Professional Documents
Culture Documents
1/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
2/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
3/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
4/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Ví dụ 4.1
Tìm tổng của 2 vector sau:u = (1, 4), v = (2, −2)
5/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
6/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Figure: Phép nhân vector trong mặt phẳng với một số thực
Ví dụ 4.2
Cho u = (3, 4), v = (−2, 5). Tính: a) 21 v, b)u − v, c) 12 v + u.
8/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
9/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Khi mở rộng khái niệm vector trong mặt phẳng, ta có khái niệm
vector trong Rn . Một vector trong Rn là một bộ n số thực sắp
thứ tự (x1 , x2 , ..., xn ). Như vậy,
R1 = R: tập hợp tất cả các số thực.
R2 : tập hợp tất cả các cặp số thực sắp thứ tự (x1 , x2 ).
R3 : tập hợp tất cả các bộ ba số thực sắp thứ tự (x1 , x2 , x3 )
...
Rn : tập hợp tất cả các bộ n số thực sắp thứ tự (x1 , x2 , ..., xn ).
Vector không trong Rn kí hiệu là 0 = (0, 0, ..., 0).
10/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
u + v = (u1 + v1 , u2 + v2 , ..., un + vn )
Vector đối của v là −v = (−1)v = (−v1 , −v2 , ..., −vn ). Hiệu của u
và v là u − v = (u1 − v1 , u2 − v2 , ..., un − vn ).
11/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Ví dụ 4.3
Trong R3 cho u = (−1, 0, 1), v = (2, −1, 5). Tính u + v, 2u, v − 2u.
12/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Giải:
u+v = (−1, 0, 1)+(2, −1, 5) = (−1+2, 0+(−1), 1+5) = (1, −1, 6).
2u = 2(−1, 0, 1) = (2 × (−1), 2 × 0, 2 × 1) = (−2, 0, 2).
v − 2u = (2, −1, 5) − (−2, 0, 2) = (2 − (−2), −1 − 0, 5 − 2) =
(4, −1, 3).
13/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
vector)
2 u + v = v + u. (Tính giao hoán của phép cộng vector)
vector)
4 u + 0 = u. (0 là phần tử trung hòa của phép cộng vector)
9 c(du) = (cd)u (Tính chất kết hợp của phép nhân vector với 1
số)
10 1u = u
14/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Chứng minh của định lý này dễ và dựa hoàn toàn vào định nghĩa
các phép toán đối với vector trong Rn và các tính chất của các
phép toán đối với số thực.
Chứng minh của định lý này dễ và dựa hoàn toàn vào định nghĩa
các phép toán đối với vector trong Rn và các tính chất của các
phép toán đối với số thực.
Định lý 4.1.2. Các tính chất của phần tử trung hòa của
phép cộng và vector đối
Cho v là một vector trong Rn , cho c là một số thực. Khi đó ta có:
1 Phần tử trung hòa của phép cộng là duy nhất, tức là nếu
v + u = v thì u = 0.
2 Vector đối của v là duy nhất, tức là nếu v + w = 0, thì
w = −v.
3 0v = 0
4 c0 = 0
6 −(−v) = v.
17/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Khi đó các phép toán đối với vector trong Rn trở thành các phép
toán với ma trận:
u1 v1 u1 + v1
u v u + v
u + v = 2 + 2 = 2 2
... ... ...
un vn un + vn
u1 cu1
u cu
cu = c 2 = 2
... ...
un cun
18/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
(6) cu ∈ V . (Tính đóng của phép nhân vector với một số)
(7) c(u + v) = cu + cv (Tính chất phân phối)
(8) (c + d)u = cu + du (Tính chất phân phối)
(9) c(du) = (cd)u (Tính chất kết hợp của phép nhân vector với 1
số)
(10) 1u = u
Ví dụ 4.5
Rn cùng với 2 phép toán được định nghĩa trong phần 4.1 là một
không gian vector. Cả 10 tính chất của Rn đã được chỉ ra trong
Định lý 4.1.1.
Ví dụ 4.6
Ta kí hiệu tập hợp tất cả các ma trận kích cỡ m × n là Mm,n . Khi
đó Mm,n cùng với 2 phép toán: phép cộng ma trận và phép nhân
ma trận với 1 số thực, là một không gian vector. 10 tính chất
trong định nghĩa không gian vector đối với Mm,n đã được chứng
minh trong Chương 2.
20/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
(6) cu ∈ V . (Tính đóng của phép nhân vector với một số)
(7) c(u + v) = cu + cv (Tính chất phân phối)
(8) (c + d)u = cu + du (Tính chất phân phối)
(9) c(du) = (cd)u (Tính chất kết hợp của phép nhân vector với 1
số)
(10) 1u = u
Ví dụ 4.5
Rn cùng với 2 phép toán được định nghĩa trong phần 4.1 là một
không gian vector. Cả 10 tính chất của Rn đã được chỉ ra trong
Định lý 4.1.1.
Ví dụ 4.6
Ta kí hiệu tập hợp tất cả các ma trận kích cỡ m × n là Mm,n . Khi
đó Mm,n cùng với 2 phép toán: phép cộng ma trận và phép nhân
ma trận với 1 số thực, là một không gian vector. 10 tính chất
trong định nghĩa không gian vector đối với Mm,n đã được chứng
minh trong Chương 2.
20/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
21/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Cho C (−∞, ∞) là tập hợp tất cả các hàm thực một biến x liên
tục trên R. Ta định nghĩa 2 phép toán trong C (−∞, ∞) như sau:
Cho f , g ∈ C (−∞, ∞), c ∈ R. Khi đó:
-Phép cộng hàm số: (f + g)(x ) = f (x ) + g(x ).
-Phép nhân hàm số với 1 số thực: (cf )(x ) = cf (x ).
Ta dễ dàng kiểm tra được C (−∞, ∞) cùng với 2 phép toán trên là
một không gian vector. Vector không trong C (−∞, ∞) là hàm
không: 0(x ) = 0∀x ∈ R.
Tương tự như vậy, tập hợp C [a, b] gồm tất cả các hàm thực một
biến liên tục trên [a, b] cùng với 2 phép toán trên tạo thành một
không gian vector.
22/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Định lý 4.1
Cho v là một phần tử trong không gian vector V . Cho c là một số
thực. Khi đó ta có:
1 0v = 0
2 c0 = 0
3 Phần tử trung hòa của phép cộng là duy nhất, tức là nếu
v + u = v thì u = 0.
4 Vector đối của v là duy nhất, tức là nếu v + w = 0, thì
w = −v.
5 Nếu cv = 0, thì c = 0 hoặc v = 0.
6 (−1)v = −v.
23/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Chứng minh.
Các tính chất (1)-(5) chứng minh hoàn toàn tương tự như các tính
chất tương ứng trong Rn (Định lý 4.1.2).
Tính chất (6): do
v + (−1)v = 1v + (−1)v = (1 + (−1))v = 0v = 0. Do đó do tính
chất (4): (−1)v = −v
Câu hỏi: Z không thỏa mãn tính chất nào trong định nghĩa không
gian vector?
24/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Chứng minh.
Các tính chất (1)-(5) chứng minh hoàn toàn tương tự như các tính
chất tương ứng trong Rn (Định lý 4.1.2).
Tính chất (6): do
v + (−1)v = 1v + (−1)v = (1 + (−1))v = 0v = 0. Do đó do tính
chất (4): (−1)v = −v
Câu hỏi: Z không thỏa mãn tính chất nào trong định nghĩa không
gian vector?
24/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Z không đóng đối với phép nhân với số thực (không thỏa mãn tính
chất 6 trong định nghĩa không gian vector), chẳng hạn như
1 ∈ Z, 21 ∈ R nhưng 12 1 ∈
/ Z.
25/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Ví dụ 4.8 (Tập các đa thức một biến bậc bằng 2 không là không
gian vector)
Xét W là tập hợp gồm đa thức không và tất cả các đa thức một
biến x với hệ số thực có bậc đúng bằng 2 cùng với phép cộng đa
thức và phép nhân đa thức với một số thực. Khi đó W không phải
là không gian vector.
Câu hỏi: W không thỏa mãn tính chất nào trong định nghĩa
không gian vector?
26/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
W không đóng đối với phép cộng đa thức (tức là không thỏa mãn
tính chất 1 trong định nghĩa không gian vector). Chẳng hạn như,
xét p(x ) = −x 2 − 3x + 1, q(x ) = x 2 + x . Đây đều là 2 đa thức có
bậc bằng 2 và thuộc W . Nhưng:
p(x ) + q(x ) = −2x + 1 là đa thức bậc 1 và do đó không thuộc W .
27/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Ví dụ 4.9
Xét V = {(x1 , x2 )|x1 , x2 ∈ R} (tức là cũng gồm tất cả các cặp số
thực sắp thứ tự như trong R2 . Phép cộng trong V ta định nghĩa
giống phép cộng vector trong R2 , còn phép nhân với số thực ta
định nghĩa như sau: c(x1 , x2 ) = (cx1 , 0).
Khi đó V không là không gian vector vì nó không thỏa mãn tính
chất 10 trong định nghĩa không gian vector (tính chất 1v = v).
Thật vậy, khi lấy v = (1, 1) :
1v = 1(1, 1) = (1, 0) 6= v = (1, 1)
28/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Ví dụ 4.9
Xét V = {(x1 , x2 )|x1 , x2 ∈ R} (tức là cũng gồm tất cả các cặp số
thực sắp thứ tự như trong R2 . Phép cộng trong V ta định nghĩa
giống phép cộng vector trong R2 , còn phép nhân với số thực ta
định nghĩa như sau: c(x1 , x2 ) = (cx1 , 0).
Khi đó V không là không gian vector vì nó không thỏa mãn tính
chất 10 trong định nghĩa không gian vector (tính chất 1v = v).
Thật vậy, khi lấy v = (1, 1) :
1v = 1(1, 1) = (1, 0) 6= v = (1, 1)
28/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Nhắc lại khái niệm tập con: Cho V , W là các tập hơp. Ta nói W
là tập con của V , nếu mọi phần tử của W đều là phần tử của V .
Khi đó ta viết: W ⊂ V .
Quy ước:
Tập rỗng (tập không chứa phần tử nào) là tập con của mọi tập
hợp. Kí hiệu tập rỗng: ∅.
29/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Định lý 4.2
Một tập con khác rỗng W của một không gian vector V là một
không gian con của V khi và chỉ khi 2 tính chất sau được thỏa
mãn:
1 Nếu u, v ∈ W , thì u + v ∈ W . (Tính đóng đối với phép cộng
vector)
2 Nếu u ∈ W , c ∈ R, thì cu ∈ W . (Tính đóng đối với phép
nhân vector với một số)
30/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Chú ý 4.1
1 Vì bản thân mỗi không gian con cũng là không gian vector,
nên nó luôn chứa vector không.
2 Mỗi không gian vector V luôn có các không gian con tầm
thường là {0} và chính nó. Các không gian con khác {0},
khác V của V được gọi là các không gian con thực sự (proper
subspace) của V .
31/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Chứng minh.
Ta sẽ chỉ ra W 6= ∅, W đóng đối với phép cộng vector và phép
nhân vector với một số.
Trước tiên, W 6= ∅ vì ma trận 0nn đối xứng và thuộc W .
Cho A, B ∈ W , c ∈ R. Vì A, B ∈ W , nên A = AT , B = B T =⇒
(A + B)T = AT + B T = A + B =⇒ A + B ∈ W .
(cA)T = cAT = cA =⇒ cA ∈ W .
Vậy W là một không gian con của Mn,n .
32/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Tập hợp các ma trận vuông cấp n không khả nghịch không
phải là không gian con của Mn,n
Ví dụ 4.11
Cho W là tập hợp tất cả các ma trận vuông cấp 2 không khả
nghịch. Hãy chỉ ra rằng W không phải là không gian con của M2,2 .
Góc phần tư thứ nhất của hệ trục tọa độ Oxy không phải
là không gian con R2
Ví dụ 4.12
Chứng minh rằng W = {(x1 , x2 )|x1 , x2 ∈ R, x1 ≥ 0, x2 ≥ 0} cùng
với các phép toán chuẩn tắc được định nghĩa trong R2 (phần đầu
của 4.1) không phải là không gian con của R2 .
34/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Giải: Ta sẽ chỉ ra W không đóng đối với phép nhân vector với một
số. Thật vậy, lấy v = (1, 1) ∈ W , −1 ∈ R. Khi đó
(−1)v = (−1)(1, 1) = (−1, −1) ∈ / W . Vậy W không phải là không
gian con của R .2
35/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Ví dụ 4.13
Cho W5 là không gian vector tất cả các hàm số thực một biến x
xác định trên [a, b] (cùng với phép cộng hàm số và phép nhân hàm
số với một số thực). Cho W1 , W2 , W3 , W4 được xác định như sau:
W1 là tập tất cả các hàm đa thức một biến x với hệ số thực, xác
định trên [a, b].
W2 là tập tất cả các hàm thực một biến x , khả vi trên [a, b].
W3 là tập tất cả các hàm thực một biến x , liên tục trên [a, b].
W4 là tập tất cả các hàm thực một biến x , khả tích trên [a, b].
Hãy chứng minh W1 ⊂ W2 ⊂ W3 ⊂ W4 ⊂ W5 và Wi là không
gian con của Wj , với i ≤ j, i, j ∈ {1, 2, 3, 4, 5}.
36/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Chứng minh: Từ môn giải tích ta biết rằng, mọi hàm đa thức đều
khả vi, nên W1 ⊂ W2 . Mọi hàm khả vi đều liên tục, nên W2 ⊂ W3 .
Mọi hàm liên tục đều khả tích, nên W3 ⊂ W4 . Hiển nhiên
W4 ⊂ W5 , vì mọi hàm khả tích trên [a, b] đều là hàm xác định
trên [a, b].
Hơn nữa, hàm không thuộc W4 , nên W4 6= ∅. Từ môn giải tích ta
biết tổng của 2 hàm khả tích là một hàm khả tích, tích của một
hàm khả tích với 1 số thực cũng là một hàm khả tích. Như vậy,
W4 6= ∅, W4 đóng đối với phép cộng vector và phép nhân vector
với một số thực. Kết hợp với việc W4 ⊂ W5 , ta suy ra W4 là một
không gian con của W5 .
Tương tự, ta dễ dàng chứng minh được Wi là không gian con của
Wi+1 với i = 1, 2, 3.
Do đó Wi là không gian con của Wj khi i ≤ j.
37/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Giao của 2 không gian con cũng là một không gian con
Chứng minh Ta có 0 ∈ U, 0 ∈ W =⇒ 0 ∈ U ∩ W .
Cho u, v ∈ U ∩ W , c ∈ R.
u ∈ U ∩ W =⇒ u ∈ U và u ∈ W , v ∈ U ∩ W =⇒ v ∈ U và
v ∈ W . Do u, v ∈ U, mà U là không gian con của V , nên
u + v ∈ U, cu ∈ U.
Tương tự, ta có u + v ∈ W , cu ∈ W . Do đó
u + v ∈ U ∩ W , cu ∈ U ∩ W . Như vậy, U ∩ W 6= ∅, đóng đối với
phép cộng vector và đóng với phép nhân vector với một số thực.
Vậy U ∩ W là một không gian con của V .
38/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Giao của 2 không gian con cũng là một không gian con
Chứng minh Ta có 0 ∈ U, 0 ∈ W =⇒ 0 ∈ U ∩ W .
Cho u, v ∈ U ∩ W , c ∈ R.
u ∈ U ∩ W =⇒ u ∈ U và u ∈ W , v ∈ U ∩ W =⇒ v ∈ U và
v ∈ W . Do u, v ∈ U, mà U là không gian con của V , nên
u + v ∈ U, cu ∈ U.
Tương tự, ta có u + v ∈ W , cu ∈ W . Do đó
u + v ∈ U ∩ W , cu ∈ U ∩ W . Như vậy, U ∩ W 6= ∅, đóng đối với
phép cộng vector và đóng với phép nhân vector với một số thực.
Vậy U ∩ W là một không gian con của V .
38/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Hợp của 2 không gian con có thể không phải là không gian
con
Nhắc lại: Cho A, B là 2 tập hợp. Hợp của A và B, kí hiệu là A ∪ B,
là tập hợp A ∪ B = {x |x ∈ A hoặc x ∈ B}.
Ví dụ 4.14
Xét 2 tập con sau của R2 :
U = {(0, x2 )|x2 ∈ R}, W = {(x1 , 0)|x1 ∈ R}.
Ta có U 6= ∅ vì (0, 0) ∈ U. Xét
u1 = (0, x1 ), u2 = (0, x10 ) ∈ U, c ∈ R. Khi đó u1 + u2 =
(0, x1 ) + (0, x10 ) = (0, x1 + x10 ) ∈ U, cu1 = c(0, x1 ) = (0, cx1 ) ∈ U.
Do đó U là một không gian con của R2 .
Tương tự, W cũng là một không gian con của R2 .
Khi đó U ∪ W = {(x1 , x2 )|x1 = 0 hoặc x2 = 0} không phải là
không gian con của R2 do nó không đóng đối với phép cộng
vector. Thật vậy, lấy u = (0, 1) ∈ U ∪ W , v = (1, 0) ∈ U ∪ W . Ta
thấy u + v = (1, 1) ∈ / U ∪ W.
39/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Ví dụ 4.15
Tập con nào sau đây là không gian con của R2 ?
a) Các điểm trên đường thẳng x + 2y = 0.
b) Các điểm trên đường thẳng x + 2y = 1.
40/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
41/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
42/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Ví dụ 4.16
Tập hợp gồm tất cả các điểm trên đường tròn x 2 + y 2 = 1 không
phải là không gian con của R2 vì nó không đóng đối với phép cộng
vector. Thật vậy, ta có cả 2 vector (1, 0), (0, 1) đều thuộc đường
tròn này, nhưng tổng của chúng (1, 0) + (0, 1) = (1, 1) có
12 + 12 = 2 6= 1, nên không thuộc đường tròn này.
43/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Trong ví dụ trên,
ta có thể chứng minh đường tròn đơn vị không phải là không gian
con của R2 bằng cách nhận xét rằng vector không (gốc tọa độ)
không nằm trên đường tròn.
44/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Ví dụ 4.17
Tập con nào sau đây là không gian con của R3 ?
a) W1 = {(x1 , x2 , 1)|x1 , x2 ∈ R}
b)W2 = {(x1 , x1 + x3 , x3 )|x1 , x3 ∈ R}
b) (0, 0, 0) ∈ W2 =⇒ W2 6= ∅.
Cho u = (u1 , u1 + u3 , u3 ), v = (v1 , v1 + v3 , v3 ) ∈ W2 , c ∈ R.
Ta có u + v = (u1 + v1 , u1 + u3 + v1 + v3 , u3 + v3 ) =
(u1 + v1 , (u1 + v1 ) + (u3 + v3 ), u3 + v3 ) = (x1 , x1 + x3 , x3 ), trong
đó x1 = u1 + v1 , x3 = u3 + v3 . Do đó u + v ∈ W2 .
cu = (cu1 , c(u1 +u3 ), cu3 ) = (cu1 , cu1 +cu3 , cu3 ) = (y1 , y1 +y3 , y3 ),
trong đó y1 = cu1 , y3 = cu3 . Do đó cu ∈ W2 .
Vậy W2 là một không gian con của R3 .
45/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Bằng cách làm tương tự với ví dụ trên, ta dễ dàng kiểm tra được
một tập con W của R3 là không gian con của R3 nếu và chỉ nêú
một trong 4 trường hợp sau xảy ra:
1 W = {(0, 0, 0)}.
2 W là tập hợp các điểm nằm trên một đường thẳng đi qua gốc
tọa độ.
3 W là tập hợp các điểm nằm trên một mặt phẳng đi qua gốc
tọa độ.
4 W = R3 .
46/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Ví dụ 4.18
Hãy viết v = (1, 1, 1) như là tổ hợp tuyến tính của các vector
u1 = (1, 2, 3), u2 = (0, 1, 2), u3 = (−1, 0, 1).
c1 − c3 = 1
2c1 + c2 =1
3c1 + 2c2 + c3 = 1
48/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Hãy viết w = (1, −2, 2) như là tổ hợp tuyến tính của các vector
u1 , u2 , u3 trong Ví dụ 4.1 vừa rồi (nếu có thể).
49/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
So sánh từng thành phần 2 vế của đẳng thức trên, ta nhận được
hệ phương trình tuyến tính
50/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Tập sinh
Cho S = {v1 , v2 , ..., vk } là một tập con của không gian vector V .
Ta nói S là một tập sinh (spanning set) của V , nếu mọi vector
trong V đều có thể viết được dưới dạng một tổ hợp tuyến tính của
các vector trong S. Trong trường hợp này, ta còn nói S sinh V .
a) Tập S = {(1, 0, 0, ..., 0), (0, 1, 0, ..., 0), ..., (0, 0, ..., 0, 1)} là một
tập sinh của Rn vì mỗi vector u = (u1 , u2 , ..., un ) ∈ Rn đều có thể
viết dưới dạng u = (u1 , u2 , ..., un ) =
u1 (1, 0, 0, ..., 0) + u2 (0, 1, 0, ..., 0) + ... + un (0, 0, ..., 0, 1).
b) Tập S = {1, x , ..., x n } là một tập sinh của Pn , vì mỗi đa thức
trong Pn (có bậc nhỏ hơn hoặc bằng n hoặc là đa thức không) đều
có dạng p(x ) = a0 .1 + a1 x + ... + an x n .
51/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Ví dụ 4.21
Chứng minh rằng tập T = {(1, 2, 3), (0, 1, 2), (−2, 0, 1)} là một
tập sinh của R3 .
c1 − 2c3 = u1
2c1 + c2 = u2
3c1 + 2c2 + c3 = u3
52/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
1 0 −2
Ma trận hệ số của hệ trên là 2 1 0 có định thức là
3 2 1
1 0 −2
khai triển theo dòng 1 1 0 2 1
2 1 0 = 1(−1)1+1 − 2(−1)1+3 =
2 1 3 2
3 2 1
1 − 2.1 = −1 6= 0. Do đó theo những gì ta đã học ở chương 3 hệ
phương trình này có nghiệm duy nhất với mọi u1 , u2 , u3 .
Vậy T là một tập sinh của R3 .
53/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Ví dụ 4.22 (Ví dụ về một tập không phải là một tập sinh của R3 )
Từ Ví dụ ta thấy tập S = {(1, 2, 3), (0, 1, 2), (−1, 0, 1)} không
phải là một tập sinh của R3 , vì vector w = (1, −2, 2) không thể
viết được dưới dạng 1 tổ hợp tuyến tính của các vector trong S.
54/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Định lý 4.4
Nếu S = {v1 , ..., vk } là một tập con của không gian vector V , thì
span(S) là một không gian con của V . Hơn nữa, span(S) chính là
không gian con nhỏ nhất của V mà chứa S (tức là, mọi không
gian con của V mà chứa S đều phải chứa span(S).
56/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
57/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Ví dụ 4.23
Hãy xác định xem tập con sau của R3 độc lập tuyến tính hay phụ
thuộc tuyến tính.
c1 − 2c3 = 0
2c1 + c2 =0
3c1 + 2c2 + c3 = 0
58/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
59/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
lập tuyến tính. Ngược lại, ta kết luận S phụ thuộc tuyến tính.
Chú ý 4.2
Khi số phương trình bằng số ẩn, thì ta cũng có thể dùng định thức
của ma trận hệ số để xét xem hệ thuần nhất có duy nhất nghiệm
tầm thường hay không. Tuy nhiên, cách làm này sẽ không cho ta
thấy các vector phụ thuộc tuyến tính với nhau như thế nào trong
trường hợp chúng phụ thuộc tuyến tính.
60/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Ví dụ 4.24
Xét xem tập con sau của P2 có độc lập tuyến tính không.
S = {1 + x − 2x 2 , 2 + 5x − x 2 , x + x 2 }
c1 + 2c2 =0
c1 + 5c2 + c3 = 0
−2c1 − c2 + c3 = 0
61/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
62/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Ví dụ 4.25
Kiểm tra xem tập con sau của M2,2 có độc lập tuyến tính không.
" # " # " #
2 1 3 0 1 0
S={ , , }
0 1 2 1 2 0
" # " # " #
2 1 3 0 1 0
Giải:Xét phương trình vector c1 + c2 + c3 =
0 1 2 1 2 0
" # " # " #
0 0 2c1 + 3c2 + c3 c1 0 0
⇔ =
0 0 2c2 + 2c3 c1 + c2 0 0
So sánh các hệ số tương ứng ở 2 vế của đẳng thức trên, ta được
hệ sau:
2c1 + 3c2 + c3 = 0
c1 =0
2c2 + 2c3 = 0
c1 + c2 =0
63/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Định lý 4.5 (Tính chất của tập phụ thuộc tuyến tính)
Cho S = {v1 , v2 , ..., vk } là một tập con của không gian vector V ,
k ≥ 2. Ta có S phụ thuộc tuyến tính ⇔ ∃j ∈ {1, 2, ..., k}sao chovj
là một tổ hợp tuyến tính của các vector khác trong S.
Chứng minh: (⇒): Giả sử S phụ thuộc tuyến tính, tức là phương
trình vector c1 v1 + c2 v2 + ... + ck vk = 0 có nghiệm không tầm
thường. Do đó tồn tại chỉ số j ∈ {1, ..., k} sao cho cj 6= 0.
64/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Định lý 4.5 (Tính chất của tập phụ thuộc tuyến tính)
Cho S = {v1 , v2 , ..., vk } là một tập con của không gian vector V ,
k ≥ 2. Ta có S phụ thuộc tuyến tính ⇔ ∃j ∈ {1, 2, ..., k}sao chovj
là một tổ hợp tuyến tính của các vector khác trong S.
Chứng minh: (⇒): Giả sử S phụ thuộc tuyến tính, tức là phương
trình vector c1 v1 + c2 v2 + ... + ck vk = 0 có nghiệm không tầm
thường. Do đó tồn tại chỉ số j ∈ {1, ..., k} sao cho cj 6= 0.
64/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
65/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Hệ quả 4.1
Tập gồm 2 vector S = {v1 , v2 } trong không gian vector V phụ
thuộc tuyến tính khi và chỉ khi có một vector là bội của một vector
khác.
Chứng minh.
Theo Định lý 4.5 S phụ thuộc tuyến tính khi và chỉ khi có một
vector, chẳng hạn v1 , là tổ hợp tuyến tính của v2 , tức là
v1 = cv2 .
Ví dụ 4.27
a) Tập S = {v1 = (1, 2, 0), v2 = (−2, 2, 1)} độc lập tuyến tính
vì:không tồn tại số thực c sao cho v1 = cv2 . Thật vậy, nếu
(1, 2, 0) = c(−2, 2, 1) =⇒ 1 = −2c, 2 = −2c, 0 = c, mâu thuẫn.
-Tương tự, cũng không tồn tại số thực d sao cho v2 = dv1 .
b) Tập S = {(4, −4, −2), (−2, 2, 1)} phụ thuộc tuyến tính vì
(4, −4, −2) = −2(−2, 2, 1).
66/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Hệ quả 4.1
Tập gồm 2 vector S = {v1 , v2 } trong không gian vector V phụ
thuộc tuyến tính khi và chỉ khi có một vector là bội của một vector
khác.
Chứng minh.
Theo Định lý 4.5 S phụ thuộc tuyến tính khi và chỉ khi có một
vector, chẳng hạn v1 , là tổ hợp tuyến tính của v2 , tức là
v1 = cv2 .
Ví dụ 4.27
a) Tập S = {v1 = (1, 2, 0), v2 = (−2, 2, 1)} độc lập tuyến tính
vì:không tồn tại số thực c sao cho v1 = cv2 . Thật vậy, nếu
(1, 2, 0) = c(−2, 2, 1) =⇒ 1 = −2c, 2 = −2c, 0 = c, mâu thuẫn.
-Tương tự, cũng không tồn tại số thực d sao cho v2 = dv1 .
b) Tập S = {(4, −4, −2), (−2, 2, 1)} phụ thuộc tuyến tính vì
(4, −4, −2) = −2(−2, 2, 1).
66/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Nếu 0 ∈ S
thì S phụ thuộc tuyến tính. Một tổ hợp tuyến tính không tầm
thường là 1.0 = 0.
67/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
4.5. Cơ sở và số chiều
68/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
69/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
70/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
71/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Ví dụ 4.31
Từ Ví dụ 4.21 và Ví dụ 4.23 ta thấy
T = {(1, 2, 3), (0, 1, 2), (−2, 0, 1)} là một cơ sở của R3 .
72/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Tính duy nhất của cách viết một vector như là tổ hợp
tuyến tính của các vector trong cơ sở
Định lý 4.6
Nếu S = {v1 , ..., vn } là một cơ sở của không gian vector V , thì
mỗi vector trong V đều có thể viết một cách duy nhất như là tổ
hợp tuyến tính của các vector trong S.
u = c1 v1 + ... + cn vn . (4.1)
u = d1 v1 + ... + dn vn . (4.2)
74/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Định lý 4.7
Nếu S = {v1 , ..., vn } là một cơ sở của không gian vector V , thì mỗi
tập hợp chứa nhiều hơn n vector trong V sẽ phụ thuộc tuyến tính.
k1 u1 + k2 u2 + ... + km um = 0 (4.3)
75/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Thế các đẳng thức ở (4.4) vào phương trình (4.3) rồi nhóm hệ số
theo từng vector vj ta được: d1 v1 + d2 v2 + ... + dn vn , trong đó
di = ci1 k1 + ci2 k2 + ... + cim km . Vì các vector v1 , v2 , ..., vn độc lập
tuyến tính, nên di = 0∀i = 1, n. Ta thấy phương trình (4.3) tương
đương với hệ phương trình tuyến tính thuần nhất sau
Hệ phương trình tuyến tính thuần nhất này có n phương trình với
m ẩn số, mà n < m, do đó nó có nghiệm không tầm thường. Do
đó phương trình vector (4.3) có nghiệm không tầm thường. Vậy S1
phụ thuộc tuyến tính.
Ví dụ 4.32
1 Vì Rn có một cơ sở gồm n vector là S = {e1 , e2 , ..., en }, nên
mỗi tập chứa nhiều hơn n vector trong Rn đều phụ thuộc
tuyến tính.
2 Vì Pn có một cơ sở gồm n + 1 vector là S = {1, x , ..., x n },
nên mỗi tập chứa nhiều hơn n + 1 vector trong Pn đều phụ
thuộc tuyến tính.
77/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Chứng minh.
Giả sử S1 gồm n vector là một cơ sở của V và §2 gồm m vector là
một cơ sở khác của V .
-Nếu m > n, vì S1 là một cơ sở của V , nên theo Định lý 4.7 S2 phụ
thuộc tuyến tính, mâu thuẫn với giả thiết S2 là một cơ sở của V .
-Nếu n > m, vì S2 là một cơ sở của V , nên theo Định lý 4.7 S1 phụ
thuộc tuyến tính, mâu thuẫn với giả thiết S1 là một cơ sở của V .
Vậy ta phải có m = n.
78/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Chú ý 4.3
-Do Rn có một cơ sở gồm n vector là S = {e1 , e2 , ..., en }, nên
dim(Rn ) = n.
-Do Pn có một cơ sở gồm n + 1 vector là S = {1, x , ..., x n }, nên
dim(Pn ) = n + 1.
-Do Mmn có một cơ sở gồm mn vector là
S = {Eij |i = 1, m, j = 1, n}, nên dim(Mmn ) = mn.
79/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Ví dụ 4.33
Tìm số chiều của các không gian con sau của R3 :
a) W1 = {(d, d − c, c)|c, d ∈ R}.
b) W2 = {(2b, b, 0)|b ∈ R}.
Giải: a) Ta có
(d, d − c, c) = (0, −c, c) + (d, d, 0) = c(0, −1, 1) + d(1, 1, 0). Do
đó W1 = span{(0, −1, 1), (1, 1, 0)}. Vì không tồn tại số thực k sao
cho (0, −1, 1) = k(1, 1, 0) hoặc (1, 1, 0) = k(0, −1, 1), nên 2
vector (0, −1, 1), (1, 1, 0) độc lập tuyến tính. Vậy
{(0, −1, 1), (1, 1, 0)} là một cơ sở của W1 , do đó dim(W1 ) = 2.
b) (2b, b, 0) = b(2, 1, 0), do đó W2 = span{(2, 1, 0)}. Vector này
khác vector không nên hiển nhiên nó độc lập tuyến tính. Do đó nó
tạo thành một cơ sở của W2 . Vậy dim(W2 ) = 1.
80/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Ví dụ 4.33
Tìm số chiều của các không gian con sau của R3 :
a) W1 = {(d, d − c, c)|c, d ∈ R}.
b) W2 = {(2b, b, 0)|b ∈ R}.
Giải: a) Ta có
(d, d − c, c) = (0, −c, c) + (d, d, 0) = c(0, −1, 1) + d(1, 1, 0). Do
đó W1 = span{(0, −1, 1), (1, 1, 0)}. Vì không tồn tại số thực k sao
cho (0, −1, 1) = k(1, 1, 0) hoặc (1, 1, 0) = k(0, −1, 1), nên 2
vector (0, −1, 1), (1, 1, 0) độc lập tuyến tính. Vậy
{(0, −1, 1), (1, 1, 0)} là một cơ sở của W1 , do đó dim(W1 ) = 2.
b) (2b, b, 0) = b(2, 1, 0), do đó W2 = span{(2, 1, 0)}. Vector này
khác vector không nên hiển nhiên nó độc lập tuyến tính. Do đó nó
tạo thành một cơ sở của W2 . Vậy dim(W2 ) = 1.
80/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Ví dụ 4.34
Cho W là không gian con các ma trận vuông đối xứng trong M2,2 .
Tìm dim(W ).
" #
a b
Giải: Mọi ma trận vuông cấp 2 đối xứng đều có dạng: =
b c
" # " # " # " # " # " #
a 0 0 b 0 0 1 0 0 1 0 0
+ + =a +b +c .
0 0 b 0 0 c 0 0 1 0 0 1
" # " # " #
1 0 0 1 0 0
Do đó S = { , , } là một tập sinh của W .
0 0 1 0 0 1
81/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Ta chứng minh S độc lập tuyến tính. Xét phương trình vector
" # " # " # " #
1 0 0 1 0 0 0 0
c1 + c2 + c3 = (4.6)
0 0 1 0 0 1 0 0
Kí hiệu: Khi một tập S gồm n phần tử thì ta nói lực lượng của S
bằng n và viết |S| = n.
Định lý 4.9
Do thời lượng có hạn của khóa học, chúng ta bỏ qua chứng minh
của định lý này.
83/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Ví dụ 4.35
1 0 0 0 0
2 1 0 0 0
Chứng minh rằng tập S = {−2 , 3 , 2 , 0 , 0 }
3 −2 −1 2 0
4 3 5 −3 −2
là một cơ sở của M5,1 .
Giải: Vì |S| = 5 = dim(M51 ), nên theo Định lý 4.9 ta chỉ cần chỉ
ra span(S) = V hoặc S độc lập tuyến tính. Ta sẽ chỉ ra S độc lập
tuyến tính.
Xét phương
trình
vector
1 0 0 0 0 0
2 1 0 0 0 0
c1 −2 + c2 3 + c3 2 + c4 0 + c5 0 = 0 .
−2 −1
3 2 0 0
4 3 5 −3 −2 0
84/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Phương trình vector này tương đương với hệ phương trình sau:
c1 = 0
2c1 + c2 = 0
−c1 + 3c2 + 2c3 = 0 (4.8)
3c1 − 2c2 − c3 + 2c4 = 0
4c1 + 3c2 + 5c3 − 3c4 − 2c5 = 0
Dễ thấy luôn rằng hệ này chỉ có duy nhất nghiệm tầm thường
c1 = c2 = c3 = c4 = c5 = 0. Vậy S độc lập tuyến tính. Do đó nó là
một cơ sở của M5,1 .
85/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Ví dụ 4.36
" #
0 1 −1
Cho A = . Khi đó (0, 1, −1), (−2, 3, 4) là các vector
−2 3 4
" # " # " #
0 1 −1
dòng của A. Còn , , là các vector cột của A.
−2 3 4
Chú ý 4.4
Nếu A là một ma trận kích cỡ m × n, thì các vector dòng của A
nằm trong Rn , còn các vector cột của A nằm trong Rm .
87/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Định lý 4.10
Tương tự, A cũng nhận được từ B bằng các phép biến đổi sơ cấp
theo dòng, nên RS(A) nằm trong RS(B). Vậy RS(A) = RS(B).
Chú ý 4.5
Nếu B là một ma trận dạng bậc thang theo dòng, thì các dòng
không chứa toàn 0 của B tạo thành một cơ sở của RS(B).
89/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Định lý 4.11 (Cơ sở của không gian dòng của một ma trận)
Nếu A tương đương theo dòng với một ma trận B có dạng bậc
thang theo dòng, thì các dòng không chứa toàn 0 của ma trận B
tạo thành một cơ sở của không gian dòng của A.
Chứng minh.
Theo Định lý 4.10 không gian dòng của A cũng chính là không
gian dòng của B. Mà B có dạng bậc thang theo dòng, nên theo
Chú ý 4.5 một cơ sở của không gian dòng của B là các dòng
không chứa toàn 0 của B. Vậy các dòng không chứa toàn 0 của B
tạo thành một cơ sở của không gian dòng của A.
Từ Định lý 4.11 ta suy ra cách tìm một cơ sở của không gian dòng
của một ma trận A như sau: Bước 1: Dùng các phép biến đổi sơ
cấp theo dòng để đưa A về ma trận B có dạng bậc thang theo
dòng. Bước 2: Lấy các dòng không chứa toàn 0 của B. Đó chính là
một cơ sở của không gian dòng của A.
90/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Ví dụ 4.37
Tìm
một cơ sở của không
gian dòng của ma trận
1 3 1 3
0 1 1 0
A = −3 0 6 −1
3 4 −2
1
2 0 −4 −2
1 3 1 3
0 1 1 0
phép khử Gauss
Giải: A −→ 0 0 0 1 Vậy một cơ sở của không gian
0 0 0 0
0 0 0 0
dòng của A là {(1, 3, 1, 3), (0, 1, 1, 0), (0, 0, 0, 1)}.
91/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
92/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Chú ý 4.6
Các phép biến đổi sơ cấp theo dòng không làm thay đổi sự phụ
thuộc tuyến tính giữa các cột của ma trận, tức là giả sử giữa các
vector cột a1 , a2 ..., an của ma trận A có tổ hợp tuyến tính không
tầm thường c1 a1 + c2 a2 + ... + cn an = 0, thì sau khi thực hiện các
phép biến đổi sơ cấp theo dòng, ta nhận được ma trận B với các
vector cột b1 , b2 , ...bn và ta cũng có c1 b1 + c2 b2 + ... + cn bn = 0.
93/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Chứng minh:
a11 a12 a1n
a a a
Ta có a1 = 21 , a2 = 22 , ..., an = 2n .
... ... ...
am1 am2 amn
Do đó c1 a1 + c2 a2 + ... + cn an = 0 tương đương với
94/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Bây giờ giả sử ta thực hiện phép biến đổi nhân dòng thứ i của ma
trận A với α 6= 0. Khi đó ta nhận được ma trận B với
bi1 = αai1 , ..., bin = αain ,, do đó nếu ta nhân cả 2 vế của đẳng
thức thứ i của 4.9 với α ta được: c1 bi1 + c2 bi2 + ... + cn bin = 0.
Còn các dòng còn lại của B thì vẫn bằng các dòng tương ứng của
A, nên các đẳng thức còn lại trong (4.9) vẫn đúng khi thay a bằng
b. Vì vậy, ta có c1 b1 + c2 b2 + ... + cn bn = 0.
Với các phép biến đổi sơ cấp dạng khác, bằng lập luận tương tự ta
cũng nhận được sự phụ thuộc tuyến tính như trên.
95/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Chú ý 4.7
Dễ thấy rằng khi ma trận B có dạng bậc thang theo dòng, thì các
cột chứa các hệ số 1 dẫn đầu của nó sẽ tạo thành một cơ sở của
không gian cột của B.
Từ các Chú ý 4.6 và 4.7 ta thấy:để tìm không gian cột của ma
trận A ta có thể làm theo một trong 2 cách sau:
Cách 1: Tìm không gian dòng của AT .
Cách 2: Đưa A về ma trận B dạng bậc thang theo dòng. Nếu các cột
chứa các hệ số 1 dẫn đầu của ma trận B là bi1 , bi2 , ..., bik thì
các cột với số thứ tự tương ứng ai1 , ai2 , ..., aik của A tạo
thành một cơ sở của không gian cột của A.
96/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Chú ý 4.8
Sự khác biệt của 2 phương pháp này là: trong kết quả mà ta nhận
được ở Cách 1, cơ sở sẽ bao gồm các vector có thể khác với các
vector cột trong ma trận A ban đầu, còn trong kết quả nhận được
ở Cách 2, cơ sở sẽ bao gồm các vector được lấy trong số chính các
vector cột của ma trận A.
97/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Ví dụ 4.39
1 3 1 3
0 1 1 0
Tìm một cơ sở của không gian cột của A = −3 0 6 −1
4 −2 1
3
2 0 −4 −2
1 0 −3 3 2
3 1 0 4 0 phép khử Gauss
Cách 1: AT = −→
1 1 6 −2 −4
3 0 −1 1 −2
1 0 −3 3 2
0 1 9 −5 −6
. Vậy một cơ sở của không gian dòng của
0 0 1 −1 −1
0 0 0 0 0
T
A là: {(1, 0, −3, 3, 2), (0, 1, 9, −5, −6), (0, 0, 1, −1, −1)}.
98/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Do
đómột
cơ sở củakhông gian cột của A là
1 0 0
0 1 0
{−3 , 9 , 1 }
3 −5 −1
2 −6 −1
99/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
100/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Định lý 4.12
Cho A là một ma trận. Khi đó không gian dòng và không gian cột
của A có cùng số chiều.
Bạn đọc quan tâm có thể tìm hiểu chứng minh của định lý này ở
trang 237-238 của tài liệu tham khảo bằng tiếng Anh.
Định nghĩa 4.11
Số chiều của không gian dòng (hoặc không gian cột) của ma trận
A được gọi là hạng của A và được kí hiệu là rank(A).
Để tìm hạng của ma trận A, ta dùng các phép biến đổi sơ cấp theo
dòng để đưa A về ma trận B có dạng bậc thang theo dòng, rồi
đếm số dòng không chứa toàn 0 của B.
101/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Ví dụ 4.40
1 −2 0 1
Tìm hạng của ma trận A = 2 1 5 −3 .
0 1 3 5
1 −2 0 1
phép khử Gauss
Giải: Ta có A −→ 0 1 1 −1 .
0 0 1 3
Vậy rank(A) = 3.
102/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Ví dụ 4.40
1 −2 0 1
Tìm hạng của ma trận A = 2 1 5 −3 .
0 1 3 5
1 −2 0 1
phép khử Gauss
Giải: Ta có A −→ 0 1 1 −1 .
0 0 1 3
Vậy rank(A) = 3.
102/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Định lý 4.13
Cho A là một ma trận kích cỡ m × n. Khi đó tập nghiệm của hệ
phương trình
Ax = 0 (4.10)
tạo thành một không gian con của Rn .
Chứng minh.
Gọi tập nghiệm của (4.10) là W . Ta có x = 0 là một nghiệm của
hệ (4.10) nên W 6= ∅.
Cho x1 , x2 ∈ W =⇒ Ax1 = 0, Ax2 = v0 =⇒ A(x1 + x2 ) =
Ax1 + Ax2 = 0 + 0 = 0 =⇒ x1 + x2 ∈ W .
Cho c ∈ R. Khi đó A(cx1 ) = c(Ax1 ) = c0 = 0 =⇒ cx1 ∈ W .
Vậy W là một không gian con của Rn .
103/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Ví dụ 4.41
1 2 −2 1
Tìm không gian hạch của ma trận: A = 3 6 −5 4
1 2 0 3
Giải:
1 2 −2 1 1 2 −2 1
R2 −3R1 →R2 ;R3 −R1 →R3 R3 −R2 →R3
A −→ 0 0 1 1 −→ 0 0 1 1
0 0 2 2 0 0 0 0
Hệ phương trình mới là:
x1 + 2x2 − 2x3 + x4 = 0
x3 + x4 = 0
Đặt x2 = s, x4 = t. Ta có x3 = −t,x1 = −2s − 3t. Vậy không gian 104/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Ví dụ 4.41
1 2 −2 1
Tìm không gian hạch của ma trận: A = 3 6 −5 4
1 2 0 3
Giải:
1 2 −2 1 1 2 −2 1
R2 −3R1 →R2 ;R3 −R1 →R3 R3 −R2 →R3
A −→ 0 0 1 1 −→ 0 0 1 1
0 0 2 2 0 0 0 0
Hệ phương trình mới là:
x1 + 2x2 − 2x3 + x4 = 0
x3 + x4 = 0
Đặt x2 = s, x4 = t. Ta có x3 = −t,x1 = −2s − 3t. Vậy không gian 104/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Ví dụ 4.41
1 2 −2 1
Tìm không gian hạch của ma trận: A = 3 6 −5 4
1 2 0 3
Giải:
1 2 −2 1 1 2 −2 1
R2 −3R1 →R2 ;R3 −R1 →R3 R3 −R2 →R3
A −→ 0 0 1 1 −→ 0 0 1 1
0 0 2 2 0 0 0 0
Hệ phương trình mới là:
x1 + 2x2 − 2x3 + x4 = 0
x3 + x4 = 0
Đặt x2 = s, x4 = t. Ta có x3 = −t,x1 = −2s − 3t. Vậy không gian 104/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Ví dụ 4.41
1 2 −2 1
Tìm không gian hạch của ma trận: A = 3 6 −5 4
1 2 0 3
Giải:
1 2 −2 1 1 2 −2 1
R2 −3R1 →R2 ;R3 −R1 →R3 R3 −R2 →R3
A −→ 0 0 1 1 −→ 0 0 1 1
0 0 2 2 0 0 0 0
Hệ phương trình mới là:
x1 + 2x2 − 2x3 + x4 = 0
x3 + x4 = 0
Đặt x2 = s, x4 = t. Ta có x3 = −t,x1 = −2s − 3t. Vậy không gian 104/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
−2s − 3t −2 −3
s 1 0
Ta thấy = s + t . Do đó không gian hạch
−t 0 −1
t 0 1
−2 −3
1 0
của A còn có thể viết dưới dạng N(A) = span{ , }.
0 −1
0 1
105/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Định lý 4.14
106/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Chứng minh.
Giả sử rank(A) = r , nên bằng phép khử Gauss-Jordan ta có thể
đưa A về một ma trận dạng bậc thang theo dòng rút gọn có r
dòng khác không. Không mất tính tổng quát, ta có thể giả sử góc
trên bên trái của B là ma trận đơn vị cấp r . Như vậy, hệ Ax = 0
tương đương với hệ sau
Đặt xr +1 , ..., xn là các tham số, ta tìm được x1 , ..., xr . Bằng cách
tách tham số ở công thức nghiệm, ta tìm được n − r vector trong
cơ sở của không gian nghiệm của hệ trên. Do đó
nullity (A) = n − r .
Ví dụ 4.42
1 0 −2 1 0
0 −1 −3 1 3
Cho A = . Ta gọi các vector cột của A
−2 −1 1 −1 3
0 3 9 0 −12
là a1 , a2 , a3 , a4 , a5 .
a) Tìm hạng và số khuyết của A.
b) Tìm một tập con của {a1 , a2 , a3 , a4 , a5 } mà tạo thành một cơ
sở của không gian cột của A.
c) Hãy viết a3 như là tổ hợp tuyến tính của a1 , a2 (nếu có thể).
R3 +2R1 →R3 ; 13 R4 →R4
Giải: A
−→
1 0 −2 1 0 1 0 −2 1 0
0 −1 −3 1 3 0 −1 −3 1 3
R3 −R2 →R3 ;R4 +R2 →R4
−→
0 −1 −3 1 3 0 0 0 0 0
0 1 3 0 −4 0 0 0 1 −1
108/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
1 0 −2 1 0
−R2 →R2 ;R3 ↔R4 0 1
3 −1 −3
−→ = B. Ta gọi các vector cột
0 0 0 1 −1
0 0 0 0 0
của B là b1 , b2 , b3 , b4 , b5 .
a) Từ dạng bậc thang theo dòng của A ta thấy rank(A) = 3. Theo
định lý 4.14 nullity (A) = 5 − 3 = 2.
109/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
110/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Định lý 4.15
Giả sử xp là một nghiệm cụ thể của hệ phương trình Ax = b Khi
đó mỗi nghiệm của hệ này đều có thể viết dưới dạng x = xp + xh ,
trong đó xh là một nghiệm của hệ thuần nhất Ax = 0
Chứng minh.
Ta có Axp = b, Ax = b. Do đó
Ax − Axp = b − b = 0 =⇒ A(x − xp ) = 0. Đặt xh = x − xp . Vậy
Axh = 0 và x = xp + xh .
111/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Định lý 4.15
Giả sử xp là một nghiệm cụ thể của hệ phương trình Ax = b Khi
đó mỗi nghiệm của hệ này đều có thể viết dưới dạng x = xp + xh ,
trong đó xh là một nghiệm của hệ thuần nhất Ax = 0
Chứng minh.
Ta có Axp = b, Ax = b. Do đó
Ax − Axp = b − b = 0 =⇒ A(x − xp ) = 0. Đặt xh = x − xp . Vậy
Axh = 0 và x = xp + xh .
111/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Ví dụ 4.43
Viết nghiệm của hệ sau dưới dạng x = xp + xh :
x1 − 2x3 + x4 = 5
3x1 + x2 − 5x3 =8
x1 + 2x2 − 5x4 = − 9
1 0 −2 1 5
R −3R1 →R2 ;R3 −R1 →R3
Giải: 3 1 −5 0 8 2 −→
1 2 0 −5 −9
1 0 −2 1 5 1 0 −2 1 5
R −2R2 →R3
0 1 1 −3 −7 3 −→ 0 1 1 −3 −7
0 2 2 −6 −14 0 0 0 0 0
112/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
x1 − 2x3 + x4 = 5
x2 + x3 − 3x4 = − 7
113/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
114/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
115/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Ví dụ 4.44
Xét cơ sở chuẩn tắc
B = {(1, 0, 0, ..., 0, 0), (0, 1, 0, ..., 0, 0), ..., (0, 0, 0, ..., 0, 1)} =
{e1 , e2 , ..., en } của Rn . Cho x = (x1 , x2 , ...,xn ). Khi đó
x1
x
x = x1 e1 + x2 e2 + ... + xn en . Vậy [x ]B = 2 .
...
xn
116/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Ví dụ 4.45
Xét cơ sở chuẩn tắc B = {1, x , ..., x n } của Pn . Khi đó mỗi
đa thức
a0
a
p trong Pn có dạng p = a0 + a1 x + ... + an x n và [p]B = 1 .
...
an
117/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Hệ mới là
c1 + 2c3 = 1
c2 − 3c3 = − 2
c3 = − 2
119/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Ma trận chuyển cơ sở
Định lý 4.17
120/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Ma trận chuyển cơ sở
Định lý 4.17
120/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Chú ý 4.9
[x]B 0 = P −1 [x]B .
121/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Chú ý 4.10
Ma trận P −1 chuyển cơ sở từ B sang B 0 được tìm bằng cách
phép khử Gauss−Jordan
[B 0 |B] −→ [In |P −1 ]
122/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Ví dụ 4.47
123/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
1 0 2 | 1 0 0
R +3R3 →R2
0 1 −3 | 0 −1 0 2 −→
0 0 −1 | −1 2 1
1 0 2 | 1 0 0
R −2R3 →R1
0 1 0 | 3 −7 −3 1 −→
0 0 1 | 1 −2 −1
1 0 0 | −1 4 2
0 1 0 | 3 −7 −3 .
0 0 1 | 1 −2 −1
124/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
125/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
125/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Ví dụ 4.48
126/125
Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
" #
3 −2
Vậy ma trận chuyển cơ sở từ B 0 sang B là: P = . Áp
2 −1
dụng công thức tìm ma trận nghịch đảo của ma trận vuông cấp 2
ta tìm được ma 0
" trân #chuyển
" cơ sở # từ B sang B là:
−1 2 −1 2
P −1 = −3+4
1
= .
−2 3 −2 3
127/125