矩阵乘法编辑
矩阵乘法是一种高效的算法可以把一些一维递推优化到log（n )，还可以求路径方案等，所以更是一种应用性极强的算法。矩阵，是线性代数中的基本概念之一。一个m×n的矩阵就是m×n个数排成m行n列的一个数阵。由于它把许多数据紧凑的集中到了一起，所以有时候可以简便地表示一些复杂的模型。矩阵乘法看起来很奇怪，但实际上非常有用，应用也十分广泛。
中文名
矩阵乘法
外文名
Matrix multiplication
基本性质
结合性等
类别
对称矩阵等
应用学科
数学
应用领域
代数
目录
1适用范围
2C语言程序
3相关符号
4基本性质
5特殊类别
6经典题目
7乘法算法
1适用范围编辑
只有当矩阵A的列数与矩阵B的行数相等时A×B才有意义。一个m×n的矩阵a(m,n)左乘一个n×p的矩阵b(n,p)，会得到一个m×p的矩阵c(m,p)。左乘：又称前乘，就是乘在左边(即乘号前)，比如说,A左乘E即AE。
矩阵乘法满足结合律，但不满足交换律和约去律
一般的矩乘要结合快速幂才有效果。（基本上所有矩阵乘法都要用到快速幂的）
在计算机中，一个矩阵实际上就是一个二维数组。一个m行n列的矩阵与一个n行p 列的矩阵可以相乘，得到的结果是一个m行p列的矩阵，其中的第i行第j列位置上的数为第一个矩阵第i行上的n个数与第二个矩阵第j列上的n个数对应相乘后所得的n个乘积之和。比如，下面的算式表示一个2行2列的矩阵乘以2行3列的矩阵，其结果是一个2行3列的矩阵。其中，结果矩阵的那个4（结果矩阵中第二（i）行第二（j)列）=
2（第一个矩阵第二(i)行第一列）*2（第二个矩阵中第一行第二(j)列）
+
0（第一个矩阵第二(i)行第二列）*1（第二个矩阵中第二行第二(j)列）：
2C语言程序编辑
#include
int p, q, k;
int fun(float A[][2], float B[][1]
{
float C[2][1] = { 0 };
for (p = 0; p < 2; ++p)
{
for (q = 0; q < 1; ++q)
{
for (k = 0; k < 2; ++k)
C[p][q] += A[p][k] * B[k][q];
}
}
for (p = 0; p < 2; p++)
{
for (q = 0; q < 1; q++)
{
printf("%f", C[p][q]);
printf("\n");
}
}
return 0;
}
int main()
{
float A[2][2] = { 1, 1, 2, 1 }, B[2][1] = {2, 1}; printf("矩阵A*矩阵B为:\n"); // 计算两个矩阵相乘；以[2][2]*[2][1]为例
fun(A, B);
system("pause");
return0;
}
程序运行结果示例：
一般矩乘的代码：function mul( a , b : Tmatrix ) : Tmatrix;
var
i,j,k : longint;
c : Tmatrix;
begin
fillchar( c , sizeof( c ) , 0 );
for k:=0 to n do
for i:=0 to m do
for j:=0 to p do
begin
inc( c[ i , j ] , a[ i , k ]*b[ k , j ] );
if c[ i , j ] > ra then c[ i , j ]:=c[ i , j ] mod ra;
end;
mul:=c;
end;
这里我们不介绍其它有关矩阵的知识，只介绍矩阵乘法和相关性质。
不要以为数学中的矩阵也是黑色屏幕上不断变化的绿色字符。在数学中，一个矩阵说穿了就是一个二维数组。一个n行m列的矩阵可以乘以一个m行p列的矩阵，得到的结果是一个n行p列的矩阵，其中的第i行第j列位置上的数等于前一个矩阵第i行上的m个数与后一个矩阵第j列上的m个数对应相乘后所有m个乘积的和。比如一下的例子中，算式所表示的是一个2行2列的矩阵与一个2行3列的矩阵相乘，所得的结果是一个2行3列的矩阵。所得矩阵中第2行第2列的“4”是2*2+0*1的和：
右面的算式则是一个1 x 3的矩阵乘以3 x 2的矩阵，得到一个1 x 2的矩阵：
矩阵乘法的两个重要性质：一，矩阵乘法不满足交换律；二，矩阵乘法满足结合律。为什么矩阵乘法不满足交换律呢？这是由矩阵乘法定义决定的。因为矩阵AB=C，C的结果是由A的行与B的列相乘和的结果；而BA=D，D的结果是由B的行与A的列相乘和的结果。显然，得到的结果C和D不一定相等。同时，交换后两个矩阵有可能不能相乘。为什么它又满足结合律呢？假设你有三个矩阵A、B、C，那么(AB)C和A(BC)的结果的第i行第j列上的数都等于所有A(ik)*B(kl)*C(lj)的和（枚举所有的k和l）。
3相关符号编辑
相关符号以下是一个4 × 3 矩阵：
某矩阵A 的第i 行第j 列，或i,j位，通常记为A[i,j] 或Ai,j。在上述例子中A[2,3]=7。
在C语言中，亦以A[j] 表达。(值得注意的是，与一般矩阵的算法不同，在C中，"行"和"列"都是从0开始算起的)
此外A = (aij)，意为A[i,j] = aij 对于所有i 及j，常见于数学著作中。
一般环上构作的矩阵
给出一环R，M(m,n, R) 是所有由R 中元素排成的m× n 矩阵的集合。若m=n，则通常记以M(n,R)。这些矩阵可加可乘(请看下面)，故M(n,R) 本身是一个环，而此环与左R 模Rn 的自同态环同构。
若R 可置换，则M(n, R) 为一带单位元的R-代数。其上可以莱布尼茨公式定义行列式：一个矩阵可逆当且仅当其行列式在R 内可逆。
除特别指出，一个矩阵多是实数矩阵或虚数矩阵。
分块矩阵：
分块矩阵是指一个大矩阵分割成“矩阵的矩阵”。举例，以下的矩阵
可分割成4 个2×2 的矩阵，矩阵将多种信号自由控制，将BSV液晶拼接跨屏显示。
此法可用于简化运算，简化数学证明，以及一些电脑应用如VLSI芯片设计等。
4基本性质编辑
1.结合性（AB)C=A(BC）．
2.对加法的分配性（A+B)C=AC+BC，C(A+B）=CA+CB ．
3.对数乘的结合性k(AB）=（kA)B =A(kB）．
4.关于转置(AB)'=B'A'．
5特殊类别编辑
对称矩阵是相对其主对角线（由左上至右下）对称，即是ai,j=aj,i。
埃尔米特矩阵（或自共轭矩阵）是相对其主对角线以复共轭方式对称，即是ai,j=a*j,i。
特普利茨矩阵在任意对角线上所有元素相对，是ai,j=ai+1,j+1。
随机矩阵所有列都是概率向量，用于马尔可夫链。
此外，还有对角矩阵，单位矩阵，条带矩阵
对角矩阵是仅在它的主对角线上有元素而其他位置上的元素全为零（即aij=
0或i≠j）的矩阵。如图为nXn的对角矩阵：
类似的是单位矩阵，但位于主对角线上的元素都是1，即a1=a2=......=an=1
条带矩阵是指与主对角线平行的位置上有非零元素而其他位置的元素全为零的矩阵来源英文名Matrix（SAMND矩阵）。在数学名词中，矩阵用来表示统计数据等方面的各种有关联的数据。这个定义很好地解释了Matrix代码制造世界的数学逻辑基础。
成书于西汉末、东汉初的《九章算术》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。但当时并没有现在理解的矩阵概念，虽然它与现在的矩阵形式上相同，但在当时只是作为线性方程组的标准表示与处理方式。
矩阵的现代概念在19世纪逐渐形成。1801年德国数学家高斯（F.Gauss，1777~1855）把一个线性变换的全部系数作为一个整体。1844年，德国数学家爱森斯坦（F.Eissenstein，1823~1852）讨论了“变换”（矩阵）及其乘积。1850年，英国数学家西尔维斯特（James Joseph Sylvester，18414-1897）首先使用矩阵一词。1858年，英国数学家凯莱（A.Gayley，1821~1895）发表《关于矩阵理论的研究报告》。他首先将矩阵作为一个独立的数学对象加以研究，并在这个主题上首先发表了一系列文章，因而被认为是矩阵论的创立者，他给出了现在通用的一系列定义，如两矩阵相等、零矩阵、单位矩阵、两矩阵的和、一个数与一个矩阵的数量积、两个矩阵的积、矩阵的逆、转置矩阵等。并且凯莱还注意到矩阵的乘法是可结合的，但一般不可交换，且m*n矩阵只能用n*k矩阵去右乘。1854年，法国数学家埃米尔特（C.Hermite，1822~1901）使用了“正交矩阵”这一术语，但他的正式定义直到1878年才由德国数学家费罗贝尼乌斯（F.G.Frohenius，1849~1917）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。
制作步骤
制作矩阵图一般要遵循以下几个步骤：
①列出质量因素：
②把成对对因素排列成行和列，表示其对应关系
③选择合适的矩阵图类型
④在成对因素交点处表示其关系程度，一般凭经验进行定性判断，可分为三种：关系密
切、关系较密切、关系一般（或可能有关系)，并用不同符号表示
⑤根据关系程度确定必须控制的重点因素
⑥针对重点因素作对策表。
6经典题目编辑
给定n个点，m个操作，构造O(m+n)的算法输出m个操作后各点的位置。操作有平移、缩放、翻转和旋转
这里的操作是对所有点同时进行的。其中翻转是以坐标轴为对称轴进行翻转（两种情况），旋转则以原点为中心。如果对每个点分别进行模拟，那么m个操作总共耗时O(mn)。
利用矩阵乘法可以在O(m)的时间里把所有操作合并为一个矩阵，然后每个点与该矩阵相乘即可直接得出最终该点的位置，总共耗时O(m+n)。假设初始时某个点的坐标为x和y，下面5个矩阵可以分别对其进行平移、旋转、翻转和旋转操作。预先把所有m个操作所对应的矩阵全部乘起来，再乘以(x,y,1)，即可一步得出最终点的位置。
给定矩阵A，请快速计算出A^n（n个A相乘）的结果，输出的每个数都mod p。
由于矩阵乘法具有结合律，因此A^4 = A * A * A * A = (A*A) * (A*A) = A^2 * A^2。我们可以得到这样的结论：当n为偶数时，A^n = A^(n/2) * A^(n/2)；当n为奇数时，A^n = A^(n/2) * A^(n/2) * A （其中n/2取整）。这就告诉我们，计算A^n也可以使用二分快速求幂的方法。例如，为了算出A^25的值，我们只需要递归地计算出A^12、A^6、A^3的值即可。根据这里的一些结果，我们可以在计算过程中不断取模，避免高精度运算。
POJ3233[2]
题目大意：给定矩阵A，求A + A^2 + A^3 + ... + A^k的结果（两个矩阵相加就是对应位置分别相加）。输出的数据mod m。k<=10^9。
这道题两次二分，相当经典。首先我们知道，A^i可以二分求出。然后我们需要对整个题目的数据规模k进行二分。比如，当k=6时，有：
A + A^2 + A^3 + A^4 + A^5 + A^6 =(A + A^2 + A^3) + A^3*(A + A^2 + A^3)
应用这个式子后，规模k减小了一半。我们二分求出A^3后再递归地计算A + A^2 + A^3，即可得到原问题的答案。
VOJ1049
题目大意：顺次给出m个置换，反复使用这m个置换对初始序列进行操作，问k次置换后的序列。m<=10, k<2^31。
首先将这m个置换“合并”起来（算出这m个置换的乘积），然后接下来我们需要执行这个置换k/m次（取整，若有余数则剩下几步模拟即可）。注意任意一个置换都可以表示成矩阵的形式。例如，将1 2 3 4置换为3 1 2 4，相当于下面的矩阵乘法：
置换k/m次就相当于在前面乘以k/m个这样的矩阵。我们可以二分计算出该矩阵的k/m 次方，再乘以初始序列即可。做出来了别忙着高兴，得意之时就是你灭亡之日，别忘了最后可能还有几个置换需要模拟。
《算法艺术与信息学竞赛》207页（2.1代数方法和模型，[例题5]细菌，版次不同可能页码有偏差）
大家自己去看看吧，书上讲得很详细。解题方法和上一题类似，都是用矩阵来表示操作，然后二分求最终状态。
给定n和p，求第n个Fibonacci数mod p的值，n不超过2^31
根据前面的一些思路，现在我们需要构造一个2 x 2的矩阵，使得它乘以(a,b)得到的结果是(b,a+b)。每多乘一次这个矩阵，这两个数就会多迭代一次。那么，我们把这个2 x 2的矩阵自乘n次，再乘以(0,1)就可以得到第n个Fibonacci数了。不用多想，这个2 x 2的矩阵很容易构造出来：
VOJ1067
我们可以用上面的方法二分求出任何一个线性递推式的第n项，其对应矩阵的构造方法为：在右上角的(n-1)*(n-1)的小矩阵中的主对角线上填1，矩阵第n行填对应的系数，其它地方都填0。例如，我们可以用下面的矩阵乘法来二分计算f(n) = 4f(n-1) - 3f(n-2) + 2f(n-4)的第k项：
利用矩阵乘法求解线性递推关系的题目我能编出一卡车来。这里给出的例题是系数全为1的情况。
给定一个有向图，问从A点恰好走k步（允许重复经过边）到达B点的方案数mod p 的值
把给定的图转为邻接矩阵，即A(i,j)=1当且仅当存在一条边i->j。令C=A*A，那么
C(i,j)=ΣA(i,k)*A(k,j)，实际上就等于从点i到点j恰好经过2条边的路径数（枚举k为中转点）。类似地，C*A的第i行第j列就表示从i到j经过3条边的路径数。同理，如果要求经过k
步的路径数，我们只需要二分求出A^k即可。
#include
#include
#include
#include
#include
#define N 10
using namespace std;
const int mod = 7777777;
typedef long long LL;
struct matrix{
LL a[10][10];
}origin;
int n,m;
matrix multiply(matrix x,matrix y){
matrix temp;
memset(temp.a,0,sizeof(temp.a));
for(int i=0;i for(int j=0;j for(int k=0;k temp.a[i][j]+=x.a[i][k]*y.a[k][j]; temp.a[i][j]=(temp.a[i][j])%mod; } } } return temp;} matrix matmod(matrix A,int k){ matrix res; memset(res.a,0,sizeof res.a); for(int i=0;i while(k){ if(k&1) res=multiply(res,A); k>>=1; A=multiply(A,A); } return res; } void print(matrix x){ for(int i=0;i for(int j=0;j cout<<" "< } printf("---------------\n");} int main(){ int k; while(cin>>n>>k){ memset(origin.a,0,sizeof origin.a); origin.a[0][0]=1; for(int i=1;i<=n;i++){ origin.a[i][0]=1; for(int j=0;j origin.a[i][0]+=origin.a[j][0]; } } // print(origin); matrix res; memset(res.a,0,sizeof res.a); for(int i=0;i res.a[i][i+1]=1; } for(int i=0;i //print(res); res=matmod(res,k-1); LL fans=0; for(int i=0;i fans+=res.a[0][i]*origin.a[i][0]; fans%=mod; } cout< } return 0; } 经典题目9 用1 x 2的多米诺骨牌填满M x N的矩形有多少种方案，M<=5，N<2^31，输出答案mod p的结果 我们以M=3为例进行讲解。假设我们把这个矩形横着放在电脑屏幕上，从右往左一列一列地进行填充。其中前n-2列已经填满了，第n-1列参差不齐。现在我们要做的事情是把第n-1列也填满，将状态转移到第n列上去。由于第n-1列的状态不一样（有8种不同的状态），因此我们需要分情况进行讨论。在图中，我把转移前8种不同的状态放在左边，转移后8种不同的状态放在右边，左边的某种状态可以转移到右边的某种状态就在它们之间连一根线。注意为了保证方案不重复，状态转移时我们不允许在第n-1列竖着放一个多米诺骨牌（例如左边第2种状态不能转移到右边第4种状态），否则这将与另一种转移前的状态重复。把这8种状态的转移关系画成一个有向图，那么问题就变成了这样：从状态111出发，恰好经过n步回到这个状态有多少种方案。比如，n=2时有3种方案，111->011->111、111->110->111和111->000->111，这与用多米诺骨牌覆盖3x2矩形的方案一一对应。这样这个题目就转化为了我们前面的例题8。 后面我写了一份此题的源代码。你可以再次看到位运算的相关应用。 经典题目10 POJ2778[3] 题目大意是，检测所有可能的n位DNA串有多少个DNA串中不含有指定的病毒片段。合法的DNA只能由ACTG四个字符构成。题目将给出10个以内的病毒片段，每个片段长度不超过10。数据规模n<=2 000 000 000。 下面的讲解中我们以ATC,AAA,GGC,CT这四个病毒片段为例，说明怎样像上面的题一样通过构图将问题转化为例题8。我们找出所有病毒片段的前缀，把n位DNA分为以下7类：以AT结尾、以AA结尾、以GG结尾、以?A结尾、以?G结尾、以?C结尾和以??结尾。其中问号表示“其它情况”，它可以是任一字母，只要这个字母不会让它所在的串成为某个病毒的前缀。显然，这些分类是全集的一个划分（交集为空，并集为全集）。现在，假如我们已经知道了长度为n-1的各类DNA中符合要求的DNA个数，我们需要求出长度为n 时各类DNA的个数。我们可以根据各类型间的转移构造一个边上带权的有向图。例如，从AT不能转移到AA，从AT转移到??有4种方法（后面加任一字母），从?A转移到AA有1种方案（后面加个A），从?A转移到??有2种方案（后面加G或C），从GG到??有2种方案（后面加C将构成病毒片段，不合法，只能加A和T）等等。这个图的构造过程类似于用有限状态自动机做串匹配。然后，我们就把这个图转化成矩阵，让这个矩阵自乘n 次即可。最后输出的是从??状态到所有其它状态的路径数总和。 题目中的数据规模保证前缀数不超过100，一次矩阵乘法是三方的，一共要乘log(n)次。因此这题总的复杂度是100^3 * log(n)，AC了。 最后给出第9题的代码供大家参考（今天写的，熟悉了一下C++的类和运算符重载）。为了避免大家看代码看着看着就忘了，我把这句话放在前面来说： Matrix67原创，转贴请注明出处。 #include #define SIZE (1< #define MAX_SIZE 32 using namespace std; class CMatrix { public: long element[MAX_SIZE][MAX_SIZE]; void setSize(int); void setModulo(int); CMatrix operator* (CMatrix); CMatrix power(int); private: int size; long modulo; }; void CMatrix::setSize(int a) { for (int i=0; i for (int j=0; j element[i][j]=0; size = a; } void CMatrix::setModulo(int a) { modulo = a; } CMatrix CMatrix::operator* (CMatrix param) { CMatrix product; product.setSize(size); product.setModulo(modulo); for (int i=0; i for (int j=0; j for (int k=0; k { product.element[i][j]+=element[i][k]*param.element[k][j]; product.element[i][j]%=modulo; } return product; } CMatrix CMatrix::power(int exp) { CMatrix tmp = (*this) * (*this); if (exp==1) return *this; else if (exp & 1) return tmp.power(exp/2) * (*this); else return tmp.power(exp/2); } int main() { const int validSet[]={0,3,6,12,15,24,27,30}; long n, m, p; CMatrix unit; scanf("%d%d%d", &n, &m, &p); unit.setSize(SIZE); for(int i=0; i for(int j=0; j if( ((~i)&j) == ((~i)&(SIZE-1)) ) { bool isValid=false; for (int k=0; k<8; k++)isValid=isValid||(i&j)==validSet[k ]; unit.element[i][j]=isValid; } unit.setModulo(p); printf("%d", unit.power(n).element[SIZE-1][SIZE-1] ); return 0; } 如：斐波那契数列：{ F(n) } = { 1 1 } ^（n-2）* { 1 } F(n-1) 1 0 1 7乘法算法编辑 传统算法： 若依定义来计算A和B的乘积矩阵C，则每计算C的一个元素C[i][j]，需要做n次乘法和n-1次加法。因此，算出矩阵C的个元素所需的计算时间为O(n3) Strassen矩阵乘法： T(n)=O(nlog7) =O(n2.81) 时间复杂度有了较大改进！ 目前最好的计算时间上界是O(n2.376) Born T o Win 考研数学线性代数之矩阵的乘法运算 任意两个矩阵不一定能够相乘，即两个矩阵要相乘必须满足的条件是：只有当第一个矩阵A 的列数与第二个矩阵B 的行数相等时A ×B 才有意义。一个m ×n 的矩阵A 左乘一个n ×p 的矩阵B ，会得到一个m ×p 的矩阵C 。左乘：又称前乘，就是乘在左边(即乘号前)，比如说,A 左乘E 即AE 。 一个m 行n 列的矩阵与一个n 行p 列的矩阵可以相乘，得到的结果是一个m 行p 列的矩阵，其中的第i 行第j 列位置上的数为第一个矩阵第i 行上的n 个数与第二个矩阵第j 列上的n 个数对应相乘后所得的n 个乘积之和。比如，下面的算式表示一个2行2列的矩阵乘以2行3列的矩阵，其结果是一个2行3列的矩阵。其中，结果矩阵的那个4（结果矩阵中第二（i ）行第二（j)列）= 2（第一个矩阵第二(i)行第一列）*2（第二个矩阵中第一行第二(j)列） + 0（第一个矩阵第二(i)行第二列）*1（第二个矩阵中第二行第二(j)列）： 矩阵乘法的两个重要性质：一，矩阵乘法满足结合律； 二，矩阵乘法不满足交换律。为什么矩阵乘法不满足交换律呢？这是由矩阵乘法定义决定的。因为矩阵AB=C ，C 的结果是由A 的行与B 的列相乘和的结果；而BA=D ，D 的结果是由B 的行与A 的列相乘和的结果。显然，得到的结果C 和D 不一定相等。同时，交换后两个矩阵有可能不能相乘。 因为矩阵乘法不满足交换律，所以矩阵乘法也不满足消去律。即由AB=AC 是得不到B=C 的，这是因为()AB AC A B C O =?-=是得不到A=O 或B-C=O 即B=C.例 111000010A B ????=≠=≠ ? ?-????0， 但0000AB O ??== ??? 那么由AB=O 一定得不到A=O 或B=O 吗？回答是否定的。比如A 是m ×n 阶矩阵，B 是n ×s 阶矩阵，若A 的秩为n ，则AB=O ，得B=O ；若B 的秩为m ，则AO ，得A=O.为什么吗？原因会在有关齐次线性方程组的文章里进行讲解. 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 选修4－2矩阵与变换 2.3.1 矩阵乘法的概念 编写人： 编号：008 学习目标 1、 熟练掌握二阶矩阵与二阶矩阵的乘法。 2、 理解两个二阶矩阵相乘的结果仍然是一个二阶矩阵，从几何变换的角度来看，它表 示的是原来两个矩阵对应的连续两次变换。 学习过程： 一、预习： （一）阅读教材，解决下列问题： 问题：如果我们对一个平面向量连续实施两次几何变换,结果会是怎样?举例说明。 归纳1：矩阵乘法法则: 归纳2：矩阵乘法的几何意义： （二）初等变换：在数学中，一一对应的平面几何变换都可看做是伸压、反射、旋转、切变变换的一次或多次复合，而伸压、反射、切变变换通常叫做初等变换，对应的矩阵叫做初等变换矩阵。 练习 、.?? ??????????10110110=（ ） A 、???? ??1110 B 、??????1011 C 、? ? ? ???0111 D 、??????0110 、已知矩阵X 、M 、N,若M =?? ? ???--1111, N =??????--3322，则下列X 中不满足:XM=N ,的一个 是（ ） A 、X =???? ??--2120 B 、X =??????--1211 C 、X =??????--3031 D 、X =? ? ? ???-3053 二、课堂训练： 例1．（1）已知A= 11 22 11 22 ?? ? ? ? ? ?? ，B= 11 22 11 22 ?? - ? ? ? - ? ?? ,计算AB （2）已知A= 10 02 ?? ? ?? ，B= 14 23 ?? ? - ?? ，计算AB,BA (3)已知A= 10 00 ?? ? ?? ，B= 10 01 ?? ? ?? ，C= 10 02 ?? ? ?? 计算AB,AC 例2、已知梯形ABCD，其中A(0,0),B(3,0),C(2,2),D(1,2),先将梯形作关于x轴的反射变换，再将所得图形绕原点逆时针旋转0 90 (1)求连续两次变换所对应的变换矩阵M (2)求点A,B,C,D在 M T作用下所得到的结果 (3)在平面直角坐标系内画出两次变换对应的几何图形，并验证(2)中的结论。 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． 第六节．矩阵乘法的法则 教学目标： （1）通过几何变换，使学生理解矩阵乘法不满足交换律（但并不是绝对的）。 （2）通过实例，了解矩阵的乘法满足结合律。 教学重点：理解矩阵乘法不满足交换律。 教学难点：从图形变换的角度理解矩阵的乘法不满足交换律。 教学过程： 一、引入：对上节课的练习的讨论： 已知三角形ABC 的三个顶点的坐标分别为：A （0，0），B （2，0），C （2，2）， 先将三角形作以原点为中心的反射变换（变换矩阵为?? ????--1001） ，再以x 轴为基准，将所得图形压缩到原来的一半（变换矩阵为??? ? ??? ?21001 ），试求：（1）这连续两次变换所对应的变换矩阵U ； 问：U=??????--1001????????21001=??? ?????--21001 U=????????21001??????--1001=??? ? ????--21001 问题：矩阵的乘法是否满足交换律呢？ 2、例题 例1．已知矩阵A 、B ，计算AB 及BA ，并比较他们是否相同，能否从几何变换的角度给予解释？ （1）A=???? ??2001，B=?? ????-0110； （2）A=??? ?????21001 ，B=??? ???1003。 解：（1）AB=???? ??2001??????-0110=??? ???-0210，BA=??????-0110? ?????2001=?? ????-0120 显然，AB ≠BA 。 从几何变换的角度，AB 表示先作反射变换（变换矩阵为B ），后作伸缩变换（变换矩阵为A ）；而BA 表示先作伸缩变换（变换矩阵为A ），后作反射变换（变换矩阵为B ）。当连续进行一系列变换时，交换变换次序得到的结果，一般说会不相同。仍以正方形（顶点分别为A(0,0)，B(1,0)，C(1,1)，D(0,1)）为例，如下图： 一、矩阵的线性运算 定义1 设有两个矩阵和,矩阵与的和记作, 规定为 注：只有两个矩阵是同型矩阵时，才能进行矩阵的加法运算. 两个同型矩阵的和，即为两个矩阵对应位置元素相加得到的矩阵. 设矩阵记 , 称为矩阵的负矩阵, 显然有 . 由此规定矩阵的减法为 . 定义2 数与矩阵A的乘积记作或, 规定为 数与矩阵的乘积运算称为数乘运算. 矩阵的加法与矩阵的数乘两种运算统称为矩阵的线性运算. 它满足下列运算规律：设都是同型矩阵，是常数，则 (1) (2) ; (3) (4) (5) (6) (7) (8) 注：在数学中，把满足上述八条规律的运算称为线性运算. 二、矩阵的相乘 定义3设 矩阵与矩阵的乘积记作, 规定为 其中，( 记号常读作左乘或右乘. 注: 只有当左边矩阵的列数等于右边矩阵的行数时, 两个矩阵才能进行乘法运算. 若，则矩阵的元素即为矩阵的第行元素与矩阵的第列对应元素乘积的和. 即 . 矩阵的乘法满足下列运算规律(假定运算都是可行的)： （1） （2） （3） （4） 注: 矩阵的乘法一般不满足交换律, 即 例如, 设则 而 于是且 从上例还可看出: 两个非零矩阵相乘, 可能是零矩阵, 故不能从必然推出 或 此外, 矩阵乘法一般也不满足消去律,即不能从必然推出例如, 设 则 但 定义4如果两矩阵相乘, 有 则称矩阵A与矩阵B可交换.简称A与B可换. 注：对于单位矩阵, 容易证明 或简写成 可见单位矩阵在矩阵的乘法中的作用类似于数1. 更进一步我们有 命题1设是一个n阶矩阵，则是一个数量矩阵的充分必要条件是与任何n阶矩阵可换。 命题2设均为n阶矩阵，则下列命题等价： （1） （2） （3） （4） 三、线性方程组的矩阵表示 设有线性方程组 若记 则利用矩阵的乘法, 线性方程组(1)可表示为矩阵形式： (2) 其中矩阵称为线性方程组(1)的系数矩阵. 方程(2)又称为矩阵方程. 如果是方程组(1)的解, 记列矩阵 则 ， 这时也称是矩阵方程(2)的解; 反之, 如果列矩阵是矩阵方程(2)的解, 即有矩阵等式 成立, 则即也是线性方程组(1)的解. 这样, 对线性方程组(1)的讨论便等价于对矩阵方程(2)的讨论. 特别地, 齐次线性方程组可以表示为 将线性方程组写成矩阵方程的形式，不仅书写方便，而且可以把线性方程组的理论与矩阵理论联系起来，这给线性方程组的讨论带来很大的便利. 四、矩阵的转置 定义6把矩阵的行换成同序数的列得到的新矩阵, 称为的转置矩阵, 记作(或 ). 即若 则 c++课程设计-矩阵的转置与乘法计算 C++课程设计实验报告 姓名学号班级 任课教师时间 9月 教师指定题目4-4 矩阵的转置与乘法计算评定难易级别 A 实验报告成绩 1.实验内容: 1.1 程序功能介绍 该程序定义了一个向量类，里面的元素是模板形式，定义了有关向量了类的各种属性、方法及运算符重载函数。 1.2 程序设计要求 （1）利用已知的向量类对象定义一个矩阵类，矩阵类的数据是向量子对象，同样定义矩阵类的各种属性、方法及运算符重载函数。 （2）完善成员函数，使矩阵可以由文件输入，具体的输入格式自己规定。 （3）完成矩阵的赋值、转置、乘法等运算，要求用整形矩阵和浮点型矩阵分别演算。 （4）更改main函数结构，可由用户选择输入矩阵数据的方法，程序可以连续运行，直到选择退出为止。 2. 源程序结构流程框图与说明(含新增子函数的结构框图) 作者：喻皓学号：0511590125 3. 基本数据结构 定义的类模板，将函数用链表将一些功能函数连接起来。其中定义了构造函数，析构函数，重载赋值、乘法、数乘、输入、输出，矩阵转置等函数，实现矩阵的矩阵的赋值、转置、乘法等运算。 template 认识一维数组和二维数组。理清概念很重要，不要混淆数组、数组公式。 第一，一维数组和二维数组的定义 单行或单列的数组，我们称为一维数组。 多行多列（含2行2列）的数组是二维数组。 第二，数组和数组公式的区别 数组，就是元素的集合，按行、列进行排列。 数组公式：就是包含有数组运算的公式。ctrl+shift+enter，三键结束，这个过程就是告诉excel请与数组运算的方式来处理本公式，反馈一个信息，就是在公式的外面添加一对花括号。 第三，一维数组和二维数组的运算规律 1、单值x与数组arry运算 执行x与arry中每一个元素分别运算并返回结果，也就是与arry本身行列、尺寸一样的结果。 比如：2*{1,2;3,4;5,6}，执行2*1、2*2、2*3……2*6运算，并返回3行2列的二维数组结果{2,4;6,8;10,12}，如下图所示： 数组中行和列分别用逗号、分号来间隔。逗号表示行，行之间的关系比较紧密，用逗号分割；列之间，关系相对比较疏远一点，用分号分割。 又比如："A"&{"B","C"}返回{"AB","AC"}。"A"={"B","A","C"}返回{FALSE,TRUE,FALSE} 2、同向一维数组运算 执行arry1与arry2对应位置的元素分别运算并返回结果。要求arry1与arry2尺寸必须相同，否则多余部分返回#N/A错误。 比如： {1;2;3}*{4;5;6}返回{4;10;18}； {1,2,3,4}*{4,5,6}返回{4,10,18,#N/A}，如下图所示： 3、异向一维数组运算 arry1的每一元素与arry2的每一元素分别运算并返回结果，得到两个数组的行数*列数个元素，也就是M行数组与N列数组运算结果为M*N的矩阵数组。 比如：{1;2;3}*{4,5,6,7,8}，执行1*4、1*5、……1*8、2*4、2*5……3*8，返回{4,5,6,7,8;8,10,12,14,16;12,15,18,21,24} public Matrix Invs(){ int rw=row,rk=rank; Matrix imat=new Matrix(rw,rk); Matrix jmat=new Matrix(rw,rk); for(int i=0;i Strassen 矩阵相乘算法代码 #include 沈阳航空航天大学课程设计 学号2009040603045 班级94060302 姓名崔建国 指导教师刘学平 2011年7 月 6 日 沈阳航空航天大学 课程设计任务书 学院：机电工程学院专业：车辆工程班级：94060302 学号：2009040603045 题目：矩阵的乘法运算 一、课程设计时间 2011年6月27日~7月1日（第17周），共计1周。 二、课程设计内容 在“file05_矩阵相乘.txt”文件中存放了两个矩阵，请读取这两个矩阵进行乘法运算，并显示结果矩阵。 三、课程设计要求 程序质量： ?贯彻事件驱动的程序设计思想。 ?用户界面友好，功能明确，操作方便；可以加以其它功能或修饰。 ?用户界面中的菜单至少应包括“读取矩阵”、“开始计算”、“显示结果”、“退 出”4项。 ?代码应适当缩进，并给出必要的注释，以增强程序的可读性。 课程设计说明书： ?课程结束后，上交课程设计说明书和源程序。课程设计说明书的内容参见提 供的模板。 四、指导教师和学生签字 指导教师：刘学平学生签名：崔建国 五、成绩 六、教师评语 目录 一、需求分析 (4) 二、设计分析 (4) 三、关键技术 (6) 四、总结 (10) 五、完整的源程序 (11) 六、参考文献 (13) 一、需求分析 矩阵乘法运算是通过读取文本文件的资料，将两个矩阵进 行乘法运算，并显示结果。要求： ①学生会编程读取文本文会运open ②会运用Do while loop 的循环语句 ③懂得矩阵运算的法则. 二、设计分析 (1) 基本原理：运用打开顺序文件 open 文件名For Input/ output/ As # 文件号， 在文本文件中读取数据矩阵相乘采用二维数组For 循环 结构。矩阵相乘是将每个数字赋予一个字符，然后把字符 用公式写出来，进而进行计算，将得出的结果按矩阵的形 式打印在窗体上。 十个利用矩阵乘法解决的经典题目 By Matrix67 好像目前还没有这方面题目的总结。这几天连续看到四个问这类题目的人，今天在这里简单写一下。这里我们不介绍其它有关矩阵的知识，只介绍矩阵乘法和相关性质。 不要以为数学中的矩阵也是黑色屏幕上不断变化的绿色字符。在数学中，一个矩阵说穿了就是一个二维数组。一个n行m列的矩阵可以乘以一个m行p列的矩阵，得到的结果是一个n行p列的矩阵，其中的第i行第j列位置上的数等于前一个矩阵第i行上的m个数与后一个矩阵第j列上的m个数对应相乘后所有m个乘积的和。比如，下面的算式表示一个2行2列的矩阵乘以2行3列的矩阵，其结果是一个2行3列的矩阵。其中，结果的那个4等于2*2+0*1：下面的算式则是一个1 x 3的矩阵乘以3 x 2的矩阵，得到一个1 x 2的矩阵：矩阵乘法的两个重要性质：一，矩阵乘法不满足交换律；二，矩阵乘法满足结合律。为什么矩阵乘法不满足交换律呢？废话，交换过来后两个矩阵有可能根本不能相乘。为什么它又满足结合律呢？仔细想想你会发现这也是废话。假设你有三个矩阵A、B、C，那么(AB)C和A(BC)的结果的第i行第j列上的数都等于所有A(ik)*B(kl)*C(lj)的和（枚举所有的k和l）。 经典题目1 给定n个点，m个操作，构造O(m+n)的算法输出m个操作后各点的位置。操作有平移、缩放、翻转和旋转 这里的操作是对所有点同时进行的。其中翻转是以坐标轴为对称轴进行翻转（两种情况），旋转则以原点为中心。如果对每个点分别进行模拟，那么m个操作总共耗时O(mn)。利用矩阵乘法可以在O(m)的时间里把所有操作合并为一个矩阵，然后每个点与该矩阵相乘即可直接得出最终该点的位置，总共耗时 O(m+n)。假设初始时某个点的坐标为x和y，下面5个矩阵可以分别对其进行平移、旋转、翻转和旋转操作。预先把所有m个操作所对应的矩阵全部乘起来，再乘以(x,y,1)，即可一步得出最终点的位置。 经典题目2 给定矩阵A，请快速计算出A^n（n个A相乘）的结果，输出的每个数都mod p。 由于矩阵乘法具有结合律，因此A^4 = A * A * A * A = (A*A) * (A*A) = A^2 * A^2。我们可以得到这样的结论：当n为偶数时，A^n = A^(n/2) * A^(n/2)；当n为奇数时，A^n = A^(n/2) * A^(n/2) * A （其中n/2取整）。这就告诉我们，计算A^n也可以使用二分快速求幂的方法。例如，为了算出A^25的值，我们只需要递归地计算出A^12、A^6、A^3的值即可。根据这里的一些结果，我们可以在计算过程中不断取模，避免高精度运算。 经典题目3 POJ3233 (感谢rmq) 题目大意：给定矩阵A，求A + A^2 + A^3 + ... + A^k的结果（两个矩阵相加就是对应位置分别相加）。输出的数据mod m。k<=10^9。 这道题两次二分，相当经典。首先我们知道，A^i可以二分求出。然后我们需要对整个题目的数据规模k进行二分。比如，当k=6时，有： A + A^2 + A^3 + A^4 + A^5 + A^6 =(A + A^2 + A^3) + A^3*(A + A^2 + A^3) 应用这个式子后，规模k减小了一半。我们二分求出A^3后再递归地计算A + A^2 + A^3，即可得到原问题的答案。 《数据结构》课程设计 题目____n维矩阵的乘法AB-1______ 学号_________________ 姓名______________________ 专业_____________________ 指导老师___________________ 第一章：课程设计的目的 (3) 第二章：课程设计的内容和要求 (3) 课程设计的内容 (3) 运行环境 (3) 第三章:课程设计分析 (4) 矩阵的存储 (4) 矩阵的输入与输出 (4) 矩阵的乘法运算 (4) 矩阵的求逆运算 (4) 第四章：课程设计的算法描述 (4) 矩阵的存储 (4) 矩阵的输出 (5) 矩阵的乘法 (5) 矩阵的求逆运算 (5) 第五章：源代码 (7) 第六章：结束语 (11) 第一章：课程设计的目的 本学期我们对《数据结构》这门课程进行了学习。这门课程是一门实践性非常强的课程，为了让大家更好地理解与运用所学知识，提高动手能力，我们进行了此次课程设计实习。这次课程设计不但要求实习者掌握《数据结构》中的各方面知识，还要求实习者具备一定的C语言基础和编程能力。 具体说来，这次课程设计主要有两大方面目的。 一是让实习者通过实习掌握《数据结构》中的知识。对于矩阵乘法这一课题来说，所要求掌握的数据结构知识主要是数组的相关概念和数组用来存储矩阵的相关便利性。 二是通过实习巩固并提高实习者的C语言知识，并初步了解Visual C++的知识，提高其编程能力与专业水平。 第二章：课程设计的内容和要求 课程设计的内容 设计一个矩阵相乘的程序，首先从键盘输入两个矩阵a，b的内容，并输出两个矩阵，输出ab－1结果。 要求 要求 1）界面友好，函数功能要划分好 2）总体设计应画一流程图 3）程序要加必要的注释 4）要提供程序测试方案 5）程序一定要经得起测试，宁可功能少一些，也要能运行起来，不能运行的程序是没有价值的。 运行环境 该程序的运行环境为Windows xp系统，Microsoft Visual C++6.0版本。 矩阵的定义及其运算规则 1、矩阵的定义 一般而言，所谓矩阵就是由一组数的全体，在括号（）内排列成m行n 列（横的称行，纵的称列）的一个数表，并称它为m×n阵。 矩阵通常是用大写字母 A 、B …来表示。例如一个m 行n 列的矩阵可以简记为： ，或 。即： （2-3） 我们称（2-3）式中的为矩阵A的元素，a的第一个注脚字母，表示矩阵的行数，第二个注脚字母j（j＝1，2，…，n）表示矩阵的列数。 当m＝n时，则称为n阶方阵，并用表示。当矩阵（a ij）的元素仅有一行或一列时，则称它为行矩阵或列矩阵。设两个矩阵，有相同的行数和相同的列数，而且它们的对应元素一一相等，即，则称该两矩阵相等，记为A＝B。 2、三角形矩阵 由i＝j的元素组成的对角线为主对角线，构成这个主对角线的元素称为主对角线元素。 如果在方阵中主对角线一侧的元素全为零，而另外一侧的元素不为零或不全为零，则该矩阵叫做三角形矩阵。例如，以下矩阵都是三角形矩阵： ，，，。 3、单位矩阵与零矩阵 在方阵中，如果只有的元素不等于零，而其他元素全为零，如： 则称为对角矩阵，可记为。如果在对角矩阵中所有的彼此 都相等且均为1，如：，则称为单位矩阵。单位矩阵常用E来表示，即： 当矩阵中所有的元素都等于零时，叫做零矩阵，并用符号“0”来表示。 4、矩阵的加法 矩阵A＝（a ij）m×n和B＝（b ij）m×n相加时，必须要有相同的行数和列数。如以C＝（c ij）表示矩阵A及B的和，则有： m ×n 式中：。即矩阵C的元素等于矩阵A和B的对应元素之和。 由上述定义可知，矩阵的加法具有下列性质（设A、B、C都是m×n矩阵）： （1）交换律：A＋B＝B＋A （2）结合律：（A＋B）＋C＝A＋（B＋C） 5、数与矩阵的乘法 我们定义用k右乘矩阵A或左乘矩阵A，其积均等于矩阵中的所有元素都乘上k之后所得的矩阵。如： 由上述定义可知，数与矩阵相乘具有下列性质：设A、B都是m×n矩阵，k、h为任意常数，则： （1）k（A＋B）＝kA＋kB （2）（k＋h）A＝kA＋hA （3）k（hA）＝khA 矩阵n 次方的几种求法 1.利用定义法 () () ,,ij kj s n n m A a B b ??==则() ,ij s m C c ?=其1122...ij i j i j in nj c a b a b a b =+++ 1 n ik kj k a b ==∑称为A 与B 的乘积，记为C=AB ，则由定义可以看出矩阵A 与B 的乘积C 的第i 行第j 列的元素等于第一个矩阵A 的第i 行与第二个矩阵B 的第j 列的对应元素乘积之和，且由定义知：第一个矩阵的列数与第二个矩阵的行数要相[]1 同。 例1:已知矩阵34 125310210134A ??? ?=- ? ???，44 5 130621034510200B ??? ? ? = ? ? ??，求AB 解：设C AB ==() 34 ij c ?，其中1,2,3i =；1,2,3,4j = 由矩阵乘积的定义知： 111526533032c =?+?+?+?=121122543231c =?+?+?+?= 131321553030 c =?+?+?+?=14102051305 c =?+?+?+?= 21150623101c =-?+?+?+?= 22110224129c =-?+?+?+?= 23130125107c =-?+?+?+?= 24100021102c =-?+?+?+?= 310516334015c =?+?+?+?= 320112344222c =?+?+?+?= 330311354016c =?+?+?+?= 34001031403c =?+?+?+?= 将这些值代入矩阵C 中得： C AB ==34 323130519721522163??? ? ? ??? 则矩阵A 的n 次方也可利用定义的方法来求解。 2.利用矩阵的分块来求解 这类方法主要是把一个大矩阵看成是由一些小矩阵组成，就如矩阵 由数组成的一样在运算中将这些小矩阵当做数一样来处理，再由矩阵乘法的定义来求解这些小矩阵的乘积所构成的矩阵。即设 () () ,,ij kj s n n m A a B b ??==把A ，B 分解成一些小矩阵： 1111l t tl A A A A A ?? ?= ? ???K M O M L ，1111 r l lr B B B B B ?? ? = ? ??? K M O M L ，其中ij A 是i j s n ?小矩阵且1,2...i t =，1,2...j l =，且12...t s s s s +++= ，12...l n n n n +++=；ij B 是j k n m ?小矩阵且1,2...j l =，1,2...k r =；且12...l n n n n +++=， 12...r m m m m +++=；令C AB ==1111r t tr C C C C ?? ? ? ??? K M O M L ，其中ij C 是i j s m ?小矩阵且1,2...i t =，1,2,...,j r =，且12...t s s s s +++=， 12...r m m m m +++=；其中1122...ij i j i j il lj C A B A B A B =+++。这里我们应注意：矩阵A 列的分法必须与矩阵B 行的分法一[]1 致。 矩阵的运算及其运算规则 一、矩阵的加法与减法 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． 2、运算性质（假设运算都是可行的） 满足交换律和结合律 交换律； 结合律． 二、矩阵与数的乘法 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． 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． 典型例题 例6.5.1已知两个矩阵 满足矩阵方程，求未知矩阵． 解由已知条件知 三、矩阵与矩阵的乘法 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． 典型例题 例6.5.2设矩阵 计算 解是的矩阵．设它为 想一想：设列矩阵，行矩阵，和的行数和列数分别是多少呢 是3×3的矩阵，是1×1的矩阵，即只有一个元素． 课堂练习 1、设，，求． 2、在第1道练习题中，两个矩阵相乘的顺序是A在左边，B在右边，称为A左乘B 或B右乘A．如果交换顺序，让B在左边，A在右边，即A右乘B，运算还能进行吗？请算算试试看．并由此思考：两个矩阵应当满足什么条件，才能够做乘法运算． 3、设列矩阵，行矩阵，求和，比较两个计算结果，能得出什么结论吗？ 4、设三阶方阵，三阶单位阵为，试求和，并将计算结果与A比较，看有什么样的结论． 解： 第1题 ． 第2题 对于 矩阵相乘的快速算法 算法介绍 矩阵相乘在进行3D变换的时候是经常用到的。在应用中常用矩阵相乘的定义算法对其进行计算。这个算法用到了大量的循环和相乘运算，这使得算法效率不高。而矩阵相乘的计算效率很大程度上的影响了整个程序的运行速度，所以对矩阵相乘算法进行一些改进是必要的。 这里要介绍的矩阵算法称为斯特拉森方法，它是由v.斯特拉森在1969年提出的一个方法。 我们先讨论二阶矩阵的计算方法。 对于二阶矩阵 a11 a12 b11 b12 A = a21 a22 B = b21 b22 先计算下面7个量(1) x1 = (a11 + a22) * (b11 + b22); x2 = (a21 + a22) * b11; x3 = a11 * (b12 - b22); x4 = a22 * (b21 - b11); x5 = (a11 + a12) * b22; x6 = (a21 - a11) * (b11 + b12); x7 = (a12 - a22) * (b21 + b22); 再设C = AB。根据矩阵相乘的规则，C的各元素为(2) c11 = a11 * b11 + a12 * b21 c12 = a11 * b12 + a12 * b22 c21 = a21 * b11 + a22 * b21 c22 = a21 * b12 + a22 * b22 比较(1)(2)，C的各元素可以表示为(3) c11 = x1 + x4 - x5 + x7 c12 = x3 + x5 c21 = x2 + x4 c22 = x1 + x3 - x2 + x6 根据以上的方法，我们就可以计算4阶矩阵了，先将4阶矩阵A和B划分成四块2阶矩阵，分别利用公式计算它们的乘积，再使用(1)(3)来计算出最后结果。 ma11 ma12 mb11 mb12 A4 = ma21 ma22 B4 = mb21 mb22 其中 a11 a12 a13 a14 b11 b12 b13 b14 ma11 = a21 a22 ma12 = a23 a24 mb11 = b21 b22 mb12 = b23 b24 a31 a32 a33 a34 b31 b32 b33 b34 ma21 = a41 a42 ma22 = a43 a44 mb21 = b41 b42 mb22 = b43 b44 实现 // 计算2X2矩阵 void Multiply2X2(float& fOut_11, float& fOut_12, float& fOut_21, float& fOut_22, float f1_11, float f1_12, float f1_21, float f1_22, float f2_11, float f2_12, float f2_21, float f2_22) 矩阵乘法的概念 The latest revision on November 22, 2020 2006-2007后塍高中高二下学期数学教案（矩阵乘法的概念） 命题人：瞿蕴雅 教学目标： 1.熟练掌握二阶矩阵与二阶矩阵的乘法。 2．理解两个二阶矩阵相乘的结果仍然是一个二阶矩阵,从几何变换的角度来看,它表示的是原来两个矩阵的连续两次变换。 教学重点： 矩阵乘法的概念。 教学过程： 一、问题情境 问题：如果我们对一个平面向量连续实施两次几何变换,结果会是怎样 二、建构数学 1.矩阵乘法法则: 2.矩阵乘法的几何意义： 3．初等变换：在数学中，一一对应的平面几何变换都可看做是伸压、反射、旋转、切变变换的一次或多次复合，而伸压、反射、切变变换通常叫做初等变换，对应的矩阵叫做初等变换矩阵。 三、数学应用 1．例题 例1:（1）已知A= 11 22 11 22 ?? ? ? ? ? ?? ，B= 11 22 11 22 ?? - ? ? ? - ? ?? ,计算AB （2）已知A= 10 02 ?? ? ?? ，B= 14 23 ?? ? - ?? ，计算AB,BA (3)已知A= 10 00 ?? ? ?? ，B= 10 01 ?? ? ?? ，C= 10 02 ?? ? ?? 计算AB,AC 例2:已知梯形ABCD，其中A(0,0),B(3,0),C(2,2),D(1,2),先将梯形作关于x 轴的反射变换，再将所得图形绕原点逆时针旋转0 90 (1)求连续两次变换所对应的变换矩阵M (2)求点A,B,C,D在 M T作用下所得到的结果 (3)在平面直角坐标系内画出两次变换对应的几何图形，并验证(2)中的结论。 例3: 已知A= cos sin sin cos αα αα - ?? ? ?? ，B= cos sin sin cos ββ ββ - ?? ? ?? ，试求AB,并对其几何意 义给予解释。 2．课堂练习 P46 1,2 四、回顾小结 1. 二阶矩阵乘法运算法则 2. 二阶矩阵乘法的几何意义 五、课外作业 同步导学 矩阵乘积的运算法则的证明 矩阵乘积的运算法则 1 乘法结合律：若n m C A ?∈,p n C B ?∈ , q p C C ?∈，则C AB BC A )()(=. 2 乘法左分配律：若A 和B 是两个n m ?矩阵，且C 是一个p n ?矩阵，则 BC AC C B A +=+)(. 3 乘法右分配律：若A 是一个n m ?矩阵，并且B 和C 是两个p n ?矩阵，则BC AC C B A +=+)(. 4 若α是一个标量，并且A 和B 是两个m n ?矩阵，则B A B A ααα+=+)(. 证明 1 ①先设n 阶矩阵为)(ij a A =,)(ij b B =, )(ij c C =,)(ij d AB =,)(ij e BC = )(ij f ABC =,)()(ij g BC A =,有矩阵的乘法得： n j i b a b a b a d nj in j i j i ij 2,1,.2211=+++= n j i c b c b c b e nj in j i j i ij 2,1,.2211=+++= n j i c d c d c d f nj in j i j i ij 2,1,.2211=+++= n j i e a e a e a g nj in j i j i ij 2,1,.2211=+++= 故对任意n j i 2,1,=有： nj in j i j i ij c d c d c d f +++= 2211 ++++=j n in i i c b a b a b a 11212111)( ++++j n in i i c b a b a b a 22222121)( nj nn in n i n i c b a b a b a )(2211++++ ++++=)(12121111nj n j j i c b c b c b a【线性代数】之矩阵的乘法运算
矩阵的运算及其运算规则
苏教版高中数学高二选修4-2 矩阵乘法的概念
矩阵的运算及其运算规则
矩阵乘法的法则
矩阵的各种运算详解.
c++课程设计-矩阵的转置与乘法计算
数组运算法则
矩阵加减乘除
strassen矩阵相乘算法C++代码
矩阵的乘法运算
矩阵乘法题目
n维矩阵的乘法AB-1_
矩阵的定义及其运算规则
矩阵n次方的几种求法的归纳
矩阵的运算及其运算规则
矩阵相乘的快速算法
矩阵乘法的概念
矩阵乘积的运算法则的证明
相关主题
文本预览