Professional Documents
Culture Documents
CHƯƠNG IV
KHÔNG GIAN VECTOR Rn
I. CÁC KHÁI NIỆM CƠ BẢN:
Ta gọi X = (x1, x2, … , xn) là vector X trong Rn. Ta thường ‘‘ hình học hóa ’’ X
Ta định nghĩa các phép toán cộng vector (+) và nhân số thực với vector (.) trên Rn
như sau:
Về mặt hình học, phép nhân số thực với vector có thể thay đổi chiều và độ dài nhưng
không thay đổi phương của vector. Phép cộng vector có thể tạo ra các vector có phương
Cấu trúc đại số (Rn, +, .) gọi là không gian vector Rn (trên R).
1
Ta cũng có thể đồng nhất Rn với M1 n(R) trong đó phép nhân số thực với vector và
phép cộng vector chính là phép nhân số thực với ma trận và phép cộng ma trận .
Ví dụ:
2
Với X = ( 5, 1, 4, 9), Y = (8, 0, 2, 7) R4 và c = R, ta có
3
2 16 4 14
X + Y = (3, 1, 6, 2) R4 và cX = (8, 0, 2, 7) = ( , 0, , ) R4.
3 3 3 3
a) R1 = R được đồng nhất với ‘‘ Không gian các vector gốc O trên trục x’Ox ’’.
b) R2 = { X = (a, b) | a, b R } được đồng nhất với ‘‘ Không gian các vector gốc O
c) R3 = { X = (a, b, c) | a, b, c R } được đồng nhất với ‘‘ Không gian các vector gốc
Không gian vector (Rn, +, .) trên R thỏa 7 tính chất sau đây:
(A1) Phép (+) giao hoán và kết hợp, nghĩa là X, Y, Z Rn,
X + Y = Y + X và ( X + Y ) + Z = X + ( Y + Z ) = X + Y + Z.
(A1), (A2) và (A3) là các tính chất riêng của phép (+).
a) c.X = O ( c = 0 hay X = O ).
b) c.X O ( c 0 và X O ).
Các phép toán (+) và (.) trên Rn vẫn được sử dụng trên W.
a) Ta nói W là một không gian vector con của Rn (ký hiệu W Rn) nếu W thỏa các
c) Rn luôn luôn có hai không gian con tầm thường là { O } và chính Rn.
thường của Rn. Nếu W Rn và W Rn thì ta nói W là một không gian con thực
Ví dụ:
b) R2 luôn luôn có hai không gian con tầm thường là { O } và chính R2.
Ta mô tả dưới dạng hình học các không gian con không tầm thường của R2.
Xét đường thẳng tùy ý (D) trong mặt phẳng R2 sao cho (D) đi qua gốc O.
Đặt H = { các vector gốc O trên đường thẳng (D) }. Ta có H R2 và H thỏa (1),
Do đó H R2 và H được gọi là một không gian con kiểu đường thẳng của R2.
Suy ra R2 có vô số không gian con kiểu đường thẳng vì có vô số đường thẳng trong
c) R3 luôn luôn có hai không gian con tầm thường là { O } và chính R3.
Ta mô tả dưới dạng hình học các không gian con không tầm thường của R3.
R3 có vô số không gian con kiểu đường thẳng ( mỗi đường thẳng thuộc về không
Xét mặt phẳng tùy ý (P) trong R3 sao cho (P) đi qua gốc O.
Đặt K = { các vector gốc O trên mặt phẳng (P) }. Ta có K R3 và K thỏa (1),
5
(2) và (3) trong (2.1) [ O K, X, Y K, c R : X + Y K và cX K ].
Do đó K R3 và K được gọi là một không gian con kiểu mặt phẳng của R3.
Suy ra R3 có vô số không gian con kiểu mặt phẳng vì có vô số mặt phẳng trong
R3 đi qua gốc O.
Các không gian con kiểu đường thẳng ( trong R2 và R3 ) và kiểu mặt phẳng ( trong R3 ).
Không gian con tầm thường { O } ( ta gọi là không gian con 0_ phẳng ).
Vô số không gian con kiểu đường thẳng ( ta gọi là không gian con 1_ phẳng ).
Vô số không gian con kiểu mặt phẳng ( ta gọi là không gian con 2_ phẳng ).
Các không gian con (n 1)_ phẳng của Rn được gọi là các siêu phẳng trong Rn.
Không gian con tầm thường Rn ( gọi là không gian con n_ phẳng ).
6
2.2/ MỆNH ĐỀ: Khi W Rn thì W cũng được gọi là không gian vector (W, +, .)
trên R và nó cũng thỏa 7 tính chất sau đây [ tương tự như (Rn, +, .) ] :
(A1) X, Y, Z W, X + Y = Y + X và ( X + Y ) + Z = X + ( Y + Z ) = X + Y + Z.
X’ + X = X + X’ = O.
(B1) X W, 1.X = X.
c.X O ( c 0 và X O ).
W Rn A Mm n(R) : W = { X Rn | AX = O ( AXt = O ) }.
Như vậy mỗi không gian con của Rn đều là không gian nghiệm của một hệ phương
Ví dụ:
a) Giải thích tập hợp sau là một không gian con của R4 :
W = { X = (u, v, w, t) R4 | 4u v + 5w 8t = 7u + 2w + t = 6u + 9v 3w
= 9u 4v + 7w + 3t }
Ta có thể sử dụng [ (1), (2), (3) ] hoặc (4) của (2.1) để giải thích W R4.
7
Tuy nhiên ta sẽ sử dụng (2.3) để giải thích W R4 một cách đơn giản hơn.
Ta viết lại ( bằng cách lấy vế đầu tiên trừ lần lượt mỗi vế ở phía sau ):
W = { X = ( u, v, w, t ) R4 | 11u v + 3w 9t = 2u 10v + 8w 8t
11 1 3 9
W = { X = ( u, v, w, t ) R | AX = O } với A = 1 5 4 4 M3 4(R).
4
13 3 2 11
Do đó W R4.
q p 0
A = r 0 p M3(R) [ để ý p2 + q2 + r2 > 0 vì a = (p, q, r) O ].
0 r q
Khi giải thích W Rn, ta thường sử dụng a), nghĩa là chỉ ra W thỏa (5) hay thỏa
X + Y W) [ X , Y ] cX W) [ X ]
Ví dụ: Giải thích các tập hợp sau đây không là không gian con của R3 :
Cho V, W, V1, V2, …, Vk là các không gian vector con của Rn (k 2).
a) Đặt V W = { | V và W } và
V + W = { = + | V và W }.
Dùng (4) của (2.1), ta kiểm chứng được (V W) và (V + W) đều là các không
gian vector con của Rn. Ta nói (V W) và (V + W) lần lượt là không gian giao
9
V, W Rn [ ( V W ) Rn và ( V + W ) Rn ] ( X , Y ).
k
b) Đặt V1 V2 … Vk = V
j 1
j = { | Vj , j = 1, 2, … , k } và
k
V1 + V2 + + Vk = V j = { = 1 + 2 + + k | j Vj , j = 1, 2, … , k }.
j 1
k k
Dùng (4) của (2.1), ta kiểm chứng được V
j 1
j và V
j 1
j đều là các không gian
k k
V
n
vector con của R . Ta nói j và V j lần lượt là không gian giao và không gian
j 1 j 1
H, K, L Rn [ ( H K L ) Rn và ( H + K + L ) Rn ] ( X , Y , Z )
10
c) Đặt V W = { | V hay W } và
k
V1 V2 … Vk = V
j 1
j = { | j = 1, 2, … , k thỏa Vj }.
k
d) Ta có V W và V
j 1
j không nhất thiết là các không gian vector con của Rn.
Ví dụ:
a) V và W là các không gian con kiểu đường thẳng của R2 sao cho hai đường thẳng
Để ý Z = (V W) R2 ( vì X, Y Z, X + Y Z ).
b) H và K lần lượt là các không gian con kiểu đường thẳng và mặt phẳng của R3
sao cho đường thẳng và mặt phẳng tương ứng giao nhau tại O.
Ta có H K = { O } R3 và H + K = R3 R3.
Để ý L = (H K) R2 ( vì X, Y L, X + Y L ).
c) P và Q là các không gian con kiểu mặt phẳng của R3 sao cho hai mặt phẳng
không gian con kiểu đường thẳng tương ứng với (D) của R2) và P + Q = R3 R3.
d) H, K và L là các không gian con kiểu đường thẳng của R3 sao cho ba đường
Ta có H K L = { O } R3 và H + K + L = R3 R3.
11
2.6/ ĐỊNH NGHĨA: Cho V và W là các không gian vector con của Rn.
a) Nếu W V thì ta cũng nói W là một không gian vector con (trên R) của V và
ký hiệu W V.
Nếu V { O } thì V luôn luôn có hai không gian con tầm thường là { O } và V.
thường của V. Nếu W V và W V thì ta nói W là một không gian con thực
Không gian con không tầm thường của W cũng là không gian con thực sự của W.
Ví dụ:
W và V lần lượt là không gian con kiểu đường thẳng và mặt phẳng của R3 sao cho
đường thẳng chứa trong mặt phẳng tương ứng. Khi đó { O } < W < V < R3.
12
III. KHÔNG GIAN CON SINH BỞI MỘT TẬP HỢP HỮU HẠN:
Như vậy từ một số hữu hạn các vector cho trước, ta có thể tạo ra được nhiều tổ hợp
Ta có thỏa (*) và thỏa (**) nên là một tổ hợp tuyến tính của S với
a) Đặt W là tập hợp tất cả các tổ hợp tuyến tính có từ S ( ký hiệu W = < S > ),
Ta kiểm tra được W = < S > là một không gian vector con của Rn [ dùng (2.1) ].
Ta nói W = < S > là không gian vector con ( của Rn ) sinh bởi tập hợp S.
b) Nếu S = thì ta qui ước < S > = {O} ( sinh ra không gian con {O} của Rn).
c) < S > là không gian vector con nhỏ nhất chứa được S của Rn, nghĩa là
14
V Rn , S V < S > V.
Ví dụ:
| a, b, c, d R }.
Phương trình c11 + c22 + c33 + c44 = (ẩn số c1, c2 , c3 , c4 R) có nghiệm trên R
c1 = 14b 9a + u + 4w và c2 = 11b 7a + u + 3w ( ).
Ta có thỏa (*) và thỏa (**) nên W = < S > và W = < S > với
3.3/ MINH HỌA: Các vector , , trong Rn dưới đây đều có gốc là O.
là một không gian con kiểu đường thẳng của Rn và đường thẳng này chứa và .
là một không gian con kiểu mặt phẳng của Rn và mặt phẳng này chứa , .
Cho các tập hợp hữu hạn S1, S2 , … , Sk Rn (k 2) và < Sj > = Wj Rn (1 j k).
Ví dụ:
17
H = < T1 > , K = < T2 > và L = < T3 > là các không gian con kiểu đường thẳng của R3.
Xét phương trình c11 + c22 + + ckk = O (*) với các ẩn số thực c1, c2 , … , ck .
a) Nếu (*) có nghiệm duy nhất ( nghiệm tầm thường ) thì ta nói S độc lập tuyến tính
18
[ trên R ] ( nghĩa là không có vector nào của S được tính theo các vector khác trong
thường ) thì ta nói S phụ thuộc tuyến tính [ trên R ] ( nghĩa là có ít nhất một vector
của S được tính theo các vector khác trong S dưới dạng tổ hợp tuyến tính ).
Ví dụ:
Phương trình có nghiệm duy nhất ( c1 = c2 = c3 = 0 ) nên S độc lập tuyến tính.
thuộc tuyến tính. Trích ra một nghiệm không tầm thường (bằng cách chọn a = 1), ta
3 = 22 31, nghĩa là 3 được tính theo 1 và 2 dưới dạng tổ hợp tuyến tính.
19
4.2/ NHẬN XÉT:
a) S = { } Rn .
b) S = { , } Rn ( X, Y ).
Nếu cùng phương với ( và có các thành phần tỉ lệ với nhau ) thì
Nếu khác phương với ( và có các thành phần không tỉ lệ với nhau )
c) S = { , , } Rn ( X, Y, Z ).
20
Nếu , , đồng phẳng thì S phụ thuộc tuyến tính.
d) Cho S T Rn.
Nếu S phụ thuộc tuyến tính thì T cũng phụ thuộc tuyến tính.
Nếu T độc lập tuyến tính thì S cũng độc lập tuyến tính.
Nếu O S thì S phụ thuộc tuyến tính ( vì { O } phụ thuộc tuyến tính ).
Ví dụ:
4.3/ MỆNH ĐỀ: ( xác định tính độc lập tuyến tính hoặc phụ thuộc tuyến tính )
Cho m 3 và S = { 1 , 2 , …, m } Rn.
1
Đặt A = 2 Mm n(R) và ta có thể hoán đổi các dòng của A.
m
Ta tìm SA ( dạng bậc thang của A ) để xác định r(A) với r(A) m.
21
Ví dụ:
2 1 2 5 4 1 3 4 1 7
Đặt A = 1 = 3 1 2 7 và B = 2 = 2 6 8 1 M3 4(R).
2 4 1 6 13 24 13 23
3 3
1* 2 5 4 *
1 2 5 4
A 0 5 17 5 0 5* 17 5 = SA có r(A) = 3 = m = 3 < n = 4.
0 8 9 14 0 0 91* 30
1* 2 9 6 1* 2 9 6
B 0 10 26 11 0 10* 26 11 = SB có r(B) = 2 < m = 3 < n = 4.
0 50 130 55 0 0 0 0
1 a 1 1
số thực). Đặt C = 2 = 1 a 1 M3(R) và
1 1 a
3
a 1 1 0 1 a 1 a2
1 a 1 a2 1 1 a
|C|= 1 a 1 = 0 a 1 1 a = = (a 1)2 = (a 1)2(a + 2).
a 1 1 a 1 1
1 1 a 1* 1 a
5.1/ VẤN ĐỀ: Cho W Rn. Có nhiều tập hợp hữu hạn của Rn sinh ra W. Ta muốn tìm
một tập sinh S nào đó của W sao cho S có số lượng vector là ít nhất. Khi đó ta nói
a) Nếu S độc lập tuyến tính thì S chính là một tập sinh tối ưu của W.
b) Nếu S phụ thuộc tuyến tính thì S là một tập sinh chưa tối ưu của W.
Ví dụ: W = R2.
lập tuyến tính nên S chính là một tập sinh tối ưu của R2. Chẳng hạn xét
Ta có < Z > = R2 và Z phụ thuộc tuyến tính nên Z là một tập sinh chưa tối ưu của
Một cơ sở của W là một tập sinh độc lập tuyến tính ( một tập sinh tối ưu ) của W.
23
5.4/ MỆNH ĐỀ: Cho W Rn.
( dim = dimension ). Như vậy số chiều của một không gian vector là số lượng các
Ví dụ:
a) < > = { O } và độc lập tuyến tính (theo qui ước) nên không gian { O } có cơ
phương nhau tùy ý vì B = { X, Y } độc lập tuyến tính và < B > = R2.
một tập sinh độc lập tuyến tính của R) và một tập sinh độc lập tuyến tính của R2)
dimR = | B | = 1. dimR2 = | C | = 2.
24
đồng phẳng tùy ý vì B = { X, Y, Z } độc lập tuyến tính và < B > = R3.
gọi là cơ sở chính tắc Bo = { 1 = (1,0, ... ,0), 2 = (0,1,0, ... ,0), ... , n = (0, ... ,0,1) }.
25
f ) S = { X = (8, 7) } R2 và V = < S > = { = a | a R } R2. Do O nên
S độc lập tuyến tính và cũng là một cơ sở của V. Ta có V là một không gian con
kiểu đường thẳng của R2 có dimV = | S | = 1 < dimR2 = 2. Như vậy {O} < V < R2
W là một không gian con kiểu mặt phẳng của R3 có dimW = | T | = 2 < dimR3 = 3.
Như vậy { O } < W < R3 và W là một không gian con không tầm thường của R3.
Ví dụ:
a) Cho Z = { , , } và T = { , , , , } trong R4 . Ta có | Z | = 3 và | T | = 5
Cho W Rn và W có cơ sở B = { 1 X1, 2 X2 , …, m Xm } Rn
( dimW = | B | = m ).
27
Như vậy không gian W hoàn toàn được xác định bởi một cơ sở bất kỳ của nó (vì
mỗi vector trong W được biểu diễn một cách duy nhất dưới dạng tổ hợp tuyến tính
theo các vector trong cơ sở). Do đó muốn xác định một không gian vector con trong
Rn, ta chỉ cần xác định một cơ sở của nó là đủ. Điều này rất thuận lợi vì các không
gian vector { O } có vô hạn vector trong khi mỗi cơ sở của nó có hữu hạn vector.
b) Các không gian vector { O } có vô hạn vector nên ta không thể so sánh “ tầm
vóc ( độ lớn ) ’’ của các không gian đó dựa trên số lượng vector của chúng được.
Chúng ta dùng đại lượng “ số chiều ” để thấy được “ tầm vóc ( độ lớn ) ’’ của các
không gian. Không gian có số chiều càng cao thì “ tầm vóc ” của nó càng lớn.
Ví dụ:
X1 7 2
a) Cho B = {X1 = (7,2), X2 = (4,1)} là một cơ sở của R2 (vì = = 1 0)
X2 4 1
X = (u, v) R2 , ta có biểu diễn tổ hợp tuyến tính duy nhất
*
1 1 1 1 1 1 1 1 1
A = 2 =
2 3 1 0 0 1
*
3 2 = SA thì r(A) = 3 nên S độc lập tuyến
1 1 1 1 0 0 2* 2
3
tính và cũng là một cơ sở của W với dimW = | S | = 3 < dim R4 = 4. Suy ra W < R4.
u 2w t 3t u 2 w
duy nhất dưới dạng tổ hợp tuyến tính = 1 + (v u)2 + 3 .
2 2
28
Ghi chú : Mỗi không gian con W của Rn đều có dạng là không gian nghiệm của một
Các không gian con của Rn (n 1) có cấu trúc hình học như sau :
* Vô số không gian con 1 chiều dạng đường thẳng đi qua gốc O và có 1 vector
chỉ phương O (độc lập tuyến tính) [ ta gọi chúng là các không gian con 1_ phẳng ].
* Vô số không gian con 2 chiều dạng mặt phẳng đi qua gốc O và có 2 vector chỉ phương
khác phương nhau (độc lập tuyến tính) [ ta gọi chúng là các không gian con 2_ phẳng ].
* Vô số không gian con 3 chiều đi qua gốc O và có 3 vector chỉ phương không đồng
phẳng ( độc lập tuyến tính ) [ ta gọi chúng là các không gian con 3_ phẳng ].
* Vô số không gian con (n – 1) chiều đi qua gốc O và có (n – 1) vector chỉ phương độc lập
tuyến tính [ta gọi chúng là các không gian con (n – 1)_ phẳng hay các siêu phẳng của Rn].
* Không gian Rn có n chiều đi qua gốc O và có n vector chỉ phương độc lập
H, K và L lần lượt là các không gian con 1_phẳng, 2_phẳng và 3_phẳng của Rn.
29
5.7/ TÌM CƠ SỞ CHO KHÔNG GIAN SINH BỞI MỘT TẬP HỢP HỮU HẠN:
b) Giải quyết:
1
Đặt A = 2 Mm n(R) và tìm ma trận dạng bậc thang SA của A.
m
Ví dụ: Trong R4, cho tập hợp ( được mô tả theo các tham số thực a, b, c, d )
| a, b, c, d R }.
Hãy tìm một tập hợp hữu hạn S của R4 thỏa W = < S > R4 và tìm một cơ sở cho W.
Dùng cách tách riêng các tham số và đặt mỗi tham số làm thừa số chung, ta có
1 1 2 2 1 1* 2 2 1 1* 2 2 1 1
2 4 7 1 2 0 1 9 2 0 1
*
9 2
Đặt A = = SA = = 2 .
3 2 3 4 0 0 1 8 2 0 0 1* 0 3
4 3 7 15 5 0 1 9 2 0 0 0 0 O
30
5.8/ TÌM CƠ SỞ CHO KHÔNG GIAN NGHIỆM CỦA HỆ PHƯƠNG TRÌNH
Dùng cách tách riêng các ẩn tự do và đặt mỗi ẩn tự do làm thừa số chung, ta có
được một tập sinh D (gồm k vector) cho W. Tập sinh D độc lập tuyến tính
( kết quả này đã được chứng minh trong lý thuyết ) nên D là một cơ sở của W.
Ta có dimW = | D | = k = ( số ẩn tự do của hệ AX = O ).
Ví dụ:
1 2 3 4
4 4 2 1 4 3
a) Cho V = { X R | HX = O } R với H = M4(R).
3 4 1 2
4 3 2 1
Ta tìm một cơ sở cho V. Trước hết ta giải hệ HX = O với X = (x, y, z, t) R4.
1 2 3 4 1* 2 3 4 1* 2 3 4 1* 2 3 4
2 1 4 3 0 5 2 11 0 5* 2 11 0 5* 2 11
|H|= = = = = 840 0.
3 4 1 2 0 10 10 10 0 0 6 12 0 0 6* 12
4 3 2 1 0 5 10 7 0 0 12 4 0 0 0 28*
Do đó V = { O } và V có cơ sở là với dimV = | | = 0.
1 5 1 7 3
2 10 3 18 7
b) W = { X R5 | AX = O } R5 với A = M4 5(R).
3 15 5 29 11
4 20 7 40 15
Ta tìm một cơ sở cho W. Trước ta giải hệ AX = O với X = (x, y, z, t, u) R5.
31
x y z t u x y z t u
* *
1 5 1 7 3 0 1 5 1 7 3 0 1 5 0 3 2 0
2 10 3 18 7 0 0 0 1 4 1 0 0 0 1* 4 1 0
.
3 15 5 29 11 0 0 0 2 8 2 0 0 0 0 0 0 0
4 20 7 40 15 0 0 0 1 4 1 0 0 0 0 0 0 0
Hệ có vô số nghiệm với 3 ẩn tự do y, t, u R, x = 5y + 3t 2u, z = u 4t.
( số ẩn tự do của hệ AX = O là 3 ).
a) Vấn đề: Cho V = < S > Rn và W = < T > Rn với S, T là các tập hợp con hữu
b) Giải quyết: Đặt Z = S T thì ( V + W ) = < Z >. Sử dụng (5.7) , ta tìm được một
dim(V + W) = | E | = 3.
( V W ) ( V và W )
Ta sẽ thấy c1, c2, ..., cp bị ràng buộc bởi một hệ phương trình tuyến tính thuần nhất.
Từ đó ta tìm được một tập sinh độc lập tuyến tính ( một cơ sở ) cho ( V W ).
có nghiệm thực.
33
r s t
*
1 1 1 3a 2b c
0 1* 3 4b 2a c
. Phương trình có nghiệm a + c = 0 c = a.
0 0 4* a 4b 2c
0 0 0 67a 67c
Vậy ( V W ) = { = a + b a = a( ) + b | a, b R } = < Z > với
5.11/ SO SÁNH SỐ VECTOR TRONG MỘT TẬP HỢP ĐỘC LẬP TUYẾN TÍNH
VÀ TRONG MỘT TẬP SINH VỚI SỐ CHIỀU CỦA KHÔNG GIAN VECTOR:
Một cơ sở của W là một tập hợp độc lập tuyến tính của W có nhiều vector nhất.
Nếu ( S độc lập tuyến tính R4 và | S | = dimR4 = 4 ) thì S là một cơ sở của R4.
Trong (5.5) , ta đã nêu ra cách nhận diện một cơ sở cho không gian Rn ( Rn được gọi
là không gian đầy ). Bây giờ ta giới thiệu cách nhận diện cơ sở cho không gian W
a) Khi chưa biết dimW: Ta dùng định nghĩa (5.3) nói về cơ sở.
X, Y, Z và T.
Giải thích S là một cơ sở của W ( chưa biết dimW ) : Do < S > = W và S độc lập
Các phương trình trên có vế trái như nhau nên có thể giải chung trong một bảng :
c1 c 2 c1 c2
2 3 4 9 1* 2 5 1 1* 0 1 3
*
1 4 9 1 0 2 4 2 0 1 2 1
(t t | t | t ) = .
3 1 1 10 0 7 14 7 0 0 0 0
0 5 10 5 0 5 10 5 0 0 0 0
d1 d2 d1 d2
* U = { , } độc lập tuyến tính ( không tỉ lệ với ) và | U | = 2 = dimW.
a) Nếu W V thì dimW dimV. Nếu W < V thì dimW < dimV.
36
c) dim( V + W ) = dimV + dimW dim( V W ) nên dim(V + W) dimV + dimW.
Ví dụ:
a) Xét lại Ví dụ của (2.5) mục a), b), c) về các không gian giao và không gian tổng.
V + W = R2, V W = { O }, H + K = P + Q = R3 và H K = { O }, P Q = L.
Ta có thể chọn (n m) vector ( từ cơ sở chính tắc Bo = { 1, 2, ..., n } ) thêm vào S
Ví dụ: S ={1 = (3,1,2,5), 2 = (2,0,4,3)} độc lập tuyến tính R4 (m = 2 < n = 4).
3 1 2 5 1* 1 2 2
A = 1 = SA = * có cột 3 và 4 không bán chuẩn hóa được
2 2 0 4 3 0 2 8 1
Đặt B = S {3 = (0,0,1,0), 4 = (0,0,0,1)} = {1 , 2 , 3 , 4} thì B là một cơ sở của R4
Trong mục VI này, ta qui định tất cả các cơ sở được sử dụng đều có thứ tự.
( dimW = m ).
c1
c
Ta ký hiệu [ ]A = 2 (**) và [ ]A gọi là tọa độ của vector theo cơ sở A.
cm
Ta có (*) và (**) có ý nghĩa như nhau và có thể dùng thay thế cho nhau.
b) , W, c R, [ c ]A = c[ ]A và [ ]A = [ ]A [ ]A .
3
Ta có = 41 2 + 33 = 4(1, 2, 2) (2, 3, 6) + 3(1, 1, 7) = (5, 2, 23).
c1
b) Tìm [ ]A nếu = (3, 11, 35) R . Đặt [ ]A = c2 thì = c11 + c22 + c33 ,
3
c
3
nghĩa là c1(1,2,2) + c2(2,3,6) + c3(1,1,7) = (3,11,35). Ma trận hóa phương trình trên
c1 c 2 c 3 c1 c 2 c 3
* *
1 2 1 3 1 2 1 3 1 0 5 31 1* 0 0 6 6
2 3 1 11 0 1 3 17 0 1* 3 17 0 1* 0 2 [ ]A = 2
2 6 7 35 0 3 8 46 0 0 1 5 0 0 1* 5 5
4 4 3
c) Ta có [ 3 ]A = 3 [ ]A = 3 1 = 3 và
3
3 3
4 6 2 10
[ ]A = [ ]A [ ]A = 1 2 = 1
hoặc
3 .
3 5 8 2
6.2/ MA TRẬN ĐỔI CƠ SỞ:
2 4
Ta có P = ( A B ) = ( [ 1 ]A [ 2 ]A [ 3 ]A ) = 1 0 e M3(R).
3 ln 5 9 / 7
Ta có 1 = 21 + 32 và 2 = 1 + 42 bằng cách giải hai phương trình vector
trận hóa sẽ chúng có vế trái y hệt nhau trong cùng một bảng :
c 1 c2 c1 c2
*
t t t t
2 1 1 6 1 1 1 5 1* 0 2 1
( | | ) =
1 2 1 2 * .
5 3 1 17 0 2 6 8 0 1 3 4
d1 d2 d1 d2
c d 2 1
Như vậy P = ( A B ) = ( [ 1 ]A [ 2 ]A ) = 1 1 = M2(R).
c2 d 2 3 4
b) ( A A ) = Im. c) ( A C ) = ( A B ).( B C ).
41
Ví dụ:
1 0 0
nên ( A A ) = ( [ 1 ]A [ 2 ]A [ 3 ]A ) = 0 1 0 = I3 M3(R).
0 0 1
7 2 3 5
b) Không gian V có các cơ sở A, B, C và ( A B ) = , ( B C ) =
4 1 2 6
1
1 7 2 1 2
Ta có ( B A ) = ( A B ) = = và
4 1 4 7
7 2 3 5 25 23
( A C ) = ( A B ).( B C ) = = .
4 1 2 6 14 14
Cho W Rn có các cơ sở A và B.
W, [ ]A = ( A B ).[ ]B
6 3
Cho , W thỏa [ ]B = và [ ]A = . Tính [ ]A và [ ]B.
5 8
42
5 2 6 40
Ta có [ ]A = (A B).[ ]B = = (nghĩa là = 6 + 5 = 40 + 57)
7 3 5 57
3 2 3 25
và [ ]B = (B A).[ ]A = = (nghĩa là = 3 8 = 25 61).
7 5 8 61
a) Rn có cơ sở chính tắc Bo = {1 = (1,0, ... ,0), 2 = (0,1, 0, ... ,0), ..., n = (0, ... ,0,1)}.
a1
a
R , = (a1, a2 , ... , an) = a11 + a22 + + ann [ ]Bo = 2 = t.
n
an
7
2
4
Chẳng hạn = (7, 2 , e , ) R có [ ]Bo =
= t .
e
b) Giả sử Rn có các cơ sở A = { 1 A1, 2 A2 , …, n An } và
Cách 2: ( tìm trực tiếp theo định nghĩa của ma trận đổi cơ sở ).
n phương trình và n ẩn số. Các hệ này cùng có vế trái là ( 1t 2t ... nt ) và các vế
phải của chúng lần lượt là các cột 1t , 2t , ..., nt . Do đó ta có thể giải đồng thời n
hệ trên trong cùng một bảng ma trận là 1t 2t ... nt 1t 2t ...
nt . Sau khi
43
giải xong n hệ trên bằng phương pháp Gauss Jordan, ta có được ( In | P ) với
P = ( [ 1 ]A [ 2 ]A … [ n ]A ) = ( A B ).
B = {1 = (3, 4, 9), 2 = (2, 1, 2), 3 = ( 7, 1, 4)} và cơ sở chính tắc Bo = { 1, 2, 3 }.
a) Viết P = ( A B ).
3 0 2
Đặt H = ( Bo A ) = ( ) = 4 1 3 . Ta tìm trực tiếp H 1 theo sơ đồ sau:
t
1
t
2
t
3
6 1 4
1* 0 0 1 2 2 1 2 2
0 1* 0 1
2 0 1 = ( I3 | H ) . Vậy H
1
= 2 0 1 .
0 0 1* 2 3 3 2 3 3
44
3 2 7 13 4 1
Đặt K = ( Bo B ) = ( 1t 2t 3t ) = 4 1 1 . Ta có P = H 1K =
15 6 10 .
9 2 4 21 7 5
phương trình tuyến tính được ma trận hóa như sau (không đề cập đến H, K và H 1)
3 0 2 3 2 7 1* 1 1 7 3 6
t
1 2t 3t 1t 2t
3t = 4 1 3 4 1 1 0 3 1 24 11 25
6 1 4 9 2 4 0 1 0 15 6 10
1* 0 1 8 3 4 1* 0 0 13 4 1
0 1* 0 15 6 10 0 1* 0 15 6 10 = ( I3 | [ 1 ]A [ 2 ]A [ 3 ]A ).
0 0 1 21 7 5 0 0 1* 21 7 5
13 4 1
Vậy P = ( A B ) = 15 6 10 .
21 7 5
2
b) Tìm R nếu [ ]A = 1 . Ta có
3
5
= 21 + 2 53 = 2( 3, 4, 6) + (0, 1, 1) 5(2, 3, 4) = ( 16, 24, 33).
2 2 3 3 2 11
45
6
d) Xét R có [ ]B = 0 . Tính [ ]A .
3
1
13 4 1 6 79
Ta có [ ]A = (A B) [ ]B = P.[ ]B = 15 6 10
0 = 100
21 7 5 1 131
phải giải m hệ phương trình tuyến tính, mỗi hệ có n phương trình và m ẩn số. Các
hệ này có cùng vế trái là ( 1t 2t ... mt ) và các vế phải của chúng lần lượt là các cột
1t , 2t , ... và mt . Do đó ta có thể giải đồng thời m hệ phương trình tuyến tính trên
46
Khi giải xong hệ trên bằng phương pháp Gauss - Jordan, ta xóa bỏ ( n m ) dòng
và B = {1 = (1, 7, 16, 5) , 2 = (11,17, 3, 4), 3 = (19, 13, 15, 14)} là các cơ sở.
đồng thời 3 hệ phương trình tuyến tính dưới đây (mỗi hệ có 4 phương trình và 3 ẩn số)
1* 0 5 3 7 23 1* 0 0 2 3 3
*
0 1 1 2 2 2 0 1* 0 1 4 2 I 3 [ 1 ] A [2 ]A [ 3 ]A
=
0 0 23 23 46 92 0 0 1* 1 2 4 0 0 0 0 0 0
0 0 3 3 6 12 0 0 0 0 0 0
2 3 3
P = (A B) = ( [ 1 ]A [ 2 ]A [ 3 ]A ) = 1 4 2 .
1 2 4
1 1
2
a) Nếu có ma trận khả nghịch P Mm(R) thỏa = P 2 thì B cũng là một cơ
m m
sở của W. Lúc đó (A B) = Pt .
47
1 1
2
b) Nếu có ma trận khả nghịch Q Mm(R) thỏa = Q 2 thì B cũng là một
m m
cơ sở của W. Lúc đó (B A) = Qt .
1 2 3 3 1 1 2 3 3 1 2 3 3
2 = 1 4 2 2 và 2 = 1 4 2 2 với Q = 1 4 2 .
1 2 4 1 2 4 1 2 4
3 3 3 3
2 3 3 0 11 1
* 11 1
Ta có | Q | = 1 4 2 = 1 4 2 = = 60 0 nên Q khả nghịch.
6 6
1 2 4 0 6 6
Do đó B và C đều là các cơ sở của W với
2 1 1
(A B) = (C A) = Q = 3 4 2 .
t
3 2 4
48
VII. KHÔNG GIAN VECTOR THỰC TỔNG QUÁT:
Từ cấu trúc không gian vector Rn trên R, ta có thể xây dựng một cấu trúc không gian
7.1. ĐỊNH NGHĨA: Cho tập hợp V và mỗi phần tử của V được gọi là “ một
Trên V có một phép toán ký hiệu hình thức là + ( được gọi là phép cộng vector ),
Có một qui tắc liên kết từ R vào V ký hiệu hình thức là . ( được gọi là phép nhân
Ta nói cấu trúc đại số (V, +, . ) là một không gian vector trên R ( không gian
+ = + và ( + ) + = + ( + ) = + + .
(A1), (A2) và (A3) là các tính chất riêng của phép (+).
(B1) V, 1. = .
(C1) và (C2) là các tính chất liên quan giữa phép (+) và phép (.).
Ví dụ:
thức thực. Ta có phép cộng (+) tự nhiên các đa thức thực và phép nhân (.) tự nhiên
số thực với đa thức thực. Khi đó (R[x], +, .) là một không gian vector trên R.
Phần tử O của R[x] là đa thức O. f (x) R[x], f (x) có vector đối là f (x).
b) Với phép cộng (+) tự nhiên các ma trận thực kích thước m n và phép nhân (.)
tự nhiên số thực với ma trận thực m n, ta có (Mm n(R), +, .) là một không gian
c) F(R) = { f | f : R R } là tập hợp các hàm số từ R vào R. Với phép cộng (+)
tự nhiên các hàm số thực và phép nhân (.) tự nhiên số thực với hàm số thực, ta có
(F(R), +, .) là một không gian vector trên R. Phần tử O của F(R) là hàm hằng 0.
d) S(R) = { (an )n N | an R, n N } là tập hợp các dãy số thực. Với phép cộng (+)
tự nhiên các dãy số thực và phép nhân (.) tự nhiên số thực với dãy số thực, ta có
(S(R), +, .) là một không gian vector trên R. Phần tử O của S(R) là dãy số
tự nhiên các chuỗi số thực và phép nhân (.) tự nhiên số thực với chuỗi số thực, ta
50
có ( (R), +, .) là một không gian vector trên R. Phần tử O của (R) là chuỗi
số hằng 0. an (R), a n có vector đối là (a ) .
n
n 0 n 0 n 0
7.2. HỆ QUẢ: V, c R, ta có
Các phép toán (+) và (.) trên V vẫn được sử dụng trên W.
a) Ta nói W là một không gian vector con của V (ký hiệu W V) nếu W thỏa các
* O W (1)
* , W, + W (2)
* W, c R, c. W (3).
c) V luôn luôn có hai không gian con tầm thường là {O} và chính V.
Nếu W V và {O} W V thì ta nói W là một không gian con không tầm
thường của V.
ký hiệu W < V.
Một không gian con không tầm thường của V đương nhiên là một không gian con
51
Ví dụ:
b) Trong (Mm n(R), +, .), ta có các không gian con thực sự như
Khi m, n N* và m < n thì R[x] < C(n)(R) < C(m)(R) < C(R).
52
7.4/ MỆNH ĐỀ: (phủ nhận không gian con của V).
Các phép toán (+) và (.) trên V vẫn được sử dụng trên W. Khi đó
O W (5)
hay
a) W V (W không phải là không gian con của V) , W , W (6) .
hay
W , c R, c W (7)
b) W V , W, c R, c + W.
Khi giải thích W V, ta thường sử dụng a), nghĩa là chỉ ra W thỏa (5) hay thỏa
Ví dụ:
Các khái niệm không gian giao của các không gian con, không gian tổng của các
không gian con, tổ hợp tuyến tính của hữu hạn vector, không gian con sinh bởi một
tập hợp hữu hạn, tập hợp hữu hạn độc lập tuyến tính (hoặc phụ thuộc tuyến tính), cơ
sở và số chiều hữu hạn trong không gian vector thực tổng quát được định nghĩa hoàn
Ta giải thích S độc lập tuyến tính trên R như sau : Xét a, b, c, d, u, v, w R sao
Ta sẽ chỉ ra a = b = c = d = u = v = w = 0.
Chia hai vế của (*) cho ex và cho x + , ta có c = 0 và xóa cex trong (*).
S là một cơ sở của W vì S là môt tập sinh độc lập tuyến tính của W và dimW = | S | = 7.
Ta giải thích T độc lập tuyến tính và U phụ thuộc tuyến tính trên R như sau :
54
Xét H = < U > = < T > = { f (x) = usin2x + vsin2x + wcos2x | u, v, w R} ≤ F(R).
(< U > = < T > vì cos2x = cos2x sin2x là một tổ hợp tuyến tính của cos2x và
sin2x). T là một cơ sở của H vì T là một tập sinh độc lập tuyến tính của H và
Rn[x] có thể đồng nhất với Rn+1 về cấu trúc không gian vector.
f (x) = (ao + a1x + + anxn) Rn[x] được đồng nhất với = (ao , a1 , ... , an) Rn+1
( Eij là ma trận có hệ số = 1 tại vị trí dòng i và cột j, còn các hệ số khác đều = 0).
Mm n(R) có thể đồng nhất với Rmn về cấu trúc không gian vector.
= (a11 , a12 , ... , a1n , a21 , a22 , ... , a2n , ... , am1 , am2 , ..., amn ) Rmn.
( Eij là ma trận có hệ số = 1 tại vị trí dòng i và cột j, còn các hệ số khác đều = 0).
Ta có dimMn(R) = | B | = n2.
2
Mn(R) có thể đồng nhất với R n về cấu trúc không gian vector.
2
= (a11 , a12 , ... , a1n , a21 , a22 , ... , a2n , ... , an1 , an2 , ..., ann ) R n .
55
d) Khi giải quyết các vấn đề trong các không gian hữu hạn chiều Rn[x], Mm n(R) và
Mn(R), ta chuyển đổi các vector có liên quan trong Rn[x], Mm n(R) và Mn(R)
thành các vector tương ứng trong Rn+1, Rmn và R n . Dùng các kỹ năng tính toán
2
quen thuộc trong Rn+1, Rmn và R n để giải quyết các vấn đề được yêu cầu. Sau khi
2
thu được kết quả trong Rn+1, Rmn và R n , ta lại chuyển đổi chúng về các vector
2
Ví dụ:
a) Xét tính độc lập hoặc phụ thuộc tuyến tính của các tập hợp sau trong R3[x] và
M2(R):
3 4 2 6 13 24
và K = { A1 = , A2 = , A3 = }.
1 7 8 1 13 23
Trong Ví dụ (4.3), ta đã thấy S độc lập tuyến tính và T phụ thuộc tuyến tính trên
R. Suy ra H độc lập tuyến tính và K phụ thuộc tuyến tính trên R.
56
1 2 4 7 2 3 3 7
c) Z = {A1 = , A2 = , A3 = , A4 = } M2(R) và
2 1 1 2 4 0 15 5
Ta có M2(R) R4,
C = { 1 = (1, 2, 2, 1), 2 = (0, 1, 9, 2), 3 = (0, 0, 1, 0) }. Suy ra U có một cơ sở
1 2 0 1 0 0
là T = { B1 = , B2 = , B3 = } và dimU = | T | = 3.
2 1 9 2 1 0
d) R2[x] có các cơ sở là
Viết P = ( G H ).
1 1 2 5 3 0
Z = { A1 = , A2 = , A3 = } và
5 0 4 1 2 4
2 3 3 2 3 3
L = (A B) = 1 4 2 . Suy ra Q = (Z T) L = (A B) =
1 4 2 .
1 2 4 1 2 4
-------------------------------------------------------------------------------------------------------------
58