线性代数导论11——矩阵空间、秩1矩阵和小世界图

本文是Gilbert Strang的线性代数导论课程笔记。课程地址： http://v.163.com/special/opencourse/daishu.html  

第十一课时：矩阵空间、秩1矩阵和小世界图

矩阵空间

矩阵空间，可看着是新的向量空间，比如3×3的矩阵，它们加法或数乘都停留在3×3矩阵空间，3×3矩阵有一些子空间：3×3对称矩阵的子空间（两个对称矩阵相加还是对称的，数乘对称矩阵还是对称的），3×3的上三角矩阵的子空间。考查它们的基，维数

M：3×3的所有矩阵，它的维数是9，一组基是：

事实上，我们的空间几乎与9维空间相同，只是9个数字是写为一个方阵而不是一列。

S：3×3的对称矩阵，这个子空间的基和维数是怎样的

维数是6，一组基是：对角线三个元素和对角线以上的3个元素分别为1其余为0的6个矩阵（由这6个矩阵就可以得到所有的3×3的对称矩阵了，因为下三角的元素可由上三角的元素可知结果）

U：3×3的上三角矩阵，这个子空间的基和维数是怎样的

维数是6，一组基是：上三角的6个元素分别为1其余为0.

对于其他子空间，如何找到它的维数和基？

S∩U 对称矩阵交上三角矩阵 维数是3（就只有对角线上有非0元素）

S+U （注意不是S∪U，因为它不构成子空间） 取S内任一元素(矩阵)加上U内任一元素(矩阵)即可，它可以得到所有3×3矩阵，而很明显它的维数是9，dim(S)+dim(U)=dim(S∩U)+dim(S+U)=6+6=3+9。

看一种没有向量的向量空间，来自微分方程（要点在于有些东西不像向量，但我们可以称它们为向量，可以做加法，数乘，线性组合，这就是为什么线性代数、基、维度等概念不仅仅用于我们一直讨论的m×n矩阵）。

如上微分方程，它的解是什么，解空间（零空间）是什么，用解空间来描述这个微分方程的所有解：

这是一个向量空间，一组基：cosx，sinx（就像Ax=0的特殊解），维度是2。

秩1矩阵

回到重点，矩阵的关键数字——矩阵的秩，秩为1的矩阵 

所有秩1的矩阵都可表示为一列乘以一行的形式：A=UV^T，U是列向量，V也是列向量

秩1矩阵可以就像搭建其他矩阵的积木一样，如果有5×17的矩阵，秩为4，可以把这5×17的矩阵分解为4个秩1矩阵的组合。

问题：秩1矩阵组成的集合是子空间吗？

假设矩阵空间M=所有5×17的矩阵，一个由秩4矩阵组成的子集，子集中两个矩阵相加结果很可能是一个秩5矩阵，而不是秩4矩阵。由秩1矩阵组成的子集，相加结果很可能是一个秩2矩阵。这说明，它的秩1矩阵组成的子集不是子空间。

问题： 假设R⁴中，假设各分量之和为零的所有向量构成的集合S，如下，

满足这个条件的向量，能否构成一个子空间？能，因为这些向量数乘常数或相加后仍等于0，那么子空间S的基和维数是怎样的？

V1+V2+V3+V4=0，子空间S是某个矩阵A的零空间，(Av=0)这个零空间属于怎样的矩阵呢？从前面那个等式可以发现，这个矩阵即A=[1，1，1，1]。因此，子空间S等价于矩阵A的零空间。A是一个秩1矩阵，零空间维数为n-r=4-1=3。

A的零空间的一组基即特殊解，可以先找到自由变量(第二，三，四列)，然后赋特殊值得到一组基，维数为3，如下：

A的列空间属于1维空间

A的行空间的维度与列空间相同是1维

A的左零空间是零组合,一个点的维即0维。0维空间没有任何向量，此最小子空间的基是一个空集。

1+3=4,1+0=1。

小世界图，引出图论和线性代数的关系

图是结点和边的集合，边连通各个结点。比如一个5个点6条边的图可以用一个5×6的矩阵完全表示。一个有趣的问题是：一个由很多结点和很多条边组成的图，最大的两点距离是多少？有研究表明，只需要6步，这也是小世界的名称的来源，下讲会更多讲解