بررسی حل معادلات عددی دیفرانسیل
معرفی معادلات دیفرانسیل
معادله در ریاضیات وقتی با اسم خاص و صورت خاص می آید خود به تنهایی مسأله ای را نمایش می دهد که در آن می خواهیم مجهولی را بدست آوریم.
کاربرد معادله دیفرانسیل از نظر تاریخی با معرفی مفهوم های مشتق و انتگرال آغاز گردید. ساده ترین نوع معادله دیفرانسیل آن دسته از معادلاتی هستند که مشتق تابع جواب را داشته باشیم. که چنین محاسبه ای به پاد مشق گیری و انتگرال گیری نامعین موسوم است.
معادلات دیفرانسیل وابستگی بین توابع و مشتق های توابع را نشان می دهد. که از لحاظ تاریخی به طور طبیعی از زمان کشف مشتق به وسیله نیوتن ولایب نیتس آغاز می شود. (قرن هفدهم میلادی). که با رشد سریع علم و صنعت در قرن بیستم روشهای عددی حل معادلات دیفرانسیل مورد توجه قرار گرفتند که توسعه و پیشرفت کامپیوتر ها در پایان قرن بیستم موجب کاربرد روش های تقریبی تعیین جواب معادلات دیفرانسیل در بسیاری از زمینه های کاربردی گردید که باعث بوجود آمدن مباحث جدید در این زمینه شد.
اگر تابعی از متغیر حقیقی باشد و ضابطه آن و متغیر تابع یا مقدار تابع باشد، آنگاه مشتق با یکی از نمادهای نمایش داده می شود. همچنین مشتق دوم، سوم،... و ام آن نیز به ترتیب با نمادهای
نمایش داده می شوند. اگر تابعی از دو متغیر حقیقی باشد آنگاه مشتق های جزئی با نمادهای نمایش داده می شوند. همچنین اگر آنگاه مشتق های جزئی با نمادهای و یا
نمایش داده می شوند.
همچنین داریم:
که این توابع مشتقات جزئی مرتبه دوم و مراتب بالاتر است.
همچنین برای توابع متغیر حقیقی داریم:
که فرض می کنیم همه مشتقات جزئی تا مرتبه مورد نظر پیوسته باشند.
حال برای تابع از متغیر حقیقی با مقدار حقیقی را دیفرانسیل تابع گویند. اگر تابع از متغیر حقیقی باشد.
را دیفرانسیل کامل تابع گویند. که در حالت خاص اگر از دو متغیر حقیقی با مقدار حقیقی باشد داریم:
یک معادله دیفرانسیل هر کدام از توابع ضمنی از متغیر یا متغیرهای مستقل، متغیر یا متغیرهای تابع و مشتق های متغیر یا متغیر های تابع نسبت به متغیر یا متغیرهای مستقل می تواند باشد که حتماً باید لا اقل یک مشتق ساده یا جزئی در آن حضور داشته باشد.
معادله دیفرانسیل یک نوع از معادلات دیفرانسیل است که فقط یک متغیر مستقل در آن وجود دارد. و متغیر تابع و
مشتقات مرتبه اول تا ام نسبت به است. متغیر می توانند در معادلات دیفرانسیل نباشند ولی حضور لااقل یک مشتق الزامی است. معادله دیفرانسیل
یک نوع معادله است که شامل متغیر مستقل است و فقط یک متغیر تابع دارد که در آن تابعی از ها است.
برای دسته بندی معادلات دیفرانسیل می گوییم هرگاه همه مشتق های ظاهر شده در معادله مشتق ساده باشند آنگاه معادله را معادله
دیفرانسیل معمولی (یا ساده یا عادی) می نامیم. اما اگر در عبارت معادله لااقل یک مشتق جزئی ظاهر شود آن را یک معادله دیفرانسیل با مشتقات جزئی یا معادله دیفرانسیل نسبی می نامیم.
معادلات دیفرانسیل زیر از جمله معادلات دیفرانسیل مهم هستند:
(معادله خطی غیر همگن)؛
(معادله بزنولی)
(معادله ریکاتی)
(معادله لا پلاس)
(معادله کلرو) غیر خطی؛
(معادله لاگرانژ) غیر خطی؛
(معادله یک بعدی حرارتی) ثابت؛
(معادله اولر) ثابت؛
(معادله لژ اندر) ثابت؛
(معادله بسل) ثابت نا منفی؛
(معادله پواسن)
(معادله یک بعدی موج) ثابت؛
(معادله ترافیک)
(معادله لاگرانژ)
(معادله پفافی)
(معادله ارتعاش تیر) ثابت
از معادلات دیفرانسیل فوق معادلات (3)(4)(5)(7)(8)(10)(11)(12) معادلات دیفرانسیل معمولی و بقیه معادلات دیفرانسیل نسبی می باشند.
اگر بخواهیم یک معادله را به صورت دیفرانسیلی بنویسیم می توانیم به جای عبارت را جایگزین کنیم. مثلاً برای معادله به صورت
است.
یک روش دیگر برای دسته بندی معادلات دیفرانسیل استفاده از مرتبة آنها است که مرتبة یک معادله دیفرانسیل عبارت است از بزرگترین مرتبه مشتق یا مشتقات ظاهر شده در عبارت معادله دیفرانسیل. با توجه به معادلات فوق می بینیم که معادلات (3) و(4)و(5)و(7)و(8)و(15)و(16)و(17) معادلات مرتبه اول و معادلات (6)و(9)و(10)و(11) و(12)و(13)و(14) معادلات مرتبه دوم و معادله دیفرانسیل (18) یک معادله مرتبه چهارم است.
وقتی معادلات دیفرانسیل هر کدام دارای بیش از یک متغیر تابع باشند در این صورت معادلات به تنهایی ظاهر نمی شوند و مجموعه ای از آنها مورد استفاده قرار می گیرد که اغلب تعدادشان با تعداد متغیرهای تابع برابر است. این گونه معادلات را دستگاه معادلات دیفرانسیل می نامیم.
یک روش دیگر برای دسته بندی معادلات دیفرانسیل استفاده از مفهوم خطی بودن یا غیر خطی بودن معادلات دیفرانسیل است.
یک معادله دیفرانسیل معمولی یا با مشتقات جزئی داده شده را یک معادله دیفرانسیل خطی در مجموعه متغیرهای تابعی اش گوئیم هر گاه:
1) متغیر یا متغیرهای تابع از توان یک باشند.
2) متغیر تابع یا متغیرهای تابع و مشتقات، ضریب متغیرهای تابعی و مشتقات آنها نباشند.
3) خود متغیر تابعی غیر خطی نباشد.
در غیر این صورت اگر هر کدام از شرطهای بالا نقص شود معادله دیفرانسیل غیر خطی است از معادلات مهم که ارائه کردیم معادلات (3)و(6)و(9)و(10) و(11) و(12) و(13) و (14) و (18) خطی هستند و معادله (4) (به دلیل حضور ) و (5) (به دلیل حضور )، (7) (به دلیل غیر خطی بودن ) و (8) (برای لا اقل غیر خطی بودن )
غیر خطی هستند. معادلات (16) و (17) می توانند خطی یا غیر خطی باشند.
همچنین می توان خطی بودن را نسبت به یک عامل از معادله دیفرانسیل، مانند متغیر تابع یا متغیرهای تابع، یا مشتق از مرتبه مشخصی تعیین نمود. این گونه معادلات نیمه خطی یا شبه خطی نامیده می شوند. مثلاً معادله
که یک معادله غیر خطی نسبت به متغیر تابع به دلیل حضور و همچنین به علت حضور است را می توان یک معادله خطی نسبت به مشتقات جزئی نامید. یک معادله دیفرانسیل مرتبه اول خطی معمولی به صورت کلی
3 روش های تکراری
روش قبل نشان داد که چگونه باید معادله تفاضلی لاپلاس را با ساختن یک دستگاه خاص از معادلات خطی و حل آن، حل کرد. نقطة ضعف این روش ذخیره سازی است. هر گره داخلی یک معادله وارد می کند که باید حل شود. چون تقریب های بهتر نیاز به شبکه با مربعهای ظریفتر ممکن است تعداد زیادی معادله لازم باشد برای مثال، جواب معادله لاپلاس با شرایط مرزی دیریکله نیاز به حل یک دستگاه معادله دارد. اگر به تعداد کمی مربع تقسیم شود مثلاً 10 در 10، 91 معادله و 91 مجهول یافت خواهد شد. بنابراین معقول است که تکنیکهایی را گسترش دهیم که مقدار ذخیره سازی را کاهش دهند. یک روش تکراری فقط نیاز به ذخیره سازی 100 تقریب عددی از سرتاسر شبکه دارد.
اجازه دهید با معادله لاپلاس
(18)
شروع کنیم. فرض کنید که مقادیر مرزی در نقاط زیر معلوم باشند.
(در طرف چپ) به ازای
(در پایین) به ازای
(19)
(در طرف راست) به ازای
(در بالا) به ازای
معادله (18) را دوباره به شکل زیر می نویسم که برای تکرارها مناسب است:
(20)
که در آن
به ازای
مقادیر آغازین برای نقاط داخلی شبکه باید فراهم شوند. ثابت ، که میانگین مقدار مرزی ارائه شده در (19) است، می تواند برای این هدف استفاده شود. یک تکرار از اجرای فرمول (20) درمورد تمام نقاط داخلی شبکه تشکیل می شود. تکرارهای متوالی عملگر تکراری لاپلاس
(20) را در مورد همه نقاط داخلی شبکه اجرا می کنند تا جملة مانده
در طرف راست (20) به صفر کاهش یابد.( یعنی به ازای هر
برقرار باشد) سرعت همگرایی برای کاهش همه مانده های
به صفر با استفاده از روشی که فوق تخفیف متوالی نامیده می شود افزایش می یابد. روش فوق تخفیف متوالی از فرمول تکراری زیر استفاده می شود:
(22)
که در آن پارامتر در دامنه قرار دارد. در روش فوق تخفیف متوالی فرمول (22) در سراسر شبکه اجرا می شود تا رابطه
برقرار گردد: انتخاب بهینه برای مبتنی بر مطالعه مقادیر ویژه ماتریسهای تکرار برای دستگاههای خطی است و در این حالت توسط فرمول زیر ارائه می شود:
(23)
اگر شرط مرزی نویمان بر روی قسمتی از مرز مشخص شود ما باید معادله (14) تا (17) را دوباره به شکلی بنویسیم که برای تکرار مناسب باشند. چهار حالت در زیر خلاصه شده اند و پارامتر تخفیف را نیز وارد کرده اند.
(24) (ضلع پایین)
(25) (ضلع بالا)
(26) (ضلع چپ)
(27) (ضلع راست)
مثال: از یک روش تکراری استفاده کنید و یک جواب تقریبی برای معادله لاپلاس در به دست آورید که در آن مقادیر مرزی عبارتند از:
به ازای
و
به ازای
حل: برای توضیح مربع را به 64 مربع با اضلاع تقسیم می کنیم. مقدار اولیه را در نقاط داخلی شبکه برابر به ازای هر
و قرار داده و سپس روش فوق تخفیف را با پارامتر (در فرمول (23) قرار داده شده اند) به کار می بریم. بعد از 19 تکرار مانده به صورت یکنواخت کاهش می یابد (یعنی ) تقریبهای حاصل در جدول زیر ارائه شده اند. به واسطة گسسته بودن تابع مرزی در گوشه ها مقادیر مرزی
در جدول و شکل وارد شده اند. اما در محاسبات مربوط نقاط داخلی شبکه استفاد ه نمی شوند. یک نمایش سه بعدی از داده ها نیز ارائه شده است.
فهرست
مقدمه – معرفی معادلات دیفرانسیل 4
بخش اول – حل عددی معادلات دیفرانسیل معمولی 20
فصل اول – معادلات دیفرانسیل معمولی تحت شرط اولیه 20
فصل دوم – معادلات دیفرانسیل معمولی تحت شرایط مرزی 66
فصل سوم – معادلات دیفرانسیل خطی 111
بخش دوم – حل عددی معادلات دیفرانسیل جزئی 125
فصل اول – حل معادلات عددی هذلولوی 128
فصل دوم – حل معادلات عددی سهموی 146
فصل سوم – حل معادلات عددی بیضوی 164
فصل چهارم – منحنی های مشخصه 184
کاربرد روش L1 – تقریب در معادلات انتگرال تکین
- مقدمه: معادلات انتگرال را میتوان با استفاده از فن LP – تقریب (به ویژه L1 تقریب) به طور موثری حل کرد. در این متن فن کلی را مورد بحث قرار میدهیم و سپس آن را با حل چند معادله انتگرال مختلف توضیح میدهیم. علاوه برامتیازات دیگر، این روش به طور موفقیت آمیزی در مورد معادلات انتگرال تکین و همین طور معادلات انتگرال قویاً تکین (نظیر انتگرال های آدامار یا متناهی – قسمت) تعمیم داده شده و به کار رفته است. در بحث حاضر، مروری بر این مطالعه ارائه میشود.
2- مقدمات ریاضی :
به طور کلی هدف این متن عبارت است از کاربرد فن LP- تقریب در حل یک معادله انتگرال فردهولم (خطی یا غیر خطی) نوع اول یا دوم به صورت
در معادلة بالا تابع هدایتگر و هسته K توابعی معلوم اند، در حالی که تابع مجهول است که باید آن را بیابیم پارامتر نیز معلوم است. مساله کلی LP- تقریب پیوسته را میتوان به صورت زیر فرمول بندی کرد:
تابع f معین روی یک بازة حقیقی مانند x همراه با یک تابع تقریب مانند F(A)، که به متغیر n پارامتری A=(a1 , …,an) در Rn وابسته است، مفروض اند.
در این صورت مساله LP- تقریب پیوسته به این معنی است که باید برداری مانند به گونه ای بیابیم که به ازای هر رابطة :
برقرار باشد.
جنبة اصلی مساله که باید مورد بحث واقع شود فرمول بندی مجدد مساله معادله انتگرال به صورت یک مساله LP- تقریب است. برای این منظور، فرض کنیم بتوان تابع جواب را با تابع F(A)، که ممکن است خطی یا غیر خطی باشد، تقریب زد. اگر این تقریب را در معادله انتگرال بگذاریم، رابطة زیر به دست میآید:
در آن صورت مساله تقریب را میتوان بر حسب LP- نرم به صورت:
بیان کرد که در آن F(A,x) نسبت به A روی Rn و نسبت به x روی [a,b] تعریف شده است. توجه داشته باشید که میتوان عبارت
را تابعی مانند تلقی کنیم که فقط به A بستگی دارد. پس میتوان مسأله تقریب را به عنوان یک مسأله مینیمم سازی غیر مقید وابسته به n متغیر an,...,a1 در نظر گرفت. بنابراین، J فقط باید نسبت به این متغیرها مینیمم شود. در نتیجه، با حل مسأله مینیمم سازی بالا امکان حل تقریبی معادله انتگرال وجود دارد.
برای مطالعة درباره جزئیات این فن (و از جمله آنالیز ریاضی) مراجع [19] , [18] تالیف De Klerk را ببینید.
در این مرحله دو تفسیرزیر ضروری اند:
مقادیر مخلتف P را میتوان مورد استفاده قرار داد. برای مثال به ازای P=1 مسأله منجر میشود به مسأله کمترین قدر مطلق و به ازای P=2 مسأله منجر میشود به مسألة کمترین مربعات. دلیلی وجودندارد که مقادیر مثبت دیگر P را در نظر نگیریم. حالت P=2 را بیشتر می شناسیم، در حالی که حالت P=1 کمتر آشناست. بنابراین احساس میشد که این حالت باید حاوی چالش های عددی جالبی (در رابطه با قدر مطلقی که در انتگرالده ایجاد می شود) باشد. توجه داشته باشید که خطی یا غیر خطی بودن انتگرالده بالا نسبت به A بستگی به تابع تقریب F(A) و هسته K دارد. در روش عددی ای که در اینجا مورد بحث قرار میگیرد تمایز خاصی بین خطی یا غیر خطی بودن قائل نمیشویم.
3- شیوة عددی و مثال ها :
فن عددی در اصل از دو شیوة عددی تشکیل شده است، یعنی شیوة مینیمم سازی و شیوة انتگرال گیری.
مینیمم سازی با استفاده ازیک الگوریتم استاندارد بهینه سازی انجام میگیرد. الگوریتم UMPOL در IMSL Library که بر پایة روش «سیمپلکس داون هیل» از نلدر و مید (به مثال [37] تالیف Press مراجعه کنید)، که گر چه زیاد سریع نیست اما این مزیت را دارد که بسیار قوی است و به مشتق گیری ها نیازی ندارد. در واقع ماشین سر به زیری است که معمولاً مقدار مینیمم یک تابع را به درستی مییابد . همچنین
De Klerk در [20] متذکر شده است که روش لووس- جاکولا [34] نیز روشی قوی است که به مشتق گیری ها نیازی ندارد و بررسی بیشتر جواب هایی که با بهره گیری ازاین روش بدست می آیند را مفید دانسته است.
انتگرال گیری عددی با استفاده از فن کوادراتور اتوماتیکی که ونتر و لاوری [3] با یک انتگرالده به صورت g(|f(x)|) آورده اند، انجام میشود. برای بدست آوردن این شیوه این محققین رویة انتگرال گیری تطبیقی استاندارد QAGE را تغییر داده اند (از QUAD PACK تالیف [35] Piessens ). در حین فرایند انتگرال گیری، با استفاده ازمقادیر موجود برای تابع، صفرهای تابع پیدا میشوند که از آنها (صفرهای تابع) به عنوان نقاط تقسیم در انتگرال گیری استفاده میکنیم.
در [20] ذکر شده است که ونتر ولاوری این روش را با موفقیت بالایی امتحان کرده اند، همچنین در پایان نامه دکتری ونتر نیز از بکارگیری این روش نتایج خوبی بدست آمده است [8].
De Klerk در [18] نتایج رضایت بخشی را با استفاده از این استراتژی تقریب بدست آورده است.
بر خلاف بسیاری روش های دیگر، با استفاده از روشی تقریبی نظیر روش یاد شده، در ساختن جواب نیز آزادی عمل بیشتری داریم (مثلا می توان توابع گویا و توابع مثلثاتی را بکار برد).
با اینکه داشتن تجربه در ارتباط با انتخاب یک تابع تقریب لازم است اما این امر موجب کنار گذاردن روش مذکور نمی شود.
De Klerk با در نظر گرفتن مثال های زیر، برخی از نتایج اصلی سال های گذشته را به بحث میگذارد.
مثال (1- ) پارامتر به سمت یکی از مقادیر ویژه مسأله میل میکند.
هسته جدایی پذیر زیر را در نظر بگیرید، داریم :
که در آن دو مجموعه از توابع مستقل خطی هستند.
در این حالت معادله انتگرال فردهولم به طور کلی یک و فقط یک جواب دارد. تنها استثنا وقتی است که یکی از مقادیر ویژه هسته را به خود میگیرد که در این حالت مسأله جواب ندارد (Tricomi [9]) . مثال بعد کارایی فن مذکور را نشان میدهد. معادله انتگرال فردهولم نوع دوم زیررا در نظر بگیرید.
معادلات فرد هولم
باهت ها با جبر ماتریسی: سه معادله انتگرال زیر را در نظر بگیرید
حدود تغییرات انتگرال گیری و تعریف توابع شامل است. حدود انتگرال گیری را تا لازم نباشند ذکر نمی کنیم. قبل از اینکه جواب، این معادلات را مطرح کنیم بهتر است که تقریب هایی ساده برای آنها بدست آوریم، سپس تقریب ها را مورد بحث قرار دهیم. برای این کار می توانیم ایده ای از خواص معادلات انتگرال را بدست آوریم، هر چند عموماً این خواص را به جای اثبات فقط معین می کنیم. در اینجا فرض می کنیم که معادلات ناتکین هستند.
فرض کنید یک عدد صحیح باشد و q,p اعداد صحیح مثبت کمتر از باشند. قرار می دهیم: .
با میل به سمت بی نهایت و h به سمت صفر، به درستی انتظار داریم که تقریب بهتر و بهتر شود.
به ترتیب تقریب هایی برای معادلات انتگرال (1-2)، (2-2)و(3-2) هستند.
معادلات (4-2)،(5-2)و(6-2) را می توان به ترتیب، به صورت ماتریسی بازنویسی کرد.
کلیات معادلات دیفرانسیل با مشتقات جزئی
مقدمه
یک معادله دیفرانسیل با مشتقات جزئی (یا نسبی) برای یک تابع رابطهای است که بین تابع مجهول u و متغیرهای مستقل آن (به تعداد متنابهی) و مشتقات جزئی تابع u نسبت به متغیرهای مستقل آن برقرار میباشد. تابع u را جوابی برای معادله دیفرانسیل فوق مینامیم هرگاه پس لز جایگزینی u(x,y,...) و مشتقات جزئی آن، این معادله دیفرانسیل نسبت به متغیرهای مستقل مذکور، درناحیه ای از فضای این متغیرهای مستقل تبدیل به یک اتحاد شود.
مرتبة یک معادلة دیفرانسیل با مشتقات جزئی بالاترین مرتبة مشتقات موجود در آن معادله است. مثلاً uuxy+uyux=f(x,y) یک معادله دیفرانسیل مرتبه دوم است. در اینجا و و
یک معادلعه دیفرانسیل با مشتقات جزئی را خطی گوئین هرگاه این معادله نسبت به تابع مجهول و مشتقات آن، با ضرایبی که فقط تابع متغیرهای مستقل هستند، خطی باشد. یک معادله با مشتقات جرئی از مرتبه m را شبه خطی گوئیم هرگاه این معادله نسبت به مشتقات جزئی مرتبه mام تابع مجهول، با ضرایبی که فقط تابع متغیرهای مستقل u و مشتقات از مرتبه کمتر از m هستند، خطی باشد (مانند مثال بالا) یک معادله دیفرانسیل با مشتقات جزئی خطی یک حالت خاص معادله شبه خطی است.
2- معادلات دیفرانسیل با مشتقات جزئی مرتبه اول
معادله دیفرانسیل با مشتقات جزئی مرتبه اول خطی با ضرایب ثابت
به عنوان گام نخست معادلع دیفرانسیل (2-1) aux+buy+cu=f(xy) را درنظر میگیریم، که در آن تابع f داده شده و ضرایب ثابتاند. سعی میکنیم با تغییر متغیرهای ساده مانند (2-2) x=ay+a1 و y=by+b1 معادله دیفرانسیل با مشتقات جزئی (2-1) را به معادله دیفرانسیل ) uy+cu=f(ay+a1 , by +b1 تبدیل کنیم که مانند یک معادله دیفرانسیل معمولی خطی مرتبه اول با ضرایب ثابت نسبت به متغیر مستقل y حل میشود، منتها ثابت انتگرالگیری تابع دلخواهی از خواهد بود. بعد از حل بجای y و برحسب x و y جانشین میکنیم تا جواب u(x,y) حاصل شود البته لازمه این کار آنست که دترمیبنال ضرایب تغییر متغیرهای (2-C) غیرصفر باشد، سعنی مستقل بودن این متغیرها تضمین شود (این دترمینال ژاکوبی تغییر متغیرها است)
مثال ا
قضیه زیر یک روش حل معادله با مشتقات جزئی مرتبه اول شبه خطی را پیش روی ما میگذارد که فعلاً از بیان آن خودداری میکنیم.