Ker(A)——矩阵kernel
根据维基百科定义,kernel在线性代数和泛函分析中的定义为:
线性映射L:V↦WL:V\mapsto WL:V↦W,V和W为两个向量空间,满足L(v⃗)=0⃗L(\vec{v})=\vec{0}L(v)=0的所有元素v⃗\vec{v}v组成的空间,称为kernel或nullspace。
数学表示为:
ker(L)={v⃗∈V∣L(v⃗)=0}ker(L)=\{\vec{v}\in V|L(\vec{v})=0\}ker(L)={v∈V∣L(v)=0}
如上图所示,当两个不同的元素v1⃗,v2⃗\vec{v_1},\vec{v_2}v1,v2具有相同的image(W空间黄色区域内)时,则意味着v1⃗−v2⃗\vec{v_1}-\vec{v_2}v1−v2在L的kernel空间内:
L(v1⃗)=L(v2⃗)⇔L(v1⃗−v2⃗)=0⃗L(\vec{v_1})=L(\vec{v_2})\Leftrightarrow L(\vec{v_1}-\vec{v_2})=\vec{0}L(v1)=L(v2)⇔L(v1−v2)=0
看上图的黄色区域即左侧为源,右侧的黄色区域即为L的像。
左侧V源的Ker(L)的所有源都映射到右侧的0(向量)点。左侧V源除Ker(L)外的所有源点通过L都将映射到右侧的im(L)空间内,于是有:
im(L)≅V/ker(L)im(L)\cong V/ker(L)im(L)≅V/ker(L)
【In linear algebra, the quotient of a vector space V by a subspace N is a vector space obtained by “collapsing” N to zero. The space obtained is called a quotient space and is denoted V/N (read V mod N or V by N).】
根据rank-nullity定理
相应地有:dim(ker(L))+dim(im(L))=dim(V)。
举例如下:
参考资料:
[1] https://en.wikipedia.org/wiki/Kernel_(linear_algebra)
[2] https://en.wikipedia.org/wiki/Rank%E2%80%93nullity_theorem
[3] https://en.wikipedia.org/wiki/Quotient_space_(linear_algebra)
Ker(A)——矩阵kernel相关推荐
- qesa Efficient zero-knowledge arguments in the discrete log setting 学习笔记
1. 引言 Hoffmann等人 2019年论文 <Efficient zero-knowledge arguments in the discrete log setting >. 相应 ...
- AI芯片怎么降功耗?从ISSCC2017说起
本文适用读者:对Deep Learning算法有一定了解的IC工程师,对IC设计和计算机架构有一定了解的算法工程师. 尝试从ISSCC2017的session 14 Deep Learning Pro ...
- 颜色空间转换及切割车牌(python)
如愿 一.前置准备 二.颜色空间转换 2.1 转为灰度图片 三.切割车牌 四.总结 五.参考资料 一.前置准备 软件及使用库 python 3.8.12 opencv 3.4.11 图片 二.颜色空间 ...
- RGB转换HSL,HSV及切割车牌
目录 HSL和HSV 简介 对比 RGB与HSL HSV相互转换 RGB->HSL HSV HSL->RGB HSV->RGB 一.图片颜色转换 1.转换为灰度图 2.转化为HSV ...
- tf.nn,tf.layers, tf.contrib模块介绍
一.tf.nn,tf.layers, tf.contrib概述 我们在使用tensorflow时,会发现tf.nn,tf.layers, tf.contrib模块有很多功能是重复的,尤其是卷积操作,在 ...
- 西瓜书学习(task2)
4.1.1 组成 一颗决策树包含一个根结点.若干个子结点和若干个叶结点. 根结点:包含样本全集: 子结点:对应属性划分,包含划分样本: 叶结点:对应决策结果,包含决策样本. 从根结点到每个叶结点的路径 ...
- TensorFlow基础之模型建立与训练:线性回归、MLP多层感知机、卷积神经网络
TensorFlow基础之模型建立与训练 模型建立与训练:简单的线性回归 MLP多层感知机 数据获取.预处理 模型搭建 训练与评估 卷积神经网络 高效建模 Keras Sequential高效建模 F ...
- 数字图像处理知识点梳理——第九章 形态学图像处理
文章目录 1.预备知识 2.腐蚀和膨胀 3.开操作和闭操作 4.一些基本的形态学算法 1.预备知识 数学形态学的语言是集合论. 在形态学中集合的反射和平移广泛用来表达基于结构元(SE)的操作:研究一幅 ...
- Tensorflow2.0图像预处理
实验步骤 1.载入库 import matplotlib.pyplot as plt import tensorflow as tf import numpy as np 2.读取照片 image_d ...
最新文章
- python应用实例论文_番外篇——Python多进程应用实例一则
- redux的compose源码,中文注释
- matlab求解外弹道,基于MATLAB∕Simulink的通用质点外弹道程序设计.pdf
- 【Android 应用开发】 自定义 圆形进度条 组件
- 电路常识性概念(8)-MOS管及简单CMOS逻辑门电路原理图
- 转jpg java源程序_将pdf文件转成图片并删除java源代码
- java学习(103):字符串概述
- 使用pandas进行量化回测(akshare)
- #20175201张驰 实验三 敏捷开发与XP实践
- 机会是留给有准备的人
- matlab除与左除,Matlab左除和右除
- 微信小程序自动化测试——智能化 Monkey
- 洪水填充算法_计算机图形:洪水填充算法
- 互斥锁、自旋锁、读写锁和文件锁
- 计算机辅助教学应用于哪些方面,计算机辅助教学在英语教学中的运用
- ARM Cortex-M3/M4/M7 Hardfault异常分析
- smbd of samba-3.0.23b internal
- 在OpenFOAM中标记某些区域自适应加密
- 大学生计算机基础与实训,大学生计算机基础实训六样文.docx
- 美国国土安全部和MSF相继发布了Citrix漏洞的测试利用工具
热门文章
- java.exe内存占用高_windows java.exe内存暴涨解决、idea跑java\ tomcat内存无限增长
- 多人赛跑用多线程实现
- 数据库多维度order by 排序分析
- 最少拍无纹波计算机控制系统,最少拍无纹波计算机控制系统设计.doc
- php 索引数组应用实例,php数字索引数组实例用法总结
- SAP HANA SQL系列四:数字函数
- USACO--Milking Cows (C语言)挤奶牛
- QT6.2关于坐标显示
- kan-java, 一个能裁剪语法特性的java动态编译工具
- 【思维与逻辑】有1000瓶药水,但其中有一瓶毒药水,需要多少只小白鼠?