下载文档原格式
数学建模作业(实验2微分方程实验)基本实验1．微分方程稳定性分析绘出下列自治系统相应的轨线，并标出随t 增加的运动方向，确定平衡点，并按稳定的、渐近稳定的、或不稳定的进行分类：,,,+1,(1)(2)(3)(4);2;2;2.dx dx dx dxx x y x dt dt dt dt dy dy dy dy y y x y dt dt dt dt ⎧⎧⎧⎧==-==-⎪⎪⎪⎪⎪⎪⎪⎪⎨⎨⎨⎨⎪⎪⎪⎪===-=-⎪⎪⎪⎪⎩⎩⎩⎩解答解：（1）由平衡点的定义可得，f （x ）=x=0，f （y ）=y=0，因此平衡点为（0,0），微分方程组的系数矩阵为1001A ⎡⎤=⎢⎥⎣⎦，显然其特征值为12=1=1λλ，；由根与系数的关系可得：1212()2010p q λλλλ=-+=-<==>，且24p q >，由平衡点与稳定性的各种情况可知，平衡点（0，0）是不稳定的。
自治系统相应轨线为：（2）由平衡点的定义可得，f （x）=-x=0，f （y ）=2y=0，因此平衡点为（0,0），微分方程组的系数矩阵为-1002A ⎡⎤=⎢⎥⎣⎦，显然其特征值为12=-1=2λλ，；由根与系数的关系可得：121210-(2<0)p q λλλλ=-+=-<==，，平衡点（0，0）是不稳定的。
自治系统相应轨线为：（3）由平衡点的定义可得，f （x ）=y=0，f （y ）=-2x=0，因此平衡点为（0,0），微分方程组的系数矩阵为0120A ⎡⎤=⎢⎥-⎣⎦，显然其特征值为121.4142=4142=-1.i i λλ，；由根与系数的关系可得：12120 1.41420()p q λλλλ=-+===>，，由平衡点与稳定性的各种情况可知，平衡点（0，0）是不稳定的。
自治系统相应轨线为：（4）由平衡点的定义可得，f （x ）=-x=0，f （y ）=-2y=0，因此平衡点为（0,0），微分方程组的系数矩阵为-100-2A ⎡⎤=⎢⎥⎣⎦，显然其特征值为12==-12-λλ，；由根与系数的关系可得：1212()3020p q λλλλ=-+=>==>，且24p q >，由平衡点与稳定性的各种情况可知，平衡点（0，0）是稳定的。
微分方程列微分方程常用的方法： （1）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来建立微分方程模型。
（2）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。
（3）模拟近似法在生物、经济等学科的实际问题中，许多现象的规律性不很清楚，即使有所了解也是极其复杂的，建模时在不同的假设下去模拟实际的现象，建立能近似反映问题的微分方程，然后从数学上求解或分析所建方程及其解的性质，再去同实际情况对比，检验此模型能否刻画、模拟某些实际现象。
一、模型的建立与求解 1.1传染病模型 （1）基础模型假设：t 时刻病人人数()x t 连续可微。
每天每个病人有效接触（使病人治病的接触）的人数为λ，0t =时有0x 个病人。
建模：t 到t t +∆病人人数增加()()()x t t x t x t t λ+∆-=∆ （1）0,(0)dxx x x dtλ== （2） 解得：0()t x t x e λ= （3）所以，病人人数会随着t 的增加而无限增长，结论不符合实际。
（2）SI 模型假设：1.疾病传播时期，总人数N 保持不变。
人群分为两类，健康者占总人数的比例为s(t),病人占总人数的比例为i(t)。
2.每位病人每天平均有效接触λ人，λ为日接触率。
有效接触后健康者变为病人。
依据：患病人数的变化率=Ni(t)(原患病人数)* λs(t)(每个病人每天使健康人变为病人的人数) 建模：di N Nsi dtλ= （4）由于()()1s t i t += （5）设t=0时刻病人所占的比例为0i ，则可建立Logistic 模型0(1),(0)dii i i i dtλ=-= （6） 解得：01()111kti t e i -=⎛⎫+- ⎪⎝⎭（7）用Matlab 绘制图1()~i t t ，图2 ~di i dt图形如下，结论：在不考虑治愈情况下①当12i =时didt 达到最大值m di dt ⎛⎫ ⎪⎝⎭，这时101ln 1m t i λ-⎛⎫=- ⎪⎝⎭②t →∞时人类全被感染。
数学建模微分方程模型在数学建模的旅程中，微分方程模型扮演了至关重要的角色。
它们在描述和解决各种实际问题中，从物理学到社会科学，都起到了关键的作用。
在本章中，我们将探讨微分方程模型的基本概念、类型和应用。
微分方程是一种方程，它包含未知函数的导数。
这种方程在描述变化率时非常有用，例如，描述物体的速度或加速度。
在形式上，微分方程可以表示为 y'(x) = f(x, y)，其中 y'表示 y的导数，f是一个给定的函数。
根据方程的特点，微分方程可以划分为多种类型，如线性微分方程、非线性微分方程、常微分方程、偏微分方程等。
每种类型的方程都有其特定的求解方法和应用领域。
微分方程在众多领域中都有应用，如物理学、工程学、经济学等。
例如，牛顿第二定律就是一个微分方程，它描述了物体的加速度如何由作用力决定。
人口增长模型、传染病模型等也都依赖于微分方程。
建立微分方程模型通常需要以下步骤：确定模型的目标和变量；然后，根据问题背景和物理规律建立数学模型；通过数值计算或解析解法得出结果。
求解微分方程的方法主要有两种：数值方法和解析方法。
数值方法是通过计算机程序或软件进行数值计算得到近似解，而解析方法是通过求解方程得到精确解。
对于某些类型的微分方程，可能需要结合使用这两种方法。
建立微分方程模型后，我们需要对模型进行评估和检验，以确保其有效性和准确性。
这通常包括对模型的假设进行检验、对模型的预测结果进行验证以及对模型的参数进行估计和调整等。
随着科学技术的发展，微分方程模型的应用前景越来越广阔。
例如，在生物学中，微分方程被用来描述疾病的传播动态；在经济学中，微分方程被用来分析市场供需关系的变化；在工程学中，微分方程被用来模拟复杂系统的行为等。
未来，随着大数据和人工智能等技术的发展，微分方程模型将在更多领域得到应用和发展。
微分方程模型是数学建模中一个极其重要的部分。
通过学习和掌握微分方程的基本概念、类型、应用以及求解方法等，我们可以更好地理解和解决现实生活中的各种问题。
数学建模之机理模型建立的平衡原理机理模型建立的平衡原理是指根据物理、化学、生物等领域的基本原理与规律，通过建立数学方程组或动力学方程，描述系统内部各个因素之间的相互作用和调控机制，以达到系统的平衡状态。
机理模型建立的平衡原理涉及到许多重要的概念和方法，在此我将着重介绍以下几个方面：1.平衡状态的定义：在机理模型建立中，平衡状态是指系统的各个因素之间达到相对稳定的状态，即系统处于一个无明显变化的状态。
平衡状态可以是静态平衡，即系统中各个因素之间的变化速度为零；也可以是动态平衡，即系统中各个因素之间的变化速度相互抵消，使得系统整体保持相对稳定。
2.平衡原理的表达：平衡原理可以通过一系列的数学方程或动力学方程来表示，这些方程描述了系统内部各个因素之间的相互作用和调控关系。
常用的数学工具包括微分方程、偏微分方程、差分方程等。
通过对这些方程的求解，可以推导出系统平衡时各个因素之间的关系，从而揭示系统的机理。
3.平衡条件的确定：机理模型的建立需要确定系统平衡的条件。
一般来说，平衡条件可以通过平衡态的守恒方程来确定，守恒方程描述了系统中一些物质或能量的产生、消耗和传递过程。
在平衡状态下，守恒方程达到平衡时，系统处于相对稳定的状态。
4. 稳定性分析：在机理模型建立过程中，需要对系统的稳定性进行分析。
稳定性分析一般包括线性稳定性和非线性稳定性两方面。
线性稳定性分析主要是通过线性化的方法，将系统的非线性方程线性化，从而判断系统平衡时的稳定性。
非线性稳定性分析则需要对系统的非线性方程进行分析，例如通过构造Lyapunov函数，判断系统在平衡状态附近的稳定性。
5.参数估计与模拟：机理模型的建立需要通过实验或观测数据对模型中的参数进行估计，以获得最合理的模型描述。
参数估计可以通过最小二乘法、极大似然估计等方法进行。
同时，通过对模型的数值模拟，可以验证模型的合理性，并对系统的动态行为进行预测和分析。
总之，机理模型建立的平衡原理是数学建模中的重要环节之一、通过建立数学方程组或动力学方程，描述系统内部各个因素之间的相互作用和调控机制，可以揭示系统的平衡状态和稳定性，为实际问题的研究和解决提供指导和依据。
大学数学建模知识点总结一、概率论基础知识1. 集合论基础知识集合的概念、集合的运算、集合的性质、集合的表示方法等。
2. 随机变量及其分布随机变量的概念、随机变量的分布、离散型随机变量、连续型随机变量等。
3. 数理统计基础知识抽样、统计量、分布函数、统计分布函数、极限定理等。
二、线性代数知识1. 行列式及其性质行列式的概念、行列式的性质、行列式的运算规则等。
2. 矩阵及其运算矩阵的概念、矩阵的运算、矩阵的性质、矩阵的逆、矩阵的转置等。
3. 矩阵方程组矩阵方程组的概念、矩阵方程组的求解、矩阵方程组的解的存在性和唯一性等。
三、微积分知识1. 极限函数极限的定义、函数极限的性质、无穷小量、无穷大量、极限的性质等。
2. 导数导数的概念、导数的求法、导数的性质、高阶导数、隐函数的导数等。
3. 微分方程微分方程的概念、微分方程的解、微分方程的分类、微分方程的求解方法等。
四、数理逻辑知识1. 命题与命题的联结词命题的概念、命题的分类、联结词的概念、联结词的分类、逻辑联结词的性质等。
2. 推理与证明推理的概念、推理的方法、证明的方法、证明的逻辑、直接证明、间接证明、数学归纳法等。
五、数学建模方法1. 模型建立模型的概念、模型的分类、模型的建立方法、模型的验证等。
2. 模型求解模型求解的方法、模型求解的工具、模型求解的步骤等。
3. 模型分析模型分析的方法、模型分析的工具、模型分析的步骤等。
六、优化理论1. 最优化问题最优化问题的概念、最优化问题的分类、最优化问题的求解方法、最优化问题的应用等。
2. 线性规划线性规划的概念、线性规划的模型、线性规划的求解方法、线性规划的应用等。
七、统计推断1. 参数估计参数估计的概念、参数估计的方法、参数估计的性质、参数估计的应用等。
2. 假设检验假设检验的概念、假设检验的原理、假设检验的方法、假设检验的应用等。
八、时间序列分析1. 时间序列的概念时间序列的定义、时间序列的分类、时间序列的性质、时间序列的应用等。
微分方程及其应用领域中的数学建模分析微分方程是数学分析的重要内容，它在各个科学领域中都有广泛的应用。
本文将分析微分方程及其在应用领域中的数学建模。
微分方程是描述自变量与相关导数之间关系的方程。
它由一些未知函数及其导数组成，通常用y表示未知函数。
微分方程可分为常微分方程和偏微分方程两类，在应用中广泛应用于物理、生物、经济等领域。
首先，我们来看物理领域中的应用。
物理学中许多自然现象可以通过微分方程建模，其中最典型的是牛顿第二定律。
牛顿第二定律指出力是质量与加速度的乘积，可以用微分方程表示为F=ma，其中F是物体受到的力，m是物体的质量，a是物体的加速度。
通过解这个微分方程，可以预测物体在受力作用下的运动轨迹。
此外，在电路理论中，欧姆定律也可以用微分方程表示。
欧姆定律指出电流与电压之间的关系为I=V/R，其中I是电流，V是电压，R是电阻。
通过解这个微分方程，可以分析电路中的电流变化。
在生物领域中，微分方程的应用同样重要。
生物学中的许多自然现象可以用微分方程建模，例如生物种群的增长。
假设某个生物种群的增长速率与种群数量成正比，可以用微分方程dy/dt = ky表示，其中y是种群的数量，t是时间，k是比例常数。
通过解这个微分方程，可以预测种群数量的变化。
除了物理和生物领域，微分方程在经济学中也有广泛应用。
经济学中的许多问题都可以用微分方程建模，例如经济增长模型和物价变动模型。
通过建立适当的微分方程模型，可以分析经济变量之间的关系，并对经济情况进行预测和决策。
总而言之，微分方程在各个领域中都有广泛的应用。
通过建立合适的微分方程模型，可以描述和分析自然现象和社会现象。
这些模型不仅可以用于预测和决策，还可以用于深入理解问题的本质和规律。
因此，微分方程及其应用领域中的数学建模分析是数学分析的重要内容，也是应用数学的重要工具。
通过不断研究和探索微分方程及其应用，我们能够更好地理解自然界和人类社会的运行规律，为科学研究和社会发展做出贡献。
微分方程平衡点及其稳定性理论这里简单介绍下面将要用到的有关内容：一、 一阶方程的平衡点及稳定性设有微分方程()dx f x dt= （1） 右端不显含自变量t ，代数方程()0f x = （2）的实根0x x =称为方程（1）的平衡点（或奇点），它也是方程（1）的解（奇解）如果从所有可能的初始条件出发，方程（1）的解()x t 都满足0lim ()t x t x →∞= （3） 则称平衡点0x 是稳定的（稳定性理论中称渐近稳定）；否则，称0x 是不稳定的（不渐近稳定）。
判断平衡点0x 是否稳定通常有两种方法，利用定义即（3）式称间接法，不求方程（1）的解()x t ，因而不利用（3）式的方法称直接法，下面介绍直接法。
将()f x 在0x 做泰勒展开，只取一次项，则方程（1）近似为：0'()()dx f x x x dt=- （4） （4）称为（1）的近似线性方程。
0x 也是（4）的平衡点。
关于平衡点0x 的稳定性有如下的结论：若0'()0f x <，则0x 是方程（1）、（4）的稳定的平衡点。
若0'()0f x >，则0x 不是方程（1）、（4）的稳定的平衡点0x 对于方程（4）的稳定性很容易由定义（3）证明，因为（4）的一般解是0'()0()f x t x t ce x =+ （5）其中C 是由初始条件决定的常数。
二、 微分方程组的平衡点和稳定性方程的一般形式可用两个一阶方程表示为112212()(,)()(,)dx t f x x dt dx t g x x dt⎧=⎪⎪⎨⎪=⎪⎩ （6）右端不显含t ，代数方程组1212(,)0(,)0f x x g x x =⎧⎨=⎩ （7） 的实根0012(,)x x 称为方程（6）的平衡点。
记为00012(,)P x x 如果从所有可能的初始条件出发，方程（6）的解12(),()x t x t 都满足101lim ()t x t x →∞= 202lim ()t x t x →∞= （8） 则称平衡点00012(,)P x x 是稳定的（渐近稳定）；否则，称P 0是不稳定的（不渐近稳定）。
数学建模中的微分方程及其应用研究随着科技的不断发展，数学建模已经成为了一个不可或缺的工具。
数学建模是指将现实问题抽象为数学模型，通过数学方法来预测和解决问题。
微分方程是数学建模中的关键工具之一。
在本文中，我将介绍微分方程在数学建模中的重要性以及其应用研究。
一、微分方程的定义和分类微分方程是描述一个或多个未知函数及其导数之间关系的方程，通常用来描述自然现象。
微分方程可以分为常微分方程和偏微分方程两种。
常微分方程是指只涉及一个自变量的导数的方程，例如：$\frac{dy}{dx}= f(x,y)$偏微分方程是指涉及多个自变量的导数的方程，例如：$\frac{\partial^2 u}{\partial x^2} + \frac{\partial^2 u}{\partial y^2}=0$二、微分方程在数学建模中的重要性微分方程在数学建模中有着广泛的应用。
它可以用来研究自然现象中的变化关系，例如物理学中的运动规律、化学中的反应过程，甚至是医学中的疾病治疗。
通过微分方程的求解，我们可以得到有关系统的重要信息，比如系统的稳定性、解的性质、系统的动态行为等等。
三、常微分方程在数学建模中的应用常微分方程是数学建模中最常见的工具之一。
在数学建模中，解决一个常微分方程通常需要以下步骤：1. 根据问题描述建立数学模型。
2. 对模型中的常微分方程进行求解。
3. 通过解析解或数值解来得到所需的结果。
以下是常微分方程在数学建模中的一些应用：1. 表示天体运动的牛顿运动定律。
牛顿运动定律可以用一个常微分方程来描述：$m\frac{d^2x}{dt^2}= -G\frac{Mm}{r^2}$其中，$m$ 是天体的质量，$M$ 是太阳的质量，$r$ 是天体和太阳之间的距离，$G$ 是万有引力常数，$x$ 是天体相对太阳的位置。
通过求解这个方程，我们可以得到天体的运动轨迹。
2. 描述弹簧振动的简谐运动。
弹簧振动可以用一个常微分方程来描述：$m\frac{d^2x}{dt^2}= -kx$其中，$m$ 是弹簧质量，$k$ 是弹簧的弹性系数，$x$ 是弹簧相对平衡位置的偏移量。
数学建模中的微分方程求解数学建模是将真实世界中的问题抽象成数学模型，利用数学方法求解并得出结论的过程。
微分方程作为数学建模中最常用的数学工具之一，广泛应用于物理、生物、工程等领域，成为数学建模不可或缺的一部分。
本文将着重介绍微分方程在数学建模中的求解方法以及常见的数学模型。
一、常见的微分方程求解方法(一) 分离变量法分离变量法是最基本的微分方程求解方法之一。
对于形如$ \frac{dy}{dx} = f(x)g(y) $的一阶微分方程，我们可以将其分离为$ \frac{dy}{g(y)} = f(x) dx $，进而求解出$ y $的解析解。
例如，对于简单的一阶线性微分方程$ \frac{dy}{dx} + p(x)y = q(x) $，我们可以将其写成$ \frac{dy}{dx} = -p(x)y + q(x) $，然后将$ y $和$ x $分隔开来，即$ \frac{dy}{-p(x)y+q(x)} = dx $，最后将分子和分母积分得到$ y $的解析解。
但是，在实际问题中的微分方程很难一步到位地完成分离变量，需要结合其他的方法。
(二) 特解法特解法是一种特殊的微分方程求解方法，它适用于某些特殊的微分方程。
特解法的思想是先猜出通解的一部分，然后再根据该猜测解答出剩余的部分，得到最终的通解。
例如，对于形如$ y'' + ay' + by = f(x) $的二阶非齐次微分方程，我们可以先猜测一个特解$ y_p $，然后再求出方程的通解$ y = y_c + y_p $，其中$ y_c $是齐次方程的通解。
特解法在实际问题中应用广泛，但对特定问题的适用性并不一定好。
(三) 变量代换法变量代换法是另一种常见的微分方程求解方法，它常用于解决高阶微分方程或无法通过分离变量法解决的微分方程。
变量代换法的思想是将微分方程通过变量代换转化为可分离变量或一阶线性微分方程的形式。
例如，对于形如$ y'' + py' + qy = 0 $的二阶齐次微分方程，我们可以通过变量代换$ z = y' $，将其转化为一阶线性微分方程。
微分方程列微分方程常用的方法： （1）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来建立微分方程模型。
（2）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。
（3）模拟近似法在生物、经济等学科的实际问题中，许多现象的规律性不很清楚，即使有所了解也是极其复杂的，建模时在不同的假设下去模拟实际的现象，建立能近似反映问题的微分方程，然后从数学上求解或分析所建方程及其解的性质，再去同实际情况对比，检验此模型能否刻画、模拟某些实际现象。
一、模型的建立与求解1.1传染病模型（1）基础模型假设：t 时刻病人人数()x t 连续可微。
每天每个病人有效接触（使病人治病的接触）的人数为λ，0t =时有0x 个病人。
建模：t 到t t +∆病人人数增加()()()x t t x t x t t λ+∆-=∆（1）0,(0)dxx x x dtλ==（2） 解得：0()t x t x e λ=（3）所以，病人人数会随着t 的增加而无限增长，结论不符合实际。
（2）SI 模型假设：1.疾病传播时期，总人数N 保持不变。
人群分为两类，健康者占总人数的比例为s(t),病人占总人数的比例为i(t)。
2.每位病人每天平均有效接触λ人，λ为日接触率。
有效接触后健康者变为病人。
依据：患病人数的变化率=Ni(t)(原患病人数)*λs(t)(每个病人每天使健康人变为病人的人数) 建模：diNNsi dtλ=（4） 由于()()1s t i t +=（5）设t=0时刻病人所占的比例为0i ，则可建立Logistic 模型0(1),(0)dii i i i dtλ=-=（6） 解得：01()111kti t e i -=⎛⎫+- ⎪⎝⎭（7）用Matlab 绘制图1()~i t t ，图2~dii dt图形如下，结论：在不考虑治愈情况下①当12i =时didt 达到最大值m di dt ⎛⎫ ⎪⎝⎭，这时101ln 1m t i λ-⎛⎫=- ⎪⎝⎭②t →∞时人类全被感染。
未考虑治愈情况。
（3）SIS 模型假设：1.疾病传播时期，总人数N 保持不变。
人群分为两类，健康者占总人数的比例为s(t),病人占总人数的比例为i(t)。
2.每位病人每天平均有效接触λ人，λ为日接触率。
有效接触后健康者变为病人。
3.在所有病人中，每天有比例μ的人能被治愈，治愈后看作可被感染的健康者，传染病的平均传染期为1μ。
依据：患病人数的变化率=Nsi λ（患病人数的变化率）-Ni μ(治愈率） 建模：diNNsi Ni dtλμ=-（8）0(1),(0)dii i i i i dtλμ=-- =（9） 令σ为整个传染期内每位病人有效接触的平均人数，σλμ=。
则有11dii i dt λσ⎡⎤⎛⎫=--- ⎪⎢⎥⎝⎭⎣⎦（10） 用Matlab 绘制出~dii dt（图3，图5）和i~t （图4，图6）。
结论：1σ=为一个阈值。
①1σ>，()i t 极限值1()1i σ∞=-为增函数，()i t 的增减性由0i 的大小确定。
②1σ≤，病人比例()i t 越来越小，最终趋于0。
（4）SIR 模型（某些疾病患者治愈后获得了很强的免疫力，不会再次被感染） 假设：①总人数N 不变，将人群分为健康者，病人，和病愈免疫的移除者，他们在总人数中所占的比例依次为()s t ，()i t ，()r t 。
②λ为病人的日接触率，μ为日治愈率，σλμ=为传染期接触数。
建模：由假设1得()()()1s t i t r t ++=（11）drNNi dtμ=（12） 令t=0时健康者与病人所占比例分别为0000(0),(0)s s i i >>，则有00,(0),(0)disi i i i dt ds si s s dtλμλ⎧=-=⎪⎪⎨⎪=-=⎪⎩（13）利用Matlab 绘制出()i t ，()s t （图7），~i s （图8）图形，~i s 图形称为相轨线。
相轨线分析：利用相轨线讨论解()i t ，()s t 的性质。
~s i 平面称为相平面，相轨线在其上的定义域为(,)s i D ∈为(){},0,0,1D s i s i s i =≥≥+≤（14）消去方程中的dt ，并由σ得到011,s s di ii ds sσ==-=（15）解得：()0001ln si s i s s σ=+-+（16） 在定义域D 内，相轨线是上式所表示的曲线，如图9所示，其中箭头表示随着时间t 的增加()s t 和()i t 的变化趋势。
下面分析()s t 、()i t 和()r t 的变化情况（t →∞时它们的极限值分别记做,s i ∞∞和r ∞）①不论初始条件00,s i 如何，病人最终会消失，0i ∞=，证明： 首先，由式（13），0ds dt ≤，而()0s t ≥，所以s ∞存在；由式（11），0drdt≥，而()1r t ≤，所以r ∞存在；由式（11）得i ∞存在。
其次，若0i ε∞=>，则由式（11），对于充分大的t 有2dr dtεμ>，导致r ∞=∞，与r ∞存在相矛盾。
从图形来看，无论相轨线从何点出发，最终都将与s 轴相交。
②令式（16）中0i =，则最终未被感染的健康者的比例是s ∞，s ∞为方程0001ln 0s s i s s σ∞∞+-+=（17） 在(0,1/)σ内的根，在图形上表示为相轨线与s 轴在(0,1/)σ内交点的横坐标。
③若01/s σ>，则()i t 先增加，当1/s σ=时，()i t 达到最大值0001(1ln )i s i s σσ∞=+-+（18）然后()i t 减小且趋于0，()s t 单调减小至s ∞，如图中由1P 出发的相轨线。
④若01/s σ≤，则()i t 单调减小至0，()s t 单调减小至s ∞，如图中由2P 出发的相轨线。
结论：①若病人比例有一段时间增长即认为传染病在蔓延，则1/σ为一个阈值，01/s σ>时蔓延。
可以通过减小σ 使01/s σ≤，使传染病不蔓延。
②01/s σ>，σ减小时，s ∞增加，也能控制蔓延程度。
1.2捕鱼模型考察一个渔场，其中鱼量在天然环境下按一定规律增长、如果捕捞量恰好等于增长量，那么渔场鱼量将保持不变，这个捕捞量就可以持续． ①产量模型假设：()x t 为渔场中鱼量。
1.无捕捞时，鱼的的增长服从logistic 规律，即()()1x x t f x rx N ⎛⎫==- ⎪⎝⎭（19）其中：r 表示固有增长率，N 表示环境容许的最大鱼量，()f x 表示单位时间的增长量。
2.用E 表示单位时间捕捞率，单位时间捕捞量和渔场鱼量()x t 成正比，则有单位时间捕捞量为()h x Ex =（20）建模：捕捞情况下渔场鱼量满足()()1x x t F x rx Ex N ⎛⎫==-- ⎪⎝⎭（21）其中：()()()F x f x h x =-。
判断()x t 的稳定条件，求式（21）的平衡点，分析其稳定性。
令式（21）为0，得两个平衡点：01(1),0E x N x r=-=（22）稳定性判断01(),()F x E r F x r E ''=-=-当E r <时01()0,()0F x F x ''<>，则0x 点稳定，1x 点不稳定。
当E r >时01()0,()0F x F x ''><，则1x 点稳定，0x 点不稳定。
分析：用E 表示捕捞率，r 表示固有增长率。
①当E r <时，可使鱼量稳定在0x ，获得稳定产量。
②当E r >时，1x 稳定，渔场干枯。
根据（19），（20）式分别绘制曲线()y f x =及()()y h x E x ==，使用Matlab 绘制图形如下所示，得两曲线交点为P ，则P 横坐标为稳定平衡点0x ，纵坐标为稳定条件下单位时间的产量，当交点位于抛物线顶点时获得最大的持续产量，此时的稳定平衡点为*02N x =，单位时间的最大持续产量为4m rN h =，捕捞率*2rE =。
结论：将捕捞率控制在固有增长率r 的一半，即使渔场鱼量保持在最大鱼量的一半时，能够获得最大的持续产量。
②效益模型（经济效益=总收入收入-成本）假设：鱼销售单价p ，单位捕捞率费用是c ，单位时间收入为T ，成本为S ，单位利润为R ，则有()T ph x pExS cER T S pEx cE ====-=-（23）建模：在稳定条件0x x =下，将式（22）代入式（23）得()()()(1)ER E T E S E pNE cE r=-=--（24） 求出使利润最大的捕捞强度为12R r c E pN ⎛⎫=- ⎪⎝⎭（25）最大利润下的渔场稳定鱼量R x 和单位时间的持续产量R h22R N cx p=+（26） 222(1)14R R R x rN c h rx N p N⎛⎫=-=- ⎪⎝⎭（27） 结论：当有最大效益时，捕捞率和持续产量都减小，渔场应保持的稳定鱼量增加，捕捞成本越大或销售价格越低所需减少增大的部分越大。
③捕捞过度：封闭式捕捞追求利益最大，开放式捕捞只追求利润。
令式（24）中()0R E =,解S E ,则1S c E r pN ⎛⎫=- ⎪⎝⎭(28）当S E E <时，利润()0R E >经营者加大捕捞强度，当S E E >，()0R E <经营者减小捕捞强度，S E 为盲目捕捞下的临界强度。
或利用Matlab 绘制~(),()E T E S E 曲线如图（12），则(),()T E S E 交点横坐标即为S E 。
二、微分方程与平衡点理论2.1一阶微分方程 设一阶微分方程为()()x t f x =（1）求解方程()=0f x 即可出平衡点0x x =。
再判断平衡点0x 是否稳定。
判断平衡点的常用方法有以下两种 （1）直接法将()f x 在0x 点作泰勒展开，仅取一次项，则得方程（1）的近似线性方程为()()()'0x t f x x x =-（2）所以，0x 也是方程（2）的平衡点。
令()'0=f x a ，则方程（2）的一般解为()0at x t ce x c =+为常数对于0x 点的稳定性有如下结论：如果()'00f x <，则0x 对于方程（2）和（1）都是稳定的； 如果()'00f x >，则0x 对于方程（2）和（1）都是不稳定的； （2）间接法如果存在0x 某个邻域内的任意值，使方程（1）的解()x t 满足()0lim t x t x →∞=（3）那么0x 是稳定的，否则0x 是不稳定的。
