Когда формулы заканчиваются

Урок объясняет, зачем вообще нужны численные методы и где проходит граница между «решить формулой» и «посчитать на компьютере».

Численные методы — это алгоритмы, которые вычисляют приближённое значение ответа с контролируемой погрешностью, когда точную формулу либо невозможно выписать, либо она бесполезна на практике.

Аналитика против численного счёта

В школе и на первых курсах нас учат решать задачи аналитически: вывести формулу, подставить числа, получить точный ответ. Корни квадратного уравнения — через дискриминант. Площадь под параболой — через первообразную. Это красиво и точно. Но эта картина мира обманчиво узка: подавляющее большинство уравнений, которые встречаются в физике, инженерии и экономике, не имеют решения «в замкнутой форме».

Простейший пример: уравнение x = cos(x). Нарисуйте на бумаге прямую y = x и косинусоиду — они пересекаются примерно в точке 0.739. Но никакой формулы вида «x равно такому-то выражению из элементарных функций» для этого корня не существует. Доказано, что не существует. Что делать инженеру, которому это число нужно прямо сейчас? Считать приближённо.

Другой класс примеров — интегралы. Интеграл от e^(-x^2) (гауссиана, основа всей статистики) не выражается через элементарные функции. Длина дуги эллипса — не выражается. Период колебаний реального маятника при больших амплитудах — не выражается. А считать всё это нужно постоянно.

Что значит «приближённо, но управляемо»

Ключевая идея численных методов — не «получить точный ответ», а получить ответ с заранее заданной точностью. Если инженеру нужно знать длину детали с точностью до микрона, метод должен гарантировать, что ошибка меньше микрона. Если астроному нужна орбита с точностью до километра — метод обеспечит километр. Точность — это ресурс, за который мы платим вычислениями: чем точнее, тем больше операций.

Сравним способ мышления. Аналитик спрашивает: «какова формула ответа?». Вычислитель спрашивает: «какой алгоритм за конечное число шагов подберётся к ответу как угодно близко, и как быстро он это сделает?». Второй вопрос почти всегда имеет ответ, даже когда первый — нет.

import math

# Решим x = cos(x) простейшей итерацией: подставляем x в cos снова и снова
x = 0.5
for i in range(1, 11):
    x = math.cos(x)
    print(f"шаг {i:2}: x = {x:.10f}")

print("\nПроверка: cos(x) - x =", round(math.cos(x) - x, 10))

Вывод:

шаг  1: x = 0.8775825619
шаг  2: x = 0.6390124942
шаг  3: x = 0.8026851007
шаг  4: x = 0.6947780268
шаг  5: x = 0.7681958313
шаг  6: x = 0.7191654459
шаг  7: x = 0.7523557594
шаг  8: x = 0.7300810631
шаг  9: x = 0.7451203414
шаг 10: x = 0.7350063090

Проверка: cos(x) - x = 0.0068202136

Видно, как число «прыгает» вокруг истинного корня 0.739, постепенно сжимаясь к нему. Десяти шагов мало для высокой точности — но сам принцип уже виден: мы итерируем, приближаясь.

Где это работает на практике

Численные методы — это не academic exotica, а скрытый фундамент почти всего инженерного софта. Несколько примеров того, что крутится «под капотом» привычных программ:

Когда вы в Excel жмёте «Подбор параметра», чтобы найти, при какой ставке кредит сойдётся к нужной сумме — это численный метод решает за вас уравнение, у которого нет аналитической формулы.

Как работает под капотом

Почти все численные методы устроены по одной схеме: заменить «бесконечную» задачу конечной. Бесконечно тонкое интегрирование заменяем суммой конечного числа прямоугольников. Бесконечный процесс схождения к корню обрываем, когда приближение «достаточно хорошее». Непрерывную функцию заменяем её значениями в нескольких точках. Каждая такая замена вносит погрешность метода — и главная интеллектуальная работа состоит в том, чтобы эту погрешность оценить и удержать.

Вторая универсальная идея — итерация. Мы редко попадаем в ответ за один шаг. Чаще строим последовательность приближений x0, x1, x2, ..., каждое из которых ближе к истине, и останавливаемся, когда разница между соседними стала меньше нужного порога. Скорость, с которой эта последовательность сходится, — центральная характеристика метода (об этом будет целый раздел).

Частые ошибки

• Думать, что «численно» значит «неточно». Численный ответ может быть точнее аналитического — формула (-b±√D)/2a при определённых данных теряет точность сильнее, чем аккуратный численный алгоритм.
• Гнаться за «точным» ответом от компьютера. Компьютер почти всегда возвращает приближение. Вопрос не «точно ли», а «насколько велика погрешность и устраивает ли она нас».
• Считать численные методы устаревшими, раз есть NumPy и SciPy. Эти библиотеки — и есть упакованные численные методы. Понимать их внутреннее устройство нужно, чтобы выбрать правильный инструмент и не получить мусор.

Итоги

• Большинство практических уравнений и интегралов не решаются формулой — это норма, а не исключение.
• Численный метод даёт приближение с управляемой точностью: точность покупается вычислениями.
• Две сквозные идеи: заменить бесконечное конечным и итеративно приближаться к ответу.
• Численные методы — скрытый движок инженерного, научного и финансового ПО.