Rank-Nullity Teoremi

Core idea

Overview

V sonlu boyutlu olduğu T: V → W lineer haritası bağlamında, bu teorem çekirdek ve imaj boyutları arasındaki ilişki üzerinde temel bir kısıtlama sağlar.

When to use: Bu teorem, lineer dönüşümlerle ilişkili alt uzayların boyutlarını belirlemek için lisans lineer cebirindeki en temel araçtır.

Why it matters: Enjektiflik (nullity ile bağlantılı) ve süjektiflik (rank ile bağlantılı) kavramlarını alan uzayının geometrisine bağlar.

Symbols

Variables

$dim$ (V) = Dimension of Domain, $rank$ (T) = Rank, $nullity$ (T) = Nullity

dim (V)

Dimension of Domain

Variable

rank (T)

Rank

Variable

nullity (T)

Nullity

Variable

Walkthrough

Derivation

Rank-Nullity Teoremi'nin Türetilmesi/Anlaşılması

Bu türetme, bir doğrusal dönüşüm için çekirdeğinin boyutunun (nullity) ve imajının boyutunun (rank) toplamının, etki alanının boyutuna eşit olduğunu gösterir.

V ve W aynı F cismi üzerinde vektör uzaylarıdır.
T: V $\to$ W bir doğrusal dönüşümdür.
V sonlu boyutlu bir vektör uzayıdır.

1

Çekirdek ve İmaj Boyutlarını Tanımlama:

Doğrusal bir dönüşümün çekirdeğini ve imajını tanımlayarak başlarız; bunlar sırasıyla etki alanı ve kodomainin alt uzaylarıdır. Boyutları, dönüşümün nullity ve rankı olarak bilinir.

Let T : V \to W be a linear transformation. \n The kernel of T is Ker (T) = {v \in V ∣ T (v) = 0_{W}} . \n The image of T is Im (T) = {w \in W ∣ \exists v \in V s.t. T (v) = w} . \n We define nullity (T) = dim (Ker (T)) and rank (T) = dim (Im (T)) .

2

Etki Alanı İçin Bir Taban Oluşturma:

Çekirdek için bir tabanla başlar ve bunu tüm etki alanı vektör uzayı V için tam bir taban oluşturmak üzere genişletiriz. Bu, V'deki herhangi bir vektörü bu taban vektörlerinin doğrusal bir kombinasyonu olarak ifade etmemizi sağlar.

Let {v_{1}, \dots, v_{k}} be a basis for Ker (T), so k = nullity (T) . \n By the Basis Extension Theorem, we can extend this to a basis for V : \n B_{V} = {v_{1}, \dots, v_{k}, v_{k + 1}, \dots, v_{n}}, where n = dim (V) .

3

Genişletilmiş Tabanın İmajlarının İmaj İçin Bir Taban Oluşturduğunu Gösterme:

Çekirdekte olmayan taban vektörlerinin imajlarını inceleriz. Bu imajların tüm imaj uzayını yaydığını ve doğrusal olarak bağımsız olduğunu kanıtlarız, böylece imaj için bir taban oluştururuz.

Consider the set of vectors S = {T (v_{k + 1}), \dots, T (v_{n})} . \n We show S is a basis for Im (T) . \n 1. S spans Im (T) : Any w \in Im (T) is T (v) for some v \in V . \n v = c_{1} v_{1} + \dots + c_{k} v_{k} + c_{k + 1} v_{k + 1} + \dots + c_{n} v_{n} . \n T (v) = c_{1} T (v_{1}) + \dots + c_{k} T (v_{k}) + c_{k + 1} T (v_{k + 1}) + \dots + c_{n} T (v_{n}) . \n Since v_{1}, \dots, v_{k} \in Ker (T), T (v_{i}) = 0 for i \leq k . \n So T (v) = c_{k + 1} T (v_{k + 1}) + \dots + c_{n} T (v_{n}), meaning S spans Im (T) . \n 2. S is linearly independent: Assume d_{k + 1} T (v_{k + 1}) + \dots + d_{n} T (v_{n}) = 0. \n T (d_{k + 1} v_{k + 1} + \dots + d_{n} v_{n}) = 0. \n This implies d_{k + 1} v_{k + 1} + \dots + d_{n} v_{n} \in Ker (T) . \n So d_{k + 1} v_{k + 1} + \dots + d_{n} v_{n} = e_{1} v_{1} + \dots + e_{k} v_{k} for some scalars e_{i} . \n e_{1} v_{1} + \dots + e_{k} v_{k} - d_{k + 1} v_{k + 1} - \dots - d_{n} v_{n} = 0. \n Since B_{V} is a basis, all coefficients must be zero, so d_{k + 1} = \dots = d_{n} = 0. \n Thus, S is linearly independent and forms a basis for Im (T) .

4

Rank-Nullity Teoremi'ni Sonuçlandırma:

İmaj tabanındaki vektörlerin sayısını sayarak, rankın, etki alanı boyutundan nullity çıkarılmış haline eşit olduğunu belirleriz. Bu denklemi yeniden düzenlemek Rank-Nullity Teoremi'ni verir.

The number of vectors in the basis S for Im (T) is n - k . \n Therefore, dim (Im (T)) = n - k . \n Substituting the definitions: rank (T) = dim (V) - nullity (T) . \n Rearranging, we get the Rank-Nullity Theorem: rank (T) + nullity (T) = dim (V) .

Result

The number of vectors in the basis S for Im (T) is n - k . \n Therefore, dim (Im (T)) = n - k . \n Substituting the definitions: rank (T) = dim (V) - nullity (T) . \n Rearranging, we get the Rank-Nullity Theorem: rank (T) + nullity (T) = dim (V) .

Source: Linear Algebra Done Right by Sheldon Axler

Free formulas

Rearrangements

Solve for $dim (V)$

$dim$ (V) değişkenini yalnız bırak

x + y

Rank-Nullity Teoreminden başlayın ve $dim$ (V)'yi x (rank) ve y (nullity) kısaltma değişkenleri cinsinden ifade edin.

Difficulty: 2/5

The static page shows the finished rearrangements. The app keeps the full worked algebra walkthrough.

Why it behaves this way

Intuition

V girdi uzayının toplam 'büyüklüğünü' (boyutunu) doğrusal dönüşüm T tarafından iki tamamlayıcı parçaya ayrıldığını hayal edin: sıfır vektörüne 'ezilen' bir parça (boş uzay) ve başka bir parça ki

Term

Doğrusal dönüşüm T'nin imajının (aralığının) boyutu. 'Çıktı kapasitesini' veya çıktı uzayındaki bağımsız yönlerin sayısını ölçer.

Girdi uzayının ayırt edilebilir çıktılara katkıda bulunan 'kullanışlı' kısmını temsil eder. Daha yüksek rank, dönüşümün daha fazla ayırt edilebilir bilgiyi koruduğu anlamına gelir.

Term

Doğrusal dönüşüm T'nin çekirdeğinin (boş uzayının) boyutu. 'Bilgi kaybını' veya sıfıra eşlenen bağımsız girdi yönlerinin sayısını ölçer.

Girdi uzayının 'çökmüş' kısmını temsil eder. Daha yüksek nullity, birçok ayırt edilebilir girdinin aynı çıktıya (özellikle sıfır) eşlendiği anlamına gelir, bu da önemli bilgi kaybını gösterir.

Term

Etki alanı vektör uzayı V'nin boyutu. Bağımsız girdi bileşenlerinin toplam sayısını veya girdi uzayının 'büyüklüğünü' temsil eder.

Dönüşümden önceki girdi bilgisinin toplam 'kapasitesi'.

Free study cues

Insight

Canonical usage

This equation is used to relate the integer dimensions of vector spaces and linear map properties. The terms 'rank', 'nullity', and 'dimension' refer to the number of basis vectors in the respective spaces, and thus are dimensionless counts.

Dimension note

All quantities in the Rank-Nullity Theorem (rank, nullity, and dimension of V) are mathematical dimensions, meaning they are non-negative integer counts of basis vectors. They do not possess physical units.

One free problem

Practice Problem

Çekirdeği orijinden geçen bir çizgi (boyut 1) olan bir lineer dönüşüm T: ℝ³ → ℝ² verildiğinde, T'nin rankını hesaplayın.

Hint: Alan boyutu 3'tür. Nullity 1 ise, teoremi kullanın: Rank + Nullity = Dim(V).

The full worked solution stays in the interactive walkthrough.

Where it shows up

Real-World Context

Veri biliminde, yüksek boyutlu verileri düşük boyutlu bir alana (boyut azaltma) yansıtırken, Rank-Nullity teoremi korunan bilgi miktarını (rank) kaybedilen bilgiye (nullity) karşı belirlemeye yardımcı olur.

Study smarter

Tips

Teoremi uygulamadan önce her zaman V vektör uzayının sonlu boyutlu olduğunu doğrulayın.
Denklemin sağ tarafındaki boyutun kodomain değil, alan olduğunu unutmayın.

Avoid these traps

Common Mistakes

Kodomainin (W) boyutunu alanın (V) boyutuyla karıştırmak.
Teoremin lineer olmayan dönüşümlere uygulanacağını varsaymak.

Keep going

Related Formulas

Common questions

Frequently Asked Questions

Bu türetme, bir doğrusal dönüşüm için çekirdeğinin boyutunun (nullity) ve imajının boyutunun (rank) toplamının, etki alanının boyutuna eşit olduğunu gösterir.

Bu teorem, lineer dönüşümlerle ilişkili alt uzayların boyutlarını belirlemek için lisans lineer cebirindeki en temel araçtır.

Enjektiflik (nullity ile bağlantılı) ve süjektiflik (rank ile bağlantılı) kavramlarını alan uzayının geometrisine bağlar.

Kodomainin (W) boyutunu alanın (V) boyutuyla karıştırmak. Teoremin lineer olmayan dönüşümlere uygulanacağını varsaymak.

Veri biliminde, yüksek boyutlu verileri düşük boyutlu bir alana (boyut azaltma) yansıtırken, Rank-Nullity teoremi korunan bilgi miktarını (rank) kaybedilen bilgiye (nullity) karşı belirlemeye yardımcı olur.

Teoremi uygulamadan önce her zaman V vektör uzayının sonlu boyutlu olduğunu doğrulayın. Denklemin sağ tarafındaki boyutun kodomain değil, alan olduğunu unutmayın.

References

Sources

Axler, S. (2015). Linear Algebra Done Right.
Axler, Sheldon. Linear Algebra Done Right. Springer, 3rd ed., 2015.
Strang, Gilbert. Introduction to Linear Algebra. Wellesley-Cambridge Press, 5th ed., 2016.
Wikipedia: Rank-nullity theorem
Rank-nullity theorem (Wikipedia article)
Sheldon Axler Linear Algebra Done Right
Gilbert Strang Introduction to Linear Algebra
Wikipedia article 'Rank-nullity theorem'

Overview

Variables

Derivation

Çekirdek ve İmaj Boyutlarını Tanımlama:

Etki Alanı İçin Bir Taban Oluşturma:

Genişletilmiş Tabanın İmajlarının İmaj İçin Bir Taban Oluşturduğunu Gösterme:

Rank-Nullity Teoremi'ni Sonuçlandırma:

Rearrangements

Intuition

Insight

Practice Problem

Real-World Context

Tips

Common Mistakes

Related Formulas

Lagrange's Theorem

Orthogonal Projection

Gram-Schmidt Orthogonalization

Frequently Asked Questions

Sources