第二篇線性代數(shù)模型_第1頁(yè)
第二篇線性代數(shù)模型_第2頁(yè)
第二篇線性代數(shù)模型_第3頁(yè)
第二篇線性代數(shù)模型_第4頁(yè)
第二篇線性代數(shù)模型_第5頁(yè)
已閱讀5頁(yè),還剩43頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

PAGE1PAGE84第二篇線性代數(shù)模型在線性代數(shù)部分的應(yīng)用實(shí)例中,通過對(duì)應(yīng)用問題建模主要培養(yǎng)用矩陣與線性方程組來解決問題的能力,探討離散過程的演變規(guī)律建模并討論其穩(wěn)定性。應(yīng)用行列式的展開性質(zhì)可以得出一些結(jié)果的遞推公式,從而與差分方程建立聯(lián)系來解決應(yīng)用問題,與行列式內(nèi)容相關(guān)的應(yīng)用實(shí)例有:斐波那契(Fibonncci)數(shù)列與兔子繁殖的數(shù)量。范德蒙行列式的主要應(yīng)用之一是通過克萊姆法則解線性方程組,對(duì)于解決實(shí)際應(yīng)用問題具有非常重要的作用。相關(guān)的應(yīng)用實(shí)例有:通過定點(diǎn)的曲線與曲面方程,多項(xiàng)式插值問題(范德蒙行列式的應(yīng)用)等。矩陣是線性代數(shù)的重要工具,很多實(shí)際問題通過矩陣表示(如鄰接矩陣等)和運(yùn)算,使得問題的解決更方便或者可以直接應(yīng)用數(shù)學(xué)軟件求解。與矩陣表示及其運(yùn)算相關(guān)的應(yīng)用實(shí)例有:循環(huán)比賽名次的確定,不同地(城市)之間的交通問題,一種密碼方法(逆矩陣的應(yīng)用)等。許多變量之間的關(guān)系可以表達(dá)為線性函數(shù)關(guān)系或者線性方程組,一些應(yīng)用問題的約束條件是線性等式或線性不等式,這些都與線性方程組的求解有著密切的關(guān)系。用線性方程組解決應(yīng)用的實(shí)例有:交通流量問題,不定方程組的整數(shù)解,調(diào)整氣象觀測(cè)站問題,工資問題,市場(chǎng)均衡——線性方程組的應(yīng)用,投入產(chǎn)出分析,最優(yōu)生產(chǎn)計(jì)劃的確定(線性規(guī)劃問題)等。在線性代數(shù)的應(yīng)用中可以用向量描述多個(gè)變量的變化及其之間的相互聯(lián)系,而初學(xué)者對(duì)于向量的處理感到困難,但向量的應(yīng)用非常廣泛,包括信息的加工處理與最優(yōu)化方法(如最小二乘法等)。與向量?jī)?nèi)容有關(guān)的應(yīng)用實(shí)例有:基因的“距離”,平行四邊形的面積與平行體的體積等。許多經(jīng)濟(jì)計(jì)量模型和工程應(yīng)用模型都與二次型及其標(biāo)準(zhǔn)化的內(nèi)容相關(guān),在應(yīng)用矩陣解決實(shí)際問題的過程中又涉及到矩陣的特征值和矩陣的對(duì)角化問題,而且二次型與特征值問題和二次型的正定性在微觀經(jīng)濟(jì)計(jì)量模型中有著重要的應(yīng)用。與特征值問題和二次型有關(guān)的應(yīng)用實(shí)例有:動(dòng)物繁殖問題與Leslie人口模型,植物基因的分布與從事各業(yè)人員總數(shù)的發(fā)展趨勢(shì),受教育程度的依賴性,快樂的假期旅游,小行星的軌道問題和二次型的正定性在函數(shù)極值判定中的應(yīng)用等。

2.1斐波那契(Fibonncci)數(shù)列與兔子繁殖的數(shù)量兔子出生以后兩個(gè)月就能生小兔,如果每月生一次且恰好生一對(duì)小兔(雌雄各一只),且出生的兔子都能成活。試問:由1對(duì)小兔開始,一年后共有多少對(duì)兔子,兩年后共有多少對(duì)兔子?解:先直接推算。在第0月有1對(duì)兔子;第1月也只有1對(duì)兔子;在第2月這對(duì)兔子生了1對(duì)小兔,共有兩對(duì)兔子;在第3月,老兔子又生了1對(duì)小兔,共有3對(duì)兔子;在第4個(gè)月,老兔子和第2個(gè)月出生的小兔各生了一對(duì)小兔,共有5對(duì)兔子;在第5個(gè)月,第3個(gè)月的3對(duì)兔子各生了一對(duì)小兔,共有8對(duì)兔子;在第6個(gè)月,第4個(gè)月的5對(duì)兔子各生了一對(duì)小兔,共有13對(duì)兔子……。如此類推,不難得到月份和兔子對(duì)數(shù)的關(guān)系如表2.1.1:表2.1.1兔子繁殖數(shù)量表月份數(shù)0123456789……兔子對(duì)數(shù)11235813213455……從表2.1.1中可以看出,若用數(shù)列表示第個(gè)月兔子的對(duì)數(shù),則有,。由此可以推出一年后兔子的對(duì)數(shù)為對(duì),二年后兔子的對(duì)數(shù)為對(duì)。數(shù)列稱為斐波那契(Fibonncci)數(shù)列,關(guān)于斐波那契數(shù)列的問題是一個(gè)古老而且有趣的問題,這是在1202年由意大利數(shù)學(xué)家斐波那契提出來的??紤]階行列式將其按第一列(或第一行)展開,則有且。由此可見由行列式組成的數(shù)列也是斐波那契數(shù)列。經(jīng)過計(jì)算(利用差分方程或矩陣的特征值與特征向量等內(nèi)容)有這就是斐波那契數(shù)列的盧卡斯(Lucas)通項(xiàng)公式。這個(gè)結(jié)論告訴我們一個(gè)有趣的事實(shí),雖然可以用階行列式表示的數(shù)列都是正整數(shù),可是它們卻由一些無理數(shù)表示出來了。此外,斐波那契數(shù)列有許多重要、有趣的性質(zhì)和應(yīng)用,特別值得一提的是優(yōu)選法中分?jǐn)?shù)法正是基于此數(shù)列的,而它的表達(dá)式中出現(xiàn)了正是黃金分割的數(shù)值。另外,在自然界中,植物的葉序、菠蘿中的鱗狀花萼、蜜蜂進(jìn)蜂房的方式數(shù)、藝術(shù)上的美點(diǎn)——黃金分割等都可與斐波那契數(shù)列聯(lián)系起來,真實(shí)奇妙!神秘!問題:欲登上第18級(jí)臺(tái)階,如果規(guī)定每步只能跨上一級(jí)或兩級(jí)臺(tái)階,共有多少種不同的走法?某人去登黃山,此人一步可以登一個(gè)臺(tái)階也可以登兩個(gè)臺(tái)階,問他登上個(gè)臺(tái)階的“云梯”的不同攀登方式共有多少種?分析:登上第1級(jí)臺(tái)階,只有1種方法,;登上第2級(jí)臺(tái)階共有2種方法(可以每次登一階,也可以一次登兩階);登上第3級(jí)臺(tái)階或者是從第1級(jí)臺(tái)階跨2個(gè)臺(tái)階上來的,或者是從第2級(jí)臺(tái)階跨1階臺(tái)階上來的,則有3種方法,。設(shè)表示登上第級(jí)臺(tái)階的走法,。因?yàn)榈巧系诩?jí)臺(tái)階,他的最后一步可以從第級(jí)臺(tái)階跨2級(jí),也可以從第級(jí)臺(tái)階跨1級(jí)而到達(dá),所以有,這也是斐波那契數(shù)列的問題,可以求得欲登上第18級(jí)臺(tái)階,共有=4181種走法。登上個(gè)臺(tái)階的“云梯”的不同攀登方式共有種。斐波那契數(shù)列是一個(gè)神奇的數(shù)列,有人將它與股票波浪理論聯(lián)系起來,也有人將它與彩票的中獎(jiǎng)號(hào)碼聯(lián)系起來。有興趣的讀者,可以進(jìn)行更深入的思考。評(píng)注1.理論依據(jù)行列式按一行(列)展開,得到遞推公式是一個(gè)差分方程,根據(jù)初值條件,可得一般表達(dá)式。2.應(yīng)用與推廣斐波那契數(shù)列是一個(gè)很重要的數(shù)列,它可以廣泛地應(yīng)用到股票價(jià)格的預(yù)測(cè)等經(jīng)濟(jì)管理之中。參考文獻(xiàn)楊啟帆,李浙寧,王聚豐,涂黎輝:數(shù)學(xué)建模案例集[M].高等教育出版社,2006.7.楊桂元:用差分方程計(jì)算行列式[J].高等數(shù)學(xué)研究,2007年第1期.2.2通過定點(diǎn)的曲線與曲面方程線性方程組的理論中有一個(gè)基本結(jié)論:含有個(gè)方程個(gè)未知量的齊次線性方程組有非零解的充分必要條件是其系數(shù)行列式等于零。利用這個(gè)結(jié)論,我們可以建立用行列式表示的直線、平面、圓和其他一些曲面的方程,也可以求出一般多項(xiàng)式的表達(dá)式。如果平面上有兩個(gè)不同的已知點(diǎn),通過這兩點(diǎn)存在惟一的直線,設(shè)直線方程為:,且不全為零。由于在這條直線上,所以它們滿足上述直線方程,則:,。因此有這是一個(gè)以為未知量的齊次線性方程組,且不全為零,說明該齊次線性方程組必有非零解。于是,系數(shù)行列式等于零。即這就是用行列式表示的通過已知兩點(diǎn)的直線方程。例如,通過兩點(diǎn)的直線方程為:即同理,通過空間中三點(diǎn)、、的平面方程為:例如,通過空間中三點(diǎn)、、的平面方程為:,即同理,用行列式表示的通過平面上三點(diǎn)的圓的方程為:對(duì)于次多項(xiàng)式,可由其圖象上的個(gè)橫坐標(biāo)互不相同的點(diǎn)、、…、、所惟一確定。這是因?yàn)?,這個(gè)點(diǎn)均滿足這個(gè)次多項(xiàng)式,則有這是一個(gè)含有個(gè)方程、以為個(gè)未知量的線性方程組,其系數(shù)行列式是一個(gè)范德蒙(Vandermonde)行列式,當(dāng)互不相同時(shí),,由克萊姆(Cramer)法則,可以惟一地解出。所以,次多項(xiàng)式可由其圖象上的個(gè)橫坐標(biāo)互不相同的點(diǎn)、、…、、所惟一確定。該多項(xiàng)式方程的行列式形式為評(píng)注1.理論依據(jù)求解線性方程組的克萊姆(Cramer)法則,范德蒙(Vandermonde)行列式的直接應(yīng)用。2.應(yīng)用與推廣求過定點(diǎn)的曲線或曲面的方程,一般多項(xiàng)式的擬合問題,應(yīng)用這些方法還可以解決多項(xiàng)式插值問題。參考文獻(xiàn)歸行茂等:線性代數(shù)的應(yīng)用[M].上??茖W(xué)普及出版社.1994.11.楊桂元:用行列式求通過定點(diǎn)的曲線與曲面方程[J].高等數(shù)學(xué)研究,200多項(xiàng)式插值問題——范德蒙(Vandermonde)行列式的應(yīng)用在實(shí)際問題中會(huì)遇到這樣的情況:有可能函數(shù)的表達(dá)式很復(fù)雜或者根本不知道其具體表達(dá)式,而只能通過實(shí)驗(yàn)或試驗(yàn)得到該函數(shù)在某些點(diǎn)上的函數(shù)值.要尋找一個(gè)函數(shù)來近似代替,要求滿足:這類問題稱為插值問題,并稱為的插值函數(shù),稱為插值節(jié)點(diǎn),稱為插值條件。常用的插值函數(shù)是多項(xiàng)式和樣條函數(shù)?,F(xiàn)在的問題是怎樣來找,即選擇什么類型的函數(shù)作為?一種簡(jiǎn)單而又自然的方法就是把設(shè)成次數(shù)不超過的多項(xiàng)式:滿足插值條件有個(gè)方程,從而確定出中的個(gè)參數(shù).為了確定這個(gè)參數(shù),可以得到關(guān)于中待定參數(shù)的線性方程組:它的系數(shù)行列式即為范德蒙(Vandermonde)行列式如果節(jié)點(diǎn)互不相同,,上述線性方程組有唯一的解,可以唯一確定參數(shù)。這就說明了次代數(shù)插值問題是存在且唯一的。不難得到這個(gè)插值多項(xiàng)式的行列式表示形式為:顯然滿足,并且按第列展開,是的次多項(xiàng)式。整理可得:這個(gè)公式稱為L(zhǎng)agrange插值公式。另外,還有幾種常用的插值公式:Newton插值公式、Hermite插值公式等。由于代數(shù)多項(xiàng)式的結(jié)構(gòu)簡(jiǎn)單,數(shù)值計(jì)算和理論分析都很方便,因而常用代數(shù)多項(xiàng)式作為插值公式,即所謂的代數(shù)插值。評(píng)注1.理論依據(jù)范德蒙(Vandermonde)行列式的應(yīng)用,克萊姆(Cramer)法則。2.應(yīng)用與推廣根據(jù)這個(gè)理論可以得到:兩點(diǎn)可以確定一條直線,三點(diǎn)可以確定一條拋物線;過任意個(gè)橫坐標(biāo)互不相同的點(diǎn)可以唯一確定一個(gè)次多項(xiàng)式,它在多項(xiàng)式逼近理論、多項(xiàng)式插值公式、樣條插值公式的推導(dǎo)具有一定的借鑒意義。參考文獻(xiàn)邱森:線性代數(shù)探究性課題精編[M].武漢大學(xué)出版社,20循環(huán)比賽名次的確定矩陣是線性代數(shù)的主要內(nèi)容,也是線性代數(shù)中解決問題的主要工具。許多實(shí)際應(yīng)用問題可以用矩陣來描述,通過矩陣的運(yùn)算來解決應(yīng)用問題。例1.若有5個(gè)球隊(duì)進(jìn)行單循環(huán)賽,已知它們的比賽結(jié)果為:1隊(duì)勝2、3隊(duì);2隊(duì)勝3、4、5隊(duì);4隊(duì)勝1、3、5隊(duì);5隊(duì)勝1、3隊(duì)。按獲勝的次數(shù)排名次,若兩隊(duì)勝的次數(shù)相同,則按直接勝與間接勝的次數(shù)之和排名次。所謂間接勝,即若1隊(duì)勝2隊(duì),2隊(duì)勝3隊(duì),則稱1隊(duì)間接勝3隊(duì)。試為這5個(gè)隊(duì)排名次。按照上述排名次的原則,不難排出2隊(duì)為冠軍,4隊(duì)為亞軍,1隊(duì)第3名,5隊(duì)第4名,3隊(duì)墊底。問題是:如果參加比賽的隊(duì)數(shù)比較多,應(yīng)如何解決這個(gè)問題?有沒有解決這類問題的一般方法?我們可以用鄰接矩陣M來表示各隊(duì)直接勝的情況:,若第隊(duì)勝第隊(duì),則,否則。由此可得,M中各行元素之和分別為各隊(duì)直接勝的次數(shù),中各行元素之和分別為各隊(duì)間接勝的次數(shù)。那么各行元素之和分別為5、8、0、7、4,就是各隊(duì)直接勝與間接勝的次數(shù)之和。由此可得:比賽的名次依次為2隊(duì)、4隊(duì)、1隊(duì)、5隊(duì)、3隊(duì)。如果參賽的隊(duì)數(shù)很多,用這種方法計(jì)算會(huì)很復(fù)雜,甚至還無法得出確定的結(jié)論,根據(jù)非負(fù)矩陣的最大特征值與其對(duì)應(yīng)的特征向量的性質(zhì),來確定排序問題。根據(jù)Matlab中的命令:M=[0,1,1,0,0;0,0,1,1,1;0,0,0,0,0;1,0,1,0,1;1,0,1,0,0][X,Q]=eig(M)可以求得的最大特征值,對(duì)應(yīng)的經(jīng)過歸一化的特征向量為,將這個(gè)特征向量的各個(gè)分量按照從大到小的順序排序,所以5個(gè)球隊(duì)按照名次的排序依次為2隊(duì)、4隊(duì)、1隊(duì)、5隊(duì)、3隊(duì)。例2.若有5個(gè)壘球隊(duì)進(jìn)行單循環(huán)比賽,其結(jié)果是:1隊(duì)勝3、4隊(duì);2隊(duì)勝1、3、5隊(duì);3隊(duì)勝4隊(duì);4隊(duì)勝2隊(duì);5隊(duì)勝1、3、4隊(duì)。按直接勝與間接勝次數(shù)之和排名次。用以表示各個(gè)隊(duì)直接勝和間接勝的情況的鄰接矩陣分別為:,,那么,各行元素之和分別為4、9、2、4、7,所以各隊(duì)的名次為:第1名2隊(duì),第2名5隊(duì),第3名1、4隊(duì)(并列),第5名3隊(duì)。1隊(duì)和4隊(duì)無法確定順序,是否一定并列呢?還要再計(jì)算。但是,用Matlab計(jì)算:M=[0,0,1,1,0;1,0,1,0,1;0,0,0,1,0;0,1,0,0,0;1,0,1,1,0][X,Q]=eig(M)可以求得的最大特征值,對(duì)應(yīng)的經(jīng)過歸一化的特征向量為,所以各隊(duì)的名次為:第1名2隊(duì),第2名5隊(duì),第3名4隊(duì),第4名1隊(duì),第5名3隊(duì),1隊(duì)與4隊(duì)不是并列。這樣排序才是最準(zhǔn)確的。評(píng)注1.理論依據(jù)鄰接矩陣的性質(zhì),素陣的最大特征值及其所對(duì)應(yīng)的特征向量的性質(zhì)(Perro-Frobenius定理)。2.應(yīng)用與推廣根據(jù)循環(huán)比賽的鄰接矩陣,利用不可分矩陣的最大特征值及其對(duì)應(yīng)的特征向量的性質(zhì),對(duì)循環(huán)比賽的名次進(jìn)行排序是非常合理的。應(yīng)用Matlab計(jì)算矩陣的最大特征值及其特征向量是非常方便的。參考文獻(xiàn)姜啟源等:數(shù)學(xué)模型(第三版)[M].高等教育出版社.200不同地(城市)之間的交通問題矩陣的運(yùn)算還可以表示不同地點(diǎn)(城市)的通達(dá)情況。在國(guó)際象棋里,馬在棋盤上123456789是走“L”步的,它可以水平走2格,垂直走1格;或者垂直走2格,水平走1格。假設(shè)馬被限制在以下9個(gè)編號(hào)的格子里,馬可以從第格走到第格中去,則123456789則表示馬可經(jīng)2步間接到達(dá)的情況,表示馬可經(jīng)3步間接到達(dá)的情況……,則表示馬在步可以直接和間接到達(dá)的情況,其中位于第行第列的的數(shù)字表示在步內(nèi)馬可以從第格到第格的不同(直接和間接)走法。經(jīng)計(jì)算這說明,在3步內(nèi),除了格子5之外,還有格子之間不可互相達(dá)到。但是ACBHD這說明,在4步內(nèi),除了格子5之外,其余格子均可互相達(dá)到,對(duì)應(yīng)的數(shù)字為達(dá)到的通路數(shù)目。由于與中第5行與第5列的元素全為零,再計(jì)算下去,中第5行與第5列的元素也全為零,因此格子5與其他格子不能通達(dá);其實(shí)由中第5行與第5列的元素全為零,可以推得對(duì)任意整數(shù),都有中第5行與第5列的元素全為零,格子5與其他格子不能通達(dá)。因此,這種方法也可以用來研究一般交通路線的通達(dá)情況。ACBHD圖2.5.1某航空公司五個(gè)城市的航線圖圖2.5.1是某個(gè)航空公司關(guān)于A,B,C,D和H五個(gè)城市的航線圖,其中H是中心城市,它和其他每個(gè)城市之間都有往返航線,而其他城市之間只有從A到C,從C到D,從D到B,從B到A四條航線。假定我們要從城市A到B旅行,那么至少需要2條航線才能完成這次旅行,其中和兩條航線連接起來的路線所需要的航線數(shù)最少,否則至少需要3條航線。于是,我們要問,共有多少條從城市A到城市B的路線恰好是由3條航線連接起來的?有多少條路線所需的航線不超過4條?由于一共只有5個(gè)城市,我們從圖上觀察,就能回答上述問題。在城市數(shù)多和航線圖復(fù)雜的情況下,用觀察方法一般就難以解決問題了。為此,可以利用連接矩陣來解決這個(gè)問題。設(shè),其中,這里稱為鄰接矩陣。這五個(gè)城市的鄰接矩陣為:;;;;從鄰接矩陣以及它的冪我們可以獲得航線圖的一些信息,從而解決上述航線問題。因此,恰好由3條航線連接起來的從城市A到城市B的路線總數(shù)是位于第一行第二列的元素;恰好由4條航線連接起來的從城市A到城市B的路線總數(shù)是。從城市A到城市B所需的航線不超過4條的路線總數(shù)是:條。本問題的矩陣計(jì)算用Matlab計(jì)算更方便。評(píng)注1.理論依據(jù)鄰接矩陣的性質(zhì),根據(jù)矩陣的運(yùn)算來解決通達(dá)問題。2.應(yīng)用與推廣兩點(diǎn)之間的關(guān)聯(lián)可以通過鄰接矩陣來反映。應(yīng)用鄰接矩陣的基本原理,可以應(yīng)用到圖論與網(wǎng)絡(luò)優(yōu)化問題之中。參考文獻(xiàn)歸行茂等:線性代數(shù)的應(yīng)用[M].上??茖W(xué)普及出版社.1994.11.邱森:線性代數(shù)探究性課題精編[M].武漢大學(xué)出版社,20一種密碼方法——逆矩陣的應(yīng)用密碼法是信息編碼與解碼的技巧,其中的一種是基于線性變換(或可逆矩陣)的方法。比如,先在26個(gè)英文字母與數(shù)字間建立起一一對(duì)應(yīng)關(guān)系,例如可以是圖2.6.1的對(duì)應(yīng)關(guān)系:圖2.6.126個(gè)英文字母與數(shù)字的對(duì)應(yīng)關(guān)系1.若要發(fā)出信息action,使用上述代碼,則此信息的編碼是:1,3,20,9,15,14。可以寫成兩個(gè)向量或者寫成一個(gè)矩陣?,F(xiàn)任選一個(gè)三階的可逆矩陣,例如于是將要發(fā)出的信息向量(或矩陣)經(jīng)乘以A變成“密碼”后發(fā)出,或者在收到信息:后,可予以解碼(當(dāng)然這里選定的矩陣A是大家約定的,這個(gè)可逆矩陣A稱為解密的鑰匙,或者稱為“密匙”)。即用A的逆矩陣從密碼中恢復(fù)明碼:或者反過來查圖2.6.1所表示的英文字母與數(shù)字的對(duì)應(yīng)關(guān)系,即可得到信息action。2.如將要傳遞的明文HillonTuesday包括兩個(gè)空格(用0對(duì)應(yīng))分為5組,每組3個(gè)字母,所以明文是一個(gè)矩陣,已知加密矩陣,加密算法為,得到密文:mcqcolftncnzvxe。當(dāng)然要用加密矩陣的矩陣進(jìn)行解密。說明:由于是3列矩陣,這里要求是3階可逆矩陣,并且矩陣的每一個(gè)元素不超過26且非負(fù),如果的元素大于26,可以取為關(guān)于26同余數(shù),不過這時(shí)的結(jié)果不是一一對(duì)應(yīng)的,而且為解密帶來了一定的困難。評(píng)注1.理論依據(jù)逆矩陣的應(yīng)用,由可逆矩陣決定的線性變換是可逆的,并且其逆變換對(duì)應(yīng)的矩陣為。2.應(yīng)用與推廣 可逆矩陣在信息安全與密碼理論方面的應(yīng)用。參考文獻(xiàn)郝志峰等:線性代數(shù)[M].高等教育出版社.2003年8月。湯燕:矩陣在密碼學(xué)中的應(yīng)用[J].科教文匯2010年第8期。2.7交通流量問題100300400200300600500200400300500600700圖2.7.1某城市部分單行街道的交通流量圖某城市部分單行街道的交通流量(每小時(shí)通過的車輛數(shù))如圖2.7.1所示。假設(shè):(1)全部流入網(wǎng)絡(luò)的流量等于全部流出網(wǎng)絡(luò)的流量;(2)全部流入每一個(gè)路口(網(wǎng)絡(luò)的結(jié)點(diǎn))的流量等于全部流出此路口的流量。試建立數(shù)學(xué)模型,確定該交通網(wǎng)絡(luò)中未知部分的具體流量。根據(jù)各結(jié)點(diǎn)的進(jìn)出流量平衡知整個(gè)網(wǎng)絡(luò)的進(jìn)出流量平衡,于是可得如下的一系列方程:;;;;;;;;;。整理,得線性方程組先不考慮非負(fù)性,解這個(gè)線性方程組。用Matlab求解:A=[1,1,0,0,0,0,0,0,0,0,800;1,0,0,0,1,0,0,0,0,0,800;0,1,-1,1,0,0,0,0,0,0,300;0,0,1,0,0,1,0,1,0,0,1000;0,0,0,1,1,0,0,0,0,0,500;0,0,0,0,0,-1,1,0,0,0,200;0,0,0,0,0,0,1,1,0,0,1000;0,0,0,0,0,0,0,0,1,0,400;0,0,0,0,0,0,0,0,-1,1,200;0,0,0,0,0,0,0,0,0,1,600]rref(A)其中、可取非負(fù)值,并且使得其余變量非負(fù)。實(shí)際上,只要即可滿足要求。為滿足交通網(wǎng)絡(luò)的需要,可以有無窮多解。如果結(jié)合實(shí)際情況,可以選擇合適的、,使交通網(wǎng)絡(luò)滿足實(shí)際要求,或者滿足上述條件的情況下,使得某一個(gè)目標(biāo)函數(shù)達(dá)到最大值(或最小值),從而對(duì)交通網(wǎng)絡(luò)進(jìn)行優(yōu)化。評(píng)注1.理論依據(jù)交通流的平衡問題,一般線性方程組求解。2.應(yīng)用與推廣交通網(wǎng)絡(luò)的優(yōu)化問題可以通過線性方程組來體現(xiàn),因此,網(wǎng)絡(luò)優(yōu)化問題可以化為線性規(guī)劃問題或者整數(shù)線性規(guī)劃(0—1規(guī)劃)問題來解決。參考文獻(xiàn)謝云蓀,張志讓等:數(shù)學(xué)實(shí)驗(yàn)[M].科學(xué)出版社.19不定方程組的整數(shù)解1.百雞問題百雞問題是公元5世紀(jì)末我國(guó)數(shù)學(xué)家張丘建在他所著《算經(jīng)》里提出的一個(gè)著名的不定方程問題。問題是:雞翁一,值錢五;雞母一,值錢三;雞雛三,值錢一。百錢買百雞,問:雞翁、雞母、雞雛各幾何?解:設(shè)公雞、母雞、小雞的數(shù)量分別為(均為非負(fù)整數(shù))只,則有線性方程組該方程組的一般解為(其中為自由未知量)從而原問題的解為(取非負(fù)整數(shù),且使為非負(fù)整數(shù))于是,由及均為非負(fù)整數(shù)可知且能被3整除,故原問題共有四組解:①;②;③;④2.點(diǎn)兵問題韓信點(diǎn)兵,有兵一隊(duì),人數(shù)在500至1000之內(nèi)。三三數(shù)之剩二,五五數(shù)之剩三,七七數(shù)之剩二。問這隊(duì)兵有多少人?設(shè)這隊(duì)兵的人數(shù)為非負(fù)整數(shù),且有非負(fù)整數(shù),使得:即易求得方程組的一般解為(其中為自由未知量)從而原問題的解為其中的、、、均為非負(fù)整數(shù)。顯然,應(yīng)能被3整除、應(yīng)能被5整除,且,所以,的取值可以為78、93、108、123、138,故這隊(duì)兵的人數(shù)可以為548人、653人、758人、863人或968人。評(píng)注1.理論依據(jù)用一般線性方程組的求解方法解決不定方程的求解問題。2.應(yīng)用與推廣應(yīng)用線性方程組的理論可以解決與此類似的相關(guān)問題。2.9調(diào)整氣象觀測(cè)站問題某地區(qū)有12個(gè)氣象觀測(cè)站,10年來各觀測(cè)站的年降水量如表2.9.1。為了節(jié)省開支,想要適當(dāng)減少氣象觀測(cè)站。問題:減少哪些氣象觀測(cè)站可以使所得的降水量的信息量仍然足夠大?表2.9.1某地區(qū)12個(gè)氣象站1981——1990年降水量(單位:mm)地點(diǎn)年份1981276.2324.5158.6412.5292.8258.4334.1303.2292.9243.2159.7331.21982251.6287.3349.5297.4227.8453.6321.5451466.2307.5421.1455.11983192.7436.2289.9366.3466.2239.1357.4219.7245.7411.1357353.21984246.2232.4243.7372.5460.4158.9298.7314.5256.6327296.54231985291.7311502.4254245.6324.8401266.5251.3289.9255.4362.11986466.5158.9223.5425.1251.4321315.4317.4246.2277.5304.2410.71987258.6327.4432.1403.9256.6282.9389.7413.2466.5199.3282.1387.61988453.4365.5357.6258.1278.8467.2355.2228.5453.6315.6456.3407.21989158.5271410.2344.2250360.7376.4179.4159.2342.4331.2377.71990324.8406.5235.7288.8192.6284.9290.5343.7283.4281.2243.7411.1分別表示氣象觀測(cè)站在1981—1990年內(nèi)的降水量的列向量,由于是含有12個(gè)向量的10維向量組,該向量組必定線性相關(guān)。若能求出它的一個(gè)極大線性無關(guān)組,則其極大線性無關(guān)組所對(duì)應(yīng)的氣象觀測(cè)站就可將其他的氣象觀測(cè)站的氣象資料表示出來,因而其他氣象觀測(cè)站就是可以減少的。因此,最多只需要10個(gè)氣象觀測(cè)站。由為列向量組作矩陣,我們可以求出向量組的一個(gè)極大線性無關(guān)組(可由Matlab軟件中的命令,輸入矩陣A,rref(A)求出來)(事實(shí)上,該問題中任意10個(gè)向量都是極大線性無關(guān)組),且有:故可以減少第11與第12個(gè)觀測(cè)站,可以使得到的降水量的信息仍然足夠大。當(dāng)然,也可以減少另外兩個(gè)觀測(cè)站,只要這兩個(gè)列向量可以由其他列向量線性表示。如果確定只需要8個(gè)氣象觀測(cè)站,那么我們可以從上表數(shù)據(jù)中取某8年的數(shù)據(jù)(比如,最近8年的數(shù)據(jù)),組成含有12個(gè)8維向量的向量組,然后求其極大線性無關(guān)組,則必有4個(gè)向量可由其余向量(就是極大線性無關(guān)組)線性表示。這4個(gè)向量所對(duì)應(yīng)的氣象觀測(cè)站就可以減少,可以使所得到的降水量的信息仍然足夠大??梢宰C明,對(duì)于該問題的任意8個(gè)列向量都是線性無關(guān)的,因此,也可以減少其他4個(gè)氣象觀測(cè)站仍然可以使得到的降水量的信息足夠大。(注:本問題為西安市第一屆大學(xué)生數(shù)學(xué)建模競(jìng)賽題目)評(píng)注1.理論依據(jù)任意個(gè)維向量必然線性相關(guān),求出它的一個(gè)極大線性無關(guān)組,其余的向量一定可以用所求的極大線性無關(guān)組線性表示。2.應(yīng)用與推廣向量組的任意一個(gè)極大線性無關(guān)組都與整個(gè)向量組等價(jià),因此包含的信息量相同。所以,只要從列向量組中找出它的一個(gè)極大線性無關(guān)組,就可以表示其余的向量,這個(gè)極大線性無關(guān)組就是包含足夠的信息量。這只是解決問題的一個(gè)途徑,當(dāng)然也可以用其他方法(如相關(guān)系數(shù)法、聚類分析法等)進(jìn)行解決。參考文獻(xiàn)葉其孝:數(shù)學(xué)建模教育與國(guó)際數(shù)學(xué)建模競(jìng)賽[J].工科數(shù)學(xué)專輯.190工資問題現(xiàn)有一個(gè)木工、一個(gè)電工、一個(gè)油漆工和一個(gè)粉飾工,四人相互同意彼此裝修他們自己的房子。在裝修之前,他們約定每人工作13天(包括給自己家干活在內(nèi)),每人的日工資根據(jù)一般的市價(jià)在50~70元,每人的日工資數(shù)應(yīng)使得每人的總收入與總支出相等。表2.10.1是他們協(xié)商后制定出的工作天數(shù)的分配方案,如何計(jì)算出他們每人應(yīng)得的日工資以及每人房子的裝修費(fèi)(只計(jì)算工錢,不包括材料費(fèi))是多少?表2.10.1四個(gè)工人工作天數(shù)的分配方案工種天數(shù)木工電工油漆工粉飾工在木工家工作天數(shù)4323在電工家工作天數(shù)5423在油漆工家工作天數(shù)2533在粉飾工家工作天數(shù)2164這是一個(gè)收入——支出的閉和模型。設(shè)木工、電工、油漆工和粉飾工的日工資分別為元,為滿足“平衡”條件,每人的收支相等,要求每人在這13天內(nèi)“總收入=總支出”。則可建立線性方程組:,整理,得齊次線性方程組用Matlab解之:A=[-9,3,2,3;5,-9,2,3;2,5,-10,3;2,1,6,-9]rref(A)*59取,得?;蚪獾茫骸榱耸沟萌≈翟?0~70之間,令,得所以,木工、電工、油漆工和粉飾工的日工資分別為54元、63元、60元和59元。每人房子的裝修費(fèi)用相當(dāng)于本人13天的工資,因此分別為702元、819元、780元和767元。評(píng)注1.理論依據(jù)用一般線性方程組的求解方法解決不定方程的求解問題。2.應(yīng)用與推廣應(yīng)用線性方程組的理論可以解決收入與支出的平衡問題,也可以進(jìn)行投入產(chǎn)出分析并且進(jìn)一步優(yōu)化。2.11市場(chǎng)均衡——線性方程組的應(yīng)用兩市場(chǎng)均衡在許多市場(chǎng)均衡模型中,代表各個(gè)市場(chǎng)需求和供給的方程組明確表明,每個(gè)市場(chǎng)的需求和供給都取決于其他市場(chǎng)的價(jià)格。例如,咖啡的需求不僅取決于咖啡的價(jià)格,還取決于茶——一種替代商品的價(jià)格;汽車的需求不僅取決于汽車的價(jià)格,還取決于汽油——一種互補(bǔ)商品的價(jià)格。一家廠商的供給會(huì)由于各種原因受其他商品價(jià)格的影響。例如,一家廠商可能會(huì)把其他廠商生產(chǎn)的產(chǎn)品作為投入品,在這種情況下,這家廠商的供給由其生產(chǎn)的產(chǎn)品的價(jià)格和作為投入品的其他廠商生產(chǎn)的產(chǎn)品的價(jià)格所決定。兩種商品的市場(chǎng)模型的關(guān)系表達(dá)式一般寫為:若,那么商品2(投入品)價(jià)格的上升會(huì)減少?gòu)S商1對(duì)它的使用量,從而降低商品1的產(chǎn)量。令每個(gè)市場(chǎng)的供給和需求相等,就得到?jīng)Q定均衡價(jià)格和的包含兩個(gè)方程的方程組。結(jié)構(gòu)方程式:解這個(gè)方程組,可得:它們僅取決于模型的參數(shù)。例1:互補(bǔ)品的兩市場(chǎng)的均衡如果被消費(fèi)者看作是互補(bǔ)品的兩種商品有如下的需求和供給方程式,(商品1),(商品2)分別表示商品的供給數(shù)量和需求數(shù)量,表示商品的單位價(jià)格。兩種商品的互補(bǔ)表現(xiàn)為一種商品價(jià)格提高的時(shí)候,另一種商品的需求量下降。求這兩種商品的均衡價(jià)格。在均衡條件下,對(duì)每一種商品,有。由此可得線性方程組求解得:,這兩個(gè)價(jià)格,也只有這兩個(gè)價(jià)格,可以使這兩個(gè)商品市場(chǎng)同時(shí)達(dá)到均衡。用matlab求解>>A=[3,1,21;1,3,40]A=31211340>>rref(A)ans=1.000002.875001.000012.3750多市場(chǎng)均衡當(dāng)我們討論的兩市場(chǎng)均衡問題擴(kuò)展到個(gè)市場(chǎng)的問題,就是個(gè)方程的問題。對(duì)于三個(gè)市場(chǎng)的情況:令,可得3個(gè)方程3個(gè)未知量的線性方程組:求解得到均衡價(jià)格。一般情況下,用表示種商品的市場(chǎng)供給量,為的常數(shù)列向量,為的系數(shù)矩陣,為的價(jià)格列向量,我們有:同樣,需求方程可以記作這里用表示種商品的市場(chǎng)需求量,為的常數(shù)列向量,為的系數(shù)矩陣,為的價(jià)格列向量。設(shè)在每個(gè)市場(chǎng)上供給量等于需求量(市場(chǎng)均衡)則有:當(dāng)?shù)南禂?shù)矩陣可逆的時(shí)候,均衡價(jià)格向量的解為(唯一):例2:考慮咖啡、茶葉和糖的市場(chǎng)。這些商品的需求相互聯(lián)系,因?yàn)榭Х群筒枞~是替代產(chǎn)品,而糖與咖啡、茶葉是互補(bǔ)產(chǎn)品。忽略供給市場(chǎng),我們有令三種商品的需求等于供給,然后給出均衡價(jià)格方程組:解得:>>A=[7,-3,1,110;-2,13,2,140;10,5,16,300]A=7-31110-213214010516300>>rref(A)ans=1.00000021.559601.0000013.9450001.00000.9174因此,茶葉、咖啡和糖三種產(chǎn)品的市場(chǎng)均衡價(jià)格分別為:21.5596,13.945和0.9174。評(píng)注1.理論依據(jù)市場(chǎng)均衡的條件是總供給等于總需求;線性方程組的求解。2.應(yīng)用與推廣市場(chǎng)均衡分為一般均衡和局部均衡。一般均衡是指一個(gè)經(jīng)濟(jì)社會(huì)所有市場(chǎng)的供給和需求相等的一種狀態(tài),一般均衡的理論代表人物是瓦爾拉斯。局部均衡是指單個(gè)市場(chǎng)或部分市場(chǎng)的供給和需求相等的一種狀態(tài),局部均衡理論的代表人物是馬歇爾。均衡狀態(tài)下的供給或需求成為均衡數(shù)量,對(duì)應(yīng)的價(jià)格成為均衡價(jià)格。線性方程組還可以解決其他應(yīng)用型問題。參考文獻(xiàn)邱森:線性代數(shù)探究性課題新編[M].武漢大學(xué)出版社,202投入產(chǎn)出分析一個(gè)城鎮(zhèn)有三個(gè)主要生產(chǎn)企業(yè):煤礦、電廠和地方鐵路作為它的經(jīng)濟(jì)系統(tǒng)。已知生產(chǎn)價(jià)值1元的煤,需要消耗0.25元的電和0.35元的運(yùn)輸費(fèi);生產(chǎn)價(jià)值1元的電,需要消耗0.40元的煤、0.05元的電和0.10元的運(yùn)輸費(fèi);而提供價(jià)值1元的鐵路運(yùn)輸服務(wù),則需要消耗0.45元的煤、0.10元的電和0.10元的鐵路運(yùn)輸服務(wù)費(fèi)。假設(shè)在某個(gè)星期內(nèi),除了這三個(gè)企業(yè)間的彼此需求,煤礦得到50000元的訂單,電廠得到25000元的電量供應(yīng)需求,而地方鐵路得到價(jià)值30000元的運(yùn)輸需求。試問:這三個(gè)企業(yè)在這個(gè)星期各生產(chǎn)多少產(chǎn)值才能滿足內(nèi)外需求?除了外部需求,試求這星期各企業(yè)之間的消耗需求,同時(shí)求出各企業(yè)的新創(chuàng)造價(jià)值(即產(chǎn)值中去掉各企業(yè)的消耗所剩部分)。這是一個(gè)小型的經(jīng)濟(jì)投入產(chǎn)出模型①投入產(chǎn)出法是由經(jīng)濟(jì)學(xué)家華西里·W·①投入產(chǎn)出法是由經(jīng)濟(jì)學(xué)家華西里·W·里昂節(jié)夫(WassilyW.Leortief)創(chuàng)立并發(fā)展,為此他獲得1973年諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)。關(guān)于投入產(chǎn)出模型更詳細(xì)的內(nèi)容,讀者可以查閱有關(guān)專門的著作。②這是價(jià)值型投入產(chǎn)出表,此外還有實(shí)物型的投入產(chǎn)出表,實(shí)物型的投入產(chǎn)出表縱列不可相加。表2.12.1小型的經(jīng)濟(jì)投入產(chǎn)出表產(chǎn)出投入消耗系數(shù)(單位產(chǎn)品的消耗)最終產(chǎn)品總產(chǎn)值煤礦電廠鐵路煤礦00.400.4550000電廠0.250.050.1025000鐵路0.350.100.1030000新創(chuàng)造價(jià)值總產(chǎn)值設(shè)煤礦、電廠和地方鐵路在這星期的總產(chǎn)值分別為、、(元),那么就有分配平衡方程組(表示產(chǎn)出情況):該方程組說明各企業(yè)的產(chǎn)品按其經(jīng)濟(jì)用途的使用分配情況,即:總產(chǎn)品(值)=中間產(chǎn)品(作為系統(tǒng)內(nèi)部的消耗)+最終產(chǎn)品(外部需求)記稱為直接消耗系數(shù)矩陣,A中的元素表示單位(元)第部門產(chǎn)品在生產(chǎn)過程中對(duì)第部門產(chǎn)品的消耗量。稱為總產(chǎn)品列向量(矩陣),稱為最終產(chǎn)品列向量(矩陣),則分配平衡方程組可以表示成或從而其解為對(duì)于我們的問題,可得即這個(gè)星期煤礦總產(chǎn)值是114458元,電廠總產(chǎn)值是65375元,鐵路服務(wù)產(chǎn)值是85111元。用Matlab求解:A=[0,0.4,0.45;0.25,0.05,0.1;0.35,0.1,0.1]Y=[50000,25000,30000]'X=inv(eye(3)-A)*Y值得指出的是:是直接消耗系數(shù)矩陣,可以證明:的所有特征值的模全小于1;因此,滿足條件,這是直接消耗系數(shù)矩陣特有的性質(zhì)。則是收斂的,稱為完全需要系數(shù)矩陣;同時(shí)稱為完全消耗系數(shù)矩陣,它等于直接消耗加上各次間接消耗。在求出X以后,三個(gè)企業(yè)為煤礦提供的中間產(chǎn)品(煤礦的消耗)列向量為:三個(gè)企業(yè)為電廠提供的中間產(chǎn)品(電廠的消耗)列向量為;三個(gè)企業(yè)為鐵路提供的中間產(chǎn)品(鐵路的消耗)列向量為;另一方面,若設(shè)煤礦、電廠和地方鐵路在這星期的新創(chuàng)造價(jià)值(工資、稅收、利潤(rùn)等)分別為、、(元),則可得到消耗平衡方程組:這個(gè)方程組說明了各部門總產(chǎn)值的價(jià)值構(gòu)成情況,即生產(chǎn)資料轉(zhuǎn)移價(jià)值+新創(chuàng)造價(jià)值=總產(chǎn)值由于、、已經(jīng)求得,代入消耗平衡方程組,可以解得=45784元、=29427元、=29789元。所以,可以得到這三個(gè)部門的投入產(chǎn)出表見表2.12.2.表2.12.2三個(gè)部門的投入產(chǎn)出表產(chǎn)出投入中間產(chǎn)品最終產(chǎn)品總產(chǎn)值煤礦電廠鐵路煤礦0261583830050000114458電廠28614327085112500065395鐵路40061654085113000085111新創(chuàng)造價(jià)值457842942729789總產(chǎn)值1144586539585111評(píng)注1.理論依據(jù)根據(jù)線性方程組的理論,列出價(jià)值型投入產(chǎn)出表的兩組平衡方程組并求解。2.應(yīng)用與推廣投入產(chǎn)出綜合平衡模型是宏觀的經(jīng)濟(jì)模型,用于為經(jīng)濟(jì)系統(tǒng)(小到一家公司,大到整個(gè)國(guó)家乃至國(guó)際共同體)編制經(jīng)濟(jì)計(jì)劃并研究各種相關(guān)的經(jīng)濟(jì)政策和問題。這種模型由美國(guó)經(jīng)濟(jì)學(xué)家里昂節(jié)夫(WassilyW.Leortief)于1931年開始研究,并于1936年首先發(fā)表第一篇研究成果,此后數(shù)十年間被愈來愈多的國(guó)家采用并取得良好的效果,里昂節(jié)夫本人也因此而獲得1973年度的諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)。參考文獻(xiàn)郝志峰等:線性代數(shù)(第二版)[M].高等教育出版社.2003最優(yōu)生產(chǎn)計(jì)劃的確定——線性規(guī)劃問題某釀酒廠只生產(chǎn)香檳酒和葡萄酒兩種產(chǎn)品。當(dāng)前,生產(chǎn)上受到三個(gè)方面的限制:一是每周最大的發(fā)酵設(shè)備能力為60000單位;二是裝瓶能力為50000單位;三是香檳酒的凈化能力15000單位。根據(jù)產(chǎn)品的特點(diǎn),每生產(chǎn)1瓶香檳酒需要3個(gè)單位的發(fā)酵能力、2個(gè)單位的裝瓶能力和1個(gè)單位的凈化能力,盈利2.5元;每生產(chǎn)1瓶葡萄酒需要1個(gè)單位的發(fā)酵能力和1個(gè)單位的裝瓶能力,盈利1元。在現(xiàn)有資源的條件下,應(yīng)如何安排生產(chǎn)可使該廠的盈利最大?首先,根據(jù)已知條件列成表2.13.1,然后建立數(shù)學(xué)模型:表2.13.1某釀酒廠資源利用計(jì)劃表部門生產(chǎn)需要的設(shè)備能力可供使用的設(shè)備能力香檳酒葡萄酒發(fā)酵3160000裝瓶2150000凈化1015000每瓶利潤(rùn)2.51.0設(shè)該廠計(jì)劃生產(chǎn)香檳酒瓶,葡萄酒瓶,則該生產(chǎn)計(jì)劃問題為:在滿足的條件下,使總利潤(rùn)達(dá)到最大。這個(gè)問題屬于線性規(guī)劃(LinearProgramming)問題,而線性規(guī)劃又是運(yùn)籌學(xué)(OperationalResearch)的一個(gè)分支。其中的、稱為決策變量,不等式組稱為約束條件,利潤(rùn)函數(shù)稱為目標(biāo)函數(shù)。之所以稱該問題為線性規(guī)劃問題,是因?yàn)榧s束條件是決策變量的線性等式或不等式并且目標(biāo)函數(shù)也是決策變量的線性函數(shù)。引進(jìn)非負(fù)變量、、,將約束條件化為線性方程組 (2.13.1)、、、、其中、、分別表示閑置的發(fā)酵能力、裝瓶能力和凈化能力。該線性規(guī)劃問題實(shí)際上是求線性方程組(2.13.1)的非負(fù)解,且使目標(biāo)函數(shù)取到最大值。線性方程組(2.13.1)有無窮多解,顯然是線性方程組(2.13.1)的一般解。由于要求、只能取非負(fù)值,且、、的取值也必須是非負(fù)的,控制起來有一定的難度。為此,我們?cè)诰€性方程組(2.13.1)的一般解的表達(dá)式中,控制右端常數(shù)項(xiàng)非負(fù),只要令對(duì)應(yīng)的自由未知量等于0,而非自由未知量(系數(shù)矩陣中的單位矩陣所對(duì)應(yīng)的變量)就等于右端常數(shù)項(xiàng)的值,所以滿足非負(fù)性。因此,在(2.13.1)中令==0,則=60000,=50000,=15000,=0。即:什么酒都不生產(chǎn),所有設(shè)備完全閑置,當(dāng)然利潤(rùn)等于0。從目標(biāo)函數(shù)可以看出,若,則,所以總利潤(rùn)??紤]增加香檳酒的產(chǎn)量,按發(fā)酵、裝瓶和凈化設(shè)備能力可分別生產(chǎn)香檳酒60000/3=20000瓶,50000/2=25000瓶和15000瓶,因此只能生產(chǎn)香檳酒15000瓶。通過初等變換將線性方程組(2.13.1)化為: (2.13.2)在(2.13.2)中可解出、、(在(2.13.2)中、、對(duì)應(yīng)的系數(shù)列向量組成單位矩陣),令==0,則=15000,=15000,=20000,=37500。即生產(chǎn)香檳酒15000瓶,不生產(chǎn)葡萄酒,發(fā)酵設(shè)備閑置15000單位,裝瓶設(shè)備閑置20000單位,凈化設(shè)備充分利用,可得利潤(rùn)37500元。從可以看出,若增大的值,總利潤(rùn)可望增加。但從目前閑置的發(fā)酵設(shè)備能力只能生產(chǎn)葡萄酒15000瓶,但閑置的裝瓶設(shè)備能力可以生產(chǎn)葡萄酒20000瓶,因此只能考慮生產(chǎn)葡萄酒15000瓶。所以,將線性方程組(2.13.2)化為 (2.13.3)在(2.13.3)中令==0,則=15000,=15000,=5000,=52500。即生產(chǎn)香檳酒15000瓶,葡萄酒15000瓶,裝瓶設(shè)備閑置5000單位,發(fā)酵設(shè)備和凈化設(shè)備充分利用,可得利潤(rùn)52500元。從中可以看出,若增大,則總利潤(rùn)可望增加。但目前最大可能增大到5000,閑置5000單位的凈化設(shè)備,必須減少生產(chǎn)5000瓶香檳酒,但又有單位的發(fā)酵能力和單位的裝瓶能力閑置,再加上本來閑置的裝瓶能力5000單位(=5000),可以滿足15000瓶葡萄酒的生產(chǎn)需要。(香檳酒)減少利潤(rùn)元,(葡萄酒)增加利潤(rùn)15000元,凈增利潤(rùn)15000-12500=2500元。所以由方程組(2.13.3)可得: (2.13.4)從(2.13.4)中令==0,則=10000,=30000,=5000,=55000。即:生產(chǎn)香檳酒10000瓶,葡萄酒30000瓶,發(fā)酵和裝瓶能力充分利用,但凈化能力閑置5000單位,可得利潤(rùn)55000元。由于,故此時(shí)已經(jīng)取得最大值。所以,該釀酒廠的最優(yōu)生產(chǎn)計(jì)劃是:生產(chǎn)香檳酒10000瓶,葡萄酒30000瓶,可使總利潤(rùn)達(dá)到最大。最大利潤(rùn)為55000元。這里,我們通過分析和解線性方程組,求得該線性規(guī)劃問題的最優(yōu)解,這種求解方法反映了單純形方法(SimplexMethod)的基本思路。單純形方法是求解線性規(guī)劃問題的主要方法。當(dāng)然,對(duì)于線性規(guī)劃問題:用lingo10.0進(jìn)行求解,可以很方便求出最優(yōu)解,并且進(jìn)行相關(guān)的經(jīng)濟(jì)分析。輸入:Max=2.5*x1+x2;3*x1+x2<=60000;2*x1+x2<=50000;X1<=15000;輸出結(jié)果:Globaloptimalsolutionfound.Objectivevalue:55000.00Totalsolveriterations:2VariableValueReducedCostX110000.000.000000X230000.000.000000RowSlackorSurplusDualPrice155000.001.00000020.0000000.500000030.0000000.500000045000.0000.000000Rangesinwhichthebasisisunchanged:ObjectiveCurrentAllowableAllowableVariableCoefficientIncreaseDecreaseX12.5000000.50000000.5000000X21.0000000.25000000.1666667RighthandRowCurrentAllowableAllowableRHSIncreaseDecrease260000.005000.00010000.00350000.0010000.005000.000415000.00INFINITY5000.000評(píng)注1.理論依據(jù)線性規(guī)劃問題實(shí)際上就是求一個(gè)線性方程組的非負(fù)解,并且使目標(biāo)函數(shù)取到最大值(或最小值);線性方程組的有關(guān)理論是線性規(guī)劃的理論基礎(chǔ)。2.應(yīng)用與推廣線性規(guī)劃是運(yùn)籌學(xué)中理論最完備、方法最簡(jiǎn)單、應(yīng)用最普及的一個(gè)分支,它可以應(yīng)用在解決諸如:在一定資源的條件下,使利潤(rùn)達(dá)到最大或者在達(dá)到一定技術(shù)要求的條件下使得成本最小。求解線性規(guī)劃問題有一整套成熟的方法,求解方法為單純形方法,可以直接用LINDO、LINGO等軟件進(jìn)行求解,并且進(jìn)行相關(guān)的經(jīng)濟(jì)分析。參考文獻(xiàn)姜啟源等:數(shù)學(xué)模型(第三版)[M].高等教育出版社.2004基因的“距離”在ABO血型的人們中,對(duì)各種群體的基因頻率進(jìn)行了研究。如果把四種等位基因區(qū)別開,有人報(bào)告了如表2.14.1中的相對(duì)頻率:表2.14.1各種群體的基因頻率表愛斯基摩人班圖人英國(guó)人朝鮮人0.29140.10340.20900.22080.00000.08660.06960.00000.03160.12000.06120.20690.67700.69000.66020.5723合計(jì)1111現(xiàn)在的問題是:一個(gè)群體與另一個(gè)群體的接近程度如何?換句話說,就是要找到一個(gè)表示基因的距離的合適的度量。解決這個(gè)問題可以用向量代數(shù)的方法。首先,我們用單位向量來表示每一個(gè)群體,為此對(duì)各個(gè)群體向量單位化:,所以有:一種方法是利用歐氏空間的距離來度量各個(gè)向量之間的距離,,距離小的,他們就接近。經(jīng)計(jì)算,得=0.3090;=0.1478;=0.2840;=0.1768;=0.2882;=0.2631;由此可見,最小的基因“距離”是愛斯基摩人與英國(guó)人之間的基因“距離”=0.1478,最大的基因“距離”是愛斯基摩人與班圖人之間的基因“距離”=0.3090。另一種度量方法是考慮在四維向量空間中,這些向量都是單位向量,它們的終點(diǎn)都位于一個(gè)球心在原點(diǎn)半徑為1的球面上,現(xiàn)在用兩個(gè)向量的夾角來表示兩個(gè)對(duì)應(yīng)的群體間的“距離”是合理的。如果我們把與之間的夾角記為,由于,,再由夾角余弦的計(jì)算公式,其夾角數(shù)值為。越大,則越大,越小,與的距離就越??;越小,則越小,越大,與的距離就越大。因此,我們可以通過單位向量的內(nèi)積來度量它們之間的“距離”。經(jīng)計(jì)算,得=0.9523;=0.9891;=0.9597;=0.9844;=0.9585;=0.9654。由于與的內(nèi)積=0.9891最大,與的內(nèi)積=0.9523最小。所以,最小的基因“距離”是愛斯基摩人與英國(guó)人之間的基因“距離”;最大的基因“距離”是愛斯基摩人與班圖人之間的基因“距離”。以上兩種度量方法的結(jié)果一致,這不是偶然的。由于因而越大,則越小,也越??;越小,則越大,也越大。反之亦然。所以,用歐氏空間的距離和用兩個(gè)向量的內(nèi)積來度量?jī)蓚€(gè)單位向量的“距離”,其結(jié)果是一致的。評(píng)注1.理論依據(jù)向量的內(nèi)積與夾角,用單位向量的夾角來度量?jī)蓚€(gè)向量的距離和用毆氏空間的距離來度量是一致的。2.應(yīng)用與推廣這種方法可以用來進(jìn)行多指標(biāo)綜合評(píng)價(jià),如主成分分析、聚類分析。利用不同的距離進(jìn)行聚類分析,就是基于這個(gè)原理的。參考文獻(xiàn)李心燦等:高等數(shù)學(xué)應(yīng)用205例[M].高等教育出版社.1997.82.15平行四邊形的面積與平行體的體積在平面或空間直角坐標(biāo)系下,平行四邊形的面積與平行六面體的體積可由行列式給出。設(shè)平行四邊形的兩條邊由向量與確定,則其面積的平方為:(其中為與的夾角)當(dāng)平行六面體的三條棱由三個(gè)向量,,給出時(shí),其體積的平方為:所以,體積(注:行列式的絕對(duì)值)當(dāng)是的一組標(biāo)準(zhǔn)正交基,由中的任意三個(gè)向量為棱的平行六面體的體積的平方為同樣,由中任意個(gè)向量為棱的維平行體體積的平方為稱為由構(gòu)成的格拉姆(Gram)行列式。另一方面,線性無關(guān)的充分必要條件是格拉姆行列式所以,中的任意個(gè)向量線性無關(guān)(線性相關(guān))的充分必要條件是:以為棱的維平行體體積不等于零(等于零)。當(dāng)然,如果是的一組標(biāo)準(zhǔn)正交基,的表達(dá)式為則有,格拉姆行列式評(píng)注1.理論依據(jù)向量的內(nèi)積、線性無關(guān)與張成的多面體的體積,用行列式來表示和計(jì)算。2.應(yīng)用與推廣向量的內(nèi)積、線性無關(guān)的向量組與張成的多面體的體積,用格拉姆行列式來表示和計(jì)算,反映了不同概念之間的聯(lián)系,同時(shí)又給出向量組線性無關(guān)的一個(gè)充分必要條件。參考文獻(xiàn)歸行茂等:線性代數(shù)的應(yīng)用[M].上??茖W(xué)普及出版社.196動(dòng)物繁殖問題與Leslie人口模型一、問題某農(nóng)場(chǎng)飼養(yǎng)的某種動(dòng)物所能達(dá)到的最大年齡為6歲,將其分為三個(gè)年齡組:第一組0~2歲;第二組3~4歲;第三組5~6歲。動(dòng)物從第二年齡組起開始繁衍后代,經(jīng)過長(zhǎng)期統(tǒng)計(jì),第二年齡組的動(dòng)物在其年齡段內(nèi)平均繁殖4個(gè)后代,第三年齡組的動(dòng)物在其年齡段內(nèi)平均繁殖3個(gè)后代。第一年齡組和第二年齡組的動(dòng)物能順利進(jìn)入下一個(gè)年齡組的存活率分別為和。假設(shè)農(nóng)場(chǎng)現(xiàn)有三個(gè)年齡段的動(dòng)物各160頭,問飼養(yǎng)8年后,農(nóng)場(chǎng)三個(gè)年齡段的動(dòng)物各有多少頭?二、建立模型因年齡分組為2歲一段,所以將時(shí)間周期也取為2年。8年后就是經(jīng)過了4個(gè)時(shí)間周期。設(shè)分別表示第期的第一、二、三組動(dòng)物的數(shù)量,則有以下關(guān)系式:,用矩陣表示為若記,,則有。已知,則所以,飼養(yǎng)8年后動(dòng)物總數(shù)達(dá)2505頭,小于2歲的有1300頭,占51.9%;2歲到4歲的有1150頭,占45.91%;4歲到6歲的有55頭,占2.2%。8年的總增長(zhǎng)率為422%。用Matlab求解:L=[0,4,3;0.5,0,0;0,0.25,0]X0=[160;160;160]X4=L^4*X0三、萊斯利(Leslie)人口模型我們將人口按相同的年限(比如1年、5年、10年或20年等)分成若干個(gè)年齡組,同時(shí)假設(shè)總?cè)丝谥心信詣e的比例一定,這樣就可以通過只考慮女性人口來簡(jiǎn)化人口模型。人口發(fā)展隨時(shí)間變化,把總?cè)丝诘哪挲g分為個(gè)年齡組(年齡組間距為固定整數(shù))為在時(shí)間周期k時(shí)第i個(gè)年齡組(女性)人口。人口的變化因素主要有生育(由生育率決定)和死亡(由存活率決定)。那么在時(shí)間周期第1個(gè)年齡組的成員是在上一個(gè)周期(時(shí)間周期)內(nèi)出生的,他們是上一個(gè)周期內(nèi)成員的后代,于是有其中是第i個(gè)年齡組的出生率,由統(tǒng)計(jì)資料確定;在時(shí)間周期k第個(gè)年齡組的成員是在上一個(gè)周期(時(shí)間周期)第i個(gè)年齡組的成員轉(zhuǎn)移得來的,在考慮死亡率的情況下,這一轉(zhuǎn)移過程可由一存活系數(shù)衰減,這一轉(zhuǎn)移過程可以描述為其中是第i個(gè)年齡組在一個(gè)周期內(nèi)的存活率,可由統(tǒng)計(jì)資料確定。所以,有人口轉(zhuǎn)移的表達(dá)式,或者簡(jiǎn)寫成其中,,矩陣L稱為萊斯利(Leslie)矩陣。由遞推公式可得:這個(gè)模型是由萊斯利(Leslie)在二十世紀(jì)四十年代提出來的,所以稱為L(zhǎng)eslie人口模型。進(jìn)一步研究人口模型,發(fā)現(xiàn)人口增長(zhǎng)過程進(jìn)行到充分長(zhǎng)久以后,人口的增長(zhǎng)率將穩(wěn)定不變,人口的年齡結(jié)構(gòu)將趨于一種穩(wěn)定的分布狀況,這些結(jié)論與Leslie矩陣L的最大特征值和相應(yīng)的特征向量有關(guān)。比如,根據(jù)我國(guó)2001——2005年1%抽查人口數(shù)據(jù),可以歸納出萊斯利矩陣,根據(jù)萊斯莉人口模型可以對(duì)我國(guó)中長(zhǎng)期人口進(jìn)行預(yù)測(cè),進(jìn)一步可以計(jì)算我國(guó)人口的性別比、老齡化水平、撫養(yǎng)比等人口數(shù)據(jù),進(jìn)一步可以研究人口紅利的效應(yīng)等一些列問題。用人口年齡分布向量研究人口的發(fā)展變化,其優(yōu)點(diǎn)在于:既得到了總?cè)丝诘脑鲩L(zhǎng)率,又預(yù)測(cè)了全社會(huì)人口年齡結(jié)構(gòu)的變化。利用Leslie人口模型,可以結(jié)合我國(guó)的計(jì)劃生育政策來研究人口的變化,也可以根據(jù)我國(guó)的人口狀況及生育政策研究老齡化問題等等。評(píng)注1.理論依據(jù)根據(jù)矩陣的理論,應(yīng)用矩陣的乘法、矩陣的特征值等理論來描述種群的繁殖和生長(zhǎng)模型。2.應(yīng)用與推廣種群的繁衍、人口的增長(zhǎng),除了可以用微分方程模型進(jìn)行連續(xù)描述以外,還可以劃分成階段,根據(jù)各個(gè)階段的不同狀態(tài)和狀態(tài)的轉(zhuǎn)移,應(yīng)用矩陣的乘法(矩陣方冪的收斂性)來預(yù)測(cè)生物種群的數(shù)量。這是萊斯莉模型的重要應(yīng)用。參考文獻(xiàn)姜啟源等:數(shù)學(xué)模型(第三版)[M].高等教育出版社.2007植物基因的分布與從事各業(yè)人員總數(shù)的發(fā)展趨勢(shì)1.植物基因的分布一農(nóng)業(yè)研究所植物園中某植物的基因型為、和。研究所計(jì)劃采用型的植物與每一種基因型植物相結(jié)合的方案培育植物后代。已知基因轉(zhuǎn)移關(guān)系概率如表2.17.1:表2.17.1基因轉(zhuǎn)移概率表父母子代父體—母體的基因型———子代基因型11/2001/21000問經(jīng)過若干年后,這種植物的任意一代的三種基因分布如何?為了揭示生命的奧秘,人們?cè)絹碓街匾曔z傳特征的逐代傳播問題。無論是人、動(dòng)物還是植物都會(huì)將本身的特征遺傳給后代,這主要是后代繼承了雙親的基因,形成了自己的基因?qū)Γ驅(qū)痛_定了后代所表現(xiàn)的特征。在常染色體的遺傳中,后代是從每個(gè)親體的基因?qū)χ懈骼^承一個(gè)基因形成自己的基因?qū)Γɑ蛐停?。在我們所研究的問題中,植物的基因?qū)?、和。記、、分別表示第代植物中基因型、、的植物所占植物總數(shù)的百分比,為第代植物的基因分布向量,且(),則有即記,則為了得到的具體表達(dá)式,我們可將對(duì)角化,即存在可逆矩陣和對(duì)角矩陣使,故。所以,當(dāng)時(shí),。即培育出植物型基因所占比例在不斷增加,在極限狀態(tài)下所有植物的基因都會(huì)是型。2.勞動(dòng)力就業(yè)的轉(zhuǎn)移某城市共有30萬人從事農(nóng)、工、商各行業(yè)的工作,假定這個(gè)總?cè)藬?shù)在若干年內(nèi)保持不變,而社會(huì)調(diào)查表明:(1)在這30萬就業(yè)人員中,目前約有15萬人從事農(nóng)業(yè),9萬人從事工業(yè),而有6萬人經(jīng)商。(2)在從農(nóng)人員中,每年約有20%改為從工,10%改為經(jīng)商。(3)在從工人員中,每年約有20%改為從農(nóng),10%改為經(jīng)商。(4)在經(jīng)商人員中,每年約有10%改為從農(nóng),10%改為從工?,F(xiàn)欲預(yù)測(cè)一、二年后從事各業(yè)人員的人數(shù),以及經(jīng)過多年之后,從事各業(yè)人員總數(shù)的發(fā)展趨勢(shì)。若用3維列向量表示第年后從事這3種職業(yè)的人員總數(shù)(單位:萬人),則已知,而欲求,并考察在時(shí)的發(fā)展趨勢(shì)。引進(jìn)3階矩陣,用以刻畫從事各業(yè)人員間的轉(zhuǎn)移,稱為轉(zhuǎn)移概率矩陣。(轉(zhuǎn)移概率矩陣具有:元素非負(fù),每行元素之和等于1,并且轉(zhuǎn)移概率矩陣的方冪也是轉(zhuǎn)移概率矩陣等性質(zhì);屬于隨機(jī)過程中馬爾柯夫鏈的內(nèi)容)于是:由矩陣乘法,得(因?yàn)楸締栴}中轉(zhuǎn)移概率矩陣恰為對(duì)稱矩陣)由于要分析,就需要計(jì)算,由于可以對(duì)角化。用Matlab軟件求解:A=[0.7,0.2,0.1;0.2,0.7,0.1;0.1,0.1,0.8][Q,X]=eig(A)可以得到對(duì)應(yīng)的對(duì)角矩陣和可逆變換矩陣分別為:,,所以可知,當(dāng)時(shí),照此規(guī)律轉(zhuǎn)移,多年之后,從事這三種職業(yè)的人數(shù)將趨于相等,均為10萬人。與最初從事各業(yè)的人數(shù)比例無關(guān)。評(píng)注1.理論依據(jù)根據(jù)矩陣的理論,根據(jù)轉(zhuǎn)移狀態(tài)概率矩陣、矩陣的特征值等理論來描述狀態(tài)的轉(zhuǎn)移。2.應(yīng)用與推廣根據(jù)各個(gè)階段的不同狀態(tài)和狀態(tài)的轉(zhuǎn)移,應(yīng)用矩陣的乘法(矩陣方冪的收斂性)來預(yù)測(cè)狀態(tài)的發(fā)展趨勢(shì),這種方法屬于隨機(jī)過程中的馬爾柯夫鏈,在市場(chǎng)占有率預(yù)測(cè)等方面有著重要的應(yīng)用。參考文獻(xiàn)郝志峰等,線性代數(shù)(第二版)[M].高等教育出版社.2008受教育程度的依賴性社會(huì)學(xué)的某些調(diào)查結(jié)果表明,兒童受教育的水平依賴于他們父母受教育的水平。調(diào)查過程將人受教育的程度劃分為三類:E類:這類人具有初中或初中以下程度;S類:這類人具有高中文化程度;C類:這類人受過高等教育。當(dāng)父母(指文化程度較高者)是這三類人中的一類型時(shí),其子女將屬于這三類中的任一類的概率(占總數(shù)的百分比)如表2.18.1:表2.18.1子女教育水平與父母教育水平的關(guān)系子女父母ESCESC問題:(1)屬于S類的人口中,其第三代將接受高等教育的百分比是多少?(2)假設(shè)不同的調(diào)查結(jié)果表明,如果父母之一受過高等教育,那么他們的子女總是可以進(jìn)入大學(xué),修改上面的概率轉(zhuǎn)移矩陣;(3)根據(jù)(2),每一類人口的后代平均要經(jīng)過多少代,最終都可以接受高等教育?解:(1)由調(diào)查表可得概率轉(zhuǎn)移矩陣表示當(dāng)父母是這三類人中的某一類型時(shí),其子女將屬于這三類中的任一類的概率,經(jīng)過兩步轉(zhuǎn)移得即反映當(dāng)祖父母是這三類人中的某一類型時(shí)第三代受教育程度,依次類推。所以,屬于S類的人口中,其第三代將接受高等教育的概率是26%。的三個(gè)特征值分別為,可以對(duì)角化。當(dāng)時(shí),,不論現(xiàn)在的受教育水平的比例如何,按照這種趨勢(shì)發(fā)展下去,其最終趨勢(shì)是屬于E、S、C類的人口分別為37.84%、29.73%、32.43%。(2)如果父母之一受過高等教育,那么他們的子女總是可以進(jìn)入大學(xué),則上面的概率轉(zhuǎn)移矩陣可修改為:,可以計(jì)算,……,,……,。屬于S類的人口中,其第三代將接受高等教育的概率是32%。的三個(gè)特征值分別為,可以對(duì)角化。當(dāng)時(shí),,在當(dāng)時(shí),。如果父母之一受過高等教育,那么他們的子女總是可以進(jìn)入大學(xué),不論現(xiàn)在的受教育水平的比例如何,按照這種趨勢(shì)發(fā)展下去,其最終趨勢(shì)是屬于E、S、C類的人口分別為0、0、100%。由此可以看出,按照這種趨勢(shì)發(fā)展下去,其最終趨勢(shì)所有人都可以接受高等教育。評(píng)注1.理論依據(jù)根據(jù)矩陣的理論,轉(zhuǎn)移狀態(tài)概率矩陣、矩陣的特征值等理論來描述狀態(tài)的轉(zhuǎn)移。2.應(yīng)用與推廣根據(jù)各個(gè)階段的不同狀態(tài)和狀態(tài)的轉(zhuǎn)移,應(yīng)用矩陣的乘法(矩陣方冪的收斂性)來預(yù)測(cè)狀態(tài)的發(fā)展趨勢(shì),這種方法屬于隨機(jī)過程中的馬爾柯夫鏈,在市場(chǎng)預(yù)測(cè)等方面有著重要的應(yīng)用。2.19快樂的假期旅游悄悄地,山綠了,水綠了,樹、草全綠了;幾回春雨澆過,那漫山遍野的杜鵑、桃花、梨花都張開了笑臉。春天來了,張勇、李雨、王剛、趙宇四位大學(xué)生相約,去尋找那生機(jī)勃勃盎然向上的春天,去呼吸那沁人心肺春天的氣息?!拔逡弧钡拈L(zhǎng)假終于來到了,但為選擇到哪里去旅游他們卻發(fā)生了爭(zhēng)執(zhí)。原來張勇想到風(fēng)光綺麗的蘇杭去看園林的春色和西湖的美色,李雨卻想到風(fēng)景迷人的黃山去看巍峨挺拔的黃山松,王剛則想到風(fēng)光秀麗的廬山去尋找廬山的真面目。三個(gè)人爭(zhēng)得面紅而赤,只有趙宇坐在一邊,手里拿著筆,不停地寫著。最后站起來說:“別吵了,我計(jì)算過了,去蘇杭是明智的選擇?!闭f著他拿起粉筆在紙上畫一張分析圖,如圖2.19.1,并講解起來:最佳旅游地景色費(fèi)用飲食最佳旅游地景色費(fèi)用飲食居住旅途蘇杭黃山廬山這是一個(gè)遞階層次結(jié)構(gòu),它分三個(gè)層次。第一層(選擇最佳旅游地)我們稱之為目標(biāo)層,第二層(旅游的傾向)我們稱之為準(zhǔn)則層,第三層(旅游地點(diǎn))我們稱之為方案層,各層之間的聯(lián)系用相連的直線表示。要依據(jù)我們的喜好對(duì)這三個(gè)層次進(jìn)行相互比較判斷,進(jìn)行綜合,在三個(gè)旅游地中確定哪一個(gè)作為最佳地點(diǎn)。具體的做法是通過相互比較確定各準(zhǔn)則對(duì)于目標(biāo)的權(quán)重和各方案對(duì)于每一準(zhǔn)則的權(quán)重。首先在我們?cè)跍?zhǔn)則層對(duì)方案層進(jìn)行賦權(quán)。我們認(rèn)為費(fèi)用應(yīng)占最大的比重(因?yàn)槲覀兪菍W(xué)生),其次是風(fēng)景(我們主要是旅游),再著是旅途,至于吃住對(duì)我們年輕人來說就不太重要。我們采用兩兩比較判斷法:表2.19.1旅游決策準(zhǔn)則層對(duì)目標(biāo)層的兩兩比較表景色費(fèi)用飲食居住旅途景色11/2553費(fèi)用21775飲食1/51/711/21/3居住1/51/7211/2旅途1/31/5321在表2.19.1中,,它表示景色與費(fèi)用對(duì)選擇旅游地這個(gè)目標(biāo)來說的重要之比為1/2(景色比費(fèi)用稍微不重要),而則表示費(fèi)用與景色對(duì)選擇旅游地這個(gè)目標(biāo)來說的重要之比為2(費(fèi)用比景色稍微重要);表示景色與飲食對(duì)選擇旅游地這個(gè)目標(biāo)來說的重要之比為5(景色比飲食明顯重要),而則表示飲食與景色對(duì)選擇旅游地這個(gè)目標(biāo)來說的重要之比為1/5(飲食比景色明顯不重要);表示費(fèi)用與飲食對(duì)選擇旅游地這個(gè)目標(biāo)來說的重要之比為7(費(fèi)用比飲食強(qiáng)烈重要),而則表示飲食與費(fèi)用對(duì)選擇旅游地這個(gè)目標(biāo)來說的重要之比為1/7(飲食比景色強(qiáng)烈不重要)。由此可見,在進(jìn)行兩兩比較時(shí),我們只需要進(jìn)行1+2+3+4=10次比較即可。由表1我們得到一個(gè)比較判斷矩陣并稱之為正互反矩陣。階正互反矩陣的特點(diǎn)是;(i,j=1,2,…,n)現(xiàn)在的問題是怎樣由正互反矩陣確定諸因素對(duì)目標(biāo)層的權(quán)重?由于A是正矩陣,由佩羅(Perron)定理知,正互反矩陣一定存在一個(gè)最大的正特征值,并且所對(duì)應(yīng)的特征向量X可取為正向量。即,將X歸一化(各個(gè)分量之和等于1)作為權(quán)向量W,即W滿足。A=[1,1/2,5,5,3;2,1,7,7,5;1/5,1/7,1,1/2,1/3;1/5,1/7,2,1,1/2;1/3,1/5,3,2,1][X,Q]=eig(A)可以求出最大特征值,對(duì)應(yīng)的特征向量經(jīng)過歸一化得,就是準(zhǔn)則層對(duì)目標(biāo)層的排序向量。用同樣的方法,給出第三層(方案層)對(duì)第二層(準(zhǔn)則層)的每一準(zhǔn)則比較判斷矩陣,由此求出各排序向量(最大特征值所對(duì)應(yīng)的特征向量并歸一化):;;;;最后,我們將由各準(zhǔn)則對(duì)目標(biāo)的權(quán)向量W和各方案對(duì)每一準(zhǔn)則的權(quán)向量,計(jì)算

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論