今天要介绍一种新的向量空间,即矩阵空间,之前碰到的所有向量空间,都是n维的实数空间,现在我们将矩阵当成向量,比如说将3*3的矩阵看作向量,这相当于从原来的n维为扩展到n*n维,那么明明是矩阵为什么可以看成是向量呢?因为矩阵也服从向量空间的运算,向量能相加,矩阵也能相加,向量能数乘,矩阵也可以数乘,向量可以线性组合,矩阵也可以线性组合。所以说矩阵也可以当成向量来生成空间,这个空间就是矩阵空间。比如说所有3*3的矩阵组成的空间,我们记为矩阵空间M,那么M的子空间有:所有上三角矩阵(upper triangular matrix)组成的空间U、所有的对称矩阵(symmetricmatrix)组成的空间S,所有的对角矩阵(diagonal matrix)组成的空间D(对角矩阵是上三角阵和对称阵的交集),因为两个上三角阵相加还是上三角阵,两个对称阵相加还是对称阵,两个对角阵相加还是对角阵,除此之外,我们还可以得出M空间的维数是9,9个基分别为:
S空间的维数是6,6个基分别为:
U空间的维数也是6,基分别为:
通过将U和S进行组合,我们还可以得到其他子空间,比如前面已经提过的对称阵空间S和上三角阵空间U的交集 得到的对角阵空间D,其维数是3维,但是注意并集 组成的集合不是子空间,要将
符号改成“+”,即S+U才构成子空间,如果每次任取S内任一元素加上U内任一元素,我们可以得到所有3*3矩阵,因此这个S+U构成的空间维度是9,这里我们可以发现dim(S)+dim(U)=dim(S交U)+dim(S+U),即S的维度加上U的维度等于它们交的维度加上它们和的维度,以上就是关于矩阵空间的内容,除了向量跟传统的向量有区别,其他都是一样的求法。现在我们再举个比较特殊的例子,假设有一个矩阵空间,它来自于微分方程,该微分方程为
,其解是y=cos( x) ,y=sin( x),这个微分方程的零空间或解空间就是这两个解的线性组合,也就是y=c1cos(x)+c2sin(x),很铭明显这个向量空间的维数是2,因为它有2个基:cos(x)和sin(x)。举这个例子的目的在于:cos(x)和sin(x)看起来并不像向量,有些像函数,但我们可以称它们为向量,因为其可以做数乘也可以作加法,所以可对它们进行线性组合,这就是线性代数中的向量,基,维数,它们不仅仅局限于我们平常所熟悉的向量形式,也可以用于矩阵甚至函数等,只要它们满足向量的特性。
秩1矩阵
关于矩阵的秩r,目前我们已经知道的是它等于矩阵主元的个数,且r<m,r<n,秩1矩阵是一类性质很好但非常简单的矩阵,因此我们在这里对其作一些简单分析。假设现有秩1矩阵 ,经过消元可得知其行空间的基为A的第一行,列空间的基为A的第一列,那么A可以写成两个基相乘的形式,即
,对于所有的秩1矩阵,这个结论都是成立的,即所有的秩1矩阵都能表示为一列基乘以一行基的形式
,秩1矩阵就像搭其它矩阵的积木,任何矩阵都可以表示为若干个秩1矩阵的组合,例如如果有一个5*17的矩阵,它的秩为4,那么这个矩阵就可分解为4个秩1矩阵的组合。