Uploaded by alaa ibrahim

מבוא למשוואות דיפרנציאליות

advertisement
‫מבוא למשוואות דיפרנציאליות‬
‫‪1‬‬
‫למה ללמוד משוואות דיפרנציאליות ?‬
‫משוואות דיפרנציאליות הן אחד מהכלים המתמטיים החזקים ביותר שהמציאו בני־אדם‪,‬‬
‫ויש להן אין־ספור שימושים בכל תחומי המדע וההנדסה‪ .‬הסיבה לכך היא שמשוואות‬
‫דיפרנציאליות נותנות לנו שפה טבעית כדי לתאר תופעות דינמיות ־ שינוי בזמן‪ .‬הנה‬
‫כמה דוגמאות לתופעות שאפשר לתאר ולחקור בעזרת משוואות דיפרנציאליות‪:‬‬
‫• תנועה של כוכבים תחת השפעת הכוחות ההדדיים בינהם‬
‫• תגובות כימיות‬
‫• מתחים וזרמים במעגלים חשמליים‬
‫• התפשטות של גלים אלקטרומגנטיים במרחב‬
‫• מעבר חום ושינויי טמפרטורה של גופים‬
‫• בקרה אוטומטית של מטוסים‬
‫• רעידות אדמה‬
‫• דינמיקה כלכלית ־ צמיחה‪ ,‬אבטלה‪ ,‬אינפלציה‬
‫• גידול של אוכלוסיית בני אדם או חיות‬
‫• תהליכים אקולוגיים‪ ,‬השפעות הדדיות בין טורפים ונטרפים או חיות המתחרות‬
‫על משאבים‬
‫• התפשטות של מגיפות באוכלוסייה‬
‫• תהליכי שינוי גנטי ואבולוציה ביולוגית‬
‫‪1‬‬
‫‪2‬‬
‫מהן משוואות דיפרנציאליות ?‬
‫• זרימת נוזלים‬
‫• חיזוי מזג אוויר ושינויי אקלים‬
‫את הרשימה הזאת אפשר להמשיך עוד ועוד‪ ...‬במסגרת קורס זה נכיר כמה מהשימושים‬
‫המוזכרים כאן‪ ,‬ושימושים אחרים תפגשו בקורסים אחרים‪.‬‬
‫כדי לתאר תופעה בעזרת משוואה דיפרנציאלית‪ ,‬עלינו להשתמש בידע או בהשערה שיש‬
‫לנו לגבי המנגנון שעומד מאחורי התופעה כדי לנסח משוואה דיפרנציאלית מתאימה‪.‬‬
‫לאחר שניסחנו משוואה דיפרנציאלית‪ ,‬עלינו לפתור אותה‪ ,‬ובעזרת הפתרון נקבל תחזית‬
‫לגבי התפתחות התופעה שאותה מתארת המשוואה הדיפרנציאלית‪ .‬על־מנת לפתור‬
‫משוואות דיפרנציאליות צריך להשתמש בטכניקות שאותן נלמד בקורס זה‪.‬‬
‫בפרק זה נכיר את המושג "משוואה דיפרנציאלית"‪ ,‬נתחיל לחקור דוגמאות למשוואות‬
‫דיפרנציאליות‪ ,‬ונראה כיצד לנסח משוואות דיפרנציאליות המתארות תופעות חשובות‬
‫של גידול ודעיכה‪.‬‬
‫‪2‬‬
‫מהן משוואות דיפרנציאליות ?‬
‫כדי להכיר את המושג "משוואה דיפרנציאלית" ולהבין כיצד שונות משוואות דיפרנציאליות‬
‫מסוגים אחרים של משוואות המוכרים לנו מלימודים קודמים‪ ,‬נכתוב שלוש דוגמאות‬
‫למשוואות דיפרנציאליות‪:‬‬
‫‪0‬‬
‫)‪(2.1‬‬
‫)‪y (t) = y(t‬‬
‫)‪y 0 (t) = 2y(t‬‬
‫)‪(2.2‬‬
‫‪y 0 (t) = (y(t))2‬‬
‫)‪(2.3‬‬
‫הנה ההגדרה של המושג "משוואה דיפרנציאלית" מויקיפדיה‪:‬‬
‫משוואה דיפרנציאלית היא משוואה שבה הנעלם הוא פונקציה‪ ,‬כאשר המשוואה‬
‫מתארת תלות בין הפונקציה ונגזרותיה‪.‬‬
‫בכל אחת מהמשוואות הדיפרנציאליות שכתבנו‪ ,‬מופיעה פונקציה )‪ ,y(t‬שהיא הפונקציה‬
‫הנעלמת‪ .‬מימי הלימודים בבית־הספר אנו מכירים משוואות אלגבריות כמו‬
‫‪2x + 1 = 9‬‬
‫‪c‬‬
‫חגי כתריאל‪ ,‬המחלקה למתמטיקה‪ ,‬אורט בראודה‬
‫‪2‬‬
‫‪2‬‬
‫מהן משוואות דיפרנציאליות ?‬
‫‪x2 + 2x − 6 = 0‬‬
‫שבהן הנעלם הוא מספר ‪ .x‬כאשר מדובר במשוואות דיפרנציאליות‪ ,‬הנעלם שלנו איננו‬
‫מספר אלא פונקציה‪ .‬זהו הבדל מרכזי בין משוואות אלגבריות ומשוואות דיפרנציאליות‪.‬‬
‫מאפיין נוסף של משוואות דיפרנציאליות הוא שבמשוואה מופיעה לא רק הפונקציה‬
‫הנעלמת אלא גם נגזרות שלה‪.‬‬
‫כאשר אנחנו מנסים לפתור משוואה דיפרנציאלית‪ ,‬אנחנו מנסים למצוא פונקציה )‪y(t‬‬
‫שאם נציב אותה במשוואה‪ ,‬שני האגפים יהיו שווים‪.‬‬
‫נסתכל על המשוואה הדיפרנציאלית )‪ .(2.1‬כדי לפתור אותה‪ ,‬צריך למצוא פונקציה‬
‫שאם גוזרים אותה מקבלים את אותה הפונקציה שממנה התחלנו‪ .‬מלימודינו בחשבון‬
‫דיפרנציאלי‪ ,‬נוכל להיזכר בפונקציה מפורסמת שיש לה את התכונה הזאת‪ ,‬הפונקציה‬
‫‪y(t) = et .‬‬
‫ראו נספח לפרק זה לדיון יותר מעמיק בפונקציה הזאת‪.‬‬
‫לכן מצאנו פתרון למשוואה הדיפרנציאלית )‪ .(2.1‬האם הפתרון שמצאנו הוא הפתרון‬
‫היחיד של המשוואה הדיפרנציאלית )‪ (2.1‬או שאולי ניתן למצוא פתרונות נוספים?‬
‫לאחר הרהורים נוספים נוכל להגיע למסקנה שיש פונקציות אחרות שגם הן פתרונות‬
‫של אותה המשוואה הדיפרנציאלית‪:‬‬
‫‪y(t) = 2et , y(t) = 3et , y(t) = −et ...‬‬
‫ולמעשה כל פונקציה מהצורה‬
‫‪y(t) = Cet‬‬
‫)‪(2.4‬‬
‫כאשר ‪ C‬מספר כלשהו שנבחר‪ .‬אפשר אפילו לבחור ‪ C = 0‬ולקבל את הפונקציה‬
‫הקבועה ‪ y(t) = 0‬שגם היא פתרון של המשוואה הדיפרנציאלית )‪.(2.1‬‬
‫בשלב זה מצאנו משפחה אינסופית של פתרונות של המשוואה הדיפרנציאלית )‪ .(2.1‬זוהי‬
‫תופעה אופיינית ־ למשוואות דיפרנציאליות יש משפחות אינסופיות של פתרונות‪ .‬מעניין‪,‬‬
‫ולפעמים גם מועיל מאד‪ ,‬להציג בצורה גרפית את משפחת הפתרונות של המשוואה‬
‫הדיפרנציאלית‪ .‬כמובן שאיננו יכולים לסרטט גרפים של אינסוף פונקציות‪ ,‬אבל אפשר‬
‫לסרטט כמה גרפים יצוגיים שיתנו לנו תמונה טובה לגבי הצורות שיכולים לקבל פתרונות‬
‫המשוואה הדיפרנציאלית )איור ‪.(1‬‬
‫נציין שלמרות שמצאנו משפחה אינסופית של פתרונות עבור )‪ ,(2.1‬לא הראינו שמשפחת‬
‫הפתרונות שמצאנו כוללת את כל הפתרונות האפשריים של המשוואה הדיפרנציאלית‬
‫)‪ .(2.1‬האם ייתכן שיש פתרונות אחרים שעוד לא מצאנו? ניתן להוכיח שאוסף‬
‫הפתרונות )‪ (2.4‬הוא אכן אוסף כל הפתרונות של )‪ .(2.1‬הוכחה פשוטה ויפה של‬
‫עובדה זו אפשר למצוא בנספח לפרק זה )משפט ‪.(10.3‬‬
‫‪c‬‬
‫חגי כתריאל‪ ,‬המחלקה למתמטיקה‪ ,‬אורט בראודה‬
‫‪3‬‬
‫‪3‬‬
‫דוגמה‪ :‬משוואה דיפרנציאלית לתיאור גידול אוכלוסיה‬
‫איור ‪ :1‬משפחת הפתרונות של המשוואה )‪(2.1‬‬
‫שאלה ‪ 2.1‬א‪ .‬מצאו פתרון של המשוואה הדיפרנציאלית )‪.(2.2‬‬
‫ב‪ .‬מצאו משפחה אינסופית של פתרונות של המשוואה הדיפרנציאלית )‪.(2.2‬‬
‫שאלה ‪ 2.2‬א‪ .‬מצאו משפחה אינסופית של פתרונות של המשוואה הדיפרנציאלית‬
‫‪y 0 (t) = −y(t).‬‬
‫ב‪ .‬צרו סרטוט של משפחת הפתרונות האלה‪.‬‬
‫בשלב זה של עבודתנו‪ ,‬הדרך היחידה שיש לנו למצוא פתרונות עבור משוואות דיפרנציאליות‬
‫היא "שיטת הניחוש"‪ .‬כמובן ששיטה זו לא יעילה במיוחד‪ ,‬והיא גם נעשית קשה מאד‬
‫כאשר המשוואה קצת יותר מסובכת‪ .‬האם‪ ,‬למשל‪ ,‬נוכל לנחש פתרונות של המשוואה‬
‫הדיפרנציאלית )‪?(2.3‬‬
‫אחת ממטרותינו בקורס הזה היא ללמוד דרכים שיטתיות לפתרון משוואות דיפרנציאליות‪,‬‬
‫כך שלא נאלץ לנחש פתרונות‪.‬‬
‫‪3‬‬
‫דוגמה‪ :‬משוואה דיפרנציאלית לתיאור גידול אוכלוסיה‬
‫נציג דוגמה לשימוש במשוואה דיפרנציאלית לבניית מודל מתימטי לתיאור תופעה חשובה‬
‫־ גידול אוכלוסיה‪ .‬חיזוי גודל אוכלוסייה עתידית של עיר או של מדינה היא משימה‬
‫חשובה‪ ,‬מאחר ותכנון של תשתיות עתידיות ־ דיור‪ ,‬כבישים‪ ,‬בתי ספר‪ ,‬שירותים רפואיים‬
‫‪c‬‬
‫חגי כתריאל‪ ,‬המחלקה למתמטיקה‪ ,‬אורט בראודה‬
‫‪4‬‬
‫‪3‬‬
‫דוגמה‪ :‬משוואה דיפרנציאלית לתיאור גידול אוכלוסיה‬
‫וכו' ־ חייב להסתמך על תחזיות כאלה‪ .‬ננסה לבנות מודל מתימטי שיאפשר לנו לחזות‬
‫את גודל אוכלוסיית ישראל בעתיד‪.‬‬
‫דוגמה ‪ 3.1‬על פי נתוני הלשכה המרכזית לסטטיסטיקה‪ ,‬אוכלוסיית ישראל מנתה בתחילת‬
‫שנת ‪ 8.345 2015‬מיליון‪ .‬בשנת ‪ 2014‬נולדו כ־ ‪ 176, 600‬תינוקות‪ ,‬ונפטרו ‪ 42, 396‬בני‬
‫אדם‪.‬‬
‫כיצד נוכל להשתמש בנתונים אלו כדי לחזות את אוכלוסיית ישראל בעתיד?‬
‫נתחיל ראשית ממודל פשוט מאד‪ ,‬אבל בעל חסרונות רציניים‪ .‬מהנתונים לגבי שנת‬
‫‪ 2014‬אנו יודעים שהאוכלוסיה גדלה בשנה זו ב־‬
‫‪176, 600 − 42, 396 = 134, 204‬‬
‫אנשים‪ .‬במלים אחרות קצב הגידול של האוכלוסיה בשנה זו הוא ‪ 134, 204‬אנשים‬
‫לשנה‪ ,‬או ‪ 0.134‬מליוני אנשים לשנה‪ .‬נגדיר פונקציה )‪ P (t‬שתתאר את גודל אוכלוסיית‬
‫ישראל במליונים בזמן ‪ t‬בשנים‪ ,‬כאשר ‪ t = 0‬מציין את תחילת ‪ .2015‬אנו משתמשים‬
‫באות ‪ P‬בגלל המילה האנגלית ‪ population‬־ אוכלוסיה‪.‬‬
‫אם נניח קצב גידול קבוע‪ ,‬אז בכל שנה יתווספו ‪ 0.134‬מיליון אנשים לאוכלוסיה‪ ,‬ונוכל‬
‫לכתוב ביטוי למספר האנשים )‪ P (t‬במיליונים‬
‫‪P (t) = 8.345 + 0.134 · t.‬‬
‫)‪(3.1‬‬
‫זהו מודל של גידול בקצב קבוע‪ ,‬או מודל לינארי ־ הגרף של הפונקציה )‪ P (t‬הוא קו‬
‫ישר‪ .‬מודל זה חוזה שבשנת ‪ 2050‬אוכלוסיית ישראל תהיה‬
‫‪P (35) = 8.345 + 0.134 · 35 = 13.035‬‬
‫מליונים ובשנת ‪ 2100‬תהיה‬
‫‪P (85) = 8.345 + 0.134 · 85 = 19.735‬‬
‫מליונים‪.‬‬
‫שאלה ‪ 3.1‬הסבירו מדוע המודל הזה אינו מודל סביר לגידול אוכלוסיה‪.‬‬
‫כדי לשפר את המודל שלנו‪ ,‬נרצה לקחת בחשבון את העובדה שככל שהאוכלוסיה גדלה‪,‬‬
‫יש יותר לידות מדי שנה ־ יותר אנשים עושים תינוקות‪ ,‬ויש גם יותר פטירות מדי שנה‪.‬‬
‫כלומר קצב הילודה וקצב התמותה אינם קבועים אלא גדלים מדי שנה‪ .‬לכן גם קצב‬
‫‪c‬‬
‫חגי כתריאל‪ ,‬המחלקה למתמטיקה‪ ,‬אורט בראודה‬
‫‪5‬‬
‫‪3‬‬
‫דוגמה‪ :‬משוואה דיפרנציאלית לתיאור גידול אוכלוסיה‬
‫גידול האוכלוסיה‪ ,‬שהוא ההפרש בין קצב הילודה לקצב התמותה‪ ,‬ישתנה עם הזמן‪.‬‬
‫איך נוכל להעריך את קצב גידול האוכלוסיה העתידי?‬
‫בשנת ‪ 2014‬היו כ־ ‪ 8.345 − 0.134 = 8.211‬מליון אנשים בישראל‪ ,‬והם הולידו ‪176000‬‬
‫תינוקות‪ ,‬כלומר שיעור הילודה השנתי בישראל הוא‬
‫‪176600‬‬
‫‪= 0.021‬‬
‫‪8.211 · 106‬‬
‫=‪b‬‬
‫לאדם‪ .‬במילים אחרות ־ על כל אדם נולדים ‪ 0.021‬תינוקות בשנה‪ .‬הרבה פעמים‬
‫נותנים שיעור ילודה ל־‪ 1000‬איש‪ ,‬כלומר אומרים ששיעור הילודה השנתי בישראל הוא‬
‫‪ 21‬לאלף‪ .‬במודל המשופר שלנו אנחנו נניח ששיעור הילודה יישאר קבוע‪ ,‬כלומר אם‬
‫גודל האוכלוסיה בזמן ‪ t‬בעתיד יהיה )‪ P (t‬אז קצב גידול האוכלוסיה יהיה )‪0.021 · P (t‬‬
‫לשנה‪.‬‬
‫באופן דומה‪ ,‬אנו נניח ששיעור התמותה‪ ,‬שבשנת ‪ 2014‬היה‬
‫‪42, 396‬‬
‫‪= 0.005‬‬
‫‪8.211 · 106‬‬
‫=‪d‬‬
‫יישאר קבוע‪ .‬כלומר על כל ‪ 1000‬אנשים נפטרים ‪ 5‬אנשים משנה‪ .‬על ידי הפחתת‬
‫שיעור התמותה משיעור הילודה נקבל את שיעור גידול האוכלוסיה‪:‬‬
‫‪r = b − d = 0.021 − 0.005 = 0.016‬‬
‫כלומר ‪ %1.6‬לשנה‪ .‬לכן אם גודל האוכלוסיה בזמן ‪ t‬בעתיד יהיה )‪ P (t‬אז קצב גידול‬
‫האוכלוסיה באותו זמן יהיה‪ 0.016P (t) :‬מליוני אנשים לשנה‪.‬‬
‫ההנחה של שיעורי ילודה ותמותה קבועים איננה בהכרח מדויקת‪ :‬אם אנשים יעשו‬
‫פחות תינוקות אז שיעור הילודה ירד‪ ,‬וגם שיעור התמותה יכול לרדת אם אנשים יאמצו‬
‫אורח חיים בריא יותר ובעקבות התפתחויות בתחום הרפואה‪ ,‬אבל ההנחה הזו היא‬
‫הנחת עבודה שתאפשר לנו לתאר תסריט שבו אין שינויים בפריון ובתוחלת החיים‪ .‬בכל‬
‫מקרה ההנחה של שיעורי ילודה ותמותה קבועים סבירה הרבה יותר מההנחה של קצב‬
‫ילודה וקצב תמותה קבועים שעשינו במודל הראשון שלנו‪.‬‬
‫כעת נשתמש בהנחה שלנו כדי לבנות תחזית לגבי האוכלוסיה העתידית של ישראל‪.‬‬
‫בתחילת ‪ ,2015‬כלומר בזמן ‪ ,t = 0‬אוכלוסיית ישראל היתה ‪ 8.345‬מיליון‪ ,‬כלומר‬
‫‪P (0) = 8.345‬‬
‫גידול האוכלוסיה ־ לידות פחות פטירות ־ במשך שנה אחת יהיה‪ ,‬על פי ההנחה של‬
‫שיעור גידול קבוע של ‪,r = 0.016‬‬
‫‪P (1) − P (0) = r · P (0) = 0.016 · P (0) = 0.016 · 8.345 = 0.134‬‬
‫‪c‬‬
‫חגי כתריאל‪ ,‬המחלקה למתמטיקה‪ ,‬אורט בראודה‬
‫‪6‬‬
‫‪3‬‬
‫דוגמה‪ :‬משוואה דיפרנציאלית לתיאור גידול אוכלוסיה‬
‫כלומר האוכלוסיה תגדל ב־‪ .134, 000‬לכן האוכלוסייה בתחילת ‪ 2016‬תהיה‬
‫‪P (1) = P (0) + r · P (0) = 8.479‬‬
‫באופן דומה נוכל להמשיך ולחשב את גודל האוכלוסיה בשנים הבאות‪ ,‬כאשר בכל פעם‬
‫נשתמש בתוצאת החישוב הקודם‪:‬‬
‫‪P (2) = P (1) + r · P (1) = 8.479 + 0.016 · 8.479 = 8.615‬‬
‫‪P (3) = P (2) + r · P (2) = 8.615 + 0.016 · 8.615 = 8.753‬‬
‫ובאופן כללי‬
‫‪P (t + 1) = P (t) + r · P (t).‬‬
‫)‪(3.2‬‬
‫בעזרת גליון אלקטרוני או תכנית מחשב פשוטה קל להמשיך את החישוב ככל שנרצה‪.‬‬
‫אבל במקרה זה נוכל גם לקבל נוסחה סגורה‪ .‬את משוואה )‪ (3.2‬נכתוב בצורה‬
‫‪P (t + 1) = (1 + r) · P (t),‬‬
‫ומכאן ש‪:‬‬
‫)‪P (1) = (1 + r)P (0‬‬
‫)‪P (2) = (1 + r)P (1) = (1 + r)(1 + r)P (0) = (1 + r)2 P (0‬‬
‫‪P (3) = (1 + r)P (2) = (1 + r)(1 + r)2 P (0) = (1 + r)3 P (0),‬‬
‫ובאופן כללי אנו רואים שנקבל‬
‫‪P (t) = (1 + r)t P (0) = 1.016t · 8.345‬‬
‫כעת יש לנו נוסחה שבה נוכל להשתמש כדי לחזות את האוכלוסיה בכל זמן בעתיד ־‬
‫תחת הנחות המודל‪ .‬למשל בשנת ‪ 2050‬אנו צופים שהאוכלוסיה תהיה‬
‫‪P (35) = 1.01635 · 8.345 = 14.545‬‬
‫ובשנת ‪2100‬‬
‫‪85‬‬
‫‪P (85) = 1.016 · 8.345 = 32.166‬‬
‫‪c‬‬
‫חגי כתריאל‪ ,‬המחלקה למתמטיקה‪ ,‬אורט בראודה‬
‫‪7‬‬
‫‪3‬‬
‫דוגמה‪ :‬משוואה דיפרנציאלית לתיאור גידול אוכלוסיה‬
‫איור ‪ :2‬תחזית לגידול אוכלוסיית ישראל ־ מודל עם קצב גידול קבוע לעומת מודל עם‬
‫שיעור גידול קבוע‬
‫נשים לב להבדל הגדול בין תחזית זו לתחזית של המודל הראשון שבו קצב הילודה‬
‫והתמותה הם קבועים‪ .‬באיור ‪ 2‬מוצגים גרפים של התחזית של המודל עם קצב גידול‬
‫קבוע לעומת המודל עם שיעור גידול קבוע‪.‬‬
‫בחישוב שערכנו יש בעייתיות אחת‪ :‬אנחנו מעדכנים את גודל האוכלוסיה פעם בשנה‪,‬‬
‫בעוד שלמעשה אנשים נולדים ומתים כל הזמן‪ .‬נרצה לפתח מודל המתאר את השתנות‬
‫האוכלוסיה בזמן רציף במקום בקפיצות זמן של שנה‪ .‬מודל זה יביא אותנו למשוואה‬
‫דיפרנציאלית‪.‬‬
‫נניח שהאוכלוסיה בזמן ‪ t‬היא )‪ ,P (t‬ואנו רוצים לחשב את האוכלוסיה כעבור זמן קצר‪,‬‬
‫‪1‬‬
‫בזמן ‪ .t + ∆t‬למשל אם רוצים לחשב את האוכלוסיה כעבור שבוע‪ ,‬ניקח‬
‫‪,∆t = 52‬‬
‫כי בשנה יש ‪ 52‬שבועות והזמן נמדד בשנים‪ .‬מאחר וקצב גידול האוכלוסיה בזמן ‪t‬‬
‫הוא‪ ,‬על פי ההנחה שלנו‪ ,r · P (t) ,‬גידול האוכלוסיה בפרק הזמן מ־‪ t‬עד ‪ t + ∆t‬יהיה‬
‫‪ .rP (t) · ∆t‬לכן‬
‫)‪(3.3‬‬
‫‪P (t + ∆t) = P (t) + rP (t)∆t‬‬
‫נבחין כאן שאם ניקח ‪) ∆t = 1‬קפיצות זמן של שנה(‪ ,‬נחזור למשוואה )‪.(3.2‬‬
‫נוכל להשתמש במשוואה )‪ (3.3‬כדי לחשב את גידול האוכלוסיה בקפיצות של ‪ ,∆t‬למשל‬
‫קפיצות שבועיות‪ ,‬וכך נקבל תיאור מדויק יותר של גידול האוכלוסיה‪ .‬אולם המטרה‬
‫שלנו היא אחרת‪ :‬אנחנו רוצים להשאיף את ‪ ∆t‬לאפס‪ ,‬וכך לקבל תיאור בזמן רציף‪.‬‬
‫אם נשאיף את ‪ ∆t‬לאפס בשני האגפים של משוואה )‪ ,(3.3‬נקבל )‪ ,P (t) = P (t‬משוואה‬
‫נכונה אך לא מעניינת במיוחד‪ .‬כדי לקבל משוואה לא טריוויאלית‪ ,‬נבצע את הפעולות‬
‫הבאות‪ :‬נחסיר )‪ P (t‬משני האגפים של )‪ (3.3‬ונחלק את שני האגפים ב־‪:∆t‬‬
‫)‪P (t + ∆t) − P (t‬‬
‫)‪= rP (t‬‬
‫‪∆t‬‬
‫‪c‬‬
‫חגי כתריאל‪ ,‬המחלקה למתמטיקה‪ ,‬אורט בראודה‬
‫)‪(3.4‬‬
‫‪8‬‬
‫‪3‬‬
‫דוגמה‪ :‬משוואה דיפרנציאלית לתיאור גידול אוכלוסיה‬
‫נציין שמשמעות הביטוי באגף שמאל היא קצב השינוי של האוכלוסיה בפרק הזמן מ־‪t‬‬
‫עד ‪ t + ∆t‬־ השינוי באוכלוסיה חלקי פרק הזמן‪ .‬עכשיו מגיע השלב הקריטי‪ :‬נשאיף‬
‫את ‪ ∆t‬ל־‪ 0‬בשני האגפים של )‪ .(3.4‬על פי הגדרת הנגזרת‪,‬‬
‫)‪P (t + ∆t) − P (t‬‬
‫)‪= P 0 (t‬‬
‫‪∆t→0‬‬
‫‪∆t‬‬
‫‪lim‬‬
‫אגף ימין אינו תלוי כלל ב־‪ .∆t‬לכן נקבל‬
‫)‪P 0 (t) = rP (t‬‬
‫)‪(3.5‬‬
‫זוהי משוואה דיפרנציאלית אשר מתארת את תהליך גידול האוכלוסיה בזמן רציף‪ .‬מאחר‬
‫והפירוש של הנגזרת הוא קצב השינוי הרגעי של הפונקציה )‪ P (t‬נוכל לבטא במילים‬
‫את מה שהמשוואה הדיפרנציאלית אומרת‪ :‬קצב השינוי הרגעי של גודל האוכלוסיה‬
‫שווה לשיעור הגידול כפול גודל האוכלוסיה הנוכחי‪ .‬כעת‪ ,‬על ידי פתרון המשוואה‬
‫הדיפרנציאלית‪ ,‬נוכל למצוא את הפונקציה )‪ P (t‬שתיתן לנו תחזית לאוכלוסיה העתידית‪.‬‬
‫המשוואה הדיפרנציאלית )‪ (3.5‬דומה למשוואות )‪ (2.1‬ו־ )‪ ,(2.2‬ונוכל לנחש פתרונות‬
‫שלה‪.‬‬
‫שאלה ‪ 3.2‬הראו שלכל מספר ‪ ,C‬הפונקציה‬
‫‪P (t) = Cert‬‬
‫היא פתרון של המשוואה הדיפרנציאלית )‪.(3.5‬‬
‫במקרה של אוכלוסיית ישראל‪ ,‬שיעור הגידול הוא ‪ ,r = 0.016‬ולכן משפחת הפתרונות‬
‫של המשוואה הדיפרנציאלית היא‬
‫‪P (t) = Ce0.016·t .‬‬
‫)‪(3.6‬‬
‫יש לנו אינסוף פתרונות‪ ,‬ונשאלת השאלה איזה מהם הוא הפתרון שיתאר את אוכלוסיית‬
‫ישראל‪ .‬כדא לקבוע את הפתרון הרלוונטי‪ ,‬נשתמש בעובדה שאנו מניחים שהזמן ‪t = 0‬‬
‫מתאים לתחילת שנת ‪ ,2015‬ובזמן זה אוכלוסיית ישראל היתה ‪ 8.345‬מיליון‪ ,‬כלומר‬
‫‪P (0) = 8.345‬‬
‫)‪(3.7‬‬
‫השוויון )‪ (3.7‬נקרא תנאי התחלה ‪ .‬כדי להשתמש בתנאי ההתחלה‪ ,‬נציב ‪ t = 0‬בפתרון‬
‫)‪ (3.6‬ונקבל‬
‫‪0.016·0‬‬
‫‪8.345 = P (0) = Ce‬‬
‫‪=C‬‬
‫‪c‬‬
‫חגי כתריאל‪ ,‬המחלקה למתמטיקה‪ ,‬אורט בראודה‬
‫‪9‬‬
‫‪4‬‬
‫גידול אקספוננציאלי וזמן ההכפלה‬
‫כלומר קיבלנו שכדי שתנאי ההתחלה יתקיים צריך ש‬
‫‪C = 8.345‬‬
‫נציב ערך זה של ‪ C‬בחזרה ב־ )‪ (3.6‬ונקבל את הפתרון הרלוונטי‬
‫‪P (t) = 8.345e0.016·t .‬‬
‫)‪(3.8‬‬
‫כעת יש לנו תחזית לגודל האוכלוסיה העתידי‪ .‬למשל‪ ,‬בשנת ‪ 2050‬יהיה גודל האוכלוסיה‬
‫‪P (35) = 8.345e0.016·35 = 14.609‬‬
‫ובשנת ‪2100‬‬
‫‪P (85) = 8.345e0.016·35 = 32.514‬‬
‫תוצאות אלו קרובות מאד אך לא זהות לתוצאות שקיבלנו קודם על־ידי חישוב בקפיצות‬
‫של שנה‪.‬‬
‫שאלה ‪ 3.3‬בשנת ‪ 1859‬הובאו ‪ 24‬ארנבות מאנגליה למערב אוסטרליה‪ ,‬כדי ליצור אוכלוסיית‬
‫ארנבות למטרות ציד‪ .‬בשנת ‪ 1920‬העריכו שמספר הארנבות באזור גדל ל־ ‪ 10‬מיליארד‪.‬‬
‫מה היה שיעור הגידול השנתי של אוכלוסיית הארנבות בתקופה זו?‬
‫‪4‬‬
‫גידול אקספוננציאלי וזמן ההכפלה‬
‫ראינו שהמשוואה הדיפרנציאלית‬
‫)‪P 0 (t) = rP (t‬‬
‫)‪(4.1‬‬
‫מתארת גידול אוכלוסיה בשיעור קבוע ‪ r‬ליחידת זמן‪ .‬זו אחת המשוואות הדיפרנציאליות‬
‫החשובות והשימושיות ביותר‪ .‬ראינו גם שהפתרונות שלה נתונים ע"י‬
‫‪P (t) = Cert ,‬‬
‫)‪(4.2‬‬
‫כאשר הקבוע ‪ C‬נקבע על־פי תנאי התחלה נתון‪ .‬הפונקציה )‪ P (t‬מתארת מה שנקרא‬
‫)‪0 (t‬‬
‫)‪ PP (t‬הוא קבוע‬
‫גידול אקספוננציאלי‪ .‬גידול אקספוננציאלי הוא גידול שבו שיעור הגידול‬
‫‪ ,r‬או במילים אחרות קצב הגידול )‪ P 0 (t‬פרופורציונאלי לגודל הנוכחי של האוכלוסיה‪.‬‬
‫מאחר והאוכלוסיה גדלה כל הזמן‪ ,‬גם קצב הגידול גדל באופן פרופורציונאלי‪ ,‬ולכן‬
‫‪c‬‬
‫חגי כתריאל‪ ,‬המחלקה למתמטיקה‪ ,‬אורט בראודה‬
‫‪10‬‬
‫‪5‬‬
‫דעיכה אקספוננציאלית‬
‫תהליך הגידול נעשה יותר ויותר מהיר‪ .‬לכן גידול אקספוננציאלי יכול להוביל תוך זמן‬
‫קצר יחסית לאוכלוסיה גדולה מאד‪ .‬דבר זה ברור גם מסרטוט הגרף של הפונקציה‬
‫האקספוננציאלית )‪.(4.2‬‬
‫כדי לקבל מדד למהירות הגידול של תהליך גידול אקספוננציאלי‪ ,‬משתמשים במושג זמן‬
‫הכפלה‪ .‬נניח שאנחנו כרגע בזמן ‪ ,t0‬ולכן גודל האוכלוסיה הוא ‪ .P (t0 ) = Cert0‬אנחנו‬
‫רוצים לדעת כמה זמן ייקח עד שהאוכלוסיה תכפיל את עצמה ־ לזמן זה נקרא זמן‬
‫ההכפלה של האוכלוסיה ונסמן אותו ב־ ‪ .T2‬כדי למצוא את זמן ההכפלה‪ ,‬נבחין שצריך‬
‫להתקיים‬
‫‪P (t0 + T2 ) = 2 · P (t0 ),‬‬
‫כלומר‬
‫‪Cer(t0 +T2 ) = 2 · Cert0 ,‬‬
‫ועל ידי פישוט‬
‫‪erT2 = 2,‬‬
‫כלומר‬
‫)‪ln(2‬‬
‫‪.‬‬
‫)‪(4.3‬‬
‫= ‪T2‬‬
‫‪r‬‬
‫מצאנו אם כן נוסחה לזמן ההכפלה‪ .‬מעניין להבחין שזמן ההכפלה אינו תלוי בזמן ‪t0‬‬
‫שבו התחלנו או בערך ‪ C‬־ כלומר אם נתחיל בכל נקודת זמן‪ ,‬נקבל שכעבור זמן ‪T2‬‬
‫האוכלוסיה תוכפל‪ .‬זוהי תכונה אופיינית של הגידול האקספוננציאלי אשר לא תהיה‬
‫נכונה עבור סוגי גידול אחרים‪.‬‬
‫דוגמה ‪ 4.1‬שיעור הגידול של אוכלוסיית בני האדם בעולם ב־‪ 2015‬הוא ‪ %1.13‬לשנה‪ .‬מהו‬
‫זמן ההכפלה של אוכלוסיית העולם?‬
‫מאחר ו־ ‪ ,r = 0.0113‬על פי )‪ (4.3‬זמן ההכפלה של האוכלוסיה האנושית הוא‬
‫‪0.693‬‬
‫)‪ln(2‬‬
‫=‬
‫‪= 61.3‬‬
‫‪0.0113‬‬
‫‪0.0113‬‬
‫כלומר אם האוכלוסיה האנושית תמשיך לגדול באותו שיעור כמו היום‪ ,‬היא תכפיל את‬
‫עצמה כל ‪ 61‬שנה‪.‬‬
‫= ‪T2‬‬
‫‪5‬‬
‫דעיכה אקספוננציאלית‬
‫דוגמה ‪ 5.1‬שיעור הילודה בגרמניה בשנת ‪ 2014‬הוא ‪ 8.42‬לידות לאלף איש‪ ,‬ושיעור‬
‫התמותה הוא ‪ 11.29‬לאלף איש‪.‬‬
‫מה צפוי לקרות לאוכלוסיה של גרמניה בעתיד?‬
‫‪c‬‬
‫חגי כתריאל‪ ,‬המחלקה למתמטיקה‪ ,‬אורט בראודה‬
‫‪11‬‬
‫‪5‬‬
‫דעיכה אקספוננציאלית‬
‫איור ‪ :3‬תחזית לאוכלוסיית גרמניה בהנחה של שיעורי ילודה ותמותה של ‪2014‬‬
‫שיעור הגידול של האוכלוסיה הוא‬
‫‪8.42 − 11.29‬‬
‫‪= −0.0029‬‬
‫‪1000‬‬
‫=‪r‬‬
‫שיעור גידול שלילי! האוכלוסיה קטנה ב־‪ %0.29‬לשנה‪.‬‬
‫המשוואה הדיפרנציאלית )‪ (3.5‬לתיאור גידול האוכלוסיה עדיין תקפה כאן‪ ,‬ופתרונה‬
‫‪P (t) = Cert = Ce−0.0029·t‬‬
‫כדי לקבוע את ‪ C‬נגדיר ‪ t = 0‬בתור תחילת שנת ‪ .2015‬אוכלוסיית גרמניה בזמן זה‬
‫היתה ‪ 81‬מיליון‪ ,‬כלומר ‪ .P (0) = 81‬בעזרת נתון זה נקבל‬
‫‪P (t) = 81e−0.0029·t‬‬
‫התחזית המתקבלת לגבי אוכלוסיית גרמניה ב־‪ 500‬השנים הבאות מוצגת בגרף‪.‬‬
‫♦‬
‫זוהי דוגמה של דעיכה אקספוננציאלית‪ .‬דעיכת גודל האוכלוסיה מהווה בעייה כלכלית‬
‫רצינית כבר בטווח הקצר‪ ,‬משום שאין מספיק עובדים צעירים כדי לממן את הפנסיות‬
‫של המבוגרים‪.‬‬
‫שאלה ‪ 5.1‬על פי המודל שפיתחנו‪:‬‬
‫א‪ .‬באיזה שנה תהיה אוכלוסיית גרמניה מחצית מגודלה הנוכחי?‬
‫ב‪ .‬תוך כמה שנים לא ישארו אנשים בגרמניה?‬
‫‪c‬‬
‫חגי כתריאל‪ ,‬המחלקה למתמטיקה‪ ,‬אורט בראודה‬
‫‪12‬‬
‫‪7‬‬
‫‪6‬‬
‫ריבית בבנק‬
‫דינמיקה של אוכלוסיה עם הגירה‬
‫מדינה שאוכלוסיתה מידלדלת בגלל שיעור ילודה נמוך יכולה למנוע את המשבר הצפוי‬
‫על ידי קליטת מהגרים ממדינות אחרות‪ .‬נבנה משוואה דיפרנציאלית שתתאר את שינוי‬
‫גודל האוכלוסיה אם בנוסף לילודה ותמותה יש הגירה לתוך המדינה‪.‬‬
‫כמו קודם‪ ,‬נסמן את שיעור הילודה לאדם לשנה ב־‪ b‬ואת שיעור התמותה לאדם לשנה‬
‫ב־‪ ,d‬ונסמן את קצב ההגירה במליונים לשנה ב־‪.I‬‬
‫אם בזמן ‪ t‬גודל האוכלוסיה במיליונים הוא )‪ ,P (t‬בזמן ∆ ‪ t +‬יהיה גודל האוכלוסיה‬
‫‪P (t + ∆t) = P (t) + b · P (t)∆t − d · P (t)∆t + I · ∆t.‬‬
‫נסמן ‪ r = b − d‬־ שיעור הגידול הטבעי של האוכלוסיה‪ ,‬כך שנוכל לכתוב‬
‫‪P (t + ∆t) = P (t) + r · P (t)∆t + I · ∆t.‬‬
‫כדי לקבל משוואה דיפרנציאלית נחסר )‪ P (t‬משני האגפים ונחלק ב־‪,∆t‬‬
‫)‪P (t + ∆t) − P (t‬‬
‫‪= r · P (t) + I,‬‬
‫‪∆t‬‬
‫ונשאיף את ‪ ∆t‬לאפס‪ ,‬כדי לקבל‬
‫‪P 0 (t) = rP (t) + I.‬‬
‫למשל‪ ,‬אם גרמניה תקלוט חצי מליון מהגרים מדי שנה‪ ,‬שינוי האוכלוסיה שלה יתואר‬
‫על־ידי המשוואה הדיפרנציאלית‬
‫‪P 0 (t) = −0.0029P (t) + 0.5‬‬
‫זו משוואה שונה מזו המתארת גידול אוכלוסיה ללא הגירה‪ .‬נפתור אותה מאוחר יותר‬
‫כאשר נפתח טכניקה שיטתית לפתרון משוואות דיפרנציאליות‪.‬‬
‫‪7‬‬
‫ריבית בבנק‬
‫נעסוק כעת בבעיה של חישוב ריבית שנקבל מהבנק על סכום כסף שהפקדנו בבנק‪ ,‬או‬
‫ריבית שנשלם לבנק על סכום כסף שלווינו ממנו‪ .‬נדון בשיטות שונות לחישוב ריבית‪,‬‬
‫ובהבדלים בתוצאות שיתקבלו בשיטות שונות‪ .‬ניראה ששיטת חישוב הריבית "בזמן‬
‫רציף" מובילה למשוואה דיפרנציאלית‪.‬‬
‫‪c‬‬
‫חגי כתריאל‪ ,‬המחלקה למתמטיקה‪ ,‬אורט בראודה‬
‫‪13‬‬
‫‪7‬‬
‫ריבית בבנק‬
‫דוגמה ‪ 7.1‬נפקיד ‪ 1000‬ש"ח בבנק‪ ,‬בתכנית חסכון המעניקה ריבית בשיעור שנתי של ‪.%5‬‬
‫כמה כסף יהיה בחשבון הבנק שלנו בעוד עשר שנים‪ ,‬אם‬
‫א‪ .‬הריבית מחושבת בחישוב שנתי?‬
‫ב‪ .‬הריבית מחושבת בחישוב חודשי?‬
‫ג‪ .‬הריבית מחושבת בחישוב יומי?‬
‫ד‪ .‬הריבית מחושבת בחישוב רציף?‬
‫את המושגים המופיעים בשאלה זו נבהיר בהמשך‪.‬‬
‫נסמן ב־ )‪ S(t‬את כמות הכסף שיש לנו בחשבון הבנק בזמן ‪ t‬בשנים )‪ .(Savings‬אנו‬
‫יודעים ש‬
‫‪S(0) = 1000‬‬
‫ומעוניינים למצוא את הערך )‪.S(10‬‬
‫נחשב את כמות הכסף שתהיה בחשבון כעבור שנה‪ .‬מאחר ושיעור הריבית השנתי הוא‬
‫‪ %5‬בשנה הראשונה נקבל‬
‫‪0.05 · S(0) = 0.05 · 1000 = 50‬‬
‫ש"ח של ריבית‪ ,‬כלומר סכום הכסף בחשבון שלנו כעבור שנה יהיה‬
‫‪S(1) = S(0) + 0.05 · S(0) = 1000 + 50 = 1050‬‬
‫ש"ח‪ .‬כעבור שנתיים סכום הכסף בחשבון שלנו‬
‫‪S(2) = S(1) + 0.05 · S(1) = 1050 + 52.5 = 1102.5‬‬
‫‪..‬‬
‫‪.‬‬
‫נוכל לבצע את החישוב בצורה יותר יעילה‪:‬‬
‫)‪S(1) = (1 + 0.05)S(0‬‬
‫)‪S(2) = (1 + 0.05)S(1) = (1 + 0.05)(1 + 0.05) · S(0) = (1 + 0.05)2 · S(0‬‬
‫‪c‬‬
‫חגי כתריאל‪ ,‬המחלקה למתמטיקה‪ ,‬אורט בראודה‬
‫‪14‬‬
‫‪7‬‬
‫ריבית בבנק‬
‫)‪S(3) = (1 + 0.05)S(2) = (1 + 0.05)(1 + 0.05)2 · S(0) = (1 + 0.05)3 · S(0‬‬
‫‪..‬‬
‫‪.‬‬
‫כלומר‪ ,‬לכל ‪ n‬שלם‬
‫)‪S(n) = (1 + 0.05)n · S(0‬‬
‫ובפרט‬
‫‪10‬‬
‫‪S(10) = (1 + 0.05) · S(0) = 1628.89.‬‬
‫כלומר לאחר עשר שנים יהיו לנו ‪ 1628.89‬ש"ח‪.‬‬
‫החישוב שערכנו היה חישוב שנתי של הריבית‪ .‬מוסדות פיננסיים שונים מחשבים ריבית‬
‫בצורות שונות‪ .‬נניח עכשיו שבנק אחר מציע לנו תכנית חסכון עם ריבית בשיעור שנתי‬
‫של ‪ ,%5‬אבל בחישוב חודשי‪ .‬מאחר ובשנה יש ‪ 12‬חודשים‪ ,‬פירוש הדבר שנקבל ריבית‬
‫‪5‬‬
‫של‬
‫‪ % 12‬מדי חודש‪ .‬אנחנו ממשיכים למדוד את הזמן ‪ t‬בשנים‪ ,‬ולכן נקבל‪ :‬סכום הכסף‬
‫בחשבון אחרי חודש‪:‬‬
‫‬
‫ ‬
‫‪0.05‬‬
‫‪1‬‬
‫‪= 1+‬‬
‫)‪· S(0‬‬
‫‪S‬‬
‫‪12‬‬
‫‪12‬‬
‫אחרי חודשיים‪:‬‬
‫ ‬
‫ ‬
‫‪2‬‬
‫‪2‬‬
‫‪0.05‬‬
‫‪1‬‬
‫‪0.05‬‬
‫‪S‬‬
‫‪= 1+‬‬
‫‪S‬‬
‫‪= 1+‬‬
‫)‪· S(0‬‬
‫‪12‬‬
‫‪12‬‬
‫‪12‬‬
‫‪12‬‬
‫אחרי ‪ n‬חודשים‪:‬‬
‫‬
‫‪n‬‬
‫‪0.05‬‬
‫‪S‬‬
‫‪= 1+‬‬
‫)‪· S(0‬‬
‫‪12‬‬
‫‪12‬‬
‫‪n‬‬
‫ובפרט אחרי עשר שנים‬
‫‪120‬‬
‫‪· S(0) = 1647.01‬‬
‫‪0.05‬‬
‫‪1+‬‬
‫‪12‬‬
‫‬
‫‬
‫=‬
‫‪120‬‬
‫‪12‬‬
‫‬
‫‪S(10) = S‬‬
‫נבחין שסכום הכסף שיהיה ברשותנו כעבור עשר שנים אם הריבית מחושבת באופן‬
‫חודשי גבוה בכ־ ‪ 20‬ש"ח מאשר אם הריבית מחושבת בחישוב שנתי‪.‬‬
‫מה יקרה אם נקטין עוד יותר את מרווחי הזמן שבהם אנחנו מחשבים את הריבית?‬
‫נוכל לערוך חישוב בקפיצות זמן של יום‪ ,‬או של שעה‪ .‬על פי הנסיון עד כה ניראה‬
‫שנרוויח יותר ־ עד כמה?‬
‫‪c‬‬
‫חגי כתריאל‪ ,‬המחלקה למתמטיקה‪ ,‬אורט בראודה‬
‫‪15‬‬
‫‪7‬‬
‫ריבית בבנק‬
‫נוכל לערוך את החישוב באופן כללי‪ .‬נחלק כל שנה ל־ ‪ N‬יחידות זמן שאורך כל אחת‬
‫‪1‬‬
‫מהן ‪ ∆t = N1‬שנה ־ למשל חישוב חודשי מתאים ל־‬
‫‪ N = 12, ∆t = 12‬וחישוב יומי‬
‫‪1‬‬
‫‪ .N = 365, ∆t = 365‬אז‬
‫מתאים ל־‬
‫)‪S(∆t) = (1 + 0.05∆t) · S(0‬‬
‫)‪S(2∆t) = (1 + 0.05∆t)S(∆t) = (1 + 0.05∆t)2 · S(0‬‬
‫ובאופן כללי לאחר ‪ n‬יחידות זמן‬
‫‪S(n∆t) = (1 + 0.05∆t)n · S(0).‬‬
‫בפרט לאחר ‪ 10‬שנים‬
‫‪S(10) = S(10N · ∆t) = (1 + 0.05∆t)10N · S(0).‬‬
‫למשל אם מדובר בחישוב יומי אז‬
‫‪10·365‬‬
‫‪· S(0) = 1648.66,‬‬
‫‪1‬‬
‫· ‪1 + 0.05‬‬
‫‪365‬‬
‫‬
‫= )‪S(10‬‬
‫כלומר במעבר מחישוב חודשי לחישוב יומי הרווחנו רק כשקל וחצי‪.‬‬
‫מה יקרה אם נשאיף את מרווח הזמן ‪ ∆t‬ל־‪ ?0‬הגבול כאשר ‪ ∆t‬שואף ל־‪ 0‬נקרא חישוב‬
‫רציף של הריבית‪.‬‬
‫כדי לקבל את הערך הגבולי הזה נבצע את החישוב הבא‪ .‬ראשית‪ ,‬עבור כל זמן ‪ t‬וכל‬
‫‪ ∆t > 0‬נרשום‬
‫)‪S(t + ∆t) = S(t) + ∆t · 0.05 · S(t‬‬
‫נחסר )‪ S(t‬משני האגפים‪ ,‬ואחר־כך נחלק את שני האגפים ב־ ‪,∆t‬‬
‫)‪S(t + ∆t) − S(t‬‬
‫‪= 0.05 · S(t).‬‬
‫‪∆t‬‬
‫נשאיף את ‪ ∆t‬לאפס‪ ,‬ונקבל את המשוואה הדיפרנציאלית‬
‫‪S 0 (t) = 0.05 · S(t).‬‬
‫הפתרונות של המשוואה הדיפרנציאלית הזאת הם‬
‫‪S(t) = Ce0.05·t‬‬
‫‪c‬‬
‫חגי כתריאל‪ ,‬המחלקה למתמטיקה‪ ,‬אורט בראודה‬
‫‪16‬‬
‫‪7‬‬
‫ריבית בבנק‬
‫ובעזרת תנאי ההתחלה ‪ S(0) = 1000‬נקבל‬
‫‪1000 = S(0) = Ce0 = C ⇒ C = 1000 ⇒ S(t) = 1000 · e0.05·t .‬‬
‫בפרט לאחר עשר שנים‬
‫‪S(10) = 1000e0.5 = 1648.72.‬‬
‫נבחין שההבדל בין התוצאה בחישוב יומי לבין התוצאה בחישוב רציף הוא רק ‪6‬‬
‫אגורות‪.‬‬
‫נציין שכיום בנקים מבצעים את חישובי הריבית על חשבונות חסכון בחישוב יומי‪.‬‬
‫שאלה ‪ 7.1‬אם נפקיד סכום כסף בחשבון בנק עם ריבית בשיעןר ‪ %4‬לשנה בחישוב רציף‪,‬‬
‫תוך כמה זמן יוכפל סכום הכסף בחשבון שלנו?‬
‫שאלה ‪ 7.2‬מה עדיף‪ :‬חשבון חסכון שמעניק ריבית בשיעור שנתי של ‪ %8‬בחישוב רבעוני‬
‫)כל שלושה חודשים( או חשבון שמעניק ריבית שנתית של ‪ %7.95‬בחישוב רציף?‬
‫בעזרת משוואות דיפרנציאליות נוכל לתאר גם מצב מורכב יותר‪ ,‬שבו מפקידים או‬
‫מושכים כסף מהחשבון במהלך הזמן‪:‬‬
‫דוגמה ‪ 7.2‬נניח שזכינו במליון ש"ח בהגרלה ־ ונפקיד את הכסף בחשבון בנק המעניק‬
‫ריבית שנתית בשיעור ‪ .%6‬מדי חודש נמשוך ‪ 10, 000‬ש"ח מהחשבון לשימושנו האישי‪.‬‬
‫תוך כמה זמן ייגמר הכסף בחשבון הבנק שלנו?‬
‫נסמן את כמות הכסף באלפי ש"ח בחשבון הבנק לאחר ‪ t‬שנים ב־)‪ .S(t‬נבצע חישובים‬
‫בצעדי זמן של ‪ ,∆t‬כאשר בסופו של דבר נשאיף את ‪ ∆t‬לאפס‪ .‬יש כאן עיוות מסוים‬
‫של המציאות‪ ,‬כי גם אם חישוב הריבית מתבצע בצורה רציפה‪ ,‬משיכת הכסף ודאי לא‬
‫מתרחשת בצורה רציפה‪ ,‬אלא למשל בזמנים בהם אנו הולכים לכספומט‪ ,‬אולי פעם‬
‫בשבוע‪ .‬עם זאת‪ ,‬כפי שראינו בדוגמה הקודמת‪ ,‬החישוב הרציף נותן קירוב טוב לחישוב‬
‫בצעדי זמן שאינם גדולים מדי‪ ,‬ולכן חוסר הדיוק של החישוב הרציף שנעשה לא יוביל‬
‫להבדל גדול בתוצאה‪.‬‬
‫אם בזמן ‪ t‬היתה כמות הכסף בחשבון הבנק )‪ S(t‬אז בזמן ‪ t + ∆t‬תתווסף ריבית בסך‬
‫)‪ ∆t · 0.06 · S(t‬אבל תוחסר כמות הכסף שאנו מושכים מהחשבון בפרק זמן באורך ‪∆t‬‬
‫שנים‪ .‬מאחר ואנו מושכים ‪ 120‬אלפי ש"ח בשנה‪ ,‬בפרק זמן ‪ ∆t‬אנו מושכים ‪120 · ∆t‬‬
‫‪1‬‬
‫אלפי ש"ח‪ .‬לדוגמה‪ :‬אם מדובר בפרק זמן של שבוע אז‬
‫‪ ∆t = 52‬ולכן בפרק זמן זה‬
‫‪1‬‬
‫‪ 120 · ∆t = 120 · 52‬אלפי ש"ח‪ ,‬כלומר ‪ 2307.69‬ש"ח‪.‬‬
‫אנחנו מושכים ‪= 2.30769‬‬
‫‪c‬‬
‫חגי כתריאל‪ ,‬המחלקה למתמטיקה‪ ,‬אורט בראודה‬
‫‪17‬‬
‫‪7‬‬
‫ריבית בבנק‬
‫לכן נקבל‪:‬‬
‫‪S(t + ∆t) = S(t) + ∆t · 0.06 · S(t) − 120∆t.‬‬
‫נחסר )‪ S(t‬משני האגפים‪ ,‬נחלק ב־ ‪ ,∆t‬ונשאיף את ‪ ∆t‬ל־ ‪ ,0‬ונקבל את המשוואה‬
‫הדיפרנציאלית‬
‫‪0‬‬
‫‪S (t) = 0.06 · S(t) − 120.‬‬
‫את המשוואה הדיפרנציאלית הזו נפתור בפרק הבא‪.‬‬
‫שאלה ‪ 7.3‬חוו דעתכם בנוגע למחלוקת שמתוארת בקטעי העיתונות הבאים‬
‫מתוך הכתבה "נוסחת חישוב ריבית המשכנתא שלנו מגיעה לבית המשפט"‪ ,‬מאת דרור מרמור‪ ,‬גלובס‪,‬‬
‫‪,6.1.15‬‬
‫‪http://www.globes.co.il/news/article.aspx?did=1000998054‬‬
‫"הדרך שבה נוהגים הבנקים אינה נכונה מבחינה מתמטית‪ ,‬אינה נכונה מבחינה כלכלית ואינה עולה‬
‫בקנה אחד עם הוראות החוק‪ .‬כתוצאה מכך גובים הבנקים מהלווים ריבית גבוהה מן המותר לפי‬
‫הסכמי ההלוואה"‪ .‬את הפצצה הזו הטיל לאחרונה פרופ' ירון זליכה‪ ,‬לשעבר החשב הכללי של המדינה‪,‬‬
‫בחוות־דעת שנמסרה לבית משפט בבקשה לאשר תביעה ייצוגית נגד הבנקים על גביית יתר בהלוואות‬
‫משכנתא‪.‬‬
‫‪...‬‬
‫בבסיס הטענה עומדת העובדה שבהסכמי ההלוואה נקבעה במפורש ריבית חוזית )נקראת גם ריבית‬
‫תעריפית או ריבית נומינלית(־ שנתית ולא חודשית‪ .‬כך לדוגמה‪ ,‬המשמעות של ריבית חוזית שנתית‬
‫בשיעור של ‪ %6‬על הלוואה של ‪ 100‬אלף שקל‪ ,‬היא כי הלוואה שתיפרע בתשלום אחד בתום שנה תישא‬
‫ריבית בסך ‪ 6, 000‬שקל‪.‬‬
‫מוקד הוויכוח הוא בחישוב החודשי‪ .‬לטענת הבנקים‪ ,‬ריבית שנתית של ‪ %6‬שווה לריבית חודשית של‬
‫‪ %0.5‬בחישוב פשוט של ‪ 6‬חלקי ‪ 12‬חודשים‪" .‬זו טעות והטעיה גם יחד"‪ ,‬כותב זליכה‪" .‬ריבית שנתית‬
‫וריבית חודשית הן שני דברים שונים בתכלית‪ ,‬אשר ההבדל ביניהן יסתכם בגובה תשלום סכום הריבית‬
‫שיתבקש הלקוח לשלם‪ .‬לכן‪ ,‬לא ניתן לקבוע בהסכם ריבית שנתית ולדרוש ריבית חודשית בשיעור השווה‬
‫‪1‬‬
‫‪ 12‬מהריבית השנתית"‪ .‬על־פי החישוב של זליכה‪ ,‬בהינתן הדוגמה שהבאנו פה‪ ,‬ריבית שנתית חוזית‬
‫ל־‬
‫של ‪ %6‬שווה לריבית חודשית בשיעור ‪" %0.487‬בעוד שהיתרה העודפת מגלמת בפועל חיוב בריבית‬
‫דריבית"‪.‬‬
‫מתוך הכתבה "נדחתה בקשה לייצוגית נגד בנקים‪ :‬לא הוכח חישוב ריבית שגוי על הלוואות לדיור"‪ ,‬מאת‬
‫עו"ד לילך דניאל‪ ,‬תקדין‪,25.8.15 ,‬‬
‫‪http://www.takdin.co.il/Pages/article.aspx?artId=5084389‬‬
‫בית המשפט המחוזי דחה בקשה לאישור תביעה ייצוגית נגד הבנקים מזרחי טפחות‪ ,‬לאומי למשכנתאות‬
‫והפועלים‪ ,‬בטענה לטעות בחישוב הריבית על הלוואות הדיור שהם גובים‪ .‬השופטת אסתר שטמר קבעה‬
‫כי תכנית שאפתנית להביא לתיקון באופן חישוב הריבית בכלל המוסדות הפיננסים צריכה להבהיר כי‬
‫הפרקטיקה הנוהגת היא שגויה‪ ,‬אולם המבקשים לא עמדו בנטל זה והחישוב כדרך הבנקים עולה בקנה‬
‫אחד עם החוק ועם עמדת הרגולטור‪.‬‬
‫‪...‬‬
‫‪c‬‬
‫חגי כתריאל‪ ,‬המחלקה למתמטיקה‪ ,‬אורט בראודה‬
‫‪18‬‬
‫‪8‬‬
‫תרופה בגוף‬
‫לדעת השופטת‪ ,‬המחלוקת בין הצדדים נובעת מהבדלי מינוח‪ ,‬אך כיוון שהמבקשים לא הוכיחו כי המינוח‬
‫שנקטו בו הוא המינוח הנכון והראוי‪ ,‬ואילו המשיבים נסמכו על הוראות החוק והרגולטור‪ ,‬המינוח הנכון‬
‫הוא כדברי הרגולטור ואין מקום למסקנה הנובעת מהצבת מינוח אחר בנוסחת הריבית‪.‬‬
‫‪8‬‬
‫תרופה בגוף‬
‫נדון במודל מתמטי מתחום הרפואה ־ נתאר את תהליך ההתפרקות של תרופה בגוף‪.‬‬
‫כאשר לוקחים תרופה היא נכנסת למערכת הדם ומתפזרת בו‪ ,‬וכך מגיעה לתאים‬
‫שעליהם היא פועלת‪ .‬אבל אם דוגמים דם מאדם שלקח תרופה מגלים שככל שעובר זמן‪,‬‬
‫ריכוז התרופה בדם הולך ויורד‪ .‬הכבד והכליות שלנו מפרקים את התרופה ומסלקים‬
‫אותה דרך השתן‪ .‬על מנת לתכנן טיפול תרופתי יעיל‪ ,‬חשוב לדעת כיצד יורדת כמות‬
‫התרופה בדם במהלך הזמן‪.‬‬
‫קצב הסילוק של תרופה מהדם אינו קבוע‪ :‬לגבי רוב התרופות‪ ,‬קצב הסילוק פרופרציונאלי‬
‫לכמות התרופה הנוכחית בדם‬
‫קצב סילוק התרופה = ‪ · k‬כמות התרופה הנוכחית‬
‫זאת אומרת שבההתחלה‪ ,‬כאשר יש כמות גדולה של תרופה בגוף‪ ,‬כמות התרופה‬
‫המסולקת ליחידת זמן היא גבוהה‪ ,‬ומאוחר יותר‪ ,‬כאשר כמות התרופה כבר קטנה‬
‫יותר‪ ,‬גם כמות התרופה המסולקת ליחידת זמן תהיה נמוכה‪ .‬הקבוע ‪ k‬נקרא שיעור‬
‫הסילוק של התרופה‪ ,‬והוא שונה מתרופה לתרופה‪.‬‬
‫נבנה משוואה דיפרנציאלית מתאימה‪ .‬נסמן ב־ )‪ x(t‬את כמות התרופה בדם‪ ,‬למשל‬
‫במיליגרם )אלפיות גרם( בזמן ‪ t‬בשעות‪ .‬נגדיר את זמן ‪ t = 0‬בתור הזמן שבו לקחנו‬
‫את התרופה‪ .‬אם לקחנו מינון ‪ d‬מיליגרם של התרופה‪ ,‬אז כמות התרופה בדם בהתחלה‬
‫היא‬
‫)‪(8.1‬‬
‫‪x(0) = d.‬‬
‫קצב הסילוק של התרופה מהגוף בזמן ‪ t‬הוא )‪ k ·x(t‬מיליגרם לשעה‪ ,‬ולכן כמות התרופה‬
‫המסולקת מהגוף בין זמן ‪ t‬לזמן ‪ t + ∆t‬־ כאשר אנו מניחים ש־ ‪ ∆t‬הוא משך זמן‬
‫קצר ־ הוא ‪ k · x(t) · ∆t‬מיליגרם‪ .‬לכן כמות התרופה בגוף בזמן ‪ t + ∆t‬תהיה‪:‬‬
‫‪x(t + ∆t) = x(t) − k · x(t) · ∆t.‬‬
‫נחסר )‪ x(t‬משני האגפים‪ ,‬ונחלק את שני האגפים ב־ ‪ ,∆t‬ונקבל‬
‫)‪x(t + ∆t) − x(t‬‬
‫‪= −k · x(t).‬‬
‫‪∆t‬‬
‫‪c‬‬
‫חגי כתריאל‪ ,‬המחלקה למתמטיקה‪ ,‬אורט בראודה‬
‫‪19‬‬
‫‪9‬‬
‫תופעות שונות ־ אותה משוואה דיפרנציאלית‬
‫נשאיף את ‪ ∆t‬ל־‪ 0‬ונקבל את המשוואה הדיפרנציאלית‪:‬‬
‫‪x0 (t) = −kx(t).‬‬
‫)‪(8.2‬‬
‫נפתור את המשוואה הדיפרנציאלית )‪ , (8.2‬עם תנאי ההתחלה )‪ ,(8.1‬ונקבל‬
‫‪x(t) = de−kt .‬‬
‫ניתן לראות שככל שהקבוע ‪ k‬גדול יותר‪ ,‬כמות התרופה בגוף דועכת מהר יותר‪ .‬הקבוע‬
‫‪ k‬שונה מתרופה לתרופה‪ :‬יש תרופות שמסולקות כמעט לגמרי מהגוף תוך שעות ספורות‪,‬‬
‫ויש תרופות שנשארות בגוף ימים רבים‪ .‬בספרות הרפואית בדרך כלל נותנים את זמן‬
‫מחצית החיים של התרופה בגוף‪ ,‬במקום את הקבוע ‪.k‬‬
‫שאלה ‪ 8.1‬א‪ .‬זמן מחצית החיים של תרופה הוא הזמן שבו כמות התרופה יורדת בחצי‪.‬‬
‫מצאו ביטוי לזמן מחצית החיים של תרופה באמצעות הקבוע ‪.k‬‬
‫ב‪ .‬זמן מחצית החיים של פרצטמול )אקמול( הוא כשעתיים‪ .‬מצאו את הקבוע ‪ k‬לפרצטמול‪.‬‬
‫ג‪ .‬אדם לקח גלולה של ‪ 500‬מיליגרם פרצטמול להורדת חום‪ .‬כמה מיליגרם פרצטמול יהיו‬
‫בגופו כעבור ‪ 5‬שעות? כעבור כמה זמן תרד כמות הפרצטמול בגופו ל־ ‪ 50‬מ"ג?‬
‫‪9‬‬
‫תופעות שונות ־ אותה משוואה דיפרנציאלית‬
‫עסקנו בשלושה יישומים של משוואות דיפרנציאליות‪ ,‬בשלושה תחומים שונים‪ :‬גידול‬
‫אוכלוסיה‪ ,‬חסכונות בבנק‪ ,‬והתנהגות תרופות בגוף‪ .‬בכל המקרים המשוואה הדיפרנציאלית‬
‫שהתקבלה היתה בעצם אותה המשוואה הדיפרנציאלית‬
‫‪y 0 (t) = ry(t).‬‬
‫)‪(9.1‬‬
‫ראינו שכאשר ‪ r > 0‬מקבלים גידול אקספוננציאלי‪ ,‬וכאשר ‪ r < 0‬מקבלים דעיכה‬
‫אקספוננציאלית )מה קורה כאשר ‪(?r = 0‬‬
‫למעשה יש עוד תופעות רבות שאפשר לתאר בעזרת המשוואה הדיפרנציאלית )‪:(9.1‬‬
‫צמיחה כלכלית )גידול התל"ג(‪ ,‬התפשטות של שמועות‪ ,‬תהליכי ביקוע בכור גרעיני‬
‫מתוארים על ידי )‪ (9.1‬עם ‪ .r > 0‬התפרקות של חומר רדיואקטיבי‪ ,‬פריקה של קבל‬
‫במעגל חשמלי‪ ,‬והירידה בכמות המזהמים באגם לאחר שמפסיקים לזהם אותו‪ ,‬מתוארים‬
‫על ידי )‪ (9.1‬עם ‪.r < 0‬‬
‫‪c‬‬
‫חגי כתריאל‪ ,‬המחלקה למתמטיקה‪ ,‬אורט בראודה‬
‫‪20‬‬
‫‪9‬‬
‫תופעות שונות ־ אותה משוואה דיפרנציאלית‬
‫המשוואה )‪ (9.1‬אינה מקרה ייחודי ־ יש דוגמאות רבות בהן אותה משוואה דיפרנציאלית‬
‫מתארת תופעות מגוונות מתחומים שונים‪ .‬תוצאות כאלו הן מעניינות ושימושית ביותר‪,‬‬
‫מאחר והעובדה שאותה משוואה דיפרנציאלית מתארת תופעות שונות מצביעה על דמיון‬
‫עמוק בין תופעות שעל פניהן אינן קשורות‪ ,‬ומאפשרת לנו להשתמש באותם ניתוחים‬
‫מתמטיים כדי לחקור אותן‪ ,‬וגם להיעזר באינטואיציות שיש לנו לגבי תופעה אחת כדי‬
‫להבין תופעה אחרת‪.‬‬
‫שאלה ‪ 9.1‬אטומים רדיואקטיביים הם חומרים בלתי־יציבים שמתפרקים באופן ספונטני‪.‬‬
‫לכל אטום רדיואקטיבי יש סיכוי מסוים להתפרק בכל רגע‪ ,‬ולכן במסה המורכבת מאטומים‬
‫רדיואקטיביים מספר האטומים שיתפרקו כל שניה פרופורציונאלי למספר האטומים הנוכחי‪.‬‬
‫בכתיבה מתמטית‪ ,‬אם נסמן ב־ )‪ y(t‬את המסה של דגימה של חומר רדיואקטיבי בזמן ‪,t‬‬
‫המסה הזו תלך ותקטן על־פי המשוואה הדיפרנציאלית‬
‫‪y 0 = −ry,‬‬
‫כאשר ‪ r‬קבוע השונה עבור חומרים רדיואקטיביים שונים‪ .‬זמן מחצית החיים של חומר‬
‫רדיואטיבי הוא הזמן שבו יורדת הכמות שלו במחצית‪.‬‬
‫פחמן־ ‪ 14‬הוא חומר רדיואקטיבי )הגרעין של אטום של חומר זה מכיל ‪ 6‬פרוטונים ו־‪8‬‬
‫ניוטרונים‪ ,‬בעוד שגרעין של אטום פחמן רגיל מכיל ‪ 6‬פרוטונים ו־‪ 6‬ניוטרונים(‪ .‬הוא מתפרק‬
‫והופך לחנקן תוך פליטת אלקטרון‪ ,‬כאשר זמן מחצית החיים שלו היא ‪ 5730‬שנה‪.‬‬
‫פחמן־ ‪ 14‬נוצר באטמוספירה כל הזמן כתוצאה מפגיעה של קרינה קוסמית באטומי פחמן־‬
‫‪ .12‬לכן אחד מכל ‪ 1012‬מאטומי הפחמן שנמצאים באטמוספירה )בצורת פחמן דו־חמצני(‬
‫הוא אטום של פחמן־ ‪ .14‬צמחים קולטים פחמן דו־חמצני מהאטמוספירה ומשם הוא עובר‬
‫לחיות שאוכלות את הצמחים‪ ,‬כולל לבני אדם‪ .‬לכן גם ‪ 1‬מכל ‪ 1012‬אטומי פחמן בצמחים‬
‫ובחיות הוא פחמן־ ‪) 14‬מספר אטומי הפחמן בגוף של אדם הוא כ־ ‪ .(1027‬כאשר הצמח‬
‫או האדם מתים ומפסיקים לקלוט פחמן מהסביבה‪ ,‬כמות הפחמן־ ‪ 14‬שבגופם )למשל‬
‫בעצמותיהם( הולכת ודועכת בגלל ההתפרקות הרדיואקטיבית‪ .‬לכן על ידי מדידת כמות‬
‫הפחמן־ ‪ 14‬בדגימה‪ ,‬אפשר לקבוע מתי חי הייצור שממנו נלקחה הדגימה‪ .‬שיטת תיארוך‬
‫זו הומצאה ב־ ‪ 1949‬על־ידי ויליארד ליבי‪ ,‬וזיכתה אותו בפרס נובל לכימיה‪.‬‬
‫בשנים ‪ 1947 − 1956‬התגלו במערות במדבר יהודה מגילות עתיקות הנקראות מגילות ים‬
‫המלח ־ אחד הממצאים הארכיאולוגיים החשובים ביותר‪ .‬בדיקה של הקלף )עור של חיה(‬
‫ממנו עשויות המגילות גילתה שהריכוז של פחמן־ ‪ 14‬בחומר הוא ‪ %79.1‬מריכוזו ברקמה‬
‫חיה‪.‬‬
‫א‪ .‬העריכו את גילן של מגילות ים המלח‪.‬‬
‫ב‪ .‬בדקו באינטרנט מתי נכתבו מגילות ים המלח‪ ,‬והשוו עם ההערכה שלכם‪.‬‬
‫‪c‬‬
‫חגי כתריאל‪ ,‬המחלקה למתמטיקה‪ ,‬אורט בראודה‬
‫‪21‬‬
‫‪10‬‬
‫נספח‪ :‬הפונקציה ‪ex‬‬
‫שאלה ‪ 9.2‬אחד החומרים הרדיואקטיביים הנוצרים בהתפוצצות של פצצה אטומית הוא‬
‫סטרונציום־ ‪ ,90‬שזמן מחצית החיים שלו הוא ‪ 28‬שנה‪ .‬חומר זה מצטבר בעצמות של בני־‬
‫אדם הנחשפים אליו‪ ,‬וגורם לסוגי סרטן שונים‪ .‬אם אתר שבו נערך ניסוי בפצצה גרעינית‬
‫זוהם על־ידי סטרונציום־ ‪ ,90‬כמה זמן יעבור עד שכמות הזיהום תרד עד ל־ ‪ %10‬מהכמות‬
‫ההתחלתית?‬
‫‪10‬‬
‫נספח‪ :‬הפונקציה ‪ex‬‬
‫כולנו יודעים שהפונקציה ‪ f (x) = ex‬היא פונקציה המקיימת את המשוואה דיפרנציאלית‬
‫)‪f 0 (x) = f (x‬‬
‫וזו בעצם הסיבה שהפונקציה הזו חשובה כל כך‪.‬‬
‫הפונקציה הזאת‪ ,‬והמספר ‪ ,e‬התגלו על ידי המתמטיקאי המפורסם לאונרד אוילר‬
‫)‪.(1707-1783‬‬
‫נסביר כאן כיצד ניתן לגלות ולהוכיח את העובדה המתמטית החשובה הזאת‪ .‬ההצגה‬
‫כאן מסתמכת על המאמר‬
‫‪P.M. Anselone, J.W. Lee, Differentiability of exponential functions, College‬‬
‫‪Mathematics Journal 36 (2005), 388-392.‬‬
‫נתחיל מהפונקציה‬
‫‪x‬‬
‫‪g(x) = a‬‬
‫כאשר ‪ a‬קבוע חיובי כלשהו‪ .‬ננסה לחשב את הנגזרת של ‪ g‬על פי הגדרת הנגזרת‪.‬‬
‫‪ax+h − ax‬‬
‫)‪g(x + h) − g(x‬‬
‫‪= lim‬‬
‫‪g (x) = lim‬‬
‫‪h→0‬‬
‫‪h→0‬‬
‫‪h‬‬
‫‪h‬‬
‫‪0‬‬
‫‪ah − 1‬‬
‫‪.‬‬
‫‪h→0‬‬
‫‪h‬‬
‫כלומר אם נגדיר לכל ‪ a > 0‬את הערך‬
‫‪= ax lim‬‬
‫‪ah − 1‬‬
‫‪h→0‬‬
‫‪h‬‬
‫‪Ca = lim‬‬
‫)‪(10.1‬‬
‫אז קיבלנו שמתקיים‬
‫‪0‬‬
‫‪g (x) = Ca g(x).‬‬
‫‪c‬‬
‫חגי כתריאל‪ ,‬המחלקה למתמטיקה‪ ,‬אורט בראודה‬
‫‪22‬‬
‫‪10‬‬
‫נספח‪ :‬הפונקציה ‪ex‬‬
‫זאת אומרת שלכל ‪ a > 0‬לפונקציה ‪ g‬יש את התכונה שהנגזרת שלה היא קבוע מסוים‬
‫כפול הפונקציה המקורית‪ .‬ערך הקבוע ניתן על־ידי הגבול )‪.(10.1‬‬
‫נעיר כאן שיש צורך להוכיח שהגבול הנ"ל בכלל קיים‪ .‬אפשר לעשות זאת ללא קושי‬
‫רב‪ ,‬נפנה למאמר שצוטט למעלה לפרטים‪.‬‬
‫עכשיו מגיעה טענת המפתח‪:‬‬
‫משפט ‪ 10.1‬קיים ערך יחיד של ‪ ,a‬אשר נסמן אותו ב־‪ e‬אשר עבורו מתקיים‬
‫‪Ca = 1‬‬
‫כלומר הפונקציה ‪ f (x) = ex‬מקיימת‪.f 0 (x) = f (x) :‬‬
‫הוכחה‪ :‬נניח ‪ a > 0‬מספר כלשהו‪ .‬נסמן )‪ ,c = log2 (a‬כלומר ‪ c‬הוא המספר שעבורו‬
‫‪ .2c = a‬נחשב‬
‫‪ch‬‬
‫‪h‬‬
‫‪2 −1‬‬
‫‪a −1‬‬
‫‪= lim‬‬
‫‪Ca = lim‬‬
‫‪h→0‬‬
‫‪h→0‬‬
‫‪h‬‬
‫‪h‬‬
‫‪0‬‬
‫‪2ch − 1‬‬
‫‪2h − 1‬‬
‫‪= c lim‬‬
‫‪= cC2 = log2 (a)C2 .‬‬
‫‪h→0‬‬
‫‪h0 →0‬‬
‫‪ch‬‬
‫‪h0‬‬
‫כלומר הוכחנו את הזהות‪:‬‬
‫‪Ca = log2 (a)C2‬‬
‫‪= c lim‬‬
‫לכן כדי למצוא ‪ a‬כך ש־‪ Ca = 1‬צריך ש־ ‪ , log2 (a)C2 = 1‬כלומר ‪log2 (a) = C12‬‬
‫‪1‬‬
‫כלומר ‪ a = 2 C2‬לכן הראינו שאם נגדיר‪:‬‬
‫‪1‬‬
‫‪e = 2 C2‬‬
‫אז נקבל‬
‫‪Ce = 1‬‬
‫♦‬
‫וזה מה שרצינו‪.‬‬
‫מהו הערך המספרי של ‪ ?e‬כדי להעריך אותו צריך להעריך את‬
‫‪2h − 1‬‬
‫‪h→0‬‬
‫‪h‬‬
‫‪C2 = lim‬‬
‫כדי לקבל קירוב‪ ,‬ניקח ‪ h = 0.001‬ונקבל‬
‫‪2h − 1‬‬
‫‪= 0.6933870000‬‬
‫‪h‬‬
‫‪c‬‬
‫חגי כתריאל‪ ,‬המחלקה למתמטיקה‪ ,‬אורט בראודה‬
‫≈ ‪C2‬‬
‫‪23‬‬
‫נספח‪ :‬הפונקציה ‪ex‬‬
‫‪10‬‬
‫לכן קירוב ל־‪ e‬יינתן על־ידי‪:‬‬
‫‪1‬‬
‫‪e = 2 C2 ≈ 2.717341828‬‬
‫אם ניקח ‪ h = 0.0001‬נקבל קירוב מדויק יותר‬
‫‪e = 2.718281828‬‬
‫קירוב זה מדויק עד ‪ 3‬ספרות אחרי הנקודה‪ .‬ככל שנקטין את ‪ ,h‬נקבל קירוב מדויק‬
‫יותר ל־‪.e‬‬
‫יש גם דרכים אחרות לחשב את המספר ‪ .e‬נציג עוד דרך‪ ,‬מאחר והיא מתקשרת למושג‬
‫חשוב שיופיע בהמשך הקורס ־ פיתוח של הפונקציה ‪ f (x) = ex‬לטור חזקות‪ .‬אנו‬
‫מניחים כאן שהמושג של טור חזקות מוכר‪.‬‬
‫משפט ‪ 10.2‬לכל ‪ x‬ממשי מתקיים‬
‫∞‬
‫‪X‬‬
‫‪1‬‬
‫‪1‬‬
‫‪1‬‬
‫· ‪xn = 1 + 1 · x + x2 + x3 +‬‬
‫!‪n‬‬
‫‪2‬‬
‫‪6‬‬
‫‪n=0‬‬
‫‪x‬‬
‫= ‪e‬‬
‫זהו הפיתוח של הפונקציה ‪ ex‬לטור חזקות‪ .‬לפני שנוכיח את התוצאה הזו‪ ,‬נבחין שהיא‬
‫נותנת לנו‪ ,‬בפרט‪ ,‬דרך נוספת לבטא את המספר ‪ .e‬אם נציב ‪ x = 1‬בפיתוח‪ ,‬נקבל‬
‫‪.‬‬
‫∞‬
‫‪X‬‬
‫‪1‬‬
‫!‪n‬‬
‫=‪e‬‬
‫‪n=0‬‬
‫לכן כדי לקבל קירוב ל־‪ e‬נוכל פשוט לחשב סכומים חלקיים של הטור הזה‪ .‬למשל‬
‫‪xn = 2.718281801,‬‬
‫‪10‬‬
‫‪X‬‬
‫‪1‬‬
‫!‪n‬‬
‫≈‪e‬‬
‫‪n=0‬‬
‫דיוק של ‪ 6‬ספרות אחרי הנקודה‪.‬‬
‫נוכיח עכשיו את משפט ‪ .10.2‬ההוכחה שניתן מעניינת כי היא משתמשת במשוואה‬
‫דיפרנציאלית‪ .‬נגדיר‬
‫∞‬
‫‪X‬‬
‫‪1 n‬‬
‫= )‪g(x‬‬
‫‪x .‬‬
‫!‪n‬‬
‫‪n=0‬‬
‫‪c‬‬
‫חגי כתריאל‪ ,‬המחלקה למתמטיקה‪ ,‬אורט בראודה‬
‫‪24‬‬
‫‪10‬‬
‫נספח‪ :‬הפונקציה ‪ex‬‬
‫בעזרת מבחני התכנסות אפשר להראות שהטור מתכנס לכל ‪ x‬ממשי ולכן הוא מגדיר‬
‫פונקציה‪ .‬אנחנו רוצים להוכיח ש־ ‪ .g(x) = ex‬כדי להראות זאת נוכיח קודם כל ש־‬
‫)‪g 0 (x) = g(x‬‬
‫אכן‪ ,‬על ידי גזירה איבר איבר של הטור המגדיר את )‪ g(x‬נקבל‬
‫∞‬
‫‪X‬‬
‫∞‬
‫‪X‬‬
‫‪1‬‬
‫‪1 n‬‬
‫‪n−1‬‬
‫=‬
‫‪x‬‬
‫=‬
‫‪x = g(x).‬‬
‫!)‪(n − 1‬‬
‫!‪n‬‬
‫‪n=1‬‬
‫‪n=0‬‬
‫‪n−1‬‬
‫‪nx‬‬
‫∞‬
‫‪X‬‬
‫‪1‬‬
‫!‪n‬‬
‫‪0‬‬
‫= )‪g (x‬‬
‫‪n=1‬‬
‫כמו־כן‪ ,‬רואים באופן מיידי ש‪:‬‬
‫‪g(0) = 1 + 0 + 0 + · · · = 1.‬‬
‫נראה שמשתי העובדות הללו נובע ש־ ‪.g(x) = ex‬‬
‫טענה ‪ 10.1‬אם )‪ g(x‬פונקציה המוגדרת על כל הישר ומקיימת‬
‫‪g(0) = 1‬‬
‫‪g 0 (x) = g(x),‬‬
‫אז‬
‫‪g(x) = ex .‬‬
‫נקבל את ההוכחה של הטענה הזו מהתוצאה החשובה הבאה‪ ,‬שמראה ש ‪f (x) = Cex‬‬
‫הם אוסף כל הפתרונות של המשוואה הדיפרנציאלית )‪.f 0 (x) = f (x‬‬
‫משפט ‪ 10.3‬אם )‪ f (x‬פונקציה המוגדרת על כל הישר ומקיימת את המשוואה הדיפרנציאלית‬
‫‪f 0 (x) = f (x),‬‬
‫)‪(10.2‬‬
‫אז קיים קבוע ‪ C‬כך ש‪:‬‬
‫‪f (x) = Cex .‬‬
‫הוכחה‪ :‬נניח ש־ ‪ f‬מקיימת את )‪ ,(10.2‬ונגדיר פונקציה חדשה‬
‫‪h(x) = e−x f (x).‬‬
‫‪c‬‬
‫חגי כתריאל‪ ,‬המחלקה למתמטיקה‪ ,‬אורט בראודה‬
‫‪25‬‬
‫‪10‬‬
‫נספח‪ :‬הפונקציה ‪ex‬‬
‫אז‬
‫‪h0 (x) = −e−x f (x) + e−x gf 0 (x) = −e−x f (x) + e−x f (x) = 0‬‬
‫ולכן )‪ h(x‬היא פונקציה קבועה‪ ,‬כלומר קיים קבוע ‪ C‬כך ש ‪ h(x) = C‬לכל ‪ x‬כלומר‬
‫‪e−x f (x) = C ⇒ f (x) = Cex‬‬
‫וסיימנו את ההוכחה‪.‬‬
‫♦‬
‫טענה ‪ 10.1‬נובעת מיידית ממשפט ‪ ,10.3‬כי מההנחה ש־ ‪ g‬מקיימת )‪ g 0 (x) = g(x‬נובע‪,‬‬
‫על פי משפט ‪ ,10.3‬ש־ ‪ ,g(x) = Cex‬ומההנחה ש ‪ g(0) = 1‬נובע ש‬
‫‪1 = g(0) = Ce0 = C ⇒ C = 1 ⇒ g(x) = ex .‬‬
‫‪c‬‬
‫חגי כתריאל‪ ,‬המחלקה למתמטיקה‪ ,‬אורט בראודה‬
‫‪26‬‬
Download