应用数学
| 应用数学 | |
|---|---|
| 學科、学术专业、數學領域 | |
| 上级分类 | 數學  |
| 从业者 | 应用数学家 |
| Classification of Instructional Programs code | 27.03、27.0301 |
| 相對概念 | 純粹數學 |
应用数学（英語：applied mathematics）是以应用为目的的明确的数学理论和方法的总称，研究如何将数学知识应用到其他领域（尤其是科学）的数学分支，可以说是纯数学的对应面。应用数学是数学科学与专门知识的结合[1]。
历史上，实际应用推动了数学理论的发展，这些理论随后成为纯数学的研究对象——在纯数学中，抽象概念因其自身而被研究。因此，应用数学的活动与纯数学研究密切相关。许多数学家（如亨利·庞加莱和弗拉基米尔·阿诺德）否认「应用数学」作为独立分支的存在，认为只有「数学的应用」[2]。区分「应用数学」（关注数学方法本身）和「数学的应用」（在科学和工程中使用已知数学）是一个常见的概念划分[3]。
历史
从历史上看，应用数学主要包括应用分析——特别是微分方程；逼近理论（广义上包括表示论、渐近分析、变分法和数值分析）；以及应用概率。这些领域直接源于牛顿力学的发展，事实上在19世纪中叶以前，数学家与物理学家之间并无明确的分界[2]。这一历史在美国留下了教学遗产：直到20世纪初，经典力学通常由大学的应用数学系而非物理系讲授，流体力学至今仍在应用数学系开设[2]。
第二次世界大战以后，物理学以外的领域催生了新的数学分支。例如，经济学中的博弈问题导致了博弈论和社会选择理论的建立。计算机的出现则开启了全新的应用领域：数值分析、计算机代数和科学计算。进入21世纪，数据科学和数学金融学成为应用数学增长最快的分支之一[4]。
分支
应用数学的分支没有统一的分类标准。经典的应用数学领域包括：
- 数学分析：微分方程（常微分方程和偏微分方程）、积分变换（傅里叶变换、拉普拉斯变换）、变分法。
- 数值分析：数值求解数学问题的算法，包括有限元法、插值逼近、线性与非线性方程求解等[5]。
- 概率论与数理统计：随机现象的数学理论和数据分析的方法论基础。
- 最优化：线性规划、非线性规划、组合优化，广泛应用于运筹和管理科学。
- 计算数学：包括科学计算和高性能计算，用于模拟科学和工程中的现象[6]。
一些传统上被视为纯数学的领域如今也有重要的应用。数论——历史上最纯粹的数学分支之一——在密码学和网络安全中发挥了关键作用。图论应用于网络理论，群论应用于晶体学，拓扑学应用于电路分析，微分几何应用于规范场论和广义相对论。这些领域是否属于「应用数学」仍有争议，常被归入「可应用数学」的分类[3]。
应用领域
物理与工程
数学在工程的所有分支中都被使用。连续介质力学是土木、机械和航空航天工程的基础，其核心理论涉及偏微分方程、微分几何和变分法。最著名的连续介质力学数学问题之一是纳维-斯托克斯存在性与光滑性问题。控制理论基于动力系统数学，在现代技术中发挥着重要作用——亚历山大·李雅普诺夫、诺伯特·维纳和列夫·庞特里亚金等数学家为其奠定了理论基础。
计算机科学
计算机科学依赖于逻辑、代数、离散数学（如图论）和组合数学。数值分析中的许多算法（如有限元法）直接推动了计算机辅助工程的发展。信息论、编码理论和计算机代数也是应用数学与计算机科学交叉的重要领域[7]。
经济学与运筹学
运筹学和管理科学在工程学院、商学院和公共政策学院中讲授。计量经济学使用概率和统计方法分析经济数据。数理经济学将数学方法应用于经济理论，涉及博弈论、最优化、数学规划等[8]。
统计学与精算科学
应用数学与统计学有大量重叠。统计理论依赖于概率论和决策论，并广泛使用科学计算和优化方法。精算学则将概率、统计和经济理论应用于保险、金融等领域的风险评估[9]。
学科地位
不同学术机构对应用数学的组织形式各不相同。有些大学设有单独的应用数学系（如布朗大学的应用数学部——美国历史最久的应用数学项目[10]），而另一些大学则将纯数学与应用数学合并在同一系内。剑桥大学设有应用数学与理论物理系，其卢卡斯数学教授席位历史上由艾萨克·牛顿、查尔斯·巴贝奇、保罗·狄拉克和斯蒂芬·霍金等担任。
工业与应用数学学会（SIAM）是国际上最大的应用数学专业组织，截至2024年拥有14,000名个人会员[11]。SIAM出版多种研究期刊并组织众多学术会议，在推动应用数学发展方面发挥着核心作用。
参见
参考文献
- ^ Applied Mathematics. Encyclopaedia Britannica. [2026-05-19].
- ^ 2.0 2.1 2.2 Stolz, M., The History Of Applied Mathematics And The History Of Society, Synthese, 2002, 133 (1): 43–57, doi:10.1023/A:1020823608217
- ^ 3.0 3.1 Christiansen, H.; Howson, A.G.; Otte, M. (编). Perspectives on Mathematics Education. Springer. 1986: 82–83. ISBN 978-9400945043.
- ^ Von Zur Gathen, J.; Gerhard, J. Modern Computer Algebra. Cambridge University Press. 2013. ISBN 978-1107039032.
- ^ Stoer, J.; Bulirsch, R. Introduction to Numerical Analysis. Springer. 2013. ISBN 978-0387217383.
- ^ Hager, G.; Wellein, G. Introduction to High Performance Computing for Scientists and Engineers. CRC Press. 2010. ISBN 978-1439811924.
- ^ West, D.B. Introduction to Graph Theory. Prentice Hall. 2001. ISBN 978-0130144003.
- ^ Chiang, Alpha C. Fundamental Methods of Mathematical Economics. McGraw-Hill. 2005. ISBN 978-0070109100.
- ^ Boland, P.J. Statistical and Probabilistic Methods in Actuarial Science. CRC Press. 2007. ISBN 978-1584886952.
- ^ Suzuki, Jeff. Mathematics in Historical Context. MAA. 2009: 374. ISBN 978-0-88385-570-6.
- ^ About SIAM. Society for Industrial and Applied Mathematics. [2024-12-10].
