东北石油大学学生实验报告
实验课程名称：数学模型 2018 年 3 月 22 日
图1
从上述结果可以看出，当用20桶牛奶生产A1,30桶原料生产为3360元。
例2 奶制品的生产销售计划 (在例1基础上深加工)
桶牛奶加工成A1,42桶牛奶加工成A2,将得到3460.8元。
小时时间，应否投资？现投资150元，可赚回多少？B1 3.16*12=37.92>30，增加1h时间使利润增长3.26>3，所以可以投
（大于增加时间50*3.26=163元）
货物2：前仓7，后仓8；
运筹学实例分析及lingo 求解 一、线性规划 某公司有6个仓库，库存货物总数分别为60、55、51、43、41、52，现有8个客户各要一批货，数量分别为35，37，22，32，41，32，43，38。各供货仓库到8个客户处的单位货物运输价见表 试确定各仓库到各客户处的货物调运数量，使总的运输费用最小。 解：设 ij x 表示从第i 个仓库到第j 个客户的货物运量。ij c 表示从第i 个仓库到第 j 个客户的单位货物运价，i a 表示第i 个仓库的最大供货量，j d 表示第j 个客户的订货量。 目标函数是使总运输费用最少，约束条件有三个：1、各仓库运出的货物总量不超过其库存数2、各客户收到的货物总量等于其订货数量3、非负约束 数学模型为： ∑∑===6 18 1)(min i j ij ij x c x f ????? ??????≥===≤∑∑==08,,2,1,6,2,1,,. .6 1 8 1ij j i ij i j ij x j d x i a x t s 编程如下： model : Sets : Wh/w1..w6/:ai;
Vd/v1..v8/:dj; links(wh,vd):c,x; endsets Data: ai=60,55,51,43,41,52; dj=35,37,22,32,41,32,43,38; c=6,2,6,7,4,2,5,9 4,9,5,3,8,5,8,2 5,2,1,9,7,4,3,3 7,6,7,3,9,2,7,1 2,3,9,5,7,2,6,5 5,5,2,2,8,1,4,3; Enddata Min=@sum(links(i,j):c(i,j)*x(i,j)); @for(wh(i):@sum(vd(j):x(i,j))<=ai(i)); @for(vd(j):@sum(wh(i):x(i,j))=dj(j)); end Global optimal solution found. Objective value: Total solver iterations: 0 Variable Value Reduced Cost AI( W1) AI( W2) AI( W3) AI( W4) AI( W5) AI( W6) DJ( V1) DJ( V2) DJ( V3) DJ( V4) DJ( V5) DJ( V6) DJ( V7) DJ( V8) C( W1, V1) C( W1, V2) C( W1, V3) C( W1, V4) C( W1, V5) C( W1, V6)
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。
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 →
Lingo超经典案例大全 LINGO是Linear Interactive and General Optimizer的缩写，即“交互式的线性和通用优化求解器”。Lingo超强的优化计算能力在很多方面（线性规划、非线性规划、线性整数规划、非线性整数规划、非线性混合规划、二次规划等）比matlab、maple等强得多，Lingo编程简洁明了，数学模型不用做大的改动（或者不用改动）便可以直接采用Lingo语言编程，十分直观。 Lingo模型由4个段构成： （1）集合段（sets endsets）；（2）数据段（data enddata)； (3)初始段（init endinit）；（4）目标与约束段。 Lingo的五大优点： 1. 对大规模数学规划，LINGO语言所建模型较简洁，语句不多； 2. 模型易于扩展，因为@FOR、@SUM等语句并没有指定循环或求和的上下限，如果在集合定义部分增加集合成员的个数，则循环或求和自然扩展，不需要改动目标函数和约束条件； 3. 数据初始化部分与其它部分语句分开，对同一模型用不同数据来计算时，只需改动数据部分即可，其它语句不变； 4. “集合”是LINGO有特色的概念，它把实际问题中的事物与数学变量及常量联系起来，是实际问题到数学量的抽象，它比C语言中的数组用途更为广泛。 5. 使用了集合以及@FOR、@SUM等集合操作函数以后可以用简洁的语句表达出常见的规划模型中的目标函数和约束条件，即使模型有大量决策变量和大量数据，组成模型的语句并不随之增加． 一、求解线性整数规划、非线性整数规划问题： 1.线性整数规划： model: max=x1+x2; x1+9/14*x2<=51/14; -2*x1+x2<=1/3; @gin(x1);@gin(x2); end
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
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;
Modeling and Simulation 建模与仿真, 2015, 4(3), 61-71 Published Online August 2015 in Hans. https://www.doczj.com/doc/b212777143.html,/journal/mos https://www.doczj.com/doc/b212777143.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/b212777143.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/b212777143.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/b212777143.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
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;
对于例题一: 某工厂在计划期内要安排生产Ⅰ、Ⅱ两种产品，已知生产单位产品所需的设备台时及A、B两种原材料的消耗，如表1-1所示： ⅠⅡ 设备128台时 原材料A4016kg 原材料B0412kg 利润2元3元 我们建立模型: 利用lingo求解时,可直接将模型输入，如在lingo中输入如下内容：！A sample linear program: MAX= 2 * x1 + 3 * x2; 4 * x1<= 16 ; 4 * x2<= 12 ; x1+ 2 * x2<= 8 ; 然后单机lingo菜单中的solve进行求解即可。 Lingo是一个设计用于建立和求解各种各样优化问题的数学建模语言，我们来看一下上面的模型： 第一行以惊叹号开始，以分号结束，是对模型的注释。 第二行给出了目标函数，显示了他是最大化的（注意：没有包含z变量），乘法用星号来表示，目标函数以分号结束。 下面的三行是约束函数，标点符号同一般的计算机语言，以分号结束。Lingo默认所有的变量为非负，若没有非负约束，需要用@free注明。
Lingo大小写不敏感，变量可以用大写或小写来表示。 Lingo窗口顶部的菜单条是一个标准的windows方式。一旦模型建立，即可从菜单或工具的solve按钮进行求解。在求解之前，lingo首先检查模型是否有语法错误，如果有，则提示错误位置。否则，求解工具开始求解，求解工具将在屏幕上出现一个求解状态窗口，当求解完成，求解报告将出现在屏幕上。 求解报告中，value列给出了决策变量的最优质。Slack or Surplus列的第一个输入显示了目标函数的响应值，下两个输入显示了每个约束函数两边之间的不同（对应于每个约束函数的剩余变量或松弛变量的值）。Reduced Cost和Dual Price列给出了问题的敏感性分析的信息。 这个模型足够小，能够一项一项写出，但这是单调乏味的。在一些相似的应用中，可能会有成千上万的决策变量和约束函数，一次以一项一项的方式写出模型是不现实的，lingo提供了一个有效地、紧凑的书写方式，即lingo建模语言。 LP模型一般具有重复的性质，所有的决策变量和约束函数都是同种类型的，lingo使用集合来描述这些重复的性质。 这个例子中的相关集合： 产品集合:P01，P02 资源集合：M01，M02，M03；（机器和原材料都可以看作是一种资源） 集合的属性： 1、每种产品的产量，每单位产品的利润 2、每周资源的供应量（包括原材料的供应量和设备的台时限制） 3、每单位每种产品分别需要资源的数量（产品和资源的组合的集合 成员的属性，这个集合源于两个简单的集合，称为导出集） 一个典型的lingo建立模型有三个部分： 1. 集合部分 2. 数据部分 3. 提供数学模型的部分 我们建立此模型的集合及数据部分： ！lingo11 sets: !产品集合及其属性，/../之间的部分罗列了该集合的成员，每种属性会对应于集合的每个成员有一个值，相当于一个向量;
. 运筹学实例分析及lingo 求解 一、线性规划 某公司有6个仓库，库存货物总数分别为60、55、51、43、41、52，现有8个客户各要一批货，数量分别为35，37，22，32，41，32，43，38。各供货仓库到8个客户处的单位货物运输价见表 试确定各仓库到各客户处的货物调运数量，使总的运输费用最小。 解：设 ij x 表示从第i 个仓库到第j 个客户的货物运量。ij c 表示从第i 个仓库到第 j 个客户的单位货物运价，i a 表示第i 个仓库的最大供货量，j d 表示第j 个客户的订货量。 目标函数是使总运输费用最少，约束条件有三个：1、各仓库运出的货物总量不超过其库存数2、各客户收到的货物总量等于其订货数量3、非负约束 数学模型为： ∑∑===6 18 1)(min i j ij ij x c x f ????? ??????≥===≤∑∑==08,,2,1,6,2,1,,. .6 1 8 1ij j i ij i j ij x j d x i a x t s ΛΛ
. 编程如下： model: Sets: Wh/w1..w6/:ai; Vd/v1..v8/:dj; links(wh,vd):c,x; endsets Data: ai=60,55,51,43,41,52; dj=35,37,22,32,41,32,43,38; c=6,2,6,7,4,2,5,9 4,9,5,3,8,5,8,2 5,2,1,9,7,4,3,3 7,6,7,3,9,2,7,1 2,3,9,5,7,2,6,5 5,5,2,2,8,1,4,3; Enddata Min=@sum(links(i,j):c(i,j)*x(i,j)); @for(wh(i):@sum(vd(j):x(i,j))<=ai(i)); @for(vd(j):@sum(wh(i):x(i,j))=dj(j)); end Global optimal solution found.
应用MATLAB 的一个例子 ——数学也是一门技术 王天顺 整理 本来想用 “数学也是一门技术”作题目，主要是基于两点，一是从数学的应用角度，它的确具备了作为一门技术的特征，这也就是今天我要通过一个例子要表达的；二是咱们在座的大多数都是从事职业教育的老师，不知道我理解得是不是正确，职业教育与普通教育的区别是较为侧重于教授技术，我主观上感觉这个题目和大家的关系更紧密一些。但是，这个题目有点太大了！和领导商量了一下还是换个题目吧。 首先可以证明：数学确是一门技术，比如说要从技术的定义入手，流行的做法是：查查《辞海》，查查相关的如《科学学辞典》和《科技辞典》等等，看看他们是怎样给技术定义的；其次，论述一下数学的确是符合这些定义的。 实际上，我也确实查阅过这些资料，可以说没有问题，一定可以找到证据证明这个论断！ 注：“技术”一词的中文解释有两种，一种是以《辞海》为代表的解释，把技术定义为：（1 ）泛指根据生产实践经验和自然科学原理而发展成的各种工艺操作方法与技能；（2）除操作技能外， 广义的还包括相应的生产工具和其他物质设备，以及生产的工艺过程或作业程序、方法。另一种是以《科学学辞典》和《科技辞典》为代表的解释，把技术定义为：是为社会生产和人类物质文化生活需要服务的，供人类利用和改造自然的物质手段、智能手段和信息手段的总和。 可见， “技术”一词所包含的内容除了有形的物化形态之外，还包括无形的智能形态方面。无形的智能形态的技术是客观存在的，在某种意义上说，这方面技术的作用并不亚于物化形态的技术，更不能为物化形态技术所取代（背景资料）。因此，有关“技术”的涵义，有人概括为：指的是有形的物化技术和无形的智能技术的总和。 当然，容易想到我们把数学看作一门技术，可能更多的是从技术的无形“智能形态”角度论述的。我想这只是他的一个方面，今天先给各位介绍的是一个例子，展现他的另一个方面，用数学（包括相关的软件）去解决一个实际问题，其过程就像“传统的”、物化形态的技术一样；其次，结合上述例子，探讨有关数学建模及相关培训指导工作的一般原则和步骤，谈一点个人对此项工作的认识；最后，介绍我校的这些年数学建模培训工作的一些具体做法。 一、足球比赛中的吊门问题 1. 问题：只考虑如下的因素：球与球门的距离为a ，守门员与球门的距离为b （假设在调 门过程中，守门员不能移动），球门高h ，守门员最大摸高H ，球出脚的初速度为0v ，与水平方向的夹角为α（称为初射角）．针对下列数据求能吊门成功的α，h=2.44m ，H=3.20m ，s m v /300= ，重力加速度g=10m/s 2，针对下列几组数据分别给出具体能吊门成功的相应初射角范围，要求精度在小数点后第4位。 （1） a=6m ，b=1m ； （2） a=10m ，b=3m ； （3） a=20m ，b=5m ； 2. 问题分析 （1） 在不考虑空气阻力的情况下，抛射体的运动轨迹是抛物线：
第四周 3. 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（ 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 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; 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);
实验三：利用Lingo 解一个具体的运输问题例子 1、 实验目的和任务 1.1. 进一步掌握Lingo 编程操作； 1.2通过实验进一步掌握运筹学运输问题的建模以及求解过程，提高学生分析问题和解决问题能力。 2、 实验仪器、设备及材料 计算机、Lingo 3、 实验内容 运输问题 问题P271 设有某种物资需要从m 个产地12,,...,m A A A 运到n 个销地12,,...,n B B B ,其中每个产地的生产量为 12,,...,m a a a ，每个销地的需求量为 12,,...,n b b b 。设从产地 i A 到销地 j B 的运费单价为 (1,2,...,, 1,2,..ij c i m j n ==，问如何调运可使总运费最少？ 3个产地4个销地的运输问题 建模 决策变量：决策变量就是产地i A 到销地j B 的运量ij x 目标函数： 1 1 m in m n ij ij i j z c x === ∑∑， 约束条件：第i 个产地的运出量应小于或等于该地的生产量，即 1 ,1,2,...,.n ij i j x a i m =≤=∑ 第j 个销地的运入量应等于该地的需求量，即
1 ,1,2,....m ij j i x b j n ===∑ 求解过程 编写模型程序： model : ! 3 Warehouse,4 Customer Transportation Problem; sets : Warehouse/1..3/:a; Customer/1..4/:b; Routes(warehouse,customer):c,x; endsets !here are the parameters; data : a=30,25,21; b=15,17,22,12; c=6,2,6,7, 4,9,5,3, 8,8,1,5; enddata ! The objective; [obj] min =@sum (routes:c*x); !The supply constraints; @for (warehouse(i):[sup]@sum (customer(j):x(i,j))<=a(i)); !The demand constraints; @for (customer(j):[dem] @sum (warehouse(i):x(i,j))=b(j)); end 计算结果： Global optimal solution found. Objective value: 161.0000 Total solver iterations: 6 Variable Value Reduced Cost A( 1) 30.00000 0.000000 A( 2) 25.00000 0.000000 A( 3) 21.00000 0.000000 B( 1) 15.00000 0.000000 B( 2) 17.00000 0.000000 B( 3) 22.00000 0.000000
m a t l a b数学建模实例集团标准化工作小组 #Q8QGGQT-GX8G08Q8-GNQGJ8-MHHGN#
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));
MATLAB在数学建模中的应用 （张威10322010910级专升本电气一班） 摘要 随着社会和计算机技术的发展，数学科学与计算机技术相结合，在社会各领域发挥着越来越重要的作用，能够方便、高效的解决各种实际问题。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。Matlab是一款非常好的软件,功能强大,应用面广。从实例出发，论述Matlab在数学建模中的应用，以提高对Matlab软件的认识，提高解决实际问题的能力。本文结合数学建模的几个环节，用一些实例阐述了Matlab在数学建模中的应用。将Matlab用于数学建模可以提高数学建模的效率和质量。丰富数学建模的方法和手段，具有重要的意义。 关键词:Matlab软件，数学建模，最优化 Abstract With the development of society and computer technology,mathematics,science and computer technology in all areas of society is playing an increasingly important role,It can easily and efficiently to solve practical problems.In the currently used mathematical modeling software,Matlab powerful numerical calculations,drawings,and a variety of toolbox functions,can quickly and efficiently solve the mathematical modeling involved in many areas of concern,much of those mathematical modeling all ages.Matlab is a very good software,powerful,wide range of applications.Starting from the example,discussed in Matlab in the application of mathematical modeling to improve understanding of the Matlab software,to improve the ability to solve practical problems.In this paper,several aspects of mathematical modeling with Matlab examples described in the application of mathematical modeling.Mathematical modeling of Matlab for mathematical modeling can improve the efficiency and quality.Extensive mathematical modeling methods and means of great significance. Key Words:MATLAB software,Mathematical modeling,Optimization
数学建模m a t l a b例题参考及练习
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 =，3x y =，3x y =，x y =的图象. 4． 画出3232)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321+=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 4cos 12sin 1lim 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)22)2(sin ln lim x x x -ππ→. 程序： sym x ; f=log(sin(x))/(pi-2*x)^2; limit(f,x,pi/2) 运行结果： lx23 ans = x x x sec 3 2 ) cos 1 ( lim + π →
附1：用LINGO求解线性规划的例子 一奶制品加工厂用牛奶生产A1、A2两种奶制品，1桶牛奶可以在设备甲上用12小时加工成3公斤A1，或者在设备乙上用8小时加工成4公斤A2。根据市场需求，生产的A1、A2能全部售出，且每公斤A1获利24元，每公斤A2获利16元。现在加工厂每天能得到50桶牛奶的供应，每天正式工人总的劳动时间为480小时，并且设备甲每天至多能加工100公斤A1，设备乙的加工能力没有限制。试为该厂制定一个生产计划，使每天获利最大，并进一步讨论以下3个附加问题： 1）若用35元可以购买到1桶牛奶，应否作这项投资？若投资，每天最多购买多少桶牛奶？ 2）若可以聘用临时工人以增加劳动时间，付给临时工人的工资最多是每小时几元？ 3）由于市场需求变化，每公斤A1的获利增加到30元，应否改变生产计划？ 数学模型：设每天用x1桶牛奶生产A1 ，用x2桶牛奶生产A2 目标函数：设每天获利为z元。x1桶牛奶可生产3x1公斤A1，获利24*3x1，x2桶牛奶可生产4*x2公斤A2，获利16*4x2，故z=72x1+64x2 约束条件： 原料供应：生产A1、A2的原料（牛奶）总量不超过每天的供应50桶，即 x1+x2≤50 劳动时间：生产A1、A2的总加工时间不超过每天正式工人总的劳动时间480小时，即 12x1+8x2≤480 设备能力：A1的产量不得超过设备甲每天的加工能力100小时，即 3x1≤100 非负约束：x1、x2均不能为负值，即x1≥0，x2≥0 综上所述可得 max z=72x1+64x2 s.t. x1+x2≤50 12x1+8x2≤480 3x1≤100 x1≥0，x2≥0 显然，目标函数和约束条件都是线性的，这是一个线性规划（LP），求出的最优解将给出使净利润最大的生产计划，要讨论的问题需要考虑参数的变化对最优解和影响，一般称为敏感性（或灵敏度）分析。 LINGO求解线性规划 用LINGO求解线性规划时，首先在LINGO软件的模型窗口输入一个LP模型，模型以MAX或MIN 开始，按线性规划问题的自然形式输入（见下面例子所示）。 以下解加工奶制品的生产计划问题： 由于LINGO中已假设所有的变量都是非负的，所以非负约束条件不必输入；LINGO也不区分变量中的大小写字符（实际上任何小写字符将被转换为大写字符）；约束条件中的“〈=”及“〉=”可用“〈”及