برآورد مقدار تابع: یافتن مقدار تقریبی تابع با استفاده از جدول و نمودار
تابع چیست و چرا به برآورد مقدار آن نیاز داریم؟
تابع در ریاضیات رابطهای است که هر ورودی (متغیر مستقل) را دقیقاً به یک خروجی (مقدار تابع) نسبت میدهد. معمولاً تابع را با فرمول $f(x)=x^2$ یا $y=2x+1$ نشان میدهیم. اما در دنیای واقعی، گاهی فرمول تابع را نمیدانیم؛ فقط چند جفت مقدار (ورودی و خروجی) را در قالب جدول داریم، یا نمودار تابع را در اختیار داریم. در چنین شرایطی، برای ورودیای که دقیقاً در جدول نیست، باید مقدار تابع را به طور تقریبی به دست آوریم.
مثال کاربردی: فرض کنید جدول دما در ساعات مختلف روز را دارید. میخواهید دمای ساعت $10:30$ را بدانید در حالی که دما فقط برای ساعت $10:00$ و $11:00$ ثبت شده است. با روش برآورد مقدار تابع، میتوانید دمای تقریبی را محاسبه کنید.
روش اول: برآورد با استفاده از جدول مقادیر و درونیابی خطی
وقتی جدولی از مقادیر تابع داریم و میخواهیم مقدار تابع را برای عددی که بین دو ورودی جدول است پیدا کنیم، از فرمول درونیابی خطی استفاده میکنیم. فرض کنید دو نقطه $(x_1, y_1)$ و $(x_2, y_2)$ را داریم و میخواهیم $y$ را برای $x$ ای که بین $x_1$ و $x_2$ قرار دارد، تخمین بزنیم.
فرمول درونیابی خطی به صورت زیر است:
مثال گامبهگام: فرض کنید جدول زیر مقدار تابع $f(x)$ را برای چند ورودی نشان میدهد. میخواهیم $f(2.5)$ را تخمین بزنیم.
| ورودی $x$ | خروجی $f(x)$ |
|---|---|
| $2.0$ | $4.0$ |
| $3.0$ | $9.0$ |
در اینجا $x_1=2.0$، $y_1=4.0$، $x_2=3.0$، $y_2=9.0$ و $x=2.5$. طبق فرمول:
$y = 4 + \frac{(2.5 - 2.0)}{(3.0 - 2.0)} \times (9 - 4) = 4 + \frac{0.5}{1.0} \times 5 = 4 + 2.5 = 6.5$
بنابراین مقدار تقریبی $f(2.5) \approx 6.5$. اگر تابع اصلی $f(x)=x^2$ باشد، مقدار دقیق $6.25$ است که خطای تقریب برابر $0.25$ میشود.
روش دوم: برآورد با استفاده از نمودار تابع
اگر نمودار تابع را داشته باشیم (بدون فرمول و بدون جدول عددی)، میتوانیم مقدار تابع را برای ورودی مشخص به صورت دیداری تخمین بزنیم. مراحل کار:
- روی محور افقی (محور $x$)، نقطه مربوط به ورودی مورد نظر را پیدا کنید.
- از آن نقطه یک خط عمودی به سمت نمودار بکشید تا به منحنی برسد.
- از محل برخورد، یک خط افقی به سمت محور عمودی (محور $y$) بکشید.
- مقداری که روی محور عمودی میخوانید، مقدار تقریبی $f(x)$ است.
مثال عملی: فرض کنید نمودار دما بر حسب زمان را دارید. برای ساعت $14:20$، نقطه مربوطه را روی محور زمان پیدا کنید، به سمت نمودار بروید، سپس به محور دما برسید. عددی که میبینید (مثلاً $28.5^\circ$) مقدار تقریبی دمای آن ساعت است. دقت این روش به مقیاس و دقت ترسیم نمودار بستگی دارد.
مقایسه روشهای برآورد مقدار تابع
| روش | دقت تخمین | نیازمندیها | کاربرد اصلی |
|---|---|---|---|
| درونیابی خطی با جدول | بالا | دو نقطه اطراف، اعداد دقیق | دادههای جدولی پیوسته |
| خواندن از روی نمودار | متوسط تا پایین | نمودار دقیق، چشم مسلح | تخمین سریع و دیداری |
| استفاده از نزدیکترین نقطه | پایین | فقط یک مقدار، بدون محاسبه | وقتی دقت اهمیت ندارد |
کاربرد عملی: تخمین مقدار تابع در علوم تجربی و مهندسی
در آزمایشگاهها، اغلب دادههای اندازهگیری شده به صورت جفت نقاط (ورودی، خروجی) ثبت میشوند. برای نمونه، رابطه بین جرم فنر و میزان کشیدگی آن. اگر جدول زیر را از آزمایش داشته باشیم و بخواهیم کشیدگی فنر را برای جرم $45$ گرم تخمین بزنیم:
| جرم (گرم) | کشیدگی (میلیمتر) |
|---|---|
| $40$ | $12.0$ |
| $50$ | $15.0$ |
با درونیابی خطی: $y = 12 + \frac{(45-40)}{(50-40)} \times (15-12) = 12 + 0.5 \times 3 = 13.5$ میلیمتر. این مقدار تقریبی، مبنای محاسبات بعدی مانند تعیین ثابت فنر قرار میگیرد.
چالشهای مفهومی
پاسخ: زیرا جدول مقادیر فقط برای تعداد محدودی ورودی (نقاط گسسته) تعریف شده است. اگر ورودی مورد نظر بین دو نقطه جدول باشد، مقدار تابع مشخص نیست و باید با تقریب محاسبه شود. به عبارت دیگر، جدول نمایی از تابع پیوسته در نقاط مشخص است، نه کل تابع.
پاسخ: خیر. درونیابی خطی فرض میکند تابع بین دو نقطه رفتاری خطی دارد. اگر تابع واقعی غیرخطی (مثل درجه دو، نمایی، یا لگاریتمی) باشد، خطای تخمین افزایش مییابد. هرچه فاصله بین دو نقطه کمتر باشد، خطای درونیابی خطی کوچکتر خواهد بود.
پاسخ: این حالت برونیابی2 نام دارد. برونیابی بسیار خطرناکتر از درونیابی است زیرا رفتار تابع خارج از بازه معلوم نیست. اگر مجبور به برونیابی هستید، باید فرض کنید الگوی تابع ادامه مییابد (مثلاً خطی) که این فرض میتواند خطای بزرگی ایجاد کند.
پاورقی
1 درونیابی خطی (Linear Interpolation): روشی برای تخمین مقدار یک تابع بین دو نقطه شناخته شده با فرض خطی بودن تابع در آن بازه.
2 برونیابی (Extrapolation): تخمین مقدار تابع برای ورودیهای خارج از محدوده نقاط داده شده که معمولاً با خطای بیشتری همراه است.