矩阵T αβ的若干性质及其在考研数学中的应用
设向量βα，均为n 维非零列向量，记T αβA =。通过对历年考研试题的研究发现，线性代数部分比较重视对矩阵A 性质的考查，而课本和相关考研辅导书对这些性质没有做系统的研究，从而导致考研学生在遇到相关题目时不知所措。本文将研究矩阵A 的性质，并借助考研数学真题来说明这些性质的应用，进而强调掌握好这些性质的重要性。
1 矩阵），（00≠≠=βααβA T 的性质
性质1 矩阵），（00≠≠=βααβA T 的秩为1。
证明：令()0αT ≠=n a a a ,,,21 ，()0βT ≠=n b b b ,,,21 ，不妨设0≠i a ，则
?????????
???????→????????????????→????????????????=00000021212112111212112111 n n n n n n n n n n n n i i i n b b b b a b a b a b b b b a b a b a b a b a b a b a b a b a b a b a b a A ?????????????
???→00
000000021
n b b b ，于是A 的秩为1。 性质2 A αβA n 1T )(-=n 。注意，αβT 就是A 的迹。
该性质利用矩阵乘法的结合律即可证明。由于秩为1的矩阵总可以表示为矩阵A 的形式[1]
，因此上述性质也可推广到以下结论：
推论1 秩为1的矩阵的n 次方等于该矩阵迹的n —1次方乘以这个矩阵本身。
性质3 当0≠=βα即T ααA =时，A 的全部特征值分别为0002，，，， α，其中唯一非零特征值对应的线性无关的特征向量为α。
证明：因为矩阵A 是实对称矩阵，所以它一定相似于一个对角阵 ????????????=n 21λλλ Λ
其中n λλ,,1 为A 的n 个特征值。由性质1，1)(=A r ，又因为相似矩阵有相同的秩，故
从近几年的真题来看，数学线性代数出题没有过多的变化，2014年的考研[微博]学子们，如何做到在千军万马中胜出，需要我们提前准备，更要做到心中有数，下面跨考教育[微博]数学教研室张老师就考研中线性代数部分的复习重点 在考前再给大家梳理一遍。 一、行列式与矩阵 第一章《行列式》、第二章《矩阵》是线性代数中的基础章节，有必要熟练 掌握。 行列式的核心内容是求行列式，包括具体行列式的计算和抽象行列式的计 算，其中具体行列式的计算又有低阶和高阶两种类型；主要方法是应用行列式的性质及按行列展开定理化为上下三角行列式求解。对于抽象行列式的求值，考点不在求行列式，而在于相关性质，矩阵部分出题很灵活，频繁出现的知识点包括矩阵运算的运算规律、运算性质、矩阵可逆的判定及求逆、矩阵的秩的性质、初 等矩阵的性质等。 二、向量与线性方程组 向量与线性方程组是整个线性代数部分的核心内容。相比之下，行列式和矩阵可视作是为了讨论向量和线性方程组部分的问题而做铺垫的基础性章节；后两章特征值、特征向量、二次型的内容则相对独立，可以看作是对核心内容的扩展。 向量与线性方程组的内容联系很密切，很多知识点相互之间都有或明或暗的相关性。复习这两部分内容最有效的方法就是彻底理顺诸多知识点之间的内在联系，因为这样做首先能够保证做到真正意义上的理解，同时也是熟练掌握和灵活运用的前提。 解线性方程组可以看作是出发点和目标。线性方程组(一般式) 还具有两种形式：(1)矩阵形式，(2)向量形式。 1)齐次线性方程组与线性相关、无关的联系 齐次线性方程组可以直接看出一定有解，因为当变量都为零时等式一定成立；印证了向量部分的一条性质“零向量可由任何向量线性表示”。 齐次线性方程组一定有解又可以分为两种情况：①有唯一零解；②有非零解。当齐次线性方程组有唯一零解时，是指等式中的变量只能全为零才能使等式成 立，而当齐次线性方程组有非零解时，存在不全为零的变量使上式成立；但向量部分中判断向量组是否线性相关无关的定义也正是由这个等式出发的。故向量与线性方程组在此又产生了联系：齐次线性方程组是否有非零解对应于系数矩阵的列向量组是否线性相关。可以设想线性相关无关的概念就是为了更好地讨论线 性方程组问题而提出的。
高等数学的矩阵在实际生活中的应用 内部编号：（YUUT-TBBY-MMUT-URRUY-UOOY-DBUYI-0128）
矩阵在实际生活中的应用 一．【摘要】 随着科学技术的发展，数学的应用越来越广泛，可以说和我们的生活息息相关。而高等数学中的线性代数，也同样有着广泛的应用。本篇论文中，我们就对线性代数中的矩阵在生产成本、人口流动、加密解密、计算机图形变换等方面的应用进行研究。 【关键词】 高等数学矩阵实际应用 二．应用举例 1.生产成本计算：在社会生产管理中经常要对生产过程中产生的很多数据进行统计、处理、分析，以此来对生产过程进行了解和监控，进而对生产进行管理和调控，保证正常平稳的生产以达到最好的经济收益。但是得到的原始数据往往纷繁复杂，这就需要用一些方法对数据进行处理，生成直接明了的结果。在计算中引入矩阵可以对数据进行大量的处理，这种方法比较简单快捷。 例1.某工厂生产三种产品A、B、C。每种产品的原料费、支付员工工资、管理费和其他费用等见表1，每季度生产每种产品的数量见表2。财务人员需要用表格形势直观地向部门经理展示以下数据：每一季度中每一类成本的数量、每一季度三类成本的总数量、四个季度每类成本的总数量。 表1.生产单位产品的成本（元）表2.每种产品各季度产量（件）
解 我们用矩阵的方法考虑这个问题。两张表格的数据都可以表示成一个矩阵。如下所示： 通过矩阵的乘法运算得到 MN 的第一行元素表示了四个季度中每个季度的原料总成本； MN 的第二行元素表示了四个季度中每个季度的支付工资总成本； MN 的第三行元素表示了四个季度中每个季度的管理及其他总成本。 MN 的第一列表示了春季生产三种产品的总成本； MN 的第二列表示了夏季生产三种产品的总成本； MN 的第三列表示了秋季生产三种产品的总成本； MN 的第四列表示了冬季生产三种产品的总成本。 对总成本进行汇总，每一类成本的年度总成本由矩阵的每一行元素相加得到，每一季度的总成本可由每一列相加得到。如下表： 表3. 总成本汇总表 ? ? ?? ? ??=200040003500250030003700480028002000250030002000N
矩阵在实际生活中的应用 华中科技大学文华学院 城市建设工程学部 环境工程1班丛
目录 摘要 (3) 实际应用举例 (4) 论文总结 (15) 参考文献 (16)
摘要：随着现代科学的发展，数学在经济中广泛而深入的应用 是当前经济学最为深刻的因素之一，马克思曾说过：“一门学科 只有成功地应用了数学时，才真正达到了完善的地步”。下面 通过具体的例子来说明矩阵在经济生活中、人口流动、电阻电路、密码学、文献管理的应用。 关键词：矩阵、人口流动、电阻电路、密码学、文献管理
一：矩阵在经济生活中的应用 1．“活用”行列式定义 定义：用符号表示的n阶行列式D指的是n!项代数和，这些项是一切可能的取自D不同行与不同列上的n个元素的乘积的符号为。由定义可以看出。n阶行列式是由n!项组成的，且每一项为来自于D中不同行不同列的n个元素乘积。 实例1：某市打算在第“十一”五年规划对三座污水处理厂进行技术改造，以达到国家标准要求。该市让中标的三个公司对每座污水处理厂技术改造费用进行报价承包，见下列表格(以1万元人民币为单位)．在这期间每个公司只能对一座污水处理厂进行技术改造，因此该市必须把三座污水处理厂指派给不同公司，为了使报价的总和最小，应指定哪个公司承包哪一座污水处理厂? 设这个问题的效率矩阵为，根据题目要求，相当于从效率矩阵中选取来自不同行不同列的三个元素“和”中的最小者!从行列式定义知道，这样的三个元素之共有31=6(项)，如下： 由上面分析可见报价数的围是从最小值54万元到最大值58万元。由
④得到最小报价总数54万元，因此，该城市 应选定④即 2．“借用”特征值和特征向量 定义：“设A是F中的一个数．如果存在V中的零向量，使得，那么A就叫做的特征值，而叫做的属于本征值A的一个特征向量。 实例2：发展与环境问题已成为21世纪各国政府关注 和重点，为了定量分析污染与工业发展水平的关系，有人提出了以下的工业增长模型：设是某地区目前的污染水平(以空气或河湖水质的某种污染指数为测量单位)，是目前 的工业发展水平(以某种工业发展指数为测量单位)．若干年后(例如5年后)的污染水平和工业发展水平分别为和 它们之间的关系为 试分析若干年后的污染水平和工业发展水平。对于这个 问题，将(1)写成矩阵形式，就是
数学期望与方差的运算性质 教程 一：复习公式 离散随机变量(),(,)(,)(,)(,)i j ij i j ij i j P X Y a b p Eh X Y h a b p ==→=∑ 连续随机变量()()()2 ,~,(,)(,),R f x y Eg g x y f x y dxdy ξηξη→=?? 二：期望运算性质 ()E aX bY c aEX bEY c ++=++ 应用例题、袋中装有m 个不同色小球，有返回取球n 次，出现X 种不同颜色，求EX 解答：用i X ?=?? １第ｉ颜色球在n次取球中出现０第ｉ颜色球在n次取球中没出现，则 m X X X ++= 1 由于()()1101,111,n n i i P X P X m m ????==-==-- ? ????? ()111/n i EX m =--， ()??????????? ??--==++=∑=n m i i m m m EX X X E EX 11111 三、协方差：若,EX EY θμ==，()()cov(,)X Y E X Y θμ=--????称为随机变量X 、Y 的协方差.covariance ()()cov(,)X Y E X Y θμ=--???? ()()()()() ()()()()()()EY EX XY E XY E XY E Y E X E XY E E Y E X E XY E Y X XY E ?-=-=+--=+--=+-+-+=+--=θμθμθμμθθμ θμθμθμθμθμ 例题：害虫一生产卵个数X 服从参数为λ的Ｐｏｉｓｓｏｎ分布，若每个卵能孵化成下一代的概率都是p ，假定害虫后代个数为Y ，求cov(,)X Y 解答：(,)()()(1)!i i j j j i j i e P X i Y j P X i P Y j X i C p p i λλ-≥-=======-
浅谈矩阵在数学建模中的应用 【摘要】矩阵作为一种认识复杂事物的简捷工具已经被广泛应用在各个学科领域中，在数学建模中也有许多应用。本文就数学建模中使用矩阵的情况做一些举例、小结，最后给出一个典型的数学模型。 【关键词】数学建模；模型；矩阵 矩阵是最基本的数学概念之一，也是人们把握复杂的实际事物本质的一种简捷的思维工具。在数学建模中，矩阵的使用相当广泛，如数学规划、层次分析、马氏链模型、投入产出、数据拟合等都主要应用矩阵分析解决问题，就数学建模中涉及的矩阵就有量纲矩阵、L矩阵、成对比较矩阵、正互反矩阵、一致阵、邻接矩阵、素阵、状态转移矩阵、随机矩阵，还有网络计划分析法中的可达矩阵、模糊评价分析法中的评判矩阵、投入产出法中的消耗系数矩阵、产品流量矩阵，另外在数学建模中还使用了许多普通矩阵。 1.线性方程组与矩阵 自然科学和工程实践很多问题的解决都归纳为线性方程组的求解和矩阵运算。有些问题本身就是一个线性方程组，例如结构应力分析问题、电子传输网分析问题、投入产出分析问题和各种晶体管电路分析问题；另一方面有些数值计算方法也导致线性方程组求解，如数据拟合问题、非线性方程组和偏微分方程数值解问题等等。 例1：曲线拟合问题：已知一组（二维）数据，即平面上n个点（x1，y1）（i＝1，2，…，n），寻求一个函数（曲线）y＝f（x），使f（x）在某种准则下与所有数据点最为接近，即曲线拟合得最好。曲线拟合问题最常用的解法——线性最小二乘法的基本思路： 数学规划是解决这类问题的有效方法。 而线性规划是数学规划中产生较早的一个分支，如今在国防科技、经济学、现代工农业、环境工程、生物学等众多学科和领域都有十分广泛的应用，典型问题有生产计划、任务分配、投料或产品的混合、运输、库存等问题。 3.微分方程模型中的矩阵 微分方程是研究函数变化过程中变化规律的有力工具，在科技、工程、经济管理、人口、交通、生态、环境等各个领域有着广泛的应用，如在研究牛顿力学、热量在介质中的传播、抛体运动、化学中液体浓度变化、人口增长预测、种群变化、交通流量控制等过程中，作为研究对象的函数，常常要和函数自身的导数一起，用一个符合其内在规律的方程，即微分方程来加以描述。矩阵较多地用在微分方程，尤其是方程组有关的理论结果的表示上。
波士顿矩阵分析在实际案例中的运用[1] 上海和达汽车零部件有限公司是由某国内上市公司与外商合的生产汽车零部件的企业。公司于1996年正式投产．配套厂海大众发、一汽大众、上海通用、东风柳汽、吉利、湖南长风武等。 和达公司的主要产品分成五类，一是挤塑和复合挤塑类(密封嵌条、车顶饰条等)；二是滚压折弯类(车门导槽、滑轨、车架管；三是普通金属焊接类(汽车仪表板横梁模块)；四是激光焊接镁合金横梁模块)；五是排档杆类(手动排档总成系列)。 和达公司产品波士顿矩阵分析 A 问题型业务(Question Marks．指高增长、低市场份额) 处在这个领域中的是一些投机性产品。这些产品可能利润率但占有的市场份额很小。公司必须慎重回答“是否继续投资．业务?”这个问题。只有那些符合企业发展长远目标、企业具优势、能够增强企业核心竞争力的业务才得到肯定的回答。 从和达公司的情况来看。滚压折弯类产品由于技术含量不高．褴低，未来市场竞争程度必然加剧。所以对于这类产品．最好就是舍弃。由于目前还能带来利润，不必迅速退出，只要目前持必要的市场份额，公司不必再增加投入。当竞争对手大举,可以舍弃。 B 明星型业务(8tsx8，指高增长、高市场份额) 这个领域中的产品处于快速增长的市场中并且占有支配地位份额。但也许不会产生正现金流量。但因为市场还在高速成业必须继续投资，以保持与市场同步增长，并击退竞争对手。 对于和达公司来说，铝横梁的真空电子束焊接系统是国内第一家。具有技术上的领先优势。因此企业应该加大对这一产品的投入．以继续保持技术上的领先地位。对于排档杆类产品．由于国内在这个领域的竞争程度还不太激烈，因此可以考虑进入。和达公司应该把这类产品作为公司
2016考研数学：矩阵二项式分析及其应用 来源：文都教育 线性代数是考研数学的一个科目，而矩阵是线性代数中最基本、最重要的一个工具，其它内容都需要用到矩阵作为分析和解决问题的工具。矩阵的一些运算在形式上与数的运算有些相似之处，如逆矩阵的定义与数的倒数有些相似，线性方程组AX b =的求解，在系数矩 阵A 可逆时，其解为1X A b -=，这与一元一次方程ax b =的解1 x a b -=（0a ≠）相似； 与数的二项公式0 ()n n k n k k n k a b C a b -=+= ∑相应的也有矩阵的二项公式，下面我们就来分析一 下矩阵的二项公式及其应用。 一、矩阵二项式公式 公式：如果矩阵A 和B 可交换，即AB BA =，则 112221 10 ()n n k n k k n n n n n n n n n n k A B C A B A C A B C A B C AB B -----=+==+++++∑ ，n 为正 整数，(1)(1)! k n n n n k C k --+= 为排列组合中的组合数（注：00 A B E ==）. 证 ： 当 1 n =时， 等式显然成立 ；当 2 n =时， 22 2 2 222()()()2A B A B A B A A B B A B A A B B A + = ++=+ ++=+ += +； 假设对n 时等式成立，则对1n +时， 1112221 1()()()()()n n n n n n n n n n n A B A B A B A B A C A B C A B C AB B +----+=++=++++++= 1121211111()()()n n n n n n n n n n n n n A C A B BA C A B BC A B AB BC AB B +----+=++++++++ ， ∵AB BA =，∴223223 ,()()BA BAA ABA AAB A B BA BA A A B A A B =======， 一 般地 k k BA A B =，因此，
数学期望的性质 利用4.1.3中的定理可以得到数学期望的几条重要性质： 性质1 设C 为常数, 则()E C C =. 性质2 设C 为常数,X 为随机变量, 则()()E CX CE X =. 证明 设X 的概率密度为()f x ,则 ()()d E CX Cxf x x +∞-∞ =?()d C xf x x +∞ -∞ =? (). CE X = 性质3 设,X Y 为任意两个随机变量,则 ()()()E X Y E X E Y +=+. 证明 设二维随机变量(,)X Y 的概率密度为(,)f x y ,边缘概率密度分别为()X f x 和 ()Y f y ,则 ()()(,)d d E X Y x y f x y x y +∞ +∞ -∞ -∞ +=+? ? (,)d d xf x y x y +∞ +∞-∞ -∞ =?? (,)d d yf x y x y +∞ +∞ -∞ -∞ +? ? ()d X xf x x +∞ -∞ = ? ()d Y yf y y +∞ -∞ +? ()()E X E Y =+. 性质4 设,X Y 为相互独立的随机变量,则 ()()()E XY E X E Y =. 证明 因为 X 与Y 相互独立,其联合概率密度与边缘概率密度满足 (,)()()X Y f x y f x f y =, 所以 ()(,)d d E XY xyf x y x y +∞ +∞ -∞ -∞ =?? ()()d d X Y xyf x f y x y +∞ +∞ -∞ -∞ =? ? ()d ()d X Y xf x x yf y y +∞ +∞-∞ -∞ = ? ? ()()E X E Y =. 性质5 若,X Y 相互独立，则()()()E XY E X E Y =； 这一结论推广到有限多个，若12,, ,n X X X 相互独立，则
浅谈矩阵在实际生活中的应用 摘要：从数学的发展来看，它来源于生活实际，在科技日新月异的今天， 数学越来越多地被应用于我们的生活，可以说数学与生活实际息息相关。我们在学习数学知识的同时，不能忘记把数学知识应用于生活。在学习线性代数的过程中，我们发现代数在生活实践中有着不可或缺的位置。在本文中，我们对代数中的矩阵在成本计算、人口流动、加密解密、计算机图形变换等方面的应用进行了探究。 关键词：线性代数矩阵实际应用 Abstract:From the development of mathematics, we can see that it comes from our life. With the development of science and technology, the math is more and more being used in our lives, it can be said that mathematics and real life are closely related. While learning math knowledge we can not forget to apply mathematical knowledge to our life. In the process of learning linear algebra, we found that algebra has an indispensable position in life practice. In this article, we explore the application of the matrix in the costing, population mobility, encryption and decryption, computer graphics transform. Keywords: linear algebra matrix practical application
知识点4.2 数学期望的性质
1. 随机变量函数的数学期望 定理1设Y 是随机变量X 的函数：Y =g(X)(g 是连续函数). (1)设离散型随机变量X 的分布律为 p k =P{X =x k },k =1,2,?. 若?k=1+∞g x k p k <+∞,则有E Y =E g X =?k=1 +∞g x k p k .
(2)设连续型随机变量X 的密度函数为f(x)，若 ? ?∞+∞ g(x)f(x)dx <+∞, 则有 E(Y)=E g X =? ?∞+∞g(x)f(x)dx.
定理2设Z 是随机变量X,Y 的函数：Z =g(X,Y)(g 是连续函数). (1) 设离散型随机变量(X,Y)的分布律为 p ij =P(X =x i ,Y =y j ),(i,j =1,2,?), 若?j=1+∞?i=1+∞ g(x i ,y j )p ij <+∞, 则有 E(Z)=E g X,Y =?j=1+∞?i=1 +∞g x i ,y j p ij .
(2) 设连续型随机变量(X,Y)的密度函数为f(x,y)， 若 ? ?∞+∞??∞+∞ g(x,y)f(x,y)dxdy <+∞, 则有 E(Z)=E g X,Y =? ?∞+∞??∞+∞ g(x,y)f(x,y)dxdy.
2. 数学期望的性质 （1）设C是常数,则有E(C)=C. （2）设X是一个随机变量, C是常数,则有E(CX)=CE(X).（3）设X,Y是两个随机变量,则有E(X+Y)=E(X)+E(Y).（4）设X,Y是两个相互独立的随机变量,则有E(XY)=E(X)E(Y). 性质3和4可以推广到有限个随机变量的和及积的情况.
考研数学二（矩阵）-试卷11 (总分：48.00，做题时间：90分钟) 一、选择题(总题数：6，分数：12.00) 1.选择题下列每题给出的四个选项中，只有一个选项符合题目要求。（分数： 2.00） __________________________________________________________________________________________ 2.设A是m×n矩阵，C是n阶可逆矩阵，矩阵A的秩为r，矩阵B=AC的秩为r 1，则( )（分数：2.00） A.r＞r 1。 B.r＜r 1。 C.r=r 1。 D.r与r 1的关系依C而定。 3.设A是m×n矩阵，B是n×m矩阵，则( )（分数：2.00） A.当m＞n，必有行列式｜AB｜≠0。 B.当m＞n，必有行列式｜AB｜=0。 C.当n＞m，必有行列式｜AB｜≠0。 D.当n＞m，必有行列式｜AB｜=0。 4.设A为m×n矩阵，B为n×m矩阵，若AB=E，则( )（分数：2.00） A.r(A)=m，r(B)=m。 B.r(A)=m，r(B)=n。 C.r(A)=n，r(B)=m。 D.r(A)=n，r(n)=n。 5. 2.00） A.a=1时，B的秩必为2。 B.a=1时，B的秩必为1。 C.a≠1时，B的秩必为1。 D.a≠1时，B的秩必为2。 6.已知 2.00） A.3。 B.2。 C.1。 D.1或3。 二、填空题(总题数：10，分数：20.00) 7.设(2E一C 一1 B)A T =C 一1，其中E是四阶单位矩阵， 2.00） 填空项1:__________________ 8.设矩阵 2.00） 填空项1:__________________ 9. 2.00） 填空项1:__________________ 10.已知n阶矩阵 2.00） 填空项1:__________________
第9讲随机变量的数学期望与方差 教学目的：1.掌握随机变量的数学期望及方差的定义。 2.熟练能计算随机变量的数学期望与方差。 教学重点： 1．随机变量的数学期望 For personal use only in study and research; not for commercial use 2．随机变量函数的数学期望 3．数学期望的性质 4．方差的定义 For personal use only in study and research; not for commercial use 5．方差的性质 教学难点：数学期望与方差的统计意义。 教学学时：2学时。 For personal use only in study and research; not for commercial use 教学过程： 第三章随机变量的数字特征 §3.1 数学期望 For personal use only in study and research; not for commercial use 在前面的课程中，我们讨论了随机变量及其分布，如果知道了随机变量X的概率分布，那么X的全部概率特征也就知道了。然而，在实际问题中，概率分布一般是较难确定的，而在一些实际应用中，人们并不需要知道随机变量的一切概率性质，只要知道它的某些数字特征就够了。因此，在对随机变量的研究中，确定其某些数字特征是重要的，而在这些数字特征中，最常用的是随机变量的数学期望和方差。
1．离散随机变量的数学期望 我们来看一个问题： 某车间对工人的生产情况进行考察。车工小张每天生产的废品数X 是一个随机变 量，如何定义X 取值的平均值呢？ 若统计100天，32天没有出废品，30天每天出一件废品，17天每天出两件废品， 21天每天出三件废品。这样可以得到这100天中每天的平均废品数为 27.1100 213100172100301100320=?+?+?+? 这个数能作为X 取值的平均值吗？ 可以想象，若另外统计100天，车工小张不出废品，出一件、二件、三件废品的 天数与前面的100天一般不会完全相同，这另外100天每天的平均废品数也不一定是 1.27。 对于一个随机变量X ，若它全部可能取的值是 ,,21x x ， 相应的概率为 ,,21P P ， 则对X 作一系列观察(试验)所得X 的试验值的平均值是随机的。但是，如果试验次数 很大，出现k x 的频率会接近于K P ，于是试验值的平均值应接近 ∑∞=1k k k p x 由此引入离散随机变量数学期望的定义。 定义1 设X 是离散随机变量，它的概率函数是 ,2 ,1,)()(====k P x X P x p K K k 如果 ∑∞ =1||k k k p x 收敛，定义X 的数学期望为 ∑∞ ==1)(k k k p x X E 也就是说,离散随机变量的数学期望是一个绝对收敛的级数的和。 例1 某人的一串钥匙上有n 把钥匙，其中只有一把能打开自己的家门，他随意地 试用这串钥匙中的某一把去开门。若每把钥匙试开一次后除去，求打开门时试开次数 的数学期望。
矩阵在初中数学的应用 在初中阶段解方程组是最基础的知识，对于简单的二元一次方程 组来说比较容易求出解，可是对于三元、四元的方程来说就有一定的难度了。那么如何解决这一难题呢？我们可以借助于矩阵来解决。 一次方程组也叫线性方程组，是最简单也是最重要的一类代数方 程组。一次方程组的解法早在中国古代的数学名著《九章算术》方程章中已经作了比较完整的论述。所用的方法本质上相当于现代的对方程组的增广矩阵的行施行初等变换消去未知数的方法。 1、二元一次方程组的解法 消元法包括代入消元法与加减消元法 代入消元法就是从方程组中的某一个方程解出一个未知数（用含有 其他未知数的代数式表示），再将这个未知数的表达式代入这个方程组的其他方程中，在其他方程中消去这个未知数。 加减消元法就是将方程组的一些方程分别乘适当的数，使得某一个 未知数的系数相加减等于0，然后将这些方程相加减，消去这个未知数。下面我们以一般的方程为例。 （1）代入消元法 111222 (1)(2)x a b y c a x b y c +=??+=? 当10b ≠时，有方程（1）解出111 (3)c a x y b -= 此时方程组与下列方程组同解：
111222 (3)(2)c a x y b a x b y c -?=???+=? 方程（3）要代入（2）消去未知数y 112221 c a x a x b y c b -+== （4） 有方程（4）解出x ，再将x 的值代入方程（3）求出y 的值，也 可以将x 的值代入方程（2）求出y 的值 （2）加减消元法 111222 (1) (2)a x b y c a x b y c +=??+=? 将两个方程各乘适当的数，使未知数y 或x 的系数相同或互为相 反数，经相加或相减后消去未知数y 或x ，得出一元一次方程 33a x c = （3） 此时，原方程组与下列方程组中有同解： 1113 3(1)(3)a x b y c a x c +=??=? 因此，有方程（3）解出x 的值后，将x 的值代入方程（1）求出y 的值。 2、三元一次方程组的解法及四元一次方程的解法 如果利用上面的两种方法来做也是可以完成的，但就是非常的麻 烦，我们利用矩阵的知识来完成。
梁烨 0417
数学期望的性质 . )(,.1c c E c =则有是常数设). ()(,,.2X cE cX E c X =则有是常数是一个随机变量设). ()()(,,.3Y E X E Y X E Y X +=+则是两个随机变量设).()()(,,.4Y E X E XY E Y X =则是相互独立的随机变量设4证明()(,)d d ()()d d X Y E XY xyf x y x y xyf x f y x y +∞+∞+∞+∞-∞-∞-∞-∞== ??????+∞∞-+∞ ∞-==) ()(d )(d )(Y E X E y y yf x x xf Y X Note:性质3和4可推广到n 个随机变量的情形.
例12 (,),,().X N Y aX b E Y μσ=+设～求:解(), E X μ=()()()E Y E aX b aE X b a b μ=+=+=+所以 Note ：正态分布r.v 的线性组合的期望为其期望的线性组合.
2例). (),(~X E p n b X ，求设:解引入计数随机变量 11,2,,0i i A X i n i A ?==?????第次试验中事件发生第次试验中事件不发生其中.)(p A P =则且分布为p X E X i i =-)(,)10(故.1∑==n i i X X ) ()(21n X X X E X E +???++=12()()()n E X E X E X np =++???+=Note ：该解法具有一般性，引入计数变量可简化计算：将一复杂变量分解成n 个相互独立的服从（0-1）分布的变量之和.
矩阵在自己专业中的应用及举例
摘要： I、矩阵是线性代数的基本概念，它在线性代数与数学的许多分支中都有重要的应用，许多实际问题可以用矩阵表达并用相关的理论得到解决。 II、文中介绍了矩阵的概念、基本运算、可逆矩阵、矩阵的秩等容。 III、矩阵在地理信息系统中也有许多的应用，比如文中重点体现的在计算机图形学中应用。 关键词： 矩阵可逆矩阵图形学图形变换 正文： 第一部分引言 在线性代数中，我们主要学习了关于行列式、矩阵、方程、向量等相关性比较强的容，而这些容在我们专业的其他一些学科中应用也是比较广泛的，是其它一些学科的很好的辅助学科之一。因此，能够将我们所学的东西融会贯通是一件非常有意义的事，而且对我们的学习只会有更好的促进作用。在计算机图形学中矩阵有一些最基本的应有，但是概念已经与线性代数中的有一些不同的意义。在计算机图形学中，矩阵可以是一个新的额坐标系，也可以是对一些测量点的坐标变换，例如：平移、错切等等。在后面的文章中，我通过查询一些相关的资料，对其中一些容作了比较详细的介绍，希望对以后的学习能够有一定的指导作用。在线性代数中，矩阵也占据着一定的重要地位，
与行列式、方程、向量、二次型等容有着密切的联系，在解决一些问题的思想上是相同的。尤其他们在作为处理一些实际问题的工具上的时候。 图形变换是计算机图形学领域的主要容之一，为方便用户在图形交互式处理过程中度图形进行各种观察，需要对图形实施一系列的变换，计算机图形学主要有以下几种变换：几何变换、坐标变换和观察变换等。这些变换有着不同的作用，却又紧密联系在一起。 第二部分 研究问题及成果 1. 矩阵的概念 定义：由n m ?个数排列成的m 行n 列的矩阵数表 ????? ???????ann an an n a a a n a a a ΛM ΛM M K Λ212222111211 称为一个n m ?矩阵，其中an 表示位于数表中第i 行第j 列的数，i=1,2,3，…n ，又称为矩阵的元素。A,B 元素都是实数的矩阵称为实矩阵。元素属于复数的矩阵称为复矩阵。 下面介绍几种常用的特殊矩阵。 （1）行距阵和列矩阵 仅有一行的矩阵称为行距阵（也称为行向量），如 A=(a11 a12 .... a1n), 也记为 a=(a11,a12,.....a1n). 仅有一列的矩阵称为列矩阵（也称为列向量），如
线性代数必考知识点 一、行列式 1、逆序数 一个排列n i i i i ,,,321若有类似21i i 时，我们称21i i 组成一个逆序。一个排列中逆序总的个数之和称为逆序数，记为)(21n i i i 2、行列式性质 (1) 行列式行列互换，其值不变，即T A A (2) 行列式两行或两列互换，其值反号。 (3) 行列式某行或某列乘以k 等于行列式乘以k 。 (4) 行列式某行货某列乘以k 加到另一行或列上，行列式值不变。 (5) 行列式两行或两列对应成比例，则行列式为零。 (6) 行列式某行或某列元素为零，则行列式为零。 (7) 上、下三角行列式其值为主对角线上元素乘积。 (8) 行列式值等于对应矩阵所有特征值的乘积，即n A 21 (9) 齐次线性方程组0 Ax 有非零解n A r A )(0 3、行列式行列展开定理 (1) 余子式ij j i ij A M )1( (2) 代数余子式ij j i ij M A )1( 4、三阶行列式展开公式 33211232231131221332211331231233221133 32 3123222113 1211a a a a a a a a a a a a a a a a a a a a a a a a a a a 二、矩阵 1、矩阵运算 (1) 矩阵加减法即是将对应元素进行加减。 (2) 矩阵乘法是将对应行与对应列元素相乘再相加。 (3) 矩阵除法是乘以逆矩阵。 (4) 矩阵加减法满足交换律、结合律，乘法满足结合律、分配率。 (5) n 阶方阵一般可以有1*,,, A A A A T 四大基本矩阵运算 2、矩阵的行列式 (1) A k kA A A n T , (2) A B B A BA AB 3、矩阵转置 (1) T T T T T T T T T T A B AB kA kA B A B A A A )(,)(,)(,)( (2) **11)()(,)()(T T T T A A A A
矩阵在实际生活中的应用 一．【摘要】 随着科学技术的发展，数学的应用越来越广泛，可以说和我们的生活息息相关。而高等数学中的线性代数，也同样有着广泛的应用。本篇论文中，我们就对线性代数中的矩阵在生产成本、人口流动、加密解密、计算机图形变换等方面的应用进行研究。 【关键词】 高等数学矩阵实际应用 二．应用举例 1.生产成本计算：在社会生产管理中经常要对生产过程中产生的很多数据进行统计、处理、分析，以此来对生产过程进行了解和监控，进而对生产进行管理和调控，保证正常平稳的生产以达到最好的经济收益。但是得到的原始数据往往纷繁复杂，这就需要用一些方法对数据进行处理，生成直接明了的结果。在计算中引入矩阵可以对数据进行大量的处理，这种方法比较简单快捷。 例1.某工厂生产三种产品A、B、C。每种产品的原料费、支付员工工资、管理费和其他费用等见表1，每季度生产每种产品的数量见表2。财务人员需要用表格形势直观地向部门经理展示以下数据：每一季度中每一类成本的数量、每一季度三类成本的总数量、四个季度每类成本的总数量。 表1.生产单位产品的成本（元）表2.每种产品各季度产量（件） 产品 成本 A B C 原料费用10 20 15 支付工资30 40 20
解 我们用矩阵的方法考虑这个问题。两张表格的数据都可以表示成一个矩阵。如下所示： 通过矩阵的乘法运算得到 MN 的第一行元素表示了四个季 度中每个季度的原料总成本； MN 的第二行元素表示了四个季度中每个季度的支付工资总成本； MN 的第三行元素表示了四个季度中每个季度的管理及其他总成本。 MN 的第一列表示了春季生产三种产品的总成本； MN 的第二列表示了夏季生产三种产品的总成本； MN 的第三列表示了秋季生产三种产品的总成本； MN 的第四列表示了冬季生产三种产品的总成本。 对总成本进行汇总，每一类成本的年度总成本由矩阵的每一行元素相加得到，每一季度的总成本可由每一列相加得到。如下表： 表3. 总成本汇总表 管理及其他费用 10 15 10 产品 季度 春季 夏季 秋季 冬季 A 2000 3000 2500 2000 B 2800 4800 3700 3000 C 2500 3500 4000 2000 季度 春季 夏季 秋季 冬季 全年 原料费 113500 178500 159000 110000 561000 支付工资 222000 352000 303000 220000 1097000 ????? ??=200040003500250030003700480028002000250030002000N
考研数学矩阵的8大秩及其证明2009 ()1 证明：根据矩阵秩的定义直接得出。 ()2 证明：对矩阵A 任意添加列后变成矩阵(), A B ，则秩显然不小于()R A ，即： ()(), R A B R A ≥ 同理： ()(), R A B R B ≥ 因而：()(){}(), , Max R A R B R A B ≤成立。 又设 ()(), R A r R B t ==，把, A B 分别做列变换化成列阶梯形~ ~ , A B 1110 3 810 1100 1000?? ? ? ? ? ??? 如：就是列阶梯形 用~ ~~ ~ 1 1 , r r a a b b 分别表示非全零列，则有： ()~ ~~ ()1~~ ~ ~~ ()1 , 00, , , 0 0表示列变换表示列变换c r c c r A A a a A B A B B B b b ????????→= ????? ?? ???→? ????? ??????→= ???? ? 由于初等变换后互为等价矩阵，故()~~, , R A B R A B ?? = ??? 而矩阵~~, A B ?? ???只含有r t +个非全零列，所以：()()~~~~, , R A B r t R A B R A R B ???? ≤+?≤+ ? ????? 。 综合上述得：()(){}()()(), , Max R A R B R A B R A R B ≤≤+
●特别地：如B b =为列向量，则()1R b ≡()()() , 1R A R A B R A ?≤≤+。 ●如B E =，设()(), , m n m R A B R A E ?=， 则 ()()() , , m n m m m n m m R A E R E m R A E m ??≥≥=?= ()3 证明： ()()()()()()()()()()()() 2 , , , , , , A B B A B R A B B R A B R A R B R A B R A B B R A B R A B R A R B +→?+=????→+≥=+≥+?+≤+由公式知 ()4 证明：()1 设()()() ,AB C B AX C R A R A C R C =?=?=≥是的解 ()()()() () ()()()()()(){},min , T R B R B T T T T T T T B A C R B R B C R C R B R C R C R AB R A R B n ==?=≥???? ?→≥?=≤≤又， ()2 设()(), m n n s R A r R B t ??== 则A 的标准型为000r m n E ??? ???，B 的标准型为000t n s E ??? ??? 存在可逆矩阵, , , m s n n P Q P Q 使：
第27卷第4期 2005年12月 湘潭师范学院学报(自然科学版) Journal of Xiangtan Normal U niversity(N atural Science Edition) Vol.27N o.4D ec.2005 矩阵理论在其他数学学科中的应用 * 邢永丽,陈维兵,阎真真 (中国地质大学信息工程学院,北京100083) 摘 要:讨论矩阵理论在其他数学学科如最优化理论、图论等中的应用,给出若干用阵理论解题的例子,并给出与常规方法相比较的相应评价。 关键词:矩阵理论;矩阵的秩;矩阵的特征值 中图分类号:O1-1 文献标识码:A 文章编号:1671-0231(2005)04-0014-03 数学是科学之母,是众多学科的共同基础。随着计算机的飞速发展和信息时代的到来,在大多研究领域中,人们对定量研究越来越重视。可以说任何一个学科的发展都与定量分析和研究密不可分,而数学在定量研究中起着至关重要的作用。就数学本身而言,作为大学数学的老三高之一的高等代数是理工科专业特别是数学专业最重要的基础课之一。而矩阵理论是高等代数中的核心内容,矩阵理论中的许多思想和方法极大地丰富了数学的代数理论。 随着人们对科学研究的深入,矩阵理论的应用愈来愈广。它在众多学科和领域中发挥着不可替代的作用,如数学分析中多元函数的一阶近似、隐函数存在定理与矩阵理论密切相关;常微分方程中的一阶线性方程组和高阶线性方程理论的建立及其求解方法完全要建立在矩阵理论的基础上;解析几何上对于二次曲线、二次曲面的分类和研究,也必须用到矩阵理论;还有计算方法的许多理论,以及最优化理论中许多问题的提出和求解,图论上对图的定量研究都离不开了矩阵理论。总之,矩阵理论在其它数学学科和研究领域中应用的实例不胜枚举。因此我们不应该独立地学习它,应将其应用到其他的数学课程并同它们有机地结合起来,从而加深对高等代数的理解。而把矩阵理论应用到这些数学学科如最优化、图论等中时,与常规方法相比,往往会有独特的效果,使很多问题变得简单明了。就矩阵理论在最优化理论和图论中的应用举例说明。 1 最优化中的应用 最优化理论与算法是一门重要的数学分支,它所研究的问题是讨论在众多的方案中什么样的方案最优以及怎样找出最优方案。而矩阵理论在其中扮演重要角色,特别是最优化中线形规划的单纯形方法是完全基于矩阵理论的。这一节我们仅用矩阵理论来解决一个线性规划问题。1.1 设s ={x |A x \b },其中A 是m @n 矩阵(m >n),A 的秩为n, 证明:x (0)是极点的充要条件是:A 和b 可作以下分解: A = A 1A 2 , b = b 1b 2 , 其中A 1有n 行,且A 1的秩为n,b 1是n 维列向量,使得A 1x (0)=b 1,A 2x (0)\b 2。 分析:一般的最优化教材[1]上的证法基本都是把A 中的元素进行调整,将该问题转化成标准的最优 14 * 收稿日期:2005-04-06 作者简介:邢永丽(1963-),女,河北邯郸人,副教授,研究方向:计算数学。