数学建模选修课第二次作业汇总
山东大学数学建模选修答案
数学建模作业：学院：计算机科学与技术班级：学号：1.在区域x∈[-2,2],y∈[-2,3]绘制函数z=exp^(-x2-y2)曲面图与等值线图。
解：曲面图如下：>> x=-2:0.5:2;>> y=-2:0.5:3;>> [X,Y]=meshgrid(x,y);>> Z=exp(-X.^2-``Y.^2);>> mesh(X,Y,Z)>>等值线图如下：>> x=-2:0.5:2;>> y=-2:0.5:3;>> [X,Y]=meshgrid(x,y);>> Z=exp(-X.^2-Y.^2);>> mesh(X,Y,Z)>> surf(X,Y,Z)>> surf(X,Y,Z)>> contour(X,Y,Z)>>2.已知一组观测数据，如表1所示.(1)试用差值方法绘制出x ∈[-2,4.9]区间的光滑曲线，并比较各种差值算法的优劣.(2)试用最小二乘多项式拟合的方法拟合表中的数据，选择一个能较好拟合数据点的多项式的阶次，给出相应多项式的系数和偏差平方和.(3)若表中数据满足正态分布函数222/)(21)(σμπσ--=x e x y .试用最小二乘非线性拟合的方法求出分布参数σμ,值，并利用锁求参数值绘制拟合曲线，观察拟合效果.解：(1)分别用最领近插值，分段线性插值（缺省值），分段三次样条插值，保形分段三次插值方法绘制在x ∈[-2,4.9]的光滑曲线，图形如下：样条插值效果最好，其次线性插值，最近点插值效果最差，在这里效果好像不太明显。
最近点插值优点就是速度快，线性插值速度稍微慢一点，但效果好不少。
所以线性插值是个不错的折中方法。
样条插值，它的目的是试图让插值的曲线显得更平滑，为了这个目的，它们不得不利用到周围若干围的点，不过计算显然要比前两种大许多。
第二次数学建模作业
4. 根据表1.14 的数据，完成下列数据拟合问题：年份1790 1800 1810 1820 1830 1840 1850 1860 人口 3.9 5.3 7.2 9.6 12.9 17.1 23.2 31.4年份1870 1880 1890 1900 1910 1920 1930 1940 人口38.6 50.2 62.9 76.0 92.0 106.5 123.2 131.7 年份1950 1960 1970 1980 1990 2000人口150.7 179.3 204.0 226.5 251.4 281.4解答：（1）：（i）执行程序：t=1790:10:2000;x=[3.9,5.3,7.2,9.6,12.9,17.1,23.2,31.4,38.6,50.2,62.9,76.2,92.0,106.5,123.2,131.7,150.7,179.3,204 .0,226.5,251.4,281.4];f=@(r,t)3.9.*exp(r(1).*(t-1790));r=nlinfit(t,x,f,0.036)sse=sum((x-f(r,t)).^2)plot(t,x,'k+',1790:10:2000,f(r,1790:10:2000),'k')axis([1790,2000,0,300]),legend('测量值','理论值')xlabel('美国人口/（百万）'),ylabel('年份')title('美国人口指数增长模型图II')运行结果：>> Untitledr =0.0212sse =1.7433e+004即，拟合效果：r =0.0212；误差平方和为：1.7433e+004.拟合效果图（i）：(ii)由表1.14我们知道，当t=1800时，有5)101(0≈+r x ，所以我们可以猜测，r=0.1,x =2.5.对待定参数0x ，r 进行数据拟合同时进行绘图，其程序如下：t=1790:10:2000;x=[3.9,5.3,7.2,9.6,12.9,17.1,23.2,31.4,38.6,50.2,62.9,76.2,92.0,106.5,123.2,131.7,150.7,179.3,204.0,226.5,251.4,281.4];f=@(r,t)r(1).*exp(r(2).*(t-1790)); r0=[2.5,0.1]; r=nlinfit(t,x,f,r0) sse=sum((x-f(r,t)).^2)plot(t,x,'k+',1790:1:2000,f(r,1790:1:2000),'k')axis([1790,2000,0,300]),legend('测量值','理论值',2) xlabel('美国人口/（百万）'),ylabel('年份') title('美国人口指数增长模型图II')命令窗口显示的计算的结果如下： >> Untitled r =15.0005 0.0142 sse =2.2657e+003即我们知道，拟合结果为：r=r(2)= 0.0142, 0x =r(1)= 15.0005;误差平方和为:2.2657e+003. 拟合效果图（ii ）：(iii)由表1.14我们知道，当t=1900时，有()76)-t 1900101(00≈+r x ，所以我们可以猜测，r=0.03,x =19, 0t =1800.对待定参数0t ,0x ，r 进行数据拟合同时进行绘图，其程序如下：t=1790:10:2000;x=[3.9,5.3,7.2,9.6,12.9,17.1,23.2,31.4,38.6,50.2,62.9,76.2,92.0,106.5,123.2,131.7,150.7,179.3,204.0,226.5,251.4,281.4];f=@(r,t)r(1).*exp(r(2).*(t-r(3))); r0=[19,0.03,1800]; r=nlinfit(t,x,f,r0) sse=sum((x-f(r,t)).^2)plot(t,x,'k+',1790:1:2000,f(r,1790:1:2000),'k')axis([1790,2000,0,300]),legend('测量值','理论值',2) xlabel('美国人口/（百万）'),ylabel('年份') title('美国人口指数增长模型图III')命令窗口显示的计算的结果如下：>> UntitledWarning: The Jacobian at the solution is ill-conditioned, and some model parameters may not be estimated well (they are not identifiable). Use caution in making predictions. > In nlinfit at 224 In Untitled at 5 r =1.0e+003 *0.0159 0.0000 1.7939 sse =2.2657e+003即，拟合效果：r =0，0x =7.9，0t =1742.5；误差平方和为：2.2657e+003我们由MATLAB9给出的警告信息，知道这个拟合存在病态条件，所以数据可能拟合的不太好。
数学建模选修大作业
中华女子学院成绩2014 — 2015学年第二学期期末考试（论文类）论文题目数学建模算法之蒙特卡罗算法课程代码 01课程名称数学建模学号 9姓名陈可心院系计算机系专业计算机科学与技术考试时间 2015年5月27日一、数学建模十大算法1、蒙特卡罗算法该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时可以通过模拟可以来检验自己模型的正确性，是比赛时必用的方法。
接下来本文将着重介绍这一算法。
2、数据拟合、参数估计、插值等数据处理算法比赛中通常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，通常使用Matlab作为工具。
3、线性规划、整数规划、多元规划、二次规划等规划类问题建模竞赛大多数问题属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通常使用Lindo、Lingo软件实现。
这个也是我们数学建模选修课时主要介绍的问题，所以对这方面比较熟悉，也了解了Lindo、Lingo软件的基本用法。
4、图论算法这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，上学期数据结构课程以及离散数学课程中都有介绍。
它提供了对很多问题都很有效的一种简单而系统的建模方式。
5、动态规划、回溯搜索、分治算法、分支定界等计算机算法这些算法是算法设计中比较常用的方法，很多场合可以用到竞赛中6、最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法这些问题是用来解决一些较困难的最优化问题的算法，对于有些问题非常有帮助，但是算法的实现比较困难，需慎重使用。
7、网格算法和穷举法网格算法和穷举法都是暴力搜索最优点的算法，在很多竞赛题中有应用，当重点讨论模型本身而轻视算法的时候，可以使用这种暴力方案，最好使用一些高级语言作为编程工具。
8、一些连续离散化方法很多问题都是实际来的，数据可以是连续的，而计算机只认的是离散的数据，因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的。
数学建模课后作业
数学建模实验P.172 实验二最短电缆长度问题设有九个节点，它们的坐标分别为a(0,15), b(5,20), c(16,24), d(20,20), e(33,25), f(23,11), g(35,7), h(25,0), i(10,3)任意两个节点之间的距离为：问：怎样连接电缆，使每个节点都连通，且所用的总电缆的长度为最短.问题分析：本题研究的是一个最优化问题。
问题中给出了9个节点坐标，需要从复杂的连接方案中选出最短的电缆连接路线。
要设计方案求最短电缆长度，可先求出任意两点间的距离，然后在构造边权矩阵，用prim算法求电缆线的最优连通方案。
符号说明：W：任意两点之间的距离矩阵X:节点的横坐标Y：节点的纵坐标解：先计算出任意两点间的距离；W=[];X = [0 5 16 20 33 23 35 25 10]; Y = [15 20 24 20 25 11 7 0 3]; N=length(X);for i=1:Nfor j=1:N W=[W;(abs(X(i)-X(j))+abs(Y(i)-Y( j)))]endendW'输出结果截图为：将结果整理列表如下：用prim算法求电缆线的最优连通方案；运行结果截图为：分析结果可知：最小生成树的边集合为{（1,2），（2,3），(3,4),（4,6），（6,8），(6,7)，(3,5)，(8,9)}即用prime算法求出的最优电缆连接方案为：{（a,b），（b,c），（c,d），（d,f），（f,h），(f,g)，(c,e)，(h,i)}。
P186实验一求最短路问题求图14.9所示有向网络中自点1到点6的最短有向路问题分析：用floyde 算法算出任意两点之间的最短的距离。
符号说明：D：任意两个点之间的最短距离n:迭代次数解：function [D,path]=floyd(a)n=size(a,1);%设置D和Path的初值D=a;path=zeros(n,n);for i=1:nfor j=1:nif D(i,j)~=infpath(i,j)=j; %j是i的后继点endendend%做n次迭代,每次迭代均更新D(i,j)和path(i,j) for k=1:nfor i=1:nfor j=1:nif D(i,k)+D(k,j)<D(i,j)D(i,j)=D(i,k)+D(k,j);path(i,j)=path(i,k);endendendend在MATLAB命令窗口键入：a=[0 5 inf 3 inf inf;inf 0 4 2 inf inf;inf inf 0 2 4 3;inf inf inf 0 5 inf;inf inf inf inf 0 2;inf inf inf inf inf 0];[D,path]=floyd(a)运行结果截图为：D =0 5 9 3 8 10 Inf 0 4 2 7 7 Inf Inf 0 2 4 3 Inf Inf Inf 0 5 7 Inf Inf Inf Inf 0 2 Inf Inf Inf Inf Inf 0 path =1 2 2 4 4 4 0 2 3 4 4 3 0 0 3 4 5 6 0 0 0 4 5 5 0 0 0 0 5 6 0 0 0 0 0 6由运行结果得：因为path(1,6)＝4，意味着顶点1的后继点为4， path(4,6)＝5，从而顶点4的后继点为5，同理，因path(5,6)＝6，从而顶点5的后继点为6，故1→4→5→6便是顶点1到顶点6的最短路径。
高二数学数学建模练习题及答案
高二数学数学建模练习题及答案一、简答题1. 什么是数学建模？数学建模是将现实问题抽象为数学模型，通过数学方法进行分析、求解并得出相应结论的过程。
它将数学知识与实际问题相结合，帮助我们理解问题的本质，预测和优化相关情况。
2. 数学建模的步骤有哪些？数学建模通常包括以下步骤：（1）问题的理解和描述：明确问题的背景、目标和限制条件，并对问题进行适当的简化和抽象。
（2）建立数学模型：将问题转化为数学表达式，建立合适的数学模型。
（3）模型的求解：利用数学方法对模型进行求解，得到定量的结果或结论。
（4）模型的验证和分析：对模型的结果进行检验，分析结果的合理性和可靠性。
（5）结果的解释与应用：解释模型结果，为实际问题提供有效的解决方案，并给出具体的应用建议。
3. 数学建模的意义是什么？数学建模在许多领域都具有重要意义：（1）在科学研究中，数学建模可以帮助解决实际问题，推动科学发展。
（2）在工程技术中，数学建模可以优化设计，提高效率和质量。
（3）在经济管理中，数学建模可以帮助决策者制定合理的策略和政策。
（4）在社会科学中，数学建模可以辅助分析社会问题，提供决策依据。
（5）数学建模还培养了学生的创新思维和解决问题的能力。
4. 数学建模过程中需要的数学知识有哪些？数学建模需要的数学知识包括但不限于：（1）数学分析：微分方程、积分、极限等。
（2）线性代数：矩阵运算、特征值与特征向量等。
（3）概率与统计：概率分布、统计推断等。
（4）最优化理论：线性规划、非线性规划等。
（5）图论与网络优化：最短路径、最小生成树等。
二、应用题1. 盒子问题已知一长方体盒子的长为20cm，宽为15cm，高为10cm。
现在要将一个边长为2cm的小正方体放入该盒子中，问最多可以放多少个小正方体？解答：盒子的体积为20 cm × 15 cm × 10 cm = 3000 cm³。
小正方体的体积为2 cm × 2 cm × 2 cm = 8 cm³。
数学建模选修课作业
二﹑MATLAB解决线性代数问题
⑴①矩阵A的逆矩阵-0.1250 -0.1250 0.4000 -0.0500
0.1250 0.1250 0.2000 -0.1500
1.7500 0.7500 -1.0000 0.5000
1.5000 0.5000 -1.2000 0.4000
3.利用三维曲面绘图命令绘制3个三维曲面的图形
(1)绘制平面z=x+y的图形
程序:x=0:1:2;
y=0:1:2;
[x,y]=meshgrid(x,y)%生成xy平面上网格坐标矩阵
z=x+y;
axis([0,2,0,2,0,4])
mesh(x,y,z)%做三维曲面命令
(2)绘制螺旋抛物面z=x2+y2的图形
ans secx*tanx
(4)求导exyz,
程序：syms u x y z;
u=exp(x*y*z);
diff(diff(u,(x),y),z)
ans xexyz+x2zyexyz
(5)求导e2xy,
程序：syms u x y
u=exp(2*x*y)
diff(diff(u,(2x),y),z)
ans 2xexyz+x2zyexyz
-0.1616 - 1.4968i
1.0452
-1.0554
⑷利用MATLAB矩阵访问命令对下面的矩阵做初等行变换使其成为一个上三角矩阵
1 -2 2 -1 1
0 -4 8 0 2
0 0 -2 3 3
0 0 0 -6 4
三﹑MATLAB绘图绘制下面的曲线
1.在区间0≤x≤2中绘制cosx的图形
数学建模作业及答案
数学建模作业姓名：叶勃学号：班级：024121一：层次分析法1、 分别用和法、根法、特征根法编程求判断矩阵1261/2141/61/41A ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦11/2433217551/41/711/21/31/31/52111/31/5311A ⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎣⎦的特征根和特征向量（1）冪法求该矩阵的特征根和特征向量 程序为：#include<iostream> #include<math.h> using namespace std;#define n 3 //三阶矩阵#define N 20 #define err 0.0001 //幂法求特征值特征向量 void main(){cout<<"**********幂法求矩阵最大特征值及特征向量***********"<<endl; int i,j,k;double A[n][n],X[n],u,y[n],max;cout<<"请输入矩阵:\n"; for(i=0;i<n;i++) for(j=0;j<n;j++)cin>>A[i][j]; //输入矩阵 cout<<"请输入初始向量:\n"; for(i=0;i<n;i++)cin>>X[i]; //输入初始向量 k=1; u=0;while(1){ max=X[0]; for(i=0;i<n;i++) {if(max<X[i]) max=X[i]; //选择最大值 }for(i=0;i<n;i++)y[i]=X[i]/max; for(i=0;i<n;i++)X[i]=0;for(j=0;j<n;j++)X[i]+=A[i][j]*y[j]; //矩阵相乘}if(fabs(max-u)<err){cout<<"A的特征值是 :"<<endl; cout<<max<<endl; cout<<"A的特征向量为:"<<endl; for(i=0;i<n;i++) cout<<X[i]/(X[0]+X[1]+X[2])<<" ";cout<<endl;break;}else{if(k<N) {k=k+1;u=max;} else {cout<<"运行错误\n";break;}}} }程序结果为：（2）和法求矩阵最大特征值及特征向量程序为：#include<stdio.h>#include<iostream>#include<math.h> using namespace std;#define n 3 //三阶矩阵#define N 20void main(){int i,j,k;double A[n][n],w[n],M[n],u[n],W[n][n],max;cout<<"********和法求矩阵的特征根及特征向量*******"<<endl;cout<<"请输入矩阵:\n";for(i=0;i<n;i++)for(j=0;j<n;j++)cin>>A[i][j]; //输入矩阵 //计算每一列的元素和M[0]=0;M[1]=0;M[2]=0;for(i=0;i<n;i++)for(j=0;j<n;j++){M[i]+=A[j][i];}//将每一列向量归一化for(i=0;i<n;i++)for(j=0;j<n;j++){W[j][i]=A[j][i]/M[i];}//输出按列归一化之后的矩阵Wcout<<"按列归一化后的矩阵为："<<endl;for(i=0;i<n;i++)for(j=0;j<n;j++){cout<<W[i][j]<<" ";if(j==2)cout<<endl;} //求特征向量w[0]=0;w[1]=0;w[2]=0;for(i=0;i<n;i++)for(j=0;j<n;j++){w[i]+=W[i][j];}cout<<"特征向量为:"<<endl; for(i=0;i<n;i++){u[i]=w[i]/(w[0]+w[1]+w[2]);cout<<u[i]<<" "<<endl;}//求最大特征值max=0;for(i=0;i<n;i++){w[i] = 0;for(j=0;j<n;j++){w[i] += A[i][j]*u[j];}}for(i = 0;i < n;i++){max += w[i]/u[i];}cout<<"最大特征根为："<<endl;cout<<max/n<<endl; }运行结果为：（3）根法求矩阵最大特征值及特征向量：程序为：#include<stdio.h>#include<iostream>#include<math.h>using namespace std;#define n 3 //三阶矩阵#define N 20void main(){int i,j;double A[n][n],w[n],M[n],u[n],W[n][n],max;cout<<"********根法求矩阵的特征根及特征向量*******"<<endl; cout<<"请输入矩阵:\n";for(i=0;i<n;i++)for(j=0;j<n;j++)cin>>A[i][j]; //输入矩阵//计算每一列的元素和M[0]=0;M[1]=0;M[2]=0;for(i=0;i<n;i++)for(j=0;j<n;j++){M[i]+=A[j][i];}//将每一列向量归一化for(i=0;i<n;i++)for(j=0;j<n;j++){W[j][i]=A[j][i]/M[i];}//输出按列归一化之后的矩阵Wcout<<"按列归一化后的矩阵为："<<endl;for(i=0;i<n;i++)for(j=0;j<n;j++){cout<<W[i][j]<<" ";if(j==2)cout<<endl;}//求特征向量//w[0]=A[0][0];w[1]=A[0][1];w[2]=A[0][2];w[0]=1;w[1]=1;w[2]=1;for(i=0;i<n;i++){for(j=0;j<n;j++){w[i]=w[i]*W[i][j];}w[i]=pow(w[i], 1.0/3);}cout<<"特征向量为:"<<endl;for(i=0;i<n;i++){u[i]=w[i]/(w[0]+w[1]+w[2]);cout<<u[i]<<" "<<endl;}//求最大特征值max=0;for(i=0;i<n;i++){w[i] = 0;for(j=0;j<n;j++){w[i] += A[i][j]*u[j];}}for(i = 0;i < n;i++){max += w[i]/u[i];}cout<<"最大特征值为:"<<endl; cout<<max/n;}运行结果为：2、编程验证n阶随机性一致性指标RI：运行结果：3、考虑景色、费用、居住、饮食、旅途五项准则，从桂林、黄山、北戴河三个旅游景点选择最佳的旅游地。
数学建模(2)第二次作业word版
关于某合成纤维强度与拉伸倍数线性关的系检验————数学建模(2)第二次作业一、问题重述:某合成纤维的强度y(N/mm2)与其拉伸倍数x有关，现测得试验数据如下表(1):某合成纤维的强度y与其拉伸倍数x试验数据表表（1）1.检验y和x之间是否存在显著的线性相关关系。
2.若存在，求y关于x的线性回归方程：y i=a+b x i。
二、求解过程1.强度yi关于拉伸倍数xi的散点图如下图（1）：图（1）2.样本相关系数计算 (1).计算公式r =nΣxy −ΣxΣynΣx 22nΣy 22(2)计算结果r =12∗382.17−3771.3612∗428.18−64.802∗ 12∗342.86−58.202=0.9859(3)结果分析r >0.8，说明该合成纤维强度y 与拉伸倍数x 成高度线性正相关关系。
2. 回归方程求解 (1).计算公式β1 =n ∑x i y i n i =1− ∑X i n i =1 ∑y i ni =1n x i2ni =1−∑x i n i =12某纤维强度y 关于拉伸倍数x 的散点图拉伸倍数x强度yβ 0=y −β1x (2).计算结果β 1= 12∗382.17−3771.3612∗428.18−64.802=0.8675β0=4.85−0.8675∗5.40=0.1655 (3).回归方程y i =0.1655+0.8675xi (4).回归前后图像对比图（2）回归系数β1=0.8675，表示拉伸倍数每增加一倍，该合成纤维强度增加0.08675。
三、 线性关系检验(1).提出假设123456789101112该纤维强度y 关于拉伸倍数x 的散点图及其线性回归方程拉伸倍数x强度yH0:β1=0线性关系不显著(2).计算检验统计量FF=SSR/1SSE/(n−2)= MSRMSE~F(1，n-2)F =58.89505/11.695902/(12−2)=347.2786(3).显著性水平α=0.05，根据分子自由度1和分母自由度12-2找出临界值Fα=4.965(4).F>Fα，拒绝H0，线性关系显著。
- 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)。
数学建模作业一、回答以下问题1.什么是数学模型？答：所谓数学模型,是指针对或参照现实世界中某类事物系统的主要特征、主要关系,经过简化与抽象,用形式化的数学语言概括或近似地加以表述的一种数学结构.一般表现为数理逻辑的逻辑表达式、各种数学方程(如代数方程、微分方程、积分方程等)及反映量与量之间相互关系的图形、表格等形式.它或者能解释特定现象的现实状态,或者能预测对象的未来状态,或者能提供处理对象的最优决策与控制.好的数学模型应具备可靠性和可解性(也叫适用性)两方面的特性:可靠性指在允许的误差范围内,能反映出该系统有关特性的内在联系;可解性指易于数学处理与计算.数学模型方法将复杂的研究对象简单化、抽象化,撇开对象的一些具体特征,减少其参数,只抽取其主要量、量的变化及量与量之间的相互关系,在“纯粹”的形态上进行研究,突出主要矛盾,忽略次要矛盾,用数学语言刻画出客观对象量的规律性,简洁明了地描述现实原形,揭示出其本质的规律,并在对模型修正、求解的基础上使原问题得以解决.可以说,数学模型是对现实原形的一种理想化处理是一个科学的抽象过程,因而具有高度的抽象性与形式化特征.这一特征使其成为一种经典的数学方法,并随着科学技术的数学化趋势,超越数学范畴,广泛地应用于自然2013数学建模选修课第二次作业科学、工程技术和社会科学的一切领域.。
2.数学模型是如何分类的？答：用字母、数字和其他数学符号构成的等式或不等式，或用图表、图像、框图、数理逻辑等来描述系统的特征及其内部联系或与外界联系的模型。
它是真实系统的一种抽象。
数学模型是研究和掌握系统运动规律的有力工具，它是分析、设计、预报或预测、控制实际系统的基础。
3.建立数学模型一般应遵循什么原则？答：模型假设是整个建模的起点，是模型建立的基础，不同的人对同一事物的认识因其角度及深度不一致而产生不同的假设条件，从而导致不同的模型建立恰当进行模型假设是极为重要的。
同时模型假设和模型建立是一个不易分离的整体过程。
. 在进行模型假设和模型建立的过程中，我们应遵从以下两个基本原则，并按两个基本原则的顺序进行反复的操作。
（1）分割原则分割成若干个独立的研究对象并说明对象间应有联系可用图来表示对象间联系。
（2）联系原则构造出对象之间的联系的具体方式或细节分割的复杂性在于不存在绝对的客观分割的标准因为任何一个分割方式都带有一定的主观性，分割问题不单纯是数学问题，还需要有其他学科的观点，这就构成模型假设的复杂性。
对其复杂性我们有必要作深入探讨和研究。
24.建立数学模型一般都有什么方法？答：建模的一般方法：①机理分析：根据对现实对象特性的认识，分析其因果关系，找出反映内部机理的规律，所建立的模型常有明确的物理或现实意义。
②测试分析方法：将研究对象视为一个“黑箱”系统，内部机理无法直接寻求，通过测量系统的输入输出数据，并以此为基础运用统计分析方法，按照事先确定的准则在某一类模型中选出一个数据拟合得最好的模型。
测试分析方法也叫做系统辩识。
将这两种方法结合起来使用，即用机理分析方法建立模型的结构，用系统测试方法来确定模型的参数，也是常用的建模方法。
在实际过程中用那一种方法建模主要是根据我们对研究对象的了解程度和建模目的来决定建立数5.建立数学模型的一般步骤是什么？答：建模的具体步骤大致如下：1、实际问题通过抽象、简化、假设，确定变量、参数；2、建立数学模型并数学、数值地求解、确定参数；3、用实际问题的实测数据等来检验该数学模型；二、多项式插值由函数y=sin x在三点0，π/4，π/2处的函数值，构造二次插值多项式P2(x)，计算sin(π/8)的近似值，并估计截断误差。
32013数学建模选修课第二次作业4解：令12/,785398.04/,0210==≈==ππx x x ，则1,707107.02/2,0210=≈==y y y2120210121012002010212))(())(())(())(())(())(()(y x x x x x x x x y x x x x x x x x y x x x x x x x x x p ----+----+----=405330.0)8/sin(=π))()((6)cos())()((!3)()(2102102x x x x x x x x x x x x f x R ----=---'''=ζζ（1）程序代码：clear all;clc;x=[0 pi/4 pi/2];%%计算各个插值点的x 的值y=sin(x);%%sin 中一定要带括号p=polyfit(x,y,2);%%构造二次插值多项式f=inline('sinx');%%将sinx 定义成内联函数以便使用fprintf('运行结果为：\n\n')%%输出语句disp('构造的二次插值多项式P2(x)为：')%%输出语句f=poly2str(p,'x')%%将拟合后的多项式系数（双精度数组）转换为字符形式的函数poly2sym(p);%%将该向量转换为多项式fprintf('sin(π/8)的近似值为：\n')m=polyval(p,pi/8)%%用于对已经拟合后的多项式系数，%%当给出某个点时求其函数值;计算插值多项式在pi/8处的值 fprintf('sin(π/8)的真实值为：\n')n=sin(pi/8)fprintf('截断误差Rn(x)为：\n')%%输出语句R=abs(n-m)（2）运行结果：运行结果为：构造的二次插值多项式P2(x)为：f =-0.33575 x^2 + 1.164 x - 2.8824e-016sin(π/8)的近似值为：m =0.4053sin(π/8)的真实值为：n =0.3827截断误差Rn(x)为：R =0.0226（3）结果分析：在编写程序时用了poly2str和poly2sym函数，开始时没有运用第二个将该向量转换为多项式的函数，即无法计算，经查资料后修改得到结果如上。
三、数值积分轮船的甲板成近似半椭圆面形，为了得到甲板的面积，首先测得横向最大相间8.534米，然后等距离的测得纵向高度，自左向右分别为0.914,5.060,7.772,8.717,9.083,9.144,9.083,8.992,8.687,7.376,2.073米，计算甲板的面积。
52013数学建模选修课第二次作业解：（1）程序代码：x=linspace(0,8.534,13)%由0到8.534将其分为13等份计算其相应的坐标点y=[0 0.914 5.060 7.772 8.717 9.083 9.144 9.083 8.992 8.687 7.376 2.073 0];x0=0:0.001:8.534;y1=interp1(x,y,x0);%%一维线性插值函数fprintf('梯形积分结果为：\n\n')%%输出语句x=[x,fliplr([x(1),x,x(end)])];y=[y/2,fliplr([y(1)/2,-y/2,y(end)/2])];subplot(1,2,1);plot(x,y,'-r')%,x0,y1,'-r')S=trapz(y1)*0.001%%积分函数title('用梯形积分结果图');xlabel('x');ylabel('y');y=[0.914,5.060,7.772,8.717,9.083,9.144,9.083,8.992,8.687,7.376,2.073];n=length(y)x=linspace(0,8.534,n);pp=spline(x,y);%%求样条函数表达式fprintf('辛普森积分结果为：\n\n')%%输出语句S2=quadl(@ppval,0,8.534,[],[],pp)%%高阶法数值积分%%%绘制甲板的图形subplot('position',[200,150,900,400])%%subplot('Position',[left bottom %width height])%figure的位置和大小，距离屏幕左边200，底部150，宽900，高400，默认单位是像素xx=[x,fliplr([x(1),x,x(end)])];%%把x矩阵的第1个到最后一个元素沿垂直轴左右翻转yy=[y/2,fliplr([y(1)/2,-y/2,y(end)/2])];%实现矩阵的左右翻转subplot(1,2,2)plot(xx,yy)title('用辛普森积分结果图');xlabel('x');ylabel('y');6（2）运行结果：x =Columns 1 through 110 0.7112 1.4223 2.1335 2.8447 3.5558 4.2670 4.9782 5.6893 6.4005 7.1117Columns 12 through 137.8228 8.5340梯形积分结果为：S =54.6894n =72013数学建模选修课第二次作业11辛普森积分结果为：S2 =65.2824（3）结果分析：上面结果是用两种方法来进行计算的，第一个是一维线性插值，第二个是辛普森积分，运行结果如上图，但是无法再给图像命名时再给两个图填充颜色，原因未知。
结果是第一个的结果没有第二个结果好。
四、多项式拟合对于以下实验数据x=(1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6 7 8 9 10 11)y=（4 4.6 8 8.4 9.28 9.5 9.7 9.86 10 10.2 10.32 10.30 10.24 10.18 10.00 9.40）给出拟合多项式，计算x=6.5,12处的值，并绘制相应曲线图。
解：（1）程序代码：clear all;clc;x=[1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6 7 8 9 10 11];y=[4 4.6 8 8.4 9.28 9.5 9.7 9.86 10 10.2 10.32 10.30 10.24 10.18 10.00 9.40];a=polyfit(x,y,5); % 拟合出的五次函数的系数fprintf('运行结果为：\n\n')%%输出语句disp('构造的二次插值多项式P2(x)为：')%%输出语句f=poly2str(a,'x')%%将拟合后的多项式系数（双精度数组）转换为字符形式的函数poly2sym(a);%%将该向量转换为多项式fprintf('x=6.5的近似值为：\n')m=polyval(a,6.5)%%用于对已经拟合后的多项式系数，fprintf('x=12的近似值为：\n')n=polyval(a,12)%%用于对已经拟合后的多项式系数，8xx=linspace(min(x),max(x)); % 绘图用到的点的横坐标yy=polyval(a,xx); % 拟合曲线的纵坐标%subplot(2,2,4);plot(x,y,'m.',xx,yy,'b'); % 绘图，原始数据+拟合曲线xlabel('x');ylabel('y');legend('原始数据','拟合曲线'); % 图示title('五次多项式拟合曲线');hold on;x=[6.5 12];y=[m n];plot(x,y,'gs')（2）运行结果：92013数学建模选修课第二次作业运行结果为：构造的二次插值多项式P2(x)为：f =0.00038416 x^5 - 0.01707 x^4 + 0.28271 x^3 - 2.2403 x^2 + 8.6685 x- 3.1048x=6.5的近似值为：m =10.2120x=12的近似值为：n =8.458510（3）结果分析：开始时我用了四个不同次数多项式来进行拟合结果如第一个图，但是由于最后要计算x=6.5,12处的值，我取了误差最小的四次多项式来进行计算，拟合，结果如第二个图。