线性映射04——像与核

Posted 炫云云

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了线性映射04——像与核相关的知识,希望对你有一定的参考价值。

线性映射的像与核

定 义 1 \\large\\color{magenta}{\\boxed{\\color{brown}{定义1} }} 1 φ : V → U \\varphi: V \\rightarrow U φ:VU 是线性映射, 全部像所成集:
Im ⁡ φ = φ ( V ) = { φ ( α ) ∣ α ∈ V } \\operatorname{Im} \\varphi = \\varphi( V ) =\\{\\varphi(\\alpha) \\mid \\alpha \\in V\\} Imφ=φ(V)={φ(α)αV}
称为线性映射 φ \\varphi φ 像 \\large\\color{#70f3ff}{\\boxed{\\color{green}{像}}} (值域).
Ker ⁡ φ = { α ∈ V ∣ φ ( α ) = 0 } \\operatorname{Ker} \\varphi=\\{\\alpha \\in V \\mid \\varphi(\\alpha)=0\\} Kerφ={αVφ(α)=0}
称为线性映射 φ \\varphi φ 核 \\large\\color{#70f3ff}{\\boxed{\\color{green}{核}}} .即0 的原像集

因为 Im ⁡ φ = φ ( V ) , \\operatorname{Im} \\varphi=\\varphi(V), Imφ=φ(V), K e r   φ = φ − 1 ( 0 ) . Ker~\\varphi=\\varphi^{-1}(0) . Ker φ=φ1(0). 直接验证知

(1) 恒等变换 1 V 1_{V} 1V像与核:
Im ⁡ ( 1 V ) = { 1 V α ∣ α ∈ V } = V ker ⁡ ( 1 V ) = { α ∈ V ∣ 1 V α = 0 } = O \\operatorname{Im}\\left(1_{V}\\right)=\\left\\{1_{V} \\alpha \\mid \\alpha \\in V\\right\\}=V \\quad \\\\\\operatorname{ker}\\left(1_{V}\\right)=\\left\\{\\alpha \\in V \\mid 1_{V} \\alpha=0\\right\\}=O Im(1V)={1VααV}=Vker(1V)={αV1Vα=0}=O
(2) 零映射 O \\mathcal{O} O像与核:
Im ⁡ ( O ) = O ker ⁡ ( O ) = V 1 \\operatorname{Im}(\\mathcal{O})=\\boldsymbol{O} \\quad \\operatorname{ker}(\\mathcal{O})=\\boldsymbol{V}_{1} Im(O)=Oker(O)=V1
(3) 数乘变换 k 1 V \\boldsymbol{k} 1_{V} k1V 呢?

定 理 1 \\large\\color{magenta}{\\boxed{\\color{brown}{定理1} }} 1 A : V 1 → V 2 \\mathcal{A}: V_1 \\rightarrow V_2 A:V1V2 是线性映射, 则 K e r A Ker\\mathcal{A} KerA V 1 V_1 V1 的子空间, Im ⁡ A \\operatorname{Im} \\mathcal{A} ImA V 2 V_2 V2 的子空间。

【证明】: ker ⁡ A \\operatorname{ker} \\mathcal{A} kerA V 1 V_1 V1子空间:

ker ⁡ A \\operatorname{ker} \\mathcal{A} kerA 非空: A ( 0 1 ) = 0 2 ⇒ 0 1 ∈ ker ⁡ A = { α ∈ V 1 ∣ A α = 0 2 } \\quad \\mathcal{A}\\left(\\mathbf{0}_{1}\\right)=\\mathbf{0}_{2} \\Rightarrow \\mathbf{0}_{1} \\in \\operatorname{ker} \\mathcal{A}=\\left\\{\\alpha \\in V_{1} \\mid \\mathcal{A} \\alpha=\\mathbf{0}_{2}\\right\\} A(01)=0201kerA={αV1Aα=02}

ker ⁡ A \\operatorname{ker} \\mathcal{A} kerA 对加法封闭:
 任取  α 1 , α 2 ∈ ker ⁡ A ⇒ A α 1 = A α 2 = 0 2 ⇒ A ( α 1 + α 2 ) = A α 1 + A α 2 = 0 2 + 0 2 = 0 2 ⇒ α 1 + α 2 ∈ ker ⁡ A \\text { 任取 } \\alpha_{1}, \\alpha_{2} \\in \\operatorname{ker} \\mathcal{A} \\Rightarrow \\mathcal{A} \\alpha_{1}=\\mathcal{A} \\alpha_{2}=\\mathbf{0}_{2}\\\\ \\Rightarrow \\mathcal{A}\\left(\\alpha_{1}+\\alpha_{2}\\right)=\\mathcal{A} \\alpha_{1}+\\mathcal{A} \\alpha_{2}=\\mathbf{0}_{2}+\\mathbf{0}_{2}=\\mathbf{0}_{2} \\Rightarrow \\alpha_{1}+\\alpha_{2} \\in \\operatorname{ker} \\mathcal{A}  任取 α1,α2kerAAα1=Aα2=02A(α1+α2)=Aα1+Aα2=02+02=02α1+α2kerA
ker ⁡ A \\operatorname{ker} \\mathcal{A} kerA 对数乘封闭:

任取 α ∈ \\alpha \\in α ker ⁡ A , c ∈ F ⇒ A α = 0 2 \\operatorname{ker} \\mathcal{A}, c \\in F \\Rightarrow \\mathcal{A} \\alpha=\\mathbf{0}_{2} kerA,c线性映射01——映射的概念和性质

线性映射02—— 线性映射概念与运算

支持向量机--线性不可分与核函数

ML-9-2支持向量机--线性不可分与核函数

Python机器学习:5.6 使用核PCA进行非线性映射

支持向量机原理线性不可分支持向量机与核函数