MỤC LỤC

LỜI CẢM ƠN
LÝ DO CHỌN ĐỀ TÀI
Trang
Chương:1 KIẾN THỨC CHUẨN BỊ .................................................................................................... 1
1.1 Hệ phương trình tuyến tính ......................................................................................................... 1
1.1.1 Dạng của hệ phương trình tuyến tính ................................................................................... 1
1.1.2 Giải hệ phương trình tuyến tính ........................................................................................... 2
1.1.3 Hệ phương trình thuần nhất ................................................................................................. 6
1.1.4 Phương pháp Gauss .............................................................................................................. 8
1.2 Đại số ma trận ............................................................................................................................ 10
1.2.1 Các khái niệm ...................................................................................................................... 10
1.2.2 Các dạng đặc biệt của ma trận. .......................................................................................... 10
1.2.3 Các phép toán về ma trận ................................................................................................... 12
Chương:2 ỨNG DỤNG HỆ PHƯƠNG TRÌNH TUYẾN TÍNH TRONG CÁC BÀI TOÁN THỰC
TẾ ........................................................................................................................................................ 19
2.1 Xây dựng các đường cong và bề mặt đi qua các điểm đã chỉ định ........................................... 19
2.1.1 Giới thiệu ............................................................................................................................. 19
2.1.2 Ví dụ .................................................................................................................................... 19
2.1.3 Bài tập.................................................................................................................................. 20
2.2 Giải hệ phương trình vi phân .................................................................................................... 21
2.2.1 Giới thiệu ............................................................................................................................. 21
2.2.2 Ví dụ .................................................................................................................................... 21
2.2.3 Bài tập.................................................................................................................................. 25
Chương:3 ỨNG DỤNG HỆ SỐ MA TRẬN TRONG CÁC BÀI TOÁN THỰC TẾ ......................... 25
3.1 Ứng dụng Di truyền học ............................................................................................................ 25
3.1.1 Giới thiệu ............................................................................................................................. 25
3.1.2 Ví dụ .................................................................................................................................... 26
3.1.3 Bài tập.................................................................................................................................. 32
3.2 Ứng dụng trong mật mã học ...................................................................................................... 32
3.2.1 Giới thiệu ............................................................................................................................. 32
3.2.2 Ví dụ .................................................................................................................................... 33
 Ví dụ 3: ......................................................................................................................................... 37
3.2.3 Bài tập.................................................................................................................................. 38
3.3 Ứng dụng trong hóa học ............................................................................................................ 39
3.3.1 Giới thiệu ............................................................................................................................. 39
3.3.2 Ví dụ .................................................................................................................................... 39
3.3.3 Bài tập.................................................................................................................................. 43
3.4 Ứng dụng trong mô hình kinh tế Leonteif................................................................................. 43
3.4.1 Giới thiệu ............................................................................................................................. 43
3.4.2 Ví dụ .................................................................................................................................... 45
3.4.3 Bài tập.................................................................................................................................. 47
3.5 Ứng dụng trong chuỗi Markov .................................................................................................. 47
3.5.1 Giới thiệu ............................................................................................................................. 47
3.5.2 Ví dụ .................................................................................................................................... 48
3.5.3 Bài tập.................................................................................................................................. 52
3.6 Ứng dụng trong mạch điện ....................................................................................................... 53
3.6.1 Giới thiệu ............................................................................................................................. 53
3.6.2 Ví dụ .................................................................................................................................... 55
3.6.3 Bài tập.................................................................................................................................. 57
3.7 Ứng dụng trong phân luồng giao thông ................................................................................... 58
3.7.1 Giới thiệu ............................................................................................................................. 58
3.7.2 Ví dụ .................................................................................................................................... 58
3.7.3 Bài tập.................................................................................................................................. 61

KẾT LUẬN……………………………………………………………………………………………….63
TÀI LIỆU THAM KHẢO……………………………………………………………………………….64
 LỜI CẢM ƠN

Khóa luận tốt nghiệp chuyên ngành Toán Ứng Dụng với Đề tài “Một số ứng dụng của
đại số tuyến tính vào các lĩnh vực khác” là kết quả của quá trình cố gắng không
ngừng nghỉ của bản thân và được sự giúp đỡ tận tình, động viên khích lệ của thầy cô,
bạn bè và người thân. Qua đây, em xin gửi lời cảm ơn chân thành đến những người đã
giúp đỡ em trong thời gian học tập vừa qua.
Xin chân thành cảm ơn Ban giám hiệu trường Đại học Cần Thơ vì đã tạo điều kiện về cơ
sở vật chất với hệ thống thư viện hiện đại, tài liệu đa dạng đã tạo điều kiện thuận lợi cho
em trong việc tìm kiếm thông tin và tài liệu tham khảo.
Xin cảm ơn quý Thầy Cô của bộ môn Toán học, đặc biệt là Cô Phạm Bích Như đã tận
tình giúp đỡ, định hướng cách tư duy và cách làm việc khoa học cho em những nhận xét
quý báu, chỉnh sửa những sai sót trong bản thảo luận văn của em . Trong thời gian làm
luận văn cùng cô em đã có thêm cho mình nhiều kiến thức bổ ích, tinh thần học tập hiệu
quả, nghiêm túc. Đó là những góp ý hết sức quý báu không chỉ trong quá trình thực hiện
luận văn này mà còn là hành trang tiếp bước cho em trong quá trình học tập và lập
nghiệp sau này.

Những kiến thức em đã được học trong suốt những năm quan từ quý Thầy Cô trong Bộ
môn vô cùng hữu ích và có tính ứng dụng cao. Chương trình đào tạo đảm bảo cung cấp
đủ kiến thức, gắn liền với nhu cầu thực tiễn của xã hội. Mặc dù, em đã có nhiều cố gắng
nhưng do bản thân chưa có nhiều kinh nghiệm làm đề tài cũng như còn một số hạn chế về
mặt kiến thức cho nên nhưng trong luận văn chắc chắn sẽ không tránh khỏi những thiếu
sót. Rất mong nhận được sự góp ý từ phía quý Thầy Cô, các bạn để luận văn được hoàn
thiện hơn.
Cuối cùng, em xin cảm ơn gia đình, người thân, bạn bè đã luôn bên cạnh, ủng hộ, động
viên.
Em xin chân thành cảm ơn!
Cần Thơ, tháng 12 năm 2022

Trần Đình Chiến

 LÝ DO CHỌN ĐỀ TÀI

Giai đoạn hiện nay toàn cầu hoá kinh tế trở thành xu thế nổi bật và tất yếu chi phối thời
đại là yếu tố quan trọng đối với sự phát triển kinh tế của các nước. Cùng với đó cuộc cách
mạng khoa học công nghệ mới lần thứ 4 diễn ra với nhịp độ ngày càng mạnh mẽ, mà cốt
lõi là dựa trên việc ứng dụng các phát minh khoa học công nghệ dựa trên nền tảng toán
học phát triển các ngành công nghệ cao như công nghệ truyền thông và tin học, công
nghệ vật liệu mới, công nghệ sinh học… đã làm thay đổi mọi mặt đời sống kinh tế - chính
trị và xã hội nhân loại.
Toán học là xương sống của mọi ngành, đóng vai trò quan trọng trong nền kinh tế quốc
dân.
Trong khi các phương pháp tính toán truyền thống tốn nhiều thời nhưng hiệu quả lại giảm
sút thì hệ phương trình tuyến tính và đại số ma trận gần như đã trở thành lựa chọn số
một cho lĩnh vực toán học để phát triển các ngành nghề hiện nay. Số lượng các ngành
nghề sử dụng các công cụ ứng dụng toán học ngày càng tăng, ngân sách cho toán học
ngày càng cao đủ để chứng tỏ sự tiện lợi cũng như lợi ích mà toán học mang lại cho các
ngành không nhỏ.
Nhận thức được tầm quan trọng của hệ phương trình tuyến tính và đại số ma trận ảnh
hưởng đến hiệu quả các ngành nghề ra sao, tôi đã chọn đề tài “Một số ứng dụng của
đại số tuyến tính vào các lĩnh vực khác” là đề tài cho khóa luận của mình.
Chương:1 KIẾN THỨC CHUẨN BỊ
1.1 Hệ phương trình tuyến tính
1.1.1 Dạng của hệ phương trình tuyến tính
Dạng tổng quát của hệ phương trình đại số tuyến tính được viết như sau
𝑎11 𝑥1 + 𝑎11 𝑥2 +. . . 𝑎11 𝑥𝑛 = 𝑏1
𝑎 𝑥 + 𝑎22 𝑥2 +. . . 𝑎2𝑛 𝑥𝑛 = 𝑏2
{ 21 1 (1.1)
…………………………………
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 +. . . 𝑎𝑚𝑛 𝑥𝑛 = 𝑏𝑚
Hệ này được viết dưới dạng ma trận là
Ax = b (1.2)
ở đây A là ma trận được thành lập từ các hệ số của các biến
A=(𝑎𝑖𝑗 )𝑚𝑥𝑛
x: véc tơ cột của các biến.

(1.3)
b: véc tơ cột các hệ số tự do.

(1.4)
Hệ phương trình đại số tuyến tính được gọi là:
 thuần nhất nếu tất cả các 𝑏𝑖 = 0, i = 1, 2,..., m;
 không thuần nhất nếu có ít nhất một 𝑏𝑖 ≠ 0;
 tương thích nếu hệ có ít nhất một nghiệm, tức là tồn tại ít nhất một bộ giá trị của 𝑥1,
𝑥2,…, 𝑥𝑛 mà khi thay vào hệ phương trình ta sẽ nhận được những đẳng thức đúng;
 không tương thích nếu không có một nghiệm nào;
 xác định nếu hệ chỉ có một nghiệm duy nhất;
 bất định nếu tồn tại quá một nghiệm.
Muốn giải hệ phương trình đại số tuyến tính thì trước hết phải xác định xem hệ đã cho
Trang 1
tương thích hay không tương thích. Nếu là hệ tương thích thì lại phải xem hệ là xác định
hay bất định. Nếu hệ phương trình là xác định thì ta đi tìm nghiệm duy nhất của nó.
Ví dụ 1:
x+y= 3
{
2x − 3y = 5
là một hệ hai phương trình 2 ẩn.
Ví dụ 2:
2x + 3y + 4z = 3
{ x−y+z = 1
4x − 2y + z = 5
là một hệ 3 phương trình 3 ẩn.
Ví dụ 3:
3x + y − 2z = 1
{
x − 3y + z = 2
là một hệ hai phương trình 3 ẩn.
1.1.2 Giải hệ phương trình tuyến tính
Khi giải hệ phương trình đại số tuyến tính có thể xảy ra hai trường hợp: m= n và m ≠ n.
Trường hợp m=n
Lúc này ma trận A có dạng

Định nghĩa: Hệ (1.2) gọi là hệ Cramer nếu det (A) ≠ 0 (ma trận A không suy biến). Khi đó,
ma trân hệ số A sẽ tồn tại ma trận nghịch đảo 𝐴−1.
Định lí 1.1 (Cramer): Hệ Cramer có nghiệm duy nhất tính bằng công thức
Giải thích Delta, Delta i là gì??

Chứng minh: Ta nhân hai vế của đẳng thức (3.2) với 𝐴−1 về bên trái, ta được:

Trang 2
Bởi vì 𝐴−1A E − = , mà nhân bất cứ ma trận nào với E sẽ được đúng ma trận đó, nên

(1.5)
Sau khi thế 𝐴−1 bởi biểu thức của nó và thay các véc tơ cộ t x và b, ta có:

Vì hai ma trận chỉ bằng nhau khi các phần tử tương ứng của chúng bằng nhau nên

(1.6)
Theo định lí khai triển: Định thức bằng tổng các tích của các phần tử của hàng hoặc cột
với các phần phụ đại số của chúng. Vì vậy bất cứ hàng nào trong biểu thức (3.6) cũng
thay được bằng các định thức tương ứng với véc tơ b là một cột của nó, chẳng hạn đối với
𝑥𝑖 sẽ có

(1.7)
Điều đó có nghĩa là muốn tìm 𝑥𝑖 thì phải chia định thức 𝛥𝑖 thiết lập từ định thức |𝐴| = 𝛥
bằng cách thay cột i của định thức (delta) bởi cột hệ số tự do, tức là

(1.8)
Vì vậy, có thể phát biểu quy tắc Cramer: Nếu định thức gồm của ma trận các hệ số của
hệ n phương trình tuyến tính với n ẩn khác 0 thì hệ có một nghiệm duy nhất được tính
bằng công thức (1.8).

Trang 3
Ví dụ: Giải hệ
−2x + 4y = 8
{ −2x + 2z = 2
−4x + 2y + 6z = 2

Giải: Ta có:
−2 4 0 8
A=(−2 0 2) , b= [2]
−4 2 6 2
8 4 0 −2 8 0 −2 4 8
𝐴1 =(2 0 2) 𝐴2 =(−2 2 2) 𝐴3 =(−2 0 2)
2 2 6 −4 2 6 −4 2 2
Ta tính được det(A) =24≠ 0; det(𝐴1 )=-64 (𝐴2 ) = 16 (𝐴3 ) = −16
Ta có nghiệm của hệ đã cho là:
−64 −8 16 2 −16 −2
𝑋1= = ; 𝑋2 = = ; 𝑋3 = =
24 3 24 3 24 3

Trường hợp m≠ n
Ta gọi A= (𝑎𝑖𝑗)𝑚𝑥𝑛là ma trận hệ số của hệ phương trình. Sau khi thêm cột các số hạng
tự do b vào ma trận A, ta lập được ma trận mở rộng B.

Để giải trường hợp này, ta dựa vào định lí sau:

Định lí 1.2 (Croneker – Capeli): Điều kiện cần và đủ để hệ (1.1) có nghiệm là hạng của
ma trận A bằng hạng của ma trận mở rộng B. Nếu r(A)=r(B)=n thì hệ (1.1) có một
nghiệm duy nhất. Nếu r(A)=r(B)<n thì hệ (1.1) có vô số nghiệm. Chứng minh: Cần: Giả
sử hệ (1.1) có nghiệm. Ta phải chứng minh
r(A)=r(B).
Thật vậy, hệ (3.1) có nghiệm, tức là có 𝑥1=𝑐1, 𝑥2=𝑐2,…, 𝑥𝑛=𝑐𝑛 để cho

Trang 4
Hay

Điều đó chứng tỏ rằng cột cuối cùng của ma trận B là tổ hợp tuyến tính của n cột đầu.
Theo tính chất hạng của ma trận, ta có thể bỏ cột cuối cùng mà không làm ảnh hưởng đến
hạng của ma trận B. Vì vậy,
r(A)=r(B).
Đủ: Giả sử r(A)=r(B) = k. Ta phải chứng minh hệ (3.2) có nghiệm.
Không mất tính tổng quát, có thể coi định thức cấp k khác 0 của A và B nằm ở góc trái.
Khi đó, k cột đầu tiên độc lập tuyến tính và các cột còn lại có thể biểu diễn qua k cột đầu.
Trong trường hợp riêng, cột b biểu diễn được qua k cột đầu

Thật vậy, nếu lấy 𝑥1 = 𝜆1 ,…, 𝑥𝑘 =𝜆𝑘 , 𝑥𝑘+1=𝑥𝑘+2=…=𝑥𝑛 =0 thì chúng tạo nên một
nghiệm của hệ (3.1). Đó là điều phải chứng minh.
Ví dụ: Giải hệ phương trình:
𝑥1 − 2𝑥3 + 3𝑥4 = 2
{−𝑥1 + 𝑥2 + 2𝑥4 = 1
2𝑥1 − 𝑥2 + 𝑥3 = 2

Giải:
Ở đây m =3, n = 4.
1 0 −2 3 2 1 0 −2 3 2 1 0 −2 3 2 1 0 −2 3 2
B = [ −1 1 1 2 1] → [0 1 −1 5 3 ] → [0 1 1 3/2 2] → [0 1 1 3/2 2 ]
2−1 1 0 2 0−1 5 −6 −2 0−3 −1 −1 0 0 0 1 7/4 5/2

Trang 5
Ta có r(A) = r(B) = 3 < n = 4.
Vậy hệ vô số nghiệm.
Với ma trận cuối cùng ta có:

𝑥1 − 2𝑥3 + 3𝑥4 = 2
3
𝑥2 + 𝑥3 + 𝑥4 = 2
2
7 5
{ 𝑥3 + 𝑥4 =
4 2
Đặt 𝑥4 = c , ta được:
5 7 13
𝑥1 − 2𝑥3 = 2 − 3𝑐 𝑥1 = 2 − 3𝑐 + 2 ( − 𝑐) = 7 − 𝑐
3 2 4 2
𝑥2 + 𝑥3 = 2 − 𝑐 3 5 7 −1 1
2 ⟹ 𝑥2 = 2 − 𝑐 − + 𝑐 = + 𝑐
5 7 2 2 4 2 4
𝑥 3 += − 𝑐 5 7
{ 2 4 𝑥3 = − 𝑐
{ 2 4
Vậy các nghiệm có dạng
13
𝑥1 = 7 − 𝑐
2
−1 1
𝑥2 = + 𝑐
2 4
5 7
𝑥3 = − 𝑐
2 4
{ 𝑥4 = c
với mỗi giá trị của c ta có một nghiệm.
1.1.3 Hệ phương trình thuần nhất
Đây là trường hợp riêng của hệ (3.1), khi 𝑏𝑖 = 0 với mọi i = 1, 2,..., n nên Định lí
Croneke – Capeli vẫn đúng. Nhưng với trường hợp này, ta luôn có r(A) = r(B) nên hệ
thuần nhất luôn có nghiệm. Chẳng hạn, ta thấy ngay 𝑥1 = 0, 𝑥2 = 0, … , 𝑥𝑛 = 0 là một
nghiệm của hệ, nghiệm này được gọi là nghiệm tầm thường.
Vậy khi nào hệ thuần nhất có nghiệm không tầm thường?
Định lí 3.3: Nếu r(A) = n thì hệ thuần nhất chỉ có nghiệm tầm thường, nếu r(A) < n thì hệ
thuần nhất có vô số nghiệm, nghĩa là ngoài nghiệm tầm thường phải có nghiệm không
tầm thường.

Trang 6
Chứng minh:
Nếu r(A) = n thì theo quy tắc Cramer, hệ có nghiệm duy nhất, chính là nghiệm tầm thường.
Nếu r(A) < n thì ta chuyển n - r(A) ẩn tự do sang phải và hệ sẽ có vô số nghiệm.
Hệ quả: Đối với hệ thuần nhất n phương trình n ẩn số thì điều kiện cần và đủ để hệ có
nghiệm không tầm thường là định thức ∆ = 0.
Thật vậy, vì ∆ = 0 thì r(A) = r(B) < n . Do đó, hệ thuần nhất có vô số nghiệm, tức là có
nghiệm không tầm thường.
Ta cũng có các định nghĩa tương tự cho hệ (3.2) như đối với hệ (3.1).
Ví dụ: Giải hệ phương trình
2𝑥1 − 4𝑥2 + 6𝑥3 = 0
{ 4𝑥1 + 2𝑥2 − 2𝑥3 = 0
2𝑥1 + 6𝑥2 − 8𝑥3 = 0
Giải :
2 −4 6
Ta có ∆ = |4 2 −2| = -32 + 16 + 144 – (24 + 128 -24) = 0
2 6 −8
Hệ có vô số nghiệm.
2 −4
Xét định thức cấp 2 | | = 4 + 16 = 20 ≠ 0.
4 2
Bởi vậy, ta lấy 2 phương trình đầu
2𝑥1 − 4𝑥2 + 6𝑥3 = 0
{
4𝑥1 + 2𝑥2 − 2𝑥3 = 0
Chuyển 3 x sang vế phải
2𝑥1 − 4𝑥2 = −6𝑥3 (𝑎)
{
4𝑥1 + 2𝑥2 = 2𝑥3 (𝑏)
Lấy (b) nhân với 2 rồi cộng với (a), ta có:
−1
10𝑥1 = −2 ⟹ 𝑥1 = 𝑥3
5
𝑥3 −2𝑥1 2 7
𝑥2 = = 𝑥3 + 𝑥3 = 𝑥3
2 5 5

Vậy hệ đã cho có vô số nghiệm xác định bởi

Trang 7
 −1
𝑥1 = 𝑥
5 3
7
𝑥2 = 𝑥3
5
{ 𝑥3 ∈ ℝ
1.1.4 Phương pháp Gauss
Nội dung của phương pháp Gauss là dùng cách khử dần các ẩn số để đưa hệ về dạng tam
giác

(1.9)
rồi giải hệ này.
Hệ tam giác (1.9) rất dễ giải: từ phương trình thứ 3, ta suy ra 𝑥3 , thế 𝑥3 vào phương trình
thứ 2, ta suy ra 𝑥2 , thế 𝑥2 và 𝑥3 vào phương trình thứ nhất, ta suy ra 𝑥1 1 x . Sau đây, ta
xét một ví dụ cụ thể rồi nêu ra các quy tắc thực hành
Ví dụ: Xét hệ
4𝑥1 + 6𝑥2 + 10𝑥3 = 4 (𝑎)
{6𝑥1 − 5 𝑥2 + 8𝑥3 = 20 (𝑏)
−8𝑥1 + 6𝑥2 + 4𝑥3 = 4(𝑐)

Giải: Trước hết, ta chia (a) cho hệ số của 𝑥1 , tức là cho 4, ta được:
𝑥1 + 1,5𝑥2 + 2,5𝑥3 = 1(a’)
Sau đó khử 𝑥1 khỏi (b). Muốn thế ta nhân (a’) với hệ số của 𝑥1 ở (b), tức là với 6, ta có:
6𝑥1 + 9𝑥2 + 15𝑥3 = 6(b’)
Sau đó, đem phương trình (b’)này trừ đi phương trình (b) theo từng vế, ta được:
14𝑥2 + 7𝑥3 = −14 (b’’)
Tương tự, ta khử 𝑥1 khỏi (c): nhân (a’) với hệ số của 𝑥1 ở (c) tức là với (–8), ta có
−8𝑥1 − 12𝑥2 − 20𝑥3 = −8 (c’)
Sau đó đem (c’) trừ (c) ta được:
−18𝑥2 − 24𝑥3 = −12 (c’’)

Trang 8
Bây giờ, ta chú ý đến hai phương trình (b’’) và (c’’), trong đó chỉ còn hai ẩn là 𝑥2 và 𝑥3 .
Lặp lại quá trình như trên.
Trước hết, ta chia (b’’) cho hệ số của 𝑥2 , tức là cho 14, ta được:
𝑥2 + 0,5𝑥3 = −1 (b’’’)
Sau đó, ta khử 𝑥2 khỏi (c’’) bằng cách nhân (b’’’)với hệ số của 𝑥2 ở (c’’), tức là với (–
18)
−18𝑥2 − 9𝑥3 = 18 (b’’’’)
Sau đó đem (b’’’’) trừ đi (c’’) ta được:
15𝑥3 =30 (c’’’)
Kết hợp các phương trình (a’), (b’’’), (c’’)ta được tam giác mong muốn.
Từ (c’’’) ta suy ra 𝑥3 = 2
Thế 𝑥3 = 2 vào (b’’’) ta được:
𝑥2 + 0,5 × 2 = −1 ⟹ 𝑥2 = −2
Thế 𝑥3 = 2, 𝑥2 = −2 vào (a’) ta được:
𝑥1 + 1,5 × (−2) + 2,5 × 2 = 1 ⟹ 𝑥1 = -1
Vậy nghiệm của hệ đã cho là:
𝑥1 = −1
{ 2 = −2
𝑥
𝑥3 = 2
Trên đây, ta đã trình bày phương pháp Gauss một cách trình tự. Trong thực hành, ta có
thể thực hiện biến đổi ma trận như sau:
4 6 10 4 𝐿1.1→𝐿1 1 1,5 2,5 1 𝐿𝐿2−6𝐿 1 →𝐿2 1 1,5 2,5 1
4 3 +8𝐿1 →𝐿3
[ 6 −5 8 20] → [ 6 −5 8 20] → [0 14 7 −14 ]
−8 6 4 4 −8 6 4 4 0 18 24 12
𝐿2 × →𝐿2 1 1,5 2,5 1 𝐿3 −18𝐿2→𝐿3 1 1,5 2,5 1
−1
14
→ [0 1 0,5 −1 ] → [0 1 0,5 −1 ]
0 18 24 12 0 0 15 30
Từ đây, ta có ngay nghiệm của hệ
𝑥1 = −1
{𝑥2 = −2
𝑥3 = 2

Trang 9
1.2 Đại số ma trận
1.2.1 Các khái niệm
Ma trận A cấp m  n trên R là một bảng số hình chữ nhật gồm m hàng và n cột được
biểu diễn như sau:

Trong đó:
𝑎𝑖𝑗 ∈ 𝑅 : là phần tử thuộc dòng i và cột j của ma trận A.
m : số dòng của ma trận A.
n : số cột của ma trận A.
(𝑎𝑖1 𝑎𝑖2 … 𝑎𝑖𝑛 ) : dòng thứ i của ma trận A.

: cột thứ j của ma trận A.

Ký hiệu 𝑀𝑚𝑛  là tập hợp các ma trận cấp m  n trên R .
1 2 4
Ví dụ. Xét ma trận B = ( ) . Ma trận B là ma trận cấp 2  3.
3 5 1
1.2.2 Các dạng đặc biệt của ma trận.
1)Ma trận dòng
Ma trận dòng là ma trận có một dòng và n cột, ký hiệu là A = (𝑎1 𝑎2 … 𝑎𝑛 )
Ví dụ. A (2 1 4)
2) Ma trận cột
𝑎1
Ma trận cột là ma trận có m dòng và một cột, ký hiệu là : A = ( 𝑎2 )
𝑎𝑚

Trang 10
 4
Ví dụ. A  (1)
3
3) Ma trận không:
Ma trận không là ma trận có tất cả các phần tử đều bằng 0, ký hiệu 0 = 0𝑚𝑛
0 0
0 0
Ví dụ. 0 = 032=(0 0), 0 = ( )
0 0
0 0
4) Ma trận vuông cấp n:
Ma trận vuông cấp n là ma trận có số dòng và số cột bằng n, ký hiệu là

Tập hợp các ma trận vuông cấp n được ký hiệu: A ∈ 𝑀𝑛 (R).

Đường thẳng đi qua các phần tử 𝑎11 , 𝑎22 , 𝑎33 ,…, 𝑎𝑛𝑛 được gọi là đường chéo chính của
ma trận A. Đường thẳng đi qua các phần tử 𝑎1𝑛 , 𝑎2(𝑛−1), 𝑎3(𝑛−2) , … , 𝑎𝑛1 được gọi là
đường chéo phụ của ma trận A.
Ví dụ.
1 2 4
Ma trận A = (3 1 2) là một ma trận vuông. Đường thẳng đi qua các phần tử 1,1,1 là
1 3 1
đường chéo chính.
5) Ma trận tam giác
Ma trận tam giác trên là ma trận vuông có các phần tử nằm phía dưới đường chéo chính
đều bằng 0.
1 4 2
Ví dụ. A = (0 1 3)
0 0 1
Ma trận tam giác dưới là ma trận vuông có các phần tử nằm phía trên đường chéo chính
đều bằng 0.

Trang 11
 1 0 0
Ví dụ. A = (0 1 0)
2 0 1
6) Ma trận chéo
Ma trận chéo là ma trận vuông có các phần tử không nằm trên đường chéo chính bằng 0
1 0 0
Ví dụ. A = (0 3 0)
0 0 1
7) Ma trận đơn vị cấp n
Ma trận đơn vị cấp n là ma trận chéo có các phần tử nằm trên đường chéo chính bằng 1.
Ký hiệu là I=𝐼𝑛 .
1 0 0
1 0
Ví dụ. 𝐼2 =( ) ; 𝐼3 =(0 1 0)
0 1
0 0 1
8) Ma trận chuyển vị
Chuyển vị của ma trận A là ma trận có được từ A bằng cách viết các hàng của ma trận A
theo thứ tự thành cột, ký hiệu là 𝐴𝑡 .
1 3 2 1 2 1
𝑡
Ví dụ. Cho A= (2 3 1) . Khi đó 𝐴 = (3 3 2)
1 2 1 2 1 1
9) Ma trận đối xứng
𝑛, tức là A  𝐴𝑡
̅̅̅̅̅
Ma trận vuông A=(𝑎𝑖𝑗 )𝑛 gọi là ma trận đối xứng nếu 𝑎𝑖𝑗 = 𝑎𝑗𝑖 , ∀𝑖, j=1,
2 2 −8
Ví dụ. Ma trận A= ( 2 4 0 ) là một ma trận đối xứng.
−8 0 −6
1.2.3 Các phép toán về ma trận
1) Hai ma trận bằng nhau.
Hai ma trận cùng cấp A ∈ 𝑀𝑚𝑥𝑛(R) và B ∈ 𝑀𝑚𝑥𝑛(R) gọi là bằng nhau nếu các phần tử
tương ứng của chúng bằng nhau, tức là: A = B ⇔ 𝑎𝑖𝑗 =𝑏𝑖𝑗 (∀𝑖, 𝑗).
1 1 1 1
Ví dụ. Cho A= ( ), B=( ). Tìm a b, sao cho A = B
𝑎 𝑎−𝑏 2 1
Theo định nghĩa trên giải được a =2, b= 1.
2) Phép nhân một số với ma trận.
Trang 12
Cho c≠0 và ma trận A=(𝑎𝑖𝑗 )𝑚𝑥𝑛 ∈ 𝑀𝑚𝑥𝑛(R). Khi đó : cA= (𝑐𝑎𝑖𝑗 )𝑚𝑥𝑛
1 2 3
Ví dụ. Cho A=( ). Khi đó
3 2 1
2 4 6 3 6 9
2A=( ); 3A=( )
6 4 2 9 6 3
3) Phép cộng hai ma trận.
Cho A=(𝑎𝑖𝑗 )𝑚𝑥𝑛 và B=(𝑏𝑖𝑗 )𝑚𝑥𝑛. Tổng của A và B là ma trận C=(𝑐𝑖𝑗 )𝑚𝑥𝑛 được xác định
như sau:

𝑐𝑖𝑗 = 𝑎𝑖𝑗 + 𝑏𝑖𝑗 , (∀𝑖 = 1, 𝑚, 𝑗 = 1, 𝑛)

1 2 3 1 1 2 1 1 3
Ví dụ. Với A=( ), B=( ), C=( ). Khi đó
3 2 1 2 1 1 1 1 2
2 3 5 3 4 8
A+B=( ), A+B+C=( )
5 3 2 6 4 4
Nhận xét. Phép cộng hai ma trận chỉ thực hiện được khi hai ma trận đó cùng cấp.
4) Phép nhân một dòng với một cột
Cho A ∈ 𝑀1𝑥𝑛 (R) và B ∈ 𝑀𝑛𝑥1(R)

Khi đó AB gọi là tích (vô hướng) của một dòng với một cột:
AB=𝑎1 𝑏1 +𝑎2 𝑏2 + ⋯ + 𝑎𝑛 𝑏𝑛
1
Ví dụ. A (1 2 1 , B= (3) thì : AB  1.1+2.3+1.2=9.
)
2
5) Phép nhân hai ma trận

Trang 13
 1 0 1 1 1 1 3 1
Ví dụ. Cho A= ( ) và B= ( ) . Khi đó AB=( ) ≠ BA= ( )
2 1 0 1 2 3 2 1
1.2.4 Các tính chất của các phép toán trên ma trận
Phép cộng hai ma trận có các tính chất sau:

Trang 14
1.2.5 Các phép biến đổi sơ cấp trên dòng

1 1 2
Ví dụ. Cho ma trận A= (2 1 3) . Ta có
3 1 2
1 1 2 𝑑2→2𝑑1 2 2 4
′
A= (2 1 3) → 𝐴 = (2 1 3)
3 1 2 3 1 2
1.2.6 Ma trận bậc thang

Trang 15
Ví dụ. Các ma trận sau đây là ma trận bậc thang:
1 2 1 1
1 2 2
A= (0 0 1 3 2)
1 3) B= (0 0 1 1
0 0 1
0 0 0 1

1.2.7 Hạng của ma trận

1 2 5
Ví dụ .Tìm hạng của ma trận A= (0 1 3).
0 1 3
Dùng phép biến đổi sơ cấp dòng đưa ma trận A về dạng bậc thang:

Trang 16
 1 2 5 𝑑3→𝑑3−𝑑2 1 2 5
A= (0 1 3) → (0 1 3)= 𝐴′
0 1 3 0 0 0
Ma trận bậc thang 𝐴′ có hai dòng khác 0 nên rank (A )= 2

1.2.8 Ma trận nghịch đảo

1) Định nghĩa

2) Định lí

3) Tính chất

4) Phương pháp tìm ma trận nghịch đảo bằng phép biến đổi sơ cấp

Trang 17
Ví dụ. Tìm
1 2 1
−1
𝐴 với A= (1 3 1)
1 2 2
1 2 1 1 0 0 𝑑𝑑2→𝑑 2 −𝑑1 1 2 1 1 0 0
3 →𝑑3 −𝑑2
Ta có :(𝐴|𝐼3 )=(1 3 1| 0 1 0) → (0 1 0| −1 1 0)
1 2 2 0 0 1 0 0 1 −1 0 1
𝑑1 →𝑑1 −𝑑3
𝑑3 →𝑑3 −2𝑑2
1 0 0 4 −2 −1
→ (0 1 0| −1 1 0 )= (𝐼3 |𝐴−1 )
0 0 1 −1 0 1
4 −2 −1
−1
Vậy 𝐴 = (−1 1 0)
−1 0 1

Trang 18
Chương:2 ỨNG DỤNG HỆ PHƯƠNG TRÌNH TUYẾN TÍNH TRONG CÁC BÀI
TOÁN THỰC TẾ
2.1 Xây dựng các đường cong và bề mặt đi qua các điểm đã chỉ định
2.1.1 Giới thiệu
Các chủ đề, định lý thuật ngữ và được sử dụng trong ứng dụng này được cho là có trong
đại số tuyến tính hoặc các khóa học toán học riêng khác. Một số thuật ngữ này sẽ được
định nghĩa ở đây.
Phương trình của một dòng:( Hình thức chung ) ax + by + c = 0
Phương trình của một đường tròn:( Hình thức chung ) ax 2 + b y 2 + cx + dy + e =0
Phương trình của một phần hình nón: ( Hình thức chung )
ax 2 + b y 2 + c xy + dx + ey + f =0
Tiết diện Conic : trong mặt phẳng là một Ellipse (Hình tròn), Parabola hoặc Hyperbola
(hoặc dạng suy biến của ba đường cong này).
Định lý: Một hệ phương trình tuyến tính thuần nhất với n phương trình và n ẩn số có
nghiệm không cần thiết khi và chỉ khi định thức của ma trận hệ số bằng không.
2.1.2 Ví dụ

Ví dụ 1
Cho điểm A = (6,10) và B = (-2, 4) tìm phương trình ax + by + c = 0 đi qua hai
điểm A và B .
Giải
Thay tọa độ của các điểm A , B và ( x , y ) đã cho vào phương trình ax + by + c =0 , ta thu
được hệ phương trình tuyến tính sau:
ax +by +c
{ 6a +10b +c
−2a +4b +c
Với phương trình ma trận AX = B trong đó A là ma trận hệ
𝑥 𝑦 1 𝑎 0
[6 10 1] số X= [𝑏 ] và B= [0]
−2 4 1 𝑐 0
Lưu ý rằng AX=0 có nghiệm khác 0 khi và chỉ khi det(A)=0.
10 1 6 1 6 10
det(A)= x| | – y| |+1| |= 0
4 1 −2 1 −2 4
hoặc
6x – 10x – 44 = 0. Đó là a= 6, b= -10 và c= -44.

Trang 19
Ví dụ 2
Tìm phương trình đường tròn đi qua ba điểm A = (1,1) , B =(-2,1) , C = (3,2) .
Giải
Hình thức chung của một phương trình của một vòng tròn có thể được viết là
ax 2 + by 2 + cx + dy + e =0 .
Thay điểm tổng quát (x,y) và ba điểm đã cho vào phương trình để lập hệ phương trình
tuyến tính thuần nhất sau
(𝑥 2 + 𝑦 2 )𝑎 +𝑥𝑏 +𝑦𝑐 +𝑑 = 0
(1 + 1)𝑎 +𝑏 +𝑐 +𝑑 = 0
(4 + 1)𝑎 −2𝑏 +𝑐 +𝑑 = 0
{ (9 + 4)𝑎 +3𝑏 +2𝑐 +𝑑 = 0 }
Hệ tuyến tính ở dạng ma trận có thể được viết là AX = 0 với ma trận hệ số A
𝑥2 + 𝑦2 𝑥 𝑦 1 𝑎 0
A= [ 2 1 1 1 ] và X=[𝑏 ] [0]
5 −2 1 1 𝑐 0
13 3 2 1 𝑑 0
Hệ phương trình tuyến tính này có nghiệm không tầm thường khi và chỉ khi det(A)=0.
Vì vậy
𝑥2 + 𝑦2 𝑥 𝑦 1
[ 2 1 1 1 ] =0
5 −2 1 1
13 3 2 1
1 1 1 2 1 1 2 1 1 2 1 1
2 2
(𝑥 + 𝑦 ) |−2 1 1| -x | 5 1 1| +y | 5 −2 1| - | 5 −2 1| = 0
3 2 1 13 2 1 13 3 1 13 3 2
Hoặc
-3(𝑥 2 + 𝑦 2 ) – 3x + 38y +30
2.1.3 Bài tập
1.Tìm phương trình của đường thẳng đi qua các điểm (2,2), (5, 5).
2.Tìm phương trình đường tròn đi qua các điểm (1,1), (-2, 15), (13, 4).
3.Tìm phương trình của elip đi qua các điểm (2,1), (3, 10), (-11, 5), (10, -3).
4.Tìm phương trình của parabol đi qua các điểm (3, 11), (-11, 0).
Trang 20
2.2 Giải hệ phương trình vi phân
2.2.1 Giới thiệu
Ta chỉ xem xét việc giải các phương trình vi phân đơn. Tuy nhiên, nhiều tình huống "đời
thực" được điều chỉnh bởi một hệ phương trình vi phân. Trong những vấn đề này, ta chỉ
xem xét một quần thể của một loài, nhưng vấn đề cũng chứa một số thông tin về những
kẻ săn mồi của loài đó. Ta đã giả định rằng bất kỳ vị trí nào sẽ không đổi trong những
trường hợp này. Tuy nhiên, trong hầu hết các trường hợp, mức độ săn mồi cũng sẽ phụ
thuộc vào dân số của động vật ăn thịt. Vì vậy, để thực tế hơn, ta cũng nên có một phương
trình vi phân thứ hai để cung cấp cho dân số của những kẻ săn mồi. Cũng lưu ý rằng dân
số của động vật ăn thịt, theo một cách nào đó, cũng phụ thuộc vào dân số của con
mồi. Nói cách khác, ta cần biết điều gì đó về một quần thể để tìm ra quần thể kia. Vì vậy,
để tìm quần thể của con mồi hoặc động vật ăn thịt, ta cần giải một hệ ít nhất hai phương
trình vi phân.
Trong phần mở đầu của phần này, ta đã thảo luận ngắn gọn về cách một hệ phương trình
vi phân có thể nảy sinh từ một bài toán dân số trong đó ta theo dõi dân số của cả con mồi
và động vật ăn thịt. Có nghĩa là số lượng con mồi có mặt sẽ ảnh hưởng đến số lượng
động vật ăn thịt có mặt. Tương tự như vậy, số lượng động vật ăn thịt có mặt sẽ ảnh hưởng
đến số lượng con mồi có mặt. Do đó, phương trình vi phân điều chỉnh dân số của con mồi
hoặc động vật ăn thịt theo một cách nào đó sẽ phụ thuộc vào quần thể của con kia. Điều
này sẽ dẫn đến hai phương trình vi phân phải được giải đồng thời để xác định dân số của
con mồi và động vật ăn thịt.
Toàn bộ điểm của điều này là nhận thấy rằng các hệ phương trình vi phân có thể phát
sinh khá dễ dàng từ các tình huống xảy ra tự nhiên. Ta sẽ xem xét các hệ phương trình vi
phân bậc nhất, tuyến tính. Đạo hàm lớn nhất ở bất kỳ đâu trong hệ sẽ là đạo hàm bậc nhất
và tất cả các hàm chưa biết và đạo hàm của chúng sẽ chỉ xảy ra với lũy thừa bậc nhất và
sẽ không nhân với các hàm chưa biết khác. Đây là một ví dụ về hệ phương trình vi phân
tuyến tính bậc nhất.

2.2.2 Ví dụ
Ví dụ 1 Viết phương trình vi phân cấp 2 sau đây dưới dạng hệ phương trình vi phân
tuyến tính cấp 1.

Giải
Ta có thể viết các phương trình vi phân bậc cao dưới dạng một hệ với một phép đổi biến
rất đơn giản. Ta sẽ bắt đầu bằng cách xác định hai hàm mới sau đây.
Trang 21
Ta sẽ được

Lưu ý việc sử dụng phương trình vi phân trong phương trình thứ hai. Ta cũng có thể
chuyển đổi các điều kiện ban đầu sang các hàm mới.

Ta sẽ có hệ phương trình vi phân sau

Ví dụ 2 Viết phương trình vi phân cấp 4 sau dưới dạng hệ phương trình vi phân tuyến
tính cấp 1.

Giải
Giống như ta đã làm trong ví dụ trước, ta sẽ cần định nghĩa một số hàm mới. Lần này ta
sẽ cần 4 hàm mới.

Trang 22
Hệ cùng với các điều kiện ban đầu là,

Ví dụ 3 Chuyển hệ thức sau về dạng ma trận.

Giải
Đầu tiên hãy viết hệ sao cho mỗi cạnh là một vectơ.

Bây giờ vế phải có thể được viết dưới dạng phép nhân ma trận,

Bây giờ, nếu ta định nghĩa,

Sau đó,

Hệ sau đó có thể được viết ở dạng ma trận,

Ví dụ 4 Chuyển hệ thống từ Ví dụ 1 và 2 sang dạng ma trận.

Giải

Trang 23
Ta sẽ bắt đầu với hệ từ ví dụ 1

Đầu tiên xác định,

Hệ sau đó,

Bây giờ, hãy thực hiện hệ từ Ví dụ 2.

Ta sẽ bắt đầu bằng cách viết lại hệ dưới dạng một véc-tơ và sau đó chia nó thành hai véc-
tơ, một véc-tơ chứa các hàm chưa biết và véc-tơ kia chứa bất kỳ hàm nào đã biết.

Với

Lưu ý rằng đôi khi đối với các hệ “lớn” như thế này, ta sẽ tiến xa hơn một bước và viết hệ
dưới dạng,

Trang 24
Ta nói hệ là thuần nhất nếu 𝑔⃗ (t)= ⃗0⃗ và chúng tôi nói rằng hệ là không đồng nhất nếu 𝑔⃗
(t)≠ ⃗0⃗ .
2.2.3 Bài tập
1)Viết phương trình vi phân cấp 2 sau đây dưới dạng hệ phương trình vi phân tuyến tính
cấp 1.
3y ′′ − 4y ′ + y = 0 y(3) = 1 𝑦 ′ = −5
2)Viết phương trình vi phân cấp 4 sau dưới dạng hệ phương trình vi phân tuyến tính cấp
1.
𝑦 (4) + 2𝑦 ′′ − 2 sin(𝑡) 𝑦 ′ + 5𝑦 = 𝑡 2 𝑦(0) = 3 𝑦 ′ (0) = 1 𝑦 ′′(0) = 5 𝑦 ′′′(0) = 7
3)Chuyển hệ thức sau về dạng ma trận.
x1′ = 3x1 + 5x2
x2′ = −𝑥1 − 4𝑥2
4)Chuyển hệ thống từ 1) và 2) sang dạng ma trận.

Chương:3 ỨNG DỤNG HỆ SỐ MA TRẬN TRONG CÁC BÀI TOÁN THỰC TẾ

3.1 Ứng dụng Di truyền học
3.1.1 Giới thiệu
Di truyền học là nghiên cứu về gen và là một phần của sinh học. Ví dụ: nếu ta biết sự
phân bố của thế hệ hiện tại, hãy gọi nó là 𝑥0 , ta có thể sử dụng ma trận chuyển tiếp A của
quần thể để tìm sự phân bố kiểu gen 𝑥𝑛 của các thế hệ trong tương lai.
Gọi 𝑋0 là sự phân bố kiểu gen ban đầu của quần thể. Giả sử rằng ma trận chuyển vị cho
kiểu gen của quần thể nhất định đã biết, gọi nó là A. Một năm sau, kiểu gen của quần
thể, 𝑋1 , bằng tích của ma trận chuyển tiếp A và ma trận ban đầu 𝑋0 .
𝑋1 = 𝐴𝑋0

Trang 25
Hai năm sau, kiểu gen của quần thể có thể được tính toán tương tự
𝑋2 = 𝐴𝑋1 = 𝐴(𝐴𝑋0 ) = 𝐴2 𝑋0
Và n năm sau,
𝑋𝑛 = 𝐴𝑛 𝑋0
Theo di truyền nhiễm sắc thể thường , mỗi đặc điểm di truyền được giả định là do một
bộ hai gen chi phối. Chúng tôi chỉ định hai gen này bằng A và a. Mỗi cá thể trong quần
thể đang xét có hai trong số các kiểu gen này, là AA, aa hoặc Aa.
Xem xét màu mắt, ở người. Kiểu gen AA và Aa có nghĩa là mắt nâu và kiểu gen aa có
nghĩa là mắt xanh. Gen A trong trường hợp này được gọi là gen trội (hay chúng ta nói A
lấn át a) và gen a được gọi là gen lặn (hay chúng ta nói a là gen lặn đối với A).
3.1.2 Ví dụ

Ví dụ 1

Giả sử bố và mẹ đầu tiên có kiểu gen AA, còn bố và mẹ thứ hai có kiểu gen Aa. Vì thế hệ
con có hai gen nên một trong các gen phải thuộc loại A (từ bố mẹ đầu tiên). Gen còn lại
có thể là loại A hoặc loại a (từ bố mẹ thứ hai). Vậy đời con có kiểu gen AA hoặc Aa.

Theo kỹ thuật trước đó, bảng xác suất kiểu gen của đời con sẽ như sau.

Kiểu gen bố mẹ Con cái Xác suất

AA-AA AA 1
AA-Aa AA 1/2
AA-Aa Aa 1/2
AA-aa Aa 1
Aa- Aa AA 1/2
Aa- Aa Aa 1/2
Aa-aa Aa 1/2
Aa- Aa aa 1/2
aa- aa aa 1

Ví dụ 2

Một vấn đề phổ biến trong lĩnh vực này là tìm xác suất của một kiểu gen nhất định sau
một số năm nhất định. Ví dụ, giả sử ta muốn nghiên cứu tỷ lệ của ba kiểu gen trong n thế
hệ bò cái về kiểu gen ban đầu.

Giáo sư Vetar, tại UC Davis, phát hiện ra rằng những con bò có kiểu gen AA có thể sản
xuất sữa chất lượng tốt hơn các kiểu gen khác. Giáo sư Vetar quan tâm đến việc khám

Trang 26
phá tỷ lệ bò con có kiểu gen AA. Nếu giáo sư Vetar chọn lai một kiểu gen AA với các
kiểu gen khác, xác suất đời con là AA, Aa, hoặc aa là bao nhiêu?

Để phân tích vấn đề, ta sẽ xem xét ba trường hợp:

Đầu tiên, giả sử, sự giao nhau của AA với AA. Điều này sẽ luôn mang lại kiểu gen AA,
do đó xác suất của đời con là AA, Aa và aa tương ứng bằng 1, 0 và 0.

Thứ hai, giả sử Aa lai với AA. Đời con sẽ có một nửa khả năng mang kiểu gen AA và
một nửa khả năng mang kiểu gen Aa, do đó xác suất lần lượt là AA, Aa và aa là 1/2, 1/2
và 0.

Thứ ba, xét lai aa với AA. Điều này sẽ luôn dẫn đến kiểu gen Aa. Do đó, xác suất các
kiểu gen AA, Aa, aa lần lượt là 0, 1, 0.

Ma trận sau đây là kết quả của sự quan sát phổ biến:

1 1/2 0
A = [0 1/2 1]
0 0 0

Ma trận này có thể được xem như bảng sau:

Kiểu gen bố mẹ Kiểu gen con cái

AA-AA AA- Aa AA-aa
1 1/2 0 AA

0 1/2 1 Aa

0 0 0 aa

Giả sử rằng sự sinh sản ban đầu của những con bò được tạo thành từ một số lượng bằng
nhau của mỗi kiểu gen, do đó, vectơ phân bố ban đầu 𝑥0 được cho bởi:

1/3
𝑥0 = [1/3]
1/3

Một năm sau, phân phối là

Trang 27
 1
1/3(1 + ) 1/2
2
𝑥1 𝐴𝑥0 = 1 [1/2]
1/3( + 1) 0
2
[ 0 ]

Sau một năm nữa trôi qua, vectơ phân phối có thể thu được như sau:

3/4
2
𝑥2 = 𝐴𝑥1 = 𝐴(𝐴𝑥0 ) = 𝐴 𝑥0 = [1/4]
0

Đối với bất kỳ số nguyên dương nào n, tức là n nhiều năm sau,
𝑛 𝑛−1
1 1 1 1
1 ∑ 𝑘 ∑ 1 1− 1−
2 2𝑘 1/3 2𝑛+1 2𝑛 1/3
𝑘=1 𝑘=1
𝑥𝑛 = 𝐴𝑛 𝑥0 [1/3] = 1 1 [1/3]
1 1 0
0 1/3 2𝑛 2𝑛−1 1/3
2𝑛 2 𝑛−1
[0 0 0 ]
[0 0 0 ]

Bây giờ nếu n ngày càng lớn hơn, ma trận 𝐴𝑛 sẽ tiến tới
1 1 1
[0 0 0]
0 0 0
Vì vậy 𝑥𝑛 = 𝐴𝑛 𝑥0 sẽ tiếp cận
1 1 1 1/3 1
[0 0 0] [1/3] = [0]
0 0 0 1/3 0

Giả sử có người tiến hành quan sát số bò có kiểu gen AA, Aa, aa sau 20 thế hệ. Một cách
để trả lời câu hỏi này là tính toán 𝐴20 𝑥0 , điều này có thể dẫn đến lỗi tính toán trong quá
trình nhân ma trận. Một cách tiếp cận khác sử dụng chéo hóa làm giảm tính toán. Nếu ma
trận A có thể được viết dưới dạng tích của một ma trận khả nghịch, một ma trận P chéo D
và nghịch đảo của P, nghĩa là 𝐴 = 𝑃𝐷𝑃 −1, thì việc tính toán sẽ đơn giản hơn rất nhiều và
do đó sẽ ít sai số tính toán hơn nhiều. Điều này chủ yếu là do thực tế sau:

𝐴𝑛 = 𝑃𝐷 𝑛 𝑃−1 cho n = 1,2…

và

Trang 28
 𝜆1 0 0 . . . 0 𝜆𝑛1 0 0 . . . 0
0 𝜆2 0 . . . 0 0 𝜆𝑛2 0 . . . 0
. . . . . . . . . . . . . .
𝐷𝑛 = . . . . . = . . . . .
. . . .
. . . . . . . . . . . . . .
[0 0 0 . . . 𝜆𝑘 ] [ 0 0 0 . . . 𝜆𝑛𝑘 ]

Không phải ma trận A nào cũng chéo hóa được. Để A có thể chéo hóa được, nó cần phải
có n các vectơ riêng độc lập tuyến tính. Ma trận P được hình thành bằng cách viết các véc
tơ riêng này dưới dạng các cột của P. Để tìm các vectơ riêng, trước tiên ta sẽ tìm các giá
trị riêng.

Đối với ma trận A trên các giá trị riêng là

1
𝜆1 = 1, 𝜆2 = , 𝜆3 = 0
2

và các vectơ riêng tương ứng là:

1 1 1
𝑉1 [0] 𝑉2 [−1] 𝑉3 [−2]
0 0 1

ma trận đường chéo

1 0 0
D= [0 1/2 0]
0 0 0
và
1 1 1
P= [𝑣1 |𝑣2 |𝑣3 ] = [0 −1 −2]
0 0 1
Vì vậy,
1
𝑥𝑛 = 𝑃𝐷 𝑛 𝑃−1 𝑥0 → [0] khi n tiến đến vô cùng.
0
Di truyền liên kết X

Một số gen được tìm thấy trên nhiễm sắc thể x, không thành cặp ở nam giới, nữ có hai và
nam chỉ có một. Việc thừa kế các gen này như sau: Nếu con cái là nam thì nó nhận một

Trang 29
trong hai gen của mẹ nó; nếu con cái là con gái, cô ấy nhận được một gen từ cha và một
gen khác từ mẹ cô ấy.

Kiểu gen bố mẹ Con trai Xác xuất Con gái Xác xuất
A-AA A 1 AA 1
A-Aa A 1/2 AA 1/2
a 1/2 Aa 1/2
A-aa a 1 Aa 1
a-AA A 1 Aa 1
a-Aa A 1/2 Aa 1/2
a 1/2 aa 1/2
a-aa a 1 aa 1

Ví dụ 1

Trong một lớp năm thứ nhất của một trường cao đẳng, có 200 sinh viên chuyên toán và
350 sinh viên chuyên sinh. Hàng năm, một số sinh viên toán nghĩ rằng di truyền học rất
thú vị, do đó, họ chuyển chuyên ngành của mình sang sinh học. Trong khi đó, một số sinh
viên chuyên ngành sinh học lại mê toán nên chuyển ngành sang toán học.

Xác suất để một học sinh ở lại môn toán là 0,92 và xác suất chuyển từ sinh học sang toán
là 0,04. Giả sử rằng sự thay đổi chuyên ngành chỉ xảy ra giữa hai chuyên ngành này, hãy
trả lời các câu hỏi sau:

a) Ma trận chuyển tiếp là gì?

b) Có bao nhiêu học sinh lớp này học chuyên toán năm thứ hai?
c) Có bao nhiêu học sinh của lớp này sẽ là sinh viên năm cuối?

Giải
0.92 0.04
a)Ma trận chuyển tiếp A là [ ]
0.08 0.96
b)Số học sinh giỏi toán sau một năm là thành phần bậc nhất của véc tơ x1 = Ax0 .
200 198
x1 = Ax0 = x1 = Ax0 [ ][ ]
350 352
Do đó số của chuyên ngành toán học là 198.
c)Số học sinh sinh học sau ba năm là 355. Xác định bằng𝑋3 = 𝐴3 𝑋0
0.7876 0.1062
Từ 𝐴3 = [ ]
0.2124 0.8938

Trang 30
 0.7876 0.1062 200 194.6912
𝑥3 = 𝐴3 𝑥0 = [ ][ ]=[ ]
0.2124 0.8938 350 355.3088
Như vậy năm cuối cấp sẽ có 355 ngành Sinh học.
Ví dụ 2

Trong bài toán trước, tích của ta 𝐴3 𝑥0 không phải là số nguyên, có thể do phép nhân
của 𝐴3 , do đó, ta áp dụng phương pháp khác để giải các bài toán sau.

Giả sử rằng trong một nhóm 550 người, 200 người quan tâm đến toán học và 350 người
quan tâm đến sinh học. Mỗi năm có 8% người yêu thích Toán học yêu thích môn Sinh
học và chỉ có 4% người yêu thích môn Sinh học yêu thích Toán học.
a) Có bao nhiêu người trong số này quan tâm đến toán học 15 năm sau?

b) Bao nhiêu người trong số họ quan tâm đến sinh học sau 20 năm?

Giải

Ma trận chuyển tiếp giống như ma trận của bài toán 1.

Giá trị riêng của A là:
22
𝜆1 = , 𝜆2 = 1
25

và các vectơ riêng tương ứng là:

−985/1393 −1292/2889
𝑣1 = [ ] 𝑣2 = [ ]
985/1393 −2584/2889
Ma trận đường chéo D và ma trận P là:
22/25 0 −985/1393 −1292/2889
D=[ ] 𝑃 = [𝑣1 |𝑣2 ] [ ]
0 1 985/1393 −2584/2889
Vì vậy,
𝑥15 = 𝑃𝐷15 𝑃−1 𝑥0
−985/1393 −1292/2889 22/25 0 15 −1121/189 1121/2378 200
=[ ][ ] [ ][ ]
985/1393 −2584/2889 0 1 −963/1292 −963/1292 350
28239/152
=[ ]
8377/23

Mười lăm năm sau có 186 người quan tâm đến toán học.

Trang 31
b) Tương tự, bạn có thể tính toán rằng sẽ có 365 người quan tâm đến sinh học hai mươi
năm sau.

3.1.3 Bài tập

Trong một trang trại thí nghiệm, một quần thể hoa lớn bao gồm tất cả các kiểu gen có thể
𝑎0
có AA, Aa và aa với sự phân bố ban đầu là 𝑎0 , 𝑏0 và 𝑐0 ( nghĩa là ) 𝑥0 = [𝑏0 ]
𝑐0

Giả sử mỗi hoa trong quần thể được thụ tinh với một hoa có kiểu gen AA.

a) Tìm biểu thức 𝑥 𝑛 phân bố các kiểu gen có thể có của quần thể sau n thế hệ.

b) Làm lại phần (a) với giả thiết mỗi hoa được thụ tinh bởi một hoa có kiểu gen Aa.

c) Lặp lại phần (a) với giả thiết rằng mỗi bông hoa được thụ phấn bởi một bông hoa có
kiểu gen riêng.

d) Lặp lại phần (a) với giả thiết mỗi hoa ở thế hệ đầu được thụ tinh bởi một hoa có kiểu
gen Aa, mỗi hoa ở thế hệ thứ nhất được thụ tinh bởi một hoa có kiểu gen AA, mỗi hoa ở
thế hệ thứ hai được thụ tinh bởi hoa có kiểu gen aa và quá trình thụ tinh này tiếp tục diễn
ra.

3.2 Ứng dụng trong mật mã học

3.2.1 Giới thiệu

Mật mã học là ngành nghiên cứu mã hóa và giải mã các thông điệp bí mật. Mã được gọi
là mật mã , thông điệp chưa được mã hóa được gọi là bản rõ , và thông điệp được mã
hóa được gọi là bản mã .
Quá trình chuyển đổi một bản rõ sang một bản mã được gọi là enciphering (mã hóa).
Quá trình chuyển đổi một bản mã thành một bản rõ được gọi là giải mã (decoding).

Các cách mã hóa khác nhau:

Thay thế

Một cách mã hóa là thay thế mỗi chữ cái trong bảng chữ cái bằng một chữ cái hoặc một
số khác nhau. Ví dụ, thay thế a bằng m , và b bằng k , v.v. Loại mã hóa này đơn giản và
bằng một số kỹ thuật bao gồm phân tích tần số của các chữ cái, nó rất dễ bị phanh.

Trang 32
Hệ đa hình học

Một cách mã hóa khác là chia văn bản thuần túy thành các bộ gồm n chữ cái và thay thế
chúng bằng n chữ cái mã. Trong trường hợp này, ma trận khả nghịch có thể được sử dụng
để cung cấp mã hóa tốt hơn thay thế.

Đầu tiên liên kết một số khác với mỗi chữ cái trong bảng chữ cái.

Ví dụ, ta có thể sử dụng bảng chuyển đổi sau:

𝐴 𝐵 𝐶 𝐷 𝐸 𝐹 𝐺 𝐻 𝐼 𝐽 𝐾 𝐿 𝑀
↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓
1 2 3 4 5 6 7 8 9 10 11 12 13

𝑁 𝑂 𝑃 𝑄 𝑅 𝑆 𝑇 𝑈 𝑉 𝑊 𝑋 𝑌 𝑍
↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓
14 15 16 17 18 19 20 21 22 23 24 25 26

Giả sử n=3 chọn một ma trận A khả nghịch 3 x 3,

0 2 −1
A=[ 1 −2 1]
−1 −1 1

sau đó

1 1 0
−1
𝐴 = [2 1 1]
3 2 2
Cả hai bên giao tiếp phải có kiến thức về bảng liệt kê sự liên kết giữa các chữ cái với số,
các ma trận A và 𝐴−1. Bên muốn gửi một thông điệp, cần phải ẩn nó vào một chuỗi
số. Bước thứ hai, chuỗi số cần được chia thành các nhóm 3 người, sau đó gộp từng nhóm
lại với ma trận để tạo thành các nhóm mới và xây dựng một chuỗi số mới. Sau đó, gửi
chuỗi kết quả dưới dạng một chuỗi số hoặc chữ cái. Bên nhận được chuỗi được mã hóa
nên chia chuỗi thành các nhóm 3, sau đó chia nhiều lần 𝐴−1 và cuối cùng chuyển nó
thành các chữ cái.

3.2.2 Ví dụ
Ví dụ 1:

Giả sử bạn muốn mã hóa và gửi thông báo sau:

Trang 33
 "NGHIÊN CỨU ĐẠI SỐ TUYẾN TÍNH"

Đầu tiên, sử dụng bảng chuyển đổi, tìm các số tương ứng liên kết với mỗi chữ cái.

NGHIÊN CỨU ĐẠI SỐ TUYẾN TÍNH

tạo ra chuỗi số sau:

19 20 21 4 25 12 9 14 5 1 18 1 12 7 5 2 18 1.

Sau đó, chia số thành các nhóm 3 và viết mỗi nhóm dưới dạng 3 x 1 vectơ.

19 4 9 1 12 2
[20] [25] [14] [18] [7] [18]
21 12 5 1 5 1

Bước tiếp theo là tìm tích của A với bất kỳ vectơ nào sau đây:

19 4
A[20] , 𝐴 [25] , …
21 12

Bây giờ ta có các vectơ sau:

19 38 23 25 9 35
[ 0 ] [−34] [−14] [−34] [ 3 ] [−33]
−18 −17 −17 −18 −14 −19

Điều này sẽ cung cấp cho ta chuỗi sau có thể được gửi.

19 0 -18 38 -34 -17 23 -14 -18 25 -34 -18 9 3 -14 35 -33 -19

Bên nhận được thông điệp, nên chia nó thành các nhóm 3 và tạo thành 3 x 1 các vectơ,
sau đó nhân từng vectơ với 𝐴−1.

19 1 1 0 19 19
[ 0 ] = [2 1 1] [ 0 ] = [20]
−18 3 2 2 −18 21

Ví dụ 𝐴−1

Sau khi có được một chuỗi số, bảng chuyển đổi có thể được sử dụng để chuyển chuỗi đó
thành các chữ cái và thu được thông điệp được giải mã.

Trang 34
Ví dụ 2:

Hãy xem xét một liên kết của bảng chữ cái với các số trong bảng chuyển đổi sau và các
ma trận đã cho A và 𝐴−1 . Mã hóa và giải mã thông báo "KHÔNG ĐẾN"

𝐴 𝐵 𝐶 𝐷 𝐸 𝐹 𝐺 𝐻 𝐼 𝐽 𝐾 𝐿 𝑀
↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓
1 3 5 7 9 11 13 15 17 19 21 23 25

𝑁 𝑂 𝑃 𝑄 𝑅 𝑆 𝑇 𝑈 𝑉 𝑊 𝑋 𝑌 𝑍
↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓
27 29 31 33 35 37 39 41 43 45 47 49 51
2 3 5 −3
Và để A=[ ], 𝐴−1=[ ]
3 5 −3 2
a) Mở đầu thông báo:
Đầu tiên, sử dụng bảng tổng hợp ở trên, tìm chuỗi số tương ứng liên kết với thông báo
này.

VUI LÒNG KHÔNG ĐẾN

tương đương với

31 23 9 1 37 9 7 29 27 29 39 5 29 25 9

Tiếp theo, chia chuỗi số thành từng cặp và nhóm chúng theo 2 x 1 vectơ. Lưu ý rằng số
lượng các ký tự trong bản rõ là số lẻ và không chia hết cho 2, do đó, ta thêm một ký tự
giả "E" vào cuối mã và tạo thành tám 2 x 1 vectơ khác nhau. Chuỗi số sau đây được tạo
ra bằng cách nhân tám 2 x 1 vectơ với A.

131 208 21 32 101 156 101 166 141 226 93 142 133 212 45 72

và nó là thông điệp cần được chuyển đổi.

b) Giải mã tin nhắn:

Giả sử rằng bạn có A và 𝐴−1 và bảng bao trùm, và nhận được thông báo sau. Ta muốn
giải mã tin nhắn này.

117 190 93 140 97 150 185 292 205 328

Trang 35
Đầu tiên, chia nó thành từng cặp và tạo thành năm 2 x 1 vectơ. Sau đó, nhân từng vectơ
này với 𝐴−1 và tạo thành chuỗi số sau:

15 29 45 1 35 9 49 29 41 41

Cuối cùng, sử dụng bảng chuyển đổi, tìm các chữ cái trong bảng chữ cái tương ứng với
các số này, kết quả là ta sẽ nhận được

BẠN CÓ KHỎE KHÔNG

sẽ đọc là

BẠN CÓ KHỎE KHÔNG.

Làm thế nào để phá vỡ mã?

Các kỹ thuật mã hóa và giải mã mà chúng ta đã thảo luận, sử dụng ma trận khả nghịch
biểu thị phép biến đổi tuyến tính. Mục đích của mật mã là tìm ra một cách an toàn để
chuyển tải thông tin ngăn chặn các thực thể không có uy tín học nội dung của thông
điệp. Vì vậy, đối với mỗi cách mã hóa cụ thể, một trong những câu trả lời chính cần thiết
để trả lời là:

Bao nhiêu thông tin cần thiết để ai đó có thể phá mã?

Vì ta đang sử dụng các phép biến đổi tuyến tính để mã hóa và giải mã khi ta sử dụng ma
trận, nên ta cần tìm hiểu về các ưu điểm của chúng. Nhớ lại rằng bất kỳ phép biến đổi
tuyến tính L:𝑉 → 𝑊 hoàn toàn được phát hiện bởi hình ảnh của một cơ sở cho V. Vì vậy,
nếu A là n x n ma trận, chúng ta cần biết n vectơ bản rõ 𝑃1 , 𝑃2 , … 𝑃𝑛 , và vectơ bản mã
(được mã hóa) để phá mã. Phá vỡ mã có nghĩa là xóa mã 𝐴−1.

Để làm điều này, ta có thể lập một ma trận P.

P=[𝑃1 |𝑃2 |… |𝑃𝑛 ]

có các cột là vectơ văn bản rõ

𝑃1 , 𝑃2 , … , 𝑃𝑛

và để

Q=[𝐴𝑃1 |𝐴𝑃2 |… |𝐴𝑃𝑛 ]

Do đó, Q = AP và 𝐴−1=𝑃𝑄 −1 .Điều này sẽ cung cấp cho ta công cụ để giải mã tin
nhắn. Để sử dụng thao tác hàng để tìm 𝐴−1 ta có thể muốn viết là 𝐴−1=𝑃𝑄 −1 . hoặc

Trang 36
𝐴−1 𝑄 = 𝑃 hoặc 𝑄 𝑇 (𝐴−1)𝑇 =𝑃𝑇 . Để tìm 𝐴−1 trước tiên cần giải (𝐴−1 )𝑇 , bằng cách giảm
hàng ( sử dụng Loại bỏ Gaussian ) thành [𝑄 𝑇 |𝑃𝑇 ] thành [𝐼|(𝐴−1)𝑇 ].

Ví dụ 3:

Giả sử rằng ta đã nhận được tin nhắn sau từ một người bạn,

LU PO ZM AE AE GI UA BJ

sử dụng bảng chuyển đổi tiêu chuẩn, nó trở thành

12 21 16 15 0 13 1 5 1 5 7 9 21 1 2 10,

cũng giống như (do mod 26),

12 47 16 67 52 65 27 83 79 135 33 113 47 53 80 140.

Thật không may, ta không nhớ ma trận A hoặc 𝐴−1. Nhưng ta biết rằng bản rõ của các
chữ cái thứ năm đến thứ tám là TỐT, ta có thể tìm ra thông điệp gốc là gì không?

Câu trả lời là CÓ, biết chữ TỐT, ta có thể tìm số tương đương với các chữ cái đó. Đó là 7
15 cho GO và 15 4 cho OD. Bạn cũng biết số tương đương của chữ cái thứ năm đến tám
chữ cái trong tin nhắn được mã hóa là

52 65 cho ZM và 27 83 cho AE.

Do đó, ta có thể tạo ma trận P và Q.

7 52 15 27
𝑝1 = [ ] ↔ 𝑐1 = [ ] 𝑝2 = [ ] ↔ 𝑐1 = [ ]
15 65 4 83

có thể xây dựng

𝑇 𝑐1𝑇 52 65
𝑄 = [ 𝑇] [ ]
𝑐2 27 83

Và

𝑇 𝑝1𝑇 7 15
𝑃 = [ 𝑇] [ ]
𝑝2 15 4

Tạo ma trận[𝑄 𝑇 |𝑃𝑇 ] và sử dụng Loại bỏ Gaussian để giảm 𝑄 𝑇 thành ma trận đơn vị, ma
trận [𝑄 𝑇 |𝑃𝑇 ] sẽ thay đổi thành[𝐼|(𝐴−1)𝑇 ]. .

Trang 37
 52 65 7 15]
[
27 83 15 4

thay đổi thành

1 0 −2/13 5/13
[ ]
0 1 3/13 −1/13

Vì ma trận là chuyển vị của , ta cần tìm chuyển vị của ma trận để có được .

2 5
−
[ 13 13 ] (𝐴−1 ) 𝐴−1)
3 1
−
13 13

Vì vậy,

2 5
−
𝐴 = [ 313
−1 13
1 ]
−
13 13

Nhân tin nhắn bí mật với 𝐴−1 , ta sẽ nhận được

9 1 13 1 7 15 15 4 19 20 21 4 5 14 20 20

Sử dụng bảng chuyển hóa để tìm các chữ cái tương ứng: IAMAG00DSTUDENTT, chữ
cái này sẽ đọc là "Tôi là một học sinh giỏi".

3.2.3 Bài tập

1)Giải mã thông báo KNOXAOJX cho rằng đó là mật mã Hill (dựa trên phép biến đổi ma
4 1
trận) với ma trận mã hóa . [ ]
3 2

2) Sử dụng 3 x 3 ma trận B sau để mã hóa thông báo " PROF IS BORING ".

2 3 2
B = [1 4 2]
5 2 3

3) Giải mã phép xoa sau bằng bảng chuyển đổi chuẩn và ma trận đã cho ở bài toán 2.

Trang 38
 2 3 2
B = [1 4 2]
5 2 3

3.3 Ứng dụng trong hóa học

3.3.1 Giới thiệu
Đại số tuyến tính mở rộng nó là đạt tới vào trong tất cả các các bộ phận của khoa học

và toán học. Trong hóa học, một trong những kỹ thuật đại số tuyến tính (là dạng đại số

hàng rút gọn) có thể được sử dụng để giải quyết một trong những nhiệm vụ không thể

tránh được của hóa học là cân bằng phương trình hóa học. Cân bằng hóa chất phương

trình là cơ bản khi nói đến công việc trong phòng thí nghiệm như là tỷ lệ chính xác của

thuốc thử và sản phẩm rất quan trọng đối với hầu hết các phản ứng hóa học.

3.3.2 Ví dụ

Chúng ta đang cố gắng xác định giá trị của các hệ số ở phía trước của mỗi hợp chất để

bắt đầu, hãy đặt cho mỗi hệ số một giá trị chữ cái là

Từ việc nhìn vào phương trình, có thể thấy rằng chỉ có ba yếu tố; Carbon, Hydro và

Oxy, tạo nên các hợp chất trong phương trình. Giờ đây, một phương trình có thể được

tạo ra cho từng nguyên tố bằng cách xác định số lần nguyên tố đó xuất hiện trong các

hợp chất khác. Đối với Carbon, một Carbon xuất hiện trong 𝑋1 và một Carbon xuất

hiện trong 𝑋3 để cả hai có thể được đặt cho nhau dẫn đến phương trình đầu tiên 𝑋1 =

𝑋3. Đối với Hydro, bốn xuất hiện trong 𝑋1 và hai xuất hiện trong 𝑋4 nên phương trình

tương ứng là 4 𝑋1 = 2 𝑋4 . Đối với Oxy có 2 xuất hiện trong 𝑋2, 2 xuất hiện trong 𝑋3và

Trang 39
1 xuất hiện trong 𝑋4 nên lập được phương trình sau 2 𝑋2, = 2 𝑋3 + 𝑋4. Bây giờ có ba

phương trình cho mỗi yếu tố và hệ phương trình có thể được hình thành:

Carbon: 𝑋1 = 𝑋3

Hydro: 4 𝑋1 = 2 𝑋4

Oxy: 2 𝑋2, = 2 𝑋3 + 𝑋4

Hệ phương trình này có thể viết lại ở dạng chuẩn.

Bây giờ có thể thấy rằng các giá trị này có thể được đặt vào một ma trận. Từ đại số

tuyến tính, ta đã học được rằng có thể rút gọn một ma trận để tạo ra các giá trị cụ thể

cho một biến đã cho trong tập phương trình. Phương pháp đơn giản nhất để làm như

vậy là sử dụng kỹ thuật dạng bậc thang rút gọn để giải quyết giá trị của các hệ số.

Với dạng cấp bậc hàng rút gọn được giải cho, có thể thấy rằng 𝑋4 là một biến tự do và

các nghiệm có thể được viết là:

Để có được các số nguyên đầy đủ (thường được ưu tiên cho các nhà hóa học khi làm

công việc trong phòng thí nghiệm), mẫu số chung nhỏ nhất giữa các phương trình phải

Trang 40
được tìm thấy, trong trường hợp này, nó đơn giản với 𝑋4 bằng 2. Điều này dẫn đến giải

pháp cuối cùng cho hệ phương trình và những giá trị này có thể được đưa vào phương

trình hóa học ban đầu.

Với phương trình hiện đã cân bằng, phương pháp sử dụng một hệ phương trình và giải

ở dạng cấp bậc hàng rút gọn của nó đã được chứng minh là có hiệu quả. Đối với ví dụ

cụ thể này,

Đa số các nhà hóa học không cần chọn một bộ cân bằng phương trình, vì việc cân bằng

nó rất đơn giản và phương pháp được mô tả ở trên rất có thể sẽ khiến hầu hết các nhà

hóa học mất nhiều thời gian hơn để hoàn thành sau đó cân bằng bằng các phương pháp

truyền thống được dạy trong khoa hóa học. Tuy nhiên, phương pháp cân bằng phương

trình hóa học này trở nên hữu ích khi một phương trình hóa học trở nên phức tạp. Ví

dụ:

Ví dụ này được sử dụng trong cuốn sách của Lay’s và hơi khác so với phương pháp

được mô tả ở trên để giải các hệ số nhưng về cơ bản nó là cùng một phương pháp để

giải các giá trị.

Trang 41
Tuy nhiên, trong phương trình này, thay vì tạo một hệ phương trình bằng cách xác định

số lần mỗi nguyên tố xuất hiện trong mỗi hợp chất, một vectơ được tạo cho mỗi hợp

chất. Để giúp xác định các giá trị sẽ đi vào mỗi ma trận, một vectơ tham chiếu có thể

được tạo cho mỗi hợp chất.

Như đã làm trong ví dụ trước, mỗi hợp chất trong phương trình có thể được cho một hệ

số X.

Bây giờ đối với mỗi giá trị hệ số của X, các giá trị về số lần mỗi phần tử xuất hiện có

thể được nhập vào ma trận tương ứng của nó.

Tập hợp các vectơ này có thể được viết lại như sau:

Từ tập hợp các vectơ này, một ma trận có thể được hình thành giống như trong ví dụ

đầu tiên với phương trình hóa học đơn giản. Từ ma trận này, có thể tìm thấy dạng cấp
Trang 42
 bậc hàng rút gọn để xác định giá trị của các hệ số.

Bây giờ ma trận đã được rút gọn, 𝑋7 là biến tự do. Các hệ số có thể được viết như sau:

Để có được các số nguyên đầy đủ như trong ví dụ đầu tiên 𝑋7 phải bằng 327 nên

phương trình cân bằng cuối cùng là:

3.3.3 Bài tập

Sử dụng hệ phương trình để giải các phương trình sau:

3.4 Ứng dụng trong mô hình kinh tế Leonteif

3.4.1 Giới thiệu
Wassily Leontief đã được trao giải thưởng Nobel cho công trình của ông vào năm 1973.
Một mô hình đơn giản dựa trên ý tưởng của ông mà chúng ta sẽ thảo luận ở đây được gọi
là mô hình đầu vào-đầu ra mở. Trong mô hình này, chúng tôi giả định một nền kinh tế
với một số ngành công nghiệp. Mỗi ngành trong số này sử dụng đầu vào từ chính nó và
các ngành khác để sản xuất một sản phẩm.
Trang 43
Tiêu dùng, ma trận ; Vectơ nhu cầu và sản xuất

Ý tưởng về Mô hình đầu ra đầu vào của Leontief dựa trên một ma trận C được gọi
là MA TRẬN TIÊU THỤ . Đầu (i,j) vào của C, ( nghĩa là 𝑐𝑖,𝑗 ) là ( giá trị tiền tệ của )
đầu ra từ ngành công nghiệp i cần thiết để sản xuất một đơn vị ( giá trị tiền tệ ) sản lượng
của ngành j.

Nói cách khác, nếu ngành công nghiệp j muốn sản xuất một đơn vị sản phẩm của riêng
mình, thì nó cần tiêu thụ 𝑐𝑖,𝑗 đơn vị sản lượng của ngành i.

Giả sử rằng ta có n các ngành công nghiệp và mỗi 𝑥𝑖 đơn vị sản xuất. Vectơ sản xuất p
được định nghĩa là
𝑥1
𝑥2
.
p=
..
[𝑥𝑛 ]

Mức tiêu thụ của các ngành công nghiệp sẽ là Cp và p-Cp = (I-C)p là số lượng có sẵn để
sử dụng bên ngoài.

Hãy xác định nhu cầu d từ bên ngoài hệ thống như

𝑑1
𝑑2
d= .
..
[𝑑𝑛 ]

nơi 𝑑𝑖 thể hiện nhu cầu về đầu ra của ngành i.

Đáp ứng nhu cầu, sinh lời

Nếu (I – C)p = d chúng ta nói cung cầu chính xác, không dư thừa hay thiếu hụt.

Vì vậy, cho trước một ma trận tiêu dùng p và một véc tơ nhu cầu d, chúng ta quan tâm
đến việc tìm một véc tơ sản xuất 𝑝 ≥0 sao cho (I – C)p = d .
Trang 44
Lưu ý rằng ký hiệu A > 0 với A là ma trận có nghĩa là tất cả các mục của A đều
dương. Định nghĩa tương tự giữ cho 𝐴 ≥0 .

Nếu (I- C) khả nghịch thì p = (𝐼 − 𝐶)−1 𝑑 . Vì vectơ cầu là dương nên ta muốn
(𝐼 − 𝐶)−1 dương. Một ma trận tiêu dùng C được gọi là hiệu quả nếu (𝐼 − 𝐶)−1 tồn tại và
(𝐼 − 𝐶)−1 > 𝑔𝑒0 .

Có thể chỉ ra rằng một ma trận tiêu dùng Clà hiệu quả khi và chỉ khi tồn tại một vectơ x
sao cho x > Cx.

Kết quả là ta có thể chỉ ra rằng, một ma trận tiêu thụ C là hiệu quả nếu tổng của mỗi hàng
của nó nhỏ hơn 1. Và, ma trận tiêu thụ C cũng là hiệu quả nếu tổng của mỗi cột của nó
nhỏ hơn 1.

Điều này có một ứng dụng về lợi nhuận của từng ngành:

Một ngành i được gọi là có lợi nhuận nếu tổng các i cột của ma trận tiêu thụ C nhỏ hơn 1.

Giá trị đặc trưng và sản xuất

Nếu C chéo hóa được và 0 ≤ 𝑐𝑖,𝑗 < 1 với giá trị riêng 𝜇1 𝜇1 , 𝜇2 … 𝜇𝑛 thỏa mãn , thì
(𝐼 − 𝐶)−1 sẽ không âm. Do đó, đối với bất kỳ véc tơ nhu cầu không âm d cho trước ,
chúng ta có thể tìm một vectơ sản xuất p sao cho CP = d.
3.4.2 Ví dụ
Ví dụ 1

Cái nào trong những ma trận sau đây là sản xuất?

0.6 0.2 0.1

a) A=[0.3 0.2 0.4]
0.2 0.4 0.3
0.6 0.5
b)B=[ ]
0.1 0.5

Giải

a) Ma trận A là hiệu quả vì mỗi hàng của nó cộng với một số nhỏ hơn 1.

b) Ma trận B là hiệu quả bởi vì ta có thể tìm thấy một vectơ x = (2,1) sao cho

x > Bx .

Trang 45
Ví dụ 2

Hãy xem xét một nền kinh tế có ba ngành công nghiệp với ma trận tiêu dùng sau

𝑘 𝑘 𝑘
C = [𝑘 𝑘 𝑘]
𝑘 𝑘 𝑘

Với 0 < k < 1

a) Với những giá trị nào của k sẽ thì (𝐼 − 𝐶)−1 tồn tại ?

b) Với những giá trị nào của k sẽ (𝐼 − 𝐶)−1 không âm ?

c) Véc-tơ sản xuất sẽ là gì nếu véc-tơ nhu cầu là ?

1000
d = [1000]
1000

Giải

a) Giá trị riêng của C là 𝜆1 = 0 và 𝜆2 = 3𝑘. Công bội của 𝜆1 = 0 là 2 và bội của 𝜆2 =
3k là 1. Vậy các giá trị riêng của (I-C) là 1-0 = 1 và 1-3k. Do đó, cho k ≠ 1/3 không
phải là một giá trị riêng của (I-C), do đó (I-C) là khả nghịch.

b) Lưu ý rằng (𝐼 − 𝐶)−1 nó không âm khi và chỉ khi C nó có lãi. Vì tổng của các hàng C
bằng 3k, nên C có lãi nếu 3k < 1 hoặc K < 1/3 .

c) Ta muốn tìm một ma trận sản xuất p sao cho d = (𝐼 − 𝐶)𝑝 . Lưu ý rằng

1
v = [1] là một vectơ riêng của (𝐼 − 𝐶 ) với giá trị riêng là 1-3k.
1
1 1
Do đó (𝐼 − 𝐶) [1] = 1-3k[1]
1 1
1000
1
và cho p = [1000]chúng ta sẽ nhận được:
1−3𝑘
1000

Trang 46
 1000
d = [1000] = (𝐼 − 𝐶)𝑝
1000

3.4.3 Bài tập

1) Cái nào trong những ma trận sau đây là sản xuất?

0.2 0.2 0.1

a) A=[0.1 0.3 0.2]
0.2 0.4 0.3
0.2 0.4
b) B=[ ]
0.1 0.1

2) Hãy xem xét một nền kinh tế có hai ngành công nghiệp với ma trận tiêu dùng sau

𝑘 𝑘
C=[ ]
𝑘 𝑘

Với 0 < k < 1

a) Với những giá trị nào của k sẽ thì (𝐼 − 𝐶)−1 tồn tại ?

b) Với những giá trị nào của k sẽ (𝐼 − 𝐶)−1 không âm ?

c) Véc-tơ sản xuất sẽ là gì nếu véc-tơ nhu cầu là ?

3.5 Ứng dụng trong chuỗi Markov

3.5.1 Giới thiệu

Giả sử trong một thị trấn nhỏ có ba địa điểm ăn uống, hai nhà hàng một là nhà hàng
Trung Quốc và một là nhà hàng Mexico. Vị trí thứ ba là một nơi bán pizza. Mọi người
trong thị trấn ăn tối ở một trong những nơi này hoặc ăn tối ở nhà.

Giả sử rằng 20% những người ăn ở nhà hàng Trung Quốc sẽ đến Mexico vào lần tới,
20% ăn ở nhà và 30% đến tiệm pizza. Từ những người ăn ở nhà hàng Mexico, 10% đến
tiệm pizza, 25% đến nhà hàng Trung Quốc và 25% ăn ở nhà vào lần tới. Từ những người
ăn ở địa điểm pizza 30 những người ăn ở nhà 20% đến quán Trung Quốc, 25% đến quán
Mexico và 30% đến quán pizza. Chúng ta gọi tình huống này là một hệ . Một người trong
thị trấn có thể ăn tối ở một trong bốn nơi này, mỗi nơi được gọi là một tiểu bang . Trong
ví dụ của chúng ta, hệ có bốn trạng thái. Chúng ta quan tâm đến sự thành công của những
nơi này về mặt kinh doanh của họ. Ví dụ sau một khoảng thời gian nhất định, bao nhiêu
phần trăm người dân trong thị trấn sẽ đến tiệm pizza?

Trang 47
Giả sử có một hệ vật lý hoặc toán học có k các trạng thái có thể xảy ra và tại bất kỳ thời
điểm nào, hệ đó ở một và chỉ một trong các k trạng thái của nó. Và giả sử rằng tại một
khoảng thời gian quan sát nhất định, chẳng hạn như n khoảng thời gian, xác suất của hệ ở
một trạng thái cụ thể phụ thuộc vào trạng thái của nó ở khoảng thời gian n-1, một hệ như
vậy được gọi là Chuỗi Markov hoặc quá trình Markov .

Trong ví dụ trên có bốn trạng thái cho hệ . Xác định 𝑎𝑖𝑗 là xác suất của hệ ở trạng thái i
sau khi nó ở trạng thái j (tại bất kỳ quan sát nào). Ma trận A= (𝑎𝑖𝑗 ) được gọi là ma trận
Chuyển tiếp của Chuỗi Markov.

3.5.2 Ví dụ

Ma trận chuyển đổi ví dụ ở trên, là

0.25 0.2 0.25 0.3

0.2 0.3 0.25 0.3
A= [ ]
0.25 0.2 0.4 0.1
0.3 0.3 0.1 0.3

Cột đầu tiên biểu thị trạng thái ăn ở nhà, cột thứ hai biểu thị trạng thái ăn ở nhà hàng
Trung Quốc, cột thứ ba biểu thị trạng thái ăn ở nhà hàng Mexico và cột thứ tư biểu thị
trạng thái ăn ở Pizza Place.

Tương tự, các hàng tương ứng là ăn ở nhà, ăn ở nhà hàng Trung Quốc, ăn ở nhà hàng
Mexico và ăn ở Pizza Place.

H C M P
0.25 0.2 0.25 0.3 H
0.2 0.3 0.25 0.3 C
𝐴=[ ]
0.25 0.2 0.4 0.1 M
0.3 0.3 0.1 0.3 P

Lưu ý rằng tổng của mỗi cột trong ma trận này là một. Bất kỳ ma trận nào có tính chất
này được gọi là ma trận xác suất ma trận ngẫu nhiên hoặc ma trận Markov. Ta quan tâm
đến câu hỏi sau:

Xác suất mà hệ ở i trạng thái, tại thời điểm n quan sát là gì?

Để trả lời câu hỏi này, trước tiên ta xác định vectơ trạng thái . Đối với Chuỗi Markov,
có k trạng thái, vectơ trạng thái cho khoảng thời gian quan sát n, là một vectơ cột được
xác định bởi

Trang 48
 𝑥1
𝑥2
.
𝑥 (𝑛)
..
[𝑥𝑛 ]

trong đó, 𝑥𝑖 = xác suất hệ ở i trạng thái tại thời điểm quan sát. Lưu ý rằng tổng các phần
tử của vectơ trạng thái phải bằng một. Bất kỳ vectơ cột nào x,
𝑥1
𝑥2
.
𝑥=
..
[𝑥𝑘 ]

Với 𝑥1 + 𝑥2 + ⋯ + 𝑥𝑘 = 1 được gọi là vectơ xác suất. Hãy xem xét ví dụ của ta, giả sử
lúc đầu, mọi người ăn ở nhà, đó là vectơ trạng thái ban đầu 𝑥 (0)là

1
𝑥 (0) = [0]
0
0
Trong khoảng thời gian quan sát tiếp theo, giả sử vào cuối tuần đầu tiên, vectơ trạng thái
sẽ là
0.25
𝑥 (1) = 𝐴𝑥 (0) = [ 0.2 ]
0.25
0.3
Vào cuối 2 tuần, vectơ trạng thái là

0.25 0.2 0.25 0.3 0.25 0.255

0.2 0.3 0.25 0.3
𝑥 (2) = 𝐴𝑥 (0) =[ ] [ 0.2 ] = [0.2625]
0.25 0.2 0.4 0.1 0.25 0.2325
0.3 0.3 0.1 0.3 0.3 0.25

Lưu ý rằng ta có thể tính toán 𝑥 (2) trực tiếp bằng cách sử dụng 𝑥 (0) như

𝑥 (2) = 𝐴𝑥 (1)= A(𝐴𝑥 (0) ) = 𝐴2 𝑥 (0)

Tương tự, ta có thể tìm vectơ trạng thái cho các khoảng thời gian quan sát 5, 10, 20

Trang 49
 0.2495
𝑥 (5) = 𝐴5 𝑥 (0)=[0.2634]
0.2339
0.2532

0.2495
𝑥 (10) = 𝐴10 𝑥 (0)=[0.2634]
0.2339
0.2532
0.2495
𝑥 (20) = 𝐴20 𝑥 (0)=[0.2634]
0.2339
0.2532

Gợi ý rằng vectơ trạng thái tiếp cận với một số vectơ cố định, khi số khoảng thời gian
quan sát tăng lên. Đây không phải là trường hợp của mọi Chuỗi Markov. ví dụ nếu

0 1
A=[ ]
1 0

Và

1
𝑥 (0) = [ ]
0

ta có thể tính toán các vectơ trạng thái cho các khoảng thời gian quan sát khác nhau:

0 1 0 1 1 0
𝑥 (1) = [ ],𝑥 (2) = [ ] , 𝑥 (3) = [ ], 𝑥 (4) = [ ],… , 𝑥 (2𝑛) =[ ] , 𝑥 (2𝑛+1) = [ ]
1 0 1 0 0 1
Những tính toán này chỉ ra rằng hệ này dao động và không tiếp cận bất kỳ vectơ cố định
nào.

Chuỗi Markov thông thường

Một ma trận vuông được gọi là chính quy nếu với một số nguyên n, tất cả các phần tử
của 𝐴𝑛 nó đều dương.

Ví dụ

Ma trận

0 1
A=[ ]
1 0
Trang 50
không phải là ma trận chính quy, vì với mọi số nguyên dương n,

1 0 0 1
A2n = [ ] và A2n+1 = [ ]
0 1 1 0
0.25 0.2 0.25 0.3
0.2 0.3 0.25 0.3
Ma trận 𝐴 = [ ]
0.25 0.2 0.4 0.1
0.3 0.3 0.1 0.3

là một ma trận thông thường, bởi vì 𝐴1 có tất cả các mục tích cực.

Cũng có thể chỉ ra rằng tất cả các giá trị riêng khác của A đều nhỏ hơn 1 và bội số đại số
của 1 là một.

Có thể chỉ ra rằng nếu A là một ma trận chính quy thì 𝐴𝑛 tiến tới một ma trận Q có tất cả
các cột bằng một vectơ xác suất q được gọi là vectơ trạng thái dừng của chuỗi Markov
chính quy.

𝑞1 𝑞1 . . . 𝑞1
𝑞2 𝑞2 . . . 𝑞2
. . . . . .
nếu A chính quy thì 𝐴𝑛 → 𝑄 = . . . .
. .
. . . . . .
[𝑞𝑘 𝑞𝑘 . . . 𝑞𝑘 ]

với 𝑞1 + 𝑞2 + ⋯ + 𝑞𝑘 = 1

Có thể chỉ ra rằng đối với bất kỳ vectơ xác suất 𝑥 (0) nào khi n lớn lên, 𝐴𝑛 𝑥 (0) sẽ tiệm cận
với vectơ trạng thái dừng
𝑞1
𝑞2
.
q= .
.
[𝑞𝑘 ]

Đó là

Trang 51
 𝑞1
𝑞2
.
𝐴𝑛 𝑥 (0) → q= .
.
[𝑞𝑘 ]

với 𝑞1 + 𝑞2 + ⋯ + 𝑞𝑘 = 1

Cũng có thể chỉ ra rằng vectơ trạng thái dừng q là vectơ duy nhất sao cho

Aq = q

Lưu ý rằng điều này cho thấy q là một vectơ riêng của A và 1 là giá trị riêng của A.

3.5.3 Bài tập

1)Ma trận nào sau đây là ma trận ngẫu nhiên?

0.25 0.75
a)[ ]
0.75 0.15
2/7 2/5
b) [ ]
4/7 3/5

0.5 0.85
c) [ ]
0.5 0.15
1 0
đ) [ ]
0 1
2)Giả sử rằng thu nhập từ nghề nghiệp của một đứa trẻ, khi trưởng thành, phụ thuộc vào
thu nhập từ nghề nghiệp của cha mẹ chúng được cho bởi ma trận chuyển đổi sau, trong
đó
L= thu nhập thấp, M= thu nhập trung bình, U= Thu nhập cao

L M U
0.5 0.2 0.1 𝐿
[0.3 0.6 0.4] 𝑀
0.2 0.2 0.5 𝑈

Trang 52
a) Xác suất để đứa cháu của một gia đình có thu nhập thấp có gia đình có thu nhập cao là
bao nhiêu?
b) Về lâu dài, bao nhiêu bộ phận dân số sẽ có mức thu nhập thấp?

3.6 Ứng dụng trong mạch điện

3.6.1 Giới thiệu

Một mạch điện đơn giản là một kết nối khép kín của Pin , Điện trở , Dây dẫn. Một mạch
điện bao gồm các vòng điện áp và các nút hiện tại .

Các đại lượng vật lý sau đây được đo trong một mạch điện
Dòng điện: Dòng điện được định nghĩa là một dòng các hạt mang điện – chẳng hạn như
electron hoặc ion – di chuyển qua vật dẫn điện hoặc không gian. Nó là tốc độ dòng điện
tích qua môi trường dẫn theo thời gian.

Dòng điện là một trong những khái niệm cơ bản nhất tồn tại trong khoa học điện và điện
tử – dòng điện là cốt lõi của khoa học về điện.

Được biểu thị bằng I đo bằng Ampe ( A ).

Điện trở là thước đo lực đối kháng tác dụng lên dòng điện trong mạch. Có thể bỏ qua
điện trở của các dây dẫn trong mạch vì nó rất nhỏ. Động cơ, bóng đèn và cuộn dây đốt
nóng đều là những ví dụ về điện trở.

Biểu thị bằng R đo bằng Ohms ( W ).

Chênh lệch điện thế: Đối với hai điểm bất kỳ trong mạch điện, có một điện thế được
đo bằng vôn và được gọi là độ sụt điện áp . Trong thực tế, điện áp rơi có thể được đo
bằng một thiết bị gọi là vôn kế. Sự sụt giảm điện áp âm được gọi là tăng điện áp .

Trang 53
Georg Simon Ohm đã xây dựng mối quan hệ giữa điện áp, dòng điện và điện trở cho một
mạch điện theo định luật sau:

V= IR Trong đó
V = Điện áp (V)
I = Dòng điện (A)
R = Điện trở (ohms)

Được biểu thị bằng V đo bằng vôn (v).

Ba định luật cơ bản chi phối dòng điện trong mạch điện:

1. Định luật Ôm là một định luật vật lý về sự phụ thuộc vào cường độ dòng
điện của hiệu điện thế và điện trở. Nội dung của định luật cho rằng cường độ dòng điện đi
qua 2 điểm của một vật dẫn điện luôn tỷ lệ thuận với hiệu điện thế đi qua 2 điểm đó, với
vật dẫn điện có điện trở là một hằng số.

2. Định luật bảo toàn năng lượng của Kirchhoff : Xung quanh bất kỳ vòng kín nào
(vòng điện áp), tổng điện áp giảm bằng tổng điện áp tăng.

3. Định luật Kirchhoff bảo toàn điện tích: Tổng cường độ dòng điện chạy vào một
điểm bất kỳ bằng tổng cường độ dòng điện đi ra khỏi điểm đó.

Các mạch đơn giản được phân loại thành hai loại:

1. Mạch nối tiếp: Mạch nối tiếp là mạch chỉ có một đường dẫn. Không có nhánh nào
trong mạch và do đó điện chỉ có thể đi theo một tuyến.

Trang 54
Tổng điện trở trong mạch nối tiếp bằng tổng các điện trở riêng lẻ.

Trong hình trên, R tổng = R1 + R 2 + R 3

2. Mạch song song: Một mạch được gọi là mạch song song khi có các thành phần điện
được kết nối theo cấu hình song song, hay đầu của chúng được kết nối với một điểm
chung. Nó tạo thành nhiều vòng hoặc đường dẫn cho dòng điện chảy.

R1 R 2
R tổng =
R1 + R 2

Đối với các mạch có các phần nối tiếp và song song, hãy chia mạch thành các phần nối
tiếp và song song, sau đó tính giá trị cho các phần này và sử dụng các giá trị này để tính
điện trở của toàn bộ mạch. Đó là,trước tiên, đối với từng đường dẫn chuỗi riêng lẻ, hãy
tính tổng điện trở cho đường dẫn đó.

Thứ hai, sử dụng các giá trị này, bằng cách giả sử rằng mỗi đường dẫn là một điện trở
duy nhất, tính tổng điện trở của
mạch.

Quy tắc

Ta có thể áp dụng các phương pháp giải hệ phương trình tuyến tính để giải các bài toán
liên quan đến mạch điện. Trong một mạch đã cho nếu biết đủ các giá trị của cường độ
dòng điện, điện trở và hiệu điện thế, ta có thể tìm được các giá trị chưa biết khác của các
đại lượng này.

3.6.2 Ví dụ

Ví dụ : Tìm cường độ dòng điện trong mạch cho mạng sau.

Trang 55
Giải

Hãy gán dòng điện cho từng phần của mạch giữa các điểm nút. Ta có hai điểm nút sẽ
cung cấp cho ta ba dòng điện khác nhau. Giả sử rằng các dòng điện chạy theo chiều kim
đồng hồ.

Vậy cường độ dòng điện trên đoạn EFAB là I1 , trên đoạn BCDE là I3 và trên đoạn EB
là I2

Sử dụng Định luật Kirchhoff bảo toàn điện tích cho nút B mang lại phương trình

Trang 56
Đối với nút E, chúng ta sẽ nhận được phương trình tương tự. Sau đó, ta sử dụng định luật
điện áp của Kirchhoff

Khi qua acquy từ (-) sang (+) thì trên đoạn EF có hiệu điện thế -30, trên đoạn FA đi qua
điện trở 5 W thì hiệu điện thế là -5 I 1 và tương tự cách chúng ta có thể tìm thấy sự khác
biệt tiềm năng trên đoạn khác của vòng lặp EFAB.

Trong vòng lặp BCDE, Định luật bảo toàn năng lượng của Kirchhoff sẽ mang lại phương
trình sau:

Bây giờ ta có ba phương trình với ba ẩn số:

Hệ phương trình tuyến tính này có thể giải bằng các phương pháp Đại số tuyến tính. Đại
số tuyến tính hữu ích hơn khi mạng rất phức tạp và số ẩn số lớn.

Hệ trên có nghiệm như sau:

3.6.3 Bài tập

1. Xác định cường độ dòng điện chưa biết trong các mạch sau:

Trang 57
2.Xác định cường độ dòng điện, vôn và ôm chưa biết cho các phần khác nhau của mạng
sau:

3.7 Ứng dụng trong phân luồng giao thông

3.7.1 Giới thiệu
Trong những năm gần đây, các khái niệm và công cụ phân tích mạng đã được chứng
minh là hữu ích trong nhiều lĩnh vực khác, chẳng hạn như lý thuyết thông tin và nghiên
cứu hệ thống giao thông. Phân tích sau đây về lưu lượng giao thông qua mạng lưới đường
bộ trong thời kỳ cao điểm minh họa cách các hệ phương trình tuyến tính có nhiều nghiệm
có thể phát sinh trong thực tế.
Nó đại diện cho một khu vực của trung tâm thành phố. Các đường phố đều là một chiều,
với các mũi tên chỉ hướng lưu lượng giao thông. Lưu lượng truy cập vào và ra khỏi mạng
được đo bằng phương tiện mỗi giờ (vph). Các số liệu đưa ra ở đây dựa trên giờ giao
thông cao điểm giữa tuần, 7 giờ sáng. đến 9 giờ sáng và 4 giờ chiều đến 6 giờ chiều.
Nên cho phép tăng 2 phần trăm trong lưu lượng tổng thể trong lưu lượng giao thông. Xây
dựng một mô hình toán học có thể được sử dụng để phân tích mạng này.
3.7.2 Ví dụ

Giải

Giả sử luật giao thông sau được áp dụng:

Trang 58
Tất cả các phương tiện đi vào giao lộ phải rời khỏi giao lộ đó.

Sự bảo toàn giới hạn dòng chảy này (so sánh nó với quy tắc điểm Kirchhoff) dẫn đến một
hệ phương trình tuyến tính:

Giao lộ A: Giao thông vào

Giao thông ra = 400+225.

do đó

Giao lộ B: Giao thông vào

Giao thông ra

do đó

Giao lộ C: Giao thông vào

Giao thông ra

do đó

Giao lộ D: Giao thông vào

Giao thông ra

Trang 59
do đó

Những ràng buộc này đối với lưu lượng được mô tả bằng hệ phương trình tuyến tính sau:

Có thể sử dụng phương pháp khử Gauss-Jordan để giải hệ phương trình này. Ma trận tăng
cường và dạng bậc thang rút gọn của hệ trên là như sau:

Hệ phương trình tương ứng với điều này rút gọn dạng cấp bậc là

Thể hiện mỗi biến chính theo biến còn lại, ta được

Hệ phương trình có nhiều nghiệm có thể có nhiều luồng giao thông. Người lái xe có một
số lựa chọn nhất định tại các giao lộ. Bây giờ ta hãy sử dụng mô hình toán học này để
phát triển thêm thông tin về luồng giao thông.

Giả sử cần phải thực hiện công việc làm đường trên đoạn Võ Nguyên Giáp.

Trang 60
Mong muốn có lưu lượng giao thông càng nhỏ 𝑥3 càng tốt dọc theo đoạn đường này. Các
luồng có thể được kiểm soát dọc theo các nhánh khác nhau bằng đèn giao thông. Giá trị
nhỏ nhất của 𝑥3 dọc theo không dẫn đến tắc nghẽn giao thông là bao nhiêu?

Ta sử dụng hệ phương trình trước để trả lời điều này câu hỏi.

Tất cả các luồng lưu lượng phải không âm (âm luồng sẽ được hiểu là phương tiện di
chuyển sai hướng trên đường một chiều).

Phương trình thứ ba trong hệ cho chúng ta biết rằng 𝑥3 sẽ là giá trị nhỏ nhất khi 𝑥4 càng
lớn càng tốt, miễn là nó không vượt quá 900.

giá trị lớn nhất 𝑥4 có thể mà không gây ra giá trị âm của 𝑥1 hoặc 𝑥2 là 475.

Do đó, giá trị nhỏ nhất của 𝑥3 là 475 + 900 hoặc 425. Bất kỳ công việc làm đường nào
trên Võ Nguyên Giáp đều phải cho phép lưu lượng giao thông ít nhất là 425 vph.

Trong thực tế, các mạng rộng lớn hơn nhiều so với mạng được thảo luận ở đây, dẫn đến
các hệ phương trình tuyến tính lớn hơn được xử lý trên máy tính. Các giá trị khác nhau
của các biến có thể được nhập vào máy tính để tạo ra các tình huống khác nhau.

3.7.3 Bài tập

1)Xây dựng một mô hình toán học mô tả luồng giao thông trong mạng lưới đường được
mô tả trong hình. Tất cả các đường đều là đường một chiều theo các hướng được chỉ
định.

Các đơn vị là xe mỗi giờ. Đưa ra hai luồng lưu lượng riêng biệt có thể. Lưu lượng tối
thiểu có thể dự kiến dọc theo nhánh AB là bao nhiêu?

Trang 61
2)Hình dưới đây mô tả luồng giao thông, với đơn vị là số xe trên giờ.

(a) Xây dựng hệ phương trình tuyến tính mô tả dòng chảy này.

(b) Tổng thời gian các phương tiện di chuyển trên một đoạn đường bất kỳ tỷ lệ thuận với
lưu lượng giao thông dọc theo đoạn đường đó. Ví dụ: tổng thời gian 𝑥1 xe đi hết quãng
đường AB là 𝑘𝑥1 phút. Giả sử rằng hằng số là như nhau cho tất cả các đoạn đường, tổng
thời gian cho tất cả 200 phương tiện trong mạng này là

Tổng thời gian này là bao nhiêu nếu k = 4? Cho biết thời gian trung bình mỗi xe đi.

Trang 62
 KẾT LUẬN

Hệ phương trình tuyến tính và đại số ma trận được ứng dụng phổ biến từ các bài toán đơn
giản , số lượng tính toán cỡ nhỏ cuộc sống hàng ngày cho đến các bài toán vô cùng trừu
tượng và phức tạp với số lượng phép tính lớn trong các lĩnh vực lý thuyết trò chơi, khoa
học máy tính, tài chính - kinh tế, y học, mật mã,…

Luận văn đã đề cập đến các vấn đề về y học, hóa học, vật lý, mật mã và các vấn đề trong
toán học nhằm góp phần tìm ra lời giải đáp bằng hệ phương trình tuyến tính và đại số
ma trận.

Với các chương trình giáo dục tích hợp tiên tiến, thông qua Toán học dựa trên nền tảng
kiến thức về hệ phương trình tuyến tính và đại số ma trận cùng với sự hỗ trợ của máy tính
ta sẽ có thể giải thích các bài toán vô cùng trừu tượng và phức tạp với số lượng phép tính
lớn, vượt xa ra khỏi khả năng tự nhiên của một con người.

Trang 63
 TÀI LIỆU THAM KHẢO

1) ANTON, H. và C. RORRES. Đại số tuyến tính sơ cấp: Phiên bản ứng dụng ,
tái bản lần thứ 7. New York: John Wiley & Sons, Inc., 1994.

2) WILLIAMS, GARETH. Đại số tuyến tính với các ứng dụng , tái bản lần
2. Iowa: Wm. Nhà xuất bản C. Brown, 1991.

3) Stewart, W. J. Giới thiệu về Giải pháp Số của Chuỗi Markov. Princeton, NJ: Nhà
xuất bản Đại học Princeton, 1995.

4) KOLMAN, B. Nhập môn Đại số tuyến tính với các ứng dụng . New Jersey:
Prentice Hall, Inc., 1997.

5) TUCKER, ALAN. Tổ hợp ứng dụng , tái bản lần thứ 3. New York: Wiley,
1994.

Trang 64