Современное естествознание не может обойтись без математики. Мы уже говорили о том, что фактический создатель современной науки Галилей писал, что книга природы написана на языке математики и о том, что почти всегда каждый научный эксперимент должен сопровождаться измерением. Работа Ньютона, с которой фактически началась вся современная физика, называлась «Математические начала натуральной философии». Немецкий философ Иммануил Кант писал, что в каждой науке содержится столько истины, сколько в ней математики. Именно то обстоятельство, что природные закономерности можно достаточно точно описать посредством математических формул, даёт возможность во многих случаях предсказывать ход физических процессов с помощью вычислений, не прибегая к трудоёмким, дорогостоящим, а часто и опасным экспериментам.
Используя основные законы механики с помощью относительно простых вычислений, можно рассчитывать траектории и время перемещения различных тел и силы, которые необходимо затратить для приведения их в движение, определять нагрузки, которые сможет выдержать мост или плотина. Знание уравнений электродинамики и закона сохранения энергии позволяет сконструировать электрические двигатели и генераторы таким образом, чтобы они выполняли требуемую от них работу и при этом не возгорались. Более того, вычисления, хотя и значительно более сложные, часто позволяют обнаружить те явления, которые невозможно непосредственно наблюдать. Классический пример – открытие в середине XIX в. планеты Нептун. Астрономы, ведя регулярные наблюдения за небом, Нептун «проглядели», а обнаружен он был благодаря вычислениям, сделанным на основании расчёта орбит других планет.
По мере развития математики, с появлением и совершенствованием вычислительных машин и компьютеров вычисления становились всё сложнее, а область сделанных на их основе предсказаний всё шире. Тогда и появилось понятие математического моделирования.
Математической моделью называют совокупность математических выражений, которые описывают основные характеристики и процессы, присущие исследуемой системе. Для того чтобы создать модель, надо выразить всё, что мы считаем существенным в изучаемом объекте, в виде математических выражений, затем ввести, также в математическом виде, начальные условия, т. е. характеристики состояния, с которого начинается расчёт, и задать алгоритм вычислений.
Слово «алгоритм» очень старое и происходит от имени аль– Хорезми, учёного, написавшего в IX в. сочинение, в котором разрабатывались правила некоторых математических вычислений. В современном понимании алгоритм – это совокупность операций и правил последовательных вычислений, которые в конечном счёте должны привести к определённому результату. Понятие алгоритма стало особенно широко применяться после изобретения вычислительных машин. Ведь, по существу, любая программа вычислений представляет собой алгоритм. Вот, например, простой алгоритм, который может быть выражен в виде компьютерной программы:
«Взять два числа – х и у, перемножить их, затем прибавить к произведению тройку и извлечь из получившейся суммы квадратный корень. Если значение корня окажется целым числом, выдать ответ, что введённые числа составляют пару для данной операции».
Такой алгоритм можно легко вычислить в уме. Нетрудно сообразить, что соответствующие этому условию пары составляют, например, числа 1 и 6; 2 и 3; 2 и 11 и бесконечное количество других.
Создание модели обычно включает определённые этапы. Вначале происходит словесное, качественное, «нематематическое» описание объекта или явления, которое предполагается моделировать. Затем это описание формулируется на языке математических формул. Это самый сложный этап построения модели. После этого создаются алгоритмы, по которым будут сделаны расчёты, затем производятся вычисления, а после полученные математические результаты интерпретируются, т. е. снова «переводятся» на обычный язык для того, чтобы понять, что именно получилось в результате работы математической модели. Если полученные результаты согласуются с реальностью, модель принимается за основу, а затем производится её доработка: в программу вводятся какие-то детали, не учтённые на первом этапе работы, или, наоборот, производятся некоторые упрощения, которые облегчают работу, но существенно не влияют на конечный результат.
Разумеется, модель всегда является упрощённым подобием реального объекта, так как какие-то детали всегда можно упустить из внимания или нарочно пренебречь для того, чтобы моделирование не оказалось чрезмерно сложным. Однако если основные особенности учтены и алгоритмы подобраны правильно, моделирование часто даёт поразительно точные результаты, позволяющие предсказывать ход природных процессов и рассчитывать работу сложных технических устройств. Бывает даже так, что в процессе моделирования выявляются результаты, неожиданные для её создателей, но абсолютно точно согласующиеся с реальностью.
В современном мире математическое моделирование находит широчайшее применение практически во всех областях человеческой деятельности – в электронной и космической технике, ядерной физике, экономике, социологии, экологии и сельском хозяйстве.
Рассмотрим широко известную в экологии модель, описывающую изменение численности двух видов, обитающих на данной территории: жертвы и хищника. Допустим, в определённой местности живут зайцы и лисы. Будем считать, что пища для зайцев имеется в избытке и поэтому они могут быстро размножаться в геометрической прогрессии. Следовательно, чем больше зайцев живёт в этом году, тем больше их родится в следующем. Так бы они и размножались бесконечно, если бы поблизости не обитали лисицы.
Эти хищники питаются зайцами и значительно сокращают их численность. Поэтому мы можем записать: зайцы + лисы > меньше зайцев.
Однако если зайцев окажется слишком мало, лисам станет нечего есть и они начнут вымирать от голода. Поэтому мы можем также написать другое уравнение: лисы – зайцы > меньше лис.
Попробуем решить систему этих уравнений, не прибегая к математическим вычислениям. Это будет называться качественным решением. Предположим, что в начальный момент у нас имеется некоторое число лис и достаточное число зайцев, чтобы лисы не ограничивали себя в питании. В этих условиях хищники начнут быстро размножаться и, когда их станет достаточно много, они станут съедать столько зайцев, что численность жертв начнёт убывать. Но по мере того как зайцев будет становиться всё меньше, лисам станет не хватать еды и они начнут вымирать от недостатка питания. Когда же их станет совсем мало, зайцы, оказавшиеся в относительной безопасности, снова начнут усиленно размножаться. Затем этот цикл повторится, и мы получим график, изображённый на рисунке (рис. 29). Он представляет собой две сдвинутые относительно друг друга колебательные линии, похожие на синусоиды.
Такая модель позволяет в известных пределах прогнозировать изменение численности обитающих на данной территории животных. Конечно, она, как любая модель, не свободна от упрощения и идеализации. Может, например, выдаться засушливое лето, и тогда наше предположение, что пища у зайцев всегда имеется в избытке, окажется неверным. В лес могут приехать охотники и сократить численность лис гораздо значительнее, чем это предполагает модель. В таком случае, если модель даёт неточные результаты, её, как было сказано, дорабатывают: вводят дополнительные факторы или исправляют алгоритмы. Любая модель, особенно в таких системах, где присутствует много случайных факторов, всегда должна быть динамичной и развивающейся.
Заканчивая разговор о математических моделях, обратим внимание ещё на одно интересное обстоятельство. Часто математические модели, разработанные для одного класса явлений, оказываются применимыми в совершенно другой области.
