Harjoitus 6: Symbolinen laskenta II (Mathematica)

Transkriptio

1 Harjoitus 6: Symbolinen laskenta II (Mathematica) MS-C2107 Sovelletun matematiikan tietokonetyöt MS-C2107 Sovelletun matematiikan tietokonetyöt 1

2 Harjoituksen aiheita Differentiaaliyhtälöiden ja differentiaaliyhtälösysteemien analysointi Mathematicalla Osaamistavoitteet Osaat integroida symbolisesti Mathematicalla Osaat ratkaista differentiaaliyhtälöitä symbolisesti Mathematicaa käyttäen MS-C2107 Sovelletun matematiikan tietokonetyöt 2

3 Derivointi ja integrointi Symbolista derivointia varten ovat komennot D (osittaisderivaatta) ja Dt (kokonaisderivaatta). In[1]:= D[Exp[x^2], x] Out[1]= 2 e^(x^2) x Integrointia varten ovat komennot Integrate (symbolinen integrointi) ja NIntegrate (numeerinen integrointi). In[3]:=Integrate[2 Exp[x^2] x, x] Out[3]=e^(x^2) In[4]:=Integrate[2 Exp[x^2] x, {x, 0, 1}] Out[4]=-1 + e In[5]:=Integrate[x*y*Max[x,y], {x,0,1}, {y,0,1}] Out[5]=1/5 Huom! Kaikkia lausekkeita ei voida integroida symbolisesti. MS-C2107 Sovelletun matematiikan tietokonetyöt 3

4 Differentiaaliyhtälöt Differentiaaliyhtälöt ratkaistaan DSolve -komennolla Muuttujat merkataan argumenttinsa kanssa, esim. z[t] Derivaatat merkitään pilkkua ( ) käyttäen, esim. z [t] Yhtäsuuruus merkitään vertailuoperaattorilla ==. - Huom! Reunaehtoa asettaessa älä tee kirjoitusvirhettä z[0]=0; edes Clear ei välttämättä pelasta (vrt. aikaisemmin), ainoa pelastus lienee Quit. DSolve ottaa argumentteinaan: 1. differentiaaliyhtälö aaltosulkeiden sisällä, esim. {z [t]==z[t]} 2. tuntematon funktio, esim. z[t] 3. funktion argumentti, esim. t MS-C2107 Sovelletun matematiikan tietokonetyöt 4

5 Differentiaaliyhtälön ratkaisu - esimerkki 1/2 dz(t) = 2 c t, z(0) = 0, z(2) = 16 dt Ensin ratkaistaan z(t) differentiaaliyhtälöstä. In[194]:= DSolve[{z [t]==2*c*t},z[t],t] Out[194]= {{z[t] -> c t^2 + C[1]}} In[195]:= %194[[1,1,2]] Out[195]= c t^2 + C[1] Tuntematon parametri c ja integroimisvakio C[1] ratkaistaan reunaehdoista käyttäen Solve-komentoa: In[196]:= Solve[{%195 == 0 /. {t -> 0}, %195 == 16 /. {t -> 2}},{c, C[1]}] Out[196]= {{c -> 4, C[1] -> 0}} In[197]:= %195 /. %196[[1]] Out[197]= 4 t^2 MS-C2107 Sovelletun matematiikan tietokonetyöt 5

6 Differentiaaliyhtälön ratkaisu - esimerkki 2/2 DSolve-komentoon voi diff. yhtälön perään laittaa yhtä monta reunaehtoa kuin diff. yhtälön asteluku. Tällöin vastauksessa ei ole integroimisvakioita. In[202]:= DSolve[{z [t]==2*c*t,z[0]==0},z[t],t] Out[202]= {{z[t] -> c t^2 }} In[203]:= DSolve[{z [t] == t, z[0] == 0, z[2] == 4}, z[t], t] Out[203]= {{z[t] -> 1/6 (8 t + t^3)}} HUOM! Parametrista riippuvaan muuttujaan viitataan yhtälöissä notaatiolla z[t], ei z. Esim dz(t)/dt = 5z(t) ratkaistaan In[206]:= DSolve[{z [t]==5*z[t]},z[t],t] MS-C2107 Sovelletun matematiikan tietokonetyöt 6

7 Desimaaliluvut differentiaaliyhtälöissä Jos lausekkeissa esiintyy desimaalilukuja, Mathematica antaa vastauksen numeerisessa muodossa (esim eikä E). - Tällaisten tulosten jatkokäsittely saattaa olla Mathematicalle vaikeaa, jopa mahdotonta. Älä siis mielellään tee näin: In[207]:= DSolve[{x [t]==x[t],x[0]==0.14},x[t],t] Out[207]= {{x[t] -> ^t }} Tee näin: In[208]:= DSolve[{x [t]==x[t],x[0]==x0},x[t],t] /. {x0->0.14} Out[208]= {{x[t] -> 0.14 E^t } Tai: In[209]:= DSolve[{x [t]==x[t],x[0]==14/100},x[t],t] Out[209]= {{x[t] -> (7 E^t)/50}} MS-C2107 Sovelletun matematiikan tietokonetyöt 7

8 Differentiaaliyhtälösysteemin numeerinen ratkaiseminen ja vaihetason kuvaajan piirtäminen Differentiaaliyhtälösysteemejä voidaan ratkaista numeerisesti komennolla NDSolve. Vaihetason kuvaajan piirtäminen onnistuu komennolla ParametricPlot. Komentojen syntaksit löytyvät komennoilla:?parametricplot?ndsolve Kokeile: In[1]:= s = NDSolve[{x [t] == -y[t] - x[t]^2, y [t] == 2 x[t] - y[t]^3, x[0] == 1, y[0] == 1}, {x[t], y[t]}, {t, 0, 20}] ParametricPlot[{x[t],y[t]}/.s, {t, 0, 20}] MS-C2107 Sovelletun matematiikan tietokonetyöt 8

9 Differentiaaliyhtälösysteemin tasapainopiste Olkoon epälineaarinen diff.yhtälösysteemi annettu muodossa ẋ(t) = f(x(t)), jossa x(t) on n-uloitteinen vektori ja f : R n R n. Esim. x(t) = [x(t), y(t)] ja ẋ(t) ax(t) bx(t)y(t)2 = ẏ(t) py(t) + qx(t)y(t) Tasapainopisteessä x(t) = x 0 pätee ẋ(t) = f(x 0 ) = ˉ0. Systeemin tila ei tällöin muutu ajassa, derivaatta on nollavektori. Ylläolevan systeemin tasapainopisteet saa yhtälöparista ax = bxy 2, qxy = py y = ± a/b, x = p/q. MS-C2107 Sovelletun matematiikan tietokonetyöt 9

10 Stabiilisuustarkastelu Tasapainopisteen stabiilisuutta voidaan tarkastella funktion f Jacobin matriisin J(x(t)) avulla. Kahden muuttujan tapauksessa se määritellään J(x(t)) = Aiemmalle esimerkille J(x(t)) = f 1 (x(t)) x 1 (t) f 2 (x(t)) x 1 (t) a by(t)2 qy(t) Saman saat Mathematicassa komennolla f 1 (x(t)) x 2 (t) f 2 (x(t)) x 2 (t) 2bx(t)y(t) p + qx(t) Outer[D,{a*x[t]-b*x[t]*y[t]^2,-p*y[t]+q*x[t]*y[t]},{x[t],y[t]}] MS-C2107 Sovelletun matematiikan tietokonetyöt 10

11 Stabiilisuustarkastelu Sijoittamalla Jacobin matriisiin tasapainopiste x 0, saadaan alkup. systeemille lineaarinen approksimaatio: ẋ(t) = J(x 0 )(x(t) x 0 ) Tasapainopisteen x 0 stabiilisuutta tarkastellaan laskemalla matriisin J(x 0 ) ominaisarvot. Tulkintaa: - Toinen ominaisarvoista < 0 ja toinen > 0 tasapainopiste on epästabiili (satulapiste). - Molemmat ominaisarvot < 0 tasapainopiste on asymptoottisesti stabiili (kuilu). - Ominaisarvot ovat puhtaasti imaginaarisia tasapainopiste on stabiili (keskus). MS-C2107 Sovelletun matematiikan tietokonetyöt 11

12 Stabiilisuustarkastelu - Esimerkki Jatketaan aiemman esimerkkisysteemin tutkimista. Lasketaan J(x(t)): In[1]:= J=Outer[D,{a*x[t]-b*x[t]*y[t]^2,-p*y[t]+q*x[t]*y[t]}, {x[t],y[t]}] Sijoitetaan tasapainopiste y = a/b, x = p/q.: In[2]:= Jtp=J/.{x[t] -> p/q, y[t] -> Sqrt[a/b]} Ratkaistaan ominaisarvot käyttäen Eigensystem-komentoa In[3]:= Eigensystem[Jtp] Out[3]= {{-i Sqrt[2] Sqrt[a] Sqrt[p], i Sqrt[2] Sqrt[a] Sqrt[p]},...} Viimeisen outputin ensimmäinen lista kertoo matriisin ominaisarvot. Ne ovat molemmat imaginäärisiä, eli tarkasteltu tasapainopiste on stabiili keskus! MS-C2107 Sovelletun matematiikan tietokonetyöt 12

13 Tehtävä A: Radioaktiivinen hajoaminen 1. Radioaktiivisen aineen määrä ajanhetkellä t on x(t). Ratkaise analyyttisesti radioaktiivisen aineen määrä käytten komentoa DSolve. Radioaktiivisen aineen määrä toteuttaa differentiaaliyhtälön d dt x(t) = ax(t), x(0) = x 0. Mikä on analyyttisen ratkaisun lauseke? 2. Puoliintumisaika tarkoittaa aikaa jossa aineen määrä on vähentynyt puoleen alkumäärästä. Ratkaise puoliintumisajan lauseke käyttäyn edellisen kohdan vastausta ja komentoa Solve? Vaikuttaako puoliintumisaikaan radioaktiivisen aineen määrä alussa? MS-C2107 Sovelletun matematiikan tietokonetyöt 12

14 Tehtävä B: Munuaisen kaliumpitoisuus Munuaisen kaliumpitoisuus hetkellä t on k(t). Alkuhetkellä se on k(0) = mg/cm 3. Munuainen asetetaan suureen astiaan, jonka kaliumpitoisuus on mg/cm 3. Yhden tunnin kuluttua munuaisen kaliumpitoisuus on kohonnut arvoon k(1) = mg/cm 3. Tutki munuaisen kaliumpitoisuuden muuttumista ajan funktiona. Mikä differentiaaliyhtälö kuvaa munuaisen kaliumpitoisuuden muuttumista? Vinkki: munuaisen kaliumpitoisuuden muutos, d dtk(t), on suoraan verrannollinen astian kaliumpitoisuuden ja munuaisen kaliumpitoisuuden erotukseen. Milloin munuaisen kaliumpitoisuus saavuttaa arvon mg/cm 3? Kuinka suureksi munuaisen kaliumpitoisuus lopulta kohoaa? Laske rajaarvo käyttäen Limit-komentoa. MS-C2107 Sovelletun matematiikan tietokonetyöt 12

15 Tehtävä C: Peto-saalis-malli Peto-saalis-mallissa kuvataan kahden lajin populaatioiden koon vaihteluja seuraavalla differentiaaliyhtälösysteemillä: d x(t) dt = ax(t) bx(t)y(t) d y(t) dt = py(t) + qx(t)y(t) jossa muuttujat x(t) ja y(t) kuvaavat saalis- ja petokantojen kokoja kullakin ajanhetkellä t, ja a, b, p ja q ovat parametreja. Alussa saaliita on 5 ja petoja 2. Parametrien arvot ovat a = 2; b = 0.2; p = 3; q = Ratkaise differentiaaliyhtälösysteemi numeerisesti käyttäen komentoa ND- Solve. Piirrä ratkaisu vaihetasoon komennolla ParametricPlot v Liitä vastauksiisi kuva, joka kuvaa peto-saalis-mallin vaihetasoa. Anna kuvalle otsikko. MS-C2107 Sovelletun matematiikan tietokonetyöt 12

16 2. Laske systeemille tasapainopiste. Laske systeemin Jacobin matriisin arvo tasapainopisteessä. Tutki systeemin stabiilisuutta. Mikä on systeemin tasapainopiste? Mitä voit sanoa sen stabiilisuudesta? MS-C2107 Sovelletun matematiikan tietokonetyöt 12

17 Kotitehtävä: Newsvendor-malli Tässä harjoituksessa ratkaisemme klassisen Newsvendor-tilausmallin optimitilausmäärän analyyttisesti. Vesan yritys tilaa myyntiin vekottimia. Tilausmäärä on q. Tehtaan toimitusmäärä on epävarma. Se toimittaa osuuden Z (satunnaismuuttuja) tilausmäärästä. Vesa myy vekottimet hintaan p euroa per kappale. Tehtaalle Vesa maksaa c per toimitettu kappalemäärä. Vekottimien kysyntää ei tiedetä tarkalleen vaan se on satunniasmuuttuja D. Yrityksen saama tuotto π(q) on siis satunnaismuuttuja: myytymäärä {}}{ π(q) = p min(d, Zq) }{{} myyntitulot czq }{{}. (1) kustannukset Tehtävänäsi on löytää q jolla tuoton odotusarvo maksimoituu. MS-C2107 Sovelletun matematiikan tietokonetyöt 12

18 Kotitehtävä: Newsvendor-malli 1. Satunnaismuuttuja Z Tas[0,1] ja D Tas[0,300]. Ratkaise Mathematicalla tuoton odotusarvon analyyttinen lauseke. Odotusarvon saat integroimalla E[π(q)] = E[p min(d, qz) cqz] = 300 (2) f D(d)f Z (z)(p min(qz, d) cqz)dzdd, missä f D ja f Z ovat D:n ja Z:n tiheysfunktiot. Mikä on tuoton odotusarvon analyyttinen lauseke. Vinkki: Ennen integrointia on keksittävä f D ja f Z. Mitä ne ovat tasajakautuneille satunnaismuuttujille? v Liitä vastauksiisi kuva tuoton odotusarvosta tilausmäärän q funktiona. q [0, 500], p = 120 ja c = 30. MS-C2107 Sovelletun matematiikan tietokonetyöt 12

19 Kotitehtävä: Newsvendor-malli 2. Välttämätön ehto optimaaliselle tilausmäärälle q on de[π(q )] dq = 0 (3) Derivoi odotusarvon lauseke ja ratkaise nollakohta Solve-komennolla. Mikä on optimaalisen tilausmäärän lauseke? Sijoita lausekkeeseen p = 120 ja c = 30. Mikä on tällöin optimaalinen tilausmäärä? MS-C2107 Sovelletun matematiikan tietokonetyöt 12