Professional Documents
Culture Documents
Đề cương ĐSTT
Đề cương ĐSTT
- Ma trận chuyển vị của ma trận A là ma trận At thu được từ A bằng cách hoán đổi
hàng thành cột
A = (aij)mxn At = (aji)nxm
- Ma trận đơn vị là ma trận vuông có các phần tử trên đường chéo chính bằng 1,
các phần tử còn lại bằng 0
In = (aij)nxn : aii = 1; aij = 0 (i ≠ j)
- Ma trận vuông có tất cả các phần tử nằm ngoài đường chéo chính bằng 0 được
gọi là một ma trận đường chéo
A = (aij)nxn : aii ≠ 0; aij = 0 (i ≠ j)
2. Các phép toán với ma trận:
- Phép cộng 2 ma trận: A = (aij)mxn; B = (bij)mxn => A ± B = (aij ± bij)mxn
Ma trận khả nghịch (khả đảo) khi giá trị định thức của ma trận khác 0.
- 2 cách tìm ma trận nghịch đảo:
+ Phương pháp Gauss – Jordan: [A|In] [In|A-1]
+ Sử dụng định thức:
𝐶11 𝐶21 ⋯ 𝐶𝑛1
1 1 1 𝐶12 𝐶22 … 𝐶𝑛2
𝐴−1 = (𝐶𝑖𝑗 )𝑡 = (𝐶𝑗𝑖 ) = [ ]
det 𝐴 det 𝐴 det 𝐴 ⋮ ⋱ ⋮
𝐶1𝑛 𝐶2𝑛 ⋯ 𝐶𝑛𝑛
- Giải hệ phương trình tuyến tính bằng công thức Cramer:
det (A) ≠ 0 thì hệ Ax = b có nghiệm duy nhất
det 𝐴𝑗
𝑥𝑗 = ,1 ≤ 𝑗 ≤ 𝑛
det 𝐴
Với Aj là ma trận thu được từ A bằng cách thay cột j bằng cột b
KHÔNG GIAN VECTOR
1. Không gian vector
Một tập V ≠ ∅ mà trên đó có hai phép toán (cộng vector và nhân vô hướng) là một
không gian vector khi thỏa mãn 10 tính chất (tiên đề):
(1) a + b ∊ V, ∀ a, b ∊ V
(2) (a + b) + c = a + (b + c), ∀ a, b, c ∊ V
(3) a + b = b + a, ∀ a, b ∊ V
(4) ∃ 0 ∈ V: a + 0 = 0 + a = a, ∀ a ∈ V
(5) ∀ a ∈ V, ∃ b ∈ V: a + b = b + a = 0 => b = (-a)
(6) au ∈ V, ∀ a ∈ R, ∀ u ∈ V
(7) a(u + v) = au + av, ∀ a ∈ R, ∀ u, v ∈ V
(8) (a + b)u = au + bu, ∀ a, b ∈ R, ∀ u ∈ V
(9) a(bu) = (ab)u, ∀ a, b ∈ R, ∀ u ∈ V
(10) 1u = u, ∀ u ∈ V
- Các không gian vector thường gặp: Rn, Mmxn(R) (Ma trận cấp m x n với các phần
tử thực), R[x]≤d (Đa thức có bậc ≤ d), R[x] (Đa thức có hệ số thực)
- Tính chất:
(1) 0x=0
(2) a0=0
𝑎=0
(3) Nếu av=0 thì [
𝒗=𝟎
(4) (-1)u = -u
2. Không gian con
- Tập hợp W ⊂ V, W ≠ ∅ là một không gian vector con (không gian con) của V
nếu W cùng với 2 phép toán của V thỏa mãn 10 tính chất (tiên đề) của một không
gian vector.
- Nếu au + bv ∈ W, ∀ a, b ∈ R, ∀ u, v ∈ W thì W là một không gian con của V
3. Tổ hợp tuyến tính, hệ sinh (tập sinh)
- Cho v1, v2, ... , vn ∈ V là các vector trong không gian vector V. Một vector v được
gọi là một tổ hợp tuyến tính của v1, v2, ... , vn nếu tồn tại các vô hướng a1, a2 ,..., an
sao cho:
v = a1v1 + a2v2 + ... + anvn
Ta còn nói v có một biểu thị tuyến tính qua v1, v2, ... , vn
- 1 tập con S của một không gian vector V được gọi là 1 hệ sinh (tập sinh) của V
nếu mọi vector trong V đều biểu thị tuyến tính được qua S. Khi đó ta còn nói S
sinh ra V.
4. Độc lập tuyến tính, phụ thuộc tuyến tính
Một tập con S = {v1, v2, ... , vn} các vector của một không gian vector V được gọi
là độc lập tuyến tính nếu hệ thức
a1v1 + a2v2 + ... + anvn = 0
chỉ xảy ra khi a1 = a2 = ... = an = 0.
Ngược lại, S được gọi là phụ thuộc tuyến tính (a1, ... , an không đồng thời bằng 0 để
được hệ thức trên).
5. Cơ sở và số chiều
- Một tập con B của một không gian vector V được gọi là một cơ sở của V nếu B
sinh ra V (B là hệ sinh của V) và B độc lập tuyến tính.
- Số phần tử của 1 cơ sở của V được gọi là số chiều của không gian vector V, kí
hiệu: dim V
6. Tọa độ và chuyển cơ sở
- 1 không gian vector V có 1 cơ sở B gồm các vector {v1, v2, ... , vn}. Tồn tại duy
nhất các vô hướng x1, x2, ... , xn sao cho
x = x1v1 + x2v2 + ... + xnvn
Bộ (x1, x2, ... , xn) được gọi là tọa độ của x đối với cơ sở B,
𝑥1
𝑥2
Kí hiệu: [x]B = [ … ]
𝑥𝑛
- Không gian vector n chiều V có 2 cơ sở B = {a1, a2, ... , an} và B’ = {b1, b2, ...,
bn}. Nếu:
b1 = c11a1 + c21a2 + ... + cn1an
b2 = c12a1 + c22a2 + ... + cn2an
.................
bn = c1na1 + c2na2 + ... + cnnan
thì ma trận C = (cij)nxn được gọi là ma trận chuyển cơ sở từ B sang B’.
C-1 là ma trận chuyển cơ sở từ B’ sang B.
ÁNH XẠ TUYẾN TÍNH
1. - Một ánh xạ 𝑓: 𝑉 → 𝑊 giữa các không gian vector được gọi là một ánh xạ
tuyến tính nếu:
𝑓(𝑎1 𝑣1 + 𝑎2 𝑣2 ) = 𝑎1 𝑓(𝑣1 ) + 𝑎2 𝑓(𝑣2 ); ∀𝑎1 , 𝑎2 ∈ 𝑹; ∀𝑣1 , 𝑣2 ∈ 𝑉
Một ánh xạ tuyến tính từ V vào V thì được gọi là tự đồng cấu của V.
- Nếu 𝑓: 𝑉 → 𝑊 là một ánh xạ tuyến tính thì
a. 𝑓(0) = 0
b. 𝑓(−𝑣) = −𝑓(𝑣)
2. Ma trận của một ánh xạ tuyến tính
- 𝑓: 𝑉 → 𝑊 là một ánh xạ tuyến tính, 𝐵 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } và 𝐵′ = {𝑤1 , 𝑤2 , … , 𝑤𝑚 }
tương ứng là các cơ sở của V và W
Khi đó:
𝑓(𝑣1 ) = 𝑎11 𝑤1 + 𝑎21 𝑤1 + ⋯ + 𝑎𝑚1 𝑤𝑚
𝑓(𝑣2 ) = 𝑎12 𝑤1 + 𝑎22 𝑤1 + ⋯ + 𝑎𝑚2 𝑤𝑚
……………..
𝑓(𝑣𝑛 ) = 𝑎1𝑛 𝑤1 + 𝑎2𝑛 𝑤1 + ⋯ + 𝑎𝑚𝑛 𝑤𝑚
Ta gọi:
𝑎11 𝑎12 … 𝑎1𝑛
𝑎21 𝑎22 … 𝑎2𝑛
𝐴= [ … … … … ] = (𝑎𝑖𝑗 )𝑚×𝑛
𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑛
là ma trận của f trong cặp cơ sở B và B’.
- Ma trận của tự đồng cấu 𝑓: 𝑉 → 𝑉 trong cặp cơ sở B và B được gọi là ma trận
của f trong cơ sở B.
- Có A và A’ tương ứng là ma trận của tự đồng cấu f trong cơ sở B và B’. Nếu có
ma trận C là ma trận chuyển cơ sở từ B sang B’ thì A’=C-1AC.
3. Hạt nhân và ảnh
Có ánh xạ tuyến tính: 𝑓: 𝑉 → 𝑊
- Hạt nhân của ánh xạ f là tập hợp 𝐾𝑒𝑟 𝑓 = {𝑣 ∈ 𝑉: 𝑓(𝑣) = 0}
+ Ker f là không gian con của V.
+ Chiều của Ker f được gọi là số khuyết của f, kí hiệu: 𝑛𝑢𝑙𝑙𝑖𝑡𝑦(𝑓)
𝑛𝑢𝑙𝑙𝑖𝑡𝑦(𝑓) = dim (𝐾𝑒𝑟 𝑓)
- Ảnh của ánh xạ f là tập hợp 𝐼𝑚 𝑓 = {𝑓(𝑣), 𝑣 ∈ 𝑉}
+ Im f là không gian con của W.
+ Chiều của Im f được gọi là hạng của f, kí hiệu: 𝑟𝑎𝑛𝑘(𝑓)
𝑟𝑎𝑛𝑘(𝑓) = dim (𝐼𝑚 𝑓)
𝑛𝑢𝑙𝑙𝑖𝑡𝑦(𝑓) + 𝑟𝑎𝑛𝑘(𝑓) = dim 𝑉
- Hạng của 1 ánh xạ tuyến tính 𝑓: 𝑉 → 𝑊 bằng hạng của ma trận của nó trong một
cặp cơ sở bất kì của V và W.
PHÉP BIẾN ĐỔI TUYẾN TÍNH
1. Vector riêng, trị riêng (giá trị riêng)
- Giả sử A là một ma trận vuông cấp n. λ được gọi là trị riêng của A nếu phương
trình:
Ax = λx
có vector x ≠ 0 (𝜃). Vector x được gọi là vector riêng tương ứng với trị riêng λ.
- λ là trị riêng của A thì det (𝐴 − λ𝐼𝑛 ) = 0
Các vector riêng của A tương ứng với trị riêng λ là các nghiệm không tầm thường
của hệ phương trình:
(A − λ𝐼𝑛 )𝑥 = 0
Không gian nghiệm của hệ phương trình trên được gọi là không gian riêng của A
ứng với trị riêng λ.
Không gian riêng = {vector riêng} ∪ {0}
det (𝐴 − λ𝐼𝑛 ) = 0 được gọi là phương trình đặc trưng của A.
det (𝐴 − λ𝐼𝑛 ) = (−1)𝑛 λ𝑛 + 𝑎𝑛−1 λ𝑛−1 + ⋯ + 𝑎1 λ + 𝑎0
là một đa thức theo λ bậc n. Đa thức này được gọi là đa thức đặc trưng của A.
2. Các bước tìm trị riêng và vector riêng của ma trận
- B1: Tìm đa thức đặc trưng của A: 𝑃𝐴 (λ) = |𝐴 − λ𝐼𝑛 |
- B2: Tìm nghiệm thực của phương trình 𝑃𝐴 (λ) = |𝐴 − λ𝐼𝑛 | = 0. Các nghiệm thực
đó là tất cả các trị riêng của A.
- B3: Ứng với mỗi trị riêng λ𝑖 , giải hệ phương trình:
(A − λ𝐼𝑛 )𝑥 = 0
Tập nghiệm là không gian riêng tương ứng với giá trị riêng λ𝑖 .
Tập các vector riêng = Tập nghiệm \ {0}
3. Chéo hóa ma trận
- Một ma trận vuông A cấp n được gọi là chéo hóa được (khả chéo) nếu ma trận A
đồng dạng với một ma trận đường chéo D, tức là tồn tại một ma trận vuông C khả
đảo cấp n sao cho C-1AC=D
- Ma trận vuông A cấp n khả chéo khi và chỉ khi 2 điều kiện sau đồng thời được
thỏa mãn:
+ Đa thức đặc trưng 𝑃𝐴 (λ) có đủ nghiệm thực, tức là:
𝑃𝐴 (λ) = (−1)𝑛 (𝑥 − λ1 )𝑠1 … (𝑥 − λ𝑘 )𝑠𝑘
Trong đó λ𝑖 ≠ λ𝑗 (𝑖 ≠ 𝑗) và 𝑠1 + ⋯ + 𝑠𝑘 = 𝑛
+ Với mỗi trị riêng λ𝑖 thì không gian riêng ứng với λ𝑖 có số chiều bằng 𝑠𝑖
4. Các bước chéo hóa một ma trận A
- B1: Tìm tất cả các giá trị riêng và không gian riêng tương ứng của A. Tính số
chiều của các không gian riêng đó.
- B2: Kiểm tra điều kiện khả chéo.
- B3: Nếu A chéo hóa được, tìm các cơ sở cho các không gian riêng đó.
+ Viết C là ma trận gồm các vector cột là các vector cơ sở của các không gian
riêng.
+ Viết D là ma trận đường chéo với các phần tử trên đường chéo chính là các trị
riêng tương ứng theo thứ tự các cột của C.
TRỰC GIAO HÓA
1. Tích vô hướng
- Giả sử u, v là các vector (cột) trong Rn. Khi đó số thực utv được gọi là tích vô
hướng của u và v
𝑣1
𝑣
𝒖 ∙ 𝒗 = (𝑢1 𝑢2 … 𝑢𝑛 ) ( 2 ) = 𝑢1 𝑣1 + 𝑢2 𝑣2 + ⋯ + 𝑢𝑛 𝑣𝑛
…
𝑣𝑛
- Tính chất:
+𝒖 ∙𝒗= 𝒗 ∙𝒖
+ (𝑐𝒖)𝒗 = 𝑐(𝒖𝒗) = 𝒖(𝑐𝒗)
+ (𝒖 + 𝒗)𝒘 = 𝒖𝒘 + 𝒗𝒘
2. Trực giao
- 𝑹𝑛 : 𝒆𝟏 , 𝒆𝟐 ∈ 𝑹𝑛 . 𝒆𝟏 , 𝒆𝟐 được gọi là trực giao với nhau nếu 𝒆𝟏 ∙ 𝒆𝟐 = 0
3. Độ dài vector
- 𝑹𝑛 : 𝒗 ∈ 𝑹𝑛 . Độ dài của vector 𝒗 trong 𝑹𝑛 :
‖𝒗‖ = √𝑣 ∙ 𝑣 = √𝑣1 2 + 𝑣2 2 + ⋯ + 𝑣𝑛 2
𝒗
- Quá trình chuẩn hóa 𝒗 là quá trình đưa 𝒗 thành
‖𝒗‖
4. Trực giao hóa Gram – Schmidt
- Quá trình trực giao hóa Gram – Schmidt: Giả sử {𝑥1 , 𝑥2 , … , 𝑥𝑘 } là một cơ sở của
một không gian con 𝑊 của 𝑹𝑛 . Định nghĩa:
- 𝑣1 = 𝑥1
𝑥2 𝑣1
- 𝑣2 = 𝑥2 − 𝑣1
𝑣1 𝑣1
𝑥3 𝑣1 𝑥3 𝑣2
- 𝑣3 = 𝑥3 − 𝑣1 − 𝑣2
𝑣1 𝑣1 𝑣2 𝑣2
…
𝑥𝑘 𝑣1 𝑥𝑘 𝑣2 𝑥𝑘 𝑣𝑘−1
- 𝑣𝑘 = 𝑥𝑘 − 𝑣1 − 𝑣2 − ⋯ − 𝑣𝑘−1
𝑣1 𝑣1 𝑣2 𝑣2 𝑣𝑘−1 𝑣𝑘−1
Và 𝑤𝑖 = 𝐿{𝑥1 , 𝑥2 , … , 𝑥𝑖 } với 1 ≤ i ≤ k
Khi đó, {𝑣1 , 𝑣2 , … , 𝑣𝑖 } là một cơ sở trực giao của 𝑤𝑖 với 1 ≤ i ≤ k.
Đặc biệt, {𝑣1 , 𝑣2 , … , 𝑣𝑘 } là một cơ sở trực giao của 𝑊
+ W là không gian con của Rn. Tập các vector {𝑣1 , 𝑣2 , … , 𝑣𝑛 } được gọi là một cơ
sở trực giao của W nếu nó là cơ sở của W và thỏa mãn 𝑣𝑖 ∙ 𝑣𝑗 = 0 ∀𝑖 ≠ 𝑗
5. Chéo hóa ma trận đối xứng
- Một ma trận vuông A trực giao nếu: AtA=I. Khi đó, hệ các vector cột của A là
một hệ trực chuẩn (Độ dài vector cột bằng 0, tích vô hướng 2 vector cột bất kì bằng
0)
- Nếu A là 1 ma trận đối xứng thì 2 vector riêng ứng với 2 giá trị riêng khác nhau
luôn trực giao với nhau
- Ma trận vuông A chéo hóa trực giao được nếu tồn tại một ma trận trực giao Q sao
cho:
Q-1AQ = D
với D là ma trận đường chéo.
- Ma trận đối xứng luôn chéo hóa trực giao được.
6. Dạng toàn phương
- Các biểu thức có dạng ax2 + by2 + cxy và ax2 + by2 + cz2 + dxy + exz + fyz được
gọi là các dạng toàn phương theo các biến x, y và x,y,z
(a,b,c,d,e,f là các số thực cho trước)
𝑎 𝑐/2 𝑥
𝑎𝑥 2 + 𝑏𝑦 2 + 𝑐𝑥𝑦 = (𝑥 𝑦) ( ) (𝑦)
𝑐/2 𝑏
Ma trận liên kết với dạng toàn phương
𝑎 𝑑/2 𝑒/2 𝑥
𝑎𝑥 + 𝑏𝑦 + 𝑐𝑧 + 𝑑𝑥𝑦 + 𝑒𝑥𝑧 + 𝑓𝑦𝑧 = (𝑥
2 2 2 𝑦 𝑧) (𝑑/2 𝑏 𝑓/2) (𝑦)
𝑒/2 𝑓/2 𝑐 𝑧
Ma trận liên kết với dạng toàn phương
Giải:
a. Đặt 𝑢 = (𝑥, 𝑦, 𝑧); 𝑣 = (𝑥, 𝑦, 𝑧)
Ta có: 𝑓(𝑎𝑢 + 𝑏𝑣) = 𝑓(𝑎𝑥1 + 𝑏𝑥2 , 𝑎𝑦1 + 𝑏𝑦2 , 𝑎𝑧1 + 𝑏𝑧2 )
= (𝑎𝑥1 + 𝑏𝑥2 – 𝑎𝑦1 – 𝑏𝑦2 , 𝑎𝑦 1 + 𝑏𝑦2 – 𝑎𝑧1 – 𝑏𝑧2 , 𝑎𝑧1 + 𝑏𝑧2 – 𝑎𝑥1 – 𝑏𝑥2 )
= 𝑎(𝑥1 – 𝑦1 , 𝑦1 – 𝑧1 , 𝑧1 – 𝑥1 ) + 𝑏(𝑥2 – 𝑦2 , 𝑦2 – 𝑧2 , 𝑧2 – 𝑥2 )
= 𝑎𝑓(𝑢) + 𝑏𝑓(𝑣)
=> 𝑓 là ánh xạ tuyến tính
b. 𝐵 = {𝑒1 = (1,0,0); 𝑒2 = (0,1,0); 𝑒3 = (0,0,1)}
𝑓(𝑒1 ) = (1,0, −1) = 𝑎𝑒1 + 𝑏𝑒2 + 𝑐𝑒3 (1)
𝑓(𝑒2 ) = (−1,1,0) = 𝑎′ 𝑒1 + 𝑏 ′ 𝑒2 + 𝑐 ′ 𝑒3 (2)
𝑓(𝑒3 ) = (0, −1,1) = 𝑎′′ 𝑒1 + 𝑏 ′′ 𝑒2 + 𝑐 ′′ 𝑒3 (3)
(1) 𝑎(1,0,0) + 𝑏(0,1,0) + 𝑐(0,0,1) = (1,0, −1)
𝑎=1
{ 𝑏 = 0
𝑐 = −1
(2) 𝑎′ (1,0,0) + 𝑏 ′ (0,1,0) + 𝑐 ′ (0,0,1) = (−1,1,0)
𝑎′ = −1
{ 𝑏 ′ = 1
𝑐′ = 0
(3) 𝑎′′ (1,0,0) + 𝑏 ′′ (0,1,0) + 𝑐 ′′ (0,0,1) = (0, −1,1)
𝑎′′ = 0
{𝑏 ′ ′ = −1
𝑐 ′′ = 1
Chú ý: Với các bài toán tìm ma trận của ánh xạ tuyến tính trong cơ sở cụ thể,
khi giải các hệ phương trình để tìm các hệ số ta sử dụng các phương pháp giải
ma trận.
Ma trận của 𝑓 trong cơ sở chính tắc là:
1 −1 0
𝐴=[ 0 1 −1]
−1 0 1
det 𝐴 = 0 => Không tồn tại ma trận A-1 => A không khả nghịch.
c.
- 𝐾𝑒𝑟 𝑓 = {(𝑥, 𝑦, 𝑧) ∈ 𝑹𝟑 ; 𝑓(𝑥, 𝑦, 𝑧) = 0}
𝑥−𝑦 =0
=> { 𝑦 − 𝑧 = 0 𝑥 = 𝑦 = 𝑧 = 𝑡
𝑧−𝑥 =0
=> 𝐾𝑒𝑟 𝑓 = {(𝑡, 𝑡, 𝑡)}
Giả sử 𝛼 ∈ 𝐾𝑒𝑟 𝑓 => 𝛼 = (𝑡, 𝑡, 𝑡) = 𝑡(1,1,1) => {(𝑡, 𝑡, 𝑡)} là tập sinh của 𝐾𝑒𝑟 𝑓
Xét hệ thức: 𝑎(1,1,1) = 0 => 𝑎 = 0
=>{(1,1,1)} là một cơ sở của 𝐾𝑒𝑟 𝑓
- 𝐼𝑚 𝑓 = {𝑓(𝑥, 𝑦, 𝑧)|𝑥, 𝑦, 𝑧 ∈ 𝑹}
= {(𝑥 − 𝑦, 𝑦 − 𝑧, 𝑧 − 𝑥)} = 𝑥(1,0, −1) + 𝑦(−1,1,0) + 𝑧(0, −1,1)
=L((1,0, −1); (−1,1,0); (0,1, −1))
1 0 −1 Gauss - Jordan 1 0 −1
[−1 1 0 ] [0 1 −1]
0 1 −1 0 0 0
=> 𝐼𝑚 𝑓 có một cơ sở là {(1,0,-1); (0,1,-1)}
2. Chéo hóa ma trận trực giao
VD: Tìm một ma trận trực giao Q sao cho Q-1AQ là một ma trận chéo, trong đó
11 2 −8
𝐴= [2 2 10 ]
−8 10 5
Giải:
11 − λ 2 −8
Đa thức đặc trưng của A là: 𝑃𝐴 (λ) = |𝐴 − λI| = | 2 2−λ 10 |
−8 10 5−λ
2−λ 10 2 10 2 2−λ
= (−1)1+1 (11 − λ) | | + (−1)1+2 . 2 | | + (−1)1+3 . (−8) | |
10 5−λ −8 5 − λ −8 10
2−λ 10 2 10 2 2−λ
= (11 − λ) | | − 2| | + (−8) | |
10 5−λ −8 5 − λ −8 10
= (11 − λ)[(2 − λ)(5 − λ) − 100] − 2[2(5 − λ) + 80] + (−8)[20 − (2 − λ)(−8)]
1
1 1 1 −2 1 2
𝛼2 = (−1, , 1) => 𝑣2 = ‖‖𝛼2 ‖‖ 𝛼2 = ‖√1+(1)2+1‖ (−1, , 1) = ( , , )
2 2 2 3 3 3
1 1 2 2 1
𝛼3 = (2,2,1) => 𝑣3 = ‖‖𝛼3‖‖ 𝛼3 = ‖√4+4+1‖ (2,2,1) = ( , , )
3 3 3
1 −2 2
3 3 3
−2 1 2
𝑄=
3 3 3
2 1 2
[3 3] 3
−9 0 0
−1
𝑄 𝐴𝑄 = [ 0 18 0]
0 0 9
3. Đưa dạng toàn phương về dạng chính tắc
VD: Đưa dạng toàn phương sau về dạng chính tắc:
2𝑥1 2 − 𝑥2 2 − 𝑥3 2 + 4𝑥1 𝑥2 − 4𝑥1 𝑥3 + 8𝑥2 𝑥3
Ma trận liên kết với dạng toàn phương
2 2 −2
𝐴 = [ 2 −1 4 ]
−2 4 −1
2−λ 2 −2
Đa thức đặc trưng của A: 𝑃𝐴 (λ) = |𝐴 − λI| = | 2 −1 − λ 4 |
−2 4 −1 − λ
−1 − λ 4 2 4 2 −1 − λ
= (2 − λ) | | − 2| | + (−2) | |
4 −1 − λ −2 −1 − λ −2 4
= (2 − λ)[(1 + λ)2 − 16] − 2[2(−1 − λ) + 8] + (−2)[8 + 2(1 + λ)]
= −λ3 + 27λ − 54 = −(λ + 6)(λ − 3)2
λ1 = λ2 = 3
𝑃𝐴 (λ) = 0 −(λ + 6)(λ − 3)2 = 0 {
λ3 = −6
A có 3 giá trị riêng: λ1 = λ2 = 3, λ3 = −6
Với λ1 = λ2 = 3, xét hệ phương trình:
𝑥 −𝑥 + 2𝑦 − 2𝑧 = 0
[𝐴 − 3𝐼] [𝑦] = 0 { 2𝑥 − 4𝑦 + 4𝑧 = 0 𝑥 = 2𝑦 − 2𝑧 (Tự giải bằng pp G-J)
𝑧 −2𝑥 + 4𝑦 − 4𝑧 = 0
=> Không gian riêng của A ứng với λ1 = λ2 = 3 là: 𝑉1 = {(2𝑦 − 2𝑧, 𝑦, 𝑧)}
=> 1 cơ sở của 𝑉1 là: 𝛽1 = {(2,1,0); (−2,4,5)}
2 1 −2 4 5
Chuẩn hóa 𝛽1 , ta thu được: {( , , 0) , ( , , )} là cơ sở trực chuẩn của
√5 √5 3√5 3√5 3√5
không gian riêng ứng với giá trị riêng 3.
Với λ3 = −6, xét hệ phương trình:
𝑥 8𝑥 + 2𝑦 − 2𝑧 = 0 𝑧
𝑥=
[𝐴 + 6𝐼] [𝑦] = 0 { 2𝑥 + 5𝑦 + 4𝑧 = 0 { 2
𝑧 −2𝑥 + 4𝑦 + 5𝑧 = 0 𝑦 = −𝑧
𝑧
=> Không gian riêng của A ứng với λ3 = −6 là: 𝑉2 = {( , −𝑧, 𝑧)}
2
1
=> 1 cơ sở của 𝑉1 là: 𝛽2 = {( , −1,1)}
2
1 −2 2
Chuẩn hóa 𝛽2 , ta thu được: {( , , )} là cơ sở trực chuẩn của không gian riêng
3 3 3
ứng với giá trị riêng -6.
1 2 −2
√5 3√5 3
1 4 −2
𝑄=
√5 3√5 3
5 2
0
[ 3√5 3 ]
3 0 0 3 0 0
−1
𝑄 𝐴𝑄 = [0 3 0 ] ℎ𝑎𝑦 𝐴 = 𝑄 [0 3 0 ] 𝑄𝑡
0 0 −6 0 0 −6
𝑥1 3 0 0 𝑥1
𝑄(𝑥) = [𝑥1 𝑥2 𝑥3 ]𝐴 [𝑥2 ] = [𝑥1 𝑥2 𝑥3 ]𝑄 [0 3 𝑡 𝑥
0 ] 𝑄 [ 2]
𝑥3 0 0 −6 𝑥3
𝑦1 𝑥1
Đặt 𝑦 = (𝑦2 ) = 𝑄𝑡 [𝑥2 ] => 𝑦 𝑡 = (𝑦1 𝑦2 𝑦3 ) = [𝑥1 𝑥2 𝑥3 ]𝑄
𝑦3 𝑥3
Khi đó:
𝑥1 3 0 0 𝑥1
𝑄(𝑥) = [𝑥1 𝑥2 𝑥3 ]𝐴 [𝑥2 ] = [𝑥1 𝑥2 𝑥3 ]𝑄 [0 3 0 ] 𝑄𝑡 [𝑥2 ]
𝑥3 0 0 −6 𝑥3
= 3𝑦1 2 + 3𝑦2 2 − 6𝑦3 2