第四周
3.
function y=mj()
for x0=0::8
x1=x0^*x0^2+*;
if (abs(x1)<
x0
end
end
4.分别用简单迭代法、埃特金法、牛顿法求解方程，并比较收敛性与收敛速度（分别取10-3、10-5、10-8）。
简单迭代法：
function y=jddd(x0)
x1=(20+10*x0-2*x0^2-x0^3)/20;
k=1;
while (abs(x1-x0)>=
x0=x1;
x1=(20+10*x0-2*x0^2-x0^3)/20;k=k+1;
end
x1
k
埃特金法：
function y=etj(x0)
x1=(20-2*x0^2-x0^3)/10;
x2=(20-2*x1^2-x1^3)/10;
x3=x2-(x2-x1)^2/(x2-2*x1+x0);
k=1;
while (abs(x3-x0)>=
x0=x3;
x1=(20-2*x0^2-x0^3)/10;
x2=(20-2*x1^2-x1^3)/10;
x3=x2-(x2-x1)^2/(x2-2*x1+x0);k=k+1;
end
x3
k
牛顿法：
function y=newton(x0)
x1=x0-fc(x0)/df(x0);
k=1;
while (abs(x1-x0)>=
x0=x1;
x1=x0-fc(x0)/df(x0);k=k+1;
end
x1
k
function y=fc(x)
y=x^3+2*x^2+10*x-20;
function y=df(x)
y=3*x^2+4*x+10;
第六周
1.解例6-4（p77)的方程组，分别采用消去法（矩阵分解）、Jacobi迭代法、Seidel 迭代法、松弛法求解，并比较收敛速度。
消去法：
x=a\d
或
[L,U]=lu(a);
x=inv(U)inv(L)d
Jacobi迭代法：
function s=jacobi(a,d,x0)
D=diag(diag(a));
U=-triu(a,1);
L=-tril(a,-1);
C=inv(D);
B=C*(L+U);
G=C*d;
s=B*x0+G;
n=1;
while norm(s-x0)>=
x0=s;
s=B*x0+G;
n=n+1;
end
n
Seidel迭代法：
function s=seidel(a,d,x0)
D=diag(diag(a));
U=-triu(a,1);
L=-tril(a,-1);
C=inv(D-L);
B=C*U;
G=C*d;
s=B*x0+G;
n=1;
while norm(s-x0)>=
x0=s;
s=B*x0+G;
n=n+1;
end
n
松弛法：
function s=loose(a,d,x0,w)
D=diag(diag(a));
U=-triu(a,1);
L=-tril(a,-1);
C=inv(D-w*L);
B=C*((1-w)*D+w*U);
G=w*C*d;
s=B*x0+G;
n=1;
while norm(s-x0)>=
x0=s;
s=B*x0+G;
n=n+1;
end
n
2.练习MATLAB的常用矩阵语句，就龙格现象函数（p88）练习插值语句interp, spline，并比较。
3.测得血液中某药物浓度随时间的变化值为:
分别用n=4,5,9的拉格朗日插值计算；并用样条函数插值计算,并比较结果。
拉格朗日插值:
function s=lagr(n)
x=[ ];
y=[ ];
x0=[ ];
m=length(x0);
for i=1:m
D=abs(x-x0(i));
I=1;
while I<=n+1
for a=1:length(x)
if D(a)==min(D)
c(I)=a;
D(a)=max(D)+1;
break
end
end
I=I+1;
end
b=sort(c);
z=x0(i);
t=;
for k=1:length(b)
u=;
for j=1:length(b)
if j~=k
u=u*(z-x(b(j)))/(x(b(k))-x(b(j)));
end
end
t=t+u*y(b(k));
end
s(i)=t;
end
样条函数差值：
Interp1(x,y,x0,’spline’)
Spline(x,y,x0)
第八周
1.给定某药物浓度随时间的变化值(作业3)，1）分别采用样条函数和三点公式（设h=求结点处的导数值，并比较结果。2）求该时间段的平均浓度（定步长S法）
样条函数：
x=[ ];
y=[ ];
pp=csape(x,y,'not-a-knot');
df=fnder(pp);
df1=ppval(df,x)
三点公式：
function df=sandian()
t=[ ];
c=[ ];
h=;n=length(t);
for i=1:n
x0=t(i);
y0=c(i);
y1=spline(t,c,x0+h);
y2=spline(t,c,x0+2*h);
y3=spline(t,c,x0-h);
y4=spline(t,c,x0-2*h);
switch i
case 1
df(i)=(-3*y0+4*y1-y2)/(2*h);
case n
df(i)=(y4-4*y3+3*y0)/(2*h);
otherwise
df(i)=(y1-y3)/(2*h);
end
end
end
平均浓度：
function averagec=simpson()
t=[ ];
c=[ ];
m=(t(1)+t(10))/2;
y=spline(t,c,m);
averagec=(c(1)+4*y+c(10))/6;
end
2.练习MATLAB常用的trapz, quad, quadl等语句。计算：
x=0:8;
y=1./(sqrt(2.*pi)).*exp(-(x-4).^2./2);
z=trapz(x,y)
function y=jifen(x)
y=1./(sqrt(2.*pi)).*exp(-(x-4).^2./2);
q1=quad('jifen',0,8,
q2=quadl('jifen',0,8,
3.采用变步长经典R-K法, ode23, ode45计算例9-5，并作比较。变步长经典R-K法：（可能有问题）
function z=jdrk(m)
x0=[25 2]';a=0;b=15;
n=length(x0);
z=zeros(n,m);
k1=zeros(n,1);
k2=zeros(n,1);
k3=zeros(n,1);
k4=zeros(n,1);
t=a;
x=x0;x2=zeros(n,1);x3=x2;x4=x2;
h=choose(m);
m1=15/h+1;
for k=1:m1
k1=prey(t,x);
for i=1:n
x2(i)=x(i)+1/2*h*k1(i);
end
k2=prey(t+h/2,x2);
for i=1:n
x3(i)=x(i)+1/2*h*k2(i);
end
k3=prey(t+h/2,x3);
for i=1:n
x4(i)=x(i)+h*k3(i);
end
k4=prey(t+h,x4);
for i=1:n
x(i)=x(i)+h/6*(k1(i)+2*k2(i)+2*k3(i)+k4(i)); z(i,k)=x(i);
end
t=t+h;
end
h1=length(z);
t2=[a:(b-a)/(h1-1):b];
plot(t2,z)
gtext('x1(t)')
gtext('x2(t)')
function h=choose(n)
h=15/(n-1);
t0=0;
x0=[25 2]';
k11=prey(t0,x0);
k21=prey(t0+h/2,x0+h/2*k11);
k31=prey(t0+h/2,x0+h/2*k21);
k41=prey(t0+h,x0+h*k31);
x1=x0+h/6*(k11+2*k21+2*k31+k41);
k12=prey(t0,x0);
k22=prey(t0+h/4,x0+h/4*k12);
k32=prey(t0+h/4,x0+h/4*k22);
k42=prey(t0+h/2,x0+h/2*k32);
x2=x0+h/12*(k12+2*k22+2*k32+k42);
if abs(x2-x1)<
while abs(x2-x1)<
h=h*2;
k11=prey(t0,x0);
k21=prey(t0+h/2,x0+h/2*k11);
k31=prey(t0+h/2,x0+h/2*k21);
k41=prey(t0+h,x0+h*k31);
x1=x0+h/6*(k11+2*k21+2*k31+k41); k12=prey(t0,x0);
k22=prey(t0+h/4,x0+h/4*k12);
k32=prey(t0+h/4,x0+h/4*k22);
k42=prey(t0+h/2,x0+h/2*k32);
x2=x0+h/12*(k12+2*k22+2*k32+k42);
end
h=h/2;
else
while abs(x2-x1)>=
h=h/2;
k11=prey(t0,x0);
k21=prey(t0+h/2,x0+h/2*k11);
k31=prey(t0+h/2,x0+h/2*k21);
k41=prey(t0+h,x0+h*k31);
x1=x0+h/6*(k11+2*k21+2*k31+k41); k12=prey(t0,x0);
k22=prey(t0+h/4,x0+h/4*k12);
k32=prey(t0+h/4,x0+h/4*k22);
k42=prey(t0+h/2,x0+h/2*k32);
x2=x0+h/12*(k12+2*k22+2*k32+k42);
end
end
function xdot=prey(t,x)
r=1;a=;b=;c=;
xdot=[r-a*x(2) 0;0 -b+c*x(1)]*x;
ode23, ode45：
[t,x]=ode23('prey',[0::15],[25 2]);
plot(t,x)
[t,x]
gtext('x1(t)')
gtext('x2(t)')
[t,x]=ode45('prey',[0::15],[25 2]);
plot(t,x)
[t,x]
gtext('x1(t)')
gtext('x2(t)')
1．熟悉常用的概率分布、概率密度函数图、分位点。（统计工具箱）
2．对例10-1作统计分组(每组间隔分别为3cm、5cm)，并作直方图，计算特征值与置信区=175作检验（α=）
间；如假设μ
function y=zf(n)
data=[162 166 171 167 157 168 164 178 170 152 158 153 160 174 159 167 171 168 182 160 159 172 178 166 159 173 161 150 164 175 173 163 165 146 163 162 158 164 169 170 164 179 169 178 170 155 169 160 174 159 168 151 176 164 161 163 172 167 154 164 153 165 161 168 166 166 148 161 163 177 178 171 162 156 165 176 170 156 172 163 165 149 176 170 182 159 164 179 162 151 170 160 165 167 155 168 179 165 184 157];
m=ceil((max(data)-min(data))/n);
hist(data,m)
data=[162 166 171 167 157 168 164 178 170 152 158 153 160 174 159 167 171 168 182 160 159 172 178 166 159 173 161 150 164 175 173 163 165 146 163 162 158 164 169 170 164 179 169 178 170 155 169 160 174 159 168 151 176 164 161 163 172 167 154 164 153 165 161 168 166 166 148 161 163 177 178 171 162 156 165 176 170 156 172 163 165 149 176 170 182 159 164 179 162 151 170 160 165 167 155 168 179 165 184 157];
E=mean(data)
D=var(data)
[mu sigma muci sigmaci]=normfit(data,
[h,p,ci]=ttest(data,175,,0)
3．自行寻找生物学数据，进行分析，试作曲线图、条形图、饼图。（包括图示）
第十二周
1、作图练习不同形式误差的叠加，随机误差+周期性误差；随机误差+线性误差；随机误差+恒定误差。(自行设计数据，注意误差数量级的选取）
2、作errorbar图（本课件Page 3-A）
T=[ ];
S=[ ];
E=[ ];
errorbar(T,S,E)
xlabel('T/')
ylabel('S/ of water)')
title('Solubility of |á-Form Glycine in Water')
3、异常数据剔除
拉依特准则：
function y=lyt()
x=[ ];
mu=mean(x);sigma=std(x);n=length(x);
if n<10
m=2;
else m=3;
for i=1:n
if abs(x(i)-mu)>m*sigma
i
x(i)
end
end
格鲁布斯准则：
function y=grubbs()
x=[ ];
mu=mean(x);sigma=std(x);n=length(x);
for i=1:n
if abs((x(i)-mu)/sigma)>= %格鲁布斯极限值（n=26）： i
x(i)
end
end
end
狄克逊准则：
x=[ ];
n4=0;
f=[ ];
while n4==0
z=sort(x);
n=length(x);
n5=1;
a=(z(3)-z(1))/(z(n-2)-z(1));
n1=0;
if a>f(n5)
n1=1;
z(1)
end
n2=0;
b=(z(n)-z(n-2))/(z(n)-z(3));
if b>f(n5)
n2=1;
z(n)
end
x1=[0 0];
if n1==1&&n2==0
for n3=1:(n-1)
x1(n3)=z(n3+1);
end
n5=n5+1;
end
if n1==1&&n2==1
for n3=1:(n-2)
x1(n3)=z(n3+1);
end
n5=n5+2;
end
if n1==0&&n2==1
for n3=1:(n-1)
x1(n3)=z(n3);
end
n5=n5+1;
end
x=x1;
if n1==0&&n2==0
n4=1;
end
end
第十四周：
1.大肠杆菌比生长速率测定。
在一定培养条件下，培养大肠杆菌，测得实验数据如下表。求：该条件下，大肠杆菌的
s=[6 13 33 40 64 102 122 153 170 221 210];
mu=[ ];
spmu=s./mu;n=length(s);
a=polyfit(s,spmu,1);
mum=1/a(1)
ks=a(2)/a(1)
lxx=sum(s.^2)-1/n*(sum(s))^2;
lyy=sum(spmu.^2)-1/n*(sum(spmu))^2;
lxy=sum(s.*spmu)-1/n*sum(s)*sum(spmu);
r=lxy/(sqrt(lxx*lyy))
R=corrcoef(s,spmu)
Qr=lxy^2/lxx;
Q=(lxx*lyy-lxy^2)/lxx;
F=Qr/(Q/(n-2))
2.多元线性回归
Pa=[ ]';
Pb=[ ]';
Pc=[ ]';
r=[ ]';
k0=ones(8,1);alpha=;
r0=log(r);
Pa0=log(Pa);
Pb0=log(Pb);
Pc0=log(Pc);
p=[k0 Pa0 Pb0 Pc0];
[b,bint,r,rint,stats]=regress(r0,p,alpha)
k=exp(b(1))
m=r'*r
p1=[Pa0 Pb0 Pc0];
stepwise(p1,r0)
第十六周
1.对作业（7）的两题，分别作非线性回归，并比较参数值和残差。function y=ecolinlin(beta0)
s=[6 13 33 40 64 102 122 153 170 221 210]';
mu=[ ]';
[beta,r,J]=nlinfit(s,mu,'szsl',beta0);
mum=beta(1)
ks=beta(2)
r
J
function mu=szsl(beta,s)
mu=beta(1).*s./(beta(2)+s);
end
function y=reacnlin(beta0)
Pa=[ ]';
Pb=[ ]';
Pc=[ ]';
R=[ ]';
p=[Pa Pb Pc];
[beta,r,J]=nlinfit(p,R,'fydl',beta0);
k=beta(4)
n1=beta(1)
n2=beta(2)
n3=beta(3)
r
J
function r=fydl(beta,p)
r=beta(4).*p(:,1).^beta(1).*p(:,2).^beta(2).*p(:,3).^beta(3); end
2.作二次正交回归。数据如右，比较不同模型计算结果。x1=[1 1 1 1 -1 -1 -1 -1 0 0 0 0 0 0 0 0 0 0]';
x2=[1 1 -1 -1 1 1 -1 -1 0 0 0 0 0 0 0 0 0 0]';
x3=[1 -1 1 -1 1 -1 1 -1 0 0 0 0 0 0 0 0 0 0]';
y=[ ]';
x=[x1 x2 x3];alpha=;
rstool(x,y,'linear',alpha)
数学建模小实例 Document serial number【KKGB-LBS98YT-BS8CB-BSUT-BST108】
1、司乘人员配备问题 某昼夜服务的公交路线每天各时间区段内需司机和乘务人员如下： 设司机和乘务人员分别在各时间区段一开始上班，并连续工作八小时，问该公交线路至少配备多少名司机和乘务人员 解: 设i x为第i班应报到的人员 i，建立线性模型如下： )6, ( ,2,1 LINGO程序如下： MODEL:
min=x1+x2+x3+x4+x5+x6; x1+x6>=60; x1+x2>=70; x2+x3>=60; x3+x4>=50; x4+x5>=20; x5+x6>=30; END 得到的解为: x1=60,x2=10,x3=50,x4=0,x5=30,x6=0; 配备的司机和乘务人员最少为150人。 2、铺瓷砖问题 要用40块方形瓷砖铺下图所示形状的地面，但当时市场上只有长方形瓷砖，每块大小等于方形的两块。一人买了20块长方形瓷砖，试着铺地面，结果无法铺好。试问是这人的功夫不到家还是这个问题根本无解呢 解答:
3、 棋子颜色问题 在任意拿出黑白两种颜色的棋子共n 个，随机排成一个圆圈。然后在两颗颜色相同的棋子中间放一颗黑色棋子，在两颗颜色不同的棋子中间放一颗白色棋子，放完后撤掉原来所放的棋子，再重复以上的过程，这样放下一圈后就拿走前次的一圈棋子，问这样重复进行下去各棋子的颜色会怎样变化呢 分析与求解： 由于在两颗同色棋子中放一颗黑色棋子，两颗不同色的棋子中间放一颗白色棋子，故可将黑色棋子用1表示，白色棋子用-1表示。这是因为-1×(-1)=1，1×1=1，这代表两颗同色棋子中放一颗黑色棋子；1×(-1)= -1，这代表两颗不同色的棋子中间放一颗白色棋子。 设棋子数为n ，12,,,n a a a 为初始状态。 当n=3时 步数 状态(舍掉偶次项) 0 1a 2a 3a 1 21a a 32a a 13a a 2 31a a 21a a 32a a 3 32a a 31a a 21a a
微分方程模型 浙江大学数学建模实践基地
§3.1 微分方程的几个简单实例 在许多实际问题中，当直接导出变量之间的函数关系较为困难，但导出包含未知函数的导数或微分的关系式较为容易时，可用建立微分方程模型的方法来研究该问题， 本节将通过一些最简单的实例来说明微分方程建模的一般方法。在连续变量问题的研究中，微分方程是十分常用的数学工具之一。
例1（理想单摆运动）建立理想单摆运动满足的微 分方程，并得出理想单摆运动的周期公式。 从图3-1 中不难看出，小球所受的合力为mgsin θ，根据牛顿第二定律可得：sin ml mg θ θ=-从而得出两阶微分方程：0sin 0(0)0,(0)g l θθθθθ+==?=????（3.1）这是理想单摆应满足的运动方程 （3.1）是一个两阶非线性方程，不 易求解。当θ很小时，sin θ≈θ，此时，可 考察（3.1）的近似线性方程： 0(0)0,(0)g l θθθθθ+==?=?? ??（3.2）由此即可得出2g T l π=（3.2）的解为: θ(t )=θ0cosωt g l ω=其中当时,θ(t )=04T t =42g T l π =故有M Q P mg θl 图3-1 （3.1）的 近似方程
例2我方巡逻艇发现敌方潜水艇。与此同时敌方潜水艇也发现了 我方巡逻艇，并迅速下潜逃逸。设两艇间距离为60哩，潜水艇最大航速为30节而巡逻艇最大航速为60节，问巡逻艇应如何追赶潜水艇。 这一问题属于对策问题，较为复杂。讨论以下简单情形：敌潜艇发现自己目标已暴露后，立即下潜，并沿着直线方向全速逃逸，逃逸方向我方不知。 设巡逻艇在A 处发现位于B 处的潜水艇，取极坐标，以B 为极点，BA 为极轴，设巡逻艇追赶路径在此极坐标下的方程为r =r (θ)，见图3-2。 B A A1 dr ds dθ θ图3-2 由题意，，故ds =2dr 2ds dr dt dt =图3-2可看出， 2 2 2 ()()()ds dr rd θ=+
第1讲MATLAB及 在数学建模中的应用 ? MatLab简介及基本运算?常用计算方法 ?应用实例
一、 MatLab简介及基本运算 1.1 MatLab简介 1.2 MatLab界面 1.3 MatLab基本数学运算 1.4 MatLab绘图
1.1 MatLab简介?MATLAB名字由MATrix和 LABoratory 两词组成。20世纪七十年代后期, 美国新墨西哥大学计算机科学系主任Cleve Moler教授为减轻学生编程负担，为学生设计了一组调用LINPACK和EISPACK库程序的“通俗易用”的接口，此即用FORTRAN编写的萌芽状态的MATLAB。
?经几年的校际流传，在Little的推动下，由Little、Moler、Steve Bangert合作，于1984年成立了MathWorks公司，并把MATLAB正式推向市场。从这时起，MATLAB的内核采用C语言编写，而且除原有的数值计算能力外，还新增了数据图视功能。
?1997年春，MATLAB5.0版问世，紧接着是5.1、5.2、5.3、6.0、6.1、6.5、7.0版。现今的MATLAB拥有更丰富的数据类型和结构、更友善的面向对象、更加快速精良的图形可视、更广博的数学和数据分析资源、更多的应用开发工具。 ?20世纪九十年代的时候，MATLAB已经成为国际控制界公认的标准计算软件。
?MATLAB具有用法简易、可灵活运用、程式结构强又兼具延展性。以下为其几个特色： ①可靠的数值运算和符号计算。在MATLAB环境中，有超过500种数学、统计、科学及工程方面的函 数可使用。 ②强大的绘图功能。 MATLAB可以绘制各种图形，包括二维和三维图形。 ③简单易学的语言体系。 ④为数众多的应用工具箱。
初中数学建模案例 Document serial number【KK89K-LLS98YT-SS8CB-SSUT-SST108】
中学数学建模论文指导 中学阶段常见的数学模型有：方程模型、不等式模型、函数模型、几何模型和统计模型等。我们也把运用数学模型解决实际问题的方法统称为应用建模。可以分五种模型来写。论文最好自己写，如果是参加竞赛的话从网上找的会被搜出来的。 一、建模论文的标准组成部分 建模论文作为一种研究性学习有意义的尝试，可以锻炼学生发现问题、解决问题的能力。一般来说，建模论文的标准组成部分由论文的标题、摘要、正文、结论、参考文献等部分组成。现就每个部分做个简要的说明。 1. 题目 题目是给评委的第一印象，所以论文的题目一定要避免指代不清，表达不明的现象。建议将论文所涉及的模型或所用的计算方式写入题目。如“用概率方法计算商场打折与返券的实惠效应”。 2. 摘要 摘要是论文中重要的组成部分。摘要应该使用简练的语言叙述论文的核心观点和主要思想。如果你有一些创新的地方，一定要在摘要中说明。进一步，必须把一些数值的结果放在摘要里面，例如：“我们的最终计算得出，对于消费者来说，打折比返券的实惠率提高了23%。”摘要应该最后书写。在论文的其他部分还没有完成之前,你不应该书写摘要。因为摘要是论文的主旨和核心内容的集中体现，只有将论文全部完成且把论文的体系罗列清楚后，才可写摘要。 摘要一般分三个部分。用三句话表述整篇论文的中心。 第一句，用什么模型，解决什么问题。 第二句，通过怎样的思路来解决问题。
第三句，最后结果怎么样。 当然，对于低年级的同学，也可以不写摘要。 3. 正文 正文是论文的核心，也是最重要的组成部分。在论文的写作中，正文应该是从“提出问题—分析问题—选择模型—建立模型—得出结论”的方式来逐渐进行的。其中，提出问题、分析问题应该是清晰简短。而选择模型和建立模型应该是目标明确、数据详实、公式合理、计算精确。在正文写作中，应尽量不要用单纯的文字表述，尽量多地结合图表和数据，尽量多地使用科学语言，这会使得论文的层次上升。 4. 结论 论文的结论集中表现了这篇论文的成果，可以说，只有论文的结论经得起推敲，论文才可以获得比较高的评价。结论的书写应该注意用词准确，与正文所描述或论证的现象或数据保持绝对的统一。并且一定要对结论进行自我点评，最好是能将结论推广到社会实践中去检验。 5. 参考资料 在论文中，如果使用了其他人的资料。必须在论文后标明引用文章的作者、应用来源等信息。 二、建模论文的写作步骤 1. 确定题目 选择一个你感兴趣的生活中的问题作为研究对象，并根据研究对象设置论文题目。最好是找一位或几位老师帮助安排研究课题。在确定好课题后，应该写一个写作计划给指导老师看看，并征求他们对该计划的建议。 2. 开展科研课题
第四周 3. function y=mj() for x0=0::8 x1=x0^*x0^2+*; if (abs(x1)< x0 end end 4.分别用简单迭代法、埃特金法、牛顿法求解方程，并比较收敛性与收敛速度（分别取10-3、10-5、10-8）。 简单迭代法： function y=jddd(x0) x1=(20+10*x0-2*x0^2-x0^3)/20; k=1; while (abs(x1-x0)>= x0=x1; x1=(20+10*x0-2*x0^2-x0^3)/20;k=k+1; end x1 k 埃特金法： function y=etj(x0) x1=(20-2*x0^2-x0^3)/10; x2=(20-2*x1^2-x1^3)/10; x3=x2-(x2-x1)^2/(x2-2*x1+x0); k=1; while (abs(x3-x0)>= x0=x3; x1=(20-2*x0^2-x0^3)/10; x2=(20-2*x1^2-x1^3)/10; x3=x2-(x2-x1)^2/(x2-2*x1+x0);k=k+1; end x3 k 牛顿法：
function y=newton(x0) x1=x0-fc(x0)/df(x0); k=1; while (abs(x1-x0)>= x0=x1; x1=x0-fc(x0)/df(x0);k=k+1; end x1 k function y=fc(x) y=x^3+2*x^2+10*x-20; function y=df(x) y=3*x^2+4*x+10; 第六周 1.解例6-4（p77)的方程组，分别采用消去法（矩阵分解）、Jacobi迭代法、Seidel 迭代法、松弛法求解，并比较收敛速度。 消去法： x=a\d 或 [L,U]=lu(a); x=inv(U)inv(L)d Jacobi迭代法： function s=jacobi(a,d,x0) D=diag(diag(a)); U=-triu(a,1); L=-tril(a,-1); C=inv(D); B=C*(L+U); G=C*d; s=B*x0+G; n=1; while norm(s-x0)>= x0=s; s=B*x0+G; n=n+1; end n Seidel迭代法： function s=seidel(a,d,x0) D=diag(diag(a)); U=-triu(a,1);
数学实验与数学建模 实验报告 学院： 专业班级： 姓名： 学号： 完成时间：年月日
承 诺 书 本人承诺所呈交的数学实验与数学建模作业都是本人通过学习自行进行编程独立完成，所有结果都通过上机验证，无转载或抄袭他人，也未经他人转载或抄袭。若承诺不实，本人愿意承担一切责任。 承诺人： 年 月 日 数学实验学习体会 （每个人必须要写字数1200字以上，占总成绩的20%） 练习1 一元函数的图形 1． 画出x y arcsin =的图象. 2． 画出x y sec =在],0[π之间的图象. 3． 在同一坐标系中画出x y =，2x y =，3 x y = ，3x y =，x y =的图象. 4． 画出3 2 3 2)1()1()(x x x f + +-=的图象，并根据图象特点指出函数)(x f 的奇偶性. 5． 画出)2ln(1++=x y 及其反函数的图象. 6． 画出3 21+=x y 及其反函数的图象.
练习2 函数极限 1．计算下列函数的极限. (1) x x x 4 cos 1 2 sin 1 lim 4 - + π → . 程序： sym x; f=(1+sin(2*x))/(1-cos(4*x)); limit(f,x,pi/4) 运行结果： lx21 ans = 1 (2). 程序： sym x; f=(1+cos(x))^(3*sec(x)); limit(f,x,pi/2) 运行结果： lx22 ans = exp(3) (3) 2 2 ) 2 ( sin ln lim x x x - π π → . 程序： sym x; f=log(sin(x))/(pi-2*x)^2; limit(f,x,pi/2) 运行结果： lx23 ans = -1/8 (4) 2 1 2 lim x x e x →. 程序： x x x sec 3 2 ) cos 1( lim+ π →
Matlab在数学建模中的应用 数学建模是通过对实际问题的抽象和简化，引入一些数学符号、变量和参数，用数学语言和方法建立变量参数间的内在关系，得出一个可以近似刻画实际问题的数学模型，进而对其进行求解、模拟、分析检验的过程。它大致分为模型准备、模型假设、模型构成、模型求解、模型分析、模型检验及应用等步骤。这一过程往往需要对大量的数据进行分析、处理、加工，建立和求解复杂的数学模型，这些都是手工计算难以完成的，往往在计算机上实现。在目前用于数学建模的软件中，matlab 强大的数值计算、绘图以及多样化的工具箱功能，能够快捷、高效地解决数学建模所涉及的众多领域的问题，倍受数学建模者的青睐。 1 Matlab在数学建模中的应用 下面将联系数学建模的几个环节，结合部分实例，介绍matlab 在数学建模中的应用。 1.1 模型准备阶段 模型准备阶段往往需要对问题中的给出的大量数据或图表等进行分析，此时matlab的数据处理功能以及绘图功能都能得到很好的应用。 1.1.1 确定变量间关系 例1 已知某地连续20年的实际投资额、国民生产总值、物价指数的统计数据（见表），由这些数据建立一个投资额模型，根据对未来国民生产总值及物价指数的估计，预测未来的投资额。
表1 实际投资额、国民生产总值、物价指数的统计表 记该地区第t年的投资为z(t)，国民生产总值为x(t)，物价指数为y(t)。 赋值： z=[90.9 97.4 113.5 125.7 122.8 133.3 149.3 144.2 166.4 195 229.8 228.7 206.1 257.9 324.1 386.6 423 401.9 474.9 424.5]' x=[596.7 637.7 691.1 756 799 873.4 944 992.7 1077.6 1185.9 1326.4 1434.2 1549.2 1718 1918.3 2163.9 2417.8 2631.6 2954.7 3073]' y=[0.7167 0.7277 0.7436 0.7676 0.7906 0.8254 0.8679 0.9145 0.9601 1 1.0575 1.1508 1.2579 1.3234 1.4005 1.5042 1.6342 1.7842 1.9514 2.0688]' 先观察x与z之间，y与z之间的散点图 plot(x,z,'*') plot(y,z,'*') 由散点图可以看出，投资额和国民生产总值与物价指数都近似呈
案例分析1: 自行车外胎的使用寿命 问题： 目前，自行车在我国是一种可缺少的交通工具。它小巧、灵活、方便、易学，而且价格适中，给广大居民带来了不小的益处。但是，自行车也有令人头痛的地方，最常见的问题莫过于扎胎了。扎胎的原因有很多，但相当一部分是由于外胎磨损，致使一些玻璃碴、小石子很容易侵入、扎破内胎。为了减少不必要的麻烦，如何估计自行车外胎的寿命，及时更换? 分析： 分析角度：由于题目里未明确指出我们是应从厂家角度，还是应从用户角度来考虑这个问题，因此需要我们自己做出合理判断。若从厂家角度，我们面对的应当是一大批自行车外胎的平均寿命的估计。这样的估计要求一定精确度和相对明确的使用环境；而从用户角度来说，面对的仅是个人的一辆车，不需要很高的精确度，这样的寿命估计更简单，易于随时了解，下面仅从用户角度进行分析。 产品的使用者需要了解产品的寿命，是基于安全性及更换的费用来考虑的。我们将这两个标准作为主要标准来分析，首先值得注意的两个关键性问题是如何定义寿命、何时为寿命的终止。寿命的定义要做到科学，直观，有可比性，在航空工业中航天飞机的使用寿命是用重复使用的次数来衡量，而工厂机器设备的寿命则以连续工作的时间来定义。本题外胎的寿命亦可用时间来表征，但由于外胎的寿命直接与其磨损速度相关；而磨损速度又与使用频率及行驶速度相互联系，致使外胎的寿命不一定与使用时间成正比(这种非正比关系使我们不能拿一辆—天跑200公里的自行车与一天只跑1公里的自行车进行寿命比较)，降低了可比性。如换成自行车的路程寿命来比较，就好得多。产品寿命是在安全性和更换费用相互制约下达到的一个点，在这个点上，外胎的安全系数降到用户不可接受的最低值，更换费用(寿命越长，在一定意义上更换费用越低)也达到了最大限度的节省。 弄清了上面两个问题后，我们继续明确建立模型需要解决哪些问题及建立模型的重点难点。 自行车使用过程中，一来影响因素多，二来这些因素之间彼此相关，十分复杂，要做到比较准确地估计使用寿命，不但要对外胎的性能有相当的了解，而且对使用环境更不能忽视。当然我们由于是站在用户角度上来考虑的，相对地就可忽略一些次要的影响因素。 这样的数学模型面对着两个主要问题。一、自行车使用寿命与外胎厚度的关系，二、外胎能够抵御小石子破坏作用的最小厚度。后者可处理得相对简略些(如只考虑一块具有一般特征的小石子对外胎的破坏作用)，而重点(也是难点)是第一个问题。车重、人重、轮胎性质(力学的、热学的、甚至化学的)和自行车使用频率等都左右着它们的关系。这么多相关因素，不必一一都加以考虑(用户是不会在意这么多的)，有些因素，可以先不考虑，在模型的改进部分再作修改，采取逐步深入的方法，如：摩擦损耗有滑动摩擦和滚动摩擦损耗两种，由于滚动摩擦占用的时间(或路程)显然占绝对优势，因此可重点考虑。但滑动摩擦造成的一次损坏又比滚动摩擦大，在刹车使用过频的情况下，就不能不考虑了。 最后，需对得出的结果用简单清晰的文字进行说明，以供用户参考。 案例分析2：城市商业中心最优位置分析 问题： 城市商业中心是城市的基本构成要素之一。它的形成是一个复杂的定位过程。商业中心的选址涉及到各种因素制约，但其中交通条件是很重要的因素之一。即商业中心应位于城市“中心”，如果太偏离这一位置，极有可能在城市“中心”地带又形成一个商业区，造成重复建设。 某市对老商业中心进行改建规划，使居民到商业中心最方便。如果你是规划的策划者，如何建立一个数学模型来解决这个问题。
第四周 3. 中的三个根。 ，在求8] [0,041.76938.7911.1-)(2 3=-+=x x x x f function y=mj() for x0=0:0.01:8 x1=x0^3-11.1*x0^2+38.79*x0-41.769; if (abs(x1)<1.0e-8) x0 end end 4.分别用简单迭代法、埃特金法、牛顿法求解方程，并比较收敛性与收敛速度（ε分别取10-3、10-5、10-8）。 简单迭代法： function y=jddd(x0) x1=(20+10*x0-2*x0^2-x0^3)/20; k=1; while (abs(x1-x0)>=1.0e-3) x0=x1; x1=(20+10*x0-2*x0^2-x0^3)/20;k=k+1; end x1 k 埃特金法： function y=etj(x0) x1=(20-2*x0^2-x0^3)/10; x2=(20-2*x1^2-x1^3)/10; x3=x2-(x2-x1)^2/(x2-2*x1+x0); k=1; while (abs(x3-x0)>=1.0e-3) x0=x3; x1=(20-2*x0^2-x0^3)/10; x2=(20-2*x1^2-x1^3)/10; x3=x2-(x2-x1)^2/(x2-2*x1+x0);k=k+1; end 2 ,020102)(023==-++=x x x x x f
x3 k 牛顿法： function y=newton(x0) x1=x0-fc(x0)/df(x0); k=1; while (abs(x1-x0)>=1.0e-3) x0=x1; x1=x0-fc(x0)/df(x0);k=k+1; end x1 k function y=fc(x) y=x^3+2*x^2+10*x-20; function y=df(x) y=3*x^2+4*x+10; 第六周 1.解例6-4（p77)的方程组，分别采用消去法（矩阵分解）、Jacobi迭代法、Seidel迭代法、松弛法求解，并比较收敛速度。 消去法： x=a\d 或 [L,U]=lu(a); x=inv(U)inv(L)d Jacobi迭代法： function s=jacobi(a,d,x0) D=diag(diag(a)); U=-triu(a,1); L=-tril(a,-1); C=inv(D); B=C*(L+U); G=C*d; s=B*x0+G; n=1; while norm(s-x0)>=1.0e-8 x0=s; s=B*x0+G;
2014年河南科技大学模拟训练一 承诺书 我们仔细阅读了数学建模选拔赛的规则. 我们完全明白，在做题期间不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人研究、讨论与选拔题有关的问题。 我们知道，抄袭别人的成果是违反选拔规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守选拔规则，以保证选拔的公正、公平性。如有违反选拔规则的行为，我们将受到严肃处理。 我们选择的题号是（从A/B/C中选择一项填写）： C 队员签名：1. 2. 3. 日期： 2014 年 8 月 19 日
2014年河南科技大学数学建模竞赛选拔 编号专用页 评阅编号（评阅前进行编号）： 评阅记录（评阅时使用）： 评 阅 人 评 分 备 注
搜索黑匣子 摘要
一、问题重述 2014年3月8号，马来西亚航空370号班机从马来西亚吉隆坡前往中国北京途中失联，被认为是有史以来“最离奇”的飞机失联案例。空难的谜团不能解开，很大程度上取决于能不能打捞到“黑匣子”。MH370的失联，各国为此出动了25架飞机，40艘舰艇，甚至包括若干卫星。 我们要解决的问题如下： 1.我们首先将单独对船只这种搜寻工具分析，根据假设确定最后失联地点，找出大概搜索区域，确定飞机残骸和黑夹子疑似地点，利用性变形最短路径模型确定搜索完所有可疑地点的最短路径，最后求出最小风险系数下的最优搜索方案，并明确这种搜索方案的优缺点。 2.所有的飞机船舰及卫星都有一个国家统一调度，则根据卫星、飞机、船舰的各自的探索方式划分搜寻区域，进行统一分工合作，提高搜索的效率和降低搜索的费用。分别建立模型得出每种单一搜索工具的最优搜索你方案，最终利用多人TST问题计算整合出多种搜索工具共同参与下的最优搜索方案。 二、模型假设 1.马航370残骸和黑夹子落点的可疑位置已确定。 2.专家对搜索船只在搜索过程中的权重确定真是可靠。 3.船只在搜索过程中只受到文中因素的影响，其余因素影响很小。 4.在搜索过程中，风速和浪高等环境因素是不变的。 5.搜索过程中各种搜索工具不会出现故障。 6.搜救船只只能按照特定航道行驶。 7.搜索船只的设备都比较齐全，船只的类别对搜索的影响不大。 8.在搜索过程中，风速和浪高等环境因素是不变的。 9.各种搜索人员之间能够实现理想状态下的无障碍交流和信息共享。 三、符号说明 变量和缩略语定义 WC 风飘矢量位移 Vt 海流t时刻的速度 S1 只在洋流影响下的漂流位移 S0 初始位移 La1 A线上相邻顶点之间的距离 A 顶点的分组A即搜索路线A线 M 关联矩阵
Modeling and Simulation 建模与仿真, 2015, 4(3), 61-71 Published Online August 2015 in Hans. https://www.doczj.com/doc/1e2078496.html,/journal/mos https://www.doczj.com/doc/1e2078496.html,/10.12677/mos.2015.43008 Study of MATLAB and Its Application in Mathematical Modeling Chuanqi Qin, Ting Wang, Yuanfeng Jin School of Science, Yanbian University, Yanji Jilin Email: yfkim@https://www.doczj.com/doc/1e2078496.html, Received: Jul. 22nd, 2015; accepted: Aug. 11th, 2015; published: Aug. 18th, 2015 Copyright ? 2015 by authors and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY). https://www.doczj.com/doc/1e2078496.html,/licenses/by/4.0/ Abstract This article firstly introduces the development and the features of MATLAB software. And then the concept and the process of mathematical modeling are explained. After, the article briefly intro-duces some MATLAB solution methods of mathematical modeling problems, giving several in-stances of some methods. At the last of this article, through a relatively complete example, it fo-cuses on the application of MATLAB in mathematical modeling. It has been found that the applica-tion of MATLAB in mathematical modeling can improve the efficiency and quality of mathematical modeling, enrich the means and methods of mathematical modeling, and play a very important role in the teaching of mathematical modeling course. Keywords MATLAB, Mathematical Modeling, Mathematic Model MATLAB及其在数学建模中的应用 秦川棋，王亭，金元峰 延边大学理学院，吉林延吉 Email: yfkim@https://www.doczj.com/doc/1e2078496.html, 收稿日期：2015年7月22日；录用日期：2015年8月11日；发布日期：2015年8月18日
中学数学建模论文指导 中学阶段常见的数学模型有：方程模型、不等式模型、函数模型、几何模型和统计模型等。我们也把运用数学模型解决实际问题的方法统称为应用建模。可以分五种模型来写。论文最好自己写，如果是参加竞赛的话从网上找的会被搜出来的。 一、建模论文的标准组成部分 建模论文作为一种研究性学习有意义的尝试，可以锻炼学生发现问题、解决问题的能力。一般来说，建模论文的标准组成部分由论文的标题、摘要、正文、结论、参考文献等部分组成。现就每个部分做个简要的说明。 1. 题目 题目是给评委的第一印象，所以论文的题目一定要避免指代不清，表达不明的现象。建议将论文所涉及的模型或所用的计算方式写入题目。如“用概率方法计算商场打折与返券的实惠效应”。 2. 摘要 摘要是论文中重要的组成部分。摘要应该使用简练的语言叙述论文的核心观点和主要思想。如果你有一些创新的地方，一定要在摘要中说明。进一步，必须把一些数值的结果放在摘要里面，例如：“我们的最终计算得出，对于消费者来说，打折比返券的实惠率提高了23%。”摘要应该最后书写。在论文的其他部分还没有完成之前,你不应该书写摘要。因为摘要是论文的主旨和核心内容的集中体现，只有将论文全部完成且把论文的体系罗列清楚后，才可写摘要。 摘要一般分三个部分。用三句话表述整篇论文的中心。 第一句，用什么模型，解决什么问题。
第二句，通过怎样的思路来解决问题。 第三句，最后结果怎么样。 当然，对于低年级的同学，也可以不写摘要。 3. 正文 正文是论文的核心，也是最重要的组成部分。在论文的写作中，正文应该是从“提出问题—分析问题—选择模型—建立模型—得出结论”的方式来逐渐进行的。其中，提出问题、分析问题应该是清晰简短。而选择模型和建立模型应该是目标明确、数据详实、公式合理、计算精确。在正文写作中，应尽量不要用单纯的文字表述，尽量多地结合图表和数据，尽量多地使用科学语言，这会使得论文的层次上升。 4. 结论 论文的结论集中表现了这篇论文的成果，可以说，只有论文的结论经得起推敲，论文才可以获得比较高的评价。结论的书写应该注意用词准确，与正文所描述或论证的现象或数据保持绝对的统一。并且一定要对结论进行自我点评，最好是能将结论推广到社会实践中去检验。 5. 参考资料 在论文中，如果使用了其他人的资料。必须在论文后标明引用文章的作者、应用来源等信息。 二、建模论文的写作步骤
经典的数学建模例子 一、摘要 SARS SARS就是传染性非典型肺炎,全称严重急性呼吸综合症(Severe Acute Respiratory Syndromes),简称SARS,是一种因感染SARS相关冠状病毒而导致的以发热、干咳、胸闷为主要症状,严重者出现快速进展的呼吸系统衰竭,是一种新的呼吸道传染病,传染性极强、病情进展快速。 当一种传染病流行的时候,会给人们的工作学习带来很大的不变,能有效地进行隔离、预防,会大大减少人员的得病率,当一种传染病开始流行时,在一定的条件下其趋势就像真菌的繁殖曲线,如果能通过计算预测但大概推算出其发病率高峰时期,及时的隔离预防。那会给社会人力带来很大的方便,当年SARS的爆发给我们带来和大的不便和损失,因此本论文就以SARS为例,来研究传染病的传播规律、为预测和控制传染病蔓延创造条件和帮助。 1 二、正文 1、模型的背景问题描述 SARS(Severe Acute Respiratory Syndrome,严重急性呼吸道综合症, 俗称:非典型肺炎)是21世纪第一个在世界范围内传播的传染病。SARS的爆发和蔓延给我国的经济发展和人民生活带来了很大影响,我们从中得到了许多重要的经验和教训,认识到定量地研究传染病的传播规律、为预测和控制传染病蔓延创造条件的重要性。 要求:(1)建立传染病传播的指数模型,评价其合理性和实用性。 (2)建立一个适合的模型,说明为什么优于问题1中的模型;特别要说明怎样才能 3 建立一个真正能够预测以及能为预防和控制提供可靠、足够的信息的模型,这样做的困难在哪里?对于卫生部门所采取的措施做出评论,如:提前或延后5天采取严格的隔离措施,对疫情传播所造成的影响做出估计。表中提供的数据供参考。 (3)说明建立传染病数学模型的重要性。 2、模型假设 (一)答;
第四周3. 中的三个根。 ，在求8] [0,041.76938.7911.1-)(2 3=-+=x x x x f function y=mj()for x0=0:0.01:8 x1=x0^3-11.1*x0^2+38.79*x0-41.769;if (abs(x1)<1.0e-8)x0 end end 4.分别用简单迭代法、埃特金法、牛顿法求解方程，并比较收敛性与收敛速度（ε分别取10-3、10-5、10-8）。 简单迭代法： function y=jddd(x0) x1=(20+10*x0-2*x0^2-x0^3)/20;k=1; while (abs(x1-x0)>=1.0e-3) x0=x1; x1=(20+10*x0-2*x0^2-x0^3)/20;k=k+1;end x1k 埃特金法： function y=etj(x0) x1=(20-2*x0^2-x0^3)/10;x2=(20-2*x1^2-x1^3)/10; x3=x2-(x2-x1)^2/(x2-2*x1+x0);k=1; while (abs(x3-x0)>=1.0e-3) x0=x3; x1=(20-2*x0^2-x0^3)/10;x2=(20-2*x1^2-x1^3)/10; x3=x2-(x2-x1)^2/(x2-2*x1+x0);k=k+1;end 2 ,020102)(023==-++=x x x x x f
x3 k 牛顿法： function y=newton(x0) x1=x0-fc(x0)/df(x0); k=1; while(abs(x1-x0)>=1.0e-3) x0=x1; x1=x0-fc(x0)/df(x0);k=k+1; end x1 k function y=fc(x) y=x^3+2*x^2+10*x-20; function y=df(x) y=3*x^2+4*x+10; 第六周 1.解例6-4（p77)的方程组，分别采用消去法（矩阵分解）、Jacobi迭代法、Seidel迭代法、松弛法求解，并比较收敛速度。 消去法： x=a\d 或 [L,U]=lu(a); x=inv(U)inv(L)d Jacobi迭代法： function s=jacobi(a,d,x0) D=diag(diag(a)); U=-triu(a,1); L=-tril(a,-1); C=inv(D); B=C*(L+U); G=C*d; s=B*x0+G; n=1; while norm(s-x0)>=1.0e-8 x0=s; s=B*x0+G;
1.3 一些基本的数学建模示例 1.3.1椅子的摆放问题 1.3.2 双层玻璃的功效问题 1.3.3 搭积木问题 1.3.4 四足动物的身长和体重关系问题 1.3.5 圆杆堆垛问题 1.3.6 公平的席位分配问题 1.3.7 中国人重姓名问题 1.3.8实物交换问题 椅子能在不平的地面上放稳吗？下面用数学建模的方法解决此问题。 模型准备 仔细分析本问题的实质，发现本问题与椅子腿、地面及椅子腿和地面是否接触有关。如果把椅子腿看成平面上的点，并引入椅子腿和地面距离的函数关系就可以将问题1与平面几何和连续函数联系起来，从而可以用几何知识和连续函数知识来进行数学建模。为讨论问题方便，我们对问题进行简化，先做出如下3个假设： 模型假设 1、椅子的四条腿一样长，椅子脚与地面接触可以视为一个点，四脚连线是正方形（对椅子的假设） 2、地面高度是连续变化的，沿任何方向都不出现间断。（对地面的假设） 3、椅子放在地面上至少有三只脚同时着地，（对椅子和地面之间关系的假设） 根据上述假设做本问题的模型构成： 模型构成Array用变量表示椅子的位置，引入平面图形及坐 标系如图1-1。图中A、B、C、D为椅子的四只脚， 坐标系原点选为椅子中心，坐标轴选为椅子的四 只脚的对角线。于是由假设2，椅子的移动位置 可以由正方形沿坐标原点旋转的角度θ来唯一表 示，而且椅子脚与地面的垂直距离就成为θ的函 数。注意到正方形的中心对称性，可以用椅子的 相对两个脚与地面的距离之和来表示这对应两 个脚与地面的距离关系，这样，用一个函数就可 以描述椅子两个脚是否着地情况。本题引入两个 函数即可以描述椅子四图 1-1
线性代数建模案例汇编 目录
案例一. 交通网络流量分析问题 城市道路网中每条道路、每个交叉路口的车流量调查，是分析、评价及改善城市交通状况的基础。根据实际车流量信息可以设计流量控制方案，必要时设置单行线，以免大量车辆长时间拥堵。 【模型准备】 某城市单行线如下图所示, 其中的数字表示该路段每小时按箭头方向行驶的车流量(单位: 辆). 图3 某城市单行线车流量 (1) 建立确定每条道路流量的线性方程组. (2) 为了唯一确定未知流量, 还需要增添哪几条道路的流量统计? (3) 当x 4 = 350时, 确定x 1, x 2, x 3的值. (4) 若x 4 = 200, 则单行线应该如何改动才合理? 【模型假设】 (1) 每条道路都是单行线. (2) 每个交叉路口进入和离开的车辆数目相等. 【模型建立】 根据图3和上述假设, 在①, ②, ③, ④四个路口进出车辆数目分别满足 500 = x 1 + x 2 ① 400 + x 1 = x 4 + 300 ② x 2 + x 3 = 100 + 200 ③ x 4 = x 3 + 300 ④ 【模型求解】根据上述等式可得如下线性方程组 12142334500100300300x x x x x x x x +=??-=-??+=??-+=? 其增广矩阵 (A , b ) =1100500100110001103000011300?? ?-- ? ? ?-??????→初等行变换10011000101600001130000000--?? ? ?-- ? ?? ? 由此可得
142434 100600300x x x x x x -=-??+=??-=-? 即 14243 4100600300x x x x x x =-??=-+??=-?. 为了唯一确定未知流量, 只要增添x 4统计的值即可. 当x 4 = 350时, 确定x 1 = 250, x 2 = 250, x 3 = 50. 若x 4 = 200, 则x 1 = 100, x 2 = 400, x 3 = ?100 < 0. 这表明单行线“③?④”应该改为“③?④”才合理. 【模型分析】(1) 由(A , b )的行最简形可见, 上述方程组中的最后一个方程是多余的. 这意味着最后一个方程中的数据“300”可以不用统计. (2) 由142434100600300x x x x x x =-??=-+??=-?可得213141500200100x x x x x x =-+??=-??=+?, 123242500300600x x x x x x =-+??=-+??=-+?, 13234 3200300300x x x x x x =+??=-+??=+?, 这就是说x 1, x 2, x 3, x 4这四个未知量中, 任意一个未知量的值统计出来之后都可以确定出其他三个未知量的值. Matlab 实验题 某城市有下图所示的交通图, 每条道路都是单行线, 需要调查每条道路每小时的车流量. 图中的数字表示该条路段的车流数. 如果每个交叉路口进入和离开 图4 某城市单行线车流量 (1)建立确定每条道路流量的线性方程组. (2)分析哪些流量数据是多余的. (3)为了唯一确定未知流量, 需要增添哪几条道路的流量统计.
《一周总结，底稿供参考》 我们通过案例来说明： 假设我们拿到一个时间序列数据集：某男装生产线销售额。一个产品分类销售公司会根据过去10 年的销售数据来预测其男装生产线的月销售情况。 现在我们得到了10年120个历史销售数据，理论上讲，历史数据越多预测越稳定，一般也要24个历史数据才行！ 大家看到，原则上讲数据中没有时间变量，实际上也不需要时间变量，但你必须知道时间的起点和时间间隔。 当我们现在预测方法创建模型时，记住：一定要先定义数据的时间序列和标记！
这时候你要决定你的时间序列数据的开始时间，时间间隔，周期！在我们这个案例中，你要决定季度是否是你考虑周期性或季节性的影响因素，软件能够侦测到你的数据的季节性变化因子。
定义了时间序列的时间标记后，数据集自动生成四个新的变量：YEAR、QUARTER、MONTH 和DATE（时间标签）。 接下来：为了帮我们找到适当的模型，最好先绘制时间序列。时间序列的可视化检查通常可以很好地指导并帮助我们进行选择。另外，我们需要弄清以下几点： ?此序列是否存在整体趋势？如果是，趋势是显示持续存在还是显示将随时间而消逝？?此序列是否显示季节变化？如果是，那么这种季节的波动是随时间而加剧还是持续稳定存在？ 这时候我们就可以看到时间序列图了！ 我们看到：此序列显示整体上升趋势，即序列值随时间而增加。上升趋势似乎将持续，即为线性趋势。此序列还有一个明显的季节特征，即年度高点在十二月。季节变化显示随上升序列而增长的趋势，表明是乘法季节模型而不是加法季节模型。
此时，我们对时间序列的特征有了大致的了解，便可以开始尝试构建预测模型。时间序列预测模型的建立是一个不断尝试和选择的过程。 spss提供了三大类预测方法：1-专家建模器，2-指数平滑法，3-ARIMA ?指数平滑法 指数平滑法有助于预测存在趋势和/或季节的序列，此处数据同时体现上述两种特征。创建最适当的指数平滑模型包括确定模型类型（此模型是否需要包含趋势和/或季节），然后获取最适合选定模型的参数。
实用标准 购买汽车的选择 摘要 “我没有车我没有房”攒了几年钱终于有钱买车了，但我又担心买不到最称心的车子，于是我们团队就试图用数学建模的方法解决这个问题。 对于这种关键因素难以量化的问题，我们决定用最适合的层次分析法。首先，考虑到课题目标除了“做出购买决定”之外还要评出配置最高、最舒适、最漂亮的车子，所以我们将这个决策问题分成四层：首层是目标层，即本课题最重要的目标—购买汽车的决策，第二层是准则层，分成“舒适”“配置”“美观”“价格”四个准则，这样做的好处是便于达到课题的二级目标。第三层是次准则层，将准则层的四大准则细分为八个准则，需要指出的是“价格”因为无法细分我们将它设定为同时属于二三层。第四层，即最后一层是方案层，有三套方案供选择。 当思维过程转化为层次结构之后，从层次结构的第二层开始，对于从属于或影响上一层每个因素的同一层诸因素，用层次比较法和1-9比较尺度构造成对比较阵，直到最下层。 对于每一个成对比较阵计算最大特征根及对应特征向量，利用一致性指标，随机一致性指标和一致性比率做一致性检验，若检验通过，特征向量即为权向量；若不通过则需重新构造【1】。 最后组合权向量并做一致性检验。都通过之后就便得到了一个决策。此刻我们做的是重新审视模型讨论模型的局限以及不完整之处，力求改进，直到做出满意的模型。
Ⅰ问题重述 工作五年后，你决定要购买一辆汽车，预算十万左右。在汽车网上浏览了很久，初步确定将从三种价格相当的车型中选购一种。一般在购买汽车时考虑的标准可能包括：品牌、配置、动力、耗油量大小、舒适程度和外观美观情况等等。（以上提到的标准仅供参考，因人而异 （1 ）不同的标准在你心目中的比重也许是不同的，请用定量的方法将其按比重的高低进行排序。 （2 ）请用定量的方法说明哪种车配置最好、哪种车最舒适、哪种车最漂亮？ （3 ）建立数学模型，用确定的量化方法作出购买决定。 Ⅱ问题分析 本题要求用定量的方法研究购买汽车的决策。而购买汽车，人们多半是凭经验或者主观判断的提出决策方案。如何用定量的方法解决定性的问题，是首先要解决的问题。我们马上想到了层次分析法（AHP），这是一种定性和定量相结合的系统化的、层次化的分析方法。用这种方法，首先我们需要查阅大量资料，了解汽车主要构造，相关配置，外观设置等。之后就是尝试着将这些资料整合分类为能为决策提供帮助的一个个准则，然后去确定这些准则在心中的比重。于是得到了层次结构模型。结合三款车子资料，通过成对比较阵、最大特征根、组合权向量等方法求出一个决策结果，接下来并不着急给模型定型，而是审视模型改进模型直到获得满意的模型。 Ⅲ模型假设 1）获得的三款车子资料准确无误。 2）三款车子都没有质量问题。 3）车子的售后服务都一样。 Ⅳ模型的建立与求解 4.1 建立模型