+mx3) (m là tham số)
Tìm m để Im(f) có chiều lớn nhất.
Bài 5.10. Viết ma trận và tìm hạng của các dạng toàn phương sau
a) f = 3x12 – 4x1x2 – x22
b) f = x12 – 2x1x2 – x1x3
c) f = 2x12 – 2x22 + 5x32 – 8x1x2 – 16x1x3 + 14x2x3
Bài 5.11. Đưa các dạng toàn phương sau về dạng chính tắc
a) f = 2x12 + 3x22 + 4x32 – 2x1x2 + 4x1x3
b) f = x12 + 5x22 + 2x32 + 4x1x2 + 2x1x3 + 4x2x3
c) f = 2x1x2 + 2x3x4
Bài 5.12. Cho dạng toàn phương f = 2x12 + 2x22 + x32 + 2x1x2 + mx1x3 ( m là tham số)
a) Đưa dạng toàn phương trên về dạng chính tắc bằng phương pháp Lagrange.
b) Tìm m để f xác định dương; nửa xác định dương.
Bài 5.13. Chứng minh rằng nếu tất cả các nghiệm của đa thức đặc trưng của ma trận đối
xứng thực A thuộc đoạn [a; b] thì dạng toàn phương với ma trận A – tE sẽ xác định âm nếu t
> b và xác định dương nếu t < a.
Bài 5.14. Dùng phép biến đổi trực giao đưa dạng toàn phương sau về dạng chính tắc
f = x1x2 + x2x3 + … + xn-1xn
a b
Bài 5.15. Cho ma trận A . Chứng minh
c d
a) A chéo hoá được khi (a –d)2 + 4bc > 0
b) A không chéo hoá được khi (a –d)2 + 4bc < 0
a b
Bài 5.16. Tìm ma trận làm chéo hoá trực giao A (b 0)
b a
TÀI LIỆU THAM KHẢO
1. Khu Quốc Anh, Nguyễn Anh Kiệt, Nguyễn Doãn Tuấn, Bài tập Đại số tuyến tính và
hình học giải tích, NXB ĐHQG Hà Nội, 2007
2. Alpha C. Chiang, Fundamental Methods of Mathematical Economics, Mc.Graw-Hill
Book Copany, 1984.
3. P.Gabriel, Martizen, Geometrie, Linerae Algebra, Birkhauser – Verlag, Basel –
Boston – Berlin 1996
4. Lê Tuấn Hoa, Đại số tuyến tính: Các ví dụ và bài tập, NXB ĐHQG Hà Nội, 2007
5. Nguyễn Huy Hoàng, Toán cao cấp- Tập 1 (Đại số tuyến tính), Nhà xuất bản giáo dục
Việt Nam, 2009
6. Nguyễn Huy Hoàng (chủ biên), Bài tập Toán cao cấp cho các nhà kinh tế - Phần 1
(Đại số tuyến tính), NXB Thống kê, 2008
7. Ngô Thúc Lanh, Đại số tuyến tính, NXB ĐH THCN, Hà nội, 1970
8. Jean – Marie Monier, Giáo trình Toán - Tập 5 + 6 : Đại số I + II, NXB Giáo dục
2006
9. Nguyễn Văn Mậu (chủ biên), Toán Olympic Sinh viên Đại học, NXB ĐHQG Hà Nội,
2006
10. Đoàn Quỳnh (Chủ biên), Giáo trình Đại số tuyến tính và hình học giải tích, NXB
ĐHQG Hà Nội, 2007
11. Hoàng Xuân Sính, Đại số, Giáo trình đại học đại cương, NXB Giáo dục, 1990
12. Phan Doãn Thoại, Nguyễn Hữu Hoan, Đại số và số học, NXB ĐHSP Hà Nội, 2008
13. Lê Đình Thuý (chủ biên), Toán cao cấp cho các nhà kinh tế - Phần 1, NXB ĐH
KTQD Hà Nội, 2008.
14. Đoàn Trọng Tuyển, Bài giảng Đại số, NXB Đại học Kinh tế Quốc dân, 2008
15. Nguyễn Đình Trí (chủ biên), Toán cao cấp - Tập 1, NXB Giáo dục 2007
16. Nguyễn Đình Trí (chủ biên), Bài tập Toán cao cấp - Tập 1, NXB Giáo dục 2007
17. Ngô Việt Trung, Giáo trình Đại số tuyến tính, Bộ sách Cao học - Viện Toán học,
NXB ĐHQG Hà Nội, 2002.