Hỗ trợ Sinh viên Bách Khoa

CLB Hỗ trợ học tập

Tuần 5
Chương 3: Không gian vevtor
Không gian vector, Không gain vector con

I Khái niệm

1 Định nghĩa

Cho V 6= ∅ với các phần tử v ∈ V được gọi là vector. K là một trường



Phép cộng vector: u, v ∈ V ⇒ u + v ∈ V

Giả sử trên V có
Phép nhân một só với vector: k ∈ K, v ∈ V ⇒ kv ∈ V



V được gọi là một không gian vector (KGVT) trên K nếu thỏa mãn 8 điều kiện sau
(1) (Giao hoán) x + y = y + x
(2) (Kết hợp) x + (y + z) = (x + y) + z
(3) (Phần tử trung hòa) Có vector không θ: θ + v = v + θ = x
(4) (Phần tử đối xứng) Có vector đối (−v): v + (−v) = (−v) + v = θ
(5) k(x + y) = kx + ky
(6) (k1 + k2 )x = k1 x + k2 x
(7) (k1 k2 )x = k1 (k2 x)
(8) 1x = x
VD
(1) V là tập hợp các vector hình học, với phép cộng vector vfa phép nhân vector với một số thì
V là không gian vector trên R
(2) Với tập số phức C, xét
n o
Cn = (x1 , x2 , ..., xn ) xi ∈ C, ∀i = 1, n

Trang bị phép toán 00 +00 và 00 .00 như sau:

Với x = (x1 , x2 , ..., xn ) ∈ Cn và y = (y1 , y2 , ..., yn ) ∈ Cn thì
x + y = (x1 + y1 , x2 + y2 , ..., xn + yn ) ∈ Cn
kx = (kx1 , kx2 , ..., kxn )
Dễ kiểm tra 8 tính chất của KGVT đều thỏa mãn, vậy Cn là KGVT trên C

Nhóm Đại số - CLB Hỗ trợ học tập 1

If you fall asleep, you will dream. If you study now, you will live your dream
 Hỗ trợ Sinh viên Bách Khoa
CLB Hỗ trợ học tập

2 Các tính chất đơn giản

Tính chất 1 V là K-KGVT, khi đó vector θ là duy nhất

Tính chất 2 V là K-KGVT, khi đó
(1) θx = kθ = θ
(2) (−1)x = −x

k = 0
(3) kx = θ ⇒ 
x=θ

II Không gian vector con

1 Định nghĩa

I Không gian vector con

Cho V là K-KGVT, ∅ 6= W ⊂ V . Với các phép toán của V áp dụng cho W mà W trở thành
KGVt thì W được gọi là KGVT con

I Đóng kín
Cho W ⊂ V
(1) W được gọi là đóng kín với phép cộng nếu x, y ∈ W thì x + y ∈ W
(2) W được gọi là đóng kín với phép nhân với một số nếu x ∈ W , k ∈ R thì kx ∈ W

Định lý V là K-KGVT, ∅ 6= W ⊂ V . Điều kiện cần và đủ để W là KGVT con của V là

(1) Đóng kín đối với phép cộng vector
(2) Đóng kín đối với phép nhân một số với một vector
n o
VD Trong R3 , cho W = (x1 , x2 , 0) x1 , x2 ∈ R
Hiển nhiên W 6= ∅
Dễ thấy với x = (x1 , x2 , 0) và y = (y1 , y2 , 0) thì
x + y = (x1 + y1 , x2 + y2 , 0) ∈ W
Do đó W đóng kín với phép toán cộng
Ta cũng có W đóng kín với phép toán nhân với một số. Vậy W là một KGVT con

Nhóm Đại số - CLB Hỗ trợ học tập 2

If you fall asleep, you will dream. If you study now, you will live your dream
 Hỗ trợ Sinh viên Bách Khoa
CLB Hỗ trợ học tập

2 Không gian sinh bởi vector

I Tổ hợp tuyến tính

Với V là K-KGVT, xét hệ vector {v1 , v2 , ..., vn }, vi ∈ V . Ta gọi v ∈ V là một tổ hợp tuyến tính
của {v1 , v2 , ..., vn } nếu tồn tại k1 , k2 , ..., kn ∈ K sao cho
n
X
v = k1 v1 + k2 v2 + ... + kn vn = ki vi
i=1

Định lý Trong KGVT V , gọi W là tập hợp các tổ hợp tuyến tính của hệ vector đã cho
{v1 , v2 , ..., vn }. Khi đó W là KGVT con của V

I Không gian con sinh bởi hệ vector

Trong KGVT V cho hệ {v1 , v2 , ..., vn }. Không gian con W gồm các tổ hợp tuyến tính của hệ vector
đã cho được gọi là không gian con sinh bởi hệ vector {v1 , v2 , ..., vn }
Kí hiệu: W = span{v1 , v2 , ..., vn }
VD Trong R3 cho e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1). Chứng minh rằng
R3 = span{e1 , e2 , e3 }

Giải

Để chứng minh R3 = span{e1 , e2 , e3 }, ta sẽ chứng minh

R3 ⊂ span{e1 , e2 , e3 }
và
R3 ⊃ span{e1 , e2 , e3 }


R3 ⊂ span{e1 , e2 , e3 }
Giả sử x = (x1 , x2 , x3 ) ∈ R3 . Khi đó ta có thể viết
x = (x1 , x2 , x3 ) = x1 (1, 0, 0) + x2 (1, 0, 1) + x3 (0, 0, 1) = x1 e1 + x2 e2 + x3 e3
Do đó x ∈ span{e1 , e2 , e3 }. Vậy R3 ⊂ span{e1 , e2 , e3 }


R3 ⊃ span{e1 , e2 , e3 }
Giả sử x ∈ span{e1 , e2 , e3 }, hay
x = x1 e1 + x2 e2 + x3 e3
Thay e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1), ta được
x = x1 (1, 0, 0) + x2 (1, 0, 1) + x3 (0, 0, 1) = (x1 , x2 , x3 ) ∈ R3
Vậy R3 ⊃ span{e1 , e2 , e3 }

Nhóm Đại số - CLB Hỗ trợ học tập 3

If you fall asleep, you will dream. If you study now, you will live your dream
 Hỗ trợ Sinh viên Bách Khoa
CLB Hỗ trợ học tập

Chương 3: Không gian vector (tiếp)

1. Cơ sở và số chiều của KGVT
a, Độc lập tuyến tính và phụ thuộc tuyến tính( ĐLTT và PTTT)
Pn
- Hệ {v1 , v2 , ..., vn } ĐLTT nếu i=1 λi vi = θ ⇔ λi = 0, ∀i = 1, n
Pn
- Hệ {v1 , v2 , ..., vn } PTTT nếu ∃ λi , i = 1, n không đồng thời bằng 0 mà i=1 λi vi = θ

Chú ý:

+, Hệ PTTT ⇔ ∃ 1 vector là tổ hợp tuyến tính của các vector còn lại.
+, Hệ quả: Hệ chứa vector θ luôn PTTT.

b, Cơ sở, số chiều của KGVT

- Hệ sinh: hệ {v1 , v2 , ..., vn } gọi là hệ sinh của KGVT V nếu ∃ v ∈ V , v đều là tổ hợp
tuyến tính của các vector trong hệ.

- Cơ sở: KGVT V trên trường K, hệ vector B được gọi là cơ sở của V nếu B là hệ sinh
và B ĐLTT.

- Nếu KGVT V có cơ sở B gồm n vector thì số chiều của V bằng n. Kí hiệu dimV= n

(Nếu V= {θ} thì dimV= 0)

Chú ý:

B={(1, 0,..., 0);(0,1,...,0);...;(0,0,...,1)} (n vector) là hệ cơ sở chính tắc của Rn

Định lý: V là KGVT n chiều, khi đó:

+, Hệ n+1 vector bất kì đều PTTT.

+, Hệ n vector ĐLTT bất kì đều lập thành cơ sở của V.

+, Hệ n vector bất kì là hệ sinh đều lập thành cơ sở của V.

2. Tọa độ của 1 vector đối với 1 cơ sở

Không gian vector n chiều có cơ sở B={e1 , e2 , ..., en }
Khi đó ∀ v ∈ V có biểu diễn duy nhất v= ni=1 xi ei
P

Khi đó x = (x1 , x2 , ...xn )T là tọa độ của vector v đối với sơ sở B,

kí hiệu [v]B = (x1 , x2 , ...xn )T .
Ma trận tọa độ của hệ vector S theo cơ sở B:

Nhóm Đại số - CLB Hỗ trợ học tập 1

If you fall asleep, you will dream. If you study now, you will live your dream
 Hỗ trợ Sinh viên Bách Khoa
CLB Hỗ trợ học tập
- S = {v1 , v2 , ...vn }


- A = [S]B = [v1 ]B , [v2 ]B , ...[vn ]B là m trận tọa độ cột của hệ vector S đối với cơ sở B .

- AT là ma trận tọa độ hàng của hệ S đó với B.

3. Công thức đổi cơ sở

KGVT V có 2 cơ sở B = {e1 , e2 , ...en }, B 0 = {e01 , e02 , ...e0n }. Khi đó P = [B 0 ]B là ma trân tọa
độ cột của B 0 đối với B cũng gọi là ma trân chuyển cơ sở từ B sang B 0 .
Định lý: P khả nghịch và P −1 là ma trận chuyển cơ sở từ B 0 sang B. Với v ∈ V :

+ [v]B = P.[v]0B

+ [v]0B = P −1 .[v]B

4. Hạng của hệ vector

- Là số vector của một bộ phận độc lập tuyến tính tối đa là tập con của hệ B. Kí hiệu
rankB, r(B).

- Định lý: KGVT v có cơ sở B = {e1 , e2 , ...en }, hệ vector S có ma trận P là ma trận tọa

độ đối với cơ sở B. Khi đó r(B) = r(P ).

Chú ý: Để tìm hạng của P ta chỉ thực hiện biến đổi sơ cấp trên hàng để đưa về ma
trận bậc thang.

Hệ quả: Hệ vector S gồm n vector có ma trận tọa độ hàng đôi với B là p. Khi đó n
vector của S độc lập tuyến tính ⇔ r(S) = n ⇔ r(P ) = n ⇔ detP 6= 0.

* Một số ví dụ

1, xét xem hệ vector sau là độc lập tuyến tính hay phụ thuộc tuyến tính:

a, A = (1; 0; 1), (1; −1; 2), (−2; 3; 5)

b, B = (2; 4; −1)

Giải  
1 0 1
 
a, ta có, P =  1 −1 2 là ma trận tọa độ hàng của hệ A đối với cơ sở chính tắc
 
 
−2 3 5
1 0 1
của R3 . Mà detP = 1 −1 2 = −10 6= 0 nên hệ A là độc lập tuyến tính.
−2 3 5

Nhóm Đại số - CLB Hỗ trợ học tập 2

If you fall asleep, you will dream. If you study now, you will live your dream
 Hỗ trợ Sinh viên Bách Khoa
  CLB Hỗ trợ học tập
2 4 −1
b, ta có P =   là ma trận tọa độ hàng của hệ B đối với cơ sở chính
−1 1 1
3
 R .
tắc của   
2 4 −1 2 4 −1
P = →  ⇒ r(P ) = 2 ⇒ hệ B là độc lập tuyến tính.
−1 1 1 0 2 −3

2, Cho hệ vector B = (1; 1; 1), (1; 1; 2), (1; 2; 3)

a, Chứng minh B là cơ sở của R3 .

b, Tìm tọa độ của D = (6; 9; 14) đối với cở B.

Giải
 
1 1 1
 
a, Xét P =  1 1 2  là ma trận tọa độ hàng của B đối với cơ sở chính tắc của
 
 
1 2 3
1 1 1
R3 . Mà detP = 1 1 2 = −1 6= 0 nên hệ B độc lập tuyến tính.
1 2 3
Hệ B gồm 3 vector nên là cơ sở của R3 .

b, C1 v1 = x1 (1; 1; 1) + x2 (1, 1, 2) + x3 (1, 2, 3) ⇔

– 
 x + x2 + x3 =6
 1


x1 + x2 + 2x3 = 9 ⇔ (x1 , x2 , x3 ) = (1; 2; 3)



 x + 2x + 3x = 14
1 2 3

– C2 Gọi E là cơ sở chính tắc  của R3 

1 1 1
 
[v]B = S −1 [v]E , trong đó S =  1 1 2  là ma trận chuyển cơ sở từ E sang
 
 
1 2 3
 −1    
1 1 1 6 1
     
B ⇒ [v]B =  1 1 2   9  =  2 
     
     
1 2 3 14 3

Nhóm Đại số - CLB Hỗ trợ học tập 3

If you fall asleep, you will dream. If you study now, you will live your dream