載入中...
相關課程

登入觀看
⇐ Use this menu to view and help create subtitles for this video in many different languages.
You'll probably want to hide YouTube's captions if using these subtitles.
Preimage and Kernel Example : Example involving the preimage of a set under a transformation. Definition of kernel of a transformation.
相關課程
0 / 750
- 從R2到R2的變換
- 它本質上是
- 乘以一個矩陣
- 我們知道所有的線性變換
- 可以用“乘矩陣”表示
- 這個矩陣等於[1,3;2,6]
- 乘以定義域內的任意向量
- 即乘以[x1,x2]
- 假設有上域內的一個子集
- 我把它畫在這
- 這個是定義域
- 即R2
- 從而我的函數
- 或者說R2中的變換
- 即從R2映到R2的這個映射
- 上域是R2\N【注意區分“值域”和“上域”】
- 它映到自身
- 爲了簡便起見
- 我把上域畫在這
- 從而我們的變換 也就是映射
- 對於這裡的任意元素
- 它的變換將會是
- R2中的某一點
- 如果取R2的子集會怎麽樣
- 假設這個子集只由這兩個向量構成
- R2中的0向量 以及向量[1,2]
- 它是逐點對應的 假設取這一點
- 我換一種顏色
- 假設這是R2中的0向量
- 我不是在按坐標作圖
- 我只是表示出它在這裡 在R2中
- 這是0向量
- 假設向量[1,2]在這裡
- 向量[1,2]
- 我要知道的是
- 對於定義域中的所有向量
- 哪一個的變換映到這個子集中
- 映到這個點
- 我本質上要知道
- 我要知道S的原像
- 那麽S的原像是 我要仔細一些
- 要求T的子集S的原像
- 我說過要仔細一些
- 因爲如果你說某個集合的原像
- 而不說它在哪個變換下
- 這表明取的是……
- 當提到某個集合的像時
- 它表示取我給出的
- 整個變換的像
- 大概在兩節課之前
- 但當取一個集合的像或者原像時
- 你需要確定是在哪個變換下
- 我們要求的是在變換T下
- 上域的一個子集的原像
- 我把它寫成T^-1(S)
- 在上節課我們學過
- 這是定義域中的所有元素
- 對這些x作變換
- 像是上域子集中的元素
- 我們就是要找這個子集的原像
- 對吧?
- 它還可以怎麽寫?
- 你可以把它寫成
- 我們試圖求出
- 定義域中的所有x 它要滿足……
- 稱這個矩陣爲A
- 要滿足Ax是S中的一員
- 這意味著Ax要等於這項
- 或者等於這項
- 也就是說Ax
- 需要等於0向量
- 或者Ax
- 等於向量[1,2]
- 這個表示與上面的表示
- 是同一件事
- 我只是把實際的變換Ax代進去
- 寫得更詳細一些
- 用實際的集合來表示
- 集合中只有兩個向量
- 那麽如果要確定S的原像
- 這是S在T下的原像
- 就是這個集合
- 事實上我們要找到
- 所有滿足這兩個等式的x
- 從而對於這個等式
- 我們要找到所有滿足它的x
- 第一個等式
- 是[1,3;2,6][x1,x2]=[0,0]
- 它就是這個等式
- 我們要求出其所有解
- 你可能已經看出來了
- 它的所有解
- 所有滿足條件的x
- 構成了這個矩陣的零核空間
- 我想我已經說明過了
- 這不是唯一的等式
- 我們還要解這個方程
- 我用藍色的來寫
- S在變換T下的原像是
- 這個等式的所有解 加上下式的所有解
- 即[1,3;2,6][x1,x2]=[1,2]
- 我們可以通過增廣矩陣來解出它
- 這裡的增廣矩陣爲[1,3,0;2,6,0]
- 這裡的增廣矩陣爲[1,3,1;2,6,2]
- 下面要把它化成行簡化階梯型矩陣
- 將第二行乘以-2 再加上第一行
- 用它代替原來的第二行
- 得到什麽?
- 第一行不變
- 即1,3,0
- 對這邊也同時處理
- 兩邊同時做
- 第一行是不變的
- 是1,3,1
- 在這兩種情況下
- 因爲我只想將左邊的增廣矩陣
- 化成行簡化階梯形
- 我做同樣的行變換
- 我用第一行的2倍加上第二行
- 即2-2<i>1=0</i>
- 和6-2<i>3=0</i>
- 顯然0-2<i>0=0</i>
- 這裡2-2<i>1=0</i>
- 還有6-2<i>3=0</i>
- 並且2-2<i>1=0</i>
- 得到的都是0 我們實際上已經做完了
- 我們已經把這些增廣矩陣
- 都化成了行簡化階梯形
- 那麽我們應當怎樣解出
- 滿足這些條件的x1和x2呢?
- 你應該能看出第一列
- 是主列
- 它與變量x1有關
- 從而得到x1是軸元
- 我們知道第二列不是主列
- 因爲其中不含有1
- 它與x2有關
- 既然x2不是主列
- 那麽x2就是一個自由變量
- 這意味著 我們可以將x2設爲任何數
- 我們給x2設一個值
- 設x2=t 其中t是一個實數
- 這種情況下 x1等於多少呢?
- 從而這個上面的等式 我寫出來
- 如果我們回溯到這
- 它表示x1+3x2=0
- 上面的這條線表示x1+3x2=1
- 如果x2=t
- 則這個等式化爲x1+3t=0
- 兩邊同時減去3t
- 得到x1=-3t
- 從而由這個等式得到x1等於……
- 如果用t來代替x2
- 就得到x1=1-3t
- 如果要把方程組的解
- 寫成向量的形式
- 也就是這個方程的解集
- 即這個等式的解集
- 它將是[x1,x2]=多少?
- 它等於
- x2等於t乘以……
- x2就等於t
- 我寫在這
- x2就等於t乘以1
- 就等於t
- 我在上面定義過了
- 那麽x1等於多少呢?
- 它等於-3乘以t
- 如果把t看做一個純量
- 則這裡就是-3乘以t
- 這就是第一個方程的解
- 其中t是實數
- 它就是向量[-3,1]的常數倍
- 如果把它看作位置向量
- 它就是R2中的一條直線
- 我一會再畫出來
- 這就是第一個方程的解
- 然後求第二個方程的解
- 我們怎麽來做?
- 它將是…… 我要保證你能看到上面的內容
- 它是[x1,x2] 我們來看一看
- x2還是t<i>1</i>
- 我這麽寫
- 它等於t<i>1</i>
- 這是x2
- x1是多少?
- x1等於1-3<i>t</i>
- 如果在這寫-3 那麽就有-3<i>t</i>
- 但我們需要有一個1減去它
- 或者說1+(-3)<i>t</i>
- 我們能做的是
- 我們可以說這個解集
- 等於右邊的集合
- 即有1+(-3)<i>t=x1</i>
- 這裡是0
- 從而x2=0+t
- 或者說x2=t
- 這就是第二個方程的解集
- 於是對於S的原像
- 注意S就是上域中的兩個點
- S在變換T下的原像本質上是
- 所有滿足這兩個方程的x的集合
- 我們來作個圖
- 我把坐標圖打開
- 這看起來有些亂
- 我在下面作圖
- 把結果複製粘貼一下
- 我要將它粘到這
- 這是得到的兩個結果
- 我在換回到寫字筆
- 我現在把圖像畫在這
- 我們一起看
- 第一個方程的解集
- 是向量[-3,1]的常數倍的集合
- 向量[-3,1]就像這樣
- 就像這樣
- 這是向量[-3.1]
- 而實際的解集是
- [-3,1]的所有常數倍的向量
- 這是個逗號
- 對嗎? 如果我取所有[-3,1]常數倍的向量
- 那麽結果就像這樣
- 如果用2乘以它
- 就得到[-6,2]
- 就是這個向量
- 就是這裡的所有點
- 我盡量畫的簡潔一些
- 我想你明白我的意思
- 它就是這樣的一條線
- 這就是這個解的圖像
- 這個解的圖像是什麽呢?
- 首先有個向量[1,0]
- 先在這裡畫出[1,0]
- 再加上向量[-3,1]的常數倍
- 加上它的常數倍
- 如果只加上向量[-3,1]本身
- 就畫到這裡爲止
- 但我們要求的是 它的所有的倍數
- 因爲這裡有個t
- 從而就得到另一條直線
- 其斜率相同
- 只是平移了一小段距離
- 向右移動了一個單位長度
- 我爲什麽要這麽做呢?
- 注意我們要求的是
- 滿足某些條件的向量
- 我把坐標關掉
- 既滿足在定義域內 當進行變換時
- 映到值域的某個子集內的向量的集合
- 映到[0,0]或者[1,2]
- 我們通過求解這兩個方程
- 得到了這些向量
- 我們知道 關於這兩條直線
- 我把坐標打開
- 它們對應某些點
- 當進行變換時
- 我在同一個圖上畫
- 它們對應…… 當進行變換時
- 它們映到點[0,0]和[0,1]
- 就在這裡
- 所以所有這些點
- 當進行變換時
- 實際上就是這些藍色的點
- 它們映到[0,0]
- 因爲我們已經解出了上面這個方程
- 而所有橘黃色的點
- 當進行變換後
- 映到點[1,2]
- 對於這條藍色的線
- 它有一個特殊的名字
- 我之前稍微提到過一些
- 藍色直線中的所有點
- 我稱這個集合
- 給它命名爲B
- 對於這條藍色直線
- 它表示這個向量集
- 而其中的所有點
- 當我對藍色直線上的向量做變換後
- 或者說取藍色票集合在變換T下的像
- 它都映到0向量
- 它等於0向量自己構成的集合
- 我們在這裡見過
- 在這個影片的開始部分
- 我曾經指出過 對於這個集合
- 它等於零核空間 對嗎?
- 零核空間就是滿足下面條件的向量構成的集合
- 即如果將向量乘以這個矩陣就得到0
- 下面的概念與之類似
- 這個變換由矩陣定義
- 我們要問滿足條件
- 當進行變換後得到0的所有x的集合什麽?
- 對於這個概念 這個藍色的直線
- 它稱作變換T的核
- 有時將它記作Ker(T)
- 它實際上就是這個意思
- 如果進行變換
- 我這麽來寫
- 它是定義域R2中滿足下面條件的向量的集合
- 即通過變換得到0的
- 那些向量的集合
- 這就是核的定義
- 如果這個變換等於
- 某個矩陣乘以某個向量
- 我們知道任何線性變換
- 都可以寫成一個矩陣與向量之積
- 那麽T的核就是
- A的零核空間
- 我們在之前見到過
- 希望你覺得這對你有幫助