这是Strang教授的第十一讲,讲解的内容是矩矩阵空间(一个新的“向量”空间)的一组基,秩1矩阵的特殊性和小世界图(small world graphs),小世界图引出图论与线性代数的关系。
矩阵空间
矩阵空间满足向量空间的定义,对加法和数乘封闭。比如所有的3x3实数矩阵构成一个空间M,3x3对称矩阵矩阵构成它的一个子空间S,3x3的上三角矩阵同样构成它的一个子空间U。根据基和维数的定义,可以很轻松的确定所有3x3实数矩阵的一组基,从基的个数知道维数是9,M的一组基:
3x3的对称矩阵的维数是6,3x3的上三角矩阵的维数也是6,思考一下为什么是6,从基和维数的概念出发,很容易确定它们的一组基都包含6个矩阵。3x3对称矩阵的一组基可以取对角线上的3个元素各自为1,其它为0的3个矩阵和对角线上三个元素各自为1并且对应对角线下方的元素也为1,其它元素为0的3个矩阵,构成它的一组基:
而3x3的上三角矩阵的一组基更简单,取上面给出的M的一组基中,1在对角线和对角线之上的6个矩阵就构成了3x3上三角矩阵的一组基:
矩阵空间是应用广泛的一类“向量”空间,另外还有一类应用十分广泛的“向量”空间就是函数空间,线性代数里只是略作提及,这里以一个例子介绍一下函数空间以及函数空间的的“基”,下面的线性微分方程:
上面的线性微分方程的解是这样一个线性组合:,
是线性微分方程的解空间,它的一组基是
,解空间的维数是基的个数2.
秩1矩阵
秩1矩阵是一类特殊的矩阵,以下面的例子来说明秩1矩阵的特殊性,有矩阵A:
它可以写成如下形式:,如下:
所有的秩1矩阵都可以写成一个列向量和一个行向量的相乘的形式,对于mxn的秩1矩阵它的行空间是中的一条直线,列空间是
中的一条直线,它的零空间是垂直于v的平面,因为
.
小世界图
小世界图引出线性代数和图论的联系,那么什么是这里所指的图呢?图是指节点和边组合成的网络,比如下面是一幅由5个节点和6条边的组成的图:
对于上面这样一幅由5个节点和6条边构成的图,可以用一个6x5的矩阵完整的表达图中的所有信息,也就是通过6x5的矩阵可以对这样一幅图通过线性代数的方式建模,继而求得人们对这幅图想要找出的一些解。图很重要,比如人与人之间的关系可以构成一张图,互联网上主机的链接关系可以构成一张巨大的图,城市之间的可达路径可以构成一张图,这些都是有实际意义和应用的图。通过矩阵的方式表达图中的所有信息,表明我们可以通过线性代数的方式来解答这样的实际问题。
本节课的内容比较零散,矩阵空间对应的是3.5章节关于线性相关性、基和维数最后一点剩余的内容,秩1矩阵是3.6章节关于矩阵的4个基本子空间的最后一点剩余的类容,而小世界图是8.2章节图和网络应用的开端。