矩阵理论知识点整理资料
矩阵的知识点总结
矩阵的知识点总结一、基本概念1.1 矩阵的定义矩阵是一个由数字排成的矩形阵列。
它由m行n列的数域（通常是实数域或复数域）中的元素所组成，用A=(aij)m×n表示。
1.2 矩阵的分类按行、列的数量可以将矩阵分为行矩阵、列矩阵和方阵；按元素的类型可以分为实矩阵和复矩阵。
1.3 矩阵的转置矩阵A的转置记作A^T，其中A^T的行数等于A的列数，A^T的列数等于A的行数。
1.4 矩阵的秩矩阵的秩是指矩阵中非零行的最大数目。
二、性质2.1 矩阵的加法性质设A、B是同一维数的矩阵，则它们的和A+B也是同一维数的矩阵，它的元素是A和B 对应元素的和。
2.2 矩阵的数乘性质设A是m×n的矩阵，k是数，则kA是m×n的矩阵，它的元素是k与A中对应元素的乘积。
2.3 矩阵的乘法性质设A是m×n的矩阵，B是n×p的矩阵，那么它们的乘积AB是m×p的矩阵。
2.4 矩阵的逆若存在一个矩阵B，使得AB=BA=I，其中I是单位矩阵，则称B是A的逆矩阵，记作A^-1。
2.5 矩阵的行列式对于n阶方阵A，其行列式是一个标量，通常用det(A)或|A|表示，代表了矩阵A的某种代数性质。
三、运算3.1 矩阵的加法设A=(aij)m×n，B=(bij)m×n，那么A+B=(aij+bij)m×n。
3.2 矩阵的数乘设A=(aij)m×n，k是数，则kA=(kaij)m×n。
3.3 矩阵的乘法设A=(aij)m×n，B=(bij)n×p，那么AB=(cij)m×p，其中cij=∑(k=1→n)aij*bkj。
3.4 矩阵的转置对于n×m的矩阵A，它的转置矩阵是m×n的矩阵，且满足(a^T)ij=aji。
四、特殊矩阵4.1 方阵每个元素是一个标量的矩阵，其中行数和列数相等。
4.2 零矩阵所有元素都是零的矩阵。
矩阵知识点完整归纳
矩阵知识点完整归纳矩阵是大学数学中比较重要和基础的概念之一，具有广泛的应用领域，例如线性代数、微积分、计算机科学等。
本文将全面归纳和总结矩阵的基本概念、性质以及相关应用，旨在帮助读者更好地理解和掌握矩阵知识。
一、基本概念1.矩阵的定义矩阵是由一个$m\times n$ 的矩形阵列（数组）表示的数表，其中$m$ 表示矩阵的行数，$n$ 表示矩阵的列数。
如下所示：$$A = \begin{bmatrix}a_{11} & a_{12} & \cdots & a_{1n} \\\a_{21} & a_{22} & \cdots & a_{2n} \\\\vdots & \vdots & \ddots & \vdots \\\a_{m1} & a_{m2} & \cdots & a_{mn}\end{bmatrix}$$其中，$a_{ij}$ 表示矩阵的第$i$ 行、第$j$ 列元素。
2.矩阵的分类矩阵根据其元素的性质可以分为不同类型，主要有以下几种：（1）行矩阵（行向量）：只有一行的矩阵，例如$[a_1,a_2,\cdots,a_n]$。
（2）列矩阵（列向量）：只有一列的矩阵，例如$\begin{bmatrix}a_1\\\ a_2\\\ \vdots\\\ a_m\end{bmatrix}$。
（3）方阵：行数等于列数的矩阵，例如$A=\begin{bmatrix}1 & 2 & 3\\\ 4 & 5 & 6\\\ 7 & 8 & 9\end{bmatrix}$。
（4）零矩阵：所有元素都为$0$ 的矩阵，例如$\begin{bmatrix}0 & 0 & 0\\\ 0 & 0 & 0\\\ 0 & 0 & 0\end{bmatrix}$。
矩阵知识点总结大学
矩阵知识点总结大学一、基本概念1.1 矩阵的定义矩阵是指一个按照矩形排列的数字元素集合。
一般地，矩阵用符号“A”、“B”、“C”等来表示，其中每个元素用小写字母加标记来表示其位置，如a_ij表示矩阵A的第i行第j列的元素。
矩阵A的元素一般用a_ij来表示，其中i表示元素所在的行数，j表示元素所在的列数。
如下所示：A = [a_11, a_12, ..., a_1n][a_21, a_22, ..., a_2n][..., ..., ..., ...][a_m1, a_m2, ..., a_mn]矩阵的大小一般用m×n来表示，其中m表示矩阵的行数，n表示矩阵的列数。
矩阵的元素一般用小写字母a、b、c、d等来表示。
1.2 特殊矩阵⑴方阵：行数和列数相等的矩阵称为方阵。
n阶方阵指的是行数和列数均为n的方阵。
⑵零矩阵：所有元素都为0的矩阵称为零矩阵，通常用0表示。
⑶单位矩阵：对角线上的元素全为1，其他元素均为0的方阵称为单位矩阵，通常用I表示。
⑷对角矩阵：除了对角线上的元素外，其他元素均为0的矩阵称为对角矩阵。
1.3 矩阵的运算规则矩阵的运算包括加法、乘法和数乘三种，具体规则如下：⑴矩阵的加法：若A、B是同型矩阵，则它们的和记为A+B，定义为A+B=[a_ij+b_ij]，其中a_ij和b_ij分别是A和B对应位置的元素。
⑵矩阵的数乘：若A是一个矩阵，k是一个数，则它们的数乘记为kA，定义为kA=[ka_ij]，其中a_ij是A的元素。
⑶矩阵的乘法：若A是一个m×n的矩阵，B是一个n×p的矩阵，则它们的乘积记为A·B，定义为A·B=C，其中C是一个m×p的矩阵，其中C的第i行第j列的元素c_ij等于A的第i行和B的第j列对应元素的乘积的和。
1.4 矩阵的转置若A是一个m×n的矩阵，其转置记作A^T，定义为A^T=[a_ji]，其中a_ji表示A的第i 行第j列的元素。
矩阵论基础知识总结
矩阵论基础知识总结一、引言矩阵论是线性代数的重要分支，广泛应用于数学、物理、工程等领域。
本文将介绍矩阵的基本概念、运算规则、特殊类型矩阵以及矩阵的应用。
二、矩阵的基本概念1. 定义：矩阵是由m行n列的数按照一定的顺序排列而成的矩形数表，常用大写字母表示，如A、B。
2. 元素：矩阵的每个数称为元素，用小写字母表示，如a、b。
一个矩阵的第i行第j列的元素可以表示为a_ij。
3. 阶数：矩阵的行数和列数分别称为矩阵的行数和列数，记作m×n，其中m表示行数，n表示列数。
4. 主对角线：从左上角到右下角的对角线称为主对角线。
三、矩阵的运算规则1. 矩阵的加法：两个相同阶数的矩阵相加，即对应元素相加。
2. 矩阵的数乘：一个矩阵的每个元素都乘以同一个数。
3. 矩阵的乘法：若矩阵A的列数等于矩阵B的行数，则矩阵A与矩阵B的乘积C为一个新的矩阵，其中C的行数等于A的行数，列数等于B的列数。
四、特殊类型矩阵1. 零矩阵：所有元素都为0的矩阵，用0表示。
零矩阵与任何矩阵相加等于其本身。
2. 对角矩阵：主对角线以外的元素都为0的矩阵。
对角矩阵的乘法可以简化为主对角线上元素的乘积。
3. 单位矩阵：主对角线上的元素都为1，其余元素为0的对角矩阵。
单位矩阵与任何矩阵相乘等于其本身。
4. 转置矩阵：将矩阵的行和列互换得到的新矩阵。
5. 逆矩阵：对于方阵A，若存在一个方阵B，使得A与B的乘积等于单位矩阵，则称B为A的逆矩阵。
五、矩阵的应用1. 线性方程组：矩阵可以用于求解线性方程组，通过矩阵的运算可以将线性方程组转化为矩阵方程，从而求解未知数的值。
2. 向量空间：矩阵可以表示向量空间中的线性变换，通过矩阵的乘法可以实现向量的旋转、缩放等操作。
3. 数据处理：矩阵可以用于数据的存储和处理，通过矩阵运算可以实现数据的加工、筛选、聚合等操作。
4. 图像处理：图像可以表示为像素矩阵，通过矩阵运算可以实现图像的平移、旋转、缩放等操作。
矩阵知识点总结简单
矩阵知识点总结简单一、矩阵的定义和基本概念1.1 矩阵的定义矩阵是一个按行列排列的数字或符号构成的矩形阵列。
通常用大写字母表示，如A、B、C 等。
1.2 矩阵的元素矩阵中的每一个数字都称为元素。
第i行第j列的元素称为a_ij，表示第i行第j列位置上的数字。
1.3 矩阵的维数矩阵的维数是指矩阵的行数和列数，通常用m×n表示，其中m表示行数，n表示列数。
如果一个矩阵的行数和列数相等，称为方阵。
方阵的阶数就是它的行数或列数。
1.4 矩阵的转置矩阵A的转置记作A^T，就是将矩阵A的行列互换得到的新矩阵。
即如果A=(a_ij)是一个m×n的矩阵，那么A^T=(b_ij)是一个n×m的矩阵，其中b_ij=a_ji。
1.5 矩阵的零矩阵和单位矩阵全是零的矩阵称为零矩阵，记作0。
对角线上都是1，其余都是0的矩阵称为单位矩阵，记作I。
1.6 矩阵的相等如果两个矩阵A和B的对应元素都相等，那么它们是相等的，记作A＝B。
换句话说，只要两个矩阵A和B的维数相同，而且对应元素相等，那么它们就是相等的矩阵。
二、矩阵的运算2.1 矩阵的加法和减法设A=(a_ij)和B=(b_ij)是两个相同维数的矩阵，那么它们的和A＋B=(c_ij)和差A－B=(d_ij)分别定义为：c_ij=a_ij+b_ij， d_ij=a_ij-b_ij2.2 矩阵的数乘设A=(a_ij)是一个m×n的矩阵，k是一个数，那么kA=(b_ij)定义为：b_ij=k*a_ij2.3 矩阵的乘法设A是一个m×n的矩阵，B是一个n×p的矩阵，那么它们的乘积AB=C是一个m×p的矩阵，C的第i行第j列元素c_ij如下求得：c_ij=a_i1b_1j+a_i2b_2j+…+a_i nb_nj2.4 矩阵的逆若m阶方阵A的逆矩阵存在，即存在一个m阶矩阵B，使得AB=BA=I，则称A可逆，B称为A的逆矩阵，记作A^(-1)。
矩阵分析知识点总结
矩阵分析知识点总结一、矩阵的基本概念1.1 矩阵的定义矩阵是由数个数排成的矩形阵列。
矩阵可以用大写字母表示。
1.2 矩阵的基本要素- 元素：矩阵中的每一个数称为矩阵的元素。
- 维数：矩阵的行数和列数称为矩阵的维数。
行和列的个数分别称为行数和列数。
1.3 矩阵的类型- 方阵：行数等于列数的矩阵称为方阵。
- 零矩阵：所有元素都是 0 的矩阵称为零矩阵。
- 对角矩阵：除了主对角线上的元素外，其它元素都是 0 的矩阵称为对角矩阵。
1.4 矩阵的表示- 横标法：按行标的顺序把元素排列成一串数，两个 4× 3 的矩阵可以表示为 12 个数。
- 纵标法：按纵标的顺序把元素排列成一串数。
1.5 矩阵的运算- 矩阵的加法- 矩阵的数乘- 矩阵的乘法1.6 矩阵的转置- 行变列，列变行，得到的新矩阵称为原矩阵的转置。
- 性质： (AT)T = A1.7 矩阵的逆- 若矩阵 A 有逆矩阵 A-1, 则 A × A-1 = A-1 × A = E- 矩阵 A 有逆矩阵的充分必要条件是 A 是可逆的。
- 克拉默法则：若一个 n 阶矩阵可逆，且 Ax = b，则 x = A-1b1.8 矩阵的秩- 行最简形矩阵都是行等价的。
其秩等于不为零的行数。
- 同样列最简形矩阵都是列等价的。
其秩等于不为零的列数。
- 行秩等于列秩。
1.9 矩阵的特征值和特征向量- 特征值：如果数λ和非零向量 x ,使得Ax = λx 成立，则称λ 是矩阵 A 的特征值。
非零向量x 称为特征值λ 对应的特征向量。
- 矩阵 A 所有特征值的集合称为 A 的谱。
- 若λ1，λ2，···，λn 互不相同，相应的特征向量组 x1，x2，···，xn 线性无关，则它们构成一组 A 的特征向量基。
1.10 矩阵的奇异值- 奇异值：对于矩阵A(λ1, λ2, ···, λn)，λ1，λ2，···,λn称为矩阵 A 的奇异值。
矩阵知识点归纳及例题
矩阵知识点归纳及例题一、矩阵知识点归纳。
（一）矩阵的定义。
1. 矩阵的概念。
- 由m× n个数a_ij(i = 1,2,·s,m;j = 1,2,·s,n)排成的m行n列的数表(a_11a_12·sa_1n a_21a_22·sa_2n ⋮⋮⋱⋮ a_m1a_m2·sa_mn)称为m× n矩阵，简称矩阵，其中a_ij称为矩阵的第i行第j列的元素。
2. 特殊矩阵。
- 零矩阵：所有元素都为0的矩阵，记为O。
- 方阵：行数与列数相等的矩阵，即m = n时的矩阵A称为n阶方阵。
- 对角矩阵：除主对角线元素外，其余元素都为0的方阵，即a_ij=0(i≠ j)的n 阶方阵(a_110·s0 0a_22·s0 ⋮⋮⋱⋮ 00·sa_nn)。
- 单位矩阵：主对角线元素都为1，其余元素都为0的n阶方阵，记为I或E，即(10·s0 01·s0 ⋮⋮⋱⋮ 00·s1)。
（二）矩阵的运算。
1. 矩阵的加法。
- 设A=(a_ij)和B=(b_ij)是两个m× n矩阵，则A + B=(a_ij+b_ij)，即对应元素相加。
- 矩阵加法满足交换律A + B=B + A和结合律(A + B)+C = A+(B + C)。
2. 矩阵的数乘。
- 设A=(a_ij)是m× n矩阵，k是一个数，则kA=(ka_ij)，即矩阵的每个元素都乘以k。
- 数乘满足分配律k(A + B)=kA + kB和(k + l)A=kA + lA（k、l为常数）。
3. 矩阵的乘法。
- 设A=(a_ij)是m× s矩阵，B=(b_ij)是s× n矩阵，则AB是m× n矩阵，其中(AB)_ij=∑_k = 1^sa_ikb_kj。
- 矩阵乘法一般不满足交换律，即AB≠ BA（在A、B可乘的情况下），但满足结合律(AB)C = A(BC)和分配律A(B + C)=AB + AC，(A + B)C = AC+BC。
矩阵理论(完整版)
2
6.
P 范数： || x || p (
| x |
i 1 i
n
p 1/ p
)
1 p
7. 8.
向量序列极限： lim x
k
(k )
a lim xi( k ) ai
k
(i 1, 2,
, n) lim || x( k ) a || 0
nn
， 存 在 可 逆 矩 阵 T C
nn
， 使 得 A T T ， 当 A 正 定 时 ，
H
A T H IT T H T 。
4. 矩阵 A Cr
H
mn
，则有： rank ( A) rank ( A A) rank ( AA ) ； A A、AA 的特征值均为非负实数
3.2 矩阵的谱分解（只适用于方阵）
1. 2. 单纯矩阵：矩阵的代数重数等于几何重数。单纯矩阵可对角化。 正规矩阵：满足 A A AA 的 n 阶复矩阵。正规矩阵是单纯矩阵。
H H
n k A , i j ， Ai En A C nn 是单纯矩阵，则 A 可分解为： A i Ai ， Ai Aj i i 1 0, i j i 1
nn
2 H 2 H
n
n
（b）. 酉不变性：对任一的酉矩阵 U、V P ，有 || A ||m2 || U AV ||m2 || UAV
||2 m2 ，
|| A ||m2 || UA ||m2 || AV ||m2 || UAV ||m2
14. 矩阵范数与向量范数相容：若 || Ax ||a || A ||m || x ||a ，称 || ||m 为与向量范数 || ||a 相容的矩阵范数。 —2—
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
三、矩阵的若方标准型及分解λ-矩阵及其标准型定理1λ-矩阵()λA可逆的充分必要条件是行列式()λA是非零常数引理2 λ-矩阵()λA=()()nmij⨯λa的左上角元素()λ11a不为0，并且()λA中至少有一个元素不能被它整除，那么一定可以找到一个与()λA等价的()()()nmij⨯=λλbB使得()0b11≠λ且()λ11b的次数小于()λ11a的次数。
引理3任何非零的λ-矩阵()λA=()()nmij⨯λa等价于对角阵()()()⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡........d21λλλrdd()()()λλλr21d,....d,d是首项系数为1的多项式，且()()1......3,2,,1,/d1-=+ridiiλλ引理4 等价的λ-矩阵有相同的秩和相同的各阶行列式因子推论5 λ-矩阵的施密斯标准型是唯一的由施密斯标准型可以得到行列式因子推论6 两个λ-矩阵等价，当且仅当它们有相同的行列式因子，或者相同的不变因子推论7λ-矩阵()λA可逆，当且仅当它可以表示为初等矩阵的乘积推论8两个()()λλλBAm与矩阵的-⨯n等价当且仅当存在一个m阶的可逆λ-矩阵()λP和一个n阶的λ-矩阵()λQ使得()()()()λλλλQAP=B推论9 两个λ-矩阵等价，当且仅当它们有相同的初等因子和相同的秩定理10设λ-矩阵()λA 等价于对角型λ-矩阵()()()()⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎣⎡=λλλλn h h .....21h B ，若将()λB 的次数大于1的对角线元素分解为不同的一次因式的方幂的乘积，则所有这些一次因式的方幂（相同的按照重复的次数计算）就是()λA 的全部初等因子。
行列式因子不变因子初等因子初等因子被不变因子唯一确定但，只要λ-矩阵()λA 化为对角阵，再将次数大于等于1的对角线元素分解为不同的一次方幂的乘积，则所有这些一次因式的方幂（相同的必须重复计算）就为()λA 的全部初等因子，即不必事先知道不变因子，可以直接求得初等因子。
矩阵的若当标准型 定理1两个n ⨯m 阶数字矩阵A 和B 相似，当且仅当它们的特征矩阵B -E A -E λλ与等价N 阶数字矩阵的特征矩阵A -E λ的秩一定是n 因此它的不变因子有n 个，且乘积是A 的特征多项式 推论3 两个同阶矩阵相似，当且仅当它们有相同的行列式因子，或相同的不变因子，或相同的初等因子。
定理4每个n 阶复矩阵A 都与一个若当标准型矩阵相似，这个若当标准型矩阵除去其中若当块的排列次序外是被矩阵A 唯一确定的。
求解若当标准型及可逆矩阵Ｐ：根据数字矩阵写出特征矩阵，化为对角阵后，得出初等因子，根据初等因子，写出若当标准型Ｊ，设Ｐ（Ｘ１Ｘ２Ｘ３），然后根据JX X X X X X A PJ AP J AP P 321321-1），，（），，（，即得到===得到P （X1X2X3）方阵矩阵的最小多项式 定理1 矩阵A 的最小多项式整除A 的任何零化多项式，且最小多项式唯一。
N 阶数字矩阵可以相似对角化，当且仅当最小多项式无重根。
定理2矩阵A 的最小多项式的根一定是A 的特征值，反之，矩阵Ａ的特征值一定是最小多项式的根。
求最小多项式：根据数字矩阵写出特征多项式()A E f -=λλ，根据特征多项式得到最小多项式的形式，然后根据()()0E -A E -A E -A r 21=⋯⋯λλλ）（确定最小多项式。
矩阵的若干分解分解QR设Ａ为ｎ阶复矩阵，则存在酉矩阵Ｑ和上三角阵Ｒ使得Ａ＝ＱＲ方法：根据数字矩阵()321A ααα=列出321ααα，正交化单位化后，得到321εεε，即()321Q εεε=根据A Q R QR A 1-==得得R 。
奇异值分解设Ａ是n ⨯m 阶复矩阵，0d d d d r 321≥⋯⋯≥≥是Ａ的所有的非零奇异值，则存在ｍ阶酉矩阵Ｐ、ｎ阶酉矩阵Ｑ，使得[]0D 0H AQ P =其中，[]r d ...D 1d =是对角阵，等式[]H00D 0Q P A =是Ａ的奇异值分解对于一个n ⨯m 阶复矩阵Ａ来说，ｎ阶方阵A A H 是半正定的，及特征值是全部大于或者等于０，这些特征值的平方根便是Ａ的奇异值。
求Ａ的奇异值分解：根据数字矩阵Ａ得到A A B H=，根据特征矩阵得到特征值，n 1r r 21λλλλλ⋯⋯⋯⋯+，并计算出每个特征值对应的特征向量，()[]）（构造和然后根据）（正交化后，，2121H21-1102112r 2111r 21n 1r r 21n1r r 21P P P P 1P 0P P D AQ P D Q ...)..,(...,..,======⋯⋯=⋯⋯=⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯++++λλεεεεεεεεεεαααααλλλλλQ Q Q Q n r n r 则[]HD 0QPA =第二章 内积空间实内积空间（欧氏空间）()()()()()Tn n n n y y y A x x x y y y ......x x x 2121n 1211n 2211=⋯+++⋯++=εεεεεεαβA 为过渡矩阵（对称且正定）⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=））（）（（））（）（（））（）（（331313322212312111A εεεεεεεεεεεεεεεεεε N 维欧氏空间V 中两组不同基的度量矩阵是合同的。
正交基及正交补①由欧氏空间V 的任意一组基n ααα...21都可以构造出V 的一组标准正交基。
②两两正交的单位向量的行列向量均是A A A EA A 是正交阵A T1-T ⇔=⇔=⇔③设V1V2是欧氏空间V 的两个正交基子空间，则V1+V2是直和，两个子空间互为正交补满秩分解设()0C A m >=∈⨯r A R n且则存在列满秩矩阵r m C C ⨯∈和行满秩矩阵n r C D ⨯∈使得Ａ＝ＣＤ求Ａ的满秩分解：根据数字矩阵Ａ写出分块矩阵（Ａ Ｅ）进行初等行变换得（Ｂ Ｐ）其中Ｂ＝[]D 0，根据求得的P 求出1-P然后对）（⋯⋯=211-P αα进行列分块，得到Ｃ＝r 1αα⋯⋯。
则Ａ＝ＣＤ正交变换），（），（βαβα=A A 正交变换的等价条件()()矩阵是正交阵在任一标准正交基下的也是标准正交基，是标准正交基则，，若保持向量长度不变（是正交变换T )4(T ...T T ...)3(T )2(1)T 2121⇔⇔⇔n n εεεεεε证明：对称变换()()βαβαA A ，，=复内积空间（酉空间） 酉空间两组标准正交基的过渡矩阵一定是酉矩阵E AA A A H H ==酉空间V 的线性变换Ｔ满足()()βαβα，，=A酉空间内变换的等价条件()()矩阵是酉矩阵在任一标准正交基下的也是标准正交基，是标准正交基则，，若保持向量长度不变（是酉变换T )4(T ...T T ...)3(T )2(1)T 2121⇔⇔⇔n n εεεεεε酉对称变换（Hermite 变换）：()()βαβαA ,A =，()A A AA E A A AA E A A AA -A A Hermite A A Hermite -A A AA H H HH T T HH T T =⎪⎪⎪⎪⎭⎪⎪⎪⎪⎬⎫========正规矩阵酉矩阵：正交矩阵：矩阵反矩阵：反对称矩阵：实对称矩阵：定理：若A 是n 阶方阵（1）若A 是复矩阵，则A 是正规阵，当且仅当A 酉相似于对角阵。
即∧=AP P P H使得存在酉矩阵证明：1.必要性：设存在酉矩阵P 使得∧=AP P H则H P P A ∧=（2）若A 是实矩阵，且A 的特征值全是实数，则A 是正规阵，当且仅当Ａ正交相似于对角阵，即∧=AP P P T 使得存在正交矩阵H H P A P ∧=，A A P P P AA H H H H =∧∧=））（（P 即为正规阵 2.充分性：若A 是正规阵，则满足H H AA A A =则。
推论：任一Hermite 矩阵A 酉相似于对角阵，∧=AP P P H 使得存在酉矩阵任一实对称矩阵A 酉相似于对角阵，∧=AP P P T 使得存在酉矩阵推论：设A 是n 阶正规阵 （1）Ａ是Hermite 矩阵，当且仅当A 的特征值全是实数（2）Ａ是反Hermite 矩阵，当且仅当A 的特征值全是0或者纯虚数（3）A 是酉矩阵，当且仅当A 的每个特征值的模长是1 。
证明：定理：设Ａ是n 阶Hermite 矩阵（实对称矩阵）则EAC C P B B A P A A H H =⇔=⇔⇔使存在实可逆矩阵使存在可逆矩阵的特征值全是正数是正定的证明：一线性空间与线性变换数域及多项式 数域：关于加减乘除全部封闭，如有理数集Ｑ，实数集Ｒ，复数集Ｃ 线性空间 零元唯一，负元唯一基变换与坐标变换由基''2'121......n n εεεεεε到的过渡矩阵Ａ是可逆的。
线性子空间（关于加法和数乘封闭） 平凡子空间：零子空间和线性空间本身{}一般不是但的子空间是的和与）（的子空间是的交与）（的两个子空间是212121212121V V V V V V V 2V V V V V 1V V V ⋃+=+⋂βα维数公式：()()212121V V dim dim V dim V V V dim ⋂-+=+线性空间的等价条件21212121V dim dimV V V (dim }0{V V V V +=+⇔=⋂⇔⇔+）零向量的分解唯一是直和。