अपने अवकलज नतीजे को समझना
जब नतीजा उपलब्ध हो, द्वितीय अवकलज का चिह्न x0 पर फलन की स्थानीय अवतलता दर्शाता है — कैलकुलस का एक मानक परिणाम।
| f″(x₀) | x₀ पर अवतलता |
|---|---|
| धनात्मक | उन्नतोदर (concave up) — फलन x₀ के पास ऊपर की ओर मुड़ता है, घाटी की तरह |
| ऋणात्मक | अवनतोदर (concave down) — फलन x₀ के पास नीचे की ओर मुड़ता है, पहाड़ी की तरह |
| शून्य पर या उसके पास | संभावित नति परिवर्तन बिंदु (inflection point) — x₀ के पास अवतलता बदल सकती है; आगे जांच ज़रूरी है |
- यह एक संख्यात्मक अनुमान है, सांकेतिक अवकलज नहीं — कैलकुलेटर कभी सामान्य फॉर्मूला f'(x) नहीं देता; यह केवल दर्ज किए गए अकेले बिंदु x0 पर अवकलज का मूल्य लौटाता है।
- समर्थित एक्सप्रेशन सिंटैक्स: फलन sin, cos, tan, asin, acos, atan, sqrt, cbrt, abs, ln (नैचुरल लॉग), log (आधार-10 लॉग), log2 (आधार-2 लॉग), exp, floor, ceil, round, min, max; स्थिरांक pi, e, tau; संक्रियक + − * / % ^; और चर x। त्रिकोणमितीय फलन रेडियन उपयोग करते हैं।
- x0 के पास असांतत्य, तीखे मोड़, या अपरिभाषित मूल्यों वाले फलन (उदाहरण के लिए, किसी ऊर्ध्वाधर स्पर्शोन्मुख (asymptote) के पास मूल्यांकन) परिमित-अंतर अनुमान को अशुद्ध बना सकते हैं या कोई नतीजा नहीं दे सकते।
- सुचारू, अच्छे व्यवहार वाले फलनों के लिए संख्यात्मक अनुमान में दिखाई गई सटीकता पर एक छोटी, आमतौर पर नगण्य कर्तन (truncation) त्रुटि होती है, लेकिन तेज़ स्थानीय बदलाव वाले फलनों के लिए यह त्रुटि बढ़ सकती है।
संख्यात्मक अवकलज क्या है?
अवकलज (derivative) किसी बिंदु पर फलन के बदलाव की तात्क्षणिक दर मापता है — ज्यामितीय रूप से, वहां फलन के ग्राफ पर स्पर्श रेखा की ढाल। सांकेतिक अवकलन एक सामान्य फॉर्मूला, f'(x), पैदा करता है, जो हर x के लिए वैध होता है। इसके बजाय यह कैलकुलेटर एक संख्यात्मक अवकलज निकालता है: यह आपके दर्ज किए ठीक बिंदु x0 पर f'(x0), एक अकेली संख्या, का अनुमान लगाता है, बिना कभी सामान्य फॉर्मूला f'(x) पैदा किए।
उपयोग की गई संख्यात्मक विधि 5-बिंदु केंद्रीय अंतर है: कैलकुलेटर x0 के दोनों ओर बहुत नज़दीक कई बिंदुओं पर f का मूल्यांकन करता है और उन मूल्यों को मिलाकर x0 पर ढाल का एक अत्यधिक सटीक अनुमान बनाता है, जिसकी त्रुटि स्टेप आकार की चौथी घात के अनुपात में घटती है। यह संख्यात्मक विश्लेषण की एक मानक, स्थापित तकनीक है, जो सांकेतिक कंप्यूटर-बीजगणित अवकलन से अलग है।
चूंकि नतीजा संख्यात्मक है, किसी दूसरे बिंदु पर अवकलज का मूल्यांकन करने के लिए उस नए x0 के साथ कैलकुलेटर को फिर से चलाना होगा — कोई बीजगणितीय अभिव्यक्ति f'(x) नहीं मिलती जिसे अन्य बिंदुओं पर सीधे मूल्यांकित किया जा सके।
इस अवकलज कैलकुलेटर का उपयोग कैसे करें
- x का एक फलन दर्ज करें, उदाहरण के लिए x^3 - 2*x + 1, sin(x)/x, या sqrt(x) + ln(x)। गुणा को * से स्पष्ट लिखना ज़रूरी है, और घातों के लिए ^ उपयोग करें।
- वह बिंदु x0 दर्ज करें जिस पर अवकलज का मूल्यांकन करना है।
- f'(x0) पढ़ें, उस बिंदु पर संख्यात्मक अवकलज, और f(x0), वहां फलन का मूल्य।
- जहां फलन x0 के पास दो बार अवकलनीय हो, f''(x0), संख्यात्मक द्वितीय अवकलज, और स्पर्श-रेखा समीकरण भी पढ़ें, जो x0 के पास f का सबसे अच्छा रैखिक सन्निकटन देता है।
संख्यात्मक अवकलज के पीछे का फॉर्मूला
5-बिंदु केंद्रीय अंतर अनुमान है f'(x0) ≈ [−f(x0+2h) + 8f(x0+h) − 8f(x0−h) + f(x0−2h)] / (12h), एक क्लासिकल परिमित-अंतर फॉर्मूला जिसकी त्रुटि h⁴ के अनुपात में होती है — यानी स्टेप आकार h को आधा करने पर त्रुटि लगभग 16 गुना घट जाती है।
द्वितीय अवकलज का अनुमान एक सरल केंद्रीय अंतर से लगाया जाता है: f''(x0) ≈ [f(x0+h) − 2f(x0) + f(x0−h)] / h²। इसका चिह्न स्थानीय अवतलता (concavity) दर्शाता है: धनात्मक का मतलब है फलन x0 के पास ऊपर की ओर मुड़ता है (उन्नतोदर/concave up), ऋणात्मक का मतलब है यह नीचे की ओर मुड़ता है (अवनतोदर/concave down)।
x0 पर स्पर्श रेखा, उस बिंदु के पास f का सबसे अच्छा सीधी-रेखा सन्निकटन, है y = f'(x0)(x − x0) + f(x0)।
उदाहरण: f(x) = x³ − 2x + 1 पर x0 = 2। संख्यात्मक अवकलज f'(2) = 10 है, जो x = 2 पर मूल्यांकित सांकेतिक अवकलज 3x² − 2 से मेल खाता है (3×4 − 2 = 10)। फलन मूल्य f(2) = 8 − 4 + 1 = 5 है, इसलिए स्पर्श रेखा y = 10(x − 2) + 5 है।
आम गलतियां
- "3x² − 2" जैसे सांकेतिक फॉर्मूले की उम्मीद करना — यह कैलकुलेटर परिमित-अंतर सन्निकटन का उपयोग करके, सांकेतिक (बीजगणितीय) अवकलन नहीं, केवल आपके दर्ज किए अकेले बिंदु x0 पर अवकलज का संख्यात्मक मूल्य लौटाता है।
- 2x के बजाय 2*x जैसा अंतर्निहित गुणा लिखना, या घातों के लिए ^ के बजाय ** उपयोग करना — पार्सर को समर्थित सेट से स्पष्ट संक्रियक चाहिए।
- ऐसे बिंदु पर मूल्यांकन करना जहां फलन अपरिभाषित या असांतत्य है, जैसे x0 = 0 पर 1/x, जो परिमित-अंतर अनुमान को अभरोसेमंद बनाता है या कोई नतीजा नहीं देता।
- यह मान लेना कि संख्यात्मक नतीजा मनमानी सटीकता तक सटीक है — केंद्रीय-अंतर विधि में एक छोटी लेकिन शून्येतर कर्तन त्रुटि होती है, जो सुचारू फलनों के लिए दिखाए गए दशमलव स्थानों पर आमतौर पर अदृश्य होती है।
- log का मतलब नैचुरल लघुगणक समझना — इस कैलकुलेटर के सिंटैक्स में, ln नैचुरल लघुगणक (आधार e) है और log आधार-10 है; log2 आधार-2 है।
अक्सर पूछे जाने वाले सवाल
क्या यह कैलकुलेटर मुझे अवकलज का फॉर्मूला देता है, जैसे f'(x) = 3x² − 2?
नहीं। यह कैलकुलेटर केवल आपके दर्ज किए विशिष्ट बिंदु x0 पर अवकलज का संख्यात्मक मूल्य लौटाता है, जो एक संख्यात्मक परिमित-अंतर विधि से गणना किया जाता है। किसी दूसरे बिंदु पर अवकलज का व्यवहार पाने के लिए, उस बिंदु को नए x0 के रूप में दर्ज करें और फिर से गणना करें।
यह अवकलज कैलकुलेटर कौन सी संख्यात्मक विधि उपयोग करता है?
एक 5-बिंदु केंद्रीय अंतर: f'(x0) ≈ [−f(x0+2h) + 8f(x0+h) − 8f(x0−h) + f(x0−2h)] / (12h), संख्यात्मक विश्लेषण का एक मानक परिमित-अंतर फॉर्मूला जिसकी त्रुटि h⁴ के अनुपात में होती है।
एक्सप्रेशन में कौन से फलन और संक्रियक समर्थित हैं?
sin, cos, tan, asin, acos, atan, sqrt, cbrt, abs, ln, log, log2, exp, floor, ceil, round, min, max; स्थिरांक pi, e और tau; संक्रियक + − * / % ^; और चर x। त्रिकोणमितीय फलनों का मूल्यांकन रेडियन में होता है।
संख्यात्मक अवकलज कितना सटीक है?
सुचारू, अच्छे व्यवहार वाले फलनों के लिए, 5-बिंदु केंद्रीय-अंतर विधि दिखाए गए दशमलव स्थानों से कहीं आगे तक सटीक होती है। असांतत्य, तीखे मोड़, या ऐसे बिंदुओं के पास जहां x0 के नज़दीक फलन अपरिभाषित हो, सटीकता घट जाती है।
स्पर्श-रेखा नतीजे का क्या मतलब है?
स्पर्श रेखा, y = f'(x0)(x − x0) + f(x0), x0 के पास फलन का सबसे अच्छा सीधी-रेखा सन्निकटन है। यह वक्र को (x0, f(x0)) पर छूती है और उस ठीक बिंदु पर फलन जैसी ही ढाल रखती है।
द्वितीय अवकलज नतीजों में कभी-कभी क्यों नहीं दिखता?
द्वितीय अवकलज अपना खुद का केंद्रीय-अंतर फॉर्मूला उपयोग करता है और केवल तभी दिखाया जाता है जब वह गणना कोई परिमित मूल्य लौटाए — उदाहरण के लिए, जब फलन x0 के ठीक आसपास अपरिभाषित या असांतत्य हो, तो द्वितीय-अवकलज अनुमान छोड़ दिया जाता है।
संदर्भ
- Burden RL, Faires JD. Numerical Analysis. Cengage Learning (finite-difference approximations to derivatives).
- Press WH, Teukolsky SA, Vetterling WT, Flannery BP. Numerical Recipes: The Art of Scientific Computing. Cambridge University Press (numerical differentiation).
- Stewart J. Calculus. Cengage Learning (the derivative as instantaneous rate of change and slope of the tangent line).
- NIST Digital Library of Mathematical Functions (DLMF), Chapter 3: Numerical Methods — finite-difference formulas. dlmf.nist.gov.