Далее дается само определение функции, вводятся термины аргумент и значение функции.

“В рассмотренных примерах каждому значению независимой переменной соответствует единственное значение зависимой переменной. Такую зависимость одной переменной от другой называют функциональной зависимостью или функцией.

Независимую переменную иначе называют аргументом, а о зависимой переменной говорят, что она является функцией от этого аргумента. Так, площадь квадрата является функцией от длины его стороны; путь, пройденный автомобилем с постоянной скоростью, является функцией от времени движения. Значения зависимой переменной называют значениями функции.

Все значения которые принимает независимая переменная, образуют область определения функции.”

Так на практике реализуется индуктивный подход к изучению функций в школе. Альтернативой ему служит дедуктивный подход, который, хотя и применяется реже, имеет целый ряд положительных аспектов, которые и стали причиной его применения в школе. Для этого подхода характерно первоначальное полное и сжатое изложение учебного материала, пускай даже малопонятного при первом прочтении, и дальнейшая углубленная проработка всех примеров, терминов и определений. Такой подход к изучению функций и не только их позволяет учащимся самостоятельно попытаться проследить логические связи в излагаемом материале, резко увеличивает интенсивность мыслительной деятельности, способствует более активному и глубокому запоминанию. Вот как выглядит изложение той же темы “Понятие функции” в соответствии с дедуктивным подходом:

1. Зависимости одной переменной от другой называют функциональными зависимостями.

2. Зависимость переменной у от переменной х называют функцией, если каждому значению х соответствует единственное значение у. При этом используют запись у = f (х).

3. Переменную х называют независимой переменной или аргументом, а переменную у - зависимой переменной. Говорят, что у является функцией от х.

4. Значение у, соответствующее заданному значению х, называют значением функции.

5. Все значения, которые принимает независимая переменная, образуют область определения функции; все значения, которые принимает зависимая переменная, образуют множество значений функции.

6. Для функции f приняты обозначения: D ( f ) -область определения функции, E ( f ) - множество значений функции, f (х0) - значение функции в точке х0.

7. Если D ( f ) Ì R и E ( f ) Ì R, то функцию называют числовой.

8. Элементы множества D ( f ) также называют значениями аргумента, а соответствующие им элементы E ( f ) - значениями функции.

9. Если функция задана формулой и область определения функции не указана, то считают, что область определения состоит из всех значений независимой переменной, при которых эта формула имеет смысл.

10. Графиком функции называют множество всех точек, абсциссы которых равны значениям аргумента, а ординаты - соответствующим значениям функции.

Затем, на следующих уроках, происходит детальный разбор этого материала при активной работе учащихся. Тщательно рассматриваются все определения, прорешиваются примеры - идет усвоение нового материала.

Рассмотренные выше подходы к изучению функций в школе не охватывают все многообразие способов и методов изучения этого понятия. Они лишь являются основными, наиболее разработанными подходами к вопросу об изучении функций в школе, ориентируясь на которые можно разрабатывать новые, специфические методы обучения, которые были бы лишены недостатков вышеперечисленных подходов и были бы следующим шагом в деле обучения математике в школе.

ИССЛЕДОВАНИЕ ФУНКЦИЙ С ПОМОЩЬЮ ЭВМ

История алгебры насчитывает не одну тысячу лет, и все открытия и достижения в этой области человеческого знания были получены только с помощью тяжелого умственного труда, не в последнюю очередь связанного с огромным объемом вычислений, которые приходилось производить, часто неоднократно, для получения желаемых результатов. Многим известным математикам, от древности и вплоть до нашего века, приходилось содержать целый штат вычислителей, которые выполняли огромный объем второстепенных вычислений, давая возможность ученому заниматься непосредственно развитием математической науки.

С развитием математических представлений об окружающем мире многие расчеты и вычисления многократно усложнились, так что целые коллективы вычислителей тратили иногда не один месяц на выполнение каких-либо расчетов. К тому же с усложнением вычислений неизбежно увеличивалось количество непроизвольно допущенных ошибок.

Счастливым выходом из создавшегося положения явилось изобретение в 1943 г. первой электронно-вычислительной машины. Существовавшие до этого механические вычислители, которые могли выполнять только четыре арифметические операции, не шли ни в какое сравнение с этой, пусть еще не совершенной, вычислительной техникой. Сразу же после прохождения лабораторных испытаний электронно-вычислительные машины (ЭВМ), были применены для научных расчетов в квантовой и ядерной физике. В дальнейшем, по мере развития электроники, каждый научно-исследовательский институт обзаводился собственной ЭВМ. Уже в самом начале своего применения они обеспечивали неслыханную по тем временам скорость вычислений - несколько тысяч операций в секунду. Это позволило многократно увеличить скорость и точность математических вычислений и подняло труд ученых на качественно новый уровень.

Современные ЭВМ оставили далеко позади те первые, построенные на реле и лампах, машины; в миллион раз производительнее, они позволяют выполнять невероятно сложные расчеты в фантастически короткие сроки: то, над чем сотни вычислителей работали бы несколько месяцев, эти машины способны вычислить за несколько минут.

Учитывая вышесказанное, необыкновенно логичным кажется применение компьютеров для исследования свойств функций. Что и было сделано несколько десятилетий назад. Естественно, для успешного исследования свойств функций потребовался мощный математический аппарат. Наиболее успешным оказался перенос на компьютерную основу методов Лагранжа, Ньютона, Котеса, Симпсона и многих других. За считанные годы компьютер научили строить графики функций, дифференцировать и интегрировать сами функции, кроме этого интерполировать и экстраполировать функции, решать линейные и дифференциальные уравнения и их системы, находить приближающие функции и множество других, не менее важных вещей.

Взять к примеру интерполяционный многочлен Лагранжа. Очень часто на практике имеется какая-либо функциональная последовательность не выраженная в аналитической форме, либо вообще выраженная только графиком или набором пар значений. А требуется получить аналитическое выражение описывающее данный график или таблицу. Имея несколько пар значений функции - узлов интерполирования, задача найти интерполирующую функцию представляется длительной и трудоемкой, имея же несколько сотен таких узлов - практически невыполнимой. Компьютер же справляется с этой задачей за считанные секунды.