{
  "id": "kernel-linear-map",
  "title": "核（线性映射）",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "线性映射的核是其定义域中所有被映射为零向量的向量构成的子空间。",
  "category": "mathematics",
  "subcategory": "algebra",
  "type": "concept",
  "aliases": [
    "线性映射的核",
    "线性变换的核",
    "零空间"
  ],
  "generated_at": "2026-10-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/kernel-linear-map/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/kernel-linear-map/",
      "json": "https://aiwiki.page/en/kernel-linear-map.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "在线性代数中，线性映射 \\(T:V\\to W\\) 的核是 \\(V\\) 中所有被 \\(T\\) 映射为 \\(W\\) 中零向量的向量构成的集合。核也称为零空间，记作 \\(\\ker T\\)。核刻画了映射无法区分的输入差异：两个输入的输出相同，当且仅当它们的差属于核。因此，核在研究解的唯一性和求解线性方程时具有根本作用。(homepages.ucl.ac.uk)"
    },
    {
      "heading": "定义与子空间结构",
      "text": "设 \\(V\\) 和 \\(W\\) 是同一域（数学） \\(F\\) 上的向量空间。则\n\n\\[\\ker T=\\{v\\in V:T(v)=0_W\\}.\\]\n\n这里的零是陪域中的零向量，不一定是标量。核包含于定义域；相比之下，像（线性映射） \\(\\operatorname{im}T=\\{T(v):v\\in V\\}\\) 包含于陪域。这些定义既适用于有限维空间，也适用于无限维空间。(homepages.ucl.ac.uk)\n\n核总是一个线性子空间。事实上，由线性性可得 \\(T(0_V)=0_W\\)，因此核非空。如果 \\(u,v\\in\\ker T\\) 且 \\(a,b\\in F\\)，则\n\n\\[T(au+bv)=aT(u)+bT(v)=0_W.\\]\n\n因此，核中向量的任意线性组合仍属于核。特别地，核不可能是空集：最小的核是 \\(\\{0_V\\}\\)，称为平凡核。(homepages.ucl.ac.uk)"
    },
    {
      "heading": "单射性与解集",
      "text": "一个线性映射是单射函数，当且仅当它的核是平凡核。关键在于以下等价关系：\n\n\\[T(u)=T(v)\\quad\\Longleftrightarrow\\quad u-v\\in\\ker T.\\]\n\n如果核中只有零向量，那么输出相同就必然意味着输入相同。反过来，核中的任何非零向量都与零向量具有相同的输出，因此映射不可能是单射。(math.ucla.edu)\n\n更一般地，假设 \\(T(x)=b\\) 有一个特解 \\(x_0\\)，则其完整解集为\n\n\\[x_0+\\ker T=\\{x_0+z:z\\in\\ker T\\}.\\]\n\n这是一个以核为方向空间的仿射空间。如果 \\(b\\notin\\operatorname{im}T\\)，则方程无解。因此，像决定了某个输出是否能够达到，而核决定了产生该输出的输入有多大程度的不唯一性。(math.dartmouth.edu)"
    },
    {
      "heading": "零化度与秩—零化度定理",
      "text": "核的维数（向量空间）称为 \\(T\\) 的零化度。当定义域为有限维空间时，秩—零化度定理指出\n\n\\[\\dim V=\\dim\\ker T+\\dim\\operatorname{im}T.\\]\n\n右侧第二项是秩。证明时，先取核的一组基（线性代数），将其扩充为 \\(V\\) 的一组基，再证明新增基向量的像构成像空间的一组基。(math.ucla.edu)\n\n对于一个 \\(m\\times n\\) 矩阵 \\(A\\)，上述公式变为\n\n\\[\\dim\\ker A=n-\\operatorname{rank}A,\\]\n\n其中，矩阵的秩衡量相互独立的输出方向的数量。特别地，若列数大于行数，则核必定非平凡。(live.ocw.mit.edu)"
    },
    {
      "heading": "矩阵表示与计算",
      "text": "选定基后，有限维空间之间的线性映射可用矩阵 \\(A\\) 表示，其核则由齐次线性方程组\n\n\\[Ax=0\\]\n\n的解来表示。高斯消元法不改变这一解集。在简化行阶梯形中，主元变量可用自由变量表示。依次将一个自由变量设为 \\(1\\)、其余自由变量设为 \\(0\\)，便可得到一组线性无关的解，它们的线性包就是整个核。(ocw.mit.edu)\n\n例如，在实数域上，取\n\n\\[A=\\begin{pmatrix} 1&2&3\\\\ 0&1&1 \\end{pmatrix}.\\]\n\n由方程可得 \\(x_2=-x_3\\) 和 \\(x_1=-x_3\\)。因此\n\n\\[\\ker A=\\{t(-1,-1,1):t\\in\\mathbb R\\}.\\]\n\n核是一条经过原点的直线，其一组基为 \\(\\{(-1,-1,1)\\}\\)，零化度为 \\(1\\)。这是利用自由变量构造核的基的直接例子。(ocw.mit.edu)\n\n尽管坐标表示会随所选的基而变化，但核本身是原定义域中不依赖于基的内在子空间。(math.ucla.edu)"
    },
    {
      "heading": "商空间解释",
      "text": "核在 \\(V\\) 上定义了一个等价关系：两个输入等价，当且仅当它们的差属于 \\(\\ker T\\)。相应的商向量空间 \\(V/\\ker T\\) 将输出相同的输入恰好归入同一个等价类。(math.dartmouth.edu)\n\n第一同构定理给出一个典范同构\n\n\\[V/\\ker T\\cong\\operatorname{im}T, \\qquad v+\\ker T\\longmapsto T(v).\\]\n\n这个映射是良定义的，因为给代表元加上核中的向量并不会改变其输出。它是单射，因为只有零陪集被映射为零；根据像的定义，它又是到像空间的满射。这一结论不需要有限维假设。(math.dartmouth.edu)"
    },
    {
      "heading": "求导的例子",
      "text": "核中的元素不一定是坐标向量。在次数不超过 \\(n\\) 的实系数多项式空间上，取导数的映射 \\(D(p)=p'\\) 的核恰好是所有常数多项式。当 \\(n\\geq1\\) 时，它的像由次数不超过 \\(n-1\\) 的多项式组成。因此，它的零化度为 \\(1\\)，秩为 \\(n\\)，而定义域的维数为 \\(n+1\\)，这展示了秩—零化度定理在函数空间中的应用。(homepages.ucl.ac.uk)"
    }
  ],
  "links": [
    "linear-algebra",
    "linear-map",
    "null-space",
    "field-mathematics",
    "vector-space",
    "image-linear-map",
    "linear-subspace",
    "linear-combination",
    "injective-function",
    "affine-space",
    "dimension-vector-space",
    "rank-nullity-theorem",
    "basis-linear-algebra",
    "matrix",
    "matrix-rank",
    "system-of-linear-equations",
    "gaussian-elimination",
    "linear-independence",
    "linear-span",
    "real-number",
    "equivalence-relation",
    "quotient-vector-space",
    "isomorphism",
    "polynomial",
    "derivative"
  ],
  "sources": [
    {
      "title": "homepages.ucl.ac.uk/~ucahmto/0007/_book/3-3-linear-maps.html",
      "url": "https://www.homepages.ucl.ac.uk/~ucahmto/0007/_book/3-3-linear-maps.html"
    },
    {
      "title": "math.ucla.edu/~mjandr/Math115A/115A.pdf",
      "url": "https://www.math.ucla.edu/~mjandr/Math115A/115A.pdf"
    },
    {
      "title": "math.dartmouth.edu/~trs/PreTeXtProjects/linear-algebra-refresher-CLI/output/web…",
      "url": "https://math.dartmouth.edu/~trs/PreTeXtProjects/linear-algebra-refresher-CLI/output/web/section-factoring-through-a-quotient.html"
    },
    {
      "title": "live.ocw.mit.edu/courses/18-06-linear-algebra-spring-2010/c1729bd4d02104d1632a4…",
      "url": "https://live.ocw.mit.edu/courses/18-06-linear-algebra-spring-2010/c1729bd4d02104d1632a4dd8cc63d055_MIT18_06S10_L11.pdf"
    },
    {
      "title": "ocw.mit.edu/courses/18-06sc-linear-algebra-fall-2011/pages/ax-b-and-the-four-su…",
      "url": "https://ocw.mit.edu/courses/18-06sc-linear-algebra-fall-2011/pages/ax-b-and-the-four-subspaces/solving-ax-0-pivot-variables-special-solutions/"
    },
    {
      "title": "homepages.ucl.ac.uk/~ucahmto/0005_2023/Ch4.S15.html",
      "url": "https://www.homepages.ucl.ac.uk/~ucahmto/0005_2023/Ch4.S15.html"
    }
  ],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}