‫‪٠١/٢٠/١۴٣٩‬‬

‫ﺑﺎﺳﻤﻪ ﺗﻌﺎﻟﻲ‬

‫ﻋﻨﻮﺍﻥ ﺩﺭﺱ‬

‫ﻣﺮﻭﺭﯼ ﺑﺮ ﻣﺤﺎﺳﺒﺎﺕ ﻋﺪﺩﯼ‬

‫ﻣﺪﺭﺱ‪:‬‬
‫ﺩﮐﺘﺮ ﻋﺒﺪﺍﻟﻤﺠﻴﺪ ﺧﻮﺷﻨﻮﺩ‬

‫ﻣﺮﻭﺭﯼ ﺑﺮ ﻣﺤﺎﺳﺒﺎﺕ ﻋﺪﺩﯼ‬

‫ﺍﺑﺰﺍﺭﻫﺎﻱ ﺭﺍﻳﺎﻧﻪ ﺍﻱ ﻋﺪﺩﯼ ﺩﺭ ﻓﺮﺍﻳﻨﺪ ﻣﺪﻟﺴﺎﺯﯼ ﺩﻳﻨﺎﻣﻴﮏ ﭘﺮﻭﺍﺯ‬
‫•ﺑﺮﺍﯼ ﻣﺪﻟﺴﺎﺯﯼ ﺳﻴﺴﺘﻢ ﻫﺎﯼ ﭘﺮﻭﺍﺯﯼ ﺩﺭ ﻣﺤﻴﻂ ﻧﺮﻡ ﺍﻓﺰﺍﺭﻫﺎ ﺗﻮﺟﻪ ﺑﻪ ﻧﻴﺎﺯﻫﺎﯼ ﻣﺤﺎﺳﺒﺎﺗﯽ ﻋﺪﺩﯼ‬
‫ﻣﻬﻢ ﺍﺳﺖ‪ .‬ﻟﺬﺍ ﺑﺎﻳﺪ ﺑﺮﺭﺳﯽ ﮐﺮﺩ ﮐﻪ ﺩﺭ ﺍﻳﻦ ﺣﻮﺯﻩ ﭼﻪ ﻧﻴﺎﺯﻣﻨﺪﯼ ﻫﺎﻳﯽ ﻭﺟﻮﺩ ﺩﺍﺭﺩ؟‬

‫• ﺩﺭ ﻓﺮﺍﻳﻨﺪ ﻣﺪﻟﺴﺎﺯﯼ ﺩﻳﻨﺎﻣﻴﮑﯽ ﺳﻴﺴﺘﻢ ﻫﺎﯼ ﭘﺮﻭﺍﺯﯼ ﻋﻤﻮﻣﺎ ﺑﺎ ﻣﻮﺍﺭﺩ ﺯﻳﺮ ﺭﻭﺑﺮﻭ ﺧﻮﺍﻫﻴﻢ ﺑﻮﺩ‪:‬‬
‫‪‬ﺣﻞ ﻣﻌﺎﺩﻻﺕ ﺟﺒﺮﯼ‬
‫‪‬ﺣﻞ ﻣﻌﺎﺩﻻﺕ ﺩﻳﻔﺮﺍﻧﺴﻴﻞ ﻣﻌﻤﻮﻟﯽ‬
‫‪‬ﻣﻴﺎﻧﻴﺎﺑﯽ ﻭ ﺑﺮﺍﺯﺵ ﻣﻨﺤﻨﯽ‬
‫‪ ‬ﺩﺭ ﻣﻮﺍﺭﺩ ﻣﻌﺪﻭﺩ ﺣﻞ ﻣﻌﺎﺩﻻﺕ ﺩﻳﻔﺮﺍﻧﺴﻴﻞ ﺟﺰﺋﯽ‬
‫‪ ‬ﺗﻨﻈﻴﻢ ﻧﺮﻡ ﺍﻓﺰﺍﺭﻫﺎ ﺩﺭ ﺭﺍﺳﺘﺎﯼ ﺣﻞ ﻫﺎﯼ ﻣﻮﺭﺩ ﻧﻈﺮ‬

‫‪2‬‬

‫‪١‬‬
‫‪٠١/٢٠/١۴٣٩‬‬

‫ﻣﺮﻭﺭﯼ ﺑﺮ ﻣﺤﺎﺳﺒﺎﺕ ﻋﺪﺩﯼ‬

‫ﻣﻌﺎﺩﻻﺕ ﺟﺒﺮﯼ‬
‫ﻣﻌﺎﺩﻻﺕ ﺟﺒﺮﯼ ﺧﻄﯽ )ﺭﻭﺵ ﻫﺎﯼ ﻣﻌﻤﻮﻝ ﮐﺮﺍﻣﺮ ﻭ ﻏﻴﺮﻩ(‬
‫ﻣﻌﺎﺩﻻﺕ ﺟﺒﺮﯼ ﻏﻴﺮ ﺧﻄﯽ )‪(f(x)=0‬‬

‫•ﻣﻌﺎﺩﻻﺕ ﻏﻴﺮ ﺧﻄﯽ‬

‫‪ -‬ﺭﻭﺵ ﻧﻘﻄﻪ ﺛﺎﺑﺖ ٭‬
‫‪ -‬ﺭﻭﺵ ﺗﻘﺴﻴﻢ ﺩﻭﺗﺎﻳﻲ‬
‫‪ -‬ﺭﻭﺵ ﻧﻴﻮﺗﻦ ﺭﺍﻓﺴﻮﻥ٭‬
‫‪ -‬ﺭﻭﺵ ﺳﮑﺎﻧﺖ‬

‫٭ روش ﻫﺎﯾﯽ ﮐﻪ در ﻧﺮم اﻓﺰارﻫﺎ ﺑﯿﺸﺘﺮ ﮐﺎرﺑﺮد دارﻧﺪ‪.‬‬

‫‪3‬‬

‫ﻣﺮﻭﺭﯼ ﺑﺮ ﻣﺤﺎﺳﺒﺎﺕ ﻋﺪﺩﯼ‬

‫ﺭﻭﺵ ﻧﻘﻄﻪ ﺛﺎﺑﺖ‬
‫• ﺗﺌﻮري ﻧﻘﻄﻪ ﺛﺎﺑﺖ ﯾﺎ اﻧﻘﺒﺎض )‪(Fixed point or Contraction‬‬

‫ﻓﺮض ﮐﻨﯿﺪ ﺗﺎﺑﻊ ‪ g(x)=0‬ﺗﻌﺮﯾﻒ ﺷﺪه و ﻣﺸﺘﻖ اول آن وﺟﻮد داﺷﺘﻪ و روي‬

‫ﭘﯿﻮﺳﺘﻪ اﺳﺖ و دارﯾﻢ‬

‫اﮔﺮ ﺷﺮط زﯾﺮ ﺑﺮﻗﺮار ﺑﺎﺷﺪ‬

‫آﻧﮕﺎه ﻫﺮ ﻓﺮاﯾﻨﺪ ﻋﺪدي ﮐﻪ از ﻫﺮ ﻧﻘﻄﻪ در ﺑﺎزه ﻓﻮق ﺷﺮوع ﺷﻮد ﺑﻪ ﺻﻮرت زﯾﺮ‬

‫ﻫﻤﮕﺮا ﺧﻮاﻫﺪ ﺷﺪ‪.‬‬ ‫ﻫﻤﮕﺮا ﺑﻮده و ﺻﺮﻓﺎ ﺑﻪ ﻧﻘﻄﻪ‬

‫‪4‬‬

‫‪٢‬‬
‫‪٠١/٢٠/١۴٣٩‬‬

‫ﻣﺮﻭﺭﯼ ﺑﺮ ﻣﺤﺎﺳﺒﺎﺕ ﻋﺪﺩﯼ‬

‫ﺭﻭﺵ ﻧﻘﻄﻪ ﺛﺎﺑﺖ‬
‫• ﺍﺛﺒﺎﺕ ﺗﺌﻮﺭﯼ‬
‫دارﯾﻢ‬

‫ﻟﺬا ﻣﻄﺎﺑﻖ ﺷﺮط ‪ Lipschitz‬ﺑﺮاي ﻣﻌﺎدﻻت زﯾﺮ‬

‫اﮔﺮ آﻟﻔﺎ ﮐﻤﺘﺮ از ﯾﮏ ﺑﺎﺷﺪ ﻣﻌﺎدﻟﻪ اﻧﻘﺒﺎض ﺑﻮده و ﻫﻤﮕﺮا ﺧﻮاﻫﺪ ﺑﻮد و ﭼﻮن ﻫﻤﮕﺮاﯾﯽ ﻣﻨﺤﺼﺮ ﺑﻪ‬
‫ﻓﺮد اﺳﺖ ﻃﺒﻖ ﻓﺮض ﺧﻠﻒ ﺑﻪ ﻫﻤﺎن رﯾﺸﻪ ﻣﻌﺎدﻟﻪ ﻫﻤﮕﺮا ﻣﯽ ﺷﻮد‪.‬‬

‫‪5‬‬

‫ﻣﺮﻭﺭﯼ ﺑﺮ ﻣﺤﺎﺳﺒﺎﺕ ﻋﺪﺩﯼ‬

‫ﺭﻭﺵ ﻧﻘﻄﻪ ﺛﺎﺑﺖ‬
‫• ﻣﺜﺎﻝ‪:‬‬

‫ﺍﻧﺘﺨﺎﺏ ﺍﻭﻝ‬

‫ﭼﮏ ﮐﺮﺩﻥ ﺗﺎﺑﻊ ﻣﺸﺘﻖ‬

‫ﺟﻮﺍﺏ ﻣﻨﻔﯽ‬

‫ﺍﻣﺘﺤﺎﻥ ﭘﺎﺳﺦ ﻫﺎ‬

‫ﺗﻨﻬﺎ ‪ ۱‬ﻭ ‪ ۲‬ﺗﮑﺮﺍﺭ ﻣﯽ ﺷﻮﻧﺪ‪.‬‬

‫‪6‬‬

‫‪٣‬‬
‫‪٠١/٢٠/١۴٣٩‬‬

‫ﻣﺮﻭﺭﯼ ﺑﺮ ﻣﺤﺎﺳﺒﺎﺕ ﻋﺪﺩﯼ‬

‫ﺭﻭﺵ ﻧﻘﻄﻪ ﺛﺎﺑﺖ‬
‫• ﺍﻧﺘﺨﺎﺏ ﺩﻭﻡ‬

‫•ﭼﮏ ﮐﺮﺩﻥ ﺗﺎﺑﻊ ﻣﺸﺘﻖ‬

‫• ﺟﻮﺍﺏ ﻣﺜﺒﺖ‬

‫ﻟﺬﺍ ﺩﺍﺭﻳﻢ‬

‫‪7‬‬

‫ﻣﺮﻭﺭﯼ ﺑﺮ ﻣﺤﺎﺳﺒﺎﺕ ﻋﺪﺩﯼ‬

‫ﺭﻭﺵ ﻧﻘﻄﻪ ﺛﺎﺑﺖ‬
‫• ﺍﻧﺘﺨﺎﺏ ﺳﻮﻡ‬

‫•ﭼﮏ ﮐﺮﺩﻥ ﺗﺎﺑﻊ ﻣﺸﺘﻖ‬

‫• ﺟﻮﺍﺏ ﻣﺜﺒﺖ‬

‫ﻟﺬﺍ ﺩﺍﺭﻳﻢ‬

‫• ﺗﻔﺎﻭﺕ ﺍﻧﺘﺨﺎﺏ ﺩﻭﻡ ﻭ ﺳﻮﻡ ﺩﺭ ﺳﺮﻋﺖ ﻫﻤﮕﺮﺍﻳﻲ‬

‫‪8‬‬

‫‪۴‬‬
‫‪٠١/٢٠/١۴٣٩‬‬

‫ﻣﺮﻭﺭﯼ ﺑﺮ ﻣﺤﺎﺳﺒﺎﺕ ﻋﺪﺩﯼ‬

‫ﺭﻭﺵ ﻧﻘﻄﻪ ﺛﺎﺑﺖ‬

‫‪9‬‬

‫ﻣﺮﻭﺭﯼ ﺑﺮ ﻣﺤﺎﺳﺒﺎﺕ ﻋﺪﺩﯼ‬

‫ﺭﻭﺵ ﺗﻘﺴﻴﻢ ﺩﻭﺗﺎﻳﻲ ‪Bisection method‬‬
‫• ﺭﻭﺷﯽ ﺑﺴﻴﺎﺭ ﺳﺎﺩﻩ ﻭ ﺍﺑﺘﺪﺍﻳﻲ‬
‫• ﺍﮔﺮ ﺷﺮﻭﻁ ﻣﻌﻤﻮﻝ ﻭﺟﻮﺩ ﺭﻳﺸﻪ ﺑﺮﻗﺮﺍﺭ ﺑﺎﺷﺪ ﮐﺎﻓﻴﺴﺖ ﻓﺎﺻﻠﻪ ]‪ [a,b‬ﺭﺍ ﮐﻪ ﺩﺭ ﺁﻥ ﺗﺎﺑﻊ ﺣﺘﻤﺎ‬
‫ﻳﮏ ﺭﻳﺸﻪ ﺩﺍﺭﺩ ﺩﺍﺷﺘﻪ ﺑﺎﺷﻴﻢ ﺗﺎ ﺑﺘﻮﺍﻧﻴﻢ ﮔﺎﻡ ﻫﺎﯼ ﺯﻳﺮ ﺭﺍ ﻃﯽ ﻧﻤﺎﻳﻴﻢ‪:‬‬

‫• ﻣﺜﺎﻝ‪:‬‬

‫‪10‬‬

‫‪۵‬‬
‫‪٠١/٢٠/١۴٣٩‬‬

‫ﻣﺮﻭﺭﯼ ﺑﺮ ﻣﺤﺎﺳﺒﺎﺕ ﻋﺪﺩﯼ‬

‫ﺭﻭﺵ ﻧﻴﻮﺗﻦ ﺭﺍﻓﺴﻮﻥ‬
‫• ﺩﺭ ﺍﻳﻦ ﺭﻭﺵ ﺑﺎ ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﺧﻄﻮﻁ ﺭﺳﻢ ﺷﺪﻩ ﺑﺮ ﻣﻨﺤﻨﯽ ﻣﯽ ﺗﻮﺍﻥ ﻣﻄﺎﺑﻖ ﺷﮑﻞ ﺯﻳﺮ ﺑﻪ ﺭﻳﺸﻪ‬
‫ﻣﻌﺎﺩﻟﻪ ﺩﺳﺖ ﻳﺎﻓﺖ‪:‬‬

‫• ‪f(x)=0‬‬

‫‪11‬‬

‫ﻣﺮﻭﺭﯼ ﺑﺮ ﻣﺤﺎﺳﺒﺎﺕ ﻋﺪﺩﯼ‬

‫ﺭﻭﺵ ﻧﻴﻮﺗﻦ ﺭﺍﻓﺴﻮﻥ‬
‫• ﺑﺮاي اﯾﻦ ﻣﻨﻈﻮر ﺿﻤﻦ رﻋﺎﯾﺖ ﺷﺮوط وﺟﻮد رﯾﺸﻪ در ﻣﺴﺎﻟﻪ ﺣﻞ ﻣﻌﺎدﻟﻪ و ﻣﺤﺪوده ﻣﻮرد‬
‫ﺑﺮرﺳﯽ ﻣﻌﺎدﻟﻪ ﯾﮏ ﺧﻂ ﮐﻪ ﺷﯿﺐ آن ﻣﻤﺎس ﺑﺮ ﻣﻨﺤﻨﯽ ﺑﻮده و از ﯾﮏ ﻧﻘﻄﻪ ﻣﺸﺨﺺ ﺷﺮوع‬
‫ﻣﯽ ﺷﻮد را ﻃﺮاﺣﯽ ﻣﯽ ﻧﻤﺎﯾﯿﻢ‪:‬‬

‫• ﺑﻪ دﻧﺒﺎل اﯾﻦ ﻫﺴﺘﯿﻢ ﮐﻪ ﺧﻂ ﻓﻮق ﻣﺤﻮر اﻓﻘﯽ را ﻗﻄﻊ ﻧﻤﺎﯾﺪ و ﻓﺮم ﺗﮑﺮار داﺳﺘﻪ ﺑﺎﺷﺪ‪ ،‬ﻟﺬا‪:‬‬

‫• در ﻧﺘﯿﺠﻪ ﯾﮏ اﻟﮕﻮرﯾﺘﻢ اﺳﺘﺨﺮاج ﻣﯽ ﮔﺮدد‪:‬‬

‫• اﺷﮑﺎل روش ﻣﺤﺎﺳﺒﻪ ﻣﺸﺘﻖ‬
‫‪12‬‬

‫‪۶‬‬
‫‪٠١/٢٠/١۴٣٩‬‬

‫ﻣﺮﻭﺭﯼ ﺑﺮ ﻣﺤﺎﺳﺒﺎﺕ ﻋﺪﺩﯼ‪ ،‬ﺭﻭﺵ ﻧﻴﻮﺗﻦ ﺭﺍﻓﺴﻮﻥ‪ ،‬ﻣﺜﺎﻝ‬

‫‪13‬‬

‫ﻣﺮﻭﺭﯼ ﺑﺮ ﻣﺤﺎﺳﺒﺎﺕ ﻋﺪﺩﯼ‬

‫ﺭﻭﺵ ﺳﮑﺎﻧﺖ ‪Secant Method‬‬
‫• ﺗﻨﻬﺎ ﺗﻔﺎوت روش ﺳﮑﺎﻧﺖ ﺑﺎ روش ﻧﯿﻮﺗﻦ راﻓﺴﻮن در ﻣﺤﺎﺳﺒﻪ ﻣﺸﺘﻖ اﺳﺖ ﮐﻪ اﯾﻦ روﻧﺪ ﺑﺎ‬
‫اﺳﺘﻔﺎده از ﻓﺮم اﺧﺘﻼف ﺑﻪ دﺳﺖ ﻣﯽ آﯾﺪ‪:‬‬

‫‪14‬‬

‫‪٧‬‬
‫‪٠١/٢٠/١۴٣٩‬‬

‫ﻣﺮﻭﺭﯼ ﺑﺮ ﻣﺤﺎﺳﺒﺎﺕ ﻋﺪﺩﯼ‬

‫ﺭﻭﺵ ﺳﮑﺎﻧﺖ ‪Secant Method‬‬

‫‪15‬‬

‫ﻣﺮﻭﺭﯼ ﺑﺮ ﻣﺤﺎﺳﺒﺎﺕ ﻋﺪﺩﯼ‬

‫ﺭﻭﺵ ﻧﻴﻮﺗﻦ ﺭﺍﻓﺴﻮﻥ ﺑﺮﺍﯼ ﺩﺳﺘﮕﺎﻩ ﻣﻌﺎﺩﻻﺕ‬

‫ﺩﺍﺭﻳﻢ‪:‬‬ ‫• ﺑﺎ ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﺟﻤﻠﻪ ﻣﺮﺗﺒﻪ ﺍﻭﻝ ﺑﺴﻂ ﺣﻮﻝ‬

‫‪16‬‬

‫‪٨‬‬
‫‪٠١/٢٠/١۴٣٩‬‬

‫ﻣﺮﻭﺭﯼ ﺑﺮ ﻣﺤﺎﺳﺒﺎﺕ ﻋﺪﺩﯼ‬

‫ﺭﻭﺵ ﻧﻴﻮﺗﻦ ﺭﺍﻓﺴﻮﻥ ﺑﺮﺍﯼ ﺩﺳﺘﮕﺎﻩ ﻣﻌﺎﺩﻻﺕ‬
‫• ﻓﺮﻡ ﻣﺎﺗﺮﻳﺲ ﺑﺮﺩﺍﺭ‬

‫• ﺣﺎﻝ ﻣﻌﺎﺩﻟﻪ ﺑﺎﻻ ﺭﺍ ﺑﺮﺍﯼ ‪ x‬ﻫﺎ ﺣﻞ ﮐﺮﺩﻩ ﻭ ﻓﺮﻡ ﺗﮑﺮﺍﺭ ﺍﻳﺠﺎﺩ ﻣﯽ ﮐﻨﻴﻢ‪:‬‬

‫• ﻓﺮﻡ ﮐﻠﯽ )ﻣﻌﺮﻓﯽ ﮊﺍﮐﻮﺑﻴﻦ(‬

‫‪17‬‬

‫ﻣﺮﻭﺭﯼ ﺑﺮ ﻣﺤﺎﺳﺒﺎﺕ ﻋﺪﺩﯼ‬

‫ﺭﻭﺵ ﻧﻴﻮﺗﻦ ﺭﺍﻓﺴﻮﻥ ﺑﺮﺍﯼ ﺩﺳﺘﮕﺎﻩ ﻣﻌﺎﺩﻻﺕ‪ ،‬ﻣﺜﺎﻝ‬

‫‪18‬‬

‫‪٩‬‬
‫‪٠١/٢٠/١۴٣٩‬‬

‫ﻣﺮﻭﺭﯼ ﺑﺮ ﻣﺤﺎﺳﺒﺎﺕ ﻋﺪﺩﯼ‬

‫ﻣﻌﺎﺩﻻﺕ ﺩﻳﻔﺮﺍﻧﺴﻴﻞ ﻣﻌﻤﻮﻟﯽ ‪ODE’s‬‬

‫• ﯾﮑﯽ از ﻣﻬﻤﺘﺮﯾﻦ اﺑﺰارﻫﺎي ﻋﺪدي در ﻧﺮم اﻓﺰارﻫﺎ ﺧﺼﻮﺻﺎ در ﻣﺪﻟﺴﺎزي دﯾﻨﺎﻣﯿﮑﯽ ﺳﯿﺴﺘﻤﻬﺎ‬
‫ﻣﻌﺎدﻻت دﯾﻔﺮاﻧﺴﯿﻞ ﻣﻌﻤﻮﻟﯽ ﻫﺴﺘﻨﺪ‪ .‬ﻣﻌﺎدﻻت دﯾﻔﺮاﻧﺴﯿﻞ ﺑﻪ ﻣﻌﺎدﻻﺗﯽ ﮔﻔﺘﻪ ﻣﯽ ﺷﻮد ﮐﻪ‬
‫‪n‬‬
‫ﺧﻮد ﺗﺎﺑﻊ و ﻣﺸﺘﻘﺎت آن در آن ﺣﻀﻮر دارﻧﺪ‪.‬‬
‫‪dy‬‬ ‫‪dy‬‬
‫‪f ( x, y,‬‬ ‫‪,..., n ) = 0‬‬
‫‪dx‬‬ ‫‪dx‬‬
‫• ﯾﮏ ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ﻣﺮﺗﺒﻪ ‪ n‬را ﻣﯽ ﺗﻮان ﺑﻪ ‪ n‬ﻣﻌﺎدﻟﻪ ﻣﺮﺗﺒﻪ ﯾﮏ ﺗﺒﺪﯾﻞ ﻧﻤﻮد‪.‬اﯾﻦ‬
‫ﻣﻮﺿﻮع ﻫﻤﺎن ﻣﺒﻨﺎي ﺗﺸﮑﯿﻞ ﻓﻀﺎي ﺣﺎﻟﺖ ﻣﯽ ﺑﺎﺷﺪ‪ .‬ﻣﺜﺎل‪:‬‬
‫‪d2y‬‬ ‫‪dy‬‬
‫‪x2‬‬ ‫‪+ x + ( x 2 ¬p 2 ) y = 0‬‬
‫‪dx 2‬‬ ‫‪dx‬‬
‫‪dz‬‬
‫‪dy‬‬ ‫‪x2‬‬ ‫‪+ xz + ( x 2 ¬p 2 ) y = 0‬‬
‫=‪z‬‬ ‫{ ‪,‬‬ ‫‪dx‬‬
‫‪dx‬‬ ‫‪dy‬‬
‫¬‪z‬‬ ‫‪=0‬‬
‫‪19‬‬ ‫‪dx‬‬

‫ﻣﺮﻭﺭﯼ ﺑﺮ ﻣﺤﺎﺳﺒﺎﺕ ﻋﺪﺩﯼ‬

‫ﻣﻌﺎﺩﻻﺕ ﺩﻳﻔﺮﺍﻧﺴﻴﻞ ﻣﻌﻤﻮﻟﯽ ‪ODE’s‬‬

‫• ﮐﻠﯿﻪ ﻣﻌﺎدﻻت ﻓﻮق را ﻣﯽ ﺗﻮان ﺑﻪ دو دﺳﺘﻪ ﮐﻠﯽ ﺗﻘﺴﯿﻢ ﻧﻤﻮد‪:‬‬

‫• اﻟﻒ( ﻣﻌﺎدﻻﺗﯽ ﮐﻪ داراي ﺷﺮاﯾﻂ اوﻟﯿﻪ ﻫﺴﺘﻨﺪ )‪Initial Condition Problems (ICP‬‬
‫• ﮐﺎرﺑﺮد در ﻣﻌﺎدﻻت ﺣﺮﮐﺖ‬

‫• ب( ﻣﻌﺎدﻻﺗﯽ ﮐﻪ داراي ﺷﺮاﯾﻂ ﻣﺮزي ﻫﺴﺘﻨﺪ )‪Boundary Value Problems (BVP‬‬

‫• ﮐﺎرﺑﺮد در ﺑﻬﯿﻨﻪ ﺳﺎزي‬

‫‪• 1.‬‬ ‫‪,‬‬ ‫( ‪,…,‬‬ ‫)‬ ‫ﺷﺮﺍﻳﻂ ﻣﺮﺯﯼ‬

‫‪• 2.‬‬ ‫́ ‪,‬‬ ‫́ ‪,‬‬ ‫‪,…,‬‬ ‫) (‬ ‫ﺷﺮﺍﻳﻂ ﺍﻭﻟﻴﻪ‬

‫‪20‬‬

‫‪١٠‬‬
‫‪٠١/٢٠/١۴٣٩‬‬

‫ﻣﺮﻭﺭﯼ ﺑﺮ ﻣﺤﺎﺳﺒﺎﺕ ﻋﺪﺩﯼ‬

‫ﺭﻭﺵ ﺍﻭﻟﺮ ‪Euler method‬‬

‫• ﻓﺮض ﮐﻨﯿﺪ ﻣﻌﺎدﻟﻪ زﯾﺮ را داﺷﺘﻪ ﺑﺎﺷﯿﻢ‪:‬‬

‫• ﮐﻪ داراي ﺟﻮاب دﻗﯿﻖ زﯾﺮ اﺳﺖ‪:‬‬

‫• ﺣﺎل ﺑﺎ داﻧﺴﺘﻦ اﯾﻨﮑﻪ‬

‫• روﻧﺪ زﯾﺮ را در ﻧﻈﺮ ﻣﯽ ﮔﯿﺮﯾﻢ‪:‬‬

‫‪21‬‬

‫ﻣﺮﻭﺭﯼ ﺑﺮ ﻣﺤﺎﺳﺒﺎﺕ ﻋﺪﺩﯼ‬

‫ﺭﻭﺵ ﺍﻭﻟﺮ ‪Euler method‬‬
‫• ﺗﻔﮑﯿﮏ ﮔﺎم ﺑﻪ ﮔﺎم‬

‫• ﺗﻮﺿﯿﺢ اﻓﺰاﯾﺶ و ﮐﺎﻫﺶ ﮔﺎم ﺣﻞ ﻣﺴﺎﻟﻪ‬

‫ﺑﺎ ﮔﺎم ﮐﻮﭼﮏ ﺗﺮ دﻗﺖ ﺑﻬﺘﺮ ﻣﯽ ﺷﻮد اﻣﺎ ﻣﺤﺎﺳﺒﺎت ﻧﯿﺰ زﯾﺎد ﺷﺪه )‪ 1/h‬ﻣﺤﺪودﯾﺖ ﻫﺎي ﻧﺰم‬
‫اﻓﺰاري(‬
‫• ﻣﻘﺎﯾﺴﻪ‬
‫‪22‬‬

‫‪١١‬‬
‫‪٠١/٢٠/١۴٣٩‬‬

‫ﻣﺮﻭﺭﯼ ﺑﺮ ﻣﺤﺎﺳﺒﺎﺕ ﻋﺪﺩﯼ‬

‫ﺭﻭﺵ ﺍﻭﻟﺮ ‪Euler method‬‬

‫‪23‬‬

‫ﻣﺮﻭﺭﯼ ﺑﺮ ﻣﺤﺎﺳﺒﺎﺕ ﻋﺪﺩﯼ‬

‫ﺭﻭﺵ ﺍﻭﻟﺮ ‪Euler method‬‬

‫‪24‬‬

‫‪١٢‬‬
‫‪٠١/٢٠/١۴٣٩‬‬

‫ﻣﺮﻭﺭﯼ ﺑﺮ ﻣﺤﺎﺳﺒﺎﺕ ﻋﺪﺩﯼ‬

‫ﺭﻭﺵ ﺭﺍﻧﮓ‪-‬ﮐﻮﺗﺎ ‪RUNGE–KUTTA‬‬

‫• ﺗﻘﺮﻳﺐ ﺍﻭﻝ ﺭﺍﻧﮓ ﮐﻮﺗﺎ‬

‫) ‪́= ( ,‬‬
‫‪0 = 0‬‬

‫ﻭ‪:‬‬ ‫‪,‬‬ ‫=‬ ‫‪+‬‬ ‫ﮐﻪ ﺩﺭ ﺁﻥ‬

‫‪1‬‬
‫) ‪= + ( +‬‬
‫‪2‬‬
‫) ‪=ℎ ( ,‬‬
‫)‪= ℎ ( + ℎ, + ℎ‬‬

‫• ﺧﻄﺎ ﺩﺭ ﺍﻳﻦ ﺭﻭﺵ ﺑﺎ ﺭﻭﺵ ﺍﻭﻟﺮ ﺗﻔﺎﻭﺕ ﭼﻨﺪﺍﻧﯽ ﻧﺪﺍﺭﺩ‪.‬‬

‫‪25‬‬

‫ﻣﺮﻭﺭﯼ ﺑﺮ ﻣﺤﺎﺳﺒﺎﺕ ﻋﺪﺩﯼ‬

‫ﺭﻭﺵ ﺭﺍﻧﮓ‪-‬ﮐﻮﺗﺎ ‪RUNGE–KUTTA‬‬

‫• ﺗﻘﺮﻳﺐ ﭼﻬﺎﺭﻡ ﺭﺍﻧﮓ ﮐﻮﺗﺎ‬

‫• ﺑﺎ ﻓﺮﺽ ﻫﺴﺘﻪ ﻣﻌﺎﺩﻟﻪ ﺑﻪ ﺷﮑﻞ ﺯﻳﺮ‬

‫• ﺍﻳﻦ ﺭﻭﺵ ﺩﺭ ﺑﺴﻴﺎﺭﯼ ﺍﺯ ﻣﺤﺎﺳﺒﺎﺕ ﻣﻬﻨﺪﺳﯽ ﻭ ﻓﻴﺰﻳﮑﯽ ﮐﺎﺭﺑﺮﺩ ﺩﺍﺭﺩ‪.‬‬

‫‪26‬‬

‫‪١٣‬‬
‫‪٠١/٢٠/١۴٣٩‬‬

‫ﻣﺮﻭﺭﯼ ﺑﺮ ﻣﺤﺎﺳﺒﺎﺕ ﻋﺪﺩﯼ‬

‫ﺭﻭﺵ ﺭﺍﻧﮓ‪-‬ﮐﻮﺗﺎ ‪RUNGE–KUTTA‬‬

‫• ﺧﻄﺎﯼ ﺭﻭﺵ‬

‫• ﺩﺭ ﻧﺮﻡ ﺍﻓﺰﺍﺭ ﻣﻄﻠﺐ ﺩﺳﺘﻮﺭﺍﺕ )(‪ ode45‬ﻭ )(‪ ode23‬ﺍﺯ ﺭﻭﺵ ﺭﺍﻧﮓ ﮐﻮﺗﺎ ﺑﺮﺍﯼ ﺣﻞ‬
‫ﺍﺳﺘﻔﺎﺩﻩ ﻣﯽ ﮐﻨﻨﺪ‪ .‬ﺍﻟﺒﺘﻪ ﻣﻤﮑﻦ ﺍﺳﺖ ﮔﺎﻡ ﺣﻞ ﺗﻄﺒﻴﻘﯽ ﻭ ﻳﺎ ﻗﺎﺑﻞ ﺍﻧﺘﺨﺎﺏ ﺑﺎﺷﺪ‪.‬‬

‫• ﻣﻘﺎﻳﺴﻪ ﻭﺭﺷﻬﺎ‬

‫‪27‬‬

‫ﻣﺮﻭﺭﯼ ﺑﺮ ﻣﺤﺎﺳﺒﺎﺕ ﻋﺪﺩﯼ‬

‫ﻣﻘﺎﻳﺴﻪ ﺭﻭﺵ ﻫﺎ‬

‫ﺩﻗﺖ ﺟﻮﺍﺑﻬﺎ‬
‫• ﻣﻌﻴﺎﺭﻫﺎﯼ ﺍﺻﻠﯽ ﻣﻘﺎﻳﺴﻪ ﺷﺎﻣﻞ ﺩﻭ ﻣﺤﻮﺭ ﺍﺳﺖ‬
‫ﻣﻴﺰﺍﻥ ﺣﺠﻢ ﻣﺤﺎﺳﺒﺎﺕ‬

‫• ﻣﻘﺎﻳﺴﻪ ﻫﺎ ﺑﺮﺍﯼ ﻳﮏ ﻣﻌﺎﺩﻟﻪ ﺩﻳﻔﺮﺍﻧﺴﻴﻞ ﻧﻤﻮﻧﻪ‬

‫• ﻣﺴﻠﻤﺎ ﺍﻳﻦ ﻧﺘﺎﻳﺞ ﺑﺎﻳﺪ ﺑﺮﺍﯼ ﻫﺮﻣﻌﺎﺩﻟﻪ ﺑﻪ ﻃﻮﺭ ﺟﺪﺍﮔﺎﻧﻪ ﺑﺮﺭﺳﯽ ﻣﺠﺪﺩ ﺷﻮﻧﺪ‪.‬‬
‫‪28‬‬

‫‪١۴‬‬
‫‪٠١/٢٠/١۴٣٩‬‬

‫ﻣﺮﻭﺭﯼ ﺑﺮ ﻣﺤﺎﺳﺒﺎﺕ ﻋﺪﺩﯼ‬

‫ﻣﻌﺎﺩﻻﺕ ﺩﻳﻔﺮﺍﻧﺴﻴﻞ ﺑﺮﺩﺍﺭﯼ‬
‫• ﻳﺎﺩ ﺁﻭﺭﯼ ﻓﻀﺎﯼ ﺣﺎﻟﺖ‬

‫• ﺑﺎﻳﺪ ﺩﻗﺖ ﮐﺮﺩ ﮐﻪ ﺩﺳﺘﻮﺭ ‪ ode45‬ﻣﻌﺎﺩﻻﺕ ﺩﻳﻔﺮﺍﻧﺴﻴﻞ ﺑﺮﺩﺍﺭﯼ ﺭﺍ ﻧﻴﺰ ﺣﻞ ﻣﯽ ﻧﻤﺎﻳﺪ‪.‬‬

‫‪29‬‬

‫ﻣﺮﻭﺭﯼ ﺑﺮ ﻣﺤﺎﺳﺒﺎﺕ ﻋﺪﺩﯼ‬

‫ﻣﻌﺎﺩﻻﺕ ﺩﻳﻔﺮﺍﻧﺴﻴﻞ ﺑﺮﺩﺍﺭﯼ‬
‫• ﻣﺜﺎﻝ‬

‫)‪function dx = df(t,x‬‬
‫;))‪dx = zeros(size(x‬‬
‫;)‪dx(1) = x(2‬‬
‫‪dx(2) = -x(2) + 1‬‬

‫;)‪[T,Y] = ode45(df,[t0 tf],x0‬‬

‫‪30‬‬

‫‪١۵‬‬
‫‪٠١/٢٠/١۴٣٩‬‬

‫ﻣﺮﻭﺭﯼ ﺑﺮ ﻣﺤﺎﺳﺒﺎﺕ ﻋﺪﺩﯼ‬

‫ﻣﻌﺎﺩﻻﺕ ﺩﻳﻔﺮﺍﻧﺴﻴﻞ‬
‫• ﺑﺮﺧﯽ ﻧﮑﺎﺕ ﺩﺭ ﺗﻨﻈﻴﻤﺎﺕ ﻧﺮﻡ ﺍﻓﺰﺍﺭﯼ‬

‫ﺩﺭ ﺣﻞ ﻫﺎﯼ ﻋﺪﺩﯼ ﺗﻮﺟﻪ ﺑﻪ ﺍﻧﺘﺨﺎﺏ ﺯﻣﺎﻥ ﻧﻤﻮﻧﻪ ﺑﺮﺩﺍﯼ ﻣﺴﺎﻟﻪ ﻣﻬﻤﯽ ﺍﺳﺖ‪.‬‬ ‫•‬
‫ﺩﺭ ﻧﺮﻡ ﺍ ﻓﺰﺍﺭﻫﺎﻳﻲ ﻧﻈﻴﺮ ﻣﻄﻠﺐ ﺩﻭ ﻧﻮﻉ ﺣﺎﻝ ﮔﺎﻡ ﻣﺘﻐﻴﺮ ﻭ ﮔﺎﻡ ﺛﺎﺑﺖ ﻭﺟﻮﺩ ﺩﺍﺭﺩ‪.‬‬ ‫•‬
‫ﺩﺭﮔﺎﻡ ﻣﺘﻐﻴﺮ ﻧﺮﻡ ﺍﻓﺰﺍﺭ ﺧﻮﺩ ﺑﺮ ﺍﺳﺎﺱ ﻣﻨﺤﻨﯽ ﻫﺎﯼ ﺗﻮﻟﻴﺪ ﺷﺪﻩ ﮔﺎﻡ ﺭﺍ ﺗﻐﻴﻴﺮ ﻣﯽ‬ ‫•‬
‫ﺩﻫﺪ‪.‬‬
‫ﺩﺭ ﮔﺎﻡ ﺛﺎﺑﺖ ﮐﺎﺭﺑﺮ ﻳﮏ ﮔﺎﻡ ﺍﻧﺘﺨﺎﺏ ﻣﯽ ﻧﻤﺎﻳﺪ‪.‬‬ ‫•‬
‫ﺗﻮﺿﻴﺢ ﺍﺳﺘﻔﺎﺩﻩ ﺻﺤﻴﺢ ﺍﺯ ﮔﺎﻡ ﻫﺎﯼ ﺣﻞ ﺩﺭ ﻧﺮﻡ ﺍﻓﺰﺍﺭﻫﺎ‬ ‫•‬
‫ﻫﻤﻪ ﺍﻳﻦ ﺗﻨﻈﻴﻤﺎﺕ ﺩﺭ ﺑﺨﺶ ‪ Configuration parameters‬ﻧﺮﻡ ﺍﻓﺰﺍﺭ‬ ‫•‬
‫ﻣﻄﻠﺐ ﻗﺎﺑﻞ ﺩﺳﺘﺮﺳﯽ ﺍﺳﺖ‪.‬‬

‫‪31‬‬

‫‪Http://wp.kntu.ac.ir/khoshnood‬‬

‫‪32‬‬

‫‪١۶‬‬