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$L:V\mapsto W$L:V↦W，V和W为两个向量空间，满足$L(\vec{v})=\vec{0}$L(v)=0的所有元素$\vec{v}$v组成的空间，称为kernel或nullspace。
数学表示为：
$ker(L)=\{\vec{v}\in V|L(\vec{v})=0\}$ker(L)={v∈V∣L(v)=0}

如上图所示，当两个不同的元素$\vec{v_1},\vec{v_2}$v1​​,v2​​具有相同的image(W空间黄色区域内)时，则意味着$\vec{v_1}-\vec{v_2}$v1​​−v2​​在L的kernel空间内：
$L(\vec{v_1})=L(\vec{v_2})\Leftrightarrow L(\vec{v_1}-\vec{v_2})=\vec{0}$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：
$im(L)\cong V/ker(L)$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)