矩阵-工作常用的众号文档推荐.doc

7、矩阵 根据本书前面的内容，你可能会产生这样的想法，即数学的主要内容就是微积分，其他内容不过是这一主要问题的延伸。但实际上，这种想法是不正确的。在本章以及下一章中，我们将学习数学的另外两个完全不同的分支。尽管不太重要，但第1章的内容对这里的学习是有帮助的。本章共分4节，其中7.1和7.2节的内容是基础性的，而剩余的章节则并不一定要按顺序来阅读。 第7.1节介绍矩阵的概念，矩阵是一种表述格式化信息的传统数学方法。通过定义矩阵的加、减、乘等运算操作，从而可以建立所谓的矩阵代数。这些定义均通过简单的经济实例来解释，并且从例子中可以看出，矩阵的操作运算规则几乎与普通的算术运算一摸一样。第7.2节介绍如何计算矩阵的逆，这类似于求某一数值的倒数，通过求逆可以实现对矩阵方程的求解。尤其是，逆矩阵为求解线性多方程系统提供了一种可供选用的 方法，从而可将其用于静态分析。第7.3章介绍了求解线性方程系统的Cramer规则。对于仅需确定部分内生变量的经济模型而言，这是一种非常有用的求解方法。 在第7.4节中，我们讨论一种新的经济问题，即投入—产出分析，并且介绍如何利用7.1和7.2节中的矩阵运算来测定公司之间的货币流动。 7.1 矩阵基本运算 目标：学完本节内容，你应该能够 ――理解矩阵代数的概念和术语。 ――给出一个矩阵的转置形式。 ――矩阵加减。 ――矩阵与标量相乘。 ――矩阵与矩阵相乘。 ――用矩阵形式来表述一个线性方程系统。 假设有某公司生产三种商品：G1、G2和G3，销售给两个消费者：C1和C2。表7.1是月销售量。其中数据表示，本月中，该公司向消费者C1销售了3个单位的G2，向消费者C2销售了6个单位的G2，依此类推。从上下文的联系来看，各数据的精确含义是非常明确的。在这种情况下，我们就可以把表头省略掉，以更为简洁的形式来表述表中信息，例如 A＝ 原书第453页表7.1 这便是矩阵的一个例子。更一般的讲，任何由一对括号围起来的数据的矩阵列都被称为一个矩阵（复数矩阵）（matrix，plural matrices），组成阵列的单个数据被称为记录或元素。虽然使用圆括号也同样是正确的，但在本书中，我们统一使用方括号。显然，矩阵可看成是由行和列组成的。矩阵A包含2行3列，所以，我们说他的阶数(order)是2×3。就一般形式而言，阶数为m×n的矩阵含有m行和n列。 我们用粗体的大写字母（如，A、B、C）表示矩阵，而用小号的常体字符表示其中的元素。实际上，为表述清晰，我们还使用双下标，如表示矩阵A中位于第行和第列的元素。就上述矩阵A而言，我们看到 （A的第1行第2列） 一个3×2的一般形式的矩阵D可以表示为： 相应地，一个3×3阶的矩阵E可以表示为： 例子 令 B＝ C＝ 说出矩阵B和C的阶数。 写出和的值。 答案 矩阵B和C的阶数分别为2×2和3×4。 （B的第2行第2列） （C的第3行第4列） 练习 1 令A＝ B＝ C＝ D＝ 说出矩阵A、B、C 和D的阶数。 写出、、、、、、的值。 我们已经解释了什么是矩阵，并给出了相关的一些标识。矩阵给我们提供了一种表格化信息的简便速记方法。但是，我们还要进一步运用矩阵分析经济问题。为此，我们需要介绍集中基于矩阵的操作和运算，分别是： ——矩阵转置 ——矩阵加减 ——矩阵乘以标量 ——矩阵乘以矩阵 上述清单中显然遗漏了矩阵除法。尽管通过定义逆矩阵（将在第7.2节中介绍）可以使我们相当接近于除法的思想，但严格来讲，以矩阵除以另一个矩阵是不可能的。 建议 如果你以前没有接触过矩阵，你可以将本节内容分为两部分。首先学习7.1.4节以前的内容，而将剩余的矩阵之间的乘法作为第二阶段的学习内容。 7.1.1 转置 在表7.1中，行对应着两个消费者，而列对应着三种商品。该表的矩阵表示为： A＝ 该月销售量的相同信息还可以用另一种形式表示，如表7.2所示。此时的矩阵表示为： B＝ 原书455页表7.2 对于这种情况，我们称A和B是相互的转置，记为： AT=B 读作“A转置等于B” 或者，等价地记为： BT=A 读作“B转置等于A” 我们发现，矩阵转置（transpose）实际上是行列互换，即第1行变为第1列，第2行变为第2列，依此类推。A的行数等于AT的列数，反之亦然。相应地，如果A的阶数为m×n，则AT的阶数就是n×m。 例子 写出以下矩阵的转置 D= E= 答案 3×4阶矩阵D的转置是4×3的矩阵 DT= 2×1阶矩阵E的转置是1×2的矩阵 ET= 练习 2 写出下列矩阵的转置 A= B=