(340, 155)
(845, 26)
нужна эта линейная функция по двум точкам
и 100 её значений y(x)
это одно из приближений зеркального образа функции экспоненты
y= exp(x)
y = mx+b
где m — это угловой коэффициент,
а b — это свободный член.
b=155+86.7≈241.7
Таким образом, уравнение линейной функции имеет вид:
y =−0.255x + 241.7
Теперь мы можем вычислить 100 значений y(x) для равномерно распределённых значений x в диапазоне от 340 до 845.
Для этого создадим массив значений {x} и рассчитаем соответствующие значения y(x).
- Генерация значений:
Пусть x принимает значения от 340 до 845 с шагом,
равным (845−340)/99 ≈ 5.0899*(845−340) ≈ 5.08
пример кода на Python, который выполняет вычисления 100 точек этой прямой:
import numpy as np
# Задаем диапазон x
x_values = np.linspace(340, 845, 100)
# Вычисляем y для каждого x
y_values = -0.255 * x_values + 241.7
# Выводим результаты
for x, y in zip(x_values, y_values):
print(f"x: {x:.2f}, y: {y:.2f}")
это всегда обычно помогает ..
*
x: 340.00, y: 155.00
x: 345.10, y: 153.70
x: 350.20, y: 152.40
x: 355.30, y: 151.10
x: 360.40, y: 149.80
x: 365.51, y: 148.50
x: 370.61, y: 147.20
x: 375.71, y: 145.89
x: 380.81, y: 144.59
x: 385.91, y: 143.29
x: 391.01, y: 141.99
x: 396.11, y: 140.69
x: 401.21, y: 139.39
x: 406.31, y: 138.09
x: 411.41, y: 136.79
x: 416.52, y: 135.49
x: 421.62, y: 134.19
x: 426.72, y: 132.89
x: 431.82, y: 131.59
x: 436.92, y: 130.29
x: 442.02, y: 128.98
x: 447.12, y: 127.68
x: 452.22, y: 126.38
x: 457.32, y: 125.08
x: 462.42, y: 123.78
x: 467.53, y: 122.48
x: 472.63, y: 121.18
x: 477.73, y: 119.88
x: 482.83, y: 118.58
x: 487.93, y: 117.28
x: 493.03, y: 115.98
x: 498.13, y: 114.68
x: 503.23, y: 113.38
x: 508.33, y: 112.07
x: 513.43, y: 110.77
x: 518.54, y: 109.47
x: 523.64, y: 108.17
x: 528.74, y: 106.87
x: 533.84, y: 105.57
x: 538.94, y: 104.27
x: 544.04, y: 102.97
x: 549.14, y: 101.67
x: 554.24, y: 100.37
x: 559.34, y: 99.07
x: 564.44, y: 97.77
x: 569.55, y: 96.47
x: 574.65, y: 95.17
x: 579.75, y: 93.86
x: 584.85, y: 92.56
x: 589.95, y: 91.26
x: 595.05, y: 89.96
x: 600.15, y: 88.66
x: 605.25, y: 87.36
x: 610.35, y: 86.06
x: 615.45, y: 84.76
x: 620.56, y: 83.46
x: 625.66, y: 82.16
x: 630.76, y: 80.86
x: 635.86, y: 79.56
x: 640.96, y: 78.26
x: 646.06, y: 76.95
x: 651.16, y: 75.65
x: 656.26, y: 74.35
x: 661.36, y: 73.05
x: 666.46, y: 71.75
x: 671.57, y: 70.45
x: 676.67, y: 69.15
x: 681.77, y: 67.85
x: 686.87, y: 66.55
x: 691.97, y: 65.25
x: 697.07, y: 63.95
x: 702.17, y: 62.65
x: 707.27, y: 61.35
x: 712.37, y: 60.04
x: 717.47, y: 58.74
x: 722.58, y: 57.44
x: 727.68, y: 56.14
x: 732.78, y: 54.84
x: 737.88, y: 53.54
x: 742.98, y: 52.24
x: 748.08, y: 50.94
x: 753.18, y: 49.64
x: 758.28, y: 48.34
x: 763.38, y: 47.04
x: 768.48, y: 45.74
x: 773.59, y: 44.44
x: 778.69, y: 43.13
x: 783.79, y: 41.83
x: 788.89, y: 40.53
x: 793.99, y: 39.23
x: 799.09, y: 37.93
x: 804.19, y: 36.63
x: 809.29, y: 35.33
x: 814.39, y: 34.03
x: 819.49, y: 32.73
x: 824.60, y: 31.43
x: 829.70, y: 30.13
x: 834.80, y: 28.83
x: 839.90, y: 27.53
x: 845.00, y: 26.22