目录
22 关系: 埃尔米特矩阵，单位圆，可对角化矩阵，复平面，实对称矩阵，對角矩陣，代数基本定理，因式分解，矩阵，矩阵分解，線性無關，线性代数，特征向量，特征值和特征向量，特徵多項式，非奇异方阵，谱定理，酉矩阵，逆矩阵，模，正交矩阵，正规矩阵。
- 矩阵分解
- 矩陣論
埃尔米特矩阵
埃尔米特矩阵（Hermitian matrix，又译作厄米矩阵），也稱自伴隨矩陣，是共轭對稱的方陣。埃尔米特矩阵中每一个第i行第j列的元素都与第j行第i列的元素的复共轭。 对于 有： 记做： 例如： 3&2+i\\ 2-i&1 \end 就是一个埃尔米特矩阵。 显然，埃尔米特矩阵主对角线上的元素都是实数的，其特征值也是实数。对于只包含实数元素的矩阵（实矩阵），如果它是对称阵，即所有元素关于主对角线对称，那么它也是埃尔米特矩阵。也就是说，实对称矩阵是埃尔米特矩阵的特例。.
查看 特征分解和埃尔米特矩阵
单位圆
在数学中，单位圆是指半径为单位长度的圆，通常为欧几里得平面直角坐标系中圆心为（0,0）、半径为1的圆。单位圆对于三角函数和复数的坐标化表示有着重要意义。单位圆通常表示为S1。多维空间中，单位圆可推广为单位球。 如果单位圆上的点 (x, y)位于第一象限，那么x与y是斜边长度为1的直角三角形的两条边，根据勾股定理，x与y满足方程： 由于对于所有的x来说x2.
查看 特征分解和单位圆
可对角化矩阵
可对角化矩阵是线性代数和矩阵论中重要的一类矩阵。如果一个方块矩阵 A 相似于对角矩阵，也就是说，如果存在一个可逆矩阵 P 使得 P −1AP 是对角矩阵，则它就被称为可对角化的。如果 V 是有限维度的向量空间，则线性映射 T: V → V 被称为可对角化的，如果存在 V 的一个基，T 关于它可被表示为对角矩阵。对角化是找到可对角化矩阵或映射的相应对角矩阵的过程。 可对角化矩阵和映射在线性代数中有重要价值，因为对角矩阵特别容易处理: 它们的特征值和特征向量是已知的，且其次方可通过計算对角元素同样的次方来獲得。 若尔当-谢瓦莱分解表达一个算子为它的对角部分与它的幂零部分的和。.
查看 特征分解和可对角化矩阵
复平面
数学中，复平面（complex plane）是用水平的实轴与垂直的虚轴建立起来的复数的几何表示。它可视为一个具有特定代数结构笛卡儿平面（实平面），一个复数的实部用沿着 x-轴的位移表示，虚部用沿着 y-轴的位移表示。 复平面有时也叫做阿尔冈平面，因为它用于阿尔冈图中。这是以让-罗贝尔·阿尔冈（1768-1822）命名的，尽管它们最先是挪威-丹麦土地测量员和数学家卡斯帕尔·韦塞尔（1745-1818）叙述的。阿尔冈图经常用来标示复平面上函数的极点与零点的位置。 复平面的想法提供了一个复数的几何解释。在加法下，它们像向量一样相加；两个复数的乘法在极坐标下的表示最简单——乘积的长度或模长是两个绝对值或模长的乘积，乘积的角度或辐角是两个角度或辐角的和。特别地，用一个模长为 1 的复数相乘即为一个旋转。.
查看 特征分解和复平面
实对称矩阵
#重定向 對稱矩陣.
查看 特征分解和实对称矩阵
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.
查看 特征分解和對角矩陣
代数基本定理
代数基本定理说明，任何一个一元複系数方程式都至少有一个複数根。也就是说，複数域是代数封闭的。 有时这个定理表述为：任何一个非零的一元n次複系数多项式，都正好有n个複数根。这似乎是一个更强的命题，但实际上是“至少有一个根”的直接结果，因为不断把多项式除以它的线性因子，即可从有一个根推出有n个根。 尽管这个定理被命名为“代数基本定理”，但它还没有纯粹的代数证明，许多数学家都相信这种证明不存在。另外，它也不是最基本的代数定理；因为在那个时候，代数基本上就是关于解实系数或複系数多项式方程，所以才被命名为代数基本定理。 高斯一生总共对这个定理给出了四个证明，其中第一个是在他22岁时（1799年）的博士论文中给出的。高斯给出的证明既有几何的，也有函数的，还有积分的方法。高斯关于这一命题的证明方法是去证明其根的存在性，开创了关于研究存在性命题的新途径。 同时，高次代数方程的求解仍然是一大难题。伽罗瓦理論指出，对于一般五次以上的方程，不存在一般的代数解。.
查看 特征分解和代数基本定理
因式分解
因式分解（factorization，factorisation，或factoring），在數學中一般理解為把一個多項式分解為兩個或多個的因式（因式亦為多項式）的過程。在這個過後會得出一堆較原式簡單的多項式的積。例如多項式x^2 -4可被因式分解為\left(x+2 \right) \left(x-2 \right)。.
查看 特征分解和因式分解
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 特征分解和矩阵
矩阵分解
矩阵分解（decomposition, factorization）是多半将矩阵拆解为数个三角形矩阵（triangular matrix），依使用目的的不同，可分为几类。.
查看 特征分解和矩阵分解
線性無關
在線性代數裡，向量空間的一組元素中，若沒有向量可用有限個其他向量的線性組合所表示，则稱為線--性無關或線--性獨立（linearly independent），反之稱為線性相關（linearly dependent）。例如在三維歐幾里得空間R3的三個向量(1, 0, 0)，(0, 1, 0)和(0, 0, 1)線性無關。但(2, −1, 1)，(1, 0, 1)和(3, −1, 2)線性相關，因為第三個是前兩個的和。.
查看 特征分解和線性無關
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 特征分解和线性代数
特征向量
#重定向 特征值和特征向量.
查看 特征分解和特征向量
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.
特徵多項式
在線性代數中，對一個線性自同態（取定基即等價於方陣）可定義其特徵多項式，此多項式包含該自同態的一些重要性質，例如行列式、跡數及特徵值。.
查看 特征分解和特徵多項式
非奇异方阵
若方块矩阵A\,满足条件\left|A\right|(\rm(A))\ne0，则称A\,为非奇异方阵，否则称为奇异方阵。.
查看 特征分解和非奇异方阵
谱定理
数学上，特别是线性代数和泛函分析中，谱定理是关于线性算子或者矩阵的一些结果。泛泛来讲，谱定理给出了算子或者矩阵可以对角化的条件（也就是可以在某个基底中用对角矩阵来表示）。对角化的概念在有限维空间中比较直接，但是对于无穷维空间中的算子需要作一些修改。通常，谱定理辨认出一族可以用乘法算子来代表的线性算子，这是可以找到的最简单的情况了。用更抽象的语言来讲，谱定理是关于交换C*-代数的命题。参看谱分析中的历史观点。 可以应用谱定理的例子有希尔伯特空间上的自伴算子或者更一般的正规算子。 谱定理也提供了一个算子所作用的向量空间的标准分解，称为谱分解，特征值分解，或者特征分解。 本条目中，主要考虑谱定理的简单情况，也就是希尔伯特空间上的自伴算子。但是，如上文所述，谱定理也对希尔伯特空间上的正规算子成立。.
查看 特征分解和谱定理
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 特征分解和酉矩阵
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 特征分解和逆矩阵
模
在數學的抽象代數中，環上的模 (module over a ring)的概念是對向量空間概念的推廣，這裡不再要求向量空間裡的純量的代數結構是體(field)，進而放寬純量可以是環(ring)。 因此，模同向量空間一樣是加法交换群；在環元素和模元素之間定義了乘積運算，并且環元素和模元素的乘積是符合結合律的（在同環中的乘法一起用的時候）和分配律的。 模非常密切的關聯於群的表示理論。它們還是交換代數和同調代數的中心概念，并廣泛的用于代數幾何和代數拓撲中。.
查看 特征分解和模
正交矩阵
在矩阵论中，正交矩阵（orthogonal matrix）是一個方块矩阵Q，其元素為实数，而且行與列皆為正交的单位向量，使得該矩陣的转置矩阵為其逆矩阵： 其中，I為單位矩陣。正交矩陣的行列式值必定為+1或-1，因為： 底下是一些重要的性質：.
查看 特征分解和正交矩阵
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 特征分解和正规矩阵
另见
矩阵分解
矩陣論
- 伴随矩阵
- 克罗内克积
- 基变更
- 奇异值分解
- 子式和余子式
- 拉普拉斯展开
- 极分解
- 特征值和特征向量
- 特征分解
- 矩阵分解
- 矩阵多项式
- 矩阵指数
- 矩阵环
- 矩阵的平方根
- 矩陣乘法
- 积和式
- 舒尔分解
- 若尔当标准型
- 若尔当矩阵
- 行列式
- 西尔维斯特惯性定理
- 谱定理
- 跡
- 非奇异方阵
亦称为 矩阵特征分解，谱分解。