نظرية الرتبة-البطلان (Rank-Nullity Theorem)

Core idea

Overview

في سياق التحويل الخطي T: V → W حيث V هو ذو أبعاد محدودة، تقدم هذه النظرية قيدًا أساسيًا على العلاقة بين أبعاد النواة والصورة.

When to use: هذه النظرية هي الأداة الأساسية في الجبر الخطي الجامعي لتحديد أبعاد الفضاءات الجزئية المرتبطة بالتحويلات الخطية.

Why it matters: إنها تربط مفهوم التباين (المتصل بالبطلان) والشمول (المتصل بالرتبة) بهندسة فضاء النطاق.

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

اشتقاق/فهم نظرية الرتبة والفراغ

يوضح هذا الاشتقاق أنه بالنسبة للتحويل الخطي، فإن مجموع بعد نواة (فراغ) وصورة (رتبة) يساوي بعد نطاقها.

V و W هما فضاءان متجهيان على نفس المجال F.
T: V $\to$ W هو تحويل خطي.
V هو فضاء متجهي محدود الأبعاد.

1

تعريف أبعاد النواة والصورة:

نبدأ بتعريف نواة وصورة التحويل الخطي، وهما فضاءات فرعية للنطاق والنطاق المشترك، على التوالي. تسمى أبعادهما الفراغ والرتبة للتحويل.

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

بناء أساس للنطاق:

نبدأ بأساس للنواة ونوسعه لتشكيل أساس كامل لفضاء النطاق V بأكمله. هذا يسمح لنا بالتعبير عن أي متجه في V كمزيج خطي من هذه المتجهات الأساسية.

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

إظهار أن صور الأساس الموسع تشكل أساسًا للصورة:

نفحص صور المتجهات الأساسية التي لم تكن في النواة. نثبت أن هذه الصور تشمل فضاء الصورة بأكمله وهي مستقلة خطياً، وبالتالي تشكل أساسًا للصورة.

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

استنتاج نظرية الرتبة والفراغ:

من خلال عد عدد المتجهات في أساس الصورة، نثبت أن الرتبة تساوي بعد النطاق ناقص الفراغ. إعادة ترتيب هذه المعادلة يعطي نظرية الرتبة والفراغ.

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 $dim (V)$

اجعل $dim$ (V) موضوع المعادلة

x + y

ابدأ من نظرية الرتبة-البطلان وعبّر عن $dim$ (V) بدلالة المتغيرات المختصرة x (الرتبة) و y (البطلان).

Difficulty: 2/5

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

Why it behaves this way

Intuition

تخيّل أنّ الحجم الإجمالي للمدخل الخامس يُقسم إلى جزأين مكمّلين بواسطة التحوّل الخطّي (تي) جزء يُسحق إلى الناقل الصفري (الفضاء اللامع)، وجزء آخر يحدد السلوك.

Term

بعد الصورة (النطاق) للتحويل الخطي T. يقيس 'قدرة الخرج' أو عدد الاتجاهات المستقلة في فضاء الخرج.

يمثل الجزء 'المفيد' من فضاء الإدخال الذي يساهم في مخرجات متميزة. رتبة أعلى تعني أن التحويل يحافظ على معلومات متميزة أكثر.

Term

بعد نواة (فضاء النواة) للتحويل الخطي T. يقيس 'فقدان المعلومات' أو عدد اتجاهات الإدخال المستقلة التي يتم تعيينها إلى.

يمثل الجزء 'المنهار' من فضاء الإدخال. قيمة فراغ أعلى تعني أن العديد من المدخلات المتميزة يتم تعيينها لنفس المخرج (تحديدًا الصفر)، مما يشير إلى فقدان كبير للمعلومات.

Term

بعد فضاء النطاق المتجهي V. يمثل العدد الإجمالي للمكونات المدخلة المستقلة أو 'حجم' فضاء الإدخال.

السعة الإجمالية لمعلومات الإدخال المتاحة قبل التحويل.

Free study cues

Insight

Canonical usage

تُستخدم هذه المعادلة لربط الأبعاد الصحيحة للفضاءات المتجهة وخصائص الخرائط الخطية. تشير المصطلحات 'الرتبة' و'البعد الناقص' و'البعد' إلى عدد متجهات الأساس في الفضاءات المعنية، وبالتالي فهي أعداد لا بعدية.

Dimension note

جميع الكميات في نظرية الرتبة والبعد الناقص (الرتبة، والبعد الناقص، وبعد الفضاء V) هي أبعاد رياضية، مما يعني أنها أعداد صحيحة غير سالبة لمتجهات الأساس. لا تمتلك وحدات فيزيائية.

One free problem

Practice Problem

بالنظر إلى تحويل خطي T: ℝ³ → ℝ² حيث النواة هي خط يمر عبر الأصل (البعد 1)، احسب رتبة T.

Hint: بعد النطاق هو 3. إذا كان البطلان هو 1، فاستخدم النظرية: الرتبة + البطلان = البعد (V).

The full worked solution stays in the interactive walkthrough.

Where it shows up

Real-World Context

في علم البيانات، عند إسقاط بيانات عالية الأبعاد إلى فضاء ذي أبعاد أقل (تقليل الأبعاد)، تساعد نظرية الرتبة-البطلان في تحديد كمية المعلومات المحفوظة (الرتبة) مقابل المعلومات المفقودة (البطلان).

Study smarter

Tips

تأكد دائمًا من أن الفضاء المتجه V ذو أبعاد محدودة قبل تطبيق النظرية.
تذكر أن البعد على الجانب الأيمن من المعادلة هو النطاق، وليس النطاق المصاحب.

Avoid these traps

Common Mistakes

الخلط بين بعد النطاق المصاحب (W) وبعد النطاق (V).
افتراض أن النظرية تنطبق على التحويلات غير الخطية.

Keep going

Related Formulas

Common questions

Frequently Asked Questions

يوضح هذا الاشتقاق أنه بالنسبة للتحويل الخطي، فإن مجموع بعد نواة (فراغ) وصورة (رتبة) يساوي بعد نطاقها.

هذه النظرية هي الأداة الأساسية في الجبر الخطي الجامعي لتحديد أبعاد الفضاءات الجزئية المرتبطة بالتحويلات الخطية.

إنها تربط مفهوم التباين (المتصل بالبطلان) والشمول (المتصل بالرتبة) بهندسة فضاء النطاق.

الخلط بين بعد النطاق المصاحب (W) وبعد النطاق (V). افتراض أن النظرية تنطبق على التحويلات غير الخطية.

في علم البيانات، عند إسقاط بيانات عالية الأبعاد إلى فضاء ذي أبعاد أقل (تقليل الأبعاد)، تساعد نظرية الرتبة-البطلان في تحديد كمية المعلومات المحفوظة (الرتبة) مقابل المعلومات المفقودة (البطلان).

تأكد دائمًا من أن الفضاء المتجه V ذو أبعاد محدودة قبل تطبيق النظرية. تذكر أن البعد على الجانب الأيمن من المعادلة هو النطاق، وليس النطاق المصاحب.

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

تعريف أبعاد النواة والصورة:

بناء أساس للنطاق:

إظهار أن صور الأساس الموسع تشكل أساسًا للصورة:

استنتاج نظرية الرتبة والفراغ:

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