Chuong 3-Không Gian Véc Tơ

Chương 3.
Không gian vectơ
Đại số tuyến tính 1 / 70

NỘI DUNG
Chương 3. Không gian vectơ
3.1. Định nghĩa và các tính chất
3.2. Không gian vectơ con
3.3. Độc lập tuyến tính và phụ thuộc tuyến tính
3.4. Cơ sở - Số chiều - Tọa độ
3.5. Hạng của một hệ vectơ

3.1. Định nghĩa và các tính chất

3.1.1 Định nghĩa tích Descartes:
Tích Descartes (Đề các) của n tập hợp A1 , A2 , . . . , An là tập hợp
tất cả các bộ có thứ tự n phần tử (a1 , a2 , . . . , an ) sao cho
a1 ∈ A1 , a2 ∈ A2 , . . . , an ∈ An . Kí hiệu là A1 × A2 × . . . × An .
Vậy, A1 × A2 × . . . × An = {(a1 , a2 , . . . , an )|ai ∈ Ai , ∀i = 1, n},
và (a1 , a2 , . . . , an ) = (b1 , b2 , . . . , bn ) ⇔ ai = bi , ∀i = 1, n.
n
| ×A×
Tích Descartes A {z. . . × A} viết gọn là A được định nghĩa
n lần
như sau:
An = {(a1 , a2 , . . . , an )|ai ∈ A, ∀i = 1, n}

3.1.2 Định nghĩa không gian vectơ: Cho V là một tập hợp khác
rỗng. Trên tập V ta xây dựng 2 phép toán sau:
Phép cộng +
+: V ×V →V
(x, y ) 7→ x + y
Phép nhân ngoài ·
·: K×V →V
(λ, x) 7→ λx
(K là trường số. Từ đây về sau ta luôn hiểu K = R nếu không nói gì

thêm.)

Nếu (V , +, ·) thỏa mãn 8 tiên đề sau:

1 x + y = y + x, ∀x, y ∈ V
2 x + (y + z) = (x + y ) + z, ∀x, y , z ∈ V
3 ∃OV ∈ V : x + OV = OV + x = x, ∀x ∈ V
4 ∀x ∈ V , ∃ − x ∈ V : x + (−x) = (−x) + x = OV ,
5 α(x + y ) = αx + αy , ∀x, y ∈ V , ∀α ∈ K
6 (α + β)x = αx + βx, ∀x ∈ V , ∀α, β ∈ K
7 (αβ)x = α(βx), ∀x ∈ V , ∀α, β ∈ K
8 1x = x, ∀x ∈ V
thì V được gọi là không gian vectơ trên K hay một K- không gian
vectơ. Mỗi phần tử x ∈ V được gọi là một vectơ, mỗi α ∈ R được
gọi một vô hướng. Phần tử OV ở trên được gọi là phần tử không của
V , phần tử −x được gọi là phần tử đối của x.

3.1.3 Các ví dụ:

Tập V các vectơ hình học chung gốc O trong không gian cùng
với phép cộng hai vectơ và phép nhân một số thực với một
vectơ là một không gian vectơ trên K với phần tử không là
−→ −→
vectơ không ⃗0 và phần tử đối của OA ∈ V là vectơ đối −OA.
Tập Mm×n (R) các ma trận cỡ m × n cùng với phép cộng hai ma
trận và phép nhân một số thực với một ma trận là một không
gian vectơ trên K với phần tử không là Om×n và phần tử đối là
ma trận đối.
Tập K [x] các đa thức một biến với các hệ số trên R với phép
cộng hai đa thức và phép nhân một số thực với một đa thức là
một không gian vector trên R với phần tử không là đa thức
P(x) = 0 và phần tử đối của đa thức P(x) là đa thức −P(x).

Tập Rn = R
| ×R× {z. . . × R}
n n lần o
= (x1 , x2 , . . . , xn ) : xi ∈ R, i = 1, n
Trên Rn ta định nghĩa phép toán cộng hai phần tử
x = (x1 , x2 , . . . , xn ) ∈ Rn , y = (y1 , y2 , . . . , yn ) ∈ Rn và phép
nhân với một vô hướng α ∈ R như sau:
Phép cộng hai phần tử: x + y = (x1 + y1 , x2 + y2 , . . . , xn + yn )
Phép nhân với một vô hướng: αx = (αx1 , αx2 , . . . , αxn )
Tập Rn cùng với hai phép toán trên là một không gian vectơ
trên R với phần tử O = (0, 0, . . . , 0) và phần tử đối của
| {z }
n lần
x = (x1 , x2 , . . . , xn ) ∈ Rn là −x = (−x1 , −x2 , . . . , −xn ) ∈ Rn .

Xét C [a, b] là tập hợp tất cả các hàm số thực liên tục trên
[a, b]. Tổng của hai hàm số f , g ∈ C [a, b] là hàm số
f + g ∈ C [a, b] được định nghĩa bởi
(f + g )(x) = f (x) + g (x)
và tích của một số α ∈ R với hàm số f ∈ C [a, b] là hàm số

αf ∈ C [a, b] được định nghĩa bởi
(αf )(x) = αf (x).
Khi đó C [a, b] là một không gian vectơ trên R.

Xét tập số thực R và tập số hữu tỷ Q. Đối với R, tổng của hai
số thực là một số thực và nếu x ∈ R, α ∈ Q thì αx ∈ R. Tám
tiên đề trong định nghĩa của một không gian vectơ chính là các
tính chất quen thuộc của số thực. Vì vậy R là một không gian
vectơ trên Q. Tuy nhiên Q không là không gian vectơ trên R vì
x ∈ Q, α ∈ R thì nói chung αx ∈/ Q.

3.1.4 Các tính chất: Cho V là một không gian vectơ trên K.
1 Tính duy nhất của phần tử không
∀x ∈ V : x + OV = OV + x = x.
2 Với mỗi x ∈ V , tồn tại duy nhất phần tử đối của nó.
3 ∀x ∈ E : 0x = OV .
4 ∀α ∈ R : αOV = OV .
5 ∀x ∈ E , α ∈ R : αx = OV khi và chỉ khi α = 0 hoặc x = OV .
6 ∀x ∈ E : (−1)x = −x.
7 Nếu x + z = y + z thì x = y , ∀x, y , z ∈ V (Luật giản ước).
8 Nếu x + y = z thì x = z − y , ∀x, y , z ∈ V (Quy tắc chuyển vế).

3.2. Không gian vectơ con

3.2.1 Định nghĩa: Nếu V và W đều là không gian vectơ trên K và
nếu W là một tập con khác rỗng của V thì W được gọi là không
gian vectơ con của V (gọi gọn là không gian con của V ).
3.2.2 Các định lý:
Định lý 1: Tập con W khác rỗng của không gian vectơ V trên K là
không gian con của V nếu và chỉ nếu các điều kiện sau được thỏa
mãn:
1 ∀x, y ∈ W : x + y ∈ W .
2 ∀x ∈ W , ∀α ∈ K : αx ∈ W .

Nhận xét:
Bất kì không gian vectơ V đều có hai không gian con là bản
thân tập V và tập {OV } gồm chỉ một phần tử không của V . Các
không gian con này được gọi là các không gian con tầm thường.
Nếu W là một không gian vectơ con của V trên K thì OV ∈ W .
Thật vậy, do W là một không gian vectơ con của V nên
W ̸= ∅. Do đó, tồn tại x ∈ W ⊂ V . Từ đó, với 0 ∈ K, ta có:
OV = 0 · x ∈ W (bởi vì W là một không gian vectơ con của V
nên điều kiện 2 được thỏa mãn).
Từ đó, nếu OV ̸∈ W thì W không phải là một không gian
vector con của V .

Định lý 2: Tập W khác rỗng của không gian vectơ V trên K là

không gian con của V trên K khi và chỉ khi với mọi x, y ∈ W , với
mọi α, β ∈ K ta có: αx + βy ∈ W .
Ví dụ 1: Chứng minh rằng W = (x1 , x2 , x3 ) : x1 + x2 + x3 = 0 là
một không gian vectơ con trên R của R3 .
Ví dụ 2: Hỏi tập nào sau đây là không gian vectơ con trên R của
M2×2 (R)?
n a 0 o n a 1 o
W = : a, b ∈ R U= : a, b ∈ R
0 b 0 b

Định lý 3: Giả sử W1 , W2 , . . . , Wm là những không gian con của

một không gian vectơ V trên K. Khi đó W = ∩m i=1 Wi là một không
gian con của V .
Định lý 4: Giả sử W1 , W2 là hai không gian con của không gian
vectơ V trên K. Ta định nghĩa
W = {x1 + x2 |x1 ∈ W1 , x2 ∈ W2 }.
Khi đó W là một không gian con của V trên K và được gọi là tổng
của hai không gian con W1 , W2 và được kí hiệu là W1 + W2 .

3.3. Độc lập tuyến tính và phụ thuộc tuyến tính

3.3.1 Tổ hợp tuyến tính: Cho V là một không gian vectơ trên K.
Vectơ w ∈ V được gọi là một tổ hợp tuyến tính của các vectơ
x1 , . . . , xm trong V nếu tồn tại α1 , . . . , αm ∈ K sao cho
w = α1 x1 + · · · + αm xm .
Nếu w là một tổ hợp tuyến tính của các vectơ x1 , . . . , xm thì ta nói w
biểu thị tuyến tính được qua các vectơ x1 , x2 , . . . , xm .

Ví dụ 1: Trong R2 cho x1 = (1, 2) và x2 = (0, 1). Khi đó
w = (2, −1) = 2x1 + (−5)x2 .
Vậy w biểu thị tuyến tính qua x1 và x2 .

Ví dụ 2: Trong R2 xét hệ 3 vectơ sau:
{x1 = (1, 1); x2 = (2, 0); x3 = (3, 1)}.
Ta có
OR2 = (0, 0) = 0 · x1 + 0 · x2 + 0 · x3
= 1 · x1 + 1 · x2 + (−1) · x3

Nhận xét:
Phần tử OV luôn được biểu thị tuyến tính qua hệ {x1 , . . . , xn }
với cách biểu thị là
OV = 0 · x1 + 0 · x2 + . . . + 0 · xn
Cách biểu diễn này được gọi là cách biểu diễn tầm thường.
Cách biểu thị tuyến tính của một vectơ qua một hệ vectơ nói
chung không phải là duy nhất.
Ví dụ 3: Tìm a để vectơ x = (1, 3, 5) biểu thị tuyến tính được qua
các vectơ x1 , x2 , x3 trong R3 với x1 = (2, 4, 7); x2 = (3, 2, 5);
x3 = (5, 6, a).

3.3.2 Phụ thuộc tuyến tính và độc lập tuyến tính: Cho m vectơ
x1 , x2 , . . . , xm của không gian vectơ V trên K, m ≥ 1.
Hệ vectơ {x1 , x2 , . . . , xm } được gọi là phụ thuộc tuyến tính nếu
tồn tại α1 , α2 , ..., αm ∈ K không đồng thời bằng 0 sao cho
α1 x1 + · · · + αm xm = OV .
Hệ vectơ {x1 , x2 , ..., xm } được gọi là độc lập tuyến tính nếu nó
không phụ thuộc tuyến tính, nghĩa là từ đẳng thức
α1 x1 + · · · + αm xm = OV kéo theo α1 = α2 = . . . = αm = 0.
Chú ý: Xét phương trình vectơ α1 x1 + · · · + αm xm = OV theo các ẩn
α1 , α2 , . . . , αm . Nếu phương trình này có nghiệm duy nhất thì hệ
vectơ {x1 , x2 , . . . , xm } độc lập tuyến tính, còn nếu phương trình này
có vô số nghiệm thì hệ vectơ {x1 , x2 , . . . , xm } phụ thuộc tuyến tính.


Ví dụ 4 Trong R3 cho hệ (e) = e1 , e2 , e3 với e1 = (1, 2, 3);
e2 = (0, 1, 1); e3 = (1, 1, −1). Hỏi hệ (e) độc lập tuyến tính hay phụ
thuộc tuyến tính?
Ví dụ 5 Trong R3 cho hệ (e) = e1 , e2 , e3 với e1 = (2, 0, 3);
e2 = (1, 1, 4); e3 = (1, −1, −1). Hỏi hệ (e) độc lập tuyến tính hay
phụ thuộc tuyến tính?
Ví dụ 6 Trong M2 (R) cho hệ 4 vectơ A, B, C , D với

1 0 0 1 1 1 1 1
A= , B= , C= , D=
1 1 1 1 0 1 1 0
Chứng minh rằng hệ bốn vectơ này độc lập tuyến tính.

3.3.3 Các tính chất của hệ độc lập và phụ thuộc tuyến tính:
1 Trong không gian vectơ, mỗi vectơ khác OV là một hệ độc lập
tuyến tính.
2 Mọi hệ con của một hệ độc lập tuyến tính là một hệ độc lập
tuyến tính.
Từ tính chất này suy ra nếu thêm vào một hoặc nhiều vectơ của
một hệ vectơ phụ thuộc tuyến tính thì hệ mới cũng phụ thuộc
tuyến tính.
3 Mọi hệ vectơ chứa OV là một hệ phụ thuộc tuyến tính.
4 Điều kiện cần và đủ để một hệ vectơ phụ thuộc tuyến tính là có
một vectơ biểu thị tuyến tính qua các vectơ còn lại.

Ví dụ 7 Trong không gian vectơ hình học V .

Hai vectơ lập thành một hệ phụ thuộc tuyến tính khi và chỉ khi
chúng cùng phương; độc lập tuyến tính khi và chỉ khi chúng
không cùng phương.
Ba vectơ lập thành một hệ phụ thuộc tuyến tính khi và chỉ khi
chúng đồng phẳng; độc lập tuyến tính khi và chỉ khi chúng
không đồng phẳng.
Bốn vectơ bất kỳ lập thành một hệ phụ thuộc tuyến tính.

Ví dụ 8: Cho P2 là không gian các đa thức với hệ số thực có bậc

nhỏ hơn hoặc bằng 2 và
p1 := p1 (x) = x 2 − 1
p2 := p2 (x) = x 2 + x + 1
p3 := p3 (x) = x 2 − ax − 3
Với giá trị nào của a thì hệ U = {p1 , p2 , p3 } độc lập tuyến tính?

3.4. Cơ sở - Số chiều - Tọa độ

3.4.1 Không gian con sinh bởi một hệ vectơ:
a. Định lý: Cho hệ gồm m vectơ x1 , x2 , ..., xm của không gian vectơ
V trên K. Tập hợp
W = {α1 x1 + · · · + αm xm |αi ∈ K, i = 1, m}.
là một không gian con của V và được gọi là không gian con sinh bởi
hệ vectơ {x1 , x2 , ..., xm }, còn hệ {x1 , x2 , ..., xm } được gọi là hệ sinh
của W .
Kí hiệu không gian con sinh bởi hệ vectơ {x1 , x2 , ..., xm } là
Span{x1 , x2 , ..., xm } hoặc < x1 , x2 , ..., xm >.


Ví dụ: Cho S = v1 = (1, 1, 1); v2 = (2, 3, 1); v3 = (3, 5, 1) là tập
con của không gian vectơ R3 . Chứng tỏ rằng S phụ thuộc tuyến tính
và hãy chỉ ra tập con T ⊂ S sao cho T chỉ có hai vectơ nhưng
Span(T ) = Span(S).
Giải: Xét phương trình vectơ
α1 v1 + α2 v2 + α3 v3 = OR3 (1)
Khi đó (1) ⇔ α1 (1, 1, 1) + α2 (2, 3, 1) + α3 (3, 5, 1) = (0, 0, 0)


α1 + 2α2 + 3α3 = 0

⇔ α1 + 3α2 + 5α3 = 0 (2)

α1 + α2 + α3 =0


     
1 2 3 1 2 3 1 2 3
h →hi −h1 ,i̸=1 h →h3 −h2
A = 1 3 5 i −→ 0 1 2  3 −→ 0 1 2
1 1 1 0 −1 −2 0 0 0
Từ đó, r(A) = 2 < 3 nên (2) có nghiệm không tầm thường. Do đó,
(1) đúng ngay cả khi các α1 , α2 , α3 không đồng thời bằng 0.
Vậy hệ S phụ(thuộc tuyến tính. (
α1 + 2α2 + 3α3 = 0 α1 = α3
Hệ pt (2) ⇔ ⇔
α2 + 2α3 =0 α2 = −2α3
Lấy α3 = 1, ta có α1 = 1, α2 = −2. Thay vào (1), ta được
v1 − 2v2 + v3 = OR3 ⇔ v3 = 2v2 − v1 .
Xét hệ T = {v1 , v2 }. Ta chứng minh Span(T ) = Span(S).
Để chứng minh điều này, ta chứng minh Span(T ) ⊂ Span(S) và
Span(S) ⊂ Span(T ).

+ Lấy v ∈ Span(T ). Khi đó ∃ β1 , β2 ∈ R sao cho
v = β1 v1 + β2 v2 = β1 v1 + β2 v2 + 0β3
Từ đó, v ∈ Span(S).
+ Lấy v ∈ Span(T ). Khi đó ∃ γ1 , γ2 , γ3 ∈ R sao cho
v = γ1 v1 + γ2 v2 + γ3 v3 . Thay v3 = 2v2 − v1 vào, ta được
v = γ1 v1 + γ2 v2 + γ3 (2v2 − v1 )
= (γ1 − γ3 )v1 + (γ2 + 2γ3 )v2
Từ đó, v ∈ Span(S).

b. Định nghĩa (hệ sinh của một không gian vectơ): Giả sử V là
một K-không gian vectơ. Một hệ vectơ trong V được gọi là một hệ
sinh của V nếu mọi vectơ của V đều biểu thị tuyến tính qua hệ đó.
Nếu V có một hệ sinh gồm hữu hạn phần tử thì V được gọi là
K-không gian vectơ hữu hạn sinh.
Ví dụ 1: Hệ vectơ e1 = (1, 0, 0); e2 = (0, 1, 0); e3 = (0, 0, 1) là
một hệ sinh của không gian vectơ R3 .
Giải: ∀x = (x1 , x2 , x3 ) ∈ R3 , ta có
x = x1 (1, 0, 0) + x2 (0, 1, 0) + x3 (0, 0, 1) = x1 e1 + x2 e2 + x3 e3 .

Do đó, hệ vectơ e1 ; e2 ; e3 là một hệ sinh của không gian vectơ
R3 .


Ví dụ 2: Chứng minh rằng hệ vectơ f1 = (1, 1, 0);
f2 = (1, 0, 1); f3 = (0, 1, 1) là một hệ sinh của không gian vectơ R3 .
Giải: Hệ vectơ (f ) là một hệ sinh của không gian vectơ R3
⇔ ∀x = (x1 , x2 , x3 ) ∈ R3 , x biểu thị tuyến tính qua (f )
⇔ ∃ α1 , α2 , α3 ∈ R, x = α1 f1 + α2 f2 + α3 f3
⇔ ∃ α1 , α2 , α3 ∈ R, (x1 , x2 , x3 ) = α1 (1, 1, 0) + α2 (1, 0, 1) + α3 (0, 1, 1)

α1 + α2 = x1

⇔ α1 + α3 = x2 (3)

α2 + α3 = x3

   
1 1 0 x1 1 1 0 x1
h →h2 −h1
Ā = 1 0 1 x2  2 −→ 0 −1 1 x2 − x1 
0 1 1 x3 0 1 1 x3

 
1 1 0 x1
h3 →h3 +h2
−→ 0 −1 1 x2 − x1 
0 0 2 x3 + x2 − x1
Nhận thấy r(A) = r(Ā) = 3 nên hệ pt (3) có nghiệm duy nhất với
mỗi x ∈ R3 cho trước. Vậy (f ) là một hệ sinh của R3 .
1 1 0
Cách khác: Vì det(A) = 1 0 1 = −2 ̸= 0 và hệ pt (3) có số ẩn
0 1 1
bằng với số pt nên hệ pt (3) là hệ pt Cramer. Do đó hệ pt (3) có
nghiệm duy nhất với mỗi x = (x1 , x2 , x3 ) ∈ R3 cho trước.Vậy (f ) là
một hệ sinh của R3 .

Ví dụ 3: Xét tập W = {(a1 , a2 , 0, 0) : ai ∈ R} trong không gian R4 .

a. Chứng minh rằng W là một không gian con của R4 .
b. Chứng minh rằng hệ hai vectơ {e1 , e2 } với e1 = (1, 0, 0, 0) và
e2 = (0, 1, 0, 0) là một hệ sinh của W .
c. Thêm vectơ δ = (2, 3, 0, 0) vào hệ vectơ {e1 , e2 }. Xét không
gian con W ′ sinh bởi hệ {e1 , e2 , δ}. Chứng tỏ rằng W = W ′ , tức là
hai hệ {e1 , e2 } và {e1 , e2 , δ} đều là hệ sinh của W .
Giải:
a. Vì OR4 ∈ W nên W ̸= ∅. Lấy tùy ý a, b ∈ W .
Giả sử a = (a1 , a2 , 0, 0), b = (b1 , b2 , 0, 0). Khi đó ∀α, β ∈ R, ta có:
αa + βb = α · (a1 , a2 , 0, 0) + β · (b1 , b2 , 0, 0)
= (αa1 + βb1 , αa2 + βb2 , 0, 0)

Do a, b ∈ W nên a1 , a2 , b1 , b2 ∈ R. Từ đó, αa1 + βb1 ∈ R,

αa2 + βb2 ∈ R và αa + βb ∈ W . Vậy W là không gian con của R4 .
b. ∀x = (x1 , x2 , 0, 0) ∈ W thì
x = x1 (1, 0, 0, 0) + x2 (0, 1, 0, 0)
= x1 e1 + x2 e1
Do đó, mọi x ∈ W đều biểu thị tuyến tính qua {e1 , e2 }. Vậy
{e1 , e2 } là một hệ sinh của W .

c. Ta sẽ chứng minh W ′ = Span{e1 , e2 , δ} = Span{e1 , e2 } = W .

+ Lấy x ∈ W . Khi đó ∃ β1 , β2 ∈ R:
x = β1 e1 + β2 e2 = β1 e1 + β2 e2 + 0 · δ
Từ đó, x ∈ W ′ .
+ Lấy x ∈ W ′ . Khi đó ∃ γ1 , γ2 , γ3 ∈ R : v = γ1 e1 + γ2 e2 + γ3 e3 .
Vì δ = (2, 3, 0, 0) = 2e1 + 3e2 nên
x = γ1 e1 + γ2 e2 + γ3 (2e1 + 3e2 )
= (γ1 + 2γ3 )v1 + (γ2 + 3γ3 )v2
Từ đó, x ∈ W .

Câu hỏi Trong một hệ sinh của một không gian vectơ có thể có
một số tối thiểu vectơ sinh ra không gian ấy không?
Trả lời: Khái niệm độc lập tuyến tính.

3.4.2 Cơ sở:
a. Định nghĩa: Một hệ sinh độc lập tuyến tính trong không gian
vectơ V được gọi là một cơ sở của V .
Ví dụ 1: Trong không gian R3 , hệ ba vectơ

e1 = (1, 0, 0); e2 = (0, 1, 0); e3 = (0, 0, 1)
là một cơ sở, người ta gọi đó là cơ sở chính tắc của R3 .

Tổng quát: Cơ sở chính tắc của không gian vectơ Rn là hệ n vectơ

e1 = (1, 0, 0, . . . , 0); e2 = (0, 1, 0, . . . 0); . . . ; en = (0, 0, 0, . . . , 1) .
| {z }
n thành phần


Hệ vectơ (f ) = f1 = (1, 1, 0); f2 = (1, 0, 1); f3 = (0, 1, 1) cũng là
một cơ sở của không gian R3 .
Thật vậy, theo ví dụ 2 mục 3.4.1 ta đã chứng minh hệ vectơ (f ) là
1 1 0
một hệ sinh của R3 . Hơn nữa, do 1 0 1 = −2 ̸= 0 nên hệ vectơ
0 1 1
(f ) độc lập tuyến tính.

Ví dụ 2: Trong không gian vectơ P2 gồm các đa thức có bậc bé

hơn hoặc bằng 2, hệ vectơ {1, x, x 2 } là một cơ sở của P2 .
Tổng quát: Cơ sở chính tắc của không gian vectơ Pn là hệ n + 1
vectơ {1, x, x 2 , . . . , x n }.
Hệ các vectơ sau
p1 := p1 (x) = x 2 − 1
p2 := p2 (x) = x 2 + x + 1
p3 := p3 (x) = x 2 − 2x − 3
cũng là một cơ sở của P2 .

Ta sẽ chỉ ra rằng hệ vectơ {p1 , p2 , p3 } độc lập tuyến tính và là một
hệ sinh của P2 .

Xét phương trình α1 p1 + α2 p2 + α3 p3 = OP2 .

Pt này ⇔ α1 (x 2 − 1) + α2 (x 2 + x + 1) + α3 (x 2 − 2x − 3) = 0
⇔ (α1 + α2 + α3 )x 2 + (α2 − 2α3 )x − α1 + α2 − 3α3 = 0

α1 + α2 + α3
 =0
⇔ α2 − 2α3 = 0 (4)

−α1 + α2 − 3α3 = 0

1 1 1
Vì 0 1 −2 = 2 ̸= 0 nên hệ vectơ {p1 , p2 , p3 } độc lập tuyến tính.
−1 1 −3

Lấy tùy ý p ∈ P2 . Giả sử p = ax 2 + bx + c. Khi đó p biểu thị tuyến
tính qua {p1 , p2 , p3 } ⇔ ∃α1 , α2 , α3 ∈ R: p = α1 p1 + α2 p2 + α3 p3 .
⇔ ax 2 + bx + c = α1 (x 2 − 1) + α2 (x 2 + x + 1) + α3 (x 2 − 2x − 3)
⇔ (α1 + α2 + α3 )x 2 + (α2 − 2α3 )x − α1 + α2 − 3α3 = ax 2 + bx + c

α1 + α2 + α3
 =a
⇔ α2 − 2α3 =b có nghiệm

−α1 + α2 − 3α3 =c

1 1 1
Vì 0 1 −2 = 2 ̸= 0 nên hệ đang xét là hệ Cramer → hệ có
−1 1 −3
nghiệm duy nhất (α1 , α2 , α3 ), tức là với mọi p ∈ P2 thì p luôn biểu
thị tuyến tính qua hệ {p1 , p2 , p3 }. Do đó hệ {p1 , p2 , p3 } là một hệ
sinh của P2 .
b. Sự tồn tại của một cơ sở:

Bổ đề: Nếu không gian vectơ V có một hệ sinh gồm m vectơ thì số
vectơ của mọi hệ vectơ độc lập tuyến tính của V không vượt quá m.
Hệ quả: Số vectơ trong hai cơ sở khác nhau của cùng một không
gian vectơ thì bằng nhau.
Định lý 1: Mọi không gian vectơ V trên K khác {OV } đều có cơ
sở.
Hệ quả: Trong không gian vectơ, mỗi hệ vectơ độc lập tuyến tính
bất kỳ đều có thể bổ sung thành một cơ sở.
Định lý 2: Từ một hệ sinh của một không gian vectơ khác {OV } ta
có thể chọn ra một cơ sở.

Ví dụ 3: Trong không gian vectơ M3×1 (R) trên R, cho tập

 
n a o
W =  b  , a, b ∈ R .
3a − b
Chứng minh rằng W là một không gian con của M3×1 (R) và hãy
chỉ ra một cơ sở của W .
Giải: Dễ dàng chứng minh được W là không gian con của
M3×1 (R)theo định
 nghĩa.    
a 1 0
∀v =  b  ∈ W , ta có: v = a · 0 + b ·  1 
3a − b 3 −1

   
1 0
Đặt 0 = v1 ,
   1  = v2 thì hệ vectơ {v1 , v2 } là một hệ sinh
3 −1
của W . Ta sẽ chứng minh hệ vectơ này độc lập tuyến tính.
Xét phương trình α1 v
1 + α 2 = OM3×1 (R) .
2 v
α1 0
Pt này ⇔  α2  = 0 ⇔ α1 = α2 = α3 = 0.
  3α 1 −α2 0
n 1 0 o
Vậy 0 ,  1  là một cơ sở của W .
3 −1

Ví dụ 4: Cho W là một không gian con của R4 được sinh bởi hệ

vectơ S = {v1 , v2 , v3 , v4 , v5 } với v1 = (1, 1, 2, −1), v2 = (1, 2, 1, 1),
v3 = (1, 4, −1, 5), v4 = (1, 0, 4, −1), v5 = (2, 5, 0, 2). Hãy tìm tập con
T của tập S mà T là cơ sở của W .

3.4.3 Số chiều của không gian vectơ:

a. Định nghĩa: Cho V là một không gian vectơ trên K.
Ta nói V là một không gian n chiều (n ≥ 1) nếu hệ vectơ cơ sở
của V có số phần tử bằng n. Ta cũng nói số chiều của V là n và
kí hiệu dimV = n.
Không gian {OV } được xem là có số chiều bằng 0 vì nó không
có cơ sở. Các không gian n chiều được gọi chung là các không
gian hữu hạn chiều.
V gọi là không gian vô hạn chiều, nếu nó không hữu hạn chiều,
tức là hệ vectơ cơ sở của V có vô hạn phần tử (dimV = ∞).
Ví dụ 1: dimRn = n, dimPn = n + 1,
dimK [x] = ∞, dimC [a, b] = ∞.

Ví dụ 2: dimM2 (R) = 4 vì M2 (R) có một cơ sở là:

n 1 0 0 1 0 0 0 0 o
e1 = , e2 = , e3 = , e4 = .
0 0 0 0 1 0 0 1
b. Định lý 1: Trong một không gian vectơ n chiều trên K mọi hệ

vectơ độc lập tuyến tính gồm n vectơ đều
là cơ sở.
Ví dụ 3: Chứng minh rằng hệ vectơ A, B, C , D với

1 1 1 1 1 1 1 0
A= , B= , C= , D=
1 1 1 0 0 0 0 0
là một cơ sở của M2 (R).


Giải: Vì số vectơ của hệ S = A, B, C , D bằng với dimM2 (R) = 4
nên ta chỉ còn phải chứng minh hệ S độc lập tuyến tính.
Xét phương trình
α1 A + α2 B + α3 C + α4 D =
OM2 (R
1 1 1 1 1 1 1 0 0 0
Pt này ⇔ α1 + α2 + α3 + α4 =
1 1 1 0 0 0 0 0 0 0


 α1 + α2 + α3 + α4 = 0

α + α + α
1 2 3 =0
⇔ ⇔ α1 = α2 = α3 = α4 = 0
α1 + α2

 =0
=0

α1
Do đó, S độc lập tuyến tính.

Định lý 2: Giả sử W là một không gian con của không gian vectơ
V trên K. Khi đó
dimW ⩽ dimV .
dimW = dimV khi và chỉ khi W = V .
Định lý 3: Cho U và W là hai không gian con của không gian
vectơ trên K. Khi đó
dim(U + W ) = dimU + dimW − dim(U ∩ W ).

Ví dụ 4: Giả sử U, W là hai không gian con thực sự của không

gian vectơ V .
a. Nếu dimV = 3, dimU = dimW = 2 thì dim(U ∩ W ) bằng bao
nhiêu?
b. Nếu dimV = 6, dimU = dimW = 4 thì dim(U ∩ W ) có thể
bằng bao nhiêu?

3.4.4 Tọa độ của một vectơ:

a. Định lý: Cách biểu thị tuyến tính của một vectơ qua một hệ các
vectơ độc lập tuyến tính là duy nhất.
b. Định nghĩa:
Trong không gian vectơ n-chiều V trên K cho một
cơ sở (e) = e1 , e2 , . . . , en và x ∈ V . Khi đó tồn tại duy nhất một
bộ số (α1 , α2 , . . . , αn ), αi ∈ R, i = 1, n sao cho
x = α1 e1 + α2 e2 + . . . + αn en .
Bộ số (α1 , α2 , . . . , αn ) được gọi là tọa độ của x đốivới cơ sở (e).

α1
 α2 
Kí hiệu x/(e) = (α1 , α2 , . . . , αn ) hoặc [x]/(e) = · · ·.

αn

Chú ý 1: Tọa độ của một vectơ đối với cơ sở chính tắc là chính nó.
Do đó, sau này khi nói đến tọa độ của một vectơ mà không đề cập gì
đến cơ sở thì ta hiểu đó là tọa độ của nó đối với cơ sở chính tắc.
Ví dụ 1: Trong không gian vectơ R3 trên R cho hệ vectơ
(u) = (u1 , u2 , u3 ) với u1 = (1, 1, 1); u2 = (1, 1, 2); u3 = (1, 2, 3).
a. Chứng minh rằng (u) là 1 cơ sở của R3 .
b. Cho x = (6, 9, 14). Tìm tọa độ của x đối với cơ sở (u).
c. Tìm tọa độ của y = (1, 2, 3) đối với cơ sở (u).

Giải:

Ví dụ 2: Cho (p) = {p1 , p2 , p3 } với p1 (x) = x 2 − 1,

p2 (x) = x 2 + x + 1, p3 (x) = x 2 − 2x − 3 là một cơ sở của không
gian vectơ P2 . Tìm tọa độ của p(x) = 3x 2 + x + 1 đối với cơ sở (p).
Giải:

c. Ma trận chuyển cơ sở: Cho V là một không gian vector n chiều
trên K, (e) = {e1 , e2 , ..., en } và (e ′ ) = {e1′ , e2′ , ..., en′ } là hai cơ sở của
V . Ma trận chuyển cơ sở từ (e) sang (e ′ ) là một ma trận vuông cấp
n với cột thứ j là tọa độ của vectơ ej′ đối với cơ sở (e).
Chú ý: Gọi B, B ′ lần lượt là ma trận cột các vectơ cơ sở (e) và (e ′ )
của không gian vectơ Rn . Gọi P là ma trận chuyển cơ sở từ B sang
B ′ . Khi đó P là ma trận không suy biến và là nghiệm của phương
trình: BP = B ′ .
Ví dụ 3: Trong không gian vectơ R3 trên R cho hai cơ sở sau:
(e) = {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)}
(e ′ ) = {e1′ = (1, 1, 0), e2′ = (0, 1, 1), e3′ = (1, 0, 1)}.

a. Tìm ma trận chuyển cơ sở từ (e) sang (e ′ ).
b. Tìm ma trận chuyển cơ sở từ (e ′ ) sang (e).
d. Công thức đổi tọa độ (Liên hệ giữa các tọa độ của một vectơ
đối với hai cơ sở khác nhau): Cho V là một không gian vectơ n chiều
trên K, (e) = {e1 , e2 , ..., en } và (e ′ ) = {e1′ , e2′ , ..., en′ } là hai cơ sở của
V và x ∈ V . Giả sử x/(e) = (α1 , α2 , ..., αn )T và
x/(e ′ ) = (α1′ , α2′ , ..., αn′ )T . Khi đó
x/(e) = P · x/(e ′ )
trong đó P là ma trận chuyển cơ sở từ (e) sang (e ′ ).

Ví dụ 4: Xét không gian vectơ R3 trên R với hai cơ sở
(e) = {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)}
(e ′ ) = {e1′ = (1, 1, 0), e2′ = (0, 1, 1), e3′ = (1, 0, 1)}.

Cho x = (−5, 0, 1). Tìm tọa độ của x đối với cơ sở (e ′ ).
Ví dụ 5: Gọi P3 là không gian vectơ gồm các đa thức có bậc nhỏ

hơn hoặc bằng 3.
a. Chứng minh rằng hệ
(p) = {p1 = 1, p2 = x − 1, p3 = (x − 1)2 , p4 = (x − 1)3 }
là một cơ sở của P3 .
b. Tìm ma trận chuyển cơ sở từ cơ sở chính tắc
(e) = {1, x, x 2 , x 3 } của P3 sang cơ sở (p) này.
c. Tìm tọa độ của f (x) = 2x 3 − x + 5 đối với cơ sở (p).

3.5. Hạng của một hệ vectơ
3.5.1 Định nghĩa: Hạng của hệ vectơ {x1 , x2 , · · · , xn } của không
gian vectơ V là số tối đa các vectơ độc lập tuyến tính có thể rút ra
từ hệ đó.
3.5.2 Cách tìm hạng của một họ vectơ:
Định lý Trong không gian vectơ m-chiều V trên K. Cho hệ vectơ
bất kỳ {x1 , x2 , · · · , xn }. Giả sử tọa độ của n vectơ này đối với một cơ
sở nào đó của V là:

x1 = (α11 , α21 , . . . , αm1 )


x = (α , α , . . . , α )
2 12 22 m2
, αij ∈ R, i = 1, m, j = 1, n.


 . . .

xn = (α1n , α2n , . . . , αmn )
Khi đó hạng của hệ vectơ trên bằng hạng của ma trận sau:
 
α11 α12 · · · α1n
 α21 α22 · · · α2n 
A=
··· ···

··· ··· 
αm1 αm2 · · · αmn
(cột thứ j tương ứng với tọa độ của vectơ xj , j = 1, n).
Chú ý: r (AT ) = r (A).
Ví dụ 1: Tìm hạng của hệ vectơ {x1 , x2 , x3 } trong không gian R4
với x1 = (1, 1, 1, 1), x2 = (1, 2, 3, 4), x3 = (2, 3, 2, 3).
3.5.3 Số chiều và cơ sở của không gian con sinh bởi một hệ vectơ:
Định lý: Số chiều của không gian con W sinh bởi một hệ vectơ
S = {x1 , x2 , . . . , xn } của không gian vectơ V bằng hạng r của S.
Mọi hệ gồm r vectơ độc lập tuyến tính rút từ S là một cơ sở của W .

Nhận xét:
Muốn tìm một cơ sở của không gian con W sinh bởi hệ vectơ
{x1 , x2 , . . . , xn } của không gian vectơ Rm , ta thực hiện như sau:
Bước 1: Lập ma trận A cỡ m × n, trong đó cột thứ j của A là
tọa độ của vectơ xj . Sử dụng các phép biến đổi sơ cấp trên dòng
đưa AT về ma trận bậc thang B.
Bước 2: Tập tất cả các dòng khác không có trong B tạo nên
một cơ sở của W .
Nếu V là không gian vectơ n chiều và hệ S gồm n vectơ của V
sinh ra V , tức là V = Span(S) thì S là cơ sở của V .
Để chứng minh một hệ n vectơ là một cơ sở của không gian
vectơ n chiều ta chứng minh hạng của hệ đó bằng n.
Ví dụ 2: Cho W là một không gian con của R4 được cho trong ví
dụ 4 của mục 3.4.2 b. Sử dụng hạng của ma trận, hãy xây dựng một
cơ sở cho W .
3.5.3. Sự đồng nhất các vectơ của không gian vectơ n chiều E với
các phần tử của Rn :
Bổ đề: Cho V là một không gian vectơ trên R và
B = {v1 , v2 , . . . , vm } là một cơ sở của V . Nếu u và v là các vectơ
trong V và c là một số thực thì
[u + v ]/B = [u]/B + [v ]/B
[cu]/B = c[u]/B.
Mở rộng: Cho V là một không gian vectơ trên R và
B = {v1 , v2 , . . . , vm } là một cơ sở của V . Khi đó,
[c1 u1 + c2 u2 + . . . +cm um ]/B =

c1 [u1 ]/B + c2 [u2 ]/B + . . . + cm [um ]/B

Ví dụ
3: Trong không gian M2 (R) trên R cho hệ vectơ
(e) = E11 , E12 , E21 , E22 với

1 0 0 1 0 0 0 0
E11 = , E12 = , E21 = , E22 =
0 0 0 0 1 0 0 1

2 −1 −3 1
là một cơ sở của M2 (R) và A = , B= .
−3 4 2 5
Tìm [A + B]/(e) và 2[A]/(e).

Định lý: Giả sử V là một không gian vectơ trên R với cơ sở

B = {v1 , v2 , . . . , vm }. Cho S = {u1 , u2 , . . . , up } là một tập con của V
và T = {[u1 ]/B, [u2 ]/B, . . . , [up ]/B}.
a. Vectơ u ∈ V thuộc Span(S) khi và chỉ khi [u]/B thuộc
Span(T ).
b. Tập S độc lập tuyến tính trong V khi và chỉ khi tập T độc
lập tuyến tính trong Rp .
Hệ quả: Giả sử V là một không gian vectơ trên R với cơ sở
B = {v1 , v2 , . . . , vm }. Cho S = {u1 , u2 , . . . , up } là một tập con của V
và T = {[u1 ]/B, [u2 ]/B, . . . , [up ]/B}. Khi đó S là một cơ sở của V
khi và chỉ khi T là một cơ sở của Rp .

Nhận xét: Từ hệ quả ta suy ra các bước tìm một cơ sở cho không
gian con W sinh bởi hệ vectơ S = {A1 , A2 , . . . , An } của không gian
m−chiều V ̸= Rm :
1 Tìm [Ai ]/E , i = 1, n với E là một cơ sở nào đó của V . Đặt
n o
T = [A1 ]/E , [A2 ]/E , . . . , [An ]/E .
Để ý, [Ai ]/E ∈ Rm , ∀i = 1, n.
2 Tìm một cơ sở (u) = {u1 , u2 , . . . , up } cho Span(T ) theo các
bước trong nhận xét trước của mục 3.5.3.
3 Với mỗi ui ∈ (u) ta tìm Bi sao cho [Bi ]/E = ui .
4 Kết luận {B1 , B2 , . . . , Bp } là một cơ sở cho W = Span(S).

Ví dụ 4: Trong không gian M2 (R) trên R cho tập

S = A1 , A2 , A3 , A4 với

1 2 0 −1
A1 = , A2 = ,
−1 3 1 4

−1 0 3 7
A3 = , A4 = .
1 −10 −2 6
Tìm một cơ sở cho Span(S).

Bài tập chương không gian vectơ
Bài tập 1: Tìm a (nếu có) để vectơ x = (9, 12, a) biểu thị tuyến
tính được qua các vectơ x1 , x2 , x3 trong R3 với x1 = (3, 4, 2);
x2 = (6, 8, 7); x3 = (3, 4, 5).
Bài tập 2: Tập {sin x, cos x} là tập con của không gian vectơ
C [−π, π]. Chứng minh rằng tập này độc lập tuyến tính.
(HD: Đặt f (x) = c1 sin x + c2 cos x và giả sử f (x) = OV . Khi đó
f (0) = 0 và f ( π2 ) = 0).

Bài tập 3: Cho tập các hàm số
V = {f (x) : f (x) = ae x + be 2x + ce 3x + de 4x , với a, b, c, d ∈ R}.
a. Chứng tỏ rằng V là một không gian vectơ trên R.

b. Chỉ ra rằng B = {e x , e 2x , e 3x , e 4x } là hệ độc lập tuyến tính
trong V . (HD: Đặt h(x) = c1 e x + c2 e 2x + c3 e 3x + c4 e 4x và giả sử
′′ ′′′
rằng h(x) = OV . Khi đó h′ (x) = OV , h (x) = OV , h (x) = OV . Do
′′ ′′′
đó, h(0) = 0, h′ (0) = 0, h (0) = 0, h (0) = 0).
Bài tập 4: Trong P4 xét tập các vectơ S = {p1 , p2 , p3 , p4 , p5 },
trong đó p1 (x) = x 4 + 3x 3 + 2x + 4, p2 (x) = x 3 − x 2 + 5x + 1,
p3 (x) = x 4 + x + 3, p4 (x) = x 4 + x 3 − x + 2 và p5 (x) = x 4 + x 2 .
Hỏi S có phải là một cơ sở của P4 ?

Bài tập 5: Trong không gian vectơ R3 cho các vectơ e1 = (1, 2, 1),
e2 = (1, 2, 3), e3 = (1, 1, 0), e4 = (3, 5, 4), e5 = (2, 3, 3). Tìm cơ sở
của không gian con sinh bởi hệ các vectơ này. Tìm tọa độ của các
vectơ e4 và e5 đối với cơ sở đó.
Bài tập 6: Trong không gian vectơ M2 (R) trên R các ma trận
vuông cấp hai, cho tập
n a b o
E= , a, b, c ∈ R
3b c
Chứng minh rằng E là một không gian con của M2 (R) và tính
dimE . Hãy chỉ ra một cơ sở của E .

Bài tập 7: Trong không gian vectơ R3 hãy lập ma trận chuyển cơ
sở từ cơ sở
(e) = {e1 = (1, 2, 3), e2 = (2, −1, 1), e3 = (3, 1, 1)}
sang cơ sở
(e ′ ) = {e1′ = (1, 1, 0), e2′ = (0, 1, 1), e3′ = (1, 0, 1)}.
Tìm tọa độ của u = 3e1 + 4e2 − 6e3 đối với cơ sở (e ′ ).

Bài tập 8: Trong không gian vectơ M2 (R) trên R các ma trận
vuông cấp hai, cho tập (E ) các vectơ sau:

n 1 0 2 −1 0 1 1 1 o
E1 = , E2 = , E3 = , E4 = .
0 1 0 1 1 1 0 1
a. Chứng minh rằng (E ) là cơ sở của M2 (R) trên R. Tìm dimE .

b. Tìm ma trận chuyển cơ sở từ cơ sở chính tắc (e) của M2 (R)
sang (E ).
1 2
c. Tìm tọa độ của A = đối với cơ sở (E ).
3 4

Bài tập 9: Cho W là một không gian con của R3 , W =

span{u1 , u2 , u3 , u4 } với u1 = (1, 1, 2), u2 = (2, 4, 0),
u3 = (3, 5, 2), u4 = (2, 5, −2).
a. Hãy tìm 03 cơ sở khác nhau cho W .
b. Tìm số chiều của W .
b. Tìm các ma trận chuyển cơ sở cho các cơ sở trên.

Hướng dẫn giải bài tập 9a:

Cách 1: Sử dụng đặc trưng đại số của W : Lấy b = (b1 , b2 , b3 ) là
vectơ tùy ý của R3 thì b ∈ W khi và chỉ khi phương trình
x1 u1 + x2 u2 + x3 u3 + x4 u4 = b có nghiệm (x1 , x2 , x3 , x4 ).
Cách 2: Bỏ bớt những vectơ không cần thiết trong hệ sinh của W . Vì
{u1 , u2 , u3 , u4 } sinh ra W nên một cơ sở cho W là tập con của hệ
này. Để có được điều này, ta giải phương trình
x1 u1 + x2 u2 + x3 u3 + x4 u4 = OR3 . Nếu ẩn xi nào là ẩn chính thì ta giữ
lại ui . Tập tất cả các ui này tạo ra một cơ sở cho W .
Cách 3: Đặt A = [u1T u2T u3T u4T ] (các cột của A sinh ra W ). Biến đổi A
về ma trận bậc thang B. Các cột khác không trong B là cơ sở cho W .

Bài tập 10: Trong không gian M2 (R) trên R cho tập
S = A1 , A2 , A3 , A4 với

1 2 −2 1
A1 = , A2 = ,
−1 3 2 −1

−1 −1 −2 2
A3 = , A4 = .
1 −3 2 0
Tìm hai cơ sở khác nhau cho Span(S) và tìm ma trận chuyển cơ sở
cho chúng.
Bài tập 11: Tìm cơ sở cho không gian con
W = {(x1 , x2 , x3 ) ∈ R3 x1 + x2 + x3 = 0, x1 + 2x2 − x3 = 0}.

Chuong 3-Không Gian Véc Tơ

Uploaded by

Document Information

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

Chuong 3-Không Gian Véc Tơ

Uploaded by

Copyright:

Available Formats

Chương 3.

Không gian vectơ

Đại số tuyến tính 1 / 70

Đại số tuyến tính 2 / 70

3.1. Định nghĩa và các tính chất

Đại số tuyến tính 3 / 70

Phép nhân ngoài ·

(K là trường số. Từ đây về sau ta luôn hiểu K = R nếu không nói gì

Đại số tuyến tính 4 / 70

Nếu (V , +, ·) thỏa mãn 8 tiên đề sau:

Đại số tuyến tính 5 / 70

3.1.3 Các ví dụ:

Đại số tuyến tính 6 / 70

Đại số tuyến tính 7 / 70

(f + g )(x) = f (x) + g (x)

và tích của một số α ∈ R với hàm số f ∈ C [a, b] là hàm số

(αf )(x) = αf (x).

Khi đó C [a, b] là một không gian vectơ trên R.

Đại số tuyến tính 8 / 70

Đại số tuyến tính 9 / 70

Đại số tuyến tính 10 / 70

3.2. Không gian vectơ con

Đại số tuyến tính 11 / 70

Đại số tuyến tính 12 / 70

Định lý 2: Tập W khác rỗng của không gian vectơ V trên K là

Đại số tuyến tính 13 / 70

Định lý 3: Giả sử W1 , W2 , . . . , Wm là những không gian con của

Đại số tuyến tính 14 / 70

3.3. Độc lập tuyến tính và phụ thuộc tuyến tính

Đại số tuyến tính 15 / 70

Ví dụ 1: Trong R2 cho x1 = (1, 2) và x2 = (0, 1). Khi đó

w = (2, −1) = 2x1 + (−5)x2 .

Vậy w biểu thị tuyến tính qua x1 và x2 .

{x1 = (1, 1); x2 = (2, 0); x3 = (3, 1)}.

Đại số tuyến tính 16 / 70

Đại số tuyến tính 17 / 70

Đại số tuyến tính 18 / 70

Đại số tuyến tính 19 / 70

Đại số tuyến tính 20 / 70

Ví dụ 7 Trong không gian vectơ hình học V .

Đại số tuyến tính 21 / 70

Ví dụ 8: Cho P2 là không gian các đa thức với hệ số thực có bậc

Đại số tuyến tính 22 / 70

3.4. Cơ sở - Số chiều - Tọa độ

W = {α1 x1 + · · · + αm xm |αi ∈ K, i = 1, m}.

Đại số tuyến tính 23 / 70

Khi đó (1) ⇔ α1 (1, 1, 1) + α2 (2, 3, 1) + α3 (3, 5, 1) = (0, 0, 0)

Đại số tuyến tính 24 / 70

Đại số tuyến tính 25 / 70

+ Lấy v ∈ Span(T ). Khi đó ∃ β1 , β2 ∈ R sao cho

Đại số tuyến tính 26 / 70

x = x1 (1, 0, 0) + x2 (0, 1, 0) + x3 (0, 0, 1) = x1 e1 + x2 e2 + x3 e3 .

Đại số tuyến tính 27 / 70

Đại số tuyến tính 28 / 70

Đại số tuyến tính 29 / 70

Ví dụ 3: Xét tập W = {(a1 , a2 , 0, 0) : ai ∈ R} trong không gian R4 .

Đại số tuyến tính 30 / 70

Do a, b ∈ W nên a1 , a2 , b1 , b2 ∈ R. Từ đó, αa1 + βb1 ∈ R,

Đại số tuyến tính 31 / 70

c. Ta sẽ chứng minh W ′ = Span{e1 , e2 , δ} = Span{e1 , e2 } = W .

Đại số tuyến tính 32 / 70

Đại số tuyến tính 33 / 70

là một cơ sở, người ta gọi đó là cơ sở chính tắc của R3 .

Đại số tuyến tính 34 / 70

Ví dụ 4: Trong không gian M2 (R) trên R cho tập