LAchapter 4 P 123

Hệ phương trình tuyến tính Ma trận Định thức Không gian vector
Bài giảng chương 4: Không gian vector
TS. Nguyễn Bích Vân

nbvan@math.ac.vn
4th November 2021
1/125
"Tạm dừng đến trường, không dừng học."
2/125
4.1. Không gian Rn

Vector trong mặt phẳng: Một vector x trong mặt phẳng tọa độ
0xy được thể hiện bằng một đoạn thẳng có hướng với điểm đầu là
gốc tọa độ và điểm cuối là một điểm có tọa độ (x1 , x2 ). Khi đó ta
đồng nhất vector x với cặp số sắp thứ tự (x1 , x2 ): x = (x1 , x2 ).
3/125
Phép cộng vector trong mặt phẳng
Cho u = (u1 , u2 ), v = (v1 , v2 ). Khi đó u + v = (u1 + v1 , u2 + v2 ).
Figure: Phép cộng vector trong mặt phẳng
4/125
Ví dụ 4.1
Tìm tổng của 2 vector sau:u = (1, 4), v = (2, −2)
5/125
Giải: Ta có u + v = (1, 4) + (2, −2) = (1 + 2, 4 − 2) = (3, 2).
6/125
Phép nhân vector trong mặt phẳng với một số thực

Cho v = (v1 , v2 ), c ∈ R. Khi đó cv = (cv1 , cv2 ).
Figure: Phép nhân vector trong mặt phẳng với một số thực
Ta kí hiệu −v thay cho (−1)v, và gọi là vector đối của v. Ta có:

−v = (−v1 , −v2 ). Khi đó ta có định nghĩa hiệu của 2 vector:
u − v = u + (−1)v = (u1 − u2 , v1 − v2 ).
7/125
Ví dụ 4.2
Cho u = (3, 4), v = (−2, 5). Tính: a) 21 v, b)u − v, c) 12 v + u.
8/125
Giải: a) 12 v = 21 (−2, 5) = (−1, 25 ).

b)u − v = (3, 4) − (−2, 5) = (3 − (−2), 4 − 5) = (5, −1).
c) Sử dụng kết quả phần a) ta có
1 5 5 13
2 v + u = (−1, 2 ) + (3, 4) = (−1 + 3, 2 + 4) = (2, 2 ).
9/125
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
Các phép toán với vector trong Rn
Định nghĩa 4.1

Cho u = (u1 , u2 , ..., un ), v = (v1 , v2 , ..., vn ) là 2 vector trong Rn ,
cho c ∈ R. Khi đó tổng của u và v là vector
u + v = (u1 + v1 , u2 + v2 , ..., un + vn )
Tích của c và u là vector
cu = (cu1 , cu2 , ..., cun )
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
Ví dụ 4.3
Trong R3 cho u = (−1, 0, 1), v = (2, −1, 5). Tính u + v, 2u, v − 2u.
12/125
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
Tính chất của các phép toán với vector trong Rn

Định lý 4.1.1: Cho u, v, w là các vector trong Rn , cho c, d là các
số thực. Khi đó ta có:
1 u + v là một vector trong Rn . (Tính đóng của phép cộng
vector)
2 u + v = v + u. (Tính giao hoán của phép cộng vector)
3 (u + v) + w = u + (v + w). (Tính kết hợp của phép cộng
vector)
4 u + 0 = u. (0 là phần tử trung hòa của phép cộng vector)
5 u + (−u) = 0. (Tính chất của vector đối)
6 cu là một vector trong Rn . (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
14/125
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.
Ví dụ 4.4 (Các phép toán với vector trong R4 )

Cho u = (2, −1, 5, 0), v = (4, 3, 1, −1), w = (−6, 2, 0, 3) là các
vector trong R4 . Tìm x, y:
a) x = 2u − (v + 3w)
b) 3(y + w) = 2u − v + y.
Giải: Áp dụng Định lý 4.1.1 ở trên ta có a) x = 2u − (v + 3w) =

2u − v − 3w = 2(2, −1, 5, 0) − (4, 3, 1, −1) − 3(−6, 2, 0, 3) =
(4, −2, 10, 0) − (4, 3, 1, −1) − (−18, 6, 0, 9) = (18, −11, 9, −8).
b)3(y + w) = 2u − v + y ⇔ 3y + 3w = 2u − v + y ⇔ 3y + 3w − y =
2u − v + y − y ⇔ 2y + 3w = 2u − v ⇔ 2y + 3w − 3w =
2u − v − 3w ⇔ 2y = 2u − v − 3w = x ⇔ 12 (2y) = 12 x ⇔ ( 21 2)y =
1 1 1 11 9
2 x ⇔ y = 2 x = 2 (18, −11, 9, −8) = (9, − 2 , 2 , −4).
15/125
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.
Ví dụ 4.4 (Các phép toán với vector trong R4 )

Cho u = (2, −1, 5, 0), v = (4, 3, 1, −1), w = (−6, 2, 0, 3) là các
vector trong R4 . Tìm x, y:
a) x = 2u − (v + 3w)
b) 3(y + w) = 2u − v + y.
Giải: Áp dụng Định lý 4.1.1 ở trên ta có a) x = 2u − (v + 3w) =

2u − v − 3w = 2(2, −1, 5, 0) − (4, 3, 1, −1) − 3(−6, 2, 0, 3) =
(4, −2, 10, 0) − (4, 3, 1, −1) − (−18, 6, 0, 9) = (18, −11, 9, −8).
b)3(y + w) = 2u − v + y ⇔ 3y + 3w = 2u − v + y ⇔ 3y + 3w − y =
2u − v + y − y ⇔ 2y + 3w = 2u − v ⇔ 2y + 3w − 3w =
2u − v − 3w ⇔ 2y = 2u − v − 3w = x ⇔ 12 (2y) = 12 x ⇔ ( 21 2)y =
1 1 1 11 9
2 x ⇔ y = 2 x = 2 (18, −11, 9, −8) = (9, − 2 , 2 , −4).
15/125
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
5 Nếu cv = 0, thì c = 0 hoặc v = 0.
6 −(−v) = v.
Chứng minh: (1) Giả sử v + u = v. Cộng thêm vào cả 2 vế của

t/c kết hợp
đẳng thức này vector −v, ta có: −v + (v + u) = −v + v ⇒
(−v + v) + u = 0 =⇒ 0 + u = 0 =⇒ u = 0.
(2) Giả sử v + w = 0. Cộng thêm vào cả 2 vế của đẳng thức này
vector −v , ta được −v + (v + w) = −v + 0 =⇒ (−v + v) + w =
−v =⇒ 0 + w = −v =⇒ w = −v. 16/125
t/c phân phối

(3) 0v = (0 + 0)v = 0v + 0v. Cộng thêm vào cả 2 vế của
đẳng thức này −(0v) ta được:
−(0v) + 0v = −(0v) + 0v + 0v =⇒ 0v = 0.
(4) Chứng minh tương tự tính chất (3) bằng cách tách 0 = 0 + 0.
(5) Giả sử cv = 0 và c 6= 0. Ta sẽ chỉ ra v = 0. Nhân vào cả 2 vế
1 1 1 1
c ta được: c (cv) = c 0 =⇒ ( c c)v = 0 =⇒ 1v = 0 =⇒ v = 0.
(6) Ta thấy (−v) + v = 0. Do đó theo tính chất (2) mà ta vừa
chứng minh ở trên: v = −(−v)
17/125
Chúng ta có thể đồng nhất một vector u = (u1 , u2 , ..., un ) trong Rn

 
u1
u 
với ma trận kích cỡ n × 1 u =  2  .
 
 ... 
un
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
4.2. Không gian vector

Ta sẽ dùng 10 tính chất của không gian Rn được liệt kê trong
Định lý 4.1.1 làm 10 tiên đề để định nghĩa không gian vector.
Định nghĩa 4.2.1 Cho V là một tập hợp cùng với 2 phép toán
(phép cộng vector và phép nhân vector với 1 số thực). Nếu cả 10
tính chất sau đều được thỏa mãn với mọi phần tử u, v, w ∈ V , với
mọi c, d ∈ R, thì V được gọi là một không gian vector (vector
space).
(1) u + v ∈ V (tính đóng của phép cộng vector)
(2) u + v = v + u (tính giao hoán của phép cộng vector)
(3) (u + v) + w = u + (v + w). (Tính kết hợp của phép cộng
vector)
(4) Tồn tại một vector không trong V , được kí hiệu là 0, sao cho
u + 0 = u ∀u ∈ V . (0 là phần tử trung hòa của phép cộng
vector)
(5) Với mỗi u ∈ V tồn tại một vector được kí hiệu là −u sao cho
u + (−u) = 0. (Tính chất của vector đối)
19/125
(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
(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
Ví dụ 2.3: Không gian Pn
Với mỗi số nguyên dương n ta kí hiệu Pn là tập hợp gồm đa thức

không và tất cả các đa thức một biến x với các hệ số thực, có bậc
nhỏ hơn hoặc bằng n. Tức là:
Pn = {an x n + an−1 x n−1 + ... + a1 x + +a0 |an , an−1 , ..., a1 , a0 ∈ R}
Trong Pn ta định nghĩa 2 phép toán:
Cho p(x ) = an x n + an−1 x n−1 + ... + a1 x + +a0 , q(x ) =
bn x n + bn−1 x n−1 + ... + b1 x + b0 là 2 đa thức trong Pn , cho c ∈ R
-Phép cộng đa thức: p(x ) + q(x ) =
(an + bn )x n + (an−1 + bn−1 )x n−1 + ... + (a1 + b1 )x + (a0 + b0 )
-Phép nhân đa thức với một số thực
cp(x ) = can x n + can−1 x n−1 + ... + ca1 x + ca0 .
Dễ dàng kiểm tra được Pn cùng với 2 phép toán trên tạo thành
một không gian vector. Vector không trong Pn chính là đa thức
không: 0(x ) = 0x n + 0x n−1 + ... + 0x + 0.
21/125
Không gian vector các hàm liên tục
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
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
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
Ví dụ 4.7 (Tập tất cả các số nguyên không phải là không gian

vector)
Ta kí hiệu Z là tập hợp tất cả các số nguyên cùng với phép toán
cộng số nguyên và phép nhân số nguyên với số thực. Khi đó Z
không phải là không gian vector.
Câu hỏi: Z không thỏa mãn tính chất nào trong định nghĩa không
gian vector?
24/125
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
Ví dụ 4.7 (Tập tất cả các số nguyên không phải là không gian

vector)
Ta kí hiệu Z là tập hợp tất cả các số nguyên cùng với phép toán
cộng số nguyên và phép nhân số nguyên với số thực. Khi đó Z
không phải là không gian vector.
Câu hỏi: Z không thỏa mãn tính chất nào trong định nghĩa không
gian vector?
24/125
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
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
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
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)
Để chỉ ra một tâp hợp V cùng với 2 phép toán đã cho

không phải là không gian vector, ta chỉ cần chỉ ra V không thỏa
mãn 1 trong 10 tính chất trong định nghĩa không gian vector.
28/125
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)
Để chỉ ra một tâp hợp V cùng với 2 phép toán đã cho

không phải là không gian vector, ta chỉ cần chỉ ra V không thỏa
mãn 1 trong 10 tính chất trong định nghĩa không gian vector.
28/125
4.3. Không gian con
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: ∅.
Định nghĩa 4.2

Cho V là một không gian vector. Một tập con khác rỗng W của V
được gọi là một không gian con (subspace) của V , nếu bản
thân W cùng với 2 phép toán được xác định trong V (phép cộng
vector và phép nhân vector với một số thực) cũng là một không
gian vector.
29/125
Cách kiểm tra không gian con
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
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 .
Ví dụ 4.10 (Một không gian con của Mn,n )

Đặt W = {A ∈ Mn,n |A = AT } (tập hợp các ma trận vuông cấp n
đối xứng).
Khi đó W là một không gian con của Mn,n .
Câu hỏi: Vì sao W 6= ∅?
31/125
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
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 .
Giải:"Ta sẽ#chỉ ra "

W không# đóng đối với phép cộng vector. Xét
1 0 0 0
A= ,B = . Khi đó A, B không khả nghịch, do đó
0 0 0 1
A, B ∈ W .
Câu hỏi: Vì sao " ta biết# A, B không khả nghịch?
1 0
Nhưng A + B = khả nghịch, do đó A + B ∈/ W.
0 1
Câu hỏi: Vì sao ta biết A + B khả nghịch?
Vậy W không đóng đối với phép cộng vector, do đó nó không phải
là không gian con của M2,2 .
33/125
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 .
Câu hỏi: W không đóng đối với phép toán nào?
34/125
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
Các không gian con của không gian các hàm số
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
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
Giao của 2 không gian con cũng là một không gian con
Nhắc lại: Cho A, B là 2 tập hợp. Giao của A và B, kí hiệu A ∩ B,

là tập hợp A ∩ B = {x |x ∈ A và x ∈ B}
Định lý 4.3
Cho U, W là 2 không gian con của không gian vector V . Khi đó
U ∩ W cũng là một không gian con của V .
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
Giao của 2 không gian con cũng là một không gian con
Nhắc lại: Cho A, B là 2 tập hợp. Giao của A và B, kí hiệu A ∩ B,

là tập hợp A ∩ B = {x |x ∈ A và x ∈ B}
Định lý 4.3
Cho U, W là 2 không gian con của không gian vector V . Khi đó
U ∩ W cũng là một không gian con của V .
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
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
Không gian con của R2 , R3
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
Giải:a) Đặt y = t =⇒ x = −2t. Vậy đường thẳng x + 2y = 0

chính là tập hợp W = {(−2t, t)|t ∈ R} ⊂ R2 . Ta sẽ chỉ ra đường
thẳng này là một không gian con của R2 .
Ta thấy (0, 0) ∈ W =⇒ W 6= ∅.
Cho u = (−2t1 , t1 ), v = (−2t2 , t2 ) ∈ W , c ∈ R. Ta có:
u + v = (−2t1 , t1 ) + (−2t2 , t2 ) = (−2t1 − 2t2 , t1 + t2 ) =
(−2(t1 + t2 ), t1 + t2 ) = (−2t3 , t3 ), trong đó t3 = t1 + t2 , do đó
u + v ∈ W.
cu = c(−2t1 , t1 ) = (−2ct1 , ct1 ) = (−2t4 , t4 ), trong đó t4 = ct1 ,
do đó cu ∈ W .
Vậy W là một không gian con của R2 .
b) Ta thấy đường thẳng x + 2y = 1 không đi qua gốc tọa độ, nên
nó không chứa vector không (0, 0). Do đó nó không phải là một
không gian con của R2 vì theo Chú ý 4.1 mọi không gian con đều
phải chứa vector không.
41/125
Không gian con của R2

Từ Ví dụ trên, bằng cách làm hoàn toàn tương tự, ta sẽ thấy tập
con W của R2 là một không gian con của R2 nếu và chỉ nếu một
trong 3 trường hợp sau xảy ra:
1 W = {(0, 0)}.
2 W gồm tất cả các điểm nằm trên một đường thẳng trong hệ
trục tọa độ 0xy đi qua gốc tọa độ.
3 W = R2 .
42/125
Ví dụ về một tập con không phải là không gian con của R2
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
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
Xác định không gian con của R3
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}
Giải:a) Ta thấy vector không (0, 0, 0) ∈ / W1 . Do đó W1 không phải

là một không gian con của R . 3
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
Các không gian con của R3
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
4.4. Tập sinh và sự độc lập tuyến tính
Định nghĩa 4.3 (Tổ hợp tuyến tính)

Cho V là một không gian vector. Cho v, u1 , u2 , ..., uk ∈ V . Ta nói
v là một tổ hợp tuyến tính (linear combination) của các vector
u1 , u2 , ..., uk , nếu ta có thể viết v dưới dạng
v = c1 u1 + c2 u2 + ... + ck uk , trong đó c1 , c2 , ..., ck ∈ R.
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).
Giải: Ta cần tìm các số thực c1 , c2 , c3 sao cho

v = c1 u1 + c2 u2 + c3 u3 . Tức là
(1, 1, 1) = c1 (1, 2, 3) + c2 (0, 1, 2) + c3 (−1, 0, 1) ⇔ (1, 1, 1) =
(c1 − c3 , 2c1 + c2 , 3c1 + 2c2 + c3 ).
47/125
So sánh các thành phần tương ứng của 2 vector ở vế trái và vế

phải ta được hệ phương trình tuyến tính sau:
c1 − c3 = 1
2c1 + c2 =1
3c1 + 2c2 + c3 = 1
48/125
Vậy v = (1 + t)u1 + (−1 − 2t)u2 + tu3 , trong đó t ∈ R.

Khi thay t = 1 ta nhận được v = 2u1 − 3u2 + u3 .
Ví dụ 4.19
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).
Giải: Ta cần tìm các số thực c1 , c2 , c3 sao cho:

w = c1 u1 + c2 u2 + c3 u3 . Tức là
(1, −2, 2) = c1 (1, 2, 3) + c2 (0, 1, 2) + c3 (−1, 0, 1) ⇔ (1, −2, 2) =
(c1 − c3 , 2c1 + c2 , 3c1 + 2c2 + c3 ).
49/125
So sánh từng thành phần 2 vế của đẳng thức trên, ta nhận được
hệ phương trình tuyến tính
Vậy hệ phương trình vô nghiệm, tức là không thể viết w thành tổ

hợp tuyến tính của các vector u1 , u2 , u3 .
50/125
Tập sinh
Định nghĩa 4.4
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 .
Ví dụ 4.20 (Ví dụ về các tập sinh)
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
Ví dụ 4.21
Chứng minh rằng tập T = {(1, 2, 3), (0, 1, 2), (−2, 0, 1)} là một
tập sinh của R3 .
Giải: Cho u = (u1 , u2 , u3 ) là một vector bất kì trong R3 . Ta cần

chỉ ra rằng, tồn tại các số thực c1 , c2 , c3 sao cho:
u = c1 (1, 2, 3) + c2 (0, 1, 2) + c3 (−2, 0, 1) ⇔ (u1 , u2 , u3 ) =
((c1 − 2c3 , 2c1 + c2 , 3c1 + 2c2 + c3 ).
So sánh từng thành phần 2 vế của đẳng thức trên ta được hệ
phương trình sau:
c1 − 2c3 = u1
2c1 + c2 = u2
3c1 + 2c2 + c3 = u3
52/125
 
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
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.
Định nghĩa 4.5 (Bao tuyến tính cuả một tập)

Cho S = {v1 , ..., vk } là một tập con của không gian vector V . Bao
tuyến tính của tập S, kí hiệu là span(S), là tập tất cả các tổ hợp
tuyến tính của các vector trong S.Như vậy,
span(S) = {c1 v1 + ... + ck vk |c1 , ..., ck ∈ R}
Ta còn có thể kí hiệu tập sinh bởi tập S là span{v1 , ..., vk }.

Khi span(S) = V , ta thấy S là một tập sinh của V giống như
trong Định nghĩa 4.4. Ta nói V sinh bởi S hay S sinh V .
54/125
span(S) là một không gian con của V
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).
Chứng minh: Ta thấy

0 = 0v1 + ... + 0vk ∈ span(S) =⇒ span(S) 6= ∅. Tiếp theo, ta sẽ
chỉ ra rằng span(S) đóng đối với phép cộng vector và phép nhân
vector với một số thực.
Cho u = c1 v1 + ... + ck vk , w = d1 v1 + ... + dk vk là 2 vector trong
span(S), cho c ∈ R. Ta thấy:
u + w = (c1 + d1 )v1 + ... + (ck + dk )vk ∈ span(S), cu =
cc1 v1 + ... + cck vk ∈ span(S).
Vậy span(S) là một không gian con của V .
55/125
Tiếp theo, giả sử W là một không gian bất kỳ của V mà chứa S.

Ta sẽ chỉ ra span(S) ⊂ W .
Vì W chứa S, nên v1 , ...vk ∈ W . Do W là một không gian con
của V , nên c1 v1 , ..., ck vk ∈ W =⇒ c1 v1 + ... + ck vk ∈ W với mọi
số thực c1 , ..., ck . Vậy span(S) ⊂ W .
56/125
Độc lập tuyến tính và phụ thuộc tuyến tính
Định nghĩa 4.6

Cho S = {v1 , v2 , ..., vk } là một tập con của không gian vector V .
Nếu phương trình vector c1 v1 + c2 v2 + ... + ck vk = 0 chỉ có duy
nhất nghiệm tầm thường (c1 = 0, c2 = 0, ..., ck = 0, thì ta nói S
độc lập tuyến tính (linearly independent).
Nếu phương trình vector này có cả nghiệm không tầm thường, thì
ta nói S phụ thuộc tuyến tính (linearly dependent).
57/125
Ví dụ 4.23
Hãy xác định xem tập con sau của R3 độc lập tuyến tính hay phụ
thuộc tuyến tính.
T = {(1, 2, 3), (0, 1, 2), (−2, 0, 1)}
Giải: Xét phương trình vector

c1 (1, 2, 3) + c2 (0, 1, 2) + c3 (−2, 0, 1) = 0 ⇔
(c1 − 2c3 , 2c1 + c2 , 3c1 + 2c2 + c3 ) = (0, 0, 0).
Phương trình vector này tương đương với hệ phương trình tuyến
tính thuần nhất sau:
c1 − 2c3 = 0
2c1 + c2 =0
3c1 + 2c2 + c3 = 0
58/125
Ma trận hệ số của hệ này là
Do đó hệ trên chỉ có duy nhất nghiệm tầm thường

c1 = 0, c2 = 0, c3 = 0. Vậy S độc lập tuyến tính.
59/125
Cách kiểm tra sự độc lập tuyến tính

Từ Ví dụ trên, ta rút ra phương pháp kiểm tra xem một tập
S = {v1 , v2 , ...vk } là độc lập tuyến tính hay phụ thuộc tuyến tính.
1 Viết lại phương trình vector c v + c v + ...c v = 0 dưới
1 1 2 2 k k
dạng một hệ phương trình tuyến tính thuần nhất với các ẩn
số c1 , c2 , ...ck .
2 Dùng phép khử Gauss hoặc phép khử Gauss-Jordan để xét
xem hệ có duy nhất nghiệm tầm thường hay không.

3 Nếu hệ có duy nhất nghiệm tầm thường, ta kết luận S độc
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
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 }
Giải: Xét phương trình vector:

c1 (1 + x − 2x 2 ) + c2 (2 + 5x − x 2 ) + c3 (x + x 2 ) = 0 ⇔
(c1 + 2c2 ) + (c1 + 5c2 + c3 )x + (−2c1 − c2 + c3 ) = 0 + 0x + 0x 2 .
So sánh các hệ số của 2 vế của đẳng thức trên ta nhận được:
c1 + 2c2 =0
c1 + 5c2 + c3 = 0
−2c1 − c2 + c3 = 0
61/125
Ma trận hệ số của hệ trên là
Đặt c3 = t =⇒ c2 = − 13 t =⇒ c1 = 32 t. Vậy hệ có nghiệm

không tầm thường, do đó S phụ thuộc tuyến tính.
Lấy t = 3, ta được c1 = 2, c2 = −1, c3 = 3 và
2(1 + x + 2x 2 ) − (2 + 5x − x 2 ) + 3(x + x 2 ) = 0 (1 biểu thức thể
hiện sự phụ thuộc tuyến tính giữa các vector trong S)
62/125
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
Từ phương trình thứ 2 ta thấy c1 = 0. Thế c1 = 0 vào phương

trình thứ 4 ta được c2 = 0. Thế c2 = 0 vào phương trình thứ 3 ta
được c3 = 0. Thế c1 = c2 = c3 = 0 vào phương trình 1 ta được
0 = 0 là một đẳng thức đúng. Vậy hệ có duy nhất nghiệm tầm
thường c1 = 0, c2 = 0, c3 = 0.
Do đó S độc lập tuyến tính.
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
Từ phương trình thứ 2 ta thấy c1 = 0. Thế c1 = 0 vào phương

trình thứ 4 ta được c2 = 0. Thế c2 = 0 vào phương trình thứ 3 ta
được c3 = 0. Thế c1 = c2 = c3 = 0 vào phương trình 1 ta được
0 = 0 là một đẳng thức đúng. Vậy hệ có duy nhất nghiệm tầm
thường c1 = 0, c2 = 0, c3 = 0.
Do đó S độc lập tuyến tính.
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
Ta có: cj vj = −c1 v1 − ... − cj−1 vj−1 − cj+1 vj+1 − ... − ck vk =⇒

c cj+1
vj = − cc1j v1 − ... − − j−1 ck
cj vj−1 − cj vj+1 − ... − cj vk . Tức là vj là
một tổ hợp tuyến tính của các vector khác trong S.
(⇐): Giả sử ∃j ∈ {1, ..., k} sao cho vj là một tổ hợp tuyến tính
của các vector khác trong S, tức là
vj = d1 v1 + ... + dj−1 vj−1 + dj+1 vj+1 + ... + dk vk =⇒
d1 v1 + ... + dj−1 vj−1 − 1vj + dj+1 vj+1 + ... + dk vk = 0.
Đây là một tổ hợp tuyến tính không tầm thường (vì hệ số của vj là
−1 6= 0) của các vector trong S mà bằng 0. Vậy S phụ thuộc
tuyến tính.
Ví dụ 4.26
Trong Ví dụ 4.24 ta đã chỉ ra rằng tập
S = {1 + x − 2x 2 , 2 + 5x − x 2 , x + x 2 } phụ thuộc tuyến tính và
2(1 + x + 2x 2 ) − (2 + 5x − x 2 ) + 3(x + x 2 ) = 0. Từ đó ta suy ra:
2 + 5x − x 2 = 2(1 + x + 2x 2 ) + 3(x + x 2 ).
65/125
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 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
Tập chứa vector không luôn phụ thuộc tuyến tính
Nếu 0 ∈ S
thì S phụ thuộc tuyến tính. Một tổ hợp tuyến tính không tầm
thường là 1.0 = 0.
67/125
4.5. Cơ sở và số chiều
Định nghĩa 4.7

Tập con S = {v1 , ..., vn } của không gian vector V được gọi là một
cơ sở (basis) của V nếu S thỏa mãn cả 2 tính chất sau:
1 span(S) = V (tức là S là một tập sinh của V ).
2 S độc lập tuyến tính.
68/125
Ví dụ 4.28 (Cơ sở chuẩn tắc của Rn )

Tập S = {e1 , e2 , ..., en }, trong đó
e1 = (1, 0, 0, ..., 0), e2 = (0, 1, 0, ..., 0), ..., en = (0, 0, ..., 0, 1), là
một cơ sở của Rn . Thật vậy, ta đã chỉ ra span(S) = Rn trong phần
a) của Ví dụ 4.20.
Phương trình vector
c1 (1, 0, 0, ..., 0) + c2 (0, 1, 0, ..., 0) + ... + cn (0, 0, ..., 0, 1) =
(0, 0, ..., 0) ⇔ (c1 , c2 , ..., cn ) = (0, 0, ..., 0) chỉ có duy nhất nghiệm
tầm thường c1 = 0, c2 = 0, ..., cn = 0. Do đó S độc lập tuyến tính.
Vậy S là một cơ sở của Rn , được gọi là cơ sở chuẩn tắc
(standard basis) của Rn .
69/125
Ví dụ 4.29 (Cơ sở chuẩn tắc của Pn )

Tập S = {1, x , ..., x n } là một cơ sở của Pn do:
-Ta đã chỉ ra span(S) = Pn trong phần b) của Ví dụ 4.20.
-S độc lập tuyến tính. Thật vậy, xét phương trình vector
c0 .1 + c1 x + ... + cn xn = 0 + 0x + ... + 0x n . Ta suy ra
c0 = c1 = ... = cn = 0.
Cơ sở {1, x , ..., x n } được gọi là cơ sở chuẩn tắc của Pn .
70/125
Ví dụ 4.30 (Cơ sở chuẩn tắc của Mm,n )

Cho S = {Eij |i = 1, m, j = 1, n}, trong đó Eij là ma trận kích cỡ
m × n có hệ số ở giao của dòng thứ i và cột thứ j bằng 1, tất cả
các hệ số còn lại bằng 0.
-span(S) = Mm,n : Thật vậy, cho A = [aij ] ∈ Mm,n . Khi đó dễ dàng
kiểm tra được A = m
P Pn
i=1 j=1 aij Eij .
-S độc lập tuyến tính: Thật vậy, giả sử m
P Pn
i=1 j=1 cij Eij = 0mn .
Khi đó [cij ] = 0mn . Vậy cij = 0∀i = 1, m, ∀ = 1, n.
S được gọi là cơ sở chuẩn tắc của Mm,n .
Khi m "= n =# 2, ta có " # " # " #
1 0 0 1 0 0 0 0
E11 = , E12 = , E21 = , E22 = và
0 0 0 0 1 0 0 1
S = {E11 , E12 , E21 , E22 } là cơ sở chuẩn tắc của M2,2 .
71/125
Một cơ sở không chuẩn tắc của R3
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
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.
Chứng minh: Cho u là một vector trong V . Vì S là một cơ sở của

V , nên span(S) = V , tức là mỗi vector trong V đều có thể viết
dưới dạng tổ hợp tuyến tính của các vector trong S, do đó tồn tại
các số thực c1 , ..., cn sao cho:
u = c1 v1 + ... + cn vn . (4.1)
Ta sẽ chứng minh c1 , ..., cn là duy nhất.

73/125
Giả sử u còn có thể viết dưới dạng:
u = d1 v1 + ... + dn vn . (4.2)
Lấy đẳng thức (4.1) trừ đi (4.2) ta được:

u − u = c1 v1 + ... + cn vn − d1 v1 − ... − dn vn ⇔ 0 =
(c1 − d1 )v1 + ... + (cn − dn )vn .
Mặt khác do S là một cơ cở của V , nên v1 , ..., vn độc lập tuyến
tính, do đó ta suy ra c1 − d1 = .... = cn − dn = 0,tức là
d1 = c1 , ..., dn = cn .
74/125
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.
Chứng minh: Giả sử S1 = {u1 , u2 , ..., um } là một tập gồm m

vector trong V , với m > n. Để chứng minh S1 phụ thuộc tuyến
tính, ta phải chỉ ra phương trình vector
k1 u1 + k2 u2 + ... + km um = 0 (4.3)
có nghiệm không tầm thường.
75/125
Vì S là một cơ sở của V , nên mỗi vector ui đều có thể viết dưới

dạng tổ hợp tuyến tính của các vector trong S, tức là
u1 = c11 v1 + c12 v2 + ... + c1n vn

u2 = c21 v1 + c22 v2 + ... + c2n vn
(4.4)
...
um = cm1 v1 + cm2 v2 + ... + cmn vn
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
c11 k1 + c12 k2 + ... + c1m km = 0

c21 k1 + c22 k2 + ... + c2m km = 0
(4.5)
...
cn1 k1 + cn2 k2 + ... + cnm km = 0
76/125
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
Định lý 4.8 (Về số vector trong một cơ sở)
Nếu không gian vector V có một cơ sở gồm n vector, thì mỗi cơ sở

của V đều chứa đúng n 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
Số chiều của một không gian vector

Từ Định lý 4.8 ta thấy số vector trong các cơ sở của một không
gian vector là như nhau. Từ đó ta có định nghĩa sau:
Định nghĩa 4.8
Nếu không gian vector V có một cơ sở gồm n vector, thì ta nói số
chiều (dimension) của V là n và viết dim(V ) = n. Nếu V = {0},
thì số chiều của V bằng 0.
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
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
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
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
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
Phương trình này tương đương với

" # " #
c1 c2 0 0
= ⇔ c1 = c2 = c3 = 0 (4.7)
c2 c3 0 0
Vậy S độc lập tuyến tính. Do đó S là một cơ sở của W , mà S gồm

3 vector, nên dim(W ) = 3.
Nhìn chung, để chứng minh tập S là một cơ sở của không gian

vector V ,
ta phải chứng minh cả 2 tính chất là span(S) = V và S độc lập
tuyến tính. Tuy nhiên, khi ta đã biết trước dim(V ) và biết số
vector trong S cũng đúng bằng dim(V ), thì ta chỉ cần chứng minh
1 trong 2 tính chất đó.
82/125
Cách kiểm tra cơ sở trong một không gian vector n-chiều
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
Cho V là một không gian vector với dim(V ) = n và cho S là một

tập gồm n vector trong V . Ta có S là một cơ sở của V , nếu S
thỏa mãn một trong 2 tính chất
1 span(S) = V
2 S độc lập tuyến tính.
Do thời lượng có hạn của khóa học, chúng ta bỏ qua chứng minh
của định lý này.
83/125
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
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
4.6. Hạng của ma trận và hệ phương trình tuyến tính

4.6.1. Hạng của ma trận
Định nghĩa 4.9

 
a11 a12 ... a1n
 21 a22 ... a2n 
a 
Cho ma trận A =  . Các vector được tạo
 ... ... ... ... 
am1 am2 ... amn
thành từ các dòng của A:
(a11 , a12 , ..., a1n ), (a21 , a22 , ..., a2n ), ..., (am1 , am2 , ..., amn ) được gọi
là các vector dòng (row vectors) của A.
Các
 vector
  được  tạo thành  từ các cột của A:
a11 a12 a1n
a  a  a 
 21   22   2n 
,  , ...,   được gọi là các vector cột (column
 ...   ...   ... 

am1 am2 amn

vector) của A.
86/125
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
Không gian dòng, không gian cột
Định nghĩa 4.10

Không gian con của Rn sinh bởi các vector dòng của A được gọi là
không gian dòng (row space) của A, kí hiệu là RS(A).
Không gian con của Rm sinh bởi các vector cột của A được gọi là
không gian cột của A, kí hiệu là CS(A).
Định lý 4.10
Cho ma trận B tương đương theo dòng với ma trận A. Khi đó

không gian dòng của A và B giống nhau.
Chứng minh: Vì B tương đương theo dòng với A, nên B nhận

được từ A sau các bước biến đổi sơ cấp theo dòng. Do đó các
vector dòng của B là các tổ hợp tuyến tính của các vector dòng
của A. Như vậy, các vector dòng của B nằm trong RS(A). Ta suy
ra RS(B) (sinh bởi các vector dòng của B) nằm trong RS(A).
88/125
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
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
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
Các kĩ thuật dùng trong Ví dụ trên còn có thể dùng để tìm cơ sở

của không gian con của Rn sinh bởi tập S = {v1 , ..., vk }. Nếu ta
viết ma trận A với các vector dòng là các vector trong S, thì khi
đó span(S) = RS(A). Mà ta đã biết cách tìm một cơ sở của
RS(A), do đó ta cũng tìm được một cơ sở của span(S).
Ví dụ 4.38
Tìm một cơ sở của không gian con của R3 sinh bởi tập
S = {(−1, 2, 5), (3, 0, 3), (5, 1, 8)}.
Giải: Ta xét ma trận với các

  vector dòng
 trong S:
−1 2 5 1 −2 −5
 phép khử Gauss 
 3 0 3 −→ 0 1 3  . Vậy một cơ sở của
 
5 1 8 0 0 0
span(S) là {(1, −2, −5), (0, 1, 3)}.
92/125
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
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
c1 a11 + c2 a12 + ... + cn a1n = 0

c1 a21 + c2 a22 + ... + cn a2n = 0
...
(4.9)
c1 ai1 + c2 ai2 + ... + cn ain = 0
...
c1 am1 + c2 am2 + ... + cn amn = 0
94/125
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
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
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
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
Do
 đómột
 cơ sở củakhông gian cột của A là
1 0 0
 0   1   0 
     
{−3 ,  9  ,  1 }
     
 3  −5 −1
     
2 −6 −1
99/125
Cách 2: Ở Ví dụ 4.37 ta đã

 tìm được dạng bậc thang theo dòng
1 3 1 3
0 1 1 0
 
của A là B = 0 0 0 1 . Ta thấy các cột b1 , b2 , b4 chứa các
 
 
0 0 0 0
0 0 0 0
hệ số 1 dẫn đầu của các dòng. Vậy các cột a1 , a2 , a4 tạo thành
một cơ sở của không gian
 cộtcủa
 A.Do đó một cơ sở của không
1 3 3
 0  1  0 
     
gian cột của A là {−3 , 0 , −1}.
     
     
 3  4  1 
2 0 −2
100/125
Hạng của ma trận
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
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
Giải: Ta có A −→ 0 1 1 −1 .

0 0 1 3
Vậy rank(A) = 3.
102/125
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
Giải: Ta có A −→ 0 1 1 −1 .

0 0 1 3
Vậy rank(A) = 3.
102/125
4.6.2. Không gian hạch của ma trận
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
Định nghĩa 4.12

Tập nghiệm của hệ phương trình Ax = 0 được gọi là không gian
hạch của ma trận A và được kí hiệu là N(A).
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
Định nghĩa 4.12

Ví dụ 4.41
 
1 2 −2 1
 
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
x1 + 2x2 − 2x3 + x4 = 0
x3 + x4 = 0
Định nghĩa 4.12

Ví dụ 4.41
 
1 2 −2 1
 
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
x1 + 2x2 − 2x3 + x4 = 0
x3 + x4 = 0
Định nghĩa 4.12

Ví dụ 4.41
 
1 2 −2 1
 
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
x1 + 2x2 − 2x3 + x4 = 0
x3 + x4 = 0
     
−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
Định nghĩa 4.13

Cho A là một ma trận. Số chiều của N(A) được gọi là số khuyết
của ma trận A và kí hiệu là nullity (A).
Định lý 4.14
Cho A là một ma trận kích cỡ m × n. Khi đó
rank(A) + nullity (A) = n. (4.11)
106/125
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 .
Nếu ta nhìn lại Ví dụ 4.41, ta thấy rank(A) = nullity (A) = 2 và

rank(A) + nullity (A) = 4 = số cột củaA. 107/125
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
 
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
b) Các hệ số 1 dẫn đầu của B nằm ở các cột b1 , b2 , b4 . Do đó

1 , a2 ,a4tạo thành
a  một
 cơ sở của không gian cột của A:
1 0 −2
 0  −1 −3
{  ,   ,  }.
     
−2 −1  1 
0 3 9
c) Trong ma trận B ta thấy b3 = −2b1 + 3b2 . Vậy
a3 = −2a1 + 3a2 .
110/125
Sự liên hệ giữa nghiệm của hệ phương trình không thuần

nhất và hệ thuần nhất
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
Sự liên hệ giữa nghiệm của hệ phương trình không thuần

nhất và hệ thuần nhất
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
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 mới là
x1 − 2x3 + x4 = 5
x2 + x3 − 3x4 = − 7
Đặt x3 = s, x4 = t. Ta tìm được x2 = −7 − s + 3t, x1 = 5 + 2s − t.

Vậy
 nghiệm của  hệđã cho là:     
5 + 2s − t 5 2 −1 5
−7 − s + 3t  −7 −1  3  −7
 =   + s   + t   , ở đây xp =   là
         
s   0   1   0   0 


t 0 0 1 0
   
2 −1
−1  3 
một nghiệm cụ thể của hệ đã cho, còn xh = s   + t   là
   
 1   0 
0 1
một nghiệm của hệ thuần nhất.
113/125
Đến chương 4 này, ta đã chứng minh được định lý sau

Định lý 4.16
Cho A là một ma trận vuông cấp n. Khi đó các tính chất sau là
tương đương:
1 A khả nghịch.
2 Hệ phương trình Ax = b có nghiệm duy nhất với mọi ma trận
b kích cỡ n × 1.
3 Hệ thuần nhất Ax = 0 có duy nhất nghiệm tầm thường.
4 A và In tương đương theo dòng.
5 det(A) 6= 0.
6 rank(A) = n.
7 Các dòng của A độc lập tuyến tính.
8 Các cột của A độc lập tuyến tính.
114/125
4.8. Tọa độ và chuyển cơ sở
Định nghĩa 4.14

Cho B = {v1 , ..., vn } là một cơ sở của không gian vector V . Cho
x ∈ V . Từ phần 4.5 ta biết rằng x có thể viết được một cách duy
nhất dưới dạng x = c1 v1 + ... + cn vn .
Các số thực c1 , ..., cn được gọi là các tọa độ của vector x đối với
cơ sở B.  
c1
c 
Ma trận  2  được gọi là ma trận tọa độ của vector x đối với cơ
 
 ... 
cn
 
c1
c 
 2
sở B và ta viết [x ]B =  .
 ... 
cn
115/125
Tọa độ của một vector đối với cơ sở chuẩn tắc trong Rn
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
Tọa độ của một vector đối với cơ sở chuẩn tắc trong Pn
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
Tìm ma trận tọa độ đối với cơ sở không chuẩn tắc

Ví dụ 4.46
Tìm ma trận tọa độ của vector x = (1, 2, −1) đối với cơ sở

B 0 = {(1, 0, 1), (0, −1, 2), (2, 3, −5)} của R3 .
Giải: Ta cần tìm c1 , c2 , c3 sao cho

(1, 2, −1) = c1 (1, 0, 1) + c2 (0, −1, 2) + c3 (2, 3, −5). Tức là
c1 + 2c3 = 1
− c2 + 3c3 = 2
c1 + 2c2 − 5c3 = − 1
   
1 0 2 1 1 0 2 1
 R3 −R1 →R3   R +2R2 →R3
0 −1 3 2  −→ 0 −1 3 2  3 −→

1 2 −5 −1 0 2 −7 −2
   
1 0 2 1 1 0 2 1
 −R2 →R2 ;−R3 →R3
0 −1 3 2 −→ 0 1 −3 −2 .
  
118/125
Hệ mới là
c1 + 2c3 = 1
c2 − 3c3 = − 2
c3 = − 2
Thế c3 = −2 vào phương trình thứ hai ta được

c2 = −2 + 3 × (−2) = −8. Thế c3 = −2 vào phương  trình
 thứ
5
nhất ta được c1 = 1 − 2 × (−2) = 5. Vậy [x]B 0 = −8
 
−2
119/125
Ma trận chuyển cơ sở
Định nghĩa 4.15

Cho B, B 0 là 2 cơ sở của không gian vector V . Nếu [x]B = P[x]B 0
với mọi vector x ∈ V , thì ma trận P được gọi là ma trận chuyển
cơ sở từ B 0 sang B.
Định lý 4.17
Nếu P là ma trận chuyển cơ sở từ B 0 sang B, thì P khả nghịch và

P −1 là ma trận chuyển cơ sở từ B sang B 0 .
120/125
Ma trận chuyển cơ sở
Định nghĩa 4.15

Cho B, B 0 là 2 cơ sở của không gian vector V . Nếu [x]B = P[x]B 0
với mọi vector x ∈ V , thì ma trận P được gọi là ma trận chuyển
cơ sở từ B 0 sang B.
Định lý 4.17
Nếu P là ma trận chuyển cơ sở từ B 0 sang B, thì P khả nghịch và

P −1 là ma trận chuyển cơ sở từ B sang B 0 .
120/125
Chú ý 4.9
[x]B 0 = P −1 [x]B .
Định lý 4.18 (Cách tìm ma trận chuyển cơ sở)
Cho B, B 0 là 2 cơ sở của Rn . Khi đó ma trận P chuyển cơ sở từ B 0

phép khử Gauss−Jordan
sang B được tìm bằng cách [B|B 0 ] −→ [In |P], trong
đó B là ma trận với các vector cột trong B, B 0 là ma trận với các
vector cột trong B 0 .
121/125
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
Ví dụ 4.47
Tìm ma trận chuyển cơ sở từ B sang B 0 , trong đó B =

{(1, 0, 0), (0, 1, 0), (0, 0, 1)}, B 0 = {(1, 0, 1), (0, −1, 2), (2, 3, −5)}
là 2 cơ sở của R3 .
 
1 0 2 | 1 0 0
 R −R1 →R3
Giải: [B 0 |B] = 0 −1 3 | 0 1 0 3 −→

1 2 −5 | 0 0 1
 
1 0 2 | 1 0 0
 R3 +2R2 →R3 ;−R2 →R2
0 −1 3 | 0 1 0 −→

0 2 −7 | −1 0 1
 
1 0 2 | 1 0 0
0 1 −3 | 0 −1 0
 
0 0 −1 | −1 2 1
123/125
 
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
Vậy matrận chuyển cơ sở từ B sang B 0 là:

−1 4 2
P −1 =  3 −7 −3 .
 
1 −2 −1
Nếu ta nhìnlại Ví dụ 4.46ta thấy    
1 −1 4 2 1 5
[x]B =  2  , P −1 [x]B =  3 −7 −3  2  = −8 = [x]B 0 .
      
−1 1 −2 −1 −1 −2
125/125
Vậy matrận chuyển cơ sở từ B sang B 0 là:

−1 4 2
P −1 =  3 −7 −3 .
 
1 −2 −1
Nếu ta nhìnlại Ví dụ 4.46ta thấy    
1 −1 4 2 1 5
[x]B =  2  , P −1 [x]B =  3 −7 −3  2  = −8 = [x]B 0 .
      
−1 1 −2 −1 −1 −2
125/125
Ví dụ 4.48
Tìm ma trận chuyển cơ sở từ B 0 sang B, trong đó

B = {(−3, 2), (4, −2)}, B 0 = {(−1, 2), (2, −2)} là 2 cơ sở của R2 .
" #
1
−3 4 | −1 2 R →R2 ;R1 ↔R2
2 2
Giải: [B|B 0 ] = −→
2 −2 | 2 −2
" # " #
1 −1 | 1 −1 R2 +3R1 →R2 1 −1 | 1 −1 R1 +R2 →R1
−→ −→
−3 4 | −1 2 0 1 | 2 −1
" #
1 0 | 3 −2
.
0 1 | 2 −1
126/125
" #
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

LAchapter 4 P 123

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

LAchapter 4 P 123

Uploaded by

Copyright:

Available Formats

Hệ phương trình tuyến tính Ma trận Định thức Không gian vector

Bài giảng chương 4: Không gian vector

TS. Nguyễn Bích Vân

4th November 2021

"Tạm dừng đến trường, không dừng học."

4.1. Không gian Rn

Phép cộng vector trong mặt phẳng

Cho u = (u1 , u2 ), v = (v1 , v2 ). Khi đó u + v = (u1 + v1 , u2 + v2 ).

Figure: Phép cộng vector trong mặt phẳng

Giải: Ta có u + v = (1, 4) + (2, −2) = (1 + 2, 4 − 2) = (3, 2).

Phép nhân vector trong mặt phẳng với một số thực

Ta kí hiệu −v thay cho (−1)v, và gọi là vector đối của v. Ta có:

Giải: a) 12 v = 21 (−2, 5) = (−1, 25 ).

Các phép toán với vector trong Rn

Định nghĩa 4.1

Tích của c và u là vector

cu = (cu1 , cu2 , ..., cun )

Tính chất của các phép toán với vector trong Rn

3 (u + v) + w = u + (v + w). (Tính kết hợp của phép cộng

5 u + (−u) = 0. (Tính chất của vector đối)

6 cu là một vector trong Rn . (Tính đóng của phép nhân vector

với một số)

8 (c + d)u = cu + du (Tính chất phân phối)

Ví dụ 4.4 (Các phép toán với vector trong R4 )

Giải: Áp dụng Định lý 4.1.1 ở trên ta có a) x = 2u − (v + 3w) =

Ví dụ 4.4 (Các phép toán với vector trong R4 )

Giải: Áp dụng Định lý 4.1.1 ở trên ta có a) x = 2u − (v + 3w) =

5 Nếu cv = 0, thì c = 0 hoặc v = 0.

Chứng minh: (1) Giả sử v + u = v. Cộng thêm vào cả 2 vế của

t/c phân phối

Chúng ta có thể đồng nhất một vector u = (u1 , u2 , ..., un ) trong Rn

4.2. Không gian vector

Ví dụ 2.3: Không gian Pn

Với mỗi số nguyên dương n ta kí hiệu Pn là tập hợp gồm đa thức

Không gian vector các hàm liên tục

Ví dụ 4.7 (Tập tất cả các số nguyên không phải là không gian

Ví dụ 4.7 (Tập tất cả các số nguyên không phải là không gian

Để chỉ ra một tâp hợp V cùng với 2 phép toán đã cho

Để chỉ ra một tâp hợp V cùng với 2 phép toán đã cho

4.3. Không gian con

Định nghĩa 4.2

Cách kiểm tra không gian con

Ví dụ 4.10 (Một không gian con của Mn,n )

Câu hỏi: Vì sao W 6= ∅?

Giải:"Ta sẽ#chỉ ra "

Câu hỏi: W không đóng đối với phép toán nào?

Các không gian con của không gian các hàm số

Nhắc lại: Cho A, B là 2 tập hợp. Giao của A và B, kí hiệu A ∩ B,

Nhắc lại: Cho A, B là 2 tập hợp. Giao của A và B, kí hiệu A ∩ B,

Không gian con của R2 , R3

Giải:a) Đặt y = t =⇒ x = −2t. Vậy đường thẳng x + 2y = 0

Không gian con của R2

Ví dụ về một tập con không phải là không gian con của R2

Xác định không gian con của R3

Giải:a) Ta thấy vector không (0, 0, 0) ∈ / W1 . Do đó W1 không phải

Các không gian con của R3

4.4. Tập sinh và sự độc lập tuyến tính

Định nghĩa 4.3 (Tổ hợp tuyến tính)

Giải: Ta cần tìm các số thực c1 , c2 , c3 sao cho

So sánh các thành phần tương ứng của 2 vector ở vế trái và vế

Vậy v = (1 + t)u1 + (−1 − 2t)u2 + tu3 , trong đó t ∈ R.

Giải: Ta cần tìm các số thực c1 , c2 , c3 sao cho:

Vậy hệ phương trình vô nghiệm, tức là không thể viết w thành tổ