矩阵分析课件

方阵 行数和列数相等的矩阵称为方阵。
01
对角矩阵
除主对角线外的元素全为零的方阵称 为对角矩阵。
03
对称矩阵
设$A = (a_{ij})$为$n$阶方阵，若对任意$i, j$都有$a_{ij} = a_{ ji}$，则称$A$为对称矩
阵。
05
02
零矩阵
所有元素都是零的矩阵称为零矩阵，记作 $O$。
04
非零行的首非零元所在列在上一行的 首非零元所在列的右边。
同一行的所有非零元均在首非零元的 右边。
线性无关组与基础解系
线性无关组：一组向量线性无关当且仅当它们不能 由其中的部分向量线性表示出来。换句话说，只有 当这组向量中任何一个向量都不能由其余向量线性 表示时，这组向量才是线性无关的。
基础解系中的解向量线性无关。
当B=I时，广义特征值问题退化为普通的特征值问题。此外，广义特征值问题可以通 过相似变换转化为普通的特征值问题进行求解。
06
CATALOGUE
矩阵函数与微分学在矩阵分析中应用
矩阵函数定义及性质
矩阵函数的性质 矩阵函数的转置、逆和行列式等运算也遵循相应的矩
阵运算规则。
矩阵函数的定义：设$A(t)=(a_{ij}(t))$是一个 $ntimes n$矩阵，其元素$a_{ij}(t)$是变量$t$ 的函数，则称$A(t)$为矩阵函数。
Gauss消元法原理
LU分解求解线性方程组
通过行变换将矩阵化为上三角矩阵， 从而解线性方程组。
将Ax=b转化为LUx=b，通过前向替 换和后向替换求解。
LU分解定义
将矩阵分解为一个下三角矩阵L和一个 上三角矩阵U的乘积。
QR分解原理及实现
QR分解定义

cos A B＝cosA cos B sin A sin B
dt
dt
d cos At＝A sin At＝－sin At A
dt
6 det eA＝etrA，其中trA是A 的迹
7 cos A＝ 1 eiA＋e－iA ，sinA＝ 1 eiA－e－iA
2
2i
8 sin2 A＋cos2 A＝E，sin －A＝－sin A，cos －A ＝cosA
9当AB＝BA时，有sin A B＝sin A cos B cos A sin B
D
i
其中
D
J
i
＝
D/ i Di
1
di－1
！Ddi－1
i
D/ i
Di
dixdi
设D ＝ E－A ＝－1 p1 －2 p2 －s ps
i
j， i
j
, pi是i的代数重复度；
pi
d
，
i
D i ＝D i ＝ ＝Ddi－1 i ＝0, D Ji ＝0,
故：D A＝0.
f (k) j ＝p(k) j ，j＝1，2， ，s；k＝0，1， ，dj－1
即f x与p 在A的影谱上有相同的值， 则矩阵函数f A定义为：
f A＝pA 称p 为f A的定义多项式。
定理6.2.1：设A
Cnn，J为A的若当标准形，P
Cnn n
且A＝PJP－1，函数 f x 在A的影谱上有定义，
ln E＋A的幂级数展开式见p201
＆6.4 矩阵指数函数与矩阵三角函数
由定理5.5.3知：对任意n阶方阵A
e
At＝
k＝0
Aktk， k！
sin At＝ k＝0

矩阵分析课件
• 波士顿矩阵的基本应用法则。
• 第一法则：成功的月牙环。在企业所从事的事业领域内 各种产品的分布若显示月牙环形，这是成功企业的象征， 因为盈利大的产品不只一个，而且这些产品的销售收入 都比较大，还有不少明星产品。问题产品和瘦狗产品的 销售量都很少。若产品结构显示的散乱分布，说明其事 业内的产品结构未规划好，企业业绩必然较差。这时就 应区别不同产品，采取不同策略。
矩阵分析在经营管理中的应用
矩阵分析课件
一、波斯顿矩阵
波斯顿矩阵是美国波斯顿咨询公司（BCG）在1960年 为一家造纸公司咨询时而提出的一种投资组合分析方法。 该矩阵是用两次衡量标准构成的矩阵，它把需求数量的 增长率作为战略经营领域的预期衡量标准，把企业的相 对市场占有率作为竞争地位的衡量标准。任何一个战略 经营领域在未来的增长率被估测、相对的市场 占有率被
矩阵分析课件
• （3）问号产品 • 它是处于高增长率、低市场
占有率象限内的产品群。前 者说明市场机会大，前景好， 而后者则说明在市场营销上 存在问题。其财务特点是利 润率较低，所需资金不足， 负债比率高。选择性投资战 略；采用智囊团式或项目小 组结构;选拔有规划能力、敢 冒风险、有才干的人负责。 •
矩阵分析课件
14
• 三、产品—市场演变矩阵
• 美国学者霍福尔(C.W.Hofer)扩展了波士顿咨询集团和通用 电器公司的评价方法，把矩阵扩展为15个区域，并按照 各个经营单位的产品——市场发展阶段和竞争地位，画 出它们在霍福尔矩阵中的位置。
矩阵分析课件
整顿 成熟 衰退
矩阵分析课件
• 四、Swot矩阵
• SWOT分析法模型（也称TOWS分析法）即态势分析法， 经常被用于企业战略制定、竞争对手分析等场合。

其中k , l 表示数域F中的任意数, , 表示V中任意元素. 称这样的V 为数域F 上的线性空间.
显然, 例1.1.1 1.1.3都是实数域R上的线性空间.下面再举 几个例子 :
例1.1.4 设A为实m n矩阵, 易证 : 齐次线性方程组Ax 0的所有 解(包括零解)的集合构成实数域R上的线性空间.这个空间为方 程组 Ax 0的解空间, 也称为矩阵A的核或零空间, 常记为N ( A).
称n阶方阵
a11 a21 P= a n1
a12 a22 an 2
a1n a2 n ann
是由基1 , 2 ,
, n到基1 , 2 ,
, n的过渡矩阵。于是上 ,n ) P
式可写成（1 , 2 ,
, n）＝(1 , 2 ,

n n
1＝（0,0,
T ,1）是 Rn的一组基，称 1 , 2 , , n为Rn的
标准正交基。
例1.2.1 试证：线性空间 R[ x ]n a0 a1 x
是n维的，并求a0 a1 x ,( x a )n1 下的坐标。
an1 x n1 ai R
定义1.3.1 设W 为域F 上的n维线性空间V的子集合，若 W 中元素满足
（1） 若， W , 则＋ W ; (2) W ， F , 则 W .
则称W 是线性空间V的一个子空间。
a1i a 2i , n ) ani
( i 1, 2,
, n)
把这n个关系式用矩阵可表示为
（ 1 , 2 , , n ) (1 , 2 , a11 a21 , n ) a n1 a12 a22 an 2 a1n a2 n ann