Динамические и статистические теории. Динамические и статистические законы
Современные физические представления базируются на анализе всего предыдущего теоретического и экспериментального опыта физических исследований, единстве физических знаний, дифференциации и интеграции естественных наук и т.п., что позволяет подразделять законы физики на динамические и статистические. Соотношение этих законов дает возможность исследовать природу причинности и причинных отношений в физике.
Наука исходит из признания того, что все существующее в мире возникает и уничтожается закономерно, в результате действия определенных причин, что все природные, социальные и психические явления обладают причинно-следственными связями, беспричинных явлений не бывает. Такая позиция называется детерминизмом в противоположность индетерминизму, отрицающему объективную причинную обусловленность явлений природы, общества и человеческой психики.
В современной физике идея детерминизма выражается в признании существования объективных физических закономерностей. Открытие этих закономерностей - существенных, повторяющихся связей между предметами и явлениями - задача науки, так же как и формулирование их в виде законов науки. Но никакое научное знание, никакая научная теория не могут отразить окружающий мир, его отдельные фрагменты полностью, без упрощений и огрублений действительности. То же касается и законов науки. Они могут лишь в большей или меньшей степени приближаться к адекватному отображению объективных закономерностей, но искажения в ходе этого процесса неизбежны. Поэтому для науки очень важно, какую форму имеют ее законы, насколько они соответствуют природным закономерностям.
В этом отношении динамическая теория, представляющая собой совокупность динамических законов, отражает физические процессы без учета случайных взаимодействий. Динамический закон - это физический закон, отображающий объективную закономерность в форме однозначной связи физических величин, выражаемых количественно. Примерами динамических теорий являются классическая (ньютоновская) механика, релятивистская механика и классическая теория излучения.
Долгое время считалось, что никаких других законов, кроме динамических, не существует. Это было связано с установкой классической науки на механистичность и метафизичность, со стремлением построить любые научные теории по образцу механики И. Ньютона. Если какие-то объективные процессы и закономерности не вписывались в предусмотренные динамическими законами рамки, считалось, что мы просто не знаем их причин, но с течением времени это знание будет получено.
Такая позиция, связанная с отрицанием случайностей любого рода, с абсолютизацией динамических закономерностей и законов, называется механическим детерминизмом. Разработку этого требования обычно связывают с именем П. Лапласа. Он заявлял, что если бы нашелся достаточно обширный ум, которому были бы известны все силы, действующие на все тела Вселенной (от самых больших тел до мельчайших атомов), а также их местоположение, если бы он смог проанализировать эти данные в единой формуле движения, то не осталось бы ничего, что было бы недостоверным. Такому уму открылись бы как прошлое, так и будущее Вселенной.
В середине XIX в. в физике были сформулированы законы, предсказания которых являются не определенными, а только вероятными. Они получили название статистических законов. Так, в 1859 г. была доказана несостоятельность позиции механического детерминизма: Д. Максвелл при построении статистической механики использовал законы нового типа и ввел в физику понятие вероятности. Это понятие было выработано ранее математикой при анализе случайных явлений.
При броске игральной кости, как мы знаем, может выпасть любое число очков от 1 до 6. Предсказать, какое число очков выпадет при очередном броске, нельзя. Мы можем подсчитать лишь вероятность выпадения числа очков. В данном случае она будет равна "Д. Эта вероятность имеет объективный характер, так как выражает объективные отношения реальности. Действительно, если мы бросим кость, какая- то сторона с определенным числом очков выпадет обязательно. Это такая же строгая причинно-следственная связь, как и та, что отражается динамическими законами, но она имеет другую форму, поскольку показывает вероятность, а не однозначность события.
Проблема в том, что для обнаружения такого рода закономерностей обычно требуется не единичное событие, а цикл таких событий; в таком случае мы можем получить статистические средние значения. Если бросить кость 300 раз, то среднее число выпадения любого значения будет равно 300 х *Д = 50 раз. При этом безразлично, бросать одну и ту же кость 300 раз или одновременно бросить 300 одинаковых костей.
Несомненно, что поведение газовых молекул в сосуде гораздо сложнее брошенной кости. Но и здесь можно обнаружить определенные количественные закономерности, позволяющие вычислить статистические средние значения. Д. Максвеллу удалось решить эту задачу и показать, что случайное поведение отдельных молекул подчинено определенному статистическому (вероятностному) закону. Статистический закон - закон, управляющий поведением большой совокупности объектов и их элементов, позволяющий давать вероятностные выводы об их поведении. Примерами статистических законов являются квантовая механика, квантовая электродинамика и релятивистская квантовая механика.
Статистические законы в отличие от динамических отражают однозначную связь не физических величин, а статистических распределений этих величин. Но это такой же однозначный результат, как и в динамических теориях. Ведь статистические теории, как и динамические, выражают необходимые связи в природе, а они не могут быть выражены иначе, чем через однозначную связь состояний. Различается только способ фиксации этих состояний.
На уровне статистических законов и закономерностей мы также сталкиваемся с причинностью. Но это иная, более глубокая форма детерминизма; в отличие от жесткого классического детерминизма он может быть назван вероятностным (современным) детерминизмом. «Вероятностные» законы меньше огрубляют действительность, способны учитывать и отражать те случайности, которые происходят в мире.
К началу XX в. стало очевидно, что нельзя отрицать роль статистических законов в описании физических явлений. Появлялось все больше статистических теорий, а все теоретические расчеты, проведенные в рамках этих теорий, полностью подтверждались экспериментальными данными. Результатом стало выдвижение теории равноправия динамических и статистических законов. Те и другие законы рассматривались как равноправные, но относящиеся к различным явлениям. Считалось, что каждый тип закона имеет свою сферу применения и они дополняют друг друга, что индивидуальные объекты, простейшие формы движения должны описываться с помощью динамических законов, а большая совокупность этих же объектов, высшие, более сложные формы движения - статистическими законами. Соотношение теорий термодинамики и статистической механики, электродинамика Д. Максвелла и электронная теория X. Лоренца, казалось, подтверждали это.
Ситуация в науке кардинально изменилась после возникновения и развития квантовой теории. Она привела к пересмотру всех представлений о роли динамических и статистических законов в отображении закономерностей природы. Был обнаружен статистический характер поведения отдельных элементарных частиц, никаких динамических законов в квантовой механике открыть не удалось. Таким образом, сегодня большинство ученых рассматривают статистические законы как наиболее глубокую и общую форму описания всех физических закономерностей.
Создание квантовой механики дает полное основание утверждать, что динамические законы представляют собой первый, низший этап в познании окружающего нас мира. Статистические законы более полно отражают объективные связи в природе, являются более высокой ступенью познания. На протяжении всей истории развития науки мы видим, как первоначально возникшие динамические теории, охватывающие определенный круг явлений, сменяются по мере развития науки статистическими теориями, описывающими тот же круг вопросов, но с новой, более глубокой точки зрения. Только они способны отразить случайность, вероятность, играющую огромную роль в окружающем нас мире. Только они соответствуют современному (вероятностному) детерминизму.
Понятия системы, основные характеристики системы.
Система – это совокупность элементов, находящихся во взаимодействии и связаны определенной структурой.
Базовый блок любой системы – составляющие ее элементы, каждый элемент характеризуется набором состояний, в которой он может находиться.
Схема функционирования элемента системы:
Для многих систем характерен принцип обратной связи – выходной сигнал может использоваться для коррекции управления.
S(t) – состояние элемента в момент t.
U(t) – управление элементом в момент t.
a(t) – внешняя среда элемента в момент t.
E(t) – случайные воздействия элемента в момент t.
Y(t) – выходной сигнал элемента в момент t.
В общем случае описание функционирования элемента системы производится при помощи системы дифференциальных или разностных уравнений следующего вида:
Y(t) =f(S(t), S(t-1), …,U(t),U(t-1),…,a(t),a(t-1),…,E(t),E(t-1),…)
(Y(t) = g (S(t), a(t), E(t)) (1)
Примеры структуры системы:
линейная (последовательная):
иерархическая (древовидная):
радиальная (звездообразная):
сотовая или матричная:
многосвязная – с произвольной структурой.
При анализе динамических систем рассмотрим решение следующих задач:
Задача наблюдения – состоит в определении состояния системы в момент времени S(t) по данным выходных величин (о их поведении) в будущем.
Найти S(t)
, зная,
для системы с дискретным временем.
для систем с непрерывным временем.
Задача идентификации – в определении текущего состояния S(t) по данным о поведении выходных величин в прошлом.
3. Задачи прогнозирования – определение будущих состояний по данным ткущих и
прошлых значений.
Найти S
(t+1),
S
(t+2),…
зная
Задача поиска управления – найти управляющую последовательность U(t), U(t+1),…, U(S), S > t, которая приводит систему из состояния S(t) = X в состояние S(S) = Y.
Задача синтеза максимального управления – состоит в определенной оптимальной последовательности управляющих воздействий U*(t) решающий задачу 4 и максимальную целевую функцию или функциональную:
F(S(t)), t = 0,1,2,…
Типы систем:
По наличию случайных факторов:
Детерминированные
Стохастические – влиянием случайных факторов нельзя принебреч.
2. По учету фактора времени:
Системы с непрерывным временем
Системы с дискретным временем
3. По влиянию прошлых периодов:
Марковские системы – для решения 1 и 2 задач нужна информация только за непосредственно предшествующий или последующий период. Для Марковской систем уравнение (1) принимает вид: G(S(t), S(t-1), U(t), U(t-1), a(t), a(t-1), E(t), E(t-1)) = 0
Немарковские.
Некоторые общие свойства систем:
причинность – возможность предсказывать последствия некоторых последствий в будущем. Част. случай: предопределенность системы означает, что в сущности такие состояния, для которых вся будущая эволюция системы может быть вычислена на базе прошлых наблюдений.
управляемость – состоит в том, что подходящим выбором входного воздействия U можно добиться любого входного сигнала Y.
устойчивость – система является устойчивой, если при достаточно малых изменениях условий ее функционирования поведение системы существенно не изменится.
инерционность – возникновение запаздываний в системе при реакции (запаздывания) на изменение управления и (или) внешней среды.
адаптивность – способность системы изменять поведения и (или) свою структуру в ответ на изменение внешней среды.
Детерминированные динамические системы с дискретным временем.
Многие приложения в экономике требуют моделирования систем во времени.
Состояние системы в момент времени t описывается мерным вектором X(t).
X(t) = ….. , X (t) R n (R – множество всех вещественных чисел)
t
Эволюция системы со временем описывается функцией
G (X 0 , t, ) , где
X 0 – начальное состояние системы;
t – время;
- вектор параметров.
Функция g(*) называют также переходной функцией
Функция g(*) – это правило, описывающее текущее состояние как функцию от времени, начальных условий и параметров.
Например: X t = X 0 (1+) t = g (X 0 , t, )
Функция g(*) как правило не известна. Обычно она задана неявно как решение системы разностных уравнений.
Разностное уравнение или система уравнений – это уравнения в следующей форме: F (t, X t , X t +1 , …, X t + m , ) = 0 (1), где
X t – состояние системы в момент времени t.
Решение уравнения (1) – это последовательность векторов
X t = X 0 , X 1 ,…,
Обычно предполагается, что уравнение (1) можно решить аналитически относительно X t + m и переписать в форме так называемых уравнений – состояний:
X t+m = f (t, X t , X t+1 , …,X t+m-1 , )(2)
Например:
X t +2 = X t + X t +1 /2 + t
Любую систему представляют в форме (2) всегда можно?
Разностное уравнение (2) называется линейным, если F(*) является линейной фуекцией переменных состояний (не обязательно линейно относительно )
В уравнениях (1) и (2) величина m называется порядком системы не является серьезным ограничением, так как системы более высокого порядка путем введения дополнительных переменных и уравнений.
Пример: X t = f (X t -1 , Y t -1) – система 2-го порядка
Введем Y t
= X t -1
X t = f(X t -1 , Y t -1)
Таким образом, мы будем рассматривать только системы 1-го порядка следующего вида:
X t -1 = f(t, X t , ) (3)
Уравнение (3) называется автономным, если t не входит в него отдельным аргументом.
Пример:
Рассмотрим динамику основных фондов на предприятии
K t – стоимость основных фондов предприятия в период t.
- норма амортизации, то есть % основных фондов, которые изъяли на предприятии за год.
I t = инвестиции в основные фонды.
K t +1 = (1 - )K t + I t – уравнение 1-го порядка, линейное, если I t = I, тогда
K t +1 = (1 - )K t + I – уравнение автономное
Если I t = I(t) – неавтономное (зависит от t)
Решение уравнения (3) – это последовательность векторов состояния {X t }, удовлетворяющих уравнению (3) для всех возможных состояний. Эта последовательность называется траекторией системы. Уравнение (3) показывает, как состояние системы изменяется от периода к периоду, а траектория системы дает ее эволюцию как функцию начальных условий и состояния внешней среды .
Если известно начальное состояние X 0 , легко получить последовательность решений путем итеративного применения отношения (3), получим переходную функцию следующим образом:
X t +1 = f (t, X t , )
X 1 = f (0, X 0 , ) = g (0, X 0 , )
X 2 = f (1, X, ) = f (1; f (0, X 0 , );) = g (1, X 0 , )
X t+1 = f (t, X t , ) = f (t, g, (t – 1, X 0 , ),) = g (t, X 0 , )
Если f (*) однозначная, всюду определенна функция, то существует уникальное решение уравнения (3) для любого X 0 .
Если функция имеет вид f (t, X t , ) = / X t – не всюду опрделенная.
Если f (*) непрерывная дифференциальная функция, то решение также будет гладким относительно и X 0
Полученное решение зависит от начального состояния X 0 .
Задача с граничным условием состоит из уравнения (3) и граничного условия, задаваемого в формуле:
X s = X s (4)
Если в уравнении (4) – S = 0 , то оно называется начальным состоянием.
Уравнение (3) имеет много решений, а уравнение (3) + (4) – система – единственное решение, поэтому различают общее и частное решение разностного уравнению (3):
X t g = X(t, c, ) = {X t (X t +1 = f (t, X t , ))} , где параметр е индексирует частное решение.
X t – размер вклада в момент t
Z - % я ставка
X t +1 = X t (1+ z) ; X 0 = …
X 1 = X 0 (1 + z)
X 2 = X 1 (1 + z) = X 0 (1 + z) 2 = g (X 0 , t, z) , где t = 2
Если можно найти общее решение системы (3) . у нас будет полная информация о поведении системы со временем, будет легко определить, как система реагирует на изменение параметров.
К сожалению, общее решение существует только для определенных классов l – го порядка (в частности для линейных систем)
Автономные системы
Поведение автономных систем задается разностным уравнением
X t +1 = f (X t , ) (1)
Автономные системы моделируют ситуации, где структура системы остается неизменной со временем. Это дает возможность использовать для анализа графический метод.
X t =1 = f (t, X t , )
X t = X t +1 – X t = f (t, X t , ) - X t = d (t, X t , ) (2)
Функция d (*) показывает на сколько изменится состояние системы от периода к периоду. В каждой точке X t можно сопоставить вектор X t в соответствующем уравнении (2) Функция d (*) в этом контексте называется векторным полем
X 0 /t = 0
Для автономных
систем
и
В автономных системах все системы, попавшие когда-либо в т. Х 0 в последствии следуют одной и той же траекторией. В неавтономных системах поведение зависит также и от того, когда система попала в т. Х 0.
При начальном условии Х 0 для автономных систем применим уравнение (1):
дважды последовательно примененная.
В выше приведенной системе f t означает результат t-кратного итеративного применения функции f () к своему аргументу. Функция f t показывает, куда перейдет система за t периодов из начального состояния.
X t – куда перейдет система из т. Х 0 за t периодов времени.
Функция f t иногда называется потоком системы.
Устойчивые состояния. Периодические равновесия. Стабильность .
С течением времени система переходит к устойчивому состоянию. Поэтому нас будет интересовать асимптотическое поведение системы при t → ∞.
Рассмотрим систему
Следовательно,
если
существует, то
.
Точка Х, удовлетворяющая
уравнению
называется неподвижной точкой отображения
.
Точка называется в контексте динамических систем устойчивым состоянием или стационарным состоянием.
Неподвижные точки широко используются для изучения долговременного поведения динамических систем.
если
,
то 1 в противном случае 0
Теория устойчивости Ляпунова
Точка
называется стабильной по Ляпунову, если
для любого числа
существует такое число,
,
что из условия
для всех
.
–длина вектора на плоскости.
–равновесное состояние.
–норма вектора Х.
Точка будет стабильной по Ляпунову в том случае, когда система один раз попав в окрестность точкии в дальнейшем останется в окрестности.
Точка называется асимптотически устойчивой по Ляпунову если:
Для асимптотически устойчивых систем с течением времени система подходит все ближе и ближе к своему равновесному состоянию.
Система ведет себя так:
–поток системы
–куда перейдет система через к шагов
Периодическим
решением динамической системы
называется решение в форме
,
где р – период системы или период
траектории.
Таким образом,
периодическое решение является
неподвижной точкой отображения
.
Неподвижная точка
Проверим, есть ли
неподвижная точка
:
любая точка является неподвижной.
Скалярные линейные системы
Скалярные линейные
системы имеют форму:
(1)
–уравнение, подданное в момент t.
Если в уравнении
(1)
,
то
,
то оно называется однородным.
Однородные линейные системы
Для скалярных
систем удобно анализировать поведение
системы при помощи фазовой диаграммы.
Фазовая диаграмма – это график зависимости
Случай 1. 0 Является аналитически
стабильной –линейная, если
а=1, под 45 0
– угол наклона. Для 0
Оглавление |
---|
Система наук о природе и естественно-научная картина мира. |
Дидактический план |
Предисловие |
Тематический обзор |
Основные науки о природе |
Научный метод познания природы |
Элементы научного метода познания |
Псевдонаука |
Фундаментальные и прикладные науки. Технология |
Научные знания на Древнем Востоке |
Появление науки в Древней Греции |
Античная наука |
Математическая программа Пифагора – Платона |
Атомистическая программа Левкиппа и Демокрита |
Континуальная программа Аристотеля |
Развитие науки в эпоху эллинизма |
Научные знания в Средние века |
Основные черты средневекового мировоззрения и науки |
Эпоха Возрождения: революция в мировоззрении и науке |
Открытия Коперника и Бруно – фундамент первой научной революции |