Bai Giang ĐSTT

TRƯỜNG ĐH CÔNG NGHỆ THÔNG TIN
BÀI GIẢNG
ĐẠI SỐ TUYẾN TÍNH
Giảng viên: TS PHÙNG MINH ĐỨC
Bộ môn Toán Lý
TS Phùng Minh Đức (BMTL) ĐẠI SỐ TUYẾN TÍNH ĐHCNTT - ĐHQGTPHCM 1 / 102
Nội dung môn học
1 Chương 1: Ma trận - Định thức
2 Chương 2: Hệ phương trình tuyến tính
3 Chương 3: Không gian vector
4 Chương 4: Không gian Euclid
5 Chương 5: Trị riêng - Vector riêng - Chéo hóa ma trận
6 Chương 6: Dạng song tuyến tính - Dạng toàn phương
Chương 1: Ma trận - Định thức
Chương 1: Ma trận - Định thức 1.1 Ma trận
1.1.1 Định nghĩa ma trận
Định nghĩa 1.1

Cho các số tự nhiên m, n ≥ 1. Một ma trận A cỡ m × n là một bảng số gồm m
hàng và n cột  
a11 a12 . . . a1n
 a21 a22 . . . a2n 
A= . .. ..  = (aij )m×n
 
 .. ..
. . . 
am1 am2 ... amn
trong đó aij ∈ R(i = 1, m, j = 1, n) là phần tử ở hàng i và cột j của ma trận A.
Định nghĩa 1.2

Hai ma trận A và B được gọi là bằng nhau, viết A = B, nếu chúng cùng cỡ và
các phần tử tương ứng bằng nhau.
Định nghĩa 1.2

Một số ma trận thường gặp:

- Ma trận không: các phần tử của ma trận đều bằng 0.
Định nghĩa 1.2

Một số ma trận thường gặp:

- Ma trận không: các phần tử của ma trận đều bằng 0.
- Ma trận vuông: khi m = n thì ma trận A = (aij )n×n gọi là ma trận vuông cấp n.
Các phần tử a11 , a22 , . . . , ann của ma trận vuông A gọi là các phần tử trên
đường chéo chính của ma trận.
- Ma trận tam giác trên là ma trận vuông có aij = 0 với mọi i > j.
- Ma trận tam giác dưới là ma trận vuông có aij = 0 với mọi i < j.
   
a11 a12 . . . a1n a11 0 ... 0
 0 a22 . . . a2n   a21 a22 . . . 0 
U= . .. ..  , L =  .. .. ..
   
 .. .. . .. 
. . .   . . . 
0 0 . . . amn am1 am2 . . . amn
- Ma trận chéo: là ma trận vuông có aij = 0 ̸ j.

với mọi i =
 
a11 0 ... 0
 0 a22 ... 0 
D= . .. .. 
 
 .. ..
. . . 
0 0 . . . ann
- Ma trận chéo: là ma trận vuông có aij = 0 ̸ j.

với mọi i =
 
a11 0 ... 0
 0 a22 ... 0 
D= . .. .. 
 
 .. ..
. . . 
0 0 . . . ann
- Ma trận đơn vị cấp n, ký hiệu là In , là ma trận chéo mà
aii = 1, ∀i = 1, 2, . . . , n.
1.1.2 Các phép toán trên ma trận
- Cộng ma trận: Cho A = (aij )m×n , B = (bij )m×n là các ma trận cùng cỡ. Khi đó
tổng A + B là một ma trận cỡ m × n xác định bởi
A + B = (aij + bij )m×n .
- Cộng ma trận: Cho A = (aij )m×n , B = (bij )m×n là các ma trận cùng cỡ. Khi đó
tổng A + B là một ma trận cỡ m × n xác định bởi
A + B = (aij + bij )m×n .
- Nhân ma trận với một số: Cho ma trận A = (aij )m×n và số thực r ∈ R. Khi đó
tích rA là một ma trận xác định bởi
rA = (raij )m×n .
Một số tính chất:
- Nhân hai ma trận: Cho A = (aik )m×r , B = (bkj )r ×n là các ma trận. Khi đó tích
AB là một ma trận cỡ m × n xác định bởi
AB = (cij )m×n
trong đó
r
X
cij = ai1 b1j + ai2 b2j + · · · + air brj = aik bkj , (i = 1, m, j = 1, n).
k=1
- Nhân hai ma trận: Cho A = (aik )m×r , B = (bkj )r ×n là các ma trận. Khi đó tích
AB là một ma trận cỡ m × n xác định bởi
AB = (cij )m×n
trong đó
r
X
cij = ai1 b1j + ai2 b2j + · · · + air brj = aik bkj , (i = 1, m, j = 1, n).
k=1

- Lũy thừa của một ma trận vuông: Cho một ma trận vuông A và số tự nhiên
k ≥ 1. Khi đó lũy thừa k của A là một ma trận xác định bởi
Ak = A
| .{z
. . A}
k
- Ma trận chuyển vị: Chuyển vị của ma trận A, ký hiệu là At , là ma trận có các

hàng tương ứng là các cột của A và các cột tương ứng là các hàng của A.
   
a11 a12 . . . a1n a11 a21 . . . am1
 a21 a22 . . . a2n   a12 a22 . . . am2 
 t t
A= . . . −→ A =  .. .. .. 
  
 .. .. .. .. 
 ..
.  . . . . 
am1 am2 ... amn a1n a2n ... amn
- Ma trận chuyển vị: Chuyển vị của ma trận A, ký hiệu là At , là ma trận có các

hàng tương ứng là các cột của A và các cột tương ứng là các hàng của A.
   
a11 a12 . . . a1n a11 a21 . . . am1
 a21 a22 . . . a2n   a12 a22 . . . am2 
 t t
A= . . . −→ A =  .. .. .. 
  
 .. .. .. .. 
 ..
.  . . . . 
am1 am2 ... amn a1n a2n ... amn
Định lý 1.1
(Chuyển vị của tích hai ma trận) (AB)t = B t At
Chương 1: Ma trận - Định thức 1.2 Định thức
1.2.1 Định thức của ma trận vuông
Cho ma trận vuông cấp n ≥ 2

 
a11 a12 ... a1n
 a21 a22 ... a2n 
A= .. .. .. .
 
..
 . . . . 
an1 an2 ... ann
Gọi Mij là ma trận vuông con cấp n − 1 của A xác định bằng cách bỏ đi hàng i và
cột j của A, i = 1, m, j = 1, n.
1.2.1 Định thức của ma trận vuông
Định nghĩa 1.3

Định thức của ma trận vuông A cấp n là một số, ký hiệu là det(A), được định
nghĩa quy nạp như sau:
n = 1 : A = (a11 ) thì det(A) = a11 ;
n≥2:
n
X
det(A) = (−1)1+k a1k det(M1k )
k=1
= a11 det(M11 ) − a12 det(M12 ) + · · · + (−1)1+n a1n det(M1n ).
Ta viết
a11 a12 ... a1n
a21 a22 ... a2n
det(A) = .. .. .. .. .
. . . .
an1 an2 ... ann
1.2.2 Một số tính chất của định thức
• Tính chất 1.
det(At ) = det(A).
• Tính chất 1.
det(At ) = det(A).
• Tính chất 2.
Ma trận B nhận được bằng cách đổi chỗ 2 hàng (hoặc 2 cột) của ma trận A thì
det(B) = −det(A).
• Tính chất 1.
det(At ) = det(A).
• Tính chất 2.
Ma trận B nhận được bằng cách đổi chỗ 2 hàng (hoặc 2 cột) của ma trận A thì
det(B) = −det(A).
Hệ quả 1.
Ma trận có 2 hàng (hoặc 2 cột) giống nhau thì định thức của nó bằng 0.
Hệ quả 2.
Định thức của ma trận vuông A cấp n ≥ 2 có thể tính bằng công thức khai triển
theo hàng i hoặc cột j như sau:
det(A) = (−1)i+1 ai1 det(Mi1 ) + (−1)i+2 ai2 det(Mi2 ) + · · · + (−1)i+n ain det(Min ),
hoặc
det(A) = (−1)1+j a1j det(M1j ) + (−1)2+j a2j det(M2j ) + · · · + (−1)n+j anj det(Mnj ).
Trong các công thức trên, đại lượng cij = (−1)i+j det(Mij ) được gọi là phần bù
đại số của aij (i, j = 1, n).
Hệ quả 2.
Định thức của ma trận vuông A cấp n ≥ 2 có thể tính bằng công thức khai triển
theo hàng i hoặc cột j như sau:
det(A) = (−1)i+1 ai1 det(Mi1 ) + (−1)i+2 ai2 det(Mi2 ) + · · · + (−1)i+n ain det(Min ),
hoặc
det(A) = (−1)1+j a1j det(M1j ) + (−1)2+j a2j det(M2j ) + · · · + (−1)n+j anj det(Mnj ).
Trong các công thức trên, đại lượng cij = (−1)i+j det(Mij ) được gọi là phần bù
đại số của aij (i, j = 1, n).
Hệ quả 3.
Ma trận có các phần tử của một hàng (hoặc một cột) đều bằng 0 thì định thức
của nó bằng 0.
• Tính chất 3.
Nếu nhân các phần tử của một hàng (hoặc một cột) của ma trận A với số k tạo
thành ma trận B thì
det(B) = k · det(A).
a11 a12 ... a1n a11 a12 ... a1n
.. .. .. .. .. .. .. ..
. . . . . . . .
kar 1 kar 2 ... karn =k ar 1 ar 2 ... arn .
.. .. .. .. .. .. .. ..
. . . . . . . .
an1 an2 ... ann an1 an2 ... ann
• Tính chất 3.
Nếu nhân các phần tử của một hàng (hoặc một cột) của ma trận A với số k tạo
thành ma trận B thì
det(B) = k · det(A).
a11 a12 ... a1n a11 a12 ... a1n
.. .. .. .. .. .. .. ..
. . . . . . . .
kar 1 kar 2 ... karn =k ar 1 ar 2 ... arn .
.. .. .. .. .. .. .. ..
. . . . . . . .
Hệ quả 1.
Ma trận có 2 hàng (hoặc 2 cột) tỉ lệ thì định thức của nó bằng 0.
• Tính chất 4.
a11 a12 ... a1n
.. .. .. ..
. . . .
ar′ 1 + a”r 1 ar′ 2 + a”r 2 ... ′
arn + a”rn
.. .. .. ..
. . . .
an1 an2 ... ann
a11 a12 ... a1n a11 a12 ... a1n
.. .. .. .. .. .. .. ..
. . . . . . . .
= ar′ 1 ar′ 2 ... ′
arn + a”r 1 a”r 2 ... a”rn .
.. .. .. .. .. .. .. ..
. . . . . . . .
• Tính chất 5.
a11 a12 ... a1n a11 a12 ... a1n
.. .. .. .. .. .. .. ..
. . . . . . . .
ai1 ai2 ... ain ai1 ai2 ... ain
.. .. .. .. = .. .. .. .. .
. . . . . . . .
ar 1 + kai1 ar 2 + kai2 ... arn + kain ar 1 ar 2 ... arn
.. .. .. .. .. .. .. ..
. . . . . . . .
• Tính chất 5.
a11 a12 ... a1n a11 a12 ... a1n
.. .. .. .. .. .. .. ..
. . . . . . . .
ai1 ai2 ... ain ai1 ai2 ... ain
.. .. .. .. = .. .. .. .. .
. . . . . . . .
ar 1 + kai1 ar 2 + kai2 ... arn + kain ar 1 ar 2 ... arn
.. .. .. .. .. .. .. ..
. . . . . . . .
• Tính chất 6.
Định thức của ma trận tam giác (trên/dưới) bằng tích các phần tử trên đường
chéo chính.
1.2.3 Tính định thức bằng biến đổi sơ cấp

Bằng một số phép biến đổi sơ cấp về hàng (hoặc cột):
- Đổi chỗ 2 hàng (hoặc cột): đổi dấu định thức,
- Cộng bội k của một hàng vào một hàng khác: định thức không đổi,
ta biến đổi định thức về dạng tam giác (trên/dưới).

a11 a12 ... a1n α11 α12 . . . α1n
a21 a22 ... a2n bđsc
0 α22 . . . α2n
.. .. .. .. = .. .. .. ..
. . . . . . . .
an1 an2 ... ann 0 0 . . . αnn
= α11 α22 . . . αnn .

a11 a12 ... a1n α11 α12 . . . α1n
a21 a22 ... a2n bđsc
0 α22 . . . α2n
.. .. .. .. = .. .. .. ..
. . . . . . . .
an1 an2 ... ann 0 0 . . . αnn
= α11 α22 . . . αnn .
Ngoài ra, ta có công thức hữu dụng về định thức của tích 2 ma trận sau:
Định lý 1.2
Nếu A và B là hai ma trận vuông cùng cấp thì
det(AB) = det(A)det(B).
Chương 1: Ma trận - Định thức 1.3 Hạng của ma trận
1.3.1 Định nghĩa hạng của ma trận
Xét ma trận A cỡ m × n
 
a11 a12 ... a1n
 a21 a22 ... a2n 
A= .. .. .. .
 
..
 . . . . 
am1 am2 ... amn
- Với mỗi số tự nhiên 1 ≤ r ≤ min{m, n}, ta xây dựng các ma trận vuông cấp r
bằng cách bỏ đi m − r hàng và n − r cột của ma trận A. Mỗi ma trận như vậy gọi
là một ma trận vuông con cấp r của A.
1.3.1 Định nghĩa hạng của ma trận
Xét ma trận A cỡ m × n
 
a11 a12 ... a1n
 a21 a22 ... a2n 
A= .. .. .. .
 
..
 . . . . 
am1 am2 ... amn
- Với mỗi số tự nhiên 1 ≤ r ≤ min{m, n}, ta xây dựng các ma trận vuông cấp r
bằng cách bỏ đi m − r hàng và n − r cột của ma trận A. Mỗi ma trận như vậy gọi
là một ma trận vuông con cấp r của A.
Định nghĩa 1.4

Số tự nhiên r lớn nhất sao cho tồn tại ma trận vuông con cấp r của A có định
thức khác 0 gọi là hạng của ma trận A, ký hiệu là rank(A) hoặc r (A).
1.3.2 Tính hạng của ma trận bằng biến đổi sơ cấp
• Ma trận bậc thang (ma trận tam giác suy rộng):

- Các hàng khác không luôn ở trên các hàng không;
- Trên hai hàng khác không, phần tử khác không đầu tiên của hàng dưới nằm
bên phải cột chứa phần tử khác không đầu tiên của hàng trên.
Ta có nhận xét sau: Hạng của một ma trận có dạng bậc thang bằng số hàng khác
không của nó.
• Ma trận bậc thang (ma trận tam giác suy rộng):

- Các hàng khác không luôn ở trên các hàng không;
- Trên hai hàng khác không, phần tử khác không đầu tiên của hàng dưới nằm
bên phải cột chứa phần tử khác không đầu tiên của hàng trên.
Ta có nhận xét sau: Hạng của một ma trận có dạng bậc thang bằng số hàng khác
không của nó.
• Biến đổi sơ cấp theo hàng (cột) của ma trận:
- Đổi chỗ 2 hàng (cột);
- Nhân một hàng (cột) với một số khác 0;
- Cộng bội k của một hàng (cột) vào một hàng (cột) khác.
Ma trận B nhận được bằng cách thực hiện các phép biến đổi sơ cấp trên ma trận
A thì rank(B) = rank(A), và ta nói 2 ma trận A và B tương đương với nhau, viết
A ∼ B.
−→ để tính hạng của một ma trận, ta dùng các phép biến đổi sơ cấp về hàng và
cột để đưa về một ma trận tương đương dạng bậc thang
 
α11 . . . α1r ... α1n
   .. .. .. .. 
a11 a12 . . . a1n  . . . ... . 
 a21 a22 . . . a2n   
 bđsc  0 . . . α rr ... αrn 
A= . .. ..  ∼ 

 .. ..  0 ... 0 ... 0 

. . .   
 .. .. .. 
am1 am2 . . . amn  . ... . ... . 
0 ... 0 ... 0
ở đó αii ̸= 0 ∀i = 1, 2, . . . , r , ta được
rank(A) = r .
Chương 1: Ma trận - Định thức 1.4 Ma trận khả nghịch
1.4.1 Định nghĩa và tính chất của ma trận khả nghịch
Định nghĩa 1.5

Một ma trận vuông A cấp n được gọi là khả nghịch nếu tồn tại một ma trận
vuông B cấp n sao cho
AB = BA = In ,
ở đó In là ma trận đơn vị cấp n.
Định nghĩa 1.5

Một ma trận vuông A cấp n được gọi là khả nghịch nếu tồn tại một ma trận
vuông B cấp n sao cho
AB = BA = In ,
ở đó In là ma trận đơn vị cấp n.
Nếu ma trận A khả nghịch thì ma trận thỏa mãn đẳng thức trên là duy nhất, gọi
là ma trận nghịch đảo của A, ký hiệu là A−1 . Như vậy:
AA−1 = A−1 A = In .
Một số tính chất hữu dụng của ma trận khả nghịch.
Định lý 1.3
a. Nếu ma trận A khả nghịch thì:
A−1 khả nghịch và
(A−1 )−1 = A.
At khả nghịch và
(At )−1 = (A−1 )t .
b. Nếu các ma trận vuông A và B cấp n khả nghịch thì AB cũng khả nghịch và:
(AB)−1 = B −1 A−1 .
1.4.2 Tìm ma trận nghịch đảo bằng phần bù đại số
Định lý 1.4
Ma trận vuông A khả nghịch ⇐⇒ det(A) ̸= 0. Ngoài ra, nếu
 
a11 a12 . . . a1n
 a21 a22 . . . a2n 
A= . .. ..
 
 .. .. 
. . . 
an1 an2 ... ann
thì  
c11 c21 ... cn1
1  c12 c22 ... cn2 
A−1 = .. .. .. ,
 
det(A) 
 ..
. . . . 
c1n c2n ... cnn
ở đó cij = (−1)i+j det(Mij ) là phần bù đại số của aij (i, j = 1, n).
Chương 2: Hệ phương trình tuyến tính
Chương 2: Hệ phương trình tuyến tính 2.1 Khái niệm hệ phương trình tuyến tính
2.1.1 Dạng tổng quát của phương trình tuyến tính
• Hệ m phương trình tuyến tính (pttt) n ẩn có dạng



 a11 x1 + a12 x2 + · · · + a1n xn = b1
a21 x1 + a22 x2 + · · · + a2n xn = b2

(I )

 ..............................
am1 x1 + am2 x2 + · · · + amn xn = bm

trong đó
- x1 , x2 , . . . , xn ∈ R là các ẩn
- aij ∈ R (i = 1, m, j = 1, n) và bi ∈ R (i = 1, n) là các hằng số cho trước.



 a11 x1 + a12 x2 + · · · + a1n xn = b1
a21 x1 + a22 x2 + · · · + a2n xn = b2

(I )

 ..............................
am1 x1 + am2 x2 + · · · + amn xn = bm

trong đó
- x1 , x2 , . . . , xn ∈ R là các ẩn
• Trường hợp bi = 0 ∀i = 1, n thì (I ) được gọi là hệ pttt thuần nhất.



 a11 x1 + a12 x2 + · · · + a1n xn = b1
a21 x1 + a22 x2 + · · · + a2n xn = b2

(I )

 ..............................
am1 x1 + am2 x2 + · · · + amn xn = bm

trong đó
- x1 , x2 , . . . , xn ∈ R là các ẩn
• Trường hợp bi = 0 ∀i = 1, n thì (I ) được gọi là hệ pttt thuần nhất.
• Mỗi bộ (x1 , x2 , . . . , xn ) thỏa mãn (I ) được gọi là một nghiệm của hệ. Tập tất cả
các nghiệm của (I ) gọi là tập nghiệm của hệ.
• Hai hệ phương trình tuyến tính được gọi là tương đương nếu các tập nghiệm
của chúng trùng nhau.
2.1.2 Dạng ma trận của phương trình tuyến tính
Đặt  
a11 a12 ... a1n
 a21 a22 ... a2n 
A= .. .. ..
 
.. 
 . . . . 
am1 am2 ... amn
gọi là ma trận hệ số của hệ, và

   
x1 b1
 x2   b2 
x = .. , b= .. ,
   
 .   . 
xn bm
khi đó (I ) có thể viết dưới dạng

Ax = b,
gọi là dạng ma trận của hệ pttt.
Chương 2: Hệ phương trình tuyến tính 2.2 Hệ Cramer
2.2.1 Hệ Cramer và công thức nghiệm
Định nghĩa 2.1

Hệ phương trình tuyến tính (I ) mà m = n và có ma trận hệ số A thỏa mãn
det(A) ̸= 0
được gọi là hệ Cramer.
Định nghĩa 2.1

Hệ phương trình tuyến tính (I ) mà m = n và có ma trận hệ số A thỏa mãn
det(A) ̸= 0
được gọi là hệ Cramer.
Khi det(A) ̸= 0 thì A khả nghịch và có ma trận nghịch đảo A−1 . Do đó ta có kết
quả sau.
Định lý 2.1
(Định lý Cramer) Hệ Cramer có nghiệm duy nhất cho bởi công thức
x = A−1 b.
Từ công thức tính ma trận nghịch đảo, ta có

    
x1 c11 c21 ... cn1 b1
 x2  1  c12
 c22 ... cn2  b2 
 ..  = x = A−1 b =  . .. .. .. ,
   
det(A)  .. .. 
 .  . . .  . 
xn c1n c2n ... cnn bn
Từ công thức tính ma trận nghịch đảo, ta có

    
x1 c11 c21 ... cn1 b1
 x2  1  c12
 c22 ... cn2  b2 
 ..  = x = A−1 b =  . .. .. .. ,
   
det(A)  .. .. 
 .  . . .  . 
xn c1n c2n ... cnn bn

suy ra
c1j b1 + c2j b2 + · · · + cnj bn
xj =
det(A)
det(Aj )
= (j = 1, n),
det(A)
với Aj là ma trận xây dựng bằng cách thay cột j của A bằng cột b.
2.2.2 Tìm nghiệm của hệ Cramer bằng biến đổi sơ cấp
Khi thực hiện các phép biến đổi sơ cấp:

Đổi chỗ 2 phương trình,
Nhân một phương trình với một số khác 0,
Cộng bội k của một phương trình vào một phương trình khác,
thì nghiệm của hệ pttt mới vẫn trùng với nghiệm của hệ pttt ban đầu, tức là được
hệ phương trình tương đương với hệ phương trình ban đầu.
Khi thực hiện các phép biến đổi sơ cấp:

Đổi chỗ 2 phương trình,
Nhân một phương trình với một số khác 0,
Cộng bội k của một phương trình vào một phương trình khác,
thì nghiệm của hệ pttt mới vẫn trùng với nghiệm của hệ pttt ban đầu, tức là được
hệ phương trình tương đương với hệ phương trình ban đầu.
−→ Áp dụng các quy tắc biến đổi này, ta đưa hệ pttt về hệ tương đương dạng
tam giác (PP khử Gauss) hoặc dạng chéo (PP khử Gauss - Jordan) sẽ dễ dàng
tìm được nghiệm của hệ.
Để đơn giản, ta thực hiện biến đổi trên ma trận bổ sung của hệ (I ):
   
a11 a12 . . . a1n b1 α11 α12 . . . α1n β1
 a21 a22 . . . a2n b2   0 α22 . . . α2n β2 
 bđsc 
Ae =  . .. .. ..  ∼  .. .. .. ..
 
 .. .. .. 
. . . .   . . . . . 
an1 an2 . . . ann bn 0 0 . . . αnn βn
Để đơn giản, ta thực hiện biến đổi trên ma trận bổ sung của hệ (I ):
   
a11 a12 . . . a1n b1 α11 α12 . . . α1n β1
 a21 a22 . . . a2n b2   0 α22 . . . α2n β2 
 bđsc 
Ae =  . .. .. ..  ∼  .. .. .. ..
 
 .. .. .. 
. . . .   . . . . . 
an1 an2 . . . ann bn 0 0 . . . αnn βn
 
1 0 . . . 0 γ1
 0 1 . . . 0 γ2 
bđsc 
∼  . . .
. . ... ... 

 .. .. 
0 0 ... 1 γn
Tìm ma trận nghịch đảo theo phương pháp Gauss - Jordan
Giả sử ma trận vuông A cấp n khả nghịch, khi đó ma trận vuông X cấp n là
nghịch đảo của nó nếu 
 AX1 = In1

AX2 = In2

AX = In ⇔

 ...
AXn = Inn

ở đó Xj , Inj tương ứng là cột j của ma trận X và ma trận đơn vị In , j = 1, n.
Giả sử ma trận vuông A cấp n khả nghịch, khi đó ma trận vuông X cấp n là
nghịch đảo của nó nếu 
 AX1 = In1

AX2 = In2

AX = In ⇔

 ...
AXn = Inn

ở đó Xj , Inj tương ứng là cột j của ma trận X và ma trận đơn vị In , j = 1, n.

Giải lần lượt n hệ phương trình trên ta sẽ tìm được ma trận X .

Thực hiện đồng thời theo phương pháp Gauss - Jordan trên ma trận
 
a11 a12 . . . a1n 1 0 ... 0
 a21 a22 . . . a2n 0 1 ... 0 
(A In ) =  . .. .. .. .. . . . 
 
 .. ..
. . . . . . .. 
an1 an2 ... ann 0 0 ... 1
 
1 0 ... 0 b11 b12 ... b1n
 0 1 ... 0 b21 b22 ... b2n 
bđsc 
∼  . .. .. .. .. ..

 .. .. .. 
. . . . . . . 
0 0 ... 1 bn1 bn2 ... bnn

Thực hiện đồng thời theo phương pháp Gauss - Jordan trên ma trận
 
a11 a12 . . . a1n 1 0 ... 0
 a21 a22 . . . a2n 0 1 ... 0 
(A In ) =  . .. .. .. .. . . . 
 
 .. ..
. . . . . . .. 
an1 an2 ... ann 0 0 ... 1
 
1 0 ... 0 b11 b12 ... b1n
 0 1 ... 0 b21 b22 ... b2n 
bđsc 
∼  . .. .. .. .. ..

 .. .. .. 
. . . . . . . 
0 0 ... 1 bn1 bn2 ... bnn
ta được ma trận nghịch đảo của A là

 
b11 b12 ... b1n
 b21 b22 ... b2n 
A−1 =  . .. .. .
 
 .. ..
. . . 
bn1 bn2 ... bnn
Chương 2: Hệ phương trình tuyến tính 2.3 Hệ phương trình tuyến tính thuần nhất
Hệ thuần nhất n phương trình n ẩn
Xét hệ n phương trình tuyến tính thuần nhất n ẩn có dạng



 a11 x1 + a12 x2 + · · · + a1n xn = 0
a21 x1 + a22 x2 + · · · + a2n xn = 0

(II )

 ..............................
an1 x1 + an2 x2 + · · · + ann xn = 0

và gọi A là ma trận hệ số của (II ).



 a11 x1 + a12 x2 + · · · + a1n xn = 0
a21 x1 + a22 x2 + · · · + a2n xn = 0

(II )

 ..............................
an1 x1 + an2 x2 + · · · + ann xn = 0


Ta thấy rằng hệ (II ) luôn có một nghiệm (0, 0, . . . , 0), gọi là nghiệm tầm thường
của hệ.



 a11 x1 + a12 x2 + · · · + a1n xn = 0
a21 x1 + a22 x2 + · · · + a2n xn = 0

(II )

 ..............................
an1 x1 + an2 x2 + · · · + ann xn = 0


Ta thấy rằng hệ (II ) luôn có một nghiệm (0, 0, . . . , 0), gọi là nghiệm tầm thường
của hệ.
Định lý 2.2
Hệ thuần nhất (II ) có nghiệm không tầm thường khi và chỉ khi det(A) = 0.
Chương 2: Hệ phương trình tuyến tính 2.4 Hệ phương trình tuyến tính tổng quát
2.4.1 Sự tồn tại nghiệm của hệ pttt tổng quát
Xét hệ pttt tổng quát (I ) gồm m phương trình và n ẩn có ma trận hệ số và ma

trận bổ sung sau
   
a11 a12 ... a1n a11 a12 ... a1n b1
 a21 a22 ... a2n   a21 a22 ... a2n b2 
A= . .. .. , Ae =  .. .. .. ..
   
 .. .. .. 
. . .   . . . . . 
am1 am2 ... amn am1 am2 ... amn bm
2.4.1 Sự tồn tại nghiệm của hệ pttt tổng quát
Xét hệ pttt tổng quát (I ) gồm m phương trình và n ẩn có ma trận hệ số và ma

trận bổ sung sau
   
a11 a12 ... a1n a11 a12 ... a1n b1
 a21 a22 ... a2n   a21 a22 ... a2n b2 
A= . .. .. , Ae =  .. .. .. ..
   
 .. .. .. 
. . .   . . . . . 
am1 am2 ... amn am1 am2 ... amn bm
Ta có kết quả sau về sự tồn tại nghiệm của hệ (I ).
Định lý 2.3
(Định lý Kronecker - Capelli) Hệ pttt tổng quát (I ) có nghiệm khi và chỉ khi
rank(A)
e = rank(A).
2.4.2 Tìm nghiệm của hệ pttt tổng quát bằng biến đổi sơ
cấp
Sử dụng biến đổi sơ cấp theo hàng và cột, đưa ma trận bổ sung về dạng bậc thang
 
α11 . . . α1r . . . α1n β1
   .. .. .. .. .. 
a11 a12 . . . a1n b1  . . . ... . . 
 a21 a22 . . . a2n b2   
 bđsc  0 . . . α rr . . . αrn βr 
 .. .. .. ..  ∼ 

..  0 ... 0 . . . 0 βr +1 

 . . . . .   
 .. .. .. .. 
am1 am2 . . . amn bm  . ... . ... . . 
0 ... 0 ... 0 βm
ở đó αii ̸= 0 ∀i = 1, 2, . . . , r .
cấp
 
α11 . . . α1r . . . α1n β1
   .. .. .. .. .. 
a11 a12 . . . a1n b1  . . . ... . . 
 a21 a22 . . . a2n b2   
 bđsc  0 . . . α rr . . . αrn βr 
 .. .. .. ..  ∼ 

..  0 ... 0 . . . 0 βr +1 

 . . . . .   
 .. .. .. .. 
am1 am2 . . . amn bm  . ... . ... . . 
0 ... 0 ... 0 βm
ở đó αii ̸= 0 ∀i = 1, 2, . . . , r .
Nếu βr +1 ̸= 0 thì rank(A) e ̸= rank(A): hệ (I ) vô nghiệm;
cấp
 
α11 . . . α1r . . . α1n β1
   .. .. .. .. .. 
a11 a12 . . . a1n b1  . . . ... . . 
 a21 a22 . . . a2n b2   
 bđsc  0 . . . α rr . . . αrn βr 
 .. .. .. ..  ∼ 

..  0 ... 0 . . . 0 βr +1 

 . . . . .   
 .. .. .. .. 
am1 am2 . . . amn bm  . ... . ... . . 
0 ... 0 ... 0 βm
ở đó αii ̸= 0 ∀i = 1, 2, . . . , r .
Nếu r = n và βj = 0 ∀j = n + 1, . . . , m thì rank(A) e = rank(A) = n: hệ (I ) có
nghiệm duy nhất;
cấp
 
α11 . . . α1r . . . α1n β1
   .. .. .. .. .. 
a11 a12 . . . a1n b1  . . . ... . . 
 a21 a22 . . . a2n b2   
 bđsc  0 . . . α rr . . . αrn βr 
 .. .. .. ..  ∼ 

..  0 ... 0 . . . 0 βr +1 

 . . . . .   
 .. .. .. .. 
am1 am2 . . . amn bm  . ... . ... . . 
0 ... 0 ... 0 βm
ở đó αii ̸= 0 ∀i = 1, 2, . . . , r .
Nếu r = n và βj = 0 ∀j = n + 1, . . . , m thì rank(A) e = rank(A) = n: hệ (I ) có
nghiệm duy nhất;
Nếu r < n và βj = 0 ∀j = r + 1, . . . , m thì rank(A) e = rank(A) = r : hệ có vô
số nghiệm.
Tìm nghiệm của hệ pttt tổng quát bằng biến đổi sơ cấp
Trong trường hợp rank(A)

e = rank(A) = r < n, ma trận
 
a11 . . . a1r
 .. .. .. 
Ar =  . . . 
0 ... arr
gọi là ma trận con chính. Các biến ứng với các cột của ma trận con chính gọi là
các biến chính hay biến cơ sở, các biến còn lại gọi là biến phụ.
Tìm nghiệm của hệ pttt tổng quát bằng biến đổi sơ cấp
Trong trường hợp rank(A)

e = rank(A) = r < n, ma trận
 
a11 . . . a1r
 .. .. .. 
Ar =  . . . 
0 ... arr
gọi là ma trận con chính. Các biến ứng với các cột của ma trận con chính gọi là
các biến chính hay biến cơ sở, các biến còn lại gọi là biến phụ.
−→ Khi gán cho mỗi biến phụ một giá trị thuộc R, ta có thể tính được các biến
chính theo các giá trị đó và được một nghiệm của hệ (I ).
Chương 3: Không gian vector
Chương 3: Không gian vector 3.1 Khái niệm không gian vector
3.1.1 Định nghĩa
Cho V là một tập hợp khác rỗng và K là một trường số. Trên V ta trang bị hai
phép toán:
Phép cộng:
+:V ×V →V
(x, y ) 7→ x + y
Phép nhân với vô hướng:
·:K×V →V
(k, x) 7→ k · x (viết là kx)
Định nghĩa 3.1

Tập V cùng hai phép toán (+, ·) được gọi là một không gian vector trên trường K
nếu nó thỏa mãn các điều kiện (hay tiên đề) sau:
Định nghĩa 3.1

1 x + y = y + x, ∀x, y ∈ V ;
2 x + (y + z) = (x + y ) + z, ∀x, y , z ∈ V ;
3 ∃θ ∈ V , gọi là phần tử trung hòa hay vector không, sao cho:
x + θ = x, ∀x ∈ V ;
4 ∀x ∈ V , ∃x ′ ∈ V sao cho x + x ′ = θ.
Phần tử x ′ được gọi là vector đối của x, ký hiệu là −x;
Định nghĩa 3.1

1 x + y = y + x, ∀x, y ∈ V ;
2 x + (y + z) = (x + y ) + z, ∀x, y , z ∈ V ;
3 ∃θ ∈ V , gọi là phần tử trung hòa hay vector không, sao cho:
x + θ = x, ∀x ∈ V ;
4 ∀x ∈ V , ∃x ′ ∈ V sao cho x + x ′ = θ.
Phần tử x ′ được gọi là vector đối của x, ký hiệu là −x;
5 k(x + y ) = kx + ky , ∀x, y ∈ V , ∀k ∈ K;
6 (k + l)x = kx + lx, ∀x ∈ V , ∀k, l ∈ K;
7 k(lx) = (kl)x, ∀x ∈ V , ∀k, l ∈ K;
8 1x = x, ∀x ∈ V .
3.1.2 Một số tính chất
Định lý 3.1
Cho V là một không gian vector, khi đó:
1 Phần tử trung hòa θ là duy nhất;
2 Ứng với mỗi x ∈ V , phần tử đối −x là duy nhất;
3 x + z = y + z =⇒ x = y ,
x + y = z =⇒ x = z − y ;
4 0x = θ, ∀x ∈ V ;
5 kθ = θ, ∀k ∈ K;
6 (−1)x = −x, ∀x ∈ V ;

k =0
7 kx = θ ⇔
x =θ
Chương 3: Không gian vector 3.2 Họ vector độc lập tuyến tính và phụ thuộc tuyến tính
3.2.1 Tổ hợp tuyến tính

Cho V là một không gian vector và n vector x1 , x2 , . . . , xn ∈ V , n ≥ 1.
Định nghĩa 3.2

(a) Một tổ hợp tuyến tính của x1 , x2 , . . . , xn là một biểu diễn dạng
a1 x1 + a2 x2 + · · · + an xn , ai ∈ K, ∀i = 1, 2, . . . , n.
(b) Nếu x ∈ V có thể biểu diễn dạng
x = a1 x1 + a2 x2 + · · · + an xn , ai ∈ K, ∀i = 1, 2, . . . , n
thì ta nói x được biểu thị tuyến tính qua các vector x1 , x2 , . . . , xn .
3.2.1 Tổ hợp tuyến tính

Cho V là một không gian vector và n vector x1 , x2 , . . . , xn ∈ V , n ≥ 1.
Định nghĩa 3.2

(a) Một tổ hợp tuyến tính của x1 , x2 , . . . , xn là một biểu diễn dạng
a1 x1 + a2 x2 + · · · + an xn , ai ∈ K, ∀i = 1, 2, . . . , n.
(b) Nếu x ∈ V có thể biểu diễn dạng
x = a1 x1 + a2 x2 + · · · + an xn , ai ∈ K, ∀i = 1, 2, . . . , n
thì ta nói x được biểu thị tuyến tính qua các vector x1 , x2 , . . . , xn .
Để kiểm tra vector x có biểu thị tuyến tính qua hệ hệ {x1 , x2 , . . . , xn } hay không,
ta xét ràng buộc
a1 x1 + a2 x2 + · · · + an xn = x.
Nếu không có a1 , a2 , . . . , an thỏa mãn thì hệ là không biểu thị được;

Nếu có bộ (a1 , a2 , . . . , an ) thỏa mãn thì có biểu thị được.
3.2.2 Độc lập tuyến tính và phụ thuộc tuyến tính

Định nghĩa 3.3
Hệ {x1 , x2 , . . . , xn } được gọi là độc lập tuyến tính (đltt) nếu hệ thức
a1 x1 + a2 x2 + · · · + an xn = θ
chỉ xảy ra khi ai = 0, ∀i = 1, 2, . . . , n.

Định nghĩa 3.3
a1 x1 + a2 x2 + · · · + an xn = θ

Hệ {x1 , x2 , . . . , xn } không độc lập tuyến tính thì được gọi là phụ thuộc tuyến
tính (pttt).

Định nghĩa 3.3
a1 x1 + a2 x2 + · · · + an xn = θ

tính (pttt).
Một hệ vector trong V được gọi là độc lập tuyến tính cực đại nếu nó đltt và
khi thêm bất kỳ vector nào của V vào hệ đó thì hệ mới thu được đều trở
thành pttt.

Định nghĩa 3.3
a1 x1 + a2 x2 + · · · + an xn = θ

tính (pttt).
thành pttt.
Để kiểm tra hệ {x1 , x2 , . . . , xn } là đltt hay pttt, ta kiểm tra ràng buộc
a1 x1 + a2 x2 + · · · + an xn = θ.

Định nghĩa 3.3
a1 x1 + a2 x2 + · · · + an xn = θ

tính (pttt).
thành pttt.
Để kiểm tra hệ {x1 , x2 , . . . , xn } là đltt hay pttt, ta kiểm tra ràng buộc
a1 x1 + a2 x2 + · · · + an xn = θ.
Nếu chỉ có duy nhất a1 = 0, a2 = 0, . . . , an = 0 thỏa mãn thì hệ là đltt;

Nếu có bộ (a1 , a2 , . . . , an ) không đồng thời bằng 0 thỏa mãn thì hệ là pttt.
Một số tính chất
Một số tính chất của hệ vector đltt và pttt:

1 Hệ {x1 , x2 , . . . , xn }, n > 1 là pttt khi và chỉ khi có một vector trong hệ có thể
biểu thị tuyến tính qua các vector còn lại.

2 Mỗi hệ con của một hệ đltt cũng là một hệ đltt.

3 Mỗi hệ vector chứa một hệ con pttt cũng là một hệ pttt.

3 Mỗi hệ vector chứa một hệ con pttt cũng là một hệ pttt.
4 Nếu hệ {x1 , x2 , . . . , xn }, n ≥ 1 đltt thì hệ {x1 , x2 , . . . , xn , y } là pttt khi và chỉ
khi tồn tại duy nhất bộ (a1 , a2 , . . . , an ) sao cho
y = a1 x1 + a2 x2 + · · · + an xn .
Chương 3: Không gian vector 3.3 Cơ sở và số chiều của không gian vector
3.3.1 Hệ sinh và cơ sở
Cho V là một không gian vector.
Định nghĩa 3.4

(a) Một hệ vector trong V được gọi là một hệ sinh của V nếu mọi vector của V
đều có thể biểu thị tuyến tính qua hệ đó.
Định nghĩa 3.4

(b) Một hệ vector trong V được gọi là một cơ sở của V nếu mọi vector của V
đều có biểu thị tuyến tính duy nhất qua hệ đó.
Định nghĩa 3.4

(b) Một hệ vector trong V được gọi là một cơ sở của V nếu mọi vector của V
đều có biểu thị tuyến tính duy nhất qua hệ đó.
Định lý 3.2
Cho một hệ hữu hạn các vector {α1 , α2 , . . . , αn } của V . Khi đó các khẳng định
sau là tương đương:
(a) {α1 , α2 , . . . , αn } là một cơ sở của V .
(b) {α1 , α2 , . . . , αn } là một hệ đltt của V .
(c) {α1 , α2 , . . . , αn } là một hệ đltt cực đại của V .
Định nghĩa 3.5

Không gian vector V được gọi là hữu hạn sinh nếu nó có một hệ sinh gồm hữu
hạn phần tử.
Định nghĩa 3.5

Không gian vector V được gọi là hữu hạn sinh nếu nó có một hệ sinh gồm hữu
hạn phần tử.
Định lý 3.3
Giả sử V ̸= {θ} là một không gian vector hữu hạn sinh. Khi đó V có một cơ sở
gồm hữu hạn phần tử. Hơn nữa, mọi cơ sở của V đều có số phần tử bằng nhau.
3.3.2 Số chiều
Định nghĩa 3.6

(a) Số phần tử của mỗi cơ sở của một không gian vector hữu hạn sinh V ̸= {θ}
trên trường K được gọi là số chiều (hay thứ nguyên) của V , ký hiệu là dimV
hoặc dimK V . Nếu V = {θ}, ta quy ước dimV = 0.
3.3.2 Số chiều
Định nghĩa 3.6

(b) Nếu V không có một cơ sở nào gồm hữu hạn phần tử thì nó được gọi là một
không gian vector vô hạn chiều.
3.3.2 Số chiều
Định nghĩa 3.6

Mệnh đề 3.1
Cho V là một không gian vector hữu hạn sinh. Khi đó:
(a) Mọi hệ sinh của V đều chứa một cơ sở.
3.3.2 Số chiều
Định nghĩa 3.6

Mệnh đề 3.1
(b) Mọi hệ vector đltt trong V đều có thể bổ sung để tạo thành một cơ sở của V .
3.3.2 Số chiều
Định nghĩa 3.6

Mệnh đề 3.1
(b) Mọi hệ vector đltt trong V đều có thể bổ sung để tạo thành một cơ sở của V .
(c) Nếu dimV = n thì mọi hệ gồm n vector đltt trong V đều là cơ sở của V .
Chương 3: Không gian vector 3.4 Biểu diễn vector theo cơ sở
3.4.1 Biểu diễn vector theo cơ sở

Giả sử V là một không gian vector có số chiều là n và {α1 , α2 , . . . , αn } là một cơ
sở của V . Khi đó, mỗi vector x ∈ V có biểu diễn duy nhất
x = a1 α1 + a2 α2 + · · · + an αn , ai ∈ K (i = 1, 2, . . . , n).

x = a1 α1 + a2 α2 + · · · + an αn , ai ∈ K (i = 1, 2, . . . , n).
Định nghĩa 3.7

Bộ (a1 , a2 , . . . , an ) trong biểu diễn trên của vector x được gọi là tọa độ của x
trong cơ sở {α1 , α2 , . . . , αn }, viết là x = (a1 , a2 , . . . , an ).
Mỗi ai (i = 1, 2, . . . , n) được gọi là tọa độ thứ i của x trong cơ sở đó.

x = a1 α1 + a2 α2 + · · · + an αn , ai ∈ K (i = 1, 2, . . . , n).
Định nghĩa 3.7

Giả sử x, y ∈ V lần lượt có tọa độ là (a1 , a2 , . . . , an ) và (b1 , b2 , . . . , bn ) trong cơ

sở {α1 , α2 , . . . , αn }. Khi đó:
x = y ⇔ ai = bi ∀i = 1, 2, . . . , n.

x = a1 α1 + a2 α2 + · · · + an αn , ai ∈ K (i = 1, 2, . . . , n).
Định nghĩa 3.7


sở {α1 , α2 , . . . , αn }. Khi đó:
x = y ⇔ ai = bi ∀i = 1, 2, . . . , n.
x + y = (a1 + b1 , a2 + b2 , . . . , an + bn ).

x = a1 α1 + a2 α2 + · · · + an αn , ai ∈ K (i = 1, 2, . . . , n).
Định nghĩa 3.7


sở {α1 , α2 , . . . , αn }. Khi đó:
x = y ⇔ ai = bi ∀i = 1, 2, . . . , n.
x + y = (a1 + b1 , a2 + b2 , . . . , an + bn ).
kx = (ka1 , ka2 , . . . , kan ), ∀k ∈ K.
3.4.2 Ma trận chuyển cơ sở

Cho α = {α1 , α2 , . . . , αn } và β = {β1 , β2 , . . . , βn } là hai cơ sở của không gian
vector V , ở đó mỗi βj có biểu diễn duy nhất qua hệ {α1 , α2 , . . . , αn } dạng:
βj = c1j α1 + c2j α2 + · · · + cnj αn , cij ∈ K ∀i, j = 1, 2, . . . , n

Xn
= cij αi .
i=1


n
X (1)
= cij αi .
i=1
Giả sử x ∈ V có tọa độ [x]α = (a1 , a2 , . . . , an ) trong cơ sở {α1 , α2 , . . . , αn }, tức là

n
X
x = a1 α1 + a2 α2 + · · · + an αn = ai αi
i=1


n
X (1)
= cij αi .
i=1
Giả sử x ∈ V có tọa độ [x]α = (a1 , a2 , . . . , an ) trong cơ sở {α1 , α2 , . . . , αn }, tức là

n
X
x = a1 α1 + a2 α2 + · · · + an αn = ai αi (2)
i=1
và [x]β = (b1 , b2 , . . . , bn ) trong cơ sở {β1 , β2 , . . . , βn }, tức là

n
X
x = b1 β1 + b2 β2 + · · · + bn βn = b j βj . (3)
j=1
Thế các βj từ (1) vào (3), ta được:


n
X n
X Xn n X
X n
x= b j βj = bj ( cij αi ) = ( cij bj )αi . (4)
j=1 j=1 i=1 i=1 j=1

n
X n
X Xn n X
X n
j=1 j=1 i=1 i=1 j=1
So sánh (2) và (4), do tính duy nhất của biểu diễn một vector qua một cơ sở, ta
rút ra:
Xn
ai = cij bj , i = 1, 2, . . . , n,
j=1

n
X n
X Xn n X
X n
j=1 j=1 i=1 i=1 j=1
So sánh (2) và (4), do tính duy nhất của biểu diễn một vector qua một cơ sở, ta
rút ra:
Xn
ai = cij bj , i = 1, 2, . . . , n,
j=1
hay dưới dạng ma trận

    
a1 c11 c12 ... c1n b1
 a2   c21 c22 ... c2n  b2 
 .. = .. .. .. ..
    
..  
 .   . . . .  . 
an cn1 cn2 ... cnn bn
Ma trận C = (cij )n×n gọi là ma trận chuyển từ cơ sở α = {α1 , α2 , . . . , αn } sang

cơ sở β = {β1 , β2 , . . . , βn }.
Từ công thức chuyển cơ sở trên, ta thấy rằng hệ phương trình
[x]α = C [x]β
luôn có nghiệm duy nhất, tức là ma trận C khả nghịch. Do đó ta có
[x]β = C −1 [x]α .
Chương 3: Không gian vector 3.5 Không gian con
3.5.1 Định nghĩa không gian con
Định nghĩa 3.8

Một tập con W ̸= ∅ của không gian vector V được gọi là một không gian con của
V nếu W cùng hai phép toán (+, ·) trên V cũng là một không gian vector.
Định nghĩa 3.8

Định lý 3.4
Tập con W ̸= ∅ của không gian vector V là một không gian con của V khi và chỉ
khi hai điều kiện sau thỏa mãn:
(a) x + y ∈ W , ∀x, y ∈ W ;
(b) kx ∈ W , ∀x ∈ W , ∀k ∈ K.
Định nghĩa 3.8

Định lý 3.4
Tập con W ̸= ∅ của không gian vector V là một không gian con của V khi và chỉ
khi hai điều kiện sau thỏa mãn:
(a) x + y ∈ W , ∀x, y ∈ W ;
(b) kx ∈ W , ∀x ∈ W , ∀k ∈ K.
Chú ý: Nếu W là không gian con của V thì θV ∈ W .
3.5.2 Không gian con sinh bởi một tập
Mệnh đề 3.2
Giao của một họ bất kỳ các không gian con của V cũng là một không gian con
của V .
3.5.2 Không gian con sinh bởi một tập
Mệnh đề 3.2
Giao của một họ bất kỳ các không gian con của V cũng là một không gian con
của V .
Định nghĩa 3.9

Cho V là một không gian vector và X là một tập con của V . Giao của tất cả các
không gian con của V chứa X được gọi là không gian con của V sinh bởi X , ký
hiệu là L(X ).
Số chiều của không gian L(X ) được gọi là hạng của tập X , ký hiệu là rank(X ).
3.5.2 Không gian con sinh bởi một họ vector
Định nghĩa 3.10

Cho V là một không gian vector và S = {x1 , x2 , . . . , xm } ⊂ V . Bao tuyến tính của
S là tập
nXm o
span(S) = ci xi |ci ∈ K .
i=1
Định lý 3.5
span(S) = L(S).

Để kiểm tra xem một vector x ∈ V có thuộc span(S) hay không, ta kiểm tra xem
x có phải là một tổ hợp tuyến tính của các vector trong S hay không, tức là có
tồn tại hay không các vô hướng c1 , . . . , cm ∈ K sao cho
x = c 1 x1 + c 2 x2 + · · · + c m xm .

Để kiểm tra xem một vector x ∈ V có thuộc span(S) hay không, ta kiểm tra xem
x có phải là một tổ hợp tuyến tính của các vector trong S hay không, tức là có
tồn tại hay không các vô hướng c1 , . . . , cm ∈ K sao cho
x = c 1 x1 + c 2 x2 + · · · + c m xm .
Cụ thể, giả sử x và hệ m vector S = {x1 , x2 , . . . , xm } ⊂ V có tọa độ tương ứng

trong cơ sở {α1 , α2 , . . . , αn } của V là
x = (a1 , a2 , . . . , an ),
và
xj = (a1j , a2j , . . . , anj ), j = 1, 2, . . . , m.
Đặt A = (aij )n×m , c = (cj ). Giải hệ pttt ẩn c: Ac = x.
Hệ có ngiệm: x ∈ Span(S).
Hệ vô nghiệm: x ∈
/ Span(S).
Cách tính hạng của một họ vector trong không gian hữu
hạn chiều
Cho V là một không gian vector n chiều có một cơ sở {α1 , α2 , . . . , αn }. Giả sử hệ
m vector S = {x1 , x2 , . . . , xm } ⊂ V có tọa độ tương ứng trong cơ sở đó là
xi = (ai1 , ai2 , . . . , ain ), i = 1, 2, . . . , m.
Đặt  
a11 a12 ... a1n
 a21 a22 ... a2n 
A= .. .. ..
 
.. 
 . . . . 
am1 am2 ... amn
Khi đó ta có
dim(spanS) = rank(S) = rank(A).
Cách tính hạng của một họ vector trong không gian hữu
hạn chiều
Cho V là một không gian vector n chiều có một cơ sở {α1 , α2 , . . . , αn }. Giả sử hệ
m vector S = {x1 , x2 , . . . , xm } ⊂ V có tọa độ tương ứng trong cơ sở đó là
xi = (ai1 , ai2 , . . . , ain ), i = 1, 2, . . . , m.
Đặt  
a11 a12 ... a1n
 a21 a22 ... a2n 
A= .. .. ..
 
.. 
 . . . . 
am1 am2 ... amn
Khi đó ta có
dim(spanS) = rank(S) = rank(A).

• rank(A) = m ≤ n thì hệ S là đltt
Ngoài ra, ta có:
• rank(A) < m ≤ n thì hệ S là pttt.
3.5.3 Không gian nghiệm của một hệ pttt

Gọi W là tập tất cả các nghiệm của hệ phương trình tuyến tính thuần nhất
W = {x = (x1 , . . . , xn ) ∈ Rn : Ax = 0}
với A = (aij )m×n , ta có W là một không gian con của Rn .
Biến đổi đưa A về dạng bậc thang và tìm được rank(A) = r . Sử dụng phương
pháp tìm nghiệm của hệ pttt tổng quát, giả sử có thể biểu diễn


 x1 = α1(r +1) xr +1 + · · · + α1n xn
x2 = α2(r +1) xr +1 + · · · + α2n xn


 ... ... ... ...
xr = αr (r +1) xr +1 + · · · + αrn xn

3.5.3 Không gian nghiệm của một hệ pttt

Gọi W là tập tất cả các nghiệm của hệ phương trình tuyến tính thuần nhất
W = {x = (x1 , . . . , xn ) ∈ Rn : Ax = 0}
với A = (aij )m×n , ta có W là một không gian con của Rn .
Biến đổi đưa A về dạng bậc thang và tìm được rank(A) = r . Sử dụng phương
pháp tìm nghiệm của hệ pttt tổng quát, giả sử có thể biểu diễn


 x1 = α1(r +1) xr +1 + · · · + α1n xn
x2 = α2(r +1) xr +1 + · · · + α2n xn


 ... ... ... ...
xr = αr (r +1) xr +1 + · · · + αrn xn

Đặt αi = (α1(r +i) , . . . , αr (r +i) , 0, . . . , 0, 1, 0, . . . , 0), i = 1, . . . , n − r (số 1 ở vị trí

thứ r + i), khi đó, với mỗi x = (x1 , . . . , xn ) ∈ Rn , ta có biểu diễn
x = xr +1 α1 + xr +2 α2 + · · · + xn αn−r , xr +i ∈ R,
tức là hệ S = {α1 , . . . , αn−r } là một hệ sinh của W . Ngoài ra, ta có
rank(S) = n − r , do đó hệ S đltt, nên nó là một cơ sở của W , và dimW = n − r .
Chương 4: Không gian Euclid
Chương 4: Không gian Euclid 4.1 Không gian Euclide
4.1.1 Các định nghĩa
Định nghĩa 4.1

Cho V là một không gian vector trên trường K. Một tích vô hướng trên V là một
sự tương ứng mỗi cặp phần tử u, v ∈ V với một số thực, ký hiệu là ⟨u, v ⟩ hay
u · v , thỏa mãn các tính chất (tiên đề) sau ∀u, v , w ∈ V , ∀k ∈ K:
(a) ⟨u, v ⟩ = ⟨v , u⟩, ∀u, v ∈ V .
(b) ⟨u, v + w ⟩ = ⟨u, v ⟩ + ⟨u, w ⟩, ∀u, v , w ∈ V .
(c) ⟨ku, v ⟩ = k⟨u, v ⟩, ∀u, v ∈ V , ∀k ∈ K.
(d) ⟨u, u⟩ ≥ 0 và ⟨u, u⟩ = 0 ⇔ u = θ.
4.1.1 Các định nghĩa
Định nghĩa 4.1

Cho V là một không gian vector trên trường K. Một tích vô hướng trên V là một
sự tương ứng mỗi cặp phần tử u, v ∈ V với một số thực, ký hiệu là ⟨u, v ⟩ hay
u · v , thỏa mãn các tính chất (tiên đề) sau ∀u, v , w ∈ V , ∀k ∈ K:
(a) ⟨u, v ⟩ = ⟨v , u⟩, ∀u, v ∈ V .
(b) ⟨u, v + w ⟩ = ⟨u, v ⟩ + ⟨u, w ⟩, ∀u, v , w ∈ V .
(c) ⟨ku, v ⟩ = k⟨u, v ⟩, ∀u, v ∈ V , ∀k ∈ K.
(d) ⟨u, u⟩ ≥ 0 và ⟨u, u⟩ = 0 ⇔ u = θ.
Định nghĩa 4.2

Không gian vector thực V cùng một tích vô hướng trên nó được gọi là một không
gian có tích vô hướng. Không gian có tích vô hướng hữu hạn chiều gọi là không
gian Euclide, ký hiệu là E .
4.1.2 Độ dài, khoảng cách và góc
Định nghĩa 4.3

Cho V là một không gian có tích vô hướng và u ∈ V . Ta gọi độ dài (hay chuẩn)
của u, ký hiệu là ∥u∥, là giá trị không âm xác định bởi
p
∥u∥ = ⟨u, u⟩.
Định nghĩa 4.3

Cho V là một không gian có tích vô hướng và u ∈ V . Ta gọi độ dài (hay chuẩn)
của u, ký hiệu là ∥u∥, là giá trị không âm xác định bởi
p
∥u∥ = ⟨u, u⟩.
Định lý 4.1
∀u, v ∈ V , ∀k ∈ R, ta có:
(a) ∥ku∥ = |k|∥u∥.
(b) |⟨u, v ⟩| ≤ ∥u∥∥v ∥ (BĐT Cauchy-Schwartz).
(c) ∥u + v ∥ ≤ ∥u∥ + ∥v ∥ (BĐT tam giác).
Định nghĩa 4.4

Cho V là một không gian có tích vô hướng và u, v ∈ V .
(a) Khoảng cách giữa u và v , ký hiệu là d(u, v ), là giá trị xác định bởi
d(u, v ) = ∥u − v ∥.
Định nghĩa 4.4

Cho V là một không gian có tích vô hướng và u, v ∈ V .
(a) Khoảng cách giữa u và v , ký hiệu là d(u, v ), là giá trị xác định bởi
d(u, v ) = ∥u − v ∥.
(b) Góc giữa hai vector khác không u và v là góc α ∈ [0, π] xác định bởi
⟨u, v ⟩
cos α = .
∥u∥∥v ∥
Chương 4: Không gian Euclid 4.2 Hệ trực giao, trực chuẩn
4.2.1 Hai vector vuông góc
Định nghĩa 4.5

Cho V là một không gian có tích vô hướng. Hai vector u, v ∈ V được gọi là
vuông góc (trực giao) với nhau, ký hiệu là u⊥v , nếu
⟨u, v ⟩ = 0.
4.2.1 Hai vector vuông góc
Định nghĩa 4.5

Cho V là một không gian có tích vô hướng. Hai vector u, v ∈ V được gọi là
vuông góc (trực giao) với nhau, ký hiệu là u⊥v , nếu
⟨u, v ⟩ = 0.
Định lý 4.2
(Pythagore) Hai vector u và v vuông góc với nhau khi và chỉ khi
∥u + v ∥2 = ∥u∥2 + ∥v ∥2 .
4.2.1 Hệ trực giao, trực chuẩn
Định nghĩa 4.6

Cho V là một không gian có tích vô hướng.
(a) Hệ {e1 , . . . , ek } ⊂ V được gọi là trực giao nếu hai vector khác nhau bất kỳ
của hệ đều vuông góc với nhau, tức là
⟨ei , ej ⟩ = 0, ∀i ̸= j.
Định nghĩa 4.6

⟨ei , ej ⟩ = 0, ∀i ̸= j.
(b) Hệ {e1 , . . . , ek } ⊂ V được gọi là trực chuẩn nếu nó là hệ trực giao và

p
∥ei ∥ = ⟨ei , ei ⟩ = 1, ∀i = 1, . . . , k.
Định nghĩa 4.6

⟨ei , ej ⟩ = 0, ∀i ̸= j.
(b) Hệ {e1 , . . . , ek } ⊂ V được gọi là trực chuẩn nếu nó là hệ trực giao và

p
∥ei ∥ = ⟨ei , ei ⟩ = 1, ∀i = 1, . . . , k.
e1 ek
Nếu hệ {e1 , . . . , ek } ⊂ V \{0} trực giao thì nó đltt và { ,..., } là hệ trực
∥e1 ∥ ∥ek ∥
chuẩn.
Quá trình trực giao hóa Gram-Schmidt

Một cơ sở B của V gọi là cơ sở trực chuẩn nếu nó là hệ trực chuẩn.

Định lý 4.3
Cho không gian Euclide E có một có sở trực chuẩn B = {e1 , . . . , en } và x ∈ E có
toạ độ {a1 , . . . , an } trong cơ sở B. Khi đó
ai = ⟨x, ei ⟩, ∀i = 1, . . . , n.

Định lý 4.3
Cho không gian Euclide E có một có sở trực chuẩn B = {e1 , . . . , en } và x ∈ E có
toạ độ {a1 , . . . , an } trong cơ sở B. Khi đó
ai = ⟨x, ei ⟩, ∀i = 1, . . . , n.
Quá trình trực giao hóa Gram-Schmidt: Cho {α1 , α2 , . . . , αn } là một cơ sở của
không gian Euclide E . Khi đó ta có thể xây dựng được một cơ sở trực chuẩn
B = {e1 , e2 , . . . , en } như sau:
β1

 β1 = α1 , e1 =
∥β1 ∥





 β2
β2 = α2 − ⟨α2 , e1 ⟩e1 , e2 =

∥β2 ∥
 ...

 ...
β


 βn = αn − ⟨αn , e1 ⟩e1 − · · · − ⟨αn , en−1 ⟩en−1 , en = n


∥βn ∥
Chương 5: Trị riêng - Vector riêng - Chéo hóa ma trận
Chương 5: Trị riêng - Vector riêng - Chéo hóa ma trận 5.1 Ánh xạ tuyến tính
5.1.1 Định nghĩa ánh xạ tuyến tính
Cho V và W là hai không gian vector trên trường K.
Định nghĩa 5.1

Ánh xạ T : V → W được gọi là một ánh xạ (đồng cấu) tuyến tính nếu nó có hai
tính chất sau:
(a) T (x + y ) = T (x) + T (y ), ∀x, y ∈ V ;
(b) T (kx) = kT (x), ∀x, y ∈ V , ∀k ∈ K.
Định nghĩa 5.1

tính chất sau:
(a) T (x + y ) = T (x) + T (y ), ∀x, y ∈ V ;
(b) T (kx) = kT (x), ∀x, y ∈ V , ∀k ∈ K.
Trường hợp V = W thì ánh xạ tuyến tính T : V → V được gọi là một toán
tử (tự đồng cấu) tuyến tính trên V .
Định nghĩa 5.1

tính chất sau:
(a) T (x + y ) = T (x) + T (y ), ∀x, y ∈ V ;
(b) T (kx) = kT (x), ∀x, y ∈ V , ∀k ∈ K.
Trường hợp V = W thì ánh xạ tuyến tính T : V → V được gọi là một toán
tử (tự đồng cấu) tuyến tính trên V .
Hai điều kiện trog ĐN ánh xạ tuyến tính tương đương với điều kiện
T (kx + ly ) = kT (x) + lT (y ), ∀x, y ∈ V , ∀k, l ∈ K.
Định lý 5.1
Cho V và W là hai không gian vector và T : V → W là một ánh xạ tuyến tính.
Khi đó
(a) T (θV ) = θW .
(b) T (−x) = −T (x), ∀x ∈ V .
(c) T (x − y ) = T (x) − T (y ), ∀x, y ∈ V .
Pn Pn
(d) T ( i=1 xi αi ) = i=1 xi T (αi ), ∀αi ∈ V , ∀xi ∈ K, i = 1, 2, . . . , n
Định nghĩa 5.2

Cho V và W là hai không gian vector. Ánh xạ tuyến tính T : V → W được gọi là
một
đơn cấu nếu nó là một đơn ánh, tức là
T (x1 ) = T (x2 ) ⇒ x1 = x2 ;
Định nghĩa 5.2

một
T (x1 ) = T (x2 ) ⇒ x1 = x2 ;
toàn cấu nếu nó là một toán ánh, tức là
T (V ) = W ⇔ ∀y ∈ W , ∃x ∈ V : T (x) = y ;
Định nghĩa 5.2

một
T (x1 ) = T (x2 ) ⇒ x1 = x2 ;
toàn cấu nếu nó là một toán ánh, tức là
T (V ) = W ⇔ ∀y ∈ W , ∃x ∈ V : T (x) = y ;
đẳng cấu nếu nó là một toàn ánh, tức là vừa đơn ánh, vừa toàn ánh.
Định lý 5.2
Cho T : V → W là một ánh xạ tuyến tính. Khi đó:
(a) Hệ {α1 , α2 , . . . , αn } ⊂ V là pttt thì hệ {T (α1 ), T (α2 ), . . . , T (αn )} ⊂ W
cũng pttt.
Định lý 5.2
cũng pttt.
(b) T là một đơn cấu ⇔ hệ {α1 , α2 , . . . , αn } ⊂ V là đltt thì hệ
{T (α1 ), T (α2 ), . . . , T (αn )} ⊂ W cũng đltt.
Định lý 5.2
cũng pttt.
(c) T là toàn ánh khi và chỉ khi no biến một hệ sinh của V thành một hệ sinh
của W .
Định lý 5.2
cũng pttt.
(c) T là toàn ánh khi và chỉ khi no biến một hệ sinh của V thành một hệ sinh
của W .
(d) T là một đẳng cấu khi và chỉ khi nó biến một cơ sở của V thành một cơ sở
của W .
5.1.2 Ảnh và hạt nhân của một ánh xạ tuyến tính

Với mỗi tập con E ⊂ V thì tập
T (E ) = {T (x)|x ∈ E } ⊂ W
gọi là ảnh của tập E qua ánh xạ T .

T (E ) = {T (x)|x ∈ E } ⊂ W

Với mỗi tập con F ⊂ W thì tập
T −1 (F ) = {x ∈ V |T (x) ∈ F }
gọi là nghịch ảnh của F qua ánh xạ T .

T (E ) = {T (x)|x ∈ E } ⊂ W

T −1 (F ) = {x ∈ V |T (x) ∈ F }

Tập
ImT = {T (x)|x ∈ V } ⊂ W
gọi là ảnh của ánh xạ T .

T (E ) = {T (x)|x ∈ E } ⊂ W

T −1 (F ) = {x ∈ V |T (x) ∈ F }

Tập
ImT = {T (x)|x ∈ V } ⊂ W
gọi là ảnh của ánh xạ T .
Tập
KerT = T −1 (θW ) = {x ∈ V |T (x) = θW }
gọi là hạt nhân (hay nhân) của ánh xạ T .
Định lý 5.3
(a) Nếu E là một không gian con của V thì T (E ) là một không gian con của W .
(b) Nếu F là một không gian con của W thì T −1 (F ) là một không gian con của
V.
Định lý 5.3
V.
Hệ quả
(a) ImT là một không gian con của W .
Số chiều của ImT gọi là hạng của T , ký hiệu là rank(T ).
(b) KerT là một không gian con của V .
Định lý 5.3
V.
Hệ quả
(a) ImT là một không gian con của W .
Số chiều của ImT gọi là hạng của T , ký hiệu là rank(T ).
(b) KerT là một không gian con của V .
Ngoài ra, ta có:

dimV = rank(T ) + dim(KerT ).

Định lý 5.4
(a) T là một đơn cấu ⇔ KerT = {θV }.
(b) T là một toàn cấu ⇔ ImT = W .

Định lý 5.4
Định lý 5.5
(a) T là một đơn cấu ⇔ rank(T ) = dimV .
(b) T là một toàn cấu ⇔ rank(T ) = dimW .
(c) T là một đẳng cấu ⇔ rank(T ) = dimV = dimW .

Định lý 5.4
Định lý 5.5
(a) T là một đơn cấu ⇔ rank(T ) = dimV .
(b) T là một toàn cấu ⇔ rank(T ) = dimW .
(c) T là một đẳng cấu ⇔ rank(T ) = dimV = dimW .
Hệ quả
Cho dimV = dimW và T : V → W là một ánh xạ tuyến tính. Khi đó
T là đẳng cấu ⇔ T là đơn cấu ⇔ T là toàn cấu.

5.1.3 Ma trận của ánh xạ tuyến tính
Định lý 5.6
Cho {α1 , α2 , . . . , αn } là một cơ sở của KGVT V và {ω1 , ω2 , . . . , ωn } là các vector
tùy ý trong KGVT W . Khi đó, tồn tại duy nhất một ánh xạ tuyến tính
T : V → W sao cho
T (αi ) = ωi , ∀i = 1, 2, . . . , n.
Định lý 5.6
Cho {α1 , α2 , . . . , αn } là một cơ sở của KGVT V và {ω1 , ω2 , . . . , ωn } là các vector
tùy ý trong KGVT W . Khi đó, tồn tại duy nhất một ánh xạ tuyến tính
T : V → W sao cho
T (αi ) = ωi , ∀i = 1, 2, . . . , n.
Cho {α1 , α2 , . . . , αn } là một cơ sở của KGVT V và {β1 , β2 , . . . , βm } là một cơ sở

của KGVT W . Khi đó, mỗi ánh xạ tuyến tính T : V → W có biểu diễn duy nhất:
m
X
T (αj ) = a1j β1 + a2j β2 + · · · + amj βm = aij βi , ∀j = 1, 2, . . . , n. (5)
i=1
Giả sử
n
X
x = x1 α1 + x2 α2 + · · · + xn αn = xj αj ∈ V (6)
j=1
Giả sử
n
X
x = x1 α1 + x2 α2 + · · · + xn αn = xj αj ∈ V (6)
j=1
và
m
X
T (x) = y1 ω1 + y2 ω2 + · · · + ym ωm = yi ωi ∈ W . (7)
i=1
Giả sử
n
X
x = x1 α1 + x2 α2 + · · · + xn αn = xj αj ∈ V (6)
j=1
và
m
X
T (x) = y1 ω1 + y2 ω2 + · · · + ym ωm = yi ωi ∈ W . (7)
i=1
Từ (5) và (6), ta có
n
X n
X n
X Xm m X
X n
T (x) = T ( xj αj ) = xj T (αj ) = xj ( aij ωi ) = ( aij xj )ωi . (8)
j=1 j=1 j=1 i=1 i=1 j=1

Từ (7) và (8), do tính duy nhất của biểu diễn một vector qua một cơ sở, ta được:
n
X
yi = aij xj , i = 1, 2, . . . , m,
j=1

n
X
yi = aij xj , i = 1, 2, . . . , m,
j=1

    
y1 a11 a12 ... a1n x1
 y2   a21 a22 ... a2n  x2 
 .. = .. .. .. ..  hay T (x) = Ax.
    
.. 
 .   . . . .  . 
ym am1 am2 ... amn xn
Ma trận A = (aij )m×n gọi là ma trận của ánh xạ tuyến tính T . Công thức trên
giúp ta tìm được tọa độ của T (x) ∈ W khi biết tọa độ của x ∈ V .

n
X
yi = aij xj , i = 1, 2, . . . , m,
j=1

    
y1 a11 a12 ... a1n x1
 y2   a21 a22 ... a2n  x2 
 .. = .. .. .. ..  hay T (x) = Ax.
    
.. 
 .   . . . .  . 
Trường hợp T : V → V là một tự đồng cấu có ma trận trong cơ sở B nào đó
thì ma trận đó gọi là ma trận của tự đồng cấu T trong cơ sở B.

n
X
yi = aij xj , i = 1, 2, . . . , m,
j=1

    
y1 a11 a12 ... a1n x1
 y2   a21 a22 ... a2n  x2 
 .. = .. .. .. ..  hay T (x) = Ax.
    
.. 
 .   . . . .  . 
Trường hợp T : V → V là một tự đồng cấu có ma trận trong cơ sở B nào đó
thì ma trận đó gọi là ma trận của tự đồng cấu T trong cơ sở B.
Nếu T : V → W là một ánh xạ tuyến tính có ma trận A trong cặp cơ sở nào
đó của V , W thì ta có rank(T ) = rank(A).
• Không gian nghiệm của một hệ phương trình tuyến tính: gọi W là tập tất
cả các nghiệm của phương trình tuyến tính thuần nhất
Ax = 0
với A = (aij )m×n , x = (x1 , . . . , xn ) ∈ Rn , ta có W là một không gian con của Rn .

Gọi T : Rn → Rm là ánh xạ tuyến tính có ma trận A, khi đó W = KerT và ta có
dimW = dim(KerT ) = n − rank(T ) = n − rank(A) = k.
Tìm cơ sở của W : tìm k nghiệm riêng của hệ pttt Ax = 0.
Mệnh đề 5.1
Cho V và W là hai không gian vector hữu hạn chiều. Gọi P là ma trận chuyển từ
cơ sở B sang cơ sở B ′ trong V và Q là ma trận chuyển từ cơ sở C sang cơ sở C ′
trong W . Giả sử T : V → W là một ánh xạ tuyến tính có ma trận A trong cơ sở
(B, C ) và A′ trong cơ sở (B ′ , C ′ ). Khi đó ta có
A′ = Q −1 AP.
Mệnh đề 5.1
Cho V và W là hai không gian vector hữu hạn chiều. Gọi P là ma trận chuyển từ
cơ sở B sang cơ sở B ′ trong V và Q là ma trận chuyển từ cơ sở C sang cơ sở C ′
trong W . Giả sử T : V → W là một ánh xạ tuyến tính có ma trận A trong cơ sở
(B, C ) và A′ trong cơ sở (B ′ , C ′ ). Khi đó ta có
A′ = Q −1 AP.
Đặc biệt, nếu P là ma trận chuyển từ cơ sở B sang cơ sở B ′ trong V và tự đồng

cấu T : V → V có ma trận A trong cơ sở B và A′ trong cơ sở B ′ thì
A′ = P −1 AP.
Chương 5: Trị riêng - Vector riêng - Chéo hóa ma trận 5.2 Giá trị riêng, vector riêng, đa thức đặc trưng
5.2.1 Giá trị riêng và vector riêng
Định nghĩa 5.3

Cho T : V → V là một tự đồng cấu của KGVT V trên trường K. Giá trị λ ∈ K
được gọi là một giá trị riêng của T nếu tồn tại vector θ ̸= x ∈ V sao cho
T (x) = λx,
khi đó x được gọi là vector riêng của T ứng với giá trị riêng λ.
5.2.1 Giá trị riêng và vector riêng
Định nghĩa 5.3

Cho T : V → V là một tự đồng cấu của KGVT V trên trường K. Giá trị λ ∈ K
được gọi là một giá trị riêng của T nếu tồn tại vector θ ̸= x ∈ V sao cho
T (x) = λx,
khi đó x được gọi là vector riêng của T ứng với giá trị riêng λ.
Định nghĩa 5.4

Giả sử λ là một giá trị riêng của tự đồng cấu T : V → V . Khi đó, tập
Ker (T − λIdV ) = {x ∈ V |T (x) − λx = 0} = {x ∈ V |T (x) = λx},
ở đó IdV là ánh xạ đồng nhất trên V , là một không gian con của V , gọi là không
gian con riêng của T ứng với giá trị riêng λ.
5.2.2 Đa thức đặc trưng

Cho V là một KGVT n chiều. Giả sử T : V → V là một tự đồng cấu của V có
ma trận trong một cơ sở B nào đó của V là
 
a11 a12 . . . a1n
 a21 a22 . . . a2n 
A= . .. ..  .
 
 .. ..
. . . 
an1 an2 ... ann

 
a11 a12 . . . a1n
 a21 a22 . . . a2n 
A= . .. ..  .
 
 .. ..
. . . 
an1 an2 ... ann
Nếu λ là một giá trị riêng của T thì ta cũng nói nó là giá trị riêng của ma trận A.
Khi đó, vector x = (x1 , x2 , . . . , xn ) ∈ V là một vector riêng ứng với λ nếu
T (x) − λx = θ ⇔ Ax − λIn x = θ ⇔ (A − λIn )x = θ

 
a11 a12 . . . a1n
 a21 a22 . . . a2n 
A= . .. ..  .
 
 .. ..
. . . 
an1 an2 ... ann
Nếu λ là một giá trị riêng của T thì ta cũng nói nó là giá trị riêng của ma trận A.
Khi đó, vector x = (x1 , x2 , . . . , xn ) ∈ V là một vector riêng ứng với λ nếu
T (x) − λx = θ ⇔ Ax − λIn x = θ ⇔ (A − λIn )x =θ

    
a11 − λ a12 ... a1n x1 0
 a21 a 22 − λ . .. a2n  x2   0 
⇔ .. .. .. .. = .. .
    
. .. 
 . . .  .   . 
an1 an2 ... ann − λ xn 0
Hệ pttt thuần nhất trên có nghiệm không tầm thường khi và chỉ khi
a11 − λ a12 ... a1n

a21 a22 − λ ... a2n
det(A − λIn ) = .. .. .. .. = 0.
. . . .
an1 an2 ... ann − λ
Hệ pttt thuần nhất trên có nghiệm không tầm thường khi và chỉ khi
a11 − λ a12 ... a1n

a21 a22 − λ ... a2n
det(A − λIn ) = .. .. .. .. = 0.
. . . .
an1 an2 ... ann − λ
Như vậy, λ là một giá trị riêng của toán tử T (ma trận A) khi và chỉ khi nó là
nghiệm của phương trình
det(A − λIn ) = 0,
gọi là phương trình đặc trưng của tự đồng cấu T (ma trận A), còn định thức
P(λ) = det(A − λIn )
gọi là đa thức đặc trưng của tự đồng cấu T (ma trận A).
Định nghĩa 5.5

Hai ma trận vuông A, B cấp n được gọi là đồng dạng với nhau nếu tồn tại một
ma trận vuông P cấp n khả nghịch sao cho
A = P −1 BP.
Định nghĩa 5.5

A = P −1 BP.
Định lý 5.7
Hai ma trận đồng dạng thì có cùng đa thức đặc trưng.
Định nghĩa 5.5

A = P −1 BP.
Định lý 5.7
Hai ma trận đồng dạng thì có cùng đa thức đặc trưng.
Hai ma trận đồng dạng khi và chỉ khi chúng là ma trận của cùng một tự đồng cấu
trong các cơ sở khác nhau.
Chương 5: Trị riêng - Vector riêng - Chéo hóa ma trận 5.3 Chéo hóa ma trận
5.3.1 Ma trận chéo hóa được
Định nghĩa 5.6

Ma trận vuông A gọi là chéo hóa được nếu tồn tại một ma trận vuông khả nghịch
P sao cho B = P −1 AP là ma trận chéo. Khi đó ta nói ma trận P làm chéo hóa
ma trận A, hay ma trận A được chéo hóa bởi ma trận P. Ma trận B gọi là dạng
chéo của A.
Định nghĩa 5.6

chéo của A.
Nếu B là dạng chéo hóa của A thì A, B là hai ma trận đồng dạng, có nghĩa chúng
là ma trận của cùng một tự đồng cấu trong các cơ sở khác nhau.
Định nghĩa 5.6

chéo của A.
Nếu B là dạng chéo hóa của A thì A, B là hai ma trận đồng dạng, có nghĩa chúng
là ma trận của cùng một tự đồng cấu trong các cơ sở khác nhau.
Định lý 5.8
Ma trận vuông A cấp n chéo hóa được khi và chỉ khi nó có đủ n vector riêng đltt.
Cụ thể, nếu A có n vector riêng
pj = (p1j , . . . , pnj ) ứng với giá trị riêng λj , j = 1, . . . , n
độc lập tuyến tính thì với

   
p11 p12 ... p1n λ1 0 ... 0
 p21 p22 ... p2n   0 λ2 ... 0 
P= . .. .. , B= .. .. ..
   
 .. .. .. 
. . .   . . . . 
pn1 pn2 ... pnn 0 0 ... λn

   
p11 p12 ... p1n λ1 0 ... 0
 p21 p22 ... p2n   0 λ2 ... 0 
P= . .. .. , B= .. .. ..
   
 .. .. .. 
. . .   . . . . 
pn1 pn2 ... pnn 0 0 ... λn
ta có
B = P −1 AP.

   
p11 p12 ... p1n λ1 0 ... 0
 p21 p22 ... p2n   0 λ2 ... 0 
P= . .. .. , B= .. .. ..
   
 .. .. .. 
. . .   . . . . 
pn1 pn2 ... pnn 0 0 ... λn
ta có
B = P −1 AP.
Đặc biệt, nếu A có n giá trị riêng phân biệt thì hệ n vector riêng tương ứng sẽ
đltt, do đó A chéo hóa được.
Định lý 5.9
Giả sử ma trận A cấp n có k ≤ n giá trị riêng phân biệt λ1 , . . . , λk và các không
gian con riêng ứng với giá trị riêng λi là
Eλi = Ker (A − λi In ), i = 1, . . . , k.
Khi đó, A chéo hóa được khi và chỉ khi

k
X
dimEλi = n.
i=1
Định lý 5.9
Giả sử ma trận A cấp n có k ≤ n giá trị riêng phân biệt λ1 , . . . , λk và các không
gian con riêng ứng với giá trị riêng λi là
Eλi = Ker (A − λi In ), i = 1, . . . , k.
Khi đó, A chéo hóa được khi và chỉ khi

k
X
dimEλi = n.
i=1
Chú ý rằng
dimEλi = n − rank(A − λi In ).
5.3.2 Các bước chéo hóa ma trận
Để chéo hóa ma trận vuông A cấp n, ta có thể áp dụng lược đồ gồm các bước
sau:
1 Tìm tập các giá trị riêng và kiểm tra tính chéo hóa được của A.
2 Nếu A chéo hóa được thì tìm tập gồm n vector riêng đltt ứng với các giá trị
riêng của A.
3 Lập ma trận P làm chéo hóa A và B là dạng chéo của A.
Ứng dụng chéo hóa ma trận tính lũy thừa
Giả sử ma trận A được chéo hóa bởi ma trận P và có dạng chéo là B, ta có:
B = P −1 AP ⇒ A = PBP −1 ⇒ A2 = (PBP −1 )(PBP −1 ) = PB(P −1 P)BP −1 ) = PB 2
Tổng quát, ta có ∀m ≥ 1 : Am = PB m P −1 .
Chú ý rằng nếu B có dạng chéo
   m 
λ1 0 . . . 0 λ1 0 ... 0
 0 λ2 . . . 0 
⇒B = m
 0 λm
2 ... 0 
B=  ...   ...


m
0 0 . . . λn 0 0 ... λn
Chương 6: Dạng song tuyến tính - Dạng toàn phương
Chương 6: Dạng song tuyến tính - Dạng toàn phương 6.1 Dạng song tuyến tính và dạng toàn phương
6.1.1 Dạng song tuyến tính
Định nghĩa 6.1

Cho V là một KGVT thực. Ánh xạ f : V × V → R được gọi là một dạng song
tuyến tính trên V nếu nó tuyến tính theo từng biến khi cố định biến còn lại, tức là
f (αu1 + βu2 , v ) = αf (u1 , v ) + βf (u2 , v ),

f (u, αv1 + βv2 ) = αf (u, v1 ) + βf (u, v2 ),
với mọi u, v , u1 , u2 , v1 , v2 ∈ V , α, β ∈ R.
Định nghĩa 6.1

f (αu1 + βu2 , v ) = αf (u1 , v ) + βf (u2 , v ),

f (u, αv1 + βv2 ) = αf (u, v1 ) + βf (u, v2 ),
Định nghĩa 6.2

Dạng song tuyến tính f trên V được gọi là
(a) đối xứng nếu f (u, v ) = f (v , u), ∀u, v ∈ V .
Định nghĩa 6.1

f (αu1 + βu2 , v ) = αf (u1 , v ) + βf (u2 , v ),

f (u, αv1 + βv2 ) = αf (u, v1 ) + βf (u, v2 ),
Định nghĩa 6.2

(b) phản xứng nếu f (u, v ) = −f (v , u), ∀u, v ∈ V .
Định nghĩa 6.1

f (αu1 + βu2 , v ) = αf (u1 , v ) + βf (u2 , v ),

f (u, αv1 + βv2 ) = αf (u, v1 ) + βf (u, v2 ),
Định nghĩa 6.2

(b) phản xứng nếu f (u, v ) = −f (v , u), ∀u, v ∈ V .
(c) xác định dương nếu f (u, u) ≥ 0, ∀u ∈ V và f (u, u) = 0 ⇔ u = 0.
6.1.2 Dạng toàn phương
Định nghĩa 6.3

Cho f là một dạng song tuyến tính đối xứng trên V . Khi đó ánh xạ H : V → R
xác định bởi
H(u) = f (u, u), ∀u ∈ V
được gọi là một dạng toàn phương trên V ứng với dạng song tuyến tính f .
Định nghĩa 6.3

xác định bởi
H(u) = f (u, u), ∀u ∈ V
Xác định f khi biết H: ∀u, v ∈ V ta có
H(u + v ) = f (u + v , u + v ) = f (u, u) + 2f (u, v ) + f (v , v )

= H(u) + 2f (u, v ) + H(v ),
Định nghĩa 6.3

xác định bởi
H(u) = f (u, u), ∀u ∈ V
Xác định f khi biết H: ∀u, v ∈ V ta có
H(u + v ) = f (u + v , u + v ) = f (u, u) + 2f (u, v ) + f (v , v )

= H(u) + 2f (u, v ) + H(v ),
do đó
1
f (u, v ) = [H(u + v ) − H(u) − H(v )].
2
Dạng song tuyên tính đối xứng f xác định như thế gọi là dạng cực của dạng toàn
phương H.
6.1.3 Ma trận của dạng song tuyến tính
Cho B = {e1 , e2 , . . . , en } là một cơ sở của KGVT V và f là một dạng song tuyến

tính trên V . Giả sử
n
X n
X
x= xi e i , y= yj ej , xi , yj ∈ R, (i, j = 1, 2, . . . , n).
i=1 j=1

n
X n
X
i=1 j=1
Khi đó, ta có:

Xn n
X n X
X n
f (x, y ) = f ( xi e i , yj e j ) = f (ei , ej )xi yj .
i=1 j=1 i=1 j=1

n
X n
X
i=1 j=1
Khi đó, ta có:

Xn n
X n X
X n
f (x, y ) = f ( xi e i , yj e j ) = f (ei , ej )xi yj .
i=1 j=1 i=1 j=1
Đặt aij = f (ei , ej ), i, j = 1, 2, . . . , n gọi là biểu thức tọa độ của f trong cơ sở B.
Ma trận A = (aij )n×n gọi là ma trận của dạng song tuyến tính f trong cơ sở
B, ký hiệu A = [f ]B . Ta có dạng ma trận của dạng song tuyến tính f :
f (x, y ) = x t Ay .
f (x, y ) = x t Ay .
Nếu f là dạng song tuyến tính đối xứng và H là dạng toàn phương ứng với f
thì A cũng được gọi là ma trận của H trong cơ sở B, ký hiệu A = [H]B .
Trong trường hợp này, A là một ma trận đối xứng (tức là aij = aji , ∀i, j).
f (x, y ) = x t Ay .
Nếu f là dạng song tuyến tính đối xứng và H là dạng toàn phương ứng với f
thì A cũng được gọi là ma trận của H trong cơ sở B, ký hiệu A = [H]B .
Trong trường hợp này, A là một ma trận đối xứng (tức là aij = aji , ∀i, j).
Mệnh đề 6.1
Giả sử [f ]B1 , [f ]B2 là ma trận của dạng song tuyến tính f trong các cơ sở B1 và
B2 . Gọi C là ma trận chuyển cơ sở từ B1 sang B2 . Khi đó ta có
[f ]B2 = C t [f ]B1 C .
Chương 6: Dạng song tuyến tính - Dạng toàn phương 6.2 Chính tắc hóa dạng toàn phương
6.2.1 Dạng chính tắc của dạng toàn phương
Định nghĩa 6.4

Cho H là một dạng toàn phương trên KGVT V . Giả sử có một cơ sở
B = {e1 , e2 , . . . , en } của V sao cho ∀x = (x1 , . . . , xn ) ∈ V , H có biểu diễn dạng
n
X
H(x) = λi xi2 (λi ∈ R, i = 1, . . . , n), (9)
i=1
thì biểu diễn đó được gọi là dạng chính tắc của H.
Định nghĩa 6.4

n
X
H(x) = λi xi2 (λi ∈ R, i = 1, . . . , n), (9)
i=1
Trong biểu diễn (9), λi (i = 1, . . . , n) được gọi là các hệ số chính tắc. Cơ sở

B trong trường hợp này gọi là cơ sở chính tắc của dạng toàn phương H.
Định nghĩa 6.4

n
X
H(x) = λi xi2 (λi ∈ R, i = 1, . . . , n), (9)
i=1

Ma trận của H dạng chính tắc (9) là ma trận chéo với aii = λi , i = 1, . . . , n.
Định nghĩa 6.4

n
X
H(x) = λi xi2 (λi ∈ R, i = 1, . . . , n), (9)
i=1

Ma trận của H dạng chính tắc (9) là ma trận chéo với aii = λi , i = 1, . . . , n.
Nếu λi ∈ {−1, 0, 1}, ∀i = 1, . . . , n thì (9) gọi là dạng chuẩn tắc của H.
6.2.2 Chính tắc hóa dạng toàn phương

Phương pháp Lagrange: Giả sử dạng toàn phương H có biểu diễn trong một cơ sở
B = {e1 , e2 , . . . , en } của V dạng
n X
X n
H(x) = aij xi xj , (aij = aji , ∀i, j).
i=1 j=1
Thực hiện biến đổi để làm xuất hiện tổng/hiệu các bình phương:

B = {e1 , e2 , . . . , en } của V dạng
n X
X n
i=1 j=1
1 Tồn tại aii ̸= 0: nhóm các số hạng có xi rồi thêm bớt để xuất hiện bình
phương của một tổng.

B = {e1 , e2 , . . . , en } của V dạng
n X
X n
i=1 j=1
2 Mọi aii = 0: nếu có aij ̸= 0, i ̸= j, sử dụng công thức
xi + xj 2 xi − xj 2
xi xj = ( ) −( )
2 2
xi + xj xi − xj
chỉ đổi biến Xi = , Xj = , các biến khác giữ nguyên, thay vào
2 2
biểu thức của H và thực hiện như trường hợp 1.

B = {e1 , e2 , . . . , en } của V dạng
n X
X n
i=1 j=1
2 Mọi aii = 0: nếu có aij ̸= 0, i ̸= j, sử dụng công thức
xi + xj 2 xi − xj 2
xi xj = ( ) −( )
2 2
xi + xj xi − xj
chỉ đổi biến Xi = , Xj = , các biến khác giữ nguyên, thay vào
2 2
biểu thức của H và thực hiện như trường hợp 1.
3 Mọi aij = 0, ∀i, j = 1, . . . , n: H có dạng chính tắc trong mọi cơ sở.

• Tìm cơ sở B ′ tương ứng: Giả sử trong phương pháp Lagrange, ta đưa H về
dạng
H(X ) = λ1 X12 + λ2 X22 + · · · + λn Xn2 , X = (X1 , X2 , . . . , Xn )B ′ ,
với
 

 X1 = a11 x1 + a12 x2 + · · · + a1n xn 
 x1 = c11 X1 + c12 X2 + · · · + c1n Xn
X2 = a21 x1 + a22 x2 + · · · + a2n xn x2 = c21 X1 + c22 X2 + · · · + c2n Xn
 
⇒

 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .  ..............................

Xn = an1 x1 + an2 x2 + · · · + ann xn xn = cn1 X1 + cn2 X2 + · · · + cnn Xn
 
Khi đó, cơ sở B ′ = {β1 , β2 , . . . , βn } với



 β1 = c11 e1 + c21 e2 + · · · + cn1 en ( các ci1 ở cột 1)
β2 = c12 e1 + c22 e2 + · · · + cn2 en ( các ci2 ở cột 2)


 ..............................
βn = c1n e1 + c2n e2 + · · · + cnn en ( các cin ở cột n)

Phương pháp Jacobi: Giả sử dạng toàn phương H có biểu diễn trong một cơ sở
B = {e1 , e2 , . . . , en } của V dạng
n X
X n
H(x) = aij xi xj , (aij = aji , ∀i, j)
i=1 j=1
Phương pháp Jacobi: Giả sử dạng toàn phương H có biểu diễn trong một cơ sở
B = {e1 , e2 , . . . , en } của V dạng
n X
X n
H(x) = aij xi xj , (aij = aji , ∀i, j)
i=1 j=1
và các định thức con chính
a11 a12 ... a1i

a21 a22 ... a2i
∆i = .. .. .. .. ̸= 0, ∀i = 1, . . . , n.
. . . .
ai1 ai2 ... aii
Với mỗi j = 1, 2, . . . , n, giải lần lượt các hệ pttt



 a11 b1j + a12 b2j + . . . + a1j bjj = 0
a21 b1j + a22 b2j + . . . + a2i bjj = 0

 ...

aj1 b1j + aj2 b2j + . . . + ajj bjj = 1

Với mỗi j = 1, 2, . . . , n, giải lần lượt các hệ pttt



 a11 b1j + a12 b2j + . . . + a1j bjj = 0
a21 b1j + a22 b2j + . . . + a2i bjj = 0

 ...

aj1 b1j + aj2 b2j + . . . + ajj bjj = 1

Đặt
j
X
ωj = bkj ek , j = 1, 2, . . . , n; B ′ = {ω1 , ω2 , . . . , ωn }
k=1
và  1
 b1 =

∆1
∆
 bj = j−1 , j = 2, . . . , n.

∆j
Khi đó, H có dạng chính tắc trong cơ sở B ′ là
H(X ) = b1 X12 + b2 X22 + · · · + bn Xn2 , X = (X1 , X2 , . . . , Xn )B ′ .
Khi đó, H có dạng chính tắc trong cơ sở B ′ là
Chú ý rằng, ma trận đổi cơ sở từ B sang B ′ là

 
b11 b12 . . . b1n
 0 b22 . . . b2n 
C = . .. .. ,
 
 .. ..
. . . 
0 0 ... bnn
nên
X = C −1 x.
Chương 6: Dạng song tuyến tính - Dạng toàn phương 6.3 Luật quán tính và dạng toàn phương xác định dấu
6.3.1 Luật quán tính
Giả sử dạng toàn phương H có biểu diễn trong các cơ sở B và B ′ của V dạng
H(x) = λ1 x12 + λ2 x22 + · · · + λn xn2 , x = (x1 , x2 , . . . , xn )B
và
và
Đặt
I + = {i : λi > 0}, I − = {i : λi < 0},
J + = {j : bj > 0}, J − = {j : bj < 0}.
và
Đặt
I + = {i : λi > 0}, I − = {i : λi < 0},
J + = {j : bj > 0}, J − = {j : bj < 0}.
Khi đó, ta có (luật quán tính):
|I + | = |J + | = p, |I − | = |J − | = q.
p và q tương ứng được gọi là chỉ số quán tính dương và chỉ số quán tính âm của
H; cặp (p, q) được gọi là cặp chỉ số quán tính của H.
6.3.2 Dạng toàn phương xác định dấu
Định nghĩa 6.5

Dạng toàn phương H trên KGVT V được gọi là
(a) xác định dương nếu
H(x) ≥ 0, ∀x ∈ V và H(x) = 0 ⇔ x = θ;
(b) xác định âm nếu
H(x) ≤ 0, ∀x ∈ V và H(x) = 0 ⇔ x = θ;
Định lý 6.2
Giả sử dạng toàn phương H có biểu diễn trong cơ sở B của V dạng
H(x) = λ1 x12 + λ2 x22 + · · · + λn xn2 , x = (x1 , x2 , . . . , xn ).
Khi đó
(a) H là xác định dương ⇔ λi > 0, ∀i = 1, 2, . . . , n.
(b) H là xác định âm ⇔ λi < 0, ∀i = 1, 2, . . . , n.
Định lý 6.2
Giả sử dạng toàn phương H có biểu diễn trong cơ sở B của V dạng
H(x) = λ1 x12 + λ2 x22 + · · · + λn xn2 , x = (x1 , x2 , . . . , xn ).
Khi đó
(a) H là xác định dương ⇔ λi > 0, ∀i = 1, 2, . . . , n.
(b) H là xác định âm ⇔ λi < 0, ∀i = 1, 2, . . . , n.
Định lý 6.3
(Sylvester) Giả sử dạng toàn phương H có ma trận biểu diễn trong cơ sở B của V
là A = [H]B . Khi đó
(a) H là xác định dương ⇔ các định thức con chính ∆i > 0, ∀i = 1, 2, . . . , n.

∆i > 0, ∀i chẵn
(b) H là xác định âm ⇔
∆i < 0, ∀i lẻ.

Bai Giang ĐSTT

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

Bai Giang ĐSTT

Uploaded by

Copyright:

Available Formats

TRƯỜNG ĐH CÔNG NGHỆ THÔNG TIN

Giảng viên: TS PHÙNG MINH ĐỨC

1 Chương 1: Ma trận - Định thức

2 Chương 2: Hệ phương trình tuyến tính

3 Chương 3: Không gian vector

4 Chương 4: Không gian Euclid

5 Chương 5: Trị riêng - Vector riêng - Chéo hóa ma trận

6 Chương 6: Dạng song tuyến tính - Dạng toàn phương

1 Chương 1: Ma trận - Định thức

2 Chương 2: Hệ phương trình tuyến tính

3 Chương 3: Không gian vector

4 Chương 4: Không gian Euclid

5 Chương 5: Trị riêng - Vector riêng - Chéo hóa ma trận

6 Chương 6: Dạng song tuyến tính - Dạng toàn phương

1.1.1 Định nghĩa ma trận

Định nghĩa 1.1

trong đó aij ∈ R(i = 1, m, j = 1, n) là phần tử ở hàng i và cột j của ma trận A.

1.1.1 Định nghĩa ma trận

Định nghĩa 1.2

1.1.1 Định nghĩa ma trận

Định nghĩa 1.2

Một số ma trận thường gặp:

1.1.1 Định nghĩa ma trận

Định nghĩa 1.2

Một số ma trận thường gặp:

1.1.1 Định nghĩa ma trận

1.1.1 Định nghĩa ma trận

- Ma trận chéo: là ma trận vuông có aij = 0 ̸ j.

1.1.1 Định nghĩa ma trận

- Ma trận chéo: là ma trận vuông có aij = 0 ̸ j.

- Ma trận đơn vị cấp n, ký hiệu là In , là ma trận chéo mà

1.1.2 Các phép toán trên ma trận

A + B = (aij + bij )m×n .

1.1.2 Các phép toán trên ma trận

A + B = (aij + bij )m×n .

Một số tính chất:

1.1.2 Các phép toán trên ma trận

Một số tính chất:

1.1.2 Các phép toán trên ma trận

Một số tính chất:

1.1.2 Các phép toán trên ma trận

- Ma trận chuyển vị: Chuyển vị của ma trận A, ký hiệu là At , là ma trận có các

1.1.2 Các phép toán trên ma trận

- Ma trận chuyển vị: Chuyển vị của ma trận A, ký hiệu là At , là ma trận có các

1.2.1 Định thức của ma trận vuông

Cho ma trận vuông cấp n ≥ 2

1.2.1 Định thức của ma trận vuông

Định nghĩa 1.3

1.2.2 Một số tính chất của định thức

1.2.2 Một số tính chất của định thức

1.2.2 Một số tính chất của định thức

1.2.2 Một số tính chất của định thức

1.2.2 Một số tính chất của định thức

1.2.2 Một số tính chất của định thức

1.2.2 Một số tính chất của định thức

1.2.2 Một số tính chất của định thức

1.2.2 Một số tính chất của định thức

1.2.2 Một số tính chất của định thức

1.2.3 Tính định thức bằng biến đổi sơ cấp

1.2.3 Tính định thức bằng biến đổi sơ cấp

1.2.3 Tính định thức bằng biến đổi sơ cấp

1.3.1 Định nghĩa hạng của ma trận

1.3.1 Định nghĩa hạng của ma trận

Định nghĩa 1.4