Jádro je podprostor domény V lineárním zobrazení dva prvky z mají stejný obraz ve právě tehdy, když jejich rozdíl leží v jádře , tj.
Z toho vyplývá, že obraz
je
izomorfní s kvocientem
jádrem:
V případě, že
je
konečná dimenze, to implikuje
teorém hodnost-nulita :
kde termín
takže teorém hodnost-nulita může být přeformulován jako
Když
je
vnitřní prostor součinu, kvocient
lze identifikovat s ortogonálním doplňkem ve
z
Toto je zobecnění na lineární operátory řádkového prostoru nebo coimage matice.
Pojem kernel také dává smysl pro homomorfismy modulů, což jsou zobecnění vektorových prostorů, kde skaláry jsou prvky prstence, spíše než pole . Doménou mapování je modul, přičemž jádro tvoří submodul. Zde nemusí nutně platit pojmy hodnost a nulita.
Jestliže a jsou topologické vektorové prostory takové, že je konečnorozměrný, pak lineární operátor : PROTI → je spojitý právě tehdy, když jádro je uzavřeným podprostorem .
Uvažujme lineární mapu reprezentovanou jako matici s koeficienty v tělese (typicky nebo , kde je chápána jako nulový vektor . Dimenze jádra se nazývá nulita . V notaci set-builder ,
Maticová rovnice je ekvivalentní homogenní soustavě lineárních rovnic :
Jádro je tedy stejné jako řešení sestavené pro výše uvedené homogenní rovnice.
Jádrem matice m\times n nad polem je lineární podprostor '' ^{} . To znamená, že jádro , množina Null( ), má následující tři vlastnosti:
- Null( ) vždy obsahuje nulový vektor, protože 0 = 0 .
- Jestliže '' ∈ Null() a '' ∈ Null(), pak '' + '' ∈ Null() . To vyplývá z distributivity násobení matic nad sčítáním.
- Jestliže '' ∈ Null() ac je skalární ∈ , pak '' ∈ Null(), protože ('') = ('') = 0 = 0 .
Součin '' lze zapsat jako bodový součin vektorů takto:
Tady 1 _{,} ... , '' _{} označují řádky matice . Z toho vyplývá, že '' je v jádře právě tehdy, když '' je ortogonální (nebo kolmé) ke každému z řádkových vektorů (protože ortogonalita je definována jako bodový součin 0).
Řádkový prostor neboli coimage matice je rozsah řádkových vektorů . Podle výše uvedené úvahy je jádro ortogonálním doplňkem k prostoru řádků. To znamená, že vektor '' leží v jádře , právě když je kolmý ke každému vektoru v řádkovém prostoru .
Dimenze prostoru řádků se nazývá hodnost a dimenze jádra se nazývá nulita A. Tyto veličiny spolu souvisí teorémem hodnost-nulita [1]
Levý nulový prostor nebo kokernel matice se skládá ze všech sloupcových vektorů '' tak, že '' ^{T} = 0 ^{T}, kde T označuje transpozici matice. Levý prázdný prostor je stejný jako jádro ^{T} . Levý nulový prostor je ortogonálním doplňkem k prostoru sloupců a je duální s kokernelem související lineární transformace. Jádro, prostor řádků, sloupcový prostor a levý prázdný prostor jsou čtyři základní podprostory spojené s maticí .
Jádro také hraje roli při řešení nehomogenního systému lineárních rovnic:
Jestliže '' a '' jsou dvě možná řešení výše uvedené rovnice, pak
Tedy rozdíl libovolných dvou řešení rovnice '' = '' leží v jádře .
Z toho vyplývá, že jakékoli řešení rovnice '' = '' lze vyjádřit jako součet pevného řešení '' a libovolného prvku jádra. Tedy řešení dané rovnice '' = '' je
Geometricky to říká, že řešení je nastaveno na '' = '' je translace jádra vektorem '' . Viz také Fredholmova alternativa a plochá (geometrie) .
- Jestliže : ''^{} → ''^{}</math>, pak jádro je řešení zasazené do homogenního systému lineárních rovnic . Stejně jako na obrázku výše, pokud je operátor:
- Nechť [0,1] označuje vektorový prostor všech spojitých reálně hodnotných funkcí na intervalu [0,1] a definujme : [0,1] → ''</math> pomocí pravidla
- Nechť ^{∞} ( '' ) je vektorový prostor všech nekonečně diferencovatelných funkcí ' → ''</math> a nechť : ^{∞}('') → ^{∞}('')</math> je derivační operátor :
- Nechť '^{∞}</math> je přímý produkt nekonečně mnoha kopií '</math> a : ''^{∞} → ''^{∞}</math> je operátor posunu
- Jestliže je vnitřní součinový prostor a je podprostor, jádro ortogonální projekce → </math> je ortogonální doplněk k ve .
Základ jádra matice lze vypočítat Gaussovou eliminací .
Pro tento účel, je-li matice m\times n , nejprve sestrojíme řádkovou rozšířenou matici kde je n\times n matice identity .
Výpočtem jeho sloupcového tvaru pomocí Gaussovy eliminace (nebo jiné vhodné metody) dostaneme matici Základ jádra sestává z nenulových sloupců tak, že odpovídající sloupec je nulový sloupec .
Ve skutečnosti může být výpočet zastaven, jakmile je horní matice ve tvaru sloupce: zbytek výpočtu spočívá ve změně základu vektorového prostoru generovaného sloupci, jejichž horní část je nulová.
Předpokládejme například, že
Pak
Dáme-li horní část do sloupcového tvaru sloupcovými operacemi na celé matici, dostaneme
Poslední tři sloupce jsou nulové sloupce. Proto tři poslední vektory ,
jsou základem jádra .
Proof that the method computes the kernel: Since column operations correspond to post-multiplication by invertible matrices, the fact that reduces to means that there exists an invertible matrix such that with in column echelon form. Thus and A column vector belongs to the kernel of (that is ) if and only if where As is in column echelon form, if and only if the nonzero entries of correspond to the zero columns of By multiplying by , one may deduce that this is the case if and only if is a linear combination of the corresponding columns of
Problém výpočtu jádra na počítači závisí na povaze koeficientů.
Pokud jsou koeficienty matice přesně danými čísly, lze sloupcový tvar matice vypočítat pomocí Bareissova algoritmu efektivněji než pomocí Gaussovy eliminace. Ještě efektivnější je použít modulární aritmetiku a čínskou větu o zbytku, která problém redukuje na několik podobných přes konečná pole (tím se vyhne režii vyvolané nelinearitou výpočetní složitosti celočíselného násobení). </link>[ <span title="This claim needs references to reliable sources. (October 2014)">Citace je zapotřebí</span> ]
Pro koeficienty v konečném poli funguje Gaussova eliminace dobře, ale pro velké matice, které se vyskytují v kryptografii a výpočtu na Gröbnerově bázi, jsou známy lepší algoritmy, které mají zhruba stejnou výpočetní složitost, ale jsou rychlejší a chovají se lépe s moderním počítačovým hardwarem . </link>[ <span title="This claim needs references to reliable sources. (October 2014)">Citace je zapotřebí</span> ]
Pro matice, jejichž položky jsou čísla s plovoucí desetinnou čárkou, má problém výpočtu jádra smysl pouze pro matice takové, že počet řádků je roven jejich pořadí: kvůli chybám zaokrouhlování má matice s plovoucí desetinnou čárkou téměř vždy plné pořadí., i když se jedná o aproximaci matice mnohem menší úrovně. I pro matici s plnou hodností je možné vypočítat její jádro, pouze pokud je dobře podmíněné, tj. má nízké číslo podmínky . [2] </link>[ <span title="This claim needs references to reliable sources. (December 2019)">Citace je zapotřebí</span> ]
Dokonce i u dobře podmíněné matice plného pořadí se Gaussova eliminace nechová správně: zavádí chyby zaokrouhlování, které jsou příliš velké na získání významného výsledku. Protože výpočet jádra matice je speciálním příkladem řešení homogenního systému lineárních rovnic, lze jádro vypočítat pomocí libovolného z různých algoritmů určených k řešení homogenních systémů. Nejmodernějším softwarem pro tento účel je knihovna Lapack . </link>[ <span title="This claim needs references to reliable sources. (October 2014)">Citace je zapotřebí</span> ]
[[Kategorie:Numerická lineární algebra]]
[[Kategorie:Matice]]
[[Kategorie:Funkcionální analýza]]
[[Kategorie:Lineární algebra]]
[[Kategorie:Údržba:Články s nekontrolovanými překlady]]