Introduction to Continuous Mathematical Modeling

естественных наук
кафедра прикладной информатики и теории вероятностей 
Ловецкий Константин Петрович
Москва
февраль-июнь
2015
Лекция №1

моделирования. Сущность этой методологии состоит в замене исходного объекта его

«образом» — математической моделью — и дальнейшем изучении модели с помощью реализуемых на компьютерах вычислительно-логических алгоритмов. Этот «третий метод» познания, конструирования, проектирования сочетает в себе многие достоинства как теории, так и эксперимента. Работа не с самим объектом (явлением, процессом), а с его моделью дает возможность безболезненно, относительно быстро и без существенных затрат исследовать его свойства и поведение в любых мыслимых ситуациях (преимущества теории). В то же время вычислительные эксперименты с моделями объектов позволяют, опираясь на мощь современных вычислительных методов и технических инструментов информатики, подробно и глубоко изучать объекты в достаточной полноте, недоступной чисто теоретическим подходам (преимущества эксперимента).

новые сферы — от разработки технических систем и управления ими

до анализа сложнейших экономических и социальных процессов.

Элементы математического моделирования использовались с самого начала появления точных наук, и не случайно, что некоторые методы вычислений носят имена таких корифеев науки, как Ньютон и Эйлер, а слово «алгоритм» происходит от имени средневекового арабского ученого Аль-Хорезми.

mathematician, astronomer,
natural philosopher, alchemist,
and theologian, who has been

considered by many to be the
greatest and most influential
scientist who ever lived.

pioneering Swiss mathematician and physicist. He made important discoveries in

fields as diverse as infinitesimal calculus and graph theory. He also introduced much of the modern mathematical terminology and notation, particularly for mathematical analysis, such as the notion of a mathematical function. He is also renowned for his work in mechanics, fluid dynamics, optics, and astronomy.

 В 1726 году он был приглашён работать в Санкт-Петербург, куда переехал годом позже. С 1726 по 1741, а также с 1766 года был академиком Петербургской академии наук

мало. Родился в Хорезме в 783 году. Согласно родословной происходил из рода зороастрийских жрецов, позже

принявших ислам.
Значительный период своей жизни он провёл в Багдаде, возглавляя при халифе ал-Мамуне (813—833) библиотеку «Дома мудрости». 
В 827 году ал-Хорезми принимал участие в измерении длины градуса земного меридиана на равнине Синджара.

Алгоритм и Алгебра

Applied Mathematics and Theoretical Physics (DAMTP) and Founder of the Centre for

Theoretical Cosmology (CTC) at the University of  Cambridge. For over thirty years he has lead the General Relativity group in DAMTP and he has been Principal Investigator of the COSMOS National Cosmology Supercomputer since 1997. Stephen is also the Emeritus Lucasian Professor for Cambridge, a prestigious title that boasts Isaac Newton, Paul Dirac and Charles Babbage amongst its previous holders.  During his time at Cambridge Professor Hawking has written a large number of publications. The best way to read the most recent publications by Professor Hawking or his colleagues is by going to the SLAC SPIRES HEP site and searching for "Find author Hawking".

английский мелодраматический фильм режиссёра Джеймса Марша. Фильм основан на мемуарах Джейн

Хокинг Travelling to Infinity: My life with Stephen, посвящённых отношениям с её бывшим мужем — физиком Стивеном Хокингом.
Премьера фильма состоялась 7 сентября 2014 года на Кинофестивале в Торонто[2]. Фильм вышел в прокат в США 7 ноября 2014 года[3]. В России фильм выйдет 26 февраля 2015 года[4].

«Оскар 2015». Премия за лучшую мужскую роль - броскому перевоплощению Эдди Рэдмейна в великого астрофизика во «Вселенной Стивена Хокинга».

XX века и было обусловлено по крайней мере двумя причинами.

Первая из них — появление ЭВМ (компьютеров), хотя и скромных по нынешним меркам, но, тем не менее, избавивших ученых от огромной по объему рутинной вычислительной работы. Вторая — беспрецедентный социальный заказ — выполнение национальных программ СССР и США по созданию ракетно-ядерного щита, которые не могли быть реализованы традиционными методами. Математическое моделирование справилось с этой задачей: ядерные взрывы и полеты ракет и спутников были предварительно «осуществлены» в недрах ЭВМ с помощью математических моделей и лишь затем претворены на практике. Этот успех во многом определил дальнейшие достижения методологии, без применения которой в развитых странах ни один крупномасштабный технологический, экологический или экономический проект теперь всерьез не рассматривается (сказанное справедливо и по отношению к некоторым социально-политическим проектам).

принципиально важный этап своего развития, «встраиваясь» в структуры так называемого

информационного общества. Впечатляющий прогресс средств переработки, передачи и хранения информации отвечает мировым тенденциям к усложнению и взаимному проникновению различных сфер человеческой деятельности. Без владения информационными «ресурсами» нельзя и думать о решении все более укрупняющихся и все более разнообразных проблем, стоящих перед мировым сообществом. Однако информация как таковая зачастую мало что дает для анализа и прогноза, для принятия решений и контроля над их исполнением. Нужны надежные способы переработки информационного «сырья» в готовый «продукт», т. е. в точное знание. История методологии математического моделирования убеждает: она может и должна быть интеллектуальным ядром информационных технологий, всего процесса информатизации общества.

изучаемые современной наукой, больше не поддаются исследованию (в нужной полноте

и точности) обычными теоретическими методами. Прямой натурный эксперимент над ними долог, дорог, часто либо опасен, либо попросту невозможен, так как многие из этих систем существуют в «единственном экземпляре». Цена ошибок и просчетов в обращении с ними недопустимо высока. Поэтому математическое (шире — информационное) моделирование является неизбежной составляющей научно-технического прогресса.
Сама постановка вопроса о математическом моделировании какого-либо объекта порождает четкий план действий. Его можно условно разбить на три этапа: модель — алгоритм — программа .

«эквивалент» объекта, отражающий в математической форме важнейшие его свойства —

законы, которым он подчиняется, связи, присущие составляющим его частям, и т. д. Математическая модель (или ее фрагменты) исследуется теоретическими методами, что позволяет получить важные предварительные знания об объекте.

алгоритма для реализации модели на компьютере. Модель представляется в форме,

удобной для применения численных методов, определяется последовательность вычислительных и логических операций, которые нужно произвести, чтобы найти искомые величины с заданной точностью. Вычислительные алгоритмы должны не искажать основные свойства модели и, следовательно, исходного объекта, быть экономичными и адаптирующимися к особенностям решаемых задач и используемых компьютеров.
На третьем этапе создаются программы, «переводящие» модель и алгоритм на доступный компьютеру язык. К ним также предъявляются требования экономичности и адаптивности. Их можно назвать «электронным» эквивалентом изучаемого объекта, уже пригодным для непосредственного испытания на «экспериментальной установке» — компьютере.

руки универсальный, гибкий и недорогой инструмент, который вначале отлаживается, тестируется

в «пробных» вычислительных экспериментах. После того как адекватность (достаточное соответствие) триады исходному объекту удостоверена, с моделью проводятся разнообразные и подробные «опыты», дающие все требуемые качественные и количественные свойства и характеристики объекта.
Процесс моделирования сопровождается улучшением и уточнением, по мере необходимости, всех звеньев триады.
Будучи методологией, математическое моделирование не подменяет собой математику, физику, биологию и другие научные дисциплины, не конкурирует с ними. Наоборот, трудно переоценить его синтезирующую роль. Создание и применение триады невозможно без опоры на самые разные методы и подходы — от качественного анализа нелинейных моделей до современных языков программирования. Оно дает новые дополнительные стимулы самым разным направлениям науки.

присутствует почти во всех видах творческой активности людей различных «специальностей»

— исследователей и предпринимателей, политиков и военачальников. Привнесение в эти сферы точного знания помогает ограничить интуитивное умозрительное «моделирование», расширяет поле приложений рациональных методов. Конечно же, математическое моделирование плодотворно лишь при выполнении хорошо известных профессиональных требований: четкая формулировка основных понятий и предположений, апостериорный анализ адекватности используемых моделей, гарантированная точность вычислительных алгоритмов и т. д.
Если же говорить о моделировании систем с участием «человеческого фактора», то есть трудно формализуемых объектов, то к этим требованиям необходимо добавить аккуратное разграничение математических и житейских терминов (звучащих одинаково, но имеющих разный смысл), осторожное применение уже готового математического аппарата к изучению явлений и процессов (предпочтителен путь «от задачи к методу», а не наоборот) и ряд других.

наивно уповать только на мощь компьютеров и иных средств информатики.

Постоянное совершенствование триады математического моделирования и ее внедрение в современные информационно-моделирующие системы — методологический императив. Лишь его выполнение дает возможность получать так нужную нам высокотехнологичную, конкурентоспособную и разнообразную материальную и интеллектуальную продукцию.

построения и изучения математических моделей.
Все естественные и общественные науки, использующие

математический аппарат, по сути занимаются математическим моделированием:
заменяют реальный объект его математической моделью и затем изучают последнюю.

create a mathematical model of the heart that is 1000

times more advanced than previous models, opening the door for new scientific breakthroughs.

768-processor SGI Altix 4700, is the largest shared-memory computing system

in Canada. 
The researchers simulated five milliseconds of activation in a tissue block that included some properties of a real heart, such as fibre running in different directions. The simulation solved a system of two billion equations a dozen times. The test took two hours. A full heartbeat, would take two weeks to simulate and his team cannot claim use of the entire  supercomputer for such lengths yet.

climate change
UCLA life scientists and colleagues have produced the most

comprehensive mathematical model ever devised to track the health of populations exposed to environmental change.
The research, federally funded by the National Science Foundation, is published Dec. 2 in the journal Science.
The team's groundbreaking integral projection model, or IPM, unites various sub-disciplines of population biology, including population ecology, quantitative genetics, population genetics, and life-span and offspring information, allowing researchers to link many different data sources simultaneously. Scientists can now change just a single variable, like temperature, and see how that affects many factors for a population.

University of California Los Angeles

математических средств. Часто строится в форме дихотомий. Например, один из популярных

наборов дихотомий:
Линейные или нелинейные модели;
Сосредоточенные или распределённые системы;
Детерминированные или стохастические;
Статические или динамические;
Дискретные или непрерывные.
Каждая построенная модель является линейной или нелинейной, детерминированной или стохастической, … Естественно, что возможны и смешанные типы: в одном отношении сосредоточенные (по части параметров), в другом — распределённые модели и т. д.

естественных науках. 
Содержательная классификация моделей
Тип 1: Гипотеза (такое могло бы быть)
Эти модели «представляют

собой пробное описание явления, причем автор либо верит
в его возможность, либо считает даже его истинным». По Р. Пайерлсу это, например,
модель Солнечной системы по Птолемею и
модель Коперника (усовершенствованная Кеплером),
модель атома Резерфорда и модель Большого Взрыва.
Никакая гипотеза в науке не бывает доказана раз и навсегда. Очень чётко это
сформулировал Ричард Фейнман:
«У нас всегда есть возможность опровергнуть теорию, но, обратите внимание, мы никогда не можем доказать, что она правильна. Предположим, что вы выдвинули удачную гипотезу, рассчитали, к чему это ведет, и выяснили, что все ее следствия подтверждаются экспериментально. Значит ли это, что ваша теория правильна? Нет, просто-напросто это значит, что вам не удалось ее опровергнуть.»
Если модель первого типа построена, то это означает что она временно признаётся за истину и можно сконцентрироваться на других проблемах. Однако это не может быть точкой в исследованиях, но только вре́менной паузой: статус модели первого типа может быть только вре́менным.

модель содержит механизм для описания явления. Однако этот механизм недостаточно

убедителен, не может быть достаточно подтверждён имеющимися данными или плохо согласуется с имеющимися теориями и накопленным знанием об объекте. Поэтому феноменологические модели имеют статус вре́менных решений. Считается, что ответ всё ещё неизвестен и необходимо продолжить поиск «истинных механизмов». Ко второму типу Пайерлс относит, например, модели теплорода и кварковую модель элементарных частиц.
Тип 3: Приближение (что-то считаем очень большим или очень малым)
Если можно построить уравнения, описывающие исследуемую систему, то это не значит, что их можно решить даже с помощью компьютера. Общепринятый прием в этом случае — использование приближений (моделей типа 3). Среди них модели линейного отклика. Уравнения заменяются линейными. Стандартный пример — закон Ома.

4 отбрасываются детали, которые могут заметно и не всегда контролируемо

повлиять на результат. Одни и те же уравнения могут служить моделью типа 3 (приближение) или 4 (опустим для ясности некоторые детали) — это зависит от явления, для изучения которого используется модель. Так, если модели линейного отклика применяются при отсутствии более сложных моделей (то есть не производится линеаризация нелинейных уравнений, а просто ищутся линейные уравнения, описывающие объект), то это уже феноменологические линейные модели, и относятся они к следующему типу 4 (все нелинейные детали «для ясности» опускаем).
Примеры: применение модели идеального газа к неидеальному, уравнение состояния Ван-дер-Ваальса, большинство моделей физики твердого тела, жидкостей и ядерной физики. Путь от микро описания к свойствам тел (или сред), состоящих из большого числа частиц, очень длинен. Приходится отбрасывать многие детали. Это приводит к моделям 4-го типа.

более глубокому проникновению в суть дела)
Эвристическая модель сохраняет лишь качественное подобие

реальности и даёт предсказания только «по порядку величины». Типичный пример — приближение средней длины свободного пробега в кинетической теории. Оно даёт простые формулы для коэффициентов вязкости, диффузии, теплопроводности, согласующиеся с реальностью по порядку величины.
Но при построении новой физики далеко не сразу получается модель, дающая хотя бы качественное описание объекта — модель пятого типа. В этом случае часто используют модель по аналогии, отражающую действительность хоть в какой-нибудь черте.

использования аналогий в первой статье В. Гейзенберга о природе ядерных сил. «Это

произошло после открытия нейтрона, и хотя сам В. Гейзенберг понимал, что можно описывать ядра состоящими из нейтронов и протонов, он не мог все же избавиться от мысли, что нейтрон должен в конечном счете состоять из протона и электрона. При этом возникала аналогия между взаимодействием в системе нейтрон — протон и взаимодействием атома водорода и протоном. Эта-то аналогия и привела его к заключению, что должны существовать обменные силы взаимодействия между нейтроном и протоном, которые аналогичны обменным силам в системе H − H + , обусловленным переходом электрона между двумя протонами. … Позднее было все-таки доказано существование обменных сил взаимодействия между нейтроном и протоном, хотя ими не исчерпывалось полностью взаимодействие между двумя частицами… Но, следуя все той же аналогии, В. Гейзенберг пришёл к заключению об отсутствии ядерных сил взаимодействия между двумя протонами и к постулированию отталкивания между двумя нейтронами. Оба последних вывода находятся в противоречии с данными более поздних исследований».

из великих мастеров мысленного эксперимента. Вот один из его экспериментов.

Он был придуман в юности и, в конце концов, привел к построению специальной теории относительности. Предположим, что в классической физике мы движемся за световой волной со скоростью света. Мы будем наблюдать периодически меняющееся в пространстве и постоянное во времени электромагнитное поле. Согласно уравнениям Максвелла, этого быть не может. Отсюда юный Эйнштейн заключил: либо законы природы меняются при смене системы отсчета, либо скорость света не зависит от системы отсчета. Он выбрал второй — более красивый вариант. Другой знаменитый мысленный эксперимент Эйнштейна — Парадокс Эйнштейна — Подольского — Розена.

мысленные эксперименты с воображаемыми сущностями, демонстрирующие, что предполагаемое явление согласуется с базовыми принципам

и внутренне непротиворечиво. В этом основное отличие от моделей типа 7, которые вскрывают скрытые противоречия.
Один из самых знаменитых таких экспериментов — геометрия Лобачевского (Лобачевский называл её «воображаемой геометрией»). Другой пример — массовое производство формально — кинетических моделей химических и биологических колебаний, автоволн и др. Парадокс Эйнштейна — Подольского — Розена был задуман как модель 7 типа, для демонстрации противоречивости квантовой механики. Совершенно незапланированным образом он со временем превратился в модель 8 типа — демонстрацию возможности квантовой телепортации информации.

и вычислениям. Восемь типов моделей по Р. Пайерлсу суть восемь

типов исследовательских позиций при моделировании.


Наиболее лаконичное определение математической модели: 

«Уравнение, выражающее идею.»

Методы. Примеры. — 2-е изд., испр.. — М.: Физматлит, 2001. — ISBN 5-9221-0120-X.
 Арнольд В.

И. Жёсткие и мягкие математические модели — М.: МЦНМО, 2004. — ISBN 5-94057-134-4.
http://www.mccme.ru/edu/index.php?ikey=viarn-models