模型思想：把现实问题翻译成数学结构

常见表现形式

• 应用题建模为方程或不等式
• 物理问题建模为函数（运动学、最值）
• 风险问题建模为概率分布
• 优化问题建模为线性规划或最值

建模四步

步骤	操作	要点
抽象	抓主要因素，舍次要因素	不能全要，也不能丢关键
翻译	把文字条件化为数学关系	单位、定义域要标清
求解	用数学方法得出结论	方程、函数、不等式工具
验证	回代现实数据核对	不符则修改模型

四步构成建模完整流程：抽象—翻译—求解—验证。前两步是「从现实到数学」，后两步是「从数学回现实」。建模与解应用题的区别在于：应用题的条件已经「半抽象」好了，建模要从原始情境开始抽象。

典例精析

例 1（方程模型：行程问题） 甲乙两地相距 $120$ 千米，一辆车以 $60$ 千米/时从甲出发，另一辆车以 $40$ 千米/时从乙出发相向而行，何时相遇？

建模：把两车视为匀速运动质点，设 $t$ 小时后相遇，则 $60t+40t=120$，解得 $t=1.2$ 小时。这里把「相向而行」抽象为「距离之和等于初始距离」，是方程模型的最简情形。

例 2（函数模型：利润最大化） 某商品售价 $p$ 元时销量 $q=100-2p$ 件，成本 $30$ 元/件，求定价使利润最大。

建模：利润 $L=(p-30)(100-2p)=-2p^2+160p-3000$，是 $p$ 的二次函数。配方 $L=-2(p-40{)}^2+200$，故定价 $40$ 元时利润最大为 $200$ 元。这里把「定价—销量—利润」翻译为二次函数求最值。

例 3（概率模型：抽奖问题） 抽奖箱中 $3$ 红 $2$ 白，一次摸 $2$ 个，求都是红色的概率。

建模：把摸球抽象为组合 $C_5^2=10$ 种等可能结果，有利情况 $C_3^2=3$ 种，故 $P=\frac{3}{10}$。这里把「摸球」抽象为古典概型，是概率建模的最简情形。

辨析与提醒

• 过度简化：例 1 把车视为匀速质点，忽略了加速、减速、堵车。短距离预测尚可，长距离误差累积。建模的简化必须控制在「误差可接受」范围内，否则模型失效。
• 过度复杂化：例 2 若考虑「售价影响品牌、库存成本、季节波动」等所有因素，模型无法求解。建模要敢于忽略次要因素——可解的近似模型胜过不可解的精确模型。
• 不回代验证：例 2 求出定价 $40$ 元利润 $200$ 元后，应核对实际销售数据。若现实利润仅 $150$ 元，说明模型有偏差，需修正（如考虑需求弹性）。

跨学段衔接

小学「应用题」是模型思想的萌芽——「树上 $5$ 只鸟，飞走 $3$ 只」就是简单方程模型；初中「一元一次方程应用题」「不等式应用题」是建模第一次作为独立训练；高中「函数应用题（最值）」「线性规划」「概率统计应用」把模型思想扩展到函数、不等式、概率三大类；大学「数学建模课」「微分方程模型」「随机过程模型」把建模作为独立学科。模型思想贯穿整条数学线，因为「用数学解决现实问题」是数学最根本的使命。

模型思想的四类常见模型

模型类型	数学结构	典型场景
方程模型	方程或不等式	应用题、几何计算
函数模型	函数求最值	利润、效率优化
概率模型	概率分布	风险、抽样、决策
几何模型	图形与比例	测量、设计、地图

四类模型共用同一条心法：先把现实情境抽象为数学结构，再用数学方法求解，最后回代验证。模型思想的真正难度不在「解」，而在「抽象」——决定保留什么、舍去什么。这一步靠经验，靠对问题本质的洞察，是数学思维最高级的表现。