В математике , то ядро из линейной карты , также известное как нуль - пространство или нуль - пространство , является линейным подпространством в области карты , которая отображается на нулевой вектор. [1] [2] То есть, учитывая линейное отображение L : V → W между двумя векторными пространствами V и W , ядро L является векторным пространством всех элементов v из V таких, что L ( v ) = 0, где 0 обозначает нулевой вектор в W , [3] или более символически:
Свойства [ править ]
Ядро L представляет собой линейное подпространство в области V . [4] [3] В линейном отображении L : V → W два элемента V имеют один и тот же образ в W тогда и только тогда, когда их различие лежит в ядре L :
Из этого следует , что образ L является изоморфно к фактору из V по ядру:
В случае , когда V является конечномерным , то отсюда следует теорема ранга дефектности :
где, рангом мы понимаем размерность образа L , и ничтожности , что из ядра L . [5]
Когда V является пространством внутреннего произведения , фактор V / ker ( L ) можно отождествить с ортогональным дополнением в V к ker ( L ) . Это обобщение линейных операторов пространства строк или кообраза матрицы.
Приложение к модулям [ править ]
Понятие ядра также имеет смысл для гомоморфизмов из модулей , которые являются обобщением векторных пространств , где скаляры являются элементами кольца , а не в поле . Область отображения - это модуль, а ядро составляет подмодуль . Здесь понятия ранга и недействительности не обязательно применимы.
В функциональном анализе [ править ]
Если V и W являются топологические векторные пространства таким образом, что W конечномерно, то линейный оператор L : V → W является непрерывной тогда и только тогда , когда ядро L является замкнутым подпространством V .
Представление как матричное умножение [ править ]
Рассмотрим линейное отображение , представленное как т × п матрицы А с коэффициентами в поле К (обычно или ), который действует на вектор - столбцов х с п составляющими над K . Ядром этой линейной карты является набор решений уравнения A x = 0 , где 0 понимается как нулевой вектор . Размерность ядра А называется недействительность из A . В набор-строитель нотации ,
Матричное уравнение эквивалентно однородной системе линейных уравнений :
Таким образом, ядро матрицы A совпадает с решением вышеуказанных однородных уравнений.
Свойства подпространства [ править ]
Ядро матрицы A размера m × n над полем K является линейным подпространством в K n . То есть ядро A , множество Null ( A ), имеет следующие три свойства:
- Null ( A ) всегда содержит нулевой вектор , поскольку A 0 = 0 .
- Если x ∈ Null ( A ) и y ∈ Null ( A ) , то x + y ∈ Null ( A ) . Это следует из дистрибутивности умножения матриц над сложением.
- Если x ∈ Null ( A ) и c - скаляр c ∈ K , то c x ∈ Null ( A ) , поскольку A ( c x ) = c ( A x ) = c 0 = 0 .
Пространство строки матрицы [ править ]
Произведение A x может быть записано в терминах скалярного произведения векторов следующим образом:
Здесь 1 , ..., м обозначают строки матрицы A . Отсюда следует , что х находится в ядре А , тогда и только тогда , когда х является ортогональным (или перпендикулярно) к каждому из векторов - строк A (поскольку ортогональности определен как имеющий скалярное произведение 0).
Пространство строк или кообраз, из матрицы А является оболочкой из векторов - строк A . По приведенным выше рассуждениям ядро A является ортогональным дополнением к пространству строк. То есть, вектор х лежит в ядре А , тогда и только тогда , когда она перпендикулярна каждый вектор в пространстве строки A .
Размер строки пространства А называется ранг из А , а размерность ядра А называется недействительность из A . Эти величины связаны теоремой ранга – недействительности
- [5]
Оставшееся пустое пространство [ править ]
Левое пространство нуль или Коядро , из матрицы A состоит из всех векторов - столбцов х , такие , что х T A = 0 Т , где Т означает транспонирование матрицы. Левый нуль - пространство А такое же , как ядро A T . Левое пустое пространство для A является ортогональным дополнением к колонку пространству от А , и двойственно коядру ассоциированного линейного преобразования. Ядро, пространство строк, пространство столбцов и левое пустое пространство Aявляются четыре основных подпространства , связанные с матрицей А .
Неоднородные системы линейных уравнений [ править ]
Ядро также играет роль в решении неоднородной системы линейных уравнений:
Если u и v - два возможных решения вышеуказанного уравнения, то
Таким образом, разность любых двух решений уравнения А х = Ь лежит в ядре A .
Отсюда следует, что любое решение уравнения A x = b может быть выражено как сумма фиксированного решения v и произвольного элемента ядра. То есть набор решений уравнения A x = b равен
С геометрической точки зрения это означает, что решение, заданное для A x = b, является переносом ядра A на вектор v . См. Также альтернативу Фредгольма и плоскость (геометрия) .
Иллюстрация [ править ]
Ниже приводится простая иллюстрация вычисления ядра матрицы (см. § Вычисление методом исключения Гаусса ниже, где описаны методы, лучше подходящие для более сложных вычислений). Иллюстрация также затрагивает пространство строк и его связь с ядром.
Рассмотрим матрицу
Ядро этой матрицы состоит из всех векторов ( x , y , z ) ∈ R 3, для которых
которая может быть выражена как однородная система линейных уравнений, включающая x , y и z :
Те же линейные уравнения могут быть записаны в матричной форме как:
С помощью исключения Гаусса – Жордана матрица может быть уменьшена до:
Переписывая матрицу в виде уравнения, получаем:
Элементы ядра могут быть дополнительно выражены в параметрической форме следующим образом:
Поскольку c - это свободная переменная, охватывающая все действительные числа, это может быть выражено одинаково хорошо как:
Ядро A является в точности набором решений этих уравнений (в данном случае линия, проходящая через начало координат в R 3 ). Здесь, так как вектор (-1, -26,16) Т представляет собой основу из ядра A . Недействительность A равна 1.
Следующие скалярные произведения равны нулю:
которая иллюстрирует , что векторы в ядре A ортогональны к каждому из векторов - строк A .
Эти два (линейно независимых векторов - строк) охватывают пространство строк -a плоскости , ортогональной к вектору (-1, -26,16) T .
С рангом 2 для A , нулевым значением 1 для A и размерностью 3 для A у нас есть иллюстрация теоремы о ранге-нуле.
Примеры [ править ]
- Если L : R m → R n , то ядро L является множеством решений однородной системы линейных уравнений . Как на иллюстрации выше, если L - оператор:
- то ядро L - это множество решений уравнений
- Обозначим через C [0,1] векторное пространство всех непрерывных вещественнозначных функций на интервале [0,1] и определим L : C [0,1] → R по правилу
- Тогда ядро L состоит из всех функций f ∈ C [0,1], для которых f (0.3) = 0.
- Пусть C ∞ ( R ) - векторное пространство всех бесконечно дифференцируемых функций R → R , и пусть D : C ∞ ( R ) → C ∞ ( R ) - оператор дифференцирования :
- Тогда ядро D состоит из всех функций из C ∞ ( R ), производные которых равны нулю, т.е. множества всех постоянных функций .
- Пусть R ∞ - прямое произведение бесконечного числа копий R , и пусть s : R ∞ → R ∞ - оператор сдвига
- Тогда ядро s - это одномерное подпространство, состоящее из всех векторов ( x 1 , 0, 0, ...).
- Если V представляет собой внутреннее пространство продукта и W есть подпространство, ядро ортогональной проекции V → W является ортогональным дополнением к W в V .
Вычисление методом исключения Гаусса [ править ]
Базис ядра матрицы может быть вычислена путем исключения Гаусса .
С этой целью для данной матрицы A размера m × n мы сначала строим матрицу с дополнениями по строкам, где I - единичная матрица размера n × n .
Вычисляя его эшелонированную форму столбцов с помощью исключения Гаусса (или любого другого подходящего метода), мы получаем матрицу A, базис ядра A состоит из ненулевых столбцов C , так что соответствующий столбец B является нулевым столбцом .
Фактически, вычисление может быть остановлено, как только верхняя матрица находится в форме эшелона столбцов: оставшаяся часть вычислений состоит в изменении базиса векторного пространства, генерируемого столбцами, верхняя часть которых равна нулю.
Например, предположим, что
потом
Помещение верхней части в эшелонированную форму столбцов с помощью операций с столбцами на всей матрице дает
Последние три столбца B - нулевые столбцы. Следовательно, три последних вектора C ,
является основой ядра A .
Доказательство того, что метод вычисляет ядро: поскольку операции с столбцами соответствуют постумножению на обратимые матрицы, факт, сводящийся к тому, что существует обратимая матрица, такая, что с формой эшелона столбцов. Таким образом, и вектор-столбец принадлежит ядру (то есть ) тогда и только тогда, когда As находится в форме эшелона столбцов, тогда и только тогда, когда ненулевые элементы соответствуют нулевым столбцам By, умножая на , можно сделать вывод, что это случай тогда и только тогда, когда является линейной комбинацией соответствующих столбцов
Числовые вычисления [ править ]
Проблема вычисления ядра на компьютере зависит от характера коэффициентов.
Точные коэффициенты [ править ]
Если коэффициенты матрицы являются точно заданными числами, форма столбцов матрицы может быть вычислена с помощью алгоритма Барейсса более эффективно, чем с помощью исключения Гаусса. Еще более эффективно использовать модульную арифметику и китайскую теорему об остатках , которая сводит проблему к нескольким аналогичным задачам над конечными полями (это позволяет избежать накладных расходов, вызванных нелинейностью вычислительной сложности целочисленного умножения). [ необходима цитата ]
Для коэффициентов в конечном поле метод исключения Гаусса работает хорошо, но для больших матриц, которые встречаются в криптографии и вычислении базиса Гребнера , известны лучшие алгоритмы, которые имеют примерно такую же вычислительную сложность , но быстрее и лучше работают с современным компьютерным оборудованием . [ необходима цитата ]
Вычисление с плавающей запятой [ править ]
Для матриц, элементы которых являются числами с плавающей запятой , проблема вычисления ядра имеет смысл только для таких матриц, в которых количество строк равно их рангу: из-за ошибок округления матрица с плавающей запятой почти всегда имеет полный ранг. , даже если это аппроксимация матрицы гораздо меньшего ранга. Даже для полноранговой матрицы возможно вычислить ее ядро, только если она хорошо обусловлена , т. Е. Имеет низкое число обусловленности . [6] [ необходима ссылка ]
Даже для хорошо обусловленной матрицы полного ранга метод исключения Гаусса ведет себя некорректно: он приводит к ошибкам округления, которые слишком велики для получения значимого результата. Поскольку вычисление ядра матрицы является частным случаем решения однородной системы линейных уравнений, ядро может быть вычислено с помощью любого из различных алгоритмов, предназначенных для решения однородных систем. Современное программное обеспечение для этой цели - библиотека Lapack . [ необходима цитата ]
См. Также [ править ]
- Ядро (алгебра)
- Нулевой набор
- Система линейных уравнений
- Пространства строк и столбцов
- Уменьшение ряда
- Четыре фундаментальных подпространства
- Векторное пространство
- Линейное подпространство
- Линейный оператор
- Функциональное пространство
- Альтернатива Фредгольма
Примечания и ссылки [ править ]
- ^ "Окончательный словарь высшего математического жаргона - Null" . Математическое хранилище . 2019-08-01 . Проверено 9 декабря 2019 .
- ^ Вайсштейн, Эрик В. "Ядро" . mathworld.wolfram.com . Проверено 9 декабря 2019 .
- ^ a b "Ядро (Nullspace) | Блестящая вики по математике и науке" . brilliant.org . Проверено 9 декабря 2019 .
- ^ Линейная алгебра, как обсуждается в этой статье, является очень хорошо известной математической дисциплиной, для которой существует множество источников. Практически весь материал этой статьи можно найти влекциях Lay 2005 , Meyer 2001 и Strang.
- ^ a b Вайсштейн, Эрик В. "Теорема рангового недействительности" . mathworld.wolfram.com . Проверено 9 декабря 2019 .
- ^ «Архивная копия» (PDF) . Архивировано из оригинального (PDF) 29 августа 2017 года . Проверено 14 апреля 2015 . CS1 maint: archived copy as title (link)
Библиография [ править ]
- Axler, Sheldon Jay (1997), Linear Algebra Done Done Right (2-е изд.), Springer-Verlag, ISBN 0-387-98259-0.
- Лэй, Дэвид С. (2005), Линейная алгебра и ее приложения (3-е изд.), Аддисон Уэсли, ISBN 978-0-321-28713-7.
- Мейер, Карл Д. (2001), Матричный анализ и прикладная линейная алгебра , Общество промышленной и прикладной математики (SIAM), ISBN 978-0-89871-454-8, Архивируются с оригинала на 2009-10-31.
- Пул, Дэвид (2006), Линейная алгебра: современное введение (2-е изд.), Брукс / Коул, ISBN 0-534-99845-3.
- Антон, Ховард (2005), Элементарная линейная алгебра (прикладная версия) (9-е изд.), Wiley International.
- Леон, Стивен Дж. (2006), Линейная алгебра с приложениями (7-е изд.), Пирсон Прентис Холл.
- Ланг, Серж (1987). Линейная алгебра . Springer. ISBN 9780387964126.
- Trefethen, Lloyd N .; Бау, Дэвид III (1997), Числовая линейная алгебра , SIAM, ISBN 978-0-89871-361-9.
Внешние ссылки [ править ]
В Викиучебнике есть книга на тему: Линейная алгебра / Нулевые пространства. |
- "Ядро матрицы" , Математическая энциклопедия , EMS Press , 2001 [1994]
- Khan Academy , Введение в нулевое пространство матрицы