Professional Documents
Culture Documents
Cơ Sở Của Một Không Gian Vector: Tháng 12, 2021 Hà Thị Ngọc Yến
Cơ Sở Của Một Không Gian Vector: Tháng 12, 2021 Hà Thị Ngọc Yến
S = u1, u2 , u3 ,..., um
được gọi là một hệ sinh của V nếu và chỉ nếu
spanS = V
Hệ sinh
➢ Ví dụ:
S = u1, u2 , u3 , u4 3
.
u1 = (1,0,0 ) , u2 = ( 0,1,0 ) , u3 = ( 0,0,1) , u4 = ( 4,2,2 )
3 3
➢ S là một hệ sinh của vì mọi vector của đều là
một tổ hợp tuyến tính của S.
Tập sinh
➢ 1 0 0 4 a
1 0 + 2 1 + 3 0 + 4 2 = b
0 0 1 2 c
1 0 0 4 a
0 1 0 2 b
0 0 1 2 c
Tập sinh
➢ Ví dụ:
S1 = 1 + x, x + x 2 , x 2 + x 4 P4 x
S2 = 1, x, x , x , x
2 3 4
S3 = 1, x,1 + x + x , x , x + x ,2 x ,1 + x + x
2 3 3 4 4 2 4
Độc lập tuyến tính - Phụ thuộc tuyến tính
➢ Định nghĩa: Cho S = u1, u2 ,..., um là một tập con khác rỗng của kgvt V.
S được gọi là hệ độc lập tuyến tính nếu
➢ Ý nghĩa: không có vector nào của S là một tổ hợp tuyến tính của các vector
còn lại
Độc lập tuyến tính - Phụ thuộc tuyến tính
➢ Định nghĩa: Nếu S không độc lập tuyến tính thì ta nói S phụ
thuộc tuyến tính.
1
k 0 uk = −1u1 − − k −1uk −1 − k +1uk +1 − − mum
k
Độc lập tuyến tính - Phụ thuộc tuyến tính
➢ Ví dụ: Xác định tính độc lập tuyến tính và phụ thuộc tuyến
tính của các hệ vector sau
b. S = t 3 + 4t 2 − 2t + 3; t 3 + 6t 2 − t + 4;3t 3 + 8t 2 − 8t + 7
1 0 2 1 2 0
c. S = ; ;
1 1 0 0 1 0
Độc lập tuyến tính - Phụ thuộc tuyến tính
➢ Tính chất
✓ Mọi hệ có hệ con phụ thuộc tuyến tính đều phụ thuộc tuyến tính
✓ Mọi tập con khác rỗng của một tập độc lập tuyến tính đều độc
lập tuyến tính
1, x, x 2 , x3 and P3 x
2 1 1 3 3 −1 1 0
; ; ; and Mat ( 2, )
3 5 −2 0 0 0 0 0
Cơ sở và số chiều của không gian vector
a b
➢ Hệ sinh: c d Mat ( 2, )
a b 2 1 1 3 3 −1 1 0
c d = x1 3 5 + x2 −2 0 + x3 0 0 + x4 0 0
2 x1 + x2 + 3 x3 + x4 = a
x + 3x − x = b
1
2 3
3 x1 − 2 x2 = c
5 x4 = d
Cơ sở và số chiều của không gian vector
2 1 1 3 3 −1 1 0 0 0
x1 + x2 + x3 + x4 =
3 5 −2 0 0 0 0 0 0 0
2 x1 + x2 + 3 x3 + x4 = 0
x + 3x − x = 0
1
2 3
3 x1 − 2 x2 = 0
5 x4 = 0
x1 = x2 = x3 = x4 = 0
Cơ sở và số chiều của không gian vector
✓ Mọi vector của V có biểu diễn duy nhất dưới dạng tổ hợp
tuyến tính của S.
✓ Mọi cơ sở của V có cùng số các vector như S.
Cơ sở và số chiều của không gian vector
➢ Định nghĩa:
Cho V là một kgvt và B = u1, u2 ,..., um là một cơ sở
của V. Khi đó, ta nói V là một kgvt m chiều.
dimV = m
Khi V = 0 thì ta nói dimV = 0.
Cơ sở và số chiều của không gian vector
➢ Ví dụ:
2 1 1 3 3 −1 1 0
; ; ; là một cơ sở của Mat ( 2, )
3 5 −2 0 0 0 0 0
➢ Ví dụ:
dim 3
=3
S = u1 = (1, 2,3) ; u2 = ( 2,3,0 ) ; u3 = ( 0,0,1) độc lập tuyến tính
S là một cơ sở của kgvt
Cơ sở và số chiều của không gian vector
➢ Ví dụ
dim P3 x = 4
a + bx + cx + dx
2 3
= d ( x − 1) + ( c + 3d )( x − 1) + ( b + 3d + 2c )( x − 1) + a + c + b + d
3 2
S = 1, x − 1, ( x − 1) , ( x − 1)
2 3
là một hệ sinh của P3 x
✓ Mọi tập con độc lập tuyến tính k phần tử của V đều có thể
được bổ sung thành một cơ sở của V.
✓ Nếu T là một tập sinh của V tập con độc lập tuyến tính cực
đại trong T là một cơ sở của V.
Tọa độ của vector
am
Ma trận của hệ vector
➢
là cơ sở chính tắc của P x
B = 1, x, x 2 , x3 , x 4 4
1 0 0 −5 0
1 1 0 3 0
PB → S = 0 0 2 0 0
0 0 0 1 0
0 0 0 0 5
Chuyển cơ sở
➢
−12
8
u = x 4 + 3 x3 − 2 x 2 + 8 x − 12 u B = −2
3
4
u S = P −1 u B = ???