Kopertina e librit Matematika 12 (me zgjedhje)

Zgjidhja e ushtrimit 2

Zgjidhja e ushtrimit 2 të mësimit 1.5B në librin Matematika 12 (me zgjedhje) nga shtëpia botuese Botime Pegi me autorë Brian Jefferson, David Bowles dhe Eddie Mullan.


Pyetja

Kur një pikë vaji derdhet në një sipërfaqe me ujë, ajo formon një qark. Me kalimin e kohës, tt sekonda, syprina SS e qarkut që formon vaji, rritet.

  1. Tregoni se ekziston një relacion ndërmjet SS dhe tt, i dhënë nga formula S=ktnS = k \cdot t^n dhe gjeni vlerat e konstanteve kk dhe nn.
  2. Shpjegoni pse ky model algjebrik është më i mirë për vlerësimin e syprinës së vajit pas 1 sekonde, sesa pas 1 minute.

Zgjidhja

Për të treguar se ekziston një relacion i formës $S = k \cdot t^n$ dhe për të gjetur konstantet $k$ dhe $n$, transformojmë ekuacionin duke marrë logaritmin natyror (ln) në të dy anët:

ln(S)=ln(ktn)\ln(S) = \ln(k \cdot t^n)
ln(S)=ln(k)+nln(t)\ln(S) = \ln(k) + n \cdot \ln(t)

Kjo është një formë e drejtëzës $Y = C + nX$, ku $Y = \ln(S)$, $X = \ln(t)$ dhe $C = \ln(k)$. Pjerrësia është $n$ dhe prerja me boshtin Y është $\ln(k)$.

Marrim dy pika nga tabela, p.sh., $(t_1, S_1) = (2, 17)$ dhe $(t_4, S_4) = (5, 117)$.

Për $t=2, S=17$: $\ln(17) = \ln(k) + n \cdot \ln(2)$

Për $t=5, S=117$: $\ln(117) = \ln(k) + n \cdot \ln(5)$

Zbresim ekuacionin e parë nga i dyti:

ln(117)ln(17)=nln(5)nln(2)\ln(117) - \ln(17) = n \cdot \ln(5) - n \cdot \ln(2)
ln(11717)=nln(52)\ln\left(\frac{117}{17}\right) = n \cdot \ln\left(\frac{5}{2}\right)
ln(6.88235)=nln(2.5)\ln(6.88235) = n \cdot \ln(2.5)
1.9288n0.91631.9288 \approx n \cdot 0.9163
n1.92880.91632.105n \approx \frac{1.9288}{0.9163} \approx 2.105

Përdorim vlerën $n \approx 2.1$ dhe pikën $(2, 17)$ për të gjetur $k$:

17=k22.117 = k \cdot 2^{2.1}
17=k4.287117 = k \cdot 4.2871
k=174.28713.965k = \frac{17}{4.2871} \approx 3.965

Vlerat e konstanteve janë $n \approx 2.1$ dhe $k \approx 3.97$. Relacioni është $S \approx 3.97 \cdot t^{2.1}$.

Verifikim i përafrimit:

  • Për $t=2$, $S = 3.97 \cdot 2^{2.1} \approx 3.97 \cdot 4.287 = 17.02$ (vlerë reale 17)
  • Për $t=3$, $S = 3.97 \cdot 3^{2.1} \approx 3.97 \cdot 11.218 = 44.53$ (vlerë reale 40)
  • Për $t=4$, $S = 3.97 \cdot 4^{2.1} \approx 3.97 \cdot 18.919 = 75.02$ (vlerë reale 73)
  • Për $t=5$, $S = 3.97 \cdot 5^{2.1} \approx 3.97 \cdot 28.918 = 114.80$ (vlerë reale 117)

Përfundimisht, relacioni është $S = 3.97 \cdot t^{2.1}$.

  1. Ky model algjebrik është krijuar bazuar në të dhënat për $t$ nga 2 deri në 5 sekonda. Vlerësimi për $t=1$ sekondë është një ekstrapolim brenda afërsisë së intervalit të të dhënave të dhëna ($2 \le t \le 5$). Vlerësimi për $t=1$ minutë ($60$ sekonda) është një ekstrapolim shumë më i largët nga ky interval.

  2. Ekstrapolimi i largët është gjithmonë më pak i besueshëm sesa interpolimi (vlerësimi brenda intervalit të të dhënave) ose ekstrapolimi i afërt. Kjo pasi modeli mund të mos jetë i vlefshëm për intervale kohore shumë të ndryshme nga ato ku u mblodhën të dhënat, pasi fenomene fizike mund të ndryshojnë sjelljen e tyre në limite të caktuara kohore (p.sh., përhapja e vajit mund të ngadalësohet me kalimin e kohës për shkak të kufizimeve të sipërfaqes ose trashësisë).

  1. Për të treguar se ekziston një relacion i formës $S = k \cdot t^n$, marrim logaritmin natyror të të dyja anëve të ekuacionit:

    $$ \ln(S) = \ln(k \cdot t^n) $$

    Duke përdorur vetitë e logaritmit ($\ln(ab) = \ln(a) + \ln(b)$ dhe $\ln(a^b) = b \ln(a)$), kemi:

    $$ \ln(S) = \ln(k) + n \ln(t) $$

    Nëse vendosim $Y = \ln(S)$, $X = \ln(t)$ dhe $C = \ln(k)$, ekuacioni merr formën e një ekuacioni linear:

    $$ Y = nX + C $$

    Kjo do të thotë se, nëse ekziston një relacion i tillë, pikat $(\ln(t), \ln(S))$ duhet të shtrihen afërsisht në një vijë të drejtë. Koeficienti këndor i kësaj vije do të jetë $n$, dhe prerja me boshtin $Y$ do të jetë $\ln(k)$.

    Llogarisim vlerat e $\ln(t)$ dhe $\ln(S)$:

    • Për $(t=2, S=17)$: $X_1 = \ln(2) \approx 0.693$, $Y_1 = \ln(17) \approx 2.833$
    • Për $(t=3, S=40)$: $X_2 = \ln(3) \approx 1.099$, $Y_2 = \ln(40) \approx 3.689$
    • Për $(t=4, S=73)$: $X_3 = \ln(4) \approx 1.386$, $Y_3 = \ln(73) \approx 4.290$
    • Për $(t=5, S=117)$: $X_4 = \ln(5) \approx 1.609$, $Y_4 = \ln(117) \approx 4.762$

    Llogarisim koeficientin këndor $n$ duke përdorur pika të ndryshme:

    • Duke përdorur pikat $(t=2, S=17)$ dhe $(t=3, S=40)$:
    • $$ n = \frac{Y_2 - Y_1}{X_2 - X_1} = \frac{\ln(40) - \ln(17)}{\ln(3) - \ln(2)} = \frac{\ln(40/17)}{\ln(3/2)} = \frac{\ln(2.3529)}{\ln(1.5)} \approx \frac{0.8555}{0.4055} \approx 2.110 $$

    • Duke përdorur pikat $(t=4, S=73)$ dhe $(t=5, S=117)$:
    • $$ n = \frac{Y_4 - Y_3}{X_4 - X_3} = \frac{\ln(117) - \ln(73)}{\ln(5) - \ln(4)} = \frac{\ln(117/73)}{\ln(5/4)} = \frac{\ln(1.6027)}{\ln(1.25)} \approx \frac{0.4716}{0.2231} \approx 2.114 $$

    Meqenëse vlerat e $n$ janë shumë afër njëra-tjetrës (rreth $2.11$), kjo tregon se ekziston një relacion i fuqisë ndërmjet $S$ dhe $t$. Për vlera të konstanteve, marrim një mesatare ose përdorim vlerën nga llogaritja e parë.

    Duke marrë $n \approx 2.11$ (dy shifra pas presjes dhjetore):

    Për të gjetur $k$, përdorim ekuacionin $S = k \cdot t^n$ dhe një nga pikat e dhëna, p.sh., $(t=2, S=17)$:

    $$ 17 = k \cdot 2^{2.11} $$

    $$ k = \frac{17}{2^{2.11}} = \frac{17}{4.327} \approx 3.929 $$

    Duke rrumbullakosur $k$ në dy shifra pas presjes dhjetore, $k \approx 3.93$.

    Konstantet janë $k \approx 3.93$ dhe $n \approx 2.11$. Relacioni është $S \approx 3.93 \cdot t^{2.11}$.

  2. Ky model algjebrik është më i mirë për vlerësimin e syprinës së vajit pas 1 sekonde, sesa pas 1 minute, për shkak të natyrës së ekstrapolimit:

    • Vlerësimi për $t=1$ sekondë: Kjo është një ekstrapolim i afërt, pasi $t=1$ është afër intervalit të të dhënave të dhëna ($t \in [2, 5]$ sekonda). Modelet algjebrike zakonisht japin rezultate të besueshme për vlera që janë afër ose brenda rangut të të dhënave të vëzhguara.
    • Vlerësimi për $t=1$ minutë ($60$ sekonda): Kjo është një ekstrapolim i largët. Vlera $t=60$ sekonda është shumë larg nga intervali i të dhënave të dhëna ($t \in [2, 5]$ sekonda). Kur ekstrapolojmë shumë larg nga të dhënat e vëzhguara, nuk mund të jemi të sigurt se modeli ende pasqyron saktë sjelljen e fenomenit, pasi kushtet fizike ose rregullat themelore mund të ndryshojnë jashtë intervalit të të dhënave origjinale.