矩阵基本运算及应用 牛晨晖 在数学中，矩阵是一个按照长方阵列排列的或集合。矩阵是高等代中的常见工具，也常见于统计分析等应用数学学科中。在物理学中，矩阵于电路学、、光学和中都有应用；中，制作也需要用到矩阵。矩阵的运算是领域的重要问题。将为简单矩阵的组合可以在理论和实际应用上简化矩阵的运算。在电力系统方面，矩阵知识已有广泛深入的应用，本文将在介绍矩阵基本运算和运算规则的基础上，简要介绍其在电力系统新能源领域建模方面的应用情况，并展望随机矩阵理论等相关知识与人工智能电力系统的紧密结合。 1矩阵的运算及其运算规则 1.1矩阵的加法与减法 1.1.1运算规则 设矩阵，， 则 简言之，两个矩阵相加减，即它们相同位置的元素相加减！ 注意：只有对于两个行数、列数分别相等的矩阵（即同型矩阵），加减法运算才有意义，即加减运算是可行的．
1.1.2运算性质 满足交换律和结合律 交换律； 结合律． 1.2矩阵与数的乘法 1.2.1运算规则 数乘矩阵A，就是将数乘矩阵A中的每一个元素，记为或．特别地，称称为的负矩阵． 1.2.2运算性质 满足结合律和分配律 结合律：(λμ)A=λ(μA)；(λ+μ)A =λA+μA． 分配律：λ(A+B)=λA+λB． 1.2.3典型举例 已知两个矩阵 满足矩阵方程，求未知矩阵． 解由已知条件知
? 1.3矩阵与矩阵的乘法 1.3.1运算规则 设，，则A与B的乘积是这样一个矩阵： (1) 行数与（左矩阵）A相同，列数与（右矩阵）B相同，即． (2) C的第行第列的元素由A的第行元素与B的第列元素对应相乘，再取乘积之和． 1.3.2典型例题 设矩阵 计算 解是的矩阵．设它为
1．在向量空间 3 F 3中,设1, 1, 1, 1, 是F3的两个基, F 3), 1) 3到 基§7.3 线性变换和矩 阵 1, 0, 1, 1 , 1, 1, 1 2, 1, 1 3 的过渡矩阵； 1,2,3 2) 在基1, 2, 3下的矩阵； 3)求基1, 2, 3下的矩阵； 4)设 (2,1,3) ,分别求在基 1, 2, 3与1 设三维向量空间V 的线性变换在基1, 2 , 3 下的矩阵是 a11a12a13 A a21a22a23 a31a32a33 1)求在基3, 2, 1下的矩阵； 2)求在基1,k 2 , 3下的矩阵, 其中0k F；2 2． 12 12 3 下的坐标．3) 在基3下的矩阵． 3．在向量空间M 2 (F) 中,定义线性变换 (x)= a b a b (X)= a c b d X c a d b
在基E11, E12, E21, E22下的矩阵. 4.在F 2 2中，求在基E11, E12, E21, E22下的矩阵为 1020 0102 A 3040 0304 的线性变换 . 5. 在n维向量空间V中， L(V)，存在向量V ，使得 n1 0，但 n 0 .证 明：V中存在一个基，使得在这个基下的矩阵是 0E n1 00 6. 设A s B，C s D,证明 A0B0 s 0C0C 7. 设A可逆，证明：AB^BA. 8. 在向量空间F3 3中，设 ab c c a b b c a A b c a ， B a b c， C c a b ca b b c a a b c 证明：A，B， C 彼此此相似. 9.设V 是数域 F 上n 维向量空间，证明：V 的与全体线性变换可交换的线性变换是数乘变换. 10.设V是数域F上n维向量空间，问V中是否有线性变换，，使其中I 是恒等变换，为什么？对无限维空间结论又如何？ I.
矩阵基本运算及应用 201700060牛晨晖 在数学中，矩阵是一个按照长方阵列排列的复数或实数集合。矩阵是高等代数学中的常见工具，也常见于统计分析等应用数学学科中。在物理学中，矩阵于电路学、力学、光学和量子物理中都有应用；计算机科学中，三维动画制作也需要用到矩阵。矩阵的运算是数值分析领域的重要问题。将矩阵分解为简单矩阵的组合可以在理论和实际应用上简化矩阵的运算。在电力系统方面，矩阵知识已有广泛深入的应用，本文将在介绍矩阵基本运算和运算规则的基础上，简要介绍其在电力系统新能源领域建模方面的应用情况，并展望随机矩阵理论等相关知识与人工智能电力系统的紧密结合。 1矩阵的运算及其运算规则 1.1矩阵的加法与减法 1.1.1运算规则 设矩阵，， 则
简言之，两个矩阵相加减，即它们相同位置的元素相加减！ 注意：只有对于两个行数、列数分别相等的矩阵（即同型矩阵），加减法运算才有意义，即加减运算是可行的． 1.1.2运算性质 满足交换律和结合律 交换律； 结合律． 1.2矩阵与数的乘法 1.2.1运算规则 数乘矩阵A，就是将数乘矩阵A中的每一个元素，记为或． 特别地，称称为的负矩阵． 1.2.2运算性质 满足结合律和分配律 结合律：(λμ)A=λ(μA)；(λ+μ)A =λA+μA． 分配律：λ(A+B)=λA+λB．
已知两个矩阵 满足矩阵方程，求未知矩阵． 解由已知条件知 1.3矩阵与矩阵的乘法 1.3.1运算规则 设，，则A与B的乘积是这样一个矩阵： (1) 行数与（左矩阵）A相同，列数与（右矩阵）B相同，即 ． (2) C的第行第列的元素由A的第行元素与B的第列元素对应相乘，再取乘积之和．
第3章 矩阵及其运算 3.1 基本要求、重点难点 基本要求： 1．1．掌握矩阵的定义. 2．2．掌握矩阵的运算法则. 3．3．掌握伴随矩阵的概念及利用伴随矩阵求逆矩阵的方法. 4．4．掌握矩阵秩的概念及求矩阵秩的方法. 5．5． 掌握初等变换和初等矩阵的概念，能够利用初等变换计算矩阵的秩，求可逆矩阵的逆矩阵. 6．6．掌握线形方程组有解得判定定理及其初等变换解线形方程组的方法. 重点难点：重点是矩阵定义，矩阵乘法运算，逆矩阵的求法，矩阵的秩，初等 变换及线性方程组的解. 难点是矩阵乘法，求逆矩阵的伴随矩阵方法. 3.2 基本内容 3.2.1 3.2.1 重要定义 定义3.1 由n m ?个数)2,1;,2,1(n j m i a ij ==组成的m 行n 列的数表成为一个m 行n 列矩阵，记为 ????????????mn m m n n a a a a a a a a a 2122221 11211 简记为A n m ij a ?=)(，或A )(ij a =,n m A ?,mn A 注意行列式与矩阵的区别： （1） （1） 行列式是一个数，而矩阵是一个数表. （2） （2） 行列式的行数、列数一定相同，但矩阵的行数、列数不一定相 同. （3） （3） 一个数乘以行列式，等于这个数乘以行列式的某行（或列）的所有元素，而一个数乘以矩阵等于这个数乘以矩阵的所有元素. （4） （4） 两个行列式相等只要它们表示的数值相等即可，而两个矩阵相等则要求两个矩阵对应元素相等. （5） （5） 当0||≠A 时，||1A 有意义，而A 1 无意义.
n m =的矩阵叫做阶方阵或m 阶方阵.一阶方阵在书写时不写括号，它在 运算中可看做一个数. 对角线以下（上）元素都是0的矩阵叫上（下）三角矩阵，既是上三角阵， 又是下三角的矩阵，也就是除对角线以外的元素全是0的矩阵叫对角矩阵.在对角矩阵中，对角线上元素全一样的矩阵叫数量矩阵；数量矩阵中，对角线元素全是1的n 阶矩阵叫n 阶单位矩阵，常记为n E （或n I ），简记为E （或I ），元素都是0的矩阵叫零矩阵，记为n m 0?，或简记为0. 行和列分别相等的两个矩阵叫做同型矩阵，两个同型矩阵的且对应位置上的 元素分别相等的矩阵叫做相等矩阵. 设有矩阵A =n m ij a ?)(，则A -n m ij a ?-=)(称为A 的负矩阵. 若A 是方阵，则保持相对元素不变而得到的行列式称为方针A 的行列式，记 为||A 或A Det . 将矩阵A 的行列式互换所得到的矩阵为A 的转置矩阵，记为T A 或A '. 若方阵A 满足A A T =，则称A 为对称矩阵，若方阵A 满足A A T -=，则称A 为反对称矩阵. 若矩阵的元素都是实数，则矩阵称为实矩阵.若矩阵的元素含有复数，则称矩 阵为复矩阵，若A =n m ij a ?)(是复矩阵，则称矩阵n m ij a ?)(（其中ij a 为ij a 的共轭矩阵，记为A n m ij a ?=)(. 定义3.2 对于n 阶矩阵A ，如果存在n 阶矩阵B ，使得E BA AB ==，则 称方阵A 可逆，B 称为A 的逆矩阵，记做1-=A B . 对于方阵A n m ij a ?=)(，设ij a 的代数余子式为ij A ，则矩阵 *A ????????????=nm n n n n A A A A A A A A A 2122212 12111 称为A 的伴随矩阵，要注意伴随矩阵中元素的位置. 定义3.3 设有矩阵A ，如果： （1） （1） 在A 中有一个r 阶子式D 不为零.
计算实习报告 一 实习目的 （1）了解矩阵特征值与相应特征向量求解的意义，理解幂法和反幂法的原理， 能编制此算法的程序，并能求解实际问题。 （2）通过对比非线性方程的迭代法，理解线性方程组迭代解法的原理，学会编 写Jacobi 迭代法程序，并能求解中小型非线性方程组。初始点对收敛性质及收 敛速度的影响。 （3）理解 QR 法计算矩阵特征值与特征向量的原理，能编制此算法的程序，并 用于实际问题的求解。 二 问题定义及题目分析 1. 分别用幂法和幂法加速技术求矩阵 2.5 2.5 3.00.50.0 5.0 2.0 2.00.50.5 4.0 2.52.5 2.5 5.0 3.5-?? ?- ?= ?-- ?--?? A 的主特征值和特征向量． 2. 对于实对称矩阵n n ?∈A R ，用Jacobi 方法编写其程序，并用所编程序求下列矩阵的全部 特征值． 1515 4 1141144114114?-?? ?-- ? ?- ?= ? ?- ?-- ? ?-??A 3. 对于实矩阵n n ?∈A R ，用QR 方法编写其程序，并用所编程序求下列矩阵的全部特征值: 111 21 113,4,5,62311111n n n n n n ? ???? ?????==+? ????? ??+??A 三 概要设计 （1） 幂法用于求按模最大的特征值及其对应的特征向量的一种数值算法，
它要求矩阵 A 的特征值有如下关系： 12n ...λλλ>≥≥ ，对于相应 的特征向量。其算法如下： Step 0：初始化数据0,, 1.A z k = Step 1：计算1k k y A z +=。 Step 2：令 k k m y ∞=。 Step 3：令 k k k z y m = ；如果1k k m m +≈或1k k z z +≈，则 goto Step 4；否则 ， k = k + 1 ，goto Step 1。 Step 4：输出结果 算法说明与要求 输入参数为实数矩阵、初始向量、误差限与最大迭代次数。输出 参数为特征值及相对应的特征向量。注意初始向量不能为“0”向量。 （2） 迭代法的原理 如果能将方程 Ax =b 改写成等价形式：x=Bx+f 。如果B 满足：ρ(B )<1，则对于任意初始向量 x (0) ，由迭代 x ( k + 1) = Bx (k ) + f 产生的序列均收敛到方程组的精确解。迭代法中两种最有名的迭代法就是Jacobi 迭代法，它的迭代矩阵 B 为： 1()J D L U -=-+,1 f D b -= 其中，D 为系数矩阵 A 的对角元所组成对角矩阵，L 为系数矩阵 A 的对角元下方所有元素所组成的下三角矩阵，U 为系数矩阵 A 的对角元上方所有元素所组成的上三角矩阵。 算法如下： Step 0：初始化数据 00,,,,k A b x δ=和ε。 Step 1：计算D,L,U,J 或G, 得到迭代矩阵B. Step 2：:1k k =+ 0x B x f * =+ 0x x = 如果0x x δ-<或()f x ε≤，goto Step 3?否则 goto Step ２。 Step 3：输出结果。 程序说明与要求
线性变换与矩阵的关系 学院：数学与计算机科学学院 班级：2011级数学与应用数学 ： 学号：
线性变换与矩阵的关系 （西北民族大学数学与应用数学专业， 730124） 指导教师 一、线性变换 定义1 设有两个非空集合V,U，若对于V中任一元素α，按照一定规则总有U中一个确定的元素β和它对应，则这个对应规则被称为从集合V到集合U的变换（或映射），记作β=T(α)或β=T α,( α∈V)。 设α∈V，T(α)= β,则说变换T把元素α变为β，β称为α在变换T下的象，α称为β在变换T下的源，V称为变换T的源集，象的全体所构成的集合称为象集，记作T(V)。即 T(V)={ β=T(α)|α∈V}, 显然T(V) ?U 注：变换的概念实际上是函数概念的推广。 定义2 设V n,U m分别是实数域R上的n维和m维线性空间，T是一个从V n到U m得变换，如果变换满足 （1）任给α1 ，α2∈V n，有T(α1+α2)=T(α1)+T(α2); （2）任给α∈V n，k∈R，都有 T(kα)=kT(α)。 那么，就称T为从V n到U m的线性变换。 说明：
○1线性变换就是保持线性组合的对应的变换。 ○2一般用黑体大写字母T,A,B,…代表现象变换，T(α)或Tα代表元 α在变换下的象。 ○3若U m=V n，则T是一个从线性空间V n到其自身的线性变换，称为线性空 V n中的线性变换。下面主要讨论线性空间V n中的线性变换。 二、线性变换的性质 设T是V n中的线性变换，则 (1)T(0)=0,T(-α)=-T(α); (2)若β=k1α1+k2α2+…+k mαm,则Tβ=k1Tα1+k2Tα2+…+k m Tα m; (3)若α1，…αm线性相关，则Tα1…Tαm亦线性相关； 注：讨论对线性无关的情形不一定成立。 (4)线性变换T的象集T(V n)是一个线性空间V n的子空间。 记S T={α|α∈V n,T α=0}称为线性变换T的核，S T是V n的子空间。 设V和W是数域F上的向量空间，而σ：V→W是一个线性映射。那么 (i)σ是满射Im(σ)=W; (ii)σ是单射Ker(σ)={0}
第二章 矩阵变换和计算 一、内容提要 本章以矩阵的各种分解变换为主要内容，介绍数值线性代数中的两个基本问题：线性方程组的求解和特征系统的计算，属于算法中的直接法。基本思想为将计算复杂的一般矩阵分解为较容易计算的三角形矩阵. 要求掌握Gauss （列主元）消去法、矩阵的（带列主元的）LU 分解、平方根法、追赶法、条件数与误差分析、QR 分解、Shur 分解、Jordan 分解和奇异值分解. (一) 矩阵的三角分解及其应用 1．矩阵的三角分解及其应用 考虑一个n 阶线性方程组b Ax =的求解，当系数矩阵具有如下三种特殊形状：对角矩阵D ，下三角矩阵L 和上三角矩阵U ，这时方程的求解将会变得简单. ??????? ? ?=n d d d D O 2 1, ??????? ??=nn n n l l l l l l L ΛO M M 21222111, ???? ?? ? ??=nn n n u u u u u u U M O ΛΛ 22212111. 对于b Dx =，可得解为i i i d b x /=,n i ,,2,1Λ=. 对于b Lx =，可得解为1111/l b x =,ii i k k ik i i l x l b x /)(1 1∑-=- =,n i ,,3,2Λ=. 对于b Ux =，可得解为nn n n l b x /=,ii n i k k ik i i l x l b x /)(1 ∑+=- =,1,,2,1Λ--=n n i . 虽然对角矩阵的计算最为简单，但是过于特殊，任意非奇异矩阵并不都能对角化，因此较为普适的方法是对矩阵进行三角分解. 1）．Gauss 消去法 只通过一系列的初等行变换将增广矩阵)|(b A 化成上三角矩阵)|(c U ，然后通过回代求与b Ax =同解的上三角方程组c Ux =的解．其中第k 步消元过程中，在第1-k 步得到的矩阵) 1(-k A 的主对角元素) 1(-k kk a 称为主元.从) 1(-k A 的第j 行减去第k 行的倍数)1()1(--= k kk k jk jk a a l （n j k ≤<）称为行乘数（子）. 2）．矩阵A 的LU 分解 对于n 阶方阵A ，如果存在n 阶单位下三角矩阵L 和n 阶上三角矩阵U ，使得LU A =, 则称其为矩阵A 的LU 分解，也称为Doolittle 分解．Gauss 消去法对应的矩阵形式即为LU 分解, 其中L 为所有行乘子组成的单位下三角矩阵, U 为Gauss 消去法结束后得到的上三角矩
/************************ Matrix Chain Multiplication ***************************/ /************************ 作者：Hugo ***************************/ /************************ 最后修改日期：2015.09.10 ***************************/ /************************ 最后修改人：Hugo ***************************/ using System; using System.Collections.Generic; using System.Linq; using System.Text; using System.Threading.Tasks; using System.Text.RegularExpressions; using System.Collections; namespace Matrix { class Program { public static int nummulti = 0; static ArrayList list1 = new ArrayList();//定义计算式存储列表 static ArrayList listrow = new ArrayList();//定义矩阵行数存储列表 static ArrayList listcolumn = new ArrayList();//定义矩阵列数存储列表 static void Main(string[] args) { /****************************************************************************** *****************/ //从键盘上获取矩阵 int nummatrix = Int32.Parse(Console.ReadLine()); int countmat = 0; for (countmat = 0; countmat < nummatrix; countmat++) { string s = Console.ReadLine(); string[] str = s.Split(' ');//把输入的一行字符按空格拆分 listrow.Add(Int32.Parse(str[1]));//行数存储到矩阵行数存储列表 listcolumn.Add(Int32.Parse(str[2]));//列数存储到矩阵列数存储列表
§3 线性变换和矩阵 一、线性变换关于基的矩阵 设V 是数域P 上n 维线性空间.n εεε,,,21 V 的一组基，现在建立线性变换与 矩阵关系. 空间V 中任意一个向量ξ可以被基n εεε,,,21 线性表出，即有关系式 n n x x x εεεξ+++= 2211 (1) 其中系数是唯一确定的，它们就是ξ在这组基下的坐标.由于线性变换保持线性关系不变，因而在ξ的像A ξ与基的像A 1ε,A 2ε,…，A n ε之间也必然有相同的关系： A ξ=A （n n x x x εεε+++ 2211） =1x A (1ε)+2x A (2ε)+…+n x A (n ε) (2) 上式表明，如果知道了基n εεε,,,21 的像，那么线性空间中任意一个向量ξ 的像也就知道了，或者说 1. 设n εεε,,,21 是线性空间V 的一组基，如果线性变换?与?在这组基上 的作用相同，即 A i ε= B i ε， ,,,2,1n i = 那么A = B . 结论1的意义就是，一个线性变换完全被它在一组基上的作用所决定.下面指出，基向量的像却完全可以是任意的，也就是 2. 设n εεε,,,21 是线性空间V 的一组基，对于任意一组向量n ααα,,,21 一定有一个线性变换?使 A i ε=i α .,,2,1n i = 定理1 设n εεε,,,21 是线性空间V 的一组基，n ααα,,,21 是V 中任意n 个 向量.存在唯一的线性变换?使
A i ε=i α .,,2,1n i = 定义2 设n εεε,,,21 是数域P 上n 维线性空间V 的一组基，A 是V 中的一个 线性变换.基向量的像可以被基线性表出： ???????+++=+++=+++=. ,,22112222112212211111n nn n n n n n n n a a a A a a a A a a a A εεεεεεεεεεεε 用矩阵表示就是 A （n εεε,,,21 ）=（A (1ε)，A ?(2ε)，…， A (n ε)） =A n ),,,(21εεε (5) 其中 ?????? ? ??=nn n n n n a a a a a a a a a A 2122221 11211 矩阵A 称为线性变换A 在基n εεε,,,21 下的矩阵. 例 1 设m εεε,,,21 是n )(m n >维线性空间V 的子空间W 的一组基，把它 扩充为V 的一组基n εεε,,,21 .指定线性变换A 如下 ???+====. ,,1,0,,,2,1,n m i A m i A i i i εεε 如此确定的线性变换A 称为子空间W 的一个投影.不难证明 A 2=A 投影A 在基n εεε,,,21 下的矩阵是
矩阵初等变换及应用 王法辉 摘要：矩阵初等变换是高等代数的重要组成部分。本文对初等变换进行了研究探讨，详细介绍了与矩阵初等变换有关的基础知识。在阐述矩阵初等变换方法及应用原理的基础上，首先重点讨论该方法在解决高等代数相关计算问题上的应用，如求多项式的最大公因式、求逆矩阵解矩阵方程、求解线性方程组、判定向量的线性相关性、化二次型为标准型、求空间的基等。尤其是利用矩阵初等变换法求空间的基(解空间、特征子空间、核、值域等)的问题的计算,以具体实例生动的展示出问题的内在关系,最后给出了该方法在解决实际问题中的应用。本文理论分析与实际相结合，凸现了矩阵初等变换法直接、便利、有效的威力与作用。 关键词：矩阵初等变换；最大公因式；线性相关性；二次型；空间的基 1 导言 在线性方程组的讨论中我们看到，线性方程组的一些重要性质反映在它的系数矩阵和增广矩阵的性质上，并且解方程组的过程也表现为变换这些矩阵的过程。在数学的学习和应用中，矩阵理论是高等代数的重要组成部分，矩阵初等变换方法更是贯穿高等代数理论的始终。应用初等变换证明命题过程容易被接受，同时也是解决高等代数相关计算问题最直接、便利、有效的方法。此外，还有大量的各种各样的，表面上看完全没有联系的问题的解决,都可以通过相同的方法实现：矩阵的初等变换。 因此，对矩阵初等变换方法及应用进行探讨，无疑是十分必要和重要的。 目前，有许多文献涉及到对矩阵初等变换方法该的讨论，但比较零散。在研读文献的基础上，对矩阵初等变换的内涵进一步挖掘，使矩阵初等变换方法的威力作用得以充分展示是重要也是必要的。 2 矩阵及其初等变换
2.1 矩阵 由n m ?个数)j ,,,2,1(==m i a ij （i =1,2, ,j =1,2,n ， ）排成m 行n 列 的数表 ? ? ??? ???????=mn m m n n a a a a a a a a a A 2 1 22221 11211 称为m 行n 列的矩阵，简称n m ?矩阵。 2.2 矩阵的初等变换及初等矩阵 矩阵有行列之分，因此有如下定义 定义1 矩阵的初等行（列）变换是指如下三种变换 (1)交换矩阵某两行（列）的位置，记为j i r r ? )(j i c c ?； (2)把某一行（列）的k 倍加到另一行（列）上，记为j i kr r + )(j i kc c +； (3)用一个非零常数k 乘以某一行（列），记为i kr )(i kc ，k ≠0； 矩阵的初等行变换及初等列变换统称为矩阵的初等变换。 定义2 由单位矩阵E 经过一次初等变换得到的方阵称为初等矩阵。有以下3种形式 (1)互换矩阵E 的i 行和j 行的位置，得 ? ???? ? ??? ?? ? ????? ???????????????? ?=1101111011),( j i P ； (2)用数域P 种非零数c 乘E 的i 行，得
GE矩阵法及其使用方法介绍 一、GE矩阵法概述 GE矩阵法又称通用电器公司法、麦肯锡矩阵、九盒矩阵法、行业吸引力矩阵是美国通用电气公司（GE）于70年代开发了新的投资组合分析方法。对企业进行业务选择和定位具有重要的价值和意义。GE矩阵可以用来根据事业单位在市场上的实力和所在市场的吸引力对这些事业单位进行评估，也可以表述一个公司的事业单位组合判断其强项和弱点。在需要对产业吸引力和业务实力作广义而灵活的定义时，可以以GE矩阵为基础进行战略规划。按市场吸引力和业务自身实力两个维度评估现有业务（或事业单位），每个维度分三级，分成九个格以表示两个维度上不同级别的组合。两个维度上可以根据不同情况确定评价指标。 二、方格分析计算方法介绍： GE矩阵可以用来根据事业单位在市场上的实力和所在市场的吸引力对这些事业 单位进行评估，也可以表述一个公司的事业单位组合判断其强项和弱点。在需要 对产业吸引力和业务实力作广义而灵活的定义时，可以以GE矩阵为基础进行战 略规划。按市场吸引力和业务自身实力两个维度评估现有业务（或事业单位），
每个维度分三级，分成九个格以表示两个维度上不同级别的组合。两个维度上可以根据不同情况确定评价指标。 绘制GE矩阵，需要找出外部（行业吸引力）和内部（企业竞争力）因素，然后对各因素加权，得出衡量内部因素和市场吸引力外部因素的标准。当然，在开始搜集资料前仔细选择哪些有意义的战略事业单位是十分重要的。 1. 定义各因素。选择要评估业务（或产品）的企业竞争实力和市场吸引力所需的重要 因素。在GE内部，分别称之为内部因素和外部因素。下面列出的是经常考虑的一些因素（可能需要根据各公司情况作出一些增减）。确定这些因素的方法可以采取头脑风暴法或名义群体法等，关键是不能遗漏重要因素，也不能将微不足道的因素纳人分析中。 2. 估测内部因素和外部因素的影响。从外部因素开始，纵览这张表（使用同一组经理）， 并根据每一因素的吸引力大小对其评分。若一因素对所有竞争对手的影响相似，则对其影响做总体评估，若一因素对不同竞争者有不同影响，可比较它对自己业务的影响和重要竞争对手的影响。在这里可以采取五级评分标准（1=毫无吸引力，2=没有吸引力，3=中性影响，4=有吸引力，5=极有吸引力）。然后也使用5级标准对内部因素进行类似的评定（1=极度竞争劣势，2=竞争劣势，3=同竞争对手持平，4=竞争优势，5=极度竞争优势），在这一部分，应该选择一个总体上最强的竞争对手做对比的对象。 具体的方法是：- 确定内外部影响的因素，并确定其权重- 根据产业状况和企业状况定出产业吸引力因素和企业竞争力因素的级数（五级）- 最后，用权重乘以级数，得出每个因素的加权数，并汇总，得到整个产业吸引力的加权值 下面分别用折线图和表格两种形式来表示。
矩阵的运算与运算规 则
矩阵基本运算及应用 201700060牛晨晖 在数学中，矩阵是一个按照长方阵列排列的复数或实数集合。矩阵是高等代数学中的常见工具，也常见于统计分析等应用数学学科中。在物理学中，矩阵于电路学、力学、光学和量子物理中都有应用；计算机科学中，三维动画制作也需要用到矩阵。矩阵的运算是数值分析领域的重要问题。将矩阵分解为简单矩阵的组合可以在理论和实际应用上简化矩阵的运算。在电力系统方面，矩阵知识已有广泛深入的应用，本文将在介绍矩阵基本运算和运算规则的基础上，简要介绍其在电力系统新能源领域建模方面的应用情况，并展望随机矩阵理论等相关知识与人工智能电力系统的紧密结合。 1矩阵的运算及其运算规则 1.1矩阵的加法与减法 1.1.1运算规则 设矩阵，， 则
简言之，两个矩阵相加减，即它们相同位置的元素相加减！ 注意：只有对于两个行数、列数分别相等的矩阵（即同型矩阵），加减法运算才有意义，即加减运算是可行的． 1.1.2运算性质 满足交换律和结合律 交换律； 结合律． 1.2矩阵与数的乘法 1.2.1运算规则 数乘矩阵A，就是将数乘矩阵A中的每一个元素，记为或． 特别地，称称为的负矩阵． 1.2.2运算性质 满足结合律和分配律 结合律：(λμ)A=λ(μA)；(λ+μ)A =λA+μA． 分配律：λ(A+B)=λA+λB． 1.2.3典型举例 已知两个矩阵 满足矩阵方程，求未知矩阵． 解由已知条件知
1.3矩阵与矩阵的乘法 1.3.1运算规则 设，，则A与B的乘积是这样一个矩阵： (1) 行数与（左矩阵）A相同，列数与（右矩阵）B相同，即 ． (2) C的第行第列的元素由A的第行元素与B的第列元素对应相乘，再取乘积之和． 1.3.2典型例题 设矩阵 计算 解是的矩阵．设它为
浅谈矩阵计算 一丶引言 矩阵是高等代数学中的常见的工具。在应用数学，物理学，计算机科学中都有很大的作用。研究矩阵的计算，可以简化运算，并深入理解矩阵的性质。在数学中，矩阵（Matrix）是一个按照长方阵列排列的复数或实数集合，最早来自于方程组的系数及常数所构成的方阵。这一概念由19世纪英国数学家凯利首先提出。矩阵常见于统计分析等应用数学学科中。在物理学中，矩阵于电路学、力学、光学和量子物理中都有应用；计算机科学中，三维动画制作也需要用到矩阵。矩阵的运算是数值分析领域的重要问题。将矩阵分解为简单矩阵的组合可以在理论和实际应用上简化矩阵的运算。对一些应用广泛而形式特殊的矩阵，例如稀疏矩阵和准对角矩阵，有特定的快速运算算法。关于矩阵相关理论的发展和应用，请参考矩阵理论。在天体物理、量子力学等领域，也会出现无穷维的矩阵，是矩阵的一种推广。矩阵的研究历史悠久，发展也是历久弥新，拉丁方阵和幻方在史前年代已有人研究。 作为解决线性方程的工具，矩阵也有不短的历史。成书最迟在东汉前期的《九章算术》中，用分离系数法表示线性方程组，得到了其增广矩阵。在消元过程中，使用的把某行乘以某一非零实数、从某行中减去另一行等运算技巧，相当于矩阵的初等变换。但那时并没有现今理解的矩阵概念，虽然它与现有的矩阵形式上相同，但在当时只是作为线性方程组的标准表示与处理方式。 矩阵正式作为数学中的研究对象出现，则是在行列式的研究发展起来后。逻辑上，矩阵的概念先于行列式，但在实际的历史上则恰好相反。日本数学家关孝和（1683年）与微积分的发现者之一戈特弗里德·威廉·莱布尼茨（1693年）近乎同时地独立建立了行列式论。其后行列式作为解线性方程组的工具逐步发展。1750年，加布里尔·克拉默发现了克莱姆法则。 矩阵的现代概念在19世纪逐渐形成。1800年代，高斯和威廉·若尔当建立了高斯—若尔当消去法。1844年，德国数学家费迪南·艾森斯坦（F.Eisenstein）讨论了“变换”（矩阵）及其乘积。1850年，英国数学家詹姆斯·约瑟夫·西尔维斯特（James Joseph Sylvester）首先使用矩阵一词。英国数学家凯利被公认为矩阵论的奠基人。他开始将矩阵作为独立的数学对象研究时，许多与矩阵有关的性质已经在行列式的研究中被发现了，这也使得凯利认为矩阵的引进是十分自然的。他说：“我决然不是通过四元数而获得矩阵概念的；它或是直接从行列式的概念而来，或是作为一个表达线性方程组的方便方法而来的。”他从1858年开始，发表了《矩阵论的研究报告》等一系列关于矩阵的专门论文，研究了矩阵的运算律、矩阵的逆以及转置和特征多项式方程。凯利还提出了凯莱-哈密尔顿定理，并验证了3×3矩阵的情况，又说进一步的证明是不必要的。哈密尔顿证明了4×4矩阵的情况，而一般情况下的证明是德国数学家弗罗贝尼乌斯（F.G.Frohenius）于1898年给出的。1854年时法国数学家埃尔米特（C.Hermite）使用了“正交矩阵”这一术语，但他的正式定义直到1878年才由费罗贝尼乌斯发表。1879年，费罗贝尼乌斯引入矩阵秩的概念。至此，矩阵的体系基本上建立起来了。 无限维矩阵的研究始于1884年。庞加莱在两篇不严谨地使用了无限维矩阵和行列式理论的文章后开始了对这一方面的专门研究。1906年，希尔伯特引入无限二次型（相当于无限维矩阵）对积分方程进行研究，极大地促进了无限维矩阵的研究。在此基础上，施密茨、赫林格和特普利茨发展出算子理论，而无限维矩阵成为了研究函数空间算子的有力工具。 二、矩阵的介绍与基本运算 由m×n个数a ij（i=1,2,…,m;j=1,2,…,n）排成的m行n列的数表称为m行n列矩阵，简称m ×n矩阵。只有一行的矩阵A=(a1,a2…a n)称为行矩阵或行向量，只有一列的矩阵称为列矩阵或列向量。矩阵计算的合适出发点是矩阵与矩阵的乘法。这一问题在数学上虽然简单，但从计算上来看却是十分丰富的。矩阵相乘可以有好几种不同的形式，还将引入矩阵划分的概念，并将其用来刻画计
问题描述：给定n个矩阵：A1,A2,...,A n，其中A i与A i+1是可乘的，i=1，2...，n-1。确定计算矩阵连乘积的计算次序，使得依此次序计算矩阵连乘积需要的数乘次数最少。输入数据为矩阵个数和每个矩阵规模，输出结果为计算矩阵连乘积的计算次序和最少数乘次数。 问题解析：由于矩阵乘法满足结合律，故计算矩阵的连乘积可以有许多不同的计算次序。这种计算次序可以用加括号的方式来确定。若一个矩阵连乘积的计算次序完全确定，也就是说该连乘积已完全加括号，则可以依此次序反复调用2个矩阵相乘的标准算法计算出矩阵连乘积。 完全加括号的矩阵连乘积可递归地定义为： （1）单个矩阵是完全加括号的； （2）矩阵连乘积A是完全加括号的，则A可表示为2个完全加括号的矩阵连乘积B和C的乘积并加括号，即A=(BC) 例如，矩阵连乘积A1A2A3A4有5种不同的完全加括号的方式：(A1(A2(A3A4)))，(A1((A2A3)A4))，((A1A2)(A3A4))，((A1(A2A3))A4)，(((A1A2)A3)A4)。每一种完全加括号的方式对应于一个矩阵连乘积的计算次序，这决定着作乘积所需要的计算量。 看下面一个例子，计算三个矩阵连乘{A1，A2，A3}；维数分别为10*100 , 100*5 , 5*50 按此顺序计算需要的次数
((A1*A2)*A3):10X100X5+10X5X50=7500次，按此顺序计算需要的次数(A1*(A2*A3)):10*5*50+10*100*50=75000次 所以问题是：如何确定运算顺序，可以使计算量达到最小 化。 算法思路： 例：设要计算矩阵连乘乘积A1A2A3A4A5A6，其中各矩阵的维数分别是： A1：30*35; A2：35*15; A3：15*5; A4： 5*10; A5：10*20; A6：20*25 递推关系： 设计算A[i:j]，1≤i≤j≤n，所需要的最少数乘次数m[i,j]，则原问题的最优值为m[1,n]。 当i=j时，A[i:j]=A i，因此，m[i][i]=0，i=1,2,…,n 当i 第01课时 矩阵的概念 一、要点讲解 1．矩阵的概念： 2．矩阵的相等： 二、知识梳理 1．在数学中，将形如13?????? ，80908688??????，23324m ????-??这样的__________________称做矩阵．_____________________________________叫做矩阵的行，______________________ ________________叫做矩阵的列．通常称具有i 行j 列的矩阵为i ×j 矩阵． 2．__________________称为零矩阵；______________________称为行矩阵；____________ _______________称为列矩阵． 3．平面上向量α = (x ，y )的坐标和平面上的点P (x ，y )看作行矩阵可记为________，看作列矩阵可记为_________． 4．当两个矩阵A ，B ，只有当A ，B 的_______________________，并且____________________也分别相等时，才有A = B ． 三、例题讲解 例1． 用矩阵表示△ABC ，其中A (－1,0)，B (0，2)，C (2，0)． 例2． 设31,422x y A B z ????==????--???? ，若A = B ，求x ，y ，z ． 例3． 已知n 阶矩阵11221 21247712j n j n i i i j in n n n j nn a a a a A a a a a a a a a ????????=???????????? ，其中每行、每列都是等差数列，ij a 表示位于第i 行第j 列的数． (1)写出45a 的值； (2) 写出ij a 的计算公式． 四、巩固练习 1. 画出矩阵143111-????-?? 所表示的三角形，并求该三角形的面积． nxn方阵对应行列式的值 第二步，选中A4单元格，在“插入”菜单中选中“函数”菜单项： 第三步，在打开的“函数”对话框中，选中“MDETERM”函数如图2，并按“确定”按钮： 第四步，在弹出的对话框中输入矩阵所在的地址，按确定即得到行列式的值。 矩阵求和 已知 第二步，在A5单元格中输入公式：=A1+El，按回车，这时A5中显示数字7； 第三步，选中A5单元格，移动鼠标至其右下角，鼠标形状变为黑色十字时，按下鼠标左键往右拖至C5，B5和C5中分别显示一3．3。同样的方法选中A5：C5，往下拖至A7：C7，便得到A+B的值。 矩阵求逆 第一步，在A1：C3中输入矩阵A； 第二步。选中A5：C7，“插入”→“函数”→“MINVERSE”→“确定”： 第三步，在“array”项中输入A1：C3，按F2，同时按CTRL+SHIFF+ENTER即可如图6。 5矩阵转置 第一步，在Al：C3中输入矩阵A，并选中； 第二步，“编辑”→“复制”； 第三步，选中A5，“编辑”→“选择性粘贴”→“转置”→确定”。 矩阵求秩 6．1矩阵秩的概念 定义设A是mxn矩阵，从A中任取k行k列(k≤min(m，n))，由这些行、列相交处的元素按原来的次序所构成的阶行列式，称为矩阵A的一个k阶子行列式，简称k阶子式。 定义矩阵A的所有不为零的子式的最高阶数r称为矩阵A的秩，记作r(A)，即r(A)=r。 6．2矩阵秩的数学求法 6．2．1行列式法：即定义从矩阵的最高阶子式算起，计算出不等于零的子式的最高阶数r，此r即为该矩阵的秩。 6．2．2行初等变换法：用初等行变换化矩阵为阶梯形矩阵，此阶梯形矩阵非零行的行数r就是该矩阵的秩。 6．3利用EXCEL求矩阵秩 方法一，根据矩阵秩的定义，可以求所有不为零子式的最高阶数。 求矩阵A的秩． 显然A是4x4矩阵，4为其所有子式的最高阶数。先求IAI的值，若｜A｜不为零，则矩 clear all; %A=LU矩阵三角分解法 n=input('输入方矩阵的维数: '); for i=1:n for j=1:n A(i,j)=input('依次输入矩阵元素：'); end end %输入一个n阶方形矩阵 for j=1:n L(j,j)=1; %Doolittle分解，L对角元素全为1 end for j=1:n U(1,j)=A(1,j); end %U的第一行 for i=2:n L(i,1)=A(i,1)/U(1,1); end %L的第一列 for k=2:n for j=k:n sum1=0; for m=1:k-1 sum1=sum1+L(k,m)*U(m,j); end %求和 U(k,j)=A(k,j)-sum1; end for i=k+1:n sum2=0; for m=1:k-1 sum2=sum2+L(i,m)*U(m,k); end %求和 L(i,k)=(A(i,k)-sum2)/U(k,k); end end L %输出下三角矩阵L U %输出上三角矩阵U 运行结果：（示例） 输入方矩阵的维数: 4 依次输入矩阵元素： 1 依次输入矩阵元素： 1 依次输入矩阵元素： 2 依次输入矩阵元素： 3 依次输入矩阵元素：0 依次输入矩阵元素： 2 依次输入矩阵元素： 1 依次输入矩阵元素： 2 依次输入矩阵元素： 1 依次输入矩阵元素：-1 依次输入矩阵元素： 2 依次输入矩阵元素： 2 依次输入矩阵元素： 2 依次输入矩阵元素： 2 依次输入矩阵元素： 5 依次输入矩阵元素：9 A=LU分解后则可以求解Ax=b线性方程组，相关计算参考计算方法，这里不再详细介绍。 矩阵的运算 （一） 矩阵的线性运算 特殊乘法:222()A B A AB BA B +=+++ 2 22 ()()() A B A B A B A B =≠ （二） 关于逆矩阵的运算规律 111 1 1 11 1 1(1)()(2)() /(3)( )( )(4)()( ) T T n n A B B A k A A k A A A A ---------==== （三） 关于矩阵转置的运算规律 (1)()(2)()T T T T T T A B B A A B B A =+=+ （四） 关于伴随矩阵的运算规律 **1 *2 ***1* **1*11**1(1)(2)(2)(3)()(4)(), ()(5)()1,()1 0,()2(6)()()()n n n AA A A A E A A n A A A kA k A n r A n r A r A n r A n A A A A A A A A A -------===≥===?? ==-??≤-?= ==若若若若可逆，则，， （五） 关于分块矩阵的运算法则 1 1 1 110000(2)000 0T T T T T A B A C C D B D B B B C C C C B -----?? ?? =????????????????==????????????????(1)；， （六） 求变换矩阵 ()121 1 2 11121311111121222321121121313233313131100(a )(2)i n n i i i ij i i i i A T TAT T P P P AP P A a a a p p p a a a p p P p a a a p p p AP P P i λλλλλλλ--?? ? ?= ? ? ? ?===???????? ??? ? ? =→= ??? ? ? ??? ? ?????????=+≥已知矩阵，及其特征值求使得，设，则其中若有重根则时再1 T T -由求 （七） 特征值与矩阵苏教版数学高二选修4-2矩阵与变换学案第01课时 矩阵的概念
Excel中矩阵的运算
计算方法_矩阵LU分解法
矩阵的简单运算公式
相关主题
文本预览