下载文档原格式
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。
遗传模型随着人类的进化，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。
下面，我们将研究两种类型的遗传：常染色体遗传和x一链遗传。
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。
1．常染色体遗传模型在常染色体遗传中，后代是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，基因对也称为基因型。
如果我们所考虑的遗传特征是由两个基因A和a控制的，那么就有三种基因对，记为AA，Aa，aa。
例如，金鱼草是由两个遗传基因决定它的花的颜色，基因型是AA的金鱼草开红花，Aa型的开粉红色花，而aa型的开白花。
又如人类眼睛的颜色也是通过常染色体遗传控制的。
基因型是AA 或Aa的人，眼睛为棕色，基因型是aa的人，眼睛为蓝色。
这里因为Aa和AA都表示了同一外部特征，我们认为基因A支配基因a，也可认为基因a对于A来说是隐性的。
当一个亲体的基因型为Aa，而另一个亲体的基因型是aa，那么后代可以从aa型中得到基因a，从Aa型中得到基因A，或得到基因a。
这样，后代基因型为Aa或aa的可能性相等，下面给出双亲体基因型的所有可能的结合，使其后代形成每种基因型的概率：例农场的植物园中某种植物的基因型为AA，Aa和aa。
农场计划采用AA型的植物与每种基因型植物相结合的方案培育植物后代。
那么经过若干年后，这种植物的任一代的三种基因型分布如何？假设：(1)设a n，b n和c n。
分别表示第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x(n)为第n代植物的基因型分布：()n n n n a x b c ⎛⎫ ⎪= ⎪ ⎪⎝⎭x (0)表示植物基因型的初始分布(即培育开始时的分布)，显然有 a n +b n +c n =1(ii)第n-1代的分布与第n 代的分布关系是通过表3一l 确定的： 建模： 根据假设(ii)，先考虑第n 代中的AA 型。
常染色体遗传规律
常染色体遗传规律是遗传学中的一个重要概念，它描述了基因在常染色体上的遗传方式。
常染色体是除性染色体之外的其他染色体。
以下是常染色体遗传的一些基本规律：
1. 基因的分离定律：这一定律指出，在形成生殖细胞（配子）时，每个个体的基因会随机分离到不同的配子中。
例如，一个个体有两个基因（A 和a），那么在形成配子时，可能会有一个含有A 的配子和一个含有a 的配子。
2. 基因的自由组合定律：该定律说明，在形成生殖细胞时，不同基因座上的基因会独立地进行分离和组合。
这意味着个体的基因组合是随机的，每个基因座上的基因与其他基因座上的基因无关。
3. 显隐性关系：基因有显性和隐性之分。
显性基因通常会在表型上表现出来，而隐性基因只有在个体同时拥有两个隐性基因时才会表现出来。
4. 概率计算：根据上述规律，我们可以通过概率计算来预测子代中各种基因型和表型的出现频率。
学术研讨123线性代数数学建模案例教学研究◊宿迁学院文理学院周克元赵士银本文对线性代数融入数学建模进行分析研究，列举相关数学建模案例，使抽象的线性代数具体化、形象化，训练和培养学生数学建模、分析问题、解决问题的能力。
线性代数主要以线性方程组求解为基础，研究线性空间中线性关系和线性映射，具有较强的抽象性，对于普通应用型院校学生来说理解难度比较大。
很多学生认为线性代数没有任何用处，不想学也不愿学，教师往往感觉是在唱独角戏，久而久之，容易造成恶性循环。
造成这样困境的原因是多方面的，数学知识本身严谨性和逻辑性的特点是一个原因，但更重要的原因是长期以来割裂了数学和其他学科的联系，对线性代数进行孤立的教学，使学生很难认识到它的重要应用价值％线性代数难学的主要原因在于线性代数中有许多从天而降许多抽象的概念，抽象的各种概念和知识点有什么意义什么应用基本没有介绍％传统的线性代数教材偏重于理论推导，而轻实践应用，导致教学内容过于抽象，难于理解，且学生感受不到线性代数理论体系存在％学生难以理解学习各种概念的目的意义，学习线性方程组求解、线性空间、线性映射等知识点有什么作用。
目前一个比较好的解决方法是将数学建模融入线性代数中问，线性代数广泛应用在经济、管理、运筹学、社会学、人口学、遗传学、生物学等领域，在教学中补充讲解线性代数知识在生活工程中的各种应用，让学生理解线性代数各个知识的背景来源，理解学习线性代数在生活工程中的巨大应用，激发学生的学习兴趣，培养学生使用线性代数解决实际问题的能力。
本文介绍一些在实际教学过程中使用的一些数学建模案例。
1行列式应用案例各类线性代数教材旳中，对于行列式的介绍主要为，对于二元三元线性方程组，其解用二阶三阶行列式表示更方便，进而给出n阶行列式的概念、行列式性质、求解方法以及Crammer法则，对于行列式其他应用基本没有介绍。
学生在学习过线性代数后面知识后，认为用逆矩阵或初等变换方法求解线性方程组更方便，对于学习行列式有什么作用产生怀疑。
常染色体遗传比例算法
常染色体遗传比例算法是一种模拟生物遗传过程的算法，用于计算常染色体遗传疾病的遗传概率。
这种算法通常采用二进制编码方式，模拟染色体的交叉和变异过程，并通过适应度函数评估染色体的优劣。
在常染色体遗传比例算法中，首先需要确定种群规模、染色体长度等参数，然后根据适应度函数评估染色体的优劣。
在交配阶段，每个染色体都有一定的交配概率，如果随机数小于交配概率，则进行交配操作。
在变异阶段，每个基因都有一定的变异概率，如果随机数小于变异概率，则进行变异操作。
常染色体遗传比例算法的优点在于能够模拟生物遗传过程，考虑多种因素的影响，计算结果较为准确。
但是，由于算法复杂度高，计算量大，需要较长的计算时间和较大的计算资源。
因此，在实际应用中需要根据具体情况选择合适的算法和参数设置。
数学建模学习数学建模的基本原理与方法数学建模是一门应用数学学科，它将数学方法与实际问题相结合，通过建立数学模型来解决各种实际问题。
数学建模在现代科学、工程技术以及社会经济各个领域中都有广泛的应用。
本文将介绍数学建模学习的基本原理与方法。
一、数学建模的基本原理数学建模的基本原理是将实际问题抽象为数学模型，并通过数学方法对模型进行求解，进而得到解决问题的方法和结论。
数学建模的核心思想是用数学语言和工具描述实际问题，通过运用数学原理和方法对问题进行分析和求解。
数学建模的基本原理包括以下几个方面：1. 抽象问题：将实际问题转化为数学问题。
通过对问题的分析和理解，找出问题的关键因素和变量，建立数学模型。
2. 建立模型：选择适当的数学模型来描述实际问题，如线性模型、非线性模型、随机模型等。
3. 建立假设：在建立数学模型时，需要进行一定的假设和简化，以降低问题的复杂性。
4. 求解模型：运用适当的数学方法对建立的模型进行求解，如解析解、数值解、优化方法等。
5. 模型评价：对求解得到的结果进行评价，分析结果的合理性和可行性。
如果结果不符合实际需求，需要对模型进行修正和改进。
二、数学建模的学习方法学习数学建模需要掌握一定的数学知识和方法，并能熟练运用这些知识和方法解决实际问题。
以下是学习数学建模的一般方法与步骤：1. 学习数学知识：数学建模需要运用到多个数学学科的知识，包括数学分析、线性代数、概率论与数理统计等。
因此，首先要通过系统学习数学基础知识，掌握数学的基本概念、定理和方法。
2. 学习建模方法：了解数学建模的基本方法和步骤，学会如何对实际问题进行抽象和建模。
这包括问题分析、模型建立、模型求解和结果评价等方面的内容。
3. 实践运用：通过实际问题的练习和应用，提升建模能力。
可以选择一些典型的数学建模问题进行实践，如交通流量预测、股票价格预测等。
4. 深入研究与拓展：在掌握基础知识和基本方法的基础上，进一步深入研究和探索数学建模的领域和技术。
