请问世界的一切已知的问题都可以建立起来数学模型嘛? 数学这么厉害?
3个回答
展开全部
什么是数学模型?
数学模型是近些年发展起来的新学科,是数学理论与实际问题相结合的一门科学。它将现实问题归结为相应的数学问题,并在此基础上利用数学的概念、方法和理论进行深入的分析和研究,从而从定性或定量的角度来刻画实际问题,并为解决现实问题提供精确的数据或可靠的指导。
根据研究目的,对所研究的过程和现象(称为现实原型或原型)的主要特征、主要关系、采用形式化的数学语言,概括地、近似地表达出来的一种结构,所谓“数学化”,指的就是构造数学模型.通过研究事物的数学模型来认识事物的方法,称为数学模型方法.简称为MM方法。
数学模型是数学抽象的概括的产物,其原型可以是具体对象及其性质、关系,也可以是数学对象及其性质、关系。数学模型有广义和狭义两种解释.广义地说,数学概念、如数、集合、向量、方程都可称为数学模型,狭义地说,只有反映特定问题和特定的具体事物系统的数学关系结构方数学模型大致可分为二类:
(1)描述客体必然现象的确定性模型,其数学工具一般是代效方程、微分方程、积分方程和差分方程等。
(2)描述客体或然现象的随机性模型,其数学模型方法是科学研究相创新的重要方法之一。
在体育实践中常常提到优秀运动员的数学模型。如经调查统计现代的世界级短跑运动健将模型为身高1.80米左右、体重70公斤左右,100米成绩10秒左右或更好等。
用字母、数字和其他数学符号构成的等式或不等式,或用图表、图像、框图、数理逻辑等来描述系统的特征及其内部联系或与外界联系的模型。它是真实系统的一种抽象。数学模型是研究和掌握系统运动规律的有力工具,它是分析、设计、预报或预测、控制实际系统的基础。数学模型的种类很多,而且有多种不同的分类方法。
静态和动态模型:静态模型是指要描述的系统各量之间的关系是不随时间的变化而变化的,一般都用代数方程来表达。动态模型是指描述系统各量之间随时间变化而变化的规律的数学表达式,一般用微分方程或差分方程来表示。经典控制理论中常用的系统的传递函数也是动态模型,因为它是从描述系统的微分方程变换而来的(见拉普拉斯变换)。
分布参数和集中参数模型:分布参数模型是用各类偏微分方程描述系统的动态特性,而集中参数模型是用线性或非线性常微分方程来描述系统的动态特性。在许多情况下,分布参数模型借助于空间离散化的方法,可简化为复杂程度较低的集中参数模型。
连续时间和离散时间模型:模型中的时间变量是在一定区间内变化的模型称为连续时间模型,上述各类用微分方程描述的模型都是连续时间模型。在处理集中参数模型时,也可以将时间变量离散化,所获得的模型称为离散时间模型。离散时间模型是用差分方程描述的。
随机性和确定性模型:随机性模型中变量之间关系是以统计值或概率分布的形式给出的,而在确定性模型中变量间的关系是确定的。
参数与非参数模型:用代数方程、微分方程、微分方程组以及传递函数等描述的模型都是参数模型。建立参数模型就在于确定已知模型结构中的各个参数。通过理论分析总是得出参数模型。非参数模型是直接或间接地从实际系统的实验分析中得到的响应,例如通过实验记录到的系统脉冲响应或阶跃响应就是非参数模型。运用各种系统辨识的方法,可由非参数模型得到参数模型。如果实验前可以决定系统的结构,则通过实验辨识可以直接得到参数模型。
线性和非线性模型:线性模型中各量之间的关系是线性的,可以应用叠加原理,即几个不同的输入量同时作用于系统的响应,等于几个输入量单独作用的响应之和。线性模型简单,应用广泛。非线性模型中各量之间的关系不是线性的,不满足叠加原理。在允许的情况下,非线性模型往往可以线性化为线性模型,方法是把非线性模型在工作点邻域内展成泰勒级数,保留一阶项,略去高阶项,就可得到近似的线性模型。
建立数学模型的方法
一类是机理分析方法,根据对现实对象特性的认识,以及已知的知识,分析因果关系,找出反映内部机理的规律,这样建立的模型通常具有明确的物理或现实的意义。
另一类是测试分析,将研究对象视为一个“黑箱”系统,难以寻求内部机理,而只能依靠测量系统的输入输出数据,利用统计分析方法来构造数学模型,这种方法称为系统辩识。
建模的步骤分为以下七步:
模型准备:首先要了解问题的实际背景,明确题目的要求,搜集各种必要的信息。
模型假设:为了利用数学方法,通常要对问题作出必要的、合理简化,使问题的主要特征凸现出来,忽略问题的次要方面。
模型构成:根据所作的假设以及事物之间的联系,构造各种量之间的关系,把问题化为数学问题。要注意尽量采取简单的数学工具,因为简单的数学模型往往更能反映事物的本质,而且也容易使更多的人掌握和使用。
模型求解:利用已知的数学方法来求解上一步所得的数学问题,这时往往还要进一步的简化或假设。
模型分析:对所得的解答进行分析,特别要注意当数据变化时所得结果是否稳定。
模型检验:分析所得结果的实际意义,与实际情况进行比较,看是否符合实际,如果结果不够理想,应该修改、补充假设,或重新建模,有些模型需要经过几次反复,不断完善。
模型应用:所建立的模型必须在实际中应用,才能产生效益,在应用中不断改进和完善。
请采纳,谢谢!
数学模型是近些年发展起来的新学科,是数学理论与实际问题相结合的一门科学。它将现实问题归结为相应的数学问题,并在此基础上利用数学的概念、方法和理论进行深入的分析和研究,从而从定性或定量的角度来刻画实际问题,并为解决现实问题提供精确的数据或可靠的指导。
根据研究目的,对所研究的过程和现象(称为现实原型或原型)的主要特征、主要关系、采用形式化的数学语言,概括地、近似地表达出来的一种结构,所谓“数学化”,指的就是构造数学模型.通过研究事物的数学模型来认识事物的方法,称为数学模型方法.简称为MM方法。
数学模型是数学抽象的概括的产物,其原型可以是具体对象及其性质、关系,也可以是数学对象及其性质、关系。数学模型有广义和狭义两种解释.广义地说,数学概念、如数、集合、向量、方程都可称为数学模型,狭义地说,只有反映特定问题和特定的具体事物系统的数学关系结构方数学模型大致可分为二类:
(1)描述客体必然现象的确定性模型,其数学工具一般是代效方程、微分方程、积分方程和差分方程等。
(2)描述客体或然现象的随机性模型,其数学模型方法是科学研究相创新的重要方法之一。
在体育实践中常常提到优秀运动员的数学模型。如经调查统计现代的世界级短跑运动健将模型为身高1.80米左右、体重70公斤左右,100米成绩10秒左右或更好等。
用字母、数字和其他数学符号构成的等式或不等式,或用图表、图像、框图、数理逻辑等来描述系统的特征及其内部联系或与外界联系的模型。它是真实系统的一种抽象。数学模型是研究和掌握系统运动规律的有力工具,它是分析、设计、预报或预测、控制实际系统的基础。数学模型的种类很多,而且有多种不同的分类方法。
静态和动态模型:静态模型是指要描述的系统各量之间的关系是不随时间的变化而变化的,一般都用代数方程来表达。动态模型是指描述系统各量之间随时间变化而变化的规律的数学表达式,一般用微分方程或差分方程来表示。经典控制理论中常用的系统的传递函数也是动态模型,因为它是从描述系统的微分方程变换而来的(见拉普拉斯变换)。
分布参数和集中参数模型:分布参数模型是用各类偏微分方程描述系统的动态特性,而集中参数模型是用线性或非线性常微分方程来描述系统的动态特性。在许多情况下,分布参数模型借助于空间离散化的方法,可简化为复杂程度较低的集中参数模型。
连续时间和离散时间模型:模型中的时间变量是在一定区间内变化的模型称为连续时间模型,上述各类用微分方程描述的模型都是连续时间模型。在处理集中参数模型时,也可以将时间变量离散化,所获得的模型称为离散时间模型。离散时间模型是用差分方程描述的。
随机性和确定性模型:随机性模型中变量之间关系是以统计值或概率分布的形式给出的,而在确定性模型中变量间的关系是确定的。
参数与非参数模型:用代数方程、微分方程、微分方程组以及传递函数等描述的模型都是参数模型。建立参数模型就在于确定已知模型结构中的各个参数。通过理论分析总是得出参数模型。非参数模型是直接或间接地从实际系统的实验分析中得到的响应,例如通过实验记录到的系统脉冲响应或阶跃响应就是非参数模型。运用各种系统辨识的方法,可由非参数模型得到参数模型。如果实验前可以决定系统的结构,则通过实验辨识可以直接得到参数模型。
线性和非线性模型:线性模型中各量之间的关系是线性的,可以应用叠加原理,即几个不同的输入量同时作用于系统的响应,等于几个输入量单独作用的响应之和。线性模型简单,应用广泛。非线性模型中各量之间的关系不是线性的,不满足叠加原理。在允许的情况下,非线性模型往往可以线性化为线性模型,方法是把非线性模型在工作点邻域内展成泰勒级数,保留一阶项,略去高阶项,就可得到近似的线性模型。
建立数学模型的方法
一类是机理分析方法,根据对现实对象特性的认识,以及已知的知识,分析因果关系,找出反映内部机理的规律,这样建立的模型通常具有明确的物理或现实的意义。
另一类是测试分析,将研究对象视为一个“黑箱”系统,难以寻求内部机理,而只能依靠测量系统的输入输出数据,利用统计分析方法来构造数学模型,这种方法称为系统辩识。
建模的步骤分为以下七步:
模型准备:首先要了解问题的实际背景,明确题目的要求,搜集各种必要的信息。
模型假设:为了利用数学方法,通常要对问题作出必要的、合理简化,使问题的主要特征凸现出来,忽略问题的次要方面。
模型构成:根据所作的假设以及事物之间的联系,构造各种量之间的关系,把问题化为数学问题。要注意尽量采取简单的数学工具,因为简单的数学模型往往更能反映事物的本质,而且也容易使更多的人掌握和使用。
模型求解:利用已知的数学方法来求解上一步所得的数学问题,这时往往还要进一步的简化或假设。
模型分析:对所得的解答进行分析,特别要注意当数据变化时所得结果是否稳定。
模型检验:分析所得结果的实际意义,与实际情况进行比较,看是否符合实际,如果结果不够理想,应该修改、补充假设,或重新建模,有些模型需要经过几次反复,不断完善。
模型应用:所建立的模型必须在实际中应用,才能产生效益,在应用中不断改进和完善。
请采纳,谢谢!
推荐律师服务:
若未解决您的问题,请您详细描述您的问题,通过百度律临进行免费专业咨询