矩阵
正交矩阵
如果AAT=E（E为单位矩阵，AT表示“矩阵A的转置矩阵”）或ATA=E，则n阶实矩阵A称为正交矩阵。
定义编辑 如果：AAT=E（E为单位矩阵，AT表示“矩阵A的转置矩阵”。）或ATA=E，则n阶实矩阵A称为正交矩阵， 若A为正交阵，则满足以下条件: 1) AT是正交矩阵 2) （E为单位矩阵） 3) A的各行是单位向量且两两正交 4) A的各列是单位向量且两两正交 5) (Ax,Ay)=(x,y) x,y∈R 6) |A| = 1或-1 7) 正交矩阵通常用字母Q表示。 举例：A=[r11 r12 r13;r21 r22 r23;r31 r32 r33] 则有：r11^2+r21^2+r31^2=r12^2+r22^2+r32^2=r13^2+r23^2+r33^2=1 r11*r12+r21*r22+r31*r32=0等性质
定理编辑 1. 方阵A正交的充要条件是A的行（列) 向量组是单位正交向量组； 2. 方阵A正交的充要条件是A的n个行（列)向量是n维向量空间的一组标准正交基； 3. A是正交矩阵的充要条件是：A的行向量组两两正交且都是单位向量； 4. A的列向量组也是正交单位向量组。 5. 正交方阵是欧氏空间中标准正交基到标准正交基的过渡矩阵。 在矩阵论中，实数正交矩阵是方块矩阵Q，它的转置矩阵是它的逆矩阵，如果正交矩阵的行列式为 +1，则我们称之为特殊正交矩阵
奇异矩阵
奇异矩阵是线性代数的概念，就是该矩阵的秩不是满秩。首先，看这个矩阵是不是方阵（即行数和列数相等的矩阵。若行数和列数不相等，那就谈不上奇异矩阵和非奇异矩阵）。
然后，再看此矩阵的行列式|A|是否等于0，若等于0，称矩阵A为奇异矩阵；若不等于0，称矩阵A为非奇异矩阵。 同时，由|A|≠0可知矩阵A可逆，这样可以得出另外一个重要结论:可逆矩阵就是非奇异矩阵，非奇异矩阵也是可逆矩阵。 如果A为奇异矩阵，则AX=0有无穷解，AX=b有无穷解或者无解。如果A为非奇异矩阵，则AX=0有且只有唯一零解，AX=b有唯一解。
概述编辑 奇异矩阵是线性代数的概念，就是对应的行列式等于0的方阵。 判断方法编辑 首先，看这个矩阵是不是方阵（即行数和列数相等的矩阵。若行数和列数不相等，那就谈不上奇异矩阵和非奇异矩阵）。 然后，再看此矩阵的行列式|A|是否等于0，若等于0，称矩阵A为奇异矩阵；若不等于0，称矩阵A为非奇异矩阵。 同时，由|A|≠0可知矩阵A可逆，这样可以得出另外一个重要结论:可逆矩阵就是非奇异矩阵，非奇异矩阵也是可逆矩阵。 如果A为奇异矩阵，则AX=0有无穷解，AX=b有无穷解或者无解。如果A为非奇异矩阵，则AX=0有且只有唯一零解，AX=b有唯一解。 用途示例 非奇异矩阵还可以表示为若干个初等矩阵的乘积，证明中往往会被用到。 如果A(n×n)为奇异矩阵（singular matrix）<=> A的秩Rank(A)<n. 如果A(n×n)为非奇异矩阵（nonsingular matrix）<=> A满秩，Rank(A)=n. [1] 注意 Eviews软件中当样本容量太少或是当变量间存在完全相关性时会提示“near singular matrix”，意为“近奇异矩阵”。计量经济学范畴 在信号处理中，当信号协方差矩阵不是奇异矩阵时，则信号不相关或者部分相关。 特点 一个方阵非奇异当且仅当它的行列式不为零。 一个方阵非奇异当且仅当它代表的线性变换是个自同构。 一个矩阵半正定当且仅当它的每个特征值大于或等于零。 一个矩阵正定当且仅当它的每个特征值都大于零。
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，并通过简单的提升对角元素到同样的幂来把一个矩阵提升为它的幂。
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。
矩阵的迹
在线性代数中，一个n×n矩阵A的主对角线（从左上方至右下方的对角线）上各个元素的总和被称为矩阵A的迹（或迹数），一般记作tr(A)
性质编辑
(1)设有N阶矩阵A，那么矩阵A的迹（用 表示）就等于A的特征值的总和，也即矩阵A的主对角线元素的总和。
1.迹是所有对角元的和
2.迹是所有特征值的和
3.某些时候也利用tr(AB)=tr(BA)来求迹
4.trace（mA+nB）=m trace（A）+n trace（B）
(2)奇异值分解（Singular value decomposition ）
奇异值分解非常有用，对于矩阵A(p*q)，存在U(p*p)，V(q*q)，B(p*q)（由对角阵与增广行或列组成），满足A = U*B*V
U和V中分别是A的奇异向量，而B是A的奇异值。AA'的特征向量组成U，特征值组成B'B，A'A的特征向量组成V，特征值（与AA'相同）组成BB'。因此，奇异值分解和特征值问题紧密联系。
如果A是复矩阵，B中的奇异值仍然是实数。
SVD提供了一些关于A的信息，例如非零奇异值的数目（B的阶数）和A的阶数相同，一旦阶数确定，那么U的前k列构成了A的列向量空间的正交基。
(3)在数值分析中，由于数值计算误差，测量误差，噪声以及病态矩阵，零奇异值通常显示为很小的数目。
将一个矩阵分解为比较简单或者性质比较熟悉的矩阵之组合，方便讨论和计算。由于矩阵的特征值和特征向量在化矩阵为对角形的问题中占有特殊位置， 因此矩阵的特征值分解。尽管矩阵的特征值具有非常好的性质，但是并不是
总能正确地表示矩阵的“大小”。矩阵的奇异值和按奇异值分解是矩阵理论和应用中十分重要的内容，已成为多变量反馈控制系统最重要最基本的分析工具之一，奇异值实际上是复数标量绝对值概念的推广， 表示了反馈控制系统的
输出/输入增益，能反映控制系统的特性。《鲁棒控制.倾斜转弯导弹》
行列式
行列式在数学中，是一个函数，其定义域为det的矩阵A，取值为一个标量，写作det(A)或 | A | 。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。
性质编辑 ①行列式A中某行(或列)用同一数k乘,其结果等于kA。 ②行列式A等于其转置行列式AT(AT的第i行为A的第i列)。 ③若n阶行列式|αij|中某行(或列);行列式则|αij|是两个行列式的和，这两个行列式的第i行(或列),一个是b1,b2,…,bn；另一个是с1，с2,…,сn；其余各行（或列）上的元与|αij|的完全一样。 ④行列式A中两行（或列）互换,其结果等于-A。 ⑤把行列式A的某行（或列）中各元同乘一数后加到另一行（或列）中各对应元上，结果仍然是A。[1]
数学定义是由排成n阶方阵形式的n²个数aij(i,j=1,2,...,n)确定的一个数，其值为n！项之和
式中k1,k2,...,kn是将序列1,2,...,n的元素次序交换k次所得到的一个序列，Σ号表示对k1,k2,...,kn取遍1,2,...,n的一切排列求和，那末数D称为n阶方阵相应的行列式.例如，四阶行列式是4！个形为
的项的和，而其中a13a21a34a42相应于k=3,即该项前端的符号应为(－1)3. 若n阶方阵A=（aij）,则A相应的行列式D记作 D=|A|=detA=det(aij) 若矩阵A相应的行列式D=0，称A为奇异矩阵，否则称为非奇异矩阵. 标号集：序列1,2,...,n中任取k个元素i1,i2,...,ik满足 1≤i1<i2<...<ik≤n(1) i1,i2,...,ik构成{1,2,...,n}的一个具有k个元素的子列，{1,2,...,n}的具有k个元素的满足(1)的子列的全体记作C(n,k),显然C(n,k)共有 个子列.因此C(n,k)是一个具有个元素的标号集（参见第二十一章，1，二），C(n,k)的元素记作σ,τ,...,σ∈C(n,k)表示 σ={i1,i2,...,ik} 是{1,2,...,n}的满足(1)的一个子列.若令τ={j1,j2,...,jk}∈C(n,k),则σ=τ表示i1=j1,i2=j2,...,ik=jk。
矩阵特征值
A是n阶方阵，如果数λ和n维非零列向量x使关系式Ax=λx成立，那么这样的数λ称为矩阵A特征值，非零向量x称为A的对应于特征值λ的特征向量。式Ax=λx也可写成( A-λE)X=0。这是n个未知数n个方程的齐次线性方程组，它有非零解的充分必要条件是系数行列式| A-λE|=0。
