математической моделью чего является точка она что такое

Математическая точка объёмна

См. также: http://akotlin.com/index.php?sec=1&lnk=2_07

Уже два с половиной тысячелетия в математике используется абстракция безразмерной точки, противоречащая не только здравому смыслу, но и знаниям об окружающем мире, добытым такими науками, как физика, химия, квантовая механика и информатика.

В отличии от остальных абстракций, абстракция безразмерной математической точки не идеализирует реальность, упрощая её познание, а заведомо искажает, придавая ей прямо противоположный смысл, чем, в частности, делает принципиально невозможным понимание и изучение пространств высшей размерности!

Использование абстракции безразмерной точки в математике можно сравнить с применением в экономических расчётах базовой денежной единицы с нулевой стоимостью. К счастью, в экономике до такого не додумались.

Докажем абсурдность абстракции безразмерной точки.

Теорема. Математическая точка объёмна.

Так как в математике

для отрезка конечной (ненулевой) длины имеем

Полученный нулевой размер отрезка, как последовательности составляющих его точек, противоречит условию конечности длины отрезка. Кроме того, нулевой размер точки абсурден тем, что сумма нулей, не зависит от числа слагаемых, то есть количество «нулевых» точек в отрезке не влияет на размер отрезка.

Следовательно, исходное предположение о нулевом размере математической точки ОШИБОЧНО.

Таким образом, можно утверждать, что математическая точка имеет ненулевой (конечный) размер. Поскольку точка принадлежит не только отрезку, но и пространству, в котором находится отрезок, она имеет размерность пространства, то есть математическая точка объёмна. Что и требовалось доказать.

Приведенное выше доказательство, выполненное с привлечением математического аппарата младшей группы детского сада вселяет гордость за безграничную мудрость жрецов и адептов «царицы всех наук», сумевших пронести через тысячелетия и сохранить для потомков в первозданном виде архидревнее заблуждение человечества.

Источник

Точка (матем.)

Смотреть что такое «Точка (матем.)» в других словарях:

Точка (матем.) — … Википедия

ОСОБАЯ ТОЧКА — 1) О. т. аналитической функции f(z) препятствие для аналитического продолжения элемента функции f(z) комплексного переменного zвдоль какого либо пути на плоскости этого переменного. Пусть аналитическая функция f(z) определена некоторым… … Математическая энциклопедия

Число (матем.) — Число, важнейшее математическое понятие. Возникнув в простейшем виде ещё в первобытном обществе, понятие Ч. изменялось на протяжении веков, постепенно обогащаясь содержанием по мере расширения сферы человеческой деятельности и связанного с ним… … Большая советская энциклопедия

Фуксова особая точка — В теории дифференциальных уравнений с комплексным временем, точка называется фуксовой особой точкой линейного дифференциального уравнения если матрица системы A(t) имеет в ней полюс первого порядка. Это простейшая возможная особенность… … Википедия

Кручение (матем.) — Кручение (матем.), вторая кривизна, мера отклонения пространственной кривой от соприкасающейся плоскости. К. в точке М кривой определяется следующим образом. Пусть N ≈ переменная точка кривой, достаточно близкая к М, b ≈ острый угол между… … Большая советская энциклопедия

Область (матем.) — Область (матем.), связное открытое множество (см. Связное множество, Открытое множество), т. е. множество, удовлетворяющее следующим условиям: при любом разбиении его на две части хотя бы одна из них содержит предельную точку другой; каждая точка … Большая советская энциклопедия

Источник

Точка и линия

Я не буду рассказывать вам, что об этом пишут в различных учебниках, ведь вы здесь для того, чтобы понять и применять, а не для того, чтобы зубрить. Я расскажу так, чтобы было понятно.

Точка – это воображаемый геометрический объект, не имеющий никаких размеров и не состоящий ни из чего.
У точки нет ни длины, ни ширины, ни высоты. Ее нельзя измерить. Точка неделимая. Она не состоит ни из каких-либо других частей.

Зачем нужна точка, если она воображаемая? Для чего ее придумали?

Точка выполняет только одну задачу: указание месторасположения.

Пример: точка на карте навигатора указывает нам на то, где находится конечный пункт поездки, то есть, на его местоположение.

Линия – это множество точек, расположенных последовательно друг за другом.

Например, представим себе цепь. Можно вообразить, что каждое ее звено – это точка. И точно так же, как цепь состоит из звеньев, соединенных между собой, так и линия состоит из точек, образно говоря, склеенных друг с другом.

Рис. 1 Цепь и линия

Линия не имеет ширины и высоты, но можно измерить ее длину. Линия состоит из точек.

Как можно измерить то, что состоит из придуманных объектов, не имеющих размеров? Зачем нужна линия?

Действительно, геометрическая точка не имеет размеров, ее невозможно измерить. Но она, как было сказано выше, указывает на местоположение чего-либо конкретного.

Возьмем для примера опять навигатор. Вы на автомобиле проехали от своего дома в любимое кафе.

Рис. 2 Путь автомобиля

Можем ли мы представить автомобиль точкой? Да, можем. Во время движения автомобиль изменял свое местоположение. Чтобы показать на карте, в каких именно местах побывал автомобиль во время поездки, мы обозначим их точками, следовательно, для упрощения рисунка мы смело можем заменить автомобиль точкой. Тогда полный путь от дома к кафе (множество мест на дороге, на которых побывала машина) мы можем изобразить в виде линии, то есть, идущих друг за другом точек. А так как путь от дома к кафе имеет какую-то длину, то и нарисованная линия имеет длину, равную этому пути, а значит, линию можно измерить.

Рис. 3 Контур и диапазон

Как видно на примере рисунка 3-а, при помощи линии обозначено очертание птицы на ветке, а на 3-б – пример решения неравенств методом интервалов.

Для чего нужна линия:
1. Показывает путь движения какого-либо объекта;
2. С ее помощью можно измерить расстояние между какими-нибудь объектами;
3. Служит для обозначения границ объекта или фигуры;
4. Показывает диапазон каких-то значений.

Обозначение точек и линий

Рис. 4 Обозначение точек и линий

Взаимное расположение точек и линии

Точка может принадлежать линии (то есть, быть одной из ее составляющих), а может не принадлежать ей.

Рис. 4.1 Принадлежность точек линии

При записи на письме точка обозначается при помощи знака точка, заключенного в скобки, с добавлением заглавной буквы латинского алфавита: (·) H

Теперь я запишу то, что мы увидели на рисунке 4.1, на языке геометрии, а вы попробуйте прочитать самостоятельно:

Виды линий

Рис. 5 Замкнутая и незамкнутая линия

Замкнутая линия не имеет обрывающихся концов. Она начинается и заканчивается в одной точке. Причем эта точка может находиться в любом месте на этой линии.

Рис. 6 Контур птицы

Незамкнутая линия имеет один или два обрывающихся конца. Начало и конец такой линии находятся в разных местах (точки A и B ).

Рис. 7 Незамкнутые линии

Еще несколько примеров.

1. Ты вышел из дома погулять и вернулся домой. Какой линией можно обозначить твой путь? Правильно, замкнутой.

2. Ты вышел из дома, погулял, а потом зашел к соседу. Какой линией можно обозначить твой путь? Правильно, разомкнутой.

3. Ты вышел из дома и пошел к другу в дом напротив. Какой линией можно обозначить твой путь? Правильно, разомкнутой.

Также линии бывают:

Рис. 11 Самопересекающиеся и не самопересекающиеся линии

Попробуйте сформулировать самостоятельно, какие линии называются самопересекающиеся, а какие – не самопересекающиеся.

Рис. 12 Прямая, ломаная, кривая линии

Более подробно о прямых, кривых и ломаных линиях рассмотрено в других уроках.

Источник

Математическая модель

Процесс построения и изучения математических моделей называется математическим моделированием.

Все естественные и общественные науки, использующие математический аппарат, по сути, занимаются математическим моделированием: заменяют объект исследования его математической моделью и затем изучают последнюю. Связь математической модели с реальностью осуществляется с помощью цепочки гипотез, идеализаций и упрощений. С помощью математических методов описывается, как правило, идеальный объект или процесс, построенный на этапе содержательного моделирования. Математическая модель позволяет предсказать поведение реального объекта.

Связанные понятия

Компьютерная модель (англ. computer model), или численная модель (англ. computational model) — компьютерная программа, работающая на отдельном компьютере, суперкомпьютере или множестве взаимодействующих компьютеров (вычислительных узлов), реализующая представление объекта, системы или понятия в форме, отличной от реальной, но приближенной к алгоритмическому описанию, включающей и набор данных, характеризующих свойства системы и динамику их изменения со временем.

Упоминания в литературе

Связанные понятия (продолжение)

В математике решение дифференциального уравнения (или, шире, траектория в фазовом пространстве точки состояния динамической системы) называется устойчивым, если поведение решений, с условиями, близкими к начальным, «не сильно отличается» от поведения исходного решения. Слова «не сильно отличается» при этом можно формализовать по-разному, получая разные формальные определения устойчивости: устойчивость по Ляпунову, асимптотическую устойчивость и т.д. (см. ниже). Обычно рассматривается задача об устойчивости.

Источник

Математическое моделирование

Математическое моделирование — процесс 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.

Содержание

Определения

Никакое определение не может в полном объёме охватить реально существующую деятельность по математическому моделированию. Несмотря на это, определения полезны тем, что в них делается попытка выделить наиболее существенные черты.

Определение модели по А. А. Ляпунову: Моделирование — это опосредованное практическое или теоретическое исследование объекта, при котором непосредственно изучается не сам интересующий нас объект, а некоторая вспомогательная искусственная или естественная система (модель):

По учебнику Советова и Яковлева [3] : «модель (лат. modulus — мера) — это объект-заместитель объекта-оригинала, обеспечивающий изучение некоторых свойств оригинала.» (с. 6) «Замещение одного объекта другим с целью получения информации о важнейших свойствах объекта-оригинала с помощью объекта-модели называется моделированием.» (с. 6) «Под математическим моделированием будем понимать процесс установления соответствия данному реальному объекту некоторого математического объекта, называемого математической моделью, и исследование этой модели, позволяющее получать характеристики рассматриваемого реального объекта. Вид математической модели зависит как от природы реального объекта, так и задач исследования объекта и требуемой достоверности и точности решения этой задачи.»

Несколько менее общее определение математической модели, основанное на идеализации «вход — выход — состояние», заимствованной из теории автоматов, даёт Wiktionary: «Абстрактное математическое представление процесса, устройства или теоретической идеи; оно использует набор переменных, чтобы представлять входы, выходы и внутренние состояния, а также множества уравнений и неравенств для описания их взаимодействия.» [6]

Наконец, наиболее лаконичное определение математической модели: «Уравнение, выражающее идею.» [7]

Классификация моделей

Формальная классификация моделей

Формальная классификация моделей основывается на классификации используемых математических средств. Часто строится в форме дихотомий. Например, один из популярных наборов дихотомий [8] :

и так далее. 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.

Классификация по способу представления объекта

Наряду с формальной классификацией, модели различаются по способу представления объекта:

Структурные модели представляют объект как систему со своим устройством и механизмом функционирования. Функциональные модели не используют таких представлений и отражают только внешне воспринимаемое поведение (функционирование) объекта. В их предельном выражении они называются также моделями «чёрного ящика» [12] Возможны также комбинированные типы моделей, которые иногда называют моделями «серого ящика».

Содержательные и формальные модели

Содержательная классификация моделей

В работе Р. Пайерлса (англ. R. Реiеrls ) [17] дана классификация математических моделей, используемых в физике и, шире, в естественных науках. В книге А. Н. Горбаня и Р. Г. Хлебопроса [18] эта классификация проанализирована и расширена. Эта классификация сфокусирована, в первую очередь, на этапе построения содержательной модели.

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.» [19]

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.

Тип 2: Феноменологическая модель (ведем себя так, как если бы…)

Феноменологическая 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.

Роль модели в исследовании может меняться со временем, может случиться так, что новые данные и теории подтвердят феноменологические модели и те будут повышены до статуса гипотезы. Аналогично, новое знание может постепенно прийти в противоречие с моделями-гипотезами первого типа и те могут быть переведены во второй. Так, кварковая модель постепенно переходит в разряд гипотез; атомизм в физике возник как временное решение, но с ходом истории перешёл в первый тип. А вот модели эфира, проделали путь от типа 1 к типу 2, а сейчас находятся вне науки.

Идея упрощения очень популярна при построении моделей. Но упрощение бывает разным. Пайерлс выделяет три типа упрощений в моделировании.

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.

Если мы используем модель идеального газа для описания достаточно разреженных газов, то это — модель типа 3 (приближение). При более высоких плотностях газа тоже полезно представлять себе более простую ситуацию с идеальным газом для качественного понимания и оценок, но тогда это уже тип 4.

Тип 4: Упрощение (опустим для ясности некоторые детали)

В модели типа 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, описываюшие 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 микроописания к свойствам тел (или сред), состоящих из большого числа частиц, очень длинен. Приходится отбрасывать многие детали. Это приводит к моделям 4-го типа.

Тип 5: Эвристическая модель (количественного подтверждения нет, но модель способствует 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.

Тип 6: Аналогия (учтём только некоторые особенности)

Тип 7: Мысленный эксперимент (главное состоит в опровержении возможности)

А. Эйнштейн был одним 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.

А вот и тип 8, широко распространенный в математических моделях биологических систем.

Тип 8: Демонстрация возможности (главное — показать внутреннюю непротиворечивость возможности)

Это тоже 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.

В основе содержательной классификации — этапы, предшествующие математическому анализу и вычислениям. Восемь типов моделей по Р. Пайерлсу суть восемь типов исследовательских позиций при моделировании.

Пример

где означает вторую производную от x по времени: .

Полученное уравнение описывает математическую модель рассмотренной физической системы. Эта модель называется «гармоническим осциллятором».

По формальной классификация эта модель линейная, детерминисткая, динамическая, сосредоточенная, непрерывная. В процессе её построения мы сделали множество допущений (об отсутствии внешних сил, отсутствии трения, малости отклонений и т.

д.), которые в реальности могут не выполняться.

По отношению к реальности это, чаще всего, модель типа 4 упрощение («опустим для ясности некоторые детали»), поскольку опущены некоторые существенные универсальные особенности (например, диссипация). В некотором приближении (скажем, пока отклонение груза от равновесия невелико, при малом трении, в течение не слишком большого времени и при соблюдении некоторых других условий), такая модель достаточно хорошо описывает реальную механическую систему, поскольку отброшенные факторы оказывают пренебрежимо малое влияние на её поведение. Однако модель можно уточнить, приняв во внимание какие-то из этих факторов. Это приведет к новой модели, с более широкой (хотя и снова ограниченной) областью применимости.

Впрочем, при уточнении модели сложность её математического исследования может существенно возрасти и сделать модель фактически бесполезной. Зачастую более простая модель позволяет лучше и глубже исследовать реальную систему, чем более сложная (и, формально, «более правильная»).

Если применять модель гармонического осциллятора к объектам, далёким от физики, её содержательный статус может быть другим. Например, при приложении этой модели к биологическим популяциям, её следует отнести, скорее всего, к типу 6 аналогия («учтём только некоторые особенности»).

Жёсткие и мягкие модели

Гармонический осциллятор — пример так называемой «жёсткой» модели. Она получена в результате сильной идеализации реальной физической системы. Для решения вопроса о её применимости необходимо понять, насколько существенными являются факторы, которыми мы пренебрегли. Иными словами, нужно исследовать «мягкую» модель, получающуюся малым возмущением «жёсткой». Она может задаваться, например, следующим уравнением:

Здесь — некоторая функция, в которой может учитываться сила трения или зависимость коэффициента жёсткости пружины от степени её растяжения, — некоторый малый параметр. Явный вид функции f нас в данный момент не интересует. Если мы докажем, что поведение мягкой модели принципиально не отличается от поведения жёсткой (вне зависимости от явного вида возмущающих факторов, если они достаточно малы), задача сведется к исследованию жёсткой модели. В противном случае применение результатов, полученных при изучении жёсткой модели, потребует дополнительных исследований. Например, решением уравнения гармонического осциллятора являются функции вида , то есть колебания с постоянной амплитудой. Следует ли из этого, что реальный осциллятор будет бесконечно долго колебаться с постоянной амплитудой? Нет, поскольку рассматривая систему со сколь угодно малым трением (всегда присутствующим в реальной системе), мы получим затухающие колебания. Поведение системы качественно изменилось.

Если система сохраняет свое качественное поведение при малом возмущении, говорят, что она структурно устойчива. Гармонический осциллятор — пример структурно-неустойчивой (негрубой) системы. [20] Тем не менее, эту модель можно применять для изучения процессов на ограниченных промежутках времени.

Универсальность моделей

Прямая и обратная задачи математического моделирования

Существует множество задач, связанных с математическим моделированием. Во-первых, надо придумать основную схему моделируемого объекта, воспроизвести его в рамках идеализаций данной науки. Так, вагон поезда превращается в систему пластин и более сложных тел из разных материалов, каждый материал задается как его стандартная механическая идеализация (плотность, модули упругости, стандартные прочностные характеристики), после чего составляются уравнения, по дороге какие-то детали отбрасываются, как несущественные, производятся расчёты, сравниваются с измерениями, модель уточняется, и так далее. Однако для разработки технологий математического моделирования полезно разобрать этот процесс на основные составные элементы.

Традиционно выделяют два основных класса задач, связанных с математическими моделями: прямые и обратные.

В простейшем случае (одно уравнение осциллятора, например) прямая задача очень проста и сводится к явному решению этого уравнения.

Обратная задача: известно множество возможных моделей, надо выбрать конкретную модель на основании дополнительных данных об объекте. Чаще всего, структура модели известна, и необходимо определить некоторые неизвестные параметры. Дополнительная информация может состоять в дополнительных эмпирических данных, или в требованиях к объекту (задача проектирования). Дополнительные данные могут поступать независимо от процесса решения обратной задачи (пассивное наблюдение) или быть результатом специально планируемого в ходе решения экперимента (активное наблюдение).

Одним из первых примеров виртуозного решения обратной задачи с максимально полным использованием доступных данных был построенный И. Ньютоном метод восстановления сил трения по наблюдаемым затухающим колебаниям.

Дополнительные примеры

Модель Мальтуса

Скорость роста пропорциональна текущему размеру популяции. Она описывается дифференциальным уравнением

Система хищник-жертва

Эта система имеет равновесное состояние, когда число кроликов и лис постоянно. Отклонение от этого состояния приводит к колебаниям численности кроликов и лис, аналогичным колебаниям гармонического осциллятора. Как и в случае гармонического осциллятора, это поведение не является структурно устойчивым: малое изменение модели (например, учитывающее ограниченность ресурсов, необходимых кроликам) может привести к качественному изменению поведения. Например, равновесное состояние может стать устойчивым, и колебания численности будут затухать. Возможна и противоположная ситуация, когда любое малое отклонение от положения равновесия приведет к катастрофическим последствиям, вплоть до полного вымирания одного из видов. На вопрос о том, какой из этих сценариев реализуется, модель Вольтерра — Лотки ответа не дает: здесь требуются дополнительные исследования.

Источник