10/11/2019

NỘI DUNG

o Subspaces of Rn
o Spanning sets
o Independence
o Bases of vector spaces
o Dimensions
o Column space and row space of a matrix

KHÔNG GIAN VECTƠ CHƯƠNG 3

10/10/2019 1 10/10/2019 2

KHÁI NIỆM KHÔNG GIAN VEC TƠ TÍNH CHẤT

x 1 x .0 0

10/10/2019 3 10/10/2019 4

KHÔNG GIAN R3 VECTOR N CHIỀU

V1 x 1, x2 , x 3 | x1, x 2, x 3 R
(x1, x2) // vector in R 2
Phép cộng hai vec tơ: (x1, x2, x3) // vector in R 3
x y x1, x 2, x 3 y1, y2, y 3 x1 y1, x 2 y2, x 3 y3
(x1, x2, x3, x4) // vector in R 4
Phép nhân vec tơ với một số: (x1, x2, …, xn) // vector in Rn
x . x1, x2 , x 3 x1, x2, x 3
A vector (x1, x2, …, xn) in Rn is also called a point in Rn.
Sự bằng nhau của hai vec tơ: x1 y1
(0, 0, …, 0): the zero vector in Rn
x y x2 y2
x3 y3

 V1 là không gian vec tơ. Ký hiệu: R3

Tương
10/10/2019tự ta có không gian R
n
5 10/10/2019 6

1
 10/11/2019

PHÉP CỘNG VÀ NHÂN VÔ HƯỚNG TRONG R N EXAMPLES

u = u1, u2, …, un) Given two vectors u = (2, -1, 1, 2), v = (3, 1, 2, -1)
 Find u + v
v = (v1, v2, …, vn) u + v = (5, 0, 3, 1)
Vector addition:  Find ½u
½u = (1, - ½, ½,1)
u + v = (u1 + v1, u2 + v2, …, un + vn)
 Find -3v
Scalar multiplication: -3v = (-9, -3, -6, 3)
cv = (cv1, cv2, …, cvn)  And find 3u - 2v
3u + 2v = (0, -5, -1, 8)

10/10/2019 7 10/10/2019 8

KHÔNG GIAN P2[X] KHÔNG GIAN M2[R]

a b
V2 ax2 bx c | a, b, c R V3 : a, b, c, d R
c d
Phép cộng hai vec tơ: phép cộng hai đa thức. Phép cộng hai vec tơ: phép cộng hai ma trận.
Phép nhân vec tơ với một số: phép nhân đa thức với một Phép nhân vec tơ với một số: phép nhân ma trận với một
số số
Sự bằng nhau của hai vec tơ: hai vec tơ bằng nhau là hai Sự bằng nhau của hai vec tơ: hai vec tơ bằng nhau là hai
đa thức bằng nhau (các hệ số tương ứng bằng nhau) ma trận bằng nhau.

 V2 là không gian vec tơ. Ký hiệu: P2[x]  V3 là không gian vec tơ. Ký hiệu: M2[R]
Tương tự ta có không gian Pn[x] Tương tự ta có không gian Mn[R]
10/10/2019 9 10/10/2019 10

KGVT CON KHÔNG GIAN VECTO CON CỦA RN

 Không gian vecto con A nonempty subset V is called a subspace of Rn if:

 0 = 0, 0, … , 0  𝑉
 Không gian sinh bởi một họ vecto
 𝑢, 𝑣  𝑉  𝑢, 𝑣 𝑉 for all 𝑣𝑒𝑐𝑡𝑜𝑟𝑠 𝑢, 𝑣.
 Biểu thị tuyến tính (tổ hợp tuyến tính)  v 𝑉  𝑘𝑣 𝑉 for any 𝑣𝑒𝑐𝑡𝑜𝑟 𝑣, and any number k
 Độc lập tuyến tính Example. V = {(a, a, 0) | a  R}
 Phụ thuộc tuyến tính  (0, 0, 0) is in V
 If (a, a, 0) and (b, b, 0) are in V then (a + b, a + b, 0) is in V
 If v=(a, a, 0) is in V then cv = (ca, ca, 0) is in V
V is a subspace of R3.

10/10/2019 11 10/10/2019 12

2
 10/11/2019

SOME EXAMPLES OF SETS THAT ARE

NOT SUBSPACES OF R N: SOME EXAMPLES OF SETS THAT ARE
NOT SUBSPACES OF R N:
 0 = 0, 0, … , 0  𝑉
 𝑢, 𝑣 𝑉  𝑢 + 𝑣 𝑉
𝑢 = 0,1,1 , 𝑣 = (1,0,0)
 𝑣 𝑉  𝑘𝑣 𝑉
U=
V=
 0 = 0, 0, … , 0  𝑉
W=  𝑢, 𝑣 𝑉  𝑢 + 𝑣 𝑉 𝑢 = 0,1,1 , 𝑣 = 1,0,0 // in V
 𝑣 𝑉  𝑘𝑣 𝑉 V = {(a, b, c) | a = 0 or b = 0}
𝑢+ 𝑣 = (1, 1, 1) // not in V

V = {(a, b, c) | a = b or a = -b}

𝑢 = 1,1,0 , 𝑣 = (1, −1,0) // in V

but u + v is not in V
10/10/2019 13 10/10/2019 14

Key = a

SUBSPACE OR NOT? VÍ DỤ_BIỂU THỊ TUYẾN TÍNH

Cho các vecto u = (1, -1, 2), v = (2, 1, 3), w = (1, -3, 1).
Hãy viết vecto w dưới dạng tổ hợp tuyến tính của hai
vecto u và v (nếu được)
Điều này có nghĩa là tìm các hệ số a, b sao cho:
w = au + bv w = 2u - v
(1, -3, 1) = a(1, -1, 2) + b(2, 1, 3) a + b =1
-a + b = -3
w u v
2a + 3b = 1
= (a + b, -a + b, 2a + 3b)  a = 2, b = -1

10/10/2019 15 10/10/2019 16

TỔ HỢP TUYẾN TÍNH (LINEAR COMBINATION) LINEAR COMBINATION

Given u = (1, -1, 2), v = (-2, 0, 3) and w = (-3, 2, 1)
Write x = (1, 0, 2) as a linear combination of u, v,
and w.
We find numbers a, b, c such that:
x = au + bv + cw
(1, 0, 2) = a(1, -1, 2) + b(-2, 0, 3) + c(3, 2, 1)
(1, 0, 2) = (a -2b + 3c, -a + 2c, 2a + 3b + c)
1a -2b + 3c = 1
-1a + 0b + 2c = 0 a = 2, b = -1, c = 1
2a + 3b + 1c = 2  x = 2u –v + w

10/10/2019 17 10/10/2019 18

3
 10/11/2019

VÍ DỤ SPANNING SETS

V = span{𝑢, 𝑣} = {a𝑢 + 𝑏𝑣| a, b in R}

1  (1,3, 2);  2  (0,1, 1); 3  (2,0, 3)

u
  (2,1, 1) V
v

V = span{𝑢, 𝑣, 𝑤} = {a𝑢 + 𝑏𝑣+ c𝑤| a, b, c in R}.

We also say {u, v, w} spans V
a𝑢 + 𝑏𝑣+ c𝑤 is called a linear combination of 𝑢, 𝑣, and 𝑤.

10/10/2019 19 10/10/2019 20

SPANNING SETS - EXAMPLES KHÔNG GIAN CON SINH BỞI HỌ VECTƠ

Given V = span{(-1, 2, 1), (3, -5, -1)} Cho tập hợp các vec tơ:
a. (-1, 1, 1) V? M v1, v2 ,..., vn
b. Find m such that (-2, 1, m)V.
Solution. Tập hợp tất cả các tổ hợp tuyến tính các vec tơ của M
tạo thành một không gian vec tơ.
a. (-1, 1, 1) = a(-1, 2, 1) + b(3, -5, -1) -a + 3b = -1
2a – 5b = 1
(-1, 1, 1) = (-a + 3b, 2a – 5b, a –b) a– b=1 span M v1, v2 ,..., vn span v 1, v 2,..., vn

-a + 3b = -2
b. (-2, 1, m) = a(-1, 2, 1) + b(3, -5, -1) 2a – 5b = 1 Span(M) là không gian vecto con, sinh bởi một họ vec
a– b=m tơ

10/10/2019 21 10/10/2019 22

VÍ DỤ BÀI TẬP
Find m such that (-1, -2, m) lies in the subspace spanned by the
vectors 1. Find the values of t for which (2, -1, t) lies in the
(1, 2, -3), (-1, -1, 5) and (2, 5, -4). subspace spanned by the vectors (-1, 1, 0) and (2, -3, -
1).
Solution.
We want the system below has solution a, b, c: 2. For what values of x does the vector (1, 1, x) is a linear
combination of the vectors (1, 0, -3) and (-2, 1, 5)?
(-1, -2, m) = a(1, 2, -3) + b(-1, -1, 5) + c(2, 5, -4)
(-1, -2, m) = (a -2b + 2c, 2a –b +5c, -3a + 5b -4c) 3. Find the values of m such that (4, -2, -1, m) lies in the
a – b + 2c = -1
1 −1 2 −1 1 −1 2 −1 subspace spanned by the vectors (1, 0, -1, 1), (1, 0, 0,
2a – b + 5c = -2
2 −1 5 −2 0 1 1 0 1), and (2, -1, 1, 0).
−3 5 −4 𝑚 0 2 2 𝑚 −3
-3a + 5b – 4c = m

1 −1 2 −1
0 1 1 0 m=3
0 0 0 𝑚 −3

10/10/2019 23 10/10/2019 24

4
 10/11/2019

Key = d, e, b Key = e, c, a

SPANNING SETS. LINEAR COMBINATIONS. SPANNING SETS. LINEAR COMBINATIONS.

Let X = (-1, -3, 3) and U = span{Y = (1, 0, 3), Z = (1, 1, 1)}. If X is in U, write X =aY + bZ,
then find the sum a+b.
a) X is not in U b) a+b = -1
c) a+b = 4 d) a+b = 0 e) None of these

10/10/2019 25 10/10/2019 26

SPANNING SETS. LINEAR COMBINATIONS. ĐỘC LẬP TUYẾN TÍNH

Một tập hợp các vecto {v1, v2, …, vn} được gọi là độc
lập tuyến tính (linearly independent) nếu hệ phương
trình:
t1𝑣1+ t2𝑣2+ ... + tn𝑣𝑛= 0
Chỉ có nghiệm tầm thường:
Suppose V = span{(1, -1, 0), (2, -1, 1), (-1, 0, 1)}. Find all values of t such that (1, t1 = t2 = … = tn = 0
2, t) V.
a) t is arbitrary b) t = 3/2 c) t = 3 d) t = -1

10/10/2019 27 10/10/2019 28

DO YOURSELF

Độc lập tuyến tính

 số phần tử cơ sở =
Số vecto

10/10/2019 29 10/10/2019 30

5
 10/11/2019

VÍ DỤ VÍ DỤ
Các hệ vec tơ sau đây là độc lập tuyến tính hay phụ thuộc Trong không gian R3 cho hệ vec tơ:
tuyến tính?
a) 1  (1,2,3); 2  (2,1,0); 3  (0,1, 2) M  1,1,1;  2,1,3 ; 1,2,0 
b) 1  (2,4); 2  ( 1, 2)
1) Hệ vec tơ M độc lập tuyến tính hay phụ thuộc tuyến
tính?
2) Vec tơ x=(2,-1,3) có biểu thị tuyến tính được qua hệ M
không?

10/10/2019 31 10/10/2019 32

TỔNG HỢP XÉT SỰ ĐỘC LẬP TUYẾN TÍNH

10/10/2019 33 10/10/2019 34

XÉT TỔ HỢP TUYẾN TÍNH XÉT ĐỘC LẬP TUYẾN TÍNH TRONG RN

Trong Rn cho hệ vec tơ M  1 , 2 , , m 

1  (a11 , a12 , , a1n )   a11 a12 a1n 

 2  (a21, a22 , , a2 n )  a a22 a2 n 
 A  
21

..............................   
 
 m  (am1, am 2 , , amn )   am1 am 2 amn 

• Hệ M độc lập tuyến tính khi và chỉ khi rank A=m (số véc
tơ của hệ)
• Hệ M phụ thuộc tuyến tính khi và chỉ khi rank A<m.
10/10/2019 35 10/10/2019 36

6
 10/11/2019

VÍ DỤ CƠ SỞ - SỐ CHIỀU CỦA KGVT

Xét tính độc lập tuyến tính hay phụ thuộc tuyến tính của
các hệ véc tơ sau đây trong không gian đã chỉ ra  Tập sinh
a) 1  (1,1,0), 2  (0,1,1), 3  (1,0,1 trong R 3  Cơ sở
 Số chiều
b) 1  (1,1,0,0),  2  (0,1,1,0), 3  (2,3,1,0) trong R 4

10/10/2019 37 10/10/2019 38

TẬP SINH CỦA KHÔNG GIAN VECTO VÍ DỤ

Hệ này có nghiệm
x 1
1, 1,1 2
1, 2,1 3
2, 3,1 với mọi x nên mọi
2 x1 vec tơ x của không
1 2 3
2 3 x2
gian R3 đều là tổ
1 2 3
hợp tuyến tính
x3
1 2 3
của hệ vec tơ M

10/10/2019 39 10/10/2019 40

VÍ DỤ CƠ SỞ - SỐ CHIỀU
Hệ vec tơ
M gọi là cơ
sở của
không gian
vec tơ V
nếu nó độc
Hệ này có thể vô lập tuyến
x 1, 1, 1 2, 3, 1 3, 4, 0 nghiệm nên vẫn tính và mọi
1 2 3
có vec tơ x của vec tơ của
2 3 x1 không gian
1 2 3
không gian R3
1
3 2
4 3
x2
không là tổ hợp V đều biểu
1 2
x3 tuyến tính của hệ thị tuyến
vec tơ M tính được
qua M.
10/10/2019 41 10/10/2019 42

7
 10/11/2019

ĐỊNH LÝ VÍ DỤ
Giả sử V là không gian hữu hạn chiều. Khi đó:
1) Tồn tại vô số cơ sở của không gian vec tơ V Choose a set of 3 vectors
And this set must be linearly independent
2) Số lượng vec tơ trong mọi cơ sở đều bằng nhau.

Định lý. Trong không gian Rn, một tập hợp gồm đúng
n vecto là cơ sở của Rn khi và chỉ khi các vecto này
độc lập tuyến tính.

10/10/2019 43 10/10/2019 44

SỐ CHIỀU CỦA KGVT VÍ DỤ

Số chiều = số lượng vecto trong cơ sở

dim(Rn) = n
If U  V then dim(U)  dim(V)
 dim(subspace)  3 = dim(R3) 1 1 -3 2
 Dimension is not 4 or more than 4 2 -2 2 0
Dim( ) = 2 = number of leading ones -1 1 -1 0

1 1 -3 2 1 1 -3 2
0 -4 8 -4 0 1 -2 1
0 2 -4 2 0 0 0 0

10/10/2019 45 10/10/2019 46

CƠ SỞ CHÍNH TẮC TRONG Rn TÍNH CHẤT

Trong Rn ta dễ dàng chứng tỏ tập E sau đây là cơ sở. Cho không gian vec tơ V có số chiều là n, dimV=n
n
E 1, 0, ..., 0 ; 0,1, 0,..., 0 ;...; 0, 0..., 0,1 R

e1  (1,0, ,0)
e2  (0,1, ,0)
Đặt: ta gọi đây là cơ sở chính tắc của R n
..................
en  (0, 0,1)

dim  Rn   n

10/10/2019 47 10/10/2019 48

8
 10/11/2019

VÍ DỤ HẠNG CỦA HỌ VEC TƠ

A) Kiểm tra tập hợp sau có là cơ sở của R3 Cho hệ vec tơ:

M 1,1,1 ; 2, 3,1 ; 3,1, 0
B) Kiểm tra tập hợp sau có là tập sinh của R3
M 1, 1,1 ; 2, 0,1 ; 1,1, 0 ; 1, 2,1
M x 1, x 2, ..., x n
Một tập hợp con các vecto của M được gọi là hệ con độc
lập tuyến tính tối đại nếu:
+ Hệ độc lập tuyến tính
+ Nếu thêm bất kỳ véc tơ khác nào của hệ M vào hệ con
đó ta đều nhận được một hệ một hệ phụ thuộc tuyến
tính

10/10/2019 49 10/10/2019 50

TÌM HỆ CON ĐỘC LẬP TUYẾN TÍNH TỐI ĐẠI,

HẠNG CỦA HỌ VEC TƠ
+ Một hệ véc tơ có thể có nhiều hệ con độc lập tuyến tính
tối đại khác nhau
+ Số véc tơ của các hệ con độc lập tuyến tính tối đại thì
luôn bằng nhau.
Hạng của hệ vec tơ M là số tối đại các vec tơ độc lập
tuyến tính của M. Ký hiệu là rank(M)
HẠNG CỦA HỆ VÉC TƠ TRONG Rn
Trong Rn cho hệ gồm m vec tơ sau:
M x 1, x 2 ,..., x n
Để tìm hệ độc lập tuyến tính tối đại:
1) Lập ma trận A có các hàng là các vec tơ xi
2) Dùng các phép biến đổi sơ cấp trên hàng đưa A về
dạng ma trận bậc thang A’.
3) Khi đó hạng của hệ M chính bằng hạng của ma trận A
và hệ con độc lập tuyến tính tối đại của M gồm các véc tơ
ứng với các dòng khác 0 của ma trận bậc thang A’.

10/10/2019 51 10/10/2019 52

VÍ DỤ VÍ DỤ
Trong R4 cho hệ vec tơ sau: Trong R4 cho các hệ vec tơ sau:

M  (1,1,2,2),(2,3,6,6),(3,4,8,8),(5,7,14,14),(8,11,22,22) a) M  1  (1, 1,0,1),  2  (1,0, 1, 2),  3  (0,1, 1,2)

M   x1 , x2 , x3 , x4 , x5  b) N  1,1,1,0  ; 1, 2,1,1 ;  2,3, 2,1; 1,3,1, 2 

Tìm hạng của hệ vec tơ và chỉ ra một hệ độc lập tuyến Tìm hạng của hệ vec tơ và chỉ ra một hệ độc lập tuyến
tính tối đại của nó tính tối đại của nó

10/10/2019 53 10/10/2019 54

9
 10/11/2019

TÍNH CHẤT HẠNG CỦA HỌ VEC TƠ HỌ VEC TƠ HÀNG – HỌ VEC TƠ CỘT

1) Hạng của họ vec tơ M không đổi nếu ta nhân một vec tơ Cho ma trận A: 1 1 1 0
của M với một số khác không. 1 2 1 1
A
2) Cộng vào một vec tơ của họ M một vec tơ khác đã được 2 3 2 1
nhân với một số thì hạng không đổi 1 3 1 2
Họ vec tơ hàng của A:
3) Thêm vào họ M một vec tơ x là tổ hợp tuyến tính của M
thì hạng không thay đổi. M 1,1,1, 0 ; 1, 2,1,1 ; 2, 3, 2,1 ; 1, 3,1, 2
Chú ý. Nếu rank(M)= k0 thì:
+ Tồn tại k0 vec tơ độc lập tuyến tính của M Họ vec tơ cột của A: 1 1 1 0
1 2 1 1
+ Mọi tập hợp chứa nhiều hơn k0 vectơ đều phụ thuộc tuyến N ; ; ;
tính. 2 3 2 1
1 3 1 2

10/10/2019 55 10/10/2019 56

ĐỊNH LÝ VỀ HẠNG VÍ DỤ

Định lý. Cho A là ma trận cỡ m x n Tìm hạng của hệ vec tơ sau:

Hạng của ma trận A bằng với hạng của họ vec tơ hàng A. M 1, 1,1, 0 ; 1,1, 1,1 ; 2, 3,1,1 ; 3, 4, 0, 2
Hạng của ma trận A bằng với hạng của họ vec tơ cột của
A. Giải.
rank A rank colA rank rowA M là họ vec tơ hàng của ma trận A nên hạng của M bằng
với hạng của ma trận A.
1 1 1 0
1 1 1 1
A
2 3 1 1
3 4 0 2

10/10/2019 57 10/10/2019 58

VÍ DỤ KGVT HÀNG – CỘT VÀ HẠNG CỦA MA TRẬN

Tìm tất cả các số thực m để họ vec tơ sau phụ thuộc A is a mxn matrix  rank(A)  m, rank(A)  n
tuyến tính
Row space Column space
M 1, 1, 0 ; 1, 2,1 ; m, 0, 1
Row space of a matrix Column space of a matrix
Row(A) = span{row1, row2, Col(A) = span{col1, col2, …,
…, rowm} coln}
(rows = vectors) dim(row(A)) = dim(col(A)) =
rank(A)

10/10/2019 59 10/10/2019 60

10
 10/11/2019

VÍ DỤ Dim(col(A)) = rank(A)

10/10/2019 61 10/10/2019 62

KHÔNG GIAN NGHIỆM CỦA HỆ PHƯƠNG TRÌNH KHÔNG GIAN NGHIỆM CỦA HỆ PHƯƠNG TRÌNH
TUYẾN TÍNH THUẦN NHẤT TUYẾN TÍNH THUẦN NHẤT

Xét hệ thuần nhất Định lý. L là không gian vec tơ con của Rn và:
dim L  n  r  A 
a11 x1  a12 x2   a1n xn  0 Cơ sở: hệ nghiệm cơ sở của hệ
a x  a x   a x  0
 21 1 22 2 2n n
Ta gọi L là không gian nghiệm của hệ phương trình tuyến
  A. X  0
 tính thuần nhất.
am1 x1  am 2 x2   amn xn  0

 
Đặt: L  x   x1 , x2 ,..., xn   R n : A.X  0
Là tập hợp tất cả các nghiệm của hệ thuần nhất.

10/10/2019 63 10/10/2019 64

VÍ DỤ KHÔNG GIAN NGHIỆM HỆ THUẦN NHẤT

Tìm cơ sở và số chiều của không gian nghiệm của các hệ

phương trình thuần nhất.

 x1  2 x2  x3  x4  0

a) 2 x1  4 x2  3 x3 =0
 x  2 x  x +5x =0
 1 2 3 4

 x1  2 x2  x3  3x4  4 x5  0

b) 2 x1  4 x2  2 x3  7 x4  5 x5  0 dim(solution space) = n – r // n: số biến trong hệ,
2 x  4 x  2 x  4 x  2 x  0 r : hạng của ma trận hệ số
 1 2 3 4 5

10/10/2019 65 10/10/2019 66

11
 10/11/2019

VÍ DỤ NULL SPACE AND IMAGE SPACE OF A MATRIX

Null space of a matrix A: Image space:

Null(A) = {X :AX = 0} Im(A) = {all image AX: X in
(solution space of a Rn}
homogeneous system) Im(A) = col(A)
dim(null(A)) = n – r dim(im(A)) = dim(col(A))
= rank(A)

Dim(G) = n – r = 3 – 1 = 2  a basis for G contains 2 vectors

 c, e, b impossible
In other hand, (1, 0, 0) is not in G  can not be d, f
a

10/10/2019 67 10/10/2019 68

VÍ DỤ TỌA ĐỘ CỦA VECTO

 Tọa độ
 Đổi tọa độ
 Ma trận chuyển cơ sở
 Không gian nghiệm của hệ phương trình tuyến tính
thuần nhất

10/10/2019 69 10/10/2019 70

TỌA ĐỘ CỦA VEC TƠ VÍ DỤ

10/10/2019 71 10/10/2019 72

12
 10/11/2019

TÍNH CHẤT Ý NGHĨA

10/10/2019 73 10/10/2019 74

VÍ DỤ ĐỔI CƠ SỞ TRONG KGVT

10/10/2019 75 10/10/2019 76

ĐỊNH LÝ & VÍ DỤ VÍ DỤ
Trong kgvt R3 cho 2 cơ sở:
B1 e1 1, 0, 0 ; e2 0, 1, 0 ;e3 0, 0,1

B2 u1 2, 1, 3 ; u2 1, 0,1 ; u3 0, 1, 2

A) Viết ma trận chuyển cơ sở từ B1 sang B2

B) Tìm tọa độ của vec tơ x=(3,-1,0) đối với cơ sở B2.

Ghi chú. Cơ sở B1 gọi là cơ sở chính tắc của R3

10/10/2019 77 10/10/2019 78

13
 10/11/2019

GIẢI DOT PRODUCT

A) Ma trận chuyển cơ sở từ B1 sang B2: 𝑢 = (x1, y1, z1, w1), 𝑣 = (x2, y2, z2, w2)
2 1 0 vector  vector // dot product:
TB 1 0 1 𝑢𝑣 = x1x2 + y1y2 + z1z2 + w1w2
1
B2
3 1 2 = a number
𝑢𝑣= 0  orthogonal // trực giao
B) Tọa độ của vec tơ x=(3,-1,0) đối với cơ sở B2 là: Length of a vector:
1 𝑣 = 𝑣𝑣 = x12 + y12 + z12 + w12
3 2 1 0 3
1
Distance between 𝑢, 𝑣 :
x TB B1
x TB B2
1 1 0 1 1
B2 2 B1 1
Dist(𝑢, 𝑣 ) = 𝑢 − 𝑣
0 3 1 2 0
1 2 1 3 5
x 1 4 2 1 7
B2
1 1 1 0 4

10/10/2019 79 10/10/2019 80

PROPERTIES KIỂM TRA GIỮA KỲ 60’

1) Cho các ma trận:

3 4 6 1 2
A 0 1 1 B 0 1
3 4 3 7

A) Tìm điều kiện để ma trận A khả nghịch.

B) Giải phương trình sau biết detA=-1.
XA 3B

10/10/2019 81 10/10/2019 82

GIẢI BÀI 1 BÀI 2

det A 12 4 0 6 9 0 3 2
Tính các định thức:
3
det A 0
2 2 8 6 8 2 8 6 8 2 1 0 0
det A 1 3 2 1 2 3 9 5 10  0 9 6 8  0 9 6 8
A   
3 4 6 1 2 2 3 0 1 2 3 0 1 2 3 0 1 2
1
A 0 1 1 A 2 0 3 1 4 0 6 1 4 0 6 1 4 0 6
2 3 4 2 1 3
0 1 0 0
1 2 18 6 8 6 6 4 2 6 4
18 9 6 8
B 0 1 A   3 1 2  6 1 1 1  6 0 1 1  36
3 0 1 2
3 7 9 0 6 3 0 3 0 0 3
9 4 0 6
X .A3.3 3B3.2 vo nghiem

10/10/2019 83 10/10/2019 84

14
 10/11/2019

BÀI 2 BÀI 3
Tính các định thức: Giải và biện luận hệ phương trình tuyến tính sau:
x 1 1 1 x 3 1 1 1 1 1 1 1  x1  x2  mx3  m
1 x 1 1  x 3 x 1 1  1 x 1 1 
B
1 1 x 1


x 3 1 x 1
  x  3
1 1 x 1  m x1  2 x2   2m  2 x3  4
x 3  x  x  3x3  2m  3
1 1 1 x 1 1 x 1 1 1 x
 1 2
1 1 1 1
0 x 1 0 0
A   x  3   x  3 x  1
3
0 0 x 1 0
0 0 0 x 1

10/10/2019 85 10/10/2019 86

GIẢI
1 1 m GIẢI
D m 2  2m  2   m 2  m  6
1 1 3 1 1 m

m 1 m
D m 2  2m  2   m2  m  6  0  m  2  m  3
1 1 3
D1  4 2  2m  2   2m 2  4m  6
m  2  D  0, D1  0
 2m  3  1 3
m  3  D  0, D1  D2  D3  0
1 m m
D2  m 4  2 m  2   2 m 3  4 m 2  8m  6
1  2 m  3 3
1 1 m
D3  m 2 4  m2  m  6
1 1  2m  3 
10/10/2019 87 10/10/2019 88

BÀI 4 BÀI 4
Cho các vec tơ sau:
v1 = (2,3,1,2), v2 = (1,2,3,−1), A) Phụ thuộc tuyến tính
v3 = (7,12,11,1), v4 = (4,m,−3,n). B) m=5, n=20

A) Hệ vec tơ { v1, v2, v3} là độc lập tuyến tính hay phụ thuộc
tuyến tính?
B) Tìm m,n để v4 là tổ hợp tuyến tính của { v1, v2, v3 }.

10/10/2019 89 10/10/2019 90

15