矩阵的发展历史

❶ 矩阵化简的发展历程

考试都考过了～还回答个毛～～！！

❷ 合同矩阵的合同矩阵发展史

1855 年，埃米特(C.Hermite,1822-1901) 证明了其他数学家发现的一些矩阵类的特征根的特殊性质，如现在称为埃米特矩阵的特征根性质等。后来 ，克莱伯施(A.Clebsch,1831-1872) 、布克海姆(A.Buchheim) 等证明了对称矩阵的特征根性质。泰伯(H.Taber) 引入矩阵的迹的概念并得出了一些有关的结论。
在矩阵论的发展史上，弗罗伯纽斯(G.Frobenius,1849-1917) 的贡献是不可磨灭的。他讨论了最小多项式问题，引进了矩阵的秩、不变因子和初等因子、正交矩阵、矩阵的相似变换、合同矩阵等概念，以合乎逻辑的形式整理了不变因子和初等因子的理论，并讨论了正交矩阵与合同矩阵的一些重要性质。
1854 年，约当研究了矩阵化为标准型的问题。 1892 年，梅茨勒(H.Metzler) 引进了矩阵的超越函数概念并将其写成矩阵的幂级数的形式。

❸ 矩阵发展史

华罗庚（1910年11月12日—1985年6月12日），出生于金坛金城镇，是世界著名数学家，是中国解析数论、回矩阵几何学、典型答群、自安函数论等多方面研究的创始人和开拓者。在国际上以华氏命名的数学科研成果就有“华氏定理”、“怀依—华不等式”、“华氏不等式”、“普劳威尔—加当华定理”、“华氏算子”、“华—王方法”等。他为中国数学的发展作出了举世瞩目的贡献。美国著名数学家贝特曼著文称：“华罗庚是中国的爱因斯坦，足够成为全世界所有著名科学院院士”。被列为芝加哥科学技术博物馆中当今世界88位数学伟人之一。

❹ 初等变换求矩阵特征值发展历史

矩阵的特征值与特征向量问题 物理、力学和工程技术中的许多问 题在数学上都归结为求矩阵的特征值和特征向量问题.计算方阵A的特征值，就是求特征方程 即 的根.求出特征值 后，再求相应的齐次线性方程组 的非零解,即是对应于 的特征向量.这对于阶数较小的矩阵是可以的,但对于阶数较大的矩阵来说,求解是十分困难,所以用这种方法求矩阵的特征值是不切实际的. 我们知道,如果矩阵A与B相似，则A与B有相同的特征值.因此人们就希望在相似变换下,把A化为最简单的形式.一般矩阵的最简单的形式是约当标准形.由于在一般情况下,用相似变换把矩阵A化为约当标准形是很困难的,于是人们就设法对矩阵A依次进行相似变换,使其逐步趋向于一个约当标准形,从而求出A的特征值. 本章介绍求部分特征值和特征向量的幂法,反幂法;求实对称矩阵全部特征值和特征向量的雅可比方法；求特征值的多项式方法；求任意矩阵全部特征值的QR方法. 第一节幂法与反幂法 一幂法 幂法是一种求任意矩阵A的按模最大特征值及其对应特征向量的迭代算法.该方法最大的优点是计算简单,容易在计算机上实现,对稀疏矩阵较为合适,但有时收敛速度很慢. 为了讨论简单,我们假设 (1)n阶方阵A的特征值 按模的大小排列为 (1) (2) 是对应于特征值 的特征向量 ; (3) 线性无关. 任取一个非零的初始向量 ,由矩阵A构造一个向量序列 (2) 称为迭代向量.由于 线性无关，构成n维向量空间的一组基,所以,初始向量 可唯一表示成 (3) 于是 (4) 因为比值 所以 (5) 当k充分大时有 (6) 从而 (7) 这说明当k充分大时,两个相邻迭代向量 与 近似地相差一个倍数,这个倍数便是矩阵A的按模最大的特征值 .若用 表示向量 的第 个分量,则 (8) 也就是说两个相邻迭代向量对应分量的比值近似地作为矩阵A的按模最大的特征值. 因为,又 ,所以有 ,因此向量 可近似地作为对应于 的特征向量. 这种由已知的非零向量 和矩阵A的乘幂构造向量序列 以计算矩阵A的按模最大特征值及其相应特征向量的方法称为幂法. 由(4)式知,幂法的收敛速度取决于比值 的大小.比值越小,收敛越快,但当比值 接近于1时,收敛十分缓慢. 用幂法进行计算时,如果 ,则迭代向量 的各个不为零的分量将随着k无限增大而趋于无穷.反之,如果 ,则 的各分量将趋于零.这样在有限字长的计算机上计算时就可能溢出停机.为了避免这一点,在计算过程中，常采用把每步迭代的向量 进行规范化,即用 乘以一个常数,使得其分量的模最大为1.这样，迭代公式变为 (9) 其中 是 模最大的第一个分量.相应地取 (10) 例1 设 用幂法求其模为最大的特征值及其相应的特征向量(精确到小数点后三位)。 解 取 ,计算结果如表4-1所示。 表4-1 1 1 0 1 1 1 0 1 2 2 -2 2 2 1 -1 1 3 3 -4 3 -4 -0.75 1 -0.75 4 -2.5 3.5 -2.5 3.5 -0.714 1 -0.714 5 -2.428 3.428 -2.428 3.428 -0.708 1 -0.708 6 -2.416 3.416 -2.416 3.416 -0.707 1 -0.707 7 -2.414 3.414 -2.414 3.414 -0.707 1 -0.707 当k=7时, 已经稳定,于是得到 及其相应的特征向量 为 应用幂法时,应注意以下两点: (1)应用幂法时,困难在于事先不知道特征值是否满足(1)式，以及方阵A是否有n个线性无关的特征向量.克服上述困难的方法是：先用幂法进行计算,在计算过程中检查是否出现了预期的结果.如果出现了预期的结果,就得到特征值及其相应特征向量的近似值;否则,只能用其它方法来求特征值及其相应的特征向量. (2)如果初始向量 选择不当,将导致公式(3)中 的系数 等于零.但是，由于舍入误差的影响,经若干步迭代后, .按照基向量 展开时, 的系数可能不等于零。把这一向量 看作初始向量，用幂法继续求向量序列 ,仍然会得出预期的结果,不过收敛速度较慢.如果收敛很慢,可改换初始向量. 二 原点平移法 由前面讨论知道,幂法的收敛速度取决于比值 的大小.当比值接近于1时,收敛可能很慢.这时,一个补救的方法是采用原点平移法. 设矩阵 (11) 其中p为要选择的常数. 我们知道 与 除了对角线元素外,其它元素都相同,而A的特征值 与 的特征 之间有关系 ,并且相应的特征向量相同.这样,要计算 的按模最大的特征值，就是适当选择参数 ,使得 仍然是 的按模最大的特征值,且使 对 应用幂法，使得在计算 的按模最大的特征值 的过程中得到加速,这种方法称为原点平移法. 例2 设4阶方阵A有特征值 比值,令 作变换 则 的特征值为 应用幂法计算 的按模最大的特征值 时，确定收敛速度的比值为 所以对B应用幂法时，可使幂法得到加速。 虽然选择适当的p值，可以使得幂法得到加速，但由于矩阵的特征值的分布情况事先并不知道，所以在计算时，用原点平移法有一定的困难. 下面考虑当 的特征值为实数时,如何选择参数 ，以使得用幂法计算 时得到加速的方法. 设 的特征值满足 则对于任意实数 , 的按模最大的特征值 或。 如果需要计算 及时，应选择 使 且确定的收敛速度的比值 当,即时, 为最小.这时用幂法计算 及 时得到加速. 如果需要计算 及时，应选择 使 且确定收敛速度的比值 当即时, 为最小.这时用幂法计算 及 时得到加速. 原点平移的加速方法,是一种矩阵变换方法.这种变换容易计算,又不破坏A的稀疏性，但参数p的选择依赖于对A的特征值的分布有大致了解. 三反幂法 反幂法用于求矩阵A的按模最小的特征值和对应的特征向量,及其求对应于一个给定的近似特征值的特征向量. 设n阶方阵A的特征值按模的大小排列为 相应的特征向量为 .则 的特征值为 对应的特征向量仍然为 .因此,计算矩阵A的按模最小的特征值,就是计算 的按模最大的特征值.这种把幂法用到 上,就是反幂法的基本思想. 任取一个非零的初始向量 ,由矩阵 构造向量序列 (12) 用(12)式计算向量序列 时，首先要计算逆矩阵 .由于计算 时，一方面计算麻烦，另一方面当A为稀疏阵时, 不一定是稀疏阵,所以利用 进行计算会造成困难.在实际计算时,常采用解线性方程组的方法求 .（12）式等价于 (13) 为了防止溢出，计算公式为 (14) 相应地取 (15) (13)式中方程组有相同的系数矩阵A，为了节省工作量,可先对矩阵A进行三角分解 (16) 再解三角形方程组 (17) 当A是三对角方阵,或是非零元素较少且分布规律的方阵时,无论存储或计算都比较便.根据幂法的讨论,我们知道,在一定条件下,可求得 的按模最大的特征值和相应的特征向量,从而得到A的按模最小的特征值和对应的特征向量,称这种方法为反幂法.反幂法也是一种迭代算法,每一步都要解一个系数矩阵相同的线性方程组. 设p为任一实数,如果矩阵 可逆,则 的特征值为 对应的特征向量仍为 . 如果p是矩阵A的特征值 的一个近似值,且 则是矩阵 的按模最大的特征值.因此,当给出特征值 的一个近似值p时,可对矩阵 应用反幂法，求出对应于 的特征向量.反幂法迭代公式中的 通过方程组 求得. 例3 用反幂法求矩阵 的对应于特征值 的特征向量. 解取 解方程组 得 再解方程组 得 与 的对应分量大体上成比例,所以对应于 的特征向量为

❺ 社会核算矩阵的发展历程

自20世界60年代抄以来, SAM理论得了到全面的研究和拓展。同时,在世界银行的大力推动下，已有50多个国家先后建立了他们的SAM，分别用于投入产出分析、税收分析、收入分配分析、地区发展分析等。而编制中国及区域社会核算矩阵(Sino-SAM & Regional-SAM) 将为中国及区域经济增长与产业结构优化、经济政策的制定、外贸发展战略选择和金融风险防范提供有力的基础数据支持 。

❻ 关联矩阵法是谁提出的发展史。。。。

关联矩阵法是常用的系统综合评价法，它主要是用矩阵形式来表示个替代方案有关评价指标及其重要度与方案关于具体指标的价值评定量之间的关系。

❼ 线性代数发展史

概述
线性代数是代数学的一个分支，主要处理线性关系问题。线性关系意即数学对象之间的关系是以一次形式来表达的。例如，在解析几何里，平面上直线的方程是二元一次方程；空间平面的方程是三元一次方程，而空间直线视为两个平面相交，由两个三元一次方程所组成的方程组来表示。含有 n个未知量的一次方程称为线性方程。关于变量是一次的函数称为线性函数。线性关系问题简称线性问题。解线性方程组的问题是最简单的线性问题。
历史
线性代数作为一个独立的分支在20世纪才形成，然而它的历史
九章算术
却非常久远。“鸡兔同笼”问题实际上就是一个简单的线性方程组求解的问题。最古老的线性问题是线性方程组的解法，在中国古代的数学著作《九章算术·方程》章中，已经作了比较完整的叙述，其中所述方法实质上相当于现代的对方程组的增广矩阵的行施行初等变换，消去未知量的方法。
由于费马和笛卡儿的工作，现代意义的线性代数基本上出现于十七世纪。直到十八世纪末，线性代数的领域还只限于平面与空间。十九世纪上半叶才完成了到n维线性空间的过渡。
随着研究线性方程组和变量的线性变换问题的深入，行列式和矩阵在18～19世纪期间先后产生，为处理线性问题提供了有力的工具，从而推动了线性代数的发展。向量概念的引入，形成了向量空间的概念。凡是线性问题都可以用向量空间的观点加以讨论。因此，向量空间及其线性变换，以及与此相联系的矩阵理论，构成了线性代数的中心内容。
凯莱
矩阵论始于凯莱，在十九世纪下半叶，因若当的工作而达到了它的顶点。1888年，皮亚诺以公理的方式定义了有限维或无限维线性空间。托普利茨将线性代数的主要定理推广到任意体（domain）上的最一般的向量空间中。线性映射的概念在大多数情况下能够摆脱矩阵计算而不依赖于基的选择。不用交换体而用未必交换之体或环作为算子之定义域，这就引向模（mole）的概念，这一概念很显著地推广了线性空间的理论和重新整理了十九世纪所研究过的情况。
“代数”这个词在中文中出现较晚，在清代时才传入中国，当时被人们译成“阿尔热巴拉”，直到1859年，清代著名的数学家、翻译家李善兰才将它翻译成为“代数学”，之后一直沿用。

2学术地位编辑
线性代数在数学、物理学和技术学科中有各种重要应用，因而它在各种代数分支中占居首要地位。在计算机广泛应用的今天，计算机图形学、计算机辅助设计、密码学、虚拟现实等技术无不以线性代数为其理论和算法基础的一部分。线性代数所体现的几何观念与代数方法之间的联系，从具体概念抽象出来的公理化方法以及严谨的逻辑推证、巧妙的归纳综合等，对于强化人们的数学训练，增益科学智能是非常有用的。随着科学的发展，我们不仅要研究单个变量之间的关系，还要进一步研究多个变量之间的关系，各种实际问题在大多数情况下可以线性化，而由于计算机的发展，线性化了的问题又可以计算出来，线性代数正是解决这些问题的有力工具。
线性代数的含义随数学的发展而不断扩大。线性代数的理论和方法已经渗透到数学的许多分支，同时也是理论物理和理论化学所不可缺少的代数基础知识。
“以直代曲”是人们处理很多数学问题时一个很自然的思想。很多实际问题的处理，最后往往归结为线性问题，它比较容易处理。因此，线性代数在工程技术和国民经济的许多领域都有着广泛的应用，是一门基本的和重要的学科。线性代数的计算方法是计算数学里一个很重要的内容。

3基本介绍编辑
线性（linear）指量与量之间按比例、成直线的关系，在数学上可以理解为一阶导数为常数的函数
非线性（non-linear）则指不按比例、不成直线的关系，一阶导数不为常数。
线性代数起源于对二维和三维直角坐标系的研究。在这里，一个向量是一个有方向的线段，由长度和方向同时表示。这样向量可以用来表示物理量，比如力，也可以和标量做加法和乘法。这就是实数向量空间的第一个例子。
向量
现代线性代数已经扩展到研究任意或无限维空间。一个维数为 n 的向量空间叫做 n 维空间。在二维和三维空间中大多数有用的结论可以扩展到这些高维空间。尽管许多人不容易想象 n 维空间中的向量，这样的向量（即 n 元组）用来表示数据非常有效。由于作为 n 元组，向量是 n 个元素的“有序”列表，大多数人可以在这种框架中有效地概括和操纵数据。比如，在经济学中可以使用 8 维向量来表示 8 个国家的国民生产总值（GNP）。当所有国家的顺序排定之后，比如（中国、美国、英国、法国、德国、西班牙、印度、澳大利亚），可以使用向量（v1,v2,v3,v4,v5,v6,v7,v8）显示这些国家某一年各自的 GNP。这里，每个国家的 GNP 都在各自的位置上。
作为证明定理而使用的纯抽象概念，向量空间（线性空间）属于抽象代数的一部分，而且已经非常好地融入了这个领域。一些显著的例子有：不可逆线性映射或矩阵的群，向量空间的线性映射的环。线性代数也在数学分析中扮演重要角色，特别在 向量分析中描述高阶导数，研究张量积和可交换映射等领域。
向量空间是在域上定义的，比如实数域或复数域。线性算子将线性空间的元素映射到另一个线性空间（也可以是同一个线性空间），保持向量空间上加法和标量乘法的一致性。所有这种变换组成的集合本身也是一个向量空间。如果一个线性空间的基是确定的，所有线性变换都可以表示为一个数表，称为矩阵。对矩阵性质和矩阵算法的深入研究（包括行列式和特征向量）也被认为是线性代数的一部分。
我们可以简单地说数学中的线性问题——-那些表现出线性的问题——是最容易被解决的。比如微分学研究很多函数线性近似的问题。在实践中与非线性问题的差异是很重要的。
线性代数方法是指使用线性观点看待问题，并用线性代数的语言描述它、解决它（必要时可使用矩阵运算）的方法。这是数学与工程学中最主要的应用之一。

❽ 矩阵乘法的发展历史

矩阵相乘抄最重要的方法是一般矩阵袭乘积。它只有在第一个矩阵的列数（column）和第二个矩阵的行数（row）相同时才有意义[1]。一般单指矩阵乘积时，指的便是一般矩阵乘积。一个m×n的矩阵就是m×n个数排成m行n列的一个数阵。由于它把许多数据紧凑的集中到了一起，所以有时候可以简便地表示一些复杂的模型。
信息源自网络

❾ 矩阵的满秩分解的历史背景，现状和发展方向

恩 好难哦兄弟

❿ 排列组合的发展历程

虽然数数始于结绳计数的远古时代，由于那时人的智力的发展尚处于低级阶段，谈不上有什么技巧。随着人们对于数的了解和研究，在形成与数密切相关的数学分支的过程中，如数论、代数、函数论以至泛函的形成与发展，逐步地从数的多样性发现数数的多样性，产生了各种数数的技巧。
同时，人们对数有了深入的了解和研究，在形成与形密切相关的各种数学分支的过程中，如几何学、拓扑学以至范畴论的形成与发展，逐步地从形的多样性也发现了数形的多样性，产生了各种数形的技巧。近代的集合论、数理逻辑等反映了潜在的数与形之间的结合。而现代的代数拓扑和代数几何等则将数与形密切地联系在一起了。这些，对于以数的技巧为中心课题的近代组合学的形成与发展都产生了而且还将会继续产生深刻的影响。
由此观之，组合学与其他数学分支有着必然的密切联系。它的一些研究内容与方法来自各个分支也应用于各个分支。当然，组合学与其他数学分支一样也有其独特的研究问题与方法，它源于人们对于客观世界中存在的数与形及其关系的发现和认识。例如，中国古代的《易经》中用十个天干和十二个地支以六十为周期来记载月和年，以及在洛书河图中关于幻方的记载，是人们至今所了解的最早发现的组合问题甚或是架构语境学。
于11和12世纪间，贾宪就发现了二项式系数，杨辉将它整理记载在他的《续古抉奇法》一书中。这就是中国通常称的杨辉三角。事实上，于12世纪印度的婆什迦罗第二也发现了这种组合数。13世纪波斯的哲学家曾讲授过此类三角。而在西方，布莱士·帕斯卡发现这个三角形是在17世纪中期。这个三角形在其他数学分支的应用也是屡见不鲜的。同时，帕斯卡和费马均发现了许多与概率论有关的经典组合学的结果。因此，西方人认为组合学开始于17世纪。组合学一词是德国数学家莱布尼茨在数学的意义下首次应用。也许，在那时他已经预感到了其将来的蓬勃发展。然而只有到了18世纪欧拉所处时代，组合学才可以说开始了作为一门科学的发展，因为那时，他解决了柯尼斯堡七桥问题，发现了多面体（首先是凸多面体，即平面图的情形）的顶点数、边数和面数之间的简单关系，被人们称为欧拉公式。甚至，当今人们所称的哈密顿圈的首创者也应该是欧拉。这些不但使欧拉成为组合学的一个重要组成部分——图论而且也成为占据现代数学舞台中心的拓扑学发展的先驱。同时，他对导致当今组合学中的另一个重要组成部分——组合设计中的拉丁方的研究所提出的猜想，人们称为欧拉猜想，直到1959年才得到完全的解决。
于19世纪初，高斯提出的组合系数，今称高斯系数，在经典组合学中也占有重要地位。同时，他还研究过平面上的闭曲线的相交问题，由此所提出的猜想称为高斯猜想，它直到20世纪才得到解决。这个问题不仅贡献于拓扑学，而且也贡献于组合学中图论的发展。同在19世纪，由乔治·布尔发现且被当今人们称为布尔代数的分支已经成为组合学中序理论的基石。当然，在这一时期，人们还研究其他许多组合问题，它们中的大多数是娱乐性的。
20世纪初期，庞加莱联系多面体问题发展了组合学的概念与方法，导致了近代拓扑学从组合拓扑学到代数拓扑学的发展。于20世纪的中、后期，组合学发展之迅速也许是人们意想不到的。首先，于1920年费希尔（Fisher，R.A.）和耶茨（Yates，F.）发展了实验设计的统计理论，其结果导致后来的信息论，特别是编码理论的形成与发展.于1939年，坎托罗维奇（Канторович，Л.В.）发现了线性规划问题并提出解乘数法。于1947年丹齐克（Dantzig，G.B.）给出了一般的线性规划模型和理论，他所创立的单纯形方法奠定了这一理论的基础，阐明了其解集的组合结构。直到今天它仍然是应用得最广泛的数学方法之一。这些又导致以网络流为代表的运筹学中的一系列问题的形成与发展。开拓了人们目前称为组合最优化的一个组合学的新分支。在20世纪50年代，中国也发现并解决了一类称为运输问题的线性规划的图上作业法，它与一般的网络流理论确有异曲同工之妙。在此基础上又出现了国际上通称的中国邮递员问题。
另一方面，自1940年以来，生于英国的塔特（Tutte，W.T.）在解决拼方问题中取得了一系列有关图论的结果，这些不仅开辟了现今图论发展的许多新研究领域，而且对于20世纪30年代，惠特尼（Whitney，H.）提出的拟阵论以及人们称之为组合几何的发展都起到了核心的推动作用。应该特别提到的是在这一时期，随着电子技术和计算机科学的发展愈来愈显示出组合学的潜在力量。同时，也为组合学的发展提出了许多新的研究课题。例如，以大规模和超大规模集成电路设计为中心的计算机辅助设计提出了层出不穷的问题。其中一些问题的研究与发展正在形成一种新的几何，人们称之为组合计算几何。关于算法复杂性的究，自1961年库克（Cook，S.A.）提出NP完全性理论以来，已经将这一思想渗透到组合学的各个分支以至数学和计算机科学中的一些分支。
近20年来，用组合学中的方法已经解决了一些即使在整个数学领域也是具有挑战性的难题。例如，范·德·瓦尔登（Van der Waerden，B.L.）于1926年提出的关于双随机矩阵积和式猜想的证明；希伍德（Heawood，P.J.）于1890年提出的曲面地图着色猜想的解决;著名的四色定理的计算机验证和扭结问题的新组合不变量发现等。在数学中已经或正在形成着诸如组合拓扑、组合几何、组合数论、组合矩阵论、组合群论等与组合学密切相关的交叉学科。此外，组合学也正在渗透到其他自然科学以及社会科学的各个方面，例如，物理学、力学、化学、生物学、遗传学、心理学以及经济学、管理学甚至政治学等。
根据组合学研究与发展的现状，它可以分为如下五个分支：经典组合学、组合设计、组合序、图与超图和组合多面形与最优化.由于组合学所涉及的范围触及到几乎所有数学分支，也许和数学本身一样不大可能建立一种统一的理论.然而，如何在上述的五个分支的基础上建立一些统一的理论，或者从组合学中独立出来形成数学的一些新分支将是对21世纪数学家们提出的一个新的挑战。在中国当代的数学家中，较早地在组合学中的不同方面作出过贡献的有 华罗庚、 吴文俊、 柯召、 万哲先、 张里千和 陆家羲等.其中，万哲先和他领导的研究组在有限几何方面的系统工作不仅对于组合设计而且对于图的对称性的研究都有影响.陆家羲的有关不交斯坦纳三元系大集的一系列的文章不仅解决了组合设计方面的一个难题，而且他所创立的方法对于其后的研究者也产生了和正产生着积极的作用。
1772年，法国数学家范德蒙德（Vandermonde， A. - T.）以[n]p表示由n个不同的元素中每次取p个的排列数。
瑞士数学家欧拉（Euler， L.）则于1771年以 及于1778年以 表示由n个不同元素中每次取出p个元素的组合数。
1830年，英国数学家皮科克（Peacock， G）引入符号Cr表示n个元素中每次取r个的组合数。
1869年或稍早些，剑桥的古德文以符号nPr 表示由n个元素中每次取r个元素的排列数，这用法亦延用至今。按此法，nPn便相当于n！。
1872年，德国数学家埃汀肖森（Ettingshausen，B. A. von）引入了符号（np）来表示同样的意义，这组合符号（Signs of Combinations）一直沿用至今。
1880年，鲍茨（Potts ， R.）以nCr及nPr分别表示由n个元素取出r个的组合数与排列数。
1886年，惠特渥斯（Whit-worth， A. W.）用Cnr和Pnr表示同样的意义，他还用Rnr表示可重复的组合数。
1899年，英国数学家、物理学家克里斯托尔（Chrystal，G.）以nPr，nCr分别表示由n个不同元素中每次取出r个不重复之元素的排列数与组合数，并以nHr表示相同意义下之可重复的排列数，这三种符号也通用至今。
1904年，德国数学家内托（Netto， E.）为一本网络辞典所写的辞条中，以Arn表示上述nPr之意，以Crn表示上述nCr之意，后者亦也用符号（n r）表示。这些符号也一直用到现代。
此外，在八卦中，亦运用到了排列组合。