数学模型在《线性代数》教学中的应用实例(一).doc

数学模型在《线性代数》教学中的应用实例(一).doc

  1. 1、本文档共7页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
数学模型在《线性代数》教学中的应用实例(一)

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: 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。 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。 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动态模型的能力。 种群可以存活且在次年进入下一阶段的比例是 如果用ei表示第i阶段的成员1年内产卵的平均数,构造矩阵 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 假设每阶段的初始种群数分别是200000、300000、500和1500,用向量x0来表示,1年后每阶段的种群数可以如下计算 (这里的计算进行了四舍五入)。为了得到2年后的种群数,再用矩阵L乘一次。 一般来说,k年后的种群数由公式给出。为了了解更长时期的趋势,计算出x10、x25和x50,如下表所示。 海龟种群 阶段 初始种群 10年 25年 50年 1 200000 114264 74039 35966 2 300000 329212 213669 103795 3 500 214 139 68 4 1500 1061 687 334 这个模型预测50年后繁殖期的海龟总数下降了80%。 下面的文献[1]介绍了一个七阶段的种群动态模型,文献[2]是莱斯利原来那篇文章。 思考:海龟最终是否会灭绝?如果不灭绝,海龟种群数有无稳定值?该模型用到了那些数学知识?该模型可以进行怎样的推广? 参考文献 Crouse, Deborah T., Larry B. Crowder, and Hal Caswell, “A Stage-Based Population Model for Loggerhead Sea Turtles and Implications for Conservation,” Ecology, 68(5), 1987 Leslie, P. H., “On the Use of Matrices in Certain Population Mathematics,” Biometrika, 33, 1945. 数学模型在《线性代数》教学中的应用实例(二) 课 程: 线性代数 教 学 内 容: 矩阵特征值和特征向量 数 学 模 型: 互联网:Google搜索引擎的PageRank 该模型在高等数学教学应用的目的: 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。 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。 巩固矩阵特征值和特征向量的概念和计算。 互联网:Google搜索引擎的PageRank 越来越多的人上网,越来越多的人上网时会使用搜索网站,搜索网站越来越多,哪个搜索网站最好?没有最好,只有更好! Google 使用 PageRank? 技术检查整个网络链接结构,并确定哪些网页重要性最高。然后进行超文本匹配分析,以确定哪些网页与正在执行的特定搜索相关。在综合考虑整体重要性以及与特定查询的相关性之后,Google 可以将最相关最可靠的搜索结果放在首位。 PageRank 技术:通过对由超过 50,000 万个变量和 20 亿个词汇组成的方程进行计算,PageRank 能够对网页的重要性做出客观的评价。PageRank 并不计算直接链接的数量,而是将从网页 A 指向网页 B 的链接解释为由网页 A 对网页 B 所投的一票。这样,PageRank 会根据网页 B 所收到的投票数量来评估该页的重要性。 PageRank 还会评估每个投票网页的重要性,因为某些网页的投票被认为具有较高的价值,这样,它所链接的网页就能获得较高的价值。重要网页获得的 PageRank(网页排名)较高,从而显示在搜索结果的顶部。Google 技术使用网上反馈的综合信息来确定某个网页的重要性。搜索结果没有人工干预或操纵,这也是为什么 Google 会成为一个广受用户信赖、不受付费排名影响且公正客观的信息来源。 “从许多优质的网页链接过来的网页, 必定还是优质网页”。 可以在查询PageRank。 您查询的页面地址: 您查询的页面地址: 例如,观察如下的网

文档评论(0)

xcs88858 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

版权声明书
用户编号:8130065136000003

1亿VIP精品文档

相关文档