Professional Documents
Culture Documents
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
·: K×V →V
(λ, x) 7→ λx
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
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).
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 .
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 .
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 .
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.
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?
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 >.
α1 v1 + α2 v2 + α3 v3 = OR3 (1)
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
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 .
αa + βb = α · (a1 , a2 , 0, 0) + β · (b1 , b2 , 0, 0)
= (αa1 + βb1 , αa2 + βb2 , 0, 0)
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 .
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)
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.
p1 := p1 (x) = x 2 − 1
p2 := p2 (x) = x 2 + x + 1
p3 := p3 (x) = x 2 − 2x − 3
1 1 1
Vì 0 1 −2 = 2 ̸= 0 nên hệ vectơ {p1 , p2 , p3 } độc lập tuyến tính.
−1 1 −3
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 .
Đại số tuyến tính 38 / 70
Chương 3. Không gian vectơ
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
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
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 ).
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:
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 ′ )
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).
Khi đó hạng của hệ vectơ trên bằng hạng của ma trận sau:
Đại số tuyến tính 55 / 70
Chương 3. Không gian vectơ
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 .
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,
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).
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).
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 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
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
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