Наш мозг отчаянно пасует перед экспонентами, заставляя верить, что банка с двойным диаметром вмещает лишь вдвое больше предметов, а игровая инфляция растет линейно. В этом модуле математик Том Кроуфорд и Дэвид Малан доказывают, что за сухими формулами степеней и логарифмов скрывается реальный масштаб вселенной — от подсчета бочек в Donkey Kong до скачков цен в Hyrule. Как интуиция нас обманывает и почему логарифмы превращают гигантские пропасти чисел в понятную школьную линейку?
🛢️ Искусство оценки: Метод Ферми и магия порядков величины 15:54
Вводный курс компьютерных наук CS50 часто обращается к математике не просто как к набору формул, а как к инструменту для понимания окружающего мира. Том Кроуфорд (Tom Crawford) начинает это погружение с фундаментального навыка, необходимого любому инженеру или программисту — умения оценивать сложные величины, когда точные данные недоступны . Прежде чем переходить к строгим правилам степеней или выведению законов логарифмов (которые будут подробно разобраны позже), необходимо научиться работать с порядками величин и использовать технику, известную как «оценка по методу Ферми» .
Визуализация сложности: Загадка банок с бочками 36:42
Для демонстрации того, как легко наше зрение и интуиция могут нас подвести, Том Кроуфорд (Tom Crawford) предлагает классический эксперимент с подвохом . На столе стоят две прозрачные банки разного размера, наполненные маленькими деревянными бочками. На первый взгляд кажется, что большая банка должна вмещать в себя значительно больше объектов, чем маленькая . Однако Кроуфорд раскрывает секрет: в большой банке ровно в два раза больше бочек, чем в малой .
Этот простой пример обнажает фундаментальную проблему человеческого восприятия — нам крайне трудно на глаз оценивать объемы и количества в трехмерном пространстве . Наша интуиция пасует перед задачами, где переменные взаимодействуют нелинейно. Чтобы преодолеть этот барьер, Том вводит понятие «алгоритма оценки» . Это структурированный подход, который позволяет разбить одну пугающе сложную задачу на несколько простых, легко поддающихся расчету подзадач . Подобная декомпозиция критически важна в программировании: прежде чем писать код для сложной системы, нужно понимать хотя бы примерный порядок ожидаемого результата, чтобы вовремя заметить ошибку в расчетах .
Алгоритм декомпозиции: От сложного к управляемому 38:16
Вместо того чтобы пытаться угадать общее число бочек в банке, Том Кроуфорд (Tom Crawford) предлагает разложить задачу на два измерения . Процесс выглядит следующим образом:
- Оценка высоты: Мы смотрим на банку сбоку и считаем, сколько «слоев» бочек помещается от дна до крышки. В маленькой банке это число составляет примерно 5 .
- Оценка площади основания: Мы смотрим на банку сверху и прикидываем, сколько бочек помещается в один горизонтальный слой. Для маленькой банки это также около 5 штук .
Перемножив эти два значения (5 слоев по 5 бочек), мы получаем оценку в 25 единиц . Реальный подсчет содержимого в студии показывает результат в 23 бочки . Погрешность минимальна, и для инженерной оценки такой точности более чем достаточно .
Когда этот же метод применяется к большой банке, оказывается, что её высота осталась прежней (те же 5 слоев), но площадь основания значительно увеличилась . Теперь в одном слое умещается около 9–10 бочек . Перемножение (5 слоев на 9 бочек) дает результат в 45–50, что практически идеально совпадает с реальным числом — 46 бочек . Этот метод, названный в честь физика Энрико Ферми, учит нас тому, что серия обоснованных догадок часто приводит к поразительно точному результату .
Масштабирование до Donkey Kong: Сколько бочек было брошено? 41:01
Метод Ферми не ограничивается банками на столе; его истинная сила проявляется при анализе глобальных или исторических данных, где прямой подсчет невозможен в принципе. В качестве примера из поп-культуры Том Кроуфорд (Tom Crawford) предлагает рассчитать общее количество бочек, которые персонаж видеоигр Донки Конг бросил в Марио за всю историю существования франшизы .
Для решения этой задачи необходимо определить ключевые переменные, основываясь на общедоступных фактах и разумных предположениях:
- Временной диапазон: С момента выхода первой игры в 1981 году прошло более 40 лет.
- Игровая активность: Сколько людей по всему миру играют в Донки Конга ежедневно?
- Интенсивность процесса: Сколько бочек персонаж генерирует в минуту в среднем игровом цикле?
Хотя каждое из этих чисел в отдельности является лишь грубым предположением, их комбинация позволяет вывести «порядок величины» — будет ли это миллион, миллиард или триллион бочек? В контексте CS50 это упражнение служит мостиком к пониманию экспоненциального роста . Если количество игроков или копий игры растет в геометрической прогрессии, то и итоговое число бочек будет увеличиваться с невероятной скоростью, которую трудно осознать без математического аппарата степеней и логарифмов, о которых Дэвид Малан (David J. Malan) и его коллеги будут говорить в последующих частях курса.
Умение делать такие оценки позволяет программисту мгновенно понять, сможет ли сервер выдержать нагрузку или сколько памяти потребуется для хранения базы данных, еще до того, как будет написана первая строка кода.
🚀 От повторного умножения к экспоненциальному росту
Определение и базовые свойства степеней 59:21
После того как Том Кроуфорд и Дэвид Малан завершили обсуждение оценки методом Ферми на примере персонажа Донки Конга , фокус беседы сместился на фундаментальные математические инструменты, позволяющие работать с огромными числами. Основой этой темы становится понятие степени или экспоненты. Том Кроуфорд дает максимально лаконичное определение: степень — это просто сокращенная запись повторного умножения . Вместо того чтобы записывать длинную цепочку одинаковых множителей, например $2 \times 2 \times 2 \times 2$, математики используют запись $2^4$, где число 4 указывает, сколько раз двойка умножается сама на себя .
В этой структуре выделяют два ключевых компонента: «основание» (base) — число, которое мы умножаем, и «показатель степени» (exponent) — количество повторений . В контексте компьютерных наук Дэвид Малан и Том Кроуфорд выделяют два наиболее часто используемых основания:
- Основание 2: Фундамент двоичной системы (binary), критически важный для понимания работы битов и памяти в Computer Science .
- Основание 10: База десятичной системы, в которой мы привыкли считать в повседневной жизни .
Свойства степеней выходят далеко за рамки простых положительных целых чисел. Если показатель степени положителен, мы имеем дело с классическим ростом: например, $2^3 = 8$ . Однако Том Кроуфорд подчеркивает важность понимания отрицательных показателей . Отрицательная степень (например, $2^{-3}$) означает не отрицательный результат, а деление единицы на это число в положительной степени: $1 / 2^3$, что дает $1/8$ или $0,125$ .
Особое внимание уделяется «правилу нуля»: любое вещественное число в степени ноль всегда равно единице ($a^0 = 1$) . Это универсальное правило, которое Том называет критически важным для понимания дальнейших алгебраических манипуляций . Также вводится понятие «порядка величины» (order of magnitude) — это значение показателя степени 10, когда число записано в научной нотации . Например, для числа 314 научной нотацией будет $3,14 \times 10^2$, а значит, его порядок величины равен двум (или «сотням») .
Правила умножения и деления степеней 1:03:21
Для эффективной работы с алгоритмами, сложность которых часто описывается степенными функциями, необходимо владеть правилами манипуляций с ними. Том Кроуфорд формулирует три «золотых правила» алгебры степеней, которые работают при условии одинакового основания .
- Умножение степеней: При перемножении двух чисел с одинаковым основанием их показатели складываются . Так, $a^m \times a^n = a^{m+n}$ .
- Деление степеней: Если мы делим одно число на другое с тем же основанием, показатели вычитаются . Математически это объясняется через отрицательные степени: деление на $a^n$ — это то же самое, что умножение на $a^{-n}$, что в итоге приводит к разности $a^{m-n}$ .
- Возведение степени в степень: В ситуации, когда выражение в степени само возводится в дополнительную степень (например, $(a^m)^n$), показатели перемножаются . В качестве примера приводится $(2^3)^2$: это $2^3 \times 2^3$, что дает $2^6$ .
Чтобы закрепить эти правила, Том предлагает разобрать комплексный пример, объединяющий все три операции . Рассмотрим выражение $\frac{(a \cdot a^2)^3}{a^{12}}$ . Сначала мы упрощаем выражение внутри скобок, складывая степени: $a^1 \cdot a^2 = a^3$ . Затем возводим результат в куб, перемножая показатели ($3 \times 3 = 9$), получая $a^9$ в числителе. Финальный шаг — деление $a^9$ на $a^{12}$, что в результате вычитания дает $a^{-3}$ или $1/a^3$. Такие манипуляции позволяют программистам упрощать сложные формулы оценки производительности кода.
Сравнение экспоненциальных и полиномиальных функций 1:11:17
Одним из важнейших концептов для понимания вычислительной сложности является различие между полиномиальным и экспоненциальным ростом . На первый взгляд функции $x^2$ и $2^x$ могут показаться похожими, но их поведение при увеличении входных данных $x$ драматически отличается.
В полиномиальной функции (например, $n^2$) переменная находится в основании, а показатель фиксирован . Это описывает алгоритмы, которые работают относительно быстро даже при больших объемах данных. В экспоненциальной же функции переменная находится в показателе ($2^n$) . Том Кроуфорд отмечает, что именно здесь кроется «магия» и одновременно опасность: экспонента всегда «обгоняет» любой полином на достаточно больших значениях. Если сложность алгоритма экспоненциальна, добавление всего лишь нескольких элементов в базу данных может увеличить время выполнения программы с секунд до веков.
Число Эйлера и экспоненциальная функция 1:14:14
В математическом анализе и теории алгоритмов особую роль играет число Эйлера ($e$), иррациональное число, примерно равное 2,718 . Том Кроуфорд вводит функцию $e^x$, называя её уникальной в мире математики. Главное свойство числа $e$ заключается в том, что скорость роста функции $y = e^x$ в любой точке в точности равна значению самой функции в этой точке .
Это свойство делает число $e$ естественным основанием для описания процессов непрерывного роста. В Computer Science это находит отражение в анализе процессов, которые самовоспроизводятся или растут пропорционально своему текущему размеру. Понимание природы числа Эйлера позволяет перейти от дискретных шагов удвоения (база 2) к моделям непрерывного изменения, что станет фундаментом для следующей важной темы — логарифмов.
🔢 Логарифмы: «Инверсия» степеней и поиск неизвестного 1:43:31
Определение логарифма: как найти «неизвестную степень» 1:43:31
После детального разбора правил работы со степенями и экспоненциальными функциями, Том Кроуфорд переходит к одной из самых фундаментальных концепций в математике для программистов — логарифмам . По своей сути, логарифм — это просто обратная или «инверсивная» операция по отношению к возведению в степень . Если возведение в степень (экспоненциация) отвечает на вопрос «что получится, если возвести число $B$ в степень $X$?», то логарифм решает обратную задачу .
Дэвид Малан и Том Кроуфорд объясняют это на наглядном примере: когда мы пишем уравнение $2^x = 8$, мы ищем то самое число, которое превратит двойку в восьмерку через умножение . В данном случае ответ очевиден (это 3), но в программировании и алгоритмах нам часто требуется математический инструмент, чтобы выразить этот «икс» формально . Логарифм и есть этот инструмент. Запись $\log_2 8 = 3$ буквально означает: «в какую степень нужно возвести основание 2, чтобы получить 8?» .
Кроуфорд подчеркивает, что понимание логарифма как «инверсии» критически важно для решения показательных уравнений, которые часто встречаются при анализе сложности алгоритмов (например, в бинарном поиске) . Ранее в разговоре они касались того, как быстро растут экспоненциальные функции, и теперь логарифм выступает как способ «обуздать» этот рост, переводя огромные значения в масштаб их степеней .
Ключевые элементы логарифма, которые выделяет Том:
- Основание (base) — число, которое мы возводим в степень ;
- Аргумент — результат, который мы хотим получить ;
- Значение логарифма — сама степень, которую мы ищем .
Этот переход от показательной формы $b^x = y$ к логарифмической $\log_b y = x$ является фундаментом, на котором строится всё дальнейшее понимание логарифмических вычислений .
Законы логарифмов и их выведение из свойств степеней 1:57:39
Переходя от определений к практике, Том Кроуфорд приступает к разбору законов логарифмов. Он акцентирует внимание на том, что эти правила не возникли из ниоткуда — они являются прямым отражением законов степеней, которые обсуждались ранее . Поскольку логарифм — это и есть степень, то и ведут они себя согласно логике экспонент .
Первый и самый часто используемый закон — это логрифм произведения . Кроуфорд демонстрирует, что $\log_a(xy) = \log_a x + \log_a y$ . Математическое обоснование здесь элегантно: при умножении чисел с одинаковыми основаниями их степени складываются . Следовательно, если мы ищем общую степень для произведения, мы просто суммируем степени (логарифмы) каждого множителя в отдельности .
Второй закон касается деления и зеркально отражает правило вычитания степеней: $\log_a(x/y) = \log_a x - \log_a y$ . Том поясняет, что деление аргументов внутри логарифма эквивалентно разности самих логарифмов . Это свойство крайне полезно при упрощении сложных дробных выражений в анализе данных .
Третий закон, который Кроуфорд называет «самым мощным инструментом», — это правило вынесения степени . Оно гласит: $\log_a(x^k) = k \cdot \log_a x$ . Том объясняет логику: если логарифм — это степень, а мы возводим аргумент в еще одну степень, то, согласно правилам экспонент, эти степени перемножаются . Это позволяет буквально «спускать» степень сверху вниз, превращая сложное экспоненциальное выражение в простую операцию умножения .
Дэвид Малан отмечает, что в контексте Computer Science эти законы позволяют инженерам манипулировать алгоритмической сложностью и переходить от громоздких вычислений к более линейным формам . Понимание того, как сумма логарифмов превращается в логарифм произведения, помогает лучше чувствовать природу данных в задачах оптимизации .
📈 Логарифмические шкалы и природа сложных степеней 1:43:44
В процессе изучения математических основ программирования Том Кроуфорд (Tom Crawford) переходит от абстрактных правил к практическому применению логарифмов для визуализации данных и решения уравнений, где показатели степени перестают быть удобными целыми числами . Когда мы сталкиваемся с миром реальных данных — от микроскопических скоростей до астрономических расстояний — линейные инструменты перестают работать, и на сцену выходят логарифмические шкалы .
Масштабирование реальности: мощь логарифмических осей 2:05:16
Одной из самых важных сфер применения логарифмов в науке и анализе данных является построение графиков с логарифмическими осями . Том Кроуфорд объясняет, что такие оси незаменимы, когда необходимо отобразить на одном графике значения, различающиеся на несколько порядков . В обычной (линейной) системе координат данные, охватывающие диапазон от единиц до миллиардов, просто «сплющат» мелкие значения в неразличимую линию вдоль оси .
В качестве примера Том демонстрирует график функции $2^x$ . На стандартной шкале функция стремительно уходит вверх, достигая значения около 2000, после чего она практически покидает пределы видимости . Однако при переходе к логарифмической оси (где деления соответствуют степеням 10) ситуация меняется:
- В том же самом визуальном пространстве удаётся уместить значения от 0.1 ($10^{-1}$) до 1 000 000 ($10^6$) .
- График позволяет одновременно видеть поведение функции как при малых, так и при экстремально больших значениях, вплоть до 100 миллионов .
- Логарифмическая сетка под графиком наглядно показывает, как «сжимаются» порядки величин, позволяя анализировать данные о скоростях животных (где разница между улиткой и гепардом огромна) или финансовых показателях за десятилетия .
Дробные показатели и решение уравнений 1:51:13
В более простых задачах мы привыкли к целым степеням: например, $\log_2 32 = 5$, потому что $2$ в пятой степени дает $32$ . Но Том Кроуфорд подчеркивает, что в реальности большинство решений логарифмических уравнений — это не целые числа . Ранее в разговоре уже упоминалась связь степеней и логарифмов, но здесь акцент делается на уравнениях вида $10^x = 50$ .
Поскольку $10^1 = 10$, а $10^2 = 100$, очевидно, что искомое значение $x$ находится где-то между единицей и двойкой . Это подводит нас к концепции дробных и десятичных степеней. Чтобы «достать» $x$ из показателя, Том использует логарифмирование обеих частей уравнения по основанию 10 . С помощью калькулятора он находит точное значение: $x \approx 1.699$ . Это число и есть та самая дробная степень, в которую нужно возвести 10, чтобы получить 50.
Такой подход позволяет работать с любыми показателями, включая те, что представляют собой корни (например, степень $0.5$ — это квадратный корень) . Понимание того, что степень может быть любым вещественным числом, критически важно для компьютерных наук, где алгоритмическая сложность редко описывается «красивыми» целыми числами .
Иррациональные числа и натуральный логарифм 2:06:47
Особое место в математике занимают иррациональные степени и основания. Том Кроуфорд вводит понятие числа Эйлера $e$ ($2.718...$) — иррационального числа, десятичная дробь которого никогда не заканчивается и не повторяется . На его основе строится натуральный логарифм, обозначаемый как $\ln(x)$ .
Натуральный логарифм является «зеркальным отражением» или точной обратной функцией для экспоненты $e^x$ . Это свойство позволяет математикам вычислять даже самые сложные иррациональные степени, такие как $\pi^\pi$. Через логарифмирование подобные выражения можно преобразовать в форму, доступную для вычислений:
- Любое число $a^b$ можно представить как $e^{b \cdot \ln(a)}$ .
- Благодаря этому иррациональные показатели перестают быть мистическими объектами и превращаются в конкретные значения, которыми можно оперировать в коде или при анализе сложных систем .
В завершение этого раздела Том резюмирует: фундаментально логарифмы — это просто способ «отменить» возведение в степень, позволяющий нам спускать переменные с «верхнего этажа» уравнения на землю, чтобы решать задачи любого уровня сложности .
🎮 Экономика Хайрула и математика инфляции 3:02:09
После детального разбора логарифмических шкал на примере скоростей животных и обсуждения свойств числа Эйлера , которое ранее упоминалось в контексте экспоненциального роста, Том Кроуфорд и Дэвид Малан переходят к практическому применению этих концепций в виртуальных мирах. Одной из самых ярких и понятных иллюстраций работы экспоненциальных функций в реальной жизни (и в геймдизайне) является феномен инфляции. Для анализа этого процесса Том выбирает экономику Королевства Хайрул из серии игр The Legend of Zelda .
Игровая экономика как математическая модель 3:02:09
Том Кроуфорд предлагает взглянуть на Хайрул не просто как на сказочную страну, а как на закрытую экономическую систему, где основной валютой выступают рупии . Математическое моделирование экономики в видеоиграх позволяет студентам увидеть, как абстрактные формулы применяются для балансировки игрового процесса . Кроуфорд отмечает, что цены на «лут» и снаряжение в серии игр не остаются статичными от десятилетия к десятилетию .
Основная идея Тома заключается в том, что инфляция по своей природе — это экспоненциальный процесс . В отличие от линейного роста, где цена увеличивается на фиксированную сумму каждый год, инфляция предполагает процентное изменение от текущей стоимости, что неизбежно ведет к ускоряющемуся росту цен . Ранее в разговоре они касались базовых свойств степеней, и теперь эти знания становятся фундаментом для расчёта покупательной способности Линка . Дэвид Малан подчеркивает, что такой подход делает изучение логарифмов и экспонент гораздо более наглядным для программистов и разработчиков игр .
Сравнительный анализ цен: Skyward Sword против Breath of the Wild 3:03:50
Для проведения расчетов Том выбирает две знаковые точки на временной шкале релизов: The Legend of Zelda: Skyward Sword (вышедшую в 2011 году) и The Legend of Zelda: Breath of the Wild (вышедшую в 2017 году) . Разница между этими играми составляет ровно 6 лет, что в нашей формуле будет соответствовать переменной времени $t$ .
Объектом исследования становится стоимость стандартного снаряжения, которое Линк покупает в магазинах. Том замечает, что если в 2011 году базовый щит или набор стрел стоил определённое количество рупий ($P$), то к 2017 году цена этого же «набора товаров» существенно выросла до нового значения ($V$) . Кроуфорд использует этот пример, чтобы показать: разработчики вынуждены повышать цены, так как в новых играх игроки обычно быстрее и в больших количествах находят валюту . Это классический пример того, как денежная масса в игре растет экспоненциально, провоцируя рост цен на товары . В данном случае мы имеем дело с функцией вида $V = P(1+r)^t$, где $r$ — это искомый годовой уровень инфляции в Хайруле .
Расчёт среднегодового темпа инфляции 3:06:12
Переходя к конкретным цифрам, Том демонстрирует, как изолировать переменную $r$ в уравнении . Если мы знаем начальную цену ($P$) и конечную цену ($V$), а также период времени ($t = 6$), задача сводится к решению степенного уравнения . Ранее обсуждавшиеся дробные и иррациональные степени здесь находят прямое применение: чтобы избавиться от степени $t$ в правой части уравнения $(1+r)^t$, нам нужно возвести обе части в степень $1/t$ .
Алгоритм решения, представленный Кроуфордом, выглядит следующим образом:
- Разделить итоговую стоимость на начальную, чтобы получить общий коэффициент роста за 6 лет .
- Извлечь корень шестой степени из этого коэффициента (или возвести в степень $1/6$) .
- Вычесть единицу, чтобы получить чистый процентный показатель .
Используя логарифмирование для упрощения работы с большими числами (как это делалось ранее при разборе правил логарифмов), Том вычисляет, что среднегодовая инфляция рупий в Хайруле может достигать внушительных значений по сравнению с реальным миром . Дэвид Малан замечает, что такие расчеты позволяют игроку (или разработчику) предсказать, сколько будет стоить Хайлианский щит в следующей части игры, если темпы роста сохранятся . Том заключает, что понимание экспоненциальной функции превращает «магию» игрового баланса в строгую математическую дисциплину .
🏁 Финальные штрихи: от экспонент к основам комбинаторики 3:25:18
Интуиция масштаба и иерархия вычислений 3:32:21
Завершая масштабный разбор математических основ, необходимых для вводного курса по компьютерным наукам, Том Кроуфорд (Tom Crawford) и Дэвид Малан (David J. Malan) подводят итог пройденному пути, который начался с самых основ и привёл к сложным прикладным моделям . Фундаментом всей лекции послужило формирование «чувства масштаба» . Как отмечает Том Кроуфорд, прежде чем погружаться в строгие формулы, программисту и математику важно научиться делать быстрые прикидки .
В рамках этой главы авторы подчеркивают значимость метода Ферми, который ранее в разговоре они использовали для оценки количества объектов в банках и анализа игровых механик. Эти упражнения были направлены не просто на получение цифр, а на развитие способности понимать порядок величины (order of magnitude) при решении любой задачи . Без этого навыка невозможно адекватно оценить сложность алгоритма или требования к памяти системы.
Переходя от интуитивных оценок к строгому определению, Том Кроуфорд напоминает, что экспоненты были представлены в лекции как операция повторяющегося умножения . Этот концепт стал мостиком к изучению более глубоких закономерностей, таких как:
- Базовые правила работы со степенями (сложение, вычитание и умножение показателей) ;
- Понимание того, как малые изменения в основании или показателе степени приводят к взрывному росту значений;
- Взаимосвязь между различными типами математических функций.
Такой системный подход позволяет студенту CS50 увидеть за набором формул единую логику развития вычислительных процессов .
Логарифмы как «замаскированные» степени и переход к дискретной математике 3:32:41
Особое внимание в итоговом резюме уделяется логарифмам — концепции, которая часто вызывает трудности у начинающих. Том Кроуфорд предлагает элегантную формулировку: логарифмы — это инверсия возведения в степень . Он подчеркивает критически важную мысль для понимания математического анализа: «Законы логарифмов — это на самом деле просто правила работы со степенями, скрытые под другой маской» .
Эта метафора «маскировки» помогает учащимся не зазубривать новые формулы, а использовать уже имеющиеся знания о степенях для манипуляций с логарифмическими выражениями . В ходе лекции Том и Дэвид Малан не ограничились только целыми числами. Они расширили горизонт понимания слушателей, разобрав:
- Рациональные и иррациональные степени, включая такие абстрактные вычисления, как возведение числа «пи» в степень «пи» .
- Применение экспоненциальных функций в реальных (и вымышленных) сценариях, таких как расчет инфляции в Королевстве Хайрул .
Использование примера с экономикой из игры The Legend of Zelda стало финальным аккордом в практическом блоке, продемонстрировав, как абстрактные математические законы работают в динамических системах .
Завершая этот модуль, Том Кроуфорд анонсирует следующую большую тему — комбинаторику . Если текущая глава была посвящена росту и масштабированию, то следующая сфокусируется на искусстве подсчета . «Комбинаторика означает много, очень много подсчетов», — шутливо резюмирует Том, готовя аудиторию к переходу от непрерывных функций к дискретным структурам . Этот переход логичен для учебного плана CS50, где после понимания скорости роста операций (экспоненты и логарифмы) необходимо научиться точно определять количество возможных состояний и путей решения задачи.
