Professional Documents
Culture Documents
1 / 52
Contents
Nội dung
2 / 52
4.1. Khái niệm ánh xạ tuyến tính 4.1.1. Định nghĩa
Định nghĩa
Cho hai không gian véc tơ V và W trên K . Một ánh xạ f : V → W được gọi là
ánh xạ tuyến tính nếu nó thỏa mãn hai tính chất:
a) f (u + v ) = f (u) + f (v ), , ∀u, v ∈ V ;
b) f (cv ) = cf (v ), ∀c ∈ K , ∀v ∈ V .
Ánh xạ tuyến tính đi từ V vào chính nó được gọi là biến đổi tuyến tính (hoặc
toán tử tuyến tính).
3 / 52
4.1. Khái niệm ánh xạ tuyến tính 4.1.1. Định nghĩa
Ví dụ
Ví dụ
4 / 52
4.1. Khái niệm ánh xạ tuyến tính 4.1.1. Định nghĩa
f (1, 0, 0) = (1, −1, 2), f (0, 1, 0) = (2, 3, 1), f (0, 0, 1) = (−1, 2, 2).
Đặt e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1), v = (1, 2, 3). Khi đó
v = e1 − 2e2 + 3e3 .
f (v ) = f (e1 − 2e2 + 3e3 ) = f (e1 ) − 2f (e2 ) + f (e3 ) =
(1, −1, 2) − 2(2, 3, 1) + 3(−1, 2, 2) = (−6, −1, 6).
5 / 52
4.1. Khái niệm ánh xạ tuyến tính 4.1.1. Định nghĩa
Định lý
Cho V và W là hai KGVT trên K . Cho B = {v1 , . . . , vn } là một cơ sở của V , và
{w1 , . . . , wn } là một hệ véctơ (tùy ý) của W . Khi đó tồn tại duy nhất một ánh xạ
tuyến tính f : V → W sao cho
Ánh xạ tuyến tính được xác định duy nhất bởi ảnh của nó trên một cơ sở của V .
6 / 52
4.1. Khái niệm ánh xạ tuyến tính 4.1.1. Định nghĩa
Phép toán
Định nghĩa
Cho f và g là hai ánh xạ tuyến tính từ V vào W .
Tổng của hai AXTT f và g là ánh xạ f + g : V → W xác định bởi
(f + g )(v ) = f (v ) + g (v ), v ∈ V.
(af )(v ) = af (v ), v ∈ V.
Tính chất
Với ký hiệu như trên, f + g và af là các ánh xạ tuyến tính.
Mệnh đề
Cho f : V → W và g : W → U là hai ánh xạ tuyến tính. Khi đó ánh xạ
g ◦ f : V → U cũng là ánh xạ tuyến tính 7 / 52
4.1. Khái niệm ánh xạ tuyến tính 4.1.2. Hạt nhân và ảnh
Định nghĩa
Cho f : V → W là một AXTT.
Tập hợp ker(f ) = {v ∈ V | f (v ) = 0} được gọi là hạt nhân của f .
Tập hợp im(f ) = {f (v ) | v ∈ V } được gọi là ảnh của f .
Tính chất
ker(f ) là một không gian véc tơ con của V .
im(f ) là một không gian véc tơ con của W .
dim(imf ) + dim(ker f ) = n.
8 / 52
4.1. Khái niệm ánh xạ tuyến tính 4.1.2. Hạt nhân và ảnh
Như vậy, S là một hệ sinh của V ⇒ f (S) một hệ sinh của f (V ) = imf :
Định nghĩa
Cho f : V → W là AXTT, hạng của f , ký hiệu rank(f ) được định nghĩa là số
chiều của không gian ảnh của f :
9 / 52
4.1. Khái niệm ánh xạ tuyến tính 4.1.2. Hạt nhân và ảnh
Ví dụ
Cho ánh xạ tuyến tính f : R4 → R3 ,
f (x1 , x2 , x3 , x4 ) = (x1 − x2 + 2x3 + x4 , 2x1 − 2x2 + 3x3 + 4x4 , x1 − x2 + x3 + 3x4 ).
Tìm một cơ sở của ker(f ) và một cơ sở của im(f ).
10 / 52
4.1. Khái niệm ánh xạ tuyến tính 4.1.2. Hạt nhân và ảnh
11 / 52
4.1. Khái niệm ánh xạ tuyến tính 4.1.3. Đơn cấu, toàn cấu, đẳng cấu
Định nghĩa
Cho f : V → W là một AXTT.
f được gọi là một đơn cấu nếu f là đơn ánh.
f được gọi là một toàn cấu nếu f là toàn ánh.
f được gọi là một đẳng cấu nếu f là song ánh.
Mệnh đề
Cho f : V → W là một AXTT.
f là đơn cấu ⇔ ker(f ) = {0}.
f là toàn cấu ⇔ rank(f ) = dim(W ). [Nhắc lại rank(f ) = dim(im(f )).]
Nếu f là đẳng cấu thì ánh xạ ngược f −1 : W → V cũng là đẳng cấu.
12 / 52
4.1. Khái niệm ánh xạ tuyến tính 4.1.3. Đơn cấu, toàn cấu, đẳng cấu
Đị nh lý
Cho f : V → W là AXTT. Giả sử dim V = dim W = n. Khi đó ba khẳng định sau
là tương đương.
f là đơn cấu.
f là toàn cấu.
f là đẳng cấu.
Bài tập: (CK20171-Đề3) Cho P2 [x] là tập các đa thực hệ số thức có bậc nhỏ hơn
hoặc bằng 2 và ánh xạ ϕ : P2 [x] → R3 xác định bởi
ϕ(p(x)) = (p(0), p(1), p(−1)). Hỏi ϕ có phải là một đẳng cấu không? Giải thích?
13 / 52
4.1. Khái niệm ánh xạ tuyến tính 4.1.3. Đơn cấu, toàn cấu, đẳng cấu
Định nghĩa
Ta nói KGVT V đẳng cấu với KGVT W nếu tồn tại đẳng cấu f : V → W . Trong
trường hợp này ta cũng nói V và W đẳng cấu với nhau.
Mệnh đề
Cho V và W là hai KGVT hữu hạn chiều trên K . Khi đó
V và W đẳng cấu với nhau ⇔ dim V = dim W .
Hệ quả
Mọi không gian thực số chiều n đều đẳng cấu với Rn .
14 / 52
4.2. Ma trận của ánh xạ tuyến tính 4.2.1. Ma trận của ánh xạ tuyến tính
Định nghĩa
a11 a12 ... a1n
a21 a22 ... a2n
Ma trận A = [f ]B,B0 = [[f (v1 )]B0 [f (v2 )]B0 · · · [f (vn )]B0 ] = . .. ..
.. ..
. . .
am1 am2 ... amn
0
được gọi là ma trận của f đối với cặp cở sở B và B .
[f (v )]B0 = A[v ]B , ∀v ∈ V .
Hơn nữa nếu B là ma trận sao cho [f (v )]B0 = B[v ]B , ∀v ∈ V , thì B = A.
rank(f ) = rank(A).
16 / 52
4.2. Ma trận của ánh xạ tuyến tính 4.2.1. Ma trận của ánh xạ tuyến tính
Ví dụ
Cho AXTT f : R3 → R2 xác định bởi f (x, y , z) = (x − y + z, x + 2y − z).
Tìm ma trận của f đối với cặp cơ sở chính tắc.
1
f (e1 ) = f (1, 0, 0) = (1, 1) và [f (e1 )] = .
1
−1
f (e2 ) = f (0, 1, 0) = (−1, 2) và [f (e2 )] = .
2
1
f (e3 ) = f (0, 0, 1) = (1, −1) và [f (e3 )] = .
−1
1 −1 1
Ma trận của f đối với cặp cơ sở chính tắc là .
1 2 −1
17 / 52
4.2. Ma trận của ánh xạ tuyến tính 4.2.1. Ma trận của ánh xạ tuyến tính
Ví dụ
Cho AXTT f : R3 → R2 xác định bởi f (x, y , z) = (x − y + z, x + 2y − z).
Tìm ma trận của f đối với cặp cơ sở
B = {v1 = (1, 0, 0), v2 = (1, 1, 0), v3 = (1, 1, 1)} và
B 0 = {w1 = (1, 0), w2 = (1, 1)}.
0
f (v1 ) = f (1, 0, 0) = (1, 1) và [f (v1 )]B0 = .
1
−3
f (v2 ) = f (1, 1, 0) = (0, 3) và [f (v2 )]B0 = .
3
−1
f (v3 ) = f (1, 1, 1) = (1, 2) và [f (v3 )]B0 = .
2
0 −3 −1
Ma trận của f đối với cặp cơ sở B và B 0 là .
1 3 2
18 / 52
4.2. Ma trận của ánh xạ tuyến tính 4.2.1. Ma trận của ánh xạ tuyến tính
Ví dụ
1 2 1
Cho ánh xạ tuyến tính f : R3 → P2 [x] có ma trận A = 1 −1 2 đối với cặp
2 1 −1
0
cơ sở B = {(1, 1, 1), (1, 1, 0), (0, 1, 1)} và B = {1, 1 + x, 1 + x 2 }. Tính f (2, 3, 2).
Ví dụ
1 2 1
Cho ánh xạ tuyến tính f : R3 → P2 [x] có ma trận A = 1 −1 2 đối với cặp
2 1 −1
cơ sở B = {(1, 1, 1), (1, 1, 0), (0, 1, 1)} và B 0 = {1, 1 + x, 1 + x 2 }. Tính f (2, 3, 2).
1
Đặt v = (2, 3, 2). Ta có [v ]B = 1 và
1
1 2 1 1 4
[f (v )]B0 = A[v ]B = 1 −1 2 1 = 2
2 1 −1 1 2
f (v ) = 4 · 1 + 2 · (1 + x) + 2 · (1 + x 2 ) = 8 + 2x + 2x 2 .
20 / 52
4.2. Ma trận của ánh xạ tuyến tính 4.2.1. Ma trận của ánh xạ tuyến tính
21 / 52
4.2. Ma trận của ánh xạ tuyến tính 4.2.1. Ma trận của ánh xạ tuyến tính
22 / 52
4.2. Ma trận của ánh xạ tuyến tính 4.2.1. Ma trận của ánh xạ tuyến tính
Hệ quả
Cho f : V → W là một ánh xạ tuyến tính. Gọi A là ma trận của f đối với cặp cơ
sở B và B 0 . Hai khẳng định sau là tương đương
f là đẳng cấu,
A khả nghịch.
Trong trường hợp này thì A−1 là ma trận của f −1 đối với cặp cơ sở B 0 và B.
23 / 52
4.2. Ma trận của ánh xạ tuyến tính 4.2.2. Ma trận của phép biển đối tuyến tính đối với một cơ sở
4.2.2. Trường hợp riêng: Ma trận của phép biển đối tuyến
tính đối với một cơ sở
[f (v )]B = A[v ]B , ∀v ∈ V .
Hơn nữa nếu B là ma trận sao cho [f (v )]B = B[v ]B , ∀v ∈ V , thì B = A.
24 / 52
4.2. Ma trận của ánh xạ tuyến tính 4.2.2. Ma trận của phép biển đối tuyến tính đối với một cơ sở
Chuyển cơ sở
Định lý
B = P −1 AP.
Chứng minh: Với mọi v ∈ V , ta có [f (v )]B = A[v ]B , [f (v )]B0 = B[v ]B0 ,
[v ]B = P[v ]B0 . Do vậy
Ví dụ
Cho BĐTT f : R2 → R2 , f (x, y ) = (2x − y , x + y ). Tìm ma trận của f đối với cơ
sở B = {(1, 0), (1, 1)}.
Cách 1:
1
f (1, 0) = (2, 1) ⇒ [f (1, 0)]B = .
1
−1
f (1, 1) = (1, 2) ⇒ [f (1, 1)]B = .
2
1 −1
Ma trận của f đối với cơ sở B là .
1 2
Cách 2:
2 −1
Gọi A là ma trận của f đối với cơ sở chính tắc ⇒ A = .
1 1
1 1
Gọi P là ma trận chuyển từ cơ sở chính tắc sang cơ sở B ⇒ P = .
0 1
Ma trận của f đối với cơ sở B là
−1 1 −1 2 −1 1 1 1 −1
P AP = =
0 1 1 1 0 1 1 2
26 / 52
4.2. Ma trận của ánh xạ tuyến tính 4.2.2. Ma trận của phép biển đối tuyến tính đối với một cơ sở
Ví dụ (CK20181-N2)
Cho AXTT f : R3 → R3 thỏa mãn f (1, 1, 0) = (3, 3, 9), f (2, −1, 1) = (−1, 3, 1),
f (0, 1, 1) = (1, 1, 3).
a) Lập ma trận của f đối với cơ sở chính tắc của R3 . [b)] Xác định f (3, 4, 5).
c) Xác định số chiều và một cơ sở của ker(f ).
Ví dụ (CK20181-N2)
Cho AXTT f : R3 → R3 thỏa mãn f (1, 1, 0) = (3, 3, 9), f (2, −1, 1) = (−1, 3, 1),
f (0, 1, 1) = (1, 1, 3).
a) Lập ma trận của f đối với cơ sở chính tắc của R3 .
Cách 2:
Gọi A là ma trận của f đối với cơ sở chính tắc. Khi đó, với mọi v ∈ R3 , ta có
[f (v )] = A[v ].
1 3 2 −1 0 1
A 1 = 3, A −1 = 3 , A 1 = 1.
0 9 1 1 1 3
1 2 0 3 −1 1 1 2 −1
A 1 −1 1 = 3 3 1 ⇔ A = 2 1 0 .
0 1 1 9 1 3 4 5 −2
28 / 52
4.2. Ma trận của ánh xạ tuyến tính 4.2.2. Ma trận của phép biển đối tuyến tính đối với một cơ sở
30 / 52
4.2. Ma trận của ánh xạ tuyến tính 4.2.3. Ma trận đồng dạng
Định nghĩa
Cho A và B là hai ma trận vuông cấp n. Ta nói A đồng dạng với B, ký hiệu
A ∼ B, nếu tồn tại ma trận khả nghịch P sao cho B = P −1 AP.
Nhận xét: Hai ma trận của cùng một biến đổi tuyến tính trong hai cơ sở khác
nhau là hai ma trận
đồng dạng với nhau.
2 −1 1 −1
Ví dụ: Ma trận đồng dạng với .
1 1 1 2
Bài tập (CK20181-N3) CMR nếu A ∼ B thì A4 ∼ B 4 .
Tính chất
Ta luôn có A ∼ A.
Nếu A ∼ B thì B ∼ A.
Nếu A ∼ B và B ∼ C thì A ∼ C .
Nếu A ∼ B thì det(A) = det(B) và rank(A) = rank(B).
31 / 52
4.3. Trị riêng và véctơ riêng 4.3.1. Trị riêng và véctơ riêng của ma trận
Chú ý: Có vô số véc tơ riêng ứng với một giá trị riêng λ. Chẳng hạn, nếu x là
một VTR ứng với λ thì cx, 0 6= c ∈ K , cũng là một VTR ứng với λ.
32 / 52
4.3. Trị riêng và véctơ riêng 4.3.1. Trị riêng và véctơ riêng của ma trận
Ví dụ
2 −3 1
Với A = ,x= . Ta có
4 −5 1
2 −3 1 −1
Ax = = = −x.
4 −5 1 −1
1
Vậy x = là môt véc tơ của A ứng với trị riêng λ = −1.
1
33 / 52
4.3. Trị riêng và véctơ riêng 4.3.1. Trị riêng và véctơ riêng của ma trận
Eλ = {x ∈ K n | Ax = λx}
là một không gian véc tơ con của K n và được gọi là không gian riêng của A ứng
với trị riêng λ.
Nhận xét: Eλ chính bằng tập hợp các véc tơ riêng của A đối với trị riêng λ cùng
với véc tơ 0 = (0, . . . , 0):
34 / 52
4.3. Trị riêng và véctơ riêng 4.3.1. Trị riêng và véctơ riêng của ma trận
det(A − λI ) = 0.
Giả sử λ là một trị riêng của A. Khi đó các véctơ của A ứng với trị riêng λ là
các nghiệm không tầm thường của hệ PTTT thuần nhất (A − λI )x = 0.
2 −3
Ví dụ: Cho A = . Tìm các trị riêng của A và các VTR ứng với trị riêng
4 −5
tìm được.
Phương trình đặc trưng
2−λ −3
0 = det(A − λI ) = = (2 − λ)(−5 − λ) + 12 = λ2 + 3λ + 2.
4 −5 − λ
Các trị riêng của A là λ = −1 và λ = −2.
VTR của A ứng với trị riêng λ = −1 là nghiệm không tầm thường của hệ
3 −3 x1 0 x1 1
(A − (−1)I )x = 0 ⇔ = ⇔ x1 − x2 = 0 ⇔ =t .
4 −4 x2 0 x2 1
1
Các véc tơ riêng của A ứng với trị riêng λ = −1 là t , t 6= 0.
1
VTR của A ứng với trị riêng λ = −2 là nghiệm không tầm thường của hệ
4 −3 x1 0 x 3
(A − (−2)I )x = 0 ⇔ = ⇔ 4x1 − 3x2 = 0 ⇔ 1 = t .
4 −3 x2 0 x2 4
3
Các véc tơ riêng của A ứng với trị riêng λ = −2 là t , t 6= 0.
4
36 / 52
4.3. Trị riêng và véctơ riêng 4.3.1. Trị riêng và véctơ riêng của ma trận
Ví dụ
1 2 −2
Cho A = −2 5 −2. Tìm các trị riêng và cơ sở của không gian riêng ứng với
−6 6 −3
từng trị riêng.
Không gian riêng Eλ=3 ứng với trị riêng λ = −3 là không gian nghiệm của hệ
thuần nhất
−2 2 −2 x1 0
(A − 3I )x = 0 ⇔ −2 2 −2 x2 = 0 ⇔ −x1 + x2 − x3 = 0
−6 6 −6 x3 0
x1 = a − b
⇔ x2 = a ( với a, b là hai tham số tùy ý).
x3 = b
x1 a−b 1 −1
Vậy x = x2 a = a 1 + b 0 .
x3 b 0 1
1 −1
Vậy Eλ=3 sinh bởi S = 1 , 0 .
0 1
38 / 52
4.3. Trị riêng và véctơ riêng 4.3.2. Trị riêng và véctơ riêng của phép biển đổi tuyến tính
4.3.2. Trị riêng và véctơ riêng của phép biển đổi tuyến tính
Định nghĩa
Một số λ ∈ K được gọi là một trị riêng của f nếu có v ∈ V , v 6= 0 sao cho
f (v ) = λv .
Trong trường hợp này, véc tơ v 6= 0 thỏa mãn điều kiện f (v ) = λv , được gọi
là một véc tơ riêng của f ứng với trị riêng λ.
Cho λ là một trị riêng của f . Tập hợp
Vλ = {v ∈ V | f (v ) = λv }
là một không gian véc tơ con của V và được gọi là không gian riêng của f
ứng với trị riêng λ.
39 / 52
4.3. Trị riêng và véctơ riêng 4.3.2. Trị riêng và véctơ riêng của phép biển đổi tuyến tính
Mệnh đề
Cho λ ∈ K và 0 6= v ∈ V . Khi đó
λ là GTR của f ⇔ λ là GTR của A,
v là VTR của f ứng với GTR λ ⇔ [v ]B là VTR của A ứng với GTR λ.
Chú ý: Đa thức đặc trưng của f không phụ thuộc vào cách chọn cơ sở B của V .
Điều này suy ra từ việc đa thức đặc trưng của hai ma trận đồng dạng là bằng
nhau.
40 / 52
4.3. Trị riêng và véctơ riêng 4.3.2. Trị riêng và véctơ riêng của phép biển đổi tuyến tính
Ví dụ (CK20181)
Cho BĐTT trên không gian R3 xác định bởi
f (1, 2, −1) = (2, 2, 4), f (2, 1, 3) = (1, 2, −1), f (1, 1, 2) = (2, 3, 1).
a) Xác định dim Imf b) Tìm các giá trị riêng của f .
41 / 52
4.3. Trị riêng và véctơ riêng 4.3.3. Chéo hóa ma trận và BĐTT
Nếu có một cơ sở của V như vậy, thì ta nói f chéo hóa được.
Gọi A là ma trận của f đối với một cơ sở B nào đó.
Xét B 0 là một cơ sở tùy ý. Gọi P là ma trận chuyển từ B sang B 0 .
Khi đó P là khả nghịch và ma trận của f đối với cơ sở B 0 là P −1 AP.
Bài toán 1 đưa về bài toán dạng ma trận sau đây.
Bài toán 2
Cho A là môt ma trận vuông, liệu tồn tại ma trận khả nghịch P sao cho
P −1 AP = D là ma trận chéo?
Nếu có một ma trận khả nghịch P như vậy, thì ta nói A chéo hóa được. Ta cũng
nói P làm chéo ma trận A. Quá trình tìm P khả nghịch và D ma trận chéo sao
cho P −1 AP = D được gọi là quá trình chéo hóa ma trận A.
42 / 52
4.3. Trị riêng và véctơ riêng 4.3.3. Chéo hóa ma trận và BĐTT
Mệnh đề
Cho BĐTT f : V → V , gọi A là ma trận của f đối với cơ sở B của V . Khi đó f
chéo hóa được khi và chỉ khi A chéo hóa được.
0 1
Ví dụ: Ma trận A = không chéo hóa được.
0 0
2 −3 1 3
Ví dụ: Ma trận A = chéo hóa được. Với P = ,
4 −5 1 4
−1 4 −3 2 −3 1 3 −1 0
P AP = = .
−1 1 4 −5 1 4 0 −2
43 / 52
4.3. Trị riêng và véctơ riêng 4.3.3. Chéo hóa ma trận và BĐTT
44 / 52
4.3. Trị riêng và véctơ riêng 4.3.3. Chéo hóa ma trận và BĐTT
Ví dụ
1 2 −2
Hãy chéo hóa ma trận A = −2 5 −2.
−6 6 −3
Mệnh đề
Giả sử v1 , . . . , vm là m véc tơ riêng của BĐTT f : V → V ứng với m trị riêng
phân biệt λ1 , . . . , λm . Khi đó hệ véc tơ {v1 , . . . , vm } là ĐLTT.
47 / 52
4.3. Trị riêng và véctơ riêng 4.3.3. Chéo hóa ma trận và BĐTT
[f ]B0 = diag[λ1 , . . . , λn ].
48 / 52
4.3. Trị riêng và véctơ riêng 4.3.3. Chéo hóa ma trận và BĐTT
Ví dụ
Cho AXTT f : P2 [x] → P2 [x] xác định bởi
f (a0 +a1 x +a2 x 2 ) = (a0 +2a1 −2a2 )+(−2a0 +5a1 −2a2 )x +(−6a0 +6a1 −3a2 )x 2 .
Tìm một cơ sở của P2 [x] để ma trận của f đối với cơ sở này có dạng chéo.
1 2 −2
Ma trận của f đối với cở chính tắc B = {1, x, x 2 } là A = −2 5 −2.
−6 6 −3
1 1 −1
Ta tìm được 3 VTR ĐLTT p1 = 1, p2 = 1, p3 = 0 .
3 0 1
Gọi v1 , v2 , v3 ∈ P2 [x] sao cho [v1 ]B = p1 , [v2 ]B = p2 , [v3 ]B = p3 .
Khi đó v1 = 1 + x + 3x 2 , v2 = 1 + x, v1 = −1 + x 2 .
Hệ {v1 , v2 , v3 } là một cơ sở của P2 [x] và f (v1 ) = −3v1 , f (v2 ) = 3v2 ,
f (v3 ) = 3v3 .
−3 0 0
Ma trận của f đối với cơ sở {v1 , v2 , v3 } là ma trận chéo 0 3 0
0 0 3
49 / 52
4.3. Trị riêng và véctơ riêng 4.3.3. Chéo hóa ma trận và BĐTT
Ghi chú
Ta cũng có thể sử dụng định lý sau để tính lũy thừa ma trận (khi A có đủ giá trị
riêng).
PA (A) = O.
51 / 52
4.3. Trị riêng và véctơ riêng 4.3.3. Chéo hóa ma trận và BĐTT