首页 > 其他分享 >【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换

时间:2023-01-24 11:01:10浏览次数:46  
标签:25 线性变换 运算 映射 封闭性 Machine 空间 Learning 线性


目录

  • ​​前言​​
  • ​​往期文章​​
  • ​​6.4 线性变换​​
  • ​​定义4​​
  • ​​定义5:线性变换​​
  • ​​举例​​
  • ​​例10​​
  • ​​结语​​

前言

Hello!小伙伴!
非常感谢您阅读海轰的文章,倘若文中有错误的地方,欢迎您指出~
 
自我介绍 ଘ(੭ˊᵕˋ)੭
昵称:海轰
标签:程序猿|C++选手|学生
简介:因C语言结识编程,随后转入计算机专业,有幸拿过一些国奖、省奖…已保研。目前正在学习C++/Linux/Python
学习经验:扎实基础 + 多做笔记 + 多敲代码 + 多思考 + 学好英语!
 
机器学习小白阶段
文章仅作为自己的学习笔记 用于知识体系建立以及复习
知其然 知其所以然!


6.4 线性变换

定义4

设有两个非空集合【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_Machine,如果对于【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_线性代数_02中任一元素【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_机器学习_03按照一定的规则,总有【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_线性代数_04中一个确定的元素【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_机器学习_05和它对应

那么,这个规则称为从集合【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_线性代数_02到集合【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_线性代数_04映射,将上述映射记作【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_线性代数_08,并记

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_机器学习_09

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_Machine_10,意思就是映射【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_线性代数_08把元素【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_线性代数_12变为【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_机器学习_13

  • 【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_Machine_14称为【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_Machine_15在映射【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_Machine_16下的
  • 【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_Machine_15称为【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_Machine_14在映射【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_Machine_16下的
  • 【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_线性代数_20称为映射【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_Machine_16源集
  • 像的全体所构成的集合称为像集,记作【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_Machine_22,即【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_Machine_23,其中有【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_机器学习_24

定义5:线性变换

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_线性代数_25分别是【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_机器学习_26维和【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_机器学习_27维线性空间,T是一个从【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_机器学习_28【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_Machine_29的映射,如果映射【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_线性代数_08满足

(1)任给【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_Machine_31,有
【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_Machine_32

(2)任给【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_Machine_33,有
【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_机器学习_34

那么【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_线性代数_08就称为从【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_机器学习_28【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_Machine_29的线性映射(或线性变换)


线性变换具有的一些性质:

(1)【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_Machine_38

(2)若【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_线性代数_39,则【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_Machine_40

(3)若【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_机器学习_41线性相关,则【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_线性代数_42也线性相关

注意:若【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_线性代数_43线性无关,则
【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_机器学习_44不一定线性无关
 
举个例子:若【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_Machine_16变换结果都是零向量,那么就算【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_线性代数_43,那么最后【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_机器学习_44都为零元素,也就不线性相关了

(4)线性变换【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_线性代数_08的像集【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_Machine_49是一个线性空间,称为线性变换【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_线性代数_08像空间

证明:

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_机器学习_51

则有

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_机器学习_52

证加法运算封闭性:

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_线性代数_53

证数乘运算封闭性:

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_Machine_54

则有

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_线性代数_55

八条运算也符合,这里不再进行细说

综上,线性变换【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_线性代数_08的像集【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_Machine_49是一个线性空间

(5)使【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_Machine_58【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_机器学习_03的全体【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_机器学习_60也是一个线性空间,【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_线性代数_61称为线性变换【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_线性代数_08

证明:

证加法运算封闭性:

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_线性代数_63,有

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_Machine_64

那么

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_机器学习_65

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_机器学习_66

证数乘运算封闭性:

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_Machine_67,有

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_线性代数_68

所以【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_Machine_69

综上,【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_线性代数_61是一个线性空间

举例

例10

设有【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_机器学习_26阶矩阵

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_线性代数_72

其中

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_机器学习_73

定义【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_机器学习_74中的变换【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_机器学习_75

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_线性代数_76

试说明【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_线性代数_08线性变换

注意:【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_机器学习_74【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_Machine_79维矩阵


注意是证明【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_线性代数_08线性变换,那么需要证明:【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_Machine_81

证明

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_线性代数_82,则

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_线性代数_83

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_机器学习_84

所以【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_线性代数_08线性变换

补充

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_机器学习_86

那么,有

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_Machine_87

也就是说:

  • 线性变换【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_Machine_16的像空间其实就是由【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_机器学习_89所生产的向量空间
  • 【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_Machine_16的核【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_线性代数_91就是齐次线性方程组【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_线性代数_92的解空间

结语

说明:

  • 参考于 课本《线性代数》第五版 同济大学数学系编
  • 配合书中概念讲解 结合了自己的一些理解及思考

文章仅作为学习笔记,记录从0到1的一个过程

希望对您有所帮助,如有错误欢迎小伙伴指正~

我是 海轰ଘ(੭ˊᵕˋ)੭


【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(25):线性变换_机器学习_93


标签:25,线性变换,运算,映射,封闭性,Machine,空间,Learning,线性
From: https://blog.51cto.com/u_15939722/6022200

相关文章