01 / VECTOR SPACES / MATRICES
不只有 (x,y,z):
一整张矩阵也可以是向量。
一个向量空间需要加法与数乘,且这些运算满足零元素、结合、分配等规则。所有3×3实矩阵都能按位置相加并乘任意实数,因而组成一个向量空间 M。这里的零向量不再是一列零,而是整个零矩阵。
要指定一个3×3矩阵,需要自由选择9个实数,所以 dim M=9;一组自然基是9个“只有一个位置为1,其余为0”的矩阵 Eᵢⱼ。任意矩阵 B 都可以唯一写为 Σᵢⱼ bᵢⱼEᵢⱼ。
为什么对称矩阵是6维?它只需3个对角元素与3个对角线上方元素;下方由镜像确定。上三角矩阵也有3+2+1=6个可选元素。两者交集 S∩U 恰为对角矩阵 D,维数3。
对称 S 与上三角 U 的并集 S∪U通常不是子空间,不能把它的“维数”像子空间那样来算;但它们的和 S+U是子空间,在此甚至等于整个 M。正确的维数公式为 dim(S+U)=dim S+dim U−dim(S∩U)=6+6−3=9。
原始 MIT 讲义中有一处将维数公式写为“dim(S∪U)”的排版/符号问题;从定义及公式内容都应理解为dim(S+U),这里采用数学上正确的表达。
随堂检查 01 · 矩阵子空间维数
先自己推算,再检查。
查看完整解析与错因
可选的独立元素为3个对角线+3个上三角,共3+3=6维。
02 / FUNCTION SPACE / KERNEL
两个函数也能当一组基,
这与微分方程有什么关系?
函数可以逐点相加或数乘,因此所有定义在某区间上的实值连续函数构成向量空间。考虑微分方程 y''+y=0:如果 y₁、y₂ 都满足它,则 (ay₁+by₂)''+(ay₁+by₂)=a(y₁''+y₁)+b(y₂''+y₂)=0。这就是线性算子的零空间。
因为 sin x 与 cos x 都满足 y''+y=0,且彼此不是常数倍,任意实系数解写成 y=a cos x+b sin x。它们构成这个实数解空间的一组基,维数2。
这和此前的矩阵方程 Ax=0 完全同型:矩阵 A 作用于有限个数字,微分算子 L 作用于函数。学会“核/零空间”的语言之后,线性微分方程也不再是一门孤立的数学。
还要区分:“所有秩恰好为1的矩阵”不是矩阵空间的线性子空间;两个秩一矩阵相加可能是秩二,秩一矩阵乘0也成为秩零矩阵。甚至加上零矩阵也不够,仍可能不对加法封闭。
随堂检查 02 · 子空间之和
先自己推算,再检查。
查看完整解析与错因
dim(S+U)=dimS+dimU−dim(S∩U)=6+6−3=9;注意不能将S∪U错误当作和空间。
03 / OUTER PRODUCT / RANK ONE
为什么复杂矩阵有时
只需要两支向量就能生成?
设 u 是 m维非零列向量,v 是 n维非零列向量,则 uvᵀ 是一个 m×n 矩阵,称作外积。它的第 j 列等于 vⱼu,因此所有列都沿着同一个方向 u,列空间是一维,rank(uvᵀ)=1。
例如 u=(1,2)ᵀ,v=(2,3,1)ᵀ,则 uvᵀ=[[2,3,1],[4,6,2]]。第二行是第一行的两倍;任何两列也成倍数。不是把 u 与 v 两个向量内积成标量,而是生成一张可分离的矩阵。
[ [2,3,1], [4,6,2] ]
0
k=2:所有列都是 u 的倍数,且 u、v 非零;秩恒为1,前两列的行列式为0。
无论 k 是正、负或0,u 的第一个分量始终为1,因此 u≠0。A 的第1、2列分别是2u、3u,它们永远相关。在后续“奇异值分解”里,许多矩阵会被拆成若干个秩一外积的总和,用少数重要方向近似大矩阵。此处先建立最基本的外积直觉。
随堂检查 03 · 秩一外积
先自己推算,再检查。
查看完整解析与错因
外积第i行是uᵢvᵀ,第二个u分量为−2,所以行2=(−6,−2,−4)。
04 / SMALL WORLD / NETWORKS
图论可以变成线性代数:
人的关系也是节点和边。
一个图 G 由节点(vertices)和连接节点的边(edges)组成。例如4个研究者分别为 A、B、C、D,若 A 认识 B、B 认识 C、C 认识 D,则图是 A—B—C—D。两个节点间的距离是沿边走到另一节点所需的最少步数。
在这条链中,A 到 B 距离1,A 到 C 距离2,A 到 D 距离3。如果再添加一条 A—D 的边,A 到 D 的最短距离立刻从3变成1。图的小世界现象便研究为何增加少数“捷径”可能大幅缩短很多节点间的平均距离。
我们可以用邻接矩阵把边编码,例如无向链 A—B—C 的邻接矩阵是 [[0,1,0],[1,0,1],[0,1,0]],其中第 i 行第 j 列的1表示两节点有边。矩阵的幂还可用来计数一定长度的路径,但路径计数与最短距离不是一回事。
下一讲会从另一种“关联矩阵”出发,把每条有方向的边写成一行,进而计算电势差、回路和网络流量守恒。这是图论、矩阵秩和物理电路汇合的地方。
随堂检查 04 · 图的距离
先自己推算,再检查。
查看完整解析与错因
新增加的A—D是一条直接边,最短路只需经过这一条边,所以距离从3下降到1。
PRACTICE / EXPLAIN EVERY STEP
独立写出过程,
再展开答案。
先检查运算,再解释为什么这样做。以下题目为本站重新设计,难度参照本讲实际授课内容和可获得的配套练习。
给出所有2×3实矩阵空间的维数与一组自然基的描述,并证明基有正确数量。
展开完整解析
2×3矩阵共有6个独立位置,因此维数6。取6个Eᵢⱼ,每个在某个(i,j)位置为1、其余为0。任意矩阵B能唯一表示成ΣbᵢⱼEᵢⱼ,这六个矩阵线性无关且张成整个空间。
在3×3实矩阵空间中,S为对称矩阵空间、U为上三角空间。分别求 dimS、dimU、dim(S∩U)、dim(S+U)。
展开完整解析
dimS=6,dimU=6;同时对称又上三角意味着下三角为0,因对称上三角也全为0,只有对角线3个自由项,dim交=3。维数公式dim(S+U)=6+6−3=9,所以S+U是全部3×3矩阵空间。
验证 f(x)=3cos x−2sin x 满足 f''+f=0,并解释两个解的任意线性组合仍是解。
展开完整解析
f''=−3cos x+2sin x=−f,所以f''+f=0。若g''+g=0、h''+h=0,则(ag+bh)''+(ag+bh)=a(g''+g)+b(h''+h)=0,因此解集对线性组合封闭。
取 u=(1,3)ᵀ、v=(2,−1,4)ᵀ。写出 uvᵀ,证明它的秩为1;另求第一、第三列组成的二阶子式。
展开完整解析
uvᵀ=[[2,−1,4],[6,−3,12]]。第二行=3倍第一行且第一行不为0,所以秩为1。第一、第三列二阶子式=[[2,4],[6,12]],行列式2×12−4×6=0。
给出两个秩为1的2×2矩阵,其和秩为2,说明“所有秩1的矩阵”不能是子空间。
展开完整解析
A=[[1,0],[0,0]],B=[[0,0],[0,1]]都秩1,但A+B=I₂秩2,违反对加法封闭。另外秩1矩阵乘0成为秩0,也不封闭,故其集合不是线性子空间。
一个四节点无向图只有边(1,2)、(2,3)、(3,4),写出邻接矩阵,加入边(1,4)后判断节点1至4距离的改变。
展开完整解析
原邻接矩阵B=[[0,1,0,0],[1,0,1,0],[0,1,0,1],[0,0,1,0]]。原本1→2→3→4需3条边。加入(1,4)后设置B₁₄=B₄₁=1,有直接路径1→4,只需1条边。
只要满足加法和数乘的规律,矩阵与函数都能作为向量;秩一矩阵是一个列向量与一个行向量的外积,而图可以用矩阵表达连接关系。
本讲 4 道随堂题,可逐项答题并查看反馈。
小世界图的距离和图的矩阵表示在本讲只是引入;关联矩阵、零空间、回路及基尔霍夫定律将在第13讲详细推导。低秩近似与奇异值分解在 Unit III 深入学习。
返回线性代数目录 ↗MIT 18.06SC · Matrix Spaces; Rank 1; Small World Graphs。可复核资料:official session ↗official summary ↗official problems ↗official solutions ↗。
已审查 MIT Session 1.11 官方讲义三页与可视页面、配套习题11.1–11.2及解答(含矩阵乘法作为线性算子)。未完整观看视频或指定教材。 本站不是 MIT 官方中文译课;文字、数值案例、模型和题目独立设计。