Modeliranje računalom Ivica Kožar

1
Uvod u modeliranje računalom


U predmetu se uče osnovne matematičke metode koje se primjenjuju u modeliranjima u
građevinarstvu. U tekstu se spominju problemi interpolacije i ekstrapolacije podataka
raznim polinomima, rješavanje linearnih i nelinearnih jednadžbi i uvod u rješavanje
diferencijalnih jednadžbi primjenom metode konačnih razlika.

Svi su primjeri načinjeni u programskom okruženju MathCad.

Ivica Kožar Građevinski fakultet Sveučilišta u Rijeci
__________________________________________________________________________________
listopad 1996 1 I predavanje
1 Uvod u numeričku analizu i MKE
1.1 Matematičko modeliranje
Matematičko modeliranje je aproksimiranje stvarnih pojava nekim matematičkim opisom,
koji više ili manje odgovara stvarnoj pojavi. Neki problemi se mogu vrlo točno modelirati;
na pr. računanje volumena nekakve građevine, problemi malih brzina krutih tijela. No, neki
su problemi složeniji; na pr. problemi tijela pri velikim brzinama (otpor zraka je vrlo
složeno uzeti u obzir), međudjelovanje tijela i tekućine i mnogi drugi.
Prilikom matematičkog modeliranja služimo se raznim terminima od kojih su neki
definirani u nastavku.
1.2 Aproksimacije
Pojam aproksimacije ima dvojako značenje. Možemo ga razmatrati na razini matematičkog
modela ili na razini točnosti rješavanja modela. Mi ćemo se zadržati na problemu
matematičkog modela. Naime, mnoge pojave u prirodi su vrlo složene i teško ih je
matematički opisati. Razjasnimo to na primjeru savijanja grede. Matematički model koji ga
opisuje je diferencijalna jednadžba drugog reda dobivena dovođenjem u vezi zakrivljenosti
grede i reznih sila:
d y
dx
EI M
2
2
* = −
Ako se prisjetimo izvoda, sjetit ćemo se da smo pri tome pojednostavnili izraz za
zakrivljenost. Tako dobivena jednadžba dobro opisuje problem savijanja grede iako ne
odgovara onome što se događa u stvarnosti. Procjenu valjanosti našeg matematičkog
modela dobivamo uspoređivanjem sa stvarnošću, s eksperimentima! Tako možemo
zaključiti da naša jednadžba vrlo dobro opisuje savijanje grede kad su progibi mali i kad je
ponašanje materijala linearno elastično. Nelinearno ponašanje materijala možemo uključiti
u gornju jednadžbu (tkz. materijalna nelinearnost), ali ako želimo uzeti u obzir velike
pomake na gredi (tkz. geometrijska nelinearnost), moramo promijeniti diferencijalnu
jednadžbu.
Ograničenja u području primjene pojedinih matematičkih modela moramo biti vrlo svjesni!
Napomena:
U praksi se ova jednadžba često piše u obliku diferencijalne jednadžbe četvrtog reda jer je
tada uspostavljena veza između deformacione linije grede i vanjskog opterećenja.
1.3 Numerička analiza
Analitičke funkcije u našim modelima su često vrlo složene i rješive samo za neke idealne
slučajeve. Iz potrebe rješavanja sve složenijih zadataka nastala je numerička analiza, a u
uskoj svezi s razvojem računalne tehnike.
Naš prethodni primjer je ponovo dobra ilustracija; linearna diferencijalna jednadžba se lako
rješava za jednostavne slučajeve opterećenja i rubnih uvjeta. Naravno, inženjerska praksa
je razvila mnoštvo metoda koje nam omogućuju rješavanje problema bez rješavanja
diferencijalne jednadžbe, no, za neke slučajeve je takvo rješenje vrlo grubo. Takav je slučaj
kod problema izvijanja gdje uzdužna (tlačna) sila u štapu može imati znatan utjecaj na
rješenje. Razvijeni su numerički postupci koji rješavaju diferencijalnu jednadžbu za
proizvoljne rubne uvjete i opterećenje, no oni daju rješenje samo za konkretnu situaciju. Za
svaku, i najmanju promjenu, postupak rješavanja se mora ponoviti. Kod analitičkih rješenja
to su uvijek rješenja određene grupe problema i na sve probleme koji potpadaju u tu grupu
može se dotično rješenje primjeniti.
Ivica Kožar Građevinski fakultet Sveučilišta u Rijeci
__________________________________________________________________________________
listopad 1996 2 I predavanje
Metoda konačnih elemenata je iz grupe numerička analiza.
1.4 Uvod u programiranje
Programiranje se obrađuje u posebnom predmetu. Ukratko, možemo reći da se radi o
uputama računalu čiji slijed (algoritam) definira problem koji opisujemo našim
matematičkim modelom. U postupcima numeričke analize moramo izvoditi veliku količinu
matematičkih operacija i prisiljeni smo služiti se računalom. Najčešće nam trebaju
matrične operacije koje možemo izvoditi u raznim programskim okruženjima:
• MathCAD, MATLAB, Mathematica - viši programski jezici unutar posebno
prilagođenih korisničkih okruženja za rješavanje općenitih matematičkih problema;
• BASIC, FORTRAN i drugi programski jezici univerzalne namjene za rješavanje
problema i programiranje korisničkih okruženja (na razini pojedinog problema).
1.5 Linearni prostori
N-dimezionalni prostori u kojima su definirane operacije nad vektorima tako da vrijedi
zakon linearne zavisnosti vektora (vidi matematiku). Općenito, u tom prostoru su definirani
tenzori.
1.6 Linearizacija
Proces raščlanjivanja nelinearnih jednadžbi tako da se (približno) rješenje nalazi u
linearnom vektorskom prostoru (spomeni postupak usmjerene derivacije). Na pr.
pojednostavljivanje izraza za zakrivljenost kod savijanja grede je primjer linearizacije. Bez
tog pojednostavljenja naše bi diferencijalne jednadžbe bile nelinearne i postupci rješavanja
bi bili daleko složeniji, ali bi područje u kojem vrijedi naš matematički model bilo mnogo
šire! Općenito su postupci linearizacije složeni i neće biti razmatrani u ovoj seriji
predavanja.
1.7 Matrična algebra
Za potrebe rješavanja problema u linearnim prostorima definirane su operacije nad
matricama. U našem radu koristit ćemo samo osnovne matrične operacije:
• transponiranje
• množenje matrica
• invertiranje
• determinanta matrice
Te se operacije u pravilu izvode na računalu i ovdje ih definiramo za razne sredine na
računalu:

1.7.1 primjer za MathCAD:

A:=












4 3 2 1
3 3 2 1
2 2 2 1
1 1 1 1
B:=












20
19
16
10


Transponirana matrica se dobije kombinacijom tipki Alt !:
Ivica Kožar Građevinski fakultet Sveučilišta u Rijeci
__________________________________________________________________________________
listopad 1996 3 I predavanje
A
T
:=












4 3 2 1
3 3 2 1
2 2 2 1
1 1 1 1


Invertirana matrica se dobije ako za eksponent napišemo -1:
A

=

− −
− −













1
1 1 0 0
1 2 1 0
0 1 2 1
0 0 1 2
:

a determinanta ako napišemo znak | (nažalost, to je znak za malo slovo đ na novim
hrvatskim tipkovnicama, tako da se korisnik ponekad može zbuniti):
A = 1

Rješenje sistema jednadžbi se dobiva množenjem vektora desne strane inverznom
matricom (naravno, pravilnom organizacijom nepoznanica tako je moguće dobiti više
stupaca rješenja istovremeno):
X A B : * =
−1
X =












1
2
3
4


U MathCAD-u možemo razlikovati između skalarnog i vektorskog produkta dvaju vektora
(u prvom slučaju rezultat je skalar, a u drugom vektor):
1
2
3
3
2
1
10




















= *
1
2
3
3
2
1
4
8
4










×










=













Znak za skalarni produkt je obično množenje, a za vektorski produkt to je kombinacija
tipki Alt * (na CRO tipkovnicama Alt 8).

1.7.2 Primjer za MATLAB

A=[4 3 2 1; 3 3 2 1; 2 2 2 1; 1 1 1 1]
A =
4 3 2 1
3 3 2 1
2 2 2 1
1 1 1 1

B=[20;19;16;10]
B =
20
Ivica Kožar Građevinski fakultet Sveučilišta u Rijeci
__________________________________________________________________________________
listopad 1996 4 I predavanje
19
16
10

% Transponirana matricaAt=A'
At =
4 3 2 1
3 3 2 1
2 2 2 1
1 1 1 1

% Determinanta matrice det(A)
ans = 1

% Inverzna matricaAinv=inv(A)
Ainv =
1.0000 -1.0000 0 0
-1.0000 2.0000 -1.0000 0.0000
0.0000 -1.0000 2.0000 -1.0000
0 0 -1.0000 2.0000

% Rjesenje sistema jednadzbiX=Ainv*B
X =
1.0000
2.0000
3.0000
4.0000

% Skalarni produkt vektoraa=[1;2;3]
a =
1
2
3

b=[3;2;1]
b =
3
2
1

a'*b
ans =
10



% a*b' ne daje vektorski produkt dvaju vektora!
% umjesto toga dobivamo tenzorski produkt
% (vektorski produkt dvaju vektora se ne može direktno dobiti u MATLABu)
Ivica Kožar Građevinski fakultet Sveučilišta u Rijeci
__________________________________________________________________________________
listopad 1996 5 I predavanje
a*b'
ans =
3 2 1
6 4 2
9 6 3

% Vektorski produkt treba definirati kao vlastitu funkciju
function v = vprod(a,b)
%VPROD vektorski produkt dvaju vektora
v = zeros(1,3);
v(1)=det([ A(2:3); B(2:3) ]);
v(2)=-det([A(1) A(3); B(1) B(3) ]);
v(3)=det([ A(1:2); B(1:2) ]);

a =
1
2
3
b =
3
2
1

c=vprod(a',b')
c =
-4 8 -4

c=vprod(a',b')'
c =
-4
8
-4


Vidimo da u višem jeziku kao što je MathCAD matrične operacije izvodimo vrlo
elegantno. U nekom programskom jeziku potrebno je više truda; tu se matrične operacije
najčešće definiraju kao subroutine (za programski jezik BASIC vidi članak: Kožar, Ivica:
Matrice, časopis FRaK br.4, ožujak 1983., str. 37-38).

Notacija
U našim tekstovima matrice ćemo označavati masnim slovima kao A (najčešće kod pisanja
na računalu) ili vitičastom podvlakom A (pri pisanju rukom).
Ivica Kožar Građevinski fakultet Sveučilišta u Rijeci
__________________________________________________________________________________
listopad 1996 1 II predavanje
2 Interpolacioni polinomi
2.1 Polinomi
Polinomi su matematički izrazi oblika
P x a x a x a x
n n n
n
( ) ... = + + +

0 1
1 0

gdje n označava stupanj polinoma. Glavna im je karakteristika jednostavno deriviranje i
integriranje pa se rado koriste u tehničkoj praksi. (Napomena: polinom n-tog stupnja je n-
puta derivabilan). Često se složenije funkcije pokušava približno predstaviti jednim ili više
polinoma. Naročito česta primjena je kod interpolacija, odnosno, kad pokušavamo provući
kontinuiranu funkciju kroz grupu zadanih podataka. Ti zadani podaci se često prikazuju
kao diskretne točke na grafičkom prikazu, a polinom kao krivulja koja prolazi bliže ili dalje
od tih zadanim vrijednosti. Glavna vrijednost interpolacije je u tome što možemo
pretpostaviti vrijednosti funkcije i tamo gdje nemamo zadanih podataka. Na pr.: imamo
podatke o broju stanovnika za proteklih 10 godina; interpolacionu krivulju možemo
upotrijebiti za procjenu broja stanovnika u slijedećoj godini (vidi primjer kod metode
najmanjih kvadrata).
2.2 Metoda najmanjih kvadrata
Metoda najmanjih kvadrata definira postupak određivanja funkcije čije vrijednosti
najmanje odstupaju od zadanih vrijednosti (u određenim točkama) u smislu da je suma
kvadrata svih odstupanja najmanja moguća (kvadrati se koriste radi eliminacije uticaja
negativnih vrijednosti).
Neka su zadane vrijednosti neke nepoznate funkcije p(x) u točkama (c
i
, i=1,...,n), a koju
želimo aproksimirati nekom funkcijom f(x) na intervalu od a do b. Greška koju pri tome
činimo u nekoj točki intervala je
e = p(x) - f(x,c
1
,c
2
,...,c
n
)
a ukupna greška preko svih točaka intervala je
( )
Γ
1 1 1
( , ..., ) ( ) ( , , ..., ) c c p x f x c c dx
n n
a
b
= −


Minimizacija ove funkcije ne bi dala očekivano rješenje zbog već spomenutih negativnih
vrijednosti, pa se uvodi pojam funkcije kvadrata razlike
( )
Γ
2 1 1
2
( , ..., ) ( ) ( , , ..., ) c c p x f x c c dx
n n
a
b
= −


Kada je nepoznata funkcija p(x) poznata samo preko vrijednosti u diskretnim točkama,
izraz se pojednostavljuje
( )
Γ
2 1 1
2
1
( , ..., ) ( ) ( , , ..., ) c c p x f x c c
n n
k
m
= −
=


Minimizacija ove funkcije kao rezultat daje očekivanu funkciju koja "najbolje" aproksimira
nepoznatu funkciju čije vrijednosti znamo samo u diskretnim točkama. Parametre naše
interpolacione funkcije dobivamo rješavanjem sistema jednadžbi koje proizilaze iz uvjeta
minimizacije




Γ
2
0
c
i
= i n =1, ...,
Ivica Kožar Građevinski fakultet Sveučilišta u Rijeci
__________________________________________________________________________________
listopad 1996 2 II predavanje
Najčešće kao interpolacionu krivulju izabiremo polinom pri čemu polinom točno prolazi
kroz zadane točke ako je stupnja m, gdje je m broj poznatih točaka. Polinom stupnja većeg
od m nije moguće provući jer tada imamo više nepoznanica nego jednadžbi iz uvjeta
minimuma kvadrata razlike.
2.2.1 Primjer
U ovom primjeru koristit ćemo program MATLAB za izračun.
Zadan je broj stanovnika prema rezultatima popisa svakih 10 godina od 1900 do 1990.
Ovako to izgleda u MATLAB-u

% Vremenski interval
t = (1900:10:1990)';

% Populacija
p = [75.995 91.972 105.711 123.203 131.669 ...
150.697 179.323 203.212 226.505 249.633]';

%Naredbe za grafički prikaz
figure(fig);
plot(t,p,'go');
axis([1900 2010 0 400]);
title('Broj stanovnika SAD od 1900-1990');
ylabel('Milioni');

Grafički prikaz izgleda ovako:
1900 1920 1940 1960 1980 2000
0
50
100
150
200
250
300
350
400
M
i
l
i
o
n
i
Broj stanovnika SAD od 1900-1990

Pokušajmo aproksimaciju zadanih podataka polinomom trećeg stupnja i uzmimo njegovu
vrijednost u 2000.godini kao predviđeni broj stanovnika. U MATLAB-u se naredbe za to
izdaju ovako:

%Koeficijenti polinoma se dobivaju rješavanjem sistema
% jednadžbi uz upotrebu Vandermondove matrice (10*10) čiji su
% elementi potencije skaliranog vremena A(i,j) = s(i)^(n-j);

n = length(t);
s = (t-1900)/10;
A(:,n) = ones(n,1);
for j = n-1:-1:1
A(:,j) = s .* A(:,j+1);
end
Ivica Kožar Građevinski fakultet Sveučilišta u Rijeci
__________________________________________________________________________________
listopad 1996 3 II predavanje

Matrica A izgleda ovako:
Columns 1 through 6
0 0 0 0 0 0
1 1 1 1 1 1
512 256 128 64 32 16
19683 6561 2187 729 243 81
262144 65536 16384 4096 1024 256
1953125 390625 78125 15625 3125 625
10077696 1679616 279936 46656 7776 1296
40353607 5764801 823543 117649 16807 2401
134217728 16777216 2097152 262144 32768 4096
387420489 43046721 4782969 531441 59049 6561

Columns 7 through 10
0 0 0 1
1 1 1 1
8 4 2 1
27 9 3 1
64 16 4 1
125 25 5 1
216 36 6 1
343 49 7 1
512 64 8 1
729 81 9 1

% Koeficijenti polinoma stupnja d koji interpolira podatke p
% dobiju se rješavanjem sistema jednadžbi zadnjih d+1 stupaca
% Vandermondove matrice. Za kubni polinom d=3 pa imamo

c = A(:,n-3:n)\p
c =
0.0056
0.8517
11.1823
78.0666

% Sada računamo vrijednosti polinoma za svaku dekadu od 1900
% do 2010
% i crtamo rezultate
v = (1900:2010)';
x = (v-1900)/10;
y = polyval(c,x);
z = polyval(c,10);
figure(fig);
hold on
yhandle = plot(v,y,'m-');
zhandle = plot(2000,z,'yx');
ztext = text(2000,z-10,num2str(z));
title('Aproksimacija polinomom, stupanj = 3')
hold off
Ivica Kožar Građevinski fakultet Sveučilišta u Rijeci
__________________________________________________________________________________
listopad 1996 4 II predavanje
1900 1920 1940 1960 1980 2000
0
50
100
150
200
250
300
350
400
M
i
l
i
o
n
i
Aproksimacija polinomom, stupanj = 3
280.6

Pokušajmo još i aproksimacije polinomima 4. i 5. stupnja (trebamo rješiti 4, odnosno 5
jednadžbi). Vidimo veliku razliku u broju predviđenih stanovnika iako su vrijednosti svih
polinoma vrlo slične unutar zadanog intervala!

Primjetimo da polinom ne prolazi točno kroz zadane točke, nego im se manje ili više
približava. To su tkz. "tvrde interpolacione funkcije" koje nam daju "glatke" krivulje. U
metodi konačnih elemenata se takvi polinomi sve rjeđe primjenjuju.
Ivica Kožar Građevinski fakultet Sveučilišta u Rijeci
__________________________________________________________________________________
listopad 1996 5 II predavanje
2.3 Lagrangeovi polinomi

Lagrangeovi polinomi imaju to svojstvo da prolaze kroz sve zadane točke, odnosno, oni su
"mekani". To ih čini nepogodnim za ekstrapolacije (predviđanja vrijednosti izvan zadanog
intervala), ali su vrlo korisni kad moramo imati točno zadovoljenu vrijednost funkcije u
nekoj točki (to je slučaj kod interpolacija unutar konačnih elemenata). Jednadžba općeg
Lagrangeovog polinoma glasi
N x
x x x x x x x x x x
x x x x x x x x x x
i
i i m
i i i i i i i m
( )
( ) * ( )...( ) * ( )...( )
( ) * ( )...( ) * ( )...( )
=
− − − − −
− − − − −
− +
− +
1 2 1 1
1 2 1 1

Odnosno, kraće pisano
N x
x x
x x
i
j
i j
j
j i
m
( )
( )
( )
=


=


1


Ako vrijednosti naše nepoznate funkcije (u diskretnim točkama) predstavimo vektorom
p =

¸

(
¸
(
(
(
(
p
p
p
m
1
2
...

onda izraz za vrijednost funkcije koju interpoliramo možemo napisati u matričnoj
formulaciji koja je uobičajena u metodi konačnih elemenata
[ ]
f x N N N
p
p
p
m
m
( ) ...
...
=

¸

(
¸
(
(
(
(
1 2
1
2
,odnosno f x ( ) = N p
T

2.3.1 Primjer upotrebe Lagrangeovih polinoma
Interpolirajmo neku zadanu funkciju
Lagrangeovim polinomima ako znamo vrijednost funkcije u 3 točke


Za m=3 i i=1 Lagrangeov polinom je:
Nakon sređivanja dobijemo jednostavnije izraze za sva 3 Lagrangeova polinoma:

Ivica Kožar Građevinski fakultet Sveučilišta u Rijeci
__________________________________________________________________________________
listopad 1996 6 II predavanje
Interpolacijska funkcija glasi pa možemo
usporediti zadanu i interpolacijsku funkciju unutar zadanog intervala

Izvan zadanog intervala aproksimacija nije tako dobra

Za poboljsanje aproksimacije izvan zadanog intervala treba dodati jos točaka, na pr.
i treba ponovo definirati sve
Lagrangeove polinome:

Sada je interpolacija dobra u širem rasponu vrijednosti

Ivica Kožar Građevinski fakultet Sveučilišta u Rijeci
__________________________________________________________________________________
listopad 1996 7 II predavanje
2.4 Serendipity polinomi
Serendipty polinomi su vrlo slični Lagrangeovim, ali s tom razlikom da nemaju unutrašnjih
točaka. To je kod konačnih elemenata vrlo praktično, jer nam omogućuje manji broj točaka
unutar elementa što daje manje matrice krutosti s užim "bandom", pa se takvi sistemi, uz
istu točnost, brže rješavaju na računalu.
2.5 Hermitovi polinomi
Hermitovi polinomi, kao i Lagrangeovi, zadovoljavaju vrijednosti funkcije u točkama, ali
istovremeno zadovoljavaju i vrijednost derivacije u točkama. Stupanj derivacije koji
želimo zadovoljiti se naziva C-kontinuitet elementa. Tako Hermitovi polinomi koji
zadovoljavaju vrijednost 1. derivacije u točkama se nazivaju C
1
polinomi. Lagrangeovi i
Serendipity polinomi koji ne zadovoljavaju vrijednosti derivacije u točkama se nazivaju C
0

polinomi.
Opći izraz za Hermitov polinom je:
( )
( )
P z B
i
B
i
z a
i
B
i ki
z a
i
ki
ki
Q
i
z
i
m
( )
!
...
,
!
( ) = +

+ +



=


¸

(
¸
(
(
(
(
1 2
1
1
1
1

gdje su
B
i j
P
i
z
Q
i
z
j
z a
i
,
( )
( )
=
|
\

|
.
|
|

=
1
,
( )
Q
i
z z a
i
ki
i i i
m
( )
,
= −
= ≠

1

Za primjer vidi prilog iz MathCAD-a.
2.6 Kubični splin-ovi
Splin-ovi su funkcije sastavljene iz dijelova koji na svojim krajevima zadovoljavaju prvu i
drugu derivaciju. Na taj način se dobiva glatka krivulja koja se sastoji od dijelova koji su
relativno jednostavni. Na pr. kubični splinovi spajaju po tri točke i dobivena funkcija je
glatka i samo do 3 stupnja za proizvoljni broj točaka koje spaja. Hermitov polinom istih
karakteristika bi imao vrlo visok stupanj (ovisno o broju točaka koje spaja).
Primjena splinova je česta u područjima gdje treba provući glatke krivulje kroz veliki broj
točaka, kao u geodeziji, cestogradnji, brodogradnji i drugdje. U konačnim elementima se
manje koriste.
Ivica Kožar Građevinski fakultet Rijeka
Modeliranje računalom Rješavanje jednadžbi
Rješavanje jednadžbi

Jedan od najčešćih zadataka u numeričkom modeliranje je rješavanje raznih jednadžbi
(jedne ili više njih, linearnih ili nelinearnih). Pod jednadžbom podrazumijevamo funkciju
jedne varijable (dakle f(x)=0), a riješiti jednadžbu, u kontekstu ovih predavanja, znači
naći barem jednu vrijednost x za koju vrijednost funkcije postaje 0 (x => f(x)=0).
Bavit ćemo se samo onim funkcijama koje se mogu grafički predočiti u ravnini.


Linearne jednadžbe

Linearna jednadžba se može prikazati grafički dobro znanim pravcem:
10 5 0 5 10
10
0
10
20
13
7 −
f x ( )
10 10 − x


Rješavanje jedne linearne jednadžbe se svodi na trivijalno izlučivanje željene
nepoznanice iz jednadžbe pravca.


Nelinearne jednadžbe

Nelinearne jednadžbe možemo pokušati definirati njihovim grafičkim prikazom: on nije
pravac; na pr.:
3 2.5 2 1.5 1 0.5 0 0.5 1 1.5 2 2.5 3
20
10
0
10
20
16.032
10.968 −
f z ( )
3 3 − z


Ovakva definicija nije uobičajena, ali je prihvatljiva inžinjerima. Uobičajenija podjela bi
bila na eksponencijalne, logaritamske, trigonometrijske, polinomijalne i druge jednadžbe
Ivica Kožar Građevinski fakultet Rijeka
Modeliranje računalom Rješavanje jednadžbi
(ili njihove kombinacije). Svaka se od navedenih grupa u matematici zasebno proučava,
ali mi ćemo ih tretirati sve zajedno i pokazati ćemo neke numeričke metode koje se mogu
primijeniti na sve njih.


Iterativne metode

Iterativne metode se temelje na ideji postepenog približavanja točnom rješenju tijekom
nekog iterativnog procesa. Očito je da postupak moramo započeti nekom početnom
pretpostavkom za rješenje naše jednadžbe, na pr. pretpostavimo da je x
0
rješenje. Nakon
toga računamo x
1
, pa x
2
itd. dok ne mislimo da je dobiveni broj dovoljno točno rješenje
zadane jednadžbe. Točnost možemo kontrolirati uvrštavanjem dobivenog broja x
n
u
jednadžbu koja tada mora zadobiti vrijednost dovoljno blizu nuli (f(x
n
)=0). Češće
kontrolu vršimo tako da promatramo razliku između nove x
n
i stare pretpostavke x
n-1
pa
kada je ta razlika dovoljno mala, smatramo da smo dostigli željeno rješenje jednadžbe
(što ne mora uvijek biti slučaj, jedino prva metoda garantira da smo našli rješenje).
Pogledajmo na primjeru funkcije f(x)=ax
3
-bx što se može dogoditi kod iterativnog
postupka rješavanja (za a=1 i b=3 imamo tri rješenja x=0, 3 ± ).
pocetna pretpostavka
x
0
1.7 :=
iterativni postupak
x
i 1 +
a x
i
( )
3

b
:=
prikaz sukcesivnih
vrijednosti tijekom
iterativnog procesa
x
1.7
1.638
1.464
1.046
0.382
0.019
2.114 10
6 −
×
0
0






















=


Drugačiji izbor iterativne sheme daje drugačiji rezultat
pocetna pretpostavka
x
0
1.7 :=
iterativni postupak
x
i 1 +
b x
i

a x
i
( )
2

:=
prikaz sukcesivnih
vrijednosti tijekom
iterativnog procesa
x
1.7
1.765
1.7
1.765
1.7
1.765
1.7
1.765
1.7




















=

Ivica Kožar Građevinski fakultet Rijeka
Modeliranje računalom Rješavanje jednadžbi
Vidimo da ovaj put ne dobivamo točno rješenje iako je početna pretpostavka x
0
=1.7 jako
blizu točnom rješenju (x=1.732). Može se reći da je drugi postupak na prvi pogled slabiji
od prvog, ali kod složenijih jednadžbi to nije tako lako uočljivo, te je to je razlog zašto se
ovakav postupak ne može preporučiti kao univerzalni numerički algoritam za dobivanje
rješenja nelinearne jednadžbe.
Daljnje metode (metoda sekante i Newton-ova metoda) su također iterativne metode,
samo su matematički sistematski razrađene tako da garantiraju nalaženje jednog točnog
rješenja ako su zadovoljene određene pretpostavke (garantiraju tkz. konvergenciju).


Metoda sekante

Metoda sekante se temelji na ideji da se načini sekanta koja ima krajeve na dijelovima
funkcije s različitim predznakom te tako nužno siječe pravac f(x)=0 (os x) a nekim
numeričkim postupkom se onda približavamo točki x za koju je f(x)=0. Potupati možemo
tako da desnu stranu sekante držimo nepomičnom i približavamo lijevu točku (iteracija s
lijeve strane) ili obratno (iteracija s desne strane) ili pak da naizmjence približavamo
lijevu pa desnu točku sekante (najbrža konvergencija). Numerički postupak približavanja
temelji se na jednadžbi pravca kroz dvije točke (krajevi sekante) u koji onda uvrstimo
uvjet f(x)=0 i izlučimo traženi x (to je onda nova vrijednost pretpostavljenog rješenja
x
i+1
).
Pogledajmo primjer s funkcijom f(x)=ax
2
+b (za a=1 i b=-6 rješenja su x=-4,+4)
6 5 4 3 2 1 0 1 2 3 4 5 6
20
10
0
10
20
20
16 −
f x ( )
6 6 − x


Riješimo jednadžbu metodom sekante

S LIJEVE STRANE
x
0
0 := i 0 9 .. :=
x
i 1 +
x
i
f x
i
( ) x
i
xa − ( ) ⋅
f x
i
( ) f xa ( ) −
− :=
z 6 − 5.9 − , 6 .. :=
6 4 2 0 2 4 6
20
0
20
f z ( )
f x
i
( )
z x
i
,
x
0
0
1
2
3
4
5
6
7
8
9
10
0
-2.6667
-3.6923
-3.9365
-3.9872
-3.9974
-3.9995
-3.9999
-4
-4
-4
=

Ivica Kožar Građevinski fakultet Rijeka
Modeliranje računalom Rješavanje jednadžbi
Pogledajmo detaljnije postupak iteriranja
6 5 4 3 2 1 0
20
10
0
10
20
20
16 −
f z ( )
f x
i
( )
dioA
y
0 ( )
x
0
xa z x
i
, dioA
x
0 ( ) ,


Riješimo isti primjer iteracijom s desne strane

S DESNE STRANE
i 0 9 .. :=
x
0
1 − := x
i 1 +
x
i
f x
i
( ) xb x
i
− ( ) ⋅
f xb ( ) f x
i
( ) −
− :=
x
0
0
1
2
3
4
5
6
7
8
9
10
-1
2
3.5
3.8947
3.9787
3.9957
3.9991
3.9998
4
4
4
=
6 4 2 0 2 4 6
20
0
20
f z ( )
f x
i
( )
z x
i
,

Vidimo da iako smo krenuli od x
0
=-1, dobili smo desno rješenje x=4 jer je to rješenje
obuhvaćala sekanta koju smo formirali.
Postupak sličan navedenoj metodi sekante provodi i Mathcad ugrađena funkcija
root(f(x),x,a,b) gdje se a i b također moraju zadati tako da f(a) i f(b) imaju različite
predznake.


Ivica Kožar Građevinski fakultet Rijeka
Modeliranje računalom Rješavanje jednadžbi
Newton-ova metoda

Newton-ova iterativna metoda rješavanja nelinearnih jednadžbi možda je jedna od
najpopularnijih zbog svoje jednostavnosti i brze konvergencije (tkz. kvadratična
konvergencija za razliku od linearne konvergencije sekantne metode).
Postupak se temelji na ideji da se u točki početne pretpostavke rješenja x
0
postavi
tangenta čije presjecište s nulom (f(x)=0) daje novu pretpostavku rješenja. Metoda
zahtjeva izračun derivacije funkcije čije rješenje tražimo; to se može načinit analitički ili,
kao što ćemo kasnije vidjeti, numerički.
Pogledajmo na primjeru iste funkcije kako postupak radi
6 5 4 3 2 1 0 1 2 3 4 5 6
20
10
0
10
20
20
16 −
f x ( )
g x ( )
6 6 − x x ,

g(x) označava analitičku derivaciju funkcije f(x). Za x
0
=-6 dobivamo
x
0
6 − := i 0 5 .. := x
i 1 +
x
i
f x
i
( )
g x
i
( )
− :=
6 4 2 0 2 4 6
20
10
40
f z ( )
f x
i
( )
z x
i
,
x
6 −
4.3333 −
4.0128 −
4 −
4 −
4 −
4 −
















=

6 5.67 5.33 5 4.67 4.33 4
0
4
8
12
16
20
20
0
f z ( )
f x
i
( )
dio
y
0 ( )
4 − xa z x
i
, dio
x
0 ( ) ,

Ivica Kožar Građevinski fakultet Rijeka
Modeliranje računalom Rješavanje jednadžbi
Uočimo brzinu kojom je iterativni postupak došao do rješenja na 5 decimalnih mjesta!
Pogledajmo još primjer kubne funkcije
a 1 := b 16 − := f x ( ) a x
3
⋅ b x ⋅ + :=
xa 6 − := xb 6 := g x ( ) 3 a ⋅ x
2
⋅ b + :=
6 5 4 3 2 1 0 1 2 3 4 5 6
200
100
0
100
200
f z ( )
g z ( )
z z ,

Postupak rješavanja
x
0
6 − := x
i 1 +
x
i
f x
i
( )
g x
i
( )
− := i 0 5 .. :=
6 4 2 0 2 4 6
40
0
40
f z ( )
f x
i
( )
z x
i
,
x
6 −
4.696 −
4.129 −
4.006 −
4 −
4 −
4 −
















=

Detaljniji uvid u tijek iteriranja
6 5.5 5 4.5 4
120
90
60
30
0
0
120 −
f z ( )
f x
i
( )
dio
y
0 ( )
dio
y
1 ( )
dio
y
2 ( )
4 − xa z x
i
, dio
x
0 ( ) , dio
x
1 ( ) , dio
x
2 ( ) ,

Ivica Kožar Građevinski fakultet Rijeka
Modeliranje računalom Rješavanje jednadžbi
Primijetimo da dobiveno rješenje ovisi o izboru početne točke od koje iteracija kreće.
Općenito, kod numeričkih metoda koje ćemo od mogućih rješenja dobiti, jako ovisi o
izboru početne pretpostavke.

Ivica Kožar Građevinski fakultet Sveučilišta u
Rijeci

_________________________________________________________________________________
listopad 1996 1 III predavanje

3 Numeričko rješavanje diferencijalnih jednadžbi
3.1 Diferencijalne jednadžbe
Razvoj inženjerskih znanosti se temelji na postavljanju i rješavanju diferencijalnih
jednadžbi. Razlikujemo tkz. obične diferencijalne i parcijalne diferencijalne jednadžbe.
Primjer obične dif.jed. je na pr. jednadžba savijanja grede
d y
dx
EI M
2
2
* = − .
Parcijalne diferencijalne jednadžbe proizilaze iz problema koje opisujemo s više od jedne
nepoznanice. Opći oblik parcijalne diferencijalne jednadžbe drugog reda je
A x y
u
x
B x y
u
x y
C x y
u
y
D x y
u
x
u
y
( , ) ( , ) ( , ) ( , , , )



∂ ∂















2
2
2 2
2
0 + + + =
Klasifikacija jednadžbi se provodi prema vrijednostima parametara A, B i C. Za uvjet
B AC
2
4 0 − < jednadžba je eliptična. Za uvjet B AC
2
4 = jednadžba je parabolična, a
za B AC
2
4 0 − > jednadžba je hiperbolična. Parabolične i hiperbolične parcijalne
diferencijalne jednadžbe su mnogo teže za rješavanje jer nemaju zatvoreni rub, pa niti
definirane rubne vrijednosti, nego samo početne vrijednosti na pojedinim djelovima ruba.
Mi ćemo se baviti samo eliptičnim jednadžbama.
Vrlo česti primjer eliptične parcijalne diferencijalne jednadžbe drugog reda u tehničkim
znanostima je Poissonova diferencijalna jednadžba
− ≡ − +
|
\

|
.
| = ∆u
u
x
u
y
f x y








2 2
2 2
( , )
koja ima primjenu u mnogim granama tehnike. U toj jednadžbi u je funkcija dvaju
nepoznanica, x i y. Primjer su problemi potencijala, torzije, topline i drugi (samo se
funkcija f(x,y) mijenja). Homogeni oblik te jednadžbe (f(x,y)=0) je tkz. Laplaceova
diferencijalna jednadžba.
3.2 Rubni uvjeti
Razlikujemo dvije grupe rubnih uvjeta:
Dirichletove rubne uvjete gdje su zadane vrijednosti funkcije na rubu domene Γ
u u =
0
na Γ
Neumannove rubne uvjete gdje su na rubu domene Γ zadane vrijednosti (usmjerene)
derivacije


u
n
g = na Γ

U našim ćemo primjerima razmatrati samo tkz. linearne diferencijalne jednadžbe, tj. one
kod kojih je veza među nepoznanicama linearna. Također, pretpostavlja se da su početni
uvjeti i rubni zadani tako da je moguće naći jedinstveno rješenje. Rješavanje diferencijalni
jednadžbi će se provoditi numerički, ali gdje god je poznato analitičko rješenje, savjetuje se
da se ono pomno razmotri jer daje puno bolji uvid u ponašanje diferencijalne jednadžbe
nego jedno numeričko rješenje problema.
Ivica Kožar Građevinski fakultet Sveučilišta u
Rijeci

_________________________________________________________________________________
listopad 1996 2 III predavanje


3.3 Metoda konačnih razlika
Metoda konačnih razlika pretvara rješavanja diferencijalne jednadžbe u formiranje i
rješavanje sistema običnih linearnih jednadžbi. Pri tom postupku derivacije se samo
aproksimiraju i time se uvodi greška koja direktno ovisi o broju jednadžbi koje formiramo;
povećavanjem broja jednadžbi ta se greška smanjuje. Za veliki broj problema postiže se
dovoljno točno rješenj s malim broj jednadžbi.
3.3.1 Funkcije jedne nepoznanice
Pogledajmo način na koji aproksimiramo derivacije
dy
dx
y
x
f x x f x
x x
= =
+ −

lim
( ) ( )




∆ 0
.
Na sličan način možemo prikazati i više derivacije
d y
dx
y
x
x
f x x f x
x
f x f x x
x
x x
2
2
0
=
|
\

|
.
|
=
+ −
|
\

|
.
|

− −
|
\

|
.
|

lim
( ) ( ) ( ) ( )











Grafički prikaz će nam olakšati razumijevanje aproksimacije derivacija:


Ukoliko ∆x dovoljno smanjimo, numerička aproksimacija derivacije će biti vrlo točna
(granica ispod koje ne smijemo nikako ići je točnost računala na kojem radimo).
Pogledajmo na primjeru kako je jednostavno numeričko deriviranje (MathCAD):

< - MathCAD primjer 'UMKE3.MCD' - >

Kada smo shvatili princip numeričkog deriviranja, možemo napisati tkz. jednadžbe
konačnih razlika za prvu, drugu i sve potrebne derivacije. Nakon toga te se jednadžbe
uvrste u diferencijalnu jednadžbu i dobivamo sistem linearnih jednadžbi čija su rješenja u
zadanim točkama vrijednosti funkcije koja zadovoljava zadanu diferencijalnu jednadžbu.
Na taj smo način dif.jed. rješili numerički!
Ivica Kožar Građevinski fakultet Sveučilišta u
Rijeci

_________________________________________________________________________________
listopad 1996 3 III predavanje

Jednadžbe konačnih razlika mogu biti definirane preko slijedeće (forward differences),
središnje (central differences) ili prethodne (backward differences) točke na domeni (vidi
sliku). Treba napomenuti da formulacija preko središnje točke daje najmanju grešku (to se
može lako matematički dokazati preko razvoja u Taylorov red), te ju stoga valja najčešće
koristiti.
Prva derivacija
1) preko slijedeće točke
dy
dx
y y
h
i
i i
|
\

|
.
|


+1

2) preko središnje točke
dy
dx
y y
h
i
i i
|
\

|
.
|


+ − 1 1
2

3) preko prethodne točke
dy
dx
y y
h
i
i i
|
\

|
.
|


−1


Za rješavanje diferencijalne jednadžbe drugog reda treba nam i druga derivacija
1) preko slijedeće točke
d y
dx
y y y
h
i
i i i
2
2
1 2
2
2
|
\

|
.
| ≈
− +
+ +

2) preko središnje točke
d y
dx
y y y
h
i
i i i
2
2
1 1
2
2
|
\

|
.
| ≈
− +
− +

3) preko prethodne točke
d y
dx
y y y
h
i
i i i
2
2
2 1
2
2
|
\

|
.
| ≈
− +
− −


Na sličan način možemo definirati treću derivaciju, četvrtu itd., prem potrebi, ovisno kakvu
diferencijalnu jednadžbu rješavamo.
Na primjeru određivanja progiba proste grede prikazat ćemo postupak konačnih razlika
(vidi MathCAD primjer 'UMKE32.MCD' u prilogu).
3.3.1.1 Primjer
Neka je prosta greda linearno promjenjivog presjeka (za takav slučaj vrlo je teško naći
točno rješenje diferencijalne jednadžbe) i opterećena jednolikim opterećenjem. Jednadžba
momenta bilo gdje na gredi je
M q L
x
q
x
= − * * *
2 2
2

gdje je q intenzitet opterećenja, a L raspon grede.
Napišimo sada diferencijalnu jednadžbu koristeći centralnu formulaciju jednadžbe
konačnih razlika
Ivica Kožar Građevinski fakultet Sveučilišta u
Rijeci

_________________________________________________________________________________
listopad 1996 4 III predavanje

( )
q
x
L x
EI
h
y y y
i
i
i
i i i
* * ( ) *
2
2
2
1 1
− = − +
− +

Jednadžbu postavljamo za svaki i (i=1,...,5) na našoj gredi i dobivamo sistem jednadžbi u
kojem su y
i
nepoznanice (malo smo ispremiješali koeficijente):
( )
( )
( )
. . . . . . .
... .
. .
. ...
. . . . . . .
...
...
*
...
...
0 1 2 1 0
0 1 2 1 0
0 1 2 1 0
2
1
1
2
0
1 1
0
1
0
1 1
0
1


¸

(
¸
(
(
(
(
(
(
¦
´
¦
¦
¦
¹
¦
¦
¦
¹
`
¦
¦
¦
)
¦
¦
¦
=



¦
´
¦
¦
¦
¦
¹
¦
¦
¦
¦
¹
`
¦
¦
¦
¦
)
¦
¦
¦
¦

+
− −

+ +
+
y
y
y
q
h
EI
x L x
I
I
x L x
I
I
x L x
I
I
i
i
i
i i
i
i i
i
i i
i

odnosno, matrično
AY= X.
U našem primjeru odmah znamo rješenja za točke 1 i 5 jer je tu zbog rubnih uvjeta progib
jednak nuli (y=0), pa nam ostaje sistem sa samo 3 jednadžbe čije je rješenje:
y
qL
EI
=



¦
´
¦
¹
¦
¹
`
¦
)
¦
0 0058594
0 0078125
0 0058594
4
0
.
.
.
*
Za jedinične ulazne podatke (q=1.0, L=1.0 i EI
0
=1.0) to je i numeričko rješenje.
U našem primjeru greda je podijeljena na mali broj točaka i točnost rješenja nije velika, ali
se ništa principjelno ne mijenja s većim brojem točaka, osim što raste točnost rješenja (ali i
vrijeme potrebno računalu da riješi sistem jednadžbi).
Također, u našem primjeru je uticaj rubnih uvjeta sakriven u jednadžbama (sjetimo se,
uveli smo da je y
1
=0 i y
5
=0). Općenito se uticaj rubnih uvjeta uzima u obzir
modifikacijama matrice A prema nekim pravilima koja se mogu formirati za razne rubne
uvjete (vidi Kožar, I. Kompleksno opterećeni štapovi, FRaK 18/19, 1987, str. 32-36).
3.3.2 Funkcije više nepoznanica
Problemi koji sadrže više od jedne nepoznanice opisuju se parcijalnim diferencijalnim
jednadžbama od kojih ćemo mi razmotriti samo Poissonovu; ostale se parcijalne
diferencijalne jednadžbe metodom konačnih razlika rješavaju na sličan način. Kao primjer
će nam poslužiti problem savijanja tanke ploče po Kirchhoffovoj teoriji. Problem je opisan
biharmonijskom parc.dif.jed.



∂ ∂








4
4
4
2 2
4
4
2
w
x
w
x y
w
y
q
D
+ + = −
koju možemo svesti na dvije Poissonove. Prvo uspostavimo vezu između momenata
savijanja i vanjskog opterećenja








2
2
2
2
M
x
M
y
q + = − .
Nakon rješavanja te jednadžbe poznati su nam momenti M, pa možemo uspostaviti vezu
između progiba ploče w i momenata savijanja
Ivica Kožar Građevinski fakultet Sveučilišta u
Rijeci

_________________________________________________________________________________
listopad 1996 5 III predavanje









2
2
2
2
w
x
w
y
M
D
+ = − .
U jednadžbama su
M
M M
x y
=
+
+ 1 ν
; D
Ed
=

3
2
12 1 ( ) ν

a d je debljina ploče.

Za funkcije dvije varijable u=f(x,y) aproksimacije derivacija su




u
x
u
x
u x x y u x y
x
x
= =
+ −

lim
( , ) ( , )





0
,
zatim



2
2
0
u
x
u
x
x x
=
|
\

|
.
|
=

lim






[ ] [ ]
=
+ − − − −
=
u x x y u x y u x y u x x y
x
( , ) ( , ) ( , ) ( , ) ∆ ∆

2

=
+ + − u x x y u x x y
x
( , ) ( , ) ∆ ∆

2
.
Isto vrijedi




2
2
0
u
y
u
y
y y
=
|
\

|
.
|
=

lim





u x y y u x y y
y
( , ) ( , ) + + − ∆ ∆

2
.


i za mješovitu derivaciju

∂ ∂


2
0 0
u
x y
u
x
y
u
y
x y x
=
|
\

|
.
|
=
|
\

|
.
|
=
→ →
lim lim
∆ ∆









=
+ + − + − + − ( ( , ) ( , )) ( ( , ) ( , )) u x x y y u x y y u x x y u x y
x y
∆ ∆ ∆ ∆
∆ ∆

Na sličan način se definiraju i druge više derivacije. Time smo spremni za definiranje
jednadžbi konačnih razlika. Jednadžbe ćemo definirati za točku (i,j) na mreži s podjelom
gustoće h u smijeru x i gustoće k u smijeru y.
Ivica Kožar Građevinski fakultet Sveučilišta u
Rijeci

_________________________________________________________________________________
listopad 1996 6 III predavanje


Prema slici jedna od jednadžbi konačnih razlika je sada:

∂ ∂















2
1 1
2
u
x y x
u
y
u
y
u
y
h
i j
i j i j
|
\

|
.
| =
|
\

|
.
|
=
|
\

|
.
|

|
\

|
.
|
=
+ −
,
, ,

( ) ( )
=
− − −
=
+ + + − − + − −
u u u u
kh
i j i j i j i j 1 1 1 1 1 1 1 1
4
, , , ,

=
− − +
+ + + − − + − −
u u u u
kh
i j i j i j i j 1 1 1 1 1 1 1 1
4
, , , ,

3.3.2.1 Primjer
Prije formuliranja jednadžbi konačnih razlika promotrimo skicu problema savijanja ploče i
mrežu podjele na po 8 dijelova u x i y smijeru:
k h
L
= =
8

Zbog centralne simetrije problema možemo analizirati samo 1/8 ploče uz definiranje
odgovarajućih rubnih uvjeta, pa se jednadžbe postavljaju samo u 10 točaka označenih na
Ivica Kožar Građevinski fakultet Sveučilišta u
Rijeci

_________________________________________________________________________________
listopad 1996 7 III predavanje

crtežu. Za središnje točke jednadžbe konačnih razlika prve dif.jed. (veza momenata i
opterećenja) su (prema slici)
M M M
h
M M M
k
q
i j i j i j i j i j i j + − + −
− +
+
− +
= −
1 1
2
1 1
2
2 2
, , , , , ,

i nakon što ih sredimo u prikladniji izraz
M M M M M
qL
i j i j i j i j i j + − + −
− + + + = −
1 1 1 1
2
4
64
, , , , ,

možemo formirati matričnu jednadžbu
AM= q .
U jednadžbama moramo uzeti u obzir rubne uvjete:
- na rubu su momenti i progibi nula, M = w = 0
- na točkama oko dijagonale (točke 1,5,8) vrijednosti su simetrične pa to treba uvrstiti
- na pr., jednadžba u točki 1 glasi prema šemi za Poissonovu dif.jed.
M M M M M q h
1 1 1 2 6 1
2
4
' '' '
− + + + = − ⋅ ,
ali zbog toga što su točke 1' i 1'' na rubu (na osloncu), moment okomito na oslonac je (kod
oslonjene ploče) nula, odnosno M
1'
= M
1''
= 0,
isto tako, zbog simetrije vrijednost M
6’
u smijeru y jednaka je vrijednosti M
2
u smijeru x,
odnosno, M
2’
= M
6
pa kad to uzmemo u obzir jednadžba u točki 1 glasi
− + = − 4 2
64
1 2
1
2
M M
q L
,
- dalje na pr., jednadžba u točki 5 bi trebala biti
M M M M M q h
2 5 2 6 6 5
2
4
' '
− + + + = − ⋅ ,
ali zbog simetrije (oko dijagonale) vrijedi
- vrijednost M
2’
u smijeru x jednaka je vrijednosti M
6
u smijeru y,
- vrijednost M
6’
u smijeru y jednaka je vrijednosti M
2
u smijeru x, dakle
M
2’
= M
6
i M
6’
= M
2
pa konačno pišemo za jednadžbu u točki 5
2 4 2
64
2 5 6
2
M M M
qL
− + = − .
- na pr., jednadžba u točki 6 jedina je potpuno prema šemi (nema rubnih uvjeta) i glasi
M M M M M q h
3 6 5 7 8 6
2
4 − + + + = − ⋅
Na sličan način formiramo jednadžbe za svih 10 točaka (potpun izgled matrice jednadžbi
M vidi u primjeru UMKE33.MCD za MathCADa).
Rješenja jednadžbe (vektor q) smo prikazali grafički; napomenimo da to nije dijagram
momenata jer za M vrijedi M
M M
x y
=
+
+ 1 ν
iz čega se tek trebaju izračunati Mx i My
(kao u točki 10).
Računanje nastavljamo rješavanjem druge Poissonove diferencijalne jednadžbe








2
2
2
2
w
x
w
y
M
D
+ = −
Ivica Kožar Građevinski fakultet Sveučilišta u
Rijeci

_________________________________________________________________________________
listopad 1996 8 III predavanje

uvrštavanjem vrijednosti za M (koje su sada poznate) u desnu stranu jednadžbe. Za
slobodno oslonjenu ploču su rubni uvjeti za progib w isti kao i za M pa je matrica M u
ovom slučaju ista kao i prije, odnosno, mijenja se samo desna strana (vektor q).
Na pr., za točku 5 jednadžba je
2 4 2
64
2 5 6
5
2
w w w
M L
D
− + = −
itd. za sve ostale točke.

< - primjer UMKE33.MCD za MathCAD - >

Rješenje ovog sistema jednadžbi su progibi ploče:


Sada možemo izračunati i stvarne momente savijanja u smijeru os i x i osi y (Mx i My).
Progibi su proporcionalni vrijednostima momenata M, kao što se dobro vidi iz grafičkog
prikaza (nakon dodavanja uvjeta simetrije!) :