4) 模型求解

通过已经获取的资料和数据，根据数学结论和数值计算方法，计算或近似计算模型方程的所有参数。

5) 模型分析

阐述建立模型的思路和方法，并使用数学的逻辑思维和恰当精确的语言分析所得的结果。

6) 模型检验

比较模型分析结果与实际情形的拟合程度，以此来验证所建立的数学模型是否正确、合理，并且可以广泛适用。如果模型计算的结果与实际统计的数据两者的吻合程度可以达到较好的程度，则要对计算结果进行恰定的定义，并解释所得到结果的实际含义。如果模型计算的结果与实际统计得到的的数据吻合程度较差，则应该继续改进假设和建模使用的思路方法，再次重复建立数学模型的步骤，直到模型计算的结果与实际统计数据之间的吻合能够达到较好的程度。

7) 模型应用与推广

数学模型的应用方式会因研究问题的不同性质而需要进行不同程度的改变以适应实际需要，而模型的推广简单地说，就是对已经建立的数学模型引入更多参数，考虑更加全面，分析思考更多影响因素对结果的影响，进而建立更符合更多实际需要的数学模型。文献综述

2。2。2数学建模模型

1)线性代数模型

线性代数模型是以向量，矩阵和线性方程组为研究对象，以实向量空间为背景的一种抽象数学工具，它可以多个限制条件下，对不同的对象、不同的目标或不同的方案进行数学分析和数据运算，是一种简单易学高效的数学工具，在科技研究、国防建设、军事战争、经济发展、环境保护等各个领域中的应用非常普遍。特别的，矩阵是这类模型的核心组成部分之一，在线性代数模型中的应用十分广泛。

自然科学和工程实践很多问题本身就是一个线性方程组，这些问题的解决都可以归纳为线性方程组求解和矩阵运算。例如物理学中电路分析问题和能量守恒的转移转化问题、化学中物质发生化学反应方程式配平问题等等；另一方面，有些数值计算方法也使用线性方程组求解，如上文已经提到的最优化问题，还有中学就已经学习的数据拟合问题，以及我们在线性代数课程中学习的非线性方程组求解问题等等。