Professional Documents
Culture Documents
3
MỤC LỤC
5.3.4 Chéo hóa ma trận đối xứng bằng ma trận trực giao . . . . . . . 54
5.3.5 Đưa dạng toàn phương về dạng chính tắc bằng phép biến đổi
trực giao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
5.4 Ứng dụng vào việc khảo sát đường và mặt bậc hai . . . . . . . . . . . . 57
5.4.1 Định nghĩa đường và mặt bậc hai . . . . . . . . . . . . . . . . . 57
5.4.2 Các đường và mặt bậc hai cơ bản . . . . . . . . . . . . . . . . . 57
5.4.3 Cách nhận dạng đường mặt bậc hai . . . . . . . . . . . . . . . . 58
7
1.1. MỘT SỐ ĐỊNH NGHĨA – CÁC PHÉP TOÁN TRÊN MA TRẬN
hay
a11 0 ... 0
a21 a22 ... 0
.. .. .. ..
. . . .
an1 an2 . . . ann
được gọi là ma trận tam giác trên và ma trận tam giác dưới.
2. Ma trận chuyển vị Cho ma trận A = (aij )m×n , ma trận chuyển vị của A kí hiệu
là AT = (bij )n×m với
bij = aji
1 −9
1 2 5
A= ⇒ AT = 2 7
−9 7 4
5 4
αA = (αaij )m×n
Tính chất:
1. 1.A = A
2. 0.A = 0
3. α.0 = 0, ∀α ∈ K
4. Cộng hai ma trận A = (aij )m×n và ma trận B = (bij )m×n cùng cấp m × n. Khi
đó
A + B = (aij + bij )m×n
Ví dụ:
1 2 3 1 3 5
A= ;B =
4 5 0 2 4 6
Khi đó
2 5 8
A+B =
6 9 6
Các tính chất
1. A + B = B + A
2. (A + B) + C = A + (B + C)
3. (u + v)A = uA + vA với u, v ∈ K
4. u(A + B) = uA + uB với u ∈ K
5. Phép nhân hai ma trận Cho ma trận A = (aij )m×n và B = (bij )n×p . Tích của
hai ma trận A và B là một ma trận cấp m × p, kí hiệu A.B = (cik )m×p xác định như
sau:
Xn
cik = aij bjk
j=1
Phần tử c12 : lấy các phần tử ở dòng 1 của ma trận A nhân tương ứng với các phần
tử của cột 2 của ma trận B, sau đó cộng tất cả lại với nhau.
1. (A.B).C = A.(B.C)
2. I.A = A
3. A(B + C) = AB + AC
4. (A + B)C = AC + BC
5. (AB)T = B T AT
Chú ý: Phép nhân ma trận không có tính giao hoán.
3. hi → hi + a.hj (ci → ci + a.cj ): nhân một số a vào hàng hj rồi cộng vào hàng hi
(nhân một số a vào cột cj rồi cộng vào ci )
Ta dùng kí hiệu A → B để chỉ ma trận B nhận được từ A sau hữu hạn các phép biến
đổi sơ cấp trên A.
Bổ đề Mọi ma trận đều có thể đưa về dạng bậc thang nhờ các phép biến đổi sơ cấp.
Ví dụ: Dùng các phép biến đổi sơ cấp để đưa ma trận A về dạng bậc thang
1 2 4 −3
A = 1 3 −1 1
2 5 3 −2
Giải:
1 2 4 −3 1 2 4 −3 1 2 4 −3
h →−h1 +h2 h3 →−h2 +h3
A = 1 3 −1 1 −−2−−−− −−→ 0 1 −5 4 −− −−−−−→ 0 1 −5 4
h3 →−2h1 +h3
2 5 3 −2 0 1 −5 4 0 0 0 0
a11 a12 a13
detA = a21 a22 a23 = a11 a22 a33 +a13 a21 a32 +a12 a23 a31 −a31 a22 a13 −a11 a23 a32 −a33 a12 a21
a31 a32 a33
1.2.2 Hoán vị
Hoán vị Cho tập N = {1, 2, 3, . . . , n}. Ta gọi một cách sắp xếp tập N theo một thứ
tự nào đó: {i1 , i2 , . . . , in } là một hoán vị của tập N
Như vậy có n! hoán vị của tập N
Ví dụ: Nếu N = {1, 2, 3, 4} thì có 4! = 24 hoán vị
1234 1243 1324 1342 1423 1432
2134 2143 2314 2341 2413 2431
3124 3142 3214 3241 3412 3421
4123 4132 4213 4231 4312 4321
• Nếu ta đổi chỗ hai dòng (hai cột) của định thức cho nhau thì định thức đổi dấu.
Ví dụ: Ta có
1 2 3 4 5 6
4 5 6 = − 1 2 3
7 8 0 7 8 0
• Nếu trong một định thức có hai dòng (hoặc 2 cột) tỉ lệ thì định thức đó bằng 0.
1 2 3
Ví dụ: 2 4 6 = 0
7 8 0
• Định thức không đổi nếu ta lấy các phần tử của một dòng nhân với 1 số rồi cộng
với các phần tử tương ứng của một dòng khác
a11 a12 . . . a0 + a00 . . . a1n a11 a12 . . . a0 . . . a1n a11 a12 . . . a00
1k 1k 1k 1k . . . a1n
a21 a22 . . . a0 + a00 . . . a2n a21 a22 . . . a0 . . . a2n a21 a22 . . . a00 . . . a2n
2k 2k 2k 2k
= .. + ..
.. .
. .
. .
. . . .
. .
. .
. .
. . . .
. .
. .
. .
. .. .
. . . . . . . . . . . . . . . . . ..
an1 an2 . . . a0nk + a00nk . . . ann an1 an2 . . . a0nk . . . ann an1 an2 . . . a0nk
. . . ann
a11 a12 . . . ra1k . . . a1n a11 a12 . . . a1k . . . a1n
a21 a22 . . . ra2k . . . a2n a21 a22 . . . a2k . . . a2n
.. = r. ..
.. .. .. .. .. .. .. .. . . ..
. . . . . . .
. . . . .
an1 an2 . . . rank . . . ann an1 an2 . . . ank . . . ann
Ví dụ:
1 2 3 1 2 3
4 5 6 h2 → −4h1 + h2 0 −3 −6
7 8 0 h3 →−7h1 +h3 0 −6 −21
có 9 định thức con cấp 1, 9 định thức con cấp 2 và 1 định thức con cấp 3.
Định thức con bù Cho D là định thức cấp n. Ta gọi Mij là định thức con bù của
phần tử aij nếu Mij là định thức con cấp n − 1 nhận được từ D bằng cách xóa đi hàng
thứ i và cột thứ j.
a11 a12 a13 a14 a15
a21 a22 a23 a24 a25
D = a31 a32 a33 a34 a35
a41 a42 a43 a44 a45
a51 a52 a53 a54 a55
a11 a12 a13 a15
a31 a32 a33 a35
Ta có định thức con bù của a24 là M24 =
a41 a42 a43 a35
a51 a52 a53 a55
0
Định thức con bù của định thức con M cấp k trong D là định thức con M thu
được bằng cách xóa đi k dòng và k cột xác định nên định thức con M .
Ví dụ: Cho D là định thức cấp 5. Định thức con bù của định thức con
a12 a14 a15
M = a22 a24 a25
a52 a54 a55
là định thức
a31 a33
0
M =
a41 a43
Phần bù đại số của phần tử aij kí hiệu là Aij = (−1)i+j Mij trong đó Mij là định
thức con bù của phần tử aij
Phần bù đại số của a24 là
(−1)2+4 M24
Giả sử định thức con M được lập nên từ các phần tử nằm ở giao điểm của k dòng
0
i1 , i2 , . . . , ik và k cột j1 , j2 , . . . , jk và giả sử M là định thức con bù của định thức con
M trong định thức D. Ta định nghĩa phần bù đại số của M trong D là:
0
(−1)i1 +i2 +···+ik +j1 +j2 +···+jk M
Ví dụ: Cho D là định thức cấp 5. Phần bù đại số của của định thức con
a12 a14 a15
M = a22 a24 a25
a52 a54 a55
là
1+2+5+2+4+5
a31 a33
(−1)
a41 a43
1. Sử dụng các tính chất của định thức để là triệt tiêu các phần tử nằm dưới đường
chéo chính của định thức.
2. Định thức bằng tích các phần tử trên đường chéo chính.
Bây giờ ta sẽ tổng quát hóa công thức khai triển định thức theo dòng hoặc cột.
Định lí Laplace: Nếu trong một định thức D ta lấy ra k dòng (hoặc k cột), 1 ≤
k ≤ n − 1 thì tổng tất cả các định thức con cấp k chứa trong các dòng (hoặc các cột)
ấy nhân với phần bù đại số của chúng bằng định thức D.
Ví dụ: Tính định thức
2 3 0 0
4 5 0 0
D =
6 7 1 2
2 3 2 1
Giải: Theo định lí Laplace, ta sẽ khai triển định thức theo 2 dòng đầu tiên. Có tất
cả 6 định thức con cấp 2 nhận được từ 2 dòng đầu tiên nhưng chỉ có 1 định thức con
khác 0. Do đó ta có
2 3 1+2+1+2
1 2
D = .(−1)
2 1 = (−2).(−3) = 6
4 5
Ma trận không suy biến Ma trận vuông A cấp n là ma trận không suy biến nếu
det(A) 6= 0
Ma trận nghịch đảo A là ma trận vuông cấp n, nếu có ma trận vuông B cấp n sao
cho: A.B = B.A = I( I là ma trận đơn vị) thì B là ma trận nghịch đảo của ma trận
A, kí hiệu B = A−1
Khi đó ta nói A là ma trận khả nghịch.
Ma trận phụ hợp Cho ma trận vuông A cấp n không suy biến. Aij là phần bù đại
số của phần tử aij khi đó
A11 A21 . . . An1
A12 A22 . . . An2
PA = ..
.. . .. .
..
. .
A1n A2n . . . Ann
Giải: Ta có |A| = 3
A11 = 3, A12 = 2, A13 = −4
A21 = 3, A22 = 3, A23 = −6
A31 = −3, A32 = −1, A33 = 5
3 3 −3
−1 1
Vậy A = 2 3 −1
3
−4 −6 5
Phương pháp dùng các phép biến đổi sơ cấp Để tìm ma trận nghịch đảo của
ma trận vuông A cấp n ta làm như sau:
• Viết kề A ma trận đơn vị In
• Dùng các phép biến đổi sơ cấp trên dòng để đưa ma trận A thành ma trận đơn
vị
• Khi đó ta có ma trận bên cạnh ma trận In là ma trận nghịch đảo của A
Ví dụ 3: Dùng các phép biến đổi sơ cấp để tìm ma trận nghịch đảo của ma trận
3 1 2
A = −2 1
−1
0 2 1
Giải:
3 1 2 1 0
0 1 2 1 1 1 0 1 2 1 1 1 0
h1 →h2 +h1 h →2h +h2
−2 1 −1 0 1 0 −− −−−−→ −2 1 −1 0 1 0 −−2−−−1−−→ 0 5 1 2 3 0
0 2 1 0 0
1 0 2 1 0 0 1 0 2 1 0 0 1
1 2 1 1 1 0 1 2 1 1 1 0
h2 →−2h3 +h2 h3 →−2h2 +h3
−−−−−−−−→ 0 1 −1 2 3 −2 −−−−−−−−→ 0 1 −1
2 3 −2
0 2 1 0 0 1 0 0 3 −4 −6 5
h3 → 1 h3
1 2 1 1 1 0 1 2 0 7/3 3 −5/3
h →h3 +h2
−−−−3−→ 0 1 −1 2 3 −2 −−2−−− −−→ 0 1 0 2/3 1 −1/3
h1 →−h3 +h1
0 0 −4/3 −2 5/3
1 0 0 1 −4/3 −2 5/3
1 0
0 1 1 −1
h →−2h +h1
−−1−−−−2−−→ 0 1
0 2/3 1 −1/3
1 −4/3 −2
0 0 5/3
11 −1
Vậy A−1 = 2/3 1 −1/3
−4/3
−2 5/3
2 7 3
Ví dụ 4: Tìm ma trận nghịch đảo của ma trận B = 3 9 4
1 5 3
Định lí
rankA = rankAT
Khi đó rankA = r
Ví dụ 1: Dùng các phép biến đổi sơ cấp để tính hạng của ma trận A
1 2 4 −3
A= 1 3
−1 1
2 5 3 −2
Giải: Trước tiên, ta dùng các phép biến đổi sơ cấp để đưa A về dạng ma trận bậc
thang.
1 2 4 −3 1 2 4 −3 1 2 4 −3
h →−h1 +h2 h3 →−h2 +h3
A = 1 3 −1 1 −−2−−−− −−→ 0 1 −5 4 −− −−−−−→ 0 1 −5 4
h3 →−2h1 +h3
2 5 3 −2 0 1 −5 4 0 0 0 0
Vậy rankA = 2
Ví dụ 2: Dùng các phép biến đổi sơ cấp để tính hạng của ma trận B
1 3 5
0 2 2
B= 1
5 7
3 7 13
Bài tập
Bài 1. Cho ma trận
1 −2 6
A = 3 −4 5
2 −3 4
a. Tìm ma trận X sao cho 2A + 3X = I
b. Tìm ma trận X sao cho 2A − 3X = I
Bài 2. Cho các ma trận
1 −2 2 −2 3 1 2 3
A= ,B = ,C =
3 −4 3 0 7 5 4 −1
a + b a − b x − 1 1 sin x cos x
a. b. 3 2
c.
a − b a + b x
x + x + 1
− cos x
sin x
2 2 −1 1 2 3 1 a bc
d.−3 4 2 e. 4 5 6 f. 1 b ac
5 1 3 7 8 9 1 c ab
Bài 4. Tính các định thức
1 1 1 1 2 1 1 1 0 1 1 1
1 −1 2 3 1 −1 2 3 1 −1 2 3
a.
b.
c.
1 1 −1 3 1 1 −1 3 1 1 −1 3
1 1 1 −1 1 1 1 −1 1 1 1 −1
Bài 5. Tính hạng ma trận
1 1 1 1 0 1 1 1 1 −1 5 −1
1 −1 2 3 1 −1 2 3 1 1 −2 3
a.
1 1 −1 3
b.
1 1 −1 3
c.
3 −1 8
1
1 1 1 −1 1 1 1 −1 1 3 −9 7
3 −1 −1 2 1 4 1 −1 3 2
1 −1 −2 4 5 −2 2 3 0 1
d. e.
1 1 3 −6 −9 2 3 2 3 3
12 −2 1 −2 −10 4 1 3 1 1
Bài 6. Tìm hạng của ma trận theo tham số m
3 1 1 4
m 4 10 1
1 7 17 3
2 2 4 3
Bài 8. Tìm ma trận nghịch đảo (nếu có) của các ma trận sau:
1 1 1 1
1 3 7 1 0 1 1 1 −1 −1
2 3 2 3
a. b. c. 2 1 2 d. 0 0 2 e.
1 −1 0
4 5 4 6 0
−7 1 4 −1 3 1
0 0 1 −1
ma trận X saocho
Bài 9. Tìm
−3 4 6 1 −1 −3 4 6
1 −1 2
a. X. 0 1 1 = 0 1 b. 0 1 1 .X =
0 1 2
2 −3 −4 2 2 2 −3 −4
Bài 10. Tìm ma trận nghịch đảo của ma trận cấp n sau:
1 1 1 ··· 1 1 1 0 ··· 0
0 1 1 · · · 1 0 1 1 · · · 0
a. 0 0 1 · · · 1 b. 0 0 1 · · · 0
.. .. .. . . .. .. .. .. . . ..
. . . . . . . . . .
0 0 0 ··· 1 0 0 0 ··· 1
• Một hệ phương trình tuyến tính có thể có một nghiệm duy nhất, có thể có nhiều
hơn 1 nghiệm hoặc cũng có thể không có nghiệm.
• Hai hệ phương trình tuyến tính của n ẩn gọi là tương đương nếu tập hợp các
nghiệm của chúng trùng nhau.
19
2.2. HỆ CRAMER
2.2 Hệ Cramer
2.2.1 Định nghĩa
Hệ phương trình Cramer là một hệ n phương trình tuyến tính n ẩn mà định thức của
ma trận các hệ số khác không.
Tức là hệ phương trình AX = B, trong đó A là ma trận vuông và detA 6= 0
|Ai |
xi =
|A|
trong đó Ai là ma trận thu được từ ma trận A bằng cách thay cột thứ i bằng cột B
Ví dụ 1: Giải hệ phương trình sau bằng phương pháp Cramer
x 1 + x 2 − x 3 = 2
2x1 + 3x2 + x3 = −1
5x1 + 8x2 + 2x3 = 3
1 1 −1 2 1 −1 1 2 −1
Giải: |A| = 2 3 1 = −2 6= 0, |A1 | = −1 3 1 = 18, |A2 | = 2 −1 1 =
5 8 2 3 8 2 5 3 2
−14,
1 1 2
|A3 | = 2 3 −1 = 8
5 8 3
Vậy ta có nghiệm của hệ phương trình
|A1 | |A2 | |A3 |
x1 = = −9, x2 = = 7, x3 = = −4
|A| |A| |A|
Ví dụ 2: Giải hệ phương trình sau bằng phương pháp Cramer
x1 + 2x2 + x3 = 1
2x1 + 5x2 + x3 = 6
−x1 − 4x2 + 2x3 = 2
Loại 1: Đổi chỗ 2 phương trình cho nhau, còn các phương trình khác giữ nguyên.
Loại 2: Nhân 1 số khác 0 và một phương trình, còn các phương trình còn lại giữ
nguyên.
Loại 3: Cộng vào một phương trình một phương trình khác đã nhân với một số khác
0, còn các phương trình còn lại giữ nguyên.
Các phép biến đổi sơ cấp đưa hệ phương trình tuyến tính thành một hệ mới tương
đương.
Ta có thể giải hệ phương trình tuyến tính bằng phương pháp sau: Thực hiện các
phép biển đổi sơ cấp đưa hệ phương trình về dạng bậc thang (tức là ma trận hệ số bổ
sung A có dạng bậc thang - các phần tử nằm dưới đường chéo chính đều bằng 0). Từ
đó ta tìm các nghiệm.
Ví dụ 1: Giải hệ phương trình sau:
x1 + x2 − 2x3 = 6
2x + 3x − 7x = 16
1 2 3
5x1 + 2x2 + x3 = 16
3x1 − x2 + 8x3 = 0
Định lí 3 (Định lí Kronecker - Capelli) Hệ phương trình tuyến tính (1) có nghiệm
khi và chỉ khi hạng của ma trận A bằng hạng của ma trận bổ sung A.
Tức rankA = rankA
Chú ý:
1. Nếu rankA = rankA = n (số ẩn của hệ phương trình) thì hệ phương trình có
nghiệm duy nhất
3. Nếu rankA = rankA = k < n thì hệ phương trình có vô số nghiệm phụ thuộc
vào n − k tham số.
Ví dụ 3: Giải hệ phương trình sau:
x1 + 2x2 − 3x3 + 5x4 = 1
x1 + 3x2 − x3 + x4 = −2
2x1 + 5x2 − 4x3 + 6x4 = −1
Ta thấy rankA = rankA = 2 < 4 nên hệ phương trình có vô số nghiệm và phụ thuộc
vào 2 tham số.
Nếu ta đặt x3 = t1 ; x4 = t2 thì nghiệm của hệ phương trình là:
x1 = 1 − 5x4 + 3x3 − 2x2 = 7 − 13t2 + 7t1
x = −3 + 4x − 2x = −3 + 4t − 2t
2 4 3 2 1
(t1 , t2 tùy ý)
x 3 = t 1
x4 = t 2
Bài tập
Bài 11. Giải các hệ phương trình sau đây theo qui tắc Crame
x1 + x2 − 5x3 = −10
7x + 2y + 3z = 15
(
x − 3y = 1 2x1 + 3x3 − x4 = 10
a. b. 5x − 3y + 2z = 15 c.
2x + y = 8 4x1 + 4x2 + 5x3 + 5x4 = 0
10x − 11y + 5z = 36
3x2 + 2x3 = 1
Bài 12.
Giải các hệ phương trình sau bằng phương pháp Gauss
x
1
− x − 2 + x 3 = −2 2x
1
− x 2 + 3x 3 = −1 3x1 + 2x2 + x3 = 5
a. 2x1 + x2 − 2x3 = 6 b. −x1 + 2x2 − x3 = 3 c. 2x1 + 3x2 + x3 = 1
x1 + 2x2 + 3x3 = 2 x1 + x2 + 2x3 = 4 2x1 + x2 + 3x3 = 11
x 1 + x 2 + x 3 = 1
x1 + x2 + 2x3 + 3x4 = 1
2x − x + x = 3 2x + 3x − x − x = −6
1 2 3 1 2 3 4
d. e.
x1 − x2 + 2x3 = 5 3x1 − x2 − x3 − 2x4 = −4
3x1 − 6x2 + 5x3 = 6 x1 + 2x2 + 3x3 − x4 = −4
2x1 − x2 + 5x4 = 3
−4x − x + 4x − 12x = 16
1 2 3 4
f.
−2x1 − 5x2 + 7x3 − 4x4 = 36
6x1 − 3x3 + 20x4 = 4
Bài 13. Tìm nghiệm tổng quát của các hệ phương trình sau bằng phương pháp Gauss
(
1
x + 2x 2 − 3x 3 = 1 x1 − 3x2 + 2x3 − x4 = 2
x1 + 2x2 − 3x3 = 1
a. b. 2x1 + 5x2 − 8x3 = 4 c. 4x1 + x2 + 3x3 − 2x4 = 1
x1 + 3x2 − x3 = −1
3x1 + 8x2 − 13x3 = 7 2x1 + x2 − x3 + x4 = 1
x1 + 2x2 − 3x3 + 5x4 = 1
x1 − 2x2 + x3 − x4 + x5 = 0
x + 3x − 13x + 22x = −1 3x − 2x − x + x − 2x = −1
1 2 3 4 1 2 3 4 5
d. e.
3x1 + 5x2 + x3 − 2x4 = 5 2x1 + x2 − x3 + 2x4 − 3x5 = 1
2x1 + 3x2 + 4x3 − 7x4 = 1 2x1 − 5x2 + x3 − 2x4 + 2x5 = −2
Bài 14.
Giải và biện luận các hệ phương trình sau
(m + 1)x1 + x2 + x3 = 1
(m + 1)x1 + x2 + x3 = 1
a. x1 + (m + 1)x2 + x3 = 1 b. x1 + (m + 1)x2 + x3 = m
x1 + x2 + (m + 1)x3 = 1 x1 + x2 + (m + 1)x3 = m2
x1 + x2 + x3 + mx4 = 1
x1 + x2 + (1 − m)x3 = m + 2
x + x + mx + x = 1
1 2 3 4
c. (1 + m)x1 − x2 + 2x3 = 0 d.
x 1 + mx 2 + x 3 + x 4 = 1
2x1 − mx2 + x3 = m + 2
mx1 + x2 + x3 + x4 = 1
2x1 + x2 + x3 + x4 = 1
2x1 − x2 + x3 − 2x4 + 3x5 = 3
x + 2x − x + 4x = 2 x + x − x − x + x = 1
1 2 3 4 1 2 3 4 5
e. f.
x1 + 7x2 − 4x3 + 11x4 = m 3x1 + 2x2 + x3 − 3x4 + 4x5 = 6
4x1 + 8x2 − 4x3 + 16x4 = m + 1 5x1 + 2x2 − 5x4 + 7x5 = 9 − m
Bài 15. Tìm nghiệm tổng quát và hệ nghiệm cơ bản của các hệ phương trình sau
x1 + 2x2 − 3x3 = 0 x1 − 3x2 + 2x3 − x4 = 0
(
2x1 − x2 − 2x3 = 0
a. b. 2x1 + 5x2 − 8x3 = 0 c. 4x1 + x2 + 3x3 − 2x4 = 0
x1 + x2 + x3 = 0
3x1 + 8x2 − 13x3 = 0 2x1 + x2 − x3 + x4 = 0
x1 + 2x2 − 3x3 + 5x4 = 0
x1 − 2x2 + x3 − x4 + x5 = 0
x + 3x − 13x + 22x = 0
3x − 2x − x + x − 2x = 0
1 2 3 4 1 2 3 4 5
d. e.
3x 1 + 5x 2 + x 3 − 2x 4 = 0
2x 1 + x 2 − x 3 + 2x 4 − 3x 5 = 0
2x1 + 3x2 + 4x3 − 7x4 = 0 2x1 − 5x2 + x3 − 2x4 + 2x5 = 0
+: E×E →E
(x, y) 7→ x + y
·: K×E →E
(k, x) 7→ k.x
sao cho thỏa 8 tính chất sau:
1. a + b = b + a, ∀a, b ∈ E
2. (a + b) + c = a + (b + c), ∀a, b, c ∈ E
5. k(a + b) = ka + kb
6. (k + m)a = ka + ma
7. (km)a = k(ma)
8. 1a = a
a + b = (a1 + b1 , a2 + b2 , a3 + b3 )
k.a = (ka1 , ka2 , ka3 )
Khi đó R3 cùng với hai phép toán trên là một R-không gian vectơ
25
3.2. SỰ PHỤ THUỘC TUYẾN TÍNH VÀ ĐỘC LẬP TUYẾN TÍNH
2. mx = 0 ⇒ m = 0 hoặc x = 0
3. (m − n)x = mx − nx
4. m(x − y) = mx − my
y = k1 x1 + k2 x2 + · · · + kn xn
Hay ta nói y biểu thị tuyến tính được qua hệ các vectơ x1 , x2 , . . . , xn
Ví dụ 1: Cho hệ các vectơ e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1) ∈ R3
Khi đó vectơ y = (3, 2, 4) là một tổ hợp tuyến tính của hệ đó vì:
Ví dụ 2: Vectơ a = (1, 2, 5) có là tổ hợp tuyến tính của các vectơ x = (1, 1, 1), y =
(1, 2, 3), z = (2, 1, 1) trong R3 không?
Giải: Giả sử
a = k1 x + k2 y + k3 z
(1, 2, 5) = k1 (1, 1, 1) + k2 (1, 2, 3) + k3 (2, 1, 1)
(1, 2, 5) = (k1 + k2 + 2k3 , k1 + 2k2 + k3 , k1 + 3k2 + k3 )
Ta có hệ phương trình
k
1
+ k 2 + 2k3 = 1 k1 + k2 + 2k3 = 1
k1 + k2 + 2k3 = 1
k1 = −6
k1 + 2k2 + k3 = 2 ⇔ k2 − k3 = 1 ⇔ k2 − k3 = 1 ⇔ k2 = 3
k1 + 3k2 + k3 = 5 2k2 − k3 = 4 k2 = 3 k3 = 2
Vậy a = −6x + 3y + 2z
1. Lập ma trận
a11 a12 . . . a1n
a21 a22 . . . a2n
A = ..
.. .. ..
. . . .
am1 am2 . . . amn
2. Tính rank(A)
3. rank(a1 , a2 , . . . , am ) = rank(A)
Ví dụ: Tính hạng của hệ các vectơ sau a = (1, 1, 0), b = (0, 1, 1), c = (1, 0, 1), d =
(2, 1, 3).
Từ đó kết luận về sự độc lập tuyến tính của hệ các vectơ trên.
2. Mọi vectơ x ∈ E đều biểu thị tuyến tính được qua các vectơ của B.
Tức là x = t1 u1 + t2 u2 + · · · + tn un
t1
t2
Các số t1 , t2 , . . . , tn gọi là tọa độ của vectơ x đối với cơ sở B. Ta viết [x]/B = ..
.
tn
hay x(B) = (t1 , t2 , . . . , tn )
Ví dụ 1: Hệ các vectơ 3 chiều e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1) là cơ sở của
R-không gian R3 . Cơ sở này được gọi là cơ sở chính tắc của R3 .
Tổng quát hơn, R-không gian vectơ Rn có cơ sở chính tắc là
Ví dụ 2: Chứng minh tập các vectơ B = {(1, 1, 1), (0, 1, 1), (0, 0, 1)} là một cơ sở
của R-không gian R3
Nhận xét: Một không gian vectơ có thể có nhiều cơ sở.
3.4.2 Số chiều
Định lí 4 Trong không gian vectơ E, số vectơ trong hai cơ sở bất kì đều bằng nhau
Số vectơ trong một cơ sở bất kì của K-không gian vectơ E gọi là số chiều của E và kí
hiệu là dim(E)
Ví dụ: Chứng minh dimR3 = 3
Ví dụ: Chứng minh tập các vectơ B = {(1, 1, 1), (1, 0, 1), (0, 0, 1)} là một cơ sở của
R-không gian R3
Giải:
Ta có dimR3 = 3
Ta cần chứng minh hệ 3 vectơ trên độc lập tuyến tính.
U = {u1 = (1, 0), u2 = (0, 1)} và V = {v1 = (1, 2), v2 = (3, 4)}
3.4.4 Quan hệ giữa các tọa độ của cùng một vectơ đối với các
cơ sở khác nhau
Cho vectơ a ∈ E. Tọa độ của a đối với cơ sở U là x1 , x2 , . . . , xn , tọa độ của a đối với
cơ sở V là y1 , y2 , . . . , yn . Khi đó:
[a]/U = TU V [a]/V
x1 y1
x2 y2
với [a]/U = .. và [a]/V = .. , TU V là ma trận chuyển cơ sở từ U sang V .
. .
xn yn
Ví dụ: Trong R-không gian vectơ R2 cho 2 cơ sở:
U = {u1 = (1, 0), u2 = (0, 1)} và V = {v1 = (2, 1), v2 = (3, 1)}
Ta có ma trận chuyển cơ sở là
2 3 −1 3
TU V = và TV U =
1 1 1 −2
1. F 6= ∅
2. ∀x, y ∈ F : x + y ∈ F
3. ∀x ∈ F, ∀k ∈ K : k.x ∈ F
Ví dụ
A = {(x1 , x2 , x3 ) ∈ R3 |x1 + x2 + x3 = 0}
ha1 , a2 , . . . , an i := {x = k1 a1 + k2 a2 + · · · + kn an |ki ∈ K} ⊂ E
Dùng tiêu chuẩn không gian vectơ con ta chứng minh được ha1 , a2 , . . . , an i là không
gian vectơ con của E.
ha1 , a2 , . . . , an i được gọi là không gian vectơ sinh bởi hệ các vectơ a1 , a2 , . . . , an
Khi đó ta nói a1 , a2 , . . . , an là hệ sinh của ha1 , a2 , . . . , an i
Mọi hệ con độc lập tuyến tính tối đại của các vectơ a1 , a2 , . . . , an là một cơ sở của
ha1 , a2 , . . . , an i
3.5.3 Không gian con các nghiệm của hệ phương trình tuyến
tính thuần nhất
Cho hệ phương trình tuyến tính thuần nhất gồm m phương trình và n ẩn số
a11 x1 + a12 x2 + · · · + a1n xn = 0
a x + a x + · · · + a x = 0
21 1 22 2 2n n
(∗∗)
. . .
am1 x1 + am2 x2 + · · · + amn xn = 0
hay A.X = 0
Đặt N là tập tất cả các nghiệm của hệ phương trình tuyến tính thuần nhất (**),
khi đó N là một không gian vectơ con của Rn
Nếu rankA = r < n thì số chiều của không gian nghiệm N chính là n − r. Cơ sở
của N chính là hệ nghiệm cơ bản của (**)
Ví dụ: Tìm cơ sở và số chiều của không gian nghiệm
x1 + 2x2 + 4x3 − 3x4 = 0
x1 + 3x2 − x3 + x4 = 0
2x1 + 5x2 + 3x3 − 2x4 = 0
1 2 4 −3 0 1 2 4 −3 0 1 2 4 −3 0
h →−h1 +h2 h3 →−h2 +h3
A = 1 3 −1 1 0 −−2−−−− −−→ 0 1 −5 4 0 −− −−−−−→ 0 1 −5 4 0
h3 →−2h1 +h3
2 5 3 −2 0 0 1 −5 4 0 0 0 0 0 0
Bài tập
Bài 16. Cho A là một tập tùy ý, kí hiệu M (A) là tập tất cả các ánh xạ từ A đến R.
Trong M (A) ta định nghĩa 2 phép toán như sau:
Bài 22. Trong R-không gian vectơ R3 , hãy tìm hạng của các hệ vectơ sau:
a. {(1, 2, 3), (0, 1, 1), (1, 3, 4)}
b. {(1, 2, −1), (0, 1, 1), (2, 3, −4)}
c. {(1, 2, −1), (0, 3, 3), (2, 3, −3), (1, 1, −2)}
d. {(1, 3, −1, 0), (2, 0, 1, −1), (0, −1, 4, 3)}
e. {(−1, 0, 2, 3, 1), (2, 1, 3, −2, 0), (3, 2, 5, 1, 4), (0, 1, 4, 6, 5)}
Bài 23. Trong R-không gian vectơ R3 , chứng minh hệ vectơ {x1 = (1, 1, 1), x2 =
(1, 1, , 2), x3 = (1, 2, 3)} là một cơ sở của R3 . Tìm tọa độ của vectơ x = (2, 1, 9) trong
cơ sở đó.
Bài 24. Trong R-không gian vectơ R3 , cho hai hệ vectơ
0
a. Tìm m để B là một cơ sở của R3
0
b. Tìm ma trận chuyển cơ sở từ B sang B
c. Tìm tọa độ của vectơ a = (1, 0, 0) đối với 2 cơ sở trên.
Bài 25. Chứng minh A = {(x1 , x2 , x3 ) ∈ R3 |x1 + x2 + x3 = 0} là R-không gian vectơ
con của R3
Bài 26. Trong R3 cho không gian vectơ con F = h(1, 1, 1), (2, 3, 1), (5, −1, 2)i. Tìm
một cơ sở của F và dim(F )
Bài 27. Cho hệ phương trình tuyến tính thuần nhất
(
x1 + x2 + x3 + x4 = 0
2x1 + 3x2 − x3 + x4 = 0
2. f (ka) = kf (a) ∀a ∈ E, ∀k ∈ K
Một ánh xạ tuyến tính f : E → E được gọi là một phép biến đổi tuyến tính của E
Như vậy muốn chứng minh f là một ánh xạ tuyến tính thì ta cần kiểm tra 2 điều
kiện như trên.
4.1.2 Các ví dụ
1. Ánh xạ không:
0:E →F
a 7→ 0(a) = 0
là ánh xạ tuyến tính
3. Ánh xạ
p : R3 → R2
(x1 , x2 , x3 ) 7→ p(x1 , x2 , x3 ) = (x1 , x2 )
là ánh xạ tuyến tính.
4. Ánh xạ
f : R3 → R3
(x1 , x2 , x3 ) 7→ f (x1 , x2 , x3 ) = (x1 + x2 , x1 + x3 , x3 )
là ánh xạ tuyến tính.
Chứng minh:
35
4.2. MA TRẬN CỦA ÁNH XẠ TUYẾN TÍNH
3. Với mọi x1 , x2 , . . . , xn ∈ E và k1 , k2 , . . . , kn ∈ K ta có
4. Ánh xạ tuyến tính biến một hệ phụ thuộc tuyến tính thành một hệ phụ thuộc
tuyến tính
5. Ánh xạ tuyến tính không làm tăng hạng của một hệ vectơ
Ma trận
a11 a21 . . . an1
a12 a22 . . . an2
A = ..
.. ... ..
. . .
a1m a2m . . . anm
gọi là ma trận của ánh xạ tuyến tính f trong cặp cơ sở B, C. Ta kí hiệu A = Af /B,C
Trường hợp đặc biệt khi f là phép biến đổi tuyến tính của E, f : E → E và B ≡ C
thì ma trận của ánh xạ tuyến tính f trong cặp cơ cở B, B được gọi là ma trận của f
trong cơ sở B và kí hiệu là Af /B
Tìm ma trận của ánh xạ tuyến tính f trong cặp cơ sở B, C với các cơ sở B, C cho như
sau:
B = {e1 = (1, 1), e2 = (1, 0)}
C = {f1 = (1, 1, 1), f2 = (−1, 2, 1), f3 = (1, 3, 2)}
Giải: Ta có
Giải các phương trình (1) và (2) để tìm a1 , a2 , a3 và b1 , b2 , b3 . Các phương trình (1), (2)
tương
đương với hệ phương trình tuyến tính mà ma trận cáchệ số bổ sung như sau:
1 −1 1 3 1 1 −1 1 3 1 1 −1 1 3 1
h2 →−h1 +h2 h2 →−h3 +h2
1 2 3 0 1 −− −−−−−→ 0 3 2 −3 0 −− −−−−−→ 0 1 1 1 1
h3 →−h1 +h3
1 1 2 −1 0 0 2 1 −4 −1 0 2 1 −4 −1
1 −1 1 3 1
h3 →−2h2 +h3
−−−−−−−−→ 0 1 1 1 1
0 0 −1 −6 −3
Hệ (1): a3 = 6; a2 = 1 − a3 = −5; a1 = 3 − a3 + a2 = −8
Hệ (2): b3 = 3;b2 = 1 − b3
= −2; b1 =
1 + b2 − b3 = −4
a1 b 1 −8 −4
Vậy Af /B,C = a2 b2 = −5 −2
a3 b 3 6 3
Tìm ma trận của f đối với cơ sở B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}
Khi đó công thức sau gọi là biểu thức tọa độ của ánh xạ tuyến tính f
y1 x1
y2 x2
.. = A. ..
. .
ym xn
0
trong đó TBB 0 là ma trận chuyển cơ sở từ B sang B
0
Nếu f : E → E là phép biến đổi tuyến tính và B = {e1 , e2 , . . . , en }, B =
0 0 0
{e1 , e2 , . . . , en } là hai cơ sở của E, ta có
−1
Af /B0 = TBB 0 .Af /B .TBB 0
• Kí hiệu Imf = f (E) = {f (x)|x ∈ E} gọi là ảnh của ánh xạ tuyến tính f
Ta có Kerf và Imf đều là các K-không gian vectơ
x ∈ Kerf ⇐⇒ f (x) = 0
0
0
⇐⇒ [f (x)]/C = ..
.
0
0
0
⇐⇒ A.[x]/B = .. (∗)
.
0
Như vậy x ∈Kerf khi và chỉ khi tọa độ của x trong cơ sở B là nghiệm của hệ
phương trình tuyến tính thuần nhất (*)
Từ đó để tìm hạt nhân của ánh xạ tuyến tính f : E → F ta làm như sau:
1. Tìm ma trận của ánh xạ tuyến tính f đối với cặp cơ sở B, C (tìm Af /B,C )
2. Giải hệ phương trình tuyến tính thuần nhất
x1 0
x2 0
A. .. = .. (∗)
. .
xn 0
Tập hợp tất cả các vectơ có tọa độ đối với cơ sở B là nghiệm cơ bản của hệ
phương trình (*) là cơ sở của Kerf
3. Tìm nghiệm của (*)
4. Kerf là tập tất cả các nghiệm của (*). (Hệ nghiệm cơ bản của (*) chính là
cơ sở của Kerf )
Giải:
• Tìm Imf
Ta tìm ảnh của f đối với cơ sở chính tắc B = {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 =
(0, 0, 1)}. Ta có
f (e1 ) = (1, 0, 1), f (e2 ) = (2, 1, 1), f (e3 ) = (−1, 1, −2)
Imf = hf (e1 ), f (e2 ), f (e3 )i
Tìm hệ con độc lập tuyến tính tối đại của hệ f (e1 ), f (e2 ), f (e3 ).
Tìm hạng của hệ các vectơ f (e1 ), f (e2 ), f (e3 )
1 0 1 f (e1 ) 1 0 1 f (e1 ) 1 0 1 f (e1 )
h2 →−2h1 +h2 h3 →−h2 +h3
2 1 1 f (e2 ) −−−−−−−−→ 0 1 −1 f (e2 ) −−−−−−−→ 0 1 −1
f (e2 )
h3 →h1 +h3
−1 1 −2 f (e3 ) 0 1 −1 f (e3 ) 0 0 0 f (e3 )
Vậy cơ sở của Imf là {f (e1 ), f (e2 )}
Chứng minh
Định lí 7 Cho E, F là các K-không gian vectơ hữu hạn chiều và ánh xạ tuyến tính
f : E → F . Khi đó f là đẳng cấu khi và chỉ khi dim f (E) =dim F
Khi đó vectơ x = (x1 , x2 , . . . , xn ) gọi là vectơ riêng của ma trận A ứng với giá trị riêng
λ
Từ (∗) ta có:
x1
x2
[A − λI] .. = 0
.
xn
3. Ứng với giá trị riêng λ0 (λ0 là một nghiệm của phương trình PA (λ) = 0)
Ta giải hệ phương trình
x1 0
x2 0
[A − λ0 I] .. = .. (∗∗)
. .
xn 0
Tất cả các nghiệm khác 0 của hệ (∗∗) đều là vectơ riêng của A ứng với giá trị
riêng λ0
Ví dụ: Tìm vectơ riêng và giá trị riêng của ma trận A trên tập số thực R
0 1 1
A = 1 0 1
1 1 0
Giải:
PA (λ) = det(A
− λI)
−λ 1 1
= 1 −λ
1
1 1 −λ
= (−λ)3 + 3λ + 2
• λ = −1
Ta giải hệ phương trình
x1 0
x2 0
[A − (−1)I] .. = ..
. .
xn 0
1 1 1 0 1 1 1 0
h2 →−h1 +h2
1 1 1 0 − −−−−−−→ 0 0 0 0
h3 →−h1 +h3
1 1 1 0 0 0 0 0
Ứng với giá trị riêng λ = −1 ta có các vectơ riêng (−a − b, a, b) với a, b ∈ R
và a, b không đồng thời bằng 0.
• λ=2
Ta giải hệ phương trình
x1 0
x2 0
[A − 2.I] .. = ..
. .
xn 0
−2 1 1 0 1 1 −2 0
h ↔h3
1 −2 1 0 −−1−−→ 1 −2 1 0
1 1 −2 0 −2 1 1 0
1 1 −2 0 1 1 −2 0
h2 →−h1 +h2 h3 →h2 +h3
−− −−−−−→ 0 −3 3 0 −− −−−−→ 0 −3 3 0
h3 →2h1 +h3
0 3 −3 0 0 0 0 0
Hệ phương trình có vô số nghiệm phụ thuộc 1 tham số
x1 = −x2 + 2x3 = c
x2 = x3 = c
x3 = c
Ứng với giá trị riêng λ = 2 ta có các vectơ riêng (c, c, c) với c ∈ R và c 6= 0
4.5.2 Vectơ riêng và giá trị riêng của phép biến đổi tuyến tính
Ánh xạ tuyến tính f : V → V gọi là phép biến đổi tuyến tính trên V
Định nghĩa: Cho f : V → V là phép biến đổi tuyến tính. λ ∈ K gọi là giá trị riêng
của f nếu tồn tại vectơ x ∈ V (x 6= 0) sao cho f (x) = λx.
Khi đó ta nói x là một vectơ riêng của f đối với giá trị riêng λ
Cách tìm giá trị riêng và vectơ riêng của phép biến đổi tuyến tính Cho
f : V → V là phép biến đổi tuyến tính.
E = {e1 , e2 , . . . , en } là một cơ sở bất kì của V .
A = Af /E là ma trận của phép biến đổi tuyến tính f trong cơ sở E
Giả sử u là vectơ riêng của f ứng với giá trị riêng λ, khi đó ta có
f (u) = λu
x1 λx1
x2 λx2
với [u]/E = .. (tọa độ của u đối với cơ sở E). Do đó [f (u)]/E = ..
. .
xn λxn
Hay
[f (x)]/E = A.[u]/E
x1 x1
x2 x2
λ .. = A. ..
. .
xn xn
• Ta có (x1 , x2 , . . . , xn ) là vectơ riêng của ma trận A ứng với giá trị riêng λ của A
• (x1 , x2 , . . . , xn ) là vectơ riêng của ma trận A ứng với giá trị riêng λ ⇔ u =
x1 e1 + x2 e2 + · · · + xn en là vectơ riêng của f ứng với giá trị riêng λ
Định nghĩa 2: Cho A, B là các ma trận vuông cấp n. Ma trận A đồng dạng với ma
trận B nếu tồn tại ma trận C vuông cấp n không suy biến sao cho B = C −1 .A.C
Hai ma trận đồng dạng thì có cùng đa thức đặc trưng.
Định nghĩa 3: Cho ma trận vuông A cấp n. Ma trận A gọi là chéo hóa được nếu A
đồng dạng với ma trận chéo. Tức là tồn tại một ma trận T sao cho T −1 AT là ma trận
chéo
Nhận xét: Phép biến đổi tuyến tính f chéo hóa được khi và chỉ khi Af /B chéo hóa
được.
Định lí 8 Phép biến đổi tuyến tính f : V → V chéo hóa được khi và chỉ khi trong V
có một cơ sở là các vectơ riêng của f
Hay ta có thể nói cách khác như sau: Phép biến đổi tuyến tính f chéo hóa được khi và
chỉ khi f có đủ n vectơ riêng độc lập tuyến tính (với n=dimV )
Định lí 9 Ma trận vuông A cấp n chéo hóa được khi và chỉ khi A có đủ n vectơ riêng
độc lập tuyến tính.
Định lí 10 Nếu ma trận A có n giá trị riêng khác nhau từng đôi một thì nó có n vectơ
riêng độc lập tuyến tính
4.6.2 Cách chéo hóa ma trận và phép biến đổi tuyến tính
Chéo hóa ma trận: Để chéo hóa ma trận A cấp n ta làm như sau:
1. Tìm PA (λ), giải phương trình PA (λ) = 0 tìm các nghiệm λ là tất cả các giá trị
riêng của A.
Giả sử ta có các giá trị riêng λ1 , λ2 , . . . , λk . Ta kí hiệu mi là số bội của λi (tức là
nếu λ1 là nghiệm kép thì m1 = 2, nếu λj là nghiệm bội 3 thì mj = 3)
3. Lập ma trận T sao cho các cột của T lần lượt là các vectơ riêng độc lập tuyến
tính a1 , a2 , . . . , an . Khi đó T −1 AT là ma trận chéo có các phần tử trên đường chéo
chính là các giá trị riêng. (Nếu ta xét các giá trị riêng theo thứ tự λ1 , λ2 , . . . , λk
thì các phần tử trên đường chéo chính cũng theo thứ tự λ1 , λ2 , . . . , λk )
Giải:
1. Tìm đa thức đặc trưng PA (λ)
15 − λ −18 −16
PA (λ) = det(A − λ.I) =
9 −12 − λ −8 = −λ3 − 3λ2 + 4λ + 12
4 −4 −6 − λ
Chú ý: Nếu ta xét các giá trị riêng theo các thứ tự khác nhau thì ta sẽ được các ma
trận T khác nhau, khi đó ma trận chéo cũng khác nhau. Đối với ví dụ phía trên ta xét
các giá trị riêng theo thứ tự −3; −2; 2 thì ta được ma trận chéo có các phần tử trên
đường chéo cũng theo thứ tự −3; −2; 2 này. Nếu ta xét theo thứ tự λi ; λj ; λk thì ma
trận chéo thu được có các phần tử nằm trên đường chéo cũng theo thứ tự λi ; λj ; λk
Bài tập
Bài 28. Trong các ánh xạ sau, ánh xạ nào là ánh xạ tuyến tính?
a. f : R3 → R3 , f (x1 , x2 , x3 ) = (2x2 − x3 , x1 + x3 , 3x1 + 2x2 )
b. f : R3 → R3 , f (x1 , x2 , x3 ) = (2x1 + x3 , x1 , x2 + 2)
Bài 29. Cho ánh xạ tuyến tính f : R2 → R3 xác định bởi
f (x1 , x2 , x3 ) = (x1 , x2 , 0)
a. Tính f (1, 0)
b. Tìm ma trận của f trong cơ sở chính tắc của R2
Bài 32. Cho f : R3 → R3 là ánh xạ tuyến tính có ma trậntrong cơ sở
8 4 2
U = {u1 = (1, 1, 1), u2 = (1, 1, 0), u3 = (1, 0, 0)} là A = −4 −2 −1
0 0 0
Tìm f (x1 , x2 , x3 )
Bài 33. Cho f : R3 → R3 là ánh xạ tuyến tính xác định bởi
f (1, 0, 0) = (1, 1, 1); f (−1, 1, 0) = (−2, −1, 0); f (0, −1, 1) = (2, 1, 3)
Như vậy
n X
X n
B= aij xi yj
i=1 j=1
49
5.2. ĐƯA DẠNG TOÀN PHƯƠNG VỀ DẠNG CHÍNH TẮC
Ma trận A được gọi là ma trận của dạng toàn phương f (x1 , x2 , . . . , xn ). Ma trận
của dạng toàn phương là ma trận đối xứng (aij = aji ).
Ví dụ: f (x1 , x2 , x3 ) = x21 +2x22 +3x23 −8x1 x2 −4x1 x3 −6x2 x3 là một dạng toàn phương.
Ta có thể viết lại như sau: f (x1 , x2 , x3 ) = x21 −4x1 x2 −2x1 x3 −4x2 x1 +2x22 −3x2 x3 −2x3 x1 −
3x3 x2 + 3x23
1 −4 −2
A = −4 2 −3
−2 −3 3
x1
x2
Ta đặt X = ..
.
xn
Khi đó dạng toàn phương có thể được viết lại như sau f (X) = X T AX
Ma trận các hệ số
s11 s12 . . . s1n
s21 s22 . . . s2n
P = ..
.. .. .
. . . ..
sn1 sn2 . . . snn
gọi là ma trận của phép biến đổi biến số đã cho.
Ta có X = P Y
1. Nếu dạng toàn phương (∗) có các tất cả các aii = 0, i = 1, 2, . . . , n và có một
aij 6= 0(i 6= j), ta có thể giả sử a12 6= 0 thì ta biến đổi như sau:
x1 = y1 − y2
x2 = y1 + y2
xi = yi , i = 2, 3, . . . , n
f (y1 , y2 , . . . , yn ) = a12 (y1 −y2 )(y1 +y2 )+a21 (y1 +y2 )(y1 −y2 )+· · · = 2a12 y12 −2a12 y22 +· · ·
2. Như vậy ta có thể giả sử dạng toàn phương (∗) đã có ít nhất 1 hệ số của bình
phương khác 0, chẳng hạn a11 6= 0
Định lí 11 Tồn tại một phép biến đổi biến số để đưa dạng toàn phương về dạng
chính tắc
Ở đây không có bình phương nào. Ta làm xuất hiện bình phương bằng cách đổi biến
số như sau
x1 = y1 − y2
x 2 = y1 + y2
x 3 = y3
1 −1 0
và như vậy ta có ma trận đổi biến số P1 = 1 1 0 và X = P1 .Y
0 0 1
Khi đó
Q(y1 , y2 , y3 ) = 2(y1 − y2 )(y1 + y2 ) + 2(y1 − y2 )y3 − 6(y1 + y2 )y3
= 2y12 − 2y22 − 4y1 y3 − 8y2 y3
1 0 1
và ta có ma trận của phép đổi biến số là P2 = 0 1 −2
0 0 1
Y = P2 .T
Ta được dạng chính tắc của dạng toàn phương là
Chú ý: Dạng chính tắc có thể khác nhau do ta dùng các phép đổi biến số khác nhau
Nếu ta dùng phép đổi biến số
√
u1
u = 2t
t1 = √
2
1 √ 1
u
u2 = 2t2 hay t2 = √2
2
u3 = t3
t3 = u3
Định lí 12 Nếu dạng toàn phương bậc hai thỏa các điều kiện (**) thì có phép đổi biến
số x1 , x2 , . . . , xn tới các biến số y1 , y2 , . . . , yn để đưa Q về dạng chính tắc
∆2 2 ∆n 2
Q(y1 , y2 , . . . , yn ) = ∆1 y12 + y2 + · · · + y
∆1 ∆n−1 n
Với phép biến đổi biến số
x1 = y1 + α21 y2 + α31 y3 + · · · + αn1 yn
x2 = y2 + α32 y3 + · · · + αn2 yn
................................
(∗ ∗ ∗)
xi = yi + αi+1i yi+1 + αi+2i yi+1 + · · · + αni yn
.................................
xn = yn
Dj−1,i là định thức con của |A| được lập trên giao của các dòng 1, 2, . . . , j − 1 và các
cột thứ 1, 2, . . . , i − 1, i + 1, . . . , j
trong đó
D2−1,1 D1,1 0
α21 = (−1)2+1 =− = =0
∆2−1 ∆1 2
(D1,1 là giao của hàng 1 và cột 2; giao của 1 hàng và 1 cột)
0 −2
D 3−1,1 D 2,1
−2 −4
α31 = (−1)3+1 = = =1
∆3−1 ∆2 −4
(D2,1 là giao của dòng 1,2 và cột 2,3; giao của 2 hàng và 2 cột)
2 −2
0 −4
3+2 D3−1,2 D2,2
α32 = (−1) =− =− = −2
∆3−1 ∆2 −4
(D2,2 là giao của dòng 1,2 và cột 1,3; giao của 2 hàng và 2 cột)
Như vậy phép đổi biến số là
x1 = y1 + 0y2 + 1y3
x2 = y2 − 2y3
x3 = y3
Ta đưa dạng toàn phương Q(x1 , x2 , x3 ) = 2x21 − 2x22 − 4x1 x3 − 8x2 x3 về dạng chính
tắc như sau:
Q(y1 , y2 , y3 ) = 2y12 − 2y22 + 6y32
Định lí 13 Nếu một dạng toàn phương được đưa về dạng chính tắc bằng nhiều cách
khác nhau thì các hệ số dương và các hệ số âm trong dạng chính tắc của chúng là như
nhau chỉ khác nhau về cách sắp xếp
Dạng toàn phương xác định dương Dạng toàn phương trên tập số thực f (x1 , x2 , . . . , xn )
là xác định dương khi và chỉ khi dạng chính tắc của nó là:
Định lí Sylvester Dạng toàn phương trên tập số thực f (x1 , x2 , . . . , xn ) là xác định
dương khi và chỉ khi tất cả các
∆i > 0, ∀i = 1, 2, . . . , n
1. hx, yi = hy, xi
2. hλx, yi = λhx, yi
3. hx + y, zi = hx, zi + hy, zi
4. hx, xi ≥ 0, hx, xi = 0 ⇔ x = 0
Không gian vectơ thực X cùng với tích vô hướng trên X gọi là một một gian Euclide.
Chú ý rằng: Nếu đặt f (x, y) = hx, yi thì f là một dạng song tuyến tính đối xứng
trên X. Do đó ta có thể định nghĩa tích vô hướng là một dạng song tuyến tính đối
xứng xác định dương, tức là thỏa mãn điều kiện 4.
Ví dụ: Với mọi x = (x1 , x2 , . . . , xn ), y = (y1 , y2 , . . . , yn ) ∈ Rn , đặt
hx, yi = x1 y1 + x2 y2 + · · · + xn yn
Ta được một tích vô hướng trên Rn . Rn là một không gian Euclide cùng với tích vô
hướng này.
Định lí 14 Cho {f1 , f2 , . . . , fn } là một cơ sở của không gian Euclide X. Khi đó ta xây
dựng một cơ sở trực giao {e1 , e2 , . . . , en } như sau:
e1 = f1
hf2 , e1 i
e 2 = f2 − e1
he1 , e1 i
hf3 , e1 i hf3 , e2 i
e 3 = f3 − e1 − e2
he1 , e1 i he2 , e2 i
i−1
X hfi , ek i
ei = fi − ek
k=1
hek , ek i
5.3.4 Chéo hóa ma trận đối xứng bằng ma trận trực giao
Ma trận A được gọi là ma trận đối xứng nếu A = AT
Ví dụ:
1 2 3
A = 2 4 0
3 0 −1
Ma trận vuông P gọi là ma trận trực giao nếu P là ma trận vuông không suy biến
thỏa mãn
P T = P −1
tức ma trận nghịch đảo của P bằng ma trận chuyển vị của P .
Từ điều kiện này ta có P T P = I
Một số tính chất của ma trận trực giao P :
1. |P | = 1
2. Tổng bình phương các phần tử trên 1 dòng hay 1 cột của P bằng 1.
3. Hai dòng khác nhau thì trực giao với nhau
Định lí 15 Với mỗi ma trận đối xứng A tồn tại ma trận trực giao P sao cho P −1 AP
là ma trận chéo.
Hơn nữa, nếu λ1 , λ2 , . . . , λn là n vectơ riêng của A (có thể trùng nhau) thì ta có thể
chọn ma trận trực giao P để
λ1 0 · · · 0
0 λ2 · · · 0
P −1 AP = ..
.. . . ..
. . . .
0 0 · · · λn
Định lí 16 Cho A là ma trận đối xứng cấp n. Khi đó trong Rn tồn tại một cơ sở trực
chuẩn gồm những vectơ riêng của A.
Bây giờ ta chỉ ra phương pháp xây dựng cơ sở nói trong định lí 16 và cũng là phương
pháp tìm ma trận P nói trong định lí 15
Cho ma trận đối xứng A. Vì A chéo hóa được nên mỗi giá trị riêng bội m của A
có đúng m vectơ riêng độc lập ứng với λ0 và sau đó trực chuẩn hóa hệ m vectơ này
ta được một hệ trực chuẩn gồm m vectơ . Hiển nhiên m vectơ này cũng là vectơ riêng
ứng với giá trị riêng λ0 . Tiến hành như vậy đối với tất cả các giá trị riêng ta được một
hệ gồm n vectơ E = {e1 , e2 , . . . , en }. Gọi P là ma trận có các vectơ của E là các cột
thì P là trực giao và
λ1 0 · · · 0
0 λ2 · · · 0
−1
P AP = ..
.. . . ..
. . . .
0 0 · · · λn
trong đó λi là giá trị riêng tương ứng với vectơ riêng ei .
Ví dụ: Chéo hóa trực giao ma trận đối xứng
1 2 2
A = 2 1 2
2 2 1
Ta được 1 vectơ riêng độc lập là v1 = (1, 1, 1) (cho c = 1), trực chuẩn hóa ta
được: 1 1 1
e1 = √ , √ , √
3 3 3
f2 = v2 = (−1, 1, 0)
hv3 , f2 i 1 1 1
f3 = v3 − f2 = (−1, 0, 1) − (−1, 1, 0) = − , − , 1
hf2 , f2 i 2 2 2
Trực chuẩn hóa f2 , f3 ta được
f2 1 1
e2 = = − √ , √ ,0
kf2 k 2 2
f3 1 1 2
e3 = = − √ , −√ , √
kf3 k 6 6 6
Từ đó, với
1 1 1
√ −√ −√
3 2 6
1 1 1
√ √ −√
P =
3 2 6
1 2
√ 0 √
3 6
Do đó ta có
5 0 0
P −1 AP = 0 −1 0
0 0 −1
5.3.5 Đưa dạng toàn phương về dạng chính tắc bằng phép
biến đổi trực giao
Cho dạng toàn phương f (x) trên Rn có ma trận trong cơ sở chính tắc là ma trận đối
xứng cấp n, A = (aij )
Gọi E = {e1 , e2 , . . . , en } là một cơ sở trực chuẩn của Rn gồm các vectơ riêng của
A. P là ma trận có các cột là e1 , e2 , . . . , en . Khi đó P là ma trận trực giao và là ma
trận chuyển từ cơ sở chính tắc sang cơ sở E
Trong cơ sở E, ma trận của dạng toàn phương f (x) là
λ1 0 · · · 0
0 λ2 · · · 0
−1
P AP = ..
.. . . ..
. . . .
0 0 · · · λn
Tiến hành các bước như trong ví dụ bên trên ta được cơ sở E = {e1 , e2 , e3 } và ma trận
của phép biến đổi trực giao là
1 1 1
√ −√ −√
3 2 6
1 1 1
√ √ −√
P =
3 2 6
1 2
√ 0 √
3 6
5.4 Ứng dụng vào việc khảo sát đường và mặt bậc
hai
5.4.1 Định nghĩa đường và mặt bậc hai
Định nghĩa 1: Đường bậc hai là đường có phương trình dạng
ax2 + 2bxy + cy 2 + dx + ey + f = 0
Với a, b, c, d, e, f ∈ R
với các hệ số a, b, c, d, e, f, g, h, k, m ∈ R
x2 y 2 z 2
5. 2 + 2 − 2 = 1 (Mặt Hypeboloide 1 tầng)
a b c
x2 y 2 z 2
6. 2 + 2 − 2 = −1 (Mặt Hypeboloide 2 tầng)
a b c
x2 y 2 z 2
7. − 2 − 2 = 0 (Mặt nón)
a2 b c
x2 y 2
8. + = 2z(p, q ∈ R+ ) (Mặt paraboloide - eliptic)
a b
x2 y 2
9. − = 2z(p, q ∈ R+ ) (Mặt paraboloide - hypebolic)
a b
Bài tập
Bài 39. Tìm ma trận của các dạng toàn phương sau
a. f (x1 , x2 ) = 3x21 + 4x1 x2 − 5x22
b. f (x1 , x2 , x3 ) = x21 − 2x1 x3 + 4x2 x3 + 3x22 − 9x23
Bài 40. Dùng phương pháp Lagrange, tìm phép biến đổi tuyến tính đưa dạng toàn
phương về dạng chính tắc:
a. f (x1 , x2 , x3 ) = 2x21 + 3x22 + 4x23 − 2x1 x2 + 4x1 x3 − 3x2 x3
b. f (x1 , x2 , x3 ) = x1 x2 + x2 x3 + x1 x3
Bài 41. Dùng phương pháp Jacobi đưa các dạng toàn phương sau về dạng chính tắc
a. f (x1 , x2 , x3 ) = 3x21 + 4x1 x2 − 2x1 x3 + 2x22 − 2x2 x3 + 6x23
b. f (x1 , x2 , x3 ) = x21 + 5x22 + 2x23 + 4x1 x2 + 2x1 x3 + 4x2 x3
Bài 42. Cho dạng toàn phương:
Với giá trị nào của m thì dạng toàn phương trên xác định dương?
Bài 43. Trực giao hóa theo phương pháp Gram-Schmidt
a. Hệ {(1, 2.3), (0, 2, 0), (0, 0, 3)}
b. Hệ {(1, 1, 0), (1, 0, 1), (0, 1, 1)}
Bài 44. Chéo hóa trực giao các ma trận đối xứng sau:
3 2 0
5 6
a. b. 2 4 −2
6 0
0 −2 5
Bài 45. Tìm phép biến đổi trực giao đưa dạng toàn phương về dạng chính tắc.
a. 6x21 + 5x22 + 7x23 − 4x1 x2 + 4x1 x3
b. x21 + x22 + 5x23 − 6x1 x2 − 2x1 x3 + 2x2 x3
Bài 46. Nhận dạng các đường và các mặt bậc hai sau:
a. 5x21 − 4x1 x2 + 8x22 − 36 = 0
b. x21 + 2x1 x2 + 2x1 x3 + 3x22 − 2x2 x3 + 3x23 − 4x1 + 5x2 + 5x3 + 13 = 0
[1] Ngô Thu Lương, Nguyễn Minh Hằng. Bài tập toán cao cấp 2 (Đại số tuyến tính).
NXBĐHQG TP. Hồ Chí Minh, 2000
[2] Nguyễn Đình Trí (cb), Tạ Văn Đĩnh, Nguyễn Hồ Quỳnh. Toán học cao cấp tập 1
(Đại số và hình học giải tích), NXB Giáo dục, 1998
[3] Trần Lưu Cường (cb), Nguyễn Đình Huy, Huỳnh Bá Lân, Nguyễn Bá Thi, Nguyễn
Quốc Lân, Đặng Văn Vinh. Toán cao cấp 2 - Đại số tuyến tính, NXB Giáo Dục,
2007
[4] Trần Văn Hạo. Đại số tuyến tính dùng trong kinh tế. NXB Khoa học và kĩ thuật,
1997
63