Professional Documents
Culture Documents
KHOA TOÁN
KHOA TOÁN
Lời mở đầu 4
1 Kiến thức cơ sở 6
1.1 Ánh xạ tuyến tính. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.1 Các định nghĩa. . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.2 Hạt nhân, ảnh của ánh xạ tuyến tính. . . . . . . . . . . . . . 10
1.2 Cấu trúc của tự đồng cấu tuyến tính. . . . . . . . . . . . . . . . . . . 11
1.2.1 Giá trị riêng và vector riêng, đa thức đặc trưng. . . . . . . . . 11
1.2.2 Không gian con bất biến. . . . . . . . . . . . . . . . . . . . . . 15
1
Lời cảm ơn
Trước khi trình bày nội dung chính của khoá luận, em xin bày tỏ lòng biết ơn sâu
sắc tới thầy giáo Th.S Phạm Thanh Tâm đã tận tình chỉ bảo, hướng dẫn, tạo
điều kiện để em có thể hoàn thành khóa luận này.
Qua đây em cũng xin bày tỏ lòng biết ơn chân thành tới các thầy cô trong tổ Hình
học và các thầy cô trong khoa Toán, Trường Đại học Sư phạm Hà Nội 2 đã dạy bảo
em tận tình trong suốt quá trình học tập tại khoa.
Nhân dịp này em cũng xin bày tỏ lòng biết ơn chân thành tới gia đình, bạn bè đã
luôn ở bên, cổ vũ, động viên, giúp đỡ em trong suốt quá trình học tập vừa qua.
Em xin chân thành cảm ơn!
2
Lời cam đoan
Em xin cam đoan bài khóa luận là kết quả của quá trình làm việc nghiêm túc, sự cố
gắng, nỗ lực từ bản thân dưới sự hướng dẫn, chỉ bảo tận tình của thầy giáo Th.S
Phạm Thanh Tâm.
Trong quá trình thực hiện khóa luận em có tham khảo tài liệu của một số tác giả
đã nêu trong mục tài liệu tham khảo.
3
Lời mở đầu
1. Lí do chọn đề tài
Đại số tuyến tính là một môn học cơ bản của Toán cao cấp, được áp dụng vào hàng
loạt các lĩnh vực khác nhau, từ giải tích tới hình học vi phân, từ cơ học, vật lý tới
kĩ thuật. Những kiến thức cơ bản của Đại số tuyến tính như ánh xạ tuyến tính, cấu
trúc của tự đồng cấu là những kiến thức không thể thiếu. Hơn nữa, các tự đồng cấu
đóng vai trò quan trọng trong việc làm rõ cấu trúc của không gian vector. Để việc
tìm cho mỗi tự đồng cấu một cơ sở của không gian được dễ dàng hơn thì ta cần
tìm ma trận biểu diễn đơn giản nhất có thể của tự đồng cấu. Ma trận dạng chéo là
một ma trận đơn giản, các tự đồng cấu có ma trận với một cơ sở nào đó là ma trận
dạng chéo được gọi là các tự đồng cấu chéo hóa được. Nhưng không phải bất kỳ tự
đồng cấu nào cũng chéo hóa được. Vì vậy ta cần tìm ma trận có dạng gần với ma
trận dạng chéo nhất chính là tìm dạng Jordan của ma trận trong một tự đồng cấu
bất kỳ.
Thấy được tầm quan trọng của vấn đề, cùng với sự hướng dẫn nhiệt tình của thầy
giáo Th.S Phạm Thanh Tâm tôi đã chọn đề tài "Dạng chuẩn tắc Jordan và ứng
dụng".
4
Khóa luận tốt nghiệp Dạng chuẩn tắc Jordan và ứng dụng
Dạng chuẩn Jordan và những ứng dụng quan trọng của nó.
Nghiên cứu một số kiến thức chuẩn bị liên quan đến dạng chuẩn Jordan.
Nghiên cứu tài liệu tham khảo theo phương pháp: hệ thống lại các kiến thức có liên
quan, phân tích, tổng hợp.
Ngoài phần mở đầu, kết luận và danh mục tài liệu tham khảo, khóa luận gồm hai
chương:
Chương1: Kiến thức cơ sở
Chương2: Dạng chuẩn tắc Jordan và ứng dụng
Do hạn chế về thời gian, kiến thức nên khóa luận không tránh khỏi những thiếu sót.
Vì vậy em rất mong nhận được những ý kiến đóng góp quý báu của các thầy cô và
các bạn sinh viên để đề tài được hoàn thiện hơn.
Trân trọng cảm ơn!
Kiến thức cơ sở
φ(~ ~ = φ(~
α + β) ~
α) + φ(β)
φ(k~
α) = kφ(~
α)
~ , β~ ∈ V và mọi k ∈ K. Ánh xạ tuyến tính còn được gọi là đồng cấu tuyến
với mọi α
tính, hay một cách vắn tắt là đồng cấu.
Kí hiệu: Hom(V, W ) là tập các ánh xạ tuyến tính từ V vào W .
Ví dụ 1.1.2.
α) = ~0, ∀~
a) Ánh xạ không 0 : V −→ W cho bởi: 0(~ α ∈ V là một ánh xạ tuyến
tính.
b) Ánh xạ đồng nhất idV : V −→ W mà idV (~ ~ , ∀~
α) = α α ∈ V là một ánh xạ tuyến
tính.
6
Khóa luận tốt nghiệp Dạng chuẩn tắc Jordan và ứng dụng
d
c) Ánh xạ đạo hàm dx
: R[x] −→ R[x] cho bởi:
d
(an xn + ... + a1 x + a0 ) = nan xn−1 + ... + a1
dx
φ + ϕ : V −→ W
~ 7−→ (φ + ϕ)(~
α α) = φ(~
α) + ϕ(~
α)
λφ : V −→ W
~ 7−→ (λφ)(~
α α) = λφ(~
α).
Định lý 1.1.4.
Giả sử V là một không gian vector n− chiều. Khi đó, mỗi ánh xạ tuyến tính
từ V vào W được hoàn toàn xác định bởi ảnh của nó trên một cơ sở. Nói rõ hơn,
giả sử (ε) = {ε~1 , ε~2 , ..., ε~n } là một cơ sở của V còn (β) = {β~1 , β~2 , ..., β~n } là n vector
nào đó của W . Khi đó có một và chỉ một ánh xạ tuyến tính φ : V −→ W sao cho
εi ) = β~i , i = 1, 2, ..., n.
φ(~
Chứng minh.
• Sự tồn tại:
~ = x1 ε~1 + x2 ε~2 + · · · + xn ε~n ∈ V , ta đặt:
Nếu α
Khi đó:
φ : V −→ W
εi ) = β~i , i = 1, 2, ..., n.
là một ánh xạ tuyến tính và φ(~
• Sự duy nhất:
Nếu tồn tại ánh xạ f : V −→ W thõa mãn định lí và φ(~ εi ) = β~i , i =
εi ) = f (~
~ = ni=1 xi ε~i ta đều có:
P
1, 2, ..., n thì với mỗi α
Xn n
X n
X Xn
φ(~
α) = φ( xi ε~i ) = xi φ(~
εi ) = xi f (~
εi ) = f ( xi ε~i ) = f (~
α).
i=1 i=1 i=1 i=1
Suy ra φ = f .
Vậy φ tồn tại duy nhất.
Nếu có một đẳng cấu φ : V −→ W thì ta nói rằng V đẳng cấu với W và viết V ∼
= W.
Định lý 1.1.6.
Cho V và W là hai không gian vector hữu hạn chiều trên trường K. Khi đó V
đẳng cấu với W khi và chỉ khi dimV = dimW .
Chứng minh.
Giả sử V đẳng cấu với W, khi đó có một đẳng cấu φ : V −→ W . Tức là, nếu
{ε~1 , ε~2 , ..., ε~n } là một cơ sở của V thì hệ {φ(ε~1 ), φ(ε~2 ), ..., φ(ε~n )} là một cơ sở của W.
Thật vậy:
n n
ai φ(ε~i ).
X X
β~ = φ(~
α) = φ( ai ε~i ) =
i=1 i=1
Khi đó β~ biểu thị tuyến tính duy nhất qua hệ {φ(ε~1 ), φ(ε~2 ), ..., φ(ε~n )} nên hệ này là
một cơ sở của W. Nói cách khác dimV = dimW .
Ngược lại, giả sử dimV = dimW = n. Chọn các cơ sở {α~1 , α~2 , ..., α~n } của V và
{β~1 , β~2 , ..., β~n } của W. Ánh xạ duy nhất f : V −→ W được xác định bởi f (α~1 ) =
β~1 , ...., f (α~n ) = β~n là một đẳng cấu tuyến tính.
Thật vậy, nghịch đảo của f là ánh xạ tuyến tính h : W −→ V được xác đinh bởi
điều kiện h(β~1 ) = α~1 , ..., h(β~n ) = α~n .
Giả sử V , W là những K - không gian vector hữu hạn chiều, (e) = {e~1 , ..., e~n }
là một cơ sở của V , (ε) = {ε~1 , ..., ε~m } là một cơ sở của W . Ánh xạ tuyến tính
φ : V −→ W được xác định duy nhất bởi một hệ vector φ(e) = {φ(e~1 ), ..., φ(e~n )}.
ej ) lại biểu thị tuyến tính một cách duy nhất qua cơ sở (ε) = {ε~1 , ..., ε~m }
Các vector φ(~
của W.
m
X
φ(~
ej ) = aij ε~i ; j = 1, ..., n.
i=1
Khi đó A được gọi là ma trận của ánh xạ tuyến tính φ : V −→ W đối với cặp cơ sở
(e) và (ε).
Cho φ : V −→ W là một ánh xạ tuyến tính có ma trận A = (aij )m×n đối với cặp
y1 = a11 x1 + a12 x2 + · · · + a1n xn
y2 = a21 x1 + a22 x2 + · · · + a2n xn
.
....................................................
y = a x + a x + · · · + a x
m m1 1 m2 2 mn n
yi = n aij xj
P
j=1
Hay là
i = 1, 2, ..., m.
Ta gọi công thức trên là biểu thức tọa độ của ánh xạ tuyến tính φ đối với cặp cơ sở
(e) và (ε) đã cho.
Ta gọi ánh xạ tuyến tính từ không gian vector V vào chính nó là một tự đồng
cấu của V . Một tự đồng cấu của V đồng thời là một đẳng cấu được gọi là một tự
đẳng cấu của V .
Không gian vector tất cả các tự đồng cấu của V được ký hiệu là End(V ).
Tập hợp tất cả các tự đẳng cấu của V được kí hiệu là GL(V ).
Cho φ ∈ End(V ). Gọi A = (aij )m×n là ma trận của φ trong một cơ sở nào đó
của V . Ta gọi:
a) Det A là định thức của tự đồng cấu φ và kí hiệu là det φ.
b) Tổng các phần tử nằm trên đường chéo chính của ma trận A là vết của φ, kí hiệu
là tr(φ):
n
X
tr(φ) = aii .
i=1
Số thực λ được gọi là giá trị riêng của tự đồng cấu tuyến tính φ nếu tồn tại một
vector ~v 6= ~0 sao cho: φ(~v ) = λ~v . Khi đó ~v được gọi là vector riêng của φ ứng với giá
trị riêng λ.
Số thực λ được gọi là giá trị riêng của ma trận vuông A cấp n nếu tồn tại một
vector ~v 6= ~0 sao cho:
Av = λv.
Khi đó ~v được gọi là vector riêng của A ứng với giá trị riêng λ.
Đa thức đặc trưng của φ, kí hiệu là Pφ (t), được định nghĩa là định thức của ánh
xạ φ − t · id, trong đó id là ánh xạ tuyến tính đồng nhất.
Định lý 1.2.4.
Số thực λ là giá trị riêng của φ khi và chỉ khi nó là nghiệm của đa thức đặc trưng
Pφ (t).
Chứng minh.
Giả thiết Pφ (t) = 0. Cố định một cơ sở (e) = {e~1 , ..., e~n } của V và kí hiệu A là
ma trận của φ, [x] là tọa độ của ~x theo cơ sở này. Khi đó det(A − λIn ) = 0. Từ đó
hệ phương trình tuyến tính thuần nhất:
(A − λIn )[x] = 0
có nghiệm không tầm thường. Nghiệm của hệ này chính là vector riêng của φ ứng
với giá trị riêng λ.
Ngược lại, giả sử ~v 6= ~0 là nghiệm của hệ
Để tìm giá trị riêng và vector riêng của một tự đồng cấu φ ta làm như sau:
Bước 1: Tìm ma trận A của φ trong một cơ sở tùy ý (e) = {e~1 , ..., e~n } của V .
Bước 2: Tính đa thức đặc trưng det(A − XEn ).
Bước 3: Giải đa thức bậc n đối với ẩn X:
det(A − XEn ) = 0.
Bước 4: Giả sử λ là một nghiệm của phương trình đó. Giải hệ phương trình tuyến
Giả sử = (c1 , ..., cn ) là một nghiệm không tầm thường của hệ này. Khi đó, α
~ =
c1 e~1 + · · · + cn e~n là một vector riêng của φ ứng với giá trị riêng λ.
Ánh xạ φ được gọi là chéo hóa được, nếu tồn tại một cơ sở mà ứng với nó ma
trận biểu diễn của ánh xạ là ma trận đường chéo, nói cách khác φ chéo hóa được
nếu có một cơ sở của V gồm toàn những vector riêng của φ .
Định lý 1.2.8.
Tự đồng cấu φ chéo hóa được khi và chỉ khi hai điều kiện sau đây được thỏa
mãn:
a) Đa thức Pφ (t) có đủ nghiệm thực. Tức là đa thức đặc trưng Pφ (t) phân tích được
thành:
Pφ (t) = (−1)n (t − λ1 )σ1 ...(t − λn )σn .
Chứng minh.
Giả sử φ chéo hóa được. Khi đó, giả sử ma trận của φ trong một cơ sở nào đó
của V là một ma trận chéo D với σ1 phần tử nằm trên đường chéo bằng λ1 , ..., σm
phần tử nằm trên đường chéo bằng λm , trong đó n = σ1 + ... + σm . Khi đó:
Ta thấy ma trận (D − λi En ) là ma trận chéo, với σi phần tử nằm trên đường chéo
bằng λi − λi = 0, các phần tử còn lại bằng λj − λi 6= 0 với i 6= , j nào đó.
Cho nên ta có:
Ngược lại, giả sử các điều kiện (a), (b) được thỏa mãn. Xét không gian vector con
riêng ứng với giá trị riêng λi : Vi = Ker(φ − λi idV ) (i = 1, ..., m) ta có:
Mà ta luôn có tổng V1 +...+Vm là một tổng trực tiếp, với số chiều bằng σ1 +...+σm =
n. Vậy tổng đó bằng toàn bộ không gian V .
V = ⊕ Vi .
i
Hệ quả 1.2.9.
Cho φ là một tự đồng cấu của không gian vector V chiều n. Khi đó:
• Nếu φ có n giá trị riêng khác nhau thì φ chéo hóa được.
Không gian con U ⊆ V được gọi là bất biến đối với φ (hoặc ổn định đối với φ)
nếu φ(U ) ⊆ U .
Ví dụ 1.2.11.
a) Giả sử λ là một giá trị riêng của φ. Khi đó không gian riêng ứng với giá trị
riêng λ là một không gian con bất biến đối với φ.
b) Ta xét một đa thức theo φ:
ai là các hệ số thực. A(φ) được gọi là một ánh xạ đa thức theo φ. Hạch và ảnh của
A(φ) là các không gian con bất biến đối với φ.
Mệnh đề 1.2.12.
Giả thiết U là không gian con bất biến đối với ánh xạ φ. Khi đó ta có các mệnh
đề sau:
a) Tồn tại một cơ sở của V để ma trận của ánh xạ φ có dạng:
B C
.
O D
.
c) Kí hiệu là φ|U là hạn chế của φ trên U . Khi đó đa thức đặc trưng của φ là tích
các đa thức đặc trưng của φ|U và φ̄:
Chứng minh.
a) Chọn một cơ sở {u~1 , ..., u~r } của U và mở rộng thành một cơ sở của V bằng
ui ) ∈ U nên có thể
cách bổ sung các phần tử (w) = (w~1 , ..., w~s ). Theo giả thiết φ(~
biểu diễn được theo các vector u~j bởi một ma trận B.
Vì (u, w) là một cơ sở của V nên các vector φ(w~k ) có thể biểu diễn theo cơ sở đó
bởi một ma trận dạng
C
.
D
Mặt khác, {[w~1 ], ..., [w~s ]} là cơ sở của V /U . Từ (a) dễ thấy ma trận của φ̄ theo cơ
sở này là D. Do đó:
Pφ̄ (t) = det(D − t.En−r ).
Giả thiết λ là một giá trị riêng của φ. Vector ~v ∈ V được gọi là vector nghiệm
(vector riêng suy rộng) của φ nếu tồn tại r > 0 sao cho (φ − λ)r (~v ) = 0. Tập hợp
các vector nghiệm lập thành một không gian con của V , gọi là không gian nghiệm
ứng với giá trị riêng λ, kí hiệu là V (λ).
Cho φ : V −→ W là ánh xạ tuyến tính giữa các không gian vector. Chứng minh
rằng:
a) Nếu hệ {φ(α~1 ), ..., φ(α~n )} độc lập tuyến tính, thì hệ {α~1 , ..., α~n } độc lập tuyến
tính.
b) rank(α~1 , ..., α~n ) ≥ rank(φ(α~1 ), ..., φ(α~n )).
Với số nguyên dương n, xét cơ sở εn = (1, x, ..., xn ) của R không gian vector Vn
các đa thức một biến x với hệ số hữu tỉ bậc nhỏ hơn n.
a) Chứng minh rằng phép lấy đạo hàm:
là một tự đồng cấu từ Vn đến Vn−1 . Hãy viết ma trận của nó trong cơ sở {1, x, ..., xn }.
b) Chứng minh rằng phép lấy nguyên hàm:
a1 x 2 an xn+1
a0 + a1 x + ... + an xn 7→ a0 x + + ... +
2 n+1
là một tự đồng cấu từ Vn đến Vn+1 . Hãy viết ma trận của nó trong cơ sở {1, x, ..., xn }.
a)Tìm các giá trị riêng và vector riêng cúa các ma trận:
1 1 0 1 −3 4
A = −1 2 1 ; B = 4 −7 8 .
1 0 1 6 −7 7
b) Tìm giá trị của λ sao cho ma trận sau có hạng thấp nhất.
3 1 1 4
λ 4 10 1
.
1 7 17 3
2 2 4 3
Chứng minh rằng nếu tự đồng cấu ϕ của không gian vector n chiều V có n giá
trị riêng khác nhau và ψ là một tự đồng cấu giao hoán với ϕ, thì mỗi vector riêng
của ϕ cũng là 1 vector riêng của ψ và ψ có một cơ sở gồm toàn vector riêng của nó.
Cho φ là tự đồng cấu của không gian vector hữu hạn chiều chéo hóa được và U
là không gian con bất biến. Chứng minh rằng φ|U chéo hóa được.
a) Tự đồng cấu φ : V −→ V được gọi là một tự đồng cấu lũy linh nếu có số
nguyên dương k sao cho φk = 0.
Nếu thêm vào nó φk−1 6= 0 thì k được gọi là bậc lũy linh của φ.
b) Cơ sở {e~1 , ..., e~n } của V được gọi là một cơ sở xyclic đối với tự đồng cấu φ : V −→
V nếu ta có:
φ(e~1 ) = e~2 , φ(e~2 ) = e~3 , ..., φ(~en−1 ) = e~n , φ(e~n ) = ~0
c) Không gian vector con U của V được gọi là một không gian con xyclic đối với tự
đồng cấu φ : V −→ V nếu U có một cơ sở xyclic đối với φ.
Mỗi tự đồng cấu lũy linh đều có một giá trị riêng duy nhất bằng 0.
Chứng minh.
20
Khóa luận tốt nghiệp Dạng chuẩn tắc Jordan và ứng dụng
Định lý 2.1.3.
Chứng minh.
Với 0 < j < n ta luôn có Imφj =< ~εj+1 , ~εj+2 , ..., ε~n > tức là rankφj = n − j.
Với j ≥ n ta luôn có Imφj = ~0, tức là φj = 0.
Vậy φ là đồng cấu lũy linh bậc n.
Ví dụ 2.1.4.
Cho tự đồng cấu f : R4 −→ R4 có ma trận sau trong cơ sở chính tắc {ε~1 , ε~2 , ε~3 , ε~4 }.
0 1 1 0
−1 2
0 1
A= .
−1 0 −2 1
0 −1 −1 0
Hãy chứng minh rằng f là lũy linh. Tìm cơ sở xyclic của đồng cấu f.
Ta có
−1 1 −1 1
−1 −1
2
1 1
A = A · A = 2 .
1 −1 1 −1
1 −1 1 −1
A3 = A2 · A = 0.
Định lý 2.1.5.
a) Mỗi không gian riêng suy rộng V (λ) của φ đều là một không gian con bất
Chứng minh.
α) ∈ V (λ).
Chứng tỏ φ(~
b) Xét một cơ sở của V (λ) là {ε~1 , ..., ε~p } với mỗi j = 1,¯p đều có mj để
εj ) = ~0 .
(φ − λidV )mj (~
Lấy k = max{m1 , ..., mp } thì rõ ràng là ((φ − λidV )|V (λ) )k = 0.
c) Hiển nhiên.
~ ∈ V (λ)|{~0}, có số nguyên dương m ≥ 1 để (φ − λidV )m−1 (~
d) Với α α) 6= ~0 và
α) = ~0. Gọi β~ = (φ − λidV )m−1 (~
(φ − λidV )m (~ α) thì β~ ∈ Ker(φ − λidV ) = Pλ .
Cho φ là một tự đồng cấu lũy linh của không gian vector V . Dạng Jordan của φ
là dạng mà ma trận biểu diễn dưới dạng:
J
k1
Jk2
..
.
Jkm
0
..
.
0
n
trong đó
0 0 ··· 0 0
1 0 ··· 0 0
···
0 1 0 0
Jk1 =
· · · ··· ··· ··· · · ·
···
0 0 0 0
0 0 ··· 1 0
k1
0 0 ··· 0 0
1 0 ··· 0 0
···
0 1 0 0
Jk2 =
· · · ··· ··· ··· · · ·
···
0 0 0 0
0 0 ··· 1 0
k2
..
.
0 0 ··· 0 0
1 0 ··· 0 0
···
0 1 0 0
Jkm =
· · · ··· ··· ··· · · ·
···
0 0 0 0
0 0 ··· 1 0
km
Các ma trận khối ở trên đường chéo được gọi là các ô Jordan của φ. Chúng có thể
có kích thước khác nhau.
Định lý 2.1.7.
Cho ánh xạ φ : V −→ V là tự đồng cấu lũy linh bậc k. Khi đó có một cơ sở của
V mà ma trận của φ đối với cơ sở này có dạng khối Jordan liên kết với 0.
Chứng minh.
Đặt Mi = Imφi ∩ Kerφ với i = 0, 1, ..., k − 1. Ta có một dãy các không gian con
lồng nhau như sau:
Đặt Sk−1 là cơ sở của Mk−1 , ta bổ sung vào Sk−1 tập Sk−2 để được Sk−1 ∪ Sk−2 là
cơ sở của Mk−2 . Tiếp tục bổ sung thêm Sk−3 để được Sk−1 ∪ Sk−2 ∪ Sk−3 là cơ sở
của Mk−3 . Cứ như vậy, ta được Sk−1 ∪ Sk−2 ∪ Sk−3 ∪ ... ∪ S1 ∪ S0 là một cơ sở của
M0 = Kerφ.
Giả sử số phần tử của Si là vi và ta đặt Si = {bi1 , ...., bivi }. Khi đó, ta đặt
B = {bk−1,1 , ..., bk−1,rk−1 , ..., b11 , b12 , ..., b1v1 , b01 , b02 , ..., b0v0 } là một cơ sở của kerφ.
Lấy bij ∈ B, khi đó bij ∈ Si ⊂ Imφi ∩ Kerφ ⊂ Imφ. Do đó, xij ∈ V sao cho
φi (xij ) = bij . Đặt
và
Ji = Jbi1 ∪ Jbi2 ∪ ... ∪ Jbivi .
Ta sẽ chứng minh
J = Jk−1 ∪ Jk−2 ∪ ... ∪ J1 ∪ J0
là cơ sở Jordan của V. Đầu tiên ta chứng minh số vector của J là n = dimV . Đặt
di = dimMi và ri = dimImφi , suy ra số phần tử trong Si là vi = di − di+1 . Chú ý
rằng dk = 0 = rk và r0 = dimidV = n. Theo tính chất sau:
k−1
X
= (i + 1)(di − di+1 ) = (d0 − d1 ) + 2(d1 − d2 ) + ... + k(dk−1 − dk k)
i=0
Tiếp theo, ta sẽ chứng minh J là một tập độc lập tuyến tính. Chú ý rằng B là một
cơ sở của Kerφ nên các vector bij là độc lập tuyến tính.
Giả sử
Pk−1 (i) i
Pk−1 (i) i
Pk−2 (i) i
i=0 ak−1,1 φ (xk−1,1 ) + ... + i=0 ak−1,vk−1 φ (xk−1,vk−1 ) + i=0 ak−2,1 φ (xk−2,1 ) + .... +
Pk−2 (i) i
P1 (i) i P1 (i) i (0)
i=0 ak−2,vk−2 φ (xk−2,vk−2 )+...+ i=0 a1,1 φ (x1,1 )+...+ i=0 a1,v1 φ (x1,v1 )+a0,1 b0,1 +
(0)
... + a0,v0 b0,v0 ) = 0.
Chú ý rằng
φi+1 (Jbij ) = {0}, φi (Jbij ) = {bij }, φi (Ji ) = {bi1 , bi2 , ..., bivi }
• Lấy ảnh của tổ hợp tuyến tính trên qua ánh xạ φk−1 . Ta được
hay
(0) (0) (0)
ak−1,1 bk−1,1 + ak−1,2 bk−1,2 + ... + ak−1,vk−1 bk−1,vk−1 = 0.
• Lấy ảnh của tổ hợp tuyến tính trên qua ánh xạ φk−2 . Ta được
(1) (1) (1) (0)
ak−1,1 φk−1 (xk−1,1 )+ak−1,2 φk−1 (xk−1,2 )+...+ak−1,vk−1 φk−1 (xk−1,vk−1 )+ak−2,1 φk−2 (xk−2,1 )+
(0) (0)
ak−2,2 φk−2 (xk−2,2 ) + ... + ak−2,vk−2 φk−2 (xk−2,vk−2 ) = 0
hay
(1) (1) (1) (0) (0)
ak−1,1 bk−1,1 + ak−1,2 bk−1,2 + ... + ak−1,vk−1 bk−1,vk−1 + ak−2,1 bk−2,1 + ak−2,2 bk−2,2 +
(0)
... + ak−2,vk−2 bk−2,vk−2 = 0
Do bk−1,1 , bk−1,2 , ..., bk−1,vk−1 , bk−2,1 , bk−2,2 , ..., bk−2,vk−2 độc lập tuyến tính nên
(1) (1) (1)
ak−1,1 = ak−1,2 = ... = ak−1,vk−1 = 0
và
(0) (0) (0)
ak−2,1 = ak−2,2 = ... = ak−2,vk−2 = 0.
• Tiếp tục, lấy ảnh của tổ hợp tuyến tính trên qua ánh xạ φk−3 . Ta được
(2)
ak−1,j = 0, j = 1, 2, ..., vk−1
(1)
ak−2,j = 0, j = 1, 2, ..., vk−2
(0)
ak−3,j = 0, j = 1, 2, ..., vk−3 .
• Tiếp tục quá trình như trên, lấy ảnh tổ hợp tuyến tính đó qua ánh xạ
φk−4 , ..., φ2 , φ ta được tất cả các hệ số của tổ hợp tuyến tính trên bằng 0.
Vậy J là một tập độc lập tuyến tính có n vector, do đó nó là một cơ sở của V.
Ta sắp xếp các vector trong B theo thứ tự:
với
Ji = Jbi1 ∪ Jbi2 ∪ ... ∪ Jbivi .
Khi đó ma trận của φ đối với cơ sở J có dạng là ma trận chuẩn tắc Jordan
liên kết với 0.
Định lý 2.1.8.
trong đó λ1 , ..., λm là những vô hướng đôi một khác nhau trong K. Khi đó, V phân
tích được thành tổng trực tiếp các không gian con riêng suy rộng với những giá trị
riêng λ1 , ..., λm .
V = V (λ1 ) ⊕ V (λ2 ) ⊕ ... ⊕ V (λm )
Ma trận này được xác định duy nhất bởi φ sai khác sự sắp xếp các khối Jordan trên
đường chéo chính và gọi là ma trận dạng chuẩn tắc Jordan của φ.
Chứng minh.
bằng 0 khi thu hẹp trên V (λj ), còn khi thu hẹp trên V (λk ), thì do (φ − λ.idV )|V (λj )
là lũy linh, nên nó bằng số khối Jordan nói trong định lý.
Vì số này là như nhau đối với mọi ma trận dạng chuẩn tắc Jordan của φ, cho nên
hai ma trận như vậy chỉ khác nhau thứ tự của các khối Jordan trên đường chéo.
Định lý 2.1.9.
Giả thiết φ : V −→ V là một tự đồng cấu tuyến tính với đa thức đặc trưng có
đủ các nghiệm thực. Khi đó tồn tại một cơ sở mà theo đó ma trận của φ có dạng
đường chéo khối chính. Trong đó mỗi ma trận đường chéo khối là một ô Jordan.
λ 0 0 ··· 0 0
1 λ 0 ··· 0 0
1 λ ···
0 0 0
0 0 ···
0 λ 0
0 0 0 ··· 1 λ
Cho φ là tự đồng cấu của không gian vector V. Một đa thức có bậc nguyên dương
nhỏ nhất với hệ số cao nhất bằng 1 thõa mãn P (φ) = 0 được gọi là đa thức cực tiểu
của tự đồng cấu φ, kí hiệu mφ (t).
2.1.1 Thuật toán tìm dạng chuẩn tắc Jordan của ma trận
vuông A.
1.Tính đa thức đặc trưng và phân tích ra tích các nhân tử bất khả quy:
3. Với mọi nhân tử gi tính hạng các ma trận gik (A), k ≤ pi . Sau đó tính số các khối
Jordan của đa thức gik xuất hiện trong dạng chuẩn tắc Jordan i = 1,¯r, 1 ≤ k ≤ pi .
4. Lập các khối Jordan liên kết với tất cả các đa thức gik có sik > 0, rồi ghép chúng
lại với nhau, mỗi khối xuất hiện sik lần, để được ma trận đường chéo khối. Đó chính
là dạng chuẩn tắc Jordan cần tìm.
Ví dụ 2.1.11.
Tìm dạng chuẩn Jordan trên trường số thực của ma trận sau:
3 −4 0 2
4 −5 −2 4
A= .
3 −2
0 0
0 0 2 −1
3 − X −4 0 2
−5 − X −2
4 4
Ta có det(A − X · E4 )=
=(X-1)2 · (X + 1)2 .
3−X −2
0 0
−1 − X
0 0 2
Đa thức này có đủ nghiệm thực λ1 = λ2 = 1; λ3 = λ4 = −1.
với λ1 = λ2 = 1, ta có:
2 −4 0 2
4 −6 −2 4
rank(A − 1 · E4 ) = rank =3
2 −2
0 0
0 0 2 −2
2
2 −4 0 2
4 −6 −2 4
2
rank(A − 1 · E4 ) = rank = 2.
2 −2
0 0
0 0 2 −2
Như vậy, số khối Jordan cấp 1 của ma trận Jordan cần tìm với phần tử trên đường
chéo bằng 1 là:
Kết hợp điều này với điều λ = 1 là nghiệm kép của đa thức đặc trưng của A ta suy
ra rằng J chứa đúng một khối Jordan cấp 2 với các phần tử trên đường chéo bằng
1.
Hoàn toàn tương tự trên, xét λ3 = λ4 = −1 ta cũng suy ra được J chứa đúng một
khối Jordan cấp 2 với các phần tử trên đường chéo bằng -1.
Do đó, dạng chuẩn Jordan của ma trận là:
1 0 0 0
1 1 0 0
J = .
0 −1 0
0
0 0 1 −1
Ví dụ 2.1.12.
a) Nếu m = t − c thì Jg = (c) và khối Jordan của (t − c)p là ma trận dưới cấp p:
c 0 ··· 0 0
···
1 c 0 0
J(t−c)p = .
· · · ··· ··· ··· · · ·
0 0 ··· 1 c
còn khối Jordan của (t2 + αt + β)p là ma trận vuông cấp 2p sau đây:
0 −β 0 0 ··· 0 0 0 0
1 −α 0 0 ··· 0 0 0 0
0 1 0 −β · · · 0 0 0 0
0 0 1 −α · · · 0 0 0 0
Jm =· · · ··· ··· ··· ··· · · · · · · · · · · · · .
p
··· 0 −β 0
0 0 0 0 0
··· 1 −α 0
0 0 0 0 0
··· 0 −β
0 0 0 0 0 1
0 0 0 0 ··· 0 0 1 −α
Nói riêng, khối Jordan trên R chỉ có dạng này hoặc ở dạng (a).
Ví dụ 2.1.13.
Ta có PA (t) = 3 − t3 và mA (t) = t3 − 3 (mA (t)chứa tất cả các nhân tử bất khả quy
của PA (t)).
• Trên Q : vì t3 − 3 bất khả quy, nên chính A là dạng chuẩn tắc Jordan.
√ √ √
• Trên R : vì t3 − 3 = (t − 3
3)(t2 + 3
3t + 3
9), nên dạng chuẩn tắc Jordan của
A là √
3
3 0 0
√
3
0 − 9
0
√
3
0 1 − 3
√ √ √
• Trên C : vì t3 −3 = (t− 3 3)(t− 3 3e)(t− 3 3e2 ), trong đó e = cos( 2π
3
)+i sin( 2π
3
)
là căn nguyên thủy của 1, nên dạng chuẩn tắc Jordan của A là
√
3
3 0 0
√
3
0 3e 0
√
0 0 3
3e2
Từ ví dụ này chứng tỏ dạng chuẩn tắc Jordan của một ma trận phụ thuộc vào
trường số ta xét ma trận đó.
Ta có PA (t) = (t−2)4 và m 2
A (t)= (t−2) . Vì A có cấp 4, nên dạng chuẩn tắc Jordan
2 0
của A ngoài khối Jordan chỉ có thể chứa thêm một khối này nữa, hoặc chứa
1 2
thêm đúng 2 khối nữa là ma trận (2). Nhưng trong trường hợp thứ 2 thì ứng với giá
trị riêng 2 không gian riêng của A phải có chiều là 3, tức là ma trận A − 2I phải có
hạng là 1. Điều này sai (rank(A − 2I) = 2), nên dạng chuẩn tắc Jordan của A là
2 0 0 0
1 2 0 0
J =
0 0 2 0
0 0 1 2
Ví dụ 2.1.14.
Ta có:
1 − λ 0 0 0
1−λ
0 0 0
PA (t) = det(A − λ.I4 ) = = (λ − 1)4 .
3−λ
1 2 1
−2 −4 −4 −1 − λ
Ta có
0 0 0 0
0 0 0 0
A − I4 =
1 2 2 1
−2 −4 −4 −2
0 0 0 0
0 0 0 0
(A − I4 )2 =
.
0 0 0 0
0 0 0 0
mA (t) = (t − 1)2 .
Do đó dimE(1) = 3. Suy ra
Khi đó
1 0 0 0
0 1 0 0
P −1 AP =
.
0 0 1 1
0 0 0 1
Ví dụ 2.1.15.
Khai triển laplace và ma trận tam giác, đưa đa thức đặc trưng của ma trận trên
như sau:
PA (x) = (x − i)2 (x − 2)3 .
Ta có
i−2 0 0 0 0
0 i−2 0 0 0
B1 = A − 2I5 = 0 0 .
0 0 0
0 0 0 0 0
2 0 −1 0 0
(i − 2)2 0 0 0 0
0 (i − 2)2 0 0 0
B12 = 0 0 0 0 .
0
0 0 0 0 0
2(i − 2) 0 0 0 0
Vậy dimker(B12 ) = 3.
0 0 0 0 0
0 0 0 0 0
B2 = A − iI5 = 0 2−i 0 .
0 0
2 − i 0
0 0 0
2 0 −1 0 2
Vậy dimker(B2 ) = 2.
Đa thức tối tiểu:
mA (x) = (x − i)(x − 2)2 .
i
KerB2 = {(0, 1, 0, 0, 0), ( , −1, 0, 0, 1)} = {(w1 , w2 )}.
2
KerB12 = {(0, 0, 1, 0, 0), (0, 0, 0, 1, 0), (0, 0, 0, 0, 1)}.
B1 v1 = (0, 0, 0, 0, −1).
Cơ sở Jordan {w1 , w2 , v1 , B1 v1 , v2 }.
Ma trận đổi cơ sở:
i
2
0 0 0 0
−1 1 0 0 0
P = 0 0 1 0 .
0
0 0 0 0 1
1 0 −1 0 0
− 2i+4 0 0 0 0
5
0 1 0 0 0
−1
P = − 2i+4 −1 .
0 0 0
5
0 0 1 0 0
0 0 0 1 0
• Nếu (1) có m nghiệm λ1 , ..., λm ứng với số bội k1 , ..., km với (m ≤ n):
+ Nếu m = n tức (1) có n nghiệm phân biệt thì A chéo hóa được.
+ Nếu k1 + ... + km < n thì A không chéo hóa được.
+ Nếu k1 + ... + km = n : gọi dim(KGCR(A, λi ) là số chiều của không gian
con riêng của ma trận (A − λi I) ứng với λi ).
Tồn tại i ∈ 1, .., m sao cho dim(KGCR(A, λi )) < ki thì A không chéo hóa
được.
Tồn tại i = 1,¯m sao cho dim(KGCR(A, λi )) = ki thì A chéo hóa được.
( (α1 = (a11 , a12 , ..., a1n ) , α2 = (a21 , a22 , ..., a2n ) , ..., αn = (an1 , an2 , ..., ann ) là n
vector riêng vừa tìm được.)
Dễ thấy:
λt 0 · · · 0
1
.
B t = 0 λt2 .. 0 ; (∀t ∈ N ).
t
0 0 ··· λn
Ví dụ 2.2.1.
Cho
1 0
A= .
−1 2
Tính Ak với k ∈ N .
Ta có
1 − λ
0
(A − λI) = 0 ↔
= 0 ↔ (1 − λ)(2 − λ) = 0 ↔ λ = 1; 2.
−1 2 − λ
Như vậy
1 0 1 0 1 0 1 0 1 0 1 0
Ak = P B k P −1 = = = .
1 1 0 2k −1 1 1 2k −1 1 1 − 2k 2k
Ví dụ 2.2.2.
Cho
2 0 1
A = 1 1 1 .
−2 0 −1
Như vậy An = P B n P −1 = A vì B n = B.
Vậy An không phụ thuộc vào n, với n ∈ N ∗ .
0
X = AX + F
trong đó:
x (t) a a ··· a1n φ (t)
1 11 12 1
a21 a22 · · ·
x2 (t) a2n φ2 (t)
.. , A = ..
X=
.. .. .. , F = .. .
. . . . . .
xn (t) an1 an2 · · · ann φn (t)
0
Bộ n hàm số khả vi thỏa mãn phương trình X = AX + F được gọi là nghiệm của
phương trình.
0
Khi F = 0 phương trình trở thành: X = AX được gọi là phương trình thuần nhất.
Rõ ràng X = 0 là nghiệm và gọi là nghiệm tầm thường của phương trình thuần
0
nhất X = AX.
0
Ta đã biết phương trình vi phân tuyến tính thuần nhất bậc 1 là y = my có nghiệm
0
là y = C · eλ·t . Từ đó đưa đến việc xét là 1 nghiệm của phương trình X = AX.
0
Thay X = C · eλ·t vào phương trình X = AX ta được: λCeλ·t = ACeλ·t .
Do eλ·t 6= 0∀t → AC − λC = 0 hay (A − λI)C = 0.
Ở đây, I là ma trận đơn vị cấp n.
0
Từ đây để tìm nghiệm của phương trình X = AX ta chỉ cần tìm vector C 6= 0 từ
phương trình (A − λI)C = 0.
Giá trị λ thỏa mãn phương trình (A − λI)C = 0 được gọi là giá trị riêng của ma
trận A.
Vector C 6= 0 tìm được gọi là vector riêng ứng với λ.
Ta lại có các kết quả của Đại số tuyến tính đã biết:
a) Điều kiện cần và đủ để phương trình (A − λI)C = 0 có nghiệm không tầm thường
là det(A − λI) = 0.
b) det(A − λI) là một đa thức bậc n và phương trình det(A − λI) = 0 được gọi là
phương trình đặc trưng của ma trận A.
Giải phương trình đặc trưng của ma trận A tìm được các giá trị riêng, thay vào
phương trình (A − λI)C = 0 ta tìm được các vector riêng tương ứng.
Như vậy, vấn đề phức tạp của hệ phương trình vi phân đã được đưa về vấn đề đơn
giản của Đại số tuyến tính.
0
Tập nghiệm của phương trình X = AX là một không gian vector n chiều. Do đó
0
để tìm nghiệm tổng quát của phương trình X = AX ta chỉ cần tìm n nghiệm riêng
độc lập tuyến tính n nghiệm riêng độc lập tuyến tính đó được gọi là tập nghiệm cơ
0 0
bản của phương trình X = AX và nghiệm tổng quát của phương trình X = AX
chính là tổ hợp tuyến tính của n nghiệm đó.
Ví dụ 2.2.3.
Ta có
1 −1 1
A = 1 1 −1
2 −1 0
1 − λ −1 1
det(A − λI)= 1 1 − λ −1 =-(λ + 1)(λ − 1)(λ − 2).
−1 −λ
2
Từ đó ta có các giá trị riêng λ = 2, 1, −1.
Với λ = 2 ta có:
−1 −1 1 c
1
(A − λI)C = 1 −1 −1 · c2 = 0.
2 −1 2 c3
Sử dụng phương pháp Gauss ta tìm được nghiệm không tầm thường
−1
C = 0 .
1
Từ đó
−1
X1 = 0 e2t
1
từ đó
1
X2 = 1 et .
1
từ đó
−1
X3 = 3 e−t .
5
0
Thay X = φU vào phương trình X = AX + F ta thu được:
0 0
φ U + φU = AφU + F.
0 0
Sử dụng tính chất (2) → φU = F . Sử dụng công thức Cramer ta có thể tính ra U
và từ đó tính được U . Khi đó nghiệm của phương trình sẽ là:
X = φC + φU.
Ví dụ 2.2.4.
Ta có:
3 2
A=
1 2
Từ đó các giá trị riêng là λ = 4, 1 suy ra các nghiệm riêng của của phương trình
thuần nhất là
2 1
X1 = e4t ; X2 = et
1 −1
Do đó ma trận cơ sở
4t t
2e e
φ=
e4t −et
Đặt
u1 0
U = → φU = F
u2
trở thành
4t t 0 2t
2e e u e
1 =
0
e4t −et u2 2e2t
Sử dụng công thức Cramer giải phương trình trên ta thu được:
u01 =e−2t
u0 =-et
2
u1 = −1 −2t
e
2
→
u2 = −et
Chứng minh rằng ma trận vuông cấp n: A = (aij ) (trên trường K) có aij = 0
với mọi i ≤ j thì An = 0.
Cho ϕ và ψ là hai tự đồng cấu giao hoán được của K− không gian vector hữu
hạn chiều V . Chứng minh rằng:
a) Nếu ϕ và ψ lũy linh thì ϕ + ψ cũng lũy linh.
b) Nếu ϕ và ψ chéo hóa được thì ϕ + ψ và ϕ · ψ đều chéo hóa được.
Đưa các ma trận sau (trên trường số thực) về dạng chuẩn tắc Jordan:
a)
2 6 −15
A = 11 1 −5
1 2 −6
b)
n 0 0 ··· 0
n − 1 n 0 ··· 0
B = n − 2 n − 1 n ··· 0
··· ··· ··· · · · · · ·
1 2 3 ··· n
Bài tập 2.4.
Chứng minh rằng hai ma trận vuông cấp n sau đây đồng dạng với nhau.
1 −1 0 ··· 0 0
0 1 −1 · · · 0 0
···
9 0 1 0 0
,
· · · ··· ··· ··· ··· · · ·
··· −1
0 0 0 1
0 0 0 ··· 0 1
1 1 1 ··· 1
0 1 1 ··· 1
···
0 0 1 1
· · · ··· ··· ··· · · ·
0 0 0 ··· 1
Hãy mô tả dạng chuẩn tắc Jordan của các ma trận cấp 6 có đa thức cực tiểu là
(t + 1)2 (t2 + 2) trên R.
Chứng minh rằng hai ma trận vuông cấp 3 đồng dạng với nhau khi và chỉ khi
chúng có cùng đa thức cực tiểu và đa thức đặc trưng. Nếu chỉ trùng đa thức cực
tiểu hoặc đa thức đặc trưng thì có còn đúng không?
Trong quá trình tìm hiểu nghiên cứu khóa luận, tôi đã bước đầu làm quen với cách
thức làm việc khoa học, hiệu quả. Qua đó, khóa luận trình bày sơ lược các kiến thức
chuẩn bị có liên quan và tập trung nghiên cứu dạng chuẩn tắc Jordan trong phạm
vi Đại số tuyến tính. Sau mỗi khái niêm đều có các ví dụ minh họa chi tiết. Hầu
hết, các định lý, hệ quả khóa luận đều giới thiệu thêm phần chứng minh. Cuối mỗi
chương là các bài tập củng cố.
Đây có thể xem như một tài liệu tham khảo dành cho những người quan tâm đến
dạng chuẩn tắc Jordan nói riêng và Đại số tuyến tính nói chung.
49
Tài liệu tham khảo
[1] Phan Hồng Trường, Giáo trình Đại số tuyến tính, Trường ĐHSP Hà Nội 2,
2001.
[2] Lê Tuấn Hoa, Đại số tuyến tính qua các ví dụ và bài tập, Nhà xuất bản Đại
học Quốc gia Hà Nội, 2005.
[3] Nguyễn Hữu Việt Hưng, Đại số tuyến tính, Nhà xuất bản Đại học Quốc gia Hà
Nội, 2000.
50