Matematisk modellering og numeriske metoder. Lektion 1

Relaterede dokumenter
Matematisk modellering og numeriske metoder

Oversigt [S] 7.1, 7.2, 7.3, 7.4, 7.5

Matematisk modellering og numeriske metoder. Overskrifter

Matematisk modellering og numeriske metoder. Lektion 5

Fri vækstmodel t tid og P (t) kvantitet. dp dt = kp Løsninger P (t) = Ce kt C fastlægges ved en begyndelsesværdi. Oversigt [S] 7.1, 7.2, 7.3, 7.4, 7.

Matematisk modellering og numeriske metoder. Lektion 19

Projekt 4.6 Løsning af differentialligninger ved separation af de variable

Lektion 8 Differentialligninger

Matematisk modellering og numeriske metoder. Lektion 10

Lektion ordens lineære differentialligninger

Førsteordens lineære differentialligninger

Introduktion til Laplace transformen (Noter skrevet af Nikolaj Hess-Nielsen sidst revideret marts 2013)

Test grafisk afledede Højere partielle afledede Differentiationsordenen er ligegyldig Partielle differentialligninger Test Laplaces ligning

Lineære differentialligningers karakter og lineære 1. ordens differentialligninger

Projekt 2.2 Omvendt funktion og differentiation af omvendt funktion

Nøgleord og begreber Eksistens og entydighed Retningsfelt Eulers metode Hastighedsfelt Stabilitet

Matematisk modellering og numeriske metoder. Lektion 6

Mere om differentiabilitet

Projekt 4.9 Bernouillis differentialligning

Matematisk modellering og numeriske metoder. Lektion 4

Matematisk modellering og numeriske metoder. Lektion 16

Taylorudvikling I. 1 Taylorpolynomier. Preben Alsholm 3. november Definition af Taylorpolynomium

Nøgleord og begreber Eksistens og entydighed Retningsfelt Eulers metode Hastighedsfelt Stabilitet

Lineære 1. ordens differentialligningssystemer

Matematisk modellering og numeriske metoder. Lektion 18

Lineære 1. ordens differentialligningssystemer

Oversigt [S] 7.2, 7.5, 7.6; [LA] 18, 19

Lineære 1. ordens differentialligningssystemer

Matematisk modellering og numeriske metoder. Lektion 13

Besvarelser til Calculus Ordinær eksamen - Forår - 6. Juni 2016

Differentialligninger af første orden

Taylor s approksimationsformler for funktioner af én variabel

Mat H /05 Note 2 10/11-04 Gerd Grubb

Taylor s approksimationsformler for funktioner af én variabel

Matematisk modellering og numeriske metoder. Lektion 11

INFINITESIMALREGNING del 3 Differentialligninger Funktioner af flere variable Differentialligningssystemer x-klasserne Gammel Hellerup Gymnasium

Grafisk bestemmelse - fortsat Støttepunkter. Grafisk bestemmelse y. giver grafen. Niveaukurver og retning u = ( 1

DIFFERENTIALLIGNINGER NOTER TIL CALCULUS 2003 AARHUS UNIVERSITET

Matematisk modellering og numeriske metoder. Lektion 8

Numeriske metoder - til løsning af differentialligninger - fra borgeleo.dk

Eksamen i Calculus. 14. juni f (x, y, z) = 1 + x 2 + y 2. x 2 + y 2 1 Hele rummet uden z aksen

Det Teknisk-Naturvidenskabelige Basisår Computerstøttet Beregning Naturvidenskab - Datalogi/Software/Matematik E-OPG 3

DesignMat Lineære differentialligninger I

Oversigt [S] 7.3, 7.4, 7.5, 7.6; [DL] 1, 2

Lineære 2. ordens differentialligninger med konstante koefficienter

Prøveeksamen i Calculus

Besvarelser til Calculus Ordinær Eksamen - 3. Januar 2017

MATEMATIK 11 Eksamensopgaver Juni 1995 Juni 2001, 4. fjerdedel

Differentialligninger og nummeriske metoder. Thomas G. Kristensen 7. februar 2002

Løsninger til eksamensopgaver på A-niveau 2016

To find the English version of the exam, please read from the other end! Eksamen i Calculus

Reeksamen i Calculus

Matematisk modellering og numeriske metoder

PeterSørensen.dk : Differentiation

af koblede differentialligninger (se Apostol Bind II, s 229ff) 3. En n te ordens differentialligning

DesignMat Lineære differentialligninger I

Gradienter og tangentplaner

matx.dk Differentialregning Dennis Pipenbring

Algebra - Teori og problemløsning

Differentialligninger med TI-Interactive!

Differential- regning

Eksamen i Calculus. 14. juni f (x, y, z) = 1 + x 2 + y 2. Hele rummet uden z aksen

Eksamen i Calculus. 14. juni f (x, y, z) = 1 + x 2 + y 2. x 2 + y 2 1 Hele rummet uden z aksen

Introduktion til differentialregning 1. Jens Siegstad og Annegrethe Bak

Matematik A. Højere teknisk eksamen. Forberedelsesmateriale. htx112-mat/a

Eksponentielle sammenhænge

Matematisk modellering og numeriske metoder. Lektion 13

Besvarelser til Calculus Ordinær Eksamen Juni 2018

Differentialligninger. Ib Michelsen

MM501/MM503 forelæsningsslides

Lektion 12. højere ordens lineære differentiallininger. homogene. inhomogene. eksempler

Vektorfelter langs kurver

MM501 forelæsningsslides

i x-aksens retning, så fås ). Forskriften for g fås altså ved i forskriften for f at udskifte alle forekomster af x med x x 0

Matematisk modellering og numeriske metoder. Lektion 17

er en n n-matrix af funktioner

Ligninger med reelle løsninger

Figur y. Nøgleord og begreber Tangentlinje for graf Tangentplan for graf

Oversigt Matematik Alfa 1, Januar 2003

Ang. skriftlig matematik B på hf

MM502+4 forelæsningsslides. uge 6, 2009

Undervisningsbeskrivelse

Komplekse Tal. 20. november UNF Odense. Steen Thorbjørnsen Institut for Matematiske Fag Århus Universitet

Besvarelser til Calculus Ordinær Eksamen Juni 2019

Integralregning Infinitesimalregning

Matematisk modellering og numeriske metoder

Undervisningsbeskrivelse

Undervisningsbeskrivelse

Eksamen i Calculus. Første Studieår ved Det Tekniske Fakultet for IT og Design samt Det Ingeniør- og Naturvidenskabelige Fakultet. 3.

Nøgleord og begreber Separable ligninger 1. ordens lineær ligning August 2002, opgave 7 Rovdyr-Byttedyr system 1. ordens lineært system Opgave

Funktion af flere variable

Løsninger til eksamensopgaver på A-niveau 2018

Funktion af flere variable

Den homogene ligning. Vi betragter den n te ordens, homogene, lineære differentialligning. d n y dt n. an 1 + any = 0 (1.2) dt. + a1 d n 1 y dt n 1

Matematisk modellering og numeriske metoder. Lektion 15

Oversigt [S] 2.7, 2.9, 11.4

Institut for Matematiske Fag Aalborg Universitet Specielt: Var(aX) = a 2 VarX 1/40. Lad X α, X β og X γ være stokastiske variable (vinkelmålinger) med

Oversigt [S] 7.3, 7.4, 7.5, 7.6; [LA] 15, 16, 17

Undervisningsbeskrivelse

To find the English version of the exam, please read from the other end! Eksamen i Calculus

Transkript:

Matematisk modellering og numeriske metoder Lektion 1 Morten Grud Rasmussen 4. september, 2013 1 Ordinære differentialligninger ODE er 1.1 ODE er helt grundlæggende Definition 1.1 (Ordinære differentialligninger). En ordinær differentialligning forkortet ODE (fra eng.: Ordinary Differential Equation) er en ligning, som indeholder én eller flere afledede af en ukendt funktion af én uafhængig variabel. Vi vil typisk kalde den ukendte funktion y og den uafhængige variabel eller t, hvor sidstnævnte typisk vil være i situationer, hvor vi tænker på y som en model for noget tidsafhængigt. Eksempel 1.2. Hvis vi kalder den uafhængige variabel for, så er de følgende tre ligninger eksempler på ODE er: y () = cos(), y () + 9y() = e 2, y ()y () 3 2 y () 2 = 0, hvor, som sædvanligt, y = dy, dy y = d2 y d 2 osv. Betegnelsen ordinær dækker over, at den ukendte funktion y er en funktion af én variabel, i kontrast til såkaldte partielle differentialligninger (PDE er), som indeholder ukendte funktioner af flere variable, og hvor der derfor naturligt indgår partielt afledede, et emne, vi vil vende tilbage til i Lektion 10. Det er naturligt at klassificere ODE er efter deres orden: Definition 1.3 (Ordenen af en ODE). En ODE er af orden n såfremt den n te afledede af den ukendte funktion er dén afledede af højest grad, som indgår i ODE en. 1

I dagens lektion vil vi udelukkende fokusere på førsteordens-ode er. Alle førsteordens-ode er kan omskrives til følgende form: F (, y(), y ()) = 0, (1) for et passende valg af F. En anden form, som ofte optræder, er: y () = f(, y()). Sidstnævnte form kaldes den eksplicitte form, mens (1) kaldes den implicitte form. Det er altid muligt at omskrive en eksplicit form til en implicit form: y () = f(, y()) y () f(, y()) = 0, m.a.o. kan vi blot sætte F (, y, z) = z f(, y). Ofte er det også muligt at gå fra en implicit form til en eksplicit, eksempelvis kan vi for 0 omskrive: 3 y () 4y() 2 = 0 til y () = 4 3 y() 2. 1.2 Løsninger Definition 1.4 (Løsning til en førsteordens-ode). En funktion h kaldes en løsning til en given ODE (1) på et åbent interval I = (a, b) hvis h er defineret og differentiabel på I og F (, h(), h ()) = 0 for alle i I. I givet fald kaldes grafen for h for en løsningskurve. Vi minder om, at (a, b) = {: a < < b} og at a kan være et reelt tal eller mens b kan være et reelt tal eller. Eksempel 1.5. Vi skal eftervise, at funktionen y givet ved y() = c, hvor c er en arbitrær konstant, er en løsning til ODE en y () = y() for alle 0. Dette gøres ved at sætte ind i formlen. Først bemærker vi, at y () = c. 2 Dvs. y () = c 2 = c = y() for alle 0. Eksempel 1.6. Betragt ODE en y () = cos(). Vi vil nu finde en løsning ved at integrere på begge sider: y() + k = y () d = cos() d = sin() + c. hvor k og c er to arbitrære integrationskonstanter, som vi samler i én: c = c k. Påstanden er nu, at y() = sin() + c er en løsning for alle valg af c: y () = sin () + 0 = cos(). Da y = y c er en løsning for alle valg af konstanten c, taler vi om en familie af løsninger. 2

1.3 Begyndelsesværdiproblemer IVP s Eksistensen af familier af løsninger til ODE er peger på, at vores ODE har været underdetermineret. I Eksempel 1.6 kunne vi skrive den generelle løsning som y() = sin() + c (ordet den, altså bestemt form, vil senere blive begrundet), og for et bestemt valg af c, eksempelvis c = 1, kalder vi y() = sin() + 1 en partikulær løsning. Hvis man har en partikulær løsning, kan man naturligvis præcisere hvilke værdier den antager for bestemte -værdier. Tænker man på den uafhængige variabel som tid, så kan man eksempelvis spørge hvilken værdi, en løsning har til tid 0. Dette leder hen til næste definition, hvis navn kan begrundes ud fra det netop tænkte eksempel: Definition 1.7 (Begyndelsesværdiproblem). Et begyndelsesværdiproblem, forkortet IVP, er en ODE med en tilknyttet begyndelsesværdibetingelse (IC) y( 0 ) = y 0, hvor 0 og y 0 er givne konstanter. En eksplicit ODE med IC kan således skrives på følgende måde: Eksempel 1.8. Løs IVP et y () = f(, y()), y( 0 ) = y 0. y () = 3y(), y(0) = 5.7. Den generelle løsning er y() = ce 3, og da vi skal have, at y(0) = ce 3 0 = c = 5.7, så er løsningen til IVP et altså y() = 5.7e 3. 2 Geometrisk fortolkning af y () = f(, y()) 2.1 Retningsfelter og linjeelementer En førsteordens-ode y () = f(, y) har en simpel geometrisk fortolkning. Da y () er hældningen af y i punktet, så vil en løsning, som går gennem punktet ( 0, y 0 ), altså oplagt have hældningen f( 0, y 0 ) i dette punkt. Dette betyder, at selvom vi ikke nødvendigvis kan give et funktionsudtryk for en løsning, så kan vi godt udtale os om en løsnings lokale egenskaber. Ofte kan man sågar få en idé om, hvilke klasser af løsninger, man kan forvente, en given ODE har, samt få et indtryk af deres generelle opførsel, ved at undersøge ODE en grafisk. Metoden er, at man tegner såkaldte linjeelementer, som er små linjestykker i planen med en hældning, som, hvis linjestykket er centreret om punktet ( 0, y 0 ), er givet ved f( 0, y 0 ). Fig. 7 på side 9 i bogen illustrerer metoden med eksemplet y () = y() +. 2.2 Eulers metode Det er ofte praktisk og af og til eneste mulighed at løse et ODE-problem numerisk. Den måske simpleste metode for eksplicitte førsteordens-ode er er Eulers metode, som går ud på at udnytte den ovenfornævnte geometriske fortolkning. Mere konkret, så ved vi, at da løsningen pr. antagelse er differentiabel, så er forskellen y( 0 + h) y( 0 ) + hy ( 0 ) 3

lille, hvis h er lille. Altså y( 0 + h) y( 0 ) + hf( 0, y 0 ) og dermed kan vi approksimere værdien af en løsning gennem ( 0, y 0 ) i en serie af punkter 0, 0 + h, 0 + 2h,... ved følgen y 0 = y 0 y 1 = y 0 + hf( 0, y 0 ) y 2 = y 1 + hf( 1, y 1 )... y n+1 = y n + hf( n, y n ) Problemet med denne metode er, at fejlene akkumulerer. Vi vil senere finde meget bedre numeriske metoder til dette problem. 3 Separable ODE er 3.1 Separering af de variable I nogle tilfælde kan en førsteordens-ode omskrives til formen g(y())y () = f(). Når en sådan omskrivning har fundet sted, taler man om, at der er foregået en separering af de variable, idet højresiden kun afhænger af, og venstresidens afhængighed af kun optræder via y og y, hhv. En separabel ODE er ofte nem at løse, idet integration på begge sider ved substitution giver: g(y())y () d = g(y) dy = f() d + k, såfremt f og g er integrable, hvilket de f.eks. er, hvis de er kontinuerte. Håbet er nu, at y kan isoleres. 3.2 Nogle eksempler Eksempel 3.1. ODE en y () = 1 + y() 2 er separabel, fordi den kan omskrives til g(y())y () = y () 1 + y() 2 = 1 = f(), hvor g(y) = 1 og f() = 1. Integration på begge sider giver nu 1+y 2 g(y) dy = arctan y() + k = + c = 1 d og derfor y() = tan( + c), hvor igen c = c k. BEMÆRK: Det er essentielt, at c et introduceres på det rigtige tidspunkt! 4

Eksempel 3.2 (Kulstof-14-metoden). Som bekendt kan radioaktivt henfald beskrives ved ODE en y (t) = ky(t). Vi får oplyst, at Ötzi indeholder et 14 6C-til- 12 6C-forhold på 52.5% af det, man finder i levende organismer. Da dette forhold i atmosfæren er (tilnærmelsesvist) konstant, så kan man, hvis man kender halveringstiden for 14 6C det gør vi, den er H = 5715 år finde ud af, ca. hvornår Ötzi holdt op med at udveksle kulstofatomer med omgivelserne, hvilket også går under betegnelsen døde. Først løses den generelle ligning: Nu findes k: y (t) y(t) = k ln y(t) = kt + c y(t) = y 0e kt, hvor y 0 = e c. y 0 e kh = 0.5y 0 k = ln(0.5) H = 0.0001213. (Kunne vi have gættet fortegnet på k?) Endelig findes den tid, der er passeret, siden Don Ö døde: y 0 e kt = y 0 0.525 t = ln(0.525) 0.0001213 = 5312. (Kunne vi have gættet, at det var lidt mindre end halveringstiden?) 3.3 Reduktion til separabel form Visse ikke-separable ODE er kan omformuleres i separabel form ved at introducere en alternativ ukendt funktion i stedet y. Vi gennemgår her et simpelt, men vigtigt eksempel: hvor f er en differentiabel funktion. Sæt nu u() = y. Da er Hvis vi sætter ind i (2) fås ( y() ) y () = f, (2) y() = u() og y () = u () + u(). u () + u() = f(u()) eller u () = f(u()) u() som, hvis f(u()) u() 0, kan separeres: u () f(u()) u() = 1. Et gennemregnet eksempel kan findes i bogen på side 18. 5