线性代数在数学建模中的应用举例

合集下载

线性代数理论在计算机图形学中的应用

线性代数理论在计算机图形学中的应用随着计算机技术的不断进步，计算机图形学以其独特的视觉效果成为了众多计算机领域中最具有趣味和挑战性的研究领域之一。

在计算机图形学中，线性代数是一个非常重要的数学工具和基础理论，不仅在三维图形的建模、渲染和动画中都有广泛的应用，还在计算机视觉、机器学习和模式识别等领域起着重要的作用。

一、矩阵和向量在计算机图形学中，矩阵和向量是最基本的数学概念之一。

矩阵和向量可以用来表示物体、光源、场景等重要的信息。

在3D图像建模中，矩阵和向量被用来描述三维坐标，来表示物体的方向、位置和方向向量。

在计算机图形学中，一个对象通常是由许多点所组成的，而每一个点都是一个三维向量。

我们可以用矩阵和向量表示这些点，通过矩阵变换来改变它们的位置和方向。

常见的变换包括：平移、旋转、缩放和剪裁。

二、线性变换在计算机图形学中，线性变换是一种重要的变换方式，它能够对一个物体进行平移、旋转和缩放等操作。

线性变换的本质是一种矩阵变换，即通过乘以矩阵来改变向量的位置和方向。

其中最常见的线性变换包括：旋转变换、平移变换和缩放变换。

线性变换在计算机图形学中的应用非常广泛。

例如，在多边形绘制中，我们可以通过对多边形进行线性变换来使其旋转、平移和缩放。

在图像处理中，像素点的位置可以使用线性变换进行改变。

此外，线性变换还可以用于计算光照和阴影，以及在3D电影和动画中建立动态场景。

三、计算矩阵计算机图形学中，矩阵是一个非常重要的工具，用于描述物体的位置、方向和形状等信息。

计算矩阵可以通过数学运算来实现，例如矩阵乘法和矩阵求逆。

计算矩阵可以帮助我们快速地进行变换，并且可以在图形渲染过程中提高性能和减少计算量。

计算矩阵在计算机图形学中有许多常见的应用。

例如，在3D模型中，我们可以使用计算矩阵来执行物体的旋转、平移和缩放等操作。

在图像处理中，我们可以使用计算矩阵来对图像进行扭曲、映射和变换等操作。

此外，计算矩阵还可以用于计算光照模型和阴影效果，以及计算物体的动态效果。

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）。

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导言数学建模是一种通过数学工具和方法描述和解决现实世界问题的过程，而高等代数作为数学的一个重要分支，在数学建模中扮演着至关重要的角色。

高等代数的概念和方法在数学建模中的应用已经得到广泛的研究和实践，本文将从线性代数、矩阵论以及群论等方面探讨高等代数在数学建模中的应用，以期为读者提供一些有益的参考。

1. 几何建模在几何建模中，我们通常会用向量来描述几何图形的位置、方向和大小。

当我们需要对一个物体进行三维建模时，可以用向量来表示物体的几何属性，然后通过线性代数中的矩阵变换来实现对物体的运动和变形。

这种方法不仅简化了建模的过程，还可以更加直观地描述物体的几何特征。

2. 数据拟合数据拟合是数学建模中常见的问题之一，线性代数中的最小二乘法在数据拟合中有着广泛的应用。

通过最小二乘法，可以确定一条直线、平面或者曲线，使其与给定的数据点之间的误差平方和最小。

这种方法在经济学、统计学以及工程学等领域有着广泛的应用，可以帮助研究人员更准确地推断数据之间的关系。

3. 模糊数学模糊数学是一种描述不确定性和模糊性的数学理论，线性代数中的向量空间和矩阵论对模糊数学的研究有着重要的意义。

在模糊数学中，线性代数的概念和方法可以帮助我们更好地描述和分析模糊量的关系，以及推导模糊数学中的相关结论。

以上几个例子说明了线性代数在数学建模中的重要应用，线性代数的相关概念和方法为解决实际问题提供了强大的数学工具和支持。

二、矩阵论在数学建模中的应用矩阵论是线性代数的一个重要分支，主要研究矩阵的性质、运算规律和应用。

在数学建模中，矩阵论的概念和方法被广泛运用于描述和解决各种实际问题。

以下将以几个具体的实例来说明矩阵论在数学建模中的应用。

1. 网络流问题网络流问题是指在给定的网络结构下，求解网络中各个节点之间的流量分配和最优路径选择问题。

矩阵论的相关概念和方法可以帮助我们建立网络模型，并通过矩阵运算来求解最优的流量分配和路径选择方案。

线性代数理论在计算机图形学中的应用研究

线性代数理论在计算机图形学中的应用研究计算机图形学是由计算机科学、数学、物理学、工程等多学科交织而成的一个领域，其中包含了众多的理论和技术。

其中，线性代数理论是计算机图形学中最重要的理论之一。

它能够描述和处理图像和图形的几何特征，如形状、大小、方向、位置等，从而使得我们能够以数字化图形的形式呈现出收集、处理、分析和可视化信息。

本文将探讨线性代数理论在计算机图形学中的应用，并介绍一些经典的应用案例。

1. 线性代数理论在三维图形处理中的应用在三维图形处理中，我们需要通过线性代数理论描述和处理各种质点、线或面的位置、方向、形状、大小等几何特征。

例如，三维旋转矩阵、投影矩阵、透视变换矩阵等，都是基于线性代数原理来定义和计算的。

这些矩阵通常用于将三维模型转换到二维平面上，或者将不同坐标系之间的坐标进行变换。

通过这些变换，我们可以在如Kinect、Oculus等技术中实现体感交互、头部跟踪等，或者在数字娱乐中实现真实感觉的游戏场景。

除了三维变换外，线性代数理论还能够用于高维空间中的数据分析和处理。

例如，PCA（principal component analysis）就是一种常用的降维算法，它基于特征值分解的原理，将高维数据投影到低维空间，并且能够提取数据的主要特征。

在计算机视觉、图形识别、数据挖掘等领域，PCA都是一个非常常用的算法，可以帮助我们降低计算复杂度，提高特征的表达性和分类精度。

2. 线性代数理论在图像处理中的应用在二维图像处理中，线性代数理论也是一个重要的工具。

例如，图像中的像素值通常被表示为一个矩阵和向量，其值反映了图像中每个像素的颜色强度和亮度等特征。

通过一系列的线性代数运算，我们可以对图像进行变换、过滤、降噪、畸变等，从而改变其色彩、亮度、对比度等属性，得到更好的视觉效果。

一些常用的图像处理方法，如SVD（singular value decomposition）、DCT （discrete cosine transform）、FFT（fast Fourier transform）等，都是基于线性代数原理来定义的。

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。

线性代数应用案例

线性代数应用案例线性代数是数学中的一个重要分支，它研究向量空间和线性映射的理论。

线性代数的应用非常广泛，涉及到物理学、工程学、计算机科学等多个领域。

本文将介绍线性代数在实际应用中的一些案例，以帮助读者更好地理解和应用线性代数知识。

1. 机器学习中的特征空间转换。

在机器学习领域，特征空间转换是一种常见的数据预处理方法。

通过线性代数中的矩阵运算，可以将原始的高维特征空间转换为新的低维特征空间，从而实现对数据的降维处理。

这种方法不仅可以减少数据的维度，还可以保留数据的主要特征，提高机器学习模型的训练效果。

2. 图像处理中的矩阵变换。

在图像处理领域，矩阵变换是一种常用的技术。

通过线性代数中矩阵的旋转、缩放、平移等运算，可以实现对图像的各种变换操作，如图像的旋转、放大缩小、平移等。

这些操作可以帮助我们实现图像的处理和增强，提高图像的质量和美观度。

3. 电路分析中的矩阵方程。

在电路分析中，线性代数的矩阵方程是一种常用的建模和求解方法。

通过建立电路元件的电压电流关系，并转化为矩阵方程组，可以利用线性代数的方法求解电路中各个节点的电压和电流。

这种方法不仅简化了电路分析的复杂度，还可以有效地分析和设计各种复杂电路。

4. 控制系统中的状态空间模型。

在控制系统领域，线性代数的状态空间模型是一种常用的描述和分析方法。

通过线性代数的矩阵运算，可以将控制系统的动态方程转化为状态空间模型，从而实现对控制系统的建模和分析。

这种方法不仅可以方便地进行系统的稳定性和性能分析，还可以实现对控制系统的设计和优化。

5. 金融工程中的投资组合优化。

在金融工程领域，线性代数的投资组合优化是一种常见的方法。

通过建立投资组合的收益和风险之间的线性关系，并利用线性代数的优化方法，可以实现对投资组合的优化配置。

这种方法不仅可以帮助投资者实现收益和风险的平衡，还可以提高投资组合的收益率和稳定性。

总结。

线性代数作为一门重要的数学学科，其在实际应用中发挥着重要的作用。

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.。

数学建模案例分析线性代数模型

父体-母体的基因对
AA-AA Aa-Aa aa-aa
后 AA 1
1/4
0
代
基 Aa 0
1/2
0
因
对 aa 0
1/4
1
在极限状态下，后代仅具有基因型 AA和aa。
2020/5/10
数学建模
常染色体的隐性疾病
遗传疾病是常染色体的基因缺陷由父母代传给子代的疾病。
2020/5/10
数学建模
常染色体遗传的正常基因记为A，不正常基因记为a，并以AA、Aa 和 aa 分别表示正常人，隐性患者和显性患者的基因型。若在开始的一代人口中AA、Aa 和 aa 基因型的人所占百分比为a0，b0，c0，讨论在下列两种情况下第 n代的基因型分布。
2020/5/10
数学建模
Durer 魔方
德国著名的艺术家 Albrecht Durer (1471--1521) 于1514年曾铸造了一枚名为“Melen cotia I”的铜币。令人奇怪的是在这枚铜币的画面上充满了数学符号、数学数字和几何图形。这里我们仅研究铜币右上角的数字问题。
2020/5/10
0000
N1
1 -1
0 0
0 0
-1 1
0000
2020/5/10
0 1 0 -1
1 0 -1 0
N2 -1 0 0 1
0 -1 1 0
数学建模
0100
1000
N3 0 0 0 1
0010
（5）对数字没有任何要求的数字方 16维空间M
空间 0 G B D Q W M
维数 0 1 5 7 8 10 16
0010 0100
2020/5/10

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。

线性代数方法建模Hill密码的数学模型数学建模案例分析

§3 Hill 密码的数学模型Hill 密码是一种传统的密码体系，它的加密过程可以描述如下：明文→加密器→密文→普通信道→解密器→明文在这个过程中，运用的手段是矩阵运算，具体步骤如下：一、加密1、根据明文字母的表值，将明文信息用数字表示，设明文信息只需要26个英文字母A —Z （也可以不只26个，如还有数字、标点符号等），通信双方给出这26个字母表值（见下表）。

2、选择一个二阶可逆整数方阵，称为Hill 密码的加密矩阵，它是这个加密体制的“密钥”（是加密的关键，仅通信双方掌握）。

3、将明文字母依次逐对分组。

Hill 密码的加密矩阵为二阶矩阵，则明文字母2个一组（可以扩充至每n 个明文字母为一组）。

若最后一组只有一个字母，则补充一个没有实际意义的哑字母，这样使得每一组都由2个明文字母组成。

查出每个明文字母的表值，构成一个二维列向量α。

4、A 乘以α，得到一个新的二维列向量αβA =，由β的两个分量反查字母表值得到的两个字母即为密文字母。

以上4步即为Hill 密码的加密过程。

例明文为YI CHU FA 。

⎪⎪⎭⎫ ⎝⎛=3021A ，求这段明文的Hill 密码。

将明文相邻2个字母分为一组：YI CH UF AA 。

最后一个字母是哑字母，它是为使最后一组的字母数为2而添加的，无实际意义。

查出每对字母的表值，并构造2维列向量：⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛11,621,83,925（1）将上述4个列向量左乘矩阵A ，得到4个新的列向量：⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛33,1833,2419,2743 （2）在反查这4个向量对应的字母时，遇到了问题：第1个向量与第三个向量中的43与33不是表值，处理的办法是加减26的整数倍，使其化为0—25之间的一个整数，这称为模26运算，记为：⎪⎪⎭⎫ ⎝⎛=⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛=⎪⎪⎭⎫ ⎝⎛187)26(mod 1833,117)26(mod 2743 （3）这样，这4个新的二维列向量对应的字母为：QA SX GR CC 。

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。

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。

线性代数数学建模案例

【问题描述】：某城市单行线如下图所示, 其中的数字表示该路段每小时按箭头方向行驶的车流量(单位: 辆).
400
500 1
x1
2 300
x2 100
3
200
x3 X4 4 300
图3 某城市单行线车流量示意图
现在需要解决的问题如下：
（1）建立确定每条道路流量的线性方程组. （2）为了唯一确定未知流量, 还需要增添哪几条道路的流量统计? （3）当x4 = 350时, 确定x1, x2, x3的值.
【模型分析】
• 若令1 = (2, 3, 1, 1)T, 2 = (1, 2, 1, 1)T, = (4, 7, 5, 3)T, 则原问题等价于“线性方程组Ax = b是否有解”, 也等价于“能否由1, 2线性表示”。
• 若四种原料的比例是按体积计算的, 则还要考虑混合前后体积的关系(未必是简单的叠加), 因而最好还是先根据具体情况将体积比转换为重量比, 然后再按上述方法处理.
图5 日常膳食搭配
图6 几种常见的作料
【模型准备】：
一种佐料由四种原料A、B、C、D混合而成. 这种佐料现有两种规格, 这两种规格的佐料中, 四种原料的比例分别为2:3:1:1和1:2:1:2. 现在需要四种原料的比例为4:7:3:5的第三种规格的佐料. 问: 第三种规格的佐料能否由前两种规格的佐料按一定比例配制而成?
一个网络由一个点集以及连接部分或全部点的直线或弧线构成。网络中的点称作联结点(或节点)，网络中的连接线称作分支. 每一分支中的流量方向已经指
定，并且流量(或流速)已知或者已标为变量。
x3
x1
60
x4
80
x2
(a)
x5 (b)

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。

线性代数建模案例汇编-数学建模案例分析

线性代数建模案例汇编2015年6月目录案例一. 交通网络流量分析问题 (1)案例二. 配方问题 (4)案例三. 投入产出问题 (6)案例四. 平板的稳态温度分布问题 (8)案例五. CT图像的代数重建问题 (10)案例六. 平衡结构的梁受力计算 (12)案例七. 化学方程式配平问题 (14)案例八. 互付工资问题 (16)案例九. 平衡价格问题 (18)案例十. 电路设计问题 (20)案例十一. 平面图形的几何变换 (22)案例十二. 太空探测器轨道数据问题 (24)案例十三. 应用矩阵编制Hill密码 (25)案例十四. 显示器色彩制式转换问题 (27)案例十五. 人员流动问题 (29)案例十六. 金融公司支付基金的流动 (31)案例十七. 选举问题 (33)案例十八. 简单的种群增长问题 (34)案例十九. 一阶常系数线性齐次微分方程组的求解 (36)案例二十. 最值问题 (38)附录数学实验报告模板 (39)这里收集了二十个容易理解的案例. 和各类数学建模竞赛的题目相比, 这些案例确实显得过于简单. 但如果学生能通过这些案例加深对线性代数基本概念、理论和方法的理解, 培养数学建模的意识, 那么我们初步的目的也就达到了.案例一. 交通网络流量分析问题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。

根据实际车流量信息可以设计流量控制方案，必要时设置单行线，以免大量车辆长时间拥堵。

图1 某地交通实况图2 某城市单行线示意图【模型准备】某城市单行线如下图所示, 其中的数字表示该路段每小时按箭头方向行驶的车流量(单位: 辆).图3 某城市单行线车流量(1) 建立确定每条道路流量的线性方程组.(2) 为了唯一确定未知流量, 还需要增添哪几条道路的流量统计?(3) 当x 4 = 350时, 确定x 1, x 2, x 3的值.(4) 若x 4 = 200, 则单行线应该如何改动才合理?【模型假设】 (1) 每条道路都是单行线. (2) 每个交叉路口进入和离开的车辆数目相等.【模型建立】根据图3和上述假设, 在①, ②, ③, ④四个路口进出车辆数目分别满足500 = x 1 + x 2 ①400 + x 1 = x 4 + 300 ②x 2 + x 3 = 100 + 200 ③x 4 = x 3 + 300 ④【模型求解】根据上述等式可得如下线性方程组12142334500100300300x x x x x x x x +=⎧⎪-=-⎪⎨+=⎪⎪-+=⎩其增广矩阵(A , b ) =1100500100110001103000011300⎛⎫ ⎪-- ⎪ ⎪ ⎪-⎝⎭−−−−→初等行变换10011000101600001130000000--⎛⎫ ⎪ ⎪-- ⎪ ⎪⎝⎭ 由此可得142434100600300x x x x x x -=-⎧⎪+=⎨⎪-=-⎩即142434100600300x x x x x x =-⎧⎪=-+⎨⎪=-⎩. 500 12 34 400300 100 200300 x 1 x 2x 3 x 4为了唯一确定未知流量, 只要增添x 4统计的值即可.当x 4 = 350时, 确定x 1 = 250, x 2 = 250, x 3 = 50.若x 4 = 200, 则x 1 = 100, x 2 = 400, x 3 = -100 < 0. 这表明单行线“③←④”应该改为“③→④”才合理.【模型分析】(1) 由(A , b )的行最简形可见, 上述方程组中的最后一个方程是多余的. 这意味着最后一个方程中的数据“300”可以不用统计.(2) 由142434100600300x x x x x x =-⎧⎪=-+⎨⎪=-⎩可得213141500200100x x x x x x =-+⎧⎪=-⎨⎪=+⎩, 123242500300600x x x x x x =-+⎧⎪=-+⎨⎪=-+⎩, 132343200300300x x x x x x =+⎧⎪=-+⎨⎪=+⎩, 这就是说x 1, x 2, x 3, x 4这四个未知量中, 任意一个未知量的值统计出来之后都可以确定出其他三个未知量的值.参考文献陈怀琛, 高淑萍, 杨威, 工程线性代数, 北京: 电子工业出版社, 2007. 页码:16-17.Matlab 实验题某城市有下图所示的交通图, 每条道路都是单行线, 需要调查每条道路每小时的车流量. 图中的数字表示该条路段的车流数. 如果每个交叉路口进入和离开的车数相等, 整个图中进入和离开的车数相等.图4 某城市单行线车流量(1)建立确定每条道路流量的线性方程组.(2)分析哪些流量数据是多余的.(3)为了唯一确定未知流量, 需要增添哪几条道路的流量统计.300 500 150 180350160220300 100 290 400 150 x 1x 2 x 3x 4 x 5x 6 x 7x 8x 9 x 10 x 11 x 12案例二. 配方问题在化工、医药、日常膳食等方面都经常涉及到配方问题. 在不考虑各种成分之间可能发生某些化学反应时, 配方问题可以用向量和线性方程组来建模.图5 日常膳食搭配图6 几种常见的作料【模型准备】一种佐料由四种原料A 、B 、C 、D 混合而成. 这种佐料现有两种规格, 这两种规格的佐料中, 四种原料的比例分别为2:3:1:1和1:2:1:2. 现在需要四种原料的比例为4:7:3:5的第三种规格的佐料. 问: 第三种规格的佐料能否由前两种规格的佐料按一定比例配制而成?【模型假设】 (1) 假设四种原料混合在一起时不发生化学变化. (2) 假设四种原料的比例是按重量计算的. (3) 假设前两种规格的佐料分装成袋, 比如说第一种规格的佐料每袋净重7克(其中A 、B 、C 、D 四种原料分别为2克, 3克, 1克, 1克), 第二种规格的佐料每袋净重6克(其中A 、B 、C 、D 四种原料分别为1克, 2克, 1克, 2克).【模型建立】根据已知数据和上述假设, 可以进一步假设将x 袋第一种规格的佐料与y 袋第二种规格的佐料混合在一起, 得到的混合物中A 、B 、C 、D 四种原料分别为4克, 7克, 3克, 5克, 则有以下线性方程组24,327,3,2 5.x y x y x y x y +=⎧⎪+=⎨+=⎪+=⎩【模型求解】上述线性方程组的增广矩阵(A , b ) =214327113125⎛⎫ ⎪ ⎪ ⎪ ⎪⎝⎭−−−−→初等行变换101012000000⎛⎫ ⎪ ⎪ ⎪ ⎪⎝⎭, 可见{1,2.x y == 又因为第一种规格的佐料每袋净重7克, 第二种规格的佐料每袋净重6克, 所以第三种规格的佐料能由前两种规格的佐料按7:12的比例配制而成.【模型分析】(1) 若令α1 = (2, 3, 1, 1)T , α2 = (1, 2, 1, 1)T , β = (4, 7, 5, 3)T , 则原问题等价于“线性方程组Ax = b 是否有解”, 也等价于“β能否由α1, α2线性表示”.(2) 若四种原料的比例是按体积计算的, 则还要考虑混合前后体积的关系(未必是简单的叠加), 因而最好还是先根据具体情况将体积比转换为重量比, 然后再按上述方法处理.(3) 上面的模型假设中的第三个假设只是起到简化运算的作用. 如果直接设x 克第一种规格的佐料与y 克第二种规格的佐料混合得第三种规格的佐料, 则有下表因而有如下线性方程组 214(),7619327(),7619113(),7619125().7619x y x y x y x y x y x y x y x y ⎧+=+⎪⎪⎪+=+⎪⎨⎪+=+⎪⎪⎪+=+⎪⎩ (*) 【模型检验】把x = 7, y = 12代入上述方程组(*), 则各等式都成立. 可见模型假设中的第三个假设不影响解的正确性.Matlab 实验题蛋白质、碳水化合物和脂肪是人体每日必须的三种营养, 但过量的脂肪摄入不利于健康.人们可以通过适量的运动来消耗多余的脂肪. 设三种食物(脱脂牛奶、大豆面粉、乳清)每100克中蛋白质、碳水化合物和脂肪的含量以及慢跑5分钟消耗蛋白质、碳水化合物和脂肪的量如下表.问怎样安排饮食和运动才能实现每日的营养需求?案例三. 投入产出问题在研究多个经济部门之间的投入产出关系时, W. Leontief 提出了投入产出模型. 这为经济学研究提供了强有力的手段. W. Leontief 因此获得了1973年的Nobel 经济学奖.图7 三个经济部门这里暂时只讨论一个简单的情形. 【模型准备】某地有一座煤矿, 一个发电厂和一条铁路. 经成本核算, 每生产价值1元钱的煤需消耗0.3元的电; 为了把这1元钱的煤运出去需花费0.2元的运费; 每生产1元的电需0.6元的煤作燃料; 为了运行电厂的辅助设备需消耗本身0.1元的电, 还需要花费0.1元的运费; 作为铁路局, 每提供1元运费的运输需消耗0.5元的煤, 辅助设备要消耗0.1元的电. 现煤矿接到外地6万元煤的订货, 电厂有10万元电的外地需求, 问: 煤矿和电厂各生产多少才能满足需求?【模型假设】假设不考虑价格变动等其他因素.【模型建立】设煤矿, 电厂, 铁路分别产出x 元, y 元, z 元刚好满足需求. 则有下表根据需求, 应该有 (0.60.5)60000(0.30.10.1)100000(0.20.1)0x y z y x y z z x y -+=⎧⎪-++=⎨⎪-+=⎩,即0.60.5600000.30.90.11000000.20.10x y z x y z x y z --=⎧⎪-+-=⎨⎪--+=⎩【模型求解】在Matlab 命令窗口输入以下命令>> A = [1,-0.6,-0.5;-0.3,0.9,-0.1;-0.2,-0.1,1]; b = [60000;100000;0]; >> x = A\bMatlab 执行后得x =1.0e+005 *1.99661.84150.5835可见煤矿要生产1.9966⨯105元的煤, 电厂要生产1.8415⨯105元的电恰好满足需求.【模型分析】令x =xyz⎛⎫⎪⎪⎝⎭, A =00.60.50.30.10.10.20.10⎛⎫⎪⎪⎝⎭, b =60000100000⎛⎫⎪⎪⎝⎭, 其中x称为总产值列向量, A称为消耗系数矩阵, b称为最终产品向量, 则Ax =00.60.50.30.10.10.20.10⎛⎫⎪⎪⎝⎭xyz⎛⎫⎪⎪⎝⎭=0.60.50.30.10.10.20.1y zx y zx y+⎛⎫⎪++⎪+⎝⎭根据需求, 应该有x-Ax = b, 即(E-A)x = b. 故x = (E-A)-1b.Matlab实验题某乡镇有甲、乙、丙三个企业. 甲企业每生产1元的产品要消耗0.25元乙企业的产品和0.25元丙企业的产品. 乙企业每生产1元的产品要消耗0.65元甲企业的产品, 0.05元自产的产品和0.05元丙企业的产品. 丙企业每生产1元的产品要消耗0.5元甲企业的产品和0.1元乙企业的产品. 在一个生产周期内, 甲、乙、丙三个企业生产的产品价值分别为100万元, 120万元, 60万元, 同时各自的固定资产折旧分别为20万元, 5万元和5万元.(1) 求一个生产周期内这三个企业扣除消耗和折旧后的新创价值.(2) 如果这三个企业接到外来订单分别为50万元, 60万元, 40万元, 那么他们各生产多少才能满足需求?案例四. 平板的稳态温度分布问题在热传导的研究中, 一个重要的问题是确定一块平板的稳态温度分布. 根据…定律, 只要测定一块矩形平板四周的温度就可以确定平板上各点的温度.图8 一块平板的温度分布图【模型准备】如图9所示的平板代表一条金属梁的截面. 已知四周8个节点处的温度(单位°C), 求中间4个点处的温度T 1, T 2, T 3, T 4.图9 一块平板的温度分布图【模型假设】假设忽略垂直于该截面方向上的热传导, 并且每个节点的温度等于与它相邻的四个节点温度的平均值. 【模型建立】根据已知条件和上述假设, 有如下线性方程组 1232143144231(90100)41(8060)41(8060)41(5050)4T T T T T T T T T T T T ⎧=+++⎪⎪⎪=+++⎪⎨⎪=+++⎪⎪=+++⎪⎩ 【模型求解】将上述线性方程组整理得T 1 T 2 T 3T 4 100 8090 80 60 50 60501231241342344190414041404100T T T T T T T T T T T T --=⎧⎪-+-=⎪⎨-+-=⎪--+=⎪⎩. 在Matlab 命令窗口输入以下命令>> A = [4,-1,-1,0;-1,4,0,-1;-1,0,4,-1;0,-1,-1,4]; b = [190;140;140;100];>> x = A\b; x ’Matlab 执行后得ans =82.9167 70.8333 70.8333 60.4167可见T 1 = 82.9167, T 2 = 70.8333, T 3 = 70.8333, T 4 = 60.4167.参考文献陈怀琛, 高淑萍, 杨威, 工程线性代数, 北京: 电子工业出版社, 2007. 页码: 15-16.Matlab 实验题假定下图中的平板代表一条金属梁的截面, 并忽略垂直于该截面方向上的热传导. 已知平板内部有30个节点, 每个节点的温度近似等于与它相邻的四个节点温度的平均值. 设4条边界上的温度分别等于每位同学学号的后四位的5倍, 例如学号为16308209的同学计算本题时, 选择T l = 40, T u = 10, T r = 0, T d = 45.图10 一块平板的温度分布图(1) 建立可以确定平板内节点温度的线性方程组.(2) 用Matlab 软件求解该线性方程组.(3) 用Matlab 中的函数mesh 绘制三维平板温度分布图.T u T 1 T 5 T l T l T d T 2 T 6 T 7 T 10 T rT rT uT 26 T 30 T d T 27 T u T rT d T l案例五. CT 图像的代数重建问题X 射线透视可以得到3维对象在2维平面上的投影, CT 则通过不同角度的X射线得到3维对象的多个2维投影, 并以此重建对象内部的3维图像. 代数重建方法就是从这些2维投影出发, 通过求解超定线性方程组, 获得对象内部3维图像的方法.图11双层螺旋CT 图12 CT 图像这里我们考虑一个更简单的模型, 从2维图像的1维投影重建原先的2维图像.一个长方形图像可以用一个横竖均匀划分的离散网格来覆盖, 每个网格对应一个像素, 它是该网格上各点像素的均值. 这样一个图像就可以用一个矩阵表示,其元素就是图像在一点的灰度值(黑白图像). 下面我们以3⨯3图像为例来说明.i 表示灰色. 如果我们不知道网格中的数值, 只知道沿竖直方向和水平方向的叠加值, 为了确定网格中的灰度值, 可以建立线性方程组(含有6个方程, 9个未知数)123456369111x x x x x x x x x ++=⎧⎪++=⎪⎨⎪++=⎪⎩ 显然该方程组的解是不唯一的, 为了重建图像, 必须增加叠加值. 如我们增加从右上方到左下方的叠加值, 则方程组将增加5个方程x 1 = 1,x 2 + x 4 = 0,x 3 + x 5 + x 7 = 1,x 6 + x 8 = 0.5,x 9 = 1,和上面的6个方程放在一起构成一个含有11个方程, 9个未知数的线性方程组.【模型准备】设3⨯3图像中第一行3个点的灰度值依次为x 1, x 2, x 3, 第二行3个点的灰度值依次为x 4, x 5, x 6, 第三行3个点的灰度值依次为x 7, x 8, x 9. 沿竖直方向的叠加值依次为1.5, 0.5, 1.5, 沿水平方向的叠加值依次为1, 1, 1.5, 沿右上方到左下方的叠加值依次为1, 0, 1, 0.5, 1. 确定x 1, x 2, …, x 9的值.【模型建立】由已知条件可得(含有11个方程, 9个未知数的)线性方程组1234569111x x x x x x x ++=⎧⎪++=⎪⎨⎪=⎪⎩ 【模型求解】在Matlab 命令窗口输入以下命令>> A = [1,1,1,0,0,0,0,0,0;0,0,0,1,1,1,0,0,0;0,0,0,0,0,0,1,1,1;1,0,0,1,0,0,1,0,0;0,1,0,0,1,0,0,1,0;0,0,1,0,0,1,0,0,1;1,0,0,0,0,0,0,0,0;0,1,0,1,0,0,0,0,0;0,0,1,0,1,0,1,0,0;0,0,0,0,0,1,0,1,0;0,0,0,0,0,0,0,0,1];>> b = [1;1;1.5;1.5;0.5;1.5;1;0;1;0.5;1];>> x = A\b; x ’Matlab 执行后得Warning: Rank deficient, rank = 8 tol = 4.2305e-015.ans =1.0000 0.0000 0 -0.0000 0.5000 0.5000 0.5000 -0.0000 1.0000可见上述方程组的解不唯一. 其中的一个特解为x 1 = 1, x 2 = 0, x 3 = 0, x 4 = 0, x 5 = 0.5, x 6 = 0.5, x 7 = 0.5, x 8 = 0, x 9 = 1.【模型分析】上述结果表明, 仅有三个方向上的叠加值还不够.可以再增加从左上方到右下方的叠加值. 在实际情况下, 由于测量误差, 上述线性方程组可能是超定的.这时可以将超定方程组的近似解作为重建的图像数据.Matlab 实验题给定一个3⨯3图像的2个方向上的灰度叠加值: 沿左上方到右下方的灰度叠加值依次为0.8, 1.2, 1.7, 0.2, 0.3; 沿右上方到左下方的灰度叠加值依次为0.6, 0.2, 1.6,1.2, 0.6.(1) 建立可以确定网格数据的线性方程组, 并用Matlab 求解.(2) 将网格数据乘以256, 再取整, 用Matlab 绘制该灰度图像.案例六. 平衡结构的梁受力计算在桥梁、房顶、铁塔等建筑结构中, 涉及到各种各样的梁. 对这些梁进行受力分析是设计师、工程师经常做的事情.图13埃菲尔铁塔全景图14 埃菲尔铁塔局部下面以双杆系统的受力分析为例, 说明如何研究梁上各铰接点处的受力情况.【模型准备】在图15所示的双杆系统中, 已知杆1重G 1= 200牛顿, 长L 1 = 2米, 与水平方向的夹角为θ1 = π/6, 杆2重G 2 = 100牛顿, 长L 2 = 2米, 与水平方向的夹角为θ2 = π/4. 三个铰接点A , B , C 所在平面垂直于水平面. 求杆1, 杆2在铰接点处所受到的力.图15双杆系统【模型假设】假设两杆都是均匀的. 在铰接点处的受力情况如图16所示.【模型建立】对于杆1:水平方向受到的合力为零, 故N 1 = N 3,竖直方向受到的合力为零, 故N 2 + N 4 = G 1,以点A 为支点的合力矩为零, 故(L 1sin θ1)N 3 + (L 1cos θ1)N 4 = (12L 1cos θ1)G 1.图16 两杆受力情况对于杆2类似地有 N 5 = N 7, N 6 = N 8 + G 2, (L 2sin θ2)N 7 = (L 2cos θ2)N 8 + (12L 2cos θ2)G 2. A BC杆1 杆2π/6 π/4 A B C 杆1 杆2 C N 1 N 2N 4N 3N 7 N 8 N 5 N 6 G 1G 2此外还有N 3 = N 7, N 4 = N 8. 于是将上述8个等式联立起来得到关于N 1, N 2, …, N 8的线性方程组:132414800N N N N G N N -=⎧⎪+=⎪⎨⎪⎪-=⎩ 【模型求解】在Matlab 命令窗口输入以下命令>> G1=200; L1=2; theta1=pi/6; G2=100; L2=sqrt(2); theta2=pi/4;>> A = [1,0,-1,0,0,0,0,0;0,1,0,1,0,0,0,0;0,0,L1*sin(theta1),L1*cos(theta1),0,0,0,0;0,0,0,0,1,0,-1,0;0,0,0,0,0,1,0,-1;0,0,0,0,0,0,L2*sin(theta2),-L2*cos(theta2);0,0,1,0,0,0,-1,0;0,0,0,1,0,0,0,-1];>> b = [0;G1;0.5*L1*cos(theta1)*G1;0;G2;0.5*L2*cos(theta2)*G2;0;0];>> x = A\b; x ’Matlab 执行后得ans =95.0962 154.9038 95.0962 45.0962 95.0962 145.0962 95.0962 45.0962【模型分析】最后的结果没有出现负值, 说明图16中假设的各个力的方向与事实一致. 如果结果中出现负值, 则说明该力的方向与假设的方向相反.参考文献陈怀琛, 高淑萍, 杨威, 工程线性代数, 北京: 电子工业出版社, 2007. 页码: 157-158.Matlab 实验题有一个平面结构如下所示, 有13条梁(图中标号的线段)和8个铰接点(图中标号的圈)联结在一起. 其中1号铰接点完全固定, 8号铰接点竖直方向固定, 并在2号, 5号和6号铰接点上, 分别有图示的10吨, 15吨和20吨的负载. 在静平衡的条件下,任何一个铰接点上水平和竖直方向受力都是平衡的. 已知每条斜梁的角度都是45º.(1) 列出由各铰接点处受力平衡方程构成的线性方程组.(2) 用Matlab 软件求解该线性方程组, 确定每条梁受力情况.图17 一个平面结构的梁案例七. 化学方程式配平问题在用化学方法处理污水过程中, 有时会涉及到复杂的化学反应. 这些反应的化学方程式是分析计算和工艺设计的重要依据. 在定性地检测出反应物和生成物之后,可以通过求解线性方程组配平化学方程式.图18 污水处理【模型准备】某厂废水中含KCN, 其浓度为650mg/L. 现用氯氧化法处理, 发生如下反应:KCN + 2KOH + Cl 2 = KOCN + 2KCl + H 2O.投入过量液氯, 可将氰酸盐进一步氧化为氮气. 请配平下列化学方程式:KOCN + KOH + Cl 2 === CO 2 + N 2 + KCl + H 2O.(注: 题目摘自福建省厦门外国语学校2008-2009学年高三第三次月考化学试卷)【模型建立】设x 1KOCN ＋ x 2KOH ＋ x 3Cl 2 === x 4CO 2 ＋ x 5N 2 ＋ x 6KCl ＋ x 7H 2O,则1261247141527362222x x x x x x x x x x x x x x x +=⎧⎪+=+⎪⎪=⎪⎨=⎪⎪=⎪=⎪⎩, 即1261247141527360*********x x x x x x x x x x x x x x x +-=⎧⎪+--=⎪⎪-=⎪⎨-=⎪⎪-=⎪-=⎪⎩ 【模型求解】在Matlab 命令窗口输入以下命令>> A = [1,1,0,0,0,-1,0;1,1,0,-2,0,0,-1;1,0,0,-1,0,0,0;1,0,0,0,-2,0,0;0,1,0,0,0,0,-2;0,0,2,0,0,-1,0];>> x = null(A,’r ’); format rat, x ’Matlab 执行后得ans =1 2 3/2 1 1/2 3 1可见上述齐次线性方程组的通解为x = k (1, 2, 3/2, 1, 1/2, 3, 1)T .取k = 2得x = (2, 4, 3, 2, 1, 6, 2)T . 可见配平后的化学方程式如下2KOCN + 4KOH + 3Cl 2 === 2CO 2 + N 2 + 6KCl + 2H 2O.【模型分析】利用线性方程组配平化学方程式是一种待定系数法.关键是根据化学方程式两边所涉及到的各种元素的量相等的原则列出方程. 所得到的齐次线性方程组Ax = θ中所含方程的个数等于化学方程式中元素的种数s, 未知数的个数就是化学方程式中的项数n.当r(A) = n-1时, Ax = θ的基础解系中含有1个(线性无关的)解向量. 这时在通解中取常数k为各分量分母的最小公倍数即可. 例如本例中1, 2, 3/2, 1, 1/2, 3, 1分母的最小公倍数为2, 故取k = 2.当r(A) ≤n-2时, Ax = θ的基础解系中含有2个以上的线性无关的解向量. 这时可以根据化学方程式中元素的化合价的上升与下降的情况, 在原线性方程组中添加新的方程.参考文献陈怀琛, 高淑萍, 杨威, 工程线性代数, 北京: 电子工业出版社, 2007. 页码: 84-85. Matlab实验题配平下列反应式(1) FeS + KMnO4 + H2SO4——K2SO4 + MnSO4 + Fe2(SO4)3 + H2O + S↓(2) Al2(SO4)3 + Na2CO3 + H2O ——Al(OH)3↓+ CO2↑+ Na2SO4案例八. 互付工资问题互付工资问题是多方合作相互提供劳动过程中产生的. 比如农忙季节, 多户农民组成互助组, 共同完成各户的耕、种、收等农活. 又如木工, 电工, 油漆工等组成互助组, 共同完成各家的装潢工作. 由于不同工种的劳动量有所不同, 为了均衡各方的利益, 就要计算互付工资的标准.图19 农忙互助图20 装修互助【模型准备】现有一个木工, 电工, 油漆工. 相互装修他们的房子, 他们有如下协议:(1) 每人工作10天(包括在自己家的日子),(2) 每人的日工资一般的市价在60~80元之间,(3) 日工资数应使每人的总收入和总支出相等.求每人的日工资. 【模型假设】假设每人每天工作时间长度相同. 无论谁在谁家干活都按正常情况工作, 既不偷懒, 也不加班.【模型建立】设木工, 电工, 油漆工的日工资分别为x , y , z 元, 则由下表可得 2610451044310x y z x x y z y x y z z++=⎧⎪++=⎨⎪++=⎩, 即8604504470x y z x y z x y z -++=⎧⎪-+=⎨⎪+-=⎩ 【模型求解】在Matlab 命令窗口输入以下命令>> A = [-8,1,6;4,-5,1;4,4,-7];>> x = null(A,’r ’); format rat, x ’Matlab 执行后得ans =31/36 8/9 1可见上述齐次线性方程组的通解为x = k (31/36, 8/9, 1)T . 因而根据“每人的日工资一般的市价在60~80元之间”可知60 ≤3631k <98k < k ≤ 80, 即 312160≤ k ≤ 80. 也就是说, 木工, 电工, 油漆工的日工资分别为3631k 元, 98k 元, k 元, 其中312160≤ k ≤ 80. 为了简便起见, 可取k = 72, 于是木工, 电工, 油漆工的日工资分别为62元, 64元, 72元.【模型分析】事实上各人都不必付自己工资, 这时各家应付工资和各人应得收入如下由此可得6845447y z x x z y x y z +=⎧⎪+=⎨⎪+=⎩, 即8604504470x y z x y z x y z -++=⎧⎪-+=⎨⎪+-=⎩可见这样得到的方程组与前面得到的方程组是一样的. Matlab 实验题甲, 乙, 丙三个农民组成互助组, 每人工作6天(包括为自己家干活的天数), 刚好完成他们三人家的农活, 其中甲在甲, 乙, 丙三家干活的天数依次为: 2, 2.5, 1.5; 乙在甲, 乙, 丙三家各干2天活, 丙在甲, 乙, 丙三家干活的天数依次为: 1.5, 2, 2.5. 根据三人干活的种类, 速度和时间, 他们确定三人不必相互支付工资刚好公平. 随后三人又合作到邻村帮忙干了2天(各人干活的种类和强度不变), 共获得工资500元.问他们应该怎样分配这500元工资才合理?案例九. 平衡价格问题为了协调多个相互依存的行业的平衡发展, 有关部门需要根据每个行业的产出在各个行业中的分配情况确定每个行业产品的指导价格, 使得每个行业的投入与产出都大致相等.图21 三个行业【模型准备】假设一个经济系统由煤炭、电力、钢铁行业组成, 每个行业的产出在各个行业中的分配如下表所示:等的平衡价格.【模型假设】假设不考虑这个系统与外界的联系.【模型建立】把煤炭、电力、钢铁行业每年总产出的价格分别用x 1, x 2, x 3表示, 则123212331230.40.60.60.10.20.40.50.2x x xxxx x x x x x =+⎧⎪=++⎨⎪=++⎩, 即1231231230.40.600.60.90.200.40.50.80x x x x x x x x x --=⎧⎪-+-=⎨⎪--+=⎩.【模型求解】在Matlab 命令窗口输入以下命令>> A = [1,-0.4,-0.6;-0.6,0.9,-0.2;-0.4,-0.5,0.8];>> x = null(A,’r ’); format short, x ’Matlab 执行后得ans =0.9394 0.8485 1.0000可见上述齐次线性方程组的通解为x = k (0.9394, 0.8485, 1)T .这就是说, 如果煤炭、电力、钢铁行业每年总产出的价格分别0.9394亿元, 0.8485亿元, 1亿元, 那么每个行业的投入与产出都相等.【模型分析】实际上, 一个比较完整的经济系统不可能只涉及三个行业, 因此需要统计更多的行业间的分配数据.Matlab实验题假设一个经济系统由煤炭、石油、电力、钢铁、机械制造、运输行业组成, 每个行业的产出在各个行业中的分配如下表所示:等的平衡价格.参考文献David C. Lay, 线性代数及其应用, 沈复兴, 傅莺莺等译, 北京: 人民邮电出版社, 2009. 页码: 49-50.案例十. 电路设计问题电路是电子元件的神经系统. 参数的计算是电路设计的重要环节. 其依据来自两个方面: 一是客观需要, 二是物理学定律.图22 USB 扩展板【模型准备】假设图23中的方框代表某类具有输入和输出终端的电路. 用11v i ⎛⎫ ⎪⎝⎭记录输入电压和输入电流(电压v 以伏特为单位, 电流i 以安培为单位), 用22v i ⎛⎫ ⎪⎝⎭记录输出电压和输入电流. 若22v i ⎛⎫ ⎪⎝⎭= A 11v i ⎛⎫ ⎪⎝⎭, 则称矩阵A 为转移矩阵.图23 具有输入和输出终端的电子电路图图24给出了一个梯形网络, 左边的电路称为串联电路, 电阻为R 1(单位: 欧姆). 右边的电路是并联电路, 电路R 2. 利用欧姆定理和楚列斯基定律, 我们可以得到串联电路和并联电路的转移矩阵分别是1101R -⎛⎫ ⎪⎝⎭和2101/1R ⎛⎫ ⎪-⎝⎭串联电路并联电路图24 梯形网络设计一个梯形网络, 其转移矩阵是180.55-⎛⎫ ⎪-⎝⎭.输入终端v 1 输出终端v 2i 1i 2 电路 v 1 v 2 i 1i 2 R 1 v 3i 2 i 3 R 2【模型假设】假设导线的电阻为零.【模型建立】设A 1和A 2分别是串联电路和并联电路的转移矩阵, 则输入向量x 先变换成A 1x , 再变换到A 2(A 1x ). 其中A 2A 1 =2101/1R ⎛⎫ ⎪-⎝⎭1101R -⎛⎫ ⎪⎝⎭=121211/1/R R R R -⎛⎫ ⎪-+⎝⎭就是图22中梯形网络的转移矩阵.于是, 原问题转化为求R 1, R 2的值使得121211/1/R R R R -⎛⎫ ⎪-+⎝⎭=180.55-⎛⎫ ⎪-⎝⎭. 【模型求解】由121211/1/R R R R -⎛⎫ ⎪-+⎝⎭=180.55-⎛⎫ ⎪-⎝⎭可得121281/0.51/5R R R R -=-⎧⎪-=-⎨⎪+=⎩. 根据其中的前两个方程可得R 1 = 8, R 2 = 2. 把R 1 = 8, R 2 = 2代入上面的第三个方程确实能使等式成立. 这就是说在图22中梯形网络中取R 1 = 8, R 2 = 2即为所求.【模型分析】若要求的转移矩阵改为180.54-⎛⎫ ⎪-⎝⎭, 则上面的梯形网络无法实现. 因为这时对应的方程组是121281/0.51/4R R R R -=-⎧⎪-=-⎨⎪+=⎩. 根据前两个方程依然得到R 1 = 8, R 2 = 2,但把R 1 = 8, R 2 = 2代入上第三个方程却不能使等式成立.参考文献David C. Lay, 线性代数及其应用, 沈复兴, 傅莺莺等译, 北京: 人民邮电出版社, 2009. 页码: 129-130.练习题根据基尔霍夫回路电路定律(各节点处流入和流出的电流强度的代数和为零, 各回路中各支路的电压降之和为零), 列出下图所示电路中电流i 1, i 2, i 3所满足的线性方程组, 并用矩阵形式表示:图25 简单的回路 E 1 E 2 R 1 R 2 R 3R 4 R 5i 1i 2 i 3 ①②③案例十一. 平面图形的几何变换随着计算机科学技术的发展, 计算机图形学的应用领域越来越广, 如仿真设计、效果图制作、动画片制作、电子游戏开发等.图26 计算机图形学的广泛应用图形的几何变换, 包括图形的平移、旋转、放缩等, 是计算机图形学中经常遇到的问题. 这里暂时只讨论平面图形的几何变换.【模型准备】平面图形的旋转和放缩都很容易用矩阵乘法实现, 但是图形的平移并不是线性运算, 不能直接用矩阵乘法表示. 现在要求用一种方法使平移、旋转、放缩能统一用矩阵乘法来实现.【模型假设】设平移变换为(x , y ) → (x +a , y +b )旋转变换(绕原点逆时针旋转θ角度)为(x , y ) → (x cos θ - y sin θ, x sin θ + y cos θ)放缩变换(沿x 轴方向放大s 倍, 沿y 轴方向放大t 倍)为(x , y ) → (sx , ty )【模型求解】R 2中的每个点(x , y )可以对应于R 3中的(x , y , 1). 它在xOy 平面上方1单位的平面上. 我们称(x , y , 1)是(x , y )的齐次坐标. 在齐次坐标下, 平移变换(x , y ) → (x +a , y +b )可以用齐次坐标写成(x , y , 1) → (x +a , y +b , 1).于是可以用矩阵乘积1001001a b ⎛⎫ ⎪ ⎪⎝⎭1x y ⎛⎫ ⎪ ⎪⎝⎭=1x a y b +⎛⎫⎪+ ⎪⎝⎭实现. 旋转变换(x , y ) → (x cos θ - y sin θ, x sin θ + y cos θ)可以用齐次坐标写成(x , y , 1) → (x cos θ - y sin θ, x sin θ + y cos θ, 1).于是可以用矩阵乘积cos sin 0sin cos 0001θθθθ-⎛⎫ ⎪ ⎪⎝⎭1x y ⎛⎫ ⎪ ⎪⎝⎭=cos sin sin cos 1x y x y θθθθ-⎛⎫⎪+ ⎪⎝⎭实现. 放缩变换(x , y ) → (sx , ty )可以用齐次坐标写成(x , y , 1) → (sx , ty , 1).于是可以用矩阵乘积0000001s t ⎛⎫ ⎪ ⎪⎝⎭1x y ⎛⎫ ⎪ ⎪⎝⎭=1sx ty ⎛⎫⎪ ⎪⎝⎭实现. 【模型分析】由上述求解可以看出, R 2中的任何线性变换都可以用分块矩阵1⎛⎫ ⎪⎝⎭A O O 乘以齐次坐标实现, 其中A 是2阶方阵. 这样, 只要把平面图形上点的齐次坐标写成列向量, 平面图形的每一次几何变换, 都可通过左乘一个3阶变换矩阵来实现.参考文献David C. Lay, 线性代数及其应用, 沈复兴, 傅莺莺等译, 北京: 人民邮电出版社, 2009. 页码: 139-141.Matlab 实验题在Matlab 命令窗口输入以下命令>>clear all , clc,>>t = [1,3,5,11,13,15]*pi/8;>>x = sin(t); y=cos(t);>>fill(x,y,'r');>>grid on ;>>axis([-2.4, 2.4, -2, 2])运行后得图25.图26 Matlab 绘制的图形(1) 写出该图形每个顶点的齐次坐标; (2) 编写Matlab 程序, 先将上面图形放大0.9倍; 再逆时针旋转3π; 最后进行横坐标加0.8, 纵坐标减1的图形平移. 分别绘制上述变换后的图形.案例十二. 太空探测器轨道数据问题太空航天探测器发射以后, 可能需要调整以使探测器处在精确计算的轨道里. 雷达监测到一组列向量x 1, …, x k , 它们给出了不同时刻探测器的实际位置与预定轨道之间的偏差的信息.图28 火星探测器【模型准备】令X k = [x 1, …, x k ]. 在雷达进行数据分析时需要计算出矩阵G k = X k X k T . 一旦接收到数据向量x k +1, 必须计算出新矩阵G k +1. 因为数据向量到达的速度非常快, 随着k 的增加, 直接计算的负担会越来越重. 现需要给出一个算法, 使得计算G k 的负担不会因为k 的增加而加重.【模型求解】因为G k = X k X k T = [x 1, …, x k ]T 1T k ⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦x x =T 1k i i i =∑x x ,G k +1 = X k +1T 1k +X = [X k , x k +1]T T 1k k +⎡⎤⎢⎥⎣⎦X x = X k X k T + x k +1T 1k +x = G k + x k +1T 1k +x ,所以一旦接收到数据向量x k +1, 只要计算x k +1T 1k +x , 然后把它与上一步计算得到的G k相加即可. 这样计算G k 的负担不会因为k 的增加而加重.【模型分析】计算机计算加法的时间与计算乘法的时间相比可以忽略不计. 因此在考虑计算矩阵乘积的负担时, 只要考察乘法的次数就可以了. 设x k 的维数是n , 则X k = [x 1, …, x k ]是n ⨯k 的矩阵, G k = X k X k T 是n ⨯n 的矩阵. 直接计算G k = X k X k T 需要做n 2k次乘法. 因而计算的负担会随着k 的增加而增加. 但是对于每一个k , 计算x k T k x 始终只要做n 2次乘法.Matlab 实验题用Matlab 编写一个程序用于处理这个问题.参考文献David C. Lay, 线性代数及其应用, 沈复兴, 傅莺莺等译, 北京: 人民邮电出版社, 2009. 页码: 123.。

数学建模案例分析第三章-线性代数模型

易验证，D 加法和数乘封闭，且构成一线性空间。记 M ={所有的4×4数字方} ，则其维数为16。
而D是M的子集，则D是有限维的线性空间。根据线性空间的性质，如果能得到D的一组基，
则任一个Durer方均可由这组基线性表示。
28.09.2020
数学建模
由 0,1 数字组合，构造所有的R=C=D=S=1的魔方。共有8 个，记为Qi, i=1,2,…,8。
r1 r2 r6 r5 r7 r3 r4 0 0 0 0
r3 r5 r4 r7 r1 r6 r2 = 0 0 0 0
r4 r6 r2 r5 r3 r1 r7 r7 r1 r3 r2 r4 r5 r6
0000 0000
r 1 r 2 r 3 r 4 r 5 r 6 r 7 0
Q1,Q2,,Q7 线性无关。任一Durer方可由它们线性表示。
线性代数模型
• Durer 魔方 • 植物基因的分布 • 常染色体的隐性疾病 • 森林管理问题 • 马氏链简介
28.09.2020
数学建模
线性代数模型
有些复杂问题，往往给人以变幻莫测的感觉，难以掌握其中的奥妙。当我们把思维扩展到线性空间，利用线性代数的基本知识建立模型，就可以掌握事物的内在规律，预测其发展趋势。
0100
Q6= 0 0 1 0
1000 0001
0100
Q8= 0 0 0 1
0010 1000
28.09.2020
数学建模
易知 Q 1 Q 4 Q 5 Q 8 Q 2 Q 3 Q 6 Q 7 0
则 Q1,Q2,,Q8 线性相关。
而由 r 1 Q 1 r 2 Q 2 r 3 Q 3 r 4 Q 4 r 5 Q 5 r 6 Q 6 r 7 Q 7 0

线性代数应用案例

行列式的应用案例1 大学生在饮食方面存在很多问题，多数大学生不重视吃早餐，日常饮食也没有规律，为了身体的健康就需要注意日常饮食中的营养。

大学生每天的配餐中需要摄入一定的蛋白质、脂肪和碳水化合物，下表给出了这三种食物提供的营养以及大学生的正常所需营养（它们的质量以适当的单位计量）。

试根据这个问题建立一个线性方程组，并通过求解方程组来确定每天需要摄入的上述三种食物的量。

解：设123,,x x x 分别为三种食物的摄入量，则由表中的数据可以列出下列方程组12323123365113337 1.1352347445x x x x x x x x ++=⎧⎪+=⎨⎪++=⎩ 利用matlab 可以求得 x =0.27722318361443 0.39192086163701 0.23323088049177案例2 一个土建师、一个电气师、一个机械师组成一个技术服务社。

假设在一段时间，每个人收入1元人民币需要支付给其他两人的服务费用以及每个人的实际收入如下表所示，问这段时间，每人的总收入是多少？（总收入=实际收入+支付服务费）解：设土建师、电气师、机械师的总收入分别是123,,x x x 元，根据题意，建立方程组1232133120.20.35000.10.47000.30.4600x x x x x x x x x --=⎧⎪--=⎨⎪--=⎩ 利用matlab 可以求得 x =1.0e+003 *1.25648414985591 1.44812680115274 1.55619596541787案例3医院营养师为病人配制的一份菜肴由蔬菜、鱼和肉松组成，这份菜肴需含1200cal 热量，30g 蛋白质和300mg 维生素c ，已知三种食物每100g 中的有关营养的含量如下表，试求所配菜肴中每种食物的数量。

解：设所配菜肴中蔬菜、鱼和肉松的数量分别为123,,x x x 百克，根据题意，建立方程组12312312360300600120039630906030300x x x x x x x x x ++=⎧⎪++=⎨⎪++=⎩利用matlab 可以求得 x =1.521739130434782.39130434782609 0.65217391304348矩阵的应用案例1 矩阵概念的引入（1）线性方程组11112211211222221122n n n n n n nn n na x a x a xb a x a x a x b a x a x a x b +++=⎧⎪+++=⎪⎨⎪⎪+++=⎩的系数(,1,2,,),(1,2,,)i j j a i j n b j n ==按原来的位置构成一数表11121121222212n n n n nnn a a a b aa ab a a a b ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦该数表决定着上述方程组是否有解，以及如果有解，解是什么等问题，因而研究这个数表就很重要。

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。