大战略矩阵(Grand Strategy Matrix)

大战略矩阵(Grand Strategy Matrix)

大战略矩阵（Grand Strategy Matrix）是一种常用的制定备选战略工具。它的优点是可以将各种企业的战略地位都置于大战略矩阵的四个战略象限中，并加以分析和选择。公司的各分部也可按此方式被定位。大战略矩阵基于两个评价数值：横轴代表竞争地位的强弱,纵轴代表市场增长程度。位于同一象限的企业可以采取很多战略，下图例举了适用于不同象限的多种战略选择，其中各战略是按其相对吸引力的大小而分列于各象限中的。

位于不同象限的战略选择

位于大战略矩阵第一象限的公司处于极佳的战略地位。对这类公司，继续集中经营于当前的市场（市场渗透和市场开发）和产品（产品开发）是适当的战略。第一象限公司大幅度偏离已建立的竞争优势是不明智的。当第一象限公司拥有过剩资源时，后向、前向和横向一体化可能是有效的战略。当第一象限公司过分偏重于某单一产品时，集中化多元经营战略可能会降低过于狭窄的产品线所带来的风险。第一象限公司有能力利用众多领域中的外部机会，必要时它们可以冒险进取。

位于第二象限的公司需要认真地评价其当前的参与市场竞争的方法。尽管其所在产业正在增长，但它们不能有效地进行竞争。这类公司需要分析企业当前的竞争方法为何无效，企业又应如何变革而提高其竞争能力。由于第二象限公司处于高速增长产业，加强型战略（与一体化或多元化经营战略相反）通常是它们的首选战略。然而，如果企业缺乏独特的生产能力或竞争优势，横向一体化往往是理想的战略选择。为此，

可考虑将战略次要地位的业务剥离或结业清算，剥离可为公司提供收购其他企业或买回股票所需要的资金。

位于第三象限的公司处于产业增长缓慢和相对竞争能力不足的双重劣势下。在确定产业正处于永久性衰退前沿的前提下,这类公司必须着手实施收割战略。首先应大幅度地减少成本或投入，另外可将资源从现有业务领域逐渐转向其他业务领域。最后便是以剥离或结业清算战略迅速撤离该产业。

位于第四象限的公司其产业增长缓慢,但却处于相对有利的竞争地位。这类公司有能力在有发展前景的领域中进行多元经营。这是因为第四象限公司具有较大的现金流量，并对资金的需求有限，有足够的能力和资源实施集中多元化或混合式多元化战略。同时，这类公司应在原产业中求得与竞争对手合作与妥协，横向合并或进行合资经营都是较好的选择。

旋转矩阵公式法

旋转矩阵公式法！一，选11个号，中了5个号，100%能组合到4个号。假设你选了01、02、03、04、05、06、07、08、09、10、11，则可以组合成以下22注，需投入44元： （1）01、05、07、09、11 （2）01、05、06、08、10 （3）01、04、06、08、09 （4）01、04、05、07、10 （5）01、03、07、08、11 （6）01、03、04、09、10 （7）01、02、06、10、11 （8）01、02、04、08、11 （9）01、02、03、06、07 （10）01、02、03、05、09 （11）02、07、08、09、10 （12）02、05、06、07、08 （13）02、04、07、09、11 （14）02、04、05、06、09 （15）02、03、05、10、11 （16）02、03、04、08、10 （17）03、06、08、09、11 （18）03、06、07、09、10 （19）03、04、05、07、08 （20）03、04、05、06、11 （21）04、06、07、10、11 （22）05、08、09、10、11 二，选11个号，中了4个号，100%能组合到4个号。假设你选了01、02、03、04、05、06、07、08、09、10、11，则可以组合成以下66注，只要132元就能搞定： （1）01、07、08、09、10 （2）01、06、07、09、11 （3）01、05、08、09、11 （4）01、05、07、10、11 （5）01、05、06、08、10 （6）01、04、09、10、11 （7）01、04、06、08、11 （8）01、04、06、07、10 （9）01、04、05、07、08 （10）01、04、05、06、09 （11）01、03、08、10、11 （12）01、03、06、09、10 （13）01、03、06、07、08 （14）01、03、05、07、09 （15）01、03、05、06、11 （16）01、03、04、08、09 （17）01、03、04、07、11 （18）01、03、04、05、10

旋转变换(一)旋转矩阵

旋转变换（一）旋转矩阵 1. 简介 计算机图形学中的应用非常广泛的变换是一种称为仿射变换的特殊变换，在仿射变换中的基本变换包括平移、旋转、缩放、剪切这几种。本文以及接下来的几篇文章重点介绍一下关于旋转的变换，包括二维旋转变换、三维旋转变换以及它的一些表达方式（旋转矩阵、四元数、欧拉角等）。 2. 绕原点二维旋转 首先要明确旋转在二维中是绕着某一个点进行旋转，三维中是绕着某一个轴进行旋转。二维旋转中最简单的场景是绕着坐标原点进行的旋转，如下图所示： 如图所示点v 绕原点旋转θ角，得到点v’，假设v点的坐标是(x, y) ，那么可以推导得到v’点的坐标（x’, y’)(设原点到v的距离是r，原点到v点的向量与x轴的夹角是? ) x=rcos?y=rsin? x′=rcos(θ+?)y′=rsin(θ+?) 通过三角函数展开得到 x′=rcosθcos??rsinθsin? y′=rsinθcos?+rcosθsin? 带入x和y表达式得到 x′=xcosθ?ysinθ y′=xsinθ+ycosθ 写成矩阵的形式是： 尽管图示中仅仅表示的是旋转一个锐角θ的情形，但是我们推导中使用的是三角函数的基本定义来计算坐标的，因此当旋转的角度是任意角度（例如大于180度，导致v’点进入到第四象限）结论仍然是成立的。 3. 绕任意点的二维旋转 绕原点的旋转是二维旋转最基本的情况，当我们需要进行绕任意点旋转时，我们可以把这种情况转换到绕原点的旋转，思路如下： 1. 首先将旋转点移动到原点处 2. 执行如2所描述的绕原点的旋转 3. 再将旋转点移回到原来的位置

也就是说在处理绕任意点旋转的情况下需要执行两次平移的操作。假设平移的矩阵是T(x,y)，也就是说我们需要得到的坐标v’=T(x,y)*R*T(-x,-y)（我们使用的是列坐标描述点的坐标，因此是左乘，首先执行T(-x,-y)） 在计算机图形学中，为了统一将平移、旋转、缩放等用矩阵表示，需要引入齐次坐标。（假设使用2x2的矩阵，是没有办法描述平移操作的，只有引入3x3矩阵形式，才能统一描述二维中的平移、旋转、缩放操作。同理必须使用4x4的矩阵才能统一描述三维的变换）。 对于二维平移，如下图所示，P点经过x和y方向的平移到P’点，可以得到： x′=x+tx y′=y+ty 由于引入了齐次坐标，在描述二维坐标的时候，使用（x，y，w）的方式（一般w=1），于是可以写成下面矩阵的形式 按矩阵乘法展开，正好得到上面的表达式。也就是说平移矩阵是 如果平移值是（-tx，-ty）那么很明显平移矩阵式 我们可以把2中描述的旋转矩阵也扩展到3x3的方式，变为：

第五章矩阵分析(改)

第五章 矩阵分析 本章将介绍矩阵微积分的一些内容.包括向量与矩阵序列的收敛性、矩阵的三种导数和矩阵微分与积分的概念，简要介绍向量与矩阵范数的有关知识. §5.1 向量与矩阵的范数 从计算数学的角度看，在研究计算方法的收敛性和稳定性问题时，范数起到了十分重要的作用. 一、向量的范数 定义1 设V 是数域F 上n 维（数组）向量全体的集合，x 是定义在V 上的一个实值函数，如果该函数关系还满足如下条件： 1）非负性 对V 中任何向量x ，恒有0x ≥，并且仅当0=x 时，才有 x =0； 2）齐次性 对V 中任意向量x 及F 中任意常数k ，有;x k kx = 3）三角不等式 对任意V y x ∈,，有 y x y x +≤+， 则称此函数x （有时为强调函数关系而表示为?） 为V 上的一种向量范数. 例1 对n C 中向量()T n x x x x ,,,21 =，定义 2 22212 n x x x x +++= 则2x 为n C 上的一种向量范数[i x 表示复数i x 的模]. 证 首先，2n x C 是上的实值函数，并且满足

1）非负性 当0x ≠时，0x >；当0x =时，0x =； 2）齐次性 对任意k C ∈及n x C ∈，有 22||||||kx k x = =； 3）三角不等式 对任意复向量1212(,, ,),(,, ,)T T n n x x x x y y y y ==，有 222 221122||||||||()n n x y x y x y x y +=++++ ++ 2221122()()()n n x y x y x y ≤++++ ++ 2 21 1 1 ||2||||||n n n i i i i i i i x x y y ====++∑∑∑（由Cauchy-ВуНЯКОВСКИЙ 不等式） 222222 2 22||||2||||||||||||(||||||||),x x y y x y ≤++=+ 因此 222||||||||||||x y x y +≤+ 所以 2||||x 确为n C 上的一种向量范数 例2 对n C [或n R ]上向量12(,,,)T n x x x x =定义 112||||||||||n x x x x =+++， 1max i i n x x ∞ ≤≤=， 则1||||x 及x ∞都是n C [或n R ]上的向量范数，分别称为1-范数和∞-范数. 证 仅对后者进行证明. 1）非负性 当0x ≠时，max 0i i x x ∞ =>，又显然有00∞=； 2）齐次性 对任意向量()T n x x x x ,,,21 =及复数k ，

研究生矩阵试题B2

北京交通大学 2005-2006学年第一学期硕士研究生矩阵分析考试试卷(B) 专业 班级 学号 姓名 一． （12分）设3R 的两个基为T T T I )1,0,1( ,)1,0,1( ,)1,1,1( :321=-==ααα和T T T II )5,4,3( ,)4,3,2( ,)1,2,1( :321===βββ， （1） 求基I 到基II 的过度矩阵；（2） 求T )1,1,1(=α在基I 下的坐 标。 二． （14分）设线性影射34:R R T →满足，对任意44321),,,(R x x x x T ∈， T T x x x x x x x x x x x x x x x T )3,2,(),,,(432142143214321-++-+++-=， 求T 的核()N T 及值域()R T 的基和维数。 三． （12分）设???? ? ??-=120520i i i A ， （1）计算1A 和∞A ；（2）如果T x )1,1,1(=， 计算1Ax 和∞Ax 。 四．（10分）求矩阵???? ? ??=131321*********A 的满秩分解。 五． （12分）求矩阵???? ? ??=230111140A 的正交三角分解UR A =，其中U 是

酉矩阵，R 是正线上三角矩阵。 六． （20分）证明题： 1． 设A 是反Hermite 矩阵，证明A E -是可逆的。 2．设A 是正规矩阵， 如果A 满足0432=--E A A ，证明：A 是Hermite 矩阵。 3．证明：n 维欧氏空间V 的线性变换T 是对称变换，即对任何,x y V ∈， ),(),(Ty x y Tx = 的充要条件是T 在标准正交基下的矩阵表示是对称拒阵。 七． （20分） 设???? ? ??=100100011A 。 （1）求E A λ-的Smith 标准形；（2）写出A 的最小多项式， A 的初等因子和Jordan 标准形； （3）求矩阵函数()f A ，并计算tA e 。

三维旋转矩阵的计算

三维旋转矩阵的计算 旋转矩阵（Rotation matrix）是在乘以一个向量的时候有改变向量的方向但不改变大小的效果的矩阵。旋转矩阵不包括反演，它可以把右手坐标系改变成左手坐标系或反之。所有旋转加上反演形成了正交矩阵的集合。 在三维空间中，旋转变换是最基本的变换类型之一，有多种描述方式，如Euler 角、旋转矩阵、旋转轴/旋转角度、四元数等。本文将介绍各种描述方式以及它们之间的转换。 1. 旋转矩阵 用一个3阶正交矩阵来表示旋转变换，是一种最常用的表示方法。容易证明，3阶正交阵的自由度为3。注意，它的行列式必须等于1，当等于-1的时候相当于还做了一个镜像变换。 2. Euler角 根据Euler定理，在三维空间中，任意一种旋转变换都可以归结为若干个沿着坐标轴旋转的组合，组合的个数不超过三个并且两个相邻的旋转必须沿着不同的坐标轴。因此，可以用三个沿着坐标轴旋转的角度来表示一个变换，称为Euler角。旋转变换是不可交换的，根据旋转顺序的不同，有12种表示方式，分别为：XYZ、XZY、XYX、XZX、YXZ、YZX、YXY、YZY、ZXY、ZYX、ZXZ、ZYZ，可以自由选择其中的一种。对于同一个变换，旋转顺序不同，Euler角也不同，在指定Euler角时应当首先约定旋转顺序。 2.1 Euler角转化为旋转矩阵 不妨设先绕Z轴旋转γ，再绕Y轴旋转β，最后绕X轴旋转α，即旋转顺序为XYZ，旋转矩阵

3. 旋转轴/旋转角度 用旋转轴的方向向量n和旋转角度θ来表示一个旋转，其中 θ>0表示逆时针旋转。 3.1 旋转轴/旋转角度转化为旋转矩阵 设v是任意一个向量，定义

北京理工大学2017级硕士研究生矩阵分析考试题

北京理工大学2017-2018学年第一学期 2017级硕士研究生〈矩阵分析〉终考试题 一、（10分）设线性变换f 在基123[1,1,1],[1,0,1],[0,1,1] ααα=-=-=下的矩阵表示为101110123A -????=????-?? （1）求f 在基123[1,0,0],[0,1,0],[0,0,1]εεε===下的矩阵表示。 （2）求f 的核与值域。 二、（10分）求矩阵20000i A ????=?????? 的奇异值分解。 三、（10分）求矩阵111222111A -????=-????--?? 的谱分解。 四、（15分）已知(1)n u R n ∈>为一个单位列向量，令T A I uu =-，证明 （1）21A =； （2）对任意的X R ∈，如果有AX X ≠，那么22AX X <。 五、（15分）已知矩阵1212a A a ??-??=????-???? ， （1）问当a 满足什么条件时，矩阵幂级数121()k k k A ∞ =+∑绝对收敛？ （2）取a = 0，求上述矩阵幂级数的和。

七、（20分）求下列矩阵的矩阵函数2,sin ,cos tA e A A π π 300030021 01300103123001013000301 00013()()()A A A ??????????? ???===?????? ???????????? 八、（5分）已知 sin 53sin 2sin 52sin sin 5sin sin sin 5sin 2sin 52sin sin 5sin sin 5sin 2sin 52sin sin 53sin t t t t t t tA t t t t t t t t t t t t +--????=-+-????--+?? 求矩阵A 。 九、（5分）已知不相容线性方程组 141223341 10 x x x x x x x x +=??+=??+=??+=? 求其最佳最小二乘解。 十、（10分）已知Hermite 二次型 12312132131(,,)f x x x ix x x x ix x x x =+-+ 求酉变换X UY =将123(,,)f x x x 化为标准型。

旋转矩阵

三维旋转矩阵 三维旋转特性 给定单位向量u和旋转角度φ，则R(φ,u)表示绕单位向量u旋转φ角度。 R(0,u)表示旋转零度。 R(φ,u)= R(?φ,?u)。 R(π+φ,u)= R(π?φ,?u)。 如果φ=0，则u为任意值。 如果0<φ<π,则u唯一确定。 如果φ= π，则符号不是很重要。因为- π和π是一致的，结果相同，动作不同。 由旋转矩阵求旋转角和旋转轴 每一个三维旋转都能有旋转轴和旋转角唯一确定，好多方法都可以从旋转矩阵求出旋转轴和旋转角，下面简单介绍用特征值和特征向量确定旋转轴和旋转角的方法。 将旋转矩阵作用在旋转轴上，则旋转轴还是原来的旋转轴，公式表示如下： Ru=u 转化得： Ru=Iu =>(R?I)u=0 可以确定的是u在R-I的零空间中，角度可有下面的公式求得，Tr表示矩阵的迹： Tr(R)=1+2cosθ 从旋转轴和旋转角求旋转矩阵 假设给定单位向量u=(u x，u y， u z) T ，并且u为单位向量即： u x2+u y2+u z2=1，给定绕u旋转的角度θ，可以得出旋转矩阵R： R=[cosθ+u x2(1?cosθ)u x u y(1?cosθ)?u z sinθu x u z(1?cosθ)+u y sinθ u y u x(1?cosθ)+u z sinθcosθ+u y2(1?cosθ)u y u z(1?cosθ)?u x sinθ u z u x(1?cosθ)?u y sinθu z u y(1?cosθ)+u x sinθcosθ+u z2(1?cosθ) ] 上面的公式等价于： R=cosθI+sinθ[u]×+(1?cosθ)u?u 其中[u]×是单位向量u的叉乘矩阵，?表示张量积，I是单位向量. 这是罗德里格斯旋转方程的矩阵表示。下面给出叉乘和张量积的公式：

中科院矩阵分析_第五章

第五章 特征值的估计及对称矩阵的极性 本章主要讨论数值代数中的三个特殊理论， 即 特征值的估计 广义特征值问题 实对称矩阵（一般是Hermite 矩阵）特征值的 极小极大原理，其次也涉及到一些特征值 和奇异值的扰动问题,最后简要地介绍矩阵 直积的一些性质及其在线性矩阵方程求解 方面的应用。这几方面的内容，在矩阵的 理论研究与实际应用当中都有着相当重要 的作用。 5.1特征值的估计 一、特征值的界 首先给出直接估计矩阵特征值模的上界的 一些方法 定理5.1 设A=(a rs )∈R n×n ,令 M=||2 1 max ,1sr rs n s r a a -≤≤ λ若表示A 任一特征值，则λ的虚部Im(λ) 满足不等式 2 ) 1(|)Im(|-≤n n M λ |Im(λ)|≤||A -A T ||2 / 2 |Im(λ)|≤||A -A T ||1 ?/2. 证明：设x+i ?y 为对应于λ的A 的特征向量， 则 A(x+i ?y)=(α+β?i)(x+i ?y) 其中λ=α+β?i.显然x,y 为实向量，且x,y 为 线性无关的 向量。 经整理A(x,y)=(x,y)B, 其中B=??? ? ??-αββα 。 从而(x,y)T A(x,y)=(x,y)T (x,y)B 展开有

???? ??Ay y Ax y Ay x Ax x T T T T =α????? ??y y y x y x x x T T T T + β???? ? ? ?--x y y y x x y x T T T T (求等式两边矩阵的对角元之和，可得 α(x T x +y T y )=x T Ax +y T Ay (1) 等式两边矩阵的左上角单元减去右下角单元 可得： β(x T x +y T y )=x T (A -A T )y 1). 记B=A -A T ,则 |x T By|≤||x||2 ?||B||2?||y||2 从而 |β|≤||x||2 ?||B||2?||y||2 /((||x ||2)2 +(||y ||2)2) 利用ab /(a 2+b 2)≤1/2 可得 |β|≤||B||2 /2. 2). 由于|x T By|≤||Bx||1 ?||y||∞≤||B||1?||x||1 ?||y||∞ 从而 |β|≤||B||1 ?||x||1 ?||y||∞ /((||x ||2)2 +(||y ||2)2) 易证明 ||x||1 ?||y||∞ /((||x ||2)2 +(||y ||2)2) /2. (显然，不妨假设(||x ||2)2 +(||y ||2)2=1, 设||y ||∞=t =cos(α), 则y 必为t ? e j 的形式（为什么？）， 从而极值转化为求解如下最大值问题： max ||x||1, 满足约束(||x ||2)2=1-t 2 这样有均值不等式||x||1 x ||2 = -t 2)1/2, 从而我们需要求解t (1-t 2)1/2的最大值，设t =cos(α) 可得t (1-t 2)1/2的最大值为1/2. 从而得证。) 因此 |β|≤||B||1 3). 由于b ii =0, i =1,2,…,n , b ij = -b ji , 因此 |x T By|2=| 1 1()n ij i j j i i j i b x y x y -=>??-∑∑|2 ≤(2M )2 2 1||n i j j i i j i x y x y =>??- ??? ∑∑ (利用(a 1+a 2+…+a n )2≤ n ((a 1)2+(a 2)2+…+(a n )2) ≤(2M )2 (n (n -1)/2) 21||n i j j i i j i x y x y =>??- ??? ∑∑

矩阵分析 - 北京理工大学研究生院

课程名称：矩阵分析 一、课程编码：1700002 课内学时： 32 学分： 2 二、适用学科专业：计算机、通信、软件、宇航、光电、生命科学等工科研究生专业 三、先修课程：线性代数，高等数学 四、教学目标 通过本课程的学习，要使学生掌握线性空间、线性变换、Jordan标准形，及各种矩阵分解如QR分解、奇异值分解等，正规矩阵的结构、向量范数和矩阵范数、矩阵函数，广义逆矩阵、Kronecker积等概念和理论方法，提升研究生的数学基础，更好地掌握矩阵理论，在今后的专业研究或工作领域中熟练应用相关的矩阵分析技巧与方法，让科研结果有严格的数学理论依据。 五、教学方式 教师授课 六、主要内容及学时分配 1、线性空间和线性变换（5学时） 1.1线性空间的概念、基、维数、基变换与坐标变换 1.2子空间、线性变换 1.3线性变换的矩阵、特征值与特征向量、矩阵的可对角化条件 2、λ-矩阵与矩阵的Jordan标准形（4学时） 2.1 λ-矩阵及Smith标准形 2.2 初等因子与相似条件 2.3 Jordan标准形及应用； 3、内积空间、正规矩阵、Hermite 矩阵（6学时） 3.1 欧式空间、酉空间 3.2标准正交基、Schmidt方法 3.3酉变换、正交变换 3.4幂等矩阵、正交投影 3.5正规矩阵、Schur 引理 3.6 Hermite 矩阵、Hermite 二次齐式 3.7.正定二次齐式、正定Hermite 矩阵 3.8 Hermite 矩阵偶在复相合下的标准形

4、矩阵分解（4学时） 4.1矩阵的满秩分解 4.2矩阵的正交三角分解（UR、QR分解） 4.3矩阵的奇异值分解 4.4矩阵的极分解 4.5矩阵的谱分解 5、范数、序列、级数（4学时） 5.1向量范数 5.2矩阵范数 5.3诱导范数（算子范数） 5.4矩阵序列与极限 5.5矩阵幂级数 6、矩阵函数（4学时） 6.1矩阵多项式、最小多项式 6.2矩阵函数及其Jordan表示 6.3矩阵函数的多项式表示 6.4矩阵函数的幂级数表示 6.5矩阵指数函数与矩阵三角函数 7、函数矩阵与矩阵微分方程（2学时） 7.1 函数矩阵对纯量的导数与积分 7.2 函数向量的线性相关性 7.3 矩阵微分方程 (t) ()() dX A t X t dt = 7.4 线性向量微分方程 (t) ()()() dx A t x t f t dt =+ 8、矩阵的广义逆（3学时） 8.1 广义逆矩阵 8.2 伪逆矩阵 8.3 广义逆与线性方程组 课时分配说明：第一章的课时根据学生的数学基础情况可以调整，最多5学时，如学生线

2020年(战略管理)大战略矩阵

（战略管理）大战略矩阵

大战略矩阵 大战略矩阵(GrandStrategyMatrix) [编辑] 大战略矩阵简介 这是由市场增长率和企业竞争地位俩个坐标所组成壹种模型，在市场增长率和企业竞争地位不同组合情况下，指导企业进行战略选择的壹种指导性模型，它是由小汤普森（A.A.Thompson.Jr.）和斯特里克兰(A.J.Strickland)根据波士顿矩阵修改而成。 大战略矩阵（GrandStrategyMatrix）是壹种常用的制定备选战略工具。它的优点是能够将各种企业的战略地位都置于大战略矩阵的四个战略象限中，且加以分析和选择。X公司的各分部也可按此方式被定位。大战略矩阵基于俩个评价数值：横轴代表竞争地位的强弱,纵轴代表市场增长程度。位于同壹象限的企业能够采取很多战略，下图例举了适用于不同象限的多种战略选择，其中各战略是按其相对吸引力的大小而分列于各象限中的。

[编辑] 位于不同象限的战略选择 位于大战略矩阵第壹象限的X公司处于极佳的战略地位。对这类X公司，继续集中运营于当前的市场（市场渗透和市场开发）和产品（产品开发）是适当的战略。第壹象限X公司大幅度偏离已建立的竞争优势是不明智的。当第壹象限X公司拥有过剩资源时，后向壹体化、前向壹体化和横向壹体化可能是有效的战略。当第壹象限X公司过分偏重于某单壹产品时，集中化多元运营战略可能会降低过于狭窄的产品线所带来的风险。第壹象限X公司有能力利用众多领域中的外部机会，必要时它们能够冒险进取。 位于第二象限的X公司需要认真地评价其当前的参和市场竞争的方法。尽管其所在产业正在增长，但它们不能有效地进行竞争。这类X公司需要分析企业当前的竞争方法为何无效，企业又应如何变革而提高其竞争能力。由于第二象限X公司处于高速增长产业，加强型战略（和壹体化或多元化运营战略相反）通常是它们的首选战略。然而，如果企业缺乏独特的生产能力或竞争优势，横向壹体化往往是理想的战略选择。为此，可考虑将战略次要地位的业务剥离或结业清算，剥离可为X公司提供收购其他企业或买回股票所需要的资金。 位于第三象限的X公司处于产业增长缓慢和相对竞争能力不足的双重劣势下。在确定产业正处于永久性衰退前沿的前提下,这类X公司必须着手实施收割战略。首先应大幅度地减少成本或投入，另外可将资源从现有业务领域逐渐转向其他业务领域。最后便是以剥离或结业清算战略迅速撤离该产业。 位于第四象限的X公司其产业增长缓慢,但却处于相对有利的竞争地位。这类X公司有能力在有发展前景的领域中进行多元运营。这是因为第四象限X公司具有较大的现金流量，且对资金的需

北京交通大学研究生矩阵分析期末考试试卷(7份)

2004-2005学年第一学期硕士研究生矩阵分析考试试卷(A) 专业 班级 学号 姓名 一． （12分）3[]R x 表示由次数小于3的多项式组成的线性空间。在 3[]R x 中取两个基：21231,1,(1)x x ααα==-=-； 21232,2,(2)x x βββ==-=-。（1）求123,,βββ到123,,ααα的过度矩阵，（2） 求21x x ++ 在123,,ααα下的坐标。 二． （14分）设T 是n R 的线性映射，对任意12(,, ,)T n n x x x x R =∈满足 11(0,, ,)n Tx x x -=。（1）证明0n T =； （2）求T 的核()N T 及值域 ()R T 的 基和维数。 三． （12分）设1023510224i A i i i -?? ?=++ ? ?-??，120x i -?? ? ?= ? ? ?-?? ，i = 。 计算11, , , Ax Ax A A ∞∞。 四．（10分）求矩阵1123101032160113A -?? ?-- ? = ?- ? ?-? ? 的满秩分解。 五． （12分）求矩阵011110101A ?? ? = ? ??? 的正交三角分解A UR =，其中U

是酉矩阵，R 是正线上三角矩阵。 六． （16分，1、2小题各5分， 3小题6分）证明题： 1． 设A 是n 阶正规矩阵，且满足2320A A E -+=。证明A 是Hermite 矩阵，并写出A 的Jordan 标准形的形式。 2．设A 是正定Hermite 矩阵，且A 是酉矩阵，证明A E =。 3．证明：若A 是Hermite 矩阵，则iA e 是酉矩阵。 七． （24分） 设100011101A ?? ? =- ? ?-?? 。（1）求E A λ-的Smith 标准形； （2）写出A 的最小多项式， A 的初等因子和Jordan 标准形； （3）求相似变换矩阵P 使得1P AP J -=；（4）求1P -矩阵函数()f A ，并计算tA e 。 2004-2005学年第一学期硕士研究生矩阵分析考试试卷(B) 专业 班级 学号 姓名 一． （12分）设3R 两个：123(1,0,1),(1,0,0),(0,1,1)T T T ααα==-=； 123(0,1,1),(1,1,0),(1,0,1)T T T βββ=-=-=。（1）求123,,ααα到 123,,βββ的过度矩阵，（2） 求子空间V ，其中V 中的向量在两个基下的坐标相同。 二． （14分）设线性映射43:T R R →满足：对任意41234(,,,)T x x x x R ∈， 求的核()N T 及值域()R T 的基和维数。

大战略矩阵案例

案例一: 伊藤洋华堂(Ito-Yokado) 在2004年公布的世界500强企业排名中，伊藤洋华堂位于第149位。战略聚类模型也是一个广泛使用的战略工具，在伊藤洋华堂使用的诸多管理工具中，战略聚类模型是最受经理们推崇的。 案例二: 金融危机对深圳市A机械有限公司的影响 深圳市A机械有限公司（简称：“A机械公司”），成立于2002年，总部设在深圳，在国内多个大城市设有办事处，并在多地设有展厅，员工400多人，拥有先进成产设备。公司凭借多年的机械制造经验，形成集技术开发、生产、代理、销售和进出口为一体的经营模式，并与国内外生产科研企业和公司长年保持紧密合作。该公司是深圳市机械行业协会会员，公司已全面通过ISO9001：2000质量体系认证，产品符合GB体验标准。产品行销全国并在多个国家享誉盛名。与时俱进，不断提升自身制造能力，严格把关产品质量，近年来一直坚持成本领先的竞争战略，以最具竞争力的价格向海外客户提供可靠、精准的机床产品。 3.近三年部分财务数据状况 因数据收集有限，本文仅对A机械公司部分财务数据进行研究分析。该公司在2006年、2007年、2008年的销售额如图7：

图：A机械公司近三年产品销售额 依据图所示，A机械公司的销售收入随着深圳机械行业在2006-2007年间快速发展的趋势，实现了较好的增长收入。然而，受金融危机对我国的中小企业的直接影响，产品进出口情况出现较大幅度的下滑，虽然相比较于2007年的销售收入有增长，但增幅呈现回落态势。 图：A机械公司近三年利润趋势 该公司08年的利润率于07年，大幅减少，这对该企业的资金周转造成一定影响，对公司进行固定资产的投资、公司规模扩大都是不利条件，也使得该企业倍感压力。对公司的发展、调整即是挑战又是

矩阵分析期末考试2012

2012-2013学年第一学期硕士研究生矩阵分析考试试卷(A) 专业 学号 姓名 一、（共30分，每小题6分）完成下列各题： （1）设4 R 空间中的向量????????????=23121α，????????????--=32232α，????????????=78013α，???? ?? ??????--=43234α， ????? ? ??????--=30475α Span V =1{}321,,ααα，Span V =2{}54,αα，分别求21V V +和21V V I 的 维数. 解：=A { }54321,,,,ααααα? ? ??? ? ??? ???--→000004100030110 202 01 21V V +和21V V I 的维数为 3和1 （2） 设() T i i 11-=α，() T i i 11-=β是酉空间中两向量，求 内积()βα, 及它们的长度（i = . （0， 2, 2）； （3）求矩阵?? ?? ? ?????----=137723521111A 的满秩分解.

解：?? ?? ? ?????----=137723521111A ??????? ? ??? ????? -- --→0000747510737201 ??????????----=137723521111A ??????????--=775211??????? ??? ??? ?? ? ----747 510737201* （4）设-λ矩阵???? ? ??++=2)1(000000 )1()(λλλλλA ，求)(λA 的标准形及其 行列式因子. 解：????? ??++=2)1(000000)1()(λλλλλA ()()??? ? ? ??++→2111λλλλ （5）设*A 是矩阵范数，给定一个非零向量α，定义 *H x x α=， 验证x 是向量范数. 二、（10分）设3R 中的线性变换T 在基321,,εεε下的矩阵表示为 ?? ?? ? ?????-=021110111A ， （1）（5分）求T 的值域)(T R 的维数及一组基； （2）（5分）求T 的核)(T N 的维数及一组基. 解：（1）由题意知 T [ε1,ε2,ε3]=[]?? ?? ? ?????-021110111,,321εεε

旋转矩阵公式表

S=10—13的旋转矩阵公式一览 选10个号码，出7中6型旋转矩阵 A，B，C，D，E，F，G A，B，C，D，H，I，J A，B，C，E，F，H，J A，B，C，E，F，I，J A，B，D，E，F，H，J A，B，D，E，F，I，J A，B，E，F，G，H，I A，C，E，G，H，I，J B，D，F，G，H，I，J C，D，E，F，G，H，I C，D，E，F，G，H，J C，D，E，F，G，I，J 一、10个号码（选6中5 - 12注） 2 3 5 6 7 9 ，1 2 4 7 9 10， 3 4 6 7 8 10 3 4 5 6 9 10 ，1 3 5 6 7 10， 1 2 4 5 6 8 1 2 3 4 8 9 ，1 4 5 7 8 9， 2 3 5 7 8 10 1 2 6 8 9 10 ，1 2 3 4 5 10， 1 3 6 7 8 9 二、11个号码（选6中5 – 19注） 2 3 7 9 10 11，2 4 7 8 10 11，1 3 4 6 7 10

2 3 4 6 8 9，1 4 5 7 8 9，3 5 7 8 9 10 1 2 6 8 9 10，1 2 3 4 5 10，1 2 3 7 8 11 1 2 4 6 7 11，2 4 5 8 9 11，3 4 5 6 7 11 1 2 3 5 6 9，2 5 6 7 8 10，1 3 4 8 9 11 1 6 7 8 9 11， 三、12个号码（选6中5 – 33注） 2 3 9 10 11 12， 4 7 8 10 11 12，1 3 6 7 10 12 1 2 5 8 10 12， 1 5 7 9 11 12，3 5 6 8 11 12 2 3 4 6 8 10， 2 6 7 8 9 12，3 5 8 9 10 12 4 5 6 9 10 12， 1 3 4 5 10 11，2 3 7 8 10 11 1 2 4 7 9 10， 2 4 5 8 9 11，3 4 6 7 9 11 1 2 3 5 6 9， 2 5 6 7 10 11，1 3 4 8 9 12 1 6 8 9 10 11， 1 4 5 6 7 8，1 4 5 6 10 11 2 3 4 5 7 12， 1 3 4 8 11 12，1 2 3 5 7 11 1 3 7 8 9 11， 1 2 4 6 9 12，1 2 4 10 11 12 1 2 6 8 11 12， 1 2 3 4 7 8，2 4 6 7 11 12 1 2 3 6 9 11， 5 6 7 8 9 10，3 4 5 7 9 10 四、13个号码（选6中5 - 56注） 3 9 10 11 12 13， 4 7 8 10 12 13，1 3 6 7 12 13 1 2 5 6 7 10，1 2 5 7 12 13，5 6 8 11 12 13

中科院矩阵分析_第五章

第五章特征值的估计及对称矩阵的极性本章主要讨论数值代数中的三个特殊理论，即 特征值的估计 广义特征值问题 实对称矩阵(一般是Hermite矩阵)特征值的极小极大原理，其次也涉及到一些特征值和奇异值的扰动问题，最后简要地介绍矩阵直积的一些性质及其在线性矩阵方程求解方面的应用。这几方面的内容，在矩阵的理论研究与实际应用当中都有着相当重要的作用。 5.1特征值的估计 一、特征值的界 首先给出直接估计矩阵特征值模的上界的 一些方法 定理 5.1 设A=(a rs) R n X1,令 1 , , M= ma彷总a sr| 若表示A任一特征值，则的虚部Im() 满足不等式 |Im( )| M n(n21) |Im( )| ||A A T||2 / 2 |Im( )| ||A A T||1n /2. 证明：设x+i y为对应于的A的特征向量, 则A(x+i y)=( + i)(x+i y) 其中=+ i.显然x,y为实向量，且x,y为线性无关的向量。 经整理A(x,y)=(x,y)B, 其中B= 从而(x,y) T A(x,y)=(x,y) T(x,y)B 展开有

i 1 j i T T X y X X T T y y y X (求等式两边矩阵的对角元之和，可得 (x T x+y T y)=x T Ax+y T Ay (1) 等式两边矩阵的左上角单元减去右下角单元 可得： (x T x+y T y)=x T (A A T )y 1) . 记 B=A A T ,则 |x T By| ||x||2||B||2||y||2 从而 1 1 1凶|2 ||B||2||y||2 /((||x||2)2 +(||y|2)2) 利用 ab/(a 2+b 2) 1/2 可得 | | ||B||2 /2. 2) . 由于 |x T By| ||B X ||I ||y|| ||B||i ||X ||I ||y|| 从而 | | ||B||i ||x||i ||y|| /((||X |2)2 +(||y||2)2) 易证明 ||x||i ||y|| /((||X ||2)2 +(||y||2) 2) n /2. (显然，不妨假设(||X ||2)2 +(||y||2)2=1, 设HyH =t=cos ()，则y 必为t e 的形式(为什么？) 从 而极值转化为求解如下最大值问题： max ||X ||1,满足约束(||X ||2)2=1 t 2 这样有均值不等式 ||x|h i n ||X ||2= 、、n (1 t 2)1/2, 从而我们需要求解t(1 t 2)1/2的最大值，设t=cos() 可得 t(1 t 2)1/2的最大值为1/2.从而得证。) 因此 11 ||B||1 . n /2. 3) . 由于 b ii =0, i =1,2,…,n, b ij = b ji , n 1 因此 x T By|2=| b ij (X y j X j y i )|2 i 1 j i 2 n (2M)2 |xy j X j Y i | i 1 j i (利用(a 1+a 2+…+a n )2 n((a 1)2+(a 2)2+ …+(a n )2) n (2M)2(n(n 1)/2) | X y j X j yj 2 X T A X y T Ax X T Ay y T Ay T T X X X y T T X y y y

北京交通大学研究生课程矩阵分析期末考试2011-12-16

北京交通大学 2011-2012学年第一学期硕士研究生矩阵分析考试试卷(A) 专业 班级 学号 姓名 一、（共12分，每小题3分）试对下列概念给出定义： （1）线性映射的值域和核；（2）线性变换的特征值和特征向量； （3）矩阵的最小多项式； （4）矩阵的诱导范数. 二、（共24分，每小题8分）设5R 空间中的向量 110212α????????=????????，201221α????????=????????，312012α?? ? ? ?= ? ? ???，413233α????????=????????，512013α????????=????????，623445α?? ???? ??=?? ?? ???? ， Span V =1()1234,,,αααα，Span V =2()56,αα， （1）求矩阵()123456,,,,,A αααααα=的满秩分解； （2）求21V V +的维数及基； （3）求21V V 的维数及基. 三、（10分）求矩阵2000 0224400 2A ????? ?=?????? 的正交三角分解UR A =，其中U 是次酉矩阵，R 是正线上三角矩阵. 四、（10分）设13021i i A i i ??= ?---??24 C ?∈，计算12, , , F A A A A ∞. （这里12-=i ）.

2 五、（共28分，每题7分）证明题： （1）设A 是正定Hermite 矩阵，B 是反Hermite 矩阵，证明：AB 的特征值的实部为0. （2）设A 为正规矩阵，证明：)(2A A ρ=. 这里)(A ρ为A 的谱半径. （3）设n n C B ?∈且1

20个号码中6保5旋转矩阵

20个号码中6保5旋转矩阵 共计：1073注(金额：￥2146元) 01,06,08,10,11,12 01,02,03,04,05,06 02,07,08,11,15,17 04,06,09,11,12,19 01,06,08,10,14,17 01,02,03,04,05,07 02,07,08,11,16,18 04,06,09,14,17,19 01,06,08,12,13,15 01,02,03,04,09,14 02,07,08,13,14,15 04,06,09,15,19,20 01,06,08,15,16,18 01,02,03,04,18,20 02,07,08,16,19,20 04,06,09,16,18,20 01,06,09,10,11,17 01,02,03,05,08,15 02,07,09,10,11,14 04,06,10,11,13,19 01,06,09,10,12,19 01,02,03,05,10,19 02,07,09,10,19,20 04,06,10,11,14,19 01,06,09,12,16,17 01,02,03,05,12,17 02,07,09,12,13,18 04,06,11,12,16,20 01,06,09,13,14,18 01,02,03,06,09,10 02,07,09,12,15,16 04,06,11,12,19,20 01,06,09,15,17,18 01,02,03,06,15,17 02,07,09,17,18,19 04,06,11,13,16,17 01,06,10,14,15,17 01,02,03,07,08,09 02,07,10,11,19,20 04,06,11,14,15,17 01,06,10,17,19,20 01,02,03,07,16,19 02,07,10,14,16,19 04,06,13,15,16,18 01,06,11,12,14,16 01,02,03,07,17,18 02,07,10,15,18,20 04,07,08,09,10,14 01,06,11,13,17,20 01,02,03,08,12,16 02,07,11,12,14,20 04,07,08,09,12,18 01,06,11,15,18,19 01,02,03,08,16,19 02,07,12,13,16,19 04,07,08,11,15,19 01,06,12,13,14,16 01,02,03,09,13,18 02,07,12,13,17,18 04,07,08,12,13,18 01,06,12,14,15,20 01,02,03,09,19,20 02,07,13,14,16,17 04,07,08,13,17,19 01,06,14,16,19,20 01,02,03,10,11,12 02,07,13,15,18,19 04,07,08,14,18,19 01,07,08,09,11,18 01,02,03,10,13,17 02,07,13,16,18,20 04,07,09,10,11,12 01,07,08,10,11,20 01,02,03,11,12,13 02,08,09,10,11,15 04,07,09,11,19,20 01,07,08,10,12,19 01,02,03,13,14,15 02,08,09,10,11,19 04,07,09,13,17,18 01,07,08,10,18,20 01,02,03,15,18,19 02,08,09,10,13,18 04,07,09,15,18,19 01,07,08,13,15,16 01,02,03,16,17,18 02,08,09,11,12,20 04,07,10,11,12,15 01,07,08,14,16,17 01,02,03,17,18,20 02,08,09,12,14,16 04,07,10,11,14,16 01,07,09,10,13,14 01,02,04,05,12,19 02,08,09,15,16,18 04,07,10,12,14,17 01,07,09,10,15,17 01,02,04,06,07,14 02,08,09,15,17,19 04,07,10,13,19,20 01,07,09,10,17,19 01,02,04,06,11,20 02,08,09,16,17,18 04,07,10,14,16,18 01,07,09,10,18,19 01,02,04,06,15,18 02,08,10,12,16,19 04,07,10,17,18,19 01,07,09,11,12,13 01,02,04,07,08,17 02,08,10,13,14,20 04,07,11,12,13,17 01,07,09,11,15,17 01,02,04,07,09,17 02,08,10,15,16,20 04,07,11,13,16,18 01,07,09,12,14,19 01,02,04,07,10,13 02,08,11,12,13,19 04,07,11,15,17,18 01,07,09,13,15,20 01,02,04,07,11,18 02,08,11,13,18,19 04,07,12,13,16,20 01,07,09,13,17,20 01,02,04,07,13,16 02,08,12,18,19,20 04,07,14,15,16,19 01,07,09,14,15,17 01,02,04,07,17,19 02,08,13,16,17,20 04,07,15,16,17,18 01,07,09,14,16,18 01,02,04,08,09,14 02,09,10,15,17,20 04,08,09,10,14,16 01,07,10,15,16,20 01,02,04,08,11,14 02,09,10,16,19,20 04,08,09,11,17,20 01,07,11,13,14,19 01,02,04,08,12,13 02,09,11,13,15,18 04,08,09,12,15,17 01,07,11,13,15,19 01,02,04,09,12,15 02,09,11,13,15,19 04,08,09,13,19,20 01,07,11,13,17,19 01,02,04,10,16,17 02,09,11,14,17,20 04,08,10,11,12,16 01,07,11,14,15,20 01,02,04,13,14,17 02,09,12,14,17,20 04,08,10,11,13,18 01,07,11,16,17,19 01,02,04,13,15,17 02,09,13,14,15,20 04,08,10,11,18,20 01,07,12,14,16,20 01,02,04,16,18,19 02,09,14,16,18,19 04,08,10,12,17,19 01,07,13,14,18,20 01,02,04,16,19,20 02,09,15,16,17,19 04,08,10,15,17,18 01,08,09,10,13,19 01,02,05,06,07,16 02,10,13,14,16,19 04,08,11,12,16,17 01,08,09,10,15,19 01,02,05,06,09,20 02,10,14,15,17,19 04,08,11,17,19,20 01,08,09,11,12,15 01,02,05,06,10,14 02,11,12,13,15,20 04,08,12,14,19,20 01,08,09,11,13,15 01,02,05,07,11,15 02,11,12,14,15,19 04,08,13,14,15,18 01,08,09,12,14,20 01,02,05,07,12,20 02,11,12,15,16,18 04,08,14,15,17,20 01,08,09,12,17,18 01,02,05,07,15,19 02,11,12,16,17,19 04,09,10,13,14,17 01,08,09,14,15,19 01,02,05,08,09,10 02,11,13,14,17,18 04,09,10,13,15,16 01,08,10,12,14,15 01,02,05,08,09,19 02,12,13,15,17,18 04,09,10,18,19,20