Excel 做简单的矩阵运算

最近跟随师兄做实验,总是要用到一些简单的矩阵计算。用matlab启动太慢,还得将数据按格式输入,略复杂。遂学习下用Excel做简单的矩阵运算。

  1. 矩阵转置
    1. 用公式=TRANSPOSE(A)

      先选中结果区域(必须对应),在公式栏输入:=TRANSPOSE,在输入时若智能弹出公式,移动光标对应到公式时,按下Tab键,公式自动输入

      接下来选择要转置的矩阵,选择完按 Ctrl+Shift+Enter,会自动给公式加上{},表示此函数为数组运算结果。

    2. 格式化粘贴

      选择转置粘贴即可

  2. 矩阵相乘

    用公式=MMULT(A,B)

    选中A矩阵,输入逗号,再选B矩阵,再按下Ctrl+Shift+Enter,即可。

  3. 矩阵的逆

    公式=MINVERSE(A)

    操作步骤同上。

  4. 矩阵相加为每个元素的相加

层次分析法(Analytic Hierarchy Process,AHP)是一种用于多准则决策的定量分析方法。在进行AHP权重计算时,可以使用代码或Excel公式模板来辅助计算。 一种常用的代码实现是使用Python语言编写。以下是一个层次分析权重计算的简单示例代码: ```python import numpy as np def calculate_weights(matrix): n = len(matrix) # 矩阵维度 column_sums = matrix.sum(axis=0) # 列求和 normalized_matrix = matrix / column_sums # 矩阵归一化 eig_values, eig_vectors = np.linalg.eig(normalized_matrix) # 计算特征值和特征向量 max_eig_value_index = np.argmax(eig_values) # 最大特征值的索引 weights = np.absolute(eig_vectors[:, max_eig_value_index]) # 特征向量取绝对值作为权重 normalized_weights = weights / np.sum(weights) # 权重归一化 return normalized_weights # 用例 matrix = np.array([[1, 3, 5], [1/3, 1, 2], [1/5, 1/2, 1]]) weights = calculate_weights(matrix) print(weights) ``` 上述代码中,calculate_weights函数接受一个层次比较矩阵,并返回计算得到的权重。该代码使用了numpy库来进行矩阵运算和特征值分解。 如果使用Excel进行计算,可以利用Excel内置的函数来实现。以下是一个示例: 1. 将层次比较矩阵填写到Excel中,矩阵可以位于任意单元格区域,如A1:C3。 2. 在D1单元格中输入公式 `=D3/(SUM(D3:D5))`,然后将该公式拖填到D2和D3单元格。 3. 在E1单元格中输入公式 `=D1/SUM($D$1:$D$3)`,然后将该公式拖填到E2和E3单元格。 4. 最后得到的E列即为计算得到的权重。 这个Excel示例中,使用SUM函数和绝对引用符号($)来进行归一化和计算权重。 层次分析权重计算的代码或Excel公式模板可以根据具体需求进行自定义和扩展,以上仅为简单示例。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值