BÀI GIẢNG: ĐẠI SỐ TUYẾN TÍNH

Chương 1. Cấu trúc đại số và số phức

Chương 2. Ma trận, định thức, hệ phương trình đại số tuyến tính

Chương 3. Không gian vectơ

Chương 4. Ánh xạ tuyến tính, trị riêng và vectơ riêng

Chương 5. Dạng song tuyến tính, dạng toàn phương và không gian Euclide

TOÁN CAO CẤP A3 1

CHƯƠNG 4.

ÁNH XẠ TUYẾN TÍNH, TRỊ RIÊNG VÀ

VÉCTƠ RIÊNG

4.1 Ánh xạ tuyến tính

4.2 Trị riêng, vectơ riêng của toán tử
tuyến tính
4.3 Chéo hóa ma trận

2
 4.1 ÁNH XẠ TUYẾN TÍNH

4.1.1 Một số khái niệm về ánh xạ tuyến tính

v Định nghĩa ánh xạ tuyến tính
Ánh xạ 𝑓: 𝑉 → 𝑊 từ không gian vectơ V không gian vectơ W gọi
là ánh xạ tuyến tính hay một đồng cấu nếu nó có hai tính chất
sau:
(i) 𝑓 𝑢 + 𝑣 = 𝑓 𝑢 + 𝑓 𝑣 , ∀𝑢, 𝑣 ∈ 𝑉
(ii)𝑓 𝑘𝑢 = 𝑘𝑓 𝑢 , ∀𝑘 ∈ 𝑅, ∀𝑢 ∈ 𝑉
𝑓 𝑢 được gọi là ảnh của 𝑢.
Nếu V = W thì ánh xạ tuyến tính 𝑓 được gọi là một toán tử tuyến
tính hay tự đồng cấu.
TOÁN CAO CẤP A3 3
Ví dụ 1.
Giả sử V là kgvt, ánh xạ 1! : 𝑉 → 𝑉 xác định bởi
1! 𝛼 = 𝛼, ∀𝛼 ∈ 𝑉
là một ánh xạ tuyến tính.
Nó còn được gọi là đồng cấu đồng nhất trên V.

4
Ví dụ 2.
Xét ánh xạ 𝑓: 𝑅" → 𝑅# xác định bởi
𝑓(𝑥, 𝑦) = (𝑥, 𝑥 + 𝑦, 𝑥 − 𝑦)
Nếu 𝑢 = 𝑥$, 𝑦$ , 𝑣 = (𝑥", 𝑦") thì
𝑢 + 𝑣 = 𝑥$ + 𝑥", 𝑦$ + 𝑦"
Nên ta có: 𝑓 𝑢 + 𝑣 = 7 𝑥$ + 𝑥" , 𝑥$ + 𝑥" + 𝑦$ + 𝑦" , (𝑥$ +
𝑥") − 𝑦$ + 𝑦" 8

= 𝑥$, 𝑥$ + 𝑦$, 𝑥$ − 𝑦$ + 𝑥", 𝑥" + 𝑦", 𝑥" − 𝑦"

= 𝑓 𝑢 + 𝑓(𝑣)
Nếu k ∈ 𝑅 thì ku = (𝑘𝑥$, 𝑘𝑦$)
𝑓 𝑘𝑢 = 𝑘𝑥$, 𝑘 𝑥$ + 𝑘𝑦$, 𝑘𝑥$ − 𝑘𝑦$
= 𝑘 𝑥$, 𝑥$ + 𝑦$, 𝑥$ − 𝑦$ = 𝑘𝑓(𝑢)
Vậy ánh xạ 𝒇 đã cho là tuyến tính.
5
4.1.1 Một số khái niệm về ánh xạ tuyến tính
v Các tính chất của ánh xạ tuyến tính
Định lí. V và W là hai không gian vectơ. Nếu 𝑓: 𝑉 → 𝑊 là một
ánh xạ tuyến tính thì
a) 𝑓 𝜃% = 𝜃&
b) 𝑓 𝑟𝛼 + 𝑠𝛽 = 𝑟𝑓 𝛼 + 𝑠𝑓 𝛽 , ∀𝛼, 𝛽 ∈ 𝑉, 𝑟, 𝑠 ∈ 𝑅.

v Định nghĩa: Một số ánh xạ tuyến tính được gọi là

a) Đơn cấu nếu nó là một đơn ánh.
b) Toàn cấu nếu nó là một toàn ánh.
c) Đẳng cấu nếu nó đồng thời là đơn cấu và toàn cấu.

6
4.1.2 Các phép toán về ánh xạ tuyến tính
1) Giả sử V và W là hai kgvt và 𝑓: 𝑉 → 𝑊 𝑣à 𝑔: 𝑉 → 𝑊 là hai
ánh xạ tuyến tính từ 𝑉 tới W. Ta định nghĩa:
+ Tổng của hai ánh xạ tuyến tính:
∀𝑢 ∈ 𝑉, 𝑓 + 𝑔 𝑢 = 𝑓 𝑢 + 𝑔 𝑢 ∈ 𝑊
+ Tích của một ánh xạ tuyến tính với một số thực:
∀𝑢 ∈ 𝑉, 𝑘𝑓 𝑢 = 𝑘𝑓(𝑢) ∈ 𝑊

Chú ý: 𝑓 + 𝑔 và k𝑓 cũng là những ánh xạ tuyến tính từ V tới

W.

2) Giả sử V, W, U là ba kgvt và 𝑓: 𝑉 → 𝑊, 𝑔: 𝑊 → 𝑈 là hai ánh

xạ tuyến tính.
Khi đó ánh xạ hợp g ∘ 𝑓 xác định bởi ∀𝑣 ∈ 𝑉, g ∘ 𝑓 𝑣 ∈ 𝑈 là
một ánh xạ tuyến tính từ V tới U.
7
4.1.3 Hạt nhân, ảnh và hạng của ánh xạ tuyến tính

v Định nghĩa.
Giả sử V và W là hai kgvt và 𝑓: 𝑉 → 𝑊 là một ánh xạ tuyến tính.
Khi đó tập tất cả các phần tử của V có ảnh là 𝜃 ∈ 𝑊 gọi là hạt
nhân của 𝑓, kí hiệu là
Ker 𝑓 = 𝛼 𝛼 ∈ 𝑉, 𝑓 𝛼 = 𝜃
Tập tất cả các phần tử của W là ảnh của ít nhất một phần tử của
V gọi là ảnh của 𝑓, kí hiệu là
Im 𝑓 = {𝛽|𝛽 ∈ 𝑊, ∃𝛼 ∈ 𝑉, 𝑓 𝛼 = 𝛽}
Như vậy Im 𝑓 = 𝑓(𝑉).

Ví dụ 3A. Xét ánh xạ 𝑓: 𝑉 → 𝑊 là ánh xạ không.

Tìm Ker 𝑓 và Im 𝑓.
Giải: ∀𝑣 ∈ 𝑉: 𝑓 𝑣 = θ ⇒ Im𝑓 = θ, Ker𝑓 = 𝑉

8
Ví dụ 3B. Xét ánh xạ 𝑇: 𝑅' → 𝑅( là ánh xạ nhân với ma trận
A ∈ 𝑀(×' . Tìm Ker 𝑇 và Im 𝑇 .

Giải: Ta có 𝑇: 𝑅' → 𝑅(
𝑥 ⟼ 𝐴𝑥
𝐾𝑒𝑟 𝑇 = {𝑥 ∈ 𝑅' |𝐴 𝑥 = θ}
𝐼𝑚 𝑇 = {𝑦 ∈ 𝑅( |∃𝑥 ∈ 𝑅' : 𝐴 𝑥 = [𝑦]}

9
Ví dụ 4A. Cho ánh xạ 𝑓: 𝑅* → 𝑅# xác định bởi 𝑓 𝑎$, 𝑎", 𝑎#, 𝑎* =
(𝑎$, 𝑎", 0). Tìm Im 𝑓 và Ker 𝑓.

Giải: ∀𝑢 = 𝑎$, 𝑎", 𝑎#, 𝑎* , 𝑣 = 𝑏$, 𝑏", 𝑏#, 𝑏* ∈ 𝑅' , ta có:

𝑓 𝑢 + 𝑣 = 𝑓 𝑎$ + 𝑏$, 𝑎" + 𝑏", 𝑎# + 𝑏#, 𝑎* + 𝑏*
= 𝑎$ + 𝑏$, 𝑎" + 𝑏", 0 = 𝑎$, 𝑎", 0 + 𝑏$, 𝑏", 0 = 𝑓 𝑢 + 𝑓 𝑣
𝑓 𝑘𝑢 = 𝑓 𝑘𝑎$, 𝑘𝑎", 𝑘𝑎#, 𝑘𝑎* = 𝑘𝑎$, 𝑘𝑎", 0 = 𝑘 𝑎$, 𝑎", 0
= 𝑘𝑓(𝑢)
⇒ 𝒇 là ánh xạ tuyến tính
𝐼𝑚 𝑓 = {(𝑎$, 𝑎", 0)|𝑎+ ∈ 𝑅, 𝑖 = 1,2}
𝐾𝑒𝑟 𝑓 = 𝑎$, 𝑎", 𝑎#, 𝑎* 𝑓 𝑎$, 𝑎", 𝑎#, 𝑎* = 𝑎$, 𝑎", 0 = 0,0,0
= ( 0,0, 𝑎#, 𝑎* |0 ∈ 𝑅, 𝑎+ ∈ 𝑅, 𝑖 = 3,4}

10
Ví dụ 4B. Cho ánh xạ ℎ ∶ 𝑅" → 𝑅# xác định bởi
ℎ 𝑎$, 𝑎" = (𝑎$, 𝑎", 𝑎$ − 𝑎").
Tìm Im ℎ và Ker ℎ.
Giải:

𝐼𝑚 ℎ = 𝑎$, 𝑎", 𝑎$ − 𝑎" ∀𝑎+ ∈ 𝑅, 𝑖 = 1,2

𝐾𝑒𝑟 ℎ = 𝑎$, 𝑎" 𝑓 𝑎$, 𝑎" = 𝑎$, 𝑎", 𝑎$ − 𝑎" = 0,0,0

= 𝑎$, 𝑎" 𝑎$ = 𝑎" = 0 = (0,0)

11
4.1.3 Hạt nhân, ảnh và hạng của ánh xạ tuyến tính

v Tính chất của hạt nhân và ảnh.

Định lí.
Nếu V và W là hai kgvt và 𝑓: 𝑉 → 𝑊 là một ánh xạ tuyến tính thì
a Ker 𝑓 là một không gian con của V.
b Im 𝑓 là không gian con của W.

12
4.1.3 Hạt nhân, ảnh và hạng của ánh xạ tuyến tính

v Hạng của ánh xạ tuyến tính.

Định nghĩa.
Nếu V và W là hai kgvt và 𝑓: 𝑉 → 𝑊 là một ánh xạ tuyến tính thì
số chiều của Im 𝑓 gọi là hạng của 𝑓 và kí hiệu là rank 𝑓:
rank 𝑓 = dim(Im 𝑓)

13
4.1.3 Hạt nhân, ảnh và hạng của ánh xạ tuyến tính
v Liên hệ về số chiều của ảnh, hạt nhân và không gian nguồn
Định lí.
Giả sử 𝑓: 𝑉 → 𝑊 là một ánh xạ tuyến tính. Khi đó
dim V = dim Im𝑓 + dim(Ker𝑓)

14
Ví dụ 5. Cho ánh xạ tuyến tính 𝑓: 𝑅* → 𝑅" xác định bởi
𝑓 𝑎$, 𝑎", 𝑎#, 𝑎* = (𝑎$ − 𝑎", 𝑎#).
Tìm số chiều của Im 𝑓 và của Ker 𝑓.

Giải: Ta có
𝑓 1,0,0,0 = 1,0
𝑓 0,1,0,0 = −1,0
𝑓 0,0,1,0 = 0,1
𝑓 0,0,0,1 = (0,0)
1 −1 0 0
⇒𝐴= ⇒𝑟 𝐴 =2
0 0 1 0

⇒ dim 𝐼𝑚 𝑓 = 2 và dim 𝑅* = 4

⇒ dim 𝐾𝑒𝑟 𝑓 = 4 − 2 = 2

15
 4.2 TRỊ RIÊNG, VECTƠ RIÊNG CỦA TOÁN TỬ TUYẾN TÍNH
4.2.1 Một số định nghĩa bổ trợ

v Ma trận của ánh xạ tuyến tính

Định nghĩa.
Cho 𝑉 𝑣à 𝑊 là kgvt với hai cơ sở lần lượt là 𝐵$ =
𝑢$, 𝑢", … , 𝑢' 𝑣à 𝐵" = 𝑣$, 𝑣", … , 𝑣( , axtt 𝑓: 𝑉 → 𝑊 mà

𝑓 𝑢$ = 𝑎$$𝑣$ + 𝑎"$𝑣" + ⋯ + 𝑎($𝑣( 𝑎!! 𝑎!" … 𝑎!$

𝑎 𝑎"" … 𝑎"$
𝑓 𝑢" = 𝑎$"𝑣$ + 𝑎""𝑣" + ⋯ + 𝑎("𝑣( 𝐴 = "! ⋮ ⋮ ⋮
⋱
............................................................... 𝑎#! 𝑎#" … 𝑎#$
𝑓 𝑢' = 𝑎$' 𝑣$ + 𝑎"' 𝑣" + ⋯ + 𝑎(' 𝑣(
Ma trận 𝐀 = 𝒇 𝒖𝟏 𝑩𝟐 𝒇 𝒖𝟐 𝑩𝟐 … 𝒇 𝒖𝒏 𝑩𝟐 ∈ 𝑀(×' (𝑅)
được gọi là ma trận của ánh xạ tuyến tính 𝑓 đối với cơ sở 𝐵$ và
𝐵".
TOÁN CAO CẤP A3 16
ØTrường hợp riêng: Giả sử 𝐵$ 𝑣à 𝐵" là các cơ sở chính tắc
trong 𝑅' 𝑣à 𝑅( thì ma trận A tương ứng được gọi là ma trận
chính tắc của 𝑓.
Ví dụ 6A. Tìm ma trận chính tắc của ánh xạ tuyến tính 𝑓: R" →
R# được xác định bởi 𝑓 𝑎$, 𝑎" = (𝑎$ + 2𝑎", 3𝑎$ − 𝑎", 4𝑎$).

Giải: 𝐸" = 𝑒$ = 1,0 , 𝑒" = 0,1 ;

𝐸# = 𝑒$0 = 1,0,0 , 𝑒"0 = 0,1,0 , 𝑒#0 = 0,0,1
Ta có: 𝑓 𝑒$ = 𝑓 1,0 = 1,3,4 = 𝑒$0 + 3𝑒"0 + 4𝑒#0
𝑓 𝑒" = 𝑓 0,1 = 2, −1,0 = 2𝑒$0 − 𝑒"0
Vậy ma trận chính tắc của f là
1 2
𝐴 = 3 −1
4 0
17
Ví dụ 6B. Tìm ma trận chính tắc của ánh xạ tuyến tính 𝑓: R" →
R" được xác định bởi (các vectơ viết ở dạng cột)
𝑥$ 𝑥$ + 2𝑥"
𝑓 𝑥 =
" 𝑥$ − 𝑥"

Giải:
1 1
𝑓 𝑒$ = 𝑓 =
0 1
0 2
𝑓 𝑒" = 𝑓 =
1 −1
1 2
Vậy ma trận chính tắc của 𝑓 là 𝐴 =
1 −1

18
Ví dụ 6C. Tìm ma trận chính tắc của ánh xạ tuyến tính 𝑓: R# → R*
𝑥$ 𝑥$ + 2𝑥"
𝑥 𝑥$ − 𝑥"
được xác định bởi 𝑓 " =
𝑥# 𝑥#
𝑥$

Giải:
𝟏 𝟐 𝟎
𝑨= 𝟏 −𝟏 𝟎
𝟎 𝟎 𝟏
𝟏 𝟎 𝟎

19
Ví dụ 6D. a) Cho ánh xạ tuyến tính 𝑇: P$ → 𝑃" được xác định bởi
𝑇 𝑝 𝑥 = 𝑥𝑝 𝑥 . Tìm ma trận của T đối với các cơ sở
𝐵 = 𝑢$ = 1, 𝑢" = 𝑥 𝑣à 𝐵0 = {𝑢$0 = 1, 𝑢"0 = 𝑥, 𝑢#0 = 𝑥 "}
b) Giả sử v = 1 − 2x. Hãy tính T(v)

Giải: a) Ta có: 𝑇 𝑢$ = 𝑇 1 = 𝑥; 𝑇 𝑢" = 𝑥 "

0 0
⇒𝐴= 1 0
0 1
b) v = 1 − 2x ⇒ T v = T 1 − 2x = x 1 − 2x = x − 2x "

20
v Cách tính ảnh T(x) của x, ta có sơ đồ sau:

(1) Tính ma trận tọa độ

Tính trực tiếp 𝑥 1 của 𝑥
𝑥 𝑇(𝑥)
(2) 𝐴 𝑥 1 = 𝑇 𝑥 10

(3) Tái tạo 𝑇(𝑥) từ

𝑥 𝑇 𝑥 10
𝑇 𝑥 10
1
Nhân
𝐴𝑥1

21
4.2.2 Trị riêng và vectơ riêng của toán tử tuyến tính
v Toán tử tuyến tính
Ta gọi 𝑓: 𝑉 → 𝑉 là toán tử tuyến tính.

v Trị riêng, vectơ riêng của toán tử tuyến tính

Định nghĩa.
Giả sử V là một kgvt, 𝑓: 𝑉 → 𝑉 là một toán tử tuyến tính. Vectơ
𝛼 ≠ θ của V được gọi là một vectơ riêng của 𝑓 nếu tồn tại một số
λ ∈ 𝑅 sao cho 𝑓 𝛼 = λ𝛼.
+ Số λ được gọi là giá trị riêng của 𝑓 ứng với vectơ riêng 𝛼.
+ Nếu A là ma trận của toán tử tuyến tính 𝑓 thì giá trị riêng của 𝑓
cũng được gọi là giá trị riêng của ma trận A.

22
Ví dụ 7
Cho 𝑓: 𝑅" → 𝑅" là toán tử tuyến tính có ma trận đối với cơ sở
chính tắc E" là
2 4
𝐴=
−1 −3
• 𝑓 có hai giá trị riêng là 𝜆$ = 1, 𝜆" = −2,
• 𝛼 = (4, −1) là vectơ riêng ứng với 𝜆$, 𝛽 = (1, −1) là vectơ
riêng ứng với 𝜆".

23
Có những toán tử tuyến tính mà mọi vectơ khác 𝛉 đều là vectơ
riêng.
Ví dụ 8.
Giả sử 𝑓: 𝑉 → 𝑉 là toán tử tuyến tính của R-không gian vectơ V,
xác định bởi 𝑓 𝛼 = 3𝛼 với mọi 𝛼 ∈ 𝑉. Rõ ràng mọi vectơ khác θ
của V đều là vectơ riêng ứng với giá trị riêng 𝜆 = 3.

Có những toán tử tuyến tính không có vectơ riêng nào.

Ví dụ 9.
𝑓: 𝑅" → 𝑅" là toán tử tuyến tính xác định bởi
𝑓 𝑎$, 𝑎" = (−𝑎", 𝑎$)
không có vectơ riêng nào.

24
4.2.2 Trị riêng và vectơ riêng của toán tử tuyến tính

vPhương trình đặc trưng

Định nghĩa.
Giả sử A là ma trận của toán tử tuyến tính 𝑓.
• Phương trình det 𝐴 − 𝜆𝐼 = 0 là phương trình đặc trưng
• Đa thức det 𝐴 − 𝜆𝐼 gọi là đa thức đặc trưng của toán tử
tuyến tính 𝑓.

25
Ví dụ 10.
1 2 −2
Tìm phương trình đặc trưng của ma trận 𝐴 = 3 −1 −1
−2 1 5

1−𝜆 2 −2
Giải: Ta có: 𝐴 − 𝜆𝐼 = 3 −1 − 𝜆 −1
−2 1 5−𝜆
Vậy phương trình đặc trưng của A là:
1−𝜆 2 −2
det(𝐴 − 𝜆𝐼) = 0 ⟺ 3 −1 − 𝜆 −1 = 0
−2 1 5−𝜆
"
⟺ 2 − 𝜆 𝜆 − 3𝜆 − 16 = 0

26
 3 2
Ví dụ 11. a) Tìm các trị riêng của ma trận 𝐴 =
−1 0
−2 −1
b) Tìm các trị riêng của ma trận 𝐴 =
5 2

27
4.2.2 Trị riêng và vectơ riêng của toán tử tuyến tính

v Chú ý.

Phương trình đặc trưng của ma trận A cấp n là phương trình bậc n

đối với 𝜆, ta biết nó có n nghiệm thực hoặc phức, đơn hoặc bội,

vì thế một ma trận cấp n có n trị riêng thực hoặc phức, đơn hoặc

bội.

28
4.2.2 Trị riêng và vectơ riêng của toán tử tuyến tính

Định nghĩa.
Vectơ riêng của ma trận A ứng với trị riêng 𝜆 là nghiệm khác
không của phương trình A𝑥 = 𝜆𝑥. Đó là những vectơ khác không
trong không gian nghiệm của phương trình
𝐴 − 𝜆𝐼 𝑥 = 0
Ta gọi không gian nghiệm của phương trình trên là không gian
riêng của A ứng với 𝝀.

29
Ví dụ 12. Tìm các trị riêng và vectơ riêng của ma trận
1 2 −2
𝐴= 1 0 3
1 3 0
Giải: Ta có phương trình đặc trưng là:
1 − 𝜆 2 −2
det(𝐴 − 𝜆𝐼) = 0 ⟺ 1 −𝜆 3 = 0
1 3 −𝜆
"
⟺ 1 − 𝜆 𝜆 − 9 = 0 ⇒ 𝜆 = 1; 3; −3
+) Với 𝜆 = 1, ta có hệ phương trình
0𝑥$ + 2𝑥" − 2𝑥# = 0
𝑥" = 𝑥#
• 𝑥$ − 𝑥" + 3𝑥# = 0 ⟺ ‘𝑥 + 2𝑥 = 0
$ "
𝑥$ + 3𝑥" − 𝑥# = 0
Ta được nghiệm tổng quát là (−2𝑐, 𝑐, 𝑐).
Cho c = 1, ta được vectơ riêng là u$ = (−2,1,1)
+) Tương tự với 𝜆 = 3, ta có vectơ riêng 𝑢" = (0,1,1) và với 𝜆 = −3,
ta có vectơ riêng là 𝑢# = (6, −7,5) 30
Ví dụ 13. Tìm các cơ sở của không gian riêng của ma trận
3 −2 0
𝐴 = −2 3 0
0 0 5
Giải: Phương trình đặc trưng det(𝐴 − 𝜆𝐼) = 0
3−𝜆 −2 0
𝜆 = 5 (bội 2)
⟺ −2 3 − 𝜆 0 =0⟺[
𝜆=1
0 0 5−𝜆
2𝑥$ − 2𝑥" = 0 𝑥$ = 𝑥"
+) Với 𝜆 = 1, ta có hệ: •−2𝑥$ + 2𝑥" = 0 ⟺ ‘ 𝑥 = 0
#
4𝑥# = 0
Ta có nghiệm tổng quát (𝑥$, 𝑥$, 0).
Không gian riêng 𝑊$ tương ứng có số chiều = dim 𝑅# − 2 = 1.
Cho 𝑥$= 1, ta có cơ sở là vectơ riêng: 𝑣$ = (1,1,0)

31
Ví dụ 13. Tìm các cơ sở của không gian riêng của ma trận
3 −2 0
𝐴 = −2 3 0
0 0 5
Giải: Phương trình đặc trưng det(𝐴 − 𝜆𝐼) = 0
3−𝜆 −2 0
𝜆 = 5 (bội 2)
⟺ −2 3 − 𝜆 0 =0⟺[
𝜆=1
0 0 5−𝜆

+) Với 𝜆 = 5, ta có: −2𝑥$ − 2𝑥" = 0 ⇒ 𝑥$ = −𝑥"

Ta có nghiệm tổng quát (𝑥$, −𝑥$, 𝑥#). Không gian riêng 𝑊" có số
chiều = dim 𝑅# − 1 = 2.
Chọn 𝑥$ = 1, 𝑥# = 0 ta được 𝑢$ = (1, −1,0).
Chọn 𝑥$ = 0, 𝑥# = 1 ta được 𝑢" = (0,0,1).
Hệ {𝑢$, 𝑢"} là cơ sở của 𝑊".

32
Ví dụ 14A. Cho toán tử tuyến tính 𝑓: 𝑅# → 𝑅# có ma trận đối với
cơ sở chính tắc là
1 −4 −8
𝐴 = −4 7 −4
−8 −4 1
Tìm các trị riêng và với mỗi không gian riêng tìm một cơ sở.
Giải: Ta có phương trình đặc trưng:
1−𝜆 −4 −8
−4 7 − 𝜆 −4 = 0
−8 −4 1 − 𝜆
⟺ 𝜆+9 𝜆−9 " =0
𝜆 = 9 (bội 2)
⟺[
𝜆 = −9
10𝑥$ − 4𝑥" − 8𝑥# = 0
+) Với 𝜆 = −9, ta có hệ •−4𝑥$ + 16𝑥" − 4𝑥# = 0 .
−8𝑥$ − 4𝑥" + 10𝑥# = 0
Ta có nghiệm TQ là (2c, c, 2c). Cho c = 1, ta có vectơ riêng (2,1,2). 33
Ví dụ 14A. Cho toán tử tuyến tính 𝑓: 𝑅# → 𝑅# có ma trận đối với
cơ sở chính tắc là
1 −4 −8
𝐴 = −4 7 −4
−8 −4 1
Tìm các trị riêng và với mỗi không gian riêng tìm một cơ sở.
−8𝑥$ − 4𝑥" − 8𝑥# = 0
Giải: +) Với 𝜆 = 9, ta có hệ •−4𝑥$ − 2𝑥" − 4𝑥# = 0
−8𝑥$ − 4𝑥" − 8𝑥# = 0
⇒ 2𝑥$ + 𝑥" + 2𝑥# = 0
Ta được nghiệm TQ là (𝑐$, −2𝑐$ − 2𝑐#, 𝑐#). Hạng của ma trận pt
này bằng 1, nên dim 𝑊" = dim 𝑅# − 1 = 2
Cho c$ = 1, 𝑐# = 0 , ta có vectơ riêng 𝑣$ = 1, −2,0 .
Cho c$ = 0, 𝑐# = 1 , ta có vectơ riêng 𝑣" = 0, −2,1 .
Hệ vectơ {𝑣$, 𝑣"} là 1 cơ sở của không gian riêng 𝑊".
34
Ví dụ 14B. Cho toán tử tuyến tính 𝑇: 𝑃" → 𝑃" xác định bởi
𝑇 𝑎 + 𝑏𝑥 + 𝑐𝑥 " = 3𝑎 − 2𝑏 + −2𝑎 + 3𝑏 𝑥 + 5𝑐 𝑥 "
Tìm các trị riêng và với mỗi không gian riêng tìm một cơ sở.
Giải:
3 −2 0
Ta có ma trận 𝐴 = −2 3 0 .
0 0 5
Sử dụng kết quả VD 13, ta có:
+) Với 𝜆 = 1, ta có vectơ riêng: 𝑣$ = 1,1,0
⇒ {𝑝$ = 1 + 𝑥} là cơ sở.
+) Với 𝜆 = 5 (bội 2), ta có vectơ riêng:
𝑢$ = 1, −1,0 , 𝑢" = 0,0,1
⇒ {p" = 1 − x, p# = x "} là cơ sở.

35
4.2.3 Trị riêng của ma trận đồng dạng
Ma trận đồng dạng
v Định nghĩa.
Giả sử A và B là hai ma trận vuông cùng cấp n.
Hai ma trận A và B được gọi là đồng dạng nếu có một ma trận T
sao cho 𝐵 = 𝑇 2$𝐴𝑇. Kí hiệu: 𝐴 ~ 𝐵
§ Nếu 𝐴 ~ 𝐵 thì B ~ 𝐴

v Hệ quả.
Hai ma trận đồng dạng khi và chỉ khi chúng là hai ma trận của
một tự đồng cấu.

v Định lí.
Hai ma trận đồng dạng có cùng một đa thức đặc trưng, nghĩa là có
các trị riêng như nhau.
36
Ví dụ 15.
Hai ma trận sau có đồng dạng không?
3 2 1 2
𝐴= , 𝐵=
4 1 4 3

37
 4.3 CHÉO HÓA MA TRẬN

4.3.1 Định nghĩa ma trận chéo hóa

Định nghĩa.
Một ma trận vuông được gọi là chéo hóa được nó đồng dạng với
một ma trận chéo.

8 −5
Ví dụ 16. Ma trận 𝐴 = chéo hóa được.
10 −7
1 −1 −2 0
Thật vậy, với 𝑇 = và 𝐵 = ta có:
−2 1 0 3
−1 −1
𝑇 2$ = .
−2 −1
Vì 𝐴 = 𝑇 2$𝐵𝑇 nên 𝐴 ~ 𝐵.
TOÁN CAO CẤP A3 38
4.3.2 Điều kiện để ma trận chéo hóa được
v Định lí.
Một ma trận vuông cấp n chéo hóa được khi và chỉ khi nó có n
vectơ riêng độc lập tuyến tính.

v Hệ quả.
Nếu A là ma trận vuông cấp n mà đa thức đặc trưng det 𝐴 − 𝜆𝐼
có n nghiệm phân biệt thì A chéo hóa được.

39
Ví dụ 17. Trong các ma trận sau, ma trận nào chéo hóa được? Nếu
được hãy đưa nó về dạng chéo.
1 0 0
1 −1 2 1
𝑎) , 𝑏) , 𝑐) 1 −1 1 ,
1 3 2 3
2 0 1
−1 3 −1
𝑑) −3 5 −1
−3 3 1

Giải:
1−𝜆 −1
a) = 0 ⟺ 𝜆 − 2 " = 0 ⟺ 𝜆 = 2 (bội 2)
1 3−𝜆
=> 1 vectơ riêng (1, -1).
1 −1
Vậy không chéo hóa được.
1 3

40
Ví dụ 17. Trong các ma trận sau, ma trận nào chéo hóa được? Nếu
được hãy đưa nó về dạng chéo.
1 0 0
1 −1 2 1
𝑎) , 𝑏) , 𝑐) 1 −1 1 ,
1 3 2 3
2 0 1
−1 3 −1
𝑑) −3 5 −1
−3 3 1
2−𝜆 −1 𝜆$ = 1
b) =0⟺ 𝜆−1 𝜆−4 =0⟺¯
2 3−𝜆 𝜆" = 4
2 1
Vậy chéo hóa được.
2 3
𝟏 𝟎
Ta có ma trận chéo là .
𝟎 𝟒

41
Ví dụ 17. Trong các ma trận sau, ma trận nào chéo hóa được? Nếu
được hãy đưa nó về dạng chéo.
1 0 0
𝑐) 𝐴 = 1 −1 1
2 0 1
1−𝜆 0 0
c) 1 −1 − 𝜆 1 = 0 ⟺ 1 − 𝜆 " −1 − 𝜆 = 0
2 0 1−𝜆
𝜆$ = −1
⟺¯
𝜆" = 1 (bội 2)
Với 𝜆$ = −1, ta suy ra 1 vectơ riêng (0, 1, 0).
Với 𝜆" = 1, ta suy ra 1 vectơ riêng (0, 1, 2).
Nhưng A là ma trận cấp 3 => Vậy A không chéo hóa được.

42
Ví dụ 17. Trong các ma trận sau, ma trận nào chéo hóa được? Nếu
được hãy đưa nó về dạng chéo.
−1 3 −1
𝑑) 𝐴 = −3 5 −1
−3 3 1
−1 − 𝜆 3 −1 𝜆$ = 1
d) −3 5−𝜆 −1 = 0 ⟺ ¯
𝜆" = 2 (bội 2)
−3 3 1−𝜆
Với 𝜆$ = 1, ta suy ra 1 vectơ riêng (1, 1, 1).
Với 𝜆" = 2, ta suy ra 2 vectơ riêng (1, 0, -3) và (0, 1, 3).
Xét 3 vectơ riêng: a(1, 1, 1) + b(1, 0, -3) +c(0, 1, 3) = (0, 0, 0)
Þ a = b = c = 0.
Þ 3 vec tơ riêng này độc lập tuyến tính
Ma trận A cấp 3 có 3 vec tơ riêng độc lập tuyến tính nên A chéo
hóa được.
1 0 0
Ma trận chéo : 0 2 0
0 0 2 43
4.3.3 Quá trình chéo hóa ma trận

Bước 1: Tìm n vectơ độc lập tuyến tính của A:

𝑝$, 𝑝", … , 𝑝'
Bước 2: Lập ma trận P có 𝑝$, 𝑝", … , 𝑝' là các cột.
Bước 3: Ma trận 𝑃2$𝐴𝑃 sẽ là ma trận chéo với 𝜆$, 𝜆", … , 𝜆' là
các phần tử chéo liên tiếp, trong đó 𝜆+ là trị riêng ứng với 𝑝+ , i =
1,2, … , n.

44
Ví dụ 18. Tìm ma trận P làm chéo hóa ma trận
3 −2 0
𝐴 = −2 3 0
0 0 5
Giải: Từ VD 13 ta có:
−1 0 1
Bước 1: 𝜆 = 5 ⇒ 𝑝$ = 1 , 𝑝" = 0 ; 𝜆 = 1 ⇒ 𝑝# = 1
0 1 0
−1 0 1 −1/2 1/2 0
Bước 2: 𝑃 = 1 0 1 ⇒ 𝑃2$ = 0 0 1
0 1 0 1/2 1/2 0
Bước 3:
−1/2 1/2 0 3 −2 0 −1 0 1
𝑃2$𝐴𝑃 = 0 0 1 −2 3 0 1 0 1
1/2 1/2 0 0 0 5 0 1 0
5 0 0
= 0 5 0
0 0 1 45
Ví dụ 19. Chéo hóa ma trận sau:
0 1 0
𝐴= 1 0 1
0 1 0
−1 1
Giải: B1: 𝜆 = 0 ⇒ 𝑝$ = 0 , 𝜆 = 2 ⇒ 𝑝" = 2 ;
1 1
1
𝜆 = − 2 ⇒ 𝑝# = − 2
1
−1 1 1 −1/2 0 1/2
B2: 𝑃 = 0 2 − 2 ⇒ 𝑃2$ = 1/4 1/2 2 1/4
1 1 1 1/4 −1/2 2 1/4
0 0 0
B3: 𝑃2$𝐴𝑃 = 0 2 0
0 0 − 2
46
Ví dụ 19. Chéo hóa ma trận sau:
2 −2 0
𝐵 = −2 1 −2
0 −2 0
−1 1/2
Giải: B1: 𝜆 = 1 ⇒ 𝑝$ = 1/2 , 𝜆 = −2 ⇒ 𝑝" = 1 ;
1 1
2
𝜆 = 4 ⇒ 𝑝# = −2
1
−1 1/2 2 −4/9 −2/9 4/9
B2: 𝑃 = 1/2 1 −2 ⇒ 𝑃2$ = 2/9 4/9 4/9
1 1 1 2/9 −2/9 1/9
1 0 0
B3: 𝑃2$𝐴𝑃 = 0 −2 0
0 0 4

47