行列式和跡

快捷方式: 差异，相似，杰卡德相似系数，参考。

行列式和跡之间的区别

行列式 vs. 跡

行列式（Determinant）是数学中的一個函數，将一个n \times n的矩陣A映射到一個純量，记作\det(A)或|A|。行列式可以看做是有向面积或体积的概念在一般的欧几里得空间中的推广。或者说，在n 维欧几里得空间中，行列式描述的是一个线性变换对“体积”所造成的影响。无论是在线性代数、多项式理论，还是在微积分学中（比如说换元积分法中），行列式作为基本的数学工具，都有着重要的应用。 行列式概念最早出现在解线性方程组的过程中。十七世纪晚期，关孝和与莱布尼茨的著作中已经使用行列式来确定线性方程组解的个数以及形式。十八世纪开始，行列式开始作为独立的数学概念被研究。十九世纪以后，行列式理论进一步得到发展和完善。矩阵概念的引入使得更多有关行列式的性质被发现，行列式在许多领域都逐渐显现出重要的意义和作用，出现线性自同态和向量组的行列式的定义。 行列式的特性可以被概括为一个交替多线性形式，这个本质使得行列式在欧几里德空间中可以成为描述“体积”的函数。. 在线性代数中，一個n \times n的矩陣\mathbf的跡（或跡數），是指\mathbf的主對角線（從左上方至右下方的對角線）上各個元素的總和，一般記作\operatorname(\mathbf)或\operatorname(\mathbf)： 其中\mathbf_代表矩陣的第i行j列上的元素的值。一個矩陣的跡是其特徵值的總和（按代數重數計算）。 跡的英文為trace，是來自德文中的Spur這個單字（與英文中的Spoor是同源詞），在數學中，通常簡寫為「Sp」或「tr」。.

基 (線性代數)

在线性代数中，基(basis)（也称为基底）是描述、刻画向量空间的基本工具。向量空间的基是它的一个特殊的子集，基的元素称为基向量。向量空间中任意一个元素，都可以唯一地表示成基向量的线性组合。如果基中元素个数有限，就称向量空间为有限维向量空间，将元素的个数称作向量空间的维数。 使用基底可以便利地描述向量空间。比如说，考察从一个向量空间\mathrm射出的线性变换f，可以查看这个变换作用在向量空间的一组基\mathfrak上的效果。掌握了f(\mathfrak)，就等于掌握了f对\mathrm中任意元素的效果。 不是所有空间都拥有由有限个元素构成的基底。这样的空间称为无限维空间。某些无限维空间上可以定义由无限个元素构成的基。如果承认选择公理，那么可以证明任何向量空间都拥有一组基。一个向量空间的基不止一组，但同一个空间的两组不同的基，它们的元素个数或势（当元素个数是无限的时候）是相等的。一组基里面的任意一部分向量都是线性无关的；反之，如果向量空间拥有一组基，那么在向量空间中取一组线性无关的向量，一定能将它扩充为一组基。在内积向量空间中，可以定义正交的概念。通过特别的方法，可以将任意的一组基变换成正交基乃至标准正交基。.

基 (線性代數)和行列式 · 基 (線性代數)和跡 · 查看更多 »

变换矩阵

变换矩阵是数学线性代数中的一个概念。 在线性代数中，线性变换能够用矩阵表示。如果T是一个把Rn映射到Rm的线性变换，且x是一个具有n个元素的列向量，那么 我们把m×n的矩阵A，称为T的变换矩阵。.

变换矩阵和行列式 · 变换矩阵和跡 · 查看更多 »

向量空间

向量空間是现代数学中的一个基本概念。是線性代數研究的基本对象。 向量空间的一个直观模型是向量几何，幾何上的向量及相关的運算即向量加法，標量乘法，以及对運算的一些限制如封闭性，结合律，已大致地描述了“向量空間”这个數學概念的直观形象。 在现代数学中，“向量”的概念不仅限于此，满足下列公理的任何数学对象都可被当作向量处理。譬如，實系數多項式的集合在定义适当的运算后构成向量空間，在代数上处理是方便的。单变元实函数的集合在定义适当的运算后，也构成向量空间，研究此类函数向量空间的数学分支称为泛函分析。.

向量空间和行列式 · 向量空间和跡 · 查看更多 »

多項式

多项式（Polynomial）是代数学中的基础概念，是由称为未知数的变量和称为系数的常数通过有限次加减法、乘法以及自然数幂次的乘方运算得到的代数表达式。多项式是整式的一种。未知数只有一个的多项式称为一元多项式；例如x^2-3x+4就是一个一元多项式。未知数不止一个的多项式称为多元多项式，例如就是一個三元多项式。 可以写成只由一项构成的多项式也称为单项式。如果一项中不含未知数，则称之为常数项。 多项式在数学的很多分支中乃至许多自然科学以及工程学中都有重要作用。.

多項式和行列式 · 多項式和跡 · 查看更多 »

三角矩阵

在线性代数中，三角矩阵是方形矩阵的一种，因其非零系数的排列呈三角形状而得名。三角矩阵分上三角矩阵和下三角矩阵两种。上三角矩阵的对角线左下方的系数全部为零，下三角矩阵的对角线右上方的系数全部为零。三角矩阵可以看做是一般方阵的一种简化情形。比如，由于带三角矩阵的矩阵方程容易求解，在解多元线性方程组时，总是将其系数矩阵通过初等变换化为三角矩阵来求解；又如三角矩阵的行列式就是其对角线上元素的乘积，很容易计算。有鉴于此，在数值分析等分支中三角矩阵十分重要。一个可逆矩阵A可以通过LU分解变成一个下三角矩阵L与一个上三角矩阵U的乘积。.

三角矩阵和行列式 · 三角矩阵和跡 · 查看更多 »

單位矩陣

在線性代數中，n階單位矩陣，是一個n \times n的方形矩陣，其主對角線元素為1，其餘元素為0。單位矩陣以I_n表示；如果階數可忽略，或可由前後文確定的話，也可簡記為I（或者E）。（在部分領域中，如量子力學，單位矩陣是以粗體字的1表示，否則無法與I作區別。） I_1.

單位矩陣和行列式 · 單位矩陣和跡 · 查看更多 »

矩阵

數學上，一個的矩陣是一个由--（row）--（column）元素排列成的矩形阵列。矩陣--的元素可以是数字、符号或数学式。以下是一个由6个数字元素构成的2--3--的矩阵： 大小相同（行数列数都相同）的矩阵之间可以相互加减，具体是对每个位置上的元素做加减法。矩阵的乘法则较为复杂。两个矩阵可以相乘，当且仅当第一个矩阵的--数等于第二个矩阵的--数。矩阵的乘法满足结合律和分配律，但不满足交换律。 矩阵的一个重要用途是解线性方程组。线性方程组中未知量的系数可以排成一个矩阵，加上常数项，则称为增广矩阵。另一个重要用途是表示线性变换，即是诸如.

矩阵和行列式 · 矩阵和跡 · 查看更多 »

純量

#重定向 标量.

純量和行列式 · 純量和跡 · 查看更多 »

线性代数

线性代数是关于向量空间和线性映射的一个数学分支。它包括对线、面和子空间的研究，同时也涉及到所有的向量空间的一般性质。 坐标满足线性方程的点集形成n维空间中的一个超平面。n个超平面相交于一点的条件是线性代数研究的一个重要焦点。此项研究源于包含多个未知数的线性方程组。这样的方程组可以很自然地表示为矩阵和向量的形式。 线性代数既是纯数学也是应用数学的核心。例如，放宽向量空间的公理就产生抽象代数，也就出现若干推广。泛函分析研究无穷维情形的向量空间理论。线性代数与微积分结合，使得微分方程线性系统的求解更加便利。线性代数的理论已被泛化为。 线性代数的方法还用在解析几何、工程、物理、自然科学、計算機科學、计算机动画和社会科学（尤其是经济学）中。由于线性代数是一套完善的理论，非线性数学模型通常可以被近似为线性模型。.

线性代数和行列式 · 线性代数和跡 · 查看更多 »

线性映射

在数学中，线性映射（有的书上将“线性变换”作为其同义词，有的则不然）是在两个向量空间（包括由函数构成的抽象的向量空间）之间的一种保持向量加法和标量乘法的特殊映射。线性映射从抽象代数角度看是向量空间的同态，从范畴论角度看是在给定的域上的向量空间所构成的范畴中的态射。 “线性算子”也是与“线性映射”有关的概念。但是不同数学书籍上对“线性算子”的定义存在区别。在泛函分析中，“线性算子”一般被当做“线性映射”的同义词。而有的书则将“线性算子”定义为“线性映射”的自同态子类（详见下文）。为叙述方便，本条目在提及“线性算子”时，采用后一种定义，即将线性算子与线性映射区别开来。.

线性映射和行列式 · 线性映射和跡 · 查看更多 »

置換

排列（Permutation）是將相異物件或符號根據確定的順序重排。每個順序都稱作一個排列對於不排序的情形，請見條目組合。。例如，從一到六的數字有720種排列，對應於由這些數字組成的所有不重複亦不闕漏的序列，例如"4, 5, 6, 1, 2, 3" 與1, 3, 5, 2, 4, 6。 置換的廣義概念在不同語境下有不同的形式定義：.

置換和行列式 · 置換和跡 · 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.

特征值和特征向量和行列式 · 特征值和特征向量和跡 · 查看更多 »

相似矩陣

在线性代数中，相似矩阵是指存在相似关系的矩阵。相似关系是两个矩阵之间的一种等价关系。两个n×n矩阵A与B为相似矩阵当且仅当存在一个n×n的可逆矩阵P，使得： P被称为矩阵A与B之间的相似变换矩阵。 相似矩阵保留了矩阵的许多性质，因此许多对矩阵性质的研究可以通过研究更简单的相似矩阵而得到解决。 判断两个矩阵是否相似的辅助方法： 1.判断特征值是否相等； 2.判断行列式是否相等； 3.判断跡是否相等； 4.判断秩是否相等； 以上条件可以作为判断矩阵是否相似的必要条件，而非充分条件。.

相似矩陣和行列式 · 相似矩陣和跡 · 查看更多 »

转置矩阵

在线性代数中，矩阵A的转置是另一个矩阵AT（也写做Atr, tA或A′）由下列等价动作建立.

行列式和转置矩阵 · 跡和转置矩阵 · 查看更多 »

若尔当标准型

在线性代数中，若尔当标准型（英語：Jordan normal form）或称若尔当正规型（英語：Jordan canonical form）是某個線性映射在有限維向量空間上的特別的矩陣表達形式，稱作若尔当矩陣(Jordan matrix)，這矩陣接近对角矩阵：除了主对角线和主对角线上方元素之外，其餘都是零且主對角線上方的對角線的係數若不為零--能為1，且這1左方和下方的係數（都在主對角線上）有相同的值。谱定理和正规矩阵都是若尔当标准型的特殊情况，因為可以被對角化(diagonalizable)。若尔当矩阵理论说明了任何一个系数域为\mathbb的方块矩阵M如果特征值都在\mathbb中，那么必然和某个若尔当标准型相似。或者说，如果一个有限維向量空間上的自同态線性映射的特征值都在系数域\mathbb中，那么它可以在某个基底下表示成若尔当标准型。 若尔当标准型得名于十九世纪后期的法国数学家卡米尔·若尔当。.

若尔当标准型和行列式 · 若尔当标准型和跡 · 查看更多 »

梯度

在向量微积分中，标量场的梯度是一个向量场。标量场中某一点的梯度指向在這點标量场增长最快的方向（當然要比較的話必須固定方向的長度），梯度的絕對值是長度為1的方向中函數最大的增加率，也就是說 |\nabla f|.

梯度和行列式 · 梯度和跡 · 查看更多 »

方块矩阵

方塊矩陣，或简称方阵，是行數及列數皆相同的矩陣。由n \times n\,矩陣組成的集合，連同矩陣加法和矩陣乘法，构成環。除了n.

方块矩阵和行列式 · 方块矩阵和跡 · 查看更多 »