矩阵分析——线性空间与线性映射（三）

最新推荐文章于 2022-12-16 17:50:33 发布

VIP文章 -重启-

最新推荐文章于 2022-12-16 17:50:33 发布

阅读量748

点赞数

分类专栏：矩阵分析文章标签：机器学习图像识别图像处理深度学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/weixin_39805077/article/details/112252624

版权

矩阵分析——线性空间与线性映射（三）

哈工大严老师矩阵分析笔记

命题：（维数的唯一性）

设 $\alpha _{1}$ ， $\alpha _{2}$ …… $\alpha _{m}$ 及 $\beta _{1}$ ， $\beta _{2}$ …… $\beta _{n}$ 分别是V的两个基则 $m= n$ 。

定理：基（坐标系）实现了抽象线性空间到标准线性空间之间的一一对应。（一一对应的好处，在数学上两个东西满足一一对应，则这两个东西是一样的，一个问题翻译成另一个问题也不增加什么也不减少什么，笛卡尔就是将几何问题翻译成代数问题）

映射 $\delta$ ： $S_{1}\rightarrow S_{2}$ 满足条件（1）和条件（2）的映射称为一一对应。（先证明是映射再证明满足两条性质）

(1) $\forall s_{2}\in S_{2},\exists s_{1}\in S_{1}$ $\delta \left ( s_{1} \right )= s_{2}$ 满射(任何一个元素都有原像)

（2）若 $\delta \left ( s_{1} \right )= \delta \left ( s_{1}^{'} \right )$ 则 $s_{1}= s_{1}^{'}$ 单射(一个元素只有一个原像)

证: V是 $\alpha _{1}$ ， $\alpha _{2}$ ……

最低0.47元/天解锁文章

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
矩阵分析——线性空间与线性映射（三）

矩阵分析——线性空间与线性映射（三）哈工大严老师矩阵分析笔记命题：（维数的唯一性）设，……及，……分别是V的两个基则。定理：基（坐标系）实现了抽象线性空间到标准线性空间之间的一一对应。（一一对应的好处，在数学上两个东西满足一一对应，则这两个东西是一样的，一个问题翻译成另一个问题也不增加什么也不减少什么，笛卡尔就是将几何问题翻译成代数问题）映射：满足条件（1）和条件（2）的映射称为一一对应。（先证明是映射再证明满足两条性质） (1)...
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。