Samenvattingen · NatuurkundeNL · HAVO

Onderzoek en ontwerp: experiment, meetonzekerheid en modelstudie

Dit onderwerp bundelt de onderzoeks- en ontwerpvaardigheden van de natuurkunde: je leert een onderzoek opzetten (onderzoeksvraag, hypothese en variabelen), zorgvuldig meten en omgaan met meetonzekerheid en significante cijfers, meetresultaten in grafieken en verbanden verwerken, en met een numeriek model en de ontwerpcyclus een probleem aanpakken. Deze vaardigheden zijn kernexamenstof: het redeneren over meetonzekerheid, grafieken en significante cijfers komt terug op het centraal examen, terwijl het praktische onderzoek zelf — practicum, praktische opdracht en profielwerkstuk — vooral in het schoolexamen wordt getoetst.

4Onderdelenca. 26min leestijd4VaardighedenNiveauBasis 1 · Standaard 3

T·151515 / 15

Examenprofiel

Een natuurkundig onderzoek opzetten: een onderzoeksvraag en een toetsbare hypothese formuleren en de onafhankelijke, de afhankelijke en de constant gehouden variabelen benoemen.Omgaan met meetonzekerheid: herhaald meten en het gemiddelde nemen, toevallige en systematische fouten onderscheiden en het resultaat met een verantwoord aantal significante cijfers noteren.Meetresultaten verwerken in een grafiek met een best passende lijn, de helling met eenheid als grootheid aflezen en een recht-evenredig verband toetsen of lineariseren.Een numeriek rekenmodel in tijdstappen Δt opstellen en valideren, en een technisch probleem aanpakken met de ontwerpcyclus.

Operatoren:berekenmeettekenleg uitverklaarberedeneerinterpreteerbepaal

basisniveau

Zet een eenvoudig onderzoek correct op (variabelen benoemen), bereken een gemiddelde met de juiste significante cijfers en lees een helling met eenheid uit een grafiek af.

verhoogd niveau

Beredeneer de meetonzekerheid, lineariseer een niet-lineair verband en reken en valideer een numeriek model in tijdstappen Δt.

Diepte

Schrift

Inhalt · 4 onderdelen

Onderzoek en ontwerp: experiment, meetonzekerheid en modelstudie

De onderzoekscyclus#

Basisexamenblad-nl

De onderzoekscyclus

Afb. 1De onderzoekscyclus: van een onderzoeksvraag via een hypothese, meten en verwerken naar een conclusie, die vaak weer een nieuwe, scherpere vraag oproept — zodat de cyclus zich sluit.

Natuurkunde is niet alleen een verzameling formules, maar vooral een manier van onderzoeken: je stelt een vraag over de natuur en zoekt er met metingen een onderbouwd antwoord op. Elk natuurkundig onderzoek volgt daarbij dezelfde vaste keten van stappen, de onderzoekscyclus. Je begint met een scherpe onderzoeksvraag, bedenkt een hypothese (een verwachting), voert metingen uit, verwerkt de meetgegevens en trekt een conclusie die de vraag beantwoordt. In de figuur zie je deze cyclus als een lus: de conclusie leidt vaak weer tot een nieuwe, scherpere vraag, zodat het onderzoek zich verdiept. Wie deze structuur kent, kan elk practicum en elke onderzoeksopdracht ordelijk aanpakken in plaats van maar wat te meten.

De eerste stap is een goede onderzoeksvraag: een concrete, meetbare vraag over hoe de ene grootheid van een andere afhangt, bijvoorbeeld „hoe hangt de slingertijd van een slinger af van zijn lengte?”. Een bruikbare vraag is niet te breed en laat zich met een meting beantwoorden. Daarna formuleer je een hypothese: een toetsbare verwachting van de uitkomst, met een reden erbij. Een hypothese is méér dan een gok — ze is een uitspraak die de meting kan bevestigen óf weerleggen, zoals „ik verwacht dat een langere slinger een grótere slingertijd heeft, omdat het gewicht een langere baan aflegt”. Juist doordat een hypothese fout kán blijken, maakt ze het onderzoek eerlijk: je kunt haar aan de werkelijkheid toetsen en op grond van je metingen aannemen of verwerpen.

Om een verband zuiver te onderzoeken, moet je de variabelen scheiden. De onafhankelijke variabele is de grootheid die je zélf instelt en stap voor stap verandert — in het slingervoorbeeld de lengte van de slinger. De afhankelijke variabele is de grootheid die je daarbij meet en die van de eerste afhangt — hier de slingertijd. Alle andere grootheden die de uitkomst zouden kunnen beïnvloeden, houd je bewust gelijk: de constant gehouden variabelen, zoals de massa van het slingergewicht en de uitwijking waarmee je loslaat. Dit heet een eerlijke proefopzet: verander je meer dan één ding tegelijk, dan weet je achteraf niet welke oorzaak het gemeten effect heeft veroorzaakt. Alleen door telkens één variabele te variëren en de rest vast te houden, meet je echt het gezochte verband.

Met de variabelen vastgelegd ontwerp je de meetopzet: welke instrumenten je gebruikt, welke waarden van de onafhankelijke variabele je kiest, hoe vaak je meet en hoe je alles noteert. Een goede opzet meet over een ruim bereik en met meerdere, netjes verdeelde meetpunten, zodat een verband duidelijk zichtbaar wordt. Bij het uitvoeren meet je zorgvuldig en herhaal je elke meting een paar keer, want geen enkele meting is precies gelijk aan de vorige. Cruciaal is de herhaalbaarheid: je legt de opzet zó nauwkeurig vast dat iemand anders — of jij, later — het onderzoek kan overdoen en tot hetzelfde resultaat komt. Een resultaat dat niemand kan reproduceren, telt in de natuurkunde niet als betrouwbaar bewijs.

Na het meten volgt het verwerken: je zet de gegevens in een tabel en meestal in een grafiek, berekent gemiddelden en zoekt het verband tussen de variabelen (de volgende paragrafen gaan hier dieper op in). Pas dán trek je een conclusie, en die moet rechtstreeks antwoord geven op de oorspronkelijke onderzoeksvraag: je zegt of de hypothese wordt bevestigd of verworpen, en je onderbouwt dat met je meetresultaten — niet met wat je hoopte te vinden. Een eerlijke conclusie benoemt ook de beperkingen: de meetonzekerheid en mogelijke storende invloeden. Vaak roept de conclusie een nieuwe vraag op, en zo sluit de cyclus zich (zie de figuur). Deze werkwijze — vraag, hypothese, meten, verwerken, conclusie — is het geraamte van elk practicum, elke praktische opdracht en het profielwerkstuk.

Uitgewerkt voorbeeld

Variabelen benoemen bij een slingeronderzoek

Bij het onderzoek „hangt de slingertijd af van de lengte?” wil je een eerlijke proefopzet maken. Benoem de onafhankelijke variabele, de afhankelijke variabele en twee variabelen die je constant houdt.

Stap 1 — De onderzoeksvraag ontleden
De vraag koppelt twee grootheden: de lengte van de slinger en de slingertijd. De lengte is de mogelijke oorzaak, de slingertijd het gevolg dat je meet.
Stap 2 — Onafhankelijke en afhankelijke variabele
De onafhankelijke variabele stel je zelf in en varieer je: de lengte van de slinger. De afhankelijke variabele meet je als gevolg: de slingertijd.
Stap 3 — Constant gehouden variabelen
Alles wat de slingertijd óók zou kunnen beïnvloeden, houd je gelijk: de massa van het slingergewicht en de uitwijking (beginhoek) waarmee je de slinger loslaat.

Resultaat: Resultaat: de onafhankelijke variabele is de lengte van de slinger (die je varieert), de afhankelijke variabele is de slingertijd (die je meet), en je houdt onder meer de massa van het gewicht en de uitwijking constant. Zo meet je zuiver het effect van alleen de lengte op de slingertijd.

Veelgemaakte fouten

De onafhankelijke en de afhankelijke variabele verwisselen: de onafhankelijke stel je zelf in, de afhankelijke meet je als gevolg daarvan.
Meer dan één variabele tegelijk veranderen, zodat je achteraf niet weet welke grootheid het gemeten effect heeft veroorzaakt.
Een hypothese formuleren die niet toetsbaar is (te vaag of niet meetbaar), of in de conclusie de hypothese als „bewezen” presenteren terwijl metingen een hypothese alleen kunnen ondersteunen of weerleggen.

Actieve herhaling

Je onderzoekt of de tijd waarin een balletje van een helling rolt, afhangt van de hoek van de helling. Formuleer een onderzoeksvraag en een toetsbare hypothese, en benoem de onafhankelijke variabele, de afhankelijke variabele en twee variabelen die je constant houdt.

Actief ophalen

Haal de kernpunten op — onthul ze daarna.

Bronnen: Examenprogramma natuurkunde (HAVO) (CvTE / Examenblad)

Meten, meetonzekerheid en significante cijfers#

Standardexamenblad-nl

Herhaalde metingen met meetonzekerheid

Afb. 2Vier herhaalde metingen van een slingertijd met hun meetonzekerheid als foutbalken (± 0,04 s). De punten spreiden rond het gemiddelde van 2,01 s; die spreiding is de toevallige fout.

Geen enkele meting is volmaakt: meet je dezelfde grootheid een paar keer, dan krijg je bijna nooit precies dezelfde waarde. Daarom hoort bij elk meetresultaat een meetonzekerheid — een aanduiding van hoe betrouwbaar het getal is. Een resultaat als „de slingertijd is 2,01 s” is pas af als je erbij vermeldt hoe zeker je van die 2,01 bent, bijvoorbeeld

(2{,}01 \pm 0{,}04)\ \text{s}

. De onzekerheid heeft twee heel verschillende bronnen, die je goed uit elkaar moet houden: toevallige fouten en systematische fouten. Wie ze verwart, trekt verkeerde conclusies over hoe goed een meting is. In de figuur zie je vier herhaalde metingen met hun onzekerheid als foutbalken uitgezet; de spreiding van de punten laat de toevallige fout zien.

Toevallige fouten zorgen voor spreiding: de meetwaarden liggen willekeurig een beetje boven en onder de echte waarde. Ze ontstaan door kleine, onvoorspelbare wisselingen — je reactietijd bij het starten van een stopwatch, het schatten van de laatste decimaal op een schaal, luchtstroompjes. Het kenmerk is dat ze de ene keer te hoog en de andere keer te laag uitvallen, zonder voorkeursrichting. Juist daarom kun je een toevallige fout kleiner maken door herhaald te meten en het gemiddelde te nemen: de te hoge en te lage uitschieters middelen elkaar grotendeels uit, zodat het gemiddelde dichter bij de echte waarde ligt dan een enkele meting. Hoe meer metingen, hoe kleiner de invloed van de toevallige fout op dat gemiddelde. De spreiding van de losse metingen geeft meteen een maat voor de grootte van de toevallige fout.

Systematische fouten werken heel anders: ze duwen élke meting dezelfde kant op, telkens even veel te hoog óf telkens te laag. Een klassiek voorbeeld is een meetinstrument dat niet goed op nul staat — een keukenweegschaal die al 5 gram aanwijst met niets erop, of een liniaal waarvan de nulstreep is afgesleten. Ook een verkeerd geijkte meter, parallaxfouten bij het schuin aflezen of een stopwatch die structureel te laat wordt gestart geven een systematische afwijking. Het verraderlijke is dat herhaald meten en middelen hier níét helpt: het gemiddelde van tien te hoge metingen is nog steeds te hoog. Een systematische fout haal je alleen weg door de oorzaak aan te pakken — het instrument op nul zetten, opnieuw ijken of de meetmethode verbeteren. Systematische fouten bepalen dus hoe dicht je bij de wáre waarde zit, niet hoe klein de spreiding is.

Deze twee foutsoorten leiden tot twee begrippen die in het dagelijks taalgebruik door elkaar lopen maar in de natuurkunde streng gescheiden zijn: nauwkeurigheid en precisie. Nauwkeurigheid zegt hoe dicht je meetresultaat bij de echte waarde ligt en wordt bedorven door systematische fouten. Precisie zegt hoe dicht de herhaalde metingen bij elkáár liggen — hoe klein de spreiding is — en wordt bepaald door de toevallige fout. De twee zijn onafhankelijk: je kunt heel precies maar toch onnauwkeurig meten (alle waarden dicht op elkaar, maar allemaal 5 gram te hoog door een fout-genulde weegschaal), of nauwkeurig maar onprecies (grote spreiding, maar het gemiddelde klopt). De ideale meting is beide: klein verstrooid én zonder systematische afwijking. Bedenk bij een gegeven meting steeds welk van de twee in het geding is.

Ten slotte moet je het resultaat opschrijven met een verantwoord aantal significante cijfers — de betekenisvolle cijfers waarvan je op grond van de meting werkelijk iets weet. Je meetinstrument bepaalt er hoeveel dat zijn: een stopwatch die tot op honderdsten meet, geeft een tijd als 2,01 s (drie significante cijfers), en het heeft geen zin daar in een berekening ineens 2,0100 s van te maken — die extra nullen suggereren een precisie die je niet hebt. De vuistregel bij vermenigvuldigen en delen is dat het antwoord niet méér significante cijfers krijgt dan de minst nauwkeurige meetwaarde waarmee je rekent. Reken tussenstappen met een ruime marge en rond pas op het eind af. Zo is het opschrijven van significante cijfers zelf een eerlijke uitspraak over je meetonzekerheid: het getal vertelt hoe zeker je bent.

Voor de HAVO volstaat een eenvoudige schatting van de onzekerheid: kijk hoe ver de losse metingen van elkaar en van het gemiddelde af liggen. Een handige maat is de halve spreidingsbreedte — het verschil tussen de grootste en de kleinste meting, gedeeld door twee — die je als de onzekerheid

u

rond het gemiddelde noteert. Het eindresultaat schrijf je dan als „gemiddelde ± onzekerheid” met de juiste eenheid, bijvoorbeeld

(2{,}01 \pm 0{,}04)\ \text{s}

. De onzekerheid rond je bovendien af op één, hooguit twee significante cijfers, en je zorgt dat het gemiddelde niet meer decimalen krijgt dan de onzekerheid rechtvaardigt. Zo vat je de hele meetreeks samen in één getal met een eerlijke foutmarge — de vorm waarin een meetresultaat in de natuurkunde thuishoort.

\bar{x} = \frac{x_1 + x_2 + \ldots + x_n}{n}

gemiddelde van herhaalde metingen

Het gemiddelde van n herhaalde metingen; door te middelen wordt de invloed van de toevallige fout kleiner, maar een systematische fout blijft.

u \approx \frac{x_{\max} - x_{\min}}{2}

schatting van de meetonzekerheid

Een eenvoudige schatting van de onzekerheid rond het gemiddelde is de halve spreidingsbreedte: het verschil tussen de grootste en de kleinste meting, gedeeld door twee.

Uitgewerkt voorbeeld

Gemiddelde en meetonzekerheid van een meetreeks

Vier metingen van een slingertijd geven $2{,}05$ ; $1{,}98$ ; $2{,}02$ en $1{,}99\ \text{s}$ . Bereken het gemiddelde en schat de meetonzekerheid, en noteer het resultaat op de juiste manier.

Stap 1 — Bereken het gemiddelde
Tel de vier metingen op en deel door 4.
$\bar{t} = \frac{2{,}05 + 1{,}98 + 2{,}02 + 1{,}99}{4} = \frac{8{,}04}{4} = 2{,}01\ \text{s}$
Stap 2 — Schat de onzekerheid uit de spreiding
De uiterste waarden zijn 1,98 s en 2,05 s. Neem de halve spreidingsbreedte als onzekerheid.
$u \approx \frac{x_{\max} - x_{\min}}{2} = \frac{2{,}05 - 1{,}98}{2} = \frac{0{,}07}{2} = 0{,}035 \approx 0{,}04\ \text{s}$
Stap 3 — Noteer het resultaat
Schrijf gemiddelde ± onzekerheid met de eenheid; alle metingen liggen zo binnen 0,04 s van het gemiddelde.
$t = (2{,}01 \pm 0{,}04)\ \text{s}$

Resultaat: Resultaat: het gemiddelde is $2{,}01\ \text{s}$ en de metingen spreiden van $1{,}98$ tot $2{,}05\ \text{s}$ , dus je noteert de slingertijd als $(2{,}01 \pm 0{,}04)\ \text{s}$ . Vaker meten zou dit gemiddelde nog iets betrouwbaarder maken, maar alleen als er geen systematische fout in de meetopstelling zit.

Veelgemaakte fouten

Denken dat vaker meten élke fout verkleint; middelen helpt alleen tegen de toevallige spreiding, een systematische fout (bijvoorbeeld een fout-genulde meter) blijft even groot.
Nauwkeurigheid en precisie verwarren: precies betekent kleine spreiding, nauwkeurig betekent dicht bij de echte waarde; ze kunnen los van elkaar goed of slecht zijn.
Te veel significante cijfers van de rekenmachine overnemen, zodat het antwoord een precisie voorspiegelt die de metingen niet hebben.
Bij het gemiddelde de eenheid vergeten of meer decimalen geven dan de metingen zelf; het gemiddelde krijgt dezelfde orde van nauwkeurigheid als de losse metingen.

Actieve herhaling

Bij een practicum meet een groep de valtijd van een balletje vijf keer en vindt telkens vrijwel dezelfde waarde, maar hun stopwatch blijkt structureel 0,3 s te laat te starten. Leg uit of hun metingen precies zijn, of ze nauwkeurig zijn, en wat er met het gemiddelde gebeurt als ze vaker meten.

Actief ophalen

Haal de kernpunten op — onthul ze daarna.

Bronnen: Examenprogramma natuurkunde (HAVO) (CvTE / Examenblad)

Grafieken, verbanden en lineariseren#

Standardexamenblad-nl

Kracht op een veer tegen de uitrekking

Afb. 3Meetpunten van de veerkracht F tegen de uitrekking u met een best passende lijn door de oorsprong. Het verband is recht evenredig (F = C·u) en de helling van de lijn — ongeveer 20 N/m — is de veerconstante C.

Zodra je meetgegevens hebt, is een grafiek meestal de beste manier om het verband tussen twee grootheden zichtbaar te maken. Je zet de onafhankelijke variabele op de horizontale as en de afhankelijke op de verticale as, en tekent voor elk meetpaar een punt. De grote valkuil is om die punten daarna met rechte stukjes van punt tot punt te verbinden: zo'n zigzaglijn volgt óók de toevallige meetfouten en suggereert een grillig verband dat er niet is. In plaats daarvan teken je één best passende lijn (trendlijn): een vloeiende lijn die zo dicht mogelijk langs álle punten loopt, met ongeveer evenveel punten er net boven als eronder. In de figuur zie je meetpunten van een veerkracht met zo'n best passende rechte erdoorheen; de losse spreiding van de punten hoort bij de meetonzekerheid, de lijn geeft het onderliggende verband.

De kracht van een grafiek zit vooral in de helling van de lijn, want die helling is zelf een natuurkundige grootheid met een eigen betekenis en eenheid. Je bepaalt de helling door twee punten te kiezen die ver uit elkaar óp de getekende lijn liggen — niet twee meetpunten, maar twee punten op de trendlijn — en de verticale toename te delen door de horizontale:

\text{helling} = \dfrac{\Delta y}{\Delta x}

. Cruciaal is dat je de eenheid meeneemt: deel je newton door meter, dan komt de helling in N/m uit, en díé eenheid verraadt vaak welke grootheid de helling voorstelt. Kies de twee afleespunten zo ver mogelijk uit elkaar, zodat afleesonnauwkeurigheden zo weinig mogelijk doorwerken. Zo lees je uit een

(v,t)

-grafiek de versnelling (in m/s²) af, uit een

(F,u)

-grafiek een veerconstante (in N/m) en uit een

(U,I)

-grafiek een weerstand (in Ω).

Een bijzonder belangrijk verband is de recht-evenredigheid:

y

is recht evenredig met

x

als

y = a \cdot x

, met

a

een constante. Verdubbel je

x

, dan verdubbelt

y

; de verhouding

\dfrac{y}{x}

blijft constant. In een grafiek herken je dit aan twee kenmerken tegelijk: de punten liggen op een rechte lijn én die lijn gaat door de oorsprong

(0, 0)

. Ontbreekt een van beide — de punten liggen krom, of de rechte snijdt de

y

-as boven of onder nul — dan is het verband níét recht evenredig, ook al lijkt de lijn recht. De evenredigheidsconstante

a

is precies de helling van die lijn door de oorsprong. In de figuur geldt

F = C \cdot u

: de kracht op een veer is recht evenredig met de uitrekking, de lijn gaat door de oorsprong, en de helling

C

is de veerconstante. Zo'n toets — recht én door de oorsprong — is een geliefde examenvraag.

Niet elk verband is een rechte lijn, en een kromme is veel lastiger te beoordelen dan een rechte: het oog ziet meteen of punten op een lijn liggen, maar niet of een kromme precies een parabool of een wortelverband is. Daarom lineariseren natuurkundigen: je zet niet

y

tegen

x

uit, maar kiest slimme grootheden zó dat je een réchte lijn krijgt. Vermoed je bijvoorbeeld een kwadratisch verband

y = a \cdot x^{2}

, dan zet je

y

uit tegen

x^{2}

; levert dat een rechte lijn door de oorsprong op, dan is het vermoeden bevestigd en is de helling de constante

a

. Een wortelverband

y = a\sqrt{x}

maak je recht door

y

tegen

\sqrt{x}

uit te zetten. Algemeen geldt: een verband

y = a \cdot x^{n}

trek je recht door de juiste macht van

x

op de horizontale as te kiezen. Lineariseren verandert een moeilijke visuele beoordeling in de eenvoudige vraag „ligt het op een rechte door de oorsprong?”.

Grafieken zijn zo het hart van het verwerken van meetgegevens. Je gebruikt ze om drie vragen te beantwoorden die telkens terugkeren: is er een verband (liggen de punten op een lijn of kromme?), wélk verband is het (recht evenredig, kwadratisch, wortel — desnoods na lineariseren), en hóe groot is de bijbehorende constante (de helling, met eenheid). Let er wel op dat je conclusies nooit sterker maakt dan de meetpunten toelaten: een paar punten die toevallig ongeveer op een lijn liggen, bewijzen nog geen exact verband, en buiten het gemeten bereik mag je een lijn niet zomaar doortrekken. Deze grafische vaardigheden — punten uitzetten, een trendlijn tekenen, de helling met eenheid aflezen en een verband toetsen of lineariseren — komen in vrijwel elke natuurkunde-opgave met meetgegevens terug, zowel in het schoolexamen als op het centraal examen.

\text{helling} = \frac{\Delta y}{\Delta x}

helling van de best passende lijn

De helling lees je af uit twee ver uiteen liggende punten op de getekende lijn; met de eenheid erbij is de helling zelf een grootheid.

F = C \cdot u

recht-evenredig verband (veer)

Een recht-evenredig verband geeft een rechte lijn door de oorsprong; de evenredigheidsconstante — hier de veerconstante C — is de helling.

Uitgewerkt voorbeeld

De veerconstante uit de helling bepalen

Uit de best passende lijn door de meetpunten van $F$ tegen $u$ moet je de veerconstante bepalen. Leg uit waarom de helling gelijk is aan de veerconstante $C$ .

Stap 1 — Teken de best passende lijn
De punten liggen vrijwel op een rechte lijn die door de oorsprong gaat: F is dus recht evenredig met u, F = C·u.
Stap 2 — Lees twee ver uiteen liggende punten op de lijn af
Kies twee punten óp de getekende lijn, ver uit elkaar, bijvoorbeeld (0,10 m; 2,0 N) en (0,50 m; 10,0 N).
$(0{,}10\ \text{m};\ 2{,}0\ \text{N}) \quad \text{en} \quad (0{,}50\ \text{m};\ 10{,}0\ \text{N})$
Stap 3 — Bereken de helling met eenheid
Deel de toename van F door de toename van u.
$\text{helling} = \frac{\Delta F}{\Delta u} = \frac{10{,}0 - 2{,}0}{0{,}50 - 0{,}10} = \frac{8{,}0}{0{,}40} = 20\ \text{N/m}$
Stap 4 — Koppel de helling aan de veerconstante
Omdat F = C·u, is de helling ΔF/Δu precies de constante C.
$F = C \cdot u \;\Rightarrow\; C = \frac{F}{u} = \text{helling} \approx 20\ \text{N/m}$

Resultaat: Resultaat: de best passende lijn door de meetpunten heeft een helling van ongeveer $20\ \text{N/m}$ . Omdat $F = C \cdot u$ , ís die helling de veerconstante, dus $C \approx 20\ \text{N/m}$ .

Veelgemaakte fouten

De meetpunten van punt tot punt verbinden in plaats van één best passende (trend)lijn te tekenen; de zigzaglijn volgt de meetfouten in plaats van het verband.
De helling uit twee dicht bij elkaar liggende meetpunten bepalen in plaats van uit twee ver uiteen liggende punten óp de trendlijn, of de eenheid van de helling vergeten.
Een rechte lijn die niet door de oorsprong gaat toch recht evenredig noemen; recht-evenredigheid eist zowel een rechte lijn als een snijpunt in de oorsprong.
Bij het lineariseren de verkeerde grootheid op de as zetten (bijvoorbeeld $y$ tegen $x$ in plaats van tegen $x^{2}$ ), zodat een kwadratisch verband toch krom blijft.

Actieve herhaling

Bij een veerproefje horen bij de uitrekkingen $u = 0{,}10;\ 0{,}20;\ 0{,}30;\ 0{,}40;\ 0{,}50\ \text{m}$ de krachten $F = 2{,}1;\ 3{,}9;\ 6{,}2;\ 7{,}8;\ 10{,}1\ \text{N}$ . Teken de grafiek van $F$ tegen $u$ met een best passende lijn, toets of $F$ recht evenredig is met $u$ en bepaal de veerconstante $C$ uit de helling.

Actief ophalen

Haal de kernpunten op — onthul ze daarna.

Bronnen: Examenprogramma natuurkunde (HAVO) (CvTE / Examenblad)

Modelstudie en ontwerpen#

Standardexamenblad-nl

De ontwerpcyclus

Afb. 4De ontwerpcyclus: van een probleem via een programma van eisen, een ontwerp en een prototype naar testen; voldoet het prototype niet aan de eisen, dan keer je terug om te verbeteren.

Sommige natuurkundige situaties laten zich niet met één nette formule oplossen. Denk aan een vallend voorwerp mét luchtwrijving: de luchtwrijvingskracht hangt af van de snelheid, maar de snelheid verandert juist door die kracht, dus alles beïnvloedt elkaar voortdurend. Voor zulke problemen gebruik je een numeriek model (rekenmodel): je berekent de beweging niet in één keer, maar stap voor stap in kleine tijdstappen

\Delta t

. In elke stap neem je aan dat de grootheden even constant blijven, reken je de nieuwe waarden uit, en gebruik je die als startpunt voor de volgende stap. Zo hak je een ingewikkeld, continu proces in vele eenvoudige stapjes die je (of de computer) achter elkaar uitrekent. Dit modelleren is een kernvaardigheid van de moderne natuurkunde en een vast onderdeel van het schoolexamen.

Het hart van zo'n model zijn twee eenvoudige stapregels die je telkens herhaalt. De snelheid werk je bij met de versnelling: de nieuwe snelheid is de oude snelheid plus de versnelling maal de tijdstap,

v_{\text{nieuw}} = v_{\text{oud}} + a \cdot \Delta t

. De plaats werk je bij met de snelheid: de nieuwe plaats is de oude plaats plus de snelheid maal de tijdstap,

x_{\text{nieuw}} = x_{\text{oud}} + v \cdot \Delta t

. In elke stap bereken je bovendien opnieuw de krachten en daaruit de versnelling

a = \dfrac{F_{\text{res}}}{m}

, want die kan van stap tot stap veranderen — bij het valmodel wordt de luchtwrijving groter naarmate de snelheid toeneemt, zodat de versnelling afneemt. Je begint met de bekende beginwaarden (bijvoorbeeld

v = 0

t = 0

) en herhaalt de stapregels tot je het gewenste tijdstip bereikt. Zo bouwt het model de hele beweging op uit kleine, navolgbare rekenstapjes.

De kwaliteit van een numeriek model hangt sterk af van de gekozen tijdstap

\Delta t

. Binnen elke stap doe je namelijk een benadering: je houdt de versnelling en de snelheid even constant, terwijl ze in werkelijkheid al tijdens de stap veranderen. Hoe kleiner je

\Delta t

kiest, hoe minder ze binnen één stap veranderen en hoe nauwkeuriger het model de echte beweging benadert. Maar kleinere stappen betekenen ook méér stappen om dezelfde tijd te overbruggen, en dus meer rekenwerk — met de hand al gauw ondoenlijk, wat verklaart waarom je hiervoor een computer of grafische rekenmachine inzet. Er is dus een afweging: te grote stappen geven een snel maar onnauwkeurig resultaat, te kleine stappen een nauwkeurig maar bewerkelijk model. In de praktijk kies je

\Delta t

zó klein dat het resultaat nauwelijks meer verandert als je hem nóg kleiner maakt.

Een model is pas iets waard als het klopt met de werkelijkheid, en dat controleer je door te valideren: je vergelijkt de uitkomsten van het model met echte metingen. Sluiten model en meting goed op elkaar aan, dan zijn je aannames blijkbaar redelijk. Wijken ze af, dan moet je het model herzien — meestal door een aanname bij te stellen of te verfijnen. Misschien mag de luchtwrijving toch niet worden verwaarloosd, of blijkt ze eerder met het kwadraat van de snelheid te gaan dan recht evenredig; misschien is de wrijvingsconstante nog niet goed gekozen. Zo doorloop je een lus van modelleren, vergelijken en verbeteren, tot het model de metingen bevredigend beschrijft. Deze wisselwerking tussen model en experiment — het model voorspelt, de meting toetst — is precies dezelfde onderzoekshouding als in de eerste paragraaf, nu toegepast op een berekening in plaats van een proef.

Naast onderzoeken (een vraag over de natuur beantwoorden) staat ontwerpen: iets máken dat een praktisch probleem oplost, zoals een sensorschakeling of een zonneboiler. Ontwerpen verloopt langs een eigen ontwerpcyclus, die je in de figuur ziet. Je begint bij een probleem en vertaalt dat eerst in een programma van eisen: een lijst van meetbare voorwaarden waaraan de oplossing moet voldoen (sterk genoeg, licht genoeg, goedkoop genoeg). Daarna bedenk je een ontwerp, bouw je een prototype en ga je testen of het aan de eisen voldoet. Voldoet het niet, dan keer je terug naar het probleem of de eisen en verbeter je het ontwerp — vandaar de lus. Het verschil met de onderzoekscyclus zit in het doel: onderzoek levert kennis (een antwoord op een vraag), ontwerp levert een werkend product (een oplossing die aan de eisen voldoet). Beide zijn cyclisch en steunen op meten, en samen vormen ze de onderzoeks- en ontwerpvaardigheden van dit onderwerp.

v_{\text{nieuw}} = v_{\text{oud}} + a \cdot \Delta t

snelheid bijwerken (numeriek model)

In elke tijdstap groeit de snelheid met de versnelling maal de tijdstap Δt; de versnelling reken je per stap opnieuw uit de krachten.

x_{\text{nieuw}} = x_{\text{oud}} + v \cdot \Delta t

plaats bijwerken (numeriek model)

In elke tijdstap groeit de plaats met de snelheid maal de tijdstap Δt; een kleinere Δt maakt het model nauwkeuriger maar bewerkelijker.

Uitgewerkt voorbeeld

Eén stap van een numeriek valmodel met luchtwrijving

In een valmodel mét luchtwrijving is op $t = 0$ de snelheid $v = 0$ en de versnelling $a = 9{,}8\ \text{m/s}^2$ . Reken met $\Delta t = 0{,}10\ \text{s}$ de eerste stap: bereken de nieuwe snelheid en de in die stap afgelegde afstand.

Stap 1 — Nieuwe snelheid
Werk de snelheid bij met v_nieuw = v_oud + a·Δt. Bij v = 0 is er nog geen luchtwrijving, dus a = 9,8 m/s².
$v_{\text{nieuw}} = 0 + 9{,}8 \times 0{,}10 = 0{,}98\ \text{m/s}$
Stap 2 — Afgelegde afstand in deze stap
Werk de plaats bij met s = v·Δt, met de zojuist berekende snelheid.
$s = v \cdot \Delta t = 0{,}98 \times 0{,}10 = 0{,}098\ \text{m}$
Stap 3 — Vooruitblik naar de volgende stap
Nu v groter dan 0 is, ontstaat er luchtwrijving die de resulterende kracht — en dus de versnelling — verkleint; a wordt in de volgende stap kleiner dan 9,8 m/s².

Resultaat: Resultaat: na de eerste stap is de snelheid $0{,}98\ \text{m/s}$ en is het voorwerp $0{,}098\ \text{m}$ gezakt. In de vólgende stap is de versnelling iets kleiner dan $9{,}8\ \text{m/s}^2$ , doordat de luchtwrijving met de snelheid meegroeit — precies daarom reken je zo'n valbeweging in kleine stapjes uit.

Veelgemaakte fouten

In de stapregels de oude en de nieuwe waarden door elkaar halen, of vergeten dat de versnelling in elke stap opnieuw uit de (veranderende) krachten volgt.
Denken dat een kleinere tijdstap altijd „beter” is zonder de keerzijde te noemen: kleinere stappen zijn nauwkeuriger, maar kosten veel meer rekenwerk.
De onderzoekscyclus en de ontwerpcyclus verwarren: onderzoek beantwoordt een vraag (levert kennis), ontwerp lost een probleem op volgens een programma van eisen (levert een product).
Een model dat afwijkt van de metingen toch als „juist” presenteren; wijkt het af, dan moet je de aannames herzien in plaats van de meting te negeren.

Actieve herhaling

In een numeriek valmodel mét luchtwrijving is op $t = 0$ de snelheid $v = 0$ en de versnelling $a = 9{,}8\ \text{m/s}^2$ . Gebruik $\Delta t = 0{,}10\ \text{s}$ en bereken de snelheid en de afgelegde afstand na de eerste stap. Leg uit waarom de versnelling in de vólgende stap kleiner is dan $9{,}8\ \text{m/s}^2$ .

Actief ophalen

Haal de kernpunten op — onthul ze daarna.

Bronnen: Examenprogramma natuurkunde (HAVO) (CvTE / Examenblad)

Referenties en bronnen

Bronnen

CvTE / Examenblad

Examenprogramma natuurkunde (HAVO)

Onderzoek en ontwerp: experiment, meetonzekerheid en modelstudie

Kernpunten

Variabelen benoemen bij een slingeronderzoek

Kernpunten

Gemiddelde en meetonzekerheid van een meetreeks

Kernpunten

De veerconstante uit de helling bepalen

Kernpunten

Eén stap van een numeriek valmodel met luchtwrijving

Bronnen

Onderzoek en ontwerp: experiment, meetonzekerheid en modelstudie

Kernpunten

Variabelen benoemen bij een slingeronderzoek

Kernpunten

Gemiddelde en meetonzekerheid van een meetreeks

Kernpunten

De veerconstante uit de helling bepalen

Kernpunten

Eén stap van een numeriek valmodel met luchtwrijving

Bronnen