数学建模微分方程的应用举例.docx

第八节 数学建模——微分方程的应用举例 微分方程在物理学、力学、经济学和管理科学等实际问题中具有广泛的应用，本节我 们将集中讨论微分方程的实际应用，尤其是微分方程经济学中的应用. 读者可从中感受到应用数学建模的理论和方法解决实际问题的魅力. 内容分布图示 内容要点： 一、衰变问题 ★衰变问题 ★逻辑斯谛方程 ★价格调整问题 ★人才分配问题模型 ★追迹问题 ★返回 镭、铀等放射性元素因不断放射出各种射线而逐渐减少其质量, 这种现象称为放射性物质的衰变. 根据实验得知, 衰变速度与现存物质的质量成正比, 求放射性元素在时刻 t 的质量. dx 用 x 表示该放射性物质在时刻 t 的质量, 则 dt 速度与现存的质量成正比”可表示为 dx 表示 x 在时刻 t 的衰变速度, 于是“衰变 dt ? ?kx. (8.1) 这是一个以 x 为未知函数的一阶方程, 它就是放射性元素衰变的数学模型, 其中k ? 0 是比例常数, 称为衰变常数, 因元素的不同而异. 方程右端的负号表示当时间t 增加时, 质量 x 减少. 解方程(8.1)得通解 x ? Ce ?kt . 若已知当 t ? t 时, x ? x , 代入通解 x ? Ce?kt 中可得 0 0 C ? x e?kt0 , 则可得到方程(8.1)特解 0 它反映了某种放射性元素衰变的规律. x ? x 0 e?k (t ?t ) ,0 , 注: 物理学中, 我们称放射性物质从最初的质量到衰变为该质量自身的一半所花费的时间为半衰期, 不同物质的半衰期差别极大. 如铀的普通同位素( 238U )的半衰期约为 50 亿年; 通常的镭( 226 Ra )的半衰期是上述放射性物质的特征, 然而半衰期却不依赖于该物质的初始 量, 一克 226 Ra 衰变成半克所需要的时间与一吨 226 Ra 衰变成半吨所需要的时间同样都是 1600 年, 正是这种事实才构成了确定考古发现日期时使用的著名的碳-14 测验的基础. 二、 逻辑斯谛方程: 逻辑斯谛方程是一种在许多领域有着广泛应用的数学模型 , 下面我们借助树的增长来建立该模型. 一棵小树刚栽下去的时候长得比较慢, 渐渐地, 小树长高了而且长得越来越快, 几年不见, 绿荫底下已经可乘凉了; 但长到某一高度后, 它的生长速度趋于稳定, 然后再慢慢降下 来. 这一现象很具有普遍性. 现在我们来建立这种现象的数学模型. 如果假设树的生长速度与它目前的高度成正比 , 则显然不符合两头尤其是后期的生长情形, 因为树不可能越长越快; 但如果假设树的生长速度正比于最大高度与目前高度的差 , 则又明显不符合中间一段的生长过程 . 折衷一下, 我们假定它的生长速度既与目前的高度 , 又与最大高度与目前高度之差成正比. 设树生长的最大高度为 H(m), 在 t(年)时的高度为 h(t), 则有 dtdh(t) ? kh(t)[H ? h(t)] (8.2) dt 其中k ? 0 是比例常数. 这个方程为 Logistic 方程. 它是可分离变量的一阶常数微分方程. 下面来求解方程(8.2). 分离变量得 两边积分 dh h(H ? h) ? dh h(H ? h) ? kdt, ? ? kdt, 得 1 [ln h ? ln(H ? h)] ? kt ? C , 或 故所求通解为 H h H ? h 1 ? ek H?tC1H ? C ek H ,t 2 h(t) ? C HekHt H 2 ? , ? 1 ? 1? C 2 ekHt 1? Ce?kHt C?其中的C?C ? C ? 2 ? e?C1H ? 0? 是正常数. ? 函数h(t) 的图象称为 Logistic 曲线. 图 8-8-1 所示的是一条典型的 Logistic 曲线, 由于它 的形状, 一般也称为 S 曲线. 可以看到, 它基本符合我们描述的树的生长情形. 另外还可以算得 lim h(t) ? H . t ??? 这说明树的生长有一个限制, 因此也称为限制性增长模式. 注: Logistic 的中文音译名是“逻辑斯谛”. “逻辑”在字典中的解释是“客观事物发展的规律性”, 因此许多现象本质上都符合这种 S 规律. 除了生物种群的繁殖外, 还有信息的传播、新技术的推广、传染病的扩散以及某些商品的销售等. 例如流感的传染、在任其自然发展(例如初期未引起人们注意)的阶段, 可以设想它的速度既正比于得病的人数又正比于未传染到的人数. 开始时患病的人不多因而传染速度较慢; 但随着健康人与患者接触, 受传染的人越来越多, 传染的速度也越来越快; 最后, 传染速度自然而然地渐渐降低, 因为已经没有多少人可被传染了. 下面举两个例子说明逻辑斯谛的应用. 人