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

  1. 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 ...

  2. 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 ...

  3. 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 ...

  4. 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 ...

  5. 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 ...

  6. 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 ...

  7. 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 ...

  8. 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 ...

  9. 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

  1. python应用实例论文_番外篇——Python多进程应用实例一则
  2. redux的compose源码,中文注释
  3. matlab求解外弹道,基于MATLAB∕Simulink的通用质点外弹道程序设计.pdf
  4. 【Android 应用开发】 自定义 圆形进度条 组件
  5. 电路常识性概念(8)-MOS管及简单CMOS逻辑门电路原理图
  6. 转jpg java源程序_将pdf文件转成图片并删除java源代码
  7. java学习(103):字符串概述
  8. 使用pandas进行量化回测(akshare)
  9. #20175201张驰 实验三 敏捷开发与XP实践
  10. 机会是留给有准备的人
  11. matlab除与左除,Matlab左除和右除
  12. 微信小程序自动化测试——智能化 Monkey
  13. 洪水填充算法_计算机图形:洪水填充算法
  14. 互斥锁、自旋锁、读写锁和文件锁
  15. 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
  16. ARM Cortex-M3/M4/M7 Hardfault异常分析
  17. smbd of samba-3.0.23b internal
  18. 在OpenFOAM中标记某些区域自适应加密
  19. 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
  20. 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

  1. 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
  2. 多人赛跑用多线程实现
  3. 数据库多维度order by 排序分析
  4. 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
  5. php 索引数组应用实例,php数字索引数组实例用法总结
  6. SAP HANA SQL系列四:数字函数
  7. USACO--Milking Cows (C语言)挤奶牛
  8. QT6.2关于坐标显示
  9. kan-java, 一个能裁剪语法特性的java动态编译工具
  10. 【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?