روشهای عددی در مکانیک خاک PDF

‫‪www.icivil.
ir‬‬
‫پرتال جامع داوشجًیان ي مهىدسیه عمران‬
‫ارائه کتابها ي جسيات رایگان مهىدسی عمران‬

‫بهتریه ي برتریه مقاالت ريز عمران‬
‫اوجمه های تخصصی مهىدسی عمران‬
‫فريشگاه تخصصی مهىدسی عمران‬
‫ﺭﻭﺷﻬﺎﻱ ﻋﺪﺩﻱ ﺩﺭ ﻣﻜﺎﻧﻴﻚ ﺧﺎﻙ‬
‫ﺑﻬﺮﻭﺯ ﮔﺘﻤﻴﺮﻱ‬
‫ﺩﺍﻧﺸﻜﺪﻩ ﻓﻨﻲ‬
‫ﺩﺍﻧﺸﮕﺎﻩ ﺗﻬﺮﺍﻥ‬
‫روش ﻫﺎي ﻋﺪدي در ﺧﺎك‬
‫روش اﺟﺰاي ﻣﺤﺪود‬
‫اﯾﺪه اﺻﻠﯽ‪:‬‬
‫اﯾــﺪه اﺻــﻠﯽ درروش اﺟــﺰاي ﻣﺤــﺪود ﺟــﺎﯾﮕﺰﯾﻨﯽ ﯾــﮏ ﻣﺴــﺎﻟﻪ ﭘﯿﭽﯿــﺪه ﺑــﺎ ﻣﺴــﺎﻟﻪ اي آﺳــﺎﻧﺘﺮ ﻣــﯽ ﺑﺎﺷــﺪ‪.‬‬
‫دراﯾــﻦ آﺳــﺎن ﺳـــﺎزي ﻣﻌﻤــﻮﻻ در ﻧﺒــﻮد رواﺑـــﻂ و راه ﺣﻠﻬــﺎي ﺻﺪدرﺻــﺪ ﮐﺎﻣـــﻞ)‪(exact‬ﺑــﻪ اﻧﺘﺨـــﺎب‬
‫وﯾــﺎﻓﺘﻦ راه ﺣــﻞ ﺗﻘﺮﯾﺒــﯽ ﺑﺴــﻨﺪه ﻣــﯽ ﺷــﻮد‪ .‬در ﻧﺒــﻮد راه ﺣــﻞ دﻗﯿــﻖ و ﮐﺎﻣــﻞ ﺑــﺎ اﺳــﺘﻔﺎده از روش اﺟــﺰا‬
‫ﻣﺤــﺪود ﺑــﺎ ﺻــﺮف ﺑﯿﺸــﺘﺮ اﻧــﺮژي ﻣﺤﺎﺳــﺒﺎﺗﯽ ﻣــﯽ ﺗــﻮان راه ﺣــﻞ ﺗﻘﺮﯾﺒــﯽ را ﻫﺮﭼــﻪ ﺑﯿﺸــﺘﺮ ﺑــﻪ راه ﺣــﻞ دﻗﯿــﻖ‬
‫ﻧﺰدﯾﮏ ﻧﻤﻮد‪.‬‬
‫در روش اﺟــﺰاي ﻣﺤــﺪود‪ ،‬ﻣﻨﻄﻘــﻪ اي ﮐــﻪ درآن راه ﺣــﻞ ﭘﯿﺸــﻨﻬﺎد ﺷــﺪه اﺳــﺖ ﺑــﻪ ﻋﻨﺎﺻــﺮ ﻣﺤــﺪودي ﮐــﻪ‬
‫در ارﺗﺒــﺎط ﺑــﺎ ﯾﮑــﺪﯾﮕﺮ ﻫﺴــﺘﻨﺪ ﺗﻘﺴــﯿﻢ ﺷــﺪه اﺳــﺖ‪.‬در ﻫــﺮ ﻗﻄﻌــﻪ ﯾــﺎ ﻋﻨﺼــﺮرواﺑﻂ ﺗﻘﺮﯾﺒــﯽ ﻣﻨﺎﺳــﺐ راه ﺣــﻞ‬
‫ﻧﻮﺷــﺘﻪ ﺷــﺪه وﺷــﺮاﯾﻂ ﺗﻌــﺎدﻟﯽ ﮐﻠــﯽ ﺳــﺎزه ازآن ﺑﺪﺳــﺖ ﻣــﯽ آﯾــﺪ‪.‬اﻗﻨــﺎع ﺷــﺮاﯾﻂ ﮐﻠــﯽ ﺗﻌــﺎدل ﻧﺘﯿﺠــﻪ اي‬
‫ﮐﻠﯽ ﺑﺮاي ﺳﯿﺴﺘﻢ ﺗﻘﺴﯿﻢ ﺷﺪه ﺑﻪ ﻗﻄﻌﺎت ﺑﺪﺳﺖ ﻣﯽ دﻫﺪ‪.‬‬
‫ﮔﺮﭼﻪ ﻧﺎم روش اﺟﺰا ﻣﺤﺪود اﺧﯿﺮا ﺑﻪ اﯾﻦ ﻣﺘﺪ داده ﺷﺪه اﺳﺖ‪ ،‬ﻟﯿﮑﻦ اﯾﺪه ﮐﻠـﯽ آن ﻗـﺪﯾﻤﯽ اﺳـﺖ‪.‬روش ﺷـﺒﯿﻪ‬
‫آﻧﭽﻪ ﮐﻪ اﻣﺮوز ﺑﮑﺎر ﺑﺮده ﻣﯽ ﺷﻮد در ادﺑﯿﺎت رﯾﺎﺿﯿﺎت ﮐﺎرﺑﺮدي در ﺳـﺎل ‪1943‬ﺗﻮﺳـﻂ ‪ Courant‬ﭘﯿﺸـﻨﻬﺎد‬
‫ﺷــــﺪه اﺳــــﺖ و روش اﺟــــﺰاي ﻣﺤــــﺪود ﺑــــﻪ ﺷــــﮑﻞ اﻣــــﺮوزي در ﺳــــﺎل ‪1956‬ﺗﻮﺳــــﻂ‬
‫‪ Topp,Martin,Clough,Turner‬ﭘﯿﺸﻨﻬﺎد ﺷﺪه اﺳﺖ‪ .‬اوﻟﯿﻦ ﮐﺎرﺑﺮد روش اﺟﺰاي ﻣﺤـﺪود ﺟﻬـﺖ آﻧـﺎﻟﯿﺰ‬
‫ﺳﺎزه ي ‪ aircraft‬ﺑﻮده اﺳﺖ و اﻣﺮوزه در ﺗﻤﺎم ﺷﺎﺧﻪ ﻫﺎي ﻋﻠﻮم از آن اﺳﺘﻔﺎده ﻣﯽ ﺷـﻮد‪ .‬ﺑـﺎ ﭘﯿﺸـﺮﻓﺖ ﻣﺎﺷـﯿﻦ‬
‫ﻫﺎي ﻣﺤﺎﺳﺒﻪ ﮔﺮ و راﯾﺎﻧﻪ ﻫﺎ‪ ،‬روش اﺟﺰا ﻣﺤﺪود ﻧﯿﺰ ﺑﻪ ﮔﻮﻧﻪ اي ﺑﺴﯿﺎر ﺳﺮﯾﻊ ﭘﯿﺸﺮﻓﺖ ﺣﺎﺻﻞ ﮐﺮده اﺳﺖ‪.‬‬
‫ﻣﯽ ﺗﻮان زﻣﯿﻨﻪ ﮐﺎرﺑﺮدروش اﺟﺰا ﻣﺤـﺪود را در "ﻣﺴﺎﯾﻞ ﻣﻘﺎدﯾﺮ ﺣﺪ‪‬ي" ﺑـﻪ ﺳـﻪ ﺑﺨـﺶ ﻋﻤـﺪه زﯾـﺮ ﺗﻘﺴـﯿﻢ‬
‫ﺑﻨﺪي ﮐﺮد‪.‬‬
‫‪.1‬ﻣﺴﺎﯾﻞ ﺗﻌﺎدﻟﯽ‬
‫‪.2‬ﻣﺴﺎﯾﻞ ﻣﻘﺎدﯾﺮ وﯾﮋه‬
‫‪.3‬ﻣﺴﺎﯾﻞ ﻣﺮﺑﻮط ﺑﻪ اﻧﺘﺸﺎر اﻣﻮاج‬
‫‪1‬‬
‫ﮔﺮوه اول ﻣﺴﺎﯾﻠﯽ ﻫﺴﺘﻨﺪ ﮐﻪ ﺗﺎﺑﻊ زﻣﺎن ﻧﺒﻮده و ﺑﯿﺎﻧﮕﺮ ﺣﺎﻟﺖ ﭘﺎﯾـﺎ ﻣـﯽ ﺑﺎﺷـﻨﺪ‪ .‬اﯾـﻦ ﮔﻮﻧـﻪ ﻣﺴـﺎﯾﻞ ﻣﯿﺘﻮاﻧﻨـﺪ ﺑـﺎ‬
‫ﻧﺤﻮه ي ﺑﺮﺧﻮرد ﺧﺎص ﺣﻞ ﺷﻮﻧﺪ‪ ،‬ﯾﻌﻨﯽ اﯾﻨﮑﻪ ﺑﺎ در ﻧﻈـﺮ ﮔـﺮﻓﺘﻦ "ﺗﻐﯿﯿﺮﺷـﮑﻞ" ﯾﺎﺑـﺎدرﻧﻈﺮﮔﺮﻓﺘﻦ "ﺗـﻨﺶ" ﺑـﻪ‬
‫ﻋﻨﻮان ﭘﺎراﻣﺘﺮ اﺻﻠﯽ و ﻣﺘﻐﯿﺮﻋﻤﺪه ﺣﻞ ﺷﻮﻧﺪ‪.‬‬
‫ﮔﺮوه دوم ﻣﺴﺎﯾﻠﯽ ﻫﺴﺘﻨﺪ ﮐﻪ ﭘﺎراﻣﺘﺮ زﻣﺎن ﺑﺼﻮرت واﺿﺢ درآن ﻇﺎﻫﺮ ﻧﻤﯽ ﺷﻮﻧﺪ‪ .‬ﻣﯽ ﺗﻮان اﯾﻦ ﻧـﻮع ﻣﺴـﺎﯾﻞ‬
‫را اداﻣﻪ ﻣﺴﺎﯾﻞ ﮔﺮوه اول داﻧﺴﺖ ﺑﺎ اﯾﻦ ﺗﻔﺎوت ﮐﻪ ﻣﺠﺒﻮرﯾﻢ در اﯾﻦ ﮔﺮوه ﻣﻘﺎدﯾﺮ ﺑﺤﺮاﻧـﯽ ﺑﻌﻀـﯽ از ﭘﺎراﻣﺘﺮﻫـﺎ‬
‫را ﻋﻼوه ﺑﺮ ﺣﺎﻟﺖ ﭘﺎﯾﺎ ﻣﺤﺎﺳﺒﻪ ﮐﻨﯿﻢ‪.‬‬
‫ﮔﺮوه ﺳﻮم ﻣﺴﺎﯾﻠﯽ ﻫﺴﺘﻨﺪﮐﻪ ﺗﺎﺑﻊ زﻣﺎن ﻣﯽ ﺑﺎﺷﻨﺪ و ﭘﺎراﻣﺘﺮ زﻣﺎن در آﻧﻬﺎ ﻧﻘـﺶ ﻋﻤـﺪه اي ﺑـﺎزي ﻣـﯽ ﮐﻨـﺪ و‬
‫ﺑﯿﺎﻧﮕﺮ ﺣﺎﻟﺖ ﮔﺬرا ﻣﯽ ﺑﺎﺷﻨﺪ‪.‬‬
‫در ﺟﺪول ﯾﮏ ﻣﺒﺎﺣﺜﯽ ﮐﻪ در زﻣﯿﻨﻪ ﻫﺎي ﻣﺮﺑﻮط ﺑﻪ ﻣﮑﺎﻧﯿﮏ ﺧﺎك ﺑﻪ روش اﺟﺰا ﻣﺤﺪود ﻣﯽ ﺗﻮان ﺑﻪ ﺑﺮرﺳـﯽ‬
‫و ﺣﻞ آن ﻣﺒﺎدرت ﮐﺮد ﺑﻪ ﻃﻮر ﺧﻼﺻﻪ ﯾﺎدآور ﻣﯽ ﺷﻮﯾﻢ‪.‬‬
‫*ﺟﺪول ﯾﮏ‪-‬زﻣﯿﻨﻪ ﮐﺎرﺑﺮد روش اﺟﺰاي ﻣﺤﺪود*‬

‫زﻣﯿﻨﻪ ﮐﺎرﺑﺮد‬ ‫ﻣﺴﺎﯾﻞ ﺗﻌﺎدﻟﯽ‬ ‫ﻣﺴﺎﯾﻞ ﻣﻘﺎدﯾﺮ وﯾﮋه‬ ‫ﻣﺴﺎﯾﻞ اﻧﺘﺸﺎري‬
‫ﺟﺮﯾﺎن ﮔﺬراي ﺣﺮارت در‬
‫ﭘﺨﺶ ﺣﺮارت در ﺟﺎﻣﺪ ﯾﺎ ﻣﺎﯾﻊ در‬ ‫ﻣﮑﺎﻧﯿﮏ ﺟﺎﻣﺪات و‬
‫اﻧﺘﺸﺎر ﺣﺮارت‬ ‫‪-‬‬
‫ﺣﺎﻟﺖ ﭘﺎﯾﺎ‬ ‫ﺳﺎﺧﺘﻤﺎﻧﻬﺎ و ﻣﺎﺷﯿﻨﻬﺎي‬
‫ﺣﺮارﺗﯽ‬
‫آﻧﺎﻟﯿﺰ وﺑﺮرﺳﯽ‬
‫ﻣﺴﺎﯾﻞ اﻧﺪرﮐﻨﺶ ﺧﺎك‪-‬ﺳﺎزه‬
‫ﮔﻮدﺑﺮداري‪،‬دﯾﻮارﻫﺎي‬ ‫آﻧﺎﻟﯿﺰ و ﺗﻌﯿﯿﻦ ﻓﺮﮐﺎﻧﺲ ﻃﺒﯿﻌﯽ‬
‫ﺗﺎﺑﻊ زﻣﺎن‬
‫ﺣﺎﯾﻞ‪،‬ﺗﻮﻧﻠﻬﺎ‪،‬اﺗﺼﺎﻻت ﺳﻨﮕﻬﺎ‬ ‫و ﻣﻮدﻫﺎي ارﺗﻌﺎش ﺳﯿﺴﺘﻢ‬
‫ﺗﺮاواي ﮔﺬراي آب در ﺧﺎك‬
‫ژﺋﻮﻣﮑﺎﻧﯿﮏ‬ ‫واﻧﺪرﮐﻨﺶ ﺧﺎك‪-‬ﺳﺎزه‬ ‫ﺳﺪ‪-‬ﻣﺨﺰن‬
‫وﺳﻨﮓ‬
‫آﻧﺎﻟﯿﺰ ﺗﻨﺸﻬﺎ درﺧﺎك‪ ،‬ﺳﺪﻫﺎ‪،‬‬ ‫و ﺑﺮرﺳﯽ اﻧﺪرﮐﻨﺶ دﯾﻨﺎﻣﯿﮑﯽ‬
‫اﻧﺘﺸﺎر اﻣﻮاج ﺗﻨﺶ در ﺧﺎك‬
‫ﺷﻤﻌﻬﺎ و ﭘﯽ ﻫﺎي ﻣﺎﺷﯿﻦ آﻻت‬ ‫ﺧﺎك و ﺳﺎزه‬
‫وﺳﻨﮓ‬
‫وﺳﺎﺧﺘﻤﺎﻧﻬﺎ‬
‫آﻧﺎﻟﯿﺰ ﺟﺮﯾﺎن ﻣﺎﯾﻊ ﻧﺎ ﭘﺎﯾﺎ و‬
‫آﻧﺎﻟﯿﺰ ﭘﺘﺎﻧﺴﯿﻞ ﺟﺮﯾﺎن‪ ،‬ﺳﻄﻮح آزاد‪،‬‬
‫ﻫﯿﺪروﻟﯿﮏ و‬ ‫آﻧﺎﻟﯿﺰ وﺗﻌﯿﯿﻦ ﻓﺮﮐﺎﻧﺲ ﻃﺒﯿﻌﯽ‬ ‫اﻧﺘﺸﺎر اﻣﻮاج در ﻣﺤﯿﻄﻬﺎي‬
‫ﻻﯾﻪ ﻫﺎي ﻣﺮزي ﺟﺮﯾﺎن‪ ،‬ﺟﺮﯾﺎﻧﻬﺎي‬
‫ﻫﯿﺪرودﯾﻨﺎﻣﯿﮏ‬ ‫ﺣﻮﺿﻪ ﻫﺎي آﺑﮕﯿﺮ و درﯾﺎﭼﻪ ﻫﺎ‬ ‫اﺷﺒﺎع وﺻﺨﺮه ﻫﺎي آﺑﮕﯿﺮ و‬
‫ﻟﺰج و آﻧﺎﻟﯿﺰ و ﺑﺮرﺳﯽ ﺳﺎزه ﻫﺎي‬
‫ﻣﻬﻨﺪﺳﯽ‬ ‫و ﺑﻨﺎدر‬ ‫ﻣﺴﺎﯾﻞ ﺟﺮﯾﺎن ﻫﺎي‬
‫آﺑﯽ و ﺳﺪﻫﺎ‬
‫ﻫﯿﺪروﻣﻐﻨﺎﻃﯿﺴﯽ دﯾﻨﺎﻣﯿﮑﯽ‬
‫‪2‬‬
‫ﺗﻮﺿﯿﺤﺎت ﮐﻠﯽ در ﻣﻮرد درس روش اﺟﺰاي ﻣﺤﺪود‬
‫راه ﺣﻞ ﻫﺎي ﻣﺤﯿﻄﻬﺎي ﭘﯿﻮﺳﺘﻪ ﺗﻮﺳﻂ روش اﺟﺰاي ﻣﺤﺪود ﺑﺎ ﮔﺎﻣﻬﺎي ﻣﻬﻢ ﺗﻮﺿﯿﺢ داده ﺷـﺪه در زﯾـﺮ ﻫﻤـﺮاه‬
‫اﺳﺖ‪:‬‬
‫ﮔﺎم اول‪ :‬ﺷﺒﮑﻪ ﺑﻨﺪي ﻣﺤﯿﻂ ﭘﯿﻮﺳﺘﻪ‬
‫اﯾﻦ ﻋﻤﻞ ﺑﻪ ﻣﻨﻈﻮر ﺗﻘﺴﯿﻢ ﮐﺮدن ﻣﺤﯿﻂ ﭘﯿﻮﺳﺘﻪ ﺑﻪ ﯾﮏ ﺳﺮي ﻋﻨﺎﺻﺮ ﮐﻮﭼﮏ در ارﺗﺒﺎط ﺑﺎ ﯾﮑﺪﯾﮕﺮ اﻧﺠـﺎم ﻣـﯽ‬
‫ﭘﺬﯾﺮد‪ .‬در اﯾﻦ ﮔﺎم ﺑﺎﯾﺪ ﯾﮏ ﺳﺮي ﺷﺮاﯾﻂ ﺧﺎص را ﻣﺪ ﻧﻈﺮداﺷﺖ ﺗﺎ راه ﺣﻞ ﺗﻘﺮﯾﺒﯽ ﭘﯿﺸﻨﻬﺎد ﺷﺪه ﺑـﻪ ﺟﻮاﺑﻬـﺎي‬
‫ﺳﺎزﮔﺎر و دﻗﯿﻖ ﺑﺮﺳﺪ‪ .‬اﻧﺪازه ﻋﻨﺎﺻﺮ‪ ،‬ﺗﯿﭗ ﻋﻨﺎﺻﺮ‪ ،‬ﺗﻌﺪاد ﻋﻨﺎﺻﺮ و ﻧﺤﻮه ي ﮐﻨـﺎر ﻫـﻢ ﮔـﺬاري در اﯾـﻦ ﻣﺮﺣﻠـﻪ‬
‫ﺗﺼﻤﯿﻢ ﮔﯿﺮي ﻣﯽ ﺷﻮد‪.‬‬
‫ﮔﺎم دوم‪ :‬اﻧﺘﺨﺎب ﺗﺎﺑﻊ درون ﯾﺎﺑﯽ ﻣﻨﺎﺳﺐ ﺟﻬﺖ ﺗﺒﺪﯾﻞ ﺻﺤﯿﺢ ﻓﺮم اﻧﺘﮕﺮال ﺑﻪ ﻓﺮم ﻣﺎﺗﺮﯾﺴﯽ‬
‫در ﻧﺤﻮه ﻧﮕﺮش واﻧﺘﺨﺎب راه ﺣﻞ"ﺗﻐﯿﯿﺮ ﻣﮑﺎن"ﻣﻌﺎدﻻت ﺗﻌﺎدل ﻧﻮﺷﺘﻪ ﺷـﺪه روي ﻫـﺮ ﻋﻨﺼـﺮ ﺑـﺎ اﻧﺘﺨـﺎب ﻣـﺪل‬
‫ﻣﻨﺎﺳﺒﯽ ﺗﻘﺮﯾﺐ ﻣﯽ ﺷﻮد ﮐﻪ اﯾﻦ ﺗﻘﺮﯾﺐ ﺑﺎﯾﺪ ازﻧﻘﻄﻪ ﻧﻈﺮﻣﺤﺎﺳﺒﺎﺗﯽ آﺳﺎن و از ﻧﻘﻄﻪ ﻧﻈﺮ ﻧﺘـﺎﯾﺞ ﺑﺎﯾـﺪ دﻗﯿـﻖ ﺑﺎﺷـﺪ‪.‬‬
‫ﺷﺮاﯾﻂ ﻫﻤﮕﺮاﯾﯽ راه ﺣﻞ ﺑﺎﯾﺪ در اﯾﻦ ﻣﺮﺣﻠﻪ ﮐﻨﺘـﺮل ﺷـﻮد‪ .‬ﻣﻌﻤـﻮﻻ ﺗـﺎﺑﻊ درون ﯾـﺎﺑﯽ ﻫﺮﻋﻨﺼـﺮ ﺑﺼـﻮرت ﭼﻨـﺪ‬
‫ﺟﻤﻠﻪ اي درﻧﻈﺮﮔﺮﻓﺘﻪ ﻣﯽ ﺷﻮد‪.‬‬
‫ﮔﺎم ﺳﻮم‪:‬ﺗﻌﯿﯿﻦ"ﻣﺎﺗﺮﯾﺲ ﺳﺨﺘﯽ ﻋﻨﺼﺮي"و ﺑﺮدارﻫﺎي "ﻧﯿـﺮو"‬

‫ﺑﺮاي ﻫﺮﻋﻨﺼﺮ ﺗﻌﯿﯿﻦ ﺷﺪه درﮔﺎم اول ﺑﺮ اﺳﺎس ﻣﻌﺎدﻻت ﻧﻮﺷﺘﻪ ﺷﺪه و ﭘﺲ از ﺗﺒﺪﯾﻞ ﻓﺮم اﻧﺘﮕﺮاﻟﯽ ﻣﻌـﺎدﻻت ﺑـﻪ‬
‫ﻓﺮم ﻣﺎﺗﺮﯾﺴﯽ آن‪ ،‬ﻣﺎﺗﺮﯾﺴﻬﺎي ﺳﺨﺘﯽ ﻫﺮﻋﻨﺼﺮ و ﺑـﺮدار ﻧﯿـﺮوي ﻫﺮﻋﻨﺼـﺮ ﺑـﺎ اﺳـﺘﻔﺎده از ﺷـﺮاﯾﻂ ﺣـﺪ‪‬ي ﭘـﺲ از‬
‫اﺳﺘﻔﺎده از اﺻﻞ ﺣﺴﺎب ﺗﻐﯿﯿﺮات ﺑﺪﺳﺖ ﻣﯽ آﯾﻨﺪ‪.‬‬
‫ﮔﺎم ﭼﻬﺎرم‪ :‬ﮐﻨﺎر ﻫﻢ ﮔﺬاري ﻣﻌﺎدﻻت ﻋﻨﺎﺻﺮ‬

‫ﺑﻪ ﻣﻨﻈﻮر دﺳﺖ ﯾﺎﻓﺘﻦ ﺑﻪ ﻓﺮم ﮐﻠﯽ ﻣﺎﺗﺮﯾﺴﯽ ﻣﻌﺘﺒﺮ روي ﮐﻞّ ﻣﺤﯿﻂ ﺗﻘﺴﯿﻢ ﺷـﺪه ﺑـﻪ ﻋﻨﺎﺻـﺮ ﺑﺎﯾـﺪ ﻣـﺎﺗﺮﯾﺲ ﻫـﺎي‬
‫ﻣﻮﺟﻮد درﻫﺮﻣﺮﺣﻠﻪ را ﺑﺎﻧﻈﻢ ﺧﺎﺻﯽ ﺗﺒﺪﯾﻞ ﺑﻪ ﻣﺎﺗﺮﯾﺲ ﮐﻠﯽ ﻣﻌﺎدﻻت ﻧﻤﻮد‪ .‬ﻣـﺎﺗﺮﯾﺲ ﻫـﺎ و ﺑﺮدارﻫـﺎي ﺣﺎﺻـﻞ‬
‫درﮐﻞ ﻣﺤﯿﻂ ﻣﻌﺘﺒﺮ ﻫﺴﺘﻨﺪ‪.‬‬
‫‪3‬‬
‫ﮔﺎم ﭘﻨﺠﻢ‪:‬ﻣﻌﺮﻓﯽ ﺷﺮاﯾﻂ ﺣﺪ‪‬ي درﻣﺎﺗﺮﯾﺲ ﻧﻬﺎﯾﯽ‬
‫ﮔﺎم ﺷﺸﻢ‪:‬ﺣﻞ ﻣﻌﺎدﻟﻪ ﻧﻬﺎﯾﯽ‬

‫ﻓﺮم ﻧﻬـﺎﯾﯽ ﺑﺪﺳـﺖ آﻣـﺪه ﮐـﻪ ﺑﺼـﻮرت } ‪ [ K ]{ j} = { F‬اﺳـﺖ ﺗﻮﺳـﻂ راه ﺣﻠﻬـﺎي ﮐﻼﺳـﯿﮏ ﺣـﻞ ﻣﻌﺎدﻟـﻪ‬
‫دﺳﺘﮕﺎﻫﻬﺎي ﺧﻄﯽ ﯾﺎ ﻏﯿﺮﺧﻄﯽ ﺣﻞ ﻣﯽ ﺷﻮﻧﺪ‪.‬‬
‫ﮔﺎم ﻫﻔﺘﻢ‪ :‬ﻣﺤﺎﺳﺒﺎت ﻻزم ﺑﻪ ﻣﻨﻈﻮر ﺗﻌﯿﯿﻦ ﭘﺎراﻣﺘﺮﻫﺎي ﺟﻨﺒﯽ ﻣﻮرد ﻧﯿﺎز‬
‫در اﯾﻨﮕﻮﻧﻪ ﻣﺤﺎﺳﺒﺎت ﺑﺮﺣﺴﺐ ﻧﯿـﺎز ﭘﺎراﻣﺘﺮﻫـﺎي ﻣﺸﺨﺼـﯽ را ﻣﺤﺎﺳـﺒﻪ ﮐـﺮده و ﻋﺮﺿـﻪ ﻣـﯽ ﻧﻤـﺎﯾﯿﻢ‪ .‬ﻣـﺜﻼ اﮔـﺮ‬
‫ﻣﺤﺎﺳﺒﺎت ﺑﺮ ﺣﺴﺐ ﺗﻐﯿﯿـﺮ ﻣﮑـﺎن ﻫـﺎ اﻧﺠـﺎم ﺷـﺪه ﺑﺎﺷـﺪ و ﺑﺨـﻮاﻫﯿﻢ ﺗـﻨﺶ ﻫـﺎ را ﻧﯿـﺰ داﺷـﺘﻪ ﺑﺎﺷـﯿﻢ ﻻزم اﺳـﺖ‬
‫درزﯾﺮﺑﺮﻧﺎﻣﻪ اي ﺗﻨﺸﻬﺎ را ﺑﺮاي ﻋﻨﺎﺻﺮ ﺣﺴﺎب ﮐﻨﯿﻢ‪.‬‬
‫‪4‬‬
‫ﻓﺼﻞ اول‪:‬‬
‫ﺗﻘﺮﯾﺐ ﺗﻮﺳﻂ ﻋﻨﺎﺻﺮﻣﺤﺪود‬
‫‪5‬‬
‫‪ 1-1‬ﺗﻘﺮﯾﺒﻬﺎ‬
‫‪ 1-1-1‬ﺗﻘﺮﯾﺐ ﮔﺮﻫﯽ‪:‬‬
‫در ﯾﮏ ﻣﺪل رﯾﺎﺿﯽ ﯾﮏ ﺳﯿﺴﺘﻢ ﻓﯿﺰﯾﮑﯽ از ﻣﺘﻐﯿﺮﻫﺎ و ﺗﻮاﺑﻊ ﮐﻪ ﺗﻮاﺑﻊ ﺻﺤﯿﺢ و دﻗﯿﻖ ﻧﺎﻣﯿﺪه ﻣﯽ ﺷﻮﻧﺪ اﺳـﺘﻔﺎده‬
‫ﻣﯽ ﮔﺮدد‪ . U ex ( x) :‬ﺗﺎﺑﻊ ﺗﻘﺮﯾﺒﯽ )‪ U(x‬ﮐﻪ ﺟﻮاب ﻣﺪل رﯾﺎﺿﯽ ﺳﯿﺴﺘﻢ ﻣـﻮرد ﻧﻈـﺮ اﺳـﺖ ﻫﻤـﻮاره اﺧﺘﻼﻓـﯽ ﺑـﺎ‬
‫ﺑﻪ ﺣﺪ ﮐﺎﻓﯽ ﮐﻮﭼﮏ ﺑﺎﺷﺪ ﺗﺎ ﺟﻮاب ﺗﻘﺮﯾﺒﯽ را ﺟﻮاب ﻣﺴﺎﻟﻪ ﺑﺪاﻧﯿﻢ‪:‬‬ ‫)‪e( x‬‬ ‫ﺟﻮاب دﻗﯿﻖ دارد‪ :‬ﺑﺎﯾﺪ‬
‫) ‪e( x ) = U( x ) − U ex ( x‬‬ ‫)‪( 1 − 1‬‬
‫ﺑﺮاي ﺳﺎﺧﺘﻦ ﺗﺎﺑﻊ ﺟﻮاب ﺗﻘﺮﯾﺒﯽ ﻣﯽ ﺗﻮان ﺑﻪ ﻃﺮﯾﻖ زﯾﺮ ﻋﻤﻞ ﮐﺮد‪:‬‬
‫‪-‬ﺗﺎﺑﻌﯽ واﺑﺴﺘﻪ ﺑﻪ ‪ n‬ﭘﺎراﻣﺘﺮ ‪ ai‬ﺗﻌﺮﯾﻒ ﮐﺮد ﯾﺎ اﻧﺘﺨﺎب ﻧﻤﻮد ) ‪U ( x, a1 , a 2 ,..., a n‬‬
‫‪-‬ﭘﺎراﻣﺘﺮﻫــﺎي ‪ ai‬را ﻃــﻮري ﺗﻌﺮﯾــﻒ و ﺗﻌﯿــﯿﻦ ﮐــﺮد ﮐــﻪ راﺑﻄــﻪ)‪(1-1‬ﺻــﺎدق ﺑﺎﺷــﺪ‪ .‬ﺑــﻪ ﻋﻨــﻮان ﻣﺜــﺎل ﻣــﯽ‬
‫ﺗــﻮاﻧﯿﻢ در ﭼﻨــﺪ ﻧﻘﻄــﻪ ﺗــﺎﺑﻊ ﺟــﻮاب )‪ U ( x‬راﺑــﺎ )‪ U ex ( x‬ﯾﮑﺴــﺎن ﮐﻨــﯿﻢ‪ .‬ﺑﺎﯾــﺪ اﯾــﻦ ﺗﻮاﺑــﻊ ﻃــﻮري اﻧﺘﺨــﺎب‬
‫ﺷﻮﻧﺪ ﮐﻪ ﻣﺸﺘﻖ ﮔﯿﺮي و اﻧﺘﮕﺮال ﮔﯿﺮي از آﻧﻬﺎ ﺳﺎده ﺑﺎﺷﺪ‪.‬‬
‫ﺑﺎ ﻣﺜﺎل ﻫﺎي زﯾﺮ‪:‬‬
‫‪(1‬ﺗﺎﺑﻊ ﺗﻘﺮﯾﺒﯽ ﺑﺮاي ﯾﮏ ﺗﺎﺑﻊ ﺷﮑﻞ ﮐﻪ ﻓﻘﻂ در ﭼﻨﺪ ﻧﻘﻄﻪ ﺷﻨﺎﺧﺘﻪ ﺷﺪه اﺳﺖ ﻣﻌﺮﻓﯽ ﻣﯿﮕﺮدد و‬
‫‪(2‬ﺣﻞ ﺗﻘﺮﯾﺒﯽ ﯾﮏ ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ را ﻋﺮﺿﻪ ﻣﯽ ﮐﻨﯿﻢ‪.‬‬
‫ﻣﺜﺎل‪:1-1‬‬
‫ﺣﺮارت در ﺳﻪ ﻧﻘﻄﻪ ﻣﻄﺎﺑﻖ ﺟﺪول ﺷﻨﺎﺧﺘﻪ ﺷﺪه اﺳﺖ‪ .‬ﺑﺮاي ﻧﻘﺎط دﯾﮕﺮ ﺗﻮﺳﻂ ﯾﮏ ﺗﺎﺑﻊ ﺣﺮارت را ﺑﯿﺎﺑﯿﺪ‪.‬‬
‫‪x‬‬ ‫‪0‬‬ ‫‪0.5‬‬ ‫‪1‬‬

‫)‪U ex ( x‬‬ ‫‪20o‬‬ ‫‪25o‬‬ ‫‪22o‬‬
‫ﺣﻞ‪ .‬ﻓﺮم ﭼﻨﺪ ﺟﻤﻠﻪ اي از درﺟﻪ دوم را ﺟﻬﺖ ﺟﻮاب ﺗﻘﺮﯾﺒﯽ اﺧﺘﯿﺎر ﻣﯽ ﮐﻨﯿﻢ‪.‬‬
‫‪2‬‬
‫‪U ( x, a1 , a 2 , a3 ) = a1 + a 2 x + a3 x‬‬
‫‪o‬‬
‫‪U ex ( x = 0) = U ( x = 0) = a1 = 20‬‬
‫‪o‬‬
‫‪U ex ( x = 0.5) = U ( x = 0.5) = a1 + 0.5 a 2 + 0.25 a3 = 25‬‬
‫‪o‬‬
‫‪U ex ( x = 1) = U ( x = 1) = a1 + a 2 + a 3 = 22‬‬
‫‪⇒ a1 = 20, a 2 = 18, a3 = −16‬‬

‫‪2‬‬
‫‪→ U ex ( x) ≈ U ( x) = 20 + 18 x − 16 x‬‬
‫‪6‬‬
‫ﻣﺜﺎل ‪ :1-2‬ﺗﻘﺮﯾﺐ ﯾﮏ ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ﺗﺎﺑﻊ )‪ U ex ( x‬را ﭘﯿﺪا ﮐﻨﯿﺪ ﮐﻪ ﺷﺮاﯾﻂ زﯾﺮ را ارﺿﺎ ﮐﻨﺪ‪:‬‬
‫‪2‬‬
‫)‪d U ex ( x‬‬
‫‪0 ≤ x≤1‬‬ ‫‪,‬‬ ‫‪-‬ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ‪= f ( x) :‬‬
‫‪2‬‬
‫‪dx‬‬
‫‪U ex ( x) = 0‬‬ ‫‪for‬‬ ‫‪-‬ﺷﺮاﯾﻂ ﺣﺪ‪‬ي‪x = 0, x = 1 :‬‬
‫ﻃﻮري اﺳﺖ ﮐﻪ ‪f ( x = 0.75) = 0.25 , f ( x = 0.25) = 1‬‬ ‫‪-‬ﺗﺎﺑﻊ )‪f ( x‬‬
‫ﺣﻞ‪ .‬ﺗﺎﺑﻊ زﯾﺮ را اﻧﺘﺨﺎب ﻣﯽ ﮐﻨﯿﻢ‪:‬‬

‫)‪U ex ( x) ≈ U ( x) = a1 sin(π x) + a 2 sin(2π x‬‬
‫‪2‬‬
‫‪d U‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪= − a1π sin(0.25π ) − 4a 2π sin(0.5π ) = f ( x1 ) = 1‬‬
‫‪2 x1=0.25‬‬
‫‪dx‬‬
‫‪2‬‬
‫‪d U‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪= − a1π sin(0.75π ) − 4 a 2π sin(1.5π ) = 0.25‬‬
‫‪2 x2 =0.75‬‬
‫‪dx‬‬
‫‪5‬‬ ‫‪3‬‬
‫‪→ a1 = −‬‬ ‫‪, a2 = −‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪4 2π‬‬ ‫‪32 π‬‬
‫‪5‬‬ ‫‪3‬‬
‫‪U ex ( x) ≈ U ( x) = −‬‬ ‫‪sin(π x) −‬‬ ‫)‪sin(2π x‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪4 2π‬‬ ‫‪32 π‬‬
‫اﯾﻦ ﺣﺮﮐﺖ ﯾﮏ ﻧﻮع ﻣﺠﺰاﺳﺎزي )‪ (discretisation‬ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ اﺳﺖ ﺑﺎ دو ﻣﻌﺎدﻟﻪ ﺟﺒﺮي‪.‬‬

‫در دو ﻣﺜﺎل ﺑﺎﻻ ﻣﯽ ﺑﯿﻨﯿﻢ ﮐﻪ‪:‬‬
‫‪U ( x) = P1 ( x) a1 + P2 ( x) a 2 + ... + Pn ( x) a n‬‬ ‫)‪(1 − 2‬‬
‫‪ a1 ‬‬
‫‪a ‬‬
‫‪ 2 ‬‬
‫}‪U ( x) = P1 ( x) P2 ( x) . . . Pn ( x)  .  = P {a‬‬ ‫)‪(1 − 3‬‬
‫‪.‬‬
‫‪ ‬‬
‫‪a n ‬‬
‫ﺗﻮاﺑﻊ ‪ :P‬ﺗﻮاﺑﻊ ﺧﻄﯽ ﻣﺴﺘﻘﻞ‪ ،‬ﻫﻤﯿﺸﻪ ﻧﻤﯽ ﺗﻮان وﺿﻊ ﺧﻄﯽ داﺷﺖ‪.‬‬
‫‪ : ai‬ﭘﺎراﻣﺘﺮﻫﺎي ﺗﻘﺮﯾﺐ‪ ،‬ﻋﻤﻮﻣﺎً ﻣﻔﻬﻮم ﻓﯿﺰﯾﮑﯽ ﻧﺪارد وﻟﯿﮑﻦ ﻣﯽ ﺗﻮان ﺑﺠﺎي ‪ a‬ﻣﻘﺎدﯾﺮ )‪ U ex ( x‬را در ‪ n‬ﻧﻘﻄﻪ ﺑـﺎ‬
‫ﻣﺨﺘﺼﺎت ‪ x1 , x2 ,..., xn‬ﮐﻪ ﮔﺮه ﻣﯽ ﻧﺎﻣﯿﻢ اﻧﺘﺨﺎب ﮐﻨﯿﻢ‪.‬‬
‫‪7‬‬
‫‪U ( x1 ) = U ex ( x1 ) = U1‬‬
‫‪U ( x2 ) = U ex ( x2 ) = U 2‬‬
‫در اﯾﻦ ﺻﻮرت ﺗﺎﺑﻊ ﺗﻘﺮﯾﺐ ﺑﺼﻮرت زﯾﺮﺧﻮاﻫﺪ ﺑﻮد‪:‬‬

‫‪U ( x) = N1 ( x)U 1 + N 2 ( x)U 2 + ... + N n ( x)U n‬‬ ‫)‪(1 − 4‬‬
‫‪U 1 ‬‬
‫‪U ‬‬
‫‪ ‬‬
‫} ‪U ( x) = N1 ( x) N2 ( x) .... Nn ( x)  2  = N {U‬‬ ‫)‪(1 − 5‬‬
‫‪M ‬‬
‫‪U n ‬‬
‫‪ Ni‬ﻫﺎ ﺿﺮاﯾﺐ ‪ ai‬ﻫﺴﺘﻨﺪ ﮐﻪ در ‪ Uexact‬ﺻﺪق ﻣﯽ ﮐﻨﻨﺪ‪.‬‬

‫ﭘﺎراﻣﺖ‪ : ai‬ﭘﺎراﻣﺘﺮﻫﺎي ﻋﻤﻮﻣﯽ ﺗﻘﺮﯾﺐ‬
‫ﭘﺎراﻣﺘﺮ‪ :Ui‬ﭘﺎراﻣﺘﺮﻫﺎي ﮔﺮﻫﯽ ﯾﺎﻣﺘﻐﯿﺮﻫﺎي ﮔﺮﻫﯽ‬
‫راﺑﻄﻪ)‪ (1-3‬ﯾﮏ ﺗﻘﺮﯾﺐ ﻏﯿﺮﮔﺮﻫﯽ را ﺗﻌﺮﯾﻒ ﻣﯽ ﮐﻨﺪ‪.‬‬
‫راﺑﻄﻪ)‪ (1-5‬ﯾﮏ ﺗﻘﺮﯾﺐ ﮔﺮﻫﯽ را ﺗﻌﺮﯾﻒ ﻣﯽ ﮐﻨﺪ‪.‬‬
‫ﺗﻮاﺑﻊ ‪ : Px‬ﺗﻮاﺑﻊ ﭘﺎﯾﻪ ﺗﻘﺮﯾﺐ ﻫﺴﺘﻨﺪ)‪(function de base‬‬
‫ﺗﻮاﺑﻊ)‪ :N(x‬ﺗﻮاﺑﻊ دروﻧﯿﺎﺑﯽ)‪(function de interpolation‬‬
‫*ﺑﺎ اﺳﺘﻔﺎده از ﺗﻮاﺑـﻊ دروﻧﯿـﺎﺑﯽ)‪ N(x‬ﮐـﻪ در ﺗﻮاﺑـﻊ ‪ Uexact‬ﺻـﺪق ﻣـﯽ ﮐﻨﻨـﺪ ﯾـﮏ ﺗﻘﺮﯾـﺐ ﮔﺮﻫـﯽ را ﺑـﺎ راﺑﻄـﻪ‬
‫‪ U ( x) = N( x).U‬ﻣﯽ ﺳﺎزﯾﻢ‪.‬‬
‫‪n‬‬
‫ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ رواﺑﻂ ‪ 1-4‬و ‪ 1-5‬ﺗﻘﺮﯾﺐ ﮔﺮﻫﯽ ﺧﻮاص زﯾﺮ را ﺧﻮاﻫﺪ داﺷﺖ‪:‬‬
‫‪-‬ﭼﻮن ‪ U ( x ) = U‬ﻣﯽ ﺑﺎﺷﺪ ﺗﻮاﺑﻊ ‪ Ni‬رواﺑﻂ زﯾﺮ را اﻗﻨﺎع ﻣﯽ ﮐﻨﺪ‪:‬‬
‫‪i‬‬ ‫‪i‬‬
‫‪0‬‬ ‫‪if i ≠ j‬‬
‫‪N j ( xi ) = ‬‬
‫‪1‬‬
‫‪‬‬
‫‪if i = j‬‬
‫‪-‬ﺧﻄﺎي ﺗﻘﺮﯾﺐ ﺗﻌﺮﯾﻒ ﺷﺪه ﺗﻮﺳﻂ ﺑـﺮاي )‪ e( x) = U ( x) − U ex ( x‬ﻧﻘﺎط ﮔﺮه ‪ xi‬ﻣﻌﺎدل ﺻـﻔﺮ اﺳـﺖ‪.‬‬
‫‪e( xi ) = 0‬‬
‫ﻣﺜﺎل‪ :1-3‬ﺗﻘﺮﯾﺐ ﮔﺮﻫﯽ ازﻧﻮع ﻻﮔﺮاﻧﮋ‬

‫ﺗﺎﺑﻊ )‪Uex( x‬ﮐﻪ در ﭼﻬﺎر ﻧﻘﻄﻪ ﺷﻨﺎﺧﺘﻪ ﺷﺪه اﺳﺖ را در ﻧﻈﺮ ﻣﯽ ﮔﯿﺮﯾﻢ‬
‫‪U ( x) = N1 ( x)U 1 + N2 ( x)U 2 + N3 ( x)U 3 + N4 ( x)U 4‬‬
‫‪8‬‬
‫ﮐﻪ در آن ‪ Ni‬ﭼﻨﺪﺟﻤﻠﻪ اي ﻻﮔﺮاﻧﮋ از درﺟﻪ ي ﺳﻮم ﺑﺎ ﻓﺮم زﯾﺮ اﺳﺖ‪:‬‬

‫‪4‬‬ ‫‪x − xj‬‬
‫∏ = ) ‪Ni ( x‬‬
‫‪j =1‬‬ ‫‪xi − x j‬‬
‫‪j ≠i‬‬
‫راﺑﻄﻪ ‪ 1-6‬ﺗﻮﺳﻂ اﯾﻦ ﻓﺮم اﻗﻨﺎع ﻣﯽ ﺷﻮد ﻣﺜﻼً ‪ N1‬ﺑﻪ ﻓﺮم زﯾﺮاﺳﺖ‪:‬‬
‫= )‪N1 ( x‬‬
‫) ‪( x − x2 )( x − x3 )( x − x4‬‬
‫) ‪( x1 − x2 )( x1 − x3 )( x1 − x4‬‬
‫ﻣﺜﻼ اﮔﺮ ‪ x4 = 7, x3 = 5, x2 = 2, x1 = 1‬ﺑﺎﺷﺪ ﺗﺎﺑﻊ ‪ N1‬ﺑﻪ ﺷﮑﻞ زﯾﺮ اﺳﺖ‪:‬‬
‫‪1‬‬
‫‪N1 = −‬‬ ‫) ‪( x − 2 )( x − 5 )( x − 7‬‬
‫‪24‬‬
‫‪x‬‬ ‫‪1‬‬ ‫‪1.5‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪7‬‬
‫‪N1‬‬ ‫‪1‬‬ ‫‪77/192‬‬ ‫‪0‬‬ ‫‪-1/3‬‬ ‫‪-1/9‬‬ ‫‪0‬‬ ‫‪1/6‬‬ ‫‪0‬‬
‫‪U,Uex‬‬ ‫‪u2‬‬ ‫‪U4‬‬

‫)‪Uex(x‬‬
‫‪U3‬‬
‫‪u1‬‬ ‫)‪U(x‬‬
‫‪X‬‬
‫‪x1‬‬ ‫‪x2‬‬ ‫‪x3‬‬ ‫‪x4‬‬
‫اﮔﺮ ﭼﻨﺪ ﻣﺘﻐﯿﺮ داﺷﺘﻪ ﺑﺎﺷﯿﻢ‪ ،‬ﮐﻠﯿﻪ ﻣﻔﺎﻫﯿﻢ ﺑﺎﻻ ﺑﻪ ﭼﻨﺪ ﻣﺘﻐﯿ ﺮ ﻧﯿﺰ ﮔﺴﺘﺮش ﺧﻮاﻫﺪ ﯾﺎﻓﺖ‪.‬‬
‫} ‪n = < ∆u i > {∆u i‬‬
‫)‪X = ( x y z‬‬
‫‪ x‬ﻣﺘﻌﻠﻖ ﺑﻪ ﻗﻠﻤﺮو ‪ v‬ﻣﯽ ﺑﺎﺷﺪ‪.‬‬
‫ﻣﻌﺎدﻟﻪ ‪ 1-5‬ﺑﻪ ﺻﻮرت زﯾﺮ ﻧﻮﺷﺘﻪ ﻣﯿﺸﻮد‬
‫‪9‬‬
‫‪u1 ‬‬
‫‪u ‬‬
‫‪ ‬‬
‫) ‪u ( x, y, z) = u ( X ) =< N1 ( X ) N2 ( X )...... Nn ( X ) >  2  =< N > {un } (1 − 9‬‬
‫‪M ‬‬
‫‪un ‬‬
‫‪Xi = xi yi zi‬‬ ‫راﺑﻄﻪ ‪1- 4‬ﺑﺎﯾﺪ اﻗﻨﺎع ﺷﻮد‪ U ( Xi ) = U ex ( Xi ) = U i :‬ﮐﻪ در آن‪i = 1, 2,..., n :‬‬
‫ﻣﺨﺘﺼﺎت ﮔﺮه ﻫﺎ ﻫﺴﺘﻨﺪ‪.‬‬
‫‪ -2-1-1‬ﺗﻘﺮﯾ ﺐ ﺗﻮﺳﻂ ﻋﻨﺎﺻﺮ‪:‬‬

‫ﻫﻨﮕﺎﻣﯿﮑﻪ ﺗﻌﺪاد ﮔﺮهﻫﺎ )‪ (n‬و در ﻧﺘﯿﺠﻪ ﺗﻌﺪاد ﭘﺎراﻣﺘﺮﻫﺎ زﯾﺎد ﻣﯽ ﺷﻮﻧﺪ ﻣﺴﺄﻟﻪ ﺗﺨﻤﯿﻦ راﺑﻄﻪ ﺗﻘﺮﯾﺒﯽ ﻣﺸﮑﻞ‬
‫ﻣﯿﺸﻮد‪ ،‬اﮔﺮ ﻗﻠﻤﺮو ﻫﻢ ﻓﺮم ﭘﯿﭽﺪه اي داﺷﺘﻪ ﺑﺎﺷﺪ ﻣﺴﺄﻟﻪ ﻣﺸﮑﻠﺘﺮ ﻣﯿﺸﻮد‪.‬‬
‫روش "ﺗﻘﺮﯾﺐ ﮔﺮﻫﯽ در زﯾﺮ ﻗﻠﻤﺮو" روش روﺷﻨﯽ اﺳﺖ ﮐﻪ اﺟﺎزه ﺳﺎﺧﺘﻦ ﺗﺎﺑﻊ )‪ U(x‬را ﺗﻮﺳﻂ ﮐﺎﻣﭙﯿﻮﺗﺮ‬
‫ﻣﯽ دﻫﺪ‪ .‬اﯾﻦ روش ﺷﺎﻣﻞ ﻣﺮاﺣﻞ زﯾﺮ اﺳﺖ‪:‬‬
‫‪ -1‬ﺳﺎﺧﺘﻦ زﯾﺮ ﻗﻠﻤﺮو ‪ Ve‬از ﻗﻠﻤﺮو ‪V‬‬
‫‪-2‬ﺗﻌﺮﯾ ﻒ ﺗﺎﺑﻊ ﺗﻘﺮﯾﺒﯽ )‪ Ue(x‬روي ﻫﺮ ﯾﮏ از زﯾﺮ ﻗﻠﻤﺮوﻫﺎي ‪ Ve‬ﺗﻮﺳﻂ ﻣﺘﺪ ﺗﻘﺮﯾﺐ ﮔﺮﻫﯽ ﻫﺮ ﺗﺎﺑﻊ )‪Ue(x‬‬
‫ﻣﯿﺘﻮاﻧﺪ ﺑﻪ ﻣﺘﻐﯿﺮﻫﺎي ﮔﺮﻫﯽ زﯾﺮ ﻗﻠﻤﺮوﻫﺎي دﯾﮕﺮ ﻧﯿ ﺰ ارﺗﺒﺎط داﺷﺘﻪ ﺑﺎﺷﺪ ﻣﺜﻞ ﺗﻘﺮﯾﺒﻬﺎي ‪Spline‬‬
‫روش ﺗﻘﺮﯾﺐ ﺗﻮﺳﻂ ﻋﻨﺎﺻﺮ ﻣﺤﺪود‪ ،‬روش ﺗﻘﺮﯾﺐ ﺧﺎص ﺗﻮﺳﻂ زﯾﺮﻗﻠﻤﺮو اﺳﺖ ﮐﻪ ﺧﺼﻮﺻﯿﺎت زﯾﺮ را دارد‪:‬‬
‫‪ -‬ﺗﻘﺮﯾﺐ ﮔﺮﻫﯽ روي زﯾﺮ ﻗﻠﻤﺮو ‪ Ve‬ﮐﻪ ﻓﻘﻂ ﻣﺘﻐﯿﺮﻫﺎي ﮔﺮﻫﯽ زﯾﺮ ﻗﻠﻤﺮو ‪ Ve‬را دﺧﺎﻟﺖ ﻣﯽ دﻫﺪ‪.‬‬
‫‪ -‬ﺗﺎﺑﻊ ﺗﻘﺮﯾﺒﯽ)‪ Ue(x‬روي زﯾﺮ ﻗﻠﻤﺮو ‪ Ve‬ﺑﻪ ﺻﻮرت ﭘﯿﻮﺳﺘﻪ روي ‪ Ve‬ﺳﺎﺧﺘﻪ ﺷﺪه اﺳﺖ و ﺷﺮط ﭘﯿﻮﺳﺘﮕﯽ‬
‫ﺑﯿﻦ زﯾﺮﻗﻠﻤﺮوﻫﺎ را ﻧﯿ ﺰ ﺗﺄﻣﯿﻦ ﻣﯿﮑﻨﺪ‪.‬‬
‫ﺗﻌﺎرﯾﻒ‬
‫‪ -‬ﻫﺮ زﯾﺮﻗﻠﻤﺮو ﯾﮏ »ﻋﻨﺼﺮ« ﻧﺎﻣﯿﺪه ﻣﯿﺸﻮد‪.‬‬
‫‪ -‬ﻧﻘﺎﻃﯽ ﮐﻪ ﺗﺎﺑﻊ ﺗﻘﺮﯾﺒﯽ ﺑﺎ ﺗﺎﺑﻊ دﻗﯿﻖ ﯾﮑﺴﺎن اﺳﺖ‪ ،‬ﻧﻘﺎط درون ﯾﺎﺑﯽ ﯾﺎ ﻧﻘﺎط ﮔﺮﻫﯽ ﻧﺎﻣﯿﺪه ﻣﯿﺸﻮﻧﺪ‪.‬‬
‫‪» xi -‬ﻣﺨﺘﺼﺎت ﮔﺮﻫﯽ« ﻧﺎﻣﯿﺪه ﻣﯿﺸﻮد‪.‬‬
‫‪ -‬ﻣﻘﺎدﯾﺮ ) ‪» U i = U ex ( xi ) = U e ( xi‬ﻣﺘﻐﯿﺮﻫﺎي ﮔﺮﻫﯽ« ﻧﺎﻣﯿﺪه ﻣﯿﺸﻮﻧﺪ‪.‬‬
‫در اﯾﻦ ﺗﻘﺮﯾﺐ دو ﻧﻘﻄﻪ ﻧﻈﺮ ﻣﺸﺨﺺ زﯾﺮ ﻋﺮﺿﻪ ﻣﯿﺸﻮد‪:‬‬
‫‪ -1‬ﺑﺎﯾ ﺪ ﺑﻪ ﺻﻮرت ﺗﺤﻠﯿﻠﯽ ﻫﻨﺪﺳﻪ ﻋﻨﺎﺻﺮ ﺗﻌﺮﯾﻒ ﮔﺮدد‪.‬‬
‫‪ -2‬ﺗﻮاﺑﻊ درون ﯾﺎﺑﯽ ﺑﺮاي ﻫﺮ اﻟﻤﺎن ﺳﺎﺧﺘﻪ ﺷﻮد‪.‬‬
‫‪10‬‬
‫ﻣﺜﺎل ‪: 1-4‬‬
‫ﺗﻘﺮﯾﺐ ﺗﻮﺳﻂ اﺟﺰاء ﻣﺤﺪود ﺑﺮاي ﯾﮏ ﺑﻌﺪي‬
‫‪U,Uex‬‬ ‫‪u2‬‬ ‫‪u4‬‬

‫)‪Uex(x‬‬
‫‪u3‬‬
‫‪u1‬‬ ‫)‪U(x‬‬
‫‪x1‬‬ ‫‪x2‬‬ ‫‪V‬‬ ‫‪x4‬‬

‫‪X‬‬
‫‪x3‬‬
‫‪V1‬‬ ‫‪V2‬‬ ‫‪V3‬‬
‫‪ -‬ﺗﻌﺮﯾ ﻒ ﻫﻨﺪﺳﻪ اﻟﻤﺎن‬

‫ﮔﺮه ‪1 : s‬و ‪2‬و ‪3‬و ‪4‬‬
‫ﻣﺨﺘﺼﺎت ﮔﺮﻫﯽ‪x4 , x3 , x2 , x1 :‬‬
‫ﻗﻠﻤﺮو ﮐﺎﻣﻞ‪V : x1 ≤ x ≤ x4 :‬‬
‫زﯾﺮ ﻗﻠﻤﺮوﻫﺎ )ﻋﻨﺎﺻﺮ(‪:‬‬
‫‪V1 = x1 ≤ x ≤ x2‬‬
‫‪V 2 = x2 ≤ x ≤ x3‬‬
‫‪V3 = x3 ≤ x ≤ x4‬‬
‫‪ -‬ﺳﺎﺧﺘﻦ ﺗﺎﺑﻊ ﺗﻘﺮﯾﺒ ﯽ )‪Ue(x‬‬
‫‪ -‬ﻣﺘﻐﯿﺮ ﮔﺮﻫﯽ‪U1 ,U 2 ,U 3 ,U 4 az :‬‬
‫‪ -‬ﺗﺎﺑﻊ ﺗﻘﺮﯾﺐ ﺧﻄﯽ روي ﻫﺮ اﻟﻤﺎن‬
‫‪ -‬اﻟﻤﺎن ‪ : 1‬زﯾﺮ ﻗﻠﻤﺮو ‪V1‬‬
‫‪U 1( x) = N1U1 + N2U 2‬‬
‫‪ N1‬و ‪ N2‬ﺗﻮاﺑﻊ ﺧﻄﯽ ﻫﺴﺘﻨﺪ ﮐﻪ راﺑﻄﻪ ‪ 1-6‬را اﻗﻨﺎع ﻣﯽ ﮐﻨﻨﺪ‪:‬‬

‫‪x − x2‬‬
‫= ‪N1‬‬ ‫‪N1 ( x1 ) = 1‬‬ ‫‪,‬‬ ‫‪N1 ( x2 ) = 0‬‬
‫‪x1 − x2‬‬
‫‪x1 ≤ x ≤ x2‬‬
‫‪x − x1‬‬
‫= ‪N2‬‬ ‫‪N2 ( x1 ) = 0‬‬ ‫‪,‬‬ ‫‪N2 ( x2 ) = 1‬‬
‫‪x2 − x1‬‬
‫‪11‬‬
‫)‪U1(x‬‬
‫‪u2‬‬
‫‪u1‬‬
‫‪X‬‬
‫‪x1‬‬ ‫‪x2‬‬ ‫‪x3‬‬ ‫‪x4‬‬
‫‪U 2 ( x) = N1U 2 + N2U 3‬‬ ‫اﻟﻤﺎن ‪: 2‬‬

‫‪x − x3‬‬ ‫‪x − x2‬‬
‫= ‪N1‬‬ ‫‪,‬‬ ‫= ‪N2‬‬ ‫‪; x2 ≤ x ≤ x3‬‬
‫‪x2 − x3‬‬ ‫‪x3 − x2‬‬
‫)‪U2(x‬‬
‫‪u2‬‬
‫‪u3‬‬
‫‪x1‬‬ ‫‪x2‬‬ ‫‪x4‬‬

‫‪x3‬‬ ‫اﻟﻤﺎن ‪: 3‬‬
‫‪U 3 ( x) = N1U 3 + N2U 4‬‬
‫‪x − x4‬‬ ‫‪x − x3‬‬

‫= ‪N1‬‬ ‫‪,‬‬ ‫= ‪N2‬‬ ‫‪; x3 ≤ x ≤ x4‬‬
‫‪x3 − x4‬‬ ‫‪x4 − x3‬‬
‫)‪U3(x‬‬
‫‪u4‬‬
‫‪u3‬‬
‫‪x1‬‬ ‫‪x2‬‬ ‫‪x3‬‬ ‫‪x4‬‬
‫ﺗﻮاﺑﻊ )‪ U e ( x‬و )‪ Ni ( x‬ﺑﺮاي ﻫﺮ ﻋﻨﺼﺮ ﻣﺘﻔﺎوت اﺳﺖ‪ ،‬اﯾﻦ ﺗﻮاﺑﻊ ﺧﺎرج از ﻫﺮ اﻟﻤﺎن ﺻﻔﺮﻧﺪ‪ .‬ﺟﻤﻊ اﯾﻦ ﺗﻮاﺑﻊ‪،‬‬
‫ﺗﺎﺑﻊ ﮐﻠﯽ ﺗﻘﺮﯾﺐ را ﻣﯽدﻫﺪ‪U 1 + U 2 + U 3 = U .‬‬
‫‪12‬‬
‫‪U‬‬
‫‪u2‬‬ ‫‪u4‬‬
‫‪u1‬‬ ‫‪u3‬‬
‫‪x‬‬
‫‪x1‬‬ ‫‪x2‬‬ ‫‪x3‬‬ ‫‪x4‬‬
‫> ‪X =< x y‬‬ ‫ﻣﺜﺎل ‪ : 1-5‬ﺗﻘﺮﯾﺐ ﺧﻄﯽ ﺑﺮاي دو ﺑﻌﺪي‬
‫)‪U,Uex(x‬‬ ‫‪u4‬‬
‫‪u1‬‬
‫)‪U1 (x‬‬ ‫)‪Uex(x‬‬
‫)‪U2 (x‬‬
‫‪u3‬‬
‫‪u2‬‬ ‫)‪Ui (x‬‬
‫‪y‬‬
‫‪X4‬‬
‫‪X1‬‬
‫‪V1‬‬
‫‪X‬‬ ‫‪V2‬‬ ‫‪X3‬‬
‫‪X2‬‬
‫ﺗﻌﺮﯾﻒ ﻫﻨﺪﺳﻪ ﻣﺴﺄﻟﻪ‬

‫ﮔﺮه‪4 :‬و‪3‬و‪2‬و‪1‬‬
‫‪x1 , x2 , x3 , x4‬‬ ‫ﻣﺨﺘﺼﺎت ﮔﺮﻫﯽ‪:‬‬
‫ﻗﻠﻤﺮو ﮐﺎﻣﻞ‪ V :‬ﭼﻬﺎر وﺟﻬﯽ ‪1-2-3-4‬‬
‫اﻟﻤﺎنﻫﺎ‪ : V1 :‬ﻣﺜﻠﺚ ‪1-2-4‬‬
‫اﻟﻤﺎنﻫﺎ‪ : V2 :‬ﻣﺜﻠﺚ ‪2-3-4‬‬
‫ﺳﺎﺧﺘﻦ ﺗﺎﺑﻊ ﺗﻘﺮﯾﺐ )‪U e ( x‬‬

‫ﻣﺘﻐﯿﺮ ﮔﺮﻫﯽ ‪ U4 :‬و ‪ U3‬و ‪ U2‬و ‪U1‬‬
‫‪13‬‬
‫ﺗﺎﺑﻊ ﺗﻘﺮﯾﺒﯽ )‪ U e ( x‬ﺧﻄﯽ ﺑﺮاي ﻫﺮ اﻟﻤﺎن‪:‬‬

‫‪U 1 ( x) = N1 ( x ) u1 + N 2 ( x ) u 2 + N 3 ( x ) u 4‬‬ ‫اﻟﻤﺎن ‪: 1‬‬
‫‪ N1‬ﺗﺎﺑﻊ ﺧﻄﯽ ﺑﺮ ﺣﺴﺐ ‪ x‬و ‪ y‬اﺳﺖ ﮐﻪ در ‪ x1‬ﻣﻘﺪار ‪ 1‬را دارد و در ‪ x2‬و ‪ x4‬ﺻﻔﺮ اﺳﺖ‪.‬‬
‫‪U 2 ( x) = N1 ( x ) u 2 + N 2 ( x ) u 3 + N 3 ( x ) u 4‬‬ ‫اﻟﻤﺎن ‪: 2‬‬
‫ﺧﻼﺻﻪ ﻣﺘﺪﻫﺎي ﺗﻘﺮﯾﺐ‬
‫‪X‬‬
‫ﻣﺘﻌﻠﻖ اﺳﺖ ﺑﻪ‬ ‫ﺗﻘﺮﯾﺐ ﻏﯿﺮﮔﺮﻫﯽ‬ ‫}‪U(x)=<N(x)>{a‬‬
‫ﺗﻘﺮﯾﺐ روي ﻗﻠﻤﺮو‬ ‫‪V‬‬
‫ﮐﺎﻣﻞ‬ ‫ﺗﻘﺮﯾﺐ ﮔﺮﻫﯽ‬
‫}‪U(x)=<N(x)>{Un‬‬
‫ﻣﺠﺰا ﺳﺎزي‬
‫ﻣﺤﯿﻂ ﺑﻪ‬
‫‪Ve‬‬ ‫ﺗﻘﺮﯾﺐ ﮐﻠﯽ‬
‫}‪Ue(x)=<Pe(x)>{a‬‬
‫روي ﻫﺮ زﯾﺮﻗﻠﻤﺮو‬
‫ﺗﻘﺮﯾﺐ در روي‬ ‫}‪Ue(x)=<Ne(x)>{Un‬‬
‫ﮔﺮﻫﯽ ﯾﺎ‬
‫زﯾﺮﻗﻠﻤﺮوﻫﺎ‬ ‫ﻏﯿﺮﮔﺮﻫﯽ‬
‫‪X‬‬
‫ﻣﺘﻌﻠﻖ اﺳﺖ ﺑﻪ‬
‫‪Ve‬‬ ‫ﺗﻘﺮﯾﺐ ﮔﺮﻫﯽ‬ ‫}‪Ue(x)=<Ne(x)>{Uen‬‬
‫‪ -2‬ﺗﻘﺮﯾﺐ ﻫﻨﺪﺳﻪ اﻟﻤﺎنﻫﺎ‬

‫‪ : 1-2‬ﮔﺮه ﻫﻨﺪﺳﯽ‬
‫ﻧﻘﻄﻪ روي ﻗﻠﻤﺮو ‪ v‬ﮐﻪ ﻫﻨﺪﺳﻪ اﻟﻤﺎنﻫﺎ را ﺗﻌﺮﯾﻒ ﻣﯽﮐﻨﻨﺪ اﻧﺘﺨﺎب ﻣﯽﺷﻮﻧﺪ‪ .‬اﯾﻦ ﻧﻘﺎط‬ ‫ﻣﺠﻤﻮﻋﻪاي از‬
‫»ﮔﺮهﻫﺎي ﻫﻨﺪﺳﯽ« ﻧﺎﻣﯿﺪه ﻣﯽﺷﻮﻧﺪ و ﻣﯽﺗﻮاﻧﻨﺪ ﺑﺎ ﻧﻘﺎط درون ﯾﺎﺑﯽ ﯾﮑﺴﺎن ﺑﺎﺷﻨﺪ‪ .‬ﮐﻞ ﻗﻠﻤﺮو ‪ v‬ﺗﻮﺳﻂ زﯾﺮ‬
‫‪14‬‬
‫ﻗﻠﻤﺮوﻫﺎي ‪ ve‬ﮐﻪ ﺷﮑﻞﻫﺎي ﺳﺎدهاي دارﻧﺪ ﺟﺎﯾﮕﺰﯾﻦ ﻣﯽﺷﻮد‪ .‬ﻫﺮ زﯾﺮ ﻗﻠﻤﺮو ‪) ve‬ﻋﻨﺼﺮ( ﺑﺮ ﺣﺴﺐ ﻣﺨﺘﺼﺎت‬
‫ﮔﺮهﻫﺎي ﻫﻨﺪﺳﯽ ﻣﺘﻌﻠﻖ ﺑﻪ ﻫﻤﺎن ﻋﻨﺼﺮ ﺑﻪ ﻃﻮر ﺗﺤﻠﯿﻠﯽ ﮐﺎﻣﻼ ﺗﻌﺮﯾﻒ ﺷﺪه اﺳﺖ‪.‬‬
‫در ﻣﺜﺎلﻫﺎي ‪ 1-4‬و ‪ ، 1-5‬ﮔﺮهﻫﺎي ‪4‬و‪3‬و‪2‬و‪ 1‬ﮔﺮهﻫﺎي ﻫﻨﺪﺳﯽ ﻫﺴﺘﻨﺪ‪ ،‬در ﻣﺜﺎل او‪‬ل ﮐﻪ ﯾﮏ ﺑﻌﺪي اﺳﺖ‬
‫ﻋﻨﺎﺻﺮ از دو ﮔﺮوه ﺗﺸﮑﯿﻞ ﺷﺪه و در ﻣﺜﺎل دوم ﻫﺮ ﻋﻨﺼﺮ ﺑﺮ ﺣﺴﺐ ﻣﺨﺘﺼﺎت ﺳﻪ ﮔﺮه ﺗﺸﮑﯿﻞ دﻫﻨﺪه ﻣﺜﻠﺚ‬
‫ﺗﺸﮑﯿﻞ ﮔﺮدﯾﺪه اﺳﺖ‪.‬‬
‫‪ :2-2-1‬ﻗﺎﻋﺪه ﮐﻠﯽ ﻣﺠﺰا ﺳﺎزي ﻗﻠﻤﺮو ﺗﻮﺳﻂ ﻋﻨﺎﺻﺮ‬
‫ﻗﺴﻤﺖ ﮐﺮدن ﻗﻠﻤﺮو ﮐﺎﻣﻞ ﺗﻮﺳﻂ ﻋﻨﺎﺻﺮ ‪ ve‬ﺑﺎﯾﺪ دو ﻗﺎﻋﺪه ﮐﻠﯽ زﯾﺮ را ﭘﺎﺳﺨﮕﻮ ﺑﺎﺷﺪ‪:‬‬
‫‪ -‬دو ﻋﻨﺼﺮ ﻣﺠﺎور ﻓﻘﻂ ﻧﻘﺎط واﻗﻊ ﺑﺮ ﻣﺮزﻫﺎي ﻣﺸﺘﺮك ﺧﻮد را در اﺷﺘﺮاك دارﻧﺪ‪ .‬ﺑﺎ اﯾﻦ ﻗﺎﻋﺪه از روي ﻫﻢ‬
‫رﻓﺘﻦ ﻋﻨﺎﺻﺮ ﺟﻠﻮﮔﯿﺮي ﻣﯽﮐﻨﯿﻢ‪ .‬ﻣﺮز ﻣﺸﺘﺮك ﺑﯿﻦ اﻟﻤﺎنﻫﺎ ﻣﯽﺗﻮاﻧﺪ ﺑﻪ ﻧﻘﻄﻪ‪ ،‬ﺧﻂ )ﻣﺴﺘﻘﯿﻢ ﯾﺎ ﻣﻨﺤﻨﯽ( و ﯾﺎ‬
‫ﺻﻔﺤﻪ ﺑﺎﺷﺪ‪.‬‬
‫ﻣﺮز‬ ‫‪v2‬‬
‫‪v1 v2‬‬ ‫‪v1‬‬
‫‪v1‬‬ ‫‪v2‬‬
‫ﻣﺮز ﻣﺸﺘﺮك‬
‫ﻣﺮز ﻣﺸﺘﺮك‬
‫‪ -‬ﻣﺠﻤﻮﻋﻪ ﮐﻠﯿﻪ ﻋﻨﺎﺻﺮ ﺑﺎﯾﺪ ﮐﺎﻣﻼ ﻗﻠﻤﺮو ‪ v‬را ﺑﭙﻮﺷﺎﻧﺪ‪ ،‬ﻫﯿﭻ ﻓﻀﺎي ﺧﺎﻟﯽ در ﺑﯿﻦ اﻟﻤﺎنﻫﺎ ﻧﺒﺎﯾﺪ ﻣﻮﺟﻮد ﺑﺎﺷﺪ‪.‬‬
‫‪V2‬‬
‫‪V1‬‬
‫ﻫﻨﮕﺎﻣﯽ ﮐﻪ ﻣﺮز ﻗﻠﻤﺮو ‪ V‬ﻣﻨﺤﻨﯽ اﻟﺨﻂ اﺳﺖ و ﯾﺎ ﺳﻄﻮح ﻣﻨﺤﻨﯽ ﺷﮑﻠﯽ اﺳﺖ ﮐﻪ ﻣﻤﮑﻦ اﺳﺖ ﺗﻮﺳﻂ‬
‫اﻟﻤﺎنﻫﺎي ﺧﻄﯽ ﮐﺎﻣﻼً ﭘﻮﺷﯿﺪه ﻧﺸﻮد‪ ،‬ﺧﻂﻫﺎي ﻏﯿﺮﻗﺎﺑﻞ اﺟﺘﻨﺎﺑﯽ اﯾﺠﺎد ﻣﯽﮔﺮدد ﮐﻪ ﺑﻪ آن »ﺧﻄﺎي ﻣﺠﺰاﺳﺎزي‬
‫ﻫﻨﺪﺳﯽ« ﻣﯽﮔﻮﯾﯿﻢ‪ .‬ﺑﺎﯾﺪ ﺑﺎ اﻧﺘﺨﺎب اﻟﻤﺎنﻫﺎي ﮐﻮﭼﮏ و ﯾﺎ اﻟﻤﺎنﻫﺎي ﻣﻨﺤﻨﯽ ﺷﮑﻞ اﯾﻦ ﺧﻂ را ﺗﺎ ﺣﺪ ﻣﻤﮑﻦ‬
‫ﺗﻘﻠﯿﻞ داد‪.‬‬
‫‪15‬‬
‫در ﻗﺎﻋﺪه ﻓﻮق اﻟﺬﮐﺮ در ﺻﻮرت ﺳﺎﺧﺘﻦ اﻟﻤﺎنﻫﺎ ﺑﺎ روش زﯾﺮ ﺣﺘﻤﺎً رﻋﺎﯾﺖ ﻣﯽﺷﻮﻧﺪ‪:‬‬
‫‪ -‬ﻫﺮ ﻋﻨﺼﺮ ﺗﻮﺳﻂ ﻣﺨﺘﺼﺎت ﮔﺮهﻫﺎي ﻫﻨﺪﺳﯽ روي اﯾﻦ ﻋﻨﺼﺮ ﺑﻪ ﺻﻮرت ﻣﻨﺤﺼﺮ ﺑﻪ ﻓﺮدي ﺗﻌﺮﯾﻒ ﺷﺪه‬
‫ﺑﺎﺷﺪ‪ .‬ﻣﻌﻤﻮﻻ اﯾﻦ ﮔﺮهﻫﺎ روي ﻣﺮزﻫﺎي اﻟﻤﺎنﻫﺎ واﻗﻊ و ﺑﯿﻦ ﭼﻨﺪ ﻋﻨﺼﺮ ﺑﻪ اﺷﺘﺮاك ﮔﺬاﺷﺘﻪ ﺷﺪهاﻧﺪ‪.‬‬
‫‪ -‬در اﻟﻤﺎنﻫﺎي دو ﯾﺎ ﺳﻪ ﺑﻌﺪي ﮐﻪ ﻣﺮز اﻟﻤﺎنﻫﺎ از ﻣﺠﻤﻮﻋﻪاي از ﻣﻨﺤﻨﯽﻫﺎ و ﯾﺎ ﺳﻄﻮح ﺗﺸﮑﯿﻞ ﺷﺪهاﻧﺪ‪ ،‬ﻫﺮ‬
‫ﺑﺨﺶ از ﻣﺮز اﻟﻤﺎن ﺑﻪ ﺻﻮرت ﻣﻨﺤﺼﺮ ﺑﻪ ﻓﺮدي ﺗﻮﺳﻂ ﻣﺨﺘﺼﺎت ﮔﺮهﻫﺎي ﻫﻨﺪﺳﯽ ﮐﻪ ﻓﻘﻂ روي آن ﺑﺨﺶ از‬
‫ﻣﺮز واﻗﻌﻨﺪ ﺗﻌﺮﯾﻒ ﺷﻮﻧﺪ‪ .‬ﺑﻪ اﯾﻦ ﺗﺮﺗﯿﺐ ﺑﺨﺶﻫﺎي ﻣﺸﺘﺮك ﻣﺮز دو ﻋﻨﺼﺮ ﺑﻪ ﺻﻮرت واﺣﺪي ﺗﻌﺮﯾﻒ‬
‫ﻣﯽﮔﺮدﻧﺪ‪.‬‬
‫‪ : 3-2-1‬ﻓﺮﻣﻮلﻫﺎي ﮐﻼﺳﯿﮏ ﻋﻨﺎﺻﺮ‬

‫در زﯾﺮ ﻓﺮﻣﻮلﻫﺎي ﻣﺘﺪاول و ﻃﺒﯿﻌﯽ اﻟﻤﺎنﻫﺎي ﯾﮏ‪ ،‬دو و ﯾﺎ ﺳﻪ ﺑﻌﺪي ﻋﻨﺎﺻﺮ ﺗﻌﺮﯾﻒ ﻣﯽﮔﺮدﻧﺪ‪ :‬ﺗﻌﺪاد ﮔﺮهﻫﺎ‬
‫در ﭘﺮاﻧﺘﺰ ﮐﻨﺎر اﺳﻢ ﻋﻨﺎﺻﺮ ﻧﻮﺷﺘﻪ ﺷﺪه اﺳﺖ‪.‬‬
‫‪ :(a‬ﻋﻨﺎﺻﺮ ﯾﮏ ﺑﻌﺪي‪:‬‬
‫ﺧﻄﯽ )‪(2‬‬ ‫ﮐﻮادراﺗﯿﮏ )‪(3‬‬ ‫ﮐﻮﺑﯿﮏ )‪(4‬‬

‫‪ :(b‬ﻋﻨﺎﺻﺮ دو ﺑﻌﺪي‪:‬‬
‫ﻣﻌﻤﻮﻻ ﻣﺜﻠﺚ ﯾﺎ ﭼﻬﺎر وﺟﻬﯽ ﻫﺴﺘﻨﺪ ﮐﻪ اﺿﻼع آﻧﻬﺎ از ﻣﻨﺤﻨﯽﻫﺎي ﭼﻨﺪ ﺟﻤﻠﻪاي درﺟﻪ او‪‬ل‪ ،‬دوم و ﺳﻮم‬
‫ﺗﺸﮑﯿﻞ ﺷﺪهاﻧﺪ‪:‬‬
‫‪ -‬ﻋﻨﺎﺻﺮ ﻣﺜﻠﺜﯽ‪:‬‬
‫ﺧﻄﯽ )‪(3‬‬ ‫ﮐﻮادراﺗﯿﮏ )‪(6‬‬ ‫ﮐﻮﺑﯿﮏ )‪(9‬‬
‫‪16‬‬
‫‪ -‬ﻋﻨﺎﺻﺮ ﭼﻬﺎر وﺟﻬﯽ‪:‬‬
‫ﺧﻄﯽ )‪(4‬‬ ‫ﮐﻮادراﺗﯿﮏ )‪(8‬‬ ‫‪ :(c‬ﻋﻨﺎﺻﺮ ﺳﻪ ﺑﻌﺪي‪:‬‬

‫ﮐﻮﺑﯿﮏ )‪(12‬‬
‫ﻋﻨﺎﺻﺮ ﭼﻬﺎر وﺟﻬﯽ )ﻫﺮﻣﯽ ﺷﮑﻞ(‪ ،‬ﺷﺶ وﺟﻬﯽ )ﻣﮑﻌﺒﯽ ﺷﮑﻞ( و ﯾﺎ ﭘﻨﺞ وﺟﻬﯽ )ﻣﻨﺸﻮري ﺷﮑﻞ( ﻫﺴﺘﻨﺪ ﮐﻪ‬
‫ﻫﺮ وﺟﻪ ﺗﻮﺳﻂ ﺳﻄﻮح ﭼﻨﺪ ﺟﻤﻠﻪاي درﺟﻪ اول‪ ،‬دوم و ﺳﻮم ﺗﺸﮑﯿﻞ ﺷﺪه اﺳﺖ‪:‬‬
‫‪ -‬ﻋﻨﺎﺻﺮ ﭼﻬﺎر وﺟﻬﯽ‪:‬‬
‫ﺧﻄﯽ)‪(4‬‬ ‫ﮐﻮادراﺗﯿﮏ)‪(10‬‬ ‫ﮐﻮﺑﯿﮏ)‪(16‬‬
‫‪ -‬ﻋﻨﺎﺻﺮ ﺷﺶ وﺟﻬﯽ‪:‬‬
‫‪17‬‬
‫‪ -‬ﻋﻨﺎﺻﺮ ﭘﻨﺞ وﺟﻬﯽ‪:‬‬
‫‪ : 4-2-1‬ﻋﻨﺼﺮ ﻣﺮﺟﻊ‬
‫ﺑﺮاي اﯾﻨﮑﻪ ﺑﺘﻮان ﺗﻌﺮﯾﻒ ﺗﺤﻠﯿﻠﯽ ﻋﻨﺎﺻﺮ ﭘﯿﭽﯿﺪه را آﺳﺎن ﻧﻤﻮد‪ ،‬ﻋﻨﺼﺮ ﻣﺮﺟﻊ ﺗﻌﺮﯾﻒ ﻣﯽﺷﻮد‪ :‬ﻋﻨﺼﺮ ﻣﺮﺟﻊ‬
‫)‪ (Vr‬ﻋﻨﺼﺮي ﺑﺎ ﺷﮑﻞ ﺑﺴﯿﺎر ﺳﺎده اﺳﺖ ﮐﻪ در ﻓﻀﺎي ﻣﺮﺟﻊ ﺗﻌﺮﯾﻒ ﻣﯽﮔﺮدد و ﻣﯽﺗﻮاﻧﺪ ﺑﻪ ﻋﻨﺎﺻﺮ واﻗﻌﯽ‪Ve‬‬
‫ﺗﻮﺳﻂ ﯾﮏ ﺗﺒﺪﯾﻞ ﻫﻨﺪﺳﯽ‪ τe‬ﺗﺒﺪﯾﻞ ﺷﻮد‪ .‬در ﻣﻮرد ﯾﮏ ﻣﺜﻠﺚ ﻣﯽﺗﻮان ﻧﻮﺷﺖ‪:‬‬
‫‪η‬‬ ‫‪y‬‬
‫‪xk‬‬
‫‪0,1‬‬
‫‪e‬‬ ‫‪Ve‬‬
‫‪τ‬‬
‫‪xi‬‬
‫‪V‬‬ ‫‪r‬‬ ‫‪xj‬‬
‫‪0,0‬‬ ‫‪ξ‬‬ ‫‪x‬‬

‫‪1,0‬‬
‫‪ξ=<ξ‬‬ ‫>‪η‬‬ ‫>‪X=<x y‬‬
‫ﻋﻨﺼﺮ ﻣﺮﺟﻊ‬ ‫ﻋﻨﺼﺮواﻗﻌﯽ‬
‫ﺗﺒﺪﯾﻞ ‪ τe‬ﻣﺨﺘﺼﺎت ‪ xe‬ﻫﺮ ﻧﻘﻄﻪ از ﻋﻨﺼﺮ واﻗﻌﯽ را ﺑﺮ ﺣﺴﺐ ﻣﺨﺘﺼﺎت ‪ ξ‬ﻧﻘﺎط ﻧﻈﯿﺮ روي اﻟﻤﺎن ﻣﺮﺟﻊ ﺗﻌﺮﯾﻒ‬
‫ﻣﯽﮐﻨﺪ‪.‬‬
‫) ‪τ e : ξ → Xe = X e (ξ‬‬
‫‪18‬‬
‫ﺗﺒﺪﯾﻞ ‪ τe‬ﺑﻪ ﺷﮑﻞ و ﻣﺤﻞ ﻋﻨﺼﺮ واﻗﻌﯽ ﺑﺴﺘﮕﯽ دارد در ﻧﺘﯿﺠﻪ ﺑﻪ ﻣﺨﺘﺼﺎت ﻧﻘﺎط ﻫﻨﺪﺳﯽ )ﮔﺮهﻫﺎي ﻫﻨﺪﺳﯽ(‬
‫ﮐﻪ آن را ﺗﻌﺮﯾﻒ ﻣﯽﮐﻨﻨﺪ واﺑﺴﺘﻪ اﺳﺖ‪ .‬در ﻧﺘﯿﺠﻪ ﺑﺮاي ﻫﺮ اﻟﻤﺎن واﻗﻌﯽ ﯾﮏ ﺗﺒﺪﯾﻞ وﯾﮋه و ﻣﺨﺘﻠﻒ ﺑﺎ ﺑﻘﯿﻪ‬
‫ﺗﺒﺪﯾﻞﻫﺎ ﻣﻮﺟﻮد اﺳﺖ‪.‬‬
‫)‪τ e : ξ → X e = X e (ξ , xi , xj , xk ,....‬‬
‫‪ xi‬و ‪ xj‬و ‪ xk‬و ‪ ...‬ﻣﺨﺘﺼﺎت ﮔﺮهﻫﺎي ﻫﻨﺪﺳﯽ ﻣﺘﻌﻠﻖ ﺑﻪ اﻟﻤﺎن ‪ e‬ﻣﯽﺑﺎﺷﻨﺪ‪ .‬ﺗﺒﺪﯾﻞﻫﺎي ‪ τe‬ﺑﺎﯾﺪ ﺑﺘﻮاﻧﻨﺪ اﻟﻤﺎنﻫﺎي‬
‫واﻗﻌﯽ ﮐﻪ ﻗﻮاﻋﺪ ذﮐﺮ ﺷﺪه در ﻗﺒﻞ را اﻗﻨﺎع ﮐﻨﻨﺪ ﺗﻮﻟﯿﺪ ﻧﻤﺎﯾﻨﺪ‪ ،‬ﻟﺬا اﯾﻦ ﺗﺒﺪﯾﻞﻫﺎ ﺑﺎﯾﺪ ﺧﻮاص زﯾﺮ را دارا ﺑﺎﺷﻨﺪ‪:‬‬
‫‪ -‬اﯾﻦ ﺗﺒﺪﯾﻞ »ﺑﯿﮋﮐﺘﯿﻮ« اﺳﺖ ﯾﻌﻨﯽ ﺑﻪ ازاي ﻫﺮ ﻧﻘﻄﻪ از اﻟﻤﺎن واﻗﻌﯽ ﻓﻘﻂ ﯾﮏ ﻧﻘﻄﻪ ﻧﻈﯿﺮ روي اﻟﻤﺎن ﻣﺮﺟﻊ‬
‫ﻣﻮﺟﻮد اﺳﺖ و ﺑﺎﻟﻌﮑﺲ‪.‬‬
‫‪ -‬ﮔﺮهﻫﺎي ﻫﻨﺪﺳﯽ اﻟﻤﺎن واﻗﻌﯽ ﻧﻈﯿﺮ ﮔﺮهﻫﺎي ﻫﻨﺪﺳﯽ اﻟﻤﺎن ﻣﺮﺟﻊ ﻫﺴﺘﻨﺪ‪.‬‬
‫‪ -‬ﻫﺮ ﺑﺨﺶ از ﻣﺮز اﻟﻤﺎن ﻣﺮﺟﻊ ﮐﻪ ﺗﻮﺳﻂ ﮔﺮهﻫﺎي ﻫﻨﺪﺳﯽ اﯾﻦ ﻣﺮز ﺗﻌﺮﯾﻒ ﺷﺪهاﻧﺪ‪ .‬ﻧﻈﯿﺮ ﺑﺨﺸﯽ از ﻣﺮز اﻟﻤﺎن‬
‫واﻗﻌﯽ اﺳﺖ ﮐﻪ ﺗﻮﺳﻂ ﮔﺮهﻫﺎﯾﯽ ﻧﻈﯿﺮ ﺗﻌﺮﯾﻒ ﺷﺪهاﻧﺪ‪.‬‬
‫ﯾﺎدآوري ﻣﯽﮐﻨﯿﻢ ﮐﻪ ﯾﮏ اﻟﻤﺎن ﻣﺮﺟﻊ ﻣﯽﺗﻮاﻧﺪ ﺗﻮﺳﻂ ﺗﺒﺪﯾﻞﻫﺎي ﻣﺘﻔﺎوت ‪ τe‬اﻟﻤﺎنﻫﺎي واﻗﻌﯽ ﯾﮏ ﻗﻠﻤﺮو‬
‫ﮐﺎﻣﻞ ‪ V‬را ﺗﻮﻟﯿﺪ ﮐﻨﺪ‪.‬‬
‫‪η‬‬ ‫‪Y‬‬ ‫‪x1‬‬ ‫‪x2‬‬
‫‪0,1‬‬ ‫‪τ1‬‬ ‫‪V1‬‬

‫‪τ2‬‬ ‫‪V2‬‬
‫‪3‬‬
‫‪x3‬‬
‫‪τ3‬‬
‫‪Vr‬‬ ‫‪x‬‬
‫‪V‬‬
‫‪5‬‬ ‫‪x4‬‬
‫‪0,0‬‬ ‫‪1,0‬‬ ‫‪ξ‬‬ ‫ﻓﻀﺎي واﻗﻌﯽ‬
‫‪X‬‬
‫ﻓﻀﺎي ﻣﺮﺟﻊ‬
‫)‪(x , y‬‬
‫)‪(ξ η‬‬
‫‪1st element :‬‬ ‫) ‪τ 1 : ξ → X1 = X 1 (ξ , x 1 , x 3 , x 2‬‬
‫‪2 nd element :‬‬ ‫) ‪τ 2 : ξ → X 2 = X 2 (ξ , x 1 , x 5 , x 3‬‬
‫‪3rd element :‬‬ ‫) ‪τ 3 : ξ → X 3 = X 3 (ξ , x 5 , x 4 , x 3‬‬
‫در ﻧﺘﯿﺠﻪ ﻣﯽﺗﻮان ﺗﺒﺪﯾﻞ ﺧﻄﯽاي را ﺗﻌﺮﯾﻒ ﮐﺮد ﮐﻪ ﻧﺴﺒﺖ ﺑﻪ ﻣﺨﺘﺼﺎت }‪{xn‬ﮔﺮهﻫﺎي ﻫﻨﺪﺳﯽ ﻋﻨﺼﺮ واﻗﻌﯽ‬
‫‪ Ve‬ﻧﻮﺷﺘﻪ ﺷﺪه ﺑﺎﺷﺪ‪:‬‬
‫} ‪τ : ξ → X (ξ ) =  N (ξ )  { xη‬‬
‫‪19‬‬
‫ﻣﯽﺗﻮان ﺗﻮاﺑﻊ ﯾﮑﺴﺎن ﺗﺒﺪﯾﻞ ﺑﺮاي ﻣﺨﺘﺼﺎت ﻣﺨﺘﻠﻒ اﺧﺘﯿﺎر ﮐﺮد‪:‬‬

‫} ‪x(ξ ) = < N (ξ ) > { xη‬‬
‫} ‪y(ξ ) = < N (ξ ) > { yη‬‬
‫} ‪z(ξ ) = < N (ξ ) > { zη‬‬
‫ﻣﺜﻼ ﺑﺮاي ﯾﮏ ﻣﺜﻠﺚ ﺑﺎ ﻣﺨﺘﺼﺎت ‪: x i xj xk‬‬
‫‪ xi ‬‬
‫‪ ‬‬
‫‪x(ξ ,η ) = N1 (ξ ,η ) xi + N2 (ξ ,η ) x j + N3 (ξ ,η ) xk = < N >  xj ‬‬
‫‪ ‬‬
‫‪ xk ‬‬
‫‪ yi ‬‬
‫‪ ‬‬
‫‪y(ξ ,η ) = N1 (ξ ,η ) yi + N2 (ξ ,η ) y j + N3 (ξ ,η ) yk = < N >  y j ‬‬
‫‪ ‬‬
‫‪ yk ‬‬
‫ﺗﻮاﺑﻊ ‪ Ni‬ﮐﻪ ﻣﻌﻤﻮﻻ ﭼﻨﺪ ﺟﻤﻠﻪايﻫﺎﯾﯽ ﺑﺮ ﺣﺴﺐ ‪ ξ‬ﻫﺴﺘﻨﺪ »ﺗﻮاﺑﻊ ﺗﺒﺪﯾﻞ ﻫﻨﺪﺳﯽ« ﻧﺎﻣﯿﺪه ﻣﯽﺷﻮﻧﺪ‪.‬‬
‫ﻣﺜﺎل ‪ : 1-9‬ﺗﻌﺮﯾﻒ ﺗﺤﻠﯿﻠﯽ اﻟﻤﺎن ﻣﺜﻠﺜﯽ ﺑﺎ ﺳﻪ ﮔﺮه‬
‫‪η‬‬ ‫‪y‬‬
‫‪xk‬‬
‫‪0,1‬‬ ‫‪ξ=<ξ‬‬ ‫>‪η‬‬ ‫‪k‬‬
‫‪3‬‬ ‫‪i Ve‬‬
‫‪xi‬‬ ‫‪j‬‬
‫‪V‬‬ ‫‪r‬‬ ‫‪xj‬‬
‫‪1‬‬ ‫‪2‬‬
‫‪0,0‬‬ ‫‪ξ‬‬ ‫‪x‬‬
‫‪1,0‬‬
‫ﻓﻀﺎي ﻣﺮﺟﻊ‪ ،‬اﻟﻤﺎن ﻣﺮﺟﻊ‬
‫‪20‬‬
‫ﻋﻨﺼﺮ ﻣﺮﺟﻊ ﺑﻪ ﺻﻮرت ﺗﺤﻠﯿﻠﯽ ﺑﻪ ﺻﻮرت زﯾﺮ ﺗﻌﺮﯾﻒ ﻣﯽﺷﻮد‪:‬‬

‫‪ξ + η =1‬‬
‫‪ξ ≥ 0‬‬
‫‪η ≥ 0‬‬
‫) ‪η − 1 = −1 ( ξ‬‬
‫‪1‬‬
‫=‪m‬‬ ‫‪= −1‬‬
‫‪−1‬‬
‫ﺗﺒﺪﯾﻞ ﺧﻄﯽ ‪ τ‬ﺑﺮ ﺣﺴﺐ ‪ ξ‬و ‪ η‬در ﻧﻈﺮ ﻣﯽﮔﯿﺮﯾﻢ‪:‬‬
‫‪ xi ‬‬
‫‪ ‬‬
‫‪x(ξ ,η ) = < 1 − ξ − η‬‬ ‫‪ξ‬‬ ‫‪η >  xj ‬‬
‫‪ ‬‬
‫‪ xk ‬‬
‫‪ yi ‬‬
‫‪ ‬‬
‫‪y(ξ ,η ) = < 1 − ξ − η ξ‬‬ ‫‪η >  yj ‬‬
‫‪ ‬‬
‫‪ yk ‬‬
‫ﺳﻪ ﺧﺎﺻﯿﺖ ذﮐﺮ ﺷﺪه اﻗﻨﺎع ﺷﺪهاﻧﺪ‪:‬‬
‫‪ -‬ﮔﺮهﻫﺎي ﻫﻨﺪﺳﯽ ‪ Vr‬ﺑﺎ ﻣﺨﺘﺼﺎت > ‪ < 0 1 >, < 1 0 >, < 0 0‬ﺗﺒﺪﯾﻞ ﺑﻪ ﮔﺮهﻫﺎي ﻫﻨﺪﺳﯽ ‪ Ve‬ﺑﺎ‬
‫ﻣﺨﺘﺼﺎت ‪ xk‬و ‪ xj‬و ‪ xi‬ﺷﺪهاﻧﺪ ﻣﺜﻼ‪:‬‬
‫‪ xi ‬‬
‫‪ ‬‬
‫‪x(ξ = 0,η = 0) = < 1 0 0 >  xj  = xi‬‬
‫‪ ‬‬
‫‪ xk ‬‬
‫‪ -‬ﻫﺮ ﻣﺮز از ‪ vr‬ﺑﻪ ﻣﺮز ﻧﻈﯿﺮ در ‪ Ve‬ﺗﺒﺪﯾﻞ ﺷﺪه اﺳﺖ‪ .‬ﻣﺜﻼ ﻣﺮز ﮔﺬرﻧﺪه از > ‪ < 0 1 >, < 1 0‬ﮐﻪ ﻣﻌﺎدﻟﻪ آن‬
‫‪ 1 − ξ – η = 0‬اﺳﺖ ﺑﻪ ﻣﺮز ﮔﺬرﻧﺪه از ‪ xk‬و ‪ x j‬ﺗﺒﺪﯾﻞ ﺷﺪه اﺳﺖ ﮐﻪ ﻣﻌﺎدﻟﻪ ﭘﺎراﻣﺘﺮﯾﮏ آن ﺑﻪ ﺷﺮح زﯾﺮ‬
‫اﺳﺖ‪:‬‬
‫‪ xi ‬‬
‫‪ ‬‬
‫‪x<0 ξ‬‬ ‫‪1 − ξ >  x j  = ξ x j + (1 − ξ ) xk‬‬
‫‪ ‬‬
‫‪ xk ‬‬
‫‪ yi ‬‬
‫‪ ‬‬
‫‪y<0 ξ‬‬ ‫‪1 − ξ >  y j  = ξ y j + (1 − ξ ) yk‬‬
‫‪ ‬‬
‫‪ yk ‬‬
‫‪21‬‬
‫ﻣﻌﺎدﻻت ﺧﻄﯽ ﺑﺮ ﺣﺴﺐ ‪ ξ‬و ‪ η‬ﻫﺴﺘﻨﺪ و ﻓﻘﻂ ﺑﻪ ‪ xj‬و ‪ xk‬واﺑﺴﺘﻪ ﻣﯽﺑﺎﺷﻨﺪ ﮐﻪ ﮔﺮهﻫﺎي روي ﻣﺮز ﻣﺰﺑﻮر‬
‫ﻣﯽﺑﺎﺷﻨﺪ‪.‬‬
‫‪ -‬ﺗﺒﺪﯾﻞ ‪ t‬ﺑﯿﮋﮐﺘﯿﻮ اﺳﺖ اﮔﺮ ﻣﺎﺗﺮﯾﺲ ژاﮐﻮﺑﯿﻦ ﻣﻨﻔﺮد ﻧﺒﺎﺷﺪ )ﺻﻔﺮ ﻧﺒﺎﺷﺪ(‬
‫‪ ∂x‬‬ ‫‪∂y ‬‬
‫‪ ∂ξ‬‬ ‫‪∂ξ   x j − xi‬‬ ‫‪y j − yi ‬‬
‫‪[J ]= ‬‬ ‫‪ =‬‬ ‫‪‬‬
‫‪ ∂x‬‬ ‫‪∂y   xk − xi‬‬ ‫‪yk − yi ‬‬
‫‪ ∂η‬‬ ‫‪∂η ‬‬
‫‪‬‬
‫‪det( J ) = ( x j − xi )( yk − yi ) − ( xk − xi )( y j − yi ) = 2 A‬‬
‫ﭼﻮن ﻣﺴﺎﺣﺖ اﺳﺖ ﻓﻘﻂ وﻗﺘﯽ ﺻﻔﺮ ﻣﯽﺷﻮد ﮐﻪ رﺋﻮس در اﻣﺘﺪاد ﻫﻢ ﻗﺮار ﮔﯿﺮﻧﺪ‪.‬‬
‫‪ : 5-2-1‬ﺷﮑﻞﻫﺎي ﻋﻨﺎﺻﺮ ﻣﺮﺟﻊ ﮐﻼﺳﯿﮏ‬

‫در زﯾﺮ ﻓﺮم ‪ ،‬ﻋﺒﺎرت ﺗﺤﻠﯿﻠﯽ ﻋﻨﺎﺻﺮ ﻣﺮﺟﻊ ﮐﻼﺳﯿﮏ داده ﻣﯽﺷﻮﻧﺪ‪.‬‬
‫‪ (a‬اﻟﻤﺎنﻫﺎي ﯾﮏ ﺑﻌﺪي‬
‫‪-1‬‬ ‫‪0‬‬ ‫‪1 ξ‬‬ ‫‪-1‬‬ ‫‪0‬‬ ‫‪1 ξ‬‬ ‫‪-1 -1/3‬‬ ‫‪0 1/3 1 ξ‬‬
‫ﺧﻄﯽ)‪(2‬‬ ‫ﮐﻮادراﺗﯿﮏ)‪(3‬‬ ‫ﮐﯿﻮﺑﯿﮏ)‪(4‬‬
‫‪Vr : −1 ≤ ξ ≤ 1‬‬
‫‪ (b‬ﻋﻨﺎﺻﺮ دو ﺑﻌﺪي‬
‫‪−1 ≤ ξ ≤ 1‬‬
‫‪−1 ≤ η ≤ 1‬‬
‫‪ξ + η ≤ 1‬‬
‫‪‬‬
‫‪V r : ξ ≥ 0‬‬
‫‪η ≥ 0‬‬
‫‪‬‬
‫‪22‬‬
‫‪ -‬ﻋﻨﺎﺻﺮ ﻣﺜﻠﺜﯽ‬
‫‪η‬‬
‫‪η‬‬ ‫‪0,1 η‬‬
‫‪1 2‬‬
‫‪0,1‬‬ ‫‪2‬‬ ‫‪,‬‬
‫‪1 1‬‬ ‫‪0,‬‬ ‫‪3 3‬‬
‫‪0,1‬‬ ‫‪1‬‬ ‫‪,‬‬ ‫‪3‬‬
‫‪1‬‬ ‫‪2 1‬‬
‫‪0,‬‬ ‫‪2 2‬‬ ‫‪0,‬‬ ‫‪,‬‬
‫‪2‬‬ ‫‪3‬‬ ‫‪3 3‬‬
‫‪0,0‬‬ ‫‪1,0‬‬ ‫‪ξ‬‬ ‫‪0,0‬‬ ‫‪1‬‬

‫‪,0‬‬ ‫‪1,0‬‬ ‫‪ξ‬‬ ‫‪0,0‬‬
‫‪1‬‬
‫‪,0‬‬
‫‪2‬‬
‫‪,0‬‬ ‫‪1,0‬‬
‫‪0‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪3‬‬
‫‪0‬‬
‫‪−1 ≤ ξ ≤ 1‬‬
‫‪Vr : ‬‬ ‫‪ -‬ﻋﻨﺎﺻﺮ ﻣﺮﺑﻌﯽ‬
‫‪ −1 ≤ η ≤ 1‬‬
‫‪η‬‬ ‫‪η‬‬ ‫‪η‬‬
‫‪ξ‬‬ ‫‪ξ‬‬ ‫‪ξ‬‬
‫‪ (c‬ﻋﻨﺎﺻﺮ ﻣﺮﺟﻊ ﺳﻪ ﺑﻌﺪي‬

‫‪ -‬ﻋﻨﺎﺻﺮ ﭼﻬﺎر وﺟﻬﯽ ‪:‬‬
‫‪ξ + η + ζ ≤ 1‬‬
‫‪ξ ≥ 0‬‬
‫‪‬‬
‫‪Vr : ‬‬
‫‪η ≥ 0‬‬
‫‪ζ ≥ 0‬‬
‫‪23‬‬
‫‪ξ‬‬
‫‪ξ‬‬ ‫‪ξ‬‬
‫‪η‬‬ ‫‪η‬‬ ‫‪η‬‬
‫‪ξ‬‬ ‫‪ξ‬‬
‫ﺧﻄﯽ)‪(4‬‬ ‫‪ξ‬‬
‫ﮐﻮادراﺗﯿﮏ)‪(10‬‬ ‫ﮐﯿﻮﺑﯿﮏ)‪(16‬‬
‫‪ -‬ﻋﻨﺎﺻﺮ ﻣﮑﻌﺒﯽ‬
‫‪−1 ≤ ξ ≤ 1‬‬
‫‪‬‬
‫‪V r :  −1 ≤ η ≤ 1‬‬
‫‪−1 ≤ ζ ≤ 1‬‬
‫‪‬‬
‫‪ζ‬‬ ‫‪ζ‬‬ ‫‪ζ‬‬
‫‪η‬‬ ‫‪η‬‬ ‫‪η‬‬
‫‪ξ‬‬ ‫‪ξ‬‬ ‫‪ξ‬‬

‫‪ -‬ﻋﻨﺎﺻﺮ ﻣﻨﺸﻮري‬
‫‪ξ + η ≤ 1‬‬
‫‪‬‬
‫‪r ξ ≥ 0‬‬
‫‪V :‬‬
‫‪η ≥ 0‬‬
‫‪ −1 ≤ ζ ≤ 1‬‬
‫‪24‬‬
‫‪ζ‬‬ ‫‪ζ‬‬ ‫‪ζ‬‬
‫‪η‬‬ ‫‪η‬‬ ‫‪η‬‬
‫‪ξ‬‬ ‫‪ξ‬‬ ‫‪ξ‬‬
‫‪ :1‬ﺗﻘﺮﯾﺐ روي ﯾﮏ اﻟﻤﺎن ﻣﺮﺟﻊ‬

‫‪ :1-3-1‬ﻋﺒﺎرت ﺗﺎﺑﻊ ﺗﻘﺮﯾﺒﯽ )‪o(x‬‬
‫روي ﻗﻠﻤﺮو ‪ V‬ﻣﺠﻤﻮﻋﻪاي از ‪ n‬ﮔﺮه درون ﯾﺎﺑﯽ ﺑﺎ ﻣﺨﺘﺼﺎت ‪ xi‬اﻧﺘﺨﺎب ﺷﺪهاﻧﺪ‪ .‬اﯾﻦ ﮔﺮهﻫﺎ ﻫﻤﺎن ﮔﺮهﻫﺎي‬
‫ﻫﻨﺪﺳﯽ ﻧﯿﺰ ﻫﺴﺘﻨﺪ‪ .‬روي ﻋﻨﺼﺮ ‪ Ve‬ﺗﻘﺮﯾﺒﯽ ﮔﺮه از ﻧﻮع ) ‪ (1-5‬را اﺧﺘﯿﺎر ﻣﯽﮐﻨﯿﻢ‪.‬‬
‫‪u1 ‬‬
‫‪u ‬‬
‫‪ 2 ‬‬
‫)‪U ex ( x) ≈ U ( x) = < N1 ( x‬‬ ‫} ‪N2 ( x) ..... Nn e ( x) >   =< N ( x) > {un‬‬ ‫) ‪(1 − 13‬‬
‫‪M ‬‬
‫‪u e ‬‬
‫‪ n ‬‬
‫ﻣﻘﺎدﯾﺮ دﻗﯿﻖ ‪ Uex‬روي ﮔﺮه ﻫﺎي درون ﯾﺎﺑﯽ ﻋﻨﺼﺮ ﻫﺴﺘﻨﺪ‪N(x) ،‬‬ ‫‪ x‬ﻣﺘﻌﻠﻖ ﺑﻪ ‪ Ve‬و ‪une ,..., u2 , u1‬‬
‫ﺗﻮاﺑﻊ درون ﯾﺎﺑﯽ روي اﻟﻤﺎن واﻗﻌﯽ ﻣﯽ ﺑﺎﺷﻨﺪ‪ .‬اﮔﺮ ﺗﻘﺮﯾﺐ روي ﻋﻨﺼﺮ واﻗﻌﯽ را ﺑﺎ ﺗﻘﺮﯾﺐ روي ﻋﻨﺼﺮ ﻣﺮﺟﻊ‬
‫ﺟﺎﯾﮕﺰﯾﻦ ﮐﻨﯿﻢ‪:‬‬
‫} ‪U ex (ξ ) ≈ U (ξ ) = < N (ξ ) > {un‬‬ ‫) ‪(1 − 14‬‬
‫ﺑﺎ } ‪ τ : ξ → x(ξ ) =  N (ξ )  { xn‬ﮐﻪ در آن } ‪ {un‬ﻣﺘﻐﯿﺮﻫﺎي ﮔﺮﻫﯽ ﻋﻨﺼﺮ و ) ‪ N (ξ‬ﺗﻮاﺑﻊ درون‬
‫ﯾﺎﺑﯽ روي ﻋﻨﺼﺮ ﻣﺮﺟﻊ ﻣﯽﺑﺎﺷﻨﺪ‪.‬‬
‫‪25‬‬
: 1-11 ‫ﻣﺜﺎل‬
‫ﺗﻮاﺑﻊ درون ﯾﺎﺑﯽ روي ﯾﮏ ﻣﺜﻠﺚ ﺳﻪ ﮔﺮﻫﯽ‬
η y
Xki
3 Xi
Xj
1 2
x
ξ
.‫ﮔﺮه ﻫﺎي درون ﯾﺎﺑﯽ ﻫﻤﺎن ﮔﺮه ﻫﺎي ﻫﻨﺪﺳﯽ ﻫﺴﺘﻨﺪ‬
ui 
 
{U n } = u j 
 
uk 
:‫( ﺑﻪ ﺻﻮرت زﯾﺮ ﻧﻮﺷﺘﻪ ﻣﯽ ﺷﻮد‬1-15) ‫درون ﯾﺎﺑﯽ ﺧﻄﯽ روي ﻋﻨﺼﺮ واﻗﻌﯽ ﺑﺎ ﻓﺮم‬
ui 
 
U ( x, y) =< N1 ( x, y) N2 ( x, y) N3 ( x, y) > u j 
 
uk 
1
N1 ( x, y) =  ( yk − y j )( xj − x) − ( xk − xj )( y j − y) 
2 A
1
N2 ( x, y) = [ ( yi − yk )( xk − x) − ( xi − xk )( yk − y)]
2A
1
N3 ( x, y) =  ( y j − yi )( xi − x) − ( x j − xi )( yi − y) 
2 A
2 A( xk − x j )( yi − y j ) − ( xi − xj )( yk − y j )
26
‫ﺗﻘﺮﯾﺐ روي ﻋﻨﺼﺮ ﻣﺮﺟﻊ ﺑﻪ ﺻﻮرت زﯾﺮ اﺳﺖ‪:‬‬

‫‪ui ‬‬
‫‪ ‬‬
‫) ‪U (ξ ,η ) = < N1 (ξ ,η‬‬ ‫) ‪N2 (ξ ,η‬‬ ‫‪N3 (ξ ,η ) > u j ‬‬
‫‪ ‬‬
‫‪uk ‬‬
‫‪N1 (ξ ,η ) = 1 − ξ − η‬‬
‫‪N2 (ξ ,η ) = ξ‬‬
‫‪N3 (ξ ,η ) = η‬‬
‫ﺑﻪ ﺷﺮط آن ﮐﻪ ﻧﻘﺎط ) ‪ (ξ ,η‬و )‪ (x,y‬ﺗﻮﺳﻂ ﺗﺒﺪﯾﻞ ‪ τ‬ﺑﻪ ﺻﻮرت زﯾﺮ ﻣﻄﺎﺑﻖ ﺑﺎﺷﻨﺪ ﻋﺒﺎرت‬
‫) ‪ U ( x, y ) ,U (ξ ,η‬ﯾﮑﺴﺎن ﺧﻮاﻫﻨﺪ ﺑﻮد‪.‬‬
‫‪‬‬ ‫‪ xi ‬‬
‫‪‬‬ ‫‪ ‬‬
‫‪ x(ξ ,η ) = < N1 N2‬‬ ‫‪N3 >  x j ‬‬
‫‪‬‬ ‫‪ ‬‬
‫‪‬‬ ‫‪ xk ‬‬
‫‪τ :‬‬
‫‪‬‬ ‫‪ yi ‬‬
‫‪ y(ξ ,η ) = < N‬‬ ‫‪ ‬‬
‫‪N2‬‬ ‫‪N3 >  y j ‬‬
‫‪‬‬ ‫‪1‬‬
‫‪‬‬ ‫‪ ‬‬

‫‪ yk ‬‬
‫ﮐﻪ در آن ‪ ← N3 ≡ N3 , N2 ≡ N2 , N1 ≡ N1‬ﺑﺮاي اﯾﻨﮑﻪ اﻟﻤﺎن اﯾﺰوﭘﺎراﻣﺘﺮﯾﮏ ﺑﻤﺎﻧﺪ‪.‬‬
‫‪ : 1-3-2‬وﯾﮋﮔﯽ ﻫﺎي ﺗﺎﺑﻊ ﺗﻘﺮﯾﺒﯽ )‪U(x‬‬

‫‪ (a‬وﯾﮋﮔﯽ ﻫﺎي اﺻﻠﯽ ﺗﻘﺮﯾﺐ ﮔﺮﻫﯽ‬
‫‪ (b‬ﭘﯿﻮﺳﺘﮕﯽ روي ﻋﻨﺼﺮ‬
‫‪ (c‬ﭘﯿﻮﺳﺘﮕﯽ ﺑﯿﻦ ﻋﻨﺎﺻﺮ‬
‫‪ (d‬ﺗﻮاﺑﻊ درون ﯾﺎﺑﯽ ﭼﻨﺪ ﺟﻤﻠﻪ اي ﮐﺎﻣﻞ‬
‫‪ : 1- 4‬ﺳﺎﺧﺘﻦ ﺗﻮاﺑﻊ ) ‪N (ξ ) , N (ξ‬‬

‫ﺗﻮاﺑﻊ ﺗﺒﺪﯾﻞ ﻫﻨﺪﺳﯽ ) ‪ N ( ξ‬و ﺗﻮاﺑﻊ درون ﯾﺎﺑﯽ ) ‪ N ( ξ‬روي اﻟﻤﺎن ﻣﺮﺟﻊ ﻫﻤﺎن ﺧﻮاص ذﮐﺮ ﺷﺪه اﯾﻦ دو ﺗﺎﺑﻊ‬
‫ﺑﺮاي اﻟﻤﺎن واﻗﻌﯽ را ﺑﺎﯾﺪ دارا ﺑﺎﺷﻨﺪ‪ 1-3-2) .‬و ‪( 1-2-4‬‬
‫‪27‬‬
‫‪ :1-4-1‬روش ﮐﻠﯽ ﺳﺎﺧﺖ‬

‫‪ (a‬اﻧﺘﺨﺎب ﭼﻨﺪ ﺟﻤﻠﻪ اي ﭘﺎﯾﻪ‪:‬‬
‫اﻧﺘﺨﺎب ﭼﻨﺪ ﺟﻤﻠﻪاي ﭘﺎﯾﻪ ﯾﮑﯽ از ﮔﺎمﻫﺎي اﺻﻠﯽ ﺳﺎﺧﺖ ﺗﻮاﺑﻊ ﺑﺎﻻ اﺳﺖ‪ U (ξ ) .‬را روي اﻟﻤﺎن ﻣﺮﺟﻊ ﺑﻪ‬
‫ﺻﻮرت زﯾﺮ ﻧﻤﺎﯾﺶ ﻣﯽدﻫﯿﻢ ﮐﻪ در آن ﺗﺮﮐﯿﺐ ﺧﻄﯽ ﺗﮏ ﺟﻤﻠﻪايﻫﺎي ﺷﻨﺎﺧﺘﻪ ﺷﺪهاي در ﻧﻈﺮ ﮔﺮﻓﺘﻪ‬
‫ﺷﺪهاﻧﺪ ) ‪: P1 (ξ ) , P2 (ξ‬‬
‫‪ a1 ‬‬
‫‪a ‬‬
‫‪ ‬‬
‫) ‪U (ξ ) =< P1 (ξ‬‬ ‫) ‪P2 (ξ‬‬ ‫) ‪..... >  2  ={a} (1 − 18‬‬
‫‪ M ‬‬
‫‪ a nd ‬‬
‫ﻣﺠﻤﻮﻋﻪ ﺗﻮاﺑﻊ ) ‪ P (ξ‬ﭘﺎﯾﻪ ﭼﻨﺪ ﺟﻤﻠﻪ اي ﺗﻘﺮﯾﺐ را ﺗﺸﮑﯿﻞ ﻣﯽ دﻫﻨﺪ‪ .‬ﺗﻌﺪاد آﻧﻬﺎ ﻣﺴﺎوي ﺗﻌﺪاد ﻣﺘﻐﯿﺮﻫﺎي‬
‫ﮔﺮﻫﯽ ﯾﺎ درﺟﻪ آزادي ﻋﻨﺼﺮ ﻣﯽ ﺑﺎﺷﺪ‪(nd) .‬‬
‫ﻣﻌﻤﻮﻻ ﭘﺎﯾﻪ ﭼﻨﺪ ﺟﻤﻠﻪاي ﮐﺎﻣﻞ اﺳﺘﻔﺎده ﻣﯽﮐﻨﯿﻢ‪ .‬ﺟﺪول زﯾﺮ ﺗﻌﺪاد ﺗﮏ ﺟﻤﻠﻪايﻫﺎي ﻻزم ﺑﺮاي ﺳﺎﺧﺘﻦ ﭼﻨﺪ‬
‫ﺟﻤﻠﻪاي ﮐﺎﻣﻞ را ﺗﺸﺮﯾﺢ ﻣﯽﮐﻨﺪ‪.‬‬
‫درﺟﻪ ﭼﻨﺪﺟﻤﻠﻪاي‬ ‫ﯾﮏ ﺑﻌﺪي‬ ‫دو ﺑﻌﺪي‬ ‫ﺳﻪ ﺑﻌﺪي‬
‫‪r‬‬ ‫‪nd‬‬ ‫‪nd‬‬ ‫‪nd‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬
‫‪2‬‬ ‫‪3‬‬ ‫‪6‬‬ ‫‪10‬‬
‫‪3‬‬ ‫‪4‬‬ ‫‪10‬‬ ‫‪20‬‬
‫‪4‬‬ ‫‪5‬‬ ‫‪15‬‬ ‫‪35‬‬
‫‪5‬‬ ‫‪6‬‬ ‫‪21‬‬ ‫‪56‬‬
‫‪28‬‬
‫درﺟﻪ ﭼﻨﺪ‬
‫دﯾﻤﺎﻧﺴﯿﻮن‬ ‫ﭘﺎﯾﻪ ﭼﻨﺪ ﺟﻤﻠﻪاي >‪<P‬‬ ‫‪nd‬‬
‫ﺟﻤﻠﻪاي‬
‫ﮐﺎﻣﻞ‬
‫‪1‬‬ ‫‪1‬‬ ‫ﺧﻄﯽ > ‪< 1 ξ‬‬ ‫‪2‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪< 1 ξ‬‬ ‫ﮐﻮادراﺗﯿﮏ > ‪ξ 2‬‬ ‫‪3‬‬
‫‪2‬‬ ‫‪1‬‬ ‫ﺧﻄﯽ > ‪< 1 ξ η‬‬ ‫‪3‬‬

‫‪2‬‬ ‫‪2‬‬ ‫ﮐﻮادراﺗﯿﮏ > ‪< 1 ξ η ξ 2 ξη η 2‬‬ ‫‪6‬‬
‫ﺧﻄﯽ > ‪< 1 ξ η ζ‬‬

‫‪3‬‬ ‫‪1‬‬ ‫‪4‬‬
‫‪3‬‬ ‫‪2‬‬ ‫ﮐﻮادراﺗﯿﮏ > ‪< 1 ξ η ζ ξ ξη η ηζ ζ ξζ‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪10‬‬
‫ﻧﺎﻗﺺ‬
‫‪2‬‬ ‫‪2‬‬ ‫)دو ﺧﻄﯽ( > ‪< 1 ξ η ξη‬‬ ‫‪4‬‬

‫‪3‬‬ ‫‪3‬‬ ‫> ‪< 1 ξ η ζ ξη ηζ ξζ ξηζ‬‬ ‫‪8‬‬
‫ﺑﺮاي ﺳﺎﺧﺘﻦ ﺗﻮاﺑﻊ ﺗﺒﺪﯾﻞ ﻫﻨﺪﺳﯽ ‪ N‬ﻋﺒﺎرت ‪ x‬را ﺑﺎ ﻫﻤﺎن ﻓﺮم اﻧﺘﺨﺎب ﻣﯽ ﮐﻨﯿﻢ‪.‬‬
‫}‪x(ξ ) = {a x‬‬
‫}‪y(ξ ) = {a y‬‬ ‫) ‪(1 − 19‬‬
‫}‪z(ξ ) = {a z‬‬
‫ﺗﻌﺪاد ﺗﻮاﺑﻊ ) ‪ P (ξ‬و ﺿﺮاﯾﺐ }‪ {a z } ,{a y } ,{a x‬ﺑﺎ ﺗﻌﺪاد ﮔﺮه ﻫﺎي ﻫﻨﺪﺳﯽ ﻋﻨﺼﺮ ‪ n e‬ﺑﺮاﺑﺮ اﺳﺖ‪.‬‬
‫ﺗﻌﺎرﯾﻒ‪:‬‬
‫}‪ :{a‬ﻣﺘﻐﯿﺮﻫﺎي ﮐﻠﯽ ﻋﻨﺼﺮ در ﻣﻘﺎﺑﻞ ﻣﺘﻐﯿﺮﻫﺎي ﮔﺮﻫﯽ } ‪{un‬‬
‫ﺗﻘﺮﯾﺐ ﮔﺮﻫﯽ‬ ‫‪ U (ξ ) = {a} -‬ﺗﻘﺮﯾﺐ ﮐﻠﯽ را در ﻣﻘﺎﺑﻞ } ‪U (ξ ) = < N (ξ ) > {un‬‬
‫ﺗﻌﺮﯾﻒ ﻣﯽﮐﻨﺪ‪.‬‬
‫‪29‬‬
‫‪ {a z} ,{a y},{a x} -‬ﻣﺨﺘﺼﺎت ﮐﻠﯽ ﻧﺎﻣﯿﺪه ﻣﯽﺷﻮﻧﺪ در ﻣﻘﺎﺑﻞ ﻣﺨﺘﺼﺎت ﮔﺮﻫﯽ }‪{ zn } ,{ yn } ,{ xn‬‬
‫‪ (b‬راﺑﻄﻪ ﺑﯿﻦ ﻣﺘﻐﯿﺮﻫﺎي ﮐﻠّﯽ و ﻣﺘﻐﯿﺮﻫﺎي ﮔﺮﻫﯽ‪:‬‬
‫ﻣﯽ داﻧﯿﻢ ﮐﻪ ﺑﺮاي ﻫﺮ ﮔﺮه درون ﯾﺎﺑﯽ ﺑﺎ ﻣﺨﺘﺼﺎت } ‪ ، {ξi‬ﺗﺎﺑﻊ } ‪ u {ξ‬ﻣﻘﺪار ﮔﺮﻫﯽ } ‪ ui = uex {ξi‬را ﺑﻪ‬
‫ﺧﻮد ﻣﯽ ﮔﯿﺮد‪.‬‬
‫‪ u1 ‬‬ ‫‪< P1 (ξ1 ) P2 (ξ1 ) ... Pn (ξ1 ) > ‬‬

‫‪ ‬‬ ‫‪‬‬ ‫‪d‬‬ ‫‪‬‬
‫‪ u2 ‬‬ ‫‪< P2 (ξ1 ) P2 (ξ 2 ) ... Pnd (ξ 2 ) > ‬‬
‫‪  = {un} = ‬‬
‫‪M‬‬ ‫}‪ {a‬‬
‫‪ ‬‬ ‫‪‬‬‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪‬‬
‫‪und ‬‬ ‫‪< P1 (ξ n ) P2 (ξ n ) ... Pn (ξ n ) >‬‬
‫‪‬‬ ‫‪d‬‬ ‫‪d‬‬ ‫‪d‬‬ ‫‪d‬‬ ‫‪‬‬
‫)‪{un} = [ Pn ]{a} (1 − 20‬‬
‫در ﻧﺘﯿﺠﻪ‬
‫} ‪{a} = [ Pn ] {un‬‬ ‫)‪(1 − 21‬‬
‫‪−1‬‬
‫اﮔﺮ رواﺑﻂ )‪ (1-19‬را در ﻧﻈﺮ ﺑﮕﯿﺮﯾﻢ‪:‬‬
‫}‪{ xn } =  Pn  {a x‬‬
‫} ‪{ yn } =  Pn  {a y‬‬ ‫) ‪(1 − 22‬‬
‫} ‪{ zn } =  Pn  {a z‬‬
‫ﻣﯽ ﺗﻮان ﺑﻌﺪ از ﻋﮑﺲ ﮐﺮدن ﻧﻮﺷﺖ‪:‬‬
‫‪−1‬‬
‫} ‪{a x} =  Pn  { xn‬‬
‫} ‪{a } =  P  { y‬‬
‫‪−1‬‬
‫‪y‬‬ ‫‪n‬‬ ‫‪n‬‬ ‫)‪(1 − 23‬‬
‫‪−1‬‬
‫} ‪{a z } =  Pn  { zn‬‬
‫‪ (c‬ﻋﺒﺎرات ‪N, N‬‬
‫ﺑﺎ ﮔﺬاﺷﺘﻦ رواﺑﻂ )‪ (1-21‬ر )‪ (1-18‬دارﯾﻢ‪:‬‬
‫] ‪U (ξ ) = [ Pn‬‬ ‫} ‪{un‬‬
‫‪−1‬‬
‫} ‪U (ξ ) =< N (ξ ) > {un‬‬ ‫)‪(1 − 24‬‬

‫] ‪< N (ξ ) > = [ Pn‬‬
‫‪−1‬‬
‫‪30‬‬
‫ﺑﺮاي ‪ N‬ﺑﻪ ﻫﻤﯿﻦ ﻃﺮﯾﻖ ﺧﻮاﻫﯿﻢ داﺷﺖ‪:‬‬

‫} ‪x(ξ ) =< N (ξ ) > { xn‬‬
‫} ‪y(ξ ) =< N (ξ ) > { yn‬‬
‫} ‪z(ξ ) = < N (ξ ) > { zn‬‬ ‫)‪(1 − 25‬‬
‫‪< N (ξ ) >= [ Pn ]−1‬‬
‫‪ (d‬ﻣﺸﺘﻖ ﮔﯿﺮي از ﺗﺎﺑﻊ )‪u(ξ‬‬

‫از ) ‪ (1-24‬ﺑﺎ ﻣﺸﺘﻖ ﮔﯿﺮي ﺧﻮاﻫﯿﻢ داﺷﺖ‪:‬‬
‫‪u,ξ   ‬‬ ‫‪< N ,ξ > ‬‬
‫‪  ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫} ‪u,η  =   [ Pn ] {un } = < N ,η >  {un } =  Bξ  {un‬‬ ‫) ‪(1 − 26‬‬
‫‪−1‬‬
‫‪u,  ‬‬ ‫‪< N , > ‬‬

‫‪ ζ ‬‬ ‫‪ζ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ζ‬‬ ‫‪‬‬
‫ﻣﺜﺎل )‪ : (1-16‬ﺳﺎﺧﺘﻦ ﺗﺎﺑﻊ )‪ N(ξ‬ﺑﺮاي ﯾﮏ اﻟﻤﺎن ﭼﻬﺎر ﮔﺮﻫﯽ اﯾﺰوﭘﺎراﻣﺘﺮﯾﮏ‬
‫‪η‬‬ ‫‪y‬‬
‫‪-1,1‬‬ ‫‪1, 1‬‬
‫‪4‬‬ ‫‪3‬‬
‫‪xl‬‬
‫‪xk‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪ξ‬‬
‫‪nd = 4‬‬
‫‪-1,-1‬‬ ‫‪1,-1‬‬ ‫‪xi‬‬
‫‪xj‬‬
‫‪x‬‬
‫>‪ξ=<ξ η‬‬ ‫>‪X=<x y‬‬
‫‪ (a‬اﻧﺘﺨﺎب ﭘﺎﯾﻪ ﭼﻨﺪ ﺟﻤﻠﻪ اي‬

‫ﺑﺎ درﺟﻪ آزادي ‪ nd= 4‬و ﭼﻬﺎر ﻣﺘﻐﯿﺮ ﮔﺮﻫﯽ از ﭘﺎﯾﻪ ﮐﺎﻣﻞ ﻧﻤﯽ ﺗﻮاﻧﯿﻢ اﺳﺘﻔﺎده ﮐﻨﯿﻢ‪ .‬ﺑﻬﺘﺮﯾﻦ اﻧﺘﺨﺎب ﮐﻪ ﺗﻘﺎرن‬
‫و ﭘﯿﻮﺳﺘﮕﯽ ‪ U‬را از ﺑﯿﻦ اﻟﻤﺎن ﻫﺎ ﻧﯿﺰ ﺗﺄﻣﯿﻦ ﻣﯽ ﮐﻨﺪ‪ ،‬ﯾﮏ ﭘﺎﯾﻪ دو ﺧﻄﯽ ﺑﺮﺣﺴﺐ ‪ ξ ,η‬ﻣﯽ ﺑﺎﺷﺪ‪.‬‬
‫> ‪ = <1 ξ η ξη‬‬
‫‪31‬‬
‫ﯾﺎدآوري ﻣﯽﮐﻨﯿﻢ ﮐﻪ }‪ U < ξ > = {a‬روي ﻫﺮ ﺿﻠﻊ ﺧﻄﯽ ﻣﯽﺷﻮد‪ξ = ± 1 , η = ± 1 .‬‬
‫ﺧﻮاﻫﯿﻢ داﺷﺖ‪:‬‬ ‫‪ξ‬‬ ‫‪ (b‬ﺗﻌﯿﯿﻦ ] ‪ : [ Pn‬ﺑﺎ ﺗﺨﻤﯿﻦ > ) ‪ < P ( ξ‬ﺑﺮاي ﻫﺮ ﭼﻬﺎر ﮔﺮه ﺑﺎ ﻣﺨﺘﺼﺎت‬
‫‪ −1‬‬
‫‪1‬‬
‫‪1‬‬ ‫‪ξ‬‬ ‫‪η‬‬ ‫‪ξη‬‬ ‫‪{ξn } = ‬‬
‫‪1‬‬
‫‪1 − 1 − 1‬‬ ‫‪1‬‬ ‫‪ −1‬‬
‫‪1 1 − 1 − 1‬‬
‫‪[ n ] ‬‬
‫‪P‬‬ ‫=‬ ‫‪‬‬ ‫‪ −1‬‬
‫‪1 1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪ −1‬‬
‫‪‬‬ ‫‪‬‬
‫‪1 − 1‬‬ ‫‪1 −1 ‬‬ ‫‪{ηn } = ‬‬
‫‪1‬‬
‫‪1‬‬
‫‪ (c‬ﻣﻌﮑﻮس ﮐﺮدن ] ‪ : [ Pn‬ﭼﻮن ارﺗﻮﮔﻮﻧﺎل اﺳﺖ )ﺣﺎﺻﻠﻀﺮب ﻋﺪدي ﺳﺘﻮنﻫﺎي ﻣﺨﺘﻠﻒ ﺻﻔﺮ اﺳﺖ( ﻧﺮم ﻫﺮ‬
‫ﺳﺘﻮن ‪ 4‬اﺳﺖ در ﻧﺘﯿﺠﻪ‪:‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪‬‬ ‫‪− 1‬‬
‫‪1‬‬ ‫‪1  −1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫] ‪[ Pn‬‬ ‫] ‪[ Pn‬‬ ‫‪‬‬
‫‪−1‬‬
‫=‬
‫‪T‬‬
‫=‬
‫‪4‬‬ ‫‪4  −1‬‬ ‫‪−1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪‬‬ ‫‪‬‬
‫‪1‬‬ ‫‪−1‬‬ ‫‪1 −1 ‬‬
‫‪ (d‬ﻋﺒﺎرت > ‪: < N‬‬

‫] ‪< N > = < N1 N2 N3 N4 > = [ Pn‬‬
‫‪−1‬‬
‫‪1 − ξ − η + ξη 1 + ξ − η − ξµ 1 + ξ + η + ξη 1 − ξ + η − ξη‬‬
‫<=> ‪< N‬‬ ‫;‬ ‫;‬ ‫;‬ ‫>‬
‫‪4‬‬ ‫‪4‬‬ ‫‪4‬‬ ‫‪4‬‬
‫‪1‬‬
‫> ) ‪< N > = (1 − ξ )(1 − η );(1 + ξ )(1 − η );(1 + ξ )(1 + η );(1 − ξ )(1 + η‬‬
‫‪4‬‬
‫اﻟﻤﺎن اﯾﺰوﭘﺎراﻣﺘﺮﯾﮏ اﺳﺖ > ‪< N > ≡< N‬‬
‫‪32‬‬
‫‪ x1 ‬‬
‫‪x ‬‬
‫‪ 2‬‬
‫‪x(ξ ,η ) =< N1 N2 N3‬‬ ‫‪N4 >  ‬‬
‫‪ x3 ‬‬
‫‪ x4 ‬‬
‫‪ y1 ‬‬
‫‪y ‬‬
‫‪ ‬‬
‫‪y(ξ ,η ) =< N1 N2 N3‬‬ ‫‪N4 >  2 ‬‬
‫‪ y3 ‬‬
‫‪ y4 ‬‬
‫‪ : 1- 4- 2‬وﯾﮋﮔﯽ ﻫﺎي ﺗﻮاﺑﻊ ‪N , N‬‬

‫‪ (a‬ﻫﺮ ﺗﺎﺑﻊ درون ﯾﺎﺑﯽ ) ‪ N i (ξ‬از ﺿﺮب ﻋﺪدي ﭘﺎﯾﻪ ﭼﻨﺪ ﺟﻤﻠﻪ اي > ) ‪ {Ci‬‬ ‫) ‪(1 − 27‬‬

‫ﮐﻪ در آن‬
‫] ‪[ Pn‬‬ ‫}‪= {C1‬‬ ‫} ‪{C2 } ... {Ci‬‬ ‫) ‪(1 − 28‬‬

‫‪−1‬‬
‫‪...‬‬
‫در ﻧﺘﯿﺠﻪ ﻫﺮ ﺗﺎﺑﻊ ) ‪ Ni (ξ‬ﯾﮏ ﺗﺮﮐﯿﺐ ﺧﻄﯽ از ﺗﻮاﺑﻊ > ) ‪ =[ Pn ] (1-24‬ﺑﺎ ﺿﺮب ﮐﺮدن دو ﻃﺮف در‬
‫‪−1‬‬
‫] ‪ [ Pn‬ﺑﻪ ﺻﻮرت‬
‫> ) ‪< N (ξ ) > [ Pn ] = < P (ξ‬‬ ‫) ‪(1 − 29‬‬

‫در ﻣﯽ آﯾﺪ‪ ،‬ﺑﺎ اﺳﺘﻔﺎده از ﺗﻌﺮﯾﻒ )‪ (1-20‬ﻣﯽ ﺗﻮان ﻧﻮﺷﺖ‪:‬‬
‫‪nd‬‬
‫‪∑ N (ξ ) P‬‬
‫‪i =1‬‬
‫‪i‬‬ ‫‪j‬‬ ‫) ‪(ξi ) ≡ Pj (ξ‬‬ ‫‪j = 1, 2,..., nd‬‬ ‫) ‪(1 − 30‬‬
‫از اﯾﻦ راﺑﻄﻪ ﻣﯽ ﺗﻮان در ﺳﺎﺧﺘﻦ ﺗﻮاﺑﻊ ‪ Ni‬اﺳﺘﻔﺎده ﮐﺮد‪ .‬اﯾﻦ راﺑﻄﻪ ﻧﺸﺎن ﻣﯽ دﻫﺪ ﮐﻪ ﻋﺒﺎرات )‪ pj(ξ‬ﺑﺨﺸﯽ از‬
‫ﭘﺎﯾﻪ ﭼﻨﺪ ﺟﻤﻠﻪ اي اﺳﺘﻔﺎده ﺷﺪه در ﺳﺎﺧﺖ ‪ Ni‬ﻣﯽ ﺑﺎﺷﻨﺪ‪.‬‬
‫‪33‬‬
‫اﮔﺮ ﻓﺮض ﮐﻨﯿﻢ ﮐﻪ ﻣﺠﻤﻮﻋﻪ اي از ﺗﻮاﺑﻊ ‪ Ni‬ﺑﻪ ﺻﻮرت ﺗﺠﺮﺑﯽ ﺳﺎﺧﺘﻪ ﺷﺪه ﺑﺎﺷﻨﺪ ﻣﯽ ﺗﻮاﻧﯿﻢ اﻃﻤﯿﻨﺎن ﺣﺎﺻﻞ‬
‫ﮐﻨﯿﻢ ﮐﻪ ﺗﻘﺮﯾﺐ } ‪ U ( j) =< N > {un‬ﯾﮏ ﭼﻨﺪ ﺟﻤﻠﻪ اي )‪ p(ξ‬را در ﺑﺮ ﻣﯽ ﮔﯿﺮد اﮔﺮ راﺑﻄﻪ زﯾﺮ اﻗﻨﺎع‬
‫ﺷﺪه ﺑﺎﺷﺪ‪.‬‬
‫‪nd‬‬
‫) ‪∑ N (ξ ) P (ξ ) ≡ P (ξ‬‬
‫‪i =1‬‬
‫‪i‬‬ ‫‪i‬‬ ‫‪j‬‬ ‫)‪(1 − 31‬‬
‫در ﺑﺮرﺳﯽ ﻫﻤﮕﺮاﯾﯽ ﻻزم ﻣﯽ آﯾﺪ ﮐﻪ ﺑﺪاﻧﯿﻢ ﭼﻪ ﺗﮏ ﺟﻤﻠﻪ اي ﻫﺎﯾﯽ در ﺗﺎﺑﻊ )‪ u(ξ‬وﺟﻮد دارﻧﺪ‪ .‬ﻣﺜﻼ ﺑﺮاي‬
‫ﮐﻨﺘﺮل اﯾﻨﮑﻪ ﺑﺪاﻧﯿﻢ ‪ 1, ξ ,η‬در )‪ u(ξ‬وﺟﻮد دارد ﯾﺎ ﻧﻪ‪ ،‬ﮐﺎﻓﯽ اﺳﺖ ﺑﺒﯿﻨﯿﻢ‪:‬‬
‫‪ nd‬‬
‫‪∑ Ni (ξ ) = 1‬‬
‫‪ i =1‬‬
‫‪ nd‬‬
‫‪∑ Ni (ξ ) ξi = ξ‬‬ ‫) ‪(1 − 32‬‬
‫‪ i =1‬‬
‫‪ nd‬‬
‫‪∑ Ni (ξ )ηi = η‬‬
‫‪ i =1‬‬
‫ﻣﺜﺎل )‪ : (1-17‬ﺗﺎﺑﻊ ‪ N‬در ﯾﮏ ﭼﻬﺎرﺿﻠﻌﯽ ﺧﻄﯽ‬
‫ﻣﯽﺗﻮان ﮐﻨﺘﺮل ﮐﺮد ﮐﻪ ﺗﻮاﺑﻊ ‪ Ni‬ﻣﺜﺎل )‪ (1-16‬رواﺑﻂ )‪ (1-30‬را اﻗﻨﺎع ﻣﯽﮐﻨﺪ و ﻣﻄﺎﺑﻖ ﺑﺎ ﺗﮏ ﺟﻤﻠﻪ اي ﻫﺎي‬
‫‪ 1, ξ ,η , ξη‬ﻣﯽﺑﺎﺷﻨﺪ‪.‬‬
‫‪4‬‬
‫‪∑ Ni (ξ , η ) = N1 + N 2 + N3 + N4 = 1‬‬
‫‪i =1‬‬
‫‪4‬‬
‫‪∑ Ni (ξ , η ) ξi = − N1 + N2 + N3 − N4 = ξ‬‬
‫‪i =1‬‬ ‫)‪(1 − 33‬‬
‫‪4‬‬
‫‪∑ Ni (ξ , η )η i = − N1 − N 2 + N3 + N4 = η‬‬
‫‪i =1‬‬
‫‪4‬‬
‫‪∑ Ni (ξ , η ) ξiη i = N1 − N 2 + N3 − N 4 = ξη‬‬
‫‪i =1‬‬
‫‪ (c‬ﺑﺎ ﻣﺸﺘﻖ ﮔﯿﺮي از راﺑﻄﻪ )‪ (1-30‬رواﺑﻂ ﺑﯿﻦ ﻣﺸﺘﻘﺎت ﺗﻮاﺑﻊ ‪ Ni‬ﺑﻪ دﺳﺖ ﻣﯽ آﯾﺪ‪.‬‬
‫‪nd‬‬
‫) ‪∂Ni (ξ‬‬ ‫) ‪∂Pj (ξ‬‬
‫∑‬
‫‪i =1‬‬ ‫‪∂ξ‬‬
‫‪P‬‬‫‪j‬‬ ‫(‬‫‪ξ‬‬ ‫‪i‬‬ ‫)‬ ‫≡‬
‫‪∂ξ‬‬
‫) ‪(1 − 34‬‬
‫اﯾﻨﮕﻮﻧﻪ رواﺑﻂ ﻫﻤﺮاه ﺑﺎ رواﺑﻂ )‪(1-15‬و ) ‪ (1-16‬و ) ‪ (1-17‬و ) ‪ (1-30‬ﺑﺮاي ﮐﻨﺘﺮل ﺻﺤﺖ ﻓﺮمﻫﺎي ﺻﺮﯾﺢ‬
‫ﺗﻮاﺑﻊ ‪ Ni‬و ﻣﺸﺘﻘﺎت آن ﻣﻔﯿﺪ ﻫﺴﺘﻨﺪ‪.‬‬
‫‪34‬‬
‫‪ : 1-5‬ﺗﺒﺪﯾﻞ ﻋﻤﻠﮕﺮﻫﺎي ﻣﺸﺘﻖ‬

‫‪ : 1-5-1‬ﻣﺸﺘﻘﺎت درﺟﻪ ﯾﮏ‪:‬‬
‫ﺑﺮاي ﻣﺤﺎﺳﺒﻪ ﻣﺸﺘﻖ ﯾﮏ ﺗﺎﺑﻊ ﻧﺴﺒﺖ ﺑﻪ ‪ ξ‬ﺑﺮ ﺣﺴﺐ ﻣﺸﺘﻖ آن ﺗﺎﺑﻊ ﻧﺴﺒﺖ ﺑﻪ ‪ x‬از ﻣﺸﺘﻖ ﮔﯿﺮي ﻣﺘﻮاﻟﯽ اﺳﺘﻔﺎده‬
‫ﻣﯽ ﮐﻨﯿﻢ‪.‬‬
‫‪ ∂   ∂x‬‬ ‫‪∂y‬‬ ‫‪∂z‬‬ ‫‪ ∂ ‬‬
‫‪ ∂ξ   ∂ξ‬‬ ‫‪∂ξ‬‬ ‫‪∂ξ‬‬ ‫‪ ‬‬
‫‪  ‬‬ ‫‪  ∂x ‬‬
‫‪ ∂   ∂x‬‬ ‫‪∂y‬‬ ‫‪∂z‬‬ ‫‪ ∂ ‬‬
‫‪ =‬‬ ‫‪  ∂y ‬‬ ‫) ‪(1 − 36‬‬
‫‪ ∂η   ∂η‬‬ ‫‪∂η‬‬ ‫‪∂η‬‬
‫‪ ‬‬
‫‪ ∂   ∂x‬‬ ‫‪∂y‬‬ ‫‪∂z‬‬ ‫‪ ∂ ‬‬
‫‪  ‬‬ ‫‪ ‬‬
‫‪ ∂ζ   ∂ζ‬‬ ‫‪∂ζ‬‬ ‫‪∂ζ‬‬ ‫‪  ∂z ‬‬
‫ﻣﻌﺎدﻟﻪ ﺑﺎﻻ را ﺑﻪ ﺻﻮرت }‪ {∂ξ } = [ J ]{∂ x‬ﻣﯽﻧﻮﯾﺴﯿﻢ ﮐﻪ ] ‪ [ J‬ﻣﺎﺗﺮﯾﺲ ژاﮐﻮﺑﯿﻦ ﺗﺒﺪﯾﻞ ﻫﻨﺪﺳﯽ اﺳﺖ‪.‬‬
‫ﻋﻨﺎﺻﺮ ﻣﺎﺗﺮﯾﺲ ژاﮐﻮﺑﯿﻦ ﺑﺎ ﻣﺸﺘﻖ ﮔﯿﺮي از راﺑﻄﻪ ﺗﺒﺪﯾﻞ ﺑﻪ دﺳﺖ ﻣﯽ آﯾﺪ‪ .‬ﺑﻪ ﻫﻤﯿﻦ ﺻﻮرت ﻣﯽ ﺗﻮاﻧﯿﻢ ﻣﺸﺘﻖ‬
‫ﺗﺎﺑﻊ ﻧﺴﺒﺖ ﺑﻪ ‪ x‬را ﺑﺮ ﺣﺴﺐ ﻣﺸﺘﻖ آن ﺗﺎﺑﻊ ﻧﺴﺒﺖ ﺑﻪ ‪ ξ‬ﺑﻨﻮﯾﺴﯿﻢ ﮐﻪ ﺑﻪ ﺻﻮرت‬
‫} ‪ {∂ x} = [ j ]{∂ ξ‬ﻧﻮﺷﺘﻪ ﻣﯽ ﺷﻮد‪ .‬در اﯾﻦ ﻣﻌﺎدﻟﻪ ] ‪ [ j ] = [ J‬ﻣﯽ ﺑﺎﺷﺪ‪.‬‬ ‫) ‪(1 − 37‬‬
‫‪−1‬‬
‫در ﺑﺮﻧﺎﻣﻪ ﻧﻮﯾﺴﯽ ﻫﺎ ﻣﻌﻤﻮﻻ از ]‪ [j‬اﺳﺘﻔﺎده ﻣﯽ ﺷﻮد‪ .‬زﯾﺮا ﻻزم اﺳﺖ ﻣﺸﺘﻖ ﺗﺎﺑﻊ ﻧﺴﺒﺖ ﺑﻪ ‪ x‬را از ﻣﺸﺘﻘﺎت ﺗﺎﺑﻊ‬
‫ﻧﺴﺒﺖ ﺑﻪ ‪ ξ‬ﺑﻪ دﺳﺖ آورﯾﻢ‪.‬‬
‫‪ -‬ﻋﺒﺎرت ] ‪[ j ] = [ j‬‬
‫‪−1‬‬
‫)‪(1 − 38‬‬
‫ﻓﺮم ﺻﺮﯾﺢ ﻣﻌﮑﻮس ] ‪ [ J‬را ﺑﺮاي ﺣﺎﻻت ﯾﮏ‪ ،‬دو و ﺳﻪ ﺑﻌﺪي ﻣﯽ ﻧﻮﯾﺴﯿﻢ‪:‬‬
‫* ﯾﮏ ﺑﻌﺪي‬
‫‪1‬‬
‫] ‪[ J ] = J 11 ; [ j ] = [ J‬‬ ‫) ‪(1 − 39‬‬
‫‪−1‬‬
‫=‬
‫‪J 11‬‬
‫* دو ﺑﻌﺪي‬
‫‪ J 11‬‬ ‫‪J 12 ‬‬ ‫‪1‬‬ ‫‪ j22‬‬ ‫‪− j12 ‬‬
‫‪[J ] = ‬‬ ‫= ] ‪; [J‬‬
‫‪−1‬‬
‫‪‬‬ ‫‪− j‬‬ ‫‪j11 ‬‬
‫‪ J 21‬‬ ‫‪J 22 ‬‬ ‫) ‪det( J‬‬ ‫‪ 21‬‬ ‫)‪(1 − 40‬‬
‫‪det( J ) = J 11J 22 − J 12 J 21‬‬
‫‪det ( J ) ≠ 0 ⇔ A ≠ 0‬‬
‫‪35‬‬
‫* ﺳﻪ ﺑﻌﺪي‬
‫‪ J 11‬‬ ‫‪J 12‬‬ ‫‪J 13 ‬‬
‫‪[ J ] =  J 21‬‬ ‫‪J 22‬‬ ‫‪J 23 ‬‬
‫‪ J 31‬‬ ‫‪J 32‬‬ ‫‪J 33 ‬‬
‫‪ J 22 J 33 − J 32 J 23 ; J 13 J 32 − J 12 J 33 ; J 12 J 23 − J 13 J 22 ‬‬
‫‪1 ‬‬ ‫‪‬‬
‫= ] ‪[J‬‬
‫‪−1‬‬
‫‪‬‬ ‫‪J 31J 23 − J 21J 33 ; J 11J 33 − J 13 J 33 ; J 21J 13 − J 23 J 11 ‬‬
‫‪det( J ) ‬‬ ‫‪‬‬
‫‪ J 21J 32 − J 31J 22 ; J 12 J 21 − J 32 J 11 ; J 11J 22 − J 12 J 21 ‬‬
‫)‪(1 − 41‬‬
‫) ‪det( J ) = J 11 ( J 22 J 33 − J 32 J 23 ) + J 12 ( J 31J 23 − J 21J 33 ) + J 13 ( J 21J 32 − J 31J 22‬‬
‫‪ -‬ﻣﺤﺎﺳﺒﻪ ﻋﺒﺎرت ﻫﺎي ﻣﺎﺗﺮﯾﺲ ] ‪[ J‬‬
‫ﻋﺒﺎرت ﻫﺎي ﻣﺎﺗﺮﯾﺲ ] ‪ [ J‬ﺑﺎ ﻣﺸﺘﻖ ﮔﯿﺮي ﻧﺴﺒﺖ ﺑﻪ ‪ ξ‬از راﺑﻄﻪ زﯾﺮ ﮐﻪ در ﻓﺼﻞ اول داده ﺷﺪه اﺳﺖ ﺑﻪ دﺳﺖ‬
‫ﻣﯽ آﯾﺪ‪.‬‬
‫} ‪< x y z > = < N (ξ ) > { xn‬‬ ‫‪{ yn } { zn }‬‬ ‫) ‪(1 − 42‬‬
‫}‪ { zn } ,{ yn } ,{ xn‬ﻣﺨﺘﺼﺎت ‪ z,y,x‬ﮔﺮهﻫﺎي ﻫﻨﺪﺳﯽ ﯾﮏ ﻋﻨﺼﺮ ﻫﺴﺘﻨﺪ‪ .‬ﻣﺎﺗﺮﯾﺲ ژاﮐﻮﺑﯿﻦ ﺑﻪ ﺻﻮرت زﯾﺮ‬
‫ﻧﻮﺷﺘﻪ ﻣﯽﺷﻮد‪:‬‬
‫‪∂ ‬‬
‫‪ ∂ξ ‬‬
‫‪ ‬‬ ‫> ‪ < N ,ξ‬‬ ‫‪‬‬
‫‪ ∂ ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪[ j] =   < x‬‬ ‫‪y‬‬ ‫> ‪z >=  < N ,η‬‬ ‫} ‪ { xn‬‬ ‫‪{ yn } {zn }‬‬ ‫)‪(1 − 43‬‬
‫‪ ∂η ‬‬ ‫> ‪ < N ,ζ‬‬ ‫‪‬‬
‫‪ ∂ ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ ‬‬
‫‪ ∂ζ ‬‬
‫‪ne × 3‬‬ ‫‪ne × 3‬‬
‫ﻫﻤﺎﻧﻄﻮر ﮐﻪ دﯾﺪه ﻣﯽﺷﻮد‪ ،‬ﻣﺎﺗﺮﯾﺲ ژاﮐﻮﺑﯿﻦ ﺣﺎﺻﻠﻀﺮب دو ﻣﺎﺗﺮﯾﺲ‪،‬ﯾﮑﯽ ﻣﺸﺘﻘﺎت ﺗﻮاﺑﻊ ﺗﺒﺪﯾﻞ ﻫﻨﺪﺳﯽ‬
‫ﻧﺴﺒﺖ ﺑﻪ ‪ ξ‬و دﯾﮕﺮي ﻣﺨﺘﺼﺎت ﻧﻘﺎط ﮔﺮهﻫﺎي ﻫﻨﺪﺳﯽ ﻫﺮ اﻟﻤﺎن ﻣﯽﺑﺎﺷﺪ‪.‬‬
‫‪36‬‬
‫‪ -‬ﺗﺒﺪﯾﻞ ﯾﮏ اﻧﺘﮕﺮال‬
‫ﻣﯽﺗﻮان اﻧﺘﮕﺮال روي اﻟﻤﺎن واﻗﻌﯽ ‪ Ve‬را ﺑﺮﺣﺴﺐ اﻧﺘﮕﺮال ﺗﺎﺑﻊ روي اﻟﻤﺎن ﻣﺮﺟﻊ ﺑﯿﺎن ﻧﻤﻮد‪:‬‬
‫‪∫ f ( x) dxdydz = ∫ f ( x(ξ )) det( J ) dξ dη‬‬ ‫‪dζ‬‬ ‫) ‪(1 − 44‬‬

‫‪e‬‬ ‫‪r‬‬
‫‪v‬‬ ‫‪v‬‬
‫اﯾﻦ ﻋﺒﺎرت از آﻧﺠﺎ ﺑﻪ دﺳﺖ آﻣﺪه اﺳﺖ ﮐﻪ ﺑﻪ ﺟﺎي ‪ dv = det( J )dξ dη dζ‬را ﮔﺬاﺷﺘﻪاﯾﻢ‪.‬‬
‫ﻣﺜﺎل ‪ : 1-17‬ﻣﺎﺗﺮﯾﺲ ژاﮐﻮﺑﯿﻦ ﯾ ﮏ ﻋﻨﺼﺮ ﭼﻬﺎر وﺟﻬﯽ ﺑﺎ ﭼﻬﺎر ﮔﺮه‬
‫ﻣﺸﺘﻘﺎت ﺗﻮاﺑﻊ ‪ N‬داده ﺷﺪه در ﻣﺜﺎل )‪ (1-16‬را ﺑﻪ دﺳﺖ ﻣﯽ آورﯾﻢ‪:‬‬
‫‪ x1‬‬ ‫‪y1 ‬‬
‫) ‪ −(1 − η‬‬ ‫) ‪(1 − η‬‬ ‫) ‪(1 + η‬‬ ‫‪− (1 + η )  ‬‬
‫‪1‬‬ ‫‪  x2‬‬ ‫‪y2 ‬‬
‫‪[J ] = ‬‬ ‫‪ x‬‬
‫‪4‬‬ ‫‪y3 ‬‬
‫) ‪ −(1 − ξ‬‬ ‫) ‪− (1 + ξ‬‬ ‫‪(1 + ξ ) (1 − ξ )  2*4  3‬‬ ‫‪‬‬
‫‪ x4‬‬ ‫‪y4  4*2‬‬
‫‪ − x1 + x2 + x3 − x4‬‬ ‫‪− y1 + y2 + y3 − y4 ‬‬
‫) ‪ +η ( x − x + x − x‬‬ ‫‪+ η ( y1 − y2 + y3 − y4 ) ‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬
‫‪[J ] = ‬‬ ‫‪‬‬
‫‪4 − x − x + x + x‬‬ ‫‪− y1 − y2 + y3 + y4 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬
‫) ‪ +ξ ( x1 − x2 + x3 − x4‬‬ ‫‪+ ξ ( y1 − y2 + y3 − y4 ) ‬‬
‫‪det( J ) = Ao + A1ξ + A2η‬‬

‫‪1‬‬
‫= ‪Ao‬‬ ‫]) ‪[( y4 − y2 )( x3 − x1 ) − ( y3 − y1 )( x4 − x2‬‬
‫‪8‬‬
‫‪1‬‬
‫]) ‪A1 = [ ( y3 − y4 )( x2 − x1 ) − ( y2 − y1 )( x3 − x4‬‬
‫‪8‬‬
‫‪1‬‬
‫]) ‪A2 = [ ( y4 − y1 )( x3 − x2 ) − ( y3 − y2 )( x4 − x1‬‬
‫‪8‬‬
‫در ﺻﻮرﺗﯽ ﮐﻪ اﻟﻤﺎن ﻣﺴﺘﻄﯿﻠﯽ ﺑﺎﺷﺪ ﺑﺎ اﺿﻼع ‪ x2 − x1 = 2a‬و ‪y4 − y1 = 2b‬‬
‫‪x1 = x4‬‬ ‫‪x2 = x3‬‬
‫‪y1 = y2‬‬ ‫‪y3 = y4‬‬
‫‪a‬‬ ‫‪o‬‬ ‫‪1‬‬
‫‪[J ] = ‬‬ ‫=‬ ‫≡‬ ‫) ‪( area of rectangular‬‬
‫‪b ‬‬
‫‪,‬‬ ‫(‪det‬‬ ‫‪J‬‬ ‫)‬ ‫‪ab‬‬
‫‪o‬‬ ‫‪4‬‬
‫‪37‬‬
‫و ﺗﺒﺪﯾﻞ اﻧﺘﮕﺮال ﯾﮏ ﺗﺎﺑﻊ روي اﻟﻤﺎن ﺑﻪ ﺻﻮرت زﯾﺮ ﻧﻮﺷﺘﻪ ﻣﯽ ﺷﻮد‪:‬‬

‫‪1 1‬‬
‫‪∫ f ( x) dxdy = ∫ ∫ f ( x(ξ ) ) ab dξ dη‬‬

‫‪−1 −1‬‬
‫‪ve‬‬
‫‪ : 1-5-3‬ﻣﺸﺘﻘﺎت درﺟﻪ دوم‬

‫ﻣﺸﺘﻖ درﺟﻪ دوم ﯾﮏ ﺗﺎﺑﻊ ﻧﺴﺒﺖ ‪ x‬ﺑﺮﺣﺴﺐ ﻣﺸﺘﻘﺎت ﻧﺴﺒﺖ ﺑﻪ ‪ ξ‬ﺑﻪ ﺻﻮرت زﯾﺮ ﻧﻮﺷﺘﻪ ﻣﯽﺷﻮد‪:‬‬
‫‪ ∂2 ‬‬ ‫‪ ∂2‬‬ ‫‪‬‬

‫‪ ∂x2 ‬‬ ‫‪ ∂ξ 2‬‬ ‫‪‬‬
‫‪ 2 ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪∂ ‬‬ ‫‪ ∂2‬‬ ‫‪‬‬
‫‪ ∂y2 ‬‬ ‫‪ 2‬‬ ‫‪‬‬
‫‪‬‬ ‫∂‬ ‫‪‬‬ ‫‪‬‬ ‫‪∂η‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪ ∂2 ‬‬ ‫‪ ∂ξ ‬‬ ‫‪ ∂2‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ 2‬‬ ‫‪‬‬
‫‪ ∂z2 ‬‬ ‫‪ ∂ ‬‬ ‫‪ ∂ζ‬‬ ‫‪‬‬
‫‪ 2  = [T1 ]   + [T2 ]  2‬‬ ‫‪‬‬ ‫)‪(1 − 45‬‬
‫‪ ∂ ‬‬ ‫‪ ∂η ‬‬ ‫∂ ‪‬‬ ‫‪‬‬
‫‪ ∂x∂y ‬‬ ‫‪ ∂ ‬‬ ‫‪ ∂ξ∂η‬‬ ‫‪‬‬
‫‪ 2 ‬‬ ‫‪ ‬‬ ‫‪ 2‬‬ ‫‪‬‬
‫‪ ∂ ‬‬ ‫‪ ∂ζ ‬‬ ‫∂ ‪‬‬ ‫‪‬‬
‫‪ ∂y∂z ‬‬ ‫‪ ∂ξ∂ζ‬‬ ‫‪‬‬
‫‪ 2 ‬‬ ‫‪ 2‬‬ ‫‪‬‬
‫‪ ∂ ‬‬ ‫∂ ‪‬‬ ‫‪‬‬
‫‪ ∂x∂z ‬‬ ‫‪ ∂η∂ζ‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫اﯾﻦ ﻋﺒﺎرت را ﺑﻪ ﺻﻮرت زﯾﺮ ﻣﯽ ﻧﻮﯾﺴﯿﻢ‪:‬‬
‫)‪(1 − 45 − b‬‬ ‫} ‪{∂ x} = [T ]{∂ξ } + [T ]{∂ ξ‬‬
‫‪2‬‬
‫‪1‬‬ ‫‪2‬‬
‫‪2‬‬
‫‪ -‬ﻣﺤﺎﺳﺒﻪ ] ‪[T1‬‬
‫ﻣﺎﺗﺮﯾﺲ ] ‪ [T1‬از ﻣﺸﺘﻘﺎت ﻋﺒﺎرات ﻣﺎﺗﺮﯾﺲ ] ‪ [ j‬ﻧﺴﺒﺖ ﺑﻪ ‪ ξ‬ﮐﻪ در ﻋﺒﺎرت )‪ (1-27‬داده ﺷﺪه اﺳﺖ ﺑﻪ دﺳﺖ‬
‫ﻣﯽآﯾﺪ‪ [T1 ] .‬در ﺻﻮرﺗﯽ ﮐﻪ ] ‪ [ J‬ﺛﺎﺑﺖ ﺑﺎﺷﺪ ﯾﻌﻨﯽ ﺗﻮاﺑﻊ ) ‪ N (ξ‬ﺧﻄﯽ ﺑﺎﺷﻨﺪ ﺻﻔﺮ ﻣﯽﺷﻮد‪ .‬از آﻧﺠﺎﯾﯽ ﮐﻪ‬
‫ﺑﻪ ﻃﻮر ﮐﻠﯽ ﻋﺒﺎرت ﺻﺮﯾﺢ ﺑﺮاي ] ‪ [ j‬ﻧﺪارﯾﻢ روش زﯾﺮ ﺟﻬﺖ ﻣﺤﺎﺳﺒﻪ ] ‪ [T1‬ﺑﺪون اﺳﺘﻔﺎده از ] ‪ [ j‬داده‬
‫ﻣﯽﺷﻮد‪ ،‬ﺑﺎ ﻣﺸﺘﻖ ﮔﯿﺮي از ﻋﺒﺎرت ) ‪ (1-36‬ﺑﺮﺣﺴﺐ ‪ ξ‬ﺧﻮاﻫﯿﻢ داﺷﺖ‪:‬‬
‫)‪{∂ } = [C ]{∂ } + [C ]{∂ } (1 − 46‬‬
‫‪2‬‬
‫‪ξ‬‬ ‫‪1‬‬ ‫‪x‬‬ ‫‪2‬‬
‫‪2‬‬
‫‪x‬‬
‫ﮐﻪ ﺑﻪ ﺻﻮرت زﯾﺮ ﻣﯽ ﺗﻮاﻧﺪ ﻧﻮﺷﺘﻪ ﺷﻮد‪:‬‬

‫} ∂{] ‪{∂ } = [C ][ j ]{∂ } + [C‬‬
‫‪2‬‬
‫‪ξ‬‬ ‫‪1‬‬ ‫‪ξ‬‬ ‫‪2‬‬
‫‪2‬‬
‫‪x‬‬ ‫) ‪(1 − 46 − b‬‬
‫‪38‬‬
: (1-45-b) ‫( در‬1-46-b) ‫ﺑﺎ ﻗﺮار دادن‬

{∂ } = ([T ] + [T ][C ][ j ] ){∂ } + [T ][C ]{∂ }
2
x 1 2 1 ξ 2 2
2
x
:‫دو راﺑﻄﻪ زﯾﺮ ﺑﻪ دﺳﺖ ﻣﯽ آﯾﺪ‬

(1 − 47a ) [T2 ] [C2 ] = 1 or [T2 ] = [C2 ]
−1
(1 − 47b ) [T1 ] + [T2 ][C1 ][ j ] = 0 or [T1 ] = −[T2 ][C1 ][ j ]

.‫[ ﺑﻪ ﻃﻮر ﺻﺮﯾﺢ در زﯾﺮ داده ﺷﺪه اﻧﺪ‬C1 ], [T2 ] ‫ﻣﺎﺗﺮﯾﺲ ﻫﺎي‬
 j112 j12 2 j132 2 j11 j12 2 j12 j13 2 j13 j11 
 2 
 j21 j22 2 j232 2 j21 j22 2 j22 j23 2 j23 j21 
 j312 j312 j332 2 j31 j32 2 j32 j33 2 j33 j31 
[ 2]   = [ C2 ]
−1
T =
 j11 j21 j12 j22 j13 j23 j11 j22 + j12 j21 j12 j23 + j13 j22 j11 j23 + j13 j21 
 j j j22 j32 j23 j33 j21 j32 + j22 j31 j22 j33 + j23 j32 j21 j33 + j23 j31 
 21 31 
 j31 j12 + j32 j11 j32 j13 + j33 j12 j31 j13 + j33 j11 
 j31 j11 j32 j12 j33 j13
 ∂ 
 J 11 J 12 J 13 
∂ξ
 
 ∂ 
 J 21 J 22 J 23 
∂η
 
 ∂ 
 J 31 J 32 J 33 
∂ζ
[C1 ] =  1  ∂ ∂


  J 11 J 12 J 13 + J 21 J 22 J 23 
 2  ∂η ∂ξ 
1  ∂ ∂ 
  J 21 J 22 J 23 + J 31 J 32 J 33 
 2  ∂ζ ∂η 
 
1 ∂ J J 32 J 33 +
∂ 
 2  ∂ξ 31 
J 11 J 12 J 13
∂ζ 
:‫در ﺣﺎﻟﺖ دو ﺑﻌﺪي ﻣﺎﺗﺮﯾﺲ ﻫﺎي ﺑﺎﻻ ﺑﻪ ﺻﻮرت زﯾﺮ ﻧﻮﺷﺘﻪ ﻣﯽ ﺷﻮﻧﺪ‬
 j112 j122 2 j11 j12 
 
[T2 ] =  j212 2
j22 2 j21 j22 
 j j j12 j22 j11 j22 + j12 j21 
 11 21 
39
‫‪‬‬ ‫∂‬ ‫‪‬‬

‫‪‬‬ ‫‪< j11‬‬ ‫> ‪j12‬‬ ‫‪‬‬
‫‪∂ξ‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫∂‬ ‫‪‬‬
‫‪[C1 ] = ‬‬ ‫‪< j21‬‬ ‫> ‪j22‬‬ ‫‪‬‬
‫‪∂η‬‬
‫‪‬‬ ‫‪‬‬
‫∂ ‪1‬‬ ‫∂‬ ‫‪‬‬
‫(‬
‫‪ 2 ∂η‬‬ ‫<‬ ‫‪j‬‬ ‫‪j‬‬ ‫>‬ ‫‪+‬‬ ‫<‬ ‫‪j‬‬ ‫‪j‬‬ ‫>‬ ‫)‬ ‫‪‬‬
‫‪∂ξ‬‬
‫‪11‬‬ ‫‪12‬‬ ‫‪21‬‬ ‫‪22‬‬
‫‪‬‬ ‫‪‬‬
‫ﻓﺮﻣﻮل ﺑﻨﺪي اﻧﺘﮕﺮال‬

‫‪Formulation vareationnelle – Fonmulation inte'grale – Integral Form‬‬
‫ﺳﯿﺴﺘﻢ ﭘﻮﺳﺘﻪ‬
‫ﻣﺪل ﻓﯿﺰﯾﮑﯽ‬
‫ﻓﺮﻣﻮل ﺑﻨﺪي ﻣﻌﺎدﻻت‬ ‫ﻗﻮاﻧﯿﻦ ﻓﯿﺰﯾﮑﯽ‪ -‬ﻋﻠﻮم ﻣﻬﻨﺪﺳﯽ‬

‫ﻣﻌﺎدﻻت ﻣﺸﺘﻘﺎت ﻧﺴﺒﯽ‬
‫روش ﺑﺎﻗﯿﻤﺎﻧﺪهﻫﺎي وزن دار‬
‫ﻓﺮﻣﻮل ﺑﻨﺪي اﻧﺘﮕﺮال‬

‫ﺗﺒﺪﯾﻞ ﻣﻌﺎدﻻت‬ ‫ﺗﻘﺮﯾﺐ ﺗﻮاﺑﻊ ﻣﺠﻬﻮل ﺑﺎ ﻋﻨﺎﺻﺮ‬
‫ﻣﺤﺪود و ارﮔﺎﻧﯿﺰاﺳﯿﻮن ﻣﺎﺗﺮﯾﺴﯽ‬
‫ﺳﯿﺴﺘﻢ ﻣﻌﺎدﻻت ﺟﺒﺮي‬
‫ﺣﻞ ﻋﺪدي‬ ‫ﺣﻞ ﻋﺪدي ﺳﯿﺴﺘﻢ‬

‫ﺟﻮاب ﺗﻘﺮﯾﺒﯽ‬
‫‪ -1‬ﻃﺒﻘﻪ ﺑﻨﺪي ﺳﯿﺴﺘﻢ ﻫﺎ‬

‫ﺳﯿﺴﺘﻢ ﭘﯿﻮﺳﺘﻪ )‪ (continue‬و ﻣﺠﺰا ﺷﺪه )‪(discrete‬‬
‫ﯾﮏ ﺳﯿﺴﺘﻢ ﺗﺎﺑﻊ ﻣﺨﺘﺼﺎت ﻣﮑﺎﻧﯽ و زﻣﺎﻧﯽ اﺳﺖ‪ .‬ﺳﯿﺴﺘﻢ ﭘﺎﯾﺎ )‪ (stationaire‬اﮔﺮ ﺗﺎﺑﻊ ‪ t‬ﻧﺒﺎﺷﺪ‬
‫‪40‬‬
‫ﯾﮑﺴﺮي از ﻣﺸﺨﺼﺎت ﺳﯿﺴﺘﻢ ﻣﺜﻞ اﺑﻌﺎد ﺳﯿﺴﺘﻢ‪ ،‬ﻣﺸﺨﺼﺎت ﻓﯿﺰﯾﮑﯽ‪ ،‬ﺷﺮاﯾﻂ ﺣﺪي‪ ،‬ﺑﺎرﮔﺬاري ﺷﻨﺎﺧﺘﻪ ﺷﺪه‬
‫ﻫﺴﺘﻪ )‪ (d‬و ﺑﺨﺸﯽ ﻣﺜﻞ ﺗﻐﯿﯿﺮ ﻣﮑﺎن ﻫﺎ‪ ،‬ﺳﺮﻋﺖ و ﺣﺮارت و ﺗﻨﺶ ﻫﺎ ﭘﺎراﻣﺘﺮﻫﺎي ﻣﺠﻬﻮل ﻫﺴﺘﻨﺪ‪(U) .‬‬
‫ﯾﮏ ﻣﺪل رﯾﺎﺿﯽ رواﺑﻄﯽ اﺳﺖ ﮐﻪ ﺑﯿﻦ ﻣﺸﺨﺼﺎت ‪ d‬و ‪ U‬ﻧﻮﺷﺘﻪ ﻣﯽ ﺷﻮد‪ .‬درﺟﺎت آزادي ﯾﮏ ﺳﯿﺴﺘﻢ ﺗﻌﺪاد‬
‫ﭘﺎراﻣﺘﺮﻫﺎي ﻻزم ﺑﺮاي ﺗﻌﺮﯾﻒ ﮐﺎﻣﻞ ‪ U‬در ﻟﺤﻈﻪ ‪ t‬ﻣﺸﺨﺺ ﻣﯽ ﺑﺎﺷﺪ‪.‬‬
‫ﯾﮏ ﺳﯿﺴﺘﻢ را ﻣﺠﺰا ﺷﺪه ﻣﯽ ﻧﻤﺎﯾﯿﻢ )‪ (discret‬اﮔﺮ ﺗﻌﺪاد درﺟﺎت آزادي ﻣﺤﺪود ﺑﺎﺷﺪ و ﯾﮏ ﺳﯿﺴﺘﻢ را‬
‫ﭘﯿﻮﺳﺘﻪ ﻣﯽ ﻧﻤﺎﯾﯿﻢ اﮔﺮ ﺗﻌﺪاد درﺟﺎت آزادي ﻧﺎﻣﺤﺪود ﺑﺎﺷﺪ‪ .‬رﻓﺘﺎر ﯾﮏ ﺳﯿﺴﺘﻢ دﯾﺴﮑﺮه)‪ (31‬ﺑﺎ ﺳﯿﺴﺘﻢ‬
‫ﻣﻌﺎدﻻت ﺟﺒﺮي ﻋﺮﺿﻪ ﻣﯽ ﺷﻮد در ﺻﻮرﺗﯽ ﮐﻪ در ﯾﮏ ﻣﺤﯿﻂ ﭘﯿﻮﺳﺘﻪ ﻣﻌﺎدﻻت ﺑﺼﻮرت ﯾﮏ ﺳﯿﺴﺘﻢ‬
‫ﻣﻌﺎدﻻت ﻣﺸﺘﻘﺎت ﻧﺴﺒﯽ ﻣﯽ ﺑﺎﺷﺪ‪.‬‬
‫ﻣﺴﺎﺋﻞ ﺗﻌﺎدﻟﯽ‪ ،‬ﻣﻘﺎدﯾﺮ وﯾﮋه و اﻧﺘﺸﺎر اﻣﻮاج‬
‫‪ (1‬در ﻣﺴﺎﺋﻞ ﺗﻌﺎدﻟﯽ ﻣﻌﺎدﻻت ﺟﺒﺮي زﯾﺮ را ﺑﺮاي ﯾﮏ ﺳﯿﺴﺘﻢ ﭘﺎﯾﺎ دارﯾﻢ‪:‬‬
‫ﺳﯿﺴﺘﻢ ﻣﺠﺰا ﺷﺪه } ‪[ K ]{U } = {F‬‬
‫ﺳﯿﺴﺘﻢ ﭘﯿﻮﺳﺘﻪ‪ ،‬ﻣﻌﺎدﻻت ﻣﺸﺘﻘﺎت ﺟﺰﺋﯽ زﯾﺮ ﻣﯽ ﺗﻮاﻧﺪ ﻋﺮﺿﻪ ﺷﻮد‪:‬‬
‫‪ → L(u) + fv = o‬اﭘﺮاﺗﻮر دﯾﻔﺮاﻧﺴﯿﻞ‬ ‫در ﻣﺤﯿﻂ ‪v‬‬
‫‪ → C (u ) = fs‬اﭘﺮاﺗﻮر دﯾﻔﺮاﻧﺴﯿﻞ‬ ‫روي ﻣﺮزﻫﺎي ‪ s‬از ﻣﺤﯿﻂ ‪v‬‬
‫ﺑﺎرﮔﺬارﯾﻬﺎ‬
‫‪ (2‬ﻣﺴﺎﺋﻞ ﻣﻘﺎدﯾﺮ وﯾﮋه ﯾﺎ ﻣﻘﺎدﯾﺮ ﺑﺤﺮاﻧﯽ‪ :‬ﻋﺒﺎرت اﺳﺖ از ﻣﺴﺄﻟﻪ ﺗﻌﺎدﻟﯽ ﺑﺎﻻ ﺑﻪ اﺿﺎﻓﻪ ﻣﺤﺎﺳﺒﻪ ‪ u‬ﻣﺮﺑﻮط ﺑﻪ‬
‫ﻣﻘﺎدﯾﺮ ﺑﺤﺮاﻧﯽ ﯾﮑﺴﺮي ﭘﺎراﻣﺘﺮﻫﺎي ﺧﺎص ‪ λ‬را ﮐﻪ ﺑﻪ ﻣﻘﺎدﯾﺮ وﯾﮋه ﻣﻌﺮوف ﻫﺴﺘﻨﺪ‪.‬‬
‫) ‪ L1 (u ) = λ L2 (u‬روي ﻣﺤﯿﻂ ‪v‬‬ ‫‪-‬ﺳﯿﺴﺘﻢ ﭘﯿﻮﺳﺘﻪ‬
‫) ‪ C1 (u ) = λC2 (u‬روي ﻣﺮز ‪s‬‬
‫‪ C2 , C1 , L2 , L1‬اﭘﺮاﺗﻮرﻫﺎي دﯾﻔﺮاﻧﺴﯿﻞ ﻫﺴﺘﻨﺪ ﮐﻪ ﻣﺸﺨﺺ ﮐﻨﻨﺪه وﺿﻌﯿﺖ ﺳﯿﺴﺘﻢ ﻣﯽﺑﺎﺷﻨﺪ‪.‬‬
‫‪-‬ﺳﯿﺴﺘﻢ ﻣﺠﺰا ﺷﺪه }‪[ K ]{u} = λ [ M ]{u‬‬
‫ﻣﺎﺗﺮﯾﺲ ﺟﺮم‬
‫‪41‬‬
‫‪ (3‬ﻣﺴﺎﺋﻞ اﻧﺘﺸﺎر ﯾﺎ ﻣﻘﺎدﯾﺮ اوﻟﯿﻪ)ﺑﺮﺧﻼف دو دﺳﺘﻪ ﻗﺒﻞ دراﯾﻦ ﺣﺎﻟﺖ ﻣﺸﺘﻘﺎت ﻧﺴﺒﺖ ﺑﻪ زﻣﺎن دارﯾﻢ(‬
‫‪-‬ﺳﯿﺴﺘﻢ ﭘﯿﻮﺳﺘﻪ‬
‫‪∂ 2u‬‬ ‫‪∂u‬‬
‫‪m 2 + c + L(u ) + fv = o‬‬
‫‪∂t‬‬ ‫‪∂t‬‬
‫‪C (u ) = fs‬‬
‫‪∂u‬‬
‫ﺑﺮاي ‪t = to‬‬ ‫ﺑﺎ ﺷﺮاﯾﻂ اوﻟﯿﻪ ‪ u = uo‬و &‪= u‬‬
‫‪∂t‬‬
‫‪-‬ﺳﯿﺴﺘﻢ ﻣﺠﺰا‬
‫} ‪[ M ]{U&&} + [c]{U& } + [ K ]{U& } = {F‬‬ ‫}‪{U } = {U& o‬‬

‫‪d‬‬
‫;‬ ‫}‪{U } = {U o‬‬ ‫‪,‬‬
‫‪dt‬‬
‫ﺳﯿﺴﺘﻢ ﻣﺠﺰا ﺷﺪه را ﺧﻄﯽ ﻣﯽ ﮔﻮﯾﯿﻢ اﮔﺮ ‪ F,C,M,K‬از ‪ u‬ﻣﺴﺘﻘﻞ ﺑﺎﺷﻨﺪ‪.‬‬
‫ﯾﮏ ﺳﯿﺴﺘﻢ ﭘﯿﻮﺳﺘﻪ را ﺧﻄﯽ ﻣﯽ ﮔﻮﯾﯿﻢ اﮔﺮ )‪ C(u) , L(u‬اﭘﺮاﺗﻮرﻫﺎي ﺧﻄﯽ ﺑﺎﺷﻨﺪ ﻧﺴﺒﺖ ﺑﻪ ‪ u‬و ﻣﺸﺘﻘﺎت ‪u‬‬
‫و ﻫﻤﭽﻨﯿﻦ ‪ fv , fs‬و ‪ C , m‬ﻣﺴﺘﻘﻞ از ‪ u‬ﺑﺎﺷﻨﺪ‪ ،‬ﯾﻌﻨﯽ‪:‬‬
‫= ) ‪L(u‬‬ ‫}‪[ L]{u‬‬
‫= ) ‪C (u‬‬ ‫}‪[C ]{u‬‬
‫ﮐﻪ ]‪ [L‬و ]‪ [C‬ﻣﺎﺗﺮﯾﺲ ﻫﺎي اﭘﺮاﺗﻮر دﯾﻔﺮاﻧﺴﯿﻞ ﻫﺴﺘﻨﺪ ﮐﻪ ﻣﺴﺘﻘﻞ از ‪ u‬ﻣﯽ ﺑﺎﺷﺪ ﻣﺜﻼ ﺑﺮاي ﻻﭘﻼﺳﯿﻦ ﻣﯽ ﺗﻮان‬
‫ﻧﻮﺷﺖ‪:‬‬
‫‪∂ 2u ∂ 2u  ∂ 2‬‬ ‫‪∂2 ‬‬
‫‪L(u ) = ∇ u = 2 + 2 =  2 + 2  .u‬‬
‫‪2‬‬
‫‪∂x ∂y  ∂y ∂x ‬‬
‫درﺟﻪ ﯾﮏ ﺳﯿﺴﺘﻢ‪ :‬ﺗﻌﺪاد ﻣﺸﺘﻘﺎﺗﯽ از ﻣﺠﻬﻮل )‪ (u‬ﮐﻪ در ﻣﻌﺎدﻻت ﻣﻮﺟﻮد اﺳﺖ‪.‬‬
‫‪ -‬اﭘﺮاﺗﻮر دﯾﻔﺮاﻧﺴﯿﻞ ‪ L‬ﻫﻤﮕﻦ اﺳﺖ اﮔﺮ ‪L(u = o) = o‬‬
‫‪[ L]{u} + { fv} = 0‬‬ ‫ﯾﮏ ﺳﯿﺴﺘﻢ ﻣﻌﺎدﻻت ﻣﺸﺘﻘﺎت ﺟﺰﯾﯽ ﻫﻤﮕﻦ اﺳﺖ اﮔﺮ درﺳﯿﺴﺘﻢ‬
‫ﺑﺎﺷﺪ‪.‬‬ ‫‪{ fv} = 0‬‬
‫ﺷﺮاﯾﻂ ﺣﺪي روﺑﺮو ﻫﻤﮕﻦ اﺳﺖ } ‪ [C ]{u} = { fs‬اﮔﺮ ‪ { fs } = 0‬ﺑﺎﺷﺪ‪.‬‬
‫ﯾﮏ ﺳﯿﺴﺘﻢ ﻣﻌﺎدﻻت دﯾﻔﺮاﻧﺴﯿﻞ ﻣﺘﻘﺎرن ﯾﺎ ‪ (Self – adjoint)auto – adjoint‬اﺳﺖ اﮔﺮ‬
‫‪∫ [L]{V}dv = ∫ < v >[ L]{u}dv‬‬

‫‪v‬‬ ‫‪v‬‬
‫‪ v , u‬ﺑﻪ ﺣﺪ ﮐﺎﻓﯽ ﻣﺸﺘﻖ ﭘﺬﯾﺮ ﻫﺴﺘﻨﺪ و ﺷﺮاﯾﻂ ﺣﺪي ﻫﻤﮕﻦ را اﻗﻨﺎع ﻣﯽ ﮐﻨﻨﺪ‪.‬‬
‫‪C (u ) = C (v) =o‬‬
‫‪42‬‬
‫ﯾﮏ ﺳﯿﺴﺘﻢ ﻣﺸﺘﻘﺎت ﻧﺴﺒﯽ ﺧﻄﯽ وﻗﺘﯽ ﻣﺜﺒﺖ اﺳﺖ ﮐﻪ‪:‬‬
‫‪∫ [L]{u}dv ≥ 0‬‬

‫‪v‬‬
‫اﮔﺮ راﺑﻄﻪ ﺑﺎﻻ ﺑﺮاﺑﺮ ﺻﻔﺮ ﺑﺎﺷﺪ ﻓﻘﻂ ﺑﺮاي ‪ u = o‬ﺑﻪ اﯾﻦ ﺳﯿﺴﺘﻢ »ﻣﺜﺒﺖ ﻣﻌﯿﻦ« ﻣﯽ ﮔﻮﯾﯿﻢ‪.‬‬
‫اﻧﺘﺸﺎر اﻣﻮاج ﺣﺮارﺗﯽ ﯾﮏ ﺑﻌﺪي‬
‫‪qx = V. A‬‬
‫‪∂T‬‬
‫‪qx = − KA‬‬ ‫درﺟﻪ ﺣﺮارت‬
‫‪∂x‬‬
‫ﺿﺮﯾﺐ اﻧﺘﻘﺎل ﺣﺮارﺗﯽ‬ ‫ﺳﻄﺢ ﻣﻘﻄﻊ‬
‫‪∂qx‬‬ ‫∂ ‪∂T‬‬ ‫‪∂T‬‬

‫‪qx+ dx = qx +‬‬ ‫‪dx = − KA + ( − KA ) dx‬‬ ‫ﻣﻌﺎدﻟﻪ ﺗﻌﺎدل اﻧﺮژي‬
‫‪∂x‬‬ ‫‪∂x ∂x‬‬ ‫‪∂x‬‬
‫ﺛﺎﺑﺖ ﺣﺮارﺗﯽ‬
‫‪∂T‬‬
‫‪qxdt + qAdt‬‬
‫&‬ ‫‪= qx+ dx .dt + C ρ‬‬ ‫‪dt‬‬
‫‪∂t‬‬
‫ﺟﺮﯾﺎن ﺣﺮارﺗﯽ‬ ‫ﺣﺮارت‬ ‫ﺟﺮﯾﺎن‬
‫ﺗﻐﯿﯿﺮات اﻧﺮژي داﺧﻠﯽ‬
‫داﺧﻞ ﺷﺪه در‬ ‫ﭼﺸﻤﻪ‬ ‫ﺧﺮوﺟﯽ‬
‫‪+‬‬ ‫=‬ ‫‪+‬‬ ‫در زﻣﺎن‬
‫‪ dt‬زﻣﺎن‬ ‫ﺣﺮارﺗﯽ‬ ‫ﺣﺮارﺗﯽ‬
‫‪dt‬‬
‫در‪dt‬‬ ‫در‪dt‬‬
‫ﻓﺮم ﮐﻠﯽ ﻣﻌﺎدﻟﻪ اﻧﺘﺸﺎر ﺣﺮارﺗﯽ‪:‬‬

‫∂‬ ‫‪∂T‬‬ ‫•‬ ‫‪∂T‬‬
‫‪( KA ) + q A = C ρ‬‬
‫‪∂x‬‬ ‫‪∂x‬‬ ‫‪∂t‬‬
‫‪43‬‬
‫ﺣﺎﻻت ﺧﺎص‬
‫اﮔﺮ ‪ ⇐ q& =0‬ﻣﻌﺎدﻻت ﻓﻮرﯾﻪ‬
‫∂‬ ‫‪∂T‬‬ ‫‪∂T‬‬
‫‪( KA ) = C ρ‬‬
‫‪∂x‬‬ ‫‪∂x‬‬ ‫‪∂t‬‬
‫اﮔﺮ در ﺣﺎﻻت ﭘﺎﯾﺎ ﺑﺎﺷﯿﻢ ← ﻣﻌﺎدﻻت ﭘﻮاﺳﻮن‬
‫∂‬ ‫‪∂T‬‬
‫‪( KA ) + qA‬‬
‫‪& =0‬‬
‫‪∂x‬‬ ‫‪∂x‬‬
‫=‪ q‬ﺑﺎﺷﺪ و ﺣﺎﻟﺖ ﭘﺎﯾﺎ ﺑﺎﺷﯿﻢ‪ :‬ﻣﻌﺎدﻟﻪ ﻻﭘﻼس‬
‫اﮔﺮ ‪& o‬‬
‫∂‬ ‫‪∂T‬‬
‫‪( KA ) = 0‬‬
‫‪∂x‬‬ ‫‪∂x‬‬
‫و اﮔﺮ ﺿﺮﯾﺐ اﻧﺘﻘﺎل ﺣﺮارﺗﯽ ﺛﺎﺑﺖ ﺑﺎﺷﺪ‬
‫‪∂ 2T‬‬
‫‪=0‬‬
‫‪∂x2‬‬
‫اﯾﻦ ﻣﻌﺎدﻻت را ﻣﯽ ﺗﻮان ﺑﺮاي ﺟﺮﯾﺎن آب در ﻣﺤﯿﻂ ﻏﯿﺮﻗﺎﺑﻞ ﺗﺮاﮐﻢ اﺳﺘﻔﺎده ﮐﺮد‪.‬‬
‫ﻣﺴﺎﻟﻪ ﭘﯿﻮﺳﺘﻪ دوﺑﻌﺪي‬

‫ﻣﺴﺄﻟﻪ ﺗﻌﺎدﻟﯽ‬
‫ﻣﻌﺎدﻟﻪ ‪ : Poisson‬ﺳﯿﺴﺘﻢ ﭘﺎﯾﺎ دو ﺑﻌﺪي‬
‫‪∂ 2u ∂ 2u‬‬
‫‪+‬‬ ‫‪+ fv = o‬‬ ‫روي ‪V‬‬
‫‪∂x2 ∂y2‬‬
‫ﻣﻌﺎدﻟﻪ اي اﺳﺖ ﮐﻪ اﻧﺘﺸﺎر اﻣﻮاج ﺣﺮارﺗﯽ )‪ (u‬در ﻣﺤﯿﻂ ﭘﯿﻮﺳﺘﻪ دو ﺑﻌﺪي ﻫﻤﮕﻦ ﻫﻤﺎن در ﺣﺎﻟﺖ ﭘﺎﯾﺎ را ﺑﯿﺎن‬
‫ﻣﯽ ﮐﻨﺪ‪.‬‬
‫‪ Su‬روي ‪ – u = us‬دﯾﺮﯾﮑﻠﻪ ‪Dirichlet‬‬
‫‪∂u‬‬
‫‪ -‬ﺷﺮاﯾﻂ ﺟﺮﯾﺎن‬ ‫‪+ α u = fs‬‬ ‫‪ Sf‬روي‬
‫‪∂n‬‬
‫‪ -‬ﺷﺮط ﮐﻮﺷﯽ ‪Cauchy‬‬ ‫‪α ≠o‬‬
‫‪ - α = o‬ﺷﺮط ﻧﯿﻮﻣﻦ ‪Neumann‬‬
‫‪44‬‬
‫‪y‬‬ ‫‪∂u‬‬
‫‪+∝u = f‬‬
‫‪∂n‬‬
‫‪→n‬‬
‫‪Su‬‬
‫‪Sf‬‬ ‫ﺷﺮط ﺟﺮﯾﺎن ﻗﺮار‬
‫ﺧﻮد ﻣﺘﻐﯿﺮ ﺗﻌﺮﯾﻒ‬ ‫‪n = us‬‬
‫ﻣﯽ دﻫﯿﻢ‬
‫‪x‬‬
‫ﻣﯽ ﺷﻮد‬
‫ﻣﻌﺎدﻻت ﺗﻌﺎدل در ﺷﺮاﯾﻂ ﻣﺮزي ﺑﻪ ﺻﻮرت زﯾﺮ ﻧﻮﺷﺘﻪ ﻣﯽ ﺷﻮﻧﺪ‪.‬‬

‫‪ ∂2‬‬ ‫‪∂2 ‬‬
‫‪ ∂x2 + ∂y2  .u + fv = 0 ⇒ [ L]{u} + { fv} = 0‬‬ ‫روي‪V‬‬
‫‪‬‬ ‫‪‬‬
‫∂‪‬‬ ‫‪‬‬
‫} ‪ ∂n + α  .u = fs ⇒ [C f ]{u} = { fs‬‬ ‫روي ‪S f‬‬
‫} ‪[1].u = us ⇒ [Cu ]{u} = { fu‬‬ ‫روي ‪Su‬‬
‫ﺑﺎﯾﺪ ﺗﺎﺑﻊ ‪ u‬را ﮐﻪ ﺳﻪ ﺷﺮط ﺑﺎﻻ را اﻗﻨﺎع ﻣﯽ ﮐﻨﺪ‪ ،‬ﭘﯿﺪا ﮐﺮد‪.‬‬

‫*دﺑﯽ ﺣﺮارﺗﯽ ‪ :‬ﺷﺮاﯾﻂ ﻧﯿﻮﻣﻦ‬
‫‪∂u‬‬
‫‪σ =εE = E‬‬ ‫*ﺑﺎرﮔﺬاري ‪ :‬ﺗﻨﺶ‬
‫‪∂x‬‬
‫*ﻫﻤﻮاره ﺷﺮاﯾﻂ ﻣﺮزي ﻣﺴﺌﻠﻪ ﺑﺎﯾﺪ ﺑﺪرﺳﺘﯽ داده ﺷﻮدو ﻫﺮﺟﺎ داده ﻧﺸﺪه ﺑﻮد ‪ fs = 0‬ﻣﯽ ﺑﺎﺷﺪ)ﻧﯿﻮﻣﻦ ﺻﻔﺮ(‬
‫ﻣﯽ ﺗﻮان »ﻣﺘﻘﺎرن ﺑﻮدن« و »ﻣﺜﺒﺖ ﻣﻌﯿﻦ« ﺑﻮدن ﺳﯿﺴﺘﻢ را اﻣﺘﺤﺎن ﮐﺮد‪.‬‬
‫‪ ∂ 2v ∂ 2 v ‬‬ ‫‪ ∂ 2u ∂ 2u ‬‬
‫‪∫v u  ∂x2 + ∂y2  dv = ∫v v  ∂x2 + ∂y2  dv‬‬
‫‪∂u‬‬ ‫‪‬‬
‫‪+ α u = o‬‬
‫‪∂n‬‬ ‫‪‬‬ ‫‪u = o‬‬
‫⇒ ﺑﺮاي ﺷﺮاﯾﻂ ﺣﺪي ﻫﻤﮕﻦ‬ ‫و روي ‪ Sf‬‬ ‫روي ‪ Su‬‬
‫‪∂v‬‬ ‫‪v‬‬ ‫=‬ ‫‪o‬‬ ‫‪‬‬
‫‪+α v = o‬‬
‫‪∂n‬‬ ‫‪‬‬
‫‪‬‬
‫‪45‬‬
‫‪ ∂ 2u ∂ 2u ‬‬
‫‪ ∫ u  2 + 2  dv > o‬ﻣﺜﺒﺖ ﺗﻌﺮﯾﻒ ﺷﺪه‬ ‫‪Si α ≥ o‬‬
‫‪v ‬‬
‫‪∂x ∂y ‬‬
‫ﻣﺴﺄﻟﻪ ﻣﻘﺎدﯾﺮ وﯾﮋه‬
‫ﻣﻌﺎدﻟﻪ ‪: Helmholtz‬‬
‫‪∂ 2u ∂ 2u‬‬
‫‪+‬‬ ‫‪+ λu = o‬‬ ‫روي ‪V‬‬
‫‪∂x2 ∂y2‬‬
‫ﺑﺎ ﺷﺮاﯾﻂ ﺣﺪي از ﻧﻮع دﯾﺮﯾﮑﻠﻪ ﯾﺎ ﻧﯿﻮﻣﻦ‪،‬ﺣﻞ اﯾﻦ ﻣﻌﺎدﻻت ﻋﻼوه ﺑﺮ ‪ u‬ﭘﺎراﻣﺘﺮ ‪ λ‬را ﻧﯿﺰ ﺑﺎﯾﺪ ﺑﺪﻫﺪ‪ .‬ﺑﺎ اﯾﻦ‬
‫ارﺗﻌﺎش ﯾﮏ ﻏﺸﺎء اﻻﺳﺘﯿﮏ زﯾﺮ ﮐﺸﺶ را ﺑﻪ دﺳﺖ آورد‪.‬‬ ‫ﻣﻌﺎدﻟﻪ ﻣﯽ ﺗﻮان ﻣﺪ وﯾﮋه ‪ u‬و ﻓﺮﮐﺎﻧﺲ وﯾﮋه ‪λ‬‬
‫ﻫﻤﭽﻨﯿﻦ ﻣﻌﺎدﻟﻪ ﺣﺎﮐﻢ ﺑﺮ اﻣﻮاج اﻟﮑﺘﺮوﻣﺴﯿﻨﮏ و ارﺗﻌﺎش ﻣﺎﯾﻌﺎت در اﮐﻮﺳﺘﯿﮏ ﻣﯽ ﺑﺎﺷﺪ‪.‬‬
‫ﻣﺴﺄﻟﻪ ﮔﺬرا و اﻧﺘﺸﺎر ‪ :‬ﻣﻌﺎدﻟﻪ اﻧﺘﺸﺎر اﻣﻮاج ﺣﺮارﺗﯽ در ﻣﺤﯿﻂ دوﺑﻌﺪي ﺣﺎﻟﺖ ﮔﺬرا‬
‫ﺑﺮاي ‪t > tº‬‬
‫‪∂ 2u ∂ 2u‬‬ ‫‪∂u‬‬
‫‪+‬‬ ‫‪+‬‬ ‫‪f‬‬ ‫(‬‫‪t‬‬ ‫)‬ ‫=‬ ‫روي ‪v‬‬
‫‪∂x2 ∂y2‬‬ ‫‪∂t‬‬
‫‪∂u‬‬
‫ﺷﺮاﯾﻂ ﺣﺪي روي ‪+ α u = fs Sf‬‬
‫‪∂n‬‬
‫‪u = us‬‬ ‫روي ‪Su‬‬
‫ﺑﺮاي ‪t = tº‬‬
‫‪u = u0‬‬ ‫روي ‪v‬‬
‫‪ - 2‬ﻣﺘﺪ ﺑﺎﻗﯿﻤﺎﻧﺪه ﻫﺎي وزندار ‪Weight residual – Re'sidus ponde're's‬‬

‫‪ : 2-1‬ﺑﺎﻗﯿﻤﺎﻧﺪه‪:‬‬
‫اﮔﺮ ﯾﮏ ﺳﯿﺴﺘﻢ ﻓﯿﺰﯾﮑﯽ ﭘﯿﻮﺳﺘﻪ اﯾﺴﺘﺎ را ﮐﻪ رﻓﺘﺎر آن ﺗﻮﺳﻂ ﯾﮏ ﺳﯿﺴﺘﻢ ﻣﻌﺎدﻻت ﻣﺸﺘﻘﺎت ﻧﺴﺒﯽ ﺧﻄﯽ ﯾﺎ‬
‫ﻏﯿﺮﺧﻄﯽ از درﺟﻪ ‪ m‬ﻋﺮﺿﻪ ﺷﺪه ﺑﺎﺷﺪ‬
‫ﺑﻪ ﺻﻮرت زﯾﺮ در ﻧﻈﺮ ﺑﮕﯿﺮﯾﻢ‬
‫روي ‪v‬‬ ‫‪L(u) + fv = 0‬‬ ‫)‪( 5‬‬
‫روي ‪S‬‬ ‫‪C (u) = fs‬‬ ‫)‪( 6‬‬
‫‪46‬‬
‫‪ u‬ﺗﺎﺑﻊ ﻣﺨﺘﺼﺎت ‪ x‬ﻣﯽ ﺑﺎﺷﺪ‪ ،‬ﺗﻮاﺑﻌﯽ از ‪ u‬ﺟﻮاب ﻫﺎي اﯾﻦ ﻣﺴﺄﻟﻪ ﺗﻌﺎدﻟﯽ ﻣﯽ ﺑﺎﺷﻨﺪ ﮐﻪ ﻣﻌﺎدﻻت ﺑﺎﻻ را اﻗﻨﺎع‬
‫ﮐﻨﻨﺪ ﺑﺎﻗﯿﻤﺎﻧﺪه )‪ R(u‬ﻣﻘﺪاري اﺳﺖ ﮐﻪ ﺑﻪ ﺻﻮرت زﯾﺮ ﺗﻌﺮﯾﻒ ﻣﯽ ﺷﻮد‪:‬‬
‫‪R(u) = L(u) + fv‬‬
‫اﯾﻦ ﻣﻘﺪار ﺻﻔﺮ اﺳﺖ اﮔﺮ ‪ u‬ﺟﻮاب واﻗﻌﯽ ﻣﻌﺎدﻻت ﺑﺎﺷﺪ‪ R .‬ﯾﮏ ﺑﺮدار اﺳﺖ اﮔﺮ ﻣﻌﺎدﻻت ﺑﺎﻻ ﯾﮏ ﺳﯿﺴﺘﻢ‬
‫ﺑﺎﺷﻨﺪ‪.‬‬
‫‪ : 2-2‬ﻓﺮم اﻧﺘﮕﺮاﻟﯽ‪:‬‬
‫ﻣﺘﺪ ﺑﺎ ﻗﯿﻤﺎﻧﺪهﻫﺎي وزن دار ﻋﺒﺎرت اﺳﺖ از ﭘﯿﺪا ﮐﺮدن ﺗﻮاﻟﯽ از ‪ u‬ﮐﻪ ﻓﺮم اﻧﺘﮕﺮال زﯾﺮ را ﺻﻔﺮ ﮐﻨﺪ‪.‬‬
‫‪W(u) = ∫ <ψ > {R(u)} dv =∫ <ψ > {L(u) + fv} dv = 0‬‬ ‫) ‪(7‬‬
‫‪v‬‬ ‫‪v‬‬
‫ﻣﯽ ﺑﺎﺷﻨﺪ و ‪ u‬ﻣﺘﻌﻠﻖ ﺑﻪ ﻣﺠﻤﻮﻋﻪ ﺗﻮاﺑﻊ ‪ Eu‬ﮐﻪ‬ ‫‪Eψ‬‬ ‫ﺑﺮاي ﺗﻤﺎم ﺗﻮاﺑﻊ وزﻧﯽ ‪ψ‬ﮐﻪ ﻣﺘﻌﻠﻖ ﺑﻪ ﻣﺠﻤﻮﻋﻪ ﺗﻮاﺑﻊ‬
‫ﺟﻮاب ﻫﺎي ﻗﺎﺑﻞ ﻗﺒﻮل ﺳﯿﺴﺘﻢ ﮐﻪ ﺷﺮاﯾﻂ ﺣﺪي را اﻗﻨﺎع ﮐﺮده و ﺗﺎ درﺟﻪ ‪ m‬ﻣﺸﺘﻖ ﭘﺬﯾﺮ ﺑﺎﺷﺪ‪.‬‬
‫ﻣﺜﺎل‪ :‬ﻓﺮم اﻧﺘﮕﺮاﻟﯽ ﻣﻌﺎدﻟﻪ ‪Poisson‬‬

‫‪∂ 2u ∂ 2u‬‬
‫()‪) W = ∫ ψ ( x, y‬ﻓﺮم ‪(1‬‬ ‫‪+ 2 + fv ) = o‬‬
‫‪v‬‬
‫∂‬ ‫‪x‬‬‫‪2‬‬
‫‪∂y‬‬
‫ﮐﻪ در اﯾﻨﺠﺎ ‪ u‬دو ﺑﺎر ﻣﺸﺘﻖ ﭘﺬﯾﺮ ﺑﻮده و ﺷﺮاﯾﻂ ﺣﺪي را ﺑﺎﯾﺪ اﻗﻨﺎع ﮐﻨﺪ‪.‬‬
‫‪ (2-3‬ﺗﺒﺪﯾﻞ ﻓﺮم اﻧﺘﮕﺮاﻟﯽ‪:‬‬

‫‪ (2-3-1‬اﻧﺘﮕﺮال ﮔﯿﺮي ﺟﺰﯾﯽ )‪(Par Parties‬‬
‫اﯾﻦ ﻋﻤﻞ اﺟﺎزه ﻣﯽ دﻫﺪ ﮐﻪ ﻓﺮم اﻧﺘﮕﺮاﻟﯽ ﺗﯿﭗ ﻣﻌﺎدﻻت ‪ v‬را ﺑﻪ ﺻﻮرﺗﯽ ﮐﻪ ﺷﺮاﯾﻂ اﻋﻤﺎل ﺷﺪه ﺑﺮ ﺗﻮاﺑﻊ ﻗﺎﺑﻞ‬
‫ﻗﺒﻮل ‪ u‬ﮐﺎﻫﺶ ﯾﺎﺑﺪ در آورﯾﻢ‪.‬‬
‫ﯾﺎدآوري‪:‬‬
‫‪ -‬اﻧﺘﮕﺮال ﯾﮏ ﺑﻌﺪي‬
‫‪dψ‬‬
‫‪x2‬‬ ‫‪x2‬‬
‫‪du‬‬ ‫‪x2‬‬
‫‪∫x dx‬‬
‫‪ψ‬‬ ‫‪dx‬‬ ‫=‬ ‫‪−‬‬ ‫‪∫ dx‬‬
‫‪x1‬‬
‫‪u‬‬ ‫‪dx‬‬ ‫‪+‬‬ ‫‪ψ‬‬ ‫‪u‬‬
‫‪x1‬‬
‫‪1‬‬
‫‪x2‬‬ ‫‪d 2u‬‬ ‫‪x2 dψ du‬‬ ‫‪du x2‬‬

‫∫‬‫‪x1‬‬
‫‪ψ‬‬
‫‪dx2‬‬
‫‪dx‬‬ ‫=‬ ‫‪−‬‬ ‫‪∫x1 dx dx‬‬ ‫‪dx‬‬ ‫‪+‬‬ ‫(‬‫‪ψ‬‬ ‫)‬
‫‪dx x1‬‬
‫‪47‬‬
:‫ اﻧﺘﮕﺮال دو ﺑﻌﺪي‬-
∂u ∂ψ
A ∫ ψ ∂x dxdy = −∫
A ∂x
u dxdy +∫∫s ψ u dy
s
∂ψ
= −∫ u dx dy = +∫∫s ψ ul ds
A ∂x s
∂u ∂ψ
∫Aψ ∂y dx dy = −∫ ∂y u dx dy − ∫∫ssψ u dx
∂ψ
= −∫ u dx dy + ∫∫s ψ u mds
∂y s
r l = n.i = coθ  ∂ ∂ ∂
n rr  =l +m
y m = n.g = sin θ  ∂n ∂x ∂y
ds θ dx = −mds
dy = lds
j S
x
i ∂ 2u ∂ψ ∂u ∂u
∫A ∂x2
ψ dx dy = − ∫A ∂x ∂x dxdy + ∫∫ s ∂x l ds
s ψ
du dψ ∂2 ∂2
∫A(ψ∆u − u∆ψ )dx dy =∫∫ (ψ dn − u dn )ds ; ∇= 2 + 2
∂x ∂y
‫ﺳﻪ ﺑﻌﺪي‬-
∂u ∂ψ
∫ ψ ∂x dx dy dz = −∫
v v ∂x
u dx dy dz + ∫∫s ψ ul ds
s
(faible ‫ ﯾﺎ‬weak) ‫ ( ﻓﺮم اﻧﺘﮕﺮاﻟﯽ ﺿﻌﯿﻒ‬2-3-3

‫ ﻣﺤﺎﺳﻦ‬،‫ ﻓﺮم ﺧﺎﺻﯽ را ﺑﻪ ﻣﺎ ﻣﯽ دﻫﺪ ﮐﻪ ﺑﻪ ﻓﺮم ﺿﻌﯿﻒ ﻣﻌﺮوف اﺳﺖ‬v ‫اﻧﺘﮕﺮال ﮔﯿﺮي ﺟﺰء ﺑﻪ ﺟﺰء از ﻣﻌﺎدﻟﻪ‬
:‫اﯾﻦ ﻓﺮم ﺑﻪ ﺷﺮح زﯾﺮ اﺳﺖ‬
‫ ﺿﻌﯿﻒ ﺗﺮ‬u ‫ در ﻓﺮم ﻧﻬﺎﯾﯽ ﮐﺎﻫﺶ ﯾﺎﻓﺘﻪ اﺳﺖ در ﻧﺘﯿﺠﻪ ﺷﺮط ﻣﺸﺘﻖ ﭘﺬﯾﺮي‬U ‫ درﺟﻪ ﻣﺎﮐﺰﯾﻤﻢ ﻣﺸﺘﻖ‬: 1
.‫اﺳﺖ‬
48
‫‪ : 2‬ﺑﻌﻀﯽ از ﺷﺮاﯾﻂ ﺣﺪي ﮐﻪ در ﻓﺮم ﺿﻌﯿﻒ ﻇﺎﻫﺮ ﻣﯽ ﺷﻮﻧﺪ ﻣﯽ ﺗﻮاﻧﻨﺪ در ﻓﺮﻣﻮل ﺑﻨﺪي اﻧﺘﮕﺮاﻟﯽ در ﻧﻈﺮ‬
‫ﮔﺮﻓﺘﻪ ﺷﻮﻧﺪ و ﺑﻪ ﺟﺎي اﯾﻨﮑﻪ ﻧﻘﻄﻪ ﺗﻮﺳﻂ ‪ U‬اﻗﻨﺎع ﺷﻮﻧﺪ‪.‬‬
‫‪ψ‬‬ ‫ﺑﺮﻋﮑﺲ ﻧﺴﺒﺖ ﺑﻪ ‪ ψ‬ﻣﺸﺘﻖ ‪ ψ‬در ﻣﻌﺎدﻻت ﻇﺎﻫﺮ ﺷﺪه و در ﻧﺘﯿﺠﻪ درﺟﻪ ﻣﺸﺘﻖ ﭘﺬﯾﺮي ﻧﺴﺒﺖ ﺑﻪ‬
‫اﻓﺰاﯾﺶ ﯾﺎﻓﺘﻪ اﺳﺖ‪ .‬ﺑﻪ ﻫﺮ ﺣﺎل راه ﺣﻞ ﮐﻠﯽ اﺳﺘﻔﺎده از ﻓﺮم ﺿﻌﯿﻒ اﺳﺖ اﮔﺮﭼﻪ اﯾﻦ راه ﺣﻞ ﺷﺮط ﻣﺸﺘﻖ‬
‫ﭘﺬﯾﺮي ﻣﻌﺎدﻻت ‪ 5‬را ﻧﯿﺰ ﮐﺎﻣﻼ اﻗﻨﺎع ﻧﮑﻨﺪ زﯾﺮا ﻣﯽ ﺗﻮان ﯾﮏ ﻣﻨﺤﻨﯽ را ﺑﺎ ﯾﮏ ﭼﻨﺪ ﺿﻠﻌﯽ ﺑﺎ درﺟﻪ اي ﮐﻪ ﻣﯽ‬
‫ﺧﻮاﻫﯿﻢ ﺗﻘﺮﯾﺐ ﮐﻨﯿﻢ اﮔﺮﭼﻪ اﯾﻦ ﭼﻨﺪ ﺿﻠﻌﯽ در ﻧﻘﺎط رأس ﻣﺸﺘﻖ ﭘﺬﯾﺮ ﻧﺒﺎﺷﺪ‪.‬‬
‫ﻣﺜﺎل‬
‫ﻓﺮم اﻧﺘﮕﺮاﻟﯽ ﻣﻌﺎدﻟﻪ ‪Poisson‬‬
‫در ﻓﺮم اﻧﺘﮕﺮاﻟﯽ ﺑﻪ دﺳﺖ آﻣﺪه در ﻣﺜﺎل ﻗﺒﻞ ‪ u‬ﺑﺎﯾﺪ‪:‬‬
‫‪ -‬دو ﻣﺮﺗﺒﻪ ﻣﺸﺘﻖ ﭘﺬﯾﺮ ﺑﺎﺷﺪ‬
‫‪ -‬ﺷﺮاﯾﻂ ﺣﺪي را اﻗﻨﺎع ﮐﻨﺪ‬
‫‪ ψ -‬ﻫﯿﭻ ﺷﺮﻃﯽ ﻧﺪارد‬
‫ﭘﺲ از ﯾﮏ ﺑﺎر اﻧﺘﮕﺮال ﮔﯿﺮي ﺟﺰء ﺑﻪ ﺟﺰء‬
‫‪∂ψ ∂u ∂ψ ∂u‬‬ ‫‪∂u‬‬ ‫‪∂u‬‬
‫( ∫‪W = −‬‬ ‫‪+‬‬ ‫‪−ψ fv )dv + ∫ ψ‬‬ ‫‪ds + −∫ ψ ds = 0‬‬
‫‪v‬‬ ‫‪∂x ∂x ∂y ∂y‬‬ ‫‪Sf‬‬ ‫‪∂n‬‬ ‫‪Su‬‬ ‫‪∂n‬‬
‫‪ψ‬ﺑﺎﯾﺪ ﯾﮏ ﻣﺮﺗﺒﻪ ﻣﺸﺘﻖ ﭘﺬﯾﺮ ﺑﺎﺷﺪ‪ ،‬از ﺷﺮاﯾﻂ ﺣﺪي اﺳﺘﻔﺎده ﻣﯽ ﮐﻨﯿﻢ‪.‬‬
‫‪∂u‬‬
‫‪= fs − α u‬‬ ‫روي ‪S f‬‬ ‫روي ‪Sf‬‬
‫‪∂n‬‬
‫‪∂u‬‬
‫‪ ⇒ ∫ ψ‬ﺑﺮاي ﺟﺎﯾﮕﺰﯾﻨﯽ‬ ‫ﺗﻮﺳﻂ ‪ds‬‬ ‫∫‬ ‫‪ψ ( fs − α u )ds‬‬
‫‪sf‬‬ ‫‪∂n‬‬ ‫‪Sf‬‬
‫‪ψ =o‬‬ ‫روي ‪Su‬‬ ‫و‬

‫ﺧﻮاﻫﯿﻢ داﺷﺖ‪:‬‬
‫‪∂ψ ∂u ∂ψ ∂u‬‬
‫ﻓﺮم ‪1‬‬ ‫( ∫‪W = −‬‬ ‫‪+‬‬ ‫‪−ψ fv )dv + ∫ ψ ( fs − α u ) ds = 0‬‬
‫‪v‬‬ ‫‪∂x ∂x ∂y ∂y‬‬ ‫‪Sf‬‬
‫‪−u = u s‬‬ ‫روي ‪S f‬‬

‫ﺷﺮاﯾﻂ ﺣﺪي‬
‫‪ψ =0‬‬ ‫روي ‪Su‬‬
‫‪49‬‬
‫ﭘﺲ از دو ﺑﺎر اﻧﺘﮕﺮاﻟﺴﯿﻮن‬

‫‪∂ 2ψ ∂ 2ψ‬‬ ‫‪∂u ∂ψ‬‬
‫‪W = ∫ (( 2 + 2 )u +ψ fv )dv + ∫∫s (ψ‬‬ ‫‪−‬‬ ‫‪u )ds = 0‬‬
‫‪v‬‬ ‫‪∂x ∂y‬‬ ‫‪s‬‬ ‫‪∂n ∂n‬‬
‫اﮔﺮ ﺗﺎﺑﻊ ‪ ψ‬ﻃﻮري اﻧﺘﺨﺎب ﺷﻮد ﮐﻪ ‪ ∇ 2ψ = o‬ﺑﺎﺷﺪ ﻓﻘﻂ ﻣﯽ ﻣﺎﻧﺪ ﻣﻌﺎدﻟﻪ زﯾﺮ اﮔﺮ ‪ fv = 0‬ﺑﺎﺷﺪ‬
‫‪∂u ∂ψ‬‬
‫ﻓﺮم ‪3‬‬ ‫‪W = ∫∫ (ψ‬‬ ‫‪−‬‬ ‫‪u )ds = 0‬‬
‫‪∂n ∂n‬‬
‫اﯾﻦ ﻣﻌﺎدﻟﻪ اﺳﺎس روش ‪ B.E.M‬ﻣﯽ ﺑﺎﺷﺪ‪) .‬ﻣﻌﺎدﻻت اﻧﺘﮕﺮال ﻣﺮزي(‬
‫‪ ∆.T‬ﺟﺪول ﺻﻔﺤﻪ ‪ 168‬ﮐﺘﺎب را اﯾﻨﺠﺎ ﺑﻪ ﻋﻨﻮان ﺧﻼﺻﻪ ﺑﮕﺮﯾﻢ‬
‫ﺑﻌﺪ از ﭼﻨﺪﯾﻦ ﺑﺎر اﻧﺘﮕﺮاﻟﺴﯿﻮن )‪ S‬ﺑﺎر( ﻣﯽ ﺗﻮان ﮔﻔﺖ ﮐﻪ‪:‬‬

‫‪ U -‬ﺑﺎﯾﺪ ‪ m − s‬ﺑﺎر ﻣﺸﺘﻖ ﭘﺬﯾﺮ ﺑﺎﺷﺪ‬
‫‪ Ψ -‬ﺑﺎﯾﺪ ‪ s‬ﺑﺎر ﻣﺸﺘﻖ ﭘﺬﯾﺮ ﺑﺎﺷﺪ‬
‫‪ u -‬ﺑﺎﯾﺪ ﺷﺮاﯾﻂ ﺣﺪي را ﮐﻪ ﻓﻘﻂ ﻣﺸﺘﻘﺎت ﺗﺎ درﺟﻪ ‪ m − s − 1‬را دارد اﻗﻨﺎع ﮐﻨﺪ‪.‬‬
‫‪-‬روي ﺣﺪود ﺑﺎﻻ ‪ ψ = 0‬اﺳﺖ‪.‬‬
‫در ﻧﺘﯿﺠﻪ ﺷﺮاﯾﻂ ﺣﺪي ﮐﻪ ﻣﺸﺘﻘﺎت ﺑﺎ درﺟﻪ ﺑﺎﻻ ﯾﺎ ﻣﺴﺎوي ‪ m-s‬را ﺷﺎﻣﻞ ﻣﯽ ﺷﻮد‪ .‬در ﻓﺮﻣﻮل ﺑﻨﺪي درﻧﻈﺮ‬
‫ﮔﺮﻓﺘﻪ ﺷﺪه اﻧﺪ‪.‬‬
‫‪50‬‬
Equilibre [ K ]{U } = {F }
stationnaire
Valeurs
discret propres [ K ]{U } = λ [ M ]{U }
d 2 {U } d {U }
Non t > t0 : [ M ] + [C ] + [ K ]{U } = { F }
Systeme stationnair dt 2
dt
physique
Finite
{} o
t = t0 : {U 0 } : U 0 connus
-lineaire
element ρ (u)+f v = O sur V
or
Equilibre e(u ) = fs sur S
-no linear
stationnaire
Valeurs ρ1 (u)+f v = λρ 2 (u) sur V
propres
e1 (u ) = λ e2 (u ) sur S
continu
∂ 2u ∂u
t > t0 : m +c + ρ (u) = fv sur V
Non ∂t 2
∂t
stationnair) e(u ) = fs sur S
o
t = t0 : u 0 : u0 connus
Figure 3.3 Classification des systeme physiques
51
‫‪ (2-3-3‬ﺳﺎﺧﺖ ﻓﺮﻣﻬﺎي اﻧﺘﮕﺮال اﺿﺎﻓﯽ‬
‫در ﺑﻌﻀﯽ ﻣﻮاﻗﻊ ﺳﯿﺴﺘﻢ ﻣﻌﺎدﻻت ‪ L ( u ) − fv = 0‬از ﺣﺬف ﺑﻌﻀﯽ از ﭘﺎراﻣﺘﺮﻫﺎﻣﺜﻞ ﺗﻨﺶ‪-‬ﮔﺮادﯾﺎن و‪...‬ﺑﺎﯾﺪ‬
‫ﺑﺪﺳﺖ آﯾﻨﺪ‪.‬ﻣﺜﻞ‪:‬‬
‫‪Le ( q ) − fv = 0‬‬ ‫ﻣﻌﺎدﻟﻪ ﺗﻌﺎدل ﯾﺎ‬

‫)‬
‫‪Lc ( q, u ) = 0‬‬ ‫ﻗﺎﻧﻮن‬
‫ﻣﻌﻤﻮﻻً ‪ L‬ﺑﺰرﮔﺘﺮاز ‪ Le‬و ‪ Lc‬ازﻧﻈﺮدرﺟﻪ ﻣﯽ ﺑﺎﺷﺪ‪.‬درﻧﺘﯿﺠﻪ ﺑﻌﻀﯽ وﻗﺖ ﻫﺎ ﻣﻔﯿﺪ اﺳﺖ ﮐﻪ ﻓﺮم اﻧﺘﮕﺮال را‬
‫ﯾﮑﺴﺮه از ﻣﻌﺎدﻻت ‪ 11‬ﺑﺪﺳﺖ آورﯾﻢ ﮐﻪ ﻫﻢ درﺟﻪ ﮐﻤﺘﺮي دارد وﻫﻢ ﻣﺘﻐﯿﺮ‪ q‬ﺑﻄﻮر ‪ explicit‬ﻣﻮﺟﻮد اﺳﺖ‪.‬‬
‫ﻣﺜﺎل‪ :‬ﺳﺎﺧﺖ ﻣﻌﺎدﻟﻪ ﭘﻮاﺳﻮن‬
‫ﺑﺮاي ﻣﻌﺎدﻟﻪ اﻧﺘﺸﺎرﺣﺮارت ﺑﺎ ﺿﺮﯾﺐ ﺣﺮارﺗﯽ ‪ 1‬دو ﻣﻌﺎدﻟﻪ دارﯾﻢ‪:‬‬

‫‪-‬ﺑﻘﺎي ﺟﺮﯾﺎن ﺣﺮارت ‪q‬‬
‫‪∂qx ∂q y‬‬
‫= ‪Le ( q ) − fv‬‬ ‫‪+‬‬ ‫‪− fv = 0‬‬
‫‪∂x ∂y‬‬
‫‪:‬ﯾﮏ ﭼﺸﻢ ي ﺣﺮارﺗﯽ اﺳﺖ در واﺣﺪﺣﺠﻢ‬ ‫‪fv‬‬
‫‪-‬راﺑﻄﻪ ﺑﯿﻦ ﺟﺮﯾﺎن ﺣﺮارت ودرﺟﻪ ﺣﺮارت‬

‫‪‬‬ ‫‪∂u‬‬
‫‪ q x + ∂x = 0‬‬
‫‪Lc ( q, u ) = 0‬‬ ‫‪‬‬
‫‪ q + ∂u = 0‬‬
‫‪ x ∂x‬‬
‫)‪ U(x,y‬درﺟﻪ ﺣﺮارت درﻧﻘﻄﻪ ‪ x‬و ‪ y‬ﻣﯽ ﺑﺎﺷﺪ‪.‬‬
‫‪∂u 2 ∂u 2‬‬
‫‪+‬‬ ‫‪+ fv = 0‬‬ ‫ﻣﻌﺎدﻟﻪ ي ﭘﻮاﺳﻮن از ﺣﺬف ‪ qx‬و ‪ qy‬ﺑﺪﺳﺖ آﻣﺪه اﺳﺖ‪.‬‬
‫‪∂x2 ∂y2‬‬
‫ﻣﺘﺪ ﺑﺎﻗﯿﻤﺎﻧﺪه وزن دار راﻣﺴﺘﻘﯿﻤﺎً ﺑﻪ ﻣﻌﺎدﻻت ﺑﺎﻻ اﻋﻤﺎل ﻣﯽ ﮐﻨﯿﻢ‬
‫‪52‬‬
‫‪Wr = ∫ ψ u‬‬ ‫‪{L ( q ) − f } dv + ∫ ψ {L ( q, u )} dv = 0‬‬

‫‪e‬‬ ‫‪q‬‬ ‫‪c‬‬
‫‪v‬‬ ‫‪v‬‬
‫ﭼﻮن ‪ ψ u‬و ‪ ψ q‬ﻣﺴﺘﻘﻞ از ﻫﻢ ﻫﺴﺘﻨﺪ‪:‬‬
‫‪∫ ψ {L ( q ) − f } dv = 0‬‬
‫‪v‬‬
‫‪u‬‬ ‫‪e‬‬
‫‪∫ ψ {L ( q, u )} dv = 0‬‬
‫‪v‬‬
‫‪q‬‬ ‫‪c‬‬
‫ﻓﺮم ‪:Mixte‬‬
‫‪ ∂q ∂q y‬‬ ‫‪‬‬ ‫‪∂u‬‬ ‫‪∂u‬‬
‫‪Wr = ∫ (ψ u  x +‬‬ ‫‪− fv  +ψ qx ( qx + ) +ψ qy (q y + )) dv‬‬
‫‪v‬‬ ‫‪ ∂x ∂y‬‬ ‫‪‬‬ ‫‪∂x‬‬ ‫‪∂y‬‬
‫ﺑﻪ ﺷﺮح روﺑﺮو اﻧﺘﺨﺎب ﻣﯽ ﮐﻨﯿﻢ‪:‬‬ ‫ﺗﻮاﺑﻊ وزﻧﯽ را ازﺟﺎن ﻃﺒﯿﻌﺖ ﺗﻮاﺑﻊ ‪q x , q y , u‬‬
‫‪ψu = δu‬‬ ‫‪,‬‬ ‫‪ψ q x = δ qx ,‬‬ ‫‪ψ qy = δ q y‬‬
‫‪ ∂q ∂q‬‬ ‫‪‬‬ ‫‪∂u‬‬ ‫‪∂u‬‬
‫‪Wr = ∫ (δ u  x + y − fv  + δ q x ( qx + ) + δ q y ( q y + )) dv = 0‬‬
‫‪v‬‬ ‫‪ ∂x ∂y‬‬ ‫‪‬‬ ‫‪∂x‬‬ ‫‪∂y‬‬
‫‪:2-4‬ﻓﻮﻧﮑﺴﯿﻮﻧﻞ‬
‫ﻣﺘﺪ ﺑﺎﻗﯿﻤﺎﻧﺪه وزن داردر ﺑﻌﻀﯽ از ﺣﺎﻻت ﻣﻌﺎدل روﺷﯽ اﺳﺖ ﮐﻪ ﯾﮏ ﻓﻮﻧﮑﺴﯿﻮﻧﻞ راﺛﺎﺑﺖ ﻣـﯽ ﺳـﺎزد‪ .‬ﻣﻌﻤـﻮﻻً‬
‫در ﺑﻌﻀﯽ ﻣﻮاﻗﻊ ﻣﺴﺘﻘﯿﻤﺎً‪ ،‬ﻣﺜﻼً اﻧﺮژي ﭘﺘﺎﻧﺴﯿﻞ ﺳﯿﺴﺘﻢ را ﻧﻮﺷﺘﻪ و ﻓﺮم اﻧﺘﮕﺮاﻟﯽ را ﭘﯿـﺪا ﻣـﯽ ﮐﻨـﯿﻢ ﮐـﻪ از ﻃﺮﯾـﻖ‬
‫اﯾﻦ اﺳﺘﺪﻻل ﺑﺪﺳﺖ ﻣﯽ آﯾﺪ ﮐﻪ ﺑﺎﯾﺪ اﯾﻦ ﻓﻮﻧﮑﺴﯿﻮﻧﻞ ﺛﺎﺑﺖ ﺑﺎﺷﺪ‪.‬‬
‫‪ ∂u ‬‬ ‫‪-‬ﺗﻐﯿﯿﺮات درﺟﻪ ي ﯾﮏ ﻓﻮﻧﮑﺴﯿﻮﻧﻞ‬

‫‪Π = Π  u, ,... ‬‬
‫‪ ∂x ‬‬
‫‪∂u‬‬
‫‪ ...,‬ﻣﯽ ﺑﺎﺷﺪ‪.‬‬ ‫ﻓﻮﻧﮑﺴﯿﻮﻧﻞ ﺑﺎﻻ اﻧﺘﺨﺎب ﻣﯽ ﺷﻮد ﮐﻪ ﺗﺮﮐﯿﺒﯽ از ﺗﻮاﺑﻊ ‪, u‬‬
‫‪∂x‬‬
‫ﺗﻐﯿﯿﺮات درﺟﻪ ﯾﮏ ∏ ‪:‬‬
‫‪∂Π‬‬ ‫‪∂Π‬‬ ‫‪ ∂u ‬‬
‫= ‪δΠ‬‬ ‫‪δu +‬‬ ‫‪δ   + ...‬‬
‫‪∂u‬‬ ‫‪ ∂u ‬‬ ‫‪∂x‬‬
‫‪∂   ‬‬
‫‪ ∂x ‬‬
‫‪∂u‬‬
‫ﻫﺴﺘﻨﺪ‪.‬‬ ‫‪ δ u‬و ‪ δ  ∂u ‬ﺗﻐﯿﯿﺮات ﻫﺮﮔﻮﻧﻪ ي ‪ u‬و‬
‫‪∂x‬‬ ‫‪ ∂x ‬‬
‫‪∂Π‬‬
‫ﻣﺸﺘﻖ ﻣﻌﻤﻮﻟﯽ اﺳﺖ و ﺑﻘﯿﻪ ﻣﺸﺘﻘﺎت ﻧﯿﺰ ﺑﻪ ﻫﻤﭽﻨﯿﻦ‪.‬‬
‫‪∂u‬‬
‫اﭘﺮاﺗﻮر ‪ δ‬ﺧﺼﻮﺻﯿﺎت زﯾﺮرادارد‪:‬‬
‫‪53‬‬
‫) ‪ ∂u  ∂ (δ u‬‬
‫‪δ‬‬ ‫=‪‬‬
‫‪ ∂x ‬‬ ‫‪∂x‬‬
‫‪δ (δ u ) = 0‬‬
‫‪‬‬ ‫‪‬‬
‫‪δ  ∫ udv  = ∫ δ u dv‬‬
‫‪v‬‬ ‫‪ v‬‬
‫‪δ (u + v) = δ u + δ v‬‬
‫) ‪δ ( uv ) = uδ v + vδ u = δ ( vu‬‬
‫‪δ ( cu ) = cδ u ⇒ c = cte‬‬
‫ﻣﺜﺎل‪:‬ﻓﻮﻧﮑﺴﯿﻮﻧﻞ ﯾﮏ ﺑﻌﺪي‬
‫‪x2  1  du ‬‬ ‫‪‬‬
‫‪2‬‬
‫‪ du ‬‬
‫در ﻧﻈﺮ ﻣﯽ ﮔﯿﺮﯾﻢ‪.‬‬ ‫‪Π  u ,  = ∫    − uf dx‬‬ ‫‪f = cte‬‬
‫‪ dx  x1  2  dx ‬‬ ‫‪‬‬
‫‪‬‬
‫‪ 1  du 2‬‬ ‫‪‬‬
‫‪δΠ = δ ∫    − uf dx‬‬
‫‪x2‬‬
‫‪x1  2 dx‬‬ ‫‪‬‬

‫‪  ‬‬ ‫‪‬‬
‫‪x2   du  du ‬‬ ‫‪‬‬ ‫‪x2  d (δ u ) du‬‬ ‫‪‬‬
‫‪δΠ = ∫  δ    − δ uf dx = ∫ ‬‬ ‫‪− δ uf dx‬‬
‫‪x1‬‬
‫‪  dx  dx ‬‬ ‫‪‬‬ ‫‪x‬‬‫‪1‬‬ ‫‪ dx dx‬‬ ‫‪‬‬
‫‪2‬‬
‫‪  du  ‬‬ ‫‪x2  d (δ u ) ‬‬
‫‪2‬‬
‫∫ = ) ‪δ Π = δ (δΠ‬‬ ‫‪ δ  dx   dx = ∫x1  dx  dx‬‬

‫‪x2‬‬
‫‪2‬‬
‫‪x1‬‬
‫‪  ‬‬ ‫‪‬‬ ‫‪‬‬
‫زﯾﺮا ‪ δ ( δ u ) = 0‬اﺳﺖ‪).‬اﮔﺮ ) ‪ ψ = δ ( u‬ﺣﺘﻤﺎًﻓﺮم ﮔﻠﺮﮐﯿﻦ ﺑﺪﺳﺖ ﻣﯽ آﯾﺪ‪(.‬‬
‫‪ (2-4-2‬ﻓﻮﻧﮑﺴﯿﻮﻧﻞ ﻫﻤﺮاه ﯾﮏ ﻓﺮم اﻧﺘﮕﺮال‬
‫‪∂u‬‬
‫ﻣﯽ ﺗﻮان ﺑﺮاي ﻣﻌﺎدﻻت ‪ 5‬ﻓﻮﻧﮑﺴﯿﻮﻧﻠﯽ ﻣﺜﻞ ‪ Π  u, ,... ‬ﺳﺎﺧﺖ ﺑﺎﺷﺮط زﯾﺮ‬
‫‪ ∂x ‬‬
‫‪δΠ ≡ W = 0‬‬ ‫‪(15) a‬‬
‫اﯾﻦ ﻓـﺮم ‪ W‬ﻓـﺮم ﺧﺎﺻـﯽ اﺳـﺖ ﮐـﻪ ﺑـﻪ ﻧـﺎم ﮔﻠـﺮﮐﯿﻦ ﻣﻌـﺮوف اﺳـﺖ‪.‬ﺑﺎاﻧﺘﺨـﺎب ) ‪ ψ = δ ( u‬در ﻣﻌﺎدﻟـﻪ ‪7‬‬
‫واﺳﺘﻔﺎده ازاﻧﺘﮕﺮال ﮔﯿﺮي ﺟﺰءﺑﻪ ﺟﺰ‬
‫‪W = ∫ δ u {L(u ) + fv } dv = 0‬‬ ‫‪(15)b‬‬
‫‪v‬‬
‫اﯾﻦ ﻣﻄﻠﺐ را ﻣﯽ ﺗﻮان ﺑﻪ ﺷﺮوط زﯾﺮﺑﮑﺎرﺑﺮد‪ ):‬اﯾﻦ ﺷﺮوط ﮐﺎﻓﯽ ﻫﺴﺘﻨﺪوﻟﯿﮑﻦ ﻻزم ﻧﯿﺴﺘﻨﺪ‪(.‬‬
‫‪ c , L -‬ﺧﻄﯽ ﻫﺴﺘﻨﺪوﺗﻤﺎم ﻣﺸﺘﻘﺎت ‪ L‬زوج ﻫﺴﺘﻨﺪ‪.‬‬
‫‪ fs , fv -‬ﻣﺴﺘﻘﻞ از ‪ u‬ﻣﯽ ﺑﺎﺷﻨﺪ‪.‬‬
‫‪54‬‬
‫ﻣﺜﺎل‪ :‬ﻓﻮﻧﮑﺴﯿﻮﻧﻞ ﭘﻮاﺳﻮن‬

‫‪∂ 2u ∂ 2u‬‬
‫‪L(u ) + fv = 2 + 2 + fv = 0‬‬
‫‪∂x ∂y‬‬
‫ﺑﺎﺷﺮط ﺑﺎﻻ‪ :‬ﻓﻮﻧﮑﺴﯿﻮﻧﻞ ﻣﻮﺟﻮداﺳﺖ‪.‬ﻓﺮم ﺑﺪﺳﺖ آﻣﺪه درﻣﺜﺎل ‪) 5‬ﻓﺮم اﻧﺘﮕﺮال ‪(1‬را ﺑﺼﻮرت زﯾﺮدارﯾﻢ‪:‬‬
‫‪∂ψ ∂u ∂ψ ∂u‬‬
‫(∫ = ‪W‬‬ ‫‪+‬‬ ‫‪−ψ fv ) dv + ∫ ψ (α u − fs )ds = 0‬‬
‫‪v‬‬
‫‪∂x ∂x ∂y ∂y‬‬ ‫‪sf‬‬
‫‪∂ (δ u ) ∂u ∂ (δ u ) ∂u‬‬
‫(∫ = ‪W‬‬ ‫‪+‬‬ ‫‪− δ ufv ) dv + ∫ δ u (α u − fs )ds = 0‬‬
‫‪v‬‬
‫‪∂x ∂x‬‬ ‫‪∂y ∂y‬‬ ‫‪sf‬‬
‫اﮔﺮ ﻓﻮﻧﮑﺴﯿﻮﻧﻞ ‪ П‬را ﺑﺼﻮرت زﯾﺮﺗﻌﺮﯾﻒ ﮐﻨﯿﻢ‪:‬‬

‫‪ ∂u ∂u ‬‬ ‫‪ 1  ∂u  1  ∂u 2‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪‬‬
‫‪Π  u , ,  = ∫    +   − ufv dv + ∫  α u 2 − ufs ‬‬
‫‪ ∂x ∂y  v  2  ∂x  2  ∂y ‬‬ ‫‪‬‬
‫‪‬‬ ‫‪sf  2‬‬ ‫‪‬‬
‫ﻣﯽ ﺗﻮان دﯾﺪ ﮐﻪ ‪ δΠ ≡ W = 0‬ﻣﯿﺒﺎﺷﺪ‪.‬‬
‫ﻣﯽ ﺗﻮان ﺗﻌﺒﯿﺮﮐﺮدﮐﻪ راﺑﻄﻪ ‪ 15‬ﺷﺮط ﺛﺎﺑﺖ ﺑﻮدن ﻓﻮﻧﮑﺴﯿﻮﻧﻞ ‪ П‬ﻣﯿﺒﺎﺷﺪ‪.‬درﻧﺘﯿﺠﻪ ﻣﯽ ﺗﻮان ﮔﻔﺖ ﺟﻮاب ‪ U‬ﮐـﻪ‬
‫‪W‬راﺻﻔﺮ ﻣﯽ ﮐﻨﺪ ﻓﻮﻧﮑﺴﯿﻮﻧﻞ ‪ П‬را ﺛﺎﺑﺖ ﻧﮕﻪ ﻣﯽ دارد‪.‬اﯾﻦ ﺣﺪاﮐﺜﺮﯾﺎﺣﺪاﻗﻞ اﺳﺖ درﺻﻮرﺗﯿﮑﻪ ﺗﻐﯿﯿـﺮات دوم‬
‫ﻓﻮﻧﮑﺴﯿﻮﻧﻞ ‪ δП2‬ﻣﺜﺒﺖ ﯾﺎ ﻣﻨﻔﯽ ﺑﺎﺷﺪ‪.‬‬
‫‪ ∂u  ∂ Π‬‬ ‫‪∂ 2Π‬‬ ‫‪ ∂u   ∂u ‬‬
‫‪2‬‬
‫= ‪δ 2 Π  u , ,... ‬‬ ‫‪δ uδ u +‬‬ ‫‪δ   δ   ........‬‬
‫‪ ∂x  ∂u‬‬ ‫‪ ∂u   ∂x   ∂x ‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪∂ ‬‬
‫‪ ∂x ‬‬
‫ﺗﻌﺎرﯾﻒ‪:‬‬
‫‪∂u ‬‬ ‫‪∂u ‬‬
‫‪( Π  u,‬‬ ‫‪‬‬
‫‪ = ∫  a1u + a 2‬‬ ‫ﺧﻄﯽ ﺑﻮدن ﻓﻮﻧﮑﺴﯿﻮﻧﻞ‪ П :‬ﻧﺴﺒﺖ ﺑﻪ ‪ U‬ﺧﻄﯽ اﺳﺖ) ‪dv‬‬
‫‪‬‬ ‫‪∂x  v ‬‬ ‫‪∂x ‬‬
‫ﮐﻮادراﺗﯿﮏ ﺑﻮدن ﻓﻮﻧﮑﺴﯿﻮﻧﻞ‪ П :‬ﻧﺴﺒﺖ ﺑﻪ ‪ U‬ازدرﺟﻪ دوم اﺳﺖ‪.‬‬
‫ﻣﺨﻠﻮﻃﯽ از ﺧﻄﯽ و ﮐﻮادراﺗﯿﮏ راﻧﯿﺰ ﮐﻮادراﺗﯿﮏ ﻣﯽ ﮔﻮﯾﻨﺪ‪.‬‬
‫ﻓﻮﻧﮑﺴﯿﻮﻧﻞ ﮐﺎﻣﻼً ﮐﻮادراﺗﯿﮏ‪:‬‬

‫‪u ‬‬
‫‪∂u‬‬ ‫‪ ∂u ‬‬
‫‪1‬‬ ‫‪ ‬‬
‫‪Π= ∫ u‬‬ ‫‪... [ D ]   dv‬‬
‫‪2v‬‬ ‫‪∂x‬‬ ‫‪ ∂x ‬‬
‫‪ M ‬‬
‫ﻣﺎﺗﺮﯾﺲ ]‪ [D‬ﯾﮏ ﻣﺎﺗﺮﯾﺲ ﻣﺘﻘﺎرن اﺳﺖ ﮐﻪ ﺑﻪ ‪ U‬ﺑﺴﺘﮕﯽ ﻧﺪارد‪.‬‬
‫ﺗﻐﯿﯿﺮات اول و ﺗﻐﯿﯿﺮات دوم آن ﺑﻪ ﺻﻮرت زﯾﺮ ﻧﻮﺷﺘﻪ ﻣﯽ ﺷﻮد‪:‬‬
‫‪55‬‬
u
∂ (δ u )  ∂u 
 
δΠ = ∫ δ u ... [ D ]   dv
v ∂x  ∂x 
 M 
 δu 
 
∂ (δ u )  ∂ (δ u ) 
δ 2Π = ∫ δ u ... [ D ]   dv
v
∂x  ∂x 
 M 
‫ﯾﻌﻨﯽ اﯾﻨﮑﻪ ﺗﻤـﺎم ﻣﻘـﺎدﯾﺮوﯾﮋه‬،‫ ﻣﺜﺒﺖ ﺗﻌﺮﯾﻒ ﺷﺪه ﺑﺎﺷﺪ‬D ‫اﮔﺮ ﻣﺎﺗﺮﯾﺲ‬.‫ ﻣﺜﺒﺖ ﺗﻌﺮﯾﻒ ﺷﺪه اﺳﺖ‬П ‫ﻓﻮﻧﮑﺴﯿﻮﻧﻞ‬
.‫ ﻣﺜﺒﺖ اﺳﺖ‬δ 2 ∏ ‫ در ﻧﺘﯿﺠﻪ‬،‫ﻣﺜﺒﺖ ﺑﺎﺷﺪ‬
‫ﻓﺮم ﻣﺎﺗﺮﯾﺴﯽ ﻣﻌﺎدﻟﻪ ﭘﻮاﺳﻮن‬:‫ﻣﺜﺎل‬

:‫ﻓﻮﻧﮑﺴﯿﻮﻧﻞ ﻣﺜﺎل ﻗﺒﻞ ﺑﺼﻮرت زﯾﺮ ﻧﻮﺷﺘﻪ ﻣﯽ ﺷﻮود‬
  ∂u  
1  ∂u 
∂u  1 0   ∂x     αu2 
Π = ∫ 
 0 1  ∂u  − 2uf dv + ∫  − ufs ) ds
2 v  ∂x ∂y  
v
  sf 
2 
  ∂y  
 
  ∂ (δ u )  
 
∂ (δ u ) ∂ (δ u )  1 0   ∂x  
δ 2Π = δW = ∫ 
 ∂x

∂y  0 1   ( ) 
(
  ∂ δ u  dv + ∫ α (δ u ) ds
2
)
 
v sf
 
 ∂ y 

δ 2 Π ≥ 0 ‫ ﭘﺲ ﻣﺎﺗﺮﯾﺲ ﻣﺜﺒﺖ ﺗﻌﺮﯾﻒ ﺷﺪه اﺳﺖ و‬،‫ ﻣﺜﺒﺖ ﻓﺮض ﺷﺪه اﺳﺖ‬D ‫ﻣﺎﺗﺮﯾﺲ‬
principe de stationnarite ‫(اﺻﻞ ﭘﺎﯾﺎﯾﯽ‬2-4-3
L ( u ) + fv = 0 over V 21 − a
C f ( u ) = fs over s f 21 − b
Cu ( u ) = fu over su 21 − c
56
‫ﻓﺮم اﻧﺘﮕﺮال ﺑﺪﺳﺖ آﻣﺪه از ﻣﺘﺪﺑﺎﻗﯿﻤﺎﻧﺪه ﻫﺎي وزن دار‪:‬‬

‫‪W (u ) = ∫ ψ‬‬ ‫‪{L( u ) + f } dv = 0‬‬
‫‪v‬‬ ‫) ‪← ( for ∀ ψ‬‬
‫‪v‬‬
‫‪C f ( u ) = fs‬‬ ‫‪over s f‬‬

‫‪Cu ( u ) = fu‬‬ ‫‪over su‬‬
‫ﺑﺎ اﻧﺘﺨﺎب ‪ ψ = δ u‬وﺑﺎاﺳﺘﻔﺎده از اﻧﺘﮕﺮال ﺟﺰءﺑﻪ ﺟﺰء ﺑﺮاي ﺳﯿﺴﺘﻤﻬﺎي ‪ conservative‬ﻣﯽ ﺗﻮان‬
‫ﻓﻮﻧﮑﺴﯿﻮﻧﻞ ‪ П‬ﻃﻮري ﺳﺎﺧﺖ ﮐﻪ ﺟﻮاب ‪ U‬ﻣﻮردﻧﻈﺮاﯾﻦ ﻓﻮﻧﮑﺴﯿﻮﻧﻞ را ﺛﺎﺑﺖ ﻧﮕﻪ دارد‬
‫‪δΠ ( u ) = W ( u ) = 0‬‬
‫‪Cu ( u ) = fu‬‬ ‫‪over Su‬‬
‫اﺻﻞ ﭘﺎﯾﺎﯾﯽ ﻣﯽ ﮔﻮﯾﺪ‪:‬در ﻣﯿﺎن ﺗﻮاﺑﻊ ‪ U‬ﻗﺎﺑﻞ ﻗﺒﻮل‪،‬آن ﺗﺎﺑﻌﯽ ﮐﻪ ﻣﻌﺎدﻻت ‪ 21-a ,21-b‬را اﻗﻨﺎع‬
‫ﮐﻨﺪ‪،‬ﻓﻮﻧﮑﺴﯿﻮﻧﻞ را ﺛﺎﺑﺖ ﻧﮕﻪ ﻣﯽ دارد‪.‬‬
‫‪-2-4-4‬ﺿﺮﯾﺐ ﻻﮔﺮاﻧﮋ و ﻓﻮﻧﮑﺴﯿﻮﻧﻞ اﺿﺎﻓﯽ‬

‫ﺑﺎ اﺳﺘﻔﺎده ازﺿﺮﯾﺐ ﻻﮔﺮاﻧﮋﻣﯽ ﺗﻮان ﻓﻮﻧﮑﺴﯿﻮﻧﻞ *‪ П‬را ﻃﻮري ﺳﺎﺧﺖ ﮐﻪ ﺷﺮاﯾﻂ ﺛﺎﺑﺖ ﺑﻮدن ﻓﻮﻧﮑﺴﯿﻮﻧﻞ‪ ،‬ﻓﺮم‬
‫اﻧﺘﮕﺮاﻟﯽ ﺟﺪﯾﺪي ﮐﻪ ﻣﺸﺨﺼﺎت ﺧﺎﺻﯽ رادرﻧﻈﺮﻣﯽ ﮔﯿﺮد ﺑﺪﺳﺖ دﻫﺪ‪ .‬ﺑﺎاﯾﻦ روش ﻣﯽ ﺗﻮاﻧﯿﻢ ﺑﻪ ﻣﺸﺨﺼﺎت‬
‫زﯾﺮ دﺳﺖ ﯾﺎﺑﯿﻢ‪:‬‬
‫‪-‬ﻣﻌﺮﻓﯽ ﻣﺘﻐﯿﺮﻫﺎي ﺟﺪﯾﺪ ﻓﯿﺰﯾﮑﯽ ﺑﻪ ﻋﻨﻮان ﻣﺠﻬﻮل‬
‫‪-‬ﺷﺮط ﻣﺸﺘﻖ ﭘﺬﯾﺮي ﺧﻔﯿﻔﯽ‬
‫ﻣﺜﺎل‪-‬ﺗﻌﺮﯾﻒ ﺿﺮﯾﺐ ﻻﮔﺮاﻧﮋ‪:‬‬
‫اﮐﺴﺘﺮﻣﻢ ﺗﺎﺑﻊ روﺑﺮو ‪ Π1 ( u, v) = u 2 + v2‬ﺑﻪ ﻃﺮﯾﻖ زﯾﺮ ﺑﺪﺳﺖ ﻣﯽ آﯾﺪ‪:‬‬

‫‪δΠ1 = 2uδ u + 2vδ v = 0‬‬ ‫‪∀ δ u, δ v‬‬
‫‪u = v= 0‬‬ ‫‪Π1 ( 0,0 ) = 0‬‬
‫ﻓﺮض ﮐﻨﯿﻢ ﮐﻪ ﻣﯿﻨﯿﻤﻢ ‪ Π1‬راﺑﺎﺷﺮط زﯾﺮ ﻣﯿﺨﻮاﻫﯿﻢ ﭘﯿﺪاﮐﻨﯿﻢ‪:‬‬
‫‪g ( u, v) = u − v + 2 = 0‬‬
‫روش اول اﺳﺘﻔﺎده از ﻣﻌﺎدﻟﻪ ﺑﺎﻻ در ‪ Π1‬و ﺣﺬف ‪:v‬‬
‫‪57‬‬
‫‪Π ( u ) = 2u 2 + 4u + 4‬‬
‫‪δΠ = 4 ( u + 1) δ u = 0‬‬
‫‪u = −1 , v = 1 ⇒ Π (1, −1) = 2‬‬
‫ﻣﺘﺪ ﺿﺮﯾﺐ ﻻﮔﺮاﻧﮋ ﻋﺒﺎرﺗﺴﺖ از‪:‬‬
‫) ‪Π* ( u , v, λ ) = Π1 ( u, v) + λ g ( u , v) = u 2 + v2 + λ ( u − v + 2‬‬
‫*‪∂Π‬‬ ‫*‪∂Π‬‬ ‫*‪∂Π‬‬
‫= *‪δΠ‬‬ ‫‪δu +‬‬ ‫‪δv+‬‬ ‫‪δλ = 0‬‬ ‫‪∀ δ u, δ v, δλ‬‬
‫‪∂u‬‬ ‫‪∂v‬‬ ‫‪∂λ‬‬
‫‪δΠ* = ( 2u + λ ) δ u + ( 2v − λ ) δ v + ( u − v + 2 ) δλ = 0‬‬
‫‪2u + λ = 0‬‬ ‫‪u = −1‬‬
‫‪2v − λ = 0‬‬ ‫‪v =1‬‬
‫‪u −v+ 2‬‬ ‫‪λ=2‬‬
‫ﺑﺎ ﻋﻤﻮﻣﯿﺖ دادن ﻧﺘﺎﯾﺞ ﻣﺜﺎل ﺑﺎﻻﻣﯽ ﺗﻮان ﮔﻔﺖ ﮐﻪ ﭘﯿﺪاﮐﺮدن ‪ U‬ي ﮐﻪ ) ‪ Π1 ( u, q‬ﻓﻮﻧﮑﺴﯿﻮﻧﻞ راﺛﺎﺑﺖ ﻧﮕﻪ ﻣـﯽ‬
‫داردﺑﺎاﻗﻨﺎع رواﺑﻂ زﯾﺮﺟﻮاب ﻣﺴﺎﻟﻪ ﻫﺴﺘﻨﺪ‪.‬‬
‫‪g1 ( u, q) = 0‬‬
‫‪g2 ( u, q) = 0‬‬ ‫روي ‪v‬‬ ‫)‪(25‬‬
‫‪M‬‬
‫‪gm ( u, q) = 0‬‬
‫ﯾﮏ ﻣﺘﺪ اﯾﻦ اﺳﺖ ﮐﻪ ازﻣﻌﺎدﻻت)‪ q (25‬را ﺣﺬف ﮐﺮده و ﻓﻮﻧﮑﺴﯿﻮﻧﻞ ‪ П‬راﺑﺮﺣﺴﺐ ‪ U‬ﺑﺪﺳﺖ آورده و ﯾﺎ ﺑﺎ‬
‫ﺑﮑﺎرﮔﯿﺮي روش ﺿﺮﯾﺐ ﻻﮔﺮاﻧﮋ ‪ m‬ﺿﺮﯾﺐ ﻻﮔﺮاﻧﮋ ‪λn ,L , λ2 , λ1‬‬
‫را ﻣﻌﺮﻓﯽ ﮐﺮده ﻓﻮﻧﮑﺴﯿﻮﻧﻞ ﻋﻤﻮﻣﯽ راﺛﺎﺑﺖ ﻧﮕﻪ ﻣﯽ دارﯾﻢ‪.‬‬
‫‪Π * ( u , q, λ ) = Π1 ( u , q ) + ∫ ( λ1 g1 ( u , q ) + λ2 g 2 ( u , q ) + L + λm g m ( u , q ) )dv‬‬
‫‪v‬‬
‫ﺷﺮط ﺛﺒﻮت‬
‫* ‪∂Π‬‬ ‫* ‪∂Π‬‬ ‫* ‪∂Π‬‬
‫‪=0‬‬ ‫‪,‬‬ ‫‪=0‬‬ ‫‪,‬‬ ‫‪= gi = 0‬‬ ‫‪i = 1, 2, ..., m‬‬
‫‪∂u‬‬ ‫‪∂q‬‬ ‫‪∂λi‬‬
‫ﻣﺠﻤﻮﻋﻪ ي ﻣﺠﻬﻮﻻت ‪ u‬و‪ q‬و‪ λ‬ﺑﺠﺎي ‪q‬و‪ П* . u‬ﻣﺜﺒﺖ ﻣﻌﯿﻦ ﻧﯿﺴﺖ ﺣﺘﯽ اﮔﺮ ‪ П‬ﻣﺜﺒﺖ ﻣﻌﯿﻦ‬
‫ﺑﺎﺷﺪ‪.‬ﻣﻌﻤﻮﻻًﺿﺮاﯾﺐ ﻻﮔﺮاﻧﮋﻣﻔﻬﻮم ﻓﯿﺰﯾﮑﯽ دارﻧﺪودﺑﯽ ﯾﺎﺟﺮﯾﺎن ﯾﺎ ﺗﻨﺶ ﻫﺴﺘﻨﺪ‪.‬‬
‫‪58‬‬
‫ﭘﺎﯾﺎﯾﯽ ﺑﺎ ﺷﺮط‬
δΠ 1 ( u , q ) = 0
gi (u , q ) = 0
δΠ ( u ) = 0 ‫ﭘﺎﯾﺎﯾﯽ ﺑﺎﺷﺮط‬
q‫ﺣﺬف‬ δΠ* ( u , q, λ ) = 0 ‫ﻻﮔﺮاﻧﮋ‬ ‫ﺿﺮﯾﺐ‬
:‫ ﻓﻮﻧﮑﺴﯿﻮﻧﻞ زﯾﺮ را در ﻧﻈﺮﻣﯽ ﮔﯿﺮﯾﻢ‬:poisson ‫ﻣﺜﺎل روي‬

 1  ∂u  2 1  ∂u 2  1 
Π ( u ) = ∫    +   − ufv dv + ∫  α u 2 − ufs ds
v
 2  ∂x  2  ∂y   sf 
2 

:‫ ﻧﻮﺷﺖ‬qy ‫ و‬qx ‫و ﯾﺎﻣﯽ ﺗﻮان ﺑﺎ اﺳﺘﻔﺎده از‬
1  1 
Π1 ( u , qx , q y ) = ∫  ( q x2 + q y2 ) − ufv dv + ∫  α u 2 − ufs ds
v  sf  
2 2
∂u ∂u
.‫ رﺳﯿﺪ‬П ‫ ﻣﯽ ﺗﻮان ﺑﻪ ﻓﻮﻧﮑﺴﯿﻮﻧﻞ‬qx + = 0 , qy + = 0 ‫ﺑﺎ دوﺷﺮط‬
∂x ∂y
:‫ﯾﺎ ﺑﺎ اﺳﺘﻔﺎده از ﺿﺮﯾﺐ ﻻﮔﺮاﻧﮋ‬
1  ∂u   ∂u   1 
Π* ( u, qx , qy , λ1, λ2 ) = ∫  ( qx2 + qy2 ) − ufv + λ1  qx +  + λ2  qy +  dv + ∫  αu2 − ufs  ds
v2  ∂x   ∂y   sf  2 
∂Π * ∂Π * ∂Π * ∂Π * ∂Π *
∂Π =*
δu + δ qx + δ qy + δλ1 + δλ 2 = 0 :‫ﻫﺮ ﺗﺮم‬
∂u ∂q x ∂q y ∂ λ1 ∂λ2
∂Π*  ∂δ u ∂δ u 
δ u = ∫  − fvδ u + λ1 + λ2 dv + ∫ (α u − fs )δ uds = 0
∂u v
∂x ∂y  sf
59
‫ﭘﺲ ازاﻧﺘﮕﺮال ﮔﯿﺮي ﺟﺰء ﺑﻪ ﺟﺰء‪:‬‬

‫*‪∂Π‬‬ ‫‪ ∂λ ∂λ‬‬ ‫‪‬‬
‫‪= − ∫  1 + 2 + fv dv + ∫ (α u − fs + λ1m + λ2l )ds = 0‬‬
‫‪∂u‬‬ ‫‪v‬‬
‫‪∂x ∂y‬‬ ‫‪‬‬ ‫‪sf‬‬
‫‪ δ u‬روي ‪ Su‬ﺷﺮاﯾﻂ دﯾﮕﺮ ﺛﺒﻮت ﺑﺪﺳﺖ ﻣﯽ آﯾﺪ‪:‬‬ ‫‪=0‬‬ ‫ﺑﺎ ﻓﺮض‬

‫*‪∂Π‬‬
‫‪= ( qx + λ1 )dv = 0‬‬
‫‪∂qx ∫v‬‬
‫*‪∂Π‬‬
‫‪= ( q y + λ2 )dv = 0‬‬
‫‪∂q y ∫v‬‬
‫*‪∂Π‬‬ ‫‪‬‬ ‫‪∂u ‬‬
‫‪= ∫  qx + dv = 0‬‬
‫‪∂λ1 v ‬‬ ‫‪∂x ‬‬
‫*‪∂Π‬‬ ‫‪‬‬ ‫‪∂u ‬‬
‫‪= ∫  q y + dv = 0‬‬
‫‪∂λ2 v ‬‬ ‫‪∂y ‬‬
‫‪(2-5‬ﻣﺠﺰاﺳﺎزي ﻓﺮم اﻧﺘﮕﺮال‬
‫ﻓﺮم اﻧﺘﮕﺮال زﯾﺮ از ﻣﻌﺎدﻻت ﻣﺸﺘﻘﺎت ﺟﺰﯾﯽ ﺑﺪﺳﺖ آﻣﺪه اﺳﺖ‪.‬‬

‫‪W = ∫ψ .R ( u )dv = ∫ψ . ( L(u ) + fv )dv = 0‬‬
‫‪v‬‬ ‫‪v‬‬
‫ﺑﺮاي ﺑﺪﺳﺖ آوردن ﯾﮏ ﺟﻮاب ﺗﻘﺮﯾﺒﯽ در دوﻣﺮﺣﻠﻪ ﻣﺠﺰاﺳﺎزي اﻧﺠﺎم ﻣﯽ ﺷﻮد‪.‬‬

‫‪-‬اﻧﺘﺨﺎب ﺗﺎﺑﻊ ﺗﻘﺮﯾﺐ ﻣﺠﻬﻮﻻت ) ‪ u = u ( a1, a 2 ,..., a n‬ﮐﻪ ﻣﯽ ﺗﻮاﻧﺪ ﮔﺮﻫﯽ و ﯾﺎ ﻏﯿﺮ ﮔﺮﻫﯽ ﺑﺎﺷﺪ‪).‬روش‬
‫اﺟﺰاي ﻣﺤﺪود(‬
‫‪∀ψ‬‬ ‫→‬ ‫(‬ ‫)‬
‫‪W = ∫ψ . L ( u ( a1 , a 2 ,..., a n ) ) + fv dv = 0‬‬ ‫ﺑﺮاي‬
‫‪-‬اﻧﺘﺨﺎب ﯾﮏ ﻣﺠﻤﻮﻋﻪ از ‪ n‬ﺗﺎﺑﻊ وزﻧﯽ ﻣﺴﺘﻘﻞ ‪ψ 1 ,ψ 2 ,...,ψ n‬‬
‫ﻣﺴﻠﻢ اﺳﺖ ﮐﻪ ﺗﻌﺪاد ﺗﻮاﺑﻊ وزﻧﯽ ﻣﻌﺎدل ﭘﺎراﻣﺘﺮﻫﺎي ﺗﻘﺮﯾﺐ ﻣﺠﻬﻮﻻت ﻣﯽ ﺑﺎﺷﺪ‪.‬اﯾﻦ اﻧﺘﺨﺎب‬
‫ﺗﯿﭗ ‪ ψ i‬ﻫﺎ ﺑﻪ راه ﺣﻠﻬﺎي ﻣﺨﺘﻠﻒ ﻣﯽ اﻧﺠﺎﻣﺪ )ﮔﺎﻟﺮﮐﯿﻦ(‬
‫(‬ ‫)‬
‫‪W1 = ∫ψ 1 L ( u ( a1 , a 2 ,..., a n ) ) + fv dv = 0‬‬
‫‪v‬‬
‫(‬ ‫)‬
‫‪W2 = ∫ψ 2 L ( u ( a1 , a 2 ,..., a n ) ) + fv dv = 0‬‬
‫‪v‬‬
‫‪M‬‬
‫(‬ ‫)‬
‫‪Wn = ∫ψ n L ( u ( a1 , a 2 ,..., a n ) ) + fv dv = 0‬‬
‫‪v‬‬
‫‪60‬‬
‫در ﻣﺠﻤﻮع اﯾﻦ دو ﻣﺮﺣﻠﻪ ﺑﻪ ﺳﯿﺴﺘﻢ ﻣﻌﺎدﻻت ﺟﺒﺮي زﯾﺮ ﻣﯽ رﺳﯿﻢ‪:‬‬

‫} ‪[ K ]{u} = {F‬‬
‫در ﺟﺪول زﯾﺮ ﺧﻼﺻﻪ اي از روﺷﻬﺎي ﺗﻮﺿﯿﺢ داده ﺷﺪه ﻋﺮﺿﻪ ﮔﺮدﯾﺪه اﺳﺖ‪.‬‬
‫‪61‬‬
‫ﺳﯿﺴﺘﻢ ﻣﻌﺎدﻻت دﯾﻔﺮاﻧﺴﯿﻞ‬

‫روي‪v‬‬ ‫ﺷﺮاﯾﻂ ﺣﺪی‪l ( u ) + f = 0 :‬‬
‫‪v‬‬
‫روي ‪S f‬‬ ‫‪C‬‬ ‫‪f‬‬ ‫= ) ‪(u‬‬ ‫‪fs‬‬

‫روي ‪S u‬‬ ‫‪Cu‬‬ ‫= ) ‪(u‬‬ ‫‪fu‬‬
‫ﺑﺎﻗﯿﻤﺎﻧﺪه ﻫﺎي وزن دار‬
‫ﻓﺮم اﻧﺘﮕﺮال‬
‫‪W = ∫ψ ( l ( u ) + f )dv = 0‬‬
‫‪v‬‬
‫‪v‬‬
‫‪ S f‬و ‪Su‬‬ ‫ﺑﺎ اﻗﻨﺎع ﺷﺮاﯾﻂ ﺣﺪي روي ‪ u‬در ﻣﺮزﻫﺎي‬
‫اﻧﺘﮕﺮال ﺟﺰء ﺑﻪ ﺟﺰء‬
‫ﻓﺮم اﻧﺘﮕﺮال ﺿﻌﯿﻒ‬

‫‪W = ∫ ( l1 (ψ ) + l 2 ( u ) +ψ fv ) dv + ∫ ( C (ψ ) fs + ...) ds = 0‬‬
‫‪v‬‬ ‫‪sf‬‬
‫‪Su‬‬ ‫ﺑﺎ اﻗﻨﺎع ﺷﺮاﯾﻂ ﺣﺪي ﺑﺮاي ‪ u‬روي‬
‫‪) ψ‬ﺳﯿﺴﺘﻢ ﮐﻨﺴﺮواﺗﯿﻮ(‬ ‫‪≡ δu‬‬ ‫اﻧﺘﺨﺎب‬ ‫‪ψ‬‬ ‫اﻧﺘﺨﺎب‬

‫ﺗﻘﺮﯾﺐ ‪u‬‬
‫ﻓﻮﻧﮑﺴﯿﻮﻧﻞ ‪ П‬آﻧﭽﻨﺎﻧﮑﻪ‬
‫‪ <--------‬ﺟﻮاب‬
‫‪δΠ = W‬‬
‫ﻣﺠﺰاﺷﺪه‬
‫ﺗﻘﺮﯾﺐ ‪u‬‬
‫ﺷﺮط اﯾﺴﺘﺎﯾﯽ ‪δΠ = 0‬‬ ‫} ‪[ K ]{U } = {F‬‬
‫ﻓﻮﻧﮑﺴﯿﻮﻧﻞ ﻣﺠﺰاﺷﺪه‬
‫‪----------------------------------à‬‬
‫‪62‬‬
‫‪(2-5-2‬ﺗﻘﺮﯾﺐ ﺗﻮاﺑﻊ ‪U‬‬

‫‪e( x) = U ( x) − U ex ( x) = approximate - exact‬‬
‫ﺑﻪ ﺳﻪ روش زﯾﺮ اﻧﺠﺎم ﻣﯽ ﮔﯿﺮد‪:‬‬
‫‪(1‬ﺗﻘﺮﯾﺐ ﻏﯿﺮﮔﺮﻫﯽ روي ﻣﺤﯿﻂ ‪) V‬ﺗﻮاﺑﻊ ﭘﺎﯾﻪ(‬
‫‪a1 ‬‬
‫‪a ‬‬
‫‪ ‬‬
‫‪U = U ( x, a1 , a 2 ,..., a n ) = P1 P2 ... Pn  2 ‬‬ ‫)‪(33‬‬
‫‪M‬‬
‫‪a n ‬‬
‫‪ (2‬ﺗﻘﺮﯾﺐ ﮔﺮﻫﯽ روي ﻣﺤﯿﻂ ‪) V‬ﺗﻮاﺑﻊ درون ﯾﺎﺑﯽ(‬

‫‪u1 ‬‬
‫‪u ‬‬
‫‪ ‬‬
‫‪U = U ( x, u1 , u2 ,..., un ) = N1 N2 ... Nn  2 ‬‬ ‫)‪(34‬‬
‫‪M‬‬
‫‪un ‬‬
‫‪(3‬ﺗﻘﺮﯾﺐ ﺗﻮﺳﻂ ﻋﻨﺎﺻﺮ ﻣﺤﺪود‪ :‬ﺗﻘﺮﯾﺐ ﮔﺮﻫﯽ ﺑﺮاي زﯾﺮﻣﺠﻤﻮﻋﻪ ﻫﺎ ﮐﻪ ﻋﻨﺼﺮ ﻧﺎﻣﯿﺪه ﻣﯿﺸﻮد و ﺑﻌﻼوه آن‬
‫ﺷﺮط ﭘﯿﻮﺳﺘﮕﯽ ﺑﯿﻦ اﻟﻤﺎﻧﻬﺎ‬
‫‪y‬‬
‫‪u=0‬‬ ‫ﻣﺜﺎل‪ :‬ﺗﻘﺮﯾﺐ ﻏﯿﺮﮔﺮﻫﯽ روي ﯾﮏ ﻣﺮﺑﻊ‬
‫ﻣﻌﺎدﻟﻪ ‪poisson‬‬
‫‪2 u=0‬‬ ‫=‪u‬‬ ‫‪x‬‬

‫=‪u‬‬
‫‪2‬‬
‫روي ﻣﺮﺑﻊ‪:‬‬
‫‪∂ 2u ∂ 2u‬‬
‫= ‪L ( u ) + fv‬‬ ‫‪+‬‬ ‫‪+ f =0‬‬
‫‪∂x2 ∂y2‬‬
‫‪ x = ±1‬‬
‫‪u=0‬‬ ‫‪ S ‬روي‬
‫‪ y = ±1‬‬
‫‪63‬‬
‫ﯾﮏ ﺗﻘﺮﯾﺐ ﮐﻪ ﺷﺮاﯾﻂ ﺣﺪ‪‬ي وﺗﻘﺎرن را اﻗﻨﺎع ﻣﯽ ﮐﻨﺪ‪:‬‬

‫‪a ‬‬
‫}‪u = P1 P2  1  = P {a‬‬
‫‪a 2 ‬‬
‫ﺑﺎ‪:‬‬
‫)‪P1 = ( x2 − 1)( y2 − 1‬‬
‫) ‪P2 = ( x2 − 1)( y2 − 1)( x2 + y2 ) = P1 ( x2 + y2‬‬
‫در ﻧﺘﯿﺠﻪ‪:‬‬
‫‪L ( u ) = L ( P {a } ) = L ( P1 ) a1 + L ( P2 ) a 2‬‬
‫ﺑﺎ‪:‬‬
‫) ‪L ( P1 ) = 2 ( x2 + y2 − 2‬‬
‫) ‪L ( P2 ) = 2 ( 6 x2 − 1)( y2 − 1) + 2 ( 6 y2 − 1)( x2 − 1) + 2 ( x4 − x2 ) + 2 ( y4 − y2‬‬
‫‪(2-5-3‬اﻧﺘﺨﺎب ﺗﻮاﺑﻊ وزﻧﯽ ‪ψ‬‬
‫ﺑﻨﺎﺑﺮ اﻧﺘﺨﺎب ‪ ψ‬ﻣﻌﺎدﻻت ‪ 31‬ﺑﻪ ﻣﺘﺪﻫﺎي ﻣﺨﺘﻠﻔﯽ ﺑﻪ ﺷﺮح زﯾﺮ ﻣﯽ اﻧﺠﺎﻣﺪ‪:‬‬

‫‪.1‬ﻣﺘﺪ ﻫﻢ ﻗﺮارﮔﯿﺮي ﻧﻘﺎط ‪collocation par point‬‬
‫) ‪ <ψ = δ ( xi‬ﮔﺴﺘﺮش دﯾﺮاك در ﻧﻘﻄﻪ ‪xi‬‬
‫‪ψ = cte‬‬ ‫‪.2‬ﻣﺘﺪ ﻫﻢ ﻗﺮارﮔﯿﺮي زﯾﺮﻣﺠﻤﻮﻋﻪﻫﺎ ‪collocation par sousdenation‬‬
‫‪.3‬ﻣﺘﺪ ﮔﻠﺮﮐﯿﻦ )از ﻫﻤﻪ ﺑﯿﺸﺘﺮ اﺳﺘﻔﺎده ﻣﯽ ﺷﻮد(‬

‫‪ψ= N‬‬ ‫‪or ψ = P‬‬ ‫‪or ψ = δ u‬‬
‫‪ψ = L( N‬‬ ‫)‬ ‫‪or ψ = L ( P‬‬ ‫)‬ ‫‪.4‬ﻣﺘﺪ ﺣﺪاﻗﻞ ﻣﺮﺑﻌﺎت ) ) ‪or ψ = δ ( L ( u‬‬
‫‪64‬‬
‫ﻣﺘﺪ ﻫﻢ ﻗﺮارﮔﯿﺮي ﻧﻘﺎط‬
‫ﮐﻪ ﻧﻘﻄﻪ ي ﻫﻢ ﻗﺮارﮔﯿﺮي ﻧﺎﻣﯿﺪه ﻣﯽ ﺷﻮد‪ ،‬ﻣﯽ ﺑﺎﺷﺪ ﺑﻪ‬ ‫‪xi‬‬ ‫ﺗﺎﺑﻊ )‪ ψ i ( x‬ﮔﺴﺘﺮش دﯾﺮاك ) ‪ δ ( xi‬در ﻧﻘﻄﻪ‬
‫ﻓﺮم اﻧﺘﮕﺮال ‪ v‬ﻧﻮﺷﺘﻪ ﻣﯽ ﺷﻮد‪:‬‬
‫‪W = ∫ δ ( xi )R ( x, u ) dv = R ( xi , u ) = 0‬‬ ‫)‪(35‬‬
‫‪v‬‬
‫ﻣﻌﺎدﻻت ‪ 31‬ﺑﻪ ﺻﻮرت زﯾﺮﻧﻮﺷﺘﻪ ﻣﯽ ﺷﻮﻧﺪ‪:‬‬

‫(‬
‫‪Wi ( a ) = l ( u ( x, a1 , a 2 ,..., a n ) ) + fv‬‬ ‫)‬ ‫‪x = xi‬‬
‫‪=0‬‬ ‫‪i = 1, 2,..., n‬‬
‫ﺑﺎاﺳﺘﻔﺎده از ﺗﻘﺮﯾﺐ‪ 33‬ﻣﯽ ﺗﻮان ﻧﻮﺷﺖ‪:‬‬

‫(‬
‫‪Wi ( a ) = l ( p {a}) + fv‬‬ ‫)‬ ‫‪x= xi‬‬
‫=‬ ‫(‬ ‫‪l ( p ) {a} + fv‬‬ ‫)‬ ‫‪x= xi‬‬
‫‪=0‬‬ ‫)‪( 36‬‬
‫دﻗﺖ ﺟﻮاب ﺑﺴﺘﮕﯽ ﺑﻪ اﻧﺘﺨﺎب ‪ xi‬دارد‪ .‬ﻣﻌﻤﻮﻻً ﺑﺎﯾﺪ ﺗﻘﺎرن ﻣﺴﺎﻟﻪ را اﻗﻨﺎع ﮐﺮد‪ .‬ﺗﻌﺪاد ﻧﻘﺎط ﻫﻢ ﻗﺮارﮔﯿﺮي ﺑﺮاﺑﺮ‬
‫اﺳﺖ ﺑﺎ ﺗﻌﺪاد ﭘﺎراﻣﺘﺮﻫﺎي ‪. a i‬اﯾﻦ روش ﺑﻪ ﻋﻠﺖ ﻣﺸﮑﻞ ﺑﻮدن ﮐﻢ ﻣﻮرداﺳﺘﻔﺎده ﻗﺮار ﻣﯿﮕﯿﺮد وﻟﯿﮑﻦ ﺣﺴﻦ آن‬
‫اﯾﻦ اﺳﺖ ﮐﻪ اﻧﺘﮕﺮال ﮔﯿﺮي روي ﺣﺠﻢ ﺣﺬف ﻣﯽ ﺷﻮد ﮐﻪ ﺑﺮاي ﻣﺴﺎﯾﻞ ﻏﯿﺮﺧﻄﯽ ﻣﻔﯿﺪ اﺳﺖ‪.‬‬
‫ﻣﺜﺎل‪:‬ﺣﻞ ﻣﻌﺎدﻟﻪ ﭘﻮاﺳﻮن ﺑﻪ روش "ﻫﻢ ﻗﺮارﮔﯿﺮي ﻧﻘﺎط"‬

‫ﻧﻘﺎط ﻫﻢ ﻗﺮارﮔﯿﺮي ﺑﻪ ﺻﻮرت )‪ x1 = ( 0,0) , x2 = ( 0.5,0.5‬ﺗﻌﺮﯾﻒ ﻣﯽ ﺷﻮﻧﺪ‬
‫‪2‬‬
‫‪2‬‬
‫‪1‬‬
‫ﺗﺎﺑﻊ وزﻧﯽ‪:‬‬
‫) ‪ψ 1 = δ ( x1‬‬
‫) ‪ψ 2 = δ ( x2‬‬
‫‪65‬‬
‫رواﺑﻂ ‪ 36‬ﺑﻪ ﺻﻮرت زﯾﺮﻧﻮﺷﺘﻪ ﻣﯽ ﺷﻮﻧﺪ‪:‬‬

‫‪ a1 ‬‬
‫) ‪W1 = L ( p1‬‬ ‫) ‪L ( p2‬‬ ‫‪x = x1‬‬
‫‪  + f ( x1 ) = 0‬‬
‫‪a2 ‬‬
‫‪ a1 ‬‬
‫) ‪W2 = L ( p1‬‬ ‫) ‪L ( p2‬‬ ‫‪x = x2 a ‬‬
‫‪‬‬ ‫‪+ f ( x2 ) = 0‬‬
‫‪ 2‬‬
‫ﺑﺎ اﺳﺘﻔﺎده از ﺟﻮاب ﻣﺜﺎل ﻗﺒﻞ‬
‫‪W1 = −4a1 + 4a 2 + f = 0‬‬

‫‪ a1 = 0.2976 f‬‬
‫‪9‬‬ ‫‪‬‬
‫‪W2 = −3a1 − a 2 + f = 0‬‬ ‫‪ a 2 = 0.0476 f‬‬
‫‪4‬‬
‫ﻣﻘﺪار ‪ u‬در ﻣﺮﮐﺰ ﺑﺮاﺑﺮاﺳﺖ ﺑﺎ‪:‬‬

‫‪a ‬‬
‫) ‪u ( x1 ) = P1 ( x1‬‬ ‫‪P2 ( x1 )  1  = a1‬‬
‫‪a 2 ‬‬
‫‪uc = u ( x1 ) = 0.2976 f‬‬
‫ﻣﻘﺪاردﻗﯿﻖ ‪ u‬ﺑﺎاﺳﺘﻔﺎده ازراه ﺣﻞ ﺗﻮﺳﻂ ﯾﮑﺴﺮي ‪ 14 ،‬ﺟﻤﻠﻪ ‪ uc = 0.2947 f‬ﻣﯽ ﺑﺎﺷﺪ‪.‬‬
‫اﮔﺮ ﺟﻮاب راﺑﺎﯾﮏ ﭘﺎراﻣﺘﺮ ‪ u = p1 ( x) a1‬ﺑﺪﺳﺖ ﻣﯽ آوردﯾﻢ‪:‬‬
‫‪-‬ﻧﻘﻄﻪ ﻫﻢ ﻗﺮارﮔﯿﺮي ‪uc = 0.25 f : x1‬‬
‫‪-‬ﻧﻘﻄﻪ ﻫﻢ ﻗﺮارﮔﯿﺮي ‪ uc = 0.333 f : x2‬ﻣﯽ ﺷﺪﻧﺪ‪.‬‬
‫ﻣﺘﺪ ﻫﻢ ﻗﺮارﮔﯿﺮي زﯾﺮ ﻗﻠﻤﺮو‪:‬‬

‫‪ n‬زﯾﺮﻗﻠﻤﺮو ‪ Vi‬درﻧﻈﺮﮔﺮﻓﺘﻪ و ‪ ψ i‬راﺑﺼﻮرت زﯾﺮ اﺧﺘﯿﺎر ﻣﯽ ﮐﻨﯿﻢ‪:‬‬
‫‪1‬‬ ‫‪if x ∈V i‬‬
‫‪ψi = ‬‬ ‫) ‪( 37‬‬
‫‪0‬‬ ‫‪if x ∉V i‬‬
‫رواﺑﻂ ‪ 31‬ﺑﻪ ﺻﻮرت زﯾﺮﻣﯽ ﺷﻮﻧﺪ‪:‬‬
‫= ) ‪Wi ( a‬‬ ‫) ‪∫ ( L ( P ) {a } + f ) dv = 0 (38‬‬
‫‪v‬‬
‫‪Vi‬‬
‫‪66‬‬
‫دﻗﺖ ﺟﻮاب ﺑﻪ اﻧﺘﺨﺎب زﯾﺮ ﻗﻠﻤﺮو ﺑﺴﺘﮕﯽ دارد‪ .‬ﺷـﺮط ﺗﻘـﺎرن ﺑﺎﯾـﺪ اﺣﺘـﺮام ﮔﺬاﺷـﺘﻪ ﺷـﻮد‪ .‬اﻧﺘﺨـﺎب زﯾﺮﻗﻠﻤـﺮو‬
‫ﻣﺸﮑﻞ اﺳﺖ ﻟﺬا اﯾﻦ ﻣﺘﺪ زﯾﺎد اﺳـﺘﻔﺎده ﻧﻤـﯽ ﺷـﻮد‪ .‬ازآﻧﺠـﺎﯾﯽ ﮐـﻪ اﯾـﻦ ﻣﺘـﺪ اﻧﺘﮕـﺮال ﮔﯿـﺮي روي ﺣﺠـﻢ دارد‬
‫ﺑﻬﺘﺮاﺳﺖ ﮔﺎﻟﺮﮐﯿﻦ اﺳﺘﻔﺎده ﺷﻮد‪.‬‬
‫ﻣﺜﺎل‪ :‬ﺣﻞ ‪ poisson‬ﺗﻮﺳﻂ ﻣﺘﺪ ﻫﻢ ﻗﺮارﮔﯿﺮي زﯾﺮ ﻗﻠﻤﺮو‬
‫‪1‬‬ ‫‪V2‬‬
‫‪2‬‬
‫‪V‬‬
‫‪1‬‬
‫‪2‬‬
‫ﻣﻌﺎدﻟﻪ ‪ 38‬ﻣﯽ ﺷﻮد‪:‬‬

‫‪ a1 ‬‬
‫= ‪W1‬‬ ‫) ‪∫ L( P‬‬
‫‪1‬‬ ‫‪L ( P2 ) dv   + ∫ f dv = −0.9167 a1 + 0.3875 a 2 + 0.25 f = 0‬‬
‫‪ a 2  V1‬‬
‫‪V1‬‬
‫‪ a1 ‬‬
‫= ‪W2‬‬ ‫) ‪∫ L( P‬‬
‫‪1‬‬ ‫‪L ( P2 ) dv   + ∫ f dv = −1.75a1 − 3.587 a 2 + 0.75 f = 0‬‬
‫‪a2  V2‬‬
‫‪V2‬‬
‫‪ a1 = 0.2994 f‬‬

‫‪‬‬ ‫‪valuein center ⇒ uc = a1 = 0.2994 f‬‬
‫‪ a 2 = 0.0630 f‬‬
‫ﻣﺘﺪ ﮔﺎﻟﺮﮐﯿﻦ‬
‫ﺗﺎﺑﻊ ‪ ψ‬ﻣﺠﻤﻮﻋﻪ ﺗﻐﯿﯿﺮات ‪ δu‬ﺗﺎﺑﻊ ‪ u‬ﺧﻮاﻫﺪ ﺑﻮد‪.‬‬

‫}‪ψ = δ u = P {δ a‬‬ ‫}‪for ∀{δ a‬‬
‫}‪{δa‬ﺗﻐﯿﯿﺮات ﭘﺎراﻣﺘﺮﺗﻘﺮﯾﺐ ﻣﯽ ﺑﺎﺷﺪ‪.‬‬
‫ﻣﻌﺎدﻟﻪ ‪ 31‬ﻣﯽ دﻫﺪ‪:‬‬
‫‪67‬‬
‫‪W = ∫ δ u ( L ( u ) + fv ) dv = 0‬‬
‫‪v‬‬
‫‪W = δa‬‬ ‫( ‪∫ { P} ( L‬‬

‫‪v‬‬
‫)‬
‫‪P {a} ) + fv dv = 0‬‬
‫از آﻧﺠﺎﯾﯽ ﮐﻪ ‪ w‬ﺑﺎﯾﺪ ﺑﺮاي ﺗﻤﺎم }‪ {δ a‬ﻫﺎ ﺻﻔﺮ ﺑﺎﺷﺪ‪ ،‬ﻧﺘﯿﺠﻪ ﻣﯽ ﮔﯿﺮﯾﻢ‪:‬‬
‫‪W1 ( a ) = ∫ P1‬‬ ‫‪( L ( P ) {a} + f ) dv = 0‬‬
‫‪v‬‬
‫‪v‬‬
‫‪M‬‬
‫‪Wn ( a ) = ∫ Pn‬‬ ‫‪( L( P ) {a} + f ) dv = 0‬‬
‫‪v‬‬
‫‪v‬‬
‫اﯾﻦ ﺳﯿﺴﺘﻢ ﻣﺘﻘﺎرن ﺑﻮده اﮔﺮاﭘﺮاﺗﻮر ‪ L‬اﺗﻮادﺟﻮﯾﻨﺖ ﺑﺎﺷﺪ‪.‬‬
‫ﻣﺜﺎل‪:‬ﺣﻞ ﻣﻌﺎدﻟﻪ ﭘﻮاﺳﻮن ﺗﻮﺳﻂ ﻣﺘﺪ ﮔﻠﺮﮐﯿﻦ ﺑﺪون اﻧﺘﮕﺮال ﺟﺰء ﺑﻪ ﺟﺰء‬
‫‪a1 ‬‬ ‫‪‬‬
‫‪W1 = ∫ P1.L( P1 ) P1.L( P2 ) dv   + ∫ P1 f dv = 0 ‬‬
‫‪v‬‬ ‫‪a 2  v‬‬ ‫‪‬‬
‫‪‬‬ ‫)‪(42‬‬
‫‪ a1 ‬‬
‫‪W2 = ∫ P2 .L( P1 ) P2 .L( P2 ) dv   + ∫ P2 f dv = 0 ‬‬
‫‪v‬‬ ‫‪a2  v‬‬ ‫‪‬‬
‫ﺑﺎ اﺳﺘﻔﺎده از ﺗﻘﺎرن ﻣﺴﺎﻟﻪ‬
‫‪5.689 a1 + 1.9505 a 2 = 1.7778 f ‬‬
‫‪ ⇒ a1 = 0.2922 f‬‬ ‫‪a 2 = 0.0592 f‬‬
‫‪1.9505 a1 + 2.3839 a 2 = 0.7111 f ‬‬
‫‪uc = 0.2922 f‬‬ ‫‪,‬‬ ‫‪exact value : uc = 0.2947 f‬‬

‫ﺑﺎ اﺧﺘﯿﺎر ﯾﮏ ﭘﺎراﻣﺘﺮ ﺗﻘﺮﯾﺐ ‪ u = P1 ( x, y ) a 1‬ﺧﻮاﻫﯿﻢ داﺷﺖ‪uc = 0.3125 f :‬‬
‫ﺑﺎ اﺧﺘﯿﺎر ﺳﻪ ﭘﺎراﻣﺘﺮ ﺗﻘﺮﯾﺐ ﺧﻮاﻫﯿﻢ داﺷﺖ‪u c = 0.2949 f :‬‬
‫ﺑﺎاﺳﺘﻔﺎده از اﻧﺘﮕﺮاﺳﯿﻮن ﺟﺰء ﺑﻪ ﺟﺰء ﻣﯽ ﺗﻮان ﻣﻌﺎدﻻت ‪ 42‬را ﺑﺼﻮرت زﯾﺮ ﻧﻮﺷﺖ‪:‬‬
‫(‬ ‫)‬
‫‪W1 ( a ) = ∫ L1 ( P1 ) L2 ( P ) {a } dv − ∫ P1 fv dv − ∫ P1 fs ds = 0 ‬‬
‫‪‬‬
‫‪v‬‬ ‫‪v‬‬ ‫‪sf‬‬
‫‪‬‬
‫‪M‬‬ ‫)‪ (43‬‬
‫‪‬‬
‫(‬ ‫)‬
‫‪Wn ( a ) = ∫ L1 ( Pn ) L2 ( P ) {a} dv − ∫ Pn fv dv − ∫ Pn fs ds = 0 ‬‬
‫‪v‬‬ ‫‪v‬‬ ‫‪sf‬‬ ‫‪‬‬
‫دراﯾﻦ ﺣﺎﻟﺖ از ﺷﺮاﯾﻂ ﺑﺎ ﻣﺤﺪودﯾﺖ ﮐﻤﺘﺮ ﻣﯽ ﺗـﻮان اﺳـﺘﻔﺎده ﮐـﺮد‪ .‬از ﺗـﺎﺑﻊ >‪ <P‬ﺳـﺎده ﺗﺮﻣـﯽ ﺗـﻮان اﺳـﺘﻔﺎده‬
‫ﮐﺮد‪.‬اﯾﻦ ﻓﺮﻣﻮﻟﻬﺎ)‪ (43‬ﻓﺮم ﮔﺎﻟﺮﮐﯿﻦ ﻣﻌﺎدﻻت اﺳﺖ ﮐﻪ از ﻫﻤﻪ ﺑﯿﺸﺘﺮ اﺳﺘﻔﺎده ﻣﯽ ﺷﻮد‪.‬‬
‫ﻣﺜﺎل‪ :‬ﺣﻞ ﻣﻌﺎدﻟﻪ ﭘﻮاﺳﻮن ﺗﻮﺳﻂ ﻣﺘﺪ ﮔﻠﺮﮐﯿﻦ ﺑﺎ اﻧﺘﮕﺮال ﺟﺰء ﺑﻪ ﺟﺰء‬
‫‪68‬‬
‫ﺑﺎ اﺳﺘﻔﺎده از ﻓﺮم ‪ W‬ﺑﺪﺳﺖ آﻣﺪه درﻣﺜﺎل ﻫﺎي ﻗﺒﻞ و درﻧﻈﺮﮔﺮﻓﺘﻦ‪:‬‬

‫‪∂‬‬
‫∂‬ ‫∂‬ ‫‪ ∂x ‬‬
‫= ‪l1‬‬ ‫;‬ ‫‪l2 =  ‬‬
‫‪∂x‬‬ ‫‪∂y‬‬ ‫‪∂‬‬
‫‪ ∂y ‬‬
‫(ﻣﯽ ﺷﻮد‪:‬‬ ‫ﻣﻌﺎدﻟﻪ ‪ 43‬ﺑﺎ) ‪fs = α = 0‬‬
‫‪∂P1 ∂P1 ∂P1 ∂P1 ∂P1 ∂P2 ∂P1 ∂P2‬‬ ‫‪ a1 ‬‬
‫∫ = ‪W1‬‬ ‫‪+‬‬ ‫;‬ ‫‪+‬‬ ‫‪dv   − ∫ P1 f dv = 0‬‬
‫‪v‬‬
‫‪∂x ∂x ∂y ∂y‬‬ ‫‪∂x ∂x ∂y ∂y‬‬ ‫‪a2  v‬‬
‫‪∂P2 ∂P1 ∂P2 ∂P1 ∂P2 ∂P2 ∂P2 ∂P2‬‬ ‫‪ a1 ‬‬
‫∫ = ‪W2‬‬ ‫‪+‬‬ ‫;‬ ‫‪+‬‬ ‫‪dv   − ∫ P2 f dv = 0‬‬
‫‪v‬‬ ‫‪∂x ∂x ∂y ∂y‬‬ ‫‪∂x ∂x ∂y ∂y‬‬ ‫‪a2  v‬‬
‫اﯾﻦ ﻣﻌﺎدﻻت و ﻧﺘﺎﯾﺞ آن ﺑﺎ ﻣﺜﺎل ﻗﺒﻠﯽ ﯾﮑﺴﺎن اﺳﺖ‪.‬‬
‫ﻣﺘﺪ ﺣﺪاﻗﻞ ﻣﺮﺑﻌﺎت‪:‬‬

‫اﯾــﻦ ﻣﺘــﺪ ﻋﺒــﺎرت اﺳــﺖ ازﺣــﺪاﻗﻞ ﮐــﺮدن ﻋﺒــﺎرت ‪ (44) Π m = ∫ R.R dv‬ﻧﺴــﺒﺖ ﺑــﻪ ‪R . a1 , a2 ,..., an‬‬
‫‪v‬‬
‫ﺑﺎﻗﯿﻤﺎﻧﺪه اﺳﺖ‪.‬‬
‫‪R = L ( u ) + fv = L ( P ) {a } + fv‬‬ ‫) ‪( 45‬‬
‫ﺷﺮاﯾﻂ اﯾﺴﺘﺎﯾﯽ ﺑﺮاي ﻣﻌﺎدﻟﻪ ‪ 44‬ﺑﻪ ﺷﮑﻞ زﯾﺮاﺳﺖ‪:‬‬
‫‪W = δΠ m ( a1 , a 2 ,..., a n ) = 0‬‬
‫(‬ ‫)‬
‫‪W1 ( a ) = ∫ L ( P1 ) L ( P ) {a } + fv dv = 0 ‬‬
‫‪‬‬
‫‪v‬‬
‫‪‬‬
‫‪M‬‬ ‫‪‬‬ ‫)‪(46‬‬
‫‪‬‬
‫(‬ ‫)‬
‫‪Wn ( a ) = ∫ L ( Pn ) L ( P ) {a} + fv dv = 0 ‬‬
‫‪v‬‬ ‫‪‬‬
‫ﺑﺎ اﯾﻦ ﻣﺘﺪ از اﻧﺘﮕﺮال ﮔﯿﺮي ﺟﺰء ﺑﻪ ﺟﺰء ﻧﻤﯽ ﺗـﻮان اﺳـﺘﻔﺎده ﮐـﺮد و در ﻧﺘﯿﺠـﻪ ﺷـﺮاﯾﻂ ﺳـﺨﺘﺮي ﺑـﺮاي ﺗﻘﺮﯾـﺐ‬
‫ﻣﻮﺟﻮد اﺳﺖ‪ .‬ﻟﯿﮑﻦ ﻫﻤﻮاره ﺑﻪ ﺳﯿﺴﺘﻢ ﻣﻌﺎدﻻت ﻣﺘﻘﺎرن و ﻣﺜﺒﺖ ﻣﻌﯿﻦ ﻣﻨﺘﻬﯽ ﻣﯽ ﺷﻮد‪.‬‬
‫‪69‬‬
‫ﻣﺠﺰاﺳﺎزي ﯾﮏ ﻓﻮﻧﮑﺴﯿﻮﻧﻞ)ﻣﺘﺪ رﯾﺘﺰ(‬

‫ﻣﺘﺪ رﯾﺘﺰ ﻋﺒﺎرت اﺳﺖ از ﻣﺠﺰاﺳﺎزي ﯾﮏ ﺗﺎﺑﻊ ﻧﻤﺎ ‪ П‬ﺑﺎ اﺳﺘﻔﺎده از ﺗﻘﺮﯾﺐ ‪ U‬ازﻧﻮع ﻏﯿـﺮ ﮔﺮﻫـﯽ)ﻣﻌـﺎدﻻت ‪(33‬‬
‫و ﺳﭙﺲ ﻧﻮﺷﺘﻦ ﺷﺮاﯾﻂ ﭘﺎﯾﺎﯾﯽ ﻧﺴﺒﺖ ﺑﻪ ﭘﺎراﻣﺘﺮﻫﺎي ﺗﻘﺮﯾﺐ‪:‬‬
‫) ) ‪Π ( u ) = Π ( u ( a1 , a2 ,..., an‬‬
‫‪∂Π‬‬ ‫‪∂Π‬‬ ‫‪∂Π‬‬
‫= ) ‪δΠ ( a1 , a 2 ,..., a n‬‬ ‫‪δ a1 +‬‬ ‫‪δ a 2 ,...,‬‬ ‫‪δ an = 0‬‬
‫‪∂a1‬‬ ‫‪∂a 2‬‬ ‫‪∂a n‬‬
‫ازاﯾﻦ ﺟﺎ ‪ n‬ﻣﻌﺎدﻟﻪ زﯾﺮﺣﺎﺻﻞ ﻣﯽ ﺷﻮد‪:‬‬
‫‪∂Π‬‬
‫‪=0‬‬
‫‪∂a1‬‬
‫‪∂Π‬‬
‫‪=0‬‬ ‫)‪(47‬‬
‫‪∂a 2‬‬
‫‪M‬‬
‫‪∂Π‬‬
‫‪=0‬‬
‫‪∂a n‬‬
‫اﮔﺮ ﻓﻮﻧﮑﺴﯿﻮﻧﻞ ﻣﻮﺟﻮد ﺑﺎﺷﺪ‪،‬ﺗﻐﯿﯿﺮات درﺟﻪ اول آن ﺑﺎ ﻓﺮم اﻧﺘﮕﺮال ‪ W‬ازﻧﻮع ﮔﺎﻟﺮﮐﯿﻦ ﯾﮑﺴـﺎن اﺳـﺖ)ﻣﻌﺎدﻟـﻪ‬
‫‪δΠ = W = 0‬‬ ‫‪(43‬‬
‫درﻧﺘﯿﺠﻪ ﺟﻮاب ﺑﺪﺳﺖ آﻣﺪﻫﺎز روش رﯾﺘﺰ ﺑﺎ ﺟﻮاب ﺑﺪﺳﺖ آﻣﺪه ﺗﻮﺳﻂ ﮔﺎﻟﺮﮐﯿﻦ ﯾﮑﺴﺎن ﺧﻮاﻫﺪ ﺑﻮد‪.‬‬
‫‪70‬‬
‫ﺑﺎﻗﯿﻤﺎﻧﺪه وزن دار‬

‫)‪(V‬‬
‫‪ψ = δu‬‬ ‫واﻧﺘﮕﺮال ﺟﺰءﺑﻪ ﺟﺰء‬
‫ﺷﺮط ﭘﺎﯾﺎﯾﯽ‬
‫)ﺷﺮط ﺛﺒﻮت(‬
‫ﺗﺎﺑﻊ ﻧﻤﺎي‬ ‫ﻓﺮم اﻧﺘﮕﺮال ﺿﻌﯿﻒ‬
‫‪П‬‬ ‫‪=0‬ﮔﺎﻟﺮﮐﯿﻦ‪δП=W‬‬
‫ﻣﺠﺰاﺳﺎزي‪u‬‬
‫ﺗﺎﺑﻊ ﻧﻤﺎي ﻣﺠﺰاﺷﺪه‬ ‫ﻓﺮم اﻧﺘﮕﺮال ﻣﺠﺰا ﺷﺪه)‪(43‬‬

‫‪Π( a1, a2 ,..., an ) = 0‬‬ ‫ﺷﺮط ﭘﺎﯾﺎﯾﯽ ﻧﺴﺒﺖ‬ ‫‪δΠ ( a1 , a2 ,..., an ) = 0‬‬
‫ﺑﻪ ﭘﺎراﻣﺘﺮﻫﺎي‬
‫‪a1, a2,..., an‬‬
‫"ﻗﯿﺎس ﻣﺘﺪ رﯾﺘﺰ و ﮔﺎﻟﺮﮐﯿﻦ"‬ ‫ﻣﺠﺰاﺳﺎزي‪u‬‬

‫)ﮔﺎﻟﺮﮐﯿﻦ(‬
‫ﻣﺜﺎل( ﺣﻞ ‪ Poisson‬ﺑﻪ روش رﯾﺘﺰ‬

‫ﺑﺎ اﺳﺘﻔﺎده ازﻓﺮم ﺗﺮﯾﺴﯿﻞ ﻓﻮﻧﮑﺴﯿﻮﻧﻞ داده ﺷﺪه درﻣﺜﺎل وﺑﺎاﺳﺘﻔﺎده از ﺗﻘﺮﯾﺐ ‪ u‬درﻣﺜﺎل ﺧﻮاﻫﯿﻢ داﺷﺖ‬
‫‪ ∂P1‬‬ ‫‪∂P1   ∂P1‬‬ ‫‪∂P2 ‬‬
‫‪ ∂x‬‬ ‫‪∂y   ∂x‬‬
‫‪1‬‬ ‫‪∂x   a1 ‬‬ ‫‪ P1 ‬‬
‫= ) ‪Π ( a1 , a 2‬‬ ‫∫‬ ‫‪‬‬ ‫‪‬‬ ‫‪ dv‬‬ ‫‪− a1 a 2‬‬ ‫‪∫v  P2  f dv = 0‬‬
‫‪∂P2   a 2 ‬‬
‫‪a1 a 2‬‬
‫‪2‬‬ ‫‪ ∂P2‬‬ ‫‪∂P2   ∂P1‬‬
‫‪∂y   ∂y‬‬ ‫‪∂y ‬‬
‫‪v‬‬
‫‪ ∂x‬‬
‫‪‬‬
‫ﺑﺎ ‪ δΠ = 0‬ﺧﻮاﻫﯿﻢ داﺷﺖ‪:‬‬
‫‪ ∂P1 ∂P1 ∂P1 ∂P1‬‬ ‫‪∂P1‬‬ ‫‪∂P2 ∂P1 ∂P2  ‬‬ ‫‪∂P2 ‬‬
‫‪ ∂x ∂x + ∂y ∂y‬‬ ‫‪+‬‬
‫‪∂x ∂y ∂y  ‬‬
‫‪∂x‬‬ ‫‪∂x  a1   P1 f ‬‬
‫‪*∫ ‬‬ ‫‪‬‬
‫‪∂P2  a 2  ∫v  P2 f ‬‬
‫‪ dv‬‬ ‫‪−‬‬ ‫‪dv = 0‬‬
‫‪ ∂P1 ∂P2 ∂P1 ∂P2‬‬ ‫‪∂P2‬‬ ‫‪∂P2 ∂P2 ∂P2   ∂P1‬‬
‫‪ ∂x ∂x + ∂y ∂y‬‬ ‫‪+‬‬ ‫‪‬‬ ‫‪∂y ‬‬
‫‪v‬‬
‫‪‬‬ ‫‪∂x‬‬ ‫‪∂x ∂y ∂y   ∂y‬‬

‫ﺑﺮاي ﯾﮏ اﻟﻤﺎن رواﺑﻂ را ﻣﯽ ﻧﻮﺳﯿﻢ وﺳﭙﺲ ﺑﺎ ﺣﻠﻘﻪ ‪ Do‬اﯾﻦ ﮐﺎرراﺑﺮاي ﺗﻤﺎﻣﯽ اﻟﻤﺎن ﻫﺎ ﺑﺴﻂ ﻣﯽ دﻫﯿﻢ*‬
‫‪71‬‬
‫اﯾﻦ ﻣﻌﺎدﻟﻪ ﺑﺎ ﻣﻌﺎدﻟﻪ ي ﻣﺜﺎل ﻗﺒﻠﯽ ﯾﮑﺴﺎن اﺳﺖ‪.‬‬

‫ﻣﺜﺎل‪:‬ﻗﯿﺎس روﺷﻬﺎي ﻣﺨﺘﻠﻒ‪.‬‬
‫‪uc‬‬
‫ﮐﻪ ازﻣﺘﺪﻫﺎي ﻣﺘﻔﺎوت ﺑﺪﺳﺖ آﻣﺪه اﻧﺪﺑﻪ ﺷﺮح زﯾﺮﻧﺪ‪.‬ﺗﻮاﺑﻊ ﭘﺎﯾﻪ ي درﻧﻈﺮﮔﺮﻓﺘﻪ ﺷﺪه ﻋﺒﺎرﺗﻨﺪاز‪:‬‬ ‫ﻣﻘﺪار‬
‫‪f‬‬
‫) ‪P1 = ( x2 − 1)( y2 − 1) ; P2 = P1 ( x2 + y2 ) ; P3 = P1 ( x2 y2‬‬
‫ﻫﻢ ﻗﺮارﮔﯿﺮي‬ ‫ﻫﻢ ﻗﺮارﮔﯿﺮي‬ ‫ﮔﺎﻟﺮﮐﯿﻦ ﯾﺎ‬

‫ﺗﻮاﺑﻊ‬ ‫ﺣﺪاﻗﻞ ﻣﺮﺑﻌﺎت‬ ‫اﻧﺪازه دﻗﯿﻖ‬
‫ﻧﻘﺎط‬ ‫زﯾﺮﻗﻠﻤﺮو‬ ‫رﯾﺘﺰ‬
‫‪P1‬‬ ‫‪0.2500‬‬ ‫‪0.3750‬‬ ‫‪0.3125‬‬ ‫‪0.3409‬‬

‫‪P1, P2‬‬ ‫‪0.2976‬‬ ‫‪0.2994‬‬ ‫‪0.2922‬‬ ‫‪0.2904‬‬ ‫‪0.2947‬‬
‫‪P1, P2, P3‬‬ ‫‪0.2949‬‬ ‫‪0.2949‬‬
‫ﻋﺮﺿﻪ ﻣﺎﺗﺮﯾﺴﯽ روش اﺟﺰاي ﻣﺤﺪود‬

‫دراﯾﻦ ﻓﺼﻞ ﻋﺮﺿﻪ ﻣﺎﺗﺮﯾﺴﯽ ﻣﻌﺎدﻻت ﻣﻮرد ﻧﻈﺮ ﻣﯽ ﺑﺎﺷﺪ ﮐﻪ ﮔﺬار ﺑﻪ ﺑﺮﻧﺎﻣﻪ ﻧﻮﯾﺴـﯽ را ﻣﻤﮑـﻦ ﻣـﯽ ﺳـﺎزد‪ .‬در‬
‫اﺑﺘﺪا روش اﺟﺰا ﻣﺤﺪود ﺑﻪ ﻣﺜﺎﺑﻪ روش ﻣﺠﺰا ﺳﺎزي ﻓﺮم اﻧﺘﮕﺮاﻟﯽ از ﻧﻮع ﮔـﺎﻟﺮﮐﯿﻦ ﺗﻌﺮﯾـﻒ ﺷـﺪه و اﻧﺘﮕﺮاﻟﻬـﺎي‬
‫ﮐﻠﯽ ‪ W‬ﺑﺎ ﻣﺠﻤﻮع اﻧﺘﮕﺮال ﻋﻨﺼﺮي ‪ We‬ﺟﺎﯾﮕﺰﯾﻦ ﻣﯽ ﺷـﻮﻧﺪ‪ ،‬ﺳـﭙﺲ ﺑـﺎ اﺳـﺘﻔﺎده از ﺗﻘﺮﯾـﺐ ‪ u‬ﺗﻮﺳـﻂ ﻣﺘـﺪ‬
‫اﺟﺰا ﻣﺤﺪود ﻣﺠﺰاﺳﺎزي اﻧﺠﺎم ﻣﯽ ﮔﯿﺮد‪ .‬در ﻧﺘﯿﺠﻪ ﻣﺎﺗﺮﯾﺴﻬﺎي ﮐﻠﯽ و ﻣﺎﺗﺮﯾﺴﻬﺎي ﻋﻨﺼـﺮي ﺷـﮑﻞ ﻣـﯽ ﮔﯿﺮﻧـﺪ‪.‬‬
‫ﺗﮑﻨﯿﮏ ﺟﻤﻊ ﻣﺎﺗﺮﯾﺲ ﻫﺎي ﻋﻨﺼﺮي ﺟﻬﺖ ﺑﻪ دﺳﺖ آوردن ﻣﺎﺗﺮﯾﺲ ﮐﻠﯽ و ﺑﺮدارﻫﺎي ﮐﻠـﯽ اﺳـﺘﻔﺎده ﺷـﺪه در‬
‫ﻣﺴﺄﻟﻪ ﻋﺮﺿﻪ ﺧﻮاﻫﻨﺪ ﺷﺪ‪ .‬ﺧﺼﻮﺻﯿﺎت ﻣـﺎﺗﺮﯾﺲ ﮐﻠـﯽ و ﻫﻤﭽﻨـﯿﻦ ﺗﮑﻨﯿﮑﻬـﺎي ذﺧﯿـﺮه ﺳـﺎزي اﯾـﻦ ﻣـﺎﺗﺮﯾﺲ و‬
‫ﺧﺼﻮﺻﺎً روش ذﺧﯿﺮه ﺳﺎزي )ﺧﻂ آﺳﻤﺎن( ﺗﻮﺿﯿﺢ و ﺗﺸﺮﯾﺢ ﻣﯽ ﮔﺮدد‪.‬‬
‫‪.1‬روش اﺟﺰاء ﻣﺤﺪود‬
‫‪1-1‬ﺗﻌﺮﯾﻒ‪:‬‬
‫روش اﺟﺰاء ﻣﺤﺪود ﻋﺒﺎرت اﺳﺖ از اﺳﺘﻔﺎده از ﯾﮏ ﺗﻘﺮﯾﺐ از ﻧﻮع اﺟﺰاء ﻣﺤﺪود ﺑـﺮاي ﺗﻮاﺑـﻊ ﻧﺎﺷـﻨﺎﺧﺘﻪ ‪ U‬ﺑـﻪ‬
‫ﻣﻨﻈﻮر ﻣﺠﺰاﺳﺎزي ﻓﺮم اﻧﺘﮕﺮاﻟﯽ ‪ W‬و ﺳﭙﺲ ﻣﻌﺎدﻻت ﺑﻪ دﺳـﺖ آﻣـﺪه‪.‬در اﯾﻨﺠـﺎ از ﻓـﺮم اﻧﺘﮕﺮاﻟـﯽ ‪ W‬اﺳـﺘﻔﺎده‬
‫ﺷﺪه اﺳﺖ ﮐﻪ ﺗﻮاﺑﻊ وزن دار ‪ ψ ≡ δ u‬ﻣﯽ ﺑﺎﺷﻨﺪ‪.‬‬
‫‪W = ∫ δ u ( L ( u ) + fv ) dv = 0‬‬ ‫)‪(1‬‬
‫‪v‬‬
‫‪72‬‬
‫ﺑﺎﺟﺎﯾﮕﺰﯾﻦ ﻧﻤﻮدن اﯾﻦ اﻧﺘﮕﺮال ﺑﺎﻣﺠﻤﻮع اﻧﺘﮕﺮال ﻫﺎي روي ﻫﺮﻋﻨﺼﺮ ‪ Ve‬ﺧﻮاﻫﯿﻢ داﺷﺖ‪:‬‬
‫(‬ ‫)‬
‫‪nel‬‬ ‫‪nel‬‬
‫‪W = ∑ W = ∑ ∫ δ u e L ( u e ) + fv dv = 0‬‬
‫‪e‬‬
‫) ‪(2 − a‬‬
‫‪e =1‬‬ ‫‪e =1 v‬‬
‫ﺑﻪ ﻣﻨﻈﻮر ﻣﺤﺎﺳﺒﻪ ﻋﺒﺎرت ‪ We‬ﮐﻪ ﺑﻪ ﻓﺮم اﻧﺘﮕﺮال ﻋﻨﺼﺮي ﻣﻮﺳﻮم اﺳﺖ از ﺗﻘﺮﯾﺐ ازﻧـﻮع اﺟـﺰا ﻣﺤـﺪودﺑﺮاي ‪u‬‬
‫و‪ δu‬روي ﻫﺮﻋﻨﺼﺮاﺳﺘﻔﺎده ﻣﯽ ﺷﻮد‬
‫} ‪u e = N {un‬‬
‫} ‪δ u e = N {δ u n‬‬ ‫)‪( 2 − b‬‬
‫ﻣﯽ داﻧﯿﻢ ﮐﻪ >‪ <N‬ﺑﺮاي ﻧﻘﺎط ﺧﺎرج ازﻫﺮ ﻋﻨﺼﺮ ﺻﻔﺮﻣﯽ ﺑﺎﺷﺪ وازآﻧﺠﺎﯾﯽ ﮐﻪ }‪{un‬ﻓﻘﻂ ﺑﺮاﺳـﺎس ﻣﺘﻐﯿﺮﻫـﺎي‬
‫ﮔﺮﻫﯽ ﻧﻮﺷﺘﻪ ﺷﺪه اﺳﺖ‪ We،‬ﻓﻘﻂ ﺑﻪ ﻣﺘﻐﯿﺮﻫﺎي ﻋﻨﺼﺮ ‪ e‬ارﺗﺒﺎط دارد و ﻫﻤﯿﻦ ﺧﺎﺻﯿﺖ اﺳﺖ ﮐـﻪ ﻋﺎﻣـﻞ اﺻـﻠﯽ‬
‫ﻣﻮﻓﻘﯿﺖ ﻣﺘﺪ ﻋﻨﺎﺻﺮ ﻣﺤﺪود اﺳﺖ زﯾﺮا اﻧﺘﮕﺮال ﯾﮏ ﻋﻨﺼﺮ ﻣﺤﺎﺳﺒﻪ ﺷﺪه و ﺑﺎ ﺗﮑﺮار ﺑﻪ ﮐﻠﯿـﻪ ﻣﺤـﯿﻂ ﺑﺴـﻂ داده‬
‫ﻣﯽ ﺷﻮد‪.‬‬
‫ﺑﺎ اﺳﺘﻔﺎده از ﻣﻌﺎدﻟﻪ )‪ (2-b‬ﺧﻮاﻫﯿﻢ داﺷﺖ‪:‬‬
‫(‬
‫‪W e = ∫ δ u e L ( u e ) + fv dv‬‬ ‫)‬
‫‪Ve‬‬
‫‪‬‬ ‫‪‬‬
‫‪W e = δ un  ∫ { N} L ( N ) dv{un } + ∫ { N} fvdv ‬‬ ‫)‪(2 − c‬‬
‫‪ e‬‬ ‫‪‬‬
‫‪V‬‬ ‫‪Ve‬‬ ‫‪‬‬
‫ﻫﻤﺎﻧﻄﻮرﯾﮑﻪ در ﻓﺼﻞ ﭘﯿﺶ ﺑﺤﺚ ﺷﺪ‪ ،‬ﻣﻌﻤﻮﻻً از اﻧﺘﮕـﺮال ﮔﯿـﺮي ﺟـﺰء ﺑـﻪ ﺟـﺰء اﺳـﺘﻔﺎده ﮐـﺮده و درﺟـﻪ ي‬
‫ﻣﺸﺘﻘﻬﺎﯾﯽ ﮐﻪ درﻣﻌﺎدﻻت دﺧﺎﻟﺖ ﻣﯽ ﮐﻨﻨﺪﮐﺎﻫﺶ ﻣـﯽ دﻫـﯿﻢ‪.‬درﻧﺘﯿﺠـﻪ درﻋﺒـﺎرت ‪ W‬ﻣﺸـﺘﻘﺎت ‪ δu‬واﻧﺘﮕـﺮال‬
‫ﻫﺎي روي ﻣﺮزﺑﻪ وﺟﻮد ﺧﻮاﻫﺪآﻣﺪ‪ .‬ﭘﺲ ﻋﺒﺎرت ‪ We‬ﺑﻪ ﺻﻮرت زﯾﺮﻧﻮﺷﺘﻪ ﺧﻮاﻫﺪﺷﺪ‪:‬‬
‫= ‪We‬‬ ‫‪∫ ( δ ( ∂u ) [ D ]{∂u } − δ u . f ) dv − ∫ δ u . f‬‬ ‫)‪( 3‬‬
‫‪e‬‬ ‫‪e‬‬ ‫‪e‬‬ ‫‪e‬‬
‫‪v‬‬ ‫‪s‬‬ ‫‪ds‬‬
‫‪e‬‬ ‫‪e‬‬
‫‪V‬‬ ‫‪sf‬‬
‫ﮐﻪ در آن‪:‬‬
‫‪∂u e‬‬ ‫‪∂ 2u e‬‬
‫‪∂u e = u e‬‬ ‫‪...‬‬ ‫‪.....‬‬
‫‪∂x‬‬ ‫‪∂x2‬‬
‫‪ ∂u e ‬‬ ‫‪ ∂ 2u e ‬‬
‫‪∂ (δ u‬‬ ‫‪e‬‬
‫)‬ ‫‪= δu‬‬ ‫‪e‬‬
‫‪δ‬‬ ‫‪ ... δ  2  .....‬‬
‫‪ ∂x ‬‬ ‫‪ ∂x ‬‬
‫]‪ [D‬ﯾــﮏ ﻣــﺎﺗﺮﯾﺲ ﻣﺴــﺘﻘﻞ از ‪ ue‬وﻣﺸــﺘﻘﺎت آن ﺑــﺮاي ﻋﻤﻠﮕﺮﺧﻄــﯽ ‪ L‬ﻣــﯽ ﺑﺎﺷــﺪ‪ [D].‬ﺑــﺮاي ﻋﻤﻠﮕﺮﻫــﺎي‬
‫ﻏﯿﺮﺧﻄﯽ ﺗﺎﺑﻊ‪ ue‬وﻣﺸﺘﻘﺎت ‪ ue‬ﻣﯽ ﺑﺎﺷﺪ‪.‬‬
‫‪ : fs , fv‬ﻧﯿﺮوﻫﺎي ﺣﺠﻤﯽ وﺳﻄﺤﯽ ﻣﯽ ﺑﺎﺷﻨﺪ‪.‬‬
‫‪73‬‬
‫‪ : Ve‬ﺣﺠﻢ ﻋﻨﺼﺮو ‪ : Sfe‬ﻣﺮزاﻟﻤﺎن اﺳﺘﮑﻪ روي آن ﺷﺮاﯾﻂ ﺣﺪ‪‬ي ﻣﺮﺑﻮط ﺑـﻪ ﻧﯿﺮوﻫـﺎي ﺳـﻈﺤﯽ ﺗﻌﺮﯾـﻒ ﺷـﺪه‬
‫اﻧﺪ‪.‬‬
‫ﻣﺜﺎل‪(1‬ﻋﺒﺎرت ﻣﺎﺗﺮﯾﺴﯽ ‪ We‬ﺑﺮاي ﻣﻌﺎدﻻت ﭘﻮاﺳﻮن‬

‫ﻓﺮم اﻧﺘﮕﺮاﻟﯽ ﻋﻨﺼﺮي ‪ We‬ﺑﺮاي ﻣﻌﺎدﻻت ﭘﻮاﺳﻮن ﺑﺎﺣﺬف اﻧﺪﯾﺲ ‪ e‬روي ‪ue‬و‪ δue‬ﺑﻪ ﺻﻮرت زﯾﺮ ﻧﻮﺷـﺘﻪ ﻣـﯽ‬
‫ﺷﻮد‪:‬‬
‫‪ ∂ 2u ∂ 2u‬‬ ‫‪‬‬
‫‪W = ∑ W e =∑ ∫ δ u  2 + 2 + fv  dv =0‬‬
‫‪e‬‬ ‫‪e Ve‬‬ ‫‪ ∂x ∂y‬‬ ‫‪‬‬
‫ﺑﻌﺪاز اﻧﺘﮕﺮال ﮔﯿﺮي ﺟﺰءﺑﻪ ﺟﺰء‪:‬‬
‫‪‬‬ ‫‪‬‬
‫∫ ‪W = ∑ W e =∑ ‬‬
‫‪e  Ve‬‬
‫(‬ ‫)‬
‫‪δ ( ∂u ) [ D ]{∂u} − δ u fv dv −‬‬ ‫∫‬ ‫‪δ‬‬ ‫‪u‬‬ ‫(‬ ‫‪f‬‬‫‪s‬‬ ‫‪−‬‬ ‫‪α‬‬ ‫‪u‬‬ ‫)‬‫‪ds‬‬ ‫‪‬‬
‫‪‬‬
‫‪e‬‬
‫‪‬‬ ‫‪Sf e‬‬ ‫‪‬‬
‫ﮐﻪ درآن‪:‬‬
‫‪ ∂u ‬‬ ‫‪ ∂u ‬‬
‫‪δ ( ∂u ) = δ  ‬‬ ‫‪δ ‬‬
‫‪ ∂x ‬‬ ‫‪ ∂y ‬‬
‫‪∂u‬‬ ‫‪∂u‬‬
‫= ‪∂u‬‬
‫‪∂x‬‬ ‫‪∂y‬‬
‫‪1 0‬‬
‫‪D=‬‬ ‫‪‬‬
‫‪0 1‬‬
‫اﮔﺮ ﻣﺤﯿﻂ درﻧﻈﺮﮔﺮﻓﺘﻪ ﻣﻄﺎﺑﻖ ﺷﮑﻞ )ﮐﻪ ﺑﻪ ﻋﻨﺎﺻﺮ ﻣﺴﺘﻄﯿﻞ ﺷﮑﻞ ‪ Ve‬ﺗﻘﺴﯿﻢ ﺷﺪه ﺑﺎﺷﺪ( ﻣﺴﺘﻄﯿﻠﯽ ﺑﺎﺷﺪوروي‬
‫ﻣﺮزﻫﺎي اﯾﻦ ﻣﺤﯿﻂ دوﺑﺨﺶ ‪ Su‬و‪ Sf‬در ﻧﻈﺮﮔﺮﻓﺘﻪ ﺷﻮﻧﺪ‪:‬‬
‫‪74‬‬
‫ﻣﯽ داﻧﯿﻢ ﮐﻪ اﻧﺘﮕﺮال روي ﻣﺮز ﻓﻘـﻂ ﺑـﺮاي ﻋﻨﺎﺻـﺮ ‪1‬و‪2‬و‪3‬و‪ 4‬ﻣﻮﺟﻮدﺧﻮاﻫـﺪﺑﻮدوﺑﺮاي ﻫﺮﯾـﮏ ﺑﺼـﻮرت زﯾـﺮ‬
‫ﻧﻮﺷﺘﻪ ﻣﯽ ﺷﻮد)‪4‬ﮔﺮﻫﯽ ﺑﺎ‪ 2‬آزادي‪ :‬ﻣﺎﺗﺮﯾﺲ ‪(8*8‬‬
‫∫‬ ‫‪δ u ( x1 , y ) ( fs − α u ( x1 , y ) ) dy‬‬

‫‪y2‬‬
‫‪y1‬‬
‫‪y‬‬
‫‪y2‬‬
‫‪y1‬‬
‫‪x1‬‬ ‫‪x2‬‬ ‫‪x‬‬
‫ﺑﺎاﺳــﺘﻔﺎده ازﻣﻌــﺎدﻻت )‪ (2-b‬در ﻣﻌﺎدﻟــﻪ )‪ (3‬و ﻫﻤﭽﻨــﯿﻦ ﻣﻌــﺪﻻت ﻣﺸــﺎﺑﻪ ﺑــﺮاي ‪ δ ( ∂u e ) , ∂u e‬ﺑــﺮ ﺣﺴــﺐ‬
‫} ‪ δ un , {un‬درﻣﻌﺎدﻟﻪ )‪(3‬ﺑﻪ ﻓﺮم ﻣﺎﺗﺮﯾﺴﯽ زﯾﺮ ﺑﺮاي ‪ We‬ﻣﺠﺰاﺷـﺪه ﺧـﻮاﻫﯿﻢ رﺳـﯿﺪﮐﻪ ﭘﺎﯾـﻪ ي روش ﻋﻨﺎﺻـﺮ‬
‫ﻣﺤﺪودﻣﯽ ﺑﺎﺷﺪ‪.‬‬
‫‪W e = δ un‬‬ ‫)} ‪([ K ]{u } − { f‬‬
‫‪n‬‬ ‫)‪(4‬‬
‫]‪ : [K‬ﻣﺎﺗﺮﯾﺲ ﻋﻨﺼﺮي اﺳﺖ وﺑﺮاي ﻋﻤﻠﮕﺮﻫﺎي ﺧﻄﯽ ﻣﺴﺘﻘﻞ از ‪ u‬ﻣﯽ ﺑﺎﺷﺪ‪.‬‬
‫}‪ :{f‬ﺑﺮدارﻋﻨﺼﺮي ﺗﺤﺮﯾﮑﺎت‬
‫}‪ :{un‬ﺑﺮدارﻋﻨﺼﺮي ﻣﺘﻐﯿﺮﻫﺎي ﮔﺮﻫﯽ‬
‫}‪:{δun‬ﺑﺮدارﻋﻨﺼﺮي ﺗﻐﯿﯿﺮات ﻣﺘﻐﯿﺮﻫﺎي ﮔﺮﻫﯽ ﻣﯽ ﺑﺎﺷﻨﺪ‪.‬‬
‫ﻓﺮم اﻧﺘﮕﺮاﻟﯽ ﮐﻠﯽ)‪ (2- a‬ﺑﺎﺟﻤﻊ اﻧﺘﮕﺮال ﻫﺎي ﻋﻨﺼﺮي )‪(4‬ﺑﺪﺳﺖ ﻣﯽ آﯾﺪ‪:‬‬
‫‪W = ∑ W e = ∑ δ un‬‬ ‫‪([ K ]{u } − { f }) = 0‬‬

‫‪n‬‬ ‫) ‪(5 − a‬‬
‫‪e‬‬ ‫‪e‬‬
‫واﯾﻦ ﻓﺮم ﺑﻪ ﺻﻮرت زﯾﺮﺷﮑﻞ داده ﻣﯽ ﺷﻮد‪:‬‬

‫‪W = δU n‬‬ ‫‪([ K ]{U } − {F }) = 0‬‬
‫‪n‬‬ ‫) ‪(5 − b‬‬
‫ﮐﻪ درآن ]‪ [K‬و}‪{Un‬و}‪{δUn‬و}‪{F‬ﻣﺎﺗﺮﯾﺲ و ﺑﺮدارﻫﺎي ﮐﻠﯽ ﻫﺴـﺘﻨﺪ‪.‬ﮔﺬارازﻣﻌﺎدﻟـﻪ )‪(5-a‬ﺑـﻪ ﻣﻌﺎدﻟـﻪ‬
‫)‪(5-b‬ﺗﻮﺳﻂ روش ﺟﻤﻊ ﻣـﺎﺗﺮﯾﺲ ﻫـﺎي ﻋﻨﺼـﺮي اﻧﺠـﺎم ﻣـﯽ ﭘـﺬﯾﺮدواﺟﺎزه ﻣـﯽ دﻫﺪﮐـﻪ ﺑـﺮاي ﮐـﻞ ﻋﺒـﺎرات‬
‫ﻣﺎﺗﺮﯾﺴﯽ وﺑﺮدارﻫﺎي ﻋﻨﺼﺮي‪،‬ﻋﺒﺎرات ﻣﺎﺗﺮﯾﺴﻬﺎوﺑﺮدارﻫﺎي ﮐﻠﯽ ]‪[K‬و}‪{F‬ﺳﺎﺧﺘﻪ ﺷﻮﻧﺪ‪.‬اﯾﻦ ﻣﺒﺤﺚ در ﻫﻤـﯿﻦ‬
‫ﺑﺨﺶ ﻣﻮردﺗﻮﺟﻪ ﻗﺮارﺧﻮاﻫﺪﮔﺮﻓﺖ‪.‬‬
‫‪75‬‬
‫ازآﻧﺠﺎﯾﯿﮑﻪ ‪ W‬ﺑﺠﺎي ﺗﻤﺎم ﻣﻘﺎدﯾﺮ>‪ <δUn‬ﺑﺎﯾﺪﺻﻔﺮﺑﺎﺷﺪ‪،‬ﺳﯿﺴﺘﻢ ﻣﻌﺎدﻻت زﯾﺮﺑﺮﺣﺴﺐ}‪{Un‬‬

‫ﺑﺪﺳﺖ ﻣﯽ آﯾﺪ‪:‬‬
‫} ‪[ K ]{Un } = {F‬‬ ‫) ‪(5 − c‬‬
‫‪∂ 2 u ∂u‬‬
‫ﻇﺎﻫﺮﻣﯽ ﺷﻮﻧﺪﮐﻪ ﻓﺮم اﻧﺘﮕﺮاﻟـﯽ ﻣﺮﺑﻮﻃـﻪ‬ ‫‪,‬‬ ‫درﻣﺴﺎﯾﻞ ﻏﯿﺮﭘﺎﯾﺎ)‪ (non stationnaire‬ﻋﺒﺎراﺗﯽ از ﻗﺒﯿﻞ‬
‫‪∂t 2 ∂t‬‬
‫ﺑﻪ ﺷﮑﻞ زﯾﺮ ﺑﻪ ﻣﻌﺎدﻻت )‪(2-a‬اﻓﺰوده ﺧﻮاﻫﻨﺪ ﺷﺪ‪:‬‬
‫‪∂u e‬‬ ‫‪e ∂ u‬‬
‫‪2 e‬‬
‫‪W = ∫ δu‬‬
‫‪e‬‬
‫‪dv , W = ∫ δ u‬‬
‫‪e‬‬ ‫‪e‬‬
‫‪dv‬‬ ‫) ‪(6 − a‬‬
‫‪Ve‬‬
‫‪∂t‬‬ ‫‪Ve‬‬
‫‪∂t 2‬‬
‫اﯾﻦ ﻋﺒﺎرات ﭘﺲ از ﻣﺠﺰاﺳﺎزي ﺑﺎاﺳﺘﻔﺎده ازﻣﻌﺎدﻻت)‪(2-b‬ﺑﻪ ﺻﻮرت زﯾﺮدرﻣﯽ آﯾﻨﺪ‪:‬‬
‫‪ dun ‬‬ ‫‪ d 2 un ‬‬
‫‪W = δ un [ c ] ‬‬
‫‪e‬‬
‫‪ , W = δ un [ m]  2 ‬‬
‫‪e‬‬
‫‪ dt ‬‬ ‫‪ dt ‬‬

‫) ‪[ c] = [ m] = ∫ { N} N dv ( 6 − b‬‬
‫‪Ve‬‬
‫ﮐﻪ اﯾﻦ ﻣﺎﺗﺮﯾﺴﻬﺎ‪،‬ﻣﺎﺗﺮﯾﺴﻬﺎي ﻋﻨﺼﺮي ﺟﺮم و ﻣﯿﺮاﯾﯽ ﺧﻮاﻫﻨﺪ ﺑﻮد‪[m]).‬و]‪( [c‬‬

‫ﺑﺎﻗﯿﻤﺎﻧﺪه ﻋﻨﺼﺮي راﺑﺎﻣﻌﺎدﻟﻪ زﯾﺮ ﺗﻌﺮﯾﻒ ﻣﯽ ﮐﻨﯿﻢ‪:‬‬
‫} ‪{r } = { f } − [ k]{un‬‬ ‫)‪(6 − c‬‬
‫وﺑﺎﻗﯿﻤﺎﻧﺪه ﮐﻠﯽ ﺑﺎ ﺟﻤﻊ ﺑﺎﻗﯿﻤﺎﻧﺪه ﻫﺎي ﻋﻨﺼﺮي ﺑﺪﺳﺖ ﻣﯽ آﯾﺪ‪:‬‬
‫} ‪{R} = ∑ {r } = [ F ] − [ K ]{U n‬‬ ‫) ‪(6 − d‬‬

‫‪e‬‬
‫‪.2‬ﻓﺮم اﻧﺘﮕﺮاﻟﯽ ﻋﻨﺼﺮي ﻣﺠﺰاﺷﺪه‪We‬‬

‫‪(2-1‬ﻋﺒﺎرت ﻣﺎﺗﺮﯾﺴﯽ ‪We‬‬
‫ﺑﺎاﺳﺘﻔﺎده ازﺗﻘﺮﯾﺐ ﻋﻨﺼﺮي ﺑﺮاي ‪u‬و ‪ δu‬وﻣﺸﺘﻘﺎت آﻧﻬﺎ واﺳﺘﻔﺎده از ﻣﻌﺎدﻟﻪ )‪(3‬ﻣـﯽ ﺗـﻮان ﻓـﺮم ﻣﺠﺰاﺷـﺪه ‪We‬‬
‫راﺑﺪﺳﺖ آورد‪:‬‬
‫} ‪u = N {u n‬‬
‫‪∂u‬‬ ‫‪∂N‬‬
‫=‬ ‫} ‪{un‬‬
‫‪∂x‬‬ ‫‪∂x‬‬
‫‪M‬‬ ‫) ‪(7 − a‬‬
‫} ‪δ u = N {δ un‬‬
‫‪ ∂u ‬‬ ‫‪∂N‬‬
‫=‪δ ‬‬ ‫} ‪{δ un‬‬
‫‪ ∂x ‬‬ ‫‪∂x‬‬
‫‪M‬‬
‫‪76‬‬
:‫درﻧﺘﯿﺠﻪ‬
 u   N 
 ∂ u   ∂N 
{∂ u } =   =   {u } = [ B ]{u }
 n
 ∂x   ∂x
n

 M   M
 
(7 − b )
 δu   N 
   
 ∂ u    ∂N
{ ( )} δ
δ ∂ u =   =
 {δ u } = [ B ]{δ u }
 ∂x    ∂ x  n δ n
  
 M   M
 
( u , ∂u ‫ﻣﺎﺗﺮﯾﺲ ﻣﺸﺘﻘﺎت)ارﺗﺒﺎط‬: [B]
:‫ ﺑﺎﺷﺪ‬auto-adjoint ‫ﮐﻪ‬ l ‫ﺑﺮاي ﻋﻤﻠﮕﺮ‬

{δ ( ∂u )} ≡ δ ({∂u}) ; [ B ] ≡ [ B]
δ
:‫(ﺑﻪ ﺻﻮرت زﯾﺮﻧﻮﺷﺘﻪ ﻣﯿﺸﻮد‬7)‫(ﺑﺎ اﺳﺘﻔﺎده ازﻣﻌﺎدﻻت‬3)‫درﻧﺘﯿﺠﻪ ﻣﻌﺎدﻟﻪ‬

 
W e = δ un  ∫ [ Bδ ] [ D ][ B] dv{un } − ∫ { N} fvdv − ∫ { N} fs ds  (8 − a )
T
 Ve 
 Ve Sf e 
:(4) ‫ﺑﺎﻣﻘﺎﯾﺴﻪ ﺑﺎ ﻣﻌﺎدﻟﻪ‬
[ K ] = ∫ [ Bδ ] [ D][ B]dv (8 − b )
T
Ve
{ f } = ∫ { N} fv dv + ∫ { N} fs ds (8 − c )
Ve Sfe
{ f} = volume + surface
‫(ﻋﺒﺎرت ﻣﺎﺗﺮﯾﺴﯽ ﻣﻌﺎدﻻت ﭘﻮاﺳﻮن‬2‫ﻣﺜﺎل‬

:‫ روي ﻋﻨﺼﺮﺑﻪ ﺻﻮرت زﯾﺮﻧﻮﺷﺘﻪ ﻣﯽ ﺷﻮد‬u ‫ﺗﻘﺮﯾﺐ‬
u = N {u n }
 ∂u   ∂N 
 ∂x   ∂x 
∂ {u} =   =  {δ u n } = [ Bδ ]{δ u n } = [ B]{δ u n }
 ∂u   ∂N 
 
 ∂y   ∂y 
77
‫دراﯾﻦ ﺣﺎﻟﺖ ]‪ [ Bδ ] ≡ [ B‬زﯾﺮا ﻻﭘﻼﺳﯿﻦ ﯾﮏ ﻋﻤﻠﮕﺮ ‪ auto-adjoint‬ﻣﯽ ﺑﺎﺷﺪ‪.‬‬

‫}‪[ K ] = ∫ [ B] [ D ][ B]dv + ∫ α { N‬‬
‫‪T‬‬
‫‪N ds‬‬
‫‪e‬‬ ‫‪e‬‬
‫‪V‬‬ ‫‪Sf‬‬
‫ﻣﺎﺗﺮﯾﺲ ‪ K‬ﻣﺘﻘﺎرن اﺳﺖ‪.‬‬

‫‪{ f } = ∫ { N} fv dv + ∫ { N} fs ds‬‬
‫‪Ve‬‬ ‫‪Sfe‬‬
‫ﯾـﮏ ﮔﺴـﺘﺮش دﯾـﺮاك‬ ‫‪fs‬‬ ‫درروي ﺳـﻄﺢ ﻣﺘﻤﺮﮐـﺰ ﺑﺎﺷـﺪ‪،‬ﺗﺎﺑﻊ‬ ‫‪x = xi‬‬ ‫درﺣﺎﻟﺘﯽ ﮐﻪ ﺑﺎرﮔﺬاري درﻧﻘﻄﻪ‬
‫) ‪fs ( xi ) = fiδ ( xi‬‬ ‫) ‪ δ ( xi‬ﺧﻮاﻫﺪ ﺑﻮد ‪.‬‬
‫وﺑﺮدار } ‪ { f‬ﻣﺮﺑﻮط ﺑﻪ ﺻﻮرت ‪ { f } = { N ( xi )} fi‬ﻧﻮﺷﺘﻪ ﻣﯽ ﺷﻮد‪.‬‬
‫‪ (2-2‬ﻓﺮم اﻧﺘﮕﺮاﻟﯽ‪ We‬روي ﻋﻨﺼﺮ ﻣﺒﻨﺎ‬

‫ﻣﻌﻤﻮﻻًﺗﻮاﺑﻊ درون ﯾـﺎﺑﯽ روي ﻋﻨﺼـﺮ ﻣﺒﻨـﺎ ﺑـﻪ ﺻـﻮرت ) ‪ N ( ξ‬داده ﻣـﯽ ﺷـﻮد‪.‬ﻋﺒـﺎرات ‪ We‬در)‪(3‬و)‪(8‬ﺷـﺎﻣﻞ‬
‫ﻣﻮاردزﯾﺮﻣﯽ ﺑﺎﺷﺪ‪:‬‬
‫‪-‬ﻣﺸﺘﻘﺎت ‪ u‬و ‪ δu‬ﻧﺴﺒﺖ ﺑﻪ ‪x‬‬
‫‪-‬ﻣﺘﻐﯿﺮﻫﺎي ﮔﺮﻫﯽ ‪ δ un , un‬ﺑﻮده ودرﻋﻨﺎﺻﺮﻣﺨﺘﻠﻒ ﻣﻘﺎدﯾﺮﮔﺮﻫﯽ ﻣﺸﺘﻘﺎت ‪ u‬و‪ δu‬ﻧﺴﺒﺖ ﺑﻪ ‪ x‬ﻣﯿﺒﺎﺷﺪ‪.‬‬
‫‪-‬اﻧﺘﮕﺮال ﮔﯿﺮي روي ﻋﻨﺼﺮواﻗﻌﯽ ‪Ve‬‬
‫ﻟﺬا ﻻزم اﺳﺖ ﮐﻪ ﻣﺸﺘﻘﺎت ﻧﺴﺒﺖ ﺑﻪ ‪ x‬و اﻧﺘﮕﺮال ﮔﯿﺮي روي ‪ Ve‬ﺑﻪ ﻣﺸﺘﻘﺎت ﻧﺴﺒﺖ ﺑﻪ ‪ ξ‬واﻧﺘﮕﺮال ﮔﯿـﺮي روي‬
‫ﻋﻨﺼﺮ ﻣﺒﻨﺎ ‪ Vr‬ﺗﺒﺪﯾﻞ ﺷﻮﻧﺪ‪.‬‬
‫‪(2-2-1‬ﺗﺒﯿﻞ ﻣﺸﺘﻘﺎت ﻧﺴﺒﺖ ﺑﻪ ‪x‬‬
‫وﻋﺒـﺎرات ﻋﮑـﺲ ﻣـﺎﺗﺮﯾﺲ ژاﮐـﻮﺑﯿﻦ‬ ‫‪u,ξξ , u,ζ , u,η , u,ξ‬‬ ‫ﻧﺴـﺒﺖ‬ ‫ﻣﺸﺘﻘﺎت ‪u, xx , u, z , u, y , u, x‬‬
‫]‪ [ j ] = [ y‬ﮐﻪ ازﺗﺒﺪﯾﻞ ﻫﻨﺪﺳﯽ ﺑﺪﺳﺖ آﻣﺪه اﻧﺪﺑﺮﺣﺴﺐ رواﺑﻄﯽ ﺑﯿﺎن ﻣـﯽ ﮔﺮدﻧـﺪ‪،‬ﻣﺜﻼ ﺑـﺮاي ﯾـﮏ ﺑﻌـﺪ ﻣـﯽ‬
‫‪−1‬‬
‫ﺗﻮان ﻧﻮﺷﺖ‪:‬‬
‫} ‪u (ξ ) = N ( ξ ) {un‬‬
‫) ‪du d ξ du dξ dN (ξ‬‬
‫=‬ ‫=‬ ‫} ‪{un‬‬
‫‪dx dx dξ dx‬‬ ‫‪dξ‬‬
‫ﻋﺒﺎرت)‪(7-b‬ﻣﺎﺗﺮﯾﺲ ]‪ [B‬ﻣﯽ ﺗﻮاﻧﺪﺑﻪ ﻓﺮم زﯾﺮﺗﻐﯿﯿﺮﻓﺮم ﯾﺎﺑﺪ‪:‬‬
‫‪[ B] = [Q ]  Bξ ‬‬
‫‪78‬‬
‫‪ :  Bξ ‬ﻣﺎﺗﺮﯾﺴﯽ اﺳﺖ ﻣﺸﺎﺑﻪ ﻣﺎﺗﺮﯾﺲ ﻣﺸﺘﻘﺎت ]‪ [ B‬وﻟﯿﮑﻦ ﺑﺮاﺳﺎس ﻣﺸﺘﻘﺎت ﺑﺮﺣﺴـﺐ ‪ ξ‬ﺗﻮاﺑـﻊ درون ﯾـﺎﺑﯽ‬
‫)‪ N(ξ‬درآن درﻧﻈﺮﮔﺮﻓﺘﻪ ﺷﺪه اﻧﺪ‪.‬‬
‫] ‪ [Q‬ﻣﺎﺗﺮﯾﺴﯽ اﺳﺖ ﮐﻪ ﺗﺮﻣﻬﺎي ﻣﺎﺗﺮﯾﺲ ژاﮐﻮﺑﯿﻦ درآن ﻣﻮﺟﻮد ﻣﯽ ﺑﺎﺷﺪ‪.‬‬
‫**ﻫﻤﻮژن)ﻫﻤﮕﻦ(‪ :‬روي ﯾﮏ ﻣﺤﻮر‬
‫اﻧﯿﺰوﺗﺮوﭘﯽ‪:‬روي ﻣﺤﻮرﻫﺎي ﻣﺨﺘﻠﻒ‪:‬‬
‫‪ -‬اﻧﯿﺰوﺗﺮوﭘﯽ ﻫﯿﺪروﻟﯿﮑﯽ ‪:‬ﺗﻐﯿﯿﺮات ‪kx , k y‬‬
‫‪ -‬اﻧﯿﺰوﺗﺮوﭘﯽ ﻣﮑﺎﻧﯿﮑﯽ ‪ :‬ﺗﻐﯿﯿﺮات ‪Ex , E y‬‬
‫ﻣﺜﺎل‪(3‬ﺗﺒﺪﯾﻞ ﻣﺎﺗﺮﯾﺲ ]‪ [B‬ﻓﺮم اﻧﺘﮕﺮاﻟﯽ ﭘﻮاﺳﻮن‬
‫‪‬‬ ‫‪∂N   ∂ξ‬‬ ‫‪∂η ‬‬ ‫‪‬‬ ‫‪∂N ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪∂x   ∂x‬‬ ‫‪∂x ‬‬ ‫‪‬‬ ‫‪∂ξ ‬‬
‫‪[ ] ‬‬
‫‪B‬‬ ‫=‬ ‫‪=‬‬ ‫‪‬‬
‫‪‬‬
‫‪= [Q ]  Bξ ‬‬
‫‪∂N   ∂ξ‬‬ ‫‪∂η ‬‬ ‫‪∂N ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪∂y   ∂y‬‬ ‫‪∂y ‬‬ ‫‪‬‬ ‫‪∂η ‬‬
‫دراﯾﻦ ﺣﺎﻟﺖ ] ‪ [ Q] = [ J‬ودرﻧﺘﯿﺠﻪ ‪:‬‬
‫‪−1‬‬
‫‪[ K ] = ∫  Bξ  [Q ]T [ D ][Q ]  Bξ  dv‬‬

‫‪T‬‬
‫‪Ve‬‬
‫‪(2-2-2‬ﺗﺒﺪﯾﻞ ﻣﺘﻐﯿﺮﻫﺎي ﮔﺮﻫﯽ‬

‫درﺻﻮرﺗﯿﮑﻪ ﻋﻨﺼﺮ‪،‬ﻋﻨﺼﺮﻣﺨﺘﻠﻂ ﻧﺒﺎﺷﺪﺗﻐﯿﯿﺮي ﺣﺎﺻﻞ ﻧﻤﯽ ﮔﺮدد‪.‬درﺻﻮرﺗﯿﮑﻪ ﺑﺎ ﻋﻨﺎﺻﺮ ﻣﺨﺘﻠﻂ ﺳﺮوﮐﺎرداﺷﺘﻪ‬
‫ﺑﺎﺷﯿﻢ‪،‬ﻣﺘﻐﯿﺮﻫﺎي ﮔﺮﻫﯽ ‪ {un }ξ‬روي ﻋﻨﺼﺮﻣﺒﻨﺎ و ‪ {un }x‬روي ﻋﻨﺼﺮواﻗﻌﯽ‪،‬ﺑﺎراﺑﻄﻪ زﯾﺮﺑﻬﻢ ﻣﺮﺑﻮط ﻣﯽ ﺷﻮﻧﺪ‪:‬‬
‫‪{un }ξ = [T ]{un }x‬‬
‫‪{δ un }ξ = [T ]{δ un }x‬‬
‫ﻣﺎﺗﺮﯾﺲ ‪ T‬درﻓﺼﻞ ﻣﺮﺑﻮط ﺑﻪ اﻟﻤﺎن ﻫﺎي ﻣﺨﺘﻠﻂ داده ﺷﺪه اﻧﺪ‪.‬اﯾﻦ ﻣﺎﺗﺮﯾﺲ ﺣﺎوي ﺗﺮﻣﻬـﺎي ﻣـﺎﺗﺮﯾﺲ ژاﮐـﻮﺑﯿﻦ‬
‫ﻣﯽ ﺑﺎﺷﺪ‪.‬‬
‫‪(2-2-3‬ﺗﺒﺪﯾﻞ ﺣﻮزه اﻧﺘﮕﺮال ﮔﯿﺮي‬
‫اﻧﺘﮕﺮال ﺣﺠﻤﯽ روي ‪ Ve‬ﺑﺎﯾﺪﺑﺎ اﻧﺘﮕﺮال ﺣﺠﻤﯽ روي‪ Vr‬ﺟﺎﯾﮕﺰﯾﻦ ﺷﻮد‬
‫‪∫ .....dv = ∫ .....det ( J ) dξ dη dζ‬‬ ‫) ‪(10‬‬

‫‪Ve‬‬ ‫‪Vr‬‬
‫‪79‬‬
‫ﺣﺪوداﻧﺘﮕﺮال ﮔﯿﺮي روي ﻋﻨﺎﺻﺮﻣﺒﻨﺎي ﮐﻼﺳﯿﮏ ﺑﺮﺣﺴﺐ ‪ ξ‬ﺑﻪ ﺷﺮح زﯾﺮﻧﺪ‪:‬‬

‫• ﯾﮏ ﺑﻌﺪي‬
‫‪ξ =1‬‬
‫∫‬ ‫‪......det ( J )d ξ‬‬
‫‪ξ =−1‬‬
‫• دو ﺑﻌﺪي‬
‫‪ξ =1 η =1−ξ‬‬
‫∫ ∫‬ ‫‪.......det( J ) dη dξ‬‬ ‫ﻣﺜﻠﺚ‬
‫‪ξ =0 η =0‬‬
‫‪ξ =1‬‬ ‫‪η =1‬‬
‫∫ ∫‬
‫‪ξ =−1 η =−1‬‬
‫‪.......det( J ) dη d ξ‬‬ ‫ﭼﻬﺎرﺿﻠﻌﯽ‬
‫• ﺳﻪ ﺑﻌﺪي‬
‫‪ξ =1 η =1−ξ‬‬ ‫‪ζ =1−ξ −η‬‬
‫∫ ∫‬ ‫∫‬ ‫‪......det ( J ) d ζ dη d ξ‬‬ ‫ﭼﻬﺎروﺟﻬﯽ‬
‫‪ξ =0 η = 0‬‬ ‫‪ζ =0‬‬
‫‪ξ =1‬‬ ‫‪η =1‬‬ ‫‪ζ =1‬‬
‫∫ ∫ ∫‬ ‫‪......det ( J ) d ζ dη d ξ‬‬ ‫ﺷﺶ وﺟﻬﯽ‬
‫‪ξ =−1 η =−1 ζ =−1‬‬
‫‪ξ =1 η =1−ξ‬‬ ‫‪ζ =1‬‬
‫∫ ∫ ∫‬ ‫‪......det ( J ) d ζ dη dξ‬‬ ‫ﻣﻨﺸﻮر‬
‫‪ξ =0 η =0‬‬ ‫‪ζ =−1‬‬
‫‪(2-2-4‬ﺗﺒﺪﯾﻞ ﻋﻨﺼﺮ دﯾﻔﺮاﻧﺴﯿﻞ ‪ ds‬دراﻧﺘﮕﺮال ﻣﺮزاﻟﻤﺎن‬

‫‪(a‬اﻧﺘﮕﺮال ﻣﻨﺤﻨﯽ اﻟﺨﻂ دوﯾﺎ ﺳﻪ ﺑﻌﺪي‬
‫اﻧﺘﮕــﺮال ‪ I = ∫ .....ds‬ﺑﺮﺣﺴــﺐ ﻣﺨﺘﺼــﺎت ﻣﻨﺤﻨــﯽ اﻟﺨــﻂ ‪ s‬روي ﻣﻨﺤﻨــﯽ ‪ S‬ﺑــﻪ ﺻــﻮرت زﯾﺮﻧﻮﺷــﺘﻪ‬
‫‪s‬‬
‫ﻣﯿﺸﻮد‪:‬‬
‫) ‪(11 − a‬‬
‫‪s2‬‬
‫‪I = ∫ .... J s ds‬‬
‫‪s1‬‬
‫ﻣﺨﺘﺼﺎت ‪ s‬ﻣﻌﻤﻮﻻ ﯾﮑﯽ از ﻣﺘﻐﯿﺮﻫﺎي ‪ ζ ,η , ξ‬ﻣﯽ ﺑﺎﺷـﺪ و ﻣﻨﺤﻨـﯽ ‪ S‬ﯾﮑـﯽ از روﯾـﻪ ﻫـﺎي اﻟﻤـﺎن‬
‫ﻣﺒﻨﺎ ﮐﻪ روي آن ﻧﻘﻄﻪ اي ﮐﻪ ﺑﺮﺣﺴﺐ ﭘﺎراﻣﺘﺮ ‪ s‬ﺗﻌﺮﯾﻒ ﺷﺪه اﺳﺖ اﺧﺘﯿﺎرﻣﯽ ﮔﺮدد‬
‫} ‪X = N ( s ) { Xn‬‬
‫) ‪(11 − b‬‬
‫‪J s = X, s 2 + Y, s 2 + Z, s 2‬‬
‫‪80‬‬
‫ﻣﺜﺎل‪:‬اﻧﺘﮕﺮال روي روﯾﻪ ي ﯾﮏ ﻋﻨﺼﺮﭼﻬﺎرﮔﺮﻫﯽ‬
‫‪η‬‬
‫‪4‬‬ ‫‪y‬‬
‫‪3‬‬
‫‪η‬‬
‫‪ξ‬‬ ‫‪3‬‬
‫‪2‬‬
‫‪x‬‬
‫‪1‬‬ ‫‪2‬‬
‫اﻧﺘﮕﺮال ﺑﺮاي روﯾﻪ ‪ ξ=1‬ﻋﻨﺼﺮ ﭼﻬﺎرﺿﻠﻌﯽ ﻋﺮﺿﻪ ﻣﯽ ﺷﻮد‪:‬‬

‫‪s ≡η‬‬ ‫‪ds = dη‬‬
‫‪1‬‬
‫= ‪N‬‬ ‫) ‪(1 + ξ )(1 − η ) ; (1 − ξ )(1 − η ) ; (1 + ξ )(1 + η ) ; (1 − ξ )(1 + η‬‬
‫‪4‬‬
‫‪1 −η 1 + η‬‬
‫‪N ( s ) = N (ξ = 1,η ) = 0‬‬ ‫‪0‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪1‬‬
‫) ‪x,η = N,η (ξ = 1,η ) { xn } = ( x3 − x2‬‬
‫‪2‬‬
‫‪1‬‬
‫) ‪y,η = ( y3 − y2‬‬
‫‪2‬‬
‫‪ x − x   y − y2 ‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪J s = x,η 2 + y,η 2 =  3 2  +  3‬‬ ‫‪‬‬

‫‪ 2   2 ‬‬
‫روي ﺳﻄﺢ‪:‬‬
‫‪1‬‬
‫‪I = ∫ .......J s dη‬‬
‫‪−1‬‬
‫‪(b‬اﻧﺘﮕﺮال روي ﺳﻄﺢ ﺳﻪ ﺑﻌﺪي‬

‫اﻧﺘﮕــﺮال ‪ ∫ .......ds‬ﺑﺮﺣﺴــﺐ ﻣﺨﺘﺼــﺎت ﺳــﻄﻮح ‪ S 2 , S 1‬ﮐــﻪ درﺣﺎﻟــﺖ ﮐﻠــﯽ ﺗــﺎﺑﻊ ) ‪ (ξ ,η‬ﯾــﺎ‬
‫‪s‬‬
‫) ‪ (ξ , ζ‬وﯾﺎ ) ‪ (η , ζ‬ﻫﺴﺘﻨﺪ ﻧﻮﺷﺘﻪ ﻣﯽ ﺷﻮﻧﺪ‪:‬‬
‫‪∫ ....J ds ds‬‬

‫‪s‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫) ‪(12 − a‬‬
‫‪s‬‬
‫ﮐﻪ ﺳﻄﺢ ‪ S‬ﯾﮑﯽ ازوﺟﻮه ﻋﻨﺼﺮﻣﺒﻨﺎﻣﯿﺒﺎﺷﺪ‪.‬روي اﯾﻦ وﺟﻪ ﻧﻘﻄﻪ اي ﺗﻮﺳﻂ دو ﭘـﺎراﻣﺘﺮ ‪ s1‬و ‪ s2‬درﻧﻈـﺮ‬
‫ﮔﺮﻓﺘﻪ ﺷﺪه اﺳﺖ‬
‫‪81‬‬
‫‪x = N ( s1 , s2 ) { xn } ,....‬‬
‫‪(y‬‬ ‫‪) +(z‬‬ ‫‪) +(x‬‬ ‫) ‪) (12 − b‬‬

‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫= ‪Js‬‬ ‫‪z − z,s1 y,s2‬‬
‫‪, s1 , s2‬‬ ‫‪x − x,s1 z, s2‬‬
‫‪, s1 , s2‬‬ ‫‪, s1‬‬ ‫‪y, s2 − y, s1 x,s2‬‬
‫ﻣﺜﺎل‪:‬اﻧﺘﮕﺮال روي ﯾﮏ اﻟﻤﺎن ﭼﻬﺎر وﺟﻬﯽ ﻫﺸﺖ ﮔﺮﻫﯽ‬
‫‪ζ‬‬ ‫‪z‬‬
‫‪5‬‬ ‫‪8‬‬ ‫‪8‬‬
‫‪5‬‬
‫‪6‬‬ ‫‪7‬‬ ‫‪7‬‬
‫‪η‬‬ ‫‪6‬‬
‫‪y‬‬
‫‪ξ‬‬ ‫‪x‬‬
‫روي ﺳﻄﺢ ‪ ζ=1‬اﻟﻤﺎن ﭼﻬﺎر وﺟﻬﯽ ﻫﺸﺖ ﮔﺮﻫﯽ ﺑﻪ اﯾﻦ ﺻﻮرت اﻧﺘﮕﺮال راﻣﯽ ﻧﻮﯾﺴﯿﻢ‪:‬‬
‫‪s1 = ξ‬‬ ‫‪s2 = η‬‬
‫‪ds1 = d ξ‬‬ ‫‪ds2 = dη‬‬
‫‪1‬‬
‫)‪N( s1, s2 ) = N(ξ,η,ζ =1) = 0;0;0;0;(1−ξ )(1−η) ;(1+ξ )(1−η) ;(1+ξ )(1+η) ;(1−ξ )(1+η‬‬
‫‪4‬‬
‫‪1‬‬
‫) ‪N,ξ (ξ ,η , ζ = 1) = 0;0;0;0; − (1 − η ) ; (1 − η ) ; (1 + η ) ; − (1 + η‬‬
‫‪4‬‬
‫‪1‬‬
‫) ‪N,η (ξ ,η , ζ = 1) = 0;0;0; 0; − (1 − ξ ) ; − (1 + ξ ) ; (1 + ξ ) ; (1 − ξ‬‬
‫‪4‬‬
‫‪x,ξ y,ξ z,ξ = N,ξ { xn } { yn } { zn }‬‬
‫‪x,η y,η z,η = N,η { xn } { yn } { zn }‬‬
‫‪(y‬‬ ‫‪) + (z‬‬ ‫‪) + (x‬‬ ‫)‬

‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫= ‪Js‬‬ ‫‪z − z, s1 y, s2‬‬
‫‪, s1 , s2‬‬ ‫‪x − x, s1 z, s2‬‬
‫‪, s1 , s2‬‬ ‫‪, s1‬‬ ‫‪y, s2 − y,s1 x,s2‬‬
‫‪....J s (ξ ,η ) d ξ dη‬‬
‫‪1‬‬ ‫‪1‬‬
‫∫= ‪I‬‬ ‫∫‬
‫‪−1 −1‬‬
‫‪(2-2-5‬ﻋﺒﺎرت ] ‪ { f } , [ K‬روي ﻋﻨﺼﺮﻣﺒﻨﺎ‪:‬‬

‫اﮔﺮاﻧﺘﮕﺮال ﮔﯿﺮي روي ﻋﻨﺼﺮﻣﺒﻨﺎ ‪ Vr‬اﺳﺘﻔﺎده ﺷﻮد‪،‬ﻋﺒﺎرات ﻣﺎﺗﺮﯾﺲ ] ‪ [ K‬و ﺑﺮدار } ‪ { f‬ﺑﻪ ﺻﻮرت زﯾﺮ‬
‫ﻧﻮﺷﺘﻪ ﻣﯽ ﺷﻮﻧﺪ‪:‬‬
‫‪82‬‬
‫‪[ K ] = ∫  Bδξ  [Qδ ] [ D][Q ]  Bξ  det ( J ) dξ dη dζ‬‬ ‫) ‪(13 − a‬‬

‫‪T‬‬ ‫‪T‬‬
‫‪Vr‬‬
‫↓‬
‫) ‪volume force( weight‬‬
‫‪{ f } = ∫ { N} fv det ( J ) dξ dη dζ + ∫ { N} fs J s ds1 ds2‬‬ ‫) ‪(13 − b‬‬
‫‪Vr‬‬ ‫‪Sfr‬‬
‫↓‬ ‫⇓‬ ‫⇓‬
‫‪surface force‬‬ ‫‪volume‬‬ ‫‪surface‬‬
‫)‪( Newman condition‬‬
‫ﻣﺎﺗﺮﯾﺴﻬﺎي ]‪ [ Q ] , [ B‬درﻣﻌﺎدﻻت ‪ 9‬و ‪ Js‬درﻋﺒﺎرات ) ‪(13-b‬و)‪(12-b‬داده ﺷﺪه اﻧﺪ‪.‬‬

‫‪(2-3‬ﻓﺮم ﮐﻼﺳﯿﮏ ‪ We‬وﻣﺎﺗﺮﯾﺲ ﻋﻨﺼﺮي‪:‬‬
‫ﻣﻌﻤﻮﻻًﻓﺮم اﻧﺘﮕﺮاﻟﯽ ‪ We‬ازﻣﺠﻤﻮﻋﻪ اي ازﺗﺮﻣﻬﺎﯾﻤﺘﻌﺪدي ﺗﺸﮑﯿﻞ ﺷﺪه اﺳﺖ‪.‬ﻣﺜﻼً‬
‫‪‬‬ ‫‪ δ u  ∂u‬‬ ‫‪ ∂u  ∂u ‬‬
‫= ‪We‬‬ ‫‪∫  δ  δ x  . ∂x + δ  ∂y  ∂y‬‬ ‫‪ dv‬‬
‫‪‬‬
‫‪Ve‬‬
‫در ﺟﺪاول ‪ 1‬و ‪ 2‬ﻋﺒﺎرات و ﻓﺮم ﻫﺎي ﺻﺮﯾﺢ ﻣﺎﺗﺮﯾﺲ ﻋﻨﺼﺮي وﻣﺎﺗﺮﯾﺲ ﻫﺎي]‪ [B‬و]‪ [D‬ﮐﻪ درﻓﺮم اﻧﺘﮕﺮاﻟﯽ‬
‫ﺑﻪ آن ﺑﺮﻣﯽ ﺧﻮرﯾﻢ داده ﺷﺪه اﻧﺪ‪.‬‬
‫‪(3‬ﺗﮑﻨﯿﮏ ﻣﺤﺎﺳﺒﻪ ﻣﺎﺗﺮﯾﺲ ﻫﺎي ﻋﻨﺼﺮي‬
‫‪(3-1‬ﻣﺤﺎﺳﺒﻪ ﺻﺮﯾﺢ ﻣﻌﺎدﻟﻪ ﭘﻮاﺳﻮن ﺑﺮاي ﯾﮏ ﻋﻨﺼﺮﻣﺜﻠﺜﯽ‬
‫‪η‬‬ ‫‪y‬‬
‫‪3‬‬
‫‪3‬‬
‫‪Ve‬‬
‫‪Vr‬‬ ‫‪1‬‬ ‫‪2‬‬
‫‪ξ‬‬ ‫‪x‬‬
‫‪1‬‬ ‫‪2‬‬
‫‪N = 1 − ξ −η‬‬ ‫‪ξ‬‬ ‫‪η‬‬

‫‪1  y3 − y1‬‬ ‫‪− ( y2 − y1 )‬‬ ‫‪1  x2 − x1‬‬ ‫‪y2 − y1 ‬‬
‫= ]‪[ j‬‬ ‫‪‬‬ ‫‪‬‬ ‫= ] ‪[J‬‬ ‫‪‬‬ ‫‪y3 − y1 ‬‬
‫‪2 A  − ( x3 − x1 ) x2 − x1 ‬‬ ‫‪2 A  x3 − x1‬‬
‫) ‪det( J ) = 2 A = ( x2 − x1 )( y3 − y1 ) − ( x3 − x1 )( y2 − y1‬‬ ‫) ‪(14 − a‬‬
‫‪ −1 1 0 ‬‬ ‫‪∂N‬‬ ‫‪∂N‬‬
‫‪ Bξ  = ‬‬ ‫;‪‬‬ ‫ﻣﯿﺒﺎﺷﺪ ‪.‬‬ ‫وﺳﻄﺮدوم‬ ‫ﺳﻄﺮ اول‬
‫‪−1 0 1‬‬ ‫‪∂η‬‬ ‫‪∂ξ‬‬
‫‪83‬‬
‫‪1  y2 − y3‬‬ ‫‪y3 − y1‬‬ ‫‪y1 − y2 ‬‬ ‫‪1 0‬‬

‫= ‪[ B] = [ j ]  Bξ ‬‬ ‫‪‬‬ ‫‪x2 − x1 ‬‬
‫‪D =κ ‬‬ ‫‪‬‬
‫‪2 A  x3 − x2‬‬ ‫‪x1 − x3‬‬ ‫‪0 1‬‬
‫ﮐﻪ ‪ κ‬ﺿﺮﯾﺐ ﻫﺪاﯾﺖ ﻫﻤﺴﺎن ﻣﯽ ﺑﺎﺷﺪﮐﻪ درﻣﻌﺎدﻻت ﻻﭘﻼس ‪ 1‬درﻧﻈﺮﮔﺮﻓﺘﻪ ﻣﯽ ﺷﻮد‪.‬‬

‫‪1−ξ‬‬
‫‪[ K ] = ∫0 ∫0‬‬ ‫‪κ [ B] [ B] det ( J ) dη d ξ‬‬
‫‪1‬‬ ‫‪T‬‬
‫ﻣﺎﺗﺮﯾﺲ ]‪ [B‬ﺛﺎﺑﺖ ودرﻧﺘﯿﺠﻪ ]‪ K = A.κ .[ B] [ B‬ﺑﺪﺳﺖ ﻣﯽ آﯾﺪ‪.‬‬

‫‪T‬‬
‫‪ ( y3 − y2 )2‬‬ ‫) ‪( y3 − y2 )( y1 − y3‬‬ ‫) ‪( y2 − y1 )( y3 − y2‬‬ ‫‪‬‬

‫‪‬‬ ‫‪‬‬
‫) ‪+ ( x3 − x2‬‬ ‫) ‪+ ( x3 − x2 )( x1 − x3‬‬ ‫) ‪+ ( x2 − x1 )( x3 − x2‬‬
‫‪2‬‬
‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪κ ‬‬ ‫‪( y3 − y1 ) 2‬‬ ‫) ‪( y1 − y3 )( y2 − y1‬‬
‫‪2‬‬
‫‪[ K] = ‬‬ ‫)‪ (15‬‬

‫‪4A‬‬ ‫) ‪+ ( x3 − x1‬‬ ‫) ‪+ ( x1 − x3 )( x2 − x1‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪( y2 − y1 )22‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪sym‬‬ ‫) ‪+ ( x2 − x1‬‬ ‫‪3*3‬‬
‫اﮔﺮ ﻋﻨﺼﺮ واﻗﻌﯽ ﻣﺜﻞ ﻋﻨﺼﺮﻣﺒﻨﺎ ﺑﺎﺷﺪ دراﯾﻦ ﺣﺎﻟﺖ‪:‬‬
‫‪x1 = y1 = 0 ; x2 = a ; y2 = 0 ; x3 = 0 ; y3 = a‬‬
‫‪2 − 1 − 1 ‬‬
‫‪κ‬‬
‫‪[ K ] =  1 0 ‬‬ ‫) ‪(16‬‬
‫‪2‬‬
‫‪ sym‬‬ ‫‪1‬‬
‫و ﻣﺎﺗﺮﯾﺲ ﺟﺮم‪:‬‬
‫‪1 1−ξ‬‬
‫}‪[ m] == ∫0 ∫0 {N‬‬ ‫‪N det ( J ) dη d ξ‬‬
‫‪ 2 1 1‬‬
‫‪[ m] =  2 1 ‬‬
‫‪A‬‬
‫‪12 ‬‬
‫‪‬‬ ‫‪2 ‬‬
‫ﺑﺮدار }‪{f‬ﺑﺎ ﻓﺮض ‪ fv‬ﺛﺎﺑﺖ و ‪ fs‬ﺻﻔﺮ ﺑﻪ ﺻﻮرت زﯾﺮ اﺳﺖ‪:‬‬
‫‪1‬‬
‫‪Af‬‬ ‫‪‬‬
‫‪{ f} = v‬‬ ‫‪1‬‬
‫‪3‬‬ ‫‪1‬‬
‫‪‬‬
‫‪(3-2‬درﺣﺎﻟﺖ ﮐﻠﯽ ﺟﻬﺖ ﻣﺤﺎﺳﺒﻪ ﻣـﺎﺗﺮﯾﺲ ﺳـﺨﺘﯽ ﻋﻨﺼـﺮي ﺑﺎﯾـﺪازاﻧﺘﮕﺮال ﮔﯿـﺮي ﻋـﺪدي اﺳـﺘﻔﺎده‬
‫ﻧﻤﻮد‪.‬روﺷﻬﺎي اﻧﺘﮕﺮال ﮔﯿﺮي ﻋﺪدي در ﺑﺨﺶ دﯾﮕﺮي ﺑﺎ ﺟﺰﺋﯿﺎت ﺗﻮﺿﯿﺢ داده ﺷﺪه اﻧﺪ‪.‬دراﯾﻨﺠـﺎﻓﻘﻂ‬
‫ﮔﺎم ﻫﺎي ﻻزم ﺟﻬﺖ ﻣﺤﺎﺳﺒﻪ ﻣﺎﺗﺮﯾﺲ ﺳﺨﺘﯽ وﺑﺮدارﻧﯿﺮوي ﻋﻨﺼﺮي ذﮐﺮ ﻣﯽ ﺷﻮﻧﺪ‪.‬‬
‫‪(a‬ﻋﻤﻠﯿﺎت ﻣﺸﺘﺮك درﻫﻤﻪ ﻋﻨﺎﺻﺮﻣﺸﺘﺮك)داراي ﯾﮏ ﻋﻨﺼﺮﻣﺒﻨﺎ(‬
‫‪84‬‬
‫‪-‬ﻣﺤﺎﺳﺒﻪ ﻣﺨﺘﺼﺎت ‪ ξr‬وﺿﺮاﯾﺐ وزن دار ‪ Wr‬ﺑﺮاي ﻧﻘﺎط اﻧﺘﮕﺮال ﮔﯿﺮي)درﻣﺘﺪﮔﻮس(‬

‫‪-‬ﻣﺤﺎﺳﺒﻪ ﺗﻮاﺑﻊ ‪ N, N‬وﻣﺸﺘﻘﺎت آﻧﻬﺎ ﺑﺮﺣﺴﺐ ‪ ξ‬درﻧﻘـﺎط اﻧﺘﮕـﺮالﮔﯿـﺮي )درﻋﻨﺎﺻـﺮ اﯾﺰوﭘﺎراﻣﺘﺮﯾـﮏ‬
‫‪( N≡N‬‬
‫‪(b‬ﻋﻤﻠﯿﺎت ﻻزم ﺑﺮاي ﻣﺤﺎﺳﺒﻪ ﻣﺎﺗﺮﯾﺲ ]‪ [K‬ﻫﺮﻋﻨﺼﺮ‬
‫‪-‬ﺷﺮوع ﻋﻤﻠﯿﺎت ﺑﺎ ﺻﻔﺮﮔﺬاري ﮐﻠﯿﻪ ﺗﺮﻣﻬﺎي ﻣﺎﺗﺮﯾﺲ ﺳﺨﺘﯽ‬
‫‪-‬ﺑﺮاي ﻫﺮﻧﻘﻄﻪ اﻧﺘﮕﺮال ﮔﯿﺮي ﻋﻤﻠﯿﺎت زﯾﺮاﻧﺠﺎم ﻣﯽ ﮔﯿﺮد)ﺑﺮاي ﻫﺮ ‪:( ξ r‬‬
‫ﻣﺤﺎﺳﺒﻪ ﻣﺎﺗﺮﯾﺲ ژاﮐﻮﺑﯿﻦ ] ‪ [ J‬ﺑﺎ ﻣﺤﺎﺳﺒﻪ ﻣﺸـﺘﻘﺎت ‪ N‬ﻧﺴـﺒﺖ ﺑـﻪ ‪ ξ‬و ﻣﺸـﺘﻘﺎت ﻣﺨﺘﺼـﺎت‬ ‫‪.I‬‬
‫ﮔﺮه ﻫﺎ و ﻫﻤﭽﻨﯿﻦ ﻣﺤﺎﺳﺒﻪ ﻋﮑﺲ اﯾﻦ ﻣﺎﺗﺮﯾﺲ‪.‬‬
‫ﻣﺤﺎﺳﺒﻪ ﻣﺸﺘﻘﺎت ﺗﻮاﺑﻊ درون ﯾﺎﺑﯽ ‪ N‬ﺑﺮﺣﺴﺐ ‪ x‬ازﻣﺸﺘﻘﺎت ﺑﺮﺣﺴﺐ ‪ξ‬‬ ‫‪.II‬‬
‫ﺳﺎﺧﺘﻦ ﻣﺎﺗﺮﯾﺲ ﻫﺎي ]‪[D‬و]‪[B‬‬ ‫‪.III‬‬
‫ﺟﻤﻊ ﺣﺎﺻﻠﻀﺮب ‪ [ B]T [ D ][ B] det J Wr‬درﻣﺎﺗﺮﯾﺲ]‪[K‬‬ ‫‪.IV‬‬
‫‪(c‬ﻋﻤﻠﯿﺎت ﻻزم ﺟﻬﺖ ﻣﺤﺎﺳﺒﻪ ﻣﺎﺗﺮﯾﺲ ﺟﺮم ]‪[m‬‬
‫‪ -‬ﺷﺮوع ﻋﻤﻠﯿﺎت ﺑﺎ ﺻﻔﺮﮔﺬاري ﻋﺒﺎرات ﻣﺎﺗﺮﯾﺲ ]‪[m‬‬
‫‪-‬ﺑﺮاي ﻫﺮﻧﻘﻄﻪ اﻧﺘﮕﺮال ﮔﯿﺮي ‪:ξr‬‬
‫ﻣﺎﺗﺮﯾﺲ ژاﮐﻮﺑﯿﻦ ودﺗﺮﻣﯿﻨﺎن آن را ﺣﺴﺎب ﻣﯽ ﮐﻨﯿﻢ‪.‬‬
‫ﺣﺎﺻﻠﻀﺮب ‪ { N} N det ( J ) Wr‬را در ﻣﺎﺗﺮﯾﺲ]‪ [m‬ﺟﻤﻊ ﻣﯽ ﮐﻨﯿﻢ‪.‬‬
‫‪ (d‬ﻋﻤﻠﯿﺎت ﻻزم ﺟﻬﺖ ﻣﺤﺎﺳﺒﻪ ﺑﺮدار ﺗﺤﺮﯾﮑﺎت }‪{f‬ﺑﺎ درﻧﻈﺮﮔﺮﻓﺘﻦ ‪ fv‬ﺛﺎﺑﺖ‬

‫‪-‬ﺷﺮوع ﻋﻤﻠﯿﺎت ﺑﺎﺻﻔﺮﮔﺬاري ﻋﺒﺎرات ﺑﺮدار }‪){f‬اول ﻫﺮ ‪Do‬ﺑﺎﯾﺪ ‪ f‬را ﺻﻔﺮﻧﻤﺎﯾﯿﺪ ﺗﺎ ﺑﺮاي ﻫﺮاﻟﻤﺎن‬
‫‪ f‬را ﻣﺠﺪداً در ﻧﻈﺮ ﺑﮕﯿﺮﯾﺪ(‬
‫‪ -‬ﺑﺮاي ﻫﺮﻧﻘﻄﻪ اﻧﺘﮕﺮال ﮔﯿﺮي ‪:ξr‬‬
‫ﻣﺎﺗﺮﯾﺲ ژاﮐﻮﺑﯿﻦ ودﺗﺮﻣﯿﻨﺎن آن را ﺣﺴﺎب ﻣﯽ ﮐﻨﯿﻢ‪.‬‬
‫ﺣﺎﺻﻠﻀﺮب ‪ { N} fv det ( J ) Wr‬را در ﺑﺮدار}‪ {f‬ﺟﻤﻊ ﻣﯽ ﮐﻨﯿﻢ‬
‫‪ (e‬ﻋﻤﻠﯿﺎت ﻻزم ﺟﻬﺖ ﻣﺤﺎﺳﺒﻪ ﺑﺎﻗﯿﻤﺎﻧﺪه }‪{r‬ﺑﺮ ﻣﺒﻨﺎي ﺟﻮاب }‪{un‬‬
‫‪-‬دراﺑﺘﺪا ﺑﺎﻗﯿﻤﺎﻧﺪه ي }‪ {r‬راﺑﺎ }‪ {f‬ﻣﺤﺎﺳﺒﻪ ﺷﺪه در‪ d‬ﻣﺴﺎوي ﻣﯽ ﮔﺬارﯾﻢ‪.‬‬
‫‪ -‬ﺑﺮاي ﻫﺮﻧﻘﻄﻪ اﻧﺘﮕﺮال ﮔﯿﺮي ‪:ξr‬‬
‫ﻣﺎﺗﺮﯾﺴﻬﺎي ]‪ [ J ] , [ D] , [ B‬را ﻣﺎﻧﻨﺪ آﻧﭽﻪ ﮐﻪ در ‪ b‬آﻣﺪ ﻣﯽ ﺳﺎزﯾﻢ‪.‬‬
‫ﺣﺎﺻﻠﻀﺮب ) ‪ [ B] [ D][ B]{un }Wr det ( J‬رادر }‪ {r‬ﺟﻤﻊ ﻣﯽﮐﻨﯿﻢ‪.‬‬
‫‪T‬‬
‫‪85‬‬
‫‪ (f‬ﻋﻤﻠﯿﺎت ﻻزم ﺟﻬﺖ ﻣﺤﺎﺳﺒﻪ ﮔﺮادﯾﺎن }‪ {∂u‬در ﻧﻘﺎط اﻧﺘﮕﺮال ﮔﯿﺮي ﺑﺮ ﻣﺒﻨﺎي ﺟﻮاﺑﻬﺎي }‪{un‬ﺑﺪﺳﺖ آﻣﺪه‪:‬‬
‫‪ -‬ﺑﺮاي ﻫﺮﻧﻘﻄﻪ اﻧﺘﮕﺮال ﮔﯿﺮي‬
‫ﻣﺎﺗﺮﯾﺲ ]‪ [B‬راﻣﯽ ﺳﺎزﯾﻢ‪.‬‬
‫ﮔﺮادﯾﺎن } ‪ {∂u} = [ B]{un‬راﻣﺤﺎﺳﺒﻪ و ﭼﺎپ ﻣﯽ ﮐﻨﯿﻢ‪.‬‬
‫ﻧﺤﻮه ﺟﻤﻊ ﮐﺮدن‬
‫‪86‬‬
‫ﺗﮑﻨﯿﮏ ﺟﻤﻊ ﻣﺎﺗﺮﯾﺴﻬﺎي ﻋﻨﺼﺮي‬

‫ﮔﺎﻣﻬﺎي ﺟﻤﻊ ﻣﺎﺗﺮﯾﺲ‬
‫‪-‬ﺳﺎﺧﺖ ﻣﺎﺗﺮﯾﺲ ﻋﻨﺼﺮي‬
‫‪-‬اﻓﺰودن ﻣﺎﺗﺮﯾﺲ ﻫﺎي ﻋﻨﺼﺮي وﺑﺮدارﻋﻨﺼﺮي در ﻣﺎﺗﺮﯾﺲ ﮐﻠﯽ‬
‫‪-‬ﺗﺸﮑﯿﻞ ﺗﺎﺑﻠﻮي ﻣﺤﻞ ﯾﺎﺑﯽ ﮔﺮه ﻫﺎ‬
‫‪-‬اﻓﺰودن‬
‫‪y‬‬ ‫‪1‬‬ ‫‪3‬‬

‫‪(2‬‬
‫‪(1‬‬
‫‪2‬‬ ‫‪4‬‬
‫‪x‬‬
‫ﻋﻨﺎﺻﺮ‬ ‫ﮔﺮه ﻫﺎ‬

‫‪1‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪4‬‬
‫‪2‬‬ ‫‪1‬‬ ‫‪4‬‬ ‫‪3‬‬
‫‪-‬ﯾﮏ درﺟﻪ آزادي‪:‬‬
‫‪general vector → U r = u1 u2 u3 u4‬‬

‫ﻋﻨﺼﺮ اول‪:‬‬
‫‪un = u1 u2 u4‬‬
‫‪LOCE = 1 2 4‬‬
‫ﻋﻨﺼﺮ دوم‪:‬‬
‫‪un = u1 u4 u3‬‬
‫‪LOCE = 1 4 3‬‬
‫‪87‬‬
‫‪-‬دو درﺟﻪ آزادي‪:‬‬

‫‪general vector → U n = u1 v1‬‬ ‫‪u2 v2‬‬ ‫‪u3 v3‬‬ ‫‪u4 v4‬‬
‫ﻋﻨﺼﺮ اول‪:‬‬
‫‪un = u1 v1‬‬ ‫‪u2 v2‬‬ ‫‪u4 v4‬‬
‫‪LOCE = 1 2‬‬ ‫‪3 4 7 8‬‬
‫ﻋﻨﺼﺮ دوم‪:‬‬
‫‪un = u1 v1‬‬ ‫‪u4 v4‬‬ ‫‪u3 v3‬‬
‫‪LOCE = 1 2‬‬ ‫‪7 8 5 6‬‬
‫درﻧﺘﯿﺠﻪ ﺗﮑﻨﯿﮏ ﺑﻪ ﺻﻮرت زﯾﺮ ﺑﺪﺳﺖ ﻣﯽ آﯾﺪ‪:‬‬

‫ﻫﺮﺗﺮم ﻣﺎﺗﺮﯾﺲ ﻋﻨﺼﺮي ‪ Kij‬ازﻣﺎﺗﺮﯾﺲ ]‪ [K‬ﻋﻨﺼﺮي ﺑﺼﻮرت ‪ Kij e‬ازﻣﺎﺗﺮﯾﺲ ‪ K e ‬‬
‫در ﻣﯽ آﯾﺪ ﺑﻪ ﺻﻮرﺗﯽ ﮐﻪ‪:‬‬
‫) ‪I = LOCE ( i‬‬ ‫‪i = 1, nde‬‬
‫‪nde = ne .ndn‬‬
‫) ‪J = LOCE ( j‬‬ ‫‪j = 1, nde‬‬
‫‪ ne‬ﺷﻤﺎره ﮔﺮه ﻫﺎي ﻫﺮ اﻟﻤﺎن‬ ‫‪ nde‬درﺟﻪ آزادي ﮐﻠﯽ ﻫﺮ اﻟﻤﺎن‬
‫‪ ndn‬درﺟﻪ آزادي ﻫﺮ ﮔﺮه‬
‫و‪:‬‬
‫‪K e IJ = K e LOCE (i ), LOCE ( j ) ≡ Kij‬‬
‫وﺑﺮاي ﺑﺮدار ‪ F‬ﻧﯿﺰ‪:‬‬
‫‪F e I = F e LOCE ( i ) ≡ fi‬‬
‫اﻟﮕﻮرﯾﺘﻢ ﮐﻠﯽ ﭼﻨﯿﻦ اﺳﺖ‪:‬‬

‫‪(1‬ﺗﻤﺎم ﺗﺮﻣﻬﺎي ﻣﺎﺗﺮﯾﺲ ] ‪ [ F ] , [ K‬ﮐﻠﯽ را ﺻﻔﺮ ﻣﯽ ﮐﻨﯿﻢ‪.‬‬
‫‪(2‬ﺑﺮاي ﻫﺮﻋﻨﺼﺮ‬
‫‪-‬ﻫﺮﺗﺮم ‪ Ki j‬را ﺑﻪ ﻣﺎﺗﺮﯾﺲ ‪ K I J‬ﮐﻠﯽ ﺗﺒﺪﯾﻞ ﻣﯽ ﮐﻨﯿﻢ ﺑﺎروش‪:‬‬
‫‪KIJ = KIJ + Kij‬‬ ‫‪i = 1, 2,..., nde‬‬
‫‪j = 1, 2,..., nde‬‬
‫ﮐﻪ‪:‬‬
‫) ‪I = LOCE ( i‬‬
‫) ‪J = LOCE ( j‬‬
‫‪88‬‬
‫‪-‬ﻫﺮﺗﺮم ‪ f i‬راﻧﯿﺰ ﺑﻪ ﻃﺮﯾﻖ ﺑﺎﻻ ﺑﻪ ﻣﺎﺗﺮﯾﺲ ﮐﻠﯽ } ‪ { F‬اﺿﺎﻓﻪ ﻣﯽ ﮐﻨﯿﻢ‪:‬‬

‫‪FI = FI + fi‬‬ ‫‪i = 1, 2,..., nde‬‬
‫) ‪I = LOCE ( i‬‬
‫ﺑﺮﻧﺎﻣﻪ ﺑﻪ ﺻﻮرت زﯾﺮ درﻣﯽ آﯾﺪ‪ IDLE):‬درﺟﻪ آزادي ﻫﺮ اﻟﻤﺎن(‬

‫‪DIMENTION‬‬ ‫‪VKE ( IDLE , IDLE ) , VFE ( IDLE ) , KLOCE ( IDLE ) ,‬‬
‫) ‪VKG ( NEQ, NEQ ) , VFG ( NEQ‬‬
‫‪D o 1 ID = 1, ID LE‬‬
‫) ‪I = KLO C E ( ID‬‬
‫) ‪VF G ( I ) = VF G ( I ) + VF E ( ID‬‬
‫‪D o 1 J D = 1 , ID LE‬‬
‫) ‪J = KLO C E ( J D‬‬
‫‪10‬‬ ‫) ‪VKG ( I , J ) = VKG ( I , J ) + VKE ( ID , J D‬‬
‫‪RE TU RN‬‬
‫‪E ND‬‬
‫‪ :IDLE‬ﺗﻌﺪاددرﺟﻪ آزادي ﻫﺮ اﻟﻤﺎن‬

‫‪ :KLOCE‬ﺑﺮدار ﻋﻨﺼﺮي ﻣﺤﻞ ﯾﺎﺑﯽ‬
‫ﺳﺎﺧﺘﻦ ﺑﺮدار ‪KLOCE‬‬

‫ﺗﺌﻮري‪:‬‬
‫ﯾﮏ درﺟﻪ آزادي‪ :‬ﺗﺎﺑﻠﻮي ‪ LOCE‬ﻣﺜﻞ ﺗﺎﺑﻠﻮي ارﺗﺒـﺎط ﻋﻨﺼـﺮﺑﺎ ﮔـﺮه ﻣـﯽ ﺑﺎﺷـﺪ)ﺗـﺎﺑﻠﻮي ‪(76) (CONEC‬‬
‫)درﺟﺎت آزادي را در ﻫﺮ اﻟﻤﺎن ﮐﻨﺎرﻫﻢ ﻣﯽ ﮔﺬارﯾﻢ(‬
‫ﭼﻨﺪدرﺟﻪ آزادي‪ :‬اﮔﺮﻓﺮض ﮐﻨﯿﻢ ﻣﺘﻐﯿﺮﻫﺎي ﮔﺮﻫﯽ ﺑﻪ ﺗﺮﺗﯿﺐ زﯾﺮﻣﺮﺗﺐ ﺷﺪه ﺑﺎﺷﻨﺪ‪:‬‬
‫} ‪{un‬‬ ‫}‪= {ui vi ... , u j v j ...,...‬‬
‫‪T‬‬
‫‪elemental‬‬
‫} ‪{U n‬‬ ‫}‪= {U1 V1 ... ,U 2 V2 ... ,U n Vn ...‬‬

‫‪T‬‬
‫‪General‬‬
‫‪: i,j‬ﺷﻤﺎره ﮔﺮه ﻫﺎ درﻫﺮ ﻋﻨﺼﺮ و ‪ :n‬ﺷﻤﺎره ﮔﺮه ﻫﺎ در ﮐﻞ ﻫﺴﺘﻨﺪ‪.‬‬
‫‪89‬‬
‫درﺟﻪ آزادي ﮐﻠّﯽ ﻫﺮ اﻟﻤﺎن ﺑﺮاﺑﺮاﺳﺖ ﺑﺎ ﺗﻌﺪادﮔﺮه ﻫﺎي ﻫﺮاﻟﻤﺎن ﺿﺮﺑﺪر درﺟﻪ آزادي ﻫﺮﮔﺮه‪.‬‬
‫‪3n‬‬
‫درﺟﺎت آزادي‬ ‫‪3n-1‬‬
‫‪3n-2‬‬
‫‪nde = ne * ndn‬‬
‫↓‬ ‫↓ ↓‬
‫درﺟﻪ‬ ‫ﺗﻌﺪاد‬ ‫درﺟﻪ‬
‫آزادي‬ ‫ﮔﺮه ﻫﺎي‬ ‫آزادي‬
‫ﮐﻞ ﻫﺮ‬ ‫ﻫﺮ اﻟﻤﺎن‬ ‫ﻫﺮ ﮔﺮه‬
‫اﻟﻤﺎن‬
‫ﺑﺮﻧﺎﻣﻪ ‪: LOCE‬‬
‫(‬
‫‪DIMENTION KCONEC NDE , KLOCE NDE‬‬‫)‬ ‫(‬ ‫)‬
‫‪IDLE‬‬ ‫‪IDLE‬‬
‫‪J =0‬‬
‫‪C‬‬ ‫‪NNEL‬‬
‫‪DO 1 IN =1, NNEL‬‬
‫‪IDO =( KCONEC ( IN ) −1)*NDLN‬‬
‫‪C‬‬
‫‪Do 1 ID =1, NDLN‬‬
‫‪J = J +1‬‬
‫‪KLOCE ( J ) = ID + IDO‬‬
‫‪RETURN‬‬
‫‪END .‬‬
‫‪ :NNEL‬ﺣﻠﻘﻪ روي ﺗﻌﺪاد ﮔﺮه ﻫﺎي ﻫﺮاﻟﻤﺎن‬
‫‪ :NDLN‬درﺟﻪ آزادي ﻫﺮﮔﺮه‬
‫‪90‬‬
‫ﻣﺎﺗﺮﯾﺲ ﻫﺎي ﮐﻠّﯽ‬

‫اﺳﺘﺮاﮐﭽﺮ ﺑﺎﻧﺪي‪:‬‬
‫‪b‬‬
‫‪J‬‬
‫‪bb‬‬
‫‪h‬‬ ‫ﻧﯿﻢ ﺑﺎﻧﺪ‬
‫‪I‬‬ ‫‪h‬‬
‫ﻏﯿﺮﻣﺘﻘﺎرن‬ ‫ﻣﺘﻘﺎرن‬
‫اﺳﺘﺮاﮐﭽﺮ ﺑﺎﻧﺪی‬ ‫)‪I(b+1‬‬
‫)‪I(2b+1‬‬
‫‪Sky-line‬‬
‫‪ K‬ﮐﻪ درآن‪:‬‬
‫‪e‬‬
‫‪IJ‬‬ ‫ﺑﺎ ﺷﻨﺎﺧﺘﻦ ‪= k eij‬‬
‫) ‪I = LOCE ( i‬‬ ‫‪i = 1, 2,..., nde‬‬
‫) ‪J = LOCE ( j‬‬ ‫‪j = 1, 2,..., nde‬‬
‫ﻗﺎﻋﺪه ﺟﻤﻊ ﻣﺎﺗﺮﯾﺴﻬﺎ ﺑﻪ ﺻﻮرت ﻣﺘﻘﺎرن در ﺣﺎﻟﺖ ‪ I‬و ‪ J‬ﻗﺎﺑﻞ اﻋﻤﺎل اﺳﺖ‪.‬ﯾﻌﻨﯽ وﻗﺘﯽ ﮐﻪ ﺗﺮم ‪KIJ‬‬
‫ﻏﯿﺮﺻﻔﺮﻣﻮﺟﻮد ﺑﺎﺷﺪ‪،‬ﺗﺮم ﻏﯿﺮ ﺻﻔﺮ ‪ KJI‬ﻧﯿﺰ ﻣﻮﺟﻮد اﺳﺖ‪.‬ﭘﺲ در ﻧﺘﯿﺠﻪ ﻣﯽ ﺗﻮان ﻓﻘﻂ ﻧﺼﻒ ﺑﺎﻻﯾﯽ را ﺟﻤﻊ‬
‫ﮐﺮد‪.‬ﯾﻌﻨﯽ ﺑﺮﻧﺎﻣﻪ درﺻﻮرﺗﯿﮑﻪ ‪ J f I‬ﺑﺎﺷﺪ ﻧﻮﺷﺘﻪ ﻣﯽ ﺷﻮد‪:‬‬
‫‪91‬‬
‫‪J >I‬‬
‫‪bIJ = J − I‬‬ ‫ﻓﺎﺻﻠﻪ اﻓﻘﯽ‬
‫‪hIJ = bIJ‬‬ ‫ﻓﺎﺻﻠﻪ ﻋﻤﻮدي‬
‫در ﻧﺘﯿﺠﻪ ﺑﺮاي ‪: J>I‬‬

‫) ‪bIJ = J − I = LOCE ( j ) − LOCE ( i‬‬
‫‪e‬‬
‫‪ b‬ﻫﺮ اﻟﻤﺎن‪.‬در ﻧﺘﯿﺠﻪ ﺑﺮاي ﮐﻞ ﺑﺎﯾﺪ ﺑﺰرﮔﺘﺮﯾﻦ‬ ‫‪IJ‬‬ ‫ﻋﺮض ﺑﺎﻧﺪ ذﺧﯿﺮه ﺳﺎزي اﻟﻤﺎن ﺑﺮاﺑﺮ ﺧﻮاﻫﺪ ﺑﻮد ﺑﺎ ﺣﺪاﮐﺜﺮ‬
‫ﻋﻨﺼﺮي را ﭘﯿﺪا ﮐﺮد‪.‬‬ ‫‪b e IJ‬‬
‫‪i = 1, 2,..., nde‬‬

‫) ‪I = LOCE ( i‬‬
‫ﺣﻠﻘﻪ‬ ‫‪j = 1, 2,..., nde‬‬
‫ﺣﻠﻘﻪ‬ ‫‪be I = Max ( LOCE ( j ) − I ) = Max ( LOCE ( j ) ) − I‬‬
‫‪j‬‬ ‫‪j‬‬
‫ﻫﻤﯿﻦ ﮐﺎرﺑﺮاي ﻓﺎﺻﻠﻪ ﻋﻤﻮدي ﺣﺪاﮐﺜﺮ ﺑﺎﯾﺪاﻧﺠﺎم ﺷﻮد‪:‬‬

‫‪j = 1, 2,..., nde‬‬
‫) ‪J = LOCE ( j‬‬
‫‪i = 1, 2,..., nde‬‬
‫) ) ‪h e J = Max ( J − LOCE ( i ) ) = J − Min ( LOCE ( i‬‬
‫‪i‬‬ ‫‪i‬‬
‫‪92‬‬
‫درﻧﺘﯿﺠﻪ ﻋﺮض ﺑﺎﻧﺪ ذﺧﯿﺮه ﺳﺎزي ﻣﺎﺗﺮﯾﺲ ﮐﻠّﯽ ]‪bI = Max ( bI e ) : [K‬‬
‫‪e‬‬
‫واﺿﺢ اﺳﺖ ﮐﻪ روي ﺧﻂ ‪ I‬ﺗﺮﻣﻬﺎي ‪ KIJ‬ﮐﻪ ‪ J > bI + 1‬ﺑﺎﺷﺪ‪،‬ﺻﻔﺮﻫﺴﺘﻨﺪ وروي ﺳﺘﻮن ‪ I‬ﻧﯿﺰ ﺗﺮﻣﻬﺎي ‪K JI‬‬
‫ﮐﻪ ‪ J > bI + 1‬ﺑﺎﺷﺪ‪،‬ﺻﻔﺮﻧﺪ‪.‬‬
‫) (‬
‫‪hJ = Max hJ e‬‬
‫‪e‬‬
‫ﺣﺪاﮐﺜﺮارﺗﻔﺎع ﺳﺘﻮن ‪ J‬ﻧﯿﺰ ﺑﻪ ﺻﻮرت روﺑﺮو در ﻣﯽ آﯾﺪ‪:‬‬
‫) ‪b = Max ( bI‬‬ ‫‪for the all rows of I‬‬
‫‪h = b (symmetry) ⇔ ‬‬
‫) ‪ h = Max ( hJ‬‬ ‫‪for the all columns of J‬‬
‫ﻻزم ﺑﻪ ﺗﺬﮐﺮ اﺳﺖ ﮐﻪ ﺗﺮﻣﻬﺎي ﻗﻄﺮي درﻧﻈﺮﮔﺮﻓﺘﻪ ﻧﺸﺪه اﻧﺪودرﻧﺘﯿﺠﻪ ﺑﺮاي ﻣﺎﺗﺮﯾﺲ ﻗﻄﺮي ‪b‬و‪ h‬ﻣﺴﺎوي ﺻﻔﺮ‬
‫ﻫﺴﺘﻨﺪ‪.‬‬
‫ﻧﮑﺎت‬
‫*در اﺳﺘﺮاﮐﭽﺮ ﺑﺎﻧﺪي ‪ :‬از اوﻟﯿﻦ ﻋﺪد ﺑﺮﺧﻮردي ﺑﻪ ﺻﻔﺮ‪،‬آﻧﺮا ﭘﺎﯾﯿﻦ ﻣﯽ آورد‪.‬‬
‫*ﻣﻌﻤﻮﻻًﻣﺎﺗﺮﯾﺲ ﻫﺎ را ﺑﺎ ﻫﻢ ﺟﻤﻊ ﻧﻤﯽ ﮐﻨﯿﻢ ﺗﺎ ﮐﻼً ﺟﻤﻊ ﺷﻮﻧﺪ‪.‬‬
‫*ﻫﺮﭼﻪ اﺧﺘﻼف ﺷﻤﺎره ﮔﺮه ﻫﺎ ﺑﺮاي ﻫﺮ اﻟﻤﺎن ﮐﻤﺘﺮ ﺑﺎﺷﺪ‪ ،‬ﻣﻘﺪار ‪ b‬ﮐﻤﺘﺮ ﻣﯽ ﺷﻮد‪.‬‬
‫ﻣﺜﺎل‪ :‬ﺑﺎ ﯾﮏ درﺟﻪ آزادي‬
‫‪93‬‬
‫‪member 1 :‬‬ ‫‪LOCE = 1 2‬‬

‫‪bI ( ) = 1 0 0 0‬‬
‫‪1‬‬
‫‪hJ ( ) = 0 1 0 0‬‬
‫‪1‬‬
‫‪member 2 :‬‬ ‫‪LOCE = 2 3‬‬

‫‪bI ( 2 ) = 0 1 0 0‬‬
‫‪hJ ( 2 ) = 0‬‬ ‫‪0 1 0‬‬
‫‪member 3 :‬‬ ‫‪LOCE = 3 4‬‬

‫‪bI ( ) = 0‬‬
‫‪3‬‬
‫‪0 1 0‬‬
‫‪hJ ( ) = 0‬‬
‫‪3‬‬
‫‪0 0 1‬‬
‫‪for genera l ma trix :‬‬

‫‪bI = 1 1 1 0‬‬
‫‪hJ = 0 1 1 1‬‬
‫‪b = h =1‬‬
‫×‪‬‬ ‫‪× ο ο‬‬

‫×‪‬‬ ‫‪× × ο ‬‬
‫‪[ K ] = ‬‬
‫‪ο‬‬ ‫‪× × ×‬‬
‫‪‬‬ ‫‪‬‬
‫‪ο‬‬ ‫‪ο × ×‬‬
‫ﺗﻮﺿﯿﺢ ﻗﺎﻋﺪه ﮐﻠﯽ‪:‬‬
‫ﺑﺎﯾﺪ ﻓﺎﺻﻠﻪ ﺷﻤﺎره ﮔﺮه ﻫﺎ را ﺑﺮاي ﺣﺪاﻗﻞ ﮐﺮدن ﻋﺮض ﺑﺎﻧﺪ ﺑﻪ ﺣﺪاﻗﻞ رﺳﺎﻧﺪ‪.‬‬
‫ﻣﺘﺪﻫﺎي ذﺧﯿﺮه ﺳﺎزي‬

‫‪(1‬ﻣﺎﺗﺮﯾﺲ ﮐﺎﻣﻞ ﻏﯿﺮﻣﺘﻘﺎرن‪ :‬ﺑﺎ اﺑﻌﺎد ‪ n*n‬ﺑﺎﯾﺪ ‪ n2‬ﮐﻠﻤﻪ ﺣﻘﯿﻘﯽ در ﺣﺎﻓﻈﻪ ﮐﺎﻣﭙﯿﻮﺗﺮ ذﺧﯿﺮه ﺷﻮد‪.‬‬
‫‪(2‬ﻣﺎﺗﺮﯾﺲ ﮐﺎﻣﻞ ﻣﺘﻘﺎرن‪ :‬اﮔﺮﻣﺎﺗﺮﯾﺲ روﺑﺮو درﺑﺮدار ‪ VK‬ﺑﻪ ﺻﻮرت ﺳﺘﻮن ﭘﺎﯾﯿﻦ روﻧﺪه ذﺧﯿﺮه ﺷﻮد‪.‬‬
‫‪94‬‬
‫‪ K11‬‬ ‫‪K12‬‬ ‫‪K13 ‬‬

‫‪[ K ] =  K12‬‬ ‫‪K22‬‬ ‫‪K23 ‬‬
‫‪ K13‬‬ ‫‪K23‬‬ ‫‪K33 ‬‬
‫‪VK = K11 K12 K22 K13 K23 K33‬‬
‫)‪J ( J − 1‬‬
‫= ‪KIJ ≡ VKl , l‬‬ ‫‪+I‬‬ ‫‪J ≥I‬‬
‫‪2‬‬
‫)‪n ( n + 1‬‬
‫ﮐﻠﻤﻪ ﺣﻘﯿﻘﯽ ذﺧﯿﺮه ﮐﺮد‪.‬‬ ‫درﻧﺘﯿﺠﻪ ﺑﺎﯾﺪ‬
‫‪2‬‬
‫‪(3‬ﻣﺎﺗﺮﯾﺲ ﺑﺎﻧﺪ ﻏﯿﺮ ﻣﺘﻘﺎرن‬
‫‪b‬‬ ‫‪b‬‬
‫‪b‬‬ ‫‪b‬‬
‫= ]‪[K‬‬ ‫‪KIJ‬‬ ‫‪n‬‬ ‫‪VK : KI‬‬ ‫‪n‬‬
‫‪b‬‬
‫‪b‬‬
‫‪n‬‬
‫‪2b+1‬‬
‫‪i = I‬‬
‫‪KIJ = VKij‬‬ ‫‪if‬‬ ‫‪‬‬
‫‪ j = J − I +1+ b‬‬
‫درﻧﺘﯿﺠﻪ ﺑﺎﯾﺪ )‪ n(2b+1‬ﮐﻠﻤﻪ ﺣﻘﯿﻘﯽ ﮐﻪ )‪ b(b+1‬آن ﺻﻔﺮاﺳﺖ ذﺧﯿﺮه ﮐﻨﯿﻢ‪.‬‬
‫‪95‬‬
‫‪(4‬ﻣﺎﺗﺮﯾﺲ ﺑﺎﻧﺪ ﻣﺘﻘﺎرن‬
‫‪KII‬‬
‫‪VK :‬‬ ‫‪n‬‬
‫‪b‬‬
‫‪b‬‬
‫‪b+1‬‬
‫در اﯾﻦ ﺻﻮرت ‪:‬‬
‫‪i = I‬‬
‫‪‬‬
‫‪KIJ ≡ VKij‬‬ ‫‪if  j = J − I + 1‬‬
‫‪J ≥ I‬‬
‫‪‬‬
‫)‪b ( b + 1‬‬
‫ﻏﯿﺮ ﻣﻔﯿﺪ دارد ذﺧﯿﺮه ﻣﯽ ﺷﻮد‪.‬‬ ‫درﻧﺘﯿﺠﻪ )‪ n(b+1‬ﮐﻠﻤﻪ ﺣﻘﯿﻘﯽ ﮐﻪ‬
‫‪2‬‬
‫‪(5‬ﻣﺘﺪ ﺧﻂ آﺳﻤﺎن ﻣﺎﺗﺮﯾﺲ ﻏﯿﺮ ﻣﺘﻘﺎرن‬
‫‪ K11‬‬ ‫‪K12‬‬ ‫‪ο‬‬ ‫‪K14 ο ‬‬
‫‪K‬‬ ‫‪K22‬‬ ‫‪K23‬‬ ‫‪K24 ο ‬‬
‫‪ 21‬‬
‫‪[K] =  ο‬‬ ‫‪K32‬‬ ‫‪K33‬‬ ‫‪K34 K35 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪ K41‬‬ ‫‪K42‬‬ ‫‪K43‬‬ ‫‪K44 ο ‬‬
‫‪ο‬‬ ‫‪ο‬‬ ‫‪ο K55 ‬‬
‫‪‬‬ ‫‪K53‬‬
‫ﺳﻪ ﺑﺮدار ﻣﺘﻔﺎوت زﯾﺮ را ﺑﺮاي ذﺧﯿﺮه ﺳﺎزي درﻧﻈﺮﻣﯽ ﮔﯿﺮﯾﻢ‪:‬‬
‫‪VKGD‬‬ ‫‪-‬ﺑﺮدار ﺗﺮﻣﻬﺎي ﻗﻄﺮي‬
‫‪VKGS‬‬ ‫‪-‬ﺑﺮدار ﺗﺮﻣﻬﺎي ﻣﺜﻠﺚ ﺑﺎﻻﯾﯽ‬
‫‪VKGI‬‬ ‫‪-‬ﺑﺮدار ﺗﺮﻣﻬﺎي ﻣﺜﻠﺚ ﭘﺎﯾﯿﻨﯽ‬
‫ﺑﺮدار ‪ VKGS‬ﺑﻪ ﺻﻮرت ﺳﺘﻮن ﭘﺎﯾﯿﻦ روﻧـﺪه ذﺧﯿـﺮه وﺑـﺮدار ‪ VKGD‬ﺑـﻪ ﺻـﻮرت ردﯾـﻒ از ﭼـﭗ ﺑـﻪ راﺳـﺖ‬
‫ذﺧﯿﺮه ﻣﯽ ﺷﻮﻧﺪ ﯾﻌﻨﯽ‪:‬‬
‫‪96‬‬
‫‪VKGD = K11 K22‬‬ ‫‪K33 K44‬‬ ‫‪K55‬‬

‫‪VKGS = K12 K23 K14 K24 K34 K35 ο‬‬
‫‪VKGI = K21 K32 K41 K42 K43 K53 ο‬‬
‫ﺧﻂ آﺳﻤﺎن‪ :‬ﭘﻮش ﺣﺪاﮐﺜﺮﺳﺘﻮن ﻫﺎي ﺑﺎ ارﺗﻔﺎع ﻣﺘﻔﺎوت اﺳـﺖ ﮐـﻪ ﺑﺎﯾـﺪ ذﺧﯿـﺮه ﺷـﻮﻧﺪ‪.‬ﯾـﺎ ﻣﺘﻘـﺎرن وﯾـﺎ ﻏﯿـﺮ‬
‫ﻣﺘﻘﺎرن اﺳﺖ‪.‬اﯾﻦ ﺧﻂ ﺗﻮﺳﻂ ﺗﺎﺑﻠﻮي ارﺗﻔﺎع ﺳﺘﻮن ‪ hJ‬ﺗﻌﺮﯾﻒ ﻣﯽ ﺷﻮد ﮐﻪ درﺑﺨﺶ ﻗﺒﻞ ﺗﻮﺿﯿﺢ داده ﺷﺪ‪:‬‬
‫‪hJ = 0‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪3‬‬ ‫‪2‬‬

‫↓‬ ‫↓‬ ‫↓‬
‫ارﺗﻔﺎع ﺳﺘﻮن اول‬ ‫ﺗﻔﺎع ﺳﺘﻮن ﺳﻮم‬ ‫ارﺗﻔﺎع ﺳﺘﻮن ﭘﻨﺠﻢ‬
‫ﻓﻘﻂ‪K23‬‬ ‫‪ K35‬و‪o‬‬
‫‪97‬‬
‫ﺗﺮﻣﻬﺎي ﺻﻔﺮﺧﺎرج ازﺧﻂ ذﺧﯿﺮه ﺗﻤﯽ ﺷﻮﻧﺪ‪،‬ﻟﯿﮑﻦ ﺗﺮﻣﻬﺎي ﺻﻔﺮ داﺧﻞ ﺧﻂ آﺳﻤﺎن ذﺧﯿﺮه ﻣﯽ ﺷﻮﻧﺪ‪.‬‬
‫ﺑﺮاي ﺗﻌﺮﯾﻒ ﻣﺤﻞّ ﺗﺮم ﻧﺎﻣﺸﺨﺺ ‪ Kij‬درﺑﺮدارﻫﺎي ‪ VKGS‬ﯾﺎ ‪ VKGI‬ﺑﺎﯾـﺪ ازﺗـﺎﺑﻠﻮي "ﻣﺤـﻞ اﺑﺘـﺪاي ﺳـﺘﻮن‬
‫ﻫﺎ"اﺳﺘﻔﺎده ﮐﺮد) ‪ ( KLD‬ﮐﻪ دﯾﻤﺎﻧﺴﯿﻮن ‪ n+1‬داردوﺗﻮﺳﻂ راﺑﻄﻪ زﯾﺮﺗﻌﺮﯾﻒ ﻣﯽ ﺷﻮد‪:‬‬
‫‪KLD (1) = 1‬‬
‫‪KLD ( 2 ) = 1‬‬
‫)‪KLD ( I ) = KLD ( I − 1) + hJ ( I − 1‬‬ ‫‪I = 3, 4,..., n + 1‬‬
‫ﻣﺜﻼًدر ﺣﺎﻟﺖ ﻣﺜﺎل ﺑﺎﻻ‪:‬‬
‫‪KLD = 1 1 2 3 6 8‬‬
‫ﯾﻌﻨﯽ اﯾﻨﮑﻪ ﺗﺮم ‪ Kij‬درﻣﺤﻞ ﻫﺎي زﯾﺮ ﺧﻮاﻫﺪﺑﻮد‪:‬‬

‫) ‪VKGD ( I‬‬ ‫اﮔﺮ ‪ I = J‬ﺑﺎﺷﺪ در‬
‫) ‪l = KLD ( J + 1) − J + I ; VKGS ( l‬‬ ‫اﮔﺮ ‪ I < J‬ﺑﺎﺷﺪ در‬
‫) ‪l = KLD ( I + 1) − I + J ; VKGI ( l‬‬ ‫اﮔﺮ ‪ I > J‬ﺑﺎﺷﺪ در‬
‫در ﻧﺘﯿﺠﻪ ﺟﺎي ﻻزم ﺑﺮاي ذﺧﯿﺮه ﺳﺎزي ﺑﻪ ﺷﺮح زﯾﺮاﺳﺖ‪ :‬ﺑﺮاي‪:‬‬
‫‪ n :VKGD‬ﮐﻠﻤﻪ‬
‫‪KLD ( n + 1) − 1 :VKGI ,VKGS‬‬
‫ﮐﻪ درﮐﻞ ‪ n + 2 ( KLD ( n + 1) − 1) :‬ﮐﻠﻤﻪ ﺣﻘﯿﻘﯽ ﺟﺎ ﻻزم ﺧﻮاﻫﺪ ﺑﻮد‪.‬‬
‫درﺣﺎﻟﺖ ﻣﺘﻘﺎرن ﺗﺎﺑﻠﻮي ‪ VKGI‬ﻣﻔﯿﺪﻧﯿﺴﺖ ودرﻧﺘﯿﺠﻪ ‪ n + KLD ( n + 1) − 1‬ﮐﻠﻤﻪ ﺟﺎ ﻧﯿﺎز دارد‪.‬‬
‫ﻣﺜﺎل‪:‬ذﺧﯿﺮه ﺳﺎزي ﺧﻂ آﺳﻤﺎن ﻏﯿﺮﻣﺘﻘﺎرن‬

‫‪K11 o‬‬ ‫‪ο‬‬ ‫‪K14‬‬ ‫‪‬‬
‫‪o K‬‬ ‫‪K‬‬ ‫‪K‬‬ ‫‪‬‬
‫‪[ K ] =  ο K 22 K 23 o24‬‬ ‫‪‬‬
‫‪‬‬
‫‪n=4‬‬
‫‪‬‬ ‫‪‬‬
‫‪32‬‬ ‫‪33‬‬
‫‪ 41‬‬
‫‪K‬‬ ‫‪K‬‬ ‫‪42‬‬ ‫‪o‬‬ ‫‪K 44‬‬ ‫‪‬‬
‫دراﯾﻦ ﺣﺎﻟﺖ‪:‬‬
‫‪98‬‬
‫‪hJ = 0 0 1 3‬‬
‫‪KLD = 1 1 1 2 5‬‬
‫‪VKGS = K23‬‬ ‫‪K14 K24 0‬‬
‫‪VKGI = K32‬‬ ‫‪K41 K42 0‬‬
‫‪VKGD = K11 K22 K33 K44‬‬
‫ﯾﻌﻨــﯽ ﺑــﺎ ﻓﺮﻣــﻮل ﺑــﺎﻻ ﻣﺜﻼًﺗــﺮم ‪ K24‬در ﻣﺤــﻞّ ) ‪ VKGS ( l‬ﮐــﻪ ‪ l‬ﻣﻌــﺎدل ﻋــﺪد زﯾــﺮ اﺳــﺖ ﺧﻮاﻫــﺪ ﺑــﻮد‪:‬‬
‫‪l = KLD ( 4 + 1) − 4 + 2 = 3‬‬
‫‪4 + 2 ( KLD ( 5 ) − 1) = 12‬‬ ‫ﮐﻠﻤﻪ ﺣﻘﯿﻘﯽ‬ ‫ﺟﺎي ﻻزم ﺑﺮاﺑﺮ اﺳﺖ ﺑﺎ‪:‬‬
‫‪(7-4‬اﻋﻤﺎل ﺷﺮاﯾﻂ ﺣﺪ‪‬ي از ﻧﻮع دﯾﺮﯾﮑﻠﻪ‬

‫‪ (1-7-4‬ﺳﯿﺴﺘﻢ ﮐﻠﯽ ﻣﻌﺎدﻻت‬
‫ﭘﺲ از ﺟﻤﻊ ﻣﺎﺗﺮﯾﺲ ﻫﺎ وﺑﺮدارﻫﺎي ﻃﺮف دوم‪،‬ﻓﺮم اﻧﺘﮕﺮاﻟﯽ ﺑﻪ ﺻﻮرت زﯾﺮﻧﻮﺷﺘﻪ ﻣﯽ ﺷﻮد‪:‬‬
‫‪W = δU n‬‬ ‫‪([ K ]{U } − {F }) = 0‬‬
‫‪n‬‬
‫اﯾــﻦ ﺳﯿﺴــﺘﻢ اﻧﺘﮕﺮاﻟــﯽ درون ﺧــﻮد ﺷــﺮاﯾﻂ ﺣ ـﺪ‪‬ي روي ‪ S f‬را اﻗﻨــﺎع ﻣــﯽ ﮐﻨــﺪوﻟﯿﮑﻦ ﺷــﺮاﯾﻂ روي ‪ Su‬را‬
‫ﺑﺎﯾﺪﻫﻤﺮاه ان درﻧﻈﺮ ﮔﺮﻓﺖ‪.‬ﺑﺮاي ﻓﺮم ﻣﺠﺰا ﺷﺪه ﺑﺎﯾﺪ ﺷﺮاﯾﻂ زﯾﺮ را اﻗﻨﺎع ﮐﺮد‪:‬‬
‫‪δ ui = 0‬‬
‫‪Ui = Ui‬‬ ‫‪4 − 44‬‬
‫در ﻧﺘﯿﺠﻪ ﻓﺮم ﮐﻠﯽ ﻣﻌﺎدﻻت ﺟﺒﺮي ﺑﻪ ﺻﻮرت زﯾﺮدر ﻣﯽ آﯾﺪ‪:‬‬
‫} ‪[ K ]{un } = {F‬‬ ‫)‪( 4 − 45‬‬
‫‪(2-7-4‬ﻣﻌﺮﻓﯽ ﺷﺮاﯾﻂ ﺣﺪي‬

‫ﻣﺎﺗﺮﯾﺲ ﮐﻠﯽ ]‪ [K‬ﺑﺪون در ﻧﻈﺮﮔﺮﻓﺘﻦ ﺷﺮاﯾﻂ ﺣﺪ‪‬ي ﺟﻤـﻊ ﺷـﺪه اﺳـﺖ‪،‬ﭘﺲ ﺑﺎﯾـﺪﺑﺮاي ﻫـﺮ راﺑﻄـﻪ ‪U i = U i‬‬
‫ﺑﺎروﺷﻬﺎي زﯾﺮﻣﻌﺎدﻻت و ﻣﺎﺗﺮﯾﺲ ‪ K‬اﺻﻼح ﺷﻮﻧﺪ‪:‬‬
‫‪(1‬روش ﻋﺒﺎرت ﻏﺎﻟﺐ روي ﻗﻄﺮ‬
‫در اﯾﻦ روش ﺳﻌﯽ ﻣﯽ ﺷﻮد ﻋﺪدي ﺑﺴﯿﺎرﺑﺰرگ درﻣﻌﺎدﻟﻪ ﻣﻮردﻧﻈﺮ ﺑﻪ ﺻﻮرت زﯾﺮوارد ﺷﻮد‪:‬‬
‫‪99‬‬
 K11 L K1i L K1n  U1   F1 

M M M  M   M 
  
   
 Ki1 L Kii + α L Kin  =
 i   i
U α U ( 4 − 46 )
  M   M 
M M M 
   
 Kn1 L Kni L Knn  U n   Fn 
:‫ ﺑﻪ ﺻﻮرت زﯾﺮ ﻧﻮﺷﺘﻪ ﻣﯽ ﺷﻮد‬i ‫درﻧﺘﯿﺠﻪ راﺑﻄﻪ‬
 n  n
αU i +  ∑ KijU j  = αU i ( 4 − 47 ) (‫ﻧﺎﭼﯿﺰ اﺳﺖ‬ ∑K U ij j ‫)ﻣﻘﺪار‬
 j =1  j =1
:‫راﺑﻄﻪ ﺗﻘﺮﯾﺒﯽ زﯾﺮﺑﺮاي ﺟﻮاب ﺻﺤﯿﺢ اﺳﺖ‬

n
Ui ≅ Ui if αU i ≥ ∑ KijU j
j =1
.‫ اﻧﺘﺨﺎب ﻣﯽ ﺷﻮد‬1015 * Max Kij ‫ ﯾﺎ‬107 * Max Kij ‫ ﻣﻌﺎدل‬α ً‫ﻣﻌﻤﻮﻻ‬
.‫*ﺑﺮاي ﻣﺼﺎﻟﺢ از ﯾﮏ ﺟﻨﺲ ﻣﯽ ﺗﻮاﻧﯿﻢ ازاﯾﻦ روش اﺳﺘﻔﺎده ﮐﻨﯿﻢ‬

‫ﺑﻨﺎﺑﺮاﯾﻦ ﻧﻤﯽ ﺗﻮاﻧﯿﻢ از اﯾﻦ روش اﺳـﺘﻔﺎده‬،‫*درﮐﺎرﻫﺎي ﺧﺎﮐﯽ ﻣﺎﺗﺮﯾﺲ ﻫﺎ ﻣﻌﻠﻮم ﻧﯿﺴﺖ ﭼﻪ اﻧﺪازه اي ﻣﯽ ﺑﺎﺷﻨﺪ‬
.‫ﮐﻨﯿﻢ‬
‫ﻣﺘﺪ ﻋﺒﺎرت واﺣﺪ روي ﻗﻄﺮ‬
:‫اﯾﻦ ﻣﺘﺪ ﺑﻪ ﺻﻮرت زﯾﺮ اﻧﺠﺎم ﻣﯽ ﭘﺬﯾﺮد‬
:‫ ﺑﺎﯾﺪاﺻﻼح ﮔﺮدﻧﺪ‬F ‫ و ﺑﺮدار‬K ‫ ﻣﺎﺗﺮﯾﺲ‬U i = U i ‫ﺑﺮاي ﻫﺮ راﺑﻄﻪ‬
F j = F j − K jiU i j = 1, 2,..., n j≠i
Fi = U i
K ji = Kij = 0 j = 1, 2,..., n j ≠i
Kii = 1
 K11 L K1,i −1 0 K1,i +1 L K1n   U i   F − K U 
   
1 1i i

 M  M   M 
 Ki −1,1 L Ki −1,i −1 0 Ki −1,i +1 L Ki −1, n  U i −1   F − K U 
    i −1 i −1,i i

 0    

0 1 0 0
 i  
U = U i  ( 4 − 48 )
K L K    
 i +1,1 i +1,i −1 0 Ki +1,i +1 L Ki +1, n   U i +1   Fi +1 − Ki +1,iU i 
 M    
M  M   M

 
 Kn1 L Kn ,i −1 0 Kn,i +1 L Kn, n   U n   Fn − Kn ,iU i 
100
‫ﻣﺘﺪ ﺣﺬف ﻣﻌﺎدﻟﻪ‬

‫دراﯾﻦ روش ﻣﻌﺎدﻟﻪ ﻣﺮﺑﻮط ﺑﻪ درﺟﻪ آزادي داده ﺷﺪه ازﺳﯿﺴﺘﻢ ﻣﻌﺎدﻻت ﺣﺬف ﻣﯽ ﮔﺮدد‪.‬در اﯾﻦ روش ﺗﻌﺪاد‬
‫ﻣﺠﻬﻮﻻت ﺳﯿﺴﺘﻢ ﮐﺎﻫﺶ ﯾﺎﻓﺘﻪ وﺑﺎﻣﺎﺗﺮﯾﺲ ﮐﻮﭼﮑﺘﺮي ﮐﺎر ﺧﻮاﻫﺪ ﺷﺪ‪.‬از آﻧﺠﺎﺋﯿﮑـﻪ دوﺑـﺎره ﺳـﺎﺧﺘﻦ ﻣـﺎﺗﺮﯾﺲ‬
‫]‪ [K‬ﻋﻤﻠﯿﺎت ﭘﺮﺧﺮﺟﯽ اﺳﺖ ﻟﺬا ﺑﻬﺘﺮاﺳﺖ ازاﺑﺘﺪا اﯾﻦ ﻣﻌﺎدﻻت ﺣﺬف ﺷﻮﻧﺪ‪.‬درﻧﻬﺎﯾﺖ ﻣﻌﺎدﻻت ﺑﺪﺳـﺖ آﻣـﺪه‬
‫وﻣﺎﺗﺮﯾﺲ ]‪ [K‬ﻧﻬﺎﯾﯽ‪،‬ﻣﺎﻧﻨﺪ ﻣﺎﺗﺮﯾﺲ ﻋﺮﺿﻪ ﺷـﺪه در ﻣﻌﺎدﻟـﻪ )‪ (4-48‬اﺳـﺖ ﺑـﺎ اﯾـﻦ ﺗﻔـﺎوت ﮐـﻪ ﺳﻄﺮوﺳـﺘﻮن ‪i‬‬
‫ﺣﺬف ﺷﺪه اﻧﺪ‪.‬‬
‫ﻣﺜﺎل‪:‬ﺳﯿﺴﺘﻢ ﻣﻌﺎدﻻت زﯾﺮﻣﻮﺟﻮد اﺳﺖ‪.‬ﺷﺮط ﺣﺪ‪‬ي ‪ U1 = U1‬رادرآن اﻋﻤﺎل ﮐﻨﯿﺪ‪.‬‬
‫‪ K11‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪K14  U1   F1 ‬‬
‫‪ 0‬‬ ‫‪K22 K23‬‬ ‫‪K24  U 2   F2 ‬‬
‫‪‬‬ ‫‪ = ‬‬
‫‪ 0‬‬ ‫‪K23 K33‬‬ ‫‪0  U 3   F3 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪ K14‬‬ ‫‪K24 0‬‬ ‫‪K44  U 4   F4 ‬‬
‫روش ﻋﺒﺎرت ﻏﺎﻟﺐ‪:‬‬
‫‪ K11 + 1015‬‬ ‫‪O‬‬ ‫‪O‬‬ ‫‪K14  U1  1015.U1 ‬‬
‫‪‬‬ ‫‪  ‬‬ ‫‪‬‬
‫‪O‬‬ ‫‪K22‬‬ ‫‪K23‬‬ ‫‪K24  U 2   F2 ‬‬
‫‪O‬‬ ‫‪  =‬‬ ‫‪‬‬
‫‪K23‬‬ ‫‪K33‬‬ ‫‪O  U 3   F3 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪ K14‬‬ ‫‪K24‬‬ ‫‪O‬‬ ‫‪K44  U 4   F4 ‬‬
‫روش ﻋﺒﺎرت واﺣﺪ‬
‫‪1‬‬ ‫‪O‬‬ ‫‪O‬‬ ‫‪O  U1   U1‬‬ ‫‪‬‬
‫‪O‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪K22‬‬ ‫‪K33‬‬ ‫‪K24 U 2  ‬‬ ‫‪F‬‬ ‫‪‬‬
‫‪‬‬ ‫‪  =‬‬ ‫‪2‬‬
‫‪‬‬
‫‪O‬‬ ‫‪K23‬‬ ‫‪K33‬‬ ‫‪O  U 3  ‬‬ ‫‪F3‬‬ ‫‪‬‬
‫‪‬‬ ‫‪  ‬‬
‫‪O‬‬ ‫‪K24‬‬ ‫‪O‬‬ ‫‪K44  U 4   F4 − K14U1 ‬‬
‫ﺣﺬف ﻣﻌﺎدﻟﻪ اول‬
‫‪ K22‬‬ ‫‪K23‬‬ ‫‪K24  U 2  ‬‬ ‫‪F2‬‬ ‫‪‬‬
‫‪K‬‬ ‫‪‬‬ ‫‪  ‬‬ ‫‪‬‬
‫‪ 23‬‬ ‫‪K33‬‬ ‫‪O  U 3  = ‬‬ ‫‪F3‬‬ ‫‪ ; U 1 = U1‬‬
‫‪ K24‬‬ ‫‪O‬‬ ‫‪K44  U 4   F4 − K14U 1 ‬‬
‫ﻏﯿﺮ ﺧﻄﯽ ﺑﻮدن ﻣﻌﺎدﻻت ﺑﻪ دو دﻟﯿﻞ زﯾﺮ در ﻓﺮﻣﻮل ﺑﻨﺪي ﻓﯿﺰﯾﮑﯽ ﻣﺴﺎﺋﻞ ﻇﺎﻫﺮ ﻣﯽ ﺷﻮد‪:‬‬
‫‪ -‬ﭘﺎراﻣﺘﺮﻫﺎي ﻓﯿﺰﯾﮑﯽ ﺧﺎﺻﯽ ﮐﻪ در ﺣﺎﻟﺖ ﺧﻄﯽ ﻣﺴﺘﻘﻞ ﻫﺴﺘﻨﺪ‪ .‬ﻣﺜﻞ ﺿﺮﯾﺐ ارﺗﺒﺎﻃﯽ و ﺿﺮﯾﺐ ﻫﺪاﯾﺖ‬
‫ﺣﺮارﺗﯽ و ﯾﺎ از ﺟﻬﺖ اﺳﺘﻘﻼل ﺧﻮﯾﺶ را از دﺳﺖ داده و ﺗﺎﺑﻊ ﻣﺘﻐﯿﺮﻫﺎي اﺻﻠﯽ ﻣﺴﺄﻟﻪ ‪ Un‬ﻣﯽ ﮔﺮدﻧﺪ‪ .‬ﻣﺜﺎل‬
‫‪101‬‬
‫اﯾﻦ ﻧﻮع ﻣﻌﺎدﻻت ﭘﻼﺳﺘﯿﻪ در ﺟﺎﻣﺪ اﺳﺖ و ﺟﺮﯾﺎن ﻫﺎي ﻏﯿﺮ ﻧﯿﻮﺗﻨﯽ و ﺟﺮﯾﺎن در ﻣﺤﯿﻂ ﻫﺎي ﻏﯿﺮ اﺷﺒﺎع ﻣﯽ‬
‫ﺑﺎﺷﻨﺪ‪.‬‬
‫‪ -‬ﻋﺒﺎرات ﻏﯿﺮ ﺧﻄﯽ ﻧﺴﺒﺖ ﺑﻪ ﻣﺠﻬﻮﻻت ﻣﺴﺄﻟﻪ در ﻣﻌﺎدﻻت ﻣﺸﺘﻘﺎت ﻧﺴﺒﯽ ﻇﺎﻫﺮ ﻣﯽ ﺷﻮﻧﺪ‪ ،‬ﺣﺘﯽ وﻗﺘﯽ ﮐﻪ‬
‫‪∂u‬‬ ‫‪∂u‬‬
‫‪u‬‬ ‫‪+v‬‬ ‫ﭘﺎراﻣﺘﺮﻫﺎي ﻓﯿﺰﯾﮑﯽ ﻣﺴﺘﻘﻞ از ‪ Un‬ﻫﺴﺘﻨﺪ‪ .‬ﻣﺜﻞ ﻣﻌﺎدﻻت ﻧﺎوﯾﻪ اﺳﺘﻮﮐﺲ ﮐﻪ در آن ﻋﺒﺎرات‬
‫‪∂x‬‬ ‫‪∂y‬‬
‫ﻇﺎﻫﺮ ﻣﯽﮔﺮدﻧﺪ‪ .‬ﯾﺎ ﻣﻌﺎدﻻت ﺑﺎ ﺗﻐﯿﯿﺮ ﻣﮑﺎنﻫﺎي ﺑﺰرگ‪:‬‬
‫‪∂u 1 ∂v 2‬‬
‫= ‪εx‬‬ ‫) ( ‪+‬‬
‫‪∂x 2 ∂x‬‬
‫روش ﻋﻨﺎﺻﺮ ﻣﺤﺪود ﻓﺮﻣﻮل ﺑﻨﺪي ﻣﺠﺰا ﺷﺪه زﯾﺮ را در ﻣﻮرد ﻣﺴﺎﺋﻞ ﻏﯿﺮ ﺧﻄﯽ ﺑﻪ ﺻﻮرت ﻓﺮم ﮐﻠﯽ ﺑﻪ دﺳﺖ‬
‫ﻣﯽ دﻫﺪ‪.‬‬
‫‪W =< δ un > ([ K (un )]{un } − {F }) = 0‬‬ ‫)‪(1‬ﺑﺮاي ﺗﻤﺎم > ‪< Su‬‬
‫ﯾﺎ‬
‫‪ {R(u)} = {F } − [ K(u)]{U} = 0‬ﯾﺎ } ‪[K(u)]{U } = {F‬‬
‫اﺳﺘﺮاﺗﮋي ﮐﻠﯽ ﺑﺮاي ﺣﻞ ﻣﺴﺎﺋﻞ ﻣﻮﺟﻮد ﻧﯿﺴﺖ وﻟﯿﮑﻦ ﺳﻪ روش زﯾﺮ ﯾﺎ ﺗﺮﮐﯿﺒﯽ از آﻧﻬﺎ اﺳﺘﻔﺎده ﻣﯽ ﮔﺮدﻧﺪ‪:‬‬
‫‪ -‬ﻣﺘﺪ ﺟﺎﯾﮕﺰﯾﻨﯽ‬
‫‪ -‬ﻣﺘﺪ ﻧﯿﻮﺗﻦ – راﻓﺴﻮن‬
‫‪ -‬ﻣﺘﺪ ﺟﺰﯾﯽ )‪(incrementale‬‬
‫‪ -‬ﻣﺘﺪ ﺟﺎﯾﮕﺰﯾﻨﯽ‬
‫اﯾﻦ روش ﻋﺒﺎرت اﺳﺖ از ﺑﻪ دﺳﺖ آوردن ﯾﮏ ﺳﺮي ﺟﻮاب } ‪ {u i },....,{u1},{u o‬ﮐﻪ } ‪ {u i‬ﺑﺮ اﺳﺎس‬
‫}‪ {u i −1‬و ﺣﻞ ﺳﯿﻨﻮﺳﯽ ﺧﻄﯽ زﯾﺮ ﺑﻪ دﺳﺖ آﻣﺪه اﺳﺖ‪.‬‬
‫‪[ K{u i −1}]{u i } = {F } , i = 1, 2,3,..., n‬‬ ‫)‪( 2‬‬
‫‪i‬‬
‫ﮐﻪ ﺑﻪ ﺻﻮرت ﺟﺰﯾﯽ زﯾﺮا ﺑﺎ ﻣﻌﺮﻓﯽ ﺑﺎﻗﯿﻤﺎﻧﺪه } ‪ ، { R‬ﻧﻮﺷﺘﻪ ﻣﯽ ﺷﻮد‪:‬‬
‫}‪{Ri } = {R(u i −1 )} = {F } − [ K (u i −1 )]{u i −1‬‬
‫} ‪[ K (u i −1 )]{∆u i } = {Ri‬‬ ‫)‪(3‬‬
‫} ‪{u i }{u i −1} + {∆u i‬‬
‫ﺑﺎ داﻧﺴﺘﻦ }‪ {u i −1‬ﻣﯽ ﺗﻮاﻧﯿﻢ ]) ‪ [ K (u i −1‬را ﺳـﺎﺧﺘﻪ )ﻣـﺎﺗﺮﯾﺲ ﻋﻨﺼـﺮي( و ﺑـﺎ ﺟﻤـﻊ آﻧﻬـﺎ ﺑـﺎ ﻣـﺎﺗﺮﯾﺲ ﮐﻠـﯽ‬
‫]) ‪ [ K (U i −1‬را ﺑﻪ دﺳﺖ آورده و ﺳﯿﺴﺘﻢ ﺧﻄﯽ ﺑﺎﻻ را ﺣﻞ ﮐﻨﯿﻢ‪ .‬اﻟﮕﻮرﯾﺘﻢ ﻣﺘـﺪ ﺟـﺎﯾﮕﺰﯾﻨﯽ ﺑـﻪ ﺻـﻮرت زﯾـﺮ‬
‫ﻧﻮﺷﺘﻪ ﻣﯽ ﺷﻮد‪:‬‬
‫‪102‬‬
‫ﺳﯿﺴﺘﻢ ﻣﺘﺪ ﺟﺎﯾﮕﺰﯾﻨﯽ‬

‫ﺟﻮاب ﺗﻘﺮﯾﺒﯽ اوﻟﯿﻪ } ‪ {U o‬را ﺑﻪ دﺳﺖ ﻣﯽ آورﯾﻢ )اﺣﺘﻤﺎﻻ ﺻﻔﺮ(‬
‫}‪ {F‬را از ﺟﻤﻊ ﺑﺮدارﻫﺎي ﻋﻨﺼﺮي }‪ {f‬ﺑﻪ دﺳﺖ ﻣﯽ آورﯾﻢ‪.‬‬
‫ﺑﺮاي ﻫﺮ ﺗﮑﺮار ‪: i = 1,2, ....‬‬
‫ﺑﺮاي ﻫﺮ ﻋﻨﺼﺮ‪:‬‬
‫‪ -‬ﻣﻘﺎدﯾﺮ ﺑﺮدار }‪ {u i −1‬را از ﺑﺮدار ﮐﻠﯽ }‪ {U i −1‬ﺧﺎرج ﮐﺮده و‬
‫‪ -‬ﻣﺎﺗﺮﯾﺲ ]) ‪ [ K (U i −1‬را ﺑﻪ دﺳﺖ آورده‬
‫‪ -‬ﺑﺎﻗﯿﻤﺎﻧﺪه ﻋﻨﺼﺮي }‪ {r } = { f } − [ K ]{u i −1‬را ﺣﺴﺎب ﻣﯽ ﮐﻨﯿﻢ‬
‫‪ -‬ﻣﺎﻧﻨﺪ ﺣﺎﻻت ﺧﻄﯽ ﻣﺎﺗﺮﯾﺲ و ﺑﺮدار زﯾﺮ را ﺟﻤﻊ ﻣﯽ ﮐﻨﯿﻢ ]‪ [K‬در ]‪ [K‬و }‪ {r‬در }‪{Ri‬‬
‫‪ -‬ﻣﻌﺎدﻟﻪ } ‪ [ K ]{∆u i } = {Ri‬را ﻣﺎﻧﻨﺪ ﺣﺎﻻت ﺧﻄﯽ ﺣﻞ ﻣﯽ ﮐﻨﯿﻢ‬
‫‪ -‬ﺗﺨﻤﯿﻦ ﺟﺪﯾﺪ ﺟﻮاب را ﺑﻪ دﺳﺖ ﻣﯽ آورﯾﻢ } ‪[U i ] = {U i −1} + w{∆U i‬‬
‫)‪ w‬ﺿﺮﯾﺐ ﭘﯿﺶ رﻫﺎﯾﯽ ﮐﻪ ‪ 1‬در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﻣﯽ ﺷﻮد و ﻫﻤﻮاره ‪(w>1‬‬
‫ﻧﺮم ‪ n‬از } ‪ {∆U i‬ﯾﺎ ‪ m‬ﻣﺮﺑﻮط ﺑﻪ } ‪ {Ri‬را ﺑﻪ دﺳﺖ آورده‬
‫‪ -‬آزﻣﺎﯾﺶ ‪ Convergence‬ﺑﺎ اﺳﺘﻔﺎده از ‪ n‬ﯾﺎ ‪ m‬اﻧﺠﺎم ﻣﯽ ﮔﺮدد‪.‬‬
‫ﺗﺬﮐﺮ‪:‬‬
‫ﺿﺮﯾﺐ ‪ w‬ﮐﻪ ﺑﻪ ﻧﺎم ﺿﺮﯾﺐ ﺑﯿﺶ رﻫﺎﯾﯽ )‪ (sur - relaxation‬ﻣﻌﺮوف اﺳﺖ ﺑﺮ ﺣﺴﺐ ﻃﺒﯿﻌﺖ ﻣﺴﺄﻟﻪ‬
‫اﻧﺘﺨﺎب ﻣﯽ ﺷﻮد‪،‬ﻣﺘﺪ ﺑﺪون ﺳﻮر رﻟﮑﺴﯿﻮن ‪ w = 1‬اﻧﺠﺎم ﻣﯽ ﺷﻮد‪ ،‬در ﺣﺎﻟﺖ ﭘﻼﺳﺘﯿﻪ ‪ w‬ﺑﯿﻦ ‪ 1/7‬و ‪ 1 /6‬ﻣﯽ‬
‫ﺑﺎﺷﺪ‪.‬‬
‫ﻓﺮم ﻫﺎي ﻣﺘﻔﺎوﺗﯽ ﻣﯽ ﺗﻮان اﺳﺘﻔﺎده ﻧﻤﻮد‪ ،‬ﻣﺎﻧﻨﺪ‪:‬‬
‫‪ -‬ﻓﺮم ﻣﺎﮐﺰﯾﻤﻢ‪:‬‬
‫)‪( 5‬‬
‫‪i‬‬ ‫‪i‬‬
‫‪m = max Rj‬‬ ‫‪or‬‬ ‫‪n = max ∆u j‬‬
‫‪j‬‬ ‫‪j‬‬
‫‪ -‬ﻓﺮم ﺣﺪاﻗﻞ ﻣﺮﺑﻊ‪:‬‬
‫)‪( 6‬‬ ‫} ‪m = < Ri > {Ri‬‬ ‫‪or‬‬ ‫} ‪n = < ∆u i > {∆u i‬‬
‫‪ -‬ﻓﺮم ﻧﺴﺒﯽ‪:‬‬
‫} ‪< ∆U i > {∆U i‬‬ ‫‪∆U j‬‬
‫)‪(7‬‬ ‫= ‪n‬‬ ‫‪or‬‬ ‫| ‪n = max‬‬ ‫‪|i‬‬
‫} ‪ {U‬‬
‫‪i‬‬ ‫‪i‬‬ ‫‪j‬‬ ‫‪Uj‬‬
‫‪103‬‬
‫ﻋﺪد ﻣﺠﺎز ﺧﻄﺎي ﺑﻪ دﺳﺖ آﻣﺪه ﻣﯽ ﺑﺎﺷﺪ ﻣﻌﻤﻮﻻ‬ ‫‪ε‬‬ ‫ﺑﺎﯾﺪ ﮐﻮﭼﮑﺘﺮ ﺑﺎﺷﺪ و‬ ‫‪n <ε‬‬ ‫ﮐﻪ ﺑﻪ ﻫﺮ ﺗﻘﺮﯾﺐ‬
‫‪ 0.05‬ﻣﯽ ﺑﺎﺷﺪ‪.‬‬
‫‪p‬‬
‫)‪K(u) K(u1‬‬ ‫)‪K(u2‬‬ ‫‪K(0). u = p‬‬
‫‪4‬‬
‫‪R3‬‬ ‫‪R‬‬
‫‪R2‬‬
‫‪R1‬‬
‫‪º‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬

‫‪u‬‬
‫‪u‬‬ ‫‪u‬‬ ‫‪u‬‬ ‫‪u‬‬ ‫‪U‬‬ ‫‪exact‬‬
‫اﻟﮕﻮرﯾﺘﻢ ‪)4‬ﻣﺘﺪ ﺟﺎﯾﮕﺰﯾﻨﯽ(‬
‫)‪K(u‬‬
‫‪p‬‬ ‫)‪K(u1‬‬ ‫‪R4‬‬
‫)‪K(u2‬‬
‫‪1‬‬
‫‪R2‬‬ ‫‪R3‬‬
‫‪R‬‬
‫‪3‬‬ ‫‪u‬‬
‫‪uº‬‬ ‫‪u1‬‬ ‫‪u2‬‬ ‫‪Uexact u‬‬
‫‪104‬‬
‫ﻣﻌﺎدﻟﻪ اﺻﻠﯽ )‪ (3‬را ﺑﻪ ﺻﻮرت زﯾﺮ ﻓﺮﻣﻮل ﺑﻨﺪي ﮐﻨﯿﻢ‪:‬‬
‫} ‪([ Ke ] + [ Knl (U i −1 )]){∆U i } = { Ri‬‬ ‫) ‪(8‬‬

‫ﮐﻪ از ﺟﺪاﺳﺎزي ﻣﺎﺗﺮﯾﺲ ﮐﻠﯽ ﺑﻪ دو ﻣﺎﺗﺮﯾﺲ ] ‪ [ Kl‬ﺧﻄﯽ و ] ‪ [Knl‬ﻏﯿﺮ ﺧﻄﯽ ﺑﻪ دﺳﺖ آﻣﺪه اﺳﺖ‪ ،‬ﻣﯽ‬
‫ﺗﻮان ﺑﺎ ﺻﺮف ﻧﻈﺮ ﮐﺮدن از ] ‪ [ Knl‬ﻣﻌﺎدﻟﻪ )‪ (8‬راﺑﻄﻪ زﯾﺮ را ﻧﻮﺷﺖ‪:‬‬
‫} ‪[ Kl ]{∆U i } = {Ri‬‬
‫‪i −1‬‬
‫)‪(9‬‬
‫} ‪{U } = {U } + {∆U‬‬
‫‪i‬‬ ‫‪i‬‬
‫را ﻣﯽ ﺗﻮان ﻓﻘﻂ ﯾﮏ ﺑﺎر ﻣﺤﺎﺳﺒﻪ و ﺟﻤﻊ ﮐﺮد و در ﻫﺮ ﺗﮑﺮار ﻓﻘﻂ ﻻزم اﺳﺖ ﮐﻪ‬ ‫ﮐﻪ در ﻧﺘﯿﺠﻪ ‪Kl‬‬
‫} ‪ {∆U },{R‬از ﻣﻌﺎدﻻت )‪ (9‬ﺣﺴﺎب ﺷﻮﻧﺪ‪ .‬اﻟﮕﻮرﯾﺘﻢ ﻣﻌﺎدﻻت ﺑﺎﻻ ﺑﻪ ﺻﻮرت زﯾﺮ ﻧﻮﺷﺘﻪ ﻣﯽﺷﻮد‪:‬‬
‫‪i‬‬ ‫‪i‬‬
‫‪ -‬اﻟﮕﻮرﯾﺘﻢ ﻧﯿﻮﺗﻦ – راﻓﺴﻮن اﺻﻼح ﺷﺪه‬

‫‪ -‬ﺟﻮاب ﺗﻘﺮﯾﺒﯽ اوﻟﯿﻪ } ‪ {U o‬را ﺑﻪ دﺳﺖ ﻣﯽ آورﯾﻢ )اﺣﺘﻤﺎﻻ ﺻﻔﺮ(‬
‫‪ {F} -‬را از ﺟﻤﻊ }‪ {f‬ﺑﺮدارﻫﺎي ﻋﻨﺼﺮي ﺑﻪ دﺳﺖ ﻣﯽ آورﯾﻢ‬
‫را از ﺟﻤﻊ ﻣﺎﺗﺮﯾﺲ ﻫﺎي ﻋﻨﺼﺮي ﺧﻄﯽ ] ‪ [ Kl‬ﺑﻪ دﺳﺖ ﻣﯽ آورﯾﻢ‬ ‫‪ -‬ﻣﺎﺗﺮﯾﺲ ‪Kl‬‬
‫ﺑﺮاي ﻫﺮ ﺗﮑﺮار ‪: i = 1,2, ....‬‬
‫ﺑﺮاي ﻫﺮ ﻋﻨﺼﺮ‪:‬‬
‫‪i −1‬‬
‫‪ {U‬ﺧﺎرج ﮐﺮده‬ ‫‪ -‬ﻣﻘﺎدﯾﺮ }‪ {u i −1‬را از ﺑﺮدار }‬
‫‪i −1‬‬ ‫‪i‬‬
‫‪ {r } = { f } − [ K ]{U‬ﺑﻪ دﺳﺖ‬ ‫‪ -‬ﺑﺎﻗﯿﻤﺎﻧﺪه } ‪ { R‬را از ﺟﻤﻊ ﺑﺎﻗﯿﻤﺎﻧﺪهﻫﺎي ﻋﻨﺼﺮي‪} :‬‬
‫ﻣﯽآورﯾﻢ‬
‫‪ -‬ﺣﻞ ﻣﻌﺎدﻟﻪ } ‪[ Kl ]{∆ U i } = { Ri‬‬
‫‪ -‬ﻣﺤﺎﺳﺒﻪ } ‪) {U i } = {U i −1} + {∆U i‬ﺑﺎ ﻓﺮض ‪( w = 1‬‬
‫‪ -‬ﻣﺤﺎﺳﺒﻪ ‪n‬‬
‫‪ -‬آزﻣﺎﯾﺶ ﻫﻤﮕﺮاﯾﯽ ﺑﺎ اﺳﺘﻔﺎده از ‪n‬‬
‫‪105‬‬
‫‪Kl‬‬ ‫‪Kl‬‬
‫‪p‬‬ ‫‪Kl‬‬
‫‪K(u). u = p‬‬
‫‪R3 R4‬‬
‫‪R1‬‬ ‫‪R2‬‬
‫‪uº‬‬ ‫‪u1‬‬ ‫‪u2 u3‬‬ ‫‪U‬‬

‫‪Uexact‬‬
‫)اﻟﮕﻮرﯾﺘﻢ ‪(10‬‬
‫ﻧﯿﻮﺗﻦ راﻓﺴﻮن اﺻﻼح ﺷﺪه‬
‫اﯾﻦ ﻣﺘﺪ ﺑﺮاي ﻣﻌﺎدﻻﺗﯽ ﮐﻪ ﻏﯿﺮ ﺧﻄﯽ ﺑﻮدن آﻧﻬﺎ ﺿﻌﯿﻒ اﺳﺖ ﻣﻨﺎﺳﺐ ﻣﯽ ﺑﺎﺷﺪ‪.‬‬
‫ﻣﺘﺪ ﻧﯿﻮﺗﻦ راﻓﺴﻮن‬

‫اﮔﺮ ﻓﺮض ﮐﻨﯿﻢ ﮐﻪ در ﺗﮑﺮار ‪ i − 1‬ﺗﻘﺮﯾﺒﯽ از ﺟﻮاب ) ‪ (u i −1‬ﺑﻪ دﺳﺖ آﻣﺪه اﺳﺖ و ﺑﺎ اﯾﻦ ﺟﻮاب ﺑﺎﻗﯿﻤﺎﻧﺪه‬
‫ﺻﻔﺮ ﻧﺒﺎﺷﺪ‪.‬‬
‫‪{R(U i −1 )} = {F } − [ K (U i −1 )]{U i −1} ≠ 0‬‬ ‫)‪(11‬‬
‫در ﺗﮑﺮار ‪ i‬ﺟﻮاب ﺗﻘﺮﯾﺒﯽ ‪ Ui‬ﺑﺎﯾﺪ راﺑﻄﻪ زﯾﺮ را اﻗﻨﺎع ﮐﻨﺪ‬
‫‪{R(U i )} = {R(U i −1 + ∆U i )} ≈ 0‬‬ ‫) ‪(12‬‬
‫اﻟﮕﻮرﯾﺘﻢ ﺑﺎ ﺑﺴﻂ ﺳﺮي ﺗﯿﻠﻮر ﺑﺎﻗﯿﻤﺎﻧﺪه در ﺣﻮل ‪ ui −1‬ﺑﻪ دﺳﺖ ﻣﯽ آﯾﺪ‪:‬‬
‫‪ ∂R ‬‬
‫‪{R(U i + ∆U i )} = {R(U i −1 )} +  ‬‬ ‫‪{∆U i } + .... = 0‬‬ ‫)‪(13‬‬
‫‪ ∂O  u =U i −1‬‬
‫ﮐﻪ اﮔﺮ از ﺗﺮم ﻫﺎي ﺑﺎ درﺟﻪ ﺑﺰرﮔﺘﺮ از ﯾﮏ ﺻﺮف ﻧﻈﺮ ﮐﻨﯿﻢ‪:‬‬
‫‪106‬‬
‫‪ ∂R ‬‬
‫‪−‬‬ ‫‪‬‬ ‫}) ‪{∆U i } = {R(U i −1‬‬
‫‪ ∂U ‬‬
‫ﮐﻪ‪:‬‬
‫}) ‪[ kt (U i −1 )]{∆U i } = {R(U i −1‬‬ ‫) ‪(14‬‬
‫} ‪{U i } = {U i −1} + {∆ U i‬‬
‫ﻋﺒﺎرت ﻣﺎﺗﺮﯾﺲ ﻣﻤﺎس ]}‪ [ Kt {U i −1‬ﺑﺎ ﻣﺸﺘﻖ ﮔﯿﺮي از ﻋﺒﺎرت ﺑﺎﻗﯿﻤﺎﻧﺪه )‪ (1‬ﺑﻪ دﺳﺖ ﻣﯽ آﯾﺪ‪.‬‬
‫‪ ∂R ‬‬ ‫‪ ∂F ‬‬ ‫] ) ‪ ∂ [ K (u‬‬ ‫‪‬‬
‫‪[ Kt (U )] = − ‬‬ ‫=‬ ‫‪−‬‬ ‫‪+‬‬ ‫[‬ ‫‪K‬‬ ‫(‬‫‪u‬‬ ‫)‬ ‫]‬ ‫‪+‬‬ ‫‪‬‬ ‫{‬‫‪U‬‬ ‫}‬‫‪‬‬
‫‪ ∂U ‬‬ ‫‪ ∂U ‬‬
‫‪ ∂U‬‬ ‫‪‬‬
‫اﮔﺮ ‪ F‬ﻣﺴﺘﻘﻞ از ‪ U‬ﺑﺎﺷﺪ ﺗﺮم ﻣﺸﺘﻖ آن ﺣﺬف ﺷﺪه‪ ،‬و اﮔﺮ ‪ Kij , ( Kt ) ij‬ﻣﻮﻟﻔﻪ ﻫﺎي ﻣﺎﺗﺮﯾﺲ ‪K , Kt‬‬
‫ﺑﺎﺷﻨﺪ‪:‬‬
‫‪∂Kil‬‬
‫∑ ‪( Kt ) ij = Kij +‬‬ ‫‪Ul‬‬
‫‪l‬‬ ‫‪∂U j‬‬
‫اﻟﮕﻮرﯾﺘﻢ ﻋﻤﻞ ﻣﺜﻞ اﻟﮕﻮرﯾﺘﻢ ﻣﺘﺪ ﺟﺎﯾﮕﺰﯾﻨﯽ اﺳﺖ ﺑﺎ اﯾﻦ ﺗﻔﺎوت ﮐﻪ ] ‪ [ Kt‬ﺑﻪ ﺟﺎي ] ‪ [ K‬ﺧﻮاﻫﯿﻢ داﺷﺖ‪.‬‬
‫ﺗﺬﮐﺮ‪:‬‬
‫ﻣﻌﻤﻮﻻ ﻣﺎﺗﺮﯾﺲ ] ‪ [ Kt‬را از ﻓﺮم اﻧﺘﮕﺮاﻟﯽ ﺑﻪ دﺳﺖ آﻣﺪه و آن را ﺟﻤﻊ ﻣﯽ ﮐﻨﯿﻢ‪.‬‬
‫) ‪Kl = Kt (U o‬‬
‫‪p‬‬ ‫) ‪Kt (U 1‬‬ ‫) ‪Kt (U 2‬‬
‫‪P=F‬‬
‫‪2‬‬ ‫‪R3‬‬ ‫‪R4‬‬
‫‪R‬‬
‫‪R1‬‬
‫‪uº‬‬ ‫‪u1‬‬ ‫‪u3‬‬ ‫‪U‬‬

‫‪u2‬‬ ‫‪Uexact‬‬
‫‪107‬‬
‫ﻣﺘﺪ ﺟﺰء ﺑﻪ ﺟﺰء‬

‫در ﮐﻠﯿﻪ ﻣﺘﺪﻫﺎي ﺗﮑﺮار ﮐﻪ در ﭘﯿﺶ ﺗﻮﺿﯿﺢ داده ﺷﺪﻧﺪ‪ ،‬ﺟﻮاب اوﻟﯿﻪ ﮐﻪ در ﻣﻌﺎدﻻت ﻣﻌﺮﻓﯽ ﻣﯽﺷﻮﻧﺪ رل‬
‫ﻣﻬﻤﯽ را ﺑﺎزي ﮐﺮده و ﻣﻤﮑﻦ اﺳﺖ ﺑﺮ اﺳﺎس اﯾﻦ اﻧﺘﺨﺎب راه ﺣﻞ واﮔﺮا ﮔﺮدد‪.‬‬
‫ﻣﺘﺪ ﺟﺰء ﺑﻪ ﺟﺰء ﻋﺒﺎرت اﺳﺖ از ﺟﺎﯾﮕﺰﯾﻨﯽ راه ﺣﻞ‪.‬‬
‫} ‪[ K(U )]{U } = λ{Fo} = {F‬‬
‫ﺗﻮﺳﻂ راه ﺣﻞ ﻣﺪاوم زﯾﺮ‬
‫‪λ j = λ1 , λ2 , λ3 ,‬‬ ‫} ‪[ K (U j )]{U j } = λ j {Fo‬‬
‫ﺟﻮاب اوﻟﯿﻪ در ﻫﺮ ﺑﺎر ﺣﻞ ﺟﻮاب ﺑﻪ دﺳﺖ آﻣﺪه در ﺣﻞ ﻗﺒﻠﯽ اﺳﺖ‪ .‬ﻫﺮ ﮔﺎم ﺣﻞ ﯾﮏ ﻣﺴﺄﻟﻪ ﻏﯿﺮ ﺧﻄﯽ اﺳﺖ‬
‫ﮐﻪ اﮐﺜﺮا ﺑﺎ ﻣﺘﺪ ﻧﯿﻮﺗﻦ – راﻓﺴﻮن ﯾﺎ ﻧﯿﻮﺗﻦ راﻓﺴﻮن اﺻﻼح ﺷﺪه ﺧﻮاه ﺑﺎ ﯾﮏ ﺗﮑﺮار ﺧﻮاه ﺑﺎ ﭼﻨﺪ ﺗﮑﺮار ﺣﻞ ﻣﯽ‬
‫ﮔﺮدد‪.‬‬
‫روش ﺟﺰء ﺑﻪ ﺟﺰء ﺑﺎ اﺳﺘﻔﺎده از ﯾﮏ ﺗﮑﺮار ﻧﯿﻮﺗﻦ – راﻓﺴﻮن در ﻫﺮ ﮔﺎم ﺣﻞ ﺑﻪ ﺻﻮرت زﯾﺮ ﻧﻮﺷﺘﻪ ﻣﯽ ﺷﻮد‪.‬‬
‫‪P‬‬
‫‪P=λF°=F‬‬
‫‪P=λ2 F°‬‬
‫‪P=λ1 F°‬‬
‫‪uº‬‬ ‫‪u1‬‬ ‫‪u2‬‬ ‫‪u3‬‬ ‫‪U‬‬

‫‪u‬‬ ‫‪u‬‬
‫}‪{R(U j −1 )} = λ j −1{Fo } − [ K (U j −1 )]{U j −1‬‬
‫} ‪[ Kt (U j −1 )]{∆U j } = {R(U j −1 )} + (λ j − λ j −1 ){Fo‬‬
‫} ‪{U j } = {U j −1} + {∆U j‬‬
‫ﻣﺘﺪ ﺟﺰء ﺑﻪ ﺟﺰء ﺑﺎ اﺳﺘﻔﺎده از ﻧﯿﻮﺗﻮن – راﻓﺴﻮن ﺑﺎ ﭼﻨﺪ ﺗﮑﺮار ﺑﺮاي ﯾﮏ ﺳﻄﺢ ﺗﺤﺮﯾﮑﺎت داده ﺷﺪه ‪ λ j‬ﺑﻪ‬
‫ﺻﻮرت زﯾﺮ ﻧﻮﺷﺘﻪ ﻣﯽ ﺷﻮد‪:‬‬
‫} ‪[ Kt (U j i −1 )]{∆U ij } = {R(U ij−1 )} + (λ j − λ j −1 ){Fo‬‬
‫} ‪{U ij } = {U ij−1} + {∆U ij‬‬ ‫‪i = 2,3,....‬‬
‫‪108‬‬
‫ﻣﻌﺎدﻻت ﮔﺬرا‬
‫در ﻣﺴﺎﺋﻞ اﻧﺘﺸﺎري‪ ،‬ﻣﺠﺰاﺳﺎزي در ﻓﻀﺎي ﺳﻪ ﺑﻌﺪي ﺗﻮﺳﻂ روش اﺟﺰا ﻣﺤﺪود – ﻣﻌﻤﻮﻻ ﺑﻪ ﻣﻌﺎدﻻت درﺟﻪ‬
‫اول ﯾﺎ درﺟﻪ دوم ﺑﺮ ﺣﺴﺐ زﻣﺎن ﻣﻨﺘﻬﯽ ﻣﯽ ﺷﻮد‪.‬‬
‫ﻣﻌﺎدﻻت درﺟﻪ ﯾﮏ ﻓﺮم زﯾﺮ را دارﻧﺪ‪:‬‬
‫‪for t > t0‬‬ ‫} ‪[C ]{U } + [ K ]{U } = {F‬‬

‫} ‪{U ( t )} = {U‬‬
‫‪0‬‬ ‫‪0‬‬
‫ﻣﻌﺎدﻻت درﺟﻪ دوم‬

‫‪for t > t0‬‬ ‫} ‪[ M ]{U&&} + [C ]{U& } + [ K ]{U } = {F‬‬
‫} ‪{U (to )} = {U o } , {U (to )} = {U o‬‬

‫در ﻣﻌﺎدﻻت ﺑﺎﻻ &‪ U&&,U‬ﻣﺸـﺘﻘﺎت اول و دوم ﻧﺴـﺒﺖ ﺑـﻪ زﻣـﺎن ﻣـﯽﺑﺎﺷـﻨﺪ‪ .‬ﻣـﺎﺗﺮﯾﺲﻫـﺎي ] ‪ [K],[C],[M‬ﺑـﻪ‬
‫ﺗﺮﺗﯿﺐ ﻣﺎﺗﺮﯾﺲ ﻫﺎي ﺟﺮم‪ ،‬ﻣﯿﺮاﯾﯽ و ﺳﺨﺘﯽ ﻫﺴﺘﻨﺪ ﮐﻪ در ﻣﺴﺎﺋﻞ ﺣﺮارﺗـﯽ ] ‪ [ K],[C‬ﻣـﺎﺗﺮﯾﺲ ﻫـﺎي ﻇﺮﻓﯿـﺖ‬
‫ﺣﺮارﺗﯽ و ﻫﺪاﯾﺖ ﺣﺮارﺗﯽ ﺧﻮاﻫﻨﺪ ﺷﺪ‪ .‬ﺑﺮدار }‪ ، {F‬ﺑﺮدار ﺗﺤﺮﯾﮑـﺎت )ﺑﺎرﮔـﺬاري ﺗﻨﺸـﯽ ﯾـﺎ ﺣﺮارﺗـﯽ( ﻣـﯽ‬
‫ﺑﺎﺷﺪ‪ .‬ﻣﺎﺗﺮﯾﺲ ﻫﺎي ﺑﺎﻻ ﻣﯽ ﺗﻮاﻧﻨﺪ ﻣﺴﺘﻘﻞ از ﺑﺮدار ﻣﺠﻬﻮل }‪ {U‬ﺑﺎﺷﻨﺪ ﮐﻪ در اﯾﻦ ﺻﻮرت ﺳﯿﺴﺘﻢ ﺧﻄﯽ اﺳـﺖ‬
‫و ﻫﻤﭽﻨﯿﻦ در ﺻﻮرﺗﯽ ﮐﻪ ﭘﺎراﻣﺘﺮﻫﺎي ﻓﯿﺰﯾﮑﯽ ﻣﺼﺎﻟﺢ در ﻃﻮل زﻣﺎن ﺗﻐﯿﯿـﺮ ﻧﮑﻨﻨـﺪ‪ ،‬ﻣـﺎﺗﺮﯾﺲ ﻫـﺎي ﻣـﺬﮐﻮر در‬
‫زﻣﺎن ﻧﯿﺰ ﺛﺎﺑﺖ ﺧﻮاﻫﻨﺪ ﺑﻮد‪.‬‬
‫در ﻣﻮاﻗﻌﯽ ﻣﯽ ﺗﻮان ﺳﯿﺴﺘﻢ ﻫﺎي درﺟﻪ دوم را ﺑﺎ ﺗﻐﯿﯿﺮ ﻣﺘﻐﯿﺮ ﺑﻪ ﺳﯿﺴﺘﻢ ﻫﺎي درﺟﻪ اول ﺗﺒﺪﯾﻞ ﻧﻤﻮد‪:‬‬
‫} ‪[ M ]{U&&} + [C ]{U& } + [ K ]{U } = { F‬‬
‫ﺑﺎ اﻧﺘﺨﺎب‬
‫}‪{U& } = {V‬‬
‫} ‪[ M ]{V& } + [C ]{V} + [ K ]{U } = {F‬‬
‫‪[ I ]{U& } − [ I ]{V} = 0‬‬
‫] ‪[ M‬‬ ‫] ‪0  V&  [C‬‬ ‫‪[ K ] V   F ‬‬
‫‪0‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪+‬‬ ‫‪ = ‬‬
‫‪‬‬ ‫] ‪[ I ] U&   −[ I‬‬ ‫‪0  U  0 ‬‬
‫}‪[C ′]{U& ′} + [ K ′]{U ′} = {F ′‬‬
‫ﺳﯿﺴﺘﻢ ﺑﺎﻻ ﺗﻌﺪاد ﻣﺠﻬﻮﻻت اﻓﺰون ﮔﺸﺘﻪ و ﻣﺎﺗﺮﯾﺲ '‪ K‬ﻣﺘﻘﺎرن ﻧﯿﺴﺖ‪.‬‬
‫روش ﻫﺎي ﻣﺘﺪاول اﻧﺘﮕﺮال ﮔﯿﺮي در زﻣﺎن ﻣﻌﺎدﻻت درﺟﻪ اول‬
‫‪109‬‬
‫‪ -‬ﻣﺘﺪ اوﻟﺮ واﺿﺢ )‪(Euler Explicite‬‬

‫)} ‪{U& } = [C ]−1 ({F } − [ K ]{U‬‬
‫‪for t > t0‬‬ ‫}) ‪{U& } = { f ({u}, t‬‬ ‫} ‪{U (t0 )} = {U 0‬‬
‫در ﺻﻮرت اﻧﺘﺨﺎب روش ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﭘﺴﺮو و )ﺑﻪ ﭼﭗ( دارﯾﻢ‪:‬‬
‫‪1‬‬
‫)} ‪{U& (t )} = {U& t } = ({U t +∆t } − {U t‬‬
‫‪∆t‬‬
‫}) &‪{U } = {U } + ∆t{(U‬‬
‫‪t +∆t‬‬ ‫‪t‬‬ ‫‪t‬‬
‫) ‪= {U t } + ∆t{ f ({U t }, t‬‬

‫در ﺻﻮرت ﺟﺎﯾﮕﺬاري } &‪ {U‬از ﻣﻌﺎدﻟﻪ ﺑﺎﻻ در اﯾﻦ ﻣﻌﺎدﻟﻪ ﺧﻮاﻫﯿﻢ داﺷﺖ‪:‬‬
‫} ‪[C ]{U t +∆t } = ∆t{Ft } + ([C ] − ∆t[ K ]){U t‬‬
‫ﻫﻤﯿﻦ ﻣﻌﺎدﻟﻪ ﺑﻪ ﺻﻮرت ﺟﺰﯾﯽ ﻣﯽ ﺗﻮاﻧﺪ ﻧﻮﺷﺘﻪ ﺷﻮد‪:‬‬
‫} ‪[C ]{∆U } = ∆t ({Ft } − [ K ]{U t }) = {Rt‬‬
‫ﯾﺎ‬
‫} ‪{U t +∆t } = {U t } + {∆U‬‬
‫اﻟﮕﻮرﯾﺘﻢ ﻋﻤﻠﯿﺎت ﻣﺮﺑﻮط ﺑﻪ ﺣﻞ ﻣﻌﺎدﻟﻪ ﺑﺎﻻ ﺑﻪ ﺻﻮرت زﯾﺮ اﺳﺖ‪) :‬ﺟﻬﺖ ﭘﺎﯾﺪاري اﯾﻦ اﻟﮕﻮرﯾﺘﻢ ﺑﻪ ﻣﻘﺎﻻت‬
‫ﻣﻮﻟﻒ ﻣﺮاﺟﻌﻪ ﺷﻮد(‬
‫‪t = t° -‬‬
‫‪ -‬ﺗﻌﺮﯾﻒ }‪ {Uo‬و ‪∆t‬‬
‫‪ -‬ﺳﺎﺧﺘﻦ ﻣﺎﺗﺮﯾﺲ ] ‪[c‬‬
‫‪ -‬ﻣﺜﻠﺜﯽ ﮐﺮدن ] ‪[c‬‬
‫‪ -‬ﺑﺮاي ﻫﺮ ﮔﺎم زﻣﺎﻧﯽ‬
‫‪t = t + ∆t -‬‬
‫‪ -‬ﺳﺎﺧﺘﻦ } ‪{Rt‬‬
‫‪ -‬ﺣﻞ ﻣﻌﺎدﻟﻪ } ‪{Rt } = [C ]{∆U‬‬
‫‪ -‬ﻣﺤﺎﺳﺒﻪ } ‪{U t +∆t } = {U t } + {∆U‬‬
‫اوﻟﺮ واﺿﺢ‪:‬‬
‫‪1‬‬
‫= } ‪ {U& (t )} = {U& t‬ﺗﻔﺎﺿﻞ ﻋﺪد ﭘﺴﺮو )ﺑﻪ ﭼﭗ( ﻣﯽدﻫﺪ‪.‬‬ ‫)} ‪({U t +∆t } − {U t‬‬
‫‪∆t‬‬
‫‪110‬‬
{U t +∆t } = {U t } + ∆t { f ({U t } t ) : ‫ﻓﺮم واﺿﺢ‬

f = [C ]−1 ({F } − [ K ]{U })
‫ ﺗﻔﺎﺿﻞ ﻣﺤﺪود و‬.‫ﺟﺎﯾﮕﺬاري ﮐﺮده و ﺑﺴﻂ دﻫﯿﻢ و دو ﻓﺮم ﮐﻠﯽ را ﻋﺮﺿﻪ ﮐﻨﯿﻢ و ﭘﺎﯾﺪاري را ذﮐﺮ ﮐﻨﯿﻢ‬
.‫ﭘﯿﺸﺮو )ﺑﻪ راﺳﺖ( ﻣﯽ دﻫﺪ‬
:‫ﻣﺘﺪ اوﻟﺮ ﺿﻤﻨﯽ‬
1
{U& t +∆t } = ({U t +∆t } − {U t })
∆t
{U t +∆t } = {U t } + ∆t { f ({U t +∆t }, t + ∆t )}
⇒ [ K ]{U t +∆t } = {Rt +∆t }
[ K ] = [C ] + ∆ t [ X ]
{Rt +∆t } = ∆t{Ft +∆t } + [C ]{U t }
Δ U ‫و ﺑﺎ ﻓﺮم‬
[ K ]{∆U } = {Rt +∆t } − [ K ]{U t }
[ K ]{∆U } = {Rt +∆t }
{Rt +∆t } = ∆t ({Ft +∆t }[ K ]{U t })
:‫ﻣﺘﺪ ﻧﯿﻤﻪ ﺿﻤﻨﯽ‬
{U t +∆t } = {U t } + ∆t{ f ({U t +α∆t } , t + α∆t ) }
{U t +∆t } = α {U t +∆t } + (1 − α ){U t }
α =1 inplicit
α =0 exp licit
[ K ]{U t +∆t } = {Rt +∆t }
[ K ] = [ c ] + α∆t [ K ]
{Rt +∆t } = ∆t (α {Ft +∆t } + (1 − α ){Ft } − (1 − α )[ K ]{U t }) + [C ]{U t }
:Δ U ‫ﻓﺮم‬
[ K ]{∆U } = {Rt +∆t } , {Rt +∆t } = ∆t (α {Ft +∆t } + (1 − α ){Ft } − [ K ]{U t })
‫ﻣﻌﺎدﻻت درﺟﻪ ﯾﮏ‬
‫ﻣﻌﺎدﻻت ﮔﺬرا‬
111
‫‪for t > t0‬‬ ‫} ‪[C ]{U& } + [ K ]{U } = {F‬‬

‫} ‪{U ( to ) } = {U o‬‬
‫درﺟﻪ دوم‬
‫‪for t > t0‬‬ ‫} ‪[ M ]{U&&} + [C ]{U& } + [ K ]{U } = {F‬‬
‫} &‪{U } = {U },{U& } = {U‬‬
‫) ‪( t0‬‬ ‫‪0‬‬ ‫) ‪( t0‬‬ ‫‪0‬‬
‫ﺗﺒﺪﯾﻞ ﺑﻪ درﺟﻪ ﯾﮏ‬

‫}‪{U& } = {V‬‬
‫} ‪[ M ]{V& } + [C ]{V} + [ K ]{U } = {F‬‬
‫‪[ I ]{U& } − [ I ]{V} = 0‬‬
‫‪M‬‬ ‫‪0  V&  C‬‬ ‫‪K  V   F ‬‬
‫‪0‬‬ ‫‪ +‬‬ ‫‪ = ‬‬
‫‪‬‬ ‫‪I  U&   − I‬‬ ‫‪0  U  0 ‬‬
‫}‪[c′]{U& ′}+ [k ′]{U′} = {F′‬‬
‫روش ﺗﻔﺎﺿﻞ ﻣﺤﺪود‪:‬‬
‫ﺑـﻪ‬ ‫‪xi‬‬ ‫ﺑﺎ ﻧﻮﺷﺘﻦ ﺗﺎﺑﻌﯽ ﻣﺜﻞ ) ‪ y = f ( x‬ﻣﯽ ﺗـﻮاﻧﯿﻢ ﻣﺸـﺘﻘﺎت درﺟـﻪ اول و درﺟـﻪ دوم و ‪ .....‬آن را در ﻧﻘﻄـﻪ‬
‫ﻃﺮﯾﻖ زﯾﺮ ﻣﺤﺎﺳﺒﻪ ﮐﻨﯿﻢ‪.‬‬
‫‪yi +1 − yi −1‬‬
‫= ‪yi′‬‬ ‫)‪(1‬‬
‫‪2 ∆x‬‬
‫ﻓﺮﻣﻮل ﺑﺎﻻ ﺑﻪ ﻓﺮﻣﻮل ﺗﻔﺎوت ﻣﺮﮐﺰي ﻣﻌﺮوف اﺳﺖ ﻣﯽ ﺗﻮان از ﻓﺮﻣﻮل ﻫﺎي ﺗﻔﺎوت ﭘﯿﺸﺮو و ﺗﻔﺎوت ﭘﺴﺮو ﺑﻪ‬
‫ﺷﺮح زﯾﺮ ﻧﯿﺰ ﺑﻪ ﻋﻨﻮان ﻓﺮﻣﻮل ﻫﺎي دﯾﮕﺮي ﮐﻪ ﻣﺸﺘﻖ درﺟﻪ اول در ﻧﻘﻄﻪ ‪ xi‬را ﺑﻪ دﺳﺖ ﻣﯽ دﻫﻨﺪ ﯾﺎد ﮐﺮد‪.‬‬
‫‪112‬‬
‫‪y‬‬
‫‪yi +1‬‬
‫‪yi‬‬
‫‪yi −1‬‬ ‫ﺷﮑﻞ )‪(1‬‬
‫‪∆x‬‬ ‫‪∆x‬‬
‫‪x‬‬
‫‪xi −1‬‬ ‫‪xi‬‬ ‫‪xi +1‬‬
‫‪yi +1 − yi‬‬
‫= ‪yi′‬‬ ‫ﺗﻔﺎوت ﭘﯿﺸﺮو ) ‪( 2‬‬
‫‪∆x‬‬
‫‪y − yi −1‬‬
‫‪yi′ = i‬‬ ‫ﺗﻔﺎوت ﭘﺴﺮو )‪( 3‬‬
‫‪∆x‬‬
‫ﻓﺮﻣﻮل ﺗﻔﺎوت ﻣﺮﮐﺰي ﻧﺴﺒﺖ ﺑﻪ دو ﻓﺮﻣﻮل دﯾﮕﺮ از ﺗﻘﺮﯾﺐ ﺑﻬﺘﺮي ﺟﻬﺖ ﺗﻌﯿﯿﻦ ﻣﯿﺰان ﻣﺸﺘﻖ درﺟﻪ اول در‬
‫ﻧﻘﻄﻪ ﻣﻔﺮوض ﺑﺮﺧﻮردار اﺳﺖ‪ .‬ﻣﺸﺘﻘﺎت از درﺟﺎت دﯾﮕﺮ را ﻧﯿﺰ ﺑﻪ ﻫﻤﯿﻦ روش ﻣﯽﺗﻮان ﻣﺤﺎﺳﺒﻪ ﻧﻤﻮد‪ .‬ﻣﺜﻼ‬
‫‪∆x‬‬
‫ﻃﺮف‬ ‫ﻫﺮ‬ ‫در‬ ‫ﺟﻬﺖ ﻣﺸﺘﻖ درﺟﻪ دوم را ﺑﺎ اﺳﺘﻔﺎده از ﻋﺒﺎرت ﻣﺸﺘﻖ درﺟﻪ اول در ﻧﻘﺎط ﺑﻪ ﻓﺎﺻﻠﻪ‬
‫‪2‬‬
‫‪ ( x 1 , x 1 ) xi‬و ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اﯾﻦ ﮐﻪ ﻣﺸﺘﻖ درﺟﻪ دوم ﺑﯿﺎﻧﮕﺮ ﻧﺮخ ﺗﻐﯿﯿﺮات ﻣﺸﺘﻖ درﺟﻪ اول ﺑﯿﻦ اﯾﻦ دو ﻧﻘﻄﻪ‬
‫‪i−‬‬ ‫‪i+‬‬
‫‪2‬‬ ‫‪2‬‬
‫ﻣﯽ ﺑﺎﺷﺪ ﻣﺤﺎﺳﺒﻪ ﻧﻤﻮد‪.‬‬
‫‪y′ 1 − y′ 1‬‬
‫‪i+‬‬ ‫‪i−‬‬
‫= ‪yi′′‬‬ ‫‪2‬‬ ‫‪2‬‬
‫)‪(4‬‬
‫‪∆x‬‬
‫‪y −y‬‬
‫‪y′ 1 = i +1 i‬‬ ‫)‪( 5‬‬
‫‪i+‬‬
‫‪2‬‬ ‫‪∆x‬‬
‫‪yi − yi −1‬‬
‫= ‪y′ 1‬‬ ‫)‪( 6‬‬
‫‪i−‬‬
‫‪2‬‬ ‫‪∆x‬‬
‫ﺑﺎ ﮔﺬاﺷﺘﻦ ﻓﺮﻣﻮلﻫﺎي )‪ (5‬و )‪ (6‬در ﻓﺮﻣﻮل )‪ (4‬ﻧﺘﯿﺠﻪ ﻣﯽﮔﯿﺮﯾﻢ‪:‬‬

‫‪yi +1 − 2 yi + yi−1‬‬
‫= ‪yi′′‬‬ ‫)‪( 7‬‬
‫‪(∆x)2‬‬
‫‪113‬‬
‫ﺑﻪ ﻫﻤﯿﻦ ﻃﺮﯾﻖ ﺑﺎ اﺳﺘﻔﺎده از ﺳﺮيﻫﺎي ﺗﯿﻠﻮر و ﻣﮏ ﻟﻮران ﻣﯽﺗﻮان ﻣﺸﺘﻘﺎت درﺟﻪ ﺑﺎﻻﺗﺮ را ﺑﻪ دﺳﺖ آورد‪.‬‬
‫و ﻫﻨﮕﺎﻣﯽ ﮐﻪ ﺑﺎ ﺗﻮاﺑﻊ دو ﭘﺎراﻣﺘﺮ ﻣﺴﺘﻘﻞ ﻣﺜﻞ )‪ ϕ = f ( x, y‬ﮐﺎر ﻣﯽ ﮐﻨﯿﻢ‪ ،‬ﻻزم اﺳﺖ ﮐﻪ از ﺷﺒﮑﻪ ﺑﻨﺪي در‬
‫دو ﺟﻬﺖ ‪ x,y‬ﺑﺎ اﻧﺪازه ﻫﺎي ‪ ∆x, ∆y‬اﺳﺘﻔﺎده ﮐﻨﯿﻢ‪ .‬ﺑﺮاي ﭼﻨﯿﻦ ﺗﻮاﺑﻌﯽ ﻣﺸﺘﻘﺎت درﺟﻪ اول و درﺟﻪ دوم را‬
‫از ﻓﺮﻣﻮل ﺗﻘﺮﯾﺐ ﺗﻘﺎرن ﻣﺮﮐﺰي ﺑﻪ ﺷﺮح زﯾﺮ ﺑﻪ دﺳﺖ ﻣﯽ آورﯾﻢ‪:‬‬
‫‪∂ϕ‬‬ ‫‪ϕ − ϕi −1, j‬‬
‫(‬ ‫‪)i , j = i +1, j‬‬ ‫) ‪(8‬‬
‫‪∂x‬‬ ‫‪2∆x‬‬
‫‪∂ϕ‬‬ ‫‪ϕ −ϕ‬‬
‫‪( )i , j = i , j +1 i , j −1‬‬ ‫) ‪(9‬‬
‫‪∂y‬‬ ‫‪2∆y‬‬
‫‪∂ 2ϕ‬‬ ‫‪ϕ − 2ϕi , j + ϕi −1, j‬‬
‫‪( 2 )i , j = i +1, j‬‬ ‫) ‪(10‬‬
‫‪∂x‬‬ ‫‪(∆x) 2‬‬
‫‪∂ 2ϕ‬‬ ‫‪ϕ − 2ϕi , j + ϕi , j −1‬‬
‫‪( 2 )i , j = i , j +1‬‬ ‫)‪(11‬‬
‫‪∂y‬‬ ‫‪( ∆y)2‬‬
‫اﮔﺮ ﻓﺮم ﮐﻠﯽ ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ‪ ،‬ﻣﺸﺘﻘﺎت ﺟﺰﯾﯽ از درﺟﻪ دوم زﯾﺮ را در ﻧﻈﺮ ﺑﮕﯿﺮﯾﻢ‪:‬‬
‫‪∂ 2ϕ‬‬ ‫‪∂ 2ϕ‬‬ ‫‪∂ 2ϕ‬‬ ‫‪∂ϕ ∂ϕ‬‬
‫‪a‬‬ ‫‪+‬‬ ‫‪b‬‬ ‫‪+‬‬ ‫‪c‬‬ ‫=‬ ‫‪f‬‬ ‫(‬ ‫‪x‬‬‫‪,‬‬ ‫‪y‬‬‫‪,‬‬ ‫‪ϕ‬‬ ‫‪,‬‬ ‫) ‪,‬‬ ‫) ‪(12‬‬
‫‪∂x2‬‬ ‫‪∂y∂x‬‬ ‫‪∂y2‬‬ ‫‪∂x ∂y‬‬
‫ﺑﺮﺣﺴﺐ ﻣﻘﺪار ‪ ، ∆ = b 2 − 4ac‬ﻣﻌﺎدﻟﻪ ﺑﺎﻻ ﻧﺎم ﻫﺎي زﯾﺮ را ﺑﻪ ﺧﻮد ﻣﯽ ﮔﯿﺮد و راه ﺣﻞ ﻫﺮ ﯾﮏ از ﻣﻌﺎدﻻت‬
‫زﯾﺮ ﺑﻪ ﻃﻮر ﻣﺸﺨﺺ در ﮐﺘﺎب ﻫﺎي ﺗﺤﻠﯿﻞ ﻋﺪدي ﻣﻌﺎدﻻت دﯾﻔﺮاﻧﺴﯿﻞ ﻣﺸﺘﻘﺎت ﺟﺰﯾﯽ داده ﺷﺪه اﺳﺖ‪.‬‬
‫‪∆<o‬‬ ‫)‪ (elliptic‬ﻣﻌﺎدﻟﻪ ﺑﯿﻀﯽ‬
‫‪∆=o‬‬ ‫)‪ (Parabolic‬ﺳﻬﻤﯽ‬
‫‪∆>o‬‬ ‫)‪ (hyporbolic‬ﻫﺬﻟﻮﻟﯽ‬
‫ﻟﯿﮑﻦ ﺑﺤﺚ ﻣﺎ در ﻣﻮرد ﻓﺮم ﺳﺎده ﺷﺪه ﻣﻌﺎدﻟﻪ ﺑﺎﻻ ﯾﻌﻨﯽ ‪ ∇2h = o‬ﻣﯽ ﺑﺎﺷﺪ‪.‬‬
‫‪114‬‬
‫‪y‬‬
‫‪ϕi, j +1‬‬
‫‪j +1‬‬
‫‪ϕi −1, j‬‬ ‫‪ϕi , j‬‬ ‫‪ϕi +1, j‬‬ ‫‪∆y‬‬
‫‪j‬‬
‫‪∆y‬‬
‫‪j −1‬‬
‫‪ϕi, j −1‬‬
‫‪∆x‬‬ ‫‪∆x‬‬
‫‪x‬‬
‫‪i −1‬‬ ‫‪i‬‬ ‫‪i +1‬‬
‫ﺷﮑﻞ )‪(2‬‬
‫ﺑﺮاي ﺣﻞ ﻣﻌﺎدﻟﻪ ﺑﺎﻻ ﻋﺒﺎرات ﻣﺸﺘﻖ ﺟﺰﯾﯽ درﺟﻪ دوم را ﮐﻪ ﺑﻪ دﺳﺖ آوردهاﯾﻢ در ﻋﺒﺎرات ﻻﭘﻼﺳﯿﻦ‬
‫ﺟﺎﯾﮕﺰﯾﻦ ﻣﯽ ﮐﻨﯿﻢ‪.‬‬
‫‪hi , j +1 − 2hi , j + hi , j −1‬‬ ‫‪hi +1, j − 2hi , j + hi −1, j‬‬
‫‪+‬‬ ‫‪=0‬‬ ‫)‪(13‬‬
‫‪( ∆y) 2‬‬ ‫‪(∆x) 2‬‬
‫ﺑﺎ ﻣﺴﺎوي ﻗﺮار دادن ‪ ∆x = ∆y‬ﯾﻌﻨﯽ ﺑﺎ اﺳﺘﻔﺎده از ﯾﮏ ﺷﺒﮑﻪ ﻣﺮﺑﻌﯽ ﻣﯽﺗﻮان ﻧﻮﺷﺖ‪:‬‬
‫‪hi , j +1 + hi , j −1 − 4hi , j + hi +1, j + hi −1, j = 0‬‬ ‫) ‪(14‬‬
‫‪115‬‬
‫ﯾﻌﻨﯽ ﻋﺎﻣﻞ ‪ ∇ 2‬را ﻣﯽ ﺗﻮان ﺑﻪ ﺻﻮرت زﯾﺮ ﻧﻮﺷﺖ‪:‬‬

‫‪o‬‬ ‫‪1‬‬ ‫‪o‬‬
‫‪1 ‬‬
‫‪2 ‬‬
‫‪1 −4‬‬ ‫‪1‬‬ ‫) ‪(15‬‬
‫‪∆x‬‬
‫‪o‬‬ ‫‪1‬‬ ‫‪o ‬‬
‫در ﺣﻞ ﯾﮏ ﻣﺴﺄﻟﻪ ﺗﺮاوش آب ﯾﺎ اﻧﺘﺸﺎر ﺣﺮارت ﯾﺎ ﻫﺪاﯾﺖ اﻟﮑﺘﺮﯾﮑﯽ ﮐﻪ ﻣﻌﺎدﻟﻪ ﺣﺎﮐﻢ ﺑﺮ آن ﺑﻪ ﺻﻮرت‬
‫ﻣﻌﺎدﻟﻪ درﺟﻪ دوم )ﻻﭘﻼﺳﯿﻦ( ﻣﯽ ﺑﺎﺷﺪ‪ ،‬ﺑﺮاي ﻫﺮ ﯾﮏ از ﻧﻘﺎط ﺷﺒﮑﻪ ﻣﻌﺎدﻟﻪ ﺑﺎﻻ را ﻧﻮﺷﺘﻪ و ﯾﮏ ﺳﯿﺴﺘﻢ‬
‫ﻣﻌﺎدﻻت ﭼﻨﺪ ﻣﺠﻬﻮﻟﯽ را ﺑﺎﯾﺪ در اﻧﺘﻬﺎ ﺣﻞ ﻧﻤﻮد‪.‬‬
‫روش ﻫﺎي ﺣﻞ ﻣﻌﺎدﻻت ﺟﺒﺮي ﭼﻨﺪ ﻣﺠﻬﻮﻟﻪ ﺑﻪ ﺷﺮح زﯾﺮ اﺳﺖ‪:‬‬
‫‪ -1‬روش ﻫﺎي ﻣﺴﺘﻘﯿﻢ ﻣﺜﻞ ﮔﻮس – ﺟﺮدن‪ ،‬ﭼﻮﻟﺴﮑﯽ‪ ،‬دوﻟﯿﺘﻞ‬
‫‪ -2‬روش ﺗﮑﺮار‬
‫‪ -3‬روش رﻫﺎﯾﯽ‬
‫ﺗﻮﺿﯿﺢ روشﻫﺎي ﻣﺴﺘﻘﯿﻢ را ﮐﻪ ﻣﻌﻤﻮﻻ در ﺣﻞ ﻣﻌﺎدﻻت ﺑﺰرگ )ﻣﺠﻬﻮلﻫﺎي ﺑﺴﯿﺎر زﯾﺎد( ﺑﻪ ﮐﺎر ﮔﺮﻓﺘﻪ ﻣﯽ‬
‫ﺷﻮد‪ .‬در ﮐﺘﺎب ﻫﺎي ﻣﺤﺎﺳﺒﺎت ﻋﻠﻤﯽ ﻣﯽ ﺗﻮان ﯾﺎﻓﺖ و ﻣﻌﻤﻮﻻ ﺑﺎ ﻧﻮﺷﺘﻦ ﯾﮏ ﺑﺮﻧﺎﻣﻪ ﮐﻮﺗﺎه ﮐﺎﻣﭙﯿﻮﺗﺮي ﺟﻬﺖ‬
‫ﻋﮑﺲ ﻧﻤﻮدن ﻣﺎﺗﺮﯾﺲ ﺿﺮاﯾﺐ ﮐﻪ ﻗﺒﻼ ﺑﺼﻮرت ﻣﺜﻠﺜﯽ درآﻣﺪه اﻧﺪ ﻫﻤﺮاه اﺳﺖ‪.‬‬
‫روش ﻫﺎي ﻏﯿﺮﻣﺴﺘﻘﯿﻢ )روش ﺗﮑﺮار ﯾﺎ رﻫﺎﯾﯽ( ﻣﻌﻤﻮﻻ در ﺣﻞ ﻣﻌﺎدﻻت دﺳﺘﯽ اﺳﺘﻔﺎده ﺷﺪه و روش ﺗﮑﺮار از‬
‫ﺗﻘﺎرب ﺑﻬﺘﺮي ﺑﺮﺧﻮردار ﻣﯽ ﺑﺎﺷﺪ‪ .‬ﺑﻪ ﻫﻤﯿﻦ دﻟﯿﻞ ﺑﺎ ﺣﻞ ﯾﮏ ﻣﺜﺎل روش ﻣﺴﺘﻘﯿﻢ و روش ﺗﮑﺮار را ﺗﻮﺿﯿﺢ ﻣﯽ‬
‫دﻫﯿﻢ‪.‬‬
‫ﻣﺜﺎل ﻣﻄﻠﻮب اﺳﺖ‪ :‬ﺗﻌﯿﯿﻦ درﺟﻪ ﺣﺮارت ﻧﻘﺎط ﻣﺤﯿﻂ زﯾﺮ ﺑﺎ ﻓﺮض ﺷﺮاﯾﻂ ﺣﺪي داده ﺷﺪه‪.‬‬
‫‪116‬‬
‫‪ 30‬درﺟﻪ‬
‫‪2‬‬ ‫‪4‬‬ ‫‪6‬‬

‫‪ 3‬ﻣﺘﺮ‬
‫‪ 20‬درﺟﻪ‬ ‫‪1‬‬ ‫‪ 30‬درﺟﻪ‬
‫‪3‬‬ ‫‪5‬‬
‫‪ 20‬درﺟﻪ‬
‫‪ 4‬ﻣﺘﺮ‬
‫ﻣﻌﺎدﻟﻪ ﺣﺎﮐﻢ ‪ ∆T = o‬ﻣﯽﺑﺎﺷﺪ‪ .‬ﻋﺎﻣﻞ ﻻﭘﻼﺳﯿﻦ داده ﺷﺪه در ﻣﻌﺎدﻟﻪ )‪ (15‬را اﺳﺘﻔﺎده ﻣﯽﮐﻨﯿﻢ‪.‬‬
‫‪ (1‬روش ﻣﺴﺘﻘﯿﻢ‪ :‬ﻣﻌﺎدﻻت ﺑﺎ اﺳﺘﻔﺎده از ﻣﻌﺎدﻟﻪ )‪ (14‬ﺑﻪ ﺻﻮرت زﯾﺮ ﻧﻮﺷﺘﻪ ﻣﯽ ﺷﻮﻧﺪ‪:‬‬
‫‪−4T1 + T2 + T3 = −40‬‬
‫‪T1 − 4T2 + T4 = −50‬‬
‫‪T1 − 4T3 + T4 + T5 = −20‬‬
‫‪T2 + T3 − 4T4 + T6 = −30‬‬
‫‪T3 − 4T5 + T6 = −50‬‬
‫‪T4 + T5 − 4T6 = −60‬‬
‫از ﺣﻞ‪ ،‬ﺳﯿﺴﺘﻢ ﺷﺶ ﻣﻌﺎدﻟﻪ و ﺷﺶ ﻣﺠﻬﻮل داده ﺷﺪه‪ ،‬ﻣﯽﺗﻮان درﺟﻪ ﺣﺮارت ﻧﻘﺎط ‪ 1‬ﺗﺎ ‪ 6‬را ﺑﻪ دﺳﺖ آورد‪.‬‬
‫‪.2‬روش ﺗﮑﺮار‬
‫ﺑﺎ اﺳﺘﻔﺎده از ﻋﺎﻣﻞ ﻻﭘﻼﺳﯿﻦ زﯾﺮ ‪:‬‬
‫‪o‬‬ ‫‪1‬‬ ‫‪o‬‬
‫‪1‬‬ ‫‪−4‬‬ ‫‪1‬‬
‫‪‬‬
‫‪ o‬‬ ‫‪1‬‬ ‫‪o ‬‬
‫ﺑﺎ ﻓﺮض اﯾﻨﮑﻪ درﺟﻪ ﺣﺮارت در ﺗﻤﺎم ﻧﻘﺎط ﻣﺤﯿﻂ ﯾﮑﺴﺎن ﺑﺎﺷﺪ ﻋﻤﻞ ﺗﮑﺮار را ﺷﺮوع ﻣﯽ ﮐﻨﯿﻢ‪.‬‬
‫‪117‬‬
‫از ﺳﻤﺖ ﭼﭗ و ﺑﺎﻻ ﺷﺮوع ﮐﺮده و ﺑﻪ ﺻﻮرت ﺳﺘﻮﻧﯽ ﭘﯿﺶ ﺧﻮاﻫﯿﻢ رﻓﺖ‪ .‬زﻣﺎﻧﯽ ﮐﻪ اﺧﺘﻼف ﺑﯿﻦ دو ﺗﮑﺮار ﺑﻪ‬
‫ﺣﺪ ﮐﺎﻓﯽ ﮐﻮﭼﮏ ﺷﺪه ﺑﺎﺷﺪ ﻣﯽ ﺗﻮان ﺣﻞ ﻣﺴﺄﻟﻪ را ﻣﺘﻮﻗﻒ ﻧﻤﻮده و ﺟﻮاب ﻫﺎي آﺧﺮﯾﻦ ﺗﮑﺮار را ﺑﺎ ﺗﻘﺮﯾﺐ‬
‫‪30‬‬ ‫‪30‬‬ ‫‪30‬‬ ‫‪30‬‬ ‫‪30‬‬
‫‪23/4‬‬ ‫‪25‬‬ ‫‪27/3‬‬

‫‪22/5‬‬ ‫‪23/1‬‬ ‫‪25/8‬‬
‫‪20‬‬ ‫‪20‬‬ ‫‪20‬‬
‫‪20‬‬ ‫‪30‬‬
‫‪21/1/1‬‬
‫‪21‬‬ ‫‪22/6‬‬ ‫‪25‬‬
‫‪20/6/6‬‬
‫‪20‬‬ ‫‪20/9‬‬ ‫‪24/2‬‬
‫‪20‬‬
‫‪20‬‬ ‫‪20‬‬ ‫‪20‬‬
‫‪20‬‬ ‫‪30‬‬
‫‪30‬‬
‫‪20‬‬ ‫‪20‬‬ ‫‪20‬‬ ‫‪20‬‬
‫ﻣﻨﺎﺳﺒﯽ ﺑﻪ ﻋﻨﻮان ﺟﻮاب ﻫﺎي ﻣﺴﺄﻟﻪ ﻗﺒﻮل ﮐﺮد‪.‬‬
‫‪118‬‬
‫ﻣﺴﺄﻟﻪ‪ :‬در ﻣﯿﺪان ﺟﺮﯾﺎن دو ﺑﻌﺪي زﯾﺮ‪ ،‬ﺑﺎر آﺑﯽ ﻧﻘﺎط را ﺑﻪ دﺳﺖ آورﯾﺪ‪.‬‬
‫ﺳﻄﻮح ﻫﺎﺷﻮر ﺧﻮرده ﻧﻤﻮدار ﺳﻄﻮﺣﯽ ﻫﺴﺘﻨﺪ ﮐﻪ ﻧﻔﻮذﻧﺎﭘﺬﯾﺮ ﻣﯽ ﺑﺎﺷﻨﺪ‪ .‬ﺑﺎر آﺑﯽ در دو ﻧﻘﻄﻪ در ﺑﺎﻻ ﻣﺴﺎوي‬
‫‪ 10‬و در دو ﻧﻘﻄﻪ در ﻫﻨﮕﺎم ﺧﺮوج ﻣﺴﺎوي ﺻﻔﺮ ﻣﯽ ﺑﺎﺷﺪ‪.‬‬
‫‪10‬‬ ‫‪10‬‬
‫‪0‬‬ ‫‪0‬‬
‫ﺑﺮ روي ﺑﺴﺘﺮ ارﺗﺠﺎﻋﯽ ﺑﺎ روش ﺗﻔﺎﺿﻞ ﻣﺤﺪود‬
‫‪d4y‬‬
‫‪EI‬‬ ‫‪= − Ks . y‬‬ ‫‪P2‬‬
‫‪dx4‬‬ ‫‪x P1‬‬ ‫‪x1‬‬
‫‪y − 2 yi + 2 + 2 yi −1 − yi −2‬‬
‫‪y′′ = i + 2‬‬
‫‪2( ∆x)3‬‬
‫‪R0‬‬ ‫‪R1 R2‬‬ ‫‪R11‬‬
‫‪M = EIy′′‬‬ ‫‪R3‬‬ ‫‪R9‬‬ ‫‪R10‬‬
‫‪V = EIy′′′‬‬ ‫‪∆x = h‬‬

‫‪EI‬‬ ‫‪∆x ∆x‬‬
‫= ‪Mi‬‬ ‫(‬ ‫‪y‬‬‫‪i +1‬‬ ‫‪−‬‬ ‫‪2‬‬ ‫‪y‬‬ ‫‪i‬‬ ‫‪+‬‬ ‫‪y‬‬‫‪i −1‬‬ ‫)‬ ‫=‬ ‫‪M‬‬ ‫‪i‬‬
‫‪h2‬‬ ‫‪y1‬‬ ‫‪y2 y3‬‬ ‫‪y11‬‬
‫‪EI‬‬
‫‪Vi = 3 ( yi + 2 − 2 yi +1 + 2 yi −1 − yi − 2 ) = Vi‬‬
‫‪h‬‬
‫‪qi = Ks Byi‬‬
‫ﻫﺮ ﻧﻮع ﭘﺨﺶ ﺗﻨﺸﯽ را ﻣﯽ ﺗﻮاﻧﯿﻢ اﻧﺘﺨﺎب ﮐﻨﯿﻢ‪.‬‬
‫‪R1 = y2 Ks Bh y1‬‬
‫‪R2 to R10 = Ks Bh yi‬‬
‫‪R11 = y2 Ks Bh y11‬‬
‫‪119‬‬
‫ﺑﺮاي ﻫﺮ ﻧﻘﻄﻪ ﻣﻌﺎدﻟﻪ ‪ M‬را ﻣﯽ ﻧﻮﯾﺴﯿﻢ‪ :‬ﻣﺜﻼ ﺑﺮاي ﻧﻘﻄﻪ ‪ 2‬دارﯾﻢ‪:‬‬

‫‪EI‬‬ ‫‪1‬‬
‫= ‪M2‬‬ ‫(‬ ‫‪y‬‬‫‪1‬‬ ‫‪−‬‬ ‫‪2‬‬ ‫‪y‬‬‫‪2‬‬ ‫‪+‬‬ ‫‪y‬‬‫‪3‬‬ ‫)‬ ‫=‬ ‫‪R‬‬‫‪1‬‬ ‫‪h‬‬ ‫‪−‬‬ ‫‪P‬‬‫‪1‬‬ ‫(‬ ‫‪h‬‬ ‫‪−‬‬ ‫‪x‬‬‫)‬ ‫=‬ ‫)‪Ks Bh y1 − P1 ( h − x‬‬
‫‪h2‬‬ ‫‪2‬‬
‫ﺑﺮاي ﻧﻘﻄﻪ ‪ 3‬دارﯾﻢ‪:‬‬
‫‪EI‬‬
‫)‪( y2 − 2 y3 + y4 ) = R1 (2h) + R2h − P1 (2h − x‬‬
‫‪h2‬‬
‫در ﻧﺘﯿﺠﻪ ﺑﺮاي ‪ 9‬ﻧﻘﻄﻪ ﻣﯿﺎﻧﯽ‪ 9 ،‬ﻣﻌﺎدﻟﻪ ﺧﻮاﻫﯿﻢ داﺷﺖ‪:‬‬
‫ﻣﺠﻤﻮع ﻣﻤﺎن ﻫﺎ و ﻣﺠﻤﻮع ﻧﯿﺮوﻫﺎ را ﮐﻪ ﺑﻨﻮﯾﺴﯿﻢ ﻣﻌﺎدﻻت ﮐﺎﻣﻞ ﻣﯽ ﺷﻮﻧﺪ‪.‬‬
‫‪∑M‬‬ ‫‪011‬‬ ‫‪=o‬‬ ‫‪R1 (10h) + R2 (9h) + ......... R10 h − P1 (10h − x) − P2 ( x1 ) = 0‬‬
‫‪11‬‬
‫‪∑ Fy = o‬‬ ‫‪∑R − P − P‬‬

‫‪1‬‬
‫‪i‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪=0‬‬
‫‪3‬‬
‫‪ D = Eh‬ﻣﻨﺤﻨﯽ ﭘﯽ ﮔﺴﺘﺮده‬ ‫ﻣﻌﺎدﻟﻪ ﺗﻐﯿﯿﺮ ﻣﮑﺎن دال ﻫﺎ ‪ D∇ 4w = q − KW‬ﯾﺎ‬
‫) ‪12(1 − υ‬‬ ‫‪2‬‬
‫‪∂4w‬‬ ‫‪∂4w‬‬ ‫‪∂4w‬‬

‫= ‪∇ w4‬‬ ‫‪+‬‬ ‫‪2‬‬ ‫‪+‬‬ ‫‪∆x = ∆y = h‬‬
‫‪∂x4‬‬ ‫‪∂x2∂y2 ∂ 4 y‬‬
‫‪q:‬‬ ‫ﺑﺎر ﮔﺴﺘﺮده زﯾﺮ ﭘﯽ‬
‫‪k:‬‬ ‫ﻣﺪول ﺳﺎﺑﮕﺮﯾﺪ ﺧﺎك‬
‫اﭘﺮاﺗﻮر ﻣﻌﺎدﻟﻪ را ﻣﯽ ﻧﻮﯾﺴﯿﻢ‪:‬‬
‫‪1‬‬
‫‪2‬‬ ‫‪-8‬‬ ‫‪2‬‬
‫‪q∆2x4 Qh 2‬‬
‫=‬ ‫‪+‬‬
‫‪-8‬‬ ‫‪20‬‬ ‫‪-8‬‬ ‫‪D‬‬ ‫‪D‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪qh Qh2‬‬
‫‪4‬‬
‫=‬ ‫‪+‬‬
‫‪D‬‬ ‫‪D‬‬
‫‪2‬‬ ‫‪-8‬‬ ‫‪2‬‬
‫‪1‬‬ ‫‪ : Q‬ﺑﺎر در ﻧﻘﻄﻪ ﻣﺮﮐﺰ )ﻧﻘﻄﻪ ﻣﻮرد ﻧﻈﺮ اﺳﺖ(‬
‫‪120‬‬
−6 + 2υ
2 −υ 2 −υ
-8 19 -8 qh 4 Qh 2
= +
+1 +1 D D
-8
+2 +2
+1
8 − 4υ − 3υ 2
+
1
(1 −υ 2 ) −4 + 2υ + 2υ 2 −4 + 2υ + 2υ 2 +
1
2
(1 −υ 2 )
2
qh 4 Qh 2
−6 + 2υ = +
2D D
2 −υ 2 −υ
+1
1
(1 − υ 2 ) −3 + 2υ + υ
2
+
2 3 − 2υ − υ 2
qh4 Qh2
= +
4D D
−3 + 2υ + υ 2
+
1
2
(1 −υ 2 )
121
−4 + 2υ + 2υ 2
+ (1 − υ )
1 2
2 7.5 − 4υ − 2.5υ 2
−3 + 2υ + υ 2
qh4 Qh 2
= +
2 −υ −6 + 2υ 2 −υ 2D D
+1
2 −υ −6 + 2υ
2 (1 −υ )
+1 -8 18
−6 + 2υ =
qh 4 Qh 2
+
D D
+2 -8
2 −υ
+1
122
‫ﺑﺮاي اﻟﻤﺎنﻫﺎ ﻣﯽﺗﻮان ﻧﻮﺷﺖ و اﭘﺮاﺗﻮر را ﭘﯿﺪا ﮐﺮد‪.‬‬
‫ﻣﻤﺎن در ﺟﻬﺖ ‪x‬‬ ‫‪M x = M ′x + υ M ′y‬‬

‫‪D‬‬
‫‪M horizontal = −‬‬ ‫) ‪( wleft − 2 wa + wright ) + D ( wup − 2 wa + wdown‬‬
‫‪h2‬‬
‫ﻣﺤﯿﻂ ﻣﺘﺨﻠﺨﻞ زﯾﺮ ﺑﺎرﻫﺎي دﯾﻨﺎﻣﯿﮑﯽ و ﮔﺬرا‬
‫ﮐﺸﺶ ﻣﺜﺒﺖ اﻧﺘﺨﺎب ﺷﺪه اﺳﺖ‬
‫‪σ ij‬‬ ‫‪ρ‬‬

‫ﻣﺘﻐﯿﺮﻫﺎ‬ ‫ﺟﺮم ﻣﺨﺼﻮص ﻣﺠﻤﻮﻋﻪ‬
‫‪P‬‬ ‫‪ρf‬‬ ‫ﺟﺮم ﻣﺨﺼﻮص ﻣﺎﯾﻊ‬
‫‪u‬‬ ‫‪ρs‬‬
‫‪ i‬ﺗﻐﯿﯿﺮ ﻣﮑﺎن ﻣﺘﻮﺳﻂ ‪solid‬‬ ‫ﺟﺮم ﻣﺨﺼﻮص ﺟﺎﻣﺪ‬
‫ﺗﻐﯿﯿﺮ ﻧﺴﺒﯽ ﻣـﺎﯾﻊ ﻧﺴـﺒﺖ ﺑـﻪ‬ ‫‪ω →ω /n‬‬ ‫ﻣﺠﻤﻮﻋﻪ ﻣﺎﯾﻊ ﺗﻐﯿﯿﺮﻣﮑﺎن ﯾﺎﻓﺘﻪ ﺑﺮ ﮐﻞ ﺳﻄﺢ اﺳﺖ‬
‫‪i‬‬ ‫‪i‬‬
‫‪solid‬‬
‫ﻓﺮض‬
‫) ‪(U i,j +U j,i‬‬

‫= ‪ε i,j‬‬
‫در ﻣﺨﺘﺼﺎت ﻻﮔﺮاﻧﮋ‬ ‫‪2‬‬
‫∂‬
‫‪Uij = ui‬‬
‫‪∂ xi‬‬
‫ﺗـﻨﺶ ﻣﻮﺛﺮ و رواﺑﻂ رﻓﺘﺎري‬

‫ﺗﻌﺮﯾﻒ ﺗﻨﺶ ﻣﻮﺛﺮ‬
‫‪σ ij = σ ij′ - δij P‬‬
‫ﺗﻐﯿﯿﺮ ﺷﮑﻞ ﺣﺠﻤﯽ ﺣﺎﺻﻞ از ﺗﻐﯿﯿﺮﻓﺸﺎر ﺣﻔﺮه اي ﻋﺒﺎرت اﺳﺖ از‬

‫) ‪dε ij =-δ ij dP/(3K s‬‬
‫ﺗﺎﺑﻊ ‪ P‬ﺧﻮاﻫﺪ ﺑﻮد(‬ ‫ﻣﺪول ﺗﻐﯿﯿﺮ ﺷﮑﻞ ﺣﺠﻤﯽ داﻧﻪ ﻫﺎي اﺳﮑﻠﺖ )اﮔﺮ رﻓﺘﺎر ﻏﯿﺮ ﺧﻄﯽ ﺑﺎﺷﺪ‬
‫درﺧﺎك ﻗﺎﺑﻞ ﺻﺮف ﻧﻈﺮﮐﺮدن اﺳﺖ وﻟﯽ درﺳﻨﮓ ﺑﺎﯾﺪ در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﺷﻮد‪.‬‬
‫‪123‬‬
‫‪dεij = dε σ ij + dε ij + dε oij‬‬
‫‪ O‬ﺧﺰش ‪،‬دﻣﺎ‬
‫‪σ‬‬
‫‪ dε‬از راﺑﻄﻪ ﺗﻨﺶ – ﺗﻐﯿﯿﺮﺷﮑﻞ ﺑﺪﺳﺖ ﻣﯽ آﯾﺪ‪.‬‬ ‫‪ij‬‬ ‫ﺗﻐﯿﯿﺮ ﺷﮑﻞ ﻫﺎي ﺣﺎﺻﻞ از ﺗﻨﺶ‬
‫‪dσ ij′ = Dijkldε 2kl‬‬
‫ﻣﻌﺎدﻟﻪ ﺣﺮﮐﺖ ﺗﻌﺎدل ﮐﻞ ‪solid‬‬

‫‪σ ij , k ρgi = ρ üi +ρf ωi‬‬
‫ﺗﻮﺟﻪ ﮐﻨﯿﺪ ﮐﻪ ﺑﺎﯾﺪ ‪ nρ f‬ﮔﺬاﺷﺘﻪ ﺷﻮد وﻟﯽ ﺑﻌﻠﺖ اﯾﻨﮑﻪ از ﺗﻐﯿﯿﺮ ﻣﮑﺎن ﻣﺘﻮﺳﻂ اﺳﺘﻔﺎده ﻣﯿﮑﻨﯿﻢ ) ‪average‬‬
‫اﺳﺘﻔﺎده ﻣﯿﺸﻮد‬ ‫)ﭼﻮن ﻣﻌﺎدﻟﻪ ﺣﺮﮐﺖ ﮐﻠﯽ اﺳﺖ درﻧﺘﯿﺠﻪ‬ ‫‪n ρ f ω&& / n‬‬
‫ﻣﻌﺎدﻟﻪ ﺗﻌﺎدل ﺟﺮﯾﺎن ﻣﺎﯾﻊ‬

‫‪ω& j =− Kij P,i‬‬
‫درﺣﺎﻟﺖ ﻫﻤﺎن ‪ Kij = δ ijk‬و درﺣﺎﻟﺖ ﻏﯿﺮﻫﻤﺴﺎن ﻣﺎﺗﺮﯾﺲ ﻗﻄﺮي اﺳﺖ‪.‬‬

‫ﻣﻌﺎدﻟﻪ ﺗﻌﺎدل ﮐﻠﯽ ﻣﺎﯾﻊ‬
‫‪− P,i + ρf gi = K −1ijω& j + ρf ü+ρf ω‬‬

‫‪&& / n‬‬
‫‪i‬‬
‫اﺻﻞ ﺑﻘﺎي ﺟﺮم ﻣﺎﯾﻊ‬
‫آﺧﺮﯾﻦ ﻣﻌﺎدﻟﻪ ﻻزم ﻣﻌﺎدﻟﻪ ﺑﻘﺎي ﺟﺮم ﻣﺎﯾﻊ اﺳﺖ‪.‬‬
‫دﯾﻮرژاﻧﺲ ﺳﺮﻋﺖ ﻣﺎﯾﻊ= ﻧﺴﺒﺖ اﻓﺰاﯾﺶ ﺣﺠﻢ ﻣﺎﯾﻊ ‪+‬ﻧﺴﺒﺖ ﮐﺎﻫﺶ ﺣﺠﻢ ﺣﻔﺮات‬
‫‪ω&i ,i =− ε&ii − (1-n) P′/K s +σ&ij′ / 3K s − Pn/K‬‬
‫&‬
‫‪f‬‬
‫‪ K f‬ﻣﺪول ﺣﺠﻤﯽ ﻣﺎﯾﻊ‬
‫ﺗﺮم ‪ 1‬دﺳﺖ راﺳﺖ = ﻧﺴﺒﺖ ﮐﺎﻫﺶ اﺳﮑﻠﺖ در ﺣﺎﻟﺖ ﻏﯿﺮ ﻗﺎﺑﻞ ﺗﺮاﮐﻢ ﺑﻮدن داﻧﻪ ﻫﺎ )‪(rate‬‬
‫ﺗﺮم‪ 2‬دﺳﺖ راﺳﺖ = ﺗﺮم ﻣﺮﺑﻮط ﺑﻪ ﻧﺴﺒﺖ اﻓﺰاﯾﺶ ﺣﺠـﻢ ﺣﻔـﺮات ﺑـﺪﻟﯿﻞ ﮐـﺎﻫﺶ ﺣﺠـﻢ داﻧـﻪ ﻫـﺎ ﺗﺤـﺖ ﺗـﺎﺛﯿﺮ‬
‫اﻓﺰاﯾﺶ ﻓﺸﺎر ﻫﯿﺪرواﺳﺘﺎﺗﯿﮏ‬
‫ﺗﺮم‪ 3‬دﺳـﺖ راﺳـﺖ = ﺗـﺮم ﻣﺮﺑـﻮط ﺑـﻪ ﻧﺴـﺒﺖ اﻓـﺰاﯾﺶ ﺣﺠـﻢ ﺣﻔـﺮات ﺑـﺪﻟﯿﻞ ﮐـﺎﻫﺶ ﺣﺠـﻢ داﻧـﻪ ﻫـﺎ ﺗﺤـﺖ‬
‫ﺗﺎﺛﯿﺮاﻓﺰاﯾﺶ ﺗﻨﺶ ﻣﺘﻮﺳﻂ‬
‫ﺗﺮم ‪ 4‬دﺳﺖ راﺳﺖ ﻧﺴﺒﺖ اﻓﺰاﯾﺶ ﺣﺠﻢ ﻣﺎﯾﻊ‬
‫‪ P‬ﭼﻮن ﻓﺸﺎر اﺳﺖ ﻣﻨﻔﯽ اﺳﺖ ﻟﺬا دو ﺗﺮم ﺣﺎوي ‪ P‬ﻋﻼﻣﺖ ﻣﻨﻔﯽ دارﯾﻢ‬
‫‪124‬‬
‫در ﻧﺘﯿﺠﻪ ﻣﻌﺎدﻻت ﺑﺼﻮرت زﯾﺮ ﺧﻼﺻﻪ ﻣﯿﺸﻮﻧﺪ ‪:‬دراﯾﻦ ﻣﻌـﺎدﻻت اﻧـﺪرﮐﻨﺶ ﺧـﺎك و ﺳـﺎزه ﺑﻄـﻮر دﯾﻨـﺎﻣﯿﮑﯽ‬
‫درﻧﻈﺮ ﮔﺮﻓﺘﻬﻦ ﺷﺪه اﺳﺖ‪.‬‬
‫ﺗﻐﯿﯿﺮ ﻣﮑﺎن ﮐﻮﭼﮏ‬
‫) ‪(du ij + du ji‬‬
‫= ‪dε ij‬‬
‫‪2‬‬
‫راﺑﻄﻪ رﻓﺘﺎري‬
‫‪dp‬‬
‫‪dσ ii′ = Dijkl (dε kl − dε&kl + δ kl‬‬ ‫)‬
‫‪3K s‬‬
‫‪σ ij , j + ρ g i = ρ ü i +ρ f ω&&i‬‬ ‫ﺗﻌﺎدل‬
‫ﺗﻌﺎدل ﻣﺎﯾﻊ ﺑﻌﻼوه ﻣﻌﺎدﻟﻪ رﻓﺘﺎري ﻣﺎﯾﻊ‬
‫‪− P, i + ρ f g i = K − 1ij ω& j + ρ f ü i + ρ f ω&&i / n‬‬

‫ﺑﺎﻻﻧﺲ ﺟﺮم‬
‫) ‪ ωi,i + ε ii + nP/K f + (1-n) P/K s − σ ii′ / 3K s = F ( xi‬اﻧﺘﮕﺮال ﮔﺮﻓﺘﻪ ﺷﺪه از ﺑﺎﻻ‬

‫‪ F‬ﺗﺎﺑﻊ ﺷﺮاﯾﻂ اوﻟﯿﻪ اﺳﺖ ﻟﺬا ﻣﯿﺘﻮان ﻓﻌﻼ ﺻﻔﺮ ﮔﺮﻓﺖ‬
‫ﺗﺮم ﻫﺎي داراي ‪ Ks‬ﺑﺪﻟﯿﻞ ﺑﺰرﮔﯽ ‪ Ks‬ﻣﯿﺘﻮاﻧﻨﺪ ﺣﺬف ﺷﻮﻧﺪ ﻟﯿﮑﻦ در ﻣﮑﺎﻧﯿﮏ ﺳﻨﮓ ﭼـﻮن اﻧـﺪازه ﺑﺰرﮔـﯽ‬
‫‪ ks‬ﺑﺎ اﻧﺪازه ﻫﺎي ﻣﺎﺗﺮﯾﺲ ‪ K‬ﯾﮑﯽ اﺳﺖ ﻧﻤﯿﺘﻮان ﺣﺬف ﮐﺮد‪.‬‬
‫ﻓﺮﻣﻬﺎي ﺳﺎده ﺷﺪه ‪:‬‬
‫ﻓﺮﻣﻮل ﺑﻨﺪي ‪) U-P‬ﭘﺪﯾﺪه ﻫﺎي ﺳﺮﻋﺖ ﻧﺴﺒﯽ ﻣﺘﻮﺳﻂ (‬
‫ﺑﺠﺎي ﺷﺶ درﺟﻪ آزادي ﺳﻪ ﺑﻌﺪي ﯾﺎ ‪ 4‬درﺟﻪ آزادي دو ﺑﻌﺪي ﺑﺎ ‪ W‬و ‪ u‬ﺑﻬﺘـﺮ اﺳـﺖ از ‪U‬و ‪ P‬ﮐـﻪ ﺳـﻪ‬
‫درﺟﻪ آزادي دو ﺑﻌﺪي ﻫﺴﺘﻨﺪ اﺳﺘﻔﺎده ﮐﻨﯿﻢ‬
‫ﺧﻮاﻫﯿﻢ داﺷﺖ‬ ‫اﮔﺮ ﻓﺮض ﮐﻨﯿﻢ‬

‫‪σ ij = σ ij′ - δ ij P‬‬
‫‪125‬‬
‫= ‪dε ij‬‬
‫‪2‬‬
‫‪dp‬‬
‫‪dσ ii′ = Dijkl (dε kl − dε&kl +δ kl‬‬ ‫)‬
‫‪3K s‬‬
‫‪σ ij , j + ρ gi = ρ ü i‬‬
‫&‬
‫‪( Kij P,i ),i −ε&ii −( Kij ρf gi ),i =− ( Kij ρ ü j ),i + nP/K‬‬ ‫&‬ ‫‪&′‬‬
‫‪f +(1-n) P/K s −σ ii / 3K s‬‬
‫ﻣﻌﺎدﻟﻪ ﺑﺎﻻ از ﮔﺬاﺷﺘﻦ ‪ ω& i = − Kij P,i − Kij ρ ü i + Kij ρ f g i‬در ﻣﻌﺎدﻟﻪ آﺧﺮ ﻣﻌﺎدﻻت اﺻﻠﯽ ﺑﺪﺳﺖ آﻣﺪه‬
‫اﺳﺖ‪.‬‬
‫ﺧﻮد اﯾﻦ ﻣﻌﺎدﻟﻪ از ﻣﻌﺎدﻟﻪ ﺗﻌﺎدل ﺟﺮﯾﺎن ﻣﺎﯾﻊ ﺑﺪﺳﺖ آﻣﺪه اﺳﺖ‬
‫ﻣﻌﺎدﻻت ﺗﺤﮑﯿﻢ ‪ :‬ﭘﺪﯾﺪه ﺑﺴﯿﺎر ﮐﻨﺪ‬
‫‪üi →0‬‬ ‫‪ω‬‬
‫‪&& → 0‬‬
‫‪i‬‬
‫‪σ ij = σ ij′ - δij P‬‬
‫= ‪dε ij‬‬
‫‪2‬‬
‫‪dp‬‬
‫‪3K s‬‬
‫‪σ ij , j + ρ g i‬‬ ‫‪=0‬‬

‫&‬
‫‪( Kij P,i ),i −ε&ii − ( Kij ρf gi ),i = nP/K‬‬ ‫&‬ ‫‪&′‬‬
‫‪f + (1-n) P/K s −σ ii / 3K s‬‬
‫ﻣﻌﺎدﻻت ﺑﺴﯿﺎر ﺳﺮﯾﻊ‪:‬رﻓﺘﺎر ﻏﯿﺮ زﻫﮑﺸﯽ ﺷﺪه‬
‫درﻣﻮاﻗﻌﯽ ﮐﻪ ‪ kij‬ﺑﺴﯿﺎر ﮐﻮﭼﮏ اﺳﺖ ‪ wi‬و ‪w I‬و ‪ w i‬ﻫﯿﭽﮕﺎه ﺑﻪ ﻣﻘﺎدﯾﺮ ﻗﺎﺑﻞ ﺗﻮﺟﻬﯽ ﻧﻤﯿﺮﺳﻨﺪ‬
‫ﺑﺎ ‪ Kij=0‬ﻣﻌﺎدﻟﻪ آﺧﺮ ﻣﯽ دﻫﺪ‪:‬‬
‫&‬
‫‪ε&ii =-P/K‬‬ ‫&‬
‫‪f -(1-n) P/K s −σ ii / 3K s‬‬
‫&‬
‫ﯾﺎ ﺑﺼﻮرت ﺟﺰﺋﯽ‬
‫‪d ε ii =− dP ( n / K f + (1− n ) / K s ) + d σ ii / 3K s‬‬
‫درﻧﻬﺎﯾﺖ ﺳﯿﺴﺘﻢ ﺑﺼﻮرت زﯾﺮ در ﻣﯽ آﯾﺪ‬

‫‪σ ij = σ ij′ - δ ij P‬‬
‫‪126‬‬
‫) ‪(duij + du ji‬‬
‫= ‪dε ij‬‬
‫‪2‬‬
‫‪dp‬‬
‫‪3K s‬‬
‫) ‪dP ( n / K f +(1−n ) / K s )−1 ( − d ε ii + dσ ii′ / 3K s‬‬
‫‪σ ij , j + ρ gi = ρ ü i‬‬
‫ﺑﺎ ‪ ks‬ﺑﺰرگ در ﺧﺎﮐﻬﺎ ﻣﯽ ﺗﻮان ﻧﻮﺷﺖ ‪:‬‬

‫) ‪dσ ij = Dijkl (dε kl − dε&kl‬‬
‫= ‪dε ij‬‬
‫‪2‬‬
‫‪σ ij , j + ρ g i‬‬ ‫‪= ρ üi‬‬
‫‪Dijkl =Dijkl +δijδ kl K f / n‬‬
‫ﻣﯿﺒﯿﻨﯿﻢ ﮐﻪ ﻣﺤﯿﻂ ﯾﮏ ﻓﺎزي ﻣﺸﻮد ﮐﻪ اﺗﺮﯾﺲ ﺳﺨﺘﯽ آن ﻓﺮق ﮐﺮده اﺳﺖ‬

‫‪-‬رﻓﺘﺎر زﻫﮑﺸﯽ ﺷﺪه‪:‬‬
‫درﺣﺎﻟﺘﯽ ﮐﻪ زﻫﮑﺸﯽ اﻧﺠﺎم ﻣﯽ ﺷﻮد ﻣﯽ ﺗﻮان ﻧﻮﺷﺖ‬
‫‪ω& i = 0‬‬ ‫‪ω&&i = 0‬‬
‫‪u& i = 0‬‬ ‫‪üi = 0‬‬

‫ﻣﺴﻠﻢ اﺳﺖ ﮐﻪ ﻣﻌﺎدﻻت از ﯾﮑﺪﯾﮕﺮ ﺟﺪا ﺷﺪه و اﻧﺪرﮐﻨﺶ ﻣﻮﺟﻮد ﻧﺨﻮاﻫﺪ ﺑﻮد‬
‫درﺣﺎﻟﺖ دﯾﻨﺎﻣﯿﮑﯽ ﻣﻮرد زﻫﮑﺸﯽ ﺷﺪه ﻫﯿﭽﮕﺎه اﺗﻔﺎق ﻧﻤﯽ اﻓﺘﺪ‬
‫‪− ( Kij P, j ) + ( Kij ρf g i ),i = 0‬‬
‫ﺑﺎ اﺳﺘﻔﺎده از اﯾﻦ ﻣﻌﺎدﻟﻪ ‪ P‬ﺑﺪﺳﺖ ﻣﯽ آﯾـﺪ‪.‬ﺳـﭙﺲ ﺑـﺎ اﺳـﺘﻔﺎده از ﻣﻌـﺎدﻻت زﯾـﺮ ﻣﯿﺘـﻮان ﺗﻐﯿﯿـﺮ ﻣﮑـﺎن ﺷـﮑﻞ را‬
‫ﺑﺪﺳﺖ آورد‪.‬‬
‫‪σ ij , j − P,i + ρ gi = 0‬‬

‫) ‪dσ ij′ = Dijkl (dε kl − dε&kl‬‬
‫= ‪dε ij‬‬
‫‪2‬‬
‫‪127‬‬
‫اﻋﺘﺒﺎر ﻫﺮﯾﮏ از ﺗﻘﺮﯾﺒﺎت‬

‫ﺑﺎ ﻓﺮض ﺑﺰرگ ﺑﻮدن ‪ ks‬ﭘﺎراﻣﺘﺮﻫﺎي زﯾﺮ را ﺗﻌﺮﯾﻒ ﻣﯿﮑﻨﯿﻢ‬
‫‪K ρVc2 2 K ρT 2 K T‬‬
‫= ‪Π1‬‬ ‫=‬ ‫=‬
‫‪ωl 2‬‬ ‫‪π T 2 βπ g T 2‬‬
‫‪ω 2l 2 2 Tˆ 2‬‬
‫= ‪Π2‬‬ ‫) ( ‪=π‬‬
‫‪Vc2‬‬ ‫‪T‬‬
‫‪ρ‬‬
‫‪Π3 = β = f‬‬
‫‪ρ‬‬
‫‪Π4 =n‬‬
‫‪Kf‬‬
‫= ‪Π5‬‬
‫) ‪n( K + K f / n‬‬
‫ﭘﺮﯾﻮد ﻃﺒﯿﻌﯽ ﺧﺎك‬

‫‪2L‬‬
‫=‪T‬‬
‫‪Vc‬‬
‫‪K+K f / n β K f K f‬‬
‫= ‪Vc2‬‬ ‫=‬ ‫=‬
‫‪ρ‬‬ ‫‪ρf n ρf‬‬
‫) ‪K=E(1-ν )(1+ν )(1-2ν‬‬
‫و ‪ Π 5 = 1‬ﻣﯽ ﺗﻮان درﻧﻈﺮ ﮔﺮﻓﺖ ودرﻧﺘﯿﺠﻪ ‪ Π1 , Π 2‬ﭘﺎراﻣﺘﺮﻫـﺎي‬ ‫در ﺣﺎﻟﺖ ﺧﺎك ‪Π 3 = Π 4 = 1 / 3‬‬
‫ﺑﺴﯿﺎر ﮐﻮﭼﮏ اﺳﺖ ‪.‬‬ ‫‪Π2‬‬ ‫ﻣﻮﺛﺮ ﻫﺴﺘﻨﺪ وﻗﺘﯿﮑﻪ‬

‫ﮐﻼ اﺛﺮ دﯾﻨﺎﻣﯿﮑﯽ ﻣﯿﺘﻮاﻧﺪ ﺣﺬف ﺷﻮد و راه ﺣﻞ ﻫﺎي ﻣﺨﺘﻠﻒ ﻧﺘﺎﯾﺞ ﯾﮑﺴﺎن ﻣﯿﺪﻫﻨﺪ‪.‬‬
‫‪128‬‬
‫رﻓﺘﺎر زھﮑﺸﯽ ﺷﺪه‬

‫اﺛﺮ ﺻﺮف ﻧﻈﺮ ﻣﯿﺸﻮد‬
‫رﻓﺘﺎر زھﮑﺸﯽ ﻧﺸﺪه‬ ‫`‬
‫‪10 2‬‬
‫‪3‬‬
‫‪10‬‬
‫‪Π2‬‬
‫‪1‬‬ ‫‪2‬‬
‫‪10−1‬‬
‫‪10−2‬‬
‫‪1‬‬
‫‪10 −3‬‬
‫‪10−2‬‬ ‫‪10 −1‬‬ ‫‪1‬‬ ‫‪10‬‬ ‫‪10 2‬‬
‫‪Π1‬‬
‫‪1) B=Z=C‬‬
‫‪2)B=Z≠C‬‬
‫‪3)B≠Z≠C‬‬
‫‪s‬‬
‫‪ T=0.01-10‬ﮐﻪ ﺑﺮ ﯾﮏ ﺳﺪ ﺑﻪ ﻃﻮل ‪ 50‬ﻣﺘﺮ وارد ﻣﯽ ﺷﻮد ‪ T=0.15‬اﺳﺖ‬ ‫ﺑﺮاي ﯾﮏ زﻟﺰﻟﻪ‬
‫‪Vc=1000m/s‬‬
‫‪2K×10-2‬‬ ‫‪2K 10‬‬
‫(‬ ‫× < ‪)=0.2k<Π1‬‬ ‫‪=200k‬‬
‫‪-1‬‬
‫) ‪10×(10‬‬ ‫‪2‬‬ ‫‪10 10-2‬‬
‫‪10×10-1‬‬ ‫‪10-1 2‬‬

‫(‬ ‫(‪)=10-3 <Π1 <10‬‬ ‫‪) =103‬‬
‫‪10‬‬ ‫‪10-2‬‬
‫ﺑﺮاي ﯾﮏ ﻣﺴﺎﻟﻪ ﺷﻤﺎﺗﯿﮏ درﯾﺎﯾﯽ ‪ T=10 s‬ﺑﺎ ﻋﻤﻖ ‪ 10‬ﻣﺘﺮ زﯾﺮ ﺑﺴﺘﺮ درﯾﺎ‬
‫‪10 −2 2‬‬
‫‪T=10-2 s‬‬ ‫(‪Π 2 <10‬‬ ‫‪) =10 − 5‬‬
‫‪10‬‬
‫درﻧﺘﯿﺠﻪ اﺛﺮات دﯾﻨﺎﻣﯿﮑﯽ ﮐﻼ ﻣﯿﺘﻮاﻧﺪ ﺣﺬف ﮔﺮدد‪.‬‬
‫‪129‬‬

روشهای عددی در مکانیک خاک PDF

Uploaded by

Copyright:

Available Formats

You might also like

روشهای عددی در مکانیک خاک PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

روشهای عددی در مکانیک خاک PDF

Uploaded by

Copyright:

Available Formats

‫‪www.icivil.

‫ارائه کتابها ي جسيات رایگان مهىدسی عمران‬

‫روش اﺟﺰاي ﻣﺤﺪود‬

‫*ﺟﺪول ﯾﮏ‪-‬زﻣﯿﻨﻪ ﮐﺎرﺑﺮد روش اﺟﺰاي ﻣﺤﺪود*‬

‫ﺗﻮﺿﯿﺤﺎت ﮐﻠﯽ در ﻣﻮرد درس روش اﺟﺰاي ﻣﺤﺪود‬

‫ﮔﺎم ﺳﻮم‪:‬ﺗﻌﯿﯿﻦ"ﻣﺎﺗﺮﯾﺲ ﺳﺨﺘﯽ ﻋﻨﺼﺮي"و ﺑﺮدارﻫﺎي "ﻧﯿـﺮو"‬

‫ﮔﺎم ﭼﻬﺎرم‪ :‬ﮐﻨﺎر ﻫﻢ ﮔﺬاري ﻣﻌﺎدﻻت ﻋﻨﺎﺻﺮ‬

‫ﮔﺎم ﭘﻨﺠﻢ‪:‬ﻣﻌﺮﻓﯽ ﺷﺮاﯾﻂ ﺣﺪ‪‬ي درﻣﺎﺗﺮﯾﺲ ﻧﻬﺎﯾﯽ‬

‫ﮔﺎم ﺷﺸﻢ‪:‬ﺣﻞ ﻣﻌﺎدﻟﻪ ﻧﻬﺎﯾﯽ‬

‫‪x‬‬ ‫‪0‬‬ ‫‪0.5‬‬ ‫‪1‬‬

‫‪⇒ a1 = 20, a 2 = 18, a3 = −16‬‬

‫ﻃﻮري اﺳﺖ ﮐﻪ ‪f ( x = 0.75) = 0.25 , f ( x = 0.25) = 1‬‬ ‫‪-‬ﺗﺎﺑﻊ )‪f ( x‬‬

‫ﺣﻞ‪ .‬ﺗﺎﺑﻊ زﯾﺮ را اﻧﺘﺨﺎب ﻣﯽ ﮐﻨﯿﻢ‪:‬‬

‫اﯾﻦ ﺣﺮﮐﺖ ﯾﮏ ﻧﻮع ﻣﺠﺰاﺳﺎزي )‪ (discretisation‬ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ اﺳﺖ ﺑﺎ دو ﻣﻌﺎدﻟﻪ ﺟﺒﺮي‪.‬‬

‫‪U ( x) = P1 ( x) a1 + P2 ( x) a 2 + ... + Pn ( x) a n‬‬ ‫)‪(1 − 2‬‬

‫در اﯾﻦ ﺻﻮرت ﺗﺎﺑﻊ ﺗﻘﺮﯾﺐ ﺑﺼﻮرت زﯾﺮﺧﻮاﻫﺪ ﺑﻮد‪:‬‬

‫‪ Ni‬ﻫﺎ ﺿﺮاﯾﺐ ‪ ai‬ﻫﺴﺘﻨﺪ ﮐﻪ در ‪ Uexact‬ﺻﺪق ﻣﯽ ﮐﻨﻨﺪ‪.‬‬

‫ﻣﺜﺎل‪ :1-3‬ﺗﻘﺮﯾﺐ ﮔﺮﻫﯽ ازﻧﻮع ﻻﮔﺮاﻧﮋ‬

‫ﮐﻪ در آن ‪ Ni‬ﭼﻨﺪﺟﻤﻠﻪ اي ﻻﮔﺮاﻧﮋ از درﺟﻪ ي ﺳﻮم ﺑﺎ ﻓﺮم زﯾﺮ اﺳﺖ‪:‬‬

‫‪U,Uex‬‬ ‫‪u2‬‬ ‫‪U4‬‬

‫‪ -2-1-1‬ﺗﻘﺮﯾ ﺐ ﺗﻮﺳﻂ ﻋﻨﺎﺻﺮ‪:‬‬

‫‪U,Uex‬‬ ‫‪u2‬‬ ‫‪u4‬‬

‫‪x1‬‬ ‫‪x2‬‬ ‫‪V‬‬ ‫‪x4‬‬

‫‪V1‬‬ ‫‪V2‬‬ ‫‪V3‬‬

‫‪ -‬ﺗﻌﺮﯾ ﻒ ﻫﻨﺪﺳﻪ اﻟﻤﺎن‬

‫‪ N1‬و ‪ N2‬ﺗﻮاﺑﻊ ﺧﻄﯽ ﻫﺴﺘﻨﺪ ﮐﻪ راﺑﻄﻪ ‪ 1-6‬را اﻗﻨﺎع ﻣﯽ ﮐﻨﻨﺪ‪:‬‬

‫‪U 2 ( x) = N1U 2 + N2U 3‬‬ ‫اﻟﻤﺎن ‪: 2‬‬

‫‪x1‬‬ ‫‪x2‬‬ ‫‪x4‬‬

‫‪x − x4‬‬ ‫‪x − x3‬‬

‫‪x1‬‬ ‫‪x2‬‬ ‫‪x3‬‬ ‫‪x4‬‬

‫ﺗﻌﺮﯾﻒ ﻫﻨﺪﺳﻪ ﻣﺴﺄﻟﻪ‬

‫ﺳﺎﺧﺘﻦ ﺗﺎﺑﻊ ﺗﻘﺮﯾﺐ )‪U e ( x‬‬

‫ﺗﺎﺑﻊ ﺗﻘﺮﯾﺒﯽ )‪ U e ( x‬ﺧﻄﯽ ﺑﺮاي ﻫﺮ اﻟﻤﺎن‪:‬‬

‫‪U 2 ( x) = N1 ( x ) u 2 + N 2 ( x ) u 3 + N 3 ( x ) u 4‬‬ ‫اﻟﻤﺎن ‪: 2‬‬

‫ﺧﻼﺻﻪ ﻣﺘﺪﻫﺎي ﺗﻘﺮﯾﺐ‬

‫‪ -2‬ﺗﻘﺮﯾﺐ ﻫﻨﺪﺳﻪ اﻟﻤﺎنﻫﺎ‬

‫‪ : 3-2-1‬ﻓﺮﻣﻮلﻫﺎي ﮐﻼﺳﯿﮏ ﻋﻨﺎﺻﺮ‬

‫ﺧﻄﯽ )‪(2‬‬ ‫ﮐﻮادراﺗﯿﮏ )‪(3‬‬ ‫ﮐﻮﺑﯿﮏ )‪(4‬‬

‫ﺧﻄﯽ )‪(3‬‬ ‫ﮐﻮادراﺗﯿﮏ )‪(6‬‬ ‫ﮐﻮﺑﯿﮏ )‪(9‬‬

‫‪ -‬ﻋﻨﺎﺻﺮ ﭼﻬﺎر وﺟﻬﯽ‪:‬‬

‫ﺧﻄﯽ )‪(4‬‬ ‫ﮐﻮادراﺗﯿﮏ )‪(8‬‬ ‫‪ :(c‬ﻋﻨﺎﺻﺮ ﺳﻪ ﺑﻌﺪي‪:‬‬

‫‪ -‬ﻋﻨﺎﺻﺮ ﭼﻬﺎر وﺟﻬﯽ‪:‬‬

‫ﺧﻄﯽ)‪(4‬‬ ‫ﮐﻮادراﺗﯿﮏ)‪(10‬‬ ‫ﮐﻮﺑﯿﮏ)‪(16‬‬

‫ﺧﻄﯽ)‪(8‬‬ ‫ﮐﻮادراﺗﯿﮏ)‪(20‬‬ ‫ﮐﻮﺑﯿﮏ)‪(32‬‬

‫‪ -‬ﻋﻨﺎﺻﺮ ﭘﻨﺞ وﺟﻬﯽ‪:‬‬

‫ﺧﻄﯽ)‪(6‬‬ ‫ﮐﻮادراﺗﯿﮏ)‪(15‬‬ ‫ﮐﻮﺑﯿﮏ)‪(24‬‬

‫‪0,0‬‬ ‫‪ξ‬‬ ‫‪x‬‬

‫‪η‬‬ ‫‪Y‬‬ ‫‪x1‬‬ ‫‪x2‬‬

‫‪0,1‬‬ ‫‪τ1‬‬ ‫‪V1‬‬

‫ﻣﯽﺗﻮان ﺗﻮاﺑﻊ ﯾﮑﺴﺎن ﺗﺒﺪﯾﻞ ﺑﺮاي ﻣﺨﺘﺼﺎت ﻣﺨﺘﻠﻒ اﺧﺘﯿﺎر ﮐﺮد‪:‬‬

‫ﻣﺜﺎل ‪ : 1-9‬ﺗﻌﺮﯾﻒ ﺗﺤﻠﯿﻠﯽ اﻟﻤﺎن ﻣﺜﻠﺜﯽ ﺑﺎ ﺳﻪ ﮔﺮه‬

‫ﻋﻨﺼﺮ ﻣﺮﺟﻊ ﺑﻪ ﺻﻮرت ﺗﺤﻠﯿﻠﯽ ﺑﻪ ﺻﻮرت زﯾﺮ ﺗﻌﺮﯾﻒ ﻣﯽﺷﻮد‪:‬‬

‫‪ : 5-2-1‬ﺷﮑﻞﻫﺎي ﻋﻨﺎﺻﺮ ﻣﺮﺟﻊ ﮐﻼﺳﯿﮏ‬

‫ﺧﻄﯽ)‪(2‬‬ ‫ﮐﻮادراﺗﯿﮏ)‪(3‬‬ ‫ﮐﯿﻮﺑﯿﮏ)‪(4‬‬

‫‪0,0‬‬ ‫‪1,0‬‬ ‫‪ξ‬‬ ‫‪0,0‬‬ ‫‪1‬‬

‫‪η‬‬ ‫‪η‬‬ ‫‪η‬‬

‫‪ξ‬‬ ‫‪ξ‬‬ ‫‪ξ‬‬

‫ﺧﻄﯽ)‪(4‬‬ ‫ﮐﻮادراﺗﯿﮏ)‪(8‬‬ ‫ﮐﯿﻮﺑﯿﮏ)‪(12‬‬

‫ﺟﺪول ﯾﮏ‪-‬زﻣﯿﻨﻪ ﮐﺎرﺑﺮد روش اﺟﺰاي ﻣﺤﺪود‬