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

转置矩阵

指数 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.

目录

  1. 22 关系: 埃尔米特伴随，半双线性形式，反函數，向量空间，复数，实数，对偶空间，單位矩陣，共轭复数，共轭转置，矩阵，线性代数，线性映射，点积，非奇异方阵，行列式，雙線性形式，逆矩阵，标量，正半定矩阵，正交矩阵，方块矩阵。

  2. 抽象代数

埃尔米特伴随

数学上，特别是泛函分析中，希尔伯特空间中的每个线性算子有一个相应的伴随算子（adjoint operator）。算子的伴随将方块矩阵共轭转置推广到（可能）无穷维情形。如果我们将希尔伯特空间上的算子视为“广义复数”，则一个算子的伴随起着一个复数的共轭的作用。 一个算子A的伴随常常也称为埃尔米特伴随（Hermitian adjoint，以夏尔·埃尔米特命名），记作A*或A†（后者尤其用于狄拉克符号记法）。.

查看 转置矩阵和埃尔米特伴随

半双线性形式

在数学中，在复数向量空间V上的半双线性形式是映射V × V → C，它在一个参数上是线性的而在另一个参数上是反线性（半线性）的。比较于双线性形式，它在两个参数上都是线性的；要注意很多作者尤其是在只处理复数情况的时候，把半双线性形式称为双线性形式。 一个主要例子是在复数向量空间上的内积，它不是双线性的而是半双线性的。.

查看 转置矩阵和半双线性形式

反函數

在數學裡，反函數為對一給定函數做逆運算的函數。更正式些地說，設f為一函數，其定義域為X，值域為Y。如果存在一函數g，其定義域和值域分別為Y,\, X，並對每一x \in X有： 則稱g為f的反函數，記之為f^。注意上標「−1」指的並不是冪，跟在三角學裡特指\sin x平方的\sin^2 x不同。 例如，若給定一函數f: x\mapsto 3x+2，則其反函數為f^: x\mapsto\frac。 若一函數有反函數，此函數便稱為可逆的。.

查看 转置矩阵和反函數

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。.

查看 转置矩阵和向量空间

复数

#重定向 复数 (数学).

查看 转置矩阵和复数

实数

实数，是有理數和無理數的总称，前者如0、-4、81/7；后者如\sqrt、\pi等。实数可以直观地看作小數（有限或無限的），它們能把数轴「填滿」。但僅僅以枚舉的方式不能描述實數的全體。实数和虚数共同构成复数。 根据日常经验，有理數集在數軸上似乎是「稠密」的，于是古人一直认为用有理數即能滿足測量上的實際需要。以邊長為1公分的正方形為例，其對角線有多長？在規定的精度下（比如誤差小於0.001公分），總可以用有理數來表示足夠精確的測量結果（比如1.414公分）。但是，古希臘畢達哥拉斯學派的數學家發現，只使用有理數無法完全精確地表示這條對角線的長度，這徹底地打擊了他們的數學理念；他們原以為：.

查看 转置矩阵和实数

对偶空间

在數學裡，任何向量空間V都有其對應的對偶向量空間（或簡稱為對偶空間），由V的線性泛函組成。此對偶空間俱有一般向量空間的結構，像是向量加法及純量乘法。由此定義的對偶空間也可稱之為代數對偶空間。在拓撲向量空間的情況下，由連續的線性泛函組成的對偶空間則稱之為連續對偶空間。 对偶空間是 行向量（1×n）與列向量（n×1）的關係的抽象化。這個結構能夠在無限維度空間進行並為测度,分佈及希爾伯特空間提供重要的觀點。对偶空間的應用是泛函分析理論的特徵。傅立叶變換亦內蘊对偶空間的概念。.

查看 转置矩阵和对偶空间

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 转置矩阵和單位矩陣

共轭复数

在數學中，複數的複共軛（常簡稱共軛）是對虛部變號的運算，因此一個複數 的複共軛是 舉例明之： 在複數的極坐標表法下，複共軛寫成 這點可以透過歐拉公式驗證 將複數理解為複平面，則複共軛無非是對實軸的反射。複數z的複共軛有時也表為z^*。.

查看 转置矩阵和共轭复数

共轭转置

矩阵A的共轭转置A^*（又称埃尔米特共轭、埃尔米特转置）定义为： 其中(\cdot)_表示矩阵i行j列上的元素，\overline表示标量的复共轭。 这一定义也可以写作： 其中A^\mathrm \,\!是矩阵A的转置，\overline\,\!表示对矩阵A中的元素取复共轭。 通常用以下记号表示矩阵A的共轭转置：.

查看 转置矩阵和共轭转置

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 转置矩阵和矩阵

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 转置矩阵和线性代数

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。.

查看 转置矩阵和线性映射

点积

在数学中，点积（Skalarprodukt、Dot Product）又称--或标量积（Skalarprodukt、Scalar Product），是一种接受两个等长的数字序列（通常是坐标向量）、返回单个数字的代数运算。在欧几里得几何中，两个笛卡尔坐标向量的点积常称为內積（inneres Produkt、Inner Product），见内积空间。 从代数角度看，先对两个数字序列中的每组对应元素求积，再对所有积求和，结果即为点积。从几何角度看，点积则是两个向量的长度与它们夹角余弦的积。这两种定义在笛卡尔坐标系中等价。 点积的名称源自表示点乘运算的点号（a·b），标量积的叫法则是在强调其运算结果为标量而非向量。向量的另一种乘法是叉乘（a×b），其结果为向量，称为叉积或向量积。 點积是--的一种特殊形式。.

查看 转置矩阵和点积

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 转置矩阵和非奇异方阵

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 转置矩阵和行列式

雙線性形式

在域 F 中,向量空間 V 的雙線性形式指的是一个V × V → F 上的线性函数 B, 满足： 都是线性的。這個定義也適用於交換環的模，这时线性函数要改为模同态。 注意一個雙線性形式是特別的双线性映射。.

查看 转置矩阵和雙線性形式

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 转置矩阵和逆矩阵

标量

--（Scalar），又称--，是只有大小，没有方向，可用實數表示的一個量，實際上純量就是實數，純量這個稱法只是為了區別與向量的差別。标量可以是負數，例如溫度低於冰點。与之相对，向量（又称--）既有大小，又有方向。 在物理学中，标量是在坐标变换下保持不变的物理量。例如，欧几里得空间中两点间的距离在坐标变换下保持不变，相对论四维时空中在坐标变换下保持不变。与此相对的矢量，其分量在不同的坐标系中有不同的值，例如速度。标量可被用作定义向量空间。.

查看 转置矩阵和标量

正半定矩阵

#重定向 正定矩阵#负定、半定及不定矩阵.

查看 转置矩阵和正半定矩阵

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 转置矩阵和正交矩阵

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.

查看 转置矩阵和方块矩阵

另见

抽象代数

亦称为 轉置。