pomysły 27 iii 2009
Transkrypt
pomysły 27 iii 2009
K.L. 27 iii 2009. Wersja wstępna. Uwaga: Może ulec rozbudowie i innym modyfikacjom Instruktaż: Należy wybrać sobie projekt inny niż pozostali w grupie. Można też modyfikować podane zagadnienia wg własnego uznania. Dopuszcza się (dwuosobowe) zespoły - ocena projektu będzie brała również pod uwagę rozległość wykonanych prac w stosunku do liczebności uczestników projektu. Sposób prezentacji ma wpływ na ocenę (nie wystarczy tylko „zaprogramować coś bez ładu i składu”). W szczególności wszelkiego typu tabele, wykresy, animacje są mile widziane, jeśli dobrze ilustrują problem. Sugerowane pakiety: Maple, Maxima; inne: po uzgodnieniu z prowadzącym przedmiot. Czas prezentacji wykonanego projektu podczas zajęć: ok.15 min. Nie ma ustalonego szablonu jak powinno wyglądać wykonanie projektu – to twórczy wkład studenta. Z pewnością wypada jednak naświetlić wstępnie rozwiązywany z komputerem problem; można tu użyć slajdów. Zainspirować powinna cytowana niżej literatura (warto też odwiedzić bibliotekę celem własnych poszukiwań: może coś się znajdzie np. w czasopiśmie Delta?). Literatura [Modeling1] A.B. Shiflet, G.W.Shiflet, Introduction to Computational Science. Modeling and Simulation for the Sciences, Princeton University Press, Princeton – Oxford 2006 [Projects] R.E. Crandall, Projects in Scientific Computation, Springer-Verlag, New York – Berlin 1993 [Modeling2] R.H. Landau, A first Course in Scientific Computing. Symbolic, Graphic, and Numeric Modeling Using Maple..., Princeton University Press, Princeton – Oxford 2005 [Programming] D. Betounes, M. Redfern, Mathematical Computing. An Introduction to Programming Using Maple, Springer-Verlag, New York – Berlin 2002 [ODE1] B. Przeradzki, Teoria i praktyka równań różniczkowych zwyczajnych, Wyd.U.Ł., Łódź 2003 [ODE2] J. Ombach, Wykłady z równań różniczkowych wspomagane komputerowo – Maple, Wyd.U.J., Kraków 1999 [ODE3] A. Palczewski, Równania różniczkowe zwyczajne : teoria i metody numeryczne z wykorzystaniem komputerowego systemu obliczeń symbolicznych, WNT, Warszawa 2004 [Chaos] K.T. Alligood, T.D. Sauer, J.A. Yorke, Chaos: An Introduction to Dynamical Systems, Springer-Verlag, New York – Berlin 1996 1 Projekt 1. [Projects]: Project 2.3.1.3 p.81-82, Project 6.1.1-2 p.232-234; [Chaos]; [ODE1]; [ODE2]; [Modeling1]: Module 3.3 Project 7 p.95. Oznaczmy: P – wielkość populacji, r – współczynnik reprodukcji netto (bez uwzględniania śmierci i ograniczoności środowiska), M – pojemność środowiska. Wówczas dynamikę wielkości populacji P (t) w chwili t oddaje równanie logistyczne (lub Riccatiego) – tzw. model Verhulsta: P dP =r· 1− dt M · P. (a) W 1976 r. oszacowano, że dla finwali Antarktycznych: P (1976) = 70 000, r = 0, 08, M = 400 000. Wymodelować populację. Zmodyfikować model uwzględniając połowy wielorybnicze na poziomie wyrażonym procentem wartości rM . Znaleźć różne poziomy odłowów prowadzące do wyginięcia populacji i prowadzące do podtrzymania jej stałej liczebności w długim okresie. (b) Przedyskutować tworzenie się chaosu po dyskretyzacji równania różniczkowego (prowadzącej do logistycznego równania rekurencyjnego). Projekt 2. [ODE3]; [ODE1]; [ODE2]; [Modeling1]: Module 7.1 Project 1-2 p.257-258. Oznaczmy: Q(t) – masa substancji radioaktywnej w chwili t, r – stała rozpadu. Prędkość ubywania masy wskutek rozpadu radioaktywnego jest proporcjonalna do masy, która jeszcze nie uległa rozpadowi, co wyraża zależność dQ = −r Q(t). dt Możemy też rozważać reakcje łańcuchowe, np. substancja A rozpada się na B, która z kolei rozpada się na C, symbolicznie A → B → C. (a) Stworzyć system pozwalający swobodnie modelować reakcje łańcuchowe. (b) Przeanalizować rozpad Ra226 → Rn222 → P o218 , gdzie r1 = 1, 17 · 10−6 /dzień dla Ra226 i r2 = 0, 181/dzień dla Rn222 . Kiedy radon osiąga największą masę? Przeanalizować inne rozpady, np. Bi210 → P o210 → P b206 , gdzie r1 = 1, 37 · 10−2 /dzień dla Bi210 i r2 = 5, 1 · 10−3 /dzień dla P o210 , masa początkowa Bi210 = 10−8 g. Zwrócić uwagę na zjawisko równowagi w sytuacji, gdy r1 r2 . Projekt 3. [Programming] Project 9.3 p.365-381; [Projects] Project 1.3.2 p.47-49; [Modeling1]: Module 9.3 Project 5-6 p.373. Jak wiadomo aby oszacować pole pewnej figury zawartej w kwadracie na płaszczyźnie wystarczy rzucić losowo kilkadziesiąt tysięcy ziarenek maku na kwadrat i zliczyć jaki procent spadł na obszar wyznaczony przez figurę: pole figury do pola kwadratu będzie się miało jak liczba ziarenek, które spadły na figurę do liczby wszystkich ziarenek – taka jest istota metody Monte Carlo (pomysłu Ulama i von Neumanna). (a) Zaprojektować system obliczający metodą Monte Carlo całki oznaczone (jedno- i wielowymi R3 R 2π 2 sin x arowe). W szczególności wyznaczyć 2 sin(x ) dx i 0 1−x dx. (b) Porównać wyniki z wybraną metodą numeryczną (np. Simpsona). (c) „Okiełznać”przypadek tzw. całek oscylacyjnych. 2 Projekt 4. [Modeling2] 4.9.5 p.82-84; [Projects] Project 2.4.1.3 p.97-99. Omówić zagadnienie pól wektorowych na przykładzie pola elektrycznego. W szczególności podjąć temat dipola: (~r − r~1 ) (~r − r~2 ) E= + . |~r − r~1 |2 |~r − r~2 |2 (Np. zilustrować powierzchnie ekwipotencjalne). Projekt 5. Dla dowolnie zadanego układu wierzchołków czworościanu wyznaczyć punkt przecięcia się wysokości. Sytuację zilustrować graficznie (najlepiej z możliwością animacji). Projekt 6. Stworzyć program w pełni rozwiązujący zagadnienie PL (programowania liniowego) dla dwóch zmiennych nieujemnych. Oprócz znalezienia wszystkich rozwiązań (wystarczą optymalne wierzchołki) pokazać graficznie obszar decyzyjny i funkcję celu. Do prezentacji użyć ciekawego zadania z treścią. Projekt 7. Opracować dobrą procedurę rozwiązywania w dziedzinie rzeczywistej równania czwartego stopnia (wzory Tartaglii) lub choćby trzeciego stopnia (wzory Cardano). Uodpornić metodę na q √ q √ 3 3 skomplikowaną postać rozwiązań w „szkolnych”przypadkach (np. 5 2 + 7 − 5 2 − 7 = 2). Projekt 8. Opracować system dokonujący analiz statystycznych na pliku danych (bądź plikach danych w przypadku analiz porównawczych) i raportujący wyniki w nowym pliku. Zilustrować działanie systemu na przykładzie zastosowania w medycynie, biologii, fizyce, psychologii, socjologii lub ekonomii. 3