学习视频来源:麻省理工公开课_线性代数导论 讲师:Gilbert Strang
http://open.163.com/special/opencourse/daishu.html
Lecture 11 矩阵空间、秩1矩阵和小世界图
我们曾就 n 维空间讲的很详细,同样的思想也能用于矩阵空间——加法和数乘(详见Lecture 6)。因此矩阵空间可以看作是新的向量空间。
以 矩阵组成的矩阵空间 为例,空间内可以相加,也可以数乘(不考虑矩阵相乘)。 的子空间有upper triangles 上三角矩阵、symmetric matrices 对称矩阵、diagonal matrices 对角矩阵等。
子空间这个词是符合规则的,如果我把两个对称矩阵相加还是对称的,把两个上三角矩阵相加还是上三角。那么现在提出一些问题:这些子空间的基是什么?维度又是多少?整个空间的维度是多少?
- 首先 有一组自然的基 、 、 … 。 的维度是 9。事实上我们的空间几乎与 9 维空间相同,只是 9 个数字是写为一个方阵而不是一列。
- 当我们观察 中的对称矩阵子空间 时,原来的基中有 3 个矩阵(3 个对角矩阵)属于这个子空间,但 的维度是 6 (另外 3 个矩阵是 、 、 不属于 )。
- 当我们观察 中的上三角矩阵子空间 时, 的维度是 6 ,并且恰好都属于原空间的基。
在了解如何得到其他子空间前,我们先讲讲 和 的交集 。这个空间里都是 的对角矩阵,且它的维度是 3 。(不考虑 和 的并集 ,因为它不是子空间)。
那还能如何构成子空间呢?这里我们使用了和 ,取 内任一元素加上 内任一元素即可。如果我取任一对称矩阵把它加到任一上三角矩阵上,就能得到所有 矩阵。 的维度是 9 。
维度 ,维度 , 维度 ,维度 。
综上可得: 。
接下来我们再举一个没有向量的“向量空间”例子,它来自微分方程。
假设我有一个微分方程 。这个方程的解有: , 。只考虑这两个解,那么方程所有的解是 。这是一个向量空间,这个空间的维度是多少?这个空间的基是多少?
如果我取二阶微分方程的解的集合,一组基意味着空间里的所有元素都是基向量的组合。因此本例中, 和 是一组基,它们就像 的特殊解一样是微分方程的特殊解。解空间的维度 为 2。但它们是这个空间唯一的基吗?不, 和 也是一组基。
注:根据欧拉公式 得出 , 。( 是虚数单位)
线性微分方程的一个重要内容就是寻找解空间的基。本例中的解不像向量,但我们仍可以称之为向量,因为我们可以做加法也可以做数乘,对它们进行线性组合。线性方程、基、维度等概念不仅限于我们一直讨论的 矩阵。现在让我们回到那个数字——矩阵的秩。我们重拾关于秩为 1 的矩阵的话题。
假设有一个秩为 1 的矩阵 。这个矩阵行空间的一组基是第一行,列空间的一组基是第一列,即 。我们可以将 写成一个更漂亮的形式 ,一列乘以一行。 关键在于,所有的秩 1 矩阵都可以表示为一列乘以一行的形式。秩 1 矩阵就像积木一样,可以搭建出任何矩阵。比如秩为 4 的矩阵,通过四个秩 1 矩阵就能搭建。
现在让我们想象从一个由所有 矩阵构成的空间 里挑出一个秩 1 矩阵组成的子集,这个子集是一个子空间吗?答案为No。将两个秩 1 矩阵相加,它们和的秩不一定仍为 1 。
再来一个关于子空间的问题。四维空间 中,空间里的向量都有四个分量 ,设各分量之和为 0 的所有向量构成的集合为 ,在 中的 满足 。那么 是否为子空间?答案是Yes。任取某分量之和为 0 的向量,乘以某个数,新向量的分量之和仍为 0 (新向量仍在 里)。将 里的 和 相加,结果分量之和仍为 0 。
那么 的维数和基是什么? 是某个矩阵的零空间吗?如果是,那我们只要找到这个矩阵就可以完全了解它的子空间。对于 来说, 。而 的零空间的维度 。即 。 的一组基即为 的特殊解: , , 。
最后一部分我们来介绍“小世界”图。由此可以引出图论和线性代数的联系。
首先,什么是“图”。图是结点和边的集合,边联通了各个结点。
这个图有五个结点,六条边,一个
的矩阵可以表示这个图的全部信息。假设有某个集体,每个人都是一个结点,只要两个人是朋友,那么就有一条边连接这两个结点。我们可以将这个集体类推到城市、国家。
问题是:从任意一个结点到任意其他结点,共需要走多少步?比如就整个国家而言,图中的两人最远相距多少步(老师举了Clinton 和 Monica 的例子2333)? “number six degrees of separation 六度分离猜想”大概回答了这个问题。有趣的是,通过一些捷径,结点间的距离奇迹般地拉近了。