Дискретизация и математическое моделирование непрерывных процессов
Подготовка к ЕГЭ по информатике
1 Введение в математическое моделирование
Математическое моделирование — это процесс создания математических объектов (уравнений, функций, алгоритмов), которые описывают реальные процессы и системы. В ЕГЭ по информатике задачи на моделирование проверяют умение переводить реальные ситуации на язык математики и информатики.
Зачем нужно моделирование?
- Прогнозирование поведения системы
- Анализ «что если» сценариев
- Оптимизация процессов
- Безопасное экспериментирование
Этапы моделирования
- Постановка задачи
- Создание модели
- Компьютерный эксперимент
- Анализ результатов
2 Дискретизация непрерывных процессов
Дискретизация — процесс преобразования непрерывной функции или сигнала в дискретную (точечную) форму. Это фундаментальная операция при компьютерном моделировании.
Пример дискретизации функции y = sin(x)
| Шаг (Δt) | x | y = sin(x) |
|---|---|---|
| 0 | 0 | 0.000 |
| 1 | 0.5 | 0.479 |
| 2 | 1.0 | 0.841 |
| 3 | 1.5 | 0.997 |
| 4 | 2.0 | 0.909 |
Дискретизация с шагом 0.5
Непрерывная функция представлена набором дискретных точек
Ключевые параметры дискретизации:
- Шаг дискретизации (Δt) — интервал между отсчетами
- Частота дискретизации (f = 1/Δt)
- Разрядность — точность представления значения
- Динамический диапазон
3 Моделирование движения
Моделирование движения основано на законах физики и позволяет предсказывать положение объектов в пространстве с течением времени.
Равномерное прямолинейное движение
Уравнение: x(t) = x₀ + v·t
Пример моделирования:
| t, с | x, м |
|---|---|
| 0 | 0 |
| 1 | 5 |
| 2 | 10 |
| 3 | 15 |
Параметры: v = 5 м/с, Δt = 1 с
Движение с ускорением
Уравнения:
v(t) = v₀ + a·t
x(t) = x₀ + v₀·t + a·t²/2
Пример алгоритма (псевдокод):
// Моделирование свободного падения
v0 = 0 // начальная скорость
g = 9.8 // ускорение свободного падения
dt = 0.1 // шаг времени
t = 0
h = 100 // начальная высота
while h > 0:
v = v0 + g * dt
h = h - v * dt
t = t + dt
вывести t, h, v
4 Моделирование биологических систем
Биологические модели описывают процессы роста популяций, распространения болезней, биохимические реакции и другие биологические явления.
Модель роста популяции (логистическое уравнение)
Дискретная форма: Pn+1 = Pn + r·Pn·(1 — Pn/K)
где:
Pn — численность в момент n
r — коэффициент роста
K — ёмкость среды
| Год (n) | Pn | ΔP |
|---|---|---|
| 0 | 100 | 20 |
| 1 | 120 | 23 |
| 2 | 143 | 26 |
| 3 | 169 | 28 |
Типы биологических моделей:
- Модель Мальтуса — экспоненциальный рост
- Логистическая модель — рост с ограничением
- Модель «хищник-жертва» Лотки-Вольтерры
- Эпидемиологические модели (SIR, SEIR)
Пример SIR-модели:
S — восприимчивые
I — инфицированные
R — выздоровевшие
5 Математические модели в экономике
Экономические модели помогают анализировать рыночные процессы, оптимизировать производство и прогнозировать экономические показатели.
Модель спроса и предложения
Уравнения:
Qd = a — b·P (спрос)
Qs = c + d·P (предложение)
Пример расчета равновесной цены:
Qd = 100 — 2P
Qs = 20 + 3P
100 — 2P = 20 + 3P
5P = 80
P = 16 (равновесная цена)
Модель издержек производства
Функция издержек:
TC(Q) = FC + VC(Q)
| Q | FC | VC | TC |
|---|---|---|---|
| 0 | 100 | 0 | 100 |
| 10 | 100 | 50 | 150 |
| 20 | 100 | 90 | 190 |
6 Метод наименьших квадратов (МНК)
Метод наименьших квадратов используется для восстановления зависимости по экспериментальным данным путём минимизации суммы квадратов отклонений.
Восстановление линейной зависимости y = ax + b
| xi | yi | xi² | xiyi |
|---|---|---|---|
| 1 | 2 | 1 | 2 |
| 2 | 3 | 4 | 6 |
| 3 | 5 | 9 | 15 |
| 4 | 4 | 16 | 16 |
| 5 | 6 | 25 | 30 |
| Σx=15 | Σy=20 | Σx²=55 | Σxy=69 |
Расчет коэффициентов:
n = 5 (количество точек)
Формулы МНК:
a = (n·Σxy — Σx·Σy) / (n·Σx² — (Σx)²)
b = (Σy — a·Σx) / n
Расчет:
a = (5·69 — 15·20) / (5·55 — 15²)
a = (345 — 300) / (275 — 225)
a = 45 / 50 = 0.9
b = (20 — 0.9·15) / 5
b = (20 — 13.5) / 5
b = 6.5 / 5 = 1.3
Полученная зависимость: y = 0.9x + 1.3
7 Вычислительный эксперимент с моделью
Вычислительный эксперимент — это исследование модели путём проведения серии расчетов с различными параметрами.
Пример: Исследование модели падения тела с сопротивлением воздуха
Модель:
m·dv/dt = m·g — k·v²
Дискретизация:
vn+1 = vn + (g — (k/m)·vn²)·Δt
Параметры эксперимента:
- m = 1 кг (масса)
- g = 9.8 м/с²
- k = 0.1 (коэффициент сопротивления)
- Δt = 0.1 с (шаг времени)
- v₀ = 0 м/с (начальная скорость)
Результаты эксперимента:
| t, с | v, м/с | a, м/с² |
|---|---|---|
| 0.0 | 0.0 | 9.8 |
| 1.0 | 9.3 | 0.7 |
| 2.0 | 9.7 | 0.2 |
| 3.0 | 9.8 | 0.0 |
Вывод: Тело достигает предельной скорости ~9.8 м/с через 3 секунды.
Практические задания для подготовки к ЕГЭ
Задание 1: Дискретизация функции
Функция y = x³ задана на интервале [0, 2]. Выполните дискретизацию с шагом 0.5 и заполните таблицу:
| x | 0 | 0.5 | 1.0 |
| y |
Задание 2: Метод наименьших квадратов
По данным эксперимента определите коэффициенты линейной зависимости y = ax + b:
x: 1, 2, 3, 4, 5
y: 3, 5, 7, 9, 11
Вычислите a и b с помощью МНК.
Задание 3: Моделирование движения
Автомобиль движется с ускорением 2 м/с² из состояния покоя. Рассчитайте его скорость и путь через 5 секунд. Создайте таблицу значений для t = 0, 1, 2, 3, 4, 5 с.
Ключевые выводы
Дискретизация
Любой непрерывный процесс можно представить как последовательность дискретных значений
Моделирование
Позволяет исследовать системы без реальных экспериментов
МНК
Основной метод восстановления зависимостей по экспериментальным данным