线性代数学习笔记（三）

课程九

• 线性无关。
  
  1. 对于向量$x_1, x_2, …, x_n除了零组合以外没有线性组合可以得到零向量，则这些向量线性无关。
  2. 如果$v_1, v_2, ..., v_n$为矩阵A中的列向量，如果A的零空间仅为零向量，则这些向量线性无关。如果存在非零向量$c$使得$Ac=0$，则这些向量线性相关。
• 张成空间。向量$v_1, v_2, ..., v_n$张成空间，包含这些向量的所有线性组合。
• 基。向量空间的基是拥有两个特性的一系列向量$v_1, v_2, ..., v_n$
  
  1. 线性无关
  2. 张成空间
• 对于给定的向量空间，任意基的向量个数是确定的。也就是空间的维数。
  向量空间$R^n$，如果$n \times n$矩阵可逆，则矩阵的向量为一组基。
  矩阵的秩是矩阵的列向量空间的维数。
  自由变量的数量是矩阵的零空间的维数。

课程十

• 4个子空间
  列向量空间$C(A) \space in \space R^m$。
  零空间$N(A) \space in \space R^n$。
  行向量空间$C(A^T) \space in \space R^n$。
  左零空间$N(A^T) \space in \space R^m$。
• 空间的维数与基
  
  1. $C(A)$的维数等于矩阵$A$的秩。
  2. $C(A^T)$的维数等于矩阵$A$的秩。
  3. $Ax=0$的特殊解是$N(A)$的基。$N(A)$的维数为$n-r$
  4. $N(A^T)$的维数为$m-r$。
     $$rref \begin{bmatrix} A_{m \times n} & I_{m \times m} \end{bmatrix} \to \begin{bmatrix} R_{m \times n} & E_{m \times m} \end{bmatrix}$$
     通过Gauss-Jordan增广矩阵消元，我们可以得到什么样的变化使得行向量的线性组合为0，即左零空间的基。
• 新的向量空间。所有$3 \times 3$矩阵组成向量空间$M$。
  把矩阵看成向量。符合加法和数乘的规则。
  $M$的子空间有：上三角矩阵，对称矩阵，对角矩阵。对角矩阵空间的维数为3。将$R^n$扩展到了$R^{n \times n}$。

课程十一

• 矩阵空间的基。
  $3 \times 3$矩阵的空间，维数为9。
  $3 \times 3$对称矩阵的空间，维数为6。
  $3 \times 3$上三角矩阵的空间，维数为6。
• 子空间的交集仍为子空间。维数的关系：
  $$Dim(S) + Dim(U) = Dim(S \cap U) + Dim(S + U)$$
• 没有向量的向量空间。考虑微分方程
  $$\frac{d^2y}{dx^2}+y=0$$
  解有$y=\cos{x}, \sin{x}$，该空间的一组基为$\cos{x}, \sin{x}$，所有解为$y=c_1\cos{x}+c_2\sin{x}$。此处，函数不是向量，但符合规则。线性代数的思想要比矩阵表现形式更广。
• 秩为1的矩阵。
• 秩为a的矩阵与秩为b的矩阵相加，秩不一定为a+b。
• 设S为$R^4$的所有满足$v_1+v_2+v_3+v_4=0$的v。
  
  1. S是子空间。
  2. S是矩阵$A=\begin{bmatrix}1 & 1 & 1 & 1 \end{bmatrix}$的零空间，维数为n-r。
     $$C(A) = R^1 \\ N(A^T) = \{0\}$$
• 小世界图。

课程十二

• 图。节点与边。
• 关联矩阵。
  每一行代表一条边。
  用列编号表示节点。
  -1表示边起点，1表示边的终点。
  $$A = \begin{bmatrix} -1 & 1 & 0 & 0 \\ 0 & -1 & 1 & 0 \\ -1 & 0 & 1 & 0 \\ -1 & 0 & 0 & 1 \\ 0 & 0 & -1 & 1 \end{bmatrix}$$
  解$Ax=0$，设x=$\begin{bmatrix} x_1 \\ x_2 \\ x_3 \\ x_4 \end{bmatrix}$，则$\begin{bmatrix} x_2 - x_1 \\ x_3 - x_2 \\ x_3 - x_1 \\ x_4 - x_1 \\ x_4 - x_3 \end{bmatrix} = \begin{bmatrix} 0 \\ 0 \\ 0 \\ 0 \\ 0 \end{bmatrix}$，在电学中，即各点间的电势差。当我们将某个节点接地（确定其电势），我们可以求得其他节点的电势。这代表去除某一列后，其他三列的列向量线性无关。
  $A^Ty=0$，KCL科尔霍夫电流定律。$N(A^T)$的维数是m-r。
• 行空间。相关性源于回路。
• 树。没有回路的图。
• 维度公式。$Dim \space N(A^T) = m - r$
  欧拉公式可以从线性代数中推导出：$\#nodes - \#edges + \#loops = 1$，对任意图都成立。
• $A^TCAx=f$