LinearAlgebraMIT_11_MatrixSpace/Rank==1‘sMatrix/SmallWorldGraph

x.1 矩阵空间

向量空间定义:满足加法和数乘的封闭性。就类似向量空间一样,也存在着矩阵空间的定义。举个例子,例如所有的3x3的矩阵构成的矩阵空间M,它的纬度就是9,如[1, 0, …], [0, 1, …]。对于M中所有对称矩阵组成子空间N1,维度为6。M中所有上三角矩阵组成子空间N2,维度为6。M中所有对角矩阵组成子空间N3,维度为3。

LinearAlgebraMIT_11_MatrixSpace/Rank==1‘sMatrix/SmallWorldGraph_第1张图片

我们对于矩阵子空间,往往更在乎的是交∩,加+运算,而并不在意并∪运算,因为∩,+更有意义。例如对称矩阵N1和上三角矩阵N2的∩构成了对角矩阵N3,而对称矩阵N1和上三角矩阵N2的+构成了全部的空间M。所以我们得到一个朴素的道理,对于两个矩阵子空间,他俩维度相加存在如下定理,

LinearAlgebraMIT_11_MatrixSpace/Rank==1‘sMatrix/SmallWorldGraph_第2张图片

与微分方程联系,举一个2阶判断维度的例子,

LinearAlgebraMIT_11_MatrixSpace/Rank==1‘sMatrix/SmallWorldGraph_第3张图片

x.2 秩为1的矩阵

任何秩为1的矩阵都可以看做一列乘以一行,而秩不为1的矩阵可以通过若干秩为1的矩阵相加,再将秩为1的矩阵看做一列乘以一行。我们需要具备上面的分解的思想,如同搭积木一样。

注意,我们需要将对秩为1的矩阵A的分解思想和对矩阵A, B相乘等于线性组合的思想分离开,

LinearAlgebraMIT_11_MatrixSpace/Rank==1‘sMatrix/SmallWorldGraph_第4张图片

x.3 小世界图

即将图论思想引入,例如如果人代表一个节点,而人和人的关系是线,则世界有多小,实际上最多通过6条边你便可以联系上世界上所有的人,图={节点,边}

LinearAlgebraMIT_11_MatrixSpace/Rank==1‘sMatrix/SmallWorldGraph_第5张图片

你可能感兴趣的:(机器学习)