矩阵理论与方法

矩阵理论与方法
矩阵理论与方法

深圳大学研究生课程:模糊集合与模糊系统

课程作业实验报告

实验名称:模糊综合评价法在矩阵理论与方法教学质量评估中的应用

姓名:李超

学号:2110130215

指导老师:黄建军李良群

提交日期:2011年11月28日

模糊综合评价法在矩阵理论与方法课程教学质量评估中的应用

1矩阵理论与方法课程教学质量评估方法的基础—模糊综合评价法 模糊综合评价法是一种基于模糊数学的综合评标方法。该综合评价法根据模糊数学的隶属度理论把定性评价转化为定量评价,即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。它具有结果清晰,系统性强的特点,能较好地解决模糊的、难以量化的问题,适合各种非确定性问题的解决。

操作过程为四个环节:第一步,确定模糊综合评价的因素指标集合和评价标准集合;第二部,确定评价因素指标的权数模糊子集;第三步,确定模糊评判阵即模糊关系矩阵;第四步,进行模糊关系运算,得出模糊综合评价结果,并进行比较分析。模糊综合评价法虽类似于统计综合指数法等传统方法,但它比统计综合指数法更综合概括,是对传统的统计量化评价方法的深化,是一种具有较大实用价值的现代统计方法,具有广泛的应用价值。

矩阵理论与方法课程的教学质量涉及各个方面,综合量化评估可以从指标设置、指标权数确定、评价标准的确定和评价方法的选择、量化计算与分析等过程来完成。 2评价模型的建立与参数的确定

模糊综合评价模型数学方法的基本步骤

(1)确定对评价对象进行综合评价的指标体系(即因素集),按某种属性分成S 个子集。

U=U s

i i u 1=,其中:i u ={1i u ,2i u ,…,ip u },i=1,2,…,s ,p 为该主因素下的子因素个数,且满足i u ∩j u = ?,i ≠ j 。

(2)确定评语集(称为评语等级论域),设有m 个评价等级,则

V ={1v ,2v ,…,m v }。

(3)由因素集合i u 中的元素和评语集V ,可获得一个隶属关系矩阵 R=????

??????nm n n m r r r r r r 2111211

其中:ij r =R(i u ,j v ),表示因素i u 对评语集中的某等级j v 的隶属程度,其中n 为参与评价的人数,ij r ∈[0,1]。

(4)对每一个因素集i u 分别作出模糊综合评价。设i u 中的各因素权重的分配(称

为模糊权向量)为i A =(1i a ,2i a ,…,in a ),其中:∑=n

r ir a 1=1。

若i R 为单因素矩阵,根据M (∨,∧)模型,通过将模糊权向量i A 与隶属关系矩阵R 进行合成,求得单级评价模型为i B =i A ○i R =(1i b ,2i b ,…,im b ),i =1,2,…,s 。

(5)将i u 看作一个综合因素(即主因素),记U={1u ,2u ,…,i u },用i B 作为

它的单因素评价结果,可得到隶属关系矩阵R=????

?

???????s B B B 21 ,设综合因素i u (i =1,2,…,s )的模糊权向量为A =(1a ,2a ,…,s a ),s 为主因素的个数。则二级模糊综合评价模型为B =A ○R =(1b ,2b ,…,s b ),如果第一步划分中i u (i =1,2,…,s )仍然较多,则可以继续划分得到三级或更高级的模型。

3 模糊综合评价法在矩阵理论与方法课程教学质量评估中的应用 教学质量评估的本质是对学校的教育功能和办学成效实现程度所进行的价值判断,根据我校对研究生一年级学生开设的神经网络与模糊系统的教学状况,通过对影响教学水平的各种因素加以分析,建立神经网络与模糊系统教学质量综合评价指标系统,如下表1。 主因素

子因素

课程内容u 1

知识广度和深度u 11 前瞻性和前沿性u 12 理论联系实际u 13

教学方式及教学效果u 2 教学方式u 21

教学媒体u 22

教学效果u 23

教材及参考资料u 3 教材u 31

参考书u 32

参考期刊u 33

工作态度u 4 敬业精神、师德师范u 41

教学任务完成情况u 42

教学育人u 43

表1 矩阵理论与方法教学质量评估指标

反映教学质量的因素包括:课程内容、教学方式及教学效果、教材及参考资料和工作态度等。这些因素与评价等级之间存在模糊关系,现用模糊综合评价法对该

课程的教学质量进行评估。

3.1 建立模糊综合评判基本要素

3.1.1建立因素集

设因素集:U={1u ,2u ,3u ,4u }

又设综合因素i u 的子因素集为:

1u ={11u ,12u ,13u },2u ={21u ,22u ,23u }

3u ={31u ,32u ,33u },4u ={41u ,42u ,43u }

3.1.2 建立评语集

评语集分为四级,即V ={1v ,2v ,3v ,4v },分别对应:优,良,中,差。

3.1.3 确定各指标i u 隶属于V 中评语的隶属度ij r ,通过对调查卷的统计建立模糊关系矩阵

1R =(11R ,12R ,13R T ) 2R =(21R ,22R ,23R T )

3R =(31R ,32R ,33R T ) 4R =(41R ,42R ,43R T )

R1=

1R = ??????????07.000.029.064.000.007.036.057.000.000.014.086.0 R2= ????

??????00.000.007.093.000.031.026.043.000.000.043.057.0 3R =??????????00.021.029.050.000.007.029.064.000.007.000.093.0 4R =????

??????00.000.007.093.000.000.007.093.000.000.007.093.0

3.1.4 指标权数的确定

(1)权数即各个不同指标按其所在的整个评价体系中的相对重要程度所赋予的值。体现了各层次指标在现代数字信号处理教学质量评价中所起的作用大小。根据实际情况现规定一级指标1u ,2u ,3u ,4u 的权重分别为:0.30, 0.25, 0.15, 0.30。

(2)第二层次指标i u 1,i u 2,i u 3,i u 4 的权数向量A i :

1A ={11a ,12a ,13a }=(13,11,12)??→?归一化(0.36,0.31,0.33)

2A ={21a ,22a ,23a }=(12,9,13)??→?归一化(0.35,0.26,0.39)

3A ={31a ,32a ,33a }=(12,12,13)??→?归一化(0.32,0.32,0.36)

4A ={41a ,42a ,43a }=(11, 12,11)??→?归一化(0.32,0.36,0.32)

3.2评判过程

建立模糊综合评估的数学模型i B =i A ○i R ,即M (∨,∧)模型。

3.2.1 一级模糊综合评判

1B =1A ○1R =(0.36,0.31,0.33)○????

??????07.000.029.064.000.007.036.057.000.000.014.086.0 = (0.36, 0.31, 0.07, 0.07)

2B =2A ○2R =(0.35,0.26,0.39)○????

??????00.000.007.093.000.031.026.043.000.000.043.057.0 = (0.39, 0.35, 0.26, 0)

3B =3A ○3R =(0.32,0.32,0.36)○????

??????00.021.029.050.000.007.029.064.000.007.000.093.0 = (0.36, 0.29, 0.21, 0)

4B =4A ○4R =(0.32,0.36,0.32)○????

??????00.000.007.093.000.000.007.093.000.000.007.093.0 =(0.36, 0.07, 0, 0)

进行归一化处理,按隶属原则得出模糊综合评判结果为:

1B =0.36/优+0.31/良+0.07/中+0.07/差 归一化后得到1B =(0.44,0.38,0.09,0.09) 2B =0.39/优+0.35/良+0.26/中+0.00/差 归一化后得到2B =(0.39,0.35,0.26,0.00) 3B =0.36/优+0.29/良+0.21/中+0.00/差 归一化后得到3B =(0.42,0.34,0.24,0.00) 4B =0.36/优+0.07/良+0.00/中+0.00/差 归一化后得到4B =(0.84,0.16,0.00,0.00) 通过一级评判,可以看出矩阵理论与方法在影响的四大主因素中:

1.课程内容的评价结果:“优”的为44%,“良”的为38%,“中”的为9%,“差”的为9%;

2.教学方式及教学效果的评价结果:“优”的为39%,“良”的为35%,“中”的为26%,“差”的为0%;

3.教材及参考资料的评价结果:“优”的为42%,“良”的为34%,“中”的为24%,“差”的为0%;

4.工作态度的评价结果:“优”的为84%,“良”的为16%,“中”的为0%,“差”的为0%;

3.2.1 二级模糊综合评判

由第一层次指标U i 的权数向量A ={1a ,2a ,3a ,4a }=(0.30,0.25,0.15,0.30)

R =(1B ,2B ,3B ,4B T )=?????

???????00.000.016.084.000.024.034.042.000.026.035.039.009.009.038.044.0 B =A ○R =(0.30,0.25,0.15,0.30)○??????

??????00.000.016.084

.000.024.034.042.000.026.035.039.009.009.038.044.0 = (0.30,0.30,0.25,0.09)

归一化后,得到

B =(0.32,0.32,0.27,0.09)

通过二级评判,得到矩阵理论与方法这门课程的总体教学质量评价,其中认为是优秀的有32%,良好的为32%,一般的为27%,较差的为9%。

4 结论

通过以上建立的模糊综合评价模型可以得出对高校教师授课质量的总体状况。通过评价结果,可以反映出教师在授课过程中存在的一些不足,有助于帮助高校教师对教学的相关环节进行改进。同时也解决了教师授课质量的定量综合评价问题。而且此模型还可以推广应用到科研成果的综合评价、人才评价等方面。

矩阵理论(新)

2011学年 (A) 学号姓名成绩 考试科目:《矩阵理论》(A)考试日期:2011年 1 月10 日 注意事项:1、考试7个题目共7页 2、考试时间120分钟 题目:一(本题35分) 二(本题18分) 三(本题14分) 四(本题08分) 五(本题07分) 六(本题09分) 七(本题09分) (注: I表示单位矩阵;H A表示H转置;det(A)代表行列式)

姓名: 学号: A 一. 填空(35分) ( 任意选择填写其中35个空即可 ) (1)1113A ??= ?-?? ,则2(2)A I -= ,A 的Jordan 形A J = (2)若3阶阵2≠A I ,且2440-+=A A I ,则Jordan 形A J = (3) I 是单位矩阵,则范数1||I||||I||∞== ;cos 0n n ?= (4)Hermite 阵的特征根全为 , 斜(反)Hermite 阵的特征根必为纯虚数或 (5)秩 ()()()r A B r A r B ?-= ; ()A B A B +++?-?= ;; ()T T T A B A B ?-?= ;()H H H A B A B ?-?= (6) 若2320++=A A I ,则A 一定相似于 (7)d dt tA e = ,d dt tA e -= ,dsin(At)dt = (8)2()A A += ;00A B +??= ??? ; (, 0)0A A ++??- ??? = (9)设A 的各列互相正交且模长为1,则 H A A +-= (10)(),ij A a =则 22 ,,()()H H ij ij i j i j A A a AA a -=-=∑∑tr ||tr || (11) 若 ()0H A A =tr 则A = (12) (正规阵无偏性)若A 是上三角形正规阵,则A 一定是 (13) 若0n n n n B D C ???? ??? 为正规阵, 则D = (14)021, ,103a A B b ????== ? ????? 则A B ?的特征根为 (15) 0.20.30.210.50.20.310.30.40.21A x ???? ???== ??? ?????? ?, , 则谱半径(最大特征根) ()A ρ范围是 ;且A x ∞= ;||A||∞= (16)01,10A -??= ??? 则 ()=A H A e e

第一章 第二讲 矩阵及矩阵初等变换2

第二讲 矩阵及初等变换(4节) 在上一讲中,我们简单介绍了n 元线性方程组的求解过程是如何用数表的形式来表达的思想,这种既能简化求解方程组的过程又使得求解形式简单明了的数表,我们称之为矩阵。 矩阵是线性代数中重要的概念之一,它的理论与方法在数学、经济、工程技术等方面都有较广泛的应用。著名的列昂节夫投入—产出模型就是利用矩阵这一数学工具建立起来的。因此掌握矩阵这一数学工具是非常必要的。 本讲的主要内容就是给出矩阵的概念及运算性质,为下一步更好地利用矩阵理论与方法讨论线性方程组提供有力的理论支撑。 1.2.1矩阵的概念 定义2.1 由m n ?个数i j a (=1,2,,i m ;=1,2,j n )排成了m 行n 列的矩形数表 11121212221 2 n n m m m n a a a a a a a a a 称其为m 行n 列矩阵,记作 11121212221 2 n n m m m n m n a a a a a a a a a ??? ? ? ? ??? 。 其中称ij a 是矩阵的第i 行第j 列元素。矩阵常用大写字母m n A ?,m n B ?… ...表示,或简记m n A ?=()ij m n a ?,m n B ?=()ij m n b ?… … 等. 注意:矩阵的行数m 与列数n 可以不相等,行列相同的矩阵称为方阵. 例如 2行3列矩阵 23231 0-2=2 5 -3A ???? ??? , 2行2列矩阵 2222 2 1=1 6B ???? ?-??。 例2.1例:给个具体的矩阵表示实例 1.2.2矩阵的运算 矩阵也有加、减、数乘、乘法等基本运算法则,以及转置运算等.由于矩阵是个数表,所以它的运算法则与数之间的运算法则有本质上的区别。下面我们先给出矩阵的基本的运算. 定义2.2 若两个行列相同的矩阵() () ,ij ij m n m n A a B b ??==其对应元素相等,即

上海交大矩阵理论大纲

上海交通大学研究生(非数学专业)数学基础课程 《矩阵理论》教学大纲(附:选课指南) 一.概况 1.开课学院(系)和学科:理学院数学系 2.课程代码: 3.课程名称:矩阵理论 4.学时/学分:51学时/3学分 5.预修课程:线性代数(行列式,矩阵与线性方程组,线性空间F n,欧氏空间R n,特征值与矩阵的对角化,实对称矩阵与二次型), 高等数学(一元微积分,空间解析几何,无 穷级数,常微分方程) 6.适合专业:全校的机、电、材、管理、生命和物理、力学诸大学科类,以及人文学科等需要的专业(另请参看选课指南)。 7.教材/教学参考书: 《矩阵理论》,苏育才、姜翠波、张跃辉编,科学出版社,2006 《矩阵分析》, R.A. Horn and C.R. Johnson, Cambridge Press (中译本),杨奇译,机械工业出版社,2005。 《矩理阵论与应用》,陈公宁编,高等教育出版社,1990。 《特殊矩阵》,陈景良,陈向晖,清华大学出版社,2001。 《代数特征值问题》,JH.威尔金森著,石钟慈邓健新译,科学出版社,2001。 二、课程的性质和任务 矩阵理论作为一种基本的数学工具,在数学学科与其他科学技术领域诸如数值分析、优化理论、微分方程、概率统计、系统工程等学科都有广泛应用。电子计算机及计算技术的发展也为矩阵理论的应用开辟了更广阔的前景。因此,学习和掌握矩阵的基本理论和方法,对于将来从事工程技术工作的工科研究生来说是必不可少的。通过该门课程的学习,期望学生能深刻地理解矩阵理论的基本知识和数学思想,掌握有关的计算方法及技巧,提高学生的数学素质,提高科研能力,掌握矩阵理论在多元微积分、线性控制系统、微分方程、逼近理论、投入产出分析等领域的许多应用。 三、课程的教学内容和要求 矩阵理论的教学内容分为十部分,对不同的内容提出不同的教学要求。 (数字表示供参考的相应的学时数)

矩阵理论中的矩阵分析的实际应用论文

矩阵分析在同步捕获性能研究新应用 摘要:该文提出了一种利用概率转移矩阵计算捕获传输函数的方法,通过将以往分析方法中的流程图转换为概率转移矩阵,仅需知道一步转移概率矩阵,利用现代计算机编程语言(如MAPLE,MATLAB等)的符号运算功能,即可得到捕获系统的传输函数:通过对传输函数求导,可计算平均捕获时间。矩阵分析方法可完整地计算出捕获系统的传输函数,可弥补流程图方法在分析传统连续搜索捕获方案的传输函数时所忽略的项;可纠正流程图方法在分 析非连续搜索捕获方案的传输函数时所引起的误差。 关键词:CDMA;矩阵分析;传输函数;流程图;捕获 A Novel Acquisition Performance Evaluation Approach Based on Matrix Analysis Abstract:A novel acquisition performance analysis approach is proposed based on matrix analysis.Given the first step transition probability matrix,the transfer function of acquisition system can be obtained by utilizing the symbol operation function of computer programming such as MAPLE,MATLAB and so on,and the mean acquisition time can be computed by differentiating the transfer function.The transfer function of acquisition system can be computed perfectly by matrix analysis,it not only complements the items neglected in that of conventional serial acquisition scheme but also corrects the error items in that of nonconsecutive acquisition scheme.

矩阵理论知识点整理资料

三、矩阵的若方标准型及分解 λ-矩阵及其标准型定理1 λ-矩阵()λ A可逆的充分必要条件是行列式()λ A是非零常数 引理2 λ-矩阵()λ A=() () n m ij? λ a的左上角元素()λ 11 a不为0,并且()λ A中至少有一个元素不 能被它整除,那么一定可以找到一个与()λ A等价的()() () n m ij? =λ λb B使得()0 b 11 ≠ λ且 ()λ 11 b的次数小于()λ 11 a的次数。 引理3 任何非零的λ-矩阵()λ A=() () n m ij? λ a等价于对角阵 () () () ? ? ? ? ? ? ? ? ? ? ? ? ... ..... d 2 1 λ λ λ r d d ()()()λ λ λ r 2 1 d ,.... d, d是首项系数为1的多项式,且 ()()1 ...... 3,2,,1 , / d 1 - = + r i d i i λ λ 引理4 等价的λ-矩阵有相同的秩和相同的各阶行列式因子 推论5 λ-矩阵的施密斯标准型是唯一的由施密斯标准型可以得到行列式因子推论6 两个λ-矩阵等价,当且仅当它们有相同的行列式因子,或者相同的不变因子 推论7 λ-矩阵()λ A可逆,当且仅当它可以表示为初等矩阵的乘积 推论8 两个()()λ λ λB A m与 矩阵 的- ?n等价当且仅当存在一个m阶的可逆λ-矩阵()λ P和 一个n阶的λ-矩阵()λ Q使得()()()()λ λ λ λQ A P = B 推论9 两个λ-矩阵等价,当且仅当它们有相同的初等因子和相同的秩

定理10 设λ-矩阵()λA 等价于对角型λ-矩阵()() ()()?????? ?? ? ???????? ?=λλλλn h h . . . ..21h B ,若将()λB 的次数大于1的对角线元素分解为不同的一次因式的方幂的乘积,则所有这些一次因式的方幂(相同 的按照重复的次数计算)就是()λA 的全部初等因子。 行列式因子 不变因子 初等因子 初等因子被不变因子唯一确定但,只要λ-矩阵()λA 化为对角阵,再将次数大于等于1的对角线元素分解为不同的一次方幂的乘积,则 所有这些一次因式的方幂(相同的必须重复计算)就为()λA 的全部初等因子,即不必事先知道不变因子,可以直接求得初等因子。 矩阵的若当 标准型 定理1 两个n ?m 阶数字矩阵A 和B 相似,当且仅当它们的特征矩阵B -E A -E λλ与等价 N 阶数字矩阵的特征矩阵A -E λ的秩一定是n 因此它的不变因子有n 个,且乘积是A 的特征多项式 推论3 两个同阶矩阵相似,当且仅当它们有相同的行列式因子,或相同的不变因子,或相同的初等因子。 定理4 每个n 阶复矩阵A 都与一个若当标准型矩阵相似,这个若当标准型矩阵除去其中若当块的排列次序外是被矩阵A 唯一确定的。 求解若当标准型及可逆矩阵P:根据数字矩阵写出特征矩阵,化为对角阵后,得出初等因子, 根据初等因子,写出若当标准型J,设P(X1X2X3),然后根据 J X X X X X X A PJ AP J AP P 321321-1),,(),,(,即得到===得到 P (X1X2X3)方阵 矩阵的最小 多项式 定理1 矩阵A 的最小多项式整除A 的任何零化多项式,且最小多项式唯一。 N 阶数字矩阵可以相似对角化,当且仅当最小多项式无重根。 定理2 矩阵A 的最小多项式的根一定是A 的特征值,反之,矩阵A的特征值一定是最小多项式的根。 求最小多项式:根据数字矩阵写出特征多项式()A E f -=λλ, 根据特征多项式得到最小多

矩阵变换及应用开题报告

鞍山师范学院 数学系13届学生毕业设计(论文)开题报告 课题名称:浅谈矩阵的变换及其应用 学生姓名:李露露 专业:数学与应用数学 班级:10级1班 学号:30 指导教师:裴银淑 2013年12月26日

一、选题意义 1、理论意义: 矩阵是数学中的一个重要内容,是线性代数核心。矩阵的变换是矩阵中一种十分重要的运算,它在解线性方程组求逆矩阵及矩阵理论的探讨中都可起到非常重要的作用。很多复杂、繁琐的问题经过变换都可以化为简单、易于解决的问题。因此,矩阵变换是研究代数问题的一个重要工具。 2、现实意义: 矩阵变换在物理、力学、信号与信息处理、通信、电子、系统、控制、模式识别、土木、电机、航空航天等众多学科中式最富创造性和灵活性,并起着不可代替的作用。 二、论文综述 1、国内外有关研究的综述: 矩阵不仅是个数学学科,而且也是许多理工学科的重要数学工具,因此国内外有许多有关于矩阵的研究。英国数学家西尔维斯特首先使用了“矩阵”一词,他与矩阵论的创立者凯莱一起发展了行列式理论。1858年,凯莱发表了关于矩阵的第一篇论文《矩阵论的研究报告》。自此以后,国内外有了许多关于矩阵的研究。在张贤达所著的《矩阵分析与应用》一书中,就有关于矩阵变换的内容,在第一章中有关于矩阵初等变换的内容,并有初等变换在矩阵方程中的应用,在第四章中也提到了Householder变换和Givens旋转。美国著名的约翰斯.霍普金斯大学的RogerA.Horn和威廉姆和玛丽学院的CharlesR.Johnson联合编著的《矩阵分析》也有关于矩阵变换的内容,此书主要涉及的是矩阵变换的应用。国内外关于矩阵变换的研究都取得了很大的进展,为矩阵知识所涉及的各个领域都作出了巨大贡献。 2 、本人对以上综述的评价:

重庆大学矩阵理论及其应用论文

“矩阵理论及其应用”课程研究报告 科目:矩阵理论及其应用教师:蒋卫生 姓名:学号: 专业:机械电子工程类别:学术 上课时间:2013 年10 月至2013 年12 月 考生成绩: 阅卷评语: 阅卷教师(签名)

最小二乘法问题 摘要:无论在哪个专业领域,都不可避免的要面对测量所得到的一批数据。这些数据看似杂乱无章,但对于特定的时间却是符合特定的规律。而要发现这些规律必须借助一定的手段。矩阵理论作为一门具有强大功能的学科再此发挥了它重要的作用。用矩阵论的理论来处理现代工程技术中的各种问题已经越来越普遍了。在工程技术中引进矩阵理论不仅使理论的表达极为简捷,而且对理论的实质刻画也更为深刻,这一点是不容质疑的,更由于计算机和计算方法的普及发展,不仅为矩阵理论的应用开辟了崭新的研究途径。矩阵理论与方法已成为研究现代工程技术的数学基础。因此,对于数据的处理采用最小二乘法是最恰当不过的了。 关键词:数据处理,矩阵理论,最小二乘法 正文 一、引言 最小二乘法已有近200年的发展历史,它首先由Gauss K F提出并被应用于天文计算中,现已被广泛地用来解决各种技术问题。在过去的30多年里,它已被成功地应用到过程控制系统的参数估计领域,数字计算机技术又使最小二乘原理更有实践价值。参数估计现在模型结构已知时,用实验法所取得的数据来确定表征系统动力学模型中的参数。最小二乘法原理提供了一个数学程序,通过它可以获得一个在最小方差意义下与实践数据拟合最好的模型,它在稳态系统数学模型的回归分析方面应用已很成熟,在动态系统的参数辨识方面也取得了许多重要成果,其参数估计的收敛性质也得到了深入的研究,可以说在参数估计领域中最小二乘方法已达到了完善的程度。 本文讨论的问题如下: 一颗导弹从敌国发射,通过雷达我们观测到了它的飞行轨迹,具体有如下数据:

矩阵理论

矩阵理论 通过学习矩阵理论这门课,发现在这个大数据的时代,矩阵理论是这个时代的基础学科,也是计算机飞速发展的引擎,它的重要性令我咂舌。一下内容是我对矩阵理论这门课程的总结和描述。 本门课程主要包含以下几部分内容:线性方程组、线性空间与线性变换、内积空间、特殊变换及其矩阵、范数及其应用、矩阵分析及其应用、特征值问题。 一 线性方程组 对*m n 矩阵A 施行一次初等行变换(初等行变换),相当于在A 的左边(右边)乘以相应的m 阶(n 阶)初等矩阵。 由于现代计算机处理的数据越来越多,运行的任务越来越大,因此,对矩阵的处理复杂度就是我们关注的重点。 对行列式的拉普拉斯变换是将一个n 阶行列式的计算转化为n 个1n -阶行列式的计算,但是它的计算时间是!n 级。所以拉普拉斯展开定理在理论上非常重要,但在计算上一般仅用于低阶或特殊的行列式。 判断一个算法的优劣,有很多标准,包括时间复杂度和空间复杂度,显然,时间复杂度越小,说明算法效率越高,因此算法也越有价值;而空间复杂度越小,说明算法越好。但主要考虑时间复杂度,因为人生苦短嘛哈哈。 对于一些常用的()f n ,成立下列重要关系: 23(1)(log )()(log )()() (2)(3)(!)()n n n O O n O n O n n O n O n O O O n O n <<<<<<<<< LU 分解就是致力于对降低对方程组求解的复杂度。LU 分解就是在可以的情况下,将矩阵A 分解成单位下三角矩阵和一个上三角的乘积。这样的话,对Ax b =求解,可以转化为对Ly b =求解,然后对Ux y =求解。但是,不是每一个矩阵都可以这样分解,是要满足一定的要求的,这个要求就是矩阵A 的顺序主子式均不为零。 但是不满足这个条件的矩阵就不能分解了吗?当然不是啦!加入一个方阵A 不是顺序主子式不全为零的时候,但是通过行变换,可以满足要求,这样就得了下面这个定理。 如果存在置换矩阵P 、单位下三角矩阵L 与上三角矩阵U ,使得方阵A 满足P A L U =,称作带置换的LU 分解。

矩阵分解及其应用

《线性代数与矩阵分析》课程小论文 矩阵分解及其应用 学生姓名:****** 专业:******* 学号:******* 指导教师:******** 2015年12月

Little Paper about the Course of "Linear Algebra and Matrix Analysis" Matrix Decomposition and its Application Candidate:****** Major:********* StudentID:****** Supervisor:****** 12,2015

中文摘要 将特定类型的矩阵拆解为几个矩阵的乘机称为矩阵的分解。本文主要介绍几种矩阵的分解方法,它们分别是矩阵的等价分解、三角分解、谱分解、奇异值分解和 Fitting 分解等。矩阵的分解理论和方法是矩阵分析中重要的部分,在求解矩阵的特征值、解线性方程组以及实际工程中有着广泛的运用。因此,本文将介绍矩阵等价分解、三角分解、奇异值分解的理论运用以及三角分解的工程运用。 关键词:等价分解,三角分解,奇异值分解,运用

Abstract Many particular types of matrix are split into the product of a matrix of several matrices, which is called decomposition of matrix. In this paper, we introduce some methods of matrix decomposition, which are equivalent decomposition, triangular decomposition, spectral decomposition, singular value decomposition, Fitting decomposition and so on. The decomposition theory and method of matrix is an important part of matrix analysis, which is widely used in solving the characteristic value, solving linear equations and the practical engineering. In this paper, we will introduce the theory of matrix equivalence decomposition, triangular decomposition, singular value decomposition and the engineering application of triangular decomposition. Key words:Equivalent Decomposition, Triangular Decomposition, Singular Value Decomposition, Application

矩阵分析试题中北大学33

§9. 矩阵的分解 矩阵分解是将一个矩阵分解为比较简单的或具有某种特性的若干矩阵的和或乘积,这是矩阵理论及其应用中常见的方法。由于矩阵的这些特殊的分解形式,一方面反映了原矩阵的某些数值特性,如矩阵的秩、特征值、奇异值等;另一方面矩阵分解方法与过程往往为某些有效的数值计算方法和理论分析提供了重要的依据,因而使其对分解矩阵的讨论和计算带来极大的方便,这在矩阵理论研究及其应用中都有非常重要的理论意义和应用价值。 这里我们主要研究矩阵的三角分解、谱分解、奇异值分解、满秩分解及特殊矩阵的分解等。 一、矩阵的三角分解——是矩阵的一种有效而应用广泛的分解法。 将一个矩阵分解为酉矩阵(或正交矩阵)与一个三角矩阵的乘积或者三角矩阵与三角矩阵的乘积,这对讨论矩阵的特征、性质与应用必将带来极大的方便。首先我们从满秩方阵的三角分解入手,进而讨论任意矩阵的三角分解。 定义1 如果(1,2,,)ii a i n = 均为正实数,()(,1,2,1;∈<=- ij a C R i j i n 1,2,),=++ j i i n 则上三角矩阵 1112 1222000?? ? ? = ? ? ?? n n nn a a a a a R a 称为正线上三角复(实)矩阵,特别当1(1,2,,)ii a i n == 时,R 称为单位上三角复(实)矩阵。

定义2如果(1,2,,)ii a i n = 均为正实数,()(,1,2,1;∈>=- ij a C R i j i n 1,2,),=++ j i i n 则下三角矩阵 11212212000?? ? ? = ? ? ?? n n nn a a a L a a a 称为正线下三角复(实)矩阵,特别当1(1,2,,)ii a i n == 时,L 称为单位下三角复(实)矩阵。 定理1设,?∈n n n A C (下标表示秩)则A 可唯一地分解为 1=A U R 其中1U 是酉矩阵,R 是正线上三角复矩阵;或者A 可唯一地分解为 2=A LU 其中2U 是酉矩阵,L 是正线下三角复矩阵。 推论1设,?∈n n n A R 则A 可唯一地分解为 1=A Q R 其中1Q 是正交矩阵,R 是正线上三角实矩阵;或者A 可唯一地分解为 2=A LQ 其中2Q 是正交矩阵,L 是正线下三角实矩阵。 推论2 设A 是实对称正交矩阵,则存在唯一的正线上三角实矩阵R ,使得 =T A R R 推论3设A 是正定Hermite 矩阵,则存在唯一的正线上三角复矩阵R ,使得 =T A R R

矩阵理论与应用(张跃辉)(上海交大)第二章参考答案

第二章习题及参考解答 注:第27题(2)(3)错(可将“证明”改为证明或否定),第28题可不布置。第50题(含)以后属于附加内容,没有参考解答。 1.证明子空间判别法:设U是线性空间V的一个非空子集.则U是子空间??对任 意λ∈F,α,β∈U,有α+β∈U与λα∈U. 证明:必要性是显然的,下证充分性。设U关于加法“+”与数乘均封闭。则U中加法“+”的结合律与交换律以及数乘与“+”的分配律、1α=α均自动成立,因为U?V.由 于U关于数乘封闭,而0=0α∈U,?α=?1α∈U,因此U是子空间。 2.证明子空间的下述性质。(1)传递性:即若U是V的子空间,W是U的子空间,则W 也是V的子空间; (2)任意多个(可以无限)子空间的交集仍是子空间,且是含于这些子空间的最大子空间; 特别,两个子空间U与W的交U∩W仍是子空间. 证明:(1)由子空间判别法立即可得。 (2)由子空间判别法可知任意多个(可以无限)子空间的交集仍是子空间,且若某个子空 间含于所有这些子空间,则该子空间必然含于这些子空间的交。 3.(1)设V是线性空间,U与W是V的两个子空间.证明: dim(U+W)=(dim U+dim W)?dim(U∩W). (2)设V是有限维线性空间.证明并解释下面的维数公式: dim V=max{m|0=V0?V1?···?V m?1?V m=V,V i是V i+1的真子空间} 证明:(1)设dim U=s,dim W=t,dim(U∩W)=r.任取U∩W的一组基α1,α2,···,αr.由于U∩W是U与W的公共子空间,故U∩W的基是U与W的线性无关的向量组,因此 可以扩充成U或W的基.设 α1,α2,···,αr,βr+1,βr+2,···,βs(0.0.1) 与 α1,α2,···,αr,γr+1,γr+2,···,γt(0.0.2) 分别是U与W的基.我们证明 α1,α2,···,αr,βr+1,βr+2,···,βs,γr+1,γr+2,···,γt(0.0.3) 是U+W的一组基.为此需要证明该向量组线性无关,且U+W的任何向量均可由这些向量 线性表示. 设 k1α1+k2α2+···+k rαr+b r+1βr+1+···+b sβs+c r+1γr+1+···+c tγt=0.(0.0.4) 12

基于Matlab 的 n阶非奇异方阵的LU分解实现

基于Matlab 的n阶方阵的LDU分解实现 1.引言 矩阵的LDU分解是“矩阵理论与方法”课程中非常重要的一部分。LDU分解在实际工程应用中也非常广泛。LDU分解可以将一个矩阵分解为一个下三角矩阵和一个对角矩阵和一个上三角矩阵的乘积。LDU分解主要应用在数值分析中,用来解线性方程、求反矩阵或计算行列式。 将系数矩阵A转变成等价两个矩阵L和U和对角矩阵的乘积,其中L和U 分别是下三角和上三角矩阵,D为对角矩阵。当A的所有顺序主子式都不为0时,矩阵A可以分解为A=LDU。即: Matlab 是很好的处理矩阵的工具。它的功能非常强大,包括创建矩阵,对矩阵求逆,转置等操作非常简单,使其成为图像处理,信号分析等领域常用的工具。Matlab 官方已经包括了对非奇异矩阵的LU分解函数[L,U]=lu(A),为了加深对矩阵分解的理解,本文不采用Matlab 官方的LU分解函数对矩阵A进行LDU 分解,而是根据理论推导和编程实现LDU分解。 2.程序设计 2.1.输入合法检验 LU分解需要被分解矩阵A满足如下条件: 1)矩阵A为方阵 2)A的顺序主子式 全故LU分解需先检验A为n阶方阵,然后检验A的n-1个顺序主子式D k 不为0,才可进行LU分解。而检验主子式D 可以在n-1次循环LU分解中 k 进行,故先检验矩阵是否为方阵。 代码如下

2.2. n-1次循环LDU 分解 LDU 分解本质上是高斯消元法。实质上是将A 通过初等行变换变成一个上三角矩阵,其变换矩阵就是一个单位下三角矩阵。从下至上地对矩阵A 做初等行变换,将对角线左下方的元素变成零,然后再证明这些行变换的效果等同于左乘一系列单位下三角矩阵,这一系列单位下三角矩阵的乘积的逆就是L 矩阵,它也是一个单位下三角矩阵。LDU 分解主要分为两步: 1根据高斯消元法对A i ()消元,消元矩阵为L i +1-1;2计算L i +1 -1A i ()=A i +1()以产生下一步迭代的A i ()。 2.2.1. 根据 构造L j ,L j -1(j =i +1) 高斯消元A i (),使A i ()第i+1列从第i+2行至n 行都为0。构造消元矩阵L j ,L j -1。首先判断是否为0,为0则无法继续分解,退出;否则继续。 代码如下 2.2.2. 计算L i +1-1A i ()=A i +1() D k

矩阵论在电路中的应用

矩阵论在电路分析中的应用 随着科学技术的迅速发展,古典的线性代数知识已不能满足现代科技的需要,矩阵的理论和方法业已成为现代科技领域必不可少的工具。诸如数值分析、优化理论、微分方程、概率统计、控制论、力学、电子学、网络等学科领域都与矩阵理论有着密切的联系,甚至在经济管理、金融、保险、社会科学等领域,矩阵理论和方法也有着十分重要的应用。当今电子计算机及计算技术的迅速发展为矩阵理论的应用开辟了更广阔的前景。因此,学习和掌握矩阵的基本理论和方法,对于工科研究生来说是必不可少的。全国的工科院校已普遍把“矩阵论”作为研究生的必修课。 对于电路与系统专业的研究生,矩阵论也显得尤为重要。本文以电路与系统专业研究生的必修课《电网络分析与综合》为例,讲解矩阵论的重要作用。 在电路分析中,对于一个有n个节点,b条支路的电路图, 每条支路的电压和电流均为未知,共有2b个未知量。根据KCL 我们可以列出(b-1)个独立的方程,根据KVL我们也可以列出 (b-n+1)个独立的方程,根据每条支路所满足的欧姆定律,我 们还可以可以列出b个方程;总共2b个方程要解出b个支路电 流变量和b个支路电压变量。当b的数值比较大时,传统的解数学方程组的方法已经不再适用了,因此我们需要引入矩阵来帮助我们求解电路。 一. 电网络中最基本的三个矩阵图 1 1.关联矩阵

在电路图中,节点和支路的关联性质可以用关联矩阵][ij a A =来表示。 选取一个节点为参考节点后,矩阵A 的元素为: ?????-+=个节点无关联条支路与第第方向指向节点个节点相关联,且支路条支路与第第方向离开节点个节点相关联,且支路条支路与第第i j i i j i i j a ij 0 1 1 图1中电路图的关联矩阵为 ????????????= 0 1- 0 1- 1- 0 0 1- 0 0 0 1 1 0 0 0 0 0 0 1- 1-0 0 1- 1 0 0 1 A 2. 基本回路矩阵 在电路图中,基本回路和支路的关联性质可以用基本回路矩阵][ij f b B =来表示。当选定电路图中的一个树,额外再增加一个连枝的时候,就会形成一个基本回路。选取基本回路的方向与它所关联的连枝方向一致,矩阵f B 的元素为: ?? ???-+=个回路无关联条支路与第第反方向和基本回路方向相个回路相关联,且支路条支路与第第同方向和基本回路方向相个回路相关联,且支路条支路与第第i j i j i j b ij 0 1 1 图1中电路图的基本回路矩阵为 ???? ??????=1 0 0 1- 1 0 0 0 1 0 1- 1 1- 1 0 0 1 0 1- 1 1-f B 3. 基本割集矩阵 在电路图中,基本割集和支路的关联性质可以用基本割集矩阵][ij f q Q =来表示。当选

研究生矩阵理论知识重点

《矩阵理论》知识重点 一.概况 1.开课学院(系)和学科:理学院数学系 2.课程代码: 3.课程名称:矩阵理论 4.学时/学分:51学时/3学分 5.预修课程:线性代数(行列式,矩阵与线性方程组,线性空间F n,欧氏空间R n,特征值与矩阵的对角化,实对称矩阵与二次型), 高等数学(一元微积分,空间解析几何,无 穷级数,常微分方程) 6.适合专业:全校的机、电、材、管理、生命和物理、力学诸大学科类,以及人文学科等需要的专业(另请参看选课指南)。 7.教材/教学参考书: 《矩阵理论》,苏育才、姜翠波、张跃辉编,科学出版社,2006 《矩阵分析》, R.A. Horn and C.R. Johnson, Cambridge Press (中译本),杨奇译,机械工业出版社,2005。 《矩理阵论与应用》,陈公宁编,高等教育出版社,1990。 《特殊矩阵》,陈景良,陈向晖,清华大学出版社,2001。 《代数特征值问题》,JH.威尔金森著,石钟慈邓健新译,科学出版社,2001。 二、课程的性质和任务 矩阵理论作为一种基本的数学工具,在数学学科与其他科学技术领域诸如数值分析、优化理论、微分方程、概率统计、系统工程等学科都有广泛应用。电子计算机及计算技术的发展也为矩阵理论的应用开辟了更广阔的前景。因此,学习和掌握矩阵的基本理论和方法,对于将来从事工程技术工作的工科研究生来说是必不可少的。通过该门课程的学习,期望学生能深刻地理解矩阵理论的基本知识和数学思想,掌握有关的计算方法及技巧,提高学生的数学素质,提高科研能力,掌握矩阵理论在多元微积分、线性控制系统、微分方程、逼近理论、投入产出分析等领域的许多应用。 三、课程的教学内容和要求 矩阵理论的教学内容分为十部分,对不同的内容提出不同的教学要求。 (数字表示供参考的相应的学时数) 第一章矩阵代数(复习,2) 1 矩阵的运算、矩阵的秩和初等变换、Hermite梯形阵、分块矩阵(2)

矩阵论的实际应用(朱月)

“矩阵论”课程研究报告科目:矩阵理论及其应用教师:舒永录 姓名:朱月学号:20140702057t 专业:机械工程类别:学术 上课时间:2014 年9月至2014年12 月 考生成绩: 阅卷评语: 阅卷教师(签名)

相关变量的独立变换 摘要:用矩阵的理论及方法来处理实际生活中或现代工程中的各种问题已 越来越普遍。在工程中引进矩阵理论不仅是理论的表达极为简洁,而且对理论的实质刻画也更为深刻,这一点是毋庸置疑的。本文将矩阵论的知识用于解决实用机械可靠性设计问题。 正文 一、问题描述 在建立机械系统可靠性模型时,一般总假设个元素间关于强度相互独立。但是实际中,各元素间关于应力和强度又往往是相关的,并且这种相关性有时会对系统的可靠度产生显著影响。对于一些随机变量之间不是完全相关,但也不是完全独立的情况,就要进行相关变量的独立变换。 二、方法简述 设系统的基本变量为),,(21n x x x X ,??,各变量之间相关,则随机变量x 的 n 维正态概率密度函数为[1] )1()()(21exp ||2()(1 2 12 ? ??--???-=---X X T X X n X C X C X f μμπ) 式中 ?? ? ???????????=2321232212131212 ),cov(),cov(),cov(),cov(),cov(),cov(),cov(),cov(),cov(21n X n n n n X n X X x x x x x x x x x x x x x x x x x x C σσσ 称为随机变量X 的协方差矩阵。矩阵中的任意元素),cov(j i x x 是变量i x 与变 量j x 的协方差,|C X |是协方差矩阵的行列式,1 -X C 是协方差矩阵的逆矩阵,X ,X μ及 )X X μ-(是n 维列向量 ?? ? ?? ?????--=-????? ?????=?? ??? ?????=n n X n X n x x X x x μμμμμμ 1111, , X

矩阵理论教学大纲

《矩阵理论》课程教学大纲 一课程说明 1.课程基本情况 课程名称:矩阵理论 英文名称:Matrix Theory 课程编号:2411249 开课专业:大学本科数学与应用数学专业 开课学期:第5学期 学分/周学时:3/3 课程类型:专业方向选修课 2.课程性质(本课程在该专业的地位作用) 本课程是数学专业的选修考查课,是学习经典数学的基础,又是一门最具有实用价值的数学理论。它不仅是数学的一个重要的分支,而且业已成为现代各种科技领域处理大量有限维空间形式与数量关系的强有力的工具。特别是计算机的广泛应用,为矩阵理论的应用开辟了广阔的前景。例如,系统工程、优化方法以及稳定性理论等,都与矩阵理论有着密切的联系,从而使矩阵理论近几年在内容上有相当大的更新。 3.本课程的教学目的和任务 通过本课程的学习,使学生掌握矩阵理论的基本概念,基本理论和基本运算,全面了解若干特殊矩阵的标准形及其基本性质,了解近代矩阵理论中十分活跃的若干分支,为今后在应用数学、计算数学专业的进一步学习和研究打下扎实的基础。 通过本课程中基本概念和基本定理的阐述和论证,培养高年级本科生的抽象思维和逻辑推理能力,提高高年级本科生的数学素养。在重视数学论证的同时,强调数学概念的物理、力学的实际背景,培养学生应用数学知识解决实际工程技

术问题的能力。 4.本课程与相关课程的关系、教材体系特点及具体要求 本课程以高等代数为先导课,通过学习线性空间和线性变换、矩阵范数、矩阵分解、特征值估计和扰动、矩阵分析、广义逆矩阵以及特殊矩阵,学生能够掌握矩阵理论的基本内容,为进一步学习数学并应用打下基础。 教材是高等教育出版社出版的黄廷祝、钟守铭、李正良编写的《矩阵理论》和清华大学出版社出版的黄廷祝、杨传胜等编写的《矩阵理论学习指导》。《矩阵理论》是编者部分参考国内外较有代表性的文献资料,并结合多年研究工作的总结,在长期教学实践的基础上编写而成的。把矩阵方法和线性变换方法、向量空间法结合起来,把代数和几何方法结合起来,把代数方面的结构与测度论方面的结构结合起来。内容包括线性代数基础、向量与矩阵的范数、矩阵分解、特征值的估计与摄动、矩阵分析、广义逆矩阵、非负矩阵理论。既可作为理工科硕士研究生、高年级本科生的教材,也可作为教师和工程技术人员的参考书。《矩阵理论学习指导》对矩阵理论的基本概念、主要结论等作了简明扼要的分类总结,针对每章主要内容给出了典型例题分析,并对各章的课后习题作了详细的解答,最后提供了6套复习题及相应解答以便学生自测参考。 5.教学时数及课时分配 二教材及主要参考书

基于Matlab-的-n阶非奇异方阵的LU分解实现

基于Matlab-的-n阶非奇异方阵的LU分解实现

基于Matlab 的 n阶方阵的LDU分解实现 1.引言 矩阵的LDU分解是“矩阵理论与方法”课程中非常重要的一部分。LDU分解在实际工程应用中也非常广泛。LDU分解可以将一个矩阵分解为一个下三角矩阵和一个对角矩阵和一个上三角矩阵的乘积。LDU分解主要应用在数值分析中,用来解线性方程、求反矩阵或计算行列式。 将系数矩阵A转变成等价两个矩阵L和U和对角矩阵的乘积,其中L和U 分别是下三角和上三角矩阵,D为对角矩阵。当A的所有顺序主子式都不为0时,矩阵A可以分解为A=LDU。即: Matlab 是很好的处理矩阵的工具。它的功能非常强大,包括创建矩阵,对矩阵求逆,转置等操作非常简单,使其成为图像处理,信号分析等领域常用的工具。Matlab 官方已经包括了对非奇异矩阵的LU分解函数[L,U]=lu(A),为了加深对矩阵分解的理解,本文不采用Matlab 官方的LU分解函数对矩阵A进行LDU分解,而是根据理论推导和编程实现LDU分解。 2.程序设计 2.1.输入合法检验 LU分解需要被分解矩阵A满足如下条件: 1)矩阵A为方阵 2)A的顺序主子式 故LU分解需先检验A为n阶方阵,然后检验A的n-1个顺序主子式D k 全不为0,才可进行LU分解。而检验主子式D 可以在n-1次循环LU k 分解中进行,故先检验矩阵是否为方阵。 代码如下

2.2. n-1次循环LDU 分解 LDU 分解本质上是高斯消元法。实质上是将A 通过初等行变换变成一个上三角矩阵,其变换矩阵就是一个单位下三角矩阵。从下至上地对矩阵A 做初等行变换,将对角线左下方的元素变成零,然后再证明这些行变换的效果等同于左乘一系列单位下三角矩阵,这一系列单位下三角矩阵的乘积的逆就是L 矩阵,它也是一个单位下三角矩阵。LDU 分解主要分为两步: 1根据高斯消元法对A i ()消元,消元矩阵为L i +1-1;2计算L i +1 -1A i ()=A i +1()以产生下一步迭代的A i ()。 2.2.1. 根据构造L j ,L j - 1(j =i +1) 高斯消元A i (),使A i ()第i+1列从第i+2行至n 行都为0。构造消元矩阵 L j ,L j - 1。首先判断是否为0,为0则无法继续分解,退出;否则继续。 代码如下 2.2.2. 计算L i +1-1A i ()=A i +1() D k

(整理)可交换矩阵成立的条件和性质.

内蒙古财经大学本科学年论文 可交换矩阵成立的条件与性质 作者: 系别: 专业: 年级: 学号: 指导教师: 导师职称:

指导教师评语: 该学生在整个论文书写过程中态度端正,能配合指导教师,指导教师交给的任务基本能在规定时间内的完成。在开题以后,对论文题目理解正确,在指导下能完成论文初稿的书写,书写基本符合规范。但对参考书目及参考文献的依赖性太大,应在论文中添加自己独立的理解及总结。 成绩:中 指导教师:

内容提要 矩阵是高等数学中一个重要的内容,在数学领域中以及其他科学领域中有着重大的理论意义.众所周知,矩阵的乘法在一般情况下是不满足交换律的,即在通常情况下,AB≠.但是,在某种特殊情况下,矩阵的乘法也能满足交换律.可交换矩阵有着很多BA 特殊的性质和重要的作用.本文从可交换矩阵和相关知识的定义出发,探讨了矩阵可交换的一些条件和可交换矩阵的部分性质,并且介绍了几类特殊的可交换矩阵. 关键字:矩阵可交换条件性质上三角矩阵 Abstract Matrix is an important content in altitude-mathematics,it has a great theoretic significance in the aspect of both mathematics and other science fields. As far as we have concerned, the multiplication of matrix could not satisfy the exchange rule under AB≠. Whereas, in some certain the normal condition, that is to say, normally, BA conditions, the multiplication of matrix could satisfy the exchange rule. The exchangeable matrix has many special properties and important effections. This paper discusses some conditions of the matrix exchange and parts of the property of the exchangeable matrix , and also introduces several kinds of specific exchangeable matrix. All of these are discussed from the concept of exchangeable matrix and relative information. Key Words:matrix interchangeable conditions property upper triangular matrix

相关文档
最新文档