‫‪11/30/2021‬‬

‫مسئله شرط مرزی )‪(Boundary Value Problem‬‬

‫تفاوت مسئله شرط مرزي )‪ (BVP‬با مسئله شرط اوليه ‪(IVP‬‬ ‫•‬
‫شرايط مرزي‪:‬‬ ‫•‬
‫اگر مقادير متغير هاي وابسته و مشتق هاي آنها )مثﻼ ‪ y‬و ’‪ (y‬تنها به ازاي يك مقدار از متغير مستقل‬ ‫•‬
‫مسئله شرط اوليه )‪(IVP‬‬ ‫)مثﻼ ‪ (x0‬معلوم باشند‪.‬‬
‫ا اگر مقادير متغير هاي وابسته و مشتق هاي آنها )مثﻼ ‪ y‬و ’‪ (y‬به ازاي دو و يا چند مقدار از متغير‬ ‫•‬
‫مسئله شرط مرزي )‪(BVP‬‬ ‫مستقل )مثﻼ ‪ x0‬و ‪ ( xf‬معلوم باشند‪.‬‬

‫‪IVP‬‬

‫‪BVP‬‬

‫مسئله شرط مرزی‬

‫)‪(Boundary Value Problem‬‬

‫‪1‬‬
 ‫‪11/30/2021‬‬

‫انواع مسائل شرط مرزی‪:‬‬

‫شرايط مرزي به ‪ ٣‬نوع كلي تقسيم مي شوند ‪:‬‬

‫‪ -١‬شرايط مرزي از نوع )اول( ديريچلت ‪Dirichlet Boundary condition‬‬

‫مقدار معيني از متغير وابسته )تابﻊ( در شرط مرزي داده شده‬
‫‪y(x1) = a‬‬
‫‪ -٢‬شرايط مرزي از نوع )دوم( نيومن ‪Neumann Boundary Condition‬‬
‫مقدار معيني از مشتق متغير وابسته )تابﻊ( در شرط مرزي داده شده‪.‬‬

‫‪ -٣‬شرايط مرزي از نوع )سوم( روبين ‪ Robin‬يا مختلط ‪Mixed Boundary‬‬

‫يك تركيب خطي از متغير وابسته )تابﻊ( و مشتق آن در شرط مرزي داده شده‪.‬‬

‫روشهای معمول برای حل عددی مسائل شرط مرزی ‪:‬‬

‫قلق گيري ‪Shooting Method‬‬ ‫– روش گرا گيري يا‬

‫– روش اختﻼف محدود ‪Finite Difference‬‬
‫– روش باقيمانده های وزنی ‪Weighted residual‬‬

‫• وجه تسميه روش قلق گيري‬

‫خيلی باﻻست‪ :‬مقدار سرعت اوليه ويا زاويه را کاهش!‬

‫هدف‬

‫خيلی پايين است‪ :‬مقدار سرعت اوليه ويا زاويه را افزايش بده!‬

‫‪2‬‬
 ‫‪11/30/2021‬‬

‫مسئله شرط مرزی – روش قلق گيری )‪(Shooting Method‬‬

‫• روش قلق گيري يك مسئله شرط مرزي را به يك مسئله شرط اوليه تبديل مي كند تا‬
‫از مزاياي الگوريتمهاي پرقدرت موجود در مسائل شرط اوليه براي حل مسائل شرط‬
‫مرزي استفاده نمايد‪.‬‬
‫• در روش قلق گيري درواقﻊ شرط اوليه مجهول حدس زده مي شود و پس از حل‬
‫مسئله به روشهاي ‪ IVP‬حدس اوليه با استفاده از شرط مرزي نهايي تصحيح مي شود‪.‬‬

‫• الگوريتم روش قلق گيري‬

‫مسئله شرط مرزی به مسئله شرط اوليه تبديل می شود‬ ‫–‬
‫شرايط اوليه و يا شيبی برای حرکت از شرايط اوليه تا شرايط نهايی حدس زده می شود‬ ‫–‬
‫شرايط مرزی نهايی محاسبه می شود )با استفاده از روشهای حل ‪IVP‬ها(‬ ‫–‬
‫شرايط مرزی محاسبه شده با شرايط مرزی واقعی مقايسه می شود‬ ‫–‬
‫شرايط اوليه حدس زده شده و يا شيب حرکت تصحيح می شود‬ ‫–‬
‫مراحل تا همگرايی مسئله تکرار می شود‬ ‫–‬

‫مسئله شرط مرزی – روش قلق گيری )‪(Shooting Method‬‬

‫• مثال‪:١‬‬
‫معادله زير را حل كنيد‪.‬‬

‫اين يك مسئله شرايط مرزي نوع اول است‪.‬‬

‫حل‪ :‬ابتدا فرض مي كنيم در ‪ x=1‬شيب تغييرات يعني مشتق ‪ u‬هم معلو م است و آن را‬
‫برابر با منفي يك و نيم حدس مي زنيم‪ du/dx= -1.5 .‬شيب را به اين خاطر منفي‬
‫گرفتيم كه در فاصله ‪ x=1‬تا ‪ x=3‬متغير وابسته ‪ u‬نزولي است‪.‬‬
‫حاﻻ با استفاده از رشهاي حل مسائل شرايط اوليه مثﻼ روش رانگ كوتا مسئله را حل مي‬
‫كنيم كه نتايج آن در جدول ‪ ١‬آمده‬

‫‪3‬‬
 ‫‪11/30/2021‬‬

‫• اين جدول نشان مي دهد كه شيب اوليه به حد كافي كاهنده نبوده‪ .‬چرا كه در انتها مقدار ‪ u‬از‬
‫مقدار اوليه آن هم بيشتر است‪ .‬بنا بر اين در حدس بعدي شيب را منفي تر ميكنيم يعني آن را‬
‫برابر با منفي ‪ ٣‬مي گيريم‪du/dx= -3 .‬‬

‫جدول ‪:1‬‬

‫• نتايج جدول ‪ ٢‬نشان مي دهد كه شيب اوليه هنوز هم به اندازه كافي كاهنده نيست‪ .‬يك راه‬
‫خوب براي حدس بعدي برون يابي است‪ .‬در نتيجه ‪ du/dx= -3.495‬بدست مي آيد‬

‫• ‪ .‬جدول ‪ ٣‬نشان مي دهد كه با اين شيب اوليه به هدف مي رسيم يعني مقدار نهايي ‪ u‬برابربا‬
‫منفي يك بدست مي آيد كه همان مقدار ‪ u‬در شرط مرزي مسئله است‪.‬‬
‫جدول ‪:3‬‬ ‫جدول ‪:2‬‬

‫‪4‬‬
 ‫‪11/30/2021‬‬

‫• مثال‪:٢‬‬
‫• اين مسئله را كه به روش تحليلي حل شد‬
‫به روش قلق گيري حل مي نماييم‪.‬‬

‫با فرض‪:‬‬

‫• مرحله ا‪ :‬فرض مي كنيم ‪ Z(0) = 10‬با استفاده از روش ‪ R-K‬درجه ‪ ٤‬و با در نظر گرفتن‬
‫اندازه گام برابر با ‪ ٢‬جواب مسئله به صورت زير به دست مي آيد‪:‬‬

‫• مقدار محاسبه شده‪:‬‬

‫‪T(10)=200‬‬ ‫مقدار صحيح‪:‬‬ ‫‪T(10)=168.38‬‬

‫ادامه مثال‪:‬‬ ‫•‬

‫• مرحله ‪ :٢‬حدس جديد ‪ Z(0) = 20‬با فاصله گام ‪ ٢‬و حل مسئله به روش ‪ R-K‬درجه ‪ ٤‬داريم‪:‬‬
‫مقدار صحيح‪:‬‬ ‫• مقدار محاسبه شده‪T(10)=285.90 :‬‬
‫‪T(10)=200‬‬

‫خطي است‪ ،‬بنابراين حدس سوم را‬ ‫• مرحله ‪ :٣‬از آنجاييكه‬

‫با يك درونيابي خطي بين دو حدس قبلي در نظر مي گيريم‪:‬‬

‫• مرحله ‪ :٤‬مجدداً با استفاده از اين حدس و با فرض اندازه گام برابر با ‪ ٢‬در روش‬
‫‪ R-K‬درجه ‪ ٤‬جواب مسئله به دست مي آيد‪.‬‬

‫‪5‬‬
 ‫‪11/30/2021‬‬

‫• مراحل نزديك شدن به جواب دقيق به روش قلق گيري در شكل زير نشان داده شده‬
‫است‪:‬‬

‫‪Z(0) = 10‬‬ ‫‪T(10) = 168.38‬‬

‫‪Z(0) = 20‬‬ ‫‪T(10) = 285.90‬‬

‫‪Z(0) = 12.69‬‬ ‫‪T(10) = 200‬‬

‫مسئله شرط مرزي – روش تفاضل محدود )‪(Finite difference Method‬‬

‫تقريب مشتق مرتبه اول با تفاضل محدود‬

‫يك راه ديگر براي بدست آوردن معادﻻت تفاضل محدود استفاده از بسط تيلور است‪.‬‬

‫‪O(x) is read order of delta x‬‬

‫‪6‬‬
 ‫‪11/30/2021‬‬

‫تقريب مشتق مرتبه اول با تفاضل محدود‬

‫• تفاضل محدود پيشرو‪:‬‬

‫• تفاضل محدود پسرو‪:‬‬

‫• تفاضل محدود مركزي‪:‬‬

‫‪13‬‬

‫تفاضل محدود پيشرو و خطاها ی برشی‬

‫‪7‬‬
 ‫‪11/30/2021‬‬

‫تفاضل محدود مركزي و خطاها ي برشي‬

‫مسئله شرط مرزی – روش تفاضل محدود )‪(Finite difference Method‬‬

‫مثال‪ :‬معادله ديفرانسيل درجه ‪ ٢‬زير را به روش تفاضل محدود با فاصله گام ‪ h=0.25‬حل نماييد‪[9].‬‬ ‫•‬

‫حل‪ :‬فاصله ‪ ٠‬تا ‪ ١‬به ‪ ٤‬قطعه مساوي تقسيم مي شود‪:‬‬ ‫•‬

‫با استفاده از تقريب تفاضل مركزي درجه اول داريم‪:‬‬ ‫•‬

‫‪8‬‬
 ‫‪11/30/2021‬‬

‫مسئله شرط مرزی – روش تفاضل محدود )‪(Finite difference Method‬‬

‫• درنتيجه معادله ديفرانسيل فوق به مجموعه معادﻻت جبري زير تبديل مي شود‪.‬‬

‫اگر معادله ديفرانسيل غير خطي باشد‪ ،‬مجموعه معادﻻت جبري نيز غير خطي خواهند بود و‬
‫بايد از روشهايي مثل نيوتن – رافسون حل شوند‪.‬‬

‫روش باقيمانده وزني‬

‫• روش باقيمانده وزني‬

‫در اين روش يک تابع آزمايشی انتخاب کرده و شرايط مرزی را در آن برازش می‬ ‫–‬
‫کنيم‪ .‬سپس تابع آزمايشی را در معادله )معادﻻت ( ديفرانسيل جاگذاری می کنيم‪.‬‬
‫در مرحله بعد باقيمانده های وزنی را با استفاده از فرمول هايی نظير آنچه در زير‬ ‫–‬
‫آمده به صفرمی رسانيم‪.‬‬
‫کلوکيشن ‪Collocation‬‬ ‫–‬
‫گلرکين ‪Galerkin‬‬ ‫–‬
‫حداقل مربعات ‪Least Squares‬‬ ‫–‬

‫‪9‬‬
 ‫‪11/30/2021‬‬

‫• مثال‪:‬‬
‫• معادله ديفرانسيل زير را به روش باقيمانده وزني حل كنيد‪:‬‬

‫جواب تحليلي اين مسئله به صورت زير است‬

‫• حل‪:‬‬
‫• معادله ديفرانسيل را مي توان به صورت زير نوشت‪:‬‬

‫ابتدا اين چند جمله اي را به عنوان تابﻊ آزمايش در نظر مي گيريم‬

‫شرايط مرزي را در اين چند جمله اي برازش مي كنيم‬

‫‪10‬‬
 ‫‪11/30/2021‬‬

‫حاﻻ مي توان معادله آزمايشي را به اين صورت نوشت‪:‬‬

‫اين معادله در شرايط مرزي معادله صدق مي كند‬

‫در اين مرحله بايد اين معادله آزمايشي را در معادله ديفرانسيل قرار داده و با‬
‫صفر كردن باقيمانده ها ضرايب ‪Ai‬ها را بدست آورد‪.‬‬

‫معادله را به تعداد نقاط كلوكيشن مي نويسيم و با حل آنها مقادير ضرايب ‪Ai‬ها كه آنها‬
‫هم به تعداد نقاط كلوكيشن هستند را محاسبه مي كنيم‪ .‬نقاط كلوكيشن همان نقاطي‬
‫هستند كه چند جمله اي كه بجاي تابﻊ اصلي فرض كرديم بايد در انها صدق كند‪ .‬مانند‬
‫نقاطي كه در روشهاي درونيابي براي برازش يك چند جمله اي استفاده مي شود‪.‬‬

‫با فرض اين كه در اين مثال از يك نقطه كلوكيشن در ‪ x=1/2‬استفاده كنيم ادامه حل‬
‫مسئله به اين شكل خواهد بود‪.‬‬

‫‪N=1‬‬

‫‪11‬‬
 ‫‪11/30/2021‬‬

‫بنا بر اين مقدار محاسبه شده براي تابﻊ آزمايشي در ‪ x=1/2‬با مقدار تابﻊ واقعي در اين نقطه‬
‫تفاوت زيادي ندارد‪ .‬اگر‪ ٢‬نقطه كلوكيشن داشته باشيم معادله باقيماند حاصل از يك چند‬
‫جمله اي به صورت زير بدست مي آيد‪ .‬اين معادله را براي دو نقطه در معادله ديفرانسيلي قرار‬
‫مي دهيم و از آنجا دو معادل جبر بدست مي آيد‪ .‬سپس دو معادله را هم زمان حل مي كنيم‬
‫تا ‪ A1‬و ‪ A2‬بدست آيند‪ .‬براي تعداد نقاط كلوكيشن بيشتر هم به طريق مشابه عمل مي كنيم‬

‫‪12‬‬