對稱矩陣和對角矩陣

快捷方式: 差异，相似，杰卡德相似系数，参考。

對稱矩陣和對角矩陣之间的区别

對稱矩陣 vs. 對角矩陣

在線性代數中，對稱矩陣是一個方形矩陣，其轉置矩陣和自身相等。 對稱矩陣中的右上至左下方向元素以主對角線（左上至右下）為軸進行對稱。若將其寫作A. 對角矩陣（diagonal matrix）是一個主對角線之外的元素皆為0的矩陣。對角線上的元素可以為0或其他值。因此n行n列的矩陣\mathbf.

主對角線

在線性代數中，一個方块矩阵的主對角線是一條由左上角至右下角的對角線。例如，以下矩陣中，為1的元素就位在主對角線上： 1 & 0 & 0\\ 0 & 1 & 0\\ 0 & 0 & 1\end 如果一个矩阵的主對角線以外的元素全為0，這樣的矩陣就稱作對角矩陣。而主對角線元素的和，即為矩陣的跡數。 另一種對角線則稱作反對角線、反向對角線或次對角線。 反向對角線即为从右上角到左下角的对角线。 Z.

主對角線和對稱矩陣 · 主對角線和對角矩陣 · 查看更多 »

特征值和特征向量

在数学上，特别是线性代数中，对于一个给定的矩阵A，它的特征向量（eigenvector，也譯固有向量或本征向量）v 经过这个线性变换之后，得到的新向量仍然与原来的v 保持在同一條直線上，但其长度或方向也许會改变。即 \lambda為純量，即特征向量的长度在该线性变换下缩放的比例，称\lambda 为其特征值（本征值）。如果特徵值為正，则表示v 在经过线性变换的作用后方向也不变；如果特徵值為負，说明方向会反转；如果特征值为0，则是表示缩回零点。但无论怎样，仍在同一条直线上。图1给出了一个以著名油画《蒙娜丽莎》为题材的例子。在一定条件下（如其矩阵形式为实对称矩阵的线性变换），一个变换可以由其特征值和特征向量完全表述，也就是說：所有的特徵向量組成了這向量空間的一組基底。一个特征空间(eigenspace)是具有相同特征值的特征向量与一个同维数的零向量的集合，可以证明该集合是一个线性子空间，比如\textstyle E_\lambda.

對稱矩陣和特征值和特征向量 · 對角矩陣和特征值和特征向量 · 查看更多 »