1701017609
1701017610
1701017611
1701017612
1701017613
把这个“数字阵”叫做购货的数量矩阵。这是一个四行五列，即4×5矩阵。每一行都是一个5维的向量，分别表示四个顾客购货的数量矩阵，它们与价格向量的数量积分别表示四个顾客应付的款额。这四个数量积构成的向量：
1701017614
1701017615
1701017616
1701017617
1701017618
就是矩阵A与向量b的乘积，记作Ab。
1701017619
1701017620
从计算中不难看出，在进行矩阵与向量的乘法时，矩阵的列数必须与向量的维数相同，而积向量的维数恰与矩阵的行数相同。
1701017621
1701017622
在（2）式中，价格向量被写成有序的一列数，其实际意义与写成一行数相同，只是为便于实施数学运算而已。n维向量（a1 a2 …an ）可看作是
1701017623
1701017624
1701017625
1×n矩阵；而可看作是n×1矩阵。
1701017626
1701017627
作为经营单位，超市是需要计算利润的。如果上述五种商品的单位利润如下：
1701017628
1701017629
1701017630
1701017631
1701017632
那么，利润额的计算方法与营业额的计算方法一样，只需求出顾客购货的数量矩阵A与单位利润向量c=（0.2，0.1，0.3，0.05，0.4）的乘积：
1701017633
1701017634
1701017635
1701017636
1701017637
（3）式右边列向量中的元素分别表示每笔生意的利润额。
1701017638
1701017639
如果超市要在计算每笔生意的营业额同时，一并计算其利润额，那么就应该进行如下的矩阵乘法：
1701017640
1701017641
1701017642
1701017643
1701017644
仔细观察，可见（4）式的左边的第一个矩阵是购货的数量矩阵，第二个矩阵是单价向量和利润向量构成的矩阵，它们的乘积得到右边的矩阵，这个矩阵的第一列是每笔生意的营业额，第二列是每笔生意的利润额。这就是矩阵与矩阵的乘积。同理，如果该超市还要计算每笔生意所产生的其他指标额（如成本、损耗等），也可类似地同时进行。
1701017645
1701017646
1701017647
1701017648
1701017649
数学文化教程 [:1701013757]
1701017650
数学文化教程 第四节 非线性数学 蝴蝶效应
1701017651
1701017652
所谓“线性数学”，是指研究的数学对象都是线性的代数表示式，例如线性函数、线性方程等。线性，是直线性的简称，具有鲜明的几何意义。由于直线的方程是一次代数式，即是一次函数的图像；所以，线性数学研究的对象，都是一次的代数式。
1701017653
1701017654
中小学课堂上所讲授的数学，多半是线性的，如一次函数、一次方程、直线、平面、向量表示、线性方程组，等等。非线性的高次数学内容，仅限于二次。如二次函数、二次方程、二次曲线，等等。相对来说，线性数学的内容要比非线性数学内容要简单得多。就以一次方程和二次方程来说，二次方程要复杂得多。诸如：二次方程有两个根，实根或虚根要用判别式来确定，根和系数有韦达定理联系着等论断，都是很深刻的结果。二次方程已经很复杂，三次以上的方程、函数、曲线就更复杂了，所以现在的中学数学里基本不涉及。
1701017655
1701017656
因此，非线性数学要比线性数学复杂得多，乃是意料中事。
1701017657
1701017658
我们先从美国麻省理工学院气象学家洛伦兹（Edward N.Lorenz）的发现谈起。为了预报天气，他在1963年的一次试验中，用计算机求解仿真地球大气运动的13个方程式。为了更细致地考察结果，他把一个中间解0.506取出，提高精度到0.506 127再送回计算。而当他到咖啡馆喝了杯咖啡以后回来再看时却大吃一惊：本来只是0.000 127这样很小的差异，结果却偏离了十万八千里！再次验算发现计算机并没有毛病，洛伦兹发现，由于误差会以指数级增长，所以在这种情况下，一个微小的误差随着不断推移将会造成截然不同的后果。这个发现非同小可，以致科学家都不理解，认为“违背常理”，几家科学杂志也都拒登他的文章。事实上，我们一向认为：相近的数据代入确定的方程，结果也应相近才对，怎么能大大远离呢！可是洛伦兹发现的是事实。1979年12月，洛伦兹在华盛顿的美国科学促进会的一次讲演中提出：一只蝴蝶在巴西扇动翅膀，有可能会在美国的德克萨斯引起一场龙卷风。他的演讲和结论给人们留下了极其深刻的印象。从此以后，所谓“蝴蝶效应”之说就不胫而走，成为大家耳熟能详的普通名词了。