Professional Documents
Culture Documents
1
* Ma trận chuyển vị. Ma trận chuyển vị của ma trận A = (a ij )m n là ma trận nhận được
từ ma trận A bằng cách đổi dòng thành cột và cột thành dòng.
Ký hiệu ma trận chuyển vị của ma trận A là AT. Như vậy AT = (aji)n m.
1 0 2
1 3 3 8 3 4 7
Ví dụ. A = 0 4 5 1 AT =
3 5 12
2 7 12 16
8 1 16
1.1.2 Ma trận vuông
a) Định nghĩa. Ma trận A được gọi là ma trận vuông nếu nó có số dòng bằng số cột:
a11 a12 a1n
a a a
A = 21 22 2n
, viết gọn lại là A = a ij
n
a n1 a n2 a nn
Khi đó, các phần tử a11, a22, …, ann được gọi là các phần tử nằm trên đường chéo
chính. Ta gọi tổng các phần tử trên đường chéo chính là vết của A, ký hiệu là Tr(A).
Tr(A) = a11 + a22 + … + ann.
b) Một số ma trận vuông đặc biệt: Cho ma trận vuông A = a ij
n
Ma trận đƣờng chéo: Ma trận A được gọi là ma trận đường chéo nếu mọi phần tử
ở ngoài đường chéo chính của A đều bằng 0 (tức là aij = 0, i j):
a11 0 ... 0
0 a ... 0
22
2
a11 a12 ... a1n
0 a ... a 2n
22
Ma trận đối xứng: Ma trận A được gọi là ma trận đối xứng nếu A nếu AT = A, tức
là:
a ij = a ji , i, j = 1, n .
5 3 2
Ví dụ. Ma trận 3 8 34 là ma trận đối xứng
2 34 45
1.2 Các phép toán cơ bản của ma trận
1.2.1 Phép cộng ma trận
Định nghĩa. Cho hai ma trận cùng cấp là A a ij và B bij . Tổng của A và B
mn mn
là một ma trận cùng cấp với A và B, ký hiệu là A + B, được xác định như sau:
A B a ij bij
mn
3 -4 7 2 15 6 3 + 2 -4 + 15 7 + 6 5 11 13
Ví dụ. + -1 -14 9 = 0 + (-1) 13 + (-14) 1 + 9 = -1 -1 10
0 13 1
Tính chất. Cho A a ij , B bij , C cij . Ta có
mn mn mn
1) Tính giao hoán: A + B = B + A.
2) Tính kết hợp: (A + B) + C = A + (B + C).
3) A + (O)mn = A.
1.2.2 Phép nhân vô hƣớng của ma trận với một số thực
Định nghĩa. Tích của một số thực k với một ma trận A a ij là một ma trận
mn
cùng cấp với A, kí hiệu là k.A, được xác định như sau
3
k.A k.a ij
n m
5 12 -7 11 3.5 3.12 3.(-7) 3.11 15 36 -21 33
Ví dụ. 3 2 0 9 -1 = 3.2 3.0 3.9
3.(-1) = 6 0 27 -3
6 -21 4 8 3.6 3.(-21) 3.4 3.8 18 -63 12 24
Tính chất. Cho hai ma trận A a ij , B bij và các số thực , . Ta có
mn mn
1) (A) = (A) = (. )A .
2) (A + B) = A + B.
3) ( + )A = A + A.
4) 1.A = A, 0.A = (O)mn
Định nghĩa. Cho ma trận A a ij . Khi đó ma trận (1)A a ij được gọi là ma
mn mn
trận đối của ma trận A, kí hiệh là –A.
Ta có A + (-A) = (O)mn.
Định nghĩa. Cho hai ma trận cùng cấp là A a ij và B bij . Hiệu của A và B
mn mn
là một ma trận cùng cấp với A và B, ký hiệu là A - B, được xác định như sau:
A B A B a ij bij a ij bij
mn mn
5 6 1 3 6 3
Ví dụ. .
7 8 2 6 5 2
1.2.3 Tích của hai ma trận
a) Định nghĩa. Tích của ma trận A a ij với ma trận B bij là một ma trận có
mk k n
cấp là m n , ký hiệu A.B = cij , trong đó các phần tử c ij được xác định như sau:
pq
c ij = cij a i1b1j a i2b2 j ... a ik bkj , i = 1, m , j = 1, n
Chú ý. +) Từ định nghĩa trên, ta thấy điều kiện để tồn tại tích A.B là số cột của ma trận
của A phải bằng số dòng của ma trận B.
+) Ma trận tích A.B có số dòng bằng số dòng của A và số cột bằng số cột của B.
2 1 3 -8
7 -3 4 11
Ví dụ 1. Cho A = , B = 4 2 -3 . Tính AB và BA (nếu có).
1 0 5 0 6 13 -5
Khi đó ma trận tích A.B gồm các phần tử
c11 = 7.2 + (-3).(-11) + 4.0 = 47;
c12 = 7.1 + (-3).4 + 4.6 = 19;
c13 = 7.3 + (-3).2 + 4.13 = 67;
c14 = 7.(-8) + (-3).(-3) + 4.(-5) = -67;
c21 = 1.2 + 0.(-11) + 5.0 = 2;
c22 = 1.1 + 0.4 + 5.6 = 31;
c23 = 1.3 + 0.2 + 5.13 = 68;
c24 = 1.(-8) + 0.(-3) + 5.(-5) = -33.
Vậy,
4
47 19 67 -67
A.B =
2 31 68 -33
BA không tồn tại.
b) Tính chất. Cho các ma trận A, A' có cấp là m n (A, A' M(m,n), B, B' có cấp là
n p (B, B' M(n, p), C có cấp là ps (C M(p, s) và số K (K = R; C)
1) Tính kết hợp: (A.B).C = A.(B.C)
2) Tính phân phối đối với phép cộng: (A + A').B = A.B + A'.B
A.(B + B') = A.B + A.B'
3) (A)B = A(B) = (AB)
4) Với En, Em lần lượt là các ma trận đơn vị có cấp là m và n:
A.En = Em.A = A
2 0 6 5
Ví dụ. Cho A = , B = 4 . Tính A.B và B.A. So sánh hai ma trận A.B và B.A?
1 3 0
Ta có
2.(6) + 0.4 2.5 + 0.0 12 10
A.B = =
(-1).(-6) + 3.4 (-1).5 + 3.0 18 5
6.2 + 5.(-1) -6.0 + 5.3 17 15
B.A = =
4.2 + 0.(-1) 4.0 + 0.3 8 0
Vậy A.B ≠ B.A
Chú ý. Ví dụ trên chứng tỏ phép nhân ma trận không có tính chất giao hoán.
Định nghĩa. Cho hai ma trận A và B. Nếu AB = BA thì ta nói hai ma trận A và B là giao
hoán với nhau.
Dưới đây ta chỉ ra một trường hợp quan trọng mà ở đó phép nhân có tính chất giao
hoán.
Định nghĩa. Ma trận vô hướng là ma trận vuông có mọi phần tử nằm trên đường chéo
chính bằng nhau và khác 0 còn các phần tử khác đều bằng 0.
k 0 ... 0 1 0 ... 0
0 k ... 0 0 1 ... 0
D= = k = kE.
... ... ... ... ... ... ... ...
0 0 ... k 0 0 ... 1
Định lý.
Ma trận vô hướng luôn giao hoán với một ma trận vuông cùng cấp bất kỳ:
D.A = (kE)A = k(EA) = k(AE) = A(kE) = AD
Ma trận D giao hoán được với mọi ma trận vuông cùng cấp thì ma trận D là ma trận
vô hướng.
1 2
Ví dụ. Cho A
1 1
d 0
a) Chứng tỏ ma trận D = giao hoán với A.
0 d
b) Tìm tất cả các ma trận giao hoán vơi A.
2x y 2x
Đáp án. b)
x y
GV: Nguyễn Dương Nguyễn, BM Toán, Khoa Cơ bản, FTU
5
c) Lũy thừa của ma trận: Cho ma trận vuông A và k N*:
Ak = A.A...A
.
k lÇn
Đặc biệt: E = E, k N*
k
Quy ước: A0 = E.
1 3
Ví dụ 1. Cho ma trận A và f(x) = x2 – 4x – 12. Tính f(A).
5 3
1 1
Ví dụ 2. Cho ma trận B . Tính Bn.
0 1
cosα -sinα
Ví dụ 3. Cho A . Tìm An.
sinα cosα
Ví dụ 4. Cho A là ma trận đường chéo cấp n:
a1 0 ... 0
0 a ... 0
A= 2
n
n 1
n
n 1
(A B) C A C A B ... C AB
n 0 n 1
n
n 1
C B Ckn A n k Bk
n
n
n
k 0
Việc tìm ma trận An thường rất khó khăn. Chúng ta thường tìm được ở một số lớp
ma trận đặc biệt, chẳng hạn ma trận chéo hoá được (mà ta sẽ trình bày trong chương 5).
Ngoài ra ta có thể phân tích ma trận A thành tổng hai ma trận B và C sao cho B là ma trận
vô hướng, còn C là ma trận dễ dàng tìm được Ck, k = 1, 2, …, n rồi sử dụng khai triển nhị
thức Niu tơn.
GV: Nguyễn Dương Nguyễn, BM Toán, Khoa Cơ bản, FTU
6
3 1
Ví dụ 1. Cho A . Tìm An
0 3
3 0 0 1
Giải. A = BC
0 3 0 0
3k 0 0 0
B , Ck , k 2
k
k
0 3 0 0
A (B C) Cn B Cn B C C2n Bn 2C2 ... Bn nBn 1C
n n 0 n 1 n 1
3n0 n3n 1 0 0 1
=
n
0 3 0 n3n 1 0 0
3n 0 0 n.3n 1
= n
0 3 0 0
3n n3n 1
=
0 3n
4 1
Ví dụ 1. Cho A . Tìm An
0 3
3 0 1 1
Giải. A = BC
0 3 0 0
1 1
Ck C, k 1
0 0
d 0 1 1 d d
Xét
0 d 0 0 0 0
n n
A n (B C) n Ckn Bn k Ck Bn Ckn Bn k C
k 0 k 1
3 0 n k 3
n n k
3
n k
= n
Cn
0 3 k 1 0 0
n n
3n 0 Ckn 3n k C 3 k n k
= n
k 1 n
k 1
0 3
0 0
n k n k n
= C 3 n k
Cn 3 k
n 3n
k 0 k 0
0 3n
4n 4n 3n
=
0 3n
1.3 Định thức
1.3.1 Hoán vị và nghịch thế
1) Hoán vị: Một hoán vị của n số tự nhiên đầu tiên 1, 2, …, n là một cách sắp xếp n số tự
nhiên đó theo một thứ tự xác định.
GV: Nguyễn Dương Nguyễn, BM Toán, Khoa Cơ bản, FTU
7
Tập n số tự nhiên đầu tiên có n! hoán vị.
Một hoán vị của n số tự nhiên đầu tiên được biểu diễn dưới dạng
{1, 2, …, 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.
2) Nghịch thế: Xét một hoán vị {1, 2, …, n} của n số tự nhiên đầu tiên. Ta gọi cặp
số {i, j} là một nghịch thế của hoán vị {1, 2, …, n} nếu i đứng trước j trong hoán vị
{1, 2, …, n} (tức là i < j) nhưng i > j.
Kí hiệu N{1, 2, …, n} là số nghịch thế của hoán vị {1, 2, …, n}.
Dấu của hoán vị {1, 2, …, n}, kí hiệu là sign{1, 2, …, n}, được xác định như
sau:
1, nÕu N{1 , 2 , ..., n} ch½n
sign{1, 2, …, n} = (-1)N{1, 2, …, n} =
-1, nÕu N{1 , 2 , ..., n} lÎ
Ví dụ. Với 3 số 1, 2, 3 ta lập được 3! = 6 hoán vị là:
{1, 2, 3}, {1, 3, 2}, {2, 1, 3}, {2, 3, 1}, {3, 1, 2}, {3, 2, 1}
Ta thấy
N{1, 2, 3} = 0 sign{1, 2, 3} = 1.
N{1, 3, 2} = 1, nghịch thế đó là {3, 2} sign{1, 3, 2} = -1.
N{2, 1, 3} = 1, nghịch thế đó là {2, 1} sign{2, 1, 3} = -1.
N{2, 3, 1} = 2, các nghịch thế đó là {2, 1}, {3, 1} sign{2, 3, 1} = 1.
N{3, 1, 2} = 2, các nghịch thế đó là {3, 1}, {3, 2} sign{3, 1, 2} = 1.
N{3, 2, 1} = 3, các nghịch thế đó là {3, 2}, {3, 1}, {2, 1} sign{3, 2, 1} = -1.
Định lý. Trong một hoán vị, nếu ta đổi vị trí hai phần tử cho nhau và giữ nguyên vị trí các
phần tử còn lại thì số nghịch thế sẽ tăng hoặc giảm đi một số lẻ lần.
Hệ quả. Trong số các hoán vị của n số tự nhiên đầu tiên, số các hoán vị có số nghịch thế
n!
chẵn bằng số các hoán vị có số nghịch thế lẻ và bằng .
2
1.3.2 Định thức của ma trận vuông
1) Định nghĩa. Cho ma trận vuông A = (a ij )n×n, ta gọi định thức của A là tổng
sign{ , , ..., }a
1 2 n 11 a 22 ...a nn
trong đó tổng trên lấy theo tất cả các hoán vị của 1, 2, …, n. Như vậy, định thức của
ma trận vuông A cấp n là tổng của n! số hạng, mỗi số hạng là tích của n phần tử của A lấy
trên n dòng và n cột khác nhau, với dấu là dấu của các hoán vị lập thành từ các chỉ số cột.
a11 a12 ... a1n
a 21 a 22 ... a 2n
Định thức của ma trận A được ký hiệu là det(A) hay |A| hay .
... ... ...
a n1 a n2 ... a nn
* Nếu det(A) ≠ 0, ta nói ma trận A không suy biến; nếu det(A) = 0, ta nói ma trận A suy
biến.
2) Định thức của ma trận vuông cấp 3
8
a11 a12 a13
A = a 21 a 22 a 23
a 31 a 32 a 33
Theo Ví dụ ở mục 2.5.1 các hoán vị của {1, 2, 3} là:
{1, 2, 3} có sign{1, 2, 3} = 1.
{1, 3, 2} có sign{1, 3, 2} = -1
{2, 1, 3} có sign{2, 1, 3} = -1.
{2, 3, 1} có sign{2, 3, 1} = 1.
{3, 1, 2} có sign{3, 1, 2} = 1.
{3, 2, 1} có sign{3, 2, 1} = -1.
Khi đó
det(A) = sign{1, 2, 3}a11a22a33 + sign{1, 3, 2}a11a23a32 + sign{2, 1, 3}a12a21a33 +
+ sign{2, 3, 1}a12a23a31 + sign{3, 1, 2}a13a21a32 + sign{3, 2, 1}a13a22a31
= a11a22a33 - a11a23a32 - a12a21a33 + a12a23a31 + a13a21a32 - a13a22a31
Quy tắc Xariut để tính định thức cấp 3:
- - -
a11 a12 a13 a11 a12
a 21 a 22 a 23 a 21 a 22
a 31 a 32 a 33 a 31 a 32
+ + +
2 3 1
Ví dụ 1. Tính định thức của ma trận cấp 3 sau: 3 1 5
1 4 3
Ví dụ 2. Chứng minh rằng
a11 a12 a13 a11 0 0
a) 0 a 22 a 23 = a11.a22.a33 b) a 21 a 22 0 = a11.a22.a33
0 0 a 33 a 31 a 32 a 33
a11 0 0 a11 a12 a1n
a 21 a 22 0 0 a 22 a 2n
Tổng quát: = = a11a22…ann.
a n1 a n2 a nn 0 0 a nn
Ví dụ 3. Tính các định thức sau:
1 0 1 i 1 1 α
2π 2π
a) 0 1 i b) 1 1 α 2 , α cos isin
3 3
1 i i 1 α2 α 1
Giải.
9
1 0 1 i
a) 0 1 i = 1 – (1 – i)(1 + i) + i2 = 1 – (1 – i2) + i2 = 1 – 2 – 1 = -2.
1 i i 1
1 1 α
1 α 2 = 1 + + - - – 1 = - 2 +
4 2 3 3 4 3 2
b) 1
α2 α 1
Chú ý:
+ Công thức MOAVRE: cosβ+isinβ cosnβ+isinnβ
n
a
Đặt a = rcos, b = rsin r a 2 b2 , 0 π , cos = ,
a 2 b2
b
sin = , ký hiệu = argz: định trị chính của acgumen của z (Argz)
a 2 b2
z = r(cos + isin)).
Theo công thức MOAVRE, ta có
2
10
a12 a12
a 21 a 22
3 -1
Ví dụ. Tính .
4 5
Giải. Ta có
3 -1
= 3.5 – (-1).4 = 19.
4 5
3) Định thức của ma trận vuông cấp 1
Nếu A = (a): Vì {1} chỉ có một hoán vị là {1}: không có nghịch thế sign{1} = 1
|A| = a11 = a.
1.3.3 Các tính chất của định thức
Tính chất 1. det(A) = det(AT)
1 2 1 3
Ví dụ. 10, 10.
3 4 2 4
Chú ý. Do tính chất 1, mọi tính chất của định thức đúng cho dòng thì cũng đúng cho cột
và ngược lại.
Tính chất 2. Nếu đổi chỗ hai cột (hoặc hai dòng) cho nhau và giữ nguyên các cột (các
dòng) còn lại thì định thức đổi dấu.
Chứng minh. Nếu đổi chỗ hai cột cho nhau thì mọi hoán vị được lập nên từ các chỉ số cột
của ma trận của định thức sẽ có hai phần tử bị đổi chỗ cho nhau. Do đó, mọi hoán vị đó sẽ
đổi dấu. Do đó định thức sẽ đổi dấu.
a1 b1 c1
Ví dụ: Giả sử a 2 b2 c 2 α . Tính các định thức sau
a3 b3 c3
a3 b3 c3 b1 c1 a1
a) a 2 b2 c2 b) b 2 c2 a2
a1 b1 c1 b3 c3 a3
Hệ quả. Nếu định thức có hai dòng (hoặc hai cột) giống nhau thì định thức đó sẽ bằng 0.
1 2 5 1 2 1
Ví dụ. 7 3 12 0 ; 7 3 7 0.
1 2 5 1 2 1
Tính chất 3. Nếu ta nhân tất cả các phần tử của một dòng (hoặc một cột) của định thức với
cùng một số k thì định thức mới thu được bằng k lần định thức cũ.
Chứng minh. Ta chứng minh tính chất đó đúng khi ta nhân số k vào dòng một, việc chứng
minh tính chất đó cho dòng bất kỳ hoàn toàn tương tự.
Giả sử ma trận B = (bij)n×n nhận được từ ma trận A khi các phần tử của dòng 1 được
nhân với số k, khi đó
det(B) = sign{1 , 2 , ..., n}b1 b2 ...bn1 2 n
11
= sign{ , , ..., }(ka
1 2 n 11 )a 22 ...a nn
= k sign{ , , ..., }a
1 2 n a
11 2 2 ...a nn = kdet(A).
a1 b1 c1
Ví dụ 1. Giả sử a 2 b2 c 2 α . Tính các định thức sau
a3 b3 c3
a1 5b1 c1 a1 b1 c1
a) a 2 5b 2 c2 b) a2 b2 c2
a3 5b3 c3 3a 3 3b3 3c3
Ví dụ 2. Cho A là ma trận vuông cấp n có det(A) = và B = -A. Tính det(B).
Ví dụ 3. Cho A là ma trận vuông cấp n, với n là một số lẻ và At = -A. Tính det(A).
Hệ quả 1. Khi các phần tử của một dòng (hoặc một cột) có một thừa số chung, ta có thể
đưa thừa số đó ra ngoài định thức.
6 8 20 3 4 10
Ví dụ. 42 28 35 2.7.9 6 4 5 22680
27 36 135 3 4 15
Hệ quả 2. Một định thức có hai dòng (h0ặc hai cột) tỉ lệ với nhau thì bằng 0.
1 3 7
Ví dụ. 3 9 12 0.
6 18 14
Tính chất 4. Khi các phần tử của một dòng (hay một cột) có dạng tổng của hai số hạng thì
định thức có thể phân tích thành tổng của hai định thức.
Chứng minh. Tương tự như Tính chất 3, ta chứng minh tính chất trên đúng với dòng một.
Giả sử a1j = a'1j + a"1j. Khi đó, ta có
det(A) = sign{1 , 2 , ..., n}(a1' + a1" )a 2 ...a n 1 1 2 n
= sign{ , , ..., }a
1 2 n
'
a
11 2 2 ...a nn + sign{ , , ..., }a
1 2 n
"
a
11 2 2 ...a nn
= det(A') + det(A").
Ví dụ. Chứng minh rằng:
a1 b1x a1 b1x c1 a1 b1 c1
a 2 b 2 x a 2 b 2 x c 2 2x a 2 b2 c2
a 3 b3 x a 3 b3 x c3 a3 b3 c3
Hệ quả. Nếu định thức có một dòng (hoặc một cột) là tổ hợp tuyến tính của các dòng khác
(hay của các cột khác) thì định thức ấy bằng 0.
a b ax+by
Ví dụ. a1 b1 a1x b1y 0, víi mäi x, y R
a 2 b2 a 2 x b2 y
Tính chất 5. Nếu cộng vào một cột (hoặc dòng) một tổ hợp tuyến tính của các cột (hoặc
các dòng) khác thì định thức không đổi.
GV: Nguyễn Dương Nguyễn, BM Toán, Khoa Cơ bản, FTU
12
Ví dụ. Biết rằng các số 204, 527, 255 chia hết cho 17. Hãy chứng minh
2 0 4
5 2 7
2 5 5
chia hết cho 17.
Giải. Giả sử 204 = 17k1, 527 = 17k2, 255 = 17k3. Ta có
2 0 4 C1100C210 C3 2 0 2 100 + 0 10 + 4 2 0 204 2 0 17k1 2 0 k1
5 2 7 5 2 5 100 + 2 10 + 7 5 2 527 5 2 17k 2 17. 5 2 k 2 17
2 5 5 2 5 2 100 + 5 10 + 5 2 5 255 2 5 17k 3 2 5 k3
=
Vậy định thức đã cho chia hết cho 17.
Hệ quả. Khi ta nhân một số k vào một dòng (hoặc một cột) của định thức rồi cộng với một
dòng (hoặc một cột) khác thì ta được định thức mới bằng định thức cũ.
Ví dụ. Tính
3 4 10
6 4 5
3 4 15
Giải. Ta có
3 4 10 D1( 2) D2D2 3 4 10
D1( 1) D3D3
6 4 5 0 12 15 3(12)5 180.
3 4 15 0 0 5
Tính chất 6. Một định thức có một dòng (hoặc một cột) mà tất cả các phần tử trên dòng
(hoặc cột) đó bằng 0 thì định thức đó bằng 0.
0 7 2
Ví dụ. 0 6 3 0.
0 5 8
1.3.4 Một số phƣơng pháp tính định thức
1. Phƣơng pháp khai triển theo một dòng hoặc một cột
Cho ma trận A = [aij]nn. Kí hiệu ij là định thức của ma trận thu được từ ma trận A
bằng cách bỏ đi dòng thứ i và cột thứ j (dòng và cột chứa phần tử a ij ) và gọi
A ij = (-1) i + j ij là phần bù đại số của a ij .
2 3 1
Ví dụ. Cho A 3 1 5 . Tính A21 và A32.
1 4 3
Định lý. Với mỗi dòng i bất kỳ ta luôn có:
n n
= (1)i j a ijij =
j1
a A
j1
ij ij (Công thức khai triển theo dòng i)
Với mỗi cột j bất kỳ ta luôn có
13
n n
= (1)
i 1
i j
a ij ij = a A
i 1
ij ij (Công thức khai triển theo cột j)
Ý nghĩa: Định lý trên cho phép ta tính định thức cấp cao qua các định thức cấp thấp.
Chú ý. +) Ta thuờng khai triển theo dòng hoặc theo cột chứa nhiều số 0 nhất.
+) Để việc tính toán khỏi cồng kềnh, ta nên biến đổi về định thức có một dòng (hoặc một
cột) nào đó chỉ còn lại một phần tử khác 0, sau đó khai triển theo dòng (hoặc cột đó).
3 2 4 2
4 3 2 1
Ví dụ 1. Tính định thức: D =
0 2 1 5
4 1 3 3
Đáp án: D = -57.
1 x1 1 1 1
1 1 x2 1 1
Ví dụ 2. Cho ma trận A = , trong đó x1, x2, x3, x4 là các nghiệm
1 1 1 x3 1
1 1 1 1 x4
của đa thức f(x) = x4 – x + 1. Tính det(A).
1 1 ... 1
x1 x2 ... x n
Ví dụ 3. Tính định thức: Wn = (Định thức Wandermon)
...
x1n 1 x 2n-1 ... x n-1
n
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
Wn =
...
0 x 2n-2 (x 2 - x1 ) ... x n-2
n (x n - x1 )
14
1 1 ... 1
x 2 - x1 x3 - x1 ... x n - x1
+ (-1)n+1.0.
...
x 2n-3 (x 2 - x1 ) x2n-3 (x3 - x1 ) ... x nn-3 (x n - x1 )
x 2 - x1 x3 - x1 ... x n - x1
x 2 (x 2 - x1 ) x3 (x 3 - x1 ) ... x n (x n - x1 )
=
...
x 2n-2 (x 2 - x1 ) x3n-2 (x3 - x1 ) ... x nn-2 (x n - x1 )
1 1 ... 1
x2 x3 ... x n
= (x2 – x1)(x3 – x1) …(xn – x1) = (x2 – x1)(x3 – x1) …(xn – x1)Wn-1
...
x n2 2 x 3n-2 ... x n-2
n
Trong đó Wn-1 là định thức Wandermon cấp n – 1 không chứa x1. Tiến hành liên tiếp
các bước như trên ta được
Wn = (x j - x i )
1i j n
1 2 4 8
1 -3 9 -27
Ứng dụng. Tính định thức sau:
1 4 16 64
1 5 25 125
Hệ quả. Cho ma trận A cấp n: A = a ij nn . Khi đó, ta có
de(A), nÕu i j
a i1A j1 a i2 A j2 ... a in A jn
0, nÕu i j
de(A), nÕu i j
a1i A1j a 2i A 2 j ... a ni A nj
0, nÕu i j
2. Phƣơng pháp biến đổi về dạng tam giác
a11 0 0 a11 a12 a1n
a a 22 0 0 a 22 a 2n
Nhắc lại: 21 = = a11a22…ann.
a n1 a n2 a nn 0 0 a nn
và dựa vào tính chất: "Khi ta nhân một số k vào một dòng (hoặc một cột) của định thức rồi
cộng với một dòng (hoặc một cột) khác thì ta được định thức mới bằng định thức cũ".
1 2 3 4
2 3 4 1
Ví dụ 1. Tính định thức
3 4 1 2
4 1 2 3
15
x a a a
a x a a
Ví dụ 2. Tính định thức D =
a a x a
a a a x
3. Phƣơng pháp truy hồi: Giả sử ta biểu diễn được định thức cấp n là Dn dưới dạng
Dn = pDn-1 + qDn-2
TH q = 0: Dn = p D1.
n-1
a m1 a m2 a mn
16
và k N* và 1 k min{m,n}.
Định nghĩa. Một định thức con cấp k của ma trận A là định thức của ma trận con cấp k
của A được lập nên bởi các phần tử nằm trên giao của k dòng và k cột của ma trận A..
Nếu ma trận con cấp k của ma trận A là được lập nên từ phần giao của các dòng có
chỉ số 1 i1< i2 < … < ik n và các cột có chỉ số 1 j1 < j2 < … < jk n (khi xoá đi các
dòng các cột còn lại) thì định thức của nó được ký hiệu là D ij ij ...i... j .
1 2
1 2
k
k
2 -1 3 -2
Ví dụ 1. Xét ma trận A = 4 -2 5 1 . Ma trận A có
2 -1 1 8
Các định thức con cấp 1 của ma trận A là: D 11 = a11 = 2, D 12 = a12 = -1, D 13 = 3, …
Các định thức con cấp 2 của A là
2 -1 2 3
D12
12 = = 0, D1312 = = -2 0, …
4 -2 4 5
Ma trận A có tất cả 4 định thức con cấp 3 là
2 -1 3 2 -1 -2 2 3 -2 -1 3 -2
123 124 134 234
D123 = 4 -2 5 = 0, D 123 = 4 -2 1 = 0, D
123 = 4 5 1 = 0 , D123 = -2 5 1 = 0.
2 -1 1 2 -1 8 2 1 8 -1 1 8
Định nghĩa. Cấp cao nhất của các định thức con khác 0 của ma trận A được gọi là hạng
của ma trận A. Ký hiệu là r(A).
Quy ƣớc. Hạng của ma trận không bằng 0.
Ví dụ 2. Theo định nghĩa, ta có hạng của ma trận A cho trong Ví dụ 1 là bằng 2, tức là
r(A) = 2.
Định nghĩa 3. Nếu hạng của ma trận A bằng r thì các định thức con cấp r khác 0 của A
được gọi là các định thức con cơ sở của A.
1.4.2 Một số tính chất của hạng ma trận
Tính chất 1: Phép chuyển vị không làm thay đổi hạng của một ma trận, tức là hạng của
ma trận A bằng hạng của ma trận chuyển vị At: r(A) = r(AT).
Chứng minh. Dễ dàng suy ra từ định nghĩa hạng của một ma trận.
Tính chất 2. Với A và B là hai ma trận cùng cấp bất kỳ, ta luôn có:
r(A + B) r(A) + r(B)
Tính chất 3. Với A và B là hai ma trận bất kỳ sao cho tồn tại ma trận tích AB, ta luôn có:
r(AB) r(A); r(AB) r(B); r(AB) min{r(A);r(B)}
Tính chất 4. A và B là hai ma trận vuông cấp n thì r(A) r(B) r(AB) n .
Ví dụ. Chứng minh rằng nếu A là ma trận vuông cấp n với A2 = E thì
r(E+A)+r(E-A) = n.
CM. Ta có r(E A) r(E A) r(2E)=n . Mặt khác: r(E A) r(E A) r(E2 -A2 )+n = n .
Vậy r(E+A)+r(E-A) = n.
1.4.3 Một số phƣơng pháp tính hạng của ma trận
1) Tính hạng của ma trận A = [aij]mn theo định nghĩa (hay còn gọi là phương pháp
định thức bao quanh):
Giả sử s = min{m, n}
Tính các định thức con cấp s của A. Nếu tồn tại một định thức con cấp s khác 0 thì
r(A) = s. Ngược lại, ta tính các định thức con cấp s - 1. Nếu tồn tại một định thức con cấp s
GV: Nguyễn Dương Nguyễn, BM Toán, Khoa Cơ bản, FTU
17
– 1 khác 0 thì r(A) = s – 1. Ngược lại, ta tính tiếp các các định thức con cấp s - 2. Cứ tiếp
tục quá trình này sau một số hữu hạn bước ta sẽ tìm được hạng của ma trận A.
1 2 3
Ví dụ. Tính hạng của ma trận sau: A = 1 4 5
3 0 1
Cách tìm hạng của ma trận theo phương pháp trên trở nên khó khăn nếu cấp của ma
trận cần tính hạng là lớn, vì vậy ta sẽ đưa ra một cách tính đơn giản bằng các phép biến đổi
sơ cấp của ma trận.
2) Tính hạng của ma trận bằng các phép biến đổi sơ cấp:
Định nghĩa các phép biến đổi sơ cấp của ma trận: Các phép biến đổi sau được gọi là
các phép biến đổi sơ cấp trên dòng (cột) của ma trận:
- Đổi chỗ hai dòng (hoặc hai cột) của ma trận cho nhau.
- Nhân một dòng (hoặc một cột) với một số khác không.
- Nhân vào một dòng (hoặc một cột) với một số khác không rồi cộng vào một dòng khác
(hoặc một cột khác).
Định lý. Các phép biến đổi sơ cấp không làm thay đổi hạng của ma trận.
Định nghĩa ma trận bậc thang: Đó là những ma trận có 2 tính chất
i) Nếu ma trận có cả dòng khác không (tức là dòng chứa ít nhất một phần tử 0) và dòng
không (tức là có tất cả các phần tử bằng 0) thì các dòng khác không luôn ở trên các dòng
không .
ii) Trên hai dòng khác không, thì phần tử khác 0 đầu tiên ở dòng dưới bao giờ cũng ở bên
phải cột chứa phần tử khác 0 đầu tiên ở dòng trên.
Ví dụ: Các ma trận sau là các ma trận bậc thang:
1 -3 -7 9 5 -2 7 9 6 3 2
A = 0 0 8 5 , B = 0 3 6 -2 , C = 0 7 -2
0 0 0 4 0 0 0 0 0 0 4
Định lý. Hạng của một ma trận bậc thang bằng số dòng khác không của nó.
Cách tính hạng của ma trận: Vì các phép biến đổi sơ cấp không làm thay đổi hạng
của một ma trận nên để tính hạng của một ma trận ta dùng các phép biến đổi sơ cấp để đưa
ma trận đó về dạng ma trận bậc thang. Khi đó, hạng của ma trận bậc thang thu được chính
là hạng của ma trận cần tìm.
Ví dụ. Tính hạng của ma trận
8 -4 5 5 9 4 1 3 2
1 -3 -5 0 -7 8 2 6 4
a) A = b) B =
7 -5 1 4 1 3 1 4 2
3 -1 3 2 5 6 2 8 4
Giải. a)
18
8 -4 5 5 9 1 -3 -5 0 -7 1 -3 -5 0 -7
D1( 8) D2D2
1 -3 -5 0 -7 §æi D1 vµ D2 cho nhau 8 -4 5 5 9 D1
( 7) D3D3 0 20 45 5 65
D1( 3) D3D3
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) D3D3 0 8 18 2 26
§æi chç D2 vµ D4 cho nhau
D2( 5/ 2) D4D4
r(A) = 3.
0 16 36 4 50 0 0 0 0 -2
0 20 45 5 65 0 0 0 0 0
b) r(B) = 2.
1.5 Ma trận nghịch đảo
1.5.1 Khái niệm.
Định nghĩa. Cho A là ma trận vuông và E là ma trận đơn vị cùng cấp với A. Ma trận A
được gọi là khả nghịch nếu tồn tại ma trận B sao cho
A.B = B.A = E
Khi đó, B được gọi là ma trận nghịch đảo của ma trận A.
Nhận xét. Nếu A khả nghịch thì B cũng khả nghịch và A là ma trận nghịch đảo của B.
Định lí. Nếu ma trận vuông A có ma trận nghịch đảo thì nó chỉ có một ma trận nghịch đảo
duy nhất.
Chứng minh. Giả sử B và C là hai ma trận nghịch đảo của ma trận A. Theo định nghĩa, ta
có
AB = BA = E; AC = CA = E
C(AB) = CE (CA)B = C EB = C B = C.
Ma trận nghịch đảo của A ký hiệu là A-1.
Định nghĩa: Cho ma trận vuông cấp n: A = [aij]nn. Ma trận
A11 A 21 ... A n1
A A 22 ... A n2
A 12
*
, (trong đó Aij là phần bù đại số của phần tử aij của ma trận A)
... ... ... ...
A1n A 2n ... A nn
được gọi là ma trận phụ hợp của A.
1.5.2 Điều kiện tồn tại ma trận nghịch đảo:
Định lý. Ma trận vuông A khả nghịch detA 0 (A không suy biến ).
Tính chất. Nếu A có ma trận nghịch đảo thì:
1
det(A-1) = ; (A1 )1 A ; (AB)1 B1A1 ; (At )1 (A1 )t
det(A)
1.5.3 Một số phƣơng pháp tìm ma trận nghịch đảo:
1
a) Phƣơng pháp tìm ma trận nghịch đảo nhờ ma trận phụ hợp: A 1 A*
det(A)
Bước 1: Kiểm tra xem A có ma trận nghịch đảo hay không: A-1 det(A) ≠ 0.
Bước 2: Lập ma trận phụ hợp A* của A.
1
Bước 3: Tính ma trận nghịch đảo của A theo công thức A-1 = A* .
det(A)
Ví dụ. Tìm ma trận nghịch đảo của ma trận
19
2 1 -1
A = 0 1 3
2 1 1
Giải.
Bƣớc 1: Kiểm tra xem ma trận A có tồn tại ma trận nghịch đảo hay không:
2 1 -1
3 = 2 + 6 + 2 – 6 = 4 0 A
-1
det(A) = 0 1
2 1 1
*
Bƣớc 2: Lập ma trận phụ hợp A của ma trận A.
1 3 1 -1 1 -1
A11 = (-1)1+1 = -2; A21 = (-1)2+1 = -2; A31 = (-1)3+1 = 4;
1 1 1 1 1 3
0 3 2 -1 2 -1
A12 = (-1)1+2 =6; A22 = (-1)2+2 = 4; A32 = (-1)3+2 = -6;
2 1 2 1 0 3
2 1 2 1
A13 = (-1)1+3 0 1 = -2 A23 = (-1)2+3 =0 A33 = (-1)3+3 = 2.
2 1 2 1 0 1
Vậy
2 -2 4
A* = 6 4 -6
-2 0 2
Bƣớc 3: Tính ma trận nghịch đảo
2
4 1/ 2 -1/2 1
-2
A* = 6 4 -6 = 3/2 1 -3/2 .
-1 1 1
A =
det(A) 4
-2 0 2 -1/2 0 1/2
b) Tìm ma trận nghịch đảo bằng phƣơng pháp khử Gause-Jordan
Bước 1: Viết ma trận đơn vị E cùng cấp với ma trận A bên cạnh phía phải ma trận A được
ma trận mới [A|E]
Bước 2: Dùng các phép biến đổi sơ cấp trên dòng đối với ma trận mới này để đưa dần khối
ma trận A về ma trận đơn vị E, còn khối ma trận E thành ma trận B, tức là [A|E] [E|B].
Khi đó B chính là ma trận nghịch đảo của A.
Ví dụ. Tìm ma trận nghịch đảo của ma trận sau
2 1 -1
A = 0 1 3
2 1 1
Giải. .
20
2 1 -1 1 0 0
Bƣớc 1: [A|E] = 0 1 3 0 1 0
2 1 1 0 0 1
Bƣớc 2:
2 1 -1 1 0 0 2 1 -1 1 0 0
0 1 3 0 1 0 0 1 3 0 1 0
D1( 1) D3 D3
2 1 1 0 0 1 0 0 2 1 0 1
1
1 1/2 -1/2 1/ 2 0 0
D1 D1
1
1 1/2 0 1/ 4 0 1/ 4
2 D3 D1 D1
1
D 3 D 3
0 1 1 0 0 1 0 3/ 2 1 3/ 2
2
D ( 3) D 2 D 2
2
3 0 3
0 0 1 1/ 2 0 1/ 2 0 0 1 1/ 2 0 1/ 2
1 0 0 1/ 2 1/ 2 1
1
D 2( ) D1 D1
2
0 1 0 3/ 2 1 3/ 2 .
0 0 1 1/ 2 0 1/ 2
1/ 2 1/ 2 1
A = 3/ 2
-1
1 3 / 2 .
1/ 2 0 1/ 2
21
Chƣơng 2. Không gian vec tơ
22
7) (x + y) = x + y
8) 1.x = x
C vừa là không gian vectơ trên chính nó, vừa là không gian vectơ trên R.
Nhận xét. Ví dụ trên cho ta thấy, trường K là một không gian vectơ trên chính nó. Ở đây
phần tử của K vừa đóng vai trò là một vectơ, vừa là một vô hướng.
Ví dụ 2. Chứng minh rằng tập Rn là tập mà mỗi phần tử là một bộ gồm n số thực được sắp
xếp theo một thứ tự xác định (x1, x2, …, xn):
Rn = {x = (x1, x2, …, xn)|xi R, i = 1, n }.
cùng với hai phép toán được xác định như sau:
Phép cộng hai phần tử trong Rn: x = (x1, x2, …, xn), y = (y1, y2, …, yn) Rn thì
x + y = (x1 + y1, x2 + y2, …, xn + yn)
Phép nhân một số trong Rn với một phần tử trong truờng số thực:
x = (x1, x2, …, xn), R thì
x = (x1, x2, …, xn)
là một không gian vectơ trên trường số thực.
Chứng minh.
Trước hết, ta thấy với định nghĩa phép cộng và phép nhân với vô hướng như trên
thì:
x, y Rn x + y Rn
x Rn, R x Rn
Để chứng minh Rn là một không gian vectơ trên R với hai phép toán đã định nghĩa,
ta kiểm tra 8 tiên đề: x = (x1, x2, …, xn), y = (y1, y2, …, yn), z = (z1, z2, …, zn), , µ R,
1. Vì xi + yi = yi + xi, i = 1, n nên x + y = y + x
2. Vì (xi + yi ) + zi = xi + (yi + zi), i = 1, n nên (x + y) + z = x + (y + z)
3. Vì xi + 0 = 0 + xi = xi nên luôn = (0, 0, …, 0) Rn để x + = + x = x
4. Vì xi + (-xi) = (-xi) + xi = 0, nên luôn x’ = (-x1, -x2, …, -xn): x + x’ = x’ + x = 0.
5. Vì (µxi) = ( µ)xi, i = 1, n nên (µx) = ( µ)x
6. Vì ( + µ)xi = xi + µxi nên ( + µ)x = x + µx
7. Vì (xi + yi) = xi + yi, i = 1, n nên (x + y) = x + y
8. Vì 1.xi = xi, i = 1, n nên 1. x = x
Vậy, Rn cùng với hai phép toán xác định ở trên là một không gian vectơ trên R, ký
hiệu là (Rn, +, .). Từ nay về sau, để cho đơn giản ta ký hiệu là Rn.
Không gian vectơ Rn được gọi là không gian vectơ n thành phần thực. Mỗi phần tử
của Rn được gọi là một vectơ n thành phần.
Ví dụ 3. Cho K là môt trường số thực hoặc phức. Gọi Mmn là tập gồm tất cả các ma trận
cấp m n có các phần tử thuộc K. Khi đó Mmn cùng với hai phép toán: phép cộng hai ma
trận cùng cấp và phép nhân ma trận với một số trong K là một không gian vectơ trên
trường K, với phần tử trung hoà là ma trận không (0)mn, phần tử đối của A = [aij]mn là
-A = [-aij]mn.
Ví dụ 4. Cho C[a, b] = {f: [a, b] R| f liên tục trên [a, b]}. Trên C[a, b] ta định nghĩa hai
phép toán như sau:
(f + g)(x) = f(x) + g(x), f, g C[a, b]
23
( f)(x) = λf(x), f C[a, b]
Dễ dàng chứng minh được C[a, b] là không gian trên trường số thực R với phần tử trung
hoà là , với (x) = 0, x và phần tử đối của f C[a, b] là f’ C[a, b] với f’(x) = -f(x), x
[a, b].
Ví dụ 5. Cho K là môt trường số thực hoặc phức. Cho Pn là tập các đa thức với hệ số thuộc
K và có bậc ≤ n, n là một số nguyên dương xác định:
Pn = {p| p = anxn + an-1xn-1 + … + a1x + a0; ai K, i 0;n }
Trên Pn ta định nghĩa hai phép toán cộng và nhân như sau: Với p = anxn + an-1xn-1 + … +
a1x + a0; q = bnxn + bn-1xn-1 + … + b1x + b0λ R và λ K, ta có
p + q = (an + bn)xn + (an-1 + bn-1)xn-1 + …+ (a1 + b1)x + a0 + b0
p = (an)xn + (an-1)xn-1 + …+ (a1)x + a0
Dễ dàng chứng minh được Pn với hai phép toán ở trên là một không gian vectơ trên trường
K với phần tử trung hoà là đa thức không: = 0xn + 0xn-1 + …+ 0x + 0 và phần tử đối của
p = anxn + an-1xn-1 + … + a1x + a0 là p’ = -anxn – an-1xn-1 - … - a1x – a0.
Ví dụ 6. Cho tập V = {x R| x > 0}. V có là không gian vectơ trên R với các phép toán
định nghĩa như sau không?
a) Phép cộng và nhân vô hướng được định nghĩa như phép cộng và phép nhân số thực
thông thường.
b) Phép cộng được định nghĩa là phép nhân hai số thực thông thường:
x, y V: x + y = x.y
Phép nhân vô hướng với R được định nghĩa là phép nâng số dương x lên luỹ thừa :
x = x.
Giải.
a) Ta lấy x V và < 0 thì .x < 0 x V.
Vậy phép nhân vô hương không đóng kín trên E, nên với phép toán được định nghĩa
như trên V không phải là một không gian vectơ.
b) Dễ chứng minh được V cùng với hai phép toán định nghĩa ở trên là một không gian
vectơ.
Qua ví dụ này, ta thấy, một tập có thể không là không gian vectơ đối với hai phép
toán này nhưng lại là không gian vectơ đối với hai phép toán khác.
Ví dụ 7. Xét tập Qn là tập gồm các đa thức có bậc đúng bằng n, tức là:
Qn = {p| p = anxn + an-1xn-1 + … + a1x + a0; an ≠ 0}
với các phép toán định nghĩa như trong Pn.
Ta lấy
p = xn + an-1xn-1 + … + a1x + a0
q = -xn + bn-1xn-1 + … + b1x + b0
Ta thấy
p + q = (an-1 + bn-1)xn-1 + … + (a1 + b1)x + (a0 + b0) Qn
vì bậc của p + q nhỏ hơn n.
Vậy Qn không là không gian vectơ.
2.2 Tính chất của không gian vectơ
Mọi không gian vectơ V trên trường K (K là trường số thực hoặc phức) đều có tính
chất sau:
Tính chất 1. Phần tử trung hoà là duy nhất.
GV: Nguyễn Dương Nguyễn, BM Toán, Khoa Cơ bản, FTU
24
Chứng minh. Giả sử V có hai phần tử trung hoà là và '. Ta có:
' = ' + = + ' =
Tính chất 2. x V, phần tử đối của x là duy nhất.
Chứng minh. Giả sử x có hai phần tử đối là x' và x". Ta có
x" = x" + = x" + (x + x') = (x" + x) + x' = + x' = x'.
Khi đó, phần tử đối của x được kí hiệu là –x.
Tính chất 3. x, y V, tồn tại duy nhất vectơ z V sao cho x + z = y.
Chứng minh.
( ). x, y V, đặt z = y + (-x). Khi đó z V và
x + z = x + (y + (-x)) = (x + (-x)) + y = + y = y
Vậy tồn tại vectơ z V sao cho x + z = y.
(!). Giả sử tồn tại vectơ z' V sao cho x + z' = y x + z = x + z'
(-x) + x + z = (-x) + x + z' + z = + z' z = z'.
Vectơ z duy nhất thoả mãn x + z = y được gọi là hiệu của vectơ y và x, ký hiệu là
z = y – x.
Hệ quả. x, y, z V, nếu x + z = y + z thì x = y.
Tính chất 4. k K, x, y V ta có k(x – y) = kx – ky
Chứng minh. Ta có
k(x – y) + ky = k(x + (– y) + y) = kx k(x – y) = kx – ky
Tính chất 5. , K, x V, ta có ( - )x = x - x.
Chứng minh. Ta có
( - )x + x = ( - + )x = x ( - )x = x - x.
k = 0
Tính chất 6. Nếu k.x =
x =
Chứng minh.
1 1 1
() Giả sử kx = . Nếu k ≠ 0 tồn tại K (kx) = . = 1.x = x = .
k k k
() Nếu k = 0 kx = 0x = (k – k)x = kx – kx = .
Nếu x = kx = k = k(y – y) = ky – ky = .
Tính chất 7. x V, (-1)x = -x
Chứng minh. Ta có
x + (-1)x = (1 + (-1))x = (1 – 1)x = 0.x = .
2.3 Mối quan hệ tuyến tính giữa các vectơ:
Cho V là một không gian vectơ trên trường số K và một bộ phận U (hay còn gọi là
một hệ) các vectơ trong V. Không mất tính tổng quát, giả sử U = {u1, u2, …, um}
2.3.1 Khái niệm tổ hợp tuyến tính và phép biểu diễn tuyến tính
Định nghĩa. Với các số 1, 2, …, m K và các vectơ u1, u2, …, um U, biểu thức
m
u
i 1
i i = 1u1 + 2u2 + … + mum
được gọi là một tổ hợp tuyến tính của các vectơ trong hệ U.
Nhận xét. Một tổ hợp tuyến tính của các vectơ trong hệ U là một vectơ trong V.
25
m
Nếu x = u
i 1
i i thì ta nói vectơ x có biểu diễn tuyến tính qua các vectơ của hệ U hay
x là một tổ hợp tuyến tính của các vectơ của hệ U.
Ví dụ 1. Trong không gian vectơ V trên trường K, cho hệ vectơ {u1, u2, …, um}. Hãy biểu
diễn vectơ ui (i = 1, 2, …, m) qua các vectơ u1, u2, …, um.
Ví dụ 2. Trong R3, xét xem x có là tổ hợp tuyến tính của u1, u2 và u3 hay không?
a) u1 = (1, 3, -1), u2 = (-1, -2, 1), u3 = (2, 5, -1) và x = (1, 2, 2).
b) u1 = (4, 1, 6), u2 = (1, 0, 1), u3 = (2, 1, 4) và x = (1, 2, 3).
Ví dụ 3. Trong không gian Rn, cho hệ vectơ
{e1 = (1, 0, …, 0), e2 = (0, 1, 0, …, 0), …, en = (0, …, 0, 1).
Khi đó, mọi vectơ x = (x1, x2, …, xn) đều có biểu diễn tuyến tính theo các vectơ
e1, e2, …, en:
x = (x1, x2, …, xn) = x1(1, 0, …, 0) + x2(0, 1, 0, …, 0) + … + xn(0, …, 0, 1)
= x1e1 + x2e2 + … + xnen.
2.3.2 Sự độc lập tuyến tính và phụ thuộc tuyến tính
a) Định nghĩa.
Hệ vectơ U = {u1, u2, …, um} được gọi là hệ phụ thuộc tuyến tính nếu tồn tại các số
1, 2, …, m K, trong đó có ít nhất một số i ≠ 0 sao cho
m
u
iI
i i = (*)
Hệ vectơ U = {u1, u2, …, um} được gọi là hệ độc lập tuyến tính nếu nó không là hệ
phụ thuộc tuyến tính, tức là đẳng thức (*) chỉ xảy ra với 1 2 ... m 0 .
Ví dụ 1. Xét sự độc lập tuyến tính và phụ thuộc tuyến tính của các hệ vectơ sau
a) {u1 = (1, 2), u2 = (3, 4)}
b) {v1 = (4, -2, 6), v2 = (6, -3, 9)}
c) {w1 = (2, -3, 1), w2 = (3, -1, 5), w3 = (1, -4, 3)}
Giải.
32 0
a) Xét đẳng thức 1u1 2u2 1 1 2 0
1
2 4 2 0
hệ {u1 = (1, 2), u2 = (3, 4)} độc lập tuyến tính.
41 62 0
3
b) Xét đẳng thức 1v1 2v2 21 32 0 21 32 0 1 2 .
6 9 0 2
1 2
hệ {w1 = (2, -3, 1), w2 = (3, -1, 5), w3 = (1, -4, 3)} độc lập tuyến tính.
Ví dụ 2. Trong không gian vectơ Rn, bằng phương pháp tương tự như trên ta chứng minh
được hệ vectơ {e1 = (1, 0, …, 0), e2 = (0, 1, 0, …, 0), …, en = (0, …, 0, 1)} là độc lập tuyến
tính.
GV: Nguyễn Dương Nguyễn, BM Toán, Khoa Cơ bản, FTU
26
b) Tính chất
Tính chất 1. Nếu hệ U chứa vectơ thì U là hệ phụ thuộc tuyến tính.
Chứng minh. Giả sử tồn tại uj = (j I). Khi đó, bộ số không đồng thời bằng không là
j 1
sao cho
i 0(i I , i j )
u
iI
i i u
iI,i j
i i j.u j 0u
iI,i j
i 1. .
u
iI,i j
i i (1)u j
27
tồn tại bộ số không đồng thời bằng 0 là i (i I, i ≠ j) và j = -1 để
i u i .
iI
28
Chứng minh. Giả sử W = {u1, u2, …,us}, s m. Ta chỉ cần chứng minh tính biểu diễn
tuyến tính duy nhất của mọi vectơ của hệ U qua các vectơ V. Lấy vectơ x bất kỳ của hệ U.
s s
Giả sử x = λi u i (1) và x =
i 1
α u
i 1
i i (2). Lấy (1) trừ (2) ta được
s
(λ
i 1
i - α i )u i =
29
1 2 5-1 1 2 5 -1
0 -1 2 2 0 -1 2 2
D1 ( 1) D 3 D 3
D1 ( 1) D 4 D 4
A = 1
4 1 -5
D1 ( 1) D 5 D 5
0 2 -4 -4
1 3 3 -3 0 1 -2 -2
1 0 9 3 0 -2 4 4
1 2 5 -1
0 -1 2 2
D 2 2 D3 D3
D 2 D 4 D 4
0 0
D 2( 2 ) D5 D5
0 0
0 0 0 0
0 0 0 0
30
5 4 3
3 3 2 = 5.3.3 + 4.2.8 + 3.3.1 – 8.3.3 – 1.2.5 – 3.3.4 = 0
8 1 3
{(5, 4, 3), (3, 3, 2), (8, 1, 3)} là phụ thuộc tuyến tính.
2.4.3. Cơ sở và số chiều của không gian vectơ
a) Định nghĩa
Định nghĩa 1. Giả sử V là không gian vectơ trên trường K. Một hệ vectơ U trong V được
gọi là một hệ sinh của V (hay hệ vectơ U sinh ra không gian vectơ V) nếu mọi vectơ của V
đều có biểu diễn tuyến tính theo hệ đó.
Ví dụ 1. Hệ vectơ {e1 = (1, 0, …, 0), e2 = (0, 1, 0, …, 0), …, en = (0, …, 0, 1)} là một hệ
sinh của không gian Rn vì mọi vectơ x = (x1, x2, …, xn) đều có biểu diễn:
x = x1e1 + x2e2 + … + xnen
Ví dụ 2. Mỗi hệ vectơ dưới đây có sinh ra R3 hay không?
(i) u1 = (1, 1, 1), u2 = (2, 2, 0), u3 = (3, 0, 0)
(ii) u1 = (3, 1, 4), u2 = (2, -3, 5), u3 = (5, -2, 9), u4 = (1, 4, -1)
Giải. Lấy một vectơ b = (b1, b2, b3) bất kỳ thuộc vào R3.
(i) Xét đẳng thức b = x1u1 + x2u2 + x3u3
(b1, b2, b3) = x1(1, 1, 1) + x2(2, 2, 0) + x3(3, 0, 0)
x1 2x 2 3x 3 b1
x1 2x 2 b2
x b3
1
b 2 b3 b b
Hệ trên luôn có nghiệm là x1 = b3, x2 = , x3 = 1 2 .
2 3
Vậy, với mọi vectơ b = (b1, b2, b3) R3 ta luôn có
b 2 b3 b b
b = b3u1 + u2 + 1 2 u3
2 3
tức là vectơ b luôn có biểu diễn tuyến tính qua u1, u2, u3.
Do đó, hệ vectơ {u1, u2, u3} sinh ra R3.
(ii) Tương tự, xét đẳng thức b = x1u1 + x2u2 + x3u3 + x4u4
(b1, b2, b3) = x1(1, 1, 1) + x2(2, 2, 0) + x3(3, 0, 0)
(b1, b2, b3) = x1(3, 1, 4) + x2(2, -3, 5) + x3(5, -2, 9) + x4(1, 4, -1)
3x1 2x 2 5x 3 x4 b1 (1)
x1 3x 2 2x 3 4x 4 b 2 (2)
4x 5x 9x 3 x4 b3 (3)
1 2
Cộng hai vế của phương trình (1) và phương trình (3) cho nhau ta được
b1 b3
7x1 + 7x2 + 14x3 = b1 + b3 x1 + x2 + 2x3 = (5)
7
Lấy cả hai vế của phương trình (3) nhân với 4 rồi cộng với phương trình (2) ta được
b 2 4b3
17x1 + 17x2 + 34x3 = b2 + 4b3 x1 + x2 + 2x3 = (6)
17
b1 b3 b 4b3
Từ (5) và (6) ta có = 2 17b1 – 7b2 – 11b3 = 0 (*)
7 17
31
(*) không thoả mãn thoả mãn với b = (b1, b2, b3) là một vectơ bất kỳ R3, chẳng
hạn b = (1, 1, 1) không thoả mãn đẳng thức (*), tức là vectơ b = (1, 1, 1) không có biểu
diễn tuyến tính qua các vectơ u1, u2, u3, u4 đã cho. Vậy hệ vectơ {u1, u2, u3, u4} không sinh
ra R3.
Định nghĩa 2. Một hệ vectơ U trong không gian vectơ V được gọi là một cơ sở của V nếu
U là một hệ sinh của V và U là hệ độc lập tuyến tính.
Khi đó, số vectơ trong một cơ sở của V được gọi là số chiều của V, ký hiệu là dimV.
Định nghĩa 3. Nếu không gian vectơ V có một cơ sở gồm hữu hạn vectơ (giả sử có n
vectơ) thì ta nói không gian vectơ V có hữu hạn chiều và dimV = n. Nếu V có một cơ sở
gồm vô hạn vectơ thì ta nói V không gian vectơ vô hạn chiều và dimV = .
Ví dụ. Hệ vectơ {e1 = (1, 0, …, 0), e2 = (0, 1, 0, …, 0), …, en = (0, …, 0, 1)} là một hệ
sinh của Rn và nó là một hệ độc lập tuyến tính nên nó là một cơ sở của Rn. Cơ sở này được
gọi là cơ sở tự nhiên (hay chính tắc của Rn). Ta có dimRn = n.
b) Tính chất
Tính chất 1. Nếu hệ vectơ U là một cơ sở của V thì mọi vectơ của V đều có biểu diễn
tuyến tính một cách duy nhất qua các vectơ của U.
Tính chất 2. Một hệ vectơ trong không gian vectơ n chiều V là một cơ sở của V Hệ
vectơ đó có đúng n vectơ và là hệ độc lập tuyến tính.
Nhận xét: Từ tính chất 2 ta suy ra: Một hệ n vectơ trong không gian Rn là một cơ sở của
Rn khi và chỉ khi định thức liên kết của hệ vectơ đó khác không.
Ví dụ. Xét xem hệ nào trong các hệ sau đây lập thành cơ sở của R3:
i) (2, 4, -4), (3, 5, -2)
ii) (1, 0, -1), (3, 2, 0), (0, 4, -3), (-2, 1, 3)
iii) {(2, -3, 1), (3, -1, 5), (1, -4, 3)}
iv) (1, 1, 2), (1, 2, 5), (5, 3, 4)
Tính chất 3. Cho V là không gian vectơ n chiều. Khi đó:
i) Mọi hệ vectơ độc lập tuyến tính trong V có số vectơ là m < n đếu có thể bổ sung n – m
vectơ của V để được một cơ sở của V.
ii) Mọi hệ vectơ trong V có nhiều hơn n vectơ đều là hệ phụ thuộc tuyến tính.
Ví dụ. Trong R2, hệ vectơ {(2, 3); (-3, 4), (0, 1)} là hệ phụ thuộc tuyến tính.
Tính chất 4. Trong không gian Rn, hệ gồm m vectơ (m n): {u1, u2, …, um} là phụ thuộc
tuyến tính r{u1, u2, …, um} < m.
Hệ quả: Trong không gian Rn, hệ gồm m vectơ (m n): {u1, u2, …, um} là độc lập tuyến
tính r{u1, u2, …, um} = m.
Ví dụ. Tìm m để hệ vectơ sau phụ thuộc tuyến tính
{u1 = (1, 2, 3, -3), u2 = (2, 1, -2, m), u3 = (-3, -3, -1, 1)}.
Giải.
1 2 3 3 1 2 3 3 1 2 3 3
A 2 1 2 m 0 3 8 m 6 D 2 D3 0 3 8 m 6 .
D 1 ( 2) D 2
D1 3 D3
3 3 1 1 0 3 8 8 0 0 0 m 2
Để hệ {u1 , u2 , u3} phụ thuộc tuyến tính thì r{u1 , u2 , u3} < 3 r (A) < 3 m - 2 0 m 2 .
c) Toạ độ của vectơ đối với một cơ sở
32
Định nghĩa. Trong không gian vectơ n chiều V, cho cơ sở {u1, u2, …, un} thì với mọi
vectơ x V biểu diễn được một cách duy nhất dưới dạng
n
x= x u
i 1
i i = x1u1 + x2u2 + … + xnun
Khi đó, (x1, x2, …, xn) được gọi là toạ độ của x đối với (hoặc theo) cơ sở
{u1, u2, …, un}.
Nhận xét. Dễ thấy, nếu x, y theo thứ tự có toạ độ (x1, x2, …, xn), (y1, y2, …, yn) theo cơ sở
{u1, u2, …, un} thì x + y có toạ độ là (x1 + y1, x2 + y2, …, xn + yn) và kx (k R) có toạ độ
là (kx1, kx2, …, kxn) theo cơ sở đó.
Ví dụ 1. Trong không gian Rn, mọi vectơ (x1, x2, …, xn) có toạ độ đối với cơ sở
{e1 = (1, 0, …, 0), e2 = (0, 1, 0, …, 0), …, en = (0, …, 0, 1)} là (x1, x2, …, xn).
Ví dụ 2. Trong R3:
a) Chứng minh hệ vectơ {(1, 1, 1), (1, 1, 0), (1, 0, 0)} là một cơ sở của R3.
b) Tìm toạ độ của vectơ v = (4, -3, 2) theo cơ sở {(1, 1, 1), (1, 1, 0),
(1, 0, 0)}.
Giải. b) Giả sử
v = x1u1 + x2u2 + x3u3
(4, -3, 2) = x1(1, 1, 1) + x2(1, 1, 0) + x3(1, 0, 0).
x1 x 2 x 3 4 x1 2
x1 x 2 3
x 2 5
x 2 x 7
1 3
Vậy toạ độ của v theo cơ sở đã cho là (2, -5, 7).
Câu hỏi. Toạ độ của v theo cơ sở {(1, 1, 0), (1, 1, 1), (1, 0, 0)}?
2.5. Không gian vectơ con
2.5.1 Định nghĩa. Cho V là một không gian vectơ trên trường K và W là một bộ phận
khác rỗng của V. W được gọi là một không gian vectơ con của V nếu W cùng với hai phép
toán trong V cũng là một không gian vectơ trên trường K.
Chú ý. Mọi không gian vectơ con của V đều chứa vectơ của V.
2.5.2 Điều kiện cần và đủ để W V là không gian vectơ con:
Định lý. Cho V là một không gian vectơ, W V, W . Điều kiện cần và đủ để W là
không gian vectơ con của V là hai tính chất sau đây được thoả mãn:
i) u, v W thì u + v W.
ii) u W, K thì u W.
Chứng minh.
() Nếu W là không gian vectơ con của V thì bản thân nó là một không gian vectơ nên nó
thoả mãn 10 tiên đề trong định nghĩa về không gian vectơ, trong đó tiên đề 1 chính là i) và
tiên đề 2 chính là ii).
() Giả sử i) và ii) thoả mãn thì đó chính là các tiên đề 1 và 2. Các tiên đề 3, 4, 7, 8, 9, 10
thoả mãn trong V thì cũng thoả mãn trong W. Do đó để chứng minh W là không gian
vectơ con của V ta chỉ còn phải chứng minh các tiên đề 5 và 6.
Lấy u W bất kỳ (luôn tồn tại vì W ). Vì u W, K nên với = 0, ta có
0.u = W và với = -1, ta có (-1)u = -u W. Và cuối cùng trong W ta có
u+=+u=
33
u + (-u) = (-u) + u =
Vậy, W là một không gian vectơ. Tức là, W là một không gian vectơ con của V.
Ví dụ 1. Cho V là một không gian vectơ. Khi đó: {} và bản thân V là những không gian
vectơ con của không gian vectơ V. Chúng được gọi là những không gian vectơ con tầm
thường của V.
Ví dụ 2. Trong các tập vectơ sau, tập nào là không gian vectơ con của R3. Tìm một cơ sở
và số chiều của chúng (nếu có):
a) W1 = {x = (x1, x2, x3) 3 |2x1 + x2 - 7x3 = 0}.
x 3x 2 5x 3 0
b) W2 = x (x1 , x 2 , x 3 ) 3 | 1
4x1 6x 2 x 3 0
c) W3 = {x = (x1, x2, x3) 3 |5x1 + 4x2 + 2x3 = 1}
Giải.
a) Vì (0,0,0) W1 nên W1 . Lấy x ( x1, x2 , x3 ), y ( y1, y2 , y3 ) W1 , ta có
2 x1 x2 7 x3 0
.
1
2 y y 2 7 y3 0
Mặt khác, với x ( x1, x2 , x3 ), y ( y1, y2 , y3 ) W1 , thì
x y ( x1 y1 , x2 y2 , x3 y3 ) , x ( x1 , x2 , x3 ) .
Ta lại có
2( x1 y1 ) (x2 y2 ) 7( x3 y3 ) (2 x1 x2 7 x3 ) (2 y1 y2 7 y3 ) 0
.
2( x 1 ) x2 7( x3 ) (2 x1 x 2 7 x 3 ) 0
Suy ra x y W1 , x W1 . Vậy W1 là không gian vectơ con của 3 .
Lấy x ( x1, x2 , x3 ) W1 thì x ( x1 , 2 x1 7 x3 , x3 ) . Ta có
x ( x1 , 2 x1 7 x3 , x3 ) x1 (1, 2,0) x3 (0,7,1) .
Suy ra {(1, 2,0),(0,7,1)} là một hệ sinh của W1 . Mặt khác, hệ {(1, 2,0),(0,7,1)} độc lập
tuyến tính nên {(1, 2,0),(0,7,1)} là một cơ sở của W1 và dimW1 2 .
Chú ý, tập W1 còn có thể viết dưới dạng:
W1 {x ( x1, 2 x1 7 x3 , x3 ) | x1, x3 } .
b) Vì (0,0,0) W2 nên W2 . Lấy x ( x1, x2 , x3 ) W2 , ta có
9
x1 x3
x1 3x2 5 x3 0 2
.
4 x1 6 x2 x3 0 x 19 x
2 6 3
Tập W2 còn có thể viết dưới dạng:
9 19
W2 x x3 , x3 , x3 | x3 .
2 6
9 19 9 19
Với x x3 , x3 , x3 , y y3 , y3 , y3 W2 , thì
2 6 2 6
9 19
x y ( x3 y3 ), ( x3 y3 ), x3 y3 W2 ,
2 6
34
9 19
x ( x3 ), ( x3 ), x3 W2 .
2 6
Vậy W2 là không gian vectơ con của 3 .
Ta có
9 19 9 19
x x3 , x3 , x3 x3 , ,1 .
2 6 2 6
9 19 9 19
Suy ra , ,1 là một hệ sinh của W2 . Mặt khác, hệ , ,1 độc lập tuyến tính
2 6 2 6
9 19
nên , ,1 là một cơ sở của W2 và dimW2 1 .
2 6
c) Lấy x ( x1, x2 , x3 ), y ( y1, y2 , y3 ) W3 , ta có
5 x1 4x2 + 2 x3 1
.
5 y1 4y2 + 2 y3 1
Mặt khác, với x ( x1, x2 , x3 ), y ( y1, y2 , y3 ) W3 thì
x y ( x1 y1 , x2 y2 , x3 y3 ) .
Ta có
5( x1 y1 ) 4(x2 +y2 )+ 2( x3 y3 ) (5x1 4x2 + 2 x3 ) (5 y1 4y2 + 2 y3 ) 2 .
Suy ra x y W3 . Vậy W3 không là không gian vectơ con của 3 .
Chú ý, tập W3 còn có thể viết dưới dạng:
5
W3 x x1 , x2 ,1 x1 2 x2 | x1 , x2 .
2
35
1 0 0 1 1 0 0 1 1 0 0 1
2 D1 (2) D 2
1 1 0 0 1 1 2 D 2 (1) D3 0
1 1 2
A D1 (1) D3
1 1 1 1 0 1 1 2
D 2 (2) D 4 0 0 0 0
D 1 ( 1) D 4
1 2 3 4 0 2 3 5 0 0 1 1
1 0 0 1
0 1 1 2
D3 D 4
.
0 0 1 1
0 0 0 0
Vậy dimL U r (U ) r ( A) 3 .
Một cơ sở của L[U] là {(1,0,0, 1);(0,1,1,2);(0,0,1,1)} hoặc {u1, u2, u4}.
36
Chƣơng 3. Hệ phƣơng trình tuyến tính
...
a m1 a m2 ... a mn b m
được gọi là ma trận bổ sung của hệ (3.1).
Một số hệ phương trình tuyến tính đặc biệt:
- Nếu hệ (3.1) có số phương trình bằng số ẩn (n = m) thì hệ (3.1) được gọi là hệ vuông.
- Nếu b1 = b2 = … = bm = 0 thì hệ (3.1) được gọi là hệ phương trình tuyến tính thuần nhất.
Dạng ma trận của hệ phương trình tuyến tính:
Đặt
x1 b1
x b
Xn1 = 2 : cột ẩn, bm1 = 2 : cột hệ số tự do
... ...
xn bm
Khi đó hệ phương trình tuyến tính (3.1) được biểu diễn dưới dạng ma trận
a11 a12 ... a1n x1 b1
a a x b
21 22 ... a 2n . 2
= 2 hay AmnXn1 = bm1 (3.2)
... ... ...
a m1 a m2 ... a mn xn bm
3.2 Điều kiện để tồn tại và duy nhất nghiệm
GV: Nguyễn Dương Nguyễn, BM Toán, Khoa Cơ bản, FTU
37
Định lý 1 (Định lý Kronecker-Capeli). Hệ phương trình (3.1) có nghiệm khi và chỉ khi
r(A) = r( A ).
Định lý 2. Hệ phương trình tuyến tính (3.1) có nghiệm duy nhất khi và chỉ khi
r(A) = r( A ) = số ẩn (= n).
3.3 Phƣơng pháp giải hệ phƣơng trình tuyến tính
3.3.1 Phƣơng pháp giải hệ Cramer
a) Định nghĩa. Hệ Cramer là hệ phương trình tuyến tính vuông mà ma trận các hệ số của
nó không suy biến (det(A) 0).
b) Định lý. Hệ Cramer luôn có nghiệm duy nhất.
c) Công thức nghiệm
det(A j )
xj = (j = 1, n )
det(A)
trong đó, Aj là ma trận nhận từ A bằng cách thay cột thứ j bởi cột b.
Ví dụ. Giải hệ
x + y + 2z = -1
2x - y + 2z = -4
4x + y + 4z = -2
Giải. Ma trận các hệ số là
1 1 2
A= 2 -1 2
4 1 4
Ta có
1 1 2
det(A) = 2 -1 2 = -4 + 8 + 4 + 8 – 2 – 8 = 6 0 hệ đã cho là hệ Cramer
4 1 4
hệ có nghiệm duy nhất là
1 1 2 1 -1 2 1 1 -1
-4 -1 2 2 -4 2 2 -1 -4
-2 1 4 6 4 -2 4 12 4 1 -2 12
x= = = 1, y = = = 2, z = =- = -2
det(A) 6 det(A) 6 det(A) 6
Vậy, hệ phương trình trên có nghiệm là (1, 2, -2).
3.3.2 Phƣơng pháp giải hệ tổng quát
Giả sử ta giải hệ tổng quát m phương trình tuyến tính, n ẩn dạng (3.1):
Cách giải:
Tính r(A), r( A )
So sánh r(A) với r( A ):
+) Nếu r(A) r( A ) thì hệ (3.1) vô nghiệm.
+) Nếu r(A) = r( A ) = số ẩn (=n) thì hệ (3.1) có nghiệm duy nhất cho bởi công thức Cramer
det(A j )
xj = (j = 1, 2, …, n)
det(A)
+) Nếu r(A) = r( A ) = r < n thì hệ có vô số nghiệm (hay còn gọi là hệ vô định):
38
Chỉ ra một định thức con cơ sở Dr cấp r của A. Khi đó hệ phương trình đã cho tương
đương với hệ gồm r phương trình của hệ đã cho mà có hệ số của các ẩn tạo nên Dr. r
phương trình này được gọi là các phương trình chính của hệ (3.1). r ẩn của hệ (3.1) có hệ
số tạo thành r cột của Dr được gọi là các ẩn chính, (n – r) ẩn còn lại được gọi là các ẩn phụ.
Ta giải hệ gồm r phương trình chính và r ẩn chính bằng cách chuyển (n – r) ẩn phụ sang vế
phải và coi như là các tham số, ta được hệ Cramer. Giải hệ Cramer đó, ta được công thức
biểu diễn r ẩn chính qua (n – r) ẩn phụ.
5x1 - x 2 + 2x3 + x 4 = 7
Ví dụ 1. Giải hệ: 2x1 + x 2 + 4x3 - 2x 4 = 1
x - 3x - 6x + 5x = 0
1 2 3 4
x 2y z 1
Ví dụ 2. Giải hệ: 3x 5y 2z 4
x + 4y +11z = -15
Ví dụ 3. Tìm điều kiện của a để hệ phương trình sau: có nghiệm duy nhất, vô số nghiệm,
vô nghiệm:
ax + y + z = a 2
x + ay + z = a
x + y + az = 1
Ví dụ 4. Giải và biện luận hệ phương trình
x1 + 2x 2 + ax3 = 3
3x1 - x 2 - ax 3 = 2
2x + x + 3x = b
1 2 3
39
21
x1 + 2x 2 + 2 x 3 = 3
21
3x1 - x 2 - x3 = 2
2
2x1 + x 2 + 3x 3 = b
ma trận bổ sung của hệ là
21
1 2 2
: 3
A
= 3 -1 - 21
: 2 .
2
2 1 3 : b
Dùng các phép biến đổi sơ cấp để ta đưa ma trận A về dạng ma trận bậc thang
21
1 2 : 3 21
2 1 2 : 3
2
21
H1( 3) H2H2
H1( 2) H3H3
A = 3 -1 - : 2 0 -7 -42 : -7
2
2 1 0 -3 -18 : b - 6
3 : b
21
1 2 : 3
3 2
H2 H3H3
0 -7
7
-42 : -7
0 0 0 : b - 3
Ta thấy r(A) = 2
- Với b ≠ 3 thì r( A ) = 3 r(A) ≠ r( A ) hệ đã cho vô nghiệm.
- Với b = 3 thì r( A ) = 2 r(A) = r( A ) = 2 < 3 hệ đã cho có vô số nghiệm. Ta
1 2
thấy là môt định thức con cơ sở của A, nên hệ đã cho tương đương với hệ phương
3 -1
trình
3
21 x1 = 1 + t
x1 + 2x 2 = 3 - x3 3 2
2 x1 = 1 + x 3
2 x 2 = 1 - 6t , t R.
3x - x = 2 + 21 x 2 = 1 - 6x3 x = t
x3
1 2 2 3
21
Kết luận: - Với a ≠ , b tuỳ ý thì hệ đã cho có nghiệm duy nhất là
2
5a ab 21 4ab 10a 21 21 - 7b
x= ,y= ,z =
2a 21 2a 21 2a 21
21
- Với
a=
2 thì hệ phương trình đã cho vô nghiệm.
b 3
40
21
a =
- Với 2 thì hệ phương trình đã cho vô số nghiệm, với công thức nghiệm là:
b 3
3
x1 = 1 + 2 t
x 2 = 1 - 6t , t R.
x = t
3
3.3.3 Phƣơng pháp Gauss
Nhận xét. Khi giải hệ phương trình ta hay sử dụng các phép biến đổi tương đương sau:
(i) Nhân hai vế của phương trình với cùng một số khác không.
(ii) Đổi vị trí hai phương trình trong hệ cho nhau.
(iii) Nhân một số với một phương trình rồi cộng vào phương trình khác của hệ.
Xét hệ m phương trình tuyến tính n ẩn:
a11x1 + a12 x 2 + ... + a1n x n = b1
a x + a x + ... + a x = b
21 1 22 2 2n n 2
(3.3)
..................................................
a m1x1 + a m2 x 2 + ... + a mn x n = b m
a11 a12 ... a1n b1
a 21 a 22 ... a 2n b 2
với ma trận bổ sung là A = . Ta nhận thấy
...
a m1 a m2 ... a mn b m
Phép biến đổi sơ cấp nhân một dòng của ma trận A với một số khác không ứng với
phép nhân một phương trình của hệ (3.3) với một số khác không.
Phép đổi chỗ hai dòng của ma trận A ứng với phép đổi vị trí hai phương trình của
hệ (3.3).
Phép cộng bội k của một dòng vào một dòng khác của ma trận A ứng với phép cộng
bội k của một phương trình vào một phương trình khác của hệ (3.3).
Ứng dụng những tính chất trên ta có phương pháp giải hệ phương trình tuyến tính
sau, được gọi là phương pháp Gauss:
Phƣơng pháp Gauss:
Nội dung của phép khử Gauss gồm có hai bước:
Bước 1: Ta sử dụng các phép biến đổi sơ cấp về dòng để đưa ma trận A về dạng ma trận
bậc thang. Giả sử ma trận bậc thang thu được là A 1 . Khi đó hệ phương trình đã cho tương
với hệ phương trình có ma trận bổ sung là ma trận bậc thang A 1 vừa thu được.
Bước 2: Giải hệ phương trình có ma trận bổ sung là A 1 bắt đầu từ phương trình cuối cùng,
rồi thay giá trị của các ẩn vừa tìm được vào phương trình trên nó và cứ tiếp tục giải cho
đến phương trình đầu tiên ta sẽ thu được nghiệm của hệ phương trình đã cho.
8x1 + 4x 2 + 2x3 = 24
4x + 10x + 5x + 4x
Ví dụ 1. Giải hệ phương trình 1 2 3 4 = 32
4x1 + 10x 2 + 13x3 + 8x 4 = 52
4x2 + 4x3 + 9x 4 = 21
41
Giải. Lập ma trận các hệ số bổ sung của hệ
8 4 2 0 24
= 4 10 5 4
A
32
4 10 13 8 52
0 4 4 9 21
1
8
H1 H2 H2
2
4 2 0 24
( 1)H2 H3 H3
8 4 2 0 24
1 1
H1 + H3 H3
0 8 4 4 20 ( )H2 H4 H4 0 8 4 4 20
2
2
0 8 12 8 40 0 0 8 4 20
0 4 4 9 21 0 0 2 7 11
8 4 2 0 24
1
( )H3 H4H4
0 8 4 4 20
4
0 0 8 4 20
0 0 0 6 6
Ta thấy r(A) = r( A ) = 4 nên hệ đã cho có nghiệm duy nhất.
Hệ phương trình đã cho tương đương với hệ
8x1 + 4x 2 + 2x3 = 24
8x + 4x + 4x = 20
2 3 4
8x3 + 4x 4 = 20
6x 4 = 6
Từ đây ta có
x4 = 1
1 1
x3 = (20 – 4x4) = (20 – 4) = 2
8 8
1 1
x2 = (20 – 4x3 – 4x4) = (20 – 4.2 – 4.1) = 1
8 8
1 1
x1 = (24 – 4x2 – 2x3) = (24 – 4.1 – 2.2) = 2.
8 8
x1 + x 2 - 2x3 + x 4 = 3
Ví dụ 2. Giải hệ 2x1 - 3x2 - x3 - 2x 4 = -1
3x - 2x - 3x - x = 2
1 2 3 4
( 2)D1 D2 D2
1 1 -2 1 3 1 1 -2 1 3
( 3)D1 D3 D3
1D2 D3D3
0 -5 3 -4 -7 0 -5 3 -4 -7
0 -5 3 -4 -7 0 0 0 0 0
Ta thấy r(A) = r( A ) = 2 < 4 = số ẩn nên hệ đã cho có vô số nghiệm.
Hệ phương trình đã cho tương đương với hệ phương trình
x1 + x2 - 2x3 + x 4 = 3
5x 2 - 3x3 + 4x 4 = 7
42
Giải hệ phương trình này từ dưới lên ta được
7 + 3x3 - 4x 4
x2 =
5
8 + 7x3 - x 4
x1 =
5
Vậy hệ đã cho có vô số nghiệm:
8 + 7t1 - t 2
x1 = 5
x = 7 + 3t1 - 4t 2
2 ; t1, t2 R.
5
x 3 = t1
x = t
4 2
hay
Ax = (0)m1, với A = (aij)mn, x = (x1, x2, …, xn)T.
Nhận xét.
* Hai ma trận A và A của hệ (3.4) chỉ khác nhau cột hệ số tự do gồm toàn số 0 nên
r(A) = r( A ), do đó hệ (3.4) luôn có nghiệm. Dễ dàng nhận thấy hệ thuần nhất (3.4) luôn có
nghiệm là x1 = x2 = … = xn = 0. Nghiệm này được gọi là nghiệm tầm thường của hệ (3.4).
* Hệ (3.4) có duy nhất nghiệm (đó là nghiệm tầm thường) là r(A) = n.
* Hệ (3.4) có nghiệm không tầm thường r(A) < n.
* Hệ thuần nhất vuông (số phương trình bằng số ẩn) có nghiệm không tầm thường khi
det(A) = 0.
2x1 + 3x 2 = 0 2 3
Ví dụ 1. Hệ là hệ thuần nhất vuông có ma trận hệ số là A = . Vì
3x1 + 4x 2 = 0 3 4
2 3
det(A) = = -1 ≠ 0 nên hệ chỉ có nghiệm tầm thường là x1 = x2 = 0.
3 4
2x1 + 3x 2 = 0 2 3
Ví dụ 2. Hệ là hệ thuần nhất vuông có ma trận hệ số là A = . Vì
4x1 + 6x 2 = 0 4 6
det(A) = 0 nên hệ đã cho có nghiệm không tầm thường. Hệ đã cho tương tuơng với hệ
2x1 + 3x2 = 0
3
x1 = - x 2
2
Vậy hệ đã cho có vô số nghiệm là
3
x1 = - t
2 ;tR
x 2 = t
43
Ví dụ 3. Tìm giá trị của a để hệ sau có nghiệm không tầm thường
3x + y + 10z = 0
2x + ay + 5z = 0
x + 4y + 7z = 0
Giải. Đây là hệ thuần nhất vuông. Để hệ đã cho có nghiệm không tầm thường thì
3 1 10
det(A) = 2 a 5 = 11(a + 1) = 0
1 4 7
a = -1.
Với a = -1, hệ đã cho trở thành
3x + y + 10z = 0
2x - y + 5z = 0
x + 4y + 7z = 0
3 1 3x + y + 10z = 0 3x + y = -10z
Vì = - 5 ≠ 0 nên hệ đã cho tương đương với hệ
2 -1 2x - y + 5z = 0 2x - y = -5z
5x = -15z x = -3z y = 2x + 5z = - z
Vậy, với a = -1, hệ đã cho có vô số nghiệm là
x = -3t
y = -t ; t R
z = t
3.4.2 Cấu tạo nghiệm của hệ thuần nhất
Định lý. Tập tất cả các nghiệm của hệ thuần nhất n ẩn (3.4) là một không gian vectơ con
của không gian Rn. Hơn nữa, nếu hệ thuần nhất đó có ma trận hệ số là A thì số chiều của
không gian vectơ con này là n – r(A).
Không gian vectơ này được gọi là không gian nghiệm của hệ (3.4).
Định nghĩa. Mỗi cơ sở của không gian nghiệm của một hệ phương trình tuyến tính thuần
nhất được gọi là một hệ nghiệm cơ bản của nó.
Nhận xét. Một hệ nghiệm của hệ thuần nhất (3.4) là một hệ nghiệm cơ bản
) HÖ ®ã cã ®óng n - r(A) nghiÖm
+) HÖ ®ã ®éc lËp tuyÕn tÝnh
Giả sử {x(1) = (x 1(1) , x (1)2 , …, x (1)
n ), x(2) = (x 1(2) , x (2)
2 , …, x (2)
n ), …,
(n-r)
x = (x 1 , x 2 , …, x n )} là một hệ nghiệm cơ bản của hệ (3.4). Khi đó mọi nghiệm
(n r) (n r) (n r)
x = (x1, x2, …, xn) của hệ (3.4) đều có dạng là tổ hợp tuyến tính của x(1), x(2), …, x(n-r):
n r
x= x
k 1
k
(k )
(3.5)
Công thức (3.5) với 1, 2, …, n-r tuỳ ý được gọi là công thức nghiệm tổng quát của
hệ thuần nhất (3.4).
Ví dụ. Tìm một hệ nghiệm cơ bản và công thức nghiệm tổng quát của hệ nghiệm thuần
nhất sau:
44
2x1 + x 2 - 4x3 = 0
a) 3x1 + 5x 2 - 7x3 = 0
4x - 5x - 6x = 0
1 2 3
2x1 - x 2 + 5x3 + 7x 4 = 0
b) 4x1 - 2x 2 + 7x3 + 5x 4 = 0
2x - x + x - 5x = 0
1 2 3 4
Giải.
2 1 -4
a) A = 3 5 -7 . Vì det(A) = 0 và A có định thức con cấp 2:
2 1
= 7 0 nên r(A) = 2
4 -5 -6 3 5
số chiều của không gian nghiệm của hệ thuần nhất đã cho là 3 – 2 = 1. Tức là, hệ
nghiệm cơ bản chỉ gồm có một vectơ. Ta đi tìm vectơ này. Ma trận A có một định thức
2 1
con cơ sở là nên hệ đã cho tương đương với hệ
3 5
2x1 + x 2 = 4x3
3x1 + 5x 2 = 7x3
Giải hệ này, ta được
13
x1 = 7 x 3
x = 2 x
2 7 3
Chọn x3 = 7, ta được hệ nghiệm cơ bản gồm có 1 vectơ là {(13, 2, 7)}.
Công thức nghiệm tổng quát của hệ là x = k(13, 2, 7), k R tuỳ ý.
2 -1 5 7 H1( 2) H2H2
2 -1 5 7 2 -1 5 7
H2( 3 ) H3H3
4
H1( 1) H3H3
b) A = 4 -2 7 5
0 0 -3 -9 0 0 -3 -9
2 -1 1 -5 0 0 -4 -12 0 0 0 0
r(A) = 2 số chiều của không gian nghiệm của hệ thuần nhất đã cho là 4 – 2 = 2.
7 5 7 5
Vì ma trận A có = -40 0 nên là một định thức con cơ sở của A hệ phương
1 -5 1 -5
trình tuyến tính đã cho tương đương với hệ
7x3 + 5x 4 = -4x1 + 2x 2
x3 - 5x 4 = -2x1 + x 2
3 3
x 3 = - 4 x1 + 8 x 2
Giải hệ này ta được
x = x1 - x 2
4 4 8
Chọn x1 = 4, x2 = 0, ta được một nghiệm của hệ đã cho là x(1) = (4, 0, -3, 1)
Chọn x1 = 0, x2 = 8, ta được một nghiệm của hệ đã cho là x(2) = (0, 8, 3, -1)
Vì {x(1), x(2)} độc lập tuyến tính nên {x(1), x(2)} là một hệ nghiệm cơ bản của hệ đã cho.
nghiệm tổng quát của hệ đã cho là
x = k1x(1) + k2x(2) = k1(4, 0, -3, 1) + k2(0, 8, 3, -1) = (4k1, 8k2, -3k1 + 3k2, k1 – k2).
GV: Nguyễn Dương Nguyễn, BM Toán, Khoa Cơ bản, FTU
45
CHƢƠNG 4. MỘT SỐ MÔ HÌNH TUYẾN TUYẾN DÙNG TRONG PHÂN TÍCH
KINH TẾ
4.1. Mô hình Input – Output của Leontief (hay còn gọi là mô hình cân đối liên ngành)
Mô hình Input – Output của Leontief đề cập đến việc xác định mức tổng cầu đối với sản
phẩm của mỗi ngành sản xuất trong tổng thể nền kinh tế. Ở đây khái niệm ngành được
xem xét theo nghĩa ngành thuần tuý sản xuất.
Các giả thiết đặt ra để xây dựng mô hình như sau:
i) Mỗi ngành sản xuất một loại sản phẩm thuần nhất hoặc sản xuất một số sản phẩm
phối hợp theo tỷ lệ nhất định.
ii) Các yếu tố đầu vào của sản xuất của một ngành được sử dụng theo một tỷ lệ cố
định.
Xét một nền kinh tế có n ngành sản xuất: ngành 1, ngành 2, ngành 3, … , ngành n.
Tổng cầu đối với sản phẩm của nghành i (i =1, 2, 3, ...) bao gồm:
- Cầu từ phía các ngành trong nền kinh tế (kể cả ngành i) sử dụng sản phẩm của ngành
i phục vụ cho quá trình sản xuất của mình, gọi là cầu trung gian.
- Cầu từ phía những người sử dụng sản phẩm của ngành i để tiêu dùng hoặc xuất khẩu,
gọi là cầu cuối cùng.
Để thuận tiện cho việc tính chi phí cho các yếu tố sản xuất, ta biểu diễn lượng cầu của
tất cả các loại sản phẩm ở dạng giá trị, tức là đo bằng tiền.
Tổng cầu về sản phẩm của ngành i (i = 1, 2, … , n) được ký hiệu x i và được xác định
như sau:
xi = xi1 + xi2 + … + xin + bi (i =1, 2, … , n) (*)
Ở đây:
xik là giá trị sản phẩm của ngành i mà ngành k cần sử dụng cho việc sản xuất của mình
(cầu trung gian).
bi là giá trị sản phẩm của ngành i cần cho nhu cầu tiêu dùng và xuất khẩu (cầu cuối
cùng)
Công thức trên có thể viết dưới dạng:
x x x
xi i1 .x1 i2 .x 2 ... in .x n bi (i = 1, 2, ..., n)
x1 x2 xn
46
x ik
Đặt a ik (i, k = 1, 2, ..., n), thì aik là bình quân chi phí mà ngành k trả cho việc
xk
mua sản phẩm của ngành i tính cho 1 đơn vị giá trị sản phẩm của ngành k. Ví dụ:
aik = 0,4 có nghĩa là để sản xuất ra 1 đơn vị giá trị sản phẩm của mình, bình quân ngành k
đã phải mua 0,4 đơn vị giá trị sản phẩm của ngành i. Ta gọi aik là hệ số chi phí cho yếu tố
sản xuất hay hệ số kỹ thuật. Theo giả thiết ii) thì các phần tử aik là không đổi.
Dễ thấy 0 a ik 1.
Ta được hệ phương trình:
x1 a11x1 + a12 x 2 + ... + a1n x n + b1 (1 a11 )x1 - a12 x 2 - ... - a1n x n = b1
x a x + a x + ... + a x + b a x + (1-a )x - ... - a x = b
2
21 1 22 2 2n n 2
21 1 22 2 2n n 2
.................................................. ..................................................
x n a n1x1 + a n2 x 2 + ... + a nn x n + bn a n1x1 - a n2 x 2 - ... + (1-a nn )x n = b n
tiếp).
Ta thấy, tổng tất cả các phần tử của cột k của A là mức chi phí mà ngành k phải trả
cho việc mua các yếu tố sản xuất tính trên 1 đơn vị giá trị sản phẩm của mình.
x1 b1
x b
X = 2 : ma trận tổng cầu; b = 2 : ma trận cầu cuối cùng
... ...
xn bm
47
Ngành cung ứng Ngành sử dụng sản phẩm (Input) Cầu cuối
sản phẩm (Output) cùng
1 2 3
1 20 60 10 50
2 50 10 80 10
3 40 30 20 40
Hãy tính tổng cầu đối với sản phẩm của mỗi ngành và lập ma trận hệ số kỹ thuật.
Giải. Tổng cầu đối với sản phẩm của ngành 1 là: x1 = 20 + 60 + 10 + 50 = 140
Tổng cầu đối với sản phẩm của ngành 2 là: x2 = 50 + 10 + 80 + 10 = 150
Tổng cầu đối với sản phẩm của ngành 3 là: x3 = 40 + 30 + 20 + 40 = 130
Ma trận hệ số kỹ thuật là :
20 60 10
140 150 130
0,143 0, 4 0, 077
A
50 10 80 = 0,375 0, 067 0, 615
140 150 130
0, 286 0, 2 0,154
40 30 20
140 150 130
Ví dụ 2. Giả sử nền kinh tế có hai ngành sản xuất: ngành 1 và ngành 2, có ma trận hệ số
0,2 0,3
kỹ thuật là A . Cho biết cầu cuối cùng đối với sản phẩm của ngành 1 và ngành
0,4 0,1
2 theo thứ tự là 10, 20 tỷ đồng. Hãy xác định tổng cầu đối với sản phẩm của mỗi ngành và
tổng chi phí cho các sản phẩm được sử dụng làm đầu vào của sản xuất đối với mỗi ngành.
Giải. Theo công thức tính ma trận tổng cầu ta có X = (E – A)-1.b
3 1
1 0 0,2 0,3 0,8 0,3 1 2 2
Ta có E A E A
0 1 0,4 0,1 0,4 0,9 2 4
3 3
3 1
2 10 25
Do đó X 2 .
2 4 20 100 / 3
3 3
Vậy tổng cầu đối với sản phẩm của ngành 1 là x 1 = 25 tỷ đồng; tổng cẩu đối với sản
phẩm của ngành 2 là x2 = 100/3 tỷ đồng.
48
Tổng chi phí cho các sản phẩm được sử dụng làm đầu vào của sản xuất đối với ngành 1
là: (0,2 + 0,4).25 = 15 tỷ đồng ; tổng chi phí cho các sản phẩm được sử dụng làm đầu vào
của sản xuất đối với ngành 2 là: (0,3 + 0,1).(100/3) = 40/3 tỷ đồng.
Ví dụ 3. Giả sử trong một nền kinh tế có 3 ngành sản xuất: ngành 1, ngành 2, ngành 3.
0,4 0,1 0,2
Biết ma trận hệ số kỹ thuật là: A 0,2 0,3 0,2
0,1 0,4 0,3
với cầu cuối cùng đối với sản phẩm của từng ngành thứ tự là 40, 40 và 110 (đơn vị: nghìn
tỷ đồng). Hãy xác định tổng cầu đối với sản phẩm của từng ngành sản xuất và tổng chi phí
cho các sản phẩm được sử dụng làm đầu vào của sản xuất đối với mỗi ngành.
1 0 0 0,4 0,1 0,2 0,6 0,1 0,2
Giải. Ta có: E A 0 1 0 0,2 0,3 0,2 0,2 0,7 0,2
0 0 1 0,1 0,4 0,3 0,1 0,4 0,7
2, 05 0, 75 0,8
(E A) 1
0,8 2 0,8
0, 75 1, 25 2
Vậy tổng cầu đối với sản phẩm của các ngành 1, 2, 3 lần lượt là x 1 = 200 nghìn tỷ
đồng, x2 = 200 nghìn tỷ đồng và x3 = 300 nghìn tỷ đồng.
Tổng chi phí cho các sản phẩm được sử dụng làm đầu vào của sản xuất đối với ngành
1 là: (0,4 + 0,2 + 0,1).200 = 140 nghìn tỷ đồng ; tổng chi phí cho các sản phẩm được sử
dụng làm đầu vào của sản xuất đối với ngành 2 là: (0,1 + 0,3 + 0,4).200 = 160 nghìn tỷ
đồng ; tổng chi phí cho các sản phẩm được sử dụng làm đầu vào của sản xuất đối với
ngành 3 là: (0,2 + 0,2 + 0,3).300 = 210 nghìn tỷ đồng.
Ý nghĩa: Việc xác định mức tổng cầu đối với sản phẩm của tất cả các ngành sản xuất có ý
nghĩa quan trọng đối với việc lập kế hoạch sản xuất, đảm bảo cho nền kinh tế vận hành trôi
chảy, tránh tình trạng dư thừa hoặc thiếu hụt sản phẩm.
4.2. Mô hình cân bằng thị trƣờng n hàng hoá liên quan
49
Giả sử chúng ta nghiên cứu thị trường bao gồm n hàng hoá liên quan: hàng hoá 1,
hàng hóa 2, … , hàng hóa n. Khái niệm này được hiểu là khi giá của một hàng hóa nào đó
thay đổi thì nó không những ảnh hưởng tới lượng cung và lượng cầu của bản thân hàng
hóa đó, mà còn ảnh hưởng đến giá và lượng cung, lượng cầu của các hàng hóa còn lại. Để
xét mô hình cân bằng thị trường n hàng hóa liên quan, ta ký hiệu:
QSi : lượng cung hàng hóa i (supply)
Q Di D i (P1 , P2 ,..., Pn )
i = 1, 2, 3, … , n
Mô hình cân bằng thị trường n hàng hoá liên quan:
QSi QDi
i 1, 2, 3, ..., n
Nếu các hàm cung và hàm cầu có dạng tuyến tính thì mô hình trên chính là một hệ gồm
có n phương trình và n ẩn số P1, P2, ..., Pn.
Giải hệ phương trình trên ta tìm được giá cân bằng của tất cả n hàng hóa:
P1, P2 , ..., Pn
Thay vào các hàm cung (hoặc các hàm cầu) chúng ta thu được lượng cân bằng của mỗi
hàng hóa:
Q1,Q2 , ...,Qn
Ví dụ 1. Giả sử thị trường gồm hai loại hàng hoá: hàng hóa 1 và hàng hóa 2 với hàm
cung, hàm cầu như sau:
Hàng hóa 1: QS 2 3P1 ;
1
QD1 8 2P1 P2
Xác định giá cân bằng và lượng cân bằng của mỗi loại hàng hóa.
Giải. Thiết lập phương trình
GV: Nguyễn Dương Nguyễn, BM Toán, Khoa Cơ bản, FTU
50
Q S1 Q D1
2 3P1 8 P1 P2 P1 3
Q S2 Q D2
1 2P2 11 P1 P2 P2 5
Q 2 3P1 7
Lượng cân bằng là 1
Q 2 1 2P 2 9
Ví dụ 2. Xét thị trường gồm 3 hàng hoá gồm chè, cafê, cacao có hàm cung và hàm cầu
tương ứng như sau:
QS1 10 P1 ; Q D1 20 P1 P3 (chè)
Hãy thiết lập mô hình cân bằng thị trường của 3 loại hàng hoá trên. Xác định giá cân
bằng và lượng cân bằng của cafe.
Giải. Thiết lập mô hình:
Q S1 Q D1 2P1 P3 30
Q S2 Q D 2 4P2 P3 40
P P 4P 15
Q S3 Q D3 1 2 3
28 56
P2 ; Q2
3 3
4.3. Mô hình cân bằng thu nhập quốc dân
Xét mô hình cân bằng thu nhập quốc dân ở dạng đơn giản, với các ký hiệu:
Y: tổng thu nhập quốc dân
G: chi tiêu của chính phủ (government)
I: chi phí cho đầu tư của các nhà sản xuất (investment)
C: tiêu dùng của các hộ gia đình (consumption)
Ở đây, chúng ta giả thiết chi tiêu chính phủ và đầu tư là cố định G = G o và
I = Io, còn chi tiêu hộ gia đình có dạng tuyến tính:
C = aY + b (0 <a <1; b> 0)
Mô hình cân bằng thu nhập quốc dân có dạng hệ phương trình tuyến tính gồm hai
Y G o I o C Y C G o I o
phương trình 2 ẩn số Y và C:
C AY b aY C b
51
Giải hệ trên ta xác định được mức thu nhập quốc dân cân bằng và mức tiêu dùng cân
bằng của nền kinh tế.
Tiếp theo xét mô hình trong trường hợp thu nhập chịu thuế với thuế suất t (biểu diễn
dưới dạng thập phân). Khi đó thu nhập sau thuế là:
Yd Y tY (1 t )Y
và hàm chi tiêu có dạng: C = aYd + b = a(1 – t)Y + b Khi đó mô hình có dạng
Y Go I o C
C a(1 t )Y b
Nếu xét mô hình còn chịu ảnh hưởng bởi yếu tố xuất khẩu X và nhập khẩu N. Khi đó
Y G o I o C X N
mô hình có dạng
C a (1 t )Y b
Trong đó X và N có thể biểu diễn là hàm của Y hoặc là giá trị cố định cho trước. Do
vậy chúng ta vẫn biến đổi đưa mô hình về hệ gồm hai phương trình, hai ẩn Y và C.
Ví dụ. Cho biết C = 0,80Yd + 250, I = Io, G = Go, Yd = (1- t)Y ( t là thuế suất thu nhập)
a) Xác định mức thu nhập quốc dân cân bằng và mức tiêu dùng cân bằng.
b) Tính mức thu nhập quốc dân cân bằng và mức tiêu dùng cân bằng với Io = 150 ;
Go = 500 (đơn vị: tỷ VNĐ) và t = 0,15.
Y G o I o C Y C G o I o
C 0,8Y 250 0,8(1 t )Y C 250
a) Thu nhập quốc dân cân bằng và tiêu dùng cân bằng là
G o I o 250
Y 1 0,8(1 t )
C 0,8(1 t )(G o I o ) 250
1 0,8(1 t )
52
150 500 250 900
Y 1 0,8(1 0,15) 0,32 2812,5
C 0,8(1 0,15)(150 500) 250 692 2162,5
1 0,8(1 0,15) 0,32
4.4. Mô hình IS – LM
Mô hình IS – LM để phân tích trạng thái cân bằng của nền kinh tế khi xét cả hai thị
trường hàng hoá và tiền tệ.
Một trong những yếu tố quan trọng ảnh hưởng đến cả hai thị trường này là lãi suất r.
Để xét ảnh hưởng qua lại giữa thị trường hàng hóa và thị trường tiền tệ ta giả sử rằng
tổng đầu tư I phụ thuộc vào lãi suất r theo quy luật: lãi suất càng cao thì đầu tư giảm.
Xét thị trường hàng hoá gồm các yếu tố:
- chi tiêu của chính phủ G = Go
- chi tiêu của các hộ gia đình C = aY + b (0 <a <1; b>0) (hoặc C = a(1-t)Y +b ; t là thuế
suất thu nhập)
- đầu tư I = k – lr (k, l > 0).
Phương trình cân bằng thị trường hàng hóa :
Y = C + I + Go = aY + b + k –lr +Go
(1 –a)Y + lr = b + k + Go (1)
(1) gọi là phương trình IS
Xét thị trường tiền tệ gồm các yếu tố:
- lượng cầu tiền L = mY – nr (m, n > 0) và
- lượng cung tiền M = Mo (được định trước).
Phương trình cân bằng của thị trường tiền tệ:
L M mY nr M o (2)
(2) được gọi là phương trình LM
Để xác định mức thu nhập quốc dân Y và lãi suất r đảm bảo cân bằng cân bằng trong cả
hai thị trường hàng hóa và thị trường tiền tệ, chúng ta thiết lập hệ phương trình 2 ẩn Y và r
được gọi là mô hình IS – LM:
(1 a )Y lr b k G o
mY nr M o
53
Giải hệ này ta được ta là xác định được mức thu nhập quốc dân cân bằng và lãi suất cân
bằng.
Ví dụ. Xét mô hình IS – LM với
C = 0,6Y + 35
I = 65 – r
Go = 70 (nghìn tỷ VNĐ)
L = 5Y – 50r
Mo = 1500 (nghìn tỷ VNĐ)
Xác định mức thu nhập quốc dân và lãi suất cân bằng.
Giải
Phương trình đường IS:
Y = C + I + Go = 0,6Y + 35 + 65 – r +70
0,4Y + r = 170
54