数学建模与数学实验
《数学建模与数学实验》

建模实例分析
通过分析和学习一些优秀的数学建模实例或论文。使学生初步了解数学建模的一般流程,对使用数学知识解决实际问题有较直观的感受,在这个过程中激发学生想自己动手尝试的实践热情。
3
论文写作指导
指导学生正确的论文结构以及书写要求,使学生初步体验规范的学术研究过程。
●“科目实施”
1
教学组织形式
规模:一般15—20个人的规模开展教学活动
1.用数学语言描述实际现象的“翻译”能力。
2.综合应用已学过的数学知识,对问题进行分析处理的能力。
3.想象力和洞察力。进而提高学生的综合素质和创新能力。
4
活动总量
共有超过40个专题,可供高一高二的学生选择,以学期为单位,共4期。学生每学完1期,要求提交一片独立完整的数学建模小论文。
●“科目目标”
1
知识与技能
3.通过交流和讨论,培养学生互相尊重、团队协作的意识。
4.通过论文撰写和答辩,体会研究求实的学术精神。
4
教学目标
设计原则和要求
1.教学目标要注重结合基础教材内容。
2.教学目标要注重对规律的总结,授之以渔。
3.教学目标要注重多样性和开放性。
4.教学目标的设计要从学生的实际水平出发,对于高一高二的学生,所能够使用的数学模型多局限于初等数学模型,因此在制定面向大多数学生的实际情况教学目标时要注意这方面的考虑,选取适合学生的材料和内容。
4
实施要求和德育思考
1.通过多种建模方法的培训和大量实例的分析,提高学生学习数学的兴趣与热情。
2.体会应用数学的广泛应用,感悟学有所用的成就感。
3.通过交流和讨论,培养学生互相尊重、团队协作的意识。
4.通过论文撰写和答辩,体会研究求实的学术精神。
数学建模基础实验报告(3篇)

第1篇一、实验目的本次实验旨在让学生掌握数学建模的基本步骤,学会运用数学知识分析和解决实际问题。
通过本次实验,培养学生主动探索、努力进取的学风,增强学生的应用意识和创新能力,为今后从事科研工作打下初步的基础。
二、实验内容本次实验选取了一道实际问题进行建模与分析,具体如下:题目:某公司想用全行业的销售额作为自变量来预测公司的销售量。
表中给出了1977—1981年公司的销售额和行业销售额的分季度数据(单位:百万元)。
1. 数据准备:将数据整理成表格形式,并输入到计算机中。
2. 数据分析:观察数据分布情况,初步判断是否适合使用线性回归模型进行拟合。
3. 模型建立:利用统计软件(如MATLAB、SPSS等)进行线性回归分析,建立公司销售额对全行业的回归模型。
4. 模型检验:对模型进行检验,包括残差分析、DW检验等,以判断模型的拟合效果。
5. 结果分析:分析模型的拟合效果,并对公司销售量的预测进行评估。
三、实验步骤1. 数据准备将数据整理成表格形式,包括年份、季度、公司销售额和行业销售额。
将数据输入到计算机中,为后续分析做准备。
2. 数据分析观察数据分布情况,绘制散点图,初步判断是否适合使用线性回归模型进行拟合。
3. 模型建立利用统计软件进行线性回归分析,建立公司销售额对全行业的回归模型。
具体步骤如下:(1)选择合适的统计软件,如MATLAB。
(2)输入数据,进行数据预处理。
(3)编写线性回归分析程序,计算回归系数。
(4)输出回归系数、截距等参数。
4. 模型检验对模型进行检验,包括残差分析、DW检验等。
(1)残差分析:计算残差,绘制残差图,观察残差的分布情况。
(2)DW检验:计算DW值,判断随机误差项是否存在自相关性。
5. 结果分析分析模型的拟合效果,并对公司销售量的预测进行评估。
四、实验结果与分析1. 数据分析通过绘制散点图,观察数据分布情况,初步判断数据适合使用线性回归模型进行拟合。
2. 模型建立利用MATLAB进行线性回归分析,得到回归模型如下:公司销售额 = 0.9656 行业销售额 + 0.01143. 模型检验(1)残差分析:绘制残差图,观察残差的分布情况,发现残差基本呈随机分布,说明模型拟合效果较好。
数学建模及数学实验

握相关学科的基本理论和知识,以便更好地进行数学建模和实验。
02 03
提高计算机技能
在现代数学建模和实验中,计算机技能尤为重要。建议学习者提高自己 的计算机编程、算法设计和数据分析能力,以便更高效地处理大规模数 据和复杂模型。
关注前沿动态
随着科学技术的发展,新的数学建模和实验方法不断涌现。建议学习者 关注前沿动态,了解最新的研究进展和应用案例,以便更好地把握学科 发展方向。
03
数学实验的基本方法
数值计算实验
数值计算实验是数学实验中的 一种重要方法,它通过数值计
算来求解数学问题。
数值计算实验通常使用数值计 算软件,如MATLAB、Python 等,进行数学公式的计算和模
拟。
数值计算实验可以用于解决各 种数学问题,如微积分、线性 代数、概率统计等。
数值计算实验的优点是能够快 速得到近似解,并且可以通过 调整参数来观察不同情况下的 结果。
人工智能与大数据分析
人工智能和大数据技术的发展将为数学建模和数学实验提 供更丰富的数据资源和更高效的技术手段,推动其进一步 发展。
复杂系统与多学科协同
面对复杂系统的挑战,需要多学科协同合作,共同开展数 学建模和数学实验研究,以解决实际问题。
05
结论
对数学建模和数学实验的总结
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。数学建模是利用数学方法解决实际问题的过程,而数学实验则是通过实验手段验 证数学理论或解决数学问题的方法。在实际应用中,数学建模和数学实验常常相互渗透,共同推动问题的解决。
应用领域
数学建模和数学实验在各个领域都有广泛的应用,如物理学、工程学、经济学、生物学等。通过建立数学模型和进行 数学实验,可以深入理解各种现象的本质,预测其发展趋势,为实际问题的解决提供有力支持。
数学实验与数学建模(校本教材)

x x x + + = 60
11
12
13
x x x + + = 80
21
22
23
②各销地运进的数量应等于其当地预测的销售量,即
x x + = 50
11
21
x x + = 50
12
22
x x + = 40
13
23
③从各产地运往各销地的数量不能为负值,即
x ≥ 0(i = 1,2; j = 1,2,3) ij
400
A2
400
700
300
问每个产地向每个销地各发货多少,才能使总的运费最少? 解 (1)在该问题中,所要确定的量是各产地运往各销地的香蕉数量,即决策变量是运输量。 设 Xij(i=1,2; j =1,2,3)分别表示由产地 Ai 运往销地 Bi 的数量。
(2)在解决问题的过程中,要受到如下条件限制,即约束条件: 1各产地运出的数量应等于其产量,即
a C x C x C x b ≤
+
+ ... +
≤
n
1n 1
2n 2
mn n
n
x1 + x2 + ... + xm = 1
xi ≥ 0,(i = 1,..., m)
d x d x 并使目标函数 S =
+ ... +
最小。
11
mm
一、 线性规划问题数学模型的一般形式和标准形式
上面我们建立了经济领域中常见的实际问题的数学模型,尽管这些实际问题本身是多种多样的,
42
的精确在允许的范围内。
数学实验与数学建模(校本教材)
《数学建模与数学实验》电子课件-赵静、但琦 第12讲 数据的统计分析与描述

n
p( x1 , 1 , k ) p( x2 , 1 , , k ) p( xn , 1 , k )
p( xi ,1 , k )
i 1
使L(1,,k ) 达到最大,从而得到参i数 的估计ˆi 值 .此估计值叫极大似然估计值.函数
L(1,,k ) 称为似然函数.
求极大似然估计值的问题,就是求似然函数L(1,,k ) 的最大值的问题,则
统计的基本概念 参数估计 假设检验
3
一、统计量
1、表示位置的统计量—平均值和中位数
平均值(或均值,数学期望) :X1 n
ni1
Xi
中位数:将数据由小到大排序后位于中间位置的那个数值.
2、表示变异程度的统计量—标准差、方差和极差
标准差:s[n11i n1(Xi
1
X)2]2
它是各个数据与均值偏离程度的度量.
数学建模与数学实验
数据的统计描述和分析
2021/7/31
后勤工程学院数学教研室
1
实验目的
1、直观了解统计基本内容。 2、掌握用数学软件包求解统计问题。
实验内容
1、统计的基本理论。 2、用数学软件包求解统计问题。 3、Matlab数据统计 4、实验作业。
数 据 的 统 计 描 述 和 分 析
2021/7/31
若 X ~N ( 0, 1) , Y ~ 2( n) , 且 相 互
独 立 , 则 随 机 变 量
TX Y
n
服 从 自 由 度 为 n的 t分 布 , 记 为 T ~t( n) . t分 布 t( 20) 的 密 度 函 数 曲 线 和 N ( 0, 1) 的
曲 线 形 状 相 似 .理 论 上 n 时 , T ~t( n) N ( 0, 1) .
数学建模与实验教学大纲

数学建模与实验课程教学大纲课程名称:数学建模与实验(Mathematical Modelling and Experiments)课程性质:选修课程代码:FN116120B学时/学分:48/3开课单位:理学院先修课程:解析几何、数学分析、高等代数、概率论与数理统计、常微分方程适用专业、年级:数学与应用数学和信息与计算科学、三年级评分方式:平时出勤、作业(30%),命题论文(课程设计)(20%),结业考试(50%)一、课程的性质、目的与任务“数学建模与实验”课程是数学与应用数学和信息与计算科学等专业学生的专业基础选修课程,是一门充分应用其它各数学分支的应用类课程,其主要任务不是“学数学”,而是学着“用数学”,是为培养善于运用数学知识建立实际问题的数学模型,从而善于解决实际问题的应用型数学人材服务的。
从这个意义上讲,本课程的开设将对提高广大学生优良的数学素质和出色的工作能力,开展创新教育和素质教育等诸方面起到重要作用,其发展潜力巨大,前景十分广阔。
通过本课程的学习,使学生较为系统的获得利用数学工具建立数学模型的基本知识、基本技能与常用技巧,并使用数学软件包解答问题的能力,培养学生的抽象概括问题的能力,用数学方法和思想进行综合应用与分析问题的能力,并着力导引实践—理论—实践的认识过程,培养学生辩证唯物主义的世界观。
根据整个教学计划的内容安排,本课程将主要介绍微分和积分模型,运筹学模型,微分方程模型和概率统计模型这四类常见数学模型中的较基本、较简单的部分,以及如何使用数学软件包求解,使学生对数学建模的基本想法与做法有一个较全面的初步的了解,为应用所学数学知识解决实际问题奠定一个较好的基础。
二、教学基本要求1.对相关课程内容的基本要求由于本课程的特点,对学生的基本数学基础有下列要求:熟练掌握常微分方程的基本内容,概率论与统计分析基础,运筹学中的线性规划、目标规划的初步知识,图论基础知识、决策论、存贮论与排队论初步等知识。
数学建模与实验-比例建模

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 ∝.。
数学建模与数学实验的比较

数学建模其实并不是什么新东西,可以说有了 数学并需要用数学去解决实际问题,就一定要用数学 的语言、方法去近似地刻划该实际问题,这种刻划的 数学表述的就是一个数学模型,其过程就是数学建模 的过程。数学模型一经提出,就要用一定的技术手段 (计算、证明等)来求解并验证,其中大量的计算往 往是必不可少的,高性能的计算机的出现使数学建模 这一方法如虎添翼似的得到了飞速的发展,掀起一个 高潮。
建模过程示意图
三、数学模型及其分类
模型
具体模型
直观模型 物理模型 思维模型
抽象模型
符号模型
数学模型的分类:
数学模型
数式模型 图形模型
◆ 按研究方法和对象的数学特征分:初等模型、几何模型
、优化模型、微分方程模型、图论模型、逻辑模型、稳定性模
型、扩散模型等。
◆ 按研究对象的实际领域(或所属学科)分人口模型、
交通模型、环境模型、生态模型、生理模型、城镇规划模型、
水资源模型、污染模型、经济模型、社会模型等。
数学建模实例
1、如何预报人口? 要预报未来若干年(如2005)的人口数,
最重要的影响因素是今年的人口数和今后这 些年的增长率(即人口出身率减死亡率), 根据这两个数据进行人口预报是很容易的。 记今年人口为 ,k年后人口为 xk ,年增长 率为r,则预报公式为:
数学建模 VS
数学实验
什么是数学建模?
数学建模简介
1.关于数学建模
2.数学建模实例
A.人口预报问题 B. 椅子能在不平的地面上放稳吗? C.双层玻璃的功效
3.数学建模论文的撰写方法
一、名词解释
1、什么是数学模型?
数学模型是对于现实世界的一个特定对象,一个 特定目的,根据特有的内在规律,做出一些必要的假 设,运用适当的数学工具,得到一个数学结构。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
数学建模与数学实验实验报告班级: 数学师范153 姓名:付爽学号:1502012060 实验名称: 数列极限与函数极限基础实验基础实验一数列极限与函数极限第一部分实验指导书解读一、实验目的从刘徽的割圆术、裴波那奇数列研究数列的收敛性并抽象出极限的定义;理解数列收敛的准则;理解函数极限与数列极限的关系。
二、实验使用软件Mathematic 5.0三.实验的基本理论即方法1割圆术中国古代数学家刘徽在《九章算术注》方田章圆田术中创造了割圆术计算圆周率π。
刘徽先注意到圆内接正多边形的面积小于圆面积;其次,当将边数屡次加倍时,正多边形的面积增大,边数愈大则正多边形面积愈近于圆的面积。
“割之弥细,所失弥少。
割之又割以至不可割,则与圆合体而无所失矣。
”这几句话明确地表明了刘徽的极限思想。
以nS 表示单位圆的圆内接正123-⨯n 多边形面积,则其极限为圆周率π。
用下列Mathematica 程序可以从量和形两个角度考察数列{nS }的收敛情况:m=2;n=15;k=10;For[i=2,i<=n,i++, l[i_]:=N[2*Sin[Pi/(3*2^i)],k]; (圆内接正123-⨯n 多边形边长)s[i_]:=N[3*2^(i-1)*l[i]*Sqrt[1-(l[i])^2/4],k]; (圆内接正123-⨯n 多边形面积)r[i_]:=Pi-s[i]; d[i_]:=s[i]-s[i-1];Print[i," ",r[i]," ",l[i]," ",s[i]," ",d[i]] ]t=Table[{i,s[i]},{i,m,n}] (数组)ListPlot[t] (散点图)2裴波那奇数列和黄金分割由2110;1;0--+===n n n F F F F F 有著名的裴波那奇数列}{n F 。
如果令nn n F F R 11--=,由nF 递推公式可得出11111/11---+=+=+=n n n n n n n R F F F F F R ,]251251[5111++⎪⎪⎭⎫⎝⎛--⎪⎪⎭⎫⎝⎛+=n n n F ; 215limlim 1-==+∞→∞→n nn n n F F R 。
用下列Mathematica 程序可以从量和形两个角度考察数列{nR }的收敛情况:n=14,k=10;For[i=3,i<=n,i++, t1=(Sqrt[5]+1)/2; t2=(1-Sqrt[5])/2; f[i_]:=N[(t1^(i+1)-t2^(i+1))/Sqrt[5],k]; (定义裴波那奇数列通项)rn=(5^(1/2)-1)/2-f[i-1]/f[i];Rn=f[i-1]/f[i];dn=f[i-1]/f[i]-f[i-2]/f[i-1];Print[i," ",rn," ",Rn," ",dn]; ]t=Table[{i,f[i-1]/f[i]},{i,3,n}] ListPlot[t] 3收敛与发散的数列数列}{1∑=-n i p i 当1>p 时收敛,1≤p 时发散;数列}{sin n 发散。
4函数极限与数列极限的关系用Mathematica 程序m=0;r=10^m;x0=0; f[x_]=x*Sin[1/x] Plot[f[x],{x,-r,r}] Limit[f[x],x->x0]观察的1sin )(-=x x x f 图象可以发现,函数在0=x 点处不连续,且函数值不存在,但在0=x 点处有极限。
令100,,2,1,/1 ===n n ax n,作函数的取值表,画散点图看其子列的趋向情况k=10;p=25; a[n_]=1/n;tf=Table[{n,N[f[a[n]],k]},{n,1,p}]ListPlot[tf]Limit[f[a[n]],n→Infinity,Direction→1] 分别取不同的数列na (要求0→na),重做上述过程,并将各次所得图形的分析结果比较,可知各子列的极限值均为上述函数的极限值。
对于1sin )(-=x x g ,类似地考察在0=x 点处的极限。
三、实验准备认真阅读实验目的与实验材料后要正确地解读实验,在此基础上制定实验计划(修改、补充或编写程序,提出实验思路,明确实验步骤),为上机实验做好准备。
四、实验思路提示 3.1考察数列敛散性改变或增大n ,观察更多的项(量、形),例如,n 分别取50,100,200,…;扩展有效数字k ,观察随n 增大数列的变化趋势,例如,k 分别取20,30,50;或固定50;或随n 增大而适当增加。
对实验要思考,例如,定义中的指标与柯西准则中的指标间的差异;数列收敛方式;又例如,如何估计极限近似值的误差。
3.2考察函数极限与数列极限的关系改变函数及极限类型,例如,考虑六种函数极限,既选取极限存在也选取极限不存在的例子;改变数列,改变参数观察更多的量,考察形的变化趋势;扩展有效数字k ,提高计算精度。
要对实验思考,归纳数列敛散与函数敛散的关系。
第二部分 实验计划实验主要是从观察数列的敛散性,观察函数值的变化趋势来理解极限的概念,进一步体会实验的准则1.割圆术中国古代数学家刘徽在《九章算术注》方田章圆田术中创造了割面积;其次,当将边数屡次加倍时,正多边形的面积增大,边数愈大则正多边形面积愈近于圆的面积。
“割之弥细,所失弥少。
割之又割以至不可割,则与圆合体而无所失矣。
”这几句话明确地表明了刘徽的极限思想。
以nS 表示单位圆的圆内接正 1 2 3n 多边形面积,则其极限Mathematica 程序可以从量和形两个角度考察数列{nS}的收敛情况:m=2;n=15;k=10;For[i=2,i<=n,i++, l[i_]:=N[2*Sin[Pi/(3*2^i)],k]; (圆内接正1 23n 多边形边长)s[i_]:=N[3*2^(i-1)*l[i]*Sqrt[1-(l[i])^2/4],k]; (圆内接正1 23n 多边形面积) r[i_]:=Pi-s[i]; d[i_]:=s[i]-s[i-1];Print[i," ",r[i]," ",l[i]," ",s[i]," ",d[i]] ] t=Table[{i,s[i]},{i,m,n}] (数组) ListPlot[t] (散点图2裴波那奇数列和黄金分割由2110;1;0--+===n n n F F F F F有著名的裴波那奇数列}{n F 。
如果令nn n F F R 11--=,由nF 递推公式可得出11111/11---+=+=+=n n n n n n n R F F F F F R ,]251251[5111++⎪⎪⎭⎫⎝⎛--⎪⎪⎭⎫⎝⎛+=n n n F ; 215limlim 1-==+∞→∞→n nn n n F F R 。
用下列Mathematica 程序可以从量和形两个角度考察数列{nR }的收敛情况: n=14,k=10;For[i=3,i<=n,i++, t1=(Sqrt[5]+1)/2; t2=(1-Sqrt[5])/2; f[i_]:=N[(t1^(i+1)-t2^(i+1))/Sqrt[5],k]; (定义裴波那奇数列通项)rn=(5^(1/2)-1)/2-f[i-1]/f[i];Rn=f[i-1]/f[i];dn=f[i-1]/f[i]-f[i-2]/f[i-1]; Print[i," ",rn," ",Rn," ",dn]; ]t=Table[{i,f[i-1]/f[i]},{i,3,n}] ListPlot[t],]251251[5111++⎪⎪⎭⎫⎝⎛--⎪⎪⎭⎫⎝⎛+=n n n F ; 215limlim 1-==+∞→∞→n nn n n F F R 。
3.收敛与发散的数列数列}{1∑=-ni p i 当1>p 时收敛,1≤p 时发散;数列}{sin n 发散。
4.函数极限与数列极限的关系用Mathematica程序m=0;r=10^m;x0=0;f[x_]=x*Sin[1/x]Plot[f[x],{x,-r,r}]Limit[f[x],x->x0]观察1xxf的图象可以发现,函数在0=x点处不连续,(-)sin=x且函数值不存在,但在0=x点处有极限。
令100,,2,1=nxan,/1==n,作函数的取值表,画散点图看其子列的趋向情况k=10;p=25;a[n_]=1/n;tf=Table[{n,N[f[a[n]],k]},{n,1,p}]ListPlot[tf]Limit[f[a[n]],n→Infinity,Direction →1]分别取不同的数列n a(要求0→n a),重做上述过程,并将各次所得图形的分析结果比较,可知各子列的极限值均为上述函数的极限值。
对于1x=xg,类似地考察在0=x点处的sin)(-三实验过程与结果设{xn}为实数列,a 为定数,若对任给的正数b,总存在正整数N,使得当n > N 时,有|xn - a|<b,则称数列收敛与a 定数a 称为数列的极限,程序如下:程序结果运行如下:裴波那奇数列和黄金分割1.考察数列敛散性改变或增大n,观察更多的项(量、形),例如,n分别取50,100,200,…;扩展有效数字k,观察随n增大数列的变化趋势,例如,k分别取20,30,50;或固定50;或随n增大而适当增加。
对实验要思考,例如,定义中的指标与柯西准则中的指标间的差异;数列收敛方式;又例如,如何估计极限近似值的误差。
2.考察函数极限与数列极限的关系改变函数及极限类型,例如,考虑六种函数极限,既选取极限存在也选取极限不存在的例子;改变数列,改变参数观察更多的量,考察形的变化趋势;扩展有效数字k,提高计算精度。
要对实验思考,归纳数列敛散与函数敛散的关系。
例:用Mathematica程序m=0;r=10^m;x0=0;f[x_]=x*Sin[1/x]Plot[f[x],{x,-r,r}]Limit[f[x],x->x0]观察1x=xf的图象可以发现,函数在0=x点x)sin(-处不连续,且函数值不存在,但在0=x点处有极限。
令100,,2,1,/1,作函数的取值表,画散点ax=nn==n图看其子列的趋向情况k=10;p=25;a[n_]=1/n;tf=Table[{n,N[f[a[n]],k]},{n,1,p}] ListPlot[tf]Limit[f[a[n]],n→Infinity,Directio n→1]分别取不同的数列a(要求0→n a),重做n上述过程,并将各次所得图形的分析结果比较,可知各子列的极限值均为上述函数的极限值。