微分方程建模实例
微分方程建模基本方法
容器内含盐量为
x x (t )
,
x ( 0 ) 10
到
t dt
容器中的含盐量的改变量为
dx x 100 t 2 dt
dx
即
x x (t )
满足的微分方程为
2x dx 100 t dt x ( 0 ) 10
解之得
x 10
5 2
(100 t )
1 y'
这是不显含
的二阶微分方程,并有初值条件:
,y ( 0 ) 0
y (0 ) 0
解此初值问题,可得导弹运行的曲线方程为
y 5 8
4
(1 x )
5
5 12
6
(1 x )
5
5 24
当
x 1
时
y
5 24
,即当乙舰航行到点 (1 , 5 /24 )
处时被导弹击中。
解 设导弹的轨迹曲线为
导弹位于点
P ( x, y)
y y ( x ) ,并设经过时间 t
,乙舰位于点 Q (1, v t ) 。
0
由于导弹头始终对准乙舰,故此时直线PQ就是导弹 的轨迹曲线弧OP在点P处的切线,即有
y' v0t y 1 x
亦即
v 0 t (1 x ) y ' y
(三)模拟近似法
例3 (给药方案)
给药方案:每次注射剂量多大,间隔时间多长
一室模型:将整个肌体看作一个房室,称中心室, 室内的血液浓度是均匀的。 问题:
设所研究药物的最小有效浓度 c
1
10
,最大治疗
浓度
c 2 25 ( g / ml )
微分方程建模举例—96年竞赛题 捕鱼问题
G 0.3852 1012 g
以上是问题的第一问。
第二问:五年内的收获量
再利用初值 s30 10.110 9 , s40 3.29 10 9
递推关系
s1 A s0
计算
Gi
m3
0.42k s3i 0.8 0.42k
[1
e
(
0.80.42
k
)
2 3
]
m4
k s4i 0.8 k
假设这种鱼分4个年龄组,称1龄鱼,…,4 龄 鱼。各年龄组每条鱼的平均重量分别为5.07,11.55, 17.86,22.99(克),各年龄组鱼的自然死亡率均 为0.8(1/年),这种鱼为季节性集中产卵繁殖,平 均每条4龄鱼的产卵量为1.109×105(个),3龄鱼的 产卵量为这个数的一半,2龄鱼和1龄鱼不产卵,产 卵和孵化期为每年的最后4个月,卵孵化并成活为1 龄鱼,成活率(1龄鱼条数与产卵量n之比)为 1.22×1011/(1.22 ×1011+n)。
最优捕鱼策略 (1996 年全国大学生数学建模竞赛 A题) 为了保护人类赖以生存的自然环境,可再 生资源(如渔业、林业)的开发必须适度。一 种合理、简化的策略是,在实现可持续收获的 前提下,追求最大产量或最佳效益。 考虑对某种鱼(鳀鱼)的最有捕捞策略:
鳀鱼:体长三寸到四寸,侧扁,腹部呈圆柱形, 眼、口大,无侧线,生活在海中。
)
2 3
1
(
0.8k
)
2 3
3
30
4
40
9~12月份,产卵季节。期间无捕捞,则12月末
s1
s e1 0.813 1
s10e0.8 ,
s2
s e1 0.813 2
微分方程方法建模概述及举例
微分方程方法建模概述及举例微分方程是数学中的一个重要分支,广泛应用于各个领域,特别是自然科学和工程学科中的建模问题。
本文将概述微分方程方法建模的基本思路,并通过举例说明其在实际问题中的应用。
1.问题抽象化:首先需要将实际问题抽象成一个或一组微分方程。
通过观察问题的物理过程和规律,了解问题中的变量、因果关系以及其演化过程。
将这些信息用数学语言表示出来,通常是通过建立数学模型来描述问题。
2.建立微分方程:基于问题的抽象化模型,我们可以建立相应的微分方程。
根据物理规律和描述问题演化的数学关系,确定方程中的变量、常数和系数。
对于复杂问题,可能需要引入附加的假设和近似,以简化问题求解。
3.求解微分方程:通过求解微分方程,可以得到问题的数学解。
求解方法包括解析解和数值解两种。
解析解通常是通过变量分离、常数变易、积分变换等方法,求得方程的具体解析形式。
数值解则是通过数值计算方法,如欧拉法、龙格-库塔法等,近似计算出微分方程的解。
4.模型验证和分析:将求得的数学解与实际问题进行比较和分析,验证模型的有效性和准确性。
通过对模型进行敏感性分析和参数优化,对模型进行改进和完善。
现在我们来通过两个实际问题的建模例子,进一步说明微分方程方法的应用。
1.指数增长模型问题:假设一个生物种群遵循指数增长规律,种群数量在一段时间内以固定比率增加。
已知在初始时刻,种群数量为100只,经过3个小时后,种群数量增加到了1000只。
求解该问题。
解答:我们可以建立如下的微分方程模型:dy/dt = k * y其中,y表示种群数量,t表示时间,k为增长率。
根据已知条件,当t=0时,y=100;当t=3时,y=1000。
将这些条件代入微分方程,就可以求解得到k的值。
然后再根据k的值,求解出种群数量y随时间t的变化。
2.弹簧振动模型问题:一个弹簧系统在无外力作用下,其振动满足以下微分方程:m* d^2y/dt^2 = -k * y,其中m为弹簧的质量,k为弹簧的劲度系数。
微分方程模型-伪造名画案
知识回顾 Knowledge Review
祝您成功!
设 t 时刻的原子数为N (t) ,则有
dN N
dt
为物质的衰变常数。
初始条件
N t t0
N0
N (t)
N e (tt0 ) 0
t
t0
1
ln
N0 N
t
t0
1
ln
N0 N
半衰期 T 1 ln 2
碳-14 T 5568 年
镭-226
T 1600 年
铀-238 T 45亿年 铅-210 T 22年
微分方程建模案例—— 范. 梅格伦伪造名画案
第二次世界大战比利时解放后,荷兰保安机关开始搜 捕纳粹分子的合作者,发现一名三流画家H.A.Vanmeegren 曾将17世纪荷兰著名画家Jan.Vermeer的一批名贵油画盗卖 给德寇,于1945年5月29日通敌罪逮捕了此人。
Vanmeegren被捕后宣称他从未出卖过荷兰的利益,所 有的油画都是自己伪造的,为了证实这一切,在狱中开始 伪造Vermeer的画《耶稣在学者中间》。当他的工作快完成 时,又获悉他可能以伪造罪被判刑,于是拒绝将画老化, 以免留下罪证。
但是,许多人还是不相信其余的名画是伪造的,因为, Vanmeegren在狱中作的画实在是质量太差,所找理由都 不能使怀疑者满意。直到20年后,1967年,卡内基梅隆 大学的科学家们用微分方程模型解决了这一问题。
原理 著名物理学家卢瑟夫(Rutherford)指出:
物质的放射性正比于现存物质的原子数。
(2)钋的半衰期为138天容易测定,铅210的半 衰期为22年,对要鉴别的300多年的颜料来说, 每克白铅中每分钟钋的衰变数与铅210的衰变数 可视为相等。
微分方程建模案例
微分方程建模案例微分方程是数学中的一种重要工具,它被广泛应用于各个领域的建模和问题求解中。
下面将以一个具体的案例来介绍微分方程建模的过程,并通过求解微分方程来解决实际问题。
案例:生物种群的增长模型在生态学中,研究生物种群的增长是一个重要的课题。
种群的增长速度与种群中的个体数量有关。
如果种群中个体数量增加的速度与当前个体数量成正比,可以建立如下的微分方程模型:$$\frac{dN}{dt} = rN$$其中,$N$表示种群的个体数量,$t$表示时间,$r$表示增长的速率。
这个微分方程描述了种群个体数量随时间变化的规律。
解:首先,我们需要求解上述微分方程,得到种群个体数量随时间的函数关系。
这是一个一阶线性常微分方程,我们可以使用分离变量的方法求解。
将微分方程变形为:$$\frac{dN}{N} = rdt$$将方程两边同时积分,得到:$$\int \frac{dN}{N} = \int rdt$$经过积分运算,得到:$$\ln N = rt + C$$其中,$C$为积分常数。
进一步求解,得到:$$N = e^{rt + C}$$根据初始条件,当$t=0$时,$N=N_0$,其中$N_0$为初始种群个体数量。
代入初始条件,解得$C=\ln N_0$,将其代入上述方程,得到最终的解:$$N = N_0e^{rt}$$这个解描述了种群个体数量随时间的增长情况。
接下来,我们来解决一个具体的问题,一个兔子种群的增长情况。
假设初始时刻兔子种群中有100只兔子,增长速率$r=0.02$,那么该种群在未来的10个月内,兔子的数量会如何变化?根据上面的微分方程解,代入初始条件$N_0=100$,$r=0.02$,$t=10$,得到:$$N=100e^{0.02t}$$将$t=10$代入上述方程,可以得到10个月后兔子种群的个体数量:所以,10个月后的兔子种群中大约有122只兔子。
通过这个模型,我们可以预测种群在未来的增长情况,并在实践中应用于生态学、环境保护等领域,为实际问题的决策提供参考。
微分方程建模 个例
A1
C
C1
分析:1.追击开始后,大家将进入正方 A 形里面,距离将变小,由于追击的规则 及四个人速度和方向的假定,四人还是 在某个正方形的顶点上。 2.会不会出现四个人绕一个圆循环追? 不会!距离会不断缩小最后到一点,就 是正方形的中心。追击曲线是四条指向 D1 中心的螺旋线(可能绕中心几周) 3.坐标架怎么建? D O点在中心,直角坐标架。
2H g
2.二氧化碳的吸收
空气通过盛有CO2的吸收剂的圆柱形器皿,已知它吸收CO2的量与 CO2的浓度及吸收层的厚度成正比,今有含CO28%的空气通过厚度 为10cm的吸收层后浓度为2%,求: (1)若吸收层变为30cm厚,出口浓度是多少? (2)要使出口浓度为1%,应该设多厚的吸收层? 解: 记吸收层厚度为d,等分n份,每小层d/n厘米。入口浓 度为8%,在每小层看吸收量,第一层后被吸收量为: kd k8%d/n,含量变为: 8%(1)
v0t y x(0) 0 y , 就是曲线的切向量, 1 x y (0) 0
Q(1,v0t) 模型里y(t),x(t)都是t的函数,但是三个 变量不好处理,注意我们要求的是y(x)。 P(x,y) O 1 x
(1 x) y y v0t实现了变量t的分离
再建立一个y(t),x(t),t的关系:t时间里导弹已 飞行的距离是可求的。 x 1 y2 dx 5v0t (1 x) y y v0t , x0 0, y0 0
v r (0) 2 2 , (2r cos dx cos dr r sin d dx r sin cos d , , y r sin dy sin dr r cos d dy r cos sin dr d 1 sin cos dx dr r r cos r sin dy
一阶微分方程及其建模方法课件
微分方程的解为 ( y x)2 Cy( y 2x)3 .
3、一阶线性方程
一阶线性微分方程的标准形式:
dy P( x) y Q( x) dx
当Q( x) 0, 上方程称为齐次的.
当Q( x) 0, 上方程称为非齐次的.
例如 dy y x2 , dx x sin t t 2 , 线性的;
微分方程的阶: 微分方程中出现的未知函数的最 高阶导数的阶数称之. 分类2:
一阶微分方程 F ( x, y, y) 0, y f ( x, y);
高阶(n)微分方程 F ( x, y, y,, y(n) ) 0, y(n) f ( x, y, y,, y(n1) ).
分类3: 线性与非线性微分方程.
( x ux cos u)dx x cos u(udx xdu) 0,
cos udu dx , sin u ln x C, x
微分方程的解为 sin y ln x C . x
例2
求解微分方程
x2
dx xy
y2
dy 2y2
. xy
解
dy dx
2y2 x2 xy
xy y2
g( y)dy f ( x)dx 可分离变量的微分方程.
例如 dy
4
2x2 y5
4
y 5dy
2 x2dx,
dx
解法 设函数g( y)和 f ( x)是连续的,
g( y)dy f ( x)dx
分离变量法
设函数G( y)和F ( x)是依次为g( y) 和 f ( x) 的原函
数, G( y) F ( x) C 为微分方程的解.
dx
dt
yy 2xy 3, y cos y 1, 非线性的.
微分方程建模(溶液浓度)
Vanmeegren在狱中作的画实在是质量太差,所 找理由都不能使怀疑者满意。直到20年后,1967
年,卡内基梅隆大学的科学家们用微分方程模型
解决了这一问题。
原理
著名物理学家卢瑟夫(Rutherford)指出:
物质的放射性正比于现存物质的原子数。
设 t 时刻的原子数为N (t ) ,则有
dN dt N
测定结果与分析
画名 Emmaus的信徒们 洗足 钋210衰变原子数 镭226衰变原子数
8.5 12.6
0.82 0.26
读乐谱的妇人
弹曼陀林的妇人 做花边的人 欢笑的女孩
10.3
8.2 1.5 5.2
0.3
0.17 1.4 6.0
若第一幅画是真品, t t 0 300
y 0 y (t )e
衰减(放射性/污染物的净化) “边际的”(经济学)
应注意题目的 这些词: 改变/变化/增 加/减少
如何建立微分方程?
根据规律列方程
利用数学、力学、物理、化学等学科中的定理或经过实验检验
的规律等来建立微分方程模型。
微元分析法
利用已知的定理与规律寻找微元之间的关系式,与第一种方法
不同的是对微元而不是直接对函数及其导数应用规律。
d x C 1V 1 d t C 2V 2 d t
dx C 1V 1 C 2V 2 dt x (0) x0
该模型还适用于 讨论气体的混合
以上两个简单例子的启示:
关键是建立一个 yˊ 、y、t 的方程.
可以表示为导数的最常见的量:
速率
增长(生物学/ 人口问题)
从处于放射性平衡状态的矿中提取出来时, Pb210 的绝大多数来源被切断,因而要迅速蜕变,直到 Pb210与少量的镭再度处于放射平衡,这时Pb210 的蜕变正好等于镭蜕变所补足的为止。
4-微分方程建模实例——Malthus模型与Logistic模型-课件PPT
23
于是,
N0 N (t)e (tt0 ) r[e (tt0 ) 1].
若此画是真品,t - t0 ≈ 300 (年) . 从而可求出 λN0 的 近似值. 对油画《在埃牟斯的门徒》具体计算如下:
N0 N (t)e300 r[e300 1]
由于半衰期: T ln 2 ,
于是, ln 2 .
4.1. 人口增长模型 4.2. 赝品的鉴定 4.3. 耐用新产品的销售速度问题 4.4. 传染病模型
1
4.1 人口增长模型
世界人口增长概况
年
1625 1830 1930 1960 1974 1987 1999
人口(亿) 5 10 20 30 40 50 60
中国人口增长概况
年 1908 1933 1953 1964 1982 1990 1995 2000 人口(亿) 3.0 4.7 6.0 7.2 10.3 11.3 12.0 13.0
马尔萨斯(1766~1834) Malthus,Thomas Robert
4
模型假设: • 人口增长率 r 是常数. • 人口的数量本应取离散
值,但由于人口数量一 般较大,为建立微分方 程模型,可以将人口数 量看作连续变量,甚至 允许它为可微变量,由 此引起的误差将是十分 微小的.
5
模型构成:
设 x(t) 表示 t 时刻的人口,有
16
• 六十年后,美国记者、专栏作家乔 纳森·洛佩兹(Jonathan Lopez)出 版了《制造维米尔的人》(The man who made Vermeers) 一书. 在书中,洛佩兹表达了对那个时代 荷兰人民的体谅:“荷兰人对米格 伦的态度并非不可理解. 在二战中, 这个国家遭遇了残酷的羞辱,光复 也是在盟国的帮助下完成. 米格伦 给了未能主宰自身命运的荷兰人内 心深处想要得到的东西. 而对于 ‘欺骗’这种事情,他又是太熟谙 了.”
微分方程型建模实例题
一个数学问题都可以用不同的方法来求解的,不同的方法做出来效果不同,效率也不同。
下面就微分方程模型建模展开建模。
下面给出些微分方程建立模型的实例,供大家参考。
1.一个半球状雪堆,其体积融化的速率与半球面面积S成正比,比例系数k > 0。
设融化中雪堆始终保持半球状,初始半径为R且3小时中融化了总体积的7/8,问雪堆全部融化还需要多长时间?2.从致冰厂购买了一块立方体的冰块,在运输途中发现,第一小时大约融化了1/4 (1)求冰块全部融化要多长时间(设气温不变)(2)如运输时间需要2.5小时,问:运输途中冰块大约会融化掉多少?3.一展开角为α的圆锥形漏斗内盛着高度为H的水,设漏斗底部的孔足够大(表面张力不计),试求漏斗中的水流光需要多少时间?4.容器甲的温度为60度,将其内的温度计移入容器乙内,设十分钟后温度计读数为70度,又过十分钟后温度计读数为76度,试求容器乙内的温度。
5.一块加过热的金属块初始时比室温高70度,20分钟测得它比室温高60度,问:(1)2小时后金属块比室温高多少?(2)多少时间后,金属块比室温高10度?6.设初始时容器里盛放着含净盐10千克的盐水100升,现对其以每分钟3升的速率注入清水,容器内装有搅拌器能将溶液迅时搅拌均匀,并同时以每分钟2升的速率放出盐水,求1小时后容器里的盐水中还含有多少净盐?7.某伞降兵跳伞时的总质量为100公斤(含武器装备),降落伞张开前的空气阻力为0.5v,该伞降兵的初始下落速度为0,经8秒钟后降落伞打开,降落伞打开后的空气阻力约为0.6 试球给伞降兵下落的速度v(t),并求其下落的极限速度。
8.1988年8月5日英国人Mike McCarthy创建了一项最低开伞的跳伞纪录,它从比萨斜塔上跳下,到离地179英尺时才打开降落伞,试求他落地时的速度。
9.证明对数螺线r=A 上任一处的切线与极径的夹角的正切为一常数,()10.实验证明,当速度远低于音速时,空气阻力正比与速度,阻力系数大约为0.005。
常微分方程数学建模案例分析
常微分方程数学建模案例分析常微分方程是运用微积分中的概念与理论研究变化率的方程。
它是数学建模中常用的方法之一,可用于描述各种实际问题,如经济增长、生物扩散、化学反应等。
本文将通过一个关于人群传染病的数学建模案例,分析常微分方程在实际问题中的应用。
假设地有一种传染病,病毒的传播速度与感染者的接触频率有关。
现在我们要研究传染病的传播速度以及控制措施对传染病传播的影响。
为此,我们可以建立如下的数学模型:设N(t)表示时间t时刻的总人口数,而I(t)表示感染者的人口数,S(t)表示易感者的人口数。
根据该模型,易感者的人数随时间的变化率可表示为:dS/dt = -βSI其中,β表示感染率,即感染者每接触到一个易感者,会使其发病的概率。
感染者的人数随时间的变化率可表示为:dI/dt = βSI - γI其中,γ表示恢复率,即感染者每天被治愈的人数。
总人口数随时间的变化率可以通过易感者和感染者的变化率求和得到:dN/dt = dS/dt + dI/dt通过对该方程进行求解,我们可以得到感染者和易感者的人数随时间变化的解析解。
进一步,我们可以通过调节β和γ来研究不同的传播速度和控制措施对传染病传播的影响。
例如,如果β较大,表示感染率较高,此时传染速度会加快,可能导致传染病扩散的速度加快。
反之,如果β较小,表示感染率较低,传染病传播的速度会减慢。
另外,如果γ较大,表示恢复率较高,此时感染者的人数会快速减少,传染病传播的速度会减慢。
相反,如果γ较小,传染病传播的速度会加快。
通过对这些参数的调节,我们可以研究不同的控制措施对传染病传播的影响。
例如,我们可以通过降低感染率β或增加恢复率γ来减缓传染病传播的速度,从而控制疫情的爆发。
在实际应用中,常微分方程数学建模方法可以用于预测传染病的传播趋势,评估各种干预措施的效果。
此外,还可以通过引入更多的变量和参数,建立更复杂的模型,以更好地解释实际问题。
总之,常微分方程是数学建模中常用的方法之一,可以用于描述各种实际问题,如传染病的传播、经济增长等。
常微分方程数学建模案例分析
常微分方程数学建模案例分析假设我们要研究一个简单的生物系统:一种细菌的生长过程。
我们知道,细菌的生长通常可以描述为以指数速度增长的过程。
为了建立一个数学模型,我们首先需要确定一些基本假设和已知信息。
基本假设:1.我们假设细菌的生长速度与细菌的数量成正比。
2.我们假设细菌的死亡速率与细菌的数量成正比。
已知信息:1.我们已经知道在初始时刻,细菌的数量为N0个。
2.我们已经知道在初始时刻的细菌数量的增长速率为r个/单位时间。
3.我们已经知道在初始时刻的细菌数量的死亡速率为d个/单位时间。
接下来,我们将建立一个常微分方程模型来描述细菌数量的变化。
假设t表示时间,N(t)表示时间t时刻的细菌数量,则我们可以得到以下微分方程:dN/dt = rN - dN这个方程的含义是,细菌数量的变化率等于细菌的增长速率减去细菌的死亡速率。
如果我们将细菌的增长速率和死亡速率设为常数r和d,则上述方程可以进一步简化为:dN/dt = (r-d)N解这个微分方程,我们可以得到细菌数量随时间变化的函数N(t)。
根据初值条件N(0)=N0,我们可以求解该方程并得到解析解:N(t) = N0 * exp((r-d)t)上述解析解告诉我们,细菌数量随时间以指数速度增长。
这与我们的基本假设相符。
然而,对于复杂的系统,往往很难获得精确的解析解。
在这种情况下,我们可以使用数值方法来求解微分方程。
常见的数值方法包括欧拉法、改进的欧拉法和四阶龙格-库塔法等。
这些方法基于近似计算的原理,通过迭代逼近解。
在我们的细菌生长模型中,我们可以使用数值方法来计算细菌数量随时间的变化。
我们可以选择欧拉法,它是一种简单而直观的数值方法。
欧拉法的迭代公式为:N(t+h)=N(t)+h*(r-d)N(t)其中,N(t)是在时间t时刻的细菌数量,N(t+h)是在时间(t+h)时刻的细菌数量,h是时间间隔。
我们可以选择一个足够小的时间间隔h,并迭代使用欧拉法来计算细菌数量的近似解。
微分方程在生态系统建模中的应用
微分方程在生态系统建模中的应用生态系统是由各种生物和非生物组成的复杂系统,其中包含了许多相互作用的因素和过程。
研究生态系统的行为和动态变化是生态学的核心内容之一。
微分方程作为数学工具在生态系统的建模和分析中发挥了重要的作用。
本文将介绍微分方程在生态系统建模中的应用,并通过具体的案例来说明其实用性。
一、物种种群的动态模型生态系统中的物种种群数量随时间的推移会发生变化,这种变化可以用微分方程进行建模。
以单一种群为例,假设它的增长率与种群数量成正比,可以得到如下微分方程:$\frac{dN}{dt} = rN$其中,$N$表示种群数量,$t$表示时间,$r$表示增长率。
这个方程描述了种群数量随时间的变化规律。
解这个微分方程可以得到种群数量随时间的函数关系,进而可以预测未来的种群数量。
二、捕食者-猎物模型捕食者-猎物关系是生态系统中常见的相互作用方式之一。
通过微分方程可以建立捕食者和猎物之间数量的动态模型。
以Lotka-Volterra模型为例,捕食者种群数量的变化与猎物种群数量有关,可以得到如下微分方程组:$\frac{dN}{dt} = rN - \beta N P$$\frac{dP}{dt} = -\gamma P + \delta \beta N P$其中,$N$表示猎物种群数量,$P$表示捕食者种群数量,$r$表示猎物的增长率,$\beta$表示捕食者一次能够捕食的猎物数量,$\gamma$表示捕食者的死亡率,$\delta$表示每被捕食者提供给捕食者的营养价值。
这个方程组描述了捕食者和猎物之间的相互作用,可以通过解方程组来研究它们的数量随时间的变化规律。
三、环境因素的影响微分方程还可以用来描述环境因素对生态系统的影响。
以Malthus 模型为例,假设环境因素对物种种群数量的增长有限制作用,可以得到如下微分方程:$\frac{dN}{dt} = rN(1 - \frac{N}{K})$其中,$N$表示种群数量,$t$表示时间,$r$表示种群的增长率,$K$表示环境的承载力,即生态系统所能支持的最大种群数量。
微分方程建模-传染病模型应用
• 1)考虑出生率和死亡率的SIR模型
考虑传染期内的出生和死亡因素,并设新生儿无 免疫力为易感染者,则人群中三类成员的变动情 况如图:
υN 出生
NS 易感类
υNS
λNSI 传染
NI 已感染
υIN
μNI 治愈
NR 退出者
υRS
死亡
死亡
死亡
• 根据上述分析,我们可得如下的式子:
.
S SI S
.
I SI I I
根据上述分析可以建立模型:
.
S (t) IS S
.
E (t)IS E
{
.
I
E
I
.
R I R
{
S RI E 1 S 0, E0, I 0, R0 0
.
S (t) IS S
.
E (t)I (t)S(t) (t )I (t )S(t )e E
.
I (t )I(t )S(t )e ( )E
移出者。设三类人在t时刻占总人数N的比例分别
为S(t)、I(t)、R(t),显然有S+I+R=1。则可得以
下模型:
dI SI I
{
dt
dS SI
dt
dR I
(8)
dt
I (0) I 0, S(0) S0, R(0) R0 0
I (t) S(t) R(t) 1
对于方程(8),我们转到相平面S~I上来讨论解的性
d (NI (t)) NI (t)S(t)
(1)
dt
又S(t)+I(t)=1,所以上式可写为:
{ dI I1 I dt
(2)
I0 I0
(2)式是一个一阶具有初值条件的微分方程,即我 们要建立的模型,称之为SI模型。解之可得:
常微分方程在数学建模中的应用(免费版)
常微分方程在数学建模中的应用这里介绍几个典型的用微分方程建立数学模型的例子. 一、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(02.09e1006.3)(-⨯=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<tN ,t N d d 单减,即人口增长率t Nd 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.二、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tpd 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 tpα 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 pαα ① 其中d c b a ,,,均为正常数,其解为ca db 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 。
微分方程建模案例1
微分方程建模案例1微分方程建模案例1微分方程是数学中的一个重要分支,它可以用来描述自然界中很多现象和问题的变化规律。
在实际问题的建模中,微分方程起到了至关重要的作用。
本文将介绍一个微分方程建模的案例,以帮助读者更好地理解微分方程的应用。
案例1:放烟花问题描述:小明在庆祝活动中放了一颗烟花。
烟花在起飞后爆炸,产生鲜艳的火花,并逐渐消散。
请问如何用微分方程来描述烟花燃烧和消散的过程?解决思路:我们可以用烟花高度和火花数量来描述烟花的燃烧和消散过程。
假设烟花的高度为h(t),火花的数量为n(t),其中t表示时间。
高度的变化:根据物理知识,烟花往上升的时候速度越来越慢,最后停止在一些高度。
因此,我们可以通过速度来描述高度的变化。
根据牛顿第二定律,物体的加速度等于物体所受到的合力除以物体的质量。
考虑到重力和空气阻力的存在,烟花受到的合力可以表示为:mg - kv,其中m是烟花的质量,g是重力加速度,k是阻力系数,v是烟花的下降速度。
根据牛顿第二定律可得:m・h''(t) = mg - kv(t)火花数量的变化:一颗烟花燃烧后会产生一定数量的火花,这些火花在空气中逐渐消散。
假设火花的数量随时间的变化满足指数衰减规律,即火花数量每过一段时间t0会减少到原来的1/2、因此,火花数量的变化可以用指数衰减方程来描述:n'(t)=-k1n(t)整理得到微分方程组:m・h''(t) = mg - kv(t)n'(t)=-k1n(t)其中m、g、k、k1为常数。
求解微分方程:对于高度的微分方程,我们可以使用常系数线性微分方程的求解方法来求解。
我们可以根据初始条件来确定h(t)的具体形式。
对于火花数量的微分方程,它是一个一阶线性微分方程,可以使用变量分离法来求解。
我们可以根据初始条件来确定n(t)的具体形式。
讨论和应用:通过以上微分方程组的求解,我们可以得到小明放的烟花的高度和火花数量随时间变化的具体函数形式。
3.微分方程模型(缉私艇追击走私船问题)解析
c 2
1 1 r
x c
1r
r
1 ,1
c r1
x
cr r2 1
dy
1
x
r
c
r
dx 2 c x
y(c) 0
当 x 0 时, y 缉私艇不可能追赶上走私船。
3)
r 1 ,
y
1 2
x2 c2 2c
c ln
x c
当 x 0 时, y , 缉私艇不可能追赶上走私船。
微分方程模型实例2——缉私艇追击走私船问题
六. 实验任务
1. 有一只猎狗在B点位置发现了一只兔子在正东北方距离它200米的地 方O处,此时兔子开始以8米/秒的速度向正西北方距离为120米的洞口A全 速跑去,假设猎狗在追赶兔子的时候始终朝着兔子的方向全速奔跑,用计 算机仿真法等多种方法完成下面的实验: (1) 问猎狗能追上兔子的最小速度是多少? (2) 在猎狗能追上兔子的情况下,猎狗跑过的路程是多少? (3) 画出猎狗追赶兔子奔跑的曲线图。 (4) 假设在追赶过程中,当猎狗与兔子之间的距离为30米时,兔子由于
t=t+dt; jstx=jstx-b*dt*jstx/sqrt(jstx^2+(a*t-jsty)^2); jstxb=[jstxb,jstx]; jsty=jsty+b*dt*(a*t-jsty)/sqrt(jstx^2+(a*t-jsty)^2); jstyb=[jstyb,jsty]; zscy=a*t; zscyb=[zscyb,zscy]; end zscxb=zeros(length(zscyb)); plot(jstxb,jstyb,zscxb,zscyb,'*')
5.3.2 缉私艇追击走私船问题
微分方程建模案例
微分方程建模案例微分方程是一种描述自然现象和数学模型中变化规律的数学工具。
它广泛应用于物理学、生物学、经济学等领域,能够帮助研究者解释和预测系统的行为。
接下来,我们将介绍一个微分方程建模的案例,以帮助读者更好地理解和应用微分方程。
案例背景:假设我们要研究一个自然保护区中的狼和兔子的数量变化。
该自然保护区面积有限,为了研究物种的动态平衡以及影响因素对其数量的影响,我们需要建立一个微分方程模型。
问题分析:在自然保护区中,狼以兔子为食物,而兔子则面临被捕食的风险。
因此,我们可以推测狼的数量对于兔子的数量产生压力,并且预测狼的数量与兔子的数量之间存在其中一种关系。
模型建立:假设R(t)表示时间t时刻的兔子的数量,W(t)表示时间t时刻的狼的数量。
为了建立一个微分方程模型,我们需要引入一些假设。
1.兔子的繁殖速率与兔子当前的数量成正比,同时也会受到狼的捕食速率的影响。
我们假设兔子繁殖率为α,捕食速率为β,兔子数量的增长速率与当前兔子的数量和受捕食的比例有关。
因此,兔子数量的增长速率可以表示为αR(t)-βW(t)R(t)。
2.狼的数量的变化与狼的死亡率和捕食率有关。
我们假设狼的死亡率为δ,捕食率为γ,狼的数量的变化率可以表示为-δW(t)+γW(t)R(t)。
综上所述,我们可以得到一个微分方程模型:dR(t)/dt = αR(t) - βW(t)R(t)dW(t)/dt = -δW(t) + γW(t)R(t)模型求解与分析:通过求解该微分方程模型,我们可以得到兔子和狼数量随时间变化的解析解。
对于一个给定的初值条件,我们可以通过数值方法(如欧拉法、龙格-库塔法等)求解微分方程模型,并绘制兔子和狼的数量随时间变化的图像。
在模型的分析过程中,我们可以通过改变模型中的参数(如α、β、δ和γ)来分析它们对系统行为的影响。
通过研究模型的稳定点、极限环等特征,我们可以得出关于狼和兔子数量变化的结论。
总结:这个案例展示了微分方程建模的过程,通过建立微分方程模型,我们可以研究和预测自然保护区中狼和兔子数量的变化规律。
数学建模微分方程的应用举例
数学建模——微分方程的应用举例分布图示★衰变问题 ★逻辑斯谛方程 ★价格调整问题 ★人才分配问题模型 ★追迹问题内容要点一、衰变问题例1 镭、铀等放射性元素因不断放射出各种射线而逐渐减少其质量, 这种现象称为放射性物质的衰变. 根据实验得知, 衰变速度与现存物质的质量成正比, 求放射性元素在时刻t 的质量.解 用x 表示该放射性物质在时刻t 的质量, 则dtdx表示x 在时刻t 的衰变速度, 于是“衰变速度与现存的质量成正比”可表示为.kx dtdx-= (8.1) 这是一个以x 为未知函数的一阶方程, 它就是放射性元素衰变的数学模型, 其中0>k 是比例常数, 称为衰变常数, 因元素的不同而异. 方程右端的负号表示当时间t 增加时, 质量x 减少.解方程(8.1)得通解.ktCex -=若已知当0t t =时, ,0x x =代入通解kt Ce x -=中可得,00kt e x C -= 则可得到方程(8.1)特解,)(00t t k e x x --=它反映了某种放射性元素衰变的规律.注: 物理学中, 我们称放射性物质从最初的质量到衰变为该质量自身的一半所花费的时间为半衰期, 不同物质的半衰期差别极大. 如铀的普通同位素(U 238)的半衰期约为50亿年;通常的镭(Ra 226)的半衰期是上述放射性物质的特征, 然而半衰期却不依赖于该物质的初始量, 一克Ra 226衰变成半克所需要的时间与一吨Ra 226衰变成半吨所需要的时间同样都是1600年, 正是这种事实才构成了确定考古发现日期时使用的著名的碳-14测验的基础.二、 逻辑斯谛方程:逻辑斯谛方程是一种在许多领域有着广泛应用的数学模型, 下面我们借助树的增长来建立该模型.一棵小树刚栽下去的时候长得比较慢, 渐渐地, 小树长高了而且长得越来越快, 几年不见, 绿荫底下已经可乘凉了; 但长到某一高度后, 它的生长速度趋于稳定, 然后再慢慢降下来. 这一现象很具有普遍性. 现在我们来建立这种现象的数学模型.如果假设树的生长速度与它目前的高度成正比, 则显然不符合两头尤其是后期的生长情形, 因为树不可能越长越快; 但如果假设树的生长速度正比于最大高度与目前高度的差, 则又明显不符合中间一段的生长过程. 折衷一下, 我们假定它的生长速度既与目前的高度,又与最大高度与目前高度之差成正比.设树生长的最大高度为H (m), 在t (年)时的高度为h (t ), 则有)]()[()(t h H t kh dtt dh -= (8.2) 其中0>k 是比例常数. 这个方程为Logistic 方程. 它是可分离变量的一阶常数微分方程.下面来求解方程(8.2). 分离变量得,)(kdt h H h dh=-两边积分,)(⎰⎰=-kdt h H h dh得 ,)]ln([ln 11C kt h H h H+=-- 或,21kHt H C kHt e C e hH h ==-+故所求通解为,11)(22kHtkHt kHt CeH e C He C t h -+=+= 其中的⎪⎪⎭⎫ ⎝⎛>==-0112H C e C C C 是正常数. 函数)(t h 的图象称为Logistic 曲线. 图8-8-1所示的是一条典型的Logistic 曲线, 由于它的形状, 一般也称为S 曲线. 可以看到, 它基本符合我们描述的树的生长情形. 另外还可以算得.)(lim H t h t =+∞→这说明树的生长有一个限制, 因此也称为限制性增长模式.注: Logistic 的中文音译名是“逻辑斯谛”. “逻辑”在字典中的解释是“客观事物发展的规律性”, 因此许多现象本质上都符合这种S 规律. 除了生物种群的繁殖外, 还有信息的传播、新技术的推广、传染病的扩散以及某些商品的销售等. 例如流感的传染、在任其自然发展(例如初期未引起人们注意)的阶段, 可以设想它的速度既正比于得病的人数又正比于未传染到的人数. 开始时患病的人不多因而传染速度较慢; 但随着健康人与患者接触, 受传染的人越来越多, 传染的速度也越来越快; 最后, 传染速度自然而然地渐渐降低, 因为已经没有多少人可被传染了.下面举两个例子说明逻辑斯谛的应用.人口阻滞增长模型 1837年, 荷兰生物学家V erhulst 提出一个人口模型00)(),(y t y by k y dtdy=-= (8.3)其中b k ,的称为生命系数.我们不详细讨论这个模型, 只提应用它预测世界人口数的两个有趣的结果.有生态学家估计k 的自然值是0.029. 利用本世纪60年代世界人口年平均增长率为2%以及1965年人口总数33.4亿这两个数据, 计算得,2=b 从而估计得:(1)世界人口总数将趋于极限107.6亿. (2)到2000年时世界人口总数为59.6亿.后一个数字很接近2000年时的实际人口数, 世界人口在1999年刚进入60亿. 新产品的推广模型 设有某种新产品要推向市场, t 时刻的销量为),(t x 由于产品性能良好, 每个产品都是一个宣传品, 因此, t 时刻产品销售的增长率,dtdx与)(t x 成正比, 同时, 考虑到产品销售存在一定的市场容量N , 统计表明dtdx与尚未购买该产品的潜在顾客的数量)(t x N -也成正比, 于是有)(x N kx dtdx-= (8.4)其中k 为比例系数. 分离变量积分, 可以解得kNtCeNt x -+=1)( (8.5)由,)1()1(,)1(2322222kNt kNt kNt kNt kNt Ce Ce e N Ck dt x d Ce ke CN dt dx -----+-=+= 当N t x <)(*时, 则有,0>dt dx 即销量)(t x 单调增加. 当2)(*N t x =时, ;022=dt x d 当2)(*N t x >时, ;022<dt x d 当2)(*Nt x <时, 即当销量达到最大需求量N 的一半时, 产品最为畅销, 当销量不足N 一半时, 销售速度不断增大, 当销量超过一半时, 销售速度逐渐减少.国内外许多经济学家调查表明. 许多产品的销售曲线与公式(8.5)的曲线(逻辑斯谛曲线)十分接近. 根据对曲线性状的分析, 许多分析家认为, 在新产品推出的初期, 应采用小批量生产并加强广告宣传, 而在产品用户达到20%到80%期间, 产品应大批量生产; 在产品用户超过80%时, 应适时转产, 可以达到最大的经济效益.三、价格调整模型在本章第一节例3已经假设, 某种商品的价格变化主要服从市场供求关系. 一般情况下,商品供给量S 是价格P 的单调递增函数, 商品需求量Q 是价格P 的单调递减函数, 为简单起见, 分别设该商品的供给函数与需求函数分别为P P Q bP a P S βα-=+=)(,)( (8.6)其中βα,,,b a 均为常数, 且.0,0>>βb当供给量与需求量相等时, 由(8.6)可得供求平衡时的价格baP e +-=βα 并称e P 为均衡价格.一般地说, 当某种商品供不应求, 即Q S <时, 该商品价格要涨, 当供大于求, 即Q S >时, 该商品价格要落. 因此, 假设t 时刻的价格)(t P 的变化率与超额需求量S Q -成正比, 于是有方程)]()([P S P Q k dtdP-= 其中,0>k 用来反映价格的调整速度.将(8.6)代入方程, 可得)(P P dtdPe -=λ (8.7) 其中常数,0)(>+=k b βλ方程(8.7)的通解为t e Ce P t P λ-+=)(假设初始价格,)0(0P P =代入上式, 得,0e P P C -=于是上述价格调整模型的解为t e e e P P P t P λ--+=)()(0由于0>λ知, +∞→t 时, .)(e P t P →说明随着时间不断推延, 实际价格)(t P 将逐渐趋近均衡价格e P .四、人才分配问题模型每年大学毕业生中都要有一定比例的人员留在学校充实教师队伍, 其余人员将分配到国民经济其他部门从事经济和管理工作. 设t 年教师人数为),(1t x 科学技术和管理人员数目为),(2t x 又设1外教员每年平均培养α个毕业生, 每年人教育、科技和经济管理岗位退休、死亡或调出人员的比率为βδδ),10(<<表示每年大学生毕业生中从事教师职业所占比率),10(<<δ于是有方程111x x dt dx δαβ-= (8.8) 212)1(x x dtdx δβα--= (8.9) 方程(8.8)有通解t e C x )(11δαβ-=(8.10)若设,)0(101x x =则,101x C =于是得特解te x x )(101δαβ-= (8.11)将(8.11)代入(8.9)方程变为tex x dtdx )(1022)1(δαββαδ--=+ (8.12) 求解方程(8.12)得通解t te x eC x )(122)1(δαβδββ---+= (8.13)若设,)0(202x x =则,110202x x C ⎪⎪⎭⎫⎝⎛--=ββ于是得特解 tt ex e x x x )(101020211δαβδββββ--⎪⎪⎭⎫ ⎝⎛-+⎥⎦⎤⎢⎣⎡⎪⎪⎭⎫ ⎝⎛--= (8.14) (8.11)式和(8.14)式分别表示在初始人数分别为)0(),0(21x x 情况, 对应于β的取值, 在t 年教师队伍的人数和科技经济管理人员人数. 从结果看出, 如果取,1=β即毕业生全部留在教育界, 则当∞→t 时, 由于,δα>必有+∞→)(1t x 而,0)(2→t x 说明教师队伍将迅速增加. 而科技和经济管理队伍不断萎缩, 势必要影响经济发展, 反过来也会影响教育的发展. 如果将β接近于零. 则,0)(1→t x 同时也导致,0)(2→t x 说明如果不保证适当比例的毕业生充实教师选择好比率β, 将关系到两支队伍的建设, 以及整个国民经济建设的大局.五、追迹问题设开始时甲、乙水平距离为1单位, 乙从A 点沿垂直于OA 的直线以等速0v 向正北行走; 甲从乙的左侧O 点出发, 始终对准乙以)1(0>n mv 的速度追赶. 求追迹曲线方程, 并问乙行多远时, 被甲追到.解 设所求追迹曲线方程为).(x y y =经过时刻t , 甲在追迹曲线上的点为),,(y x P 乙在点).,1(0t v B 于是有,1tan 0xyt v y --='=θ (8.15) 由题设, 曲线的弧长OP 为,1002t nv dx y x='+⎰解出t v 0代入(8.15), 得.11)1(02⎰'+=+'-x dx y ny y x 两边对x 求导, 整理得.11)1(2y ny x '+=''- 这就是追迹问题的数学模型.这是一个不显含y 的可降阶的方程, 设p y x p y ''=''='),(, 代入方程得211)1(p np x +='- 或 ,)1(12x n dxp dp -=+两边积分, 得|,|ln |1|ln 1)1ln(12C x np p +--=++即 .1112nxC p p -=++ 将初始条件00||==='x x p y 代入上式, 得.11=C 于是,1112nxy y -='++' (8.16) 两边同乘,12y y '+-'并化简得,112n x y y --='+-' (8.17)(8.16)与(8.17)式相加, 得,11121⎪⎭⎫ ⎝⎛---='n n x x y两边积分, 得.)1(1)1(121211C x n n x n ny nn nn +⎥⎦⎤⎢⎣⎡-++---=+-代入初始条件0|0==x y 得,122-=n nC 故所求追迹曲线方程为 ),1(11)1(1)1(2211>-+⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡+--+-=-+n n n n x n x n y n n n n甲追到乙时, 即曲线上点P 的横坐标,1=x 此时.12-=n n y 即乙行走至离A 点12-n n个单位距离时被甲追到.。
- 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)。
常微分方程在数学建模中的应用这里介绍几个典型的用微分方程建立数学模型的例子. 一、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N (t ) ,把N (t ) 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N (t + ∆t ) − N (t ) = rN (t )∆t ,并设t = t 0 时刻的人口为N 0 ,于是dN = rN, dt N (t 0 ) = N 0.这就是马尔萨斯人口模型,用分离变量法易求出其解为N (t ) = N 0 e r (t −t0 ) ,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3.06 × 10 ,而在以后7 年中,人口总数9以每年2%的速度增长,这样t 0 = 1961 , N 0 = 3.06 × 109, r = 0.02 ,于是N (t ) = 3.06 × 10 9 e 0.02(t −1961) .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7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N m ,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N m 就越大),并假设将增长率等于r 1 −N (t ) ,即净增长率随着N (t ) 的增加而Nm减小,当N (t ) → N m 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dN N = r 1 − N N, dt 0 N (t ) = N ,0 0上式就是逻辑模型,该方程可分离变量,其解为,N (t ) =NmN 1 + m − 1 e −r (t −t0 ) N 0.下面,我们对模型作一简要分析. (1)当t → ∞ , N (t ) → N m ,即无论人口的初值如何,人口总数趋向于极限值N m ;(2)当0 < N < N m 时, 数;(3)由于dN N = r 1 − N N > 0 ,这说明N (t ) 是时间t 的单调递增函 dt mN d2N N 2 N d2N dN 1 − N ,所以当N < m 时, 2 > 0 , = r 2 1 −单增;2 N N 2 dt dt dt m m当N >Nm N d2N dN dN 时, <0, 单减,即人口增长率由增变减,在m 处最大,也就是说2 2 dt dt 2 dt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N m 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, N m 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, r = 0.029 ,又当人口总数8为3.06 × 10 时,人口每年以2%的速率增长,由逻辑模型得91 dN N = r 1 − N , N dt m即3.06 × 10 9 0.02 = 0.029 1 − NmN m = 9.86 × 10 9 ,,从而得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. 二、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p (t ) ,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p (t ) 的变化率dp 与需求和供给之差成正比,并记f ( p, r ) dt为需求函数, g ( p ) 为供给函数(r 为参数),于是dp = α [ f ( p, r ) − g ( p )] , dt p ( 0) = p 0 ,其中p 0 为商品在t = 0 时刻的价格, α 为正常数. 若设f ( p, r ) = −ap + b , g ( p ) = cp + d ,则上式变为dp = −α (a + c) p + α (b −d ) , dt p ( 0) = p 0 ,其中a, b, c, d 均为正常数,其解为①b − d −α ( a +c )t b −d . p (t ) = p 0 − +e a+ca+c9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f ( p, r ) −g ( p ) = 0 ,即于是得p =−ap +b = cp + d ,b−d ,从而价格函数p (t ) 可写为a+cp(t ) = ( p0 − p)e −α ( a +c )t + p ,令t → +∞ ,取极限得t → +∞lim p (t ) = p这说明,市场价格逐步趋于均衡价格.又若初始价格p 0 = p ,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dp = ( p − p 0 )α (a + c)e −α ( a + c ) t , dt所以,当p 0 > p 时,dp dp < 0 , p (t ) 单调下降向p 靠拢;当p0 < p 时, > 0 , p (t ) 单调增dt dt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. 三、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x(t ) kg,考虑t 到t + dt 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dx ,注入的盐水中所含盐量为0.01 × 3dt , t 时刻容器内溶液的质量浓度为x(t ) ,假设t 到t + dt 时间内容器内溶液的质量浓度不变(事实上,容器内100 + (3 − 2)t的溶液质量浓度时刻在变,由于dt 时间很短,可以这样看).于是抽出的盐水中所含盐量为x(t ) 2dt ,这样即可列出方程100 + (3 − 2)t10dx = 0.03dt −即2x dt , 100 + tdx 2x = 0.03 −. dt 100 + t 又因为t = 0 时,容器内有盐10 kg,于是得该问题的数学模型为2x dx + dt 100 + t = 0.03, x(0) = 10 ,这是一阶非齐次线性方程的初值问题,其解为x(t ) = 0.01(100 + t ) +9 × 10 4 . (100 + t ) 2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x(t ) 9 × 10 4 p (t ) = = 0.01 + , 100 + t (100 + t ) 3且当t → +∞ 时, p (t ) → 0.01 ,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V1 注入质量浓度为C1 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V2 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x (t ) ,原来的初始质量为x 0 , t =0 时溶液的体积为V2 ,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dx = C1V1dt − C 2V2 dt ,其中C1 是流入溶液的质量浓度, 度, C 2 =C2 为t 时刻容器中溶液的质量浓x ,于是,有混合溶液的数学模型V0 + (V1 − V2 )tdx = C1V1 − C2V2 , dt x(0) = x0 .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. 四、振动模型11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. 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).物解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x0 及初始速度v0 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x = x (t ) ,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−hdx , h 为阻尼系数;(5)当质点有位移x (t ) 时,假设所受dt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(6)在振动过程中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;受外力f (t ) 的作用.在上述假设下,根据牛顿第二定律得m这就是该物体的强迫振动方程.d2x dx = − h − kx + f ( x) , 2 dt dt①由于方程①中, f (t ) 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4O xd2x m 2 + kx = 0 , dt令k = ω 2 ,方程变为md2x +ω2x = 0, 2 dt特征方程为特征根为通解为或将其写为λ2 + ω 2 = 0 ,λ1, 2 = ±iω ,x = C 1 sin ω t + C 2 cos ω t ,C 12 + C 22 cos ω tx=C1 C 12 + C 22sin ω t +C2 C 12 + C 2212= A (cos ϕsin ω t + sin ϕcos ω t )= A sin( ω t + ϕ )其中,C2 C +C2 1 2 2A = C12 + C 22 , sin ϕ =, cos ϕ =C12 C + C2 2 1.2 这就是说,无阻尼自由振动的振幅A = C12 + C 2 ,频率ω =k 均为常数. m2.有阻尼自由振动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m令d2x dx + h + kx = 0 , 2 dt dtk h = ω 2 , = 2δ ,方程变为m m d2x dx + 2δ +ω2x = 0, 2 dt dt特征方程为λ + 2δλ + ω = 0 ,特征根2 2λ1, 2 = −δ±δ 2 −ω 2 .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x = C 1e ( −δ +δ 2 −ω 2 ) t+ C 2 e ( −δ +δ 2 −ω 2 ) t(2)临界阻尼情形, δ = ω .特征根为重根,通解为x = (C 1 + C 2t ) e−δt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.xxx0x0OtOt图5图6(3)小阻尼情形, δ < ω .特征根为共轭复根,通解为13x = e −δt ( C1 sin ω 2 −δ 2 t + C 2 sin ω 2 −δ 2 t ) 将其简化为x = Ae −δt sin( ω 2 −δ 2 t + ϕ )其中 A = C1 2 + C 2 2 , sin ϕ =C2 C1 + C 22 2, cos ϕC1 C1 + C 22 2−δt , 振幅 A 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 的变化规律见图 7. 3.无阻尼强迫振动 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 f (t ) = m sin pt ,此时,方程①化为xx0md2x + kx = m sin pt , dt 2d2x + ω 2 x = sin pt , dt 2根据 ip 是否等于特征根 iω,其通解分为如下两种情形:(1)当 p ≠ ω时,其通解为Ot图7x=1 sin pt + C 1 sin ω t + C2 cos ω t , ω− p22此时,特解的振幅1 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ω− p22现象;(2)当 p = ω时,其通解为x = −1 t cos pt + C 1 sin ω t + C2 cos ω t , 2p此时,特解的振幅1 t 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 2p物体的固有频率ω时,将发生共振. 4.阻尼强迫振动 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 f ( x ) = m sin pt 的作用,并设δ < ω ,方程①变为d2x dx + 2δ + ω 2 x = sin pt , 2 dt dt14特征根λ = −δ ± iω 2 −δ 2 , δ ≠ 0 ,则 ip 不可能为特征根,特解为x * = A sin pt + B cos pt ,其中 A =ω 2 − p2(ω− p ) + 4δ p2 2 2 2 2,B =(ω2− 2δ p − p 2 ) 2 + 4δ2p2,还可将其化为x* =1 [(w2 − p2 )sin pt − 2δ p cos pt ] , 2 2 (w − p ) + 4δ p2 2 2由此可见,在有阻尼的情况下,将不会发生共振现象,不过,当 p = ω时, x* = −1 cos pt , 2δp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.15。