سطح کا رقبہ اور حجم دو بنیادی میٹرکس ہیں جو تین جہتی اشیاء کی مقدار درست کرنے کے لیے استعمال ہوتے ہیں۔ جب کہ سطح کا رقبہ کسی چیز کے بیرونی چہروں کے کل سائز کی پیمائش کرتا ہے — بنیادی طور پر اس کی 'جلد' — حجم اس چیز کے اندر موجود تین جہتی جگہ کی مقدار، یا اس کی 'صلاحیت' کی پیمائش کرتا ہے۔
3D آبجیکٹ کی تمام ظاہری سطحوں کے علاقوں کا کل مجموعہ۔
3D جگہ کی مقدار جس پر کسی چیز کا قبضہ ہوتا ہے یا اس کی گنجائش کی گنجائش۔
| خصوصیت | سطح کا علاقہ | حجم |
|---|---|---|
| جہت | 2D (سطح) | 3D (خلائی) |
| یہ کیا پیمائش کرتا ہے۔ | بیرونی حد / بیرونی | اندرونی صلاحیت/بلک |
| معیاری اکائیاں | $m^2، ft^2، cm^2$ | $m^3، ft^3، cm^3، L$ |
| جسمانی تشبیہ | باکس پینٹ کرنا | باکس کو ریت سے بھرنا |
| کیوب فارمولا | $6s^2$ | $s^3$ |
| دائرہ فارمولا | $4\pi r^2$ | $\frac{4}{3}\pi r^3$ |
| اسکیلنگ کا اثر | پیمانے کے مربع سے بڑھتا ہے۔ | پیمانے کے کیوب سے بڑھتا ہے۔ |
سوڈا کین کے بارے میں سوچو۔ سطح کا رقبہ ایلومینیم کی وہ مقدار ہے جو کین خود اور اس کے گرد لپیٹنے والا لیبل بنانے کے لیے درکار ہے۔ حجم، تاہم، مائع کی اصل مقدار ہے جسے کین اندر رکھ سکتا ہے۔
ریاضی اور حیاتیات میں سب سے اہم تعلق یہ ہے کہ جیسے جیسے کوئی چیز بڑھتی ہے، اس کا حجم اس کی سطح کے رقبے سے بہت تیزی سے بڑھتا ہے۔ اگر آپ مکعب کا سائز دوگنا کرتے ہیں، تو آپ کے پاس سطح کا رقبہ چار گنا لیکن حجم آٹھ گنا ہوگا۔ یہ بتاتا ہے کہ چھوٹے جانور بڑے جانوروں کی نسبت تیزی سے گرمی کیوں کھو دیتے ہیں- ان کی 'اندر' کی نسبت زیادہ 'جلد' ہوتی ہے۔
سطح کا رقبہ تلاش کرنے کے لیے، آپ عام طور پر 3D شکل کو 2D فلیٹ ڈرائنگ میں 'انفولڈ' کرتے ہیں جسے نیٹ کہا جاتا ہے اور ان فلیٹ ٹکڑوں کے رقبے کا حساب لگاتے ہیں۔ حجم کے لیے، آپ عام طور پر بیس کے رقبے کو آبجیکٹ کی اونچائی سے ضرب دیتے ہیں، تیسری جہت میں 2D بیس کو مؤثر طریقے سے 'اسٹیک' کرتے ہیں۔
انجینئرز ریڈی ایٹرز یا کولنگ پنوں کو ڈیزائن کرتے وقت سطح کے رقبے کو دیکھتے ہیں کیونکہ سطح کا زیادہ رقبہ گرمی کو تیزی سے فرار ہونے دیتا ہے۔ دوسری طرف، وہ ایندھن کے ٹینکوں یا شپنگ کنٹینرز کو ڈیزائن کرتے وقت حجم کو دیکھتے ہیں تاکہ مصنوعات کی مقدار کو زیادہ سے زیادہ بنایا جا سکے جو ایک ہی سفر میں لے جایا جا سکتا ہے۔
اگر دو اشیاء کا حجم ایک ہی ہے تو ان کی سطح کا رقبہ ایک ہی ہے۔
یہ ایک عام غلط فہمی ہے۔ آپ مٹی کی ایک گیند (مقررہ حجم) لے سکتے ہیں اور اسے ایک پتلی چادر میں چپٹا کر سکتے ہیں، جس سے سطح کے رقبے میں بڑے پیمانے پر اضافہ ہوتا ہے جبکہ حجم ایک جیسا رہتا ہے۔
سطح کا رقبہ 3D اشیاء کے لیے صرف 'رقبہ' ہے۔
جبکہ متعلقہ، 'علاقہ' عام طور پر 2D شکلوں سے مراد ہے۔ سطح کا رقبہ خاص طور پر 3D شکل کی تمام بیرونی حدود کا کل رقبہ ہے۔
کنٹینر کا حجم ہمیشہ شے کے حجم کے برابر ہوتا ہے۔
ضروری نہیں۔ ایک کنٹینر میں 'بیرونی والیوم' (ایک باکس میں کتنی جگہ لیتی ہے) اور 'اندرونی حجم' (اس کی گنجائش) ہوتی ہے۔ یہ کنٹینر کی دیواروں کی موٹائی کی بنیاد پر مختلف ہیں۔
لمبی اشیاء کا حجم ہمیشہ چوڑی اشیاء سے زیادہ ہوتا ہے۔
ایک بہت چوڑا، چھوٹا سلنڈر دراصل ایک لمبے، پتلے سے نمایاں طور پر زیادہ حجم رکھتا ہے، کیونکہ رداس حجم کے فارمولے ($V = \pi r^2 h$) میں مربع ہوتا ہے۔
سطح کا علاقہ منتخب کریں جب آپ کو یہ جاننا ہو کہ کسی چیز کو لپیٹنے، کوٹ کرنے یا ٹھنڈا کرنے کے لیے کتنے مواد کی ضرورت ہے۔ حجم کا انتخاب کریں جب آپ کو گنجائش، وزن، یا کمرے میں کسی چیز کی کتنی جگہ کا حساب لگانے کی ضرورت ہو۔
جبکہ اسکیلرز اور ویکٹر دونوں ہمارے اردگرد کی دنیا کی مقدار درست کرتے ہیں، بنیادی فرق ان کی پیچیدگی میں ہے۔ اسکیلر طول و عرض کی ایک سادہ پیمائش ہے، جب کہ ایک ویکٹر اس سائز کو ایک مخصوص سمت کے ساتھ جوڑتا ہے، جو اسے جسمانی خلا میں حرکت اور قوت کو بیان کرنے کے لیے ضروری بناتا ہے۔
جبکہ حقیقی اعداد ان تمام اقدار کو گھیرے ہوئے ہیں جنہیں ہم عام طور پر طبعی دنیا کی پیمائش کے لیے استعمال کرتے ہیں—پورے عدد سے لے کر لامحدود اعشاریہ تک—پیچیدہ اعداد خیالی اکائی $i$ کو متعارف کروا کر اس افق کو بڑھاتے ہیں۔ یہ اضافہ ریاضی دانوں کو ان مساواتوں کو حل کرنے کی اجازت دیتا ہے جن کا کوئی حقیقی حل نہیں ہے، جس سے ایک دو جہتی نمبر کا نظام تشکیل پاتا ہے جو جدید طبیعیات اور انجینئرنگ کے لیے ضروری ہے۔
جب کہ الجبرا عمل کے تجریدی اصولوں اور نامعلوم کو حل کرنے کے لیے علامتوں کی ہیرا پھیری پر توجہ مرکوز کرتا ہے، جیومیٹری خلا کی طبعی خصوصیات کو دریافت کرتی ہے، بشمول سائز، شکل، اور اعداد و شمار کی رشتہ دار پوزیشن۔ ایک ساتھ مل کر، وہ ریاضی کی بنیاد بناتے ہیں، منطقی تعلقات کو بصری ڈھانچے میں ترجمہ کرتے ہیں۔
امکان اور اعدادوشمار ایک ہی ریاضی کے سکے کے دو رخ ہیں، جو مخالف سمتوں سے آنے والی غیر یقینی صورتحال سے نمٹتے ہیں۔ اگرچہ امکان معلوم ماڈلز کی بنیاد پر مستقبل کے نتائج کے امکان کی پیشین گوئی کرتا ہے، اعداد و شمار ان ماڈلز کی تعمیر یا تصدیق کے لیے ماضی کے ڈیٹا کا تجزیہ کرتے ہیں، بنیادی سچائی کو تلاش کرنے کے لیے مشاہدات سے پیچھے ہٹ کر مؤثر طریقے سے کام کرتے ہیں۔
اگرچہ اکثر آرام دہ گفتگو میں ایک دوسرے کے ساتھ استعمال کیا جاتا ہے، امکان اور مشکلات واقعہ کے امکان کو ظاہر کرنے کے دو مختلف طریقوں کی نمائندگی کرتے ہیں۔ امکان سازگار نتائج کی تعداد کا موازنہ امکانات کی کل تعداد سے کرتا ہے، جب کہ مشکلات موافق نتائج کی تعداد کا موازنہ براہ راست غیر موافق نتائج کی تعداد سے کرتی ہیں۔
