Пространство матриц

Пространство матриц — это множество всех матриц фиксированного размера \( m \times n \) (где \( m \) — число строк, \( n \) — число столбцов) над некоторым полем \( \mathbb{F} \) (обычно полем действительных \( \mathbb{R} \) или комплексных \( \mathbb{C} \) чисел), наделенное операциями сложения матриц и умножения матрицы на скаляр, что делает его векторным пространством (линейным пространством). Пространство матриц является фундаментальным объектом линейной алгебры и находит применение в теории линейных операторов, математической физике, теории управления, компьютерной графике и машинном обучении.

Определение и базовые свойства

Пусть \( \mathbb{F} \) — поле, а \( m, n \) — натуральные числа. Множество всех матриц размера \( m \times n \) с элементами из \( \mathbb{F} \) обозначается \( M_{m \times n}(\mathbb{F}) \) или \( \mathbb{F}^{m \times n} \). На этом множестве определены две операции:

Сложение матриц: \( (A + B)_{ij} = a_{ij} + b_{ij} \) для всех \( i, j \).
Умножение на скаляр: \( (\lambda A)_{ij} = \lambda a_{ij} \) для всех \( \lambda \in \mathbb{F} \).

Эти операции удовлетворяют аксиомам векторного пространства (абелева группа по сложению, дистрибутивность, ассоциативность и т. д.). Таким образом, \( M_{m \times n}(\mathbb{F}) \) является векторным пространством над \( \mathbb{F} \).

Размерность пространства равна \( m \cdot n \). Базисом может служить множество матричных единиц \( E_{ij} \), у которых на позиции \( (i, j) \) стоит 1, а остальные элементы равны 0. Любая матрица \( A \) однозначно представляется в виде линейной комбинации \( A = \sum_{i=1}^m \sum_{j=1}^n a_{ij} E_{ij} \).

Если \( m = n \), пространство квадратных матриц \( M_n(\mathbb{F}) \) дополнительно наделяется операцией умножения матриц, превращая его в ассоциативную алгебру (алгебру матриц). Однако как векторное пространство оно изоморфно \( \mathbb{F}^{n^2} \).

Изоморфизм с пространством векторов

Пространство \( M_{m \times n}(\mathbb{F}) \) изоморфно \( \mathbb{F}^{mn} \) как векторное пространство. Изоморфизм устанавливается, например, «вытягиванием» матрицы в вектор-столбец (или строку) путем последовательной записи столбцов. Такой изоморфизм не единственен, но все они сохраняют структуру линейного пространства. Это позволяет переносить на матрицы понятия длины, скалярного произведения и нормы.

Скалярное произведение Фробениуса

На пространстве матриц можно ввести скалярное произведение, называемое произведением Фробениуса: \[ \langle A, B \rangle_F = \operatorname{tr}(A^T B) = \sum_{i=1}^m \sum_{j=1}^n a_{ij} b_{ij}, \] где \( \operatorname{tr} \) — след матрицы. Это скалярное произведение превращает \( M_{m \times n}(\mathbb{R}) \) в евклидово пространство, изометричное \( \mathbb{R}^{mn} \). Соответствующая норма \( \|A\|_F = \sqrt{\langle A, A \rangle_F} \) называется нормой Фробениуса.

Топология и нормы

Пространство матриц конечномерно, поэтому на нем можно ввести любую норму, и все нормы будут эквивалентны (то есть порождать одну и ту же топологию). Наиболее употребительные нормы:

Норма Фробениуса: \( \|A\|_F = \sqrt{\sum_{i,j} a_{ij}^2} \).
Операторные нормы, индуцированные векторными нормами: \( \|A\|_p = \sup_{x \neq 0} \frac{\|Ax\|_p}{\|x\|_p} \). Наиболее важны \( p=1, 2, \infty \).
Максимальная норма: \( \|A\|_{\max} = \max_{i,j} |a_{ij}| \).

Топология пространства матриц играет ключевую роль в теории возмущений, численных методах и дифференциальных уравнениях.

Пространство линейных операторов

Пространство \( M_{m \times n}(\mathbb{F}) \) естественно отождествляется с пространством линейных отображений \( \mathcal{L}(\mathbb{F}^n, \mathbb{F}^m) \). Каждой матрице \( A \) соответствует линейный оператор \( x \mapsto Ax \), где \( x \) — вектор-столбец длины \( n \). При фиксации базисов в \( \mathbb{F}^n \) и \( \mathbb{F}^m \) это соответствие является изоморфизмом векторных пространств. Таким образом, изучение пространства матриц эквивалентно изучению пространства линейных операторов между конечномерными пространствами.

Ранг и подпространства

Внутри \( M_{m \times n}(\mathbb{F}) \) можно выделить важные подмножества:

Матрицы фиксированного ранга \( r \). Эти множества не являются линейными подпространствами (кроме \( r=0 \) и \( r = \min(m,n) \)), но являются алгебраическими многообразиями (многообразиями матриц фиксированного ранга).
Подпространства матриц с определенными свойствами: симметричные (\( A^T = A \)), кососимметричные (\( A^T = -A \)), верхнетреугольные, диагональные, матрицы с нулевым следом и т. д.

Например, пространство симметричных матриц \( S_n(\mathbb{F}) \) имеет размерность \( n(n+1)/2 \), а кососимметричных — \( n(n-1)/2 \).

Алгебраическая структура (для квадратных матриц)

Для \( m = n \) пространство \( M_n(\mathbb{F}) \) является ассоциативной алгеброй с единицей (единичной матрицей \( I_n \)). В нем определены:

Умножение матриц (некоммутативное).
Определитель — полилинейная функция, задающая гомоморфизм из мультипликативной группы обратимых матриц \( GL_n(\mathbb{F}) \) в \( \mathbb{F}^\times \).
След — линейная функция, инвариантная относительно циклической перестановки: \( \operatorname{tr}(AB) = \operatorname{tr}(BA) \).

Алгебра \( M_n(\mathbb{F}) \) проста (не имеет нетривиальных двусторонних идеалов) и является центральной простой алгеброй. Ее центр состоит из скалярных матриц \( \lambda I_n \).

Применения

Линейные дифференциальные уравнения: пространство матриц используется для записи и анализа систем линейных ОДУ.
Квантовая механика: матрицы плотности и наблюдаемые — эрмитовы матрицы в пространстве \( M_n(\mathbb{C}) \).
Теория управления: матричные модели в пространстве состояний (уравнения \( \dot{x} = Ax + Bu \)).
Машинное обучение: веса нейронных сетей, ковариационные матрицы, матрицы расстояний.
Компьютерная графика: матрицы преобразований (поворот, масштабирование, перенос) образуют подмножество в \( M_4(\mathbb{R}) \).