با عرض سلام و وقت بخیر خدمت کاربران سایت پی وی لرن. و کاربرانی که دوره کامل آموزش متلب را دنبال می کنند. متلب به عنوان یک نرم افزار مهندسی و محاسباتی قدرتمند، توابع گسترده ای را برای حل انواع معادلات درجه ۲ ، ۳، ۴ و بالاتر را به شما ارائه می دهد. یکی از قابلیت های محاسباتی پرکاربرد در متلب ، قابلیت حل انواع معادلات دیفرانسیل و لگاریتمی و همچنین رسم نمودارهای توابع لگاریتم می باشد. در ادامه مباحث آموزش حل معادلات دیفرانسیل در متلب شما را با چگونگی حل انواع معادلات و توابع لگاریتم آشنا می کنیم.
MATLAB دستور diff را برای محاسبات دیفرانسیل در اختیار شما قرار می دهد.
در ساده ترین حالت عبارت دیفرانسیل را در متغیری قرار داده و آن در تابع diff محاسبه می کنیم.
برای مثال ما دیفرانسیل تابع f(t) = 3t2 + ۲t-2 را محاسبه می کنیم.
مثال – یک فایل اسکریپت ایجاد کرده و کدهای زیر را در آن قرار می دهیم:
1 2 3 | syms t f = 3*t^2 + 2*t^(-2); diff(f) |
نتیجه ی اجرای کد فوق در متلب بصورت زیر خواهد بود:
1 2 | ans = 6*t - 4/t^3 |
حال کدهای فوق را در Octave بررسی می کنیم:
1 2 3 | t = sym("t"); f = 3*t^2 + 2*t^(-2); differentiate(f,t) |
نتیجع ی اجرای کد فوق در Octave بصورت زیر است:
1 2 | ans = -(4.0)*t^(-3.0)+(6.0)*t |
بگذارید خلاصه ای از معادلات و مقررات مختلفی برای تمایز توابع استفاده کنیم قوانین آن ها را بررسی کنیم.
برای هر توابع f و g و هر عدد حقیقی a و b مشتق تابع هستند.
قوانین sum و subtraction (جمع و تفریق) بیان می کنند که اگر f و g دو توابع باشند، f ‘و g’ به ترتیب مشتقات آنها هستند.
قانون product بیان می کند که اگر f و g دو توابع باشند، f ‘و g’ به ترتیب مشتقات آنها هستند.
f.g)’ = f’.g + g’.f)
قانون quotient بیان می کند که اگر f و g دو توابع باشند، f ‘و g’ به ترتیب مشتقات آنها هستند.
f/g)’ = (f’.g – g’.f)/g2)
قانون polynomial بیان می کند که برای تابع y = f(x) = xn مشتق آن تابع (f’ = n. x(n-1 است.
یک نتیجه مستقیم از این قاعده این است که مشتق هر ثابت صفر است.
به عنوان مثال، اگر y = k، باشد سپس f ‘= 0 را خواهیم داشت.
قانون chain بیان می کند که مشتق تابع (( h (x) = f (g (x با توجه به x است:
(h ‘(x) = f’ (g (x)) g ‘(x
مثال – یک فایل اسکریپتی ایجاد کرده و کد زیر را در آن قرار می دهیم:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 | syms x syms t f = (x + 2)*(x^2 + 3) der1 = diff(f) f = (t^2 + 3)*(sqrt(t) + t^3) der2 = diff(f) f = (x^2 - 2*x + 1)*(3*x^3 - 5*x^2 + 2) der3 = diff(f) f = (2*x^2 + 3*x)/(x^3 + 1) der4 = diff(f) f = (x^2 + 1)^17 der5 = diff(f) f = (t^3 + 3* t^2 + 5*t -9)^(-6) der6 = diff(f) |
زمانیکه فایل فوق را اجرا کنید، نتیجه ی زیر را مشاهده خواهید کرد:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 | f = (x^2 + 3)*(x + 2) der1 = 2*x*(x + 2) + x^2 + 3 f = (t^(1/2) + t^3)*(t^2 + 3) der2 = (t^2 + 3)*(3*t^2 + 1/(2*t^(1/2))) + 2*t*(t^(1/2) + t^3) f = (x^2 - 2*x + 1)*(3*x^3 - 5*x^2 + 2) der3 = (2*x - 2)*(3*x^3 - 5*x^2 + 2) - (- 9*x^2 + 10*x)*(x^2 - 2*x + 1) f = (2*x^2 + 3*x)/(x^3 + 1) der4 = (4*x + 3)/(x^3 + 1) - (3*x^2*(2*x^2 + 3*x))/(x^3 + 1)^2 f = (x^2 + 1)^17 der5 = 34*x*(x^2 + 1)^16 f = 1/(t^3 + 3*t^2 + 5*t - 9)^6 der6 = -(6*(3*t^2 + 6*t + 5))/(t^3 + 3*t^2 + 5*t - 9)^7 |
کد فوق در Octave بصورت زیر خواهد بود:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 | x = sym("x"); t = sym("t"); f = (x + 2)*(x^2 + 3) der1 = differentiate(f,x) f = (t^2 + 3)*(t^(1/2) + t^3) der2 = differentiate(f,t) f = (x^2 - 2*x + 1)*(3*x^3 - 5*x^2 + 2) der3 = differentiate(f,x) f = (2*x^2 + 3*x)/(x^3 + 1) der4 = differentiate(f,x) f = (x^2 + 1)^17 der5 = differentiate(f,x) f = (t^3 + 3* t^2 + 5*t -9)^(-6) der6 = differentiate(f,t) |
نتیجه ی اجرای کد فوق در Octave:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 | f = (2.0+x)*(3.0+x^(2.0)) der1 = 3.0+x^(2.0)+(2.0)*(2.0+x)*x f = (t^(3.0)+sqrt(t))*(3.0+t^(2.0)) der2 = (2.0)*(t^(3.0)+sqrt(t))*t+((3.0)*t^(2.0)+(0.5)*t^(-0.5))*(3.0+t^(2.0)) f = (1.0+x^(2.0)-(2.0)*x)*(2.0-(5.0)*x^(2.0)+(3.0)*x^(3.0)) der3 = (-2.0+(2.0)*x)*(2.0-(5.0)*x^(2.0)+(3.0)*x^(3.0))+((9.0)*x^(2.0)-(10.0)*x)*(1.0+x^(2.0)-(2.0)*x) f = (1.0+x^(3.0))^(-1)*((2.0)*x^(2.0)+(3.0)*x) der4 = (1.0+x^(3.0))^(-1)*(3.0+(4.0)*x)-(3.0)*(1.0+x^(3.0))^(-2)*x^(2.0)*((2.0)*x^(2.0)+(3.0)*x) f = (1.0+x^(2.0))^(17.0) der5 = (34.0)*(1.0+x^(2.0))^(16.0)*x f = (-9.0+(3.0)*t^(2.0)+t^(3.0)+(5.0)*t)^(-6.0) der6 = -(6.0)*(-9.0+(3.0)*t^(2.0)+t^(3.0)+(5.0)*t)^(-7.0)*(5.0+(3.0)*t^(2.0)+(6.0)*t) |
جدول زیر مشتقات توابع معمولی، لگاریتمی و مثلثاتی را ارائه می دهد:
تابع | مشتق توابع |
---|---|
ca.x | (ca.x.ln c.a (ln is natural logarithm |
ex | ex |
ln x | ۱/x |
lncx | ۱/x.ln c |
xx | (xx.(1 + ln x |
(sin(x | (cos(x |
(cos(x | (-sin(x |
(tan(x | (sec2(x), or 1/cos2(x), or 1 + tan2(x |
(cot(x | ((-csc2(x), or -1/sin2(x), or -(1 + cot2(x |
(sec(x | (sec(x).tan(x |
(csc(x | (-csc(x).cot(x |
مثال – یک فایل اسکریپت ایجاد کرده و کد زیر را در آن قرار دهید:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 | syms x y = exp(x) diff(y) y = x^9 diff(y) y = sin(x) diff(y) y = tan(x) diff(y) y = cos(x) diff(y) y = log(x) diff(y) y = log10(x) diff(y) y = sin(x)^2 diff(y) y = cos(3*x^2 + 2*x + 1) diff(y) y = exp(x)/sin(x) diff(y) |
نتیجه ی اجرای کد فوق در متلب بصورت زیر خواهد بود:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 | y = exp(x) ans = exp(x) y = x^9 ans = 9*x^8 y = sin(x) ans = cos(x) y = tan(x) ans = tan(x)^2 + 1 y = cos(x) ans = -sin(x) y = log(x) ans = 1/x y = log(x)/log(10) ans = 1/(x*log(10)) y = sin(x)^2 ans = 2*cos(x)*sin(x) y = cos(3*x^2 + 2*x + 1) ans = -sin(3*x^2 + 2*x + 1)*(6*x + 2) y = exp(x)/sin(x) ans = exp(x)/sin(x) - (exp(x)*cos(x))/sin(x)^2 |
حالا کد فوق را در Octave پیاده سازی می کنیم:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 | x = sym("x"); y = Exp(x) differentiate(y,x) y = x^9 differentiate(y,x) y = Sin(x) differentiate(y,x) y = Tan(x) differentiate(y,x) y = Cos(x) differentiate(y,x) y = Log(x) differentiate(y,x) % symbolic packages does not have this support %y = Log10(x) %differentiate(y,x) y = Sin(x)^2 differentiate(y,x) y = Cos(3*x^2 + 2*x + 1) differentiate(y,x) y = Exp(x)/Sin(x) differentiate(y,x) |
نتیجه ی اجرای کد فوق بصورت زیر خواهد بود:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 | y = exp(x) ans = exp(x) y = x^(9.0) ans = (9.0)*x^(8.0) y = sin(x) ans = cos(x) y = tan(x) ans = 1+tan(x)^2 y = cos(x) ans = -sin(x) y = log(x) ans = x^(-1) y = sin(x)^(2.0) ans = (2.0)*sin(x)*cos(x) y = cos(1.0+(2.0)*x+(3.0)*x^(2.0)) ans = -(2.0+(6.0)*x)*sin(1.0+(2.0)*x+(3.0)*x^(2.0)) y = sin(x)^(-1)*exp(x) ans = sin(x)^(-1)*exp(x)-sin(x)^(-2)*cos(x)*exp(x) |
برای محاسبه ی مشتقات درجه بالاتر از ساختار (diff(f,n استفاده می کنیم.
بگذارید مشتق دوم تابع y = f (x) = x .e-3x را محاسبه کنیم.
1 2 | f = x*exp(-3*x); diff(f, 2) |
نتیجه ی اجرای کد فوق در متلب بصورت زیر خواهد بود:
1 2 | ans = 9*x*exp(-3*x) - 6*exp(-3*x) |
همین کدها را در Octave قرار می دهیم:
1 2 3 | x = sym("x"); f = x*Exp(-3*x); differentiate(f, x, 2) |
نتیجه ی اجرای کد فوق در Octave:
1 2 3 | ans = (9.0)*exp(-(3.0)*x)*x-(6.0)*exp(-(3.0)*x) |
مثال – برای نمونه تابع (y = f(x) = 3 sin(x) + 7 cos(5x را در نظر می گیریم.
سپس می خواهیم صحت (f” + f = -5cos(2x را بررسی کنیم.
یک فایل اسکریپت ایجاد کرده و کد زیر را در آن قرار دهید:
1 2 3 4 5 6 7 8 9 | y = 3*sin(x)+7*cos(5*x); lhs = diff(y,2)+y; rhs = -5*cos(2*x); if(isequal(lhs,rhs)) disp('Yes, the equation holds true'); else disp('No, the equation does not hold true'); end disp('Value of LHS is: '), disp(lhs); |
سپس نتیجه ی زیر را در اجرا مشاهده خواهید کرد:
1 2 | Value of LHS is: -168*cos(5*x) |
حال این کدها را در Octave نیز بررسی می کنیم:
1 2 3 4 5 6 7 8 9 10 | x = sym("x"); y = 3*Sin(x)+7*Cos(5*x); lhs = differentiate(y, x, 2) + y; rhs = -5*Cos(2*x); if(lhs == rhs) disp('Yes, the equation holds true'); else disp('No, the equation does not hold true'); end disp('Value of LHS is: '), disp(lhs); |
نتیجه ی اجرای کد فوق در Octave:
1 2 3 | No, the equation does not hold true Value of LHS is: -(168.0)*cos((5.0)*x) |
اگر ما برای حداکثر و حداقل برای حداکثر برای یک گراف جستجو می کنیم، اساسا به دنبال بالاترین یا پایین ترین نقاط در گراف تابع در یک مکان خاص هستیم.
برای یک تابع (y = f (x نقاط در نمودار که در آن گراف دارای شیب صفر است، نقاط ثابت است.
به عبارت دیگر نقاط ثابت، جایی است که f ‘(x) = 0 است.
برای پیدا کردن نقاط ثابت یک تابع که تمایز می دهیم، باید مشتق را برابر با صفر قرار دهیم و معادله را حل کنیم.
مثال – می خواهیم نقاط ثابت را برای تابع f(x) = 2x3 + ۳x2 − ۱۲x + 17 بدست آوریم.
ابتدا به تابع وارد شویم و نمودار آن را طرح می کنیم.
1 2 3 | syms x y = 2*x^3 + 3*x^2 - 12*x + 17; ezplot(y) |
MATLAB کد فوق را اجرا می کند و طرح زیر را برمی گرداند :
حالا این کد را در Octave پیاده سازی می کنیم:
1 2 3 4 5 | x = sym('x'); y = inline("2*x^3 + 3*x^2 - 12*x + 17"); ezplot(y) print -deps graph.eps |
هدف ما یافتن معادلات و مینیمم های محلی بر روی نمودار است.
بنابراین ما ماکزیمم ها و حداقل ها را برای فاصله [-۲، ۲] در نمودار پیدا می کنیم.
1 2 3 | syms x y = 2*x^3 + 3*x^2 - 12*x + 17; ezplot(y, [-2, 2]) |
نتیجه ی اجرای کد فوق در متلب بصورت زیر خواهد بود:
حالا این کدها را در Octave بررسی می کنیم:
1 2 3 4 5 | x = sym('x'); y = inline("2*x^3 + 3*x^2 - 12*x + 17"); ezplot(y, [-2, 2]) print -deps graph.eps |
حال دیفرانسیل را محاسبه می کنیم:
1 | g = diff(y) |
نتیجه ی اجرای کد فوق در متلب:
1 2 | g = 6*x^2 + 6*x - 12 |
کدهای فوق در Octave بصورت زیر خواهد بود:
1 2 3 | x = sym("x"); y = 2*x^3 + 3*x^2 - 12*x + 17; g = differentiate(y,x) |
نتیجه ی اجرای کدهای فوق در Octave:
1 2 | g = -12.0+(6.0)*x+(6.0)*x^(2.0) |
حالا تابع g را برای به دست آوردن مقادیری که آن صفر می شود، را حل می کنیم:
1 | s = solve(g) |
نتیجه ی اجرای کد فوق در متلب:
1 2 3 | s = 1 -2 |
حالا همین کدها را در Octave پیاده سازی می کنیم:
1 2 3 4 | x = sym("x"); y = 2*x^3 + 3*x^2 - 12*x + 17; g = differentiate(y,x) roots([6, 6, -12]) |
نیتجه ی اجرای کدهای فوق در Octave:
1 2 3 4 5 6 7 | g = -12.0+(6.0)*x^(2.0)+(6.0)*x ans = -2 1 |
با استفاده از فرمان زیر می توان یک مقدار را در یک تابع نمادین جایگزین کرد:
1 | subs(y, 1), subs(y, -2) |
نتیجه ی اجرای کد فوق در متلب:
1 2 3 4 | ans = 10 ans = 37 |
کدهای فوق را در Octave بررسی می کنیم:
1 2 3 4 5 6 | x = sym("x"); y = 2*x^3 + 3*x^2 - 12*x + 17; g = differentiate(y,x) roots([6, 6, -12]) subs(y, x, 1), subs(y, x, -2) |
نتیجه :
1 2 3 4 | ans = 10.0 ans = 37.0-4.6734207789940138748E-18*I |
بنابراین، حداقل و حداکثر مقادیر در تابع f (x) = 2×3 + 3×2 – 12x + 17، در بازه ی [-۲،۲] ۱۰ و ۳۷ قرار می گیرد.
متلب تابع dsolve را برای حل معادلات دیفرانسیل ارائه می دهد:
فرم اصلی استفاده از تابع dsolve بصورت زیر است:
1 | dsolve('eqn') |
این یک راه حل نمادین را با مجموعه ای از ثابت های دلخواه باز می کند.
شما همچنین می توانید شرایط اولیه و مرزی برای مشکل را به عنوان لیست جدا شده با کاما پس از معادله مشخص کنید.
1 | dsolve('eqn','cond1', 'cond2',…) |
برای این منظور از دستور dsolve استفاده کنید.
برای مثال مشتق (f'(t) = -2*f + cost(t به صورت (‘Df = -2*f + cos(t’ وارد می شود.
مشتقات بالاتر با توجه به D به ترتیب مشتق نشان داده شده است.
برای مثال تابع f”(x) + 2f'(x) = 5sin3x باید بصورت (‘D2y + 2Dy = 5*sin(3*x’ وارد شود.
برای نمونه یک نمونه ساده از یک معادله دیفرانسیل اول مرتب می کنیم: y ‘= 5y
1 | s = dsolve('Dy = 5*y') |
نتیجه ی اجرای کد فوق در متلب:
1 2 | s = C2*exp(5*t) |
مثال ۲ – حل دیفرانسیل y” – y = 0, y(0) = -1, y'(0) = 2:
1 | dsolve('D2y - y = 0','y(0) = -1','Dy(0) = 2') |
نتیجه ی احرای کد فوق در متلب :
1 2 | ans = exp(t)/2 - (3*exp(-t))/2 |
همانطور که اشاره کردیم یکی از قابلیت های ویژه ی نرم افزار مهندسی متلب ، قابلیت حل انواع معادلات دیفرانسیل در متلب می باشد. از این رو مباحث این بخش را نیز به آموزش حل دیفرانسیل در متلب اختصاص دادیم.