gadget59.ru · Численные методы · Словарь терминов · 22 слайда
01

Словарь терминов

Всё, что нужно знать, чтобы понимать лекции по численным методам

ОП.10 Численные методы · Специальность 09.02.07 «Информационные системы и программирование»

Этот словарь — ваш «справочник на полях». В лекциях вы будете встречать выделенные термины. Если что-то непонятно — возвращайтесь сюда. Каждое определение сопровождается примером и (где полезно) рисунком.

📚 22 термина 📐 SVG-иллюстрации 💡 Примеры 🔗 Ссылки из лекций
02

Оглавление

Все термины сгруппированы по темам. Щёлкните по названию, чтобы сразу перейти к нужному слайду.

Блок 1. Функции и их графики

Блок 2. Производная и её свойства

Блок 3. Геометрия методов поиска корня

Блок 4. Погрешности и точность

Блок 5. Сходимость методов

Блок 6. Матрицы и СЛАУ

03

Функция и график функции

Функция — это правило, которое каждому числу x из некоторого множества ставит в соответствие ровно одно число y. Обозначается y = f(x).

Здесь x называется аргументом, y — значением функции.

Пример

Функция f(x) = x². Если x = 3, то f(3) = 9. Если x = −2, то f(−2) = 4. Каждому x соответствует ровно одно y.

График функции

График функции — это множество всех точек на плоскости с координатами (x, f(x)).

x y y = x² (3, 9)

График функции f(x) = x². Точка (3, 9) показывает, что при x = 3 значение функции равно 9

Зачем это нужно

В численных методах мы всегда работаем с функциями. Корень уравнения f(x) = 0 — это точка, где график пересекает ось Ox. Понимание формы графика помогает выбрать метод решения.

04

Корень уравнения

Корень уравнения f(x) = 0 — это такое число x*, при котором функция обращается в ноль: f(x*) = 0.

Геометрически корень — это точка, где график функции пересекает горизонтальную ось Ox.

Пример

Уравнение x² − 4 = 0 имеет два корня: x* = 2 и x* = −2. Проверим: 2² − 4 = 0 ✓, (−2)² − 4 = 0 ✓.

Уравнение x³ − x − 1 = 0 имеет один вещественный корень x* ≈ 1.3247. Красивой формулы для него нет — именно такие уравнения мы и решаем численно.

x y y = x² − 4 x* = −2 x* = 2

Корни уравнения x² − 4 = 0 — точки, где график пересекает ось Ox

Зачем это нужно

Поиск корней — одна из главных задач численных методов. Многие инженерные, физические и финансовые задачи сводятся к уравнению f(x) = 0.

05

Непрерывность функции

Непрерывная функция — это функция, график которой можно нарисовать, не отрывая карандаша от бумаги. Формально: при малом изменении x значение f(x) тоже меняется мало, без «скачков».

Примеры

Непрерывные: y = x², y = sin(x), y = eˣ — их графики плавные.

Разрывные: y = 1/x (разрыв в точке 0), функция, которая «прыгает» из одного значения в другое.

Непрерывная карандаш не отрывается Разрывная есть «прыжок»

Слева: непрерывная функция (рисуется без отрыва). Справа: разрывная (есть скачок)

Зачем это нужно

Все численные методы поиска корня (бисекция, хорды, Ньютон) требуют, чтобы функция была непрерывной. Иначе метод может «промахнуться» или найти ложный корень.

06

Производная

Производная функции f(x) в точке x — это скорость изменения функции в этой точке. Обозначается f'(x) или df/dx.

Геометрически производная равна наклону касательной к графику в этой точке.

Как считать производную: основные правила

Функция Производная Пример
xⁿn·xⁿ⁻¹(x³)' = 3x²
const0(5)' = 0
x1(x)' = 1
sin(x)cos(x)—
cos(x)−sin(x)—
eˣeˣ—
ln(x)1/x—
Пример

Функция f(x) = x³ − x − 1. Считаем производную по правилам:

  • Производная x³ равна 3x².
  • Производная −x равна −1.
  • Производная −1 равна 0.
  • Складываем: f'(x) = 3x² − 1.
Зачем это нужно

Метод Ньютона использует производную для «прицеливания» в корень. Чем точнее производная — тем быстрее сходится метод. Это ключевой инструмент для самого быстрого метода поиска корней.

07

Геометрический смысл производной

Значение производной f'(x₀) в точке x₀ равно угловому коэффициенту касательной к графику функции в этой точке.

Если f'(x₀) > 0 — функция в этой точке возрастает (график идёт вверх).

Если f'(x₀) < 0 — функция убывает (график идёт вниз).

Если f'(x₀) = 0 — касательная горизонтальна (вершина горба или впадины).

x f(x) f′ > 0 возрастает f′ = 0 вершина f′ < 0 убывает

Производная = наклон касательной. Слева f′ > 0 (функция растёт), в вершине f′ = 0, справа f′ < 0 (функция убывает)

Зачем это нужно

Метод Ньютона строит касательную в текущей точке и смотрит, куда она приведёт. Знак и величина производной определяют, насколько далеко «прыгнуть» к корню.

08

Вторая производная

Вторая производная — это производная от производной. Обозначается f''(x).

Если f'(x) показывает, как быстро растёт функция, то f''(x) показывает, как быстро меняется сама скорость.

Геометрически: f''(x) > 0 — график «выгнут вверх» (как чаша), f''(x) < 0 — «выгнут вниз» (как купол).

Пример

Функция f(x) = x³ − x − 1.

  • Первая производная: f'(x) = 3x² − 1.
  • Вторая производная: f''(x) = (3x² − 1)' = 6x.

В точке x = 1: f''(1) = 6 > 0 — график выгнут вверх.

В точке x = −1: f''(−1) = −6 < 0 — график выгнут вниз.

f″ > 0 выпукла вверх (чаша) f″ < 0 выпукла вниз (купол)

Вторая производная показывает «выпуклость» графика: чаша (f″ > 0) или купол (f″ < 0)

Зачем это нужно

Вторая производная используется при выборе начального приближения для метода Ньютона (правило Фурье) и для анализа квадратичной сходимости.

09

Монотонность функции

Функция монотонно возрастает на отрезке, если при увеличении x значение f(x) тоже увеличивается (или остаётся тем же). График «идёт вверх».

Функция монотонно убывает на отрезке, если при увеличении x значение f(x) уменьшается. График «идёт вниз».

Немонотонная функция — это функция, которая на отрезке то растёт, то убывает (у неё есть «горбы» и «впадины»).

Примеры

f(x) = x — монотонно возрастает на всей оси.

f(x) = −x — монотонно убывает на всей оси.

f(x) = x² — немонотонна: убывает при x < 0, возрастает при x > 0.

Возрастает Убывает Немонотонна

Слева: возрастает. В центре: убывает. Справа: немонотонна (сначала убывает, потом возрастает)

Зачем это нужно

Методы хорд и Ньютона требуют, чтобы функция была монотонной на отрезке локализации. Если функция немонотонна, метод может «застрять» или найти не тот корень.

10

Точка перегиба

Точка перегиба — это точка на графике, где функция меняет характер выпуклости: была «чашей», стала «куполом» (или наоборот).

В точке перегиба вторая производная равна нулю: f''(x) = 0, и при переходе через неё знак f''(x) меняется.

Пример

Функция f(x) = x³. Вторая производная f''(x) = 6x.

  • При x < 0: f''(x) < 0 — купол.
  • При x = 0: f''(0) = 0 — точка перегиба.
  • При x > 0: f''(x) > 0 — чаша.
x y y = x³ точка перегиба f″ < 0 (купол) f″ > 0 (чаша)

Точка перегиба функции y = x³ — здесь выпуклость меняется с «купола» на «чашу»

Зачем это нужно

Если внутри отрезка локализации есть точка перегиба, метод хорд и метод Ньютона могут работать нестабильно. Условие «f''(x) не меняет знак» как раз гарантирует, что перегибов нет.

11

Экстремум (минимум и максимум)

Точка минимума — точка, в которой значение функции меньше, чем в соседних точках (вершина «впадины»).

Точка максимума — точка, в которой значение функции больше, чем в соседних (вершина «горба»).

Обе точки называются точками экстремума.

Пример

Функция f(x) = x² − 4x + 5 = (x − 2)² + 1. Минимум в точке x = 2, значение f(2) = 1. В этой точке производная равна нулю: f'(2) = 2·2 − 4 = 0.

x y максимум минимум

Точки экстремума: максимум (горб) и минимум (впадина). В обеих производная равна нулю

Зачем это нужно

Обучение нейросетей — это поиск минимума функции потерь. Метод Ньютона — один из способов найти его быстро. Понимание экстремумов — ключ к ML.

12

Касательная

Касательная к графику функции в точке x₀ — это прямая, которая «прижимается» к графику в этой точке и имеет тот же наклон, что и график.

Наклон касательной равен производной: k = f'(x₀).

x f(x) x₀ касательная наклон = f′(x₀)

Касательная в точке x₀ имеет наклон, равный производной f′(x₀)

Зачем это нужно

Метод Ньютона строит касательную в текущей точке и смотрит, где она пересечёт ось Ox. Это даёт новое, более точное приближение корня.

13

Хорда

Хорда — это отрезок прямой, соединяющий две точки на графике функции.

В методе хорд мы проводим прямую через точки A(a, f(a)) и B(b, f(b)) и ищем, где эта прямая пересекает ось Ox.

x f(x) A B хорда AB

Хорда — отрезок, соединяющий две точки графика. Метод хорд использует её для приближения корня

Зачем это нужно

Метод хорд — это «младший брат» метода Ньютона. Он проще (не нужна производная), но чуть медленнее. Хорда — его основной инструмент.

14

Угловой коэффициент

Угловой коэффициент (наклон) прямой — это число, показывающее, насколько «круто» идёт прямая. Обозначается k.

Для прямой, проходящей через две точки (x₁, y₁) и (x₂, y₂):

k = y₂ − y₁ x₂ − x₁

Пример

Прямая через точки (1, 2) и (3, 8):

k = (8 − 2) / (3 − 1) = 6 / 2 = 3

Значит, при сдвиге на 1 вправо прямая поднимается на 3.

x y (x₁, y₁) (x₂, y₂) Δx = x₂ − x₁ Δy = y₂ − y₁ k = Δy / Δx

Угловой коэффициент = отношение Δy к Δx. Это «крутизна» прямой

Зачем это нужно

И формула хорд, и формула Ньютона основаны на угловом коэффициенте. Понимание k — ключ к пониманию обеих формул.

15

Локализация корня

Локализация корня — это поиск отрезка [a, b], внутри которого гарантированно находится хотя бы один корень уравнения f(x) = 0.

Гарантия обеспечивается теоремой Больцано — Коши: если функция непрерывна на [a, b] и на концах принимает значения разных знаков (f(a) · f(b) < 0), то внутри отрезка есть корень.

x f(x) отрезок [a, b] a b корень корень

На отрезке [a, b] функция меняет знак — внутри есть хотя бы один корень

Зачем это нужно

Все методы (бисекция, хорды, Ньютон) работают только после локализации. Без неё метод может найти не тот корень или вовсе не сойтись.

16

Погрешность

Погрешность — это разница между точным (истинным) значением и приближённым, которое мы получили.

Абсолютная погрешность: Δ = |X − x|, где X — истинное значение, x — приближённое. Измеряется в тех же единицах, что и сама величина.

Относительная погрешность: δ = Δ / |x|, обычно в процентах. Показывает, насколько велика ошибка относительно самой величины.

Пример

Истинное значение X = 3.14159, приближённое x = 3.14.

  • Абсолютная: Δ = |3.14159 − 3.14| = 0.00159.
  • Относительная: δ = 0.00159 / 3.14 ≈ 0.000506 ≈ 0.051%.
Зачем это нужно

В численных методах мы всегда получаем приближённое решение. Важно понимать, насколько оно близко к точному — иначе можно принять неверный ответ за правильный.

17

Точность ε (эпсилон)

Точность (обозначается греческой буквой ε, «эпсилон») — это число, задающее допустимую погрешность. Мы хотим, чтобы результат отличался от истинного не больше чем на ε.

Обычно задаётся как малое число: ε = 10⁻⁶ (одна миллионная) или ε = 10⁻⁹.

Пример

Если ε = 0.001, то приближение x = 1.3247 при истинном корне x* = 1.3247179 нас устраивает: |1.3247 − 1.3247179| = 0.0000179 < 0.001 ✓.

А приближение x = 1.32 — нет: |1.32 − 1.3247179| = 0.0047 > 0.001 ✗.

В коде: epsilon = 1e-6 — это 10⁻⁶. Все методы останавливаются, когда ошибка становится меньше ε.

Зачем это нужно

Без критерия остановки итерационный метод может работать бесконечно (или до переполнения памяти). ε — это «планка», при достижении которой мы говорим: «достаточно точно».

18

Итерация

Итерация — это один шаг повторяющегося процесса. В численных методах итерация — это одно уточнение приближения.

Итерационный метод — метод, который начинает с приближения и последовательно улучшает его на каждой итерации, пока не достигнет нужной точности.

Пример

Метод Ньютона: x₀ → x₁ → x₂ → x₃ → .... Каждая стрелка — одна итерация.

Если метод сходится за 5 итераций — значит, потребовалось 5 уточнений.

Зачем это нужно

Понимание того, что методы итерационные, помогает правильно оценивать время работы. Быстрый метод — тот, которому нужно меньше итераций.

19

Сходимость

Сходимость — это свойство итерационного метода приближаться к истинному ответу при увеличении числа итераций.

Если метод сходится — значения xₙ с ростом n всё ближе к корню.

Если метод расходится — значения «улетают» в бесконечность или колеблются.

итерация Сходится ✓ итерация Расходится ✗

Слева: метод сходится (точки приближаются к ответу). Справа: расходится (точки улетают)

Зачем это нужно

Не все методы сходятся на всех задачах. Например, метод Ньютона сходится только при хорошем начальном приближении. Понимание условий сходимости — обязательно.

20

Линейная сходимость

Линейная сходимость — это сходимость, при которой ошибка на каждой итерации уменьшается в постоянное число раз.

Формально: |xₙ₊₁ − x*| ≈ C · |xₙ − x*|, где C < 1 — константа.

Проще: если ошибка была 0.1, потом 0.01, потом 0.001 — это линейная сходимость (каждый раз делим на 10).

Примеры: метод бисекции (делит отрезок пополам — ошибка уменьшается в 2 раза за шаг), метод хорд (уменьшает примерно в 1.5–2 раза).

Сколько шагов нужно?

При линейной сходимости число верных знаков растёт медленно и равномерно. Для достижения точности 10⁻⁶ может понадобиться 20–50 итераций.

Зачем это нужно

Зная тип сходимости, вы можете предсказать, сколько шагов потребуется. Для линейной сходимости — «много». Именно поэтому методы с линейной сходимостью (бисекция, хорды) считаются «медленными».

21

Квадратичная сходимость

Квадратичная сходимость — это сходимость, при которой ошибка на каждой итерации уменьшается пропорционально квадрату предыдущей ошибки.

Формально: |xₙ₊₁ − x*| ≈ C · |xₙ − x*|².

Проще: число верных знаков удваивается на каждом шаге.

Что это значит на практике

Пусть текущая ошибка 0.1. Тогда:

Итерация Ошибка при линейной Ошибка при квадратичной
00.10.1
10.010.01
20.0010.0001
30.00010.00000001
40.0000110⁻¹⁶ (предел точности)

Впечатляющий факт: квадратичная сходимость позволяет достичь максимальной точности компьютера (15–16 знаков) всего за 5–6 итераций. Именно так работает метод Ньютона.

Зачем это нужно

Квадратичная сходимость — «королевская» скорость. Именно из-за неё метод Ньютона используется в промышленных пакетах (MATLAB, numpy, TensorFlow). Понимание этого термина — ключ к пониманию, почему Ньютон так популярен.

22

Матрица и СЛАУ

Матрица — это прямоугольная таблица чисел. Обозначается заглавной буквой: A, B.

СЛАУ (Система Линейных Алгебраических Уравнений) — это несколько линейных уравнений, в которых неизвестные связаны друг с другом.

Любую СЛАУ можно записать в матричной форме: A · x = b, где A — матрица коэффициентов, x — вектор неизвестных, b — вектор правых частей.

Пример

Система:

2x₁ + x₂ = 5

x₁ − x₂ = 1

В матричной форме:

A = [2  1]
[1  −1]
, x = [x₁]
[x₂]
, b = [5]
[1]

Зачем это нужно

СЛАУ — «рабочая лошадка» вычислительной математики. Нейросети, 3D-графика, инженерные расчёты — всё это сводится к решению систем уравнений. Раздел 3 курса полностью посвящён этому.

23

Диагональное преобладание

Диагональное преобладание — это свойство квадратной матрицы, при котором для каждой строки модуль диагонального элемента больше суммы модулей всех остальных элементов этой строки:

|aᵢᵢ| > Σⱼ≠ᵢ |aᵢⱼ|

Пример

Матрица:

[10   1  −1]
[  1  11   1]
[−1   1  12]

  • Строка 1: |10| > |1| + |−1| = 2 ✓
  • Строка 2: |11| > |1| + |1| = 2 ✓
  • Строка 3: |12| > |−1| + |1| = 2 ✓

Все три условия выполнены → матрица имеет диагональное преобладание.

Когда это нужно: диагональное преобладание — достаточное условие сходимости итерационных методов (простая итерация, метод Зейделя). Если оно есть — метод гарантированно сойдётся.

Зачем это нужно

Перед запуском итерационных методов решения СЛАУ нужно проверить это условие. Если его нет — метод может «разбежаться», и программа зависнет. В практической работе №4 это отдельное задание.