【Math for ML】线性代数-单射,满射,双射,同构,同态,仿射

I. 映射(Mapping)

1. 单射(Injective)

函数f 是单射当且仅当若f(x) = f(y) 则 x = y。

例子： f(x) = x+5 从实数集\(R\)到\(R\)是个单射函数。

这个函数很容易被还原：f(3) = 8，即 已知 8 可以返回 3

2. 满射(Surjective)

函数 f（从集 A 到集 B）是满射当且仅当在 B 中的每个 y 存在至少一个在 A 中的 x 满足 f(x) = y， 就是说， f 是满射当且仅当 f(A) = B。

值域里的每个元素都至少有一个定义域元素与之对应。

例子：函数 f(x) = 2x 从自然数集\(N\)到非负偶数是个满射函数。

但 f(x) = 2x 从自然数集\(N\)到\(N\)不是满射，因为没有一个自然数\(N\)可以被这个函数映射到 3。

3. 双射(Bijective)

函数 f（从 A 集到 B 集）是双射，若每个 B 中的 y 都有唯一的一个（而没有另外一个） A 集中的 x 满足 f(x) = y

或者说：当单射和满射都成立时，f 是双射。

例子： 函数 \(f(x) = x^2\) 从正实数到正实数是单射，也是满射，所以它是双射。

但从实数集\(R\)就不是，因为f(2)=4，并且f(-2)=4

II. 同态&同构

对于向量空间\(V,W\),若有映射\(\Phi :V→W\)满足如下条件，则我们称\(\Phi\)为线性映射(linear mapping)(或者向量空间同态(vector space Homomorphism) 或 linear transform):
\[\forall{x,y}∈V, \lambda,\psi∈R:\Phi(\lambda x+\psi y)=\lambda \Phi(x) + \psi \Phi(y)\]

基于上面已经介绍了的映射的概念，我们现在可以更好地直观理解同态和同构的定义，它们分别如下：

• \(\Ph