线性代数11-矩阵空间,秩1矩阵
Linear Algebra-矩阵空间,秩 1 矩阵-11
一、知识概要
上节末尾我们介绍了矩阵空间,它是一种延伸的向量空间。本节将从矩阵空间入手,探讨矩阵空间的维数、基等问题,揭示微分方程与线性代数之间的联系,并剖析秩为 1 的矩阵的特点。
二、矩阵空间
在上一节的基础上,我们将所有 3×3 的矩阵视为“向量空间”中的元素。在由所有 3×3 矩阵构成的集合中,矩阵之间的加法与数乘矩阵运算都是封闭的。因此,这个集合 M 可以被称作空间。
上节提到,M 有两个基本的子空间:
- 对称矩阵 S:对称矩阵满足矩阵转置等于自身,即。
- 上三角矩阵 U:上三角矩阵主对角线以下的元素均为 0。
在这两个矩阵集合中,加法封闭与数乘封闭的性质很容易证明。例如,对于对称矩阵和,以及实数,,,这就证明了对称矩阵集合对加法和数乘封闭;上三角矩阵同理。
而 S 与 U 空间相交,得到另一个子空间:对角阵 D。对角阵既是对称矩阵,又是上三角矩阵,其主对角线以外的元素都为 0。
2.1 基与维数
- M 的基与维数:M 的基与的基类似。对于,其标准基是 9 个单位向量,每个向量只有一个分量为 1,其余分量为 0。在 3×3 矩阵空间 M 中,其基可以表示为:
由于 3×3 矩阵有 9 个元素,所以 M 的维数为 9。这就如同在向量空间中,需要 9 个线性无关的向量才能构成基,从而确定空间的维数。
- S 与 U 的基与维数:对称矩阵 S 的基有 6 个,如下:
上三角矩阵 U 的基也有 6 个:
所以 S 和 U 的维数都是 6。这里要强调的是,矩阵基与向量在形式上有所不同。向量的基通常是简单的数值向量,而矩阵基则是由矩阵构成,其元素的排列和性质与矩阵的运算规则紧密相关。
- 对角阵 D 的基与维数:对角阵 D 的基很明显只有 3 个:
所以对角阵 D 的维数为 3,其基正好是 S 与 U 的交集。用数学符号表示为:。
- S + U 的维数:在向量空间中,两个子空间的并集通常不是向量空间,因为两个向量相加可能会超出这个并集的范围。而这个集合,包含了 S 与 U 的线性组合,即任意对称阵加上任意上三角矩阵的和都在这个集合里。实际上,这个集合就是 M。所以的维数是 9。
联系上述所有维数,存在这样一个等式:
代入具体维数可得:
2.2 微分方程
“空间”的概念应用广泛,线性空间中的元素不仅可以是向量、矩阵,还可以是方程的解。
以解微分方程为例,在实数范围内,该微分方程有两个特解:与。而它的所有解都是这两个特解的线性组合,即。
这与零空间的概念类似,我们可以将这些解看作线性空间中的元素,称其为解空间。解空间中的元素满足线性运算封闭条件,即如果和是解空间中的两个解,那么也是解,(为实数)同样是解。
从空间的角度来看,这个解空间的两个基就是与,它们的线性组合构成了解空间,所以解空间的维数为 2。
三、秩一矩阵
3.1 秩一矩阵的优点
- 易于分解:对于矩阵,很明显它的秩为 1。因为第二行元素是第一行元素的 2 倍,满足秩一矩阵的特点,即每一行都是第一行的倍数。这类矩阵可以分解为一列乘一行的形式,。一般地,秩一矩阵都可以写为的形式,其中是列向量,是行向量。
- 可搭建其他矩阵:秩一矩阵还可以用来“搭建”其他矩阵。例如,秩为 4 的矩阵可以通过四个秩一矩阵搭建出来。这一过程类似于矩阵乘法中的“列乘行”形式,通过一列一行的组合搭出一个矩阵。假设要搭建一个秩为 4 的矩阵,可以找到四个线性无关的秩一矩阵,,,,然后通过线性组合(为非零实数)来构造。
3.2 空间角度解释同秩矩阵
从空间角度看,所有秩为 4 的矩阵构成的集合 M 不能称之为空间。原因主要有两点:
- 不包含零向量:零矩阵的秩为 0,而不是 4,所以集合 M 中不包含零向量。在线性空间的定义中,零向量是必须存在的元素。
- 对加法不封闭:根据矩阵秩的性质,两个秩为 4 的矩阵相加,结果的秩可能小于或等于 8,但不一定等于 4。例如,对于矩阵和,是零矩阵,秩为 0,这表明两个秩为 4 的矩阵相加,结果的秩可能发生变化,不满足对加法封闭的条件。所以所有秩为 4 的矩阵集合并不能构成空间。同理,秩为 1 的矩阵集合也不能构成空间。
3.3 子空间的转化
通过以下例子加深对子空间的理解:
在四维空间中,向量都满足,设这样的向量构成的集合为 S。
首先判断 S 是否为子空间:
- 加法封闭:设,都属于 S,即,。那么,且,所以也属于 S,满足加法封闭。
- 数乘封闭:对于任意实数,,且,所以也属于 S,满足数乘封闭。
- 包含零向量:当时,满足,即零向量属于 S。
综上,S 是一个子空间。
接下来求 S 的维数:
假设有一矩阵,由 S 中的特殊性质,可得。
这样就通过 A 构造了一个的方程,将 S 空间转化为了 A 的零空间。此时问题转化为求此零空间的基和维数。
矩阵 A 的秩为 1,列数。根据秩的定义,主元只有一个,自由变元有个。
所以 S 的零空间是三维空间,其基为的三个特解:
最后回顾 A 的列空间与左零空间:
- 列空间:,它的列空间的基就是的基,其线性组合构成的空间就是。所以 A 列空间即为。
- 左零空间:A 的左零空间是线性组合各行得到零向量的方式。对于,很显然它的左零空间只有零向量。
四、小世界图
这部分内容是为下一节“图与网络”做铺垫,主要介绍图与矩阵之间的关联。
给定一个包含五个节点和六条边的图,可以用一个 5×6 的矩阵来表示其中的所有信息,具体表示方法将在下节课详细讲解。
此外,“六度分割理论”大家可能有所耳闻,该理论指出任何两位素不相识的人之间,通过一定的联系方式,总能够产生必然联系或关系。在这个理论中,将人抽象成点,将联系抽象为图,这体现了图在描述关系网络方面的应用,也进一步说明了图与矩阵之间存在着某种潜在的联系,具体内容同样留到下节课探讨。
五、学习感悟
本节主要介绍了线性空间,包括矩阵空间、解空间等具体类型。秩一矩阵不仅将之前学习的矩阵乘法列乘行方式联系起来,而且其易于分解的特点使其在矩阵构造中具有重要作用。通过对这些内容的学习,我们对线性代数的知识体系有了更深入的理解,也为后续学习图与网络等相关内容奠定了基础。