《数学知识在其他领域的运用.docVIP

数学在其他领域中的运用 数学，从古到今，都是科学王冠上那颗最耀眼的珠宝，光芒从未褪去它应有的光芒。在数学的发展中，涌现一大批伟大的数学家，他们在数学的发展中留下了光辉的一笔。?????????????????????????????? 数学在其他领域中，运用同样很广泛。?????? 数学在物理学中运用，在物理学发展中，数学方法为其解决了许多困难。从天体物理中，可以发现，数学的统计知识发挥巨大的运用。? 一，开普勒三大定律，开普勒发现行星运动的三大定律，促进了人类对宇宙的认知，同时也推动了物理学的发展。然而，在发展规律的过程，却是数学的统计知识的功劳，第谷话费二十年的心血，记录大量的有关行星运动的轨迹和数据，然而第谷却没有能够很好的去统计数据，从中发现自然的奥秘。开普勒很好的利用数据，统计数据，从中发现规律，三大定律的发现为后来牛顿的万有引力定律奠定了基础。???? 二，行星轨迹方程。哈雷慧星的周期是75或76 年，怎么算出来的，轨迹是怎么定性的描述的？众所周知，天体运动是不规律的，有变化的，怎么才能描述运动规律？现在回归到数学问题，在一群点均匀的散落在一条直线的上下，怎样求解直线方程，可知方法就是最小二乘法的使用，最小二乘法是伟大的数学家高斯发明的一种减小误差的方法。最小二乘法原理  在我们研究两个变量(x, y)之间的相互关系时，通常可以得到一系列成对的数据(x1, y1、x2, y2... xm , ym)；将这些数据描绘在x -y直角坐标系中(如图1), 若发现这些点在一条直线附近，可以令这条直线方程如(式1-1)。  Y计= a0 + a1 X (式1-1)  其中：a0、a1 是任意实数  为建立这直线方程就要确定a0和a1，应用《最小二乘法原理》，将实测值Yi与利用(式1-1)计算值(Y计=a0+a1X)的离差(Yi-Y计)的平方和〔∑(Yi - Y计)2〕最小为“优化判据”。  令: φ = ∑(Yi - Y计)2 (式1-2)  把(式1-1)代入(式1-2)中得:  φ = ∑(Yi - a0 - a1 Xi)2 (式1-3)  当∑(Yi-Y计)平方最小时，可用函数 φ 对a0、a1求偏导数，令这两个偏导数等于零。  (式1-4)  (式1-5)  亦即：  m a0 + (∑Xi ) a1 = ∑Yi (式1-6)  (∑Xi ) a0 + (∑Xi2 ) a1 = ∑(Xi, Yi) (式1-7)  得到的两个关于a0、 a1为未知数的两个方程组，解这两个方程组得出：  a0 = (∑Yi) / m - a1(∑Xi) / m (式1-8)  a1 = [∑Xi Yi - (∑Xi ∑Yi)] / [∑Xi2 - (∑Xi)2 )] (式1-9)  这时把a0、a1代入(式1-1)中, 此时的(式1-1)就是我们回归的元线性方程即：数学模型。  在回归过程中，回归的关联式是不可能全部通过每个回归数据点(x1, y1、 x2, y2...xm,ym),为了判断关联式的好坏,可借助相关系数“R”，统计量“F”，剩余标准偏差“S”进行判断；“R”越趋近于 1 越好；“F”的绝对值越大越好；“S”越趋近于 0 越好。  R = [∑XiYi - m (∑Xi / m)(∑Yi / m)]/ SQR{[∑Xi2 - m (∑Xi / m)2][∑Yi2 - m (∑Yi / m)2]} (式1-10) ＊  在(式1-1)中，m为样本容量，即实验次数；Xi、Yi分别任意一组实验X、Y的数值。微积分应用课题一 最小二乘法  从前面的学习中, 我们知道最小二乘法可以用来处理一组数据, 可以从一组测定的数据中寻求变量之间的依赖关系, 这种函数关系称为经验公式. 本课题将介绍最小二乘法的精确定义及如何寻求 与 之间近似成线性关系时的经验公式. 假定实验测得变量之间的 个数据 , , …, , 则在 平面上, 可以得到 个点 , 这种图形称为“散点图”, 从图中可以粗略看出这些点大致散落在某直线近旁, 我们认为 与 之间近似为一线性函数, 下面介绍求解步骤.  考虑函数 , 其中 和 是待定常数. 如果 在一直线上, 可以认为变量之间的关系为 . 但一般说来, 这些点不可能在同一直线上. 记 , 它反映了用直线 来描述 , 时, 计算值 与实际值 产生的偏差. 当然要求偏差越小越好, 但由于 可正可负, 因此不能认为总偏差 时, 函数 就很好地反映了变量之间的关系, 因为此时每个偏差的绝对值可能很大. 为了改进这一缺陷, 就考虑用 来代替 . 但是由于绝对值不易作解析运算, 因此, 进一步用 来度量总偏差. 因偏差的平方和最小可以