数学就在身边：生活中的数学现象观察

清晨六点半，闹钟响起。你按下贪睡按钮，心想：“再睡5分钟。”这5分钟，就是数学——时间的度量与分配。从那一刻起，数学已悄然潜入你的一天：早餐牛奶与麦片的比例、上学路上的最短路径、课间休息的倒计时、午餐费用的分摊、零花钱的规划……数学不是课本上冰冷的符号，而是流淌在生活脉络中的鲜活血液。本章将带你成为一名“生活数学侦探”，揭开日常现象背后的数学原理，用代数与比例的工具，优化你的每一个决定。我们将从购物折扣的精打细算，到时间管理的艺术，再到厨房里的配比魔法，每一步都用数学思维武装起来。通过互动游戏，你将实践变量表示、方程建立和单位换算；通过零花钱管理案例，你将设计个人预算表；最后，你将学会收集数据，为后续章节的统计与分析打下基础。准备好了吗？让我们开始这场侦探之旅。

购物中的数学智慧：折扣、单价与最优决策

购物是青少年接触最频繁的数学应用场景之一。从文具店的一支笔到商场的一件衣服，每一次支付都隐藏着数学计算。理解这些计算，不仅能帮你省钱，还能培养理性决策能力。

折扣计算的代数模型

商店促销手段多样：直接打折（如8折）、满减（如满100减20）、买赠（如买二送一）。核心都是价格优惠，但实际节省金额可能因购买金额不同而差异巨大。我们需要建立代数模型来比较。

设商品原价为 $P$，折扣率为 $r$（小数形式，如20% off对应 $r=0.2$），则折后价 $P_{sale}$ 为： $$P_{sale} = P \times (1 - r)$$

对于满减，假设规则为“每满 $M$ 元减 $D$ 元”。若购买金额为 $P$，则满足的满减次数为 $n = \lfloor P / M \rfloor$（向下取整），实付金额： $$P_{sale} = P - n \times D$$

案例1：两种折扣策略的对比 某品牌运动鞋原价600元。A商场活动：满300减50（可累计，即满600减100）；B商场活动：直接打8折（即 $r=0.2$）。在哪里购买更划算？

• A商场：$P=600$，$M=300$，$D=50$，$n = \lfloor 600/300 \rfloor = 2$，实付 $600 - 2\times50 = 500$ 元。
• B商场：$P_{sale} = 600 \times (1-0.2) = 480$ 元。

显然B更优。但如果购买金额不同呢？设购买金额为 $x$ 元，比较 A 和 B 的实付：

• A: $P_A(x) = x - 50 \times \lfloor x/300 \rfloor$
• B: $P_B(x) = 0.8x$

我们需要找到分界点。考虑区间：

• 当 $0 \leq x < 300$：A无折扣，$P_A=x$；B: $0.8x$，B更优。
• 当 $300 \leq x < 600$：A减50，$P_A=x-50$；B: $0.8x$。比较 $x-50$ 与 $0.8x$：$x-50 > 0.8x$ 当 $0.2x > 50$ 即 $x>250$，在此区间恒成立，故 $x-50 > 0.8x$，即A更贵，B更优？计算：$x-50 - 0.8x = 0.2x -50$，当 $x=300$，$0.2\times300-50=60-50=10>0$，所以 $P_A > P_B$，B更优。但 $x=300$ 时，A实付250，B实付240，B省10元。当 $x=500$，A实付450，B实付400，B省50元。所以在此区间B仍更优。
• 当 $600 \leq x < 900$：A减100，$P_A=x-100$；B: $0.8x$。比较 $x-100$ 与 $0.8x$：$x-100 - 0.8x = 0.2x -100$，当 $x=600$，$120-100=20>0$，A更贵；当 $x=500$ 已过，$x=600$ 时 $0.2\times600-100=120-100=20>0$，所以 $P_A > P_B$，B更优？但 $x=600$ 时A实付500，B实付480，B省20。当 $x$ 增大，$0.2x-100$ 增大，差距更大。但满减可能还有更高阶梯？假设满900减150等。但本例只有满300减50，无上限？通常有，但假设可累计。实际上，当 $x$ 很大时，$P_A \approx x - 50*(x/300) = x(1 - 1/6) = (5/6)x \approx 0.833x$，而B是0.8x，所以B始终更优？计算极限：$P_A/x = 1 - 50/300 * (x/x)$ 不精确，因为取整。但大致上，A的折扣率约为 $50/300 \approx 16.67\%$，而B是20%，所以B折扣更大。因此在此例中，B始终优于A。但若满减力度更大呢？例如满200减50，则折扣率25%，可能优于8折。

一般化比较：设满减规则为满 $M$ 减 $D$，等效折扣率 $r_{equiv} = D/M$。若 $r_{equiv} > r_{direct}$，则满减可能更优，但受取整影响。例如原价350元，满300减50：实付300，等效折扣率 $50/350 \approx 14.29\%$，而8折是20%，所以直接打折更优。但若购买金额刚好是 $M$ 的倍数，则等效折扣率精确为 $D/M$。因此，比较时需计算实际支付。

单价比较：隐藏的性价比

购买散装或不同包装的商品时，比较单价（单位价格）是关键。单价 $u = \frac{总价}{数量}$，通常统一为“元/单位重量”或“元/每件”。

案例2：洗衣液的明智选择 超市有两种洗衣液：

• 大瓶装：5千克，售价50元。
• 小瓶装：1千克，售价12元。

计算单价：

• 大瓶：$u_{big} = 50 / 5 = 10$ 元/千克。
• 小瓶：$u_{small} = 12 / 1 = 12$ 元/千克。

显然大瓶更划算。但如果用量少，买大瓶可能用不完造成浪费，这时需考虑实际需求。引入“有效单价”概念：若预计只用3千克，买大瓶花费50元，有效单价 $50/3 \approx 16.67$ 元/千克，反而不如小瓶。因此，最优决策需结合使用量。

设需要量为 $Q$ 千克，大瓶容量 $C_{big}=5$ 千克，价格 $P_{big}=50$ 元；小瓶容量 $C_{small}=1$ 千克，价格 $P_{small}=12$ 元。若买大瓶，需购买1瓶（若 $Q \leq 5$），总花费 $P_{big}$，有效单价 $P_{big}/Q$；若全用小瓶，需买 $\lceil Q \rceil$ 瓶（假设整数瓶），总花费 $P_{small} \times \lceil Q \rceil$，有效单价 $(P_{small} \times \lceil Q \rceil)/Q$。比较两者总花费：

• 大瓶总花费：$50$（若 $Q \leq 5$）
• 小瓶总花费：$12 \times \lceil Q \rceil$

例如 $Q=3$：大瓶50元，小瓶需3瓶共36元，小瓶更便宜。$Q=4.5$：大瓶50元，小瓶需5瓶60元，大瓶更便宜。因此，决策边界在某个 $Q$ 值。解方程：$50 = 12 \times \lceil Q \rceil$，但 $\lceil Q \rceil$ 是整数，当 $\lceil Q \rceil =5$ 即 $Q>4$，小瓶总价60>50，故大瓶更优当 $Q>4$？但 $Q=4.2$，小瓶需5瓶60元，大瓶50元，大瓶优；$Q=4.0$，小瓶需4瓶48元，大瓶50元，小瓶优。所以临界点在 $Q$ 使得 $12 \times \lceil Q \rceil = 50$，无整数解，因为 $12\times4=48<50$，$12\times5=60>50$。因此，当 $Q \leq 4$ 时小瓶总价不超过48元（若 $Q=4$ 正好4瓶48元），大瓶50元，小瓶优；当 $Q>4$ 时，小瓶至少5瓶60元，大瓶50元，大瓶优。但若 $Q$ 为小数，小瓶需向上取整，所以 $Q \in (4,5]$ 时大瓶优；$Q \leq 4$ 时小瓶优。注意 $Q=4$ 时小瓶48元，大瓶50元，小瓶优。因此，决策规则：若需要量不超过4千克，选小瓶；若超过4千克，选大瓶。这比单纯比较单价更精确。

最优购买策略的数学模型

实际购物中，我们可能同时购买多种商品，受总预算约束。设购买 $n$ 种商品，数量向量 $\mathbf{q} = (q_1, q_2, ..., q_n)$，单价向量 $\mathbf{p} = (p_1, p_2, ..., p_n)$，总成本 $C = \mathbf{p} \cdot \mathbf{q} = \sum_{i=1}^n p_i q_i$。预算约束 $C \leq B$（预算）。目标可能是最大化效用或满足需求。

简化：在固定预算下，如何分配购买量以最大化总数量？即最大化 $\sum q_i$，约束 $\sum p_i q_i \leq B$，且 $q_i \geq 0$。这是线性规划问题，但直觉告诉我们：优先购买单价低的商品。因为单位货币购买量 $1/p_i$，所以应全部购买最低单价商品。但实际中需求不同，可能需满足最小数量。例如，必须买至少1支笔（单价5元）和至少1本本子（单价10元），预算20元。则先满足必需，剩余预算再按单价分配。

实践任务：设计一次文具采购。预算30元，必须购买：铅笔（单价2元，至少2支）、橡皮（单价1元，至少1块）、笔记本（单价8元，至少1本）。求购买方案使总数量最多，且不超预算。 设铅笔数量 $x \geq 2$，橡皮 $y \geq 1$，笔记本 $z \geq 1$，总成本 $2x + y + 8z \leq 30$，最大化 $x+y+z$。 先满足最低：$x=2, y=1, z=1$，成本 $2*2+1+8=4+1+8=13$，剩余17元。剩余预算按单价分配：铅笔单价2元/支，橡皮1元/块，笔记本8元/本。单位货币购买量：铅笔0.5支/元，橡皮1块/元，笔记本0.125本/元。橡皮最划算，故剩余全买橡皮：$y$ 增加17块，总 $y=18$。检查成本：$2*2 + 18 + 8 = 4+18+8=30$，正好。总数量 $2+18+1=21$。若买铅笔，17元买8支（16元）余1元，总数量 $2+8+1+1$？但橡皮已满足最低，剩余买铅笔：$x$ 增加8支至10支，成本 $2*10=20$，加橡皮1和本子8共29元，余1元可再买1橡皮，总数量10+2+1=13，少于21。所以最优是剩余全买橡皮。这体现了“性价比优先”原则。

Mermaid流程图：购物决策步骤

将购物决策过程可视化：

```mermaid graph TD A[识别需求与预算] --> B[列出候选商品]; B --> C{计算单价与总价}; C --> D[比较折扣策略]; D --> E[考虑使用量及浪费]; E --> F[选择最优方案]; F --> G[验证总价不超预算]; G --> H[执行购买]; ```

此流程图适用于任何购物场景。例如购买零食，先确定预算10元，列出候选：薯片5元/包，饼干3元/包，糖果1元/颗。计算单价已给出，比较：若想买最多数量，优先糖果（1元/颗），但需考虑口味需求。若必须每种都买，则先满足各1份，剩余预算按单价分配。

实践：生活数学侦探任务——超市购物挑战

现在，你是一名侦探，需解决以下案件： 线索：小明在超市购买苹果和香蕉共花费26元。苹果单价是香蕉的2倍，且购买苹果的数量比香蕉少1千克。已知香蕉每千克5元，求苹果每千克价格及购买数量。 侦探步骤： 1. 观察现象：总价已知，单价关系，数量关系。 2. 提取信息：设香蕉单价 $p_b$，苹果单价 $p_a = 2 p_b$；设香蕉数量 $q_b$ 千克，苹果数量 $q_a = q_b - 1$。 3. 设定变量：$p_b$ 和 $q_b$ 为未知数。 4. 建立方程：总价 $p_a q_a + p_b q_b = 26$，代入：$(2 p_b)(q_b - 1) + p_b q_b = 26$。 5. 求解：$2 p_b (q_b - 1) + p_b q_b = 2 p_b q_b - 2 p_b + p_b q_b = 3 p_b q_b - 2 p_b = p_b (3 q_b - 2) = 26$。 已知 $p_b=5$（香蕉单价给定？线索说“已知香蕉每千克5元”？原线索未明确，但通常此类问题已知一种单价。重新审题：线索说“香蕉每千克5元”是已知条件？在侦探任务中，可能部分信息已知。假设香蕉单价已知为5元/千克，则 $p_b=5$，代入：$5(3 q_b - 2)=26$ → $3 q_b - 2 = 26/5 = 5.2$ → $3 q_b = 7.2$ → $q_b = 2.4$ 千克，$q_a = 1.4$ 千克，$p_a=10$ 元/千克。验证：$10\times1.4 + 5\times2.4 = 14+12=26$，正确。若香蕉单价未知，则需更多信息。因此，在侦探游戏中，线索应自洽。

调整任务使其适合青少年：已知香蕉单价5元，苹果单价是香蕉的1.5倍，共买5千克，总花费27.5元，求各买多少？设香蕉 $x$ 千克，则苹果 $5-x$，苹果单价 $7.5$ 元，方程：$5x + 7.5(5-x)=27.5$ → $5x + 37.5 -7.5x =27.5$ → $-2.5x = -10$ → $x=4$，香蕉4千克，苹果1千克。合理。

通过此类游戏，变量表示和方程建立变得直观。

时间管理：从线性规划到番茄工作法

时间是唯一公平的资源，每天24小时。如何分配学习、休息、娱乐，直接影响效率和生活质量。数学提供工具来优化时间分配。

时间分配的比例模型

将一天24小时按比例分配给活动。设学习时间 $L$，睡眠 $S$，娱乐 $E$，其他 $O$，有： $$L + S + E + O = 24$$

健康建议：青少年睡眠需8-10小时，学习7-9小时，娱乐2-3小时，其他（吃饭、交通等）约3-4小时。我们可以设定目标比例。

例如，目标比例：睡眠 $40\%$（9.6小时），学习 $35\%$（8.4小时），娱乐 $15\%$（3.6小时），其他 $10\%$（2.4小时）。但实际需整数小时，可调整。

案例3：一周时间预算 小明希望每周（168小时）分配：学习70小时，睡眠56小时（8小时/天），娱乐21小时，其他21小时。检查总和：70+56+21+21=168，符合。但实际中，学习可能因科目不同需细分。设学习时间分配给数学 $L_m$、语文 $L_c$、英语 $L_e$

时间分配的优化：线性规划与约束条件

继续案例3：小明的一周时间预算为168小时，各项目标时间已定。但实际中，这些活动存在约束：例如，每天睡眠不能少于6小时也不能超过10小时；学习时间需在白天且连续；娱乐可能分散在周末。我们建立线性规划模型：

设变量：

• $L$：每周学习总小时数
• $S$：每周睡眠总小时数
• $E$：每周娱乐总小时数
• $O$：其他活动总小时数

目标函数：假设小明希望最大化学习时间（或平衡各项目标），但通常我们追求满足最低需求的同时最大化满意度。简化：在满足健康约束下，最小化时间浪费（即最大化有效时间利用）。

约束条件： 1. 总时间：$L + S + E + O = 168$ 2. 睡眠约束：$42 \leq S \leq 70$（每天6-10小时） 3. 学习约束：$L \geq 60$（最低学习要求），可能还有每日上限。 4. 娱乐约束：$E \geq 14$（最低娱乐），$E \leq 35$（避免过度） 5. 其他约束：$O \geq 21$（基本生活必需）

若目标为最大化学习时间 $L$，则需最小化 $S, E, O$，但受下限约束。因此最优解在约束边界：取 $S$ 最小值42，$E$ 最小值14，$O$ 最小值21，则 $L = 168 - (42+14+21) = 91$小时。但91小时学习可能超出承受能力，故需加入“学习效率递减”约束：每天学习超过9小时后效率下降。设每天学习上限为9小时，则每周 $L \leq 63$。新约束 $L \leq 63$ 使目标不可行（因63 < 91），需调整其他变量。实际上，小明可能无法同时满足所有最低要求。我们需定义优先级：睡眠优先（必须满足42-70），学习次之（至少60），娱乐和其他可压缩。但若 $L$ 至少60，$S$ 至少42，$O$ 至少21，则 $E = 168 - (L+S+O) \leq 168 - (60+42+21) = 45$，且 $E \geq 14$ 可行。若目标为最大化 $E$，则取 $L=60, S=42, O=21$，得 $E=45$，但娱乐45小时可能过多。因此，需多目标优化。

实践中，青少年可用“时间块”方法：将一天划分为固定时长的块（如30分钟一块），每天共48块。为活动分配块数，类似整数规划。例如：

• 睡眠：每天8小时 → 16块
• 学习：每天8小时 → 16块（可拆分为4块×4小时，含休息）
• 娱乐：每天2小时 → 4块
• 其他：每天2小时 → 4块
• 灵活块：8块（用于调整）

这种离散化便于执行。

番茄工作法的数学原理

番茄工作法（Pomodoro Technique）由Francesco Cirillo提出，核心是25分钟专注工作+5分钟休息，每4个番茄钟后长休息15-30分钟。其数学本质是时间分割与注意力周期管理。

设一个番茄钟周期 $T_{p} = 25$ 分钟，短休息 $T_{s} = 5$ 分钟，长休息 $T_{l} = 15$ 分钟（或30）。每 $n$ 个番茄钟（通常 $n=4$）后长休息。则一个完整循环（4个番茄钟）总时间： $$T_{cycle} = 4 \times (T_p + T_s) + T_l = 4 \times 30 + 15 = 135 \text{分钟} = 2.25 \text{小时}$$ 有效工作时间：$4 \times 25 = 100$分钟，效率 $\eta = 100/135 \approx 74.1\%$。

若调整番茄钟长度，设工作 $w$ 分钟，休息 $r$ 分钟，则周期效率： $$\eta = \frac{w}{w+r}$$ 但长休息会拉低整体效率。考虑 $k$ 个工作周期后长休息 $L$，则 $m$ 个完整循环（含 $k$ 个工作周期）总时间：$m \times (k(w+r) + L)$，有效工作时间 $m \times k w$，效率： $$\eta = \frac{k w}{k(w+r) + L} = \frac{w}{w+r + L/k}$$

可见，增加 $k$（长休息前的工作周期数）可提高效率，但过长会导致疲劳。实验表明，$k=