本文从线性代数的基础出发，探讨矩阵的性质、LU分解、特征值和特征向量等概念，接着深入系统工程，介绍了解释结构模型方法（ISM）、黑箱建模以及预测方法，包括移动平均法、指数平滑法和ARIMA模型。
线性代数基础
矩阵的性质
初等矩阵：初等变换矩阵有三种(一行减去另一行的倍数，换行，倍增某一行)，由单位矩阵经过一次初等行变换得到的矩阵称为初等矩阵。对线性方程组 A x = b Ax=b Ax=b的消元过程，即为一系列初等矩阵左乘增广矩阵(A|b)。“左乘换行，右乘换列”。
矩阵转置： ( A B ) T = B T A T (AB)^T=B^TA^T (AB)T=BTAT
逆矩阵：A、B方阵都可逆， ( A B ) − 1 = B − 1 A − 1 (AB)^{-1}=B^{-1}A^{-1} (AB)−1=B−1A−1， d e t A = 1 d e t A − 1 detA=\frac{1}{detA^{-1}} detA=detA−11
LU分解：方阵A经一系列初等行变换消去矩阵得到上三角阵U，即EA=U，得到 A = E − 1 U A=E^{-1}U A=E−1U，将A分解为下三角阵和上三角阵的乘积。
可逆矩阵A的顺序主子阵 A k A_k
最低0.47元/天 解锁文章
扫一扫
1112
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
