Notes

Chương 4.
Không gian vecto nhiều chiều Rn

Ngày 15 tháng 10 năm 2022

Chương 4. Không gian vecto nhiều chiều Rn 1 / 27

Bài 1. Khái niệm vecto n chiều, không gian vecto,

Notes
không gian Euclide Rn
1. Vecto n chiều và các phép toán

Định nghĩa vecto n chiều

Một vecto n chiều x là một bộ n số thực có thứ tự

(x1 , x2 , ..., xn ), xi ∈ R, i = 1, n kí hiệu x = (x1 , x2 , ..., xn ).

Tập hợp các vecto n chiều kí hiệu là Rn .

Hai vecto cùng chiều được gọi là bằng nhau khi và chỉ khi các thành phần
tương ứng bằng nhau.

Chương 4. Không gian vecto nhiều chiều Rn 2 / 27

Định nghĩa các phép toán vecto Notes

1 Phép cộng hai vecto cùng chiều: x = (x1 , x2 , ..., xn ), y = (y1 , y2 , ..., yn ).
Định nghĩa
x + y = (x1 + y1 , x2 + y2 , ..., xn + yn )
2 Phép nhân một số với một vecto: x = (x1 , x2 , ..., xn ), λ ∈ R. Định nghĩa

λx = (λx1 , λx2 , ..., λxn )

Chú ý
Vecto không của Rn là bộ n số không (0, 0, ..., 0). Kí hiệu θ = (0, 0, ..., 0).
Định nghĩa vecto đối của vecto x = (x1 , x2 , ..., xn ) kí hiệu là

−x = (−1)x = (−x1 , −x2 , ..., −xn ).

Định nghĩa phép trừ của hai vecto x = (x1 , x2 , ..., xn ); y = (y1 , y2 , ..., yn ). là

x − y = x + (−1)y = (x1 − y1 , x2 − y2 , ..., xn − yn ).

Chương 4. Không gian vecto nhiều chiều Rn 3 / 27

Tính chất
Notes
Với mọi số x, y, z ∈ Rn , mọi số λ, β ∈ R.
1 Phép cộng có tính chất giao hoán:

x+y =y+x

2 Phép cộng có tính chất kết hợp:

(x + y) + z = x + (y + z)

3 x + θ = x.
4 Vecto đối của x thỏa mãn điều kiện
x + (−x) = θ
5 1x = x
6 Phép nhân vecto với số có tính chất phân phối với phép cộng vecto
α(x + y) = αx + αy
7 Phép nhân vecto với số có tính chất phân phối với phép cộng số
(α + β)x = αx + βx
8 (αβ)x = α(βx)
Chương 4. Không gian vecto nhiều chiều Rn 4 / 27
2. Không gian vecto Rn
Notes

Định nghĩa
Tập hợp các vecto n chiều với hai phép toán cộng vecto và nhân một số với
một vecto thỏa mãn 8 tính chất đặc trưng ở trên được gọi là không gian vecto.
Không gian vecto n chiều cũng kí hiệu là Rn .

Chương 4. Không gian vecto nhiều chiều Rn 5 / 27

Bài 2. Sự phụ thuộc tuyến tính, sự độc lập tuyến tính

Notes
1. Tổ hợp tuyến tính

Định nghĩa
Cho một hệ vecto {α1 , α2 , ..., αm } trong không gian Rn . Vecto x được gọi là tổ
hợp tuyến tính (hay biểu diễn tuyến tính qua) các vecto {α1 , α2 , ..., αm } nếu:

x = λ1 α1 + λ2 α2 + ... + λm αm ,

trong đó λ1 , λ2 , ..., λm là các số thực.

Chương 4. Không gian vecto nhiều chiều Rn 6 / 27

 Notes
Liên hệ giữa tổ hợp tuyến tính với hệ phương trình tuyến tính
Giả sử x = (x1 , x2 , ..., xn ) và α1 = (α11 , α12 , ..., α1n ), α2 = (α21 , α22 , ..., α2n ), ...,
αm = (αm1 , αn2 , ..., αmn ).
Khi đó để x là tổ hợp tuyến tính của {α1 , α2 , ..., αm } như sau

x = λ1 α1 + λ2 α2 + ... + λm αm

khi và chỉ khi hệ phương trình với ẩn là λ1 , λ2 , ..., λm sau có nghiệm:

λ1 α11 + λ2 α21 + · · · + λm αm1 = x1




 λ1 α12 + λ2 α22 + · · · + λm αm2 = x2



 ···

 ··· ··· ··· ··· ··· ··· ··· ···
 λ1 α1n + λ2 α2n + · · · + λm αmn = xn



α11 α21 · · · αm1   λ1   x1 

    
α α22 · · · αm2   λ2   x2 
⇔  12    =   có nghiệm.

 · · · · · · · · · · · ·   · · ·  · · ·
α1n α2n · · · αmn λm
    
xn

Chương 4. Không gian vecto nhiều chiều Rn 7 / 27

2. Sự phụ thuộc tuyến tính, sự độc lập tuyến tính

Notes

Định nghĩa
Trong không gian Rn hệ vecto {α1 , α2 , ..., αm } được gọi là:
Độc lập tuyến tính nếu, nếu có

λ1 α1 + λ2 α2 + ... + λm αm = θ.

thì λ1 = λ2 = ... = λm = 0
Phụ thuộc tuyến tính nếu hệ không độc lập tuyến tính nghĩa là, tồn tại m
số thực λ1 , λ2 , ..., λm không đồng thời bằng 0 sao cho:

λ1 α1 + λ2 α2 + ... + λm αm = θ.

Chương 4. Không gian vecto nhiều chiều Rn 8 / 27

Liên hệ với hệ phương trình tuyến tính thuần nhất Notes
Giả sử
α1 = (α11 , α12 , ..., α1n ), α2 = (α21 , α22 , ..., α2n ), ..., αm = (αn1 , αn2 , ..., αmn ).
Khi đó hệ {α1 , α2 , ..., αm } phụ thuộc tuyến tính tức là tồn tại m số thực
λ1 , ..., λm không đồng thời bằng 0 sao cho

θ = λ1 α1 + λ2 α2 + ... + λm αm

khi và chỉ khi hệ phương trình với ẩn là λ1 , λ2 , ..., λm sau có nghiệm không
tầm thường:

λ1 α11 + λ2 α21 + · · · + λn αn1 = 0




 λ1 α12 + λ2 α22 + · · · + λn αn2 = 0



 ··· ··· ··· ··· ··· ··· ··· ··· ···


 λ1 α1n + λ2 α2n + · · · + λn αnn = 0



α11 α21 · · · αm1   λ1   0 

    
α α22 · · · αm2   λ2   0 
⇔  12    =   có nghiệm không tầm thường.

 · · · · · · · · · · · ·   · · ·  · · ·
α1n α2n · · · αmn λm 0

Chương 4. Không gian vecto nhiều chiều Rn 9 / 27

Tính chất
Notes
1 Tính chất 1. Hệ phụ thuộc tuyến tính khi và chỉ khi hệ có một vecto biểu
diễn tuyến tính qua các vecto còn lại.
2 Hệ quả. Mọi hệ vecto có chứa vecto không đều phụ thuộc tuyến tính.
Hệ con của hệ vecto là một hệ vecto gồm một số (hoặc tất cả) các vecto
của hệ.
3 Tính chất 2. Nếu một hệ chứa hệ con phụ thuộc tuyến tính thì hệ phụ
thuộc tuyến tính.
4 Hệ quả 1. Hệ độc lập tuyến tính thì mọi hệ con của nó độc lập tuyến tính.
5 Hệ quả 2. Nếu trong một hệ có hai vecto tỉ lệ với nhau thì hệ phụ thuộc
tuyến tính.
6 Tính chất 3. (Bổ đề cơ bản về sự phụ thuộc tuyến tính) Trong không gian
Rn cho hai hệ vecto: {α1 , α2 , ..., αm } và hệ {β1 , β2 , ..., βp }. Giả sử m > p và
mỗi vecto của hệ {α1 , α2 , ..., αm } biểu diễn tuyến tính qua vecto của hệ
{β1 , β2 , ..., βp }. Khi đó hệ {α1 , α2 , ..., αm } phụ thuộc tuyến tính.
7 Hệ quả. Trong không gian vecto V nếu hai hệ vecto {α1 , α2 , ..., αm } và
{β1 , β2 , ..., βp } cùng độc lập tuyến tính, và mỗi vecto của hệ này biểu diễn
tuyến tính qua vác vecto của hệ kia thì hai hệ đó có số vecto bằng nhau.
Chương 4. Không gian vecto nhiều chiều Rn 10 / 27
Bài 3. Hạng của hệ vecto
Notes
1. Định nghĩa, tính chất
Trong không gian vecto Rn cho hệ vecto {α1 , α2 , ..., αm }.

Định nghĩa
Hệ vecto {α1 , α2 , ..., αm } trong Rn có hạng là r nếu tồn tại hệ con r vecto của
nó độc lập tuyến tính và mọi hệ con có nhiều hơn r vecto của nó đều phụ
thuộc tuyến tính. Kí hiệu r(α1 , α2 , ..., αm ).

Chú ý:
Quy ước hệ có toàn vecto không có hạng bằng 0.
Nghĩa là hạng của vecto là số vecto độc lập tuyến tính tối đa của hệ.
r(α1 , α2 , ..., αm ) ≤ m.
r{α1 , α2 , ..., αm } = m ⇔ hệ véc tơ {α1 , α2 , ..., αm } độc lập tuyến tính.
r{α1 , α2 , ..., αm } < m ⇔ hệ véc tơ {α1 , α2 , ..., αm } phụ thuộc tuyến tính.

Chương 4. Không gian vecto nhiều chiều Rn 11 / 27

Notes

Tính chất
Bổ đề 1: Nếu hệ {α1 , α2 , ..., αm } có hạng bằng r thì mọi vecto của hệ này
đều biểu thị tuyến tính qua hệ con bất kì của hệ có r vecto độc lập tuyến
tính.
Tính chất 1. Hạng của một hệ vecto không thay đổi nếu ta thêm vào hệ
một vecto là tổ hợp tuyến tính các vecto của hệ, hoặc bớt đi một vecto là
tổ hợp tuyến tính các vecto còn lại của hệ.
Tính chất 2. Trong Rn , nếu mọi vecto của hệ {α1 , α2 , ..., αm } đều biểu thị
tuyến tính qua các vecto của hệ {β1 , β2 , ..., βp } thì

r{α1 , α2 , ..., αm } ≤ r{β1 , β2 , ..., βp }.

Chương 4. Không gian vecto nhiều chiều Rn 12 / 27

2. Tính hạng của một hệ vecto theo hạng của ma trận
Notes
Xét {α1 = (a11 , a12 , ..., a1n ), α2 = (a21 , a22 , ..., a2n ), ..., αm = (am1 , am2 , ..., amn )}
trong Rn . Từ hệ vecto này lập ma trận

 a11 a12 · · · a1n 

 
 a a22 · · · a1n 
A =  21

 · · · ··· · · · · · · 

· · · amn
 
am1 am2

Định lý: Hạng của hệ véc tơ bằng hạng của ma trận A (ma trận véc tơ dòng)
và bằng hạng của ma trận véc tơ cột
Hệ quả: Trong không gian Rn cho hệ vecto {α1 , α2 , ..., αm } ta có các khẳng
định sau:
1 Hạng của hệ bằng số vecto của hệ khi và chỉ khi hệ độc lập tuyến tính.
2 Hạng của hệ nhỏ hơn số vecto của hệ khi và chỉ khi hệ phụ thuộc tuyến
tính.
3 Khi số vecto của hệ bằng số chiều của không gian, tức là m = n thì
r{α1 , α2 , ..., αn } = n ⇔ det A , 0 ⇔ hệ {α1 , α2 , ..., αn } độc lập tuyến tính.
r{α1 , α2 , ..., αn } < n ⇔ det A = 0 ⇔ hệ {α1 , α2 , ..., αn } phụ thuộc tuyến tính.
Chương 4. Không gian vecto nhiều chiều Rn 13 / 27

Nhận xét:
Hạng của mọi hệ vecto trong Rn đều nhỏ hơn hay bằng n. Mọi hệ vecto Notes
nhiều hơn n vecto đều phụ thuộc tuyến tính.
Hạng của ma trận không thay đổi qua các phép biến đổi sơ cấp trên dòng
(trên cột).
Nếu ma trận có dạng thang dòng thì hạng của ma trận bằng số dòng
khác 0 của nó.
Ví dụ 1: Tìm hạng của hệ sau:

(1, 3, 4); (−2, 4, 1); (1, 3, 8).

Ví dụ 2: Tùy theo giá trị của tham số m xác định hạng của hệ sau

(1, m, 0, 1); (2, 1, 3, 4); (−1, −2, 4, 5); (0, 2, 3, 8).

Ví dụ 3: Các hệ sau là độc lập tuyến tính hay phụ thuộc tuyến tính trong
không gian vecto tương ứng
a. (1, 2, 3), (3, 6, 7) trong R3 .
b. (2, −3, 1), (3, −1, 5), (1, −4, 3) trong R3 .
c. (1, 2, 3), (3, −1, 5), (1, −4, 3), (3, 6, 7) trong R3 .
Chương 4. Không gian vecto nhiều chiều Rn 14 / 27
Bài 4. Không gian con, cơ sở và chiều
Notes
1. Khái niệm không gian con, cơ sở và chiều
Định nghĩa Không gian con
Một tập con L ⊂ Rn được gọi là không gian con của Rn nếu:
1 L , ∅.
2 ∀x, y ∈ L thì x + y ∈ L.
3 ∀λ ∈ R, x ∈ L thì λx ∈ L.

Ví dụ: Tập nào sau đây là không gian con của không gian tương ứng
L0 = {θ}
L1 = {(0; 1), (1; 2), (1; 3), (−1; −1)}
L2 = {(x, 0) ∈ R2 }
L3 = {(x, y) ∈ R2 /x + 2y = 0}
L4 = {(x, x2 ) ∈ R2 }
L5 = {(x, y, z) ∈ R3 /x + 2y − z = 0}

Chương 4. Không gian vecto nhiều chiều Rn 15 / 27

Notes

Định nghĩa Cơ sở
Cho L là một không gian con của Rn . Hệ vecto {α1 , α2 , ..., αm } của L được gọi
là một cơ sở của L nếu thỏa mãn hai điều kiện:
Hệ {α1 , α2 , ..., αm } độc lập tuyến tính.
Mọi vecto của L đều biểu thị tuyến tính qua hệ {α1 , α2 , ..., αm }.

Nhận xét:
Số vecto của một cơ sở L không vượt quá n, tức là m ≤ n.
Hai cơ sở bất kỳ của L có cùng số vecto.

Định nghĩa Chiều của không gian con

Số vecto trong một cơ sở của L được gọi là chiều của L, kí hiệu dim L.

Qui ước: Nếu L = {θ} thì dim L = 0 và L không có cơ sở.

Chương 4. Không gian vecto nhiều chiều Rn 16 / 27

Ví dụ: Coi Rn là không gian con của nó. Trong Rn xét hệ n vecto:
Notes
{e1 = (1, 0, ..., 0), e2 = (0, 1, ..., 0), ..., en = (0, 0, ..., 1)}.

Hệ này độc lập tuyến tính và với mọi vecto x = (x1 , x2 , ..., xn ) ∈ Rn ta đều có:

x = x1 e1 + x2 e2 + ... + xn en .

Hệ e1 , e2 , ..., en là một cơ sở của Rn , cơ sở này là cơ sở chính tắc hay cơ sở tự

nhiên của Rn . Và ta có
dim Rn = n.

Tính chất của cơ sở

Định lý: Giả sử L là không gian con của Rn :
Nếu dim L = r thì mọi hệ có r vecto của L độc lập tuyến tính đều là cơ sở
của L.
Mọi vecto x ∈ L đều biểu thị tuyến tính duy nhất qua cơ sở của L.
Hệ quả: Trong Rn mọi hệ có n vecto độc lập tuyến tính đều là cơ sở của Rn

Chương 4. Không gian vecto nhiều chiều Rn 17 / 27

Notes

Nhận xét: Hệ vecto A là cơ sở của Rn khi và chỉ khi

1 hệ A có n vecto
2 n vecto độc lập tuyến tính.
Ví dụ: Tìm m để hệ gồm các vecto sau là cơ sở của R3 :

(1, 1, 0); (2, 1, m); (0, 1, −2)

Chương 4. Không gian vecto nhiều chiều Rn 18 / 27

2. Không gian nghiệm của hệ phương trình thuần nhất,
Notes
hệ nghiệm cơ bản

Cho hệ phương trình tuyến tính thuần nhất:

AX = O,

trong đó A là ma trận hệ số cấp m × n.

Không gian nghiệm

Gọi tập nghiệm của hệ trên: L = {x = (x1 , x2 , ..., xn ) ∈ Rn : AX = O}.
Định lý. L là không gian con của Rn và

dim L = n − r(A).

Định nghĩa. Tập L = {x = (x1 , x2 , ..., xn ) ∈ Rn : AX = 0} là không gian nghiệm

của hệ phương trình tuyến tính thuần nhất AX = O.

Chương 4. Không gian vecto nhiều chiều Rn 19 / 27

Hệ nghiệm cơ bản
Notes
Định nghĩa. Mỗi cơ sở của không gian nghiệm của hệ phương trình tuyến tính
thuần nhất AX = O là một hệ nghiệm cơ bản của hệ phương trình này.

Cách tìm một hệ nghiệm cơ bản

Bước 1: Tìm nghiệm tổng quát của hệ (phụ thuộc vào n − r ẩn tự do,
trong đó r là hạng của hệ)
Bước 2: Cho n − r ẩn tự do này các giá trị để được n − r nghiệm độc lập
tuyến tính. Thông thường ta cho các tham số (cr+1 , cr+2 , ...cn ) lần lượt là
(1, 0, ..., 0), (0, 1, ..., 0), ..., (0, 0, ..., 1).

Ví dụ: Cho hệ phương trình




 x − 3y + z = 0
2x − 6y + 2z = 0



 3x − 9y

+ 3z = 0

1 Chứng minh tập nghiệm của hệ phương trình thuần nhất dưới đây là
không gian con của R3 .
2 Tìm một cơ sở (hệ nghiệm cơ bản) và chiều của không gian nghiệm đó
Chương 4. Không gian vecto nhiều chiều Rn 20 / 27
 Notes

Dạng nghiệm tổng quát của hệ phương trình tuyến tính

Định lý. Nếu X0 là nghiệm riêng của hệ phương trình AX = B và
B1 , B2 , ..., Bn−r là một hệ nghiệm cơ bản của hệ phương trình AX = O thì
nghiệm tổng quát của hệ AX = B có dạng

X = X0 + a1 B1 + ... + an−r Bn−r .

Chương 4. Không gian vecto nhiều chiều Rn 21 / 27

3. Không gian sinh bởi một hệ vecto

Notes

Định nghĩa Không gian sinh (Bao tuyến tính)

Trong Rn cho hệ vecto S = {α1 , α2 , ..., αm }.
Tập hợp tất cả các tổ hợp tuyến tính của hệ vecto S được gọi là không gian
sinh bởi hệ vecto S (hay bao tuyến tính của hệ S), kí hiệu Span{α1 , α2 , ..., αm }.
Nghĩa là

Span{α1 , α2 , ..., αm } = {x ∈ Rn : x = λ1 α1 + λ2 α2 + ... + λm αm , λi ∈ R}.

Định lý: Không gian sinh bởi hệ vecto S là không gian con của Rn , có chiều
bằng hạng của hệ vecto S, tức là

dim Span(S) = r(S),

và nếu hạng của S là r thì mọi hệ con có r vecto độc lập tuyến tính của S đều
là cơ sở của Span(S).

Chương 4. Không gian vecto nhiều chiều Rn 22 / 27

Bài toán liên quan
Notes

Bài toán 1.
Trong Rn cho hệ vecto S = {α1 , α2 , ..., αm }. Tìm cơ sở và chiều của SpanS.
Cách làm.
- Lập ma trận A có các dòng là các vecto α1 , α2 , ..., αm
- Sử dụng các phép biến đổi sơ cấp đưa A → B, B là ma trận bậc thang
dòng.
- Số các vecto dòng khác không của ma trận B là hạng của hệ vecto S và
là chiều của Span(S), hơn nữa các vecto dòng này là cơ sở của Span(S).
Bài toán 2.
Trong Rn cho x và hệ vecto {α1 , α2 , ..., αm }. Tìm điều kiện để
x ∈Span{α1 , α2 , ..., αm }.
Cách làm.

x ∈ Span{α1 , α2 , ..., αm } ⇔ r(α1 , α2 , ..., αm ) = r(α1 , α2 , ..., αm , x)

Chương 4. Không gian vecto nhiều chiều Rn 23 / 27

Notes

Ví dụ: Trong R4 cho hệ vecto

S = {(1, 2, 0, 1), (0, 2, 4, 5), (2, 2, 1, 4), (0, −2, 1, 2)}.

a. Tìm cơ sở và số chiều của Span(S).

b. Cho x = (0, 1, 2, m) tìm m để x ∈Span(S).

Chương 4. Không gian vecto nhiều chiều Rn 24 / 27

Bài 5. Tọa độ trong không gian Rn
Notes
1. Tọa độ của một vecto đối với một cơ sở
Định nghĩa tọa độ của một vecto đối với một cơ sở
Cho cơ sở {α1 , α2 , ..., αn } của Rn . Bộ số thực (λ1 , λ2 , ..., λn ) được gọi là tọa độ
của vecto x ∈ Rn đối với cơ sở {α1 , α2 , ..., αn } nếu

x = λ1 α1 + λ2 α2 + · · · + λn αn .

λ1 
 
λ 
 2 
Kí hiệu x = (λ1 , λ2 , ..., λn ) hay [x] =  .  .
{α1 ,α2 ,...,αn } {α1 ,α2 ,...,αn }  .. 
λn
 

Chú ý
Trong Rn với x = (x1 , x2 , ..., xn ) thì (x1 , x2 , ..., xn ) là tọa độ đối với cơ sở chính
tắc.

Chương 4. Không gian vecto nhiều chiều Rn 25 / 27

2. Đổi cơ sở, đổi tọa độ

Notes
Giả sử, trong Rn cho hai cơ sở A = {α1 , α2 , ..., αn }, B = {β1 , β2 , ..., βn } và
x ∈ Rn có các tọa độ [x] , [x] .
A B

Định nghĩa Ma trận chuyển

Ma trận kí hiệu là PA→B thỏa mãn hệ thức:

[x] = PA→B [x] , ∀x ∈ Rn

A B

được gọi là ma trận chuyển cơ sở từ cơ sở A sang cơ sở B. Và công thức trên

được gọi là công thức biến đổi tọa độ của vecto x giữa hai cơ sở A và B.

Định lý
Ta có
PA→B khả đảo.
P−1
A→B
= PB→A là ma trận chuyển từ cơ sở B sang cơ sở A.

Chương 4. Không gian vecto nhiều chiều Rn 26 / 27

 Notes

Cách tìm ma trận chuyển

Ma trận chuyển
 từ cơ sở A sang cơ sở B là:
PA→B = [β1 ] [β2 ] · · · [βn ] .
A A A

Chương 4. Không gian vecto nhiều chiều Rn 27 / 27

Notes