1

Лекція 1

Поняття системи, моделі та процесу математичного моделювання.

Система
- сукупність елементів, які дослідник виділяє з зовнішнього світу за просторовими
і/або за функціональними ознаками.
- сукупність елементів, об’єднаних в одне ціле для досягнення певної мети.
Мета - сукупність результатів, які визначаються призначенням системи.
Складна система - це така система, яка складається з великої кількості елементів
і/або її поведінка описується складною математичною моделлю.
Функція системи - це правило отримання результатів, які обумовлені призначенням
системи.
Функція системи не визначає того, як влаштована система.
Налаштування системи характеризується структурою системи.
Системи характеризуються наступними показниками:
1)ефективність - показник, який характеризує степінь відповідальності системи
своєму призначенню;
2) показник ефективності - міра ефективності системи числовим виразом;
3)критерій ефективності - міра ефективності системи в цілому, виражається
числовим виразом і визначає на скільки добре система відповідає своєму призначенню.
При дослідженні складних систем виникають наступні дві задачі:
- аналізу - полягає в знаходженні (прогнозуванні) поведінки системи, коли відомі
елементи системи і зв’язки між ними.
- синтезу - полягає в знаходженні такої структури системи і зв’язків між елементами
для того, щоб система відповідала своєму функціональному призначенню.

Задача синтезу розв’язується з використанням результатів розв’язку задачі аналізу і в

математичному плані зводиться до задачі математичного програмування.
2
 3

Приведемо схему за якою можна класифікувати різні моделі.

При побудові моделей можна виділити наступні етапи:

Модель - це спеціальний об’єкт, який в певних відношеннях замінює оригінал.

Модель можна трактувати, як певну абстракцію системи, яка відображає властивості
системи в рамках тих вимог, які ставить дослідник.
Модель це такий матеріальний або абстрактний об’єкт, який в процесі дослідження,
замінює оригінал, зберігаючи при цьому деякі можливі для даного дослідження типові
риси.
 4

Моделювання - процес відображення об’єкта дослідження адекватною моделлю і

проведення досліджень (експериментів) з цією моделлю з метою отримання інформації
про об’єкт дослідження.
Процес побудови (дослідження) моделі називається моделюванням.

Якщо результати моделювання задовольняють дослідника і можуть служити для

прогнозування поведінки і властивостей даного об’єкта, то говорять, що модель
адекватна.
При цьому, адекватність моделі залежить від цілей моделювання і прийнятих
критеріїв. Враховуючи, що будь-яка модель є неповною, не існує ідеально-адекватних
моделей.
Модель характеризується простотою (складністю) та потенційністю
(прогнозованістю).
Модель створюється для отримання певної нової інформації про об’єкт дослідження.
Модель переслідує наступні цілі:
1) Зрозуміти, як побудований конкретний об’єкт (структура, властивості, взаємодія із
середовищем...)
2) Навчитись керувати об’єктом (розглядається найкраще керування)
3) Прогнозувати наслідки різних впливів на даний об’єкт.
Математики під математичною моделлю розуміють деякий оператор А, який
дозволяє за відповідними значеннями вхідних параметрів х встановити значення вихідних
параметрів y:
Ax = y; x є X, y є Y; Х - множина допустимих значень вхідних параметрів;
Y – множина вихідних параметрів.
Множини X,Y - це будь-які математичні об’єкти. А - деяка функція, відображення,
деякий алгоритм, а також сукупність правил.
Інформаційні моделі - автоматизовані довідники, які реалізовані за допомогою
СКБД.
Імітаційна модель сукупність алгоритмів, реалізованих на комп’ютерах, які
дозволяють проводити багатократні експерименти над математичною моделлю
розгляданого процесу.
Існують різні способи класифікації моделей. Класифікація залежить від:
1) Складності об’єкти моделювання:
 5

2) Оператора моделей (лінійні та нелінійні моделі)

3) Параметрів моделі
• детерміновані
• стохастичні

4) Відношення до часу
• динамічні (нестаціонарні процеси)
• статичні (стаціонарні процеси)

5) Розмірності простору (одно-, дво-, тривимірні)

• 1D
• 2D
• 3D

6) Складу параметрів
• дискретні
• неперервні
• змішані
• кількісні
• якісні

7) Цілі моделювання
• дескриптивні (описові)
• оптимізаційні
• управлінські
 6

Складні системи досліджуються за такою схемою:

Етапи математичного моделювання реальних процесів

1 2 3 4
Словесне Реальний світ Математичне
(описове) формулювання
формулювання Обчислення
завдання математичне
формулювання реальний світ,
верифікація

Більшість людей розуміє як проводити обчислення. На жаль 80 % часу

застосування математики витрачається/витрачалось на проведення ручних
обчислень 3 замість того, щоб приділяти увагу питанням 1, 2, 4. Тому є
доцільним використання комп’ютерів та Систем Комп’ютерної
Математики для проведення обчислень.
 7

Приклади моделей динамічних систем.

1. Рівноприскорений прямолінійний рух матеріальної точки

y(t ) = a, t  (0, te ]
y (0) = y0 , y(0) = v0 ,
at 2
Розв’язок: y (t ) = y0 + v0t +
2
y0 , v0 , a - параметри моделі

2. Модель зміни чисельності популяції:

А) модель Мальтуса
y ( t ) =  y (t ) N  ( t ) = rN (t )
(1)
y ( t0 ) = y0 , t0 = 0 N ( t0 ) = N 0 , t0 = 0
У випадку  = const розв’язок задачі (1) має вигляд :
y(t ) = y0e ( 0 ) N (t ) = N0e ( 0 )
 t −t r t −t
(2)
Рівняння (1) є моделлю експоненціального росту популяції
Співвідношення (2) – закон Мальтуса.

Рис. 1. Вигляд розв’язку для різних lamda.

 8

Б) Логістичне рівняння

 N (t ) 
N (t ) = r 1 −  N (t )
 K  , (3)
N ( t0 ) = N 0
K - потенціальна ємкість екологічного середовища, яка визначається
кількістю ресурсів, r - коефіцієнт природного відтворення, K  0, r  0 .
Розв’язок логістичного рівняння (це рівняння відоме з курсу
диференціальних рівнянь як рівняння Бернулі):
N0
N (t ) = K .
N 0 + ( K − N 0 ) e − r ( t − t0 )

Рис. 2. Вигляд розв’язку для різних початкових умов.

3. Модель взаємодії двох популяцій

y1' (t ) = A1 ( y1 ) + B1 ( y1 , y2 )
{ ,
y2' (t ) = A2 ( y2 ) + B2 ( y1 , y2 )
y1 (t0 ) = y10 , y2 (t0 ) = y20

Функції А1 , А2 характеризують розвиток кожної із популяцій при

відсутності іншої популяції (приклад 2)
Функції В1 , В2 характеризують взаємодію між двома популяціями.
 9

Модель Лотки Вольтерра типу “хижак-жертва”:

 y1 = 1 y1 −  12 y1 y2
 .
 2
y = −  y
2 2 +  y y
21 1 2

4. Бойові дії двох армій (модель Ланчестера).

 dM 1
 dt = −1 (t ) M 1 (t ) − 1 (t ) M 2 (t ) +  1 (t ),

 dM 2 = − (t ) M (t ) −  (t ) M (t ) +  (t ).
 dt 2 2 2 1 2

M1 (t0 ) = M10
M 2 (t0 ) = M 20

5. Basic model used for modeling epidemic diseases without lifetime

immunity - susceptible-infected-recovered (SIR)

The compartmental representation of Fig. 1 is equivalent to the following set of

differential equations:

ds
= -as(t )i(t ) + gr (t )
dt
di
= as(t )i(t ) - bi(t )
dt
dr
= bi(t ) - gr (t )
dt
s(t ) - susceptible population fraction
i(t ) - infected population fraction
r (t ) - recovered population fraction
s(t ) + i(t ) + r (t ) = 1
 10

6. Математичне моделювання поширення фейкової інформації.

7. Математичне моделювання поширення епідемій з врахуванням

запізнення.