目录
奇异值分解
奇异值分解（singular value decomposition）是线性代数中一种重要的矩阵分解，在信号处理、统计学等领域有重要应用。奇异值分解在某些方面与对称矩阵或厄米矩陣基于特征向量的对角化类似。然而这两种矩阵分解尽管有其相关性，但还是有明显的不同。对称阵特征向量分解的基础是谱分析，而奇异值分解则是谱分析理论在任意矩阵上的推广。.
查看 条件数和奇异值分解
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 条件数和三角矩阵
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 条件数和矩阵
矩陣範數
矩陣範數（matrix norm）是數學中矩阵论、线性代数、泛函分析等领域中常见的基本概念，是将一定的矩阵空间建立为赋范向量空间时为矩阵装备的范数。应用中常将有限维赋范向量空间之间的映射以矩阵的形式表现，这时映射空间上装备的范数也可以通过矩阵范数的形式表达。 矩阵范数却不存在公认唯一的度量方式。.
查看 条件数和矩陣範數
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。.
查看 条件数和线性代数
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 条件数和特征值和特征向量
酉矩阵
若一n行n列的複数矩阵U满足 其中I_n\,为n阶单位矩阵，U^\dagger \,为U的共轭转置，则U称为--（又译作--、--。英文：Unitary Matrix, Unitary是歸一或單位的意思）。即，矩阵U为酉矩阵，当且仅当其共轭转置U^\dagger \,为其逆矩阵： 若酉矩阵的元素都是实数，其即为正交矩阵。与正交矩阵G不会改变两个实向量的内积类似， 酉矩阵U不改变两个复向量的内积： 若U \,为n阶方阵，则下列条件等价：.
查看 条件数和酉矩阵
逼近误差
在数值分析这个数学分支中，逼近误差是近似值与真实值之间的差别。由于如下因素可能会导致逼近误差的出.
查看 条件数和逼近误差
正规矩阵
在数学中，正规矩阵 \mathbf是与自己的共轭转置交换的复系数方块矩阵，也就是说， \mathbf满足 其中\mathbf^*是\mathbf的共轭转置。 如果\mathbf是实系数矩阵，则\mathbf^*.
查看 条件数和正规矩阵
数值分析
数值分析（numerical analysis），是指在数学分析（区别于离散数学）问题中，对使用数值近似（相对于一般化的符号运算）算法的研究。 巴比伦泥板YBC 7289是关于数值分析的最早数学作品之一，它给出了 \sqrt 在六十进制下的一个数值逼近，\sqrt是一個邊長為1的正方形的對角線，在西元前1800年巴比倫人也已在巴比倫泥板上計算勾股數（畢氏三元數）（3, 4, 5），即直角三角形的三邊長比。 数值分析延續了實務上數學計算的傳統。巴比倫人利用巴比伦泥板計算\sqrt的近似值，而不是精確值。在許多實務的問題中，精確值往往無法求得，或是無法用有理數表示（如\sqrt）。数值分析的目的不在求出正確的答案，而是在其誤差在一合理範圍的條件下找到近似解。 在所有工程及科學的領域中都會用到数值分析。像天體力學研究中會用到常微分方程，最優化會用在资产组合管理中，數值線性代數是資料分析中重要的一部份，而隨機微分方程及馬可夫鏈是在醫藥或生物學中生物細胞模擬的基礎。 在電腦發明之前，数值分析主要是依靠大型的函數表及人工的內插法，但在二十世紀中被電腦的計算所取代。不過電腦的內插演算法仍然是数值分析軟體中重要的一部份。.
查看 条件数和数值分析
另见
数值分析
- Clenshaw递推公式
- 代理模型
- 伽辽金法
- 保序回归
- 假精確
- 冯诺依曼稳定性分析
- 刚度矩阵
- 基本解方法
- 奇异边界法
- 差分
- 帕德近似
- 径向基函数
- 德卡斯特里奥算法
- 德布尔算法
- 捨入誤差
- 收斂速度
- 数值分析
- 数值稳定性
- 數值微分
- 數值積分
- 有效数字
- 条件数
- 离散傅里叶变换
- 离散化
- 秦九韶算法
- 线性代数
- 线性近似
- 维数灾难
- 羅斯π引理
- 蒙地卡羅方法
- 误差传播
- 辛普森積分法
- 边界粒子法
- 边界节点法
- 近似
- 迭代法
- 逼近理论
- 逼近误差
- 適定性問題
- 重疊-儲存之摺積法
- 重疊-相加之摺積法
- 離散小波變換
- 雷米茲演算法
- 電腦協助證明
亦称为 病态矩阵，良置。