线性代数原理的几个应用文献综述.docVIP

文献综述 线性代数原理的几个应用 一、前言部分 线性代数在数学、力学、物理学和技术学科中有各种重要应用，因而它在各种代数分支中占居首要地位。在计算机飞速发展并且广泛应用的今天，计算机科学、统计学[1]、生物学、人口迁移模型等无不以线性代数为其理论和算法基础的一部分；该学科所体现的几何观念与代数方法之间的联系，从具体概念抽象出来的公理化方法以及严谨的逻辑推证、巧妙的归纳综合等，对于强化人们的数学训练，增益科学智能是非常有用的。随着科学的发展，我们不仅要研究单个变量之间的关系，还要进一步研究多个变量之间的关系，各种实际问题在大多数情况下可以线性化，由于计算机的发展，线性化了的问题又可以计算出来，线性代数正是解决这些问题的有力工具。 线性代数课程在大学数学中占有重要的地位，学习线性代数课程，无论是对于比较全面地培养学生的数学思维、提高数学素质还是进一步学习其他课程打下基础，都有着非常重要的理论和现实意义。而我国的线性代数课程偏重于理论的运算验证等，传统的线性代数教材追求逻辑的严密性和理论体系的完整性，重理论而轻视实践，剥离了概念、原理和范例的几何背景与现实意义，导致教学不尽如人意[2]。 本文主要利用建模思想应用线性代数知识解决实际问题，即从问题实例出发，建立数学模型[3]，引入线性代数的基本知识点，回到实际应用中去。事实上用这种方式进行教学，可以培养学生的创新能力，提高学生分析和解决问题的能力。实际上线性代数自身理论正是在解决离散数学问题，建立数学模型的过程中发展起来的。 通过线性代数的学习，我们发现它和实际生活有着密切的联系。因此本文的写作目的就是把线性代数的有关知识运用到解决实际问题中去。在本文中，我主要通过几个实际例子，建立相应的数学建模进行研究分析。具体方案是先采集大量有关数据，然后运用线性代数原理等知识，借助MATLAB[4]等计算机工具对数据进行处理和分析，最后得到一个最优的策划方案。 二、主题部分 线性代数作为一个独立的代数学分支在20世纪才形成，然而它的历史却非常的久远。最古老的线性问题是线性方程组的解法，在中国古代的数学著作《九章算术·方程》[5]中，已经作了比较完整的叙述，其中所述方法实质上相当于现代的对方程组的增广矩阵的行施行初等变换，消去未知量的方法。随着研究线性方程组和变量的线性变换问题的深入，行列式和矩阵在18～19世纪期间先后产生，为处理线性问题提供了有力的工具，从而推动了线性代数的发展。向量概念的引入，形成了向量空间的概念。凡是线性问题都可以用向量空间的观点加以讨论。因此，向量空间及其线性变换[6]，以及与此相联系的矩阵理论，构成了线性代数的中心内容。　 线性代数作为一独立的数学分枝有着自身独特的概念思想方法和处理问题的手法,其主要特点之一是数学观念新,引入了结构的思想阶方阵按一定规则对应的数；而行列式又用于讨论矩阵的最主要的概念“秩”。维向量当然也是特殊矩阵。通过向量的线性相关性的讨论，又建立起向量组的秩与矩阵的秩的联系。线性方程组的讨论广泛地应用了有关矩阵和向量的结论，线性方程组的结果又用于研究矩阵的特征值与特征向量。[2] 而国外教材的顺序[7]先引入线性方程组然后是向量空间、矩阵、行列式……，大体思路是通过向量，引入空间的概念，然后涉及到具体计算后才讲到矩阵，行列式等。国外的这样的顺序更容易让学生“懂”线性代数，让学生理解抽象的意义！而我们硬性引入行列式，矩阵，秩等概念，剩下的就是强调计算，学生学完了也不知到底线性代数是干什么的。这样无异于弱化学生的创造性，削弱主动思考问题的能力。因此线性代数要面向应用，满足应用的需求。 线性代数的含义随数学的发展而不断扩大，线性代数在科学研究经济工程技术等领域的应用越来越广泛深入 马尔科夫链[10] 马尔可夫链，因安德烈?马尔可夫得名，是数学中具有马尔可夫性质的离散时间随机过程。该过程中，在给定当前知识或信息的情况下，过去（即当期以前的历史状态）对于预测将来（即当期以后的未来状态）是无关的。 马尔科夫链是生物、商业、化学、工程和物理许多科学中应用广泛的一类数学模型。这些模型常常用来描述以相同方式重复进行的实验或测量，每一次实验的结果都在事先指定的几个可能结果之列，并且每次实验的结果都只依赖上一次实验。 例如，如果每年对某城市及其郊区的人口进行测量，则向量 就可以表明60%的人口住在城市，40%的人口住在郊区。中小数的和为1，代表该整个地区人口总和。称一个含非负分量并且各分量总和为1的向量为概率向量，一个随机矩阵就是以概率向量为列向量的方阵。一个马尔科夫链就是一个概率向量序列，以及随机矩阵，使得 因此马尔科夫链可以用下列1阶差分方程来描述： ，对于 如果中向量的一个马尔科夫链描述了某个系统或者某个实验序列，则中的分量依次列出了该系统处在全