矩阵空间、秩1矩阵和小世界图-线性代数课时11（MIT Linear Algebra , Gilbert Strang）

        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。

下节课图和网络-线性代数课时12（MIT Linear Algebra , Gilbert Strang）