1.1 Fysikkens metoder

Fysikkens metoder

Fysikk er læren om naturens grunnleggende lover og sammenhenger. For å forstå naturen bruker fysikere en systematisk tilnærming kalt naturvitenskapelig metode.

Hva er naturvitenskap?

Naturvitenskap er kunnskapen vi får ved å:
1. Observere naturen systematisk
2. Eksperimentere for å teste våre ideer
3. Lage modeller som forklarer våre observasjoner
4. Forutsi hva som vil skje i nye situasjoner

Fysikk skiller seg fra andre vitenskaper ved:
- Kvantitativ tilnærming: Vi måler alt vi kan og bruker matematikk
- Universelle lover: Fysikkens lover gjelder overalt i universet
- Eksperimentell testing: Alt må testes eksperimentelt
- Matematisk presisjon: Vi uttrykker sammenhenger som eksakte formler

Naturvitenskapelig metode

Den naturvitenskapelige metoden er ikke en lineær oppskrift, men en syklisk prosess av:

1. Observasjon
- Legg merke til et fenomen i naturen
- Eksempel: "Epler faller nedover fra trær"

2. Spørsmål
- Still spørsmål om hvorfor eller hvordan
- Eksempel: "Hvorfor faller epler nedover og ikke oppover?"

3. Hypotese
- Foreslå en mulig forklaring (en kvalifisert gjetning)
- En god hypotese er testbar og falsifiserbar
- Eksempel: "Det finnes en kraft som trekker alle objekter mot jordens sentrum"

4. Prediksjon
- Hva vil skje hvis hypotesen er riktig?
- Eksempel: "Hvis hypotesen er riktig, vil alle objekter falle med samme akselerasjon"

5. Eksperiment
- Design et eksperiment for å teste prediksjonen
- Samle data systematisk
- Kontroller variabler

6. Analyse
- Analyser dataene
- Sammenlign med prediksjon
- Beregn usikkerhet

7. Konklusjon
- Støtter dataene hypotesen?
- Hvis ja: Hypotesen overlever (men er ikke "bevist")
- Hvis nei: Hypotesen må revideres eller forkastes

8. Kommunikasjon
- Publiser resultatene
- Andre forskere må kunne gjenta eksperimentet
- Peer review (fagfellevurdering)

Syklisk prosess:
- Nye eksperimenter fører til nye spørsmål
- Hypoteser revideres kontinuerlig
- Vitenskapelig kunnskap er alltid tentativ (midlertidig)

Variabler i eksperimenter

I fysikkeksperimenter jobber vi med forskjellige typer variabler:

Uavhengig variabel

Definisjon: Variabelen du bevisst endrer i eksperimentet.

Eksempel:
- Undersøker tyngdekraftens virkning på fallende objekter
- Uavhengig variabel: Massen til objektet
- Du velger ulike objekter med forskjellig masse

Notasjon: Vanligvis plottes på x-aksen i en graf

Avhengig variabel

Definisjon: Variabelen du måler som respons på endringen.

Eksempel:
- Undersøker tyngdekraftens virkning
- Avhengig variabel: Falltiden
- Du måler hvor lang tid det tar før objektet treffer bakken

Notasjon: Vanligvis plottes på y-aksen i en graf

Kontrollvariabler

Definisjon: Variabler som holdes konstante for å sikre et rettferdig eksperiment.

Eksempel:
- Undersøker tyngdekraftens virkning
- Kontrollvariabler:
- Fallhøyden (samme for alle objekter)
- Luftmotstanden (slipp fra vakuum eller bruk kompakte objekter)
- Måleapparatet (samme tidtaker)
- Miljøet (samme temperatur, samme sted)

Hvorfor viktig?
- Hvis flere variabler endres samtidig, vet du ikke hva som forårsaket endringen
- Eksempel: Hvis du endrer både masse og fallhøyde, kan du ikke vite om forskjellen i falltid skyldes massen eller høyden

Eksperimentell design

Prinsipp: Endre én variabel om gangen

God praksis:
1. Identifiser alle variabler
2. Velg én uavhengig variabel
3. Hold alle andre konstante
4. Mål avhengig variabel nøyaktig
5. Gjenta målingen flere ganger

Måling og usikkerhet

Alle fysiske målinger har usikkerhet (eller måleusikkerhet). Ingen måling er perfekt.

Årsaker til måleusikkerhet

1. Instrumentusikkerhet
- Begrenset oppløsning på måleinstrumentet
- Eksempel: Linjal med mm-inndeling kan ikke måle mer presist enn ±0.5 mm

2. Avlesningsusikkerhet
- Mennesker leser av instrumenter litt forskjellig
- Eksempel: Parallaksefeil (ser på målebåndet fra feil vinkel)

3. Tilfeldige variasjoner
- Små variasjoner i eksperimentelle forhold
- Eksempel: Luftstrømmer påvirker pendelbevegelse

4. Systematiske feil
- Konsistente avvik i samme retning
- Eksempel: Tidtakeren går 0.1 s for sent
- Vanskelig å oppdage, men kan elimineres ved kalibrering

Presisjon vs. Nøyaktighet

Presisjon (reproducerbarhet):
- Hvor godt samsvarer gjentatte målinger?
- Høy presisjon: Små variasjoner mellom målinger
- Lav presisjon: Store variasjoner mellom målinger

Nøyaktighet:
- Hvor nær er målingen den sanne verdien?
- Høy nøyaktighet: Målingen er nær sann verdi
- Lav nøyaktighet: Målingen er langt fra sann verdi

Fire scenarioer:

1. Høy nøyaktighet og høy presisjon: Ideelt!
2. Høy presisjon, lav nøyaktighet: Systematisk feil
3. Lav presisjon, høy nøyaktighet: Tilfeldige feil
4. Lav presisjon og lav nøyaktighet: Dårlig eksperiment

Skyteskive-analogi:
- Presisjon = Hvor tett ligger pilene sammen?
- Nøyaktighet = Hvor nær blink ligger pilene?

Rapportering av usikkerhet

Format: målt verdi ± usikkerhet

Eksempel:
$L = 12.3 \pm 0.2 \text{ cm}$

Dette betyr:
- Lengden er målt til 12.3 cm
- Usikkerheten er ±0.2 cm
- Den sanne verdien ligger sannsynligvis mellom 12.1 cm og 12.5 cm

Absolutt vs. Relativ usikkerhet

Absolutt usikkerhet:
- Usikkerheten i samme enhet som målingen
- Eksempel: ±0.2 cm

Relativ usikkerhet:
- Usikkerheten som prosent eller brøk av målingen
- Eksempel: $\displaystyle \frac{0.2}{12.3} \approx 0.016 = 1.6\%$

Formel:
$$\text{Relativ usikkerhet} = \frac{\text{Absolutt usikkerhet}}{\text{Målt verdi}}$$

Usikkerhet i beregninger

Addisjon og subtraksjon:
Addér absolutte usikkerheter

Eksempel:
- $L_1 = 10.0 \pm 0.2 \text{ cm}$
- $L_2 = 5.5 \pm 0.1 \text{ cm}$
- $L_{tot} = L_1 + L_2 = 15.5 \pm 0.3 \text{ cm}$

Multiplikasjon og divisjon:
Addér relative usikkerheter

Eksempel:
- $L = 10.0 \pm 0.2 \text{ cm}$ (relativ usikkerhet: 2%)
- $B = 5.0 \pm 0.1 \text{ cm}$ (relativ usikkerhet: 2%)
- $A = L \times B = 50 \pm 2 \text{ cm}^2$ (relativ usikkerhet: 2% + 2% = 4%)

Potenser:
Multipliser relativ usikkerhet med eksponenten

Eksempel:
- $r = 2.0 \pm 0.1 \text{ cm}$ (relativ usikkerhet: 5%)
- $A = \pi r^2 = 12.6 \text{ cm}^2$ (relativ usikkerhet: 2 × 5% = 10%)
- $A = 12.6 \pm 1.3 \text{ cm}^2$

Signifikante siffer

Signifikante siffer er antall meningsfulle sifre i et tall. De indikerer presisjonen i en måling.

Regler for signifikante siffer

1. Alle ikke-null siffer er signifikante
- 123 har 3 signifikante siffer
- 1.23 har 3 signifikante siffer

2. Nuller mellom ikke-null siffer er signifikante
- 101 har 3 signifikante siffer
- 1.02 har 3 signifikante siffer

3. Ledende nuller er IKKE signifikante
- 0.0123 har 3 signifikante siffer
- 0.00012 har 2 signifikante siffer

4. Etterfølgende nuller etter desimaltegn ER signifikante
- 1.200 har 4 signifikante siffer
- 12.30 har 4 signifikante siffer

5. Etterfølgende nuller i hele tall er tvetydige
- 1200 kan ha 2, 3 eller 4 signifikante siffer
- Bruk vitenskapelig notasjon for klarhet:
- $1.2 \times 10^3$ har 2 signifikante siffer
- $1.20 \times 10^3$ har 3 signifikante siffer

Avrunding ved beregninger

Multiplikasjon og divisjon:
Resultatet skal ha like mange signifikante siffer som faktoren med færrest

Eksempel:
- $12.3 \times 4.5 = 55.35 \rightarrow 55$ (2 signifikante siffer)
- $10.0 / 3.0 = 3.333... \rightarrow 3.3$ (2 signifikante siffer)

Addisjon og subtraksjon:
Resultatet skal ha like mange desimaler som tallet med færrest desimaler

Eksempel:
- $12.1 + 0.035 = 12.135 \rightarrow 12.1$ (1 desimal)
- $100 - 0.5 = 99.5 \rightarrow 100$ (ingen desimaler)

Hvorfor er dette viktig?

1. Ærlig rapportering:
- Du kan ikke påstå høyere presisjon enn du faktisk har
- Eksempel: Hvis du måler med linjal (mm-presisjon), kan du ikke rapportere 12.3456 cm

2. Unngå falsk nøyaktighet:
- Kalkulatoren viser ofte mange desimaler, men de er ikke alle meningsfulle
- Eksempel: $\pi r^2$ med $r = 2.1$ cm gir $13.854...$ cm², men du skal rapportere 14 cm² (2 signifikante siffer)

3. Konsistens:
- Alle forskere bruker samme konvensjoner
- Gjør vitenskapelig kommunikasjon enklere

Grafisk fremstilling av data

Grafer er kraftige verktøy for å visualisere og analysere eksperimentelle data.

Hvorfor bruke grafer?

1. Visualisering: Se mønstre og trender umiddelbart
2. Analyse: Finn sammenhenger mellom variabler
3. Kommunikasjon: Del resultater effektivt
4. Prediksjon: Ekstrapolér til ukjente verdier

Viktige prinsipper

1. Aksetitler
- Alltid inkluder enhet: "Tid (s)", "Avstand (m)"
- Bruk beskrivende navn

2. Akseinndelinger
- Velg passende skala
- Ikke start nødvendigvis ved null (men vurder om det er meningsfullt)
- Jevnt fordelte merker

3. Datapunkter
- Bruk tydelige symboler (●, ■, ▲)
- Inkluder usikkerhetsstolper hvis mulig

4. Linjer
- Trekk beste tilpasning (best fit), ikke koble punkter direkte
- Linjen trenger ikke gå gjennom alle punkter

5. Tittel
- Beskrivende tittel: "Avstand som funksjon av tid for fritt fall"

Lineær regresjon

Mange fysiske sammenhenger er lineære:
$$y = ax + b$$

Fremgangsmåte:
1. Plott data (x på horisontal akse, y på vertikal)
2. Trekk en rett linje som passer best
3. Bestem stigningstall $a$ og y-skjæring $b$

Stigningstall:
$$a = \frac{\Delta y}{\Delta x} = \frac{y_2 - y_1}{x_2 - x_1}$$

Velg to punkter på linjen (ikke nødvendigvis datapunkter!)

Betydning:
- Stigningstallet har fysisk betydning
- Eksempel: I $v = at + v_0$ er stigningstallet akselerasjonen $a$

Linearisering

Mange sammenhenger er ikke lineære, men kan lineariseres.

Eksempel: Kvadratisk sammenheng

$$s = \frac{1}{2}at^2$$

Plott $s$ mot $t^2$:
$$s = \frac{1}{2}a \cdot t^2$$

Dette er en lineær sammenheng med stigningstall $\displaystyle \frac{1}{2}a$.