MIT 18.06 linear algebra lecture 11 矩阵空间 秩一矩阵 小世界图 笔记

新向量空间

之前讨论了很多关于\(\mathbb{R}^n\)中的向量，接下来讨论任意满足向量加法和数乘的“向量”的向量空间

\(3\times 3\) 矩阵

上一节提到了所有\(3\times 3\)矩阵组成的空间\(M\)和其中一些子空间：所有\(3\times 3\)的对称矩阵\(S\)；所有\(3\times 3\)的上三角矩阵\(U\)；前两者的交集\(D\)——所有\(3\times 3\)对角矩阵组成的空间。

\(M\)的维数为\(9\)：必须指定\(9\)个数才能确定\(M\)中的一个，\(M\)的空间类似\(\mathbb{R}^9\)。一个合适的基是：
\[ \begin{bmatrix} 1 & 0 & 0\\ 0 & 0 & 0\\ 0 & 0 & 0 \end{bmatrix}, \begin{bmatrix} 0 & 1 & 0\\ 0 & 0 & 0\\ 0 & 0 & 0 \end{bmatrix}, \begin{bmatrix} 0 & 0 & 1\\ 0 & 0 & 0\\ 0 & 0 & 0 \end{bmatrix},\cdots \begin{bmatrix} 0 & 0 & 0\\ 0 & 0 & 0\\ 0 & 1 & 0 \end{bmatrix}, \begin{bmatrix} 0 & 0 & 0\\ 0 & 0 & 0\\ 0 & 0 & 1 \end{bmatrix}. \]

对称矩阵组成的子空间维数为\(6\)，分别是对角线上的三个数字和上三角的三个数字（对应下三角）\(S\)的一个基是：
\[ \begin{bmatrix} 1 & 0 & 0\\ 0 & 0 & 0\\ 0 & 0 & 0 \end{bmatrix}, \begin{bmatrix} 0 & 1 & 0\\ 1 & 0 & 0\\ 0 & 0 & 0 \end{bmatrix}, \begin{bmatrix} 0 & 0 & 1\\ 0 & 0 & 0\\ 1 & 0 & 0 \end{bmatrix}, \begin{bmatrix} 0 & 0 & 0\\ 0 & 1 & 0\\ 0 & 0 & 0 \end{bmatrix}, \begin{bmatrix} 0 & 0 & 0\\ 0 & 0 & 1\\ 0 & 1 & 0 \end{bmatrix}, \begin{bmatrix} 0 & 0 & 0\\ 0 & 0 & 0\\ 0 & 0 & 1 \end{bmatrix}. \]
上三角矩阵组成的向量空间\(U\)的维数也为\(6\)；类似对称矩阵，选择上三角的各个位置的数字，确定一个基是：
\[ \begin{bmatrix} 1 & 0 & 0\\ 0 & 0 & 0\\ 0 & 0 & 0 \end{bmatrix}, \begin{bmatrix} 0 & 1 & 0\\ 0 & 0 & 0\\ 0 & 0 & 0 \end{bmatrix}, \begin{bmatrix} 0 & 0 & 1\\ 0 & 0 & 0\\ 0 & 0 & 0 \end{bmatrix}, \begin{bmatrix} 0 & 0 & 0\\ 0 & 1 & 0\\ 0 & 0 & 0 \end{bmatrix}, \begin{bmatrix} 0 & 0 & 0\\ 0 & 0 & 1\\ 0 & 0 & 0 \end{bmatrix}, \begin{bmatrix} 0 & 0 & 0\\ 0 & 0 & 0\\ 0 & 0 & 1 \end{bmatrix}. \]
这组基是之前选取的\(M\)的基的子集，但对于\(S\)选取的基则不是\(M\)的基的子集。

\(3\times 3\)的对角矩阵构成的子空间是\(D=S\cap U\)，其维数是\(3\)，由于\(S、U\)的基选取的比较合适，二者基的交集是\(D\)的一组基。

\(S\cup U\)，一组要么是对称矩阵要么是上三角矩阵组成的\(3\times 3\)矩阵的集合是否是\(M\)的子空间？显然不是的。可以随意选一个对称矩阵与上三角矩阵相加，得到的矩阵既不是对称矩阵也不是上三角矩阵。如果将\(S\)和\(U\)中所有可能的矩阵相加得到的\(\text{sum }S+U\)则是\(M\)的子空间，事实上\(S+U=M\)（\(M\)中任何一个矩阵能被分解成一上三角矩阵和一对角矩阵之和），因此\(S+M\)维数为\(9\)。对于union和sum，维数遵循：
\[ \text{dim }S+\text{dim }U=\text{dim }{(S+U)}+\text{dim }{(S\cap U)} \]

微分方程

考虑\(\frac{d^2y}{dx^2}+y=0\)的解是零空间中的向量，一些特殊解有：
\[ y=\cos x, y=\sin x, y=e^{ix}. \]
完整解是：
\[ y=c_1\cos x+c_2\sin x \]
其中\(c_1\)和\(c_2\)可以是任意复数。解空间是以\(\cos x\)和\(\sin x\)为基向量的二维向量空间。（尽管看起来不像是向量，但是因为它们能够相加而且能够数乘，与向量性质类似）。

秩四矩阵

现在假设\(M\)是\(5\times 17\)的矩阵组成的空间，其中所有秩为\(4\)的矩阵是\(M\)的子集，但不是\(M\)的子空间，即使不考虑零矩阵的情况，两个秩为\(4\)的矩阵之和的秩也并不一定为\(4\)。

在\(\mathbb{R}^4\)，所有满足\(v_1+v_2+v_3+v_4=0\)的向量\(\begin{bmatrix}v_1\\v_2\\v_3\\v_4\end{bmatrix}\)的集合是一个子空间。其中包含零向量，而且满足加法和数乘。而且该向量空间是矩阵\(A=\begin{bmatrix}1&1&1&1\end{bmatrix}\)的零空间。因为\(A\)的秩为\(1\)，零空间的维数为\(n-r=3\)。由特解得到的子空间的基是：
\[ \left[\begin{array}{r} -1 \\ 1 \\ 0 \\ 0 \end{array}\right], \left[\begin{array}{r} -1 \\ 0 \\ 1 \\ 0 \end{array}\right], \left[\begin{array}{r} -1 \\ 0 \\ 0 \\ 1 \end{array}\right] \]
\(A\)的列空间是\(R^1\)。左零空间只包括零向量，维数为\(0\)，基是空集。\(A\)的行空间维度也为\(1\)。

秩一矩阵

矩阵的秩等于行空间和列空间的维数，矩阵A：
\[ A= \begin{bmatrix} 1 & 4 & 5\\ 2 & 8 & 10 \end{bmatrix} \]
的秩为\(1\),因为每一列都是第一列数乘得到的：
\[ A= \begin{bmatrix} 1\\ 2 \end{bmatrix} \begin{bmatrix} 1 & 4 & 5 \end{bmatrix} \]
任意秩一矩阵\(A\)可以写成\(A=\boldsymbol{U}\boldsymbol{V}^T\)，其中\(\boldsymbol{U}\)和\(\boldsymbol{V}\)是列向量。后面将使用秩一矩阵构建更复杂的矩阵。

小世界图

在本课中，图（graph）\(G\)是一些用边相连的节点的集合：
\[ G=\lbrace\text{nodes},\text{edges}\rbrace \]

假设每个节点是一个人，如果两个人是朋友则两节点之间用线连接，通过图可以衍生出很多问题：两个人之间最少通过多少个朋友能够建立关系？两个人在图中的最远距离？以及相关的“六度分隔”（six degree of separation）和“世界真小”（it's a small world）。
另外一个图的例子是万维网：节点是网页，连接是网址链接。
在后续将使用矩阵来描述图，从而回答关于节点间距离的问题。

---

笔记来源：MIT 18.06 lecture 11

转载于:https://www.cnblogs.com/yuyin/articles/10064672.html