Professional Documents
Culture Documents
SLIDE TCC Chuong2
SLIDE TCC Chuong2
3 Cơ sở và số chiều
Ví dụ: R2 và R3 . Thời của Euclid: biểu diễn hình học. Thời sau
Descartes: biểu diễn đại số
Từ biểu diễn đại số, ta có thể mở rộng lên không gian Rn , n > 3
Định nghĩa
Không gian Rn là tập hợp tất cả các bộ có thứ tự u = (a1 , . . . , an ) với ai
là số thực, với mọi i.
a1
a2
.. trong đó, ai
Vector u cũng có thể được viết dưới dạng cột u =
.
an
được gọi là các thành phần của vector u và n là số chiều.
Ví dụ: R2 và R3 . Thời của Euclid: biểu diễn hình học. Thời sau
Descartes: biểu diễn đại số
Từ biểu diễn đại số, ta có thể mở rộng lên không gian Rn , n > 3
Định nghĩa
Không gian Rn là tập hợp tất cả các bộ có thứ tự u = (a1 , . . . , an ) với ai
là số thực, với mọi i.
a1
a2
.. trong đó, ai
Vector u cũng có thể được viết dưới dạng cột u =
.
an
được gọi là các thành phần của vector u và n là số chiều.
Ví dụ: R2 và R3 . Thời của Euclid: biểu diễn hình học. Thời sau
Descartes: biểu diễn đại số
Từ biểu diễn đại số, ta có thể mở rộng lên không gian Rn , n > 3
Định nghĩa
Không gian Rn là tập hợp tất cả các bộ có thứ tự u = (a1 , . . . , an ) với ai
là số thực, với mọi i.
a1
a2
Vector u cũng có thể được viết dưới dạng cột u =
.. trong đó, ai
.
an
được gọi là các thành phần của vector u và n là số chiều.
Ví dụ: R2 và R3 . Thời của Euclid: biểu diễn hình học. Thời sau
Descartes: biểu diễn đại số
Từ biểu diễn đại số, ta có thể mở rộng lên không gian Rn , n > 3
Định nghĩa
Không gian Rn là tập hợp tất cả các bộ có thứ tự u = (a1 , . . . , an ) với ai
là số thực, với mọi i.
a1
a2
Vector u cũng có thể được viết dưới dạng cột u =
.. trong đó, ai
.
an
được gọi là các thành phần của vector u và n là số chiều.
Ví dụ: R2 và R3 . Thời của Euclid: biểu diễn hình học. Thời sau
Descartes: biểu diễn đại số
Từ biểu diễn đại số, ta có thể mở rộng lên không gian Rn , n > 3
Định nghĩa
Không gian Rn là tập hợp tất cả các bộ có thứ tự u = (a1 , . . . , an ) với ai
là số thực, với mọi i.
a1
a2
Vector u cũng có thể được viết dưới dạng cột u =
.. trong đó, ai
.
an
được gọi là các thành phần của vector u và n là số chiều.
Cho u1 ,...,un và v là các vector trong Rn . V được gọi là một tổ hợp tuyến
tính của các vector u1 ,...,un nếu tồn tại các số thực α1 ,...,αn sao cho
v = α1 u1 + · · · + αn un
Ví dụ. Xét v1 = (1, 0, −1, 2), v2 = (2, 1, −3, 0), v3 = (5, 2, −7, 2).
Ta có v3 = v1 + 2v2 .
Suy ra, v3 được biểu diễn tuyến tính qua v1 , v2 .
Cho u1 ,...,un và v là các vector trong Rn . V được gọi là một tổ hợp tuyến
tính của các vector u1 ,...,un nếu tồn tại các số thực α1 ,...,αn sao cho
v = α1 u1 + · · · + αn un
Ví dụ. Xét v1 = (1, 0, −1, 2), v2 = (2, 1, −3, 0), v3 = (5, 2, −7, 2).
Ta có v3 = v1 + 2v2 .
Suy ra, v3 được biểu diễn tuyến tính qua v1 , v2 .
Cho u1 ,...,un và v là các vector trong Rn . V được gọi là một tổ hợp tuyến
tính của các vector u1 ,...,un nếu tồn tại các số thực α1 ,...,αn sao cho
v = α1 u1 + · · · + αn un
Ví dụ. Xét v1 = (1, 0, −1, 2), v2 = (2, 1, −3, 0), v3 = (5, 2, −7, 2).
Ta có v3 = v1 + 2v2 .
Suy ra, v3 được biểu diễn tuyến tính qua v1 , v2 .
Giải hệ sau
(u1T , . . . , um
T
| vT )
Giải hệ sau
(u1T , . . . , um
T
| vT )
Định nghĩa
Họ các vectors u1 , . . . , um được gọi là họ độc lập tuyến tính nếu từ
đẳng thức
α1 u1 + · · · + αm um = 0
ta suy ra được
α1 = · · · = αm = 0
nghĩa là phương trình x1 u1 + · · · + xm um = 0 có nghiệm duy nhất
α1 = · · · = αm = 0
Họ các vector không độc lập tuyến tính được gọi là phụ thuộc tuyến
tính.
Định nghĩa
Họ các vectors u1 , . . . , um được gọi là họ độc lập tuyến tính nếu từ
đẳng thức
α1 u1 + · · · + αm um = 0
ta suy ra được
α1 = · · · = αm = 0
nghĩa là phương trình x1 u1 + · · · + xm um = 0 có nghiệm duy nhất
α1 = · · · = αm = 0
Họ các vector không độc lập tuyến tính được gọi là phụ thuộc tuyến
tính.
Định nghĩa
Họ các vectors u1 , . . . , um được gọi là họ độc lập tuyến tính nếu từ
đẳng thức
α1 u1 + · · · + αm um = 0
ta suy ra được
α1 = · · · = αm = 0
nghĩa là phương trình x1 u1 + · · · + xm um = 0 có nghiệm duy nhất
α1 = · · · = αm = 0
Họ các vector không độc lập tuyến tính được gọi là phụ thuộc tuyến
tính.
Đặt ma trận
u1
..
A= .
um
Đặt ma trận
u1
..
A= .
um
Đặt ma trận
u1
..
A= .
um
Đặt ma trận
u1
..
A= .
um
Đặt ma trận
u1
..
A= .
um
Đặt ma trận
u1
..
A= .
um
Đặt ma trận
u1
..
A= .
um
Đặt ma trận
u1
..
A= .
um
Ví dụ. Xét tính độc lập tuyến tính hay phụ thuộc tuyến tính của hệ vector
sau.
a) u = (1, 2, −1, 2), v = (2, 3, 0, −1), w = (1, 2, 1, 3), t = (1, 3, −1, 0)
b) u = (1, −2, 5, −3), v = (2, 3, 1, −4), w = (3, 8, −3, −5)
Định nghĩa
Tập hợp B trong Rn được gọi là một cơ sở nếu B độc lập tuyến tính và
bất kỳ vector v ∈ Rn đều là tổ hợp tuyến tính của các vector trong B. Ở
đây thứ tự của các vectors trong B là quan trọng.
Tính chất
Mọi cơ sở của Rn đều có đúng n vectors.
Nếu B độc lập tuyến tính và có đúng n vectors thì B là cơ sở của Rn .
Định nghĩa
Tập hợp B trong Rn được gọi là một cơ sở nếu B độc lập tuyến tính và
bất kỳ vector v ∈ Rn đều là tổ hợp tuyến tính của các vector trong B. Ở
đây thứ tự của các vectors trong B là quan trọng.
Tính chất
Mọi cơ sở của Rn đều có đúng n vectors.
Nếu B độc lập tuyến tính và có đúng n vectors thì B là cơ sở của Rn .
Định nghĩa
Tập hợp B trong Rn được gọi là một cơ sở nếu B độc lập tuyến tính và
bất kỳ vector v ∈ Rn đều là tổ hợp tuyến tính của các vector trong B. Ở
đây thứ tự của các vectors trong B là quan trọng.
Tính chất
Mọi cơ sở của Rn đều có đúng n vectors.
Nếu B độc lập tuyến tính và có đúng n vectors thì B là cơ sở của Rn .
Định nghĩa
Số vector trong 1 cơ sở của không gian vector được gọi là số chiều của
không gian đó. Ký hiệu dim Rn = n.
Nhận xét
Trong Rn bất kỳ tập nào có nhiều hơn n vectors đều phụ thuộc tuyến tính.
Định nghĩa
Số vector trong 1 cơ sở của không gian vector được gọi là số chiều của
không gian đó. Ký hiệu dim Rn = n.
Nhận xét
Trong Rn bất kỳ tập nào có nhiều hơn n vectors đều phụ thuộc tuyến tính.
Định nghĩa
Số vector trong 1 cơ sở của không gian vector được gọi là số chiều của
không gian đó. Ký hiệu dim Rn = n.
Nhận xét
Trong Rn bất kỳ tập nào có nhiều hơn n vectors đều phụ thuộc tuyến tính.
1 Cho hệ vector
E (n) = (e1 = (1, 0, ..., 0), e2 = (0, 1, 0, ..., 0), ..., en = (0, ..., 0, 1) là
một cơ sở của Rn và gọi là cơ sở chính tắc.
Nêu cơ sở chính tắc trong R 2 , R 3 ?
2 Ví dụ: Tìm điều kiện của m để hệ
là một cơ sở của R3 .
1 Cho hệ vector
E (n) = (e1 = (1, 0, ..., 0), e2 = (0, 1, 0, ..., 0), ..., en = (0, ..., 0, 1) là
một cơ sở của Rn và gọi là cơ sở chính tắc.
Nêu cơ sở chính tắc trong R 2 , R 3 ?
2 Ví dụ: Tìm điều kiện của m để hệ
là một cơ sở của R3 .
1 Cho hệ vector
E (n) = (e1 = (1, 0, ..., 0), e2 = (0, 1, 0, ..., 0), ..., en = (0, ..., 0, 1) là
một cơ sở của Rn và gọi là cơ sở chính tắc.
Nêu cơ sở chính tắc trong R 2 , R 3 ?
2 Ví dụ: Tìm điều kiện của m để hệ
là một cơ sở của R3 .
U = (u1 = (1, 2, −1, 2), u2 = (2, 3, 0, −1), u3 = (1, 2, 1, 3), u4 = (1, 3, −1, 0))
U = (u1 = (1, 2, −1, 2), u2 = (2, 3, 0, −1), u3 = (1, 2, 1, 3), u4 = (1, 3, −1, 0))