МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РФ

НОВОСИБИРСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ

Механико-математический факультет
Кафедра математического моделирования

Г. С. Хакимзянов, Л. Б. Чубаров, П. В. Воронина

МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ

Учебное пособие

Рекомендовано Федеральным государственным автономным

образовательным учреждением высшего профессионального образования
«Московский физико-технический институт (государственный
университет)» в качестве учебного пособия для студентов,
обучающихся в бакалавриате по специальности
010800 «Механика и математическое моделирование».
Регистрационный номер рецензии 2567 от 15 октября 2013 г. МГУП

Новосибирск
2014
ББК В185.121
УДК 519.85+519.688+521
Х 162

Рецензент д-р физ.-мат. наук С. Г. Черный

Издание подготовлено в рамках реализации Программы развития государ-

ственного образовательного учреждения высшего профессио-
нального образования «Новосибирский государственный университет» на
2009–2018 годы.

Хакимзянов Г.С.
X 162 Математическое моделирование : учеб. пособие / Г. С. Хакимзянов,
Л. Б. Чубаров, П. В. Воронина ; Новосиб. гос. ун-т. — Новосибирск:
РИЦ НГУ, 2014. — 263 с.

ISBN 978-5-4437-0074-8

Учебное пособие соответствует программе курса лекций «Математиче-

ское моделирование», который читается на втором курсе механико-мате-
матического факультета НГУ. В пособии излагаются универсальные ме-
тодологические подходы, позволяющие строить математические модели
изучаемых объектов на основе использования фундаментальных законов
природы, вариационных принципов, иерархических цепочек, метода ана-
логий. Представлены примеры построения и анализа математических мо-
делей в биологии, экономике, в задачах поддержки принятия решений.
Приведена общая математическая модель движения сплошных сред, пред-
ставлены специальные модели, описывающие движения жидкостей, газов,
деформируемых тел. Формулируются задачи, которые необходимо решить
на семинарских занятиях.

ББК В185.121
УДК 519.85+519.688+521

c Новосибирский государственный
°
университет, 2014
c Г. С. Хакимзянов, Л. Б. Чубаров,
°
ISBN 978-5-4437-0074-8 П. В. Воронина, 2014
Оглавление

Введение 9

Глава 1. ОБЩИЕ ПРИНЦИПЫ

МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ 13
§ 1.1. Построение математической модели . . . . . . . . . . . . . 13
1.1.1. Качественное описание явления. . . . . . . . . . . . . 13
1.1.2. Математическая модель. . . . . . . . . . . . . . . . . 13
1.1.3. Законы сохранения. . . . . . . . . . . . . . . . . . . . 15
1.1.4. Вариационные принципы. . . . . . . . . . . . . . . . . 17
1.1.5. Метод аналогий. . . . . . . . . . . . . . . . . . . . . . 21
1.1.6. Иерархия моделей. . . . . . . . . . . . . . . . . . . . . 22
1.1.7. Исследование модели. . . . . . . . . . . . . . . . . . . 23
Задачи . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
§ 1.2. Общие требования к вычислительным алгоритмам . . . . 26
1.2.1. Переход к дискретной модели. . . . . . . . . . . . . . 26
1.2.2. Точность алгоритма. . . . . . . . . . . . . . . . . . . . 29
1.2.3. Устойчивость алгоритма. . . . . . . . . . . . . . . . . 30
1.2.4. Экономичность алгоритма. . . . . . . . . . . . . . . . 30
1.2.5. Параллелизуемость алгоритма. . . . . . . . . . . . . 31
1.2.6. Связь алгоритма с архитектурой ЭВМ. . . . . . . . . 31
1.2.7. Исследование алгоритма. . . . . . . . . . . . . . . . . 32
Задачи . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
§ 1.3. Некоторые принципы разработки программ . . . . . . . . . 34
1.3.1. Проектирование программы. . . . . . . . . . . . . . . 34
1.3.2. Программирование модулей. . . . . . . . . . . . . . . 36
1.3.3. Отладка и тестирование программы. . . . . . . . . . 37
1.3.4. Проведение расчетов и анализ результатов. . . . . . 39
1.3.5. Принятие решения. . . . . . . . . . . . . . . . . . . . 40

3
4 Оглавление

Глава 2. МАТЕМАТИЧЕСКИЕ МОДЕЛИ

В БИОЛОГИИ, ЭКОЛОГИИ, ЭКОНОМИКЕ,
В ЗАДАЧАХ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ 41
§ 2.1. Модели динамики численности изолированных популяций 41
2.1.1. Модель Мальтуса. . . . . . . . . . . . . . . . . . . . . 41
2.1.2. Модель Ферхюльста — Пирла. . . . . . . . . . . . . . 43
2.1.3. Обобщение модели Ферхюльста — Пирла. . . . . . . 44
Задачи . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
§ 2.2. Модели межвидового соперничества популяций . . . . . . . 46
2.2.1. Модель межвидовой конкуренции. . . . . . . . . . . 46
2.2.2. Модель Лотки — Вольтерра. . . . . . . . . . . . . . . 51
2.2.3. Другие модели двухвидовых взаимодействий. . . . . 57
Задачи . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
§ 2.3. Обобщенные модели взаимодействия популяций . . . . . . 60
2.3.1. Проблема устойчивости. . . . . . . . . . . . . . . . . 60
2.3.2. Устойчивость по Ляпунову. . . . . . . . . . . . . . . . 61
2.3.3. Модель Колмогорова. . . . . . . . . . . . . . . . . . . 66
2.3.4. Контрпример. . . . . . . . . . . . . . . . . . . . . . . . 75
Задачи . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
§ 2.4. Простейшие математические модели экономических про-
цессов . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
2.4.1. Простейшая модель экономического роста. . . . . . 79
2.4.2. Исследование макроэкономического равновесия. . . 83
2.4.3. Биолого-экономическая аналогия на примере модели
Лотки — Вольтерра. . . . . . . . . . . . . . . . . . . . 87
Задачи . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
§ 2.5. Математическое моделирование в задачах поддержки при-
нятия решений . . . . . . . . . . . . . . . . . . . . . . . . . . 90
2.5.1. Задачи принятия оптимальных решений. . . . . . . . 90
2.5.2. Принцип Парето. . . . . . . . . . . . . . . . . . . . . . 98
2.5.3. Подходы к решению многоцелевых задач. . . . . . . 103
Задачи . . . . . . . . . . . . . . . . . . . . . . . . . . . 107

Глава 3. АКСИОМЫ МЕХАНИКИ СПЛОШНОЙ СРЕДЫ.

ИНТЕГРАЛЬНЫЕ ЗАКОНЫ СОХРАНЕНИЯ 108
§ 3.1. Аксиоматика сплошной среды . . . . . . . . . . . . . . . . . 108
3.1.1. Аксиома пространства-времени. . . . . . . . . . . . . 108
3.1.2. Аксиома материального континуума. . . . . . . . . . 109
§ 3.2. Движение сплошной среды . . . . . . . . . . . . . . . . . . . 111
3.2.1. Аксиома движения. . . . . . . . . . . . . . . . . . . . 111
3.2.2. Лагранжево и эйлерово описания сплошной среды. . 113
 5

Задачи . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
§ 3.3. Силовые и энергетические характеристики сплошной среды 117
§ 3.4. Замыкающие соотношения и интегральные законы сохра-
нения . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
3.4.1. Замыкающие соотношения для сил. . . . . . . . . . . 119
3.4.2. Замыкающие энергетические соотношения. . . . . . 122
3.4.3. Интегральные законы сохранения. . . . . . . . . . . 123

Глава 4. НЕКОТОРЫЕ СВЕДЕНИЯ ИЗ АЛГЕБРЫ,

МАТЕМАТИЧЕСКОГО АНАЛИЗА И ТЕОРИИ
ДИФФЕРЕНЦИАЛЬНЫХ УРАВНЕНИЙ 124
§ 4.1. Векторные пространства . . . . . . . . . . . . . . . . . . . . 124
4.1.1. Векторные пространства. . . . . . . . . . . . . . . . . 124
4.1.2. Скалярные произведения и нормы. . . . . . . . . . . 125
4.1.3. Базисы и кобазисы. . . . . . . . . . . . . . . . . . . . 126
4.1.4. Немые индексы. . . . . . . . . . . . . . . . . . . . . . 127
4.1.5. Ковариантные и контравариантные компоненты. . . 128
Задачи . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
§ 4.2. Линейные отображения . . . . . . . . . . . . . . . . . . . . . 129
4.2.1. Пространство линейных отображений. . . . . . . . . 129
4.2.2. Изометрия нормированных пространств. . . . . . . . 130
4.2.3. Матрица линейного отображения. . . . . . . . . . . . 130
4.2.4. След матрицы и линейного отображения. . . . . . . 131
4.2.5. Инварианты матриц и линейных отображений. . . . 132
4.2.6. Сопряженные, самосопряженные (симметричные), ан-
тисимметричные и ортогональные отображения. . . 133
4.2.7. Свертка отображений. . . . . . . . . . . . . . . . . . . 134
4.2.8. Векторное произведение. . . . . . . . . . . . . . . . . 134
Задачи . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
§ 4.3. Тензоры . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
4.3.1. Определения. . . . . . . . . . . . . . . . . . . . . . . . 137
4.3.2. Примеры тензоров. . . . . . . . . . . . . . . . . . . . 138
4.3.3. Изоморфизм T2 (Rm ) ∼ L(Rm ) . . . . . . . . . . . . . 138
Задачи . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
§ 4.4. Скалярные, векторные и тензорные поля . . . . . . . . . . 140
4.4.1. Непрерывные поля. . . . . . . . . . . . . . . . . . . . 140
4.4.2. Дифференцируемые поля. . . . . . . . . . . . . . . . 140
4.4.3. Производные по направлению и частные производ-
ные. Матрица Якоби. . . . . . . . . . . . . . . . . . . 141
4.4.4. Дивергенция векторного поля. . . . . . . . . . . . . . 142
4.4.5. Дивергенция тензорного поля. . . . . . . . . . . . . . 142
6 Оглавление

4.4.6. Формулы Гаусса — Остроградского. . . . . . . . . . . 143

4.4.7. Оператор Лапласа. . . . . . . . . . . . . . . . . . . . . 144
Задачи . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
§ 4.5. Обыкновенные дифференциальные уравнения . . . . . . . 145
4.5.1. Задача Коши. . . . . . . . . . . . . . . . . . . . . . . . 145
4.5.2. Уравнение в вариациях. . . . . . . . . . . . . . . . . . 146
4.5.3. Формула Эйлера. . . . . . . . . . . . . . . . . . . . . . 146

Глава 5. ДИФФЕРЕНЦИАЛЬНЫЕ ЗАКОНЫ

СОХРАНЕНИЯ 148
§ 5.1. Дифференциальный аналог закона сохранения массы . . . 148
5.1.1. Области определения и соглашения о гладкости. . . 148
5.1.2. Общая схема преобразования интегральных законов. 149
5.1.3. Полная производная. . . . . . . . . . . . . . . . . . . 150
5.1.4. Перестановка дифференцирования и интегрирования. 150
5.1.5. Уравнение неразрывности. . . . . . . . . . . . . . . . 151
Задачи . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
§ 5.2. Закон сохранения импульса . . . . . . . . . . . . . . . . . . 153
5.2.1. Новая форма записи интегрального закона сохране-
ния импульса. . . . . . . . . . . . . . . . . . . . . . . 153
5.2.2. Тензор напряжений. . . . . . . . . . . . . . . . . . . . 154
5.2.3. Закон сохранения импульса. . . . . . . . . . . . . . . 157
5.2.4. Закон сохранения момента импульса. . . . . . . . . . 158
5.2.5. Симметричность тензора напряжений. . . . . . . . . 159
Задачи . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
§ 5.3. Уравнение притока тепла . . . . . . . . . . . . . . . . . . . . 161
5.3.1. Вектор потока тепла. . . . . . . . . . . . . . . . . . . 161
5.3.2. Тензор скоростей деформации. . . . . . . . . . . . . . 161
5.3.3. Уравнение притока тепла. . . . . . . . . . . . . . . . 162
Задачи . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
§ 5.4. Дифференциальная модель
сплошной среды . . . . . . . . . . . . . . . . . . . . . . . . . 164

Глава 6. ТЕРМОДИНАМИКА СПЛОШНОЙ СРЕДЫ 165

§ 6.1. Первое начало термодинамики . . . . . . . . . . . . . . . . . 165
6.1.1. Термодинамические эффекты в сплошных средах. . 165
6.1.2. Параметры состояния. . . . . . . . . . . . . . . . . . . 166
6.1.3. О числе параметров состояния для сплошных сред. 167
6.1.4. Полная система определяющих параметров. . . . . . 169
6.1.5. Процессы и циклы. . . . . . . . . . . . . . . . . . . . 170
6.1.6. О взаимодействии системы с внешними объектами. 171
 7

6.1.7. Закон сохранения энергии — первое начало термоди-

намики. . . . . . . . . . . . . . . . . . . . . . . . . . . 172
6.1.8. Внутренняя энергия системы. . . . . . . . . . . . . . 174
6.1.9. Термодинамическое равновесие. . . . . . . . . . . . . 175
§ 6.2. Энтропия. Второе начало термодинамики . . . . . . . . . . 176
6.2.1. Количество теплоты. . . . . . . . . . . . . . . . . . . 177
6.2.2. Абсолютная температура и энтропия. . . . . . . . . . 178
6.2.3. Второе начало термодинамики. . . . . . . . . . . . . 178
§ 6.3. Аксиомы термодинамики . . . . . . . . . . . . . . . . . . . . 179
6.3.1. Основная аксиома термодинамики. . . . . . . . . . . 179
6.3.2. Аксиома локального равновесия. . . . . . . . . . . . 179
6.3.3. Неравенство Клаузиуса — Дюгема. . . . . . . . . . . 180
6.3.4. Аксиома Фурье. . . . . . . . . . . . . . . . . . . . . . 181

Глава 7. ДЕФОРМАЦИЯ СПЛОШНОЙ СРЕДЫ

И ОПРЕДЕЛЯЮЩИЕ УРАВНЕНИЯ 182
§ 7.1. Тензоры деформации и скоростей деформации . . . . . . . 182
7.1.1. Деформация сплошной среды. . . . . . . . . . . . . . 182
7.1.2. Тензор деформации Лагранжа. . . . . . . . . . . . . 183
7.1.3. Тензор деформации Эйлера. . . . . . . . . . . . . . . 185
7.1.4. Скорость деформации. . . . . . . . . . . . . . . . . . 185
Задачи . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
§ 7.2. Определяющие уравнения . . . . . . . . . . . . . . . . . . . 186
7.2.1. Принцип причинности. . . . . . . . . . . . . . . . . . 186
7.2.2. Принцип пространственной локализации. . . . . . . 186
7.2.3. Системы отсчета. . . . . . . . . . . . . . . . . . . . . 187
7.2.4. Принцип независимости от системы отсчета. . . . . 189
7.2.5. Индифферентность основных тензоров. . . . . . . . 189
7.2.6. Пример: жидкости и газы. . . . . . . . . . . . . . . . 191
7.2.7. Пример: упругие тела. . . . . . . . . . . . . . . . . . . 192
7.2.8. Пример: определяющее уравнение для вектора пото-
ка тепла. . . . . . . . . . . . . . . . . . . . . . . . . . 193
§ 7.3. Изотропные функции . . . . . . . . . . . . . . . . . . . . . . 193
7.3.1. Изотропные функции. . . . . . . . . . . . . . . . . . . 193
7.3.2. Представление симметричных функций. . . . . . . . 194
7.3.3. Представление изотропных тензорных функций. . . 195
7.3.4. Представление изотропных скалярных функций . . 199
7.3.5. Представление изотропных векторных функций . . 199
7.3.6. Еще раз о законе Фурье. . . . . . . . . . . . . . . . . 200
8 Оглавление

Глава 8. МОДЕЛИ ЖИДКОСТЕЙ 202

§ 8.1. Замыкание (DM)-модели жидкости . . . . . . . . . . . . . . 202
8.1.1. Основное уравнение состояния. . . . . . . . . . . . . 202
8.1.2. Однородность уравнения состояния. . . . . . . . . . 202
8.1.3. Аксиомы относительно уравнения состояния. . . . . 204
8.1.4. Первая замкнутая модель жидкости. . . . . . . . . . 205
§ 8.2. Классическая модель жидкости . . . . . . . . . . . . . . . . 206
8.2.1. Аксиома линейности. . . . . . . . . . . . . . . . . . . 206
8.2.2. Уравнения классической модели жидкости. . . . . . 207
§ 8.3. Модели несжимаемой жидкости . . . . . . . . . . . . . . . . 208
8.3.1. Несжимаемая жидкость. . . . . . . . . . . . . . . . . 208
8.3.2. Об уравнении притока тепла. . . . . . . . . . . . . . 210
8.3.3. Модель идеальной жидкости. . . . . . . . . . . . . . 211
Задачи . . . . . . . . . . . . . . . . . . . . . . . . . . . 212

Ответы, указания, решения 213

Библиографический список 241

Дополнительная литература 244

Персоналии 245

Предметный указатель 259

 Светлой памяти
Рустяма Рафаэловича Ахмерова
посвящается...

Введение
Сущность методологии математического моделирования состоит в за-
мене исходного объекта его образом — математической моделью и даль-
нейшем изучении модели, например, с помощью реализуемых на компью-
терах вычислительных алгоритмов. Этот метод познания сочетает в себе
многие достоинства теории и эксперимента [31]. Работа не с самим объек-
том (явлением, процессом), а с его моделью дает возможность безболез-
ненно, относительно быстро и без существенных затрат исследовать его
свойства и поведение в любых мыслимых ситуациях (преимущества тео-
рии). В то же время эксперименты с моделями объектов позволяют при
поддержке современной вычислительной техники и численных алгорит-
мов подробно изучать объекты в достаточной полноте, недоступной чи-
сто теоретическим подходам (преимущество эксперимента). Методология
математического моделирования бурно развивается, охватывая все новые
сферы — от разработки технических систем до анализа сложнейших соци-
альных и экономических процессов.
Элементы математического моделирования использовались с самого
начала появления точных наук, второе их развитие пришлось на конец
40-х – начало 50-х годов XX века и было обусловлено, по крайней мере,
двумя причинами. Первая из них — появление ЭВМ, расширившее возмож-
ности исследований. Вторая — национальные программы СССР и США
по созданию новых видов вооружений, которые не могли быть реализова-
ны традиционными методами. Математическое моделирование блестяще
справилось с этой задачей: ядерные взрывы, полеты ракет и спутников
были предварительно «осуществлены» с помощью математических моде-
лей на ЭВМ.
В настоящее время начинается третий этап развития математическо-
го моделирования с привлечением новых возможностей информационно-
го общества. Без владения информационными ресурсами нельзя думать
о решении важных проблем, стоящих перед мировым сообществом. Одна-
ко исходная, «сырая» информация зачастую мало что дает для анализа
и прогноза, для принятия решений и контроля за их исполнением. Нужны
надежные способы переработки такого информационного «сырья» в го-
10 Введение

товый «продукт», т. е. в точное знание. Математическое моделирование

может и должно стать интеллектуальным ядром информационных техно-
логий, всего процесса информатизации общества.
Сама постановка вопроса о математическом моделировании какого-либо
объекта порождает четкий план действий. Его можно условно разбить
на три этапа: разработка модели, выбор алгоритма, создание программы
(рис. 1). На первом этапе выбирается (или строится) эквивалент объекта,
отражающий в математической форме его свойства — законы, которым он
подчиняется, связи, присущие составляющим его частям, и т. д. Математи-
ческая модель (или ее фрагменты) исследуется теоретическими методами,
что позволяет получить важные предварительные знания об объекте.

' $

Модель
& S%
¶
7
¶ 6 S
¶ S
¶ S
¶ S
¶ ' $ S
¶ S
¶ S
¶ Объект S
© H
¶ ©© & %
HH S
S
w
'¶ ©©
¼$ HH
'
j $

Программа ¾ Алгоритм
& % & %

Рис. 1. Элементы математического моделирования

Второй этап — выбор (или разработка) алгоритма для реализации

модели на компьютере. Модель представляется в форме, удобной для при-
менения численных методов, определяется последовательность вычисли-
тельных и логических операций, которые нужно произвести, чтобы най-
ти искомые величины с заданной точностью. Вычислительные алгоритмы
должны не искажать основные свойства модели и, следовательно, исход-
ного объекта, быть экономичными и адаптирующимися к особенностям
решаемых задач и используемых компьютеров.
 11

На третьем этапе создаются программы, «переводящие» модель и ал-

горитм на доступный компьютеру язык. К ним также предъявляются тре-
бования экономичности и адаптивности.
Создав триаду «модель—алгоритм—программа», исследователь полу-
чает в руки универсальный, гибкий и недорогой инструмент, который вна-
чале отлаживается, тестируется в «пробных» вычислительных эксперимен-
тах. После того как адекватность (достаточное соответствие)
триады исходному объекту удостоверена, с моделью проводятся разнооб-
разные и подробные «опыты», дающие все требуемые качественные и ко-
личественные свойства и характеристики объекта. Процесс моделирова-
ния сопровождается улучшением и уточнением по мере необходимости всех
компонентов триады.
Основным препятствием для широкого использования математического
моделирования в науке, технике, управлении является недостаток квали-
фицированных специалистов. Требования, предъявляемые к специалисту
в области математического моделирования, весьма высоки и вместе с тем
противоречивы. С одной стороны, он должен быть профессионалом, глу-
боко понимающим достаточно узкую конкретную область исследований.
С другой стороны, ему часто приходится выступать как ученому, который
видит проблему в целом и способен уточнить, а иногда и радикально из-
менить постановку задачи, предложенную физиками, химиками или био-
логами. Работа в области математического моделирования предполагает
своеобразный стиль мышления, в котором глубина и конкретность сочета-
ются с широтой и пониманием общих идей. Поэтому изучение методологии
математического моделирования должно занимать важное место в совре-
менном университетском образовании.
В основу настоящего пособия положен материал лекций полугодового
основного курса «Математическое моделирование», сопровождаемого се-
минарами, который в течение ряда лет читается на механико-математичес-
ком факультете НГУ в четвертом семестре. У студентов-второкурсников
математических специальностей университетов за плечами имеются лишь
немногие пройденные курсы (математического анализа, алгебры, вычис-
лительных методов линейной алгебры, другие вводные курсы), поэтому
мы постарались изложить материал в форме, максимально доступной для
этой категории студентов и одновременно побуждающей их к необходи-
мости усвоения последующих основных и специальных курсов, посколь-
ку верная стратегия математического моделирования различных объектов
может быть намечена только при хорошем представлении об имеющемся
инструментарии и основных достижениях в каждой из компонент упомя-
нутой выше триады.
12 Введение

В пособии излагаются основные принципы построения математических

моделей, вычислительных алгоритмов и реализующих их программ, при-
водятся примеры элементов математического моделирования в биологии,
экономике, управлении. Далее выписывается общая математическая мо-
дель движения сплошных сред в виде интегральных законов сохранения,
и обсуждаются вопросы получения из нее специальных моделей, описы-
вающих движения жидкостей, газов, деформируемых тел. Для лучшего
усвоения лекционного материала некоторые параграфы завершаются фор-
мулировкой задач, которые необходимо решить на семинарских занятиях.
Часть задач снабжена указаниями и подробными решениями. Список ли-
тературы не претендует на полноту. В нем приведены наиболее простые
и доступные источники.
В пособии использована трехиндексная нумерация формул и задач для
семинарских занятий (номер главы, номер параграфа в главе, номер фор-
мулы или задачи в параграфе), сквозная нумерация утверждений (лемм,
теорем) и рисунков. Доказательство утверждений завершается значком
« ».
В заключение хочется выразить сердечную благодарность всем нашим
коллегам, общение с которыми на семинарах академика Николая Николае-
вича Яненко в 60—80-х годах ХХ века постепенно привело к выстраиванию
методологии метода математического моделирования. Концепция матема-
тического моделирования получила дальнейшее развитие в научной школе
академика Юрия Ивановича Шокина, которая была включена в Прези-
дентскую программу поддержки ведущих научных школ Российской Фе-
дерации (грант № НШ-5006.2014.9) и повлияла на подбор материала для
настоящего пособия.
Особую признательность авторы выражают безвременно ушедшему из
жизни Рустяму Рафаэловичу Ахмерову, блестяще читавшему курс
«Математическое моделирование» в 90-х годах прошлого века на механико-
математическом факультете НГУ. Предложенный им стиль изложения ма-
териала, связанного с построением моделей сплошной среды, использован
в соответствующих главах настоящего пособия.
Глава 1.

ОБЩИЕ ПРИНЦИПЫ
МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ

§ 1.1. Построение математической модели

1.1.1. Качественное описание явления. Одно из оснований ма-
териалистического мировоззрения составляет тезис о неисчерпаемости ми-
ра и каждой его части [39], о том, что любое явление природы неисчер-
паемо в своей сложности. Это значит, что в одном конкретном исследова-
нии учесть специфику всех сторон явления (объекта) невозможно, поэтому
при построении математической модели следует вначале дать качествен-
ное описание явления, стремясь определить и выделить факторы, наиболее
существенные с точки зрения поставленной исследовательской задачи, пре-
небрегая факторами второстепенными, т. е. описание, фиксирующее одно
и игнорирующее многое другое, описание, оставляющее от нашего «насто-
ящего», слишком сложного и запутанного, совсем немногое.
Такое разделение на главные и второстепенные факторы выполняет-
ся на основе имеющихся знаний о реальном явлении. Однако надо иметь
в виду, что из-за неполноты этих знаний после проведения всей цепочки
математического моделирования, возможно, потребуется пересмотр мате-
матической модели, иногда даже кардинальный: может оказаться, что фак-
торы процесса, считавшиеся второстепенными, на самом деле равнозначны
главным, выявятся новые факторы, доминирующие лишь в ограниченном
диапазоне определяющих параметров и т. д.

1.1.2. Математическая модель. Далее в соответствии с выбран-

ным качественным описанием объекта формируется его математическая
модель — задача, в которой в математической форме отражаются основ-
ные свойства объекта. На этом этапе моделирования качественное описание
объекта переходит в количественное: выбираются переменные,
описывающие движение, системы отсчета и единиц измерения, выписыва-
ются системы уравнений (алгебраических, дифференциальных или интег-
ро-дифференциальных), устанавливающих связи между этими переменны-
14 Глава 1. Общие принципы математического моделирования

ми. Здесь термин «движение» употребляется в широком смысле — измене-

ние вообще, а сами объекты могут быть совершенно различными по своей
природе и назначению: физические, биологические или социальные явле-
ния, технологические процессы, механизмы или конструкции.
Надо иметь в виду, что само явление не зависит от выбора системы от-
счета, но его описание зависит от такого выбора. Например, в механике ча-
ще всего используются инерциальные системы отсчета, в любой из которых
материальная точка, не испытывающая каких-либо внешних воздействий,
движется равномерно и прямолинейно. Однако при исследовании сложных
явлений бывает удобнее описывать их в неинерциальных системах отсчета,
например, в системе координат, жестко связанной с вращающимся телом.
Системы единиц измерения можно выбирать по-разному, причем связи
между величинами, характеризующими объект (получаемые из законов
природы или иных соображений), не должны изменяться при изменении
единиц измерения. Например, второй закон Ньютона

F = ma, (1.1.1)

где F — сила, a — ускорение, m — масса, в системе СИ записывается точ-

но так же, как и в системе СГС. Важным моментом на этом этапе яв-
ляется применение процедуры обезразмеривания (масштабирования) ве-
личин, переход от размерных к безразмерным величинам [32], поскольку
в результате масштабирования может выясниться, что поведение объекта
определяется ме́ньшим числом параметров, чем предполагалось при его
качественном описании.
На уровне неживой материи одними из главных методов получения
уравнений модели являются методы, основанные на использовании зако-
нов сохранения или вариационных принципов [14, 19, 22, 23, 32]. Эти за-
коны и принципы не выделяют единственного движения, поэтому нужны
дополнительные принципы отбора для выделения реального движения из
множества мысленно допустимых. Например, необходима постановка гра-
ничных условий, а для нестационарных задач — еще и начальных дан-
ных. Кроме того, в результате различного рода допущений при описании
объекта уравнения модели могут содержать произвольные параметры или
функции. Эти подлежащие определению функции входят в так называе-
мые замыкающие соотношения модели. Например, при получении моделей,
описывающих течения газа, кроме законов сохранения вещества, импуль-
са, момента импульса, энергии необходимы еще зависимости давления, ко-
эффициентов вязкости и теплопроводности от плотности и температуры, а
также другие замыкающие соотношения. Они фиксируются с большей или
§ 1.1. Построение математической модели 15

меньшей точностью с помощью физических измерений. В качестве приме-

ра можно привести уравнение Клапейрона

p = ρRT,

которое используется в качестве замыкающего соотношения в модели иде-

ального газа. Здесь p — давление, ρ — плотность, T — температура, R —
газовая постоянная, определяемая химическим составом газа.
На уровне живой материи все принципы отбора движений, справедли-
вые для неживой материи, сохраняют свою силу. Поэтому и здесь процесс
моделирования начинается с записи законов сохранения или вариацион-
ных принципов. Однако почти все взаимодействия в живой материи имеют
особенность, которую называют «обратной связью»: некоторые эффекты
процесса возвращаются к своему источнику или к предыдущей стадии, в
результате чего усиливаются или ослабляются. Поэтому при описании био-
логических систем следует основываться на указанных принципах отбора
и системе обратных связей [4, 28].
На общественном уровне организации материи возникает совершенно
новое явление — трудовая деятельность. Поэтому при получении моде-
лей в этой трудноформализуемой области сложнейших процессов, завися-
щих от сознательного вмешательства самих людей, следует пользоваться
терминами трудовой деятельности, экономическими, финансовыми и дру-
гими принципами отбора реальных «движений» [10, 16, 35], методом ана-
логий [31].
1.1.3. Законы сохранения. Законы сохранения массы, импульса,
энергии многократно подтверждены опытами, их обоснованность не вы-
зывает сомнений, поэтому они используются в качестве основных принци-
пов построения моделей механики твердых или деформируемых тел. За-
метим, что смысл закона сохранения не сводится целиком к запрету на
изменение массы, импульса, энергии и т. п., поскольку закон сохранения
представляет собой некоторое утверждение, раскрывающее возможность
вполне определенного изменения количественных характеристик исследу-
емых свойств. Так например, для изолированной системы материальных
точек закон сохранения импульса гласит, что импульс такой системы не
изменяется со временем, а для неизолированной (при наличии внешних
сил, воздействий) — скорость изменения импульса равна сумме всех дей-
ствующих на систему внешних сил [24], т. е. импульс может меняться со
временем.
Законы сохранения нашли применение при выводе математических мо-
делей не только в механике, но и во многих других предметных областях.
16 Глава 1. Общие принципы математического моделирования

Общая математическая формулировка закона сохранения выглядит следу-

ющим образом [4]:
dΦ
= F. (1.1.2)
dt
Здесь t — время,
X
Φ= ϕk , ϕk = ϕk (ϕk1 , . . . , ϕks ),
k

ϕks = ϕks (t, x1 , . . . , xn ) — количественная характеристика некоторого

свойства k-го элемента системы (например, масса, кинетическая энергия,
внутренняя энергия и т. п.), xi (i = 1, . . . , n) — заданные признаки ин-
дивидуальности элемента системы (например, его координаты). Причина
изменения F называется воздействием.

Если число элементов системы настолько велико, что признаки инди-

видуальности, свойства элементов системы, воздействия принимают все
значения из допустимых интервалов, а все искомые функции являются
непрерывными, то искомая характеристика системы представляется в ви-
де Z
Φ = ϕdω, (1.1.3)
ω

где ω — произвольный выделенный объем пространства переменных xi ,

(состоящий при всех t из одних и тех же признаков xi ), ϕ — плотность
распределения величины Φ. Воздействие F складывается из объемного воз-
действия Z
G = g dω
ω

на каждый элемент системы и поверхностного воздействия

Z
Σ = σn dS,
S

которое передается всей системе через границу S объема ω. Здесь

g — плотность объемного воздействия, σn — плотность распределения по-
верхностного воздействия.

Следовательно, для непрерывных систем закон сохранения (1.1.2) за-

§ 1.1. Построение математической модели 17

пишется в виде Z Z Z
d
ϕdω = g dω + σn dS, (1.1.4)
dt
ω ω S

при этом конкретный вид законов сохранения получается после определе-

ния величин ϕ, σn и g для конкретной исследуемой проблемы.
В приложениях возникает необходимость изучения классов движений,
более широких по сравнению с классом непрерывных движений. Если в
области определения движения существует некоторая гиперповерхность,
на которой допускается скачкообразное изменение решения и вне которой
решение непрерывно, то соответствующее движение называется движени-
ем с сильным разрывом. Величины разрывов не могут быть произволь-
ными, они удовлетворяют некоторым соотношениям, которые называются
уравнениями сильного разрыва. Эти соотношения выводятся из законов
сохранения.

1.1.4. Вариационные принципы. Еще один метод построения ма-

тематических моделей связан с вариационными принципами. Вариацион-
ный принцип гласит, что из всех возможных движений изучаемого объекта
в действительности реализуется только то, на котором некоторая связан-
ная с объектом величина достигает своего экстремального значения.
Поясним вкратце суть вариационного принципа, рассмотрев движение
некоторой механической системы. При использовании вариационного прин-
ципа движение описывается при помощи так называемого конфигурацион-
ного пространства, построенного из обобщенных координат q, обобщенных
скоростей q̇ и времени t. Основными понятиями этой теории, в которой
движение во все моменты времени полностью определяется набором ве-
личин q(t) и q̇(t), являются понятия функции Лагранжа L и действия по
Гамильтону S.
Функция Лагранжа L = L(q(t), q̇(t)) равна разности кинетической и по-
тенциальной энергий, действие S определяется как функционал

Zt2
S(q) = L dt,
t1

который каждой функции q(t), определенной на отрезке [t1 , t2 ] ставит в со-

ответствие некоторое действительное число. Согласно принципу Гамильто-
на на реальном движении действие должно быть минимально (вообще —
18 Глава 1. Общие принципы математического моделирования

экстремально), что выражается равенством

δS = 0. (1.1.5)

Здесь символом δ обозначена математическая операция варьирования.

Более подробно равенство (1.1.5) может быть записано следующим обра-
зом: ¯
Zt2 µ ¶ ¯
d d(q + εϕ) ¯
L q + εϕ, dt¯¯ = 0, (1.1.6)
dε dt ¯
t1 ε=0

где ϕ(t) — произвольная функция, обращающаяся в нуль при t = t1

и t = t2 , εϕ(t) — вариация величины q(t). Уравнение (1.1.6) и дает ис-
комую модель.
Приведем пример получения простейшей математической модели
с помощью вариационного принципа. В настоящее время одним из пер-
спективных направлений развития энергетики является создание волновых
энергетических станций, использующих механическую энергию
поверхностных волн. В этом направлении ведутся интенсивные лабора-
торные исследования и предлагаются разнообразные аналитические мето-
ды расчета отдельных элементов станций [33]. Считается несомненным,
что вычислительный эксперимент на основе адекватных математических
моделей позволит детально воспроизвести картину воздействия волн на
рабочие элементы станций.
Здесь мы рассмотрим простейшую модельную установку, в которой на-
бегающие волны воздействуют на подвижную стенку, при перемещении
которой энергия волн преобразуется в механическую энергию устройства,
вырабатывающего электроэнергию. Для описания взаимодействия волн со
стенкой можно перейти к задаче о волновом движении жидкости в обла-
сти с подвижной вертикальной стенкой, которая прикреплена пружинами
к неподвижному блоку (рис. 2) и перемещение которой определяется вол-
новыми нагрузками, восстанавливающей силой пружин, силами трения,
сопротивления воды и другими силами.
Отметим, что аналогичная модельная задача возникает при изучении
поведения упругих стенок больших конструкций, подверженных воздей-
ствию поверхностных волн. Здесь также необходимо решать связанную
задачу гидроупругости, поскольку деформации стенок зависят от волно-
вого давления, которое, в свою очередь, зависит от упругих свойств стенок,
при этом следует учитывать нестационарность и нелинейность происходя-
щих процессов. Подобного рода задачи возникают и при конструировании
подвижных волнозащитных стенок для нефтедобывающих морских плат-
§ 1.1. Построение математической модели 19

y
s(t)

y=η(x,t)

O x

h0

Рис. 2. Схема взаимодействия поверхностных волн с упруго закрепленной

вертикальной стенкой

форм и плавучих аэродромов.

Пусть положение стенки определяется горизонтальной координатой
s(t), при этом координата s = 0 соответствует положению стенки при нена-
груженном состоянии пружин (см. рис. 2).
Согласно закону Ньютона (1.1.1) уравнение горизонтального перемеще-
ния стенки имеет вид
ms̈ = −ks + F, (1.1.7)
где m — масса стенки, k — коэффициент жесткости пружин, восстанавли-
вающая сила пружин −ks выделена отдельно, а суммарное действие всех
остальных сил обозначено как F .
При получении математической модели вариационным методом рас-
смотрим простейшую ситуацию, когда на стенку действует единственная
сила — сила упругости пружин (F ≡ 0). Тогда функция Лагранжа, равная
разности кинетической и потенциальной энергий, примет вид

m 2 k 2
L= ṡ − s ,
2 2
действие —
Zt2 µ ¶
m 2 k 2
S(s) = ṡ − s dt,
2 2
t1
20 Глава 1. Общие принципы математического моделирования

а действие на вариациях εϕ(t) величины s(t) запишется как

Zt2 " µ ¶2 #
m d k 2
S(s + εϕ) = (s + εϕ) − (s + εϕ) dt.
2 dt 2
t1

Следовательно, в нашем примере уравнение (1.1.6) можно записать в таком

виде ¯
dS(s + εϕ) ¯¯
0= ¯ =
dε ε=0

Zt2 " ( µ ¶2 ) # ¯¯
ds dϕ dϕ ¡ ¢ ¯
= m +ε − k sϕ + εϕ2 dt¯¯ =
dt dt dt ¯
t1 ε=0

Zt2 · ¸
ds dϕ
= m − ksϕ dt.
dt dt
t1

Поскольку пробная функция ϕ равна нулю в моменты t1 и t2 , то с уче-

том формулы интегрирования по частям

Zt2 Zt2
ds dϕ d2 s
dt = − ϕ dt
dt dt dt2
t1 t1

приходим к следующей окончательной форме уравнения (1.1.6) для рас-

сматриваемого примера:

Zt2 · ¸
d2 s
m 2 + ks ϕdt = 0.
dt
t1

Вследствие произвольности функции ϕ получаем, что равенство нулю

возможно только в том случае, когда выражение в квадратных скобках
равно нулю во все моменты времени t ∈ (t1 , t2 ):

ms̈ = −ks, (1.1.8)

т. е. когда движение стенки описывается уравнением, совпадающим с урав-

нением (1.1.7) (при F ≡ 0), полученным на основе закона Ньютона.
§ 1.1. Построение математической модели 21

Решение уравнения (1.1.8)

s(t) = α sin ωt + β cos ωt (1.1.9)

p
описывает гармонические колебания стенки с частотой ω = k/m, при
этом значения множителей α и β определяются из начальных данных: по-
ложения s(0) стенки в начальный момент времени и ее скорости ṡ(0).
Ниже, в задаче 1.1.1 предлагается получить другие, более интересные
чем (1.1.8), модели исследуемого объекта.
Отметим, что сформулированные применительно к какому-либо классу
явлений вариационные принципы позволяют единообразно строить мате-
матические модели не только механических, но и физических, химических,
биологических и иных процессов.
1.1.5. Метод аналогий. Математическое моделирование — это наи-
более универсальная, высшая форма метода моделирования, успешно при-
меняемого в науке. Физическое моделирование как средство познания яв-
лений природы и как средство конструирования было известно уже давно.
Самой простой формой физического моделирования можно считать меха-
ническое моделирование, когда изучение интересующего объекта заменяет-
ся изучением его модели ме́ньшего или бо́льшего масштаба в лабораторных
установках. Например, при соблюдении геометрических и динамических
критериев подобия [32] обтекание уменьшенной модели самолета в аэроди-
намической трубе воспроизводит с достаточной точностью картину полета
самолета в атмосфере. Более сложный вид физического моделирования —
аналоговое моделирование, когда устанавливается аналогия между двумя
различными физическими процессами (например, аналогия между процес-
сами теплопроводности и электропроводности) и процессы одной природы
моделируются процессами совершенно другой физической природы.
Такая аналогия имеет место и при математическом моделировании, что
выражается в том, что небольшое число сравнительно простых математи-
ческих моделей дает ключ к пониманию и исследованию огромного коли-
чества различных явлений. Так например, потенциал электрического поля,
создаваемого зарядами на проводящей поверхности, и температурное поле
в теле, поверхность которого имеет заданную температуру, описываются
одним и тем же дифференциальным уравнением. То обстоятельство, что
многообразные физические процессы могут быть охвачены сравнительно
малым количеством математических моделей, говорит об универсально-
сти последних, следующей из универсальности исходных предположений
об этих процессах, и является одной из причин успеха математического
моделирования.
22 Глава 1. Общие принципы математического моделирования

В огромном числе случаев при попытке построить модель какого-либо

объекта либо невозможно прямо указать законы сохранения или вариаци-
онные принципы, которым он подчиняется, либо, с точки зрения наших
сегодняшних знаний, вообще нет уверенности в существовании подобных
законов, допускающих математическую формулировку. К таким объектам
относятся, например, системы с заметным вмешательством людей, в част-
ности экономические системы.
Одним из плодотворных подходов к построению моделей такого ро-
да объектов является использование аналогий с уже изученными явле-
ниями: методы и результаты, разработанные и накопленные при матема-
тическом моделировании одних явлений, переносятся «по аналогии» на
широкие классы совсем других процессов. Например, известны механико-
экономические аналогии (использование идеи «насыщения»: скорость
роста со временем какой-либо величины пропорциональна произведению
текущего значения этой величины на разность между ее предельным и
текущим значениями, использование законов сохранения, переходов с
микро- на макроуровень), термодинамико-экономические аналогии (пред-
ставления о стационарных процессах, равновесных состояниях, переход от
дискретной к непрерывной модели) и др. Применение подобных анало-
гий позволяет глубже понять принципиальные свойства трудноформали-
зуемых объектов.

1.1.6. Иерархия моделей. Развитие науки XX века показало необ-

ходимость построения множества различных моделей для описания одного
явления или объекта, создания альтернативных картин реальности. Опти-
мально выбираемый уровень моделирования существенно зависит от его
целей: не обязательно использовать модель высокого уровня, существенно
более затратную по компьютерным ресурсам, если в этом нет практиче-
ской необходимости. Но и в противном случае построение математических
моделей сразу во «всей полноте», с учетом всех факторов, существенных
для его поведения, не бывает оправданным.
Более результативным оказывается подход, реализующий принцип «от
простого к сложному», когда после достаточно подробного изучения не
очень сложной модели делается следующий шаг — отказ от одного или
нескольких упрощающих предположений, идеализирующих изучаемый
объект. При этом возникает цепочка (иерархия) все более полных моделей,
каждая из которых обобщает предыдущие, включая их в качестве частно-
го случая. Путь «от простого к сложному» дает возможность поэтапно
изучать все более реалистичные модели и сравнивать их свойства.
Иерархия математических моделей часто строится и по противополож-
§ 1.1. Построение математической модели 23

ному принципу «от сложного к простому», «от общего к частному». В этом

случае реализуется путь «сверху вниз» — из достаточно общей и сложной
модели при соответствующих упрощающих предположениях и конкретиза-
циях рассматриваемого объекта, определяемых протекающими в нем про-
цессами, его геометрией и т. д., получается последовательность все более
простых (но имеющих уменьшающуюся область применимости) моделей.
Такой подход позволяет сразу установить некоторые общие свойства объ-
екта, конкретизируя и дополняя их в частных ситуациях. Длина образую-
щейся при этом цепочки может быть весьма значительной.
Большинство реальных процессов и соответствующих им математиче-
ских моделей нелинейны. Тем не менее, линейные модели, получающиеся
из нелинейных при особых упрощающих предположениях (линеаризации)
и справедливые лишь для описания малых изменений характеристик объ-
екта, также должны быть включены в иерархию математических моделей,
поскольку они просты для исследования и могут служить первым прибли-
жением к реальности. Например, предполагая, что толщина струны много
меньше ее длины, что она имеет постоянную линейную плотность, ампли-
туда колебаний значительно меньше длины струны и что можно прене-
бречь продольными смещениями и скоростями участков струны, мы при-
ходим к линейной модели, приближенно описывающей малые поперечные
движения точек струны. Разумеется, линеаризованная модель не дает ис-
черпывающей картины процесса, но из нее можно извлечь ряд сведений,
полезных для более полного исследования.
Таким образом, иерархические цепочки могут содержать линейные и
нелинейные модели, стационарные и нестационарные модели, модели, от-
личающиеся типом используемых в них дифференциальных уравнений
(уравнения гиперболического, параболического, эллиптического типов, а
также смешанного типа), модели многомерные и одномерные и т. д. До-
полнительные вариации построенных моделей связаны с различными ва-
риантами краевых условий и других входных данных. При построении и
анализе любой модели всегда полезно знать ее место в общей иерархии мо-
делей изучаемого объекта [31]. Это дает возможность правильно оценивать
область применимости и четко осознавать связи с моделями других уров-
ней, т. е. способствует более глубокому пониманию исследуемых явлений.

1.1.7. Исследование модели. Одним из важных моментов явля-

ется исследование получившейся модели. Поскольку получающиеся моде-
ли, как правило, представляют собой сложные системы уравнений, допус-
кающие интегрирование (получение решения в конечном виде) только в
исключительных случаях, жизненно важно развитие методов их исследо-
24 Глава 1. Общие принципы математического моделирования

вания. Здесь можно выделить так называемые качественные методы, со-

ставляющие огромную часть современной математики — совокупность ме-
тодов, позволяющих делать те или иные заключения о решениях, не зная
точного их выражения. Сюда включаются методы исследования существо-
вания и единственности решения, его устойчивости, асимптотического по-
ведения, анализа размерностей, группового анализа моделей и т. п. Такой
теоретический анализ позволяет на следующем этапе моделирования —
конструировании вычислительных алгоритмов —разрабатывать качествен-
ные численные методы и заранее прогнозировать особенности численного
решения.
Вместе с тем, необходимо развивать и совершенствовать аналитическую
технику, искать специальные классы решений. Знание точных решений,
хотя бы в некоторых частных случаях, позволяет выполнить предвари-
тельную проверку качества вычислительного алгоритма, ибо без такой про-
верки нельзя понять, что отражают результаты вычислительного экспери-
мента — реальные свойства объекта или же некоторые побочные эффекты
самой вычислительной процедуры. Использование компьютеров при по-
иске аналитических выражений для решения и, вообще, при проведении
аналитических вычислений существенно расширяет возможности исследо-
вания математических моделей. К настоящему времени созданы десятки
специальных программных систем (Reduce, Maple, Mathematica и др.) для
выполнения всевозможных аналитических преобразований.
Отметим, что многие явления описываются такими математическими
моделями, разработка теории которых находится пока в начальной стадии
и о решении которых мало что известно. Тем не менее, запросы практики
заставляют решать и такие задачи.

ЗАДАЧИ

1.1.1. Используя закон Ньютона (1.1.1) и принцип «от простого к слож-

ному», построить иерархию математических моделей, описывающих дви-
жение подводного оползня по плоскому откосу (рис. 3). Считать, что опол-
зень представляет собой твердое тело известной формы и движется под
действием сил тяжести и Архимеда, сил сопротивления воды и трения о
дно. Выписать и исследовать аналитические решения моделей. Придумать
возможные обобщения рассмотренных моделей, приводящие ко все более
полному описанию явления.
§ 1.1. Построение математической модели 25

y
x0c
0 x

Рис. 3. Схема движения подводного оползня по плоскому откосу

1.1.2. Для уравнения (1.1.8) рассмотрим задачу Коши со следующими

начальными данными при t = 0:

s(0) = a > 0, ṡ(0) = 0. (1.1.10)

При этих условиях решение (1.1.9) уравнения (1.1.8) запишется в виде

s(t) = a cos ωt, (1.1.11)

p
где ω = k/m. Используя закон Ньютона (1.1.7), построить новую матема-
тическую модель, описывающую движение вертикальной стенки
(см. рис. 2) не только под воздействием упругой силы пружин (как в мо-
дели (1.1.8)), но и дополнительной внешней силы, равной −F0 cos ω1 t и
обусловленной давлением на стенку периодических поверхностных волн.
Здесь ω1 — частота волновой силы.
Исследовать решение полученной модели при тех же начальных дан-
ных (1.1.10). Предложить дальнейшие обобщения модели, дающие более
реалистическую картину процесса.
26 Глава 1. Общие принципы математического моделирования

§ 1.2. Общие требования к вычислительным

алгоритмам
На основании построенных математических моделей реального объекта
выполняется следующий этап математического моделирования — создание
вычислительного алгоритма, включающий в себя его разработку и анализ
свойств, что составляет содержание огромного раздела современной мате-
матики — вычислительной математики [29]. Рассмотрим некоторые общие
принципы конструирования и обоснования вычислительных алгоритмов,
предназначенных для использования на современных ЭВМ.
1.2.1. Переход к дискретной модели. Поскольку компьютер опе-
рирует только с дискретным представлением информации, то общим для
всех численных методов является сведение математической задачи к ко-
нечномерной. Это чаще всего достигается дискретизацией (аппроксимаци-
ей) исходной задачи, т. е. переходом от функций непрерывного аргумента к
функциям дискретного аргумента, переходом от непрерывного представле-
ния математической задачи (аналитическое, дифференциальное, интегро-
дифференциальное представление) к ее дискретному аналогу. Например,
если в исходной задаче фигурировала функция u(x, y), определенная в
области непрерывного изменения аргументов x и y, то в дискретной за-
даче будет использоваться функция u(xj , yj ), определенная на конечном
множестве точек (узлов) (xj , yj ) (j = 1, . . . , N ), которое называется рас-
четной сеткой. Очевидно, что сеточную функцию uj = u(xj , yj ) можно
рассматривать как вектор (u1 , u2 , . . . , uN ) конечномерного пространства
размерности N .
Расчетная сетка является дискретным представлением области реше-
ния. Методам построения сеток для двумерных и трехмерных областей
посвящено огромное количество научных статей, число которых стреми-
тельно растет и в настоящее время, поскольку нерешенных проблем здесь
еще очень много [11, 12, 38, 40]. Широко применяются структурированные
(регулярные) сетки с четырехугольными ячейками на плоскости
(рис. 4, а) и шестигранными в пространстве. Регулярная сетка представля-
ет собой упорядоченный по «сеточным направлениям» набор узлов. Боль-
шое распространение на практике получили и неструктурированные
(нерегулярные) сетки, особенностью которых является произвольное рас-
положение узлов сетки в области решения (рис. 4, б), произвольное в том
смысле, что отсутствуют выраженные сеточные направления и число яче-
ек, содержащих каждый конкретный узел, может меняться от узла к узлу.
§ 1.2. Общие требования к вычислительным алгоритмам 27

x
б
Рис. 4. Расчетные сетки: а — регулярная (структурированная);
б — неструктурированная
Используются также гибридные сетки, объединяющие регулярные сет-
ки в одних подобластях области решения с нерегулярными в других.
«Хорошая» сетка должна учитывать особенности решения, сгущаясь
в окрестности этих особенностей, а при решении нестационарных задач
являться еще и подвижной, адаптирующейся к подвижным особенностям
решения [37].
Отметим, что в последнее время появились оригинальные вычислитель-
ные алгоритмы, для выполнения которых сетка не требуется. Они получи-
ли название бессеточных методов.
Существует множество методов перехода от непрерывного представле-
ния математической модели к ее дискретному представлению: метод ко-
нечных разностей, метод конечных объемов, метод конечных элементов,
спектральные методы и др. [13, 21, 29, 30, 36].
28 Глава 1. Общие принципы математического моделирования

Метод конечных разностей основан на замене производных, входящих в

исходные уравнения, их дискретными (разностными) аналогами на струк-
турированных сетках. Например, при дискретизации уравнения (1.1.8) ме-
тодом конечных разностей на равномерной по времени сетке tj = jτ
(j = 0, . . . , N ) с количеством узлов (N + 1) и шагом τ = T /N получается
разностное уравнение

sj+1 − 2sj + sj−1

m = −ksj , j = 1, . . . , N − 1 (1.2.1)
τ2
относительно сеточной функции sj , являющейся на временно́м промежутке
[0, T ] приближением для решения s(t) уравнения (1.1.8).
В методе конечных объемов используется интегральная формулиров-
ка законов сохранения (1.1.4), которая записывается для совокупности
контрольных объемов (обычно для ячеек как структурированных, так и
неструктурированных сеток). Дискретный аналог законов сохранения по-
лучают путем вычисления всех входящих в формулировку интегралов по
каким-либо квадратурным формулам.
В методе конечных элементов искомое приближенное решение раскла-
дывается по конечной системе финитных кусочно-полиномиальных базис-
ных функций и требуется, чтобы невязка решения была ортогональна всем
базисным функциям. Таким образом, решение исходной задачи сводится к
системе алгебраических уравнений (САУ), линейных (СЛАУ) или нели-
нейных (СНАУ), относительно коэффициентов разложения. Построение
базисных функций тесно связано с выбранной расчетной сеткой, вернее,
с ее ячейками, которые в этом методе называются конечными элементами.
В качестве конечных элементов выступают отрезки в одномерной обла-
сти, треугольники или четырехугольники — в двумерной, тетраэдры или
призмы — в трехмерной. Метод конечных элементов получил широкое рас-
пространение при выводе дискретных моделей в механике деформируемого
твердого тела.
Спектральные методы предполагают использование взаимно ортого-
нальных базисных функций, не являющихся финитными. Искомое реше-
ние раскладывается в ряд по этим функциям, и конечный отрезок ря-
да подставляется в исходные уравнения. В результате происходит полная
алгебраизация исходной задачи, ее отображение в САУ для определения
коэффициентов разложения. Для областей простой формы спектральный
метод дает высокую точность даже при сравнительно небольшом числе
базисных функций.
Заменив математическую модель на дискретную, мы должны быть уве-
рены в том, что при увеличении числа узлов (числа базисных функций)
§ 1.2. Общие требования к вычислительным алгоритмам 29

решение дискретной задачи приближается в некотором смысле к решению

исходной задачи. Близость этих решений во многом (но не полностью)
определяется способом аппроксимации, «близостью» математической мо-
дели и аппроксимирующей ее дискретной модели. Строгие доказательства
аппроксимируемости непрерывной задачи ее дискретным представлением
существуют лишь для ограниченного числа задач, линейных или квазили-
нейных. Для большинства нелинейных задач таких теорем нет, и нет даже
надежды, что они будут получены в обозримом будущем. Вследствие этого
необходим очень тщательный и строгий контроль свойств разрабатываемо-
го алгоритма всеми доступными способами.
Заметим, что некоторые задачи изначально формулируются в дискрет-
ной форме, например, в виде САУ относительно неизвестных величин
(см. § 2.5). Для таких задач этап перехода к дискретной модели не нужен,
поэтому после формулировки математической модели и ее исследования
сразу приступают к разработке вычислительного алгоритма.

1.2.2. Точность алгоритма. После дискретизации исходной зада-

чи надо построить вычислительный алгоритм, т. е. указать последователь-
ность арифметических и логических действий, выполняемых на ЭВМ и да-
ющих за конечное число операций (шагов) решение дискретной задачи.
Полученное решение принимается за приближенное решение исходной ма-
тематической задачи.
Как правило, для одной и той же дискретной модели можно предло-
жить множество вычислительных алгоритмов. И это обстоятельство не
может не настораживать, поскольку довольно очевидно, что среди боль-
шого разнообразия алгоритмов не все одинаковы по своим качествам. Есть
алгоритмы «хорошие» и «плохие», и нужно уметь отличать одни от дру-
гих, причем делать это, не тратя времени и труда на программирование и
расчеты, а заранее, априори. Для этого нужно сформулировать критерии
для оценки качества вычислительных алгоритмов.
Основное требование, предъявляемое к вычислительному алгоритму, —
это требование точности. Оно означает, что вычислительный алгоритм
должен давать приближенное решение построенной или выбранной мате-
матической модели с заданной точностью ε > 0 за конечное число дей-
ствий Q(ε). Алгоритм должен быть реализуемым, т. е. давать решение
дискретной задачи за допустимое машинное время. Для почти всех ал-
горитмов время решения задачи возрастает при повышении точности, т. е.
при уменьшении ε.
Решение дискретной задачи не совпадает с решением исходной, оно яв-
ляется приближенным решением, решением с погрешностью. Можно выде-
30 Глава 1. Общие принципы математического моделирования

лить две основные причины возникновения погрешности численного

решения. Во-первых, при замене исходной задачи дискретной возникает
погрешность дискретизации (аппроксимации). Например, заменяя в урав-
нении (1.1.8) производную s̈ разностной производной, фигурирующей в
левой части разностного уравнения (1.2.1), мы допускаем погрешность дис-
кретизации, имеющую при τ → 0 порядок τ 2 . Второй вид погрешности —
ошибки округления — связан с конечной разрядностью чисел, представляе-
мых в ЭВМ. Ошибки округления могут существенно повлиять на точность
приближенного решения и даже на саму возможность его вычисления на
ЭВМ.

1.2.3. Устойчивость алгоритма. При каждом вычислении на ЭВМ

появляются ошибки округления. В зависимости от алгоритма эти ошибки
могут в процессе вычислений неограниченно нарастать либо не накапли-
ваться. В первом случае алгоритм называют неустойчивым, во втором —
устойчивым. Например, если в некотором алгоритме вычисляются члены
геометрической прогрессии bn+1 = bn q (n = 1, 2, . . . ) со знаменателем q > 1
и при вычислении первого члена была допущена ошибка δ, т. е. вместо b1
было получено значение b1 = b1 + δ, то эта ошибка скажется и при вычис-
лении bn+1 : вместо истинного значения мы получим значение

bn+1 = b1 q n = bn+1 + δ · q n ,
отличающееся от bn+1 накопленной погрешностью δ · q n , которая быстро
возрастает при n → ∞.
Другой пример. С точки зрения теоретической математики конструк-
тивность теоремы о существовании и единственности решения СЛАУ, ос-
нованной на правиле Крамера, неоспорима. Однако алгоритм, основанный
на формулах Крамера, не обладает устойчивостью при его использовании
для вычислений на ЭВМ. Кроме того, для него не выполняется требова-
ние получения решения за разумное количество операций (для вычисления
определителей требуется порядка N ! действий, где N — число неизвест-
ных). Поэтому для поиска решения СЛАУ на ЭВМ применяются другие —
устойчивые алгоритмы, основанные на методах исключения и итерацион-
ных методах. Известны и иные алгоритмы, эффективные с теоретической
точки зрения, но неприемлемые с точки зрения машинной арифметики.

1.2.4. Экономичность алгоритма. Естественно добиваться, что-

бы число действий Q(ε) (и тем самым машинное время решения задачи)
было минимально. Для любой задачи можно предложить много алгорит-
мов. При их использовании одинаковая точность ε может достигаться за
§ 1.2. Общие требования к вычислительным алгоритмам 31

разное число действий. Предположим, что решение дискретной задачи яв-

ляется вектором (u1 , u2 , . . . , uN ) конечномерного пространства размерно-
сти N . Если число арифметических действий для нахождения одной ком-
поненты решения «слабо» зависит или вообще не зависит от общего чис-
ла неизвестных, то алгоритм называется экономичным. Таким образом,
экономичный алгоритм требует выполнения числа действий, пропорцио-
нального размерности N конечномерного пространства, которому принад-
лежит решение дискретной задачи. Следовательно, алгоритм Крамера не
относится к классу экономичных (требуется порядка N ! действий), как и
метод исключения Гаусса в общем случае (≈ N 3 действий), а вот знакомый
нам метод прогонки является экономичным (число действий пропорцио-
нально N ).
1.2.5. Параллелизуемость алгоритма. Желательно, чтобы вы-
числительный алгоритм наряду с упомянутыми характеристиками, такими
как точность, устойчивость, экономичность, обладал и свойством паралле-
лизуемости, т. е. позволял распараллеливать себя. Возможность сегмента-
ции сложного вычислительно процесса на значительное число простых и
относительно независимых процессов, время от времени обменивающихся
между собой входными и выходными данными, открывает путь к констру-
ированию компьютерных программ параллельного счета [6]. Разумеется,
при этом возникают дополнительные проблемы, связанные с большими
потоками информации между процессами.
Если сложный алгоритм удается представить в виде ряда хорошо изу-
ченных и надежных алгоритмов решения простых задач, то такие элемен-
тарные алгоритмы называются вычислительными модулями, а сама проце-
дура выделения модулей — модульным анализом алгоритма [17]. Проводя
модульный анализ алгоритма, мы получаем возможность рассматривать
сложный алгоритм как последовательное выполнение относительно про-
стых вычислительных модулей. Кроме того, модульная декомпозиция ал-
горитма существенно облегчает его распараллеливание, а «последователь-
ная» программа, созданная на основе алгоритма, имеющего модульную
структуру, может быть легко адаптирована для ЭВМ с параллельными
процессорами в виде «параллельной».
1.2.6. Связь алгоритма с архитектурой ЭВМ. При разработ-
ке алгоритма необходимо «заглядывать вперед»: отчетливо представлять
себе тип компьютерных систем, на которых предполагается базировать со-
здаваемый вычислительный комплекс. С одной стороны, вычислительные
модули должны конструироваться таким образом, чтобы они были «инва-
риантны» относительно изменений системного программного обеспечения
32 Глава 1. Общие принципы математического моделирования

ЭВМ и ее конфигурации (вычислительной платформы). С другой стороны,

необходимо учитывать ограниченность различных уровней памяти ЭВМ,
ограничения на слишком большие и малые числа (разрядность) и даже
такие нюансы, как аппаратная реализация машинных команд и использу-
емые на конкретной машине методы округления. Такой учет может суще-
ственно повысить эффективность алгоритма, но одновременно усложнить
перенос готового программного продукта на другие вычислительные си-
стемы.
Вычислительные программы надо создавать так, чтобы они умели са-
мостоятельно анализировать особенности конкретной вычислительной сре-
ды (платформы) и с учетом результатов такого анализа оптимизировать
свою структуру. Попытка реализации такой технологии была предприня-
та в системе OLYMPUS и впоследствии развита в отечественном продукте
САФРА [7].

1.2.7. Исследование алгоритма. Так же как и в случае матема-

тической модели, в отношении ее дискретного аналога и вычислительного
алгоритма имеется возможность выбора, поскольку одной и той же мате-
матической модели могут быть поставлены в соответствие различные дис-
кретные модели, а одной и той же дискретной модели — различные алго-
ритмы для поиска ее решения. Поэтому важную роль играет исследование
свойств алгоритмов, в результате которого может быть сделан выбор.
Исследование начинается с изучения вопроса о корректности дискрет-
ной задачи: существует ли решение, является ли оно единственным и как
оно зависит от входных данных. Для некоторых не очень сложных за-
дач корректность удается установить с помощью методов функционально-
го анализа.
Одним из главных вопросов является вопрос о сходимости приближен-
ного решения к точному. Иногда решение этого вопроса удается свести к
исследованию аппроксимации исходной дискретной модели и устойчивости
алгоритма.
Весьма важной проблемой рассматриваемого этапа математического
моделирования является проблема постановки начальных условий в дис-
кретной модели, соответствующих начальным условиям исходной неста-
ционарной задачи: неудачная постановка этих условий может замедлить
скорость сходимости приближенного решения к точному при измельчении
сетки (см. задачи 1.2.1 и 1.2.2). Такой же вывод справедлив в отноше-
нии аппроксимации краевых условий. При использовании итерационных
методов удачный выбор стартовых значений может существенно снизить
затраты компьютерного времени, неудачный — значительно их увеличить
§ 1.2. Общие требования к вычислительным алгоритмам 33

или даже вообще не обеспечить получение искомого решения.

Важным требованием, предъявляемым к дискретной модели, является
то, что ее решение должно обладать как можно большим числом свойств,
присущих решению математической модели. Если для последней выпол-
няются законы сохранения, то необходимо исследование по проверке вы-
полнения аналогичных законов сохранения и для дискретной модели. Ес-
ли в исходной модели решение положительно (температура, плотность), то
необходимо исследовать на положительность и приближенное решение. Ес-
ли из каких-то соображений известно, что решение математической модели
является монотонно возрастающей функцией, то необходимо добиваться,
чтобы и приближенное решение обладало этим же свойством, и т. п.
В настоящее время известен обширный арсенал средств для исследо-
вания дискретных моделей и вычислительных алгоритмов. Эти средства
основаны на достижениях теории численных методов и «чистой» матема-
тики, а эффективное их использование требует высоких интеллектуаль-
ных усилий и больших знаний в широком диапазоне научных дисциплин.
В теории численных методов многое сделано, но еще больше предстоит сде-
лать. Пока теория отстает от потребностей практики, которая зачастую за
неимением достаточно развитой теории вынуждена обращаться к эмпири-
ке, предшествующему опыту, к «здравому смыслу» и интуиции.

ЗАДАЧИ

1.2.1. Дифференциальное уравнение (1.1.8) аппроксимируем разност-

ным уравнением (1.2.1), а начальные условия (1.1.10) — разностными на-
чальными условиями:
s1 − s0
s0 = a, = 0. (1.2.2)
τ
С помощью непосредственной проверки показать, что при малых шагах
τ сеточная функция

sj = α sin jϕ + β cos jϕ, j = 0, . . . , N, (1.2.3)

¡ ¢
где ϕ = arccos 1 − τ 2 ω 2 /2 , τ = T /N , 0 < T < ∞, α и β — произвольные
действительные числа, является общим решением уравнения (1.2.1). Найти
решение sj дискретной задачи (1.2.1), (1.2.2) и показать, что при малых
34 Глава 1. Общие принципы математического моделирования

значениях τ для погрешности решения выполняется оценка

max |sj − s(tj )| ≤ Cτ (1.2.4)

j=0,...,N

с постоянной C, не зависящей от τ . Здесь s(t) — решение (1.1.11) зада-

чи (1.1.8), (1.1.10).

1.2.2. Немного подправим начальные условия (1.2.2) дискретной за-

дачи:
s1 − s0 aω 2
s0 = a, = −τ . (1.2.5)
τ 2
Найти решение sj новой дискретной задачи (1.2.1), (1.2.5) и показать, что
при малых значениях τ погрешность решения удовлетворяет оценке

max |sj − s(tj )| ≤ C1 τ 2 (1.2.6)

j=0,...,N

с постоянной C1 , не зависящей от τ . Таким образом, небольшое изменение

разностных начальных условий повлекло за собой существенный рост ско-
рости сходимости приближенного решения к точному: вместо сходимости
с первым порядком по τ получили второй порядок сходимости.

§ 1.3. Некоторые принципы разработки

программ
Вычислительный алгоритм отображает дискретную модель на множе-
ство действий, которые должны быть выполнены на ЭВМ. Запись этих
действий на языке, понятном машине, выполняется на следующем этапе
математического моделирования — этапе разработки программы (кодиро-
вании). Этот этап является «материализацией» проведенных ранее стадий
интеллектуальных разработок и связан не только с написанием текста про-
граммы: здесь происходит проектирование, написание, отладка и тести-
рование программ, проведение расчетов и анализ результатов, принятие
решений о дальнейшей доработке программ или их сдаче в эксплуатацию.

1.3.1. Проектирование программы. Если программа пишется

одним автором для иллюстрации, например, эффективности разработан-
ного им нового алгоритма, то никаких жестких требований к программе
§ 1.3. Некоторые принципы разработки программ 35

здесь не возникает, поскольку такая программа является одноразовым про-

дуктом, причем недолговечным, и используется она лишь самим автором.
Другое дело — большие программы для решения крупных научных про-
блем. Такие программы создаются коллективами высококвалифицирован-
ных программистов, требуют больших временных затрат, предполагает-
ся, что они будут долго эксплуатироваться «сторонними пользователями»,
поэтому подобного рода программы обязательно должны пройти стадию
проектного обоснования. Далее пойдет речь именно о таких программах.
Современные большие программы представляют собой пакеты приклад-
ных программ (ППП), позволяющие решать не одну, а целый класс задач
из определенной предметной области и предназначенные для исследова-
ния объекта на основе различных математических и дискретных моделей
с помощью различных вычислительных алгоритмов.
При проектировании программы разрабатываются схемы счета, кото-
рые устанавливают последовательность выполнения отдельных модулей в
конкретных задачах, и схемы обмена данными между модулями. На этом
этапе разрабатываются также структуры входных и выходных данных.
Управляющие и информационные связи, зафиксированные в схемах
счета, реализуются в специальной программе, конструирование и разра-
ботка которой ориентированы на два принципиальных момента. Первый —
это создание комфортных условий для пользователя, цель которого —
изучение явления, а не работа с программными кодами. Пользователю
должны быть созданы условия для формирования своей задачи: ввода
определяющих параметров и, если это необходимо, создания своей конфи-
гурации схемы счета. Второй задачей является построение по параметрам,
введенным пользователем, исполняемого задания и запуск расчета.
При проектировании схем обмена данными между модулями прини-
мается во внимание, что в каждом модуле описываются данные, которые
могут быть трех категорий: входные, выходные и внутренние (локальные).
Первые две категории имеют смысл вне модуля и потому могут быть на-
званы глобальными данными.
При проектировании программы следует иметь в виду, что на орга-
низацию вычислительного процесса, на эффективность процессов обмена
данными самое непосредственное влияние оказывает аппаратура. Особую
роль играет проектирование использования памяти ЭВМ, которая может
иметь весьма сложную многоуровневую структуру. Так, многопроцессор-
ные вычислительные системы делятся на системы с распределенной и об-
щей памятью. Одна из конфигураций суперкомпьютера — кластер, пред-
ставляющий собой сеть из многих процессоров, у каждого из которых есть
своя оперативная память. Эта распределенная память доступна всем про-
36 Глава 1. Общие принципы математического моделирования

цессорам, но только через относительно медленную соединительную шину,

вследствие чего растут коммуникационные потери и увеличивается вре-
мя решения задачи. Альтернативная архитектура ЭВМ предусматривает
множество процессоров с одной общей оперативной памятью. Такой ком-
пьютер имеет меньшие коммуникационные потери при вычислениях, но
его создание резко усложняется и дорожает при увеличении числа про-
цессоров. Отдельный процессор может содержать несколько арифметиче-
ских устройств (ядер) со сверхбыстрыми регистрами памяти, на которых
размещаются числа, участвующие в арифметических операциях, а также
очень быструю память ограниченного объема (кэш). Конечно же компью-
тер обязательно содержит и дисковую (внешнюю) память, очень большую,
но слишком медленную, которая используется в процессе решения задачи
только при исключительном дефиците оперативной памяти, поскольку это
катастрофически снижает производительность расчетов.
Обмен данными должен быть оптимизирован и сведен до минимума в
силу того, что он требует больших дополнительных расходов процессорно-
го времени, каналов пересылки данных и т. п.

1.3.2. Программирование модулей. Модульность является основ-

ным принципом построения программных систем. Упомянутые выше вы-
числительные модули определялись как функционально законченные
фрагменты вычислительного алгоритма. Программный модуль — это от-
дельная функционально законченная программная единица, некоторым
образом идентифицируемая и используемая в программе, как правило,
неоднократно. Модульный анализ позволяет выполнять раздельное про-
граммирование выделенных частей проекта программы и раздельную от-
ладку программных модулей.
Очень ответственным моментом следует считать выбор языка програм-
мирования. Этот выбор делается между проблемно-ориентированными
языками высокого уровня и языками низкого уровня, типа автокода
(assembler). Первые учитывают специфику задачи и процесса программи-
рования. Они удобны для разработчика, сокращают сроки создания про-
грамм, уменьшают количество ошибок, делают программу наглядной. Ав-
токоды позволяют обеспечить высокое качество объектной программы, т. е.
программы, полученной после трансляции. Это свойство автокодов связа-
но с тем, что они отражают специфику конкретной вычислительной маши-
ны и позволяют наиболее полно использовать ее аппаратные возможности.
Иногда применяют двухстадийное программирование: сначала программа
пишется на языке высокого уровня, а затем, после получения работающего
варианта, она (или отдельные ее фрагменты) переписывается на автокоде.
§ 1.3. Некоторые принципы разработки программ 37

Процесс программирования должен строиться по итерационному

принципу, когда сначала кодируются наиболее содержательные, жизнен-
но необходимые части алгоритма, а дополнение деталями и сервисными
возможностями происходит постепенно.
При программировании не следует забывать, что программные модули
должны удовлетворять некоторым принципиальным требованиям, напри-
мер, таким, как расширяемость, адаптивность и переносимость. Свойство
расширяемости предполагает гибкость создаваемых конструкций: допол-
нение программного комплекса новыми модулями не должно приводить к
переработке уже имеющихся. Принцип максимальной автономии всех мо-
дулей должен быть заложен в первоначальном проекте и в дальнейшем
соблюдаться неукоснительно.
Адаптивность программного модуля подразумевает его способность оп-
тимально настраиваться на существующие аппаратные ресурсы и мак-
симально полно их использовать. В особенности свойство адаптивности
важно при создании компьютерного инструментария, ориентированного на
параллельные вычисления на суперкомпьютерах. Существующее сегодня
множество суперкомпьютеров весьма неоднородно как по своей архитекту-
ре, так и по числу процессорных элементов. В идеале свойство адаптивно-
сти должно гарантировать производительность программного комплекса,
близкую к пиковой на любой вычислительной платформе, что, конечно
же, недостижимо на практике, но должно являться направлением разви-
тия программного обеспечения.
Переносимость — способность модуля к функционированию в программ-
ной и аппаратной среде с вариацией ее свойств. Крайне желательно, что-
бы модуль функционировал в разных программно-аппаратных средах не
только устойчиво, но и абсолютно одинаково, вплоть до совпадения зна-
ков в последних порядках мантисс получаемых цифровых данных. При
этом опасны не глобальные отказы, причины которых практически всегда
легко обнаруживаются и устраняются, а малозаметные отклонения дан-
ных от контрольных значений. Зачастую такие отклонения вычислители с
недостаточным опытом считают несущественными, но на самом деле это
грозный признак того, что результаты математического моделирования
неверны.

1.3.3. Отладка и тестирование программы. Особое внимание

при разработке программ для больших задач следует уделить отладке.
Различают три вида отладочных работ: синтаксическую отладку, ариф-
метическую и методическую.
Синтаксические ошибки возникают при неправильном употреблении
38 Глава 1. Общие принципы математического моделирования

конструкций используемого языка программирования и легко устраняются

в ходе соответствующей отладки. Используемые в настоящее время языки
программирования с хорошей диагностикой значительно упростили этот
вид отладки.
Арифметическая отладка должна убедить программиста в полном соот-
ветствии вычислительного алгоритма и составленной программы. На этом
пути могут встретиться очень большие трудности, возникающие при от-
ладке древовидного алгоритма, так как число возможных путей выполне-
ния программы может оказаться очень большим и проверить их окажет-
ся невозможным. Тогда проверяют только отдельные наиболее вероятные
ветви.
Основной метод арифметической отладки — это встроенные отладоч-
ные выдачи, позволяющие проследить путь работы программы,
а также соответствие результатов тестовому варианту. К настоящему вре-
мени разработаны специальные вспомогательные программы — разнооб-
разные диалоговые отладчики, прерывающие работу программы в нужных
местах и обеспечивающие вывод интересующей информации.
Методическая отладка в корне отличается от предыдущих; она пред-
назначена для совместной отладки алгоритма и дискретной модели. Здесь
используются разнообразные приемы. Помимо отладочных вставок и вы-
дач, помимо диалоговых отладчиков, предусматривается проведение зара-
нее спланированных экспериментов, проверка заранее подобранных утвер-
ждений, проверка на тестах.
В качестве тестов могут быть использованы модельные задачи, имею-
щие аналитическое решение, задачи меньшей размерности, для которых
уже есть работающие программы. При решении уравнений иногда задают
готовое решение, подставляют его в уравнение, получают правую часть,
а затем с этой правой частью находят численно известное решение. Есть
тесты, основанные на другой математической модели. Можно проверять
одну дискретную модель с помощью другой и т. д. При этом осуществля-
ется так называемый внешний контроль алгоритма.
Внутренний контроль — это вид отладки, основанный на проверке из-
вестных утверждений о свойствах алгоритма и модели. Некоторые тесты
связаны с проверкой законов сохранения, формулировки которых для раз-
личных отраслей знаний достаточно разнообразны. Результаты численного
эксперимента не должны противоречить этим формулировкам. Контроль
за точностью выполнения законов сохранения определяет степень пригод-
ности выбранных математических моделей описания явления. Абсолют-
но бессмысленно совершенствовать численный алгоритм и компьютерную
программу, когда законы сохранения выполняются с недостаточной точ-
§ 1.3. Некоторые принципы разработки программ 39

ностью. В то же время следует особо подчеркнуть, что этот вид контро-

ля является необходимым, но не достаточным. Широко распространенной
ошибкой является «переоценка» законов сохранения, когда их контроль
становится единственным способом верификации программы. Иногда ал-
горитмы (и программы) выдают неверные результаты, несмотря на хоро-
шую точность выполнения законов сохранения.
К внутреннему контролю также относится верификация программ по
главным алгоритмическим параметрам. Например, для конечно-разност-
ных схем ими являются шаги сетки. Сильная зависимость численного ре-
шения от числа узлов сетки при их небольшом количестве
является естественной и не вызывает опасения и неприятия, если эта за-
висимость исчезает при измельчении сетки. Если же при большом числе
узлов эта зависимость не исчезает и решение продолжает меняться при все
бо́льшем измельчении сетки, то это тревожный симптом низкого качества
созданного алгоритма.

1.3.4. Проведение расчетов и анализ результатов. Заверша-

ющая стадия математического моделирования — проведение расчетов на
ЭВМ — имеет сходство с экспериментом натурным. Только если в лабора-
тории экспериментатор с помощью специально построенной установки за-
дает вопросы природе, то специалисты по вычислительному эксперименту
с помощью ЭВМ ставят эти вопросы математической модели. Причем в
современных физических экспериментах со сложными объектами или про-
цессами, протекающими в экспериментальных условиях, каждое измерение
температуры, плотности, скорости и т. д. дается с большим трудом. Зача-
стую нужную информацию приходится извлекать из косвенных данных.
Точность полученных результатов порой невелика.
Иное дело — вычислительный эксперимент. ЭВМ в процессе расчета мо-
жет выдавать любую информацию, представляющую интерес для исследо-
вателя. Конечно, точность этой информации определяется достоверностью
самой модели. Именно по этой причине в серьезных прикладных исследо-
ваниях никогда не начинают вести производственные расчеты сразу же,
по только что написанной программе. Им всегда предшествуют периоды
отладки программы, о которых говорилось выше. Только после проведе-
ния этой длительной кропотливой работы в вычислительном эксперименте
наступает фаза прогноза — с помощью математического моделирования
предсказывается поведение исследуемого объекта в условиях, где экспери-
менты пока не проводились или где они вообще невозможны.
Если результатом моделирования какого-либо процесса являются все-
го несколько чисел, то их обработка не вызывает затруднений. Если же
40 Глава 1. Общие принципы математического моделирования

результат представляется миллионами чисел, то возникает проблема его

осмысления (интерпретации) и хранения (архивирования и каталогиза-
ции). Частичное решение проблемы состоит в организации цифровых таб-
лиц в специальной форме, максимально облегчающей анализ полученных
данных. Эти таблицы могут быть размещены в базах данных долгосроч-
ного хранения, системы управления которыми могут существенно оптими-
зировать процесс анализа результатов.
Но даже при использовании хорошо организованных баз данных ги-
гантский объем чисел, получаемых при компьютерном моделировании,
приводит к затруднениям при анализе результатов. В связи с этим исполь-
зуются графические системы, обеспечивающие визуализацию полученной
цифровой информации, что в особенности важно на первых этапах ана-
лиза при общем (качественном) исследовании решения задачи. Табличная
же информация служит для поддержки графической и позволяет прове-
сти уточнение анализа в отношении количественных (численных) значений
результатов расчета.
1.3.5. Принятие решения. Анализ результатов расчетов приво-
дит к одному из выводов: или становится ясна необходимость уточнения
моделей и алгоритмов, или результаты, пройдя проверку на разумность
и надежность, передаются заказчику и «идут в дело». Однако чаще всего
выясняются какие-либо необычные формы протекания изучаемого процес-
са, неожиданные режимы работы проектируемой установки, в результате
чего появляется желание уточнить те или иные детали процесса. Тогда
математическая модель модифицируется, как правило, усложняется, и на-
чинается новый цикл вычислительного эксперимента.

∗ ∗ ∗

В этой главе мы показали, что математическое моделирование реали-

зуется в виде некоторой технологической цепочки отображений, в начале
которой находится изучаемый объект, а в конце — расчет на ЭВМ и анализ
полученных результатов. Эффективная реализация этой цепочки в услови-
ях многообразия изучаемых объектов, коллективов исполнителей, много-
образия программ и конфигураций ЭВМ составляет предмет математиче-
ской технологии в терминологии, предложенной академиком Н. Н. Яненко,
или вычислительного эксперимента (по академику А. А. Самарскому).
Глава 2.
МАТЕМАТИЧЕСКИЕ МОДЕЛИ
В БИОЛОГИИ, ЭКОЛОГИИ, ЭКОНОМИКЕ,
В ЗАДАЧАХ ПОДДЕРЖКИ ПРИНЯТИЯ
РЕШЕНИЙ

§ 2.1. Модели динамики численности

изолированных популяций
В § 1.1 была подчеркнута важность поиска решения задачи в анали-
тической форме, поскольку это решение, возможно, поможет ответить на
вопрос о пригодности построенной модели для описания реального объек-
та. Приведем соответствующие примеры.
2.1.1. Модель Мальтуса. Динамика численности популяции, т. е.
изменение со временем t общего количества N (t) живых особей в популя-
ции в связи с рождаемостью, смертностью, борьбой за существование —
один из важнейших вопросов развития популяций. Простейшей «физиче-
ской» (биологической в данном случае) моделью численности отдельной
популяции является модель, в основе которой лежат следующие предпо-
ложения: популяция является изолированной, ресурсы питания для нее
неограничены, а прирост поголовья пропорционален количеству существу-
ющих в данный момент времени особей. Таким образом, если N (t) и N (t +
∆t) — численности популяции в близкие моменты времени t и t + ∆t со-
ответственно, то N (t + ∆t) − N (t) = εN (t)∆t, где ε = α − β, α > 0 —
коэффициент рождаемости, β > 0 — коэффициент смертности. При
принятом допущении о том, что для развития популяции ничто не ме-
шает, рождаемость будет не ниже смертности, поэтому можно считать,
что ε ≥ 0, вследствие чего величина ε называется врожденной скоростью
естественного роста популяции. На этапе построения физической модели
необходимо также указать соглашения о виде коэффициентов α и β. На-
пример, можно предположить, что α = const, β = const. Завершается этот
этап постановкой задачи: требуется рассчитать численность популяции в
42 Глава 2. Математические модели в биологии, экологии, экономике...

произвольный момент времени t > 0, если в начальный момент времени

t = 0 ее численность известна.
Далее строится математическая модель, соответствующая выбранной
физической модели. Разумеется, что численность популяции N (t) является
целочисленной разрывной функцией времени. Однако если предположить,
что популяция является достаточно многочисленной, то вместо разрывной
функции N (t) можно использовать непрерывную функцию x(t), у которой
целая часть [x(t)] значения в каждый момент времени совпадает со зна-
чением N (t) численности популяции в тот же момент времени. Тогда мы
можем написать равенство

x(t + ∆t) − x(t)

= ε x(t),
∆t
которое при дополнительном предположении о том, что функция x(t) явля-
ется не только непрерывной, но и дифференцируемой, переходит в обыкно-
венное дифференциальное уравнение относительно неизвестной функции
x(t):
dx
= ε x, t > 0. (2.1.1)
dt
В результате получается математическая модель Мальтуса, соответствую-
щая построенной выше простейшей физической модели: требуется найти
решение уравнения (2.1.1), удовлетворяющее начальному условию

x(0) = x0 , (2.1.2)

где x0 — начальная численность популяции.

Решение задачи Коши (2.1.1), (2.1.2) имеет вид

x(t) = x0 eεt . (2.1.3)

Из этой формулы видно, что при α = β численность популяции остается

постоянной: x(t) ≡ x0 для всех t ≥ 0. Однако даже при небольшом поло-
жительном значении коэффициента ε с течением времени происходит все
большее и большее отклонение функции x(t) от начального значения x0
и численность популяции неограниченно растет по экспоненте при t → ∞
(рис. 5). Это обстоятельство и послужило основанием для опасений Маль-
туса о грядущем перенаселении Земли со всеми вытекающими отсюда по-
следствиями.
§ 2.1. Модели динамики численности изолированных популяций 43

x(t) α>β

α=β
x0

0 t

Рис. 5. Изменение численности изолированной популяции

в модели Мальтуса

Очевидно, что рассмотренная математическая модель не соответствует

реальности, поскольку во всех существующих популяциях неограниченно-
го роста их численности не наблюдается. Поэтому необходимо вновь вер-
нуться к физической модели и заняться ее модификацией.

2.1.2. Модель Ферхюльста — Пирла. Более близкое к реально-

сти описание развития популяции дает модель Ферхюльста — Пирла, в ко-
торой учитывается уменьшение скорости роста изолированной популяции
вследствие внутривидовой конкурентной борьбы за место, пищу и т. п. Та-
ким образом, можно модифицировать исходную физическую модель, учи-
тывая в ней конкурентную борьбу. Как это отразится на математической
модели? Внутривидовая борьба тем выше, чем больше количество встреч
между особями, а количество встреч пропорционально произведению xx,
т. е. x2 . Поэтому скорость εx прироста численности уменьшается на величи-
ну, пропорциональную x2 , и уравнение динамики численности популяции
запишется в виде
dx
= εx − γx2 . (2.1.4)
dt
Здесь ε = const > 0 — врожденная скорость роста численности популя-
ции, а величина γ = const > 0 называется коэффициентом внутривидовой
конкуренции.
Хотя уравнение (2.1.4) является нелинейным, решение задачи Коши
(2.1.4), (2.1.2) выписывается в аналитической форме

x0 x∗ eεt
x(t) = , t ≥ 0, (2.1.5)
x∗ + x0 (eεt − 1)
44 Глава 2. Математические модели в биологии, экологии, экономике...

где x∗ = ε/γ. Из формулы (2.1.5) следует, что при x0 = x∗ численность

популяции не меняется: x(t) ≡ x0 . Если же x0 < x∗ , то численность по-
пуляции возрастает, приближаясь при t → ∞ к значению x∗ , но никогда
не достигая его, т. е. численность популяции не возрастает беспредельно,
как в модели Мальтуса, а ограничена сверху. Поэтому величина x∗ называ-
ется максимальной численностью популяции, возможной в данных усло-
виях существования. В случае x0 > x∗ численность популяции уменьша-
ется, монотонно приближаясь к значению x∗ (рис. 6).

x(t)
x0
x0>x*

x*

x0<x*
x0
0 t

Рис. 6. Изменение численности изолированной популяции в модели

Ферхюльста — Пирла

2.1.3. Обобщение модели Ферхюльста — Пирла. Модель Фер-

хюльста — Пирла допускает различные обобщения. Например, можно
учесть, что некоторое количество f > 0 особей поступает в популяцию
из соседнего ареала, а часть g > 0 истребляется охотниками. Тогда по-
пуляцию уже нельзя считать изолированной, но уравнение, описывающее
динамику ее численности, будет аналогично уравнению (2.1.4), отличаясь
от последнего лишь наличием новых слагаемых f и g:

dx
= εx − γx2 + f − g. (2.1.6)
dt
Величина g может задаваться постоянной или зависящей от общей числен-
ности популяции: g(t) = δx(t). Представляет практический интерес и мо-
дель, описывающая сезонный характер охоты. В этом случае множитель
δ будет зависеть от времени и должен быть задан в виде некоторой пе-
риодической по переменной t функции. Возможны и другие механизмы,
влияющие на численность. Учтем, например, сезонный характер размно-
жения популяции. Тогда коэффициент рождаемости α будет функцией от
§ 2.1. Модели динамики численности изолированных популяций 45

переменной t. Коэффициент смертности β также может быть переменным.

Можно также учесть возрастную структуру популяции, случайные возму-
щения и многие другие факторы, влияющие на численность исследуемой
популяции.
Таким образом, учитывая на этапе физической постановки задачи все
большее и большее количество процессов, влияющих на численность по-
пуляции, мы приходим к иерархии математических моделей, для которых
получить решение в аналитической форме, как правило, не удается. Но
некоторые характеристики решения можно изучить путем качественного
исследования их свойств, например, таких, как гладкость, зависимость ре-
шения от начальных данных, поведение при t → ∞ и в окрестности некото-
рых особых точек и т. п. Для получения же количественных характеристик
нам неминуемо придется перейти к следующим этапам математического
моделирования — построению и исследованию дискретных моделей, раз-
работке и исследованию численных алгоритмов, созданию и тестированию
программ, проведению расчетов и анализу их результатов.

ЗАДАЧИ

2.1.1. Для изолированной популяции рыб исследовать динамику ее чис-

ленности на основе математической модели

dx
= εx − γx2 − g, t > 0,
dt (2.1.7)
x(0) = x0 > ε/γ,
где g = const > 0 — заданная квота отлова, не зависящая от численно-
сти популяции. Не приведет ли такая стратегия вылова к исчезновению
популяции?

2.1.2. Исследовать поведение при t → ∞ решения задачи (2.1.7), если

установлена относительная квота отлова, зависящая от численности попу-
ляции, т. е. g(t) = δ x(t), где δ = const > 0.
46 Глава 2. Математические модели в биологии, экологии, экономике...

§ 2.2. Модели межвидового соперничества

популяций
Как было отмечено в § 1.1, очень важное значение в математическом
моделировании имеет качественный анализ решения поставленной задачи:
существует ли решение, будет ли оно единственным, как на него влия-
ют начальные данные и входные параметры задачи, как оно ведет себя в
окрестности особых точек и т. д. Свойства решения, обнаруженные при
этом исследовании, могут оказаться полезными на всех этапах математи-
ческого моделирования.

2.2.1. Модель межвидовой конкуренции. Рассмотрим некото-

рый ограниченный ареал, в котором обитают популяции двух видов с чис-
ленностями x(t) и y(t). Будем считать, что в условиях неограниченного
питания и отсутствия хищников каждый вид развивался бы по экспонен-
те, т. е. согласно уравнениям модели Мальтуса:

dx
= ε1 x, ε1 = const > 0,
dt
(2.2.1)
dy
= ε2 y, ε2 = const > 0,
dt
где εi (i = 1, 2) — врожденные скорости роста популяций. Однако в реаль-
ности запасы пищи ограничены, ее выедание приводит к голоданию и, как
следствие, к уменьшению скоростей роста популяций.
Далее будем предполагать, что рассматриваемые здесь два вида конку-
рируют друг с другом за одну и ту же пищу и количество пищи,
потребляемой за единицу времени представителями обоих видов, выража-
ется некоторой неотрицательной функцией g(x, y), такой, что g(0, 0) = 0 и
g → ∞ при неограниченном росте хотя бы одного из аргументов. Ясно, что
с увеличением g скорость роста популяций должна уменьшаться, поэтому
вместо уравнений Мальтуса (2.2.1) следует использовать следующую си-
стему уравнений:

dx
= (ε1 − γ1 g) x,
dt
(2.2.2)
dy
= (ε2 − γ2 g) y, t > 0,
dt
где γi (i = 1, 2) — положительные постоянные, которые называются ко-
эффициентами чувствительности к недостатку корма. Предполагается,
§ 2.2. Модели межвидового соперничества популяций 47

что в начальный момент времени известны численности обеих популяций:

x(0) = x0 > 0, y(0) = y0 > 0. (2.2.3)

Видим, что полученная система уравнений (2.2.2) является нелиней-
ной. Поэтому поиск аналитического решения этой системы с произвольной
функцией g(x, y) затруднителен или вообще невозможен. В таком случае
мы должны постараться выполнить, как указывалось в гл. 1, качественное
исследование свойств решения, не используя его аналитического представ-
ления.
Ради простоты далее будем рассматривать случай линейной функции
g:

g(x, y) = m1 x + m2 y, (2.2.4)
где mi (i = 1, 2) — положительные постоянные. Тогда решение x(t), y(t)
задачи Коши (2.2.2), (2.2.3), (2.2.4) существует и единственно [25]. Пока-
жем, что функции x(t) и y(t) принимают строго положительные значения.
Предположим, что это не так, и одна из компонент решения становится
равной нулю в некоторой точке t0 > 0, например, y(t0 ) = 0. При этом
вторая компонента принимает в этот момент времени некоторое значение
x
e0 . Тогда мы можем считать, что функции x(t), y(t) являются решением
задачи Коши для системы (2.2.2) с начальными данными:

x(t0 ) = x
e0 , y(t0 ) = 0. (2.2.5)
Легко проверить, что этим же начальным данным (2.2.5) удовлетворяет
еще одно решение системы (2.2.2):

e0 x∗ eε1 (t−t0 )
x
x
e(t) = , ye(t) ≡ 0,
e0 (eε1 (t−t0 ) − 1)
x∗ + x
где x∗ = ε1 /(γ1 m1 ). Тем самым мы получили противоречие с теоремой
о единственности решения. Следовательно, если заданы положительные
начальные данные (2.2.3), то функции x(t) и y(t) могут принимать только
положительные значения.
Покажем теперь, что численность обеих популяций ограничена при всех
t > 0.
Предположим противное, и пусть, например, функция y(t) может при-
нимать какие угодно большие значения. Тогда найдется промежуток вре-
мени, на котором функция y(t) возрастает и принимает значения большие,
чем y∗ = ε2 /(γ2 m2 ). Однако из уравнения для функции y мы получаем,
48 Глава 2. Математические модели в биологии, экологии, экономике...

что
dy
= (ε2 − γ2 (m1 x + m2 y)) y < (ε2 − γ2 m2 y) y = γ2 m2 (y∗ − y) y < 0,
dt
т. е. функция y(t) убывает на этом промежутке. Полученное противоречие
доказывает, что компоненты x(t), y(t) решения рассматриваемой задачи
Коши (2.2.2), (2.2.3) являются ограниченными функциями времени.
Качественное исследование решений поставленной задачи позволяет об-
наружить и другие, более интересные их свойства [9]. Рассмотрим один
частный случай, когда
ε1 ε2
> . (2.2.6)
γ1 γ2
Неравенство (2.2.6) выполняется, например, когда в первой популяции ко-
эффициент естественного роста ε1 больше, чем во второй, а коэффициен-
ты чувствительности к недостатку корма у них одинаковые. Неравенство
(2.2.6) может выполняться и в том случае, когда первая популяция растет
медленнее, но и чувствительность к недостатку корма у нее значительно
меньшая, чем у второй популяции.
Не выписывая аналитического решения задачи (2.2.2), (2.2.4), (2.2.3),
покажем, что при условии (2.2.6) численность второй популяции будет
стремиться к нулю при t → ∞. С этой целью перепишем уравнения (2.2.2):

γ2 dx
= ε1 γ2 − γ1 γ2 g,
x dt
γ1 dy
= ε2 γ1 − γ1 γ2 g,
y dt
из первого вычтем второе:

γ2 dx γ1 dy
− = ε1 γ2 − ε2 γ1
x dt y dt

и проинтегрируем последнее уравнение с учетом начальных условий (2.2.3):

xγ2 x0γ2 (ε1 γ2 −ε2 γ1 )t

= e .
y γ1 y0γ1

При условии (2.2.6) правая часть этого равенства неограниченно возраста-

ет с ростом времени. Следовательно, таким же свойством обладает и левая
его часть. Но функция xγ2 ограничена сверху некоторой постоянной, по-
этому неограниченный рост левой части последнего равенства возможен
§ 2.2. Модели межвидового соперничества популяций 49

только, если y(t) → 0 при t → ∞. Отсюда следует вывод о том, что вторая
популяция с течением времени исчезает.
А как ведет себя численность первой популяции при условии (2.2.6)?
Пока мы знаем только, что она ограничена некоторой постоянной. Рас-
смотрим для определенности случай, когда в начальный момент времени
численность первой популяции подчиняется неравенству
ε1
x0 < x ∗ = . (2.2.7)
γ1 m1

Тогда и во все последующие моменты времени функция x(t) будет ограни-

чена сверху числом x∗ . В самом деле, если это не так, то найдется некото-
рый момент времени t0 > 0, такой, что функция x(t), возрастая, впервые
примет значение x∗ , т. е.

dx
(t0 ) ≥ 0, x(t0 ) = x∗ .
dt
В таком случае из первого уравнения системы (2.2.2), учитывая положи-
тельность значения y(t0 ), получаем, что

dx
0≤ (t0 ) = [ε1 − γ1 (m1 x(t0 ) + m2 y(t0 ))] x(t0 ) < [ε1 − γ1 m1 x∗ ] x∗ = 0,
dt
т. е. 0 ≤ dx/dt(t0 ) < 0. Это противоречие и доказывает, что при усло-
вии (2.2.7) неравенство x(t) < x∗ выполняется для всех t ≥ 0.
Теперь покажем, что численность первой популяции не только огра-
ничена сверху постоянной x∗ , но и неограниченно приближается к этой
постоянной при t → ∞. Предположим противное: существует положитель-
ное число x < x∗ , такое, что x(t) < x при всех t. Возьмем произвольное
малое число δ, удовлетворяющее неравенству
m1
0<δ< (x∗ − x). (2.2.8)
m2
Тогда найдется момент времени t0 , такой, что для всех t ≥ t0 будет
верна оценка y(t) < δ.
50 Глава 2. Математические модели в биологии, экологии, экономике...

Пусть x(t0 ) = x
e0 . Из первого уравнения системы (2.2.2), учитывая нера-
венства x(t) < x, y(t) < δ, получаем, что
¯
dx ¯¯ £ ¤ £ ¤
¯ = ε1 − γ1 (m1 x + m2 y) x > ε1 − γ1 m1 x − γ1 m2 δ x = Cx,
dt t≥t0
где ³ m2 ´
C = γ1 m1 x∗ − x − δ > 0.
m1
Умножив обе части полученного неравенства на функцию e−C(t−t0 ) ,
приходим к дифференциальному неравенству
¯
du ¯¯
> 0,
dt ¯ t≥t0
где
u(t) = x(t)e−C(t−t0 ) .
Таким образом, функция u(t) монотонно возрастает при t > t0 . Поэтому

u(t) > u(t0 ) = x

e0 , t > t0 ,

или
e0 eC(t−t0 ) ,
x(t) > x t > t0 ,
т. е. функция x(t) неограниченно возрастает при t → ∞. Это противоречит
доказанному выше факту об ограниченности решения x(t). Значит, дей-
ствительно численность первой популяции будет стремиться при t → ∞
снизу к предельному значению x∗ .
Итак, на основе качественного анализа решений задачи Коши
(2.2.2)—(2.2.4) нам удалось установить, что при выполнении условий (2.2.6),
(2.2.7) численность первой популяции стабилизируется на некотором уров-
не, а вторая популяция исчезает. Отметим еще раз, что эти важные выводы
мы сделали без привлечения формул, описывающих точное решение зада-
чи.
Из установленных свойств следует очень интересный вывод. Если в
некоторой многочисленной популяции случайно появляется совсем неболь-
шое количество мутантов с такой же врожденной скоростью роста, как у
остальных особей (ε1 = ε2 ), но легче переносящих голод (γ1 < γ2 ), то со
временем мутанты полностью вытеснят домутантный вид.
§ 2.2. Модели межвидового соперничества популяций 51

2.2.2. Модель Лотки — Вольтерра. Рассмотрим математическую

модель совместного существования двух биологических видов (популяций)
типа «хищник–жертва». Предположим, что единственным фактором, огра-
ничивающим размножение жертв, является давление на них со стороны
хищников, а размножение хищников ограничивается количеством добытой
ими пищи (количеством жертв). Тогда в отсутствие хищников численность
жертв x(t) должна расти экспоненциально с относительной скоростью α, а
численность хищников y(t) в отсутствие жертв — экспоненциально убывать
с относительной скоростью β, т. е. величины x(t), y(t) будут описываться
в этом случае уравнениями Мальтуса:

dx
= αx,
dt (2.2.9)
dy
= −βy.
dt
Здесь α = const > 0 и β = const > 0 — коэффициенты рождаемости жертв
и смертности хищников соответственно.
«Соперничество» жертвы с хищником выражается в изменении числен-
ности жертв, которая, в свою очередь, сказывается на численности хищни-
ков. Пусть V (x) — количество (или биомасса) жертв, потребляемых одним
хищником за единицу времени, причем k-я часть полученной с этой био-
массой энергии расходуется на воспроизводство, а остальная тратится на
поддержание основного обмена. Таким образом, скорость прироста жертв
будет уменьшена на величину V (x)y, а прирост хищников будет опреде-
ляться величиной kV (x)y. Следовательно, уравнения системы «хищник—
жертва» можно записать в виде

dx
= αx − V (x)y,
dt (2.2.10)
dy
= y (kV (x) − β) .
dt

Функцию V (x) называют трофической функцией хищника и именно ее

определяют в экспериментальных работах. Характер этой функции таков,
что она асимптотически приближается к некоторому конечному положи-
тельному значению при большой численности жертв, отражая тем самым
факт насыщения хищников при x → ∞. При малых значениях x, когда
почти все жертвы становятся добычей хищников, которые всегда голод-
ны и насыщения у которых не наступает (ситуация довольно обычная в
природе), трофическую функцию можно считать линейной функцией чис-
52 Глава 2. Математические модели в биологии, экологии, экономике...

ленности жертв, т. е. V (x) = mx. В настоящем параграфе мы рассмотрим

именно этот случай. Кроме того, предположим, что k = const. Тогда систе-
ма уравнений (2.2.10) запишется в форме уравнений Лотки — Вольтерра

dx
= αx − mxy,
dt (2.2.11)
dy
= kmxy − βy,
dt
из которых по начальным данным (2.2.3) определяются численности попу-
ляций в любой момент времени t > 0.
Поскольку правые части уравнений (2.2.11) имеют ограниченные част-
ные производные по x и y в любом прямоугольнике плоскости Oxy, то зада-
ча Коши (2.2.11), (2.2.3) имеет единственное решение, причем
бесконечно дифференцируемое. Однако выписать это решение в аналити-
ческой форме весьма затруднительно ввиду нелинейности системы
уравнений (2.2.11). Поэтому можно опять обратиться к качественному ис-
следованию свойств решения.
Мы продемонстрируем сейчас приемы качественного анализа, отличные
от тех, которые использовались в задаче о межвидовом соперничестве по-
пуляций при оспаривании одной и той же пищи (см. п. 2.2.1). Первый прием
связан с переходом к записи задачи в безразмерных величинах. Система
уравнений (2.2.11) зависит от четырех параметров: α, β, k, m. Каждый
из них влияет на вид решения, осложняя его исследование. Попытаемся
перейти к безразмерным величинам с тем, чтобы количество определяю-
щих параметров уменьшилось. Как было указано в гл. 1 (при обсуждении
общих принципов построения и исследования математических моделей),
переход к безразмерным величинам позволяет исследовать не одно реше-
ние, а целый класс подобных решений.
Итак, пусть

km m β
ξ= x, η= y, τ = αt, p= . (2.2.12)
β α α

Тогда уравнения Лотки — Вольтерра (2.2.11) запишутся в виде системы

уравнений
dξ
= ξ(1 − η),
dτ
(2.2.13)
dη
= p η(ξ − 1)
dτ
§ 2.2. Модели межвидового соперничества популяций 53

с единственным параметром p > 0. Если нам удастся выяснить свойства

решения ξ(τ ), η(τ ) при некотором одном значении параметра p, то, ос-
новываясь на заданном преобразовании растяжения (2.2.12), мы сможем
предсказать поведение решения x(t), y(t) системы (2.2.11) сразу для всех
допустимых значений параметров k и m и любых α и β, удовлетворяющих
равенству β/α = p. Таким образом, переход к безразмерным величинам
действительно целесообразен при изучении качественного поведения ре-
шений.
Другой прием связан с исследованием равновесных состояний. Система
уравнений (2.2.13) имеет одно положение равновесия с положительными
значениями ξ и η — стационарное, не зависящее от времени τ решение:

ξ(τ ) ≡ ξ∗ = 1, η(τ ) ≡ η∗ = 1. (2.2.14)

Таким образом, если в начальный момент времени τ = 0 искомые пере-

менные ξ, η принимают значения ξ∗ , η∗ , то и во все последующие моменты
времени будут выполняться равенства (2.2.14). Это означает, что особая
точка (ξ∗ , η∗ ) отвечает равновесной численности жертв и хищников: при-
рост жертв за счет рождаемости полностью уравновешивается деятельно-
стью хищников, а прирост хищников — их естественной смертностью.
Выписать формулы для нестационарных решений не удается. Однако
можно проанализировать поведение решений в фазовой плоскости. Напом-
ним, что решение задачи Коши для уравнений (2.2.13) с начальными дан-
ными
ξ(0) = ξ0 , η(0) = η0 (2.2.15)
можно интерпретировать геометрически как кривую в трехмерном про-
странстве Oξητ , проходящую через точку (ξ0 , η0 , 0) и составленную
из точек (ξ(τ ), η(τ ), τ ) («график решения»).
При другой геометрической интерпретации рассматривается кривая на
плоскости Oξη, составленная из точек с координатами (ξ(τ ), η(τ )), при этом
время τ является параметром. Эта кривая является проекцией графика
решения на плоскость Oξη и называется фазовой траекторией, а плоскость
Oξη называется фазовой плоскостью.
Чтобы понять временну́ю динамику функций ξ(τ ), η(τ ), исследуем по-
ведение решения нелинейной системы (2.2.13) в плоскости переменных ξ, η,
т. е. исследуем поведение фазовых траекторий.
Для этого второе уравнение поделим на первое:

dη p η (ξ − 1)
= , (2.2.16)
dξ ξ (1 − η)
54 Глава 2. Математические модели в биологии, экологии, экономике...

и преобразуем полученное уравнение к виду

1−η ξ−1
dη = p dξ.
η ξ
Интегрируя последнее уравнение с учетом положительности значе-
ний ξ и η, получаем соотношение

ln η − η = p (ξ − ln ξ) + C,

или ¡ ¢
ln η − ln eη = p ln eξ − ln ξ + C,
в котором постоянная C из правой части определяется по начальным зна-
чениям (2.2.15). Таким образом, уравнение (2.2.16), или, что то же самое,
система (2.2.13), имеет первый интеграл вида

Ψ(ξ, η) = C1 > 0, (2.2.17)

где µ ¶p
ξ η
Ψ(ξ, η) = . (2.2.18)
eξ eη
Для каждого фиксированного значения
µ ¶p
ξ0 η0
C1 =
eξ0 eη0

интегралу (2.2.17) соответствует вполне определенная фазовая траектория

системы (2.2.13), которая совпадает с линией уровня C1 функции Ψ и про-
ходит через точку (ξ0 , η0 ). На рис. 7, а изображен график функции

ζ = Ψ(ξ, η) (2.2.19)

с несколькими линиями уровня. Соответствующие им фазовые траекто-

рии изображены на рис. 7, б. Поскольку в области ξ > 0, η > 0 функция Ψ
принимает максимальное значение лишь в одной точке
(Ψmax = 1/ep+1 в точке покоя ξ∗ = 1, η∗ = 1), то линии уровня функции Ψ
являются замкнутыми кривыми. Следовательно, и фазовые траектории
будут замкнутыми кривыми, охватывающими точку покоя. Отсюда следу-
ет вывод о том, что функции ξ(τ ), η(τ ) будут периодическими функциями
от переменной τ , поскольку фазовая траектория, проходящая через точку
(ξ0 , η0 ), вновь пройдет через эту же точку через некоторое время. Отме-
§ 2.2. Модели межвидового соперничества популяций 55

тим также, что для разных начальных данных (2.2.15) периоды колебаний
численностей будут разными [2].

5
ζ η
4

3
η
4
2

3
1
2

1 4 ξ
2
3 0
1 0 1 2 3 4 ξ 5
0 0

а б

Рис. 7. Решение системы уравнений (2.2.13):

а — график функции (2.2.19); б — фазовые траектории; p = 0, 5

Определим теперь направление движения точки (ξ, η) по фазовой тра-

ектории при возрастании времени. Пусть η < 1. Тогда из первого урав-
нения системы (2.2.13) следует, что dξ/dτ > 0, т. е. функция ξ(τ ) воз-
растает со временем при движении по нижней части фазовой траектории
(на рис. 7, б — это часть траектории, состоящая из точек, у которых вторая
координата η < 1). Из того же уравнения получаем, что при η > 1 функ-
ция ξ(τ ) будет убывать (dξ/dτ < 0). Аналогично определяется знак произ-
водной dη/dτ . Тем самым получаем, что с течением времени точка (ξ, η)
движется по фазовой траектории в направлении против часовой стрелки
(на рис. 7, б направление движения по фазовым траекториям изображено
стрелками).
Биологическое содержание задачи подтверждает выявленное свойство
решений математической модели. В самом деле, возьмем некоторые на-
чальные данные (2.2.15), соответствующую им фазовую траекторию и нач-
нем рассмотрение с момента времени, когда численность
хищников наименьшая. На траектории (см. рис. 7, б) этому моменту време-
ни будет соответствовать самая низшая ее точка с координатами
ξ = 1, η = ηmin < 1. В этот момент для развития жертв создались
самые благоприятные условия (хищников очень мало), поэтому числен-
ность жертв растет, но вместе с этим начинается и рост численности хищ-
56 Глава 2. Математические модели в биологии, экологии, экономике...

ников (в математической модели этот процесс описывается движением по

нижней части фазовой траектории вправо). В некоторый момент времени
хищников становится столько (η = 1), что они выедают ровно весь прирост
жертв, т. е. в этот момент времени численность жертв достигает своего
максимума ξmax , и далее она начинает уменьшаться (начинается движение
по верхней части траектории влево), а численность хищников продолжает
расти. Наконец, хищников становится так много (η = ηmax > 1), а жертв
так мало (ξ = 1), что вместе с уменьшением количества жертв начинает
уменьшаться и численность хищников. Такое продолжается вплоть до мо-
мента времени, когда численность жертв достигает своего минимума ξmin
и малое количество хищников (η = 1) позволяет жертвам начать увели-
чение своей численности (начинается движение по нижней части фазовой
траектории вправо).
Таким образом, рассматриваемая модель описывает сколь угодно дол-
гое сосуществование обеих популяций с периодическим колебанием их чис-
ленностей. Амплитуды этих колебаний

a1 = ξmax − ξmin , a2 = ηmax − ηmin (2.2.20)

зависят как от начальных численностей популяций, так и от определяю-

щих параметров модели (см. задачу 2.2.2). В некоторых случаях ампли-
туда a1 колебаний численности жертв может быть больше амплитуды a2
колебаний численности хищников, в других — наоборот (ср. рис. 7, б и 8).

5 5
η η
4 4

3 3

2 2

1 1

0 0
0 1 2 3 4 ξ 5 0 1 2 3 4 ξ 5

а б
Рис. 8. Фазовые траектории решений системы уравнений (2.2.13):
а — p = 1; б — p = 2
§ 2.2. Модели межвидового соперничества популяций 57

При этом всегда колебания численностей совершаются не в фазе: экс-

тремальному значению функции ξ(τ ) соответствует среднее по периоду
значение функции η(τ ) и наоборот, а средние по периоду значения этих
функций совпадают с равновесными значениями (2.2.14) (см. задачу 2.2.3).
Заметим, что мы выполнили качественный анализ решений системы
уравнений (2.2.13) относительно безразмерных величин. Используя
формулы преобразования (2.2.12), можно восстановить картину взаимо-
действия популяций в исходных переменных. Например, истинная
(в размерных величинах) амплитуда колебаний численности жертв будет
вычисляться по формуле

β
xmax − xmin = a1 ,
km
в которой используется безразмерная амплитуда a1 (2.2.20).
2.2.3. Другие модели двухвидовых взаимодействий. Рассмот-
ренная модель Лотки — Вольтерра (2.2.11) допускает многочисленные обоб-
щения. Например, можно учесть внутривидовую конкуренцию
жертв за общую пищу, подобно тому, как это делалось в п. 2.2.1. Тогда
математическая модель будет выглядеть следующим образом:

dx
= (α − my − γx) x,
dt
dy (2.2.21)
= (kmx − β) y,
dt
x(0) = x0 , y(0) = y0 ,
где
γβ
γ = const > 0, α> . (2.2.22)
km
В квадранте x > 0, y > 0 эта система имеет единственную точку покоя:

β αkm − γβ
x∗ = , y∗ = . (2.2.23)
km km2
Если учесть, что конкурентная борьба может быть и между хищниками,
то модель (2.2.21) модифицируется в следующую:
58 Глава 2. Математические модели в биологии, экологии, экономике...

dx
= (α − my − γ1 x) x,
dt
dy (2.2.24)
= (kmx − β − γ2 y) y,
dt
x(0) = x0 , y(0) = y0 ,
где

γ1 β
γ1 = const > 0, γ2 = const > 0, α> . (2.2.25)
km
Эта система также имеет одну точку покоя

αγ2 + mβ αkm − γ1 β
x∗ = , y∗ = (2.2.26)
γ1 γ2 + km2 γ1 γ2 + km2
в положительном квадранте x > 0, y > 0. Отметим, что фазовые траекто-
рии решений этих двух моделей уже могут и не быть замкнутыми.
Более точные математические описания двухвидовых взаимодействий
учитывают сложные картины взаимодействия как по времени, так и в про-
странстве: неравномерность распределения численности популяций на за-
нимаемых территориях, временно́е запаздывание между рождением особей
и их зрелостью, внешние воздействия и т. п. Для поиска решений таких
сложных задач приходится использовать численные методы, но, как по-
казали разобранные выше примеры, предварительный качественный ана-
лиз свойств решений надо выполнить обязательно, поскольку он может
дать ценную информацию о характерных особенностях решений. Эту ин-
формацию можно использовать, например, при тестировании численных
алгоритмов.

ЗАДАЧИ

2.2.1. Показать, что уравнения (2.2.2), (2.2.4), зависящие от шести па-

раметров εi , γi , mi (i = 1, 2), можно записать в виде системы уравнений
µ ¶
dξ η
=ε 1−ξ− ξ,
dτ p
(2.2.27)
dη ¡ ¢
= 1−pξ−η η
dτ
§ 2.2. Модели межвидового соперничества популяций 59

с двумя параметрами ε = ε1 /ε2 , p = εγ2 /γ1 , если ввести безразмерные

величины:
x y
ξ= , η = , τ = ε2 t, (2.2.28)
x∗ y∗
где x∗ = ε1 /γ1 m1 , y∗ = ε2 /γ2 m2 . Для значений параметров

ε = 1, p>1 (2.2.29)
выполнить качественный анализ решений задачи Коши для уравне-
ний (2.2.27) с начальными данными:

0 < ξ(0) = ξ0 < 1, η(0) = η0 > 0. (2.2.30)

2.2.2. Используя первый интеграл (2.2.17) системы (2.2.13), определить

амплитуды колебаний (2.2.20) решений ξ(τ ) и η(τ ) и характер зависимости
величин a1 , a2 от значений параметра p и начальных данных (2.2.15).

2.2.3. Доказать, что для решений системы уравнений (2.2.13) средние

по периоду значения численностей ξ(τ ) и η(τ ) не зависят от начальных
данных (2.2.15) и равны равновесным значениям ξ∗ = 1, η∗ = 1.

2.2.4. Записать систему уравнений (2.2.21), зависящую от пяти пара-

метров, в новых переменных
x y
ξ= , η= , τ = αt (2.2.31)
x∗ y∗
с использованием лишь двух новых безразмерных параметров:

β γβ
p= > 0, 0 < q = < 1.
α kmα
Величины x∗ , y∗ определены в формуле (2.2.23).
60 Глава 2. Математические модели в биологии, экологии, экономике...

§ 2.3. Обобщенные модели взаимодействия

популяций
Если построенная математическая модель оказалась нелинейной
и столь сложной, что выполнить качественный анализ ее решений не удает-
ся, то может оказаться полезным исследование линейного аналога модели.
Здесь показывается, что во многих случаях результат такого исследования
может дать подсказку о поведении решения исходной нелинейной модели.
2.3.1. Проблема устойчивости. В структуре сообществ многих
видов выделяются трофические (пищевые) уровни — группы видов, меж-
ду которыми невозможны прямые пищевые связи. Уровней может быть
несколько. Виды, принадлежащие одному уровню, находятся обычно либо
в состоянии конкуренции в борьбе за жизненные ресурсы, либо в коалиции
в использовании ресурсов. Основные трофические уровни наземных сооб-
ществ — это, как правило, продуценты (растения, аккумулирующие энер-
гию света и вещества субстрата), первичные консументы (травоядные) и
вторичные консументы (хищники, питающиеся травоядными). В некото-
рых случаях возможна более длинная цепь.
Теоретический анализ динамики сообщества n видов, находящихся на
одном трофическом уровне, опирается на систему обыкновенных диффе-
ренциальных уравнений относительно функций xi (t), аппроксимирующих
численности видов:

dxi
= fi (x1 , . . . , xn , t), i = 1, . . . , n, (2.3.1)
dt
где функции fi определяются структурой видовых взаимоотношений и их
количественными показателями. Имеющие биологический смысл решения
системы (2.3.1) принадлежат положительному октанту n-мерного евкли-
дова пространства (xi ≥ 0).
Если в уравнениях (2.3.1) скорости роста численностей видов описыва-
ются линейными, а самолимитирование и взаимовлияние видов — квадра-
тичными членами, не зависящими явным образом от t, то получаются так
называемые вольтерровские модели динамики сообщества n видов:
 
X n
dxi
= εi − γij xi  xi , , i = 1, . . . , n, (2.3.2)
dt j=1
§ 2.3. Обобщенные модели взаимодействия популяций 61

где εi — врожденная скорость роста n-го вида в отсутствие всех остальных

видов, коэффициенты γij (i 6= j) отражают характер и интенсивность вли-
яния j-го вида на i-й, γii — показатель внутривидового взаимодействия для
i-го вида. Матрицу Γ = kγij k, отражающую структуру связей сообщества,
называют матрицей сообщества.
Система уравнений вида (2.3.2) уже рассматривалась нами при
изучении вопроса об изменении численностей двух видов в процессе кон-
курентной борьбы между ними за одну и ту же пищу. Это была система
уравнений (2.2.2), для которой удалось исследовать свойства решений, вы-
полнив качественный анализ системы. Ясно, что таким путем нам будет
трудно исследовать решение в случае системы (2.3.2) из n уравнений. В об-
щем случае не поможет и анализ решений в фазовом пространстве, ведь
теперь оно n-мерное.
Между тем в экологии весьма актуальна проблема изучения устойчи-
вости, стабильности экосистем в окрестности их равновесных состояний.
С проблемой устойчивости связаны вопросы эксплуатации природных по-
пуляций и сообществ, оценки пределов загрязнения среды, прогноз послед-
ствий осуществления тех или иных природо-хозяйственных мероприятий.
Устойчивость к случайным воздействиям, в результате которых система
скачком переходит из одного состояния в другое и развивается в даль-
нейшем из этого нового состояния, можно интерпретировать на уровне
математической модели как устойчивость решения к изменениям началь-
ных данных. Особенно важным является понимание поведения популяций
вблизи особых точек или особых решений. И здесь подсказку во многих
случаях может дать изучение решений линейных аналогов систем (2.3.1),
поскольку для исследования линейных моделей имеются хорошо развитые
математические методы. Об этом уже говорилось в гл. 1: линеаризация и
исследование решений линейных моделей являются одними из необходи-
мых элементов анализа нелинейных математических моделей. Ниже бу-
дет рассмотрен соответствующий пример, а также указан контрпример,
показывающий, что иногда линейная модель неправильно предсказывает
поведение решения нелинейной модели.
2.3.2. Устойчивость по Ляпунову. Итак, нас будет интересовать
вопрос об устойчивости решения системы (2.3.1) на бесконечном интервале
по времени к возмущениям начальных данных. Запишем уравнения (2.3.1)
в векторной форме
dx
= f (x, t), t ∈ (0, ∞) (2.3.3)
dt
62 Глава 2. Математические модели в биологии, экологии, экономике...

и рассмотрим для них задачу Коши:

x(0) = x0 , (2.3.4)
T T
где x = (x1 , . . . , xn ) , f = (f1 , . . . , fn ) . Далее мы предполагаем, что
решение этой задачи существует при всех t > 0 и для всех x0 из некоторой
области пространства Rn .
Если бы мы решали задачу на конечном временно́м промежутке, то
при малом изменении начальных данных (2.3.4) решение x(t) также изме-
нилось бы на этом промежутке незначительно. Это следует из известной
теоремы о непрерывной зависимости решения от начальных данных [26].
Но по-другому обстоит дело, если мы ищем решение на бесконечном вре-
менно́м интервале. Для некоторых систем их решения ведут себя так, что
малым отклонениям начальных данных соответствуют решения, которые
могут оказаться как угодно далекими друг от друга при t → ∞.

Пусть x∗ (t) — решение уравнения (2.3.3), соответствующее начальному

условию
x∗ (0) = x∗,0 , (2.3.5)
а x(t) — другое решение с начальным условием (2.3.4).

Определение. Решение x∗ (t) называется устойчивым по Ляпунову,

если для любого ε > 0 можно указать такое δ > 0, что из неравенства
для начальных данных

kx0 − x∗,0 k < δ (2.3.6)

следует справедливое при всех t ≥ 0 неравенство для решений

kx(t) − x∗ (t)k < ε. (2.3.7)

В противном случае решение x(t) называется неустойчивым.
Здесь
kx(t) − x∗ (t)k = max |xi (t) − x∗,i (t)| ,
i=1,...,n

x∗,i — i-я компонента вектор-функции x∗ .

§ 2.3. Обобщенные модели взаимодействия популяций 63

Определение. Если решение x∗ (t) не только устойчиво, но и удовле-

творяет условию

lim kx(t) − x∗ (t)k = 0 (2.3.8)

t→∞

при kx0 − x∗,0 k < δ1 , где δ1 — некоторое положительное число, то реше-

ние x∗ (t) называется асимптотически устойчивым.

Во многих задачах математической экологии правая часть системы

уравнений не зависит от времени, т. е. уравнение (2.3.3) выглядит как

dx
= f (x). (2.3.9)
dt
Такие системы называются автономными . Например, автономной явля-
ется система уравнений (2.3.2), а также все системы уравнений, рассмот-
ренные в § 2.2. Для автономных систем представляет интерес изучение
устойчивости постоянных решений x∗ (t) ≡ x∗ = const. Поскольку для по-
стоянного решения выполняется равенство dx∗ /dt = 0, то оно называется
точкой покоя, а состояние биологической системы, соответствующее точке
покоя, называется состоянием равновесия. Для поиска точек покоя необ-
ходимо решить уравнение
f (x∗ ) = 0. (2.3.10)
В качестве примера рассмотрим автономную систему уравнений Лот-
ки — Вольтерра в безразмерном виде (2.2.13). Переобозначив зависимые
переменные, перепишем эти уравнения в виде (2.3.9) с использованием
вектор-функций
µ ¶ µ ¶
x x(1 − y)
x= , f= . (2.3.11)
y p(x − 1)y

Уравнение (2.3.10) имеет в данном случае несколько решений и для

одного из решений — точки покоя (2.2.14) — мы установили, что фазовые
траектории в ее окрестности являются замкнутыми кривыми, соответству-
ющими начальным данным (2.3.4) при x0 6= x∗ .
Из рис. 7, б видно, что если точка x0 , через которую проходит фазовая
траектория, не сильно отклоняется от точки покоя x∗ = (1, 1), то и вся фа-
зовая траектория не сильно удаляется от нее. Этот факт можно доказать
и с помощью строгих математических выкладок, которые свидетельству-
ют о том, что рассматриваемое постоянное решение x∗ будет устойчивым
по Ляпунову (но не асимптотически устойчивым). Такого рода точка по-
64 Глава 2. Математические модели в биологии, экологии, экономике...

коя называется центром, а замкнутые фазовые траектории, окружающие

центр, называются циклами.
Линеаризуем теперь уравнения Лотки — Вольтерра, введя отклонения

x
e(t) = x(t) − x∗ , ye(t) = y(t) − y∗ (2.3.12)
компонент решения x(t) от компонент x∗ = 1, y∗ = 1 точки покоя x∗ и
считая эти отклонения столь малыми, что можно пренебречь величинами
e2 , x
x eye и ye2 . Тогда вместо нелинейной системы уравнений (2.3.9), (2.3.11)
получаем следующую систему из двух линейных уравнений с постоянными
коэффициентами:

dx
= A (x − x∗ ) , (2.3.13)
dt
где Ã !
0 −1
A= .
p 0
Поскольку собственные значения λ1,2 матрицы A являются чисто мни-
мыми числами:
√ √
λ1 = −i p, λ2 = i p, (2.3.14)
то решение линейных уравнений (2.3.13), соответствующее начальным дан-
ным
x(0) = x0 , y(0) = y0 , (2.3.15)
запишется следующим образом [25]:

√ y0 − y∗ √
x(t) = x∗ + (x0 − x∗ ) cos( p t) − √ sin( p t),
p (2.3.16)
√ √ √
y(t) = y∗ + (y0 − y∗ ) cos( p t) + (x0 − x∗ ) p sin( p t).

2π
Видим, что решение является периодическим с периодом T = √ . Кро-
p
ме того, колебания численностей совершаются не в фазе: экстремальным
значениям функции x(t) соответствует равновесное значение y∗ = 1 функ-
ции y(t) и наоборот (рис. 9). Таким образом, указанные свойства одинако-
вы как для решения нелинейных уравнений Лотки — Вольтерра, так и для
решения их линейного аналога (2.3.13).
Кроме того, точка x∗ , как решение линейных уравнений (2.3.13), устой-
§ 2.3. Обобщенные модели взаимодействия популяций 65

2 1
x(t) 2
y(t)
1

0 t
0 10 20 30

Рис. 9. Интегральные кривые (2.3.16): 1 — x(t); 2 — y(t). x∗ = 1; y∗ = 1;

x0 = 1; y0 = 0, 4; p = 0, 5. Положение равновесия изображено штриховой линией

чива по Ляпунову (но не асимптотически), поскольку малые отклонения

начальных данных (2.3.15) от точки покоя x∗ дают и малые отклонения от
нее решения, что следует непосредственно из формул (2.3.16). Таким об-
разом, по свойству устойчивости рассматриваемые нелинейные уравнения
и их линеаризации (2.3.13) идентичны.
Для линейных уравнений (2.3.13) очень просто получить уравнение фа-
зовых траекторий. Это можно сделать разными способами, например, ис-
ключением времени из формул решения (2.3.16). В самом деле, разрешая
√ √
эти уравнения относительно sin( p t) и cos( p t) и используя основное
тригонометрическое тождество, получаем уравнение
2
2 (y − y∗ )
(x − x∗ ) + = C, (2.3.17)
p
где
2
2 (y0 − y∗ )
C = (x0 − x∗ ) + .
p
Фазовые траектории решений линейной задачи (2.3.13), (2.3.15) явля-
ются эллипсами (рис. 10). И хотя они не совпадают с фазовыми траекто-
риями нелинейной задачи (ср. рис. 7, б и рис. 10, а, а также рис. 8, б и
рис. 10, б), эти траектории гомеоморфны, т. е. одни переходят в другие
при подходящем взаимно-однозначном непрерывном отображении. Поэто-
му можно считать, что и по форме фазовых траекторий сравниваемые
системы эквивалентны.
И наконец, для обеих рассматриваемых систем точка покоя имеет один
и тот же тип — является центром, а фазовые траектории в обоих случаях
являются циклами.
66 Глава 2. Математические модели в биологии, экологии, экономике...

2 2
y y

1 1

0 0
0 1 2 0 1 x 2
x
а б

Рис. 10. Фазовые траектории решений линейной системы уравнений:

а — p = 0, 5; б — p = 2

Таким образом, если бы мы ничего не знали об устойчивости точки по-

коя и ее типе для нелинейной системы (2.3.9), (2.3.11), тем не менее, мы
дали бы правильный ответ, исследуя устойчивость точки x∗ для линейных
уравнений (2.3.13), поскольку оказалось, что эти системы качественно эк-
вивалентны: при некотором взаимно-однозначном отображении «фазовый
портрет» первой системы переходит в «фазовый портрет» второй и наобо-
рот.
2.3.3. Модель Колмогорова. В настоящее время существует боль-
шое число моделей типа «хищник–жертва» более общих [28], чем математи-
ческая модель Лотки — Вольтерра (2.2.11). Одной из них является модель
Колмогорова
dx
= a(x)x − V (x)y,
dt (2.3.18)
dy
= K(x)y,
dt
которую можно записать в виде автономной системы (2.3.9), если ввести
вектор-функции:
µ ¶ µ ¶
x a(x)x − V (x)y
x= , f= . (2.3.19)
y K(x)y

В рассматриваемой модели коэффициент a(x) связан с приростом

жертв, K(x) — хищников, V (x) — трофическая функция. Напомним, что в
§ 2.3. Обобщенные модели взаимодействия популяций 67

модели Лотки — Вольтерра (2.2.11) трофическая функция и функция K(x)

зависели от x линейно. Теперь же вид функций a(x), V (x) и K(x)
не конкретизируется, однако при выводе уравнений для придания реше-
ниям биологического смысла делаются некоторые качественные предполо-
жения о характере зависимости этих функций от переменной x:
— функции a(x), V (x), K(x) определены при всех x ≥ 0 и непрерывно
дифференцируемы;
— в отсутствие хищников коэффициент a(x) естественного прироста
жертв монотонно убывает с возрастанием их численности, переходя от по-
ложительных значений к отрицательным:

a0 (x) < 0, a(0) > 0 > a(∞); (2.3.20)

это условие отражает наличие в популяции жертв внутривидовой борьбы

за ограниченные ресурсы (пищевой и другие);
— с ростом численности жертв коэффициент естественного прироста
хищников монотонно возрастает, переходя от отрицательных значений (при
недостатке пищи) к положительным:

K 0 (x) > 0, K(0) < 0 < K(∞); (2.3.21)

— число жертв, потребляемых одним хищником за единицу времени,

положительно, а в отсутствие жертв это число равно нулю:

V (x) > 0 при x > 0, V (0) = 0. (2.3.22)

Система уравнений (2.3.18) имеет несколько точек покоя. Все они нахо-
дятся путем решения уравнения (2.3.10). Исследуем на устойчивость одну
из точек покоя, а именно точку x∗ = (x∗ , y∗ ), первая координата x∗ кото-
рой является корнем уравнения K(x) = 0 (в силу предположения (2.3.21)
корень существует, причем единственный), т. е.
³ ´
x∗ = K −1 (0) > 0, K(x∗ ) = 0 , (2.3.23)

а вторая задается формулой

a(x∗ )x∗
y∗ = . (2.3.24)
V (x∗ )
68 Глава 2. Математические модели в биологии, экологии, экономике...

Из формул (2.3.23), (2.3.24) следует, что точка x∗ будет лежать в положи-

тельном квадранте (x > 0, y > 0), только если

a(x∗ ) > 0. (2.3.25)

Это условие будем считать выполненным.

В силу общности системы (2.3.18) трудно сказать что-либо определен-
ное относительно устойчивости положения равновесия, поэтому в предпо-
ложении малости отклонений (2.3.12) заменим нелинейную систему (2.3.9),
(2.3.19) линейной:

dx ∂f
= f (x∗ ) + (x∗ ) (x − x∗ ) ,
dt ∂x
которая в силу равенства f (x∗ ) = 0 примет вид уравнения (2.3.13)

dx
= A (x − x∗ ) (2.3.26)
dt
с матрицей Якоби:

 ∂f ∂f1 
1  
(x∗ ) (x∗ )
 ∂x ∂y  σ −V (x∗ )
∂f    ,
A= (x∗ ) ≡  =
∂x  ∂f ∂f2 
2 K 0 (x∗ )y∗ 0
(x∗ ) (x∗ )
∂x ∂y
где

σ = a0 (x∗ )x∗ + a(x∗ ) − V 0 (x∗ )y∗ . (2.3.27)

Линейная модель (2.3.26) получена с использованием формулы Тейло-
ра для представления вектор-функции f (x) в окрестности точки x∗ , при
этом в разложении оставлены слагаемые (2.3.12) лишь первого порядка
малости. Поэтому модель (2.3.26) называется моделью первого порядка ап-
проксимации, или первого приближения по отношению к нелинейной моде-
ли (2.3.9). При изучении тонких свойств решений нелинейных уравнений
иногда оказывается целесообразным использование приближений второго
и более высокого порядков аппроксимации.
Исследуем устойчивость указанной точки покоя для системы линейных
уравнений (2.3.26), выписав в конечном виде решение, соответствующее
начальным данным (2.3.4).
Вид решения существенно зависит от собственных значений λ1,2 мат-
§ 2.3. Обобщенные модели взаимодействия популяций 69

рицы A, которые являются корнями характеристического уравнения

λ2 − σλ + µ = 0, (2.3.28)

где µ = V (x∗ )K 0 (x∗ )y∗ . Отметим, что в силу условий (2.3.21), (2.3.22),
(2.3.25) будет справедливо неравенство

µ > 0. (2.3.29)

Обозначим через d = σ 2 − 4µ дискриминант квадратного уравне-

ния (2.3.28) и рассмотрим случай, когда он положителен, т. е. пусть
√ √
σ < −2 µ или σ > 2 µ. (2.3.30)
В этом случае корни уравнения (2.3.28)
√ √
σ− d σ+ d
λ1 = , λ2 = (2.3.31)
2 2
будут вещественными и различными, поэтому общее решение систе-
мы (2.3.26) задается формулой [25]:

x(t) = x∗ + C1 eλ1 t r 1 + C2 eλ2 t r 2 , (2.3.32)

где r i (i = 1, 2) — правые собственные векторы матрицы A, соответствую-
щие собственным значениям λi , например:
à ! à !
V (x∗ ) V (x∗ )
r1 = , r2 = . (2.3.33)
λ2 λ1
Поскольку собственные векторы r 1 и r 2 линейно независимы, то посто-
янные C1 , C2 однозначно определяются через начальные данные (2.3.4)
посредством решения системы линейных алгебраических уравнений:

C1 r 1 + C2 r 2 = x0 − x∗ . (2.3.34)
Из условия (2.3.29) следует, что собственные значения λ1 и λ2 одного
знака, а в силу равенства λ1 + λ2 = σ их знак совпадает со знаком чис-
√
ла σ. Учитывая неравенства (2.3.30), получаем, что при σ < −2 µ оба
собственных значения отрицательны, поэтому

lim kx(t) − x∗ k = 0,
t→∞
70 Глава 2. Математические модели в биологии, экологии, экономике...

т. е. точка покоя будет в этом случае асимптотически устойчивой. Если же

√
σ > 2 µ, то приходим к выводу о том, что решение (2.3.32) неограниченно
удаляется от точки покоя при t → ∞, вследствие чего точка x∗ является
неустойчивой.
На рис. 11 показаны графики решения (2.3.32) для некоторой начальной
точки x0 , а на рис. 12 изображены фазовые траектории для различных
начальных точек x0 .

y(t) y(t)
y* y*
x* x*
x(t) x(t)
0 t 0 t
а б

Рис. 11. Интегральные кривые (2.3.32):

а — λ1 < 0, λ2 < 0; б — λ1 > 0, λ2 > 0

y y

y* y*

x* x x* x
а б
Рис. 12. Фазовые траектории, соответствующие решениям (2.3.32) линейной
системы уравнений (2.3.26) в случае различных действительных собственных
значений (2.3.31): а — λ1 < 0, λ2 < 0; б — λ1 > 0, λ2 > 0

Видно, что в случае отрицательных собственных значений λi (i = 1, 2)

все траектории собираются при t → ∞ в точке покоя x∗ , которая называ-
ется в этом случае устойчивым узлом. Для положительных собственных
значений — наоборот: точки x(t) движутся по фазовым траекториям, уда-
ляясь от положения равновесия, поэтому оно называется неустойчивым
§ 2.3. Обобщенные модели взаимодействия популяций 71

узлом.
Пусть теперь d = 0, т. е.
√
σ = ± 2 µ. (2.3.35)

Тогда характеристическое уравнение имеет кратный корень

σ
λ= 6= 0 (2.3.36)
2
и решение задачи (2.3.26), (2.3.4) запишется как [25]
³ ´
x(t) = x∗ + I + t (A − λI) eλt (x0 − x∗ ) , (2.3.37)

где I — единичная матрица. Из этой формулы видно, что при

√
σ = −2 µ рассматриваемая точка покоя асимптотически устойчива, а при
√
σ = 2 µ неустойчива. Графики компонент решения (2.3.37) показаны на
рис. 13, а фазовые траектории — на рис. 14. В случае кратного корня фа-
зовые траектории, так же как и для простого корня, приближаются или
удаляются от точки покоя в зависимости от того, λ < 0 или λ > 0. Со-
ответственно точка покоя называется устойчивым или неустойчивым вы-
рожденным узлом.

y(t) y(t) x(t)

y* y*
x* x*
x(t)
0 t 0 t
а б

Рис. 13. Интегральные кривые (2.3.37): а — λ < 0; б — λ > 0

Наконец, рассмотрим последний случай d < 0, который имеет место

при выполнении условий:
√ √
−2 µ < σ < 2 µ. (2.3.38)

В этом случае корни характеристического уравнения являются комп-

лексно сопряженными числами
p
σ + i |d|
λ1 = λ, λ2 = λ ≡ , (2.3.39)
2
72 Глава 2. Математические модели в биологии, экологии, экономике...

y y

y* y*

x* x x* x
а б

Рис. 14. Фазовые траектории, соответствующие решениям (2.3.37)

линейной системы уравнений (2.3.26) в случае кратного собственного
значения (2.3.36): а — λ < 0; б — λ > 0

им соответствуют линейно независимые собственные векторы

à !
V (x∗ )
r 1 = r, r2 = r ≡ , (2.3.40)
λ
при этом
Ar = λ r, Ar = λ r
и общее решение системы (2.3.26) имеет вид [25]
¡ ¢ ¡ ¢
x(t) = x∗ + C1 Re eλt r + C2 Im eλt r . (2.3.41)

Поскольку
à p p !
λt σt/2 |d| t |d| t
e =e cos + i sin , (2.3.42)
2 2
√
то из формулы (2.3.41) следует, что при −2 µ < σ < 0 точка покоя x∗
√
будет асимптотически устойчивым решением, при 0 < σ < 2 µ — неустой-
чивым, а при σ = 0 — устойчивым, но не асимптотически.
На рис. 15 показаны графики компонент решения (2.3.41) для некото-
рой фиксированной начальной точки x0 в случае Re λ 6= 0. Видно, что
функции x(t), y(t) являются колеблющимися функциями, при этом ам-
§ 2.3. Обобщенные модели взаимодействия популяций 73

плитуда колебаний уменьшается, если Re λ < 0, и увеличивается, если

вещественная часть комплексного корня λ положительна.

y(t) y(t)
y* y*
x* x*
x(t) x(t)
0 t 0 t
а б
Рис. 15. Интегральные кривые (2.3.41): а — Re λ < 0; б — Re λ > 0

На рис. 16 изображены фазовые траектории в случае Re λ 6= 0. Они

имеют вид спиралей, закрученных против часовой стрелки, при этом тра-
ектории приближаются к точке покоя или удаляются от нее в зависимости
от знака действительной части числа λ. Соответственно точка покоя на-
зывается устойчивым фокусом, если Re λ < 0, и неустойчивым фокусом,
если Re λ > 0.

y y

y* y*

x* x x* x
а б

Рис. 16. Фазовые траектории, соответствующие решениям (2.3.41)

линейной системы уравнений (2.3.26) в случае комплексных собственных
значений (2.3.39): а — Re λ < 0; б — Re λ > 0

Наконец, если Re λ = 0 (т. е. σ = 0), то с учетом формул (2.3.40),

(2.3.42) получаем следующие выражения для компонент решения (2.3.41):
74 Глава 2. Математические модели в биологии, экологии, экономике...

V (x∗ )
x(t) = x∗ + (x0 − x∗ ) cos pt − (y0 − y∗ ) sin pt,
p
(2.3.43)
p
y(t) = y∗ + (y0 − y∗ ) cos pt + (x0 − x∗ ) sin pt,
V (x∗ )
p
|d|
где p = , x0 = (x0 , y0 ) — начальная точка интегральной кривой.
2
Таким образом, компоненты решения (2.3.43) являются периодическими
функциями, соответствующие им фазовые траектории — эллипсами, опи-
сываемыми уравнениями
2 2
(x − x∗ ) (y − y∗ )
+ = 1,
CV (x∗ )/p Cp/V (x∗ )
где
2 2
(x0 − x∗ ) (y0 − y∗ )
C= + ,
V (x∗ )/p p/V (x∗ )
а точка покоя — центром. Такой тип точки покоя нам уже встречал-
ся при исследовании линеаризованных уравнений Лотки — Вольтерра
(см. п. 2.3.2).
Суммируя результаты исследований всех возможных случаев (2.3.30),
(2.3.35), (2.3.38), можно сказать, что точка покоя x∗ асимптотически устой-
чива при σ < 0, неустойчива при σ > 0, устойчива, но не асимптотически
при σ = 0. Для рассматриваемой задачи этот результат можно перефор-
мулировать так: если Re λi < 0 (i = 1, 2), то имеем асимптотически устой-
чивую точку покоя, если Re λi > 0 — неустойчивую, при Re λi = 0 устой-
чивую, но не асимптотически.
Итак, мы выполнили полное исследование поведения решения модели
первого приближения (2.3.26) в окрестности рассмотренной точки покоя
x∗ .
Можно ли утверждать, что решение нелинейной модели (2.3.18) ведет
себя аналогично решению линейной модели? Оказывается, что в некоторых
случаях такое утверждение будет верным. Оно основывается на теоремах
Ляпунова, формулировку одной из которых мы здесь приведем.

Теорема 1 (Об устойчивости точки покоя). Если корни характе-

ристического уравнения системы первого приближения ( 2.3.26) имеют
§ 2.3. Обобщенные модели взаимодействия популяций 75

отрицательные вещественные части, то точка покоя x∗ нелинейной си-

стемы ( 2.3.9) асимптотически устойчива. Если хоть один корень имеет
положительную вещественную часть, то точка покоя неустойчива.

Таким образом, основываясь на этой теореме, можно утверждать, что

при любых значениях параметра (2.3.27), кроме σ = 0, поведение решения
нелинейной модели Колмогорова (2.3.18) в окрестности точки покоя будет
такое же, как в линейной модели (2.3.26): оба решения будут одновремен-
но либо асимптотически устойчивыми, либо неустойчивыми, точка покоя
будет либо узлом, либо фокусом для обеих моделей.
Что же касается случая σ = 0, то приведенная теорема не дает ответа
на вопрос о соответствии свойств решений линейной и нелинейной моделей
в окрестности точки покоя.

2.3.4. Контрпример. Мы установили, что изучение свойств реше-

ний линейной модели может дать в некоторых случаях ясное представ-
ление о качественном поведении решения нелинейной модели. Для модели
Колмогорова (2.3.18) остались невыясненными лишь свойства решения при
значении параметра σ = 0, т. е. когда корни характеристического уравне-
ния (2.3.28) линейной системы (2.3.26) являются чисто мнимыми числами.
Нельзя ли сказать, что и для нелинейных уравнений точка покоя бу-
дет, как и в линейной модели, центром, а фазовые траектории — цикла-
ми? Вспомним, что для нелинейной модели Лотки — Вольтерра (2.3.9),
(2.3.11) мы получили соответствие по типу точки покоя и форме фазо-
вых траекторий с системой линейных уравнений (2.3.13), причем корни
характеристического уравнения последней системы были чисто мнимыми
числами (2.3.14). Но оказывается, что в общем случае при наличии чисто
мнимых корней характеристического уравнения такого соответствия уже
может и не быть. Приведем соответствующий пример.
Автономная система уравнений

dx ¡ ¢
= −py − x x2 + y 2 ,
dt
(2.3.44)
dy ¡ ¢
= px − y x2 + y 2
dt
с параметром p = const > 0 имеет единственную неподвижную точку
x∗ = (0, 0) и может быть проинтегрирована аналитически для любых
начальных данных:
x(0) = x0 = (x0 , y0 ). (2.3.45)
76 Глава 2. Математические модели в биологии, экологии, экономике...

В самом деле, введем полярные координаты

x = r cos ϕ, y = r sin ϕ (2.3.46)

и перейдем в системе (2.3.44) к новым зависимым переменным r = r(t)

и ϕ = ϕ(t):

dr dϕ
cos ϕ − r sin ϕ = −pr sin ϕ − r3 cos ϕ,
dt dt
dr dϕ
sin ϕ + r cos ϕ = pr cos ϕ − r3 sin ϕ.
dt dt
Разрешив эту систему относительно производных, получим простые урав-
нения

dr dϕ
= −r3 , = p,
dt dt
которые имеют решение
s
1
r(t) = , ϕ(t) = pt + ϕ0 , (2.3.47)
2t + 1/r02
где числа r0 и ϕ0 однозначно определяются заданными начальными дан-
ными (2.3.45):

x0 = r0 cos ϕ0 , y0 = r0 sin ϕ0 .

Подставляя найденные функции (2.3.47) в формулы (2.3.46), приходим

к следующему виду решения нелинейной задачи (2.3.44), (2.3.45):
r
1
x(t) = cos (p t + ϕ0 ) ,
2t + 1/r02
r
1
y(t) = sin (p t + ϕ0 ) .
2t + 1/r02
На рис. 17, а изображены фазовые траектории этих решений при
значении параметра p = 1. Видим, что для нелинейной системы уравне-
ний (2.3.44) точка покоя является устойчивым фокусом, при этом фазовые
траектории стремятся к точке покоя медленнее, чем траектории решений
вида (2.3.41) с экспоненциальными множителями.
Теперь в окрестности точки покоя рассмотрим первое приближение си-
§ 2.3. Обобщенные модели взаимодействия популяций 77

1 1

y y

0 0

-1 -1
-1 0 x 1 -1 0 x 1
а б

Рис. 17. Фазовые траектории: а — соответствующие решениям нелинейной

системы уравнений (2.3.44); б — линейного приближения (2.3.48)

стемы (2.3.44):
dx
= Ax, (2.3.48)
dt
где Ã !
0 −p
A= .
p 0
Матрица A имеет чисто мнимые комплексно сопряженные собственные
значения
λ1 = −ip, λ2 = ip,
поэтому согласно формуле (2.3.41) для компонент решения задачи
(2.3.48), (2.3.45) получаем выражения вида (2.3.43):

x(t) = x0 cos pt − y0 sin pt,

(2.3.49)
y(t) = y0 cos pt + x0 sin pt.

Отсюда следует, что фазовые траектории, соответствующие решени-

ям (2.3.49) линейной системы, являются концентрическими окружностями
(см. рис. 17, б) x2 + y 2 = x20 + y02 с центром в точке покоя и не имеют ниче-
го общего с фазовыми траекториями исходной нелинейной задачи. Таким
образом, в данном случае нелинейная модель и ее линейный аналог не яв-
ляются качественно эквивалентными, и по свойствам решения линейного
78 Глава 2. Математические модели в биологии, экологии, экономике...

приближения оказалось невозможным правильно предсказать поведение

решения исходной нелинейной задачи. Отметим, что это можно сделать,
используя приближения более высокого порядка [3].
Итак, на простых примерах мы убедились, что линейные аналоги ис-
ходных нелинейных математических моделей могут дать полезную, хо-
тя и не всегда полную, информацию об изучаемых реальных явлениях.
Иногда (это зависит от цели исследования) применение лишь линейных
моделей может привести к положительному результату, но надо всегда
помнить, что они имеют ограниченную область применимости, границы
которой определяются путем сравнения с результатами, полученными по
более полным моделям. При всех недостатках линейные модели обязатель-
но должны быть включены в иерархическую цепочку математических мо-
делей, предназначенных для исследования реальных объектов.

ЗАДАЧИ

2.3.1. В п. 2.3.2 мы установили, что точка покоя x∗ = (1, 1) является

устойчивым решением типа центр системы уравнений Лотки — Вольтер-
ра (2.3.9), (2.3.11) с положительным параметром p > 0. Используя первое
приближение этой системы, исследовать на устойчивость другие точки по-
коя.
2.3.2. В п. 2.3.3 мы установили, что при σ 6= 0 точка покоя x∗ , координа-
ты x∗ , y∗ которой определены в формулах (2.3.23), (2.3.24), является узлом
или фокусом, устойчивым или неустойчивым решением модели Колмого-
рова (2.3.18). Используя линейное приближение этой модели, исследовать
на устойчивость другие точки покоя.
2.3.3. Запишем систему уравнений (2.2.21) в безразмерных перемен-
ных (2.2.31) и переобозначим новые переменные ξ, η и τ вновь как x, y и
t. В результате получим автономную систему (см. ответ задачи 2.3.4)

dx
= (1 − qx)x − (1 − q)xy,
dt
(2.3.50)
dy
= p (x − 1)y,
dt
где p = const > 0, 0 < q = const < 1. Используя первое приближение
этой системы, исследовать на устойчивость все точки покоя и нарисовать
эскизы фазовых траекторий.
§ 2.4. Простейшие математические модели экономических процессов 79

2.3.4. Перепишем систему (2.2.27) в привычных обозначениях:

µ ¶
dx y
=ε 1−x− x,
dt p (2.3.51)
dy ¡ ¢
= 1 − p x − y y.
dt
Здесь ε и p — параметры, удовлетворяющие условиям ε = const > 0,
p = const > 0, p 6= 1. Используя первое приближение, исследовать на
устойчивость все точки покоя нелинейной системы уравнений (2.3.51) и на-
рисовать эскизы фазовых траекторий.

§ 2.4. Простейшие математические модели

экономических процессов
В первой главе (см. п. 1.1.5) было отмечено, что очень часто одинако-
выми или «похожими» уравнениями описываются процессы и явления из
самых разных сфер окружающего мира. Поэтому методы, разработанные
для математического моделирования одних явлений, относительно легко,
«по аналогии», могут быть перенесены на широкие классы совсем других
процессов. В настоящем параграфе приводятся примеры биолого-экономи-
ческих аналогий.

2.4.1. Простейшая модель экономического роста. В среднем

по времени реальный доход страны, как правило, растет. Бывают периоды,
когда он падает (периоды рецессий), но в долгосрочном аспекте происходит
рост. Экономический рост — актуальнейшая проблема макроэкономики —
раздела экономической теории, в котором изучаются проблемы экономики
в целом: экономический рост, кризисы, инфляция, безработица и т. д.
Рассмотрим динамику отдельной экономики в долгосрочном периоде,
считая, что ее состояние в любой момент времени t описывается совокуп-
ностью следующих величин: D(t) — объем конечного продукта (доход),
C(t) — фонд непроизводственного потребления, S(t) — фонд накопления,
y(t) — объем трудовых ресурсов (здесь — число работающих), X(t) — объем
капитальных ресурсов (все имеющиеся средства производства, используе-
мые в производстве товаров и услуг).
80 Глава 2. Математические модели в биологии, экологии, экономике...

Предполагается, что конечный продукт полностью используется на по-

требление и накопление, т. е. D = C + S, при этом фонд накопления S
составляет заданную часть s от конечного продукта, поэтому

S = sD,
(2.4.1)
C = (1 − s)D,

где s = const, 0 < s < 1. Будем считать, что износ капитальных ресурсов
пропорционален их объему, и фонд накопления полностью расходуется на
инвестиции, покрывающие износившийся капитал, и инвестиции, идущие
на прирост капитала:
dX
S =δ·X + , (2.4.2)
dt
где δ = const, 0 < δ < 1.
Предполагается, что численность рабочих, капитал и объем конечно-
го продукта связаны между собой с помощью производственной функции
f (x):
D = yf (x), (2.4.3)
где x = X/y — капиталовооруженность рабочей силы, x ≥ 0,
f (0) = 0, f 0 (x) > 0.
Тогда с учетом формул (2.4.1) и (2.4.3) уравнение (2.4.2) запишется как

dX
syf (x) = δ · X + ,
dt
или
1 dX
= sf (x) − δx. (2.4.4)
y dt
В силу равенства
X = xy (2.4.5)
получаем, что
dX dy dx
=x +y ,
dt dt dt
поэтому уравнение (2.4.4) можно переписать как

dx x dy
=− + sf (x) − δx. (2.4.6)
dt y dt

Кроме того, предположим, что численность рабочих экспоненциально

§ 2.4. Простейшие математические модели экономических процессов 81

возрастает с относительной скоростью ε = const > 0:

dy
= εy. (2.4.7)
dt
Тогда уравнение (2.4.6) можно переписать в следующем окончательном
виде:
dx
= sf (x) − (δ + ε)x. (2.4.8)
dt
Задав начальные данные

x(0) = x0 , y(0) = y0 (2.4.9)

и найдя решение x(t), y(t) = y0 eεt задачи Коши (2.4.7)—(2.4.9),

по формуле (2.4.5) определяем объем капитальных ресурсов, по форму-
ле (2.4.3) — доход, по формулам (2.4.1) — фонды потребления и накопле-
ния.
Рассмотрим наиболее простой случай, когда производственная функ-
ция является линейной:

f (x) = mx, m = const > 0. (2.4.10)

Тогда уравнение для капиталовооруженности (2.4.8) принимает вид

dx
= (sm − δ − ε) x, (2.4.11)
dt
т. е. оно совпадает с уравнением (2.1.1) модели Мальтуса. Поэтому приве-
денная экономическая модель будет обладать теми же недостатками, что
и биологическая модель Мальтуса.
В теории экономического роста наиболее часто используется другая
производственная функция — функция Кобба — Дугласа [35]:

f (x) = mxα , m = const > 0, 0 < α = const < 1. (2.4.12)

Для такой функции уравнение (2.4.8) запишется как уравнение Бернулли:

dx
= smxα − (δ + ε)x. (2.4.13)
dt
82 Глава 2. Математические модели в биологии, экологии, экономике...

Точка равновесия
µ ¶1/(1−α)
sm
x∗ = >0 (2.4.14)
ε+δ

является устойчивой и x(t) → x∗ при t → ∞. В последнем свойстве можно

убедиться и непосредственно, найдя предел при t → ∞ точного решения
задачи (2.4.13), (2.4.9):
h ¡ ¢ −(δ+ε)(1−α)t i1/(1−α)
x(t) = x∗1−α + x1−α
0 − x1−α
∗ e . (2.4.15)

Поскольку численность работающих y(t) со временем возрастает, то из

формулы (2.4.3) следует, что в состоянии равновесия капиталовооружен-
ности x = x∗ выпуск конечного продукта растет, фонды потребления и
накопления увеличиваются (см. формулы (2.4.1)), объем капитальных ре-
сурсов (2.4.5) также растет, т. е. имеет место рост экономики, хотя произ-
водительность труда D/y при x = x∗ не меняется.
Из формулы (2.4.14) видно, что устойчивый уровень капиталовоору-
женности x∗ прямо пропорционален принятой норме сбережения s и вели-
чине коэффициента m в производственной функции, но обратно
пропорционален темпу роста работающих и норме амортизационных от-
числений δ. Считая параметры m, α, ε и δ неизменными, выясним, при
какой норме накопления будет поддерживаться максимально возможное
среднедушевое потребление c = C/y в состоянии устойчивого равновесия
x = x∗ растущей экономики. Используя формулы (2.4.1), (2.4.3), (2.4.12),
получаем, что

C (1 − s)D (1 − s)yf (x∗ )

c(s) = = = = (1 − s)mxα
∗,
y y y
поэтому
∂c α−1 ∂x∗
= −mxα∗ + (1 − s)mαx∗ .
∂s ∂s
Учитывая выражение (2.4.14), приходим к выводу о том, что ∂c/∂s = 0 при
s = α. Таким образом, наиболее высокий уровень благосостояния работаю-
щих достигается при норме накопления s = α. Устойчивый уровень капи-
таловооруженности x∗ , при котором достигается максимально возможное
потребление, называется уровнем, соответствующим Золотому правилу
накопления.
Ясно, что рассмотренная модель экономического роста не способна объ-
§ 2.4. Простейшие математические модели экономических процессов 83

яснить многие наблюдаемые в экономике явления, поэтому она нуждается

в усовершенствовании подобно тому, как использовавшиеся на первых эта-
пах простейшие математические модели Мальтуса и Ферхюльста — Пирла,
описывающие развитие биологических популяций, получили дальнейшее
уточнение в более поздних моделях Лотки — Вольтерра, Колмогорова и
др. Несовершенство экономической модели (2.4.13) привело к созданию
целой иерархии моделей экономического роста [35], на которых базируется
управление современной экономикой.
2.4.2. Исследование макроэкономического равновесия. Рас-
смотрим теперь динамику экономики в застойный период, в состоянии,
близком к макроэкономическому равновесию. Равновесие означает, что в
экономике сложились количественные пропорции, обеспечивающие устой-
чивое сочетание товарных и денежных потоков, стабильность цен, равен-
ство спроса и предложения для всех ресурсов. Разумеется, что такого абсо-
лютного равновесия никогда не бывает, поэтому макроэкономическое рав-
новесие нужно рассматривать как некоторый абстрактный модельный иде-
ал, полезный при исследовании проблемы поведения экономической систе-
мы в окрестности точки равновесия. Для изучения этой проблемы восполь-
зуемся более сложной, чем в п. 2.4.1, математической моделью.
Будем считать, что износ капитала пропорционален не только его объ-
ему, но и числу работающих, т. е. вместо уравнения (2.4.2) будем исполь-
зовать следующее:
dX
S = δ · Xy + . (2.4.16)
dt
Тогда аналог уравнения (2.4.6) запишется как

dx 1 dy
= −x + sf (x) − δxy. (2.4.17)
dt y dt

В состоянии застоя для численности рабочих уже не будет экспоненци-

ального роста, она либо постоянна, либо меняется в некоторых пределах
в бо́льшую или меньшую сторону. Будем считать, что в отсутствие фон-
да потребления (C = 0) рабочие уходят с производства и их численность
экспоненциально убывает с относительной скоростью β = const > 0:

dy
= −βy.
dt
84 Глава 2. Математические модели в биологии, экологии, экономике...

Если же величина C положительна, то k-я часть этого фонда (k = const,

0 < k < 1) расходуется на воспроизводство рабочей силы и поддержание
численности работающих. Таким образом, можно предположить, что чис-
ленность работающих подчиняется уравнению

dy
= kC − βy
dt
или
dy
= k(1 − s)D − βy,
dt
которое с учетом равенства (2.4.3) принимает вид

dy h i
= k(1 − s)f (x) − β y. (2.4.18)
dt
Тогда уравнение (2.4.17) запишется как

dx h i
= −x k(1 − s)f (x) − β + sf (x) − δxy. (2.4.19)
dt

Сначала рассмотрим линейную производственную функцию (2.4.10). В

этом случае систему уравнений (2.4.18), (2.4.19) можно записать в сле-
дующей форме:
dx
= a(x)x − V (x)y,
dt
(2.4.20)
dy
= K(x)y,
dt
где

K(x) = k(1 − s)mx − β, a(x) = sm − K(x), V (x) = δx. (2.4.21)

Видим, что полученная система полностью совпала с системой уравнений

модели Колмогорова (2.3.18), при этом условия (2.3.20)—(2.3.22) очевидно
выполняются. Основываясь на результатах исследования модели Колмо-
горова (см. п. 2.3.3), можно сделать некоторые выводы о поведении рас-
сматриваемой экономической системы.
В положительном квадранте система (2.4.20) имеет единственную точ-
ку покоя, при этом ее координаты вычисляются по формулам (2.3.23) и
(2.3.24):
β sm
x∗ = , y∗ = . (2.4.22)
k(1 − s)m δ
§ 2.4. Простейшие математические модели экономических процессов 85

Выражения для коэффициентов характеристического уравнения (2.3.28)

σ = −β, µ = sβm (2.4.23)

свидетельствуют о том, что его корни имеют отрицательные вещественные

части при любых допустимых значениях параметров, поэтому точка покоя
будет устойчивым узлом, вырожденным устойчивым узлом или устойчи-
вым фокусом, а фазовые траектории будут подобны траекториям, изоб-
раженным соответственно на рис. 12, а, 14, а или 16, а. Следовательно,
экономическая система будет при t → ∞ всегда приближаться к своему
равновесному состоянию, причем либо без колебаний (как на рис. 11, а
или 13, а), либо с затухающими колебаниями (см. рис. 15, а).
Теперь возьмем более близкую к реальности производственную функ-
цию Кобба — Дугласа (2.4.12). Тогда система уравнений (2.4.18), (2.4.19)
примет такой вид:

dx
= −xK(x) + smxα − V (x)y,
dt
(2.4.24)
dy
= K(x)y,
dt
где
K(x) = k(1 − s)mxα − β, V (x) = δx. (2.4.25)
Точка покоя этой системы имеет координаты
µ ¶1/α
β sm α−1
x∗ = , y∗ = x . (2.4.26)
k(1 − s)m δ ∗

Нетрудно показать, что и для производственной функции (2.4.12) точка

покоя всегда устойчива и является либо узлом, либо фокусом (см. задачу
2.4.2).
Рассмотрим теперь влияние параметров k и s на показатели x∗ и y∗ ,
при этом остальные параметры будем считать заданными и неизменными.
Из рис. 18 видно, что если параметр k зафиксировать, то при возраста-
нии параметра s капиталовооруженность рабочей силы будет возрастать,
а численность работающих будет сначала увеличиваться, а затем, начиная
с некоторого значения s, уменьшаться. Если зафиксировать параметр s,
то при возрастании параметра k капиталовооруженность падает, а чис-
ленность работающих растет (рис. 19), т. е. показатели x∗ и y∗ являются
противоречивыми: увеличение первого из них ведет к уменьшению второго
и наоборот.
86 Глава 2. Математические модели в биологии, экологии, экономике...

x* y*
1 3

2
2

3 1

0 ,
0.5 s 1 0 ,
0.5 s 1

а б
Рис. 18. Графики зависимости от параметра s: а — капиталовооруженности x∗ ;
б — численности работающих y∗ при значении параметра k,
равном 0, 2 (1); 0, 5 (2); 0, 8 (3); α = 0, 6

x* y*
2

3
3
2 1
1

0 ,
0.5 k 1 0 ,
0.5 k 1

а б
Рис. 19. Графики зависимости от параметра k: а — капиталовооруженности x∗ ;
б — численности работающих y∗ при значении параметра s,
равном 0, 2 (1); 0, 5 (2); 0, 8 (3); α = 0, 6

Предположим, что мы хотим добиться высокого уровня капиталовоору-

женности и занятости одновременно. Зададимся вопросом, нельзя ли по-
добрать параметры k и s так, чтобы для них и капиталовооруженность x∗ ,
и численность работающих y∗ принимали максимальные значения? Пусть
точки (k, s) принадлежат прямоугольнику, изображенному на рис. 20, а.
Тогда точки (x∗ , y∗ ) заполняют область, изображенную серым цветом на
§ 2.4. Простейшие математические модели экономических процессов 87

рис. 20, б.

s
3 y*
s2
2
Ω
4 Q 2
3
1
s1 4
1
k1 k2 k x*
а б
Рис. 20. Области изменения: а — параметров k и s; б —
капиталовооруженности x∗ (k, s) и численности работающих y∗ (k, s); α = 0, 6

Видно, что одновременно максимальное значение обоих показателей x∗ ,

y∗ не достигается ни в одной точке (k, s). Таким образом, в задаче оптими-
зации показателей x∗ , y∗ нужны некоторые дополнительные критерии или
экспертные оценки. Некоторые подходы к решению подобного рода задач
обсуждаются в следующем параграфе.

2.4.3. Биолого-экономическая аналогия на примере модели

Лотки — Вольтерра. Среди всех экономических ресурсов, использу-
емых в производстве товаров и услуг, наиболее важным является труд,
который, в отличие от обычных товаров, покупается не для удовлетворе-
ния потребителя, а для того, чтобы производить конкретную продукцию.
Спрос на рабочую силу в общем виде отражает потребность экономики в
определенном количестве работников на каждый данный момент времени.
На стороне спроса выступают работодатели, а предложение представлено
действующими и потенциальными работниками, чье решение о поступле-
нии на работу зависит от предлагаемой зарплаты.
Пусть x(t) — зарплата и y(t) — число занятых работников в момент
времени t. Будем считать, что при отсутствии работников зарплата рас-
тет экспоненциально с относительной скоростью α, а при отсутствии зар-
платы численность работников экспоненциально убывает с относительной
скоростью β, т. е. величины x(t), y(t) описываются в этих экстремальных
случаях уравнениями
88 Глава 2. Математические модели в биологии, экологии, экономике...

dx
= αx,
dt
(2.4.27)
dy
= −βy.
dt
Здесь α = const > 0, β = const > 0.
Далее будем предполагать, что при наличии y работников темп α ро-
ста зарплаты уменьшается на величину my, пропорциональную текущей
численности работников, где m = const > 0, а при наличии зарплаты x
темп β изменения численности работающих возрастает на величину γx
(γ = const > 0), пропорциональную величине зарплаты. При этих предпо-
ложениях система уравнений (2.4.27) модифицируется в следующую:

dx
= (α − my) x,
dt
(2.4.28)
dy
= (γx − β) y.
dt
Видим, что полученная система уравнений полностью идентична систе-
ме уравнений Лотки — Вольтерра (2.2.11). Основываясь на выполненном
в п. 2.2.2 анализе, можно сделать некоторые выводы относительно дина-
мики зарплаты и численности работающих. Например, в положительном
квадранте существует единственная точка равновесия:

β α
x∗ = , y∗ = . (2.4.29)
γ m
Эта точка имеет тип центр, фазовые траектории являются циклами, на-
подобие изображенных на рис. 7, б и 8. Если в начальный момент времени
зарплата и численность работающих не совпадают с равновесными значе-
ниями (2.4.29), то функции x(t), y(t) являются периодическими, при этом
их средние по периоду значения совпадают с равновесными (см. задачу
2.2.3). Интересной особенностью является и то, что в некоторые моменты
времени зарплата может быть максимальной, а число работающих мень-
ше максимально возможного и наоборот, зарплата может быть средней,
но за нее в этот момент времени работают все потенциально возможные
работники.
Таким образом, хотя сущность рассмотренных биологических и эконо-
мических явлений различна, построенные модели оказались идентичными.
Это свидетельствует о важнейшем свойстве математических
моделей — их универсальности, которая является следствием универсаль-
ности принципов описания окружающего мира и широко используется при
§ 2.4. Простейшие математические модели экономических процессов 89

изучении объектов самой разнообразной природы.

ЗАДАЧИ

2.4.1. Считая параметры m, β, k и δ неизменными, выяснить влияние

нормы накопления s на характер приближения экономической системы,
описываемой в рамках модели (2.4.20), (2.4.21), к своему состоянию равно-
весия (2.4.22).

2.4.2. Показать, что при любых допустимых значениях параметров α,

β, k, s, m, δ точка покоя (2.4.26) является либо устойчивым узлом, либо
устойчивым фокусом системы уравнений (2.4.24).

2.4.3. Считая параметры α, β, m, δ состояния равновесия (2.4.26) фик-

сированными, исследовать характер зависимости от параметров k и s капи-
тала X, конечного продукта D и среднедушевого потребления
c = (1 − k)C/y∗ .

2.4.4. Если параметры α, β, m, δ считать фиксированными, а точ-

ку (k, s) принадлежащей прямоугольнику Q (см. рис. 20, а), то уравнения
(2.4.26) будут описывать отображение

x∗ = x∗ (k, s), y∗ = y∗ (k, s) (2.4.30)

области Q на область Ω переменных x∗ , y∗ , показанную на рис. 20, б. Дока-

зать невырожденность этого отображения. Объяснить, почему при отобра-
жении (2.4.30) обход границы области Q против часовой стрелки соответ-
ствует обходу границы области Ω по часовой (на рис. 20 соответствующие
направления обходов указаны стрелками).
90 Глава 2. Математические модели в биологии, экологии, экономике...

§ 2.5. Математическое моделирование в

задачах поддержки принятия решений
Для многих сложных проблем математические модели формулируются
сразу в дискретной форме, например, в виде систем алгебраических урав-
нений и неравенств для большого числа неизвестных величин. Как бы-
ло сказано в § 1.2, при разработке эффективных алгоритмов численного
решения таких задач возникает множество специфичных вопросов, тре-
бующих глубокого изучения с привлечением знаний из широкого спектра
математических дисциплин. Некоторые из этих проблем рассматриваются
на конкретных примерах в настоящем параграфе.
2.5.1. Задачи принятия оптимальных решений. Практическая
потребность общества в научных основах принятия решений возникла уже
давно. В последние годы в связи со значительным усложнением функций
управления во всех областях человеческой деятельности задачи о приня-
тии оптимальных решений стали особенно актуальными. В этих сложных
задачах имеется, как правило, несколько противоречивых целей и крите-
риев, поэтому выбор наиболее рационального решения из множества допу-
стимых альтернатив решений становится весьма сложной проблемой [16]1 .
Основные методы теории принятия решений излагаются в курсе «Исследо-
вание операций» (см., напр., [10]), здесь же на нескольких примерах будут
рассмотрены математические модели некоторых простейших ситуаций и
обозначены подходы к решению возникающих задач.
Пример 1. Перевозчики должны доставить продукцию (товар) со скла-
дов I и II с запасами a1 = 70, a2 = 50 потребителям A и B с потребностями
b1 = 80 и b2 = 60. За единицу перевезенной продукции со склада I потреби-
телю A перевозчики получают вознаграждение, равное 6, с того же склада,
но потребителю B — 8 и т. д., как указано на схеме (рис. 21, а).
Необходимо определить оптимальный (с точки зрения перевозчиков)
план перевозок (x1 , x2 , x3 , x4 ), при котором транспортная компания полу-
чит наибольшее вознаграждение за свою работу, т. е. такой план, при ко-
тором целевая функция

f = 6x1 + 6x2 + 8x3 + 5x4 (2.5.1)

1 В книге известных американских авторов R. Keeney и H. Raiffa развивается ме-

тодология принятия решений, основывающаяся на использовании функций полезности.

Рассматривается большое количество приложений описываемых методов к задачам при-
нятия решений, связанных с выбором мест расположения аэропорта и электростанции,
деловой деятельностью, медицинской диагностикой и т. п.
§ 2.5. Математическое моделирование в задачах поддержки... 91

будет принимать наибольшее значение с учетом ограничений:

x1 + x4 ≤ 80, x2 + x3 ≤ 60, (2.5.2)

x1 + x3 ≤ 70, x2 + x4 ≤ 50, (2.5.3)

xi ≥ 0, i = 1, 2, 3, 4. (2.5.4)
В приведенных формулах через x1 обозначено количество единиц това-
ра, перевезенного со склада I потребителю A, x2 — со склада II потреби-
телю B и т. д., как изображено на рис. 21, а. Эти переменные должны при-
нимать неотрицательные значения, что отражено в неравенствах (2.5.4).
Неравенства (2.5.2) означают, что в пункты назначения будет доставлено
продукции не больше их потребностей, а неравенства (2.5.3) — количество
вывозимой с каждого склада продукции не превышает ее запаса.

I A x2
x1 e d
6 80 50
70
8 x4
c
II 30
5
50 x3 Q
6 B
10
x2 60
a b
10 30 50 70 x1
а б
Рис. 21. Задача определения оптимального плана перевозок: а — схема
перевозок грузов; б — область допустимых значений переменных x1 , x2

Видим, что полученная задача существенно отличается от рассмотрен-

ных ранее: здесь нет дифференциальных уравнений и начальных усло-
вий, но появились ограничения на искомые величины в виде систем ли-
нейных неравенств. Поэтому алгоритмы решения здесь будут совершенно
иными, нежели алгоритмы решения начально-краевых задач для диффе-
ренциальных уравнений. Поставленная задача рассматривается в рамках
линейного программирования — математической дисциплины, изучающей
методы нахождения наибольшего (или наименьшего) значения линейной
функции нескольких переменных, которые удовлетворяют конечному чис-
92 Глава 2. Математические модели в биологии, экологии, экономике...

лу линейных уравнений и неравенств. Ясно, что метод прямого перебора

всех возможных вариантов здесь неприемлем: уж слишком много может
быть таких вариантов в реальных ситуациях, когда число поставщиков и
потребителей измеряется сотнями.
Для нашего примера мы можем довести решение до конца, не прибегая
к использованию общих методов. В самом деле, очевидно, что функция
(2.5.1) может принимать максимальное значение только при условии пол-
ного вывоза запасов, поэтому неравенства (2.5.3) можно сразу заменить на
равенства
x1 + x3 = 70, x2 + x4 = 50,
из которых следует, что

x3 = 70 − x1 , x4 = 50 − x2 . (2.5.5)

В результате задача (2.5.1)—(2.5.4) может быть переписана как

f (x1 , x2 ) = 810 − 2x1 + x2 , (2.5.6)

0 ≤ x1 ≤ 70, 0 ≤ x2 ≤ 50, 10 ≤ x1 − x2 ≤ 30. (2.5.7)

Область допустимых значений переменных x1 , x2 , т. е. всех решений

системы неравенств (2.5.7), показана на рис. 21, б. Поскольку эта область
является многоугольником, то линейная функция (2.5.6) может достигать
своего максимального значения только в его вершинах a, b, c, d или e.
Непосредственными вычислениями убеждаемся, что это будет вершина a.
Таким образом, максимальное вознаграждение f = 790 получается при
плане перевозок

x1 = 10; x2 = 0; x3 = 60, x4 = 50. (2.5.8)

Ясно, что использованный здесь прием определения наибольшего

значения целевой функции путем сравнения ее значений во всех предва-
рительно определенных вершинах многоугольной области Q допустимых
значений трудно реализовать для задач со многими складами и многими
потребителями, поскольку в общем случае Q является многогранником,
его граница представляет собой довольно сложный объект в многомерном
пространстве, координаты вершин которого определить непросто.
На следующем примере попытаемся пояснить, как можно обобщить
предложенный метод решения задачи.
§ 2.5. Математическое моделирование в задачах поддержки... 93

Пример 2. Со складов I и II с запасами a1 = 70, a2 = 50 потреби-

телям A и B с потребностями b1 = 80 и b2 = 60 доставляется некоторая
продукция, при этом единица привезенной со склада I продукции прода-
ется в пункте A за 8 у. е., а в пункте B — за 5 у. е. Продукция со склада II
продается в пункте A за 6 у. е., а в пункте B — за 4 у. е. (рис. 22, а). Необхо-
димо определить оптимальный (с точки зрения продавцов) план перевозок
(x1 , x2 , x3 , x4 ), при котором будет достигнута максимальная выгода от про-
даж:
f = 8x1 + 4x2 + 5x3 + 6x4 → max . (2.5.9)

I A I A
x1 8 x1 8
70 80 70 80
x3 x3 6
6
0
II x4 II x4
50 50
x2 5 x2 5
B B
4 60 III u 4 60
20 v 0
а б
Рис. 22. Схемы постановки задач: а — о получении максимальной выгоды от
продаж; б — задачи с фиктивным складом

Область допустимых значений переменных xi (i = 1, 2, 3, 4) задается в

этой задаче следующей системой ограничений:

(неполное удовлетворение
x1 + x4 ≤ 80, x2 + x3 ≤ 60, (2.5.10)
потребителей)

x1 + x3 = 70, x2 + x4 = 50, (полный вывоз запасов ) (2.5.11)

(неотрицательность
xi ≥ 0, i = 1, 2, 3, 4. (2.5.12)
объемов продаж)
Решение этой задачи можно получить, так же как и в предыдущем
94 Глава 2. Математические модели в биологии, экологии, экономике...

примере, переходом с помощью равенств (2.5.5) к целевой функции

f (x1 , x2 ) = 650 + 3x1 − 2x2 , (2.5.13)

которую требуется максимизировать на пятиугольнике, изображенном на

рис. 21, б. Вычисляя значения функции (2.5.13) в вершинах этого много-
угольника, убеждаемся, что максимальное значение f = 780 достигается в
вершине c, что соответствует оптимальному решению

x1 = 70; x2 = 40; x3 = 0, x4 = 10. (2.5.14)

Приведем теперь алгоритм, которым можно воспользоваться для реше-

ния задачи в общем случае большого числа поставщиков и потребителей.
Рассмотренные в примерах 1 и 2 задачи называются открытыми по той
причине, что в них не соблюдается баланс запасов и потребностей: наблю-
дается дефицит, нехватка запасов. В общем алгоритме вначале происходит
переход к закрытой задаче, в которой этот баланс соблюдается. В нашей
задаче для этого достаточно ввести фиктивный склад III с запасом про-
дукции a3 = 20, равным дефициту (на рис. 22, б фиктивный склад изоб-
ражен прямоугольником с штриховым контуром), и фиктивные объемы u
и v вывоза продукции с этого склада. Считается, что продукция с этого
склада «продается» в пунктах потребления по цене 0 у. е., поскольку этого
товара фактически не существует. Тогда целевая функция будет иметь тот
же вид (2.5.9), а система четырех ограничений (2.5.10), (2.5.11) трансфор-
мируется в систему пяти уравнений относительно шести неизвестных (см.
обозначения на рис. 22, б):

x1 + x4 + u = 80, (полное удовлетворение

x2 + x3 + v = 60, потребителей)
x1 + x3 = 70, (полный (2.5.15)
x2 + x4 = 50, вывоз
u + v = 20. запасов)

Cреди неотрицательных решений системы уравнений (2.5.15) требуется

найти то, которое доставляет максимальное значение линейной функции
(2.5.9).
Если бы у нас была закрытая задача с m складами и n потребителями,
то система типа (2.5.15) содержала бы (m + n) уравнений относительно
(mn) неизвестных. Оказывается, что такая система может быть приведена
к виду, в котором (m + n − 1) неизвестных выражаются через остальные,
причем свободные члены этих выражений неотрицательны. В нашем слу-
§ 2.5. Математическое моделирование в задачах поддержки... 95

чае мы можем на основе системы (2.5.15) написать, например, следующие

выражения:
x1 = 10 + x2 + v,
x3 = 60 − x2 − v,
(2.5.16)
x4 = 50 − x2 ,
u = 20 − v.
Неизвестные x1 , x3 , x4 , u, находящиеся в левой части системы (2.5.16),
называются базисными, остальные — x2 и v — свободными. С учетом вы-
ражений (2.5.16) целевую функцию (2.5.9) также можно представить через
свободные переменные:
f = 680 + x2 + 3v. (2.5.17)
Полагая теперь все свободные переменные равными нулю

x2 = 0, v = 0, (2.5.18)

получаем значения базисных переменных:

x1 = 10, x3 = 60, x4 = 50, u = 20, (2.5.19)

и значение f = 680. Полученное допустимое решение (2.5.18), (2.5.19) слу-

жит начальным приближением при поиске оптимального решения с помо-
щью итерационного симплекс-метода [34].
Первое итерационное приближение ищется путем перехода к другим
базисным переменным с таким расчетом, чтобы значение функции f уве-
личилось. Из выражения (2.5.17) следует, что значение f можно увеличить,
если увеличить значения свободных переменных x2 и v. В простейшем ва-
рианте симплекс-метода увеличивают значение одной из свободных пере-
менных, а остальные не меняют. Оставим v = 0, а значение x2 увеличим,
но так, чтобы значения базисных переменных не стали отрицательными
числами. Из выражений (2.5.16) следует, что значение x2 может быть уве-
личено до 50 (но не более, иначе x4 станет отрицательным). Итак, возьмем
x2 = 50. Тогда получим новое допустимое решение:

x1 = 60, x2 = 50, x3 = 10, u = 20, x4 = 0, v = 0. (2.5.20)

Этому решению соответствуют базисные переменные x1 , x2 , x3 , u (по-

ложительные компоненты решения (2.5.20)) и свободные переменные x4 ,
v (нулевые компоненты решения (2.5.20)), при этом f = 730, т. е. значение
целевой функции на решении (2.5.20) действительно стало больше, чем на
начальном приближении (2.5.18), (2.5.19).
96 Глава 2. Математические модели в биологии, экологии, экономике...

Для поиска следующего итерационного приближения нужно на основе

системы (2.5.15) выписать выражения новых базисных переменных через
новые свободные:
x1 = 60 − x4 + v,
x2 = 50 − x4 ,
(2.5.21)
x3 = 10 + x4 − v
u = 20 − v
и новое выражение для целевой функции (2.5.9):

f = 730 − x4 + 3v. (2.5.22)

Из последнего выражения следует, что увеличить значение функции f

можно за счет увеличения только свободной переменной v. Поэтому, оста-
вив x4 = 0, из системы (2.5.21) получаем, что максимальным значением v
может быть v = 10 (не более, иначе x3 станет отрицательным). В резуль-
тате получаем новое итерационное приближение:

x1 = 70, x2 = 50, u = 10, v = 10, x3 = 0, x4 = 0 (2.5.23)

и соответствующее ему значение f = 760.

Для новых базисных переменных x1 , x2 , u, v и целевой функции полу-
чаем выражения:
x1 = 70 − x3 ,
x2 = 50 − x4 ,
(2.5.24)
u = 10 − x4 + x3 ,
v = 10 + x4 − x3 ,
f = 760 − 3x3 + 2x4 . (2.5.25)
Видно, что значение целевой функции можно увеличить до f = 780,
заменив в решении (2.5.23) x4 = 0 на положительное значение x4 = 10
(больше нельзя, так как при x4 > 10 формулы (2.5.24) дают отрицательное
значение для переменной u). Соответствующее допустимое решение имеет
вид

x1 = 70, x2 = 40, x4 = 10, v = 20, x3 = 0, u = 0. (2.5.26)

§ 2.5. Математическое моделирование в задачах поддержки... 97

Перейдем к следующему шагу итерационного процесса. Для новых ба-

зисных переменных x1 , x2 , x4 , v имеем выражения:

x1 = 70 − x3 ,
x2 = 40 + u − x3 ,
(2.5.27)
x4 = 10 − u + x3 ,
v = 20 − u,

а целевая функция запишется через свободные переменные как

f = 780 − x3 − 2u. (2.5.28)

Отличие от предыдущих итерационных шагов заключается в том, что

теперь увеличение значений свободных переменных x3 и u ведет не к уве-
личению, а к уменьшению значений целевой функции, т. е. максимальное
значение f может достигаться только при x3 = 0, u = 0. Тем самым, реше-
ние (2.5.26) окончательное, и на этом шаге итерационный процесс завер-
шается. Значение v = 20 фиктивной переменной v означает, что в пункте
B будет наблюдаться недопоставка соответствующего объема.
Заметим, что полученное на последнем шаге решение (2.5.26) совпало с
решением (2.5.14), полученным (благодаря простоте рассматриваемой за-
дачи) непосредственно, в «лоб». Будет ли и в общем случае симплекс-метод
сходиться к оптимальному решению, и получим ли мы оптимальное реше-
ние за конечное число шагов или это бесконечный итерационный процесс?
При решении нашей задачи мы взяли в качестве начального приближения
допустимое решение (2.5.18), (2.5.19). А если взять другое, придем ли мы
опять к тому же оптимальному решению или выйдем на другое? Полу-
чим ли результат за разумное время и не произойдет ли «зацикливания»
алгоритма с периодическим повторением промежуточных решений без вы-
хода на окончательное, оптимальное решение? А как влияют на сходимость
ошибки округления при вычислениях на компьютере? Хватит ли оператив-
ной памяти для размещения всех данных большой задачи? Таким обра-
зом, на рассмотренном примере мы видим, что при разработке алгоритмов
численного решения сложных задач возникает множество специфичных
вопросов и проблем, требующих глубокого изучения. Эти и подобные про-
блемы рассматриваются в обязательных курсах «Вычислительные мето-
ды линейной алгебры», «Методы вычислений», «Исследование операций»
и др.
98 Глава 2. Математические модели в биологии, экологии, экономике...

2.5.2. Принцип Парето. В рассмотренных задачах имелась од-

на целевая функция, которую требовалось максимизировать на допусти-
мом множестве решений. На практике очень часто возникают многокри-
териальные задачи: имеется вектор-функция целей (критериев, показате-
лей) f (x) = (f1 (x), f2 (x), . . . , fn (x)) и требуется выбрать наиболее выгод-
ный вариант решения x = (x1 , x2 , . . . , xl ) из области Q допустимых реше-
ний, на котором все критерии достигают своего максимального значения.
В большинстве случаев невозможно указать решение, приводящее к опти-
мальным значениям всех критериев одновременно, так как они зачастую
соответствуют достижению противоречивых целей. Поэтому приходится
принимать некоторое компромиссное решение и первое, что нужно для
этого сделать, — попытаться сократить множество исходных вариантов, ис-
ключив из анализа заведомо плохие варианты решений. Рассмотрим один
из подходов к решению этой проблемы, основанный на принципе Парето.
Предположим, что сделан некоторый выбор x∗ ∈ Q и существует дру-
гой выбор xb ∈ Q, такой, что для всех критериев fi имеют место неравенства

x) > fi (x∗ ),
fi (b i = 1, . . . n. (2.5.29)

В этом случае говорят, что решение xb безусловно лучше, чем решение x∗ , а

∗ b . Все безуслов-
решение x безусловно (или заведомо) хуже, чем решение x
но плохие решения следует сразу исключить из рассмотрения. В результате
этой безусловной оптимизации останутся только те векторы x∗ , для ко-
торых не существует такого x b , что для всех критериев удовлетворяются
неравенства (2.5.29). Таким образом, какие бы два из оставшихся векторов
мы не сравнили, любой из них будет лучше другого хотя бы по одному
критерию.
Множество PQ всех оставшихся векторов называется множеством
Парето, и в качестве компромиссного решения следует брать какой-либо
вектор x из множества PQ . Это правило и называется принципом Паре-
то. Отметим, что принцип Парето не выделяет единственного решения, он
только сужает множество альтернатив. Окончательный выбор остается за
лицом, принимающим решение.
Пример 3. Перевозчики должны доставить продукцию со складов I и
II с запасами a1 = 70, a2 = 50 потребителям A и B с потребностями b1 = 80
и b2 = 60, а продавцы должны продать всю привезенную продукцию. За
единицу перевезенной продукции перевозчики получают вознаграждение,
указанное на рис. 21, а, а продавцы — доход, указанный на рис. 22, а. Цель
перевозчиков — максимизировать функцию (2.5.1), продавцов — (2.5.9).
Предположим, что лицо, принимающее решение, должно сделать такой
§ 2.5. Математическое моделирование в задачах поддержки... 99

выбор объемов перевозок, чтобы по возможности максимально удовлетво-

рить цели перевозчиков и продавцов.
Рассматриваемая задача является двухкритериальной. Обозначим кри-
терии (2.5.1) и (2.5.9) через f1 и f2 соответственно. С учетом равенств
(2.5.6), (2.5.13) мы можем написать, что

f1 (x) = 810 − 2x1 + x2 → max,

(2.5.30)
f2 (x) = 650 + 3x1 − 2x2 → max,

где x = (x1 , x2 ) ∈ Q, Q — область допустимых решений, определяемая

системой ограничений (2.5.7) и изображенная на рис. 21, б.
Уравнения (2.5.30) определяют отображение области допустимых ре-
шений на множество достижимости Ω в плоскости критериев: каждому
решению x = (x1 , x2 ) ∈ Q соответствует своя точка f = (f1 , f2 ) ∈ Ω (рис.
23). В частности, вершины многоугольника Q переходят при этом отобра-
жении в вершины многоугольника Ω (см. таблицу).

Соответствие вершин многоугольников Q и Ω при отображении (2.5.30)

Вершины Вершины
области Q x1 x2 множества Ω f1 f2
a 10 0 a0 790 680
b 30 0 b0 750 740
c 70 40 c0 710 780
d 70 50 d0 720 760
e 60 50 e0 740 730

Из таблицы видно, что если лицо, принимающее решение, выбирает ва-

риант a, то перевозчики получают наибольшую выгоду, а продавцы — наи-
меньшую, а при выборе варианта с — наоборот. Таким образом, имеет ме-
сто противоречивость целей (2.5.30), вследствие чего лицо, принимающее
решение, оказывается перед необходимостью искать компромисс, и одним
из путей, облегчающих поиск наиболее приемлемого для всех участников
решения, является построение множества Парето.
Возьмем, например, решение b ∈ Q и определим все заведомо худшие,
чем b, решения x ∈ Q. Для этого через точку b0 = (750, 740) ∈ Ω проведем
прямые f1 = 750 и f2 = 740, которые выделят некоторое подмножество
Ωb0 (изображено серым цветом на рис. 23, б) в множестве достижимости.
Согласно уравнениям (2.5.30) прообразами этих прямых в плоскости x1 Ox2
100 Глава 2. Математические модели в биологии, экологии, экономике...

x2 f2
c′
e d
50 780 ∧
Q f
d′
760
b c
b′
740
30

720
e′
Q
700
Ω
Ω
10
b′
a 680 a′
b
10 30 50 70 x1 710 730 750 770 790
f1
а б
Рис. 23. Многокритериальная задача о перевозках: а — множество Парето
(линия abc) в области Q допустимых решений; б — его образ (линия a0 b0 c0 ) при
отображении (2.5.30) во множестве достижимости Ω

будут прямые, заданные уравнениями

−2x1 + x2 + 60 = 0, 3x1 − 2x2 − 90 = 0.

Эти прямые высекают в области Q подмножество решений Qb (оно от-

мечено серым цветом на рис. 23, а), при этом образом множества Qb при
отображении (2.5.30) будет множество Ωb0 . Поскольку решения x ∈ Qb
отображаются в точки f ∈ Ωb0 , имеющие координаты f1 6 750и f2 6 740,
то все эти решения являются безусловно не лучшими, по сравнению с ре-
шением b, и их можно исключить из дальнейшего рассмотрения, т. е. от
множества Qb оставить для дальнейшего анализа единственную точку b.
Отметим, что точка e, попавшая в Qb , тоже относится к плохим решениям,
в чем можно было убедиться и непосредственно, проанализировав данные
таблице.
Выполнив подобный анализ для всех других решений из области Q,
можно убедиться, что множество Парето для данной задачи представ-
ляет собой часть abc границы области допустимых решений Q (штрих-
пунктирная линия на рис. 23, а), т. е.
½ ¯ n 0, ¾
¯ x1 ∈ [10, 30],
PQ = (x1 , x2 )¯ x1 ∈ [10, 70], x2 = . (2.5.31)
x1 − 30, x1 ∈ [30, 70]
§ 2.5. Математическое моделирование в задачах поддержки... 101

При отображении (2.5.30) множество Парето преобразуется в часть a0 b0 c0

(штрих-пунктирная линия на рис. 23, б) границы области достижимости.
Видно, что если при переборе решений из множества Парето один из по-
казателей растет, то другой непременно уменьшается.
Пример 4. В предыдущем параграфе была рассмотрена приближен-
ная экономическая модель (2.4.24), описывающая динамику капиталово-
оруженности и численности работающих. Если параметры α, β, m, δ этой
модели зафиксировать, то в состоянии равновесия капиталовооруженность
x∗ и численность работающих y∗ будут определяться двумя свободными
параметрами k и s в соответствии с формулами (2.4.26):
µ ¶1/α
β
x∗ = x∗ (k, s) = ,
k(1 − s)m
(2.5.32)
µ ¶(α−1)/α
sm β
y∗ = y∗ (k, s) = .
δ k(1 − s)m

Предположим, что лицо, принимающее решение, заинтересовано

в максимальной капиталовооруженности производства и наибольшей за-
нятости, а областью Q его допустимых решений является множество па-
раметров (k, s), таких, что 0 < k1 6 k 6 k2 < 1, 0 < s1 6 s 6 s2 < 1, т. е.
прямоугольник Q, изображенный на рис. 20, а. Таким образом, получается
проблема с двумя целями:

x∗ (k, s) → max, y∗ (k, s) → max, (2.5.33)

при этом каждому решению (k, s) ∈ Q будет соответствовать своя точка

(x∗ , y∗ ) из области достижимости Ω, изображенной на рис. 20, б и являю-
щейся образом области допустимых решений Q при отображении (2.5.32).
Как видно из рис. 24, критерий x∗ принимает максимальное значение
при выборе решения d = (k1 , s2 ), но численность работающих при этом
будет очень мала. С другой стороны, наибольшая занятость будет при вы-
боре решения e, соответствующего параметрам k = k2 , s = α (см. задачу
2.5.2), однако при таком выборе оказывается крайне низкой капиталово-
оруженность производства. Таким образом, цели (2.5.33) являются проти-
воречивыми и лицо, принимающее решение, должно пойти на некоторое
компромиссное решение — наиболее приемлемое с точки зрения достиже-
ния целей (2.5.33).
102 Глава 2. Математические модели в биологии, экологии, экономике...

s
y* e′
d c ∧
s2
f
c′
Q Ωc ′
α e
Qc Ω
b′
d′
s1 a b
a′
k1 k2 k x*
а б
Рис. 24. Многокритериальная задача (2.4.24), (2.5.33): а — множество Парето
(линия dce) в области Q допустимых решений; б — его образ (линия d0 c0 e0 ) при
отображении (2.5.30) в множестве достижимости Ω; α = 0, 6; k1 = s1 = 0, 2;
k2 = s2 = 0, 8
Из рис. 24 видно также, что многие варианты из области допустимых
решений Q являются заведомо плохими, поэтому их можно сразу отбро-
сить и компромиссное решение искать в множестве Парето. Выясним, как
оно выглядит. Выберем, например, решение c = (k2 , s2 ). В области дости-
жимости ему соответствует граничная точка c0 . Проведем через точку c0
прямые, параллельные координатным осям. Тогда в области достижимо-
сти получится подмножество Ωc0 (отмеченное серым цветом на рис. 24, б),
состоящее из точек, у которых обе координаты не превосходят соответ-
ствующих координат точки c0 . Согласно формулам (2.5.32) проведенные
прямые являются образами кривых:
µ ¶α/(α−1)
s
k(1 − s) − k2 (1 − s2 ) = 0, k(1 − s) − k2 (1 − s2 ) = 0, (2.5.34)
s2

которые ограничивают подмножество Qc ⊂ Q (изображено серым цветом

на рис. 24, а). Поскольку при отображении (2.5.32) образ каждой точки
из Qc лежит в Ωc0 , то все эти точки являются безусловно не лучшими,
чем решение c, поэтому их можно исключить из дальнейшего рассмотре-
ния. Легко понять, что в результате такого отбора останутся только те
решения из Q, которые отображаются на дугу d0 c0 e0 границы области до-
стижимости. Оставшиеся решения и составят множество Парето — часть
dce границы области допустимых решений (штрих-пунктирная линия на
рис. 24, а).
§ 2.5. Математическое моделирование в задачах поддержки... 103

2.5.3. Подходы к решению многоцелевых задач. После на-

хождения множества Парето встает вопрос о выборе единственного реше-
ния из этого множества, наиболее приемлемого для многоцелевой задачи:

fi (x) → max, i = 1, . . . n. (2.5.35)

Поскольку в множестве Парето не существует безусловно лучших реше-

ний, то найти вектор x, на котором все критерии принимают максималь-
ные значения, не удается. Поэтому при исследовании многокритериальных
задач указывают некоторые условия согласования критериев. В частности,
довольно часто используется метод скаляризации — сведение многокрите-
риальной задачи с вектор-функцией целей f (x) к задаче с одним, единым
скалярным критерием F (x).
Укажем некоторые подходы к скаляризации критериев. Линейная
свертка критериев определяется формулой
n
X
F (x) = Ci fi (x) → max, (2.5.36)
i=1

где Ci — некоторые положительные числа, тем или иным способом норми-

рованные, например,
n
X
Ci = 1. (2.5.37)
i=1

Коэффициенты Ci отражают ранжирование целей и предлагаются экспер-

тами.
Если функции fi и ограничения, наложенные на выбор компонент век-
тора x, линейны:
l
X
fi (x) = dsi xs , i = 1, . . . n, (2.5.38)
s=1

l
X
αsj xs ≤ bj , j = 1, . . . m, (2.5.39)
s=1

то одноцелевая задача с критерием (2.5.36) сводится к задаче линейного

программирования: определить максимум линейной формы
n X
X l
F (x) = Ci dsi xs (2.5.40)
i=1 s=1
104 Глава 2. Математические модели в биологии, экологии, экономике...

при линейных ограничениях (2.5.39). Для решения полученной задачи мож-

но использовать, например, рассмотренный выше симплекс-метод.
Очень часто в задачах планирования и проектирования задается неко-
торая система нормативов f1∗ , f2∗ , . . . , fn∗ , определяемая в результате экс-
пертного опроса. Например, параметры x будущей конструкции должны
быть такими, чтобы функции fi (x) принимали максимальные значения и
удовлетворяли дополнительным условиям:

fi (x) ≥ fi∗ , i = 1, . . . , n. (2.5.41)

В этих случаях единую целевую функцию удобно представить в виде

fi (x)
F (x) = min → max (2.5.42)
i fi∗

и искать вектор x, обеспечивающий максимальное значение F (x). Соглас-

но формуле (2.5.42) при данном значении вектора x величина F (x) дает
значение наихудшего из показателей fi (x). Значит, поиск максимального
значения целевой функции F означает выбор такой системы конструктив-
ных параметров x, которая максимизирует отношение i-го реально достиг-
нутого значения критерия к его контрольному значению.
При условиях (2.5.38), (2.5.39) задача (2.5.42) также сводится к задаче
линейного программирования. В самом деле, если ввести новую перемен-
ную
fi (x)
V = min ∗
i fi
и к ограничениям (2.5.39) добавить дополнительные
l
X
dsi xs ≥ V fi∗ , i = 1, . . . n, (2.5.43)
s=1

то получается следующая задача линейного программирования: опреде-

лить максимум по x скаляра V , удовлетворяющего ограничениям (2.5.39),
(2.5.43).
В заключение рассмотрим одноцелевую задачу, которая получается из
многоцелевой (2.5.35) с помощью некоторой метрики ρ в n-мерном про-
странстве целевых функций, например, евклидовой метрики.
§ 2.5. Математическое моделирование в задачах поддержки... 105

Предположим, что в каждой i-й однокритериальной задаче (2.5.35) най-

ден вектор xi , доставляющий максимальное значение i-му критерию:

fi (xi ) = fbi , i = 1, . . . n. (2.5.44)

Совокупность скалярных
³ величин
´ fbi определяет в пространстве кри-
b b b b
териев точку f = f1 , f2 , . . . , fn , которую назовем точкой «абсолютного
максимума». Если векторы xi различны, то точка f b является недостижи-
мой в пространстве критериев, т. е. не принадлежит множеству достижи-
мости (см. рис. 23, б и 24, б, где f b∈
/ Ω). Скалярная величина
à n ³
!1/2
X ´2
ρ(x) = fi (x) − fbi (2.5.45)
i=1

определяет в пространстве критериев евклидово расстояние от точки f , со-

ответствующей данному вектору x, до точки «абсолютного максимума» f b.
Введение метрики в пространстве целевых критериев позволяет в качестве
нового скалярного критерия F (x) принять функцию ρ(x), определенную
соотношением (2.5.45). Ее минимизация дает полезную информацию о воз-
можности достижения «абсолютного максимума».
Пример 5. Рассмотрим применение метода скаляризации к задаче из
примера 3. На множестве Парето (2.5.31) целевые функции (2.5.30) прини-
мают следующий вид:
(
¯ 810 − 2x1 , 10 6 x1 6 30,
¯
f1 ¯ = → max, (2.5.46)
x∈PQ 780 − x1 , 30 6 x1 6 70
(
¯ 650 + 3x1 , 10 6 x1 6 30,
¯
f2 ¯ = → max . (2.5.47)
x∈PQ 710 + x1 , 30 6 x1 6 70
Следовательно, линейная свертка (2.5.36), (2.5.37) определяется формулой
(
¯ 650 + 160C + (3 − 5C)x1 , 10 6 x1 6 30,
¯
F¯ = → max (2.5.48)
x∈PQ 710 + 70C + (1 − 2C)x1 , 30 6 x1 6 70

и выбор оптимального решения будет зависеть от заданного экспертами

значения весового параметра C, 0 < C < 1. Отметим, что в некоторых
случаях решение не является единственным (см. задачу 2.5.3).
106 Глава 2. Математические модели в биологии, экологии, экономике...

При задании контрольных показателей f1∗ , f2∗ получаем единую целе-

вую функцию вида (2.5.42):
¯ ½ ¾
¯ f1 (x) f2 (x)
F¯ = min , → max
x∈PQ f1∗ f2∗
или

 ½ ¾
 810 − 2x1 650 + 3x1

min , , 10 6 x1 6 30,

 f1∗ f2∗
¯ 
¯
F¯ = → max . (2.5.49)
x∈PQ 
 ½ ¾

 780 − x1 710 + x1

min , , 30 6 x1 6 70
f1∗ f2∗

В этой однокритериальной задаче решений, удовлетворяющих усло-

виям (2.5.41), может и не быть (завышенные контрольные показатели) (см.
задачу 2.5.4).
Критерий, основанный на минимизации расстояния (2.5.45) до недости-
жимой точки «абсолютного максимума» f b = (790, 780), изображенной на
рис. 23, б, записывается в нашем случае следующим образом:
¯ q
¯ 2 2
F¯ = (f1 (x) − 790) + (f2 (x) − 780) → min
x∈PQ

или
q

 2 2
(20 − 2x1 ) + (3x1 − 130) , 10 6 x1 6 30,


¯ 
¯
F¯ = → min . (2.5.50)
x∈PQ 
q


 (10 + x )2 + (x − 70)2 , 30 6 x1 6 70
1 1

Указанный критерий устанавливает в рассматриваемой задаче единствен-

ное оптимальное решение (см. задачу 2.5.5).
В этом параграфе мы коснулись лишь одного алгоритма решения задач
с большими объемами перерабатываемой информации и указали некото-
рые трудности, возникающие при конструировании алгоритмов в любой
предметной области. Детальное исследование проблем построения эффек-
тивных алгоритмов будет выполнено позднее в соответствующих универ-
ситетских курсах. Очевидно, что этот этап моделирования является не ме-
нее важным и требует не меньших усилий и знаний, чем этап построения
§ 2.5. Математическое моделирование в задачах поддержки... 107

математических моделей, поскольку используемые алгоритмы решения

сложных задач еще далеки от совершенства. Научные изыскания по ним
продолжаются в настоящее время с неослабевающей интенсивностью.

ЗАДАЧИ

2.5.1. Найти ранг матрицы системы уравнений (2.5.15), с помощью тео-

ремы Кронекера — Капелли показать совместность этой системы
и найти ее решение методом Гаусса.

2.5.2. Показать, что в примере 4 наибольшая численность работающих

получается при выборе решения (k2 , α) (точка e на рис. 24, а),
где α — параметр производственной функции Кобба — Дугласа (2.4.12),
при этом предполагается, что s1 < α < s2 .

2.5.3. Найти оптимальное решение двухцелевой задачи (2.5.46),

(2.5.47) при переходе к единому критерию (2.5.48) для следующих зна-
чений параметра C:
а) C = 0, 4; г) C = 0, 6;
б) C = 0, 5; д) C = 0, 7.
в) C = 0, 55;

2.5.4. Найти оптимальное решение двухцелевой задачи (2.5.46),

(2.5.47) при переходе к единому критерию (2.5.49) для следующих зна-
чений контрольных показателей f1∗ , f2∗ :
а) f1∗ = 740, f2∗ = 740;
б) f1∗ = 745, f2∗ = 745;
в) f1∗ = 750, f2∗ = 750.

2.5.5. Найти оптимальное решение двухцелевой задачи (2.5.46),

(2.5.47) при переходе к единому критерию (2.5.50).
Глава 3.
АКСИОМЫ МЕХАНИКИ СПЛОШНОЙ СРЕДЫ.
ИНТЕГРАЛЬНЫЕ ЗАКОНЫ СОХРАНЕНИЯ

§ 3.1. Аксиоматика сплошной среды

Приступим теперь к процессу построения важного класса математиче-
ских моделей — моделей механики сплошной среды (или, как их еще иногда
называют, моделей сплошной деформируемой среды). Описываемым фи-
зическим объектом являются тела (массы), заполняющие некоторый объем
физического пространства и способные деформироваться. При этом рас-
сматривается такой класс движений этих тел, в котором можно отвлечься
от их молекулярной и атомной структуры и предполагать, что они запол-
няют пространство непрерывным (сплошным) образом. Другими словами,
мы будем описывать макро-, а не микромир.
Построение модели сплошной среды сводится к нахождению (выделе-
нию) числовых параметров, ее описывающих, и нахождению соотношений
(уравнений) между этими параметрами. В основе механики сплошной сре-
ды лежит ряд экспериментальных фактов, которые мы сформулируем в
виде аксиом. Именно эти аксиомы позволят нам ввести числовые парамет-
ры, описывающие сплошную среду, и вывести количественные соотноше-
ния, которые и будут являться одной из ее математических моделей.
3.1.1. Аксиома пространства-времени. Аффинное простран-
ство — это множество (точек) X, на котором определено понятие векто-
ров −→ с началом x ∈ X и концом в y ∈ X, т. е. задано отображение
xy
(x, y) 7→ −
→ из X × X в линейное пространство E (называемое присоеди-
xy
ненным), обладающее следующими свойствами:

— для любой фиксированной точки x ∈ X отображение y 7→ −

→ есть
xy
биекция (взаимно однозначное отображение) X на E;

—−
→+−
xy →+−
yz → = 0 для любых x, y, z ∈ X.
zx
§ 3.1. Аксиоматика сплошной среды 109

Таким образом, в аффинном пространстве нулем (началом отсчета) мо-

жет быть объявлена любая точка. Если присоединенное пространство ев-
клидово, т. е. в нем задано скалярное произведение, то пространство X
называется евклидовым аффинным. Размерность X по определению есть
размерность E.
Используя введенные понятия, сформулируем аксиому пространства-
времени:

Пространство — трехмерное евклидово аффинное пространство, время —

одномерное евклидово аффинное пространство. Время абсолютно.

Сцена, на которой разыгрывается наше действие, есть трехмерное ев-

клидово пространство R3 , аффинная структура в котором задается отоб-
ражением (x, y) 7→√y − x. Скалярное произведение в R3 индуцирует в
нем норму: kxk = x · x. Норма же и скалярное произведение в R3 поз-
воляют определить длину вектора и скалярное произведение векторов:
|−
→ = ky − xk, −
xy| →·−
xy → = (y − x) · (v − u).
uv
Поясним утверждение «время абсолютно». Окружающий мир в прост-
ранственно-временном смысле представляется точками пространства R4 =
R3 × R, называемыми мировыми точками, или событиями. Время есть
линейное отображение t : R4 → R мира на «ось времени». Промежуток
времени между событиями A, B ∈ R4 есть число t(B − A). Если это число
равно нулю, то события A и B называются одновременными. Линейность
отображения t гарантирует изоморфизм пространства одновременных со-
бытий (ядра отображения t) пространству R3 . Наличие этого изоморфизма
позволяет говорить об абсолютно одновременных событиях (в отличие от
различных релятивистских теорий).

3.1.2. Аксиома материального континуума. Реальная физиче-

ская среда имеет атомарно-молекулярное строение [32]. Мы же будем рас-
сматривать ее как среду, заполняющую некоторый объем сплошным обра-
зом. Сформулируем эту идеализацию в виде аксиомы материального кон-
тинуума:

Сплошная среда в каждый момент времени есть материальный конти-

нуум.

Эта аксиома предполагает, что определены понятия массы и внутренней

энергии каждого объема сплошной среды. Объемом в R3 называется любая
область (связное множество) с кусочно-гладкой границей. Предполагается,
110 Глава 3. Аксиомы механики сплошной среды

что определена масса любого объема ω, т. е. задана функция множества

M : ω 7→ M (ω), и эта функция есть мера, т. е. неотрицательная счетно-
аддитивная функция:
Ã∞ ! ∞
[ X
M ωi = M (ωi ), если ωi ∩ ωj = ∅ при всех i 6= j.
i=1 i=1

Более того, предполагается, что функция M непрерывна в следующем

смысле: M (ω) → 0 при mes ω → 0, где mes ω — мера Лебега множества ω
(строгое определение меры Лебега вводится в курсе математического ана-
лиза; не сильно искажая суть этого понятия, можно считать, что mes ω —
объем области ω в смысле, описываемом в школьной геометрии).
В курсе функционального анализа будет доказано, что в этом случае
существует неотрицательная функция ρ : R3 → R такая, что для любого
объема Ω выполняется равенство
ZZZ
M (Ω) = ρ(x) dω. (3.1.1)
Ω

Здесь ω — элементарный объем. Эта функция называется плотностью

(удельной массой) сплошной среды.
Можно показать, что

M [Bε (x)]
ρ(x) = lim ,
ε→0 4 3
πε
3
где Bε (x) — шар в R3 радиуса ε с центром в точке x (а 4πε3 /3, разумеет-
ся, объем этого шара). Последнее полностью согласуется с определением
плотности в школьной физике.
Подчеркнем, что переход от массы к плотности в математическом смыс-
ле означает переход от весьма сложного математического объекта — функ-
ций множества (т. е. функций, заданных на множестве подмножеств
пространства R3 ) к существенно более простым математическим объек-
там — функциям точки. Последние изучены гораздо лучше. К ним можно
применять развитый аппарат математического анализа.
Точно так же аксиома материального континуума предполагает нали-
чие у каждого объема внутренней энергии, т. е. существование непрерыв-
ной меры Ei .
По аналогии с представлением (3.1.1) можно ввести понятие удельной
§ 3.2. Движение сплошной среды 111

объемной энергии ei : ZZZ

Ei (Ω) = ei (x) dω.
Ω

Обычно удобнее пользоваться удельной внутренней энергией

U (x) ≡ ei (x)/ρ(x) (т. е. энергией, отнесенной к единице массы) так, что
ZZZ ZZZ
Ei (Ω) = ρ(x)U (x) dω = ρU dω. (3.1.2)
Ω Ω

§ 3.2. Движение сплошной среды

3.2.1. Аксиома движения. Прежде, чем сформулировать следу-
ющую аксиому, введем некоторые понятия и обозначения. Пусть Ωs задает
конфигурацию сплошной среды в момент времени s (т. е. множество то-
чек в R3 , которые среда заполняет в момент времени s). Тот факт, что
в процессе эволюции сплошная среда состоит из одних и тех же матери-
альных частиц, математически описывается введением семейства взаимно-
однозначных отображений (рис. 25):

γs,t : Ωs → Ωt .
Каждое такое отображение определяет движение сплошной среды.
Отображения γs,t показывают перемещения частиц за промежуток вре-
мени от s до t.
Из физического опыта ясно, что за нулевое время частицы не долж-
ны сдвинуться: γs,s = I (здесь I — тождественное отображение в Ωs ),
и, кроме того, суммарный результат сдвига за время от s до t, а затем
от t до p (рис. 25), есть результат сдвига за время (p − s) — от s до p:

γt,p ◦ γs,t = γs,p .

В дальнейшем в качестве начального момента изучаемых движений мы
будем рассматривать «нулевой» момент s = 0, что позволяет перейти от
обозначений γ0,t (ξ) к γt (ξ), где ξ ∈ Ω0 .
112 Глава 3. Аксиомы механики сплошной среды

ξt γt,p Ωp
γs,t Ωt
Ωs

ξs γs,p ξp

Рис. 25. Движение сплошной среды

Теперь мы можем сформулировать аксиому движения:

Отображения γt определены для любого t ∈ R и являются гомеоморфиз-
мами Ω0 на Ωt , а отображение t 7→ γt есть изоморфизм аддитивной груп-
пы вещественных чисел в мультипликативную группу отображений в
R3 . При каждом ξ ∈ Ω0 отображение t 7→ γt (ξ) непрерывно и кусочно-
непрерывно дифференцируемо.
Тот факт, что {γt } — мультипликативная группа, означает, что:

γ0 = I; (3.2.1)

γp ◦ γt = γt+p . (3.2.2)

Сформулированная аксиома позволяет говорить о движении

материальной точки (или частицы) ξ сплошной среды; в частности, кри-
вая {γt (ξ) : t ∈ R} называется траекторией точки ξ ∈ Ω0 . Далее мы будем
обозначать отображение γt (ξ) через γ(ξ, t) и называть отображение

x = γ(ξ, t) (3.2.3)
законом движения сплошной среды. Если в формуле (3.2.3) точка ξ фик-
сирована, а время t меняется, то закон движения задает траекторию вы-
деленной частицы. Если, наоборот, t фиксировано, а точки ξ занимают
некоторый объем ω0 , то закон движения задает состояние движущегося
объема ωt в момент времени t:
§ 3.2. Движение сплошной среды 113

ωt = {x ∈ R3 : x = γ(ξ, t), ξ ∈ ω0 ⊂ Ω0 }. (3.2.4)

Кусочная гладкость траекторий, гарантируемая аксиомой движения,
позволяет говорить о скорости частицы ξ в момент времени t:

∂γ(ξ, t)
v(ξ, t) = .
∂t
Отметим еще некоторые следствия, вытекающие из аксиомы движения.
Формула (3.2.1) постулирует, что для закона движения должно выполнять-
ся равенство:

ξ = γ(ξ, 0). (3.2.5)

Кроме того, отображение (3.2.3) является взаимно-однозначным и невы-
рожденным:
¯ ¯
¯ ∂x1 ∂x1 ∂x1 ¯¯
¯
¯ ∂ξ 1 ∂ξ 2 ∂ξ 3 ¯¯
¯
¯ ¯
¯ ∂x2 ∂x2 ∂x2 ¯
¯
J =¯ ¯ 6= 0, (3.2.6)
¯ ∂ξ 1 ∂ξ 2 ∂ξ 3 ¯¯
¯ ¯
¯ ∂x3 ∂x3 ∂x3 ¯
¯ ¯
¯ ∂ξ 1 ∂ξ 2 ∂ξ 3 ¯
где J — якобиан отображения (3.2.3), x = (x1 , x2 , x3 ), ξ = (ξ 1 , ξ 2 , ξ 3 ), xi =
γ i (ξ, t) (i = 1, 2, 3). С помощью обратного отображения

ξ = γ −1 (x, t) (3.2.7)
можно определить объем ω0 , который занимала среда при t = 0, если из-
вестно, что в момент времени t > 0 она занимает объем ωt .
3.2.2. Лагранжево и эйлерово описания сплошной среды. Как
уже было сказано, описать сплошную среду — значит задать ее количе-
ственные характеристики. Это можно сделать, по крайней мере, двумя
способами:
— привязывать характеристику к частице в данный момент времени;
— привязывать характеристику к точке пространства, в которой в дан-
ный момент находится частица.
Эти два способа называются соответственно лагранжевым и эйлеровым
описаниями сплошной среды. Таким образом, в лагранжевом подходе все
114 Глава 3. Аксиомы механики сплошной среды

характеристики задаются в переменных (ξ, t) ∈ Ω0 × R, а в эйлеровом — в

переменных (x, t) ∈ {Ωt × {t} : t ∈ R}. Следовательно, координаты (ξ, t)
называются лагранжевыми координатами (или переменными), а (x, t) —
эйлеровыми. Каждое из этих описаний имеет свои преимущества и недо-
статки.
Лагранжево и эйлерово описания сплошной среды, разумеется, экви-
валентны. Если известна некоторая характеристика в лагранжевом описа-
нии, то можно найти ее представление в эйлеровом, и наоборот. Например,
если v L (ξ, t) и v E (x, t) — лагранжево и эйлерово представления скорости,
то очевидно:

v L (ξ, t) = v E (γ(ξ, t), t), (3.2.8)

и наоборот:

v E (x, t) = v L (γ −1 (x, t), t), (3.2.9)

−1
где γ — обратное отображение (3.2.7) и по определению

∂γ(ξ, t)
v L (ξ, t) = . (3.2.10)
∂t
Чтобы найти закон движения сплошной среды (3.2.3) в случае, когда
известно поле скоростей в лагранжевом описании, достаточно найти инте-
грал от скорости (3.2.10):

Zt
γ(ξ, t) = ξ + v L (ξ, s) ds. (3.2.11)
0

Если же поле скоростей задано в эйлеровом описании, то приходится

решать задачу Коши для дифференциального уравнения

∂γ(ξ, t)
= v E (γ(ξ, t), t), γ(ξ, 0) = ξ, (3.2.12)
∂t
которое получается с учетом равенств (3.2.10) и (3.2.8). Поскольку в урав-
нении (3.2.12) величина ξ фиксирована, то на эту задачу можно смотреть
как на задачу Коши для системы из трех обыкновенных дифференциаль-
ных уравнений:

dxi
= v E,i (x1 , x2 , x3 , t), xi (0) = ξ i (i = 1, 2, 3). (3.2.13)
dt
§ 3.2. Движение сплошной среды 115

ЗАДАЧИ
3.2.1. Рассмотрим задачу 1.1.2 о движении оползня по плоскому откосу,
заданному функцией

x3 = hbt (x1 , x2 ) = −x1 tg θ. (3.2.14)

Напомним, что в упомянутой задаче мы рассмотрели несколько математи-

ческих моделей движения оползня как твердого тела, моделей, в которых
геометрия оползня не учитывалась, а его движение описывалось движени-
ем определенной материальной точки.
Теперь же примем во внимание форму оползня и возможность его де-
формации. Предположим, что в начальный момент времени оползневая
масса лежит на откосе и занимает объем Ω0 , представляющий собой пря-
мую треугольную призму высотой W с основанием в виде прямоугольного
треугольника ABC, катет BC которого параллелен вертикальной оси и
равен T (рис. 26), а катет AC параллелен оси абсцисс Ox1 . Лагранжевы
координаты частиц, заполняющих этот объем, удовлетворяют следующим
соотношениям:
x0 − T ctg θ ≤ ξ 1 ≤ x0 ,
y0 − W/2 ≤ ξ 2 ≤ y0 + W/2, (3.2.15)
−ξ 1 tg θ ≤ ξ 3 ≤ −x0 tg θ + T,
где x0 — абсцисса частиц, лежащих на катете BC, y0 ∈ R.

Пусть закон движения (3.2.3) оползневой массы задан отображением

at2 ¡ ¢
x1 (ξ, t) = x0 + − T ctg θ + T ctg θ + ξ 1 − x0 eβt ,
2
x2 (ξ, t) = ξ 2 ,
µ ¶ h i (3.2.16)
at2
x3 (ξ, t) = − x0 + tg θ + T − T + (ξ 1 − x0 )tg θ eβt +
2
¡ 3 ¢
+ ξ + ξ 1 tg θ e−βt ,

где β = const ≥ 0, a = const > 0. Вычислить якобиан отображения (3.2.16)

и доказать, что объем оползня не меняется при его движении:
ZZZ
mes Ωt = dx = const. (3.2.17)
Ωt
116 Глава 3. Аксиомы механики сплошной среды

x3 x2
y0

A C T
0 x1
B W
x0
θ

Рис. 26. Обозначения и начальное положение оползневой массы

3.2.2. Используя закон движения оползня (3.2.16), найти траектории

вершин A, B, C основания призмы (см. рис. 26), имеющих одинаковую
ординату ξ 2 = y0 − W/2. Нарисовать эскиз формы оползня при t > 0.
3.2.3. Для заданного закона движения оползня (3.2.16) определить ско-
рость его частиц в лагранжевом представлении (3.2.10). Доказать, что при
β = 0 оползень движется по откосу как абсолютно твердое тело.
3.2.4. Для заданного закона движения (3.2.16) найти обратное отобра-
жение (3.2.7) и определить скорость частиц оползневой массы в эйлеровом
представлении (3.2.9).
3.2.5. Известно поле скоростей v L (ξ, t) частиц оползня в лагранжевом
описании:
¡ ¢
v L,1 (ξ, t) = at + β T ctg θ + ξ 1 − x0 eβt ,

v L,2 (ξ, t) = 0,
h i (3.2.18)
v L,3 (ξ, t) = −at · tg θ − β T + (ξ 1 − x0 )tg θ eβt −
¡ ¢
− β ξ 3 + ξ 1 tg θ e−βt .

Найти закон движения оползня.

§ 3.3. Силовые и энергетические характеристики сплошной среды 117

3.2.6. Известно поле скоростей v E (x, t) частиц оползня в эйлеровом

описании:
· ¸
at2
v E,1 (x, t) = at + β x1 − x0 − + T ctg θ ,
2
E,2
v (x, t) = 0, (3.2.19)
· µ 2
¶ ¸
at
v E,3 (x, t) = −at · tg θ − β x3 + 2x1 − x0 − tg θ + T .
2

Найти закон движения оползня.

3.2.7. Дано поле скоростей с декартовыми компонентами

u(x, y, z, t) = −ωy, v(x, y, z, t) = ωx, w(x, y, z, t) = A, A, ω = const > 0.

Найти закон движения сплошной среды, компоненты вектора скорости в

лагранжевых координатах.

§ 3.3. Силовые и энергетические

характеристики сплошной среды
Фундаментальную роль при описании сплошной среды, наряду
с введенными ранее массой и внутренней энергией, играют также следу-
ющие количественные характеристики произвольного объема ω сплошной
среды:
— импульс (количество движения)
ZZZ ZZZ
K(ω) = ρ(x)v(x)dω = ρv dω; (3.3.1)
ω ω

— момент импульса (момент количества движения)

ZZZ ZZZ
H(ω) = ρ(x) (x × v(x)) dω = ρ (x × v) dω (3.3.2)
ω ω

(здесь x × v — векторное произведение x на v в R3 );

118 Глава 3. Аксиомы механики сплошной среды

— кинетическая энергия
ZZZ
1 2
Ek (ω) = ρ(x) |v(x)| dω (3.3.3)
2
ω

и полная энергия

E(ω) = Ek (ω) + Ei (ω). (3.3.4)

Введенные характеристики являются прямыми обобщениями на

сплошную среду известных из теоретической механики следующих поня-
тий [24]:
— импульса системы n материальных точек

n
X
K= m i vi
i=1

(vi — скорость i-й точки массы mi );

— момента импульса

n
X
H= mi (xi × vi )
i=1

(xi — радиус-вектор i-й точки);

— кинетической

n
X 1
Ek = mi |vi |2
i=1
2

и полной энергии как суммы кинетической и потенциальной (внутренней).

Если зафиксировать объем сплошной среды ω0 ⊂ Ω0 и рассматривать
характеристики (3.3.1)—(3.3.4) на движущемся объеме ωt = γt (ω0 ), то они
будут функциями только времени t. Поведение этих характеристик посту-
лируется аксиомами баланса.
Для любого движущегося объема ωt масса объема неизменна:

d
M (ωt ) = 0, (3.3.5)
dt
§ 3.4. Замыкающие соотношения и интегральные законы сохранения 119

скорость изменения импульса равна главному вектору приложенных к

объему сил:

d
K(ωt ) = F (ωt ), (3.3.6)
dt
скорость изменения момента импульса равна главному моменту сил:

d
H(ωt ) = G(ωt ), (3.3.7)
dt
скорость изменения полной энергии равна вносимой мощности:

d
E(ωt ) = N (ωt ). (3.3.8)
dt

Эти аксиомы иногда называют принципом отвердевания, поскольку

уравнения (3.3.5)—(3.3.8) аналогичны уравнениям движения твердого те-
ла. Смысл правых частей равенств (3.3.5)—(3.3.8) объясняется в следую-
щих разделах курса.

§ 3.4. Замыкающие соотношения и

интегральные законы сохранения
3.4.1. Замыкающие соотношения для сил. Будем рассматри-
вать два класса сил, действующих на сплошную среду — внешние массовые
и внутренние поверхностные силы.
Первая из этих сил Fe (ω) пропорциональна массе объема (типичным
представителем таких сил является сила тяжести). Если потребовать, что-
бы внешняя сила была непрерывной мерой, то у нее будет существовать
объемная плотность fe :
ZZZ
Fe (ω) = fe (x) dω.
ω

Как и ранее, удобно пользоваться массовой плотностью

fe (x)
f (x) = . Тогда
ρ(x)
ZZZ ZZZ
Fe (ω) = ρ(x)f (x) dω = ρf dω,
ω ω
120 Глава 3. Аксиомы механики сплошной среды

а момент внешней силы определяется равенством

ZZZ
Ge (ω) = ρ(x × f ) dω.
ω

Эксперименты показывают, что кроме сил, действующих на объем (мас-

су), имеются силы, действующие на поверхность ∂ω (например, силы дав-
ления, внутреннего трения и т. п.). Разумеется, понятие поверхностных
сил условно, поскольку в рамках ньютоновской механики силы могут дей-
ствовать только на массу. Здесь имеется в виду, что рассматриваемые си-
лы приложены к частицам среды, расположенным в слоях пренебрежимой
толщины. Для того, чтобы определить эти силы, рассмотрим сечение σ
области Ω на области Ω1 и Ω2 плоскостью Σ. Пусть n — нормаль к Σ,
направленная, скажем, в сторону Ω2 (рис. 27).

Fs
n
Ω2

Σ
σ

Ω1

Рис. 27. Внутренняя поверхностная сила Fs (σ)

Формулируемая ниже аксиома внутренних поверхностных сил вводит

вектор силы Fs (σ), действующей на часть объема Ω1 со стороны части объ-
ема Ω2 через плоскую область σ. Если предполагать, что Fs (σ) — непре-
рывная плоская мера, то имеет место интегральное представление
ZZ
Fs (σ) = pn (x) dσ. (3.4.1)
σ

Величина pn (x) называется вектором напряжений внутренних поверх-

ностных сил. Она позволяет говорить о векторе внутренних поверхност-
ных сил, действующих на данный объем через площадку поверхности в
§ 3.4. Замыкающие соотношения и интегральные законы сохранения 121

точке x с нормалью n.
Аксиома внутренних поверхностных сил гласит:

Внутренняя поверхностная сила Fs (σ) определена для любого сечения σ

области Ω и является непрерывной плоской мерой.

Эта аксиома гарантирует существование вектора pn (x) напряжений

поверхностных сил, с помощью которого главный вектор внутренних
поверхностных сил, действующих на объем ω через его поверхность, опре-
деляется формулой
ZZ ZZ
Fi (ω) = pn(x) (x) dσ = pn dσ,
∂ω ∂ω

где n(x) — орт нормали к поверхности ∂ω объема ω в точке x.

Наличие вектора pn позволяет также определить момент внутренних
поверхностных сил, действующих на ω через ∂ω:
ZZ ZZ
¡ ¢
Gi (ω) = x × pn(x) (x) dσ = (x × pn ) dσ.
∂ω ∂ω

Следующая аксиома (аксиома сил и моментов) постулирует тот факт,

что существование других сил и моментов, кроме рассмотренных выше, в
данной модели не предполагается.

Правые части уравнений баланса импульса ( 3.3.6) и момента импуль-

са ( 3.3.7) определяются соответственно выражениями
ZZZ ZZ
F (ω) = Fe (ω) + Fi (ω) = ρf dω + pn dσ
ω ∂ω

ZZZ ZZ
G(ω) = Ge (ω) + Gi (ω) = ρ (x × f ) dω + (x × pn ) dσ.
ω ∂ω
122 Глава 3. Аксиомы механики сплошной среды

3.4.2. Замыкающие энергетические соотношения. По анало-

гии с классической механикой можно ввести понятия мощностей, разви-
ваемых внешними массовыми и внутренними поверхностными силами
ZZZ ZZ
Ne (ω) = ρv · f dω, Ni (ω) = v · pn dσ.
ω ∂ω

Кроме того, постулируется существование тепловых потоков. Они вво-

дятся аксиомами с математической точки зрения аналогично внутренним
поверхностным силам. Аксиома потока тепла гласит, что:

Поток тепла Q(σ) определен для любого сечения σ области Ω и является

непрерывной плоской мерой.

Если выполнена эта аксиома, то определена поверхностная плотность

qn потока тепла:
ZZ
Q(σ) = qn dσ,
σ

а она, в свою очередь, позволяет говорить о потоке тепла в объем ω из

области Ω\ω через границу ∂ω:
ZZ ZZ
Q(ω) = qn(x) (x) dσ = qn dσ.
∂ω ∂ω

Последняя аксиома (аксиома передачи энергии) завершает описание

механизмов передачи энергии в данной модели:

Правая часть уравнения баланса энергии ( 3.3.8) определяется выражени-

ем
ZZZ ZZ ZZ
N (ω) = Ne (ω) + Ni (ω) + Q(ω) = ρv · f dω + v · pn dσ + qn dσ.
ω ∂ω ∂ω
§ 3.4. Замыкающие соотношения и интегральные законы сохранения 123

3.4.3. Интегральные законы сохранения. Теперь в уравне-

ниях (3.3.5)—(3.3.8) определены все величины, и эти уравнения с описанны-
ми выше правыми частями составляют рассматриваемую нами
математическую модель сплошной среды: для любого движущегося объ-
ема ωt в любой момент времени t выполняются следующие интегральные
соотношения:

ZZZ
d
ρ dω = 0,
dt
ωt
ZZZ ZZZ ZZ
d
ρv dω = ρf dω + pn dσ,
dt
ωt ωt ∂ωt

ZZZ ZZZ ZZ (IM)

d
ρ(x × v) dω = ρ(x × f ) dω + (x × pn ) dσ,
dt
ωt ωt ∂ωt
ZZZ µ ¶ ZZZ ZZ ZZ
d 1 2
ρ |v| + U dω = ρv · f dω + v · pn dσ + qn dσ.
dt 2
ωt ωt ∂ωt ∂ωt

Эти уравнения называют (интегральными) законами сохранения соот-

ветственно массы, импульса (количества движения), момента импульса
(момента количества движения) и энергии.

Полученная математическая модель (IM) весьма сложна для исследо-

вания (в частности, в силу ее большой общности). Наша следующая зада-
ча — попытаться упростить модель (возможно, за счет сужения рамок ее
применимости). Далее мы покажем, что если величины, характеризующие
сплошную среду, достаточно гладкие, то модель (IM) эквивалентна некото-
рой системе дифференциальных уравнений в частных производных, кото-
рая допускает исследование более развитыми математическими средства-
ми. Для того, чтобы привести нашу модель к системе дифференциальных
уравнений, нам потребуются некоторые новые математические понятия и
факты, описанию которых и посвящена следующая глава.
Глава 4.
НЕКОТОРЫЕ СВЕДЕНИЯ ИЗ АЛГЕБРЫ,
МАТЕМАТИЧЕСКОГО АНАЛИЗА И ТЕОРИИ
ДИФФЕРЕНЦИАЛЬНЫХ УРАВНЕНИЙ

Полученная математическая модель сплошной среды (IM), записанная

в виде интегральных законов сохранения массы, импульса, момента им-
пульса и энергии, весьма сложна для исследования. Но оказывается, что
если величины, характеризующие сплошную среду, достаточно гладкие, то
модель (IM) эквивалентна некоторой системе дифференциальных уравне-
ний в частных производных, которая допускает исследование развитыми
математическими средствами. Для того, чтобы привести нашу модель к
системе дифференциальных уравнений, нам потребуется вспомнить неко-
торые математические понятия и факты, описанию которых и посвящена
настоящая глава.

§ 4.1. Векторные пространства

В этом параграфе приводятся основные сведения из теории линейных
нормированных пространств [8, 27], при этом главной целью станет дости-
жение договоренности о терминологии.
4.1.1. Векторные пространства. Поле вещественных чисел бу-
дем обозначать R. Вещественное векторное пространство представляет
собой множество E элементов произвольной природы (его точки назы-
ваются векторами), в котором определены операции сложения векторов
+ : E × E → E и умножения на число · : R × E → E, удовлетворяющие
следующим аксиомам: при всех x, y, z ∈ E и α, β ∈ R
1. x + y = y + x;
2. x + (y + z) = (x + y) + z;
3. существует вектор 0 (нулевой вектор) такой, что x + 0 = x;
4. существует вектор −x такой, что x + (−x) = 0;
§ 4.1. Векторные пространства 125

5. 1 · x = x;
6. α · (β · x) = (αβ) · x;
7. α · (x + y) = α · x + α · y;
8. (α + β) · x = α · x + β · x.
В дальнейшем знак умножения опускается: α · x = αx.
Символ 0 используется как для обозначения нуля в R, так и нулевого
вектора в E.
Набор {x1 , . . . , xk } ⊂ E называется линейно зависимым, если найдется
набор чисел {α1 , . . . , αk } ⊂ R, хотя бы одно из которых отлично от нуля,
такой, что
Xk
αi xi = 0;
i=1

в противном случае он называется линейно независимым.

Пространство E называется m-мерным, если в нем существует линейно
независимый набор из m векторов и любой набор из (m + 1)-го вектора ли-
нейно зависим. Произвольный линейно независимый набор из m векторов
в m-мерном пространстве называется базисом в этом пространстве.
Если {e1 , . . . , em } = {ei }m
i=1 — базис в m-мерном пространстве E, то для
любого вектора x ∈ E найдется единственный набор скаляров {x1 , . . . , xm }
такой, что
Xm
x= xi ei ; (4.1.1)
i=1

числа x1 , . . . , xm при этом называются координатами вектора x в бази-

се {ei }. Соответствие x 7→ {x1 , . . . , xm } отождествляет m-мерное веще-
ственное векторное пространство E с m-мерным вещественным векторным
пространством Rm всех упорядоченных наборов m вещественных чисел с
«покоординатными» операциями сложения и умножения на скаляры. С
точки зрения линейной структуры пространства E и Rm неразличимы.
Поэтому в дальнейшем для обозначения произвольного m-мерного веще-
ственного пространства мы будем использовать символ Rm .
4.1.2. Скалярные произведения и нормы. Скалярным произве-
дением в Rm называется отображение (·, ·) из E × E в R, удовлетворяющее
следующим аксиомам: при всех x, y, z ∈ Rm и α ∈ R
1. (x, y) = (y, x);
2. (x + y, z) = (x, z) + (y, z);
3. (αx, y) = α(x, y);
126 Глава 4. Некоторые сведения из алгебры, математического анализа...

4. (x, x) ≥ 0;
5. если (x, x) = 0, то x = 0.
Взамен (x, y) мы в дальнейшем будем писать x · y или xy. Вещественное
m-мерное векторное пространство со скалярным произведением называет-
ся евклидовым. Всюду ниже предполагается, что Rm — евклидово веще-
ственное m-мерное векторное пространство.
Нормой на векторном пространстве Rm называется любое отображение
k · k : Rm → R+ , удовлетворяющее следующим требованиям: при всех
x, y ∈ Rm и α ∈ R
1. kx + yk ≤ kxk + kyk;
2. kαxk = |α| · kxk;
3. kxk = 0 ⇔ x = 0.
Норма вектора x в нормированном пространстве Rm обозначает-
ся kxkRm , или кратко kxk.
Наличие скалярного произведения в Rm позволяет, в частности, ввести
понятие евклидовой нормы (или длины) вектора:
√
kxk = xx.

В дальнейшем евклидова норма векторов обозначается знаком модуля:

kxk = |x|. Кроме того, в евклидовом пространстве можно ввести понятие
ортогональности векторов: x, y ∈ Rm называются ортогональными, если
xy = 0.
Наряду со скалярным произведением в R3 имеется еще одна, известная
из курса аналитической геометрии, важная бинарная операция — вектор-
ное произведение. Ее строгое определение приводится в следующем пара-
графе.
4.1.3. Базисы и кобазисы. Для любого базиса {ei } кобазис {ei }
однозначно определяется соотношениями

ei ej = δji (i, j = 1, . . . , m), (4.1.2)

где δji — так называемый δ-символ Кронекера:
½
i 1, если i = j,
δj =
0, если i 6= j.
Геометрически соотношение (4.1.2) означает, что вектор ei кобазиса ор-
тогонален векторам e1 , . . . , ei−1 , ei+1 , . . . , em базиса (рис. 28). Базис, совпа-
дающий со своим кобазисом, называется ортонормированным: ei ej = δji .
§ 4.1. Векторные пространства 127

В частности, все векторы ортонормированного базиса имеют единичную

длину.

1
e e2

e2

e1

Рис. 28. Базис e1 , e2 и кобазис e1 , e2 в R2

4.1.4. Немые индексы. Начиная с этого момента, взамен привыч-

ного обозначения (4.1.1) для суммы индексированных одночленов мы бу-
дем использовать новое (традиционное в механике сплошной среды) обо-
значение, преимущества которого станут ясны ниже. Индекс у коэффици-
ента xi в разложении вектора x по базису {ei } будем писать вверху и вместо
m
X
x= xi ei (4.1.3)
i=1

будем писать
x = xi ei ,
опуская знак суммирования по так называемому немому индексу i. Этимо-
логия названия «немой» связана с тем, что в (4.1.3) индекс суммирования
i можно заменить любой другой буквой. Индекс называется немым, если
он входит в одночлен (именно в одночлен, а не в формулу) в точности два
раза: один раз в качестве верхнего индекса и один раз в качестве нижнего.
Например, равенство
xs = ajsi αs ei ej
означает, что
m X
X m
xs = ajsi αs ei ej .
i=1 j=1

Пределы суммирования обычно ясны из контекста.

128 Глава 4. Некоторые сведения из алгебры, математического анализа...

4.1.5. Ковариантные и контравариантные компоненты. Лю-

бой вектор x ∈ Rm можно разложить как по произвольному базису {ei }:

x = xi ei , (4.1.4)

так и по соответствующему ему кобазису {ei }:

x = xi ei . (4.1.5)

Соответствующие координаты xi называются ковариантными компонен-

тами вектора x, а координаты xi — его контравариантными компонен-
тами. Как легко видеть,

x i = x · ei ; xi = x · ei ; x · y = xi yi = xi y i . (4.1.6)

В пространстве Rm переход от представления векторов в базисе {ei } (и

соответствующем кобазисе {ei }) к представлению векторов в новом базисе
{e0i } (и кобазисе {e0i }) производится с помощью матрицы перехода A =
(Aji ), однозначно определяемой равенствами

e0i = Aji ej , i = 1, . . . , m (4.1.7)

(это система m2 линейных уравнений относительно Aji ). Как легко видеть,

векторы нового кобазиса определяются формулами
¡ ¢i
e0i = A−1 j ej , i = 1, . . . , m. (4.1.8)

Поэтому для произвольного вектора b ∈ Rm получаются следующие вы-

ражения его ковариантных b0i и контравариантных b0i компонент в новых
базисе {e0i } и кобазисе {e0i } через соответствующие компоненты в исходных
базисе {ei } и кобазисе {ei }:
¡ ¢i
b0i = Aji bj , b0i = A−1 j bj , i = 1, . . . , m. (4.1.9)

Далее мы будем различать одинаково и противоположно ориентиро-

ванные базисы. Говорят, что базисы {ei } и {e0i } имеют одинаковую ори-
ентацию, если определитель матрицы перехода (4.1.7) положителен, т. е.
det A > 0, и ориентированы противоположно, если det A < 0.
§ 4.2. Линейные отображения 129

ЗАДАЧИ

4.1.1. Докажите справедливость формул (4.1.6).

4.1.2. Пусть два базиса {ei } и {e0i } связаны между собой соотношениями
(4.1.7). Покажите, что система векторов (4.1.8) является кобазисом для
базиса {e0i }.
4.1.3. Вывести формулы (4.1.9).
4.1.4. Пусть система векторов {ei } (i = 1, 2) является базисом в R2 ,
задана матрица
µ ¶
cos θ − sin θ
A= , (4.1.10)
sin θ cos θ

а векторы e0i (i = 1, 2) определены формулой e0i = Aji ej . При каких значе-

ниях параметра θ система векторов {e0i } также является базисом в R2 ?
4.1.5. Докажите неравенство Коши — Шварца:

|x · y| ≤ |x| · |y|, ∀ x, y ∈ Rm . (4.1.11)

§ 4.2. Линейные отображения

В этом параграфе изучаются линейные отображения [1, 18, 27]. Как
и в предыдущем параграфе, основной целью являются установление тер-
минологии и обозначений.
4.2.1. Пространство линейных отображений. Пусть Rm и Rn —
линейные нормированные пространства. Отображение L : Rm → Rn назы-
вается линейным, если

L hαx + βyi = αL hxi + βL hyi

при всех x, y ∈ Rm и α, β ∈ R (здесь и всюду ниже через L hxi обозначается

значение отображения L на векторе x).
Множество всех линейных отображений из Rm в Rn становится ли-
нейным пространством, если в этом множестве ввести операции сложения
отображений и их умножения на скаляры:

(L + K) hxi = L hxi + K hxi , αL hxi = L hαxi .

130 Глава 4. Некоторые сведения из алгебры, математического анализа...

Это пространство в дальнейшем обозначается L(Rm , Rn ). Если m = n, то

используется обозначение L(Rm ).
Пространство L(Rm , Rn ) превращается в нормированное, если поло-
жить
kL hxi kRn
kLk = sup . (4.2.1)
x∈Rm , x6=0 kxkRm

4.2.2. Изометрия нормированных пространств. Два линейных

нормированных пространства E1 и E2 называются изометричными, если
существует линейное отображение = : E1 → E2 такое, что

k= hxi kE2 = kxkE1 . (4.2.2)

Отображение = называется изометрией. Изометричность пространств E1

и E2 обычно обозначается знаком «∼»: E1 ∼ E2 . С точки зрения линейной
и метрической структуры изометрические пространства неразличимы.
Пример. Пространство L(Rm , R) называется пространством линей-
ных функционалов на Rm (пространством, сопряженным к Rm ), его
элементы называются функционалами. Сопряженное пространство обозна-
∗ ∗
чается обычно (Rm ) или Rm .
Нетрудно видеть, что если в пространстве Rm используется евклидова
∗ ∗
норма, то Rm ∼ Rm . Изометрию Rm → Rm можно задать формулой

= hf i = f hei i ei , (4.2.3)

где {ei } — произвольный базис в Rm , а {ei } — соответствующий кобазис.

Таким образом, функционал f отождествляется с вектором = hf i. Этот
вектор, в свою очередь, определяет функционал f формулой

f hxi = (= hf i) · x. (4.2.4)

Легко проверяется, что для отображения = равенство норм (4.2.2) имеет

место (см. задачу 4.2.1).

4.2.3. Матрица линейного отображения. Диадой a⊗b двух век-

торов a, b ∈ Rm называется линейное отображение из L(Rm ), определяемое
равенством
(a ⊗ b) hxi = a(b · x).
Для любого базиса {ei } в Rm набор линейных отображений
{ei ⊗ ej }m m i
i,j=1 будет базисом в L(R ). В самом деле, определим числа Lj
§ 4.2. Линейные отображения 131

формулами
Lij = ei · L hej i (i, j = 1, . . . , m). (4.2.5)
Но тогда

Lij (ei ⊗ ej ) hxi = Lij ei (ej · x) = Lij ei xj = (ei · L hej i)ei xj =

­ ®
= (ei · L xj ej )ei = (ei · L hxi)ei = L hxi .
Таким образом, для любого отображения L ∈ L(Rm ) имеет место разло-
жение
L = Lij (ei ⊗ ej ). (4.2.6)
Единственность разложения (4.2.6) проверяется тривиально (см. зада-
чу 4.2.2).
Наличие базиса {ei ⊗ ej }m 2 m
i,j=1 из m элементов означает, что L(R )
2
является линейным m -мерным пространством.
Соответствие L 7→ {Lij } устанавливает изоморфизм между простран-
ством L(Rm ) и пространством Mm квадратных m × m-матриц. Матрица
{Lij } (или просто Lij ) называется матрицей отображения L в базисе {ei },
при этом верхний индекс i указывает номер строки, а нижний индекс j —
номер столбца. С помощью этой матрицы можно подсчитать значение отоб-
ражения L на произвольном векторе x:

L hxi = Lij (ei ⊗ ej ) hxi = Lij ei (ej · x) = Lij xj ei .

Матрица суперпозиции K ◦L двух отображений K, L ∈ L(Rm ) также

легко вычисляется. С учетом формул (4.2.5), (4.2.6) получаем, что

(K ◦L)ij = ei · (K ◦L) hej i = ei · K hL hej ii =

­ ® ­ ­ ®®
= ei · K Lkl (ek ⊗ el ) hej i = ei · K Lkl ek (el · ej ) =
­ ® (4.2.7)
= ei · K Lkl ek δjl = Lkj ei · K hek i = Lkj ei · Ksp (ep ⊗ es ) hek i =

= Lkj ei · (Ksp ep δks ) = Lkj ei · Kkp ep = Kkp Lkj δpi = Kki Lkj .

Здесь и ниже символ «◦» обозначает суперпозицию отображений.

4.2.4. След матрицы и линейного отображения. На простран-

стве Mm определен линейный функционал tr (от англ. trace — след; его
также иногда обозначают Sp, от нем. Spur — след), равный сумме диаго-
нальных элементов матрицы:
132 Глава 4. Некоторые сведения из алгебры, математического анализа...

def
tr {Lij } = Lii = ei · L hei i .
Этот функционал порождает другой функционал, определенный на мно-
жестве линейных отображений L(Rm ):

tr hLi = tr {Lij }.

Указанное определение зависит от базиса. На самом деле оказывает-

ся, что след матрицы (и соответственно линейного отображения) не
зависит от выбора базиса. Чтобы доказать это утверждение, заметим, во-
первых, что для любых a, b ∈ Rm
­ ®
tr ha ⊗ bi = tr ai ei ⊗ bj ej =
­ ®
= ai bj tr ei ⊗ ej = ai bj ek · (ei ⊗ ej ) hek i = (4.2.8)

= ai bj (ek · ei ) (ej · ek ) = ai bj δik δkj = ak bk = a · b.

Во-вторых, линейный функционал на L(Rm ), обладающий свойст-

вом (4.2.8), обязательно есть след: если Φ : L(Rm ) → R таков, что
Φ(a ⊗ b) = a · b, то
­ ®
Φ hLi = Φ Lij (ei ⊗ ej ) = Lij (ei · ej ) = Lij δij = Lii .

Таким образом, за эквивалентное определение следа можно взять следу-

ющее: линейный функционал Φ на L(Rm ) называется следом, если для
любых a, b ∈ Rm выполняется равенство

Φ(a ⊗ b) = a · b. (4.2.9)

Остается заметить, что свойство (4.2.9) не зависит от выбора базиса.

4.2.5. Инварианты матриц и линейных отображений. Функ-

ции на пространстве Mm , не зависящие от выбора базиса, называются
инвариантами матрицы. Независимость инвариантов матрицы от выбора
базиса позволяет говорить об инвариантах линейного отображения. Один
из важных инвариантов — это след матрицы tr .
Нам потребуется еще два других инварианта для отображений из L(R3 ):

def 1¡ 2 ­ ®¢
J2 = J2 (L) = tr hLi − tr L2
2
§ 4.2. Линейные отображения 133

и
def1¡ 3 ­ ® ­ ®¢
J3 = J3 (L) = tr hLi − 3tr hLi tr L2 + 2tr L3 .
6
Для унификации обозначений след tr hLi отображения L мы будем обо-
значать через J1 = J1 (L).
Как мы уже знаем, J1 = Lii . Остальные инварианты также выражаются
через элементы матрицы {Lij } формулами
¯ ¯ ¯ ¯ ¯ ¯
¯ L1 L12 ¯¯ ¯¯ L11 L13 ¯¯ ¯¯ L22 L23 ¯¯
¯ 1
J2 = ¯ 2 ¯+¯ ¯+¯ ¯,
¯ L1 L22 ¯ ¯ L31 L33 ¯ ¯ L32 L33 ¯

J3 = det{Lij }.
Коэффициенты характеристического полинома p(λ) отображения L вы-
ражаются через инварианты:

p(λ) = det(L − λI) = λ3 − J1 λ2 + J2 λ − J3 .

Здесь I — тождественное отображение: I hxi ≡ x. И, наоборот, инварианты

отображения L вычисляются через собственные значения L (т. е. корни λ1 ,
λ2 , λ3 характеристического полинома):

J1 = λ1 + λ2 + λ3 , J 2 = λ1 λ2 + λ2 λ3 + λ3 λ1 , J 3 = λ1 λ2 λ3 .

4.2.6. Сопряженные, самосопряженные (симметричные), ан-

тисимметричные и ортогональные отображения. Отображение K ∈
L(Rm ) называется сопряженным к отображению L ∈ L(Rm ), если при всех
x, y ∈ Rm
L hxi · y = x · K hyi . (4.2.10)
Сопряженное к L отображение обозначается L∗ . © ª
Нетрудно показать, что если определить матрицу Kji как матрицу,
© iª
транспонированную к матрице Lj отображения L в ортонормирован-
ном базисе {ei }, т. е. положить Kji = Lji , то соответствующее отображение
K = Kji (ei ⊗ ej ) будет сопряженным к L (см. задачу 4.2.3). Это доказывает
существование сопряженного к любому отображению из L(Rm ). Данное
утверждение будет доказано другим способом в п. 4.2.7.
Отображение L ∈ L(Rm ) называется самосопряженным, или симмет-
ричным, если L∗ = L. Отображение L ∈ L(Rm ) называется антисиммет-
ричным, если L∗ = −L. В терминах матриц, представляющих отображения
в произвольном ортонормированном базисе, эти определения выглядят как
134 Глава 4. Некоторые сведения из алгебры, математического анализа...

равенства Lij = Lji и Lij = −Lji соответственно.

Наконец, отображение L ∈ L(Rm ) называется ортогональным, если оно
обратимо и обратное отображение совпадает с сопряженным: L−1 = L∗ ,
или, что то же самое, L∗ ◦L = L◦L∗ = I.
4.2.7. Свертка отображений. Пространство L(Rm ) превращает-
ся в евклидово, если в нем ввести специальным образом скалярное произ-
ведение. Это скалярное произведение отображений K и L из L(Rm ) назы-
вается сверткой, обозначается K : L и вводится следующим образом:
def
K : L = tr hK ∗ ◦Li . (4.2.11)

Для того, чтобы показать, что свертка действительно является

скалярным произведением, найдем «коэффициентное» представление
свертки. Если {ei } — произвольный ортонормированный базис, то в со-
ответствии с определением (4.2.11) и формулой (4.2.7) получаем, что

K : L = tr hK ∗ ◦Li = (K ∗ ◦L)ii = (K ∗ )ij Lji .

После этого симметричность доказывается легко:

K : L = (K ∗ )ij Lji = Kij (L∗ )ij = tr hL∗ ◦Ki = L : K.

Далее
m
X
L : L = (L∗ )ij Lji = (Lij )2 ≥ 0,
i,j=1

и, более того, L : L = 0 только в том случае, когда L = 0. Линейность

же свертки по обоим аргументам есть тривиальное следствие линейности
следа.
4.2.8. Векторное произведение. Введем в R3 бинарную опера-
цию × : R3 × R3 → R3 , называемую векторным произведением. Возьмем
произвольное линейное отображение L в R3 и на его основе определим
новое линейное отображение ` : R3 × R3 × R3 → R3 равенством

`(L) hx, y, zi =

= x(y · L hzi − y · L∗ hzi) + y(z · L hxi − z · L∗ hxi) + z(x · L hyi − x · L∗ hyi).

Пусть далее {ei } — произвольный базис, а L таково, что

`(L) he1 , e2 , e3 i 6= 0.
§ 4.2. Линейные отображения 135

Определим отображение ×{ei } : R3 × R3 → R3 равенством

x ×{ei } y = `(x ⊗ y) he1 , e2 , e3 i |`(L) he1 , e2 , e3 i |.

Нетрудно показать, что для двух базисов {ei } и {e0i }

x ×{ei } y = x ×{e0 } y, (4.2.12)

i

если эти базисы имеют одинаковую ориентацию, и

x ×{ei } y = −x ×{e0 } y, (4.2.13)

i

если противоположную. Таким образом, отображение ×{ei } с точностью до

знака не зависит от выбора базиса.
Зафиксируем теперь произвольный базис и выберем L так, чтобы
1
|`(L) he1 , e2 , e3 i | = ,
Vol(e1 , e2 , e3 )

где Vol(e1 , e2 , e3 ) — объем параллелепипеда, образованного векторами бази-

са. Соответствующее им отображение ×{ei } , которое мы будем обозначать
×, и есть по определению векторное произведение.
Можно показать, что

x · (x × y) = y · (x × y) = 0, (4.2.14)

т. е. вектор x × y ортогонален x и y,

|x · (y × z)| = Vol(x, y, z), (4.2.15)

и, кроме того,
e1 · (e2 × e3 ) = Vol(e1 , e2 , e3 ). (4.2.16)
Свойства (4.2.14)—(4.2.16) определяют векторное произведение однозначно
и могут служить его аксиоматическим определением.
136 Глава 4. Некоторые сведения из алгебры, математического анализа...

В произвольном ортонормированном базисе {ei } векторное произведе-

ние можно представить в следующем виде:

x × y = A(x) hyi , (4.2.17)

где матрица A задается равенством

 
0 −x3 x2
 
 
A(x) =  x3 0 −x1  (4.2.18)
 
−x2 x1 0

и x = xi ei .

ЗАДАЧИ
∗
4.2.1. Доказать, что для отображения (4.2.3), действующего из Rm
в пространство Rm с евклидовой нормой, справедлива формула (4.2.4) и
выполняется равенство (4.2.2):

|= hf i | = kf kRm∗ . (4.2.19)

4.2.2. Доказать, что отображения {ei ⊗ ej }m i,j=1 линейно независимы

в L(Rm ), а разложение (4.2.6) по этой системе произвольного отображения
из L(Rm ) единственно.
4.2.3. Пусть L ∈ L(Rm ), Lij = ei · L hej i, Kji = Lji и K = Kji (ei ⊗ ej ),
где {ei } — ортонормированный базис в Rm . Доказать, что L∗ = K.
4.2.4. Доказать, что отображение ×{ei } не зависит от выбора базиса (с
точностью до знака).
4.2.5. Доказать справедливость свойств (4.2.14)—(4.2.16) векторного
произведения.
4.2.6. Доказать, что в ортонормированном базисе для вычисления век-
торного произведения можно использовать формулу (4.2.17).
4.2.7. Пусть {Lij } — матрица отображения L ∈ L(Rm ) в базисе {ei }.
Зная матрицу перехода A, найти элементы {L0i
j } матрицы отображения L
в новом базисе {e0i }.
§ 4.3. Тензоры 137

4.2.8. Доказать, что для любых отображений K, L ∈ L(Rm ) справед-

лива формула

(K ◦L)∗ = L∗ ◦K ∗ . (4.2.20)

4.2.9. Пусть O1 , O2 — ортогональные отображения в L(Rm ). Доказать,

что отображение O1 ◦O2 также является ортогональным.

§ 4.3. Тензоры
Многие характеристики сплошной среды представляют собой тензо-
ры — полилинейные отображения на R3 [5, 18]. Здесь они описываются
и связываются с уже привычными математическими понятиями.
r
r
z }| {
4.3.1. Определения. Пусть (R ) = Rm × . . . × Rm и отображе-
m
r
ние T : (Rm ) → R является линейным по каждому из своих r векторных
аргументов при произвольных фиксированных значениях остальных (r−1)
аргументов. Такие отображения (полилинейные функционалы) называют-
ся тензорами в Rm , при этом число r называется рангом, или валентно-
стью тензора T .
Множество тензоров ранга r будем обозначать как Tr (Rm ). Оно об-
разует линейное пространство с естественными операциями сложения и
умножения на скаляры.
Пусть {ei } — базис в Rm , а {ei } — его кобазис. Любое число вида
T hx1 , . . . , xr i, где xs ∈ {ei } ∪ {ei } (s = 1, . . . , r), называется компонентой
тензора T . Если все xs ∈ {ei }, то компонента называется ковариантной, а
если xs ∈ {ei } — контравариантной; остальные компоненты называются
смешанными. Тензор ранга r имеет в данном базисе (2m)r различных ком-
понент, среди которых mr ковариантных и mr контравариантных. Число
различных типов (или видов) компонент тензора (среди которых мы вы-
делили два — ковариантные и контравариантные) очевидно 2r .
Ковариантные компоненты тензора ­ T hei1 , . ®. . , eir i обычно обозначают
через Ti1 ...ir , а контравариантные T ei1 , . . . , eir — через T i1 ...ir . В обозна-
чениях смешанных компонент тензора используются как верхние, так и
нижние индексы, например:
­ j ® ­ j k ®
T·j·k
i · = T e , ei , e
k
; T·jk·l l
· i · = T e , e , ei , e .
138 Глава 4. Некоторые сведения из алгебры, математического анализа...

4.3.2. Примеры тензоров. Тензором нулевого ранга по определе-

нию является вещественное число (скаляр).
Тензоры первого ранга — это линейные функционалы на Rm , т. е. эле-
∗ ∗
менты из Rm . Поскольку Rm ∼ Rm , то тензоры первого ранга отож-
дествляются с векторами из Rm .
Примером тензора второго ранга является универсальный тензор

T hx1 , x2 i = x1 · T hx2 i , (4.3.1)

где T — некоторое отображение из L(Rm ). Смысл слова «универсальный»
в названии тензора поясняется в следующем пункте.
Еще один пример тензора второго ранга — так называемый фундамен-
тальный метрический тензор пространства Rm : g hx1 , x2 i = x1 · x2 .

4.3.3. Изоморфизм T2 (Rm ) ∼ L(Rm ) . Универсальность тензо-

ра (4.3.1) в том, что, как оказывается, любой тензор T второго ранга из
T2 (Rm ) может быть представлен в таком виде. В самом деле, если в T
зафиксировать второй аргумент x2 , то отображение T1 : x1 7→ T hx1 , x2 i
∗
будет тензором первого ранга. В силу изометрии Rm ∼ Rm и формул
(4.2.3), (4.2.4), задающих эту изометрию, найдется вектор T hx2 i = = hT1 i
(для каждого x2 ∈ Rm он свой) такой, что

T hx1 , x2 i = x1 · T hx2 i .

Линейность отображения x2 7→ T hx2 i очевидна.

Отображение = : T 7→ T из T2 (Rm ) в L(Rm ) реализует изоморфизм
T (Rm ) и L(Rm ). Таким образом, тензоры второго ранга из T2 (Rm ) отож-
2

дествляются с линейными отображениями из L(Rm ). В силу этого можно

говорить о норме тензора второго ранга, его инвариантах и т. д. Более того,
поскольку имеет место изоморфизм L(Rm ) ∼ Mm , имеет место и изомор-
физм T2 (Rm ) ∼ Mm . Поэтому можно говорить о матрице тензора и всех
сопутствующих матрицам понятиях.
По существу, тензоры — это просто другая терминология для обозна-
чения привычных и известных из линейной алгебры объектов — поли-
линейных функционалов. «Тензорная» терминология принята в механике
сплошной среды. Она имеет некоторую специфику, которой мы в данном
курсе не касаемся.
Кстати, наличие изоморфизма T2 (Rm ) ∼ L(Rm ) позволяет доказать
утверждение из п. 4.2.6 о существовании сопряженного отображения. Для
произвольного L ∈ L(Rm ) определим тензор T ∈ T2 (Rm ) равенством
T hx1 , x2 i = x1 · L hx2 i, затем определим тензор T ∗ ∈ T2 (Rm ) равенством
§ 4.3. Тензоры 139

T ∗ hx1 , x2 i = T hx2 , x1 i и, наконец, положим K = =(T ∗ ). Утверждается, что

K = L∗ . В самом деле,

x1 · K hx2 i = T ∗ hx1 , x2 i = T hx2 , x1 i = x2 · L hx1 i ,

что и есть определение (4.2.10) сопряженного оператора.

ЗАДАЧИ

4.3.1. По определению ковариантные и контравариантные компоненты

фундаментального метрического тензора вычисляются по формулам
­ ®
gij = g hei , ej i = ei · ej , g ij = g ei , ej = ei · ej . (4.3.2)

Доказать следующие свойства фундаментального тензора:

gij = gji , g ij = g ji , g ij gjk = δki , gij g jk = δik .

Последние два равенства означают, что симметричные матрицы, элемента-

ми первой из которых являются ковариантные компоненты gij , а второй —
контравариантные, есть взаимно обратные матрицы.

4.3.2. Доказать формулы разложения векторов базиса и кобазиса

ei = g ij ej , ei = gij ej , (4.3.3)
а также формулы «опускания» и «поднимания» индексов для компонент
произвольного вектора b ∈ Rm :

bi = g ij bj , bi = gij bj (4.3.4)

и компонент произвольного тензора T ∈ Tr (Rm ):

T i1 ...ir = g i1 j1 . . . g ir jr Tj1 ...jr , Ti1 ...ir = gi1 j1 . . . gir jr T j1 ...jr . (4.3.5)

4.3.3. Найти компоненты ковариантного метрического тензора g в сфе-

рической системе координат (r, ϕ, θ): x = r sin θ cos ϕ, y = r sin θ sin ϕ,
z = r cos θ.
140 Глава 4. Некоторые сведения из алгебры, математического анализа...

§ 4.4. Скалярные, векторные и тензорные

поля

Большинство числовых характеристик сплошных сред описывают в ви-

де полей, т. е. функций, заданных на том или ином множестве и прини-
мающих скалярные, векторные или тензорные значения [5]. В настоящем
параграфе приводятся необходимые определения и факты, связанные с
этими понятиями, и основная терминология.
4.4.1. Непрерывные поля. Пусть U ⊂ Rk — открытое подмноже-
ство, т. е. вместе с каждой точкой x ∈ U в U лежит и некоторый шар
B(x, r) радиуса r с центром в x. Ниже буквой E обозначается одно из
следующих линейных нормированных (евклидовых) пространств: R, Rm ,
∗
Rm , L(Rm ), T2 (Rm ). Отображение f : U → E называется скалярным
(если E = R) или тензорным (в противном случае) полем (соответствен-
∗
но первого или второго ранга). Если E = Rm или E = Rm , то f также
называется векторным полем.
Поле f называется непрерывным в точке x ∈ U , если

|f (x + h) − f (x)|E → 0 при |h|Rk → 0.

4.4.2. Дифференцируемые поля. Поле f по определению диф-

ференцируемо в точке x0 ∈ U , если найдется отображение L ∈ L(Rk , E)
такое, что

|f (x0 + h) − f (x0 ) − L hhi |E

→ 0 при |h|Rk → 0.
|h|Rk

Отображение L называется производной поля f в точке x0 и обознача-

ется через ¯
∂f ¯¯
fx0 0 или .
∂x ¯x=x0
В случае, когда E = R, производную fx0 0 обозначают также через
∇f (x0 ) или grad f (x0 ) и называют градиентом поля f в точке x0 .
Градиент скалярного поля в каждой точке есть элемент пространства
∗
Rk = T1 (Rk ), и, таким образом, градиент скалярного поля есть поле тен-
зоров первого ранга.
Если поле f дифференцируемо в каждой точке U , то говорят, что f диф-
ференцируемо. Если отображение x 7→ fx0 непрерывно как отображение из
U в L ∈ L(Rk , E), то говорят, что поле непрерывно дифференцируемо.
§ 4.4. Скалярные, векторные и тензорные поля 141

Известно, что если f : U → E, а g : E → E1 (где E1 , как и E, — линейное

нормированное пространство) и эти отображения непрерывно дифферен-
цируемы, то таковым является и суперпозиция g ◦f : U → E1 и, более того,
для любого x0 ∈ U
¯ ¯ ¯
∂g ◦f ¯¯ ∂g ¯¯ ∂f ¯¯
= ◦ .
∂x ¯x=x0 ∂x ¯x=f (x0 ) ∂x ¯x=x0

Легко проверить также (см. задачу 4.2.1), что если E = L(Rm ) или
E = T2 (Rm ), а f : U → E — непрерывно дифференцируемое отображение,
то f ∗ также непрерывно дифференцируемо и
µ ¶∗
∂f ∗ ∂f
= . (4.4.1)
∂x ∂x

4.4.3. Производные по направлению и частные производные.

Матрица Якоби. Пусть y ∈ Rk и |y| = 1. Предел
¯
f (x + sy) − f (x) d ¯
lim = f (x + sy)¯¯
s→ +0 s ds s=0

называется производной по направлению y поля f в точке x и обозначается

∂f (x) hyi
, или fy0 (x).
∂x

Если зафиксировать в Rk и E базисы {pi } и {qi } и разложить f по

базису {qi }: f (x) = f j (x)qj , то производные функций f j (x) по направлени-
ям базисных векторов pi называются частными производными функции
f . Если x = xi pi , то частная производная

∂f j (x) hpi i
∂x
обозначается обычно как
∂f j (x)
.
∂xi

∂f
Линейному отображению соответствует некоторая матрица (за ко-
∂x
∂f
торой мы сохраним то же обозначение ). Элементами этой матрицы,
∂x
142 Глава 4. Некоторые сведения из алгебры, математического анализа...

называемой матрицей Якоби, являются частные производные функции f :

µ ¶j ¯
∂f df j (x + spi ) ¯¯ ∂f j
= ¯ = i
= (f j )0x hpi i .
∂x i ds s=0 ∂x

Из курса математического анализа известно [20], что поле f непрерывно

дифференцируемо в том и только в том случае, если частные производные
µ ¶j
∂f
существуют и непрерывны.
∂x i
Если E = R, то матрица Якоби градиента поля f (это матрица размер-
ности m × 1) имеет вид
µ ¶
∂f ∂f
∇f = 1
, ... , k . (4.4.2)
∂x ∂x

4.4.4. Дивергенция векторного поля. Если E = Rm и m = k, то

∂f /∂x есть элемент L(Rm ). След этого отображения называется диверген-
цией векторного поля f (в точке x):
¿ À
def ∂f
div f = tr .
∂x

Согласно определению следа отображения (см. п. 4.2.4), дивергенция

векторного поля f определяется как след матрицы Якоби отображе-
ния ∂f /∂x:
µ ¶i
∂f ∂f i
div f = = . (4.4.3)
∂x i ∂xi

4.4.5. Дивергенция тензорного поля. Если E = L(Rm ), или

с точностью до изоморфизма E = T2 (Rm ), и k = m, то дивергенция тен-
зорного поля f : U → E определяется формулой

def ∂f (x) hei i ­ i ®

div f (x) = e , (4.4.4)
∂x
где {ei } — произвольный базис в Rm . Дивергенция div f (x) при каждом
x ∈ U является очевидно вектором из Rm .
Определение (4.4.4) не зависит от выбора базиса. Действительно, для
любого вектора y ∈ Rm дивергенция векторной функции f ∗ (x) hyi вычис-
§ 4.4. Скалярные, векторные и тензорные поля 143

ляется следующим образом (см. п. 4.4.4):

¯
∂ (f ∗ (x) hyi)i d ¡ i ∗ ¢¯
∗
div (f (x) hyi) = = e · f (x + sei ) hyi ¯¯ =
∂xi ds s=0

­ ®
ei · [f ∗ (x + sei ) − f ∗ (x)] hyi y · [f (x + sei ) − f (x)] ei
= lim = lim =
s→0 s s→0 s
¯ µ ¶
d ¡ ­ i ®¢¯ ∂f (x) hei i ­ i ®
= y· f (x + sei ) e ¯ ¯ =y· e .
ds s=0 ∂x
Поскольку левая часть цепочки не зависит от выбора базиса, правая часть
также не зависит от его выбора. Таким образом, при всех y ∈ Rm

∂f (x) hei i ­ i ®
div (f ∗ (x) hyi) = y · e . (4.4.5)
∂x
Равенство (4.4.5) может быть принято в качестве определения
(с «пробным» вектором y) дивергенции тензорного поля: div f (x) — это
такой вектор z ∈ Rm , что div (f ∗ (x) hyi) = y · z при любом y ∈ Rm .
4.4.6. Формулы Гаусса — Остроградского. Из курса математи-
ческого анализа известны следующие тождества, называющиеся формула-
ми Гаусса — Остроградского. Пусть f — векторное, F — тензорное непре-
рывно дифференцируемые поля, ω — область в Rm с кусочно гладкой гра-
ницей ∂ω, а n — внешняя нормаль к ∂ω. Тогда
ZZ ZZZ
f · n dσ = div f dω, (4.4.6)
∂ω ω
ZZ ZZZ
F hni dσ = div F dω, (4.4.7)
∂ω ω
ZZ ZZZ
f · F hni dσ = div F hf i dω, (4.4.8)
∂ω ω
при этом ¿ À
∂f
div F hf i = f · div F + tr F ◦ . (4.4.9)
∂x
144 Глава 4. Некоторые сведения из алгебры, математического анализа...

4.4.7. Оператор Лапласа. Суперпозиция операций дифференци-

рования и дивергенции называется оператором Лапласа и обозначается как
∆. Пусть f — скалярное или векторное поле. Тогда div (∂f /∂x) называется
значением оператора Лапласа ∆ на поле f и обозначается ∆f .
Легко доказать, что если f — скалярное поле, то
µ ¶ Xm
∂f ∂f ∂2f
∆f = div (∇f ) = div ,..., k = . (4.4.10)
∂x1 ∂x i=1
(∂xi )2

В самом деле,
µ ¶
∂ ∂f ∂ ∂ ∂f ∂f
= ∇f (x) = ,..., =
∂x ∂x ∂x ∂x ∂x1 ∂xm
 
∂2f ∂2f ∂2f
 ···
 ∂x21 ∂x1 ∂x2 ∂x1 ∂xm 

 
 2
∂ f ∂2f 2
∂ f 
 ··· 

=  ∂x2 ∂x1 ∂x22 ∂x2 ∂xm 
,
 .. .. .. .. 
 . . . . 
 
 ∂2f ∂2f ∂2f 
···
∂xm ∂x1 ∂xm ∂x2 ∂x2m
и, следовательно,
µ ¶ ¿ À Xm
∂f ∂ ∂f ∂2f
div = tr = .
∂x ∂x ∂x i=1
(∂xi )2

Аналогично, хотя и более громоздко, показывается, что если f — век-

торное поле, то
Ãm m
!
¡ 1 ¢ X ∂2f 1 X ∂2f m
m
∆f = ∆f , . . . , ∆f = ,..., . (4.4.11)
i=1
(∂xi )2 i=1
(∂xi )2

ЗАДАЧИ
4.4.1. Доказать, что если E = L(Rm ) или E = T2 (Rm ),
а f : U → E — непрерывно дифференцируемое отображение, то f ∗ так-
же непрерывно дифференцируемо и выполняется равенство (4.4.1).
§ 4.5. Обыкновенные дифференциальные уравнения 145

4.4.2. Доказать, что для любого тензорного поля F справедлива фор-

мула (4.4.9).

4.4.3. Доказать справедливость формулы (4.4.11).

4.4.4. Доказать, что если f — векторное поле, то

µ ∗¶
∂f
div = ∇ (div f ) . (4.4.12)
∂x

4.4.5. Пусть {ei } — некоторый базис в R3 . Вычислить градиент скаляр-

ного поля f (x) = (x1 )2 +2x1 x2 −(x3 )2 , частные производные и производную
2 3 6
по направлению y = e1 − e2 − e3 .
7 7 7

§ 4.5. Обыкновенные дифференциальные

уравнения
В этом параграфе мы напомним теорему о дифференцировании реше-
ний обыкновенных дифференциальных уравнений по начальным данным
[2, 25], которая нам потребуется в данном курсе, а также выведем формулу
Эйлера.

4.5.1. Задача Коши. Пусть f : Rm × R → Rm — непрерывно диф-

ференцируемое отображение. Рассмотрим задачу Коши:

x0 = f (x, t), t ≥ 0, (4.5.1)

x(0) = ξ ∈ Rm , (4.5.2)
где ξ — векторный параметр. Известно (это утверждение классической
теоремы Коши — Пикара), что в этом случае решение задачи Коши (4.5.1),
(4.5.2) на некотором интервале [0, T ] существует и единственно. Если до-
полнительно потребовать ограниченности производной f по x:
¯ ¯
¯ ∂f (x, t) ¯
¯ ¯
¯ ∂x ¯ ≤ M < ∞

при всех (x, t) ∈ Rm × R, то можно утверждать существование и един-

ственность решения на всей оси R.
146 Глава 4. Некоторые сведения из алгебры, математического анализа...

4.5.2. Уравнение в вариациях. Обозначим решение задачи Коши

(4.5.1), (4.5.2) через x(ξ, ·). Теорема о дифференцируемости решений по на-
чальным данным утверждает, что отображение (ξ, t) 7→ x(ξ, t) непрерывно
∂x(ξ, t)
дифференцируемо и функция t 7→ при каждом ξ удовлетворяет
∂ξ
обыкновенному дифференциальному уравнению
¯
∂f (x, t) ¯¯
x0 = hxi , (4.5.3)
∂x ¯x=x(ξ,t)
называемому уравнением в вариациях, т. е. имеет место тождество (в со-
кращенной записи):
¿ À
d ∂x ∂f ∂x
= .
dt ∂ξ ∂x ∂ξ
4.5.3. Формула Эйлера.Здесь описывается дифференциальное урав-
∂x
нение, которому удовлетворяет инвариант J3 отображения .
∂ξ
Лемма 1 (О формуле Эйлера для инварианта J3 ). Для функции
µ ¶
∂x
J = J(ξ, t) = det
∂ξ

справедлива формула Эйлера

dJ
= J div f. (4.5.4)
dt
∂x(ξ, t)
Д о к а з а т е л ь с т в о. Пусть X и F — матрицы отображений
∂ξ
∂f (x, t)
и в базисе {ei }:
∂x
∂x(ξ, t) ∂f (x, t)
Xji = ei · hej i , Fji = ei · hej i .
∂ξ ∂x
В силу (4.5.3)

d i
X = Fki Xjk .
dt j
Нам же требуется показать, что

d
det X = det X · tr F.
dt
§ 4.5. Обыкновенные дифференциальные уравнения 147

Обозначим через Ajk алгебраическое дополнение в матрице X до элемента

Xjk (обратите внимание на переставленные индексы). Тогда, как известно,
½ k j
Xj Ai , если i = k,
det X =
0, если i 6= k,
или, короче,

Xjk Aji = δik · det X.

Отсюда следует, что

∂ det X
= Aji .
∂Xji
Но тогда (напомним, что действует соглашение о немых индексах)

Xm
d ∂ det X d i d
det X = i
· Xj = Aji Xji = Aji Fki Xjk =
dt i,j=1
∂X j dt dt
³ ´
= Xjk Aji Fki = det X · Fki δik = det X · Fii = det X · tr F,

что и требовалось доказать.

Глава 5.
ДИФФЕРЕНЦИАЛЬНЫЕ ЗАКОНЫ
СОХРАНЕНИЯ
Как мы выяснили в главе 1, сплошная среда характеризуется скоро-
стью v, плотностью ρ, удельной внутренней энергией U , плотностью массо-
вых сил f , напряжением поверхностных сил pn на элементарной площадке
с нормалью n и плотностью потока тепла qn через эту площадку. Ниже
мы покажем, что если эти функции достаточно гладкие, то модель (IM)
эквивалентна некоторой системе дифференциальных уравнений в частных
производных [14, 15, 19, 22, 23, 32], которая и будет являть собой диффе-
ренциальную модель (DM) законов сохранения сплошной среды.

§ 5.1. Дифференциальный аналог закона

сохранения массы
5.1.1. Области определения и соглашения о гладкости. Мы
предполагаем, что величины v, ρ, U, f, pn и qn заданы в эйлеровом описа-
нии, т. е. являются функциями переменных (x, t), изменяющихся на неко-
тором множестве D ⊂ R3 ×R. Функции pn и qn зависят также и от вектора
нормали n. Областью изменения переменной n очевидно является единич-
ная сфера S = {x ∈ R3 : |x| = 1}. Таким образом, область определения
функций p и q есть D × S.
Ниже предполагается, что v, ρ, U , а также pn и qn при каждом фик-
сированном n ∈ S непрерывно дифференцируемы на D, функции p и q
непрерывны на D × S, а функция f непрерывна на D.
§ 5.1. Дифференциальный аналог закона сохранения массы 149

5.1.2. Общая схема преобразования интегральных законов.

Каждое из уравнений модели (IM) мы перепишем в виде
ZZZ
F dω = 0. (5.1.1)
ωt

Поскольку это равенство должно выполняться для любого движущегося

объема ωt , отсюда будет вытекать, что на D

F ≡ 0. (5.1.2)
Равенства вида (5.1.2) и будут составлять модель (DM). Имплика-
ция (5.1.1)⇒(5.1.2) вытекает из следующей леммы.

Лемма 2. Пусть непрерывная в области D ⊂ Rm функция

F : D → Rk такова, что Z
F (x) dω = 0
B

на любом шаре B = B(x, r) ⊂ D радиуса r с центром в точке x. Тогда

F (x) ≡ 0 в D.

Д о к а з а т е л ь с т в о. Поскольку интеграл от функции со значениями

в конечномерном пространстве определяется покоординатно, достаточно
доказать утверждение леммы для скалярных функций (т. е. для случая
k = 1). В предположении противного найдется точка x0 ∈ D такая, что
F (x0 ) 6= 0. Пусть для определенности F (x0 ) > 0. В силу непрерывности
F найдется r > 0 такое, что в шаре B(x0 , r) будет верным неравенство
|F (x) − F (x0 )| ≤ F (x0 )/2. Но тогда

1
F (x) = F (x0 ) − [F (x0 ) − F (x)] ≥ F (x0 ) − |F (x0 ) − F (x)| ≥ F (x0 )
2
при всех x ∈ B(x0 , r) = B. Поэтому
Z Z
1 1
F (x) dω ≥ F (x0 ) dω = F (x0 ) · mes B > 0,
2 2
B B

что противоречит условиям леммы.

150 Глава 5. Дифференциальные законы сохранения

5.1.3. Полная производная. Пусть v = v(x, t) — поле скоростей

сплошной среды, а f = f E (x, t) — скалярная, векторная или тензорная
функция (здесь индекс E подчеркивает, что функция задана в эйлеровых
переменных). Полной производной функции f называется функция

∂f (x, t) ∂f (x, t)
(x, t) 7→ + hv(x, t)i .
∂t ∂x
d
Обозначается полная производная как f˙(x, t) или f (x, t) (не путать с част-
dt
∂
ной производной f (x, t) ).
∂t
Пусть закон движения сплошной среды задан отображением
x = γ(ξ, t) и f L (ξ, t) — представление функции f в лагранжевых пере-
менных:
f L (ξ, t) = f E (x, t) = f [γ(ξ, t), t].
Дифференцирование по t этого тождества (напомним, что v = ∂γ/∂t)
приводит к следующей формуле, выражающей полную производную в пе-
ременных Лагранжа:
d ∂
f (x, t) = f L (ξ, t).
dt ∂t
5.1.4. Перестановка дифференцирования и интегрирования.
В этом пункте мы покажем, что для любой функции F выполняется ра-
венство
ZZZ ZZZ µ ¶
d dF
F (x, t) dω = + F div v dω, (5.1.3)
dt dt
ωt ωt

являющееся многомерным аналогом формулы дифференцирования инте-

грала с переменным верхним пределом.
В самом деле, сделаем в интеграле из левой части равенства (5.1.3)
замену переменных x = γ(ξ, t). Эта замена переводит область ωt в область
ω0 , и, таким образом, область интегрирования перестает зависеть от вре-
мени t:
ZZZ ZZZ
d d
F (x, t) dω = F L (ξ, t)J L (ξ, t) dω,
dt dt
ωt ω0

где J — якобиан замены x → ξ, т. е. J(ξ, t) = det(∂x/∂ξ). Поскольку

теперь область интегрирования не зависит от t, дифференцирование мож-
но внести под знак интеграла. Последующее дифференцирование подын-
§ 5.1. Дифференциальный аналог закона сохранения массы 151

тегрального выражения с использованием формулы Эйлера (4.5.4)

dJ
= Jdiv v,
dt
или, что то же самое,
∂J L
= J L div v L ,
∂t
дает следующую цепочку равенств:
ZZZ ZZZ
d ∂
F L J L dω = (F L J L ) dω =
dt ∂t
ω0 ω0

ZZZ µ ¶ ZZZ µ ¶
∂F L L ∂J L ∂F L L
= J + FL dω = J + F L J L div v L dω =
∂t ∂t ∂t
ω0 ω0

ZZZ µ ¶
∂F L L L
= + F div v J L dω.
∂t
ω0

Обратная замена переменных ξ → x доказывает равенство (5.1.3):

ZZZ µ ¶ ZZZ µ ¶
∂F L L L L dF
+ F div v J dω = + F div v dω.
∂t dt
ω0 ωt

5.1.5. Уравнение неразрывности. Подстановка в (5.1.3) вместо F

функции ρ приводит к тождеству
ZZZ ZZZ µ ¶
d dρ
ρ(x, t) dω = + ρdiv v dω.
dt dt
ωt ωt

Поскольку левая часть этого тождества равна нулю в силу (интегрального)

закона сохранения массы, то
ZZZ µ ¶
dρ
+ ρdiv v dω = 0
dt
ωt

для любого движущегося объема ωt . В частности, при любом фиксирован-

ном t, если в качестве ω0 взять прообраз при отображении γt произвольного
шара B, т. е. ω0 = γt−1 (B), то ωt = B при данном t. Отсюда следует, что при
152 Глава 5. Дифференциальные законы сохранения

каждом t последнее тождество выполняется на любом шаре. Применение

леммы 2 приводит к так называемому уравнению неразрывности:

dρ
+ ρ div v = 0, (5.1.4)
dt
являющемуся дифференциальным аналогом закона сохранения массы.

ЗАДАЧИ

5.1.1. Доказать, что уравнение неразрывности (5.1.4) может быть пе-

реписано в следующем виде:

∂ρ
+ div ρv = 0. (5.1.5)
∂t

5.1.2.¡Пусть закон движения сплошной ¢ среды задан отображением x =

γ(ξ, t) = et ξ 1 , ξ 1 (1 − e2t ) + et ξ 2 , e3t ξ 3 . Найти поле скоростей среды в эй-
леровом и лагранжевом представлениях.
5.1.3. Пусть закон движения сплошной среды задан отображением x =
γ(ξ, t) = (t + 1)ξ. Найти div v.
5.1.4. Поле скоростей задано вектором v = (x1 )2 te1 + x2 t2 e2 + x1 x3 te3 .
Определить скорость и ускорение частицы, находящейся в момент времени
t = 1 в точке x = (1, 3, 2).
¡ ¢
5.1.5. Поле скоростей задано вектором v = 4x1 − 3x2 , 3x1 , −4x1 .
Найти компоненты вектора ускорения.
¡ ¢
5.1.6. Поле скоростей задано вектором v = −ξ 2 e−t , −ξ 3 , 2t . Найти
компоненты вектора ускорения в эйлеровом представлении.
5.1.7. Закон движения сплошной среды имеет вид (q = const)

às s !
1 2qt 2qt
x = γ(ξ, t) = ξ + 1, ξ 2 + 1, ξ 3 .
(ξ 1 )2 + (ξ 2 )2 (ξ 1 )2 + (ξ 2 )2

Найти поля скорости в переменных Лагража и Эйлера.

§ 5.2. Закон сохранения импульса 153

5.1.8. Движение среды происходит по закону

µ µ ¶ µ ¶ µ ¶¶
t t t2
x = γ(ξ, t) = ξ1 1 + , ξ2 1 + 2 , ξ3 1 + 2 , τ = const.
τ τ τ

Найти поля скорости и ускорения в лагранжевом описании. Где нахо-

дится в момент t = 3τ частица, которая в момент t = τ находилась в точке
пространства с координатами (a, b, c)?

§ 5.2. Закон сохранения импульса

5.2.1. Новая форма записи интегрального закона сохранения
импульса. Если в равенстве (5.1.3) вместо функции F подставить функ-
цию ρF и предполагать выполненным уравнение неразрывности, то мы
получим следующую формулу дифференцирования интегралов от ρF :
ZZZ ZZZ
d dF
ρF dω = ρ dω. (5.2.1)
dt dt
ωt ωt

Поэтому интегральный закон сохранения импульса (см. п. 3.4.3, IM)

ZZZ ZZZ ZZ
d
ρv dω = ρf dω + pn dσ
dt
ωt ωt ∂ωt

может быть переписан с помощью формулы (5.2.1) в следующем виде:

ZZ ZZZ µ ¶
dv
pn dσ = ρ − f dω. (5.2.2)
dt
∂ωt ωt

Теперь нужно преобразовать в интегральном законе сохранения им-

пульса (5.2.2) поверхностный интеграл в объемный, чтобы затем, действуя
по описанной в предыдущем параграфе общей схеме преобразования инте-
гральных законов, получить дифференциальную форму закона сохранения
(5.2.2). Для этого сначала найдем представление вектора pn напряжений
внутренних поверхностных сил.
154 Глава 5. Дифференциальные законы сохранения

5.2.2. Тензор напряжений. В этом пункте будет доказана теоре-

ма Коши о существовании тензора напряжений.

Теорема 2 (Основная теорема механики сплошной среды). Суще-

ствует тензорное поле P : D → T2 (R3 ) такое, что при всех (x, t, n) ∈
D×S
pn (x, t) = P (x, t) hni . (5.2.3)

Д о к а з а т е л ь с т в о. Зафиксируем произвольный ортонормирован-

ный базис {ei } в R3 и точку (x, t) ∈ D. Если мы покажем, что для любого
вектора ν = ν i ei ∈ S выполняется равенство

pν = ν i pei (5.2.4)
(мы опускаем аргументы (x, t) у функции pν (x, t)), то на S искомый тензор
P можно определить равенством (и опять (x, t) опускается)

P hνi = ν i pei .
Далее продолжим P с единичной сферы S на все пространство R3 по ли-
нейности:
¿ À
a
P hai = |a|P , a ∈ R3 .
|a|
Докажем справедливость равенства (5.2.4), используя интегральный за-
кон сохранения импульса, переписанный в виде (5.2.2).
Покажем сначала, что для любого ν ∈ S выполняется равенство

pν = −p−ν . (5.2.5)
Пусть Σ — плоскость с нормалью ν, проходящая через точку x ∈ Ωt ,
y ∈ Σ ∩ Ωt , B = B(y, ε) — шар в R3 с центром в точке y радиуса ε, целиком
лежащий в Ωt , B1 , B2 — части этого шара, на которые он разбивается
плоскостью Σ (B2 и ν лежат по одну сторону от Σ), β = ∂B1 ∩ ∂B2 = B ∩ Σ
(рис. 29).
Запишем закон (5.2.2) для объемов B1 , B2 , B, сложим первые два из
получившихся тождеств и вычтем третье:

³ ZZ ZZ ZZ ´ ³ ZZZ ZZZ ZZZ ´

¡ dv ¢
+ − pn dσ = + − ρ − f dω = 0.
dt
∂B1 ∂B2 ∂B B1 B2 B
§ 5.2. Закон сохранения импульса 155

Рис. 29. Обозначения, используемые при доказательстве

равенства (5.2.5)

В левой части этого равенства интегралы по границе шара B взаимно

уничтожаются, в оставшемся первом интеграле по β очевидно pn = pν , а
во втором — pn = p−ν . Таким образом,
ZZ h i
pν (y, t) + p−ν (y, t) dσ = 0.
β

Поскольку β — произвольный круг, целиком лежащий в Ωt ∩ Σ, а функция

pν (y, t) + p−ν (y, t) непрерывна, то из леммы 2 следует равенство (5.2.5).
Теперь докажем справедливость равенства (5.2.4). Пусть ν = ν i ei та-
ков, что все ν i отличны от нуля и, более того, положительны. Обозначим
через ∆ε тетраэдр, высекаемый из координатного угла (с началом в точке
x) плоскостью, проходящей через конец вектора x + εν ортогонально ν, а
также координатными плоскостями базиса, начало которого помещено в
точку x (рис. 30).
Пусть σε — грань тетраэдра, перпендикулярная ν, а σεi — грани, пер-
пендикулярные векторам ei соответственно. При достаточно малых ε этот
тетраэдр целиком лежит в Ωt . Применяя формулу (5.2.1) на ∆ε , получаем
 
ZZ 3 ZZ
X ZZZ µ ¶
  pn dσ = dv
+ ρ −f dω,
i=1 σ
dt
σε εi ∆ε
156 Глава 5. Дифференциальные законы сохранения

Рис. 30. Обозначения, используемые при доказательстве

равенства (5.2.4)

или, учитывая, что n = ν на σε и n = −ei на σεi ,

ZZ 3 ZZ
X ZZZ µ ¶
dv
pν dσ + p−ei dσ = ρ −f dω. (5.2.6)
i=1 σ
dt
σε εi ∆ε

Как легко видеть,

mes σε = ε2 · mes σ1 ,
mes σεi = ε2 · mes σ1i , (5.2.7)
mes ∆ε = ε3 · mes ∆1 ,
где mes σ — мера Лебега множества σ (в первых двух случаях плоская, т. е.
площадь, а в последнем — объемная).
Применим к (5.2.6) теорему о среднем значении:
3
X · µ ¶¸
dv
pν (θε , t) · mes σε + p−ei (θεi , t) · mes σεi = ρ −f (ϑε , t) · mes ∆ε ,
i=1
dt

где θε ∈ σε , θεi ∈ σεi , а ϑε ∈ ∆ε . Подставим (5.2.7) в последнее равенство,

разделим на ε2 и перейдем к пределу при ε → 0, учитывая, что pν (θε , t) →
pν (x, t), а p−ei (θεi , t) → p−ei (x, t) при ε → 0 (поскольку θε , θεi , ϑε → x при
ε → 0). Получим:
X3
mes σ1 pν + mes σ1i p−ei = 0,
i=1
§ 5.2. Закон сохранения импульса 157

или, учитывая (5.2.5),

3
X
mes σ1 pν − mes σ1i pei = 0.
i=1

Остается заметить, что

mes σ1i = mes σ1 · cos(ν, ei ) = mes σ1 · (ν, ei ) = ν i mes σ1 ,

и равенство (5.2.4) в случае ν i > 0 доказано. Остальные случаи, когда

ν i 6= 0, разбираются аналогично. Наконец, в случае, когда один или два
коэффициента ν i обращаются в нуль, равенство (5.2.4) следует из уже до-
казанного и непрерывности p.

Тензор P , существование которого утверждается в теореме, играет фун-

даментальную роль в механике сплошной среды и называется тензором
напряжений. Существование этого тензора позволяет преобразовать по-
верхностные интегралы в законах сохранения импульса и момента импуль-
са в объемные.

5.2.3. Закон сохранения импульса. В силу основной теоремы 2

имеет место равенство
ZZ ZZ
pn(x) (x, t) dσ = P (x, t) hn(x)i dσ,
∂ωt ∂ωt

или, в сокращенной записи,

ZZ ZZ
pn dσ = P hni dσ.
∂ωt ∂ωt

В силу же формулы Гаусса — Остроградского (4.4.7)

ZZ ZZZ
P hni dσ = div P dω.
∂ωt ωt

Поэтому интегральный закон сохранения импульса (5.2.2) может быть

переписан в виде
ZZZ · µ ¶ ¸
dv
ρ − f − div P dω = 0.
dt
ωt
158 Глава 5. Дифференциальные законы сохранения

Тогда из леммы 2 следует уравнение сохранения импульса:

dv
ρ = div P + ρf. (5.2.8)
dt
5.2.4. Закон сохранения момента импульса. Интегральный за-
кон сохранения момента импульса имеет следующий вид (см. п. 3.4.3 (IM)-
модкль):
ZZZ ZZZ ZZ
d
ρ(x × v) dω = ρ(x × f ) dω + (x × pn ) dσ. (5.2.9)
dt
ωt ωt ∂ωt

Преобразуем в этом равенстве поверхностный интеграл в объемный:

ZZ ZZ
[x × pn(x) (x, t)] dσ = [x × P (x, t) hn(x)i] dσ =
∂ωt ∂ωt
ZZ ZZZ
= A(x)◦P hn(x)i dσ = div (A(x)◦P ) dω.
∂ωt ωt

Здесь использованы формула Гаусса — Остроградского (4.4.7) и линейное

(антисимметричное) отображение A(x) из R3 в R3 , заданное в произволь-
ном ортонормированном базисе {ei } матрицей (4.2.18) и позволяющее пред-
ставить векторное произведение в виде (4.2.17). Поэтому закон сохранения
момента импульса (5.2.9) можно, используя формулу (5.2.1), переписать в
виде
ZZZ µ ¶ ZZZ ZZZ
dv
ρ x× dω − div (A(x)◦P ) dσ − ρ(x × f ) dω = 0.
dt
ωt ωt ωt

Применение леммы 2 к последнему равенству приводит к уравнению со-

хранения момента импульса
µ ¶
dv
ρ x× = div (A(x)◦P ) + ρ(x × f ). (5.2.10)
dt
Если теперь, воспользовавшись уравнением импульса (5.2.8), подста-
вить в (5.2.10) выражение div P + ρf вместо ρdv/dt, то получится более
простая форма уравнения момента импульса:

div (A(x)◦P ) = x × div P. (5.2.11)

§ 5.2. Закон сохранения импульса 159

5.2.5. Симметричность тензора напряжений. Оказывается, что

уравнение (5.2.11) эквивалентно условию симметричности тензора напря-
жений.

Теорема 3 (О симметричности тензора напряжений). Уравнение

момента импульса ( 5.2.11) выполнено в том и только том случае, когда
тензор напряжений P симметричен: P = P ∗ .

Д о к а з а т е л ь с т в о. Пусть выполнено уравнение (5.2.11), а {ei } —

произвольный ортонормированный базис. Используя определение дивер-
генции тензора, свойства дифференцирования композиции отображений и
определение A, преобразуем левую часть равенства (5.2.11):
¯
d ¡ ­ i ®¢¯
div (A(x)◦P (x, t)) = A(x + sei )◦P (x + sei , t) e ¯¯ =
ds s=0
µ ¯ ¶
d ¯ ­ ­ ®®
= A(x + sei )¯¯ P (x, t) ei +
ds s=0
¿µ ¯ ¶ À
d ¯ ­ i®
+A(x) ¯
P (x + sei )¯ e =
ds s=0
­ ­ ®® ­ ®
= A(ei ) P (x, t) ei + A(x) hdiv P (x, t)i = ei × P ei + x × div P.
Поэтому в силу (5.2.11) ­ ®
ei × P ei = 0.
Последнее возможно только в случае симметричности тензора P . В самом
деле, ­ ® ­ ­ ®®
0 = ei × P ei = A(ei ) P ei =
     
0 0 0 p11 0 0 1 p21
=  0 0 −1   p12  +  0 0 0   p22  +
0 1 0 p13 −1 0 0 p23
    
0 −1 0 p31 p23 − p32
+ 1 0 0   p32  =  p31 − p13  = 0,
0 0 0 p33 p12 − p21
что означает симметричность P .
Поскольку все преобразования и рассуждения в приведенном выше до-
казательстве обратимы, обратное заключение также верно.
160 Глава 5. Дифференциальные законы сохранения

Таким образом, уравнение (5.2.11) и условие симметричности тензо-

ра напряжений эквивалентны. Поэтому в результирующую систему диф-
ференциальных уравнений, которую мы выводим, обычно вставляют не
уравнение (5.2.11), а требование симметричности тензора напряжений.

ЗАДАЧИ
5.2.1. Записать в развернутой форме уравнение сохранения импульса
(5.2.8).
5.2.2. Пусть в ортонормированном базисе {ei } в R3 тензор напряжений
P в некоторой точке x представляется матрицей
 
−2 0 −4
P = 0 0 5 . (5.2.12)
−4 5 −6

Определить вектор напряжений pn (x) на площадке с единичным вектором

3 4
нормали n = − e1 + e3 .
5 5
5.2.3. Пусть в ортонормированном базисе {ei } в R3 тензор напряжений
P в некоторой точке x представляется матрицей
 
7 0 −2
P = 0 5 0 . (5.2.13)
−2 0 4

Определить вектор напряжений pn (x) на площадке с единичным вектором

2 2 1
нормали n = e1 − e2 + e3 .
3 3 3
5.2.4.Пусть в ортонормированном базисе {ei } в R3 тензор напряжений
P в некоторой точке x представляется матрицей
 
6 0 −3
P = 0 5 0 . (5.2.14)
−3 0 4

Определить вектор напряжений pn (x) на площадке с единичным вектором

2 2 1
нормали n = e1 − e2 + e3 .
3 3 3
§ 5.3. Уравнение притока тепла 161

§ 5.3. Уравнение притока тепла

5.3.1. Вектор потока тепла. Наконец, обратимся к последнему
уравнению в модели (IM) — интегральному закону сохранения энергии:
ZZZ µ ¶ ZZZ ZZ ZZ
d 1 2
ρ |v| + U dω = ρv · f dω + v · pn dσ + qn dσ.
dt 2
ωt ωt ∂ωt ∂ωt

Следующая теорема вводит «энергетический аналог» тензора напряже-

ний — вектор потока тепла.

Теорема 4 (О существовании вектора потока тепла). Существует

векторное поле q : D → R3 такое, что в каждой точке (x, t) ∈ D для
любой нормали n ∈ S плотность qn потока тепла через элементарную
площадку с нормалью n задается формулой

qn (x, t) = −q · n. (5.3.1)

Д о к а з а т е л ь с т в о представляет собой почти дословное повторение

доказательства теоремы 2. Изменения связаны только с тем фактом, что
qn , в отличие от pn , является скалярной, а не векторной функцией. Кроме
того, в определении вектора потока тепла (5.3.1) фигурирует знак «−», ко-
торый, очевидно, не влияет на доказательство и взят лишь для того, чтобы
вектор q показывал истинное направление переноса тепловой энергии: n —
орт внешней нормали к границе ∂ω объема ω, в который вносится поток
тепла с плотостью qn .

5.3.2. Тензор скоростей деформации. Наличие вектора потока

тепла позволяет, как и выше, преобразовать уравнение баланса энергии к
дифференциальной форме. Для его описания нам потребуется новое поня-
тие.
Тензором скоростей деформации сплошной среды называется следую-
щий тензор второго ранга:
· µ ¶∗ ¸
1 ∂v(x, t) ∂v(x, t)
D= + . (5.3.2)
2 ∂x ∂x
Этот тензор наряду с тензором напряжений играет фундаментальную роль
в механике сплошной среды и будет более подробно изучаться позднее.
162 Глава 5. Дифференциальные законы сохранения

5.3.3. Уравнение притока тепла. В силу (5.3.1) и формулы Гаус-

са — Остроградского (4.4.6) получим:
ZZ ZZ ZZZ
qn dσ = − q · n dσ = − div q dω
∂ωt ∂ωt ωt
и ZZ ZZZ
v · pn dσ = div (P hvi) dω.
∂ωt ωt

Поэтому интегральный закон сохранения энергии переписывается с учетом

формулы (5.2.1) в виде
ZZZ · µ ¶ ¸
d 1 2
ρ |v| + U − div (P hvi) − ρv · f + div q dω = 0.
dt 2
ωt

Применение леммы 2 к последнему равенству приводит к уравнению

µ ¶
d 1 2
ρ |v| + U − div (P hvi) − ρv · f + div q = 0. (5.3.3)
dt 2

Теперь воспользуемся тем, что

d 2 dv
|v| = 2v · , (5.3.4)
dt dt
а
div (P hvi) = v · div P + P : D. (5.3.5)
Докажем последнее равенство. Как легко видеть,

∂ (P hvi) ∂P (x, t) ∂v(x, t)

= hv(x, t)i + P (x, t)◦ .
∂x ∂x ∂x
Далее (напомним, что тензор P симметричен)

µ ¶ µ ¶j µ ¶j µ ¶j
∂v i ∂v 1 i ∂v 1 i ∂v
tr P ◦ = Pj = Pj + P =
∂x ∂x i 2 ∂x i 2 j ∂x i

µ ¶j µ ¶i µ ¶j ·µ ¶∗ ¸j
1 ∂v 1 ∂v 1 ∂v 1 ∂v
= Pji + Pij = Pji + (P ∗ )ij =
2 ∂x i 2 ∂x j 2 ∂x i 2 ∂x i
§ 5.3. Уравнение притока тепла 163

µ ¶j ·µ ¶∗ ¸j · µ ¶∗ ¸j
1 i ∂v 1 ∂v 1 i ∂v ∂v
= P + Pji = Pj + =
2 j ∂x i 2 ∂x i 2 ∂x ∂x i

= Pji Dij = (P ∗ )ij Dij = P : D,

а µ ¶ µ ¯ ¶
∂P d ¯
tr hvi = ei · P (x + sei ) hvi¯¯ =
∂x ds s=0

µ ¯ ¶ µ ¯ ¶
d ¯ d ∗ ¯ ­ i®
= ei · P (x + sei )¯¯ hvi = v · P (x + sei )¯¯ e =
ds s=0 ds s=0
µ ¯ ¶
d ¯ ­ i®
=v· ¯
P (x + sei )¯ e = v · div P.
ds s=0

Таким образом, равенство (5.3.5) действительно выполняется.

Используя равенства (5.3.4), (5.3.5), перепишем уравнение (5.3.3)
µ ¶
dv dU
ρ v· + − v · div P − P : D − ρv · f + div q = 0
dt dt
и исключим из последнего с помощью уравнения сохранения импуль-
са (5.2.8) член с производной dv/dt. В результате получим более простую
форму уравнения притока тепла (5.3.3):

dU
ρ = P : D − div q. (5.3.6)
dt

ЗАДАЧИ

5.3.1. Записать в развернутой форме уравнение притока тепла (5.3.6).

164 Глава 5. Дифференциальные законы сохранения

§ 5.4. Дифференциальная модель

сплошной среды
Если выполнены предположения гладкости, описанные в п. 5.1.1, то на
D определены тензорное поле P симметричных тензоров напряжений и
векторное поле q потока тепла такие, что интегральная модель (IM) экви-
валентна следующей дифференциальной модели:

 dρ

 + ρdiv v = 0,

 dt



dv
ρ = div P + ρf, (DM)

 dt




 ρ dU = P : D − div q.

dt

Построенная модель (DM) обладает двумя существенными недостат-

ками. Во-первых, она все еще непомерно сложна, поскольку описывает
очень широкий класс сплошных сред — от газов до твердых тел. При та-
ком уровне общности вряд ли возможно вывести сколько-нибудь содер-
жательные утверждения о сплошной среде. И, во-вторых, что еще более
существенно, данная модель незамкнута в том смысле, что число урав-
нений в ней меньше числа неизвестных. В самом деле, в данной модели
пять скалярных уравнений. В то же время она содержит два скалярных
неизвестных (ρ и U ), два векторных (трехмерных) неизвестных (v и q) и
одну тензорную неизвестную величину P . В силу требования симметрич-
ности тензора P он описывается шестью скалярными параметрами. Таким
образом, модель (DM) содержит 14 скалярных неизвестных. Поэтому она
должна быть дополнена уравнениями, учитывающими конкретные свой-
ства той или иной сплошной среды. Такие уравнения называются опреде-
ляющими.
Глава 6.

ТЕРМОДИНАМИКА СПЛОШНОЙ СРЕДЫ

Для того, чтобы научиться выводить определяющие уравнения, мы

должны уметь описывать термодинамические характеристики сплошной
среды. Основное понятие, которым оперирует термодинамика, — понятие
состояния сплошной среды [14, 22, 23, 32]. Математически оно описыва-
ется введением параметров состояния. С некоторыми из этих параметров
мы уже сталкивались. Это, например, удельная плотность ρ и внутренняя
энергия U . Ниже мы встретимся с абсолютной температурой, энтропией
и давлением. Разумеется, набор параметров зависит от рассматриваемых
сред, моделей и задач исследования. Например, в некоторых случаях удоб-
но считать параметром состояния тензор напряжений или тензор скоростей
деформации и т. д. К их изучению мы и приступаем.

§ 6.1. Первое начало термодинамики

6.1.1. Термодинамические эффекты в сплошных средах. Фи-

зический опыт показывает, что сплошные среды не представляют собой
чисто механическое явление. В частности, в процессе эволюции сплошной
среды (изменения параметров, ее характеризующих) происходят превра-
щения одних видов энергии в другие (например, удлинение металлов при
нагревании, нагревание газов при сжатии и т. п.).
Термодинамика — это раздел физики, в котором изучаются связи меж-
ду тепловой и другими видами энергии. В первую очередь нас будут ин-
тересовать связи между тепловой и механической энергиями. Если быть
более точными, то мы будем заниматься изучением не термодинамики, а
термостатики, поскольку на первом этапе будем описывать на языке ма-
тематики лишь термодинамически равновесные (не изменяющиеся со вре-
менем) состояния сплошной среды. Для описания неравновесных тепловых
процессов мы с помощью специальной аксиомы позволим термодинамиче-
ским параметрам изменяться во времени.
166 Глава 6. Термодинамика сплошной среды

6.1.2. Параметры состояния. Начнем с выяснения понятий, ле-

жащих в основе термодинамики и тем самым всей механики сплошной
среды, а именно понятий состояния системы и параметров состояния.
Будем говорить, что состояние нашей системы (например, некоторого объ-
ема сплошной среды) задано, если заданы значения некоторых параметров
µ1 , µ2 , . . . , µn , которыми полностью определяются все интересующие нас
характеристики системы (среды). Определяющие параметры µi , которые
могут принимать вообще в некоторых диапазонах произвольные значения,
называются параметрами состояния.
Если состояние среды характеризуется набором параметров состояния
µ = {µ1 , . . . , µk }, то множество P всех допустимых наборов µ, в которых
может находиться среда, называется пространством состояний. Обыч-
но пространство состояний — это многообразие. Его размерность dim P
(т. е. минимальное количество числовых параметров, с помощью которых
это многообразие может быть параметризовано) определяет фактическое
число параметров состояния сплошной среды: если dim P = k, то среда
называется k-параметрической. Таким образом, мы считаем, что (при со-
ответствующей параметризации) конкретная сплошная среда полностью
характеризуется набором µ параметров состояния. Разным состояниям тер-
модинамических систем очевидно будут соответствовать разные точки про-
странства состояний. Набор параметров состояния и их число различны
для различных моделей сплошных сред.
Постараемся дать ответ на вопрос, что значит знать состояние среды?
Ответ может быть таким. Все тела состоят из атомов и молекул, и если
в каждый момент времени известно положение и движение всех элемен-
тарных частиц, составляющих тело, то известно и состояние всего тела.
Однако этот ответ не может нас удовлетворить. В самом деле, если мы
хотим задать состояние одного кубического сантиметра покоящегося воз-
духа, то нам надо задать 3 · 27 · 1019 функций от времени — координат
молекул (считаемых материальными точками), содержащихся в этом объ-
еме, так как молекулы даже покоящегося газа движутся. В то же время
известно, что с макроскопической точки зрения во многих случаях состо-
яние покоящегося воздуха (и других газов) определяется заданием всего
только двух параметров — давления p и плотности ρ.
Макроскопическая точка зрения — это точка зрения, в которой учиты-
ваются процессы, эффекты и свойства, существенные только для конечных
тел. Существенность определяется постановкой задачи, разумностью и це-
лесообразной точностью принятых измерений и определений.
Переход от большого числа параметров, определяющих состояние сре-
ды, рассматриваемой как дискретная система, к меньшему числу парамет-
§ 6.1. Первое начало термодинамики 167

ров, подобных p и ρ для газа и определяющих макроскопическое состояние

среды, составляет важнейший предмет физики жидкостей, газов и твердых
тел. Разрешение этой проблемы всегда связано с дополнительными гипо-
тезами — законами вероятностной и другой природы, гипотезами, которые
должны проверяться и черпаться в опытах и наблюдениях.
Макроскопические параметры могут строиться как статистические
средние, вычисленные при некоторых допущениях по отношению к сово-
купностям большого числа молекул, движущихся и расположенных вооб-
ще произвольно. Например, в газах макроскопическую скорость v можно
вводить как скорость центра тяжести совокупности молекул в физически
малом объеме; температуру T — как среднюю энергию хаотического дви-
жения атомов и молекул относительно макроскопического движения, при-
ходящуюся на одну степень свободы; напряжение pn на некоторой площад-
ке — как среднюю характеристику импульса, переносимого молекулами
через эту площадку при их хаотическом движении.
В общем случае определяющие параметры вводятся для определенных
рассматриваемых классов задач с помощью гипотез, при этом опираются
на опытные данные и теоретические исследования. Во многих сложных
случаях проблема введения определяющих параметров еще открыта и яв-
ляется предметом исследования, например, для моделей вязко-пластичес-
ких твердых тел, для неравновесных явлений в усложненных физических,
химических или биологических системах, в различного рода явлениях, со-
провождаемых излучением, и во многих других проблемах.

6.1.3. О числе параметров состояния для сплошных сред.

Внутреннее состояние малой частицы материального континуума можно
характеризовать конечным и гораздо меньшим числом определяющих па-
раметров, чем дискретную систему элементарных частиц. Например, внут-
реннее состояние частицы твердого деформируемого тела в классической
теории упругости характеризуется только семью переменными парамет-
рами — шестью компонентами тензора деформаций E и температурой T ,
а также постоянными для данной конкретной среды физическими кон-
стантами — модулем Юнга, коэффициентом Пуассона и теплоемкостью.
Вместе с тем не исключается возможность того, что число параметров,
определяющих состояние даже бесконечно малой частицы континуума, в
какой-нибудь модели континуума (сплошной среде) будет бесконечным.
Примерами такого рода моделей являются модели тел с наследствен-
ностью. При введении таких моделей считают, что напряжения зависят
не только от деформаций и температуры в данный момент, но от всей
предыстории деформирования тела, т. е. от функций тензора деформаций
168 Глава 6. Термодинамика сплошной среды

E(t) и температуры T (t). Это равносильно утверждению, что напряжения

зависят от E, T и всех их производных по времени, т. е. число параметров
состояния таких сред бесконечно. Другим, более сложным примером могут
служить континуумы, встречающиеся в кинетических теориях, развивае-
мых в статистической физике, например, газ, описываемый уравнением
Больцмана. Однако такого рода модели сложны, и опыт теории и прак-
тики показывает, что в большинстве практически важных случаев для
задания малой частицы можно обойтись конечным и вообще небольшим
числом параметров. В сложных кинетических теориях при построении ре-
шений также часто применяются приближенные методы, равносильные с
физической точки зрения переходу к моделям с конечным числом степеней
свободы для бесконечно малых частиц.
Заметим, что для определения состояния конечного объема сплошной
среды нужно, вообще говоря, всегда задавать функции (а не числа) —
распределение деформаций, температуры и т. д. Задание функции равно-
сильно заданию бесконечного числа параметров (например, коэффициен-
тов Фурье для этой функции). Поэтому число определяющих параметров
для конечного объема в общем случае для любых моделей сплошных сред
всегда бесконечно.
Однако в малом все функции, задающие состояние тела, можно при-
ближенно считать линейными, либо квадратичными, либо полиномами не
очень высокой степени. Поэтому коэффициенты этих полиномов образуют
конечное число параметров, задающих состояние бесконечно малых эле-
ментов сплошной среды. При построении механики сплошной среды беско-
нечно малые частицы рассматриваются как термодинамические системы,
для которых определены механические понятия о положении и характери-
стиках движения, а также физические понятия о внутреннем состоянии.
Примем, что для бесконечно малой частицы существует конечная систе-
ма характеристик — определяющих параметров, задаваемых в употребля-
емой системе координат и системе единиц измерения числами. Некоторые
из этих параметров могут быть геометрическими или механическими, как,
например, пространственные координаты, скорость, плотность, характери-
стики деформации и т. п., а другие — физическими или химическими, как,
например, температура, концентрации различных компонент, параметры
структуры, фазовые характеристики вещества, коэффициенты теплопро-
водности, вязкости, модули упругости и т. д.
§ 6.1. Первое начало термодинамики 169

6.1.4. Полная система определяющих параметров. Условимся

через µi обозначать параметры, которые в принятой системе отсчета могут
быть переменными, а через k i — физические постоянные. По определению
для фиксированной малой частицы величины µ1 , µ2 , . . . , µn , k 1 , k 2 , . . . , k m
образуют базис (полную систему определяющих параметров), т. е. они мо-
гут быть заданы независимо и в известных диапазонах произвольно, а их
набор обладает свойством, что все другие рассматриваемые в данном клас-
се задач характеристики состояний и движений можно выразить в универ-
сальной, не зависящей от частной конкретной задачи, форме через них.
Например, плотность и температура для частицы газа в известных преде-
лах могут быть заданы произвольно, а другие термодинамические функ-
ции, например, энтропия и давление, определяются через них.
Следует различать систему определяющих параметров в данной кон-
кретной задаче и систему параметров, определяющих состояние среды.
В первом случае это система параметров, характеризующих условие за-
дачи, выделяющая единичное глобальное явление для конечных тел на
основании системы уравнений и добавочных краевых и других условий;
во втором — это характеристики состояния, для которых необходимо со-
ставить уравнения, выполняющиеся для всевозможных конкретных задач,
процессов. Фиксирование системы параметров, определяющих физическое
состояние элементов среды, является важным и в логическом смысле пер-
воначальным этапом в определении модели сплошной среды, предназна-
чаемой для описания движения некоторой реальной среды при некоторых
определенных классах внешних условий.
С математической точки зрения параметры состояния µ1 , µ2 , . . . , µn ,
k , k , . . . , k m представляют собой аргументы функций, входящих в за-
1 2

мкнутую систему уравнений, описывающих поведение среды. Эти функции

могут зависеть от разного набора независимых переменных, и в соответ-
ствии с этим система определяющих параметров, фиксирующих данную
модель сплошной среды, может составляться из разных величин. Напри-
мер, в случае газа это могут быть или p и ρ, или p и T , или ρ и T и т. п.
С физической же точки зрения эти различные системы определяющих
параметров для данной модели сплошной среды могут оказаться неравно-
правными. В заданиях внутренней энергии как функции ρ и энтропии S
или p и ρ содержится разное количество информации. При введении систе-
мы определяющих параметров необходимо подразумевать и иметь в виду
систему величин и характеристик, которые рассматриваются как опреде-
ляемые величины. Очевидно, что система определяющих параметров по
своему числу и составу для различных определяемых величин может быть
вообще различной.
170 Глава 6. Термодинамика сплошной среды

6.1.5. Процессы и циклы. Для любых µ1 , µ2 ∈ P обозначим че-

рез CP (µ1 , µ2 ) множество всех путей (ориентированных (направленных)
кривых, лежащих в P), ведущих из µ1 в µ2 , а через
[
CP = {CP (µ1 , µ2 ) : µ1 , µ2 ∈ P}

множество всех путей на P. В CP выделяется некоторое подмножество EP

путей, называемых процессами. Процессы отвечают физически реализуе-
мым процессам перехода сплошной среды из состояния µ1 в состояние µ2 .
Процесс ε(µ1 , µ2 ) ∈ EP называется обратимым, если путь ε(µ2 , µ1 ), иду-
щий по той же кривой (в противоположном направлении), также есть про-
цесс. В противном случае процесс ε(µ1 , µ2 ) необратим. Например, процесс
диффузии тепла по металлическому стержню, нагретому с одного конца,
необратим, а процесс сжатия газа в цилиндре обратим.
Особое значение имеют физически реальные процессы, т. е. процессы,
в которых в рамках применяемой модели последовательность состояний
может осуществляться с течением времени. В зависимости от внешних
и внутренних взаимодействий можно рассматривать различные реальные
процессы. Процессы могут быть непрерывными, когда совокупность состо-
яний µ1 , µ2 , . . . , µn для данной частицы образует в пространстве состояний
непрерывную кривую. В теории встречаются также процессы с разрыва-
ми значений параметров состояния µ1 , µ2 , . . . , µn и, в частности, разрывные
процессы, составленные из участков непрерывных кривых в пространстве
состояний.
Между двумя данными одними и теми же состояниями можно прово-
дить много различных процессов, как непрерывных, так и разрывных. Се-
мейство кривых, отвечающих реальным процессам, которые могут
обусловливаться разнообразными внешними условиями, обладает, вообще
говоря, большим произволом.
Число изменяемых параметров и их характер для различного рода
процессов могут быть разными. Например, процессы могут быть чисто
механическими, когда все параметры немеханической природы сохраняют
постоянные значения.
Процесс, в результате которого система возвращается в пространстве
состояний к своему первоначальному положению, называется циклом.
В случае непрерывных процессов циклу в пространстве состояний соот-
ветствует замкнутая кривая.
Можно зафиксировать некоторое состояние A и рассматривать всевоз-
можные непрерывные циклы, проходящие через состояние A и некоторое
состояние B. Различным процессам или циклам соответствуют различные
§ 6.1. Первое начало термодинамики 171

внешние условия. Это проявляется в том, что уравнения, определяющие

µ1 , µ2 , . . . , µn , содержат функции, которые могут быть различными, ими
можно распоряжаться и тем самым влиять на рассматриваемые процессы.
6.1.6. О взаимодействии системы с внешними объектами. Со-
вершая некоторый процесс, система в общем случае взаимодействует
с внешними телами и полями. Основная задача при построении моделей
сплошных сред состоит в установлении законов и механизмов взаимодей-
ствия выделенной частицы сплошной среды с внешними по отношению к
ней телами и полями, в частности с соседними частицами той же самой
среды. Для приложений в механике сплошной среды необходимы макро-
скопические соотношения с малым числом определяющих параметров. При
построении моделей сплошных сред всегда в том или ином виде требует-
ся формулировать и использовать феноменологические гипотезы, которые
после проверки их полезности для описания наблюдений в опытах называ-
ются законами природы.
В механике сплошной среды большое значение имеет учет энергооб-
мена между данной частицей (термодинамической системой) и соседними
частицами, внешними телами и внешним полем. Понятие об энергии тесно
связано с представлениями о различных видах энергии. Это может быть
кинетическая энергия частиц, потенциальная энергия, связанная с отно-
сительным расположением частиц, тепловая энергия, электромагнитная
энергия, энергия химических связей и некоторые другие виды энергии.
Рассмотрим систему, которая характеризуется конечным числом опре-
деляющих параметров, например, бесконечно малую частицу сплошной
среды или конечный объем V при условии, что все частицы этого объе-
ма совершают одинаковые процессы (параметры состояния в этом случае
постоянны по объему).
Будем подразумевать, что по характеристикам внутреннего состояния
частицы µ1 , µ2 , . . . , µn и их бесконечно малых изменений
dµ , dµ , . . . , dµn можно судить о различных суммарных макроскопических
1 2

притоках энергии к частице извне. Данные об этих притоках в зависи-

мости от элементарного процесса за счет приращений нужно рассматри-
вать как описание свойств модели, которое составляет важнейшую часть
ее конструктивного построения. Естественно, что вместо этих данных о
свойствах различных энергопритоков к частице извне в качестве данных,
входящих в определение модели, можно выбирать и другие, из которых
эти сведения об энергообмене можно получить с помощью некоторой цепи
универсальных или частных для данной модели соотношений.
172 Глава 6. Термодинамика сплошной среды

В механике до последнего времени важное значение имели приток энер-

гии к частице механической природы, т. е. работа внешних макроскопиче-
ских объемных или массовых и поверхностных внешних сил над частицей,
и приток тепловой энергии, который частица может получать за счет теп-
лопроводности, излучения, химических превращений, течения электриче-
ского тока и других механизмов. В настоящее время во многих случаях
требуется учитывать электромагнитные взаимодействия; возникает необ-
ходимость рассматривать энергообмен частицы с внешней средой за счет
более сложных механизмов взаимодействия, таких, например, как работа
распределенных поверхностных пар, энергообмен за счет структурных и
фазовых превращений и т. п.
Для некоторого процесса dµ1 , dµ2 , . . . , dµn полный внешний приток
энергии к малой частице можно представить в виде dA(e) + dQ(e) + dQ∗ ,
где dA(e) — работа внешних макроскопических массовых и поверхностных
сил, dQ(e) — приток тепла, dQ∗ — внешний приток энергии к частице, кото-
рый возникает за счет различных механизмов взаимодействия, отличных
от работы макроскопических сил и теплообмена, например, за счет взаимо-
действия с электромагнитным полем при учете энергии, затрачиваемой на
намагничивание и электрическую поляризацию среды, и других причин.
Для элементарной работы внешних сил в соответствии с основным
смыслом системы определяющих параметров и в связи с рядом допущений,
которые входят в определение модели сплошной среды, для бесконечно
малого элементарного процесса, соответствующего изменению параметров
dµ1 , dµ2 , . . . , dµn , можно написать формулу вида
¡ ¢
dA(e) = Pi µ1 , µ2 , . . . , µn , k 1 , k 2 , . . . , k m dµi .

В этой формуле работа внешних сил dA(e) представлена через внутренние

параметры рассматриваемой частицы и их приращения. Вид функций Pi
по своему существу связан с формулировкой основных постулатов, необ-
ходимых для определения модели.

6.1.7. Закон сохранения энергии — первое начало термоди-

намики. Допустим, что имеется процесс, протекающий в пространстве
состояний по кривой L1 от точки A со значениями параметров состояния
µi0 до точки B со значениями параметров µi (рис. 31). Введем понятие пол-
ного притока энергии, который система получает извне в этом процессе.
Он равен Z Z
A(e) + Q∗ = Pi dµi + Qi dµi (6.1.1)
AB(L1 ) AB(L1 )
§ 6.1. Первое начало термодинамики 173

Рис. 31. К закону сохранения энергии

и, на первый взгляд, должен зависеть от процесса, т. е. от пути интегри-

рования L1 в пространстве состояний.
Первое начало термодинамики, или закон сохранения энергии, мож-
но сформулировать как невозможность осуществления вечного двигателя
первого рода, т. е. циклически работающей машины, которая могла бы слу-
жить источником полезной энергии, без использования какого-либо внеш-
него по отношению к этой машине источника энергии. Это утверждение
следует рассматривать как закон, подтверждающийся всеми известными
опытными данными.
Пусть теперь система совершает цикл, например C. Тогда первое
начало термодинамики, или закон сохранения энергии, сводится к утвер-
ждению, что полный приток энергии, поступающий извне к системе, со-
вершающей любой осуществимый цикл, равен нулю, т. е.
I
(Pi + Qi )dµi = 0. (6.1.2)
C

Отсюда непосредственно вытекает, что полный приток энергии (6.1.1)

к системе извне не зависит от процесса L1 , а зависит только от начального
и конечного состояний системы. В самом деле, введем между состояниями
A и B, кроме рассматриваемого произвольного процесса L1 , еще и дру-
174 Глава 6. Термодинамика сплошной среды

гой процесс L2 и процесс L, протекающий от состояния B к состоянию A.

Процессы L1 L и L2 L образуют замкнутые циклы, и из закона сохранения
энергии сразу следует, что
Z Z Z
A + Q = (Pi + Qi )dµ = (Pi + Qi )dµ = − (Pi + Qi )dµi .
(e) ∗ i i

L1 L2 L

Поэтому, если начальное состояние A системы фиксировано, то для всех

осуществимых процессов полный приток энергии к системе извне зависит
только от конечного состояния системы, т. е.

A(e) + Q∗ = E(µ1 , . . . , µk ) − E(µ10 , . . . , µk0 ),

где E — однозначная функция параметров состояния системы, называе-

мая ее полной энергией. Таким образом, из первого закона термодинамики
следует, что существует функция состояния E(µ1 , . . . , µk ), полный диффе-
ренциал которой для осуществимых процессов равен сумме элементарных
работ внешних массовых и поверхностных макроскопических сил dA(e) и
элементарных притоков к системе извне других видов энергии:

dE = dA(e) + dQ∗ = (Pi + Qi )dµi .

Полная энергия системы E(µ1 , . . . , µk ) определена с точностью до ад-

дитивной постоянной — значения E в начальном состоянии системы A.
Если внешние притоки энергии к системе известны, то первое начало
термодинамики (6.1.2) может служить основой для определения полной
энергии системы E. Наоборот, если энергия откуда-либо известна, то за-
кон сохранения энергии можно использовать для выяснения механизма
взаимодействия рассматриваемой частицы с внешними телами, т. е. для
определения dA(e) + dQ∗ .

6.1.8. Внутренняя энергия системы. Удельная внутренняя энер-

гия системы U определяется с точностью до аддитивной постоянной и су-
ществует для каждой термодинамической системы. Удельная внутренняя
энергия U не зависит явно от пространственных координат и времени, если
пространство и время можно считать однородными. Свойство однородно-
сти означает, что во всех точках пространства и во все моменты времени
при одинаковых внешних условиях в данной термодинамической системе
процессы протекают одинаково.
Полную энергию и внутреннюю энергию можно вводить как для всего
тела в целом, так и для отдельных его частей. Внутренняя энергия конеч-
§ 6.1. Первое начало термодинамики 175

ной части тела или тела в целом, вообще говоря, не обладает свойством
аддитивности, т. е. внутренняя энергия тела в целом не равна сумме внут-
ренних энергий составляющих это тело частей. Однако во многих случаях
внутреннюю энергию можно считать аддитивной, в частности, так будет
для воды в тех случаях, когда не нужно учитывать поверхностное натя-
жение, или для упругого тела, подчиняющегося закону Гука.
Универсальное соотношение, выражающее собой закон сохранения энер-
гии, можно представить в виде

dE + dU = dA(e) + dQ∗ + dQ∗∗ ,

где dU — изменение внутренней энергии рассматриваемого тела, dE — из-

менение его кинетической энергии, dA(e) — элементарная работа внешних
макроскопических сил, dQ∗ — элементарный приток тепла к телу извне,
dQ∗∗ — элементарный приток к телу извне других, отличных от работы
макроскопических механических сил, нетепловых видов энергии.
6.1.9. Термодинамическое равновесие. Термодинамически рав-
новесным состоянием системы называется такое состояние, в котором все
характеристики внутреннего состояния системы (в том числе и механиче-
ские) при сохранении внешних условий могут сколь угодно долго
сохранять свои значения. В пространстве состояний состояние термоди-
намического равновесия изображается точкой.
Если среди определяющих параметров имеются субстанциональные про-
изводные по времени, то в состоянии равновесия эти производные равны
нулю.
Термодинамические процессы могу протекать как быстро, так и мед-
ленно. Можно рассматривать предельный случай процесса, протекающего
столь медленно, что скорости изменения всех параметров в нем бесконеч-
но малы. В пространстве состояний такой процесс изображается кривой,
каждая точка которой является точкой равновесия. Бесконечно медленные
процессы, в которых каждое промежуточное состояние является состояни-
ем равновесия, называются равновесными. В соотношениях, описывающих
равновесные процессы, несущественна величина скорости изменения пара-
метров, однако направление изменения определяющих параметров в рав-
новесном процессе может быть существенным.
Процессы, протекающие с конечными скоростями (если скорости ока-
зывают влияние на физические связи), называются неравновесными.
Процесс, протекающий от некоторого состояния A к состоянию B, назы-
вается обратимым, если для каждого промежуточного состояния все урав-
нения для бесконечно малых приращений параметров удовлетворяются
176 Глава 6. Термодинамика сплошной среды

также при замене знаков этих приращений на обратные. Таким

образом, если некоторая последовательность состояний образует в про-
странстве состояний обратимый процесс, то эту последовательность систе-
ма может проходить как в прямом, так и в обратном направлении, причем
соответствующие каждому элементу пути внешние притоки энергии dA(e) ,
dQ∗ и dQ∗∗ в прямом и обратном процессе отличаются только знаками. Ес-
ли процесс не обладает таким свойством, то он называется необратимым.

§ 6.2. Энтропия. Второе начало

термодинамики
Рассмотрим теперь второй закон термодинамики, который, так же как
и первый закон, представляет собой универсальное утверждение, подтвер-
ждаемое всеми известными опытными данными и всеми теоретическими
представлениями о механизмах физических явлений. Второй закон тер-
модинамики утверждает, что невозможно устройство, которое переводило
бы тепло от тела с меньшей температурой к телу с большей температурой
без каких-либо изменений в других телах. Второй закон термодинамики
можно еще сформулировать так: нельзя построить так называемый веч-
ный двигатель второго рода, т. е. машину, которая, работая в согласии с
первым законом термодинамики по некоторому циклу, периодически со-
вершала бы работу только за счет охлаждения некоторого одного и того
же источника тепла с фиксированной температурой (отбор тепла из резер-
вуара с постоянной температурой).
Как было установлено в п. 4.1.7, первый закон термодинамики посту-
лирует взаимный переход механической и тепловой энергии одной в дру-
гую. Соотношение, выражающее переход тепла и работы в кинетическую
и внутреннюю энергии во время термодинамического процесса, заключе-
но в уравнении энергии. Однако первый закон оставляет без ответа во-
прос, является ли этот переход обратимым или необратимым. Все реальные
процессы необратимы, но обратимые процессы представляют собой очень
полезную идеализацию, так как во многих ситуациях диссипацию энер-
гии можно считать пренебрежимо малой. Основной критерий необратимо-
сти содержится во втором законе термодинамики, который устанавливает
некоторые ограничения на производство энтропии.
Второй закон термодинамики постулирует существование двух различ-
ных функций состояния — абсолютной температуры Θ и энтропии S,
свойства которых будут указаны ниже. Абсолютная температура Θ — по-
ложительная величина, которая является функцией только эмпирической
§ 6.2. Энтропия. Второе начало термодинамики 177

температуры. Считаем, что энтропия обладает свойством аддитивности,

т. е. что полная энтропия системы равна сумме энтропии ее частей. В ме-
ханике сплошной среды вводят удельную энтропию (на единицу массы)
или плотность энтропии
R s, в результате чего полная энтропия S становит-
ся равной интегралу ρsdV . Энтропия системы может меняться либо из-за
V
взаимодействия с окружающей средой, либо за счет изменений, которые
происходят внутри самой системы, поэтому можно написать

ds = ds(e) + ds(i) ,

где ds — приращение удельной энтропии, ds(e) — приращение, вызванное

взаимодействием с внешней средой, a ds(i) — внутреннее изменение. При-
ращение ds(i) никогда не бывает отрицательным. Оно равно нулю при об-
ратимых процессах и положительно при необратимых.
6.2.1. Количество теплоты. Количество теплоты Q, или тепло-
вая энергия, определяется как энергия броуновского движения молекул в
физическом теле. Эту характеристику среды нельзя считать параметром
состояния, так как количество теплоты Q, полученное или выделенное
сплошной средой при переходе из состояния µ1 в µ2 по пути ε(µ1 , µ2 ),
зависит от этого пути. Приток тепла в обратимом процессе может быть
задан дифференциальной формой
k
X
dQ(µ) = Bj (µ)dµj ,
j=1

и тогда приток тепла при переходе из состояния µ1 в µ2 по пути

ε(µ1 , µ2 ) = {µ(s) : s ∈ [0, 1], µ(0) = µ1 , µ(1) = µ2 }

задается криволинейным интегралом

Z Z1 X
k
Q= dQ(µ) = Bj [µ1 (s), . . . , µk (s)]µj (s)ds. (6.2.1)
0 j=1
ε(µ1 ,µ2 )

Физический смысл дифференциальной формы dQ есть элементарный

приток теплоты при элементарном процессе.
178 Глава 6. Термодинамика сплошной среды

6.2.2. Абсолютная температура и энтропия. Причина зависи-

мости притока тепла Q при переходе из состояния µ1 в состояние µ2 от
пути ε(µ1 , µ2 ) заключается в том, что подынтегральная dQ(µ) в интеграле
(6.2.1) не является полным дифференциалом некоторой функции. Оказы-
вается, существует параметр состояния Θ, называемый абсолютной тем-
пературой, такой, что отношение dQ/Θ для любого обратимого процесса
уже является полным дифференциалом некоторой функции S, также явля-
ющейся параметром состояния и называемой энтропией. Тогда для любого
обратимого процесса
Z
dQ
S2 − S1 = S(µ2 ) − S(µ1 ) = .
Θ
ε(µ1 , µ2 )

6.2.3. Второе начало термодинамики. Физический опыт пока-

зывает, что не все тепловые процессы возможны (например, процесс, об-
ратный к вышеописанной диффузии тепла в металлическом стержне, на-
гретом с одного конца).
Второе начало (или закон термодинамики) выделяет возможные теп-
ловые процессы. Он гласит: Если сплошная среда теплоизолирована (т. е.
отсутствует внешний приток или отвод тепла), то энтропия этой сре-
ды не убывает. Математически это выражается неравенством

ΘdS ≥ dQ. (6.2.2)

Для полноты коллекции приведем историческую эволюцию формули-

ровок этого физического закона.

1850 г., Клаузиус: Невозможен процесс, единственным результатом

которого является передача тепла от холодного тела к более горячему.

1851 г., Кельвин: Невозможен процесс, единственным результатом

которого является превращение теплоты в работу.

1909 г., Каратеодори: В любой окрестности любого состояния µ1 су-

ществует состояние µ2 , которое не может быть конечным состоянием
процесса ε(µ1 , µ2 ) с нулевым притоком тепла.

Для обратимых процессов из второго начала термодинамики вытекает,

что
ΘdS = dQ,
§ 6.3. Аксиомы термодинамики 179

или, что то же самое (основное термодинамическое тождество):

ΘdS = dU + dA. (6.2.3)

§ 6.3. Аксиомы термодинамики

6.3.1. Основная аксиома термодинамики. Термодинамические
требования к сплошной среде могут быть сформулированы в виде следу-
ющей аксиомы термодинамики:

Для сплошной среды выполнены первое и второе начала термодинамики.

6.3.2. Аксиома локального равновесия. Описанное выше поня-

тие процесса, безусловно, является идеализацией, поскольку непрерывная
последовательная смена равновесных (не изменяющихся во времени) состо-
яний сплошной среды может быть реализована лишь приближенно. Одна-
ко для описания неравновесных тепловых процессов можно воспользовать-
ся понятиями, введенными для термодинамически равновесных состояний.
Необходимо только уточнить понятия энтропии и абсолютной температу-
ры сплошной среды. Мы определим эти понятия аксиоматически.
Энтропией сплошной среды называется непрерывная мера на R3 .
Таким образом, предполагается, что задана неотрицательная счетно-адди-
тивная функция множества S : ωt 7→ S(ωt ). Как и ранее, это гарантирует
существование удельной энтропии, т. е. такой функции s : D → R, что для
любого объема ωt выполняется равенство
ZZZ ZZZ
S(ωt ) = s(x, t)ρ(x, t) dω = sρ dω. (6.3.1)
ωt ωt

Кроме того, предполагается существование неотрицательной функции

Θ : D → R+ , называемой абсолютной температурой.
Предположим, что наша среда термостатически полностью описана,
т. е. известно ее пространство состояний P, в котором лежат наборы
µ = {µ1 , . . . , µk } параметров состояния, полностью характеризующих рав-
новесные состояния среды. Это означает, в частности, что удельная
внутренняя энергия U , плотность ρ, удельная энтропия s, абсолютная тем-
пература Θ и т. д. являются заданными функциями параметров состояния
180 Глава 6. Термодинамика сплошной среды

µ = {µ1 , . . . , µk }.
Возможность перехода от термостатического описания к термодинами-
ческому постулирует следующая аксиома — аксиома локального
равновесия:

Состояние любой частицы x сплошной среды в любой момент времени t

полностью характеризуется параметрами µ = {µ1 , . . . , µk }, причем все
термодинамические параметры частицы (U, ρ, s, Θ и т. д.) определяются
по µ теми же самыми функциями, что и в термостатическом описании.

На интуитивном уровне эта аксиома означает, что каждая частица

сплошной среды в каждый момент времени отождествляется с равновес-
ной термодинамической системой, описываемой параметрами состояния
µ = {µ1 , . . . , µk }.

6.3.3. Неравенство Клаузиуса — Дюгема. Второе начало тер-

модинамики (6.2.2) (в динамическом, а не в равновесном случае) в этих
терминах может быть выражено по-разному. Например, предполагается
выполненным неравенство
ZZ
d q·n
S(ωt ) ≥ − dσ. (6.3.2)
dt Θ
∂ωt

В самом деле, если считать объем ωt теплоизолированным, т. е. предпола-

гать, что q · n = 0 на ∂ωt , то

d
S(ωt ) ≥ 0,
dt
что полностью совпадает с «термостатическим» вторым началом термоди-
намики (см. начало п. 6.2.3).
Если заменить в (6.3.2) S по формуле (6.3.1), а затем, как это неод-
нократно делалось выше, применить формулу (5.2.1) дифференцирования
под знаком интеграла и формулу Гаусса — Остроградского, то получим
неравенство ZZZ µ ¶
ds q
ρ + div dω ≥ 0.
dt Θ
ωt

Применение же аналога леммы 2 (п. 5.1.2) приводит к так называемо-

му неравенству Клаузиуса — Дюгема, являющемуся локальным (не ин-
§ 6.3. Аксиомы термодинамики 181

тегральным) эквивалентом второго начала термодинамики (6.3.2):

ds q
ρ + div ≥ 0. (6.3.3)
dt Θ
6.3.4. Аксиома Фурье. Аксиома позволяет выразить в уравнении
сохранения энергии (5.3.6) вектор потока тепла через абсолютную темпе-
ратуру.

Вектор потока тепла пропорционален градиенту температуры:

q = −κ∇Θ, (6.3.4)

где κ — (неотрицательный) параметр состояния, называемый коэффи-

циентом теплопроводности.

Аксиома Фурье представляет собой математический эквивалент физи-

ческого закона Фурье, полученного как результат обобщения физических
наблюдений. Знак «−» в (6.3.4) соответствует тому физически наблюдае-
мому факту, что тепло может передаваться только от «горячих» областей к
«холодным». Ниже мы покажем, что аксиома Фурье может быть выведена
из общего принципа независимости определяющих уравнений от системы
отсчета.
Коэффициент теплопроводности κ в моделях конкретных сплошных
сред есть известная функция других параметров состояния. Для многих
сред он вообще постоянен.
Аксиома Фурье позволяет уменьшить число неизвестных в дифферен-
циальной модели (DM) на единицу, заменяя в уравнении сохранения энер-
гии (5.3.6) векторную неизвестную q на две скалярных Θ и κ:

dU
ρ = P : D + div (κ∇Θ).
dt
Глава 7.
ДЕФОРМАЦИЯ СПЛОШНОЙ СРЕДЫ
И ОПРЕДЕЛЯЮЩИЕ УРАВНЕНИЯ
Для того, чтобы научиться выводить определяющие уравнения, мы
должны более подробно изучить такую фундаментальную характеристику
сплошной среды, как тензор деформации. Кроме того, мы сформулируем
основные принципы построения определяющих уравнений.

§ 7.1. Тензоры деформации и скоростей

деформации
7.1.1. Деформация сплошной среды. Пусть x = γ(ξ, t) — дви-
жение сплошной среды. Разумеется, при движении первоначальная кон-
фигурация Ω0 сплошной среды переходит в «деформированную» конфи-
гурацию Ωt , при которой изменяется взаимное положение частиц сплошной
среды. Зафиксируем некоторую частицу P0 ∈ Ω0 . Тогда ее положение в ну-
левой момент времени есть ξ0 , а в момент времени t — x0 = γ(ξ0 , t) (рис.
32). Вектор w0 = x0 − ξ0 называется вектором перемещения частицы P0 .

Рис. 32. Деформация сплошной среды при движении

Пусть e1 ∈ S — произвольный орт, ξ1 = ξ0 + se1 (s > 0), а x1 = γ(ξ1 , t).

§ 7.1. Тензоры деформации и скоростей деформации 183

Относительным удлинением в направлении e1 называется число

|x1 − x0 | − |ξ1 − ξ0 |
l(e1 ) = lim .
s→0 |ξ1 − ξ0 |

Пусть теперь e2 ∈ S, ξ2 = ξ0 + se2 , x2 = γ(ξ2 , t), ϕ — угол между

векторами ξ1 − ξ0 и ξ2 − ξ0 (или, что то же самое, между ортами e1 и e2 ),
а ψs — угол между векторами x1 − x0 и x2 − x0 :

(x1 − x0 ) · (x2 − x0 )
cos ψs = .
|x1 − x0 | · |x2 − x0 |

Относительным сдвигом направлений e1 и e2 называется число

τ (e1 , e2 ) = lim ψs − ϕ.
s→0

Относительные удлинения и сдвиги полностью характеризуют дефор-

мацию малой окрестности частицы P0 , поскольку описывают, как изменя-
ются расстояния и углы при движении сплошной среды.

7.1.2. Тензор деформации Лагранжа. Для аналитического опи-

сания деформации в случае, когда движение γ дифференцируемо, опреде-
лим тензор > равенством

∂x ∂
>= = γ(ξ0 , t).
∂ξ ∂ξ

Тензор > называется тензором дисторсии (distortion — искажение, пере-

кашивание). Тогда очевидно, что

x1 − x0 = γ(ξ0 + se1 , t) − γ(ξ0 , t) = > hse1 i + o(s). (7.1.1)

Определим теперь тензор деформации Лагранжа L равенством

2L = >∗ ◦> − I.

Тогда из (7.1.1) очевидным образом вытекают равенства

p
l(e1 ) = 2e1 · L he1 i + 1 − 1, (7.1.2)

e1 · e2 + 2e1 · L he2 i
cos(lim ψs ) = . (7.1.3)
s→0 [l(e1 ) + 1] [l(e2 ) + 1]
184 Глава 7. Деформация сплошной среды и определяющие уравнения

В самом деле,

|x1 − x0 | − |ξ1 − ξ0 | |> hse1 i + o(s)| − |se1 |

l(e1 ) = lim = lim =
s→0 |ξ1 − ξ0 | s→0 |se1 |
p p
= |> he1 i | − 1 = > he1 i · > he1 i − 1 = e1 · (>∗ ◦>) he1 i − 1 =

p p
= e1 · (2L + I) he1 i − 1 = 2e1 · L he1 i + 1 − 1.
Далее аналогично

|x1 − x0 | = |> hse1 i + o(s)| = |> hse1 i | + o(s) =

p p
= > hse1 i · > hse1 i + o(s) = s e1 · (>∗ ◦>) he1 i + o(s) =

p p
= s e1 · (2L + I) he1 i + o(s) = s 2e1 · L he1 i + 1 + o(s) =

= s(l(e1 ) + 1) + o(s).
Поэтому
(x1 − x0 ) · (x2 − x0 )
cos(lim ψs ) = lim =
s→0 s→0 |x1 − x0 | · |x2 − x0 |

[> hse1 i + o(s)] · [> hse2 i + o(s)]

= lim =
s→0 [s (l(e1 ) + 1) + o(s)] · [s (l(e2 ) + 1) + o(s)]

(> he1 i + O(s)) · (> he2 i + O(s))

= lim =
s→0 [(l(e1 ) + 1) + O(s)] · [(l(e2 ) + 1) + O(s)]

> he1 i · > he2 i e1 · e2 + e1 · (>∗ ◦>) he2 i − e1 · e2

= = =
[l(e1 ) + 1] · [l(e2 ) + 1] [l(e1 ) + 1] · (l(e2 ) + 1)

e1 · e2 + 2e1 · L he2 i
= .
[l(e1 ) + 1] · (l(e2 ) + 1)
Можно показать, что знание тензорной функции L(ξ, t) позволяет полно-
стью определить конфигурацию Ωt сплошной среды.
§ 7.1. Тензоры деформации и скоростей деформации 185

7.1.3. Тензор деформации Эйлера. Точно так же можно ввести

тензор деформации Эйлера равенством

2E = I − ⊥∗ ◦⊥,

где
∂ξ ∂ −1
⊥== γ (x, t).
∂x ∂x
Подчеркнем, что тензоры L и E — функции разных переменных:
L = L(ξ, t), а E = E(x, t). Нетрудно доказать, что L = >∗ ◦E ◦>.
7.1.4. Скорость деформации. При описании некоторых сред бо-
лее удобным оказывается знать не деформацию, а скорость деформации.
∂L
Эта скорость характеризуется величиной . Она легко вычисляется через
∂t
тензор дисторсии и тензор скоростей деформации (см. п. 3.3.2). В самом
∂γ(ξ, t)
деле, поскольку = v L (ξ, t), имеем:
∂t
∂> ∂v L ∂v
= = ◦>.
∂t ∂ξ ∂x
Поэтому
∂L
= >∗ ◦D◦>,
∂t
где D — тензор скоростей деформации (5.3.2).

ЗАДАЧИ
7.1.1. Доказать, что тензоры деформации Эйлера и Лагранжа связаны
равенством L = >∗ ◦E ◦>.
7.1.2. Пусть закон движения сплошной среды задан отображением
¡ ¢
x = γ(ξ, t) = et ξ 1 + 2t(ξ 2 )2 + t(ξ 3 )2 , e2t ξ 2 + 2tξ 3 , e2t ξ 3 + 3tξ 2 .

Найти тензор деформации Лагранжа.

7.1.3. Пусть закон движения сплошной среды задан отображением
¡ ¢
x = γ(ξ, t) = e−t ξ 1 , e−t ξ 2 , −2tξ 1 − 2tξ 2 + ξ 3 .

Найти тензор деформации Эйлера.

186 Глава 7. Деформация сплошной среды и определяющие уравнения

7.1.4. Найти тензоры деформации Лагранжа и Эйлера для движения

сплошной среды с полем скорости, указанным в задаче 3.2.7.

§ 7.2. Определяющие уравнения

До настоящего момента мы не использовали никаких конкретных зна-
ний, отличающих одну сплошную среду от другой в рамках рассматри-
ваемой нами модели. Поэтому пока наша модель носит универсальный
характер и включает в себя широкий класс газов, жидкостей, упругих тел
и т. п. Поведение конкретного класса сплошных сред подчиняется, кроме
описанных универсальных законов, дополнительным уравнениям, харак-
теризующим именно данный конкретный класс. Эти уравнения носят на-
звание определяющих уравнений, или уравнений состояния. Обычно эти
уравнения связывают тензор напряжений с деформацией среды (напри-
мер, с тензором деформации или скоростей деформации).
В силу большого многообразия физически различных сплошных
сред, естественно, эти уравнения могут быть весьма разнообразными. Тем
не менее, они подчиняются некоторым общим для них всех условиям, или
принципам. Эти принципы (вернее, самые существенные и важные из них)
мы сейчас сформулируем.
7.2.1. Принцип причинности. Поле тензоров напряжений P (x, t)
в сплошной среде Ωt однозначно определяется предысторией эволюции
сплошной среды.
Пусть γt = γ(·, t) : Ω0 → Ωt — движение сплошной среды,
а P : D → Rk — набор параметров, описывающих эту среду. Символи-
ческая запись принципа причинности выглядит так:
 
[ ½ ¯
¯
¯ ¾
¯
P [γ(ξ, t), t] = F ξ, t, γ(η, ·)¯ , P[γ(ζ, ·), ·]¯ , (7.2.1)
[0,t] [0,t]
η,ζ∈Ω0

¯ ¯
где γ(η, ·)¯[0,t] и P[γ(ζ, ·), ·]¯[0,t] — сужения соответствующих функций на
отрезок [0, t]. Другими словами, тензор P зависит только от того, как среда
эволюционировала раньше, и не зависит ни от посторонних эффектов, ни
от ее поведения в будущем.
7.2.2. Принцип пространственной локализации. В форму-
ле (7.2.1) взамен η, ζ ∈ Ω0 можно писать η, ζ ∈ Vξ , где Vξ — некоторая
§ 7.2. Определяющие уравнения 187

окрестность точки ξ в Ω0 .
Этот принцип означает, что тензор напряжений в данной частице опре-
деляется лишь поведением среды в некоторой окрестности этой частицы.
Если предположить аналитичность всех параметров среды, то принцип
пространственной локализации можно переформулировать так.
Тензор напряжений в данной частице зависит от предыстории пара-
метров P и их производных в данной частице:
à ( ¯ ¯ )!
[ ∂k ¯ ∂ k ¯
P [γ(ξ, t), t] = F ξ, t, k
γ(ξ, ·)¯¯ , k
P [γ(ξ, ·), ·]¯¯ .
∂ξ [0,t] ∂ξ [0,t]
k∈N

Сплошная среда, для которой в правой части последнего равенства фи-

гурируют только производные нулевого (т. е. сами функции) и первого
порядков
P [γ(ξ, t), t] =
µ ¯ ¯ ¯ ¯ ¶
¯ ∂ ¯ ¯ ∂ ¯
= F ξ, t, γ(ξ, ·)¯ , γ(ξ, ·)¯ , P[γ(ξ, ·), ·]¯ , P[γ(ξ, ·), ·]¯ ,
[0,t] ∂ξ [0,t] [0,t] ∂ξ [0,t]

называется простой.
Наконец, если в правых частях приведенных выше уравнений взамен
всех сужений функций f |[0,t] на отрезок [0, t] фигурируют только сужения
f |[t,t] = f |{t} = f (t) «на точку» t, то сплошная среда называется средой с
бесконечно короткой памятью (синонимы: среда с нулевой памятью, сре-
да без наследственности). Например, определяющие уравнения в простой
среде с бесконечно короткой памятью должны выглядеть так:
µ ¶
∂ ∂
P [γ(ξ, t), t] = F ξ, t, γ(ξ, t), γ(ξ, t), P[γ(ξ, t), t], P[γ(ξ, t), t] ,
∂ξ ∂ξ
или, короче,
µ ¶
∂γ ∂P(γ, t)
P [γ(ξ, t), t] = F ξ, t, γ, , P(γ, t), .
∂ξ ∂ξ

7.2.3. Системы отсчета. Описание последнего из формулируемых

нами принципов — принципа независимости от системы отсчета — несколь-
ко сложнее. Оно требует дополнительных понятий.
Репером называется базис, состоящий из векторов единичной длины,
исходящих из одной точки. Репер с часами называется системой отсчета.
Пусть помещенный в точку Ø репер {ei } с часами, показывающими вре-
188 Глава 7. Деформация сплошной среды и определяющие уравнения

мя t, — некоторая (неподвижная) система отсчета. Зададим непрерывную

кривую t 7→Ø(t) и семейство непрерывно зависящих от t ортогональных
преобразований O(t) с положительным определителем. Поместим теперь в
точку Ø(t) репер {e0i } = {O(t) hei i} и часы, показывающие время t0 = t + α.
Они образуют новую (подвижную) систему отсчета, которую мы будем
обозначать (Ø(t), O(t), α). Поскольку ортогональные преобразования со-
храняют углы и расстояния, можно представлять себе, что второй репер
есть движущийся как абсолютно твердое тело первый.
Точка X, задаваемая в первой системе отсчета радиус-вектором x, во
второй системе отсчета задается радиус-вектором x0 (рис. 33). Найдем фор-
мулы перехода из одной системы отсчета в другую.

Рис. 33. Системы отсчета с часами

Положим y = x−Ø(t). Тогда

y = y i ei = y i O−1 (t) he0i i = y i O∗ (t) he0i i = y i αij e0j ,

где (αij ) — матрица преобразования O∗ (t) в базисе {e0i }. Разложение y по

второму базису дает y = x0j e0j . Отсюда x0j = αij y i . Таким образом,

x0 = O∗ (t) hx − Ø(t)i , t0 = t + α.

Очевидно, если z = y − x — вектор с началом в точке x и концом в y в

первой системе отсчета, то во второй системе отсчета представление соот-
ветствующего вектора имеет вид z 0 = O∗ (t) hzi.
§ 7.2. Определяющие уравнения 189

Если A — линейное отображение векторов в первой системе отсчета, то

во второй системе отсчета ему соответствует линейное преобразование

A0 = O∗ (t)AO(t).

Скалярное s, векторное v и тензорное T поля на D по определению

индифферентны (по отношению к изменению системы отсчета), если для
любой подвижной системы отсчета (Ø(t), O(t), α)

s0 (x0 , t0 ) = s(x, t),

v 0 (x0 , t0 ) = O∗ (t) hv(x, t)i ,

T 0 (x0 , t0 ) = O∗ (t)◦T (x, t)◦O(t).
7.2.4. Принцип независимости от системы отсчета. Равенст-
во (7.2.1) инвариантно относительно любой непрерывной замены систе-
мы отсчета:
 
[ ½ ¯
¯
¯
¯
¾
P 0 [γ 0 (ξ 0 , t0 ), t0 ] = F ξ 0 , t0 , γ 0 (η 0 , ·)¯ 0 , P0 [γ 0 (ζ 0 , ·), ·]¯ 0  .
[α,t ] [α,t ]
η 0 ,ζ 0 ∈Ω0α

Обратите внимание, что функция F неизменна.

При построении определяющих уравнений предполагается, что пара-
метры состояния индифферентны, что не является ограничительным
предположением. Более того, эти уравнения должны быть независимыми
от системы отсчета.
7.2.5. Индифферентность основных тензоров. Оказывается, что
введенные тензоры E, P , D также индифферентны.

Теорема 5 (Об индифферентности основных тензоров). Тензоры

деформации Эйлера E, напряжений P и скоростей деформации D индиф-
ферентны.
190 Глава 7. Деформация сплошной среды и определяющие уравнения

Д о к а з а т е л ь с т в о. Поскольку ξ 0 = O∗ (0) hξi и x = O(t) hx0 i, то

∂ξ 0 ∂ξ 0 ∂ξ ∂x
⊥0 = = = O∗ (0)◦⊥◦O(t).
∂x0 ∂ξ ∂x ∂x0
Но тогда
∗
2E 0 = I − ⊥0∗ ◦⊥0 = O∗ (t)◦O(t) − [O∗ (0)◦⊥◦O(t)] ◦ [O∗ (0)◦⊥◦O(t)] =

= O∗ (t)◦O(t) − [O∗ (t)◦⊥∗ ◦O(0)]◦[O∗ (0)◦⊥◦O(t)] =

= O∗ (t)◦[I − ⊥∗ ◦O(0)◦O∗ (0)◦⊥]◦O(t) =
= O∗ (t)◦(I − ⊥∗ ◦⊥)O(t) = 2O∗ (t)◦E ◦O(t),
и индифферентность E доказана.

Далее поскольку

pn = P hni , p0n0 = P 0 hn0 i , n0 = O∗ (t) hni , p0n0 = O∗ (t) hpn i ,

то

P 0 hn0 i = p0n0 = O∗ (t) hpn i = [O∗ (t)◦P ] hni = [O∗ (t)◦P ◦O(t)] hn0 i ,

что означает индифферентность тензора напряжений P .

Наконец, докажем индифферентность тензора скоростей деформации

D. В силу выведенных выше формул перехода в новую систему отсчета
движение γ(ξ, t) частицы ξ в системе отсчета (0(t), O(t), α) задается функ-
цией
γ 0 (ξ 0 , t0 ) = O∗ (t) hγ(ξ, t) − 0(t)i ,
где ξ 0 = O∗ (0) hξi. Дифференцирование последнего равенства по t0 (на-
помним, что t0 = t + α и, следовательно, d/dt0 = d/dt) дает следующее
представление скорости v 0 (x0 , t0 ) в новой системе отсчета:

∂γ 0 (ξ 0 , t0 )
v 0 (x0 , t0 ) = =
∂t0
¿ À
dO∗ (t) ∂γ(ξ, t) d0(t)
= hγ(ξ, t) − 0(t)i + O∗ (t) − = (7.2.2)
dt ∂t dt
¿ À
dO∗ (t) d0(t)
= hx − 0(t)i + O∗ (t) v(x, t) − .
dt dt
§ 7.2. Определяющие уравнения 191

Но тогда

∂v 0 dO∗ (t) ∂x ∗ ∂v ∂x dO∗ (t) ∂v

= ◦ + O (t)◦ ◦ = ◦O(t) + O ∗ (t)◦ ◦O(t),
∂x0 dt ∂x0 ∂x ∂x0 dt ∂x
а поэтому µ ¶∗ µ ¶∗
∂v 0 ∗ dO(t) ∂v
= O (t) ◦ + O∗ (t)◦ ◦ O(t).
∂x0 dt ∂x
Остается заметить, что, поскольку O∗ (t)◦O(t) = I,

dO∗ (t) dO(t) ∗

O(t)◦ + ◦O (t) = 0
dt dt
(здесь 0 в правой части обозначает нулевой оператор). Складывая полу-
ченные выражения для ∂v 0 /∂x0 и (∂v 0 /∂x0 )∗ , имеем:
µ 0 ¶∗
0 ∂v ∂v 0
D = + =
∂x0 ∂x0
µ ¶∗
∗ dO(t) ∗ ∂v dO∗ (t) ∂v
= O (t) ◦ + O (t) ◦ ◦O(t) + ◦O(t) + O ∗ (t)◦ ◦O(t) =
dt ∂x dt ∂x
·µ ¶∗ ¸
∗ ∂v ∂v
= O (t)◦ + ◦O(t) = O ∗ (t)◦D ◦O(t),
∂x ∂x
что и требовалось доказать.
Заметим, что из равенства (7.2.2) следует неиндифферентность вектора
скорости; он «неиндифферентен» на величину
µ ∗ ¶ ¿ À
dO (t) d0(t)
hx − 0(t)i − O∗ (t) .
dt dt

7.2.6. Пример: жидкости и газы. Жидкости и газы представля-

ют собой легко деформирующиеся, подвижные сплошные среды: для того,
чтобы вывести их из состояния равновесия, достаточно сколь угодно ма-
лых сил. В силу этого внутренние напряжения (тензор напряжений) очень
слабо зависят от деформаций среды. В то же время физические экспе-
рименты демонстрируют существенную зависимость напряжений от ско-
ростей деформации (тензора скоростей деформации). Поэтому жидкости
и газы можно определить как сплошные среды, в которых тензор напря-
жений зависит от тензора скоростей деформации и не зависит от тензора
деформаций. Кроме того, он может еще зависеть от основных термоди-
192 Глава 7. Деформация сплошной среды и определяющие уравнения

намических параметров. Более точно, жидкости и газы — это среды, в

которых
P = F (D, P),
где P = (ρ, U, Θ, s) — набор основных (подчеркнем, скалярных) термодина-
мических параметров. Очевидно, такое уравнение состояния удовлетворяет
принципам причинности и пространственной локализации.
В силу принципа независимости от системы отсчета

P 0 = F (D0 , P0 ).

Индифферентность основных термодинамических параметров P

и доказанная выше индифферентность тензоров P и D влекут необходи-
мость выполнения тождества

O∗ (t)◦P ◦O(t) = F (O∗ (t)◦D◦O(t), P) .

Таким образом, тензорная функция Φ : T 7→ F (T, P) при каждом фикси-

рованном P должна удовлетворять условию

Φ(O∗ ◦T ◦O) = O∗ ◦Φ(T )◦O

для любого ортогонального преобразования O. Такие тензорные функции

называются изотропными. Требование изотропности функций, фигуриру-
ющих в определяющих уравнениях, является следствием принципа неза-
висимости от системы отсчета.
К изучению математических моделей жидкостей мы еще вернемся.
7.2.7. Пример: упругие тела. В упругих деформируемых телах,
в отличие от жидкостей и газов, тензор напряжений зависит от тензора
деформации (и основных термодинамических параметров):

P = F (E, P).

Принцип независимости от системы отсчета влечет требование изотроп-

ности функции F по первому аргументу. Уравнение состояния для внут-
ренней энергии в упругих средах имеет вид

U = f (E, P).
§ 7.3. Изотропные функции 193

В силу принципа независимости от системы отсчета должно выполнять-

ся тождество
U 0 = f (E 0 , P0 ),
откуда, как и выше, вытекает требование изотропности (скалярной) функ-
ции Φ : T 7→ f (T, P):
Φ(T ) = Φ (O∗ ◦T ◦O)
для любого ортогонального преобразования O.

7.2.8. Пример: определяющее уравнение для вектора потока

тепла. Во многих сплошных средах выполняется определяющее уравне-
ние вида
q = F (∇Θ, P). (7.2.3)
Заметим, что если (скалярная) функция α индифферентна, то и (век-
торная) функция ∇α тоже индифферентна. Поэтому переход к новой си-
стеме отсчета в уравнении (7.2.3) приводит к уравнению

q 0 = F (∇Θ0 , P0 ).

Последнее влечет требование изотропности (векторной) функции

Φ : x 7→ f (x, P), т. е.
O∗ hΦ(x)i = Φ (O∗ hxi)
для любого ортогонального преобразования O.

§ 7.3. Изотропные функции

Описанные выше примеры показывают, что скалярные, векторные и тен-
зорные функции, фигурирующие в уравнениях состояния, должны быть
изотропными. Важность требования изотропности заставляет нас более по-
дробно изучить класс изотропных функций.

7.3.1. Изотропные функции. Мы начнем с тензорных функций.

Зафиксируем в R3 произвольный ортонормированный базис {ei }. Тогда,
как известно (см. п. 2.3.3), определено отображение I, сопоставляющее
каждому тензору T второго ранга на R3 (который мы отождествляем с
линейным отображением на R3 ) матрицу T : Tji = ei · T hej i. Известно,
что отображение I линейно и обратимо, а также что I и I−1 сохраняют
194 Глава 7. Деформация сплошной среды и определяющие уравнения

операции суперпозиции тензоров и сопряжения:

∗
I(T ◦S) = I(T )◦I(S), I(T ∗ ) = [I(T )] . (7.3.1)

Каждая тензорная функция Φ : T2 (R3 ) → T2 (R3 ) порождает матрич-

ную функцию φ : M 3 → M 3 по формуле φ = I◦Φ◦I−1 . Матричная функция
φ называется изотропной, если

φ(O∗ ◦T ◦O) = O∗ ◦φ(T )◦O (7.3.2)

для любой ортогональной матрицы O ∈ M 3 , т. е. такой, что

O∗ ◦O = O◦O∗ = I.

Тривиально доказывается, что тензорная функция Φ изотропна

в том и только том случае, когда изотропна матричная функция φ.
Поэтому в дальнейшем мы отождествляем матричные и тензорные фун-
кции, а также матрицы T и тензоры T , сохраняя обозначение T и для
матриц.
Нашей целью являются утверждения о представлении изотропных функ-
ций как функций от инвариантов тензоров (см. п. 2.3.3).
7.3.2. Представление симметричных функций. Докажем пред-
варительно две полезные леммы.

Лемма 3 (О представлении симметричных функций на R2 ). Если

функция α : R2 → R симметрична, т. е. α(x, y) = α(y, x), то она пред-
ставима в виде
α(x, y) = β(x + y, xy),
где β : D → R, D ⊂ R2 .
Д о к а з а т е л ь с т в о. Пусть D — множество тех (b, c) ∈ R2 , для
которых квадратное уравнение λ2 − bλ + c = 0 имеет вещественные корни
x, y. Положим β(b, c) = α(x, y). Симметричность функции α гарантиру-
ет корректность определения β. Утверждение леммы следует из теоремы
Виета.

Лемма 4 (О представлении симметричных функций на R3 ). Если

функция α : R3 → R симметрична, т. е. не изменяется при произвольной
перестановке аргументов, то она представима в виде

α(x, y, z) = β(x + y + z, xy + yz + zx, xyz),

§ 7.3. Изотропные функции 195

где β : D → R, D ⊂ R3 .

Д о к а з а т е л ь с т в о. Эта лемма доказывается так же, как и

предыдущая. D определяется как множество тех (b, c, d) ∈ R3 , для кото-
рых кубическое уравнение λ3 − bλ2 + cλ − d = 0 имеет три вещественных
корня x, y, z, а β определяется равенством β(b, c, d) = α(x, y, z).

7.3.3. Представление изотропных тензорных функций. До-

кажем утверждение о том, что любую изотропную тензорную функцию
можно выразить через инварианты этого тензора.

Теорема 6 (О представлении изотропной тензорной функции).

Пусть S 3 — пространство симметричных 3 × 3-матриц, а φ : S 3 → S 3 —
изотропная матричная (или тензорная) функция. Тогда найдутся функ-
ции ϕ1 , ϕ2 , ϕ3 : R3 → R такие, что для любой матрицы T ∈ S 3

φ(T ) = ϕT0 I + ϕT1 T + ϕT2 T 2 ,

где ϕTi = ϕi (J1 , J2 , J3 ) (i = 0, 1, 2), а Ji = Ji (T ) (i = 1, 2, 3) — инварианты

матрицы T .

Д о к а з а т е л ь с т в о. Пусть S = φ(T ). В силу симметричности

T существует ортогональная матрица O1 , приводящая T к диагональной
матрице DT :
DT = O1∗ ◦T ◦O1 = diag (λ1 , λ2 , λ3 ),
где λ1 , λ2 , λ3 — собственные числа матрицы T . Положим DS = O1∗ ◦S ◦O1 .
В силу изотропности φ

DS = O1∗ ◦φ(T )◦O1 = φ(O1∗ ◦T ◦O1 ) = φ(DT ).

Обозначим диагональные матрицы diag (1, −1, −1) и diag (−1, −1, 1) че-
рез O2 и O3 соответственно. Очевидно, что O2∗ = O2 и O3∗ = O3 и, кроме
того,
O2∗ ◦DT ◦O2 = O3∗ ◦DT ◦O3 = DT
(применение матриц O2 , O2∗ и O3 , O3∗ к диагональным матрицам изменя-
ет только знаки соответствующих коэффициентов на диагонали). Далее с
учетом изотропности φ

O2∗ ◦DS ◦O2 = O2∗ ◦φ(DT )◦O2 = φ(O2∗ ◦DT ◦O2 ) = φ(DT ) = DS (7.3.3)
196 Глава 7. Деформация сплошной среды и определяющие уравнения

и аналогично
O3∗ ◦DS ◦O3 = DS . (7.3.4)

Непосредственное вычисление (7.3.4) показывает, что (мы используем

обозначение sij для элементов матрицы DS ):
 
s11 −s12 −s13
 
O2∗ ◦DS ◦O2 =  −s21 s22 s23  ,
−s31 s32 s33
а  
s11 s12 −s13
 
O3∗ ◦DS ◦O3 =  s21 s22 −s23  .
−s31 −s32 s33
Из этих равенств и из (7.3.3) и (7.3.4) следует равенство всех внедиаго-
нальных элементов матрицы DS нулю. Таким образом, DS — диагональ-
ная матрица: DS = diag (η1 , η2 , η3 ), причем η1 , η2 , η3 — ее собственные
значения.

Запишем теперь равенство DS = φ(DT ) в «координатной форме»:

sij = φij (tij ), или, оставляя только ненулевые координаты, sii = φii (tij ).
Обозначив через Φi «сужение» функций φii на «диагональные элементы»,
перепишем последнее тождество для матриц DT и DS в виде

ηi = Φi (λ1 , λ2 , λ3 ).

Введем в рассмотрение еще одну матрицу:

 
0 1 0
O4 =  1 0 0  .
0 0 1

Из изотропности φ вытекает равенство O4∗ ◦DS ◦O4 = φ(O4∗ ◦DT ◦O4 ), а не-
посредственный подсчет показывает, что

O4∗ ◦DT ◦O4 = diag (λ2 , λ1 , λ3 ), O4∗ ◦DS ◦O4 = diag (η2 , η1 , η3 ).

Поэтому
diag (η2 , η1 , η3 ) = φ (diag (λ2 , λ1 , λ3 )) , (7.3.5)
§ 7.3. Изотропные функции 197

откуда, в частности, следует равенство

η3 = Φ3 (λ1 , λ2 , λ3 ) = Φ3 (λ2 , λ1 , λ3 ).

В силу леммы 3 найдется функция Ψ3 такая, что

Φ3 (λ1 , λ2 , λ3 ) = Ψ3 (λ1 + λ2 , λ1 λ2 , λ3 ). (7.3.6)

Учитывая, что инварианты J1 = J1 (T ), J2 = J2 (T ), J3 = J3 (T ) выражают-

ся через собственные значения матрицы формулами (см. п. 2.2.5)

J 1 = λ1 + λ2 + λ3 , J 2 = λ1 λ2 + λ2 λ3 + λ3 λ1 , J 3 = λ1 λ2 λ3 , (7.3.7)

равенство (7.3.6) можно продолжить следующим образом:

def
Φ3 (λ1 , λ2 , λ3 ) = Ψ3 (J1 − λ3 , J2 − λ3 (J1 − λ3 ), λ3 ) = ψ3 (J1 , J2 , λ3 ). (7.3.8)

Точно так же доказывается существование функций ψi (i = 1, 2), что

Φi (λ1 , λ2 , λ3 ) = ψi (J1 , J2 , λi ). (7.3.9)

Теперь заметим, что из равенства (7.3.5) следуют равенства

ψ2 (J1 , J2 , λ2 ) = ψ1 (J1 , J2 , λ2 ), (7.3.10)

ψ2 (J1 , J2 , λ1 ) = ψ1 (J1 , J2 , λ1 ). (7.3.11)

Докажем утверждение теоремы сначала в случае, когда все собствен-

ные значения матрицы T различны. Определим числа φTi (i = 0, 1, 2) как
решения системы уравнений

φT0 + φT1 λi + φT2 λ2i = Φi = Φi (λ1 , λ2 , λ3 ) = ηi , (i = 0, 1, 2). (7.3.12)

Как известно, ее решение φT0 (например) задается формулой (в силу раз-

личности собственных значений λi определитель этой системы представ-
ляет собой определитель Вандермонда и отличен от нуля):
¯ ¯ ¯ ¯−1
¯ Φ1 λ1 λ21 ¯¯ ¯¯ 1 λ1 λ21 ¯¯
¯
¯ ¯ ¯ ¯ def
φT0 =¯ Φ2 λ2 λ22 ¯ · ¯ 1 λ2 λ22 ¯ = F0 (Φ1 , Φ2 , Φ3 , λ1 , λ2 , λ3 ). (7.3.13)
¯ ¯ ¯ ¯
¯ Φ3 λ3 λ23 ¯ ¯ 1 λ3 λ23 ¯
198 Глава 7. Деформация сплошной среды и определяющие уравнения

Очевидно, что

F0 (Φ1 , Φ2 , Φ3 , λ1 , λ2 , λ3 ) = F0 (Φ2 , Φ1 , Φ3 , λ2 , λ1 , λ3 ).

Далее, подставляя (7.3.8) и (7.3.9) в (7.3.13), получим:

F0 (Φ1 , Φ2 , Φ3 , λ1 , λ2 , λ3 ) =

= F0 [Φ1 (λ1 , λ2 , λ3 ), Φ2 (λ1 , λ2 , λ3 ), Φ3 (λ1 , λ2 , λ3 ), λ1 , λ2 , λ3 ] =

def
= F0 [ψ1 (J1 , J2 , λ1 ), ψ2 (J1 , J2 , λ2 ), ψ3 (J1 , J2 , λ3 ), λ1 , λ2 , λ3 ] =
def
= F 0 (λ1 , λ2 , λ3 ).
Теперь заметим, что в силу (7.3.10) и (7.3.11)

F 0 (λ1 , λ2 , λ3 ) = F 0 (λ2 , λ1 , λ3 ).

Аналогично показывается перестановочность остальных аргументов, и,

таким образом, функция F 0 симметрична. Теми же самыми рассуждения-
ми устанавливается существование и симметричность остальных решений
ϕTi = F i (λ1 , λ2 , λ3 ) (i = 1, 2) системы (7.3.12). Но тогда в силу леммы 4
существуют функции ϕi такие, что ϕTi = ϕi (J1 , J2 , J3 ).
Осталось вернуться от диагональных матриц к исходным. Систе-
ма (7.3.12) в матричном виде выглядит так:

diag (η1 , η2 , η3 ) = ϕT0 I + ϕT1 diag (λ1 , λ2 , λ3 ) + ϕT2 [diag (λ1 , λ2 , λ3 )]2 ,

или
DS = ϕT0 I + ϕT1 DT + ϕT2 DT2 .
Умножив последнее равенство слева на матрицу O1 , а справа — на O1∗ ,
получим:
φ(T ) = S = ϕT0 I + ϕT1 T + ϕT2 T 2 ,
и теорема в случае различных собственных значений матрицы T доказана.
В случае, если λ1 = λ2 6= λ3 , вместо системы (7.3.12) достаточно рас-
смотреть систему из двух уравнений

φT0 + φT1 λi = Φi (i = 1, 3)
§ 7.3. Изотропные функции 199

и аналогичными рассуждениями получить существование функций ϕ0 , ϕ1

таких, что
φ(T ) = S = ϕT0 I + ϕT1 T
(функция ϕ2 в этом случае равна нулю).
Наконец, в случае, когда все собственные числа матрицы T одинаковы
(матрица пропорциональна тождественной), утверждение теоремы триви-
ально:
F (T ) = ϕT0 I
(в этом случае функции ϕ1 и ϕ2 равны нулю).

7.3.4. Представление изотропных скалярных функций

Теорема 7 (О представлении изотропной скалярной функции).

Пусть S 3 — пространство симметричных 3 × 3-матриц,
а φ : S → R — изотропная функция. Тогда найдется функция ϕ : R3 → R
3

такая, что
φ(T ) = ϕ[J1 (T ), J2 (T ), J3 (T )].

Д о к а з а т е л ь с т в о. Как и в доказательстве предыдущей теоремы,

показывается, что φ(T ) зависит только от собственных значений матрицы
T , причем симметричным образом. Поэтому утверждение теоремы следует
из леммы 4.

7.3.5. Представление изотропных векторных функций

Теорема 8 (О представлении изотропной векторной функции). Для

любой векторной изотропной функции φ : R3 → R3 существует функция
ϕ : R+ → R такая, что
φ(x) = ϕ(|x|)x. (7.3.14)

Д о к а з а т е л ь с т в о. Определим функцию ϕ равенством


 0, если φ(x) = 0 или x = 0,
ϕ(|x|) = x · φ(x)
 , если φ(x) 6= 0.
|x|2

Мы должны доказать, во-первых, корректность определения ϕ, т. е. по-

казать, что ϕ(|x|) = ϕ(|y|), если |x| = |y|, и, во-вторых, что функция ϕ
искомая, т. е. доказать равенство (7.3.14).
Корректность следует из изотропности функции φ. Действительно, если
|x| = |y|, то найдется ортогональное преобразование O такое, что y = O hxi.
200 Глава 7. Деформация сплошной среды и определяющие уравнения

Но тогда
1 1 1
ϕ(|y|) = y · φ(y) = O hxi · φ(O hxi) 2 = O hxi · O hφ(x)i 2 =
|y|2 |x| |x|

1 1
= (O∗ ◦O hxi) · φ(x) = x · φ(x) 2 = ϕ(|x|).
|x|2 |x|
Докажем (7.3.14). Если x = 0, то и φ(x) = 0. В самом деле,

φ(0) = O∗ hφ(0)i = O hφ(0)i ,

и поэтому φ(0) = 0, так как O — произвольный поворот. Если φ(x) = 0, то

очевидно и ϕ(|x|) = 0, что гарантирует (7.3.14). Наконец, если x таков, что
φ(x) 6= 0, то сначала покажем, что φ(x) = ax (a ∈ R). В самом деле, пусть
Oα — ортогональное преобразование поворота вокруг вектора x на угол α.
В силу изотропности φ

Oα∗ hφ(x)i = φ(Oα∗ hxi) = φ(x),

т. е. вектор φ(x) не изменяется при повороте вокруг x. Это может быть

только в том случае, если φ(x) = ax. Но тогда

x · φ(x) x · ax
ϕ(x)x = x= x = ax = φ(x),
|x|2 |x|2

что и требовалось доказать.

7.3.6. Еще раз о законе Фурье. Оказывается, что закон
Фурье (см. п. 6.3.4) является следствием предположения о том, что век-
тор потока тепла удовлетворяет уравнению состояния (7.2.3)

q = F (∇Θ, P)

и принципу независимости от системы отсчета.

Действительно, упомянутый принцип влечет требование изотропности
функции F по первому аргументу (см. п. 5.2.8). Поэтому в силу теоремы 8
функция F может быть представлена в виде

F (∇Θ, P) = −κ(|∇Θ|, P)∇Θ

§ 7.3. Изотропные функции 201

(−κ — это функция ϕ из теоремы 8). Тогда определяющее уравнение (7.2.3)

записывается в виде (закона Фурье):

q = −κ∇Θ.
Глава 8.
МОДЕЛИ ЖИДКОСТЕЙ
Как уже говорилось, для замыкания дифференциальной (DM)-моде-
ли необходимы дополнительные уравнения, называемые определяющими.
Эти уравнения уже не являются универсальными для всех сплошных сред
и учитывают те или иные физические свойства конкретных сред. Говори-
лось также и о том, что жидкости и газы характеризуются существенной
зависимостью тензора напряжений от тензора скоростей деформации и
независимостью от тензора деформации. В этой главе мы более подробно
рассмотрим различные модели одного класса сплошных сред, называемого
жидкостями.

§ 8.1. Замыкание (DM)-модели жидкости

8.1.1. Основное уравнение состояния. Мы предполагаем, что
уравнение состояния для жидкостей имеет вид

P = F (D, P, x, t). (8.1.1)

Подчеркнем,что здесь мы уже воспользовались принципами причинности

и пространственной локализации: уравнение (8.1.1) им уже удовлетворяет.
Мы также предполагаем выполненным принцип независимости от системы
отсчета; это проявится чуть ниже (см. п. 8.1.2). Далее в уравнении (8.1.1)
мы пока не конкретизируем список термодинамических параметров P; это
также будет сделано позже (см. п. 8.1.3).

8.1.2. Однородность уравнения состояния. Однородность озна-

чает, что физические законы, которым подчиняется жидкость, неизменны
во времени и пространстве.

Лемма 5 (Об однородности основного уравнения состояния). Жид-

кость однородна, т. е. функция F в уравнении состояния ( 8.1.1) не зави-
сит явно от x и t.
§ 8.1. Замыкание (DM)-модели жидкости 203

Д о к а з а т е л ь с т в о. В самом деле, в силу принципа независимости

от системы отсчета
P 0 = F (D0 , P0 , x0 , t0 ),
или, что то же самое,

O∗ (t)◦P ◦O(t) = F (O∗ (t)◦D◦O(t), P, O∗ (t) hxi , t + α).

В силу теоремы 5 об индифферентности основных тензоров последнее

равенство переписывается в виде

P = F (D, P, O∗ (t) hxi , t + α).

Таким образом, для любого ортогонального преобразования O и любого

числа α имеет место тождество

F (D, P, O∗ hxi , t + α) ≡ F (D, P, x, t). (8.1.2)

Поэтому (если взять O = I) для любых t1 и t2

F (D, P, x, t1 ) ≡ F (D, P, x, t2 ),

что означает независимость F от t. Если же для любых x1 , x2 ∈ R3 в (8.1.2)

взять в качестве O ортогональное преобразование, переводящее x1 в x2 , а
в качестве α — нуль, то получаем тождество

F (D, P, x2 , t) ≡ F (D, P, x1 , t),

означающее независимость функции F от аргумента x.

Таким образом, два последних аргумента у функции F опускаются и

уравнение состояния (8.1.1) принимает следующий вид:

P = F (D, P). (8.1.3)

Из принципа независимости от системы отсчета следует изотропность

функции F по первому аргументу. Поэтому в силу теоремы 6 она может
быть представлена в виде

F (D, P) = ϕ0 I + ϕ1 D + ϕ2 D2 , (8.1.4)

где коэффициенты ϕi (i = 0, 1, 2) зависят от инвариантов тензора D и па-

204 Глава 8. Модели жидкостей

раметров состояния:

ϕi = ϕi [J1 (D), J2 (D), J3 (D), P] . (8.1.5)

8.1.3. Аксиомы относительно уравнения состояния. Сформу-

лируем основные аксиомы, которым должно удовлетворять уравнение со-
стояния в нашей модели жидкости.
Аксиома идеальности гласит:

Покоящаяся жидкость идеальна, т. е. тензор напряжений в ней пропор-

ционален тождественному.

Математически эта аксиома означает, что

F (0, P) = −pI,

где −p — коэффициент пропорциональности. Величина p называется дав-

лением. Элементарная работа в идеальных средах задается формулой

dA = pdV, (8.1.6)

где V = 1/ρ — удельный объем.

Термодинамическое состояние жидкости описывается пятью парамет-
рами: P = (ρ, U, Θ, s, p), которые входят в коэффициенты (8.1.5) уравне-
ния состояния (8.1.3). Следующая аксиома термодинамического состоя-
ния выделяет среди них независимые:

Жидкости являются двупараметрическими средами.

Эта аксиома означает, что из набора P только два параметра независи-

мы, остальные выражаются через них. Обычно пространство (термодина-
мических) состояний P параметризуется параметрами ρ (удельная плот-
ность) и s (удельная энтропия). Аксиома термодинамического состояния
требует, чтобы были известны функции, выражающие U , Θ и p через ρ и s.
Но если мы знаем функцию U = U (ρ, s), то в силу основного термодинами-
ческого тождества (6.2.3), которое для идеальных жидкостей (см. (8.1.6))
имеет вид
Θds = dU + pdV, (8.1.7)
остальные функции можно выразить через U .
Действительно, подставляя U = U (ρ, s) и V = 1/ρ в основное термоди-
§ 8.1. Замыкание (DM)-модели жидкости 205

намическое тождество (8.1.7), имеем:

∂U (ρ, s) ∂U (ρ, s) 1
Θds = dρ + ds − p 2 dρ,
∂ρ ∂s ρ
отсюда, учитывая независимость ρ и s, получаем выражения

∂U (ρ, s) ∂U (ρ, s)
Θ(ρ, s) = , p(ρ, s) = ρ2 . (8.1.8)
∂s ∂ρ

Коэффициент теплопроводности κ также считается функцией (ρ, s).

Кроме того, нуждаются в описании зависимости коэффициентов (8.1.5) от
инвариантов тензора скоростей деформации J = (J1 , J2 , J3 ) и параметров
состояния ρ, s:
ϕi = ϕi (J, ρ, s) (i = 0, 1, 2). (8.1.9)
Отметим, что аксиома идеальности позволяет вычислить коэффициент
ϕ0 при J = 0:
ϕ0 (0, ρ, s) = −p. (8.1.10)
8.1.4. Первая замкнутая модель жидкости. Предположим, что
из экспериментальных данных или каких-либо теоретических предположе-
ний известны функции (8.1.9), а также функция κ(ρ, s). Тогда уравнения

 dρ

 + ρ div v = 0,

 dt




 ρ dv = div P + ρf,

dt (8.1.11)



 dU

 ρ = P : D + div (κ∇Θ),

 dt



P = ϕ0 I + ϕ1 D + ϕ2 D2
образуют замкнутую модель. В самом деле, после исключения тензора P
из этой системы с помощью последнего уравнения получится пять ска-
лярных уравнений для пяти скалярных неизвестных — трех компонент
вектора скорости, плотности и удельной энтропии.
206 Глава 8. Модели жидкостей

§ 8.2. Классическая модель жидкости

Модель (8.1.11) непомерно трудна для использования, поскольку она,
во-первых, весьма и весьма сложна как математический объект, а во-вто-
рых, требует знания большого числа функций состояния (U , κ, ϕi ).
Эти функции (особенно первые две) для конкретной жидкости есть ре-
зультат обработки экспериментальных данных. Разработка и проведение
экспериментов, результатом которых является знание этих функций, сама
по себе сложная и дорогостоящая научная задача. Поэтому мы попытаем-
ся упростить модель исходя из дополнительных аксиом, которые хотя и
сужают класс рассматриваемых жидкостей, тем не менее, с одной сторо-
ны, оставляют в классе много типов жидкостей, а с другой — существенно
упрощают математическую модель.

8.2.1. Аксиома линейности. Одной из таких дополнительных ак-

сиом является аксиома линейности:

Тензор напряжений P зависит от тензора скоростей деформации D ли-

нейно.

Эта аксиома сразу же влечет три следующих вывода относительно ко-

эффициентов (8.1.5) тензора напряжений (8.1.4):
• ϕ2 ≡ 0;
• коэффициент ϕ1 не зависит от инвариантов тензора D, поэтому
def
ϕ1 = ϕ1 (ρ, s) = 2µ(ρ, s);

• поскольку только один инвариант тензора, а именно след tr D (= div v)

линейно зависит от D, то коэффициент ϕ0 зависит только от tr D. Таким
образом, (здесь мы используем (8.1.10))

ϕ0 = ϕ0 (tr D, ρ, s) = ϕ0 (0, ρ, s) + λ(ρ, s)tr D = −p(ρ, s) + λ(ρ, s)div v.

Следовательно, выражение для тензора напряжений принимает следу-

ющий вид:
P = (−p + λ div v)I + 2µD. (8.2.1)
Отметим, что коэффициенты λ = λ(ρ, s) и µ = µ(ρ, s) называются пер-
вым и вторым коэффициентами вязкости.
§ 8.2. Классическая модель жидкости 207

8.2.2. Уравнения классической модели жидкости. Аксиома ли-

нейности, вернее ее следствие (8.2.1), позволяет вычислить в модели (8.1.11)
выражения div P и P : D. Для первого из них получаем следующую фор-
мулу:
div P = −∇p + ∇(λ div v) + div (2µD)
(здесь мы воспользовались очевидным равенством div (ϕ(x)I) = grad ϕ,
выполненным для любой гладкой функции ϕ : R3 → R).

Для вычисления P : D введем девиатор тензора D формулой

1
D0 = D − (div v)I
3
и определим диссипативную функцию Φ формулой
µ ¶
2
Φ = λ + µ (div v)2 + 2µD0 : D.
3

Тогда, учитывая, что tr D = tr D∗ = div v, а также, что

·µ ¶∗ ¸
1 1
D0 : D = tr D − (div v)I ◦D = tr D∗ ◦D − (div v)2 ,
3 3
имеем:
¡ ∗ ¢
P : D = tr (P ∗ ◦D) = tr [(−p + λ div v)I + 2µD] ◦D =

= tr (−pD) + tr [λ(div v)D] + tr (2µD∗ ◦D) =

= −p div v + λ(div v)2 + 2µ tr (D∗ ◦D) =
2 2
= −p div v + λ(div v)2 + µ(div v)2 + 2µ tr (D∗ ◦D) − µ(div v)2 =
3 3
µ ¶
2
= −p div v + λ + µ (div v)2 + 2µD0 : D = −p div v + Φ.
3

Дифференцируя основное термодинамическое тождество по t и умно-

жая результат на ρ, получаем:

dU ds dV
ρ = ρΘ − p ρ .
dt dt dt
208 Глава 8. Модели жидкостей

Слагаемое pρdV /dt из правой части вычисляется с помощью уравнения

неразрывности:
µ ¶
dV d(1/ρ) 1 dρ 1
pρ = pρ = pρ − 2 = −p (−ρ div v) = p div v,
dt dt ρ dt ρ
поэтому
dU ds
ρ = ρΘ − p div v.
dt dt
Подставляя вычисленные выражения в модель (8.1.11), получим следу-
ющую так называемую классическую модель жидкости:

 dρ

 + ρ div v = 0,

 dt



dv
ρ = −∇p + ∇(λ div v) + div (2µD) + ρf, (8.2.2)

 dt




 ρΘ ds = div (κ∇Θ) + Φ.

dt
В этой модели U, λ, µ, κ считаются заданными функциями независимых
параметров состояния (ρ, s), а p, ρ, Θ, s связаны соотношениями (8.1.8). Мо-
дель (8.2.2) вместе с (8.1.8) составляют пять скалярных уравнений для
пяти скалярных неизвестных ρ, v, s.

§ 8.3. Модели несжимаемой жидкости

Классическая модель (8.2.2) все еще остается достаточно сложной как
в математическом плане, так и в плане применимости ее к описанию кон-
кретных жидкостей. Последнее связано с необходимостью знать четыре
функции состояния — U, λ, µ, κ. Эти функции могут быть получены толь-
ко из экспериментальных или общетеоретических соображений, и их на-
хождение представляет собой отдельную весьма трудную задачу. Поэтому
мы, продолжая двигаться по избранному пути, рассмотрим частные случаи
этой модели, сужая класс описываемых ею жидкостей (находясь в классе
аксиомы линейности).

8.3.1. Несжимаемая жидкость. Опыт показывает, что в доволь-

но широком классе течений многих жидкостей даже большие изменения
давления не приводят к существенному изменению плотности. Поэтому в
§ 8.3. Модели несжимаемой жидкости 209

таком классе плотность можно считать константой. Проследим за матема-

тическими следствиями предположения ρ = const.
Во-первых, среда сразу же становится в термодинамическом смысле
однопараметрической. В качестве независимого параметра в этом случае
обычно выбирается абсолютная температура Θ.
Во-вторых, давление перестает быть термодинамическим параметром
состояния, поскольку перестает участвовать в основном термодинамиче-
ском тождестве. В самом деле, поскольку V = 1/ρ = const, то dV = 0, и
слагаемое pdV исчезает из основного термодинамического тождества. Бо-
лее того, основное термодинамическое тождество принимает вид

dU = Θ ds, (8.3.1)

свидетельствующий о том, что приток тепла в среду идет только на уве-

личение ее внутренней энергии. Это, как мы увидим ниже, позволяет вы-
делить уравнение притока тепла из модели и решать его независимо. Пока
же мы исключим его из модели.
Так как ρ = const, уравнение неразрывности принимает вид

div v = 0,

поэтому вязкость λ перестает играть какую-либо роль в модели (она фи-

гурирует только в уравнении сохранения импульса с множителем div v).
Таким образом, остается только вязкость µ. Удобно и принято вместо µ
ввести коэффициент кинематической вязкости ν = µ/ρ. В общем случае
коэффициент кинематической вязкости может довольно сильно зависеть
от температуры ν = ν(Θ) (например, в магматических расплавах вязкость
в зависимости от температуры может отличаться на несколько порядков).
Однако в простейшей модели, рассматриваемой нами, мы будем считать,
что ν = const. Такое ограничение оставляет класс описываемых жидкостей
достаточно широким.
Упростим уравнение сохранения импульса. Для этого достаточно заме-
тить, что µ ¶∗ µ ¶
∂v ∂v
div = ∇(div v), div = ∆v
∂x ∂x
(здесь ∆ — оператор Лапласа), и поэтому в силу постоянства µ
· µ µ ¶∗ ¶¸
1 ∂v ∂v
div (2µD) = div 2µ + = µ∆v.
2 ∂x ∂x
210 Глава 8. Модели жидкостей

Уравнение неразрывности и уравнение сохранения импульса (после де-

ления его на ρ) составляют математическую модель вязкой несжимаемой
жидкости: 

 div v = 0,
dv 1 (8.3.2)

 = − ∇p + ν∆v + f.
dt ρ
Эта система уравнений называется системой уравнений Навье — Стокса и
представляет собой систему из четырех скалярных уравнений для четырех
скалярных неизвестных v, p. Модель (8.3.2) — одна из наиболее широко
применяющихся моделей жидкости.

8.3.2. Об уравнении притока тепла. Тот факт, что приток тепла

идет только на изменение внутренней энергии (см. формулу 8.3.1), озна-
чает, что среда обладает свойством воспринимать тепловую энергию при
неизменном объеме. Это свойство называется теплоемкостью и характе-
ризуется величиной
∂U (Θ, V )
CV = .
∂Θ
Функция CV (Θ) определяется экспериментально и известна для широкого
спектра сред. Таким образом, dU = CV dΘ. Но тогда уравнение притока
тепла можно записать в виде
dΘ
ρCV = div (κ∇Θ) + 2νρ(D0 : D)
dt
(здесь мы учли, что div v = 0), или после деления на ρCV :

dΘ 1
= div (κ∇Θ) + Φ0 ,
dt ρCV

где диссипативная функция определяется формулой

2ν 0
Φ0 = D : D. (8.3.3)
CV
Поэтому тепловые потоки в среде не влияют на движение среды и могут
быть найдены уже после нахождения v, p.
Построенная модель Навье — Стокса обладает многими достоинствами,
обуславливающими ее широкую распространенность. Одним из основных
является тот факт, что в ней фигурируют только две константы (не функ-
ции!), нуждающиеся в экспериментальном нахождении: это плотность ρ и
§ 8.3. Модели несжимаемой жидкости 211

кинематическая вязкость ν. Эти константы с большой степенью точности

и надежности определяются экспериментально.
8.3.3. Модель идеальной жидкости. Последним из рассматри-
ваемых нами упрощений модели сплошной среды будет отказ от учета эф-
фектов, вызванных наличием вязкости. В ряде течений вязкие эффекты,
т. е. эффекты, связанные со свойством жидкостей сопротивляться сдвиго-
вым напряжениям, оказываются несущественными. В этих моделях можно
положить кинематическую вязкость ν равной нулю. Такие жидкости назы-
ваются идеальными. В результате мы получаем математическую модель
идеальной несжимаемой жидкости:


 div v = 0,
dv 1 (8.3.4)

 + ∇p = f.
dt ρ

Эта система уравнений называется системой уравнений Эйлера.

Из формулы (8.3.3) следует, что для идеальной несжимаемой жидкости
Φ0 ≡ 0, поэтому уравнение притока тепла переписывается в виде

dΘ 1
= div (κ∇Θ).
dt ρCV

Если рассматривать жидкости, в которых коэффициенты κ и CV являют-

ся константами (это предположение выполняется для достаточно широкого
класса жидкостей), то последнее уравнение превращается в обычное урав-
нение теплопроводности:
dΘ
= K∆Θ, (8.3.5)
dt
где K = κ/ρCV называется коэффициентом температуропроводности.
Подчеркнем в заключение, что описанные нами модели сплошной среды
исторически появлялись в обратном порядке, т. е. развитие теории сплош-
ных сред шло в основном индуктивно, от частных моделей к более общим.
212 Глава 8. Модели жидкостей

ЗАДАЧИ
∂ρ
8.3.1. Преобразовать уравнение неразрывности +div (ρ v) = 0 к виду
∂t
∂ρ
+ v∇ρ + ρ div v = 0.
∂t
8.3.2. Несжимаемая жидкость движется с полем скорости
µ 2 ¶
x − y 2 2xy
v=A , 4 , 0 , r2 = x2 + y 2 , A = const.
r4 r
Доказать, что такое поле скорости удовлетворяет уравнению неразрывно-
сти.
³x y z´
8.3.3. Показать. что поле скоростей v = A 3 , 3 , 3 , A = const,
r r r
r2 = x2 + y 2 + z 2 удовлетворяет уравнению неразрывности несжимаемой
жидкости.
 Ответы, указания, решения
1.1.1. Р е ш е н и е. Плоский откос, изображенный на рис. 3, описыва-
ется линейной функцией

y = hbt (x) = −xtg θ, (1)

где θ > 0 — угол наклона откоса. По откосу движется оползень,

который согласно условию задачи представляет собой твердое тело задан-
ной формы. Предположим, что это тело имеет конечную протяженность,
известный объем V и известную плотность ρsl материала, из которого оно
сложено.
При моделировании оползня твердым телом закон его прямолинейного
движения по откосу (1) задается законом движения любой из его точек,
например, законом движения точки xc (t), имеющей абсциссу xc (t) и орди-
нату yc (t) = hbt (xc (t)), т. е. точки, скользящей вдоль откоса. Обозначим
через x0c начальную абсциссу выделенной точки: xc (0) = x0c .
Пусть s — параметр, равный расстоянию, отсчитываемому от начала
координат вдоль плоского откоса. Тогда абсцисса x точки, лежащей на
откосе, и параметр s для этой точки связаны равенством
x
s= . (2)
cos θ

Предположим, что в начальный момент времени точка xc (0) соответ-

ствует параметру s = S0 , а движущаяся точка xc (t) — параметру s = S(t).
Тогда закон движения s = S(t) первоначально покоящейся материальной
точки xc (t) вдоль откоса (1) определяется как решение следующей задачи
Коши для уравнения движения [24]:

mS̈(t) = Fτ (t), (3)

S(0) = S0 , Ṡ(0) = 0, (4)

2
d S dS
где S̈ = , Ṡ = , m — величина, имеющая размерность массы,
dt2 dt
Fτ (t) — сила, направленная вдоль откоса и действующая в момент времени
t на движущуюся точку xc (t).
Перейдем теперь к рассмотрению иерархии математических моделей
исследуемого явления.
Модель М1. Учитывается масса оползня M и сила тяжести. Таким
214 Ответы, указания, решения

образом,
m = M = ρsl V ; Fτ = M g sin θ
и задача (3), (4) принимает вид

M S̈(t) = M g sin θ,
(5)
S(0) = S0 , Ṡ(0) = 0,
где g — ускорение свободного падения. Решение задачи (5) описывается
формулой
gt2
S(t) = S0 + sin θ,
2
из которой следует, что скорость движения оползня

v(t) = Ṡ(t) = gt sin θ

неограниченно растет со временем, что противоречит реальности, в кото-

рой рано или поздно оползень должен остановиться.
Модель М2. Учтем теперь присоединенную массу воды. Движущий-
ся оползень вовлекает в движение некоторую часть прилегающей к нему
воды, поэтому в уравнении (3) в качестве величины m будем брать сум-
марную массу оползня и присоединенную массу воды Cw ρw V , т. е.

m = M + Cw ρw V = (ρsl + Cw ρw ) V,

где ρw — плотность воды, Cw — коэффициент присоединенной массы. Ве-

личина этого коэффициента зависит от формы движущегося в жидкости
тела [19, 32]. В частности, если в жидкости движется шар, то Cw = 0, 5,
для цилиндра — Cw = 1.
С учетом сделанных предположений задача (3), (4) примет вид

(ρsl + Cw ρw ) V S̈(t) = ρsl V g sin θ,

(6)
S(0) = S0 , Ṡ(0) = 0.

Решение этой задачи задается формулой

γ gt2
S(t) = S0 + · sin θ,
γ + Cw 2

где через γ = ρsl /ρw обозначено отношение плотности материала оползня

к плотности воды, γ > 1. Поскольку γ/(γ + Cw ) < 1, то скорость движения
 215

оползня
γ
v(t) = gt sin θ
γ + Cw
в модели M2 стала меньше, чем в модели M1, однако и она не соответствует
действительности из-за неограниченного роста при t → ∞. Таким образом,
упрощающие предположения, положенные в основу модели M2, оказались
недостаточными, и необходимо учесть какие-то дополнительные факторы,
влияющие на движение оползня.
Модель М3. Дополнительно учтем силу плавучести (силу Архимеда,
равную весу вытесненной телом жидкости). Эта сила, как и сила тяже-
сти, действует в вертикальном, но противоположном направлении, а ее со-
ставляющая, касательная к плоскому откосу, равна −ρw V g sin θ. Поэтому
уравнение движения (3) запишется как

(ρsl + Cw ρw ) V S̈ = (ρsl − ρw ) V g sin θ. (7)

Решение задачи (7), (4) дается теперь формулой

γ − 1 gt2
S(t) = S0 + · sin θ,
γ + Cw 2
а для скорости получаем выражение
γ−1
v(t) = gt sin θ.
γ + Cw
Видим, что учет силы Архимеда опять приводит к уменьшению значений
скорости (по сравнению с моделью М2), однако и в этой модели скорость
оползня неограниченно растет с ростом времени. Следовательно, и эта мо-
дель не является приемлемой и требует дальнейшей модификации.
Модель М4. Примем теперь во внимание свойство жидких и газо-
образных сред оказывать сопротивление движущимся в них телам. Сила
сопротивления является пассивной, т. е. она проявляется только при дви-
жении тела: при отсутствии движения эта сила равна нулю, а для дви-
жущегося тела с ростом его скорости возрастает и сопротивление среды.
Сила сопротивления направлена против направления движения, и при ма-
лых ускорениях она пропорциональна скорости движения тела, т. е. равна
−µṠ, при этом коэффициент µ зависит от размеров тела, плотности среды
(воды в данном случае), ее вязкости и т. д.
Итак, при учете силы сопротивления уравнение движения будет отли-
чаться от уравнения (7) наличием дополнительного члена, отвечающего за
216 Ответы, указания, решения

эту силу:
(ρsl + Cw ρw ) V S̈ = (ρsl − ρw ) V g sin θ − µṠ. (8)

Из вида этого уравнения следует, что движение оползня не является

равноускоренным (S̈ 6= const), как было в рассмотренных ранее моделях.
Считая, что при t = 0 уравнение (8) выполняется, и учитывая начальное
условие Ṡ(0) = 0, получаем следующее выражение для начального ускоре-
ния:
γ−1
a0 = S̈(0) = g sin θ > 0, (9)
γ + Cw
т. е. ускорение при t = 0 такое же, как в модели М3. Но если в модели М3
ускорение остается равным a0 при всех t > 0, то в модели М4 оно с ростом
времени убывает.
Продолжая анализ уравнения (8), можно сделать следующее утвержде-
ние. Если в некоторый момент времени ускорение станет равным нулю, то
скорость в этот момент примет значение
ρw
v∞ = (γ − 1)V g sin θ > 0. (10)
µ

Пусть τ — время, за которое достигалась бы скорость v∞ , если бы оползень

двигался из состояния покоя равноускоренно с постоянным ускорением a0 ,
т. е.
v∞ ρw
τ= = V (γ + Cw ) > 0. (11)
a0 µ
Используя введенные обозначения, перепишем уравнение (8) в более
компактной форме
Ṡ
S̈ = a0 − (12)
τ
и будем искать решение этого линейного уравнения в виде суммы общего
решения S1 (t) = α + βe−t/τ однородного уравнения и частного решения
S2 (t) = v∞ t неоднородного, т. е.

S(t) = α + βe−t/τ + v∞ t.

С учетом начальных условий (4) получаем, что

³ ´
S(t) = S0 + v∞ t − τ v∞ 1 − e−t/τ (13)

и ³ ´
v(t) = Ṡ(t) = v∞ 1 − e−t/τ . (14)
 217

Итак, в предыдущих моделях движение оползня было равноускорен-

ным, из-за чего скорость неограниченно росла при t → ∞. Теперь же
движение является ускоренным, но с монотонно убывающим при t → ∞
ускорением
S̈(t) = a0 e−t/τ → 0, (15)
вследствие чего величина скорости (14), приближаясь к значению v∞ , оста-
ется ограниченной при t → ∞.

Модель М5. Еще одной силой, тормозящей движение оползня, явля-

ется сила трения о дно

Fтр = −kтр (ρsl − ρw ) V g cos θ,

которая направлена вдоль откоса в сторону, обратную направлению дви-

жения оползня. Здесь kтр — коэффициент трения. Как и сила сопротивле-
ния, сила трения является пассивной, поскольку ее влияние на положение
оползня будет проявляться только при его движении (при Ṡ 6= 0).
Итак, в модели М5 уравнение движения будет иметь следующий вид:

(ρsl + Cw ρw ) V S̈ = (ρsl − ρw ) V g (sin θ − kтр cos θ) − µṠ. (16)

Аналогами величин (9)—(11) будут теперь начальное ускорение a0 , пре-

дельная скорость v∞ и характерное время τ , определяемые соответственно
выражениями
γ−1
a0 = g (sin θ − kтр cos θ) , (17)
γ + Cw
ρw
v∞ = (γ − 1)V g (sin θ − kтр cos θ) , (18)
µ
v∞ ρw
τ= = V (γ + Cw ). (19)
a0 µ

Неравенство a0 > 0 является условием начала движения первоначаль-

но покоящегося оползня, условием его сдвига из начального положения. В
предыдущих моделях это условие выполнялось всегда и оползень начинал
движение при любом угле наклона подводного откоса, даже на очень поло-
гом откосе, что не соответствует действительности. В этом смысле модель
М5 более реалистическая, поскольку для нее оползень начинает движение
только при выполнении условия

kтр < tg θ.
218 Ответы, указания, решения

Если это условие выполнено, то оползень начнет движение с начальным

ускорением a0 , ме́ньшим начального ускорения (9) модели М4. Соответ-
ственно и предельная скорость v∞ в модели М5 получается ме́ньшей, чем
в модели М4, в которой сила трения не учитывается. Характерное же вре-
мя τ в этих моделях одинаково. Одинаковыми являются и формулы для
решения (13), скорости (14) и ускорения (15).
Модели М6, М7, . . . . Принимая во внимание другие факторы, вли-
яющие на движение оползня, можно продолжить иерархическую цепочку,
присоединяя к ней все более полные математические модели.
Например, использованная нами формула Стокса F = −µṠ для вычис-
ления силы сопротивления справедлива только для движений с постоянной
скоростью или движений с небольшими ускорениями. В общем случае для
вычисления силы сопротивления следует пользоваться уточненной форму-
лой Стокса F = −µṠ α , где α — положительная постоянная, зависящая от
свойств среды. Заметим, что при α 6= 1 уравнение движения становится
нелинейным, что значительно осложняет поиск его решения.
В реальной ситуации склон, по которому движется оползень, не бывает
плоским, поэтому необходимо учесть неровность дна, а также простран-
ственный характер изменения его формы, т. е. изменчивость дна не только
в плоскости Oxy (см. рис. 3), но и в направлении, перпендикулярном этой
плоскости.
Мы рассмотрели модели, в которых оползень представлялся в виде ма-
териальной точки и использовалась единственная его геометрическая ха-
рактеристика — объем. Следующий шаг к получению более точных резуль-
татов моделирования состоит в учете пространственной формы оползня, а
также в отказе от представления оползня в виде твердого тела, т. е. в учете
свойства деформируемости оползня. Например, можно моделировать дви-
жение оползневой массы течением жидкости, отличающейся от воды по
плотности, вязкости и т. п., либо движением некоторой упругопластиче-
ской среды [14, 15, 23]. Наиболее сложные модели получаются при решении
«связанных» задач, в которых учитывается как влияние движения ополз-
ня на течение воды с образованием поверхностных волн, так и обратное
влияние.
 219

1.1.2. Р е ш е н и е. На основе закона Ньютона (1.1.7) получаем, что

учет волнового давления приводит к замене уравнения (1.1.8) следующим
уравнением
ms̈ = −ks − F0 cos ω1 t. (20)
Решение этого уравнения находится как сумма общего решения (1.1.9)
уравнения (1.1.8) и частного решения s1 (t) = γ cos ω1 t уравнения (20), т. е.

s(t) = α sin ωt + β cos ωt + γ cos ω1 t.

Подставляя это выражение в (20), находим

F0
γ= .
m (ω12 − ω 2 )

Следовательно, решение задачи (20), (1.1.10) дается формулой

µ ¶
F0 F0
s(t) = a − cos ωt + cos ω1 t. (21)
m (ω12 − ω 2 ) m (ω12 − ω 2 )

Из формулы для решения (21) следует, что если частоты ω и ω1 соизме-

римы (отношение ω/ω1 является рациональным числом), то функция s(t)
является периодической, иначе — непериодической. Кроме того, при при-
ближении частоты внешней силы ω1 к частоте упругих колебаний ω ам-
плитуда колебаний стенки неограниченно растет — возникает явление ре-
зонанса.
Используя принцип «от простого к сложному», можно построить иерар-
хию все более полных математических моделей, описывающих движение
вертикальной стенки, прикрепленной пружинами к неподвижному блоку
и подверженной воздействию новых внешних сил, не учтенных ранее. На-
пример, можно дополнительно учесть силу трения стенки о дно Fтр =
kтр mg sgn ṡ, где kтр — коэффициент трения, sgn ṡ — знак скорости. Еще
более полная модель получится, если принять во внимание сопротивле-
ние воды движению стенки. Можно учесть присоединенную массу воды —
движущаяся стенка вовлекает в движение некоторую часть прилегающей к
ней воды, поэтому в уравнении (20) массу этой воды необходимо добавить
к массе стенки m. Модель будет более точной, если учитывать, что коэф-
фициент жесткости зависит от величины деформации (k = k(s) 6= const).
Еще более сложные модели получаются при учете обратного воздействия
движушейся стенки на волновой режим прилегающей акватории, который
описывается своей иерархией гидродинамических моделей течения жидко-
220 Ответы, указания, решения

сти со свободной границей [19, 32]. Выбор той или иной модели определя-
ется целями исследования, требуемой детальностью описания процесса.

1.2.1. Р е ш е н и е. Подставив выражение (1.2.3) в начальные усло-

вия (1.2.2), найдем постоянные α и β:
a τω
α= p ; β = a.
2 1 − τ 2 ω 2 /4

Следовательно, для разности между приближенным решением (1.2.3) и точ-

ным (1.1.11) имеем равенство
a τω ³ ´
sj − s(tj ) = p sin jϕ + a cos jϕ − cos ωtj . (22)
2 1 − τ 2 ω 2 /4

Выберем шаг τ настолько малым, чтобы выполнялось неравенство

r
τ 2 ω2 1
1− > .
4 2
Тогда будет верна оценка

|sj − s(tj )| ≤ aω · τ + a |cos jϕ − cos jωτ | . (23)

Применяя теорему о среднем, получаем, что

£ ¤
cos jϕ − cos jωτ = − sin(θ) j(ϕ − ωτ ) ,

где точка θ лежит на вещественной оси между точками jϕ и jωτ . Следо-

вательно,
|cos jϕ − cos jωτ | ≤ j |ϕ − ωτ | . (24)

Используя известные из курса математического анализа неравенства

0 < sin ϕ < ϕ < tg ϕ, (25)

где ϕ ∈ (0, π/2), приходим к оценке

n o
|ϕ − ωτ | ≤ max |sin ϕ − ωτ | ; |tg ϕ − ωτ | . (26)
 221

С учетом равенств
r
r τ 2 ω2
τ 2 ω2 τ 2 ω2 τω 1−
cos ϕ = 1 − ; sin ϕ = τ ω 1− ; tg ϕ = 4
2 4 τ 2 ω2
1−
2
оценку (26) можно переписать следующим образом:
 r 

 r τ 2 ω2 

 τ 2 ω2 1− 
|ϕ − ωτ | ≤ τ ω · max 1 − 1 − ; 4 − 1 =
 4 2 2 
 τ ω 
 1− 
2
r 
τ 2 ω2
 1− 4 
= τω · 
 2 2 − 1.

τ ω
1−
2
Последнее равенство выполняется при малых значениях шага τ . Кроме
того, при малых значениях τ верна оценка
r
τ 2 ω2
1− 2 2
4 −1< τ ω .
τ 2 ω2 2
1−
2
Подставляя полученные оценки в неравенство (24), получаем, что

τ 3 ω3 T ω3 2
|cos jϕ − cos jωτ | ≤ j ≤ τ , (27)
2 2
где T — конечный момент времени (T = N τ ). Следовательно, оценка (23)
может быть записана в следующем виде:

aT ω 3 2
|sj − s(tj )| ≤ aω · τ + τ .
2
Учитывая, что τ 2 ¿ τ , отсюда сразу получаем требуемое неравенство (1.2.4),
которое означает сходимость приближенного решения к точному при N →
∞ (τ → 0), причем сходимость с первым порядком по τ .
222 Ответы, указания, решения

В курсе «Методы вычислений» [36] будут рассмотрены иные приемы ис-

следования сходимости приближенного решения к точному, позволяющие
выполнить такое исследование гораздо проще приведенного выше доказа-
тельства.

1.2.2. У к а з а н и е. Используя общее решение (1.2.3) уравнения (1.2.1),

покажите, что решением дискретной задачи (1.2.1), (1.2.5) является сеточ-
ная функция
sj = a cos jϕ.
Следовательно, ³ ´
sj − s(tj ) = a cos jϕ − cos ωtj .

Далее воспользуйтесь доказанной оценкой (27).

2.1.1. У к а з а н и е. Покажите, что при

ε2
g=
4γ

решение задачи (2.1.7) задается формулой

1 ε
x(t) = + x∗ , x∗ = ,
1 2γ
γt +
x0 − x∗
поэтому численность популяции будет монотонно уменьшаться, приближа-
ясь к уровню x = x∗ .
Если
ε2
g< ,
4γ
то решение описывается формулой

x1 (x0 − x2 ) − x2 (x0 − x1 )eγ(x2 −x1 )t

x(t) = ,
x0 − x2 − (x0 − x1 )eγ(x2 −x1 )t
где p p
ε− ε2 − 4γg ε+ ε2 − 4γg
x1 = , x2 = .
2γ 2γ
Следовательно, популяция также сохранится, причем она будет стабили-
зироваться на более высоком уровне x = x2 > x∗ , чем в первом случае.
 223

И наконец, рассмотрите случай

ε2
g>
4γ
и покажите, что теперь задача имеет решение
· µ ¶¸
1 pt
x(t) = ε + p tg − +C ,
2γ 2
где µ ¶
p 2x0 γ − ε
p= 4γg − ε2 , C = arctg .
p
Видно, что в этом случае вся популяция будет уничтожена к некоторому
моменту времени. Найдите этот момент времени.
2.1.2. У к а з а н и е. Покажите, что при g = δx решение задачи (2.1.7)
задается формулой
 x0

 при δ = ε,

 1 + γx0 t
x(t) =

 x0 x∗ e(ε−δ)t

 при δ 6= ε,
x∗ + x0 (e(ε−δ)t − 1)

где x∗ = (ε − δ)/γ. Следовательно, при δ ≥ ε численность популяции с

ростом времени стремится к нулю, а при δ < ε стабилизируется на более
низком уровне x∗ , чем при отсутствии вылова.
2.2.1. У к а з а н и е. Качественный анализ решений системы уравнений
(2.2.27) проводится аналогично анализу, выполненному в § 2.2 для решений
системы (2.2.2). Вначале показываем, что функции ξ(τ ), η(τ ) положитель-
ны и ограничены. Затем, используя первый интеграл системы (2.2.27)

ξ p −(p−1)τ
e = C,
η

получаем, что η(τ ) → 0 при τ → ∞. После этого доказываем, что ξ(τ )

неограниченно приближается снизу к единице при τ → ∞.
2.2.2. У к а з а н и е. Исследуем амплитуду колебаний численности
жертв. В начальных данных (2.2.15) возьмем значение ξ0 = 1 и произ-
вольное положительное значение η0 < 1. Согласно формуле (2.2.17) фазо-
вая траектория, отвечающая этим начальным данным, будет определяться
224 Ответы, указания, решения

уравнением µ ¶p
ξ η 1 η0
= p η0 .
eξ eη e e
Амплитуда колебаний a1 функции ξ(τ ) определяется формулой (2.2.20)
и будет равна разности значений функции ξ(τ ) в самой правой и самой
левой точках траектории (см. гл. 2, рис. 7, б), ордината η которых равна
единице. Таким образом, величины ξmax и ξmin — корни уравнения
µ ¶p
ξ 1 1 η0
= p η0 ,
eξ e e e
или
f (ξ) = h(η0 , p), (28)
где
ξ ³ η ´1/p
0
ξ
, h = η0 +p−1
f (ξ) = .
e e
График функции f изображен на рис. 34.

,
0.4
f

,
0.3

,
0.2 h

,
0.1

0
0 ξ min 1 2 ξ max
3 4 5 ξ

Рис. 34. График функции f (ξ)

 225

Далее доказать следующие утверждения:

1
— для любых p > 0 и 0 < η0 < 1 выполняется неравенство h(η0 , p) < ,
e
поэтому уравнение (28) всегда имеет два решения ξmin , ξmax , при этом
0 < ξmin < 1 < ξmax ;
— для каждого фиксированного p > 0 выполняется неравенство
∂h
> 0, поэтому с ростом начальной координаты η0 величина h растет, а
∂η0
амплитуда колебаний a1 = ξmax − ξmin уменьшается (см. гл. 2, рис. 7, б и
8);
— для каждого фиксированного η0 (0 < η0 < 1) выполняется неравен-
∂h
ство > 0, поэтому с ростом параметра p величина h растет, а амплитуда
∂p
колебаний a1 уменьшается (ср. рис. 7, б и 8 из гл. 2).
Аналогичным образом проведите анализ амплитуд колебаний числен-
ности хищников.
2.2.3. Р е ш е н и е. Пусть T — период решения системы уравне-
ний (2.2.13) с некоторыми начальными данными (2.2.15). Записав уравне-
ния (2.2.13) в виде
1 dξ
= 1 − η,
ξ dτ
1 dη
= p (ξ − 1)
η dτ
и проинтегрировав последние уравнения по отрезку [0, T ], получаем ра-
венства
ZT ZT
ln ξ(T ) − ln ξ0 = (1 − η(τ )) dτ = T − η(τ )dτ,
0 0

ZT ZT
ln η(T ) − ln η0 = p (ξ(τ ) − 1) dτ = p ξ(τ )dτ − pT.
0 0

В силу периодичности решения получаем, что ξ(T ) = ξ0 и η(T ) = η0 . По-

этому
ZT ZT
1 1
η(τ )dτ = ξ(τ )dτ = 1 = ξ∗ = η∗ ,
T T
0 0

т. е. действительно для любых решений, независимо от начальных данных

осредненные по периоду значения численностей популяций равны значе-
226 Ответы, указания, решения

ниям численностей в состоянии равновесия.

2.2.4. dξ £ ¤
= 1 − qξ − (1 − q)η ξ,
dτ
(29)
dη ¡ ¢
= p ξ − 1 η.
dτ

2.3.1. Р е ш е н и е. Система уравнений (2.3.9), (2.3.11) имеет две точ-

ки покоя: x∗ = (1, 1) и x∗ = (0, 0). Первая точка была исследована на
устойчивость в § 2.3. Поэтому остается рассмотреть только вторую точку.
Линеаризуя уравнения (2.3.9) в окрестности точки покоя x∗ = (0, 0),
получаем систему линейных уравнений вида (2.3.48) с матрицей Якоби:
 ¯  
1−y −x ¯ 1 0
∂f ¯
A= (x∗ ) =  ¯ = .
∂x ¯
py p(x − 1) ¯ x=x 0 −p
∗

Собственные значения этой матрицы вещественны и различны:

λ1 = −p < 0, λ2 = 1 > 0,

им соответствуют линейно независимые собственные векторы

à ! à !
0 1
r1 = , r2 = ,
1 0

общее решение линейной задачи описывается формулой (2.3.32), из кото-

рой следуют следующие выражения для компонент решения, удовлетворя-
ющего начальным данным (2.3.45):

x(t) = x0 et , y(t) = y0 e−pt , (30)

при этом биологическое содержание имеют решения, соответствующие неот-

рицательным значениям x0 ≥ 0, y0 ≥ 0.
Поскольку одно из собственных значений положительно, то точка покоя
x∗ = (0, 0) будет неустойчивым решением линейной системы: если x0 > 0,
то x(t) → ∞ при t → ∞, т. е. решение с ростом времени удаляется от
точки покоя. Согласно теореме 1 эта точка покоя будет и неустойчивым
решением нелинейной системы (2.3.9), (2.3.11).
Если из уравнений (30) исключить время, то получим первый интеграл
 227

линейной системы:
Ψ(x, y) = C = const.
Например, при p = 1 получаем, что

Ψ(x, y) = xy. (31)

Поскольку поверхность z = Ψ(x, y) является седлообразной, то рассмат-

риваемая точка покоя называется седлом (рис. 35, а). Линии уровня этой
поверхности, являющиеся при x0 6= 0, y0 6= 0 гиперболами (рис. 35, б),
совпадают с фазовыми траекториями, соответствующими решениям (30).

ZY
1
X y

-1
-1 0 x 1
а б

Рис. 35. Точка покоя типа «седло»: а — график поверхности (31);

б — фазовые траектории, соответствующие решениям (30) при p = 1

2.3.2. У к а з а н и е. Покажите, что система уравнений (2.3.18), кроме

точки покоя (2.3.23), (2.3.24), имеет еще две: x∗ = (0, 0) и x∗ = (x∗ , 0), где
³ ´
x∗ = a−1 (0) > 0, a(x∗ ) = 0 .

В окрестности точки покоя x∗ = (0, 0) первое приближение систе-

мы (2.3.18) имеет вид уравнения (2.3.48) с матрицей Якоби:
à !
a(0) 0
A= .
0 K(0)
228 Ответы, указания, решения

Убедитесь в том, что собственные значения этой матрицы имеют проти-

воположные знаки и точка покоя есть «седло» как для системы линейных
уравнений (2.3.48), так и для нелинейных (2.3.18).
Матрица Якоби первого приближения в точке покоя x∗ = (x∗ , 0) запи-
шется как Ã 0 !
a (x∗ )x∗ −V (x∗ )
A= .
0 K(x∗ )
Ее собственные значения

λ1 = a0 (x∗ )x∗ < 0, λ2 = K(x∗ )

могут быть одного знака или иметь противоположные знаки. Если

K(x∗ ) < 0, то точка покоя является для нелинейной системы (2.3.18)
асимптотически устойчивым узлом , при K(x∗ ) > 0 — седлом, при
K(x∗ ) = 0 линейное приближение не дает ответа на вопрос о типе этой
точки покоя.
2.3.3. У к а з а н и е. Покажите,
µ что ¶система уравнений (2.3.50) имеет
1
три точки покоя: x∗ = (0, 0), x∗ = , 0 и x∗ = (1, 1).
q
Покажите, что первые две точки имеют тип «седло», а третья является
асимптотически устойчивым узлом при условии

q2
p≤ ,
4(1 − q)

при нарушении этого условия — устойчивым фокусом.

З а м е ч а н и е. Система уравнений (2.3.50) является частным случаем
модели Колмогорова (2.3.18), если в последней взять следующие коэффи-
циенты:

a(x) = 1 − qx, V (x) = (1 − q)x, K(x) = p(x − 1).

При этом очевидно, что требования (2.3.20)—(2.3.22) удовлетворяются.

2.3.4. У к а з а н и е. Покажите, что система уравнений (2.3.51) имеет
три точки покоя x∗ = (0, 0), x∗ = (1, 0) и x∗ = (0, 1). Покажите, что
точка покоя x∗ = (0, 0) является неустойчивым узлом, точка x∗ = (1, 0) —
асимптотически устойчивым узлом при p > 1 и имеет тип «седло», если
0 < p < 1, точка x∗ = (0, 1) — наоборот: при 0 < p < 1 — асимптотически
устойчивый узел, при p > 1 — «седло».
 229

2.4.1. У к а з а н и е. Покажите, что согласно выражениям (2.4.23)

дискриминант d характеристического уравнения (2.3.28) первого прибли-
жения системы (2.4.20) вычисляется по формуле

d = β (β − 4sm) .

Используя эту формулу, покажите, что при β ≥ 4m точка покоя (2.4.22)

будет устойчивым узлом при любой норме накопления 0 < s < 1, а при
β
β < 4m точка покоя будет устойчивым узлом для s ≤ и устойчивым
4m
β
фокусом при s > . Таким образом, при условии β < 4m принятие доста-
4m
точно большой нормы накопления приводит к колебательному характеру
установления стационарного состояния экономики.

2.4.2. У к а з а н и е. Покажите, что в окрестности точки равнове-

сия (2.4.26) матрица A первого приближения (2.3.26) системы уравнений
(2.4.24) имеет вид
 
σ −δx∗
 
A= ,
ks(1 − s)m2 α 2α−2
x∗ 0
δ
где σ = −αβ + sm(α − 1)xα−1
∗ , и характеристическое уравнение записыва-
ется как
λ2 − σλ + αβδy∗ = 0.

Далее покажите, что Re λi < 0 (i = 1, 2). Тогда из теоремы 1 будет

следовать, что при t → ∞ решение нелинейной системы уравнений (2.4.24)
неограниченно приближается к точке покоя.

2.4.3. У к а з а н и е. Покажите, что исследуемые показатели вычис-

ляются по формулам:
µ ¶2−1/α µ ¶
β s sm2 β 1
X= ; D= ; c=β −1 .
δ k(1 − s) δ k(1 − s)m k

2.4.4. У к а з а н и е. Покажите, что для отображения (2.4.30) справед-

ливы равенства:
∂x∗ β
(k, s) = x1−α , (32)
∂s αkm(1 − s)2 ∗
230 Ответы, указания, решения

∂y∗ m ms ∂x∗
(k, s) = xα−1 + (α − 1)xα−2 (k, s), (33)
∂s δ ∗ δ ∗
∂s

∂x∗ β
(k, s) = − 2 x1−α ,
∂k αk m(1 − s) ∗

∂y∗ ms ∂x∗
(k, s) = (α − 1)x∗α−2 (k, s).
∂k δ ∂k
Далее докажите, что якобиан отображения (2.4.30) отрицателен.

2.5.1. У к а з а н и е. Покажите, что ранг матрицы системы урав-

нений (2.5.15) равен четырем и совпадает с рангом расширенной матрицы
этой системы. Покажите, что при использовании метода Гаусса получается
решение (2.5.21).

2.5.2. У к а з а н и е. Используя формулы (32), (33), (2.5.32), покажите,

что · ¸
∂y∗ β s(α − 1)
(k, s) = 1+ .
∂s δk(1 − s)x∗ α(1 − s)

2.5.3. а) x1 = 70, x2 = 40; в) x1 = 30, x2 = 0; д) x1 = 10, x2 = 0;

б), г) — бесконечное множество решений.

2.5.4. а), б) — x1 = 35, x2 = 5; в) — не существует решения, удовле-

творяющего условиям (2.5.41).

2.5.5. x1 = 30, x2 = 0.

3.2.1. J = 1.
У к а з а н и е. Для доказательства сохранения объема оползня при его
движении воспользуйтесь формулой замены переменной в интеграле:
ZZZ ZZZ
f (x) dx = f (x(ξ))J(ξ) dξ. (34)
Ωt Ω0

3.2.2. У к а з а н и е. В начальный момент времени вершины A, B, C

 231

основания призмы имеют следующие координаты:

1 2 W 3
ξA = x0 − T ctg θ, ξA = y0 − , ξA = −x0 tg θ + T ;
2
1 2 W 3
ξB = x0 , ξB = y0 − , ξB = −x0 tg θ; (35)
2
1 2 W 3
ξC = x0 , ξC = y0 − , ξC = −x0 tg θ + T.
2

Подставляя лагранжевы координаты (35) в закон движения (3.2.16), полу-

чаем траектории точек A, B и C:
 
 1  at2
 x0 + − T ctg θ 
xA  2 
   W 
 2   
xA = γ(ξA , t) =  xA  =  y0 − ; (36)
   2 
 µ ¶ 
x3A  at2 
− x0 + tg θ + T
2

 
at2 ¡ ¢
  x0 + − T ctg θ 1 − eβt
x1B  2 
 
   W 
   
xB = γ(ξB , t) =  x2B = y0 − ; (37)
   2 
 µ ¶ 
x3B  at2 ¡ βt
¢
− x0 + tg θ + T 1 − e
2

xC = γ(ξC , t) =
 
  at2 ¡ βt
¢
x1C  x0 + − T ctg θ 1 − e 
2
   
   W 
=  x2C = y0 − . (38)
  
 µ ¶ 2 

 at2 ¡ ¢ 
x3C − x0 + tg θ + T 1 − e βt
+ Te−βt
2

Для движущихся точек A и B выполняются равенства x3A = −x1A tg θ и

x3B = −x1B tg θ. Это означает, что траектории этих точек лежат на прямой
(3.2.14), т. е. точки A и B движутся по откосу.
232 Ответы, указания, решения

Из формул (37) и (38) следует, что при движении отрезок [BC] всегда
остается вертикальным (в любой момент времени движущиеся точки B
и C имеют одинаковые абсциссу и ординату). При этом высота оползня
уменьшается: ¯ ¯
|BC| (t) = ¯x3C − x3B ¯ = T e−βt ≤ T,
а его протяженность (вдоль откоса) увеличивается:

T eβt T
|AB| (t) = ≥ ,
sin θ sin θ
где T и T /sin θ — соответственно высота и протяженность оползня при
t = 0 (см. формулы (35)).
Покажите, что при t > 0 оползневая масса сохраняет форму прямой
треугольной призмы (рис. 36) с вертикальной гранью, проходящей через
сторону BC треугольника в основании. Сам же треугольник ABC уже
не является при t > 0 прямоугольным (∠ACB > 90◦ ). Таким образом,
оползень в процессе движения деформируется.

x3 x2
y0

A
0 x1
C

B Te- β t
θ

Рис. 36. Форма оползневой массы при t > 0

3.2.3. У к а з а н и е. Для вычисления компонент скорости в лагранже-

вом представлении воспользуйтесь определением (3.2.10). Используя полу-
 233

ченные выражения
¡ ¢
v L,1 (ξ, t) = at + β T ctg θ + ξ 1 − x0 eβt ,

v L,2 (ξ, t) = 0,
h i (39)
v L,3 (ξ, t) = −at · tg θ − β T + (ξ 1 − x0 )tg θ eβt −
¡ ¢
− β ξ 3 + ξ 1 tg θ e−βt ,

покажите, что при β = 0 все частицы оползня движутся с одной и той же

скоростью (v L не зависит от ξ) параллельно откосу в плоскостях, парал-
лельных плоскости ABC.
3.2.4. У к а з а н и е. Согласно формуле (3.2.9) для определения скоро-
сти в эйлеровом представлении необходимо вначале найти обратное отоб-
ражение (3.2.7) для закона движения (3.2.16), а затем подставить найден-
ные выражения для ξ i (i = 1, 2, 3) в формулы (39) для компонент скорости
в лагранжевом представлении.
Покажите, что из закона движения (3.2.16) следуют равенства
· µ ¶¸
1 1 at2
ξ − x0 = x − x0 + − T ctg θ e−βt − T ctg θ;
2

½ µ ¶ h i ¾
3 1 3 at2
ξ + ξ tg θ = x + x0 + tg θ − T + T + (ξ − x0 )tg θ eβt eβt .
1
2
Подставив эти выражения в формулы (39), убедитесь в справедливости
следующего эйлерова представления компонент скорости:
· ¸
E,1 1 at2
v (x, t) = at + β x − x0 − + T ctg θ ,
2
v E,2 (x, t) = 0, (40)
· µ ¶ ¸
at2
v E,3 (x, t) = −at · tg θ − β x3 + 2x1 − x0 − tg θ + T .
2

3.2.5. У к а з а н и е. Воспользовавшись формулой (3.2.11), убедитесь

в том, что закон движения описывается формулами (3.2.16).
3.2.6. У к а з а н и е. Закон движения находится путем решения зада-
чи Коши (3.2.13), которая для заданных компонент скорости (3.2.19) за-
234 Ответы, указания, решения

писывается как следующая задача для системы линейных обыкновенных

дифференциальных уравнений:
· ¸
dx1 1 at2
= at + β x − x0 − + T ctg θ ,
dt 2
dx2
= 0,
dt (41)
· µ ¶ ¸
dx3 3 1 at2
= −at · tg θ − β x + 2x − x0 − tg θ + T ,
dt 2
x1 (0) = ξ 1 , x2 (0) = ξ 2 , x3 (0) = ξ 3 .

Используя метод вариации постоянной [25], покажите, что из первого

уравнения получается следующее выражение:
 
 Zt · µ 2
¶¸ 
as
x1 (ξ, t) = ξ 1 + as + β −x0 − + T ctg θ e−βs ds eβt . (42)
 2 
0

Применяя формулы интегрирования по частям

Zt · ¸
−βs 1 −βt e−βt − 1
se ds = − te + ,
β β
0

Zt · µ ¶¸
2 −βs 1 2 −βt 2 −βt e−βt − 1
s e ds = − t e + te + ,
β β β
0

убедитесь в том, что уравнение (42) преобразуется в первое уравнение за-

кона движения (3.2.16).
Проделав аналогичные выкладки для третьего уравнения системы (41),
окончательно убедитесь в том, что полю скоростей (3.2.19) соответствует
закон движения (3.2.16).
 235

3.2.7. Закон движения в переменных Лагранжа:

x1 = ξ 1 cos(ωt) − ξ 2 sin(ωt),
x2 = ξ 1 sin(ωt) + ξ 2 cos(ωt),
x3 = At + ξ 3 .
Компоненты вектора скорости в переменных Лагранжа:

u(ξ 1 , ξ 2 , ξ 3 , t) = −ξ 1 ω sin(ωt) − ξ 2 ω cos(ωt),

v(ξ 1 , ξ 2 , ξ 3 , t) = ξ 1 ω cos(ωt) − ξ 2 ω sin(ωt),
w(ξ 1 , ξ 2 , ξ 3 , t) = A.

4.1.1. Р е ш е н и е. Пусть разложение вектора x ∈ Rm по базису

{ei } имеет вид равенства (4.1.4). Умножая обе части этого равенства на
произвольный вектор кобазиса ek , получаем выражение

x · ek = xi ei · ek .

Используя свойство (4.1.2) векторов базиса и кобазиса, получаем

x · ek = xi δik = xk ,

т. е. первое из доказываемых равенств (4.1.6). Аналогично с использовани-

ем разложений (4.1.4), (4.1.5) и свойства (4.1.2) доказываются остальные
равенства (4.1.6).

4.1.2. Р е ш е н и е. Проверим, что для системы векторов {e0i }, опреде-

ленных по формулам (4.1.8), выполняются равенства вида (4.1.2). В самом
деле,
¡ ¢i ¡ ¢i ¡ ¢i i
e0i e0j = A−1 k ek Apj ep = A−1 k Apj δpk = A−1 k Akj = (I)j = δji ,

где I — единичная матрица.

4.1.3. Р е ш е н и е. Докажем справедливость первой из формул (4.1.9).

Для этого разложение вектора b по новому кобазису

b = b0j e0j
236 Ответы, указания, решения

умножим скалярно на некоторый вектор e0i нового базиса:

b · e0i = b0j e0j e0i = b0j δij = b0i .

Поэтому
b0i = b · e0i = b · Aji ej = Aji b · ej = Aji bj .
Аналогично доказывается вторая из формул (4.1.9).
4.1.4. При всех значениях параметра θ.
4.1.5. У к а з а н и е. См. [20], стр. 448.
4.2.1. Р е ш е н и е. В силу свойства (4.1.2) и линейности функционалов
из L(Rm , R) выполняется следующая цепочка равенств:
¡ ¢ ­ ® ­ ® ­ ®
(= hf i)·x = f hei i ei · xj ej = f xj ei ei ·ej = f xj ei δji = f xi ei = f hxi ,

т. е. равенство (4.2.4) действительно выполняется.

Докажем теперь справедливость равенства (4.2.19), выполнение кото-
∗ ∗
рого означает, что Rm ∼ Rm и отображение = : Rm → Rm является
изометрией этих пространств. Используя равенство (4.2.4) и неравенство
Коши — Шварца (4.1.11), получаем оценку

|f hxi | = |(= hf i) · x| ≤ |= hf i | · |x|,

справедливую для произвольного вектора x ∈ Rm . Если же в качестве x

взять вектор x = = hf i, то последнее неравенство превращается в равенство

|f hxi | = |x · x| = |x|2 ,

поэтому
|f hxi | |= hf i |2
kf kRm∗ = sup = = |= hf i |.
x∈Rm , x6=0 |x| |= hf i |

4.2.2. Р е ш е н и е. Покажем, что отображения {ei ⊗ ej }m

i,j=1 линей-
но независимы в L(Rm ). Предположим, что линейная комбинация этих
отображений с коэффициентами αji ∈ R обращается в нуль:

αji (ei ⊗ ej ) = 0. (43)

Тогда для произвольного x ∈ Rm имеют место равенства

0 = αji (ei ⊗ ej ) hxi = αji ei (ej · x) = αji xj ei .

 237

Поскольку система векторов {ei }m m

i=1 является базисом в R , то в последнем
равенстве все m коэффициентов должны равняться нулю:

αji xj = 0, i = 1, . . . , m.

В силу произвольности x отсюда получаем, что и все αji равны нулю. Таким
образом, равенство (43) возможно лишь при нулевых значениях коэффи-
циентов αji , поэтому элементы {ei ⊗ ej }m m
i,j=1 линейно независимы в L(R ).
m
Кроме того, каждое отображение из L(R ) представляется в виде ли-
нейной комбинации этих элементов (см. равенство (4.2.6)). Следователь-
но, множество из m2 элементов {ei ⊗ ej }m i,j=1 представляет собой базис в
L(Rm ). Остается заметить, что разложение по базису всегда единственно.

4.2.3. Р е ш е н и е. Достаточно убедиться в справедливости для всех

x, y ∈ Rm равенства (4.2.10). С одной стороны,
¡ ¢ ¡ ¢
L hxi · y = Lij (ei ⊗ ej ) hxi · y = Lij ei (ej · x) · y = Lij xj (ei · y) = Lij xj yi ,

а с другой —
¡ ¢ ¡ ¢
x · K hyi = x · Kji (ei ⊗ ej ) hyi = x · Kji ei (ej · y) = Kji y j (ei · x) =
m X
X m m X
X m
= Kji xi y j = Lji xi y j = Lij xj y i .
i=1 j=1 i=1 j=1

В ортонормированном базисе ковариантные и контравариантные компо-

ненты вектора совпадают. В самом деле,

xj = x · ej = x · ej = xj ,

поэтому
x · K hyi = Lij xj yi = L hxi · y,
т. е. L∗ = K.

4.2.7. Р е ш е н и е. Согласно определению (4.2.5) элементы {L0i

j } матри-
цы отображения L ∈ L(Rm ) в новом базисе {e0i } вычисляются по формуле
­ 0®
L0i 0i
j = e · L ej (i, j = 1, . . . , m).

Применение формул перехода (4.1.7), (4.1.8) приводит к следующей цепоч-

238 Ответы, указания, решения

ке равенств:
¡ −1 ¢i k ­ l ® ¡ −1 ¢i k ¡ ¢i
L0i
j = A k
e L Aj el = A k
e L hel i Alj = A−1 k Lkl Alj ,
© ª
т. е. матрица L0i
j является матрицей суперпозиции A−1 ◦L◦A трех отобра-
жений A , L, A ∈ L(Rm ), при этом A, A−1 — отображения, соответству-
−1

ющие матрицам A и A−1 соответственно.

¡ ¢
5.1.2. В лагранжевом
¡ 1 представлении: v = ¢et ξ 1 , 2e2t ξ 1 − et ξ 2 , 3e3t ξ 3 ;
в эйлеровом — v = x , (3et − e−t )x1 + x2 , 3x3 .

5.1.4. Скорость частицы: v = (1, 3, 2), ускорение частицы: a = (3, 9, 6).

¡ ¢
5.1.5. a = 7x1 − 12x2 , 12x1 − 9x2 , −16x1 + 12x2 .
¡ ¢
5.1.6. a = x2 + tx3 )e−t , 0, 2 .

5.1.7. В лагранжевом представлении:

r
qξ 1 2qt
v1 = 1 2 + 1,
(ξ ) + (ξ 2 )2 (ξ 1 )2 + (ξ 2 )2
r
2 qξ 2 2qt
v = 1 2 + 1,
(ξ ) + (ξ 2 )2 (ξ 1 )2+ (ξ 2 )2

v 3 = 0;
µ ¶
qx1 qx2
в эйлеровом — v = , , 0 .
(x1 )2 + (x2 )2 (x1 )2 + (x2 )2
µ ¶ µ ¶
ξ1 ξ2 ξ3t ξ3
5.1.8. Скорость v = , 2 , 2 2 ; ускорение a = 0, 0, 2 2 .
τ τ τ τ
µ ¶
7b
Частица находится в точке 2a, , 5c .
3
µ ¶
22 36
5.2.2. pn = , 4, .
5 5
µ ¶
10
5.2.4. pn = 4, − , 0 .
3
 239

7.1.2. Тензор деформации Лагранжа:

 2t 
e −1 4tet ξ 2 2tet ξ 3
1


L =  4tet ξ 2 16t2 (ξ 2 )2 + e4t + 9t2 − 1 8t2 ξ 2 ξ 3 + 2te2t + e5 t .
2 
2tet ξ 3 8t2 ξ 2 ξ 3 + 2te2t + e5 t 4t2 (ξ 3 )2 + e4t + 4t2 − 1

7.1.3. Тензор деформации Эйлера:

 
1 − e2t (1 + 4t2 ) −4t2 e2t −2tet
1


E=  −4 t2 e2t 1 − e2t (1 + 4t2 ) −2tet  .
2 
−2 tet −2tet 0

7.1.4. Тензор деформации Лагранжа:

 
0 0 0
 
L =  0 0 0 .
0 0 0

Тензор деформации Эйлера:

 
0 0 0
 
E = 0 0 0 .
0 0 0

8.3.1. Р е ш е н и е. По определению дивергенции векторного поля:

∂ρ ∂ρ 1 ∂ρ 2 ∂ρ 3 ∂v 1 ∂v 2 ∂v 3
+ v + v + v +ρ +ρ +ρ = 0,
∂t ∂x ∂y ∂z ∂x ∂y ∂z
Следовательно, учитывая определение градиента скалярного поля, по-
лучаем:

∂ρ
+ v∇ρ + ρ div v = 0
∂t
240 Ответы, указания, решения

8.3.2. Р е ш е н и е. Проверяется непосредственным дифференцирова-

нием:
¡ ¢
∂v 1 2x 3y 2 − x2
=A ,
∂x r6
¡ ¢
∂v 2 2x x2 − 3y 2
=A
∂x r6
и, следовательно,

∂v 1 ∂v 2
divv = + = 0.
∂x ∂y

8.3.3. У к а з а н и е. Проверяется непосредственным дифференциро-

ванием.
 Библиографический список
1. Александров П. С. Лекции по аналитической геометрии, пополненные
необходимыми сведениями из алгебры / П. С. Александров. – М.: На-
ука, 1968. – 912 с.
2. Арнольд В. И. Обыкновенные дифференциальные уравнения /
В. И. Арнольд. – Ижевск: Ижевская республиканская типография,
2000. – 368 с.
3. Баутин Н. Н. Методы и приемы качественного исследования динами-
ческих систем на плоскости / Н. Н. Баутин, Е. А. Леонтович. – М.:
Наука, 1990. – 490 с.
4. Белолипецкий В. М. Математическое моделирование в задачах охраны
окружающей среды / В. М. Белолипецкий, Ю. И. Шокин. – Новоси-
бирск: Инфолио-пресс, 1997. – 240 с.
5. Векуа И. Н. Основы тензорного анализа и теории ковариантов /
И. Н. Векуа. – М.: Наука, 1978. – 296 с.
6. Воеводин В. В. Параллельные вычисления / В. В. Воеводин, Вл. В. Во-
еводин. – СПб.: БХВ-Петербург, 2002. – 602 с.
7. Гайфулин С. А. САФРА. Функциональное наполнение. Система
OLYMUS / С. А. Гайфулин, В. Я. Карпов, Т. В. Мищенко. М.: Препринт
ИПМатем АН СССР, № 27, 1980. – 16 c.
8. Гельфанд И. М. Лекции по линейной алгебре / И. М. Гельфанд. – М.:
Добросвет, 1998. – 320 с.
9. Гильдерман Ю. И. Лекции по высшей математике для биологов /
Ю. И. Гильдерман. – Новосибирск: Наука, 1974. – 412 c.
10. Гимади Э. Х. Математические модели и методы принятия решений /
Э. Х. Гимади, Н. И. Глебов. – Новосибирск: НГУ, 2008. – 162 c.
11. Глассер А. Г. Построение разностных сеток с помощью уравнений Бель-
трами и диффузии / А. Г. Глассер, В. Д. Лисейкин, Ю. И. Шокин,
И. А. Васева, Ю. В. Лиханова. – Новосибирск: Наука, 2006. – 180 c.
12. Годунов С. К. Численное решение многомерных задач газовой дина-
мики / С. К. Годунов, А. В. Забродин, М. Я. Иванов, А. Н. Крайко,
Г. П. Прокопов. – М.: Наука, 1976. – 400 c.
13. Годунов С. К. Разностные схемы / С. К. Годунов, В. С. Рябенький. –
М.: Наука, 1973. – 400 c.
242 Библиографический список

14. Жермен П. Курс механики сплошных сред. Общая теория / П. Жер-

мен. – М.: Высш. шк., 1983. – 399 c.
15. Ильюшин А. А. Механика сплошной среды / А. А. Ильюшин. – М.:
МГУ, 1990. – 310 c.
16. Кини Р. Л. Принятие решений при многих критериях: предпочтения и
замещения / Р. Л. Кини, Х. Райфа – М.: Радио и связь, 1981. – 560 c.
17. Коновалов А. Н. Модульный принцип построения программ как осно-
ва создания пакета прикладных программ решения задач механики
сплошной среды: Комплексы программ математической физики /
А. Н. Коновалов, Н. Н. Яненко. Новосибирск: ВЦ СО АН СССР, 1972. –
С. 48—54.
18. Кочин Н. Е. Векторное исчисление и начала тензорного исчисления /
Н. Е. Кочин. – М.: Наука, 1965. – 427 c.
19. Кочин Н. Е. Теоретическая гидромеханика: Ч. 1. / Н. Е. Кочин,
И. А. Кибель, Н. В. Розе – М.: Физматгиз, 1963. – 584 c.
20. Кудрявцев Л. Д. Курс математического анализа: В 3 т. / Л. Д. Кудряв-
цев. – М.: Дрофа, 2008. – 704 c. – Т. 1: Дифференциальное интегральное
исчисления функций одной переменной.
21. Марчук Г. И. Методы вычислительной математики / Г. И. Марчук. –
М.: Наука, 1989. – 608 c.
22. Мeйз Дж. Теория и задачи механики сплошных сред / Дж. Мeйз. –
М.: Изд-во ЛКИ, 2010. – 320 c.
23. Овсянников Л. В. Введение в механику сплошных сред: Ч. 1. / Л. В. Ов-
сянников. – Новосибирск: Изд-во НГУ, 1976. – 75 c.
24. Петкевич В. В. Теоретическая механика / В. В. Петкевич. – М.: Наука,
1981. – 496 c.
25. Петровский И. Г. Лекции по теории обыкновенных дифференциаль-
ных уравнений / И. Г. Петровский. – М.: Наука, 1984. – 296 c.
26. Понтрягин Л. С. Обыкновенные дифференциальные уравнения /
Л. С. Понтрягин. – М.: Наука, 1974. – 331 c.
27. Постников М. М. Аналитическая геометрия / М. М. Постников. – М.:
Наука, 1973. – 751 c.
28. Ризниченко Г. Ю. Математические модели биологических продукци-
онных процессов / Г. Ю. Ризниченко, А. Б. Рубин. – М.: МГУ, 1993. –
302 c.
 243

29. Самарский А. А. Введение в численные методы / А. А. Самарский. –

СПб.: Лань, 2009. – 288 c.
30. Самарский А. А. Теория разностных схем / А. А. Самарский. – М.:
Наука, 1989. – 616 c.
31. Самарский А. А. Математическое моделирование / А. А. Самарский,
А. П. Михайлов. – М.: ФИЗМАТЛИТ, 2002. – 320 c.
32. Седов Л. И. Механика сплошной среды: В 2 т. / Л. И. Седов. – СПб.:
Лань, 2004. – 560 c.
33. Сичкарев В. И. Волновые энергетические станции в океане /
В. И. Сичкарев, В. А. Акуличев. – М.: Наука. 1989. – 131 c.
34. Солодовников А. С. Введение в линейную алгебру и линейное програм-
мирование / А. С. Солодовников. – М.: Просвещение, 1966. – 183 c.
35. Туманова Е. А. Макроэкономика. Элементы продвинутого подхода /
Е. А. Туманова, Н. Л. Шагас. – М.: ИНФРА-М, 2004. – 400 c.
36. Хакимзянов Г. С. Методы вычислений: В 4 ч. / Г. С. Хакимзянов,
С. Г. Черный. – Новосибирск: НГУ, 2003. Ч. 1. 160 c., 2005. Ч. 2. 158 c.,
2008. Ч. 3. 160 c.
37. Хакимзянов Г. С. Разностные схемы на адаптивных сетках: В 3 ч. /
Г. С. Хакимзянов, Ю. И. Шокин. – Новосибирск: НГУ, 2005. Ч. 1. 132 c.,
2009. Ч. 2. 184 c.,
38. Шокин Ю. И. Методы римановой геометрии в задачах построения раз-
ностных сеток / Ю. И. Шокин, В. Д. Лисейкин, А. С. Лебедев, Н. Т. Да-
наев, И. А. Китаева. – Новосибирск: Наука, 2005. – 256 c.
39. Яненко Н. Н. Методологические проблемы математической физики /
Н. Н. Яненко, Н. Г. Преображенский, О. С. Разумовский. – Новоси-
бирск: Наука, 1986. – 296 c.
40. Thompson J. F. Numerical grid generation, foundations and applications
/ J. F. Thompson, Z. U. A. Warsi, C. W. Mastin. – N.Y.: Elsevier Science
Publisher, 1985. – 331 p.
 Дополнительная литература
1. Амелькин В. В. Дифференциальные уравнения в приложениях /
В. В. Амелькин. – М.: Наука, 1987. – 160 c.
2. Акивис М. А. Тензорное исчисление / М. А. Акивис, В. В. Гольдберг. –
М.: ФИЗМАТЛИТ, 2003. – 304 с.
3. Бережная Е. В. Математические методы моделирования экономиче-
ских систем / Е. В. Бережная, В. И. Бережной. – М.: Финансы и статистика,
2006. – 432 c.
4. Баутин С. П. Разрушительные атмосферные вихри: теоремы, расче-
ты, эксперименты / С. П. Баутин, И. Ю. Крутова, А. Г. Обухов, К. В. Бау-
тин. – Новосибирск: Наука; Екатеринбург: УрГУПС, 2013. – 215 c.
5. Введение в математическое моделирование: учеб. пособие / Под ред.
П. В. Трусова. – М.: Университетская книга, Логос, 2007. – 440 c.
6. Давыдова М. А. Лекции по гидродинамике / М. А. Давыдова. – М.:
ФИЗМАТЛИТ, 2011. – 216 c.
7. Ибрагимов Н. Х. Практический курс дифференциальных уравнений
и математического моделирования / Н. Х. Ибрагимов. – М.: ФИЗМАТЛИТ,
2012. – 332 c.
8. Колемаев В. А. Математическая экономика / В. А. Колемаев. – М.:
ЮНИТИ-ДАНА, 2002. – 399 c.
9. Колемаев В. А. Экономико-математическое моделирование / В. А. Ко-
лемаев. – М.: ЮНИТИ-ДАНА, 2005. – 295 c.
10. Куропатенко В. Ф. Модели механики сплошных сред / В. Ф. Куро-
патенко. – Челябинск: Челяб. гос. ун-т, 2007. – 302 c.
11. Марчук Г. И. Математическое моделирование в проблеме окружаю-
щей среды / Г. И. Марчук. – М.: Наука, 1982. – 320 c.
12. Петкевич В. В. Основы механики сплошных сред / В. В. Петкевич. –
М.: Эдиториал УРСС, 2001. – 400 c.
13. Тер-Крикоров А. М. Оптимальное управление и математическая эко-
номика / А. М. Тер-Крикоров. – М.: Наука, 1977. – 216 c.
14. Gershenfield N. A. The nature of mathematical modeling / N. A. Ger-
shenfield. – Cambridge University Press, 2000. – 344 p.
 Персоналии

Самарский Александр Андреевич

(1919–2008) — советский ученый с ми-
ровым именем, академик, Герой Социа-
листического труда, лауреат Ленинской
и Государственных премий СССР, ве-
теран Великой Отечественной войны.
А. А. Самарским были заложены ос-
новы нового научного направления —
математического моделирования, раз-
работана методология вычислительного
эксперимента, создана фундаменталь-
ная общая теория разностных схем.
Научная школа академика А. А. Самарско-
го известна в мире своими выдающимися
работами в области математического моделирования задач термоядерного
синтеза, физики плазмы, магнитной и радиационной газодинамики, атом-
ной энергетики, аэродинамики.

Яненко Николай Николаевич (1921–

1984) — выдающийся советский ма-
тематик и механик, академик, Герой
Социалистического труда, трижды лауре-
ат Государственной премии СССР, ветеран
Великой Отечественной войны. Мировое
признание получил созданный им «метод
дробных шагов». Н. Н. Яненко основал
новую научную дисциплину — математи-
ческую технологию, разработал принципы
модульного анализа математических
моделей, вычислительных алгоритмов
и программ, принципы распараллеливания
алгоритмов и конструирования пакетов
прикладных программ. Им были сформированы творческие коллективы,
способные решать сложнейшие задачи и заслуженно называемые теперь
школой академика Яненко. В 1964 г. Н. Н. Яненко основал в НГУ кафедру
«Вычислительные методы механики сплошной среды», которая в 1997 г.
стала называться кафедрой «Математическое моделирование».
246 Персоналии

Шокин Юрий Иванович (род. 1943) —

известный специалист в области приклад-
ной математики и информатики, акаде-
мик. Ю. И. Шокин обосновал и развил
новое научное направление в вычислитель-
ной математике — метод дифференциаль-
ного приближения для анализа, класси-
фикации и построения разностных схем
с заданными свойствами. Первым в стране
им начаты исследования по интерваль-
ной математике. Научная школа академи-
ка Ю. И. Шокина известна работами по
численному моделированию волн цунами и
цунамирайонированию Дальневосточного побережья РФ, по расчету
машиностроительных конструкций, использованию математического мо-
делирования для анализа причин и последствий аварийных ситуаций, по
созданию «Сети передачи данных СО РАН». Возглавляемый Ю. И. Шоки-
ным Институт вычислительных технологий СО РАН является базовым для
кафедры «Математическое моделирование» механико-математического фа-
культета НГУ.

Ахмеров Рустям Рафаэлович (1951–

2009) — известный специалист по нели-
нейным дифференциальным уравнениям
в частных производных и нелинейно-
му функциональному анализу. Работал
в Воронежском государственном уни-
верситете, Институте теоретической
и прикладной механики СО АН СССР,
Институте вычислительных технологий
СО РАН. Первым из преподавателей
кафедры «Математическое моделиро-
вание» начал читать для студентов
механико-математического факультета
НГУ лекции по обязательному курсу
«Математическое моделирование», в ко-
торых удивительным образом сочетались
математическая строгость и легкость восприятия, лаконичность и широта
охвата предмета.
 247

Бернулли Якоб (Bernoulli, Jakob;

1654–1705) — швейцарский матема-
тик, профессор математики Базельско-
го университета. Якоб Бернулли внес
огромный вклад в развитие аналитиче-
ской геометрии и зарождение вариаци-
онного исчисления. Его именем названа
лемниската Бернулли. Он исследовал
также циклоиду, цепную линию, лога-
рифмическую спираль. Ему принадле-
жат значительные достижения в теории
рядов, дифференциальном исчислении,
теории вероятностей и теории чисел,
где его именем названы «числа Бернул-
ли». Якоб Бернулли издал также рабо-
ты по различным вопросам арифмети-
ки, алгебры, геометрии и физики.

Вольтерра Вито (Volterra, Vito;

1860–1940) — итальянский математик,
профессор Пизанского, Туринско-
го, Римского университетов. Работы
Вольтерра посвящены дифференциаль-
ным уравнениям в частных производ-
ных, теории упругости, интегральным
и интегро-дифференциальным урав-
нениям, функциональному анализу и
теории множеств. В частности, Воль-
терра построил примеры непрерывных
функций, производные которых суще-
ствуют, но не удовлетворяют критерию
интегрируемости ни на каком интерва-
ле.
248 Персоналии

Гаусс Иоганн Карл Фридрих

(Gauss) (1777–1855) — великий немец-
кий математик, астроном и физик,
считается одним из величайших ма-
тематиков всех времен, «королем
математиков». Для творчества Гаус-
са характерна органическая связь
между теоретической и прикладной
математикой, широта проблематики.
Труды Гаусса повлияли на развитие
алгебры (доказательство основной
теоремы алгебры), теории чисел (квад-
ратичные вычеты), дифференциальной
геометрии (внутренняя геометрия по-
верхностей), математической физики
(принцип Гаусса), теорий электричест-
ва и магнетизма, геодезии (разработка методов наименьших квадратов) и
многих разделов астрономии.

Дюэм (Дюгем) Пьер Морис Ма-

ри (Duhem) (1861–1916) — фран-
цузский физик, математик, философ
и историк науки, член Парижской ака-
демии наук. Основные работы относят-
ся к гидродинамике, электродинамике,
магнетизму, теории упругости и класси-
ческой термодинамике. Универсализм
мировоззрения ученого, философский
склад его ума позволили ему доста-
точно смело применить основные прин-
ципы термодинамики к химическим
процессам, что нашло отражение в его
новаторских трудах «Термодинамиче-
ский потенциал и его применение к химической термодинамике» (1886) и
«Термодинамика и химия» (1902).
 249

Каратеодори Константин (Cara-

theodory) (1873–1950) — немецкий ма-
тематик греческой национальности.
Выпускник Бельгийской военной ака-
демии 1895 г. Математическое образо-
вание получил в Берлине и Геттингене.
С 1924 г. профессор университета в
Мюнхене. Известен работами по теории
функций, вариационному исчислению
(построение теории поля экстремалей),
теории конформных отображений,
общей теории меры множеств. В 1909 г.
предложил аксиоматическое построе-
ние основ термодинамики.

Клаузиус Рудольф Юлиус Эм-

мануель (Clausius) (1822–1888) —
немецкий физик и математик. Свою
славу Клаузиус приобрел благодаря
работам по теоретической термо-
динамике; лишь благодаря трудам
Клаузиуса, одновременно с работами
Джоуля, Гельмгольца и Ранкина, тер-
модинамика получила окончательную
разработку. Клаузиус предложил одну
из формулировок второго начала тер-
модинамики, известную в настоящее
время как формулировка Клаузиуса.
Он доказал несколько новых теорем в
механической теории тепла, которые
носят его имя. Им же было введено понятие энтропии. Благодаря ясности
изложения Клаузиуса механическая теория тепла в самом начале своего
развития стала применяться к объяснению явлений из совершенно другой
области научного знания. Так, в 1867 г. устанавливается аналогия меж-
ду испарением и разложением химических соединений. Клаузиус известен
также работами по упругости тел, по оптике и динамическому электриче-
ству.
250 Персоналии

Колмогоров Андрей Никола-

евич (1903–1987) — величайший
советский математик ХХ столетия,
академик. А. Н. Колмогоров явля-
ется создателем современной теории
вероятностей, автором фундаменталь-
ных трудов и ряда мировых открытий
в теории функций, дифференциальных
уравнений, гамильтоновых систем, в
математической логике, топологии,
функциональном анализе, информати-
ке, теории турбулентности. Созданные
им научные школы определили раз-
витие многих из этих направлений в
ХХ столетии. В истории российской
науки имя А. Н. Колмогорова стоит
рядом с именами М. В. Ломоносова
и Д. И. Менделеева — ученых, всей
своей жизнью прославивших Россию.

Коши Огюстен Луи (Cauchy,

Augustin Louis; 1789–1857) — великий
французский математик, член Париж-
ской академии наук. Коши разработал
фундамент математического анализа и
внес огромный вклад в анализ, алгеб-
ру, математическую физику и многие
другие области математики. Впервые
дал строгое определение основным
понятиям математического анализа —
пределу, непрерывности, производной,
дифференциалу, интегралу, сходимости
ряда. Курсы анализа Коши, основан-
ные на систематическом использовании
понятия предела, послужили образцом
для большинства курсов позднейшего
времени. Его имя внесено в список
величайших ученых Франции.
 251

Лагранж Жозеф Луи (Lagrange)

(1736–1813) — французский ма-
тематик и механик итальянского
происхождения. Наряду с Эйле-
ром — лучший математик XVIII в.
Особенно прославился исключитель-
ным мастерством в области обобщения
и синтеза накопленного научного мате-
риала. Автор классического трактата
«Аналитическая механика», в котором
установил фундаментальный «принцип
возможных перемещений» и завершил
математизацию механики. Внес огром-
ный вклад в развитие анализа, теории
чисел, теории вероятностей, численных
методов, вариационного исчисления,
теории дифференциальных уравнений. В двух своих важных трудах —
«Теория аналитических функций» (1797) и «О решении численных урав-
нений» (1798) — подытожил все, что было известно по этим вопросам в то
время. Cодержавшиеся в этих работах новые идеи и методы были развиты
в дальнейшем математиками XIX в.

Лаплас Пьер-Симон (Laplace)

(1749–1827) — автор классических
трудов «Аналитическая теория вероят-
ностей» (1812) и «Трактат о небесной
механике» (1798–1825) по теории
вероятностей и небесной механики
(динамика Солнечной системы в целом
и ее устойчивость), множества трудов
по дифференциальным уравнениям,
математической физике, теории капил-
лярности, теплоте, акустике, геодезии
и др. Предложил (1796) космогони-
ческую гипотезу (гипотеза Лапласа).
Классический представитель меха-
нистического детерминизма. Состоял
членом шести Академий наук и Коро-
левских обществ, в том числе Петербургской академии.
252 Персоналии

Лотка Альфред Джеймс (Lotka,

Alfred James; 1880–1949) — американ-
ский математик, физикохимик, стати-
стик. Получил известность благодаря
своей работе в области динамики по-
пуляций. Лотка показал, что населе-
ние, растущее неизменным темпом и
сохраняющее неизменный порядок вы-
мирания, стремится к определенному
возрастному составу и к постоян-
ным значениям коэффициентов рож-
даемости и смертности. Изучал так-
же процесс смены поколений, дал
современное аналитическое выраже-
ние длины поколения, проанализировал
процесс демографического развития се-
мьи. Ввел интегральное уравнение вос-
производства населения. Исследовал
экономические и демографические аспекты здравоохранения и эволюции
продолжительности жизни, заложив основы экономической демографии.

Ляпунов Александр Михайлович

(1857–1918) — русский математик
и механик, академик Петербург-
ской АН. Работал в Петербургском,
Харьковском, Одесском университе-
тах. Основные работы посвящены
теории устойчивости равновесия и
движения механических систем, тео-
рии фигур равновесия равномерно
вращающейся жидкости и мате-
матической физике. Важнейшим
достижением А. М. Ляпунова является
создание современной теории устой-
чивости равновесия и движения
механических систем, определяемых
конечным числом параметров.
 253

Мальтус Томас Роберт (Malthus,

Thomas Robert; 1766–1834) — англий-
ский священник и ученый, демограф
и экономист. В 1798 г. опубликовал
свою книгу «Essay on the Principle of
Population» («Опыт о законе народона-
селения»). Три основных тезиса «Опы-
та»:
• из-за биологической способности че-
ловека к продолжению рода его физи-
ческие способности используются для
увеличения своих продовольственных
ресурсов;
• народонаселение строго ограничено
средствами существования;
• рост народонаселения может быть ос-
тановлен лишь встречными причинами, которые сводятся к нравственному
воздержанию, или несчастьями (войны, эпидемии, голод). Пришел к вы-
воду, что народонаселение растет в геометрической прогрессии, а средства
существования — в арифметической.

Навье Анри (Navier) (1785–1836) —

французский инженер и ученый.
Автор ряда трудов по строительной
механике, сопротивлению материа-
лов, теории упругости, гидравлике
и гидромеханике. Автор курса со-
противления материалов. Навье
сформулировал теорию упругости в
математическом виде (1821), сделав ее
пригодной для применения в стро-
ительстве с достаточной на первое
время точностью. В 1826 г. ввел модули
упругости как характеристику матери-
алов, независимую от второго момента
площади. Навье считается одним из ос-
нователей современной теории упругости. Его основной вклад — вывод
в 1822 г. уравнения Навье — Стокса, играющего ключевую роль в гидро-
динамике.
254 Персоналии

Остроградский Михаил Василье-

вич (1801–1861) — российский и укра-
инский математик и механик, признан-
ный лидер математиков Российской им-
перии середины XIX века. Основные
его работы относятся к прикладным
аспектам математического анализа, ме-
ханики, теории упругости и магнетиз-
ма, теории вероятностей. Он внес так-
же вклад в алгебру и теорию чисел.
Хорошо известен метод Остроградско-
го для интегрирования рациональных
функций (1844), чрезвычайно полезна
формула Остроградского для преобра-
зования объемного интеграла в поверх-
ностный. Кроме научных исследований, написал ряд учебников по
высшей и элементарной математике («Программа и конспект тригономет-
рии», «Руководство начальной геометрии» и др.).

Парето Вильфредо (Pareto, Vilfredo;

1848–1923) — итальянский экономист
и социолог, представитель мате-
матической школы в экономике.
Известен так называемым «зако-
ном Парето», описывающим процесс
распределения доходов. В объясне-
нии человеческих действий Парето
выдвинул теорию «остатков» и «про-
изводных», а также теорию элиты.
В основе его социологии лежит идея
о том, что значительная часть со-
циальных действий не имеет ничего
общего с логикой, а поступки инди-
видов нередко продиктованы стрем-
лением придать нерациональным дей-
ствиям некую видимость логичности.
Человек движим как инстинктивными
«остатками», так и логизированными
«производными» остатков.
 255

Перл Раймонд (Pearl, Raymond; 1879–

1940) — американский биолог, демо-
граф и статистик, известный как один
из основателей биогеронтологии. Боль-
шую часть своей профессиональной
жизни провел в университете Джона
Гопкинса (Johns Hopkins University) в
Балтиморе, США. Основные труды в
области биометрии и биологии чело-
века. Изучая зависимость темпа роста
численности биологической популяции
плодовых мушек от ее плотности, уста-
новил, что эта зависимость выража-
ется в виде так называемой логисти-
ческой кривой, т. е. сначала прирост
увеличивается, а достигнув определен-
ного уровня, приостанавливается. Пре-
небрегая социальной природой человека, перенес этот закон на рост насе-
ления отдельных стран.

Стокс Джордж Габриель (Stokes)

(1819–1903) — английский физик-
теоретик и математик ирландского
происхождения. Работы Стокса от-
носятся к области гидродинамики,
оптики, спектроскопии, математи-
ческой физики. Разработал теорию
вязкости жидкостей (1845), матема-
тическую теорию движения вязких
жидкостей (уравнение Навье — Сток-
са). Вывел формулу (1851) для силы
сопротивления, действующей на твер-
дый шар малого размера при его
движении в бесконечно вязкой среде
(закон Стокса). Опубликовал ряд работ
по оптике (1849): исследовал кольца
Ньютона, аберрацию, дифракцию,
интерференцию и поляризацию света.
256 Персоналии

Томсон Уильям, лорд Кель-

вин (Kelvin) (1824–1907) — один
из величайших английских физиков.
В круг интересов Томсона входи-
ли термодинамика, гидродинамика,
электромагнетизм, теория упругости,
теплота, математика, техника. Позна-
комившись с теоремой Карно, высказал
идею абсолютной термодинамической
шкалы (1848). В 1851 г. сформули-
ровал (независимо от Р. Клаузиуса)
второе начало термодинамики. Ввел
понятие диссипации энергии. Внес
большой вклад в развитие практи-
ческих применений разных разделов
науки. Сконструировал целый ряд точ-
ных электрометрических приборов: «кабельный» гальванометр, сифон-от-
метчик для приема телеграфных сигналов. Предложил использовать
многожильные провода из медной проволоки. Член Петербургской ака-
демии наук (1896).

Ферхюльст Пьер Франсуа (Verhulst,

Pierre Francois; 1804–1849) — бельгий-
ский математик, член Бельгийской
академии наук, известен работами
в области моделирования численно-
сти населения. Главным результатом
его исследований является форму-
лирование логистического уравнения
для численности населения, также
называемое уравнением Ферхюльста.
Введенный им в уравнение Мальтуса
дополнительный отрицательный член,
пропорциональный квадрату численно-
сти населения, отражает уменьшение
скорости роста численности за счет
ограниченности ареала обитания или
же количества ресурсов.
 257

Фурье Жан Батист Жозеф

(Fourier) (1768–1830) — француз-
ский математик и физик. Представил
работу (1789) о численном решении
уравнений любой степени, но она зате-
рялась во время революции; изложил
(1796) теорему о числе веществен-
ных корней в заданном интервале
(опубликована в 1820 г.). Позднее его
результаты обобщили Штурм и Коши.
Получил Большую премию Академии
(1812) за аналитическую теорию теп-
лопроводности, несмотря на нестрогие
доказательства. Свои методы (ряды и
интегралы Фурье) использовал в тео-
рии распространения тепла. Но вскоре они стали исключительно мощным
инструментом математического исследования самых разных задач, особен-
но там, где есть волны и колебания. А этот круг чрезвычайно широк: аст-
рономия, акустика, теория приливов, радиотехника и др.

Эйлер Леонард (Euler) (1707–

1783) — российский, немецкий и
швейцарский математик, внесший
значительный вклад в развитие мате-
матики, а также механики, физики,
астрономии и ряда прикладных на-
ук. Автор более чем 800 работ по
математическому анализу, дифферен-
циальной геометрии, теории чисел,
приближенным вычислениям, небесной
механике, математической физике,
оптике, баллистике, кораблестроению,
теории музыки и др. Многие его рабо-
ты оказали значительное влияние на
развитие науки. Член Петербургской
академии наук (1731). Первые русские академики по математике (С. К. Ко-
тельников) и астрономии (С. Я. Румовский) были его учениками.
258 Персоналии

Якоби Карл Густав Якоб (Jacobi)

(1804–1850) — известный немецкий
математик, родной брат российского
академика, физика Бориса Семено-
вича Якоби. Внес огромный вклад
в комплексный анализ, линейную
алгебру, динамику и другие разделы
математики и механики. В вариаци-
онном исчислении исследовал вторую
вариацию (1837) и получил доста-
точные условия экстремума, позже
обобщенные Вейерштрассом (условия
Якоби). Занимаясь изучением фигур
равновесия вращающейся жидкости,
показал, что при определенных условиях ими могут быть не только эллип-
соиды вращения, исследованные еще Маклореном, но и трехосные эллипсо-
иды общего вида, получившие название эллипсоидов Якоби. В работе «О
функциональных детерминантах» (1841) открыл и исследовал функцио-
нальные определители, называемые теперь якобианами. Имя Якоби носит
класс ортогональных многочленов, обобщающих многочлены Лежандра.
Ввел в употребление общепринятое теперь обозначение частной производ-
ной символом «∂».
 Предметный указатель

Аксиома — материальной точки (частицы),

— внутренних поверхностных сил, 112
121 — сплошной среды, 111
— движения, 112 Девиатор, 207
— идеальности, 204 Деформация сплошной среды, 182
— линейности, 206 Диада, 130
— локального равновесия, 180 Дивергенция
— материального континуума, 109 — векторного поля, 142
— потока тепла, 122 — тензорного поля, 142
— пространства-времени, 109
— сил и моментов, 121 Жидкость, 191, 202
— термодинамики, 179 — идеальная, 204, 211
— термодинамического состояния, — несжимаемая, 208
204 — однородная, 202
— Фурье, 181
Аксиомы баланса, 118
Задача
— Коши для ОДУ, 145
Базис, 125, 126 — многокритериальная, 98
Базисы одинаковой ориентации, 128 Закон
— движения сплошной среды, 112
Вектор — Ньютона, 14
— напряжений внутренних поверх- — сохранения, 16
ностных сил, 120 — — импульса, 157
— перемещения, 182 — — момента импульса, 158
— потока тепла, 161, 181 — — энергии, 175
— термодинамики, 178
— Фурье, 181, 200
Газ, 191
Градиент скалярного поля в точке,
Изометрия, 130
140
Изоморфизм, 138
Импульс (количество движения), 117
Давление, 165, 204 Инварианты
Движение — линейного отображения, 132
260 Предметный указатель

— матрицы, 132 — вольтерровская, 60

Индексы немые, 127 — двухвидового взаимодействия,
57
Кобазис, 126 — дифференциальная сплошной сре-
Количество теплоты, 177 ды, 164
Компоненты — жидкости
— тензора, 137 — — вязкой несжимаемой, 210
— — ковариантные, 137 — — идеальной несжимаемой, 211
— — контравариантные, 137 — — классическая, 208
— — смешанные, 137 — — первая замкнутая, 205
Компоненты вектора ковариантные, — Колмогорова, 66
контравариантные, 128 — Лотки — Вольтерра, 51
Координаты — Мальтуса, 41
— вектора, 125 — математическая, 13
— Лагранжа, 114 — математическая сплошной сре-
— Эйлера, 114 ды, 123
Коэффициент — межвидовой конкуренции, 46
— вязкости — первого порядка аппроксимации,
— — второй, 206 68
— — первый, 206 — первого приближения, 68
— вязкости кинематической, 209 — Ферхюльста — Пирла, 43
— температуропроводности, 211 — экономического роста, 79
— теплопроводности, 181 Момент количества движения, 117

Лемма Начало термодинамики второе, 178

— о представлении симметричных Неравенство
функций — Коши — Шварца, 129
— — на R2 , 194 Неравенство Клаузиуса — Дюгема,
— — на R3 , 195 180
— о формуле Эйлера для инвари- Норма вектора, 126
анта J3 , 146
— об однородности основного урав- Объем, 109
нения состояния, 202 — удельный, 204
Оператор Лапласа, 144
Масса, 110 Описание сплошной среды лагран-
Матрица жево, эйлерово, 113
— сообщества, 61 Отображение
— Якоби, 142 — антисимметричное, 133
Метод — линейное, 129
— аналогий, 21 — ортогональное, 134
Множество Парето, 99 — самосопряженное, 133
Модель — симметричное, 133
 261

Параметры Процесс
— определяющие, 168 — непрерывный, 170
— — полная система, 169 — обратимый, 170
— состояния, 166 Процесс, цикл, 170
Плоскость фазовая, 53
Плотность поверхностная потока теп- Равновесие термодинамическое, 175
ла, 122 Ранг (валентность) тензора, 137
Поле Репер, 188
— векторное, 140 Решение
— дифференцируемое, 140 — асимптотически устойчивое, 63
— индифферентное, 189 — неустойчивое, 62
— непрерывно дифференцируемое, — устойчивое по Ляпунову, 62
140
— непрерывное, 140
— скалярное, 140 Свертка линейных отображений, 134
— тензорное, 140 Сдвиг направлений относительный,
Принцип 183
— вариационный, 17 Седло, 227
— независимости от системы от- Сила
счета, 189 — внешняя массовая, 119
— отвердевания, 119 — внутренняя поверхностная, 120
— Парето, 98 Символ Кронекера, 126
— причинности, 186 Система
— пространственной локализации, — автономная, 63
186 — отсчета, 188
Произведение — уравнений
— векторное, 134 — — Навье — Стокса, 210
— скалярное, 125 — — Эйлера, 211
Производная След матрицы, 131
— полная, 150 Состояние
— поля в точке, 140 — равновесия, 63
— поля по направлению, 141 — среды равновесное термодина-
— частная, 141 мическое, 165
Пространства изометричные, 130 Среда сплошная
Пространство — k-параметрическая, 166
— аффинное, 108 — без наследственности, 187
— векторное, 124 — простая, 187
— евклидово, 109, 126 — с бесконечно короткой памятью,
— евклидово аффинное, 109 187
— линейных отображений, 129 — с нулевой памятью, 187
— линейных функционалов, 130
— нормированное, 130 Тело упругое, 192
— присоединенное, 108 Температура
262 Предметный указатель

— абсолютная, 165 Удлинение относительное, 183

— абсолютная (аксиоматическое опре- Узел
деление), 179 — асимптотически устойчивый, 228
Температура абсолютная, 178 — вырожденный, 71
Тензор, 137 — неустойчивый, устойчивый, 70
— деформации Уравнение
— — Лагранжа, 183 — в вариациях, 146
— — Эйлера, 185 — Клапейрона, 15
— неразрывности, 152
— дисторсии, 183, 185
— состояния для жидкостей основ-
— метрический (фундаментальный),
ное, 202
138
Уравнения
— напряжений, 154, 157, 159 — определяющие, 186
— нулевого ранга, 138 — состояния, 186
— скоростей деформации, 161, 185 Устойчивость по Ляпунову, 61
Теорема
— Коши — Пикара, 145 Фокус неустойчивый, устойчивый,
— о дифференцируемости решений 73
ОДУ по начальным дан- Формула Эйлера, 146
ным, 146 Формулы Гаусса — Остроградско-
— о представлении изотропной го, 143
— — векторной функции, 199 Функция
— — скалярной функции, 199 — векторная изотропная, 193
— — тензорной функции, 195 — диссипативная, 207
— о симметричности тензора на- — Кобба — Дугласа, 81
пряжений, 159 — матричная изотропная, 194
— о существовании вектора пото- — скалярная изотропная, 193
ка тепла, 161 — тензорная изотропная, 192
— об индифферентности основных
тензоров, 189 Центр, 64
— об устойчивости точки покоя, Цикл, 64
75
— основная механики сплошной сре- Энергия
ды, 154 — внутренняя, 110
Теплоемкость, 210 — кинетическая, 118
Термодинамика, 165 — полная, 118
Термостатика, 165 — тепловая, 177
Тождество термодинамическое ос- — удельная объемная, 111
новное, 179 Энтропия, 165, 178
Точка покоя, 63 — (аксиоматическое определение),
Траектория, 112 179
Траектория фазовая, 53 — удельная, 179
 Учебное издание

Хакимзянов Гаяз Салимович,

Чубаров Леонид Борисович,
Воронина Полина Владимировна

МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ

Учебное пособие

Редактор Е. П. Войтенко

Подписано в печать 13.03.2014 г.

Формат 60 x 84 1/16. Уч.-изд. л. 16,4. Усл. печ. л. 15,2.

Тираж 250 экз. Заказ №

Редакционно-издательский центр НГУ.

630090, Новосибирск-90, ул. Пирогова, 2.