Dagens föreläsning. Partikelrörelse. Föreläsning 2 Rörelselagar och simuleringar - ett steg i taget

Relevanta dokument
Stången: Cylindern: G :

Tillämpad biomekanik, 5 poäng Plan rörelse, kinematik och kinetik

5. Linjer och plan Linjer 48 5 LINJER OCH PLAN

Stort massflöde Liten volym och vikt Hög verkningsgrad. Utföranden Kolv (7) Skruv (4) Ving (4) Roots (1,5) Radial (2-4) Axial (1,3) Diagonal.

NEWTON-RAPHSONS METOD (en metod för numerisk lösning av ekvationer)

Föreläsning 10: Kombinatorik

Föreläsning 3 Extrinsiska Halvledare

NEWTON-RAPHSONS METOD (en metod för numerisk lösning av ekvationer)

Datorövning 2 Fördelningar inom säkerhetsanalys

Uppgift 3. (1p) Beräkna volymen av pyramiden vars hörn är A=(2,2,2), B=(2,3,4), C=(3,3,3) och D=(3,4,9).

Uppsala Universitet Matematiska Institutionen Bo Styf. Genomgånget på föreläsningarna Föreläsning 26, 9/2 2011: y + ay + by = h(x)

Minsta kvadrat-metoden, MK. Maximum likelihood-metoden, ML. Medelfel. E(X i ) = µ i (θ) MK-skattningen av θ fås genom att minimera

Ekvationen (ekv1) kan beskriva en s.k. stationär tillstånd (steady-state) för en fysikalisk process.

Räkning med potensserier

Stela kroppens rotation kring fix axel

Tentamen i matematisk statistik

NEWTON-RAPHSONS METOD (en metod för numerisk lösning av ekvationer)

Leica Lino. Noggranna, självavvägande punkt- och linjelasers

101. och sista termen 1

4. Uppgifter från gamla tentor (inte ett officiellt urval) 6

Grundläggande matematisk statistik

Ö D W & Ö Sida 1 (5) OBS! Figuren är bara principiell och beskriver inte alla rördetaljerna.

Lycka till! I(X i t) 1 om A 0 annars I(A) =

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 1)

Föreläsning F3 Patrik Eriksson 2000

ENDIMENSIONELL ANALYS B1 FÖRELÄSNING VI. Föreläsning VI. Mikael P. Sundqvist

Preliminär timplanering: Plasmafysik

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 20 januari 2007, kl

Linjär Algebra (lp 1, 2016) Lösningar till skrivuppgiften Julia Brandes

Tentamen i Elektronik, ESS010, del 2 den 14 dec 2009 klockan 14:00 19:00.

R app o r t T A n a l y s a v f as t p r o v. Ut f ä r dad P e r S a mu el s s on

Systemdesign fortsättningskurs

Föreläsning G70 Statistik A

Tentamen 19 mars, 8:00 12:00, Q22, Q26

= x 1. Integration med avseende på x ger: x 4 z = ln x + C. Vi återsubstituerar: x 4 y 1 = ln x + C. Villkoret ger C = 1.

Datum: 11 feb Betygsgränser: För. Komplettering sker. Skriv endast på en. finns på omslaget) Uppgift. Uppgift 2 2. Uppgift. Beräkna.

Anvisningar för inrättande av utbildningsprogram vid Humanistiska fakulteten

Tentamen i Flervariabelanalys F/TM, MVE035

Lösningar och kommentarer till uppgifter i 1.1

vara ett polynom där a 0, då kallas n för polynomets grad och ibland betecknas n grad( P(

Massa, rörelsemängd och energi inom relativitetsteorin

TENTAMEN I MATEMATISK STATISTIK

Vad är det okända som efterfrågas? Vilka data är givna? Vilka är villkoren?

Integraler. Integraler. Integraler. Integraler. Exempel (jfr lab) Integrering i Matlab. cos(3 xdx ) Från labben: Informationsteknologi

Naturlagar i cyberrymden VT 2006 Lektion 6. Martin Servin Institutionen för fysik Umeå universitet. Modellering

är ett tal som betecknas det(a) eller Motivering: Determinanter utvecklades i samband med lösningsmetoder för kvadratiska linjära system.

1. Hur gammalt är ditt barn?

7 Sjunde lektionen. 7.1 Digitala filter

Egna funktioner. Vad är sin? sin är namnet på en av många inbyggda funktioner i Ada (och den återfinns i paketet Ada.Numerics.Elementary_Functions)

Ohm:s lag Resistivitet. Temperaturberoende. Spänningsdelning. EMK, inre och yttre resistans. Seriekopplade spänningskällor

DEL I. Matematiska Institutionen KTH

Östersjön är ett unikt men hotat hav. Efter den här lektionen kommer du att veta:

Matte C. Översikt. Funktioner. Derivatan. Användning av derivatan. Exponentialfunktionen. Logaritmiska funktioner. Geometriska summor

Tentamen med lösningar i IE1304 Reglerteknik Måndag 16/

Tentamen i Linjär Algebra, SF december, Del I. Kursexaminator: Sandra Di Rocco. Matematiska Institutionen KTH

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 2)

Föreläsning 3 Extrinsiska Halvledare

H1009, Introduktionskurs i matematik Armin Halilovic POLYNOM, POLYNOMDIVISION, ALGEBRAISKA EKVATIONER, PARTIALBRÅKSUPPDELNING. vara ett polynom där a

Tentamen i Kunskapsbaserade system, 5p, Data 3

Akt 2, Scen 7: Utomhus & Den första förtroendeduetten. w w w w. œ œ œ. œ œ. Man fick ny - pa sig i ar-men. Trod-de att man dröm-de.

GRÖNA DALEN Steg 1-27 juni 2017

95%-igt konfidensintervall för andel kalsongbärare i populationen: Slutsats: Med 95% säkerhet finns andelen kalsongbärare i intervallet 38-48%

Datorövning 2 Fördelningar inom säkerhetsanalys

EGENVÄRDEN och EGENVEKTORER

c n x n, där c 0, c 1, c 2,... är givna (reella eller n=0 c n x n n=0 absolutkonvergent om x < R divergent om x > R n n lim = 1 R.

Linjär regression - kalibrering av en våg

x 1 x 2 x 3 x 4 x 5 x 6 HL Z x x x

KVADRATISKA MATRISER, DIAGONALMATRISER, MATRISENS SPÅR, TRIANGULÄRA MATRISER, ENHETSMATRISER, INVERSA MATRISER

TENTAMEN. Datum: 11 feb 2019 Skrivtid 8:00-12:00. Examinator: Armin Halilovic Jourhavande lärare: Armin Halilovic tel

Lektion 3 Kärnan Bindningsenergi och massdefekt

KONSEKVENSANALYS 1 (5) INDIVID ALT ORGANISATION (markera vad bedömningen avser)

Skattning / Inferens. Sannolikhet och statistik. Skattning / Inferens. Vad är det som skattas?

Uppsala Universitet Matematiska Institutionen Bo Styf. Att repetera.

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 5 juni 2004, kl

Del A. x 0 (1 + x + x 2 /2 + x 3 /6) x x 2 (1 x 2 /2 + O(x 4 )) = x3 /6 + O(x 5 ) (x 3 /6) + O(x 4 )) = 1 + } = 1

Av Henrik 01denburg\ Radikaler. För att lösa ekv.: x n = a (n helt, pos. tal) konstruerar man kurvan

Design mönster. n n n n n n. Command Active object Template method Strategy Facade Mediator

Matematisk statistik TMS063 Tentamen

J.Oppelstrup Mikael v. Strauss

Hambley avsnitt 12.7 (även 7.3 för den som vill läsa lite mer om grindar)

Webprogrammering och databaser. Begrepps-modellering. Exempel: universitetsstudier Kravspec. ER-modellen. Exempel: kravspec forts:

Remiss Remissvar lämnas i kolumnen Tillstyrkes term och Tillstyrkes def(inition) och eventuella synpunkter skrivs i kolumnen Synpunkter.

Fakta om plast i havet

Databaser - Design och programmering. Databasdesign. Kravspecifikation. Begrepps-modellering. Design processen. ER-modellering

vara ett polynom där a 0, då kallas n för polynomets grad och ibland betecknas n = grad( P(

Databaser - Design och programmering. Programutveckling. Programdesign, databasdesign. Kravspecifikation. ER-modellen. Begrepps-modellering

Tentamen SF1633, Differentialekvationer I, den 22 oktober 2018 kl

TENTAMEN Datum: 16 okt 09

Bröderna fara väl vilse ibland (epistel nr 35)

11.1 Klassisk mekanik

S0005M V18, Föreläsning 10

Tenta i MVE025/MVE295, Komplex (matematisk) analys, F2 och TM2/Kf2

Inlämningsuppgift 4 NUM131

R app o r t T A n a l y s a v f as t p r o v. Ut f ä r dad A le xa n d e r G i r on

1 av 12. (sys1) ELEMENTERA OPERATIONER Vi får göra följande elementära operationer med ekvationer utan att ändra systemets lösningsmängd:

Inledande matematisk analys (TATA79) Höstterminen 2016 Föreläsnings- och lekionsplan

E F. pn-övergång. Ferminivåns temperaturberoende i n-dopade halvledare. egen ledning. störledning

1. BERÄKNING AV GRÄNSVÄRDEN ( då x 0 ) MED HJÄLP AV MACLAURINUTVECKLING. n x

Funktionsteori Datorlaboration 1

1. Hur gammalt är ditt barn?

Transkript:

Naturlagar i cberrme VT 005 Lektio Föreläsig Rörelselagar och simulerigar - ett steg i taget r(t) (t) Marti Seri Istitutioe för fsik Umeå uiersitet Morgogois Rörelse Rörelselagar Krafter Eergi Numeriska metoer Eempel Lab : Hoppae bilar Dages föreläsig Partikel Lägesektor: Hastighetsektor: Acceleratiosektor: r(t)=[(t),(t),(t)] (t)=[ (t), (t), (t)] =[a (t),a (t),a (t)] r(t) (t) = r t a = t Acceleratioe ager hur hastighete föräras i storlek och riktig. Källa till hastighetsförärigar är krafter. E partikels egeskaper: { m, r, } Rätlijig Cirkulär Oregelbue

Rörelselagar Newtos lag m m t = a = F r(t) (t) = r t Rätlijig Cirkulär Oregelbue Graitatio mm F = G r Fjäer F = k ( ) Friktio Krafter m F M Nära jorta m F mg F M g = G r F Jor F f F Glifriktio Ff = µ F F l Fl Luftmotstå = C Simulerigsloope Iitialiserig a ärl och objekt Kraftberäkig ( ttre krafter) Haterig a tåg Haterig a kollisioer Kollisios-etektio Kollisios-respos Numerisk ekatiosslösare (stega fram i tie) Visualiserig Efteraals

Numeriska metoer Rörelselagar = oriära ifferetialekatioer Lösig till ekatio = beskriig a Diskretisera ti t { t, t,..., t, t,...} = { t, t,..., t,( + ) t,...} + r() { r, r,..., r, r,...} t + () {,,...,,,...} t + r(t) (t) a() { a, a,..., a, a,...} t + Eulers meto r + r r+ + Numerisk approimatio a eriator r r r+ r = = t t t + a = = t t t () Eulers algoritm Frå e umeriska approimatioera () följer = + ta + r = r + t + är a = F / m F = F( t,, ) () 3

Eempel : Fritt fall r(t) (t) F = [0,0, mg] + = + ta,,, + = + t a = F / m F,,, = mg Startäre i t=0: 0 =0 m,,0 =0 m/s Tag: g=0 m/s, t=0.5 s m= kg 3 4 5 t 0.5.0.5.0.5 0 0-0.5*5 -.5-0.5*(5+5) -7.5-0.5*(5+5+5) -5-0.5*(5+5+5+5), -5-5-5-5-5-5 -5-5-5-5 -5-5-5-5-5 a, -0-0 -0-0 -0 Eempel : Bughopp (t) F = [0,0, mg k ( + )] Me a häer här? + = + ta,,, + = + t a = F / m,, F = mg ( k/ m)( + ), m=, k=0, g=0, =5; DT=0.05, N=00 Numeriskt fel och umerisk istabilitet Approimatioera meför umeriska fel. r r = + O t = t t t + O t r r + t O( t = + + ) r+ r ( ) ( ) + t t + Normalt ka essa göras acceptabelt små (om ma äljer tillräckligt små tissteg). Me, för fjäerkrafter och Eulers algoritm så ackumuleras fele och äer (epoetiellt) me tie. t 4

Leap Frog-algoritme Att älja umerisk meto r t r r t + = + / + (a) (b) (c) Leap Frog-algoritme = + ta + / / r = r + t + + / (a) (b) (c) t t +/ t + t Euler s Leapfrog Matlab pseuoko Eergibearig ett sätt att upptäcka fel och istabiliteter? Geom att stuera kosererigslagara, t.e. eergis bearae (i fråaro a friktio) Euler Rörelseeergi Ek = m Potetiell eergi Ep = mg Fjäereergi ( ) Efjäer = k + Total eergi Etot = Ek + Ep + Efjäer Leap Frog Lab : Hoppae bilar Att simulera e bil: Välj moell! Ite för etaljera. Det tar för mcket beräkigsti. Tillräckligt etaljera för att ara realistisk. Va sftar simulerige till? 5

Niå Kostat hastighet lägs kura =H(). Då acceleratioe a är större ä tgacceleratioe i ormalriktige lättar bile. Fritt fall. Bile laar på backe ige. a mg Niå är eempel på hur ma ite bör göra atorsimulerigar. Me är e bra första öig! Hastighet lägs kura () t = [ t (), H( t ())] H = [, ] = =,, t = t t t t ( '( ) ) = + = + H = + H'( ) = H'( ) + H'( ) (t) Eempel 6

Niå Tågskrafter Då tgacceleratioe otillräcklig som tågskraft lättar bile Mer aacera terräg Iteraktiitet Tågskrafter - För ig som gillar att leka Gu Eempel på tåg Staa i e pukt! mg Läma ite kura! Häg ihop me e ara partikel! L Staa i boe! Detta ka uppås geom att simulera e krafter i erklige ligger bakom. Sårt och ger ofta åligt resultat! Me tågskrafter räkar ma istället bakläges. Vilke är e kraft som behös för att tåget ska ara uppfllt? Detta är ite fusk! Det är kraftfull moellerig. Eempel på tåg - Staa i e pukt! F= Fet + F c r() t p = 0 F = F tåg tåg På motsarae sätt ka tåg läggas på att ett objekt ska följa e kura, eller ara fäst i aat objekt leer, os. Förel: ka ekelt kombieras me olika krafter och iteraktiitet, s större möjligheter till moularitet et 7

Att aäa tågskrafter Formulera positioståg c ( r) = 0 Gissa e tågskraft så att totala krafte är F=F et +F t. Acceleratioe är a=f/m F = λ t För att bestämma tågskrafte ka u behöa utttja tiseriator a tåget c ( r,,...) = 0 c ( ar,,,...) = 0.. och att tågskrafte ite ska tillföra eller miska eergi F =0 t Stega me lage som aligt m = F t Vi beho, ikluera errorkorrektio (ämpa fjäer) λ λ κsc κc c ( r) = 0 Eempel: pukt-på-lije tåg Formulera positioståg ikelräta astået till kura ska ara oll! c = r = 0 Tiseriator ger hastighets- och acceleratioståg c = =0 c = a = 0 Iför tågskraft F=F et +F t och aä a=f/m Vi gissar att tågskrafte bör ara ikelrät mot kura: Ft =0 Acceleratioe i ikelräta riktige ska ara oll 0 m ( ) et t = F + F Stega me lage m = F t Vi beho, ikluera errorkorrektio λ λ κ c κ c s F = λ t λ = F F = ( F ) et r t et 8

Eempel Tåg c = p= 0 c = L= 0 4 c = L = 0 5 3 Va uttrcker etta? Jo, Eempel iå 9

Euler s Leap Frog Matlab pseuoko Leap Frog _ol=x; f_ol=... _ol=v-(f_ol/m)*dt/; for =:NS f=... _ol) % Iitial coitios % Force calculatio % half backwars Euler step to get _{-/} % Mai loop % Force calculatio (ma iole _ol a _ew=_ol+(f/m)*dt; % Upate elocit _ew=_ol+_ew*dt; % Upate positio... e Morgogois Weistei, Tera & Fekiw 006 0