11矩阵空间、秩1矩阵和小世界图

上一节课，将向量的概念扩展到了矩阵。

一、矩阵空间

矩阵空间是一个子空间吗？是的，数乘和加法等运算后仍然是一个矩阵。所有$3\times 3$的矩阵$M$构成了一个类似于$R^3$的空间，那么这个矩阵空间也将会有子空间，比如：

• 对称矩阵$S$
• 上三角矩阵$U$

根据定义很容易知道这些矩阵是线性封闭的。

1.1 矩阵的基和维数

一个矩阵是由那些基本的矩阵组成的？

$$\left[\begin{array}{ccc}1& 0& 0\\ 0& 0& 0\\ 0& 0& 0\end{array}\right]\left[\begin{array}{ccc}0& 1& 0\\ 0& 0& 0\\ 0& 0& 0\end{array}\right]\left[\begin{array}{ccc}0& 0& 1\\ 0& 0& 0\\ 0& 0& 0\end{array}\right]\cdots \left[\begin{array}{ccc}0& 0& 0\\ 0& 0& 0\\ 0& 0& 1\end{array}\right]$$
上面这些矩阵满足：

• 线性无关。上述任何一个矩阵都能不能用其他矩阵线性表示，是独一无二的；
• 能够扩展至整个矩阵空间。

所以上面的九个矩阵是矩阵$3\times 3$的矩阵$M$的一组基，维数是9。

对于$3\times 3$的矩阵$S$，它的一组基为：
$$\left[\begin{array}{ccc}1& 0& 0\\ 0& 0& 0\\ 0& 0& 0\end{array}\right]\left[\begin{array}{ccc}0& 1& 0\\ 1& 0& 0\\ 0& 0& 0\end{array}\right]\left[\begin{array}{ccc}0& 0& 0\\ 0& 1& 0\\ 0& 0& 0\end{array}\right]\left[\begin{array}{ccc}0& 0& 1\\ 0& 0& 0\\ 1& 0& 0\end{array}\right]\left[\begin{array}{ccc}0& 0& 0\\ 0& 0& 1\\ 0& 1& 0\end{array}\right]\left[\begin{array}{ccc}0& 0& 0\\ 0& 0& 0\\ 0& 0& 1\end{array}\right]$$
一个$3\times 3$矩阵$U$的一组基为：
$$\left[\begin{array}{ccc}1& 0& 0\\ 0& 0& 0\\ 0& 0& 0\end{array}\right]\left[\begin{array}{ccc}0& 1& 0\\ 0& 0& 0\\ 0& 0& 0\end{array}\right]\left[\begin{array}{ccc}0& 0& 1\\ 0& 0& 0\\ 0& 0& 0\end{array}\right]\left[\begin{array}{ccc}0& 0& 0\\ 0& 1& 0\\ 0& 0& 0\end{array}\right]\left[\begin{array}{ccc}0& 0& 0\\ 0& 0& 1\\ 0& 0& 0\end{array}\right]\left[\begin{array}{ccc}0& 0& 0\\ 0& 0& 0\\ 0& 0& 1\end{array}\right]$$
$3\times 3$对角矩阵$D$的一组基为：
$$\left[\begin{array}{ccc}1& 0& 0\\ 0& 0& 0\\ 0& 0& 0\end{array}\right]\left[\begin{array}{ccc}0& 0& 0\\ 0& 1& 0\\ 0& 0& 0\end{array}\right]\left[\begin{array}{ccc}0& 0& 0\\ 0& 0& 0\\ 0& 1& 0\end{array}\right]$$
注意到$S\cap U=D$，两个子空间的交集为一个对角矩阵$D$，维数$dim(S)+dim(U)=dim(S\cap U)$；正如我们在向量中不研究并集（$S\cup U$）一样，因为这没有意义，随便选两个向量结果将会超出原来的范围，这不符合子空间的定义；但是我们会定义$S+U$集合，他表示$S$和$U$的线性组合，这个线性组合恰好能够布满整个矩阵空间。注意到一个有趣的结论：
$$\begin{array}{rl}dim(S)+dim(U)& =dim(S\cap U)+dim(S+U)\\ 6+6& =3+9\end{array}$$
两个子空间的维数和等于交集加上其加集维度的和。

1.2 微分方程

在线性代数中的许多概念在数学领域都是通用的，比如说微分方程：
$$\frac{d^{2}y}{d{x}^2}+y=0\text{\hspace{1em}(1)}$$
这个微分方程有两个特解：$y_1=\sin x$和$y_2=\cos x$，所有解都是这两个特解的线性组合：
$$y_{complete}=c_1\cos x+c_2\sin x\text{\hspace{1em}(2)}$$
那么这个微分方程的一组基就是$y_1$和$y_2$，线性组合系数为零空间，其特解个数等于2，也就是说他们的解空间维数为。其实举这个例子是为了说明子空间、维数、基这些概念应该有更加广泛的理解，比如这里的基就是一组函数，而不是具体的数字。

二、秩1矩阵

2.1 秩1矩阵是其他矩阵的积木

有$2\times 3$矩阵$A$：

$$A=\left[\begin{array}{ccc}1& 4& 5\\ 2& 8& 10\end{array}\right]$$
其秩为1。这种秩为1的矩阵容易写成行和列的矩阵乘法：
$$A=\left[\begin{array}{c}1\\ 2\end{array}\right]\left[\begin{array}{ccc}1& 4& 5\end{array}\right]$$
事实上，所有秩为1的矩阵都可以写成：
$$A=u{v}^T$$
在之后的学习里，我们会知道这种矩阵的特点：

• 行列式简单
• 特征值特点明显（= =完全忘了，学了才知道）

这种秩为1的矩阵就像是积木一样搭建起了所有矩阵，结合一开始矩阵乘法这一节的容易理解。比方说我们有一个$5\times 17$的矩阵，秩为4，他就可以用四个秩为1的矩阵表示出来，秩是多少就能用多少秩为1的矩阵搭建。

思考：四个同型的、秩相同的矩阵相加后的矩阵，其秩是否会改变？肯定会，因为你不确定哪个主元被消除了，这也就意味着，这样的（同秩、同型）矩阵集合并不能构成子空间。

三、小世界图

Graph={nodes,edges}

介绍了图的节点和边的概念。