下载文档原格式
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）。
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应用线性代数是一门研究向量空间及其上的线性变换的数学学科。
在数学建模中，线性代数是一门重要的应用数学学科之一。
可以说，线性代数在数学建模中的应用是非常广泛的。
一、线性代数在矩阵计算中的应用在数学建模中矩阵计算是一个重要的应用领域。
矩阵计算中的线性代数运算尤为关键。
通过矩阵计算，我们可以进行线性变换。
例如，在机器学习中，我们可以对图像进行矩阵变换，从而实现对图像的分类和识别。
二、线性代数在图形学中的应用图形学是一门研究计算机图像和多媒体图像处理的学科。
在图形学中，矩阵和向量的运算是关键所在。
例如，在三维图像中，我们可以通过矩阵运算来表示三维空间中的向量，从而进行图形变换。
图形学在现代的娱乐产业、计算机游戏和虚拟现实等领域中得到了广泛的应用。
三、线性代数在金融学中的应用线性代数在金融学中的应用不可忽视。
在金融学中，线性代数可以用来建立金融模型。
例如，在经济学中，我们可以使用线性代数中的矩阵运算来对资产组合进行优化。
通过矩阵运算，我们可以通过协方差矩阵来计算风险和收益性。
这对于分析金融市场和制定投资策略非常重要。
四、线性代数在物理学中的应用在物理学中，线性代数也是一门非常重要的学科。
例如，在量子力学中，矩阵运算是非常核心的。
在计算机模拟中，我们可以使用线性代数的矩阵运算来模拟物理现象。
例如，在计算机游戏中，我们可以使用物理引擎来模拟现实世界中的物理效应，并且可以使用矩阵运算来实现。
总之，线性代数在数学建模中的应用是非常广泛的。
矩阵运算、图形学、金融学和物理学等领域都可以使用到线性代数。
因此，对于想从事这些领域的人来说，学好线性代数是非常必要的。
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。
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。
线性代数建模案例汇编目录案例一. 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7案例五. CT图像的代数重建问题11案例六. 平衡结构的梁受力计算13案例七. 化学方程式配平问题16案例八. 互付工资问题17案例九. 平衡价格问题19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错误!未定义书签。
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。
【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 2① 400 + x 1 = x 4 + 300 ② x 2 + x 3 = 100 + 200 ③ x 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 =-⎧⎪=-+⎨⎪=-⎩. 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.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.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. 【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.【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1231241342344190414041404100T T T T T T T T T T T T --=⎧⎪-+-=⎪⎨-+-=⎪--+=⎪⎩. 在Matlab 命令窗口输入以下命令T 1T 2 T 3 T 4 10080908060506050>> 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T1 = 82.9167, T2 = 70.8333, T3 = 70.8333, T4 = 60.4167.参考文献陈怀琛, 高淑萍, 杨威, 工程线性代数,: 电子工业, 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.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.3⨯3图像各点的灰度值水平方向上的叠加值x1 = 1 x2 = 0 x3 = 0 x1 + x2 + x3 = 1x4 = 0 x5 = 0.5 x6 = 0.5 x4 + x5 + x6 = 1x7 = 0.5 x8 = 0 x9 = 1 x7 + x8 + x9 = 1.5 竖直方向上的叠加值x1 + x4 + x7= 1.5x2 + x5 + x8= 0.5x3 + x6 + x9= 1.5i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 xx x xx 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x1 = 1,x2 + x4 = 0,x3 + x5 + x7 = 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G1 = 200牛顿, 长L1 = 2米, 与水平方向的夹角为θ1 = π/6, 杆2重G2 = 100牛顿, 长L2 = 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N1 = N3,竖直方向受到的合力为零, 故N2 + N4 = G1,以点A为支点的合力矩为零, 故(L1sinθ1)N3 + (L1cosθ1)N4 = (12L1cosθ1)G1.图16 两杆受力情况对于杆2类似地有AC杆1杆2CN1N2N3N5N6G1G2A B杆1杆2π/6π/4N 5 = N 7, N 6 = N 8 + G 2, (L 2sin θ2)N 7 = (L 2cos θ2)N 8 + (12L 2cos θ2)G 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,: 电子工业, 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.【模型准备】某厂废水中含K, 其浓度为650mg/L. 现用氯氧化法处理, 发生如下反应:K + 2KOH + Cl 2 = KO+ 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:KO +KOH +Cl 2 ===CO 2+N 2+KCl +H 2O.(注: 题目摘自XX 省XX 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 1KO ＋x 2KOH ＋x 3Cl 2 === x 4CO 2 ＋x 5N 2 ＋x 6KCl ＋x 7H 2O,则1261247141527362222x x x x x x xx x x x x x x x +=⎧⎪+=+⎪⎪=⎪⎨=⎪⎪=⎪=⎪⎩, 即1261247141527360200202020x 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2KO + 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. Matlab 实验题配平下列反应式(1) FeS + KMnO 4 + H 2SO 4—— K 2SO 4 + MnSO 4 + Fe 2(SO 4)3 + H 2O + S ↓ (2) Al 2(SO 4)3 + Na 2CO 3 + H 2O —— Al(OH)3↓+ CO 2↑+ Na 2SO 4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.【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 xx 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.【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 x x x x 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:产出分配购买者煤炭石油电力钢铁制造运输0 0 0.2 0.1 0.2 0.2 煤炭0 0 0.1 0.1 0.2 0.1 石油0.5 0.1 0.1 0.2 0.1 0.1 电力0.4 0.1 0.2 0 0.1 0.4 钢铁0 0.1 0.3 0.6 0 0.2 制造0.1 0.7 0.1 0 0.4 0 运输等的平衡价格.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11vi⎛⎫⎪⎝⎭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22vi⎛⎫⎪⎝⎭记录输出电压和输入电流. 若22vi⎛⎫⎪⎝⎭= A11vi⎛⎫⎪⎝⎭,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-⎛⎫⎪-⎝⎭. 【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v 2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.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E 12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,: 人民邮电, 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26Matlab绘制的图形(1) 写出该图形每个顶点的齐次坐标;; 最后进行横(2) 编写Matlab程序, 先将上面图形放大0.9倍; 再逆时针旋转3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x1, …, 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 = [x1, …, 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 +1T1k +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 +1T1k +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 Tk 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.案例十三. 应用矩阵编制Hill 密码密码学在经济和军事方面起着极其重要的作用. 现代密码学涉及很多高深的数学知识. 这里无法展开介绍.图29 XX 通信的基本模型密码学中将信息代码称为密码, 尚未转换成密码的文字信息称为明文, 由密码表示的信息称为密文. 从明文到密文的过程称为加密, 反之为解密. 1929年, 希尔(Hill)通过线性变换对待传输信息进行加密处理, 提出了在密码史上有重要地位的希尔加密算法. 下面我们略去一些实际应用中的细节, 只介绍最基本的思想.【模型准备】若要发出信息action, 现需要利用矩阵乘法给出加密方法和加密后得到的密文, 并给出相应的解密方法.。
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，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”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，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,000000000000)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 13c1y 1x电厂 21c 22c 23c 2y 2x 铁路 31c32c33c 3y3x总投入1d 2d3d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：⎪⎪⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎪⎪⎨⎧=++==-==+=+=+=-=+=+-.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 C C 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。
