1 / 96 Đại số tuyến tính (Phần 2)

ĐẠI SỐ TUYẾN TÍNH
Phần 2
1 / 96 Đại số tuyến tính (Phần 2)

1 Không gian vectơ
Khái niệm và ví dụ về không gian vectơ
Sự độc lập tuyến tính và sự phụ thuộc tuyến tính
Không gian sinh bởi một tập hợp
Cơ sở và số chiều của không gian vectơ
Bài toán tìm cơ sở
Tọa độ
2 Ánh xạ tuyến tính

Khái niệm ánh xạ
Khái niệm ánh xạ tuyến tính
Ma trận biểu diễn ánh xạ tuyến tính tổng quát
Ma trận biểu diễn toán tử tuyến tính
Xác định ánh xạ tuyến tính thông qua ảnh các vectơ cơ sở
Nhân và ảnh của ánh xạ tuyến tính

Không gian vectơ Khái niệm và ví dụ về không gian vectơ
Khái niệm không gian vectơ
Định nghĩa
Cho tập V khác rỗng, mỗi phần tử thuộc V được gọi là một
vectơ. Trên V ta định nghĩa hai phép toán như sau:
V ×V → V R×V →V
(u, v ) 7→ u + v (λ, u) 7→ λu
Ta nói V cùng với hai phép toán trên là một không gian vectơ
(trên R) nếu 8 tính chất sau được thỏa:
1) (u + v ) + w = u + (v + w ) ∀u, v , w ∈ V
2) ∃0 ∈ V : u + 0 = 0 + u = u ∀u ∈ V
3) ∀u ∈ V , ∃(−u) ∈ V : (−u) + u = u + (−u) = 0
4) u + v = v + u ∀u, v ∈ V
5) λ(u + v ) = λu + λv ∀u, v ∈ V , ∀λ ∈ R
6) (λ1 + λ2 )u = λ1 u + λ2 u ∀u ∈ V , ∀λ1 , λ2 ∈ R
7) (λ1 λ2 )u = (λ1 )(λ2 u) ∀u ∈ V , ∀λ1 , λ2 ∈ R
8) 1u = u ∀u ∈ V .
Khái niệm không gian vectơ
Chú ý
Cho V là một không gian vectơ. Khi đó:
(i) Phần tử 0 được xác định duy nhất và được gọi là vectơ không.
(ii) Với mọi u ∈ V , phần tử −u cũng được xác định duy nhất và
được gọi là vectơ đối của u.
Mệnh đề
Cho V là không gian vectơ và u, v ∈ V , λ ∈ R. Khi đó:
(i) λu = 0 ⇔ λ = 0 hay u = 0.
(ii) (−1)u = −u.
(iii) (−λu) = (−λ)u = λ(−u).

Ví dụ về không gian vectơ
Ví dụ
Ta ký hiệu Rn là tập hợp tất cả các bộ gồm n thành phần
u = (a1 , . . . , an ) với a1 , . . . , an ∈ R.
Ta định nghĩa phép cộng hai phần tử u = (a1 , . . . , an ),

v = (b1 , . . . , bn ) trong Rn và phép nhân phần tử u với một số thực
λ như sau:
(i) u + v = (a1 + b1 , . . . , an + bn )
(ii) λu = (λa1 , . . . , λan )
Khi đó tập hợp Rn cùng với hai phép toán trên là một không gian
vectơ trên R và được gọi là không gian vectơ Rn . Vectơ 0 trong
Rn chính là vectơ (0, . . . , 0).

Ví dụ về không gian vectơ
Ví dụ
Tập hợp V gồm tất cả các nghiệm của một hệ phương trình tuyến
tính thuần nhất là một không gian vectơ trên R
Ví dụ
Tập hợp Mm×n (R) gồm tất cả các ma trận cấp m × n với hai phép
toán cộng ma trận và nhân ma trận với một số thực là một không
gian vectơ trên R.
Ví dụ
Tập hợp Pn [x] gồm tất cả các đa thức hệ số thực bậc không quá n
với phép cộng đa thức và nhân đa thức với một số thực là một
không gian vectơ trên R

Không gian con
Định nghĩa
Cho V là một không gian vectơ trên R và W là một tập con khác
rỗng của V . Ta nói W là không gian con của V , ký hiệu W ≤ V
nếu W là một không gian vectơ ứng với các phép toán đã được
trang bị trên V .
Ví dụ
Cho V là một không gian vectơ. Khi đó {0} và V là hai không
gian con tầm thường của V .

Không gian con
Định lý
Cho V là không gian vectơ và W là tập con của V . Khi đó W là
không gian con của V khi và chỉ khi những điều sau được thỏa:
(i) W 6= ∅;
(ii) u + v ∈ W ∀u, v ∈ W ;
(iii) λu ∈ W ∀λ ∈ R, ∀u ∈ W .
Chú ý
Các điều kiện (ii) và (iii) trong định lý trên có thể được thay thế
bởi điều kiện sau:
λu + v ∈ W ∀λ ∈ R, ∀u, v ∈ W

Không gian con
Phương pháp xác định không gian con

Để xác định tập hợp con W có là không gian con của không gian
vectơ V hay không, ta thực hiện như sau:
Bước 1: Xét xem vectơ 0 có thuộc W hay không? Nếu 0 ∈ /W
thì W không phải là không gian con của V . Ngược lại, ta tiến
hành bước 2.
Bước 2: Lấy u, v ∈ W . Từ đó dựa vào tính chất của W để
suy ra tính chất của u, v . Sau đó kiểm tra u + v và λu(λ ∈ R)
có thỏa tính chất của W hay không. Nếu u + v và λu thỏa
tính chất của W thì ta kết luận W là không gian con của V .
Ngược lại, ta cần chỉ ra một ví dụ cụ thể của u, v ∈ W sao
cho u + v ∈/ W hay một ví dụ cụ thể của u ∈ W , λ ∈ R sao
cho λu ∈ / W.

Không gian con
Ví dụ
Kiểm tra tập hợp W = {(x, y , z) ∈ R3 |x = y + z} có là không
gian con của không gian R3 hay không?
Giải
Vì (0, 0, 0) ∈ W nên W 6= ∅.
Lấy u = (x1 , y1 , z1 ), v = (x2 , y2 , z2 ) ∈ W . Ta có: x1 = y1 + z1
và x2 = y2 + z2 . Vì u + v = (x1 + x2 , y1 + y2 , z1 + z2 ) và
x1 + x2 = (y1 + z1 ) + (y2 + z2 ) = (y1 + y2 ) + (z1 + z2 ) nên
u + v ∈ W.
Với λ ∈ R, ta có λu = (λx1 , λy1 , λz1 ) và
λx1 = λ(y1 + z1 ) = λy1 + λz1 nên λu ∈ W .
Vậy W là không gian con của R3 .

Không gian con
Ví dụ
Kiểm tra tập hợp W = {(x, y , z) ∈ R3 |x + y + z = 1} có là không
gian con của không gian R3 hay không?
Giải
/ W nên W không phải là không gian con của R3 .
Vì (0, 0, 0) ∈
Ví dụ
Kiểm tra tập hợp W = {(x, y , z ∈ R3 |xy = z)} có là không gian
con của không gian R3 hay không?
Giải
Chọn u = (1, 1, 1) ∈ W và λ = 2. Khi đó λu = 2u = (2, 2, 2) ∈
/ W.
3
Suy ra W không phải là không gian con của R .
Tổ hợp tuyến tính
Định nghĩa
Cho V là một không gian vectơ trên R và u, u1 , . . . , un là các
vectơ thuộc V . Ta nói u là tổ hợp tuyến tính của u1 , . . . , un nếu
tồn tại các số thực λ1 , . . . , λn sao cho
u = λ1 u1 + · · · + λn un .
Ví dụ
Vectơ không luôn là tổ hợp tuyến tính của một họ bất kỳ các
vectơ u1 , . . . , um bởi vì 0 = 0u1 + · · · + 0um .

Ví dụ
Xét các vectơ
u = (3, 0, 4), u1 = (1, 0, 1), u2 = (0, 1, 2), u3 = (−1, 1, 0). Khi đó
u = 2u1 + u2 − u3 . Do đó u là tổ hợp tuyến tính của u1 , u2 , u3
Ví dụ
Vectơ u = (1, 1, 1) không là tổ hợp tuyến tính của u1 = (2, 1, 0) và
u2 = (3, 4, 0) vì thành phần thứ ba của u1 và u2 là 0 trong khi
thành phần thứ 3 của u khác 0.

Kiểm tra vectơ u có là tổ hợp tuyến tính của các vectơ u1 , . . . , um

Xét phương trình u = λ1 u1 + · · · + λm um với các ẩn là λ1 , . . . , λm .
Phương trình này tương đương với một hệ phương trình tuyến tính
m ẩn.
Nếu phương trình có nghiệm thì u là tổ hợp tuyến tính của
u1 , . . . , um .
Nếu phương trình vô nghiệm thì u không là tổ hợp tuyến tính
của u1 , . . . , um .

Ví dụ
Kiểm tra vectơ u = (1, 4, −3) có là tổ hợp tuyến tính của các
vectơ u1 = (2, 1, 1), u2 = (−1, 1, −1), u3 = (1, 1, −2) hay không?
Giải
u = λ1 u1 + λ2 u2 + λ3 u3
⇔ (1, 4, −3) = λ1 (2, 1, 1) + λ2 (−1, 1, −1) + λ3 (1, 1, −2)
⇔ (1, 4, −3) = (2λ1 − λ2 + λ3 , λ1 + λ2 + λ3 , λ1 − λ2 − 2λ3 )

2λ1 − λ2 + λ3 = 1
Từ đây ta có hệ phương trình λ1 + λ2 + λ3 = 4
λ1 − λ2 − 2λ3 = −3

Nghiệm của hệ trên là λ1 = 1, λ2 = 2, λ3 = 1. Do đó u là tổ hợp
tuyến tính của u1 , u2 , u3 .

Không gian vectơ Sự độc lập tuyến tính và sự phụ thuộc tuyến tính
Hệ vectơ độc lập tuyến tính (phụ thuộc tuyến tính)
Định nghĩa
Cho V là một không gian vectơ. Họ các vectơ u1 , . . . , um ∈ V
được gọi là độc lập tuyến tính nếu
∀λ1 , . . . , λm ∈ R : λ1 u1 + · · · + λm um = 0 ⇒ λ1 = · · · = λm = 0.
Họ các vectơ không độc lập tuyến tính được gọi là phụ thuộc
tuyến tính.
Chú ý
Nếu u 6= 0 thì {u} độc lập tuyến tính.
Mọi tập hợp chứa vectơ 0 đều phụ thuộc tuyến tính.

Kiểm tra hệ vectơ độc lập tuyến tính trong Rn
Phương pháp

u1
 u2 
Cho các vectơ u1 , . . . , um ∈ Rn . Đặt A =  .  và xác định r (A)
 
 .. 
um
Nếu r (A) = m thì hệ vectơ {u1 , . . . , um } độc lập tuyến tính.
Nếu r (A) < m thì hệ vectơ {u1 , . . . , um } phụ thuộc tuyến
tính.

Ví dụ
Xác định tập hợp các vectơ
u1 = (1, 2, 3, 1), u2 = (1, 1, 2, 3), u3 = (1, 3, 1, 2) là độc lập tuyến
tính hay phụ thuộc tuyến tính?
Giải
   
1 2 3 1 1 2 3 1
d2 →d2 −d1 d →d3 +d2
A= 1 1 2
 3 −−−−−−−→ 0 −1
  −1 2 −−3−−−−−→
d3 →d3 −d1
1 3 1 2 0 1 −2 1
 
1 2 3 1
0 −1 −1 2 . Do đó r (A) = 3. Suy ra {u1 , u2 , u3 } độc lập
0 0 −3 3
tuyến tính.

Chú ý
 
u1
 u2 
Trong trường hợp m = n, đặt A =  . .
 
 .. 
un
Hệ vectơ {u1 , . . . , un } độc lập tuyến tính nếu và chỉ nếu
det(A) 6= 0.
Hệ vectơ {u1 , . . . , un } phụ thuộc tuyến tính nếu và chỉ nếu
det(A) = 0.

Ví dụ
Xác định tập hợp các vectơ
u1 = (1, 1, 1), u2 = (1, −2, 1), u3 = (−1, 2, −1) là độc lập tuyến
tính hay phụ thuộc tuyến tính.
Giải
 
1 1 1
Xét A =  1 −2 1  . Vì det(A) = 0 nên hệ các vectơ
−1 2 −1
{u1 , u2 , u3 } phụ thuộc tuyến tính.

Không gian vectơ Không gian sinh bởi một tập hợp
Định lý
Cho V là một không gian vectơ và S là một tập hợp con khác
rỗng của V . Đặt W là tập hợp tất cả các tổ hợp tuyến tính của
các vectơ thuộc S. Khi đó W là không gian con nhỏ nhất của V
chứa S
Định nghĩa
Không gian W được xây dựng như trên được gọi là không gian
sinh bởi tập hợp S và được ký hiệu W =< S >. Khi đó tập hợp S
được gọi là tập sinh của W .
Chú ý
Ta quy ước không gian sinh bởi tập rỗng là không gian {0}.

Không gian vectơ Không gian sinh bởi một tập hợp
Mệnh đề
Cho S là một tập con của không gian vectơ V . Khi đó S là tập
sinh của V nếu và chỉ nếu mọi vectơ trong V đều là tổ hợp tuyến
tính của một số vectơ trong S.
Ví dụ
S = {ε1 = (1, 0, 0), ε2 = (0, 1, 0), ε3 = (0, 0, 1)} là tập sinh của
không gian R3 bởi vì với mọi u = (x, y , z) ∈ R3 thì
u = xε1 + y ε2 + zε3 .

Không gian vectơ Cơ sở và số chiều của không gian vectơ
Cơ sở của không gian vectơ
Định nghĩa
Cho V là một không gian vectơ và B là tập con của V . Ta nói B
là cơ sở của V nếu B là tập sinh của V và B độc lập tuyến tính.
Ví dụ
Ta có B0 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} là tập sinh của R3 và B0
độc lập tuyến tính nên B0 là cơ sở của R3 . Cơ sở này được gọi là
cơ sở chính tắc của R3 .
Chú ý
Tổng quát, tập hợp tất cả các vectơ dòng của ma trận đơn vị In
theo thứ tự từ dòng đầu tiên đến dòng cuối cùng sẽ tạo thành một
cơ sở của Rn , và cơ sở này được gọi là cơ sở chính tắc của Rn .

Số chiều của không gian vectơ
Định lý
Cho V là một không gian vectơ. Nếu V có một cơ sở gồm n vectơ
thì mọi cơ sở khác của V cũng gồm n vectơ.
Định nghĩa
Cho V là một không gian vectơ sao cho V có một cơ sở gồm n
vectơ. Khi đó n được gọi là số chiều của V , ký hiệu dim(V ).
Không gian V có dim(V ) < ∞ được gọi là không gian hữu hạn
chiều.
Ví dụ
dim({0}) = 0.

Mệnh đề
Số chiều của không gian vectơ Rn là n.
Định lý
Cho V là không gian vectơ n chiều và B là tập con của V . Khi đó:
(i) B là cơ sở của V nếu và chỉ nếu B độc lập tuyến tính và B có
đúng n phần tử.
(ii) B là cơ sở của V nếu và chỉ nếu B là tập sinh gồm n phần tử
của V .
Hệ quả
Cho V là không gian vectơ n chiều và S là tập con của V . Nếu S
có nhiều hơn n phần tử thì S phụ thuộc tuyến tính.

Phương pháp kiểm tra cơ sở của không gian Rn

Để kiểm tra tập hợp con B của Rn có là cơ sở của Rn hay không,
ta thực hiện như sau:
Nếu số phần tử của B khác n thì B không phải là cơ sở của
Rn . Ngược lại, B có số phần tử bằng n. Ta kiểm tra xem B có
độc lập tuyến tính hay không.
Nếu B độc lập tuyến tính thì B là cơ sở của Rn . Ngược lại, B
không phải là cơ sở của Rn vì B phụ thuộc tuyến tính.

Ví dụ
Kiểm tra B = {(1, 1, 1), (1, −2, 1), (1, 2, −1)} có là cơ sở của R3
hay không?
Giải
B có số phần tử bằng số chiều của R3 .
 
1 1 1
Xét A = 1 −2 1  . Vì det(A) = 6 6= 0 nên B độc lập
1 2 −1
tuyến tính.
Vậy B là cơ sở của R3 .

Không gian vectơ Bài toán tìm cơ sở
Không gian sinh bởi một tập hợp trong Rn
Định nghĩa
Cho ma trận A = (aij ) ∈ Mm×n (R). Với mỗi i = 1, . . . , m đặt ui là
vectơ dòng thứ i của A. Khi đó không gian sinh bởi các vectơ ui
được gọi là không gian dòng của A.
Định lý
Nếu W là không gian dòng của ma trận A ∈ Mm×n (R) thì
dim(W ) = r (A) và tập hợp tất cả các vectơ dòng khác 0 trong
dạng bậc thang của A chính là cơ sở của W .

Tìm cơ sở của không gian sinh bởi một tập hợp trong Rn
Để tìm cơ sở của không gian sinh bởi tập hợp {u1 , . . . , um } ⊆ Rn ,
ta thực hiện các bước sau:
 
u1
 u2 
Đặt A =  . .
 
 .. 
um
Dùng thuật toán Gauss để đưa A về ma trận bậc thang B.
Khi đó các vectơ dòng khác 0 của B chính là cơ sở cần tìm.

Ví dụ
Cho S = {u1 = (1, 2, 3), u2 = (4, 5, 6), u3 = (7, 8, 9)} và
W = span(S).
(a) Chứng minh S = {u1 , u2 , u3 } không là cơ sở của W .
(b) Tìm một cơ sở B của W .
Giải
 
1 2 3
(a) Xét A = 4 5 6. Vì det(A) = 0 nên S phụ thuộc tuyến
7 8 9
tính. Suy ra S không phải là cơ sở của W .

Giải (tiếp theo)

   
1 2 3 1 2 3
d2 →d2 −4d1
(b) A = 4 5 6 −− −−−−−→ 0 −3 −6 
d3 →d3 −7d1
7 8 9 0 −6 −12
 
1 2 3
d3 →d3 −2d2
−− −−−−−→ 0 1 2 .
d2 → −1 d
3 2 0 0 0
Vậy cơ sở của W là {(1, 2, 3), (0, 1, 2)}.

Cơ sở không toàn vẹn
Định lý
Cho V là không gian vectơ hữu hạn chiều. Khi đó, mọi tập hợp
độc lập tuyến tính trong V đều có thể bổ túc thêm một số vectơ
để tạo thành một cơ sở của V .
Bổ sung thêm vectơ vào tập độc lập tuyến tính để tạo thành cơ sở
Cho S là một tập con độc lập tuyến tính của không gian vectơ V .
Để tìm một cơ sở B của V chứa S ta thực hiện như sau:
Nếu S có số phần tử bằng số chiều của V thì ta chọn B = S.
Ngược lại ta chọn u ∈ V sao cho S ∪ {u} là tập độc lập tuyến
tính.
Thay S bởi S ∪ {u} rồi lặp lại quá trình trên đến khi nào được
tập hợp có số phần tử bằng số chiều của V thì dừng.

Bổ sung thêm vectơ vào tập độc lập tuyến tính trong Rn để tạo
thành cơ sở
Cho S = {u1 , . . . , um } (m ≤ n) là một tập con độc lập tuyến tính
của không gian vectơ Rn . Để tìm một cơ sở B của Rn chứa S ta
thực hiện
như  sau:
u1
Đặt A =  ... . Thực hiện thuật toán Gauss để đưa A về ma trận
 
um
bậc thangB. Chọn  n − m vectơ v1 , . . . , vn−m sao cho hạng của ma
B
 v1 
trận C =  .  là n. Khi đó {u1 , . . . , um , v1 , . . . , vn−m } là cơ
 
 .. 
vn−m
sở cần tìm.
Ví dụ
Cho S = {u1 = (1, 1, 1), u2 = (1, 2, 3)} ⊆ R3 .
(a) Chứng minh S độc lập tuyến tính nhưng không là cơ sở của
R3 .
(b) Tìm một cơ sở B của R3 sao cho B chứa S.
Giải

1 1 1 d2 →d2 −d1 1 1 1
(a) A = −−−−−−−→ . Do đó r (A) = 2.
1 2 3 0 1 2
Suy ra S độc lập tuyến tính. Vì số phần tử của S là 2 nhỏ hơn
số chiều của R3 nên S không phải là cơ sở của R3 .


(b) Đặt B = S ∪ ε3 = (0, 0, 1). Vì số phần tử của B bằng số chiều
của R3 nên để chứng minh B là cơ sở của R3 ta chỉ cần
chứngminh B độc
 lập tuyến  tính. 
1 1 1 1 1 1
d2 →d2 −d1
B = 1 2 3 −−−−−−−→ 0 1 2 . Do đó r (B) = 3.
0 0 1 0 0 1
Suy ra B độc lập tuyến tính. Vì vậy B cũng là cơ sở của R3 .

Không gian nghiệm
Định nghĩa
Tập hợp tất cả các nghiệm của hệ phương trình tuyến tính thuần
nhất AX = 0 tạo thành một không gian con của Rn . Không gian
này được gọi là không gian nghiệm của hệ phương trình tuyến tính
thuần nhất.

Phương pháp tìm cơ sở của không gian nghiệm

Để tìm cơ sở cho không gian nghiệm W của một hệ phương trình
tuyến tính thuần nhất gồm n ẩn, ta thực hiện như sau:
Giải hệ phương trình và biểu diễn các ẩn phụ thuộc theo các
ẩn tự do.
Ứng với mỗi bộ các thành phần tự do, ta cho một thành phần
bằng 1 và các thành phần còn lại bằng 0 để thu được một
vectơ nghiệm của hệ. Ta gọi vectơ nghiệm này là vectơ
nghiệm căn bản. Tập hợp tất cả các vectơ nghiệm căn bản
của hệ sẽ tạo thành một cơ sở cho không gian nghiệm W .
Nếu hệ có nghiệm duy nhất X = 0 thì W = {0}. Khi đó cơ sở
của W là tập rỗng.

Ví dụ
Tìm cơ sở cho không gian nghiệm của hệ phương trình

x1 + x2 + x3 = 0
x1 + 2x2 + 2x3 = 0
x1 + 3x2 + 3x3 = 0

Giải
     
1 1 1 1 1 1 1 1 1
d2 →d2 −d1 d3 →d3 −2d2
1 2 2 −− −−−−−→ 0 1 1 −− −−−−−→ 0 1 1
d3 →d3 −d1
1 3 3 0 2 2 0 0 0



x1 = 0
x1 + x2 + x3 = 0
⇔ x2 = −α
x2 + x3 = 0
x3 = α∈R

Cho α = 1 ta có u = (0, −1, 1) là vectơ nghiệm căn bản của hệ.
Vậy cơ sở cần tìm là {u = (0, −1, 1)}.

Không gian tổng
Định lý
Cho V là một không gian vectơ và W1 , W2 là các không gian con
của V . Đặt W1 + W2 = {u1 + u2 |u1 ∈ W1 , u2 ∈ W2 }. Khi đó
W1 + W2 là không gian con của V và được gọi là không gian tổng
của W1 với W2 . Hơn nữa, nếu S1 , S2 lần lượt là tập sinh của
W1 , W2 thì S1 ∪ S2 là tập sinh của W1 + W2 .
Chú ý
Bởi định lý trên, bài toán tìm cơ sở cho không gian tổng của W1
và W2 nếu biết tập sinh của W1 , W2 chính là bài toán tìm cơ sở
cho không gian sinh bởi một tập hợp.

Không gian tổng
Ví dụ
Cho u1 = (0, 1, 1, 1), u2 = (1, 2, 1, 1), u3 = (−1, 1, 0, 1), u4 =
(−2, 1, −1, 0), u5 = (1, 1, 1, 0) và
W1 =< {u1 , u2 , u3 } >, W2 =< {u3 , u4 , u5 }. Tìm cơ sở và số chiều
của W1 + W2 .
Giải
Không gian tổng W1 + W2 là không gian sinh bởi tập hợp
{u1 , u2 , u3 , u4 , u5 }.   
0 1 1 1 1 2 1 1
 1 2 1 1 d3 →d3 +d2 0 1 1 1
  d4 →d4 +2d2  
−1 1 0 1 −−
A=  −−−−−→ 0 3 1 2
−2 1 −1 0 d5d→d 5 −d2
 
0 5 1 2
1 ↔d2
1 1 1 0 0 −1 0 −1

Không gian tổng

   
1 2 1 1 1 2 1 1
d3 →d3 −3d2 0 1 1 1 d3 →d3 +2d5 0 1 1 1 
 
d4 →d4 −5d2 
−−−−−−−→ 0 0 −2 −1 −−−−−−−→ 0 0 0 −1
  
d5 →d5 +d2  d →d +4d 
0 0 −4 −3 4 4 5 0 0 0 −3
0 0 1 0 0 0 1 0
   
1 2 1 1 1 2 1 1
0 1 1 1 
 d4 ↔d5 0 1 1 1 
 
d4 →d4 −3d3 
−−−−−−−→ 0 0 0 −1 −−−−→ 0 0 1 0 
  
0 0 0 0  d3 ↔d4 0 0 0 −1

0 0 1 0 0 0 0 0
Vậy cơ sở của W1 + W2 là {v1 = (1, 2, 1, 1), v2 = (0, 1, 1, 1), v3 =
(0, 0, 1, 0), v4 = (0, 0, 0, −1)} và dim(W1 + W2 ) = 4.

Không gian giao
Định lý
Cho V là một không gian vectơ và W1 , W2 là các không gian con
của V . Khi đó W1 ∩ W2 là không gian con của V và được gọi là
không gian giao của W1 với W2 .
Phương pháp tìm cơ sở cho không gian giao

Cho W1 , W2 là các không gian con của không gian vectơ Rn và
S1 , S2 lần lượt là các tập sinh của W1 , W2 . Để tìm cơ sở cho
không gian giao W1 ∩ W2 , ta thực hiện như sau: Tìm điều kiện của
(a1 , . . . , an ) sao cho u = (a1 , . . . , an ) lần lượt là tổ hợp tuyến tính
của các vectơ trong S1 , S2 . Khi đó u ∈ W1 ∩ W2 nếu và chỉ nếu
a1 , . . . , an thỏa một hệ phương trình tuyến tính thuần nhất nào đó.
Điều này dẫn đến W1 ∩ W2 chính là không gian nghiệm của hệ
phương trình tuyến tính thuần nhất trên.

Không gian giao
Ví dụ
Cho u1 = (1, 1, 1), u2 = (1, 2, 1), u3 = (2, 1, 1), u4 = (1, 1, 2) và
W1 =< {u1 , u2 } >, W2 =< {u3 , u4 } >. Tìm cơ sở và số chiều của
không gian W1 ∩ W2 .
Giải
Lấy u = (a1 , a2 , a3 ) ∈ R3 .
u ∈ W1 ⇔ u là tổ hợp tuyến tính của u1 , u2 ⇔ phương trình
u = λ1 u1 + λ2 u2 có nghiệm.
u = λ1 u1 + λ2 u2
⇔ (a1 , a2 , a3 ) = λ1 (1, 1, 1) + λ2 (1, 2, 1)
⇔  (a1 , a2 , a3 ) = (λ1 + λ2 , λ1 + 2λ2 , λ1 + λ2 )
λ1 + λ2 = a1
⇔ λ1 + 2λ2 = a2
λ1 + λ2 = a3


Không gian giao

   
1 1 a1 1 1 a1
d2 →d2 −d1
 1 2 a2  −− −−−−−→  0 1 a2 − a1 
d3 →d3 −d1
1 1 a3 0 0 a3 − a1
Do đó u ∈ W1 nếu và chỉ nếu a3 − a1 = 0.
u ∈ W2 ⇔ u là tổ hợp tuyến tính của u3 , u4 ⇔ phương trình
u = λ1 u3 + λ2 u4 có nghiệm.
u = λ1 u3 + λ2 u4
⇔ (a1 , a2 , a3 ) = λ1 (2, 1, 1) + λ2 (1, 1, 2)
⇔  (a1 , a2 , a3 ) = (2λ1 + λ2 , λ1 + λ2 , λ1 + 2λ2 )
2λ
 1 + λ 2 = a1
⇔ λ1 + λ2 = a2
λ1 + 2λ2 = a3


Không gian giao

   
2 1 a1 1 1 a2
 1 1 a2  −d− 1 ↔d2  d2 →d2 −2d1
−−→ 2 1 a1  −− −−−−−→
d3 →d3 −d1
1 2 a3 1 2 a3
   
1 1 a2 1 1 a2
d3 →d3 +d2
 0 −1 a1 − 2a2  −− −−−−−→  0 −1 a1 − 2a2 
0 1 a3 − a2 0 0 a1 + a3 − 3a2
Do đó u ∈ W2 nếu và chỉ nếu a1 + a3 − 3a2 = 0.
ra u = (a1 , a2 , a3 ) ∈ W1 ∩ W2 nếu và chỉ nếu
Suy
a3 − a1 = 0
a1 + a3 − 3a2 = 0
Vì vậy W1 ∩ W2là không
 gian nghiệm của hệ phương trình
a1
−1 0 1  
a2 = 0
1 −3 1
a3
Không gian giao

−1 0 1 d2 →d2 +d1 −1 0 1
−−−−−−−→
1 −3 1 0 −3 2
Từ
đó ta có hệ
−λ1 + λ3 = 0 λ1 = λ3 = α ∈ R
⇔
−3λ2 + 2λ3 = 0 λ2 = 23 α
2
Cho α = 1 ta được u = (1, 3 , 1) là vectơ nghiệm căn bản của hệ.
Vậy cơ sở của W1 ∩ W2 là {u = (1, 32 , 1)} và dim(W1 ∩ W2 ) = 1.

Mối liên hệ giữa số chiều của không gian tổng và không

gian giao
Định lý
Cho V là không gian vectơ hữu hạn chiều và W1 , W2 là các không
gian con của V . Khi đó
dim(W1 + W2 ) = dim(W1 ) + dim(W2 ) − dim(W1 ∩ W2 )

Không gian vectơ Tọa độ
Khái niệm tọa độ
Định lý
Cho B = {u1 , . . . , un } là cơ sở của không gian vectơ V . Khi đó,
với mọi u ∈ V , tồn tại duy nhất bộ số thực λ1 , λ2 , . . . , λn sao cho
u = λ1 u1 + λ2 u2 + · · · + λn un .
λ1
 λ2 
Ta đặt [u]B =  .  và [u]B được gọi là tọa độ của vectơ u theo
 
 .. 
λn
cơ sở B.
Chú ý
Tọa độ của một vectơ theo một cơ sở B chỉ có ý nghĩa khi thứ tự
xuất hiện của các vectơ trong B được cố định.

Ví dụ
Cơ sở chính tắc của R3 là
B0 = {ε1 = (1, 0, 0), ε2 = (0, 1, 0), ε3 = (0, 0, 1)}. Với
3
3)∈ R , ta có u = ε1 + 2ε2 + 3ε3 nên
u = (1, 2,
1
[u]B0 = 2 = u T .
3
Chú ý
Với u = (x1 , . . ) ∈ Rn và B0 là cơ sở chính tắc của Rn thì
. , xn
x1
T  .. 
[u]B0 = u =  .  .
xn

Mệnh đề
Cho B là cơ sở của không gian vectơ V . Khi đó, với mọi u, v ∈ V
và với mọi λ ∈ R ta có:
(i) [u + v ]B = [u]B + [v ]B .
(ii) [λu]B = λ[u]B .
Ví dụ
Cho B là một
 cơ sở của
 không
 gian R3 và u, v ∈ R3 . Giả sử
1 2
[u]B = 6 , [v ]B = 5. Khi đó
  
8 7
         
1 2 3 1 2
[u + v ]B = 6 + 5 = 11 và [2u]B = 2 6 = 12 .
8 7 15 8 16
Phương pháp tìm tọa độ của một vectơ

Cho B = {u1 , . . . , un } là cơ sở của không gian vectơ V . Để tìm tọa
độ của vectơ u ∈ V ta giải hệ phương trình
u = λ1 u1 + · · · + λn un ,
với các ẩn là λ1 , . . . , λn ∈ R. Phương trình này sẽ tương đương với

một hệ phương trình tuyến tính n phương trình n ẩn. Hệ phương
trình này sẽ
có nghiệm duy nhất (λ1 , . . . , λn ) = (a1 , . . . , an ). Khi
a1
a2 
đó [u]B =  .  .
 
 .. 
an

Ví dụ
Trong R3 cho các vectơ
u = (4, 1, 5), u1 = (1, 0, 1), u2 = (1, 1, 1), u3 = (0, 0, 1) và
B = {u1 , u2 , u3 }. Chứng minh B là cơ sở của R3 và tìm [u]B .
Giải
 
1 0 1
Xét A = 1 1
 1. Vì det(A) = 1 6= 0 nên B độc lập tuyến
0 0 1
tính. Hơn nữa, B có số phần tử bằng số chiều của R3 . Do đó B là
cơ sở của R3 .


u = λ1 u1 + λ2 u2 + λ3 u3
⇔ (4, 1, 5) = λ1 (1, 0, 1) + λ2 (1, 1, 1) + λ3 (0, 0, 1)
⇔ (4, 1, 5) = (λ1 + λ2 , λ2 , λ1 + λ2 + λ3 )
 
λ1 + λ2 = 4 λ1 = 3
⇔ λ2 = 1 ⇔ λ2 = 1
λ1 + λ2 + λ3 = 5 λ3 = 1
 
 
3
Vậy [u]B = 1 .
1

Ma trận chuyển cơ sở
Định nghĩa
Cho V là một không gian vectơ và
B1 = {u1 , . . . , un }, B2 = {v1 , . . . , vn } là các cơ sở của V . Đặt
P = ([v1 ]B1 . . . [vn ]B1 ).
Khi đó P được gọi là ma trận chuyển cơ sở từ cơ sở B1 sang cơ sở

B2 của V và được ký hiệu là (B1 → B2 ).
Ví dụ
B = {u1 = (3, 2, 1), u2 = (4, 1, 1), u3 = (5, 0, 2)} là cơ sở của R3 .
Gọi B0 là cơ sở chính tắc của R3 . Khi đó  
3 4 5
(B0 → B) = ([u1 ]B0 [u2 ]B0 [u3 ]B0 ) = (u1T u2T u3T ) = 2 1 0 .
1 1 2
Mệnh đề
Cho B là cơ sở của không gian Rn và B0 là cơ sở chính tắc của
Rn . Khi đó
(B0 → B) = u1T . . . unT .

Phương pháp tìm ma trận chuyển cơ sở

Để tìm ma trận chuyển cơ sở từ cơ sở B1 = {u1 , . . . , un } sang cơ sở
B2 = {v1 , . . . , vn } của không gian vectơ V , ta thực hiện như sau:
Cho u ∈ V bất kỳ. Tìm [u]B1 .
Lần lượt thay u bởi v1 , . . . , vn để tìm [v1 ]B1 , . . . , [vn ]B1 .
Khi đó (B1 → B2 ) = ([v1 ]B1 . . . [vn ]B1 ).

Ví dụ
Cho B1 = {u1 = (1, 0, 1), u2 = (1, 1, 0), u3 = (1, 1, 1)}, B2 = {v1 =
(1, 2, 3), v2 = (2, 3, 1), v3 = (3, 1, 2)}. Hãy xác định ma trận
chuyển cơ sở (B1 → B2 ).
Giải
Lấy u = (x, y , z) ∈ R3 .
u = λ1 u1 + λ2 u2 + λ3 u3
⇔ (x, y , z) = λ1 (1, 0, 1) + λ2 (1, 1, 0) + λ3 (1, 1, 1)
⇔ (x, y , z) = (λ1 + λ2 + λ3 , λ2 + λ3 , λ1 + λ3 )

λ1 + λ2 + λ3 = x
Từ đó ta có hệ λ2 + λ3 = y
λ1 + λ3 = z



   
1 1 1 x 1 1 1 x
d3 →d3 −d1 d →d1 −d2
 0 1 1 y  −− −−−−−→  0 1 1 y  −−1−−− −−→
d3 →d3 +d2
1 0 1 z 0 −1 0 z − x
   
1 0 0 x −y 1 0 0 x −y
d2 →d2 −d3
 0 1 1 y  −− −−−−−→  0 1 0 x −z 
0 0 1 y +z −x 0 0 1 y +z −x
Do đó λ 1 = x − y , λ2
 = x − z, λ 3 = y + z− x. Suy ra 
x −y −1 −1 2
[u]B1 =  x −z  . Vậy (B1 → B2 ) = −2 1 1 .

y +z −x 4 2 0

Định lý
Cho V là một không gian vectơ n chiều và B1 , B2 , B3 là các cơ sở
của V . Khi đó:
(i) (B1 → B3 ) = (B1 → B2 )(B2 → B3 ).
(ii) (B1 → B2 ) khả nghịch và (B1 → B2 )−1 = (B2 → B1 ).
Định lý
Cho V là không gian vectơ hữu hạn chiều và B1 , B2 là các cơ sở
của V . Khi đó, với mọi u ∈ V ta có [u]B1 = (B1 → B2 )[u]B2 .

Hệ quả
Cho B1 = {u1 , . . . , un }, B2 = {v1 , . . . , vn } là cơ sở của Rn . Khi đó
(B1 → B2 ) = (B0 → B1 )−1 (B0 → B2 ) = (u1T . . . unT )−1 (v1T . . . vnT )
Hệ quả
Cho B = {u1 , . . . , un } là cơ sở của Rn . Khi đó, với mọi u ∈ Rn , ta
có: [u]B = (B0 → B)−1 [u]B0 = (u1T . . . unT )−1 (u T ).
Phương pháp tìm tọa độ của một vectơ trong Rn

Cho B = {u1 , . . . , un } là cơ sở của Rn và u ∈ Rn . Để tìm [u]B ta
thực hiện như sau:
Đặt M = (u1T . . . unT |u T ). Dùng thuật toán Gauss-Jordan để đưa
M về dạng (In |v ). Khi đó v = [u]B .

Phương pháp tìm ma trận chuyển cơ sở trong Rn

Cho B1 = {u1 , . . . , un }, B2 = {v1 , . . . , vn } lần lượt là các cơ sở của
Rn . Để tìm (B1 → B2 ) ta thực hiện như sau:
Đặt M = (u1T . . . unT |v1T . . . vnT ).
Dùng thuật toán Gauss-Jordan để đưa M về dạng (In |A). Khi
đó A = (B1 → B2 ).
Ví dụ
Cho B1 = {u1 = (1, 0, 1), u2 = (1, 1, 0), u3 = (1, 1, 1)}, B2 = {v1 =
(1, 2, 3), v2 = (2, 3, 1), v3 = (3, 1, 2)}.
(a) Hãy tìm tọa độ của u = (x, y , z) ∈ R3 theo cơ sở B1 .
(b) Hãy xác định ma trận chuyển cơ sơ từ B1 sang B2 .

Giải
 −1    
1 1 1 x x −y
(a) [u]B1 = 0 1 1 y  =  x − z .
1 0 1 z y +z −x
(b)
 −1  
1 1 1 1 2 3
(B1 → B2 ) = 0 1 1 2 3 1
1 0 1
 3 1 2
−1 −1 2
= −2 1 1 .
4 2 0

Ánh xạ tuyến tính Khái niệm ánh xạ
Khái niệm ánh xạ
Định nghĩa
Cho X , Y là hai tập hợp khác rỗng và f là một phép tương ứng từ
X vào Y (ký hiệu: f : X → Y ). Khi đó f được gọi là một ánh xạ
từ X vào Y nếu với mọi x ∈ X tồn tại duy nhất một y ∈ Y sao
cho y là tương ứng của x qua f . Ta ký hiệu y = f (x) và gọi y là
ảnh của x qua f .
Ví dụ
Cho f : R2 → R2 được xác định bởi f (x, y ) = (xy , x − y ). Khi đó
f là một ánh xạ từ R2 → R2 .

Ánh xạ tuyến tính Khái niệm ánh xạ tuyến tính
Định nghĩa
Ánh xạ f : Rn → Rm được gọi là ánh xạ tuyến tính nếu nó thỏa
mãn các điều kiện sau:
(i) f (u + v ) = f (u) + f (v ) với mọi u, v ∈ Rn .
(ii) f (λu) = λf (u) với mọi λ ∈ R và với mọi u ∈ Rn .
Tập hợp tất cả các ánh xạ tuyến tính từ Rn vào Rm được ký hiệu
là L(Rn , Rm ). Nếu f ∈ L(Rn , Rn ) thì f được gọi là toán tử tuyến
tính trên Rn . Tập hợp tất cả các toán tử tuyến tính trên Rn được
ký hiệu là L(Rn ).

Ví dụ
Cho f : R3 → R2 xác định bởi f (x, y , z) = (x + y , y + z, z + x).
Chứng minh f là ánh xạ tuyến tính.
Giải
Lấy u = (x1 , y1 , z1 ), v = (x2 , y2 , z2 ) ∈ R3 và λ ∈ R. Ta có
u + v = (x1 + x2 , y1 + y2 , z1 + z2 ), λu = (λx1 , λy1 , λz1 ). Do đó
f (u + v ) = (x1 + x2 + y1 + y2 , y1 + y2 + z1 + z2 , z1 + z2 + x1 + x2 ).
Vì vậy f (u + v ) = f (u) + f (v ). Hơn nữa
f (λu) = (λx + λy , λy + λz, λz + λx) = λf (u).
Vậy f là ánh xạ tuyến tính.

Mệnh đề
Cho f ∈ L(Rn , Rm ). Khi đó:
(i) f (0) = 0.
(ii) Với mọi u ∈ Rn , f (−u) = −f (u).
(iii) Với mọi λ1 , . . . , λk ∈ R và với mọi u1 , . . . , uk ∈ Rn , ta có:
f (λ1 u1 + · · · + λk uk ) = λ1 f (u1 ) + · · · + λk f (uk ).
Mệnh đề
Ánh xạ f ∈ L(Rn , Rm ) nếu và chỉ nếu tồn tại duy nhất
a11 , . . . , a1n , . . . , am1 , . . . , amn ∈ R sao cho
f (x1 , . . . , xn ) = (a11 x1 + · · · + a1n xn , . . . , am1 x1 + · · · + amn xn ) với
mọi u = (x1 , . . . , xn ) ∈ Rn .

Ánh xạ tuyến tính Ma trận biểu diễn ánh xạ tuyến tính tổng quát
Định nghĩa
Cho B = {u1 , . . . , un }, C = {v1 , . . . , vm } lần lượt là cơ sở của
Rn , Rm và f ∈ L(Rn , Rm ). Khi đó ma trận

A = [f (u1 )]C . . . [f (un )]C
được gọi là ma trận biểu diễn của f đối với cặp cơ sở B, C (hay
vắn tắt là ma trận của f đối với cặp cơ sở B, C) và được ký hiệu là
[f ]B,C .

Ví dụ
Cho f (x, y , z) = (x + y + z, 3x − 5y + 7z)và B0 , C0 lần
lượt là cơ
1 1 1
sở chính tắc của R3 , R2 . Khi đó [f ]B0 ,C0 = .
3 −5 7
Mệnh đề
Cho f ∈ L(Rn , Rm ) được xác định bởi
f (x1 , . . . , xn ) = (a11 x1 + · · · + a1n xn , . . . , am1 x1 + · · · + amn xn ) và
B0 , C0 lần  lượt là cơ sở  chính tắc của Rn , Rm . Khi đó
a11 . . . a1n
[f ]B0 ,C0 = . . . . . . . . . .  .

am1 . . . amn

Ví dụ
Cho f (x, y , z) = (x + y + z, y + 2z) và B = {u1 = (1, 1, 0), u2 =
(1, 0, 1), u3 = (0, 1, 1)}, C = {v1 = (1, 2), v2 = (3, 5)} lần lượt là
cơ sở của R3 , R2 .
(a) Hãy xác định [f (u)]C với u = (x, y , z) ∈ R3 .
(b) Hãy xác định [f ]B,C .
Giải
(a)
f (u) = λ1 v1 + λ2 v2
⇔ (x + y + z, y + 2z) = λ1 (1, 2) + λ2 (3, 5)
⇔ (x + y + z, y + 2z) = (λ1 + 3λ2 , 2λ1 + 5λ2 )


λ1 + 3λ2 = x + y + z
Ta có:
2λ1 + 5λ2 = y + 2z

1 3 x +y +z d2 →d2 −2d1
−− −−−−−→
2 5 y + 2z

1 3 x +y +z d1 →d1 +3d2 1 0 −5x − 2y + z
−−−−−−−→ .
0 −1 −2x − y d2 →−d2 0 1 2x + y
Do đó λ1 = −5x − 2y + z, λ2 = 2x + y .
−5x − 2y + z
Vậy [f (u)]C = .
2x + y

−7 −4 −1
(b) [f ]B,C = ([f (u1 )]C [f (u2 )]C [f (u3 )]C ) = .
3 2 1

Định lý
Cho B, C lần lượt là cơ sở của Rn , Rm và f ∈ L(Rn , Rm ). Khi đó
với mọi u ∈ Rn , ta có:
[f (u)]C = [f ]B,C [u]B .
Định lý
Cho B1 , B2 là các cơ sở của Rn và C1 , C2 là các cơ sở của Rm . Nếu
f : Rn → Rm là một ánh xạ tuyến tính thì
[f ]B2 ,C2 = (C2 → C1 )[f ]B1 ,C1 (B1 → B2 ).

Hệ quả
Rn , Rm và f ∈ L(Rn , Rm ). Khi đó
T −1
[f ]B,C = (v1T . . . vm ) (f (u1 )T . . . f (un )T ).
Hệ quả
Cho C = {v1 , . . . , vm } là cơ sở của Rm và f ∈ L(Rn , Rm ). Với mọi
T )−1 (f (u)T ).
u ∈ Rn , ta có [f (u)]C = (v1T . . . vm

Phương pháp tìm ma trận biểu diễn ánh xạ tuyến tính tổng quát
Rn , Rm và f ∈ L(Rn , Rm ). Để tìm [f ]B,C ta thực hiện như sau:
Tính f (u1 ), . . . , f (un ).
Đặt M = (v1T . . . vm
T |f (u )T . . . f (u )T ).
1 n
Dùng thuật toán Gauss-Jordan để đưa M về dạng (Im |A). Khi
đó A = [f ]B,C .
Phương pháp tìm tọa độ của ảnh của một vectơ

Cho C = {v1 , . . . , vm } là cơ sở của Rm và f ∈ L(Rn , Rm ). Với
u ∈ Rn , để xác định [f (u)]C ta thực hiện như sau: Đặt
M = (v1T . . . vm
T |f (u)T ). Dùng thuật toán Gauss-Jordan để đưa M
về dạng (Im |v ). Khi đó v = [f (u)]C .

Ví dụ
Cho f (x, y , z) = (x + y + z, y + 2z) và B = {u1 = (1, 1, 0), u2 =
(1, 0, 1), u3 = (0, 1, 1)}, C = {v1 = (1, 2), v2 = (3, 5)} lần lượt là
cơ sở của R3 , R2 .
(a) Hãy xác định [f (u)]C với u = (x, y , z) ∈ R3 .
(b) Hãy xác định [f ]B,C .
Giải
(a)
−1
1 3 x +y +z
[f (u)]C = (v1T v2T )−1 (f (u)T ) =
2 5 y + 2z
−5x − 2y + z
= .
2x + y

Ma trận biểu diễn ánh xạ tuyến tính

(b)
[f ]B,C = (v1T v2T )−1 (f (u1 )T f (u2 )T f (u3 )T )
−1
1 3 2 2 2
=
2 5 1 2 3
−7 −4 −1
= .
3 2 1

Phương pháp tìm ánh xạ tuyến tính khi biết ma trận biểu diễn
Rn , Rm và B0 , C0 lần lượt là cơ sở chính tắc của Rn , Rm . Để xác
định f ∈ L(Rn , Rm ) khi biết [f ]B,C ta thực hiện như sau:
Tính [f ]B0 ,C0 theo công thức sau:
[f ]B0 ,C0 = (C0 → C)[f ]B,C (B0 → B)−1

= (v1T . . . vm
T )[f ] T T −1
B,C (u1 . . . un ) .
Với u = (x1 , . . . , xn ) ∈ Rn ta có [f (u)]C0 = ([f ]B0 ,C0 )(u T ). Suy

ra f (u) = ([f (u)]C0 )T .

Ví dụ
Tìm f ∈ L(R3 , R2 ) sao cho ma trận biểu diễn đối với cặp cơ sở
B = {u1 = (1, 1, 0), u2 = (1, 0,1), u3 = (0, 1,−2)}, C = {v1 =
1 2 −3
(1, 2), v2 = (3, 5)} là [f ]B,C = .
3 −1 2
Giải
Gọi B0 , C0 lần lượt là cơ sở chính tắc của R3 , R2 . Ta có:
[f ]B0 ,C0 = (v1T . . . vm

T )[f ] T T −1
B,C (u1 . . . un )
1 1 0 −1
 

1 3 1 2 −3 
= 1 0 1
2 5 3 −1 2
0 1 −2
−9 19 8
= .
−15 32 14
Ma trận biểu diễn ánh xạ tuyến tính

Với u = (x, y , z) ta có:  
x
−9 19 8  
[f (u)]C0 = [f ]B0 ,C0 (u T ) = y
−15 32 14
z
−9x + 19y + 8z
= .
−15x + 32y + 14z
Vậy f (u) = (−9x + 19y + 8z, −15x + 32y + 14z).

Ánh xạ tuyến tính Ma trận biểu diễn toán tử tuyến tính
Định nghĩa
Cho f ∈ L(Rn ) và B = {u1 , . . . , un } là cơ sở của Rn . Khi đó ta gọi
[f ]B,B là ma trận biểu diễn của f đối với cơ sở B. Để thuận tiện ta
sẽ dùng ký hiệu [f ]B thay cho ký hiệu [f ]B,B .
Ví dụ
Cho f ∈ L(R2 ) xác định bởi f (x, y
) = (x +y , x − y ) và B0 là cơ sở
1 1
chính tắc của R2 . Khi đó [f ]B0 = .
1 −1

Mệnh đề
Cho f ∈ L(Rn ) được xác định bởi
f (x1 , . . . , xn ) = (a11 x1 + · · · + a1n xn , . . . , an1 x1+ · · · + annxn ) và
a11 . . . a1n
B0 là cơ sở chính tắc của Rn . Khi đó [f ]B0 =  . . . . . . . . .  .
an1 . . . ann
Ví dụ
Cho f ∈ L(R2 ) xác định bởi f (x, y ) = (x + y , 2x − y ) và
B = {u1 = (1, −2), u2 = (2, −3)} là cơ sở của R2 .
(a) Hãy xác định [f (u)]B với u = (x, y ) ∈ R2 .
(b) Hãy xác định [f ]B .

Giải
f (u) = λ1 u1 + λ2 u2
⇔ (x + y , 2x − y ) = λ1 (1, −2) + λ2 (2, −3)
⇔ (x + y , 2x − y ) = (λ1 + 2λ2 , −2λ1 − 3λ2 )

λ1 + 2λ2 = x + y
Từ đó ta có hệ
−2λ1 − 3λ2 = 2x − y

1 2 x +y d2 →d2 +2d1 1 2 x +y
−−−−−−−→
−2 −3 2x − y 0 1 4x + y

λ1 + 2λ2 = x + y λ1 = −7x − y
⇔
λ2 = 4x + y λ2 = 4x + y

−7x − y
Do đó [f (u)]B = .
4x + y

−5 −11
Suy ra [f ]B = .
2 5

Định lý
Cho f ∈ L(Rn ) và B là cơ sở của Rn . Khi đó, với mọi u ∈ Rn , ta
có [f (u)]B = [f ]B [u]B .
Định lý
Cho B1 , B2 là các cơ sở của Rn và f ∈ L(Rn ). Khi đó
[f ]B2 = (B2 → B1 )[f ]B1 (B1 → B2 ) = (B1 → B2 )−1 [f ]B1 (B1 → B2 ).

Hệ quả
Cho B = {u1 , . . . , un } là cơ sở của Rn . Khi đó
[f ]B = (u1T . . . unT )−1 (f (u1 )T . . . f (un )T ).
Hệ quả
Cho B = {u1 , . . . , un } là cơ sở của Rn và f ∈ L(Rn ). Với mọi
u ∈ Rn , ta có [f (u)]B = (u1T . . . unT )−1 (f (u)T ).

Phương pháp tìm ma trận biểu diễn toán tử tuyến tính

Cho B = {u1 , . . . , un } là cơ sở của Rn và f ∈ L(Rn ). Để xác định
[f ]B ta thực hiện như sau:
Tính f (u1 ), . . . , f (un ).
Đặt M = (u1T . . . unT |f (u1 )T . . . f (un )T ).
Dùng thuật toán Gauss-Jordan để đưa M về dạng (In |A). Khi
đó A = [f ]B .
Phương pháp tìm tọa độ của ảnh của một vectơ

Cho B = {u1 , . . . , um } là cơ sở của Rn và f ∈ L(Rn ). Với u ∈ Rn ,
để tìm [f (u)]B ta thực hiện như sau: Đặt M = (u1T . . . unT |f (u)T ).
Dùng thuật toán Gauss-Jordan để đưa M về dạng (In |v ). Khi đó
v = [f (u)]B .

Ví dụ
Cho f ∈ L(R2 ) xác định bởi f (x, y ) = (x + y , 2x − y ) và
B = {u1 = (1, −2), u2 = (2, −3)} là cơ sở của R2 .
(a) Hãy xác định [f (u)]B với u = (x, y ) ∈ R2 .
(b) Hãy xác định [f ]B .
Giải
−1

1 2 x +y −7x − y
(a) [f (u)]B = = .
−2 −3 2x − y 4x + y
−1
1 2 −1 −1 −5 −11
(b) [f ]B = = .
−2 −3 4 7 2 5

Phương pháp tìm toán tử tuyến tính khi biết ma trận biểu diễn
Cho B = {u1 , . . . , un } là cơ sở của Rn và B0 là cơ sở chính tắc của
Rn . Để xác định f ∈ L(Rn ) khi biết [f ]B ta thực hiện như sau:
Tính [f ]B0 theo công thức sau:
[f ]B0 = (B0 → B)[f ]B (B0 → B)−1

= (u1T . . . unT )[f ]B (u1T . . . unT )−1 .
Với u = (x1 , . . . , xn ) ∈ Rn ta có [f (u)]B0 = ([f ]B0 )(u T ). Suy

ra f (u) = ([f (u)]B0 )T .

Ví dụ
Tìm f ∈ L(R2 ) sao cho ma trận biểu diễn f đốivới cơ sở
1 2
B = {u1 = (1, 2), u2 = (3, 5)} là [f ]B = .
3 4
Giải
−1
1 3 1 2 1 3 −22 16
[f ]B0 = = .
2 5 3 4 2 5 −37 27
Với u = (x, y ) ∈ R2 , ta
có:
T −22 16 x −22x + 16y
[f (u)]B0 = [f ]B0 (u ) = = .
−37 27 y −37x + 27y
Suy ra f (u) = (−22x + 16y , −37x + 27y ).

Ánh xạ tuyến tính Xác định ánh xạ tuyến tính thông qua ảnh các vectơ cơ sở
Định lý
Cho B = {u1 , . . . , un } là cơ sở của Rn và S = {v1 , . . . , vn } là tập
hợp các vectơ thuộc Rm . Khi đó tồn tại duy nhất f ∈ L(Rn , Rm )
sao cho f (ui ) = vi với mọi i = 1, . . . , n.
Phương pháp xác định ánh xạ tuyến tính thông qua ảnh các vectơ
cơ sở
Cho B = {u1 , . . . , un } là cơ sở của Rn và S = {v1 , . . . , vn } là tập
hợp trong Rm . Để tìm f ∈ L(Rn , Rm ) thỏa f (ui ) = vi với mọi
i = 1, . . . , n ta thực hiện như sau:
Tính [u]B = (u1T . . . unT )−1 (u T ) với u = (x1 , . . . , xn ) ∈ Rn .
 
α1
 .. 
Khi đó f (u) = α1 v1 + · · · + αn vn với [u]B =  . 
αn
Ánh xạ tuyến tính Xác định ánh xạ tuyến tính thông qua ảnh các vectơ cơ sở
Ví dụ
Tìm f ∈ L(R2 , R3 ) sao cho f (1, 1) = (1, 3, 5), f (1, 2) = (2, 4, 6).
Giải
Ta có B = {u1 = (1, 1), u2 = (1, 2)} là cơ sở của R2 . Với
u = (x, y ) ∈ R2 , ta có:
−1
T T −1 T 1 1 x 2x − y
[u]B = (u1 u2 ) (u ) = =
1 2 y −x + y
Do đó
f (u) = (2x − y )f (u1 ) + (−x + y )f (u2 )
= (2x − y )(1, 3, 5) + (−x + y )(2, 4, 6)
= (y , 2x + y , 4x + y )

Ánh xạ tuyến tính Nhân và ảnh của ánh xạ tuyến tính
Nhân của ánh xạ tuyến tính
Định nghĩa
Cho f ∈ L(Rn , Rm ). Khi đó tập hợp Kerf = {u ∈ Rn |f (u) = 0}
được gọi là nhân của ánh xạ tuyến tính f .
Định lý
Cho f ∈ L(Rn , Rm ). Khi đó Kerf là không gian con của Rn . Hơn
nữa, Kerf là không gian nghiệm của hệ [f ]B0 ,C0 X = 0 với B0 , C0
lần lượt là cơ sở chính tắc của Rn , Rm .
Định nghĩa
Cho f ∈ L(Rn , Rm ). Khi đó Kerf được gọi là không gian nhân của
f và dim(Kerf ) được gọi là số khuyết của f , ký hiệu bởi null(f ).

Phương pháp xác định cơ sở của không gian nhân

Cho f ∈ L(Rn , Rm ). Để xác định cơ sở của Kerf ta thực hiện như
sau:
Xác định [f ]B0 ,C0 với B0 , C0 lần lượt là cơ sở chính tắc của
Rn , Rm .
Tìm cơ sở của không gian nghiệm của hệ [f ]B0 ,C0 X = 0. Cơ sở
của không gian nhân chính là cơ sở của không gian nghiệm
của hệ [f ]B0 ,C0 X = 0
Ví dụ
Cho f ∈ L(R3 ) xác định bởi
f (x, y , z) = (x + y − z, x + 2y + 3z, 2x + 3y + 2z). Hãy tìm cơ sở
của Kerf và tính null(f ).

Giải
Gọi B0 là 3
cơ sởchính
 tắc của R .  
1 1 −1 1 1 −1
d →d2 −d1
[f ]B0 = 1 2 3  −−2−−− −−→ 0 1 4
d3 →d3 −2d1
2 3 2 0 1 4
 
1 1 −1
d →d3 −d2
−−3−−− −−→ 0 1 4
0 0 0

x1 = 5α
x1 + x2 − x3 = 0
Từ đó ta có hệ ⇔ x2 = −4α
x2 + 4x3 = 0
x3 = α ∈ R

Cho α = 1 ta có u = (5, −4, 1). Vậy cơ sở của Kerf là
{u = (5, −4, 1)} và null(f ) = 1.

Ảnh của ánh xạ tuyến tính
Định nghĩa
Cho f ∈ L(Rn , Rm ). Khi đó tập hợp Imf = {f (u)|u ∈ Rn } được
gọi là ảnh của ánh xạ tuyến tính f .
Định lý
Cho f ∈ L(Rn , Rm ). Khi đó Imf là không gian con của Rm . Hơn
nữa, Imf là không gian dòng của ma trận ([f ]B0 ,C0 )T với B0 , C0 lần
lượt là cơ sở chính tắc của Rn , Rm .
Định nghĩa
Cho f ∈ L(Rn , Rm ). Khi đó Imf được gọi là không gian ảnh của
ánh xạ tuyến tính f và dim(Imf ) được gọi là hạng của f , ký hiệu
bởi r (f ).

Phương pháp xác định cơ sở của không gian ảnh

Cho f ∈ L(Rn , Rm ). Để xác định cơ sở của Imf ta thực hiện như
sau:
Xác định [f ]B0 ,C0 với B0 , C0 lần lượt là cơ sở chính tắc của
Rn , Rm .
Tìm cơ sở của không gian dòng của ma trận ([f ]B0 ,C0 )T . Cơ
sở của không gian ảnh chính là cơ sở của không gian dòng
của ma trận ([f ]B0 ,C0 )T .
Ví dụ
Cho f ∈ L(R3 , R2 ) xác định bởi
f (x, y , z) = (x + y + 2z, 2x + y − 3z). Hãy tìm cơ sở của Imf và
tính r (f ).

Giải
cơ sở chính tắc của R3 , R2 .
Gọi B0 , C0 lần lượt là
1 1 2
[f ]B0 ,C0 = . Suy ra
2 1 −3
   
1 2 1 2
d →d2 −d1
([f ]B0 ,C0 )T = 1 1  −−2−−− −−→ 0 −1
d3 →d3 −2d1
2 −3 0 −7
 
1 2
d3 →d3 −7d2
−− −−−−−→ 0 −1.
0 0
Do đó cơ sở của Imf là {u1 = (1, 2), u2 = (0, −1)} và r (f ) = 2.

Mối liên hệ giữa hạng và số khuyết
Mệnh đề
Cho f ∈ L(Rn , Rm ). Khi đó
dim(Imf ) + dim(Kerf ) = n.

1 / 96 Đại số tuyến tính (Phần 2)

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

1 / 96 Đại số tuyến tính (Phần 2)

Uploaded by

Copyright:

Available Formats

ĐẠI SỐ TUYẾN TÍNH

1 / 96 Đại số tuyến tính (Phần 2)

2 Ánh xạ tuyến tính

2 / 96 Đại số tuyến tính (Phần 2)

Khái niệm không gian vectơ

Khái niệm không gian vectơ

4 / 96 Đại số tuyến tính (Phần 2)

Ví dụ về không gian vectơ

Ta định nghĩa phép cộng hai phần tử u = (a1 , . . . , an ),

5 / 96 Đại số tuyến tính (Phần 2)

Ví dụ về không gian vectơ

6 / 96 Đại số tuyến tính (Phần 2)

Không gian con

7 / 96 Đại số tuyến tính (Phần 2)

Không gian con

8 / 96 Đại số tuyến tính (Phần 2)

Không gian con

Phương pháp xác định không gian con

9 / 96 Đại số tuyến tính (Phần 2)

Không gian con

10 / 96 Đại số tuyến tính (Phần 2)

Không gian con

Tổ hợp tuyến tính

12 / 96 Đại số tuyến tính (Phần 2)

Tổ hợp tuyến tính

13 / 96 Đại số tuyến tính (Phần 2)

Tổ hợp tuyến tính

Kiểm tra vectơ u có là tổ hợp tuyến tính của các vectơ u1 , . . . , um

14 / 96 Đại số tuyến tính (Phần 2)

Tổ hợp tuyến tính

15 / 96 Đại số tuyến tính (Phần 2)

Hệ vectơ độc lập tuyến tính (phụ thuộc tuyến tính)

16 / 96 Đại số tuyến tính (Phần 2)

Kiểm tra hệ vectơ độc lập tuyến tính trong Rn

17 / 96 Đại số tuyến tính (Phần 2)

Kiểm tra hệ vectơ độc lập tuyến tính trong Rn

18 / 96 Đại số tuyến tính (Phần 2)

Kiểm tra hệ vectơ độc lập tuyến tính trong Rn

19 / 96 Đại số tuyến tính (Phần 2)

Kiểm tra hệ vectơ độc lập tuyến tính trong Rn

20 / 96 Đại số tuyến tính (Phần 2)

Không gian sinh bởi một tập hợp

21 / 96 Đại số tuyến tính (Phần 2)

Không gian sinh bởi một tập hợp

22 / 96 Đại số tuyến tính (Phần 2)

Cơ sở của không gian vectơ

23 / 96 Đại số tuyến tính (Phần 2)

Số chiều của không gian vectơ

24 / 96 Đại số tuyến tính (Phần 2)

Số chiều của không gian vectơ

25 / 96 Đại số tuyến tính (Phần 2)

Số chiều của không gian vectơ

Phương pháp kiểm tra cơ sở của không gian Rn

26 / 96 Đại số tuyến tính (Phần 2)

Số chiều của không gian vectơ

27 / 96 Đại số tuyến tính (Phần 2)

Không gian sinh bởi một tập hợp trong Rn

28 / 96 Đại số tuyến tính (Phần 2)

Không gian sinh bởi một tập hợp trong Rn

29 / 96 Đại số tuyến tính (Phần 2)

Không gian sinh bởi một tập hợp trong Rn

30 / 96 Đại số tuyến tính (Phần 2)

Không gian sinh bởi một tập hợp trong Rn