Есть классическая задача, известная как «задача Мозера о делении круга хордами». Суть её проста: если на окружности отметить несколько точек и соединить их всеми возможными хордами так, чтобы никакие три не пересекались в одной внутренней точке, то на сколько частей разобьётся круг?

Интуиция подсказывает простую схему. Первые шаги дают закономерность: одна точка — один сектор, две точки — два, три — четыре, четыре — восемь, пять — шестнадцать. Кажется, что формула очевидна: каждое новое добавление удваивает количество частей, и значит ответ должен быть 2^(m−1), где m — количество точек. Но при шести точках магия ломается: вместо 32 частей получается 31. Именно этот сбой стал поводом для Льва Мозера в 1949 году сформулировать задачу как пример того, что «индукция может подводить».

Дальнейшие исследования показали, что правильное выражение для количества областей куда сложнее и связано с комбинаторикой. Фактически оно опирается на выборы пар и четвёрок точек: количество хорд зависит от сочетаний из двух, а число точек пересечения внутри круга — из четырёх. На этой базе выводится формула Мозера, которая уже точно описывает рост последовательности.

В статье Карлоса Родригеса-Лукатеро рассматриваются разные способы её получения. Сначала через элементарные комбинаторные рассуждения: учитывается количество хорд и точек пересечения, а затем прибавляется единица за исходный круг. Второй способ основан на знаменитой формуле Эйлера для планарных графов, которая связывает количество вершин, рёбер и граней. Если рассматривать хорды и дуги как рёбра, точки пересечения как вершины, а полученные части — как грани, то результат снова приводит к формуле Мозера. Наконец, автор предлагает ещё один путь — через разностные уравнения. Если построить таблицу конечных разностей для последовательности 1, 2, 4, 8, 16, 31, 57…, то получится рекуррентное соотношение четвёртого порядка. Его решение снова даёт точную формулу.

Разберём из статьи Rodriguez-Lucatero самый простой — комбинаторный — способ решения классической задачи Мозера о делении круга. Формула количества областей выглядит так:
R(n) = 1 + C²ₙ + C⁴ₙ.
Рассмотрим, откуда берутся эти слагаемые.
1) Исходная область: +1.
Это весь круг до проведения хорд.
2) Базовый вклад хорд: + C²ₙ.
Каждая хорда проводится между двумя точками. Всего таких пар — C²ₙ. Даже если хорда не имеет пересечений (как самая первая проведённая), она всегда делит некоторую существующую область на две — то есть добавляет ровно одну новую область. Это минимальный вклад каждой хорды.
3) Дополнительный вклад от пересечений: + C⁴ₙ.
Теперь учтём, что хорды могут пересекаться. Каждое пересечение двух хорд — это событие, которое увеличивает вклад той хорды, которая проводится позже.
Представьте процесс: вы проводите хорды по одной. Новая хорда пересекает несколько уже существующих. Каждое такое пересечение разбивает новую хорду на отрезки. Ключевое наблюlение: каждый новый отрезок добавляет ровно одну новую область.
Если хорда не имеет пересечений (k=0), она состоит из одного отрезка и добавляет одну область.
Если хорда имеет одно пересечение (k=1), она разбивается на два отрезка и добавляет две области.
Если k пересечений — добавляет (k+1) областей.
То есть сверх своей "базовой" единицы каждое пересечение на хорде добавляет +1 к её вкладу. Откуда берутся эти пересечения? Каждое внутреннее пересечение однозначно определяется выбором четырёх точек на окружности (они образуют выпуклый четырёхугольник, диагонали которого и пересекаются). Всего таких четвёрок — C⁴ₙ.
Важный момент: при последовательном проведении каждое пересечение учтётся ровно один раз — когда проводится вторая из двух пересекающихся хорд. Поэтому общий дополнительный вклад от всех пересечений в точности равен C⁴ₙ.
Итог. Суммируем исходную область, базовый вклад всех хорд и дополнительный вклад всех пересечений:
R(n) = 1 + C²ₙ + C⁴ₙ.
Эта формула показывает, что рост числа областей определяется не экспоненциально, а полиномиально, что и объясняет нарушение интуитивного ожидания удвоения.

С именем Мозера связана ещё задача о перемещении дивана по Г-образному коридору.

Мозером была поставлена (1966 г.) ещё одна классическая задача геометрической оптимизации — проблема червя Мозера: требуется найти наименьшую площадь такой плоской фигуры, чтобы она могла покрыть (после подходящих поворотов и переносов) любую кривую единичной длины.
Интуитивный ответ — полукруг радиуса ½. Чтобы покрыть прямой отрезок длины 1, нужен круг диаметра 1, но по соображениям симметрии достаточно взять только половину этого круга. Площадь такого полукруга равна π/8 ≈ 0,392.
Однако, эта фигура не является оптимальной.
Сам Мозер предложил остроумную конструкцию, известную как "шляпа Мозера". Она состоит из центрального прямоугольника и двух сегментов круга на его концах. Ширина этой фигуры выбирается минимально возможной, чтобы через неё можно было протащить любой изгиб червя, а высота и радиусы скруглений подбираются так, чтобы скрыть червей, свёрнутых в клубок на концах. Мозер получил верхнюю оценку площади в 0,260. Но позже выяснилось, что существуют черви, которых нельзя накрыть шляпой Мозера.
На сегодняшний день проблема червя Мозера остается открытой. Известно, что минимальная площадь искомой фигуры лежит в узком интервале: нижняя оценка составляет 0,2195, а верхняя — 0,27524.
Современные исследования используют методы численной оптимизации, выпуклого анализа и даже искусственного интеллекта для поиска оптимальной формы. Задача формулируется как поиск выпуклого множества наименьшей площади, содержащего конгруэнтную копию каждой дуги на плоскости длины один.
Есть гипотеза и заявления о её доказанности, что искомым покрытием служит очень простая фигура — круговой сектор с углом 30°. В этом случае искомая площадь составляет π/12 ≈ 0,261. В настоящее время гипотеза проходит математическую верификацию.
Проблема червя Мозера — не просто головоломка. Она лежит в основе раздела математики, изучающего покрытия и размещения. Её методы находят применение в:
теории оптимизации (разработка алгоритмов для поиска минимальных покрытий),
робототехнике (планирование траекторий и определение минимального пространства для маневра),
компьютерной графике (вычисление минимальных ограничений для анимации и физических симуляций),
биологии (моделирование минимального пространства, необходимого для складывания белков).
Эта задача — прекрасный пример того, как интуитивно простой геометрический вопрос может породить глубокую и до сих пор не решённую проблему, бросающую вызов математикам уже более полувека.

От подписчика Александр Макеев. Методическое пособие по математическому анализу для школьников.

Пособие отличается от классических подходов к матанализу тем, что оно полностью избегает традиционного, сложного для школьников формального определения предела, заменяя его интуитивно понятным аппаратом дифференциалов и акцентом на вычислительные алгоритмы. Главная его особенность - построение всего курса на основе практического, "алгоритмического" определения действительных чисел и производной. Это делает теорию доступной и тесно связывает её с физическими и геометрическими приложениями.

#предложка

Производная: не только скорость и наклон

Традиционно при введении понятия производной исходят из задачи движения материальной точки. Вместе с формальным определением дают его классические интерпретации: геометрический смысл — тангенс угла наклона касательной, и физический (механический) смысл — мгновенная скорость движения или изменения величины.
Безусловно, этот подход эффективен для функций, описывающих процессы изменения во времени. Однако область применения производной неизмеримо шире, а само понятие — глубже и универсальнее, чем просто скорость или темп изменения.
Ключевая суть производной — это её роль как универсального измерителя чувствительности. Представьте коэффициент усиления, встроенный в саму функцию в каждой точке. Малое изменение входа (dx) приводит к изменению выхода (df), которое аппроксимируется выражением df ≈ f'(x)·dx. Величина производной f'(x) и есть тот самый множитель (или 'рычаг'), который определяет силу и направление реакции системы на возмущение. Производная количественно отвечает на вопрос: "Во сколько раз изменение выхода (df) превзойдёт малое изменение входа (dx) в данной конкретной точке?"
Именно этот принцип лежит в основе знакомых смыслов:
Наклон касательной (dy/dx) — это чувствительность значения функции y к изменению аргумента x в данной точке графика.
Мгновенная скорость (ds/dt) — это чувствительность положения тела s к изменению времени t.
Эта идея чувствительности работает везде. Рассмотрим две яркие иллюстрации из разных областей:
Физика (термодинамика). Теплоёмкость Cᵥ — это производная внутренней энергии U по температуре T (при постоянном объёме): Cᵥ = dU/dT. Она — мера чувствительности системы: величина Cᵥ показывает, сколько джоулей тепла нужно добавить (или отнять), чтобы "раскачать" её температуру на 1 градус Кельвина. (Если мы задаём подвод тепла U , то чувствительность системы к нему — это dT/dU = 1/Cᵥ.) Высокая Cᵥ — система "термостойкая" (требует много энергии для нагрева), низкая — "термочувствительная" (быстро реагирует на подвод тепла). Скажем, почему вода нагревается медленнее, чем масло? Ответ кроется в производной — в чувствительности системы к изменениям: теплоёмкость воды в 2 раза выше, чем у растительного масла.
Экономика. Поскольку спрос обычно падает при росте цены, производная спроса D(p) по цене p (dD/dp) отрицательна. Она — основа понятия эластичности, измеряющей чувствительность рынка к цене. Сильно отрицательная производная (|dD/dp| велико) — спрос эластичен (малейший рост цены — значительное падение продаж). Производная, близкая к нулю (|dD/dp| мало) — спрос неэластичен (объём покупок мало меняется при изменении цены). Здесь производная — точный измеритель рыночной реакции на ценовые сигналы.
К сожалению, этой мощной интерпретации — производной как меры чувствительности — обычно не уделяют должного внимания на первых этапах изучения, возможно, из-за её большей абстрактности по сравнению с наглядными геометрической и физической интерпретациями. А ведь именно она отвечает на ключевой вопрос: "Насколько прямо сейчас сдвинется одно 'колёсико' сложной системы (выход f), если чуть-чуть провернуть другое (вход x)?"
Как мы видели, даже классические смыслы — частные случаи этой общей чувствительности.
Именно поэтому я считаю, что наряду с общепринятыми геометрическим и физическим смыслами производной, необходимо явно выделять её глубокий и универсальный смысл как меры реакции.

Интеграл: не только путь и площадь под кривой

Знакомство с определённым интегралом обычно начинают с геометрического образа площади под кривой или физических примеров — пройденного пути по скорости или работы переменной силы. Эти интерпретации полезны для начального понимания, но они лишь частные проявления одной глубинной идеи.
Ключевая сущность определённого интеграла — универсальный механизм накопления непрерывных вкладов. Это фундаментальный инструмент для описания того, как множество бесконечно малых действий f(x)·dx складывается в значимый суммарный результат ∫ₐᵇ f(x)dx на промежутке [a; b].
Можно представлять интеграл как дождь, капающий в бочку. Каждая капля — это микровклад f(x)·dx. Интенсивность дождя в момент времени x — это f(x). Общий объём воды в бочке за время от a до b — это и есть интеграл ∫ₐᵇ f(x)dx.
Или как урожай, собираемый с поля, плодородие земли которого зависит от координаты точки…
Суть интеграла — аккумулировать, суммировать бесконечно малые элементы f(x)·dx в единый итог.
Например, в экономике: общий доход ∫₀ᵀr(t)dt за период [0; T] — это накопление всех микро-доходов r(t)·dt, где r(t) — скорость поступления денег (доход в единицу времени) в момент t.
Интеграл — это мощный инструмент "сшивания" мгновенных эффектов f(x)·dx в единый конечный результат. Он позволяет воссоздать целое (общий доход, общую массу, общий путь, общую работу) по информации о его локальной интенсивности (локальной плотности, локальной скорости изменения). Это язык описания итога непрерывного процесса накопления в любой области знания.

Производные дробного порядка

Понятие производной целого порядка обобщается на дробный порядок. Например, можно определить производную порядка ½. Интуитивное представление о том, что такое производная порядка ½ и как работает такая производная, даёт операторный подход.
Представим обычную производную как оператор D¹, действуюший на функцию: D¹(f) = df/dx. Тогда производную порядка ½ логично определить как оператор, обладающий ключевым свойством: последовательное двукратное применение D⁰’⁵ должно давать тот же результат, что и однократное применение D¹. То есть: D⁰’⁵ (D⁰’⁵(f)) = D¹(f). Этот оператор D⁰’⁵ и будет искомой "половинной" производной.
Например, несложно показать, что
d⁰’⁵ /dx⁰’⁵ sin ax = √a sin(ax + π/4). (Этот результат демонстрирует промежуточный характер операции: сдвиг фазы на π/4 и масштабирование амплитуды в √a раз — между дифференцированием (сдвиг π/2, умножение на a) и тождественным преобразованием (сдвиг 0).
Аналогично определяется оператор дробной производной Dᵅ для любого вещественного порядка α. Хотя строгое математическое определение требует аппарата функционального анализа (обобщающего идею "операторных корней").
Ключевое отличие дробных производных от целочисленных проявляется сразу: они нелокальны. Обычная (целая) производная в точке x зависит только от поведения функции в бесконечно малой окрестности этой точки. Дробная же производная в точке x зависит от всей истории поведения функции на промежутке [a; x] (или [x; b]), где a — некоторая начальная точка. Это фундаментальное свойство называется памятью или наследственностью.
Именно свойство нелокальности (памяти) делает дробные производные мощным инструментом для описания реальных процессов, где текущее состояние системы зависит не только от мгновенных воздействий, но и от её предыстории.



Вот ключевые области применения дробной производной:

Вязкоупругость. Точное моделирование деформации полимеров, резины, биологических тканей под нагрузкой, где поведение зависит от всей истории нагружения (релаксация напряжений, ползучесть). Дробные модели превосходят классические.

Аномальная диффузия. Описание движения частиц в пористых материалах, фракталах, биомембранах, где среднеквадратичное смещение растет как <x²> ~ tᵅ (0<α<1 — субдиффузия, α>1 — супердиффузия) вместо классического <x²> ~ t.

Распространение волн в вязких средах. Моделирование затухания волн в вязкоупругих и других диссипативных средах.

Моделирование импеданса. Поведение многих реальных конденсаторов, индукторов и особенно сложных материалов (электролиты, биологические ткани) не идеально. Их импеданс часто описывается дробно-степенной зависимостью (Z ~ (iω)⁻ᵅ), что соответствует цепочкам дробных RC- или RL-элементов. Дробные операторы здесь естественны.

Моделирование тканей. Механические свойства биологических тканей (кожа, мышцы, сосуды, хрящи) сильно зависят от скорости деформации и истории нагружения.

Фармакокинетика. Моделирование аномальной кинетики распределения и выведения лекарств в организме.

Финансовая математика и эконометрика. Учёт эффекта долгой памяти (медленное гиперболическое затухание автокорреляций) в финансовых временных рядах (цены акций, валютные курсы) с помощью моделей типа ARFIMA, использующих дробное интегрирование. Улучшает прогнозирование.

Обработка сигналов и изображений. Проектирование фильтров на основе дробных операторов, обладающих свойствами между классическими фильтрами целых порядков (например, для тонкой настройки контраста или выделения особенностей изображений).

И хотя работа с дробными производными сложнее, чем с классическими (физическая интерпретация менее наглядна, численные методы ресурсоёмки из-за нелокальности, теоретическая база развита слабее), они давно перестали быть лишь "математической абстракцией". Дробное исчисление стало незаменимым инструментом и эффективным языком для описания широкого класса природных и технологических процессов, где принципиально важна память системы о своём прошлом. Их применение продолжает расширяться по мере развития как теории, так и вычислительных методов.