用MATLAB解决线性代数问题实验报告
MATLAB上机实验报告：MATLAB求解线性方程组和矩阵的初等计算
MATLAB上机实验报告：MATLAB求解线性方程组和矩阵的初等计算MATLAB上机实验报告：MATLAB求解线性方程组和矩阵的初等计算计算机语言类课程实验报告课程名称院系学号MATLAB语言及应用电气信息工程学院实验机房计算机公修实验室三班级机器号实验学时2实验成绩专业电气工程及其自动化姓名任课教师实验日期一．实验名称：MATLAB求解线性方程组和矩阵的初等计算二．实验目的和要求1、掌握利用MATLAB程序编辑器编写应用程序的方法；2、掌握MATLAB 求解线性方程组的方法；3、掌握MATLAB进行矩阵的初等计算的方法三．实验内容教材（《MATLAB及其在理工课程中的应用指南，陈怀琛，西安电子科技大学出版社》）P93-1,2四．实验设计方案（实验步骤或开发过程）1、设a矩阵为各个方程的变量的系数，s为各个变量的列向量，b为等式右边的自然数的列向量，利用s=a\\b,即可求出该方程组的解。
2、利用转置和乘法，以及元素乘法分别算出C1,C2,C3，再通过求逆矩阵inv（）这个函数求出C1,C2,C3的逆矩阵。
五．实验中存在问题及解决办法在第一题中当使用右除时，运行出现错误，只有使用左除，这与矩阵除法的定义有关。
六．实验结果1、该方程组的解为：s=[-1.4841-0.68160.5337-1.2429]2、C1=[19-8230d1=[0.00620.0400-0.010612273-0.00460.01690.0030-385429]0.0 1680.02090.0150]C2=[-1516-2436d2=1.0e+015*63-1793-105[-0.9553-0.2391-0.19970.2700226117-600.96670.24200.2021-0.2732194684-10]-0.4473-0.112 0-0.09350.1264-1.1259-0.2818-0.23530.3182]C3=[51624-26d3=不能求C3的逆矩阵-18-12-1572-2-21108-56]七．附录（源程序清单）第一题：求该方程组的解20xx.09.17clcclearalla=[34-7-12;5-742;108-5;-65-210]b=[4;-3;9;-8]s=a\ \b第二题：求出C1,C2,C3,以及它们的逆矩阵d1,d2,d320xx.09.17clcclearallA=[14813;-36-5-9;2-7-12-8]B=[543-2;6-23-8;-13-97]C1=A*B”C2=A”*BC3=A.*Bd1=inv(C1)d2=inv(C2)[m,n]=size(C3);if m==nd3=inv(C3)elsedisp不能求C3的逆矩阵end扩展阅读：袁越强MATLAB上机实验报告一平顶山学院计算机语言类课程实验报告（一）课程名称院系学号实验日期MATLAB语言及应用电气信息工程学院实验机房专业电气工程及其自动化姓名任课教师王凯实验学时23305班级机器号实验成绩二班一．实验名称：MATLAB求解线性方程组和矩阵的初等计算二．实验目的和要求1、掌握利用MATLAB程序编辑器编写应用程序的方法；2、掌握MATLAB求解线性方程组的方法；3、掌握MATLAB进行矩阵的初等计算的方法三．实验内容1、求线性方程组的解3x4y7z12w45x7y4z2w3x8z5w96x5y2z10w8481315432，B6238，求C1=A*B’；C2=A’*B；C3=A.*B，并592、设A36271281397求它们的逆阵。
用MATLAB解决线性代数问题实验报告
实验三使用MATLAB解决线性代数问题学院：数计学院班级：1003班姓名：黄晓丹学号：1051020144实验目的：学习MATLAB有关线性代数运算的指令，主要学习运用MATLAB解决矩阵除法，线性方程组的通解，矩阵相似对角化问题，以及解决投入产出分析等应用问题。
实验内容：矩阵转置：A=[1 2;3 4];B=[4 3;2 1];>> A',B'ans =1 32 4ans =4 33 1矩阵加减：A-Bans=-3 -11 3矩阵乘法：A*B,A.*B(数组乘法)||比较矩阵乘法与数组乘法的区别ans=8 520 13ans=4 66 4矩阵除法：A\B,B./Aans=-6 -55 4ans=4 1.50.6667 0.25特殊矩阵生成：zeros（m，n）||生成m行n列的矩阵ones（m，n）||生成m行n列的元素全为一的矩阵eye（n）||生成n阶单位矩阵rand（m，n）||生成m行n列[0 ，1]上均匀分布随机数矩阵zeros(2,3)ans =0 0 00 0 0>> ones(3,3)ans =1 1 11 1 11 1 1>> eye(3)ans =1 0 00 1 00 0 1>> rand(2,4)ans =Columns 1 through 30.9501 0.6068 0.89130.2311 0.4860 0.7621Column 40.45650.0185矩阵处理：trace（A）||返回矩阵的迹diag（A）||返回矩阵对角线元素构成的向量tril（A）||提取矩阵的下三角部分triu（A）||提取矩阵的上三角部分flipud（A）||矩阵上下翻转fliplr（A）||矩阵左右翻转reshape(A,m,n)||将矩阵的元素重排成m行n列矩阵A=[1 2 3;4 5 6;7 8 9];>> t=trace(A),d=diag(A),u=triu(A)t =15d =159u =1 2 30 5 60 0 9 flipud(A),fliplr(A)ans =7 8 94 5 61 2 3 ans =3 2 16 5 49 8 7矩阵特征值与标准型：[V,D]=eig（A）||返回矩阵特征值与特征向量[V J]=Jordan(A)||返回矩阵的相似变换矩阵和若尔当标准型A=[1 2;3 4];>> [V,D]=eig(A)V =-0.8246 -0.41600.5658 -0.9094D =-0.3723 00 5.3723>> [V,J]=jordan(A)V =0.2389 0.76110.5222 -0.5222J =5.3723 00 -0.3723线性方程组求解A=[1 2 1;3 -2 1];B=[1;4];x=A\B x =1.2500 ||求一特解-0.1250>> A=[1 2;3 -2;1 -1];B=[1;4;2];x=A\Bx = ||求得一最小二乘近似解1.2838-0.1757：方阵的相似对角化及应用：A=[1 1/4 0;0 1/2 0;0 1/4 1];[P,T]=eig(A) P =1.0000 0 -0.40820 0 0.81650 1.0000 -0.4082T =1.0000 0 00 1.0000 00 0 0.5000求得三个特征值1,1,0.5，对应特征向量（1,0,0），（0,0,1），（-0.4028,0.8165，-0.4082），由于三个特征向量线性无关，从而A 可相似对角化，即p-1AP=T.那么A∧n=p[1 0 0;0 1 0;0 0 0]p-1，计算的P*diag（[1,1,0]）*inv（P）ans =1.0000 0.50000 00 0 00 0.5000 1.0000所以得到近似解。
用MATLAB做线性代数实验
2
0
, 2
5 3
, 3
1
3
, 4
1
4
, 5
1
2
。
3
6
0Hale Waihona Puke 73【程序如下】：
% (1)
A=[1 2 1 3;4 -1 5 6;1 -3 -4 7;1 2 1 1]' r=rank(A) [R,IP]=rref(A) % (2) A=[1 2 0 2 1;-2 -5 1 -1 1;0 -3 3 4 2;P3 6 0 -7 3] r=rank(A) [R,IP]=rref(A)
例如：
已知
A
1 3
2 4
,
B
1 1
2 0
，解矩阵方程
(1)
AX
B , (2) XA B 。
MATLAB 程序如下：
A=[1 2;3 4];
B=[1 2;-1 1];
X1=inv(A)*B % AX=B or
X1=A\B
X2=B*inv(A) % XA=B
X2=A/B
将 p(x) 分解为最简分式之和 q( x)
[p,q]=residue(a,b,r) 将简单分式之和合并为有理分式
例如，将有理分式
f
(x)
x2 x3 2x2 3x2
分解为最简分式之和的程序如下：
p=[1 2];
q=[1 2 3 2];
[a,b,r]=residue(p,q)
输出：a =
-0.2500 - 0.4725i
p=[1 -6 11 -6];
线性代数Matlab数学实验
0.1042 -0.1436 -0.0663 0.0878 0.0337 0.0411
1.1095 1.3541 3.1761 5.3951 8.3265 1.3564
4.3899 15.0714 19.5899 28.3698 37.2783 1.8128
2.1612 9.5847 11.9050 16.2275 20.7091 0.6693
b = ( 1 3 5 7 9 11) 。
1．输入矩阵 A,B,b. 2．作X12=A/ , X22=A+B , X23=A-B , X24=AB. 3．求|A|,|B|。 4．求 R(A),R(B)。 5．求X5=A-1 . 6．求矩阵方程 XA=C 的解 X6,其中 C 为 A 的第 i 行乘以列标 i 所得到的矩阵。 7．求解方程组 AX=b 的解向量 X7. 8．求 X6 的特征向量 X8，X6 的特征向量组 X 及对角阵 D。 9．求 B2(A-1)2. 10．存储工作空间变量 A,B：save’ds1.m’,A,B 三、思考与练习 1．对本实验中得到的C矩阵求CT, |C|, C-1, C的特征值及对应的特征向量。 2．创建从 2 开始，公差为 4 的等差数列的前 15 项构成的行向量。 3．将本实验中矩阵 A 与 B 的对应元素相乘、对应元素相处并观察分母为零时的结果。 4．求 b 的每个元素自身次幂所的行向量。 5．列出本实验中所有变量。 四、操作提示 1．计算过程 A=[3 4 -1 1 -9 10;6 5 0 7 4 -16;1 -4 7 -1 6 -8;2 -4 5 -6 12 -8;-3 6 -7 8 -1 1;8 -4 9 1 3 0] B=[1 2 4 6 -3 2;7 9 16 -5 8 -7;8 11 20 1 5 5;10 15 28 13 -1 9;12 19 36 25 -7 23;2 4 6 -3 0 5] b=1:2:11 X21=A' X22=A+B X23=A-B X24=A*B X31=det(A) X32=det(B) X41=rank(A) X42=rank(B) X5=inv(A) for i=1:6 C(:,i)=i*A(:,i); end C X6=C/A X7=A\b' X8=eig(X6) [X,D]=eig(X6) X9=B^2*(A^(-1))^2 存储实验1工作空间变量AB到文件ds1.mat中：save ds1 A B 2．计算结果：
MATLAB方程组求解实验报告
八、教师评语
签名：
日期： 年 月 日
成绩
14 -2 2
0 33 8
-2 7 38
3)
a=[2 1 1;1 3 1;1 1 4];
b=[12 -3 1;-1 30 7;-3 6 34];
>> a-b
ans =
-10 4 0
2 -27 -6
4 -5 -30
4)
a=[2 1 1;1 3 1;1 1 4];
b=[12 -3 1;-1 30 7;-3 6 34];
方程A*X=b变形成QRX=b则X=R\(Q\b)
命令[Q,R]=qr(A)
2求线性齐次方程组的通解
在Matlab中，函数null用来求解零空间，即满足A·X=0的解空间，实际上是求出解空间的一组基（基础解系）。
格式：z=null %z的列向量为方程组的正交规范基，满足
% z的列向量是方程AX=0的有理基
1）
a=[2 1 1;1 3 1;1 1 4];
b=[12 -3 1;-1 30 7;-3 6 34];
>> a*b
ans =
20 30 43
6 93 56
-1 51 144
2）
a=[2 1 1;1 3 1;1 1 4];
b=[12 -3 1;-1 30 7;-3 6 34];
>> a+b
ans =
-2.3529 12.5294 0.7059
-2.2353 0.3529 9.4706
线性代数MATLAB仿真实验报告
合肥学院2018—2019学年第2学期线性代数及应用 (模块)实验报告实验名称：线性代数MATLAB实验实验类别：综合性 设计性□验证性 专业班级： 17通信工程（2）班实验时间： 9-12周组别：第组人数 3人指导教师：牛欣成绩：完成时间： 2019年 5 月9日一. 小组成员姓名学号具体分工汪蔚蔚(组长) 1705022025 A报告最后的整合，编写，案例四的计算与应用以及案例一的计算与证明陶乐 1 1705022009 C案例二，化学方程式配平问题程赢妹1505022036 A案例三，应用题灰度值的计算问题二. 实验目的1、案例一利用MATLAB进行线性代数计算，求出矩阵B2、案例二利用MATLAB计算出每一个网格数据的值，然后每一个网格数据的值乘以256以后进行归一化处理，根据每个网格中的灰度值，绘制出灰度图像。
3、案例三利用MATLAB完成对化学方程式进行配平的应用4、案例四利用MATLAB求极大线性无关组，并表示出其余向量三. 实验内容1、案例一：0,1,0,=1,0,0,0,0,0A B AB BA A B⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦已知矩阵和矩阵满足乘法交换律，即且求矩阵。
2、案例二配平下列化学方程式：3、案例三：3*320.81.21.70.20.30.6021.61.20.6.1MATLAB2256MATLAB给定一个图像的个方向上的灰度叠加值：沿左上方到右下方的灰度叠加值依次为，，，，；沿右上方到左下方的灰度叠加值依次为，。
，，，）建立可以确定网络数据的线性方程组，并用求解）将网络数据乘以，再取整，用绘制该灰度图像>> X1=B\C1X1 =3.00001.0000-0.0000>> X2=B\C2X2 =-0.50001.00002.5000六．实验结果1、实验一结果我们本来设,,=,,,,a b cB d e fg h i⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦最终得到d=b, e=a, f=c=h=g=0,i=i,即矩阵,,0=,,00,0,a bB d ei⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦，其中a=e,b=d.因此B是一个对称矩阵。
-MATLAB 数学实验报告
MATLAB 数学实验报告求下列解方程组：1.（1）⎪⎪⎩⎪⎪⎨⎧=+--=-+-=++-0202432143214321xxxx x xx x xx x x（2）⎪⎪⎩⎪⎪⎨⎧=+=+-=-+0302403231321321x x x x x x x x2. ⎪⎪⎩⎪⎪⎨⎧=++=+-=-+883111023224321321321x x x x x x x x x例1. 绘制函数表达式x²-y³的二维图形。
例2. 在极坐标下绘制函数表达式1+cost的二维图形。
例3. 根据表达式x=sint、y=cost、z=t，绘制三维曲线。
实验过程记录（含基本步骤，主要程序清单及异常情况记录等）：1.解：(1) >> A=[1 -1 1 1;1 -1 1 -2;1 -1 -2 1];>> format rat>> n=4;>> RA=rank(A)RA =3>> if(RA==n)else B=null(A,'r')endB =11>> syms k>> x=k*Bx =kk(2) >> A=[2 3 -1;4 -2 1;1 0 3];>> format rat>> n=3;>> RA=rank(A)RA =3>> if(RA==n) x=[0 0 0]else B=null(A,'r')endx =0 0 0 2.解：>> A=[4 2 -1;3 -1 2;11 3 8];b=[2 10 8]';B=[A b];n=3;RA=rank(A)RA =3>> RB=rank(B)RB =3>> if(RA==RB&RA==n)X=A\belse if(RA==RB&RA<n)C=A\bD=null(A,'r')endX =97/40-169/40-3/4例1.解：>> syms x y>>ezplot(x^2-y^)3) 例2. 解： >> syms t>> ezpolar(1+cos(t)） 例3. 解： >> syms t>> ezplot3(sin(t),cos(t),t,[0,6*pi])实验结果报告及实验总结：1.（1）的解为x = kk 0 0（2）的解为x = 00 02的解为X =97/40 -169/40 -3/4 例1.图形结果：xyx 2-y 3 = 0例2.图形结果：902701800r = 1+cos(t)例3.图形结果：-1xx = sin(t), y = cos(t), z = tyz实验总结：对于以上题目的解析，这是我第一次用MATLAB 进行编程来求解实际问题，虽然过程有点艰辛，但每一步都亲力亲为，这让我收获很多，通过做次实验，让我对MATLAB有了进一步的了解，了解了它的强大的功能和他如何求解实际问题，激发了我学好MATLAB的决心。
基于matlab的线性方程组迭代法(实验报告)
基于matlab 的线性方程组迭代法实验题目：实验要求：（1）分别试用 Jacobi 和Gauss-Seidel 迭代法计算，要求达到的精度为：(1)()510k k x x +-∞->（2）观测得到的迭代序列是否收敛？若收敛，记录迭代次数并分析计算结果。
实验流程一、迭代法简介 1、 Jacobi 迭代法对于方程组Ax b =有A 非奇异情况下且0ij a ≠时，A 分裂为A D L U =--，可得到：0x B x f =+，其中1110(),B I D A D L U f D b ---=-=+=,得到雅克比迭代法：(0)(1)()0()k k x xB x f +⎧⎪⎨=+⎪⎩初始向量 2、 Gauss-Seidel 迭代法(0)(1)()()k k x x Gx f +⎧⎪⎨=+⎪⎩初始向量 其中11(),()G D L U f D L b --=-=-。
其迭代法优点为只需一组存储单元。
3、 超松弛迭代法(SOR)Gauss-Seidel 迭代法的一种加速方法，ω松弛因子。
(0)(1)()(1)(1))()(1)k k k k k x x Gx f x x x ωω+++⎧⎪⎪=+⎨⎪=+-⎪⎩（初始向量 其中11(),()G D L U f D L b --=-=-。
二、迭代法的matlab 程序1、 Jacobi 迭代法Jacobi.mfunction [y,n]= Jacobi( A,b,x0,e )%JACOBI ÇëÔÚ´Ë´¦ÊäÈ뺯Êý¸ÅÒªif(nargin<4)e=1e-5;endD=diag(diag(A));I=eye(size(A));B=I-D\A;f=D\b;y=x0+2*e;n=0;while norm(y-x0,inf)>ey=x0;x0=B*y+f;n=n+1;endnend2、Gauss-Seidel迭代法GaussSeidel.mfunction [y,n]= GaussSeidel( A,b,x0,e ) %GS ÇëÔÚ´Ë´¦ÊäÈ뺯Êý¸ÅÒªif(nargin<4)e=1e-5;endD=diag(diag(A));I=eye(size(A));L=D-tril(A);U=D-triu(A);f=(D-L)\b;G=(D-L)\U;y=x0+2*e;n=0;while norm(y-x0,inf)>ey=x0;x0=G*y+f;n=n+1;endnend3、超松弛迭代法(SOR) SOR.mfunction [y,n]= SOR( A,b,w,x0,e )%SORÇëÔÚ´Ë´¦ÊäÈ뺯Êý¸ÅÒªif(nargin<5)e=1e-5;endD=diag(diag(A));I=eye(size(A));L=D-tril(A);U=D-triu(A);f=(D-L)\b;G=(D-L)\U;y=x0+2*e;n=0;while norm(y-x0,inf)>ex0=y;x1=G*x0+f;y=(1-w)*x0+w*x1;n=n+1;endnend4、变量初始化creatMatrix.mclear;clc;a=diag(3*ones(1,20));b=diag(-0.5*ones(1,19),1);c=diag(-0.25*ones(1,18),2);A=a+b+b'+c+c';%ϵÊý¾ØÕób=ones(20,1)*7/4;b(1)=9/4;b(20)=9/4;x0=zeros(20,1);A,b,x0,w=1.5建立A数组以及初始化b，松弛因子w，迭代初值x05、程序运行和结果记录solve.mclc;tic,s1=Jacobi(A,b,x0),toctic,s2=GaussSeidel(A,b,x0),toctic,s3=SOR(A,b,w,x0),toc三、计算结果运行程序得到几种方法的计算结果。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
实验三使用MATLAB解决线性代数问题学院：数计学院班级：1003班姓名：黄晓丹学号：1051020144
实验目的：
学习MATLAB有关线性代数运算的指令，主要学习运用MATLAB解决矩阵除法，线性方程组的通解，矩阵相似
对角化问题，以及解决投入产出分析等应用问题。
实验内容：
矩阵转置：A=[1 2;3 4];B=[4 3;2 1];
>> A',B'
ans =
1 3
2 4
ans =
4 3
3 1
矩阵加减：A-B
ans=
-3 -1
1 3
矩阵乘法：A*B,A.*B(数组乘法)||比较矩阵乘法与数组乘法的区别ans=
8 5
20 13
ans=
4 6
6 4
矩阵除法：A\B,B./A
ans=
-6 -5
5 4
ans=
4 1.5
0.6667 0.25
特殊矩阵生成：zeros（m，n）||生成m行n列的矩阵
ones（m，n）||生成m行n列的元素全为一的矩阵
eye（n）||生成n阶单位矩阵
rand（m，n）||生成m行n列[0 ，1]上均匀分布随
机数矩阵
zeros(2,3)
ans =
0 0 0
0 0 0
>> ones(3,3)
ans =
1 1 1
1 1 1
1 1 1
>> eye(3)
ans =
1 0 0
0 1 0
0 0 1
>> rand(2,4)
ans =
Columns 1 through 3
0.9501 0.6068 0.8913
0.2311 0.4860 0.7621
Column 4
0.4565
0.0185
矩阵处理：trace（A）||返回矩阵的迹
diag（A）||返回矩阵对角线元素构成的向量
tril（A）||提取矩阵的下三角部分
triu（A）||提取矩阵的上三角部分
flipud（A）||矩阵上下翻转
fliplr（A）||矩阵左右翻转
reshape(A,m,n)||将矩阵的元素重排成m行n列矩阵A=[1 2 3;4 5 6;7 8 9];
>> t=trace(A),d=diag(A),u=triu(A)
t =
15
d =
1
5
9
u =
1 2 3
0 5 6
0 0 9 flipud(A),fliplr(A)
ans =
7 8 9
4 5 6
1 2 3 ans =
3 2 1
6 5 4
9 8 7
矩阵特征值与标准型：
[V,D]=eig（A）||返回矩阵特征值与特征向量
[V J]=Jordan(A)||返回矩阵的相似变换矩阵和若尔当标
准型
A=[1 2;3 4];
>> [V,D]=eig(A)
V =
-0.8246 -0.4160
0.5658 -0.9094
D =
-0.3723 0
0 5.3723
>> [V,J]=jordan(A)
V =
0.2389 0.7611
0.5222 -0.5222
J =
5.3723 0
0 -0.3723
线性方程组求解A=[1 2 1;3 -2 1];B=[1;4];x=A\B x =
1.2500 ||求一特解
-0.1250
>> A=[1 2;3 -2;1 -1];B=[1;4;2];x=A\B
x = ||求得一最小二乘近似解
1.2838
-0.1757：
方阵的相似对角化及应用：
A=[1 1/4 0;0 1/2 0;0 1/4 1];[P,T]=eig(A) P =
1.0000 0 -0.4082
0 0 0.8165
0 1.0000 -0.4082
T =
1.0000 0 0
0 1.0000 0
0 0 0.5000
求得三个特征值1,1,0.5，对应特征向量（1,0,0），（0,0,1），
（-0.4028,0.8165，-0.4082），由于三个特征向量线性无关，从而A 可相似对角化，即p-1AP=T.那么A∧n=p[1 0 0;0 1 0;0 0 0]p-1，计算的
P*diag（[1,1,0]）*inv（P）
ans =
1.0000 0.50000 0
0 0 0
0 0.5000 1.0000
所以得到近似解。
投入产出问题：
设金鱼某种遗传病染色体的正常基因为A，不正常基因为a,那么，AA,Aa,aa,分别表示正常金鱼，隐形患者，显性患者，设初始分布为90%正常金鱼，10%的隐性患者，无显性患者，考虑下列两种配种方案对后代该遗传病基因型分布的影响，
方案一：同类基因结合，均可繁殖；
方案二：显性患者不允许繁殖，隐形患者必须与正常金鱼结合繁殖。
解：先考虑方案一，设初始分布x（1），x（2），x（3），第n带分布为x1(n),x2(n),x3(n),n=1,2……,令
A=(1 1/4 0 (x1(n)
0 1/2 0 X(N)=x2(n)
0 1/4 1) x3(n))
那么X(n)=AX(n-1)
A=[1 1/4 0;0 1/2 0;0 1/4 1];
>> x=[0.9 0.1 0]';
>> for i=2:20,x=A*x;end;x20=x
x20 =
0.9500
0.0000
0.0500
可见，按方案一，很多代后，将出现5%的稳定现行患者。
类似的对于方案二，状态转移矩阵变为A=（1 1/2 0
0 1/2 0
0 0 0)
A=[1 1/2 0;0 1/2 0;0 0 0];
>> x=[0.9 0.1 0];
>> for i=2:20,x=A*x;end;x20=x
x20 =
1.0000
0.0000
可知按方案二，很多后代以后，不仅不会出现隐性患者，连隐形患者也趋于消失，这个例子提现了杂交的优势。
实验心得：
通过此实验，我学会了用matlab解决线性代数这些比较不容易计算的问题，也学会了用多个方法解决问题思考问题，对这门课的兴趣也加深了。