线性代数在数模中的应用

合集下载

数学模型在《线性代数》教学中的应用实例(一)

数学模型在《线性代数》教学中的应用实例（一）课程：线性代数教学内容：矩阵数学模型：生态学：海龟种群统计数据该模型在高等数学教学应用的目的：1．通过生动有趣的实例激发学生的学习积极性，在分析问题和解决问题的过程中培养学生的创新意识。

2．使学生掌握建立矩阵代数模型的基本过程，能熟练地将矩阵的知识应用于实际问题。

培养学生将实际问题抽象成数学模型，又用数学模型的结果解释实际现象的能力。

3．巩固矩阵的概念和计算。

生态学：海龟种群统计数据管理和保护许多野生物种，依赖于我们建立种群的动态模型的能力。

一个常规的建模技术是，把一个物种的生命周期划分为几个阶段。

该模型假设：每阶段的种群规模只依赖于母海龟的种群数；每只母海龟能够存活到下一年的概率依赖于其处在生命周期的那个阶段，而与个体的具体年龄无直接关系。

举例来说，可以用一个四阶段的模型来分析海龟种群的动态。

如果d i 表示第i 个阶段的持续时间，s i 表示该阶段的每年存活率，那么可以证明，在第i 阶段可以存活到下一年的比例是111i i d i i id i s p s s -⎛⎫-= ⎪-⎝⎭种群可以存活且在次年进入下一阶段的比例是()11i i d i i i d is s q s-=-如果用e i 表示第i 阶段的成员1年内产卵的平均数，构造矩阵123412233400000p e e e q p L q p q p ⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭那么L 可以用来预测未来几年每阶段的种群数。

上述形式的矩阵称为Leslie （莱斯利）矩阵，相应的种群模型有时也称为莱斯利种群模型。

根据前面表格数据，我们模型的莱斯利矩阵是0127790.670.73940000.000600000.810.8077L ⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭假设每阶段的初始种群数分别是200000、300000、500和1500，用向量x 0来表示，1年后每阶段的种群数可以如下计算1000127792000001820000.670.73940030000035582000.000600500180000.810.807715001617x Lx ⎛⎫⎛⎫⎛⎫ ⎪⎪ ⎪ ⎪⎪ ⎪=== ⎪⎪ ⎪ ⎪⎪ ⎪⎝⎭⎝⎭⎝⎭（这里的计算进行了四舍五入）。

数学建模中的线性代数应用

数学建模中的线性代数应用作者：郑婷来源：《新一代》2017年第20期摘要：数学建模教学中，主要是为了大学生能够通过数学知识解决实际生活中的问题，这些是数学教学中比较重要的内容。

数学建模的主要目的就是将实际问题转变成数学模型。

本文将会对数学建模线性代数和涵义进行分析，通过线性代数中的向量、矩阵、行列在线性模型中的使用进行分析，通过实例方法对线性代数方法建模进行探讨。

关键词：数学建模；析线性代数；使用科技的发展与数学离不开，很多问题的存在基本上都离不开数据问题。

利用数学知识来解决实际问题，应该是新时代的学生需要具备的能力和素质，同时也是考察学生掌握的数学知识。

一、模型的建立对于大学生来说，建模是比较困难的。

对于比较复杂的实际问题，学生分析的不是很全面，这个过程中教师要重视将实际问题转变成数学模型，从数学语言，通俗的描述客观对象的规律，进行数学建模。

在数学建模中，主要执行几个步骤：假设模型、建立模型、计算模型，推广模型等。

在解决实际问题上，学生要掌握到基本问题的原理，具有全局分析的能力，根据求解目的来分析问题。

数据建模的关键就是解决实际问题，教师要重视学生对实际问题的分析，培养学生更好的逻辑思维，这样才能学习数学建模的意义。

二、实例的分析（一）投入的产出模型例如：在我国某个地区中，一条铁路、一个发电厂、一个煤矿。

经过市场调查，开采煤的价值是1元钱，需要的煤矿资源是0.25元电费，同时进行煤运开采到目的地，需要0.25元的运费；发电厂使用了1元的电力资源，价值是煤的0.65元，还需要0.05元的运费和0.05元的电费；铁路运输过程中需要1元运费，铁路还需要0.1元电费和0.55元煤炭资源。

在市场调查中，煤矿价值订货单有85000元，发电厂的订货单价值36800元，而本条路线无任何要求。

根据数据建模，对这一周发电厂、煤矿和铁路上想要满足订单和本地区的需求需要多少产值。

模型的建立：假设本周总产值煤矿是x1，铁路总产值是x3，发电厂的产值是x2，根据市场调查，发电厂价值是36800元，煤矿订货单价值是85000元，而本条铁路是没有任何要求的，如果列出的线性方程是如下：矩阵中的B是完全的消耗矩阵，它与A直接消耗在部门不同的情况下产出的投入是平衡的。

线性代数在数学建模中的应用举例

线性代数在数学建模中的应用举例1 基因间“距离”的表示在ABO 血型的人们中，对各种群体的基因的频率进行了研究。

如果我们把四种等位基因A 1，A 2，B ，O 区别开，有人报道了如下的相对频率，见表1.1。

表1.1基因的相对频率问题一个群体与另一群体的接近程度如何？换句话说，就是要一个表示基因的“距离”的合宜的量度。

解有人提出一种利用向量代数的方法。

首先，我们用单位向量来表示每一个群体。

为此目的，我们取每一种频率的平方根，记ki ki f x =.由于对这四种群体的每一种有141=∑=i ki f ，所以我们得到∑==4121i kix .这意味着下列四个向量的每个都是单位向量.记.44434241,34333231,24232221,141312114321⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=x x x x a x x x x a x x x x a x x x x a在四维空间中，这些向量的顶端都位于一个半径为1的球面上. 现在用两个向量间的夹角来表示两个对应的群体间的“距离”似乎是合理的.如果我们把a 1和a 2之间的夹角记为θ，则由于| a 1|=| a 2|=1，再由内只公式，得21cos a a ⋅=θ而.8307.03464.02943.03216.0,8228.01778.00000.05398.021⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=a a 故 9187.0cos 21=⋅=a a θ 得 2.23=θ°. 按同样的方式，我们可以得到表1.2.表1.2基因间的“距离”爱斯基摩人班图人英国人朝鲜人爱斯基摩人 0° 23.2° 16.4° 16.8° 班图人 23.2° 0° 9.8° 20.4° 英国人 16.4° 9.8° 0° 19.6° 朝鲜人16.8°20.4°19.6°0°由表1.2可见，最小的基因“距离”是班图人和英国人之间的“距离”，而爱斯基摩人和班图人之间的基因“距离”最大.2 Euler 的四面体问题问题如何用四面体的六条棱长去表示它的体积？这个问题是由Euler （欧拉）提出的.解建立如图2.1所示坐标系，设A ，B ，C 三点的坐标分别为（a 1,b 1,c 1）,( a 2,b 2,c 2)和（a 3,b 3,c 3），并设四面体O-ABC 的六条棱长分别为.,,,,,r q p n m l 由立体几何知道，该四面体的体积V 等于以向量→→→OC OB OA ,,组成右手系时，以它们为棱的平行六面体的体积V 6的16.而)(.3332221116c b a c b a c b a OC OB OA V =⋅⨯= 于是得 .6333222111c b a c b a c b a V = 将上式平方，得.362323233232323231313232322222221212131313121212121212133322211133322211122c b a c c b b a a c c b b a a c c b b a a c b a c c b b a a c c b b a a c c b b a a cb ac b a c b a c b a c b a c b a c b a V ++++++++++++++++++=⋅=根据向量的数量积的坐标表示，有.,,,,232323323232222222313131212121212121c b a OC OC c c b b a a OC OB c b a OB OB c c b b a a OC OA c c b b a a OB OA c b a OA OA ++=⋅++=⋅++=⋅++=⋅++=⋅++=⋅ 于是362OC OC OB OC OB OBOB OBOA OB OA OAV ⋅⋅⋅= （2.1）由余弦定理，可行.2cos 222n q p q p OB OA -+=⋅⋅=⋅θ同理.2,2222222l r q OC OB m r p OC OA -+=⋅-+=⋅将以上各式代入（2.1）式，得.222222362222222222222222222222r l r p m r p l r p p n q p m r p n q p pV -+-+-+-+-+-+=（2.2）这就是Euler 的四面体体积公式.例一块形状为四面体的花岗岩巨石，量得六条棱长分别为l =10m, m =15m, n =12m, p =14m, q =13m, r =11m.则.952222,462222,5.1102222=-+=-+=-+l r p m r p n q p代入（2.1）式，得.75.13698291219546951695.110465.110196236==V 于是.)195(82639.38050223m V ≈≈即花岗岩巨石的体积约为195m 3.古埃及的金字塔形状为四面体，因而可通过测量其六条棱长去计算金字塔的体积.3 动物数量的按年龄段预测问题问题某农场饲养的某种动物所能达到的最大年龄为15岁，将其分成三个年龄组：第一组，0～5岁；第二组，6～10岁；第三组，11～15岁.动物从第二年龄组起开始繁殖后代，经过长期统计，第二组和第三组的繁殖率分别为4和3.第一年龄和第二年龄组的动物能顺利进入下一个年龄组的存活率分别为12 和14 .假设农场现有三个年龄段的动物各100头，问15年后农场三个年龄段的动物各有多少头？问题分析与建模因年龄分组为5岁一段，故将时间周期也取为5年.15年后就经过了3个时间周期.设)(k i x 表示第k 个时间周期的第i 组年龄阶段动物的数量（k =1，2，3；i =1，2，3）.因为某一时间周期第二年龄组和第三年龄组动物的数量是由上一时间周期上一年龄组存活下来动物的数量，所以有).3,2,1(41,21)1(2)(3)1(1)(2===--k x x x x k k k k又因为某一时间周期，第一年龄组动物的数量是由于一时间周期各年龄组出生的动物的数量，所以有).3,2,1(34)1(3)1(2)(1=+=--k x x x k k k于是我们得到递推关系式：⎪⎪⎪⎩⎪⎪⎪⎨⎧==+=----.41,21,34)1(2)(3)1(1213)1(2)(1k k k k k k k x x x x x x x 用矩阵表示).3,2,1(0410021340)1(3)1(2)1(1)(3)(2)(1=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡---k x x x x x x k k k k k k则).3,2,1()1()(==-k Lx x k k其中.100010001000,04100021340)0(⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=x L 则有),3,2,1()(3)(2)(1)(=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=k x x x x k k k k,250500700010001000100004100021340)0()1(⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡==Lx x,12535002750250500700004100021340)1()2(⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡==Lx x .8751375143751253500275004100021340)2()3(⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡==Lx x 结果分析 15年后，农场饲养的动物总数将达到16625头，其中0～5岁的有14375头，占86.47%，6～10岁的有1375头，占8.27%，11～15岁的有875头，占 5.226%.15年间，动物总增长16625-3000=13625头，总增长率为13625/3000=454.16%.注要知道很多年以后的情况，可通过研究式)0()1()(x L Lx x k k k ==-中当趋于无穷大时的极限状况得到.关于年龄分布的人口预测模型我们将人口按相同的年限（比如5年）分成若干年龄组，同时假设各年龄段的田、女人口分布相同，这样就可以通过只考虑女性人口来简化模型.人口发展随时间变化，一个时间周期的幅度使之对应于基本年龄组间距（如先例的5年），令)(k i x 是在时间周期k 时第i 个年龄组的（女性）人口，i =1,2,…,n .用1表示最低年龄组，用n 表示最高年龄组，这意味着不考虑更大年龄组人口的变化.假如排除死亡的情形，则在一个周期内第i 个年龄组的成员将全部转移到i +1个年龄组.但是，实际上必须考虑到死亡率，因此这一转移过程可由一存活系数所衰减. 于是，这一转移过程可由下述议程简单地描述：),1,,2,1()1()(1-==-+n i x b x k ii k i其中i b 是在第i 个年龄组在一个周期的存活率，因子i b 可由统计资料确定.惟一不能由上述议程确定的年龄组是,)(1k x 其中的成员是在后面的周期内出生的，他们是后面的周期内成员的后代，因此这个年龄组的成员取决于后面的周期内各组的出生率及其人数.于是有方程,)1(122)1(11)(1---+++=k n n k k k x a x a x a x （3.1）这里),,2,1(n i a i =是第i 个年龄组的出生率，它是由每时间周期内，第i 个年龄组的每一个成员的女性后代的人数来表示的，通常可由统计资料来确定.于是我们得到了单性别分组的人口模型，用矩阵表示便是,00000000000)1()1(3)1(2)1(11211321)()(3)(2)(1⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡------k n k k k n n n k n k k k x x x x b b b a a a a a x x x x 或者简写成.)1()(-=k k Lx x （3.2）矩阵⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡--000000000001211321n n n b b b a a a a a L称为Leslie 矩阵.由（3.2）式递推可得)0()1()(x L Lx x k k k ==-这就是Leslie 模型.4 企业投入产生分析模型问题某地区有三个重要产业，一个煤矿、一个发电厂和一条地方铁路.开采一元钱的煤，煤矿要支付0.25元的电费及0.25元的运输费.生产一元钱的电力，发电厂要支付0.65元的煤费，0.05元的电费及0.05元的运输费.创收一元钱的运输费,铁路要支付0.55元的煤费及0.10元的电费.在某一周内，煤矿接到外地金额为50000元的定货，发电厂接到外地金额为25000元的定货，外界对地方铁路没有需求.问三个企业在这一周内总产值多少才能满足自身及外界的需求？数学模型设x 1为煤矿本周内的总产值，x 2为电厂本周的总产值，x 3为铁路本周内的总产值，则⎪⎩⎪⎨⎧=⨯++-=++-=++⨯-,0)005.025.0(,25000)10.005.025.0(,50000)55.065.00(321332123211x x x x x x x x x x x x （4.1）即.02500050000005.025.010.005.025.055.065.00321321⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡x x x x x x 即.025********,005.025.010.005.025.055.065.00,321⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=Y A x x x X 矩阵A 称为直接消耗矩阵，X 称为产出向量，Y 称为需求向量，则方程组（4.1）为,Y AX X =-即Y X A E =-)(，（4.2）其中矩阵E 为单位矩阵，（E-A ）称为列昂杰夫矩阵，列昂杰夫矩阵为非奇异矩阵.投入产出分析表设,00000,)(3211⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=--=-x x x A C E A E B D=（1，1，1）C.矩阵B 称为完全消耗矩阵，它与矩阵A 一起在各个部门之间的投入产生中起平衡作用.矩阵C 可以称为投入产出矩阵，它的元素表示煤矿、电厂、铁路之间的投入产出关系.向量D 称为总投入向量，它的元素是矩阵C 的对应列元素之和，分别表示煤矿、电厂、铁路得到的总投入.由矩阵C ，向量Y ，X 和D ，可得投入产出分析表4.1.表4.1 投入产出分析表单位：元煤矿电厂铁路外界需求总产出煤矿 11c 12c 13c 1y 1x电厂 21c 22c 23c 2y 2x 铁路 31c32c33c 3y3x总投入1d 2d 3d计算求解按（4.2）式解方程组可得产出向量X ，于是可计算矩阵C 和向量D ，计算结果如表4.2.表4.2 投入产出计算结果单位：元煤矿电厂铁路外界需求总产出煤矿 0 36505.96 15581.51 50000 102087.48 电厂 25521.87 2808.15 2833.00 25000 56163.02 铁路 25521.87 2808.15 0 0 28330.02总投入51043.7442122.2718414.525 交通流量的计算模型问题图5.1给出了某城市部分单行街道的交通流量（每小时过车数）.假设：（1）全部流入网络的流量等于全部流出网络的流量；（2）全部流入一个节点的流量等于全部流出此节点的流量.试建立数学模型确定该交通网络未知部分的具体流量.建模与计算由网络流量假设，所给问题满足如下线方程组：234457612157891091083630050020080080010004002006001000x x x x x x x x x x x x x x x x x x x x -+=⎧⎪+=⎪⎪-=⎪+=⎪⎪+=⎪⎨+=⎪⎪=⎪-=⎪⎪=⎪++=⎪⎩ 系数矩阵为11100000000011000000000011000110000000010001000000000001100000000001000000000110000000001010010100A -⎡⎤⎢⎥⎢⎥⎢⎥-⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥-⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦ 增广矩阵阶梯形最简形式为1000100000800010010000000010000000200000110000050000000101008000000001100100000000000104000000000001600000000000000000000000B ⎡⎤⎢⎥-⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦其对应的齐次方程组为1525345687891000000000x x x x x x x x x x x x x +=⎧⎪-=⎪⎪=⎪+=⎪⎨+=⎪⎪+=⎪=⎪⎪=⎩取（x 5,x 8）为自由取值未知量，分别赋两组值为（1,0），（0,1），得齐次方程组基础解系中两个解向量()11,1,0,1,1,0,0,0,0,0,'η=--()20,0,0,0,0,1,1,1,0,0'η=--其对应的非齐次方程组为1525345687891080002005008001000400600x x x x x x x x x x x x x +=⎧⎪-=⎪⎪=⎪+=⎪⎨+=⎪⎪+=⎪=⎪⎪=⎩赋值给自由未知量（x 5,x 8）为（0,0）得非齐次方程组的特解()800,0,200,500,0,800,1000,0,400,600'x *=于是方程组的通解,*2211x k k x ++=ηη其中k 1，k 2为任意常数，x 的每一个分量即为交通网络未知部分的具体流量，它有无穷多解.6 小行星的轨道模型问题一天文学家要确定一颗小行星绕太阳运行的轨道，他在轨道平面内建立以太阳为原点的直角坐标系，在两坐标轴上取天文测量单位（一天文单位为地球到太阳的平均距离：1.4959787×1011m ）.在5个不同的时间对小行星作了5次观察，测得轨道上5个点的坐标数据如表6.1.表6.1 坐标数据由Kepler （开普勒）第一定律知，小行星轨道为一椭圆.现需要建立椭圆的方程以供研究（注：椭圆的一般方程可表示为012225423221=+++++y a x a y a xy a x a .问题分析与建立模型天文学家确定小行星运动的轨道时，他的依据是轨道上五个点的坐标数据：（x 1, y 1）, （x 2, y 2）, （x 3, y 3）, （x 4, y 4）, （x 5, y 5）.由Kepler 第一定律知，小行星轨道为一椭圆.而椭圆属于二次曲线，二次曲线的一般方程为012225423221=+++++y a x a y a xy a x a .为了确定方程中的五个待定系数，将五个点的坐标分别代入上面的方程，得2211211314151221222232425222132333343532214244344454221525535455522212221222122212221a x a x y a y a x a y a x a x y a y a x a y a x a x y a y a x a y a x a x y a y a x a y a x a x y a y a x a y ⎧++++=-⎪++++=-⎪⎪++++=-⎨⎪++++=-⎪⎪++++=-⎩这是一个包含五个未知数的线性方程组，写成矩阵⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡-----=⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡11111222222222222222543215525552544244424332333232222222211211121a a a a a y x y y x x y x y y x x y x y y x x y x y y x x y x y y x x 求解这一线性方程组，所得的是一个二次曲线方程.为了知道小行星轨道的一些参数,还必须将二次曲线方程化为椭圆的标准方程形式:12222=+bY a X 由于太阳的位置是小行星轨道的一个焦点,这时可以根据椭圆的长半轴a 和短半轴b 计算出小行星的近日点和远日点距离,以及椭圆周长L .根据二次曲线理论,可得椭圆经过旋转和平移两种变换后的方程如下:[]22120D X Y C λλ++=所以,椭圆长半轴:C D a 1λ=;椭圆短半轴: CDb 2λ=;椭圆半焦矩:22b ac -=.计算求解首先由五个点的坐标数据形成线性方程组的系数矩阵⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=7200.69600.142896.112656.509504.550520.53360.143807.62127.363802.516460.35180.133233.36433.246841.454040.25720.124448.11115.155138.39292.1528.114199.04701.72237.33A使用计算机可求得12345(,,,,)(0.6143,0.3440,0.6942, 1.6351,0.2165)a a a a a =---从而⎪⎪⎭⎫⎝⎛--=⎥⎦⎤⎢⎣⎡=6942.03440.03440.06143.03221a a a a C C C ,3081.0=的特征值120.3080, 1.0005λλ==123235450.61430.3440 1.63510.34400.69420.21651 1.63510.21651a a a D a a a a a ---⎡⎤⎡⎤⎢⎥⎢⎥==--⎢⎥⎢⎥⎢⎥⎢⎥--⎣⎦⎣⎦.8203.1-=D于是,椭圆长半轴a=19.1834,短半轴b=5.9045,半焦距c=18.2521.小行星近日点距和远日点距为039313,37.4355h a c H a c =-==+=最后,椭圆的周长的准确计算要用到椭圆积分,可以考虑用数值积分解决问题,其近似值为84.7887.7 人口迁移的动态分析问题对城乡人口流动作年度调查,发现有一个稳定的朝向城镇流动的趋势:每年农村居民的2.5%移居城镇,而城镇居民的1%迁出.现在总人口的60%位于城镇.假如城乡总人口保持不变,并且人口流动的这种趋势继续下去,则一年以后住在城镇人口所占比例是多少两年以后呢十年以后呢最终呢解设开始时,令乡村人口为,0y 城镇人口为,0z 一年以后有乡村人口,10011000975100y z y =+ 城镇人口 ,10099100025100z z y =+或写成矩阵形式⎥⎦⎤⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎦⎤⎢⎣⎡00111009910002510011000975z y z y . 两年以后,有.100991000251001100097510099100025100110009750021122⎥⎦⎤⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎦⎤⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎦⎤⎢⎣⎡z y z y z y . 十年以后,有.100991000251001100097500101010⎥⎦⎤⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎦⎤⎢⎣⎡z y z y 事实上,它给出了一个差分方程:k k Au u =+1.我们现在来解这个差分方程.首先,1009910002510011000975⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=Ak 年之后的分布(将A 对角化):.75757275100200193115210000⎥⎦⎤⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎪⎭⎫ ⎝⎛⎥⎥⎦⎤⎢⎢⎣⎡-=⎥⎦⎤⎢⎣⎡=⎥⎦⎤⎢⎣⎡z y z y A z y k k k k 这就是我们所要的解,而且容易看出经过很长一个时期以后这个解会达到一个极限状态.7572)(00⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡+=⎥⎦⎤⎢⎣⎡∞∞z y z y 总人口仍是00z y +,与开始时一样,但在此极限中人口的75在城镇,而72在乡村.无论初始分布是什么样,这总是成立的.值得注意这个稳定状态正是A 的属于特征值1的特征向量.上述例子有一些很好的性质:人口总数保持不变,而且乡村和城镇的人口数决不能为负.前一性质反映在下面事实中:矩阵每一列加起来为1;每个人都被计算在内,而没有人被重复或丢失.后一性质则反映在下面事实中:矩阵没有负元素;同样地0y 和0z 也是非负的,从而1y 和21,y z 和2z 等等也是这样.8 常染色体遗传模型为了揭示生命的奥秘,遗传学的研究已引起了人们的广泛兴趣.动植物在产生下一代的过程中,总是将自己的特征遗传给下一代,从而完成一种“生命的延续”.在常染色体遗传中,后代从每个亲体的基因对中各继承一个基因,形成自己的基因对.人类眼睛颜色即是通过常染色体控制的,其特征遗传由两个基因A 和a 控制.基因对是AA 和Aa 的人,眼睛是棕色,基因对是aa 的人,眼睛为蓝色.由于AA 和Aa 都表示了同一外部特征,或认为基因A 支配a ,也可认为基因a 对于基因A 来说是隐性的(或称A 为显性基因,a 为隐性基因).下面我们选取一个常染色体遗传——植物后代问题进行讨论.某植物园中植物的基因型为AA ,Aa ,aa .人们计划用AA 型植物与每种基因型植物相结合的方案培育植物后代.经过若干年后,这种植物后代的三种基因型分布将出现什么情形我们假设),2,2,0(,, =n c b a n n n 分别代表第n 代植物中,基因型为AA ,Aa 和aa 的植物占植物总数的百分率,令),,()('=n n n n c b a x为第n 代植物的基因分布, ),,(000)0('=c b a x 表示植物基因型的初始分布,显然,我们有.1000=++c b a (8.1)先考虑第n 代中的AA 型，第1-n 代AA 型与AA 型相结合，后代全部是AA 型；第1-n 代的Aa 型与和与AA 相结合，后代是AA 型的可能性为21；1-n 代的aa 型与AA 型相结合，后代不可能是AA 型。

高数中的线性代数方法研究及其在数学建模中的应用

高数中的线性代数方法研究及其在数学建模中的应用线性代数是数学的一个重要分支，它在高等数学中扮演着重要的角色。

线性代数方法被广泛应用于各个领域，尤其是在数学建模中。

本文将对高数中线性代数方法的研究进行探讨，并详细阐述其在数学建模中的应用。

首先，我们将分析高数中的线性代数方法的研究。

在线性代数中，我们研究向量空间、线性方程组、矩阵等概念和性质。

向量空间是线性代数的基础，它涉及到向量的加法、数量乘法以及线性组合等概念。

线性方程组是线性代数中的一个重要研究内容，通过研究线性方程组的解的存在性和唯一性等性质，可以得到解的特征和解的个数。

矩阵是线性代数中研究的一个重要对象，它由行和列组成，可以表示线性变换、方程组等。

在高等数学中，线性代数方法被广泛应用于解决实际问题。

它在数学建模中发挥着重要的作用。

数学建模是将实际问题抽象为数学模型，通过数学方法和计算机模拟来解决问题。

首先，在物理领域中，线性代数方法被广泛应用于力学、电磁学等问题的建模和求解。

例如，在力学中，我们可以利用线性代数方法建立质点运动方程和刚体运动方程，进而求解物体的运动轨迹和速度加速度等物理量。

在电磁学中，我们可以通过线性代数方法解决电场、磁场和电流之间的关系，进而解决电磁辐射、电磁波传播等问题。

其次，在经济学领域中，线性代数方法被应用于经济模型的建立和分析。

例如，我们可以利用线性代数方法建立供给需求模型、投资回报模型等，在此基础上分析经济增长、产出效率等问题。

线性代数方法还可以帮助经济学家解决最优化问题，如最大化利润或最小化成本等。

此外，在计算机科学领域中，线性代数方法被广泛应用于图像处理、机器学习等问题的求解。

例如，在图像处理中，我们可以利用线性代数方法对图像进行压缩、去噪等操作。

在机器学习中，线性代数方法被应用于特征选择、分类问题的解决等。

线性代数方法还被应用于网络分析、推荐系统等领域。

总之，高数中的线性代数方法在数学建模中发挥着重要作用。

数学建模常用知识点总结

数学建模常用知识点总结1.1 矩阵及其运算矩阵是一个矩形的数组，由行和列组成。

可以进行加法、减法和数乘运算。

1.2 矩阵的转置对矩阵进行转置就是把矩阵的行和列互换得到的新矩阵。

1.3 矩阵乘法矩阵A和矩阵B相乘得到矩阵C，要求A的列数等于B的行数，C的行数是A的行数，列数是B的列数。

1.4 矩阵的逆只有方阵才有逆矩阵，对于矩阵A，如果存在矩阵B，使得AB=BA=I，那么B就是A的逆矩阵。

1.5 行列式行列式是一个标量，是一个方阵所表示的几何体积的无向量。

1.6 特征值和特征向量对于矩阵A，如果存在标量λ和非零向量x，使得Ax=λx，那么λ就是A的特征值，x就是对应的特征向量。

1.7 线性相关和线性无关对于一组向量，如果存在一组不全为零的系数，使得它们的线性组合等于零向量，那么这组向量就是线性相关的。

1.8 空间与子空间空间是向量的集合，子空间是一个向量空间的子集，并且本身也是一个向量空间。

1.9 线性变换对于向量空间V和W，如果满足T(v+u)=T(v)+T(u)和T(kv)=kT(v)，那么T就是一个线性变换。

1.10 最小二乘法对于一个线性方程组，如果方程个数大于未知数个数，可以使用最小二乘法来求得最优解。

1.11 奇异值分解矩阵分解的方法之一，将一个任意的矩阵分解为三个矩阵的乘积。

1.12 特征分解对于一个对称矩阵，可以将其分解为特征向量和特征值的乘积。

1.13 线性代数在建模中的应用在数学建模中，线性代数是非常重要的基础知识，它可以用来表示和分析问题中的数据，解决矩阵方程组、优化问题、回归分析等。

二、微积分2.1 极限和连续性极限是指一个函数在某一点上的局部性质，连续性则是函数在某一点上的全局性质。

2.2 导数和微分对于一个函数y=f(x)，它的导数可以表示为f’(x)，其微分可以表示为dy=f’(x)dx。

2.3 泰勒级数泰勒级数是一种用多项式逼近函数的方法，在建模中可以用来进行函数的近似计算。

线性代数在数学建模中的应用

线性代数在数学建模中的应用作者：杨德山来源：《新教育时代·教师版》2016年第12期摘要：线性代数作为数学的一个重要分支，具有较强的逻辑性、抽象性和实用性。

数学建模是对实际问题进行分析，利用数学知识和方法建立数学模型，对模型求解并用于实际问题的处理。

数学建模是联系数学和实际问题的重要纽带。

本文主要是通过一个实例讨论一个线性代数在数学建模的的实际应用问题-交通流量问题。

关键词：线性代数；数学建模；应用一、问题提出下图给出了某城市部分单行街道的交通流量（每小时过车数）：二、问题解决（一）假设1.全部流入网络的流量等于全部流出网络的流量；2.全部流入一个节点的流量等于全部流出此节点的流量，试建立数学模型确定该交通网络未知部分的具体流量。

（二）建模与计算由网络流量假设，所给问题满足如下线方程组：于是方程组的通解x=knη1+k2η2+x，其中k1，k2为任意常数，x的每一个分量即为交通网络未知部分的具体流量，它有无穷多解。

三、结论以上实例只是运用了线性代数中求解线性方程组的方法，可以想象，更多精深的数学方法应用在经济研究领域中将会对经济发展起到多么大的推动作用。

总之，如果问题所涉及的数据是以表格形式出现的或者问题可以转化为线性方程组进行求解的，这些提供的数据常常可以用上述简化的矩形式表来表示，应用代数知识解决实际问题的能力。

参考文献：[1]白梅花.交通流量分析中的线性代数[J].科技资讯，2014.26.[2]张莹华.线性代数机器在经济领域中的应用与作用[J].黑龙江科技信息，2011.30.[3]杨庆.线性代数在数学建模中的一些应用[J].科技资讯，2012.8.。

线性代数在数学建模中的一些应用

随着社会的发展,数学在社会各领域中的应用越来越广泛,作用越来越大。

不但运用到自然科学各学科、各领域,而且渗透到经济、军事、管理以至于社会科学和社会活动的各领域。

不论是用数学方法解决哪类实际问题,还是与其他学科相结合形成交叉学科,首要的和关键的一步是将研究对象的内在规律用数学的语言和方法表述出来,即建立所谓的数学模型,还要将求解得到的结果返回到实际问题中去,这种解决问题的全过程称为数学建模[1]。

建立数学模型是一个比较复杂的过程,该过程可归纳为以下步棸[2]。

(1)对某个实际问题进行观察、分析。

(2)对实际问题进行必要的抽象、简化,作出合理的假设。

(3)确定要建立的模型中的变量和参数。

(4)根据某种规律,建立变量和参数间确定的数学关系,这是最关键的一步。

(5)解析或近似地求解该数学问题,这里要用到很多数学理论和方法。

(6)数学结果能否展示、解释甚至预测实际问题中出现的现象,或用某种方法来验证结果是否正确。

(7)如果(6)的结果是肯定的,则可用于指导实践;如果是否定的,则要回到前面六步重新进行分析,并重复上述建模过程。

作为数学科学的重要分支,线性代数是以矩阵、线性空间结构及线性变换为基本研究对象,其核心是研究线性代数方程组解的情况以及如何更快地求解线性方程组、线性空间结构及线性变换。

线性代数虽然是一门理论性很强的学科,但是它与实际问题也有着十分密切联系。

线性代数中的基本定义都是从实际问题中抽象和概括得到的,因此通过实际问题的求解来理解线性代数中的定义会更有趣更深刻。

例如:在理解行列式的定义时,可以模拟法国数学家Cauchy求解空间多面体模型体积的过程,从平行四边形面积和空间六面体体积出发,得到2阶和3阶行列式的基本公式;再者,在理解矩阵概念时,可以先了解诺贝尔经济学奖获得者美国数学家和经济学家Leontief的投入产出模型。

因此,线性代数的研究脱离不开实际问题。

事实上,线性代数的知识方法和研究结果也可广泛应用于实际问题的解决。

应用型本科大学线性代数中融入数学建模思想的教学探索

1.模型假设：假设煤、电和运费的价格保持不变；
2.模型准备：设煤矿、电厂、铁路分别生产x元、y元、z元刚好可以满足需求，则根据题意有下表：
这是一个非齐次线性方程组，可以通过矩阵的初等变换来求解，也可以用matlab来求解；
3.模型求解：用Matlab解得：x=126 540，y=133 910, z=26040,可见10元的电才能刚好满足需求。
应用型本科大学线性代数中融入数学建模思想的教学探索
摘要：本文通过一些具体的实例，并结合作者的教学实践，探讨了在线性代数教学过程融入数学建模的思想，是一种行之有效的方法，以及这种教学方式对教师的要求。
关键词：数学建模思想；线性代数；应用型本科大学；教学
一、数学建模与线性代数
数学建模就是对实际问题进行一系列的分析，建立出数学模型，然后再利用数学知识对模型求解并用于实际问题的过程。这个过程体现了“用数学”的思想，为培养学生利用数学方法分析、解决实际问题的能力提供了一种有效的方法，让学生不再觉得学习数学无用，这也是数学建模比赛能够迅速发展成为我国高等数学领域重要活动的原因。
另外，矩阵的乘法也是一个十分重要的概念，但是它的定义比较难以理解。在教学中我们可以通过一个计算某企业总收入、总利润的例子让学生理解该内容。用A矩阵表示该企业甲、乙、丙三个分店销售两种产品的日平均销售量，矩阵B表示这两种产品的单价和利润。
这样就知道，矩阵中的第行第列的元素是矩阵第行元素与矩阵第列对应元素的乘积之和，我们把矩阵称为矩阵与的乘积。在这个过程中就融入了数学建模中的思想，也让学生感觉到了矩阵的实用性。
二、数学建模思想融入线性代数教学环节
线性代数课程除了如前所述的特点之外，还有抽象概念多、定理多。如果一上来就直接讲概念、定理，学生会比较难以接受，而且觉得学之无用。因此在线性代数的教学过程中，可以借助定理概念产生的背景和来源，通过对实际问题进行抽象、分析和解答，让学生切实体会到线性代数的实际应用，从中融入数学建模思想，使学生更易理解和掌握，从而提高线性代数的教学效果。

线性代数在数学建模中的应用

目前，在高等数学教学中引入数学建模是解决高等数学教学问题的一种有效方法。在高等数学教学中引入数学建模，就能够帮助学生激发学习兴ｌａ２ ≠０
模型求解：通过消元法求解得到
，
也土血模型建立铲ａｌａ２一ａ２ａｌａ２一ａｚａ；ｔ对于学生而言，建立一个合适的数学模型是一件困难的模型分析，：分母等于方程组系数交叉相乘之差的式子事情。因为现实的问题相对复杂，但是学生在解决现实问题的时候也无法做到全面。所以，在教学过程中，教师需要注也就是：
ＪｏｕｎａｒｌｏｆＫｕｎｍｉｎｇＮａｔｉｏｎａｌＣａｄｒｅｓＡｃａｄｅｍｙ
Ｎｏ．７．２Ｏ１６
线性代数在数学建模中的应用
王珍萍
长治学院沁县师范分院，山西省长治，０４６４００【摘要】一直以来，数学建模都是讲实际问题转化成为数学问题的桥梁。因此，首先分析线性代数在数学建模之中应用，然后对具体的生活实例进行讲解，希望可以通过这样的方式帮助学生增强动手能力，并且可以通过建模的手法，来解决数学问题。【关键词】数学建模：线性代数：学生
ＩｄｌＸｌＸ２＝ｂｌ【ａ２Ｘ１＋ａ２Ｘ２ｂ２
ｌ２一
２｛ｌａｌ
｝
ａ２
将一阶行列式概念引入，同时也可以进行三阶行列式的推出，等到１２阶的时候，就可以进一步的对其规律进行分析。在建模思想当中引入矩阵、线性相关、特征值以及特征向量等，从实际的问题来引出概念，进而帮助学生培养其应用能力以及学习积极性。（二）矩阵乘积在一个城市中有Ａ，Ｂ，Ｃ，Ｄ，现在要进行一次旅游，方式：先乘坐火车，然后坐汽车，从第一个城市坐火车前往第二个城市，然后第二个城市乘坐汽车到第三个城市，那么，在哪两个城市之间才可以实现一次使用两种交通工具城市的旅行四个城市的火车交通线路图和汽车交通线路图如下图１和２所示，而火车和汽车的交通路线实际情况见图３所示。

2）线性代数在数学建模中的应用例举

2）线性代数在数学建模中的应用例举第一篇：2)线性代数在数学建模中的应用例举8015985.docAct3 总复习【Arrangement】1）模拟题2）线性代数在数学建模中的应用例举3）线性代数在考研中的地位和重要性【Content】模拟题一、填空题（每题4分，共20分）：1、n阶方阵A的行列式，则行列式。

2、若向量组线性相关，则t=。

3、若可逆方阵A有特征值2，则必有一个特征值为。

4、若n阶方阵A满足，则＝。

5、行列式＝。

二、（12分）已知 ,解下列方程式8015985.doc三、(14分)设非齐次线性方程组，t取何值时，此方程组无解；t 取何值时，此方程组有解，并在有解时求出该方程组的全部解。

四、(14分)设求：（1）与与的值；（2）满足相似，的可逆阵。

五、（14分）求下列矩阵A的特征值和特征向量。

A=六、（14分）设二次型1．写出f的矩阵表达式；2．用配方法求一可逆线性变换，化f为标准形。

七、证明题（本题12分）设向量组相关性。

线性无关，讨论向量组线性线性代数在数学建模中的应用例举1、森林管理森林中的树木每年都要有一批被砍伐出售。

为使这片森林不被耗尽而且每年都有所收获，每当砍伐一棵时，应该就地补种一棵幼苗，使森林树木总量保持不变。

被出售的树木，其价值取决于树木的高度。

最初，森林中树木有着不同的高度。

我们希望找到一个方案，在维持收获的前提下，如何砍伐树木，才能使被砍伐的树木获得最大的经济效益？2、遗传模型8015985.doc随着人类的进化，人们为了揭示生命的奥妙，越来越注重遗传学的研究，特别是遗传特征的逐代传播，引起人们更多的注意。

无论是人，还是动、植物都会将本身的特征遗传给下一代，这主要是因为后代继承了双亲的基因，形成自己的基因对，基因对确定了后代所表现的特征。

根据亲体基因遗传给后代的方式，建立矩阵模型，利用这些模型可以逐代研究一个总体的基因型的分布。

线性代数在考研中的地位和重要性1、报考工学、经济学、管理学各学科、专业都要考线性代数；2、数学一考试科目试卷结构数学二考试科目数学三考试科目试卷结构数学四考试科目试卷结构高等数学、线性代数、概率论与数理统计1）题分及考试时间：试卷满分为150分，考试时间为180分钟。

线性代数在数学建模中的一些应用

线性代数在数学建模中的一些应用摘要:线性代数是许多高校开设的一门重要基础理论课,作为数学的一个重要的分支,它具有较强的逻辑性、抽象性和广泛的实用性。

数学建模是对实际问题进行分析,利用数学知识和方法建立数学模型,对模型求解并用于实际问题的处理。

因此,数学建模是联系数学和实际问题的重要纽带。

本文通过一些实例讨论了线性代数在数学建模中的一些重要应用。

关键词:线性代数数学建模应用随着社会的发展,数学在社会各领域中的应用越来越广泛,作用越来越大。

不但运用到自然科学各学科、各领域,而且渗透到经济、军事、管理以至于社会科学和社会活动的各领域。

建立数学模型是一个比较复杂的过程,该过程可归纳为以下步棸[2]。

(1)对某个实际问题进行观察、分析。

(2)对实际问题进行必要的抽象、简化,作出合理的假设。

(3)确定要建立的模型中的变量和参数。

(4)根据某种规律,建立变量和参数间确定的数学关系,这是最关键的一步。

(5)解析或近似地求解该数学问题,这里要用到很多数学理论和方法。

(6)数学结果能否展示、解释甚至预测实际问题中出现的现象,或用某种方法来验证结果是否正确。

(7)如果(6)的结果是肯定的,则可用于指导实践;如果是否定的,则要回到前面六步重新进行分析,并重复上述建模过程。

线性代数虽然是一门理论性很强的学科,但是它与实际问题也有着十分密切联系。

线性代数中的基本定义都是从实际问题中抽象和概括得到的,因此通过实际问题的求解来理解线性代数中的定义会更有趣更深刻。

线性代数在数学建模中的应用

第六章线性代数模型§6.1 Matlab 求解线性代数工具简介１．矩阵的秩.rref 或 rrefmovie格式 R = rref(A) %用高斯—约当消元法和行主元法求 A 的行最简行矩阵R.rrefmovie(A) %给出每一步化简的过程.２．方阵的行列式：det(A) ３．逆矩阵：inv(A)指令inv(A)给出方阵A 的逆矩阵，如果A 不可逆，则inv(A)给出的矩阵的元素都是Inf ．利用初等变换也可以求出逆矩阵，构造n 行2n 列的矩阵(A E)，并进行行初等变换，当把A 变为单位矩阵时，E 就变成了A 的逆矩阵．利用matlab 命令rref 可以求出矩阵的行简化阶梯形．输入命令： D=[A,eye(3)] D =1 2 3 1 0 0 2 2 1 0 1 0 3 4 3 0 0 1 rref(D) ans =1.0000 0 0 1.0000 3.0000 -2.0000 0 1.0000 0 -1.5000 -3.0000 2.5000 0 0 1.0000 1.0000 1.0000 -1.0000 n m ⨯线性方程组B AX =的求解是用矩阵除来完成的,B A X \=，当n m =且A 可逆时，给出唯一解．这时矩阵除B A \相当于B A inv *)(；当m n >时，矩阵除给出方程的最小二乘解；当m n <时，矩阵除给出方程的最小范数解．例6.1：解方程组： ⎪⎪⎩⎪⎪⎨⎧=-+=++=+-+=++-12121243132143214321x x x x x x x x x x x x x x 解：输入命令：a=[1 -1 1 2;1 1 -2 1;1 1 1 0;1 0 1 -1]; b=[1;1;2;1]; x=a\b x =0.8333 0.7500 0.4167 0.2500输入命令： z=inv(a)*b z =0.8333 0.7500 0.41670.2500例6.2：解方程组：⎪⎩⎪⎨⎧=-++-=-++-=--++8343242222543215432154321x x x x x x x x x x x x x x x解：方程的个数和未知数不相等，用消去法，将增广矩阵化为行简化阶梯形，如果系数矩阵的秩不等于增广矩阵的秩，则方程组无解；如果系数矩阵的秩等于增广矩阵的秩，则方程组有解，方程组的解就是行简化阶梯形所对应的方程组的解．输入命令：a=[2 1 1 -1 -2 2;1 -1 2 1 -1 4;2 -3 4 3 -1 8]; rref(a) ans =1 0 0 0 0 0 0 1 0 -1 -1 0 0 0 1 0 -1 2由结果看出，4x ,5x 为自由未知量，方程组的解为： 01=x542x x x += 532x x +=例６：解方程组：⎪⎪⎩⎪⎪⎨⎧=+--=--=-+-=+--0320030432142143214321x x x x x x x x x x x x x x x解：输入命令：a=[1 -1 -1 1;1 -1 1 -3;1 -1 0 -1;1 -1 -2 3]; rref(a)ans =1 -1 0 -1 0 0 1 -2 0 0 0 00 0 0 0由结果看出，2x ,4x 为自由未知量，方程组的解为： 421x x x += 432x x =§6.3 交通流量模型城市道路网中每条道路、每个交叉路口的车流量调查，是分析、评价及改善城市交通状况的基础。

线性代数在数学建模中地应用举例

线性代数在数学建模中的应用举例1 基因间“距离”的表示在ABO 血型的人们中，对各种群体的基因的频率进行了研究。

如果我们把四种等位基因A 1，A 2，B ，O 区别开，有人报道了如下的相对频率，见表1.1。

表1.1基因的相对频率问题一个群体与另一群体的接近程度如何？换句话说，就是要一个表示基因的“距离”的合宜的量度。

解有人提出一种利用向量代数的方法。

首先，我们用单位向量来表示每一个群体。

为此目的，我们取每一种频率的平方根，记ki ki f x =.由于对这四种群体的每一种有141=∑=i ki f ，所以我们得到∑==4121i ki x .这意味着下列四个向量的每个都是单位向量.记.444342414,343332313,242322212,141312111⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=x x x x a x x x x a x x x x a x x x x a在四维空间中，这些向量的顶端都位于一个半径为1的球面上. 现在用两个向量间的夹角来表示两个对应的群体间的“距离”似乎是合理的.如果我们把a 1和a 2之间的夹角记为θ，那么由于| a 1|=| a 2|=1，再由内只公式，得21cos a a ⋅=θ而.8307.03464.02943.03216.0,8228.01778.00000.05398.021⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=a a 故 9187.0cos 21=⋅=a a θ 得 2.23=θ°. 按同样的方式，我们可以得到表1.2.表1.2基因间的“距离”由表1.2可见，最小的基因“距离”是班图人和英国人之间的“距离”，而爱斯基摩人和班图人之间的基因“距离”最大.2 Euler 的四面体问题问题如何用四面体的六条棱长去表示它的体积？这个问题是由Euler （欧拉）提出的.解建立如图2.1所示坐标系，设A ，B ，C 三点的坐标分别为（a 1,b 1,c 1）,( a 2,b 2,c 2)和（a 3,b 3,c 3），并设四面体O-ABC 的六条棱长分别为.,,,,,r q p n m l 由立体几何知道，该四面体的体积V 等于以向量→→→OC OB OA ,,组成右手系时，以它们为棱的平行六面体的体积V 6的16.而)(.3332221116c b a c b a c b a OC OB OA V =⋅⨯= 于是得 .6333222111c b a c b a c b a V = 将上式平方，得.362323233232323231313232322222221212131313121212121212133322211133322211122c b a c c b b a a c c b b a a c c b b a a c b a c c b b a a c c b b a a c c b b a a cb ac b a c b a c b a c b a c b a c b a V ++++++++++++++++++=⋅=根据向量的数量积的坐标表示，有.,,,,232323323232222222313131212121212121c b a OC OC c c b b a a OC OB c b a OB OB c c b b a a OC OA c c b b a a c b a ++=⋅++=⋅++=⋅++=⋅++=⋅++=⋅ 于是362OC OC OB OC OB OBOB OB OA OBOA OA V ⋅⋅⋅= （2.1）由余弦定理，可行.2cos 222n q p q p -+=⋅⋅=⋅θ同理.2,2222222l r q m r p -+=⋅-+=⋅将以上各式代入（2.1）式，得.222222362222222222222222222222r l r p m r p l r p p n q p m r p n q p pV -+-+-+-+-+-+=（2.2）这就是Euler 的四面体体积公式.例一块形状为四面体的花岗岩巨石，量得六条棱长分别为l =10m, m =15m, n =12m, p =14m, q =13m, r =11m.则.952222,462222,5.1102222=-+=-+=-+l r p m r p n q p代入（2.1）式，得.75.13698291219546951695.110465.110196236==V 于是.)195(82639.38050223m V ≈≈即花岗岩巨石的体积约为195m 3.古埃及的金字塔形状为四面体，因而可通过测量其六条棱长去计算金字塔的体积.3 动物数量的按年龄段预测问题问题某农场饲养的某种动物所能达到的最大年龄为15岁，将其分成三个年龄组：第一组，0～5岁；第二组，6～10岁；第三组，11～15岁.动物从第二年龄组起开始繁殖后代，经过长期统计，第二组和第三组的繁殖率分别为4和3.第一年龄和第二年龄组的动物能顺利进入下一个年龄组的存活率分别为12 和14.假设农场现有三个年龄段的动物各100头，问15年后农场三个年龄段的动物各有多少头？问题分析与建模因年龄分组为5岁一段，故将时间周期也取为5年.15年后就经过了3个时间周期.设)(k i x 表示第k 个时间周期的第i 组年龄阶段动物的数量（k =1，2，3；i =1，2，3）.因为某一时间周期第二年龄组和第三年龄组动物的数量是由上一时间周期上一年龄组存活下来动物的数量，所以有).3,2,1(41,21)1(2)(3)1(1)(2===--k x x x x k k k k又因为某一时间周期，第一年龄组动物的数量是由于一时间周期各年龄组出生的动物的数量，所以有).3,2,1(34)1(3)1(2)(1=+=--k x x x k k k于是我们得到递推关系式：⎪⎪⎪⎩⎪⎪⎪⎨⎧==+=----.41,21,34)1(2)(3)1(1213)1(2)(1k k k k k k k x x x x x x x 用矩阵表示).3,2,1(04100021340)1(3)1(2)1(1)(3)(2)(1=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡---k x x x x x x k k k k k k则).3,2,1()1()(==-k Lx x k k其中.100010001000,0410*******)0(⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=x L 则有),3,2,1()(3)(2)(1)(=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=k x x x x k k k k,250500700010001000100004100021340)0()1(⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡==Lx x,12535002750250500700004100021340)1()2(⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡==Lx x .8751375143751253500275004100021340)2()3(⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡==Lx x 结果分析 15年后，农场饲养的动物总数将达到16625头，其中0～5岁的有14375头，占86.47%，6～10岁的有1375头，占8.27%，11～15岁的有875头，占 5.226%.15年间，动物总增长16625-3000=13625头，总增长率为13625/3000=454.16%.注要知道很多年以后的情况，可通过研究式)0()1()(x L Lx x k k k ==-中当趋于无穷大时的极限状况得到.关于年龄分布的人口预测模型我们将人口按相同的年限（比如5年）分成若干年龄组，同时假设各年龄段的田、女人口分布相同，这样就可以通过只考虑女性人口来简化模型.人口发展随时间变化，一个时间周期的幅度使之对应于基本年龄组间距（如先例的5年），令)(k i x 是在时间周期k 时第i 个年龄组的（女性）人口，i =1,2,…,n .用1表示最低年龄组，用n 表示最高年龄组，这意味着不考虑更大年龄组人口的变化.假如排除死亡的情形，那么在一个周期内第i 个年龄组的成员将全部转移到i +1个年龄组.但是，实际上必须考虑到死亡率，因此这一转移过程可由一存活系数所衰减. 于是，这一转移过程可由下述议程简单地描述：),1,,2,1()1()(1-==-+n i x b x k ii k i其中i b 是在第i 个年龄组在一个周期的存活率，因子i b 可由统计资料确定.惟一不能由上述议程确定的年龄组是,)(1k x 其中的成员是在后面的周期内出生的，他们是后面的周期内成员的后代，因此这个年龄组的成员取决于后面的周期内各组的出生率及其人数.于是有方程,)1(122)1(11)(1---+++=k n n k k k x a x a x a x （3.1）这里),,2,1(n i a i =是第i 个年龄组的出生率，它是由每时间周期内，第i 个年龄组的每一个成员的女性后代的人数来表示的，通常可由统计资料来确定.于是我们得到了单性别分组的人口模型，用矩阵表示便是,00000000000)1()1(3)1(2)1(11211321)()(3)(2)(1⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡------k n k k k n n n k n k k k x x x x b b b a a a a a x x x x或者简写成.)1()(-=k k Lx x （3.2）矩阵⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡--0000000000001211321n n n b b b a a a a a L称为Leslie 矩阵.由（3.2）式递推可得)0()1()(x L Lx x k k k ==-这就是Leslie 模型.4 企业投入产生分析模型问题某地区有三个重要产业，一个煤矿、一个发电厂和一条地方铁路.开采一元钱的煤，煤矿要支付0.25元的电费及0.25元的运输费.生产一元钱的电力，发电厂要支付0.65元的煤费，0.05元的电费及0.05元的运输费.创收一元钱的运输费,铁路要支付0.55元的煤费及0.10元的电费.在某一周内，煤矿接到外地金额为50000元的定货，发电厂接到外地金额为25000元的定货，外界对地方铁路没有需求.问三个企业在这一周内总产值多少才能满足自身及外界的需求？数学模型设x 1为煤矿本周内的总产值，x 2为电厂本周的总产值，x 3为铁路本周内的总产值，则⎪⎩⎪⎨⎧=⨯++-=++-=++⨯-,0)005.025.0(,25000)10.005.025.0(,50000)55.065.00(321332123211x x x x x x x x x x x x （4.1）即.02500050000005.025.010.005.025.055.065.00321321⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡x x x x x x 即.025********,005.025.010.005.025.055.065.00,321⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=Y A x x x X 矩阵A 称为直接消耗矩阵，X 称为产出向量，Y 称为需求向量，则方程组（4.1）为,Y AX X =-即Y X A E =-)(，（4.2）其中矩阵E 为单位矩阵，（E-A ）称为列昂杰夫矩阵，列昂杰夫矩阵为非奇异矩阵.投入产出分析表设,00000,)(3211⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=--=-x x x A C E A E B D=（1，1，1）C.矩阵B 称为完全消耗矩阵，它与矩阵A 一起在各个部门之间的投入产生中起平衡作用.矩阵C 可以称为投入产出矩阵，它的元素表示煤矿、电厂、铁路之间的投入产出关系.向量D 称为总投入向量，它的元素是矩阵C 的对应列元素之和，分别表示煤矿、电厂、铁路得到的总投入.由矩阵C ，向量Y ，X 和D ，可得投入产出分析表4.1.表4.1 投入产出分析表单位：元煤矿电厂铁路外界需求总产出煤矿 11c 12c 13c 1y 1x 电厂 21c22c23c 2y2x铁路 31c 32c 33c3y 3x 总投入1d2d3d计算求解按（4.2）式解方程组可得产出向量X ，于是可计算矩阵C 和向量D ，计算结果如表4.2.表4.2 投入产出计算结果单位：元煤矿电厂铁路外界需求总产出煤矿 0 36505.96 15581.51 50000 102087.48 电厂 25521.87 2808.15 2833.0025000 56163.02 铁路 25521.87 2808.15 0 0 28330.02总投入51043.7442122.2718414.525 交通流量的计算模型问题图5.1给出了某城市部分单行街道的交通流量（每小时过车数）.假设：（1）全部流入网络的流量等于全部流出网络的流量；（2）全部流入一个节点的流量等于全部流出此节点的流量.试建立数学模型确定该交通网络未知部分的具体流量.建模与计算由网络流量假设，所给问题满足如下线方程组：⎪⎪⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎪⎪⎨⎧=++==-==+=+=+=-=+=+-.1000,600,200,400,1000,800,800,200,500,3006381091098751216754432x x x x x x x x x x x x x x x x x x x x 系数矩阵为.0010101100000000011000000000100000000001100000000000100010000000011000110000000000110000000001110⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡---=A 增广矩阵阶梯形最简形式为.0000000000000000000006001000000000400010000000010000011000000800001010000050000000110002000000000100000000100108000000010001⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡-=B 其对应的齐次方程组为⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎨⎧===+=+=+==-=+.0,0,0,0,0,0,0,010987865435251x x x x x x x x x x x x x 取（x 5,x 8）为自由取值未知量，分别赋两组值为（1,0），（0,1），得齐次方程组基础解系中两个解向量(),',0,0,0,0,0,1,1,0,1,11--=η (),'0,0,1,1,1,0,0,0,0,02--=η其对应的非齐次方程组为⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎨⎧===+=+=+==-=+.600,400,1000,800,500,200,0,80010987865435251x x x x x x x x x x x x x 赋值给自由未知量（x 5,x 8）为（0,0）得非齐次方程组的特解()'.600,400,0,1000,800,0,500,200,0,800=*x于是方程组的通解,*2211x k k x ++=ηη其中k 1，k 2为任意常数，x 的每一个分量即为交通网络未知部分的具体流量，它有无穷多解.6 小行星的轨道模型问题一天文学家要确定一颗小行星绕太阳运行的轨道，他在轨道平面内建立以太阳为原点的直角坐标系，在两坐标轴上取天文测量单位（一天文单位为地球到太阳的平均距离：1.4959787×1011m ）.在5个不同的时间对小行星作了5次观察，测得轨道上5个点的坐标数据如表6.1.表6.1 坐标数据由Kepler （开普勒）第一定律知，小行星轨道为一椭圆.现需要建立椭圆的方程以供研究（注：椭圆的一般方程可表示为012225423221=+++++y a x a y a xy a x a .问题分析与建立模型天文学家确定小行星运动的轨道时，他的依据是轨道上五个点的坐标数据：（x 1, y 1）, （x 2, y 2）, （x 3, y 3）, （x 4, y 4）, （x 5, y 5）. 由Kepler 第一定律知，小行星轨道为一椭圆.而椭圆属于二次曲线，二次曲线的一般方程为012225423221=+++++y a x a y a xy a x a .为了确定方程中的五个待定系数，将五个点的坐标分别代入上面的方程，得⎪⎪⎪⎩⎪⎪⎪⎨⎧-=++++-=++++-=++++-=++++-=++++.1222122212221222122255542535522514544243442241353423333223125242232222211514213112211y a x a y a y x a x a ，y a x a y a y x a x a ，y a x a y a y x a x a ，y a x a y a y x a x a ，y a x a y a y x a x a 这是一个包含五个未知数的线性方程组，写成矩阵⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡-----=⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡11111222222222222222543215525552544244424332333232222222211211121a a a a a y x y y x x y x y y x x y x y y x x y x y y x x y x y y x x 求解这一线性方程组，所得的是一个二次曲线方程.为了知道小行星轨道的一些参数,还必须将二次曲线方程化为椭圆的标准方程形式:12222=+bY a X 由于太阳的位置是小行星轨道的一个焦点,这时可以根据椭圆的长半轴a 和短半轴b 计算出小行星的近日点和远日点距离,以及椭圆周长L .根据二次曲线理论,可得椭圆经过旋转和平移两种变换后的方程如下:[].02221=++C DY X λλ 所以,椭圆长半轴:C D a 1λ=;椭圆短半轴: CDb 2λ=;椭圆半焦矩:22b ac -=.计算求解首先由五个点的坐标数据形成线性方程组的系数矩阵⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=7200.69600.142896.112656.509504.550520.53360.143807.62127.363802.516460.35180.133233.36433.246841.454040.25720.124448.11115.155138.39292.1528.114199.04701.72237.33A使用计算机可求得).2165.0,6351.1,6942.0,3440.0,6143.0(),,,,(54321---=a a a a a从而⎪⎪⎭⎫⎝⎛--=⎥⎦⎤⎢⎣⎡=6942.03440.03440.06143.03221a a a a CC C ,3081.0=的特征值.0005.1,3080.021==λλ .12165.06351.12165.06942.03440.06351.13440.06143.0154532321⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-------=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=a a a a a a a a D .8203.1-=D于是,椭圆长半轴1834.19=a ,短半轴9045.5=b ,半焦距2521.18=c .小行星近日点距和远日点距为.4355.37,039313=+==-=c a H c a h最后,椭圆的周长的准确计算要用到椭圆积分,可以考虑用数值积分解决问题,其近似值为84.7887.7 人口迁移的动态分析问题对城乡人口流动作年度调查,发现有一个稳定的朝向城镇流动的趋势:每年农村居民的2.5%移居城镇,而城镇居民的1%迁出.现在总人口的60%位于城镇.假如城乡总人口保持不变,并且人口流动的这种趋势继续下去,那么一年以后住在城镇人口所占比例是多少?两年以后呢?十年以后呢?最终呢?解设开始时,令乡村人口为,0y 城镇人口为,0z 一年以后有乡村人口,10011000975100y z y =+ 城镇人口,10099100025100z z y =+ 或写成矩阵形式⎥⎦⎤⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎦⎤⎢⎣⎡00111009910002510011000975z y z y . 两年以后,有.100991000251001100097510099100025100110009750021122⎥⎦⎤⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎦⎤⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎦⎤⎢⎣⎡z y z y z y . 十年以后,有.100991000251001100097500101010⎥⎦⎤⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎦⎤⎢⎣⎡z y z y 事实上,它给出了一个差分方程:k k Au u =+1.我们现在来解这个差分方程.首先,1009910002510011000975⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=Ak 年之后的分布(将A 对角化):.75757275100200193115210000⎥⎦⎤⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎪⎭⎫ ⎝⎛⎥⎥⎦⎤⎢⎢⎣⎡-=⎥⎦⎤⎢⎣⎡=⎥⎦⎤⎢⎣⎡z y z y A z y k k k k 这就是我们所要的解,而且容易看出经过很长一个时期以后这个解会达到一个极限状态.7572)(00⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡+=⎥⎦⎤⎢⎣⎡∞∞z y z y 总人口仍是00z y +,与开始时一样,但在此极限中人口的75在城镇,而72在乡村.无论初始分布是什么样,这总是成立的.值得注意这个稳定状态正是A 的属于特征值1的特征向量.上述例子有一些很好的性质:人口总数保持不变,而且乡村和城镇的人口数决不能为负.前一性质反映在下面事实中:矩阵每一列加起来为1;每个人都被计算在内,而没有人被重复或丢失.后一性质则反映在下面事实中:矩阵没有负元素;同样地0y 和0z 也是非负的,从而1y 和21,y z 和2z 等等也是这样.8 常染色体遗传模型为了揭示生命的奥秘,遗传学的研究已引起了人们的广泛兴趣.动植物在产生下一代的过程中,总是将自己的特征遗传给下一代,从而完成一种“生命的延续”.在常染色体遗传中,后代从每个亲体的基因对中各继承一个基因,形成自己的基因对.人类眼睛颜色即是通过常染色体控制的,其特征遗传由两个基因A 和a 控制.基因对是AA 和Aa 的人,眼睛是棕色,基因对是aa 的人,眼睛为蓝色.由于AA 和Aa 都表示了同一外部特征,或认为基因A 支配a ,也可认为基因a 对于基因A 来说是隐性的(或称A 为显性基因,a 为隐性基因).下面我们选取一个常染色体遗传——植物后代问题进行讨论.某植物园中植物的基因型为AA ,Aa ,aa .人们计划用AA 型植物与每种基因型植物相结合的方案培育植物后代.经过若干年后,这种植物后代的三种基因型分布将出现什么情形?我们假设),2,2,0(,, =n c b a n n n 分别代表第n 代植物中,基因型为AA ,Aa 和aa 的植物占植物总数的百分率,令),,()('=n n n n c b a x 为第n 代植物的基因分布,),,(000)0('=c b a x 表示植物基因型的初始分布,显然,我们有.1000=++c b a (8.1)先考虑第n 代中的AA 型，第1-n 代AA 型与AA 型相结合，后代全部是AA 型；第1-n 代的Aa 型与和与AA 相结合，后代是AA 型的可能性为21；1-n 代的aa 型与AA 型相结合，后代不可能是AA 型。

线性代数在数学建模中的一些应用

学术论坛
ＳＯＴＮＧ２Ｎ８圆ＣＥＥＯＹＯ．Ｉ＆ＣＬ１ｌＥＨＯ．。２Ｎ．０。。０２１应用
杨庆（东海洋大学寸金学院基础部广东湛江５４９）广２０４摘要：线性代数是许多高校开设的一门重要基础理论课，为数学的一个重要的分支，作它具有较强的逻辑性、抽象性和广泛的实用性。数学建模是对实际问题进行分析，利用数学知识和方法建立数学模型，对模型求解并用于实际问题的处理。因此，学建模是联系数学和数实际问题的重要纽带。本文通过一些实例讨论了线性代数在数学建模中的一些重要应用。关键词：线性代数数学建模应用中图分类号：１１０５文献标识码：Ａ文章编号：６２７１２１）３ｂ一０９ —０１７ —３９（Ｏ２０（）１８２
应用举例：一个 “ ” 型公路环网，设井字
（）据某种规律，立变量和参数间４根建确定的数学关系，是最关键的一步。这里要用到很多数学理论和方法。实际问题中出现的现象，用某种方法来或
ｃ为密文矩阵，有下面的加密算法和解则（）密算法。１加
加密时，用矩阵乘法Ｃ：Ａ或采Ｂ
Ｃ＝ＢＡ。
首要的和关键的一步是将研究对象的内在空间六面体体积出发，到２和３行列密算法。得阶阶规律用数学的语言和方法表述出来，建式的基本公式；者，理解矩阵概念时，即再在立所谓的数学模型，要将求解得到的结可以先了解诺贝尔经济学奖获得者美国数还果返回到实际问题中去，种解决问题的学家和经济学家Ｌｏｔｅ的投入产出模型。这ｅｎｉｆ全过程称为数学建模…。程，过程可归纳为以下步聚ｆ。该２］（）某个实际问题进行观察、析。１对分

研究线性代数中的数学建模论文

研究线性代数中的数学建模论文研究线性代数中的数学建模论文一、线性代数教学中融入数学建模的必要性线性代数是高职院校机电、信息、经济管理等专业的一门重要基础课程和工具课程．学生学习这门课程就是要用相应的数学方法解决实际问题，而数学建模就是培养数学实践能力的最有效最实用的方法．目前众多高校在线性代数教学中，教学内容更新缓慢，过多追求逻辑的严密性和理论体系的完整性，缺乏对学生动手能力和应用能力的培养，不利于与其它课程和所属专业的衔接，造成了学生“学不会，用不了”的局面．因此，在线性代数中融入数学建模思想是非常必要，也是势在必行的．二、在线性代数教学中融入数学建模思想的有益尝试1数学建模思想在线性代数理论背景中的渗透线性代数中诸多概念和定理都是对相关实际问题的抽象和概括．如果不介绍实际背景直接讲解，对高职生而言难以接受，他们往往靠机械记忆．因此在教学过程中，可借助于线性代数理论产生的来源和背景，通过对实际问题进行抽象、概括、分析和求解的过程，可让学生切实体会到由实际问题到数学理论的思想方法，从中渗透数学建模的思想方法．矩阵是课程各部分内容的纽带．在讲解矩阵和矩阵运算概念时，可引入此实例．三个炼油厂I、II、III生成甲、乙、丙、丁四种油品，现要统计此三个分厂2010年与2011年生产四种油品的总产量．为了使学生体会数学建模思想，教学过程可如下进行．(1)问题分析与模型建立:教师可以提问一年中各炼油厂生产各油品的数量如何表示?可以提示产品统计量按炼油厂与油品排成行与列，以数表的形式表示．经学生思考后，教师给出肯定答案．同时指出在数据上加上括号就得到了矩阵的定义．(2)模型求解:用矩阵A、B分别表示2010、2011年三个炼油厂所生产的四种油品的产量，引导学生思考若要求两年各工厂生产各油品的总产量的计算方法，通过师生之间的分析讨论，从而水到渠成地引出矩阵运算A+B．通过这个实例，学生既了解到矩阵和矩阵运算产生的背景和在实际中的应用，又体会到了数学建模的过程，增强了学习的兴趣，也为后面学习打下良好的基础．2针对学生专业特点，融入相应的数学模型在线性代数教学中，对于不同的专业，可以有所侧重地补充相应的数学模型．而且确保融入的每一个数学模型都能反映出线性代数知识的本质，让学生通过这些模型对线性代数的知识点有充分的认识和理解，激发他们学习的`积极性．在讲授面向专业的数学模型时，应遵循专业实际问题→数学模型→数学解答→应用于专业问题的教学过程．即通过案例分析，筛选变量要素，强调如何用数学语言描述和简化实际问题，进而揭示其内在规律，利用线性代数知识建立线性代数模型，然后引导学生运用所学知识求解模型和应用模型分析实际问题．当然，不同的模型，突出的重点也需要作适当的调整．如在讲解线性方程组解的问题时，对电信专业可以适当融入电路网络方面的数学模型;对于信息专业可以融入计算机图形处理模型;对经济类专业可以融入投入产出模型等等．教师引导学生分析和解决问题，使学生体会到线性方程组与专业课的结合，激发学生学习课程的积极性．由于课堂时间有限，我们可选用比较小的数学建模问题，难易程度可参考如下案例所示．投入产出模型:某地区有三个重要企业:一个煤矿，一个发电厂和一条铁路．开采1元的煤，煤矿要支付0．25元的电费及0．25元的运输费．生产1元的电力，发电厂要支付0．65元的煤费、0．05元的电费及0．05元的运输费．创收1元的运输费，铁路要支付0．55元的煤费及0．1元的电费．在某一周内，煤矿接到外地50000元的订货，发电厂接到外地金额为2500元的订货，问三个企业在一周内生产总值各位多少?三个企业互相支付多少金额?(1)模型假设与变量说明．假设该地区三个产业间需要的资金完全由该地区提供．设本周内煤矿的总产值为x1，电厂的总产值为x2，铁路总产值为x(2)模型的分析与建立．煤的产值=订货值+(发电+运输)所需要煤的费用;同理，电厂的产值=订货值+(开采煤+运输+发电);铁路的产值=订货值+(开采煤+发电)所需要的运输费用．3立足数学建模思想的有效融入，多种教学手段有机结合线性代数教学可以尝试采用多种教学手段相结合，以期达到很好的教学效果．(1)平衡多媒体教学与传统教学．多媒体教学有很好的辅助作用．在教学中引入数学模型时，需要利用多媒体课件呈现实际问题，以及引导学生对模型的分析与求解，使教学内容生动形象．例如，在基础理论教学中，对于比较抽象的概念，如矩阵的特征值、特征向量等，可以利用多媒体课件展示它们的几何意义，使学生从直观上加深对概念的理解，起到事倍功半的效果．可见，多媒体教学可以增加教学容量，扩大教学空间，延长教学时间．但是，传统的黑板教学在把握数学思维的发展、形成过程和知识反馈等方面，要技高一筹，教师所表现出的艺术感染力和魅力不是多媒体所能替代的．因此，我们要逐步找到传统教学手段与多媒体教学有机结合的平衡点，充分发挥多媒体对教学内容的补充和延伸优势，同时体现传统教学的逻辑性，不断提高教学质量．(2)增设适当的数学实验．根据线性代数计算程序化和独特的计算特征，增加数学软件的上机操作和数学实验，训练学生用计算机解决问题．首先在多媒体课件中添加了Matlab界面下矩阵生成、运算以及线性方程组各情形下的相应解法．而且，在课程中融入数学模型的求解过程也是利用数学软件完成的，这样可以用来引导学生学习数学软件．其次，在每章节加入了相关的实验内容，帮助学生能借助简单的Excel程序和Matlab软件进行科学计算，以增强学生科学计算能力．这样可以更好的提高学生应用线性代数的实践能力．(3)充分利用网路教学．当将数学模型融入课堂时，会出现学时少与信息量大的矛盾，而且由于学生的认知水平不同，对数学建模思想的领会程度也会有较大差异．为此，我们可以利用校园网建立课程网站，作为课堂教学的补充，为学生提供多层次、多方位的教学资源．网站中的教学资源除包括课堂教学内容外，还提供丰富的与专业相关的数学模型和数学实验，可以利用网上答疑和学生进行数学模型的讨论，算法的研究等．这样缩短了学生与数学建模的距离，而且学生还可以根据需要自由地选择学习内容和形式，灵活安排自己的学习时间，有利于培养学生应用线性代数解决实际问题和其创新能力．4重视教师队伍高素质化建设教师是课堂教学的主导者，能否在教学中顺利向学生渗透数学建模思想，教师的素质起着重要作用．这就给我们教师队伍提出了较高的要求，无论是从教育理念上，还是从教学内容、教学方法和教学手段上，都应有新的突破．教学过程中，要求教师对自身的知识体系和知识内容进行及时更新，以适应信息化社会的需求，并应由传统的课堂主导者转变为以学生为主体，通过现代化教学手段，积极调动学生学习的积极性和学习热情．教师要积极参与数学建模竞赛的培训和指导，积极主动地学习和掌握数学建模知识，亲身体会建模的全过程．同时，教师也要结合自己的研究方向，将专业知识运用到实际问题中，进而不断提高自己的数学建模能力和水平．几年的实践表明将数学建模思想融入线性代数教学中的探索与尝试，旨在使学生领悟数学精神的实质、思想方法及其应用，从而培养学生的数学实践能力和创新能力．在这个长期系统的工程里，课程教学所涉及的教材建设、教学内容、教学手段和方法等方面，还是需要不断地进行探索与改革的．这是需要广大教育工作者的继续努力，以适应培养应用型人才目标的需要．。

浅谈线性代数方法在解决高等数学问题中的应用

浅谈线性代数方法在解决高等数学问题中的应用线性代数是数学的一个分支，广泛应用于科学与工程领域。

线性代数方法在解决高等数学问题中有着重要的应用，可以帮助我们更好地理解和解决复杂的数学问题。

本文将从不同的角度，浅谈线性代数方法在解决高等数学问题中的应用。

一、线性代数在解决方程组中的应用在高等数学中，我们经常要解决各种各样的方程组，比如线性方程组、非线性方程组等。

而线性代数方法能够帮助我们更加便捷地解决这些问题，化繁为简。

对于线性方程组，我们可以利用矩阵和向量的方法来进行求解。

通过求解线性方程组，可以得到方程组的解集，进而得到方程组的性质和特点。

而在非线性方程组的情况下，线性代数方法也可以通过线性化处理来求解非线性方程组，简化问题的复杂性，提高求解效率。

在高等数学中，向量空间是一个非常重要的概念，它是线性代数的核心内容之一。

线性代数通过向量空间的概念，帮助我们理解和描述向量的性质、运算法则和空间关系，对于解决高等数学中的向量运算、几何关系等问题具有重要意义。

在向量空间中，线性代数方法可以帮助我们进行向量的线性组合、向量的线性相关性、向量的投影等运算，从而更好地应用向量空间的概念来解决高等数学中的问题。

比如在几何向量运算中，通过向量的线性组合和向量的投影，可以方便地解决向量的加法、数量积等运算问题。

线性代数方法还可以帮助我们更好地理解向量的线性无关性和线性相关性，从而更好地应用向量空间的知识进行分析和计算。

在矩阵和行列式中，线性代数可以帮助我们进行矩阵的运算、矩阵的特征值和特征向量的计算、矩阵的相似和对角化、行列式的性质和行列式的求解等操作，从而更好地应用矩阵和行列式的知识来解决高等数学中的方程组、矩阵方程、行列式方程等各种问题。

数学建模是数学的一个重要应用领域，它涉及到多个学科的知识，其中包括线性代数。

线性代数方法在数学建模中具有重要的应用价值，可以帮助我们更好地建立模型、进行数据处理、进行参数估计等操作，从而解决实际问题。

高等代数在数学建模中的应用探讨

高等代数在数学建模中的应用探讨引言高等代数作为数学的一个重要分支，不仅是数学理论研究的重要工具，更是在实际问题的数学建模中起着重要的作用。

数学建模是将实际的复杂问题抽象成数学模型，然后利用数学方法进行分析和求解的过程。

在数学建模的过程中，高等代数作为数学的一个核心内容，提供了丰富的理论工具和方法，为实际问题的建模和求解提供了重要的支持。

本文将从线性代数、矩阵理论、群论等方面探讨高等代数在数学建模中的应用，希望能够对读者有所启发。

一、线性代数在数学建模中的应用线性代数作为高等代数的一个重要分支，具有广泛的应用价值。

在数学建模中，线性代数常常是描述和解决实际问题的重要工具。

对于工程问题中的线性系统，线性代数提供了丰富的理论工具和方法，能够做出准确的分析和预测。

在经济学、物理学、生物学等领域，线性代数也都有着重要的应用价值。

在数学建模中，线性代数的一个重要应用是在数据分析中。

现实中的数据常常是以矩阵的形式呈现，而线性代数提供了丰富的矩阵理论和方法。

通过矩阵运算、特征值分解、奇异值分解等方法，可以对数据进行有效的处理和分析，从而揭示数据的内在规律和特性。

在控制系统的建模和分析过程中，线性代数也发挥着重要作用。

通过线性代数的方法，可以建立系统的状态空间模型，并对系统的稳定性和性能进行分析和设计。

这对于工程领域的实际问题具有重要的意义。

矩阵理论作为高等代数的一个重要内容，具有丰富的应用价值。

在数学建模中，矩阵理论常常被用来描述和求解实际问题，具有重要的意义。

在工程领域中，矩阵理论被广泛应用于结构分析、电路分析、信号处理等问题中。

在结构分析中，通过建立结构的刚度矩阵和荷载矩阵，可以对结构进行强度和稳定性的分析；在电路分析中，通过建立电路的导纳矩阵和电流源矩阵，可以对电路进行分析和设计。

在图论中，矩阵理论也有着重要的应用。

通过邻接矩阵和关联矩阵，可以对图的性质和结构进行深入的研究，为实际问题的建模和分析提供了重要的支持。

线性代数在经济计量模型中的应用实践

线性代数在经济计量模型中的应用实践引言：经济计量模型是指基于统计方法的经济学模型，用于解释经济现象、预测未来趋势、制定政策等。

线性代数作为一门数学分支，通过研究向量空间、线性变换、线性方程组等概念，为经济计量模型的构建和应用提供了有力的工具。

本文将探讨线性代数在经济计量模型中的应用实践，并分析其作用和效果。

一、矩阵与向量的表示1.1 矩阵在经济计量模型中，数据常以矩阵的形式进行表示。

矩阵可以用来存储相关数据，例如变量的观测值或者相关系数。

通过矩阵的运算，可以对数据进行处理和分析，从而得到有用的信息和结论。

1.2 向量向量是线性代数中的重要概念，经济计量模型中的变量往往以向量的形式进行表示。

通过向量的线性组合、点积等运算，可以描述和分析变量之间的关系和特征。

例如，收入、消费、投资等经济变量可以用一个向量来表示，从而构建经济计量模型。

二、线性方程组的求解2.1 矩阵的行列式在经济计量模型的建立过程中，常会遇到线性方程组的求解问题。

线性代数中的行列式可以用来判断方程组是否有解，以及解的唯一性。

通过初等行变换等方法，可以求解线性方程组，并得到经济计量模型的解析解。

2.2 矩阵的逆矩阵的逆是线性代数中的重要概念，对于经济计量模型的求解具有重要作用。

当矩阵可逆时，可以通过矩阵的逆来求解线性方程组，得到模型的参数估计值。

通过计算和推导，可以得到模型的最优解，从而提高模型的预测能力和决策效果。

三、特征值与特征向量的分析3.1 特征值与特征向量的定义在经济计量模型的应用中，特征值与特征向量用来描述变量之间的相互作用和影响。

特征值表示变量的重要程度，而特征向量表示变量之间的关系和方向。

3.2 特征值与特征向量的计算通过线性代数的方法，可以计算矩阵的特征值和特征向量。

在经济计量模型中，可以通过计算特征值和特征向量来分析变量之间的关联性，从而找出主要影响因素和变量的权重，为经济决策提供依据。

四、矩阵分解与经济计量模型4.1 LU分解LU分解是线性代数中的一种矩阵分解方法，常用于解决线性方程组的求解问题。

线性代数在数据科学中的应用

线性代数在数据科学中的应用线性代数是数学的一个分支，研究向量空间和线性映射等代数结构及其表达方式。

它作为一门工具学科，广泛应用于各个领域，其中数据科学是一个重要的应用领域。

本文将探讨线性代数在数据科学中的应用。

一、向量表示和线性回归在数据科学中，经常需要处理大量的数据以及对这些数据进行分析和建模。

其中，向量是一种常用的数据结构，可以用来表示具有多个特征的数据点。

线性代数中的向量运算和线性方程组求解方法，为我们提供了解决数据建模与分析问题的工具。

例如，在线性回归问题中，我们需要根据一些已知的特征来预测目标变量的值。

假设我们有n个样本数据，每个样本有m个特征。

可以将这些样本数据表示为一个n行m列的矩阵X，目标变量的值表示为一个n行1列的向量Y。

线性回归模型可以表示为Y = X * β + ε，其中β表示系数向量，ε表示误差向量。

通过最小二乘法等方法，可以求解出最优的系数向量β，从而得到一个用于预测的线性回归模型。

二、矩阵分解和主成分分析矩阵分解是线性代数中的一个重要概念，可以将一个矩阵拆分为多个因子的乘积形式。

在数据科学中，矩阵分解广泛应用于推荐系统、图像处理以及数据降维等领域。

其中，主成分分析（PCA）是一种常用的数据降维技术。

它通过将原始数据映射到一个更低维度的空间，从而能够保留原始数据中的主要特征。

具体而言，PCA可以将一个包含n个样本、m个特征的数据矩阵X分解成X = U * Σ * V^T的形式，其中U和V为正交矩阵，Σ为对角矩阵。

通过保留对应于最大特征值的前k个特征向量，可以得到一个k维的投影矩阵，从而实现数据降维的目标。

三、矩阵计算和网络分析矩阵计算是线性代数的一个重要分支，在数据科学中也有广泛的应用。

例如，在网络分析中，我们经常需要计算网络中节点之间的关系和相似性。

这些关系可以通过一个邻接矩阵来表示，其中矩阵的元素表示节点之间的连接情况。

通过对邻接矩阵进行矩阵运算，我们可以得到各种网络分析的指标。