«Жесткие» и «мягкие» математические модели
Покупка
Тематика:
Основы высшей математики
Автор:
Арнольд Владимир Игоревич
Год издания: 2014
Кол-во страниц: 32
Дополнительно
Эта брошюра представляет собой текст доклада, сделанного ака-
демиком В. И. Арнольдом в 1997 году на семинаре при Президентском
совете РФ. В докладе рассказано о применениях теории дифферен-
циальных уравнений в таких науках, как экология, экономика и со-
циология.
Тематика:
ББК:
УДК:
ОКСО:
ГРНТИ:
Скопировать запись
Фрагмент текстового слоя документа размещен для индексирующих роботов.
Для полноценной работы с документом, пожалуйста, перейдите в
ридер.
В. И. Арнольд «Жесткие» и «мягкие» математические модели Электронное издание Москва Издательство МЦНМО 2014
УДК 51.001.8 А84 Арнольд В. И. «Жесткие» и «мягкие» математические модели Электронное издание М.: МЦНМО, 2014 32 с. ISBN 978-5-4439-2008-5 Эта брошюра представляет собой текст доклада, сделанного академиком В. И. Арнольдом в 1997 году на семинаре при Президентском совете РФ. В докладе рассказано о применениях теории дифференциальных уравнений в таких науках, как экология, экономика и социология. Подготовлено на основе книги: В. И. Арнольд. «Жесткие» и «мягкие» математические модели. | 4-е изд., стереотип. | М.: МЦНМО, 2013. Издательство Московского центра непрерывного математического образования 119002, Москва, Большой Власьевский пер., 11, тел. (499) 241 74 83. http://www.mccme.ru ISBN 978-5-4439-2008-5 c⃝ Арнольд В. И., 2000 c⃝ МЦНМО, 2014
Содержание 1. Модель войны или сражения 4 2. Оптимизация как путь к катастрофе 7 3. Жесткие модели как путь к ошибочным предсказаниям 15 4. Опасность многоступенчатого управления 17 5. Математические модели перестройки 20 6. Статистика первых цифр степеней двойки и передел мира 22 7. Математика и математическое образование в современном мире 26 3
Примером жесткой модели является таблица умножения. Простейший пример мягкой модели | принцип «чем дальше в лес, тем больше дров». Возможность полезной математической теории мягких моделей открыта относительно недавно. В докладе на простейших примерах будет показано, как эта теория может применяться в экономических, экологических и социологических моделях. 1. Модель войны или сражения В простейшей модели борьбы двух противников (скажем, двух армий) | модели Ланкастера | состояние системы описывается точкой (x; y) положительного квадранта плоскости. Координаты этой точки, x и y | это численности противостоящих армий. Модель имеет вид _x = −by; _y = −ax: Здесь a | мощность оружия армии x, а b | армии y. Попросту говоря, предполагается, что каждый солдат армии x убивает за единицу времени a солдат армии y (и, соответственно, каждый солдат армии y убивает b солдат армии x). Точка над буквой здесь и далее означает производную по времени t, то есть скорость изменения обозначенной буквой величины. Это | жесткая модель, которая допускает точное решение dx dy = by ax; ax dx = by dy; ax2 − by2 = const: Эволюция численностей армий x и y происходит вдоль гиперболы, заданной этим уравнением (рис. 1). По какой именно гиперболе пойдет война, зависит от начальной точки. Эти гиперболы разделены прямой √ax = √ by. Если начальная точка лежит выше этой прямой (случай 1 на рис. 1), то гипербола выходит на ось y. Это значит, что в ходе войны численность армии x уменьшается до нуля (за конечное время). Армия y выигрывает, противник уничтожен. 4
x y 1 2 Рис. 1. Жесткая модель войны Если начальная точка лежит ниже (случай 2), то выигрывает армия y. В разделяющем эти случаи состоянии (на прямой) война заканчивается ко всеобщему удовлетворению истреблением обеих армий. Но на это требуется бесконечно большое время: конфликт продолжает тлеть, когда оба противника уже обессилены. Вывод модели таков: для борьбы с вдвое более многочисленным противником нужно в четыре раза более мощное оружие, с втрое более многочисленным | в девять раз и т. д. (на это указывают квадратные корни в уравнении прямой). Ясно, однако, что наша людоедская модель сильно идеализирована и было бы опасно прямо применять ее к реальной ситуации. Возникнет вопрос | как изменится вывод, если модель будет несколько иной. Например, коэффициенты a и b могут быть не строго постоянными, а могут, скажем, зависеть от x и от y. И точный вид этой зависимости нам может быть неизвестен. В этом случае речь идет о системе _x = −b(x; y)y; _y = −a(x; y)x; которая уже не решается явно. Однако в математике разработаны методы, позволяющие сделать выводы общего характера, и не зная точно явного вида функций a и b. В этой ситуации принято говорить о мягкой модели | модели, поддающейся изменениям (за счет выбора функций a и b в нашем примере). 5
x y 1 2 Рис. 2. Мягкая модель войны. Общий вывод в данном случае есть утверждение о структурной устойчивости исходной модели: изменение функций a и b изменит описывающие ход военных действий кривые на плоскости (x; y) (которые уже не будут гиперболами и разделяющей их прямой), но это изменение не затрагивает основного качественного вывода. Вывод этот состоял в том, что положения «x выигрывает» и «y выигрывает» разделены нейтральной линией «обе армии уничтожают друг друга за бесконечное время». Математики говорят, что топологический тип системы на плоскости (x; y) не меняется при изменении функций a и b: оно приводит лишь к искривлению нейтральной линии (рис. 2). Этот математический вывод не самоочевиден. Можно представить себе и другую ситуацию, например, изображенную на рис. 3. Математическая теория структурной устойчивости утверждает, что эта ситуация не реализуется, во всяком случае для не слишком патологических функций a и b (скажем, она не реализуется, если это | положительные в нуле многочлены). Мы можем сделать вывод о качественной применимости простейшей модели войны для приближенного описания событий в целом классе моделей, причем для этого даже не нужно знать точного вида жесткой модели: выводы справедливы для мягкой модели. На самом деле простейшая модель дает даже полезное количественное предсказание: наклон разделяющей нейтральной прямой в нуле определяется формулой √ax = √ by, где a и b | значения коэффициентов в нуле. 6
x y Рис. 3. Нереализуемая модель войны. То есть принцип «если противников вдвое больше, то надо иметь в четыре раза более мощное оружие» справедлив на конечном этапе взаимного истребления, в то время как на начальном этапе войны число 4 нужно, быть может, откорректировать (учитывая вид коэффициентов a и b). Для этой корректировки в математике мягких моделей тоже разработаны эффективные методы (несмотря на то, что явная формула для решения уравнений модели не только неизвестна, но и | это строго доказано | не существует вовсе). Можно думать, что описанная модель отчасти объясняет как неудачи Наполеона и Гитлера, так и успех Батыя и надежды мусульманских фундаменталистов. 2. Оптимизация как путь к катастрофе Простейшая модель роста _x = kx предложена Мальтусом (для роста населения Земли). Она ведет, как хорошо известно, к экспоненциальному (т. е. очень быстрому) росту населения x с течением времени. Эта жесткая модель применима (разумеется, с оговорками), например, к развитию науки в 1700 { 1950 годах (измеряемому, скажем, числом научных статей) (рис. 4). Продолжение экспоненциального роста науки в следующий век быстро привело бы к исчерпанию бумаги и чернил, причем число ученых должно было бы достичь половины населения земного шара. Ясно, что общество (во всех странах) не может этого допу 7
1800 1900 2000 t ln x x ∼ ekt ÄÁ×ÌÅÎÉÅ Рис. 4. Рост науки. стить, и следовательно развитие науки должно быть подавлено (что мы и наблюдаем во многих странах; в России реформирование академической науки происходит как раз сейчас). Аналогичные явления насыщения происходят в любой популяции (и, вероятно, вскоре произойдут с человечеством в целом): когда население становится слишком большим, мальтусовская жесткая модель с постоянным коэффициентом роста k перестает быть применимой. Естественно, при слишком больших x конкуренция за ресурсы (пищу, гранты и т. д.) приводит к уменьшению k, и жесткая модель Мальтуса должна быть заменена мягкой моделью _x = k(x)x с зависящим от населения коэффициентом размножения. Простейшим примером является выбор k(x) = a − bx, что приводит к так называемой логистической модели (рис. 5): _x = ax − bx2; например, _x = x − x2: Выбором системы единиц x и t можно превратить коэффициенты a и b в 1. Подчеркну, однако, что выводы, которые будут 8
A B x k(x)x A B x A B x t Экспоненциальная кривая Рис. 5. Логистическая модель. сделаны ниже, остаются (с точностью до числовых значений констант) справедливыми и при любых значениях коэффициентов a и b и даже для широкого класса моделей с различными (убывающими с x) функциями k(x). Иными словами, дальнейшие выводы относятся ко всей мягкой модели, а не к специальной жесткой логистической модели. На рис. 5 слева изображен график функции k(x)x, положительной между точками A и B. В центре изображено векторное поле1 на изображающей всевозможные состояния системы оси x. Оно указывает скорость эволюции состояния. В точках A и B скорость равна нулю: это стационарные состояния. Между A и B скорость положительна (население растет), а за точкой B | отрицательна (население убывает). Справа изображена результирующая зависимость населения от времени при разных начальных условиях. Модель предсказывает, что с течением времени устанавливается стационарный режим B, который устойчив: большее население уменьшается, меньшее | увеличивается. Логистическая модель удовлетворительно описывает многочисленные явления насыщения. Вблизи A, когда население мало, 1Именно, в каждой точке, изображающей состояния, приложен вектор скорости изменения этого состояния, т. е. _x. См., например [10], с. 32. 9
она очень близка к мальтузианской модели. Но при достаточно больших x (порядка 1=2 при нашем выборе коэффициентов) наблюдается резкое отличие от мальтузианского роста (обозначенного на рис. 5 пунктиром): вместо ухода x на бесконечность население приближается к стационарному значению B. Население Земли сейчас приближается к 6 миллиардам. Стационарное значение (по разным оценкам) 16 { 20 миллиардов человек. Логистическая модель является обычной в экологии. Можно себе представить, например, что x | это количество рыб в озере или в мировом океане. Посмотрим теперь, как скажется на судьбе этих рыб рыболовство с интенсивностью c: _x = x − x2 − c: Вычисления показывают, что ответ резко меняется при некотором критическом значении квоты вылова, c. Для нашей жесткой модели это критическое значение есть c = 1=4, но аналогичные явления имеют место и для мягкой модели _x = x − k(x)x − c (критическое значение с в этом случае максимум функции k(x)x). Ход эволюции числа рыб x с течением времени t изображен на рис. 6. Если квота c мала, то изменения (по сравнению со свободной популяцией, для которой c = 0) состоят в следующем. Система имеет два равновесных состояния, A и B. Состояние B устойчиво: популяция в этом случае несколько меньше, чем необлавливаемая, но она восстанавливается при малых отклонениях x от равновесного значения B. Состояние A неустойчиво: если вследствие каких-либо причин (скажем, браконьерства или мора) размер популяции упадет хоть немного ниже уровня A, то в дальнейшем популяция (хотя и медленно, если отличие от A невелико) будет уничтожена полностью за конечное время. По моему мнению, состояние науки в России в настоящее время описывается примерно точкой A: оно еще стационарно, но, как говорят физики, квазистационарно в том смысле, что небольшое 10
x k(x)x (Á) A B A B x c < 1=4 A B x t x k(x)x (Â) x x t c > 1=4 x k(x)x (×) x A B c = 1=4 x t Рис. 6. Недолов (а), перелов (б), и оптимизация (в) рыболовства. 11