应用微分方程建立数学模型课件.ppt
《应用微分方程建立数学模型课件.ppt》由会员分享,可在线阅读,更多相关《应用微分方程建立数学模型课件.ppt(152页珍藏版)》请在三一办公上搜索。
1、第一部分 应用微分方程建立数学模型,第一节 基础知识,一、基本概念:微分方程、阶、解、通解、特解、积分曲线、初值问题二、方程的类型及其解法五类一阶方程及其解法、简单的可降阶的高阶方程、简单的微分方程组,三、微分方程稳定性理论简介,1、一阶方程的平衡点和稳定性(1)定义1:设有微分方程,显然它是方程(1)的解(或称奇解).,定义2:如果从所有可能的初始条件出发,方程(1)的解 都满足,(2)判断平衡点 是否稳定的两种常用方法:间接法:利用定义2,即利用(3)式.直接法:不求方程(1)的解,将 在点 处作泰勒展开,只取一次项,方程(1)近似为,(4)称为(1)的近似线性方程,显然,也为,方程(4)
2、的平衡点。,则关于平衡点 是否稳定有如下结论:若,则平衡点 对于方程(4)和(1)都是稳定的;若,则平衡点 对于方程(4)和(1)都是不稳定的,2、二阶方程的平衡点和稳定性,方程的一般形式可用两个一阶方程表示,(5),定义3:代数方程组,的实数根,,称它为(5)的一个平衡点(或奇点),记为,.,定义4:如果从所有可能的初始条件出发,方程(5)的解,都满足(6)则称平衡点 是稳定的(或渐近稳定);否则,称 是不稳定的(或不渐近稳定).,为了用直接法讨论方程(5)的平衡点的稳定性,先看线性常系数方程组的一般形式为,(7),显然 为系统的奇点,记系统系数矩阵,特征方程为为了书写方便,令,于是特征方程
3、可写为特征根为.,下面就分别特征根为相异实根、重根及复根三种情况加以研究:,1),二根同正,二根同负,是不稳定结点,二根异号,是鞍点,是稳定结点,2),负的重根,是不稳定的临界结点,正的重根,是不稳定的退化结点,是稳定的临界结点,是稳定的退化结点,3),复数根的实部不为零,是不稳定焦点,是稳定焦点,复数根的实部为零,是中心,这些结果可以全都反映在 下列参数平面上,从而,根据特征方程的系数、的正负很容易判断平衡点的稳定性,准则如下:,若,、,则平衡点稳定;,或,则平衡点不稳定.,若,对于一般的非线性方程(5),可以用近似线性方法判断其平衡点 的稳定性:设 是方程,(5),的奇点,总可以用坐标平移
4、,使 对应新坐标的原点,在 点作泰勒级数展开得,(8),其中,将右端高次项略去,得一次近似,(9),在一般情况下用下面的定理:定理1:对于非线性系统(5),若有(即我们讨论的奇点是初等奇点,也就是线性系统的系统矩阵 的特征值非零),且 为系统(7)的结点(不包括退化结点及临界结点)、鞍点或焦点.又 在 的邻域连续可微,且满足,则非线性系统(5)的奇点类型与其近似线性系统(7)的奇点类型完全相同.,第二节 微分方程模型,应用微分方程建立数学模型通常要运用如下两种方法:1、所谓平衡原理是指自然界的任何物质在其变化的过程中一定受到某种平衡关系的支配.注意发掘实际问题中的平衡原理是从物质运动机理的角度
5、组建数学模型的一个关键问题.就象中学的数学应用题中等量关系的发现是建立方程的关键一样.,2、微元法是指在组建对象随着时间或空间连续变化的动态模型时,经常考虑它在时间或空间的微小单元变化情况,这是因为在这些微元上的平衡关系比较简单,而且容易使用微分学的手段进行处理这类模型基本上是以微分方程的形式给出的,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
6、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)人口模型或称指数增长模型)英国人口统计学家马尔萨斯(17661834)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,在此假设下,推导并求解人口随时间变化的数学模型.,解 设 时刻的人口为,把 当作连续、可微函数处理(因人口总数很大,可近似地
7、这样处理,此乃离散变量连续化处理),据马尔萨斯的假设,在 到 时间段内,人口的增长量为,并设,时刻的人口为,于是,这就是马尔萨斯人口模型,用分离变量法易求出其解为,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,而在以后7年中,人口总数以每年2%的速度增长,这样,于是,这个公式非常准确地反映了在17001961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
8、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(Logistic模型或称阻滞增长模型)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.,1
9、838年,荷兰生物数学家韦尔侯斯特(Verhulst)引入常数(最大人口容量),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 就越大),并假设将增长率等于,即净增长率随着 的增加而减小,当 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上式就是Logistic模型,该方程可分离变量,其解为下面,我们对模型作一简要分析.,(1)当,即无论人口的初值如何,人口总数趋向于极限值;(2)当 时,这说明 是时间 的单调递增函数;,(3)由于,所以当 时,单增;当时,单减,即人口增长率 由增变减,
10、在 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 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,的值也就越大;,(5)用Logistic模型来预测世界未来人口总数.某生物学家估计,又当人口总数为 时,人口每年以2%的速率增长,由Logisti
11、c模型得,即,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,Logistic模型有着广泛的应用.,从而得,即世界人口总数极限值近100亿.,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
12、的动态过程的数学模型 解 假设在某一时刻,商品的价格为,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 的变化率 与需求和供给之差成正比,并记 为需求函数,为 供给函数(为参数),于是,其中 为商品在时刻 的价格,为正常数.,若设,则上式变为,其中 均为正常数.,其解为,下面对所得结果进行讨论:,(1)设 为静态均衡价格,则其应满足,即,于是得,从而价格函数 可写为,令,取极限得,这说明,市场价格逐步趋于均衡价格.又若初始价格,则动态价格就维持在均衡价格,整个动态过程就化为静态过程;,上,(
13、2)由于,所以,当,时,单调下降向,当,时,单调增加向,靠拢.,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 设时刻容器内的盐量为 kg,考虑 到 时间内容器中盐的变化情况,在 时间内容器
14、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,注入的盐水中所含盐量为,时刻容器内溶液的质量浓度为,假设 到 时间内容器内溶液的质量浓度不变(事实上,容器内的溶液质量浓度时刻在变,由于 时间很短,可以这样看).,于是抽出的盐水中所含盐量为,即,又因为,时,容器内有盐10kg,于是得该问题的,数学模型为,这是一阶非齐次线性方程的初值问题,其解为,下面对该问题进行一下简单的讨论,由上式不难发现:,时刻容器内溶液的质量浓度为,且当,时,容器内盐水的质量浓度将趋于注入溶液的质量浓度.,即长时间地进行上述稀释过程,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
15、液,以流量 注入质量浓度为 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 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,原来的初始质量为,=0时溶液的体积为,在d,其中,是流入溶液的质量浓度,为,中溶液的质量浓度,于是,有混合溶液的数学模型,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.,改变量等于流入溶质的数量减去流出溶质的数量,即,时刻容器,时间内,容器内溶质的,传染病模型,建立传染病的数学模型来描述传染病的传播过程,分析受感染人数的变化规律,探索制止传染病蔓延的手段等,一直是关注的课题。不同类型的传染病的传播过
16、程有其各自不同的特点,从一般的传播机理分析建立各种模型,如简单模型(I模型),SI模型,SIS模型,SIR模型等、SIS传染病模型 SIS传染病模型是指易感者(Susceptible)被传染后变为染病者(Infective),染病者可以被治愈,但不会产生免疫力,所以仍为易感者,人员流动图为:SIS。,已感染人数(病人)i(t),每个病人每天有效接触(足以使人致病)人数为,模型1,假设,若有效接触的是病人,则不能使病人数增加,建模,?,模型2,区分已感染者(病人)和未感染者(健康人),假设,1)总人数N不变,病人和健康 人的 比例分别为,2)每个病人每天有效接触人数为,且使接触的健康人致病,建模
17、,日接触率,SI 模型,模型2,tm传染病高潮到来时刻,(日接触率)tm,病人可以治愈!,?,t=tm,di/dt 最大,模型3,传染病无免疫性病人治愈成为健康人,健康人可再次被感染,增加假设,SIS 模型,3)病人每天治愈的比例为,日治愈率,建模,日接触率,1/感染期,一个感染期内每个病人的有效接触人数,称为接触数。,模型3,接触数=1 阈值,感染期内有效接触感染的健康者人数不超过病人数,模型2(SI模型)如何看作模型3(SIS模型)的特例,模型4,传染病有免疫性病人治愈后即移出感染系统,称移出者,SIR模型,假设,1)总人数N不变,病人、健康人和移出者的比例分别为,2)病人的日接触率,日治
18、愈率,接触数=/,建模,需建立 的两个方程,模型4,SIR模型,模型4,SIR模型,相轨线 的定义域,在D内作相轨线 的图形,进行分析,模型4,SIR模型,相轨线 及其分析,s(t)单调减相轨线的方向,P1:s01/i(t)先升后降至0,P2:s01/i(t)单调降至0,1/阈值,模型4,SIR模型,预防传染病蔓延的手段,(日接触率)卫生水平,(日治愈率)医疗水平,传染病不蔓延的条件s01/,的估计,降低 s0,提高 r0,提高阈值 1/,模型4,SIR模型,被传染人数的估计,记被传染人数比例,小,s0 1,提高阈值1/降低被传染人数比例 x,s0-1/=,模型5,传染病有潜伏期,SEIR模型
19、,假设,1)总人数N不变,病人、健康人、潜伏者和移出者的比例分别为,2)病人的日接触率,日治愈率,接触数=/,建模,建立 方程,3)单位时间内潜伏者以比例常数 转为染 病者,模型5,SEIR模型,参 考 文 献1.数学模型 姜启源(第二版)P110-221 高等教育出版社2.数学建模 沈继红等 P38-81 哈尔滨工程大学出版社3.数学模型引论 唐焕文、贺明峰(第二版)P208-239 高等教育出版社4.常微分方程及其应用方法、理论、建模、计算机 周义仓 靳祯 秦军林 科学出版社5.常微分方程 王高雄等 高等教育出版社,第二部分 应用差分方程建立数学模型 引言,1、差分方程:差分方程反映的是关
20、于离散变量的取值与变化规律.通过建立一个或几个离散变量取值所满足的平衡关系,从而建立差分方程.差分方程就是针对要解决的目标,引入系统或过程中的离散变量,根据实际背景的规律、性质、平衡关系,建立离散变量所满足的平衡关系等式,从而建立差分方程.通过求出和分析方程的解,或者分析得到方程解的特别性质(平衡性、稳定性、渐近性、振动性、周期性等),从而把握这个离散变量的变化过程的规律,进一步再结合其他分析,得到原问题的解.,2、应用:差分方程模型有着广泛的应用.实际上,连续变量可以用离散变量来近似和逼近,从而微分方程模型就可以近似于某个差分方程模型.差分方程模型有着非常广泛的实际背景.在经济金融保险领域、
21、生物种群的数量结构规律分析、疾病和病虫害的控制与防治、遗传规律的研究等许许多多的方面都有着非常重要的作用.可以这样讲,只要牵涉到关于变量的规律、性质,就可以适当地用差分方程模型来表现与分析求解.,3、差分方程建模:在实际建立差分方程模型时,往往要将变化过程进行划分,划分成若干时段,根据要解决问题的目标,对每个时段引入相应的变量或向量,然后通过适当假设,根据事物系统的实际变化规律和数量相互关系,建立每两个相邻时段或几个相邻时段或者相隔某几个时段的量之间的变化规律和运算关系(即用相应设定的变量进行四则运算或基本初等函数运算或取最运算等)等式(可以多个并且应当充分全面反映所有可能的关系),从而建立起
22、差分方程.,或者对事物系统进行划分,划分成若干子系统,在每个子系统中引入恰当的变量或向量,然后分析建立起子过程间的这种量的关系等式,从而建立起差分方程.在这里,过程时段或子系统的划分方式是非常非常重要的,应当结合已有的信息和分析条件,从多种可选方式中挑选易于分析、针对性强的划分,同时,对划分后的时段或子过程,引入哪些变量或向量都是至关重要的,要仔细分析、选择,尽量扩大对过程或系统的数量感知范围,包括对已有的、已知的若干量进行结合运算、取最运算等处理方式,目的是建立起简洁、深刻、易于求解分析的差分方程.在后面我们所举的实际例子中,这方面的内容应当重点体会.,差分方程模型作为一种重要的数学模型,对
23、它的应用也应当遵从一般的数学建模的理论与方法原则.同时注意与其它数学模型方法结合起来使用,因为一方面建立差分方程模型所用的数量、等式关系的建立都需要其他的数学分析方式来进行;另一方面,由差分方程获得的结果有可以进一步进行优化分析、满意度分析、分类分析、相关分析等等.,第一节 差分方程的基本知识,一、基本概念1、差分,设数列,,定义差分算子,为,在,处的向前差分.而,为,在,以后我们都是指向前差分.可见,是,的函数.,处的向后差分.,从而可以进一步定义,的差分:,,称之为在,处的二阶差分,它反映的是的增量的增量.类似可定义在,处的,阶差分为:,2、差分算子、不变算子、平移算子,,称,为平移算子,
24、,为不变算子.,由上述关系可得:,这表明,在,处的,阶差分由,在,所线性决定.,记,则有:,(1),,处的取值,反之,由,得,,得:,这个关系表明:第n+2项可以用前两项以及相邻三项增量的增量来表现和计算.即一个数列的任意一项都可以用其前面的k 项和包括这项在内的k+1 项增量的增量的增量.第k 层增量所构成.,得:,可以看出:,可以由,的线性组合表示出来,(2),3、差分方程,以及它的差分所构成的方程,称之为k阶差分方程.由(1)式可知(3)式可化为,故(4)也称为k阶差分方程(反映的是未知数列,前面k项之间的关系).由(1)和(2)可知,(3)和(4)是等价的.我们经常用的差分方程的形式是
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 应用 微分方程 建立 数学模型 课件

链接地址:https://www.31ppt.com/p-3764542.html