Mathematics선형대수학University

OCRAPOntarioNSWCBSEGCE O-LevelMoECAPS

계수-핵정리

선형 사상의 핵과 상의 차원을 정의역 공간과 관련짓습니다.

Understand the formulaSee the free derivationOpen the full walkthrough

rank (T) + nullity (T) = dim (V)

Open Full Walkthrough Try Calculator

This public page keeps the free explanation visible and leaves premium worked solving, advanced walkthroughs, and saved study tools inside the app.

Core idea

Overview

계수-핵정리는 주요 입력값과 식의 관계를 정리하고 계산 결과의 의미를 해석하기 위한 설명입니다. 조건, 단위, 전제를 확인하면서 사용하면 결과를 비교, 판단, 추정, 위험 확인과 연결하기 쉽습니다. 필요하면 값을 바꾸어 결과가 어떻게 달라지는지도 확인하세요.

When to use: 계수-핵정리는 주어진 값에서 필요한 결과를 구해야 할 때 사용합니다. 입력 단위, 범위, 전제 조건을 확인한 뒤 대입하고, 계산 결과를 실제 조건이나 문제의 목적과 비교해 해석하세요.

Why it matters: 계수-핵정리의 결과는 수치를 비교하고 경향, 제약, 위험, 설계 판단을 설명하는 데 도움이 됩니다. 답을 단독 숫자로만 보지 말고 조건이 바뀔 때의 의미와 타당성도 함께 확인할 수 있습니다.

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

계수-무효도 정리(Rank-Nullity Theorem)의 유도/이해

이 유도는 선형 변환에 대해, 커널의 차원(무효도)과 상의 차원(계수)의 합이 정의역의 차원과 같음을 보여줍니다.

V와 W는 같은 체 F 위의 벡터 공간입니다.

커널과 상의 차원 정의:

먼저 선형 변환의 커널과 상을 정의합니다. 이들은 각각 정의역과 공역의 부분 공간입니다. 이들의 차원은 변환의 무효도와 계수로 알려져 있습니다.

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)) .

정의역의 기저 구성:

커널의 기저로 시작하여 이를 확장하여 전체 정의역 벡터 공간 V의 완전한 기저를 구성합니다. 이를 통해 V의 모든 벡터를 이 기저 벡터들의 선형 결합으로 표현할 수 있습니다.

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) .

확장된 기저의 상이 상의 기저를 형성함을 보이기:

커널에 속하지 않은 기저 벡터들의 상을 조사합니다. 이 상들이 전체 상 공간을 생성하고 선형 독립임을 증명하여, 상의 기저를 형성합니다.

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) .

계수-무효도 정리 결론:

상의 기저에 있는 벡터의 수를 세어, 계수가 정의역의 차원에서 무효도를 뺀 것과 같음을 확립합니다. 이 방정식을 재정리하면 계수-무효도 정리가 유도됩니다.

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 $dim (V)$

계수-무효도 정리: $dim$ (V)를 주제로 만들기

x + y

계수-무효도 정리에서 시작하여 $dim$ (V)를 약어 변수 x (계수)와 y (무효도)로 표현합니다.

Difficulty: 2/5

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

Why it behaves this way

Intuition

입력 공간 V의 전체 '크기'(차원)가 선형 변환 T에 의해 두 개의 보완적인 부분으로 나뉘는 것을 상상해보세요: 하나는 영벡터로 '압축'되는 부분(영공간)이고, 다른 하나는 행동을 결정하는 부분입니다.

rank(T)

선형 변환 T의 상(치역)의 차원입니다. 이는 '출력 용량' 또는 출력 공간에서 독립적인 방향의 개수를 정량화합니다.

입력 공간에서 서로 다른 출력에 기여하는 '유용한' 부분을 나타냅니다. 계수(rank)가 높을수록 변환이 더 많은 고유한 정보를 보존한다는 것을 의미합니다.

nullity(T)

선형 변환 T의 핵(영공간)의 차원입니다. 이는 '정보 손실' 또는 대응하는 물리적 또는 수학적 양에 매핑되는 독립적인 입력 방향의 개수를 정량화합니다.

입력 공간의 '붕괴된' 부분을 나타냅니다. 높은 무효차수(nullity)는 많은 서로 다른 입력이 동일한 출력(특히, 영)으로 매핑되어 상당한 정보 손실이 발생함을 의미합니다.

dim(V)

정의역 벡터 공간 V의 차원입니다. 이는 독립적인 입력 성분의 총 개수 또는 입력 공간의 '크기'를 나타냅니다.

변환 전에 사용 가능한 입력 정보의 총 '용량'입니다.

Free study cues

Insight

Canonical usage

이 방정식은 벡터공간의 정수 차원과 선형사상의 성질을 관련시키는 데 사용됩니다. 'rank', 'nullity', 'dimension'이라는 항은 각 공간의 기저벡터 개수를 의미하므로 무차원 개수입니다.

Dimension note

Rank-Nullity 정리의 모든 양(rank, nullity 및 V의 dimension)은 수학적 차원, 즉 기저벡터의 음이 아닌 정수 개수입니다. 이들은 물리적 단위를 갖지 않습니다.

One free problem

Practice Problem

Given a linear transformation T: ℝ³ → ℝ² where the kernel is a line through the origin (dimension 1), calculate the rank of T.

Hint: 계수-핵정리의 식에 알려진 값을 대입하고 단위, 부호, 분자와 분모의 대응을 확인하면서 계산하세요. 문제에서 주어진 조건을 먼저 정리하면 더 쉽게 풀 수 있습니다.

The full worked solution stays in the interactive walkthrough.

Where it shows up

Real-World Context

계수-핵정리는 실무, 학습, 분석 상황에서 구체적인 값을 대입해 결과를 확인할 때 사용할 수 있습니다. 계산 결과를 단순한 숫자로만 보지 않고 조건 비교, 판단, 추정, 위험 확인과 연결해 해석하는 데 도움이 됩니다.

Study smarter

Tips

정리를 적용하기 전에 벡터공간 V가 유한차원인지 항상 확인하세요.
식의 오른쪽에 있는 차원은 공역이 아니라 정의역의 차원임을 기억하세요.

Avoid these traps

Common Mistakes

공역(W)의 차원과 정의역(V)의 차원을 혼동합니다.
정리가 비선형 변환에도 적용된다고 가정합니다.

Common questions

Frequently Asked Questions

이 유도는 선형 변환에 대해, 커널의 차원(무효도)과 상의 차원(계수)의 합이 정의역의 차원과 같음을 보여줍니다.

계수-핵정리는 주어진 값에서 필요한 결과를 구해야 할 때 사용합니다. 입력 단위, 범위, 전제 조건을 확인한 뒤 대입하고, 계산 결과를 실제 조건이나 문제의 목적과 비교해 해석하세요.

계수-핵정리의 결과는 수치를 비교하고 경향, 제약, 위험, 설계 판단을 설명하는 데 도움이 됩니다. 답을 단독 숫자로만 보지 말고 조건이 바뀔 때의 의미와 타당성도 함께 확인할 수 있습니다.

공역(W)의 차원과 정의역(V)의 차원을 혼동합니다. 정리가 비선형 변환에도 적용된다고 가정합니다.

정리를 적용하기 전에 벡터공간 V가 유한차원인지 항상 확인하세요. 식의 오른쪽에 있는 차원은 공역이 아니라 정의역의 차원임을 기억하세요.

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'

계수-핵정리

Overview

Variables

Derivation

커널과 상의 차원 정의:

정의역의 기저 구성:

확장된 기저의 상이 상의 기저를 형성함을 보이기:

계수-무효도 정리 결론:

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