You are on page 1of 63

ĐẠI SỐ TUYẾN TÍNH

Biên soạn: Nguyễn Minh Trí

Ngày 14 tháng 2 năm 2011


Nguyễn Minh Trí 2
Mục lục

1 Ma trận và định thức 7


1.1 Một số định nghĩa – Các phép toán trên ma trận . . . . . . . . . . . . 7
1.1.1 Một số định nghĩa . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.1.2 Các phép toán trên ma trận . . . . . . . . . . . . . . . . . . . . 8
1.1.3 Các phép biến đổi sơ cấp trên ma trận . . . . . . . . . . . . . . 10
1.2 Định thức . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.2.1 Định thức cấp 1, 2, 3 . . . . . . . . . . . . . . . . . . . . . . . . 10
1.2.2 Hoán vị . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2.3 Định thức cấp n . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2.4 Các tính chất của định thức . . . . . . . . . . . . . . . . . . . . 12
1.2.5 Định lí Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3 Ma trận nghịch đảo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.3.1 Ma trận nghịch đảo . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.3.2 Cách tìm ma trận nghịch đảo . . . . . . . . . . . . . . . . . . . 15
1.4 Hạng của ma trận . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.4.1 Khái niệm về hạng của ma trận . . . . . . . . . . . . . . . . . . 16
1.4.2 Cách tính hạng của ma trận . . . . . . . . . . . . . . . . . . . . 17

2 Hệ phương trình tuyến tính 19


2.1 Khái niệm tổng quát . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.1.1 Định nghĩa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.1.2 Tính chất nghiệm . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2 Hệ Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2.1 Định nghĩa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2.2 Công thức Cramer . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.3 Hệ phương trình tuyến tính tổng quát. Phương pháp Gauss . . . . . . . 20
2.3.1 Hệ phương trình tuyến tính tổng quát. Phương pháp Gauss . . 20
2.3.2 Hệ phương trình tuyến tính thuần nhất . . . . . . . . . . . . . . 22

3 Không gian vectơ 25


3.1 Các khái niệm cơ bản về không gian vectơ . . . . . . . . . . . . . . . . 25
3.1.1 Định nghĩa không gian vectơ . . . . . . . . . . . . . . . . . . . . 25
3.1.2 Các ví dụ không gian vectơ . . . . . . . . . . . . . . . . . . . . 25
3.1.3 Cách tính chất . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2 Sự phụ thuộc tuyến tính và độc lập tuyến tính . . . . . . . . . . . . . . 26
3.2.1 Tổ hợp tuyến tính . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2.2 Sự phụ thuộc tuyến tính . . . . . . . . . . . . . . . . . . . . . . 27
3.2.3 Sự độc lập tuyến tính . . . . . . . . . . . . . . . . . . . . . . . . 27
3.3 Hạng của một hệ vectơ . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.3.1 Định nghĩa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

3
MỤC LỤC

3.3.2 Cách tính hạng của một hệ vectơ . . . . . . . . . . . . . . . . . 28


3.4 Cơ sở,số chiều . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.4.1 Cơ sở . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.4.2 Số chiều . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.4.3 Ma trận chuyển cơ sở . . . . . . . . . . . . . . . . . . . . . . . . 29
3.4.4 Quan hệ giữa các tọa độ của cùng một vectơ đối với các cơ sở
khác nhau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.5 Không gian vectơ con . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.5.1 Định nghĩa và ví dụ . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.5.2 Không gian vectơ sinh bởi một tập . . . . . . . . . . . . . . . . 31
3.5.3 Không gian con các nghiệm của hệ phương trình tuyến tính thuần
nhất . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

4 Ánh xạ tuyến tính 33


4.1 Định nghĩa và ví dụ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.1.1 Định nghĩa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.1.2 Các ví dụ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.1.3 Các tính chất cơ bản của ánh xạ tuyến tính . . . . . . . . . . . 34
4.2 Ma trận của ánh xạ tuyến tính . . . . . . . . . . . . . . . . . . . . . . 34
4.2.1 Định lí cơ bản về sự xác định của ánh xạ tuyến tính . . . . . . . 34
4.2.2 Ma trận của ánh xạ tuyến tính . . . . . . . . . . . . . . . . . . 34
4.2.3 Biểu thức tọa độ của ánh xạ tuyến tính . . . . . . . . . . . . . . 36
4.2.4 Ma trận của ánh xạ tuyến tính trong các cơ sở khác nhau . . . 36
4.3 Hạt nhân và ảnh . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.3.1 Các khái niệm cơ bản . . . . . . . . . . . . . . . . . . . . . . . . 36
4.3.2 Nhận xét . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.4 Đơn cấu, toàn cấu, đẳng cấu . . . . . . . . . . . . . . . . . . . . . . . . 38
4.4.1 Các định nghĩa . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.4.2 Các định lí về đơn cấu, toàn cấu, đẳng cấu . . . . . . . . . . . . 38
4.5 Giá trị riêng, vectơ riêng của ma trận, ánh xạ tuyến tính . . . . . . . . 39
4.5.1 Vectơ riêng và giá trị riêng của ma trận . . . . . . . . . . . . . . 39
4.5.2 Vectơ riêng và giá trị riêng của phép biến đổi tuyến tính . . . . 41
4.6 Chéo hóa ma trận, chéo hóa ánh xạ tuyến tính . . . . . . . . . . . . . . 42
4.6.1 Điều kiện chéo hóa . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.6.2 Cách chéo hóa ma trận và phép biến đổi tuyến tính . . . . . . . 42

5 Dạng song tuyến tính - Dạng toàn phương 47


5.1 Các khái niệm cơ bản . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
5.1.1 Dạng song tuyến tính . . . . . . . . . . . . . . . . . . . . . . . . 47
5.1.2 Dạng toàn phương . . . . . . . . . . . . . . . . . . . . . . . . . 47
5.1.3 Dạng chính tắc . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
5.1.4 Phép đổi biến số . . . . . . . . . . . . . . . . . . . . . . . . . . 48
5.2 Đưa dạng toàn phương về dạng chính tắc . . . . . . . . . . . . . . . . . 48
5.2.1 Phương pháp Lagrange . . . . . . . . . . . . . . . . . . . . . . . 48
5.2.2 Phương pháp Jacobi . . . . . . . . . . . . . . . . . . . . . . . . 50
5.2.3 Luật quán tính . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
5.3 Không gian Euclide . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
5.3.1 Định nghĩa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
5.3.2 Độ dài vectơ , góc giữa các vectơ . . . . . . . . . . . . . . . . . 53
5.3.3 Cơ sở trực giao, cơ sở trực chuẩn . . . . . . . . . . . . . . . . . 53

Nguyễn Minh Trí 4


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

Nguyễn Minh Trí 5


MỤC LỤC

Nguyễn Minh Trí 6


Chương 1

Ma trận và định thức

1.1 Một số định nghĩa – Các phép toán trên ma


trận
1.1.1 Một số định nghĩa
Ma trận cấp m × n(m, n ∈ N∗ ) trên trường K (K là R hay C) là một bảng gồm m × n
số được sắp xếp thành m dòng, n cột theo một thứ tự nhất định:
Ma trận A cấp m × n được viết dưới dạng
 
a11 a12 . . . a1n
 a21 a22 . . . a2n 
A =  ..
 
.. . . .. 
 . . . . 
am1 am2 . . . amn

Ta cũng kí hiệu ma trận A có m hàng và n cột là A = (aij )m×n ; phần tử nằm ở


hàng thứ i, cột thứ j của ma trận A được kí hiệu là aij
Tập hợp các ma trận cấp m × n trên K kí hiệu là Mm×n (K)
Ma trận cấp n × n được gọi là ma trận vuông cấp n.
Ma trận cấp m × 1 được gọi là ma trận cột
 
1
2
A= 4

Ma trận cấp 1 × n được gọi là ma trận dòng.


 
B= 1 3 4 5

Ma trận không nếu mọi phần tử của nó đều bằng 0.


Ma trận đơn vị là ma trận vuông mà các phần tử aii = 1 còn các phần tử còn lại
bằng 0, kí hiệu In  
1 0 ... 0
0 1 . . . 0
In =  .. .. . . .. 
 
. . . .
0 0 ... 1

7
1.1. MỘT SỐ ĐỊNH NGHĨA – CÁC PHÉP TOÁN TRÊN MA TRẬN

Ma trận chéo là ma trận vuông mà các phần tử aij = 0 với i 6= j


 
a1 0 ... 0
 0 a2 ... 0
A =  .. ..
 
... .. 
. . .
0 0 . . . an

Các ma trận vuông cấp n có dạng


 
a11 a12 . . . a1n
 0 a22 . . . a2n 
 
 .. .. . . . .. 
 . . . 
0 0 . . . ann

hay  
a11 0 ... 0
 a21 a22 ... 0 
 
 .. .. .. .. 
 . . . . 
an1 an2 . . . ann

được gọi là ma trận tam giác trên và ma trận tam giác dưới.

1.1.2 Các phép toán trên ma trận


1. Ma trận bằng nhau Hai ma trận A = (aij )m×n và B = (bij )m×n được gọi là
bằng nhau nếu chúng có cùng cấp m × n, và các vị trí tương ứng cũng bằng nhau
aij = bij , ∀1 ≤ i ≤ m, 1 ≤ j ≤ n

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

3. Nhân một số với một ma trận Cho A ∈ Mm×n (K) và α ∈ K

αA = (αaij )m×n
Tính chất:

1. 1.A = A

2. 0.A = 0

3. α.0 = 0, ∀α ∈ K

4. α(β.A) = (αβ)A, ∀α, β ∈ K

Nguyễn Minh Trí 8


CHƯƠNG 1. MA TRẬN VÀ ĐỊNH THỨC

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. (uA + vB)T = uAT + vB T với u, v ∈ 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

Ví dụ: Cho hai ma trận


 
  13 14
1 2 3 4 15 16
A = 5 6 7 8  và B = 
17

18
9 10 11 12
19 20

Ta có ma trận C = A.B là ma trận cấp 3 × 2 như sau:


Phần tử c11 : lấy các phần tử ở dòng 1 của ma trận A nhân tương ứng với các phần
tử của cột 1 của ma trận B, sau đó cộng tất cả lại với nhau.

c11 = 1.13 + 2.15 + 3.17 + 4.19 = 170

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.

c12 = 1.14 + 2.16 + 3.18 + 4.20 = 180

Tương tự như vậy


 ta tính được
 các phần tử còn lại.
170 180
Vậy C = A.B = 426 452
682 724
Tính chất

1. (A.B).C = A.(B.C)

Nguyễn Minh Trí 9


1.2. ĐỊNH THỨC

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.

1.1.3 Các phép biến đổi sơ cấp trên ma trận


Ta gọi phép biến đổi sơ cấp trên ma trận là phép biến đổi có một trong các dạng sau:
1. hi ↔ hj (ci ↔ cj ): đổi chỗ hai hàng (cột) cho nhau

2. hi → a.hi (ci → a.ci ), a 6= 0: nhân vào hàng thứ i (cột i) với số a 6= 0

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.

Ma trận bậc thang là ma trận có dạng


 
a11 a12 . . . . . . a1n
 0 a22 . . . . . . a2n 
 
 .. .. .. 
 .
 . arr . arn 
0 0 ... ... 0 
0 0 ... ... 0

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

1.2 Định thức


1.2.1 Định thức cấp 1, 2, 3
Định thức cấp 1, 2, 3 A là ma trận vuông cấp 1; A = [a11 ] thì định thức của A là
một số được kí hiệu là detA = a11
A là ma trận vuông cấp 2:  
a11 a12
A=
a21 a22

Nguyễn Minh Trí 10


CHƯƠNG 1. MA TRẬN VÀ ĐỊNH THỨC

định thức cấp 2 của A là một số được kí hiệu



a11 a12
detA = = a11 a22 − a12 a21
a21 a22

Nếu A là một ma trận cấp 3


 
a11 a12 a13
A = a21 a22 a23 
a31 a32 a33

thì định thức cấp 3 của ma trận A là một số, kí hiệu


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

Ví dụ: Tính định thức của ma trận


 
1 2 3
A = 4 5 6
7 8 9

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

Nghịch thế Trong hoán vị {i1 , i2 , . . . , ij , . . . , ik , . . . , in } ta nói cặp số (ij , ik ) làm


thành một nghịch thế nếu j < k mà ij > ik
Trong hoán vị 3241 ta có các nghịch thế (3,2), (3,1), (4,1), (2,1)
Trong hoán vị 3124 ta có các nghịch thế ...
Hoán vị chẵn: hoán vị có số nghịch thế chẵn.
Hoán vị lẻ: hoán vị có số nghịch thế lẻ.

1.2.3 Định thức cấp n


Cho A là ma trận vuông cấp n
Xét tích a1i1 , a2i2 , . . . , anin (1)
trong đó i1 , i2 , . . . , in là một hoán vị bậc n.
Ta có n! tích có dạng (1).
Mỗi tích ở dạng (1) có 1 dấu: Nếu hoán vị i1 , i2 , . . . , in là chẵn thì tích đó lấy dấu
+, nếu là hoán vị lẻ thì tích đó là dấu −
Định thức cấp n của ma trận A là tổng của n! hạng tử có dạng (1).
Kí hiệu định thức của ma trận A là |A| hay detA
Định thức của ma trận vuông cấp n kí hiệu là Dn

Nguyễn Minh Trí 11


1.2. ĐỊNH THỨC

1.2.4 Các tính chất của định thức


• |A| = |AT |
Ví dụ: Cho ma trận
   
1 2 3 1 4 7
A = 4 5 6 và AT = 2 5 8
7 8 0 3 6 0

Khi đó detA = và detAT =

• 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

1.2.5 Định lí Laplace


Định thức con Cho định thức D cấp n. Định thức con cấp k (1 ≤ k ≤ n) của định
thức D là định thức của ma trận vuông cấp k gồm các phần tử nằm ở giao của k dòng
và k cột tùy ý của định thức D.
Ví dụ:
a11 a12 a13

D3 = a21 a22 a23
a31 a32 a33

có 9 định thức con cấp 1, 9 định thức con cấp 2 và 1 định thức con cấp 3.

Nguyễn Minh Trí 12


CHƯƠNG 1. MA TRẬN VÀ ĐỊNH THỨC

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


1+2+5+2+4+5
a31 a33
(−1)
a41 a43

Bổ đề: Cho định thức D cấp n. Với mọi i, j = 1, 2, . . . , n ta có:

• Khai triển định thức theo dòng i như sau

D = ai1 Ai1 + ai2 Ai2 + · · · + ain Ain

Nguyễn Minh Trí 13


1.2. ĐỊNH THỨC

• Khai triển định thức theo cột j như sau

D = a1j A1j + a2j A2j + · · · + anj Anj

Ví dụ: Tính các định thức



0 4 0 0 1 4 3 2

1 3 2 −1 0 0 3 2 −1
D = ;D =
−2 5 3 1 0 0 3 1
3 7 2 −2 0 0 0 −2

Tính định thức D ta khai triển theo dòng thứ 1:


1 2 −1
1+2

D = 4.(−1) −2 3 1 = · · ·
3 2 −2
0
Tính định thức D ta khai triển
theo cột thứ 1:
3 2 −1
0

D = 1.(−1)1+1 0 3 1 = · · ·
0 0 −2

Cách tính định thức

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.

Ví dụ: Tính định thức


1
7 2 −1
1 3 2 −1
D =
−2 5 3 1
3 7 2 −2

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

Nguyễn Minh Trí 14


CHƯƠNG 1. MA TRẬN VÀ ĐỊNH THỨC

1.3 Ma trận nghịch đảo


1.3.1 Ma trận nghịch đảo
Định lí 1 Cho 2 ma trận vuông A, B cấp n. Khi đó det(AB) = det(A).det(B)

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

là ma trận phụ hợp của A.


1
Định lí 2 A không suy biến ⇔ A là ma trận khả nghịch và A−1 = PA .
detA

1.3.2 Cách tìm ma trận nghịch đảo


Phương pháp dùng định thức 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
1  A12 A22 . . . An2 

−1
A =  . .. ... .. 
|A|  .. . . 
A1n A2n . . . Ann

Ví dụ 1: Tìm ma trận nghịch đảo của ma trận


 
3 1 2
A = −2 1 −1
0 2 1

Giải: Ta có |A| = 3
A11 = 3, A12 = 2, A13 = −4
A21 = 3, A22 = 3, A23 = −6
A31 = −3, A32 = −1, A33 = 5
3 3 −3
−1 1
Vậy A = 2 3 −1
3
−4 −6 5

Nguyễn Minh Trí 15


1.4. HẠNG CỦA MA TRẬN

Ví dụ 2: Tìm ma trận nghịch đảo của ma trận


 
1 2 3
B = 2 5 3
1 0 8

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

1.4 Hạng của ma trận


1.4.1 Khái niệm về hạng của ma trận
Cho ma trận A. Ta gọi hạng của ma trận A là số nguyên dương r sao cho:
• Trong A có một định thức con cấp r khác 0.
• Mọi định thức con cấp lớn hơn r trong ma trận A đều bằng 0.
Kí hiệu: rankA
Nếu A = 0 thì ta qui ước rankA = 0

Nguyễn Minh Trí 16


CHƯƠNG 1. MA TRẬN VÀ ĐỊNH THỨC

Định lí
rankA = rankAT

1.4.2 Cách tính hạng của ma trận


Dùng các phép biến đổi sơ cấp trên dòng (hay cột) để đưa ma trận về dạng
 
a11 a12 a13 . . . a1r . . . a1n
 0 a22 a23 . . . a2r . . . a2n 
 
 0 0 a33 . . . a3r . . . a3n 
 
 .. .. .. .. . .. 
 .
 . . . .. ... .  
 0 0 0 . . . arr . . . arn 
 
 0 0 0 ... 0 ... 0 
 
 . . .. .. . .. 
 .. .. . . .. ... . 
0 0 0 ... 0 ... 0

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

Tính A2 − 3A; B T A − B T ; A(B + C); BC T + A


Bài 3. Tính các định thức

Nguyễn Minh Trí 17


1.4. HẠNG CỦA MA TRẬN


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 7. Xác định a để hạng của ma trận sau bằng 2:


 
1 a −1 2
A = 2 −1
 a 5
1 10 −6 1

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 saocho 
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

Nguyễn Minh Trí 18


Chương 2

Hệ phương trình tuyến tính

2.1 Khái niệm tổng quát


2.1.1 Định nghĩa
Hệ phương trình tuyến tính gồm m phương trình n ẩn là hệ thống có dạng

a11 x1 + a12 x2 + · · · + a1n xn = b1


a x + a x + · · · + a x = b
21 1 22 2 2n n 2
(1)


 .....................................
am1 x1 + am2 x2 + · · · + amn xn = bm

Trong đó x1 , x2 , . . . , xn là các ẩn, các aij , bi ∈ K (K = R hay K = C)


Hệ trên được viết dưới dạng:  AX  =B  
x1 b1
 x2   b2 
Trong đó A = (aij )m×n , X =  ..  và B =  .. 
   
. .
xn bn
A được
 gọi là ma trận hệ số củahệ phương trình (1).
a11 a12 . . . a1n b1
 a21 a22 . . . a2n b2 
A =  .. ..  gọi là ma trận bổ sung
 
.. .. ..
 . . . . . 
am1 am2 . . . amn bm

2.1.2 Tính chất nghiệm


• Ta gọi một nghiệm của hệ phương trình (1) là một bộ n số (c1 , c2 , . . . , cn ) sao cho
khi thay vào các ẩn x1 , x2 , . . . , xn tương ứng thì hai vế của hệ phương trình (1)
trở thành các đồng nhất thức.

• 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

2.2.2 Công thức Cramer


Hệ phương trình Cramer có duy nhất nghiệm xác định bởi công thức sau:

|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

2.3 Hệ phương trình tuyến tính tổng quát. Phương


pháp Gauss
2.3.1 Hệ phương trình tuyến tính tổng quát. Phương pháp
Gauss
Đối với những hệ phương trình mà số phương trình khác số ẩn hay số phương trình
bằng số ẩn nhưng |A| = 0 thì ta không áp dụng được phương pháp Cramer.
Ta dùng phương pháp khử dần ẩn số hay còn gọi là phương pháp Gauss
Ta gọi các phép biến đổi sơ cấp trên hệ phương trình tuyến tính là các phép biến
đổi dưới đây:

Nguyễn Minh Trí 20


CHƯƠNG 2. HỆ PHƯƠNG TRÌNH TUYẾN TÍNH

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

Giải: Xét ma trận A


   
1 1 −2 6 1 1 −2 6
h2 →−2h1 +h2
 2 3 −7 16  h3 →−5h1 +h3  0 1 −3 4 
A=
  −
−−−−−−−→  
5 2 1 16  h4 →−3h1 +h4  0 −3 7 −14 
3 −1 8 0 0 −4 14 −18
   
11 −2 6 1 1 −2 6
h →3h +h3  0
 1 −3 4   0 1 −3 4 
h4 →h3 +h4  
−−3−−−2−−→ − − −−− −→
h4 →4h2 +h4  00 −2 2   0 0 −2 2 
00 2 −2 0 0 0 0

x3 = −1

Từ đó suy ra nghiệm của hệ phương trình là: x2 = 4 + 3x3 = 1

x1 = 6 + 2x3 − x2 = 3

Ví dụ 2: Giải hệ phương trình sau:


 x1 − 2x2 + 3x3 − 4x4 = 2

3x + 3x − 5x + x = −3
1 2 3 4


 −2x1 + x2 + 2x3 − 3x4 = 5
3x1 + 3x3 − 10x4 = 8

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

Nguyễn Minh Trí 21


2.3. HỆ PHƯƠNG TRÌNH TUYẾN TÍNH TỔNG QUÁT. PHƯƠNG PHÁP GAUSS

2. Nếu rankA < rankA thì hệ vô nghiệm

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

Giải: Ta xét ma trận bổ sung


     
1 2 −3 5 1 1 2 −3 5 1 1 2 −3 5 1
h →−h1 +h2 h3 →−h2 +h3
 1 3 −1 1 −2  −−2−−−− −−→  0 1 2 −4 −3  −− −−−−−→  0 1 2 −4 −3 
h3 →−2h1 +h3
2 5 −4 6 −1 0 1 2 −4 −3 0 0 0 0 0

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

Ví du 4: Cho hệ phương trình sau vô nghiệm



x1 + 2x2 − 3x3 + 5x4 = 1

x1 + 3x2 − x3 + x4 = −2

2x1 + 5x2 − 4x3 + 6x4 = m

a. Tìm m để hệ phương trình có nghiệm.


b. Tìm m để hệ phương trình vô nghiệm.

2.3.2 Hệ phương trình tuyến tính thuần nhất


Hệ phương trình tuyến tính thuần nhất là hệ phương trình dạng AX = 0(2) với
A = (aij )m×n
Hệ này luôn có 1 nghiệm x1 = x2 = . . . = xn = 0 (nghiệm tầm thường)
1. Nếu rankA = n thì hệ phương trình (2) có nghiệm duy nhất (nghiệm tầm thường)

2. Nếu rankA = k < n thì hệ phương trình (2) có vô số nghiệm,phụ thuộc n − k


tham số.
Giả sử n − k tham số này ta kí hiệu là t1 , t2 , . . . , tn−k .
Lần lượt cho:
t1 = 1, t2 = 0, . . . tn−k = 0 tìm được 1 nghiệm kí hiệu X1
t1 = 0, t2 = 1, . . . tn−k = 0 tìm được 1 nghiệm kí hiệu X2
...
t1 = 0, t2 = 0, . . . tn−k = 1 tìm được 1 nghiệm kí hiệu Xn−k

Nguyễn Minh Trí 22


CHƯƠNG 2. HỆ PHƯƠNG TRÌNH TUYẾN TÍNH

Khi đó X1 , X2 , . . . , Xn−k gọi là hệ nghiệm cơ bản của hệ thuần nhất.


Ví dụ 4: Tìm hệ nghiệm cơ bản và nghiệm tổng quát của hệ phương trình

x1 + 2x2 − 3x3 + 5x4 = 0

x1 + 3x2 − x3 + x4 = 0

2x1 + 5x2 − 4x3 + 6x4 = 0

Giải: Ta xét ma trận bổ sung


     
1 2 −3 5 0 1 2 −3 5 0 1 2 −3 5 0
h →−h1 +h2 h3 →−h2 +h3
 1 3 −1 1 0  −−2−−−− −−→  0 1 2 −4 0  −− −−−−−→  0 1 2 −4 0 
h3 →−2h1 +h3
2 5 −4 6 0 0 1 2 −4 0 0 0 0 0 0
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 = −5x4 + 3x3 − 2x2 = −13t2 + 7t1

x = 4x − 2x = 4t − 2t
2 4 3 2 1
(t1 , t2 tùy ý)


 x 3 = t 1

x4 = t 2
Cho x3 = 1, x4 = 0 ta được 1 nghiệm cơ bản là X1 = (7, −2, 1, 0).
Cho x3 = 0, x4 = 1 ta được 1 nghiệm cơ bản là X2 = (−13, 4, 0, 1).
Ví dụ 5: Tìm hệ nghiệm cơ bản và nghiệm tổng quát của hệ phương trình

2x1 + 2x2 + 4x3 − 3x4 = 0

x1 + 3x2 − x3 + x4 = 0

3x1 + 5x2 + 3x3 − 2x4 = 0

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

Nguyễn Minh Trí 23


2.3. HỆ PHƯƠNG TRÌNH TUYẾN TÍNH TỔNG QUÁT. 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
 

Nguyễn Minh Trí 24


Chương 3

Không gian vectơ

3.1 Các khái niệm cơ bản về không gian vectơ


3.1.1 Định nghĩa không gian vectơ
Cho tập E 6= ∅ và trường K (K = R hay K = C) với hai phép toán sau:

+: 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

3. Tồn tại phần tử 0 ∈ E sao cho a + 0 = 0 + a = a, ∀a ∈ E

4. ∀a ∈ E, tồn tại −a ∈ E sao cho a + (−a) = (−a) + a = 0

5. k(a + b) = ka + kb

6. (k + m)a = ka + ma

7. (km)a = k(ma)

8. 1a = a

thì E được gọi là một K-không gian vectơ


Các phần tử của E gọi là vectơ , các phần tử của K gọi là vô hướng.

3.1.2 Các ví dụ không gian vectơ


Ví dụ 1: E = R3 = {(a1 , a2 , a3 )|ai ∈ R} và K = R
Ta định nghĩa hai phép toán: a = (a1 , a2 , a3 ), b = (b1 , b2 , b3 ) và k ∈ R

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

Vectơ không 0 = (0, 0, 0)


Vectơ đối của vectơ a = (a1 , a2 , a3 ) là −a = (−a1 , −a2 , −a3 )
Ví dụ 2: Cho Mn (R) là tập tất cả các ma trận vuông cấp n với các phần tử trong ma
trận là các số thực. Đặt V = Mn và K = R.
Trên Mn ta xét phép cộng là phép cộng hai ma trận và phép nhân là phép nhân
của một số với một ma trận.
Khi đó Mn cùng với hai phép toán trên lập thành một R-không gian vectơ .

3.1.3 Cách tính chất


Cho E là một K-không gian vectơ , ∀m, n ∈ K, ∀x, y ∈ E

1. Vectơ 0 là duy nhất

2. mx = 0 ⇒ m = 0 hoặc x = 0

3. (m − n)x = mx − nx

4. m(x − y) = mx − my

3.2 Sự phụ thuộc tuyến tính và độc lập tuyến tính


3.2.1 Tổ hợp tuyến tính
Cho các vectơ x1 , x2 , . . . , xn ∈ E.
Vectơ y được gọi là một tổ hợp tuyến tính của các vectơ x1 , x2 , . . . , xn nếu tồn tại các
số k1 , k2 , . . . , kn ∈ K sao cho:

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:

y = 3e1 + 2e2 + 4e3

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

Nguyễn Minh Trí 26


CHƯƠNG 3. KHÔNG GIAN VECTƠ

3.2.2 Sự phụ thuộc tuyến tính


Hệ các vectơ x1 , x2 , . . . , xn được gọi là phụ thuộc tuyến tính nếu có n số k1 , k2 , . . . , kn
không đồng thời bằng 0, sao cho:
k1 x1 + k2 x2 + · · · + kn xn = 0
Hệ vectơ x1 = (2, −1, 0), x2 = (1, 3, 2), x3 = (0, −7, −4) là phụ thuộc tuyến tính vì:
−1x1 + 2x2 + 1x3 = (−2, 1, 0) + (2, 6, 4) + (0, −7, −4) = (0, 0, 0)

3.2.3 Sự độc lập tuyến tính


Hệ các vectơ x1 , x2 , . . . , xn được gọi là độc lập tuyến tính nếu có
k1 x1 + k2 x2 + · · · + kn xn = 0
khi và chỉ khi k1 = k2 = . . . = kn = 0
Cho hệ các vectơ e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1) độc lập tuyến tính.
Thật vậy, xét k1 e1 + k2 e2 + k3 e3 = 0 thì k1 = k2 = k3 = 0
Ví dụ 1: Xét sự độc lập tuyến tính và phụ thuộc tuyến tính của các vectơ trong R3
x = (1, 1, 0), y = (0, 1, 1), z = (1, 0, 1)
Giải: Giả sử
k1 x + k2 y + k3 z = 0
⇔ k1 (1, 1, 0) + k2 (0, 1,
1) + k3 (1, 0, 1) = (0, 0, 0)
k1 + k3 = 0

⇔ k1 + k2 = 0

k2 + k3 = 0


k1 = 0

⇔ k2 = 0

k3 = 0

Vậy ba vectơ x, y, z độc lập tuyến tính.


Ví dụ 2: Trong không gian R2 , xét sự độc lập tuyến tính của hai vectơ a =
(1, −2), b = (−3, 6)

3.3 Hạng của một hệ vectơ


3.3.1 Định nghĩa
Cho hệ gồm m vectơ a1 , a2 , . . . , am (2)
Số r là hạng của hệ vectơ (2) nếu:
1. Có một hệ con gồm r vectơ của hệ (2) độc lập tuyến tính.
2. Mọi hệ con gồm lớn hơn r vectơ đều phụ thuộc tuyến tính.
Kí hiệu: rank(a1 , a2 , . . . , am ) = r
Nhận xét: Giả sử rank(a1 , a2 , . . . , am ) = r
• Nếu r < m thì hệ các vectơ (2) phụ thuộc tuyến tính.
• Nếu r = m thì hệ các vectơ (2) độc lập tuyến tính.
Nếu hệ (2) gồm các vectơ không thì hạng của hệ đó bằng 0.

Nguyễn Minh Trí 27


3.4. CƠ SỞ, SỐ CHIỀU

3.3.2 Cách tính hạng của một hệ vectơ


Tính hạng các vectơ

a1 = (a11 , a12 , ..., a1n )


a2 = (a21 , a22 , ..., a2n )
...
am = (am1 , am2 , ..., amn )

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.

3.4 Cơ sở, số chiều


3.4.1 Cơ sở
Một tập các vectơ B = {u1 , u2 , . . . , un } ⊂ E được gọi là một cơ sở của không gian
vectơ E nếu:

1. Hệ vectơ B độc lập tuyến tính.

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

e1 = (1, 0, . . . , 0), e2 = (0, 1, 0, . . . , 0), . . . , en = (0, 0, . . . , 1)

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.

Nguyễn Minh Trí 28


CHƯƠNG 3. KHÔNG GIAN VECTƠ

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

Định lí 5 Giả sử E là một không gian vectơ có dim(E) = n, n ∈ N∗ . Khi đó mọi hệ


n vectơ độc lập tuyến tính của E đều là một cơ sở của E

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.

3.4.3 Ma trận chuyển cơ sở


Một không gian vectơ có nhiều cơ sở. Tọa độ của một vectơ đối với một cơ sở là duy
nhất. Vậy khi thay cơ cở này bằng một cơ sở khác thì tọa độ vectơ thay đổi như thế
nào?
Cho K-không gian vectơ E có 2 cơ sở:
U = {u1 , u2 , . . . , un } và V = {v1 , v2 , . . . , vn }

v1 = t11 u1 + t12 u2 + · · · + t1n un


v2 = t21 u1 + t22 u2 + · · · + t2n un
..........................................
vn = tn1 u1 + tn2 u2 + · · · + tnn un
 
t11 t21 . . . tn1
 t12 t22 . . . tn2 
TU V =  ..
 
.. . . .. 
 . . . . 
t1n t2n . . . tnn
gọi là ma trận chuyển cơ sở từ U sang V .
Nếu SV U là ma trận chuyển cơ sở từ V sang U thì SV U chính là ma trận nghịch
đảo của ma trận chuyển cơ sở từ U sang V
Ví dụ: Trong R-không gian vectơ R2 cho 2 cơ sở:

U = {u1 = (1, 0), u2 = (0, 1)} và V = {v1 = (1, 2), v2 = (3, 4)}

Tìm ma trận chuyển cơ sở từ U sang V và ma trận chuyển cơ sở từ V sang U .


Giải: Tìm ma trận chuyển cơ sở từ U sang V
(
v1 = u1 + 2u2
v2 = 3u1 + 4u2
 
1 3
Như vậy TU V =
2 4  
−2 3/2
Tương tự ta tìm được ma trận chuyển cơ sở từ V sang U là TV U =
1 −1/2

Nguyễn Minh Trí 29


3.5. KHÔNG GIAN VECTƠ CON

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

Tìm tọa độ của vectơ x = (5, 2) đối với 2 cơ sở trên.

3.5 Không gian vectơ con


3.5.1 Định nghĩa và ví dụ
Định nghĩa Giả sử E là một K-không gian vectơ , F ⊂ E. Ta nói F là một không
gian vectơ con của E khi nó thỏa các điều kiện sau:

1. F 6= ∅

2. ∀x, y ∈ F : x + y ∈ F

3. ∀x ∈ F, ∀k ∈ K : k.x ∈ F

Hay ta có một điều kiện tương đương như sau:


F là không gian vectơ con của E ⇐⇒ ∀x, y ∈ F, ∀a, b ∈ K : a.x + b.y ∈ F (∗)

Ví dụ

1. Tập {0} và E là hai không gian vectơ con của E

2. Trong R-không gian vectơ R3 , cho tập

A = {(x1 , x2 , x3 ) ∈ R3 |x1 + x2 + x3 = 0}

là không gian vectơ con của R3


(Dùng tiêu chuẩn (*) để chứng minh.)

Nguyễn Minh Trí 30


CHƯƠNG 3. KHÔNG GIAN VECTƠ

3.5.2 Không gian vectơ sinh bởi một tập


Cho E là một không gian vectơ , a1 , a2 , . . . , an là hệ các vectơ của E. Ta định nghĩa

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

Giải: Ta giải hệ phương trình đã cho


Biến đổi ma trận các hệ số bổ sung:

     
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

rankA = 2 < 4 hệ phương trình có vô số nghiệm phụ thuộc 2 tham số là x3 , x4 . Ta có


x2 = 5x3 − 4x4
x1 = −2x2 − 4x3 + 3x4 = −14x3 + 11x4
Vậy nghiệm tổng quát của hệ là


 x1 = −14t1 + 11t2

x = 5t − 4t
2 1 2
, t1 , t2 ∈ R


 x 3 = t1

x4 = t2

Nguyễn Minh Trí 31


3.5. KHÔNG GIAN VECTƠ CON

Cho t1 = 1, t2 = 0 ta được x1 = −14, x2 = 5, x3 = 1, x4 = 0, ta được vectơ


a1 = (−14, 5, 1, 0)
Cho t1 = 0, t2 = 1 ta được x1 = 11, x2 = −4, x3 = 0, x4 = 1, ta được vectơ
a2 = (11, −4, 0, 1)
Vậy cơ sở của không gian nghiệm là {a1 , a2 } và số chiều của không gian nghiệm là
2.

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:

(f + g)(x) = f (x) + g(x)

(kf )(x) = k.f (x)


với mọi f, g ∈ M (A), k ∈ R, x ∈ A Chứng minh rằng M (A) là một R-không gian vectơ
.
Bài 17. Chứng minh rằng tập hợp Pn (x) các đa thức bậc nhỏ hơn hoặc bằng n của x
với hệ số thực lập thành một R-không gian vectơ cùng với phép cộng đa thức và phép
nhân 1 số thực với một đa thức thông thường.
Bài 18. Trong R3 , xét xem vectơ u có phải là tổ hợp tuyến tính của u1 , u2 , u3 hay
không?
a. u = (1, 2, 1); u1 = (0, 1, 1); u2 = (1, 0, 1); u3 = (1, 1, 0)
b. u = (−2, −2, 1); u1 = (2, −1, 3); u2 = (4, 1, 2); u3 = (6, 0, 5)
c. u = (7, −2, 15); u1 = (2, 3, 5); u2 = (3, 7, 8); u3 = (1, −6, 1)
Bài 19. Tìm m sao cho x là tổ hợp tuyến tính của u1 , u2 , u3
a. x = (5, 9, m); u1 = (4, 4, 3); u2 = (7, 2, 1); u3 = (4, 6, 1)
b. x = (7, −2, m); u1 = (2, 3, 5); u2 = (3, 7, 8); u3 = (1, −6, 1)
c. x = (1, 3, 5); u1 = (3, 2, 5); u2 = (2, 4, 7); u3 = (5, 6, m)
Bài 20. Trong R-không gian vectơ R3 , xét sự độc lập tuyến tính của các hệ vectơ sau:
a. x1 = (2, 1, 1), x2 = (1, 3, 1), x3 = (1, −2, 0)
b. x1 = (2, −3, 0), x2 = (0, 1, 2), x3 = (2, −4, 1)
Bài 21. Trong R-không gian vectơ R4 , với giá trị nào của m thì hệ vectơ sau độc lập
tuyến tính:

x1 = (0, 1, 1, 1), x2 = (1, 0, 1, 1), x3 = (1, 1, 0, 1), x4 = (1, 1, 1, m)

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

B = {(1, 1, 1), (1, 1, 2), (1, 2, 3)}


0
B = {(2, 1, −1), (3, 2, −5), (1, −1, m)}

Nguyễn Minh Trí 32


CHƯƠNG 3. KHÔNG GIAN 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

Tìm cơ sở và số chiều của không gian nghiệm

Nguyễn Minh Trí 33


3.5. KHÔNG GIAN VECTƠ CON

Nguyễn Minh Trí 34


Chương 4

Ánh xạ tuyến tính

4.1 Định nghĩa và ví dụ


4.1.1 Định nghĩa
Cho E, F là hai K-không gian vectơ , ánh xạ f : E → F là ánh xạ tuyến tính nếu f
thỏa 2 điều kiện:
1. f (a + b) = f (a) + f (b) ∀a, b ∈ E

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

2. Ánh xạ đồng nhất


id : E → E
a 7→ id(a) = a
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

• ∀x, y ∈ R3 , ta có x = (x1 , x2 , x3 ), y = (y1 , y2 , y3 ):


f (x + y) = f (x1 + y1 , x2 + y2 , x3 + y3 )
= ((x1 + y1 ) + (x2 + y2 ), (x1 + y1 ) + (x3 + y3 ), x3 + y3 )
= ((x1 + x2 ) + (y1 + y2 ), (x1 + x3 ) + (y1 + y3 ), x3 + y3 )
= (x1 + x2 , x1 + x3 , x3 ) + (y1 + y2 , y1 + y3 , y3 )
= f (x) + f (y)
• ∀x ∈ R3 , ∀k ∈ R ta có x = (x1 , x2 , x3 )
f (kx) = f (kx1 , kx2 , kx3 )
= (kx1 + kx2 , kx1 + kx3 , kx3 )
= k.(x1 + x2 , x1 + x3 , x3 )
= k.f (x)

4.1.3 Các tính chất cơ bản của ánh xạ tuyến tính


Cho E, F là hai K-không gian vectơ , f : E → F là ánh xạ tuyến tính, khi đó

1. f (0E ) = 0F , f (−a) = −f (a)

2. Ánh xạ f : E → F là ánh xạ tuyến tính khi và chỉ khi

f (ax + by) = a.f (x) + b.f (y) , ∀a, b ∈ K; ∀x, y ∈ E

3. Với mọi x1 , x2 , . . . , xn ∈ E và k1 , k2 , . . . , kn ∈ K ta có

f (k1 x1 + k2 x2 + · · · + kn xn ) = k1 f (x1 ) + k2 f (x2 ) + · · · + kn f (xn )

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

4.2 Ma trận của ánh xạ tuyến tính


4.2.1 Định lí cơ bản về sự xác định của ánh xạ tuyến tính
Định lí Cho E là không gian vectơ n chiều (dimE = n), B = {e1 , e2 , . . . , en } là một
cơ sở của E, F là không gian vectơ tùy ý và b1 , b2 , . . . , bn là hệ các vectơ tùy ý trong
F . Khi đó tồn tại duy nhất một ánh xạ tuyến tính f : E → F thỏa mãn f (ei ) = bi với
mọi i = 1, 2, . . . , n
Từ định lí này ta thấy một ánh xạ tuyến tính hoàn toàn được xác định nếu như ta
biết được ảnh của một cơ sở của nó. Và để cho 1 ánh xạ tuyến tính ta chỉ cần cho ảnh
của một cơ sở là đủ.

4.2.2 Ma trận của ánh xạ tuyến tính


Giả sử E, F là hai K-không gian vectơ , dimE = n, dimF = m và ánh xạ tuyến tính
f : E → F.
Giả sử B = {e1 , e2 , . . . , en } là một cơ sở của E; C = {f1 , f2 , . . . , fm } là một cơ sở
của F ;
Vì f (ei ) ∈ F nên f (ei ) biểu thị tuyến tính được qua hệ các vectơ của C. Ta có

Nguyễn Minh Trí 36


CHƯƠNG 4. ÁNH XẠ TUYẾN TÍNH

f (e1 ) = a11 f1 + a12 f2 + · · · + a1m fm


f (e2 ) = a21 f1 + a22 f2 + · · · + a2m fm
···
f (en ) = an1 f1 + an2 f2 + · · · + anm fm

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

Ví dụ 1: Cho ánh xạ tuyến tính f : R2 → R3

f (x1 , x2 ) = (x1 + 2x2 , x1 − x2 , −x2 )

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

f (e1 ) = a1 f1 + a2 f2 + a3 f3 = (3, 0, −1) (4.1)


f (e2 ) = b1 f1 + b2 f2 + b3 f3 = (1, 1, 0) (4.2)
Theo định nghĩa thì ma trận của ánh xạ tuyến tính f đối với cặp cơ sở B, C là Af /B,C
 
a1 b 1
Af /B,C = a2 b2 
a3 b 3

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 cáchệ 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

Nguyễn Minh Trí 37


4.3. HẠT NHÂN VÀ ẢNH

Ví dụ 2: Cho ánh xạ tuyến tính f : R3 → R3

f (x1 , x2 , x3 ) = (x1 + 2x2 − x3 , x2 + x3 , x1 + x2 − 2x3 )

Tìm ma trận của f đối với cơ sở B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}

4.2.3 Biểu thức tọa độ của ánh xạ tuyến tính


Cho E, F là các K-không gian vectơ , B = {e1 , e2 , . . . , en } là một cơ sở của E; C =
{f1 , f2 , . . . , fm } là một cơ sở của F . Cho f : E → F là ánh xạ tuyến tính. Đặt
A = Af /B,C là ma trận của f trong cặp cơ sở B, C
Với mọi vectơ x ∈ E, giả sử
   
x1 y1
 x2   y2 
[x]/B =  ..  và [f (x)]/C =  .. 
   
.  . 
xn ym

Khi đó công thức sau gọi là biểu thức tọa độ của ánh xạ tuyến tính f
   
y1 x1
 y2   x2 
 ..  = A.  .. 
   
 .  .
ym xn

4.2.4 Ma trận của ánh xạ tuyến tính trong các cơ sở khác


nhau
0 0 0 0
Cho E, F là các K-không gian vectơ , B = {e1 , e2 , . . . , en }, B = {e1 , e2 , . . . , en } là hai
0 0 0 0
cơ sở của E; C = {f1 , f2 , . . . , fm }; C = {f1 , f2 , . . . , fm } là hai cơ sở của F . Cho ánh
xạ tuyến tính f : E → F , khi đó ta có công thức liên hệ giữa ma trận của f trong cặp
0 0
ma trận B , C với ma trận của f trong cặp cơ sở B, C như sau:
−1
Af /B0 ,C 0 = TCC 0 .Af /B,C .TBB 0

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

4.3 Hạt nhân và ảnh


4.3.1 Các khái niệm cơ bản
Cho E, F là các K-không gian vectơ , f : E → F là ánh xạ tuyến tính
• Kí hiệu Kerf = {x ∈ E|f (x) = 0} gọi là hạt nhân của ánh xạ tuyến tính f

• 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

Nguyễn Minh Trí 38


CHƯƠNG 4. ÁNH XẠ TUYẾN TÍNH

4.3.2 Nhận xét


• Cách tìm hạt nhân của một ánh xạ tuyến tính f : E → F .
Chọn B = {e1 , e2 , . . . , en } là một cơ sở của E; C = {f1 , f2 , . . . , fm } là một cơ sở
của F . Ta có [f (x)]/C = A.[x]/B

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 )

• Cách tìm ảnh của ánh xạ f


Vì e1 , e2 , . . . , en là hệ sinh của E nên f (e1 ), f (e2 ), . . . , f (en ) là hệ sinh của Imf .
Hay Imf = hf (e1 ), f (e2 ), . . . , f (en )i. Ta tìm một hệ con độc lập tuyến tính tối
đại của f (e1 ), f (e2 ), . . . , f (en ) đó là cơ sở của Imf (Số vectơ độc lập tuyến tính
tối đại bằng hạng của hệ các vectơ f (e1 ), f (e2 ), . . . , f (en ))

Ví dụ Cho ánh xạ tuyến tính f : R3 → R3

f (x1 , x2 , x3 ) = (x1 + 2x2 − x3 , x2 + x3 , x1 + x2 − 2x3 )

Tìm hạt nhân và ảnh của f .

Nguyễn Minh Trí 39


4.4. ĐƠN CẤU, TOÀN CẤU, ĐẲNG CẤU

Giải:

• (x1 , x2 , x3 ) ∈Kerf ⇔ f (x1 , x2 , x3 ) = 0 ⇔ (x1 , x2 , x3 ) là nghiệm hệ phương trình:



x1 + 2x2 − x3 = 0

x2 + x3 = 0

x1 + x2 − 2x3 = 0

Ta biến đổi ma trận hệ số bổ sung


     
1 2 −1 0 1 2 −1 0 1 2 −1 0
h3 →−h1 +h3 h3 →h2 +h3
 0 1 1 0  −− −−−−−→  0 1 1 0  −− −−−−→  0 1 1 0 
1 1 −2 0 0 −1 −1 0 0 −1 −1 0
Hệ có vô số nghiệm phụ thuộc 1 tham số là x3 . Ta có:

x 3 = t

x2 = −x3 = −t ,t ∈ R

x1 = −2x3 + x3 = 3x3 = 3t

Nghiệm cơ bản của hệ là (3, −1, 1)


Vậy {(3, −1, 1)} là cơ sở của Kerf và dim Kerf = 1

• 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 )}

4.4 Đơn cấu, toàn cấu, đẳng cấu


4.4.1 Các định nghĩa
Cho E, F là các K-không gian vectơ và ánh xạ tuyến tính f : E → F . Khi đó:

• f gọi là đơn cấu nếu f đơn ánh

• f gọi là toàn cấu nếu f toàn ánh

• f gọi là đẳng cấu nếu f song ánh

Nguyễn Minh Trí 40


CHƯƠNG 4. ÁNH XẠ TUYẾN TÍNH

4.4.2 Các định lí về đơn cấu, toàn cấu, đẳng cấu


Định lí 6 Cho E, F là các K-không gian vectơ và ánh xạ tuyến tính f : E → F . Khi
đó:
1. f là đơn cấu ⇔ Kerf = {0}

2. f là toàn cấu ⇔ Imf = F

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

4.5 Giá trị riêng, vectơ riêng của ma trận, ánh xạ


tuyến tính
4.5.1 Vectơ riêng và giá trị riêng của ma trận
Định nghĩa: Cho A là ma trận vuông cấp n, λ ∈ K gọi là giá trị riêng của A nếu
như tồn tại vectơ x = (x1 , x2 , . . . , xn ) 6= 0 của Kn sao cho
   
x1 x1
 x2   x2 
A  ..  = λ  ..  (∗)
   
. .
xn xn

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

Cách tìm vectơ riêng và giá trị riêng


1. Tính det(A − λI)
Chú ý: Đặt PA (λ) =det(A − λI) gọi là đa thức đặc trưng của ma trận A

2. Giải phương trình PA (λ) = 0


Tất cả các nghiệm của phương trình đều là giá trị riêng của ma trận A

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

Nguyễn Minh Trí 41


4.5. GIÁ TRỊ RIÊNG, VECTƠ RIÊNG CỦA MA TRẬN, ÁNH XẠ TUYẾN TÍNH

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:

1. Tìm đa thức đặc trưng PA (λ)

PA (λ) = det(A
− λI)
−λ 1 1

= 1 −λ
1

1 1 −λ
= (−λ)3 + 3λ + 2

2. Tìm giá trị riêng


−λ3 + 3λ + 2 = 0
⇔ (λ + 1)(−λ2 + λ + 2) = 0
⇔ λ = −1 hoặc λ = 2
Ta có 2 vectơ riêng λ = −1, λ = 2

3. Tìm vectơ riêng

• 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

Hệ có vô số nghiệm phụ thuộc 2 tham số



x1 = −a − b

x2 = a

x3 = b

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.

Nguyễn Minh Trí 42


CHƯƠNG 4. ÁNH XẠ TUYẾN TÍNH

• 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

Nguyễn Minh Trí 43


4.6. CHÉO HÓA MA TRẬN, CHÉO HÓA ÁNH XẠ TUYẾN TÍNH

• Ta có (x1 , x2 , . . . , xn ) là vectơ riêng của ma trận A ứng với giá trị riêng λ của A

• λ là giá trị riêng của f ⇐⇒ λ là giá trị riêng 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

4.6 Chéo hóa ma trận, chéo hóa ánh xạ tuyến tính


4.6.1 Điều kiện chéo hóa
Định nghĩa 1: Cho phép biến đổi tuyến tính f : V → V , f gọi là chéo hóa được nếu
tồn tại một cơ sở B sao cho Af /B là ma trận chéo.
Chéo hóa phép biến đổi tuyến tính f tức là tìm cơ sở B sao cho ma trận Af /B là
ma trận chéo.

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)

• Nếu m1 + m2 + · · · + mk < n thì ma trận A không chéo hóa được


• Nếu m1 + m2 + · · · + mk = n thì ma trận A chéo hóa được

Nguyễn Minh Trí 44


CHƯƠNG 4. ÁNH XẠ TUYẾN TÍNH

2. Tìm các vectơ riêng độc lập tuyến tính.


Với mỗi i ta giải hệ phương trình
 
x1
 x2 
[A − λi I]  ..  = 0 (∗∗)
 
.
xn

Với mọi giá trị 1 ≤ i ≤ k, hệ phương trình có vô số nghiệm và phụ thuộc mi


tham số thì ma trận A chéo hóa được. Ngược lại thì không chéo hóa được
Với mỗi giá trị i, chọn ra mi vectơ là hệ nghiệm cơ bản của (∗∗) là các vectơ
riêng của A
Gộp lại ta được n vectơ riêng độc lập tuyến tính của A là a1 , a2 , . . . , an

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 )

Ví dụ: Chéo hóa ma trận


 
15 −18 −16
A =  9 −12 −8 
4 −4 −6

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

Giải phương trình PA (λ) = 0


−λ3 − 3λ2 + 4λ + 12 = 0
⇔ −(λ + 3)(λ + 2)(λ − 2) = 0
Vậy ma trận A có các vectơ riêng là λ1 = −3; λ2 = −2; λ = 2
(theo định lí 10 thì ma trận A có 3 giá trị riêng khác nhau nên A chéo hóa được)

2. Tìm các vectơ riêng độc lập tuyến tính

• Với λ1 = −3 ta giải hệ phương trình A − λ1 I = 0


   
18 −18 −16 0 0 0 0 0
h1 →−2h2 +h1
 9 −9 −8 0  − −−−−−−−→  9 −9 −8 0 
h3 → −4 h +h3 5
4 −4 −3 0 9 2 0 0 9
0
Hệ phương trình có vô số nghiệm phụ thuộc 1 tham số: x3 = 0; x2 = a; x1 = a
Nghiệm tổng quát của hệ phương trình (a, a, 0) với a ∈ R
Nghiệm cơ bản của hệ phương trình là (1, 1, 0)
Chọn 1 vectơ riêng của A ứng với giá trị riêng λ1 = −3 là a1 = (1, 1, 0)

Nguyễn Minh Trí 45


4.6. CHÉO HÓA MA TRẬN, CHÉO HÓA ÁNH XẠ TUYẾN TÍNH

• Với λ2 = −2 ta giải hệ phương trình A − λ2 I = 0


     
17 −18 −16 0 −1 2 0 0 −1 2 0 0
h1 →−2h2 +h1 h →9h +h2
 9 −10 −8 0  − −−−−−−−→  9 −10 −8 0  −−2−−−1−−→  0 8 −8 0 
h3 →4h1 +h3
4 −4 −4 0 4 −4 −4 0 0 4 −4 0
 
−1 2 0 0
h2 →−2h3 +h2
−−−−−−−−→  0 0 0 0 
0 4 −4 0
Hệ phương trình có vô số nghiệm phụ thuộc 1 tham số: x3 = b; x2 = b; x1 =
2x2 = 2b
Nghiệm tổng quát của hệ phương trình (2b, b, b) với b ∈ R
Nghiệm cơ bản của hệ phương trình là (2, 1, 1)
Chọn 1 vectơ riêng của A ứng với giá trị riêng λ2 = −2 là a2 = (2, 1, 1)
• Với λ3 = 2 ta giải hệ phương trình A − λ3 I = 0
     
13 −18 −16 0 1 −6 8 0 1 −6 8 0
h1 →−3h3 +h1 h →−9h +h2
 9 −14 −8 0  − −−−−−−−→  9 −14 −8 0  −−2−−−−1−−→  0 40 −80 0 
h3 →−4h1 +h3
4 −4 −8 0 4 −4 −8 0 0 20 −40 0
 
1 −6 8 0
h2 →−2h3 +h2
−−−−−−−−→ 0  0 0 0 
0 20 −40 0
Hệ phương trình có vô số nghiệm phụ thuộc 1 tham số: x3 = c; x2 = 2x3 =
2c; x1 = 6x2 − 8x3 = 4c
Nghiệm tổng quát của hệ phương trình (4c, 2c, c) với c ∈ R
Nghiệm cơ bản của hệ phương trình là (4, 2, 1)
Chọn 1 vectơ riêng của A ứng với giá trị riêng λ3 = 2 là a3 = (4, 2, 1)

3. Lập ma trận T (có các cột là các vectơ riêng a1 , a2 , a3 )


 
1 2 4
T = 1 1 2
0 1 1
 
−3 0 0
Khi đó ta có ma trận chéo T −1 AT =  0 −2 0 
0 0 2

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

Chéo hóa phép biến đổi tuyến tính


Cho phép biến đổi tuyến tính F : V → V . Lấy B là một cơ sở bất kì của V và
dimV = n, khi đó ta có ma trận của ánh xạ tuyến tính là A = Af /B
Ta tiến hành chéo hóa ma trận Af /B . Nếu Af /B là ma trận chéo hóa được thì ta có
n vectơ riêng độc lập tuyến tính. Chọn n vectơ này lập thành một cơ sở của V , khi đó
ma trận của phép biến đổi tuyến tính trong cở sở vừa lập được chính là ma trận chéo.

Nguyễn Minh Trí 46


CHƯƠNG 4. ÁNH XẠ TUYẾN TÍNH

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 (1, 2) = (3, −1, 5); f (0, 1) = (2, 1, −1)

Hãy xác định f (x, y)


Bài 30. Cho f : R3 → R3 là ánh xạ tuyến tính xác định như sau:

f (x1 , x2 , x3 ) = (x1 , x2 , 0)

Tìm ma trận của ánh xạ đó trong cơ sở chính tắc của R3


Bài 31. Cho f : R2 → R2 là ánh xạ tuyến tính có tính chất

f (1, 1) = (2, 0); f (0, 1) = (3, 1)

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 trậntrong 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)

a. Hãy xác định f (x1 , x2 , x3 )


b. Tìm cơ sở và số chiều của kerf
Bài 34. Tìm giá trị riêng và vectơ  riêng của ma trận  
  1 1 1 3 1 1
5 1
a. A = b. A = −1 −1 0  c. A = 2 4 2
−1 3
  −1 0 −1 1 1 3
1 4
Bài 35. Cho ma trận A =
2 3
a. Tìm trị riêng và các vectơ riêng của A
b. Tìm ma trận khả nghịch S sao cho A chéo hóa được, tức là ma trận S −1 AS có
dạng chéo.
Bài 36. Tìm ma trận khả nghịch  S làm chéo hóa được các
 ma trận sau:
  3 1 1 0 1 0
1 2
a. A = b. A = 2 4 2 c. A = 1 0 1
2 3
1 1 3 0 1 0
10
Bài 37. Tính A với  
  3 1 1
1 2
a. A = b. A = 2 4 2
2 3
1 1 3
3 3
Bài 38. Cho f : R → R là ánh xạ tuyến tính xác định như sau:

f (x1 , x2 , x3 ) = (z1 + x2 + x3 , 2x2 + x3 , 2x2 + 3x3 )

Tìm các trị riêng và vectơ riêng của f

Nguyễn Minh Trí 47


4.6. CHÉO HÓA MA TRẬN, CHÉO HÓA ÁNH XẠ TUYẾN TÍNH

Nguyễn Minh Trí 48


Chương 5

Dạng song tuyến tính - Dạng toàn


phương

5.1 Các khái niệm cơ bản


5.1.1 Dạng song tuyến tính
Dạng song tuyến tính của 2n biến x1 , x2 , . . . , xn và y1 , y2 , . . . , yn là biểu thức dạng:
B = a11 x1 y1 + a12 x1 y2 + · · · + a1n x1 yn +
+a21 x2 y1 + a22 x2 y2 + · · · + a2n x2 yn +
+···+
+an1 xn y1 + an2 xn y2 + · · · + ann xn yn

Như vậy
n X
X n
B= aij xi yj
i=1 j=1

Ví dụ: Dạng song tuyến tính của 4 biến x1 , x2 , y1 , y2 như sau:

f (x1 , x2 , y1 , y2 ) = 2x1 y1 − 3x1 y2 − 2x2 y1 + x2 y2

5.1.2 Dạng toàn phương


Dạng toàn phương của n biến x1 , x2 , . . . , xn là biểu thức dạng:
f (x1 , x2 , . . . , xn ) = a11 x21 + a12 x1 x2 + · · · + a1n x1 xn +
+a21 x2 x1 + a22 x22 + · · · + a2n x2 xn +
+···+
an1 xn x1 + an2 xn x2 + · · · + ann x2n
n X
X n
f (x1 , x2 , . . . , xn ) = aij xi xj và aij = aji
i=1 j=1

Từ các hệ số trong dạng toàn phương ta lập được ma trận


 
a11 a12 . . . a1n
 a21 a22 . . . a2n 
A =  ..
 
.. . . .. 
 . . . . 
an1 an2 . . . ann

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

5.1.3 Dạng chính tắc


Dạng toàn phương được gọi là dạng chính tắc nếu nó có dạng
f (x1 , x2 , . . . , xn ) = a1 x21 + a2 x22 + · · · + an x2n
(tức là f chỉ gồm các bình phương)

Nhận xét Ma trận của dạng chính tắc là ma trận chéo

5.1.4 Phép đổi biến số


Cho các biến x1 , x2 , . . . , xn và các biến y1 , y2 , . . . , yn . Phép biển đổi các biến số x1 , x2 , . . . , xn
tới các biến số y1 , y2 , . . . , yn nếu ta có


 x1 = s11 y1 + s12 y2 + · · · + s1n yn

x = s y + s y + · · · + s y
2 21 1 22 2 2n n


 .....................................
xn = sn1 y1 + sn2 y2 + · · · + snn yn

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

5.2 Đưa dạng toàn phương về dạng chính tắc


5.2.1 Phương pháp Lagrange
Cho dạng toàn phương
n X
X n
f (x1 , x2 , . . . , xn ) = aij xi xj (∗)
i=1 j=1

Nguyễn Minh Trí 50


CHƯƠNG 5. DẠNG SONG TUYẾN TÍNH - DẠNG TOÀN PHƯƠNG

với ma trận của dạng toàn phương là


 
a11 a12 . . . a1n
 a21 a22 . . . a2n 
A =  ..
 
.. .. .. 
 . . . . 
an1 an2 . . . ann

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

Khi đó ta đưa (∗) về dạng

f (y1 , y2 , . . . , yn ) = a12 (y1 −y2 )(y1 +y2 )+a21 (y1 +y2 )(y1 −y2 )+· · · = 2a12 y12 −2a12 y22 +· · ·

Như vậy dạng toàn phương (*) đã có hệ số bình phương khác 0.

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

Ví dụ : Đưa dạng toàn phương về dạng chính tắc

Q(x1 , x2 , x3 ) = 2x1 x2 + 2x1 x3 − 6x2 x3

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

Tiếp theo ta biến đổi như sau

Q(y1 , y2 , y3 ) = 2y12 − 2y22 − 4y1 y3 − 8y2 y3


= 2y12 − 4y1 y3 +2y32 − 2y22 − 8y2 y3 −2y32
= 2(y1 − y3 )2 − 2y22 − 8y2 y3 −8y32 + 8y32 − 2y32
= 2(y1 − y3 )2 − 2(y22 + 4y2 y3 + 4y32 ) + 6y32
= 2(y1 − y3 )2 − 2(y2 + 2y3 )2 + 6y32

Nguyễn Minh Trí 51


5.2. ĐƯA DẠNG TOÀN PHƯƠNG VỀ DẠNG CHÍNH TẮC

Ta thực hiện phép đổi biến số như sau


 
t1 = y1 − y3
 y1 = t1 + t3

t2 = y2 + 2y3 ⇒ y2 = t2 − 2t3
 
t3 = y3 y3 = t3
 


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

Q(t1 , t2 , t3 ) = 2t21 − 2t22 + 6t23


 
1 −1 3
với ma trận đổi biến số là P = P1 .P2 = 1 1 −1
0 0 1
Vậy phép đổi biến số từ x1 , x2 , x3 đến t1 , t2 , t3 là:

x1 = t1 − t2 + 3t3

x2 = t1 + t2 − t3

x3 = t3

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

thì ta có dạng chính tắc là

Q(u1 , u2 , u3 ) = u21 − u22 + 6u23

5.2.2 Phương pháp Jacobi


Áp dụng cho các dạng toàn phương mà ma trận A = (aij ) của nó thỏa:

a11 a12
∆1 = a11 6= 0, ∆2 = =6 0, · · · ,
a21 a22

a11 a12 . . . a1i

a21 a22 . . . a2i
∆i = .. . = 6 0, · · · , ∆n = |A| =
6 0(∗∗)

.. ..
. . . ..

ai1 ai2 . . . aii

Nguyễn Minh Trí 52


CHƯƠNG 5. DẠNG SONG TUYẾN TÍNH - DẠNG TOÀN PHƯƠNG

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

trong đó các các hệ số αij được tính như sau:


Dj−1,i
αji = (−1)i+j (∗ ∗ ∗)
∆j−1

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

Ví dụ: Đưa dạng toàn phương

Q(x1 , x2 , x3 ) = 2x21 − 2x22 − 4x1 x3 − 8x2 x3

về dạng chính tắc bằng phương pháp Jacobi


Giải:
Ta có ma trận của dạng toàn phương là:
 
2 0 −2
A =  0 −2 −4 
−2 −4 0

Trước hết ta có:



2 0
∆1 = 2 6= 0, ∆2 =
= −4 6= 0, ∆3 = detA = −24 6= 0
0 −2

Ta thực hiện phép đổi biến số



x1 = y1 + α21 y2 + α31 y3

x2 = y2 + α32 y3

x3 = y3

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

Nguyễn Minh Trí 53


5.3. KHÔNG GIAN EUCLIDE

(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

5.2.3 Luật quán tính


Luật quán tính Một dạng toàn phương có thể đưa về dạng chính tắc bằng nhiều
cách khác nhau. Tuy nhiên người ta chứng minh được định lí sau đây gọi là luật quán
tính của dạng toàn phương

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:

f = a1 y12 + a2 y22 + · · · + an yn2

với ai > 0 với i = 1, 2, . . . , n

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

5.3 Không gian Euclide


5.3.1 Định nghĩa
Cho X là một R-không gian vectơ . Ta gọi một tích vô hướng trên X là một qui tắc
đặt hai vectơ bất kì x, y ∈ X tương ứng với một số thực hx, yi thỏa các điều kiện dưới
đây với mọi x, y, z ∈ X, λ ∈ R

1. hx, yi = hy, xi

2. hλx, yi = λhx, yi

3. hx + y, zi = hx, zi + hy, zi

Nguyễn Minh Trí 54


CHƯƠNG 5. DẠNG SONG TUYẾN TÍNH - DẠNG TOÀN PHƯƠNG

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.

5.3.2 Độ dài vectơ , góc giữa các vectơ


Cho không gian Euclide X và vectơ x ∈ X. Ta gọi độ dài hay chuẩn của vectơ x là:
p
k x k= hx, xi
p
Ví dụ: Trong Rn thì k x k= x21 + x22 + · · · + x2n

Một số tính chất


• k x k≥ 0, k x k= 0 ⇔ x = 0
• k λx k= |λ|. k x k
• |hx, yi| ≤k x k . k y k
• k x + y k≤k x k + k y k
Góc giữa hai vectơ x, y, kí hiệu (d
x, y) xác định như sau:
hx, yi
cos(d
x, y) =
kxk.kyk
π
Nếu (d
x, y) = ta nói vectơ x trực giao với vectơ y. Kí hiệu x⊥y
2
x⊥y ⇔ hx, yi = 0

5.3.3 Cơ sở trực giao, cơ sở trực chuẩn


Cho một không gian Euclide n chiều. Xét một hệ gồm n vectơ khác 0 của X được gọi
là một cơ sở trực giao của X nếu chúng đôi một trực giao với nhau.
Một cơ sở trực giao bao gồm các vectơ có độ dài bằng 1 được gọi là một cơ sở trực
chuẩn. Như vậy, {e1 , e2 , . . . , en } là một cơ sở trực chuẩn nếu
(
1 nếu i = j
hei , ej i =
0 nếu i 6= j
 e1 e2 en
Nếu {e1 , e2 , . . . , en } là một cơ sở trực giao thì , ,··· , là một
k e1 k k e2 k k en k
cơ sở trực chuẩn, gọi là trực chuẩn hóa cơ sở trực giao đã cho.
Mọi cơ sở trực giao của không gian Euclide X đều là cơ sở của không gian vectơ
X.
Từ một cơ sở bất kì ta có thể xây dựng nên một cơ sở trực giao, quá trình đó được
gọi là trực giao hóa một hệ vectơ (hay còn gọi là phương pháp Gram-Schmidt)

Nguyễn Minh Trí 55


5.3. KHÔNG GIAN EUCLIDE

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

Ví dụ: Trong R3 , trực giao hóa hệ


f1 = (1, 1, 1, ), f2 = (1, 1, 0), f3 = (1, 0, 0)
Giải: Ta có
e1 = f1 = (1, 1, 1)
hf2 , e1 i 2 1 1 −2 
e2 = f2 − e1 = (1, 1, 0) − (1, 1, 1) = , ,
he1 , e1 i 3 3 3 3
1
hf3 , e1 i hf3 , e2 i 1 3 1 1 −2  1 −1 
e3 = f3 − e1 − e2 = (1, 0, 0) − (1, 1, 1) − 2 , , = , ,0
he1 , e1 i he2 , e2 i 3 3
3 3 3 2 2

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

Nguyễn Minh Trí 56


CHƯƠNG 5. DẠNG SONG TUYẾN TÍNH - DẠNG TOÀN PHƯƠNG

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

Giả: Phương trình đặc trưng



1 − λ 2 2

|A − λI| = 2 1−λ 2 = 0 ⇔ (λ − 5)(λ + 1)2 = 0
2 2 1 − λ

Vậy ta có các giá trị riêng: λ1 = 5 (đơn), λ2 = −1 (kép)

• Với λ = 5, ta giải hệ phương trình tìm vectơ riêng là


   
−4 2 2 0 −2 1 1 0
 2 −4 2 0  →  0 −1 1 0 
2 2 −4 0 0 0 0 0

Vậy hệ phương trình có nghiệm:



x1 = c

x2 = c ,c ∈ R

x3 = c

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

• Với λ = −1, ta giải hệ phương trình tìm vectơ riêng là


   
2 2 2 0 1 1 1 0
 2 2 2 0 → 0
  0 0 0 
2 2 2 0 0 0 0 0

Nguyễn Minh Trí 57


5.3. KHÔNG GIAN EUCLIDE

Vậy hệ phương trình có nghiệm:



x1 = −c1 − c2

x 2 = c1 , c1 , c2 ∈ R

x 3 = c2

Ta được 2 vectơ riêng độc lập là v2 = (−1, 1, 0) (cho c1 = 1, c2 = 0) và v2 =


(−1, 0, 1) (cho c1 = 0, c2 = 1), trực giao hóa ta được:

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

trong đó λi là giá trị riêng tương ứng với vectơ riêng ei .


Vì vậy trong cơ sở này f (x) có dạng chính tắc

f (x) = λ1 x21 + λ2 x22 + · · · + λn x2n

Nguyễn Minh Trí 58


CHƯƠNG 5. DẠNG SONG TUYẾN TÍNH - DẠNG TOÀN PHƯƠNG

Ví dụ: Đưa dạng toàn phương

f (x) = x21 + x22 + x23 + 4x1 x2 + 4x1 x3 + 4x2 x3

về dạng chính tắc bằng phép biến đổi trực giao.


Giải: Ma trận của dạng toàn phương là
 
1 2 2
A = 2 1 2
2 2 1

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

và dạng chính tắc của f (x) là:

f (x) = 5x21 − x22 − x23

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

Định nghĩa 2: Mặt bậc hai là mặt mà phương trình có dạng

ax2 + by 2 + cz 2 + 2dxy + 2exz + 2f yz + gx + hy + kz + m = 0

với các hệ số a, b, c, d, e, f, g, h, k, m ∈ R

5.4.2 Các đường và mặt bậc hai cơ bản


x2 y 2
1. + 2 = 1 (Elip)
a2 b
x2 y 2
2. − 2 = 1 (Hypebol)
a2 b
3. y 2 = 2px (Parabol)
x2 y 2 z 2
4. + 2 + 2 = 1 (Mặt Elipsoide)
a2 b c
Nguyễn Minh Trí 59
5.4. ỨNG DỤNG VÀO VIỆC KHẢO SÁT ĐƯỜNG VÀ MẶT BẬC HAI

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

5.4.3 Cách nhận dạng đường mặt bậc hai


Để nhận dạng các đường, mặt bậc hai ta tiến hành đưa về phương trình của chúng về
dạng chính tắc nhờ các phép biến đổi biến số, sau đó dùng phép tịnh tiến và xem nó
thuộc vào dạng nào.
Ví dụ: Nhận dạng đường cong bậc hai sau:

3x2 + 2xy + 3y 2 + 8 2y − 4 = 0(∗)
Giải: Xét f = 3x2 + 2xy +3y 2 
3 1
Ma trận của f là A = .
1 3
Đa thức đặc trưng |A − λI| = 0 ⇔ λ1 = 2, λ2 = 4
Khi đó ta có các vectơ trực chuẩn tương ứng:
 1 1   1 1 
e1 = √ , − √ , e2 = √ , √
2 2 2 2
 1 1 
√ √
Ma trận của phép đổi biến số P =  12 2

1 
−√ √
2 2
Vậy với phép đổi biến số
 1 1
x = √ x1 + √ y1

2 2
1 1
y = − √ x1 + √ y1

2 2
Thay vào (∗) ta được
f (x1 , y1 ) = x21 + 2y12 − 4x1 + 4y1 − 2 = 0
Ta sử dụng phép tịnh tiến. Viết lại phương trình trên ở dạng
(x1 − 2)2 + 2(y1 + 1)2 = 8
(
x 2 = x1 − 2
Đặt
y2 = y1 + 1
x22 y22
Vậy ta có phương trình x22 + 2y22 = 8 hay + =1
8 4
Đây là phương trình của một elip.

Nguyễn Minh Trí 60


CHƯƠNG 5. DẠNG SONG TUYẾN TÍNH - DẠNG TOÀN PHƯƠNG

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:

f (x1 , x2 , x3 ) = 5x21 + x22 + mx23 + 4x1 x2 − 2x1 x3 − 2x2 x3

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

Nguyễn Minh Trí 61


5.4. ỨNG DỤNG VÀO VIỆC KHẢO SÁT ĐƯỜNG VÀ MẶT BẬC HAI

Nguyễn Minh Trí 62


Tài liệu tham khảo

[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

You might also like