‫‪Differential Equations‬‬

‫ﯾﮏ ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ راﺑﻄﻪای اﺳﺖ ﺑﯿﻦ ﯾﮏ ﺗﺎﺑﻊ ﻣﺠﻬﻮل‪ ،‬ﻣﺘﻐﯿﺮ ﻣﺴﺘﻘﻞ )ﯾﺎ ﻣﺘﻐﯿﺮﻫﺎی ﻣﺴﺘﻘﻞ( و ﻣﺸﺘﻘﺎت ﺗﺎﺑﻊ ﻣﺠﻬﻮل‬
‫ﻧﺴﺒﺖ ﺑﻪ ﻣﺘﻐﯿﺮ ﻣﺴﺘﻘﻞ‪ .‬در واﻗﻊ ﻣﻌﺎدﻟﻪای ﮐﻪ ﺷﺎﻣﻞ ﻣﺸﺘﻖ ﯾﮏ ﺗﺎﺑﻊ ﻣﺠﻬﻮل ﺑﺎﺷﺪ را ﯾﮏ ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ﻣﯽﮔﻮﯾﻨﺪ‪.‬‬

‫ﯾﮏ دﺳﺘﻪ ﺑﻨﺪی از ﻣﻌﺎدﻻت دﯾﻔﺮاﻧﺴﯿﻞ ﺑﺮاﺳﺎس ﺗﻌﺪاد ﻣﺘﻐﯿﺮﻫﺎی ﻣﺴﺘﻘﻞ ﺑﻪ ﺻﻮرت زﯾﺮ اﺳﺖ‪:‬‬

‫)‪ (ODE‬ﻣﻌﺎدﻻت دﯾﻔﺮاﻧﺴﯿﻞ ﻣﻌﻤﻮﻟﯽ‬

‫ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ﻣﻌﻤﻮﻟﯽ ﻣﻌﺎدﻟﻪای اﺳﺖ ﮐﻪ ﺗﺎﺑﻊ ﻣﺠﻬﻮل ﻓﻘﻂ ﺑﻪ ﯾﮏ ﻣﺘﻐﯿﺮ ﻣﺴﺘﻘﻞ واﺑﺴﺘﻪ ﺑﺎﺷﺪ‪.‬‬

‫)‪ (PDE‬ﻣﻌﺎدﻻت دﯾﻔﺮاﻧﺴﯿﻞ ﺑﺎ ﻣﺸﺘﻘﺎت ﺟﺰﺋﯽ‬

‫ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ﺟﺰﺋﯽ ﻣﻌﺎدﻟﻪای اﺳﺖ ﮐﻪ ﺗﺎﺑﻊ ﻣﺠﻬﻮل ﯾﮏ ﺗﺎﺑﻊ ﭼﻨﺪ ﻣﺘﻐﯿﺮه ﺑﺎﺷﺪ‪.‬‬

‫ﻣﺮﺗﺒﻪ ﯾﮏ ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ‪ :‬ﺑﻪ ﺑﺎﻻﺗﺮﯾﻦ ﻣﺮﺗﺒﻪ ﻣﺸﺘﻖ )ﻣﺸﺘﻖ ﺟﺰﺋﯽ( ﻣﻮﺟﻮد در ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ‪ ،‬ﻣﺮﺗﺒﻪ ﻣﻌﺎدﻟﻪ‬
‫دﯾﻔﺮاﻧﺴﯿﻞ ﻣﯽﮔﻮﯾﻨﺪ‪.‬‬
‫‪′′‬‬ ‫‪′‬‬
‫‪٢x٢ y + ٣xy − y = ٠‬‬ ‫ﻣﺜﺎل ‪ .١‬ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ﻣﻌﻤﻮﻟﯽ ﻣﺮﺗﺒﻪ دوم‬
‫‪ut + uuxxx = ١ + uxx‬‬ ‫ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ﺑﺎ ﻣﺸﺘﻘﺎت ﺟﺰﺋﯽ ﻣﺮﺗﺒﻪ ﺳﻮم‬

‫ﻣﻌﺎدﻻت دﯾﻔﺮاﻧﺴﯿﻞ ﺧﻄﯽ و ﻏﯿﺮﺧﻄﯽ‪ :‬ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ﺧﻄﯽ ﻣﻌﺎدﻟﻪای اﺳﺖ ﮐﻪ ﻧﺴﺒﺖ ﺑﻪ ﺗﺎﺑﻊ ﻣﺠﻬﻮل و ﻣﺸﺘﻘﺎت‬
‫آن ﺧﻄﯽ ﺑﺎﺷﺪ‪ .‬ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ﻏﯿﺮﺧﻄﯽ ﻣﻌﺎدﻟﻪای اﺳﺖ ﮐﻪ ﺧﻄﯽ ﻧﺒﺎﺷﺪ‪.‬‬
‫‪′′‬‬ ‫‪′‬‬
‫‪x٢ y + xy + ٢y = sin x‬‬ ‫ﻣﺜﺎل ‪ .٢‬ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ﻣﻌﻤﻮﻟﯽ ﺧﻄﯽ‬
‫‪′′‬‬ ‫‪′‬‬
‫‪x٢ y‬‬ ‫‪+ yy + ٢y = sin x‬‬ ‫ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ﻣﻌﻤﻮﻟﯽ ﻏﯿﺮﺧﻄﯽ‬
‫‪ut = uxx‬‬ ‫ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ﺑﺎ ﻣﺸﺘﻘﺎت ﺟﺰﺋﯽ ﺧﻄﯽ‬
‫‪ut + uux = ١ + uxx‬‬ ‫ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ﺑﺎ ﻣﺸﺘﻘﺎت ﺟﺰﺋﯽ ﻏﯿﺮﺧﻄﯽ‬

‫ﻣﻌﺎدﻻت دﯾﻔﺮاﻧﺴﯿﻞ ﻫﻤﮕﻦ‪ :‬ﯾﮏ ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ﺧﻄﯽ را ﻫﻤﮕﻦ ﻣﯽﮔﻮﯾﻨﺪ ﻫﺮﮔﺎه ﻫﺮ ﺟﻤﻠﻪ آن ﺷﺎﻣﻞ ﺗﺎﺑﻊ ﻣﺠﻬﻮل ﯾﺎ‬
‫ﯾﮑﯽ از ﻣﺸﺘﻘﺎت آن ﺑﺎﺷﺪ‪ .‬ﻣﻌﺎدﻟﻪای ﮐﻪ ﻫﻤﮕﻦ ﻧﺒﺎﺷﺪ ﺑﻪ ﻣﻌﺎدﻟﻪ ﻧﺎﻫﻤﮕﻦ ﻣﻌﺮوف اﺳﺖ‪.‬‬
‫‪′′‬‬ ‫‪′‬‬
‫‪(١ + y ٢ )y + xy + y = ٠‬‬ ‫ﻣﺜﺎل ‪ .٣‬ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ﻣﻌﻤﻮﻟﯽ‪ ،‬ﻏﯿﺮﺧﻄﯽ و ﻫﻤﮕﻦ‬
‫‪′′‬‬
‫‪y + sin(x + y) = sin x‬‬ ‫ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ﻣﻌﻤﻮﻟﯽ ﻧﺎﻫﻤﮕﻦ‬

‫ﻣﺴﺎﻟﻪ ﻣﻘﺪار اوﻟﯿﻪ‪ :‬ﯾﮏ ﻣﺴﺎﻟﻪ ﻣﻘﺪار اوﻟﯿﻪ )‪ (Initial Value Problem‬از ﯾﮏ ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ﺑﻪ ﻫﻤﺮاه ﯾﮏ ﺷﺮط‬
‫اوﻟﯿﻪ ﺗﺸﮑﯿﻞ ﺷﺪه اﺳﺖ‪ .‬اﯾﻦ ﺷﺮط اوﻟﯿﻪ ﺑﻪ ﺻﻮرت ﻣﻘﺪار ﺗﺎﺑﻊ ﻣﺠﻬﻮل ﯾﺎ ﻣﺸﺘﻖ آن در ﯾﮏ ﻧﻘﻄﻪ از داﻣﻨﻪ داده ﻣﯽﺷﻮد‪.‬‬
‫ﻣﺴﺎﻟﻪ ﻣﻘﺪار ﻣﺮزی‪ :‬ﯾﮏ ﻣﺴﺎﻟﻪ ﻣﻘﺪار ﻣﺮزی )‪ (Boundray Value Problem‬از ﯾﮏ ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ﺑﻪ ﻫﻤﺮاه‬
‫ﺷﺮاﯾﻂ ﻣﺮزی ﺗﺸﮑﯿﻞ ﺷﺪه اﺳﺖ‪ .‬ﺷﺮط ﻣﺮزی ﺑﻪ ﺻﻮرت ﻣﻘﺪار ﺗﺎﺑﻊ ﻣﺠﻬﻮل در ﻣﺮز داﻣﻨﻪ ﻣﺸﺨﺺ ﻣﯽﺷﻮد‪.‬‬
 ‫‪ ١‬ﻣﺜﺎلﻫﺎﯾﯽ از ﻣﻌﺎدﻻت دﯾﻔﺮاﻧﺴﯿﻞ ﻣﻌﻤﻮﻟﯽ‬
‫‪′‬‬
‫‪y + P (x)y = Q(x)y n‬‬ ‫• ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ﺑﺮﻧﻮﻟﯽ‬
‫‪′‬‬
‫‪P (x) + Q(y)y = ٠‬‬ ‫• ﻣﻌﺎدﻻت دﯾﻔﺮاﻧﺴﯿﻞ ﺟﺪاﯾﯽﭘﺬﯾﺮ‬
‫‪∂P‬‬
‫‪∂y‬‬ ‫=‬ ‫‪∂Q‬‬
‫‪∂x‬‬ ‫‪ P (x, y)dx + Q(x, y)dy = ٠‬ﺑﻪﻃﻮری ﮐﻪ‬ ‫• ﻣﻌﺎدﻻت دﯾﻔﺮاﻧﺴﯿﻞ ﮐﺎﻣﻞ‬
‫‪′‬‬
‫‪y = P (x) + Q(x)y + R(x)y ٢‬‬ ‫• ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ رﯾﮑﺎﺗﯽ‬
‫‪′′‬‬ ‫‪′‬‬
‫‪x٢ y + xy + (x٢ − µ٢ )y = ٠‬‬ ‫• ﻣﻌﺎدﻟﻪ ﺑﺴﻞ رﺗﺒﻪ ‪µ‬‬
‫‪′′‬‬
‫‪y − xy = ٠‬‬ ‫• ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ آﯾﺮی‬

‫(‬ ‫)‬ ‫(‬ ‫دﯾﻔﺮاﻧﺴﯿﻞ ﺑﻮﭼﺮ‬

‫• ﻣﻌﺎدﻟﻪ )‬
‫‪′′‬‬ ‫‪١‬‬ ‫‪mn−١‬‬ ‫‪′‬‬ ‫‪١‬‬ ‫‪A٠ +A١ x+...+Al xl‬‬
‫‪y +‬‬ ‫‪٢‬‬
‫‪m١‬‬
‫‪x−a١‬‬ ‫‪+ ... +‬‬ ‫‪x−an−١‬‬ ‫‪y +‬‬ ‫‪۴‬‬ ‫‪(x−a١ )m١ (x−a٢ )m٢ ...(x−an−١ )mn−١‬‬
‫‪y=٠‬‬
‫‪′′‬‬ ‫‪′‬‬
‫‪y − ٢xy + λy = ٠‬‬ ‫• ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ﻫﺮﻣﯿﺖ‬
‫‪′‬‬
‫‪d‬‬
‫) ‪dx (p(x)y‬‬ ‫‪+ (λw(x) − q(x))y = ٠‬‬ ‫• ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ اﺷﺘﻮرم‪-‬ﻟﯿﻮوﯾﻞ‬

‫ﻣﻌﺎدﻻت دﯾﻔﺮاﻧﺴﯿﻞ ﻣﺸﺘﻖ ﺟﺰﺋﯽ ﻣﻌﺮوف‬ ‫‪٢‬‬

‫• ﻣﻌﺎدﻻت دﯾﻔﺮاﻧﺴﯿﻞ ﺟﺰﺋﯽ ﻣﺮﺗﺒﻪ دوم ﺧﻄﯽ‪:‬‬
‫ﻓﺮم ﮐﻠﯽ اﯾﻦ دﺳﺘﻪ از ﻣﻌﺎدﻻت‪:‬‬

‫‪Auxx + Buyy + Cuxy + Dux + Euy + F = ٠‬‬

‫ﯾﮏ دﺳﺘﻪﺑﻨﺪی از اﯾﻦ دﺳﺘﻪ ﻣﻌﺎدﻻت ﺑﺼﻮرت زﯾﺮ اﺳﺖ‪:‬‬

‫‪B ٢ − ۴AC < ٠‬‬ ‫ﺑﯿﻀﻮی ‪١‬‬ ‫)‪ (P١‬ﻣﻌﺎدﻻت‬

‫‪B ٢ − ۴AC = ٠‬‬ ‫ﺳﻬﻤﻮی ‪٢‬‬ ‫)‪ (P٢‬ﻣﻌﺎدﻻت‬
‫‪B ٢ − ۴AC > ٠‬‬ ‫ﻫﺬﻟﻮﻟﻮی ‪٣‬‬ ‫)‪ (P٣‬ﻣﻌﺎدﻻت‬

‫• ﻣﻌﺎدﻟﻪ ﻻﭘﻼس‬

‫‪∂٢u ∂٢u ∂٢u‬‬

‫‪+ ٢ + ٢ =٠‬‬
‫‪∂x٢‬‬ ‫‪∂y‬‬ ‫‪∂z‬‬

‫اﻧﺘﺸﺎر ‪۴‬‬ ‫• ﻣﻌﺎدﻟﻪ‬

‫‪elliptic١‬‬
‫‪parabolic٢‬‬
‫‪hyperbolic٣‬‬
‫‪Diffusion Equation۴‬‬
 ∂ϕ(r, t) ( )
= ∇. D(ϕ, r)∇ϕ(r, t)
∂t
.‫∇ ﻋﻤﻠﮕﺮ دل ﯾﺎ ﻧﺎﺑﻼ اﺳﺖ‬

۵ ‫• ﻣﻌﺎدﻟﻪ ﮔﺮﻣﺎ‬
( )
ut = α uxx + uyy + uzz

۶ ‫ﻣﻮج‬ ‫• ﻣﻌﺎدﻟﻪ‬
( )
utt = C ٢ uxx + uyy + uzz

٧ ‫ﺷﺮودﯾﻨﮕﺮ‬ ‫• ﻣﻌﺎدﻟﻪ‬
( )
−ℏ٢ ٢
٢m ∇
∂
iℏ ∂t Ψ(r, t) = + V (r, t) Ψ(r, t)

٨ ‫ﭘﻼﻧﮏ‬-‫ﻓﻮﮐﺮ‬ ‫• ﻣﻌﺎدﻟﻪ‬

∂y ( ∂ ∂٢ )
= − A(x, t) + ٢ B(x, t) y
∂t ∂x ∂x
٩ ‫ﮔﻮردن‬-‫ﺳﯿﻦ‬ ‫• ﻣﻌﺎدﻟﻪ‬

φtt − φxx + sin(φ) = ٠

١٠ ‫ﺷﻮﻟﺰ‬-‫ﺑﻠﮏ‬ ‫• ﻣﻌﺎدﻟﻪ‬

∂V ١ ∂٢V ∂V
+ σ ٢ S ٢ ٢ + rs − rV = ٠
∂t ٢ ∂S ∂S
١١ ‫ﺑﺮﮔﺮز‬ ‫• ﻣﻌﺎدﻟﻪ‬

∂u ∂u ∂٢u
+u =ν ٢
∂t ∂t ∂x
١٢ ‫اﺳﺘﻮﮐﺲ‬-‫ﻧﺎوﯾﺮ‬ ‫• ﻣﻌﺎدﻟﻪ‬

١
ut + (u.∇)u = −∇p + △u + g
R
heat equation۵
wave equation۶
Schrodinger٧
Fokker-Planck٨
sine-Gordon٩
Black-Scholes١٠
Burgers١١
Navier-Stockes١٢
 ‫‪ ٣‬روشﻫﺎی ﺣﻞ ﻣﻌﺎدﻻت دﯾﻔﺮاﻧﺴﯿﻞ‬
‫‪ ١.٣‬روشﻫﺎی ﺗﺤﻠﯿﻠﯽ‬

‫ﺑﻪ ﻣﻨﻈﻮر ﺣﻞ ﻣﻌﺎدﻻت دﯾﻔﺮاﻧﺴﯿﻞ آنﻫﺎ را دﺳﺘﻪﺑﻨﺪی ﻣﯽﮐﻨﻨﺪ و ﺑﺮای ﻫﺮ دﺳﺘﻪ‪ ،‬روش ﺧﺎﺻﯽ اراﺋﻪ ﻣﯽﺷﻮد‪ .‬روشﻫﺎی ﻣﺒﺘﻨﯽ‬
‫ﺑﺮ ﺗﺒﺪﯾﻞ ﻻﭘﻼس و ﺗﺒﺪﯾﻞ ﻓﻮرﯾﻪ‪ ،‬روش ﺟﺪاﺳﺎزی ﻣﺘﻐﯿﺮﻫﺎ ﺑﺮای ﺣﻞ ﻣﻌﺎدﻻت دﯾﻔﺮاﻧﺴﯿﻞ ﺟﺰﺋﯽ‪ ،‬آﻧﺎﻟﯿﺰ ﻓﻮرﯾﻪ‪ ،‬روش ﺗﻐﯿﺮ‬
‫ﻣﺘﻐﯿﺮ‪ ،‬روش ﺟﻔﺖﻫﺎی ﻟﮑﺲ ‪ ،١٣‬روش ﺗﺠﺰﯾﻪ آدوﻣﯿﺎن و روش اﺧﺘﻼل ﻫﻤﻮﺗﻮﭘﯽ از ﺟﻤﻠﻪ روشﻫﺎی ﺗﺤﻠﯿﻠﯽ ﺑﺮای ﺣﻞ ﻣﻌﺎدﻻت‬
‫دﯾﻔﺮاﻧﺴﯿﻞ ﻫﺴﺘﻨﺪ‪ .‬ﺑﺎ وﺟﻮد روشﻫﺎی ﺗﺤﻠﯿﻠﯽ‪ ،‬در ﻋﻤﻞ ﺑﺮای ﺣﻞ ﻣﻌﺎدﻻت دﯾﻔﺮاﻧﺴﯿﻞ ﭘﯿﭽﯿﺪه ﺑﺎﯾﺪ از روشﻫﺎی ﻋﺪدی اﺳﺘﻔﺎده‬
‫ﮐﺮد‪.‬‬

‫‪ ٢.٣‬روشﻫﺎی ﻋﺪدی‬
‫‪ ١.٢.٣‬روشﻫﺎی ﻋﺪدی ﺣﻞ ﻣﻌﺎدﻻت دﯾﻔﺮاﻧﺴﯿﻞ ﻣﻌﻤﻮﻟﯽ‬
‫ﻣﺘﻨﺎﻫﯽ ‪١۴‬‬ ‫• روشﻫﺎی ﺗﻔﺎﺿﻼت‬
‫اﯾﻦ دﺳﺘﻪ از روشﻫﺎ ﺑﺮای ﺣﻞ ﻣﻌﺎدﻻت دﯾﻔﺮاﻧﺴﯿﻞ ﻣﻌﻤﻮﻟﯽ و ﻣﻌﺎدﻻت دﯾﻔﺮاﻧﺴﯿﻞ ﺑﺎ ﻣﺸﺘﻘﺎت ﺟﺰﺋﯽ ﺑﮑﺎر ﮔﺮﻓﺘﻪ‬
‫ﻣﯽﺷﻮﻧﺪ‪ .‬در اﯾﻦ روش از ﺗﻔﺎﺿﻼت ﻣﺘﻨﺎﻫﯽ ﺑﺮای ﺗﻘﺮﯾﺐ ﻣﺸﺘﻖ اﺳﺘﻔﺎده ﻣﯽﺷﻮد‪ .‬از ﺟﻤﻠﻪ روشﻫﺎی ﻣﺒﺘﻨﯽ ﺑﺮ ﺗﻔﺎﺿﻼت‬
‫ﻣﺘﻨﺎﻫﯽ ﺑﺮای ﺣﻞ ﻣﻌﺎدﻻت دﯾﻔﺮاﻧﺴﯿﻞ ﻣﻌﻤﻮﻟﯽ ﻣﯽﺗﻮان ﺑﻪ روشﻫﺎی زﯾﺮ اﺷﺎره ﮐﺮد‪ .‬ﻓﺮض ﮐﻨﯿﺪ ﻣﺴﺎﻟﻪ ﻣﻘﺪار اوﻟﯿﻪ زﯾﺮ‬
‫ﻣﺪﻧﻈﺮ اﺳﺖ‪:‬‬
‫‪′‬‬
‫)‪y = f (t, y‬‬
‫‪y(t٠ ) = y٠‬‬

‫)‪ (F١‬روش اوﯾﻠﺮ اﺻﻼح ﺷﺪه‬

‫‪y(t + h) = y(t) + F٢‬‬

‫‪١‬‬ ‫‪١‬‬
‫) ‪F٢ = hf (t + h, y + F١‬‬
‫‪٢‬‬ ‫‪٢‬‬
‫)‪F١ = hf (t, y‬‬

‫دوم ‪١۵‬‬ ‫)‪ (F٢‬روش راﻧﮕﻪ‪-‬ﮐﻮﺗﺎی ﻣﺮﺗﺒﻪ‬

‫‪١‬‬
‫) ‪y(t + h) = y(t) + (F١ + F٢‬‬
‫‪٢‬‬
‫) ‪F٢ = hf (t + h, y + F١‬‬
‫)‪F١ = hf (t, y‬‬

‫‪Lax pair١٣‬‬
‫‪Finite Differences Methods١۴‬‬
‫‪Runge-Kutta Methods١۵‬‬
 ‫)‪ (F٣‬روش راﻧﮕﻪ‪-‬ﮐﻮﺗﺎی ﻣﺮﺗﺒﻪ ﭼﻬﺎر ﮐﻼﺳﯿﮏ‬

‫‪١‬‬
‫) ‪y(t + h) = y(t) + (F١ + ٢F٢ + ٢F٣ + F۴‬‬
‫‪۶‬‬
‫) ‪F۴ = hf (t + h, y + F٣‬‬
‫‪١‬‬ ‫‪١‬‬
‫) ‪F٣ = hf (t + h, y + F٢‬‬
‫‪٢‬‬ ‫‪٢‬‬
‫‪١‬‬ ‫‪١‬‬
‫) ‪F٢ = hf (t + h, y + F١‬‬
‫‪٢‬‬ ‫‪٢‬‬
‫)‪F١ = hf (t, y‬‬

‫)‪ (F۴‬روش ﭼﻨﺪﮔﺎﻣﯽ آداﻣﺰ‪-‬ﯾﺸﻔﻮرث ‪ ۵‬ﻧﻘﻄﻪای‬

‫(‬ ‫)‬
‫‪yn+١ = yn +‬‬ ‫‪h‬‬
‫‪٧٢٠‬‬ ‫‪١٩٠١fn − ٢٧٧۴fn−١ + ٢۶١۶fn−٢ − ١٢٧۴fn−٣ + ٢۵١fn−۴‬‬

‫ﺗﯿﺮاﻧﺪازی ‪١۶‬‬ ‫• روش‬

‫اﯾﻦ روش‪ ،‬ﻣﺴﺎﺋﻞ ﻣﻘﺪار ﻣﺮزی را ﺑﻪ ﻣﺴﺎﺋﻞ ﻣﻘﺪار اوﻟﯿﻪ ﺗﺒﺪﯾﻞ ﻣﯽﮐﻨﺪ‪.‬‬

‫‪ ٢.٢.٣‬روشﻫﺎی ﻋﺪدی ﺣﻞ ﻣﻌﺎدﻻت دﯾﻔﺮاﻧﺴﯿﻞ ﺑﺎ ﻣﺸﺘﻖ ﺟﺰﺋﯽ‬

‫)‪ (D١‬ﺗﻔﺎﺿﻼت ﻣﺘﻨﺎﻫﯽ‪ :‬در اﯾﻦ روشﻫﺎ داﻣﻨﻪ را ﮔﺴﺴﺘﻪﺳﺎزی ﮐﺮده و ﺗﻨﻬﺎ ﺑﺪﻧﺒﺎل ﻣﻘﺪار ﺗﺎﺑﻊ ﻣﺠﻬﻮل در ﻧﻘﺎط ﮔﺴﺴﺘﻪ ﺳﺎزی‬
‫ﺷﺪه )ﺷﺒﮑﻪ( ﻫﺴﺘﯿﻢ‪ .‬ﺳﭙﺲ ﻣﺸﺘﻘﺎت ﺗﺎﺑﻊ ﻣﺠﻬﻮل را ﺗﻮﺳﻂ ﻓﺮﻣﻮلﻫﺎی ﺣﺎﺻﻞ از ﺑﺴﻂ ﺗﯿﻠﻮر ﺗﻘﺮﯾﺐ ﻣﯽزﻧﯿﻢ ﺗﺎ دﺳﺘﮕﺎه‬
‫ﻣﺎﺗﺮﯾﺴﯽ ﺣﺎﺻﻞ ﺷﻮد‪ .‬در ﻧﻬﺎﯾﺖ ﺑﺎ ﺣﻞ دﺳﺘﮕﺎه ﻣﺎﺗﺮﯾﺴﯽ‪ ،‬ﻣﻘﺎدﯾﺮ ﺗﺎﺑﻊ ﻣﺠﻬﻮل در ﻧﻘﺎط ﺷﺒﮑﻪ ﻣﺸﺨﺺ ﻣﯽﺷﻮد‪ .‬ﻣﺰﯾﺖ‬
‫اﺻﻠﯽ اﯾﻦ روش‪ ،‬ﺳﺎدﮔﯽ و ﮐﻢ ﻫﺰﯾﻨﻪ ﺑﻮدن آن اﺳﺖ اﻣﺎ اﯾﺮاد ﺑﺰرگ آن اﯾﻦ اﺳﺖ ﮐﻪ ﺗﻨﻬﺎ روی داﻣﻨﻪﻫﺎی ﻣﻨﻈﻢ ﺑﺨﻮﺑﯽ‬
‫ﮐﺎر ﻣﯽﮐﻨﺪ و ﺑﺮای داﻣﻨﻪﻫﺎی ﻧﺎﻣﻨﻈﻢ دﭼﺎر ﻣﺸﮑﻞ ﻣﯽﺷﻮد‪.‬‬
‫ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل ﻓﺮض ﮐﻨﯿﺪ ﮐﻪ ) ‪ ut = F (u, x, t, ux , uxx‬ﯾﮏ ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ﺟﺰﺋﯽ ﺑﺎﺷﺪ ﮐﻪ ‪ F‬ﺗﺎﺑﻌﯽ ﺑﺮ ﺣﺴﺐ‬
‫‪ u‬و ﻣﺸﺘﻘﺎت آن اﺳﺖ‪ .‬از ﺗﻘﺮﯾﺐﻫﺎی زﯾﺮ اﺳﺘﻔﺎده ﻣﯽﮐﻨﯿﻢ‪:‬‬

‫) ‪ut = k١ (ui,n+١ − ui,n‬‬

‫‪١‬‬
‫= ‪ux‬‬ ‫‪٢h (ui+١,n‬‬ ‫) ‪− ui−١,n‬‬
‫‪١‬‬
‫= ‪uxx‬‬ ‫‪h٢‬‬
‫‪(ui+١,n‬‬ ‫) ‪− ٢ui,n + ui−١,n‬‬

‫ﮐﻪ اﻧﺪﯾﺲ ‪ i‬ﻣﺮﺑﻮط ﺑﻪ ﻣﮑﺎن و اﻧﺪﯾﺲ ‪ n‬ﻣﺮﺑﻮط ﺑﻪ زﻣﺎن اﺳﺖ‪ .‬ﻫﻤﭽﻨﯿﻦ ‪ h‬ﻧﺸﺎن دﻫﻨﺪه ﻃﻮل ﮔﺎم ﻣﮑﺎﻧﯽ و ‪ k‬ﺑﯿﺎﻧﮕﺮ‬
‫ﻃﻮل ﮔﺎم زﻣﺎﻧﯽ اﺳﺖ‪.‬‬

‫ﺻﺮﯾﺢ ‪١٧‬‬ ‫– روش‬

‫‪١‬‬
‫‪k (ui,n+١‬‬ ‫) ‪− ui,n ) = Fin (u, x, t, ux , uxx‬‬
‫ﺿﻤﻨﯽ ‪١٨‬‬ ‫– روش‬
‫‪shooting method١۶‬‬
‫‪explicit method١٧‬‬
‫‪implicit method١٨‬‬
 ‫‪١‬‬
‫‪k (ui,n+١‬‬ ‫) ‪− ui,n ) = Fin+١ (u, x, t, ux , uxx‬‬
‫ﮐﺮاﻧﮏ‪-‬ﻧﯿﮑﻠﺴﻮن ‪١٩‬‬ ‫– روش‬
‫(‬ ‫)‬
‫‪١‬‬ ‫‪١‬‬
‫‪k (ui,n+١‬‬ ‫= ) ‪− ui,n‬‬ ‫‪٢‬‬ ‫) ‪Fin+١ (u, x, t, ux , uxx ) + Fin (u, x, t, ux , uxx‬‬

‫در واﻗﻊ در روش ﮐﺮاﻧﮏ‪-‬ﻧﯿﮑﻠﺴﻮن از ﺗﻘﺮﯾﺐﻫﺎی زﯾﺮ اﺳﺘﻔﺎده ﻣﯽﺷﻮد‪:‬‬

‫) ‪u = ١٢ (ui,n + ui,n+١‬‬
‫) ‪ut = k١ (ui,n+١ − ui,n‬‬
‫‪١‬‬
‫= ‪ux‬‬ ‫‪۴h (ui+١,n‬‬ ‫) ‪− ui−١,n + ui+١,n+١ − ui−١,n+١‬‬
‫‪١‬‬
‫= ‪uxx‬‬ ‫‪٢h٢‬‬
‫‪(ui+١,n‬‬ ‫) ‪− ٢ui,n + ui−١,n + ui+١,n+١ − ٢ui,n+١ + ui−١,n+١‬‬

‫ﻣﺤﺪود ‪٢٠‬‬ ‫)‪ (D٢‬روش اﻟﻤﺎن‬

‫ﯾﮑﯽ دﯾﮕﺮ از روشﻫﺎی ﻋﺪدی ﺣﻞ ﻣﻌﺎدﻻت دﯾﻔﺮاﻧﺴﯿﻞ ﺑﺎ ﻣﺸﺘﻘﺎﺗﺖ ﺟﺰﺋﯽ‪ ،‬روش اﻟﻤﺎن ﻣﺘﻨﺎﻫﯽ اﺳﺖ‪ .‬در اﯾﻦ روش‬
‫ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ﺑﻪ ﮐﻤﮏ اﻧﺘﮕﺮالﮔﯿﺮی ﺑﻪ ﻓﺮم ﺳﺎدهﺗﺮی در ﻣﯽآﯾﺪ ﮐﻪ ﺑﻪ ﻓﺮم ﺳﺎده ﻣﻌﺮوف اﺳﺖ‪ .‬ﺳﭙﺲ ﺗﺎﺑﻊ ﻣﺠﻬﻮل‬
‫ﺑﻮﺳﯿﻠﻪ ﻣﺠﻤﻮع ﻣﺘﻨﺎﻫﯽ از ﺗﻮاﺑﻊ ﻣﺸﺨﺺ )ﺗﻮاﺑﻊ ﭘﺎﯾﻪ( ﺑﺎ ﺿﺮاﯾﺐ ﻣﺠﻬﻮل ﺗﻘﺮﯾﺐ زده ﻣﯽﺷﻮد )ﻫﺪف ﯾﺎﻓﺘﻦ ﺿﺮاﯾﺐ‬
‫ﻣﺠﻬﻮل اﺳﺖ ﮐﻪ ﺗﺎﺑﻊ ﻣﺠﻬﻮل ﻣﺸﺨﺺ ﺷﻮد(‪ .‬در ﻧﻬﺎﯾﺖ ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ﺑﻪ ﯾﮏ دﺳﺘﮕﺎه ﻣﻌﺎدﻻت )ﻓﺮم ﻣﺎﺗﺮﯾﺴﯽ(‬
‫ﺗﺒﺪﯾﻞ ﻣﯽﺷﻮد‪ .‬ﺑﺎ ﺣﻞ اﯾﻦ دﺳﺘﮕﺎه ﻣﺎﺗﺮﯾﺴﯽ‪ ،‬ﺿﺮاﯾﺐ ﻣﺠﻬﻮل و در ﻧﻬﺎﯾﺖ ﺗﺎﺑﻊ ﻣﺠﻬﻮل ﻣﺸﺨﺺ ﻣﯽﺷﻮد‪ .‬ﻣﺰﯾﺖ ﺑﺰرگ‬
‫اﯾﻦ روش اﯾﻦ اﺳﺖ ﮐﻪ روی داﻣﻨﻪﻫﺎی ﻧﺎﻣﻨﻈﻢ ﺑﺨﻮﺑﯽ ﮐﺎر ﻣﯽﮐﻨﺪ وﻟﯽ ﻧﺴﺒﺖ ﺑﻪ روش ﺗﻔﺎﺿﻼت ﻣﺘﻨﺎﻫﯽ ﭘﯿﭽﯿﺪهﺗﺮ و ﭘﺮ‬
‫ﻫﺰﯾﻨﻪﺗﺮ اﺳﺖ‪.‬‬

‫ﻣﺤﺪود ‪٢١‬‬ ‫)‪ (D٣‬روش ﺣﺠﻢ‬

‫روش ﺣﺠﻢ ﻣﺤﺪود روﺷﯽ ﺑﺮای ﻧﻤﺎﯾﺶ ﻣﻌﺎدﻻت دﯾﻔﺮاﻧﺴﯿﻞ ﺟﺰﺋﯽ ﺑﻪ ﺷﮑﻞ ﻣﻌﺎدﻻت ﺟﺒﺮی اﺳﺖ‪ .‬ﻣﺸﺎﺑﻪ روش اﺧﺘﻼف‬
‫ﻣﺤﺪود ﯾﺎ روش اﻟﻤﺎن ﻣﺤﺪود‪ ،‬ﻣﻘﺎدﯾﺮ ﺗﺎﺑﻊ ﻣﺠﻬﻮل در ﻣﮑﺎن ﻫﺎی ﮔﺴﺴﺘﻪ ﺑﺮ روی ﺷﺒﮑﻪ ﻣﺤﺎﺳﺒﻪ ﻣﯽ ﺷﻮﻧﺪ‪” .‬ﺣﺠﻢ‬
‫ﻣﺤﺪود” ﺑﻪ ﺣﺠﻢ ﮐﻢ اﻃﺮاف ﻫﺮ ﻧﻘﻄﻪ ﮔﺮهای در ﺷﺒﮑﻪ اﺷﺎره دارد‪ .‬در روش ﺣﺠﻢ ﻣﺤﺪود‪ ،‬اﻧﺘﮕﺮال ﻫﺎی ﺣﺠﻢ در ﯾﮏ ﻣﻌﺎدﻟﻪ‬
‫دﯾﻔﺮاﻧﺴﯿﻞ ﺑﺎ ﻣﺸﺘﻘﺎت ﺟﺰﺋﯽ ﮐﻪ ﺣﺎوی دﯾﻮرژاﻧﺲ ﯾﮏ ﻋﺒﺎرت ﻫﺴﺘﻨﺪ‪ ،‬ﺑﺎ اﺳﺘﻔﺎده از ﻗﻀﯿﻪ دﯾﻮرژاﻧﺲ ﺑﻪ اﻧﺘﮕﺮالﻫﺎی‬
‫ﺳﻄﺢ ﺗﺒﺪﯾﻞ ﻣﯽ ﺷﻮﻧﺪ‪ .‬اﯾﻦ روش در ﺑﺴﯿﺎری از ﺑﺴﺘﻪﻫﺎی ﻧﺮم اﻓﺰاری دﯾﻨﺎﻣﯿﮏ ﺳﯿﺎﻻت ﻣﺤﺎﺳﺒﺎﺗﯽ اﺳﺘﻔﺎده ﻣﯽﺷﻮد‪.‬‬

‫ﺷﺒﮑﻪ ‪٢٢‬‬ ‫)‪ (D۴‬روشﻫﺎی ﺑﺪون‬

‫رﯾﺸﻪ ﺗﻤﺎم ﻣﺸﮑﻼت روش اﻟﻤﺎن ﻣﺘﻨﺎﻫﯽ‪ ،‬اﺳﺘﻔﺎده از ﺷﺒﮑﻪﺑﻨﺪی در ﮔﺴﺴﺘﻪﺳﺎزی ﻣﻌﺎدﻻت ﻣﯽﺑﺎﺷﺪ‪ .‬ﺑﺮای ﺑﺮ ﻃﺮف‬
‫ﮐﺮدن اﯾﻦ ﻣﺸﮑﻼت‪ ،‬اﺧﯿﺮا روشﻫﺎی ﺟﺪﯾﺪی ﺗﻮﺳﻌﻪ ﯾﺎﻓﺘﻪاﻧﺪ ﮐﻪ ﻧﯿﺎزی ﺑﻪ ﺷﺒﮑﻪﺑﻨﺪی ﻧﺪارﻧﺪ‪.‬‬

‫)‪ (D۵‬روشﻫﺎی ﻃﯿﻔﯽ‬

‫اﺳﺎس اﯾﻦ روشﻫﺎ اﯾﻦ اﺳﺖ ﮐﻪ ﺗﺎﺑﻊ ﻣﺠﻬﻮل را ﺑﺎ ﻣﺠﻤﻮع ﻣﺘﻨﺎﻫﯽ از ﺗﻮاﺑﻊ ﻣﺸﺨﺺ )ﺗﻮاﺑﻊ ﭘﺎﯾﻪ( ﺑﺎ ﺿﺮاﯾﺐ ﻣﺠﻬﻮل‬
‫ﺗﻘﺮﯾﺐ ﻣﯽزﻧﻨﺪ )ﻫﺪف ﯾﺎﻓﺘﻦ ﺿﺮاﯾﺐ ﻣﺠﻬﻮل اﺳﺖ ﮐﻪ ﺗﺎﺑﻊ ﻣﺠﻬﻮل ﻣﺸﺨﺺ ﺷﻮد(‪ .‬ﺗﻔﺎوت اﯾﻦ روش ﺑﺎ روش اﻟﻤﺎن‬
‫ﻣﺘﻨﺎﻫﯽ در اﯾﻦ اﺳﺖ ﮐﻪ ﺗﻮاﺑﻊ ﭘﺎﯾﻪ در روشﻫﺎی ﻃﯿﻔﯽ روی ﺗﻤﺎم داﻣﻨﻪ ﻧﺎﺻﻔﺮﻧﺪ وﻟﯽ ﺗﻮاﺑﻊ ﭘﺎﯾﻪای ﺑﮑﺎر رﻓﺘﻪ در روش‬

‫‪Cranck-Nicolson method١٩‬‬
‫‪Finite Element Method٢٠‬‬
‫‪Finite Volume Method٢١‬‬
‫‪Meshfree Methods٢٢‬‬
‫اﻟﻤﺎن ﻣﺤﺪود ﻓﻘﻂ در ﻧﺎﺣﯿﻪ ﮐﻮﭼﮑﯽ از داﻣﻨﻪ ﻧﺎﺻﻔﺮ ﻣﯽﺑﺎﺷﻨﺪ‪ .‬از ﺟﻤﻠﻪ روشﻫﺎی ﻃﯿﻔﯽ ﻣﯽﺗﻮان ﺑﻪ روشﻫﺎی زﯾﺮ اﺷﺎره‬
‫ﮐﺮد‪.‬‬

‫– روش ﻫﻢﻣﺤﻠﯽ ‪ :٢٣‬در اﯾﻦ روش ﺗﺎﺑﻊ ﺑﺎﻗﯿﻤﺎﻧﺪه در ﻧﻘﺎﻃﯽ ﻣﻌﺮوف ﺑﻪ ﻧﻘﺎط ﻫﻢﻣﺤﻠﯽ ﺻﻔﺮ ﻣﯽﺷﻮد‪ .‬اﯾﻦ ﮐﺎر ﻣﻨﺠﺮ‬
‫ﺑﻪ اﯾﺠﺎد ﯾﮏ ﺳﯿﺴﺘﻢ از ﻣﻌﺎدﻻت ﻣﯽﺷﻮد ﮐﻪ ﺑﺎ ﺣﻞ آن‪ ،‬ﺿﺮاﯾﺐ ﻣﺠﻬﻮل و ﻃﺒﻊ از آن ﺗﻘﺮﯾﺒﯽ ﺑﺮای ﺗﺎﺑﻊ ﻣﺠﻬﻮل‬
‫ﻣﺸﺨﺺ ﻣﯽﺷﻮد‪.‬‬
‫– روش ﮔﺎﻟﺮﮐﯿﻦ ‪ :٢۴‬در اﯾﻦ روش ﺗﺎﺑﻊ ﺑﺎﻗﯿﻤﺎﻧﺪه ﺑﺎﯾﺪ ﺑﺮ ﺗﻮاﺑﻊ ﭘﺎﯾﻪای ﻣﺘﻌﺎﻣﺪ ﺑﺎﺷﺪ‪.‬‬
‫– روش ﺗﺎو ‪ :٢۵‬اﯾﻦ روش ﻣﺸﺎﺑﻪ روش ﮔﺎﻟﺮﮐﯿﻦ اﺳﺖ‪ ،‬ﺑﺎ اﯾﻦ ﺗﻔﺎوت ﮐﻪ ﻧﯿﺎزی ﻧﯿﺴﺖ ﺗﻮاﺑﻊ ﭘﺎﯾﻪای در ﺷﺮاﯾﻂ ﻣﺮزی‬
‫ﺻﺪق ﮐﻨﻨﺪ‪.‬‬
‫وزندار ‪٢۶‬‬ ‫)‪ (D۶‬روش ﺑﺎﻗﯿﻤﺎﻧﺪهﻫﺎی‬
‫ﻓﺮض ﮐﻨﯿﺪ ﮐﻪ ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ﺑﻪ ﺻﻮرت ‪ Lu = f‬ﺑﺎﺷﺪ ﮐﻪ ‪ L‬ﯾﮏ ﻋﻤﻠﮕﺮ دﯾﻔﺮاﻧﺴﯿﻠﯽ و ‪ f‬ﯾﮏ ﺗﺎﺑﻊ ﻣﺸﺨﺺ‬
‫ﺳﻌﯽ ‪٢٧‬‬ ‫ﻣﯽﺑﺎﺷﺪ‪ .‬ﻫﻤﭽﻨﯿﻦ ‪ u‬ﺗﺎﺑﻊ ﻣﺠﻬﻮل اﺳﺖ‪ .‬در اﯾﻦ روش ﺑﺎ ﻣﺠﻤﻮﻋﻪای از ﺗﻮاﺑﻊ } ‪ {φ١ , ..., φn‬ﺑﻪ ﻧﺎم ﺗﻮاﺑﻊ‬
‫‪∑n‬‬
‫= ‪ u‬ﻧﻮﺷﺘﻪ‬ ‫ﮐﺎر ﻣﯽﮐﻨﻨﺪ‪ .‬ﻓﺮض ﮐﻨﯿﺪ ﺗﺎﺑﻊ ﻣﺠﻬﻮل ﺑﻪ ﺻﻮرت ﺗﺮﮐﯿﺐ ﺧﻄﯽ اﯾﻦ ﺗﻮاﺑﻊ ﺑﻪ ﺻﻮرت ‪i=١ ci φi‬‬
‫ﺷﻮد ﮐﻪ ﺿﺮاﯾﺐ ‪ ci‬ﻣﺠﻬﻮل ﻫﺴﺘﻨﺪ و ﺑﺎﯾﺪ ﻣﺸﺨﺺ ﺷﻮﻧﺪ‪ .‬ﺑﺮای ﺗﻌﯿﯿﻦ اﯾﻦ ﺿﺮاﯾﺐ‪ ،‬ﺗﺎﺑﻊ ﺑﺎﻗﯿﻤﺎﻧﺪه را ﺑﻪ ﺻﻮرت‬
‫‪( ∑n‬‬ ‫)‬
‫‪ R := L‬ﺗﻌﺮﯾﻒ ﻣﯽﮐﻨﻨﺪ‪ .‬ﺣﺎل ﺑﺎﯾﺪ ﺑﺎﻗﯿﻤﺎﻧﺪه ﺑﺮ ﺗﻮاﺑﻊ ‪ Wi‬ﺑﻪ ﻧﺎم ﺗﻮاﺑﻊ وزن‪ ،‬ﻣﺘﻌﺎﻣﺪ ﺑﺎﺷﺪ‪.‬‬ ‫‪i=١ ci φi − f‬‬

‫∫‬
‫‪Wi R = ٠‬‬

‫ﺗﻌﺪاد ﺗﻮاﺑﻊ ‪ Wi‬ﺑﺎ ﺗﻌﺪاد ﺿﺮاﯾﺐ ﻣﺠﻬﻮل ﺑﺮاﺑﺮ اﺳﺖ‪ .‬ﭘﺲ ﺑﻪ ازای ﻫﺮ ‪ Wi‬ﯾﮏ ﻣﻌﺎدﻟﻪ ﺟﺒﺮی دارﯾﻢ ﮐﻪ ﺑﺎ ﺣﻞ ﺳﯿﺴﺘﻢ‬
‫ﻣﻌﺎدﻻت ﺑﺪﺳﺖ آﻣﺪه‪ ،‬ﺿﺮاﯾﺐ ﻣﺠﻬﻮل و ﺑﻪ دﻧﺒﺎل آن ﺗﻘﺮﯾﺒﯽ ﺑﺮای ﺗﺎﺑﻊ ﻣﺠﻬﻮل ‪ u‬ﺑﺪﺳﺖ ﻣﯽآﯾﺪ‪.‬‬
‫اﻧﺘﺨﺎبﻫﺎی ﻣﺘﻔﺎوت ﺑﺮای ﺗﻮاﺑﻊ وزن ‪ W‬ﻣﻨﺠﺮ ﺑﻪ روشﻫﺎی ﻣﺘﻔﺎوت ﺑﺎ دﻗﺖ ﻣﺘﻤﺎﯾﺰ ﻣﯽﺷﻮد‪.‬‬

‫)‪ (W١‬اﮔﺮ ) ‪ Wi = δ(t − ti‬ﺑﺎﺷﺪ‪ ،‬روش ﻫﻢ ﻣﺤﻠﯽ ﻧﺘﯿﺠﻪ ﻣﯽﺷﻮد‪ .‬ﮐﻪ ﺑﺮای ﻫﺮ ‪ ti ،i‬ﯾﮏ ﻧﻘﻄﻪ ﻫﻢ ﻣﺤﻠﯽ اﺳﺖ و‬
‫ﺗﺎﺑﻊ ) ‪ δ(t − ti‬ﺗﺎﺑﻊ دﻟﺘﺎی دﯾﺮاک اﺳﺖ ﮐﻪ در ﻧﻘﻄﻪ ‪ ti‬ﻣﻘﺪار ﯾﮏ و در ﺳﺎﯾﺮ ﻧﻘﺎط ﻣﻘﺪار ﺻﻔﺮ دارد‪.‬‬
‫)‪ (W٢‬ﻓﺮض ﮐﻨﯿﺪ ﮐﻪ داﻣﻨﻪ را ﺑﻪ ﭼﻨﺪ زﯾﺮداﻣﻨﻪ ‪ △i‬ﺗﻘﺴﯿﻢ ﮐﺮده ﺑﺎﺷﯿﻢ‪ .‬اﮔﺮ‬
‫{‬
‫‪١‬‬ ‫‪t ∈ △i‬‬
‫= )‪Wi (t‬‬
‫‪٠ otherwise‬‬

‫ﺑﺎﺷﺪ‪ ،‬در اﯾﻦﺻﻮرت روش زﯾﺮ داﻣﻨﻪ را دارﯾﻢ‪.‬‬

‫)‪ (W٣‬اﮔﺮ ﺗﻮاﺑﻊ وزن را ﻫﻤﺎن ﺗﻮاﺑﻊ ﺳﻌﯽ در ﻧﻈﺮ ﺑﮕﯿﺮﯾﻢ‪ ،‬روش ﺣﺎﺻﻞ را روش ﮔﺎﻟﺮﮐﯿﻦ ﻣﯽﻧﺎﻣﻨﺪ‪.‬‬
‫)‪∂R(t‬‬
‫‪ Wi (t) = ٢‬ﺑﺎﺷﺪ‪ ،‬ﯾﻌﻨﯽ ﺗﻮاﺑﻊ وزن را ﻣﺸﺘﻖ ﺗﺎﺑﻊ ﺑﺎﻗﯿﻤﺎﻧﺪه ﻧﺴﺒﺖ ﺑﻪ ﺿﺮاﯾﺐ ﻣﺠﻬﻮل‬ ‫)‪ (W۴‬ﻓﺮض ﮐﻨﯿﺪ ﮐﻪ‬
‫‪∂ci‬‬
‫در ﻧﻈﺮ ﺑﮕﯿﺮﯾﻢ‪ .‬در اﯾﻦﺻﻮرت روش ﮐﻤﺘﺮﯾﻦ ﻣﺮﺑﻌﺎت ‪ ٢٨‬ﻧﺘﯿﺠﻪ ﻣﯽﺷﻮد‪.‬‬
‫‪Collocation٢٣‬‬
‫‪Galerkin٢۴‬‬
‫‪Tau٢۵‬‬
‫‪Method of Weighted Residuals ٢۶‬‬
‫‪trial function٢٧‬‬
‫‪Least squares٢٨‬‬
 ‫ﺧﻄﻮط ‪٢٩‬‬ ‫)‪ (D٧‬روش‬
‫ﯾﮑﯽ از روشﻫﺎی ﻣﺘﻔﺎوت ﺑﺮای ﺣﻞ ﻣﻌﺎدﻻت دﯾﻔﺮاﻧﺴﯿﻞ ﺟﺰﺋﯽ اﺳﺖ‪ .‬در اﯾﻦ روش ﭘﺲ از ﮔﺴﺴﺘﻪﺳﺎزی داﻣﻨﻪ‪ ،‬ﺗﻤﺎم‬
‫ﻣﺸﺘﻘﺎت ﻣﮑﺎﻧﯽ ﺗﻮﺳﻂ روشﻫﺎی ﻋﺪدی ﺗﻘﺮﯾﺐ زده ﻣﯽﺷﻮد اﻣﺎ روی ﻣﺸﺘﻖ زﻣﺎﻧﯽ ﻫﯿﭻ ﮐﺎری اﻧﺠﺎم ﻧﻤﯽﺷﻮد‪ .‬ﺑﺎ اﯾﻦ‬
‫ﮐﺎر ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ﺟﺰﺋﯽ ﺑﻪ ﯾﮏ دﺳﺘﮕﺎه از ﻣﻌﺎدﻻت دﯾﻔﺮاﻧﺴﯿﻞ ﻣﻌﻤﻮﻟﯽ ﺗﺒﺪﯾﻞ ﻣﯽﺷﻮد ﮐﻪ ﺗﻮﺳﻂ روشﻫﺎی ﺧﺎص‬
‫ﺣﻞ ﻣﻌﺎدﻻت دﯾﻔﺮاﻧﺴﯿﻞ ﻣﻌﻤﻮﻟﯽ ﻗﺎﺑﻞ ﺣﻞ اﺳﺖ‪.‬‬

‫)‪ (D٨‬روش ﻣﻮﻧﺖ ﮐﺎرﻟﻮ ‪ :٣٠‬اﺳﺎس اﯾﻦ روش اﻋﺪاد ﺗﺼﺎدﻓﯽ اﺳﺖ‪ .‬ﺑﺎ اﺳﺘﻔﺎده از ﺗﻔﺎﺿﻼت ﻣﺘﻨﺎﻫﯽ‪ ،‬ﻣﺴﺎﻟﻪ ﮔﺴﺴﺘﻪ ﺳﺎزی‬
‫ﻣﯽﺷﻮد‪ .‬ﻣﺰﯾﺖ اﯾﻦ روش ﻧﺴﺒﺖ ﺑﻪ روشﻫﺎی ﻣﺒﺘﻨﯽ ﺑﺮ ﺷﺒﮑﻪﺑﻨﺪی داﻣﻨﻪ اﯾﻦ اﺳﺖ ﮐﻪ ﻣﻘﺪار ﺗﺎﺑﻊ ﻣﺠﻬﻮل را ﻓﻘﻂ در‬
‫ﯾﮏ ﻧﻘﻄﻪ ﻣﺸﺨﺺ ﻣﺤﺎﺳﺒﻪ ﻣﯽﮐﻨﺪ و ﻧﯿﺎزی ﺑﻪ ﻣﺤﺎﺳﺒﻪ ﻣﻘﺪار ﺗﺎﺑﻊ در ﺳﺎﯾﺮ ﻧﻘﺎط ﻧﯿﺴﺖ‪.‬‬

‫‪ ۴‬روشﻫﺎی ﻣﺴﺘﻘﯿﻢ و روشﻫﺎی ﻏﯿﺮ ﻣﺴﺘﻘﯿﻢ‬

‫روشﻫﺎی ﻣﺴﺘﻘﯿﻢ ﺟﻮاب ﻣﺴﺎﻟﻪ رﯾﺎﺿﯽ را در ﺗﻌﺪاد ﻣﺘﻨﺎﻫﯽ ﮔﺎم ﺑﺪﺳﺖ ﻣﯽآورﻧﺪ‪ .‬ﺑﻌﻨﻮان ﻣﺜﺎل روشﻫﺎی ﺣﺬﻓﯽ ﮔﺎوس و ﺗﺠﺰﯾﻪ‬
‫‪ QR‬ﺑﺮای ﺣﻞ ﺳﯿﺴﺘﻢ ﻣﻌﺎدﻻت ﺧﻄﯽ و روش ﺳﯿﻤﭙﻠﮑﺲ ﺑﺮای ﺣﻞ ﻣﺴﺎﺋﻞ ﺑﺮﻧﺎﻣﻪرﯾﺰی ﺧﻄﯽ‪ ،‬روشﻫﺎی ﻣﺴﺘﻘﯿﻢ ﻫﺴﺘﻨﺪ‪.‬‬
‫روشﻫﺎی ﺣﻞ ﻣﻌﺎدﻻت دﯾﻔﺮاﻧﺴﯿﻞ ﮐﻪ در ﮐﺘﺎبﻫﺎی درﺳﯽ دوره ﻟﯿﺴﺎﻧﺲ اراﺋﻪ ﻣﯽﺷﻮﻧﺪ‪ ،‬روشﻫﺎی ﻣﺴﺘﻘﯿﻢ ﻫﺴﺘﻨﺪ‪ .‬روشﻫﺎی‬
‫ﻏﯿﺮ ﻣﺴﺘﻘﯿﻢ ﮐﻪ ﺑﻪ روشﻫﺎی ﺗﮑﺮاری ﻣﻌﺮوﻓﻨﺪ‪ ،‬ﺑﺎ ﺷﺮوع از ﯾﮏ ﺣﺪس اوﻟﯿﻪ از ﺟﻮاب‪ ،‬ﺑﻪ ﺟﻮاب دﻗﯿﻖ ﻫﻤﮕﺮا ﻣﯽﺷﻮﻧﺪ‪ .‬از ﺟﻤﻠﻪ‬
‫اﯾﻦ روشﻫﺎ ﻣﯽﺗﻮان ﺑﻪ روش دوﺑﺨﺸﯽ و روش ﻧﯿﻮﺗﻦ ﺑﺮای ﺣﻞ ﻣﻌﺎدﻻت ﻏﯿﺮﺧﻄﯽ اﺷﺎره ﮐﺮد‪ .‬در ﻋﻤﻞ از روشﻫﺎی ﺗﮑﺮاری‬
‫ﺑﺮای ﺣﻞ ﻣﺴﺎﺋﻞ اﺳﺘﻔﺎده ﻣﯽﺷﻮد‪ .‬ﯾﮏ روش ﻣﺎﻧﻨﺪ روش ﮔﺮادﯾﺎن ﻣﺰدوج ﺑﺮای ﺣﻞ ﺳﯿﺴﺘﻢﻫﺎی ﺧﻄﯽ از دﯾﺪﮔﺎه ﻧﻈﺮی ﯾﮏ‬
‫روش ﻣﺴﺘﻘﯿﻢ ﻣﺤﺴﻮب ﻣﯽﺷﻮد وﻟﯽ در ﻋﻤﻞ ﺑﺪﻟﯿﻞ وﺟﻮد ﺧﻄﺎﻫﺎی ﮔﺮد ﮐﺮدن‪ ،‬ﭘﺲ از ﭼﻨﺪ ﮔﺎم ﻣﺘﻨﺎﻫﯽ ﺑﻪ ﺟﻮاب دﻗﯿﻖ دﺳﺖ‬
‫ﭘﯿﺪا ﻧﻤﯽﮐﻨﺪ‪ .‬از اﯾﻦ رو در ﻋﻤﻞ ﯾﮏ روش ﺗﮑﺮاری ﻣﺤﺴﻮب ﻣﯽﺷﻮد‪.‬‬

‫‪lines of Method٢٩‬‬
‫‪Monte Carlo Method٣٠‬‬