Chéo hóa ma trận là gì? Điều kiện ma trận chéo hóa được, bài tập

Chéo hóa ma trận là một trong những phép biến đổi quan trọng nhất trong Đại số tuyến tính, giúp đưa ma trận về dạng đường chéo đơn giản hơn. Chéo hóa ma trận là quá trình tìm ma trận khả nghịch P sao cho \( P^{-1}AP \) là ma trận đường chéo. Bài viết dưới đây sẽ giúp bạn hiểu rõ khái niệm, điều kiện, cách thực hiện và các ví dụ minh họa chi tiết về chéo hóa ma trận.

1. Chéo hóa ma trận là gì?

Chéo hóa ma trận là quá trình biến đổi một ma trận vuông A thành ma trận đường chéo D thông qua một ma trận khả nghịch P.

Định nghĩa: Ma trận vuông A cấp n được gọi là chéo hóa được nếu tồn tại ma trận khả nghịch P sao cho:

\[ P^{-1}AP = D \]

Trong đó D là ma trận đường chéo. Khi đó ta nói A đồng dạng với D.

Công thức tương đương:

\[ A = PDP^{-1} \]

Ký hiệu	Tên gọi	Ý nghĩa
A	Ma trận ban đầu	Ma trận vuông cấp n cần chéo hóa
P	Ma trận chuyển	Ma trận khả nghịch, các cột là vector riêng
D	Ma trận đường chéo	Các phần tử trên đường chéo là trị riêng
\( P^{-1} \)	Ma trận nghịch đảo của P	Thỏa mãn \( P^{-1}P = I \)

2. Ma trận đường chéo là gì?

Trước khi tìm hiểu sâu hơn về chéo hóa ma trận, ta cần nắm rõ khái niệm ma trận đường chéo.

Định nghĩa: Ma trận đường chéo là ma trận vuông có tất cả các phần tử nằm ngoài đường chéo chính đều bằng 0.

Dạng tổng quát của ma trận đường chéo cấp n:

\[ D = \begin{pmatrix} d_1 & 0 & 0 & \cdots & 0 \\ 0 & d_2 & 0 & \cdots & 0 \\ 0 & 0 & d_3 & \cdots & 0 \\ \vdots & \vdots & \vdots & \ddots & \vdots \\ 0 & 0 & 0 & \cdots & d_n \end{pmatrix} \]

Tính chất của ma trận đường chéo:

• Định thức: \( \det(D) = d_1 \cdot d_2 \cdot d_3 \cdots d_n \)
• Lũy thừa: \( D^k = \text{diag}(d_1^k, d_2^k, …, d_n^k) \)
• Nghịch đảo (nếu \( d_i \neq 0 \)): \( D^{-1} = \text{diag}\left(\frac{1}{d_1}, \frac{1}{d_2}, …, \frac{1}{d_n}\right) \)

3. Trị riêng và vector riêng

Để thực hiện chéo hóa ma trận, ta cần hiểu về trị riêng và vector riêng – hai khái niệm nền tảng.

3.1. Trị riêng (Eigenvalue)

Định nghĩa: Số \( \lambda \) được gọi là trị riêng của ma trận A nếu tồn tại vector \( \vec{v} \neq \vec{0} \) sao cho:

\[ A\vec{v} = \lambda\vec{v} \]

Cách tìm trị riêng: Giải phương trình đặc trưng:

\[ \det(A – \lambda I) = 0 \]

3.2. Vector riêng (Eigenvector)

Định nghĩa: Vector \( \vec{v} \neq \vec{0} \) được gọi là vector riêng ứng với trị riêng \( \lambda \) nếu:

\[ (A – \lambda I)\vec{v} = \vec{0} \]

Cách tìm vector riêng: Giải hệ phương trình thuần nhất \( (A – \lambda I)\vec{v} = \vec{0} \)

3.3. Bội số của trị riêng

Loại bội số	Ký hiệu	Định nghĩa
Bội đại số	\( m_a(\lambda) \)	Số lần \( \lambda \) là nghiệm của phương trình đặc trưng
Bội hình học	\( m_g(\lambda) \)	Số chiều của không gian riêng ứng với \( \lambda \)

Quan hệ: \( 1 \leq m_g(\lambda) \leq m_a(\lambda) \)

4. Điều kiện để ma trận chéo hóa được

Không phải ma trận vuông nào cũng chéo hóa được. Dưới đây là các điều kiện cần và đủ:

4.1. Điều kiện cần và đủ

Ma trận A cấp n chéo hóa được khi và chỉ khi:

1. A có đủ n vector riêng độc lập tuyến tính
2. Với mỗi trị riêng: bội hình học = bội đại số, tức \( m_g(\lambda) = m_a(\lambda) \)

4.2. Điều kiện đủ (dễ kiểm tra)

• Ma trận có n trị riêng phân biệt → Chéo hóa được
• Ma trận đối xứng thực (\( A = A^T \)) → Luôn chéo hóa được

4.3. Bảng tóm tắt điều kiện

Điều kiện	Loại	Kết luận
n trị riêng phân biệt	Đủ	Chéo hóa được
Ma trận đối xứng thực	Đủ	Chéo hóa được
\( m_g = m_a \) với mọi trị riêng	Cần và đủ	Chéo hóa được
Tồn tại \( m_g < m_a \)	–	Không chéo hóa được

5. Các bước chéo hóa ma trận chi tiết

Để thực hiện chéo hóa ma trận A, ta tiến hành theo các bước sau:

Bước 1: Tìm các trị riêng

Lập và giải phương trình đặc trưng:

\[ \det(A – \lambda I) = 0 \]

Tìm tất cả các nghiệm \( \lambda_1, \lambda_2, …, \lambda_k \)

Bước 2: Tìm vector riêng ứng với mỗi trị riêng

Với mỗi trị riêng \( \lambda_i \), giải hệ:

\[ (A – \lambda_i I)\vec{v} = \vec{0} \]

Tìm các vector riêng độc lập tuyến tính.

Bước 3: Kiểm tra điều kiện chéo hóa được

Đếm tổng số vector riêng độc lập tuyến tính:

• Nếu có đủ n vector → Ma trận chéo hóa được
• Nếu không đủ n vector → Ma trận không chéo hóa được

Bước 4: Lập ma trận P và D

Ma trận P: Ghép các vector riêng thành các cột:

\[ P = \begin{pmatrix} \vec{v_1} & \vec{v_2} & \cdots & \vec{v_n} \end{pmatrix} \]

Ma trận D: Ma trận đường chéo với các trị riêng tương ứng:

\[ D = \begin{pmatrix} \lambda_1 & 0 & \cdots & 0 \\ 0 & \lambda_2 & \cdots & 0 \\ \vdots & \vdots & \ddots & \vdots \\ 0 & 0 & \cdots & \lambda_n \end{pmatrix} \]

Lưu ý quan trọng: Thứ tự các trị riêng trên đường chéo của D phải tương ứng với thứ tự các vector riêng trong P.

Sơ đồ tóm tắt các bước

Bước	Công việc	Công thức/Kết quả
1	Tìm trị riêng	\( \det(A – \lambda I) = 0 \)
2	Tìm vector riêng	\( (A – \lambda_i I)\vec{v} = \vec{0} \)
3	Kiểm tra điều kiện	Đếm số vector riêng độc lập
4	Lập P và D	\( P^{-1}AP = D \)

6. Công thức và tính chất quan trọng

Khi ma trận A đã được chéo hóa, ta có nhiều công thức hữu ích:

6.1. Tính lũy thừa ma trận

Nếu \( A = PDP^{-1} \), thì:

\[ A^n = PD^nP^{-1} \]

Trong đó:

\[ D^n = \begin{pmatrix} \lambda_1^n & 0 & \cdots & 0 \\ 0 & \lambda_2^n & \cdots & 0 \\ \vdots & \vdots & \ddots & \vdots \\ 0 & 0 & \cdots & \lambda_k^n \end{pmatrix} \]

6.2. Các tính chất khác

Tính chất	Công thức
Định thức	\( \det(A) = \lambda_1 \cdot \lambda_2 \cdots \lambda_n \)
Vết (trace)	\( \text{tr}(A) = \lambda_1 + \lambda_2 + \cdots + \lambda_n \)
Nghịch đảo	\( A^{-1} = PD^{-1}P^{-1} \) (nếu các \( \lambda_i \neq 0 \))
Hàm ma trận	\( f(A) = Pf(D)P^{-1} \)

7. Ứng dụng của chéo hóa ma trận

Chéo hóa ma trận có nhiều ứng dụng quan trọng trong toán học và các lĩnh vực khác:

• Tính lũy thừa ma trận: Đơn giản hóa việc tính \( A^n \) với n lớn
• Giải hệ phương trình vi phân: \( \frac{d\vec{x}}{dt} = A\vec{x} \)
• Giải hệ phương trình sai phân: \( \vec{x}_{n+1} = A\vec{x}_n \)
• Phân tích dữ liệu: PCA (Principal Component Analysis)
• Cơ học lượng tử: Tìm trạng thái riêng của hệ
• Đồ họa máy tính: Biến đổi hình học

8. Ví dụ và bài tập minh họa có lời giải chi tiết

Để hiểu rõ hơn về chéo hóa ma trận, hãy cùng làm các bài tập sau:

Bài tập 1: Chéo hóa ma trận 2×2

Đề bài: Chéo hóa ma trận \( A = \begin{pmatrix} 4 & 1 \\ 2 & 3 \end{pmatrix} \)

Lời giải:

Bước 1: Tìm trị riêng

Phương trình đặc trưng:

\[ \det(A – \lambda I) = 0 \]

\[ \det\begin{pmatrix} 4-\lambda & 1 \\ 2 & 3-\lambda \end{pmatrix} = 0 \]

\[ (4-\lambda)(3-\lambda) – 2 = 0 \]

\[ 12 – 4\lambda – 3\lambda + \lambda^2 – 2 = 0 \]

\[ \lambda^2 – 7\lambda + 10 = 0 \]

\[ (\lambda – 2)(\lambda – 5) = 0 \]

→ Trị riêng: \( \lambda_1 = 2 \) và \( \lambda_2 = 5 \)

Bước 2: Tìm vector riêng

Với \( \lambda_1 = 2 \):

\[ (A – 2I)\vec{v} = \vec{0} \]

\[ \begin{pmatrix} 2 & 1 \\ 2 & 1 \end{pmatrix} \begin{pmatrix} x \\ y \end{pmatrix} = \begin{pmatrix} 0 \\ 0 \end{pmatrix} \]

\[ 2x + y = 0 \Rightarrow y = -2x \]

Chọn \( x = 1 \): \( \vec{v_1} = \begin{pmatrix} 1 \\ -2 \end{pmatrix} \)

Với \( \lambda_2 = 5 \):

\[ (A – 5I)\vec{v} = \vec{0} \]

\[ \begin{pmatrix} -1 & 1 \\ 2 & -2 \end{pmatrix} \begin{pmatrix} x \\ y \end{pmatrix} = \begin{pmatrix} 0 \\ 0 \end{pmatrix} \]

\[ -x + y = 0 \Rightarrow y = x \]

Chọn \( x = 1 \): \( \vec{v_2} = \begin{pmatrix} 1 \\ 1 \end{pmatrix} \)

Bước 3: Lập ma trận P và D

\[ P = \begin{pmatrix} 1 & 1 \\ -2 & 1 \end{pmatrix}, \quad D = \begin{pmatrix} 2 & 0 \\ 0 & 5 \end{pmatrix} \]

Kết quả: \( P^{-1}AP = D \) với P và D như trên.

Kiểm tra: Tính \( P^{-1} \):

\[ \det(P) = 1 \cdot 1 – 1 \cdot (-2) = 3 \]

\[ P^{-1} = \frac{1}{3}\begin{pmatrix} 1 & -1 \\ 2 & 1 \end{pmatrix} \]

Bài tập 2: Chéo hóa ma trận 3×3

Đề bài: Chéo hóa ma trận \( A = \begin{pmatrix} 2 & 0 & 0 \\ 1 & 2 & 1 \\ -1 & 0 & 1 \end{pmatrix} \)

Lời giải:

Bước 1: Tìm trị riêng

\[ \det(A – \lambda I) = \det\begin{pmatrix} 2-\lambda & 0 & 0 \\ 1 & 2-\lambda & 1 \\ -1 & 0 & 1-\lambda \end{pmatrix} = 0 \]

Khai triển theo hàng 1:

\[ (2-\lambda) \det\begin{pmatrix} 2-\lambda & 1 \\ 0 & 1-\lambda \end{pmatrix} = 0 \]

\[ (2-\lambda)(2-\lambda)(1-\lambda) = 0 \]

\[ (2-\lambda)^2(1-\lambda) = 0 \]

→ Trị riêng: \( \lambda_1 = 2 \) (bội 2), \( \lambda_2 = 1 \) (bội 1)

Bước 2: Tìm vector riêng

Với \( \lambda_1 = 2 \):

\[ (A – 2I)\vec{v} = \vec{0} \]

\[ \begin{pmatrix} 0 & 0 & 0 \\ 1 & 0 & 1 \\ -1 & 0 & -1 \end{pmatrix} \begin{pmatrix} x \\ y \\ z \end{pmatrix} = \begin{pmatrix} 0 \\ 0 \\ 0 \end{pmatrix} \]

\[ x + z = 0 \Rightarrow z = -x \]

y tự do. Chọn:

• \( x = 1, y = 0, z = -1 \): \( \vec{v_1} = \begin{pmatrix} 1 \\ 0 \\ -1 \end{pmatrix} \)
• \( x = 0, y = 1, z = 0 \): \( \vec{v_2} = \begin{pmatrix} 0 \\ 1 \\ 0 \end{pmatrix} \)

→ Bội hình học = 2 = Bội đại số ✓

Với \( \lambda_2 = 1 \):

\[ (A – I)\vec{v} = \vec{0} \]

\[ \begin{pmatrix} 1 & 0 & 0 \\ 1 & 1 & 1 \\ -1 & 0 & 0 \end{pmatrix} \begin{pmatrix} x \\ y \\ z \end{pmatrix} = \begin{pmatrix} 0 \\ 0 \\ 0 \end{pmatrix} \]

Từ hàng 1: \( x = 0 \)

Từ hàng 2: \( y + z = 0 \Rightarrow y = -z \)

Chọn \( z = 1 \): \( \vec{v_3} = \begin{pmatrix} 0 \\ -1 \\ 1 \end{pmatrix} \)

Bước 3: Kết quả

Ma trận A chéo hóa được với:

\[ P = \begin{pmatrix} 1 & 0 & 0 \\ 0 & 1 & -1 \\ -1 & 0 & 1 \end{pmatrix}, \quad D = \begin{pmatrix} 2 & 0 & 0 \\ 0 & 2 & 0 \\ 0 & 0 & 1 \end{pmatrix} \]

Bài tập 3: Ma trận không chéo hóa được

Đề bài: Xét ma trận \( A = \begin{pmatrix} 2 & 1 \\ 0 & 2 \end{pmatrix} \). Ma trận này có chéo hóa được không?

Lời giải:

Bước 1: Tìm trị riêng

\[ \det(A – \lambda I) = \det\begin{pmatrix} 2-\lambda & 1 \\ 0 & 2-\lambda \end{pmatrix} = (2-\lambda)^2 = 0 \]

→ Trị riêng: \( \lambda = 2 \) (bội đại số = 2)

Bước 2: Tìm vector riêng với \( \lambda = 2 \)

\[ (A – 2I)\vec{v} = \vec{0} \]

\[ \begin{pmatrix} 0 & 1 \\ 0 & 0 \end{pmatrix} \begin{pmatrix} x \\ y \end{pmatrix} = \begin{pmatrix} 0 \\ 0 \end{pmatrix} \]

\[ y = 0 \], x tự do

Chỉ có 1 vector riêng độc lập: \( \vec{v} = \begin{pmatrix} 1 \\ 0 \end{pmatrix} \)

→ Bội hình học = 1 < Bội đại số = 2

Kết luận: Ma trận A không chéo hóa được.

Bài tập 4: Tính lũy thừa ma trận bằng chéo hóa

Đề bài: Cho \( A = \begin{pmatrix} 4 & 1 \\ 2 & 3 \end{pmatrix} \). Tính \( A^{10} \).

Lời giải:

Từ Bài tập 1, ta có:

\[ P = \begin{pmatrix} 1 & 1 \\ -2 & 1 \end{pmatrix}, \quad D = \begin{pmatrix} 2 & 0 \\ 0 & 5 \end{pmatrix}, \quad P^{-1} = \frac{1}{3}\begin{pmatrix} 1 & -1 \\ 2 & 1 \end{pmatrix} \]

Áp dụng công thức: \( A^{10} = PD^{10}P^{-1} \)

\[ D^{10} = \begin{pmatrix} 2^{10} & 0 \\ 0 & 5^{10} \end{pmatrix} = \begin{pmatrix} 1024 & 0 \\ 0 & 9765625 \end{pmatrix} \]

\[ A^{10} = \begin{pmatrix} 1 & 1 \\ -2 & 1 \end{pmatrix} \begin{pmatrix} 1024 & 0 \\ 0 & 9765625 \end{pmatrix} \cdot \frac{1}{3}\begin{pmatrix} 1 & -1 \\ 2 & 1 \end{pmatrix} \]

\[ = \frac{1}{3} \begin{pmatrix} 1024 & 9765625 \\ -2048 & 9765625 \end{pmatrix} \begin{pmatrix} 1 & -1 \\ 2 & 1 \end{pmatrix} \]

\[ = \frac{1}{3} \begin{pmatrix} 1024 + 19531250 & -1024 + 9765625 \\ -2048 + 19531250 & 2048 + 9765625 \end{pmatrix} \]

\[ = \frac{1}{3} \begin{pmatrix} 19532274 & 9764601 \\ 19529202 & 9767673 \end{pmatrix} \]

\[ A^{10} = \begin{pmatrix} 6510758 & 3254867 \\ 6509734 & 3255891 \end{pmatrix} \]

Bài tập 5: Chéo hóa ma trận đối xứng

Đề bài: Chéo hóa ma trận đối xứng \( A = \begin{pmatrix} 1 & 2 \\ 2 & 1 \end{pmatrix} \)

Lời giải:

Bước 1: Tìm trị riêng

\[ \det(A – \lambda I) = (1-\lambda)^2 – 4 = \lambda^2 – 2\lambda – 3 = 0 \]

\[ (\lambda – 3)(\lambda + 1) = 0 \]

→ \( \lambda_1 = 3 \), \( \lambda_2 = -1 \)

Bước 2: Tìm vector riêng

Với \( \lambda_1 = 3 \): \( \vec{v_1} = \begin{pmatrix} 1 \\ 1 \end{pmatrix} \)

Với \( \lambda_2 = -1 \): \( \vec{v_2} = \begin{pmatrix} 1 \\ -1 \end{pmatrix} \)

Bước 3: Kết quả

\[ P = \begin{pmatrix} 1 & 1 \\ 1 & -1 \end{pmatrix}, \quad D = \begin{pmatrix} 3 & 0 \\ 0 & -1 \end{pmatrix} \]

Nhận xét: Hai vector riêng vuông góc với nhau (tích vô hướng = 0), đây là tính chất đặc biệt của ma trận đối xứng.

9. Kết luận

Qua bài viết trên, VJOL đã giúp bạn hiểu rõ chéo hóa ma trận cùng các kiến thức quan trọng liên quan. Tóm tắt những điểm cần nhớ:

• Chéo hóa ma trận là quá trình tìm P sao cho \( P^{-1}AP = D \) là ma trận đường chéo
• Điều kiện chéo hóa được: Ma trận có đủ n vector riêng độc lập tuyến tính
• Ma trận có n trị riêng phân biệt hoặc ma trận đối xứng thực luôn chéo hóa được
• Các bước thực hiện: Tìm trị riêng → Tìm vector riêng → Lập ma trận P và D
• Ứng dụng quan trọng: Tính lũy thừa ma trận \( A^n = PD^nP^{-1} \)

Hy vọng bài viết đã giúp bạn nắm vững kiến thức về chéo hóa ma trận và có thể áp dụng vào giải toán hiệu quả!