我们正在努力恢复Google Play商店上的Unionpedia应用程序
传出传入
🌟我们简化了设计以优化导航!
Instagram Facebook X LinkedIn

對角矩陣

指数 對角矩陣

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.

目录

  1. 11 关系: 對稱矩陣主對角線三角矩阵單位矩陣矩阵矩陣乘法特征值和特征向量特徵向量行列式零矩陣逆矩阵

對稱矩陣

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.

查看 對角矩陣和對稱矩陣

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.

查看 對角矩陣和主對角線

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。.

查看 對角矩陣和三角矩阵

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.

查看 對角矩陣和單位矩陣

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.

查看 對角矩陣和矩阵

矩陣乘法

這篇文章給出多種矩陣相乘方法的綜述。.

查看 對角矩陣和矩陣乘法

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.

查看 對角矩陣和特征值和特征向量

特徵向量

#重定向 特征值和特征向量.

查看 對角矩陣和特徵向量

行列式

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。.

查看 對角矩陣和行列式

零矩陣

在數學中,特別是在線性代數中,零矩陣即所有元素皆為0的矩陣。一些零矩陣的例子: 0_.

查看 對角矩陣和零矩陣

逆矩阵

逆矩陣(inverse matrix):在线性代数中,給定一个n階方陣\mathbf,若存在一n階方陣\mathbf,使得\mathbf.

查看 對角矩陣和逆矩阵

亦称为 对角阵,對角線矩陣。