矩阵开方怎么算
n次根式的运算法则？
n次根式的运算法则？
计算n次根号即等价于求1/n次方，因此可以通过ab^(1/n)，对变量b开n次方，如果要对矩阵中每个元素开n次方，则需要进行的计算AB^(1/n)，^表示对矩阵B中每个元素进行操作，所以B^(1/n)即表示对矩阵B中每个元素开n次方。根号是一个数学符号，用来表示对一个数或一个代数式进行开方运算的符号，若ab，那么a是b开n次方的n次方根或a是b的1/n次方
高数一，矩阵可以像行列式一样算出具体的一个数值吗？
这个倒是可以，不多矩阵的能够得到某个实数域数值的运算与上面的行列式的值的含义是不同的。
矩阵的本质是个多维向量，简单的1行或者1列的矩阵就是一维行向量或一维列向量
不过，总是有某种算法可以计算向量的某个性质，这个性质可以是数值
例如，一维向量的模|A|，实际上就是向量A的数值性质，|A|属于R；
扩展开来，对于多维向量，上面的模称为范数，一维向量的模也称为其范数
范数有多种定义方法，上面的求一维向量的模，也就是求各个元素的平方和的平方根这种范数运算，称为2-范数，也称为欧几里得范数，或：谱范数
多维矩阵A的2-范数定义为：该A的转置与A的乘积的最大特征根（也称为奇异值）的平方根。
此外，范数还有1-范数；∞-范数等，统称为p-范数，上述各个范数是p1；p2；p∞的特称。
另一方面，实际上，一维向量的模|A|（2-范数）也就是该向量表征的点距离坐标原点的距离。所以，我们可以这样简单地理解，矩阵的范数实际上就是矩阵所占的“体积”，也就是该矩阵在多维欧几里得空间中所占的空间。这个是矩阵的数值（实数域数值）的特征的几何意义。
一个矩阵的模怎么求值？
对于实矩阵，矩阵A的2范数定义为：A的转置与A乘积的最大特征值开平方根。对于以上矩阵，直接调用函数可以求得2范数为16.8481，使用定义计算的过程，说明计算是正确的。
对于复矩阵，将转置替换为共轭转置，矩阵A的∞范数定义为先沿着行方向取绝对值之和，取最大值(与1范数类似)。
1、应用中常将有限维赋范向量空间之间的映射以矩阵的形式表现，这时映射空间上装备的范数也可以通过矩阵范数的形式表达。
2、矩阵范数却不存在公认唯一的度量方式, 一般来讲矩阵范数除了正定性，齐次性和三角不等式之外，还规定其必须满足相容性。
3、如果║·║α是相容范数，且任何满足║·║β≤║·║α的范数║·║β都不是相容范数，那么║·║α称为极小范数。对于n阶实方阵（或复方阵）全体上的任何一个范数║·║，总存在唯一的实数kgt0，使得k║·║是极小范数。
4、如果不考虑相容性，那么矩阵范数和向量范数就没有区别，因为mxn矩阵全体和mn维向量空间同构。引入相容性主要是为了保持矩阵作为线性算子的特征，这一点和算子范数的相容性一致，并且可以得到Mincowski定理以外的信息。