欢迎来到情境模型 (Models in Context)！

你有没有想过科学家是如何预测病毒的传播，或者工程师是如何计算火箭的飞行轨迹？他们使用的正是数学模型。在这一章，你将学习如何将现实生活中的情境转化为数学问题，并运用你已学过的函数（如线性函数、二次函数和指数函数）来进行分析。

如果“建模”这个概念起初让你觉得有点抽象，别担心。简单来说，我们只是用数学来讲述关于身边世界的一个简化故事。让我们开始吧！

1. 什么是数学模型？

模型是现实世界情境的简化呈现。试想一下，它就像一张地图。地图并非真实的城市——它不会标示出每一株草或每一颗小石头——但它提供了足够的信息，让你从 A 点抵达 B 点。数学模型对于数据而言，也具有同样的作用。

在课程大纲的这一部分，我们重点关注 1.02z：在建模中使用函数。这意味着在给定一组条件后，挑选出最合适的函数类型来进行描述。

模型中常用的函数

  • 线性函数 (Linear Functions)： \( y = mx + c \)。当事物以恒定速率 (constant rate) 变化时使用（例如：出租车收费包含起步价加上按里程数计算的费用）。
  • 二次函数 (Quadratic Functions)： \( y = ax^2 + bx + c \)。常用于抛体运动 (projectiles)（空中抛出的物体）或计算最大利润。
  • 指数函数 (Exponential Functions)： \( y = Ab^x \) 或 \( y = Ae^{kx} \)。用于快速增长（如细菌繁殖）或衰减（如放射性物质）。
  • 三角函数 (Trigonometric Functions)： \( y = a \sin(bx + c) \)。用于描述周期性行为，如潮汐、季节或声波。
快速复习：

如果变化量是固定的，请选择线性函数。
如果变化量是恒定的百分比或倍数，请选择指数函数。
如果曲线呈现先上升后下降的趋势，请尝试二次函数。

2. 建模过程

当你遇到建模题目时，请遵循以下步骤：

  1. 定义变量： 通常时间 \( t \) 是自变量（放在 x 轴上）。
  2. 识别函数类型： 寻找关键字，如“恒定速率”或“与...成正比”。
  3. 找出常数： 使用题目提供的信息（初始值）来找出斜率 \( m \) 或起始值 \( A \) 等常数。
  4. 求解与诠释： 使用你的方程来预测数值，然后解释该数值在“现实世界”中的意义。
例子：一个水箱内最初有 500 公升水，每小时漏掉 5 公升。

1. 变量：\( V \) = 体积，\( t \) = 以小时为单位的时间。
2. 函数：恒定减少的速率意味着它是线性函数。
3. 方程：\( V = -5t + 500 \)。
4. 诠释：当 \( t = 100 \) 时，\( V = 0 \)。水箱在 100 小时后排空。

3. 假设与限制

这是考试中最爱出的热门话题！没有一个模型是完美的，因为现实世界非常复杂。为了让数学运算可行，我们必须进行假设 (assumptions)。

建模假设

假设是我们为了简化计算而“假定”为真的条件。常见的例子包括：

  • 抛球时忽略空气阻力。
  • 假设恒定增长（例如：人口每年精确增加 2%，没有意外）。
  • 将物体视为质点 (particle)（忽略其体积和形状）。

建模限制

限制 (limitation) 是导致模型失效或不再精确的原因。每个模型都有其“临界点”。

你知道吗？ 一个关于人口增长的指数模型可能会预测，500 年后地球上的人类数量会超过宇宙中的原子总数！这就是一个明确的限制——模型没有考虑到食物或空间等资源的有限性。

常见考题：“说明该模型的一项限制。”

小撇步： 观察当时间值非常大时会发生什么。如果模型显示咖啡杯的温度最终会达到 \(-1000\) 度，这就是限制，因为它应该在室温时就停止冷却！

4. 优化与比较模型

有时候单一模型不足以解决问题，我们需要优化 (refine) 它，或是与另一个模型进行比较。

优化模型

优化模型意味着通过移除某个假设，使其变得更贴近现实。 例子： 如果你落体运动的模型是 \( s = 4.9t^2 \)，你可以通过加入一项空气阻力来优化它，使其在高速度下更精确。

比较模型

如果你有两个针对同一数据的建模方式，你可以通过以下指标进行比较：

  • 精确度： 哪个模型的预测值更接近实际观测数据？
  • 有效范围： 某个模型是否适用于长时间预测，而另一个只适用于最初几分钟？
  • 简洁性： 有时候，一个精确度略低的线性模型，反而比非常复杂的三次模型更好用，因为它更容易操作。
核心重点：

一个“好”的模型是在易于计算与足够精确以具备参考价值之间取得平衡。

5. 应避免的常见错误

  • 忽略单位： 如果时间是以分钟为单位，但速率是“每小时”，你的模型就会出错。务必检查单位！
  • 荒谬的预测： 如果你的模型预测高度为负数，或是人口数为 2.5 人，请意识到模型已经达到了它的限制。
  • 混淆“假设”与“限制”： 假设是你在建模前所做的设定（为了简化）；限制则是这些简化所带来的结果（为什么模型不够精确）。

总结检查清单

1. 识别函数： 它是线性的、二次的还是指数的？
2. 求解常数： 使用“初始条件”（通常是 \( t = 0 \) 时）。
3. 评估假设： 你忽略了什么因素（例如：摩擦力、变动的速率）？
4. 检查限制： 模型在极大或极小的数值下是否产生了不可能的结果？
5. 考虑优化： 你可以如何让模型更贴近现实？

继续练习吧！与纯代数相比，建模可能会让你觉得比较“模糊”，但一旦你开始将这些函数视为现实世界的故事，它就会成为数学科中最具收获感的部分之一。