Можно смотреть на число 0.3 как на «коэффициент растяжения», который говорит о том, насколько стремительно меняются отклонения от равновесия с течением времени. В данном примере, поскольку растягиваемся в менее чем 1 раз, на деле имеет место сжатие.

Процесс, описанный в примере выше, называется линеаризацией модели в равновесии, потому что сначала фокусируем внимание вблизи равновесия путем линейной замены

, а затем игнорируем члены степени больше 1 в . Остается только линейная модель, аппроксимирующая исходную модель. Линейные модели, как видели, легко понять, потому что они производят либо экспоненциальный рост, либо распад.

Вопросы для самопроверки:

– Выполните аналогичный анализ для другого равновесия этой модели, чтобы показать, что оно нестабильно. Каким будет коэффициент растяжения, на который расстояния от точки равновесия растут с каждым шагом времени?

В результате аналогичного анализа в окрестности 0 обнаружится, что линеаризация при  дает

. Поэтому возмущения от этого равновесия со временем растут, следовательно,  неустойчиво. В общем случае, когда коэффициент растяжения больше 1 по абсолютной величине, равновесие нестабильно. И наоборот, когда оно меньше 1 по абсолютной величине, равновесие стабильно.

Из курса математического анализа известно, что вышеописанный процесс линеаризации напоминает аппроксимацию графика функции по касательной прямой. Развивая эту идею коэффициент растяжения в предыдущем примере можно было бы выразить как отношение

 при бесконечно малых значениях . Но , где  уравнение, определяющее модель. Заметим, что в последнем равносильном преобразовании использовалось равенство . Поскольку интересны лишь значения , очень близкие к , то последнее выражение очень близко к предельному значению . Но этот предел по определению является не чем иным, как производной , производной функции, определяющей модель. Итак, мы доказали следующую теорему.

Теорема. Если модель

 имеет равновесное значение , то  подразумевает, что значение  нестабильно, а при  , будет  стабильным значением. Если же , то этой информации недостаточно для определения стабильности и необходимо проводить дополнительное исследование.

Пример. Пусть

, тогда . Вычислим . Следовательно, , поэтому  стабильно.

Обратите внимание, что в этом примере значение, которое нашли для

, оказалось точно таким же, как значение, которое нашли для «коэффициента растяжения» в примере выше, без использования инструментов дифференциального исчисления. Это, конечно, должно было произойти, потому что то, что привело к производной, изначально было более тщательным исследованием «методом пристального всматривания». Таким образом, производную можно интерпретировать как меру того, насколько быстро функция меняет свои значения.

Поскольку использовался формализованный подход, то есть записывались формулы и уравнения, для иллюстрации тесной связи между понятиями производной и стабилизацией поведения модели, настоятельно рекомендуется решить задачи с 1.3.1 по 1.3.3 в конце раздела, чтобы представить обнаруженную связь графически.

Почему важны как графический, так и аналитический подходы к определению стабильности? Первый является наиболее интуитивным и делает основные идеи наиболее ясными. Что можно было наблюдать на примере. Но слабость такого подхода в том, что он действенен лишь для моделей, включающих простые алгебраические формулы. Если бы в уравнении модели присутствовали экспоненты или другие сложные функции, алгебраические средства оказались бессильны. Когда модель усложняется, математический анализ становится прекрасным подручным инструментом для профессионального исследователя.