Matematika · Glosarium

Apa itu rank pemetaan linear?

Definisi 20.6 Matematika Universitas — Tahun 1 · Bab 20 — Pemetaan Linear

Adapun rank sebuah uL(E,F)u \in \mathcal{L}(E, F) (dengan EE yang berdimensi hingga) adalah rku=dimimu\operatorname{rk} u = \dim \operatorname{im} u — yang juga merupakan rank keluarga (u(e1),,u(en))\bigl(u(e_1), \dots, u(e_n)\bigr) bagi sebarang basis (ei)(e_i) pada EE.

Contoh

Contoh 20.8 (Membangun sebuah pemetaan menurut spesifikasi)

Konstruksikanlah uL(R3)u \in \mathcal{L}(\R^3) dengan keru=Vect(1,1,1)\ker u = \operatorname{Vect}(1,1,1) dan imu={z=0}\operatorname{im} u = \{z = 0\}. Periksa kewarasannya dulu: rank–nulitas menuntut 1+2=31 + 2 = 3 — yang selaras, sehingga sebuah penyelesaian mungkin ada. Pilihlah basis yang disesuaikan dengan kernelnya, katakanlah ((1,1,1), e1, e2)\bigl((1,1,1),\ e_1,\ e_2\bigr) (Contoh 19.7), lalu tetapkanlah petanya (Proposisi 20.2):

u(1,1,1)=0,u(e1)=e1,u(e2)=e2.u(1,1,1) = 0, \qquad u(e_1) = e_1, \qquad u(e_2) = e_2 .

Maka keruVect(1,1,1)\ker u \supseteq \operatorname{Vect}(1,1,1) dan imu=Vect(e1,e2)={z=0}\operatorname{im} u = \operatorname{Vect}(e_1, e_2) = \{z = 0\}; lalu rank–nulitas memaksa dimkeru=1\dim\ker u = 1, sehingga kernelnya tepat garis yang ditetapkan itu. Adapun secara eksplisit, dengan menguraikan (x,y,z)=z(1,1,1)+(xz)e1+(yz)e2(x, y, z) = z(1,1,1) + (x - z)e_1 + (y - z)e_2:

u(x,y,z)=(xz, yz, 0).u(x, y, z) = (x - z,\ y - z,\ 0).

Resepnya tersamaratakan: bahwa pemetaan linear dengan kernel NN dan peta II yang ditetapkan ada tepat ketika dimN+dimI=dimE\dim N + \dim I = \dim E — dengan keperluannya dari rank–nulitas, dan kecukupannya dari konstruksi ini.

Contoh 20.10 (Interpolasi, secara struktural)

Tetapkanlah x0,,xnx_0, \dots, x_n yang berbeda lalu misalkan u ⁣:Rn[X]Rn+1u \colon \R_n[X] \to \R^{n+1}, P(P(x0),,P(xn))P \mapsto (P(x_0), \dots, P(x_n)): yang linear. Adapun kernelnya adalah {P:degPn, n+1 akar}={0}\{P : \deg P \leq n,\ n+1 \text{ akar}\} = \{0\} (Akibat 8.8). Dengan dimensi yang sama n+1n + 1: maka uu sebuah isomorfisma — sehingga keberadaan dan ketunggalan interpolan Lagrange (Teorema 8.23) dalam satu baris.

Adapun pola satu baris yang sama menangani data yang mencampur nilai dan turunan: v ⁣:R3[X]R4v \colon \R_3[X] \to \R^4, P(P(0),P(0),P(1),P(1))P \mapsto \bigl(P(0), P'(0), P(1), P'(1)\bigr) bersifat linear, dan kernelnya terdiri atas polinomial berderajat 3\leq 3 dengan akar rangkap di 00 dan 11, yakni terbagi oleh X2(X1)2X^2(X-1)^2 yang berderajat 44: sehingga hanya P=0P = 0. Dengan dimensi yang sama lagi: setiap kuadruple data (P(0),P(0),P(1),P(1))(P(0), P'(0), P(1), P'(1)) terwujud oleh tepat satu kubik — yaitu interpolasi Hermite, yang diberikan oleh perhitungan kernel sebelum rumus apa pun dituliskan (adapun soal akhir pekan Bab 22 bertemu determinannya).

Contoh 20.11 (Rank–nulitas dalam kerja: operator selisihnya)

Misalkan Δ ⁣:Rn[X]Rn[X]\Delta \colon \R_n[X] \to \R_n[X], PP(X+1)P(X)P \mapsto P(X+1) - P(X): yang linear. Kernelnya: jika ΔP=0\Delta P = 0, maka P(0)=P(1)=P(2)=P(0) = P(1) = P(2) = \dots, sehingga PP(0)P - P(0) berakar tak hingga banyak dan lenyap (Akibat 8.8): jadi kerΔ\ker\Delta adalah garis konstantanya. Lalu rank–nulitas: rkΔ=(n+1)1=n\operatorname{rk}\Delta = (n + 1) - 1 = n. Dan karena degΔP<degP\deg \Delta P < \deg P untuk PP yang takkonstan (sebab suku puncaknya saling meniadakan), imΔRn1[X]\operatorname{im}\Delta \subseteq \R_{n-1}[X], yang berdimensi tepat nn: sehingga inklusinya menjadi kesamaan. Kesimpulannya, tanpa perhitungan prapeta apa pun: bahwa setiap polinomial QQ berderajat n1\leq n - 1 merupakan selisih Q=P(X+1)P(X)Q = P(X+1) - P(X) — jadi antiturunan diskretnya ada. (Bandingkanlah soal akhir pekan Bab 18, yang di situ Δ\Delta dibalik secara eksplisit pada basis binomialnya.)

Baca dalam konteks →