6人口迁移的动态分析.docVIP

人口迁移的动态分析 一 实验目的 　　针对人口迁移问题，建立以每单位时间为阶段的常系数线性系统动态变化模型. 使用 Mathematica4.0 作矩阵运算，并由模型讨论该过程的极限状态是否有稳定解，用于分析、预报、决策和控制该过程. 通过讨论状态方程解的稳定性，加深对矩阵特征值、特征向量的理解． 二　实验原理 　　把形如 的矩阵方程称作常差分方程组或状态方程，这里是列向量,是矩阵. 形式上，它是容易解的，因为每一次迭代都用去乘．于是得到解为 是初始条件，称作一步状态转移矩阵. 问题在于寻求某种快速计算幂的方法，解决的关键是的特征值和特征向量． 　　根据线性代数的知识，阶方阵与对角阵相似（即可对角化）的充要条件是有个线性无关的特征向量. 设可以对角化，则存在可逆阵和对角阵，使得 这里，，是对应的特征值的特征向量（1≤i≤）. 　　将上述结果用于，则自然有 从而由矩阵乘法得出 由此，可以看出一般解是特解的一个线性组合，其中组合系数由初始条件决定： ,或,或 从（2）中可以看出它与微分方程某些相近的地方，这将为我们下面要讨论的状态方程解的稳定性带来方便． 　　一般地，我们有如下结论：常系数线性系统（可对角化），当它的所有特征值时，它是完全稳定的，即（→∞），这保证了初始条件的微小变化所造成的影响会随着的增加而趋于零；当所有时，它是中性稳定的，即有界；当至少有一个特征值时，它是不稳定的，即是无界的，也就是说稳定性依赖于的特征值．这些由公式（2）很容易得到. 三　学习 Mathematica 命令 1. 方阵的幂 MatrixPower 求方阵的幂的命令的形式为 MatrixPower[A，n] 其中为整数，当时即求逆. 例如：输入 aa = {{1, 0, 0}, {1, 1, 0}, {0, 1, 1}}; MatrixPower[aa, 5] 输出为 {{1, 0, 0}, {5, 1, 0}, {10, 5, 1}} 如果输入 MatrixPower[aa, -1] 则得到逆阵 {{1, 0, 0}, {-1, 1, 0}, {1, -1, 1}} 还有一个求逆阵的命令, 输入 aa1 = Inverse[aa] 同样得到逆阵 {{1, 0, 0}, {-1, 1, 0}, {1, -1, 1}}. 不过, 如果求逆阵的幂, 则用前一个命令较好. 只须输入 MatrixPower[aa, -5] 得到输出 {{1, 0, 0}, {-5, 1, 0}, {15, -5, 1}} 2. Do 型循环结构 Do 型循环结构根据循环描述先计算循环次数，再作循环体，常用于有确定循环次数的循环结构. Do 语句的一般形式为 Do[循环体，{循环范围}]. 它有下列形式： Do[表达式，{k}]　(计算表达式 k 次.) Do[表达式，{i，imax}]　(计算表达式 imax 次，其中 i 的值从 1 变到 imax，每次步长为 1.) Do[表达式，{i，imin，imax}]　(当 i 的值从 imin 变到imax、 步长为 1，每次都计算表达式.) Do[表达式，{i，imin，imax，increment}]　(当 i 的值从 imin 变到 imax、 步长为 increment，每次都计算表达式.) Do[表达式，{i，imin，imax}，{j，jmin，jmax}，…] 　(当 i 的值从 imin 变到 imax、步长为 1、当 j 的值从 jmin 变到 jmax、步长为 1，每次都计算表达式. 当 j 完成一次循环后， i 的值增加 1，以此类推. 这就是所谓的 Do 循环嵌套.) Do[表达式，{i，imin，imax，i_increment}，{j，jmin，jmax，j_increment}，…] (形成一个 Do 循环嵌套，这时步长是指定值.) 　　例如：输入 t = x; Do[t = 1/(1 + k*t), {k, 2, 6, 2}]; t 输出为 输入 Do[Print[{i, j}], {i, 2}, {j, i}] 得到输出 {1,1} {2,1} {2,2} 四　实验内容 　　例 1　对城乡人口流动作年度调查，发现有一个稳定的向城镇流动的趋势：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　为了分析这个问题，开始时，令乡村人口为，城镇人口为，一年以后有 或写成矩阵形式 两年以后，有 . 十年以后，有