特徵矢量是一個多維空間中的向量，它通常由一個分析對象的多個特徵量測值構成。例如，一個對象的n個特徵量測值分別為(x_1, x_2, x_3, \ldots, x_n)，這些量測值按照一定的順序排列，形成一個(n)維向量：
[ \mathbf{x} = (x_1, x_2, x_3, \ldots, x_n)^T ]
這個向量稱為特徵矢量，它是對原對象（樣本）的一種數學抽象，用來代表原對象，即原對象的模式。在模式識別和機器學習領域，特徵矢量是分析和分類識別對象的基礎。特徵矢量中的每個特徵值都可以看作是特徵空間中的一個坐標，因此特徵矢量也可以被視為特徵空間中的一個點，這個點稱為特徵點。
特徵矢量的概念不僅限於數學和工程領域，它在許多其他領域也有廣泛的套用，如統計學、物理學和經濟學等。例如，在統計學中，由於測量系統隨機因素的影響，同一類對象的特徵矢量在特徵空間中是按某種統計規律隨機分布的。
在矩陣理論中，特徵向量（本徵向量）是一個重要的概念，它描述了一個線性變換下不變方向的非簡併向量。該向量在變換下縮放的比例稱為其特徵值（本徵值）。一個線性變換通常可以由其特徵值和特徵向量完全描述。特徵空間是相同特徵值的特徵向量的集合。這與特徵矢量的概念相似，但它們的套用場景和意義有所不同。