Professional Documents
Culture Documents
SP102 - Giáo Trình
SP102 - Giáo Trình
KHOA SƢ PHẠM
M N SƢ PHẠM TO N HỌC
GIÁO TRÌNH
Năm 2021
MỤC LỤC
Trang
Chƣơng 1. Ma trận-Định thức-Hệ phƣơng trình tuyến tính 1
§1. Ma trận 1
§2. Các phép toán trên ma trận 3
§3. Các phép biến đổi sơ cấp 6
§4. Ma trận nghịch đảo 11
§5. Định thức 14
§6. Hạng của ma trận 25
§7. Hệ phương trình tuyến tính 27
Bài tập 33
trong đó aij K (với mọi i = 1, ..., m; j = 1, ..., n) là phần tử ở vị trí (i, j) của A.
Để cho gọn, ta sẽ kí hiệu ma trận dưới dạng A = (aij)m x n hoặc A = (aij) hoặc A=[A]ij.
Tập hợp các ma trận cấp m x n có phần tử trên trường K được kí hiệu là Mm,n(K).
1.2 Nhận xét. Nếu K = thì ma trận A Mm,n(K) gọi là ma trận thực, còn nếu K = thì
ma trận A Mm,n(K) gọi là ma trận phức.
i 5
1.3 Ví dụ. Bảng số A = 0 3 2 là ma trận cấp 3x2 trên trường . Nếu ta viết ma trận
1 / 2
dưới dạng A = (aij) thì a11 = i, a12 = -5, a21 = 0, a22 = 3 2 , a31 = , a32 = 1/2.
1
1.6 Mäüt säú daûng ma tráûn âàûc biãût
1.6.1 Ma trận tam giác trên. Ma trận A = (ai j) Mn(K) được gọi là ma trận tam giác trên
a11 a12 a 1n
0 a 22 a 2 n
nếu ai j = 0 với mọi i > j, tức là ma trận có dạng A = .
0 0 a nn
1.6.2 Ma trận tam giác dƣới. Ma trận A = (ai j) Mn(K) được gọi là ma trận tam giác dưới
a11 0 0
a a 22 0
nếu ai j = 0 với mọi i < j, tức là ma trận có dạng 21 .
a n1 a n2 a nn
1.6.3 Ma trận chéo. Ma trận vuông A cấp n trên trường K được gọi là ma trận chéo nếu A
là ma trận tam giác trên và tam giác dưới, tức là ma trận A có dạng:
a1 0 0
0 a 0
A= 2
.
0 0 an
1.6.4 Ma trận đơn vị. Ma trận chéo A trên trường K được gọi là ma trận đơn vị nếu A có
các phần tử chéo aii = 1 với mọi i = 1, 2, ..., n; ký hiệu là In hoặc En. Như vậy ma trận đơn
1 0 0
0 1 0
vị có dạng In = .
0 0 1
1.6.5 Ma trận đối xứng. Ma trận A Mn(K) được gọi là ma trận đối xứng nếu có aij= aji,
với mọi i = 1, 2, ..., n.
1.6.6 Ma trận phản đối xứng. Ma trận A Mn(K) gọi là ma trận phản đối xứng nếu
aij = -aji, với mọi i = 1, 2, ..., n.
1.6.7 Ma trận chia khối. Cho ma trận A Mm,n(K) (m, n 2). Dùng một số đường ngang
và dọc, ta có thể chia A thành các ma trận có cấp nhỏ hơn mà được gọi là các khối của A.
Ma trận A khi đó được gọi là ma trận chia khối (hay ma trận khối) .
Hiển nhiên, ma trận A đã cho có thể biến thành ma trận chia khối theo nhiều cách
khác nhau.
1 1 3 4
Chẳng hạn với ma trận A = 2 1 3 2 , thì A có thể biểu diễn qua các ma trận
1 1 2 1
khối như sau:
1 1 3 4 1 1 3 4
A = 2 1 3 2 = 2 1 3 2
1 1 2 1 1 1 2 1
2
§2. C C PHÉP TO N TRÊN MA TRẬN
2.1 Định nghĩa. Cho A, B Mm,n(K). Ma trận A bằng ma trận B nếu [A]ij = [B]ij với mọi i
= 1, 2, ..., m; j = 1, 2, ..., n.
2.2.2 Chú ý. Phép cộng hai ma trận chỉ thực hiện được trên các ma trận cùng cấp.
1 3 5 2 4 6
2.2.3 Ví dụ. Cho hai ma trận A = , B = 8 0 2 . Khi đó tổng hai ma trận A và
7 9 1
3 7 11
B là A + B = .
15 9 3
Nếu r = -1 thì ta kí hiệu (-1)A là -A và được gọi là ma trận đối của ma trận A. Khi
đó tổng A+(-B) = A - B được gọi là hiệu của A với B.
1 2 1 2 2 2 2
2.3.2 Ví dụ. Với r = 2 và A = thì rA = 2 .
3 4 3 4 3 2 4 2
3
p
[AB]ik = [ A]
j 1
ij [ B] jk với mọi i = 1, 2, ..., m; k = 1, 2, ..., n
p
tức là nếu AB = (cik)m x n thì cik = a b
j 1
ij jk .
dik+eik = a b j
ij jk + aij c jk =
j
a
j
ij (b jk c jk )
Do đó AB+AC = A(B+C).
(iii), (iv) Chứng minh tương tự như trên.
2.4.5 Định nghĩa. Cho ma trận A Mn(K) và k . Luỹ thừa bậc k của A, kí hiệu Ak, là
ma trận thuộc tập Mn(K) được xác định theo quy nạp như sau:
A0 = In, A1 = A, A2 = AA, ..., Ak = Ak-1A.
2.4.6 Mệnh đề. Cho các ma trận A, B Mn(K) và r, s . Khi đó:
(i) Or = O.
(ii) Inr = In.
(iii) ArAs = Ar+s.
4
(iv) (Ar)s = Ars.
(v) Nếu AB = BA thì (AB)r = ArBr.
Chứng minh. Xem như bài tập.
1 7
1 3 5 3 9 .
2.5.2 Ví dụ. Nếu ma trận A = thì A* =
7 9 0 5 0
2.5.3 Chú ý. Nếu ma trận vuông A Mn(K) thoả A*A = In thì A được gọi là ma trận trực
giao.
5
§3. C C PHÉP IẾN ĐỔI SƠ CẤP
3.1 Định nghĩa. Ánh xạ : Mm,n(K) Mm,n(K) được gọi là phép biến đổi sơ cấp dòng
trên ma trận A Mm,n(K) nếu thoả mãn một trong các điều kiện sau:
(i) biến dòng i của ma trận A thành dòng j của A (i j) và ngược lại. Kí hiệu là
phép biến đổi ( 1): di dj.
(ii) biến dòng i của ma trận A thành r lần dòng i của A (với r K\{0}). Kí hiệu
là phép biến đổi ( 2): di rdi.
(iii) biến dòng i của ma trận A thành dòng i cộng cho r lần dòng j của A (i j
và r K). Kí hiệu là phép biến đổi ( 3): di di+rdj.
3.2 Chú ý.
(i) Trong khi thực hành ta có thể kết hợp các phép biến đổi ( 2) và ( 3) thành
phép biến đổi ( 4): di rdi + r j d j với r, rj thuộc K.
j i
(ii) Trong định nghĩa phép biến đổi sơ cấp dòng trên, nếu ta thay chữ dòng bởi chữ
cột thì các phép đổi sơ cấp đó được gọi là phép biến đổi sơ cấp cột trên A và trong kí hiệu
ta chỉ thay di thành ci. Các phép biến đổi sơ cấp dòng và cột được gọi là các phép biến đổi
sơ cấp.
(iii) Mỗi phép biến đổi sơ cấp đều có một phép biến đổi ngược cùng kiểu. Cụ thể:
( 1): di dj có phép biến đổi ngược là ( /1): dj di.
1
( 2): di rdi có phép biến đổi ngược là ( /2): di di (với r 0).
r
( 3): di di+rdj có phép biến đổi ngược là ( /3): di di -rdj (với r 0).
1 3
3.3 Ví dụ. Cho ma trận thực A = 5 7 . Ta thực hiện các phép biến đổi sơ cấp dòng trên
9 11
ma trận A như sau:
1 3 3 9 3 9 3 9
d 2 d3 9 11 0 16 0 16 .
d1 3 d1
A 9 11 d 2 d 2 3 d1 d 3 d 3 d 2 d1
5 7 5 7 5 7 2 18
1 0 0 1 0 3 0 1 0
3.4.2 Ví dụ. Các ma trận A1 = 0 1 0 , A2 = 0
1 0 , A3 = 1 0 0 là các ma trận
0 0 2 0 0 1 0 0 1
3 2d 3 1 d1 3d 3 1 d 2
sơ cấp dòng vì I3 d A1, I3 d A2, I3 d A3.
6
3.4.3 Mệnh đề. Cho E là ma trận sơ cấp dòng cấp m ( tương ứng, cột cấp n ) nhận từ Im
(tương ứng In) bởi phép biến đổi sơ cấp dòng (cột) và ma trận A Mm,n(K). Khi đó EA
(AE) chính là ma trận nhận được từ A bởi phép biến đổi sơ cấp dòng (cột) ở trên.
Chứng minh. Ta cần chứng minh cho phép biến đổi sơ cấp dòng. Giả sử ta có ma trận
E = (Im) là ma trận sơ cấp dòng nhận được từ Im bởi phép biến đổi sơ cấp . Với ma trận
A = (aij), ta có thể viết ma trận A và Im dưới dạng:
d1 e1
d e
A = 2 và Im = 2
d m e m
trong đó di= ai1 ai 2 ain còn ei= 0 0 1 0 0 (với mọi i = 1,2,...,m). Khi
đó dễ thấy eiA = di (với mọi i = 1,2,...,m). Giả sử là phép biến đổi sơ cấp dòng ( 1), tức
là hoán vị dòng i và dòng j với nhau (1 i < j m). Khi đó:
e1 e1 A d1
e j e j A d j
E = 1(Im) = ; EA = = = 1(A).
ei ei A di
e e A d
m m m
Tương tự, khi là phép biến đổi sơ cấp dòng ( 2) và ( 3) thì ta được EA = (A).
Ma trận khác không B = (bij)m x n trên trường K (m, n 2) được gọi là ma trận bậc
thang theo cột nếu B* là ma trận bậc thang theo dòng.
3 1 0 6 5 4
0 0 7 1 1 1
3.5.2 Ví dụ. Ma trận A = là ma trận bậc thang theo dòng còn ma trận
0 0 0 0 1 2
0 0 0 0 0 0
2 0 0 0
3 0 0 0
B = 4 2 0 0 là ma trận bậc thang theo cột.
5 3 1 0
6 0 2 0
7
3.5.3 Định nghĩa. Ma trận bậc thang theo dòng A Mm,n(K) (m, n 2) được gọi là ma
trận bậc thang theo dòng rút gọn nếu các phần tử được đánh dấu của A đều bằng 1 (
a1 j ... a rj 1 ) và a ij 1 là phần tử khác không duy nhất trên cột thứ ji tương ứng.
1 r i
Ma trận bậc thang theo cột B Mm,n(K) (m, n 2) được gọi là ma trận bậc thang
theo cột rút gọn nếu B* là ma trận bậc thang theo dòng rút gọn.
Ma trận bậc thang được gọi là chính tắc nếu nó là ma trận bậc thang dòng rút gọn
và cột rút gọn.
0 0 1 0 5 0 7 0 0
0 0 0 1 2 0 0 1 0
3.5.4 Ví dụ. Ma trận A = là ma trận bậc thang dòng rút
0 0 0 0 0 1 3 0 0
0 0 0 0 0 0 0 0 1
0 0 0
1 0 0
gọn, còn ma trận B = 0 1 0 là ma trận bậc thang cột rút gọn.
0 3 0
0 0 1
3.5.5 Nhận xét. Ma trận bậc thang dòng (rút gọn) là ma trận A khác không cấp m x n trên
trường K (m, n 2) có đặc điểm sau:
(i) Hoặc A không có dòng không ( dòng chỉ gồm những phần tử 0), hoặc các dòng
không của A luôn luôn ở dưới các dòng khác không (dòng có ít nhất một phần tử khác
không).
(ii) Nếu A có ít nhất hai dòng khác không thì đối với hai dòng khác không tuỳ ý của
nó, phần tử khác không đầu tiên, kể từ trái qua phải, của dòng dưới luôn luôn ở bên cột
chứa phần tử khác không đầu tiên của dòng trên.
Nhận xét tương tự, ta cũng có khái niệm ma trận bậc thang cột.
3.5.6 Định lí. Mọi ma trận khác không cấp m x n (m, n 2) trên trường K đều có thể đưa
về ma trận bậc thang dòng (tương ứng, cột) rút gọn sau một số hữu hạn các phép biến đổi
sơ cấp theo dòng (tương ứng, cột).
Chứng minh. Giả sử A = (aij) Mm,n(K)\{O} (m, n 0). Ta chứng minh đinh lý trên
a a a
bằng quy nạp theo m. Với m = 2, ma trận A = 11 12 1n
. Khi đó A phải có một
a 21 a 22 a 2 n
cột khác không, gọi cột j1 (1 j1 n) là cột đầu tiên khác không của A. Dùng phép biến
đổi sơ cấp dòng trên A sau:
1
0 0 a1 j1 a1( j1 1) a1n d1 a1 j1 d1 0 0 1 b1( j1 1) b1n
a 2 n
A=
0 0 a 2 j1 a 2 ( j1 1) a 2 n 0 0 a 2 j1 a 2 ( j1 1)
d 2 d 2 a2 j1 d1 0 0 1 b1( j1 1) b1n
= B.
0 0 0 b2 ( j1 1) b2 n
8
Nếu dòng 2 của B là dòng không thì B là ma trận bậc thang dòng rút gọn. Ngược lại, gọi
b2 j là phần tử khác không đầu tiên của dòng 2 (j1 < j2 n). Khi đó ta biến đổi sau:
2
1
d2 d2 0 0 1 b1( j1 1) b1 j 2 b1( j2 1) b1n
B
b2 j 2
0 0 0 0 0 1 c 2 ( j2 1) c 2 n
d1 d1 b1 j 2 d 2 0 0 1 b1( j1 1) c1( j2 1) 0 c1( j2 1) c1n
c 2 n
= C.
0 0 0 0 0 1 c 2 ( j2 1)
Ma trận C ở trên chính là ma trận bậc thang dòng rút gọn.
Giả sử định lý đúng với mọi ma trận khác không cấp (m-1) x n. Ta chứng minh cho
định lý đúng với ma trân A Mm,n(K). Thật vậy, lúc này A có ít nhất một cột khác không.
Ta gọi cột j1 (1 j1 n) là cột đầu tiên của A. Không giảm tính tổng quát ta giả sử
a1 j 0 . Ta dùng phép biến đổi sơ cấp dòng trên A như sau:
1
0 0 a1 j1 a1n
a1( j1 1)
0 0 a 2 j1 a 2 ( j1 1) a 2 n d1 a1 j d1
1
A= 1
0 0 a mj1 a m ( j1 1) a mn
0 0 1 b1( j1 1) b1n
0 0 a 2 j1 a 2 ( j1 1) a 2 n di di aij d1 (1im)
1
0 0 a mj1 a m ( j1 1) a mn
0 0 1 b1( j1 1) b1n
0 0 0
= C.
B
0 0 0
Nếu B = O thì C chính là ma trận bậc thang dòng rút gọn. Nếu B O thì theo giả
thiết quy nạp ta cũng đưa được B về ma trận bậc thang dòng rút gọn. Do đó A đưa được về
ma trận bậc thang dòng rút gọn.
9
1 2 3 4
d 2 d 2 2 d1
1 2 3 4
A 0 1 2 7 d
d 3 d 3 3 d1 2 d 2
0 1 2 7 = B. Khi đó ma trận B là ma
0 0 0 0 0 0 0 0
trận cần tìm.
0 1 2 3
1 2 3 0
(2) Đưa ma trận A = về ma trận bậc thang chính tắc. Thật vậy, ta sử
2 3 0 1
3 0 1 2
dụng các phép biến đổi sơ cấp dòng trên A như sau:
1 2 3 0 1 2 3 0 1 2 3 0
0 1 2
3 d 3 d 3 2 d1 0 1 2 3 d 3 d 3 d 2 0 1 2 3
A
d1 d 2
d 4 d 4 3 d1
d 4 d 4 6d 2
2 3 0 1 0 1 6 1 0 0 4 4
3 0 1 2 0 6 8 2 0 0 2 10
1 2 3 0 1 2 3 0 1 2 3 0
1
d3 d3
0 1 2
3 d 4 d 4 d 3 0
1 2 3 d 4 16 d 4 0 1 2 3
4
0 0 1 1 0 0 1 1 0 0 1 1
0 0 1 5 0 0 0 6 0 0 0 1
1 2 3 0 1 2 0 0 1 0 0 0
d 2 d 2 3 d 4 0 1 0 0 d1 d1 3d3 0
1 0 0 0 1 0 0
d 3 d 3 d 4
d1 d1 2d 2
= B.
0 0 1 0 0 0 1 0 0 0 1 0
0 0 0 1 0 0 0 1 0 0 0 1
Vậy B là ma trận cần tìm.
10
§4. MA TRẬN KHẢ NGHỊCH
4.1 Định nghĩa. Cho ma trận A Mn(K). Ma trận A được gọi là khả nghịch nếu tồn tại ma
trận B Mn(K) sao cho AB = BA = In.
Ma trận B tồn tại ở trên được gọi là ma trận nghịch đảo của A. Kí hiệu là A-1.
1 0 2 11 2 2
4.2 Ví dụ. Cho các ma trận A = 2 1 3 và B = 4 0 1 . Dễ dàng ta kiểm tra
4 1 8 6 1 1
được AB = BA = I3. Do đó A khả nghịch và A-1 = B.
Vì B là nghịch đảo của A nên AB = In, suy ra [In]ii = [AB]ii = 0 (vô lý). Vậy A không khả
nghịch.
(ii) Giả sử B, C Mn(K) là ma trận nghịch đảo của A. Khi đó ta có:
C = CIn = C(AB) = (CA)B = InB = B.
(iii) Giả sử A khả nghịch, khi đó A(A-1) = (A-1)A = In nên A-1 khả nghịch và có
nghịch đảo là A. Mặt khác ta có (A*)(A-1)* = (A-1A)* = In = (AA-1)* = (A-1)*A*. Nên A* khả
nghịch và có ma trận nghịch đảo là (A)*.
(iv) Giả sử A và B là khả nghịch nên tồn tại ma trận nghịch đảo A-1 và B-1. Khi đó ta
có:
(AB)(B-1A-1) = A(BB-1)A-1 = AA-1 = In
(B-1A-1)(AB) = B-1(A-1A)B = B-1B = In
Vậy AB khả nghịch và có ma trận nghịch đảo là B-1A-1.
4.4 Hệ quả. Nếu A1, A2, ..., Am là các ma trận khả nghịch cấp n trên trường K thì ma trận
tích A1A2... Am là ma trận khả nghịch và (A1A2...Am)-1 = Am-1Am-1-1...A1-1.
Chứng minh. Xem như bài tập.
4.5 Mệnh đề. Cho K là trường. Khi đó ma trận sơ cấp dòng (cột) đều khả nghịch và
nghịch đảo của nó lại là một ma trận sơ cấp theo dòng (cột).
Chứng minh. Gọi E = (In) là ma trận sơ cấp dòng nhận được từ In bởi phép biến đổi sơ
cấp dòng . Đặt E/ = /(In) là ma trận sơ cấp dòng nhận được từ In bởi phép biến đổi sơ
cấp dòng ngược / . Theo Mệnh đề 3.4.3 ta có :
EE/ = (E/) = [ /(In)] = ( /)(In) = In
11
E/E = /(E) = /[ (In)] = ( / )(In) = In
Nên E khả nghịch và E-1 = E/. Tương tự ta có định lí đúng cho cột.
4.6 Định lí. Cho K là trường và ma trận A Mn(K) (với n 2 ). Khi đó các điều kiện sau là tương
đương:
(i) A khả nghịch.
(ii) In nhận được từ A qua một số các phép biến đổi sơ cấp theo dòng (cột).
(iii) A là tích của các ma trận sơ cấp dòng (cột).
Chứng minh. (i ii) Giả sử A là ma trận khả nghịch. Gọi B là ma trận bậc thang rút gọn
nhận được từ A bởi một số hữu hạn các phép biến đổi sơ cấp dòng e1, e2, ..., em (trong đó
ei { 1, 2, 3}). Đặt Ei = ei(In) là các ma trận sơ cấp dòng nhận được từ In bởi ei. Khi
đó B = EmEm-1...E1A. Do A và Ei khả nghịch nên B là khả nghịch. Do đó B = In, tức là In
nhận được từ A nhờ một số hữu hạn các phép biến đổi sơ cấp dòng. Tương tự In nhận được
từ A nhờ một số hữu hạn các phép biến đổi sơ cấp cột.
(ii iii) Theo ii) thì tồn tại các ma trận sơ cấp dòng (cột) E1, E2, ..., Em sinh ra từ mỗi phép
biến đổi sơ cấp dòng (cột) đưa A về In sao cho EmEm-1...E1A = In (AE1...Em = In). Do Ei khả
nghịch nên A = E1-1E2-1...Em-1 ( A = Em-1...E1-1).
(iii i) Hiển nhiên vì các ma trận sơ cấp dòng là các ma trận khả nghịch và tích các ma
trận khả nghịch là ma trận khả nghịch.
4.7 Hệ quả. Với K là trường và A Mn(K) (n 2) . Khi đó ta có :
(i) A khả nghịch khi và chỉ khi dạng bậc thang chính tắc của A là In.
(ii) Nếu A khả nghịch thì In nhận được từ A bởi dãy các phép biến đổi sơ cấp dòng
(cột), đồng thời chính các dãy sơ cấp dòng (cột) ấy biến In thành A-1.
Chứng minh. Được suy ra trực tiếp từ Định lí 4.6.
4.8 Thuật toán tìm ma trận nghịch đảo nhờ các phép biến đổi sơ cấp.
Dựa vào Hệ quả 4.7 ta có thuật toán tìm ma trận nghịch đảo (nếu có ) của ma trận
vuông cho trước như sau:
Cho A là ma trận vuông cấp n trường K (n 2) . Để tìm ma trận nghịch đảo của ma
trận A ta tiến hành các bước sau :
Bước 10. Lập ma trận chia khối [ A | In] cấp n x 2n trên K bằng cách ghép thêm bên
phải của A ma trận đơn vị In.
Bước 20. Dùng các biến đổi sơ cấp dòng đưa [A | In] về dạng [A/ | B] trong đó A/ là
ma trận bậc thang dòng rút gọn. Khi đó:
+) Nếu A/ = In thì A khả nghịch và A-1 = B.
+) Nếu A/ In(tức là A/ có ít nhất một dòng không) thì A không khả nghịch.
4.9 Chú ý. Nếu chúng ta muốn dùng các phép biến đổi sơ cấp theo cột để tìm ma trận
A
nghịch đảo (nếu có ) của ma trận vuông A thì ta phải xét ma trận [ ] thay cho [A | In].
In
1 2
4.10 Ví dụ. Cho ma trận A = M 2( ). Xét ma trận chia khối:
2 5
1 2 1 0 1 0
5 c2 c2 2c1 2 1 c1 c1 2c2 0 1
A 2
I 1 .
2 0 1 2 5 2
0 1 0 1 2 1
5 2
Nên ma trận nghịch đảo của A là A-1 = .
2 1
13
§5. ĐỊNH THỨC
5.1 Các phép thế
5.1.1 Định nghĩa. Mỗi song ánh từ tập {1, 2, ..., n}(n là số nguyên dương) vào chính nó
được gọi là một phép thế bậc n. Tập hợp tất cả các phép thế bậc n được kí hiệu Sn.
Dễ thấy Sn có đúng n! phép thế. Nếu Sn thì ta thường biểu thị dưới dạng ma
trận cấp 2 x n:
1 2 n
= .
(1) (2) (n)
1 2 3 4 1 2 3 4
5.1.3 Ví dụ. Cho = và = thuộc S4. Khi đó ta tính được
3 1 4 2 4 2 1 3
1 2 3 4 1 2 3 4 1 2 3 4
= , = , -1 = . Ta thấy . Do
2 1 3 4 1 4 3 2 2 4 1 3
đó, nói chung Sn không có tính giao hoán đối với phép toán hợp nối các ánh xạ.
5.1.4 Định nghĩa. Cho tập {i1, i2, ..., ik} {1, 2, ..., n}. Phép thế Sn được gọi là chu
trình độ dài k, kí hiệu (i1 i2 ... ik), nếu thoả hai điều kiện sau đây:
(i) (i1) = i2, (i2) = i3, ..., (ik) = i1.
(ii) Với mọi j {i1, i2, ..., ik} thì (j) = j.
Một chu trình độ dài k = 2 thì được gọi là một chuyển trí.
Hai chu trình (i1 i2 ... ir) và chu trình (j1 j2 ... js) trong Sn gọi là độc lập với nhau nếu
{i1, i2, ...,ir} {j1, j2, ..., js} = .
5.1.6 Định lý. Mọi phép thế e đều phân tích thành tích các chu trình độc lập nhau.
Chứng minh. Gọi k là số các phần tử i sao cho (i) i. Chọn i1 sao cho:
i2 = (i1) i1, i3 = (i2), ..., ij+1 = (ij), ....
Gọi r là số nhỏ nhất thỏa (ir) {i1, ..., ir-1}, khi đó (ir) = i1 vì nếu (ir) = ij i1 thì ta
có (ir) = ij = (ij-1), suy ra không là song ánh (mâu thuẫn).
Đặt 1 = (i1 i2 ... ir) và X1 = {i1, i2, ..., ir}. Khi đó nếu r = k thì 1 = nên là
một chu trình. Với r < k, ta gọi ir+1 X1 là một phần tử thoả (ir+1 ) ir+1. Thực hiện quá
14
trình trên cho tập X2 = X\X1, ta thu được chu trình 2 độc lập với 1. Tiếp tục thực hiện,
cuối cùng ta được các chu trình 1, 2, ..., s độc lập nhau và = 1 2 ... s .
5.1.7 Hệ quả. Mọi phép thế Sn\{e} đều được phân tích thành tích các chuyển trí.
Chứng minh. Theo Định lý 5.1.6 ta phân tích được thành tích các chu trình độc lập
nhau. Và hơn nữa với mỗi chu trình (i1 i2 ... ir) thì ta đều có được phân tích sau:
(i1 i2 ... ir) = (i1 ir)(i1 ir-1)...(i1 i2).
Vậy ta được điều phải chứng minh.
5.1.9 Định nghĩa. Cho phép thế Sn . Cặp số (i, j) được gọi là tạo thành một nghịch thế
đối với nếu ta có (i - j)[ (i) - (j)] < 0.
15
5.2 Định thức
5.2.1 Định nghĩa. Cho ma trận A Mn(K). Định thức của A, kí hiệu là |A| hoặc detA, là
một phần tử trong trường K được xác định:
detA = (sign )a1 (1) 1a2 ( 2) ...an ( n) .
S n
5.2.2 Chú ý.
(i) Định thức của ma trận vuông cấp n trên trường K thường được gọi là định thức
cấp n trên trường K.
(ii) Định thức chỉ được định nghĩa đối với ma trận vuông.
Trong trường hợp tính định thức cấp 3 ta có thể nhớ cách tính bằng quy tắc Sarrus
như sau:
Ghi thêm cột 1, cột 2 bên phải cột 3 của A để tạo thành 3 dòng 5 cột. Khi đó |A| sẽ
bằng tổng các tích trên đường chéo chính trừ đi tổng các tích trên dường chéo phụ như sơ
đồ:
a11 a12 a13 a11 a12
a a 22 a 23 a 21 a 22
21
a31 a32 a33 a31 a32
- - - + + +
5.2.4 Chú ý. Như vậy khi n = 2, 3 thì định thức của ma trận trùng với định thức mà trước
đây ta đã học. Tuy nhiên khi n khá lớn thì ta không thể sử dụng định nghĩa vì nó là tổng
của n! số hạng. Vì thế ta tìm một số tính chất giúp cho việc tính định thức dễ dàng hơn.
16
detA* = (sign )a
S n
1 (1) a 2 ( 2) ...an ( n ) = detA.
5.3.2 Chú ý. Dựa vào Mệnh đề 5.2.1, ta thấy mỗi mệnh đề về định thức nếu đã đúng với
các dòng thì cũng đúng với các cột và ngược lại.
5.3.3 Mệnh đề. Nếu A = (aij) Mn(K) có ít nhất một dòng là dòng không thì detA = 0.
Chứng minh. Giả sử dòng i của ma trận A là dòng không. Khi đó ai (i ) 0 , với Sn.
Nên ( sign )a1 (1) ...ai (i ) ...a n ( n ) = 0, do đó detA = 0.
5.3.4 Mệnh đề. Cho A = (aij) Mn(K). Nếu ma trận B nhận được từ A bằng cách nhân vào
hàng thứ i một đại lượng vô hướng k K thì detB = k.detA.
Chứng minh. Theo định nghĩa ta có:
detB = (sign )(a1 (1)...kai (i)... an (n))
S n
=k
S n
(sign )(a1 (1)...ai (i)...an (n))
= k.detA.
5.3.6 Mệnh đề. Cho A = (aij) Mn(K). Nếu B là ma trận nhận được từ A bằng cách đổi
chỗ hai dòng i và j (i j) cho nhau thì detB = -detA.
Chứng minh. Giả sử B = (bij) là ma trận nhận được từ A bằng cách đổi chỗ hai dòng i và j.
Khi đó ta có:
detB = (sign )b1 (1) ...bi (i ) ...b j ( j ) ...bn ( n) = (sign )a1 (1) ...a j ( j ) ...ai (i ) ...an ( n)
S n S n
Với Sn, đặt = (i j). Khi đó ta có (i) = (j), (j) = (i), (k) = k, với k i, j.
Suy ra a1 (1) ...a j ( j ) ...ai (i ) ...a n ( n ) = a1 (1) ...ai (i ) ...a j ( j ) ...a n ( n ) . Hơn nữa (sign ) = -(sign ) và
khi chạy khắp Sn thì cũng chạy khắp Sn. Do đó detB= (sign )a1 (1) ...an ( n) = - detA.
S n
5.3.7 Hệ quả.
(i) Nếu hai dòng của A Mn(K) có các hệ số tương ứng bằng nhau thì detA = 0.
(ii) Nếu hai dòng của A Mn(K) có các hệ số tương ứng tỷ lệ nhau thì detA = 0.
Chứng minh. Xem như bài tập.
5.3.8 ổ đề. Cho A = (aij) Mn(K). Nếu các phần tử ở dòng i của A có dạng aij = bj+cj,
với j = 1, 2, ..., n thì detA = detB + detC, trong đó B và C là những ma trận có được từ A
bằng cách thay dòng i của A bởi các giá trị bj và cj tương ứng.
Chứng minh. Với mọi Sn đều có:
a1 (1) ...ai (i ) ...a n ( n ) = a1 (1) ...(b (i ) c (i ) )...a n ( n )
= [ a1 (1) ...b (i ) ...a n ( n ) ]+[ a1 (1) ...c (i ) ...a n ( n ) ].
Nhân hai vế cho sign( ) và lấy tổng theo tất cả các Sn, ta được detA = detB + detC.
17
5.3.9 Mệnh đề. Cho A = (aij) Mn(K). Nếu B là ma trận nhận được từ A bởi phép biến
đổi 3 (tức là di di+rdj, r K) thì detB = detA.
Chứng minh. Giả sử B = (bij) Mn(K) là ma trận nhận được từ A bởi phép biến đổi 3.
Khi đó các phần tử ở dòng i của ma trận B có dạng bik = aik+rajk, k = 1, 2, ..., n. Nên theo
Bổ đề 5.3.8 ta có detB = detC+detD với C, D là những ma trận có được từ B bằng cách
thay dòng i của A bởi các giá trị aik và rajk tương ứng. Vì A = C và đồng thời dòng i và
dòng j của D tỷ lệ nhau, nên detC = detA và detD = O. Do đó detA = detB.
thoả (i) = j, đặt với = (n ...j+1 j) và = (i i+1 ...n). Do Định lý 5.1.11,
sign = (-1)n-j và sign = (-1)n-i nên sign = (-1)i+jsign . Đồng thời ta có (n) = (n)
= (i) = (j) = n nên có thể xem Sn-1.
Với mỗi k đều thỏa 1 k n-1 ta có:
(k ), khi (k ) j
i) Nếu k<i thì (k) = .
(k ) 1, khi (k ) j
(k 1), khi (k 1) j
ii) Nếu k i thì (k) = .
(k 1) 1, khi (k 1) j
Do đó nếu ta đặt B là ma trận sao cho detB = Mij thì
a1 (1) ...ai (i ) ...a n ( n ) = aij [ B]1 (1) ...[ B]i (i ) ...[ B]( n 1) ( n 1)
Hơn nữa do nên phép tương ứng là một song ánh. Do đó ta được điều
phải chứng minh.
5.4.2 Định lý. Giả sử A = (aij) Mn(K). Với mọi i, j đặt Aij = (-1)i+jMij , với Mij là định
thức cấp n-1 nhận được từ A bằng cách bỏ đi dòng i cột j. Khi đó ta có:
n
(i) detA = a
j 1
pj A pj , với mọi p = 1, 2, ..., n.
n
(ii) detA = a
i 1
iq Aiq , với mọi q = 1, 2, ..., n.
Chứng minh. Ta chỉ cần chứng minh (i). Với mỗi j, đặt
0, khi k j
bkj =
a pj , khi k j
và Bk là ma trận có được từ A bằng cách thay các phần tử tương ứng ở dòng thứ p của A
n
bởi các phần tử bk1, bk2, ..., bkn theo thứ tự đó. Khi đó apj = b
k 1
kj nên theo Bổ đề 5.3.8 và
n
bằng quy nạp ta được detA = det B
k 1
k . Áp dụng Bổ đề 5.4.1 cho mỗi Bk ta được điều phải
chứng minh.
18
5.4.3 Chú ý.
(i) Các công thức trên Định lý 5.4.2 được gọi là các công thức khai triển định thức
theo dòng p (cột q) của A.
(ii) Phần tử Aij = (-1)i+jMij được gọi là phần bù đại số của phần tử aij.
5.4.5 Định nghĩa. Cho ma trận A = (aij) Mn(K). Chọn trong A các dòng i1, i2, ..., ik (với
1 i1<...<ik n) và các cột j1, j2, ..., jk (1 j1<...<jk n). Gọi A(i1,i2,...,ik | j1,j2,...,jk) là ma
trận có được từ A bằng cách xoá đi dòng i1, i2, ..., ik và cột j1, j2, ..., jk. Định thức:
ai1 j1 ai1 j2 ai1 jk
a i2 j1 a i2 j 2 a i2 j k
M=
aik j1 a ik j 2 a ik j k
được gọi là định thức con cấp k của ma trận A sinh bởi các dòng i1, i2, ..., ik và các cột
j1, j2, ..., jk và M/ = (1) i ...i j ... j det( A(i1 ,..., ik | j1 ,..., j k )) gọi là phần bù đại số của M.
1 k 1 k
5.4.6 ổ đề. Cho A Mn(K). Khi đó tích của các định thức con cấp k của A với phần bù
đại số của nó có dạng tổng của k!(n-k)! tích trong detA.
Chứng minh. Với các kí hiệu giống như Định nghĩa 5.4.5. Trước hết ta chứng tỏ rằng
M.M/ là tổng của các tích trong detA.
19
i) Nếu i1 = j1 = 1, i2 = j2 = 2, ..., ik = jk = k thì (1) i ...i j ... j = 1. Do đó ta nhận 1 k 1 k
detA/ = (1) (i 1)...(i k )( j 1)...( j k ) det A = (1) i ...i j ... j det A .
1 k 1 k 1 k 1 k
5.4.7 Định lý (Laplace). Cho A Mn(K). Chọn trong A các dòng i1, i2, ..., ik. Khi đó ta có
detA = M .M / , trong đó M là định thức con cấp k của A sinh bởi các dòng i1, ..., ik
1 j1 j2 ... jk n
0 3 0 5
2 3 1 1
5.4.8 Ví dụ. Để tính |A| = , ta thấy dòng 1 và dòng 4 có chứa nhiều số không
1 1 3 0
0 4 0 5
nên ta chọn khai triển theo dòng 1, 4 như sau:
20
0 3 1 1 0 0 3 1 0 5 3 1
|A| = (-1)1+4+1+2 0 4 . 3 0 + (-1)1+4+1+3 0 0 . 1 0 + (-1)1+4+1+4 0 5 . 1 3 +
3 5 2 1 0 5 2 3
3 0 2 1
(-1)1+4+2+3 . + (-1)1+4+2+4 4 5 . 1 3 + (-1)1+4+3+4 0 5 . 1 1 = 25.
4 0 1 0
5.5.3 Tính ñònh thöùc baèng caùc pheùp bieán ñoåi sô caáp.
Phæång phaïp naìy dæûa trãn caùc tính chaát sau âáy:
(i) Nãúu ma tráûn coï mäüt doøng (cäüt ) baèng khäng thç âënh thæïc seî bàòng khäng .
(ii) Âäøi chäù hai doøng (cäüt) cho nhau thç âënh thæïc seî âäøi dáúu.
(iii)Nhán mäüt âaûi læåüng vä hæåïng vaìo mäüt doøng (cäüt ) naìo âoï thç âënh thæïc phaíi
nhán thãm våïi chênh âaûi læåüng vä hæåïng âoï .
21
(iv) Cäüng vaìo mäüt doøng (cäüt) naìo âoï våïi moät boäi cuûa doøng (coät) khaùc thç âënh thæïc
seî khäng âäøi .
Caùc tính chaát treân coù theå bieåu dieãn baèng caùc pheùp bieán ñoåi sô caáp doøng (coät) treân
ñònh thöùc sau:
Caùc pheùp bieán ñoåi sô caáp Taùc duïng
(1) Ñoãi choã hai doøng (coät) cho nhau Ñònh thöùc ñoåi daáu
di dj (ci cj)
(2) Nhaân moät doøng (coät) vôùi soá k 0 Ñònh thöùc nhaân vôùi k
di kdi (ci kci)
(3)Coäng k laàn doøng j (coät j) vaøo doøng i (coät i) Ñònh thöùc khoâng ñoåi
di di+kdj (ci ci+kcj)
5.6 Ứng dụng định thức trong việc tìm ma trận nghịch đảo
5.6.1 Định lý. Cho các ma trận vuông A = (aij)n , B = (bij)n thuộc Mn(K). Khi đó ta có
det AB = detA.detB.
22
Chỉng minh. Xét định thức vuông cấp 2n
a11 a12 a1n 0 0 0
a 0
21 a 22 a 2 n 0 0
a a n 2 a nn 0 0 0 A O
D = det n1 =
1 0 0 b11 b12 b1n In B
0 1 0 b21 b22 b2 n
0 0 1 bn1 bn 2 bnn
Theo Định lý Laplace, ta khai triển theo n dòng đầu ta có D = detA.detB. Do đó ta còn
phải chứng minh D = detAB. Muốn vậy ta biến đổi sơ cấp trên các cột của D để làm xuất
n
hiện detAB. Nhớ lại rằng nếu AB = (cij)n thì cij = j 1
aikbkj. Nhân các cột 1, 2, ...,n của D
tương ứng với b1j,...,bnj rồi cộng lần lượt vào cột thứ n + j ta có :
a11 a1n c11 c1n
an1 ann cn1 cnn
D = det
1 0 0 0
0 1 0 0
Khai triển định thức này theo n cột cuối:
1 0 0 c11 c12 c1n
0 1 0 c 21 c 22 c2n
D = (-1)s . = (-1)s.(-1)ndetAB
0 0 1 c n1 c n 2 c nn
trong đó s = 1+2+...+n+(n+1)+...+2n = 2(n2+n). Do đó D = (1)2( n n ) = detAB.
2
+) Với i k, xét ma trận B = (blj) nhận được từ A bằng cách thay dòng k bằng một
dòng mới hoàn toàn giống dòng i, tức là
23
alj , khi l k
blj = (l, k = 1, 2, ..., n).
aij , khi l k
Như vậy, ma trận B có hai dòng thứ i và k bằng nhau nên detB = 0. Ta có Akj = Bkj,
khai triển detB theo dòng k ta được:
n n
0 = detB = b
j 1
kj Bkj = a
j 1
ij Akj .
5.6.3 Mệnh đề. Cho A = (aij) Mn(K). Khi đó A khả nghịch khi và chỉ khi detA 0.
Chứng minh. Giả sử A khả nghịch. Khi đó tồn tại B Mn(K) sao cho AB = In. Suy ra
1 = detIn = detAB = detA.detB, vì thế detA 0. Ngược lại detA = D 0. Gọi P(A) là ma
trận vuông cấp n trên K được xác định P(A) = (Aji), với Aij là phần bù đại số của phần tử
aij. Theo Bổ đề 5.6.2 ta có ngay:
1 1
A.( P( A)) ( P( A)) A I n .
D D
1
Do đó A khả nghịch và ma trận nghịch đảo của A là A-1 = P( A) .
D
5.6.4 Chú ý. Ma trận vuông P(A) = (Aji) Mn(K) (với Aij là phần bù đại số của aij ở trong
Mệnh đề 5.6.3) được gọi là ma trận phụ hợp của ma trận A.
5.6.5 Thuật toán tìm ma trận nghịch đảo bằng định thức.
Dựa vào Mệnh đề 5.6.3, ta có thuật toán tìm ma trận nghịch đảo (nếu có) của ma
trận A Mn(K) bằng định thức như sau:
Bước 10. Tính D = detA.
+) Nếu D = 0 thì A không khả nghịch.
+) Nếu D 0 thì A khả nghịch. Chuyển sang bước 2.
1
Bước 20. Lập ma trận phụ hợp P(A). Tính ma trận nghịch đảo A-1 = P( A) .
D
5.6.6 Ví dụ. Tìm ma trận nghịch đảo (nếu có) của ma trận:
1 2 1
A = 0 1 1
1 2 3
Ta có detA = 2, nên A khả nghịch. Bây giờ ta lập ma trận phụ hợp:
1 1 0 1 0 1
A11 = (-1)1+1 2 3 = 1, A12 = (-1)1+2 1 3 = 1, A13 = (-1)1+3 1 2 = -1
2 1 1 1 1 2
A21 = (-1)2+1 2 3 = -4, A22 = (-1)2+2 1 3 = 2, A23 = (-1)2+3 1 2 = 0
2 1 1 1 1 2
A31 = (-1)3+1 1 1 = 1, A32 = (-1)3+2 0 1 = -1, A33 = (-1)3+3 0 1 = 1
1 4 1 1 4 1
Suy ra P(A) = 1 1
2 1 , do đó A = 1
-1
2 1 .
2
1 0 1 1 0 1
24
§6. HẠNG CỦA MA TRẬN
6.1 Định nghĩa. Cho A Mm,n(K). Hạng của A, ký hiệu là rankA hay r(A) ), là số nguyên
r không âm thỏa mãn các điều kiện sau:
(i) Nếu A = O thì r = 0.
(ii) Nếu A O thì r chính là số nguyên dương lớn nhất sao cho A có định thức con
cấp r khác 0.
1 2 3
6.2 Ví dụ. Cho ma trận A = 4 5 6 . Ta dễ dàng tính được detA = 0, và
1 2
= -3. Nên
4 5
7 8 9
theo định nghĩa ta được r(A) = 2.
6.4 Định nghĩa. Cho A Mn(K). Ma trận A gọi là ma trận không suy biến nếu r(A) = n,
còn A được gọi là ma trận suy biến nếu r(A) < n.
25
6.7 Tìm hạng ma trận bằng các phép biến đổi sơ cấp.
Để tìm hạng của ma trận A Mm,n(K)\{O} (m, n 2), trước hết ta dùng các phép
biến đổi sơ cấp dòng (tương ứng, cột) đưa ma trận A về ma trận bậc thang dòng (tương
ứng, cột) B. Khi đó hạng của A chính là số dòng (tương ứng, cột) khác không của B.
26
§7. HỆ PHƢƠNG TRÌNH TUYẾN TÍNH
7.1 Một số khái niệm cơ bản
7.1.1 Định nghĩa. Một hệ phương trình tuyến tính trên trường K là hệ thống gồm m
phương trình, mỗi phương trình gồm n ẩn có dạng
a11 x1 a12 x2 a1n xn b1
(*)
a x a x a x b
m1 1 m 2 2 mn n m
trong đó aij K (gọi là các hệ số) và bi K ( gọi là các hệ số tự do) là các phần tử cho
trước, còn các xj là các ẩn.
Nếu hệ (*) có bi = 0, với mọi i = 1, 2, ..., m thì hệ (*) được gọi là hệ phương trình
tuyến tính thuần nhất trên trường K.
Bộ số (c1, c2, ..., cn) Kn được gọi là nghiệm của (*) nếu ta thay xj = cj vào hệ (*)
thì ta được m đẳng thức đúng với mọi j = 1, 2, ..., n.
7.1.2 Nhận xét. Hệ phương trình tuyến tính thuần nhất luôn luôn có ít nhất một nghiệm là
(0, 0, ..., 0). Nghiệm này được gọi là nghiệm không hay nghiệm tầm thường.
7.1.3 Định nghĩa. Cho hệ phương trình tuyến tính trên trường K
a11 x1 a12 x2 a1n xn b1
(*)
a x a x a x b
m1 1 m 2 2 mn n m
a11 a12 a 1n b1 x1
a a 22 a 2 n b x
Ta đặt A = 21 , B= 2, X = 2 , A = [A | B].
a m1 a m2 a mn bm xn
Ma trận A được gọi là ma trận hệ số, X gọi là cột ẩn, B gọi là cột hệ số tự do và A
gọi là ma trận bổ sung của hệ phương trình (*).
7.1.4 Nhận xét. Với kí hiệu như Định nghĩa 7.1.3 thì hệ (*) trở thành AX = B. Khi đó tìm
nghiệm của hệ phương trình (*) sẽ tương đương với việc tìm ma trận X sao cho AX = B.
27
a i1 c1 a i 2 c 2 ... a in c n bi , với mọi i. (2)
Do là phép biến đổi sơ cấp dòng nên ta có các trường hợp sau:
i) Nếu là phép biến đổi 1 (di dj, với i j) thì (1) hiển nhiên đúng.
ii) Nếu là phép biến đổi 2 (di rdi, với r K\{0}) thì từ (2) ta suy ra
ai/1c1 ai/2 c 2 ... ain/ c n = (rai1 )c1 (rai 2 )c 2 ... (rain )c n = r( ai1c1 ai 2 c 2 ... ain c n ) = bi/, và
đồng thời với j i thì a /j1c1 a /j 2 c2 ... a /jn cn = a j1c1 a j 2 c2 ... a jn cn = bi = bi/.
Do đó (1) đúng.
iii) Nếu là phép biến đổi 3 (di di+rdj, với r K) thì từ (2) ta suy ra
ai1c1 ai/2 c 2 ... ain/ c n = (ai1 ra j1 )c1 ... (ain ra jn )cn
/
28
x1 x 2 x3 x 4 x5 1
x2 x4 0
3 2
x3 x5
5 5
3 2 x5
x1 5
Suy ra nghiệm của hệ phương trình là x 2 x 4 (trong đó x4, x5 là tham số).
3 2 x5
x3
5
(2) Giải hệ phương trình
x1 x 2 2 x3 x 4 5
x1 2 x 2 x3 3x 4 7
2 x 3x 3x 4 x 10
2 2 3 4
Ta có ma trận bổ sung:
1 1 2 1 5 1 1 2 1 5
A = 1 2 1 3 7 d
3 d 3 d 2 d1
1 2 1 3
7 .
2 3 3 4 10 0 0 0 0 2
Ta thấy dòng 3 của ma trận sau cùng có dạng [0 0 0 0 | -2] nên hệ đã cho vô nghiệm.
7.2.4 Định lý. Nếu A = [A|B] là ma trận bổ sung của hệ AX = B thì r( A ) = r(A) hoặc
r( A ) = r(A) +1. Hơn nữa,
(i) Nếu r( A ) = r(A) +1 thì hệ vô nghiệm.
(ii) Nếu r( A ) = r(A) = n thì hệ có nghiệm duy nhất.
(iii) Nếu r( A ) = r(A) = r < n thì hệ có nghiệm phụ thuộc vào n-r tham số.
Chứng minh. Dùng phép khử Gauss, ta có thể đưa ma trận bổ sung A của hệ phương
trình về dạng [A/ | B/] = A / , trong đó A/ là ma trận dòng rút gọn nhận được từ A bằng hữu
hạn các phép biến đổi sơ cấp dòng. Đặt r = r(A), khi đó nếu một trong m-r phần tử cuối
của B/ là b 0 thì phương trình tương ứng của hệ có dạng
0x1+0x2+ ... + 0xn = b 0.
Do đó hệ phương trình vô nghiệm, đồng thời dễ dàng suy ra r( A ) = r(A) +1. Còn nếu tất
cả m-r phần tử cuối của B/ đều bằng 0 thì r( A ) = r. Hơn nữa,
i) Nếu r = n thì ma trận A được đưa về dạng
1 0 0 b1//
0 1 0 b2//
0 0 1 bn//
0 0 0 0
0 0 0 0
nghĩa là hệ AX = B có nghiệm duy nhất là (b1//, ..., bn//).
ii) Nếu r < n hệ phương trình có r nghiệm phụ thuộc vào n-r tham số.
29
7.2.5 Hệ quả (Kronecker-Capelli). Hệ phương trình AX = B có nghiệm khi và chỉ khi
r(A) = r( A ).
Chứng minh. Là hệ quả trực tiếp của Định lý 7.2.4.
7.2.6 Chú ý. Định lý Kronecker-Capelli còn được chứng minh bằng cách khác trong
chương 3.
7.3 Hệ Cramer
7.3.1 Định nghĩa. Hệ phương trình tuyến tính gồm n phương trình, n ẩn được gọi là hệ
Cramer nếu và chỉ nếu ma trận hệ số của nó là ma trận không suy biến .
D
luôn luôn có nghiệm duy nhất cho bởi công thức xi = i , trong đó D là định thức của ma trận
D
hệ số, Di là định thức nhận được từ D bằng cách thay cột thứ i của ma trận hệ số bởi cột tự
do.
Chứng minh. Ta viết hệ đã cho thành AX = B. Do A không suy biến, tức là D = detA 0,
nên tồn tại ma trận nghịch đảo A-1 cho bởi công thức
A11 A21 An1
An 2
-1 1 1 A12 A22
A = P(A) = . (*)
D D
A1n A2 n Ann
trong đó Aij là phần bù đại số của phần tử aij, với i, j {1, 2, ..., n}. Khi đó nhân hai vế
bên trái của hệ phương trình cho A-1 ta được X = A-1 B. Do đó, hệ phương trình có nghiệm
là X = A-1B.
Giả sử hệ phương trình có hai nghiệm X1, X2 tức là ta có AX1 = B, AX2 = B. Suy ra
AX1 = AX2 , vì A khả nghịch nên X1 = X2. Do đó hệ phương trình đã cho có nghiệm duy
nhất là X = A-1B.
Hơn nữa, nếu ta thay (*) vào nghiệm trên thì ta được
x1 b1 A11 b2 A21 ... bn An1
x
2 1 b1 A12 b2 A22 ... bn An 2
X= = .
D
xn b1 A1n b2 A2 n ... bn Ann
1 D
Tức là xi = (b1A1i+b2A2i+...+bnAni) = i , trong đó Di là định thức nhận được từ D bằng
D D
cách thay cột thứ i của ma trận hệ số bởi cột tự do.
30
7.3.3 Ví dụ. Giải hệ phương trình
x1 x 2 x3 1
x1 x 2 x3 1
x x x 3
1 2 3
7.4.1 Meänh ñeà. Hãû phæång trçnh tuyãún tênh thuaàn nhaát AX = O (A Mm,n(K)) coï nghiãûm
khäng táöm thæåìng khi vaì chè khi haûng cuía ma tráûn heä soá nhoí hån säú áøn .
7.4.2 Hệ quả. Cho hệ phương trình tuyến tính thuần nhất AX= O (*) (A Mn(K)). Khi đó:
(i) Hệ (*) có nghiệm duy nhất là nghiệm tầm thường khi và chỉ khi |A| 0.
(ii) Hệ (*) có nghiệm không tầm thường khi và chỉ khi |A| = 0.
Chứng minh. Xem như bài tập.
7.4.3 Mệnh đề. Cho hệ phương trình tuyến tính thuần nhất AX = O. Khi đó nếu C1, C2 là
nghiệm của hệ thì với mọi k1, k2 K ta có k1C1+ k2C2 cũng là nghiệm của hệ.
31
Chứng minh. Theo giả thiết ta có AC1 = O và AC2 = O. Nên theo các tính chất của ma
trận thì ta có:
A(k1C1+k2C2) = k1(AC1 )+k2(AC2) = O.
Vậy ta có điều phải chứng minh.
7.4.4 Định lý. Cho hệ phương trình tuyến tính A.X = B (*) và C là nghiệm của nó. Gọi P
là tập các nghiệm của hệ phương trình tuyến tính thuần nhất A.X = O. Khi đó tập các
nghiệm của hệ (*) chính là {C+L | L P}.
Chứng minh. Vì L P nên ta có AL = O. Do AC = B nên A(C+L) = AC+AL = AC = B.
Suy ra C+L là nghiệm của hệ (*). Ngược lại, gọi C/ là nghiệm nào đó của (*). Suy ra
AC/ = B, vì thế O = AC/ - AC = A(C - C/), suy ra C - C/ P. Vì vậy tồn tại L P sao cho
C/ - C = L, tức là C/ = C+L ( L P ).
32
ÀI TẬP
Bài 1. Cho các ma trận
1 2 1 1 1 1
A= , B = 0 0 0
1 1 2
Tính 3A+4B-7BI3, A*A+B*B-A*B, (A*AB*B)* .
1 0 2 0 1 0
Bài 3. Cho hai ma trận A = 0 0 0 và B = 1 2 3 .
3 0 4 0 3 0
Hãy tính ma trận 3BAB - 2ABA.
a b
Bài 6. Cho ma trận thực A = với a, b, c .
0 c
a) Chứng minh rằng nếu A2006 = O thì A2 = O.
b) Giả sử nếu tồn tại n * sao cho An = I2, tìm các số a, b, c.
33
Bài 7. Một ma trận A Mn(K) được gọi là ma trận luỹ đẳng nếu A2 = A.
2 2 4
a) Chứng minh rằng ma trận A = 1 3 4 là ma trận luỹ đẳng.
1 2 3
b) Có nhận xét gì về ma trận A Mn(K) nếu A là ma trận luỹ đẳng và không suy
biến?
c) Giả sử A, B là các ma trận luỹ đẳng. Chứng minh rằng ma trận A+B luỹ đẳng khi
và chỉ khi AB = BA = O.
Bài 8. Ma trận A Mn(K) được gọi là ma trận luỹ linh nếu tồn tại k thoả Ak = O.
Chứng minh rằng:
a) Nếu A Mn(K) là luỹ linh và AB = BA, với mọi B Mn(K) thì AB là ma trận
luỹ linh.
b) Nếu A, B Mn(K) là luỹ linh và AB = BA thì rA+sB luỹ linh với mọi r, s K.
cos x sin x
Bài 10. Cho ma trận A(x) = . Chứng minh rằng với mọi x, y ta luôn luôn có
sin x cos x
A(x+y) = A(x)A(y). Suy ra [A(x)]n, với n .
Bài 11. Cho ma trận A = (aij) Mn(K). Ta gọi vết của ma trận, kí hiệu TrA, là một phần tử
n
của K được xác định TrA = a
i 1
ii
Bài 12. Cho A, B Mn(K) là các ma trận đối xứng. Chứng minh rằng AB là ma trận đối
xứng khi và chỉ khi AB = BA.
34
Bài 15. Tìm các ma trận nghịch đảo (nếu có) bằng các phép biến đổi sơ cấp của các ma
trận vuông sau:
0 0 1 1 1 1 1 1
0 3 1 4 1 1 1 1
a) b)
2 7 6 1 1 1 0 0
1 2 2 1 0 0 1 1
1 2 3 2 3
2 1 0 0 0
3 2 1
0 0 1 1 1
c) d) 0 0 1 3 4
1 1 3 4
0 0 0 1 2
2 1 2 3
0 0 0 0 1
Bài 16. Tìm các ma trận nghịch đảo (nếu có) bằng định thức của các ma trận vuông sau
đây:
1 2 1 i 1 i
a) b)
3 4 i 1 i
1 0 2 1 2 4
c) 2 1 3 d) 1 1 5
4 1 8 2 7 3
35
Bài 19. Tính các định thức cấp n sau:
1 a1 a2 ... an 1 1 1 ... 1
1 a1 b1 a2 ... an a1 a2 a3 ... an
a) 1 a1 a 2 b2 ... an b) a 2
1 a 2
2 a 2
3 ... a n2
... ... ... ... ... ... ... ... ... ...
n 1 n 1 n 1
1 a1 a2 ... a n bn a 1 a 2 a 3 ... a nn 1
a1 b1 a1 b2 a1 b3 ... a1 bn a1 x x ... x
a 2 b1 a 2 b2 a 2 b3 ... a 2 bn x a2 x ... x
c) ... ... ... ... ... d) x x a3 ... x
... ... ... ... ... ... ... ... ... ...
a n b1 a n b2 a n b3 ... a n bn x x x ... a n
a1 b1 a1 b2 a1 b3 ... a1 bn 1 2 2 ... 2
a 2 b1 a 2 b2 a 2 b3 ... a 2 bn 2 2 2 ... 2
f) ... ... ... ... ... e) 2 2 3 ... 2
... ... ... ... ... ... ... ... ... ...
a n b1 a n b2 a n b3 ... a n bn 2 2 2 ... n
Bài 21. Giả sử A Mn( ) sao cho A-1 = 3A. Tính det(A2007- A).
Bài 22. Cho A, B là các ma trận vuông cấp 2 trên trường thoả điều kiện sau:
2 2
A - A = B - B = AB + BA = 0.
Tính det(A - B).
a b b b
b a b b
Bài 23. Cho ma trận thực cấp 4 là A =
b b a b
b b b a
a) Tính det(A).
b) Trong trường hợp det(A) 0, tìm ma trận nghịch đảo của A.
Bài 24. Cho A Mn(K), n là số lẻ. Chứng minh rằng nếu A là ma trận phản đối xứng thì
detA = 0.
Bài 25. Cho A Mn( ). Chứng minh rằng detA . Hơn nữa nếu A khả nghịch thì
A-1 Mn( ) khi và chỉ khi |detA| =1.
36
Bài 26. Tìm điều kiện của tham số để các ma trận sau khả nghịch, sau đó tìm ma trận
nghịch đảo tương ứng của nó.
1 a bc a b 1
a) 1 b ca b) 1 ab 1 .
1 c ab 1 b a
1 2 3 1
1
3 2 1 1 1
Bài 29. Cho ma trận A = . Tìm các giá trị của m để r(A) = 2.
2 3 1 1 1
5 5 2 0 2m 1
37
Bài 31. Cho ma trận
m 1 1 1
A = 1 m 1 m
1 1 m m 2
Tìm các giá trị của m để r(A) < 3.
x 2 2 x3 2 x 4 6 x5 23 x1 x 2 x3 3
5 x1 4 x 2 3 x3 3 x 4 x5 12 x1 x 2 3
2 x1 x 2 x3 3 x 4 2 x1 x3 x5 5
c) 3x 2 x3 2 x 4 3 d) x 2 x 4 x5 4
x x 2 x 3x 5 x x x 1
1 2 3 4 3 4 5
x1 x 2 2 x3 8 x 4 0 6 x1 2 x 2 3 x3 4 x 4 0
x 2 x3 x 4 5 x5 0 x1 x 2 x3 0
3 x1 2 x 2 5 x3 x 4 0 x1 x 2 x3 x 4 x5 0
2 x 3 x x 5 x 0 2 x 3 x x x 0
c) 1 2 3 4
d) 1 2 3 4
x1 2 x 2 4 x 4 0 x1 x 2 x3 2 x 4 x5 0
x1 x 2 4 x3 9 x 4 0 3 x1 x 2 x3 x 4 5 x5 0
2 x1 7 x 2 3 x 3 2 x 4 m 6
2 x 5 x 2 x x m 1
1
Bài 35. Cho hệ phương trình
2 3 4
, với m là tham số.
x1 5 x 2 2 x 3 2 x 4 m 1
3 x1 5 x 2 x 3 x 4 m 2
Tìm m để hệ trên có nghiệm. Với m vừa tìm, hãy tìm nghiệm của hệ trên.
38
x1 2 x 2 ax3 3
Bài 37. Cho hệ phương trình 3x1 x 2 ax3 2 (a, b là các tham số)
2 x x 3 x b
1 2 3
k
x1 x 2 ... x n 1 x n 2004
x1 2 x 2 3 x3 ... nx n 1
x 2 x 3 x ... nx 2 x ... x x k x1
n 1
b) 2 2005 2 1 (k là số cho
3 4 1
c) 2 n
............... ..............
x n 2 x1 3 x 2 ... nx n 1 n
x k x1 ... x n 1
n 2005 n 1
trước).
39
CHƢƠNG 2. KH NG GIAN VECTƠ
§1. KH I NIỆM VỀ KH NG GIAN VECTƠ
1.1 Định nghĩa. Giả sử K là một trường. Một tập V khác rỗng được gọi là không gian
vectơ trên K (hoặc K-không gian vectơ) nếu trong V đã xác định một phép toán cộng
+: V V V
(x, y) x + y
và có một ánh xạ (gọi là phép nhân vô hướng)
.: K V V
(a, x) ax
sao cho thỏa các điều kiện sau:
(i) Tập V cùng với phép cộng là một nhóm Abel.
(ii) Với mọi a, b K và mọi x, y V, ta có:
a(x + y) = ax + ay
(a + b)x = ax + bx
(ab)x = a(bx)
1x = x
Nếu V là không gian vectơ trên trường K thì các phần tử của V được gọi là các
vectơ còn các phần tử của K được gọi là các vô hướng.
Không gian vectơ V còn được gọi là không gian tuyến tính .
(2) Giả sử K là một trường. Tập hợp Kn = {(a1, a2, ..., an) | ai K, i = 1, 2, ... , n} cùng với
hai phép toán được định nghĩa như sau:
(a1, a2, ..., an) + (b1, b2, ..., bn) = (a1+b1, a2+b2, ..., an+bn)
r(a1, a2, ..., an) = (ra1, ra2, ..., ran), (với mọi r K)
là một không gian vectơ trên trường K.
(3) Tập hợp Mm,n(K) tất cả các ma trận cấp m x n trên trường K cùng với phép toán cộng
ma trận và phép nhân một phần tử thuộc K với ma trận là một không gian vectơ trên
trường K.
(4) Tập hợp K[x] các đa thức với hệ số thực (hoặc phức) với hai phép toán cộng các đa
thức và nhân một đa thức với một số là một không gian vectơ trên (hoặc trên ).
1.3 Các tính chất đơn giản. Giả sử V là một không gian vectơ trên trường K, kí hiệu là
vectơ không của V. Khi đó :
(1) Vectơ là duy nhất. Với mỗi vectơ x V, có duy nhất một vectơ đối là -x sao
cho x+(-x) = . Hiệu của hai vectơ x, y V, ta kí hiệu x-y và được định nghĩa như sau
x-y = x + (-y).
40
(2) Với mọi a K, ta có a = . Thật vậy, với mọi x V ta có ax = a(x+ ). Suy
ra a = ax-ax = .
(3) Với mọi x V, ta có 0x = . Thật vậy, với mọi a K ta có ax = (a+0)x. Suy ra
0x = ax-ax = .
(4) Với mọi a K, mọi x V ta có (-a)x = -(ax). Thật vậy, với mọi phần tử x
thuộc V, thì (-a)x+ax = (-a+a)x = 0x = , hay (-a)x = -(ax). Đặt biệt (-1)x = (-x), với mọi
x V.
(5) Với mọi a K, mọi x V ta có a(-x) = -(ax). Thật vậy, với mọi phần tử x
thuộc V, thì a(-x)+ax = a(-x+x) = a = , hay a(-x) = -(ax).
41
§2. KH NG GIAN VECTƠ CON - KHÔNG GIAN
THƢƠNG
2.1 Không gian vectơ con
2.1.1 Định nghĩa. Giả sử V là một không gian vectơ trên trường K. Tập con A khác rỗng
của V được gọi là không gian vectơ con của V (hay không gian con của V) nếu A cùng hai
phép toán trên V là một không gian vectơ trên trường K.
2.1.2 Định lí. Giả sử A là tập con khác rỗng của không gian vectơ V trên trường K. Khi đó
các điều kiện sau là tương đương:
(i) A là không gian con của V.
(ii) Với mọi a K và mọi x, y A, ta có x + y A và ax A.
(iii) Với mọi a, b K và mọi x, y A ta có ax + by A.
Chứng minh. (iii) Hiển nhiên, theo định nghĩa của không gian con.
(iiiii) Ta có ax A, by A, do đó ax + by A.
(iiii) Vectơ V chính là vectơ không của tập A. Thật vậy, với mọi x, y A ta có
= 0x + 0y A. Mặt khác với mọi x A, ta có -x = (-1)x + 0y A với y A. Phép toán
cộng trong V thu hẹp vào A hiển nhiên có tính chất kết hợp và giao hoán. Do đó A là nhóm
Abel. Các điều kiện còn lại đúng một cách hiển nhiên. Vậy A là không gian vectơ trên K.
(2) Trong không gian vectơ Kn trên K, với mọi số nguyên dương m n, ta xét tập con
A = {(a1, ..., am , 0, ..., 0) | ai K, i = 1, 2, ..., m}. Khi đó A là không gian con của Kn.
(3) Giả sử K[x] là không gian vectơ các đa thức ẩn x trên trường K và Kn[x] là tập hợp
gồm các đa thức 0 và các đa thức bậc không quá n. Khi đó Kn[x] là không gian con của
không gian K[x]. Ta gọi Kn[x] là không gian vectơ các đa thức trên trường K có bậc không
quá n.
2.2.2 Định nghĩa. Giả sử S là tập con tùy ý của không gian vectơ trên trường K. Không
gian con A của V được gọi là bao tuyến tính của tập hợp S nếu S A và A là không gian
con bé nhất ( theo quan hệ bao hàm) của V chứa S.
Bao tuyến tính của tập hợp S, kí hiệu L(S) (<S>, (S), SpanS, Sp(S)) và còn được gọi
là không gian con sinh bởi tập S.
42
2.2.3 Định lí. Với mọi tập con S của không gian vectơ V trên trường K đều tồn tại bao tuyến
tính L(S).
Chứng minh. Giao A của tất cả các không gian con của V chứa S là một không gian con
của V chứa S. Hiển nhiên, nó là không gian con bé nhất của V chứa S.Vậy L(S) = A.
2.2.4 Định nghĩa. Giả sử V là không gian vectơ trên trường K và x1,...,xn là các vectơ tuỳ
n
ý thuộc V. Vectơ x = a x
i 1
i i , ai K, i = 1, 2, ..., n được gọi là một tổ hợp tuyến tính của
các vectơ x1,...,xn trên K.
Khi đó ta cũng nói vectơ x biểu thị tuyến tính được qua các vectơ x1,...,xn.
2.2.5 Định lí. Giả sử V là không gian vectơ trên K và S = {x1, ..., xn} V. Khi đó tập hợp
tất cả các tổ hợp tuyến tính của các vectơ thuộc S là một không gian con của V. Không
gian đó chính là bao tuyến tính L(S) của tập S.
n
Chứng minh. Gọi A = { a i x i | ai K, i = 1, ..., n }. Hiển nhiên A . Giả sử ta lấy
i 1
n n n
x= a i xi và y =
i 1
bi xi là các phần tử tùy ý thuộc A. Khi đó x+ y =
i 1
(a
i 1
i bi ) x i thuộc
n
A. Với mọi k K, ta có kx = (ka ) x
i 1
i i A. Vậy A là không gian con của V. Nếu B là
n
không gian con tùy ý của V và S B thì aixi B, với i = 1,...,n. Do đó x = a x
i 1
i i B
kéo theo A B. Vậy A là không gian con bé nhất của V chứa S, hay A = L(S).
2.3 Tổng và tổng trực tiếp của các không gian con
2.3.1 Định nghĩa. Giả sử A1, ..., An là các không gian con của không gian vectơ V trên
trường K. Tập tất cả các vectơ thuộc V có dạng x1+...+xn , trong đó xi Ai, i = 1, ...,n được
gọi là tổng của các không gian con A1,...,An và ta kí hiệu A1+...+An. Tổng A = A1+...+An
được gọi là tổng trực tiếp của các không gian vectơ con A1, A2, ..., An nếu với mọi x A
được biểu diễn duy nhất dưới dạng x = x1+x2+...+ xn, trong đó xi Ai, i = 1, 2, ..., n và
được kí hiệu là A = A1 A2 ... An.
2.3.2 Định lí. Tổng A = A1+...+An của các không gian con A1,...,An của không gian vectơ V
n
trên K là một không gian con của V và A = L( Ai ).
i 1
Chứng minh. Hiển nhiên A . Giả sử x = x1+...+ xn và y = y1+...+ yn là các phần tử tùy
ý thuộc A, trong đó xi, yi Ai với i = 1, ..., n. Ta có x+y = (x1+y1)+...+(xn+yn). Vì Ai là
không gian vectơ con của V nên xi + yi Ai với mọi i = 1, ..., n, do đó x+yA. Với mọi
phần tử a K ta có ax = ax1 +...+ axn A với mọi i = 1, ..., n. Vậy A là không gian con
n
của V. Giả sử B là không gian con của V sao cho S = A
i 1
i B . Hiển nhiên ta có Ai A
43
2.3.3 Định lí. Giả sử A = A1+...+ An là tổng của các không gian con A1,...,An của không
gian vectơ trên trường K. Khi đó các điều kiện sau là tương đương:
(i) A = A1 A2 ... An.
(ii) Ai (A1+...+Ai-1+Ai+1+...+ An) = { }, với i = 1, ..., n.
(iii) Đẳng thức x1+ x2+ ... + xn = (xi Ai, với i = 1, ..., n) xảy ra khi và chỉ khi
x1 = x2 = ... = xn = .
Chứng minh. (i ii) Giả sử phần tử x Ai (A1+...+Ai-1+Ai+1+...+ An). Khi đó ta có:
x = xi = + ... + xi + + ...+
x = x1+ x2+ ...+ xi-1 + xi+1+...+ xn = x1+ x2+ ...+ xi-1 + + xi+1+...+ xn
đều là sự biểu diễn của x thành tổng các vectơ thuộc Ai, i = 1,...,n. Do tính duy nhất của sự
biểu diễn nên xi = với i = 1,..., n, hay x = . Vậy Ai (A1+...+Ai-1+Ai+1+...+ An) = { }.
(ii iii) Giả sử x1+...+xn= với xi Ai, i = 1,...,n. Ta có x1+...+ xi-1 + xi+1+...+ xn = -xi
thuộc Ai (A1+...+Ai-1+Ai+1+...+ An). Vì vậy xi = ,với mọi i = 1,..., n.
(iii i) Nếu x = x1+...+xn và y = y1+...+yn, với xi, yiAi thì (x1-y1)+...+(xn-yn) = . Hiển
nhiên xi-yi Ai với mọi i = 1,...,n. Do đó xi-yi = 0 hay xi = yi với mọi i = 1,..., n. Vậy sự
biểu diễn của x thành tổng các vectơ Ai là duy nhất. Do đó ta có điều phải chứng minh.
2.3.4 Định nghĩa. Giả sử A và B là các không gian con của các không gian vectơ V trên
trường K và V = A B. Khi đó ta nói B là phần bù trực tiếp của A và ngược lại A là phần bù
trực tiếp của B.
Nếu V = A B thì ta cũng nói V phân tích được thành tổng trực tiếp của các không
gian con A và B.
2.3.5 Hệ quả. Không gian vectơ V trên K phân tích được thành tổng trực tiếp của các
không gian A và B của nó khi và chỉ khi V = A+B và A B = { }.
2.4 Không gian thƣơng. Giả sử V là không gian vectơ trên K và A là không gian con của
V. Trong V ta xác định một quan hệ ~ như sau:
Với mọi x, y V, x ~ y khi và chỉ khi x-y A.
Quan hệ ~ là một quan hệ tương đương. Thật vậy, với mọi x V, x~x vì x-x = A, tức
là ~ phản xạ. Giả sử x, y V và x~y, khi đó y~x vì y-x = -(x-y) A , tức là ~ đối xứng. Với
mọi x, y, z V, nếu x~y và y~z thì x~z vì x - z = (x-y) + (y-z) A, như vậy ~ bắc cầu. Ta kí
hiệu x là lớp tương đương chứa x đối với quan hệ tương đương ~. Khi đó ta được
x = {x+y | y A} = x+A. Tập thương V/~ của V theo quan hệ tương đương ~ được kí hiệu
là V/A. Như vậy V/A = { x = x+A | x V}.
Trong tập thương V/A ta định nghĩa hai phép toán như sau:
x + y = x y
a. x = a.x
với mọi x, y V và với a K. Định nghĩa này không phụ thuộc vào các phần tử đại diện
nghĩa là với x, x/, y, y/ và a K sao cho x = x / , y y / thì x y = x / y / và a.x = a.x / .
Thật vậy, do x = x / và y y / nên x - x/ A và y - y/ A. Do đó ta nhận được:
(x + y) - (x/ + y/) = (x - x/) + (y - y/) A hay x y = x / y / .
Mặt khác ax-ax/ = a(x-x/) A hay a.x = a.x / . Tập thương V/A cùng với hai phép toán
được định nghĩa ở trên là một không gian vectơ trên trường K và gọi là không gian vectơ
thương của không gian V theo không gian con A hay không gian thương của V trên A.
44
§3. Đ C LẬP TUYẾN TÍNH VÀ PHỤ THU C
TUYẾN TÍNH
3.1 Định nghĩa. Giả sử V là không gian vectơ trên trường K và S = {x1,...,xn} là một hệ
hữu hạn các vectơ xi V (i =1,...,n). Hệ S được gọi là phụ thuộc tuyến tính nếu tồn tại các
phần tử a1,...,an thuộc K, không đồng thời bằng không sao cho a1x1+...+anxn = (1).
Hệ S được gọi là hệ độc lập tuyến tính nếu nó không phụ thuộc tuyến tính, nghĩa là
đẳng thức (1) xảy ra khi và chỉ khi a1 = a2 = ... = an = 0.
Trong trường hợp hệ S = {xi}iI là hệ vô hạn các vectơ xi V (với mọi i I) thì hệ S
được gọi là độc lập tuyến tính nếu với mọi tập con hữu hạn I0 I, hệ {xi}i I 0 là hệ độc lập
tuyến tính. Hệ S được gọi là hệ phụ thuộc tuyến tính nếu nó không độc lập tuyến tính,
nghĩa là tồn tại một tập con hữu hạn I0 I sao cho hệ {xi}i I 0 là hệ phụ thuộc tuyến tính.
Trong giáo trình này, chúng ta chỉ xét sự độc lập tuyến tính và phụ thuộc tuyến tính
đối với hệ hữu hạn vectơ.
3.2 Các ví dụ.
(1) Trong không gian 3 xét ba vectơ sau:
x1 = (1, 2, -3), x2 = (3, 4, -1), x3 = (5, 8, -7).
Hệ vectơ {x1, x2, x3} là phụ thuộc tuyến tính vì ta có 2x1+x2-x3 = . Hệ {x1, x2} là hệ độc
lập tuyến tính. Thật vậy, giả sử ta có a1x1+ a2x2 = 0, thế thì
a1 3a 2 0
2 a1 4 a 2 0
3a a 0
1 2
(2) Trong không gian vectơ Kn trên trường K, hệ vectơ S = {e1, e2,...,en} trong đó
e1= (1, 0,....,0), ...., en= (0, 0,...,1) là hệ độc lập tuyến tính.
3.3 Các tính chất đơn giản.
(i) Nếu hệ S = {x1,...,xn} chứa vectơ không thì hệ S là hệ phụ thuộc tuyến tính. Như
vậy nếu hệ S độc lập tuyến tính thì xi , với mọi i = 1,...,n.
(ii) Hệ gồm một vectơ {x} là độc lập tuyến tính khi và chỉ khi x . Như vậy hệ
gồm một vectơ x là phụ thuộc tuyến tính khi và chỉ khi x = .
(iii) Cho hệ vectơ S = {xi}i I. Tập con của S được gọi là hệ con của S. Như vậy hệ
S0 = {xj}j J là hệ con của S nếu J I. Nếu hệ S = {x1,...,xn} có một hệ con phụ thuộc
tuyến tính thì hệ S phụ thuộc tuyến tính. Như vậy nếu hệ S độc lập tuyến tính thì mọi hệ con
của nó cũng độc lập tuyến tính.
3.4 Định lí. Trong không gian vectơ V trên trường K cho một hệ S = {x1,..., xn}. Hệ S là
phụ thuộc tuyến tính khi và chỉ khi có ít nhất một vectơ thuộc S biểu thị tuyến tính được
qua các vectơ còn lại.
Chứng minh. Giả sử hệ S phụ thuộc tuyến tính. Khi đó tồn tại a1,...,an K và không đồng
thời bằng không sao cho a1x1 +...+ anxn = . Không mất tính tổng quát giả sử a1 0. Khi
đó ta có x1= (-a2/a1)x2+ ...+ (-an/a1)xn. Nên x1 biểu thị tuyến tính được qua hệ {x2 ,..., xn}.
Ngược lại giả sử ta có một vectơ của hệ biểu thị tuyến tính qua hệ còn lại. Không
giảm tính tổng quát ta có thể giả thiết vectơ đó là x1 tức là
x1 = a2x2+...+ anxn, với a2,...,an K. Suy ra (-1)x1+ a2x2+...+ anxn = . Do -1 0 nên hệ S
là phụ thuộc tuyến tính.
45
3.5 Định lí. Giả sử S = {x1,...,xn} là hệ độc lập tuyến tính trong không gian vectơ V trên
trường K và y V. Khi đó hệ S1= {x1,...,xn, y} là hệ phụ thuộc tuyến tính khi và chỉ khi
vectơ y biểu thị tuyến tính được qua hệ S.
Chứng minh. Nếu S1 là hệ phụ thuộc tuyến tính thì tồn tại a1,...,an, b thuộc K và không
đồng thời bằng không sao cho a1x1+...+ anxn+ by = . Giả sử b = 0, khi đó ta có
a1x1+...+anxn = . Do hệ S độc lập tuyến tính nên ta được a1= a2= ...= an (mâu thuẫn ). Vì
thế b 0, nên ta có y = (-a1/b)x1+...+ (-an/b)xn. Suy ra y biểu thị tuyến tính được qua hệ S.
Ngược lại nếu y biểu thị tuyến tính qua hệ S thì theo Định lí 3.4 hệ S1 là hệ phụ
thuộc tuyến tính.
3.6 Định nghĩa. Cho S1 và S2 là hai hệ vectơ tùy ý trong không gian vectơ V trên trường
K. Nếu mỗi vectơ của hệ S1 đều biểu thị tuyến tính được qua hệ S2 thì ta nói hệ S1 biểu thị
tuyến tính được qua hệ S2.
Nếu hệ S1 biểu thị tuyến tính được qua hệ S2 và hệ S2 biểu thị tuyến tính được qua
hệ S1 thì ta nói hệ S1 tương đương với hệ S2 và ta kí hiệu S1 ~ S2.
3.7 Mệnh đề.
(i) Nếu vectơ x biểu thị tuyến tính được qua hệ S1 và hệ S1 biểu thị tuyến tính được
qua hệ S2 thì x biểu thị tuyến tính được qua hệ S2.
(ii) Hai hệ vectơ cùng tương đương với hệ thứ ba thì chúng tương đương nhau.
Chứng minh. Xem như bài tập.
3.8 Định lí. Giả sử P = {x1,...,xn} và S = {y1,...,ym} là hai hệ vectơ hữu hạn tùy ý trong
không gian vectơ V trên trường K. Khi đó nếu hệ P độc lập tuyến tính và biểu thị tuyến
tính được qua hệ S thì n m.
Chứng minh. Ta chứng minh định lí này bằng phương pháp quy nạp theo n.
Với n = 1, hiển nhiên 1 = n m.
Giả sử định lí đúng cho hệ P gồm n-1 vectơ x1,...,xn-1, nghĩa là ta có n-1 m. Theo
giả thiết x1 biểu thị tuyến tính qua hệ S. Do đó x1 = a1y1+...+ amym, (ai K, i = 1, 2, ..., m).
Vì P là hệ độc lập tuyến tính nên x1 , suy ra các ai không đồng thời bằng không. Không
mất tính tổng quát ta giả sử a1 0. Khi đó y1= a1-1x1+ (-a1-1a2)y2+...+ (-a1-1am)ym. Như vậy
y1 biểu thị tuyến tính được qua hệ S1 = {x1, y2, ..., ym}. Từ đó hệ S biểu thị tuyến tính được
qua hệ S1. Tương tự, x2 biểu thị tuyến tính được qua hệ S nên nó cũng biểu thị tuyến tính
được qua S1. Do đó tồn tại b1, b2,...,bm thuộc K và không đồng thời bằng không sao cho
x2 = b1x1+...+ bmym. Nếu bj = 0 (j = 2,...,m) thì x2 = b1x1, suy ra P phụ thuộc tuyến tính
(mâu thuẫn). Nên tồn tại bj 0, chẳng hạn b2 0. Khi đó y2 = (-b2-1b1)x1 +...+ (b2-1bm)ym.
Như vậy y2 biểu thị tuyến tính được qua hệ S2 = {x1, x2, y3,...,ym}. Suy ra S1 biểu thị tuyến
tính được qua hệ S2, do đó S biểu thị tuyến thị được qua hệ S2.
Tiếp tục quá trình này ta được hệ vectơ S biểu thị tuyến tính được qua hệ vectơ
Sn-1 = {x1,...,xn-1, yn,...,ym} (n-1 m) theo giả thiết quy nạp. Vì xn biểu thị tuyến tính được
qua hệ S, mà S biểu thị tuyến tính qua hệ Sn-1 nên xn biểu thị tuyến được qua hệ Sn-1, tức là
tồn tại c1,...,cm thuộc K sao cho xn = c1x1+...+ cn-1xn-1+ cnyn+...+ cmym. Nếu cj = 0, với mọi
j = n,...,m thì xn = c1x1+...+ cn-1xn-1 , suy ra P là hệ phụ thuộc tuyến tính, trái với giả thiết.
Vậy tồn tại j {n,...,m } sao cho cj 0. Từ đó ta có n m. Theo nguyên lí quy nạp định lý
được chứng minh.
3.9 Hệ quả. Hai hệ hữu hạn vectơ độc lập tuyến tính và tương đương nhau thì có số các
vectơ bằng nhau.
46
§4. HẠNG CỦA HỆ VECTƠ
4.1 Định nghĩa. Giả sử V là không gian vectơ trên trường K và S V là một hệ vectơ của
V. Tập con S1 S được gọi là một bộ phận độc lập tuyến tính tối đại của S nếu hệ S1 độc
lập tuyến tính và S biểu thị tuyến tính được qua hệ S1.
qua hệ S2 thì hệ S2 = {xi 1 , xi 2 , x i } là độc lập tuyến tính. Vì hệ S gồm n vectơ nên sau một
3
số bước hữu hạn ta sẽ tìm được một bộ phận độc lập tuyến tính tối đại.
(iv) Giả sử S là hệ hữu hạn của không gian vectơ V và S1, S2 là các bộ phận độc lập
tuyến tính tối đại của S. Khi đó S1 và S2 có số vectơ bằng nhau.Thật vậy, theo (ii) ta có S1
và S2 cùng tương đương S nên chúng tương đương với nhau. Theo Hệ quả 3.9, số các
vectơ của S1 và S2 là bằng nhau.
4.3 Chú ý. Trong trường hợp S là một tập con tùy ý của V (S có thể là vô hạn), sử dụng Bổ
đề Zorn ta chứng minh được trong hệ S tồn tại bộ phận độc lập tuyến tính tối đại.
4.4 Định nghĩa. Giả sử S là một hệ hữu hạn vectơ trong không gian vectơ V trên trường K.
Hạng của hệ S là số vectơ trong một bộ phận độc lập tuyến tính tối đại của S. Kí hiệu r(S)
hay rank(S).
Nếu S = { } thì ta quy ước r(S) = 0.
4.5 Ví dụ. Trong không gian 3 trên trường , tìm hạng của hệ vectơ S = {x1, x2, x3}
trong đó x1= (-1, 2, 3), x2 = (2,-1, 0), x3 = (1, 4, 9).
Giải. Dễ dàng chứng minh hệ S là một hệ phụ thuộc tuyến tính còn hệ con S1= {x1, x2} là
hệ độc lập tuyến tính. Như vậy hệ S1 là bộ phận độc lập tuyến tính tối đại của hệ S, do đó
r(S) = 2.
4.6 Định nghĩa. Giả sử A = (aij)mxn là ma trận cấp m x n với các phần tử của nó thuộc
trường K. Hệ vectơ S = {x1, x2, ... , xm} Kn với xi = ( ai1, ai2,..., ain) (i = 1,...,m) được gọi
là hệ vectơ dòng của ma trận A.
Hệ vectơ S/ = {y1,... ,ym} Km với yi = ( a1j,...,amj) (j = 1,...,n) được gọi là hệ vectơ
cột của ma trận A.
47
4.7 Định lí. Giả sử A = (aij)mxn là ma trận cấp m x n trên trường K. Khi đó ta có
r(A) = r(S) = r(S/) với S là một hệ vectơ dòng của A và S/ là hệ vectơ cột của A.
Chứng minh. Giả sử r(A) = r. Khi đó trong A tồn tại một định thức con cấp r khác không
và mọi định thức con cấp lớn hơn r đều bằng không. Không mất tính tổng quát ta có thể
a11 a1r
giả sử định thức con cấp r đó là D = 0.
a r1 a rr
Xét bộ phận S1 = {x1,...,xr} S. Ta chứng minh S1 là bộ phận độc lập tuyến tính tối
đại của S. Hệ S1 là độc lập tuyến tính vì nếu trái lại thì có một vectơ nào đó của hệ là một
tổ hợp tuyến tính của các vectơ còn lại. Khi đó trong định thức D có một dòng là tổ hợp
tuyến tính của các dòng khác, do đó D = 0 (mâu thuẫn). Để chứng minh S là biểu thị tuyến
tính được qua hệ S1 ta cần chứng minh mọi vectơ xi với i = r+1,...,m đều biểu thị tuyến
tính qua S1. Xét định thức cấp r+1 sau:
a11 a1r a1 j
48
§5. CƠ SỞ - SỐ CHIỀU CỦA KH NG GIAN VECTƠ
5.1 Định nghĩa. Giả sử V là không gian vectơ trên trường K. Hệ vectơ S của V được gọi là
một hệ sinh của V nếu mọi vectơ của V đều biểu thị tuyến tính được qua S, tức là V = L(S).
Hệ vectơ S của không gian vectơ V được gọi là cơ sở của V nếu S là hệ sinh của V và S
độc lập tuyến tính.
Không gian V trên K được gọi là không gian hữu hạn chiều nếu trong V có ít nhất
một hệ sinh hữu hạn. Nếu V không phải là không gian hữu hạn thì V được gọi là không
gian vô hạn chiều.
Trong giáo trình này ta chỉ xét không gian hữu hạn chiều.
(2) Trong không gian vectơ Kn[x] các đa thức trên trường K có bậc không quá n, hệ
vectơ {1, x, x2,...., xn} lập thành một cơ sở và gọi là cơ sở chính tắc của Kn[x].
1 0 0 1 0 0 0 0
(3) Hệ S ={E1, E2, E3, E4} với E1 = , E2= 0 0 , E3= 1 0 và E4 = 0 1
0 0
là một cơ sở của không gian M2(K) các ma trận vuông cấp 2 trên trường K. Cơ sở này
được gọi là cơ sơ chính tắc của M2(K).
5.3 Định lí. Giả sử V là không gian vectơ hữu hạn chiều trên trường K có hệ sinh S .
Khi đó trong V tồn tại cơ sở hữu hạn.
Chứng minh. Giả sử S = {x1,..., xn} là hệ sinh hữu hạn của V. Khi đó trong S tồn tại một
bộ phận độc lập tuyến tính tối đại S1. Vì mọi vectơ x thuộc V đều biểu thị tuyến tính được
qua S và S biểu thị tuyến tính được qua S1, nên x biểu thị tuyến tính được qua S1. Do đó S1
là hệ sinh của V. Vậy S1 là một cơ sở của V.
5.4 Định lí. Hai cơ sở tùy ý của không gian vectơ hữu hạn chiều có số vectơ bằng nhau.
Chứng minh. Giả sử S1= {x1,...,xn} và S2= {y1,...,ym} là hai cơ sở tùy ý của một không
gian vectơ trên trường K. Ta có S1 độc lập tuyến tính và S1 biểu thị tuyến tính được qua S2
và ngược lại S2 cũng độc lập tuyến tính và S2 biểu thị tuyến tính được qua hệ S1. Do đó S1
và S2 là hai hệ tương đương. Vậy S1 và S2 có số vectơ bằng nhau.
5.5 Định nghĩa. Ta gọi số chiều của không gian vectơ V trên trường K, kí hiệu dimV, là số
vectơ trong một cơ sở tùy ý của V.
Nếu dimV = n thì V được gọi là không gian vectơ n chiều và được kí hiệu là Vn.
Nếu V = { } thì ta quy ước dimV = 0.
5.7 Định lí. Giả sử Vn là không gian vectơ n chiều trên trường K. Khi đó ta có:
(i) Mọi hệ vectơ của Vn có số vectơ lớn hơn n đều là hệ phụ thuộc tuyến tính.
49
(ii) Mọi hệ vectơ của Vn gồm n vectơ độc lập tuyến tính đều là cơ sở.
(iii) Mọi hệ vectơ của Vn gồm r (r < n) vectơ độc lập tuyến tính đều có thể bổ sung
thành một cơ sở.
Chứng minh. (i) Giả sử S = {x1,..., xn} là một cơ sở của V và P = {y1,..., ym} là hệ vectơ
tùy ý gồm m vectơ thuộc V với m > n. Khi đó P biểu thị tuyến tính được qua S. Nếu P độc
lập tuyến tính thì m n (mâu thuẫn). Vậy P là hệ phụ thuộc tuyến tính.
(ii) Giả sử S = {x1,..., xn} là hệ độc lập tuyến tính trong Vn. Khi đó với mọi phần tử
x Vn thì hệ vectơ S1= S {x} phụ thuộc tuyến tính. Suy ra x biểu thị tuyến tính được qua
hệ S, do đó S là hệ sinh của Vn. Vậy S là một cơ sở của Vn.
(iii) Giả sử P = {y1,...,yr} là một hệ độc lập tuyến tính trong Vn với r < n và hệ
S = {x1,...,xn} là một cơ sở của Vn . Khi đó theo phép chứng minh Định lý 3.8 thì hệ vectơ
Sr = {y1,..., yr, xr+1,...,xn} tương đương với hệ S, do đó Sr là một hệ sinh của Vn. Mặt khác Sr
là hệ độc lập tuyến tính, vì trái lại thì tồn tại z Sr sao cho z biểu thị tuyến tính được qua
hệ T = Sr\{z}. Khi đó Sr biểu thị tuyến tính được qua hệ T. Suy ra S biểu thị tuyến tính
được qua hệ T, mà S độc lập tuyến nên n n-1 (mâu thuẫn). Vậy Sr là một cơ sở của Vn.
5.8 Định lí. Giả sử V là không gian vectơ trên trường K và S là một hệ vectơ của V. Khi đó ta được
r(S) = dimL(S).
Chứng minh. Giả sử r(S) = r và S1= {x1,...,xr}là một bộ phận độc lập tuyến tính tối đại của
S. Khi đó S được biểu thị tuyến tính được qua hệ S1. Vì mọi vectơ thuộc L(S) đều biểu thị
tuyến tính được qua hệ S nên cũng biểu thị tuyến tính được qua hệ S1. Do đó S1 là cơ sở
của không gian L(S). Vậy dimL(S) = r.
5.9 Hệ quả. Nếu S là một hệ sinh gồm n vectơ trong không gian vectơ n chiều Vn thì S là
một cơ sở của Vn.
Chứng minh. Giả sử r(S) = r, khi đó dimL(S) = r(S) = r. Nhưng L(S) = Vn, do đó n = r.
Suy ra S là hệ độc lập tuyến tính. Vậy S là một cơ sở của Vn .
5.10 Định lí. Giả sử A là không gian con của không gian vectơ V trên K. Khi đó :
(i) dimA dimV.
(ii) dimA = dimV khi và chỉ khi A = V.
Chứng minh. Xem như bài tập.
5.11 Định lí. Giả sử A và B là các không con của không gian vectơ hữu hạn chiều V trên
K. Khi đó dim(A+B) = dimA + dimB - dim(A B).
Chứng minh. Giả sử dimA = n , dimB = m, dim (A B) = r. Gọi S = {x1,...,xr} là một cơ
sở của không gian con A B. Vì A B là không gian con của không gian A nên tồn tại
ur+1,..., un A sao cho hệ S1= {x1,.., xr, ur+1,..., un} là cơ sở của A. Tương tự tồn tại
vr+1,...,vm B sao cho hệ S2= {x1,...,xr, vr+1,...,vm} là cơ sở của không gian B. Ta cần chứng
minh hệ S3 = {x1,..., xr, ur+1,..., un, vr+1,..., vm} là cơ sở của không gian tổng A+B. Thật vậy,
giả sử ta có a1x1+...+ arxr + br+1ur_+1+...+ bnun+cr+1vr+1+...+ cmvm= . Đặt
x = a1x1 +...+ arxr + br+1ur+1 +...+ bnun= -cr+1vr+1 -...- cmvm. Ta có x A và x B, do đó ta
có x A B. Suy ra x biểu thị tuyến tính được qua S tức là x = k1x1+....+krxr. Từ đó
k1x1+....+krxr = -cr+1vr+1-...-cmvm hay k1x1+...+ krxr + cr+1vr+1+...+cmvm= . Do S2 độc lập
tuyến tính nên k1= ...= kr = cr+1=...= cm = 0. Từ đó ta có a1x1+...+arxr+br+1ur+1+...+bnun= .
Vì hệ S1 độc lập tuyến tính nên a1= ...= ar = br+1= ... = bn = 0. Nên hệ S3 là hệ độc lập
tuyến tính.
50
Giả sử y A + B. Khi đó y = y1+ y2 với y1 A, y2 B. Vì S1 là cơ sở của A nên tồn
tại a1,..., ar, ar+1,..., an K sao cho y1= a1x1+...+ arxr + ar+1ur+1 +...+ anun. Vì S2 là cơ sở của
B nên tồn tại b1,..., br, br+1,...,bm K sao cho y2= b1x1+...+ brxr + br+1vr+1+...+bmvm. Khi đó
ta có y = (a1+ b1)x1 +...(ar+ br)xr + ar+1ur+1+...+ anun+ br+1vr+1+...+ bmvm. Suy ra S3 là hệ
sinh của A+B. Vậy S3 là cơ sở của A+B và dim(A+B) = m + n - r.
5.12 Hệ quả. Nếu A và B là các không gian con của không gian vectơ V trên K thỏa mãn
A B = V thì dim V = dimA + dimB.
5.13 Định lí. Giả sử A là không gian con của không gian vectơ V trên trường K. Khi đó
dim(V/A) = dimV - dimA.
Chứng minh. Giả sử dimA = m và S1= {y1,...,ym} là một cơ sở của A. Khi đó tồn tại các
vectơ x1,..., xr V sao cho hệ S = {x1,..., xr, y1,..., ym} là một cơ sở của V. Ta xét hệ
T = { x1 ,..., x r } gồm r vectơ của không gian V/A. Với mọi x V ta có:
x = a1y1+...+ amym+ b1x1+...+ brxr, với aj, bi K.
Vì yj A nên ajyj A với mọi j = 1, 2, ..., m. Do đó x = b1 x1 +...+br x r , suy ra T là hệ
sinh của V/A. Giả sử c1 x1 +...+ cr x r = với ci K, i = 1, 2, ..., r thế thì c1x1+...+crxr A.
Vì S1 là cơ sở của A nên tồn tại d1, ..., dm K sao cho ta có
c1x1+...+ crxr = d1y1+...+ dmym hay c1x1+...+ crxr - d1y1-...- dmym= . Do S là cơ sở nên ta có
c1 = ... = cr = 0. Suy ra T là cơ sở của V/A và dim(V/A) = r.
51
§6. TỌA Đ VÀ ĐỔI CƠ SỞ
6.1 Định lí. Giả sử V là không gian vectơ trên K và S = {x1,..., xn} là hệ gồm n vectơ của
V. Khi đó S là một cơ sở của V khi và chỉ khi với mọi x V đều biểu thị tuyến tính được
một cách duy nhất qua hệ S.
Chứng minh. Nếu S là cơ sở của V thì mọi x V đều được biểu diễn dưới dạng
x = a1x1+...+anxn với a1,...,an K. Giả sử còn có sự biểu diễn của vectơ x dưới dạng
x = b1x1+...+bnxn, với bi K thì (a1-b1)x1+...+(an-bn)xn = . Vì S độc lập tuyến tính nên có
ai-bi = 0 hay ai = bi với mọi i = 1,...,n. Vậy x biểu diễn duy nhất qua hệ S.
Ngược lại, nếu mọi x V được biểu diễn dưới dạng x = a1x1+...+anxn với ai K thì
S là một hệ sinh của V. Giả sử b1x1+...+bnxn= , ta cũng có 0x1+...+ 0xn = . Vì vectơ
V chỉ có một dạng biểu diễn duy nhất qua hệ S nên b1= ... = bn = 0. Do đó S độc lập
tuyến tính. Vậy S là cơ sở của V.
6.2 Định nghĩa. Giả sử S = {x1,..., xn} là một cơ sở của không gian V trên K và x là một
vectơ tùy ý thuộc V. Khi đó tồn tại duy nhất các phần tử a1,...,an K sao cho ta được
x = a1x1+...+anxn. Ta gọi tọa độ của vectơ x đối với cơ sở S là a1,...,an và kí hiệu là
(a1,...,an) hay (x)S = (a1,...,an). Khi đó ai được gọi là tọa độ thứ i (i = 1,...,n) của vectơ x
theo cơ sở S.
a1
a
Ma trận 2 gọi là ma trận cột toạ độ của vectơ x đối với cơ sở S, kí hiệu [x]S. Như
a n
vậy tọa độ của một vectơ trong không gian V phụ thuộc vào cơ sở đã chọn của V. Ngay cả
khi cơ sở S đã được chọn thì tọa độ của x V phụ thuộc vào thứ tự của vectơ trong S.
Nếu Vn là không gian vectơ n chiều trên K và S là một cơ sở của Vn thì (x)S là một
vectơ thuộc không gian Kn trên K với mọi x V và ta có song ánh:
Vn Kn
x (x)S
6.3 Ví dụ. Trong không gian vectơ 3 trên cho vectơ x = (-1, 6, 16).
a) Tìm tọa độ của x đối với cơ sở chính tắc của 3 .
b) Tìm tọa độ của vectơ x đối với cơ sở S = {x1, x2, x3} của 3 trong đó
x1 = (1,-2,-1), x2 = (-3,1,0), x3 = (-1,5,7).
Giải. a) Ta có x = (-1)(1,0,0) + 6(0,1,0) + 16(0,0,1) = -e1+ 6e2+ 16e3. Như vậy tọa độ của
x đối với cơ sở chính tắc là (x) = ( -1, 6, 16).
b) Giả sử x = a1x1+ a2x2+ a3x3 với a1, a2, a3 . Khi đó ta có hệ phương trình:
a1 3a 2 a 3 1
2a1 a 2 5a 3 6
a 7a 16
1 3
6.6 Định lí. Nếu A là ma trận chuyển từ cơ sở S sang cơ sở S/ của không gian vectơ V trên
trường K thì
(i) A là ma trận không suy biến.
(ii) A-1 là ma trận chuyển cơ sở từ S/ sang cơ sở S.
Chứng minh. (i) Ta có hệ S/ chính là hệ vectơ cột của ma trận A. Theo Định lí 4.7, ta có
r(S/) = r(A). Do hệ S/ là độc lập tuyến tính nên r(S/) = n, do đó r(A) = n, suy ra detA 0.
Vậy A là ma trận không suy biến.
(ii) Vì A là ma trận không suy biến nên tồn tại ma trận A-1 được tính bởi công thức
A11 An1
1
A -1
= . Để chứng minh A-1 là ma trận chuyển cơ sở từ S/ sang S ta
| A|
A1n Ann
chứng minh xi = (1/|A|)Ai1x1/+... + (1/|A|)Ainxn/, i = 1, 2, ..., n hay Ai1x1/+...+Ainxn/ = |A|xi,
với mọi i = 1,..., n. Thật vậy, ta có:
Ai1x1/ + ... + Ainxn/ = Ai1(a11x1+...+an1xn)+.... + Ain(a1nx1+...+annxn)
= ( a11Ai1+...+a1nAin)x1+ ... + (an1Ai1+...+annAin)xn
= (ai1Ai1+...+ainAin)xi = |A|xi
| A |, khi j i
bởi vì aj1Ai1+... + ajnAin = .
0, khi j i
53
n n
Chứng minh. Ta có x = bi x i =
j 1
bj/xj. Vì A = (aij)n là ma trận chuyển cơ sở từ S
i 1
n n n n n
sang S/ nên xj/ = aijxi. Do đó x = j 1
bj/ ( aijxi) = ( bj/aij)xi. Vì x biểu thị
j 1
i 1 i 1 i 1
n
tuyến tính một cách duy nhất qua hệ S nên ta có bi =
j 1
bj/aij với i = 1, 2, ...,n. Tức là
b1 = a11b1 +a12b2/+
/
...+ a1nbn /
/
b n bn
6.8 Ví dụ. Trong không gian 1 [x] các đa thức một ẩn x có bậc không quá 1 với hệ số
thực, ta xét một cơ sở S = {P1, P2 } và S/ = {Q1, Q2} trong đó P1 = 3x + 6, P2= 2x + 10,
Q1= 2, Q2 = 2x + 3.
a) Tìm ma trận chuyển cơ sở từ S/ sang S.
b) Tìm tọa độ của vectơ P = x - 4 đối với cơ sở S. Từ đó suy ra tọa độ của P đối với
cơ sở S/.
Giải. a) Ta có P1 = 3x + 6 = (3/4)2 + (3/2)(2x + 3) = (3/4)Q1 + (3/2)Q2
P2 = 2x +10 = (7/2)2 + (2x + 3) = (7/2)Q1 + Q2.
3 / 4 7 / 2
Vậy A = là ma trận chuyển cơ sở từ cơ sở S/ sang cơ sở S.
3 / 2 1
b) Ta có P = x - 4 = (3x + 6) - (2x + 10) = P1 - P2. suy ra tọa độ của vectơ P đối với
1
cơ sở S là (1,-1) hay viết dưới dạng ma trận cột [P]S = .
1
/
Tọa độ P đối với S được tính theo công thức [P]S / = A[P]S trong đó [P]S và [P]S /
được viết dưới dạng ma trận cột.
3 / 4 7 / 2 1 11 / 4
Vậy [P]S / = . = .
3 / 2 1 1 1 / 2
54
ÀI TẬP
Bài 1. Trên tập các số thực dương ta xác định 2 phép toán như sau:
Phép cộng: x+y = xy
Phép nhân: r x = xr
trong đó x, y , r . Chứng minh rằng tập ( ,+, ) lập thành -không gian vectơ.
Bài 2. Định nghĩa hai phép toán cộng và nhân trên tập V = {(x, y) | y >0 } sau:
Phép cộng: (x, y) + (u, v) = (x+u, yv)
Phép nhân: r(x, y) = (rx, yr)
trong đó (x, y), (u, v) V; r . Xét xem V có phải là -không gian vectơ hay không?
Nếu có, hãy tìm một cơ sở của không gian đó.
Bài 4. Cho Mn(K) là K- không gian vectơ cấp n trên K. Tập con nào sau đây là không gian
con của Mn(K):
a) Tập tất cả các ma trận tam giác trên.
b) Tập tất cả các ma trận đối xứng.
c) Tập tất cả các ma trận đường chéo.
d) Tập tất cả các ma trận có định thức bằng 1.
Bài 5. Cho A, B là các không gian con của K-không gian vectơ V. Chứng minh rằng A B
là không gian con của V khi và chỉ khi A B hoặc B A.
Bài 7. Trong không gian 4 cho các vectơ x1 = (1,1,1,1), x2= (2,3,-1,0), x3= (1,2,1,-1),
x4 = (1,-1,1,1). Tìm điều kiện để vectơ x = (a1, a2, a3, a4) là tổ hợp tuyến tính của:
a) {x1, x2, x3} b) {x1, x2, x3, x4}.
Bài 8. Xem xét xem hệ nào là phụ thuộc tuyến tính hay độc lập tuyến tính:
a) {(1,1,1), (1,2,3), (1,-1,2)}.
b) {(1,1,2,2), (1,2,1,2), (3,1,3,2), (-1,-1,-1,-1)}.
c) {(1,2,3,4), (2,2,3,4), (3,3,3,4), (4,4,4,4)}.
d) {(1,2,3), (4,5,6), (7,8,9)}.
Bài 9. Cho V là K-không gian vectơ và hệ {u, v, w} V. Chứng minh rằng {u, v, w} độc
lập tuyến tính khi và chỉ khi {u+v, v+w, w+u} cũng độc lập tuyến tính.
55
Bài 10. Chứng minh rằng hệ S = {x1, x2, x3} là cơ sở của 3 và tìm toạ độ của vectơ x đối
với cơ sở S, biết rằng:
a) x1 = (1,1,1), x2= (1,1,2), x3= (1,2,3), x = (3,4,5).
b) x1 = (1,-1,0), x2= (1,0,-1), x3= (2,0,0), x = (3,4,5).
c) x1 = (2,1,-3), x2= (3,2,-5), x3= (1,-1,1), x = (3,4,5).
d) x1 = (3,3,3), x2= (2,2,0), x3= (1,0,0), x = (3,4,5).
a b
Bài 17. Trong không gian M2( ), gọi A là tập các ma trận dạng và B là tập các
c 0
0 x
ma trận dạng .
x y
a) Chứng minh rằng A, B là các không gian con của M2( ).
b) Xác định các không gian A+B và A B. Suy ra số chiều của chúng.
Bài 18. Cho V là K-không gian vectơ n chiều. Giả sử V1, V2 là các không gian con của V
thoả dimV1 = n-1, dimV2 = n-2. Hỏi không gian V1 V2 có số chiều như thế nào?
56
Bài 19. Cho V1 V2 là các không gian con của K-không gian vectơ V. Chứng minh rằng
dimV1 dimV2. Dấu đẳng thức xảy ra khi và chỉ khi V1 = V2. Khẳng định đó còn đúng
không nếu V1, V2 là các không gian con bất kỳ của V?
Bài 21. Cho W là không gian con của 4 được sinh ra bởi các vectơ sau:
x1 = (1, 2, 2, 1), x2 = (0, 2, 0, 1), x3 = (-2, 0, -4, 3).
a) Chứng minh rằng hệ S = {x1, x2, x3} là cơ sở của W.
b) Tìm điều kiện a, b, c, d sao cho vectơ x = (a, b, c, d) W. Với điều kiện này, tìm
toạ độ của x đối với cơ sở S.
c) Chứng minh hệ P = {(1, 0, 2, 0), (0, 2, 0, 1), (0, 0, 0, 3)} cũng là cơ sở của W.
d) Tìm ma trận chuyển cơ sở từ S sang P.
Bài 22. Tìm hạng của hệ vectơ sau trong không gian 4 :
a) {(1,2,0,1), (1,1,1,0), (1,0,1,0), (1,3,0,1)}.
b) {(1,1,1,1), (1,3,1,3), (1,2,0,2), (1,2,1,2), (3,1,3,1)}.
Bài 24. Trong - không gian vectơ 4 , cho các vectơ x1 = (1, 1, 2, 4), x2 = (2, -1, -5, 2),
x3 = (1, -2, 4, 0), x4 = (2, 1, 1, 6). Chứng minh rằng hệ {x1, x2, x3, x4} là phụ thuộc tuyến
tính. Tìm cơ sở và số chiều của không gian con sinh bởi hệ {x1, x2, x3, x4}.
Bài 25. Trong - không gian vectơ 4 , cho các vectơ x1 = (2, 2, 1, 3), x2 = (7, 5, 5, 5),
x3 = (3, 2, 2, 1), x4 = (2, 1, 2, 1). Gọi W là không gian con sinh bởi hệ {x1, x2, x3, x4}.
a) Tìm k để vectơ x = (6+k, 1+k, k-1, 2+k) W.
b) Với k vừa tìm, hãy biểu diễn x qua hệ {x1, x2, x3, x4}.
4
Bài 26. Trong không gian , cho các không gian con sau:
x1 x 2 2 x 3 2 x 4 0
A = ( x1 , x 2 , x 3 , x 4 ) ,
2 x1 2 x 2 x 3 x 4 0
B = <(1,2,1,0), (2,-1,0,1), (-1,1,1,1), (1,1,1,1)>.
Tìm cơ sở và số chiều của các không gian A + B, A B.
57
CHƢƠNG 3. NH XẠ TUYẾN TÍNH
§1. ĐỊNH NGHĨA VÀ C C TÍNH CHẤT CỦA NH XẠ
TUYẾN TÍNH
1.1 Định nghĩa. Giả sử V và V’ là hai không gian vetơ trên trường K. Ánh xạ f :V V’
được gọi là ánh xạ tuyến tính từ không gian vetơ V vào không gian V’ nếu f thỏa mãn các
điều kiện sau:
(i) f(x+y) = f(x) + f(y), với mọi x, y thuộc V.
(ii) f(ax) = af(x), với mọi a thuộc K và mọi x thuộc V.
Ánh xạ tuyến tính f : V V gọi là một toán tử tuyến tính hay một phép biến đổi
tuyến tính. Ánh xạ tuyến tính f : V K được gọi là một phiếm hàm tuyến tính.
Một ánh xạ tuyến tính f :V V’ còn được gọi là đồng cấu tuyến tính từ không gian
vectơ V vào không gian vectơ V’. Đồng cấu f : V V gọi là một tự đồng cấu. Nếu đồng
cấu f : V V’ là một đơn ánh (toàn ánh, song ánh) thì f được gọi là một đơn cấu (toàn
cấu, đẳng cấu). Đẳng cấu tuyến tính f : V V còn gọi là một tự đẳng cấu.
1.2 Các ví dụ.
(1) Giả sử V và V’ là các không gian vectơ trên K. Ánh xạ
f : V V’
x
là một ánh xạ tuyến tính và được gọi là đồng cấu không.
(2) Giả sử A là một không gian con của không gian vectơ V trên K. Ánh xạ
iA: A V
x x
là một đơn cấu và gọi là phép nhúng chính tắc từ không gian con A vào V.
(4) Giả sử A là một không gian con của không gian vectơ V trên K, ánh xạ
pA : V V/A
x x+A
58
là một ánh xạ tuyến tính. Ánh xạ tuyến tính pA được gọi là phép chiếu tự nhiên hay phép
chiếu chính tắc của V vào V/A. Rõ ràng pA là một toàn cấu từ không gian vectơ V vào
không gian thương V/A.
(5) Cho K[x] là không gian vectơ các đa thức một ẩn x trên trường K . Ánh xạ
x
: K[x] K[x] xác định bởi (f)= f (t )dt
0
là một toán tử tuyến tính trong K[x].
1.4 Mệnh đề. Giả sử f : V V’ là ánh xạ tuyến tính và S = {x1, x2, ..., xn} là một hệ vectơ
phụ thuộc tuyến tính trong V. Khi đó hệ vectơ f(S) ={f(x1), f(x2), .., f(xn)} phụ thuộc tuyến
tính trong V’.
Chứng minh. Vì S phụ thuộc tuyến tính nên có ít nhất một vectơ của hệ S biểu thị tuyến
tính qua các vectơ còn lại. Không mất tính tổng quát, giả sử
xn = a1x1 + a2x2 + ...+ an-1xn-1 với ai thuộc K, i = 1, 2, …, n-1
Khi đó f(xn) = a1 f(x1) + a2 f(x2) + ...+ an-1 f(xn-1), hay f(xn) f(S) biểu thị tuyến tính được
qua các vectơ còn lại của hệ f(S). Vậy hệ f(S) phụ thuộc tuyến tính.
59
1.5 Chú ý. Có thể phát biểu lại Mệnh đề 1.4 như sau:
Ánh xạ f : V V’ là một ánh xạ tuyến tính và S = {x1, x2, …, xn} là một hệ vectơ
trong V. Nếu hệ f(S) ={f(x1), f(x2), … , f(xn)} độc lập tuyến tính trong V’ thì S độc lập
tuyến tính trong V.
Từ kết quả trên ta suy ra r(S) r[f(S)].
n n
k1 ( ai xi' ) k2 ( bi xi' ) k1 f ( x) k2 f ( y ) .
i 1 i 1
Bây giờ ta chỉ còn chứng minh tính duy nhất của f. Giả sử ta có ánh xạ tuyến tính
n
g: Vn V’ sao cho g(xi) = xi', với mọi i = 1, 2…, n. Khi đó với mọi x = ai xi Vn ta có
i 1
n n n
g (x ) g ( ai x i ) ai g (x i ) ai x i' f (x ) . Vậy g = f hay f là duy nhất.
i 1 i 1 i 1
60
§2. ẢNH VÀ HẠT NHÂN CỦA NH XẠ TUYẾN TÍNH
2.1 Định lý. Giả sử f : V V’ là một ánh xạ tuyến tính từ không gian vectơ V vào không
gian vectơ V’ trên K và A là một không gian con của V. Khi đó:
(i) f(A) ={f(x) | x A} là một không gian con của V’.
(ii) dim A dim f(A).
Chứng minh. (i) Ta có f() = f(A) hay f(A) . Giả sử x', y' f(A), khi đó tồn tại
x A và y A sao cho x' = f(x), y' = f(y). Suy ra x'+y' = f(x) + f(y) = f(x+y) thuộc f(A) (do
A là không gian con của V, nên x+y A). Với mọi a K, ta có ax' = af(x) = f(a) thuộc
f(A), vì ax A. Vậy ta được f(A) là một không gian vectơ con của V’.
(ii) Gọi {x1', x2', …, xr'} là một cơ sở của f(A). Khi đó tồn tại x1, x2, … , xr thuộc A
sao cho x1' = f(x1), x2' = f(x2), ... , xr = f(xr). Vì hệ {f(x1), f(x2), ..., f(xr)} độc lập tuyến tính
trong f(A) V’, nên hệ {x1, x2, ... , xr} độc lập tuyến tính trong không gian vectơ A V.
Vì vậy dim A r = dim f(A).
2.2 Hệ quả. Nếu f : V V’ là ánh xạ tuyến tính thì f(V) là một không gian con của V’ và
dim V dim f(V).
2.3 Định nghĩa. Giả sử f : V V’ là một ánh xạ tuyến tính. Ta gọi f(V) là ảnh của ánh xạ
tuyến tính f và ký hiệu là Imf.
Như vậy Imf = {f(x) | x V} là một không gian con của V’.
2.4 Định lý. Giả sử f : V V’ là một ánh xạ tuyến tính và A' là không gian con của V’.
Khi đó f -1(A') = { x V | f(x) A'} là một không gian con của V.
Chứng minh. Ta có f -1(A'), vì f() = A' hay f -1(A') . Giả sử x, y f -1(A') thế
thì f(x) A' và f(y) A', do đó f(x+y) = f(x) + f(y) A', nên x + y f -1(A'). Mặt khác
f(ax) = af(x) A' nên ax f -1(A'). Vậy ta có được điều phải chứng minh.
2.6 Định nghĩa. Giả sử f : V V’ là một ánh xạ tuyến tính. Ta gọi f -1() là hạt nhân của
ánh xạ tuyến tính f và ký hiệu là Kerf.
Như vậy Kerf = { x V | f(x) = } là một không gian con của V.
2.7 Định lý. Cho f :V V’ là một ánh xạ tuyến tính, khi đó:
(i) f là một toàn cấu khi và chỉ khi Imf = V’.
61
(ii) f là một đơn cấu khi và chỉ khi Kerf ={}.
Chứng minh (i) Hiển nhiên.
(ii) Giả sử f là đơn cấu và x Kerf. Khi đó f(x) = = f(), do f là đơn ánh nên
x = . Vì thế Kerf ={}. Ngược lại nếu Kerf ={} và x, y V sao cho f(x) = f(y) thế thì
f(x)-f(y)= , hay f(x-y) = , suy ra x-y Kerf. Do đó x-y = hay x = y. Vậy f là đơn cấu.
2.8 Định nghĩa. Giả sử f : V V’ là một ánh xạ tuyến tính. Ta gọi hạng của ánh xạ tuyến
tính f là số chiều của không gian con Imf của V’, ký hiệu rank(f) hoặc r(f). Như vậy ta có
rank(f) = dim(Imf).
Ta gọi số khuyết của ánh xạ tuyến tính f là số chiều của không gian con Kerf của V,
ký hiệu def(f). Như vậy ta có def(f)=dim(Kerf).
2.9 Định lý. Nếu f : V V’ là ánh xạ tuyến tính thì dim(Kerf) + dim(Imf) = dimV.
Chứng minh. Giả sử {e1, e2, . . ., em} là một cơ sở của Kerf và {x'1, x'2 ,. . .,x'r} là cơ sở
của Imf. Khi đó tồn tại xi V sao cho f(xi) = x'i, i =1,2, . . ., r. Đặt S = {e1,. . ., em, x1,...,xr}.
Ta sẽ chứng minh rằng hệ vectơ S là một cơ sở của không gian vectơ V. Thật vậy, giả sử
a1e1 + a2e2 +. . .+ amem + b1x1 + b2x2 +. . .+ brxr = với ai, bj thuộc K. Khi đó ta nhận được
f(a1e1 +…+ amem + b1x1 + … + brxr) = f(). Hay a1f(e1)+…+amf(em)+b1f(x1)+…+brf(xr) = .
Vì ejKerf nên f(ej) = , j = 1, 2, …, m. Do đó b1f(x1)+…+brf(xr)= hay b1x'1+…+brx'r = .
Vì hệ {x'1,. . .,x'r} là một cơ sở nên ta suy ra b1 =. . . = br = 0. Khi đó a1e1+ ...+ amem = , vì
{e1,. . .,em} là cơ sở của Kerf nên a1 = . . . = am = 0. Vậy hệ S độc lập tuyến tính.
Giả sử x là một vectơ tuỳ ý của V. Khi đó f(x) Imf nên tồn tại c1,. . ., cr K sao
cho f(x) = c1x'1+…+crx'r = c1f(x1)+. . .+crf(xr) = f(c1x1+…+crxr). Nên f(x-(c1x1+…+crxr)) =
hay x - (c1x1 +. . .+ crxr) Kerf. Do đó luôn luôn tồn tại các số k1, k2, . . ., km K sao cho
x-(c1x1+ . . .+crxr) = k1e1 +…+ kmem hay x = k1e1 +. . .+ kmem+c1x1+. . .+crxr. Suy ra S là
một hệ sinh của V. Vậy S là một cơ sở của V, do đó dimV = m+r = dimKerf + dimImf.
2.10 Chú ý. Một cách chứng minh khác của Định lý 2.9 đuợc trình bày ở §3.
62
§3. SỰ ĐẲNG CẤU CỦA C C KH NG GIAN VECTƠ
3.1 Định nghĩa. Hai không gian vectơ V và V’ trên K được gọi là đẳng cấu với nhau nếu
có một đẳng cấu f từ V vào V’. Ký hiệu V V’.
3.2 Định lý. Giả sử f : V V’ là một đẳng cấu và S là một hệ vectơ trong V và tập
f(S) = {f(x) | x S} là ảnh của tập S qua ánh xạ tuyến tính f. Khi đó:
(i) S là hệ sinh của V khi và chỉ khi f(S) là hệ sinh của V’.
(ii) S độc lập tuyến tính trong V khi và chỉ khi f(S) độc lập tuyến tính trong V’.
(iii) S là một cơ sở của V khi và chỉ khi f(S) là một cơ sở của V’.
Chứng minh Ở đây ta chỉ xét S = {x1, x2, . . ., xn} là một hệ hữu hạn các véc tơ thuộc V,
khi đó f(S) = {f(x1), f(x2),. . ., f(xn)}.
(i) Giả sử S là hệ sinh của V. Lấy véc tơ tùy ý x' V', do f là toàn ánh nên tồn tại
x V sao cho x' = f(x). Vì S là hệ sinh của V nên tồn tại a1, a2, ..., an thuộc K sao cho
x = a1x1 + a2x2 +…+ anxn. Khi đó f(x) = f(a1x1+a2x2+…+anxn) = a1f(x1)+a2f(x2)+…+ anf(xn),
suy ra f(S) là hệ sinh của V'. Ngược lại, giả sử f (S) là hệ sinh của V’. Lấy vectơ tùy ý
x V, khi đó tồn tại a1, a2, . . ., an K sao cho f(x) = a1f(x1) + a2f(x2) +. . .+ anf(xn), hay
f(x) = f(a1x1+a2x2+…+anxn).Vì f là đơn ánh nên x = a1x1 +. . .+anxn.Vậy S là hệ sinh của V.
(ii) Giả sử hệ S độc lập tuyến tính trong V và a1f(x1)+a2f(x2)+. . .+anf(xn) = . Khi đó
f(a1x1 + a2x2 +. . .+anxn) = f(), suy ra a1x1 + a2x2+. . .+anxn = do f là đơn ánh. Vì S độc lập
tuyến tính nên a1 = a2 = . . . = an = 0. Vậy hê f(S) độc lập tuyến tính trong V’. Ngược lại
nếu f(S) độc lập tuyến tính trong V’, theo Mệnh đề 1.4 ta có S độc lập tuyến tính trong V.
(iii) Suy ra từ (i) và (ii).
3.3 Định lý. Giả sử f : V V’ là một ánh xạ tuyến tính và S là một cơ sở của V . Khi đó
nếu f(S) là một cơ sở của V’ thì f là một đẳng cấu.
Chứng minh. Giả sử S = {x1, x2, ... , xn} là một cơ sở trong không gian V. Lấy một véctơ
tùy ý x Kerf. Khi đó ta được x = a1x1 + a2x2 +...+ anxn với a1, a2, ..., an thuộc K và lúc đó
f(x) = a1f(x1) + a2f(x2) + . . .+ anf(xn) = . Vì f(S) là một cơ sở nên a1 = a2 = ...= an= 0, suy
ra x = hay Kerf = {}. Nên f là một đơn cấu.
Với vectơ x' V’, tồn tại b1, b2,…, bn K sao cho x' = b1f(x1)+b2f(x2)+. . .+bnf(xn)
hay x' = f(b1x1 + b2x2 +. . .+bnxn) = f(x), với x = b1x1+ b2x2 + ... + bnxn V, suy ra f là toàn
ánh. Vậy f là một đẳng cấu.
3.4 Hệ quả. Giả sử V và V’ là các không gian vectơ trên K. Khi đó V V’ khi và chỉ khi
dimV = dimV’.
Chứng minh. Suy ra từ các Định lý 3.2, 3.3 và 1.6.
3.5 Hệ quả. Giả sử f : Vn Vn là phép biến đổi tuyến tính của không gian vectơ n chiều
Vn trên K. Khi đó các khẳng định sau là tương đương:
(i) f là đơn cấu.
(ii) f là toàn cấu.
63
(iii) f là đẳng cấu.
Chứng minh. Xem như bài tập.
3.6 Định lý. Giả sử f : V V’ là một ánh xạ tuyến tính và A Kerf là một không gian con
của V. Khi đó tồn tại duy nhất một ánh xạ tuyến tính f : V / A V ' sao cho biểu đồ sau
giao hoán:
f
V V’
pA
V/A
tức là f .PA f , trong đó pA là phép chiếu chính tắc từ V vào không gian thương V/A.
Ngoài ra Ker f = {a+A | x Kerf} và Im f = Imf.
Chứng minh. Định nghĩa ánh xạ f :V / A V '
x +A f(x)
Định nghĩa này xác định đúng đắn. Thật vậy, nếu x + A = y + A thì x - y A Kerf, do
đó f(x - y) = hay f(x) = f(y). Với mọi x = x+A, y = y+A thuộc V/A và với mọi a, b K
Khi đó ta có:
(i) Tập N tất cả các nghiệm của hệ (I) là không gian con của không gian vectơ Kn.
64
(ii) dimN = n - r, trong đó r là hạng của ma trận hệ số của hệ (I).
Chứng minh. (i) Xem như bài tập.
(ii) Gọi (aij)mxn là ma trận hệ số của hệ (I) và S ={1, 2, ..., n} là hệ vectơ cột của
A, tức là j = (a1j, ..., amj ) Km, j =1, 2, …, n. Khi đó L(S) là không gian con của không
gian vectơ Km và dimL(S) = r(S) = r(A) = r.
Xét ánh xạ f : Kn Km
(b1, b2, ..., bn) b11+... +bnn
Dễ thấy f là một ánh xạ tuyến tính. Mặt khác, ta có:
Kerf ={(c1, c2, ..., cn) Kn | c11+ ... +cnn = 0} = N
Imf={y Km | y = b11 + ... + bnn , bj K} = L(S)
Vậy Kn /Kerf Imf hay Kn/N L(S). Do đó dimN = dimKn - dimL(S) = n - r.
3.11 Định lý (định lý đẳng cấu thứ nhất). Giả sử A và B là các không gian con của
không gian vectơ V trên K. Khi đó AB là không gian con của A và A/(AB) (A+B)/B.
Chứng minh. Xét phép nhúng iA:A A+B và phép chiếu tự nhiên p:A+B (A+B)/B. Khi
đó tích f = p.iA : A (A+B)/B xác định bởi f(x) = x+B, với mọi x thuộc A là một ánh xạ
tuyến tính. Hơn nữa f là một toàn cấu, thật vậy giả sử (x+y)+B (A+B)/B, với x A, y B
thì (x+y)+B=x+A=f(x). Và Kerf ={x A | f(x)= }={x A | x+B=B}={x A | x B}=AB.
Vậy ta được AB là không gian con của A và A/(AB) (A+B)/B.
Hệ quả. Giả sử A và B là các không gian con của không gian vectơ V trên K. Khi đó
dim(A+B) = dimA + dimB - dim(A B).
3.12 Định lý (định lý đẳng cấu thứ hai). Cho A, B là các không gian con của không gian
vectơ V trên K thỏa A B. Khi đó B/A là không gian con của V/A và (V/A)/(B/A) V/B.
Chứng minh. Định nghĩa ánh xạ
f : V/A V/B
x+A x+B
Định nghĩa này được xác định đúng đắn. Thật vậy, giả sử x+A = y+A thế thì x-y A B,
do đó x+B = y+B. Dễ thấy f là một toàn cấu. Mặt khác ta có:
Kerf = {x+A V/A | f(x+A) = } = {x+A V/A | x+B = B}
={x+A V/A | x B} = B/A.
Vậy B/A là không gian con của V/A và (V/A)/(B/A) V/B.
3.13 Định lý. Giả sử V là không gian vectơ trên K và A là không gian con của V thỏa mãn
V = V1 V2 và A = A1 A2. Khi đó V/A (V1/A1) (V2/A2)
Chứng minh. Xem như bài tập.
65
§4. KH NG GIAN ĐỐI NGẪU
4.1 Định nghĩa. Giả sử V và V’ là các không gian vectơ trên K. Ký hiệu Hom(V, V’) là tập
hợp tất cả các ánh xạ tuyến tính từ V vào V’.
Giả sử f, g Hom(V, V’). Ta định nghĩa tổng f+g là một ánh xạ được xác định bởi
công thức (f+g)(x) = f(x) + g(x) với mọi x V. Với a K, ta định nghĩa tích af là ánh xạ
xác định bởi công thức (af)(x) = af(x) với mọi x V.
Dễ dàng kiểm tra rằng tổng f+g và tích af là các ánh xạ tuyến tính từ không gian
vectơ V vào không gian vectơ V’.
4.2 Định lý. Tập hợp Hom(V, V’) cùng với hai phép toán được định nghĩa ở trên là một
không gian vectơ trên K.
Chứng minh. Xem như bài tập.
4.3 Định lý. Giả sử V và V’ là các không gian vectơ V trên K và dimV = m, dimV’ = n. Khi
đó dim Hom(V, V’) = m.n.
Chứng minh. Giả sử {x1, x2, ..., xm} là cơ sở của V và {x1', x2', ..., xn' } là cơ sở của V’. Khi
đó với mọi x V, tồn tại a1, a2,...,am K sao cho x = a1x1+….+ amxm. Định nghĩa ánh xạ:
fij : V V’
m
x = ai xi aixj/
i 1
với i = 1, 2,…., m; j = 1, 2,…, n. Rõ ràng fij là một ánh xạ tuyến tính. Ngoài ra ta có
x /j ; k = i
fij(xk) = (k =1, 2, …, m).
0 ; k i
Ta chứng minh tập S = {fij | i = 1, 2, ..., m; j = 1, 2, ..., n} gồm m.n vectơ của không gian
m
vectơ Hom(V, V’) là một cơ sở của nó. Giả sử f Hom(V, V’) và x= ai x i V. Ta có
i 1
m m n
f(x) = f ( ai x i ) ai f (x i ) , tồn tại bi1, bi2, ... ,bin K sao cho f(xi) = b ij x 'j , i =1,..., m .
i 1 i 1 j 1
m n m n m n m n
Khi đó f(x) = a ( b
i 1
i
i 1
ij x 'j ) bij (ai x /j ) bij f ij ( x) = ( bij f ij )( x)
j 1 i 1 j 1 i 1 j 1 i 1
x /j ; k = i
mọi cij K, i = 1, 2, ..., m; j = 1, 2, ..., n. Vì fij (xk) = (k = 1, 2, ..., m) nên ta
0 ; k i
m
được ( c ij f ij )( x k ) c ij f ij ( x k ) c kj x 'j . Vì hệ {x’1, x’2,..., xn’} độc lập tuyến
i j j i j 1
tính nên ta có ck1 = ck2 = . . . . = ckn = 0 với k = 1, 2, ..., m. Suy ra hệ S độc lập tuyến tính.
Vậy S là một cơ sở của Hom(V, V’) và dim Hom(V, V’) = mn.
66
4.4 Hệ quả. Nếu V là không gian vectơ n chiều trên K thì dimHom(V, V) = n2.
4.5 Định nghĩa. Giả sử V là không gian vectơ trên K. Ta gọi không gian vectơ Hom(V, K)
là không gian đối ngẫu của V, ký hiệu V*. Như vậy không gian đối ngẫu Hom(V, K) là
không gian các phiếm hàm tuyến tính f : V K.
4.6 Hệ quả. Nếu V là không gian véctơ n chiều trên K thì dim Hom(V, K) = n.
Chú ý. Giả sử S = {x1, x2,..., xn} là cơ sở của không gian véc tơ V trên K, xét các phiếm
hàm tuyến tính x*i : V K xác định bởi công thức
1 ; i = j
x*i (xj) =
0 ; i j
với i = 1, 2,..., n. Khi đó hệ S* = { x*1, x*2, ..., x*n} V* là một cơ sở của V* và gọi là cơ sở
đối ngẫu với cơ sở S.
4.7 Định nghĩa. Giả sử M là một tập con khác rỗng của không gian vectơ V trên K. Ta gọi
linh hoá tử của M, ký hiệu Mo (hay AnnM), là tập hợp
Mo = { f V* | f(x) = 0 với mọi x M }.
Dễ dàng chứng minh được Mo là một không gian con của V*.
4.8 Định lý. Nếu A là không gian con của không gian vectơ hữu hạn chiều V trên K thì
dimAo = dimV - dimA.
Chứng minh. Giả sử {x1, ..., xk} là một cơ sở của A. Ta có thể bổ sung vào cơ sở này để
thành cơ sở S = {x1, x2,…, xk, u1, u2,..., un-k} của V. Gọi hệ S* = {x*1,...,x*k, u*1,...,u*n-k} V*
là cơ sở đối ngẫu với cơ sở S. Ta sẽ chứng minh rằng tập So ={u*1,...,u*n-k} là một cơ sở
của Ao. Vì S* độc lập tuyến tính nên So cũng độc lập tuyến tính. Giả sử fAo, thế thì f V*
do đó f = a1x*1+a2x*2+. . .+akx*k+b1u1*+. . .+bn-kun-k*. Vì f(x) = với mọi x A, nên với
mọi i = 1, 2, ..., k ta được = f(xi) = (a1x*1+a2x*2+...+akx*k+b1u1*+...+bn-kun-k*)(xi) = ai. Khi
đó f = b1u*1 + . . .+ bn-ku*n-k. Suy ra So là hệ sinh của Ao. Vậy So là một hệ cơ sở của Ao và
dimAo = n - k = dimV - dimA.
4.9 Hệ quả. Nếu A là không gian con của không gian vectơ V hữu hạn chiều trên trường K
thì Ao V/A.
Chứng minh. Xem như bài tập.
4.10 Định lý. Giả sử A và B là các không gian con của không gian vectơ V trên trường K
và V = A B. Khi đó
(i) A* Bo và Ao B*.
(ii) V* = Ao Bo.
Chứng minh. (i) Định nghĩa ánh xạ
: Bo A*
f f |A
Rõ ràng định nghĩa này xác định đúng đắn và là ánh xạ tuyến tính. Giả sử f Ker , khi
đó (f) = f |A = , hay f(A) = . Vì f Bo nên f(B) = . Suy ra với mọi x = xA+xB V, ta
có f(x) = f(xA+xB) = . Từ đó f = hay Ker = . Nên là đơn cấu. Giả sử g A*, xét
ánh xạ f : V K xác định bởi công thức f(xA+xB) = g(xA), với mọi x = xA+xB V. Hiển
nhiên f là ánh xạ tuyến tính và với xB B ta có f(xB) = f( +xB) = g( ) = , nên f(B) =
hay f Bo. Ngoài ra (f) = f |A = g, do đó là toàn cấu. Vậy là một đẳng cấu và Bo A*.
Từ đó Ao B*, do tính đối xứng V = A B = B A.
67
(ii) Giả sử f V*. Với mỗi phần tử x V = AB đều biểu thị duy nhất dưới dạng
x = xA + xB với xA A, xB B. Định nghĩa các ánh xạ g và h từ V vào K xác định bởi:
g(xA+xB) = f(xB) và h(xA+xB) = f(xA).
Rõ ràng định nghĩa này được xác định đúng đắn và chúng là các ánh xạ tuyến tính. Hơn
nữa g(A) = , h(B) = . Do đó f A0 và h B0. Với mọi x = xA+ xB V*, ta có:
f(x) = f(xA+ xB) = f(xA) + f(xB) = h(xA+ xB) + g(xA+xB) = (g+h)(xA+ xB) = (g+h)(x).
Suy ra f = g+h. Do đó V* = Ao+B0.
Giả sử f A0 B0 , khi đó f(A)= , f ( B) . Vì V = A B nên suy ra f = và
AO B O . Vậy V = A B .
* o 0
4.11 Chú ý. Trong trường hợp V là không gian hữu hạn chiều trên K, thì ta có thể sử dụng
Hệ quả 3.4 và Định lý 4.8 để chứng minh Định lý 4.10.
4.12 Định nghĩa. Giả sử V và W là các không gian vectơ trên K và Hom(V, W). Ánh
xạ *: W* V* được xác định *(f) = f. được gọi là một toán tử liên hợp của .
Như vậy từ : V W và f : W K là các ánh xạ tuyến tính, ta có tích
f : V K là một phiếm hàm tuyến tính V . Khi đó * (f (x)) f ((x)) , với mọi x thuộc V.
*
Ta dễ dàng chứng minh được Hom(V, W) thì * Hom(W*, V*) , nghĩa là nếu
: V W là một ánh xạ tuyến tính không gian V vào không gian W thì *: W* V* cũng
là một ánh xạ tuyến tính từ không gian đối ngẫu W* vào không gian đối ngẫu V*.
4.13 Định lí. Giả sử Hom(V, W). Khi đó
(i) Im * (Ker )0.
(ii) Ker * = (Im )o.
Chứng minh. (i) Giả sử h Im *, khi đó tồn tại f W* sao cho h = (f) = f . Với mọi
x Ker , ta có h(x) = f( (x)) = f( ) = , suy ra h(Ker ) = { } hay h (Ker )0. Vậy
Im * (Ker )0.
(ii) Ta có f Ker * khi và chỉ khi *(f)= .f = , tức là với mọi x thuộc V ta có
f( (x)) = , hay f (Im )o. Vậy Ker * = (Im )0.
4.14 Định lý. Giả sử , Hom(V, W) và a K. Khi đó
(i) ( + )* * * .
(ii) (a )* = a *.
Chứng minh. (i) Với f W*, có ( + )*(f)=f( + ); ( *+ *)(f)= *(f)+ *(f)=f + f .
Với mọi x V, ta có f( + )(x) = f[( + )(x)] = f( (x)+ (x)) = f( (x)) + f( (x))
= f (x) + f (x) = (f + f )(x). Suy ra f( + ) = f + f . Do đó
( + )* (f) = ( * + * ) (f), với mọi f V*.
Vậy ( + )* = * + * .
(ii) Chứng minh tượng tự ta cũng có (a )* = a *, với mọi a K.
68
§5. MA TRẬN CỦA NH XẠ TUYẾN TÍNH
5.1 Định nghĩa. Giả sử f : Vn Vm là một ánh xạ tuyến tính từ không gian véctơ n chiều
Vn trên K vào không gian véctơ m chiều Vm trên K, gọi S = {x1, x2, …, xn} là cơ sở của Vn
và S’ = {x1’, x2’, … , xm’} là cơ sở của Vm.
Giả sử ảnh của cơ sở S được biểu diễn qua cơ sở S’ là:
f(x1) = a11x1’ + a21x2’ + . . . + am1xm’
f(x2) = a12x1’ + a22x2’ + . . . + am2xm’
...... .........
f(xn) = a1nx1’ + a2nx2’ + . . . + amnxm’
a11 a12 a1n
a a 22 a 2 n
Khi đó, ma trận A = 21 được gọi là ma trận của ánh xạ tuyến tính f đối
a m1 am2 a mn
với cặp cơ sở S và S’.
Nếu f : Vn Vn là toán tử tuyến tính của không gian véctơ n chiều Vn thì ta qui ước
chọn S = S’. Khi đó A = (aij) là một ma trận vuông cấp n và được gọi là ma trận của toán
tử tuyến tính f (hay phép biến đổi tuyến tính f ) đối với cơ sở S.
5.3 Định lý. Giả sử S = {x1, x2, … , xn} là một cơ sở không gian véctơ Vn trên trường K
và S’ = {x1’, x2’, … , xm’} là một cơ sở của Vm trên K. Ma trận A = (aij)mxn là một ma trận
cấp m x n trên K. Khi đó tồn tại duy nhất một ánh xạ tuyến tính f : Vn Vm sao cho ma
trận f đối với cặp cơ sở S và S’ là ma trận A.
Chứng minh. Trong không gian vectơ Vm chọn n véctơ y1, y2, ..., yn sao cho
69
y1 = a11x1’ + a21x2’ + . . . + am1xm’
y2 = a12x1’ + a22x2’ + . . . + am2xm’
...... .......... ..
yn = a1nx1’ + a2nx2’ + . . . + amnxm’
Khi đó theo Định lý 1.6, tồn tại duy nhất ánh xạ tuyến tính f : Vn Vm thỏa mãn
f(xj) = yj với j = 1, 2, …, n. Rõ ràng ma trận của f đối với cặp cơ sở S và S’ là ma trận A.
5.4 Hệ quả. Giả sử Vn và Vm là các không gian véctơ trên K với cơ sở tương ứng là S và
S’. Khi đó ánh xạ : Hom(Vn, Vm) Mm,n(K) xác định bởi (f) = Af, trong đó Af là ma
trận của ánh xạ tuyến tính f : Vn Vm đối với cặp cơ sở S và S’ là một đẳng cấu. Hơn nữa
dim Hom(Vn, Vm) = dimMm,n(K) = mn.
Chứng minh. Xem như bài tập.
5.5 Định lý. Phép biến đổi tuyến tính f : Vn Vn của không gian vectơ n chiều Vn trên K là
một đẳng cấu khi và chỉ khi ma trận của f đối với một cơ sở tùy ý của Vn là một ma trận
không suy biến.
Chứng minh. Giả sử S = {x1, x2, … , xn} là một cơ sở Vn. Khi đó f là một tự đẳng cấu của
Vn khi và chỉ khi hệ véctơ f(S) = {f(x1), f(x2), … , f(xn)} là một cơ sở của Vn hay hệ f(S) là
độc lập tuyến tính. Điều đó tương đương với ma trận của f đối với cơ sở S là một ma trận
không suy biến.
5.6 Tọa độ ảnh của một véctơ qua một ánh xạ tuyến tính.
Giả sử f : Vn Vm là một ánh xạ tuyến tính và A = (aij)mxn là một ma trận của ánh
xạ f đối với cơ sở S = {x1, x2, …, xn} và S’ = {x1’, x2’, …, xm’} trong Vn và Vm. Giả sử x Vn
có tọa độ đối với cơ sở S là (b1, b2, … , bn). Ta tìm tọa độ của véctơ f(x) đối với cơ sở S’.
Ta có x = b1x1 + b2x2 + . . . + bnxn, suy ra:
f(x) = b1f(x1) + b2f(x2) + … + bnf(xn)
= b1(a11x1’ + a21x2’ + … + am1xm’)+ … + bn(a1nx1’ + … + amnxm’)
= (a11b1 + a12b2 + … + a1nbn)x1’+…+ (am1b1+…+ amnbn)xm’.
Gọi (b1’, b2’, . . ., bm’) là tọa độ của f(x) đối với cơ sở S’, thì
b1’ = a11b1 + a12b2 + . . . +a1nbn
b1’ = a21b1 + a22b2 + . . . +a1nbn
. . . . . . . . . . . .. . . .
bm’ = am1b1 + am2b2 + . . . +amnbn
hay [f(x)]S’ = A[x]S, trong đó [f(x)]S’ là ma trận cột tọa độ của các véctơ f(x) đối với cơ sở
S’ và [x]S là ma trận cột tọa độ của vectơ x đối với cơ sở S.
Công thức trên được gọi là biểu thức tọa độ của ánh xạ tuyến tính f đối với cặp cơ
sở S và S’.
70
5.7 Định lý. Giả sử V, V’, V’’ là các không gian véctơ hữu hạn chiều trên K với cơ sở
tương ứng là S = {x1, x2,…, xn}, S/ = {x1’, x2’,…, xm’}, S// = {x1’’, x2’’,…, xp’’} và f : V V’,
g : V ’ V ’’ là các ánh xạ tuyến tính. Khi đó nếu A = (aịj)mxn là ma trận của f đối với cặp
cơ sở S, S’ và B = (bki)pxm là ma trận của g đối với cặp cơ sở S’, S’’ thì BA là ma trận của gf
đối với cặp cơ sở S, S’’ .
m
Chứng minh. Đặt C = BA = (ckj)pxn với ckj bki aij , k =1, 2, …, p, j = 1, 2, …,n. Ta có
i 1
m p
f ( x j ) aij xi' , j=1, 2, …, n và g ( xi' ) bki x k'' , i =1, 2, ..., m. Khi đó ta được
i 1 k 1
m m m p p m p
gf ( x j ) g ( f ( x j )) g ( aij xi/ ) aij g ( xi/ ) = aij bki xk// ( bki aij ) xk// ckj xk// .
i 1 i 1 i 1 k 1 k 1 i 1 k 1
’’
Vậy ma trận của gf đối với cặp cơ sở S, S là ma trận C = BA = (ckj)pxn.
5.8 Hệ quả. Nếu f : Vn Vn’ là một đẳng cấu của các không gian véctơ n chiều trên K và
A là ma trận của f đối với cơ sở S, S’ nào đó của Vn, Vn’ thì f -1 : Vn’ Vn cũng là một đẳng
cấu và ma trận của f đối với cặp cơ sở S’, S là A-1.
Chứng minh. Rõ ràng f -1 là một đẳng cấu. Gọi B là ma trận của f -1 đối với cặp cơ sở S’, S.
Khi đó f -1.f = idV có ma trận đối với S là BA = In. Tương tự f.f -1 = id V có ma trận đối với
n n
/
’ -1
cơ sở S là AB = In. Vậy AB = BA = In hay B = A .
5.9 Chú ý. Ánh xạ đồng nhất id: Vn Vn là một đẳng cấu và có ma trận đối với cơ sở S
của Vn là ma trận đơn vị I.
5.10 Ma trận của một ánh xạ tuyến tính đối với cặp cơ sở khác nhau.
Cho các không gian hữu hạn chiều V và V ’ trên K. Gọi S = {x1, x2, . . . , xn} và
S1 = {y1, y2, . . . , yn} là các cơ sở của không gian V. Gọi hệ S’ = {x1’, x2’, . . . , xm’} và
S1’ = {y1’, y2’, . . . , ym’} là các cơ sở của V ’. Giả sử C là ma trận chuyển từ S sang S1 và D
là ma trận chuyển từ S’ sang S1’.
Nếu f : V V ’ là ánh xạ tuyến tính có ma trận đối với cặp cơ sở S, S’ là A và ma
trận f đối với cặp cơ sở S1 và S1’ là B thì B = D-1AC. Thật vậy, giả sử C = (ckj)mxn,
m m
D = (dpi)mxn, A = (aij)mxn, B = (bij)mxn. Ta có f ( y j ) bij y , y d pi x /p , suy ra '
i
/
i
i 1 i 1
m m m m m
f ( y i ) bij ( d pi x 'p ) ( d pi bij ) x 'p (1). Mặt khác với y j ckj x k suy ra
i 1 i 1 p 1 i 1 k 1
m m
f ( y j ) ckj f ( xk ) , f ( xk ) aik xi/ , với mọi k = 1, 2, ..., n. Từ đó ta có
k 1 i 1
n m m n m n
f ( y j ) a kj ( aik xi/ ) ( aik ckj ) xi/ (2). Từ (1) và (2) có d pi bij aik ckj , trong đó
k 1 i 1 i 1 k 1 i 1 k 1
-1
p = 1, 2, ..., m, j = 1, 2, ..., n. Do đó DB = AC hay B = D AC.
5.11 Hệ quả. Giả sử S và S’ là các cơ sở của không gian vectơ n chiều V trên K, C là ma
trận chuyển từ cơ sở S sang cơ sở S’. Giả sử f : V V là toán tử tuyến tính có ma trận đối
với cơ sở S và S’ tương ứng là A và B. Khi đó B = C-1AC.
Chứng minh. Xem như bài tập.
71
§6. GI TRỊ RIÊNG VÀ VECTƠ RIÊNG
6.1 Định nghĩa. Giả sử f : V V là một toán tử tuyến tính của không gian véctơ V trên K.
Không gian con A của V được gọi là không gian con bất biến đối với toán tử tuyến f nếu
f(x) A với mọi x A.
6.2 Ví dụ.
(1) Không gian { } và không gian véctơ V trên K là các không gian con bất biến
đối với toán tử tuyến tính f : V V.
(2) Mọi không gian con của không gian véctơ V trên K đều bất biến đối với phép
biến đổi đồng nhất idV .
6.3 Định lý. Giả sử f : V V là một toán tử tuyến tính và A = L(x) là không gian con của
V sinh bởi véctơ x thuộc V. Khi đó A là không gian con bất biến đối với toán tử tuyến
tính f khi và chỉ khi f(x) = ax với mọi a K.
Chứng minh. Rõ ràng.
6.4 Định nghĩa. Giả sử f là một toán tử tuyến tính của không gian véctơ V trên K. Một vô
hướng k K được gọi là giá trị riêng của f nếu tồn tại các véctơ khác x thuộc V sao cho
f(x) = kx. Khi đó véctơ x gọi là vectơ riêng của f ứng với giá trị riêng k.
6.5 Mệnh đề. Cho V là không gian vectơ trên V. Khi đó:
(i) Nếu véctơ x V là véctơ riêng của toán tử tuyến tính f của V ứng với giá trị
riêng, thì mọi vectơ ax với a K, a 0 cũng là vectơ riêng của f ứng với giá trị riêng k.
(ii) Tập hợp tất cả các véctơ riêng của toán tử tuyến tính f ứng với cùng một giá trị
riêng k và véctơ không lập thành một không gian con bất biến đối với f. Không gian con này
được gọi là không gian con riêng của f ứng với giá trị riêng k và kí hiệu là E(k). Tức là
E(k) = {x V | f(x) = kx}.
Chứng minh. Suy ra ngay từ định nghĩa.
6.6 Định lý. Giả sử x1, x2,..., xn là các véctơ riêng của toán tử tuyến tính f : V V ứng với
các giá trị riêng phân biệt k1, k2, ..., kn. Khi đó hệ S = {x1, x2,. . . , xn} là độc lập tuyến tính .
Chứng minh. Ta chứng minh định lý bằng qui nạp theo n.
Với n = 1 ta có hệ S = {x1} là độc lập tuyến tính vì x1 0. Giả sử n > 1 và định lý
đúng với n - 1. Ta xét tổ hợp tuyến tính a1x1 + a2x2 +. . . + anxn = (1), ai thuộc K, suy ra
f(a1x1 + a2x2 +. . . + anxn) = f( ) hay a1f(x1) + a2f(x2) +. . . + anf(xn) = 0. Vì xi là véctơ riêng
ứng với giá trị riêng ki nên f(xi) = ki xi, i = 1, 2, …, n. Khi đó:
72
a1k1x1 + a2k2x2 +. . . + anknxn = 0 (2).
Nhân vào hai vế của (1) với -kn rồi cộng vào (2) ta được
a1(k1 – kn)x1 + a2(k2 – kn)x2 +. . . + an(kn-1 – kn)xn-1 = 0.
Theo giả thiết qui nạp hệ {x1 , x2 , . . ., xn-1} độc lập tuyến tính nên ta có
a1(k1 – kn) = a2(k2 – kn) = an-1(kn-1 – kn) = 0
Vì k1, k2, . . ., kn là n giá trị riêng khác nhau nên a1 = a2 = . . .= an-1 = 0. Khi đó (1) trở thành
anxn = , vì xn nên an = 0. Vậy hệ S độc lập tuyến tính.
a n1 an2 a nn k
Với mỗi k tìm được, tập hợp tất cả các nghiệm khác không của hệ phương trình
tuyến tính thuần nhất
(a11 – k)x1 + a12 x2+. . . + a1n xn = 0
a21x1 + (a22 – k)x2+. . . + a2n xn = 0
.............
an1x1 + a12 x2+. . . + (ann –k) xn = 0
là tập các véctơ riêng của f ứng với giá trị riêng k.
6.8 Ví dụ. Tìm giá trị riêng và véctơ riêng của toán tử tuyến tính
f: 3
3
73
Giải. Ma trận của f đối với cơ sở chính tắc của 3
là
2 1 1
A = 1 2 1
1 1 2
6.9.2 Định lý. Ma trận vuông A chéo hóa được khi và chỉ khi A là ma trận của một toán tử
tuyến tính f : V V có hệ véctơ riêng là một cơ sở của V.
Chứng minh. Giả sử A là ma trận vuông cấp n. Khi đó tồn tại một toán tử tuyến tính f của
không gian n chiều Vn sao cho A là ma trận của f đối với một cơ sở E nào đó của Vn. Ma
trận A chéo hóa được khi và chỉ khi tồn tại ma trận không suy biến T sao cho
k1 0 0
0 k 0
B = T -1AT = 2
.
0 0 kn
74
Điều đó xảy ra khi và chỉ khi tồn tại cơ sở E' của Vn sao cho T là ma trận chuyển từ
E sang E' và B là ma trận của f đối với cơ sở E'. Khi đó f(e'i) = kie'i
với mọi vectơ e'i E', i= 1, 2,..., n, tức là mọi vectơ của cơ sở E' đều là véc tơ riêng của f.
6.9.3 Hệ quả. Nếu đa thức đặc trưng của ma trận vuông A cấp n có n nghiệm phân biệt thì
ma trận A chéo hóa được.
Chứng minh. Xem như bài tập.
6.9.4 Định lý. Giả sử k1, k2, ..., kr là các nghiệm của đa thức đặc trưng |A - kI | của ma trận
vuông A cấp n, trong đó mỗi ki có bội là ni, i = 1, ..., r và n1 + n2 +...+ nr = n. Ngoài ra ma
trận A - kiI có hạng bằng n - ni , i = 1, 2,..., r. Khi đó ma trận A chéo hóa được.
Chứng minh. Giả sử f là một toán tử tuyến tính của không gian véctơ n chiều V có ma
trận là A đối với một cơ sở nào đó của V. Với mỗi ki, i = 1, 2,..., r, không gian vectơ Vi các
nghiệm của hệ phương trình tuyến tính thuần nhất (A - kiI)[x] = 0 có số chiều là
dimVi = n - (n - ni) = ni. Vì mỗi nghiệm khác không của hệ này là một vectơ riêng của f
ứng với giá trị riêng ki, nên Vi là không gian con bất biến của V ứng với ki. Giả sử ta có
{ei1, ei2, ..., ein } là một cơ sở của Vi . Khi đó hệ vectơ { e11 , e12 ,..., e1n ,..., e r1,..., e rn } là một
i 1 r
1 3 0
A = 3 2 1 . Hãy chéo hóa ma trận A.
0 1 1
Giải. Ta thấy f có các giá trị riêng là k1 = 1, k2 = 3, k3 = - 4 với các véc tơ riêng tương ứng
là u1 = (a, 0, 3a) = a(1, 0, 3), u2 = (-3b, -2b, b) = b(-3, -2, 1), u3 = (-3c, 5c, c) = c(-3, 5, 1)
75
với a, b, c * . Hệ vectơ riêng {y1 = (1, 0, 3), y2 = (-3, -2, 1), y3 = (-3, 5, 1)}
là độc lập tuyến tính. Khi đó, ta đặt:
1 0 0 1 3 3
B = 0 3 0 và T = 0 2 5
0 0 4 3 1 1
thì ta có B = T -1AT.
76
ÀI TẬP
Bài 1. Xét xem các ánh xạ sau đây có phải là ánh xạ tuyến tính không? Tại sao?
a) f : 3
2
Bài 2. Giả sử f : 2
2
là ánh xạ tuyến tính thoả f(1, 0) = (1, 4), f(1, 2) = (2, 5). Hãy
tính f(3, 7).
Bài 4. Cho ánh xạ f từ không gian 3 đến không gian 3 được xác định như sau:
f(x1, x2, x3) = (x1-x2+x3, x1-x2+3x3, 3x1-3x2+8x3).
a) Chứng minh rằng f là ánh xạ tuyến tính.
b) Tìm điều kiện a, b, c sao cho vectơ x = (a, b, c) Imf. Từ đó tìm hạng của ánh
xạ tuyến tính f.
1 2
Bài 5. Trong - không gian M2() cho ma trận A = và ánh xạ
3 4
f : M2( ) M2( )
X AX
a) Chứng minh rằng f là ánh xạ tuyến tính.
b) Tìm ma trận của f đối với cơ sở của M2( ) sau:
1 0 0 1 0 0 0 0
, , , .
0 0 0 0 1 0 0 1
Bài 6. Cho V = Mn(K) và B V. Chứng minh rằng f(A) = AB-BA (với mọi A thuộc V) là
toán tử tuyến tính trên V.
77
Bài 9. Trong không gian 3
cho hai hệ vectơ như sau:
x1 (1,1,0) y1 (1,1,0)
S1: x 2 (0,1,1) và S2: y 2 (0,1,1) .
x (1,0,1) y (1,0,1)
3 3
a) Chứng minh rằng tồn tại duy nhất một ánh xạ tuyến tính f : 3
3
sao cho
f(xi) = yi, với i = 1, 2, 3.
b) Tìm ma trận của f đối với cơ sở chính tắc của 3 .
c) Tìm ma trận của f đối với cơ sở S1.
1 1
Bài 10. Cho V = M2( ) là - không gian vectơ. Đặt B = và f là toán tử tuyến
3 3
tính trên V được định nghĩa bởi f(A) = BA. Hãy tìm hạng của f và mô tả f 2.
Bài 11. Cho V là K-không gian vectơ và f là tự đồng cấu tuyến tính của V. Chứng minh
rằng V = Imf Kerf khi và chỉ khi f 2 = f.
Bài 12. Cho V là không gian vectơ trên trường K và f : V V là phép biến đổi tuyến tính
trên V thoả f 3 = f. Chứng minh rằng V = Kerf Imf 2.
Bài 13. Cho V là K-không gian vectơ và f : V V là phép biến đổi tuyến tính trên V.
Chứng minh rằng hai điều kiện sau đây là tương đương:
a) Kerf Imf = { }.
b) Nếu f [f(x)] = thì f(x) = , với moi x V.
Bài 14. Chứng minh rằng nếu V = V1 V2 thì V V1 V2, trong đó V, V1, V2 là các K-
không gian vectơ.
Bài 15. Cho V1, V2 là hai K-không gian và A là không gian con của V1. Đặt:
W = {f Hom(V1, V2) | f(A) = 0}
a) Chứng minh rằng W là không gian con của Hom(V1, V2).
b) Chứng minh rằng W Hom(V1/A, V2).
78
Bài 17. Cho phép biến đổi tuyến tính f : 3
3
có ma trận đối với cơ sở {e1, e2, e3} của
không gian vectơ 3 là
1 3 2
A = 0 1 1 .
1 2 3
Tìm một cơ sở cho Imf và một cơ sở cho Kerf.
Bài 20. Cho f, g là các tự đồng cấu tuyến tính trên K-không gian vectơ V thoả các điều
kiện f + g = idV và fg = 0. Chứng minh rằng:
a) f 2 = f và g2 = g.
b) V = Imf Kerf.
Bài 21. Tìm giá trị riêng và chỉ ra một cơ sở của không gian con riêng tương ứng của các
ma trận trên , từ đó suy ra dạng chéo của nó trong trường hợp chéo hoá được:
3 1 1 1 2 2 1 1 0
a) 2 4 2 b) 1 2 1 c) 0 1 0
1 1 3 1 1 4 0 0 1
1 0 0 0
2 1 2 0 1 0 0 0 0 0
d) 5 3 3 e) 4 4 0 f) .
1 0 0 0
1 0 2 2 1 2
0 0 0 1
Bài 22. Chứng minh rằng nếu A, B là các ma trận vuông cùng cấp thì các đa thức đặc
trưng của AB và BA trùng nhau.
Bài 23. Cho A, B Mn( ). Chứng minh rằng nếu (In - AB) khả nghịch thì (In - BA) cũng
khả nghịch và (In - BA)-1 = In + B(In - AB)-1A. Suy ra ma trận AB và BA cùng giá trị riêng.
79
Bài 24. Cho A là ma trận vuông cấp n có đa thức đặc trưng là
f ( x) ( x k1 ) n ( x k 2 ) n ......(x k r ) n
1 2 r
Bài 25. Chứng minh các ma trận sau đây chéo hoá được trên và tìm dạng chéo của nó:
1 3 1 3 4 2 4 5 8
a) 3 5 1 b) 2 4 2 c) 1 4 1
3 3 1 2 1 1 1 1 5
0 2 1 3 0 2 11 2 8
d) 2 4 3 e) 0 2 1
f) 2 2 10
1 3 2 2 1 1 8 10 5
Bài 26. Chứng minh rằng các ma trận sau đây không chéo hoá được:
20 1 0
6 5 3 0
2 0 0
a) 3 2 2 b)
0
0 1 1
2 2 0
0 2 4
0
Bài 27. Cho phép biến đổi tuyến tính f : 3 3 có ma trận đối với cơ sở {e1, e2, e3} của
không gian vectơ 3
là
11 2 8
A = 2 2 10 .
8 10 5
a) Tìm một cơ sở của Imf và Kerf.
b) Hỏi f có chéo hoá được không? Tại sao?
1 1 2 1
Bài 28. Cho hai ma trận A = và B = . Tính ma trận (B-1AB)n, với n .
0 1 3 2
Bài 29. Tìm cơ sở và số chiều của các không gian con nghiệm của các hệ phương trình
tuyến tính thuần nhất sau:
x1 2 x 2 7 x3 0
x1 4 x 2 2 x3 0
a) 2 x1 3x 2 2 x3 0 b)
2 x x x 0 2 x1 x 2 5 x3 0
1 2 3
x1 x3 x5 0
x x x 0 2 x1 4 x 2 5 x3 3x 4 0
2
d) 3x1 6 x 2 4 x3 2 x 4 0
4 6
c)
x1 x 2 x3 x 6 0 4 x 8 x 17 x 11x 0
x1 x 4 x5 0 1 2 3 4
x1 2 x 2 3 x3 4 x 4 5 x5 0
2 x 3 x 4 x 5 x x 0
1 2 3 4 5
e) 3x1 4 x 2 5 x3 x 4 2 x5 0
x 3 x 5 x 12 x 9 x 0
1 2 3 4 5
4 x1 5 x 2 6 x3 3 x 4 3 x5 0
80
CHƢƠNG 4. DẠNG SONG TUYẾN TÍNH - DẠNG
TOÀN PHƢƠNG
§1. KH I NIỆM DẠNG TOÀN PHƢƠNG
1.1 Dạng song tuyến tính
1.1.1 Định nghĩa. Cho Vn là không gian vectơ n chiều trên trường K. Ánh xạ
: V n Vn K
(u, v) (u, v)
được gọi là dạng song tuyến tính trên V nếu thỏa hai tính chất sau:
(i) (r1u1 + r2u2, v) = r1 (u1, v) + r2 (u2, v)
(ii) (u, s1v1+s2v2) = s1 (u, v1) + s2 (u, v2)
trong đó u, u1, u2, v, v1, v2 thuộc V; r1, r2, s1, s2 thuộc K.
1.1.3 Nhận xét. Giả sử dạng song tuyến tính trên K - không gian vectơ V và hệ vectơ
E = {e1, ..., en} là một cơ sở của V. Khi đó với mọi u, v V ta có:
n n
u= xi ei ; v = y e
j 1
j j với xi, xj thuộc K.
i 1
n n n n
Suy ra (u, v) = ( xi ei , y je j ) =
j 1
x y (e , e
i 1 j 1
i j i j ) . Đặt aij = (ei, ej), khi đó ta có
i 1
n n
(u, v) = a
i 1 j 1
ij xi y j . Ma trận A = (aij)nxn được gọi là ma trận của dạng song tuyến tính
trong cơ sở E.
Ngoài ra ta có thể viết dạng song tuyến tính dưới dạng ma trận như sau:
(u, v) = [u]E*A[v]E
x1 y1
x y
trong đó [u]E = 2 , [v]E = 2 .
xn yn
1.1.4 Ví dụ. Dạng song tuyến tính = x1y1-2x1y2-x1y3+x2y2+3x3y1-7x3y3 có ma trận đối với
1 2 1
cơ sở chính tắc của - không gian vectơ 3
là A = 0 1 0 .
3 0 7
81
1.1.5 Chú ý. Nếu V = n
có cơ sở không được chỉ rõ thì ta ngầm hiểu cơ sở đó là cơ sở
chính tắc của V.
1.1.6 Định nghĩa. Giả sử V là K-không gian vectơ n chiều và là dạng song tuyến tính
trên V.
(i) được gọi là đối xứng nếu (u, v) = (v, u), với mọi u, v V.
(ii) được gọi là dương nếu (u, u) 0, với mọi u V.
(iii) được gọi là xác định dương nếu nó dương và
(u, u) = 0 khi và chỉ khi u = .
1.1.7 Chú ý. Ma trận của dạng song tuyến tính đối xứng trong cơ sở E bất kỳ là một ma
trận đối xứng.
1.2.2 Chú ý.
(i) Nếu A là ma trận của dạng song tuyến tính đối xứng trong cơ sở nào đó thì A
cũng được gọi là ma trận của dạng toàn phương Q trong cơ sở đó. Ta có A là ma trận đối
xứng và Q(u) = [u]E*A[u]E.
trong đó u có toạ độ trong cơ sở E của K-không gian vectơ V là (x1, x2, ..., xn).
(iii) Một dạng toàn phương có thể được tạo nên từ nhiều dạng song tuyến tính đối
xứng khác nhau. Tuy nhiên, một dạng song tuyến tính đối xứng được xác định một cách
1
duy nhất bởi dạng toàn phương (u, v) = [Q(u+v) - Q(u) - Q(v)] và nó được gọi là dạng
2
toàn phương đối cực của dạng toàn phương Q(u).
1.2.3 Ví dụ.
(1) Với u = (x1, x2, x3) 3 , cho dạng toàn phương
Q(u) = 2x12 + x22 + 5x32 - 2x1x2 + x1x3 + 4x2x3
82
2 1 1 / 2
Khi đó ma trận của Q trong cơ sở chính tắc của 3
là A = 1 1 2 và
1 / 2 2 5
2 1 1 / 2 x1
Q(u) = [u]E A[u] = [x1 x2 x3] 1 1
*
2 x 2 .
1 / 2 2 5 x 3
(2) (x, y) = xy là dạng song tuyến tính đối xứng trên - không gian vectơ . Khi
đó dạng toàn phương tương ứng là Q(x) = x2.
1.2.4 Mệnh đề. Cho A, B là các ma trận của dạng song tuyến tính đối xứng (hoặc dạng
toàn phương) tương ứng trong các cơ sở E = {e1, e2, ..., en} và F = {f1, f2, ..., fn}. Khi đó
nếu C là ma trận chuyển cơ sở từ E sang F thì B = C*AC.
Chứng minh. Gọi A = (aij)nxn, B = (bij)nxn, C = (cij)nxn. Khi đó ta có:
n n n n
bkl = (fk, fl) = ( cik ei , c jl e j ) =
j 1
c
i 1 j 1
ik aij c jl , với mọi k, l.
i 1
83
§2. DẠNG CHÍNH TẮC CỦA DẠNG TOÀN PHƢƠNG
2.1 Định nghĩa. Cho V là K-không gian vectơ n chiều. Dạng toàn phương Q trên V được
đưa về dạng chính tắc nếu ta tìm được cơ sở F = {f1, f2, ..., fn} của V sao cho trong cơ sở F
này, ma trận của dạng toàn phương Q có dạng ma trận chéo, tức là ta được
Q(u) = [u]F*A[u]F = r1x12 + r2x22 + ...+ rnxn2
r1 0 0 x1
0 r 0 x
trong đó A = 2
, [u]F = 2.
0 0 rn xn
Các hệ số r1, r2, ..., rn ở trên được gọi là các hệ số chính tắc và F được gọi là cơ sở
chính tắc đối với Q.
với u = (x1, ..., xn) đối với cơ sở E = {e1, e2, ..., en} của V. Ta tìm cơ sở E/ = {e1/, ..., en/} sao
cho đối với cơ sở này thì Q có dạng chính tắc.
Trường hợp 10. aii = 0 với mọi i = 1, 2, ..., n. Nếu a12 = ... = a1n = 0 thì dạng toàn
phương còn (n-1) biến, ta chuyển sang xử lý Q1(x2, ..., xn). Ngược lại, giả sử a12 0, ta
thực hiện biến đổi theo công thức sau:
x1 x1/ x 2/
x 2 x1 x 2
/ /
x3 x3
/
x n x n/
Cơ sở mới là E/ = {e1/, e2/, e3, ..., en}. Ma trận của phép biến đổi cơ sở trên là không
suy biến và có dạng
1 1 0 0
1 1 0 0
A/ = 0 0 1 0
0 0 0 1
Sau phép biến đổi trên, dạng toàn phương Q có dạng
84
n
Q = 2a12 x1/ 2 2a12 x 2/ 2 a
i, j 2
/
ij xi/ x /j
và vì vậy, với phép biến đổi toạ độ trên, trường hợp 10 sẽ đưa về trường hợp 20.
Trường hợp 20. Tồn tại i nào đó sao cho aii 0.
Không giảm tính tổng quát, ta giả sử a11 0. Khi đó ta nhóm các số hạng trong Q
mà có chứa x1, ta được:
2a12 x1 x 2 2a1n x1 x n n n
Q(x1, ..., xn) = a11(x12 +
a11
)+
i 2 j 2
aijxixj
a12 x 2 a1n x n
y1 x1
Sử dụng phép biến đổi tọa độ a11 thì ta được:
y x (i 2,..., n)
i i
a y a1n y n 2 n n
Q(y1, ..., yn) = a11y12 - ( 12 2 ) + aijyiyj = a11y12 + Q1(y2,..., yn)
a11 i 2 j 2
với Q1(y2,..., yn) là một dạng toàn phương với n-1 biến. Lại tiếp thực hiện tương tự như
trên cho dạng toàn phương Q1(y2,..., yn), thì sau một số bước ta có thể đưa Q về dạng toàn
phương chính tắc.
Để viết ma trận đổi cơ sở, ta viết lại phép biến đổi trên dưới dạng
a12 a
x1 y1 y 2 1n y n
a11 a11
x y (i 2,..., n)
i i
85
5
Khi đó dạng chính tắc của Q là Q(x1, y1, z1) = x12-3y12- z12. Ma trận chuyển cơ sở sang cơ
3
sở chính tắc là
2
1 2 3
2
0 1
3
0 0 1
2 2
Như vậy cơ sở chính tắc là e1/ = (1, 0, 0), e2/ = (-2, 1, 0), e3/ = (- ,- ,1).
3 3
2.3.3 Nhận xét. Việc tìm dạng chính tắc của dạng toàn phương Q thực chất là biến đổi ma
trận của dạng toàn phương về ma trận chéo bởi các phép biến đổi sơ cấp dòng.
86
2.3.4 Định lí (Jacobi). Cho dạng song tuyến tính đối xứng trên K- không gian vectơ V hữu
n n
hạn chiều (u, v) =
i 1 j 1
aijxiyj, với u = (x1, x2,..., xn), v = (y1, y2, ..., yn) đối với cơ sở
D0 / / D
(u, v) = x1 y1 +...+ n 1 xn/yn/
D1 Dn
trong đó D0 = 1, (x1/,..., xn/) và (y1/,..., yn/) là tọa độ của u và v (theo thứ tự) trong cơ sở
{e1/,..., en/}.
e1/ b11e1
/
e b21e1 b22 e 2
Chứng minh. Ta tìm hệ cơ sở mới dưới dạng: 2
e / b e b e
n n1 1 nn n
Vì (ei/,ej/) = (bi1e1+...+ binen, ej/ ), nên nếu (ei, ej/ ) = 0, với i = 1,..., j-1; j = 2,...,n thì
ta có (e/i, ej/ ) = 0. Do tính đối xứng của dạng song tuyến tính nên (ej/,ei/ ) = 0 với mọi
i = 1,.., j-1; j = 2,..., n. Ta sẽ tìm bij sao cho (ei, ej/ ) = 0 các điều kiện này xác định các ej/
sai kém một nhân tử không đổi. Để cho ej/ xác định duy nhất, giả thiết thêm (ej, ej/) = 1.
(ei , e /j ) 0
Từ đây ta có hệ , với i = 1,..., j-1; j = 2,..., n. Hay ta được hệ phương
(e j , e j ) 1
/
trình sau:
87
b11 b21 bn1
0 b bn 2
B 22
.
0 0 bnn
Ta có |B| = b11...bnn 0, suy ra hệ {e1/, ..., en/} là độc lập tuyến tính. Do đó {e1/, ..., en/} là
D j 1
cơ sở cần tìm. Ngoài ra (ej/, ej/) = bjj (ej/, ej) = , với mọi j.
Dj
2.3.5 Chú ý. Các định thức D0, D1, ..., Dn ở trên Định lý 2.3.4 được gọi là các định thức
con chính.
n n
2.3.6 Hệ quả. Giả sử dạng toàn phương Q(u) =
i 1 j 1
aijxixj trong một cơ sở nào đó
của V có các định thức nào đó D1= |a11|; ... ; Dn= |(aij)nxn| đều khác không. Khi đó tồn tại
D0 / 2 D
một cơ sở {ei/} của V sao cho Q(u) = x1 + ... + n 1 xn/ 2.
D1 Dn
2.3.7 Ví dụ. Cho dạng toàn phương Q trong không gian 3 sau:
Q(u) = (u, u) = x12+4x1x2+6x1x3+x22+2x3x2+x32
Hãy đưa dạng toàn phương về dạng chính tắc.
1 2 3
Giải. Ma trận của của dạng toàn phương Q là A 2 1 1 . Khi đó ta có D1 = 1 ;
3 1 1
1 2 3
1 2
D2 = = -3 ; D3 = 2 1 1 = -1 đều khác không. Theo Hệ quả 2.3.6 thì tồn tại một
2 1
3 1 1
1
cơ sở {e1/, e2/, e3/ } sao cho Q(x1/, x2/, x3/) = x1/ 2 - x2/ 2+ 3x3/ 2 với (x1/, x2/, x3/) là tọa độ của
3
u đối với cơ sở {e1/, e2/, e3/}. Bây giờ ta sẽ tìm cơ sở {e1/, e2/, e3/ } dưới dạng
e 1 b11e1
/
/
e 2 b21e1 b22 e 2 . Ta thấy ngay b11 = 1. Để tìm b21, b22 ta giải hệ
/
e3 b31e1 b32 e 2 b33 e3
b21 (e1 , e1 ) b22 (e1 , e2 ) 0 b 2b22 0
hay 21
b21 (e2 , e1 ) (e2 , e2 ) 0 2b21 b22 0
Giải hệ trên ta được b21 = 2/3, b22 = -1/3. Tương tự ta tìm được b31 = 1, b32 = -5; b33 = 3.
3
e1/ e1 1 2 1
2 1 1
Vậy e / e1 e 2 và ma trận chuyển cơ sở sang cơ sở chính tắc là 0 5 .
3 3 3
e3/ e1 5e 2 3e3 0 0 3
88
§3. DẠNG CHUẨN TẮC CỦA DẠNG TOÀN PHƢƠNG
3.1 Định nghĩa. Cho dạng toàn phương Q(u) trên K-không gian vectơ V hữu hạn chiều.
Dạng toàn phương Q được gọi là dạng chuẩn tắc nếu tồn tại một cơ sở của V sao cho
n
Q(u) =
i 1
aixi, trong đó ai chỉ nhận các giá trị 1 hoặc 0.
3.2 Nhận xét. Một dạng toàn phương bất kì đều có thể đưa được về dạng chính tắc sau:
Q(u) = a1x12+ ...+asxs2+...+arxr2 (s r).
Ta đánh số lại (nếu cần) và có thể giả sử a1, ..., as > 0 và as+1, ..., ar < 0. Khi đó ta
dùng phép biến đổi
1 /
xi a xi , i 1,2,..., n
i
1
xi xi/ , i s 1,..., r .
ai
xi xi , i r 1,..., n
/
Trong hệ tọa độ mới, Q sẽ có dạng chuẩn tắc là Q = x12 +...+ xs2 - x2s+1 -...- xr2.
3.3 Định nghĩa. Dạng toàn phương Q trên - không gian V được gọi là xác định dương
(xác định âm ) nếu với mọi u V, u thì Q(u) > 0 (Q(u) < 0).
3.4 ổ đề. Cho dạng toàn phương Q trên - không gian vectơ V hữu hạn chiều. Khi đó
nếu Q xác định dương thì luôn luôn tồn tại một cơ sở sao cho trong cơ sở đó Q có dạng
chuẩn tắc Q(u) = k1x1/ 2 + ... + knxn/ 2, với ki > 0 với mọi i = 1,... , n.
Chứng minh. Do Q là dạng tòan phương nên tồn tại một cơ sở {e1/, ..., en/} trong V sao
n
cho Q có dạng Q(u) =
i 1
kixi/ 2. Ta chỉ cần chứng minh ki > 0. Ta chọn các vectơ ui, với
mọi i = 1,..., n có tọa độ trong {e1/, ..., en/} là u1 = (1, 0,..., 0), .... , un = (0, 0,...,1). Vì Q
xác định dương nên với mọi i = 1,..., n ta có Q(ui) > 0 khi và chỉ khi kixi/ 2 > 0, với xi/ = 1,
xj/ = 0, i j hay ki > 0.
3.5 Định lí. Cho dạng toàn phương Q trên - không gian vectơ V hữu hạn chiều. Khi đó
dạng toàn phương Q xác định dương khi và chỉ khi tồn tại một cơ sở trên V sao cho trong
n n
cơ sở này dạng toàng phương Q(u) =
i 1 j 1
aijxixj có các định thức D1, D2,..., Dn đều
dương, trong đó D0, D1, ..., Dn là các định thức con chính.
Chứng minh. () Giả sử Q là dạng toàn phương xác định dương. Theo Hệ quả 3.4 ta
n
thấy luôn tồn tại cơ sở trong V sao cho Q(u) =
i 1
kixi/ 2 (ki > 0), suy ra Di = k1...ki > 0.
() Giả sử tồn tại một cơ sở để Q có các định thức con chính D1,..., Dn đều dương.
D0 / 2 D
Theo Hệ quả 2.3.6 tồn tại cơ sở trong V sao cho Q(u)= x1 +...+ n 1 xn/ 2. Do D0 = 0
D1 Dn
và Di > 0 nên Q(u) > 0.
89
3.6 Định lý. Dạng toàn phương Q trên K-không gian vectơ V xác định âm khi và chỉ khi
n n
tồn tại một cơ sở trên V sao cho trong cơ sở này Q(u) =
i 1 j 1
aijxixj có các định thức
90
§4. KH I NIỆM KH NG GIAN VECTƠ EUCLIDE
4.1 Khái niệm không gian vectơ Euclide
4.1.1 Định nghĩa. Cho V là - không gian vectơ. Ánh xạ
:V V
(u, v) (u, v)
được gọi là tích vô hướng trên V nếu là dạng song tuyến tính đối xứng xác định dương
trên V. Giá trị (u, v), với u, v V được gọi là tích vô hướng của u và v. Kí hiệu là u.v
hoặc <u, v>.
4.1.2 Nhận xét. Dựa vào định nghĩa tích vô hướng, ta có:
(i) (u1+u2).v = u1.v + u2.v.
(ii) u.v = v.u.
(iii) r(u.v) = (ru).v.
(iv) u.u > 0 khi u và u.u = 0 khi u = .
trong đó u, u1, u2, v thuộc V, r thuộc .
trong đó u = (x1, x2, ..., xn), v = (y1, y2, ..., yn). Dễ dàng kiểm tra được ánh xạ trên là một
tích vô hướng trên n và được gọi là tích vô hướng Euclide trong n .
4.1.4 Định nghĩa. - không gian vectơ V có trang bị một tích vô hướng được gọi là
không gian vectơ Euclide.
4.1.6 Định nghĩa. Cho V là không gian vectơ Euclide và u V. Chuẩn hay độ dài của
vectơ u, kí hiệu ||u||, là số thực được xác định ||u|| = u.u .
Nếu vectơ u có ||u|| = 1 thì u được gọi là vectơ đơn vị.
4.1.7 Mệnh đề. Cho V là không gian vectơ Euclide trên , u, v thuộc V và r thuộc . Khi
đó ta có:
(i) ||u|| 0 và ||u|| = 0 khi và chỉ khi u = .
(ii) ||ru|| = |r|.||u||.
(iii) ||u+v|| ||u|| + ||v||.
(iv) ||u+v||2 + ||u-v||2 = 2(||u||2 + ||v||2).
(v) |u.v| ||u||.||v||.
Chứng minh. Xem như bài tập.
91
4.2 Cơ sở trực chuẩn
4.2.1 Định nghĩa. Cho V là không gian Euclide.
(i) Hai vectơ u, v V được gọi là trực giao nếu u.v = 0.
(ii) Hệ {u1, u2, ..., un} được gọi là hệ trực giao nếu ui.uj = 0, với mọi i j.
(iii) Hệ trực giao {u1, u2, ..., un} được gọi là hệ trực chuẩn nếu các vectơ ui đều là
các vectơ đơn vị, với mọi i = 1, 2, ..., n.
(iv) Hai không gian vectơ con A và B của V được gọi là trực giao với nhau nếu với
mọi u A, với mọi v B thì u.v = 0.
4.2.2 Định lý. Một hệ trực giao khác không {u1, u2, ..., un} trong không gian vectơ Euclide
là hệ độc lập tuyến tính.
n
Chứng minh. Giả sử r u
i 1
i i , với r1, ..., rn thuộc . Khi đó bằng cách nhân vô hướng
hai vế đẳng thức trên với ui và sử dụng tính trực giao của họ vectơ ta được ri(ui.ui) = 0, với
mọi i = 1, 2, ..., n. Mà ui.ui > 0 với ui nên ri = 0, với mọi i. Điều này chứng tỏ rằng hệ
{u1, u2, ..., un} là hệ độc lập tuyến tính.
4.2.2 Định nghĩa. Cơ sở trực giao (tương ứng, cơ sở trực chuẩn) của không gian Euclide
là một cơ sở mà các vectơ của nó tạo thành một hệ trực giao (tương ứng, hệ trực chuẩn).
4.2.3 Định lý (Gram-Schmidt). Cho V là không gian Euclide với cơ sở {u1, u2, ..., un}.
Khi đó ta luôn luôn xây dựng được cơ sở trực giao {v1, v2, ...., vn} của V như sau:
v 1 = u1
u 2 .v1
v2 = u 2 v1
v1 .v1
u .v u .v
v3 = u 3 3 1 v1 3 2 v 2
v1 .v1 v 2 .v 2
...........
n 1
u n .vi
vn = u n vi .
i 1 vi .vi
Chứng minh. Ta chỉ cần chứng minh {v1, v2, ..., vn} là hệ trực giao khác không của V.
Thật vậy, dễ thấy tính khác không của hệ {v1, v2, ..., vn} được suy trực tiếp từ tính độc lập
tuyến tính của hệ này. Ta kiểm chứng bằng quy nạp theo k rằng vk trực giao với các vectơ
k 1 k 1
u k .vi u .v
v1, v2, ..., vk-1. Với 1 j k, ta có vk.vj = ( u k vi ).vj = u k .v j k i (vi .v j )
i 1 v i .v i i 1 v i .v i
Nhưng theo giả thết quy nạp thì vi.vj = 0 với mọi i j, 1 i, j k-1 nên hệ thức trên trở
u .v
thành vk.vj = uk.vj - k j (v j .v j ) = uk.vj - uk.vj = 0. Vậy ta có điều phải chứng minh.
v j .v j
4.2.4 Hệ quả. Trong không gian vectơ Euclide hữu hạn chiều đều tồn tại cơ sở trực chuẩn.
Chứng minh. Gọi hệ {u1, u2, ..., un} là cơ sở của không gian vectơ Euclide V. Theo Định
lý 4.2.3 luôn luôn xây dựng được một cơ sở trực giao {v1, v2, ..., vn} từ hệ {u1, u2, ..., un}.
vi
Đặt wi = , với mọi i = 1, 2, ..., n thì hệ {w1, w2, ..., wn} là hệ cơ sở trực chuẩn của
|| v i ||
không gian vectơ Euclide V.
92
4.2.5 Ví dụ. Trong không gian Euclide 4 với tích vô hướng Euclide cho các vectơ
u1 = (1, 1, 0, 0), u2 = (1, 0, 1, 0), u3 = (-1, 0, 0, 1)
Tìm cơ sơ trực chuẩn của không gian W = <u1, u2, u3>.
Giải. Dễ thấy hệ {u1, u2, u3} là cơ sở của W. Bây giờ ta xây dựng một hệ cơ sở chuẩn cho
không gian W. Đặt
v1 = u1 = (1, 1, 0, 0)
u 2 .v1 1 1
v2 = u 2 v1 = ( , - , 1, 0)
v1 .v1 2 2
u .v u .v 1 1 1
v3 = u 3 3 1 v1 3 2 v 2 = (- , , , 1)
v1 .v1 v 2 .v 2 3 3 3
Bây giờ ta chuẩn hoá các vectơ v1, v2, v3:
v1 1 1
w1 = =( , , 0, 0)
|| v1 || 2 2
v 1 1 2
w2 = 2 = ( ,- , , 0)
|| v 2 || 6 6 6
v3 1 1 1 3
w3 = = (- , , , )
|| v3 || 2 3 2 3 2 3 2
Vậy hệ {w1, w2, w3} là cơ sở trực chuẩn cần tìm.
93
§5. PHEÏP BIÃÚN ÂÄØI ÂÄÚI XÆÏNG - CHEÏO HOAÏ
TRÆÛC GIAO
5.1 Định nghĩa. Cho V là - không gian vectơ Euclide. Phép biến đổi tuyến tính :V V
được gọi là phép biến đổi đối xứng nếu (u).v = u. (v), với mọi u, v thuộc V.
5.2 Mệnh đề. Nếu phép biến đổi đối xứng : V V thì ma trận của nó trong mọi cơ sở
trực chuẩn của V là ma trận đối xứng. Ngược lại, nếu phép biến đổi đối xứng có ma trận
đối xứng trong một cơ sở trực chuẩn nào đó của V thì là đối xứng.
Chứng minh. Xem như bài tập.
5.3 Mệnh đề. Các không gian con riêng ứng với những giá trị riêng khác nhau của một
phép biến đổi đối xứng là trực giao nhau.
Chứng minh. Giả sử u, v là các vectơ riêng của phép biến đổi đối xứng tương ứng với
các giá trị riêng khác nhau r và s. Nghĩa là (u) = ru, (v) = sv. Ta có:
r(u.v) = (ru).v = (u).v = u. (v) = u.(sv) = s(u.v).
Suy ra (r-s)(u.v) = 0, do đó u.v = 0.
5.4 Mệnh đề. Mọi giá trị riêng của ma trận thực đối xứng bất kì đều là số thực.
Chứng minh. Giả sử A = (aij) Mn( ) là ma trận đối xứng. Giả sử k là nghiệm phức của
phương trình đặc trưng det(A-kIn) = 0. Suy ra hệ phương trình (A-kIn)[x] = [0] có nghiệm
n
phức không tầm thường (b1, ..., bn). Tức là a b
j 1
ij j kbi , với i = 1, 2, ..., n. Nhân hai vế
đẳng thức trên với liên hợp phức bi của bi rồi cộng lại theo i, ta nhận được
n n
n
i , j 1
a b b
ij j i k
i 1
b b
i i k | bi | 2
i 1
n
Hệ số | b
i 1
i | 2 là số thực, nên để chứng minh k là số thực ta cần chứng minh vế trái cũng là
n n n n n n
số thực. Thật vậy có aij b j bi
i , j 1
aij b j bi
i , j 1
aij b j bi
i , j 1
a ji b j bi aij bi b j
i , j 1 i , j 1
a b b .
i , j 1
ij j i
5.5 Định nghĩa. Cho U là không gian vectơ con của - không gian vectơ Euclide. Tập
hợp U = {u V | u.v = 0, với mọi v V} được gọi là phần bù trực giao của không gian
con U trong V.
5.6 Nhận xét. Dễ thấy U là không gian vectơ con - không gian vectơ Euclde V.
5.6 ổ đề. Giả sử là một phép biến đổi đối xứng của - không gian vectơ Euclde V.
Khi đó nếu U là không gian con bất biến đối với thì U cũng vậy.
Chứng minh. Nếu u U thì (u) U. Với mọi v U , ta có u. (v) = (u).v = 0. Nên
(v) U .
94
5.7 Định lý. Phép biến đối tuyến tính của - không gian vectơ Euclde V là đối xứng khi
và chỉ khi có một cơ sở trực chuẩn của không gian V gồm toàn những vectơ riêng của .
Chứng minh. Nếu V có cơ sở trực chuẩn gồm những vectơ của phép biến đối tuyến tính
thì ma trận của trong cơ sở đó là một ma trận chéo, dó đó nó là ma trận chéo. Vì thế
là đối xứng.
Ngược lại, giả sử đối xứng, ta sẽ chứng minh bằng quy nạp theo n = dimV rằng
có một cơ sở trực chuẩn của V gồm toàn các vectơ riêng của .Với n = 1, thì mỗi vectơ
khác không của V đều là các vectơ riêng của . Giả sử định lý với mọi không gian có số
chiều nhỏ hơn n. Theo Mệnh đề 5.4, có một giá trị riêng thực là k1. Gọi e1 là vectơ riêng
đơn vị ứng với giá trị riêng k1. Khi đó L(e1) là không gian con bất biến đối với . Theo Bổ
đề 5.6, thì không gian L(e1 ) cũng là không gian con bất biến đối với . Ngoài ra, ta có
dim L(e1 ) = dimV - 1 = n-1 < n. Theo giả thiết quy nạp, có cơ sở trực chuẩn {e2, e3,..., en}
của L(e1 ) gồm toàn những vectơ riêng của . Khi đó hệ {e1, e2, ..., en} là cơ sở trực
chuẩn của V cũng gồm toàn những vectơ riêng của .
5.8 Hệ quả. Mọi ma trận thực đối xứng đều chéo hoá được nhờ ma trận trực giao. Cụ thể,
nếu A là ma trận thực đối xứng thì tồn tại ma trận trực giao P sao cho B = P-1AP = P*AP
là ma trận chéo.
Chứng minh. Chọn - không gian Euclide V có số chiều là n, là số dong và số cột của A.
Gọi là tự đồng cấu tuyến tính của V nhận A làm ma trận đối với cơ sở trực chuẩn là
{u1, u2, ..., un} của V. Vì A là ma trận đối xứng nên là phép biến đổi tuyến tính đối
xứng. Theo Định lý 5.7, có một cơ sở trực chuẩn {v1, v2, ..., vn} của V gồm toàn các vectơ
riêng của . Ma trận B của trong cơ sở {v1, v2, ..., vn} tất nhiên là ma trận chéo. Bây giờ
ta gọi ma trận P là ma trận chuyển cơ sở từ cơ sở {u1, u2, ..., un} sang cơ sở {v1, v2, ..., vn}.
Khi đó P là ma trận trực giao, hơn nữa B = P-1AP = P*AP.
5.9 Thuật toán chéo hoá ma trận đối xứng nhờ ma trận trực giao.
Cho là phép biến đổi đối xứng trên - không gian vectơ Euclide V có ma trận
đối xứng A Mn(K) là ma trận của đối với cơ sở trực chuẩn nào đó của . Ta chéo hoá
trực giao ma trận A như sau:
Bước 10. Tìm một cơ sở cho mỗi không gian con riêng E(ki) của ma trận đối xứng
A, với ki là các giá trị riêng của A.
Bước 20. Dùng Định lý 4.2.3 để xây dựng một cơ sở trực chuẩn từ mỗi cơ sở của
không gian con riêng ở bước 1.
Bước 30. Lập ma trận P mà các cột là các vectơ cơ sở trực chuẩn đã xây dựng ở
bước 2. Ma trận P này sẽ làm chéo hoá trực giao ma trận A. Khi đó B = P-1AP là ma trận
chéo mà các phần tử trên đường chéo chính lần lượt là các giá trị riêng của ma trận A (giá
trị riêng ki xuất hiện ni lần, i =1, 2, .., r (ni là số bội tương ứng của của các nghiệm ki )).
95
2 1 1
5.10 Ví dụ. Cho ma trận đối xứng A = 1 2 1 . Tìm ma trận trực giao P sao cho P-1AP
1 1 2
là ma trận chéo.
Giải. Phương trình đặc trưng
2k 1 1
|A - kI3| = 1 2k 1 =0
1 1 2k
có nghiệm là k1 = 1 (số bội tương ứng là n1 = 2) và k2 = 4 (số bội tương ứng là n2 = 1). Dễ
dàng ta chứng minh được hệ {u1= (-1, 1, 0), u2 = (-1, 0, 1)} là cơ sở của E(1) và trực chuẩn
1 1 1 1 2
hoá {u1, u2} ta được hệ trực chuẩn {v1 = (- , , 0), v2 = (- , , ) }.
2 2 6 6 6
Hệ {u3 = (1, 1, 1)} là cơ sở của E(4) và ta trực chuẩn hoá {u3} ta được hệ trực
1 1 1
chuẩn {v3 = ( , , }.
3 3 3
1 1 1
2 6 3 1 0 0
Vậy ma trận P là P =
1
1 1
và ma trận chéo P-1AP = 0 1 0 .
2 6 3
2 1 0 0 4
0
6 3
96
ÀI TẬP
Bài 1. Cho các vectơ u = (x1, x2), v = (y1, y2) thuộc 2 . Xét xem các ánh xạ dưới đây có
phải là dạng song tuyến tính hay không?
a) (u, v) = 2x1y2+5x2y2 b) (u, v) = x1+y2.
c) (u, v) = 2006x1y2 d) (u, v) = 2007.
Bài 2. Cho các vectơ u = (x1, x2), v = (y1, y2) thuộc 2 và ánh xạ
: 2 2
(u, v) (u, v) = 3x1y1-2x1y2+4x2y1-x2y2
a) Chứng minh rằng là dạng song tuyến tính.
b) Tìm ma trận của đối với cơ sở {(1, 1), (1, 2)} của 2 .
c) Tìm ma trận của đối với cơ sở {(1, -1), (3, 1)} của 2 .
Bài 3. Viết ma trận của dạng song tuyến tính trên 3 , với u = (x1, x2, x3), v = (y1, y2, y3):
a) (u, v) = 2x1y1-3x2y3+4x3y1+x3y3. b) (u, v) = 4x1y1-5x1y3+8x2y1-6x2y3+x3y3.
Bài 4. Tìm ma trận của dạng toàn phương trên 3 có biểu thức toạ độ sau:
a) Q(u) = x12+x22-3x1x2.
b) Q(u) = 2x12+3x22-x32+4x1x2+10x2x3-6x3x1.
c) Q(u) = 2x12+4x22+9x32+4x1x2-x2x3-6x3x1.
Bài 5. Trong 3 hãy đưa các dạng toàn phương sau về dạng chính tắc:
a) x12+x22+3x32+2x1x2+4x2x3+2x3x1.
b) x12+5x22-4x32+2x1x2-4x3x1.
c) x1x2+2x1x3+3x2x3.
d) 2x12+3x22+4x32-2x1x2-3x2x3+4x3x1.
e) x12+5x22-4x32+2x1x2-4x3x1.
Bài 6. Trong 4 hãy đưa các dạng toàn phương sau về dạng chính tắc:
a) x12+x2x1+x3x4 b) x1x2+2x3x4.
Bài 6. Trong 3 hãy đưa các dạng toàn phương sau về dạng chuẩn tắc:
a) x12+x22+3x32+4x1x2+2x2x3+2x3x1.
b) x12+3x32+6x2x3+2x3x1.
c) x12-x22+x32+2x1x2+4x2x3+2x3x1.
97
Bài 8. Dùng phương pháp trực chuẩn hoá để tìm cơ sở trực chuẩn của không gian n-chiều
trên trường số thực , từ hệ cơ sở đã biết sau:
a) {(1,1,1), (1,1,2), (1,2,3)}.
b) {(2,1,-3), (3,2,-5), (1,-1,1)}.
c) {(1,2,-1,-2), (2,3,0,-1), (1,2,1,4), (1,3,-1,0)}.
d) {(1,1,1,1), (1,2,1,1), (1,1,2,1), (1,3,2,3)}.
Bài 9. Chứng minh rằng các tập sau đây là cơ sở trực giao của - không gian vectơ
Euclide 3 với tích vô hướng Euclide:
a) {(1,1,0), (0,0,1), (1,-1,0)}.
b) {(1,0,1), (0,1,0), (2,0,-1)}
Từ đó tìm cơ sở trực chuẩn từ cơ sở trực giao ở trên.
Bài 10. Tìm ma trận trực giao P sao cho ma trận P-1AP = B là ma trận chéo, với ma trận A
là:
3 2 0 2 2 2 1 2 1
a) 2 4 2 b) 2 5 4 c) 2 3 0
0 2 5 2 4 5 1 0 2
1 2 1 1 5 3
d) 2 1 3 e) 5 2 1 .
1 3 5 3 1 4
Bài 11. Chéo hoá các ma trận đối xứng sau bằng ma trận trực giao:
11 2 8 2 1 1 5 1 2
a) 2 2 10 b) 1 2 1 c) 1 5 2
8 10 5 1 1 0 2 2 2
9 0 0 0
6 2 2 11 8 2 0 5 4 2
d) 2 5 0 e) 8 5 10 f)
0 4 5 2
2 0 7 2 10 2
0 2 2 8
98
TÀI LIỆU THAM KHẢO
[1] Bùi Xuân Hải (Chủ biên), Đại số tuyến tính, Nhà xuất bản Đại học quốc gia Thành
phố Hồ Chí Minh, 2001.
[2] Ngô Việt Trung, Giáo trình đại số tuyến tính, Nhà xuất bản Đại học quốc gia Hà
Nội, 2001.
[3] Nguyễn Hữu Việt Hưng, Đại số tuyến tính, Nhà xuất bản Đại học quốc gia Hà Nội,
2000.
[4] Nguyễn Viết Đông-Lê Thị Thiên Hương-Nguyễn Anh Tuấn-Lê Anh Vũ, Toán cao
cấp (Tập 2), Nhà xuất bản giáo dục, 1999.
[5] Nguyễn Viết Đông-Lê Thị Thiên Hương-Nguyễn Anh Tuấn-Lê Anh Vũ, Bài tập
toán cao cấp (Tập 2), Nhà xuất bản giáo dục, 2000.
[6] Nguyễn Đình Trí (Chủ biên), Toán học cao cấp (Tập 1), Nhà xuất bản giáo dục,
1999.
[7] Hoàng Đức Nguyên-Phan Văn Hạp-Lê Đình Thịnh-Lê Đình Định, Đại số tuyến
tính (Phần bài tập), Nhà xuất bản khoa học và kỹ thuật, 1998.
99