‫روش ﺗﻔﺎﺿﻞ ﻣﺤﺪود ‪Finite Difference Method :‬‬

‫‪ -1‬ﻣﻌﺎدﻟﻪ ﻧﻔﻮذ‬
‫ﺑﺮاي ﺣﻞ ﻣﻌﺎدﻻت دﻳﻔﺮاﻧﺴﻴﻞ ﭘﻴﭽﻴﺪه ﻛﻪ ﺑﺪﺳﺖ آوردن ﺟﻮاب ﺗﺤﻠﻴﻠﻲ ﺑﺴﻴﺎر ﺳﺨﺖ ﻳﺎ ﺣﺘﻲ ﻏﻴﺮﻣﻤﻜﻦ اﺳﺖ‪،‬‬
‫ﺗﻜﻨﻴﻚﻫﺎي ﺣﻞ ﻋﺪدي راهﮔﺸﺎ ﺧﻮاﻫﺪ ﺑﻮد‪.‬‬
‫ﺑﺮاي ﻣﺜﺎل ﻣﻌﺎدﻟﻪ ﻧﻔﻮذ )ﻳﺎ ﮔﺮﻣﺎ( زﻳﺮ را در ﻧﻈﺮ ﺑﮕﻴﺮﻳﺪ‪:‬‬
‫‪ 2 u xx  u t ,‬‬ ‫‪0  x  L, 0  t   ‬‬
‫‪u 0, t   pt ,‬‬ ‫‪0  t   ‬‬
‫‪u L, t   qt ,‬‬ ‫‪0  t   ‬‬
‫‪u  x,0   f x ,‬‬ ‫‪0  x  L ‬‬
‫اﻳﻦ ﻣﻌﺎدﻟﻪ ﺑﻪ راﺣﺘﻲ ﺑﻮﺳﻴﻠﻪ روش ﺟﺪاﺳﺎزي ﻣﺘﻐﻴﺮﻫﺎ ﺑﻪ ﺷﺮﻃﻲ ﻛﻪ ‪ pt ‬و ‪ qt ‬ﺛﺎﺑﺖ ﺑﺎﺷﻨﺪ‪ ،‬ﻗﺎﺑﻞ ﺣﻞ‬
‫اﺳﺖ‪ .‬اﻣﺎ اﮔﺮ اﻳﻦ دو ﺛﺎﺑﺖ ﻧﺒﺎﺷﻨﺪ‪ ،‬ﺣﻞ آن ﺑﺴﻴﺎر ﺳﺨﺖ ﺑﻮده و ﺑﻬﺘﺮ اﺳﺖ ﻛﻪ از ﺣﻞ ﻋﺪدي ﺑﺮاي آن اﺳﺘﻔﺎده‬
‫ﻛﺮد‪ .‬ﻳﻜﻲ از ﻣﻬﻢﺗﺮﻳﻦ ﺗﻜﻨﻴﻚﻫﺎي ﺣﻞ ﻋﺪدي ﻣﻌﺎدﻻت دﻳﻔﺮاﻧﺴﻴﻞ ﻣﺸﺘﻘﺎت ﺟﺰﺋﻲ روش ﺗﻔﺎﺿﻞ ﻣﺤﺪود اﺳﺖ‪.‬‬
‫ﺑﺮاي ﺗﻮﺿﻴﺢ اﻳﻦ روش از ﻫﻤﻴﻦ ﻣﻌﺎدﻟﻪ ﻧﻔﻮذ ﺑﻬﺮه ﻣﻲﺑﺮﻳﻢ‪.‬‬
‫ﻣﺮﺣﻠﻪ اول ﮔﺴﺴﺘﻪﺳﺎزي ﻣﺴﺎﻟﻪ اﺳﺖ ﺑﻪ ﻃﻮريﻛﻪ دﻳﮕﺮ ﺑﻪ دﻧﺒﺎل ‪ u x, t ‬روي ﻛﻞ ﺑﺎزه ‪ x‬و ‪ t‬ﻧﺒﻮده و ﻓﻘﻂ در‬
‫ﻧﻘﺎط ﺧﺎﺻﻲ )ﻧﻘﺎط روي ﺷﺒﻜﻪ( ﺑﺎ ﻣﺨﺘﺼﺎت ‪ x j‬و ‪ t k‬آن را ﺑﺪﺳﺖ ﻣﻲآورﻳﻢ‪ .‬ﺑﺮاي اﻳﻦﻛﺎر ﺑﺎزه ‪ L‬را ﺑﻪ ‪N‬‬
‫ﻗﺴﻤﺖ ﻣﺴﺎوي ﺑﻄﻮل ‪ x  L / N‬ﺗﻘﺴﻴﻢ ﻛﺮده و ‪ x j  jx‬را ﺑﻪ ازاي ‪ j=0, 1,…, N‬ﺗﻌﺮﻳﻒ ﻣﻲﻛﻨﻴﻢ‪.‬‬
‫ﻫﻤﭽﻨﻴﻦ ﻧﻤﻮ زﻣﺎﻧﻲ ‪ t‬را اﻧﺘﺨﺎب ﻛﺮده و زﻣﺎنﻫﺎي ‪ t k  kt‬را ﺑﻪ ازاي …‪ k=0, 1,‬ﺗﻌﺮﻳﻒ ﻣﻲﻛﻨﻴﻢ‪.‬‬
‫ﻧﺘﻴﺠﻪ اﻳﻦ ﻛﺎر ﻣﺠﻤﻮﻋﻪاي از ﻧﻘﺎط ﻛﻪ ﺷﺒﻜﻪ ﻣﺤﺎﺳﺒﺎﺗﻲ ﻧﺎﻣﻴﺪه ﻣﻲﺷﻮد‪ ،‬ﺧﻮاﻫﺪ ﺑﻮد‪.‬‬

‫‪t‬‬

‫‪3‬‬ ‫…‬
‫‪∆t‬‬
‫‪2‬‬ ‫…‬

‫‪1‬‬ ‫…‬

‫‪k=0‬‬ ‫…‬
‫‪j=0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪N-1‬‬ ‫‪N‬‬ ‫‪x‬‬
‫‪∆x‬‬

‫در ﻧﻘﺎط ﻧﺸﺎن داده ﺷﺪه ﺑﺎ داﻳﺮه ﺗﻮﺧﺎﻟﻲ‪ ،‬ﻣﻘﺪار ‪ u‬ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺷﺮاﻳﻂ اوﻟﻴﻪ و ﻳﺎ ﻣﺮزي ﻣﺸﺨﺺ ﺑﻮده و ﻫﺪف‬
‫ﺑﺪﺳﺖ آوردن ﻣﻘﺪار ‪ u‬در ﻧﻘﺎط ﺑﺎ داﻳﺮه ﺗﻮﭘﺮ اﺳﺖ‪.‬‬
‫در ﻣﺮﺣﻠﻪ ﺑﻌﺪ ﺗﻘﺮﻳﺐ ﺗﻔﺎﺿﻞ ﻣﺤﺪود را ﺑﺮاي ﻣﻌﺎدﻟﻪ دﻳﻔﺮاﻧﺴﻴﻞ داده ﺷﺪه‪ ،‬ﻳﺎﻓﺘﻪ ﺗﺎ ‪ u‬را ﺑﻪ ﻧﻘﺎط ﻣﺨﺘﻠﻒ ﺷﺒﻜﻪ‬
‫ﻣﺮﺗﺒﻂ ﺳﺎزد‪ .‬ﺑﺮاي ﺗﺮم ‪ ut‬از ﺗﻌﺮﻳﻒ ﻣﺸﺘﻖ و ﺳﭙﺲ ﺗﻘﺮﻳﺐ ﻣﺮﺗﺒﻪ اول اﺳﺘﻔﺎده ﻣﻲﻛﻨﻴﻢ‪.‬‬
 ‫‪u  x, t  t   u x, t  u x, t  t   u  x, t ‬‬
‫‪ut x, t   lim‬‬ ‫‪‬‬
‫‪t  0‬‬ ‫‪t‬‬ ‫‪t‬‬
‫ﺑﺎ اﻧﺘﺨﺎب ﻛﻮﭼﻚ ‪ ، t‬ﺧﻄﺎ را ﺗﺎ ﺣﺪ ﻗﺎﺑﻞ ﻗﺒﻮﻟﻲ ﻛﺎﻫﺶ ﻣﻲدﻫﻴﻢ‪ uxx .‬را ﻧﻴﺰ ﺑﺼﻮرت ﻣﺸﺎﺑﻪ ﻣﻲﺗﻮان ﺑﺪﺳﺖ‬
‫آورد‪ ،‬ﺑﻪ ﮔﻮﻧﻪاي ﻛﻪ ﻫﺮﺑﺎر ﻳﻚ ﻣﺸﺘﻖ را در ﻧﻈﺮ ﻣﻲﮔﻴﺮﻳﻢ‪:‬‬
‫‪u x  x  x, t   u x  x, t ‬‬
‫‪u xx  u x x ‬‬
‫‪x‬‬
‫و ﺳﭙﺲ ﻫﺮ ﻳﻚ از ﻣﺸﺘﻘﺎت را ﺑﺼﻮرت ﻗﺒﻞ ﺗﻘﺮﻳﺐ ﻣﻲزﻧﻴﻢ‪:‬‬
‫‪u x  x, t   u  x, t  u  x, t   u  x  x, t ‬‬
‫‪‬‬
‫‪u xx  x, t  ‬‬ ‫‪‬‬‫‪x‬‬ ‫‪x‬‬
‫‪x‬‬
‫‪u  x  x, t   2u  x, t   u  x  x, t ‬‬
‫‪u xx  x, t  ‬‬
‫‪x 2‬‬
‫در ﻣﺮﺣﻠﻪ ﺑﻌﺪي ﺗﻘﺮﻳﺐﻫﺎي ﻣﺸﺘﻘﺎت ﺑﺪﺳﺖ آﻣﺪه را ﺑﺎ ﻧﺎمﮔﺬاري ‪، x  x  x j 1 ، x  x  x j 1 ، x  x j‬‬
‫‪ t  tk‬و ‪ t  t  tk 1‬در ﻣﻌﺎدﻟﻪ دﻳﻔﺮاﻧﺴﻴﻞ ﻗﺮار ﻣﻲدﻫﻴﻢ‪:‬‬

‫‪2‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ ‬‬
‫‪u x j 1, tk  2u x j , tk  u x j 1, tk‬‬ ‫‪  ux j , tk 1  ux j , tk ‬‬
‫‪x 2‬‬ ‫‪t‬‬
‫ﻳﺎ‪:‬‬
‫‪U j 1, k  2U j , k  U j 1, k‬‬ ‫‪U j , k 1  U j , k‬‬
‫‪2‬‬ ‫‪‬‬
‫‪x ‬‬ ‫‪2‬‬ ‫‪t‬‬
‫ﺑﻪ ﻣﻌﺎدﻟﻪ آﺧﺮ ﺗﻘﺮﻳﺐ ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﻣﻌﺎدﻟﻪ ﻣﺸﺘﻘﺎت ﺟﺰﺋﻲ داده ﺷﺪه ﻣﻲﮔﻮﻳﻨﺪ‪ .‬ﻫﺮﭼﻨﺪ ﻣﻌﻤﻮﻻً ‪ u x j , tk ‬ﺑﻪ‬
‫ﺣﻞ دﻗﻴﻖ ‪ PDE‬در )‪ (xj,tk‬اﻃﻼق ﺷﺪه‪ ،‬اﻣﺎ ﻣﻨﻈﻮر از ‪ Ujk‬ﺣﻞ دﻗﻴﻖ ﻣﻌﺎدﻟﻪ ﺗﻘﺎﺿﻞ ﻣﺤﺪود در )‪ (xj,tk‬اﺳﺖ‪ .‬در‬
‫ﺣﺎﻟﺖ ﻛﻠﻲ اﻳﻦ دو ﺑﺪﻟﻴﻞ ﺗﻘﺮﻳﺐﻫﺎي ﺑﻜﺎر رﻓﺘﻪ ﻟﺰوﻣﺎً ﺑﺮاﺑﺮ ﻧﻴﺴﺘﻨﺪ‪ .‬ﺑﻨﺎﺑﺮﻳﻦ از دو ﻧﻤﺎد ﻣﺠﺰا ﺑﺮاي ﻧﻤﺎﻳﺶ آنﻫﺎ‬
‫اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ‪ .‬ﺑﺎ ﺣﻞ ﻣﻌﺎدﻟﻪ ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﺑﺮاي ‪ Uj,k+1‬ﺑﺪﺳﺖ ﻣﻲآورﻳﻢ‪:‬‬
‫‪t‬‬
‫‪U j , k 1  rU j 1, k  1  2r U j , k  rU j 1, k ,‬‬ ‫‪r 2‬‬ ‫)‪( 1‬‬
‫‪x 2‬‬
‫اﻳﻦ راﺑﻄﻪ ﻣﺤﺎﺳﺒﻪ ‪ U‬در ﻳﻚ ﻧﻘﻄﻪ ﺷﺒﻜﻪ را ﺑﺼﻮرت ﺗﺮﻛﻴﺐ ﺧﻄﻲ از ‪U‬ﻫﺎ در زﻣﺎن ﻗﺒﻠﻲ اﻣﻜﺎنﭘﺬﻳﺮ ﻣﻲﺳﺎزد‪.‬‬

‫‪∆t‬‬
‫‪j, k+1‬‬

‫‪j-1, k‬‬ ‫‪j, k‬‬ ‫‪j+1, k‬‬

‫‪∆x‬‬

‫ﺑﺎ اﺳﺘﻔﺎده از اﻳﻦ روش ﻣﻲﺗﻮان ﻧﻘﻄﻪ ﺑﻪ ﻧﻘﻄﻪ و ﺧﻂ ﺑﻪ ﺧﻂ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺷﺮاﻳﻂ ﻣﺮزي و اوﻟﻴﻪ ﻣﻌﺎدﻟﻪ را ﺣﻞ‬
‫ﻛﺮد‪.‬‬
 ‫‪U j ,0  f  jx   f j ,‬‬ ‫‪j  1, 2, ..., N  1‬‬
‫‪U 0, k  pkt   pk ,‬‬ ‫‪k  1, 2, ...,‬‬
‫‪U N , k  qkt   qk ,‬‬ ‫‪k  1, 2, ...,‬‬
‫ﺷﺮوع ﻛﺎر از زﻣﺎن اوﻟﻴﻪ ‪ k=0‬ﺑﻮده و ﺑﺎ اﺳﺘﻔﺎده از راﺑﻄﻪ )‪ (1‬و ﺷﺮاﻳﻂ ﻣﺮزي و اوﻟﻴﻪ ﻓﻮق ﻫﻤﻪ ‪U‬ﻫﺎ را در اﻣﺘﺪاد‬
‫ﺧﻂ ‪ k=1‬و ﺳﭙﺲ ﺳﺎﻳﺮ ﺧﻂﻫﺎ ﻣﺤﺎﺳﺒﻪ ﻣﻲﻛﻨﻴﻢ‪.‬‬

‫ﻣﺜﺎل‪ :1‬ﻣﻌﺎدﻟﻪ ﻧﻔﻮذ داده ﺷﺪه را ﺑﺎ ﻣﻘﺪارﻫﺎي ‪ qt   50 ، pt   10  100t ، L  1 ،  2  1‬و‬
‫‪ f x   20 x‬ﺑﺎ ﻓﺮض ‪ (∆x=0.25) N=4‬و ‪ ∆t=0.01‬ﺑﺎ اﺳﺘﻔﺎده از روش ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﺣﻞ ﻛﻨﻴﺪ‪.‬‬
‫‪t‬‬
‫‪8.6‬‬ ‫‪11.7‬‬ ‫‪24.2‬‬
‫‪13‬‬ ‫‪50‬‬

‫‪7.3‬‬ ‫‪10.5‬‬ ‫‪21.4‬‬

‫‪12‬‬ ‫‪50‬‬

‫‪5.8‬‬ ‫‪10‬‬ ‫‪17.4‬‬

‫‪11‬‬ ‫‪50‬‬

‫‪5‬‬ ‫‪5‬‬ ‫‪10‬‬ ‫‪15‬‬ ‫‪35‬‬

‫‪x‬‬
‫ﺷﻜﻞ)‪ :(3‬ﺷﺒﻜﻪ ﺑﻨﺪي و ﺷﺮاﻳﻂ ﻣﺮزي و اوﻟﻴﻪ ﻣﺜﺎل ‪1‬‬

‫ﭼﺮا در اﻳﻦ ﺷﻜﻞ ‪ u 0,0  5‬در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﺷﺪه اﺳﺖ؟ ﭼﻮن داده در اﻳﻦ ﻧﻘﻄﻪ ﻧﺎﭘﻴﻮﺳﺘﻪ اﺳﺖ‬
‫) ‪ u x,0  f x   20 x  0‬و ‪ .( u 0, t   10  100t  10‬ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اﻳﻦ ﻧﻜﺘﻪ ﻛﻪ ﻓﺮاﻳﻨﺪ ﻧﻔﻮذ ﻳﻚ ﻓﺮاﻳﻨﺪ‬
‫ﻳﻜﻨﻮاﺧﺖ و ﻫﻤﻮار اﺳﺖ‪ ،‬ﺑﻨﺎﺑﺮﻳﻦ از ﻣﻘﺪار ﻣﺘﻮﺳﻂ در اﻳﻦ ﻧﻘﻄﻪ اﺳﺘﻔﺎده ﻣﻲﻛﻨﻴﻢ‪ .‬ﺑﻄﻮر ﻣﺸﺎﺑﻪ در ﮔﻮﺷﻪﻫﺎ از‬
‫ﻣﻘﺪار ﻣﺘﻮﺳﻂ اﺳﺘﻔﺎده ﻣﻲﻛﻨﻴﻢ ) ‪ .( u 1,0  20  50 2  35‬ﻫﻤﭽﻨﻴﻦ ‪. r  10.01 0.252  0.16‬‬
‫‪U j , k 1  0.16U j 1, k  0.68U j , k  0.16U j 1, k‬‬
‫ﺑﺎ ﺗﻜﺮار ﻣﻘﺎدﻳﺮ ‪ u‬ﺑﺮاي ﺧﻂ اول زﻣﺎن )‪ (k+1=1‬ﺑﺼﻮرت زﻳﺮ ﺑﺪﺳﺖ ﻣﻲآﻳﻨﺪ‪:‬‬
‫‪U1,1  0.16U 0,0  0.68U1,0  0.16U 2,0‬‬
‫‪ 0.16(5)  0.68(5)  0.16(10)  5.8‬‬
‫‪U 2,1  0.16U1,0  0.68U 2,0  0.16U 3,0‬‬
‫‪ 0.16(5)  0.68(10)  0.16(15)  10‬‬
‫‪U 3,1  0.16U 2,0  0.68U 3,0  0.16U 4,0‬‬
‫‪ 0.16(10)  0.68(15)  0.16(35)  17.4‬‬
‫و ﺑﻪ ﻫﻤﻴﻦ ﺗﺮﺗﻴﺐ ﺑﺮاي ﮔﺎم زﻣﺎن ﺑﻌﺪي )‪: (k+1=2‬‬
‫‪U1, 2  0.16(11)  0.68(5.8)  0.16(10)  7.3‬‬
‫‪U 2, 2  0.16(5.8)  0.68(10)  0.16(17.4)  10.5‬‬
 ‫‪U 3, 2  0.16(1)  0.68(17.4)  0.16(50)  21.4‬‬
‫و ﺑﻪ ﻫﻤﻴﻦ ﻣﻨﻮال اداﻣﻪ ﻣﻲدﻫﻴﻢ‪.‬‬
‫ﻧﻜﺘﻪ‪ :‬ﭼﻮن ﺗﻘﺮﻳﺐﻫﺎي ﺗﻔﺎﺿﻠﻲ ﻣﻮﻗﻌﻲ ﺻﺤﻴﺢ ﺧﻮاﻫﻨﺪ ﺑﻮد ﻛﻪ ‪ t  0‬و ‪ ، x  0‬ﺑﻨﺎﺑﺮﻳﻦ اﮔﺮ ﺟﻮاب دﻗﻴﻖ‬
‫ﻣﻲﺧﻮاﻫﻴﻢ ‪ t‬و ‪ x‬ﺑﺎﻳﺪ ﺑﻪ اﻧﺪازه ﻛﺎﻓﻲ ﻛﻮﭼﻚ در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﺷﻮﻧﺪ‪ .‬آﻳﺎ ﻣﻘﺎدﻳﺮ ‪ ∆t=0.01‬و ‪ ∆x=0.25‬ﺑﻪ‬
‫اﻧﺪازه ﻛﺎﻓﻲ ﻛﻮﭼﻚ ﻫﺴﺘﻨﺪ؟ ﺑﻪ ﺧﺎﻃﺮ داﺷﺘﻪ ﺑﺎﺷﻴﺪ ﻛﻪ ﻛﻮﭼﻜﻲ )ﻳﺎ ﺑﺰرﮔﻲ( ﺗﻌﺎرﻳﻔﻲ ﻧﺴﺒﻲ ﻫﺴﺘﻨﺪ‪ .‬ﻫﺮ ﭼﻨﺪ‬
‫ﻛﻪ ﻣﺮﺟﻊ ﻣﺸﺨﺼﻲ ﺑﺮاي زﻣﺎن وﺟﻮد ﻧﺪارد ﺗﺎ ﺑﺎ آن ﻣﻘﺎﻳﺴﻪ ﺷﻮد‪ .‬اﻣﺎ از ‪ PDE‬دﻳﺪه ﻣﻲﺷﻮد ﻛﻪ ﻋﺒﺎرت‬
‫‪  2 L2‬از ﺑﻌﺪ ﻋﻜﺲ زﻣﺎن اﺳﺖ‪ .‬ﺑﻨﺎﺑﺮﻳﻦ ﻣﻲﺗﻮان از ‪ T  L2  2‬ﺑﻌﻨﻮان ﻣﺮﺟﻌﻲ ﺑﺮاي زﻣﺎن و ﺑﺮاي ﻣﺮﺟﻊ‬
‫ﻃﻮل ﺑﺴﺎدﮔﻲ از ‪ L‬اﺳﺘﻔﺎده ﻛﺮد‪ .‬درﻧﺘﻴﺠﻪ ﺑﺮاي اﻳﻨﻜﻪ ﻧﺘﺎﻳﺞ دﻗﻴﻖ ﺑﺎﺷﻨﺪ‪ ،‬ﺑﺎﻳﺪ داﺷﺘﻪ ﺑﺎﺷﻴﻢ‪:‬‬
‫‪t‬‬ ‫‪t‬‬ ‫‪x‬‬
‫‪ 2 2  1,‬‬ ‫‪ 1‬‬ ‫)‪( 2‬‬
‫‪T‬‬ ‫‪L ‬‬ ‫‪L‬‬
‫در اﻳﻦ ﻣﺜﺎل ‪   L  1‬ﺑﻨﺎﺑﺮﻳﻦ‪:‬‬
‫‪t  1,‬‬ ‫‪x  1‬‬
‫ﻫﺮﭼﻨﺪ ‪ ∆t=0.01‬ﺧﻴﻠﻲ ﻛﻮﭼﻚﺗﺮ از ﻳﻚ اﺳﺖ اﻣﺎ ﺑﺮاي ‪ ∆x=0.25‬اﻳﻦ ﺷﺮط ﺑﺮآورده ﻧﻤﻲﺷﻮد‪ .‬ﺑﻨﺎﺑﺮﻳﻦ ﺟﻮاﺑﻲ‬
‫ﻛﻪ ﺑﺪﺳﺖ آوردهاﻳﻢ ﻳﻚ ﺗﻘﺮﻳﺐ ﺗﺨﻤﻴﻨﻲ از ﺟﻮاب دﻗﻴﻖ اﺳﺖ‪.‬‬
‫راﺑﻄﻪ)‪ (2‬ﻓﻘﻂ ﻳﻚ ﻗﺎﻋﺪه ﺳﺮاﻧﮕﺸﺘﻲ اﺳﺖ‪ .‬ﻳﻌﻨﻲ اﺑﺘﺪا ﻣﻲﺗﻮان ‪ t‬و ‪ x‬را دﻟﺨﻮاه اﻧﺘﺨﺎب ﻛﺮد و ﻣﺤﺎﺳﺒﺎت را‬
‫اﻧﺠﺎم داد و ﺳﭙﺲ ‪ t‬و ‪ x‬را ﻛﺎﻫﺶ داده و ﻣﺤﺎﺳﺒﻪ را ﺗﻜﺮار ﻛﺮد ﺗﺎ ﺟﺎﻳﻲ ﻛﻪ درﺟﻪ ﻫﻤﮕﺮاﻳﻲ ﻣﻨﺎﺳﺒﻲ‬
‫ﺣﺎﺻﻞ ﺷﻮد‪.‬‬

‫ﻣﺜﺎل‪ :2‬ﻣﻌﺎدﻟﻪ ﻧﻔﻮذ را ﺑﺎ ﺷﺮاﻳﻂ ﺟﺪﻳﺪ ‪ qt   50 ، pt   qt   0 ، L  1 ،  2  1‬و ‪ f x   100‬ﺑﺎ‬
‫اﺳﺘﻔﺎده از راﺑﻄﻪ)‪ (1‬ﺣﻞ ﻣﻲﻛﻨﻴﻢ‪ .‬دﻟﻴﻞ اﻧﺘﺨﺎب اﻳﻦ ﺷﺮاﻳﻂ وﺟﻮد ﺣﻞ دﻗﻴﻖ ﺗﺤﻠﻴﻠﻲ ﺑﺎ روش ﺟﺪاﺳﺎزي‬
‫ﻣﺘﻐﻴﺮﻫﺎ اﺳﺖ‪ .‬ﺟﻮاب ﻛﺎﻣﻞ ﺑﺼﻮرت زﻳﺮ اﺳﺖ‪:‬‬
‫‪400‬‬ ‫‪‬‬ ‫‪1‬‬
‫‪u  x, t  ‬‬ ‫‪sin n e  n  t‬‬
‫‪2‬‬
‫‪‬‬
‫‪ n 1,3, n‬‬
‫‪ ∆t=0.00018‬و ‪ ∆x=0.02‬را اﻧﺘﺨﺎب ﻣﻲﻛﻨﻴﻢ‪ .‬درﻧﺘﻴﺠﻪ ‪ r  0.0018 0.022  0.45‬ﺧﻮاﻫﺪ ﺑﻮد‪ .‬ﺷﺮاﻳﻂ‬
‫ﻣﺮزي و اوﻟﻴﻪ ﻧﻴﺰ ﺑﺼﻮرت زﻳﺮ ﺑﺪﺳﺖ ﻣﻲآﻳﻨﺪ‪:‬‬
‫‪U j ,0  100,‬‬ ‫‪ j  1, 2,, 49‬‬
‫‪U 0, k  0,‬‬ ‫‪k  1, 2,‬‬
‫‪U 50, k  0,‬‬ ‫‪k  1, 2,‬‬
‫ﺑﺮاي ﻧﻘﺎط ﮔﻮﺷﻪاي )ﺟﺎﻫﺎﻳﻲ ﻛﻪ ﻧﺎﭘﻴﻮﺳﺘﮕﻲ وﺟﻮد دارد( از ﻣﻘﺎدﻳﺮ ﻣﺘﻮﺳﻂ ﻣﺎﻧﻨﺪ ﻣﺜﺎل‪ 1‬اﺳﺘﻔﺎده ﻣﻲﻛﻨﻴﻢ‪:‬‬
 ‫‪U 0,0  50,‬‬ ‫‪U 50,0  50‬‬

‫ﺷﻜﻞ)‪ :(4‬ﺣﻞ ﻣﻌﺎدﻟﻪ ﻧﻔﻮذ ﺑﺎ ﺷﺮاﻳﻂ ﻣﺜﺎل‪ 2‬ﺑﻪ ازاي ‪) k=20, 100, 300‬ﺧﻂ ﻣﻤﺘﺪ‪ :‬ﺣﻞ ﺗﺤﻠﻴﻠﻲ(‬

‫ﺣﻞ ﺗﺤﻠﻴﻠﻲ و ﻋﺪدي ﻛﺎﻣﻼً ﻳﻜﺴﺎن ﻧﻴﺴﺘﻨﺪ اﻣﺎ در ﺷﻜﻞ‪ 4‬اﺧﺘﻼﻓﺸﺎن ﻣﺤﺴﻮس ﻧﻴﺴﺖ‪.‬‬
‫اﮔﺮ دﻣﺎﻫﺎي ﺳﺮﺣﺪي )‪ p(t‬و )‪ q(t‬ﺗﻮاﺑﻌﻲ ﻣﺘﻐﻴﺮ ﺑﺎ زﻣﺎن ﺑﺎﺷﻨﺪ آﻧﮕﺎه ﺣﻞ ﺗﺤﻠﻴﻠﻲ ﻣﻌﺎدﻟﻪ ﺑﺎ روش ﺗﺤﻠﻴﻠﻲ‬
‫ﺟﺪاﺳﺎزي ﻣﺘﻐﻴﺮﻫﺎ ﺑﺴﻴﺎر ﺳﺨﺖ ﺧﻮاﻫﺪ ﺑﻮد اﻣﺎ ﺣﻞ ﻋﺪدي ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﺑﻪ آﺳﺎﻧﻲ ﻗﺎﺑﻞ اﺳﺘﻔﺎده اﺳﺖ‪.‬‬
‫ﻫﻤﭽﻨﻴﻦ روش ﺗﻔﺎﺿﻞ ﻣﺤﺪود واﺑﺴﺘﮕﻲ زﻳﺎدي ﺑﻪ اﻧﺘﺨﺎب ﻣﻘﺪار ﮔﺎم زﻣﺎﻧﻲ دارد‪ .‬ﺑﻄﻮر ﻣﺜﺎل اﮔﺮ ﻣﺎ ‪ ∆t‬را ﻓﻘﻂ‬
‫اﻧﺪﻛﻲ ﺗﻐﻴﻴﺮ دﻫﻴﻢ )از ‪ 0.00018‬ﺑﻪ ‪ (0.00022‬ﺟﻮاب ﺳﺮﻳﻌﺎً ﺻﺤﺖ ﺧﻮد را از دﺳﺖ ﻣﻲدﻫﺪ‪ .‬ﭘﺲ از ﻓﻘﻂ‬
‫ﺑﻴﺴﺖ ﮔﺎم زﻣﺎﻧﻲ اﻧﺤﺮاف از ﺣﻞ دﻗﻴﻖ ﺗﺤﻠﻴﻠﻲ ﻇﺎﻫﺮ ﻣﻲﺷﻮد و ﺑﺮاي زﻣﺎن ‪ k=40‬ﻧﺘﺎﻳﺞ ﺑﻲارزش ﺧﻮاﻫﻨﺪ ﺑﻮد‪.‬‬
‫ﺧﻄﺎ ﻫﻢ ﻣﻜﺎﻧﻲ )ﺑﺎ دوره ﺗﻨﺎوب ‪ (2∆x‬و ﻫﻢ زﻣﺎﻧﻲ )ﺑﺎ دوره ﺗﻨﺎوب ‪ 2∆t‬ﻫﺮﭼﻨﺪ ﻛﻪ در ﺷﻜﻞ ‪k‬ﻫﺎي ﻣﺘﻮاﻟﻲ ﻧﺸﺎن‬
‫داده ﻧﺸﺪه( ﻧﻮﺳﺎﻧﻲ اﺳﺖ‪ .‬ﺣﺘﻲ اﮔﺮ ﺟﻮاب دﻗﻴﻖ را ﻧﺪاﺷﺘﻪ ﺑﺎﺷﻴﻢ )ﻛﻪ ﻣﻌﻤﻮﻻً ﻧﺪارﻳﻢ( ﻛﺎﻣﻼً ﺑﺪﻳﻬﻲ اﺳﺖ ﻛﻪ‬
‫ﻧﻮﺳﺎﻧﺎت ﻧﺎﺷﻲ از ﻧﺎﭘﺎﻳﺪاري ﺣﻞ ﻋﺪدي اﺳﺖ ﺗﺎ اﻳﻨﻜﻪ ﻧﺘﻴﺠﻪ ﻳﻚ واﻗﻌﻴﺖ ﻓﻴﺰﻳﻜﻲ ﺑﺎﺷﺪ‪ .‬ﭼﻮن ﻧﻔﻮذ ﻳﻚ ﻓﺮاﻳﻨﺪ‬
‫ﻫﻤﻮار و ﻳﻜﻨﻮاﺧﺖ اﺳﺖ‪.‬‬

‫‪0.00022‬‬ ‫ﺷﻜﻞ)‪ :(5‬ﻣﻌﺎدﻟﻪ ﻧﻔﻮذ ﺑﺎ ﺷﺮاﻳﻂ ﻣﺜﺎل‪ 2‬ﺑﻪ ازاي اﻓﺰاﻳﺶ ‪ ∆t‬ﺑﻪ‬
‫ﺑﺮاي ﺗﺤﻠﻴﻞ ﻧﺎﭘﻴﻮﺳﺘﮕﻲ ﺷﻜﻞ‪ 5‬ﺧﻄﺎ را ﺗﻌﺮﻳﻒ ﻣﻲﻛﻨﻴﻢ‪ .‬ﻋﺒﺎرت ‪ u(xj, tk)-Uj,k‬را ﺧﻄﺎي ﺑﺮش اﻧﺒﺎﺷﺘﻪ‬
‫)‪ (accumulated truncation error‬در ﮔﺮه )‪ (j,k‬ﻧﺎﻣﻴﺪه ﻣﻲﺷﻮد )ﺧﻄﺎي ﻧﺎﺷﻲ از ﮔﺴﺴﺘﻪﺳﺎزي ﺗﻮﺳﻂ ﺗﻘﺮﻳﺐ‬
‫ﺗﻔﺎﺿﻞ ﻣﺤﺪود(‪ .‬ﻋﻼوه ﺑﺮ اﻳﻦ ﺧﻄﺎ‪ ،‬ﺧﻄﺎي دﻳﮕﺮي ﻧﻴﺰ وﺟﻮد دارد ﻛﻪ ﺧﻄﺎي ﮔﺮد ﻛﺮدن اﻧﺒﺎﺷﺘﻪ‬
‫)‪ (accumulated roundoff error‬ﻧﺎﻣﻴﺪه ﻣﻲﺷﻮد )ﻧﺎﺷﻲ از ﮔﺮد ﻛﺮدن ﻛﺎﻣﭙﻴﻮﺗﺮي اﻋﺪاد(‪ .‬ﺑﻨﺎﺑﺮﻳﻦ اﮔﺮ ﻣﺎ ‪Uj,k‬‬
‫و ‪ U*j,k‬را ﺑﻪ ﺗﺮﺗﻴﺐ ﺟﻮاب ﺑﺪون ﺧﻄﺎي ﮔﺮد ﻛﺮدن ﻛﺎﻣﭙﻴﻮﺗﺮ و ﺑﺎ اﻳﻦ ﺧﻄﺎ در ﻧﻈﺮ ﺑﮕﻴﺮﻳﻢ‪ ،‬ﺧﻄﺎي ﻛﻞ ﺑﺼﻮرت‬
‫زﻳﺮ ﻣﺤﺎﺳﺒﻪ ﻣﻲﺷﻮد‪:‬‬
‫‪total error  accumulated truncation error   accumulated roundoff error ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ ‬‬
‫‪ u x j , t k  U *j , k  u x j , tk  U j , k  U j , k  U *j , k‬‬ ‫‪‬‬
‫ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺧﻄﺎي ﺑﺮش اﻧﺒﺎﺷﺘﻪ ‪ 2‬ﺳﻮال ﺑﻪ ذﻫﻦ ﻣﻲرﺳﺪ‪:‬‬
‫‪ -1‬ﺑﺎ ‪ ∆x‬و ‪ ∆t‬ﺛﺎﺑﺖ‪ ،‬رﻓﺘﺎر ﺧﻄﺎي ﺑﺮش اﻧﺒﺎﺷﺘﻪ وﻗﺘﻲ ﻛﻪ ‪ k  ‬ﭼﻪ ﺧﻮاﻫﺪ ﺑﻮد؟‬
‫‪ -2‬در ﻧﻘﺎط ﺛﺎﺑﺖ ﺣﻮزه ‪ x‬و ‪ ،t‬ﻫﻤﺎﻧﻄﻮر ﻛﻪ ﻣﺶ ﺑﻄﻮر ﭘﻴﻮﺳﺘﻪ ﺗﺼﺤﻴﺢ ﻣﻲﺷﻮد آﻳﺎ ﺧﻄﺎي ﺑﺮش اﻧﺒﺎﺷﺘﻪ ﺑﻪ‬
‫ﺻﻔﺮ ﻣﻴﻞ ﻣﻲﻛﻨﺪ؟‬
‫ﺑﻌﺒﺎرت دﻳﮕﺮ آﻳﺎ ﻣﻲﺗﻮان در ﻫﺮ ﻧﻘﻄﻪ ﺛﺎﺑﺖ دﻟﺨﻮاه از داﻣﻨﻪ ‪ x‬و ‪ t‬ﺧﻄﺎي ﺑﺮش اﻧﺒﺎﺷﺘﻪ را ﺑﻪ ﮔﻮﻧﻪاي ﻛﺎﻫﺶ‬
‫داد ﻛﻪ از ﻫﺮ ﻣﻘﺪار ﻣﻌﻴﻨﻲ ﺑﻮﺳﻴﻠﻪ اﺻﻼح ﺷﺒﻜﻪ ﺑﻨﺪي )ﻛﺎﻫﺶ ‪ ∆x‬و ‪ (∆t‬ﻛﻮﭼﻚﺗﺮ ﺷﻮد؟ اﮔﺮ ﺑﺘﻮاﻧﻴﻢ آﻧﮕﺎه‬
‫ﻣﻲﺗﻮان ﮔﻔﺖ ﻛﻪ روش ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﻫﻤﮕﺮا اﺳﺖ‪.‬‬
‫از ﻃﺮﻓﻲ ﭼﻮن ﺧﻄﺎي ﮔﺮد ﻛﺮدن ﺑﺼﻮرت ﺗﺼﺎدﻓﻲ ﻇﺎﻫﺮ ﻣﻲﺷﻮد‪ ،‬ﻣﺎ ﺑﻪ دﻧﺒﺎل اﻳﻦ ﻫﺴﺘﻴﻢ ﻛﻪ ﺧﻄﺎي ﮔﺮد‬
‫ﻛﺮدن اﻧﺒﺎﺷﺘﻪ ﻛﻮﭼﻚ ﺑﺎﻗﻲ ﻣﺎﻧﺪ )ﺑﺮاي ﻣﺜﺎل‪ ،‬وﻗﺘﻲ ﻛﻪ ‪ k  ‬اﻳﻦ ﺧﻄﺎ ﻛﺮاندار ﺑﺎﺷﺪ(‪ .‬اﮔﺮ اﻳﻦ اﺗﻔﺎق رخ‬
‫دﻫﺪ‪ ،‬آﻧﮕﺎه ﻣﻲﮔﻮﻳﻴﻢ اﻳﻦ روش ﭘﺎﻳﺪار اﺳﺖ‪.‬‬
‫اﮔﺮ ‪ ∆x‬و ‪ ∆t‬ﺷﺮط زﻳﺮ را ﺑﺮآورده ﺳﺎزﻧﺪ‪ ،‬روش ﺗﻔﺎﺿﻞ ﻣﺤﺪود )ﻣﻌﺎدﻟﻪ‪ (1‬ﻫﻤﮕﺮا و ﭘﺎﻳﺪار ﺧﻮاﻫﺪ ﺑﻮد‪.‬‬
‫‪t‬‬ ‫‪1‬‬
‫‪r 2‬‬ ‫‪‬‬ ‫)‪( 3‬‬
‫‪x ‬‬ ‫‪2‬‬ ‫‪2‬‬
‫ﺑﺮاي ﻣﺜﺎل ﻧﺘﺎﻳﺞ ﻧﺸﺎن داده ﺷﺪه در ﺷﻜﻞﻫﺎي‪ 4‬و ‪ 5‬را ﺑﺎ ﻫﻢ ﻣﻘﺎﻳﺴﻪ ﻛﻨﻴﺪ‪ .‬ﺷﻜﻞ‪ 4‬ﻣﺘﻨﺎﻇﺮ ﺑﺎ‬
‫‪ r  10.00018 0.022  0.45‬ﺑﻮده ﻛﻪ ﺷﺮط)‪ (3‬را ﺑﺮآورده ﻣﻲﺳﺎزد در ﺣﺎﻟﻲﻛﻪ ﺷﻜﻞ‪ 5‬ﻣﺘﻨﺎﻇﺮ‬
‫ﺑﺎ ‪ r  10.00022 0.022  0.55‬اﺳﺖ ﻛﻪ اﻳﻦ ﺷﺮط را ارﺿﺎ ﻧﻤﻲﻛﻨﺪ‪.‬‬
‫ﻣﺤﺪودﻳﺖ)‪ (3‬ﻣﻤﻜﻦ اﺳﺖ ﺧﻴﻠﻲ ﺳﺨﺖﮔﻴﺮاﻧﻪ ﺑﺎﺷﺪ‪ ،‬ﻣﺜﻼً اﮔﺮ ﺑﺮاي ﺣﻔﻆ دﻗﺖ ‪ ∆x‬ﻛﻮﭼﻚ اﻧﺘﺨﺎب ﺷﻮد‪،‬‬
‫ﺳﭙﺲ ﺷﺮط)‪ (3‬ﻣﺎﻛﺰﻳﻤﻢ ‪ ∆t‬را ﺑﺴﻴﺎر ﻛﻮﭼﻚ ﺗﻌﻴﻴﻦ ﻣﻲﻛﻨﺪ ﺑﻪ ﮔﻮﻧﻪاي ﻛﻪ ﻣﺠﺒﻮر ﻫﺴﺘﻴﻢ ﺗﻌﺪاد ﺑﺴﻴﺎر زﻳﺎدي‬
‫ﮔﺎم زﻣﺎﻧﻲ در ﻧﻈﺮ ﺑﮕﻴﺮﻳﻢ و اﻳﻦ ﺑﺎﻋﺚ اﻓﺰاﻳﺶ زﻣﺎن ﻣﺤﺎﺳﺒﺎﺗﻲ ﺧﻮاﻫﺪ ﺷﺪ‪ .‬در ﺑﺨﺶ ﺑﻌﺪي ﺑﻪ ﮔﻮﻧﻪاي روش را‬
‫ﺗﻐﻴﻴﺮ ﻣﻲدﻫﻴﻢ ﺗﺎ ﺷﺮط ﻣﺤﺪود ﻛﻨﻨﺪه)‪ (3‬ﺗﻌﺪﻳﻞ ﺷﻮد‪.‬‬

‫روشﻫﺎي ﺿﻤﻨﻲ‪ :‬روش ﻛﺮاﻧﻚ‪-‬ﻧﻴﻜﻠﺴﻮن )‪ (Crank-Nicolson‬ﺑﺎ ﺣﻞ ﺗﻜﺮاري‬

‫ﻣﻌﺎدﻟﻪ)‪ (1‬ﺗﻨﻬﺎ روش ﻣﻤﻜﻦ ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﺑﺮاي ‪PDE‬ﻫﺎ ﻧﻴﺴﺖ‪ .‬ﺑﺮاي ﻣﺜﺎل‪ ،‬ﻣﺸﺘﻖﮔﻴﺮي از ‪ x‬در زﻣﺎن اوﻟﻴﻪ ‪t‬‬
‫اﻧﺠﺎم ﺷﺪه‪ ،‬در ﺣﺎﻟﻲﻛﻪ ﻣﺸﺘﻖﮔﻴﺮي در ﺑﺎزه ‪ t‬ﺗﺎ ‪ t+∆t‬ﺑﺎﻳﺪ دﻗﻴﻖﺗﺮ ﺑﺎﺷﺪ‪:‬‬
 ‫‪u  x  x, t   2u  x, t   u x  x, t ‬‬
‫‪u xx  x, t   1   ‬‬
‫‪x 2‬‬
‫‪u x  x, t  t   2u  x, t  t   u  x  x, t  t ‬‬
‫‪‬‬
‫‪x 2‬‬
‫ﻋﺪد ‪ θ‬ﺑﻪ ﮔﻮﻧﻪاي ﺗﻌﻴﻴﻦ ﻣﻲﺷﻮد ﻛﻪ ‪ . 0    1‬در ﻧﺘﻴﺠﻪ ﺑﺎ ﻗﺮاردادن ﻣﻘﺪار ﺟﺪﻳﺪ ﻣﺸﺘﻖ در ﻣﻌﺎدﻟﻪ ﻧﻔﻮذ‬
‫ﺑﺪﺳﺖ ﻣﻲآورﻳﻢ‪:‬‬
‫‪‬‬ ‫‪U j 1, k  2U j , k  U j 1, k‬‬ ‫‪U j 1, k 1  2U j , k 1  U j 1, k 1  U j , k 1  U j , k‬‬
‫‪ 2 1   ‬‬ ‫‪‬‬ ‫‪‬‬ ‫)‪( 4‬‬
‫‪‬‬ ‫‪x 2‬‬ ‫‪x 2‬‬ ‫‪‬‬ ‫‪t‬‬
‫اﮔﺮ ‪ ،θ=0‬اﻳﻦ راﺑﻄﻪ ﺑﻪ ﻫﻤﺎن ﻣﻌﺎدﻟﻪ ﻗﺒﻞ ﻛﺎﻫﺶ ﻣﻲﻳﺎﺑﺪ‪ θ .‬ﭘﺎراﻣﺘﺮ ﻛﻨﺘﺮل دﻟﺨﻮاه اﺳﺖ‪ .‬ﺑﺨﺼﻮص ﻣﻲﺗﻮان‬
‫ﻧﺸﺎن داد ﻛﻪ اﮔﺮ ‪ ،   1 2‬ﺳﭙﺲ ﻣﻌﺎدﻟﻪ)‪ (4‬ﺑﺮاي ‪ r  0‬ﻫﻤﻮاره ﭘﺎﻳﺪار و ﻫﻤﮕﺮا اﺳﺖ‪ .‬ﻳﻌﻨﻲ ﺑﺎ اﻧﺘﺨﺎب‬
‫‪   1 2‬ﺷﺮط)‪ (3‬ﺑﻼاﺳﺘﻔﺎده ﻣﻲﺷﻮد‪ .‬ﺷﺮط ﻣﺮزي ‪   1 2‬ﺑﻪ روش ﻛﺮاﻧﻚ ﻧﻴﻜﻠﺴﻮن ﻣﻌﺮوف اﺳﺖ‪:‬‬
‫‪ rU j 1, k 1  21  r U j , k 1  rU j 1, k 1  rU j 1, k  21  r U j , k  rU j 1, k‬‬ ‫)‪( 5‬‬
‫ﺑﺎ ﺷﺮاﻳﻂ اوﻟﻴﻪ و ﻣﺮزي داده ﺷﺪه‪ ،‬ﺧﻂ اول از ﻋﻨﺎﺻﺮ ﻣﺠﻬﻮل ‪ ... ،U2,1 ،U1,1‬و ‪ UN-1,1‬ﻣﺤﺎﺳﺒﻪ ﺷﺪه و ﺳﭙﺲ‬
‫ﺧﻂﻫﺎي زﻣﺎﻧﻲ ﺑﻌﺪي ﺑﺪﺳﺖ ﻣﻲآﻳﻨﺪ‪ .‬ﺑﻬﺮﺣﺎل ﻣﻌﺎدﻟﻪ)‪ (5‬ﻣﺸﻜﻞﺗﺮ از ﻣﻌﺎدﻟﻪ)‪ (1‬اﺳﺖ‪ .‬ﺑﺮاي درك ﺑﻬﺘﺮ ﺑﺎ ﻓﺮض‬
‫‪ r=1‬و ‪ N=5‬ﺧﻂ اول ﻣﺠﻬﻮﻻت را ﺑﺪﺳﺖ ﻣﻲآورﻳﻢ‪.‬‬
‫‪j  1:‬‬ ‫‪ U 0,1  4U1,1  U 2,1  U 0,0  U 2,0 ,‬‬
‫‪j  2:‬‬ ‫‪ U1,1  4U 2,1  U 3,1  U1,0  U 3,0 ,‬‬
‫‪j  3:‬‬ ‫‪ U 2,1  4U 3,1  U 4,1  U 2,0  U 4,0 ,‬‬
‫‪j  4:‬‬ ‫‪ U 3,1  4U 4,1  U 5,1  U 3,0  U 5,0 .‬‬
‫ﻋﺒﺎرتﻫﺎﻳﻲ ﻛﻪ زﻳﺮ آنﻫﺎ ﺧﻂ ﻛﺸﻴﺪه ﺷﺪه‪ ،‬ﺷﺮاﻳﻂ ﻣﺮزي ﻣﻌﻠﻮم ﺑﻮده ﺑﻨﺎﺑﺮﻳﻦ آنﻫﺎ را ﺑﻪ ﺳﻤﺖ راﺳﺖ‬
‫ﻣﻌﺎدﻻت ﻣﻲﺑﺮﻳﻢ‪ .‬در ﻧﺘﻴﺠﻪ‪:‬‬
‫‪4 U1,1  U 2,1‬‬ ‫‪ U 0,1  U 0,0  U 2,0 ,‬‬
‫‪ U1,1  4U 2,1  U 3,1‬‬ ‫‪ U1,0  U 3,0 ,‬‬
‫‪ U 2,1  4U 3,1  U 4,1  U 2,0  U 4,0 ,‬‬
‫‪ U 3,1  4U 4,1  U 5,1  U 3,0  U 5,0 .‬‬
‫ﺑﻨﺎﺑﺮﻳﻦ در اﻳﻦ روش ﺑﺮاي ﻫﺮ ﮔﺎم زﻣﺎﻧﻲ ﻳﻚ دﺳﺘﮕﺎه ﻣﻌﺎدﻟﻪ ﺗﺰوﻳﺞ ﺷﺪه دارﻳﻢ ﻛﻪ ﺑﺮاي ﺣﻞ آن ﺑﺎﻳﺪ از‬
‫روشﻫﺎي ﺣﻞ دﺳﺘﮕﺎه ﻣﻌﺎدﻻت ﺧﻄﻲ اﺳﺘﻔﺎده ﻛﻨﻴﻢ‪ .‬در ﺣﺎﻟﻲ ﻛﻪ ﻣﻌﺎدﻟﻪ)‪ ،(1‬ﻣﻌﺎدﻻت ﻣﺴﺘﻘﻠﻲ ﺑﺮاي ﻫﺮ ﻳﻚ‬
‫از ﻋﻨﺎﺻﺮ ﺧﻂﻫﺎي زﻣﺎﻧﻲ دارد‪ .‬روش ﻣﻌﺎدﻟﻪ)‪ (1‬روش ﺻﺮﻳﺢ )‪ (explicit‬و روش ﻣﻌﺎدﻟﻪ)‪ (5‬روش ﺿﻤﻨﻲ‬
‫)‪ (implicit‬ﻧﺎﻣﻴﺪه ﻣﻲﺷﻮد‪.‬‬
‫‪j-1, k+1‬‬ ‫‪j, k+1‬‬ ‫‪j+1, k+1‬‬

‫‪j-1, k‬‬ ‫‪j, k‬‬ ‫‪j+1, k‬‬

‫ﺷﻜﻞ)‪ :(6‬ﺷﻤﺎﺗﻴﻚ روش ﺿﻤﻨﻲ‬
‫در روش ﺿﻤﻨﻲ ﻫﺮ ﮔﺮه ﺑﺎ ﻧﺰدﻳﻚﺗﺮﻳﻦ ﮔﺮهﻫﺎي ﻫﻤﺴﺎﻳﻪ ﺧﻮد ﻣﺮﺗﺒﻂ ﺑﻮده در ﺣﺎﻟﻲ ﻛﻪ در روش ﻣﺴﺘﻘﻴﻢ‬
‫)ﺻﺮﻳﺢ( ﮔﺮهﻫﺎ ﻣﺴﺘﻘﻞ از ﻳﻜﺪﻳﮕﺮ ﻫﺴﺘﻨﺪ‪ .‬ﻓﺮم ﻣﺎﺗﺮﻳﺴﻲ ﻣﻌﺎدﻟﻪ)‪ (5‬ﺑﺎ درﻧﻈﺮ ﮔﺮﻓﺘﻦ ﺷﺮاﻳﻂ ﻣﺮزي ﻛﻪ در اﺑﺘﺪا‬
‫در ﻧﻈﺮ ﮔﺮﻓﺘﻪاﻳﻢ‪ ،‬ﺑﺼﻮرت زﻳﺮ داده ﻣﻲﺷﻮد‪:‬‬
‫‪2r  1‬‬ ‫‪r‬‬ ‫‪‬‬ ‫‪0   U1, k 1 ‬‬
‫‪ r‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪2r  1  r‬‬ ‫‪   U 2, k 1 ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ ‬‬ ‫‪ r 2r  1‬‬ ‫‪ r  U N  2, k 1 ‬‬
‫‪ 0‬‬ ‫‪‬‬ ‫‪r‬‬ ‫‪2r  1 U N 1, k 1 ‬‬
‫)‪(6‬‬
‫‪ rpk 1  rpk  21  r U1, k  rU 2, k ‬‬
‫‪‬‬ ‫‪rU1, k  21  r U 2, k  rU 3, k‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪ rU N 3, k  21  r U N  2, k  rU N 1, k ‬‬
‫‪rU N  2, k  21  r U N 1, k  rqk 1  rqk ‬‬
‫‪‬‬ ‫‪‬‬
‫ﻳﺎ ﺑﺼﻮرت دﺳﺘﮕﺎه ﻣﻌﺎدﻻت ﺧﻄﻲ زﻳﺮ ﻣﻲﺗﻮان ﻧﻮﺷﺖ‪:‬‬
‫‪AU k 1  c‬‬ ‫)‪( 7‬‬
‫‪ A‬ﻣﺎﺗﺮﻳﺲ ﺳﻪ ﻗﻄﺮي )ﺑﺪﻟﻴﻞ ﺗﺰوﻳﺞ ﮔﺮهﻫﺎي ﻫﻤﺴﺎﻳﻪ( و ﻣﺘﻘﺎرن اﺳﺖ‪ .‬ﻣﺎﺗﺮﻳﺲﻫﺎي ‪ A‬و ‪ c‬ﻣﻌﻠﻮم و ‪Uk+1‬‬
‫ﻣﺎﺗﺮﻳﺲ ﻣﺠﻬﻮﻻت اﺳﺖ‪ .‬ﺑﻪ ﺗﺮﺗﻴﺐ ﺑﺎ ﻗﺮاردادن ‪ k=0‬و ﺣﻞ دﺳﺘﮕﺎه ﺑﺮاي ﮔﺎم زﻣﺎﻧﻲ اول ﻣﺠﻬﻮﻻت ‪،U2,1 ،U1,1‬‬
‫‪ ...‬و ‪ UN-1,1‬ﺑﺪﺳﺖ آﻣﺪه‪ ،‬ﺳﭙﺲ ﺑﺎ اﻓﺰاﻳﺶ ‪ k‬و ﺣﻞ دﺳﺘﮕﺎهﻫﺎي ﻣﺮﺑﻮط ﺑﻪ ﻫﺮ ﮔﺎم‪ ،‬ﺳﺎﻳﺮ ﻣﺠﻬﻮﻻت ﺑﺪﺳﺖ‬
‫ﻣﻲآﻳﻨﺪ‪.‬‬
‫ﺗﻮﺟﻪ داﺷﺘﻪ ﺑﺎﺷﻴﺪ ﻛﻪ ﻣﺎﺗﺮﻳﺲ ‪ A‬ﺷﺪﻳﺪاً ﻗﻄﺮي اﺳﺖ‪ ،‬ﭼﺮا ﻛﻪ ﻋﻨﺎﺻﺮ روي ﻗﻄﺮﻫﺎي ﻏﻴﺮاﺻﻠﻲ )‪ -r‬و ‪ (0‬در‬
‫ﻣﻘﺎﻳﺴﻪ ﺑﺎ ﻋﻨﺎﺻﺮ ﻗﻄﺮ اﺻﻠﻲ ])‪ [2(1+r‬ﻛﻮﭼﻚ ﻫﺴﺘﻨﺪ ﺑﻪ ﻃﻮري ﻛﻪ ﺗﻘﺮﻳﺒﺎً ﻣﻲﺗﻮان ﮔﻔﺖ ﺗﺰوﻳﺠﻲ وﺟﻮد ﻧﺪارد‪.‬‬
‫ﺑﻨﺎﺑﺮﻳﻦ اﺻﻄﻼﺣﺎً ﻣﻲﮔﻮﻳﻴﻢ ﻣﻌﺎدﻟﻪ)‪ (6‬ﺑﺎ ﺗﺰوﻳﺞ ﺿﻌﻴﻒ )‪ (weakly coupled‬اﺳﺖ‪.‬‬
‫ﺑﺮاي ﺣﻞ دﺳﺘﮕﺎه ﻣﻲﺗﻮان از روشﻫﺎي ﻣﺴﺘﻘﻴﻢ )ﮔﻮس‪ ،‬ﮔﻮس‪-‬ﺟﺮدن و ‪ (...‬و ﻳﺎ از روشﻫﺎي ﺗﻜﺮار ﻣﺎﻧﻨﺪ‬
‫ژاﻛﻮﺑﻲ‪ ،‬ﮔﻮس‪-‬ﺳﺎﻳﺪل و ﻓﻮق ﺗﺨﻔﻴﻒ )‪ (Successive over relaxation‬ﺑﻬﺮه ﺑﺮد‪ .‬ﻣﻌﻤﻮﻻً ﺑﺮاي روشﻫﺎي‬
‫ﻋﺪدي ﻛﻪ ﺗﻌﺪاد ﻣﻌﺎدﻻت دﺳﺘﮕﺎهﻫﺎ ﺑﺴﻴﺎر زﻳﺎد اﺳﺖ‪ ،‬روشﻫﺎي ﺗﻜﺮار ﻣﻨﺎﺳﺐﺗﺮ اﺳﺖ‪.‬‬
‫ﺑﺎ ﺗﻮﺟﻪ ﻛﻪ در ﻓﺼﻞ اول درس روشﻫﺎي ﺗﻜﺮار اراﺋﻪ ﺷﺪ‪ ،‬از ﺗﻜﺮار آن ﭘﺮﻫﻴﺰ ﻣﻲﻛﻨﻴﻢ‪ .‬ﻓﻘﻂ در ﻣﻮرد ﭘﺎراﻣﺘﺮ‬
‫ﻛﻨﺘﺮل ‪ ω‬در روش ﻓﻮق ﺗﺨﻔﻴﻒ )‪ (SOR‬ﺑﻪ اﻳﻦ ﻧﻜﺘﻪ اﺷﺎره ﻣﻲﻛﻨﻴﻢ ﻛﻪ اﻧﺘﺨﺎب آن ﻣﻌﻤﻮﻻً ﺑﺼﻮرت ﺗﺠﺮﺑﻲ‬
‫اﺳﺖ اﻣﺎ ﻣﻲﺗﻮان ﺑﺼﻮرت ﺗﺤﻠﻴﻠﻲ ﻧﺸﺎن داد ﻛﻪ ﻣﻘﺪار ﺑﻬﻴﻨﻪ ‪ ω‬ﺑﺼﻮرت زﻳﺮ اﺳﺖ‪:‬‬
‫‪2‬‬ ‫‪r‬‬ ‫‪‬‬
‫‪opt ‬‬ ‫‪,‬‬ ‫‪‬‬ ‫‪cos‬‬ ‫)‪(8‬‬
‫‪1 1 ‬‬ ‫‪2‬‬ ‫‪1 r‬‬ ‫‪N‬‬

‫ﻣﺜﺎل‪ :3‬ﻣﻌﺎدﻟﻪ ﻧﻔﻮذ ﺑﺎ ﺷﺮاﻳﻂ ‪ u 0, t   u L, t   0‬و ‪ u x,0  100‬ﺑﺎ ﻓﺮض ‪ N=4‬و ‪ r=1‬را ﺑﺎ اﺳﺘﻔﺎده از‬
‫روش ﻛﺮاﻧﻚ‪-‬ﻧﻴﻜﻠﺴﻮن ﺣﻞ ﻛﻨﻴﺪ‪.‬‬
‫ﺑﺎ اﺳﺘﻔﺎده از روش ﻛﺮاﻧﻚ‪-‬ﻧﻴﻜﻠﺴﻮن دﺳﺘﮕﺎه ﻣﻌﺎدﻻت ﺧﻄﻲ ﺑﺮاي ﮔﺎم زﻣﺎﻧﻲ اول )‪ (k=0‬ﺑﺼﻮرت زﻳﺮ ﺧﻮاﻫﺪ‬
‫ﺑﻮد‪:‬‬
‫‪4 U1,1  U 2,1  150,‬‬
‫‪ U1,1  4U 2,1  U 3,1  200,‬‬ ‫)‪( 1‬‬
‫‪ U 2,1  4U 3,1  60.‬‬
‫اﻳﻦ دﺳﺘﮕﺎه ﺳﻪ ﺑﻌﺪي ﺑﺮاﺣﺘﻲ ﺣﻞ ﻣﻲﺷﻮد‪:‬‬
‫‪U1,1  55.54,‬‬ ‫‪U 2,1  72.14,‬‬ ‫‪U 3,1  33.04‬‬ ‫)‪( 2‬‬
‫دﺳﺘﮕﺎه ﻣﻌﺎدﻻت)‪ (1‬را ﺑﺎ ﺳﻪ روش ﺗﻜﺮار ﺣﻞ ﻣﻲﻛﻨﻴﻢ‪:‬‬
‫‪ -1‬روش ژاﻛﻮﺑﻲ‬
‫‪U1,n11 ‬‬ ‫‪‬‬
‫‪1 n ‬‬
‫‪U  150 ,‬‬
‫‪4 2,1‬‬
‫‪‬‬
‫‪1‬‬
‫‪‬‬
‫‪U 2n,11  U1,n1  U 3n,1  200 ,‬‬
‫‪4‬‬
‫‪‬‬ ‫)‪(3‬‬
‫‪1‬‬
‫‪‬‬ ‫‪‬‬
‫‪U 3n,11  U 2n,1  60 .‬‬
‫‪4‬‬
‫ﺑﻨﺎﺑﺮﻳﻦ ﺑﺎ ﺗﻜﺮار دارﻳﻢ‪:‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪U1,01 ‬‬ ‫‪0  150  37.5,‬‬ ‫‪U11,1 ‬‬ ‫‪50  150  50,‬‬
‫‪4‬‬ ‫‪4‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪U 20,1  0  0  200   50,‬‬ ‫‪‬‬ ‫‪U 21,1 ‬‬ ‫‪37.5  15  200  63.13,‬‬
‫‪4‬‬ ‫‪4‬‬
‫‪‬‬‫‪0‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪U 3,1  0  60   15,‬‬ ‫‪U 31,1  50  60   27.5‬‬
‫‪4‬‬ ‫‪4‬‬
‫و ﺑﻬﻤﻴﻦ ﺗﺮﺗﻴﺐ اداﻣﻪ ﻣﻲدﻫﻴﻢ‪.‬‬
‫‪ -2‬روش ﮔﻮس‪-‬ﺳﺎﻳﺪل‬
‫‪U1,n11 ‬‬ ‫‪‬‬
‫‪1 n ‬‬
‫‪U  150 ,‬‬
‫‪4 2,1‬‬
‫‪‬‬
‫‪1‬‬
‫‪‬‬
‫‪U 2n,11  U1,n11  U 3n,1  200 ,‬‬
‫‪4‬‬
‫‪‬‬ ‫)‪(4‬‬
‫‪1‬‬
‫‪‬‬
‫‪U 3n,11  U 2n,11  60 .‬‬
‫‪4‬‬
‫‪‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪U1,01  0  150   37.5,‬‬ ‫‪U11,1 ‬‬ ‫‪50  150  50,‬‬
‫‪4‬‬ ‫‪4‬‬
‫‪‬‬‫‪0‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪‬‬ ‫‪U 2,1  0  0  200   50,‬‬ ‫‪‬‬ ‫‪U 21,1 ‬‬ ‫‪50  15  200  66.25,‬‬
‫‪4‬‬ ‫‪4‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪U 30,1  0  60   15,‬‬ ‫‪U 31,1  66.25  60   31.56‬‬
‫‪4‬‬ ‫‪4‬‬
‫و اﻟﻲ آﺧﺮ‬
‫‪ -3‬روش ‪SOR‬‬
‫اﺑﺘﺪا ﻻزم اﺳﺖ ‪ ωopt‬را ﻣﺤﺎﺳﺒﻪ ﻛﻨﻴﻢ‪.‬‬
 ‫‪1‬‬ ‫‪‬‬
‫‪  cos‬‬ ‫‪ 2 4‬‬ ‫‪‬‬ ‫‪opt  2 1  1   2   1.03‬‬
‫‪2‬‬ ‫‪N‬‬ ‫‪‬‬ ‫‪‬‬
‫ﻫﻤﺎﻧﻨﺪ دو روش ﻗﺒﻠﻲ در ﮔﺎم زﻣﺎﻧﻲ ﻧﺨﺴﺖ‪:‬‬
‫‪U1,01  37.5,‬‬ ‫‪U 20,1  50,‬‬ ‫‪U 30,1  15‬‬
‫ﺑﺎ ﺗﻐﻴﻴﺮ روش ﮔﻮس‪-‬ﺳﺎﻳﺪل و اﺳﺘﻔﺎده از ﻧﺘﺎﻳﺞ اﻳﻦ روش ﺧﻮاﻫﻴﻢ داﺷﺖ‪:‬‬
‫‪U11,1  50‬‬ ‫‪‬‬ ‫‪U1,01  50  37.5  12.5,‬‬
‫‪U 21,1  66.25‬‬ ‫‪‬‬ ‫‪U 20,1  66.25  50  16.25,‬‬
‫‪U 31,1  31.56‬‬ ‫‪‬‬ ‫‪U 30,1  31.56  15  16.56,‬‬
‫ﺑﻨﺎﺑﺮﻳﻦ ﮔﺎم ﺑﻌﺪي روش ‪ SOR‬ﺑﺼﻮرت زﻳﺮ ﺧﻮاﻫﺪ ﺑﻮد‪.‬‬
‫‪U11,1  U1,01  U1,01  37.5  1.0312.5  50.38,‬‬
‫‪U 21,1  U 20,1  U 20,1  50  1.0316.25  66.74,‬‬
‫‪U 31,1  U 30,1  U 30,1  15  1.0316.56   32.06‬‬
‫ﺑﺎ اداﻣﻪ ﻣﺤﺎﺳﺒﺎت ﺑﺮاي ﮔﺎمﻫﺎي زﻣﺎﻧﻲ ﺑﻌﺪي‪ ،‬ﻣﻘﺎدﻳﺮ ‪ U n ‬ﺑﺼﻮرت ﺟﺪول زﻳﺮ ﺑﺪﺳﺖ ﻣﻲآﻳﻨﺪ‪:‬‬
‫‪2,1‬‬

‫ﺟﺪول‪ :1‬ﻣﻘﺎدﻳﺮ ﺑﺎ ‪ U 2n,1‬روشﻫﺎي ﺗﻜﺮار‬

‫ژاﻛﻮﺑﻲ‬ ‫ﮔﻮس‪-‬ﺳﺎﻳﺪل‬ ‫‪SOR‬‬
‫‪n=0‬‬ ‫‪50‬‬ ‫‪50‬‬ ‫‪50‬‬
‫‪n=1‬‬ ‫‪63.13‬‬ ‫‪66.25‬‬ ‫‪66.74‬‬
‫‪n=2‬‬ ‫‪69.38‬‬ ‫‪71.41‬‬ ‫‪71.70‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫ﻣﻘﺪار دﻗﻴﻖ‬ ‫‪72.14‬‬ ‫‪72.14‬‬ ‫‪72.14‬‬

‫‪ -2‬ﻣﻌﺎدﻟﻪ ﭘﻮاﺳﻮن‬
‫اﻟﻒ‪ -‬داﻣﻨﻪ ﻣﺴﺘﻄﻴﻠﻲ )ﺷﺮاﻳﻂ ﻋﺎدي(‬
‫ﻣﺴﺎﻟﻪ را ﺑﻪ ﺣﺎﻟﺖ دوﺑﻌﺪي ﻣﺤﺪود ﻛﺮده و ﻣﻌﺎدﻟﻪ ﭘﻮاﺳﻮن زﻳﺮ را در ﻧﻈﺮ ﻣﻲﮔﻴﺮﻳﻢ‪:‬‬
‫‪ 2u  u xx  u yy  f  x, y ,‬‬ ‫‪0  x  a,‬‬ ‫‪0  y  b‬‬
‫‪u 0, y   p y ,‬‬ ‫‪u  x,0   q x ,‬‬ ‫)‪(1‬‬
‫‪u a, y   r  y ,‬‬ ‫‪u  x, b   s  x ‬‬
‫‪y‬‬
‫‪b‬‬ ‫‪u=s‬‬

‫‪u=p‬‬ ‫‪ 2u  f‬‬ ‫‪u=r‬‬

‫‪u=q‬‬ ‫‪a‬‬
‫‪x‬‬
‫ﺷﻜﻞ)‪ :(6‬ﻣﻌﺎدﻟﻪ ﭘﻮاﺳﻮن ﺑﺎ ﺷﺮاﻳﻂ ﻣﻌﺎدﻟﻪ‪1‬‬
‫ﻣﺴﺎﻟﻪ را ﺑﺎ ﺗﻘﺴﻴﻢ ﺑﺎزه ‪ a‬ﺑﻪ ‪ M‬ﻗﺴﻤﺖ ﻣﺴﺎوي ‪ ∆x=a/M‬و ﺑﺎزه ‪ b‬ﺑﻪ ‪ N‬ﻗﺴﻤﺖ ﻣﺴﺎوي ‪∆y=b/N‬‬

‫ﮔﺴﺴﺘﻪﺳﺎزي ﻛﺮده و ﻧﻘﺎط ﮔﺮه )‪ Pjk=(xj, yk)=(j∆x, k∆y‬را ﺑﻪ ازاي ‪ j=0, 1, …, M‬و ‪ k=0, 1, …, N‬ﺗﻌﺮﻳﻒ‬
‫ﻣﻲﻛﻨﻴﻢ‪ .‬ﺑﻨﺎﺑﺮﻳﻦ ‪ u‬را ﻧﻪ در ﺗﻤﺎم داﻣﻨﻪ ﺑﻠﻜﻪ ﻓﻘﻂ در ﻧﻘﺎط ﮔﺮهاي ﺑﺨﺼﻮص ﻧﻘﺎط داﺧﻠﻲ ﻣﻲﻳﺎﺑﻴﻢ‪ .‬ﻧﻘﺎط ﮔﺮهاي‬
‫ﻣﺮزي ﺑﻮﺳﻴﻠﻪ ﺷﺮاﻳﻂ ﻣﺮزي دﻳﺮﻳﻜﻠﻪ داده ﻣﻲﺷﻮﻧﺪ‪.‬‬
‫در ﻣﺮﺣﻠﻪ دوم ﻣﻌﺎدﻟﻪ ‪ PDE‬را ﺑﺎ روش ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﺗﻘﺮﻳﺐ ﻣﻲزﻧﻴﻢ‪ .‬ﻧﺘﻴﺠﻪ آن ﻣﺠﻤﻮﻋﻪاي از ﻣﻌﺎدﻻت‬
‫ﺟﺒﺮي در ﮔﺮهﻫﺎي ﻣﺠﻬﻮل ‪ u‬ﺧﻮاﻫﺪ ﺑﻮد‪.‬‬
‫‪P13‬‬ ‫‪P12‬‬
‫‪P03‬‬ ‫‪P33‬‬
‫‪∆t‬‬
‫‪P12‬‬ ‫‪P22‬‬
‫‪P02‬‬ ‫‪P32‬‬

‫‪P11‬‬ ‫‪P21‬‬
‫‪P01‬‬ ‫‪P31‬‬

‫‪P00‬‬ ‫‪P30‬‬
‫‪P10‬‬ ‫‪P20‬‬
‫‪∆x‬‬
‫ﺷﻜﻞ)‪ :(7‬ﻣﺶ ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﺑﻪ ازاي ‪M=N=3‬‬
‫در ﻣﺮﺣﻠﻪ دوم ﻣﻌﺎدﻟﻪ ‪ PDE‬را ﺑﺎ روش ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﺗﻘﺮﻳﺐ ﻣﻲزﻧﻴﻢ‪ .‬ﻧﺘﻴﺠﻪ آن ﻣﺠﻤﻮﻋﻪاي از ﻣﻌﺎدﻻت‬
‫ﺟﺒﺮي در ﮔﺮهﻫﺎي ﻣﺠﻬﻮل ‪ u‬ﺧﻮاﻫﺪ ﺑﻮد‪.‬‬
‫‪ 2u‬‬ ‫‪u  x  x, y   2u x, y   u  x  x, y ‬‬
‫‪‬‬
‫‪x‬‬ ‫‪2‬‬
‫‪x 2‬‬
‫‪ 2u u  x, y  y   2u x, y   u  x, y  y ‬‬
‫‪‬‬
‫‪y 2‬‬ ‫‪y 2‬‬
‫ﺑﺎ ﻗﺮاردادن اﻳﻦ ﻣﻌﺎدﻟﻪﻫﺎ در ﻣﻌﺎدﻟﻪ ‪ PDE‬و ﺑﺎ در ﻧﻈﺮ ﮔﺮﻓﺘﻦ ‪ x=xj, x-∆x=xj-1, x+∆x=xj+1‬و ﻣﺸﺎﺑﻬﺎً ﺑﺮاي ‪y‬‬
‫ﺑﺪﺳﺖ ﻣﻲآﻳﺪ‪:‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ ‬‬
‫‪u x j 1, yk  2u x j , yk  u x j 1, yk‬‬ ‫‪  ux j , yk 1  2ux j , yk  u x j , yk 1   f x , y ‬‬
‫‪x ‬‬ ‫‪2‬‬
‫‪y ‬‬
‫‪2‬‬ ‫‪j k‬‬

‫ﺑﻨﺎﺑﺮﻳﻦ ﻣﻌﺎدﻟﻪ ﺟﺒﺮي زﻳﺮ ﺑﺪﺳﺖ ﻣﻲآﻳﺪ‪:‬‬

‫‪U j 1, k  2U j , k  U j 1, k‬‬ ‫‪U j , k 1  2U j , k  U j , k 1‬‬
‫‪‬‬ ‫‪ f j,k‬‬ ‫)‪(2‬‬
‫‪x ‬‬ ‫‪2‬‬
‫‪y 2‬‬
‫ﻋﺒﺎرت ‪ u(xj, yk)-Uj,k‬ﺧﻄﺎي ﺑﺮش )‪ (Truncation error‬در ﮔﺮه ‪ Pj,k‬ﻧﺎﻣﻴﺪه ﻣﻲﺷﻮد )ﺧﻄﺎي ﻧﺎﺷﻲ از‬
‫ﮔﺴﺴﺘﻪﺳﺎزي ﺗﻮﺳﻂ ﺗﻘﺮﻳﺐ ﺗﻔﺎﺿﻞ ﻣﺤﺪود(‪ .‬ﺗﻮﺟﻪ ﻛﻨﻴﺪ ﻛﻪ ﺧﻄﺎي ﺑﺮش ﻣﺤﻠﻲ )‪) (local‬ﺧﻄﺎﻳﻲ ﻛﻪ در ﻳﻚ‬
‫ﮔﺎم زﻣﺎﻧﻲ رخ ﻣﻲدﻫﺪ( و ﺧﻄﺎي ﺑﺮش اﻧﺒﺎﺷﺘﻪ )ﺧﻄﺎﻳﻲ ﻛﻪ در ﻃﻲ ﺗﻤﺎم ﮔﺎمﻫﺎي زﻣﺎﻧﻲ رخ ﻣﻲدﻫﺪ( از ﻫﻢ‬
‫ﻣﺘﻤﺎﻳﺰ ﻫﺴﺘﻨﺪ‪ .‬ﻫﺮ ﭼﻨﺪ در اﻳﻨﺠﺎ ﻣﺎ اﻳﻦ ﺗﻤﺎﻳﺰ را ﻗﺎﺋﻞ ﻧﻴﺴﺘﻴﻢ ﭼﻮن ﮔﺎم زﻣﺎﻧﻲ وﺟﻮد ﻧﺪارد‪ .‬ﺑﻨﺎﺑﺮﻳﻦ ﺑﻪ ﺳﺎدﮔﻲ‬
‫از ﻧﺎم ﺧﻄﺎي ﺑﺮش اﺳﺘﻔﺎده ﻣﻲﻛﻨﻴﻢ‪.‬‬
‫ﻫﻤﺎﻧﻨﺪ ﻫﻤﺎن ﺑﺤﺜﻲ ﻛﻪ در ﻣﻌﺎدﻟﻪ ﻧﻔﻮذ ﻣﻄﺮح ﻛﺮدﻳﻢ‪ ،‬ﻣﻲﮔﻮﻳﻴﻢ روش ﺗﻔﺎﺿﻠﻲ ﻣﺎ ﭘﺎﻳﺪار اﺳﺖ اﮔﺮ ﺧﻄﺎي‬
‫ﮔﺮدﻛﺮدن اﻧﺒﺎﺷﺘﻪ ﻛﻮﭼﻚ ﺑﺎﻗﻲ ﻣﺎﻧﺪ‪ .‬ﻫﺮ ﭼﻨﺪ ﻛﻪ ﺑﺮاي ﻣﻌﺎدﻟﻪﻫﺎي ﭘﻮاﺳﻮن و ﻻﭘﻼس ﻣﺎ در ﺣﻮزه زﻣﺎن‬
‫ﭘﻴﺸﺮوي ﻧﺪارﻳﻢ ﺑﻨﺎﺑﺮﻳﻦ ﺑﺤﺚ ﭘﺎﻳﺪاري ﻣﻮﺿﻮﻋﻴﺖ ﻧﺪارد‪ .‬ﻧﺘﻴﺠﻪ اﻳﻦ ﻛﻪ ﺑﺎﻳﺪ از ﺧﻄﺎي ﮔﺮد ﻛﺮدن در ﻣﻘﺎﻳﺴﻪ ﺑﺎ‬
‫ﺧﻄﺎي ﺑﺮش ﺑﺮاي ﻣﺴﺎﺋﻞ اﻳﻦ ﺑﺨﺶ ﺻﺮفﻧﻈﺮ ﺷﻮد‪ .‬اﮔﺮ ‪ x  y  h‬اﻧﺘﺨﺎب ﻛﻨﻴﻢ‪ ،‬ﻣﻌﺎدﻟﻪ)‪ (2‬ﺑﻪ ﺷﻜﻞ زﻳﺮ‬
‫در ﺧﻮاﻫﺪ آﻣﺪ‪:‬‬
‫‪U j 1, k  U j , k 1  U j 1, k  U j , k 1  4U j , k  h 2 f j , k‬‬ ‫)‪( 3‬‬
‫ﻛﻪ ﻣﻌﻤﻮﻻً ﺑﺼﻮرت ﻧﻤﺎدﻳﻦ زﻳﺮ ﺑﻴﺎن ﻣﻲﺷﻮد‪:‬‬
‫‪‬‬ ‫‪1‬‬ ‫‪‬‬
‫‪1  4 1U  h 2 f‬‬ ‫)‪( 4‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪1‬‬ ‫‪‬‬
‫ﻛﻪ ﺑﻪ آن ﻃﺮح ﻳﺎ ﻓﺮﻣﻮل ﭘﻨﺞ ﻧﻘﻄﻪاي ﺑﺮاي ﺷﺒﻜﻪ ﺗﻔﺎﺿﻞ ﻣﺤﺪود دوﺑﻌﺪي ﻣﻲﮔﻮﻳﻨﺪ‪ 7) .‬ﻧﻘﻄﻪاي ﺑﺮاي ﺣﺎﻟﺖ‬
‫ﺳﻪﺑﻌﺪي(‬
‫‪j, k+1‬‬
‫‪h‬‬ ‫‪h‬‬
‫‪j-1, k‬‬ ‫‪j+1, k‬‬
‫‪j, k‬‬

‫‪j, k-1‬‬

‫ﻫﻤﭽﻨﻴﻦ اﮔﺮ داﺷﺘﻪ ﺑﺎﺷﻴﻢ ‪ ، f x, y   0 :‬ﻣﻌﺎدﻟﻪ ﺑﻪ ﻣﻌﺎدﻟﻪ ﻻﭘﻼس ﺗﺒﺪﻳﻞ ﺷﺪه و ﺧﻮاﻫﻴﻢ داﺷﺖ‪:‬‬
‫‪U j,k ‬‬
‫‪1‬‬
‫‪4‬‬
‫‪‬‬
‫‪U j 1, k  U j , k 1  U j 1, k  U j , k 1‬‬ ‫‪‬‬ ‫)‪(5‬‬

‫ﻣﺜﺎل‪ :1‬ﻣﻌﺎدﻟﻪ ﻻﭘﻼس ﺑﺎ ﺷﺮاﻳﻂ ‪ f x, y   p y   qx   sx   0 ، a  b  1‬و ‪ r  y   100 sin y‬را‬
‫در ﻧﻈﺮ ﺑﮕﻴﺮﻳﺪ‪ .‬ﺑﺎ روش ﺟﺪاﺳﺎزي ﻣﺘﻐﻴﺮﻫﺎ )ﺗﻮاﺑﻊ ﺟﺪاﺷﺪﻧﻲ( ﺣﻞ دﻗﻴﻖ ﺑﻪ ﺳﺎدﮔﻲ ﺑﺪﺳﺖ ﻣﻲآﻳﺪ‪:‬‬
‫‪sinh x‬‬
‫‪u  x, y   100‬‬
‫‪sin y‬‬
‫‪sinh ‬‬
‫در ﺳﺎدهﺗﺮﻳﻦ ﺣﺎﻟﺖ ﻓﺮض ﻛﻨﻴﺪ‪ M=N=2 :‬و در ﻧﺘﻴﺠﻪ ‪ x  y  0.5‬و ﻓﻘﻂ ﻳﻚ ﻧﻘﻄﻪ داﺧﻠﻲ وﺟﻮد دارد‪.‬‬
‫ﺑﻨﺎﺑﺮﻳﻦ ﻣﻲﺗﻮان ﻣﻌﺎدﻟﻪ)‪ (5‬را ﺑﺮاي اﻳﻦ ﻧﻘﻄﻪ )‪ (j=k=1‬ﻧﻮﺷﺖ‪:‬‬
‫‪P11 :‬‬ ‫‪U 01  U10  U 21  U12  4U11  0‬‬
‫ﺑﺎ در ﻧﻈﺮ ﮔﺮﻓﺘﻦ ﺷﺮاﻳﻂ ﻣﺮزي داده ﺷﺪه ﺧﻮاﻫﻴﻢ داﺷﺖ‪:‬‬
‫‪1‬‬
‫‪0  0  100 sin  2  0  25‬‬
‫‪U11 ‬‬
‫‪4‬‬
‫‪sinh  2‬‬
‫‪u11  100‬‬ ‫‪sin  2  19.9‬‬ ‫ﻣﻘﺪار دﻗﻴﻖ‪:‬‬
‫‪sinh ‬‬
‫ﺧﻄﺎ ﺑﺴﻴﺎر ﺑﺰرگ اﺳﺖ ﭼﻮن ﺷﺒﻜﻪ ﺧﻴﻠﻲ درﺷﺖ اﺳﺖ )‪ h‬در ﻣﻘﺎﻳﺴﻪ ﺑﺎ ‪ a‬و ‪ b‬ﻛﻮﭼﻚ اﻧﺘﺨﺎب ﻧﺸﺪه اﺳﺖ(‪ .‬در‬
‫ﻣﺮﺣﻠﻪ ﺑﻌﺪي ‪ M=N=4‬و در ﻧﺘﻴﺠﻪ ‪ x  y  0.25‬اﻧﺘﺨﺎب ﻣﻲﻛﻨﻴﻢ‪ .‬ﺑﺮاي ‪ 9‬ﻧﻘﻄﻪ داﺧﻠﻲ ﺷﺒﻜﻪ ‪ P11‬ﺗﺎ ‪P33‬‬
‫ﻣﻲﺗﻮان ﻧﻮﺷﺖ‪:‬‬
 y u=100sinπy
u=0
1

P31 P32 P33

u=0
 2u  0 P21 P22 P23
P11
P01 P11 P12 P13

P10
u=0 1 x
M=N=2 M=N=4
h=0.5 h=0.25

P11 : 0  0  U 21  U12  4U11  0,

P21 : U11  0  U 31  U 22  4U 21  0,

P23 : U13  U 22  U 33  0  4U 23  0,
P23 : U 23  U 32  100 sin 3 4  0  4U 33  0
:‫ﻳﺎ ﻣﻲﺗﻮان ﺑﻪ ﺻﻮرت ﻣﺎﺗﺮﻳﺴﻲ ﻧﻮﺷﺖ‬
 0  U11   
0
 4 1 0 1 
 1 4 1  U   0
 0 1   21    
0 1 4 0 0 1  U 31    100 sin
4
    0 
1 0 0 4 1 0 1  U12   
 1 0 1 4 1 0 1  U 22    0
 (6)
     100 sin  
 1 0 1 4 0 0 1  U 32 
 2
 1 0 0 4 1 0  U13   0 
    
  1 0 1  4 1  U 23  0
 3 
0  1 0 1  4  U   100 sin 
   33 
 4
:‫ ﺑﺪﺳﺖ ﻣﻲآﻳﻨﺪ‬Ujk ‫ﺑﺎ ﺣﻞ دﺳﺘﮕﺎه ﻣﻌﺎدﻻت ﺧﻄﻲ ﻣﻘﺎدﻳﺮ‬
U11  5.8, U 21  15.1, U 31  33.2,
U12  8.3, U 22  21.3, U 32  46.9,
U13  5.8, U 23  15.1, U 33  33.2
:ujk ‫و ﻣﻘﺎدﻳﺮ دﻗﻴﻖ‬
u11  5.3, u21  14.1, u31  32,
u12  7.5, u22  19.9, u32  45.3,
u13  5.3, u23  14.1, u33  32
‫ ﻳﺎ ﺣﺘﻲ‬h=0.05 ‫ در ﻛﺎرﺑﺮدﻫﺎي واﻗﻌﻲ ﺑﺎﻳﺪ‬.‫ﻧﺘﺎﻳﺞ ﺑﻬﺘﺮ از ﺣﺎﻟﺖ ﻗﺒﻞ اﺳﺖ اﻣﺎ ﻫﻨﻮز ﭼﻨﺪان ﻣﻨﺎﺳﺐ ﻧﻴﺴﺘﻨﺪ‬
.‫ﻛﻤﺘﺮ اﻧﺘﺨﺎب ﺷﻮد‬
‫ﻧﻜﺘﻪ‪ :1‬از ﺷﻜﻞ)‪ (8‬دﻳﺪه ﻣﻲﺷﻮد ﻛﻪ ﻫﻢ داﻣﻨﻪ و ﻫﻢ ﺷﺮاﻳﻂ ﻣﺮزي ﺣﻮل ﺧﻂ ‪ y=0.5‬ﻣﺘﻘﺎرن ﻫﺴﺘﻨﺪ‪ .‬ﺑﻨﺎﺑﺮﻳﻦ‬
‫ﺑﺪﻳﻬﻲ اﺳﺖ ﻛﻪ ﺟﻮاب )‪ u(x,y‬ﻧﻴﺰ ﻫﻤﻴﻦﮔﻮﻧﻪ ﺑﺎﺷﺪ‪ .‬ﺑﻨﺎﺑﺮﻳﻦ ﻣﻲﺗﻮان ﺳﺎدهﺗﺮ ﺟﻮاب را ﺑﺪﺳﺖ آورد‪ .‬ﻳﻌﻨﻲ ﺑﻪ‬
‫ﺟﺎي ﻣﺤﺎﺳﺒﻪ )‪ u(x,y‬در ‪ 9‬ﻧﻘﻄﻪ‪ ،‬ﻛﺎﻓﻲ اﺳﺖ ﻛﻪ ﻓﻘﻂ در ‪ 6‬ﻧﻘﻄﻪ آن را ﻣﺤﺎﺳﺒﻪ ﻛﻨﻴﻢ‪.‬‬
‫‪y‬‬
‫‪u=100sinπy‬‬
‫‪u=0‬‬
‫‪1‬‬

‫‪0.5‬‬ ‫‪symmetry‬‬

‫‪u=0‬‬

‫‪u=0‬‬ ‫‪1‬‬ ‫‪x‬‬

‫ﺷﻜﻞ)‪ :(8‬ﺗﻘﺎرن ﺣﻮل ﺧﻂ ‪y=0.5‬‬
‫ﻧﻜﺘﻪ‪ :2‬ﻣﺸﺎﻫﺪه ﻣﻲﺷﻮد ﻛﻪ ﻣﻌﺎدﻟﻪ)‪ (6‬ﺑﺨﺶﺑﻨﺪي ﺷﺪه اﺳﺖ ﻳﻌﻨﻲ‪:‬‬
‫‪B I‬‬ ‫‪ 0   U1   c1 ‬‬
‫‪I B I‬‬
‫‪‬‬ ‫‪   U 2   c2 ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪      ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪ ‬‬ ‫‪‬‬
‫‪‬‬ ‫‪I B I  U N  2  cN  2 ‬‬
‫‪ 0 ‬‬ ‫‪I B  U N 1   c N 1 ‬‬
‫ﻣﺎﺗﺮﻳﺲﻫﺎي ‪ I‬و ‪ B‬ﻣﺎﺗﺮﻳﺲ )‪ (N-1)×(N-1‬ﻫﺴﺘﻨﺪ‪.‬‬
‫‪ 4 1‬‬ ‫‪ 0‬‬
‫‪ 1 4 1‬‬ ‫‪ ‬‬
‫‪‬‬
‫‪B‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪ ‬‬ ‫‪1 4 1 ‬‬
‫‪ 0 ‬‬ ‫‪1  4‬‬
‫ﺑﺮاي ﻣﺜﺎل اﮔﺮ ‪ N=4‬ﺑﺎﺷﺪ ﻣﺎﺗﺮﻳﺲﻫﺎي ‪ I‬و ‪ 3×3 ،B‬ﻫﺴﺘﻨﺪ‪ .‬ﻫﺮ ﺑﺮدار ﻣﻘﺎدﻳﺮ ﮔﺮهﻫﺎي ﻣﺠﻬﻮل در ﺳﻄﺮ ‪j‬ام‬
‫ﻣﺶ را در ﺑﺮ دارد‪ .‬ﻣﺎﺗﺮﻳﺲ‪ ،B‬ﻣﺎﺗﺮﻳﺲ ﺳﻪ ﻗﻄﺮي اﺳﺖ‪.‬‬
‫اﻳﻦ روش ﻗﺪرﺗﻤﻨﺪ اﺳﺖ ﭼﻮن ﺣﺘﻲ اﮔﺮ وروديﻫﺎي )‪ s(x) ،r(y) ،q(x) ،p(y‬و )‪ f(x,y‬ﺗﻮاﺑﻊ ﺛﺎﺑﺘﻲ ﻧﺒﺎﺷﻨﺪ ﻗﺎدر‬
‫ﺑﻪ ﻣﺤﺎﺳﺒﻪ ﺟﻮاب اﺳﺖ در ﺣﺎﻟﻲ ﻛﻪ ﺣﻞ ﺗﺤﻠﻴﻠﻲ ان ﺑﺴﻴﺎر دﺷﻮار اﺳﺖ‪.‬‬

‫ب‪ -‬داﻣﻨﻪ ﻏﻴﺮ ﻣﺴﺘﻄﻴﻠﻲ )ﺷﺮاﻳﻂ ﻏﻴﺮﻋﺎدي(‬

‫ﺗﺎ ﻛﻨﻮن ﻣﺎ ﻓﺮض ﻛﺮدﻳﻢ ﻛﻪ ﻣﻨﺤﻨﻲ ﻣﺮزي ﻣﺴﺘﻄﻴﻠﻲ ﺑﻮده ﺑﻪ ﻃﻮري ﻛﻪ ﺧﻄﻮط ﺷﺒﻜﻪ ﻣﻲﺗﻮاﻧﻨﺪ ﺑﺮ ﻟﺒﻪﻫﺎي‬
‫داﻣﻨﻪ ﻣﻄﺎﺑﻖ ﺷﻜﻞ)‪ (7‬ﻣﻨﻄﺒﻖ ﺷﻮﻧﺪ‪ .‬ﺣﺎل اﮔﺮ ﻣﺶ ﻛﺎﻣﻼً ﺑﺮ داﻣﻨﻪ ﻣﺎﻧﻨﺪ ﺷﻜﻞ)‪ (9‬ﻣﻨﻄﺒﻖ ﻧﺸﻮد‪ ،‬ﭼﻪ اﺗﻔﺎﻗﻲ‬
‫ﻣﻲاﻓﺘﺪ؟ در اﻳﻦ ﺻﻮرت ﻧﻤﻲﺗﻮان ﻃﺮح ﺗﻔﺎﺿﻞ ﻣﺤﺪود )ﻣﻌﺎدﻟﻪ‪ (3‬را در ﻧﻘﺎﻃﻲ ﻫﻤﭽﻮن ‪ P‬ﺑﺪﻟﻴﻞ اﻳﻦ ﻛﻪ ﻧﻘﺎط‬
‫‪ N‬و ‪ E‬روي ﻣﻨﺤﻨﻲ ﻣﺮزي ‪ C‬ﻗﺮار ﻧﻤﻲﮔﻴﺮﻧﺪ‪ ،‬اﻋﻤﺎل ﻛﺮد‪ .‬در اﻳﻦ ﺣﺎﻟﺖ ‪ N‬و ‪ E‬را ﺑﻪ ﮔﻮﻧﻪاي ﺟﺎﺑﺠﺎ ﻛﺮده ﻛﻪ‬
‫ﺑﺮوي ﻣﻨﺤﻨﻲ ‪ C‬ﻗﺮار ﮔﺮﻓﺘﻪ )ﺷﻜﻞ)‪ ((10‬و ﺗﻘﺮﻳﺐﻫﺎي ﺗﻔﺎﺿﻠﻲ را اﺻﻼح ﻣﻲﻛﻨﻴﻢ‪ .‬ﺑﻌﻨﻮان ﻣﺜﺎل ﺑﺎﻳﺪ ﻋﺒﺎرت‬
‫ﺗﻘﺮﻳﺒﻲ ﺑﺮاي ‪ uxx‬در ﮔﺮه ‪ P‬را ﻛﻪ ﺗﺮﻛﻴﺒﻲ ﺧﻄﻲ از ﻣﻘﺎدﻳﺮ ‪ u‬در ﻧﻘﺎط ‪ P ،W‬و ‪ E‬اﺳﺖ‪ ،‬اﺻﻼح ﻛﻨﻴﻢ‪.‬‬
 ‫‪C‬‬
‫‪N‬‬

‫‪W‬‬ ‫‪E‬‬
‫‪P‬‬
‫‪h‬‬
‫‪S‬‬
‫‪h‬‬
‫ﺷﻜﻞ)‪ :(9‬داﻣﻨﻪ ﻏﻴﺮﻣﺴﺘﻄﻴﻠﻲ‬

‫‪C‬‬

‫‪N‬‬
‫‪βh‬‬ ‫‪E‬‬
‫‪W‬‬
‫‪P‬‬
‫‪h‬‬ ‫‪αh‬‬
‫‪S‬‬
‫‪h‬‬
‫ﺷﻜﻞ)‪ :(10‬ﺗﻨﻈﻴﻢ ﻣﺶ در ﻣﻨﺤﻨﻲ ‪C‬‬
‫اﮔﺮ ‪ E‬را ﺣﺮﻛﺖ دﻫﻴﻢ ﺑﺎﻳﺪ ﺗﺎﺛﻴﺮ )وزن( آن را ﻧﻴﺰ ﺗﻐﻴﻴﺮ دﻫﻴﻢ‪ .‬ﻣﻲﺗﻮان ﺑﻪ ‪ UE‬وزن ﺑﻴﺸﺘﺮي ﻧﺴﺒﺖ ﺑﻪ ‪ UW‬داد‬
‫ﭼﻮن ‪ E‬از ‪ W‬ﺑﻪ ‪ P‬ﻧﺰدﻳﻚﺗﺮ اﺳﺖ‪ .‬ﺑﺮاي ﺳﺎﻳﺮ ﺗﻘﺮﻳﺐﻫﺎي ﺗﻔﺎﺿﻠﻲ ﻧﻴﺰ ﻫﻤﻴﻦ ﻛﺎر را اﻧﺠﺎم ﻣﻲدﻫﻴﻢ‪ .‬راي ﻣﺶ‬
‫ﺷﻜﻞ)‪ (10‬ﻻزم اﺳﺖ ﻛﻪ ﺣﺮﻛﺖ داده ﺷﻮﻧﺪ اﻣﺎ در ﺣﺎﻟﺖﻫﺎي دﻳﮕﺮ ﻣﻤﻜﻦ اﺳﺖ ﻛﻪ ﻣﺠﺒﻮر ﺷﻮﻳﻢ ‪ W‬ﻳﺎ ‪ S‬را‬
‫ﺣﺮﻛﺖ دﻫﻴﻢ‪ .‬ﺑﻨﺎﺑﺮﻳﻦ ﺑﻬﺘﺮ اﺳﺖ ﺣﺎﻟﺖ ﻛﻠﻲ ﻛﻪ در ﺷﻜﻞ)‪ (11‬ﻧﺸﺎن داده ﺷﺪه را در ﻧﻈﺮ ﺑﮕﻴﺮﻳﻢ‪ .‬در اﻳﻦ‬
‫ﺷﻜﻞ‪0    1, 0    1, 0    1, 0    1, :‬‬
‫‪N‬‬

‫‪βh‬‬

‫‪γh‬‬ ‫‪P αh‬‬

‫‪W‬‬ ‫‪E‬‬
‫‪δh‬‬

‫‪S‬‬

‫ﺷﻜﻞ)‪ :(11‬ﺣﺎﻟﺖ ﻛﻠﻲ‬

‫ﺑﺮاي ﺷﺮوع از ﺑﺴﻂ ﺗﻴﻠﻮر ﺣﻮل ‪) P‬ﻧﻘﻄﻪ ‪ xj‬و ‪ (yk‬در ﺟﻬﺎت ﭼﭗ و راﺳﺖ ﺷﺮوع ﻣﻲﻛﻨﻴﻢ‪.‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪u x j  h, yk  u x j , yk  u x x j , yk h ‬‬ ‫‪‬‬ ‫‪1‬‬
‫!‪2‬‬
‫‪‬‬
‫‪u xx x j , yk h 2   ,‬‬‫‪‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪1‬‬
‫‪‬‬
‫‪u x j  h, yk  u x j , yk  u x x j , yk  h   u xx x j , yk  h 2  ‬‬
‫!‪2‬‬
‫‪‬‬
‫ﺑﺎ اﺳﺘﻔﺎده از زﻳﺮﻧﻤﺎﻳﻪﻫﺎي ‪ W ،S ،E ،N‬و ‪ P‬ﺧﻮاﻫﻴﻢ داﺷﺖ‪:‬‬
‫‪1‬‬
‫‪u E  u P  u x P h  u xx P h    ,‬‬
‫‪2‬‬
‫‪2‬‬
‫‪1‬‬
‫‪uW  u P  u x P  h   u xx P  h   ‬‬
‫‪2‬‬
‫‪2‬‬
‫ﺑﺎ ﺿﺮب ﻣﻌﺎدﻟﻪ ﺑﺎﻻ در ‪ γ‬و ﻣﻌﺎدﻟﻪ ﭘﺎﻳﻴﻦ در ‪ α‬و ﺟﻤﻊ آن دو‪ ،‬ﺗﺮم ‪ ux‬ﺣﺬف ﺷﺪه و دارﻳﻢ‪:‬‬
‫‪u E  uW     u P ‬‬
‫‪1 2‬‬
‫‪2‬‬
‫‪‬‬ ‫‪‬‬
‫‪    2 h 2 u xx P   ,‬‬
 ‫ﺑﻨﺎﺑﺮﻳﻦ اﮔﺮ از ﺗﺮمﻫﺎي ﻣﺮﺗﺒﻪ ‪ 3‬و ﺑﺎﻻﺗﺮ ﺻﺮفﻧﻈﺮ ﻛﻨﻴﻢ‪:‬‬
‫‪2‬‬
‫‪u xx P ‬‬ ‫‪u E  uW     uP ‬‬ ‫)‪( 7‬‬
‫‪    h 2‬‬
‫ﺑﻄﻮر ﻣﺸﺎﺑﻪ ﻣﻲﺗﻮان ﺑﺴﻂ ﺗﻴﻠﻮر ﺣﻮل ‪ P‬را در راﺳﺘﺎﻫﺎي ﺑﺎﻻ و ﭘﺎﻳﻴﻦ ﻧﻮﺷﺖ و ﻧﺘﻴﺠﻪ زﻳﺮ را ﺑﺪﺳﺖ آورد‪.‬‬
‫‪2‬‬
‫‪u yy‬‬ ‫‪‬‬ ‫‪u N  uS     u P ‬‬ ‫)‪(8‬‬
‫‪P‬‬ ‫‪    h 2‬‬
‫ﺑﺎ اﺳﺘﻔﺎده از رواﺑﻂ)‪ (7‬و )‪ (8‬ﺗﻘﺮﻳﺐ ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﺑﺮاي ﻣﻌﺎدﻟﻪ ﭘﻮاﺳﻮن ‪ u xx  u yy  f  x, y ‬در ﻧﻘﻄﻪ ‪P‬‬
‫ﺑﺼﻮرت زﻳﺮ درﻣﻲآﻳﺪ‪:‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪  ‬‬
‫‪UW ‬‬ ‫‪US ‬‬ ‫‪UE ‬‬ ‫‪UN ‬‬ ‫‪U P  h2 f P‬‬ ‫)‪(9‬‬
‫‪    ‬‬ ‫‪    ‬‬ ‫‪    ‬‬ ‫‪    ‬‬ ‫‪‬‬
‫ﻛﻪ اﮔﺮ ‪         1‬ﺑﺎﺷﺪ‪ ،‬ﻫﻤﺎن ﺗﻘﺮﻳﺐ ﺑﺮاي داﻣﻨﻪ ﻣﺴﺘﻄﻴﻠﻲ ﺣﺎﺻﻞ ﺧﻮاﻫﺪ ﺷﺪ‪.‬‬

‫ﻣﺜﺎل‪ :2‬ﺑﺮاي روﺷﻦ ﺷﺪن ﭼﮕﻮﻧﮕﻲ اﺳﺘﻔﺎده از ﻣﻌﺎدﻟﻪ)‪ (9‬داﻣﻨﻪ ﻧﺸﺎن داده ﺷﺪه در ﺷﻜﻞ)‪ (11‬و ﺷﺒﻜﻪﺑﻨﺪي‬
‫آن را در ﻧﻈﺮ ﮔﺮﻓﺘﻪ و ﻣﻌﺎدﻟﻪ ﭘﻮاﺳﻮن را ﺑﺮاي آن ﺣﻞ ﻣﻲﻛﻨﻴﻢ‪.‬‬
‫‪y‬‬
‫‪u=10x‬‬ ‫‪b‬‬ ‫‪c‬‬
‫‪8‬‬ ‫‪a‬‬

‫‪o‬‬ ‫‪p‬‬ ‫‪d‬‬

‫‪u=0‬‬ ‫‪n‬‬
‫‪uxx+uyy=5x-y‬‬
‫‪u=40‬‬ ‫‪s‬‬ ‫‪q‬‬
‫‪4‬‬ ‫‪m‬‬ ‫‪e‬‬
‫‪l‬‬
‫‪u=30‬‬ ‫‪r‬‬ ‫‪g‬‬
‫‪k‬‬

‫‪4 u=60 6‬‬ ‫‪x‬‬ ‫‪j‬‬ ‫‪i‬‬

‫ﺷﻜﻞ)‪ :(11‬ﻣﺜﺎل ‪2‬‬

‫‪ h=2‬اﻧﺘﺨﺎب ﺷﺪه اﺳﺖ‪ .‬ﭼﻮن ﺗﻌﺪاد ﻧﻘﺎط ﺷﺒﻜﻪ ﻛﻢ اﺳﺖ از زﻳﺮ ﻧﻤﺎﻳﻪﻫﺎي ‪ b ،a‬و ‪ ...‬ﺑﻪ ﺟﺎي زﻳﺮﻧﻤﺎﻳﻪ دوﺗﺎﻳﻲ‬
‫اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ‪ .‬ﺑﺎﻳﺪ ﻣﻌﺎدﻟﻪ)‪ (9‬را ﺑﺮاي ﻫﺮ ﻧﻘﻄﻪ داﺧﻠﻲ )ﻧﻘﻄﻪﻫﺎي ‪ (s ،r ،q ،p ،o‬ﻧﻮﺷﺖ‪ .‬ﺑﻨﺎﺑﺮﻳﻦ ﺑﺎﻳﺪ‬
‫ﻣﻘﺎدﻳﺮ ‪ γ ،β ،α‬و ‪ δ‬را ﺑﺮاي ﻫﺮ ﻧﻘﻄﻪ ﻣﺤﺎﺳﺒﻪ ﻛﺮد‪ .‬ﺑﺮاي ﻣﺜﺎل در ﻧﻘﻄﻪ ‪ ،r‬ﻣﻘﺪار ‪ α‬ﺑﺎ اﺳﺘﻔﺎده از ﻓﺎﺻﻠﻪ ‪ r‬ﺗﺎ ‪g‬‬
‫) ‪ ( h  rg‬ﻣﺤﺎﺳﺒﻪ ﻣﻲﺷﻮد‪ .‬ﺑﻨﺎﺑﺮﻳﻦ‪:‬‬
‫‪  rg h  xg  xr  h  5.5  4 2  0.75‬‬
‫‪‬‬ ‫‪‬‬
‫و ﺑﻬﻤﻴﻦ ﺗﺮﺗﻴﺐ‪ h  rk ,   xr  xk  h  4  42  22 2  0.27 ، h  rq,   h h  1 :‬و‬
‫‪ . h  rj,   h h  1‬ﻫﻤﻴﻦ ﻛﺎر را ﺑﺮاي ﺳﺎﻳﺮ ﻧﻘﺎط داﺧﻠﻲ ﺗﻜﺮار ﻣﻲﻛﻨﻴﻢ‪ .‬ﺑﻪ ﮔﻮﻧﻪاي ﻛﻪ ﺑﺪﺳﺖ ﻣﻲآورﻳﻢ‪:‬‬
‫‪o:‬‬ ‫‪        1,‬‬
‫‪p:‬‬ ‫‪  0.25,       1,‬‬
‫‪q:‬‬ ‫‪  0.5,       1,‬‬
‫‪r:‬‬ ‫‪  0.75,   1,   0.27,   1,‬‬
‫‪s:‬‬ ‫‪      1,   0.27‬‬
 :‫( در اﻳﻦ ﻧﻘﺎط ﻣﻌﺎدﻟﻪﻫﺎي زﻳﺮ ﺣﺎﺻﻞ ﻣﻲﺷﻮﻧﺪ‬9)‫ﺑﻨﺎﺑﺮﻳﻦ ﺑﺎ اﻋﻤﺎل ﻣﻌﺎدﻟﻪ‬
o: U n  U s  U p  U b  4U o  2 2 52   6,
2 2 1.25
p: Uo Uq  Ud Uc  2 U p  2 2 54   6,
1.25 0.251.25 0.25
2 2 1.5
q: Us Ur  Ue U p  2 U q  2 2 54   4, (10)
1.5 0.51.5 0.5
2 2 1.20
r: Uk U j  U g Uq  2 U r  2 2 54   2,
0.271.02  0.751.02  0.20
2 2 1.27
s: Um  Ul  U q  Uo  2 U s  2 2 52   4
0.271.27  1.27 0.27

U n  0, U b  20, U c  U d  U e  U g  40, U j  60  30  2  45,

U k  U l  30, U m  30  0  2  15
.‫ از ﻣﻘﺎدﻳﺮ ﻣﺘﻮﺳﻂ اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ‬m ‫ و‬j ‫ﺑﺮاي ﮔﻮﺷﻪﻫﺎي‬
 4U o  U p  U s  4,
1.6U o  10U p  U q  240,
U p  6U q  U r  1.33U s q  42.7, (11)
U q  12U r  295.
1.57U o  U q  9.41U s  166
:‫ﺑﺎ ﺣﻞ دﺳﺘﮕﺎه ﺟﻮاب ﺑﺼﻮرت زﻳﺮ ﺑﺪﺳﺖ ﻣﻲآﻳﺪ‬
U 0  13.6, U p  28.3, U q  21.1, U r  26.4, U s  22.2

:‫اﻟﮕﻮرﻳﺘﻢﻫﺎي ﺗﻜﺮار‬
‫ رواﺑﻂ ﻣﺮﺑﻮط ﺑﻪ‬،‫( اﺳﺘﻔﺎده ﻛﻨﻴﻢ‬3)‫اﮔﺮ ﻣﻌﺎدﻟﻪ ﭘﻮاﺳﻮن را ﺑﺎ داﻣﻨﻪ ﻣﺴﺘﻄﻴﻠﻲ در ﻧﻈﺮ ﺑﮕﻴﺮﻳﻢ و از ﻣﻌﺎدﻟﻪ‬
.‫روشﻫﺎي ﺗﻜﺮار ﺑﺼﻮرت زﻳﺮ ﻧﻮﺷﺘﻪ ﻣﻲﺷﻮﻧﺪ‬
‫ روش ژاﻛﻮﺑﻲ‬-1
U jkn 1 
4

1 n 
U j 1, k  U jn, k 1  U jn1, k  U jn, k 1  h 2 f jk  (12)
‫ﺳﺎﻳﺪل‬-‫ روش ﮔﻮس‬-2
U jkn 1 
4

1 n 1
U j 1, k  U jn, k11  U jn1, k  U jn, k 1  h 2 f jk  (13)
(SOR) ‫ روش ﻓﻮق ﺗﺨﻔﻴﻒ‬-3
U jkn 1  U jkn  
4

1 n 1

U j 1, k  U jn, k11  U jn1, k  U jn, k 1  4U jkn   h 2 f jk  U jkn   U jkn 
(14)
 U jkn 1  U jkn   U jkn 
‫‪ ω‬ﭘﺎراﻣﺘﺮ ﻛﻨﺘﺮل ﺑﻮده ﻛﻪ ﺳﺮﻋﺖ ﻫﻤﮕﺮاﻳﻲ را ﺗﻌﻴﻴﻦ ﻣﻲﻛﻨﺪ‪ .‬ﻣﻲﺗﻮان ﻧﺸﺎن داد ﻛﻪ ﻣﻘﺪار ﺑﻬﻴﻨﻪ ‪ ω‬از راﺑﻄﻪ‬
‫زﻳﺮ ﺑﺪﺳﺖ ﻣﻲآﻳﺪ‪:‬‬
‫‪1  sin  N ‬‬
‫‪opt  2‬‬ ‫)‪(15‬‬
‫‪cos 2  N ‬‬

‫ﻣﺜﺎل‪ : 3‬ﺑﺎ اﺳﺘﻔﺎده از روشﻫﺎي ﺗﻜﺮار ﺑﺮاي دﺳﺘﮕﺎه ﻣﻌﺎدﻻت ﺧﻄﻲ ﻣﻌﺎدﻟﻪ ﻻﭘﻼس را ﺑﺎ ﺷﺮاﻳﻂ ﺷﻜﻞ)‪ (12‬زﻳﺮ‬
‫ﺣﻞ ﻛﻨﻴﺪ‪.‬‬
‫‪u=20‬‬

‫‪c‬‬ ‫‪d‬‬ ‫‪u=30‬‬

‫‪u=10‬‬ ‫‪b‬‬

‫‪a‬‬ ‫‪u=40‬‬

‫‪u=50‬‬
‫ﺷﻜﻞ)‪ :(12‬ﻣﺜﺎل ‪3‬‬
‫ﺑﺎ اﺳﺘﻔﺎده از ﻣﻌﺎدﻟﻪ)‪ ،(5‬رواﺑﻂ زﻳﺮ ﺑﺮاي ﮔﺮهﻫﺎي داﺧﻠﻲ ﺑﺪﺳﺖ ﻣﻲآﻳﻨﺪ‪:‬‬
‫‪a:‬‬ ‫‪ 4U a  U b  100,‬‬
‫‪b:‬‬ ‫‪U a  4U b  U c  50,‬‬
‫‪c:‬‬ ‫‪U b  4U c  U d  30,‬‬
‫‪d:‬‬ ‫‪U c  4U d  90‬‬
‫ﻳﺎ ﺑﻪ ﺷﻜﻞ ﻣﺎﺗﺮﻳﺴﻲ‪:‬‬
‫‪ 4 1‬‬ ‫‪0‬‬ ‫‪0  U a   100‬‬
‫‪ 1 4 1‬‬
‫‪‬‬ ‫‪0  U b    50 ‬‬
‫‪‬‬
‫‪0‬‬ ‫‪1  4 1  U c    30 ‬‬
‫‪‬‬ ‫‪  ‬‬ ‫‪‬‬
‫‪0‬‬ ‫‪0‬‬ ‫‪1  4 U d    90 ‬‬
 ‫)‪ (a‬ﺷﺒﻜﻪ ﺗﻔﺎﺿﻞ ﻣﺤﺪود دو ﺑﻌﺪي ﺑﺎ اﻟﮕﻮي اﺳﺘﺎﻧﺪارد ‪ 5‬ﻧﻘﻄﻪاي و )‪ (b‬ﺷﺒﻜﻪ ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﺳﻪ ﺑﻌﺪي ﺑﺎ‬
‫اﺳﺘﻔﺎده از اﻟﮕﻮي ‪ 7‬ﻧﻘﻄﻪاي‬

‫ب‪ -‬ﺷﺮاﻳﻂ ﻣﺮزي ﻧﻴﻮﻣﻦ‬

‫ﻣﺴﺎﻟﻪﻫﺎﻳﻲ ﻛﻪ ﺗﺎﻛﻨﻮن دﻳﺪهاﻳﻢ ﺑﺎ ﻓﺮض ﻣﺸﺨﺺ ﺑﻮدن ﻣﻘﺪار ‪ u‬در ﻣﺮز داﻣﻨﻪ )ﺷﺮاﻳﻂ دﻳﺮﻳﻜﻠﻪ( ﺣﻞ ﺷﺪهاﻧﺪ‪.‬‬
‫در ﺣﺎﻟﻲ ﻛﻪ اﮔﺮ ﺑﺠﺎي ‪ u‬ﻣﻘﺪار ﻣﺸﺘﻖ ﻧﺮﻣﺎل آن )‪ (un=∂u/∂n‬را در ﻧﻮاﺣﻲ ﻣﺮزي داﺷﺘﻪ ﺑﺎﺷﻴﻢ ﻣﺴﺎﻟﻪ ﺑﺎ‬
‫ﺷﺮاﻳﻂ ﻣﺮزي ﻧﻴﻮﻣﻦ ﻧﺎﻣﻴﺪه ﻣﻲﺷﻮد‪ .‬ﻧﺤﻮه ﺣﻞ اﻳﻦ ﮔﻮﻧﻪ ﻣﺴﺎﻟﻪﻫﺎ را ﺑﺎ ﻳﻚ ﻣﺜﺎل ﻧﺸﺎن ﻣﻲدﻫﻴﻢ‪.‬‬
‫ﻣﺜﺎل‪ : 3‬ﻣﺴﺎﻟﻪ زﻳﺮ را ﺑﺎ ﺷﺮاﻳﻂ ﻣﺮزي ﺗﺮﻛﻴﺒﻲ )ﺷﺎﻣﻞ ﺷﺮاﻳﻂ دﻳﺮﻳﻜﻠﻪ و ﻧﻴﻮﻣﻦ( ﺣﻞ ﻛﻨﻴﺪ‪.‬‬
‫‪ 2u  u xx  u yy  12 xy,‬‬ ‫‪0  x  1.5,‬‬ ‫‪0  y  1‬‬

‫‪y‬‬
‫‪un=6x‬‬
‫‪1‬‬
‫‪u=0‬‬ ‫‪u=3y2‬‬

‫‪u=0‬‬ ‫‪1.5‬‬ ‫‪x‬‬

‫ﺷﻜﻞ)‪ :(12‬داﻣﻨﻪ ﺑﺎ ﺷﺮاﻳﻂ ﻣﺮزي داده ﺷﺪه‬
‫ﻓﺮض ﻛﻨﻴﺪ ‪ h  x  y  0.5‬و از ﺷﺒﻜﻪ ﻣﺤﺎﺳﺒﺎﺗﻲ ﺷﻜﻞ)‪ (13‬اﺳﺘﻔﺎده ﻣﻲﻛﻨﻴﻢ‪ .‬ﻋﺒﺎرت‬
‫‪ h 2 f x, y   0.52 12 xy  3xy‬ﺑﻮده و ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺷﺮاﻳﻂ ﻣﺮزي داده ﺷﺪه دارﻳﻢ‪:‬‬
‫‪u12 u12‬‬ ‫‪u22 u22‬‬
‫‪u31  0.375,‬‬ ‫‪u32  3,‬‬ ‫‪‬‬ ‫‪ 6  0.5  3,‬‬ ‫‪‬‬ ‫‪ 6 1  6‬‬
‫‪n‬‬ ‫‪y‬‬ ‫‪n‬‬ ‫‪y‬‬
‫‪ P11‬و ‪ P21‬ﻧﻘﺎط داﺧﻠﻲ ﻣﺶ ﺑﻮده و از راﺑﻄﻪ)‪ (3‬ﺑﺮاي ﻧﻘﺎط داﺧﻠﻲ اﺳﺘﻔﺎده ﻣﻲﻛﻨﻴﻢ‪.‬‬
 ‫‪1‬‬
‫‪P11 :‬‬ ‫‪ 4U11  U 21  U12  120.5  0.5  0  0.75,‬‬
‫‪4‬‬
‫‪1‬‬
‫‪P21 :‬‬ ‫‪U11  4U 21  U 22  121 0.5  0.375  1.125‬‬
‫‪4‬‬

‫ﺷﻜﻞ)‪ :(13‬ﺷﺒﻜﻪ ﻣﺤﺎﺳﺒﺎﺗﻲ ﻣﺜﺎل‪3‬‬

‫ﻣﺸﻜﻞ اﻳﻦ ﻣﻌﺎدﻻت در اﻳﻦ اﺳﺖ ﻛﻪ ﺷﺎﻣﻞ ﻧﻘﺎط ‪ P12‬و ‪ P22‬ﻫﺴﺘﻨﺪ ﻛﻪ ﻣﻘﺎدﻳﺮﺷﺎن ﻧﺎﻣﻌﻠﻮم اﺳﺖ‪ U12) .‬و‬
‫‪ (U22‬اﻣﺎ ﺑﺠﺎي آن ﻣﺸﺘﻖ ﻧﺮﻣﺎل در اﻳﻦ ﻧﻘﺎط داده ﺷﺪه اﺳﺖ‪ .‬ﺑﺮاي رﻓﻊ اﻳﻦ ﻣﺸﻜﻞ داﻣﻨﻪ ﻣﺴﺎﻟﻪ را ﺑﻪ اﻧﺪازه‬
‫ﻳﻚ ردﻳﻒ در ﺑﺎﻻي اﻳﻦ ﻧﻘﺎط ﮔﺴﺘﺮش ﻣﻲدﻫﻴﻢ‪) .‬ﻓﺮض ﻣﻲﻛﻨﻴﻢ ‪ (y=1.5‬و ﻫﻤﭽﻨﻴﻦ ﻓﺮض ﻣﻲﺷﻮد ﻛﻪ‬
‫ﻣﻌﺎدﻟﻪ ﭘﻮاﺳﻮن در اﻳﻦ ﻧﺎﺣﻴﻪ ﮔﺴﺘﺮده ﺷﺪه ﻧﻴﺰ ﺻﺎدق اﺳﺖ‪ .‬در ﻧﺘﻴﺠﻪ دو ﻣﻌﺎدﻟﻪ اﺿﺎﻓﻲ زﻳﺮ را ﺑﺮاي ﻧﻘﺎط ‪P12‬‬
‫و ‪ P22‬ﻣﻲﻧﻮﻳﺴﻴﻢ‪:‬‬
‫‪P12 :‬‬ ‫‪U11  4U12  U 22  U13  1.5  0  1.5,‬‬
‫‪P22 :‬‬ ‫‪U 21  U12  4U 22  U 23  3  3  0‬‬
‫ﺑﺎ اﻳﻦ دو ﻣﻌﺎدﻟﻪ دو ﻣﻘﺪار ﻣﺠﻬﻮل ﺟﺪﻳﺪ ‪ U13‬و ‪ U23‬اﻳﺠﺎد ﺷﺪهاﻧﺪ اﻣﺎ ﺗﻮﺟﻪ داﺷﺘﻪ ﺑﺎﺷﻴﺪ ﻛﻪ ﻫﻨﻮز از ﺷﺮط‬
‫ﻣﺮزي ﻧﻴﻮﻣﻦ اﺳﺘﻔﺎده ﻧﻜﺮدهاﻳﻢ‪ .‬ﺑﺎ اﻋﻤﺎل ﻓﺮﻣﻮل ﺗﻔﺎﺿﻞ ﻣﺮﻛﺰي ﺑﺮاي ‪ ∂u/∂y‬ﺑﺪﺳﺖ ﻣﻲآورﻳﻢ‪:‬‬
‫‪u12 U13  U11‬‬
‫‪3‬‬ ‫‪‬‬ ‫‪ U13  U11, ‬‬ ‫‪U13  U11  3 ,‬‬
‫‪y‬‬ ‫‪2h‬‬
‫‪u‬‬ ‫‪U  U 21‬‬
‫‪6  22  23‬‬ ‫‪ U 23  U 21, ‬‬ ‫‪U 23  U 21  6‬‬
‫‪y‬‬ ‫‪2h‬‬
‫ﺑﺎ ﺟﺎﻳﮕﺰﻳﻨﻲ اﻳﻦ ﻧﺘﺎﻳﺞ در دو ﻣﻌﺎدﻟﻪ ﻗﺒﻠﻲ و ﺳﺎدهﺳﺎزي ﺧﻮاﻫﻴﻢ داﺷﺖ‪:‬‬
‫‪2U11  4U12  U 22  1.5  3  1.5,‬‬
‫‪2U 21  U12  4U 22  3  3  6  6‬‬
‫و ﻓﺮم ﻣﺎﺗﺮﻳﺴﻲ دﺳﺘﮕﺎه ﻣﻌﺎدﻻت ﺣﺎﺻﻞ ﺑﺼﻮرت زﻳﺮ ﻧﻮﺷﺘﻪ ﻣﻲﺷﻮد‪:‬‬
‫‪ 4 1‬‬ ‫‪1‬‬ ‫‪0  U11   0.75 ‬‬
‫‪ 1 4 1‬‬
‫‪‬‬ ‫‪1  U 21  1.125‬‬
‫‪‬‬
‫‪2‬‬ ‫‪0  4 1  U12    1.5 ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪ ‬‬ ‫‪‬‬
‫‪0‬‬ ‫‪2‬‬ ‫‪1  4 U 22    6 ‬‬
‫و در ﻧﻬﺎﻳﺖ ﺑﺎ ﺣﻞ اﻳﻦ دﺳﺘﮕﺎه ﻣﻘﺎدﻳﺮ ﻧﻘﺎط ﻣﺠﻬﻮل )ﺷﺎﻣﻞ ﻫﻢ ﻧﻘﺎط داﺧﻠﻲ و ﻫﻢ ﻧﻘﺎط ﻣﺮزي( ﺑﺪﺳﺖ‬
‫ﻣﻲآﻳﻨﺪ‪:‬‬
‫‪U12  0.866 (exact  1),‬‬ ‫‪U 22  1.812 (exact  2),‬‬
‫‪U11  0.077 (exact  0.125),‬‬ ‫‪U 21  0.191 (exact  0.25).‬‬

‫‪ -3‬ﻣﻌﺎدﻟﻪ ﭘﻮاﺳﻮن‬
‫ﻳﻚ روش اﺳﺘﺎﻧﺪارد ﺗﻔﺎﺿﻞ ﻣﺤﺪود را ﺑﺮاي ﻣﻌﺎدﻟﻪ ﻣﻮج ﺗﻚ ﺑﻌﺪي زﻳﺮ را ﺗﻮﺿﻴﺢ ﻣﻲدﻫﻴﻢ‪.‬‬
‫‪utt  u xx ,‬‬ ‫‪0  x  1, t  0‬‬
‫‪u  x,0   f x ,‬‬ ‫‪ut  x,0   g  x ,‬‬ ‫)‪( 1‬‬
‫‪u 0, t   u 1, t   0‬‬
‫ﻫﺮ ﻓﺮم دﻳﮕﺮ ﻣﻌﺎدﻟﻪ ﻣﻮج ‪ utt  c 2u xx‬و ﺑﺎزهﻫﺎي ﻣﻜﺎﻧﻲ دﻳﮕﺮ را ﻧﻴﺰ ﺑﺎ اﻧﺘﻘﺎل ﺧﻄﻲ ‪ x‬و ‪ t‬ﻣﻲﺗﻮان ﺑﻪ ﻓﺮم‬
‫ﻣﻌﺎدﻟﻪ ﺑﺎﻻ ﻧﻮﺷﺖ‪ .‬اﮔﺮﭼﻪ ﻣﻌﺎدﻟﻪ)‪ (1‬ﺣﻞ ﺗﺤﻠﻴﻠﻲ دارد اﻣﺎ ﺑﺮاي ﺗﻮﺿﻴﺢ اﻳﺪه ﭘﺎﻳﻪ ﺑﺮاي ﺣﻞ ﻋﺪدي ﻣﻌﺎدﻻت‬
‫ﻣﻮج ﭘﻴﭽﻴﺪهﺗﺮ از اﻳﻦ ﻣﻌﺎدﻟﻪ اﺳﺘﻔﺎده ﻣﻲﻛﻨﻴﻢ‪.‬‬
‫ﺑﺎ ﺟﺎﻳﮕﺰﻳﻨﻲ ﻣﺸﺘﻘﺎت ﺑﻮﺳﻴﻠﻪ راﺑﻄﻪ ﺗﻘﺮﻳﺒﻲ ﻣﺸﺘﻖ از ﺑﺴﻂ ﺗﻴﻠﻮر‪ ،‬ﺗﻘﺮﻳﺐ ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﻣﻌﺎدﻟﻪ)‪(1‬‬
‫ﺑﺼﻮرت زﻳﺮ ﺑﺪﺳﺖ ﻣﻲآﻳﺪ‪:‬‬
‫‪1‬‬
‫‪2‬‬
‫‪U i, j 1  2U i, j  U i, j 1   12 U i1, j  2U i, j  U i1, j ‬‬ ‫)‪( 2‬‬
‫‪k‬‬ ‫‪h‬‬
‫‪ h‬اﻧﺪازه ﻣﺶ در ‪ x‬و ‪ k‬اﻧﺪازه ﻣﺶ در ‪ t‬اﺳﺖ‪ .‬اﻳﻦ ﻣﻌﺎدﻟﻪ ﺗﻔﺎﺿﻠﻲ ‪ 5‬ﻧﻘﻄﻪ را ﺑﻬﻢ ﻣﺮﺗﺒﻂ ﻣﻲﺳﺎزد‪.‬‬

‫‪Time row j+1‬‬

‫‪h‬‬ ‫‪k‬‬
‫‪Time row j‬‬

‫‪Time row j-1‬‬

‫ﻣﻲﺗﻮان ﺑﺮاي اﻳﻦ دﺳﺘﻪ ﻣﻌﺎدﻻت ﻫﺬﻟﻮﻟﻮي )ﻣﺎﻧﻨﺪ ﻣﻌﺎدﻟﻪ ﻣﻮج( ﺷﺒﻜﻪ ﻣﺴﺘﻄﻴﻠﻲ ﻫﻤﺎﻧﻨﺪ ﻣﻌﺎدﻻت ﺳﻬﻤﻮي‬
‫)ﻣﻌﺎدﻟﻪ ﻧﻔﻮذ( در ﻧﻈﺮ ﮔﺮﻓﺖ‪ .‬اﮔﺮ ‪ r   k 2 h 2  1‬ﻓﺮض ﺷﻮد‪ ،‬ﺗﺮم ‪ Ui,j‬ﺣﺬف ﺷﺪه و دارﻳﻢ‪:‬‬
‫‪U i , j 1  U i 1, j  U i 1, j - U i , j 1‬‬ ‫)‪( 3‬‬

‫ﻣﻲﺗﻮان ﺛﺎﺑﺖ ﻛﺮد ﻛﻪ ﺑﺮاي ‪ 0  r   1‬اﻳﻦ روش ﻣﺴﺘﻘﻴﻢ )‪ (explicit method‬ﭘﺎﻳﺪار اﺳﺖ‪ .‬ﻣﻌﺎدﻟﻪ)‪(3‬‬
‫ﻫﻨﻮز ﺳﻪ ﮔﺎم زﻣﺎﻧﻲ ‪ j ،j-1‬و ‪ j+1‬را ﺷﺎﻣﻞ ﻣﻲﺷﻮد در ﺣﺎﻟﻲ ﻛﻪ در ﻣﻌﺎدﻻت ﺳﻬﻤﻮي در ﻫﺮ ﻣﺮﺣﻠﻪ ﻓﻘﻂ ‪2‬‬
‫ﮔﺎم زﻣﺎﻧﻲ وﺟﻮد دارد‪ .‬اﻣﺎ در اﻳﻨﺠﺎ دو ﺷﺮط اوﻟﻴﻪ وﺟﻮد دارد‪.‬‬
‫ﻣﺴﺎﻟﻪاي ﻛﻪ وﺟﻮد دارد اﻳﻦ اﺳﺖ ﻛﻪ در اﺑﺘﺪا ﭼﮕﻮﻧﻪ از ﺷﺮاﻳﻂ اوﻟﻴﻪ اﺳﺘﻔﺎده ﻛﻨﻴﻢ‪ .‬ﺑﺮاي اﻳﻦ ﻛﺎر ﺑﺼﻮرت‬
‫زﻳﺮ ﻋﻤﻞ ﻣﻲﻛﻨﻴﻢ‪:‬‬
 ‫از ﺷﺮط اوﻟﻴﻪ ‪ ut x,0  g x ‬اﺳﺘﻔﺎده ﻛﺮده و ﻓﺮﻣﻮل ﺗﻔﺎﺿﻠﻲ زﻳﺮ را ﺑﺪﺳﺖ ﻣﻲآورﻳﻢ‪.‬‬
‫‪1‬‬
‫‪U i ,1  U i, 1   g i ,‬‬ ‫‪‬‬ ‫‪U i , 1  U i ,1  2kg i‬‬ ‫)‪( 4‬‬
‫‪2k‬‬
‫در ﻣﻌﺎدﻟﻪ ﺑﺎﻻ ‪ . g i  g ih ‬ﺑﺮاي ‪ (j=0) t=0‬ﻣﻌﺎدﻟﻪ)‪ (3‬ﺑﻪ ﺷﻜﻞ زﻳﺮ در ﺧﻮاﻫﺪ آﻣﺪ‪:‬‬
‫‪U i ,1  U i 1, 0  U i 1,0 - U i , 1‬‬
‫ﻛﻪ ‪ U i ,1‬ﺗﻮﺳﻂ ﻣﻌﺎدﻟﻪ)‪ (4‬داده ﻣﻲﺷﻮد و ﭘﺲ از ﺳﺎدهﺳﺎزي ﺧﻮاﻫﻴﻢ داﺷﺖ‪:‬‬
‫‪U i ,1 ‬‬
‫‪1‬‬
‫‪U i1,0  U i1,0  - kgi‬‬ ‫)‪( 5‬‬
‫‪2‬‬
‫اﻳﻦ راﺑﻄﻪ ‪ U i ,1‬را ﺑﺮﺣﺴﺐ ﺷﺮط اوﻟﻴﻪ ﺑﻴﺎن ﻣﻲﻛﻨﺪ‪ .‬اﻳﻦ ﻣﻌﺎدﻟﻪ ﻓﻘﻂ ﺑﺮاي ﺷﺮوع اﺳﺖ و ﺳﭙﺲ از‬
‫ﻣﻌﺎدﻟﻪ)‪ (3‬اﺳﺘﻔﺎده ﻣﻲﻛﻨﻴﻢ‪.‬‬

‫ﻣﺜﺎل‪ : 1‬ﻣﻌﺎدﻟﻪ ﻣﻮج ﺑﺮاي ﺗﺎر ﻣﺮﺗﻌﺶ‬

‫روش ﺷﺮح داده ﺷﺪه در اﻳﻦ ﻗﺴﻤﺖ را ﺑﺎ اﻧﺪازه ﻣﺶ ‪ k=h=0.2‬ﺑﻪ ﻣﻌﺎدﻟﻪ ﻣﻮج)‪ (1‬ﺑﺎ ﺷﺮاﻳﻂ زﻳﺮ اﻋﻤﺎل‬
‫ﻣﻲﻛﻨﻴﻢ‪:‬‬
‫‪f  x   sin x,‬‬ ‫‪g x   0‬‬

‫‪t‬‬ ‫ﺣﻞ‪:‬‬

‫‪0.6‬‬ ‫‪j=3‬‬

‫‪P12‬‬ ‫‪P22‬‬
‫‪0.4‬‬ ‫‪j=2‬‬

‫‪P11‬‬ ‫‪P21‬‬
‫‪0.2‬‬ ‫‪j=1‬‬

‫‪P10‬‬ ‫‪P20‬‬ ‫‪P30‬‬ ‫‪P40‬‬ ‫‪j=0‬‬

‫‪t=0‬‬
‫‪x=0‬‬ ‫‪0.2‬‬ ‫‪0.4‬‬ ‫‪0.6‬‬ ‫‪0.8‬‬ ‫‪1.0‬‬ ‫‪x‬‬
‫‪i=0‬‬ ‫‪i=1‬‬ ‫‪i=2‬‬ ‫‪i=3‬‬ ‫‪i=4‬‬ ‫‪i=5‬‬

‫ﺑﺎ اﺳﺘﻔﺎده از ﻣﻌﺎدﻟﻪ)‪ (5‬و ‪ g(x)=0‬ﺑﺪﺳﺖ ﻣﻲآورﻳﻢ‪:‬‬

‫‪1‬‬
‫‪U i1,0  U i1,0 ‬‬
‫‪U i ,1 ‬‬
‫‪2‬‬
‫‪ U 10  U 40‬و ﺑﺎ اﺳﺘﻔﺎده از اﻳﻦ‬ ‫ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اﻳﻦ ﻛﻪ ‪ sin 0.2  0.587785, U 20  U 30  0.951057‬‬
‫راﺑﻄﻪ ﺧﻮاﻫﻴﻢ داﺷﺖ‪:‬‬
‫‪1‬‬
‫‪i  1‬‬ ‫‪U 00  U 20   0.475528‬‬
‫‪U 11 ‬‬
‫‪2‬‬
‫‪i  2 U 21  1 U 10  U 30   0.769421‬‬
‫‪2‬‬
‫و ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺗﻘﺎرن دارﻳﻢ‪ . U 31  U 21 , U 41  U 11 :‬ﺑﻨﺎﺑﺮﻳﻦ از ﻣﻌﺎدﻟﻪ)‪ (3‬و ﺑﺎ اﺳﺘﻔﺎده از‬
‫‪ ، U 01  U 02    0‬ﻣﺤﺎﺳﺒﻪ ﺧﻮاﻫﻴﻢ ﻛﺮد‪:‬‬
‫‪i  1‬‬ ‫‪U 12  U 01  U 21  U 10  0.769421  0  0.587785  0.181636‬‬
 ‫‪i  2‬‬ ‫‪U 22  U 11  U 31  U 20  0.475528  0.769421  0.951057  0.293892‬‬
‫و ﻫﻤﻴﻨﻄﻮر ﺑﻮﺳﻴﻠﻪ ﺗﻘﺎرن ‪ U 32  U 22 , U 42  U 12‬و ﺑﻬﻤﻴﻦ ﺗﺮﺗﻴﺐ اداﻣﻪ ﻣﻲدﻫﻴﻢ‪ .‬ﺑﻨﺎﺑﺮﻳﻦ ﻣﻘﺎدﻳﺮ ﺑﻌﺪي‬
‫)‪ u(x,t‬ﺑﺪﺳﺖ ﻣﻲآﻳﺪ‪ .‬در ﺟﺪول زﻳﺮ اﻳﻦ ﻣﻘﺎدﻳﺮ ﺑﺮاي ﻧﻴﻢ ﺳﻴﻜﻞ ﻣﺤﺎﺳﺒﻪ ﺷﺪه اﺳﺖ‪.‬‬

‫‪t‬‬ ‫‪x=0‬‬ ‫‪x=0.2‬‬ ‫‪x=0.4‬‬ ‫‪x=0.6‬‬ ‫‪x=0.8‬‬ ‫‪x=1‬‬

‫‪0.0‬‬ ‫‪0‬‬ ‫‪0.588‬‬ ‫‪0.951‬‬ ‫‪0.951‬‬ ‫‪0.588‬‬ ‫‪0‬‬
‫‪0.2‬‬ ‫‪0‬‬ ‫‪0.476‬‬ ‫‪0.769‬‬ ‫‪0.769‬‬ ‫‪0.476‬‬ ‫‪0‬‬
‫‪0.4‬‬ ‫‪0‬‬ ‫‪0.182‬‬ ‫‪0.294‬‬ ‫‪0.294‬‬ ‫‪0.182‬‬ ‫‪0‬‬
‫‪0.6‬‬ ‫‪0‬‬ ‫‪-0.182‬‬ ‫‪-0.294‬‬ ‫‪-0.294‬‬ ‫‪-0.182‬‬ ‫‪0‬‬
‫‪0.8‬‬ ‫‪0‬‬ ‫‪-0.476‬‬ ‫‪-0.769‬‬ ‫‪-0.769‬‬ ‫‪-0.476‬‬ ‫‪0‬‬
‫‪1.0‬‬ ‫‪0‬‬ ‫‪-0.588‬‬ ‫‪-0.951‬‬ ‫‪-0.951‬‬ ‫‪-0.588‬‬ ‫‪0‬‬

‫اﻳﻦ ﻣﻘﺎدﻳﺮ ﺗﺎ ‪ 3‬رﻗﻢ اﻋﺸﺎر دﻗﻴﻖ ﻫﺴﺘﻨﺪ‪ .‬ﺣﻞ دﻗﻴﻖ اﻳﻦ ﻣﺴﺎﻟﻪ ﺑﺎ اﺳﺘﻔﺎده از روش ﺗﻐﻴﻴﺮ ﻣﺘﻐﻴﺮ داﻻﻣﺒﺮ‬
‫ﺑﺼﻮرت زﻳﺮ اﺳﺖ‪:‬‬
‫‪u  x, t   sin x cos t.‬‬