‫ﺑﻪ ﻧﺎم ﺧﺪا‬

‫روش اﺧﺘﻼف ﻣﺤﺪود‬

‫ﺑﺮﮔﺮﻓﺘﻪ ﺷﺪه از ﮐﺘﺎب ﻫﺎﻓﻤﻦ‬

‫دﮐﺘﺮ ﻋﺒﺎس راﻣﯿﺎر‬

 ‫ﻣﻌﺎدﻻت دﯾﻔﺮاﻧﺴﯿﻞ ﺟﺰﺋﯽ ﺳﻬﻤﻮي‬

‫ﻣﻘﺪﻣﻪ‬

‫ﻣﻌﺎدﻻت ﺣﺮﮐﺖ در ﻣﮑﺎﻧﯿﮏ ﺳﯿﺎﻻت ﻏﺎﻟﺒﺎ ﺑﻪ ﺻﻮرت ﻣﻌﺎدﻻت ﺳﻬﻤﻮي ﻧﻮﺷﺘﻪ ﻣﯽ ﺷﻮﻧﺪ‪ .‬ﻣﻌﺎدﻻت ﻻﯾﻪ ﻣﺮزي و ﻣﻌﺎدﻻت ﺳﻬﻤﻮي ﻧﺎوﯾﺮ‬
‫اﺳﺘﻮﮐﺲ ﻧﻤﻮﻧﻪ ﻫﺎﯾﯽ از ﭼﻨﯿﻦ ﻓﺮﻣﻮل ﺑﻨﺪي ﻣﯽ ﺑﺎﺷﻨﺪ‪ .‬ﻋﻼوه ﺑﺮ اﯾﻦ ﻣﻌﺎدﻟﻪ اﻧﺘﻘﺎل ﺣﺮارت ﻧﺎﭘﺎﯾﺎ ﻧﯿﺰ ﺳﻬﻤﻮي ﻣﯽ ﺑﺎﺷﻨﺪ‪.‬‬

‫در اﯾﻦ ﻓﺼﻞ‪ ،‬ﻓﺮﻣﻮل ﺑﻨﺪي ﻫﺎي ﻣﺨﺘﻠﻒ اﺧﺘﻼف ﻣﺤﺪود از ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ﺳﻬﻤﻮي ﻣﺪل ﻣﻮرد ﺑﺮرﺳﯽ ﻗﺮار ﺧﻮاﻫﺪ ﮔﺮﻓﺖ‪ .‬ﻫﺮ ﻣﻌﺎدﻟﻪ‬
‫ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﺑﺪﺳﺖ آﻣﺪه ‪ ،‬وﯾﮋﮔﯽ ﻫﺎي ﺧﺎص ﺧﻮد را از ﻧﻈﺮ دﻗﺖ ‪ ،‬ﺳﺎزﮔﺎري و ﭘﺎﯾﺪاري دارد‪ .‬اﮔﺮ ﭼﻪ ﺑﺮاي ﻣﻌﺎدﻻت ﻣﺪل ﻫﺎي ﺳﺎده اﻏﻠﺐ‬
‫روش ﻫﺎ ﺑﻪ ﯾﮏ ﺻﻮرت ﻋﻤﻞ ﻣﯽ ﮐﻨﻨﺪ ‪ ،‬ﺑﺎ اﯾﻦ ﺣﺎل ﺑﯿﺸﺘﺮ آﻧﻬﺎ را در اﯾﻨﺠﺎ ﺑﺮرﺳﯽ ﻣﯽ ﮐﻨﯿﻢ ﺗﺎ ﺧﻮاﻧﻨﺪﮔﺎن ﺑﺎ روش ﻫﺎي ﺑﻪ ﮐﺎر رﻓﺘﻪ آﺷﻨﺎ ﺷﻮﻧﺪ‪.‬‬
‫ﺑﺪﯾﻬﯽ اﺳﺖ ﮐﻪ ﻫﻤﮥ روش ﻫﺎي ﻣﻤﮑﻦ ﺑﺮاي ﺣﻞ ﻣﻌﺎدﻻت ﺳﻬﻤﻮي را ﻧﻤﯽ ﺗﻮان در اﯾﻨﺠﺎ ﻣﻮرد ﺑﺮرﺳﯽ ﻗﺮار داد و ﺗﻨﻬﺎ روش ﻫﺎﯾﯽ ﮐﻪ ﻣﺘﺪاول ﺗﺮ‬
‫ﻫﺴﺘﻨﺪ اراﺋﻪ ﻣﯽ ﺷﻮﻧﺪ‪ .‬اﯾﻦ روﺷﻬﺎ در ﻣﻌﺎدﻻت ﻧﻤﻮﻧﻪ ﺑﻪ ﮐﺎر ﺑﺮده ﺷﺪه و ﻧﺘﺎﯾﺞ آن ﺑﺮاي ﺷﺮاﯾﻂ اوﻟﯿﻪ و ﻣﺮزي داده ﺷﺪه ﺗﻌﯿﯿﻦ ﺧﻮاﻫﻨﺪ ﺷﺪ‪.‬‬

‫ﻓﺮﻣﻮل ﺑﻨﺪي ﺗﻔﺎﺿﻞ ﻣﺤﺪود‬

‫ﻣﻌﺎدﻟﻪ اﻧﺘﻘﺎل ﺣﺮارت ﻧﺎﭘﺎﯾﺎ ﻧﻤﻮﻧﻪ اي از ﻣﻌﺎدﻟﮥ دﯾﻔﺮاﻧﺴﯿﻞ ﺟﺰﺋﯽ ﺳﻬﻤﻮي ﻣﺮﺗﺒﻪ دوم ﻣﯽ ﺑﺎﺷﺪ ﮐﻪ اﺑﺘﺪا در ﺣﺎﻟﺖ ﯾﮏ ﺑﻌﺪي و ﺳﭙﺲ در ﺣﺎﻟﺖ‬
‫دو ﺑﻌﺪي و ‪ ...‬ﺑﺮرﺳﯽ ﺧﻮاﻫﻨﺪ ﺷﺪ‪.‬‬

‫ﻣﻌﺎدﻟﮥ ﻣﺪل ﻣﻮرد ﻧﻈﺮ ﺑﻪ ﺻﻮرت زﯾﺮ اﺳﺖ‪.‬‬

‫=‬ ‫)‪ (3 − 1‬‬

‫ﻣﻘﺪار ﺛﺎﺑﺘﯽ اﺳﺖ‪.‬‬ ‫در اﯾﻦ ﻣﻌﺎدﻟﻪ‬

‫از ﺗﻘﺮﯾﺒﻬﺎي ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﻣﺨﺘﻠﻔﯽ ﺑﺮاي ﻧﺸﺎن دادن ﻣﺸﺘﻖ ﻫﺎي ﻣﻌﺎدﻟﻪ )‪ (3-1‬ﻣﯽ ﺗﻮان اﺳﺘﻔﺎده ﮐﺮد‪ .‬ﺟﺰﯾﯿﺎت ﻣﺮﺑﻮط ﺑﻪ ﻣﻌﺎدﻻت ﺗﻔﺎﺿﻞ‬
‫ﻣﺤﺪود ﺣﺎﺻﻞ ﺑﻪ زودي اراﺋﻪ ﺧﻮاﻫﻨﺪ ﺷﺪ‪ .‬ﺑﺮاي زﻣﺎن از ﺗﻘﺮﯾﺐ ﺗﻔﺎﺿﻞ ﭘﯿﺸﺮو ﺑﻪ ﺻﻮرت زﯾﺮ اﺳﺘﻔﺎده ﻣﯽ ﮐﻨﯿﻢ‪.‬‬

‫‪−‬‬
‫=‬ ‫)‪+ (∆ ) (3 − 2‬‬
‫∆‬
‫ﺑﺎ اﺳﺘﻔﺎده از ﺗﻘﺮﯾﺐ ﺗﻔﺎﺿﻞ ﻣﺮﮐﺰي ﻣﺮﺗﺒﮥ ) ∆( ﺑﺮاي ﺟﻤﻠﮥ ﻣﮑﺎن ‪ ،‬ﻣﻌﺎدﻟﮥ )‪ (3-1‬را ﺑﻪ ﺻﻮرت زﯾﺮ ﺗﻘﺮﯾﺐ زده ﻣﯽ ﺷﻮد‪:‬‬

‫‪−‬‬ ‫‪−2 +‬‬

‫=‬ ‫)‪ (3 − 3‬‬
‫∆‬ ‫) ∆(‬
‫ﺗﻨﻬﺎ ﻣﺠﻬﻮل ﻣﻌﺎدﻟﻪ اﺳﺖ و ﺑﻪ ﺻﻮرت زﯾﺮ ﻣﺤﺎﺳﺒﻪ ﻣﯽ ﺷﻮد‪.‬‬ ‫در اﯾﻦ ﻣﻌﺎدﻟﻪ‬

‫) ∆(‬
‫=‬ ‫‪+‬‬ ‫(‬ ‫‪−2‬‬ ‫‪+‬‬ ‫)‪) (3 − 4‬‬
‫) ∆(‬
‫در ﻧﺘﯿﺠﻪ ﻣﻌﺎدﻟﮥ دﯾﻔﺮاﻧﺴﯿﻞ ﺟﺰﺋﯽ ﻣﺮﺗﺒﮥ دوم ﺑﻪ ﺻﻮرت ﯾﮏ ﻣﻌﺎدﻟﮥ ﺟﺒﺮي در ﻣﯽ آﯾﺪ‪ .‬ﻧﻤﺎﯾﺶ ﮔﺮاﻓﯿﮑﯽ ﻧﻘﺎط ﺷﺒﮑﻪ ﺑﻪ ﮐﺎر رﻓﺘﻪ در ﻣﻌﺎدﻟﮥ )‪(3-4‬‬
‫را در ﺷﮑﻞ ‪ 3-1‬ﻣﯽ ﺑﯿﻨﯿﺪ‪.‬‬

‫ﺗﻮﺟﻪ داﺷﺘﻪ ﺑﺎﺷﯿﺪ ﮐﻪ ﻣﻘﺎدﯾﺮ ﻣﺘﻐﯿﺮ واﺑﺴﺘﻪ در ﻣﻘﻄﻊ زﻣﺎﻧﯽ ‪ n‬ﯾﺎ از ﻧﺘﺎﯾﺞ ﺣﻞ ﮔﺎم ﻗﺒﻠﯽ ﻣﻌﻠﻮم اﺳﺖ و ﯾﺎ ﺑﻪ ﻋﻨﻮان ﺷﺮاﯾﻂ اوﻟﯿﻪ داده ﺷﺪه‬
‫اﺳﺖ‪ .‬ﯾﻌﻨﯽ ﻣﻘﺎدﯾﺮ ﻣﺤﺎﺳﺒﻪ ﺷﺪه در ﻣﻘﻄﻊ زﻣﺎﻧﯽ )‪ (n+1‬ﺗﻨﻬﺎ ﺑﻪ ﻣﺮﺣﻠﮥ ﻗﺒﻠﯽ واﺑﺴﺘﻪ اﻧﺪ‪ .‬ﺑﺮاي ﺷﺮوع ﺣﻞ ‪ ،‬ﯾﮏ ﺷﺮط اوﻟﯿﻪ و دو ﺷﺮط ﻣﺮزي‬
‫ﺑﺎﯾﺪ ﻣﺸﺨﺺ ﺷﻮد‪ .‬ﺑﻪ ﻓﺮﻣﻮل ﺑﻨﺪي ﻣﻌﺎدﻟﮥ ﭘﯿﻮﺳﺘﻪ اي ﮐﻪ ﺑﻪ ﺻﻮرت ﻣﻌﺎدﻟﮥ ﺗﻔﺎﺿﻞ ﻣﺤﺪودي در آﻣﺪ ‪) ،‬ﻣﺎﻧﻨﺪ ﻣﻌﺎدﻟﮥ ‪ (3-4‬و ﺗﻨﻬﺎ ﯾﮏ ﻣﺠﻬﻮل را‬
‫ﺑﺮ ﺣﺴﺐ ﻣﻘﺎدﯾﺮ ﻣﻌﻠﻮم ﺑﯿﺎن ﻣﯽ ﮐﻨﺪ ‪ ،‬روش ﺻﺮﯾﺢ ﻣﯽ ﮔﻮﯾﻨﺪ‪ .‬از آﻧﺠﺎ ﮐﻪ ﻫﺮ ﻣﻌﺎدﻟﮥ ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﺗﻨﻬﺎ ﯾﮏ ﻣﺠﻬﻮل دارد ‪ ،‬ﻣﻌﺎدﻻت ﺣﺎﺻﻞ را در‬
‫ﻣﺮﺣﻠﮥ زﻣﺎﻧﯽ ‪ n+1‬ﺟﺪاﮔﺎﻧﻪ ﺣﻞ ﻣﯽ ﮐﻨﯿﻢ ﺗﺎ ﻣﻘﺎدﯾﺮ ﻣﺠﻬﻮل ﺑﺪﺳﺖ آﯾﻨﺪ‪ .‬ﺣﺎل ﻓﺮض ﮐﻨﯿﺪ ﮐﻪ ﺟﻮاب ﯾﮏ ﻣﻌﺎدﻟﮥ دﯾﻔﺮاﻧﺴﯿﻞ ﺟﺰﺋﯽ از ﯾﮏ روش‬
‫ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﺻﺮﯾﺢ در زﻣﺎن ﭘﯿﺶ رﻓﺘﻪ و ﻣﻘﺎدﯾﺮ ﻣﺠﻬﻮل در زﻣﺎن ‪ n+4‬ﺑﺪﺳﺖ آﻣﺪه ﺑﺎﺷﺪ )ﺷﮑﻞ ‪ 3-2‬را ﺑﺒﯿﻨﯿﺪ(‪.‬‬
 ‫ﺗﻮﺟﻪ داﺷﺘﻪ ﺑﺎﺷﯿﺪ ﮐﻪ در ﻣﺤﺎﺳﺒﮥ ﻣﺠﻬﻮل در زﻣﺎن )‪ (n+4‬اﻃﻼﻋﺎت ﻣﺮﺑﻮط ﺑﻪ ﺷﺮاﯾﻂ ﻣﺮزي ﻣﺮﺣﻠﮥ )‪ (n+4‬در ﻣﺤﺎﺳﺒﺎت ﻣﻨﻈﻮر ﻧﻤﯽ ﺷﻮد‬
‫ﮐﻪ اﯾﻦ ﻣﻮﺿﻮع ﺑﺎ ﻓﯿﺰﯾﮏ ﻣﺴﺄﻟﻪ ﺳﺎزﮔﺎر ﻧﯿﺴﺖ ‪ ،‬زﯾﺮا ﺧﻄﻮط ﻣﺸﺨﺼﮥ اﯾﻦ ﻣﻌﺎدﻟﮥ ﺳﻬﻤﻮي ﺧﻄﻮط ‪ t‬ﺛﺎﺑﺖ ﻫﺴﺘﻨﺪ‪ .‬ﺑﻨﺎﺑﺮاﯾﻦ در ﯾﮏ ﻓﺮﻣﻮل ﺑﻨﺪي‬
‫ﺻﺮﯾﺢ ‪ ،‬ﺷﺮاﯾﻂ ﻣﺮزي ﺑﻪ اﻧﺪازة ﯾﮏ ﮔﺎم زﻣﺎﻧﯽ ﻧﺴﺒﺖ ﺑﻪ ﻣﺤﺎﺳﺒﺎت ﺗﺄﺧﯿﺮ دارﻧﺪ‪ .‬در ﻣﺮﺣﻠﻪ ﺑﻌﺪ روﺷﯽ را ﺑﺮرﺳﯽ ﻣﯽ ﮐﻨﯿﻢ ﮐﻪ در ﻓﺮﻣﻮل ﺑﻨﺪي آن‬
‫ﺷﺮاﯾﻂ ﻣﺮزي ﻫﺮ ﮔﺎم زﻣﺎﻧﯽ در ﻣﺤﺎﺳﺒﺎت ﻣﻨﻈﻮر ﻣﯽ ﺷﻮد‪.‬‬

‫ﻫﺮﮔﺎه از ﺗﻘﺮﯾﺐ ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﭘﺴﺮوي ﻣﺮﺗﺒﻪ اول ﺑﺮاي ﻣﺸﺘﻖ زﻣﺎﻧﯽ و ﺗﻘﺮﯾﺐ ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﻣﺮﮐﺰي ﻣﺮﺗﺒﻪ دوم ﺑﺮاي ﻣﺸﺘﻖ ﻣﮑﺎﻧﯽ اﺳﺘﻔﺎده‬
‫ﺷﻮد ‪ ،‬ﻣﻌﺎدﻟﻪ ﺑﻪ ﺻﻮرت زﯾﺮ در ﻣﯽ آﯾﺪ‪.‬‬

‫‪−‬‬ ‫‪−2‬‬ ‫‪+‬‬

‫=‬ ‫)‪ (3 − 5‬‬
‫∆‬ ‫) ∆(‬

‫وﺟﻮد دارد‪ .‬در ﺷﮑﻞ ‪ 3-3‬ﻧﻘﺎط ﺷﺒﮑﮥ ﺑﻪ ﮐﺎر رﻓﺘﻪ در ﻣﻌﺎدﻟﮥ )‪ (3-5‬را ﻣﯽ ﺑﯿﻨﯿﺪ‪.‬‬ ‫و‬ ‫‪،‬‬ ‫در اﯾﻦ ﻣﻌﺎدﻟﻪ ﺳﻪ ﻣﺠﻬﻮل‬

‫ﺑﺮاي ﻣﺤﺎﺳﺒﮥ ﻣﺠﻬﻮل ﻫﺎ ﺑﻪ ﯾﮏ دﺳﺘﻪ ﻣﻌﺎدﻻت ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﻣﺮﺗﺒﻂ ﻧﯿﺎز اﺳﺖ‪ .‬اﯾﻦ ﻣﻌﺎدﻻت را ﺑﺎ ﻧﻮﺷﺘﻦ ﻣﻌﺎدﻻت ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﺑﺮاي ﻫﻤﮥ‬
‫ﻧﻘﺎط ﺷﺒﮑﻪ ﺑﺪﺳﺖ ﻣﯽ آورﯾﻢ‪ .‬ﺑﺮاي آﻧﮑﻪ ﻣﻌﺎدﻟﮥ )‪ (3-5‬را ﺑﻪ روش اﺳﺘﺎﻧﺪارد ﺣﻞ ﮐﻨﯿﻢ ‪ ،‬آن را ﺑﻪ ﺻﻮرت زﯾﺮ ﻣﯽ ﻧﻮﯾﺴﯿﻢ‪:‬‬

‫∆‬ ‫∆‬ ‫∆‬

‫‪− 1+2‬‬ ‫‪+‬‬ ‫‪=−‬‬ ‫)‪ (3 − 6‬‬
‫) ∆(‬ ‫) ∆(‬ ‫) ∆(‬

‫اﯾﻦ ﮔﻮﻧﻪ ﻓﺮﻣﻮل ﺑﻨﺪي را ﮐﻪ ﺷﺎﻣﻞ ﺑﯿﺶ از ﯾﮏ ﻣﺠﻬﻮل در ﻫﺮ ﻣﻌﺎدﻟﻪ ﺗﻔﺎﺿﻞ ﻣﺤﺪود اﺳﺖ ‪ ،‬روش ﺿﻤﻨﯽ ﻣﯽ ﻧﺎﻣﻨﺪ‪ .‬ﻣﻌﺎدﻟﮥ )‪ (3-6‬را ﺑﺎ ﺗﻌﺮﯾﻒ‬
‫‪ ،‬ﺑﻪ ﺷﮑﻞ ﮐﻠﯽ زﯾﺮ‬ ‫و ﻫﻤﭽﻨﯿﻦ ﺗﻌﺮﯾﻒ ﺳﻤﺖ راﺳﺖ آن ﺑﻪ ﺻﻮرت‬ ‫و‬ ‫‪،‬‬ ‫ﺑﻪ ﺻﻮرت‬ ‫و‬ ‫‪،‬‬ ‫ﺿﺮاﯾﺐ ﺟﻤﻠﻪ ﻫﺎي‬
‫ﻣﯽ ﻧﻮﯾﺴﯿﻢ‪:‬‬

‫ ‬ ‫‪+‬‬ ‫ ‬ ‫‪+‬‬ ‫ ‬ ‫=‬ ‫)‪ (3 − 7‬‬

‫اﯾﻦ ﻣﻌﺎدﻟﮥ ﺗﻔﺎﺿﻞ ﻣﺤﺪود را ﺑﺮاي ﺗﻤﺎم ﻧﻘﺎط ﺷﺒﮑﻪ در ﻣﻘﻄﻊ زﻣﺎﻧﯽ ﺟﻠﻮﺗﺮ ﻣﯽ ﻧﻮﯾﺴﯿﻢ و در ﻧﺘﯿﺠﻪ ﻣﺠﻤﻮﻋﻪ اي از ﻣﻌﺎدﻻت ﺟﺒﺮي ﺑﺪﺳﺖ ﻣﯽ‬
‫آﯾﺪ‪ .‬ﻫﺮﮔﺎه اﯾﻦ ﻣﻌﺎدﻻت را ﺑﻪ ﺻﻮرت ﻣﺎﺗﺮﯾﺴﯽ ﺑﻨﻮﯾﺴﯿﻢ ‪ ،‬ﻣﺎﺗﺮﯾﺲ ﺿﺮاﯾﺐ آن ﺳﻪ ﻗﻄﺮي ﺧﻮاﻫﺪ ﺑﻮد‪.‬‬
 ‫ﭘﺲ از آﺷﻨﺎﯾﯽ ﺑﺎ دو روش ﻣﻨﻔﺼﻞ ﻧﻤﻮدن ﯾﮏ ﻣﻌﺎدﻟﻪ ﭘﯿﻮﺳﺘﻪ ‪ ،‬ﻧﮑﺘﻪ ﻣﻬﻢ اﯾﻦ اﺳﺖ ﮐﻪ در ﯾﮏ ﻣﺴﺄﻟﻪ ﺧﺎص ﺑﺒﯿﻨﯿﻢ ﮐﺪام روش ﻣﻨﺎﺳﺐ ﺗﺮ‬
‫اﺳﺖ‪ .‬و اﻣﺎ در راﺑﻄﻪ ﺑﺎ ﮔﺎم زﻣﺎﻧﯽ ∆ و ﮔﺎم ﻣﮑﺎﻧﯽ ∆ ﭼﻪ ﺑﺎﯾﺪ ﮐﺮد؟ ﺗﺄﺛﯿﺮ اﻧﺘﺨﺎب ﮔﺎم ﻣﮑﺎﻧﯽ در ﺣﻞ ﭼﯿﺴﺖ؟ آﯾﺎ روش ﺣﻞ ﭘﺎﯾﺪار ﺧﻮاﻫﺪ ﺑﻮد‬
‫و ﻣﯿﺰان دﻗﺖ آن ﭼﻘﺪر اﺳﺖ؟ در ﺑﺨﺶ ﻫﺎي آﯾﻨﺪه ﺑﻪ اﯾﻦ ﻧﮑﺘﻪ ﻫﺎي ﻣﻬﻢ ﻣﯽ ﭘﺮدازﯾﻢ‪.‬‬

‫روش ﻫﺎي ﺻﺮﯾﺢ‬

‫در اﯾﻦ ﺑﺨﺶ ﺑﻌﻀﯽ از روش ﻫﺎي ﺻﺮﯾﺢ ﻣﻮرد اﺳﺘﻔﺎده در ﺣﻞ ﻣﻌﺎدﻻت ﺳﻬﻤﻮي ﻣﻌﺮﻓﯽ ﻣﯽ ﺷﻮﻧﺪ‪.‬‬

‫‪ .1‬روش ﭘﯿﺸﺮو ﻧﺴﺒﺖ ﺑﻪ زﻣﺎن و ﺗﻔﺎﺿﻞ ﻣﺮﮐﺰي ﻧﺴﺒﺖ ﺑﻪ ﻣﮑﺎن‬

‫ﻫﻤﺎن ﮔﻮﻧﻪ ﮐﻪ ﭘﯿﺸﺘﺮ ﺑﺤﺚ ﺷﺪ ‪ ،‬از ﺗﻘﺮﯾﺐ ﺗﻔﺎﺿﻞ ﭘﯿﺸﺮو ﺑﺮاي ﻣﺸﺘﻖ ﻫﺎي زﻣﺎﻧﯽ و ﺗﻘﺮﯾﺐ ﺗﻔﺎﺿﻞ ﻣﺮﮐﺰي ﺑﺮاي ﻣﺸﺘﻖ ﻫﺎي ﻣﮑﺎﻧﯽ در‬
‫ﻣﻌﺎدﻟﮥ )‪ (3-1‬ﻧﺘﯿﺠﻪ ﻣﯽ ﺷﻮد‪:‬‬

‫∆‬
‫=‬ ‫‪+‬‬ ‫(‬ ‫‪−2‬‬ ‫‪+‬‬ ‫)‪) (3 − 8‬‬
‫) ∆(‬

‫ﺑﺎﺷﺪ‪ .‬ﻧﻘﺎط‬ ‫≤ ) ∆(‪(∆ )/‬‬ ‫ﮐﻪ از ﻣﺮﺗﺒﮥ ] ) ∆( ‪ [(∆ ),‬اﺳﺖ‪ .‬ﻣﯽ ﺗﻮان ﻧﺸﺎن داد ﮐﻪ ﺣﻞ اﯾﻦ ﻣﻌﺎدﻟﻪ در ﺻﻮرﺗﯽ ﭘﺎﯾﺪار اﺳﺖ ﮐﻪ‬
‫ﺷﺒﮑﮥ ﻣﻮرد اﺳﺘﻔﺎده در ﻣﻌﺎدﻟﻪ )‪ (3-8‬در ﺷﮑﻞ ‪ 3-1‬ﻧﺸﺎن داده ﺷﺪه اﺳﺖ‪.‬‬

‫‪ .2‬روش رﯾﭽﺎردﺳﻮن‬

‫در اﯾﻦ روش از ﺗﻘﺮﯾﺐ ﺗﻔﺎﺿﻞ ﻣﺮﮐﺰي ﺑﺮاي ﻣﺸﺘﻖ ﻫﺎي زﻣﺎﻧﯽ و ﻣﮑﺎﻧﯽ اﺳﺘﻔﺎده ﻣﯽ ﺷﻮد‪ .‬ﺑﺮاي ﻣﻌﺎدﻟﮥ ﻣﺪل )‪ (3-1‬ﻣﻌﺎدﻟﮥ ﺗﻔﺎﺿﻞ ﻣﺤﺪود‬
‫ﺑﺪﺳﺖ آﻣﺪه ﺑﻪ ﺻﻮرت زﯾﺮ اﺳﺖ‪.‬‬

‫‪−‬‬ ‫‪−2 +‬‬

‫=‬
‫∆‪2‬‬ ‫) ∆(‬

‫ﮐﻪ از ﻣﺮﺗﺒﮥ ] ) ∆( ‪ [(∆ ) ,‬اﺳﺖ‪ .‬ﻧﺘﺎﯾﺞ ﺗﺤﻠﯿﻞ ﭘﺎﯾﺪاري در ﻣﻮرد ﻣﻌﺎدﻟﮥ ﺑﺎﻻ ﻧﺸﺎن ﻣﯽ دﻫﺪ ﮐﻪ اﯾﻦ ﻣﻌﺎدﻟﻪ ﺑﯽ ﻗﯿﺪ و ﺷﺮط ﻧﺎﭘﺎﯾﺪار اﺳﺖ و‬
‫ﺑﻨﺎﺑﺮاﯾﻦ ﻫﯿﭻ ارزش ﻋﻤﻠﯽ ﻧﺪارد‪.‬‬

‫‪ .3‬روش دوﻓﻮرت – ﻓﺮاﻧﮑﻞ‬

‫ﺑﺎ ﯾﮏ راﺑﻄﻪ ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﻣﺮﮐﺰي ﻣﺮﺗﺒﮥ ) ∆( ﺗﻘﺮﯾﺐ زده ﻣﯽ ﺷﻮد‪ .‬ﺗﻘﺮﯾﺐ ﻣﺸﺘﻖ ﻣﺮﺗﺒﮥ دوم ﻣﮑﺎﻧﯽ‬ ‫در اﯾﻦ روش ‪ ،‬ﻣﺸﺘﻖ زﻣﺎﻧﯽ‬
‫در ﺟﻤﻠﮥ اﻧﺘﺸﺎر ﺑﺎ ﻣﻘﺪار‬ ‫ﻧﯿﺰ ﺑﺎ ﯾﮏ راﺑﻄﻪ ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﻣﺮﮐﺰي ﻣﺮﺗﺒﮥ ) ∆( ﺗﻌﯿﯿﻦ ﻣﯽ ﺷﻮد‪ .‬ﻣﻨﺘﻬﺎ ﺑﻪ ﻋﻠﺖ ﻣﻼﺣﻈﺎت ﭘﺎﯾﺪاري ﻋﺒﺎرت‬
‫ﺟﺎﯾﮕﺰﯾﻦ ﻣﯽ ﺷﻮد‪ .‬اﯾﻦ ﻓﺮﻣﻮل ﺑﻨﺪي در واﻗﻊ ﻧﻮع ﺗﻐﯿﯿﺮ ﯾﺎﻓﺘﮥ روش رﯾﭽﺎردﺳﻮن اﺳﺖ‪.‬‬ ‫و‬ ‫ﻣﺘﻮﺳﻂ ﻣﻘﺎدﯾﺮ‬
‫ﻣﻌﺎدﻟﮥ ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﺣﺎﺻﻞ ﺑﻪ ﺻﻮرت زﯾﺮ اﺳﺖ‪.‬‬
 ‫‪+‬‬
‫‪−‬‬ ‫ ‪− 2‬‬ ‫‪2‬‬ ‫‪+‬‬
‫=‬ ‫)‪ (3 − 9‬‬
‫∆‪2‬‬ ‫) ∆(‬

‫ﮐﻪ از آﻧﺠﺎ دارﯾﻢ‪:‬‬

‫) ∆( ‪2‬‬
‫=‬ ‫‪+‬‬ ‫ ‬ ‫‪−‬‬ ‫‪−‬‬ ‫‪+‬‬ ‫)‪ (3 − 10‬‬
‫) ∆(‬

‫ﺑﺎ اﯾﻨﮑﻪ ﺑﺎﻻﻧﻮﯾﺲ )‪ (n+1‬در ﺳﻤﺖ راﺳﺖ ﻣﻌﺎدﻟﻪ ﻇﺎﻫﺮ ﻣﯽ ﺷﻮد ‪ ،‬اﯾﻦ ﺗﻨﻬﺎ ﻣﺮﺑﻮط ﺑﻪ ﻣﻮﻗﻌﯿﺖ ‪ i‬اﺳﺖ‪ .‬ﺑﻨﺎﺑﺮاﯾﻦ ﻣﻌﺎدﻟﻪ را ﻣﯽ ﺗﻮان ﺑﻪ ﺻﻮرت‬
‫در ﻣﻘﻄﻊ زﻣﺎﻧﯽ ‪ n+1‬ﺣﻞ ﮐﺮد‪ .‬در ﻧﺘﯿﺠﻪ‪:‬‬ ‫ﺻﺮﯾﺢ ﺑﺮاي ﻣﺠﻬﻮل‬

‫) ∆( ‪2‬‬ ‫) ∆( ‪2‬‬ ‫) ∆( ‪2‬‬

‫‪1+‬‬ ‫ ‬ ‫‪= 1−‬‬ ‫‪+‬‬ ‫[ ‬ ‫‪+‬‬ ‫)‪] (3 − 11‬‬
‫) ∆(‬ ‫) ∆(‬ ‫) ∆(‬

‫∆‬ ‫∆‬
‫اﯾﻦ روش از ﻣﺮﺗﺒﮥ ) ∆( ‪ (∆ ) , (∆ ) ,‬اﺳﺖ‪ .‬ﮔﻔﺘﻨﯽ اﺳﺖ ﮐﻪ اﯾﻦ ﻓﺮﻣﻮل ﺑﻨﺪي ﺑﯽ ﻗﯿﺪ و ﺷﺮط ﭘﺎﯾﺪار اﺳﺖ‪ .‬ﻋﺒﺎرت اﺿﺎﻓﯽ ) (‬
‫∆‬
‫ﮐﻪ در ﺟﻤﻠﮥ ﺧﻄﺎ ﻇﺎﻫﺮ ﺷﺪه ﻧﺎﺷﯽ از ﺗﺤﻠﯿﻞ ﭘﺎﯾﺪاري اﺳﺖ ﮐﻪ ﺑﻪ زودي ﺑﻪ آن ﻣﯽ ﭘﺮدازﯾﻢ‪.‬‬

‫در ﻣﻘﺎﻃﻊ زﻣﺎﻧﯽ ‪ n‬و ‪ n-1‬ﺑﺎﯾﺪ ﻣﻌﻠﻮم ﺑﺎﺷﻨﺪ‪ .‬ﺑﻨﺎﺑﺮاﯾﻦ در آﻏﺎز ﺑﺎﯾﺪ دو دﺳﺘﻪ اﻃﻼﻋﺎت اوﻟﯿﻪ اراﺋﻪ ﺷﺪه ﺑﺎﺷﺪ‬ ‫ﺑﺮاي ﺷﺮوع ﻣﺤﺎﺳﺒﺎت ‪ ،‬ﻣﻘﺎدﯾﺮ‬
‫و ﯾﺎ اﯾﻨﮑﻪ از ﻧﻘﻄﻪ ﻧﻈﺮ ﻋﻤﻠﯽ از ﯾﮏ ﮔﺎم زﻣﺎﻧﯽ ﺑﻪ ﻋﻨﻮان ﺷﺮوع ﮐﻨﻨﺪه ﺑﺎﯾﺪ اﺳﺘﻔﺎده ﮐﺮد‪ .‬اﻟﺒﺘﻪ در ﺣﺎﻟﺘﯽ ﮐﻪ از ﯾﮏ ﮔﺎم زﻣﺎﻧﯽ ) ∆( ﺑﻪ ﻋﻨﻮان‬
‫ﺷﺮوع ﮐﻨﻨﺪه اﺳﺘﻔﺎده ﺷﻮد ‪ ،‬ﺗﻨﻬﺎ ﺑﻪ ﯾﮏ دﺳﺘﻪ اﻃﻼﻋﺎت اوﻟﯿﻪ در زﻣﺎن ‪ n-1‬ﻧﯿﺎز اﺳﺖ ﺗﺎ ﺟﻮاب ﻫﺎي ﻣﺮﺣﻠﻪ ‪ n‬ام را اﯾﺠﺎد ﮐﻨﺪ‪ .‬ﺑﺎ اﺳﺘﻔﺎده از‬
‫در ﻣﺮﺣﻠﻪ ‪ n-1‬و ‪ ، n‬از روش دوﻓﻮرت‪ -‬ﻓﺮاﻧﮑﻞ اﺳﺘﻔﺎده ﻣﯽ ﮐﻨﯿﻢ‪ .‬در راﺑﻄﻪ ﺑﺎ اﯾﻦ روش دو ﻧﮑﺘﻪ را ﺑﺎﯾﺪ ﺑﻪ ﺧﺎﻃﺮ داﺷﺖ‪ .‬اوﻻً ‪ ،‬دﻗﺖ‬ ‫ﻣﻘﺎدﯾﺮ‬
‫روش دوﻓﻮرت‪ -‬ﻓﺮاﻧﮑﻞ ﺑﻪ دﻗﺖ ﺣﻞ ﺷﺮوع ﮐﻨﻨﺪه ﺑﺴﺘﮕﯽ دارد‪ .‬ﺛﺎﻧﯿﺎً ‪ ،‬ﭼﻮن ﺑﺮاي ﺣﻞ ﻣﺠﻬﻮل در ﻫﺮ ﻧﻘﻄﻪ ﺑﻪ اﻃﻼﻋﺎت دو ﻧﻘﻄﮥ ﻗﺒﻠﯽ ﻧﯿﺎز اﺳﺖ ‪،‬‬
‫ﻓﻀﺎي ذﺧﯿﺮه ﺳﺎزي ﺑﯿﺸﺘﺮي را ﺑﺎﯾﺪ در ﮐﺎﻣﭙﯿﻮﺗﺮ ﺑﻪ اﯾﻦ اﻣﺮ اﺧﺘﺼﺎص داد‪ .‬ﺷﺒﮑﮥ ﻧﻘﺎط دﺧﯿﻞ در ﻣﻌﺎدﻟﻪ )‪ (3-11‬در ﺷﮑﻞ ‪ 3-4‬ﻧﺸﺎن داده ﺷﺪه‬
‫اﻧﺪ‪.‬‬
 ‫روش ﻫﺎي ﺿﻤﻨﯽ‬

‫وﻗﺘﯽ ﮐﻪ ﻣﻌﺎدﻟﻪ ﻣﺪل ‪ 3-1‬ﺑﻪ ﺻﻮرت زﯾﺮ ﮔﺴﺴﺘﻪ ﺷﺪ‬

‫‪−‬‬ ‫‪−2‬‬ ‫‪+‬‬

‫=‬ ‫)‪ (3 − 12‬‬
‫) ∆(‬ ‫) ∆(‬
‫آن را ﻣﻌﺎدﻟﻪ ﺿﻤﻨﯽ ﻧﺎﻣﯿﺪﯾﻢ ‪ ،‬زﯾﺮا ﺑﯿﺶ از ﯾﮏ ﻣﺠﻬﻮل در ﻣﻌﺎدﻟﮥ ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﻇﺎﻫﺮ ﺷﺪ‪ .‬در ﻧﺘﯿﺠﻪ ﻣﺠﻤﻮﻋﻪ اي از ﻣﻌﺎدﻻت را ﺑﻪ ﻃﻮر ﻫﻢ‬
‫زﻣﺎن ﺑﺎﯾﺪ ﺣﻞ ﮐﺮد ﮐﻪ ﺑﺎﻋﺚ اﻓﺰاﯾﺶ زﻣﺎن ﻣﺤﺎﺳﺒﻪ در ﻫﺮ ﮔﺎم زﻣﺎﻧﯽ ﻣﯽ ﺷﻮد‪ .‬روش ﻫﺎي ﺿﻤﻨﯽ داراي ﻓﺎﯾﺪة ﻣﻬﻢ ﭘﺎﯾﺪاري ﻣﻌﺎدﻻت ﺗﻔﺎﺿﻞ‬
‫ﻣﺤﺪودﻧﺪ ‪ ،‬زﯾﺮا ﺑﯿﺸﺘﺮ آﻧﻬﺎ ﺑﯽ ﻗﯿﺪ و ﺷﺮط ﭘﺎﯾﺪارﻧﺪ‪ .‬ﺑﻨﺎﺑﺮاﯾﻦ ﮔﺎم ﻫﺎي زﻣﺎﻧﯽ ﺑﺰرﮔﺘﺮ در اﯾﻦ روش ﻣﺠﺎز اﺳﺖ‪ .‬ﺑﻪ ﻫﺮ ﺣﺎل اﻧﺘﺨﺎب ﮔﺎم زﻣﺎﻧﯽ‬
‫ﺑﺰرﮔﺘﺮ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻣﺴﺄﻟﻪ دﻗﺖ ﻣﺤﺪود ﻣﯽ ﺷﻮد ‪ ،‬زﯾﺮا اﻓﺰاﯾﺶ ﮔﺎم زﻣﺎﻧﯽ ﻣﻨﺠﺮ ﺑﻪ اﻓﺰاﯾﺶ ﺧﻄﺎي ﻗﻄﻊ ﮐﺮدن ﻣﻌﺎدﻟﻪ ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﻣﯽ ﺷﻮد‪ .‬در‬
‫اﯾﻦ ﺑﺨﺶ ﺑﻌﻀﯽ از ﻓﺮﻣﻮل ﺑﻨﺪي ﻫﺎي ﻣﺘﺪاول در روش ﻫﺎي ﺿﻤﻨﯽ را ﺗﺸﺮﯾﺢ ﻣﯽ ﮐﻨﯿﻢ‪.‬‬

‫‪ .1‬روش ﻻﺳﻮﻧﻦ‬

‫ﻓﺮﻣﻮل ﺑﻨﺪي ﺳﺎدة ﻣﻌﺎدﻟﻪ )‪ (3-12‬ﺑﻪ روش ﺿﻤﻨﯽ ﻻﺳﻮﻧﻦ ﻣﻌﺮوف اﺳﺖ‪ .‬ﺑﺎ ﺑﻪ ﮐﺎر ﺑﺮدن اﯾﻦ ﻓﺮﻣﻮل ﺑﻨﺪي در ﺗﻤﺎم ﻧﻘﺎط ﺷﺒﮑﻪ ﻣﺠﻤﻮﻋﻪ اي از‬
‫ﻣﻌﺎدﻻت ﺟﺒﺮي ﺧﻄﯽ ﺑﻪ دﺳﺖ ﻣﯽ آﯾﺪ‪ .‬ﻧﻘﺎط ﺷﺒﮑﻪ را ﻧﯿﺰ در ﺷﮑﻞ ‪ 3-3‬ﻣﯽ ﺑﯿﻨﯿﺪ‪.‬‬

‫‪ .2‬روش ﮐﺮﻧﮏ – ﻧﯿﮑﻠﺴﻮن‬

‫اﮔﺮ ﻋﺒﺎرت اﻧﺘﺸﺎر در ﻣﻌﺎدﻟﮥ )‪ (3-1‬را ﺑﺎ ﻣﻘﺪار ﻣﺘﻮﺳﻂ ﺗﻔﺎﺿﻞ ﻫﺎي ﻣﺮﮐﺰي در ﻣﻘﺎﻃﻊ زﻣﺎﻧﯽ ‪ n‬و ‪ n+1‬ﺟﺎﯾﮕﺰﯾﻦ ﮐﻨﯿﻢ ‪،‬‬
‫ﻣﻌﺎدﻟﮥ ﮔﺴﺴﺘﮫ ﺷﺪه ﺣﺎﺻﻞ ﺑﮫ ﺻﻮرت زﯾﺮ اﺳﺖ‪:‬‬
‫‪−‬‬ ‫‪1‬‬ ‫‪−2‬‬ ‫‪+‬‬ ‫‪−2 +‬‬
‫ =‬ ‫‪+‬‬ ‫)‪ (3 − 13‬‬
‫) ∆(‬ ‫‪2‬‬ ‫) ∆(‬ ‫) ∆(‬
‫∆‬
‫اﺳﺖ‪ .‬ﯾﻌﻨﯽ‪:‬‬ ‫ﺑﺎﯾﺪ داﻧﺴﺖ ﮐﻪ ﺳﻤﺖ ﭼﭗ ﻣﻌﺎدﻟﻪ ‪ ،‬ﺗﻘﺮﯾﺐ ﺗﻔﺎﺿﻞ ﻣﺮﮐﺰي ﺑﺎ ﮔﺎم زﻣﺎﻧﯽ‬

‫‪−‬‬
‫=‬
‫∆‬
‫) ‪2 ( 2‬‬
‫ﮐﻪ از ﻣﺮﺗﺒﮥ ) ∆( اﺳﺖ‪.‬‬

‫در ﻧﻘﻄﮥ ‪ A‬اﺳﺖ ‪ ،‬در ﺣﺎﻟﯽ ﮐﻪ ﺳﻤﺖ راﺳﺖ ﻣﺘﻮﺳﻂ ﺟﻤﻠﮥ اﻧﺘﺸﺎر‬ ‫از دﯾﺪﮔﺎه ﻧﻘﺎط ﺷﺒﮑﻪ )ﺷﮑﻞ ‪ (3-5‬ﺳﻤﺖ ﭼﭗ ﻣﻌﺎدﻟﻪ ﺗﻘﺮﯾﺐ ﻣﺮﮐﺰي‬
‫در ﻫﻤﺎن ﻧﻘﻄﻪ اﺳﺖ‪ .‬اﯾﻦ روش ﺣﺎﺻﻞ ﺟﻤﻊ ﻣﺤﺎﺳﺒﺎت در دو ﮔﺎم زﻣﺎﻧﯽ ﺑﻪ ﺻﻮرت زﯾﺮ اﺳﺖ‪ .‬ﺑﺎ اﺳﺘﻔﺎده از روش ﺻﺮﯾﺢ دارﯾﻢ‪:‬‬

‫‪−‬‬ ‫‪−2 +‬‬

‫=‬ ‫)‪ (3 − 14‬‬
‫∆‬ ‫) ∆(‬
‫)‪(2‬‬
 ‫در ﺣﺎﻟﯽ ﮐﻪ ﺑﺎ اﺳﺘﻔﺎده از روش ﺿﻤﻨﯽ دارﯾﻢ‪:‬‬

‫‪−‬‬ ‫‪−2‬‬ ‫‪+‬‬

‫=‬ ‫)‪ (3 − 15‬‬
‫∆‬ ‫) ∆(‬
‫‪2‬‬

‫از ﺟﻤﻊ ﻣﻌﺎدﻻت )‪ (3-14‬و )‪ (3-15‬دارﯾﻢ‪:‬‬

‫‪−‬‬ ‫‪1‬‬ ‫‪−2‬‬ ‫‪+‬‬ ‫‪−2 +‬‬

‫=‬ ‫‪+‬‬ ‫)‪ (3 − 16‬‬
‫) ∆(‬ ‫‪2‬‬ ‫) ∆(‬ ‫) ∆(‬

‫ﮔﻔﺘﻨﯽ اﺳﺖ ﮐﻪ ﺑﺎ اﯾﻦ ﺗﺤﻠﯿﻞ اﻣﮑﺎن ﺗﺸﺨﯿﺺ ﻣﺮﺗﺒﮥ ) ∆( ﺑﺮاي ﻣﺸﺘﻖ زﻣﺎﻧﯽ دﺷﻮار اﺳﺖ‪ .‬اﯾﻦ روش ﺿﻤﻨﯽ ﺑﯽ ﻗﯿﺪ و ﺷﺮط ﭘﺎﯾﺪار و از‬
‫ﻣﺮﺗﺒﮥ ] ) ∆( ‪ [(∆ ) ,‬اﺳﺖ‪ .‬ﯾﻌﻨﯽ اﯾﻦ روش از ﻣﺮﺗﺒﮥ دوم اﺳﺖ‪.‬‬

‫ﻓﺮﻣﻮل ﺑﻨﺪي ﺑﺘﺎ ) (‬

‫ﺑﺮاي ﻣﻌﺎدﻟﮥ ﻣﺪل )‪ (3-1‬ﺷﮑﻞ ﮐﻠﯽ ﻣﻌﺎدﻟﻪ ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﺑﻪ ﺻﻮرت زﯾﺮ اﺳﺖ‪.‬‬

‫‪−‬‬ ‫‪−2‬‬ ‫‪+‬‬ ‫‪−2 +‬‬

‫=‬ ‫ ‬ ‫ ) ‪+ (1 −‬‬ ‫)‪ (3 − 17‬‬
‫) ∆(‬ ‫) ∆(‬ ‫) ∆(‬

‫≤ ‪ 0.5‬ﺑﯽ ﻗﯿﺪ و ﺷﺮط ﭘﺎﯾﺪار اﺳﺖ‪ .‬ﺑﻪ ازاي ‪ ، β = 0.5‬اﯾﻦ روش ﻫﻤﺎن روش ﺿﻤﻨﯽ ﮐﺮﻧﮏ – ﻧﯿﮑﻠﺴﻮن اﺳﺖ‪ .‬ﺑﺮاي‬ ‫اﯾﻦ روش ﺑﺮاي ‪≤ 1‬‬
‫≤ ‪ ، 0‬اﯾﻦ ﻓﺮﻣﻮل ﺑﻨﺪي ﺑﻪ ﺻﻮرت ﻣﺸﺮوط ﭘﺎﯾﺪار اﺳﺖ‪ .‬ﺑﺮاي ‪ β = 0‬اﯾﻦ ﻓﺮﻣﻮل ﺑﻨﺪي ﺑﻪ روش ﺻﺮﯾﺢ )‪ (FTCS‬ﺗﺒﺪﯾﻞ ﻣﯽ ﺷﻮد‪.‬‬ ‫‪≤ 0.5‬‬
‫ﺳﯿﺎﻟﯽ را ﺑﯿﻦ دو ﺻﻔﺤﻪ ي ﻧﺎﻣﺤﺪود ﻣﻮازي در ﻧﻈﺮ ﺑﮕﯿﺮﯾﺪ ﺑﻪ ﮔﻮﻧﻪ اي ﮐﻪ ﮐﻨﺎره ﻫﺎي ﺻﻔﺤﺎت اﺛﺮي در ﺳﯿﺎل ﻧﺪارد‪ .‬ﺻﻔﺤﺎت ﻣﻮازي و ﺳﯿﺎل‬
‫ﺑﯿﻦ آﻧﻬﺎ در آﻏﺎز در ﺣﺎل ﺳﮑﻮن اﺳﺖ‪ .‬ﻫﻤﺎن ﮔﻮﻧﻪ ﮐﻪ در ﺷﮑﻞ )‪ (3-6‬ﻣﯽ ﺑﯿﻨﯿﺪ ﺻﻔﺤﻪ ﭘﺎﯾﯿﻨﯽ ﻧﺎﮔﻬﺎن در اﻣﺘﺪاد ‪ x‬ﺷﺘﺎب ﻣﯽ ﮔﯿﺮد‪ .‬دﺳﺘﮕﺎه‬
‫ﻣﺨﺘﺼﺎت ﺑﻪ ﮔﻮﻧﻪ اي اﻧﺘﺨﺎب ﻣﯽ ﺷﻮد ﮐﻪ دﯾﻮار ﭘﺎﯾﯿﻨﯽ ﺷﺎﻣﻞ ﺻﻔﺤﮥ ‪ xz‬و ﺑﺮ ﻣﺤﻮر ‪ y‬ﻋﻤﻮد ﺑﺎﺷﺪ‪ .‬ﻓﺎﺻﻠﮥ دو ﺻﻔﺤﻪ ﺑﺮاﺑﺮ ‪ h‬اﺳﺖ‪.‬‬

‫ﻣﻌﺎدﻟﮥ ﻧﺎوﯾﺮ – اﺳﺘﻮﮐﺲ ﺑﺮاي اﯾﻦ ﻣﺴﺄﻟﻪ ﺑﻪ ﺻﻮرت زﯾﺮ اﺳﺖ‪.‬‬

‫=‬

‫ﻟﺰﺟﺖ ﺳﯿﻨﻤﺎﺗﯿﮑﯽ ﺳﯿﺎل اﺳﺖ‪ .‬ﭘﺮوﻓﯿﻞ ﺳﺮﻋﺖ را ﻣﺤﺎﺳﺒﻪ ﻣﯽ ﮐﻨﯿﻢ‪ .‬ﺷﺮط اوﻟﯿﻪ و ﻣﺮزي ﺑﺮاي اﯾﻦ ﻣﺴﺄﻟﻪ ﻋﺒﺎرت اﺳﺖ از‪:‬‬ ‫ﮐﻪ‬

‫اﻟﻒ )ﺷﺮط اوﻟﯿﻪ(‬

‫= ‪= 0 ,‬‬ ‫‪ for = 0‬‬

‫< ‪, = 0 for 0‬‬ ‫‪≤ℎ‬‬
‫ب )ﺷﺮاﯾﻂ ﻣﺮزي(‬

‫= ‪≥ 0 ,‬‬ ‫‪ for = 0‬‬

‫‪, = 0 for = ℎ‬‬
 ‫ﻣﻌﺎدﻻت ﺳﻬﻤﻮي دو ﺑﻌﺪي‬

‫ﺗﺎ اﯾﻦ ﻣﺮﺣﻠﻪ ‪ ،‬ﻓﺮﻣﻮل ﺑﻨﺪي ﻫﺎي ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﻣﺨﺘﻠﻔﯽ را ﺑﺮاي ﻣﻌﺎدﻻت دﯾﻔﺮاﻧﺴﯿﻞ ﺟﺰﺋﯽ ﺳﻬﻤﻮي ﺑﺎ در ﻧﻈﺮ ﮔﺮﻓﺘﻦ ﻣﻌﺎدﻟﮥ ﻣﺪل ﻏﯿﺮ داﺋﻢ‬
‫و ﯾﮏ ﺑﻌﺪي ‪ ،‬ﺑﺮرﺳﯽ ﮐﺮدﯾﻢ‪ .‬در اﯾﻦ ﺑﺨﺶ ‪ ،‬ﻣﺴﺄﻟﻪ را ﺑﻪ دو ﺑﻌﺪ ﻣﮑﺎﻧﯽ ﺗﻌﻤﯿﻢ و روش ﺣﻞ ﻣﻔﯿﺪي را ﺑﺮاي آن ﻧﺸﺎن ﻣﯽ دﻫﯿﻢ‪ .‬ﻣﻌﺎدﻟﻪ ﻣﺪل زﯾﺮ‬
‫را در ﻧﻈﺮ ﺑﮕﯿﺮﯾﺪ‪:‬‬

‫ =‬ ‫‪+‬‬ ‫)‪ (3 − 18‬‬

‫ﻣﻘﺪار ﺛﺎﺑﺘﯽ اﺳﺖ‪.‬‬ ‫ﮐﻪ در آن‬

‫ﻣﻌﺎدﻟﮥ ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﺻﺮﯾﺤﯽ ﮐﻪ در آن از ﺗﻔﺎﺿﻞ ﭘﯿﺸﺮو ﺑﺮاي ﻣﺸﺘﻖ زﻣﺎن و ﺗﻔﺎﺿﻞ ﻣﺮﮐﺰي ﺑﺮاي ﻣﺸﺘﻖ ﻫﺎي ﻣﮑﺎن اﺳﺘﻔﺎده ﻣﯽ ﺷﻮد ‪ ،‬ﺑﻪ‬
‫ﺻﻮرت زﯾﺮ اﺳﺖ‪:‬‬

‫‪,‬‬ ‫‪−‬‬ ‫‪,‬‬ ‫‪,‬‬ ‫‪−2 , +‬‬ ‫‪,‬‬ ‫‪,‬‬ ‫‪−2 , +‬‬ ‫‪,‬‬
‫=‬ ‫ ‪+‬‬ ‫)‪ (3 − 19‬‬
‫∆‬ ‫) ∆(‬ ‫) ∆(‬

‫اﯾﻦ ﻣﻌﺎدﻟﻪ از ﻣﺮﺗﺒﮥ ] ) ∆( ‪ [(∆ ), (∆ ) ,‬اﺳﺖ‪ .‬ﺗﺤﻠﯿﻞ ﭘﺎﯾﺪاري ﻧﺸﺎن ﻣﯽ دﻫﺪ ﮐﻪ اﯾﻦ روش در ﺻﻮرﺗﯽ ﭘﺎﯾﺪار اﺳﺖ ﮐﻪ‪:‬‬

‫∆‬ ‫∆‬ ‫‪1‬‬

‫ ‪+‬‬ ‫≤‬
‫) ∆(‬ ‫) ∆(‬ ‫‪2‬‬
‫ﺑﺎ ﺗﻌﺮﯾﻒ اﻋﺪاد اﻧﺘﺸﺎر ﺑﻪ ﺻﻮرت‪:‬‬
‫∆‬
‫=‬
‫) ∆(‬
‫و‬
‫∆‬
‫=‬
‫) ∆(‬
‫ﺷﺮط ﭘﺎﯾﺪاري ﭼﻨﯿﻦ ﻣﯽ ﺷﻮد‪:‬‬
‫‪1‬‬
‫‪+‬‬ ‫≤‬
‫‪2‬‬
‫ﺑﺮاي اﻧﺠﺎم ﻣﻘﺎﯾﺴﻪ اي ﺳﺎده ﺑﯿﻦ اﯾﻦ ﺷﺮط ﭘﺎﯾﺪاري و ﺷﺮط ﭘﺎﯾﺪاري ﯾﮏ ﻣﻌﺎدﻟﮥ ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﯾﮏ ﺑﻌﺪي ]ﯾﻌﻨﯽ ﻣﻌﺎدﻟﮥ )‪ [(3-8‬ﮔﺎم ﻫﺎي ﻣﮑﺎﻧﯽ‬
‫و ﺷﺮط ﭘﺎﯾﺪاري ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ﺟﺰﺋﯽ )‪ (3-19‬ﺑﻪ‬ ‫=‬ ‫=‬ ‫ﻣﺴﺎوي ﺑﻪ ﮔﻮﻧﻪ اي اﻧﺘﺨﺎب ﮐﻨﯿﺪ ﮐﻪ ∆ = ∆ ﺑﺎﺷﺪ‪ .‬در ﻧﺘﯿﺠﻪ‬
‫اﺳﺖ‪ .‬اﯾﻦ ﺷﺮط ﻧﺼﻒ ﺷﺮط ﭘﺎﯾﺪاري ﺣﺎﻟﺖ ﯾﮏ ﺑﻌﺪي اﺳﺖ‪ .‬ﭼﻨﯿﻦ ﻣﺤﺪودﯾﺖ دﺳﺖ و ﭘﺎ ﮔﯿﺮي ﺑﺮ روي ﮔﺎم ‪ ،‬ﻓﺮﻣﻮل ﺑﻨﺪي‬ ‫ﺻﻮرت ‪≤ 0.25‬‬
‫ﺻﺮﯾﺢ )‪ (3-19‬را ﺑﺮاي ﺑﺮﺧﯽ ﮐﺎرﺑﺮدﻫﺎ روﺷﯽ ﻏﯿﺮ ﻋﻤﻠﯽ ﻣﯽ ﮐﻨﺪ‪.‬‬

‫در ﻋﻮض ﻓﺮﻣﻮل ﺑﻨﺪي ﺿﻤﻨﯽ را ﺑﺎ ﻣﻌﺎدﻟﮥ ﺗﻔﺎﺿﻞ ﻣﺤﺪود زﯾﺮ در ﻧﻈﺮ ﺑﮕﯿﺮﯾﺪ‪:‬‬

‫‪,‬‬ ‫‪−‬‬ ‫‪,‬‬ ‫‪,‬‬ ‫‪−2 , +‬‬ ‫‪,‬‬ ‫‪,‬‬ ‫‪−2 , +‬‬ ‫‪,‬‬
‫=‬ ‫ ‪+‬‬ ‫ ‬
‫∆‬ ‫) ∆(‬ ‫) ∆(‬

‫ﮐﻪ از آن دارﯾﻢ‪:‬‬

‫ ‬ ‫‪,‬‬ ‫‪+‬‬ ‫ ‬ ‫‪,‬‬ ‫‪− 2‬‬ ‫‪+2‬‬ ‫ ‪+1‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫ ‬ ‫‪,‬‬ ‫‪+‬‬ ‫ ‬ ‫‪,‬‬ ‫ ‪= −‬‬ ‫‪,‬‬ ‫)‪ (3 − 20‬‬
 ‫ﺑﺎ ﺗﻌﺮﯾﻒ ﺿﺮاﯾﺐ ﺟﻤﻠﻪ ﻫﺎي ﻣﺠﻬﻮل ﺑﺎ ‪ e ، d ، c ، b ، a‬و ﻫﻤﭽﻨﯿﻦ ﻃﺮف راﺳﺖ ﺑﺎ ‪ ، f‬ﻣﻌﺎدﻟﻪ )‪ (3-20‬را ﺑﻪ ﺷﮑﻞ زﯾﺮ ﻣﯽ ﻧﻮﯾﺴﯿﻢ‪:‬‬

‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫=‬ ‫‪,‬‬

‫ﺑﺮاي ﺑﺤﺚ در ﻣﻮرد اﯾﻦ ﻣﻮﺿﻮع ‪ ،‬ﯾﮏ دﺳﺘﮕﺎه ﺷﺒﮑﻪ ‪ 5‬در ‪ 5‬را ﻣﻄﺎﺑﻖ ﺷﮑﻞ ‪ 3-12‬در ﻧﻈﺮ ﺑﮕﯿﺮﯾﺪ‪ .‬در ﻣﻘﻄﻊ زﻣﺎﻧﯽ ‪ 9 ، n+1‬ﻣﺠﻬﻮل وﺟﻮد دارد‪.‬‬
‫ﺑﻨﺎﺑﺮاﯾﻦ ‪ 9‬ﻣﻌﺎدﻟﻪ ﺑﺎﯾﺪ ﺑﻪ ﻃﻮر ﻫﻢ زﻣﺎن ﺣﻞ ﺷﻮﻧﺪ‪ .‬ﻣﻌﺎدﻻت ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﺿﻤﻨﯽ ﺑﺮاي ﻧﻘﺎط ﺷﺒﮑﮥ ﺷﮑﻞ ‪ 3-12‬ﺑﺮاﺑﺮﻧﺪ ﺑﺎ‪:‬‬

‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫=‬ ‫‪,‬‬ ‫‪−‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫‪−‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬

‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫=‬ ‫‪,‬‬ ‫‪−‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬

‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫=‬ ‫‪,‬‬ ‫‪−‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫‪−‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬

‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫=‬ ‫‪,‬‬ ‫‪−‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬

‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫=‬ ‫‪,‬‬

‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫=‬ ‫‪,‬‬ ‫‪−‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬

‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫=‬ ‫‪,‬‬ ‫‪−‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫‪−‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬

‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫=‬ ‫‪,‬‬ ‫‪−‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬

‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫=‬ ‫‪,‬‬ ‫‪−‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫‪−‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬

‫ﮐﻪ ﻫﻤﮥ ﮐﻤﯿﺖ ﻫﺎي ﻣﻌﻠﻮم ﻣﺮﺑﻮط ﺑﻪ ﺷﺮاﯾﻂ اوﻟﯿﻪ را ﺑﻪ ﺳﻤﺖ راﺳﺖ ﻣﻌﺎدﻻت ﺑﺮده و ﺑﺎ ﻣﻘﺎدﯾﺮ ﻣﺮﺑﻮط ﺑﻪ ﻣﺮﺣﻠﻪ زﻣﺎﻧﯽ ﭘﯿﺸﯿﻦ )‪ (n‬ﺟﻤﻊ ﮐﺮدﯾﻢ‪.‬‬
‫داده ﻫﺎي ﻣﻘﻄﻊ زﻣﺎﻧﯽ ‪ n‬از روي ﺷﺮاﯾﻂ اوﻟﯿﻪ ﺗﺤﻤﯿﻠﯽ اوﻟﯿﻦ ﻣﺮﺣﻠﮥ ﻣﺤﺎﺳﺒﺎت و ﭘﯿﺮو آن از ﺣﻞ ﻣﺮﺣﻠﻪ ﻗﺒﻞ ﺣﺎﺻﻞ ﻣﯽ ﺷﻮد‪ .‬ﻣﺠﻤﻮﻋﮥ ﻣﻌﺎدﻻت‬
‫را ﺑﻪ ﺷﮑﻞ ﻣﺎﺗﺮﯾﺴﯽ زﯾﺮ ﻣﯽ ﺗﻮان ﻧﻮﺷﺖ‪:‬‬

‫ﻣﺎﺗﺮﯾﺲ ﺿﺮاﯾﺐ ﭘﻨﺞ ﻗﻄﺮي اﺳﺖ‪ .‬روش ﺣﻞ ﯾﮏ دﺳﺘﮕﺎه ﻣﻌﺎدﻻت ﭘﻨﺞ ﻗﻄﺮي ﻧﯿﺰ زﻣﺎن زﯾﺎدي ﻻزم دارد‪ .‬ﯾﮏ روش ﺑﺮاي ﺑﺮﻃﺮف ﮐﺮدن‬
‫ﮐﺎﺳﺘﯽ ﻫﺎ و ﻋﺪم ﮐﺎراﯾﯽ آن ‪ ،‬روش ﺟﺪاﮐﺮدن اﺳﺖ‪ .‬ﻧﺎم اﯾﻦ روش ‪ ،‬روش ﺿﻤﻨﯽ ﺑﺎ ﺟﻬﺖ ﻣﺘﻐﯿﯿﺮ )‪ (ADI‬اﺳﺖ‪ .‬در اﯾﻦ روش دو دﺳﺘﻪ ﻣﻌﺎدﻻت‬
‫ﺳﻪ ﻗﻄﺮي ﻫﻢ زﻣﺎن اﯾﺠﺎد ﻣﯽ ﺷﻮد ﮐﻪ ﺑﺎﯾﺪ ﺑﻪ ﺗﺮﺗﯿﺐ ﺣﻞ ﺷﻮﻧﺪ‪ .‬ﻗﺒﻼً روش ﮐﺎرآﻣﺪي را ﺑﺮاي ﺣﻞ ﻣﻌﺎدﻻت ﺳﻪ ﻗﻄﺮي ﻣﻌﺮﻓﯽ ﮐﺮدﯾﻢ‪ .‬ﻣﻌﺎدﻻت‬
‫ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﻣﻌﺎدﻟﻪ ﻣﺪل )‪ (3-7‬ﺑﺎ ﻓﺮﻣﻮل ﺑﻨﺪي )‪ (ADI‬ﺑﻪ ﺻﻮرت زﯾﺮ اﺳﺖ‪:‬‬

‫‪,‬‬
‫‪−‬‬ ‫‪,‬‬ ‫‪,‬‬
‫‪−2‬‬ ‫‪,‬‬
‫‪+‬‬ ‫‪,‬‬ ‫‪,‬‬ ‫‪−2 , +‬‬ ‫‪,‬‬
‫=‬ ‫ ‪+‬‬ ‫) ‪ (3 − 21‬‬
‫∆‬ ‫) ∆(‬ ‫) ∆(‬
‫‪2‬‬
‫و‬

‫‪,‬‬ ‫‪−‬‬ ‫‪,‬‬ ‫‪,‬‬

‫‪−2‬‬ ‫‪,‬‬
‫‪+‬‬ ‫‪,‬‬ ‫‪,‬‬ ‫‪−2 , +‬‬ ‫‪,‬‬
‫=‬ ‫ ‪+‬‬ ‫) ‪ (3 − 21‬‬
‫∆‬ ‫) ∆(‬ ‫) ∆(‬
‫‪2‬‬

‫اﯾﻦ روش از ﻣﺮﺗﺒﮥ ] ) ∆( ‪ [(∆ ) , (∆ ) ,‬و ﺑﯽ ﻗﯿﺪ و ﺷﺮط ﭘﺎﯾﺪار اﺳﺖ‪ .‬ﻣﻌﺎدﻻت )‪ (3-21a‬و )‪ (3-21b‬ﺑﻪ ﺷﮑﻞ ﺳﻪ ﻗﻄﺮي زﯾﺮ ﻧﻮﺷﺘﻪ‬
‫ﻣﯽ ﺷﻮﻧﺪ‪.‬‬

‫‪−‬‬ ‫‪,‬‬
‫‪+ (1 + 2‬‬ ‫ )‬ ‫‪,‬‬
‫‪−‬‬ ‫ ‬ ‫‪,‬‬
‫=‬ ‫ ‬ ‫‪,‬‬ ‫‪+ (1 − 2‬‬ ‫ )‬ ‫‪,‬‬ ‫‪+‬‬ ‫ ‬ ‫‪,‬‬ ‫) ‪ (3 − 22‬‬

‫و‬

‫‪−‬‬ ‫ ‬ ‫‪,‬‬ ‫‪+ (1 + 2‬‬ ‫ )‬ ‫‪,‬‬ ‫‪−‬‬ ‫ ‬ ‫‪,‬‬ ‫=‬ ‫ ‬ ‫‪,‬‬

‫‪+ (1 − 2‬‬ ‫ )‬ ‫‪,‬‬
‫‪+‬‬ ‫ ‬ ‫‪,‬‬
‫) ‪ (3 − 22‬‬
 ‫ﮐﻪ در آن‪:‬‬
‫‪1‬‬ ‫ ‪1‬‬
‫ =‬ ‫ =‬
‫‪2‬‬ ‫) (‪2‬‬
‫‪1‬‬ ‫ ‪1‬‬
‫ =‬ ‫ =‬
‫‪2‬‬ ‫) (‪2‬‬
‫روش ﺣﻞ ﺑﺎ ﺣﻞ دﺳﺘﮕﺎه )‪ (3-22a‬ﺷﺮوع ﻣﯽ ﺷﻮد‪ .‬ﻓﺮﻣﻮل ﺑﻨﺪي ﻣﻌﺎدﻟﻪ )‪ (3-22a‬در ﺟﻬﺖ ‪ x‬ﺿﻤﻨﯽ و در ﺟﻬﺖ ‪ y‬ﺻﺮﯾﺢ اﺳﺖ ‪ ،‬ﺑﻨﺎﺑﺮاﯾﻦ ﺣﻞ‬
‫در اﯾﻦ ﻣﺮﺣﻠﻪ را ﺟﺎرو ﮐﺮدن در ﺟﻬﺖ ‪ x‬ﻣﯽ ﮔﻮﯾﻨﺪ‪ .‬ﺟﻮاب ﻣﻌﺎدﻟﮥ ﺳﻪ ﻗﻄﺮي )‪ ، (3-22a‬داده ﻫﺎي ﻣﻮرد ﻧﯿﺎز ﺑﺮاي ﺳﻤﺖ راﺳﺖ ﻣﻌﺎدﻟﮥ‬

‫)‪ (3-22b‬را ﻓﺮاﻫﻢ ﻣﯽ ﮐﻨﺪ ﺗﺎ ﺑﺘﻮان ﻣﻌﺎدﻟﮥ ﺳﻪ ﻗﻄﺮي )‪ (3-22b‬را ﺣﻞ ﮐﺮد‪.‬‬

‫اﯾﻦ ﻣﻌﺎدﻟﻪ ﺗﻔﺎﺿﻞ ﻣﺤﺪود در ﺟﻬﺖ ‪ y‬ﺿﻤﻨﯽ و در ﺟﻬﺖ ‪ x‬ﺻﺮﯾﺢ اﺳﺖ و ﺑﻪ آن ﺟﺎرو ﮐﺮدن در ﺟﻬﺖ ‪ y‬ﻣﯽ ﮔﻮﯾﻨﺪ‪ .‬اﯾﻦ روش در ﺷﮑﻞ ‪3-13‬‬
‫ﻧﺸﺎن داده ﺷﺪه اﺳﺖ‪.‬‬
 ‫ﺑﺴﻂ روش ﺑﻪ ﺣﺎﻟﺖ ﺳﻪ ﺑﻌﺪي‬

‫روش )‪ (ADI‬ﮐﻪ ﺑﺮاي ﻣﻌﺎدﻟﻪ ﺳﻬﻤﻮي دو ﺑﻌﺪي ﻏﯿﺮ داﺋﻢ ﺑﺮرﺳﯽ ﺷﺪ ‪ ،‬ﺑﻪ ﺣﺎﻟﺖ ﺳﻪ ﺑﻌﺪي ﺗﻌﻤﯿﻢ ﻣﯽ دﻫﯿﻢ ‪ ،‬ﮐﻪ در ﻧﺘﯿﺠﻪ ﮔﺎم ﻫﺎي زﻣﺎﻧﯽ‬
‫‪ n + ، n + ، n‬و ‪ n+1‬را ﺷﺎﻣﻞ ﻣﯽ ﺷﻮد‪ .‬ﻣﻌﺎدﻻت ﺣﺎﺻﻞ ﺑﺮاي ﻣﻌﺎدﻟﻪ ﻣﺪل‬

‫ =‬ ‫‪+‬‬ ‫‪+‬‬ ‫)‪ (3 − 35‬‬

‫ﻋﺒﺎرﺗﻨﺪ از‪:‬‬

‫‪, ,‬‬
‫‪−‬‬ ‫‪, ,‬‬ ‫ ‬ ‫‪, ,‬‬ ‫ ‬ ‫‪, ,‬‬ ‫ ‬ ‫‪, ,‬‬
‫ =‬ ‫‪+‬‬ ‫‪+‬‬
‫∆‬ ‫) ∆(‬ ‫) ∆(‬ ‫) ∆(‬
‫‪3‬‬

‫‪, ,‬‬
‫‪−‬‬ ‫‪, ,‬‬
‫ ‬ ‫‪, ,‬‬
‫ ‬ ‫‪, ,‬‬
‫ ‬ ‫‪, ,‬‬
‫ =‬ ‫‪+‬‬ ‫‪+‬‬
‫∆‬ ‫) ∆(‬ ‫) ∆(‬ ‫) ∆(‬
‫‪3‬‬

‫‪, ,‬‬ ‫‪−‬‬ ‫‪, ,‬‬

‫ ‬ ‫‪, ,‬‬
‫ ‬ ‫‪, ,‬‬ ‫ ‬ ‫‪, ,‬‬
‫ =‬ ‫‪+‬‬ ‫‪+‬‬
‫∆‬ ‫) ∆(‬ ‫) ∆(‬ ‫) ∆(‬
‫‪3‬‬

‫اﯾﻦ روش از ﻣﺮﺗﺒﮥ ] ) ∆( ‪ [(∆ ), (∆ ) , (∆ ) ,‬ﻣﯽ ﺑﺎﺷﺪ و ﺷﺮط ﭘﺎﯾﺪاري آن ﺑﻪ ﺻﻮرت زﯾﺮ اﺳﺖ‪:‬‬
‫‪3‬‬
‫ ‬ ‫‪+‬‬ ‫‪+‬‬ ‫≤‬
‫‪2‬‬

‫ﺗﺤﻠﯿﻞ ﻫﻤﺴﺎزي ﻣﻌﺎدﻻت ﺗﻔﺎﺿﻞ ﻣﺤﺪود‬

‫ﻃﺒﻖ ﺗﻌﺮﯾﻒ ﻗﺒﻠﯽ ‪ ،‬ﻣﻌﺎدﻟﮥ ﺗﻔﺎﺿﻞ ﻣﺤﺪودي ﮐﻪ ﯾﮏ ﻣﻌﺎدﻟﮥ دﯾﻔﺮاﻧﺴﯿﻞ ﺟﺰﺋﯽ را ﺗﻘﺮﯾﺐ ﻣﯽ زﻧﺪ ‪ ،‬در ﺻﻮرﺗﯽ ﻫﻤﺴﺎز اﺳﺖ ﮐﻪ ﺑﺎ ﮐﺎﻫﺶ اﻧﺪازة‬
‫ﮔﺎم ﺑﻪ ﺳﻤﺖ ﺻﻔﺮ ‪ ،‬ﻣﻌﺎدﻟﮥ ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﺑﻪ ﺳﻤﺖ ﻣﻌﺎدﻟﮥ دﯾﻔﺮاﻧﺴﯿﻞ ﺟﺰﺋﯽ اﺻﻠﯽ ﻣﯿﻞ ﮐﻨﺪ‪ .‬در اﯾﻦ ﺑﺨﺶ ﺳﺎزﮔﺎري ﺑﺮﺧﯽ از روش ﻫﺎﯾﯽ را ﮐﻪ‬
‫در ﺑﺨﺶ ﻫﺎي ﻗﺒﻠﯽ ﺑﻪ ﮐﺎر ﺑﺮدﯾﻢ ‪ ،‬ﺑﺮرﺳﯽ ﻣﯽ ﮐﻨﯿﻢ‪ .‬از آﻧﺠﺎ ﮐﻪ روش ﮐﺎر ﺳﺎده و ﺳﺮراﺳﺖ اﺳﺖ ‪ ،‬ﺗﻨﻬﺎ ﭼﻨﺪ ﻣﺜﺎل ﻣﯽ آورﯾﻢ‪ .‬ﺑﻪ ﻋﻨﻮان اوﻟﯿﻦ‬
‫ﻣﺜﺎل ‪ ،‬ﻣﻌﺎدﻟﮥ ﻣﺪل )‪ (3-1‬را در ﻧﻈﺮ ﺑﮕﯿﺮﯾﺪ‪ .‬ﯾﻌﻨﯽ‪:‬‬

‫ =‬

‫ﮐﻪ ﺗﻘﺮﯾﺐ ﺗﻔﺎﺿﻞ ﻣﺤﺪود آن ﺑﺎ اﺳﺘﻔﺎده از روش ﺻﺮﯾﺢ )‪ (FTCS‬ﭼﻨﯿﻦ اﺳﺖ‪:‬‬

‫‪−‬‬ ‫‪− 2 +‬‬

‫ =‬ ‫)‪ (3 − 36‬‬
‫∆‬ ‫) ∆(‬
 ‫ﻫﺮ ﺟﻤﻠﮥ ‪ u‬را ﺣﻮل ﻧﻘﻄﮥ ‪ u‬ﺑﺴﻂ ﺗﯿﻠﻮر ﻣﯽ دﻫﯿﻢ‪ .‬در ﻧﺘﯿﺠﻪ‪:‬‬

‫) ∆(‬
‫=‬ ‫‪+‬‬ ‫‪(∆ ) +‬‬ ‫ ‬ ‫)‪+ O(∆ ) (3 − 37‬‬
‫!‪2‬‬

‫) ∆(‬ ‫) ∆(‬
‫=‬ ‫‪+‬‬ ‫‪(∆ ) +‬‬ ‫ ‬ ‫‪+‬‬ ‫ ‬ ‫)‪+ O(∆ ) (3 − 38‬‬
‫!‪2‬‬ ‫!‪3‬‬

‫) ∆(‬ ‫) ∆(‬
‫=‬ ‫‪−‬‬ ‫‪(∆ ) +‬‬ ‫ ‬ ‫‪−‬‬ ‫ ‬ ‫)‪+ O(∆ ) (3 − 39‬‬
‫!‪2‬‬ ‫!‪3‬‬

‫ﺑﺎ ﻗﺮار دادن ﻣﻌﺎدﻻت )‪ (3-38) ، (3-37‬و )‪ (3-39‬در ﻣﻌﺎدﻟﻪ )‪ (3-36‬ﻧﺘﯿﺠﻪ ﻣﯽ ﺷﻮد‪:‬‬

‫‪1‬‬ ‫) ∆(‬
‫‪+‬‬ ‫‪(∆ ) +‬‬ ‫ ‬ ‫‪+ O(∆ ) −‬‬ ‫=‬
‫∆‬ ‫!‪2‬‬

‫ ‬ ‫) ∆(‬ ‫) ∆(‬
‫ ‬ ‫‪+‬‬ ‫‪(∆ ) +‬‬ ‫ ‬ ‫‪+‬‬ ‫ ‬ ‫‪+ O(∆ ) − 2‬‬
‫) ∆(‬ ‫!‪2‬‬ ‫!‪3‬‬

‫) ∆(‬ ‫) ∆(‬
‫ ‪+‬‬ ‫‪−‬‬ ‫‪(∆ ) +‬‬ ‫ ‬ ‫‪−‬‬ ‫ ‬ ‫) ∆(‪+ O‬‬
‫!‪2‬‬ ‫!‪3‬‬

‫ﮐﻪ از آن دارﯾﻢ‪:‬‬

‫∆‬
‫‪+‬‬ ‫ ‬ ‫) ∆(‪+ O‬‬ ‫=‬ ‫) ∆(‪+ O‬‬
‫‪2‬‬

‫ﯾﺎ‬

‫∆‬
‫ =‬ ‫ ‪−‬‬ ‫] ) ∆( ‪+ O [(∆ ) +‬‬
‫‪2‬‬

‫ﻻزﻣﮥ ﻫﻤﺴﺎزي اﯾﻦ اﺳﺖ ﮐﻪ ﺑﺎ ﻣﯿﻞ دادن ﮔﺎم ﻫﺎي ∆ و ∆ ﺑﻪ ﺳﻤﺖ ﺻﻔﺮ ‪ ،‬ﻣﻌﺎدﻟﮥ ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﺑﺎﯾﺪ ﺑﻪ ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ﺟﺰﺋﯽ اوﻟﯿﻪ‬

‫ﺑﺪﺳﺖ ﻣﯽ آﯾﺪ‪ .‬ﺑﻨﺎﺑﺮاﯾﻦ روش ﻫﻤﺴﺎز‬ ‫ =‬ ‫ﺗﺒﺪﯾﻞ ﺷﻮد‪ .‬در اﯾﻦ ﻣﺜﺎل ﻫﺮﮔﺎه ‪ ، ∆ , ∆ → 0‬ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ﺟﺰﺋﯽ اوﻟﯿﻪ ‪ ،‬ﯾﻌﻨﯽ‬
‫اﺳﺖ‪.‬‬

‫ﺑﻪ ﻋﻨﻮان دوﻣﯿﻦ ﻣﺜﺎل ‪ ،‬روش دوﻓﻮرت – ﻓﺮاﻧﮑﻞ را در ﻧﻈﺮ ﺑﮕﯿﺮﯾﺪ‪ .‬ﻓﺮﻣﻮل ﺑﻨﺪي ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﻣﻌﺎدﻟﮥ ﻣﺪل ﻓﻮق ﺑﻪ ﺻﻮرت زﯾﺮ اﺳﺖ‪:‬‬

‫ ) ‪(1 + 2‬‬ ‫ ) ‪= (1 − 2‬‬ ‫( ‪+ 2‬‬ ‫‪+‬‬ ‫)‪) (3 − 40‬‬

‫ﮐﻪ در آن‪:‬‬

‫∆‬
‫=‬ ‫)‪ (3 − 41‬‬
‫) ∆(‬
 ‫ﺑﺴﻂ ﺗﯿﻠﻮر ﻣﯽ دﻫﯿﻢ و ﻧﺘﺎﯾﺞ ﺣﺎﺻﻞ را در ﻣﻌﺎدﻟﻪ )‪(3-40‬‬ ‫را ﺣﻮل ﻧﻘﻄﮥ‬ ‫و‬ ‫‪،‬‬ ‫‪،‬‬ ‫ﻣﺸﺎﺑﻪ روش ﻗﺒﻞ ‪ ،‬ﻋﺒﺎرت ﻫﺎي‬
‫ﺟﺎﯾﮕﺰﯾﻦ ﻣﯽ ﮐﻨﯿﻢ ﺗﺎ ﻧﺘﺎﯾﺞ زﯾﺮ ﺑﺪﺳﺖ آﯾﺪ‪:‬‬

‫) ∆(‬ ‫) ∆(‬
‫ ) ‪(1 + 2‬‬ ‫‪+‬‬ ‫‪(∆ ) +‬‬ ‫ ‬ ‫‪+‬‬ ‫ ‬ ‫) ∆(‪+ O‬‬ ‫=‬
‫!‪2‬‬ ‫!‪3‬‬

‫) ∆(‬ ‫) ∆(‬
‫ ) ‪(1 − 2‬‬ ‫‪−‬‬ ‫‪(∆ ) +‬‬ ‫ ‬ ‫‪−‬‬ ‫ ‬ ‫) ∆(‪+ O‬‬
‫!‪2‬‬ ‫!‪3‬‬

‫) ∆(‬ ‫) ∆(‬
‫ ‪+ 2‬‬ ‫‪+‬‬ ‫‪(∆ ) +‬‬ ‫ ‬ ‫‪+‬‬ ‫ ‬ ‫) ∆(‪+ O‬‬
‫!‪2‬‬ ‫!‪3‬‬

‫) ∆(‬ ‫) ∆(‬
‫ ‪+‬‬ ‫‪−‬‬ ‫‪(∆ ) +‬‬ ‫ ‬ ‫‪−‬‬ ‫ ‬ ‫ ) ∆(‪+ O‬‬
‫!‪2‬‬ ‫!‪3‬‬

‫اﯾﻦ ﻣﻌﺎدﻟﻪ ﺑﻪ ﺻﻮرت زﯾﺮ ﺳﺎده ﻣﯽ ﺷﻮد‪:‬‬

‫) ( ‪(∆ ) +‬‬ ‫) ( = ) ∆(‪ (∆ ) + O‬‬ ‫] ) ∆(‪(∆ ) + ( )[O‬‬

‫ﺑﺎ ﺟﺎﯾﮕﺰﯾﻦ ﮐﺮدن راﺑﻄﮥ )‪ (3-41‬در ﻣﻌﺎدﻟﻪ اﺧﯿﺮ ﻧﺘﯿﺠﻪ ﻣﯽ ﺷﻮد‪:‬‬

‫∆‬ ‫∆‬ ‫∆‬

‫‪(∆ ) +‬‬ ‫ ‬ ‫= ) ∆(‪ (∆ ) + O‬‬ ‫ ‬ ‫‪ (∆ ) +‬‬ ‫] ) ∆(‪ [O‬‬
‫) ∆(‬ ‫) ∆(‬ ‫) ∆(‬

‫ﯾﺎ‬
‫∆‬
‫‪+‬‬ ‫=‬ ‫] ) ∆( ‪+ O [(∆ ) ,‬‬
‫∆‬

‫ﯾﺎ‬
‫∆‬
‫=‬ ‫‪+ O (∆ ) , (∆ ) ,‬‬
‫∆‬

‫∆‬
‫ﻧﯿﺰ ﺑﻪ ﺳﻤﺖ ﺻﻔﺮ ﻣﯿﻞ ﮐﻨﺪ‪ .‬ﺑﻨﺎﺑﺮاﯾﻦ‬ ‫∆‬
‫اﯾﻦ روش ﺗﻨﻬﺎ در ﺻﻮرﺗﯽ ﻫﻤﺴﺎز اﺳﺖ ﮐﻪ اﮔﺮ ∆ و ∆ ﺑﻪ ﺳﻤﺖ ﺻﻔﺮ ﻣﯿﻞ ﮐﻨﺪ ‪→ 0‬‬

‫ﮐﻪ ﻫﻤﺎن ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ﺟﺰﺋﯽ اوﻟﯿﻪ اﺳﺖ ﺑﺪﺳﺖ ﻣﯽ آﯾﺪ‪ .‬ﺷﺎﯾﺎن ذﮐﺮ اﺳﺖ ﮐﻪ اﮔﺮ ∆ ﺳﺮﯾﻌﺘﺮ از ∆ ﺑﻪ ﺳﻤﺖ ﺻﻔﺮ ﻣﯿﻞ‬ ‫ =‬
‫∆‬
‫ﺑﻪ ﺳﻤﺖ ﻣﻘﺪار ‪ K‬ﻣﯿﻞ ﻣﯽ ﮐﻨﺪ و ﻣﻌﺎدﻟﻪ ﺑﻪ ﺻﻮرت زﯾﺮ در ﻣﯽ آﯾﺪ‪:‬‬ ‫ﮐﻨﺪ ‪،‬‬
‫∆‬

‫‪+‬‬ ‫=‬

‫ﮐﻪ ﻧﺸﺎن دﻫﻨﺪة ﯾﮏ ﻣﻌﺎدﻟﻪ ﻫﺬﻟﻮﻟﻮي اﺳﺖ‪.‬‬

 ‫ﺧﻄﯽ ﮐﺮدن‬

‫ﻣﻌﺎدﻻت ﻣﺪﻟﯽ را ﮐﻪ ﺗﺎ اﯾﻦ ﻣﺮﺣﻠﻪ ﺑﺮرﺳﯽ ﮐﺮدﯾﻢ ‪ ،‬ﻫﻤﮕﯽ ﺧﻄﯽ ﺑﻮدﻧﺪ‪ .‬در ﺣﺎﻟﺖ ﮐﻠﯽ ﻣﻌﺎدﻻت ﻣﻮرد ﻧﻈﺮ در ﻣﮑﺎﻧﯿﮏ ﺳﯿﺎﻻت و اﻧﺘﻘﺎل ﺣﺮارت‬
‫ﻏﯿﺮ ﺧﻄﯽ ﻫﺴﺘﻨﺪ‪ .‬در اﯾﻦ ﺑﺨﺶ روش ﻫﺎي ﻣﺨﺘﻠﻒ ﺧﻄﯽ ﺳﺎزي ﻣﻌﺎدﻻت ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﺑﺮرﺳﯽ ﻣﯽ ﺷﻮﻧﺪ‪ .‬ﺑﺮاي ﻧﺸﺎن دادن روش ﺧﻄﯽ ﺳﺎزي‬
‫را )ﮐﻪ ﻋﺒﺎرت ﺟﺎ ﺑﻪ ﺟﺎﯾﯽ در ﻣﻌﺎدﻟﮥ ﻧﺎوﯾﺮ – اﺳﺘﻮﮐﺲ اﺳﺖ( در ﻧﻈﺮ ﺑﮕﯿﺮﯾﺪ‪ .‬در اﯾﻦ ﻣﺜﺎل ‪ ،‬ﺟﺮﯾﺎن دو ﺑﻌﺪي و ﺣﺎﻟﺖ‬ ‫‪ ،‬ﺟﻤﻠﻪ ﻏﯿﺮ ﺧﻄﯽ‬
‫داﺋﻢ ﻓﺮض ﺷﺪه اﺳﺖ و از روش ﺗﻔﺎﺿﻞ ﭘﯿﺸﺮو ﺑﺮاي ﺗﻘﺮﯾﺐ زدن ﻣﺸﺘﻖ ﺟﺰﺋﯽ اﺳﺘﻔﺎده ﻣﯽ ﺷﻮد‪ .‬ﺑﺮاي ﻫﺮ ﻣﮑﺎن ‪ ، i‬ﺧﻮاص در ﻫﻤﮥ ﮔﺴﺘﺮه ﻫﺎي ‪j‬‬
‫ﻣﻌﻠﻮم اﺳﺖ و ﻣﯽ ﺧﻮاﻫﯿﻢ ﺧﻮاص را در ﻣﮑﺎن )‪ (i+1‬ﻣﺤﺎﺳﺒﻪ ﻣﯽ ﮐﻨﯿﻢ‪.‬‬

‫روش ‪ – I‬ﺗﺄﺧﯿﺮي )‪(lagging‬‬

‫در اﯾﻦ روش ﺧﻄﯽ ﺳﺎزي ‪ ،‬ﺿﺮﯾﺐ ﻣﺸﺘﻖ را در ﻣﻮﻗﻌﯿﺖ ﻣﻌﻠﻮم )ﯾﻌﻨﯽ ‪ (i‬ﺣﺴﺎب ﮐﻨﯿﻢ‪ .‬ﺑﻨﺎﺑﺮاﯾﻦ ‪ ،‬ﺷﮑﻞ ﻣﻌﺎدﻟﻪ ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﺑﻪ ﺻﻮرت زﯾﺮ‬
‫اﺳﺖ‪:‬‬
‫‪,‬‬ ‫‪−‬‬ ‫‪,‬‬
‫‪,‬‬
‫∆‬
‫‪ u‬وﺟﻮد دارد و ﻋﺒﺎرت ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﺧﻄﯽ اﺳﺖ‪.‬‬ ‫‪,‬‬ ‫در اﯾﻦ ﻣﻌﺎدﻟﻪ ﺗﻨﻬﺎ ﯾﮏ ﻣﺠﻬﻮل‬

‫روش ‪ – II‬ﺗﮑﺮاري )‪(Iterative‬‬

‫در اﯾﻦ روش ‪ ،‬ﻣﻘﺪار ﺗﺄﺧﯿﺮي ‪ ،‬ﺗﺠﺪﯾﺪ ﻣﻘﺪار ﻣﯽ ﺷﻮد ﺗﺎ ﻣﻌﯿﺎر ﻫﻤﮕﺮاﯾﯽ ﻣﺸﺨﺼﯽ را ارﺿﺎ ﮐﻨﺪ‪ .‬اﮔﺮ ﻣﺮﺣﻠﮥ ﺗﮑﺮار را ﺑﺎ ‪ k‬ﻧﺸﺎن دﻫﯿﻢ ‪ ،‬ﻓﺮﻣﻮل‬
‫ﺑﻨﺪي ﺑﻪ ﺻﻮرت زﯾﺮ اﺳﺖ‪.‬‬
‫‪,‬‬ ‫‪−‬‬ ‫‪,‬‬
‫‪,‬‬
‫∆‬
‫‪،‬‬ ‫‪,‬‬ ‫‪ ،‬ﺿﺮﯾﺐ‬ ‫‪,‬‬ ‫ﺑﺮاﺑﺮ اﺳﺖ‪ .‬ﭘﺲ از ﻣﺤﺎﺳﺒﻪ‬ ‫‪,‬‬ ‫ﺑﺎ ﻣﻘﺪار در ﻣﻮﻗﻌﯿﺖ ﻗﺒﻠﯽ ‪ ،‬ﯾﻌﻨﯽ‬ ‫‪,‬‬ ‫ﺑﺮاي اوﻟﯿﻦ ﻣﺮﺣﻠﮥ ﺗﮑﺮار ‪ ،‬ﯾﻌﻨﯽ ‪، k = 1‬‬
‫ﺗﺠﺪﯾﺪ ﻣﻘﺪار ﻣﯽ ﺷﻮد و ﺑﻪ دﻧﺒﺎل آن ﺟﻮاب ﺟﺪﯾﺪ را ﺑﺪﺳﺖ ﻣﯽ آورﯾﻢ‪ .‬اﯾﻦ روش ﺗﺎ رﺳﯿﺪن ﺑﻪ ﻣﻘﺪار ﻣﻌﯿﺎر ﻫﻤﮕﺮاﯾﯽ اداﻣﻪ ﻣﯽ ﯾﺎﺑﺪ‪ .‬ﻣﻌﯿﺎر‬
‫ﻫﻤﮕﺮاﯾﯽ را ﻣﯽ ﺗﻮان ﺑﺎ ﯾﮑﯽ از دو ﻋﺒﺎرت زﯾﺮ )ﺑﺴﺘﻪ ﺑﻪ ﻧﻮع ﻣﺴﺄﻟﻪ( ﺑﯿﺎن ﮐﺮد‪.‬‬

‫‪,‬‬ ‫‪−‬‬ ‫‪,‬‬ ‫≤‬

‫ﯾﺎ‬

‫‪,‬‬ ‫‪−‬‬ ‫‪,‬‬

‫≤‬
‫‪,‬‬

‫روش ‪ – III‬ﺧﻄﯽ ﺳﺎزي ﺗﮑﺮاري ﻧﯿﻮﺗﻦ‬

‫ﺑﺮاي ﻧﺸﺎن دادن ﻃﺮز ﮐﺎر اﯾﻦ روش ‪ ،‬ﻋﺒﺎرت ﻏﯿﺮﺧﻄﯽ را ﺑﻪ ﺻﻮرت )‪ (A)(B‬در ﻧﻈﺮ ﺑﮕﯿﺮﯾﺪ‪ .‬ﺗﻐﯿﯿﺮ ﻣﻘﺪار ﻣﺘﻐﯿﺮ ‪ A‬ﺑﯿﻦ دو ﻣﺮﺣﻠﮥ ﺗﮑﺮار ﺑﺎ‬
‫ﻧﺸﺎن ﻣﯽ دﻫﯿﻢ‪ .‬در اﯾﻦ ﺻﻮرت‪:‬‬
 ‫=‬ ‫‪−‬‬
‫ﺑﻪ ﻫﻤﯿﻦ ﺗﺮﺗﯿﺐ‪:‬‬

‫=‬ ‫‪−‬‬
‫ﯾﺎ‬

‫=‬ ‫‪+‬‬ ‫)‪ (3 − 42‬‬

‫=‬ ‫‪+‬‬ ‫)‪ (3 − 43‬‬

‫ﻣﻘﺎدﯾﺮ )‪ (3-42‬و )‪ (3-43‬را در ﻋﺒﺎرت )‪ (A)(B‬ﺟﺎﯾﮕﺰﯾﻦ ﮐﻨﯿﺪ ﺗﺎ ﻋﺒﺎرت زﯾﺮ ﺑﺪﺳﺖ آﯾﺪ‪.‬‬

‫=‬ ‫‪+‬‬ ‫‪+‬‬ ‫=‬ ‫‪+‬‬ ‫‪+‬‬ ‫(‪+‬‬ ‫()‬ ‫)‬

‫( ‪ ،‬ﻣﻌﺎدﻟﻪ ﺑﻪ ﺻﻮرت زﯾﺮ ﻣﺮﺗﺐ ﻣﯽ ﺷﻮد‪:‬‬ ‫()‬ ‫ﭘﺲ از ﺣﺬف ﻋﺒﺎرت ﻣﺮﺗﺒﮥ دوم )‬

‫=‬ ‫‪+‬‬ ‫ ‬ ‫‪−‬‬ ‫‪+‬‬ ‫ ‬ ‫‪−‬‬

‫=‬ ‫‪+‬‬ ‫‪−‬‬ ‫‪+‬‬ ‫‪−‬‬ ‫=‬ ‫‪+‬‬ ‫‪−‬‬

‫ﻣﻮرد ﻧﻈﺮ ﺑﻮد دارﯾﻢ‪:‬‬ ‫ﺣﺎل ‪ ،‬ﺑﺮاي ﻣﺴﺄﻟﻪ ﻗﺒﻠﯽ ﮐﻪ ﺧﻄﯽ ﮐﺮدن‬

‫=‬ ‫‪+‬‬ ‫‪−‬‬

‫ﺑﺎ ﺗﻔﺎﺿﻞ ﭘﯿﺸﺮو‪:‬‬

‫‪,‬‬ ‫‪−‬‬ ‫‪,‬‬ ‫‪,‬‬ ‫‪−‬‬ ‫‪,‬‬ ‫‪,‬‬ ‫‪−‬‬ ‫‪,‬‬
‫=‬ ‫‪,‬‬ ‫ ‬ ‫‪+‬‬ ‫‪,‬‬ ‫ ‬ ‫‪−‬‬ ‫‪,‬‬ ‫ ‬ ‫=‬
‫∆‬ ‫∆‬ ‫∆‬

‫‪1‬‬
‫ ‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫‪−‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫‪−‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫‪−‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬
‫∆‬

‫ﺑﻨﺎﺑﺮاﯾﻦ‪:‬‬

‫‪1‬‬
‫=‬ ‫‪ 2‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫‪−‬‬ ‫‪,‬‬ ‫‪−‬‬ ‫‪,‬‬ ‫ ‬ ‫‪,‬‬ ‫ ‬
‫∆‬

‫روش ﺧﻄﯽ ﺳﺎزي ﻓﻮق ‪ ،‬از ﻣﺘﺪاول ﺗﺮﯾﻦ روش ﻫﺎي ﺧﻄﯽ ﺳﺎزي در روش ﻫﺎي ﻋﺪدي اﺳﺖ‪.‬‬
 ‫ﻣﻌﺎدﻻت ﺑﯿﻀﻮي‬

‫ﻣﻘﺪﻣﻪ‬

‫ﻣﻌﺎدﻻت ﺣﺎﮐﻢ در ﻣﮑﺎﻧﯿﮏ ﺳﯿﺎﻻت و اﻧﺘﻘﺎل ﺣﺮارت را ﻣﯽ ﺗﻮان ﺑﺮاي ﺑﺮﺧﯽ ﮐﺎرﺑﺮد ﻫﺎي وﯾﮋه ﺳﺎده ﮐﺮد و ﺑﻪ ﺷﮑﻞ ﺑﯿﻀﻮي ﻧﻮﺷﺖ‪ .‬ﺑﻪ ﻋﻨﻮان‬
‫ﻣﺜﺎل ﻣﯽ ﺗﻮان از ﻣﻌﺎدﻟﻪ ﻫﺪاﯾﺖ ﺣﺮارﺗﯽ ﺣﺎﻟﺖ ﭘﺎﯾﺎ ‪ ،‬ﻣﻌﺎدﻟﻪ ﭘﺘﺎﻧﺴﯿﻞ ﺳﺮﻋﺖ ﺑﺮاي ﺟﺮﯾﺎن ﺗﺮاﮐﻢ ﻧﺎﭘﺬﯾﺮ ﻏﯿﺮ ﻟﺰج و ﻣﻌﺎدﻟﮥ ﺗﺎﺑﻊ ﺟﺮﯾﺎن ﻧﺎم ﺑﺮد‪.‬‬
‫ﻣﻌﺎدﻻت ﺑﯿﻀﻮي دو ﺑﻌﺪي در دﺳﺘﮕﺎه ﻣﺨﺘﺼﺎت دﮐﺎرﺗﯽ ﻋﺒﺎرت اﻧﺪ از ﻣﻌﺎدﻟﮥ ﻻﭘﻼس‪:‬‬

‫‪+‬‬ ‫)‪= 0 (5 − 1‬‬

‫و ﻣﻌﺎدﻟﮥ ﭘﻮاﺳﻮن‪:‬‬

‫‪+‬‬ ‫ )‪= ( , ) (5 − 2‬‬

‫اﯾﻦ دو ﻣﻌﺎدﻟﮥ ﻣﺪل در ﺑﺮرﺳﯽ روش ﻫﺎي ﻣﺨﺘﻠﻒ ﺣﻞ ﺑﻪ ﮐﺎر ﻣﯽ روﻧﺪ‪.‬‬

‫ﻓﺮﻣﻮل ﺑﻨﺪي ﻫﺎي ﺗﻔﺎﺿﻞ ﻣﺤﺪود‬

‫از ﺑﯿﻦ ﻓﺮﻣﻮل ﺑﻨﺪي ﻫﺎي ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﻣﻮﺟﻮد ‪ ،‬از ﻓﺮﻣﻮل ﺑﻨﺪي "ﭘﻨﺞ ﻧﻘﻄﻪ اي" ﺑﯿﺸﺘﺮ اﺳﺘﻔﺎده ﻣﯽ ﺷﻮد‪ .‬در اﯾﻦ روش ‪ ،‬از ﺗﻔﺎﺿﻞ ﻣﺮﮐﺰي‬
‫ﮐﻪ از دﻗﺖ ﻣﺮﺗﺒﮥ دوم ﺑﺮﺧﻮردار اﺳﺖ اﺳﺘﻔﺎده ﻣﯽ ﺷﻮد‪ .‬ﺑﻨﺎﺑﺮاﯾﻦ ﻣﻌﺎدﻟﮥ ﻣﺪل )‪ (5-1‬ﺑﻪ ﺻﻮرت زﯾﺮ ﺗﻘﺮﯾﺐ زده ﻣﯽ ﺷﻮد‪:‬‬

‫‪,‬‬ ‫‪− 2 , +‬‬ ‫‪,‬‬ ‫‪,‬‬ ‫‪− 2 , +‬‬ ‫‪,‬‬

‫‪+‬‬ ‫)‪= 0 (5 − 3‬‬
‫) ∆(‬ ‫) ∆(‬
‫ﻧﻘﺎط ﻣﺮﺑﻮط ﺑﻪ ﺷﺒﮑﮥ اﯾﻦ ﻓﺮﻣﻮل ﺑﻨﺪي در ﺷﮑﻞ )‪ (5-1‬ﻧﺸﺎن داده ﺷﺪه اﺳﺖ‪.‬‬
 ‫ﻓﺮﻣﻮل ﺑﻨﺪي ﺑﺎ ﻣﺮﺗﺒﮥ ﺑﺎﻻﺗﺮ ‪ ،‬ﻓﺮﻣﻮل ﺑﻨﺪي "‪ 9‬ﻧﻘﻄﻪ اي" اﺳﺖ ﮐﻪ در آن ﺗﻘﺮﯾﺐ ﻣﺮﺗﺒﮥ ﭼﻬﺎرم ﺑﺮاي ﻣﺸﺘﻖ ﻫﺎ ﺑﻪ ﮐﺎر ﻣﯽ رود‪ .‬ﺑﺎ اﯾﻦ ﻧﻮع‬
‫ﻓﺮﻣﻮل ﺑﻨﺪي ‪ ،‬ﻣﻌﺎدﻟﻪ ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﻣﻌﺎدﻟﻪ ﻣﺪل )‪ (5-1‬ﺑﻪ ﺻﻮرت زﯾﺮ اﺳﺖ‪:‬‬

‫‪−‬‬ ‫‪,‬‬ ‫ ‪+ 16‬‬ ‫‪,‬‬ ‫ ‪− 30 , + 16‬‬ ‫‪,‬‬ ‫‪−‬‬ ‫‪,‬‬

‫ ‬
‫) ∆( ‪12‬‬
‫‪−‬‬ ‫‪,‬‬ ‫ ‪+ 16‬‬ ‫‪,‬‬ ‫ ‪− 30 , + 16‬‬ ‫‪,‬‬ ‫‪−‬‬ ‫‪,‬‬
‫‪+‬‬ ‫)‪= 0 (5 − 4‬‬
‫) ∆( ‪12‬‬
‫ﻧﻘﺎﻃﯽ از ﺷﺒﮑﻪ ﮐﻪ در ﻣﻌﺎدﻟﻪ )‪ (5-4‬آﻣﺪه اﻧﺪ در ﺷﮑﻞ )‪ (5-2‬ﻧﺸﺎن داده ﺷﺪه اﺳﺖ‪.‬‬

‫ﯾﮑﯽ از دﺷﻮاري ﻫﺎي آﺷﮑﺎر اﺳﺘﻔﺎده از اﯾﻦ ﻣﻌﺎدﻟﻪ ‪ ،‬ﺑﻪ ﮐﺎر ﺑﺮدن ﺷﺮاﯾﻂ ﻣﺮزي اﺳﺖ‪ .‬ﺑﻨﺎﺑﺮاﯾﻦ در ﻣﺴﺎﺋﻠﯽ ﮐﻪ ﺑﻪ دﻗﺖ ﺑﺎﻻ ﻧﯿﺎز دارﻧﺪ ‪ ،‬راه آﺳﺎن‬
‫ﺗﺮ اﯾﻦ اﺳﺖ ﮐﻪ ﺑﻪ ﺟﺎي ﻣﻌﺎدﻟﮥ ‪ 9‬ﻧﻘﻄﻪ اي ﺑﺎ دﻗﺖ ﻣﺮﺗﺒﮥ ﭼﻬﺎرم ‪ ،‬از ﻣﻌﺎدﻟﮥ ‪ 5‬ﻧﻘﻄﻪ اي ﺑﺎ ﺷﺒﮑﻪ اي رﯾﺰﺗﺮ اﺳﺘﻔﺎده ﺷﻮد‪ .‬ﺑﻪ ﻋﻠﺖ ﺳﺎدﮔﯽ ﻣﻌﺎدﻟﻪ ‪5‬‬
‫ﻧﻘﻄﻪ اي ﮐﻪ در ﻣﻌﺎدﻟﻪ )‪ (5-3‬ﻣﯽ ﺑﯿﻨﯿﺪ ‪ ،‬در اﯾﻦ ﻓﺼﻞ از اﯾﻦ ﻣﻌﺎدﻟﻪ اﺳﺘﻔﺎده ﻣﯽ ﮐﻨﯿﻢ‪ .‬ﻣﻌﺎدﻟﮥ )‪ (5-3‬را ﺑﻪ ﺻﻮرت زﯾﺮ ﻣﯽ ﻧﻮﯾﺴﯿﻢ‪:‬‬

‫‪Δ‬‬
‫‪,‬‬ ‫ ‪− 2‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫ ‪− 2‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫)‪= 0 (5 − 5‬‬
‫‪Δ‬‬

‫‪ .‬در ﻧﺘﯿﺠﻪ ﻣﻌﺎدﻟﻪ )‪ (5-5‬ﺑﻪ ﺻﻮرت زﯾﺮ ﻧﻮﺷﺘﻪ ﻣﯽ ﺷﻮد‪:‬‬ ‫ﺗﻌﺮﯾﻒ ﻣﯽ ﮐﻨﯿﻢ ‪ ،‬ﺑﻨﺎﺑﺮاﯾﻦ ∆‪= ∆ ⁄‬‬ ‫ﻧﺴﺒﺖ ﮔﺎم ﻫﺎ را‬

‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪− 2 1 +‬‬ ‫‪,‬‬ ‫)‪= 0 (5 − 6‬‬

‫ﺑﺮاي ﺑﺮرﺳﯽ روش ﻫﺎي ﻣﺨﺘﻠﻒ ‪ ،‬اﺑﺘﺪا ﻗﻠﻤﺮو ﺣﻠﯽ را ﺑﺎ ﺷﺮط ﻣﺮزي درﯾﮑﻠﻪ در ﻧﻈﺮ ﺑﮕﯿﺮﯾﺪ‪ .‬ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل ‪ ،‬ﺷﺒﮑﮥ ‪ 6 × 6‬ﺑﺎ ﺷﺮاﯾﻂ ﻣﺮزي زﯾﺮ را‬
‫در ﺷﮑﻞ) ‪ (5-3‬در ﻧﻈﺮ ﺑﮕﯿﺮﯾﺪ‪.‬‬

‫ = ‪= 0‬‬ ‫= ‪ , = 0‬‬
‫=‬ ‫= ‪ = ,‬‬ ‫= ‬
 ‫اﮔﺮ ﻣﻌﺎدﻟﮥ )‪ (5-6‬را در ﻧﻘﺎط داﺧﻠﯽ ﺷﺒﮑﻪ ﺑﻪ ﮐﺎر ﺑﺮﯾﻢ ‪ 16 ،‬ﻣﻌﺎدﻟﻪ ﺑﺎ ‪ 16‬ﻣﺠﻬﻮل ﺑﺪﺳﺖ ﻣﯽ آﯾﺪ ﮐﻪ ﻋﺒﺎرت اﻧﺪ از‪:‬‬

‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪− 2 1 +‬‬ ‫‪,‬‬ ‫‪=0‬‬

‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪− 2 1 +‬‬ ‫‪,‬‬ ‫‪=0‬‬

‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪− 2 1 +‬‬ ‫‪,‬‬ ‫‪=0‬‬

‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪− 2 1 +‬‬ ‫‪,‬‬ ‫‪=0‬‬

‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪− 2 1 +‬‬ ‫‪,‬‬ ‫‪=0‬‬

‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪− 2 1 +‬‬ ‫‪,‬‬ ‫‪=0‬‬

‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪− 2 1 +‬‬ ‫‪,‬‬ ‫‪=0‬‬

‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪− 2 1 +‬‬ ‫‪,‬‬ ‫‪=0‬‬

‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪− 2 1 +‬‬ ‫‪,‬‬ ‫‪=0‬‬

‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪− 2 1 +‬‬ ‫‪,‬‬ ‫‪=0‬‬

‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪− 2 1 +‬‬ ‫‪,‬‬ ‫‪=0‬‬

‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪− 2 1 +‬‬ ‫‪,‬‬ ‫‪=0‬‬

‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪− 2 1 +‬‬ ‫‪,‬‬ ‫‪=0‬‬

‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪− 2 1 +‬‬ ‫‪,‬‬ ‫‪=0‬‬
 ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪− 2 1 +‬‬ ‫‪,‬‬ ‫‪=0‬‬

‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪− 2 1 +‬‬ ‫‪,‬‬ ‫‪=0‬‬

‫اﯾﻦ ﻣﻌﺎدﻻت در ﺷﮑﻞ ﻣﺎﺗﺮﯾﺴﯽ ﺑﻪ ﺻﻮرت زﯾﺮ در ﻣﯽ آﯾﻨﺪ‪:‬‬

‫ﻣﯽ ﺑﺎﺷﺪ‪.‬‬ ‫‪= −2 1 +‬‬ ‫ﮐﻪ در آن‬

‫ﺷﮑﻞ ﻣﺎﺗﺮﯾﺴﯽ داراي دو وﯾﮋﮔﯽ ﻗﺎﺑﻞ ﺗﻮﺟﻪ اﺳﺖ‪ .‬اوﻻً ‪ ،‬اﯾﻦ ﯾﮏ ﻣﺎﺗﺮﯾﺲ ﭘﻨﺞ ﻗﻄﺮي ﺑﺎ ﻗﻄﺮ ﻫﺎي ﻏﯿﺮ ﻫﻤﺠﻮار اﺳﺖ‪ .‬ﺛﺎﻧﯿﺎً ‪ ،‬اﺟﺰاي ﻗﻄﺮ اﺻﻠﯽ‬
‫در ﻫﺮ ردﯾﻒ ﺑﯿﺸﺘﺮﯾﻦ ﻣﻘﺪار رادارﻧﺪ‪ .‬اﯾﻦ وﯾﮋﮔﯽ ﻫﺎ در ﻫﻨﮕﺎم اﯾﺠﺎد روش ﻫﺎي ﺣﻞ اﻫﻤﯿﺖ ﺧﺎﺻﯽ دارﻧﺪ‪.‬‬

‫اﻟﮕﻮرﯾﺘﻢ ﺣﻞ‬

‫ﺑﺮاي ﺣﻞ ﻫﻤﺰﻣﺎن دﺳﺘﮕﺎه ﻣﻌﺎدﻻت ﺟﺒﺮي ﺧﻄﯽ )‪ (5-7‬دو روش وﺟﻮد دارد‪ .‬اﯾﻦ روش ﻫﺎ ﻋﺒﺎرت اﻧﺪ از روش ﻣﺴﺘﻘﯿﻢ و روش ﺗﮑﺮاري‪.‬‬

‫ﺑﺮﺧﯽ از روش ﻫﺎي ﻣﺸﻬﻮر ﻣﺴﺘﻘﯿﻢ ﻋﺒﺎرت اﻧﺪ از ﻗﺎﻋﺪه ﮐﺮاﻣﺮ و روش ﺣﺬﻓﯽ ﮔﻮس‪ .‬ﻋﯿﺐ ﺑﺰرگ اﯾﻦ روش ﻫﺎ ‪ ،‬ﻋﻤﻠﯿﺎت رﯾﺎﺿﯽ ﺑﺴﯿﺎر زﯾﺎد‬
‫آﻧﻬﺎ ﺑﺮاي اﯾﺠﺎد ﯾﮏ ﺟﻮاب اﺳﺖ‪ .‬روش ﻫﺎي ﻣﺴﺘﻘﯿﻢ ﭘﯿﺸﺮﻓﺘﻪ اي ﭘﯿﺸﻨﻬﺎد ﺷﺪه اﻧﺪ ﮐﻪ ﺑﻪ زﻣﺎن ﻣﺤﺎﺳﺒﺎت ﮐﻤﺘﺮي ﻧﯿﺎز دارﻧﺪ ‪ ،‬اﻣﺎ ﺗﻘﺮﯾﺒﺎً ﻫﻤﮥ آﻧﻬﺎ‬
‫ﻋﯿﺐ ﻫﺎﯾﯽ دارﻧﺪ‪ .‬ﻣﻌﻤﻮﻻ اﯾﻦ روش ﻫﺎ ﺑﺎ ﯾﮏ ﯾﺎ ﭼﻨﺪ ﺷﺮط ﻣﺤﺪود ﻣﯽ ﺷﻮﻧﺪ ﮐﻪ اﯾﻦ ﺷﺮاﯾﻂ ﻋﺒﺎرت اﻧﺪ از‪ :‬دﺳﺘﮕﺎه ﻣﺨﺘﺼﺎت دﮐﺎرﺗﯽ ‪ ،‬ﻗﻠﻤﺮو‬
‫ﻣﺴﺘﻄﯿﻠﯽ ‪ ،‬اﻧﺪازه ﻣﺎﺗﺮﯾﺲ ﺿﺮاﯾﺐ ‪ ،‬ﻇﺮﻓﯿﺖ ذﺧﯿﺮه ﺑﺎﻻ ‪ ،‬ﺷﺮاﯾﻂ ﻣﺮزي و ﻣﺸﮑﻞ ﺑﺮﻧﺎﻣﻪ ﻧﻮﯾﺴﯽ در آﻧﻬﺎ‪.‬‬
 ‫در ﻫﺮ ﺣﺎل ﺑﺮﺧﯽ از روش ﻫﺎي ﻣﺴﺘﻘﯿﻢ ﭘﯿﺸﺮﻓﺘﻪ در ﺑﻌﻀﯽ از ﮐﺎرﺑﺮدﻫﺎ اﺑﺰار ﻣﻔﯿﺪي ﺑﻪ ﻧﻈﺮ ﻣﯽ رﺳﻨﺪ‪ .‬از آﻧﺠﺎ ﮐﻪ ﮐﺎرﺑﺮد ﮐﻠﯽ روش ﻫﺎي ﺣﻞ‬
‫ﻣﻮرد ﻧﻈﺮ ﻣﺎ اﺳﺖ ‪ ،‬ﺑﺮرﺳﯽ ﺧﻮد را ﺑﻪ روش ﻫﺎي ﺳﺎده و ﻗﺎﺑﻞ درك ﺗﮑﺮاري ﻣﺤﺪود ﻣﯽ ﮐﻨﯿﻢ‪ .‬روش ﻫﺎي ﺗﮑﺮاري ﺑﺮاي ﺣﻞ دﺳﺘﮕﺎه ﻣﻌﺎدﻻت‬
‫ﺧﻄﯽ ﺳﺎده ﻫﺴﺘﻨﺪ و ﺑﻪ راﺣﺘﯽ ﻣﯽ ﺗﻮان آﻧﻬﺎ را در ﺑﺮﻧﺎﻣﮥ ﮐﺎﻣﭙﯿﻮﺗﺮي وارد ﮐﺮد‪ .‬ﭘﺎﯾﻪ و اﺳﺎس اﯾﻦ روش ﻫﺎ ‪ ،‬ﺑﺪﺳﺖ آوردن ﺟﻮاب ﺑﺎ اﺳﺘﻔﺎده از‬
‫ﺗﮑﺮار اﺳﺖ‪ .‬ﻣﻌﻤﻮﻻ ﺟﻮاب ﻧﺨﺴﺖ را ﺣﺪس ﻣﯽ زﻧﯿﻢ و ﻣﻘﺪار ﺟﺪﯾﺪ ﻣﺘﻐﯿﺮ ﻫﺎ را ﻣﺤﺎﺳﺒﻪ ﻣﯽ ﮐﻨﯿﻢ‪ .‬از ﻣﻘﺎدﯾﺮ ﺟﺪﯾﺪ ﻣﺤﺎﺳﺒﻪ ﺷﺪه ‪ ،‬ﺟﻮاب ﻫﺎي‬
‫ﺟﺪﯾﺪﺗﺮي ﺑﺪﺳﺖ ﻣﯽ آورﯾﻢ و اﯾﻦ ﮐﺎر را آﻧﻘﺪر اداﻣﻪ ﻣﯽ دﻫﯿﻢ ﺗﺎ ﻣﻌﯿﺎر ﻫﻤﮕﺮاﯾﯽ ﺧﺎﺻﯽ ارﺿﺎ ﺷﻮد‪.‬‬

‫ﻓﺮﻣﻮل ﺑﻨﺪي ﻫﺎي ﻣﺨﺘﻠﻒ روش ﻫﺎي ﺗﮑﺮاري را ﻣﯽ ﺗﻮان ﺑﻪ دو ﮔﺮوه ﺗﻘﺴﯿﻢ ﮐﺮد‪ .‬اﮔﺮ ﻓﺮﻣﻮل ﺑﻨﺪي ﻓﻘﻂ ﺑﻪ ﯾﮏ ﻣﺠﻬﻮل ﺧﺘﻢ ﺷﻮد ‪ ،‬آن را‬
‫روش ﺗﮑﺮاري ﻧﻘﻄﻪ اي ﻣﯽ ﮔﻮﯾﻨﺪ‪ .‬اﯾﻦ روش ﻣﺸﺎﺑﻪ روش ﺻﺮﯾﺢ در ﻣﻌﺎدﻻت ﺳﻬﻤﻮي اﺳﺖ‪ .‬از ﺳﻮي دﯾﮕﺮ ‪ ،‬اﮔﺮ ﻓﺮﻣﻮل ﺑﻨﺪي ﺷﺎﻣﻞ ﺑﯿﺶ از ﯾﮏ‬
‫ﻣﺠﻬﻮل ﺑﺎﺷﺪ )ﻣﻌﻤﻮﻻ ﺳﻪ ﻣﺠﻬﻮل ﮐﻪ ﻣﺎﺗﺮﯾﺲ ﺿﺮاﯾﺐ ﺳﻪ ﻗﻄﺮي را ﻣﯽ دﻫﺪ( ‪ ،‬ﺑﻪ آن ‪ ،‬روش ﺗﮑﺮاري روي ﺧﻂ ﻣﯽ ﮔﻮﯾﻨﺪ ﮐﻪ ﻣﺸﺎﺑﻪ ﻓﺮﻣﻮل‬
‫ﺑﻨﺪي ﺿﻤﻨﯽ ﻣﻌﺎدﻻت ﺳﻬﻤﻮي اﺳﺖ‪ .‬ﺑﺮﺧﯽ از روش ﻫﺎي ﺗﮑﺮاري را در اﯾﻨﺠﺎ ﻣﻮرد ﺑﺤﺚ و ﺑﺮرﺳﯽ ﻗﺮار ﻣﯽ دﻫﯿﻢ‪.‬‬

‫روش ﺗﮑﺮار ژاﮐﻮﺑﯽ‬

‫در اﯾﻦ روش ﻣﻘﺪار ﮐﻤﯿﺖ واﺑﺴﺘﻪ در ﻫﺮ ﻧﻘﻄﻪ از ﻣﻘﺎدﯾﺮ ﺣﺪس اوﻟﯿﮥ ﻧﻘﺎط ﻣﺠﺎور و ﯾﺎ ﻣﻘﺎدﯾﺮ ﻣﺤﺎﺳﺒﻪ ﺷﺪه در ﻣﺮﺣﻠﮥ ﭘﯿﺸﯿﻦ ﺑﺮاي ﻧﻘﺎط‬
‫در ﻣﺮﺣﻠﻪ ﺟﺪﯾﺪ ‪ k+1‬ﺑﻪ ﺻﻮرت زﯾﺮ اﺳﺘﻔﺎده ﻣﯽ ﺷﻮد ‪:‬‬ ‫‪,‬‬ ‫ﻣﺠﺎور ﻣﺤﺎﺳﺒﻪ ﻣﯽ ﺷﻮد‪ .‬ﺑﻨﺎﺑﺮاﯾﻦ از ﻣﻌﺎدﻟﮥ )‪ (5-6‬ﺑﺮاي ﻣﺤﺎﺳﺒﮥ ﻣﻘﺪار ﺟﺪﯾﺪ‬

‫‪1‬‬
‫‪,‬‬ ‫=‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫)‪ (5 − 8‬‬
‫‪2 1+‬‬

‫ﮐﻪ ‪ k‬ﺑﻪ ﻣﻘﺎدﯾﺮ ﻣﺤﺎﺳﺒﻪ ﺷﺪة ﭘﯿﺸﯿﻦ )ﯾﺎ ﻣﻘﺎدﯾﺮ ﺣﺪس اوﻟﯿﻪ ﺑﺮاي ﻧﺨﺴﺘﯿﻦ ﻣﺮﺣﻠﮥ ﻣﺤﺎﺳﺒﻪ( ﺑﺴﺘﮕﯽ دارد‪ .‬ﻣﺤﺎﺳﺒﺎت را ﺗﺎ رﺳﯿﺪن ﺑﻪ ﺣﺪ‬
‫ﻫﻤﮕﺮاﯾﯽ ﻣﺸﺨﺼﯽ اداﻣﻪ ﻣﯽ دﻫﯿﻢ‪ .‬ﺑﯽ درﻧﮓ اﯾﻦ ﻧﮑﺘﻪ ﺟﻠﺐ ﺗﻮﺟﻪ ﻣﯽ ﮐﻨﺪ ﮐﻪ راﻫﯽ ﺑﺮاي ﺑﻬﺒﻮد روش ﺣﻞ ﭘﯿﺪا ﮐﻨﯿﻢ‪ .‬ﯾﮑﯽ از ﺳﻮال ﻫﺎ اﯾﻦ‬
‫اﺳﺖ ﮐﻪ ﭼﺮا از ﻣﻘﺎدﯾﺮ ﻣﺤﺎﺳﺒﻪ ﺷﺪة ﺟﺪﯾﺪ ﻣﺘﻐﯿﺮ واﺑﺴﺘﻪ ﺑﺮاي ﻣﺤﺎﺳﺒﮥ ﻣﻘﺪار ﻧﻘﺎط ﻫﻤﺴﺎﯾﻪ اﺳﺘﻔﺎده ﻧﮑﻨﯿﻢ؟ در واﻗﻊ ‪ ،‬اﺳﺘﻔﺎده از اﯾﻦ اﯾﺪه ‪ ،‬روش‬
‫ﺗﮑﺮاري ﮔﻮس – ﺳﺎﯾﺪل را ﺑﻪ ﻣﺎ اراﺋﻪ ﻣﯽ ﮐﻨﺪ ﮐﻪ ﺳﺒﺐ اﻓﺰاﯾﺶ ﺳﺮﯾﻊ ﺗﺮ ﻫﻤﮕﺮاﯾﯽ و در ﻧﺘﯿﺠﻪ آن ﮐﺎﻫﺶ زﻣﺎنِ ﻣﺤﺎﺳﺒﻪ ﻣﯽ ﺷﻮد‪ .‬روش ژاﮐﻮﺑﯽ‬
‫ﺑﻪ ﻧﺪرت در ﺣﻞ ﻣﻌﺎدﻻت ﺑﯿﻀﻮي اﺳﺘﻔﺎده ﻣﯽ ﺷﻮد‪ .‬اﯾﻦ روش را ﻓﻘﻂ ﺑﻪ اﯾﻦ ﻣﻨﻈﻮر در اﯾﻨﺠﺎ ﻧﺸﺎن ﻣﯽ دﻫﯿﻢ ﮐﻪ ﻧﺤﻮة ﺑﻬﺒﻮد ﮔﺎم ﺑﻪ ﮔﺎم روش‬
‫ﻫﺎي ﻣﺨﺘﻠﻒ ﺗﮑﺮاري را ﻧﺸﺎن داده ﺑﺎﺷﯿﻢ‪.‬‬

‫ﭘﯿﺶ از ﭘﺮداﺧﺘﻦ ﺑﻪ دﯾﮕﺮ روش ﻫﺎي ﺗﮑﺮاري ‪ ،‬ﺗﺸﺎﺑﻪ ﺑﯿﻦ روش ﻫﺎي ﺗﮑﺮاري ﻣﻮرد ﺑﺤﺚ و ﯾﮏ ﻣﻌﺎدﻟﻪ ﺳﻬﻤﻮي ﺗﺎﺑﻊ زﻣﺎن را ﺑﺮرﺳﯽ ﻣﯽ ﮐﻨﯿﻢ‪.‬‬
‫ﻣﻌﺎدﻟﮥ ﺳﻬﻤﻮي زﯾﺮ را در ﻧﻈﺮ ﺑﮕﯿﺮﯾﺪ‪:‬‬

‫=‬ ‫‪+‬‬ ‫)‪ (5 − 9‬‬

‫ﻓﺮﻣﻮل ﺑﻨﺪي ﺻﺮﯾﺢ ﻣﻌﺎدﻟﻪ ﺗﻔﺎﺿﻞ ﻣﺤﺪود )‪ (FTCS‬ﺑﻪ ﺷﮑﻞ زﯾﺮ اﺳﺖ‪:‬‬

‫‪,‬‬ ‫‪−‬‬ ‫‪,‬‬ ‫‪,‬‬ ‫‪−2‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪,‬‬ ‫‪−2‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬
‫=‬ ‫‪+‬‬
‫∆‬ ‫) ∆(‬ ‫) ∆(‬
‫ﯾﺎ‬

‫∆‬ ‫∆‬
‫‪,‬‬ ‫=‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪−2‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫(‬ ‫‪,‬‬ ‫‪−2‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫)‬
‫) ∆(‬ ‫) ∆(‬
 ‫ﺑﺮاي ﺳﺎدﮔﯽ ﻣﺴﺎﻟﻪ ﻓﺮض ﮐﻨﯿﺪ ∆ = ∆ ﺑﺎﺷﺪ ‪ ،‬در ﻧﺘﯿﺠﻪ دارﯾﻢ‪:‬‬

‫∆‬
‫‪,‬‬ ‫=‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪−4‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬
‫) ∆(‬
‫ﺑﺮاي ‪ ، ∆ ⁄(∆ ) ≤ 0.25‬روش ﺣﻞ ﭘﺎﯾﺪار اﺳﺖ‪ .‬ﺑﻨﺎﺑﺮاﯾﻦ ﺑﺮاي ﺣﺪ ﺑﺎﻻي آن ﯾﻌﻨﯽ ‪ ∆ ⁄(∆ ) = 0.25‬دارﯾﻢ‪:‬‬

‫‪1‬‬
‫‪,‬‬ ‫=‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪−4‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬
‫‪4‬‬
‫ﯾﺎ‬

‫‪1‬‬
‫‪,‬‬ ‫=‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫)‪ (5 − 10‬‬
‫‪4‬‬

‫ﺣﺎل روش ﺗﮑﺮار ژاﮐﻮﺑﯽ را در ﻣﻌﺎدﻟﻪ ﺑﯿﻀﻮي دو ﺑﻌﺪي )‪ (5-1‬ﺑﻪ ﮐﺎر ﻣﯽ ﺑﺮﯾﻢ‪ .‬ﺑﺎ ﻓﺮض ‪ ، β = ∆ ⁄∆ = 1‬ﻧﺘﯿﺠﻪ ﻣﯽ ﺷﻮد‪:‬‬

‫‪1‬‬
‫‪,‬‬ ‫=‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫)‪ (5 − 11‬‬
‫‪4‬‬
‫ﻣﻘﺎﯾﺴﻪ ﻣﻌﺎدﻟﮥ )‪ (5-10‬ﮐﻪ ﺗﻘﺮﯾﺐ )‪ (FTCS‬ﯾﮏ ﻣﻌﺎدﻟﻪ ﺳﻬﻤﻮي اﺳﺖ ‪ ،‬ﺑﺎ ﻣﻌﺎدﻟﮥ )‪ (5-11‬ﮐﻪ روش ﺗﮑﺮار ژاﮐﻮﺑﯽ ﯾﮏ ﻣﻌﺎدﻟﻪ ﺑﯿﻀﻮي اﺳﺖ ‪،‬‬
‫ﻧﺸﺎن ﻣﯽ دﻫﺪ ﮐﻪ دو ﻣﻌﺎدﻟﻪ ﯾﮑﺴﺎﻧﻨﺪ‪ .‬ﺑﺎ آن ﮐﻪ اﯾﻦ دو ﻣﻌﺎدﻟﻪ دو ﻓﺮﻣﻮل ﺑﻨﺪي ﻣﺨﺘﻠﻒ و در واﻗﻊ دو ﻣﺴﺎﻟﻪ ﻓﯿﺰﯾﮑﯽ ﮐﺎﻣﻼ ﻣﺘﻔﺎوت را ﻧﺸﺎن ﻣﯽ‬
‫دﻫﻨﺪ ‪ ،‬از ﻧﻈﺮ رﯾﺎﺿﯽ )و ﮐﺎﻣﭙﯿﻮﺗﺮ( ﯾﮑﺴﺎﻧﻨﺪ‪ .‬از اﯾﻦ ﺗﺸﺎﺑﻪ ﻧﺘﯿﺠﻪ ﻣﯽ ﮔﯿﺮﯾﻢ ﮐﻪ ﺑﺮﺧﯽ از روش ﻫﺎي ﺣﻞ ﻣﻌﺎدﻻت ﺳﻬﻤﻮي ﻣﯽ ﺗﻮاﻧﺪ ﮔﺴﺘﺮش ﭘﯿﺪا‬
‫ﮐﻨﺪ ﺗﺎ روش ﺣﻞ ﮐﺎرﺑﺮدي ﺑﺮاي ﺣﻞ ﻣﻌﺎدﻻت ﺑﯿﻀﻮي ﺑﺪﺳﺖ آﯾﺪ‪ .‬در واﻗﻊ روش )‪ (ADI‬ﮐﻪ ﭘﯿﺸﺘﺮ ﺑﺮاي ﺣﻞ ﻣﻌﺎدﻻت ﺳﻬﻤﻮي ﺑﻪ ﮐﺎر رﻓﺖ ‪،‬‬
‫ﻣﺜﺎﻟﯽ از اﯾﻦ ﻧﻤﻮﻧﻪ اﺳﺖ‪ .‬روش )‪ (ADI‬ﺑﺮاي ﺣﻞ ﻣﻌﺎدﻻت ﺑﯿﻀﻮي را ﺑﻪ زودي ﺗﺸﺮﯾﺢ ﺧﻮاﻫﯿﻢ ﮐﺮد‪.‬‬

‫ﮐﻪ ﺗﺎﺑﻊ‬ ‫‪,‬‬ ‫ﺑﺤﺚ ﺑﺎﻻ را ﺑﻪ ﺻﻮرت ﺗﺼﻮﯾﺮي ﺑﻪ ﺷﮑﻞ زﯾﺮ ﻣﯽ ﺗﻮان ﻧﺸﺎن داد‪ .‬ﻓﺮض ﮐﻨﯿﺪ ﮐﻪ ﻣﻌﺎدﻟﻪ )‪ (5-10‬را ﺑﺮاي ﻣﺤﺎﺳﺒﻪ ﻣﻘﺎدﯾﺮ ﻣﺘﻐﯿﺮ‬
‫زﻣﺎن اﺳﺖ ‪ ،‬اﺳﺘﻔﺎده ﮐﻨﯿﻢ‪ .‬ﺣﻞ ﺣﺎﻟﺖ داﺋﻢ ﭘﺲ از زﻣﺎﻧﯽ ﻃﻮﻻﻧﯽ ﺑﺪﺳﺖ ﻣﯽ آﯾﺪ ﮐﻪ در ﺷﮑﻞ )‪ (5-4‬ﻧﺸﺎن داده ﺷﺪه اﺳﺖ‪.‬‬

‫ﺣﺎل ﺣﻞ ﻣﻌﺎدﻟﻪ ﺣﺎﻟﺖ ﭘﺎﯾﺎ )‪ (5-1‬را در ﻧﻈﺮ ﺑﮕﯿﺮﯾﺪ و ﻓﺮض ﮐﻨﯿﺪ ﮐﻪ از ﯾﮏ روش ﺗﮑﺮاري ﺑﺮاي ﺣﻞ اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ ‪ ،‬ﻣﺜﻼ ﻣﻌﺎدﻟﻪ )‪.(5-11‬‬
‫ﻧﻤﻮﻧﻪ اي از ﺟﻮاب در ﺷﮑﻞ )‪ (5-5‬ﻧﺸﺎن داده ﺷﺪه اﺳﺖ‪.‬‬

‫ﺗﻔﺎوت ﻋﻤﺪة ﺑﯿﻦ دو روش ﺣﻞ را در اﯾﻦ ﻣﺮﺣﻠﻪ ﻧﺸﺎن ﻣﯽ دﻫﯿﻢ‪ .‬ﺟﻮاب واﺑﺴﺘﻪ ﺑﻪ زﻣﺎن ﺑﺪﺳﺖ آﻣﺪه از ﻣﻌﺎدﻟﮥ )‪ (5-10‬در ﻫﺮ ﻣﺮﺣﻠﮥ زﻣﺎﻧﯽ‬
‫داراي اﻋﺘﺒﺎر اﺳﺖ‪ .‬از ﻃﺮف دﯾﮕﺮ ‪ ،‬ﻫﺮﮔﻮﻧﻪ ﺟﻮاب ﻣﻌﺎدﻟﮥ )‪ (5-11‬در ﻣﺮاﺣﻞ ﻣﯿﺎﻧﯽ داراي ﻫﯿﭽﮕﻮﻧﻪ ارزش ﻓﯿﺰﯾﮑﯽ ﻧﯿﺴﺖ و ﺗﻨﻬﺎ ﻣﻘﺪاري در ﻣﺴﯿﺮ‬
 ‫رﺳﯿﺪن ﺑﻪ ﺟﻮاب ﺣﺎﻟﺖ داﺋﻢ ﺑﻪ ﺷﻤﺎر ﻣﯽ رود‪.‬‬

‫ﻧﮑﺘﮥ ﻗﺎﺑﻞ اﺷﺎره دﯾﮕﺮ را ﯾﺎدآور ﻣﯽ ﺷﻮﯾﻢ‪ .‬ﺑﺮاي اراﺋﻪ روش ﺣﻞ ﺑﺮاي ﻣﺴﺎﻟﮥ ﻏﯿﺮ داﺋﻢ ‪ ،‬ﻫﻤﺎن ﮔﻮﻧﻪ ﮐﻪ در ﻓﺼﻞ ﺳﻮم ﮔﻔﺘﯿﻢ ‪ ،‬ﺑﺮاي ﺷﺮوع ﺣﻞ‬
‫ﺑﻪ ﺷﺮط اوﻟﯿﻪ ﻧﯿﺎز دارﯾﻢ‪ .‬ﻫﺮﮔﺎه ﺷﺮط اوﻟﯿﻪ و ﮔﺎم زﻣﺎﻧﯽ ﻓﯿﺰﯾﮏ ﻣﺴﺎﻟﻪ را ﺑﻪ ﺷﮑﻞ درﺳﺘﯽ ﺑﯿﺎن ﮐﻨﻨﺪ ‪ ،‬ﺟﻮاب ﺑﺪﺳﺖ آﻣﺪه ﺟﻮاب دﻗﯿﻖ زﻣﺎﻧﯽ‬
‫اﺳﺖ‪ .‬اﻣﺎ ‪ ،‬ﺳﻮال اﯾﻦ اﺳﺖ ﮐﻪ در ﻣﻮرد ﻣﺴﺎﺋﻠﯽ ﮐﻪ ﺷﺮط اوﻟﯿﻪ دﻗﯿﻘﯽ وﺟﻮد ﻧﺪارد ﭼﻪ ﺑﺎﯾﺪ ﮐﺮد؟ ﻣﯿﺪان ﺟﺮﯾﺎن ﻫﺬﻟﻮﻟﻮي در اﻃﺮاف ﯾﮏ ﺷﮑﻞ‬
‫ﭘﯿﭽﯿﺪه ‪ ،‬ﻣﺜﺎﻟﯽ از اﯾﻦ ﻧﻮع اﺳﺖ‪ .‬در ﭼﻨﯿﻦ ﺷﺮاﯾﻄﯽ ‪ ،‬ﺷﺮط اوﻟﯿﻪ اي را ﺑﻪ ﻃﻮر دﻟﺨﻮاه اﻧﺘﺨﺎب ﻣﯽ ﮐﻨﯿﻢ‪ .‬در ﻧﺘﯿﺠﻪ ﻣﻌﺎدﻻت ﻻزم را ﺑﺮاي ﺑﺪﺳﺖ‬
‫آوردن ﺟﻮاﺑﯽ ﻫﻤﮕﺮا ﮐﻪ ﻧﺸﺎن دﻫﻨﺪه ﺟﻮاب ﺣﺎﻟﺖ داﺋﻢ اﺳﺖ ‪ ،‬ﺣﻞ ﻣﯽ ﮐﻨﯿﻢ‪ .‬ﺑﻨﺎﺑﺮاﯾﻦ ﯾﮏ ﻣﺴﺎﻟﻪ ﺗﺎﺑﻊ زﻣﺎن را ﺑﺎ ﻣﻘﺎدﯾﺮ اوﻟﯿﮥ اﺧﺘﯿﺎري ﺣﻞ ﻣﯽ‬
‫ﮐﻨﯿﻢ ﺗﺎ ﺑﻪ ﺟﻮاب ﺣﺎﻟﺖ داﺋﻢ ﺑﺮﺳﯿﻢ‪ .‬ﺟﻮاب ﻫﺎي ﻣﺮاﺣﻞ ﻣﯿﺎﻧﯽ ‪ ،‬ﺟﻮاب ﻫﺎي درﺳﺖ ﻓﯿﺰﯾﮑﯽ ﻧﯿﺴﺘﻨﺪ‪ .‬در ﺑﯿﺸﺘﺮ ﻣﻮاردي ﮐﻪ از ﭼﻨﯿﻦ روﺷﯽ‬
‫اﺳﺘﻔﺎده ﻣﯽ ﺷﻮد ‪ ،‬ﻋﺒﺎرت ﻫﺎي ﺟﻮاب ﻫﻤﮕﺮا ﺷﺪه و ﺟﻮاب ﺣﺎﻟﺖ داﺋﻢ را ﺑﻪ ﺟﺎي ﻫﻢ ﺑﻪ ﮐﺎر ﻣﯽ ﺑﺮﯾﻢ‪ .‬ﺑﻪ ﻫﻤﯿﻦ ﺗﺮﺗﯿﺐ ‪ ،‬از ﮔﺎم زﻣﺎﻧﯽ و ﮔﺎم ﺗﮑﺮار‬
‫ﻧﯿﺰ ﺑﻪ ﺟﺎي ﻫﻢ ﻣﯽ ﺗﻮان اﺳﺘﻔﺎده ﮐﺮد‪ .‬در اﯾﻦ ﻣﺮﺣﻠﻪ ﺑﻪ روش ﻫﺎي ﺗﮑﺮاري ﺑﺮاي ﺣﻞ ﻣﻌﺎدﻻت ﺑﯿﻀﻮي ﺑﺮ ﻣﯽ ﮔﺮدﯾﻢ‪.‬‬

‫روش ﺗﮑﺮاري ﮔﻮس ﺳﺎﯾﺪل ﻧﻘﻄﻪ ﺑﻪ ﻧﻘﻄﻪ‬

‫در اﯾﻦ روش ﺑﻪ ﻣﺤﺾ ﻣﺸﺨﺺ ﺷﺪن ﻣﻘﺎدﯾﺮ ﻣﺘﻐﯿﺮ واﺑﺴﺘﻪ ‪ ،‬از آن ﺑﺮاي ﻣﺤﺎﺳﺒﮥ ﻣﻘﺎدﯾﺮ ﻧﻘﺎط ﻣﺠﺎور آن اﺳﺘﻔﺎده ﻣﯽ ﮐﻨﯿﻢ‪ .‬اﯾﻦ اﻣﺮ ﺑﺎﻋﺚ‬
‫اﻓﺰاﯾﺶ ﭼﺸﻤﮕﯿﺮ ﻫﻤﮕﺮاﯾﯽ اﯾﻦ روش در ﻣﻘﺎﯾﺴﻪ ﺑﺎ روش ژاﮐﻮﺑﯽ ﻣﯽ ﺷﻮد )ﺗﻘﺮﯾﺒﺎ ‪ 100‬درﺻﺪ(‪ .‬اﯾﻦ روش در ﺻﻮرﺗﯽ ﭘﺎﯾﺪار اﺳﺖ ﮐﻪ ﺑﺰرﮔﺘﺮﯾﻦ‬
‫ﺟﺰء در ﻣﺎﺗﺮﯾﺲ ﺿﺮاﯾﺐ روي ﻗﻄﺮ اﺻﻠﯽ آن ﻗﺮار ﮔﯿﺮد ‪ ،‬ﻣﺎﻧﻨﺪ ﻓﺮﻣﻮل ﺑﻨﺪي ﮐﻪ ﻣﻨﺠﺮ ﺑﻪ راﺑﻄﻪ ) ‪ (5-7‬ﺷﺪ‪ .‬ﺷﺮط ﮐﺎﻓﯽ ﺑﺮاي ﻫﻤﮕﺮاﯾﯽ اﯾﻦ روش‬
‫ﺑﻪ ﺻﻮرت زﯾﺮ اﺳﺖ‪:‬‬

‫|‬ ‫≥|‬

‫و ﺣﺪاﻗﻞ ﺑﺮاي ﯾﮏ ردﯾﻒ ﻣﺎﺗﺮﯾﺲ‪:‬‬

‫|‬ ‫>|‬
 ‫از آﻧﺠﺎ ﮐﻪ اﯾﻦ ﺷﺮط ﯾﮏ ﺷﺮط ﮐﺎﻓﯽ اﺳﺖ ‪ ،‬روش ﻫﻤﮕﺮا ﻣﯽ ﺷﻮد ﺣﺘﯽ اﮔﺮ ﺷﺮط ﻓﻮق ﺑﺮاي ﻫﻤﮥ ردﯾﻒ ﻫﺎ ﺑﺮﻗﺮار ﻧﺒﺎﺷﺪ‪ .‬ﺣﺎل ﻓﺮﻣﻮل ﺑﻨﺪي اﯾﻦ‬
‫روش را در ﻧﻈﺮ ﻣﯽ ﮔﯿﺮﯾﻢ‪ .‬ﻣﻌﺎدﻟﮥ ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﮐﻪ در ﻣﻌﺎدﻟﮥ )‪ (5-6‬داده ﺷﺪه اﯾﻨﺠﺎ دوﺑﺎره ﺗﮑﺮار ﻣﯽ ﮐﻨﯿﻢ‪.‬‬

‫‪1‬‬
‫‪,‬‬ ‫=‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫)‪ (5 − 12‬‬
‫‪2 1+‬‬

‫ﺑﺮاي ﻣﺤﺎﺳﺒﮥ ﻣﻘﺪار ‪ u‬در ﻧﻘﻄﮥ ‪ ، i,j‬ﻣﻘﺎدﯾﺮ ‪ u‬در ﺳﻤﺖ راﺳﺖ ﻣﻌﺎدﻟﻪ ﺑﺎﯾﺪ ﻣﻌﻠﻮم ﺑﺎﺷﻨﺪ‪ .‬اﮔﺮ ﻣﻌﺎدﻟﮥ )‪ (5-12‬را ﺑﺮاي ﺗﻌﺪادي از ﮔﺮه ﻫﺎ ﺑﻪ ﮐﺎر‬
‫ﺑﺮﯾﻢ ‪ ،‬روش ﮐﺎر ﺑﻪ راﺣﺘﯽ ﻗﺎﺑﻞ درك اﺳﺖ‪ .‬ﺑﺮاي ﻣﺤﺎﺳﺒﮥ اوﻟﯿﻦ ﻧﻘﻄﻪ ‪ ،‬ﻣﺜﻼ ﻧﻘﻄﮥ )‪2‬و‪ ، (2‬ﻫﻤﺎن ﮔﻮﻧﻪ ﮐﻪ در ﺷﮑﻞ )‪ (5-6‬ﻣﯽ ﺑﯿﻨﯿﺪ ‪ ،‬ﻧﺘﯿﺠﻪ ﻣﯽ‬
‫ﺷﻮد‪:‬‬
‫‪1‬‬
‫‪,‬‬ ‫=‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬
‫‪2 1+‬‬

‫از‬ ‫‪,‬‬ ‫و‬ ‫‪,‬‬ ‫ﮐﻪ در ﻣﻌﺎدﻟﮥ ﺑﺎﻻ زﯾﺮ آﻧﻬﺎ ﺧﻂ ﮐﺸﯿﺪه ﺷﺪه اﺳﺖ از ﺷﺮاﯾﻂ ﻣﺮزي ﻣﺸﺨﺺ ﻫﺴﺘﻨﺪ‪ .‬ﺗﻨﻬﺎ دو ﻣﻘﺪار‬ ‫‪,‬‬ ‫و‬ ‫‪,‬‬ ‫در اﯾﻦ ﻣﻌﺎدﻟﻪ‬
‫ﻣﻘﺎدﯾﺮ ﺗﮑﺮار ﻗﺒﻠﯽ ‪ k‬اﺳﺘﻔﺎده ﻣﯽ ﺷﻮﻧﺪ ﺑﻨﺎﺑﺮاﯾﻦ ‪ ،‬ﺑﺮ ﺣﺴﺐ ﮔﺎم ﺗﮑﺮار دارﯾﻢ‪:‬‬

‫‪1‬‬
‫‪,‬‬ ‫=‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫)‪ (5 − 13‬‬
‫‪2 1+‬‬
‫ﺣﺎل ﺑﺮاي ﻧﻘﻄﮥ )‪2‬و‪ (3‬دارﯾﻢ‪:‬‬
‫‪1‬‬
‫‪,‬‬ ‫=‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬
‫‪2 1+‬‬

‫ﺑﺎ ﻣﻌﺎدﻟﮥ‬ ‫‪,‬‬ ‫از روي ﻣﻘﺎدﯾﺮ ﻣﺤﺎﺳﺒﻪ ﺷﺪة ﭘﯿﺸﯿﻦ ﺑﺪﺳﺖ ﻣﯽ آﯾﻨﺪ‪ .‬اﻣﺎ‬ ‫‪,‬‬ ‫و‬ ‫‪,‬‬ ‫در ﺷﺮط ﻣﺮزي داده ﺷﺪه اﺳﺖ و‬ ‫‪,‬‬ ‫در اﯾﻦ ﻣﻌﺎدﻟﻪ ‪،‬‬
‫)‪ (5-13‬داده ﻣﯽ ﺷﻮد )ﺷﮑﻞ ‪ 5-7‬را ﺑﺒﯿﻨﯿﺪ( ‪ ،‬ﺑﻨﺎﺑﺮاﯾﻦ‪:‬‬

‫‪1‬‬
‫‪,‬‬ ‫=‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫)‪ (5 − 14‬‬
‫‪2 1+‬‬
 ‫ﺳﺮاﻧﺠﺎم ‪ ،‬ﻓﺮﻣﻮل ﺑﻨﺪي ﮐﻠﯽ ﺑﻪ ﻣﻌﺎدﻟﮥ زﯾﺮ ﻣﻨﺠﺮ ﻣﯽ ﺷﻮد‪:‬‬

‫‪1‬‬
‫‪,‬‬ ‫=‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫)‪ (5 − 15‬‬
‫‪2 1+‬‬

‫اﯾﻦ روش ‪ ،‬ﯾﮏ روش ﺗﮑﺮاري ﻧﻘﻄﻪ ﺑﻪ ﻧﻘﻄﻪ اﺳﺖ ‪ ،‬زﯾﺮا ﺗﻨﻬﺎ ﯾﮏ ﻣﺠﻬﻮل را ﺑﺎﯾﺪ ﻣﺤﺎﺳﺒﻪ ﮐﺮد‪ .‬ﺷﺒﮑﮥ ﻧﻘﺎط ﻣﺮﺑﻮط ﺑﻪ ﻣﻌﺎدﻟﻪ )‪ (5-15‬در ﺷﮑﻞ‬
‫)‪ (5-8‬ﻧﺸﺎن داده ﺷﺪه اﺳﺖ‪.‬‬
 ‫روش ﺗﮑﺮاري ﮔﻮس ﺳﺎﯾﺪل ﺧﻂ ﺑﻪ ﺧﻂ‬

‫در اﯾﻦ ﻓﺮﻣﻮل ﺑﻨﺪي ‪ ،‬ﻣﻌﺎدﻟﮥ )‪ (5-6‬داراي ﺳﻪ ﻣﺠﻬﻮل در ﻧﻘﺎط )‪ (i-1,j‬و )‪ (i,j‬و )‪ (i+1,j‬اﺳﺖ و ﻓﺮﻣﻮل ﺑﻨﺪي ﺑﻪ ﺷﮑﻞ زﯾﺮ اﺳﺖ‪:‬‬

‫‪,‬‬ ‫‪−2 1+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪=−‬‬ ‫‪,‬‬ ‫‪−‬‬ ‫‪,‬‬ ‫)‪ (5 − 16‬‬

‫اﮔﺮ اﯾﻦ ﻣﻌﺎدﻟﻪ را ﺑﺮاي ﺗﻤﺎم ﻣﻘﺎدﯾﺮ ‪ i‬در ﯾﮏ ‪ j‬ﺛﺎﺑﺖ ‪ ،‬ﻫﻤﺎن ﮔﻮﻧﻪ ﮐﻪ در ﺷﮑﻞ )‪ (5-9‬ﻣﯽ ﺑﯿﻨﯿﺪ ‪ ،‬ﺑﻪ ﮐﺎر ﺑﺮﯾﻢ ‪ ،‬ﯾﮏ دﺳﺘﮕﺎه ﻣﻌﺎدﻻت ﺧﻄﯽ‬
‫ﺑﺪﺳﺖ ﻣﯽ آﯾﺪ ﮐﻪ در ﯾﮏ ﺷﮑﻞ ﻓﺸﺮده داراي ﻣﺎﺗﺮﯾﺲ ﺿﺮاﯾﺐ ﺳﻪ ﻗﻄﺮي اﺳﺖ‪.‬‬
 ‫اﯾﻦ روش ﺳﺮﯾﻊ ﺗﺮ از روش ﮔﻮس ﺳﺎﯾﺪل ﻧﻘﻄﻪ ﺑﻪ ﻧﻘﻄﻪ ﻫﻤﮕﺮا ﻣﯽ ﺷﻮد )ﺗﻘﺮﯾﺒﺎً ﺑﺎ ﺿﺮﯾﺐ ‪ ، (1⁄2‬اﻣﺎ زﻣﺎن ﻣﺤﺎﺳﺒﮥ ﺑﯿﺸﺘﺮي را ﺑﻪ ازاي ﻫﺮ ﺗﮑﺮار‬
‫ﻧﯿﺎز دارد ‪ ،‬ﭼﻮن دﺳﺘﮕﺎه ﻣﻌﺎدﻻت ﺑﺎﯾﺪ ﺑﻪ ﻃﻮر ﻫﻢ زﻣﺎن ﺣﻞ ﺷﻮد‪ .‬ﮔﻔﺘﻨﯽ اﺳﺖ ﮐﻪ در اﯾﻦ روش ‪ ،‬ﺷﺮاﯾﻂ ﻣﺮزي روي ﯾﮏ ﺧﻂ ‪ ،‬ﺑﻼﻓﺎﺻﻠﻪ در‬
‫ﺟﻮاب اﺛﺮ ﻣﯽ ﮔﺬارد و اﯾﻦ ﻣﺎﻧﻨﺪ ﺣﺎﻟﺖ ﻣﺮﺑﻮط ﺑﻪ ﻓﺮﻣﻮل ﺑﻨﺪي ﺿﻤﻨﯽ در ﻣﻌﺎدﻻت ﺳﻬﻤﻮي اﺳﺖ‪ .‬در ﻣﺴﺎﺋﻠﯽ ﮐﻪ ﻣﻘﺪار ﻣﺘﻐﯿﺮ واﺑﺴﺘﻪ در ﯾﮏ‬
‫ﺟﻬﺖ ﺗﻐﯿﯿﺮات ﺑﯿﺸﺘﺮي دارد ‪ ،‬ﺑﻬﺘﺮ اﺳﺖ ﮐﻪ از روش ﮔﻮس ﺳﺎﯾﺪل ﺧﻂ ﺑﻪ ﺧﻂ در آن ﺟﻬﺖ اﺳﺘﻔﺎده ﺷﻮد ‪ ،‬زﯾﺮا ﺑﺎ ﺗﻌﺪاد ﺗﮑﺮار ﮐﻤﺘﺮي ﺑﻪ ﺟﻮاب‬
‫ﻫﻤﮕﺮا ﻣﯽ ﺷﻮد‪.‬‬

‫ﺑﺎﯾﺪ داﻧﺴﺖ ﮐﻪ ﺑﺎ ﺑﻪ ﮐﺎرﮔﯿﺮي ﻣﻘﺎدﯾﺮ ﺟﺪﯾﺪ ‪ ،‬آﻫﻨﮓ ﻫﻤﮕﺮاﯾﯽ ﺑﻬﺘﺮ ﻣﯽ ﺷﻮد‪ .‬ﻫﻨﻮز ﻫﻢ ﻣﯽ ﺗﻮان ﮐﺎرﻫﺎﯾﯽ اﻧﺠﺎم داد ﮐﻪ ﺑﺮاي ﻫﻤﮕﺮاﯾﯽ ﺟﻮاب ‪،‬‬
‫ﺗﻌﺪاد ﺗﮑﺮارﻫﺎ ﮐﺎﻫﺶ ﯾﺎﺑﺪ و ﺑﻬﺒﻮد ﺑﯿﺸﺘﺮي ﺣﺎﺻﻞ ﺷﻮد ‪ ،‬ﮐﻪ اﯾﻦ ﻣﻮارد را در ﺑﺨﺶ ﺑﻌﺪ ﺧﻮاﻫﯿﻢ دﯾﺪ‪.‬‬

‫روش ﻓﻮق رﻫﺎﯾﯽ ﭘﯽ در ﭘﯽ ﻧﻘﻄﻪ ﺑﻪ ﻧﻘﻄﻪ )‪(PSOR‬‬

‫ﭘﯿﺸﺘﺮ ‪ ،‬ﺗﺸﺎﺑﻪ ﺑﯿﻦ روش ﺗﮑﺮاري ﺣﻞ ﻣﻌﺎدﻟﻪ ﺑﯿﻀﻮي و ﻓﺮﻣﻮل ﺑﻨﺪي ﺻﺮﯾﺢ )‪ (FTCS‬ﻣﻌﺎدﻟﮥ ﻏﯿﺮ داﺋﻢ ﺳﻬﻤﻮي را ﻧﺸﺎن دادﯾﻢ‪ .‬ﺑﻨﺎﺑﺮاﯾﻦ ‪ ،‬ﺣﻞ‬
‫ﺑﻪ روش ﺗﮑﺮار را ﻣﯽ ﺗﻮان روﺷﯽ داﻧﺴﺖ ﮐﻪ از ﺣﺎﻟﺖ اوﻟﯿﻪ اي آﻏﺎز ﻣﯽ ﺷﻮد و ﺑﻪ ﺳﻤﺖ ﺣﺎﻟﺖ داﺋﻢ ﭘﯿﺶ ﻣﯽ رود‪ .‬در ﻃﯽ ﻓﺮآﯾﻨﺪ ﺣﻞ ‪ ،‬اﮔﺮ در‬
‫ﻣﻘﺎدﯾﺮ ﻣﺤﺎﺳﺒﻪ ﺷﺪة ﻣﺘﻐﯿﺮ واﺑﺴﺘﻪ ﺟﻬﺖ ﺧﺎﺻﯽ دﯾﺪه ﺷﻮد ‪ ،‬از ﺳﻤﺖ و ﺟﻬﺖ ﺗﻐﯿﯿﺮ ﺑﺮاي ﺑﺮون ﯾﺎﺑﯽ ﻣﺮﺣﻠﮥ ﺗﮑﺮار ﺑﻌﺪي ﻣﯽ ﺗﻮان اﺳﺘﻔﺎده ﮐﺮد و‬
‫ﻓﺮآﯾﻨﺪ ﺣﻞ را ﺳﺮﻋﺖ ﺑﺨﺸﯿﺪ‪ .‬اﯾﻦ روش را روش رﻫﺎﯾﯽ ﭘﯽ در ﭘﯽ )‪ (SOR‬ﻣﯽ ﮔﻮﯾﻨﺪ‪.‬‬

‫اﺑﺘﺪا ‪ ،‬روش ﮔﻮس ﺳﺎﯾﺪل ﻧﻘﻄﻪ ﺑﻪ ﻧﻘﻄﻪ را در ﻣﻌﺎدﻟﮥ زﯾﺮ در ﻧﻈﺮ ﺑﮕﯿﺮﯾﺪ‪:‬‬

‫‪1‬‬
‫‪,‬‬ ‫=‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬
‫‪2 1+‬‬

‫ﺑﻪ ﺳﻤﺖ راﺳﺖ ﻣﻌﺎدﻟﮥ ﻓﻮق و ﺑﺎزآراﯾﯽ ﺟﻤﻠﻪ ﻫﺎ ‪ ،‬دارﯾﻢ‪:‬‬ ‫‪,‬‬ ‫‪−‬‬ ‫‪,‬‬ ‫ﺑﺎ اﻓﺰودن‬

‫‪1‬‬
‫‪,‬‬ ‫=‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪−2 1+‬‬ ‫ ‬ ‫‪,‬‬
‫‪2 1+‬‬

‫‪ ،‬ﭘﺎراﻣﺘﺮ رﻫﺎﯾﯽ ‪ ،‬ﺿﺮب‬ ‫ﭘﯿﺶ ﺑﺮود‪ .‬ﺑﺮاي ﺷﺘﺎب ﺑﺨﺸﯿﺪن ﺑﻪ ﺣﻞ ‪ ،‬ﻋﺒﺎرت داﺧﻞ ﭘﺮاﻧﺘﺰ را در‬ ‫‪,‬‬ ‫ﺑﺎﯾﺪ ﺑﻪ ﺳﻤﺖ‬ ‫‪,‬‬ ‫ﺑﺎ ﭘﯿﺸﺮوي ﺣﻞ ‪،‬‬

‫ﻣﯽ ﮐﻨﯿﻢ‪ .‬ﺑﻨﺎﺑﺮاﯾﻦ‪:‬‬

‫‪,‬‬ ‫=‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪−2 1+‬‬ ‫ ‬ ‫‪,‬‬ ‫)‪ (5 − 17‬‬
‫‪2 1+‬‬

‫< ‪ 0‬ﺑﺎﺷﺪ آن را رﻫﺎﯾﯽ زﯾﺮﯾﻦ )‪ (under-relaxation‬ﻣﯽ ﮔﻮﯾﻨﺪ‪.‬‬ ‫< ‪ 0‬ﺑﺎﺷﺪ‪ .‬اﮔﺮ ‪< 1‬‬ ‫ﺑﺮاي اﯾﻨﮑﻪ ﺟﻮاب ﻫﻤﮕﺮا ﺷﻮد ‪ ،‬ﺑﺎﯾﺪ ‪< 2‬‬
‫ﺑﺎﺷﺪ ‪ ،‬روش ﺗﮑﺮاري ﮔﻮس ﺳﺎﯾﺪل ﺑﺪﺳﺖ ﻣﯽ آﯾﺪ‪.‬‬ ‫ﮔﻔﺘﻨﯽ اﺳﺖ اﮔﺮ ‪= 1‬‬

‫ﻓﺮﻣﻮل ﺑﻨﺪي )‪ (5-17‬را ﺑﻪ ﺻﻮرت زﯾﺮ ﻣﯽ ﻧﻮﯾﺴﯿﻢ‪:‬‬

‫‪,‬‬ ‫‪= 1−‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫)‪ (5 − 18‬‬
‫‪2 1+‬‬
 ‫وﺟﻮد ﻧﺪارد‪ .‬در‬ ‫ﭼﻘﺪر اﺳﺖ؟ ﻫﯿﭽﮕﻮﻧﻪ راﻫﻨﻤﺎي ﮐﻠﯽ ﺑﺮاي ﻣﺤﺎﺳﺒﻪ ﻣﻘﺪار ﺑﻬﯿﻨﻪ‬ ‫ﯾﮏ ﺳﻮال ﺳﺎده اﯾﻦ اﺳﺖ ﮐﻪ ﻣﻘﺪار ﺑﻬﯿﻨﮥ ﺿﺮﯾﺐ رﻫﺎﯾﯽ‬
‫ﺑﻬﯿﻨﻪ از ﺳﻮي ﭘﮋوﻫﺸﮕﺮان ﻣﺨﺘﻠﻒ ﭘﯿﺸﻨﻬﺎد ﺷﺪه اﺳﺖ‪ .‬ﻧﻮﻋﯽ از اﯾﻦ رواﺑﻂ ﮐﻪ در ﺣﻞ ﻣﻌﺎدﻻت ﺑﯿﻀﻮي‬ ‫ﭘﺎره اي ﻣﻮارد ‪ ،‬رواﺑﻄﯽ ﺑﺮاي ﻣﺤﺎﺳﺒﮥ‬
‫در ﯾﮏ ﻗﻠﻤﺮو ﻣﺴﺘﻄﯿﻠﯽ ﺑﺎ ﺷﺮاﯾﻂ ﻣﺮزي درﯾﮑﻠﻪ و اﻧﺪازه ﮔﺎم ﻫﺎي ﺛﺎﺑﺖ اﺳﺘﻔﺎده ﻣﯽ ﺷﻮد ‪ ،‬راﺑﻄﻪ زﯾﺮ اﺳﺖ‪:‬‬

‫‪2 − 2√1 −‬‬

‫=‬ ‫)‪ (5 − 19‬‬

‫ﮐﻪ در آن‪:‬‬

‫‪cos‬‬ ‫‪+‬‬ ‫‪cos‬‬

‫‪−1‬‬ ‫‪−1‬‬
‫=‬ ‫)‪ (5 − 20‬‬
‫‪1+‬‬

‫را ﺑﻪ آﺳﺎﻧﯽ ﻧﻤﯽ ﺗﻮان ﻣﺤﺎﺳﺒﻪ ﮐﺮد‪ .‬ﺑﻨﺎﺑﺮاﯾﻦ در ﺑﯿﺸﺘﺮ ﻣﻮارد از آزﻣﺎﯾﺶ ﻋﺪدي اﺳﺘﻔﺎده ﻣﯽ ﺷﻮد‪.‬‬ ‫در ﺣﺎﻟﺖ ﮐﻠﯽ ‪،‬‬

‫روش ﻓﻮق رﻫﺎﯾﯽ ﭘﯽ در ﭘﯽ ﺧﻂ ﺑﻪ ﺧﻂ )‪(LSOR‬‬

‫روش ﺗﮑﺮاري ﮔﻮس ﺳﺎﯾﺪل ﺧﻂ ﺑﻪ ﺧﻂ را ﻣﯽ ﺗﻮان ﺑﺎ اﺳﺘﻔﺎده از ﺿﺮﯾﺐ رﻫﺎﯾﯽ ﻣﺎﻧﻨﺪ آﻧﭽﻪ در روش ﺗﮑﺮاري ﮔﻮس ﺳﺎﯾﺪل ﻧﻘﻄﻪ ﺑﻪ ﻧﻘﻄﻪ ﺑﻪ‬
‫ﮐﺎر رﻓﺖ‪ ،‬ﺳﺮﻋﺖ ﺑﺨﺸﯿﺪ‪ .‬روش ﮔﻮس ﺳﺎﯾﺪل ﺧﻂ ﺑﻪ ﺧﻂ ﺑﺮاي ﻣﻌﺎدﻟﮥ ﻣﺪل )‪ (5-16‬ﺑﻪ ﺻﻮرت زﯾﺮ اﺳﺖ‪:‬‬

‫‪,‬‬ ‫‪−2 1+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪=−‬‬ ‫‪,‬‬ ‫‪−‬‬ ‫‪,‬‬

‫ﺑﺎ ﺑﻪ ﮐﺎر ﺑﺮدن ﺿﺮﯾﺐ رﻫﺎﯾﯽ و ﻣﺮﺗﺐ ﮐﺮدن ﻣﻌﺎدﻻت ‪ ،‬ﻧﺘﯿﺠﻪ ﻣﯽ ﮔﯿﺮﯾﻢ‪:‬‬

‫ ‬ ‫‪,‬‬ ‫‪−2 1+‬‬ ‫‪,‬‬ ‫ ‪+‬‬ ‫‪,‬‬ ‫‪= − 1−‬‬ ‫‪2 1+‬‬ ‫‪,‬‬ ‫‪−‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫)‪ (5 − 21‬‬

‫اﺳﺘﻔﺎده ﻣﯽ ﺷﻮد‪.‬‬ ‫ﺑﻬﯿﻨﻪ راه ﺳﺎده اي وﺟﻮد ﻧﺪارد‪ .‬در ﻋﻤﻞ ﺑﺮاي ﯾﮏ ﻣﺴﺎﻟﻪ ﺧﺎص از روش ﺳﻌﯽ و ﺧﻄﺎ ﺑﺮاي ﺗﻌﯿﯿﻦ‬ ‫ﺑﺮاي ﻣﺤﺎﺳﺒﻪ‬

‫روش ﺿﻤﻨﯽ ﺑﺎ ﺟﻬﺖ ﻣﺘﻐﯿﺮ )‪(ADI‬‬

‫ﺗﺸﺎﺑﻪ ﺑﯿﻦ روش ﻫﺎي ﺗﮑﺮاري و ﻣﻌﺎدﻻت ﺳﻬﻤﻮي ﺗﺎﺑﻊ زﻣﺎن ‪ ،‬ﺑﺮرﺳﯽ روش ﻫﺎي ﺑﻪ ﮐﺎر رﻓﺘﻪ در ﺣﻞ ﻣﻌﺎدﻻت ﺳﻬﻤﻮي را ﭘﯿﺸﻨﻬﺎد ﻣﯽ ﮐﻨﺪ‪ .‬از‬
‫ﻣﻮارد ﺟﺎﻟﺐ آن ﺑﻪ ﮐﺎر ﮔﯿﺮي روش )‪ (ADI‬ﺑﺮاي ﻣﻌﺎدﻻت ﺑﯿﻀﻮي اﺳﺖ‪ .‬ﯾﮏ دور ﺗﮑﺮار را در ﺻﻮرﺗﯽ ﮐﺎﻣﻞ ﻣﯽ ﻧﺎﻣﯿﻢ ﮐﻪ دﺳﺘﮕﺎه ﻣﻌﺎدﻻت ﺳﻪ‬
‫ﻗﻄﺮي ﺣﺎﺻﻞ ‪ ،‬اﺑﺘﺪا ﺑﺮاي ﻫﻤﮥ ردﯾﻒ ﻫﺎ و ﺳﭙﺲ ﺑﺮاي ﻫﻤﮥ ﻗﻄﺮﻫﺎ ﺣﻞ ﺷﻮد و ﺑﺮ ﻋﮑﺲ‪ .‬ﻣﻌﺎدﻟﮥ ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﺑﺮاي ﻣﻌﺎدﻟﮥ ﻣﺪل )‪ (5-1‬ﺑﻪ ﺷﮑﻞ‬
‫زﯾﺮ در ﻣﯽ آﯾﺪ‪:‬‬

‫‪,‬‬
‫‪−2 1+‬‬ ‫‪,‬‬
‫‪+‬‬ ‫‪,‬‬
‫‪=−‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬
‫)‪ (5 − 22‬‬

‫و‬

‫‪,‬‬ ‫‪−2 1+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬ ‫‪=−‬‬ ‫‪,‬‬

‫‪−‬‬ ‫‪,‬‬ ‫)‪ (5 − 23‬‬
‫در اﯾﻦ ﻣﻌﺎدﻻت ‪ ،‬ﻣﻌﺎدﻟﮥ )‪ (5-22‬در ﺟﻬﺖ ‪ x‬ﺑﻪ روش ﺿﻤﻨﯽ و ﻣﻌﺎدﻟﻪ )‪ (5-23‬ﻧﯿﺰ در ﺟﻬﺖ ‪ y‬ﺑﻪ روش ﺿﻤﻨﯽ ﺣﻞ ﻣﯽ ﺷﻮد‪ .‬روش ﺣﻞ و ﺷﺒﮑﮥ‬
‫ﻧﻘﺎط ﻣﻌﺎدﻻت )‪ (5-22‬و )‪ (5-23‬در ﺷﮑﻞ )‪ (5-10‬ﻧﺸﺎن داده ﺷﺪه اﺳﺖ‪.‬‬

‫در ﻣﻌﺎدﻻت )‪ (ADI‬ﻣﯽ ﺗﻮان روش ﺣﻞ را ﺳﺮﻋﺖ ﺑﺨﺸﯿﺪ‪ .‬ﻓﺮﻣﻮل ﺑﻨﺪي ﺣﺎﺻﻞ ﭼﻨﯿﻦ اﺳﺖ‪:‬‬ ‫ﺑﺎ ﺑﻪ ﮐﺎر ﮔﯿﺮي ﭘﺎراﻣﺘﺮ رﻫﺎﯾﯽ‬

‫ ‬ ‫‪,‬‬
‫‪−2 1+‬‬ ‫‪,‬‬
‫ ‪+‬‬ ‫‪,‬‬
‫=‬

‫‪− 1−‬‬ ‫‪2 1+‬‬ ‫‪,‬‬ ‫‪−‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫‪,‬‬

‫)‪ (5 − 24‬‬

‫و‬

‫‪,‬‬ ‫‪−2 1+‬‬ ‫‪,‬‬ ‫‪+‬‬ ‫ ‬ ‫‪,‬‬ ‫=‬

‫‪− 1−‬‬ ‫‪2 1+‬‬ ‫‪,‬‬

‫‪−‬‬ ‫‪,‬‬
‫‪+‬‬ ‫‪,‬‬ ‫)‪ (5 − 25‬‬
 ‫ﺑﺮاي ﻫﻤﮕﺮاﯾﯽ ﺳﺮﯾﻊ ﺗﺮ اﺳﺘﻔﺎده ﻣﯽ ﮐﻨﯿﻢ‪.‬‬ ‫دﺷﻮار اﺳﺖ ‪ ،‬از آزﻣﻮن ﻋﺪدي ﺑﺮاي ﺑﺪﺳﺖ آوردن ﺑﻬﺘﺮﯾﻦ ﻣﻘﺪار‬ ‫ﻣﺠﺪداً ‪ ،‬ﭼﻮن ﻣﺤﺎﺳﺒﮥ‬
‫روش ﻫﺎي دﯾﮕﺮ ﻓﺮﻣﻮل ﺑﻨﺪي )‪ (ADI‬و روش ﻫﺎي ﺣﻞ آﻧﻬﺎ در ﻣﺮاﺟﻊ دﯾﮕﺮ آﻣﺪه اﺳﺖ‪ .‬ﭼﻮن ﺑﻨﺎ ﻧﯿﺴﺖ ﮐﻪ ﻫﻤﮥ روش ﻫﺎ در اﯾﻨﺠﺎ آورده ﺷﻮﻧﺪ ‪،‬‬
‫روش ﻫﺎي دﯾﮕﺮ )ﮐﻪ ﻣﻌﻤﻮﻻ ﭘﯿﭽﯿﺪه ﺗﺮﻧﺪ( در اﯾﻨﺠﺎ آورده ﻧﻤﯽ ﺷﻮﻧﺪ‪ .‬روش ﻫﺎﯾﯽ ﮐﻪ ﺗﺸﺮﯾﺢ ﺷﺪﻧﺪ ‪ ،‬روش ﻫﺎي ﭘﺎﯾﻪ ﺑﺮاي ﺣﻞ ﻣﻌﺎدﻻت ﺑﯿﻀﻮي‬
‫ﻫﺴﺘﻨﺪ و ﺑﺮاي ﻫﺪف ﻣﺎ ﮐﻔﺎﯾﺖ ﻣﯽ ﮐﻨﻨﺪ‪.‬‬