歡迎來到情境模型 (Models in Context)！

你有沒有想過科學家是如何預測病毒的傳播，或者工程師是如何計算火箭的飛行軌跡？他們使用的正是數學模型。在這一章，你將學習如何將現實生活中的情境轉化為數學問題，並運用你已學過的函數（如線性函數、二次函數和指數函數）來進行分析。

如果「建模」這個概念起初讓你覺得有點抽象，別擔心。簡單來說，我們只是用數學來講述關於身邊世界的一個簡化故事。讓我們開始吧！

1. 什麼是數學模型？

模型是現實世界情境的簡化呈現。試想一下，它就像一張地圖。地圖並非真實的城市——它不會標示出每一株草或每一顆小石頭——但它提供了足夠的資訊，讓你從 A 點抵達 B 點。數學模型對於數據而言，也具有同樣的作用。

在課程大綱的這一部分，我們重點關注 1.02z：在建模中使用函數。這意味著在給定一組條件後，挑選出最合適的函數類型來進行描述。

模型中常用的函數

  • 線性函數 (Linear Functions)： \( y = mx + c \)。當事物以恆定速率 (constant rate) 變化時使用（例如：計程車收費包含起步價加上按哩程數計算的費用）。
  • 二次函數 (Quadratic Functions)： \( y = ax^2 + bx + c \)。常用於拋體運動 (projectiles)（空中拋出的物體）或計算最大利潤。
  • 指數函數 (Exponential Functions)： \( y = Ab^x \) 或 \( y = Ae^{kx} \)。用於快速增長（如細菌繁殖）或衰減（如放射性物質）。
  • 三角函數 (Trigonometric Functions)： \( y = a \sin(bx + c) \)。用於描述週期性行為，如潮汐、季節或聲波。
快速複習：

如果變化量是固定的，請選擇線性函數。
如果變化量是恆定的百分比或倍數，請選擇指數函數。
如果曲線呈現先上升後下降的趨勢，請嘗試二次函數。

2. 建模過程

當你遇到建模題目時，請遵循以下步驟：

  1. 定義變數： 通常時間 \( t \) 是自變數（放在 x 軸上）。
  2. 識別函數類型： 尋找關鍵字，如「恆定速率」或「與...成正比」。
  3. 找出常數： 使用題目提供的資訊（初始值）來找出斜率 \( m \) 或起始值 \( A \) 等常數。
  4. 求解與詮釋： 使用你的方程式來預測數值，然後解釋該數值在「現實世界」中的意義。
例子：一個水箱內最初有 500 公升水，每小時漏掉 5 公升。

1. 變數：\( V \) = 體積，\( t \) = 以小時為單位的時間。
2. 函數：恆定減少的速率意味著它是線性函數。
3. 方程式：\( V = -5t + 500 \)。
4. 詮釋：當 \( t = 100 \) 時，\( V = 0 \)。水箱在 100 小時後排空。

3. 假設與限制

這是考試中最愛出的熱門話題！沒有一個模型是完美的，因為現實世界非常複雜。為了讓數學運算可行，我們必須進行假設 (assumptions)。

建模假設

假設是我們為了簡化計算而「假定」為真的條件。常見的例子包括：

  • 拋球時忽略空氣阻力。
  • 假設恆定增長（例如：人口每年精確增加 2%，沒有意外）。
  • 將物體視為質點 (particle)（忽略其體積和形狀）。

建模限制

限制 (limitation) 是導致模型失效或不再精確的原因。每個模型都有其「臨界點」。

你知道嗎？ 一個關於人口增長的指數模型可能會預測，500 年後地球上的人類數量會超過宇宙中的原子總數！這就是一個明確的限制——模型沒有考慮到食物或空間等資源的有限性。

常見考題：「說明該模型的一項限制。」

小撇步： 觀察當時間值非常大時會發生什麼。如果模型顯示咖啡杯的溫度最終會達到 \(-1000\) 度，這就是限制，因為它應該在室溫時就停止冷卻！

4. 優化與比較模型

有時候單一模型不足以解決問題，我們需要優化 (refine) 它，或是與另一個模型進行比較。

優化模型

優化模型意味著透過移除某個假設，使其變得更貼近現實。 例子： 如果你落體運動的模型是 \( s = 4.9t^2 \)，你可以透過加入一項空氣阻力來優化它，使其在高速度下更精確。

比較模型

如果你有兩個針對同一數據的建模方式，你可以透過以下指標進行比較：

  • 精確度： 哪個模型的預測值更接近實際觀測數據？
  • 有效範圍： 某個模型是否適用於長時間預測，而另一個只適用於最初幾分鐘？
  • 簡潔性： 有時候，一個精確度略低的線性模型，反而比非常複雜的三次模型更好用，因為它更容易操作。
核心重點：

一個「好」的模型是在易於計算與足夠精確以具備參考價值之間取得平衡。

5. 應避免的常見錯誤

  • 忽略單位： 如果時間是以分鐘為單位，但速率是「每小時」，你的模型就會出錯。務必檢查單位！
  • 荒謬的預測： 如果你的模型預測高度為負數，或是人口數為 2.5 人，請意識到模型已經達到了它的限制。
  • 混淆「假設」與「限制」： 假設是你在建模前所做的設定（為了簡化）；限制則是這些簡化所帶來的結果（為什麼模型不夠精確）。

總結檢查清單

1. 識別函數： 它是線性的、二次的還是指數的？
2. 求解常數： 使用「初始條件」（通常是 \( t = 0 \) 時）。
3. 評估假設： 你忽略了什麼因素（例如：摩擦力、變動的速率）？
4. 檢查限制： 模型在極大或極小的數值下是否產生了不可能的結果？
5. 考慮優化： 你可以如何讓模型更貼近現實？

繼續練習吧！與純代數相比，建模可能會讓你覺得比較「模糊」，但一旦你開始將這些函數視為現實世界的故事，它就會成為數學科中最具收穫感的部分之一。