Даже представители племени тумба-юмба…
Вместо предисловия
Не думаю, что преувеличу, если скажу: большую часть сознательной жизни я не понимал, зачем нужна математика. Вернее, я её всей душой ненавидел. В школе, затем в техникуме и университете меня постоянно сопровождал один вопрос: «Зачем?». В частности, зачем математика программисту? К сожалению, с учителями и преподавателями мне преимущественно не везло: вместо того чтобы помочь разобраться в непростом материале, они скорее унижали учеников и окончательно отбивали интерес к предмету. Возможно, вам эта ситуация тоже знакома.
Кульминацией стал преподаватель высшей математики в университете. Человек он был и остаётся очень умный, но, судя по всему, считал, что материал не нуждается ни в каких дополнительных разъяснениях сверх того, что он старательно выводил мелом на доске. Многие его высказывания вполне заслуживают того, чтобы их разобрали на цитаты. До сих пор помню, как однажды он принёс на лекцию книжку «Курочка Ряба» и с её помощью объяснял дискретную математику. И это не шутка.
Фраза из заголовка статьи, кстати, тоже принадлежит ему: «Даже индейцы из племени тумба-юмба умеют решать эти уравнения, а вы нет!». С этого воспоминания, пожалуй, и начну рассказ о боли, непростом пути к самосовершенствованию и попытках постичь бесконечное и вечное.
Я давно читаю SE7EN, но всё никак не решался написать первую статью. Похожих материалов на эту тему мне, кажется, не встречалось, поэтому надеюсь, что история получится интересной и поможет кому-нибудь разобраться в собственных вопросах. Если вам любопытно, добро пожаловать под кат!
С чего всё началось
С будущей профессией мне повезло определиться ещё в школе. Во многом благодаря соседу по лестничной площадке Николаю, который приходил к нам помогать с компьютером. У него я многому научился, а дальше стал разбираться самостоятельно. Позже, уже в университете, меня порой бросало от программирования к микропроцессорной технике и обратно, но в целом было ясно: сферу информационных технологий я выбрал не зря.
После девятого класса я ушёл в техникум, избежав злосчастного ЕГЭ. Впрочем, причина была не только в этом: мне хотелось поскорее приступить к освоению профессии. Подробности учёбы опущу: из вступления и так понятно, что отношения с математикой во всех её проявлениях складывались непросто.
В университете меня увлекла научно-исследовательская работа, или НИР. Постепенно я начал заниматься ею параллельно с учёбой и работой. Приятным бонусом была прибавка к стипендии, которая лишь усиливала интерес. Темы попадались разные: я писал программы, создавал учебные стенды для кафедры, но математику как таковую по возможности обходил стороной.
Окончив бакалавриат и магистратуру, я настолько увлёкся исследованиями, что поступил в аспирантуру. Именно здесь и начинается основная история. Вы когда-нибудь задавались вопросом, зачем нужна математика, особенно в те моменты, когда во время учёбы сталкивались с трудностями и непониманием со стороны преподавателей? Ведь писать код можно и без умения решать дифференциальные уравнения или интегрировать по частям. В большинстве случаев достаточно простых вычислений по известным формулам, которые не вызывают болезненных воспоминаний о недавних учебных мучениях.
Ответ на этот вопрос пришёл ко мне только в аспирантуре. Казалось бы, поступать туда без серьёзной математической подготовки довольно опрометчиво, но задумался я об этом лишь на вступительном экзамене по специальной дисциплине. В моём билете оказался вопрос: найти экстремум функции:
Сегодня эта задача кажется мне несложной, но тогда она стала единственным вопросом, на который я почти не смог ответить. К слову, в аспирантуру я поступил по специальности «Информатика и вычислительная техника».
Первый семестр дался невероятно тяжело: практически всё время мы занимались математикой. Я то и дело — а точнее, почти постоянно — спрашивал себя: «Куда же я попал?» и «Зачем мне всё это?». Так продолжалось, пока мы не добрались до принципа максимума Понтрягина. Огромную роль сыграл профессор: на примере московского метро он доступно объяснил, что это за принцип и для чего он нужен, а затем рассказал о самом Льве Семёновиче Понтрягине. У этого человека удивительная судьба. Если вы с ней не знакомы, почитайте при случае: история действительно захватывающая.
Пример с метро меня увлёк. Но сначала стоит пояснить суть принципа максимума Понтрягина: он помогает найти такое управляющее воздействие на объект, которое обеспечивает наилучший, то есть оптимальный, режим его работы.
В случае с метро задача формулируется так: электропоезду нужно добраться от одной станции до другой строго за заданное время, например за 120 секунд, затратив при этом минимум энергии. С помощью принципа максимума Понтрягина можно определить управление поездом: сначала он разгоняется, затем движется по инерции и в конце тормозит, чтобы уложиться ровно в отведённое время.
Меня поразила мысль о том, как множество электропоездов под землёй движется подобно единому механизму: чётко и по расписанию. Теория оптимального управления, развитию которой способствовал Лев Семёнович, позволяет решать подобные задачи. Его работа стала настоящим прорывом: она развила классическое вариационное исчисление и открыла новые возможности управления сложными техническими системами. И тут мой собственный поезд наконец тронулся. Познакомившись с теорией оптимального управления и принципом максимума, я впервые по-настоящему понял зачем. Формулы, теории, символы математического языка и их применение в реальном мире сложились в единую картину.
Кто-то, возможно, спросит: «Стоило ли ради такого “поразительного” вывода проходить столь длинный путь?». Для меня ответ однозначен: да. Теперь я понимал, ради чего учиться решать уравнения и задачи, и с энтузиазмом принялся восполнять пробелы. За первый год аспирантуры удалось не только наверстать то, что прежде казалось безнадёжно упущенным, но и освоить новый материал.
Времена, когда математические выкладки на доске вызывали у меня ужас, остались позади. Вместо страха появился интерес, хотя разобраться по-прежнему бывает непросто: опыта и насмотренности мне ещё не хватает. При этом я осознал важную вещь: проблема заключалась не только в том, что я чего-то не понимал. Некоторые преподаватели так и не сумели объяснить мне и, вероятно, другим ребятам самую основу — зачем нужен их предмет. Они не смогли заинтересовать ни школьников, ни начинающих специалистов. Теперь многое встало на свои места, и я постепенно начал пробовать применять знания на работе.
Работа инженером-программистом на заводе открыла для этого широкие возможности: виртуальные анализаторы качества, математические модели процессов и объектов, модели смешения — и это только начало. Особенно приятно, когда созданная собственными руками модель действительно работает и приносит пользу.
Такова моя небольшая история о том, как я присоединился к племени тумба-юмба. Но на этом останавливаться не будем: мы ведь на SE7ENе! Перейдём от слов к делу и рассмотрим пример из любимой мной космической тематики, чтобы наглядно показать, зачем нужна математика.
Математика в практической задаче

Для примера возьмём метеорологическую ракету МР-25, изображённую слева, и поставим задачу: поднять её на определённую высоту за заданное время с минимальным расходом ресурсов.
МР означает «метеорологическая ракета», а число 25 указывает на её максимальную высоту — 250 км.
Чтобы решить задачу, необходимо:
1. построить математическую модель поведения ракеты в виде системы обыкновенных дифференциальных уравнений;
2. задать ограничения на управляющее воздействие;
3. выбрать критерий оптимальности, позволяющий оценить достижение цели.
|
Параметр |
Значение |
Единица измерения |
|
Импульс двигателя |
|
м/c |
|
Масса ракеты без топлива |
M0 = 420 |
кг |
|
Масса заправленной ракеты |
M = 1620 |
кг |
|
Допустимый диапазон расхода топлива |
0 <= U <= 50 |
кг/с |
При построении модели движения будем считать влияние аэродинамического сопротивления незначительным. В нашей задаче вместо максимальной высоты 250 км зададим высоту 50000. Также примем, что ускорение свободного падения постоянно и не зависит от высоты полёта.
Обозначим вертикальную координату ракеты, или высоту подъёма в метрах, через h; скорость в м/с — через v; массу в килограммах — через m. С учётом имеющегося запаса топлива движение ракеты опишем следующей системой:
Здесь — импульс двигателя ракеты, U — массовый расход топлива, g — ускорение свободного падения.
Зададим условия: h(0) = 0 — высота ракеты на старте, h(1) = 50000 — высота в конце полёта, v(0) = 0 — начальная скорость, m(0) = 1620 — стартовая масса; время управления T = 150 с.
Управлением в этой задаче служит расход топлива u. Нужно найти такую функцию u(t), которая обеспечит подъём ракеты на высоту H за фиксированное время T при минимальном расходе топлива. Запишем критерий оптимальности:
Учтём также ограничения:
Масса ракеты во время полёта меняется, поэтому заранее определить её для каждого момента нельзя. Будем находить её при расчёте оптимального управления.
Теперь, имея функционал и ограничения, составим гамильтониан, включающий подынтегральное выражение функционала и уравнения системы:
Теперь можно приступать к решению. Возьмём частную производную гамильтониана по управлению u, чтобы получить выражение для управления как функции времени:
Поскольку пси нулевое — константа, равная -1, управляющее воздействие запишется так:
Чтобы найти оптимальное управление, определим сопряжённые функции, при которых исходная система удовлетворяет заданным ранее граничным условиям. Их уравнения имеют следующий вид:
А так выглядит расширенная система с учётом управления:
После этих преобразований мы получаем классическую двухточечную краевую задачу. Её система содержит три уравнения движения объекта и три уравнения сопряжённых функций. В неё также входит функция управления, выраженная через прямые и сопряжённые переменные. Система нелинейна, поэтому будем искать решение численными методами. Воспользуемся разностным методом и MathCad.
Вместо разностного метода можно выбрать, например, метод стрельбы или другой подход. Дифференциальные уравнения заменим их разностными аналогами:
Для расчёта оптимальной траектории разобьём время полёта на небольшие интервалы, то есть построим расчётную сетку. Для каждого интервала запишем уравнения и получим систему, которой необходимы шесть начальных и конечных, или граничных, условий. При шаге сетки Δ = 1 система принимает вид:
Решив систему численным методом Ньютона — Рафсона, мы нашли недостающие начальные значения сопряжённых переменных. Теперь остаётся использовать их вместе с функцией rkfixed и получить решение задачи.
На графиках видно, как ракета набирает высоту и скорость, постепенно теряя массу по мере расходования топлива. Отдельно показано изменение расхода топлива.
А как решить ту же задачу, если MathCad под рукой нет? Можно воспользоваться программированием. Ниже приведён пример решения на Python.
import numpy as np
import matplotlib.pyplot as plt
from scipy.integrate import solve_ivp
# Зададим начальные параметры нашей модели
B = 2011.0 # импульс двигателя
g = 9.81 # Ускорение свободного падения
t1 = 0.0 # Начальное время
t2 = 150.0 # Конечное время
# Теперь начальные условия (вектор Y из Маткада)
# Индексы в Python сместим для удобства на -1 относительно того, как мы делали в Маткаде
# y[0]=h, y[1]=v, y[2]=m, y[3]=psi1, y[4]=psi2, y[5]=psi3
y0 = [0.0, 0.0, 1620.0, 0.004347, 0.634, -32.499]
# Дальше составляем нашу систему дифференциальных уравнений
def rocket_system(t, y):
h, v, m, psi1, psi2, psi3 = y
U = (psi2 * B) / (2.0 * m) - psi3 / 2.0
dh_dt = v
dv_dt = (B * U) / m - g
dm_dt = -U
dpsi1_dt = 0.0
dpsi2_dt = -psi1
dpsi3_dt = (B**2 / (2.0 * m**2)) * (psi2**2) - (B / (2.0 * m**2)) * psi2 * psi3
return [dh_dt, dv_dt, dm_dt, dpsi1_dt, dpsi2_dt, dpsi3_dt]
# Решение системы уравнений (аналог rkfixed)
t_eval = np.linspace(t1, t2, 151)
sol = solve_ivp(rocket_system, [t1, t2], y0, t_eval=t_eval, method='RK45')
t_grid = sol.t
h_res = sol.y[0]
v_res = sol.y[1]
m_res = sol.y[2]
psi2_res = sol.y[4]
psi3_res = sol.y[5]
U_res = (psi2_res * B) / (2.0 * m_res) - psi3_res / 2.0
# И визуализируем полученные результаты
fig, axs = plt.subplots(2, 2, figsize=(10, 8))
# Высота ракеты
axs[0, 0].plot(t_grid, h_res, 'r-')
axs[0, 0].set_title('Высота ракеты')
axs[0, 0].set_xlabel('t')
axs[0, 0].set_ylabel('h', rotation=0, labelpad=10)
axs[0, 0].grid(True, linestyle=":")
axs[0, 0].set_xlim(0, 150)
axs[0, 0].set_ylim(0, 6e4)
axs[0, 0].ticklabel_format(style="sci", axis="y", scilimits=(4,4))
# Скорость ракеты
axs[0, 1].plot(t_grid, v_res, 'r-')
axs[0, 1].set_title('Скорость ракеты')
axs[0, 1].set_xlabel('t')
axs[0, 1].set_ylabel('v', rotation=0, labelpad=10)
axs[0, 1].grid(True, linestyle=":")
axs[0, 1].set_xlim(0, 150)
axs[0, 1].set_ylim(0, 600)
# Масса ракеты
axs[1, 0].plot(t_grid, m_res, 'r-')
axs[1, 0].set_title('Масса ракеты')
axs[1, 0].set_xlabel('t')
axs[1, 0].set_ylabel('m', rotation=0, labelpad=10)
axs[1, 0].grid(True, linestyle=":")
axs[1, 0].set_xlim(0, 150)
axs[1, 0].set_ylim(600, 1.8e3)
axs[1, 0].ticklabel_format(style="sci", axis="y", scilimits=(3,3))
# Расход топлива ракеты
axs[1, 1].plot(t_grid, U_res, 'r-')
axs[1, 1].set_title('Расход топлива ракеты')
axs[1, 1].set_xlabel('t')
axs[1, 1].set_ylabel('U', rotation=0, labelpad=10)
axs[1, 1].grid(True, linestyle=":")
axs[1, 1].set_xlim(0, 150)
axs[1, 1].set_ylim(0, 20)
plt.tight_layout()
plt.show()
Что именно мы сделали? По сути, повторили расчёт в MathCad:
-
Задали константы и начальные условия: параметры двигателя и гравитации, начальные высоту, скорость и массу ракеты, а также заранее подобранные значения сопряжённых переменных.
-
Описали движение и управление в функции rocket_system. Она содержит систему дифференциальных уравнений, связывающую высоту, скорость, массу и оптимальный расход топлива.
-
Решили систему с помощью метода Рунге — Кутты и функции solve_ivp, получив состояние ракеты для каждой секунды полёта.
-
Построили на одном экране четыре графика, показывающие изменение высоты, скорости, массы и расхода топлива во времени.
Снова посмотрим на графики: они соответствуют результатам, полученным в MathCad.

При сравнении результатов видно, что расчёты и графики в целом совпадают. Выбор инструмента здесь не принципиален и зависит от предпочтений. Важно, что и MathCad, и Python дают численное решение, которому предшествовала аналитическая работа на бумаге. Мы выполнили её ещё до программирования: она позволила сформулировать систему для последующего численного расчёта.
Послесловие
Итак, с помощью MathCad и методов вариационного исчисления мы рассмотрели задачу подъёма ракеты на заданную высоту за фиксированное время при минимальном расходе топлива. Затем воспроизвели расчёт на Python. По-моему, получилось увлекательно. Подобным образом решается множество задач, связанных с окружающим нас миром.
Следующим шагом можно попробовать перенести полученные расчёты на реальное оборудование.
Возвращаясь к началу статьи, теперь я смотрю на эту историю иначе. В эпоху широкого распространения генеративных моделей специалист с фундаментальной подготовкой в математике, физике или химии, на мой взгляд, имеет преимущества перед тем, кто умеет только писать код или настраивать такие модели. Базовые знания помогают не только решать сложные наукоёмкие задачи, но и шире видеть предметную область. Работа на пересечении дисциплин зачастую оказывается особенно интересной и сложной, что повышает ценность специалиста. Жаль, что в своё время я упустил эту простую истину, но я рад, что всё же к ней пришёл.
Надеюсь, статья оказалась интересной и полезной. Заранее прошу прощения за возможные опечатки или ошибки в формулах и обозначениях. Я старался рассказать обо всём простым языком, чтобы прежде всего передать суть задачи и путь к результату. Если материал вам понравился и хочется узнать больше по этой теме, пишите в комментариях — буду рад продолжить.
SpaceX опубликовала видео возвращения Starship на платформу Mechazilla
Статистическая механика жизни: новый взгляд на идеи Шрёдингера
Что связывает крем от прыщей с эпидемией безумия?
Барон Шиллинг: жизнь, электромагнитный телеграф и другие изобретения
Особое значение термина «теория» в науке
ЦАП: где биты становятся звуком
Как окружающая среда влияет на развитие мозга?
Во что играли гики в СССР? Часть 2