Введение

Higher mathematics and system modeling sound intimidating, but they are tools you already meet every day in Bryansk — when the Desna rises after spring thaw, when buses bunch up at Gagarin Avenue, or when a factory plans energy use. This article explains key ideas in plain language, gives small hands-on demonstrations you can run in Excel or Python, and uses vivid analogies so the math feels like a useful lens rather than a wall of formulas.

Что такое «higher mathematics» и «system modeling»?

— Higher mathematics: the set of advanced mathematical ideas (linear algebra, calculus, probability, differential equations, optimization) used to describe relationships, change, and structure.
— System modeling: building a simplified, predictive representation (a model) of a real-world system — a river basin, bus network, epidemic spread, or production line — so you can explore “what if” questions.

Analogy: think of math as a set of precision tools in a workshop. A model is a prototype made with those tools. The goal is not a perfect copy but a useful, testable approximation — a map, not the whole territory.

Основные инструменты (коротко и по-русски)

— Linear algebra (vectors, matrices): describe many interacting quantities at once — like simultaneous schedules for all buses. Analogy: an orchestra score where each line is an instrument; matrices coordinate them.
— Calculus and differential equations: describe continuous change — water level rising in the Desna. Analogy: slopes on a hill telling you which way a marble will roll.
— Dynamical systems: study how states evolve over time — stability, cycles, chaos.
— Probability and statistics: handle uncertainty and data — weather forecasts, noisy sensors.
— Optimization: find the best solution under constraints — shortest routes, cheapest schedules. Analogy: finding the lowest point in a valley.
— Graph theory and networks: model roads, railways, social contacts.
— Control theory: design feedback (e.g., automated gates, traffic signals) to keep a system behaving.

Практическая демонстрация 1 — простая модель уровня реки (box model)

Цель: понять как сток и накопление влияют на высокий уровень воды.

Модель (дискретное время, шаг — 1 день):
— S(t) — объём воды (или «уровень») в пойме в день t.
— In(t) — приток (дождь + таяние) в день t.
— Out(t) = k * S(t) — отток пропорционален накопленному объёму (k в день^-1).

Обновление:
S(t+1) = S(t) + In(t) — Out(t) = S(t) + In(t) — k*S(t) = (1 — k)*S(t) + In(t)

Как моделировать в Excel:
1. Сделайте колонки: день, In, S, Out.
2. Задайте S(0) — начальный уровень, выберите k (например 0.2).
3. Заполните In(t) — можно взять примеры гипотетического дождя (мм).
4. Заполните формулы и протяните вниз.

Интерпретация:
— Больший k → вода уходит быстрее (меньше риск наводнения), но если k слишком большой, пойма не удерживает полезную воду.
— Если серия дней с высоким In(t) превышает способность Out, S будет расти — потенциальное подтопление.
— Калибруете модель по реальным данным уровня/расхода реки.

Применение в Брянске: поддержка решений для гидротехнических служб, прогнозы в паводковые периоды.

Практическая демонстрация 2 — SIR-модель для простудной инфекции в школе

Цель: показать, как быстро меняется число заболевших и как меры снижают пик.

Коротко: население разбито на S (susceptible — восприимчивые), I (infected), R (recovered).
Дискретные приближения (шаг 1 день):
— S(t+1) = S(t) — β * S(t) * I(t) / N
— I(t+1) = I(t) + β * S(t) * I(t) / N — γ * I(t)
— R(t+1) = R(t) + γ * I(t)

Пример (школа, N = 1000):
— I(0) = 5, S(0)=995, R(0)=0
— β = 0.