第一章 建立数学模型
1.1 从现实对象到数学模型
-
模型:为了一定目的,对客观事物的的部分信息进行简缩、抽象、提炼而构造的原型的替代物。
原型:人们在现实世界里关心、研究或这从事生产、管理的实际对象。
例题 \color{White}\colorbox{Fuchsia}{例题} 例题:(航行问题)甲乙两地相距750km,船从甲到乙顺水航行需30h, 从乙到甲逆水航行需50h,问船的速度是多少?
- 建立数学模型的基本步骤:找到变量和变量之间的关系。求解,阐述数学变量的实际意义
- ⨀ \color{red}\bigodot ⨀ 1. 做出简化假设:船速、水速为常数
- ⨀ \color{red}\bigodot ⨀ 2. 用符号表示变量: x , y x, y x,y 表示船速和水速
- ⨀ \color{red}\bigodot ⨀ 3. 用物理规律列出数学方程:由 s = v ⋅ t s=v\cdot t s=v⋅t 列出二元一次方程
- ⨀ \color{red}\bigodot ⨀ 4. 求解得到数学答案: x = 20 , y = 5 x=20, y=5 x=20,y=5
- ⨀ \color{red}\bigodot ⨀ 5. 回答原问题:船速为 20 k m / h 20km/h 20km/h
- 建立数学模型的基本步骤:找到变量和变量之间的关系。求解,阐述数学变量的实际意义
-
数学模型 Mathematical Model:对于一个现实对象,为了一个特定目的,根据其内在规律,作物必要的简化假设,运用适当的数学工具,得到的一个数学结构。
-
数学建模 Mathematical Modeling:建立数学模型的全过程(表述,求解,解释,检验)
实际问题与数学问题之间的桥梁(实践 ⟹ \Longrightarrow ⟹ 理论 ⟹ \Longrightarrow ⟹ 实践)
- ⨀ \color{red}\bigodot ⨀ 1. 表述:(实际问题 ⟶ \longrightarrow ⟶ 数学问题)根据建模目的和信息将实际问题“翻译”成数学问题。
- ⨀ \color{red}\bigodot ⨀ 2. 求解:(数学问题的分析和计算)选择适当的数学方法求得解答
- ⨀ \color{red}\bigodot ⨀ 3. 解释:(回归实际问题)将数学语言表述的解答“翻译”回实际对象
- ⨀ \color{red}\bigodot ⨀ 4. 验证:用现实对象的信息检验得到的解答
1.2 建模案例
-
例题一 \color{White}\colorbox{Fuchsia}{例题一} 例题一包饺子中的数学:1kg 面和 1kg 馅可包 100 个饺子。若现在有 1kg 面和多于 1kg 的馅,问应该多包几个(每个小点)还是少包几个(每个大点)?用 1kg 面包成 50 个饺子需要多少馅?
显然直觉上是“大饺子包的馅多”,下面用数学方法证明
-
模型假设:
- 饺子皮一样厚。故大小饺子皮满足 S = n s S=ns S=ns
- 饺子形状相似
-
模型建立:引入大小饺子的“特征半径” R R R 和 r r r
-
根据
S = k 1 R 2 , V = k 2 R 3 s = k 1 r 2 , v = k 2 r 3 S=k_1R^2,V=k_2R^3\\ s=k_1r^2,v=k_2r^3 S=k1R2,V=k2R3s=k1r2,v=k2r3 -
得到
V = k S 3 2 , v = k s 3 2 V=kS^{3\over 2},v=ks^{3\over 2} V=kS23,v=ks23 -
解答:代入假设条件,解得
V = n 3 2 v V=n^{3\over 2}v V=n23v
-
-
结果解释: V V V 是 n v nv nv 的 n \sqrt{n} n 倍,说明大饺子比小饺子包的馅多。当包 50 个时,需要 2 ≈ 1.4 k g \sqrt{2}\approx 1.4kg 2≈1.4kg 馅
-
总结:
- ⨀ \color{red}\bigodot ⨀ 1. 用数学语言表示现实对象:体积和表面积 ⟶ \longrightarrow ⟶ 馅和皮
- ⨀ \color{red}\bigodot ⨀ 2. 作出简化、合理的假设:厚度一样,形状一样
- ⨀ \color{red}\bigodot ⨀ 3. 利用问题蕴含的内在规律:体积和表面积与半径间的几何关系
-
-
例题二 \color{White}\colorbox{Fuchsia}{例题二} 例题二椅子能否在不平的地面放稳:
- 问题分析:放稳即表示四只脚着地,通常会发生三只脚着地
- 模型假设:
- 四腿一样长,四脚连线呈正方形
- 地面视为连续曲面
- 地面相对平坦,椅子在任意位置至少三脚着地
- 模型建立:找到椅子四脚着地时的条件和结论
- 椅子位置:利用正方形(椅脚连线)的对称性,固定中心点 O O O,用宣旋转角度 θ \theta θ (对角线与 x 轴的夹角)表示椅子位置。
- 四脚着地:即椅脚与地面距离为零,表示为 θ \theta θ 的函数。将四脚写为两个距离函数, f ( x ) : A , C f(x):A,C f(x):A,C 两脚与地面距离之和, g ( x ) : B , D g(x):B,D g(x):B,D 两脚与地面距离之和。
- 根据假设:得到 f ( θ ) , g ( θ ) f(\theta),g(\theta) f(θ),g(θ) 是连续函数;对任意 θ \theta θ, f ( θ ) , f ( θ ) f(\theta),f(\theta) f(θ),f(θ) 至少一个为 0 0 0
- 化为数学命题: f ( θ ) , g ( θ ) f(\theta),g(\theta) f(θ),g(θ) 是连续函数且对任意 θ \theta θ,有 f ( θ ) ⋅ g ( θ ) = 0 f(\theta)\cdot g(\theta)=0 f(θ)⋅g(θ)=0。不妨设 g ( 0 ) = 0 , f ( 0 ) > 0 g(0)=0,f(0)>0 g(0)=0,f(0)>0,则 f ( π 2 ) = 0 , g ( π 2 ) > 0 f(\frac{\pi}{2})=0,g(\frac{\pi}{2})>0 f(2π)=0,g(2π)>0
- 即证明:存在 θ 0 \theta_0 θ0,使得 f ( θ 0 ) = g ( θ 0 ) = 0 f(\theta_0)=g(\theta_0)=0 f(θ0)=g(θ0)=0
- 模型求解:
- 令 h ( θ ) = f ( θ ) − g ( θ ) h(\theta)=f(\theta)-g(\theta) h(θ)=f(θ)−g(θ),则 h ( 0 ) > 0 , h ( π 2 ) < 0 h(0)>0,h(\frac{\pi}{2})<0 h(0)>0,h(2π)<0
- 由 h ( θ ) h(\theta) h(θ) 的连续性,必存在 θ 0 ∈ ( 0 , π 2 ) \theta_0\in(0,\frac{\pi}{2}) θ0∈(0,2π),使得 h ( θ 0 ) = 0 h(\theta_0)=0 h(θ0)=0
- 由于 f ( θ 0 ) = g ( θ 0 ) , f ( θ 0 ) ⋅ g ( θ 0 ) = 0 f(\theta_0)=g(\theta_0),f(\theta_0)\cdot g(\theta_0)=0 f(θ0)=g(θ0),f(θ0)⋅g(θ0)=0,故 f ( θ 0 ) = g ( θ 0 ) = 0 f(\theta_0)=g(\theta_0)=0 f(θ0)=g(θ0)=0
- 总结:
- ⨀ \color{red}\bigodot ⨀ 1. 建模的关键:用 θ \theta θ 表示椅子的位置, f ( θ ) , g ( θ ) f(\theta),g(\theta) f(θ),g(θ) 表示椅脚与地面的距离
- ⨀ \color{red}\bigodot ⨀ 2. 假设条件中哪些是本质的,哪些是非本质的:考察四脚连线呈长方形的椅子
- ⨀ \color{red}\bigodot ⨀ 3. 证明过程的粗糙之处:椅子的旋转轴在哪,它在旋转过程中怎样变化
1.3 数学建模的基本方法和步骤
-
基本方法:
-
机理分析:根据对客观事物特性的认识,找出反映内部机理的数量规律
主要通过实例研究来学习
-
测试分析:将对象看作“黑箱”,通过对量测数据的统计分析,找出与数据拟合最好的模型
-
两者结合:用机理分析建立模型结构,用测试分析确定模型参数
-
-
基本步骤:
- 模型准备:形成一个比较清晰的“问题”
- 模型假设:在合理与简化之间作出折中
- 模型构成:尽量采用简单的数学工具
- 模型求解:各种数学方法,软件和计算机技术
- 模型分析:如结果的误差分析、统计分析、模型对数据的稳定性分析
- 模型检验:与实际现象、数据比较,检验模型的合理性、适用性
- 模型应用
![](https://i-blog.csdnimg.cn/blog_migrate/ceac1a9fc4b4b715cd25a78945c2e480.png#pic_center)
1.4 数学建模的特点和分类
- 特点:
- 保真性与可行性
- 渐进性
- 局限性
- 强健性
- 灵活性
- 分类:
- 按照应用领域
- 按照数学方法
- 按照表现特性
- 确定性模型和随机性模型
- 静态模型和动态模型
- 线性模型和非线性模型
- 离散模型和连续模型
- 按照应用领域
- 按照数学方法
- 按照表现特性
- 确定性模型和随机性模型
- 静态模型和动态模型
- 线性模型和非线性模型
- 离散模型和连续模型
- 按照建模目的