Professional Documents
Culture Documents
_______________________________________________________
I. Giá trị riêng và vector riêng của ma trận – Chéo hóa ma trận:
1. Tìm giá trị riêng và vector riêng của một ma trận:
Ví dụ:
é 7 2ùú
Cho ma trận A = êê .
- 4 1úú
ëê û
b) Các giá trị riêng i của A là các nghiệm của phương trình đặc trưng f A (t ) 0 . Phương
trình đặc trưng f A (t ) 0 có các nghiệm 3, 5. Vậy 1 3 và 2 5 là các giá trị riêng của ma
trận A .
c) Với 1 3 . Các véc tơ riêng của ma trận A ứng với giá trị riêng 1 3 là các nghiệm
không tầm thường của hệ phương trình tuyến tính thuần nhất
4 x1 2 x2 0 x a
1
4 x1 2 x2 0 x2 2 a
Vậy không gian véc tơ riêng E A (3) của A ứng với giá trị riêng 1 3 là
* Với 2 5 . Các véc tơ riêng của ma trận A ứng với giá trị riêng 2 5 là các nghiệm
không tầm thường của hệ phương trình tuyến tính thuần nhất
2 x1 2 x2 0 x a
1
4 x1 4 x2 0 x2 a
Vậy không gian véc tơ riêng E A (5) của A ứng với giá trị riêng 2 5 là
Bài tập:
é- 1 4 - 2ùú
ê
ê 0úú.
1) Cho ma trận A = ê- 3 4
ê ú
êë- 3 1 3ú
û
é1 0 1 1ùú
ê
ê0 1 1 1úú
ê
2) Cho ma trận A = ê
ê1 1 1 0úú
ê1 1 0 1úú
êë û
Hướng dẫn:
1 t 0 1 1
0 1 t 1 1
PA (t ) det( A tI ) (t 1) 2 (t 1)(t 3).
1 1 1 t 0
1 1 0 1 t
2. Chứng minh các tính chất đối với giá trị riêng và vector riêng:
1) Cho là giá trị riêng của A M n ( K ) , K và k . Chứng minh rằng
i 1 i 1 i 1
n
n n
n
Và f ( A)v ai A v ai A v ai v ai v f ( )v
i i i i
i 1 i 1 i 1 i 1
Vậy f ( ) là giá trị riêng của f (A).
Sinh viên cho ví dụ minh họa cho những kết quả trên.
2) Cho là giá trị riêng của A M n ( K ) . Chứng minh rằng
a) Nếu A khả nghịch thì 1 là giá trị riêng của ma trận A1 .
b) Nếu A khả nghịch thì 1 là giá trị riêng của ma trận A A1 .
Hướng dẫn :
a) Vì A khả nghịch nên 0 . Ta có,
A1v 1 A1 v 1 A1 Av 1v
Vậy Nếu A khả nghịch thì 1 là giá trị riêng của ma trận A1 .
b) Vì A khả nghịch nên A1v 1v .
Khi đó, ta có ( A A1 )v Av A1v v 1v ( 1 )v
Nếu A khả nghịch thì 1 là giá trị riêng của ma trận A A1 .
Sinh viên tìm các ví dụ minh họa cho những kết quả trên.
3) Cho A là ma trận vuông cấp n trên K và 1 , 2 ,, n là các giá trị riêng của nó.
Chứng minh rằng det A 12 n .
Hướng dẫn:
Do 1 , 2 ,, n là các giá trị riêng của A nên 1 , 2 ,, n là các nghiệm của đa thức đặc
trưng f A (t ) . Do đó,
f A (t ) det( A I ) (1) n (t 1 )(t 2 )...(t n ) .
Lấy t = 0, ta có:
det A f A (0) ( 1) n (0 1 )(0 2 )...(0 n ) 12 ...n
Sinh viên tìm các ví dụ minh họa cho những kết quả trên.
4) Cho A là ma trận vuông cấp n trên K và 1 , 2 ,, n là các giá trị riêng của nó.
Chứng minh rằng
a) det( A) n 12 n .
b) Do 1 , 2 ,, n là các giá trị riêng A nên 1k , k2 ,, kn là các giá trị riêng của ma
trận Ak . Do đó det Ak 1k k2 kn .
c) Do 1 , 2 ,, n là các giá trị riêng A nên 1 , 2 , n là các giá trị
riêng của ma trận A I . Do đó det( A I ) (1 )( 2 ) ( n ) .
d) Do 1 , 2 ,, n là các giá trị riêng A nên f (1 ), f ( 2 ),, f ( n ) là các giá trị riêng
của ma trận f ( A) . Do đó det f ( A) f (1 ) f ( 2 ) f ( n ) .
b) Nếu A khả nghịch thì det( A A1 ) (1 11 )(2 21 ) (n n1 ) .
c) Nếu K không là giá trị riêng của A thì ma trận A I khả nghịch và
n
1
det( A I ) 1 .
i 1 i
Hướng dẫn:
a) Do 1 , 2 ,, n là các giá trị riêng A nên 11 , 21 ,, n1 là các giá trị riêng của ma
trận A1 . Do đó det A1 11 21 n1 .
b) Do 1 , 2 ,, n là các giá trị riêng A nên 1 11 , 2 21 ,, n n1 là các giá trị
riêng của ma trận A A1 . Do đó
n n
1
Vậy det( A I ) ( i )
1 1
.
i 1 i 1 i
0 0 ... n
vector riêng là vector cột thứ i của ma trận P.
1. Ví dụ:
Chéo hóa ma trận sau:
0 1 1
A 1 0 1
1 1 0
Hướng dẫn:
1 1
Đa thức đặc trưng của ma trận A là: PA ( ) 1 1 3 3 2
1 1
PA ( ) 0 3 3 2 0 1, 2
Vậy ma trận A có hai giá trị riêng là 1, 2 .
Ứng với 1 , giải hệ pt:
1 1 1 0 1 1 1 0
1 1 1 0 0 0 0 0
1 1 1 0 0 0 0 0
x1 t2 t3
Hệ có vô số nghiệm phụ thuộc hai tham số ] x2 t2
x t
3 3
Không gian con riêng ứng với giá trị riêng 1 là
E (1) {(t2 t3 , t2 , t3 ) | t2 , t3 }
Cơ sở của E(-1) gồm hai vector 1 (1,1, 0); 2 (1, 0,1) .
Ứng với giá trị riêng 2 , để tìm vector riêng ta giải hệ pt:
2 1 1 0 1 1 2 0 1 1 2 0 1 1 2 0
1 2 1 0 1 2 1 0 0 3 3 0 0 3 3 0
1 1 2 0 2 1 1 0 0 3 3 0 0 0 0 0
9 1 5 7
8 3 2 4
A
0 0 3 6
0 0 1 8
a) Tính det A
b) Tính det( A I 4 ) với .
c) Tính det f ( A) biết rằng f ( x) x n x 2 1 .
Hướng dẫn:
a) Đa thức đặc trưng của A là : (t 5) 2 (t 6)(t 7) . Giá trị riêng là 5, 6, 7
detA= 5.5.6.7 = 1050.
b) Đa thức det( A I 4 ) (5 )(5 )(6 )(7 ) (5 ) 2 (6 )(7 )
c) det f ( A) f (5) f (5) f (6) f (7) (5n 24) 2 (6 n 35)(7 n 48)
1 1
11. Chéo hoá ma trận A trên và .
2 1
4 1 1
5 2
13) Chéo hoá ma trận A 2
1 1 2
1 0 1 1
0 1 1 1
14) Chéo hóa ma trận A
1 1 1 0
1 1 0 1
1 7 5
6
15) Cho ma trận A 2 8
4 16 12
a) Chéo hóa A .
n
é2 0 0ù éa (n ) a (n ) a (n ) ù
ê ú ê 11 12 13 ú
b) Đặt ê0 3 0ú = êa 21(n ) a 22 (n ) a 23 (n )úú .
ê ú ê
ê ú ê ú
êë0 1 2úû êëa 31(n ) a 32 (n ) a 33 (n )úû
a 22 (n ) 3 3
Tính nlim
®¥ a 32 (n )
và S = å å aij (n ) .
i= 1 i= 1
Hướng dẫn:
2 0 0
Đặt A 0 3 0 . Tính An bằng cách chéo hoá ma trận A .
0 1 2
* Đa thức đặc trưng f A (t ) của ma trận A là f A (t ) (t 2)(3 t ) . Giải phương trình đặc
trưng f A (t ) 0 , ta nhận được các nghiệm phân biệt 2,3. Do đó các giá trị riêng phân biệt của
ma trận A là t 2,3 .
1 0 0 2 0 0
P [v1 v2 v3 ] 0 0 1 và D diag(2, 2,3) 0 2 0
0 1 1 0 0 3
1 0 0 2 0 0 1 0 0
A PD P
n n 1
0 0 1 0 2 0 0 1 1
0 1 1 0 0 3 0 1 0
2n 0 0
0 3n 0
0 3n 2n 2n
a22 (n) 3n
a) Ta có a22 (n) 3n , a32 (n) 3n 2 n và do đó lim lim n 1.
n a ( n) n 3 2 n
32
3 3
b) Ta có S aij (n) 2 3 3 2 2 2 2·3 .
n n n n n n n
i 1 i 1
II. Tìm giá trị riêng – vector riêng -Tìm cơ sở của không gian vector V để ma trận
của một phép biến đổi tuyến tính f trong cơ sở đó là ma trận chéo.
Ví dụ:
Cho T là toán tử tuyến tính trên 3 xác định bởi
T ( x1 , x2 , x3 ) (2 x1 4 x2 3 x 3 , 4 x1 6 x2 3 x3 ,3 x1 3 x2 x3 )
Hãy xác định các giá trị riêng và vector riêng của T.
Giải
Ma trận của toán tử tuyến tính trên 3 đối với cơ sở chính tắc của 3 là:
2 4 3
A 4 6 3
3 3 1
Đa thức đặc trưng của ma trận A là f A (t ) t 3 3t 2 4 (t 1)(t 2) 2 .
Giải phương trình đặc trưng f A (t ) 0 ta được các nghiệm là t = 1 và t = 2. Vậy ma trận A
có hai giá trị riêng là 1; 2 . Khi tìm cơ sở của các không gian riêng E A (1) và E A (1) ta
được:
1 1
Cơ sở của E A (1) là u1 1 và cơ sở của E A (2) là u2 1 .
1 0
Vậy f không chéo hóa được.
Chú ý:
Để nghiên cứu một phép biến đổi tuyến tính f : V V , ta quy về việc nghiên cứu ma trận
của f. Từ đó dẫn đến việc cần tìm cơ sở để ma trận của f trong cơ sở đó là ma trận chéo. Để
tìm cơ sở này ta thực hiện như sau:
- Đầu tiên ta tìm các vector riêng độc lập tuyến tính của f.
- Nếu f có ít hơn n vector riêng độc lập tuyến tính (chú ý dim V = n) thì không có cơ sở
nào của f để ma trận của f trong cơ sở đó là ma trận chéo.
- Nếu f có đúng n vector riêng độc lập tuyến tính thì n vector riêng đó làm thành cơ sở
B của V mà ma trận A của f trong cơ sở B đó là ma trận chéo. Cụ thể:
1 0 ... 0
0 ... 0
A/ B 2
với 1 , 2 ,..., n là các giá trị riêng ứng với các vector riêng i .
... ... ... ...
0 0 ... n
(Các i có thể trùng nhau).
Ví dụ:
Trong 3 cho cơ sở u1 (1,1,1); u2 (1,1, 0); u3 (1, 0, 0) và một phép biến đổi tuyến tính
f : 3 3 sao cho:
f (u1 ) (4,3, 2); f (u2 ) (4,3,1); f (u3 ) (1, 0, 0)
a) Hãy tìm công thức của f, tức là tìm f ( x1 , x2 , x3 )
b) Tìm một cơ sở của 3 để ma trận của f trong cơ sở này là ma trận chéo.
Hướng dẫn:
a) Gọi x ( x1 , x2 , x3 ) 3 , giả sử x a1u1 a2u2 a3u3
Xét hệ
1 1 1 x1 1 1 1 x1 1 1 1 x1 1 1 0 x2 1 0 0 x3
1 1 0 x2 0 0 1 x1 x2 0 1 1 x1 x3 0 1 0 x2 x3 0 1 0 x2 x3
1 0 0 x3 0 1 1 x1 x3 0 0 1 x1 x2 0 0 1 x1 x2 0 0 1 x1 x2
a1 x3
Suy ra, a2 x2 x3
a x x
3 1 2
Ta có:
4 4 1
f ( x) a1 f (u1 ) a2 f (u2 ) a3 f (u3 ) x3 3 x2 x3 3 x1 x2 0 ( x1 3x2 ,3x2 , x2 x3 )
2 1 0
b) Ma trận của f đối với cơ sở chính tắc là:
1 3 0
A 0 3 0
0 1 1
1 3 0
Xét PA ( ) 0 3 0 (1 ) 2 (3 )
0 1 1
Suy ra PA ( ) 0 1 3
Do đó, f có hai giá trị riêng là 1, 3 .
Ứng với giá trị riêng 1 , xét hệ pt:
0 3 0 0 0 1 0 0
A 0 2 0 0 0 0 0 0
0 1 0 0 0 0 0 0
d 2 d 2 1 0
0
2
a) det A det B .
b) rankA rankB .
c) tr( A) tr( B ) .
Hướng dẫn:
Do A đồng dạng với B nên tồn tại ma trận P khả nghịch để A PBP 1 .
a) det A det( PBP 1 ) det P·det B·P 1 det P·det P 1 det B det B .
c) tr( A) tr( PBP 1 ) tr(( PB) P 1 ) tr( P 1( PB)) tr( P 1PB) tr( B) .
a) Ak và B k đồng dạng.
b) f ( A) và f ( B) đồng dạng với mọi f (t ) K [t ] .
c) A khả nghịch khi và chỉ khi B khả nghich.
d) Nếu A khả nghịch thì AB và BA đồng dạng.
Hướng dẫn:
a) Do A đồng dạng với B nên tồn tại ma trận P khả nghịch để A PBP 1 . Ta có
Ak ( PBP 1 ) k ( PBP 1 )( PBP 1 )( PBP 1 ) PB k P 1 . Vậy Ak và B k đồng dạng. 0,5đ
b) Do A đồng dạng với B nên tồn tại ma trận P khả nghịch để A PBP 1 .
k k k
Giả sử f (t ) ait K [t ] . Khi đó f ( A) ai A , f ( B) ai B và
i i i
i 1 i 1 i 1
k k k
f ( A) ai Ai ai ( PBP 1 )i ai ( PB i P 1 )
i 1 i 1 i 1
k
k
P(ai B ) P P ai B i P 1
i 1
i 1 i 1
1
Pf ( B) P
c) Do A và B đồng dạng nên det A det B . Khi đó det A khác 0 khi và chỉ khi det B
khác 0. Do đó A khả nghịch khi và chỉ khi B khả nghich.
d) Do A đồng dạng với B nên tồn tại ma trận P khả nghịch để A PBP 1 . Nếu A
khả nghịch thì AB ( AB)( AA1 ) A( BA) A1 . Do đó AB và BA đồng dạng.
Sinh viên cho ví dụ minh họa.
3) Chứng minh rằng nếu một trong hai ma trận vuông cùng cấp A và B là không suy biến
thì AB và BA đồng dạng.
4) Hãy tìm tất cả các ma trận vuông cấp n trên trường số thực mà chỉ đồng dạng với chính
nó.
5) Chứng minh các cặp ma trận sau đồng dạng bằng cách chứng minh rằng A I đồng
dạng với B I :
3 2 5 6 20 34
a) A 2 6 10 và B 6 32 51
1 2 3 4 20 32
6 6 15 37 20 4
b) A 1 5 5 và B 34 17 4
1 2 2 119 70 11
6) Chứng minh rằng:
a) Mọi ma trận vuông phức A đều đồng dạng với một ma trận Jordan J (sự đồng dạng này
là duy nhất nếu không kể đến thứ tự của các ô Jordan.
b) Mọi toán tử tuyến tính f trên không gian phức n chiều V đều có cơ sở Jordan, tức là cơ
sở của V mà trong đó ma trận của f đối với cơ sở này là ma trận Jordan.
7) Chứng minh rằng:
a) Nếu V là không gian vector trên trường số phức thì mọi phép biến đổi tuyến tính của
V đều có ít nhất một không gian con bất biến 1 chiều.
b) Nếu V là không gian vector trên trường số thực thì mọi phép biến đổi tuyến tính của
V đều có ít nhất một không gian con bất biến hoặc 1 chiều hoặc 2 chiều.
9.1 Chứng minh rằng: Định thức sẽ bằng không nếu:
a/ Trong định thức có hai dòng (hay hai cột) giống nhau.
b/ Trong định thức có hai dòng (hay hai cột) tỷ lệ với nhau.
c/ Trong định thức có một dòng (hay một cột) là tổ hợp tuyến tính của các dòng
(hay các cột) còn lại của định thức.
9.2 Chứng minh rằng: Trong một định thức, tổng các tích của các phần tử của một
dòng (hoặc một cột) với phần bù đại số của các phần tử tương ứng của một dòng
(hoặc cột) khác đều bằng 0.
9.3 Giả sử A (a ij ) nn , A 1 , A 2 , , A n là các cột của A. Chứng minh rằng: det A 0
hệ véc tơ A 1 , A 2 , , A n là hệ véc tơ độc lập tuyến tính.
9.4 Chứng minh rằng: các phép biến đổi sơ cấp thực hiện trên một ma trận không
là thay đổi hạng của ma trận đó.
9.5 Cho A a ij mn , B là ma trận vuông không suy biến cấp m. Chứng minh rằng
rankB . A rankA .
Còn nếu A a ij mn , B là ma trận vuông không suy biến cấp n thì rankA.B rankA . Còn
nếu A a ij nn , B là ma trận vuông không suy biến cấp n thì rankA.B rankB.A rankA .
a/ (A B) 2 A 2 2 A.B B2 ; b/ (A B)(A B) A 2 B2 ;
c/ (A B) 3 A 3 3A 2 .B 3A.B2 B3
9.7 Chứng minh rằng: Nếu ma trận vuông A có A 2 thì các ma trận
A E vµ A E là những ma trận không suy biến.
b/ Viết các cột (hay các dòng của nó) theo thứ tự ngược lại.
9.9 Cho A là ma trận vuông cấp n và nếu det A det( kA) . Hãy tính k.
9.12 Chứng minh rằng: Nếu det A 2 thì các phần tử của ma trận nghịch đảo
không thể gồm toàn các số nguyên.
1 2 4 5 7 0
9.16 Cho các ma trận A 3 1 ; B 0 2 ; C 4 9
2 3 1 4 2 8
Hãy tính a/ 3A 2 B ; b/ 5A 4 B 2C
5 2
9.17 Cho A 7 4 ; B 3 1 Tìm A A C và B BC .
1 3 2 5
1 3 4 3 2
9.18 Cho A 5 1; B 2 1 . Tìm X biết a/ 2A 3X B; b/ 3A X ;
3 1 1 2 3
0 1 cos a sin a
9.19 Tính: a/ A4 với A 0 0 ; b/ B3 với B sin a cos a
a b
9.20 Chứng minh rằng: ma trận X c d thoả mãn phương trình:
1 0 0 0
X 2 (a d)X (ad bc)E , trong đó E 0 1 ; 0 0
9.21 Chứng minh rằng: không tồn tại các ma trận vuông cùng cấp A và B sao cho
AB BA E , trong đó E là ma trận đơn vị cùng cấp với A và B.
1 0 1 0
9.22 Cho X 2 3 . TÝnhf (X) X 4X 3E , trong đó E 0 1 .
2
1 2 2 1
9.23 Cho A 2 3 ; B 3 4 vµ f (X) X 3X 5X E . Tính f(AB).
3 2
1 0 0
9.24 Chứng minh rằng: ma trận X 0 1 0 là nghiệm của đa thức
0 0 3
f (X) X 3 X 2 9X 9E .
1 2 0
9.25 Tìm (f(A)) nếu A 0 1 2 và f (X) X E .
2
1 0 3
2 3x 2 3 1
9.26 det 4 x 3 0 ; 9.27 det x 1 2 det 2 / 3 1 .
1 3 x 31 / 3 2
6 12 x 2
9.28 det 8 4 x 0 0 .
x 3 0 0
9.29 Cho a1, a2, …, an–1 là các hằng số tuỳ ý cho trước, khác nhau và khác 0. Giải
phương trình:
x x2 x3 . . . xn
a1 a 12 a 13 . . . a 1n
det a 2 a 22 a 32 . . . a 2n 0
. . . ... ... . . . . . .
a n 1 a 2n 1 a 3n 1 . . . an
1 ( 1) 2 ( 2 ) 2 ( 3) 2
1 ( 1) 2 ( 2) 2 ( 3) 2
9.30 Tính các định thức sau: a/ D 1 ( 1) 2 ( 2 ) 2 ( 3) 2
1 ( 1) 2 ( 2) 2 ( 3) 2
1 ( 1) 2 ( 2 ) 2 ( 3) 2
ax x x
b/ D x b x x
x x cx
1 1 1 . . . 1
1 1 x 1 . . . 1
9.31 Giải phương trình: 1 1 2 x . . . 1 0
. . . . . . . . . . . . . . .
1 1 1 . . . (n 1) x
Sử dụng tính các chất của định thức, tính các định thức từ bài 32 đến bài 36:
1273 2273
9.32 D 1272 2272
0 1 1 . . . 1 1
1 0 x . . . x x
461 373 654 1 x 0 . . . x x
9.33 a/ D 2 2 2 ; b/ D n .
363 275 556 . . . . . . .
1 x x . . . 0 x
1 x x . . . x 0
a0 1 0 . . . 0 0
3 7 6 2 a1 x 1 . . . 0 0
1 9 2 1 a 0 x . . . 0 0
9.34 a/ D 4 4 8 3 ; b/ D n 1 2
.. . . . . . . . . . . .
2 1 4 5 a n 1 0 0 . . . x 1
an 0 0 . . . 0 x
2 3 4 5
3 4 5 6
9.35 D 4 6 8 10 ;
2 3 7 8
1 2 3 4 . . . n
2 2 3 4 . . . n 1 2 2 2 2
3 3 3 4 . . . n 2 2 2 2 2
9.36 a/ D n 4 4 4 4 . . .
D 2 2
n ; b/ 5 2 2
3 2 2 ;
2 4 2
. . . . . . . . 2 2 2 2 5
n n n n . . . n
1 2 2 2 . . . 2
2 2 2 2 . . . 2
2 2 3 2 . . . 2
c/ D n 2 2 2 4 . . . 2 .
. . . . . . . .
2 2 2 2 . . . n
0 1 0 0 0
0 0 1 0 0
0 0 0 0 0
9.37 Cho ma trận A cấp 10 10 có dạng: A , các phần tử
0 0 0 0 1
10 10 0 0 0 0
10
dạng a 10,1 10 ; a k , k 1 1 k 1,9 ; E là ma trận đơn vị cấp 10. Chứng minh rằng:
det(A E ) 10 10 10 .
9.38 a/ Dùng công thức khai triển định thức, tính các định thức sau:
1 2 0 0 0 2
3 1 2 1 1 3 4 0 5 0 3
0 0 3 2 2
0 0 2 1 5 1
a/ D 0 2 1 0 0 ; b/ D 0 0 6 1 6 8
1 5 3 0 0 0 0 0 0 9 10
0 2 3 0 0 0 0 0 0 1 2
5 1 3
9.39 Tìm ma trận nghịch đảo của ma trận A 1 2 1
1 3 2
1 1 1 1 1
1 2 1 0 0 1 1 1 1 3 1 2
2 5 1 2
a/ A 1 B 0 0 1 1
1 ; c/ C 2 4 1 ;
4 2 1 ; b/ 0 0 1 1 2 2
1 0 1
3 3 4 0 0 0 0
1
9.41 Giải phương trình ma trận: a/ AX B
2 1 3 3 6
Với A 1 2 1 ; B 2 2
1 3 2 1 0
3 1 2 9 4 15 2 6 3
b/ AX B C với A 1 1 1 ; B 3 3 4 ; C 3 1 1.
2 0 1 0 3 9 1 1 2
1 1 1 . . . 1 1 2 3 . . . n
0 1 1 . . . 1 0 1 2 . . . n 1
c/ AX B với A 0 0 1 . . . 1 ; B 0 0 1 . . . n 2
. . . . . . .
. . . . . . . . .
0 0 0 . . . 1 0 0 0 . . . 1
9.42 Với giá trị nào của thì các ma trận sau có ma trận nghịch đảo:
1 2 2 2 0 1 5 4 2 1
a/ A 3 0 A 2 1 A 3 1 A 2 1 .
2 1 1 ; b/ 0 1 ; c/ 1 3 ; d/ 3 2
9.43 Dùng phương pháp định thức bao quanh, tìm hạng của ma trận:
1 1 2 3 1
1 2 3 4
0 2 1 2 2
1 3 0 1 3
a/ A 2 4 1 8; B 0 0 3 3
0 0 0 4 0
1 7 6 9 1
0 2
10 3 6 12
10 1 1 3 3 5 1
9.44 Dùng các phép biến đổi sơ cấp, tìm hạng của ma trận:
2 1 1 1 4 5 3 1
1 1
1 2 1 1 0
A 2 1 1 2 4 B 3 1 2 2 1
1 3 2 1 1; 0 3 3
1 3 3
3 3 2 3 2 1 1 3 2
9.45 Chứng minh rằng một ma trận có hạng bằng r bao giờ cũng viết được thành
tổng của r ma trận có hạng bằng 1.
9.46 Cho hai ma trận cùng cấp A và B, chứng minh rằng rank(A B) rankA rankB .
Tìm giá trị của để véc tơ X biểu diễn tuyến tính được qua hệ véc tơ A1 , A 2 , A 3 .
b/ Cho hệ véc tơ
Tìm giá trị của để véc tơ X biểu diễn tuyến tính được qua hệ véc tơ A1 , A 2 , A 3 .
Tìm giá trị của a để véc tơ C biểu diễn tuyến tính được qua hệ véc tơ A1 , A 2 , A 3 .
d/ Cho hệ véc tơ A1 (4,5,3, 1);A 2 (1, 7,2, 3);A 3 ( 4,1, 1,3);C ( 2,8,a,4)
Tìm giá trị của a để véc tơ C biểu diễn tuyến tính được qua hệ véc tơ A1 , A 2 , A 3 .
9.49 Tìm hạng và một cơ sở của hệ véc tơ sau, biểu diễn các véc tơ còn lại theo cơ sở đó:
A5 (3,1,3,2,1)
9.50 Cho A1 ,A 2 , ,A m là hệ m véc tơ n chiều độc lập tuyến tính. Nếu mỗi véc
tơ của hệ đều bổ sung thêm thành phần thứ n 1 thì hệ m véc tơ n 1 chiều mới là
độc lập tuyến tính hay phụ thuộc tuyến tính?
9.51 Cho A1 ,A 2 , ,A m là hệ m véc tơ n chiều phụ thuộc tuyến tính. Nếu mỗi véc tơ
của hệ đều bớt đi thành phần thứ n thì hệ m véc tơ n 1 chiều mới là độc lập tuyến tính
hay phụ thuộc tuyến tính?
Giải
n
.
a11 a12 . . . a1n
a 21 a 22 . . . a 2n
... ... . . . ...
a a k2 . . . a kn
dòng i k1
... ... . . . ...
a k1 a k2 . . . a kn
... ... . . . ... (*1)
dòng k a n1 a n2 . . . a nn
trong đó n 2 . Mà định thức (*1) có hai dòng giống nhau nên định thức bằng không
n
j 1
a kj A ij 0
9.3 Điều kiện cần: Cho A a ij nn có det A 0 , ta cần chứng minh hệ véc tơ dòng
(hoặc cột) của ma trận là độc lập tuyến tính. Giả sử ngược lại hệ véc tơ dòng (hoặc cột)
của ma trận là phụ thuộc tuyến tính, theo hệ quả 9.3.5 thì det A 0 , mâu thuẫn với giả
thiết. Mâu thuẫn đó chứng tỏ hệ véc tơ dòng (hoặc cột) của ma trận là độc lập tuyến tính.
– Điều kiện đủ: Giả sử hệ n véc tơ dòng (hoặc cột) của ma trận là độc lập tuyến tính, theo
định nghĩa của hạng của hệ véc tơ thì rank A1 , A2 , ..., A n n , theo định lý 9.5.1 thì
rankA n , theo định nghĩa hạng của ma trận thì det A 0 . □
9.5 Do B là ma trận không suy biến nên tồn tại B1 . Xét ma trận ghép A B1 ,
nhân vào bên trái của ma trận này với B, ta được B . A B1 B.A B.B1 B.A E . Đó
chính là phép khử toàn phần thực hiện trên ma trận B1 nó là các phép biến đổi sơ
cấp thực hiện trên ma trận A để được B.A rankB . A rankA .
Để chứng minh rankA.B rankA , ta lấy chuyển vị B , (B1) vµ A a ji nm . Xét ma trận
ghép A (B1) , nhân vào bên trái của ma trận này với B , ta được
B. A (B1) BA B.(B1) (AB) E (vì B.(B1) (B1.B) E ). Như vậy từ ma trận A,
nhờ các phép chuyển vị và các phép biến đổi sơ cấp, ta đã thu được ma trận A.B
rankA.B rankA □
9.8 a/ Việc đổi dấu tất cả các phần tử của định thức cấp n đồng nghĩa với việc đổi
dấu tất cả n dòng của định thức. Ta đã biết việc đổi dấu các phần tử trên một dòng
của định thức làm cho định thức đổi dấu. Vì vậy việc đổi dấu tất cả các phần tử của
định thức cấp n làm cho định thức được nhân với (1)n .
b/ Đối với định thức cấp chẵn ( n 2k ) thì việc viết các dòng (hay các cột của nó)
theo thứ tự ngược lại đồng nghĩa với việc đổi chỗ k cặp dòng: dòng 1 và dòng 2k cho
nhau; dòng 2 và dòng 2k 1 cho nhau; … dòng k và dòng k 1 . Ta cũng đã biết: khi
đổi chỗ 2 dòng nào đó cho nhau thì định thức đổi dấu. Do đó khi viết các dòng của
định thức cấp 2k theo thứ tự ngược lại, định thức được nhân với (1)k . Chẳng hạn
khi làm như vậy đối với định thức cấp 2 thì định thức đổi dấu, còn với định thức cấp 4
thì định thức không đổi dấu.
Đối với định thức cấp lẻ ( n 2k 1 ) thì việc viết các dòng (hay các cột của nó) theo
thứ tự ngược lại đồng nghĩa với việc đổi chỗ k cặp dòng: dòng 1 và dòng 2k 1 cho
nhau; dòng 2 và dòng 2k cho nhau; … dòng k và dòng k 2 . Do đó khi viết các dòng
của định thức cấp 2k 1 theo thứ tự ngược lại, định thức cũng được nhân với (1)k .
Chẳng hạn khi làm như vậy đối với định thức cấp 3 thì định thức đổi dấu, còn với định
thức cấp 5 thì định thức không đổi dấu.
Như vậy khi viết các dòng (hay các cột) của định thức theo thứ tự ngược lại thì các
định thức cấp 4k và 4k 1 không thay đổi, các định thức cấp 4k 1 vµ 4k 2 sẽ
đổi dấu (k nguyên dương).
9.9 Vì det(kA) k n det A nên k n det A det A . Nếu det A 0 thì det(kA) det A
đúng với mọi k. Còn nếu det A 0 thì k n 1 k 1 nếu n lẻ; k 1 nếu n chẵn.
9.11 Chứng minh rằng: Nếu A, B là các ma trận vuông cùng cấp thoả mãn AB BA
và det A 0 thì A 1 B BA1 .
9.12 Chứng minh rằng: Nếu det A 2 thì các phần tử của ma trận nghịch đảo
không thể gồm toàn các số nguyên.
Từ sự tồn tại của các ma trận AB và BA kéo theo A và B là các ma trận vuông cùng cấp.
n
n n
n n n n
a ik b ki b ik a ki a ik b ki a ki b ik 0 . Trong khi đó tổng các phần
i 1 k 1 k 1 i 1 k 1 k 1 i
tử trên đường chéo chính của ma trận đơn vị E là VE n . Vậy không tồn tại các ma
trận vuông cùng cấp A và B sao cho AB BA E .
x x2 x3 . . . x n
a a12 a13 . . . a1n
9.29 Phương trình det a 2 a 22 a 32 . . . a 2n 0 (với điều kiện a1, a2, …, an–1 là
1
. . . . 2. . . 3. . . . . . n. .
a n 1 a n 1 a n 1 . . . a n 1
các hằng số khác nhau và khác 0) là phương trình bậc n nên nó có tối đa là n nghiệm.
Dễ dàng thấy x1 0, x 2 a1 , x 3 a 2 , , x n a n 1 là n nghiệm khác nhau của phương
trình, vì vậy nó chỉ có các nghiệm ấy mà thôi □
có được từ định thức (3) bằng cách cộng vào cột 3 một tổ hợp tuyến tính của 2 cột đầu.
1 2 ( 2)2 ( 3) 2 1 2 2 4 4 ( 3)2
1 2 ( 2)2 ( 3) 2 1 2 2 4 4 ( 3)2
D 1 2 ( 2)2 ( 3) 2 1 2 2 4 4 ( 3)2 0
1 2 ( 2)2 ( 3) 2 1 2 2 4 4 ( 3)2 Vì định
1 2 ( 2)2 ( 3)2 1 2 2 4 4 ( 3) 2
(5)
thức (5) có cột 4 bằng tổ hợp tuyến tính của 3 cột đầu.
ax x x 1 x x 1 x x
b/ Nếu abcx 0 : D x bx x a 0 bx x x1 bx x
x x cx 0 x cx 1 x cx
1 0 x 1 1 x 1 0 x 1 1 x
ab 0 1 x ax 0 1 x xb 1 1 x x 2 1 1 x . Vì định thức cuối
0 0 cx 0 1 cx 1 0 cx 1 1 cx
cùng có hai cột giống nhau nên nó bằng 0. Định thức đầu tiên là định thức của ma
1 0 x
trận tam giác nên ab 0 1 x ab(c x) abc abx . Lại tách hai định thức giữa
0 0 cx
theo cột cuối, mỗi định thức thành hai định thức, ta được:
1 1 0 1 1 1 1 0 0 1 0 1
D abc abx acx 0 1 0 ax 2 0 1 1 xbc 1 1 0 x 2b 1 1 1 , ở đây lại thấy
0 1 1 0 1 1 1 0 1 1 0 1
1 1 1 1 0 1 1 1 0 1 0 0
0 1 1 0 ; 1 1 1 0 (có hai cột giống nhau); 0 1 0 1 ; 1 1 0 1
0 1 1 1 0 1 0 1 1 1 0 1
1 0 x
Nếu chẳng hạn a 0 thì D xb 1 1 x bcx .
1 0 cx
a 0 0
Nếu x 0 thì D 0 b 0 abc . (Đáp số trong sách sai)
0 0 c
1 1 1 . . . 1
1 1 x 1 . . . 1
9.31 Phương trình: 1 1 2 x . . . 1 0 là phương trình bậc n 1
. . . . . . . . . . . . . . .
1 1 1 . . . (n 1) x
nên nó có không quá n 1 nghiệm khác nhau. Nhưng dễ thấy phương trình có n 1
nghiệm khác nhau là x1 0; x 2 1; . . . ; x n 1 n 2 phương trình chỉ có các
nghiệm đó mà thôi (Đáp số trong sách bài tập thiếu nghiệm – không điểm) □
0 1 1 ... 1 1
1 x 0 ... 0 0
Dn 1 0 x ... 0 0
... ... ... ... ... ... Khai triển định thức theo dòng n, ta được:
1 0 0 ... x 0
1 0 0 ... 0 x
1 1 ... 1 1 0 1 1 ... 1
x 0 ... 0 0 1 x 0 ... 0
D n (1)n 1 . 0 x ... 0 0 x. 1 0 x ... 0 (*1)
... ... ... ... ... ... ... ... ... ...
0 0 ... x 0 1 0 0 ... x
Khai triển định thứ nhất theo cột n 1 (là định thức cấp n 1 ), ta được
1 1 ... 1 1
x 0 ... 0 0
D 0 x ... 0 0 x n 2 ;
... ... ... ... ...
0 0 ... x 0
0 1 1 ... 1
1 x 0 ... 0
Định thức thứ hai 1 0 x ... 0 chính là D n 1 . Thay vào (*1), ta được công thức:
... ... ... ... ...
1 0 0 ... x
0 1 1
Ta có D3 1 x 0 2x D4 (1)3 .x 2 x.2x 3x 2 Ta chứng minh
1 0 x
được: D n (1)n 1 .(n 1)x n 2 n nguyên dương (*3) hiển nhiên công thức đã
đúng với n 3 . Giả sử (*3) đã đúng với n, ta chứng minh (*3) cũng đúng với n 1 .
a0 1 0 . . . 0 0
a1 x 1 . . . 0 0
a 0 x . . . 0 0
9.34 b/ D n 1 2 khai triển theo dòng n 1 , ta được:
... . . . . . . . . . .
a n 1 0 0 . . . x 1
an 0 0 . . . 0 x
1 0 ... 0 0 a0 1 0 ... 0
x 1 . . . 0 0 a1 x 1 ... 0
D n 1 (1)n 2 .a n . 0 x ... 0 0 x. a2 0 x ... 0 (1) n 2 .a n .(1) n x.D n =
... ... ... ... ... ... ... ... ... ..
0 0 ... x 1 a n 1 0 0 ... x
a 0 1 0
D
Ta có: 1 a 0 ; D 2 a 0 x a 1 ; D 3 a1 x 1 a 0 x 2 a1x a 2 dự đoán:
a2 0 x
n
D n 1 a 0 x n a1x n 1 a n 1x a n a i x n i n nguyên dương (*2). Hiển nhiên (*2)
i0
đã đúng với n 2 . Giả sử (*2) đã đúng với n nguyên dương tuỳ ý, theo (*1) thì
n
D n 2 a n 1 x.D n 1 , theo (*2) thì D n 2 a n 1 x. a i x n i =
i0
n 1
a 0 x n 1 a1x n a n1x 2 a n x a n 1 = a i x n 1i , tức là (*2) đúng với n n 1 □
i0
2 3 4 5
3 4 5 6 0
9.35 D 4 6 8 10 , (dòng 3 và dòng 1 tỷ lệ với nhau).
2 3 7 8
1 2 3 4 . . . n
2 2 3 4 . . . n
3 3 3 4 . . . n
9.36 a/ * Cách 1: D n 4 4 4 4 . . . n Lấy dòng 1 trừ dòng 2, ta được:
. . . . . . . .
n n n n . . . n
1 0 0 0 . . . 0
2 2 3 4 . . . n
Dn 3 3 3 4 . . . n
4 4 4 4 . . . n , lấy dòng 2 trừ dòng 3, ta được tiếp:
. . . . . . . .
n n n n . . . n
1 0 0 0 . . . 0
1 1 0 0 . . . 0
Dn 3 3 3 4 . . . n
4 4 4 4 . . . n . Cứ như vậy, ở bước k thì lấy dòng k trừ dòng k 1 , sau
. . . . . . . .
n n n n . . . n
1 0 0 . . . 0 0
1 1 0 . . . 0 0
1 1 1 . . . 0 0
bước thứ n 1 ta được: D n . . . ... ... . . . ...
n 1
. . . = (1) n .
1 1 1 . . . 1 0
n n n . . . n n
1 2 3 . . . n 1 n
2 2 3 . . . n 1 n
3 3 3 . . . n 1 n
Cách 2: D n . . . . . . . . . . . . . . . . Lấy dòng các dòng từ dòng 2 trở đi trừ
n 1 n 1 n 1 . . . n 1 n
n n n . . . n 1 n
1 2 3 . . . n 1 n
1 0 0 . . . 0 0
2 1 0 . . . 0 0
dòng 1, ta được D n . . . . . . . . . . . . . . . . khai triển theo cột n, ta được:
n 2 n 3 n 4 . . . 0 0
n 1 n 2 n 3 . . . 1 0
1 0 0 . . . 0
2 1 0 . . . 0
D n ( 1) n 1 n . . . . . . . . . . . . . . . . ( 1) n 1 n
n 2 n 3 n 4 . . . 0
n 1 n 2 n 3 . . . 1
1 2 2 . . . 2 2
(2) 2 2 . . . 2 2
2 2 3 . . . 2 2 1
9.36 c/ Tính: Dn . . . . .. . . . . . . . . lấy dòng 2 nhân với 2 rồi cộng vào
2 2 2 . . . n 1 2
2 2 2 . . . 2 n
dòng 1; lấy dòng 2 nhân với –1 rồi cộng vào các dòng từ dòng 3 trở xuống, ta được
0 1 1 . . . 1 1
2 2 2 . . . 2 2
Dn 0 0 1 . . . 0 0
. . . . .. . . . . . . . . . . Khai triển theo cột 1, ta được tiếp:
0 0 0 . . . n 3 0
0 0 0 . . . 0 n 2
1 1 1 . . . 1 1
0 1 0 . . . 0 0
Dn 2. 0 0 2 . . . 0 0
. . . . .. . . . . . . . . . = Dn 2.(n 2)! □
0 0 0 . . . n 3 0
0 0 0 . . . 0 n 2
9.37 Tổng quát, ta tính định thức cấp n mà các phần tử có dạng
a ii 0 i 1,n ; a i,i 1 0 i 1,n 1; a n1 0 , còn lại đều bằng 0:
1 1 1 1 1 1 1 0 0 0
0 1 1 1 1 0 1 1 0 0
c/ B 0 0 1 1 1 B1 0 0 1 1 0
0 0 0 1 1 0 0 0 1 1
0 0 0 0 1 0 0 0 0 1
1 1 1 . . . 1 1 1 1 0 . . . 0 0
0 1 1 . . . 1 1 0 1 1 . . . 0 0
0 0 1 . . . 1 1 B1 0 0 1 . . . 0 0
Tổng quát: B . . . ... ... . . . ... . . . . . . ... ... . . . ... . . .
0 0 0 . . . 1 1 0 0 0 . . . 1 1
0 0 0 . . . 0 1 0 0 0 . . . 0 1
1 2 3 . . . n 1 n
0 1 2 . . . n 2 n 1
0 0 1 . . . n 3 n 2
Từ đây suy ra bài 9.41.c: BX C với C . . . ... ... . . . ... ...
0 0 0 . . . 1 2
0 0 0 . . . 0 1
1 1 0 . . . 0 0 1 2 3 . . . n 1 n
0 1 1 . . . 0 0 0 1 2 . . . n 2 n 1
0 0 1 . . . 0 0 0 0 1 . . . n 3 n 2
X B1C = . . . ... ... . . . ... . . . . . . ... ... . . . . . . . . . =
0 0 0 . . . 1 1 0 0 0 . . . 1 2
0 0 0 . . . 0 1 0 0 0 . . . 0 1
1 1 1 . . . 1 1
0 1 1 . . . 1 1
0 0 1 . . . 1 1
=. . . ... ... . . . ... . . . =B.
0 0 0 . . . 1 1
0 0 0 . . . 0 1
1 2 2
9.42 a/ Ma trận A 3 0 có ma trận nghịch đảo
2 1 1
det A 0 4 9 0 9 .
4
2 0
b/ A 2 1 det A 3 5 0 0 ; 5
0 1
1 5 4
c/ A 3 1 det A 2 17 38 0 2 ; 19 ;
1 3
2 1
d/ A 2 1 det A 3 6 5 0 1 ; 1 21
3 2 2
9.45 Nhận xét: “Ta dễ thấy một ma trận (khác ma trận không) mà tất cả các cột của
nó tỷ lệ với nhau (tức là chỉ khác nhau bởi một hằng số nhân) đều có hạng là 1”
r r r
A A1 ,A 2 , ,A r , z j,r 1A j , z j,r 2 A j , z j,n Aj
j 1 j 1 j 1
A1 , , , , z1,r 1A1 , z1,r 2 A1 , ,z1n A1
r cét®Çu cétr+1 cét r+2
cét n
ma trËn 1
,A 2 , , , , z2,r 1A 2 , z2,r 2 A 2 , ,z2 n A 2
r cét ®Çu cét r+1 cét r+2
cét n
ma trËn 2
, , , ,A r , z r,r 1A r , z r,r 2 A r , ,z rn A r
. Theo nhận xét: mỗi ma trận trong số
r cét ®Çu cét r+1 cét r+2
cét n
ma trËn r
tổng của r ma trận trên đều có hạng là 1, đó là điều phải chứng minh.
9.46 Giả sử A1 ,A 2 , ,A n là các cột ma trận A; B1 ,B2 , ,Bn là các cột của ma trận
B. Giả sử rankA r rank A1 ,A 2 , ,A n r tồn tại hệ con r véc tơ độc lập
tuyến tính cực đại của hệ A1 ,A 2 , ,A n . Không làm mất tính tổng quát, có thể giả
thiết r véc tơ đó là hệ r véc tơ đầu tiên của hệ: A1 ,A 2 , ,A r (r n)
r
A k z jk A j k 1,n . Cũng vậy, rankB s rank B1 ,B2 , ,Bn s có hệ s
j 1
véc tơ độc lập tuyến tính cực đại của B1 ,B2 , ,Bn là B1 ,B2 , ,Bs (s n)
s
Bk z jk Bj k 1,n A k Bk biểu diễn tuyến tính được qua hệ véc tơ
j 1
9.47 Ta biết rằng: “Nếu hạng của một hệ véc tơ bằng số véc tơ của hệ thì hệ véc tơ đó là
hệ véc tơ độc lập tuyến tính; còn nếu hạng của một hệ véc tơ ít hơn số véc tơ của hệ thì hệ
véc tơ đó là hệ véc tơ phụ thuộc tuyến tính”. Vì vậy ta chỉ cần tính rank A1 ,A 2 ,A 3 ,A 4 .
b/ Gọi A là ma trận tạo bởi hệ véc tơ A1 ,A 2 ,A 3 ,A 4 , do hạng của một ma trận
bằng hạng của hệ véc tơ dòng hay hệ véc tơ cột của ma trận đó nên ta tính hạng của
ma trận:
1 2 3 4 1
A 1 1 1 3 1
3 5 7 5 3
2 3 4 1 4
(1) 2 3 4 1 1 2 3 4 1 1 0 1 10 3
A 1 1 1 3 1 0 (1) 2 7 2 0 1 2 7 2
3 5 7 5 3 0 1 2 7 6 0 0 0 0 (4)
2 3 4 1 4 0 1 2 7 6 0 0 0 0 4
1 0 1 10 3 1 0 1 10 0
0 1 2 7 2 0 1 2 7 0 B
0 0 0 0 (4) 0 0 0 0 1
0 0 0 0 4 0 0 0 0 0
Cách giải như trong sách bài tập không được coi là cách giải mẫu mực, vì có phải ai
cũng thấy được dòng A3 bằng tổng các dòng A1 và A4 đâu. Chẳng hạn, chỉ cần sửa
a 41 1 là ta được hệ 4 véc tơ mới, làm sao thấy được cái gì ở hệ véc tơ này:
(1) 2 3 4 1 1 2 3 4 1 1 0 1 10 3
C 1 1 1 3 1 0 (1) 2 7 2 0 1 2 7 2 F
3 5 7 5 3 0 1 2 7 6 0 0 0 0 (4)
1 3 4 1 4 0 1 1 3 5 0 0 1 10 7
Xét định thức cấp 4 xếp theo trật tự: cột 1, cột 2, cột 3, cột 5; dòng 1, dòng 2, dòng 4,
1 0 1 3
0 1 2 2 4 0
dòng 3: D 0 0 1 7 (định thức của ma trận tam giác bằng tích các phần
0 0 0 4
tử trên đường chéo chính) rank A1 ,A 2 ,A 3 ,A 4 rankC rankF 4 , hạng của hệ
véc tơ A1 ,A 2 ,A 3 ,A 4 bằng số véc tơ của hệ hệ véc tơ A1 ,A 2 ,A3 ,A 4 là hệ véc tơ
độc lập tuyến tính.
9.48 a/ Véc tơ X biểu diễn tuyến tính được qua hệ véc tơ A1 , A 2 , A 3 tồn tại
các số thực thì rank A1 ,A 2 ,A3 rank A1 ,A 2 ,A 3 ,X . Nhưng rank A1 ,A 2 ,A 3 ,X
2 3 1 1 2 3 1
rank 3 7 6 3 3 vì có định thức cấp 3: 3 7 3 11 0
5 8 5 5 8 5
2 3 1 2 3 1
rank A1 ,A 2 ,A 3 rank 3 7 6 3 3 7 6 0 5 5 0 1 .
5 8 5 8
Ngược lại, nếu 1 thì hệ véc tơ A1 , A 2 , A 3 là hệ véc tơ độc lập tuyến tính cực đại
của hệ véc tơ A1 ,A 2 ,A 3 ,X véc tơ X biểu diễn tuyến tính được qua hệ véc tơ
A1 , A 2 , A 3 .
6 (1) 4 1 6 1 4 1 0 1 16 / 5 11/ 5
A 7 3 18 8 25 0 30 5 0 0 0 0
3 2 10 5 (15) 0 18 3 1 0 6 / 5 1/ 5
2 7 3 40 0 31 7 0 0 17 15
0 1 0 16 53
85
0 0 0 0
1 0 0 6 73 rank A1 ,A 2 ,A3 rank A1 ,A 2 ,A 3 ,X 3 hệ véc
85
0 0 1 15
17
tơ A1 , A 2 , A 3 là hệ véc tơ độc lập tuyến tính cực đại của hệ véc tơ A1 ,A 2 ,A 3 ,X
với mọi véc tơ X biểu diễn tuyến tính được qua hệ véc tơ A1 , A 2 , A 3 với mọi .
(1) 1 3 3 1 1 3 3 1 0 3 1
A 2 5 6 8 0 (7) 0 14 0 1 0 2
1 5 3 9 0 6 0 12 0 0 0 0
3 4 9 5 0 7 0 14 0 0 0 0
A3 3A1 ; A 4 A1 2A 2 .
(1) 2 4 1 1 2 4 1 1 0 18 17
3 1 3 5 0 7 15 8 0 0 64 64
X 0 3 1 2 0 3 1 2 0 0 22 22
1 2 1 2 0 0 3 3 0 0 (3) 3
2 5 1 6 0 (1) 7 8 0 1 7 8
1 0 01
0 0 0 0
0 0 0 0 rank X1 ,X 2 ,X 3 ,X 4 rankX 3 và hệ véc tơ X1 ,X 2 ,X 3 là một
0 0 1 1
0 1 01
cơ sở của hệ véc tơ X1 ,X 2 ,X 3 ,X 4 , đồng thời X 4 X1 X 2 X3 .
9.51 Cách 1: Cho A1 ,A 2 , ,A m là hệ m véc tơ n chiều phụ thuộc tuyến tính. Nếu
mỗi véc tơ của hệ đều bớt đi thành phần thứ n thì hệ m véc tơ n 1 chiều mới là phụ
thuộc tuyến tính. Vì nếu hệ mới là độc lập tuyến tính thì theo bài 9.50, hệ cũ là độc lập
tuyến tính, mâu thuẫn với giả thiết. Mâu thuẫn đó chứng tỏ hệ mới là phụ thuộc tuyến
tính.
7. x V , , K ,( ) x ( x );
2
8. x V ,1x x.
2. Nhận xét:
- Các phần tử 0 trong điều kiện (3) và phần tử x trong điều kiện (4) là duy nhất.
- Các phần tử của V được gọi là vectơ được ký hiệu bởi các chữ La tinh nhỏ x, y, z ,... Các
phần tử của trường K được gọi là các vô hướng và ký hiệu là các chữ Hy Lạp nhỏ , , ,...
- Nếu K thì ta gọi V là không gian vectơ thực, còn nếu K thì ta gọi V là không gian
vectơ phức.
- Ta định nghĩa phép trừ vectơ bằng công thức sau: x y x ( y )
- Luật phân phối đối với hiệu: ( )x x x ;
( x y ) x y.
3. Ví dụ:
- Trường K là một không gian vectơ trên chính nó, tức là mỗi phần tử của K vừa đóng vai
trò là một vectơ, vừa đóng vai trò là một vô hướng.
- Cho n {( x1 , x2 ,..., xn ) | xi } với các phép toán
x ( x1 , x2 ,..., xn ), y ( y1 , y2 ,..., yn ) n
x y ( x1 y1 , x2 y2 ,..., xn yn );
x ( x1 , x2 ,..., xn ).
- Tập hợp những vectơ tự do trong mặt phẳng với những phép toán cộng vectơ và phép
nhân vectơ với một số thực mà chúng ta đã biết trong chương trình toán phổ thông là một
không gian vectơ trên trường số thực .
- Tập hợp M(m, n, K) với các phép toán cộng ma trận và nhân ma trận với một số tạo
thành một không gian vectơ trên K.
- Tập hợp K[x] các đa thức một biến với hệ số trên trường K cùng với phép toán cộng đa
thức và nhân đa thức với một số K tạo thành một không gian vectơ trên trường K.
- Gọi tập hợp n [ x] là tập hợp tất cả các đa thức với hệ số thực có bậc nhỏ hơn hoặc bằng
n, trong đó n là số nguyên dương.
Ký hiệu K n [ x] { f K [t ] | deg f n} , với deg f là bậc của f.
Nếu và f a0 a1t ... amt m với m n .
Trong K n [t ] với phép toán cộng và phép nhân vô hướng được định nghĩa như sau:
f , g K [t ] giả sử f a0 a1t ... amt m và g a0 a1t ... ar t r với m, r n
Không mất tính tổng quát giả sử m < r.
f g (a0 b0 ) (a1 b1 )t ... (ar br )t r ar t r 1 ... amt m
f a0 a1t ... amt m
Kiểm tra được K n [t ] cùng với hai phép toán được định nghĩa là không gian vector trên
trường số thực .
- Gọi C[a, b] là tập hợp tất cả các hàm số f (t ) liên tục trên đoạn [a, b]. Định nghĩa các
phép toán trong C[a, b] như sau:
- Nếu f , g C[a, b], thì ( f g )(t ) f (t ) g (t ), t [a, b];
( f )(t ) f (t ), t [a, b].
Bài tập:
Hãy chứng minh các ví dụ trên thỏa các tiên đề về không gian vectơ, sau đó hãy chỉ ra
vectơ đối và vectơ 0 tương ứng với các không gian vectơ trên.
4. Tính chất:
i )x V , 0 x 0 , trong đó 0 ở vế phải là vectơ 0, còn 0 ở vế trái là phần tử 0 của trường K;
ii )x V , x (1) x;
iii )x V , K , ( x ) ( ) x ( x);
iv) .0 0.
v) Nếu x 0 thì hoặc 0 hoặc x 0;
iv) x x, x 0 ;
x y, 0 x y.
(Sinh viên tự chứng minh các tính chất trên như là bài tập.)
1. Định nghĩa:
Cho V là một K-không gian vectơ và W là một tập con khác rỗng của V. Khi đó W được
gọi là một không gian vectơ con của V nếu W là một K-không gian vectơ ứng với những phép
toán (+) và (.) của V khi ta hạn chế chúng lên W.
2. Định lý:
Tập con W của không gian vectơ V là một không gian con của V khi và chỉ khi các
điều kiện sau đây được thỏa:
i) x, y W 2 , x y W ;
ii) K , x W , x W .
Nhận xét: Hai điều kiện i) và ii) ở trên có thể được thay thế bằng điều kiện sau:
, ( x, y ) W 2 , x y W .
Để chứng minh một tập hợp khác rỗng là không gian vector thì có hai cách hoặc chứng minh
tập hợp này với hai phép toán cộng và nhân vô hướng thỏa các tiên đề của không gian vector;
hoặc chứng minh rằng tập hợp đó là không gian vector con của một không vector khác.
3. Ví dụ:
1. Cho V là một không gian vectơ trên K thì V cũng là không gian vectơ con của V.
2. Tập cũng là một không gian vectơ con của V, được gọi là không gian không (hoặc
không gian con tầm thường).
3. Với V 2 và W {x ( x1 , 0) | x1 } thì W là không gian vectơ con của V, thật vậy:
u au1 bu2 cu3 x ( x1 , 0), y ( y1 , 0) W , ta có: x y ( x1 y1 , 0) W .
4. Định lý: Giao của một họ bất kỳ các không gian con của V là một không gian con của V.
5. Ví dụ: Trong 3 ta xét hai tập hợp sau:
W1 {( x, y, 0) | x, y } và W2 {( x, 0, z ) | x, z }
Khi đó ta có thể kiểm tra được W1 ,W2 là các không gian con của 3 .
Đồng thời W1 W2 {( x, 0, 0) | x } là không gian con của 3 .
Tuy nhiên W1 W2 {( x, y, z ) | y 0 hay z = 0}, không phải là không gian con của 3 .
1 0 1
0 1 2
Ta có ma trận các hệ số của hệ trên là A và rankA = 3, nên hệ phương trình
1 2 3
1 3 4
trên có nghiệm duy nhất (0, 0, 0). Do đó, hệ các vectơ trên độc lập tuyến tính.
Nhận xét:
i) Từ ví dụ trên để xét hệ m các vectơ v1 , v2 ,..., vm là độc lập tuyến tính hay phụ thuộc tuyến
tính trong n , ta lập ma trận A với các cột là các vectơ v1 , v2 ,..., vm , rồi tìm rankA. Nếu rankA
= m (bằng số vectơ của hệ) thì hệ độc lập tuyến tính, ngược lại nếu rankA <m thì hệ phụ
thuộc tuyến tính.
Do rankA rankAT nên nếu lập ma trận A có các dòng là các vector v1 , v2 ,..., vm
và thực hiện
các phép biến đổi sơ cấp trên dòng đưa A về dạng bậc thang¸khi đó hệ vector là độc lập tuyến
nếu rankA = m (bằng số vectơ của hệ), ngược lại nếu rankA <m thì hệ phụ thuộc tuyến tính.
ii) Vectơ u V gọi là biểu thị tuyến tính được qua hệ vectơ v1 , v2 ,..., vm , nếu tồn tại các số
1 , 2 ,..., m K , sao cho u 1v1 2 v2 ... m vm (hay phương trình vectơ
u x1v1 x2 v2 ... xm vm có nghiệm)
Ví dụ 2: Trong 3 cho 3 vector sau: u1 (1, 2,3); u2 (0,1, 2); u3 (1,3,5) . Khi đó ta có
u1 u2 u3 0 khi đó hệ ba vector trên là phụ thuộc tuyến tính.
Sinh viên có thể nhận xét do vector u3 là tổ hợp tuyến tính của hai vector u1 ; u2 nên hệ 3
vector này phụ thuộc tuyến tính.
Bài tập: Sinh viên hãy vận dụng nhận xét trên và kiểm tra xem các họ vectơ được nêu sau
đây là độc lập tuyến tính hay phụ thuộc tuyến tính:
i) Các vectơ u1 (1, 2,1); u2 (2,1, 1); u3 (7, 4,1) 3 ;
ii) Với A, B, C là các vectơ của không gian các ma trận vuông cấp 2 trên như sau:
1 1 1 0 1 1
A ;B ;C
1 1 0 1 0 0
iii) Trong không gian các đa thức một biến hệ số thực xét các vector sau:
u1 t 3 3t 2 5t 1; u2 t 3 t 2 8t 2; u3 2t 3 4t 2 9t 5
3. Định lý và hệ quả
3.1. Định lý: Điều kiện cần và đủ để hệ các vectơ u1 , u2 ,..., un V phụ thuộc tuyến tính là
một trong các vectơ đó là tổ hợp của các vectơ còn lại.
Sinh viên tự chứng minh định lý như bài tập nhỏ.
3.2. Hệ quả: Trong các vectơ u1 , u2 ,..., un V nếu có vectơ 0 thì hệ các vectơ này phụ
thuộc tuyến tính.
Nếu một phần của họ các vectơ u1 , u2 ,..., un V phụ thuộc tuyến tính thì tất cả các vectơ
của hệ đó đều phụ thuộc tuyến tính.
v V thì {v} độc lập tuyến tính khi và chỉ khi v 0 .
Hệ gồm hai vectơ phụ thuộc tuyến tính khi và chỉ khi hai vectơ đó tỷ lệ.
Sau đây, ta sẽ mở rộng định nghĩa độc lập tuyến tính và phụ thuộc tuyến tính cho một họ
bất kỳ những vectơ của không gian vectơ V.
3.3. Định nghĩa: Một họ khác rỗng những vectơ của không gian vectơ V gọi là phụ thuộc
tuyến tính nếu tồn tại một họ con hữu hạn khác rỗng phụ thuộc tuyến tính của V.
Ngược lại, một họ khác rỗng bất kỳ những vectơ của V gọi là độc lập tuyến tính, nếu mọi
họ con hữu hạn khác rỗng của nó đều độc lập tuyến tính.
Bài 4: Hệ sinh, cơ sở, số chiều và hạng của một hệ vectơ
________________________________________________
1. Hệ sinh:
1.1 Định nghĩa: Cho S là một tập con của không gian vectơ V. Ta gọi tập hợp các tổ hợp
tuyến tính của các phần tử của S là bao tuyến tính của S và ký hiệu là E(S). S được gọi là hệ
sinh của V nếu E(S) = V. Ta gọi S là hệ sinh tối tiểu nếu nó không chứa tập con thực sự cũng
là hệ sinh.
Không gian vectơ có một hệ sinh hữu hạn được gọi là không gian hữu hạn sinh hay không
gian hữu hạn chiều.
Do đó, nếu cho S {u1 , u2 ,..., un } V , S là hệ sinh của V khi và chỉ khi:
u V , (1 , 2 ,..., n ) n : u 1u1 2u2 ... nun .
Nếu S là hệ sinh của V thì ta ký hiệu V S {u1 , u2 ,..., un } .
1.2 Ví dụ:
1. Nếu S {} thì E ( S ) {} .
2. Đối với không gian vectơ n , hệ vectơ gồm các vectơ
e1 (1, 0,..., 0); e2 (0,1, 0,..., 0);...; en (0, 0,....,1) là một cơ sở của không gian vectơ n .
3. Tập các đơn thức {t n | n 0} là một hệ sinh của không gian các đa thức K[t].
4. Nếu S là hệ sinh của V, thì mọi tập chứa nó đều là hệ sinh của V. Nói riêng V là hệ sinh
của V.
1.3 Nhận xét:
Để chứng minh S là một hệ sinh của V ta chứng minh mọi tập con hữu hạn v1 , v2 ,.., vn là hệ
sinh của V. Khi đó, ta có thể sử dụng một trong các phương pháp sau:
Phương pháp 1:
Chứng minh với mọi vector v thuộc V thì có các số 1 , 2 ,..., n thuộc trường K sao cho
v 1v1 2v2 ... n vn .
Trong không gian vector K m với n m điều này tương đương với hệ phương trình:
a11 x1 a12 x2 ... a1n xn b1
a x a x ... a x b
21 1 22 2 2n n 2
luôn có nghiệm với v (b1 , b2 ,..., bm ) K m trong đó
...
am1 x1 a2 x2 ... amn xn bm
vi ( a1i , a2i ,..., ami ), i 1,.., n .
Phương pháp 2:
Nếu biết trước 1 hệ sinh u1 , u2 ,..., um của V thì cần chứng tỏ mỗi vector ui biểu diễn được
qua các vector v1 , v2 ,..., vm với i = 1, …, m.
Ví dụ: Chứng minh rằng hệ 4 vector u (1, 2,3); v (0, 2,1); w (0, 0, 4); z (2; 4;5) là hệ sinh
của không gian vector 3 .
Giải:
1.x1 0.x2 0 x3 2 x4 b1
Xét hệ phương trình 2.x1 2.x2 0 x3 4 x4 b2
3.x 1.x 4.x 5 x b
1 2 3 4 3
Hệ này có nghiệm vì hạng của ma trận hệ số bằng với hạng của ma trận hệ số mở rộng và
nghiệm của hệ phương trình là:
x1 b1
x2 b2 b1
2
x3 (b3 3b1 ) / 4
x4 0
1.4 Định lý: E(S) là không gian con của V và là không gian con nhỏ nhất của V chứa tập
S.
1.5 Định lý: S là hệ sinh tối tiểu của E(S) khi và chỉ khi S là hệ độc lập tuyến tính.
2. Cơ sở, số chiều và hạng của hệ vectơ:
2.1 Định nghĩa: Ta gọi hệ vectơ S V là cơ sở của V nếu S là hệ sinh tối tiểu của V. Nói
cách khác S là cơ sở của V nếu và chỉ nếu S là hệ sinh của V và S là hệ vectơ độc lập tuyến
tính.
Nếu tập được sắp thứ tự S {ui | i I } là cơ sở của V và u V thì bộ các số ( i )iI được gọi
là tọa độ của u theo S nếu u i ui . iI
Ví dụ:
Trong 4 xét cơ sở chính tắc gồm 4 vector sau đây:
u1 (1, 0, 0, 0); u2 (0,1, 0, 0); u3 (0, 0,1, 0); u4 (0, 0, 0,1) khi đó vector u (1, 2,3, 4) 4 được
biểu thị tuyến tính qua các vector u1 , u2 , u3 , u4 như sau:
u u1 2u2 3u3 4u4 . Suy ra tọa độ của vector u đối với cơ sở trên là u = (1, 2, 3, 4).
Mặt khác, trong 4 xét cơ sở gồm các vector sau:
v1 (1,0, 0,1); v2 (0,1, 0, 0); v3 (0, 0,1, 0); v4 (1,1, 0, 0)
thì khi đó vector u (1, 2,3, 4) 4 được biểu thị tuyến tính qua các vector trên như sau:
u 2v1 v2 3v3 3v4 . Khi đó, tọa độ của u đối với cơ sở này là u = (-2, -1, 3, 3).
2.2 Định lý: Nếu V là không gian hữu hạn sinh thì số vectơ trong mọi cơ sở của V là như
nhau. Số này gọi là số chiều của V. Ký hiệu là dimV.
2.3 Ví dụ:
- Các vectơ e1 (1, 0, 0,..., 0); e2 (0,1, 0,..., 0);...; en (0, 0,....,1) lập thành một cơ sở của
không gian vectơ n . Ta gọi đây là cơ sở chính tắc (cơ sở tự nhiên) của n , vậy dim n n .
Một vectơ x ( x1 , x2 ,..., xn ) có tọa độ với hệ {e1 , e2 ,..., en } là ( x1 , x2 ,..., xn ) . Tuy nhiên, tọa độ của
x theo hệ {e2 , e1 ,..., en } lại là ( x2 , x1 ,..., xn )
1 0 0 1 0 0 0 0
- Các ma trận I1 ; I2 ; I3 ; I4 lập thành một cơ sở của
0 0 0 0 1 0 0 1
a b
không gian các ma trận M(2;K). Một ma trận A sẽ có tọa độ đối với hệ cơ sở này là
c d
(a, b, c, d).
- Trong không gian vectơ các ma trận M (m n; ) , ta có thể lập một hệ cơ sở bao gồm các
ma trận Eij trong đó các phần tử tương ứng ở dòng i và cột j với 1 i m;1 j n bằng 1 còn
các phần tử còn lại của ma trận Eij này đều bằng 0. Khi đó, dim M ( m n; K ) mn .
- n ( x) là tập hợp các đa thức hệ số thực bậc nhỏ hơn hay bằng n với các phép toán thông
thường là một không gian vectơ. Trong đó, hệ 1, x, x 2 ,..., x n là một cơ sở của không gian vectơ
này. Do đó, dim n ( x) n 1 .
2.4 Định lý: Cho S là một hệ vectơ của không gian vectơ V. Khi đó, các điều kiện sau
tương đương:
i) S là cơ sở của V;
ii) Mỗi vectơ của V có thể biểu diễn duy nhất qua các vectơ của hệ S;
iii) S là một hệ độc lập tuyến tính tối đại của V. Khi ta có dimV = n thì các điều kiện trên
tương đương với: iv) S là một hệ sinh có đúng n phần tử;
v) S là một hệ độc lập tuyến tính có n phần tử;
vi) S có đúng n phần tử và ma trận các cột (dòng) là các vectơ tọa độ của các phần tử của
S theo một cơ sở đã biết có định thức khác không.
2.5 Nhận xét:
Đối với không gian hữu hạn chiều (giả sử dim V = n ) thì để chứng minh một hệ vector
gồm n vector là cơ sở của không gian V ta chỉ cần chứng minh hệ vector này là độc lập tuyến
tính.
2.6 Hệ quả 1:
i) Bất kỳ hệ sinh nào của V cũng chứa một cơ sở của V.
ii) Bất kỳ hệ độc lập tuyến tính nào cũng có thể bổ sung các vectơ để trở thành cơ sở.
2.7 Hệ quả 2:
i) Không gian con của không gian hữu hạn chiều là không gian có số chiều hữu hạn.
ii) Không gian chứa một không gian vô hạn chiều là vô hạn chiều.
2.8 Định nghĩa: Cho một hệ hữu hạn vectơ xi iI trong không gian vectơ V. Số phần tử
của một hệ con độc lập tuyến tính tối đại của xi iI là một hằng số (không phụ thuộc vào cách
chọn hệ con, chỉ phụ thuộc vào bản chất của hệ {xi } ). Hằng số này được gọi là hạng của hệ
vectơ xi iI . Ta ký hiệu hạng của hệ xi iI là rank ( xi )iI .
2.9 Định lý: Gọi A là ma trận có các dòng (cột) là các tọa độ của các vectơ xi khi đó ta có
rank ( A) rank ( xi )iI .
Nhận xét: Từ định lý trên muốn tìm hạng của một hệ vectơ ta có thể lập ma trận gồm có
các dòng là tọa độ của các vectơ và tìm hạng của ma trận đó.
Chú ý: Trong phạm vi của tài liệu này ta chỉ đề cập đến không gian vectơ hữu hạn chiều,
tức là dimV n .
Ví dụ:
Xét hệ vector u1 (1, 0, 0,1); u2 (0,1, 0, 0); u3 (0, 0,1, 0); u4 (1,1, 0, 0) . Khi đó,
rank (ui )i 1,4 rankA = 4 với A là ma trận có các dòng là tọa độ của các vector ui trong cơ
sở chính tắc của 4 .
1 0 0 1 1 0 0 1 1 0 0 1
0 1 0 0 d4 d4 d1 0
1 0 0 d4 d4 d2 0
1 0 0
A
0 0 1 0 0 0 1 0 0 0 1 0
1 1 0 0 0 1 0 1 0 0 0 1
3. Không gian hữu hạn chiều:
3.1 Định nghĩa: Không gian vectơ V được gọi là không gian vectơ n chiều nếu cơ sở của
V có n vectơ.
3.2 Tính chất:
Cho V là một không gian hữu hạn chiều, dimV = n. Khi đó:
(a) Mọi hệ vectơ có nhiều hơn n vectơ đều phụ thuộc tuyến tính.
(b) Mọi hệ có n vectơ độc lập tuyến tính đều là cơ sở của V.
(c) Mọi hệ có n vectơ là hệ sinh của V đều là cơ sở của V.
(d) Mọi hệ độc lập tuyến tính có k vectơ đều có thể bổ sung thêm n-k vectơ để lập thành
một cơ sở của V.
Sinh viên tự cho ví dụ minh họa cho các tính chất trên.
Chú ý: Từ tính chất (b) và (c) ta suy ra, nếu biết dimV = n thì để chứng minh một hệ n
vectơ là cơ sở thì ta cần chứng minh đó là hệ độc lập tuyến tính hoặc đó là hệ sinh.
Bài 5: Tọa độ vectơ trong cơ sở - Công thức đổi tọa độ
______________________________________________
xn yn
i) x y xi yi , i 1, n ;
ii) ( x y ) /( B ) ( x1 y1 , x2 y2 ,..., xn yn ) ;
iii) x/[ B ] ( x1 , x2 ,..., xn ).
1.4 Ví dụ:
Trong 3 cho hệ 3 vectơ B {u1 (1,1,0); u2 (1, 0,1); u3 (0,1,1)} .
a) Chứng minh rằng B là một cơ sở của 3 .
b) Tìm tọa độ của các vectơ e1 (1, 0, 0); e2 (0,1, 0); e3 (0, 0,1); u (3, 4,5) trong cơ sở B.
Giải:
Vì B là hệ gồm 3 vectơ trong không gian hữu hạn chiều 3 , nên để chứng minh B là cơ sở
của 3 ta chỉ cần chứng minh B là hệ độc lập tuyến tính.
Để chứng minh điều này ta có thể xây dựng ma trận A có các dòng là các vectơ u1 , u2 , u3 ,
sau đó chứng minh rankA = 3 hay det A 0 .
1 1 0
Ta có, det A 1 0 1 2 0 .
0 1 1
Vậy hệ các vectơ u1 , u2 , u3 là hệ độc lập tuyến tính nên đó là cơ sở của 3 .
b) Xét một vectơ tùy ý a (a1 , a2 , a3 ) 3 , giả sử a[ B ] ( x1 , x2 , x3 ) , khi đó
a1 1 1 0 a1 x1 x2 x1 x2 a1
a x1u1 x2u2 x3u3 a2 x1 1 x2 0 x3 1 a2 x1 x3 x1 x3 a2
x x a
a3 0 1 1 a3 x2 x3 2 3 3
1
x1 2 ( a1 a2 a3 )
1
x2 ( a1 a2 a3 )
2
1
x3 2 (a1 a2 a3 )
Vậy với mọi vectơ tùy ý a (a1 , a2 , a3 ) 3 , thì ta có
1 1 1
a[ B ] (a1 a2 a3 ), (a1 a2 a3 ), (a1 a2 a3 ) .
2 2 2
Lần lượt cho a bằng e1 , e2 , e3 , u ta có tọa độ của các vectơ e1 , e2 , e3 , u trong cơ sở B lần lượt
là:
1 1 1
e1 , ,
2 2 2
1 1 1
e2 , ,
2 2 2
1 1 1■
e3 , ,
2 2 2
u (1, 2,3)
2. Đổi cơ sở, ma trận đổi cơ sở, công thức đổi tọa độ:
Giả sử trong không gian vectơ V, ngoài cơ sở B {e1 , e2 ,..., en } còn có một cơ sở khác là
B ' {e1' , e2' ,..., en' } .
n
Nếu tọa độ của các vectơ e j trong cơ sở B là e'j[ B ] (c1 j , c2 j ,...., cnj ), j 1, n , hay e j cij ei .
' '
i 1
n n n n
n n n
x xi ei x 'j e 'j . Mặt khác, e 'j cij ei , nên x x 'j cij ei cij x 'j ei .
i 1 j 1 i 1 j 1 i 1 i 1 j 1
Do tính duy nhất của phép biểu thị tuyến tính qua cơ sở B của x nên ta có
x1 c11 x1' c12 x2' ... c1n xn'
x c21 x1 c22 x2 ... c2 n xn
n ' ' '
xi cij x j , i 1, n . Hay, ta có thể viết tường minh như sau: 2
'
j 1 ...
x c x ' c x ' ... c x '
n n1 1 n2 2 nn n
x1
2) Giả sử [u ][ B ] x2 , khi đó áp dụng công thức đổi tọa độ của một vectơ ta có:
x3
5 1 1 0 x1 5 x1 x2 x1 3
4 1 0 1 x 4 x x x 2
2 1 3 2 . Vậy [u ][ B ] (3, 2,1) .■
3 0 1 1 x3 3 x x x 1
2 3 3
3) Gọi tọa độ của v trong cơ sở chính tắc V là ( x1 , x2 , x3 ) ta có
x1 1 1 0 1 x1 3
x 1 0 1 2
2 . Vậy x2 4 hay v= (3, 4, 5) 3 .■
x3 0 1 1 3 x 5
3
2) Trong 3 cho 2 cơ sở B(1 , 2 , 3 ) và B '( 1 , 2 , 3 ) như sau:
1 (1,1,1); 2 (1, 2,1); 3 (1,3, 2)
1 (1, 0,1); 2 (1,1, 0); 3 (0,1,1)
1) Tìm ma trận chuyển từ cơ sở B sang cơ sở B’.
2) Viết công thức tính tọa độ của vectơ x trong cơ sở B theo tọa độ của x trong cơ sở B’.
Giải:
1 a11 a2 2 a3 3 (1)
Giả sử 2 b11 b2 2 b3 3 (2) . Khi đó, ma trận chuyển cơ sở B sang cơ sở B’ có dạng:
3 c11 c2 2 c3 3 (3)
a1 b1 c1
CB B ' a2 b2 c2 . Để tìm ai , bi , ci ta phải giải các phương trình vectơ (1), (2), (3).
a3 b3 c3
a1 a2 a3 1
Phương trình (1) tương đương với hệ a1 2a2 3a3 0
a a 2a 1
1 2 3
b1 b2 b3 1
Phương trình (2) tương đương với hệ b1 2b2 3b3 1
b b 2b 0
1 2 3
c1 c2 c3 0
Phương trình (3) tương đương với hệ c1 2c2 3c3 1
c c 2c 1
1 2 3
Ta dùng phương pháp Gauss để giải các hệ phương trình trên, lập các ma trận hệ số mở
rộng:
1 1 1 1 1 0 1 1 1 1 1 0 1 1 1 1 1 0
d2 d2 d1 d 2 d 2 d3
1 2 3 0 1 1 d3 d3 d1
0 3 2 1 0 1 0 1 1 1 1 0
1 1 2 1 0 1 0 2 1 0 1 1 0 2 1 0 1 1
1 1 1 1 1 0
d3 d 3 2 d 2
0 1 1 1 1 0
0 0 1 2 3 1
a3 2;
Vậy với hệ (1) ta có a2 1 a3 1;
a a a 1 4
1 2 3
b3 3;
Hệ (2) ta có b2 1 b3 2;
b b b 1 4
1 2 3
c3 1;
Hệ (3) ta có c2 c3 1;
c c c 2
1 2 3
4 4 2
Vậy ma trận đổi cơ sở B sang cơ sở B’ là CB B ' 1 2 1 .■
2 3 1
b) Giả sử [ x][ B ] ( x1 , x2 , x3 ) và [ x][ B '] ( y1 , y2 , y3 ) . Khi đó, công thức tính tọa độ của x trong
cơ sở B theo tọa độ của x trong cơ sở B’ là:
x1 4 4 2 y1 x1 4 y1 4 y2 2 y3
x 1 2 1 y x y 2 y y
2 2 2 1 2 3
x3 2 3 1 y3 x 2 y 3 y y ■
3 1 2 3
là không gian nhỏ nhất (theo quan hệ bao hàm) của không gian V chứa W , W được gọi là
i 1
i
m
không gian tổng của các không gian con Wi , ký hiệu là W Wi W1 W2 ... Wm .
i 1
một cách biểu diễn duy nhất x x1 x2 ... xn , với xi Wi , i 1, n . Khi đó ta ký hiệu
n
W Wi W1 W2 ... Wn .
i 1
Trường hợp W W1 W2 , thì ta nói W1 (tương ứng W2 ) là không gian con bù trực tiếp của
W2 (tương ứng W1 ).
2.5 Định lý: Cho W ,W1 ,W2 ,...,Wm là những không gian con của không gian vectơ V. Khi
đó, W là tổng trực tiếp của W1 ,W2 ,..., Wm nếu và chỉ nếu mọi phần tử x của W đều viết được
một cách duy nhất dưới dạng: x x1 x2 ... xm , với xi Wi , i 1, m .
2.6 Định lý: Giả sử W1 và W2 là hai không gian con của không gian vectơ V khi đó, các
khẳng định sau là tương đương:
i) W1 W2 là tổng trực tiếp;
ii) W1 W2 {0} .
2.7 Định lý: Cho W1 và W2 là hai không gian con của không gian vectơ hữu hạn chiều V.
Khi đó, dim(W1 W2 ) dim W1 dim W2 dim(W1 W2 ).
2.8 Hệ quả: Nếu tổng W + Z của hai không gian hữu hạn chiều W, Z trong không gian
vectơ V là tổng trực tiếp thì dim W dim Z dim(W Z ).
2.9 Ví dụ:
1) Trong không gian 3 xét hai không gian con W {( x, y, z ) | x, y } và
Z {( x, x, z ) | x, z } .
Hãy xác định dimW, dimZ, tìm W Z và W + Z.
Giải:
Ta có: W {( x, y, z ) | x, y } (1, 0,1);(0,1, 0) và Z {( x, x, z ) | x, z } (1,1, 0);(0, 0,1) .
Do đó, dimW = dimZ = 2
Ta có: W Z {( x, x, x) | x } (1,1,1) , nên dim(W Z ) 1 . Từ đó ta được,
dim(W Z ) dim W dim Z dim(W Z ) 2 2 1 3 dim 3 .
Do W Z 3 , nên W Z 3 .■
2) Cho U là không gian con sinh bởi các vector
u1 (1,3, 2, 2,3); u2 (1, 4, 3, 4, 2); u3 (2,3, 1, 2,9) và V là không gian con sinh bởi các vector
v1 (1,3, 0, 2,1); v2 (1,5, 6,6,3); v3 (2,5,3, 2,1)
Hãy tìm một cơ sở và số chiều của U + V và U V
Giải
a) Tìm cơ sở của U +V.
Lập ma trận A có các dòng là các vector u1 , u2 , u3 , v1 , v2 , v3 , thực hiện phép biến đổi sơ cấp
trên dòng ta đưa ma trận này về dạng bậc thang. Khi đó số chiều của U + V là rank A và ta có
thể chọn các dòng khác 0 của ma trận A làm vector trong cơ sở của U + V.
1 3 -2 2 3
1 4 -3 4 2
2 3 -1 -2 9
A :=
1 3 0 2 1
1 5 -6 6 3
2
5 3 2 1
Sau các phép biến đổi sơ cấp trên dòng ta được ma trận bậc thang sau:
1 0
0 -4 7
0 0 2 -2
1
0 1 0 -1
0
0 0 0 0
0
0 0 0 0
0
0 0 0 0
0
Khi đó, gọi e1 (1, 0, 0, 4, 7); e2 (0,1, 0, 2, 2); e3 (0, 0,1, 0, 1) là một cơ sở của U+ V.
Suy ra, dim U + V = 3.
Để tìm được cơ sở của U V ta tìm điều kiện để vector x ( x1 , x2 , x3 , x4 , x5 ) thuộc U và thuộc
V.
Ta có vector x thuộc U khi và chỉ khi x biểu thị tuyến tính qua các vector cơ sở của U tức là
hệ phương trình với ma trận hệ số sau có nghiệm.
1 1 2 x1 1 1 2 x1 1 1 2 x1
dd2
d 2 3 d1
3 4 3 x2 d34 d34 2 d11 0 1 3 x2 3x1 d34 d34 22d2 0 1 3 x2 3x1
d 2d d d d
2 3 1 x3
d5 d5 3 d1
0 1 3 x3 2 x1
d5 d 5 d 2
0 0 0 x3 x2 x1
2 4 2 x4 0 2 6 x4 2 x1 0 0 0 x4 4 x1 2 x2
3 2 9 x5 0 1 3 x5 3x1 0 0 0 x5 x2 6 x1
x1 x2 x3 0
Vậy để vector x thuộc U khi và chỉ khi 4 x1 2 x2 x4 0
6 x x x 0
1 2 5
Ta có vector x thuộc V khi và chỉ khi x biểu thị tuyến tính qua các vector cơ sở của V tức là hệ
phương trình với ma trận hệ số sau có nghiệm.
1 1 2 x1 1 1 2 x1 1 1 2 x1
d d 3d d d 3 d
3 5 5 x2 d2 d2 2 d1 0 2 1 x2 3 x1 d3 d3 2 d2 0 1 3 x2 3x1
4 4 1 4 4 2
0 6 3 x3
d5 d5 d1
0 6 3 x3
d5 d 5 d 2
0 0 0 x3 x2 3x1
2 6 2 x4 0 4 2 x4 2 x1 0 0 0 x4 4 x1 2 x2
1 3 1 x5 0 2 1 x5 x1 0 0 0 x5 x2 2 x1
3 x1 x2 x3 0
Vậy để vector x thuộc V khi và chỉ khi 4 x1 2 x2 x4 0
2 x x x 0
1 2 5
Do đó, để x thuộc U giao V khi và chỉ khi
3 x1 x2 x3 0
4 x 2 x x 0
1 2 4
2 x1 x2 x5 0
x1 x2 x3 0
4 x1 2 x2 x4 0
6 x1 x2 x5 0
Hệ phương trình thuần nhất trên có ma trận hệ số là:
-3 1 1 0 0
4 -2 0 1 0
2 -1 0 0 1
A :=
-1 1 1 0 0
-4 -2 0 1 0
-6 -1 0 0 1
Thực hiện các phép biến đổi sơ cấp trên dòng đưa ma trận A về dạng bậc thang sau
1 0 0 0 0
0 1 0 0 -1
0 0 1 0 1
0 0 0 1 -2
0 0 0 0 0
0
0 0 0 0
BÀI TẬP
1. Chứng minh rằng tập hợp nghiệm của một hệ phương trình tuyến tính thuần nhất n ẩn
trên trường K lập thành một không gian vectơ trên trường K.
2. Chứng minh rằng tập hợp nghiệm của hệ phương trình tuyến tính không thuần nhất n
ẩn trên trường K không lập thành không gian vectơ trên trường K.
3. Xét xem tập hợp nào sau đây với phép cộng và phép nhân với một số thông thường lập
thành một không gian vectơ
a) Tập các ma trận thuộc M(m, n, K).
b) Tập các ma trận vuông cấp n đối xứng trên trường K.
c) Tập các ma trận chéo cấp n trên trường K.
d) Tập các ma trận vuông cấp n trên K có định thức bằng 0.
4. Cho K là một trường và V K K với các phép toán xác định như sau:
(a, b) + (c, d) = (a+c, b + d) và k(a,b) = (ka, 0).
Chứng minh V là không gian vectơ trên trường K.
5. Cho U là không gian vectơ con của V. Chứng tỏ rằng hiệu tập hợp V\U không phải là
không gian vectơ con của V.
6. Cho V là tập các hàm thực, dương và liên tục trên đoạn [-a, a]. Trên V ta định nghĩa
các phép toán cộng và nhân như sau:
( f g )( x) f ( x).g ( x)
( f )( x) ( f ( x))
a) Chứng minh rằng V là một không gian vectơ trên .
b) Tập hợp tất cả các hàm số chẵn trong V có là không gian con của V không?
c) Tập hợp tất cả các hàm số lẻ trong V có phải là không gian vectơ con của V không?
7. Cho V là tập hợp tất cả các hàm số f : với các phép toán cộng và nhân thông
thường, nghĩa là:
( f g )( x) f ( x) g ( x)
( f )( x) f ( x)
Hãy kiểm tra xem V có phải là một không gian vectơ trên không?
8. Trong các tập hợp con W của n sau đây, tập hợp nào là không gian con của n .
a ) W {( x1 , x2 ,..., xn ) | xi 0};
b) W {( x1 , x2 ,..., xn ) | x1 2 x2 3 x3};
c) W {( x1 , x2 ,..., xn ) | x1 3 x2 1};
d ) W {( x1 , x2 ,..., xn ) | x12 x2 };
e) W {( x1 , x2 ,..., xn ) | x1 x2 0};
f ) W {( x1 , x2 ,..., xn ) | x1 x2 ... xn };
g ) W {( x1 , x2 ,..., xn ) | x1 x2 ... xn n};
h) W {( x1 , x2 ,..., xn ) | x1 }.
9. Trong các tập con W sau đây của n với các phép toán cộng và phép toán nhân được
định nghĩa như sau: x ( x1 , x2 ,..., xn ); y ( y1 , y2 ,..., yn ) n , thì
x y ( x1 y1 , x2 y2 ,..., xn yn )
x ( x1 , x2 ,..., xn )
Trong các tập hợp sau đây, tập hợp nào là không gian con của n
a ) W {( x1 , x2 ,..., xn ) | xn 0};
b) W {( x1 , x2 ,..., xn ) | x1 2 x2 3 x3};
c) W {( x1 , x2 ,..., xn ) | x1 3 x2 1};
d ) W {( x1 , x2 ,..., xn ) | x12 x2 };
e) W {( x1 , x2 ,..., xn ) | x1 x2 0};
f ) W {( x1 , x2 ,..., xn ) | x1 x2 ... xn };
g ) W {( x1 , x2 ,..., xn ) | x1 x2 ... xn n};
h) W {( x1 , x2 ,..., xn ) | x1 }.
10. Cho Vi là một họ các không gian vectơ con của V. Ký hiệu V
i là tập hợp gồm các
phần tử có dạng xi xi ... xi với xi Vi , j 1, 2,..., n . Chứng minh tập này là không
1 2 j j j
u1 (1,1, 1, 0); u2 (2,3, 4,1); u3 (1, 4,3, 2); v1 (1,1, 1, 1); v2 (2, 7, 0,3); v3 (2, 7, 0, 2)
Đặt W {u1 ; u2 ; u3}
a) Kiểm tra B {u1 , u2 , u3} là cơ sở của W.
b) Cho u (a, b, c, d ) 4 . Tìm điều kiện để u W và với điều kiện đó hãy tìm u B .
c) Kiểm tra B ' {v1 , v2 , v3} là một cơ sở của W. Tìm ma trận chuyển cơ sở từ B sang B’.
1 5
d) Tìm [u ]B , v,[ w] B ' nếu biết u (a, b, c, d ) W ,[v]B ' 2 và w B 1
3 4
36. Trong không gian vectơ n , cho tập V có dạng:
V {x ( x1 ,..., xn ) n / x1 x2 xn 0}
(a) Chứng minh rằng V là một không gian con của n .
(b) Tìm một cơ sở và số chiều của V.
37. Trong không gian M 2 () , cho tập con
a b
F A / a, b
b a b
{u
38. Chứng minh rằng nếu hệ vectơ 1 2, u ,..., u n } là độc lập tuyến tính khi và chỉ khi không
có vectơ nào biểu thị tuyến tính qua các vectơ còn lại của hệ.
Tìm m để vectơ u (7, 2, m) biểu thị tuyến tính qua các vectơ
u1 (2,3,5); u2 (3, 7,8); u3 (1, 6,1)
(a) Chứng tỏ F là một không gian con của M 2 () .
(b) Tìm một cơ sở và số chiều của F.
Định thức
Giới thiêu về định thức
Với một ma trận vuông cấp 2 bất kỳ, ta tìm thấy điều kiện cần và đủ để ma trận là khả
nghịch. Thật vậy, xét ma trận:
Ma trận A là khả nghịch khi và chỉ khi ad - bc ≠ 0. Ta gọi số này là định thức của A. Từ
điều này, chúng ta muốn có một kết quả tương tự cho các ma trận lớn hơn (tức là ma trận có
cấp cao hơn). Vì vậy, ta có định nghĩa định thức tương tự cho một ma trận vuông bất
kỳ, nó xác định một ma trận vuông là khả nghịch hay không?
Để tổng quát khái niệm cho các các cấp cao hơn, chúng ta cần phải nghiên cứu về khái niệm
định thức và những tính chất nào của nó được thỏa mãn. Trước hết, chúng ta sử dụng ký hiệu
sau đây cho định thức.
1. Định thức của ma trận A bất kỳ và chuyển vị của nó là bằng nhau, nghĩa là
Từ tính chất này ta suy ra sử dụng dòng hay cột để tính định thức đều được. Đặc biệt ta
sẽ thấy các phép biến đổi cơ bản trên hàng hữu hiệu thế nào trong việc tìm định thức.
Do đó, ta có những kết quả tương tự cho các phép biến đổi cơ bản trên cột.
2. Định thức của ma trận tam giác là tích của các phần tử trên đường chéo, tức là
3. Nếu ta đổi chỗ hai dòng thì định thức đổi dấu, tức là
4. Nếu ta nhân vào một dòng với một số, định thức của ma trận mới bằng định thức của
ma trận cũ nhân với số đó, tức là.
Đặc biệt, nếu tất cả các phần tử trong một dòng là số 0 thì định thức bằng 0.
5. Nếu ta cộng vào một dòng với dòng khác nhân một số thì định thức của ma trận mới sẽ
bằng định thức của ma trận cũ, tức
6. Ta có
Đặc biệt, nếu A là khả nghịch (điều này xảy ra nếu và chỉ nếu det A ≠ 0), khi đó
Ví dụ. Tính
Chúng ta hãy đưa ma trận này về ma trận tam giác qua các phép biến đổi cơ bản. Ta giữ lại
dòng 1 và lấy dòng 1 nhân với rồi cộng vào dòng 2. Ta được
Vì vậy, ta có
Định thức của các ma trận cấp cao hơn sẽ được trình bày ở mục .
1. Định thức của ma trận A bất kỳ và chuyển vị của nó là bằng nhau, tức là
2. Định thức ma trận tam giác là tích của các phần tử trên đường chéo.
3. Nếu ta đổi chỗ hai dòng thì định thức đổi dấu.
4. Nếu ta nhân vào một dòng với một số, định thức của ma trận mới bằng định thức của
ma trận cũ nhân với số đó.
5. Nếu ta cộng vào một dòng với dòng khác nhân một số thì định thức của ma trận mới sẽ
bằng định thức của ma trận cũ.
6. Ta có
Đặc biệt, nếu A là khả nghịch (điều này xảy ra nếu và chỉ nếu det A ≠ 0), khi đó
Ví dụ. Tính
Ta có
Nếu ta lấy mỗi dòng trừ cho dòng đầu nhân với một số thích hợp, ta được
Ta giữ lại dòng đầu, biến đổi trên những dòng còn lại. Đổi dòng 2 với dòng 3, ta được
Nếu ta lấy mỗi dòng trừ cho dòng thứ 2 nhân với một số thích hợp, ta được
Nếu ta nhân dòng thứ ba với 13 và cộng vào dòng thứ tư, ta được
định thức này bằng 3. Như vậy, định thức ban đầu là
Những tính toán dường như là khá dài. Sau này ta sẽ thấy có một công thức dùng để tính định
thức của ma trận.
Ví dụ. Tính
Trong ví dụ này, những phép biến đổi cơ bản không được trình bày chi tiết. Ta có
Ví dụ. Tính
Ta có
Công thức chung để tính định thức Cho A là một ma trận vuông cấp n . Ta viết A = (aij),
trong đó aij là phần tử ở dòng i và cột j, với i = 1, …, n và j = 1, …, n. Với mỗi i, j ta đặt
Aij (gọi là phần bù đại số) là định thức cấp (n-1) có được từ A bằng cách bỏ đi dòng i và cột j
nhân với (-1)i+j. Ta có
với i cố định, và
với k cố định. Nói cách khác, chúng ta có hai công thức: công thức khai triển theo dòng (thứ
i) hoặc khai triển theo cột (thứ j). Ta khai triển theo bất kỳ dòng nào hoặc cột nào đều được.
Bí quyết là sử dụng dòng nào hoặc cột nào có nhiều số không nhất.
Hoặc
Hoặc
Như một bài tập, hãy viết các công thức khai triển theo cột
Ví dụ. Tính
Có kỹ thuật để tính định thức dễ dàng hơn không?. Câu trả lời là phụ thuộc vào định thức
được yêu cầu tính. Có những định thức nên dùng các phép biến đổi cơ bản, có những định
thức nên dùng công thức khai triển. Tất cả những vấn đề đó là để có được câu trả lời chính
xác.
Lưu ý: Tất cả các tính chất ở trên vẫn đúng trong trường hợp tổng quát. Ngoài ra, ta nên nhớ
rằng các khái niệm của định thức chỉ tồn tại cho ma trận vuông.
nếu và chỉ nếu . Ngoài ra nếu A có cấp n, khi đó Ai,j được định nghĩa là ma trận
cấp n-1 tạo thành từ ma trận A bằng cách bỏ đi phần tử nằm ở dòng I cột j. Nhắc lại
với mọi j cố định. Định nghĩa ma trận chuyển vị của A, kí hiệu adj(A).
Ví dụ. Cho
Ta có
Chú ý rằng . Do đó ta có
Định nghĩa chuyển vị của ma trận A kí hiệu adj(A), là ma trận mà phần tử dòng i cột j là phần
tử dòng j cột i của ma trận ban đầu.
Trong trang tiếp theo, chúng ta thảo luận ứng dụng công thức trên vào hệ tuyến tính.
AX=B
trong đó A là ma trận hệ số, B là ma trận hạn cột tự do, và X ma trận cột ẩn. Ta có:
Dịnh lí. Hệ tuyến tính AX = B có nghiệm duy nhất nếu và chỉ nếu A là ma trận khả nghịch.
Trong trường hợp này, nghiệm được cho bởi quy tắc định thức Cramer:
trong đó xi là nghiệm của hệ hoặc là một phần tử của X, và ma trận Ai được xác định từ A
bằng cách thay thế cột thứ I bởi ma trận cột B. Khi đó, ta có
Đặc biệt, nếu hệ tuyến tính AX = B là thuần nhất, nghĩa là , khi đó nếu A khả
nghịch, nghiệm duy nhất của hệ là tầm thường , đó là . Do đó nếu ta ta tìm nghiệm
khác 0 của hệ, ma trận hệ số A phải khả nghịch.Ta cũng biết rằng điều này xảy ra néu và chỉ
điều này chỉ ra ma trận hệ số khả nghịch. Sử dụng công thức Cramer. Ta có
và nghiệm là
Chú ý rằng, dễ thấy z=0. Thật vậy, sự xác định cho z có hai dòng giống nhau ( dòng 1 và
dòng cuối). Ta cố gắng kiểm tra giá trị tìm được của x, y, và z là nghiệm của hệ cho trước.
Chú ý. Quy tắc Cramer chỉ sử dụng cho hệ tuyến tính mà ma trận hệ số khả nghịch.
Bài toán giá trị riêng là vấn đề đáng quan tâm về lí thuyết và ứng dụng rộng rãi. Ví dụ, vấn đề
này là quan trọng trong việc giải hệ phương trình vi phân, phân tích mô hình tăng trưởng dân
số và tính toán bậc của ma trận ( trong việc xác định lũy thừa ma trận). Các lĩnh vực khác
như vật lí, xã hội học, sinh học, kinh tế và thống kê đã tập trung sự chú ý đáng kể vào giá trị
riêng và vectơ riêng trong các ứng dụng và tính toán của chúng. Trước khi cung cấp khái
niệm chính thức, chúng tôi giới thiệu khái niệm này trong một ví dụ.
Ta có
Suy ra
Ta có det(P) = 84. Nên ma trận khả nghịch. Tính toán đơn giản
ta có
điều này chỉ ra A đồng dạng với một ma trận chéo. Đắc biệt, ta có
với . Chú ý rằng không thể tìm A75 , một cách trực tiếp từ dạng ban đầu của A.
Ví dụ này là phong phú để kết luận nhiều câu hỏi đặt ra một cách tự nhiên.Ví dụ , cho trước
ma trận vuông A, làm thế nào để tìm ma trận cột đồng dạng với những cái ở trên? Nói cách
khác, làm thế nào để tìm ma trận cột giúp ta tìm ma trận khả nghịch P sao cho P-1AP là ma
trận chéo?
Từ bây giờ, chúng tôi sẽ gọi ma trận cột vectơ. Vì vậy các cột ma trận C1, C2, và C3 là các
vectơ. Chúng ta có định nghĩa.
Định nghĩa. Cho A là ma trận vuông. Một vectơ C khác 0 được gọi là vectơ riêng của A nếu
và chỉ nếu tồn tại một số ( thực hoặc phức) sao cho
mỗi giá trị là giá trị riêng của A. Vectơ C được gọi là vectơ triêng của A tương ứng với giá
trị riêng .
với bất kì số .
Ta thấy rằng
trong đó
Dó đó C1 là vectơ riêng của A tương ứng với giá trị riêng 0. C2 là vectơ riêng của A tương
ứng với giá trị riêng -4 , C3 là vectơ riêng của A tương ứng với giá trị riêng 3.
Lệu có thể tìm được tất cả các giá trị riêng trên không. Trong phần tiếp theo sẽ thảo luận về
điều này.
Cho ma trận vuông A có cấp n, số là giá trị riêng nếu và chỉ nếu tồn tại một vectơ C khác 0
sao cho
Chúng ta cũng biết rằng hệ này có một nghiệm nếu và chỉ nếu ma trận hệ số khả nghịch, tức
là
cho nghiệm là giá trị riêng của A. Phương trình này được gọi là phương trình đặc trung hay đa
thức đặc trưng của A. Đó là hàm đa thức bậc n. Ta biết rằng phương trình này có nhiều nhất n
nghiệm. Do đó ma trận vuông A cấp n sẽ có không quá n giá trị riêng.
Nên giá trị riêng của D a là a, b, c, và d, là các phần tử trên đường chéo.
Kết quả này là đúng cho mọi ma trận chéo có cấp tùy ý. Nên tùy thuộc vào giá trị trên đường
chéo, bạn có thể có mọt, hai hay nhiều hơn các giá trị riêng.
Nhận xét. Thật là tuyệt vời khi thấy rằng ma trận A có cùng giá trị riêng với ma trận chuyển
vị AT của nó bởi vì
Số (a+d) được gọi là vết A (denoted tr(A)), và rõ ràng số (ad-bc) là định thức của A. Nên đa
thức đặc trưng của A có thể được viết lại như sau
Ta có
Ta dẫn đến
Phương trình này được gọi là định lí Cayley-Hamilton . Nó đúng cho mọi ma trận vuông có
cấp tùy ý.
Ta có một số tính chất của các giá trị riêng của một ma trận.
Định lí. Cho A là ma trận vuông cấp n. Nếu là một giá trị riêng của A, thì:
1.
3.
A không khả nghịch nếu và chỉ nếu là một giá trị riêng của A.
4.
5.
Nếu A và B là đồng dạng nhau, then they have thì chúng có cùng đa thức đặc trưng
(điều này đãn đến có cùng giá trị riêng).
Câu hỏi tự nhiên tiếp theo là tìm vectơ riêng. Trong phần tiếp theo sẽ thảo luận về vấn đề tìm
vectơ riêng.
Co ma trận A vuông cấp n và là một giá trị riêng của nó. X là vectơ riêng của A ứng với
. Ta phải có
Đây là hệ phương trình tuyến tính với ma trận hệ số là . Bởi vì vectơ 0 alf một
nghiệm, hệ này có nghiệm. Thật vậy, ta sẽ đề cập trong trang khác là ccấu trúc nghiệm của hệ
là phong phú. Trong phanà này ta thảo luận vần đề có bản là tìm nghiệme.
Nhận xét. Khá dễ dàng để thấy rằng nếu X là một vectơ thỏa mãn , thì vectơ Y =
c X (cho mọi số c tùy ý) thỏa mãn cùng phương trình . Nói cách khác, nếu ta biết
X là một vectơ riêng, thì cX cũng là một vectơ tương ứng với cũng vectơ riêng.
Suy ra
Nếu ta khai triên định thức này theo cột thứ ba, ta được
1.
Trường hợp : Vectơ riêng tương ứng được cho bởi hệ phương trình tuyến tính
Có nhiều cách để giải hệ phương trình này. Phương trình thứ ba là đồng nhất với
phương trình đầu . Vì vậy, từ phương trình thứ hai, ta có y = 6x, phương trình đầu dẫn
đến 13x + z = 0. Nên hệ này tương đương với
2.
Trong trường hợp này, ta sử dụng phương pháp khử để giải. Tước hết ta xét ma trận
bổ sung , đó là
Ta sử dụng phép biến đỏi trên dòng để nhận được ma trận chéo. Chuyển đổi các dòng
cho nhau ta được
Tiếp, ta lấy dòng đầu nhân với 5 cộng vào dòng thứ hai, nhân với 6 rồi cộng vào dòng
ba. Thu được
Nếu giản ước dòng thứ hai cho 8, dòng thứ ba cho 9, ta được
Tiếp, ta đặt z = c. Từ dòng thứ hai, nhận được y = 2z = 2c. dòng đầu nhạn được x =
-2y+3z = -c. Do vậy
Vì thế, bất kì vectơ riêng X của A tương ứng với giá trị riêng -4 được cho bởi
2.
Trường hợp : Giải chi tiết dành cho bạn đọc. Sử dụng mô tả tương tự trên, một
vectơ riêng X of A tương ứng với 3 được cho bởi
Nhận xét. Tổng quát, giá trị riêng của ma trận là tất cả các nghiệm phân biệt của phương
trình đặc trưng.
Do đó giá trị riêng của A là -1 và 8. Với giá trị riêng 8, dễ thấy rằng bất kì vectơ riêng X được
cho bởi
trong đó c là một số tùy ý. Ta tập trung vào giá trị riêng -1. Vectơ riêng tương ứng được cho
bởi hệ
Rõ ràng, phương trình thứ ba và hai tương đương với phương trình đầu . Nói cách khác hệ
này, hệ này tương đương với mọt phương trình
2x+y + 2z= 0.
ĐỂ giải nó, ta chọn hia số cố định trước và tìm số thứ ba. Ví dụ, nếu ta ðặt và ,
ta được . Do đó, bất kì vectơ riêng X của A tương ứng với giá trị riêng -1
cho bởi
Nói cách khác, với mọi vectơ riêng X của A ứng với giá trị riêng -1 là tôe hợp tuyến tính của
hai vectơ trên
Do đó ma trận A có một giá trị riêng -3. Ta tìm vectơ riêng tương ứng. Chúng được cho bởi
hệ phương trình tuyến tính
Hệ này tương đương với mọt phương trình duy nhất của hệ
x - y = 0.
Nên nếu đặt x = c, thì bất kì vectơ riêng X của A tương ứng với giá trị riêng -3 được cho bởi
Tóm tắt: Cho A là ma trận vuông cấp n. Giả sử là một giá trị riêng của A. Để tìm vectơ
riêng tương ứng, ta làm các bước sau:
1.
2.
3.
Viết lại vectơ X dưới dạng tổ hợp tuyến tính của các vectơ đữ biết.
Trong các ví dụ trên, giả sử rằng các giá trị riêng là số thực. Tổng quát, this is not the case
except for symmetric matrices.Chứng minh điều này là phức tập, chỉ dễ dàng với ma trận
vuông cấp 2.
Xét ma trận vuông đối xứng
Đây là phương trình bậc hai. Nghiệm phụ thuộc vào dấu của định thức
Do đó, là một số dương, suy ra giá trị riêng của A là nững số thực.
Nhận xét. Chú ý rằng ma trận A có một giá trị riêng, đó là nghiệm kép của phương trình, nếu
và chỉ nếu . Nhưng điều này chỉ có thể a=c và b=0. Nói cách khác, Ta có
A = a I2.
Phương trình bậc hai này có nghiệm phức được cho bởi
Bí quyết là chúng ta xem các giá trị riêng phức như là số thực. Nghĩa là chúng ta xem nó như
là một con số và làm các tính toán bình thường cho các vectơ riêng. Ta hãy xem nó được tính
toán như thế nào.
Với , các vectơ riêng tương ứng được cho bởi hệ phương trình tuyến tính tính.
A X = (1+2i) X
Thực ra, hai phương trình trên là đồng nhất vì (2+2i)(2-2i) = 8. Vì vậy, hệ phương trình giảm
xuống còn một phương trình
(1-i)x - y = 0
Nhận xét. Rõ ràng là mong đợi có các phần tử phức trong các vectơ riêng .
Chúng ta thấy rằng (1-2i) cũng là một giá trị riêng của ma trận trên. Vì các phần tử của ma
trận A là số thực, khi đó ta dễ dàng chỉ ra rằng nếu là một giá trị riêng phức thì liên hợp
của nó cũng là một giá trị riêng. Hơn nữa, nếu X là một vectơ riêng của A tương ứng với
giá trị riêng , khi đó vector , có được từ X bằng thay số phức liên hợp của các phần tử
của X, là một vectơ riêng ứng với giá trị riêng . Vì vậy, các vectơ riêng các ma trận A ở
trên ứng với giá trị riêng (1-2i) được cho bởi
Tóm tắt: Cho A là một ma trận vuông. Giả sử là một giá trị riêng phức của A. Để tìm các
vectơ riêng tương ứng, ta làm theo các bước sau đây:
3. Viết lại vectơ X là tổ hợp tuyến tính của các vectơ chưa biết với các phần tử là số
phức.
4. Nếu A có phần tử là số thực thì số phức liên hợp cũng là một giá trị riêng. Các
vectơ riêng tương ứng được cho bởi các phương trình tương ứng, được tìm thấy trong
3, ta lấy liên hợp của các phần tử của vectơ rồi tổ hợp tuyền tính lại.
Nói chung, một ma trận vuông với các phần tử là những số thực vẫn có thể có giá trị riêng
phức. Điều này là bình thường. Ta có thể đặt câu hỏi liệu có tồn tại lớp các ma trận chỉ có giá
trị riêng thực. Điều này chỉ đúng với ma trận đối xứng. Chứng minh rất kỹ thuật và được trình
bày trong một trang khác. Nhưng đối với ma trận vuông cấp 2, chứng minh là khá dễ .
Chúng ta sẽ trình bày dưới đây.
Đây là một phương trình bậc hai. Nghiệm của nó (là những giá trị riêng của A) phụ thuộc vào
các dấu hiệu của biệt thức
Sử dụng các thao tác đại số, ta có
Vì là một số dương nên ta suy ra các giá trị riêng của A là các số thực.
Nhận xét. Lưu ý rằng ma trận A sẽ có một giá trị riêng, tức là phương trình đặc trưng có
nghiệm kép, nếu và chỉ nếu . Nhưng điều này chỉ xảy ra nếu a = c và b = 0. Nói
cách khác, ta có
A = a I2
Nói chung, một số ma trận không tương tự như ma trận đường chéo. Ví dụ, ta xét ma trận
tức là đồng dạng với . Vì vậy, chúng có cùng một phương trình đặc
trưng. Do đó A và D có cùng một giá trị riêng. Vì các giá trị riêng của D là các số trên đường
chéo, và giá trị riêng duy nhất của A là 2, nên ta phải có
Như vậy ta có, A = P-1DP = 2 I2, . Điều này là vô lý. Do đó, A không đồng dạng với ma trận
chéo.
Định nghĩa. Một ma trận chéo hóa được nếu nó là đồng dạng với một ma trận chéo.
Định lý. Cho A là một ma trận vuông cấp n . Giả sử rằng A có n giá trị riêng phân biệt. Khi
đó A là chéo hóa được. Hơn nữa, nếu P là ma trận với các cột C1, C2, ..., và Cn là n vectơ
riêng của A, khi đó ma trận P-1AP là ma trận chéo. Nói cách khác, ma trận A là chéo hóa
được.
Bài toán: Điều gì sẽ xảy ra với các ma trận vuông cấp n có ít hơn ít hơn n giá trị riêng?
Chúng ta có câu trả lời một phần cho bài toán này.
Định lý. Cho A là một ma trận vuông cấp n. Để biết được liệu A có chéo hóa được không,
chúng ta làm các bước sau:
trong đó, mỗi , i = 1, …, k , có thể là số thực hoặc số phức. Với mỗi i, lũy thừa ni
được gọi là số bội (đại số) của giá trị riêng .
3. Với mỗi giá trị riêng, tìm các vectơ riêng tương ứng. Chẳng hạn, với các giá trị riêng
, các vectơ riêng tương ứng được cho bởi hệ phương trình tuyến tính
Sau đó giải hệ trên, ta sẽ tìm được vectơ X chưa biết dưới dạng tổ hợp tuyến tính của
các vectơ, tức là
,
trong đó, , j = 1, …, m là các hằng số tùy ý .Số nguyên mi được gọi là số bội hình
học của .
4. Nếu với mỗi giá trị riêng số bội đại số bằng số bội hình học, khi đó ta có
điều này suy ra nếu ta đặt các vectơ riêng C, tìm được trong 3., cho tất cả các giá trị
riêng, ta sẽ có đúng n vectơ. Đặt P là ma trận vuông cấp n mà các cột là các vectơ
riêng C. Khi đó P là khả nghịch và
là một ma trận chéo với các phần tử trên đường chéo là các giá trị riêng của A. Vị trí
của các vectơ C ở trong P đồng nhất với vị trí của các giá trị riêng tương ứng trên
đường chéo của D. Điều này suy ra A đồng dạng với D. Vì vậy, A chéo hóa được.
Nhận xét. Nếu số bội đại số ni các giá trị riêng là bằng 1, khi đó rõ ràng là chúng ta
có mi = 1. Nói cách khác, ni = mi.
5. Nếu có giá trị riêng nào mà số bội đại số không bằng số bội hình học, khi đó A không
chéo hóa được.
Để biết được liệu A có chéo hóa được không, chúng ta thực hiện theo các bước như trên.
Như vậy, -1 là một giá trị riêng với số bội là 2 và -2 là một giá trị riêng với số bội là 1.
2. Để biết được liệu A có chéo hóa được không, ta chỉ quan tâm đến giá trị riêng -1. Thật
vậy, các vectơ riêng tương ứng vơi giá trị riêng -1, được cho bởi hệ
Vì số bội hình học của -1 là 2 bằng số bội đại số của nó. Vì vậy, ma trận A là chéo
hóa được. Để tìm ra P ma trận, chúng ta cần phải tìm vectơ riêng ứng vơi giá trị riêng
-2. Hệ phương trình tương ứng là
Đặt , khi đó ta có
Đặt
khi đó
khi đó
Chúng ta thấy rằng nếu A và B là đồng dạng, khi đó An có thể biểu diễn dễ dàng qua
Bn. Thật vậy, nếu ta có A = P-1BP, khi đó ta sẽ có An = P-1BnP. Đặc biệt, nếu D là một
ma trận chéo thì Dn dễ dàng tính được. Đây là một trong những ứng dụng của sự chéo
hóa ma trận. Trong thực tế, các bước giải trên có thể được sử dụng để tìm căn bậc hai
và căn bậc ba của một ma trận. Thật vậy, xét ma trận ở trên
Đặt
khi đó
Do đó A = P D P-1 Đặt
Khi đó ta có
B3 = A
Nói cách khác, B là một căn bậc ba của A.