Математична фізика: відмінності між версіями

[неперевірена версія][неперевірена версія]
Вилучено вміст Додано вміст
IvanBot (обговорення | внесок)
м →‎Методи: replaced: найбільш істотні → найістотніші
IvanBot (обговорення | внесок)
м →‎Методи: replaced: більш детального → детальнішого
Рядок 25:
Вплив математичної фізики на різні розділи [[математика|математики]] виявляється й у тому, що розвиток математичної фізики, що відбиває вимоги [[Природознавство|природничих наук]] і запити практики, спричиняє переорієнтацію спрямованості досліджень у деяких вже сформованих розділах [[математика|математики]]. Постановка задач математичної фізики, зв'язана з розробкою математичних моделей реальних фізичних явищ, призвела до зміни основної проблематики [[теорія диференціальних рівнянь|теорії диференціальних рівнянь]] у частинних похідних. Виникла [[теорія крайових задач]], що дозволила згодом зв'язати [[диференціальне рівняння]] у частинних похідних, з [[інтегральне рівняння|інтегральними рівняннями]] і [[варіаційний метод|варіаційними методами]].
 
Вивчення математичних моделей фізики математичними методами не тільки дозволяє дослідити кількісні характеристики фізичних явищ і розрахувати із заданим ступенем точності хід реальних процесів, а й надає можливість глибокого проникнення до самої суті фізичних явищ, виявлення схованих закономірностей, передбачення нових ефектів. Прагнення до більш детальногодетальнішого вивчення фізичних явищ призводить до усе більшого ускладнення математичних моделей, які описують ці явища, що, своєю чергою, унеможливлює застосування аналітичних методів дослідження цих моделей. Це пояснюється, зокрема, тим, що математичні моделі реальних фізичних процесів є, як правило, нелінійними, тобто описуються [[нелінійні рівняння|нелінійними рівняннями]] математичної фізики Для детального дослідження таких моделей успішно застосовуються прямі [[чисельні методи]] з використанням [[комп’ютер]]ів. Для типових задач математичної фізики використання чисельних методів зводиться до заміни [[рівняння математичної фізики|рівнянь математичної фізики]] для функцій неперервного аргументу [[алгебраїчне рівняння|алгебраїчними рівняннями]] для [[сіткова функція|сіткових функцій]], заданих на дискретній [[множина|множині]] точок (на сітці). Іншими словами, замість [[неперервна модель|неперервної моделі]] середовища вводиться її [[дискретна модель|дискретний аналог]]. Застосування [[чисельні методи|чисельних методів]] у ряді випадків дозволяє замінити складний, трудомісткий і вартісний [[фізичний експеримент]] значно економічнішим математичним (чисельним) експериментом. Досить повно проведений [[математичний експеримент]] є основою для вибору оптимальних умов реального фізичного експерименту, вибору параметрів складних фізичних приборів, визначення умов виявлення нових фізичних ефектів тощо. У такий спосіб чисельні методи надзвичайно розширюють область ефективного використання математичних моделей фізичних явищ. [[Математична модель]] фізичного явища, як усяка модель, не може передати всіх рис явища. Встановити адекватність прийнятої моделі досліджуваному явищу можна тільки за допомогою критерію практики, зіставляючи результати теоретичних досліджень прийнятої моделі з даними експериментів.
 
У багатьох випадках про адекватність прийнятої моделі можна судити на підставі розв’язування [[обернена задача|обернених задач]] математичної фізики, коли про властивості досліджуваних явищ природи, недоступних для безпосереднього спостереження, робляться висновки за результатами їх непрямих фізичних проявів. Для математичної фізики характерно прагнення будувати такі [[математична модель|математичні моделі]], які не лише дають опис і пояснення вже встановлених фізичних закономірностей досліджуваного кола явищ, а й дозволяють передбачити ще не встановлені закономірності. Класичним прикладом такої моделі є [[теорія всесвітнього тяжіння]] [[Ньютон Ісаак|Ньютона]], що дозволила не лише пояснити рух відомих до моменту її створення тіл [[Сонячна система|Сонячної системи]], але і передбачити існування нових [[планета|планет]]. З іншого боку, нові експериментальні дані не завжди можуть бути пояснені в рамках прийнятої моделі. Для їхнього пояснення потрібне ускладнення моделі.