函數建模簡介
歡迎！在本章節中，我們將探討數學建模（Modelling）。這是我們所學的抽象代數與現實世界交匯的地方。你可以把數學模型想像成一種「翻譯」：我們將現實生活中的情況——例如人口增長的速度，或是咖啡冷卻的過程——翻譯成一個數學函數。透過這種方式，我們可以對未來進行預測，或更深入地理解當下。
如果初看覺得這些內容有些「冗長」，別擔心；建模其實就是找到合適的「數學形態」來契合「現實故事」而已。
什麼是數學模型？
數學模型是現實世界情況的簡化呈現。我們使用函數來描述不同變量之間的關係。
例子：如果你每小時賺取 10 英鎊，那麼你的工資（\(P\)）與工作時數（\(h\)）之間的關係可以建立為函數 \(P = 10h\)。
必須掌握的關鍵術語：
• 變量（Variables）： 會改變的數值（例如時間、距離或成本）。
• 參數（Parameters）： 模型中固定的數值（例如上述例子中的「10」）。
• 定義域（Domain）： 所有可能的輸入值集合（例如：時間不能為負數）。
• 值域（Range）： 所有可能的輸出值集合。
快速回顧： 模型並非「絕對真理」——它只是一個簡化版的現實，只要「足夠好」即具備參考價值！
建模流程
當你在考試中被要求為某事物「建模」時，通常遵循以下步驟：
1. 識別變量： 我們正在測量什麼？（通常時間 \(t\) 是其中之一）。
2. 選擇函數類型： 它看起來像是一條直線（線性）？一條曲線（二次函數）？還是增長得非常快（指數函數）？
3. 建立方程式： 寫下函數 \(f(x)\) 或 \(y = \dots\)
4. 求解與詮釋： 利用數學計算出答案，然後解釋該答案在現實世界中的含義。
5. 評估： 問問自己，「這個答案合理嗎？」以及「它的局限性在哪裡？」
常見模型類型
在課程的「函數」單元中，你將會遇到幾種主要的模型「形狀」：
1. 線性模型
用於事物以恆定速率改變時。
方程式： \( y = mx + c \)
例子：計程車收取 3 英鎊的基本車資，外加每英里 2 英鎊。模型為 \(C = 2m + 3\)。
2. 二次模型
用於先上升後下降的事物（如拋出的球），或具有最大值/最小點的情況。
方程式： \( y = ax^2 + bx + c \)
比喻：想像一個噴泉。水向上噴出，達到頂峰，然後以對稱曲線（拋物線）落下。
3. 指數模型
用於增長或衰減速度與其當前大小成正比的情況。
方程式： \( y = Ae^{kt} \) 或 \( y = Ab^t \)
你知道嗎？指數模型經常用於追蹤病毒式影片在社交媒體上的傳播速度！
局限性與優化
這是 MEI 課程大綱 (f8) 中至關重要的一部分。你必須具備批判性地評估模型的能力。
理解局限性
局限性（Limitation）是指模型可能失效或變得不準確的原因。
• 例子： 如果你使用線性函數根據年齡來模擬一個人的身高，模型最終會預測此人長到 10 英尺高！這就是局限性，因為人類的生長是有上限的。
建議優化
優化（Refinement）是讓模型更貼近現實的方法。
• 例子： 與其使用簡單的線性模型來衡量汽車價值，不如使用指數衰減模型，因為汽車在剛買入時貶值速度比舊車更快。
關鍵啟示： 永遠檢查模型的定義域是否合理。如果數學計算顯示「長度」是 \(-5\)，那麼該模型就達到了其局限性！
應避免的常見錯誤
• 忽略單位： 如果時間單位是分鐘，但速率單位是小時，你的模型就會出錯。務必檢查單位！
• 外推法（Extrapolation）： 指預測數據範圍之外的數值。植物這週長了 2 厘米，並不代表未來 10 年每週都會長 2 厘米。
• 混淆 \(x\) 與 \(y\)： 確保你明確知道哪個變量依賴於另一個（例如：成本依賴於時間，所以成本是 \(y\)，時間是 \(x\)）。
總結表：選擇模型
若變化是... | 請使用... | 尋找...
平穩 / 恆定 | 線性函數 | 直線圖形
U 型 / 頂峰 | 二次函數 | 平方項 (\(x^2\))
極速增長/衰減 | 指數函數 | 指數位置上的變量 (\(e^x\))
如果起初覺得這些很棘手，別擔心！建模是一項透過練習會變得容易很多的技能。你看過的「現實世界」問題越多，就越能快速識別出該使用哪種函數。