Exempel ode45 parametrar Miniprojekt 1 Rapport. Problemlösning. Anastasia Kruchinina. Uppsala Universitet. Januari 2016

Relevanta dokument
Problemlösning 2 Stokastisk simulering., Problemlösning 2 Stokastisk simulering 1/13

Ordinära differentialekvationer,

Ordinära differentialekvationer,

Numeriska metoder för ODE: Teori

Tentamen i Beräkningsvetenskap II, 5.0 hp,

0.31 = f(x 2 ) = b 1 + b 2 (x 3 x 1 ) + b 3 (x 3 x 1 )(x 3 x 2 ) = ( ) + b 3 ( )(

Beräkningsvetenskap introduktion. Beräkningsvetenskap I

Sammanfattning av föreläsning 11. Modellbygge & Simulering, TSRT62. Föreläsning 12. Simulering. Föreläsning 12. Numeriska metoder och Simulering

Två gränsfall en fallstudie

Tentamen, del 2 Lösningar DN1240 Numeriska metoder gk II F och CL

Repetitionsfrågor: 5DV154 Tema 4: Förbränningsstrategier för raketer modellerade som begynnelsevärdesproblem

Laboration 2 Ordinära differentialekvationer

Tentamen i Beräkningsvetenskap II, 5.0 hp,

Denna föreläsning. DN1212 Numeriska metoder och grundläggande programmering FN Runge-Kuttas metoder. Repetition av FN6 (GNM kap 6.

TENTAMEN I GRUNDKURS I NUMERISKA METODER - DEL 20

Tentamen i Beräkningsvetenskap II, 5.0 hp,

Monte Carlo-metoder. Bild från Monte Carlo

Beräkningsvetenskap introduktion. Beräkningsvetenskap I

Tentamen i Beräkningsvetenskap II, 5.0 hp,

TANA81: Simuleringar med Matlab

Tentamen i Beräkningsvetenskap II, 5.0 hp,

SF1544 LABORATION 2 INTEGRATION, MONTE-CARLO OCH BLACK-SCHOLES EKVATION FÖR OPTIONER

Numeriska metoder för ODE: Teori

Matematisk analys för ingenjörer Matlabövning 3 Numerisk lösning av differentialekvationer

Tentamen i Beräkningsvetenskap II, 5.0 hp, Del A

Tekniska beräkningar. Vad är tekn beräkningar? Vad är beräkningsvetenskap? Informationsteknologi. Informationsteknologi

Biokemi. SF1538 Projekt i simuleringsteknik. Skolan för teknikvetenskap. Introduction. Michael Hanke. Kemiska reaktioner

Ordinära differentialekvationer, del 1

Tentamen del 1 SF1546, , , Numeriska metoder, grundkurs

Denna föreläsning. DN1212 Numeriska metoder och grundläggande programmering FN Differentialekvationer. Repetition av FN5 (GNM kap 6.

Kurs 2D1213, Laboration 2: Att lösa ordinära differentialekvationer med finita differensmetoden

Teorifrågor. 6. Beräkna konditionstalet för en diagonalmatris med diagonalelementen 2/k, k = 1,2,...,20.

Absolutstabilitet. Bakåt Euler Framåt Euler

Föreläsningen ger en introduktion till differentialekvationer och behandlar stoff från delkapitel 18.1, 18.3 och 7.9 i Adams. 18.

Numeriska metoder för ODE: Teori

Introduktionsföreläsning

TMV151/181 Matematisk analys i en variabel M/Td, 2013 MATLAB NUMERISK LÖSNING AV ORDINÄRA DIFFERENTIALEKVATIONER

Introduktionsföreläsning

Sammanfattning (Nummedelen)

Lösningsanvisningar till vissa av de icke obligatoriska workout-uppgifterna i Beräkningsvetenskap II

LAB 4. ORDINÄRA DIFFERENTIALEKVATIONER. 1 Inledning. 2 Eulers metod och Runge-Kuttas metod

Uppgifter i simuleringskursen

NUMPROG, 2D1212, vt Föreläsning 9, Numme-delen. Stabilitet vid numerisk behandling av diffekvationer Linjära och icke-linjära ekvationssystem

Biologi: en utmaning för Numerisk Analys

k 1 B k 2 C ges av dx 1 /dt = k 1 x 1 x 1 (0) = 100 dx 2 /dt = k 1 x 1 k 2 x 2 x 2 (0) = 0 dx 3 /dt = k 2 x 2 x 3 (0) = 0

Tentamen i Beräkningsvetenskap I, DV, 5.0 hp, OBS: Kurskod 1TD394

Beräkningsvetenskap I. Exempel på tillämpningar: Vad är beräkningsvetenskap? Informationsteknologi

Numeriska metoder, grundkurs II. Dagens program. Gyllenesnittminimering, exempel Gyllenesnittetminimering. Övningsgrupp 1

TMA226 datorlaboration

Laboration 3. Ergodicitet, symplektiska scheman och Monte Carlo-integration

Ordinära differentialekvationer fortsättning

Obligatoriska uppgifter i MATLAB

Uppgifter i simuleringskursen

Lösningar till Tentamen i Beräkningsvetenskap II, 5.0 hp, Del A. 1. (a) ODE-systemet kan skrivas på formen

Matlab övningsuppgifter

Tentamen i Beräkningsvetenskap II, 5.0 hp,

DN1212 för M: Projektrapport. Krimskramsbollen. av Ninni Carlsund

Tentamen i Teknisk-Vetenskapliga Beräkningar

Del I: Lösningsförslag till Numerisk analys,

Laboration 1: Optimalt sparande

KTH 2D1240 OPEN vt 06 p. 1 (5) J.Oppelstrup

Fel- och störningsanalys

Introduktionsföreläsning. Outline. Beräkningsvetenskap I. Sara Zahedi Hanna Holmgren. Institutionen för Informationsteknologi, Uppsala Universitet

FÖRSÄTTSBLAD TILL TENTAMEN

Vetenskapsdagen 2016 SciLab för laborativa inslag i matematik eller fysik

Optimering och simulering: Hur fungerar det och vad är skillnaden?

Interpolation Modellfunktioner som satisfierar givna punkter

Laboration 4. Numerisk behandling av integraler och begynnelsevärdesproblem

Föreläsning 9. Absolutstabilitet

Laboration 1 i SF1544: Öva på Matlab och konstruera en optimal balk Avsikten med denna laboration är att:

Sammanfattninga av kursens block inför tentan

SF1901: Medelfel, felfortplantning

SF1545 Laboration 1 (2015): Optimalt sparande

Kurs DN1215, Laboration 3 (Del 1): Randvärdesproblem för ordinära differentialekvationer

SF1922/SF1923: SANNOLIKHETSTEORI OCH DISKRETA STOKASTISKA VARIABLER STATISTIK. Tatjana Pavlenko. 23 mars, 2018

Tentamen i Beräkningsvetenskap I (nya versionen), 5.0 hp, Del A

ODE av andra ordningen, och system av ODE

Introduktionsföreläsning. Kursens innehåll. Kursens upplägg/struktur. Beräkningsvetenskap I

ÖVN 2 - DIFFERENTIALEKVATIONER OCH TRANSFORMMETODER - SF1683. Inofficiella mål

Demonstration av laboration 2, SF1901

Inlämningsuppgift 4 NUM131

Beräkningsvetenskap. Vad är beräkningsvetenskap? Vad är beräkningsvetenskap? Informationsteknologi. Informationsteknologi

2D1250 Tillämpade numeriska metoder II vt 06 Nada, J.Op p 1 (5) Om Verlet s metod

10 1 Felgraf. Fel Antal steg

2D1250 Tillämpade numeriska metoder II

Labb 3: Ekvationslösning med Matlab (v2)

Inledande matematik M+TD

Dynamiska system. Hans Lundmark. Matematiska institutionen Linköpings universitet

DN1240, numo08 Stefan Knutas, Fredrik Båberg, B.10: Nalle-Maja gungar

Matematisk analys för ingenjörer Matlabövning 2 Numerisk ekvationslösning och integration

Tentamen i Beräkningsvetenskap II, 5.0 hp,

Laboration 4: Stora talens lag, Centrala gränsvärdessatsen och enkla punktskattningar

Newtons metod och arsenik på lekplatser

Beräkningsvetenskap I

Tentamen i Beräkningsvetenskap II, 5.0 hp,

Ordinära differentialekvationer

DN1212/numpm Numeriska metoder och grundläggande programmering Laboration 1 Introduktion

UPG6 Miniprojekt 3: Kastparabler, projektiler, och raketer

Simulering av Poissonprocesser Olle Nerman, Grupprojekt i MSG110,GU HT 2015 (max 5 personer/grupp)

Transkript:

Problemlösning Anastasia Kruchinina Uppsala Universitet Januari 2016 Anastasia Kruchinina Problemlösning 1 / 16

Exempel ode45 parametrar Miniprojekt 1 Rapport Anastasia Kruchinina Problemlösning 2 / 16

Exempel 1 Använda explicit (framåt) och implicit (bakåt) Euler metoder för att lösa y (x) = 1000(sin(x) y(x)). Anastasia Kruchinina Problemlösning 3 / 16

Exempel 1 Använda explicit (framåt) och implicit (bakåt) Euler metoder för att lösa y (x) = 1000(sin(x) y(x)). Kolla mappen stiff problem1 med implementationen av problemet i Matlab. Anastasia Kruchinina Problemlösning 3 / 16

ode45 - sätta parametrar En möjlighet är att använda globala variabler som det görs i labben. En annan möjlighet är anonyma funktioner (se exemplet) a=1; b=1; c=1; %set parameters [t,y]=ode45(@(x, y)ode(x, y, a, b, c),[0 20],[2 0]); Anastasia Kruchinina Problemlösning 4 / 16

Runge Kutta i Matlab Styva problem har stora förändringar i lösningen under en kort tidsperiod, därför måste vi ta ett extremt litet tidssteg för att få en god approximation av den exakta lösningen. Explicita metoder används för icke-styva problem. Implicita metoder används för styva problem. Vi kommer att undersöka två olika Matlab metoder för att lösa ODE: ode45 - icke-styva problem ode15s - styva problem. Skriv help ode45 eller help ode15s i Matlab för att hitta mer information. Anastasia Kruchinina Problemlösning 5 / 16

Runge Kutta i Matlab - oscillator Titta på exemplet i mappen stiff problem2 oscillator. Här har vi ett styvt problem. Vi kommer att se att ode45 är mycket långsammare än ode15s. Uppgiften är att lösa den andra ordningens ode: d 2 x dt 2 = µ(1 x 2 ) dx dt x Skriv om denna ode som ett system av två första ordningens ode Anastasia Kruchinina Problemlösning 6 / 16

Runge Kutta i Matlab - oscillator Titta på exemplet i mappen stiff problem2 oscillator. Här har vi ett styvt problem. Vi kommer att se att ode45 är mycket långsammare än ode15s. Uppgiften är att lösa den andra ordningens ode: d 2 x dt 2 = µ(1 x 2 ) dx dt x Skriv om denna ode som ett system av två första ordningens ode dx dt = v dv dt = µ(1 x 2 )v x Anastasia Kruchinina Problemlösning 6 / 16

Runge Kutta i Matlab - oscillator Köra run(µ) med µ = 0.1 µ = 1 µ = 10 µ = 100 µ = 1000 Anastasia Kruchinina Problemlösning 7 / 16

Runge Kutta i Matlab - oscillator Köra run(µ) med µ = 0.1 µ = 1 µ = 10 µ = 100 µ = 1000 Parametern µ bestämmer hur styvt problemet är. Problemet är styvt för µ > 100. Jämför antalet tidsteg och exekveringstiden för både ode45 och ode15s. Anastasia Kruchinina Problemlösning 7 / 16

Runge Kutta in Matlab - oscillator För styva system behöver ode15s ett mycket mindre antal tidsteg, och exekveringstiden är några gånger mindre. En ökande av parametern µ resulterar i ökande av skillnaden mellan koefficienterna i ode. Den skillnaden bestämmer ofta hur mycket styvt problemet är. Anastasia Kruchinina Problemlösning 8 / 16

Simulera en genuttryck Reaktions nätverk: transkription: 0 kr mrna translation : mrna kp mrna mrna + protein mrna nedbrytning: mrna gr mrna 0 protein nedbrytning: protein gp protein 0 Anastasia Kruchinina Problemlösning 9 / 16

ODE dm(t) = k R g R M(t), dt dr(t) = g P P(t) + k P M(t), t > 0 dt Begynnelsevärden (t = 0): M(0) = 0, R(0) = 0. Notera: reaktionshastighet, koncentration av molekyler Kolla mappen problem genuttryck med implementationen av problemet i Matlab. Anastasia Kruchinina Problemlösning 10 / 16

Miniprojekt: Genetisk oscillator Simulera en inre tidkontroll mekanism av en levande organism. System med 2 gener. Ändring av transkriptions hastigheter. Anastasia Kruchinina Problemlösning 11 / 16

Modeller och metoder En matematisk modell är en beskrivning av den verkliga världen med hjälp av det matematiska språket. Exempel: deterministisk (ODE) och stokastisk modell (Markov-kedjan), statiska och dynamiska modeller, diskreta och kontinuerliga modeller, linjära och icke-linjära modeller. Med hjälp av numeriska metoder kan vi få en approximativ lösning av det ursprungliga problemet. Exempel: Euler bakåt, Runge-Kutta (Miniprojekt 1), Gillespie algoritm (Miniprojekt 2) Anastasia Kruchinina Problemlösning 12 / 16

Deterministisk och stochastic model Deterministisk modell - reaktionshastighet-ekvationer (system av ODE) Dess beteende är helt förutbestämt utgående från angivna startvärden och parametrar. Tillståndet hos ett system definieras av koncentrationen av molekyler. Stokastisk model - tidskontinuerlig Markovprocess Det är en modell som innehåller några slumpelement. Dess beteende är inte förutbestämt utgående från angivna startvärden och parametrar. Tillståndet hos ett system definieras av antalet molekyler. Anastasia Kruchinina Problemlösning 13 / 16

Hur skriver man en rapport? Försök använda L A TEX - det finns många tutorials och hjälp på internet Hur infogar man MATLAB kod i ett LaTeX-dokument: http://www.howtotex.com/tips-tricks/ how-to-include-matlab-code-in-latex-documents/ Skicka rapporter som pdf! Anastasia Kruchinina Problemlösning 14 / 16

Hur skriver man en rapport? Krav: bra Matlab bilder! Möjliga delar: (Abstract / Sammanfattning) Introduktion Metoder Resultater/Numeriska experiment Slutsatser Referenser (Appendix) - t.ex. koden http://www.reading.ac.uk/internal/studyadvice/ StudyResources/Essays/sta-featuresreports.aspx. Anastasia Kruchinina Problemlösning 15 / 16

Lycka till! Anastasia Kruchinina Problemlösning 16 / 16