• Phần tử khác 0 đầu tiên tính từ trái sang của 1 dòng trong ma trận được gọi là phần tử cơ sở của dòng đó... Ma trận bậc thang rút gọn Ma trận bậc thang rút gọn là ma trận bậc thang có
Trang 1TOÁN CAO C Ấ P A2 ĐẠ I H Ọ C
( ĐẠ I S Ố TUY Ế N TÍNH) PHÂN PH Ố I CH I CH ƯƠ ƯƠ NG TRÌNH NG TRÌNH
S ố ti ế t: 45
Chương 1 Ma trận – Định thức
Chương 2 Hệ phương trình tuyến tính
Chương 3 Không gian vector
Chương 4 Ánh xạ tuyến tính
Chương 5 Dạng song tuyến tính – Dạng toàn phương
Tài liệu tham khảo
1 Nguyễn Phú Vinh – Giáo trình Toán cao cấp A2
6 Alpha C Chang, Kevin Wainwright
– Fundamental methods of Mathematical Economics –
Third Edi Mc.Graw-hill, Int Edi 1984.
Biên so ạ :ThS Đ Đ o o à V V ươ ươ ng ng Nguyên
Download Slide b i gi ả ng Toá A 2 Đ Đ H H t ạ i
A= a là ma trận gồm 1 phần tử
• Ma trận O=(0 )ij m n× có tất cả các phần tử đều bằng 0
được gọi là ma trận không
• Tập hợp các ma trận A trên ℝ được ký hiệu là
6 5 7 3
Trang 2• Các ma trận vuông đặc biệt
Ma trận vuông có tất cả các
phần tử nằm ngoài đường
chéo chính đều bằng 0 được
gọi là ma trận chéo (diagonal
các phần tử trên đường chéo
chính đều bằng 1 được gọi là
nằm phía dưới (trên) đường chéo chính đều bằng
0 được gọi là ma trận tam giác trên (dưới)
gọi là ma trận đối xứng
0 0
3 1 2
4 4
1 1
Hai ma trận A=( )a ij và B=( )b ij được gọi là bằng
nhau, ký hiệu A= , khi và chỉ khi chúng cùng B
kích thước và a ij =b ij, ∀i j,
VD 1 Cho 1
2
x y A
Trang 3A =diag a a a 2) Nếu A B, ∈M n( )ℝ thỏa AB=BA (giao hoán) thì
các hằng đẳng thức quen thuộc cũng đúng với A, B Khi AB≠BA thì các hằng đẳng thức đó không còn đúng nữa
VD 14 Cho A=( )a ij là ma trận vuông cấp 40 có các phần tử ( 1)i j
ij
a = − + Phần tử a của 25 A là: 2
A a25 = ; B 0 a25 = − ; C 40 a25 =40; D a25= − 1
VD 15 Cho A=( )a ij là ma trận vuông cấp 100 có các phần tử ( 1) 3i j
ij
a = − Phần tử a của 34 A là: 2
Ch Ch ươ ươ ng ng 1 Ma tr ậ n – Đị nh th ứ c
Trang 4A
5 100 34
3(1 3 )4
a = − ; B
5 100 34
3(3 1)2
34
3(1 3 )2
A = a × được gọi là ma trận chuyển vị
của A (nghĩa là chuyển tất cả các dòng thành cột)
A = ; A
4) ( )T T T
AB =B A ; 5) A T =A⇔ là ma trận đối xứng A
A →λ →A′′ 3) ( ) :e3 Thay 1 dòng bởi tổng của dòng đó với λ lần
0 được gọi là dòng bằng 0 (hay dòng không)
• Phần tử khác 0 đầu tiên tính từ trái sang của 1 dòng
trong ma trận được gọi là phần tử cơ sở của dòng đó
• Ma trận bậc thang là ma trận khác không cấp m×n
( , m n≥ thỏa hai điều kiện: 2)
1) Các dòng bằng 0 (nếu có) ở phía dưới các dòng
khác 0;
2) Phần tử cơ sở của 1 dòng bất kỳ nằm bên phải
phần tử cơ sở của dòng ở phía trên dòng đó
Trang 5Ma trận bậc thang rút gọn
Ma trận bậc thang rút gọn là ma trận bậc thang có
phần tử cơ sở của một dòng bất kỳ đều bằng 1 và là
phần tử khác 0 duy nhất của cột chứa phần tử đó
• Ma trận A∈M n( )ℝ được gọi là khả nghịch nếu tồn
tại ma trận B∈M n( )ℝ sao cho:
2) I−1 = ; I (AB)−1 =B A−1 −1
3) Nếu ac−bd≠ thì: 0
11
Ch Ch ươ ươ ng ng 1 Ma tr ậ n – Đị nh th ứ c
b) Tìm ma trận nghịch đảo bằng phép biến đổi
sơ cấp trên dòng (tham khảo)
Cho A∈M n( )ℝ khả nghịch, ta tìm A−1 như sau:
Bước 1. Lập ma trận ( )A I n (ma trận chia khối) bằng cách ghép ma trận I vào bên phải của A n
Bước 2. Dùng phép biến đổi sơ cấp trên dòng để đưa ( )A I n về dạng ( )I B n
Trang 6Định thức của ma trận vuông A∈M n( )ℝ , ký hiệu
detA hay A , là 1 số thực được định nghĩa:
Nếu A=(a11) thì det A=a11
Nếu 11 12
21 22
a a A
(Tổng của tích các phần tử trên đường chéo nét liền trừ
đi tổng của tích các phần tử trên đường chéo nét đứt)
Trang 73 3
2 2
1 1
07
2) Nếu định thức có 2 dòng (hoặc 2 cột) tỉ lệ với nhau thì bằng 0
Ch Ch ươ ươ ng ng 1 Ma tr ậ n – Đị nh th ứ c
Trang 82.3 Định lý (khai triển Laplace)
Cho ma trận vuông ( )ij n( )
n
A= a ∈M ℝ , ta có các
khai triển Laplace của định thức A:
a) Khai triển theo dòng thứ i
n n
Ch Ch ươ ươ ng ng 1 Ma tr ậ n – Đị nh th ứ c
VD 14 Tính định thức:
0 2 7 19det
VD 15 Tính định thức:
3 2 7 19det
1
m m
m m
Trang 9b) Thuật toán tìm A–1
không khả nghịch Ngược lại, ta làm tiếp bước 2
b) Hạng của ma trận (rank of matrix)
Cấp cao nhất của định thức con khác 0 của ma trận A
được gọi là hạng của ma trận A
• Nếu A là ma trận không thì ta quy ước r A( )= 0
c) Thuật toán tìm hạng của ma trận
• Bước 1 Đưa ma trận cần tìm hạng về bậc thang
• Bước 2 Số dòng khác 0 của ma trận bậc thang chính
Trang 10Chú ý
Ta có thể hoán vị cột của ma trận rồi đưa về bậc thang
VD 25 Giá trị của tham số m để ma trận
Ch Ch ươ ươ ng ng 2 H ệ ph ph ươ ươ ng ng trình tuy ế n tính
Ch Ch ươ ươ ng ng 2 H ệ ph ph ươ ươ ng ng trình tuy ế n tính
Hệ AX = có nghiệm khi và chỉ khi B r A( )=r A( )
Trong trường hợp hệ AX = có nghiệm thì: B
Nếu r A( )=n: kết luận hệ có nghiệm duy nhất;
Nếu r A( )<n: kết luận hệ có vô số nghiệm
phụ thuộc vào n− tham số r
VD 3 Điều kiện của tham số m để hệ phương trình:
VD 2 Tùy theo điều kiện tham số m , hãy biện luận số
nghiệm của hệ phương trình:
Trang 11Ch Ch ươ ươ ng ng 2 H ệ ph ph ươ ươ ng ng trình tuy ế n tính
1.3 Phương pháp giải hệ phương trình tổng quát
a) Phương pháp ma trận (tham khảo)
Cho hệ phương trình tuyến tính AX = , với A là B
x y z
Ch Ch ươ ươ ng ng 2 H ệ ph ph ươ ươ ng ng trình tuy ế n tính
Cho hệ AX = , với A là ma trận vuông cấp n B
a
b
n a
∆
Ch Ch ươ ươ ng ng 2 H ệ ph ph ươ ươ ng ng trình tuy ế n tính
Nếu ∆ = thì chưa có kết luận Khi đó, ta giải tìm0tham số và thay vào hệ để giải trực tiếp
Trang 12c) Phương pháp ma trận bậc thang
(phương pháp Gauss)
Xét hệ phương trình tuyến tính AX = B
• Bước 1 Đưa ma trận mở rộng ( )A B về dạng bậc
thang bởi PBĐSC trên dòng
• Bước 2 Giải ngược từ dòng cuối cùng lên trên
Chú ý Trong quá trình thực hiện bước 1, nếu:
có 2 dòng tỉ lệ thì xóa đi 1 dòng;
có dòng nào bằng 0 thì xóa dòng đó;
có 1 dòng dạng (0 0b),b≠ thì hệ vô nghiệm 0
Ch Ch ươ ươ ng ng 2 H ệ ph ph ươ ươ ng ng trình tuy ế n tính
VD 7 Giải hệ sau bằng phương pháp Gauss:
Ch Ch ươ ươ ng ng 2 H ệ ph ph ươ ươ ng ng trình tuy ế n tính
VD 8 Giải hệ phương trình tuyến tính:
α α α
α α
α α
C Hệ có vô số nghiệm; D Hệ vô nghiệm
VD 11 Giá trị của tham số m để hệ phương trình
• Khi hệ phương trình tuyến tính có vô số nghiệm, ta
gọi nghiệm phụ thuộc tham số là nghiệm tổng quát
• Muốn tìm điều kiện tham số để 2 hệ phương trình có
nghiệm chung, ta ghép chúng thành 1 hệ rồi tìm điều
kiện tham số để hệ chung đó có nghiệm
VD 12 Tìm điều kiện của tham số m để 2 hệ phương
trình sau có nghiệm chung:
Ch Ch ươ ươ ng ng 2 H ệ ph ph ươ ươ ng ng trình tuy ế n tính
Nếu cho các tham số bởi các giá trị cụ thể ta được
Trang 13Chú ý
• Do r A( )=r A( ) nên hệ thuần nhất luôn có nghiệm
• Nghiệm (0; 0;…; 0) được gọi là nghiệm tầm thường
Ch Ch ươ ươ ng ng 2 H ệ ph ph ươ ươ ng ng trình tuy ế n tính
VD 1 Tìm điều kiện tham số m để hệ phương trình
tuyến tính thuần nhất sau chỉ có nghiệm tầm thường:
Xét hệ phương trình tuyến tính tổng quát AX = (I)B
và hệ phương trình thuần nhất AX = (II) O
Khi đó:
• Hiệu 2 nghiệm bất kỳ của (I) là 1 nghiệm của (II);
• Tổng 1 nghiệm bất kỳ của (I) và 1 nghiệm bất kỳ của (II) là 1 nghiệm của (I)
VD 2 Cho 2 hệ phương trình tuyến tính:
• α1−α2 =(79; 21; 1)− là 1 nghiệm của (II);
• α1+ = −β ( 143; 38; 2)− là 1 nghiệm của (I)
………
Ch Ch ươ ươ ng ng 2 H ệ ph ph ươ ươ ng ng trình tuy ế n tính Ch Ch ươ ươ ng ng 3 Không gian vector
§1 Khái niệm không gian vector §2 Sự độc lập tuyến tính và phụ thuộc tuyến tính §3 Cơ sở, số chiều của kgvt – Tọa độ của vector §4 Không gian sinh bởi hệ vector
§5 Không gian Euclide
………
§1 KHÁI NIỆM KHÔNG GIAN VECTOR
(Vector space)
1.1 Định nghĩa
• Cho tập V khác rỗng, mỗi phần tử thuộc V được gọi
là một vector Xét hai phép toán sau:
( , ) ; ( , )
Ch Ch ươ ươ ng ng 3 Không gian vector
• Ta nói V cùng với hai phép toán trên là một không
gian vector (viết tắt là kgvt) trên ℝ , hay ℝ – không
gian vector, nếu thỏa 8 tính chất sau:
Trong đó, θ ∈ được gọi là vector không V
Ch Ch ươ ươ ng ng 3 Không gian vector
• Tập nghiệm V của hệ phương trình tuyến tính thuần
nhất là một không gian vector
• Tập V =M m n, ( )ℝ với hai phép toán cộng ma trận và nhân vô hướng là một không gian vector
thực là một không gian vector
• Tập P x các đa thức có bậc không quá n : n[ ]
Trang 14Ch Ch ươ ươ ng ng 3 Không gian vector
1.2 Không gian vector con (Vectorial subspace)
Định nghĩa
Cho kgvt V , tập W ⊂ được gọi là không gian V
vector con của V nếu W cũng là một kgvt
được gọi là một tổ hợp tuyến tính của n vector u i
• Hệ gồm n vector { , , ,u u1 2 u n} được gọi là độc lập
tuyến tính (viết tắt là đltt) nếu:
1
n
i i i
Trong kgvt V , xét n vector u ( i i=1, ,n) Khi đó:
Ch Ch ươ ươ ng ng 3 Không gian vector
VD 1 Trong ℝ , xét sự đltt hay pttt của hệ 2 vector: 2
Hệ gồm n vector là pttt khi và chỉ khi tồn tại một
vector là tổ hợp tuyến tính của n− vector còn lại 1
• Hệ độc lập tuyến tính khi và chỉ khi ( )r A =m
• Hệ phụ thuộc tuyến tính khi và chỉ khi ( )r A <m
• Trong ℝ , hệ có nhiều hơn n vector thì pttt n
• Trong ℝ , hệ n vector đltt n ⇔detA≠ 0
VD 7 Xét sự đltt hay pttt của các hệ vector:
a) B1 = −{( 1; 2; 0), (2; 1; 1)}; b) B2 = −{( 1; 2; 0), (1; 5; 3), (2; 3; 3)}
VD 8 Trong ℝ , tìm điều kiện m để hệ sau là pttt: 3
{(−m; 1; 1), (1−4 ; 3;m m+2)}
Trang 15Ch Ch ươ ươ ng ng 3 Không gian vector
VD 10 Trong ℝ , cho 4 vector: 4
1 (1; 1; 0; 1), 2 ( ; ; 1; 2)
u = − u = m m − ,
3 (0; 2; 0; ), 4 (2; 2; ; 4)
Điều kiện m để u là tổ hợp tuyến tính của 1 u u2, 3,u ? 4
VD 9 Trong ℝ , tìm điều kiện m để hệ sau là đltt: 3
{( ; 1; 1), (1;m m; 1), (1; 1;m)}
………
Ch Ch ươ ươ ng ng 3 Không gian vector
3.1 Cơ sở của không gian vector
Định nghĩa
Trong kgvt V , hệ n vector F ={ , ,u u1 2…,u n} được
gọi là một cơ sở (basic) của V nếu hệ F là đltt và mọi
vector của V đều được biểu diễn tuyến tính qua F
Vậy hệ F là 1 cơ sở của ℝ 2
§3 CƠ SỞ, SỐ CHIỀU CỦA KGVT TỌA ĐỘ CỦA VECTOR
Ch Ch ươ ươ ng ng 3 Không gian vector
E= e = a a a i= n
trong đó: a ij = nếu i1 = , j a ij = nếu i0 ≠ j
được gọi là cơ sở chính tắc
• Không gian vector P x có 1 cơ sở là: 4[ ]
Số vector có trong 1 cơ sở bất kỳ của không gian
vector V được gọi là số chiều (dimension) của V
• Trong ℝ , mọi hệ gồm n vector đltt đều là cơ sở n
• Số chiều của kgvt có thể vô hạn Trong chương trình,
ta chỉ xét những kgvt hữu hạn chiều
Ch Ch ươ ươ ng ng 3 Không gian vector
3.3 Tọa độ của vector
a) Định nghĩa
Trong kgvt V , cho cơ sở F={ , , ,u u1 2… u n}
Vector x∈ tùy ý có biểu diễn tuyến tính một cách V
duy nhất qua cơ sở F là
1,
Ch Ch ươ ươ ng ng 3 Không gian vector
VD 5 Trong ℝ , cho 2 x =(3; 5)− và 1 cơ sở:
{ (2; 1), (1; 1)}
B= u = − u = Tìm [ ]x ? B
Quy ước
Ta viết tọa độ của vector x đối với cơ sở chính tắc E
trong ℝ là [ ]n x hoặc viết dưới dạng x=( ; ;α1 α n)
VD 6 Trong P x , cho vector 4[ ] p x( )=x4 + và mộtx3
Trang 16Ch Ch ươ ươ ng ng 3 Không gian vector
VD 7 Trong ℝ , cho 2 cơ sở: 2
(ma trận cột của các vector trong B ) 1
Công thức đổi tọa độ
Tìm tọa độ của vector v trong cơ sở B ? 2
Ch Ch ươ ươ ng ng 3 Không gian vector
VD 10 Dựa vào hệ quả, giải lại VD 7
Ch Ch ươ ươ ng ng 3 Không gian vector
§4 KHÔNG GIAN SINH BỞI HỆ VECTOR
4.1 Định nghĩa
Trong kgvt V cho hệ gồm m vector S={ , ,u1… u m}
Tập hợp tất cả các tổ hợp tuyến tính của S được gọi
là không gian con sinh bởi S
Ký hiệu là: < > hoặc spanS S
4.2 Hệ vector trong ℝn Trong kgvt ℝ , xét hệ n S ={ ,u1 …,u m} ta có:
1,
m n
• Nếu dim< >= thì mọi hệ con gồm k vector S k
đltt của S đều là cơ sở của < > S
VD 1 Trong ℝ , cho hệ vector: 3
{ (1; 0; 1), (0; 1; 1)}
S= u = − u = −
Hãy tìm dạng tọa độ của vector v ∈ S< > ?
VD 2 Trong ℝ , cho hệ vector: 4
{(1;2; 3; 4), (2; 4;9; 6), (1;2;5; 3), (1;2;6; 3)}
Tìm số chiều của không gian sinh < > ? S
VD 3 Trong ℝ , cho hệ vector S : 4
{ =( 2; 4; 2; 4),u − − − u =(2; 5; 3;1),− − u =( 1; 3; 4;1)}−
Hãy tìm dim< > và 1 cơ sở của S S < > ?
Ch Ch ươ ươ ng ng 3 Không gian vector
§5 KHÔNG GIAN EUCLIDE
5.1 Định nghĩa
• Cho không gian vector V trên ℝ Một quy luật cho
tương ứng cặp vector x y bất kỳ thuộc V với số ,
1) x x ≥ và 0 x x = ⇔ = ; 0 x θ
2) x y = y x ; 3) (x+y z) = x z + y z , ∀ ∈ ; z V
4) λ x y =λ x y , ∀ ∈ ℝ λ
được gọi là tích vô hướng của x và y
thực duy nhất, ký hiệu x y (hay ( , )x y ), thỏa mãn:
Trang 17Ch Ch ươ ươ ng ng 3 Không gian vector
• Không gian vector V hữu hạn chiều trên ℝ có tích
vô hướng như trên được gọi là không gian Euclide
VD 1 Kgvt ℝ có tích vô hướng thông thường: n
( , , n) ( , , n) n n
x y = x x y y =x y + +x y
là một không gian Euclide
VD 2 Trong C a b – không gian các hàm số thực [ ; ]
liên tục trên [ ; ]a b , ta xác định được tích vô hướng:
( ) ( )
b
a
f g =∫ f x g x dx Vậy C a b có tích vô hướng như trên là kg Euclide [ ; ]
Ch Ch ươ ươ ng ng 3 Không gian vector
5.2 Chuẩn của vector
a) Định nghĩa
• Trong không gian Euclide V , số thực u u
được gọi là chuẩn (hay độ dài) của vector u
Ký hiệu là u Vậy, u = u u
• Vector u được gọi là vector đơn vị nếu u = 1
• d u v( , )= u − được gọi là khoảng cách giữa u , v v
VD 3 Trong ℝ cho vector n u=( , , ,u u1 2 u n), ta có:
Ch Ch ươ ươ ng ng 3 Không gian vector
VD 4 Trong không gian Euclide C a b , ta có: [ ; ]
Ch Ch ươ ươ ng ng 3 Không gian vector
VD 5 Trong ℝ , bất đẳng thức Cauchy – Schwarz là: n
Trong không gian Euclide n chiều V , ta định nghĩa:
• Hai vector u v được gọi là trực giao nếu , u v = ; 0
Ch Ch ươ ươ ng ng 3 Không gian vector
• Cơ sở { , , ,u u1 2 u n} được gọi là cơ sở trực giao nếu
các vector của cơ sở là trực giao từng đôi một;
• Cơ sở { , , ,u u1 2 u n} được gọi là cơ sở trực chuẩn
nếu cơ sở là trực giao và u i =1, (i=1, , )n
Mọi kg Euclide n chiều đều tồn tại cơ sở trực chuẩn
Ch Ch ươ ươ ng ng 3 Không gian vector
Thuật toán trực chuẩn hóa Gram – Schmidt
• Bước 1 Trong không gian Euclide n chiều V , chọn
Trang 18Ch Ch ươ ươ ng ng 3 Không gian vector
• Bước 3 Xây dựng cơ sở trực chuẩn { ,w w1 2, ,w n}
bằng việc chuẩn hóa các vector ở bước 2:
n
i i
Ch Ch ươ ươ ng ng 3 Không gian vector
VD 9 Trong ℝ , hãy trực chuẩn hóa cơ sở: 3
{u =(1; 1; 0),− u =(0; 1; 1),− u =(1; 1; 1)}− Tìm tọa độ của u =(1; 2; 3) trong cơ sở trực chuẩn đó
Cho X , Y là 2 kgvt trên ℝ Ánh xạ T X: → được Y
gọi là ánh xạ tuyến tính (hay toán tử tuyến tính) nếu
thỏa mãn 2 điều kiện sau:
1) T(α x)=α T x( ), ∀ ∈x X, ∀ ∈ ℝ; α
2) T x( +y)=T x( )+T y( ), ∀x y, ∈ X
§1 Ánh xạ tuyến tính
§2 Trị riêng – Vector riêng
§3 Chéo hóa ma trận vuông
Chú ý
• Đối với ánh xạ tuyến tính (viết tắt là AXTT),
ký hiệu T x còn được viết là Tx ( )
• Hai điều kiện của định nghĩa tương đương với:
Ch Ch ươ ươ ng ng 4 Ánh x tuy ế n tính
Vậy ánh xạ T là ánh xạ tuyến tính từ ℝ vào 3 ℝ 2
VD 2 Cho ánh xạ f :ℝ2→ℝ xác định như sau: 2
( ; ) ( ; 2 3 )
f x y = x−y + y Xét u=(1; 2),v=(0; 1)− ta có:
Ch Ch ươ ươ ng ng 4 Ánh x tuy ế n tính
( ) (1; 1) (1 1; 2 3.1) (0; 5)( ) ( ) ( 1; 8) (1; 1) (0; 7)
Vậy ánh xạ f không phải là AXTT từ ℝ vào 2 ℝ 2
VD 3. Các AXTT thường gặp trong mặt phẳng:
• Phép chiếu vuông góc xuống trục Ox , Oy :