以下为整理者补充的概念比较与低阶反例;一般结论的条件和证明保留在相应专题中。除复对称一节外,数值矩阵取实数域。
相抵、相似与合同
相抵允许左右分别作可逆变换 ,同型矩阵由秩分类;相似为 ,描述同一线性算子的换基;实对称矩阵的合同为 ,由惯性分类。
与 同秩而不同迹,故相抵但不相似。一阶矩阵 与 合同,取 即可,却不相似。 与 同秩,但惯性不同,故不合同。
详见满秩分解与相抵标准形的应用、不变因子与初等因子的转换、惯性定律与惯性指数。
代数重数、几何重数与极小多项式
与 的特征多项式都是 。前者的特征子空间维数为二,后者为一;极小多项式分别为 与 。所以重特征值本身并不妨碍对角化,特征向量不足才构成障碍。
详见可对角化的判据与反例。特征多项式和极小多项式都相同仍不相似的例子见不变因子与初等因子的转换。
特征值与奇异值
对 ,有 ,全部特征值为零;但 ,奇异值为 。因此“特征值都小”不能直接推出对向量长度的作用小。
特征值来自 ;奇异值来自 的非负特征值开平方,也适用于矩形矩阵。见奇异值分解与范数方法。
投影与正交投影
满足 ,但不对称,其像与核也不正交。对 ,有 。幂等性只保证直和分解;正交投影还要求像与核正交,等价于幂等算子自伴。
详见幂等变换与投影分解、正交补与正交投影;用范数条件恢复正交性的过程见高等代数递进题组#4. 从直和投影到正交投影。
非退化、正定与限制非退化
在 上非退化,但不是正定。取 ,则 ;在直线 上,限制型恒为零。全空间非退化,不能保证每个子空间的限制非退化。
关键区别在量词:非退化排除的是与所有向量配对都为零的非零向量;迷向只要求与自己配对为零。详见双线性型的正交补与非退化限制、对称双线性型与迷向子空间。
实对称与复对称
实对称矩阵有标准正交特征向量基。复数域中对应的条件为 ,即 Hermite 条件;普通对称 不够。例如 满足 、、,所以不可对角化:若能对角化,其特征值全为零便会迫使 。
伴随矩阵、伴随映射与对偶映射
伴随矩阵 由代数余子式组成,满足 ,不依赖内积。伴随映射依赖所选内积;标准正交基下,其矩阵为共轭转置。对偶映射 则无需内积,在相应对偶基下的矩阵为普通转置。
原教材求逆章节用 表示伴随矩阵,而内积相关笔记也常以星号表示共轭转置;读到星号时应先看该篇的记号约定。详见矩阵的伴随矩阵方法、伴随映射与度量矩阵、对偶映射与双重对偶;术语外文见数学术语对照表(中英法)。