CƠ SỞ

CỦA MỘT KHÔNG GIAN VECTOR

Tháng 12, 2021

Hà Thị Ngọc Yến.
 Hệ sinh
➢ Định nghĩa: Cho V là một K- kgvt và S là một tập con khác
rỗng của V.

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

1u1 +  2u2 + +  mum = 0  1 =  2 = = m = 0

➢ 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.

S = u1, u2 ,..., um  phụ thuộc tuyến tính nếu và chỉ nếu

(1,..., m )  ( 0,...,0 ) : 1u1 +  2u2 + +  mu m = 0

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

a. S = (1, −2,1) ; ( 2,1, −1) ; ( 7, −4,1)

 
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

✓ Mọi tập chứa vector 0 đều phụ thuộc tuyến tính.

 Cơ sở và số chiều của không gian vector

➢ Định nghĩa: S được gọi là một cơ sở của kgvt V nếu nó là

một hệ sinh độc lập tuyến tính của V.

➢ Ví dụ (1,0,0 ) ; ( 0,1,0 ) ; ( 0,0,1) and 3

 
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

➢ hệ độc lập tuyến tính:

 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

➢ Tính chất: Cho S là một cơ sở của kgvt V.

✓ 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:

1, x, x 2 , x3  là một cơ sở của P3  x   dim P3  x  = 4

(1,0,0 ) ; ( 0,1,0 ) ; ( 0,0,1) là một cơ sở của 3

 dim 3
=3

  2 1  1 3  3 −1 1 0  
  ;  ;  ;   là một cơ sở của Mat ( 2, )
  3 5  −2 0  0 0  0 0  

 dim Mat ( 2, )=4

 Cơ sở và số chiều của không gian vector

➢ Tính chất: Cho V là một kgvt m chiều.

✓ Mọi tập con nhiều hơn m phần tử của V đều phụ thuộc
tuyến tính
✓ Mọi tập con độc lập tuyến tính m phần tử của V đều là một
cơ sở của V.
✓ Mọi hệ sinh gồm m phần tử của V đều là một cơ sở của V.
 Cơ sở và số chiều của không gian vector

➢ 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 

 S là một cơ sở của kgvt P3  x 

 Cơ sở và số chiều của không gian vector

➢ Tính chất: Cho V là một kgvt m chiều.

✓ 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

➢ Cho B = u1, u2 ,..., um  là một cơ sở của V.

 a1 
a 
u = a1u1 + a2u2 + + amum = u1 u2 ... um   2 
 
 
 am 
 a1 
a 
là tọa độ của vector u trên cơ sở B.
 u B = 
 
2 

 
 am 
 Ma trận của hệ vector

➢ Cho B = u1, u2 ,..., um  là một cơ sở của V.

 a1k 
a 
vk = a1k u1 + a2 k u2 + + amk um = u1 u2 ... um   2 k 
 
 
 mk 
a
 a11 a12 a1s 
a a a 
v1 v2 vs B =  21

22 2s 

 
 m1 m 2
a a ams 

là ma trận tọa độ của hệ vector vk k =1, s trên cơ sở B.

 Chuyển cơ sở

➢ Cho B = u1, u2 ,..., um  và S = v1, v2 ,..., vm  là các cơ sở của V.

 a11 a12 a1m 

a a22 a2 m 
v1 v2 vm B = 

21  =: P

 
 am1 am 2 amm 

được gọi là ma trận chuyển cơ sở từ B sang S.

 Chuyển cơ sở

➢ Cho P là ma trận chuyển cơ sở từ B sang S. Khi đó

−1
✓ P là ma trận chuyển cơ sở .

✓  x B = P  x S - liên hệ giữa tọa độ của vector trong hai cơ

sở
 Chuyển cơ sở

➢
  là cơ sở chính tắc của P  x
B = 1, x, x 2 , x3 , x 4 4

S = 1 + x, x, 2 x , x + 3 x − 5,5 x  là một cơ sở của P  x 

2 3 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 = ???