Денис Соломатин - Математические модели в естественнонаучном образовании. Том I

Доброй памяти Л.М.Мартынова, величайшего алгебраиста и криптографа современности, посвящается.

Связь между техническими и гуманитарными науками становится всё теснее. Классические задачи, такие как моделирование популяций и заболеваний, сменяются новыми проблемами моделирования машинного обучения, усложняющимися по мере накопления эмпирических данных, и вновь делают математику перспективной сферой человеческой деятельности. Не секрет, что естественный интеллект на сегодняшний день превосходит искусственного лишь эмоциональной составляющей и математической интуицией. Именно поэтому предполагается, что данная сфера будет по-прежнему одной из самых быстрорастущих.

Мы считаем, что межпредметные связи должны проявляться на всех уровнях математического образования. Студенты-математики получают определённый опыт и несомненную пользу, наблюдая приложения математики из неожиданных областей, открытых для них, извлекают выгоду из изучения того, как математические инструменты могут помочь им реализовать свои собственные проекты. Образ дидактики как нематематической науки, который сохраняется среди многих студентов педагогических колледжей, оказывает медвежью услугу тем, кто придерживается такой точки зрения. Настоящая монография является попыткой представить некоторые существенные темы математического моделирования на принципиально новом языке, адаптированном к математическому образованию. Надеемся, что это может мотивировать некоторых студентов-математиков педагогических специальностей продолжать свои математические исследования за пределами традиционного уровня. Такие студенты, как правило, имеют сильный интерес к математике и базовую математическую подготовку, достаточную для самостоятельного изучения её приложений. Таким образом, мы не предполагаем никакой дополнительной подготовки в области высшей математики за пределами классического курса; моделирование с помощью разностных уравнений позволяет свести к минимуму предварительную подготовку. Математические темы, обычно изучаемые на факультативных курсах, вводятся по мере необходимости для моделирования и последующего анализа полученных моделей. Несмотря на такой план изложения, мы знаем, что многие студенты изучают курс высшей математики и, возможно, другие специализированные курсы. Поэтому без колебаний включим вопросы для самопроверки и задачи для самостоятельного решения (они выделены курсивом отдельно), которые могут пригодиться тем, у кого есть дополнительная математическая подготовка. По нашему опыту работы в группах физико-математического профиля, студенты с фундаментальным образованием нашли для себя здесь много нового. Большая часть материала также апеллирует к знаниям студентов и по другим дисциплинам, которые просто интересны и занимательны сами по себе. Следовательно, монография может быть продуктивно использована как для проведения аудиторных занятий, так и для самостоятельного изучения на разных уровнях.

Нет уверенности в том, что к моменту издания будут охвачены все передовые направления столь бурно развивающейся отрасли, но стоит предположить, как поверхностное освещение какой-либо случайной темы вдохновит студентов на самостоятельное погружение в заинтересовавшую их область. В частности, когда вводятся некоторые модели, оставляем их анализ в качестве упражнений. Хотя подобное нельзя считать эффективным способом энциклопедичного изложения материала, мы надеемся, что это приведет к более глубокому пониманию изучаемого.

Поскольку компьютерные эксперименты с моделями бывают достаточно информативными, текст насыщен сериями программ. Простой интерфейс MATLAB, его широкая доступность как в профессиональной, так и в студенческой версиях, поддержка числовых и символьных вычислений, позволяет минимизировать усилия, затрачиваемые на решение типовых задач математического моделирования. Хотя компьютер и является инструментом, которым студенты должны уметь пользоваться, его использование ни в коем случае не является панацеей.

В дополнение к многочисленным упражнениям в монографии представлены различные проектные работы. Предлагается тема исследования и некоторые способы ее изучения, но все они, по крайней мере на данный момент, являются частично открытыми математическими проблемами. Кроме того, что это позволяет студентам работать на разных уровнях сложности, это прививает навыки реальной математической и научной работы.

По всему тексту разбросаны контрольные вопросы, помеченные знаком «?». Они предназначены для дополнительного стимулирования сознания и предотвращения пассивного чтения. Ответы окажутся вполне очевидными после небольшого самостоятельного размышления, либо соответствующий вопрос будет обсуждаться в тексте позднее. Если находите такие вопросы раздражающими, пожалуйста, не стесняйтесь игнорировать их.

В тексте больше фактического материала, чем можно было бы охватить за полноценный семестр, предлагая преподавателям множество вариантов изучения тем. Например, темы глав 1, 2, 3 и 7, пожалуй, являются наиболее привычными для академического курса математического моделирования и уравнения математической физики, охватывающие классические модели, как линейные, так и нелинейные. Главы 4 и 5 предлагают студентам введение в новые темы эволюционного моделирования и построения дерева решений, которые являются перспективными и полезными при построениях различных классификаторов. Глава 6, посвященная генетическим алгоритмам, дает представление о другой области, в которой математика и биология оказались тесно переплетены, вдохновляясь идеями друг от друга. Глава 8 и Приложение содержат краткое введение в основные инструменты подгонки кривых и статистики.

В главе 1 вводится понятия динамического моделирования с помощью разностных уравнений от одной переменной, включая ключевые понятия равновесия, линеаризации и стабильности. В главе 2 эксплуатируем матричную алгебру, вычисление собственных чисел и векторов, с помощью линейных моделей от двух переменных. Эти главы являются основой для изложения всего последующего материала.

Экскурс в теорию вероятностей появляется в двух разделах главы 4, чтобы смоделировать эволюционное развитие математического образования, а затем расширяется в главе 6 на применение генетических алгоритмов. Глава 5, которая имеет алгоритмический привкус, отличный от остальной части текста, частично зависит от формул расстояния, полученных в главе 4. Трактовка моделей в главе 8, естественным образом зависит от введённой в главе 3 модели взаимодействующих факторов.