数学实验和数学建模

数学建模数学实验插值及案例在科学研究和工程实践中，数学建模扮演着至关重要的角色。

通过建立数学模型，我们可以对现实世界的现象进行模拟和预测。

其中，插值方法是一种重要的数学建模工具，用于估计在给定数据点之间的未知值。

本文将探讨插值方法的基础理论以及一个具体的数学实验案例。

插值方法是一种数学技术，通过在给定的数据点之间估计未知的值。

最常用的插值方法包括线性插值、多项式插值和样条插值等。

线性插值是最简单的插值方法，它将数据点之间的变化视为线性的，即变化率保持恒定。

多项式插值方法则通过构建一个多项式函数来逼近数据点的变化趋势。

样条插值则通过将数据点连接成平滑的曲线来进行插值。

本案例将利用多项式插值方法对房价进行预测。

我们收集了一组房屋价格数据，包括房屋的面积、房龄、位置等信息。

然后，我们使用多项式插值方法构建一个函数来描述房价与这些因素之间的关系。

通过调整多项式的阶数，我们可以控制模型的复杂性。

我们使用该模型来预测新的房价。

在本案例中，我们使用了200个样本数据进行训练，并使用另外100个数据点进行测试。

我们发现，通过增加多项式的阶数，模型的预测精度可以得到提高。

然而，当阶数增加到一定程度后，模型的性能改善不再明显。

我们还发现模型的预测结果对训练数据的分布非常敏感，对于分布偏离较大的新数据点，预测结果可能会出现较大误差。

通过本次数学实验，我们深入了解了插值方法在数学建模中的应用。

在实际问题中，插值方法可以帮助我们更好地理解数据的变化趋势和预测未知的值。

然而，插值方法也存在一定的局限性，如本实验中模型对训练数据分布的敏感性。

未来工作中，我们可以尝试采用其他更加复杂的模型，如神经网络、支持向量机等来提高预测精度。

我们还应充分考虑数据的分布特性，以提高模型的泛化能力。

插值方法是数学建模中的重要工具之一，它可以让我们更好地理解和预测数据的趋势。

通过本次数学实验，我们深入了解了多项式插值方法的工作原理和实现过程，并成功地将其应用于房价预测问题中。

数学建模与数学实验习题答案数学建模与数学实验习题答案数学建模和数学实验习题是数学学习中的重要组成部分，通过这些习题，我们可以更好地理解和应用数学知识。

本文将介绍数学建模和数学实验习题的一些答案和解题方法，帮助读者更好地掌握数学学习。

一、数学建模数学建模是将数学方法和技巧应用于实际问题的过程。

在数学建模中，我们需要将实际问题抽象为数学模型，并通过数学方法进行求解和分析。

下面是一个简单的数学建模问题和其解题过程。

问题：某工厂生产产品A和产品B，每天的产量分别为x和y。

产品A的生产成本为10x+20y，产品B的生产成本为15x+10y。

如果工厂每天的总成本不超过5000元，且产品A的产量必须大于产品B的产量，求工厂一天最多能生产多少个产品。

解题过程：首先，我们需要建立数学模型来描述这个问题。

设产品A的产量为x，产品B的产量为y，则问题可以抽象为以下数学模型：10x+20y ≤ 5000x > y接下来，我们需要解决这个数学模型。

首先，我们可以通过图像法来解决这个问题。

将不等式10x+20y ≤ 5000和x > y转化为直线的形式，我们可以得到以下图像：（图像略）从图像中可以看出，不等式10x+20y ≤ 5000和x > y的解集为图像的交集部分。

通过观察图像，我们可以发现交集部分的最大值为x=250，y=125。

因此，工厂一天最多能生产250个产品A和125个产品B。

除了图像法，我们还可以通过代数法来解决这个问题。

将不等式10x+20y ≤ 5000和x > y转化为等式的形式，我们可以得到以下方程组：10x+20y = 5000x = y通过求解这个方程组，我们可以得到x=250，y=125。

因此，工厂一天最多能生产250个产品A和125个产品B。

二、数学实验习题数学实验习题是通过实际操作和实验来学习数学知识和技巧的一种方式。

下面是一个关于概率的数学实验习题和其答案。

习题：一枚硬币抛掷10次，求出现正面的次数为偶数的概率。

比例建模比例是最基本也是最常用的数学建模方法之一. 在实际应用领域和理论推导过程中, 比例关系往往发挥着至关重要的作用. 例如牛顿第二定律ma F =, 微分公式dx x f x df )()('=等等.一、比例的定义变量y 与x 成比例(x y ∝):)0(>=k kx y . 显然, 比例关系具有反身性, 对称性, 传递性:x x ∝,y x x y ∝⇔∝, z x z y y x ∝⇒∝∝,.比例关系还可推广, 如x e y x y x y ∝∝∝,ln ,α.一般地,)(x f y ∝.实际应用举例:导数: 函数的增量与自变量的增量之比的极限x x f x f ∆∆/)()(=', 当导数大于零时, 在自变量很小时可近似地认为函数的增量与自变量的增量成比例.间谍照片经翻拍, 成为胶片上芝麻大的一点, 剪下后便于隐藏. 其中图形的大小关系显然要利用比例来计算. (华盛顿特区间谍博物馆)生产队的分配比例: 拿1万斤粮食分配给社员家庭, 其中30%按人口比例分配, 70%按工分比例分配, 每家应得的粮食斤数.二、比例的几何表示y 与x 成比例, 即0,>=k kx y , y 的图形为xy 坐标系中过原点的直线. 若)(x f y ∝, 在坐标系中横轴表示f (x ), 纵轴表示y , 这时y 的图形也为直线. 下图为25.0x y =的图形: 注: 比例的图形为直线, 但图形为直线的量未必成比例. 例如42+=x y , y 与x 并不成比例. 但是, 4-y 与x 成比例.著名公式中的比例关系Hooke's law: F = kS (虎克定律: 弹力与形变成正比) Newton's law: F = ma Ohm's law: V = iRBoyle's law: V = k /p (玻尔定律: 常温下一定量的气体体积与压强成反比, 即与压强的倒数成正比)Einstein's theory of relativity: E = c 2MKepler's third law: T = cR 3/2, 开普勒第三定律:T 为行星绕太阳运行的周期, R 为行星到太阳的平均距离.例1 以著名的开普勒第三定律(Kepler's third law)为例进行讨论. 1601年, 德国天文学家Johannes Kepler 成为Prague 天文台的主任. Kepler 曾帮助Tycho Brahe 收集了13年的火星相对运动的资料. 到了1609年, Kepler 建立了他的前两个定律:1. 每个行星沿一个椭圆运动, 太阳位于此椭圆的一个焦点上.2. 对于每个行星, 太阳到此行星的直线在相同的时间里扫过相同的面积.Kepler 花费了许多年推导了这两个定律, 并进而得到了上述的第三定律, 此定律把行星的轨道运行周期和到太阳的平均距离联系了起来. 以下是1993年世界年鉴(World Almanac)给出的资料:表1 行星的轨道周期和到太阳的平均距离行星周期T (天) 平均距离R (百万哩) Mercury 水星 88.0 36 V enus 金星 224.7 67.25 Earth 地球 365.3 93 Mars 火星 687.0 141.75 Jupiter 木星 4331.8 483.80 Saturn 土星 10760.0 887.97 Uranus 天王星 30684.0 1764.50 Neptune 海王星 60188.3 2791.05 Pluto 冥王星90466.83653.90以2/3R 为横坐标, T 为纵坐标, 用Matlab 画出其图形(编制程序为period1.m)如下:可见各点基本上是在过原点的直线2/3cR T =上, 由于各点相对距离相差较大, 前四个点重叠在一起. 把上述方程两边同取对数, 改写为等价的形式R c T ln 23ln ln +=,其图形相当于上述图形中坐标刻度向原点压缩, 在画出上述图形的程序中把画图命令plot(R.^(3/2), T)改为loglog(R.^(3/2), T)即可. 图形如下. 各点仍基本在一条直线上, 体现了ln T 和ln R 间的线性关系, 但直线不过原点, 因为直线在ln P 轴上有截距ln c . c 可用最小二乘法求出为0.4095.若假设αcR T =, 对表1中给出的T 和R 的数据, 用最小二乘法可求出c = 0.4043, α = 1.5016. 这也验证了Kepler 第三定律的正确性.对给定的两组数据{x i }和{y i }, 如何建立它们间的比例关系呢?进行数学实验, 在坐标系中画出点{x i , y i }, 如不是直线或不过原点, 可通过试验, 寻找y 0和函数f (x ), 使{y i - y 0, f (x i )}基本在过原点的直线上, 则有)(0x f y y ∝-. 可供选择的函数类型有)ln(,,ax e x ax a等等.三、比例的应用之一: 几何相似定义: 两个物体称为是几何相似的, 如果在这两个物体的各点之间有一个一一对应, 使得两个物体上所有对应点对距离之比恒为常数.这个常数称为这两个几何相似物体间的比例因子. 若两个物体相似, 其比例因子为k , 则这两个物体的表面积之比为k 2, 体积之比为k 3. 对相似的几何体, 可选取一个所谓特征量纲, 例如, 对圆柱体, 可用其高h , 或底半径r , 直径d , 或底面积S d , 侧面积S c , 表面积S , 或体积V 作为特征量纲. 两个相似几何体的比例因子k 确定后, 不但它们的表面积之比, 体积之比也可得到, 而且所有(不限于两个, 甚至可以是无穷多个)相似几何体的表面积或体积与特征量纲的某次幂的比也为常数. 例如, 若取某个长度l 为特征量纲, 则222'','l l k S S k l l ===, 故有22''l S l S =.由传递性, 对所有相似的几何体, 有常数≡2lS, 2l S ∝.同理有常数≡3lV, 3l V ∝.于是, 如果要考查一个依赖于物体长度, 表面积和体积的函数, 比如),,(V S l f y =,则可通过选择特征量纲, 例如l , 把此函数表为),,(32l l l g y =.例2 从静止的云上落下的雨滴. 假设雨滴从具有足够高度的静止的云上落下, 雨滴在下落过程中受到两个力的作用: 竖直向下的重力F g 和竪直向上的空气阻力F d . 由流体力学的原理知, 可设空气阻力F d 与雨滴的表面积S 和下落速度v 的平方的乘积成正比; 而重力F g 与雨滴的质量m 成正比(假设在涉及的高度内重力加速度为常数), 因此也与其体积V 成正比. 雨滴下落过程中, 随着下落速度v 的增加, 阻力F d 也在增加, 但重力F g 保持不变. 因此下落一段时间后, 阻力F d 与重力F g 达到平衡, 雨滴受到的合力为零, 保持匀速下落. 这时,d g F F =. 再假设所有的雨滴都是几何相似的, 有23,l S l V ∝∝, 从而3/23/2m V S ∝∝. 由于m F ∝g ,23/22v m Sv F ∝∝d , 且d g F F =, 得23/2v m m ∝,化简得6/1m v ∝, 或6/1km v =,即雨滴最终保持匀速下落的速度与其质量的六次方根成正比. 又一解法:0,023/2=-=-==t d g v v km mg F F dtdv, .)2(,0)1(23/2v kmmg k ≥>其中分离变量解得vk m g v k m g m kg t -+=6/16/16/5ln 21, 上式左端趋于无穷大, 并由条件(1), (2)有)(06/1∞→+→-t v k m g ,即在极限状态下,6/1m v ∝.。

数学专业的数学实践活动数学专业是理工类学科中的一门经典学科，以其求真、精确的特点吸引着越来越多的学生。

而数学的学习不仅仅停留在理论层面，更需要进行实践活动，通过亲身体验来加深对数学知识的理解和应用能力的提升。

下面我们将介绍一些数学专业的实践活动。

第一种实践活动是数学建模比赛。

数学建模比赛是数学专业学生与实际问题结合，通过数学方法分析问题，构建数学模型，并通过编程求解的过程。

这种活动不仅锻炼了学生的数学建模能力，还培养了学生的团队合作能力和解决问题的能力。

比赛中的实际问题涉及到不同的领域，如物理、经济、生态等，可以让学生在实践中学习到更多的知识。

第二种实践活动是数学实验。

数学实验是一种通过实验来验证数学理论的方法，可以更加直观地理解数学概念和原理。

例如，学生可以通过实验来验证三角函数的性质，或者通过实验来观察随机事件的统计规律。

数学实验不仅培养了学生的实验技能，还提高了学生的观察和分析问题的能力。

第三种实践活动是数学模拟。

数学模拟是通过数学模型对实际问题进行仿真和预测，可以帮助我们更好地理解问题的本质和趋势。

例如，可以通过建立微分方程模型来研究人口增长问题，或者通过概率模型来预测股票价格的波动。

数学模拟活动能够提高学生的数学建模能力和编程能力，培养学生独立思考和解决实际问题的能力。

第四种实践活动是数学竞赛。

数学竞赛是一种选拔优秀数学人才的途径，也是展示数学实力的平台。

不同级别的数学竞赛不仅可以检验学生的数学知识和解题能力，还要求学生在有限的时间内快速思考和分析问题，锻炼了学生的应变能力和抗压能力。

参加数学竞赛不仅能够提高学生的数学水平，还能增加学生的自信心和竞争意识。

通过以上的数学实践活动，学生能够在实际问题中应用数学知识，培养数学思维和创新能力。

数学专业的学生通过实践活动的锻炼，既能够更好地理解数学知识的内涵，又能够提高应用数学的能力，为未来从事科学研究和数学应用奠定坚实的基础。

总结起来，数学专业的数学实践活动包括数学建模比赛、数学实验、数学模拟和数学竞赛等。

P594•学校共1002名学生，237人住在A 宿舍，333人住在B 宿舍，432 人住在C 宿舍。

学生要组织一个10人的委员会，使用Q 值法分配各 宿舍的委员数。

解:设P 表示人数，N 表示要分配的总席位数。

i 表示各个宿舍（分别取 A,B,C ）， p i 表 示i 宿舍现有住宿人数， n i 表示i 宿舍分配到的委员席位。

首先，我们先按比例分配委员席位。

23710 A 宿舍为:n A ==2.365 1002 333"0 B 宿舍为：n B =3.323 1002 432X0 C 宿舍为：n C =4.3111002现已分完9人，剩1人用Q 值法分配。

经比较可得，最后一席位应分给 A 宿舍。

所以，总的席位分配应为： A 宿舍3个席位，B 宿舍3个席位，C 宿舍4个席位。

QA23722 3= 9361.5 Q B33323 4 = 9240.7 Q C4322 4 5=9331.2商人们怎样安全过河傻麴删舫紬削＜ I 11山名畝臥蹄峨颂禮训鋤嫌邂 韻靖甘讹岸讎鞍輯毗匍趾曲展 縣確牡GH 錚俩軸飙奸比臥鋪謎 smm 彌鯉械即第紘麵觎岸締熾 x^M 曲颁M 删牘HX …佛讪卜过樹蘇 卜允棘髒合 岡仇卅毘冋如;冋冋1卯;砰=口 於广歎煙船上觸人敦% V O J U;xMmm朗“…他1曲策D 咿川| thPl,2卜允隸策集合 刼為和啊母紳轉 多步贱 就匚叫=1入“山使曲并按 腿翻律由汩3』和騒側），模型求解 -穷举法〜编程上机 ■图解法S={(x ?jOI x=o, j-0,1,2,3;X =3? J =0,1,2,3； X =»*=1,2}J规格化方法，易于推广考虑4名商人各带一随从的情况状态$=（xy¥）~ 16个格点 允许状态〜U ）个。

点 , 允许决策〜移动1或2格； k 奇）左下移；&偶，右上移. 右，…，必I 给出安全渡河方案评注和思考［廿rfn片,rfl12 3xmm賤縣臓由上题可求：4个商人，4个随从安全过河的方案。

数学建模和数学实验参考文献
数学建模是一种利用数学理论和方法，将现实问题转化为数学模型，为决策提供指导的方法。

数学建模的理论基础是概率论和数理统计，它既然需要运用数学理论和方法，将实际情况转化为数学模型，又涉及计算的技术，数学实验的参考文献是非常重要的。

首先，我们要明确一点，数学建模是一种系统的工程思维方法，它涉及多种数学理论、多种数学方法以及多种科学技术。

在做数学建模，要熟悉了解运用这些理论、方法和技术，解决问题。

举例来说，我们可以利用概率论和数理统计，进行决策分析，为决策提供参考依据。

这样，就要深入了解概率论和数理统计的知识，寻求最优的解决方案，这就涉及到了查找相关参考文献的工作。

其次，做数学建模实验也是需要参考文献的，在构建实验方案的过程中，有必要查找有关的参考文献，了解实验的正确做法，同时也注意识别假设问题，改善实验设计，实现实验的准确性和可行性。

有效地查找有关参考文献，有助于提高实验的质量。

最后，我们需要注意论文格式，在写作论文时，要遵守规范，使用准确的语言，适当的注释和参考文献，有利于论文的质量。

综上所述，数学建模与数学实验参考文献对于做数学建模和数学实验，都是非常重要的工具。

基于此，对于不同行业的数学建模从业者来说，应该掌握扎实的基础知识，扩大常识范围，学习使用不同参考文献，做出科学精确、贴近实际应用的数学模型，为决策提供参考。

- 1 -。

数学建模与数学实验复习范围: 题型为:简答题、建模计算题和编写程序。

1. 数学建模的步骤和模型按照表现特性的分类。

（1）数学建模步骤：模型准备、模型假设、模型构成、模型求解、模型分析、模型检验、模型应用、（2）模型按照表现特性分类：确定性模型和随机性模型、静态模型和动态模型、线性模型和非线性模型、离散模型和连续模型2. 人口模型：要求（1）指数增长模型的建立及求解（2）阻滞增长模型的建立.（1）指数增长模型的建立及求解：设t 时刻的人口为)(t x ，经过一段短的时间t ∆后，在t t ∆+时刻，人口数量变化为)(t t x ∆+。

由基本假设，在这段短的时间t ∆内，人口数量的增加量应与当时的人口)(t x 成比例，不妨设比例系数为0r ，即t ∆内人口的增量可写为t t x r t x t t x ∆=-∆+)()()(0等式两边同除以t ∆，当0→∆t 时)()()(lim00t x r t t x t t x t =∆-∆+→∆ 等号的左边即是导数t x d d ，已知初始时刻人口数量为0x ，则⎪⎪⎩⎪⎪⎨⎧==00)0()(d d x x t x r t x (2.2) 就是描述人口随时间变化的带初始条件的微分方程。

用分离变量法求解，得t r x t x 0e )(0=（2）阻滞增长模型的建立：由于自然资源的约束，人口存在一个最大容量m x 。

增长率不是常数，随人口增加而减少。

它具有以下性质：当人口数量)(t x 很小且远小于m x 时，人口以固定增长率0r 增加；当)(t x 接近m x 时，增长率为零。

0r 和m x 可由统计数据确定。

满足上述性质的增长率可以写作)1()(0mx x r x r -= (2.4)这样Malthus 模型公式(2.2)变为⎪⎪⎩⎪⎪⎨⎧=-=00)0()1(d d x x x x x r t x m (2.5) 称为阻滞增长模型或Logistic 模型。

数学建模与数学实验pdf
1数学建模与数学实验
数学建模是运用数学方法描述实际问题，并用数学模型表示真实系统，以实现问题特征和解决问题的过程。

它是一种广泛应用于工程，物理，经济和社会等学科的重要方法。

数学建模是从宏观层面深入理解真实系统，揭示系统本质结构，分析和解决实际问题的有用方法。

数学实验是采用科学方法，通过实践探索，模拟，原型测试，从初步发现和总结由此得出的规律，来达到解释和提出新理论，从而检验数学建模关系式前后矛盾等目的。

数学实验是通过事实材料来论证数学建模和数学思想的实践过程，可以深入了解数学本身的特性，加深对数学的理解，进一步完善数学建模的过程。

数学建模与数学实验相辅相成，可以有效地提高数学模型的建立效率，进而降低时间和成本的消耗。

在工程，物理，经济和社会等多个领域，数学建模与数学实验都有着重要的作用。

它们给人们以有用的思路，是今天有效求解数学问题和发现数学形式解决方案不可或缺的重要工具。

结论：数学建模与数学实验以及科学方法相结合，是研究有关问题求解和理论发现的有效工具。

数学建模与数学实验数学建模是指利用一定的数学方法和技巧，对实际问题进行描述、分析和解决的过程。

数学建模是将数学与实际问题相结合的一门学科，在理论研究和实际应用中都具有重要的意义。

而数学实验则是通过实际的实验操作，观测数据，验证数学模型的准确性和可靠性。

一、数学建模数学建模是将实际问题抽象化，建立数学模型，通过数学工具求解问题。

数学建模的基本步骤包括：问题描述，建立数学模型，选择方法解决问题，模型分析和结果验证。

数学建模需要综合运用数学分析、概率统计、优化理论等数学学科知识，对问题进行全面深入的研究。

数学建模在科学研究、工程技术、金融经济等领域有着广泛的应用。

例如，在气象预报中，可以利用数学建模对气象系统进行模拟，预测未来的气象变化；在医学领域，可以通过建立数学模型研究疾病的传播规律，提出有效的防控措施。

二、数学实验数学实验是对数学理论进行验证和实际应用的过程，通过实际操作和数据观测，检验数学模型的有效性和可行性。

数学实验可以帮助研究者理解数学问题的本质，加深对数学知识的理解和掌握。

数学实验通常包括设计实验方案、收集数据、进行数据处理和分析等步骤。

通过数学实验，可以验证数学定理和推论的正确性，检验数学模型的准确性和可靠性。

数学实验是数学研究中重要的一环，可以促进数学理论的发展和应用。

三、数学建模与数学实验的关系数学建模和数学实验是相辅相成的。

数学建模是将实际问题转化为数学问题进行求解，而数学实验则是对数学模型进行检验和验证，使得模型更加符合实际情况。

数学建模离不开数学实验的支持，数学实验则需要数学建模的指导和支持。

在现代科学研究和工程实践中，数学建模与数学实验密切结合，共同推动科学技术的发展。

通过数学建模和数学实验，人们可以更好地理解和解决实际问题，促进科学知识的传播和应用。

总之，数学建模与数学实验是数学研究中不可或缺的两个环节，它们相互交融、相互促进，共同推动数学学科的发展和应用。

数学建模和数学实验的重要性在于将数学理论与实际问题相结合，提高数学研究的实用性和应用价值，为人类社会的发展进步做出贡献。

数学实验与数学建模MATLAB实验报告78数学实验与数学建模实验报告学院：信息科学与⼯程学院专业班级：姓名：学号：习题七1.求下列微分⽅程的通解（1）x y x y dx dy -+=（2）yxx y y +=cos ' （3）（xcosy+sin2y ）y`=1 (4)x ey y y x2cos 3=-'+''(5) x y e y y x 2cos 3'''=-+解：(1)dsolve('Dy=(y+x)/(y-x)','x')(2)dsolve('Dy=cos(y/x)+x/y','x')(3)dsolve('(x*cos(y)+sin(2*y))*Dy=1','x')(4)dsolve('D2y+3*Dy-y=exp(x)*cos(2*x)','x')(5)dsolve('D2y+3*Dy-y=exp(x*cos(2*x))','x')ans=exp(1/2*(-3+13^(1/2))*x)*C2+exp(-1/2*(3+13^(1/2))*x)*C1-1/13*13^(1/2)*(-Int(exp (1/2*x*(3-13^(1/2)+2*cos(2*x))),x)*exp(x*13^(1/2))+Int(exp(1/2*x*(3+13^(1/2)+2*cos(2*x))),x))*exp(-1/2*(3+13^(1/2))*x) 2．求下列初值问题的解(1)==-++-+=10)2(212222y x y y x x dx dy xy xy (2)????===++==V dt dx x x a t t x dt dx n dt x d 000222,02解：(1) dsolve('x^2+2*x*y-y^2+(y^2+2*x*y-x^2)*Dy=0','y(1)=1','x')(2) dsolve('D2x+2*n*Dx+a^2*x=0','x(0)=x0','Dx(0)=V0','t')ans =1/2*(n*x0+(n^2-a^2)^(1/2)*x0+V0)/(n^2-a^2)^(1/2)*exp((-n+(n^2-a^2)^(1/2))*t )-1/2*(n*x0-(n^2-a^2)^(1/2)*x0+V0)/(n^2-a^2)^(1/2)*exp((-n-(n^2-a^2)^(1/2))*t)3．求微分⽅程组=--=++t te y x dtdy e y x dtdx 235的通解.解：[x,y]=dsolve('Dx+5*x+y=exp(t)','Dy-x-3*y=exp(2*t)','t')x =-4*exp((-1+15^(1/2))*t)*C2+exp((-1+15^(1/2))*t)*C2*15^(1/2)-4*exp(-(1+15^(1/2))*t)*C1-exp(-(1+15^(1/2))*t)*C1*15^(1/2)+2/11*exp(t)+1/6*exp(2*t) y =exp((-1+15^(1/2))*t)*C2+exp(-(1+15^(1/2))*t)*C1-1/11*exp(t)-7/6*exp(2*t) 4．求下列初值问题的解(1)⽅程组+=+=11x dtdy y dt dx满⾜=-=0)0(2)0(y x 的特解。

数学建模与数学实验机械工程学院机械设计制造及其自动化1106班刘鹏1105040617实验目的：1，了解数学建模与数学实验的区别：数学建模与数学实验都要用到计算机，但数学建模课是让学生学会利用数学知识和计算机来解决实际问题，而数学实验课侧重于在计算机的帮助下学习数学知识。

一个用数学，一个学数学，两者目标不同。

从内容选材上两者都是从实际出发，而不是从概念出发，但数学建模强调问题的实用，而不是强调普遍性，解决问题本身就是目的，数学实验可以从理论问题出发，也可以由实际问题出发，也可以由实际问题引入，但这个问题一般是比较经典，有较普遍意义。

2，了解数学实验的含义：数学实验是计算机技术和数学软件引用教学后出现的新兴事物，是数学教学体系，内容和方法改革的一项创造性尝试，在国家教育部关于“高等教育面向21世纪教学内容和课程体系改革”计划中，已把数学实验列为高校非数学类专业的数学基础课之一。

数学实验概括的讲包括两部分内容，即“数学的实验”“数学实验应用”。

数学的实验实用计算机及有关的工作软件解决数学问题，数学的实验应用实用计算机及有关的工作软件及数学知识和方法求解其他科学领域的实际问题3，了解数学实验的意义：数学实验是将数学知识，数学建模知识和计算机应用能力三者融为一体，他可以使我们深入的了解数学的基本概念，数字常用数学软件，培养我们应用知识建立数学模型和计算机解决实际问题的能力，使我们对数学软件进行初步的了解，使我们对sin、Cos、tan、cot、sec、csc、fix、ceil、exp、log、conj、imag、real、limit、diff、int、desolve、ezplotfminban 等一些键功能的了解。

实验能容2 编写函数M文件SQRT.M;函数在x=567.889与0.0368处的近似值（保留有效数四位）在指令窗口输入指令edit，打开空白的M文件编辑器；里面输入syms x1 x2 s1 s2 zhi1 zhi2x1=567.889;x2=0.368;s1=sqrt(x1);s2=sqrt(x2);zhi1=vpa(s1,4)zhi2=vpa(s2,4)然后保存并命名为SQRT.M即可6 用matlab计算函数在x=-2.1处的值.>> 2-3^x*log(abs(x))ans =1.92618 用紫色.叉号.实连线绘制函数在上步长为0.2的图像.>>syms x y>> x=-20:0.2:-15;y=log(abs(x+10));>>plot(x,y,'mx-')9 用红色.加号连线虚线绘制函数在[-10,10]上步长为0.2的图像.>>syms x y;>> x=-10:0.2:10;y=sin(x/2-pi/2);>>plot(x,y,'r+--')12 在同一坐标系中绘制函数这三条曲线的图标,并要求用两种方法加各种标注.>>syms x y1 y2 y3;>> x=-2:0.1:2;y1=x.^2;y2=x.^3;y3=x.^4;plot(x,y1,x,y2,x,y3);13 作曲线的3维图像>>syms x y t z>> t=0:1/50:2*pi;>> x=t.^2;y=sin(t);z=t;>> stem3(x,y,z)15 求极限>>syms x y>> y=sin(2^0.5*x)/sqrt(1-cos(x));>> limit(y,x,0,'right')ans =22 求函数y=的导数>>syms x y>> y=(2*x-1)^5+atan(x);>>diff(y)ans =28在区间()内求函数的最值. >> f='-3*x^4+4*x^3-1';>> [x,y]=fminbnd(f,-inf,inf)x =NaN30 求不定积分>>syms x y>> y=log(3*x)-2*sin(x);>>int(y)ans =2*cos(x) - x + x*log(3) + x*log(x)31求不定积分>>syms x y>> y=exp(x)*sin(x)^2;>>int(y)ans =-(exp(x)*(cos(2*x) + 2*sin(2*x) - 5))/1032. 求不定积分>>syms x y>> y=x*atan(x)/(1+x)^0.5;>>int(y)Warning: Explicit integral could not be found.ans =int((x*atan(x))/(x + 1)^(1/2), x)33.计算不定积分>>syms x y>> y=1/exp(x^2)*(2*x-cos(x));>>int(y)Warning: Explicit integral could not be found. ans =int(exp(-x^2)*(2*x - cos(x)), x)34.计算定积分>>syms x y>> y=exp(-x)*(3*x+2);>>int(y,0,1)ans =5 - 8*exp(-1)35.计算定积分>>syms y x>> y=(x^2+1)*acos(x);>>int(y,0,1)ans =11/936.计算定积分>>syms x y>> y=(cos(x)*log(x+1));>>int(y,0,1)Warning: Explicit integral could not be found. ans =int(log(x + 1)*cos(x), x == 0..1)37计算广义积分;>>syms y x>> y=(1/(x^2+2*x+2));>>int(y,-inf,inf)ans =pi38.计算广义积分；>>syms x y>> y=x^2*exp(-x);>>int(y,0,+inf)ans =y =NaN>> f='3*x^4-4*x^3+1'>> [x,y]=fminbnd(f,-inf,inf)x = NaNy =NaN>>syms x>> x=-2.1;数学实验学院：机械工程学院专业班级：机设1106姓名：刘鹏学号：1105040617日期：2013年1月6日星期日。

方案2024河南科技大学数学建模与实验方案A一说到数学建模，我脑海中瞬间浮现出那些复杂的公式、冗长的数据，以及那些需要我们深入挖掘的内在规律。

而实验方案，则是对这些规律的验证和探索。

今天，我就要带大家一起走进这场数学建模与实验的奇妙旅程。

我们得明确我们的目标。

这次，我们的任务是根据给定的数据，构建一个数学模型，并通过实验验证我们的模型。

这个模型，既要能够准确反映数据的内在规律，又要具有一定的预测能力。

那么，我们该如何进行呢？第一步，数据预处理。

数据，是构建模型的基础。

我们需要对数据进行清洗、整理，去除其中的噪声和异常值，提取出有用的信息。

这个过程，就像是在沙滩上寻找美丽的贝壳，需要我们有耐心，有细心，还要有慧眼。

第二步，模型构建。

根据预处理后的数据，我们开始构建模型。

这个过程，就像是在拼图，我们需要找到每一块拼图的正确位置，让它们组成一幅完整的画面。

这个模型，既要能够反映数据的内在规律，又要具有一定的预测能力。

在模型构建的过程中，我们可能会遇到各种各样的问题。

比如，我们可能会发现，我们的模型在某一方面的表现并不理想，那么我们就需要回到数据预处理阶段，重新审视我们的数据，看看是否有遗漏或者错误的地方。

又比如，我们可能会发现，我们的模型在某些情况下会出现过拟合或者欠拟合的情况，那么我们就需要对模型进行调整，优化模型的参数。

就是实验验证阶段。

我们需要根据我们的模型，设计一系列的实验，来验证我们的模型的准确性和预测能力。

这个过程，就像是在进行一场考试，我们的模型就是我们的答案，而实验结果就是我们的分数。

在实验过程中，我们可能会发现，我们的模型在某些情况下并不能很好地预测结果。

这个时候，我们不要灰心，也不要气馁，而是应该回到模型构建阶段，重新审视我们的模型，看看是否有改进的空间。

在整个过程中，我们需要不断地迭代，不断地优化我们的模型，直到我们找到一个既能够准确反映数据内在规律，又具有良好预测能力的模型。

当然，这个过程并不是一帆风顺的。