常微分方程在数学建模中的应用论文正稿
数学建模在常微分方程中的应用
数学建模在常微分方程中的应用数学建模是一项广泛应用于各领域的数学方法，而常微分方程恰好是数学建模中常见的一种手段。
常微分方程是描述自然界许多物理现象和生物现象的数学工具，如机械振动、电路理论、生物种群模型、人口增长模型等。
本文将深入探讨数学建模在常微分方程中的应用，为你带来一些启发和思考。
一、模型的建立建立数学模型的第一步是明确问题的背景和目标，确定所涉及的变量及其相互之间的关系。
在常微分方程中，模型通常可以写成如下形式：$$\frac{dy}{dx}=f(x,y)$$其中，$y$是待定函数，$x$是自变量，$f(x,y)$则是关于$y$和$x$的已知函数。
这个模型描述了函数$y$的变化速率与它所处的位置$x$和它自身的值$y$有关。
二、利用数学方法解常微分方程在将模型建立起来后，我们需要求出未知函数$y$的解，这就需要利用各种数学方法。
下面是几种解常微分方程的方法：1.分离变量法当常微分方程可以写成以下形式：我们就可以采用“分离变量”的方法，将未知函数$y$和独立变量$x$分别在两边隔离，然后进行积分即可解出方程的解。
2.变量代换法当常微分方程比较复杂，难以直接求解时，我们可以尝试将自变量$x$或者$y$进行代换，将方程转化为更容易解决的形式。
3.常数变易法当常微分方程无法直接求解，但是已知特定的边界条件时，我们可以采用常数变易法，通过对未知函数常数进行变异，消去特定边界条件，从而解出常微分方程的解。
常微分方程在各个领域中的应用广泛，下面列举了其中的一些实际问题：1.自由落体运动自由落体运动是物理学中的一个基本概念，可以通过常微分方程建立模型。
当物体从高空落下时，它所受的重力和阻力之间的平衡关系将导致其速度的变化。
可以用以下的常微分方程来描述这个过程：其中，$v$为物体的速度，$t$为时间，$g$为重力加速度，$k$为空气阻力系数。
2.生物种群模型生物种群模型通常涉及到生物种群数量的变化。
一个典型的生物种群模型可以写作以下的常微分方程组：其中，$S$表示易感者的数量，$I$表示感染者的数量，$R$表示恢复者的数量，$b$和$d$分别为出生率和自然死亡率，$e$表示感染率，$a$为发病率，$v$为治愈率，$c$和$d$为康复者的死亡率和自然死亡率。
数学建模在常微分方程中的应用
数学建模在常微分方程中的应用常微分方程是数学中一个重要的研究领域，它描述了物理、工程等各个领域中的许多现象和问题。
数学建模是将实际问题抽象为数学模型，通过数学方法来研究和解决这些问题。
在常微分方程中，数学建模的应用有着重要的地位。
数学建模在常微分方程中的应用，首先体现在对实际问题的建模过程中。
常微分方程可以描述许多现象，例如生物学中的人口增长问题、化学反应动力学、电路中的电流变化等等。
通过对实际问题的观察和分析，可以建立相应的常微分方程模型。
数学建模的主要任务是确定模型中的方程形式和参数值。
这一过程需要深入了解实际问题的背景和特性，结合数学的方法和技巧，确定合适的数学模型。
数学建模在常微分方程中的应用还体现在对方程的求解和分析过程中。
常微分方程一般是通过解析方法或数值方法来求解。
对于一些简单的常微分方程可以通过分离变量、变量代换等方法直接求解。
但是对于一些复杂的常微分方程，求解比较困难甚至无解析解。
此时，数值方法就发挥了重要的作用，如欧拉法、龙格-库塔法等。
数值方法通过数值逼近和计算机模拟，求得近似解，能够克服解析解的困难。
数学建模在常微分方程中的应用还包括对方程解的分析和结果的验证。
对于一些简单的常微分方程，可以通过对解的性质和图像特征的分析来得到对问题的深入理解。
通过对解的稳定性和渐近行为的分析，可以得到对系统行为的预测。
而对于一些复杂的常微分方程，数值解可以作为解的近似，对结果进行验证。
通过比较数值解和解析解（如果存在）的差异，可以评估数值方法的精确度和可靠性。
数学建模在常微分方程中的应用有着重要的作用。
它是将实际问题抽象为数学模型的过程，是求解和分析常微分方程的方法和手段。
通过数学建模，可以对实际问题进行深入理解，提供对问题的解决方案和预测。
数学建模和常微分方程的相互关系也促进了数学和其他学科的交叉和发展。
数学建模的发展对于常微分方程的研究和应用提供了更广阔的空间和方法，对各个领域的科学研究和工程实践具有重要的指导意义。
数学建模思想在常微分方程教学中的运用
数学建模思想在常微分方程教学中的运用在大学数学教学中，常微分方程教学十分重要，在整体的数学教学中具有承上启下的意义，另一方面，常微分方程教学与我们的生活息息相关。
尽管现阶段常微分方程教学在大学数学中的地位逐渐提高，然而因为教学中存在的一些问题导致教学过程中仍然面临诸多问题，其一常微分方程教学过于重视理论，缺乏实践；其二，课堂中教师忽略学生的主观作用，缺乏学生动手实践的能力，只是学习常微分方程的基础理论，却不能利用其解决实际问题。
为了解决这些问题，文章中笔者针对常微分方程教学，对数学建模思想的运用进行了分析。
一、数学建模思想在常微分方程教学中应用重要性（一）是满足数学应用技能型人才培养的基本需求现阶段受社会发展的影响，大学阶段学生面临的就业问题十分现实，而就现在的院校而言，培养应用技能型人才已经逐渐成为办学的主要趋势。
然而受传统教学观念的影响，教师缺乏具体的实践教学，因此，教师要在教学的同时将理论知识与实践进行结合，重点培养学生解决实际问题的能力。
在常微分方程教学中运用数学建模思想，能够重点培养学生的应用技能，同时也是满足数学应用技能型人才培养的基本需求，是大学阶段进行数学常微分方程教学的主要教学手段，学生通过对建模思想的学习，能够提高自身的理论的实际应用水平，培养其应用实践技能。
（二）是满足常微分方程教学设置的基本要求大学阶段的常微分方程教学是数学专业的一门必修课程，然而在具体的课程设置中，在数学分析、以及高等代数等一些专业课程教学之后会进行常微分方程教学，由此可以奠定常微分方程教学在数学专业教学中的重要位置。
为此，在大学阶段的数学专业中，常微分方程教学具有特殊的地位，同样也是数学专业课程设置中最为重要的课程。
将数学建模思想在常微分方程教学中运用，实现数学理论与实践的融合，对大学阶段的数学教学都具有十分重要的影响，可以从中呈现数学课程设置的科学合理性。
二、数学建模思想在常微分方程教学中的运用在大学阶段的常微分方程教学中运用数学建模思想，主要可以从以下几个方面入手，其一是相关方程所涉及的理论以及应用背景；其二，在数学建模思想的基础上应用实际案例教学，进行常微分方程教学；其三，激发学生学习积极性，培养学生理论与实践结合的能力。
数学建模在常微分方程中的应用
数学建模在常微分方程中的应用
数学建模是指运用数学方法和技巧分析和解决实际问题的过程。
在数学建模中，常微分方程是一个重要的工具，它用于描述许多实际问题中的变化和发展。
下面将介绍常微分方程在数学建模中的应用。
常微分方程可以用来描述许多自然科学和工程科学中的变化和发展过程。
描述物理学中的运动、天文学中的行星运动和混合和反应过程等。
它们还可以用于解决实际问题，如人口增长、疾病传播、金融模型和生态系统动力学等。
常微分方程的一个重要应用领域是物理学。
在经典力学中，可以通过常微分方程来描述物体在外力作用下的运动。
牛顿第二定律可以用常微分方程的形式表示为：
m*d^2x/dt^2 = F(x,t)
其中m是物体的质量，dx/dt是物体的速度，F(x,t)是物体受到的外力。
这个方程可以用来研究物体的运动轨迹和速度随时间的变化。
常微分方程在工程科学中也有广泛的应用。
热传导方程可以用常微分方程的形式表示为：
d(theta)/dt = k*d^2(theta)/dx^2
其中theta是温度分布，t是时间，k是热传导系数，x是空间位置。
这个方程可以用来研究材料中的温度分布和传热过程。
在生物学和生态学中，常微分方程被用来描述生物种群的增长和相互作用。
Lotka-Volterra方程可以用常微分方程的形式表示为：
dN/dt = r*N - a*N*P
dP/dt = -b*P + c*N*P
其中N是捕食者的数量，P是猎物的数量，t是时间，r、a、b和c是常数。
这个方程可以用来研究捕食者和猎物种群之间的相互作用和稳定性。
常微分方程理论在数学建模中的简单应用
常微分方程理论在数学建模中的简单应用摘要：众所周知，自然界中一切物质都按照自身的规律在运动和演变，不同物质的运动规律总是在时间和空间中运动着的，虽然物质的运动形式千差万别，但我们总可以找到它们共性的一面，即具有共同的量的变化规律。
为了能够定性和定量的研究一些特定的运动和演变过程，就必须将物质运动和演变过程中相关的因素进行数学化。
这种数学化的过程就是数学建模的过程，即根据运动和演变规律找出不同变量之间互相制约、互相影响的关系式。
由于大量的实际问题中，稍微复杂一些的运动过程往往不能直接写出他们的函数，却容易建立变量及其导数(或微分)间的关系式，即微分方程。
微分方程描述的是物质运动的瞬时规律。
将常微分方程应用于数学建模是因为常微分方程理论是用数学方法解决实际问题的强有力的工具，是一门有着重要背景应用的学科，具有悠久的历史，系统理论日臻完善，而且继续保持着进一步发展的活力，其主要原因是它的根源深扎在各种实际问题中。
关键词：常微分方程，常微分方程模型，稳定性，数学建模正：１数学建模简介对复杂现象进行分析，用数学语言来描述其中的关系或规律，抽象出恰当的数学关系，并将其实际问题转化成为一个数学问题，同时运用数学系统的知识方法对数学问题进行求解，对现实问题作出解释的过程，这就是数学建模…。
与数学不同，构建数学模型的过程不仅要对复杂的问题进行提炼、归纳和总结而且还应进行演绎推理。
所以构建数学模型的过程也是一个演绎推理与归纳总结相结合的过程。
对现实问题的观察、假设、归纳，怎样将其化为一个数学问题是数学建模的关键。
但这仅仅是数学建模的开始，完整的数学建模过程还应求解数学问题并能得到所要求的解。
同时还应看到得出的解是否与数据或实际经验相吻合，是否能解释实际问题；否则，还应重新修正。
２常微分方程和数学建模结合的特点通常在建立对象的动态模型时，应对不同的实际对象建立不同的并与之相适合的数学模型。
首先要具体的问题具体分析对建模的目的应该做出简化的假设，而后还要依照对可以类比的其它对象的规律或者其对象内在的微分方程进行解题并求出这一方程的解，这样才能将其结果反馈回实际的对象，然后再进行预测或控制，描述与分析。
常微分方程在数学建模中的应用
常微分方程在数学建模中的应用
常微分方程（Ordinary Differential Equations, ODEs）是一类用来描述物理系统动态变化的方程。
它们在数学建模中有广泛的应用，可以用来描述各种各样的系统，包括力学系统、电学系统、热学系统、生物学系统等等。
举个例子，假设你想描述一个物体在受到重力作用力时的运动轨迹。
这个问题可以用常微分方程来解决，具体来说，你可以用下面的方程来描述物体的运动：
其中，x 是物体的位置，t是时间，g 是重力加速度。
这个方程表示物体受到重力作用力时的加速度，根据牛顿第二定律，加速度等于作用力除以质量。
因此，这个方程可以用来描述物体在受到重力作用力时的运动轨迹。
常微分方程还可以用来描述其他类似的问题，例如：
•电路中的电流和电压的变化
•化学反应过程中物质浓度的变化
•振动系统中振动的频率和振幅的变化
•生物学系统中生物体内激素浓度的变化
总的来说，常微分方程在数学建模中有着广泛的应用。
它们可以用来描述各种各样的物理系统的动态变化，并且通常都有解析解或者近似解的存在。
此外，常微分方程还有很多的数学理论，可以用来解决常微分方程的特殊情况。
尽管常微分方程在数学建模中有着广泛的应用，但它们也有一些局限性。
例如，常微分方程通常假设系统是连续的、平滑的，并且忽略了离散的、非连续的现象。
在这些情况下，常微分方程可能不再适用。
因此，在使用常微分方程进行数学建模时，需要谨慎考虑是否适用。
常微分方程在数学建模中的应用
常微分方程在数学建模中的应用首先是物理方面。
在物理学中，常微分方程广泛应用于描述运动、波动、电磁学、量子力学等问题。
例如，牛顿第二定律可以用常微分方程的形式表示为：\[m \frac{{d^2x}}{{dt^2}} = F(x,t)\]其中m为质量，x为位置，t为时间，F(x,t)为力。
这个方程可以用来描述物体的运动。
另一个例子是振动方程，可以通过常微分方程来描述弹簧振子、简谐振动等。
生物方面是另一个常见的应用领域。
生物学中经常需要对生物体的增长、衰退、群体动态等问题进行建模。
而常微分方程可以很好地描述这些问题。
例如，布鲁塞尔方程是描述细菌群体增长的常微分方程模型。
该模型使用了增长速率与细菌种群密度之间的关系。
通过求解布鲁塞尔方程，我们可以预测细菌的增长趋势，并为控制细菌的增长提供依据。
此外，常微分方程还可以在生物学中应用于描述神经网络、生物化学反应等。
经济方面也是常微分方程的应用领域之一、经济学中的一些重要问题，如经济增长、通货膨胀、利率变动等，都可以通过常微分方程进行建模和分析。
例如，Solow增长模型是描述经济增长的常微分方程模型。
该模型考虑了资本积累和技术进步对经济增长的影响。
通过求解Solow增长模型，我们可以分析经济增长的稳定状态、长期趋势和影响经济增长的因素。
除了物理、生物和经济学，常微分方程还可以在其他领域中应用。
例如，环境科学中可以通过常微分方程描述污染物的传输和扩散过程；工程学中可以应用常微分方程来描述振动、控制系统等问题。
此外，计算机科学中的数值方法也广泛应用于求解常微分方程的数值解。
总而言之，常微分方程在数学建模中的应用非常广泛，涵盖了物理、生物、经济等多个领域。
通过对常微分方程的求解和分析，我们可以获得有关问题的定量结论，并为问题的解决和决策提供支持。
数学建模在常微分方程中的应用
数学建模在常微分方程中的应用数学建模是利用数学工具和方法对实际问题进行描述、分析和解决的过程。
在实际应用中，数学建模可以用来描述和分析各种自然现象和社会现象，其中常微分方程是数学建模中经常使用的工具之一。
常微分方程描述了变量之间的关系和变化规律，广泛应用于物理、经济、生态、生物等领域。
本文将着重介绍数学建模在常微分方程中的应用，以及其在各个领域中的重要意义。
一、常微分方程的基本概念在介绍数学建模在常微分方程中的应用之前，首先我们需要了解一些常微分方程的基本概念。
常微分方程是描述一个或多个未知函数的导数和自变量之间的关系的方程。
一阶常微分方程一般形式为dy/dx = f(x, y)，其中y是未知函数，x是自变量，f(x, y) 表示y的导数关于 x 和 y 的函数。
解一阶常微分方程就是找到一个函数y(x)，满足对应的微分方程。
常微分方程可以分为线性和非线性两类。
线性常微分方程一般形式为dy/dx + p(x)y = q(x)，其中p(x)和q(x)是已知函数，y是未知函数。
非线性常微分方程则是除线性方程以外的方程形式，它们通常更为复杂，很难找到通解。
二、数学建模在物理领域中的应用在物理领域，常微分方程的应用十分广泛。
从牛顿的运动定律到电磁场的描述，都可以通过常微分方程建模。
二阶常微分方程描述了谐振子的运动，可以用来研究弹簧振子的振动规律；而洛伦兹方程描述了流体力学中混沌系统的行为，对于天气预报和气候变化的研究产生了重要影响。
常微分方程还可以用来描述电路中的电流、电压变化，热传导和扩散过程等。
在这些问题中，常微分方程的建模和求解对于优化设计、性能分析和系统控制都具有重要意义。
生态学是研究生物与其环境相互作用的学科，常微分方程在生态学领域中也有重要的应用。
Lotka-Volterra方程是描述捕食者和食饵种群动态的模型，通过求解这些方程可以预测不同种群的数量随时间的变化规律，对生态系统的保护和管理有很大帮助。
常微分方程在人口增长模型中的数学建模
常微分方程在人口增长模型中的数学建模人口增长是一个复杂而重要的社会问题，对于解决人口问题，了解人口增长模型是十分必要的。
常微分方程是研究自然现象的重要工具，它在人口增长模型中的应用也是十分广泛的。
本文将介绍常微分方程在人口增长模型中的数学建模。
一、人口增长模型的基本假设在建立人口增长模型之前，我们需要先进行一些基本假设。
首先，我们假设人口增长是一个连续的过程，即人口数量的变化是连续的。
其次，我们假设人口增长的速率与当前人口数量成正比，即人口增长率与人口数量成正比。
最后，我们假设人口增长的速率还受到其他因素的影响，比如出生率、死亡率、迁移率等。
二、人口增长模型的建立为了建立人口增长模型，我们需要引入常微分方程。
常微分方程是描述变量之间关系的方程，它包含一个未知函数及其导数。
在人口增长模型中，我们可以将人口数量表示为一个未知函数P(t)，其中t表示时间。
根据前面的假设，我们可以得到人口增长率与人口数量的关系式：dP/dt = kP其中dP/dt表示人口数量P关于时间t的导数，k表示人口增长率。
这个关系式描述了人口数量随时间的变化规律。
三、人口增长模型的求解为了求解上述的常微分方程，我们可以使用分离变量法。
将上述方程改写为：1/P dP = k dt对上述方程两边同时积分，得到：ln|P| = kt + C其中C为常数。
进一步求解，得到：P(t) = e^(kt+C) = Ce^kt由于人口数量不能为负数，所以常数C必须为正数。
这个解表示了人口数量随时间的变化规律。
四、人口增长模型的应用通过上述的人口增长模型，我们可以对人口增长进行预测和分析。
通过调整人口增长率k和常数C的值，我们可以模拟不同的人口增长情况。
例如，如果k为正数，表示人口增长率为正，那么人口数量将会呈指数增长。
这在一些发展中国家中是比较常见的情况。
相反，如果k为负数，表示人口增长率为负，那么人口数量将会呈指数减少。
这在一些发达国家中是比较常见的情况。
数学建模在常微分方程中的应用
数学建模在常微分方程中的应用数学建模是将现实世界中的问题用数学语言表示和解决的过程，而在这一过程中，常微分方程则是数学建模中最常用的工具之一。
常微分方程描述了自变量与因变量及其导数之间的关系，而在实际应用中，常微分方程被广泛用于描述各种变化和动力学系统，如物理、生物、经济学等领域。
在本文中，我们将介绍一些常微分方程在数学建模中的应用，并讨论其重要性和意义。
常微分方程在生物学和生态学中扮演着至关重要的角色。
人口增长模型可以用常微分方程描述，这些模型不仅可以帮助我们预测未来的人口数量，还可以提供人口增长对资源利用和环境变化的影响。
常微分方程也被用于描述化学反应和自然界中的各种生物过程，比如鱼群的迁徙、细胞的增殖和死亡等。
通过数学建模和常微分方程分析，我们可以更好地理解这些生物和生态系统的行为规律，为保护生态环境和可持续发展提供科学依据。
常微分方程在物理学中也有着重要的应用。
牛顿第二定律描述了运动物体的运动规律，它可以通过常微分方程的形式表示为F=ma，其中F是作用在物体上的力，m是物体的质量，a是物体的加速度。
这个简单的方程描述了物体随时间的位置和速度的变化，为我们理解宇宙中的运动和力学系统提供了重要工具。
电路中的电流和电压、谐振子的运动等现象也可以通过常微分方程进行描述和分析，在工程和技术应用中有着广泛的应用价值。
常微分方程还在经济学和金融学中有着重要的应用。
经济增长模型、货币供应和通货膨胀等经济现象，都可以通过常微分方程进行建模和分析。
在金融领域，股票价格波动、利率变化和金融衍生品的定价等问题也可以通过常微分方程进行描述和预测。
这些模型不仅可以帮助我们理解经济和金融系统的运行机制，还可以提供决策者制定政策和管理风险的依据。
在实际的数学建模过程中，常微分方程不仅是描述现象和问题的工具，更重要的是它们可以通过解析或数值方法进行求解，从而得到对问题的深入理解和有效预测。
通过求解微分方程可以得到系统的稳定性、平衡点、周期解等重要信息，从而为我们提供了优化系统和设计控制方法的依据。
常微分方程在数学建模中应用论文
论常微分方程在数学建模中的应用摘要：常微分方程的形成和发展与去多学科密切相关，诸如力学、天文学等。
如果想用数学解决实际问题，就必须建立模型。
本文重点介绍了常微分方程理论与数学建模结合起来，在人口预测中的应用。
关键词：常微分方程数学建模人口预测引言纵观微分方程的发展史，我们发现微分方程与物理、天文学以及日异月新的科学技术有着密切的联系。
牛顿在研究天体力学和机械力学的时候，就利用了微分方程这个工具，从理论上得到了行星运动的规律。
后来，法国天文学家勒维烈和英国天文学家亚当斯使用微分方程各自计算出那时尚未发现的海王星的位置。
这些都证明微分方程在改造自然和认识自然方面有着巨大的力量。
微分方程是自变量、未知函数及函数的导数(或微分)组成的关系式。
在解决实际问题的过程中，我们又得出了常微分方程的概念：如果在一个微分方程中出现的未知函数中只含有一个自变量，那么这个方程则称为常微分方程，也可以简单的叫做微分方程.在反映客观现实世界运动过程的量与量之间的关系中，大量存在满足微分方程关系似的数学模型，需要我们通过求解常微分方程来了解未知函数的性质。
常微分方程是解决实际问题的重要工具。
常微分方程在数学建模中的应用举例微分方程在数学建模中的应用大体是：首先，建立数学模型，根据问题的目的、要求具体分析做出相应的简化和假设；然后按照规律列出微分方程，求出方程的解；最后将实际对象带入结果中，对问题进行描述、分析、预测和控制。
2.1人口指数增长模型最简单的人口增长模型是：记今年人口为，年后人口为，年增长率为，则(4.1)这个公式的基本前提是年增长率保持不变。
二百多年前英国人口学家马尔萨斯调查了英国一百多年的人口统计资料，得出了人口的增长率是常数的假设，并据此建立了著名的人口指数增长模型。
记时刻的人口为，当考察一个国家或一个较大地区的人口时，是一个很大的整数，为了利用微积分这一数学工具，将视为连续、可微函数。
记初始时刻的人口为，假设人口增长率为常数，即单位时间内的增量与的比例系数。
数学建模在常微分方程中的应用
数学建模在常微分方程中的应用引言数学建模是一门将现实世界问题抽象化、定量化以及数学化的学科，它在工程、科学和商业等领域中有着广泛的应用。
而常微分方程是数学建模中最为基础且也是最为重要的一部分，因为许多自然现象的演化过程都可以用常微分方程来描述。
数学建模在常微分方程中的应用更是无处不在。
本文将对数学建模在常微分方程中的应用做一些探讨。
一、数学建模的意义数学建模是将现实生活中的问题抽象成数学模型，然后通过数学方法对模型进行分析、求解和预测的过程。
数学建模不仅仅是解决实际问题，更重要的是它可以提高人们对现实世界的理解和认识，促进科学和技术的进步。
常微分方程作为数学建模中的重要工具，可以描述许多自然现象的变化规律，比如天体运动、生物种群的动态演化、电路中的响应等等。
数学建模在常微分方程中的应用对于理解和控制自然现象具有极其重要的意义。
二、常微分方程的基本概念在谈论数学建模在常微分方程中的应用之前，我们先来回顾一下常微分方程的基本概念。
常微分方程是一种描述一个或多个未知函数的导数与自变量之间的关系的方程。
如果一个微分方程中未知函数的最高阶导数不超过一阶，则称为常微分方程。
常微分方程通常可以分为初值问题和边值问题两种类型。
初值问题是指在某个初始时刻的初始条件下求解未知函数，而边值问题是指在一些边界条件下求解未知函数。
三、数学建模在常微分方程中的应用1. 生物种群动态问题生物种群动态问题是常微分方程中的一个典型应用。
生态系统中的各种生物种群都受到环境变化、资源竞争、捕食者和天敌等因素的影响，它们的数量和分布往往是复杂而动态的。
数学建模可以帮助我们理解和预测不同生物种群的数量和分布。
许多生物种群的数量动态可以用Lotka-Volterra方程组来描述。
在这个方程组中，常微分方程描述了捕食者和被捕食者的数量随时间的变化规律。
2. 电路的响应问题在电路中，通过电流、电压和电阻的关系可以建立常微分方程模型来描述电路的响应。
常微分方程在数学建模中的应用【文献综述】
文献综述信息与计算科学常微分方程在数学建模中的应用人们将数学方法应用到有关传染病方面的研究可追溯到1760年, Bernoulli 在其论文中用数学模型评价天花对期望寿命的影响. 上世纪初, Kermark 和Mckendrick 首先利用动力学方法建立了传染病的数学模型.1928年Reed 及Frost 共同提出Reed-Frost 模型, 它的基本公式是确定性的, 之后又获得了该模型的随机过程.确定性Reed-Frost 模型: 1(1)t t t C S qC +=-. 指下一代将发生的病例数为t 代的易感者人群与当时有效接触率1t qC -的乘积. 其中1t C +是在第1t +代的病例者, t S 是在第t 代的易感者, q 为单位时间内未发生有效接触的概率.Reed-Frost 模型的假设条件有5个. 条件一: 研究的群体与其他群体隔绝; 条件二: 在疾病流行期间, 人群中任何个体间互相接触的机会均等; 条件三: 易感者与感染者充分接触后, 按一定概率变成新的感染者; 条件四: 感染者在传染期间具有传染性, 其后成为完全的免疫者; 条件五: 以上条件在流行期间不变. 该模型的缺陷是: 研究结果常常与实际情况有一定程度差距, 这是因为在模型中假设有效接触率传染力是不变的.在国内, 该模型的改进模式, 认为易感者在感染过程中不仅会变成显性感染者（患者）, 也可能会变成隐性感染者, 而且患者和隐性感染者均具有传染能力. 故对Reed-Frost 的假设条件三和条件四做如下假设. 条件三: 易感者和感染者充分接触后, 按一定的概率变成新感染者, 新感染者中患者和隐性感染者成一定比例; 条件四: 患者和隐性感染者在传染期间均具有传染力, 传染期后均变成完全的免疫者.设单位时间内一名患者与易感者的有效接触率为p , 一名隐性感染者与易感者的有效接触率为1p , 则该期间避免一名患者或一名隐性感染者的感染率为1q p =-, 111q p =-. 设b 为感染过程中隐性感染者与患者的比例常数, 则单位时间内新患者数为t C , 新隐性感染者数为t bC , 易感者有t C 名患者和t bC 名. 隐性感染者方面受到感染的概率为11t t qC q bC -, 该期间被感染者在下一期间均成为传染源. 因此, 1t +时点的新感染者的期待值(E 表示期待)为111(1)t t t t t bEC EC S qC q bC +++=-, 111(1)1t t t t EC S qC q bC b +=-+; 11(1)t t t S S b C ++=-+. 以R 为非显性感染者, 在Reed-Frost 模型中R 与易感者S 完全相同. 而在改进模型中, R 包括易感者和隐性易感者, 即t t tS R b tC =-∑. 则1t +时点的免疫者I 数为1(1)t t t I I b C +=++. 随机性Reed-Frost 模型表示当时的易感者全部未受到感染至全部受到感染的各种情况概率, 每种情况发生的概率可有不同, r 是下一代病例数. 该模型体现了传染力的可变性, 适合广泛的情况, 是模型发展的新趋向.而传染病动力学的常微分方程SIR 模型便是由May []4等在1979年提出的, 该模型考虑了3类个体: 正常可被感染者; 患病者; 已恢复且具有免疫力者. 该模型的假设条件分别为:条件一: 人群分为易感者、患者和病愈免疫移出者. 条件二: 个体获得免疫是永久的, 这意味着假若某个个体获得免疫, 他们将永远不会再感染. 这种模型适合于滤过性霉菌引起的流行病, 如麻疹、天花、腮腺炎等. 条件三: 易感人群的减少速度与易感人群和被感染者数量的乘积呈正比. 条件四: 恢复者的增长速度与被感染者的数量成正比. 该模型对乙型肝炎病毒在人群中的感染和传播有较好的应用. 通过该模型的参数可以描述疫苗接种前人群HBV 的动态传播过程, 也可以预测不同疫苗接种覆盖率时免疫后人群HBV 的变化趋势, 从而评价疫苗的远期效果.后来在SIR 模型[]10考虑3类个体的基础上, 增加了1类个体: 已感染但处于潜伏期未发病者. 上述4类个体及描述其相互关系的常微分方程组构成新的传染病动力学模型: SEIR 模型. 很多学者对这类模型进行了深入研究, Michael[]8研究了SEIR 模型的全局动力学性质. Langlais []9等对治愈后不具有免疫能力的SEIRS 模型进行的研究中, 给出了最大静止状态的稳定性判据, 他们还将该模型应用于动物传染病的研究.近几年, 人们用数学方法来研究传染病的发病机理、动态过程和发展趋势, 已逐步成为一个活跃的研究领域. 在国外, 数学预测模型已经能够成功地应用于生物分子水平, 模拟体内病毒的复制及半衰期, 让我们更加全面地认识并了解了传染病的感染机制. 而我们的国内学者吴开琛等也成功的把该模型应用于非典型肺炎(SARS )的研究, 并在此基础上提出5分室模型, 即: SEIDR, 其中的D(death)为人群中感染发病者不治死亡的.本文是利用SIR 模型来研究传染病问题的, 由于传染病流行过程的研究与其他学科有所不同, 不能通过在人群中实验的方式来获得数据, 所以有关传染病的数据、资料只能从已有的传染病流行的报告中获取, 这些数据往往不够全面, 难以根据这些数据来准确地确定参数, 只能大概估计其范围.这次论文主要是通过全面调查、收集相关的数据资料, 有效应用常微分方程和数学建模的相关知识, 并充分利用图书馆和互联网上的丰富的资源来建立SIR模型, 在对建立好的数学模型进行定量和定性的分析与探究的过程中, 观察和研究实际对象的固有特征和内在规律, 抓住问题的主要矛盾, 对当今社会中经常爆发的传染病建立常微分方程模型并利用常微分方程和数学建模的相关知识对它分别进行分析和研究, 探讨了它的传播规律以及影响它们流行的因素、预测可能发生的后果及如何抑制其流行或恶化.这个模型的建立及探究说明了在反映客观现实世界运动过程的量与量之间的关系中, 大量存在了满足常微分方程关系式的模型, 需要我们通过求解常微分方程来了解未知函数的性质, 常微分方程是解决实际问题的重要工具.所建立的模型, 在常微分方程的观点剖析下, 充分展现现代社会生活中常微分方程应用.参考文献[1]May RM et al, Nature [J]. Nature Publishing Group, 1979, 180: 455~461.[2]Langlais M et al, Math Comp Model [J].Elsevier Science, 2000, 31: 117~124.[3]陈文江, 吴开琛等. 运用数学模型探讨SARS聚集性传播的机制[J].中国热带医学,2004, 4(1): 221~228.[4]王高雄,周之铭等. 常微分方程[M]. 北京:高等教育出版社, 2006, 01: 131~135.[5]丁慧,王亚男. 从实践教学中谈常微分方程的发展及其应用[J]. 科学时代, 2010,4(1): 121~123.[6]赵静, 但琦等. 数学建模与数学实验[M]. 北京: 高等教育与出版社. 2008, 01:26~31.[7]查淑玲. 传染病的SIR模型[J]. 山西中医学院学报, 2003, 4(2): 52~58.[8]黄其春. 亚健康的产生及解决对策[J]. 广西中医学院学报, 2002, 03: 32~38.[9]王育学. 亚健康问题纵横谈[J]. 解放军健康, 2005, 01: 55~61.[10]阳凌云, 符云锦. 一阶线性微分方程组的解法新探[J]. 湖南工业大学学报, 2010,1(1): 68~72。
常微分方程在数学建模中的应用
常微分方程在数学建模中的应用常微分方程是数学中的一个重要分支，它研究描述自然现象中连续变化的函数的微分方程。
在数学建模中，常微分方程是一种常用的工具，用于描述和解释各种自然和社会现象。
本文将探讨常微分方程在数学建模中的应用，并详细介绍其中的一些具体案例。
首先，常微分方程在经济学建模中发挥着重要作用。
经济学中，人们经常使用常微分方程来描述经济系统中的变化。
例如，经济增长模型可以使用一阶线性常微分方程来描述。
这个方程中的未知函数是时间的函数，表示经济变量（如国内生产总值）的增长率。
通过求解这个方程，可以推导出经济增长模型中的稳定点、周期性和渐近行为等信息，从而对经济现象进行预测和分析。
其次，常微分方程在物理学建模中也有广泛的应用。
物理学中的许多自然现象可以用微分方程来描述，例如运动学、力学、光学等。
例如，一个简单的自由落体模型可以用一阶非线性微分方程来描述。
这个方程中的未知函数是时间的函数，表示物体的高度随时间的变化。
通过求解这个方程，可以推导出物体的运动轨迹、终止位置和速度等信息，从而对物理现象进行分析和预测。
此外，常微分方程在生物学建模中也有重要的应用。
生物学中的许多现象和过程可以用微分方程来描述，例如生物种群的增长、化学反应速率的变化等。
例如，一个简单的生物种群模型可以用一阶线性微分方程来描述。
这个方程中的未知函数是时间的函数，表示种群数量随时间的变化。
通过求解这个方程，可以推导出种群的稳定点、消亡速度和周期性等信息，从而对生物现象进行研究和分析。
最后，常微分方程还在工程学建模中广泛应用。
工程学中的许多问题，如电路、动力学系统、流体力学等，都可以用微分方程来描述。
例如，一个简单的电路模型可以用一阶非线性微分方程来描述。
这个方程中的未知函数是时间的函数，表示电流随时间的变化。
通过求解这个方程，可以推导出电流的稳定值、频率响应和幅频特性等信息，从而对电路的性能进行分析和优化。
综上所述，常微分方程在数学建模中具有重要的应用。
常微分方程在数学建模中的应用论文
毕业论文论文题目：常微分方程在数学建模中的应用姓名：学科专业：指导教师：完成时间：常微分方程是数学理论（特别是微积分）联系实际的重要工具，它不仅与几何学、力学、电子技术、自动控制、星际航行、甚至和化学、生物学、农业以及经济学都有着密切的联系。
本文结合实践背景，建立数学模型，并利用所得结果去解释某些实际问题。
关键字常微分方程、人口预测模型、市场价格模型、混合溶液的数学模型、震动模型第一章人口预测模型第二章市场价格模型第三章混合溶液的数学模型第四章震动模型绪论当我们描述实际对象的某些特性随时间（或空间）而演变的过程、分析它的变化规律、预测它的未来性态，研究它的控制手段时，通常要建立对象的动态模型。
建模时首先要根据建模目的和对问题的具体分析作出简化假设，然后按照对象内在的或可以类比的其他对象的规律列出微分方程，求出方程的解并将结果翻译回实际对象，就可以进行描述、分析、预测或控制了。
事实上在微分方程课程中，解所谓应用题时我们遇到简单的建立动态模型问题，例如“一质量为m的物体自高h处自由下落，初速度是零，设阻力与下落速度的平方成正比，比例系数为k，求下落速度随时间的变化规律。
”又如“容器内有盐水100L,内含盐10kg,令以3L/min的速度从一管放进净水，以2L/min的速度从另一管抽出盐水，设容器内盐水浓度始终是均匀的，求容器内含盐量随时间变化规律。
”本文讨论的是常微分方程在数学建模中的应用。
第一章 人口预测模型由于资源的有限性,当今世界各国都注意有计划地控制人口的增长,为了得到人口预测模型,必须首先搞清影响人口增长的因素,而影响人口增长的因素很多,如人口的自然出生率、人口的自然死亡率、人口的迁移、自然灾害、战争等诸多因素,如果一开始就把所有因素都考虑进去，则无从下手.因此,先把问题简化,建立比较粗糙的模型,再逐步修改,得到较完善的模型.例1（马尔萨斯（Malthus ）模型） 英国人口统计学家马尔萨斯（1766—1834）在担任牧师期间,查看了教堂100多年人口出生统计资料,发现人口出生率是一个常数,于1789年在《人口原理》一书中提出了闻名于世的马尔萨斯人口模型,他的基本假设是：在人口自然增长过程中,净相对增长（出生率与死亡率之差）是常数,即单位时间内人口的增长量与人口成正比,比例系数设为r ,在此假设下,推导并求解人口随时间变化的数学模型.解 设时刻t 的人口为)(t N ,把)(t N 当作连续、可微函数处理（因人口总数很大,可近似地这样处理,此乃离散变量连续化处理）,据马尔萨斯的假设,在t 到t t ∆+时间段内,人口的增长量为t t rN t N t t N ∆=-∆+)()()(,并设0t t =时刻的人口为0N ,于是 ⎪⎩⎪⎨⎧==．，00)(d d N t N rN t N这就是马尔萨斯人口模型,用分离变量法易求出其解为)(00e )(t t r N t N -=,此式表明人口以指数规律随时间无限增长.模型检验：据估计1961年地球上的人口总数为91006.3⨯,而在以后7年中,人口总数以每年2%的速度增长,这样19610=t ,901006.3⨯=N ,02.0=r ,于是)1961(02.09e 1006.3)(-⨯=t t N .这个公式非常准确地反映了在1700—1961年间世界人口总数.因为,这期间地球上的人口大约每35年翻一番,而上式断定34.6年增加一倍（请读者证明这一点）．但是,后来人们以美国人口为例,用马尔萨斯模型计算结果与人口资料比较,却发现有很大的差异,尤其是在用此模型预测较遥远的未来地球人口总数时,发现更令人不可思议的问题,如按此模型计算,到2670年,地球上将有36 000亿人口.如果地球表面全是陆地（事实上,地球表面还有80%被水覆盖）,我们也只得互相踩着肩膀站成两层了,这是非常荒谬的,因此,这一模型应该修改.例2（逻辑Logistic 模型） 马尔萨斯模型为什么不能预测未来的人口呢？这主要是地球上的各种资源只能供一定数量的人生活,随着人口的增加,自然资源环境条件等因素对人口增长的限制作用越来越显著,如果当人口较少时,人口的自然增长率可以看作常数的话,那么当人口增加到一定数量以后,这个增长率就要随人口的增加而减小.因此,应对马尔萨斯模型中关于净增长率为常数的假设进行修改.1838年,荷兰生物数学家韦尔侯斯特(Verhulst)引入常数m N ,用来表示自然环境条件所能容许的最大人口数（一般说来,一个国家工业化程度越高,它的生活空间就越大,食物就越多,从而m N 就越大）,并假设将增长率等于⎪⎪⎭⎫ ⎝⎛-m N t N r )(1,即净增长率随着)(t N 的增加而减小,当m N t N →)(时,净增长率趋于零,按此假定建立人口预测模型.解 由韦尔侯斯特假定,马尔萨斯模型应改为⎪⎩⎪⎨⎧=⎪⎪⎭⎫ ⎝⎛-=，，000)(1d d N t N N N N r t N上式就是逻辑模型,该方程可分离变量,其解为,)(00e 11)(t t r m mN N N t N --⎪⎪⎭⎫ ⎝⎛-+=.下面,我们对模型作一简要分析.（1）当∞→t ,m N t N →)(,即无论人口的初值如何,人口总数趋向于极限值m N ；（2）当m N N <<0时,01d d >⎪⎪⎭⎫ ⎝⎛-=N N N r t N m ,这说明)(t N 是时间t 的单调递增函数；（3）由于N N N N N r t N m m ⎪⎪⎭⎫ ⎝⎛-⎪⎪⎭⎫ ⎝⎛-=211d d 222,所以当2m N N <时,0d d 22>t N ,t N d d 单增；当2m N N >时,0d d 22<t N ,t N d d 单减,即人口增长率t N d d 由增变减,在2m N 处最大,也就是说在人口总数达到极限值一半以前是加速生长期,过这一点后,生长的速率逐渐变小,并且迟早会达到零,这是减速生长期；（4）用该模型检验美国从1790年到1950年的人口,发现模型计算的结果与实际人口在1930年以前都非常吻合,自从1930年以后,误差愈来愈大,一个明显的原因是在20世纪60年代美国的实际人口数已经突破了20世纪初所设的极限人口.由此可见该模型的缺点之一是m N 不易确定,事实上,随着一个国家经济的腾飞,它所拥有的食物就越丰富, m N 的值也就越大；(5）用逻辑模型来预测世界未来人口总数.某生物学家估计,029.0=r ,又当人口总数为91006.3⨯时,人口每年以2%的速率增长,由逻辑模型得 ⎪⎪⎭⎫ ⎝⎛-=m N N r t N N 1d d 1, 即 ⎪⎪⎭⎫ ⎝⎛⨯-=m N 91006.31029.002.0, 从而得 91086.9⨯=m N ,即世界人口总数极限值近100亿.值得说明的是：人也是一种生物,因此,上面关于人口模型的讨论,原则上也可以用于在自然环境下单一物种生存着的其他生物,如森林中的树木、池塘中的鱼等,逻辑模型有着广泛的应用.第二章 市场价格模型对于纯粹的市场经济来说,商品市场价格取决于市场供需之间的关系,市场价格能促使商品的供给与需求相等(这样的价格称为(静态)均衡价格).也就是说,如果不考虑商品价格形成的动态过程,那么商品的市场价格应能保证市场的供需平衡,但是,实际的市场价格不会恰好等于均衡价格,而且价格也不会是静态的,应是随时间不断变化的动态过程.例3 试建立描述市场价格形成的动态过程的数学模型解 假设在某一时刻t ,商品的价格为)(t p ,它与该商品的均衡价格间有差别,此时,存在供需差,此供需差促使价格变动.对新的价格,又有新的供需差,如此不断调节,就构成市场价格形成的动态过程,假设价格)(t p 的变化率t p d d 与需求和供给之差成正比,并记),(r p f 为需求函数,)(p g 为供给函数（r 为参数）,于是()()[]⎪⎩⎪⎨⎧=-=，，0)0(,d d p p p g r p f t p α 其中0p 为商品在0=t 时刻的价格,α为正常数.若设b ap r p f +-=),(,d cp p g +=)(,则上式变为⎪⎩⎪⎨⎧=-++-=，，0)0()()(d d p p d b p c a t p αα①其中d c b a ,,,均为正常数,其解为 c a d b c a d b p t p t c a +-+⎪⎭⎫ ⎝⎛+--=+-)(0e )(α. 下面对所得结果进行讨论:（1）设p 为静态均衡价格 ,则其应满足0)(),(=-p g r p f ,即d p c b p a +=+-, 于是得ca db p +-=,从而价格函数)(t p 可写为 p p p t p tc a +-=+-)(0e )()(α ,令+∞→t ,取极限得p t p t =+∞→)(lim这说明,市场价格逐步趋于均衡价格.又若初始价格p p =0,则动态价格就维持在均衡价格p 上,整个动态过程就化为静态过程；（2）由于t c a c a p p t p )(0e )()(d d +-+-=αα , 所以,当p p >0时,0d d <t p ,)(t p 单调下降向p 靠拢；当p p <0时, 0d d >t p ,)(t p 单调增加向p 靠拢.这说明：初始价格高于均衡价格时,动态价格就要逐步降低,且逐步靠近均衡价格;否则,动态价格就要逐步升高.因此,式①在一定程度上反映了价格影响需求与供给,而需求与供给反过来又影响价格的动态过程,并指出了动态价格逐步向均衡价格靠拢的变化趋势.第三章 混合溶液的数学模型例4 设一容器内原有100L 盐,内含有盐10kg,现以3L/min 的速度注入质量浓度为0.01kg/L 的淡盐水,同时以2L/min 的速度抽出混合均匀的盐水,求容器内盐量变化的数学模型.解 设t 时刻容器内的盐量为)(t x kg,考虑t 到t t d +时间内容器中盐的变化情况,在dt 时间内容器中盐的改变量=注入的盐水中所含盐量－抽出的盐水中所含盐量 容器内盐的改变量为x d ,注入的盐水中所含盐量为t d 301.0⨯,t 时刻容器内溶液的质量浓度为tt x )23(100)(-+,假设t 到t t d +时间内容器内溶液的质量浓度不变（事实上,容器内的溶液质量浓度时刻在变,由于t d 时间很短,可以这样看）.于是抽出的盐水中所含盐量为t tt x d 2)23(100)(-+,这样即可列出方程 t t x t x d 1002d 03.0d +-=, 即tx t x +-=100203.0d d . 又因为0=t 时,容器内有盐10kg,于是得该问题的数学模型为d 20.03d 100(0)10x x t t x ⎧+=⎪+⎪⎨⎪⎪=⎩，, 这是一阶非齐次线性方程的初值问题,其解为 24)100(109)100(01.0)(t t t x +⨯++=. 下面对该问题进行一下简单的讨论,由上式不难发现:t 时刻容器内溶液的质量浓度为34)100(10901.0100)()(t t t x t p +⨯+=+=, 且当+∞→t 时,01.0)(→t p ,即长时间地进行上述稀释过程,容器内盐水的质量浓度将趋于注入溶液的质量浓度.溶液混合问题的更一般的提法是：设有一容器装有某种质量浓度的溶液,以流量1V 注入质量浓度为1C 的溶液 （指同一种类溶液,只是质量浓度不同）,假定溶液立即被搅匀,并以2V 的流量流出这种混合溶液,试建立容器中质量浓度与时间的数学模型.首先设容器中溶质的质量为)(t x ,原来的初始质量为0x ,t =0时溶液的体积为2V ,在d t 时间内,容器内溶质的改变量等于流入溶质的数量减去流出溶质的数量,即t V C t V C x d d d 2211-=,其中1C 是流入溶液的质量浓度, 2C 为t 时刻容器中溶液的质量浓度,，tV V V xC )(2102-+=于是,有混合溶液的数学模型 11220d d (0)xC V C V tx x ⎧=-⎪⎨⎪=⎩，． 该模型不仅适用于液体的混合,而且还适用于讨论气体的混合.第四章 振动模型振动是生活与工程中的常见现象.研究振动规律有着极其重要的意义.在自然界中,许多振动现象都可以抽象为下述振动问题.例 5 设有一个弹簧,它的上端固定,下端挂一个质量为m 的物体,试研究其振动规律.解 假设（1）物体的平衡位置位于坐标原点,并取x 轴的正向铅直向下（见图4）.物体的平衡位置指物体处于静止状态时的位置.此时,作用在物体上的重力与弹性力大小相等,方向相反；（2）在一定的初始位移0x 及初始速度0v 下,物体离开平衡位置,并在平衡位置附近作没有摇摆的上下振动；（3）物体在t 时刻的位置坐标为)(t x x =,即t 时刻物体偏离平衡位置的位移；（4）在振动过程中,受阻力作用.阻力的大小与物体速度成正比,阻力的方向总是与速度方向相反,因此阻力为txhd d -,h 为阻尼系数； （5）当质点有位移)(t x 时,假设所受的弹簧恢复力是与位移成正比的,而恢复力的方向总是指向平衡位置,也就是总与偏离平衡位置的位移方向相反,因此所受弹簧恢复力为kx -,其中k 为劲度系数；（6）在振动过程中受外力)(t f 的作用.在上述假设下,根据牛顿第二定律得)(d d d d 22x f kx t xh tx m+--= , ① 这就是该物体的强迫振动方程.由于方程①中, )(t f 的具体形式没有给出,所以,不能对式 ①直接求解.下面我们分四种情形对其进行讨论.1. 无阻尼自由振动在这种情况下,假定物体在振动过程中,既无阻力、又不受外力 作用.此时方程①变为图40d d 22=+kx txm ,令2ω=mk,方程变为 0d d 222=+x txω,特征方程为 022=+ωλ, 特征根为 ωλi 2,1±=,通解为 t C t C x ωωcos sin 21+=,或将其写为⎪⎪⎭⎫ ⎝⎛++++=t C C C t C C C C C x ωωcos sin 22212222112221()t t A ωϕωϕcos sin sin cos +=，)sin(ϕω+=t A 其中 2221C C A +=,22212sin CC C +=ϕ,22211cos CC C +=ϕ.这就是说,无阻尼自由振动的振幅2221C C A +=,频率mk=ω均为常数. 2.有阻尼自由振动在该种情况下,考虑物体所受到的阻力,不考虑物体所受的外力.此时,方程①变为0d d d d 22=++kx t xh tx m ,令2ω=m k ,δ2=mh,方程变为 0d d 2d d 222=++x t xtx ωδ, 特征方程为0222=++ωδλλ,特征根 222,1ωδδλ-±-=.根据δ与ω的关系,又分为如下三种情形：(1)大阻尼情形, δ>ω.特征根为二不等实根,通解为ttC C x )(2)(12222eeωδδωδδ-+--+-+=(2)临界阻尼情形,ωδ=.特征根为重根,通解为t t C C x δ-+=e )(21这两种情形,由于阻尼比较大,都不发生振动.当有一初始扰动以后,质点慢慢回到平衡位置,位移随时间t 的变化规律分别如图5和图6所示.图5 图6(3)小阻尼情形,δ<ω.特征根为共轭复根,通解为)sin C sin C (e 222221t t x t δωδωδ-+-=-将其简化为)sin(e 22ϕδωδ+-=-t A x t其中,cos ,sin ,22211222122221C C C C C C C C A ++=+=ϕϕ振幅A t δ-e 随时间t 的增加而减小.因此,这是一种衰减振动.位移随时间t 的变化规律见右图7.3.无阻尼强迫振动在这种情形下,设物体不受阻力作用,其所受外力为简谐力pt m t f sin )(=,此时,方程①化为 图7pt m kx txm sin d d 22=+,pt x txsin d d 222=+ω,根据p i 是否等于特征根ωi ,其通解分为如下两种情形：（1）当ω≠p 时,其通解为t C t C pt p x ωωωcos sin sin 12122++-=,此时,特解的振幅221p-ω为常数,但当p 接近于ω时,将会导致振幅增大,发生类似共振的现象；（2）当ω=p 时,其通解为t C t C pt t px ωωcos sin cos 2121++-=, 此时,特解的振幅t p21随时间t 的增加而增大,这种现象称为共振,即当外力的频率p 等于物体的固有频率ω时,将发生共振.4.阻尼强迫振动在这种情形下,假定振动物体既受阻力作用,又受外力pt m x f sin )(=的作用,并设ωδ<,方程①变为pt x t xtx sin d d 2d d 222=++ωδ , 特征根0,i 22≠-±-=δδωδλ,则p i 不可能为特征根,特解为pt B pt A x cos sin *+=,其中22222224)(p p p A δωω+--=,222224)(2pp pB δωδ+--=, 还可将其化为*22222221[()sin 2cos ]()4x w p pt p pt w p pδδ=---+, 由此可见,在有阻尼的情况下,将不会发生共振现象,不过,当ω=p 时,pt px cos 21*δ-=, 若δ很小,则仍会有较大的振幅；若δ比较大,则不会有较大的振幅.结论在科学研究和生产实际中，经常要寻求表示客串事物的变量的函数关系。
- 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)。
毕业论文论文题目：常微分方程在数学建模中的应用姓名：学科专业：指导教师：完成时间：常微分方程是数学理论（特别是微积分）联系实际的重要工具，它不仅与几何学、力学、电子技术、自动控制、星际航行、甚至和化学、生物学、农业以及经济学都有着密切的联系。
本文结合实践背景，建立数学模型，并利用所得结果去解释某些实际问题。
关键字常微分方程、人口预测模型、市场价格模型、混合溶液的数学模型、震动模型第一章人口预测模型第二章市场价格模型第三章混合溶液的数学模型第四章震动模型绪论当我们描述实际对象的某些特性随时间（或空间）而演变的过程、分析它的变化规律、预测它的未来性态，研究它的控制手段时，通常要建立对象的动态模型。
建模时首先要根据建模目的和对问题的具体分析作出简化假设，然后按照对象在的或可以类比的其他对象的规律列出微分方程，求出方程的解并将结果翻译回实际对象，就可以进行描述、分析、预测或控制了。
事实上在微分方程课程中，解所谓应用题时我们遇到简单的建立动态模型问题，例如“一质量为m的物体自高h处自由下落，初速度是零，设阻力与下落速度的平方成正比，比例系数为k，求下落速度随时间的变化规律。
”又如“容器有盐水100L,含盐10kg,令以3L/min的速度从一管放进净水，以2L/min的速度从另一管抽出盐水，设容器盐水浓度始终是均匀的，求容器含盐量随时间变化规律。
”本文讨论的是常微分方程在数学建模中的应用。
第一章 人口预测模型由于资源的有限性,当今世界各国都注意有计划地控制人口的增长,为了得到人口预测模型,必须首先搞清影响人口增长的因素,而影响人口增长的因素很多,如人口的自然出生率、人口的自然死亡率、人口的迁移、自然灾害、战争等诸多因素,如果一开始就把所有因素都考虑进去，则无从下手.因此,先把问题简化,建立比较粗糙的模型,再逐步修改,得到较完善的模型.例1（马尔萨斯（Malthus ）模型） 英国人口统计学家马尔萨斯（1766—1834）在担任牧师期间,查看了教堂100多年人口出生统计资料,发现人口出生率是一个常数,于1789年在《人口原理》一书中提出了闻名于世的马尔萨斯人口模型,他的基本假设是：在人口自然增长过程中,净相对增长（出生率与死亡率之差）是常数,即单位时间人口的增长量与人口成正比,比例系数设为r ,在此假设下,推导并求解人口随时间变化的数学模型.解 设时刻t 的人口为)(t N ,把)(t N 当作连续、可微函数处理（因人口总数很大,可近似地这样处理,此乃离散变量连续化处理）,据马尔萨斯的假设,在t 到t t ∆+时间段,人口的增长量为t t rN t N t t N ∆=-∆+)()()(,并设0t t =时刻的人口为0N ,于是 ⎪⎩⎪⎨⎧==．，00)(d d N t N rN t N这就是马尔萨斯人口模型,用分离变量法易求出其解为)(00e )(t t r N t N -=,此式表明人口以指数规律随时间无限增长.模型检验：据估计1961年地球上的人口总数为91006.3⨯,而在以后7年中,人口总数以每年2%的速度增长,这样19610=t ,901006.3⨯=N ,02.0=r ,于是)1961(02.09e 1006.3)(-⨯=t t N .这个公式非常准确地反映了在1700—1961年间世界人口总数.因为,这期间地球上的人口大约每35年翻一番,而上式断定34.6年增加一倍（请读者证明这一点）．但是,后来人们以美国人口为例,用马尔萨斯模型计算结果与人口资料比较,却发现有很大的差异,尤其是在用此模型预测较遥远的未来地球人口总数时,发现更令人不可思议的问题,如按此模型计算,到2670年,地球上将有36 000亿人口.如果地球表面全是陆地（事实上,地球表面还有80%被水覆盖）,我们也只得互相踩着肩膀站成两层了,这是非常荒谬的,因此,这一模型应该修改.例2（逻辑Logistic 模型） 马尔萨斯模型为什么不能预测未来的人口呢？这主要是地球上的各种资源只能供一定数量的人生活,随着人口的增加,自然资源环境条件等因素对人口增长的限制作用越来越显著,如果当人口较少时,人口的自然增长率可以看作常数的话,那么当人口增加到一定数量以后,这个增长率就要随人口的增加而减小.因此,应对马尔萨斯模型中关于净增长率为常数的假设进行修改.1838年,荷兰生物数学家韦尔侯斯特(Verhulst)引入常数m N ,用来表示自然环境条件所能容许的最大人口数（一般说来,一个国家工业化程度越高,它的生活空间就越大,食物就越多,从而m N 就越大）,并假设将增长率等于⎪⎪⎭⎫ ⎝⎛-m N t N r )(1,即净增长率随着)(t N 的增加而减小,当m N t N →)(时,净增长率趋于零,按此假定建立人口预测模型.解 由韦尔侯斯特假定,马尔萨斯模型应改为⎪⎩⎪⎨⎧=⎪⎪⎭⎫ ⎝⎛-=，，000)(1d d N t N N N N r t N上式就是逻辑模型,该方程可分离变量,其解为,)(00e 11)(t t r m mN N N t N --⎪⎪⎭⎫ ⎝⎛-+=.下面,我们对模型作一简要分析.（1）当∞→t ,m N t N →)(,即无论人口的初值如何,人口总数趋向于极限值m N ；（2）当m N N <<0时,01d d >⎪⎪⎭⎫ ⎝⎛-=N N N r t N m ,这说明)(t N 是时间t 的单调递增函数； （3）由于N N N N N r t N m m ⎪⎪⎭⎫ ⎝⎛-⎪⎪⎭⎫ ⎝⎛-=211d d 222,所以当2m N N <时,0d d 22>t N ,t N d d 单增；当2m N N >时,0d d 22<t N ,t N d d 单减,即人口增长率tN d d 由增变减,在2m N 处最大,也就是说在人口总数达到极限值一半以前是加速生长期,过这一点后,生长的速率逐渐变小,并且迟早会达到零,这是减速生长期；（4）用该模型检验美国从1790年到1950年的人口,发现模型计算的结果与实际人口在1930年以前都非常吻合,自从1930年以后,误差愈来愈大,一个明显的原因是在20世纪60年代美国的实际人口数已经突破了20世纪初所设的极限人口.由此可见该模型的缺点之一是m N 不易确定,事实上,随着一个国家经济的腾飞,它所拥有的食物就越丰富, m N 的值也就越大；(5）用逻辑模型来预测世界未来人口总数.某生物学家估计,029.0=r ,又当人口总数为91006.3⨯时,人口每年以2%的速率增长,由逻辑模型得 ⎪⎪⎭⎫ ⎝⎛-=m N N r t N N 1d d 1, 即 ⎪⎪⎭⎫ ⎝⎛⨯-=m N 91006.31029.002.0, 从而得 91086.9⨯=m N ,即世界人口总数极限值近100亿.值得说明的是：人也是一种生物,因此,上面关于人口模型的讨论,原则上也可以用于在自然环境下单一物种生存着的其他生物,如森林中的树木、池塘中的鱼等,逻辑模型有着广泛的应用.第二章 市场价格模型对于纯粹的市场经济来说,商品市场价格取决于市场供需之间的关系,市场价格能促使商品的供给与需求相等(这样的价格称为(静态)均衡价格).也就是说,如果不考虑商品价格形成的动态过程,那么商品的市场价格应能保证市场的供需平衡,但是,实际的市场价格不会恰好等于均衡价格,而且价格也不会是静态的,应是随时间不断变化的动态过程.例3 试建立描述市场价格形成的动态过程的数学模型解 假设在某一时刻t ,商品的价格为)(t p ,它与该商品的均衡价格间有差别,此时,存在供需差,此供需差促使价格变动.对新的价格,又有新的供需差,如此不断调节,就构成市场价格形成的动态过程,假设价格)(t p 的变化率tp d d 与需求和供给之差成正比,并记),(r p f 为需求函数,)(p g 为供给函数（r 为参数）,于是()()[]⎪⎩⎪⎨⎧=-=，，0)0(,d d p p p g r p f t p α 其中0p 为商品在0=t 时刻的价格,α为正常数.若设b ap r p f +-=),(,d cp p g +=)(,则上式变为⎪⎩⎪⎨⎧=-++-=，，0)0()()(d d p p d b p c a t p αα①其中d c b a ,,,均为正常数,其解为 c a d b c a d b p t p t c a +-+⎪⎭⎫ ⎝⎛+--=+-)(0e )(α. 下面对所得结果进行讨论:（1）设p 为静态均衡价格 ,则其应满足0)(),(=-p g r p f ,即d p c b p a +=+-, 于是得ca db p +-=,从而价格函数)(t p 可写为 p p p t p tc a +-=+-)(0e )()(α ,令+∞→t ,取极限得p t p t =+∞→)(lim这说明,市场价格逐步趋于均衡价格.又若初始价格p p =0,则动态价格就维持在均衡价格p 上,整个动态过程就化为静态过程；（2）由于t c a c a p p t p )(0e )()(d d +-+-=αα , 所以,当p p >0时,0d d <t p ,)(t p 单调下降向p 靠拢；当p p <0时, 0d d >tp ,)(t p 单调增加向p 靠拢.这说明：初始价格高于均衡价格时,动态价格就要逐步降低,且逐步靠近均衡价格;否则,动态价格就要逐步升高.因此,式①在一定程度上反映了价格影响需求与供给,而需求与供给反过来又影响价格的动态过程,并指出了动态价格逐步向均衡价格靠拢的变化趋势.第三章 混合溶液的数学模型例4 设一容器原有100L 盐,含有盐10kg,现以3L/min 的速度注入质量浓度为0.01kg/L 的淡盐水,同时以2L/min 的速度抽出混合均匀的盐水,求容器盐量变化的数学模型.解 设t 时刻容器的盐量为)(t x kg,考虑t 到t t d +时间容器中盐的变化情况,在dt 时间容器中盐的改变量=注入的盐水中所含盐量－抽出的盐水中所含盐量 容器盐的改变量为x d ,注入的盐水中所含盐量为t d 301.0⨯,t 时刻容器溶液的质量浓度为tt x )23(100)(-+,假设t 到t t d +时间容器溶液的质量浓度不变（事实上,容器的溶液质量浓度时刻在变,由于t d 时间很短,可以这样看）.于是抽出的盐水中所含盐量为t tt x d 2)23(100)(-+,这样即可列出方程 t tx t x d 1002d 03.0d +-=, 即tx t x +-=100203.0d d . 又因为0=t 时,容器有盐10kg,于是得该问题的数学模型为d 20.03d 100(0)10x x t t x ⎧+=⎪+⎪⎨⎪⎪=⎩，, 这是一阶非齐次线性方程的初值问题,其解为 24)100(109)100(01.0)(t t t x +⨯++=. 下面对该问题进行一下简单的讨论,由上式不难发现:t 时刻容器溶液的质量浓度为34)100(10901.0100)()(t t t x t p +⨯+=+=, 且当+∞→t 时,01.0)(→t p ,即长时间地进行上述稀释过程,容器盐水的质量浓度将趋于注入溶液的质量浓度.溶液混合问题的更一般的提法是：设有一容器装有某种质量浓度的溶液,以流量1V 注入质量浓度为1C 的溶液 （指同一种类溶液,只是质量浓度不同）,假定溶液立即被搅匀,并以2V 的流量流出这种混合溶液,试建立容器中质量浓度与时间的数学模型.首先设容器中溶质的质量为)(t x ,原来的初始质量为0x ,t =0时溶液的体积为2V ,在d t 时间,容器溶质的改变量等于流入溶质的数量减去流出溶质的数量,即t V C t V C x d d d 2211-=,其中1C 是流入溶液的质量浓度, 2C 为t 时刻容器中溶液的质量浓度,，tV V V xC )(2102-+=于是,有混合溶液的数学模型11220d d (0)xC V C V tx x ⎧=-⎪⎨⎪=⎩，． 该模型不仅适用于液体的混合,而且还适用于讨论气体的混合.第四章 振动模型振动是生活与工程中的常见现象.研究振动规律有着极其重要的意义.在自然界中,许多振动现象都可以抽象为下述振动问题.例 5 设有一个弹簧,它的上端固定,下端挂一个质量为m 的物体,试研究其振动规律.解 假设（1）物体的平衡位置位于坐标原点,并取x 轴的正向铅直向下（见图4）.物体的平衡位置指物体处于静止状态时的位置.此时,作用在物体上的重力与弹性力大小相等,方向相反；（2）在一定的初始位移0x 及初始速度0v 下,物体离开平衡位置,并在平衡位置附近作没有摇摆的上下振动；（3）物体在t 时刻的位置坐标为)(t x x =,即t 时刻物体偏离平衡位置的位移；（4）在振动过程中,受阻力作用.阻力的大小与物体速度成正比,阻力的方向总是与速度方向相反,因此阻力为txhd d -,h 为阻尼系数； （5）当质点有位移)(t x 时,假设所受的弹簧恢复力是与位移成正比的,而恢复力的方向总是指向平衡位置,也就是总与偏离平衡位置的位移方向相反,因此所受弹簧恢复力为kx -,其中k 为劲度系数；（6）在振动过程中受外力)(t f 的作用.在上述假设下,根据牛顿第二定律得)(d d d d 22x f kx t xh tx m+--= , ① 这就是该物体的强迫振动方程.由于方程①中, )(t f 的具体形式没有给出,所以,不能对式 ①直接求解.下面我们分四种情形对其进行讨论.1. 无阻尼自由振动在这种情况下,假定物体在振动过程中,既无阻力、又不受外力 作用.此时方程①变为图40d d 22=+kx txm ,令2ω=mk,方程变为 0d d 222=+x txω,特征方程为 022=+ωλ, 特征根为 ωλi 2,1±=,通解为 t C t C x ωωcos sin 21+=,或将其写为⎪⎪⎭⎫ ⎝⎛++++=t C C C t C C C C C x ωωcos sin 22212222112221()t t A ωϕωϕcos sin sin cos +=，)sin(ϕω+=t A 其中 2221C C A +=,22212sin CC C +=ϕ,22211cos CC C +=ϕ.这就是说,无阻尼自由振动的振幅2221C C A +=,频率mk=ω均为常数. 2.有阻尼自由振动在该种情况下,考虑物体所受到的阻力,不考虑物体所受的外力.此时,方程①变为0d d d d 22=++kx t xh tx m ,令2ω=m k ,δ2=mh,方程变为 0d d 2d d 222=++x t xtx ωδ, 特征方程为0222=++ωδλλ,特征根 222,1ωδδλ-±-=.根据δ与ω的关系,又分为如下三种情形：(1)大阻尼情形, δ>ω.特征根为二不等实根,通解为ttC C x )(2)(12222eeωδδωδδ-+--+-+=(2)临界阻尼情形,ωδ=.特征根为重根,通解为t t C C x δ-+=e )(21这两种情形,由于阻尼比较大,都不发生振动.当有一初始扰动以后,质点慢慢回到平衡位置,位移随时间t 的变化规律分别如图5和图6所示.图5 图6(3)小阻尼情形,δ<ω.特征根为共轭复根,通解为)sin C sin C (e 222221t t x t δωδωδ-+-=-将其简化为)sin(e 22ϕδωδ+-=-t A x t其中,cos ,sin ,22211222122221C C C C C C C C A ++=+=ϕϕ振幅A t δ-e 随时间t 的增加而减小.因此,这是一种衰减振动.位移随时间t 的变化规律见右图7.3.无阻尼强迫振动在这种情形下,设物体不受阻力作用,其所受外力为简谐力pt m t f sin )(=,此时,方程①化为 图7pt m kx txm sin d d 22=+,pt x txsin d d 222=+ω,根据p i 是否等于特征根ωi ,其通解分为如下两种情形：（1）当ω≠p 时,其通解为t C t C pt p x ωωωcos sin sin 12122++-=,此时,特解的振幅221p-ω为常数,但当p 接近于ω时,将会导致振幅增大,发生类似共振的现象；（2）当ω=p 时,其通解为t C t C pt t px ωωcos sin cos 2121++-=, 此时,特解的振幅t p21随时间t 的增加而增大,这种现象称为共振,即当外力的频率p 等于物体的固有频率ω时,将发生共振.4.阻尼强迫振动在这种情形下,假定振动物体既受阻力作用,又受外力pt m x f sin )(=的作用,并设ωδ<,方程①变为pt x t xtx sin d d 2d d 222=++ωδ , 特征根0,i 22≠-±-=δδωδλ,则p i 不可能为特征根,特解为pt B pt A x cos sin *+=,其中22222224)(p p p A δωω+--=,222224)(2pp pB δωδ+--=, 还可将其化为*22222221[()sin 2cos ]()4x w p pt p pt w p pδδ=---+, 由此可见,在有阻尼的情况下,将不会发生共振现象,不过,当ω=p 时,pt px cos 21*δ-=, 若δ很小,则仍会有较大的振幅；若δ比较大,则不会有较大的振幅.结论在科学研究和生产实际中，经常要寻求表示客串事物的变量的函数关系。