جداسازی متغیرها


جداسازی متغیرها روشی برای حل معادلات دیفرانسیل معمولی و جزئی است.

برای یک معادله دیفرانسیل معمولی

(dy)/(dx)=g(x)f(y)،

(1)

جایی که f(y)غیر صفر در همسایگی مقدار اولیه است، راه حل به طور ضمنی توسط داده می شود

int(dy)/(f(y))=intg(x)dx.

(2)

اگر بتوان انتگرال ها را به صورت بسته انجام داد و معادله حاصل را بتوان برای y (که دو «اگر» بسیار بزرگ هستند، حل کرد، پس یک راه حل کامل برای مسئله به دست آمده است. مهمترین معادله ای که این تکنیک برای آن اعمال می شود y^'=ay، معادله رشد و زوال نمایی است (استوارت 2001).

برای یک معادله دیفرانسیل جزئی در یک تابع فی (x،y،...) و متغیرها ایکس، y...، جداسازی متغیرها را می توان با جایگزینی شکل اعمال کرد.

فی (x،y،...)=X(x)Y(y)...،

(3)

شکستن معادله به دست آمده به مجموعه ای از معادلات دیفرانسیل معمولی مستقل، حل این معادلات X(x)، Y(Y)و ...، و سپس وصل کردن آنها به معادله اصلی.

این تکنیک به این دلیل کار می کند که اگر حاصل ضرب توابع متغیرهای مستقل ثابت باشد، هر تابع باید به طور جداگانه یک ثابت باشد. موفقیت مستلزم انتخاب یک سیستم مختصات مناسب است و ممکن است بسته به معادله اصلاً قابل دستیابی نباشد. جداسازی متغیرها برای اولین بار توسط L'Hospital در سال 1750 مورد استفاده قرار گرفت. این روش به ویژه در حل معادلات ناشی از فیزیک ریاضی، مانند معادله لاپلاس ، معادله دیفرانسیل هلمهولتز ، و معادله شرودینگر مفید است.

https://mathworld.wolfram.com/SeparationofVariables.html

5-معادله لاپلاس در مختصات کروی به شکل حل معادله لاپلاس در مختصات کروی با جداسازی متغیرها

https://slideplayer.com/slide/10884088/

3-معادله لاپلاس در مختصات کروی به شکل حل معادله لاپلاس در مختصات کروی با جداسازی متغیرها

9 حل معادله لاپلاس در مختصات کروی با جداسازی متغیرها نیازی به درج ثابت c در اینجا نیست زیرا به A و B جذب می شود.

2-معادله لاپلاس در مختصات کروی به شکل حل معادله لاپلاس در مختصات کروی با جداسازی متغیرها

مقدمه ای ملایم بر عملگر لاپلاس

توسط استفانیا کریستینا در 16 مه 2022 در حساب دیفرانسیل و انتگرال7

اشتراک گذاری توییت اشتراک گذاری

عملگر لاپلاس اولین بار توسط پیر سیمون د لاپلاس برای مطالعه مکانیک سماوی یا حرکت اجسام در فضای بیرونی به کار گرفته شد و به همین دلیل به نام او نامگذاری شده است.

عملگر لاپلاس از آن زمان برای توصیف بسیاری از پدیده‌های مختلف، از پتانسیل‌های الکتریکی، معادله انتشار گرما و جریان سیال، و مکانیک کوانتومی استفاده شده است. همچنین به فضای گسسته تغییر شکل داده شده است، جایی که در برنامه های کاربردی مربوط به پردازش تصویر و خوشه بندی طیفی استفاده شده است.

در این آموزش، آشنایی ملایمی با زبان لاپلاسی خواهید یافت.

پس از تکمیل این آموزش، خواهید دانست:

  • تعریف عملگر لاپلاس و نحوه ارتباط آن با واگرایی.
  • نحوه ارتباط عملگر لاپلاس با هسین.
  • چگونه عملگر لاپلاس پیوسته به فضای گسسته تغییر شکل داده و برای پردازش تصویر و خوشه‌بندی طیفی اعمال شده است.

بیا شروع کنیم.

مقدمه ای ملایم بر عکس لاپلاسی
از عزیز آچارکی ، برخی حقوق محفوظ است.

بررسی اجمالی آموزش

این آموزش به دو بخش تقسیم می شود؛ آن ها هستند:

  • لاپلاسی
    • مفهوم واگرایی
    • لاپلاسی پیوسته
  • لاپلاسی گسسته

پیش نیازها

برای این آموزش، ما فرض می کنیم که شما از قبل می دانید که چه چیزهایی هستند:

شما می توانید این مفاهیم را با کلیک بر روی لینک های داده شده در بالا مرور کنید.

لاپلاسی

عملگر لاپلاس (یا لاپلاس، همانطور که اغلب نامیده می شود) واگرایی گرادیان یک تابع است.

برای درک بهتر عبارت قبلی، بهتر است با درک مفهوم واگرایی شروع کنیم .

مفهوم واگرایی

واگرایی یک عملگر برداری است که در یک میدان برداری عمل می کند. دومی را می توان به عنوان نشان دهنده جریان یک مایع یا گاز در نظر گرفت، جایی که هر بردار در میدان برداری، یک بردار سرعت سیال متحرک را نشان می دهد.

به طور کلی، واگرایی تمایل سیال به جمع شدن یا پراکندگی در یک نقطه را می سنجد…

– صفحه 432، حساب تک و چند متغیره ، 2020.

بخشی از فیلد برداری (sin y ، cos x )

با استفاده از عملگر nabla (یا del)، ∇، واگرایی با ∇ نشان داده می شود . و هنگامی که به یک میدان برداری اعمال می شود، مقدار سیال را در هر نقطه اندازه گیری می کند، یک مقدار اسکالر تولید می کند. در مختصات دکارتی، واگرایی یک میدان برداری، F = 〈 f ، g ، h 〉، به دست می آید:

اگرچه محاسبه واگرایی شامل اعمال عملگر واگرایی (به جای عملیات ضرب) است، نقطه در نماد آن یادآور حاصل ضرب نقطه ای است که شامل ضرب اجزای دو دنباله با طول مساوی است (در این مورد، ∇ و F ) و جمع عبارات حاصل.

لاپلاسی پیوسته

بیایید به تعریف لاپلاسی بازگردیم.

به یاد بیاورید که گرادیان یک تابع دو بعدی، f ، به صورت زیر به دست می آید:

سپس، لاپلاسین (یعنی واگرایی گرادیان) f را می توان با مجموع مشتقات جزئی دوم غیرمخلوط تعریف کرد :

به طور معادل، می توان آن را به عنوان رد (tr) تابع Hessian ، H ( f ) در نظر گرفت. ردیابی مجموع عناصر روی قطر اصلی یک مربع n × n ماتریس را که در این مورد Hessian است و همچنین مجموع مقادیر ویژه آن را مشخص می کند . به یاد بیاورید که ماتریس Hessian مشتقات جزئی دوم خود (یا مخلوط نشده) در مورب را شامل می شود:

یکی از ویژگی های مهم ردیابی یک ماتریس، تغییر ناپذیری آن نسبت به تغییر مبنا است . ما قبلاً لاپلاسی را در مختصات دکارتی تعریف کرده ایم. در مختصات قطبی، آن را به صورت زیر تعریف می کنیم:

تغییرناپذیری ردی برای تغییر مبنا به این معنی است که لاپلاسین را می توان در فضاهای مختصات مختلف تعریف کرد، اما مقدار یکسانی را در نقطه ای ( x , y ) در فضای مختصات دکارتی و در همان نقطه ( r) می دهد. ، θ ) در فضای مختصات قطبی.

به یاد بیاورید که ما همچنین اشاره کرده بودیم که مشتق دوم می تواند اطلاعاتی در مورد انحنای یک تابع در اختیار ما قرار دهد. از این رو، به طور شهودی، می‌توانیم لاپلاسی را در نظر بگیریم که از طریق این جمع مشتق‌های دوم، اطلاعاتی در مورد انحنای محلی یک تابع به ما ارائه می‌دهد.

عملگر لاپلاس پیوسته برای توصیف بسیاری از پدیده های فیزیکی مانند پتانسیل های الکتریکی و معادله انتشار برای جریان گرما استفاده شده است.

آیا می خواهید با حساب دیفرانسیل و انتگرال برای یادگیری ماشینی شروع کنید؟

اکنون در دوره رایگان ۷ روزه خرابی ایمیل من (با نمونه کد) شرکت کنید.

برای ثبت نام و همچنین دریافت نسخه کتاب الکترونیکی PDF رایگان دوره کلیک کنید.

مینی دوره رایگان خود را دانلود کنید

لاپلاسی گسسته

مشابه عملگر لاپلاس پیوسته، عملگر گسسته است، به طوری که به منظور اعمال به یک شبکه گسسته، مثلاً، مقادیر پیکسل در یک تصویر، یا به یک نمودار، فرموله شده است.

بیایید نگاهی بیندازیم که چگونه عملگر لاپلاس را می توان برای هر دو برنامه تغییر شکل داد.

در پردازش تصویر، عملگر لاپلاس به شکل یک فیلتر دیجیتالی محقق می شود که وقتی روی تصویر اعمال می شود، می تواند برای تشخیص لبه استفاده شود. به یک معنا، می‌توانیم عملگر لاپلاسی را که در پردازش تصویر استفاده می‌شود، در نظر بگیریم تا اطلاعاتی در مورد نحوه منحنی (یا خم شدن ) تابع در نقطه‌ای خاص ( x ، y ) به ما ارائه دهد.

در این مورد، عملگر (یا فیلتر) لاپلاسی گسسته با ترکیب دو فیلتر مشتق دوم تک بعدی در یک فیلتر دو بعدی واحد ساخته می شود:

در یادگیری ماشینی، اطلاعات ارائه شده توسط اپراتور لاپلاس مجزا که از یک نمودار به دست می آید، می تواند به منظور خوشه بندی داده ها استفاده شود.

نموداری را در نظر بگیرید، G = ( V , E ) که دارای تعداد محدودی از رئوس V و یال های E است . ماتریس لاپلاسی آن، L ، را می توان بر حسب ماتریس درجه، D ، حاوی اطلاعاتی در مورد اتصال هر رأس، و ماتریس مجاورت، A ، که جفت رئوس مجاور در نمودار را نشان می دهد، تعریف کرد:

L = D - A

خوشه‌بندی طیفی را می‌توان با اعمال برخی روش‌های خوشه‌بندی استاندارد (مانند k -means) روی بردارهای ویژه ماتریس لاپلاسی انجام داد ، بنابراین گره‌های گراف (یا نقاط داده) را به زیر مجموعه‌ها تقسیم کرد.

یکی از مسائلی که در انجام این کار می تواند به وجود بیاید مربوط به مشکل مقیاس پذیری با مجموعه داده های بزرگ است، جایی که تجزیه ویژه (یا استخراج بردارهای ویژه) ماتریس لاپلاسی ممکن است بازدارنده باشد. استفاده از یادگیری عمیق برای رفع این مشکل پیشنهاد شده است ، جایی که یک شبکه عصبی عمیق طوری آموزش داده شده است که خروجی های آن بردارهای ویژه گراف لاپلاسین را تقریب می زند. شبکه عصبی، در این مورد، با استفاده از یک رویکرد بهینه‌سازی محدود آموزش داده می‌شود تا متعامد بودن خروجی‌های شبکه را اعمال کند.

بیشتر خواندن

اگر به دنبال عمیق تر شدن هستید، این بخش منابع بیشتری در مورد موضوع ارائه می دهد.

کتاب ها

مقالات

https://machinelearningmastery.com/a-gentle-introduction-to-the-laplacian/

معادله لاپلاس -- مختصات کروی


در مختصات کروی , فاکتورهای مقیاس عبارتند از h_r=1, h_theta=rsinphi, h_phi=r, , و توابع جداسازی f_1(r)=r^2, f_2(تتا)=1, f_3(phi)=سینفی, به دادن یک تعیین کننده Stäckel از S=1.

لاپلاسی است _

del ^2=1/(r^2)partial/(partialr)(r^2partial/(partialr))+1/(r^2sin^2phi)(partial^2)/(partialtheta^2)+1/( r^2sinphi)partial/(partialphi)(sinphipartial/(partialphi)).

(1)

برای حل معادله لاپلاس در مختصات کروی ، سعی کنید متغیرها را با نوشتن جدا کنید

F(r،تتا،فی)=R(r)تتا(تتا)فی(فی).

(2)

سپس معادله دیفرانسیل هلمهولتز می شود

(d^2R)/(dr^2)PhiTheta+2/r(dR)/(dr)PhiTheta+1/(r^2sin^2phi)(d^2Theta)/(dtheta^2)PhiR+(cosphi)/ (r^2sinphi)(dPhi)/(dphi)ThetaR+1/(r^2)(d^2Phi)/(dphi^2)ThetaR=0.

(3)

حالا تقسیم RThetaPhiبر

(r^2sin^2phi)/(PhiRTheta)PhiTheta(d^2R)/(dr^2)+2/r(r^2sin^2phi)/(PhiRTheta)PhiTheta(dR)/(dr)+1/( r^2sin^2phi)(r^2sin^2phi)/(PhiRTheta)PhiR(d^2Theta)/(dtheta^2)+(cosphi)/(r^2sinphi)(r^2sin^2phi)/(PhiThetaR) (dPhi)/(dphi)ThetaR+1/(r^2)(r^2sin^2phi)/(PhiRTheta)(d^2Phi)/(dphi^2)ThetaR=0

(4)

((r^2sin^2phi)/R(d^2R)/(dr^2)+(2rsin^2phi)/R(dR)/(dr))+(1/تتا(d^2Theta)/(dtheta ^2)) +((cosphisinphi)/Phi(dPhi)/(dphi)+(sin^2phi)/Phi(d^2Phi)/(dphi^2))=0.

(5)

راه حل قسمت دوم ( 5 ) باید سینوسی باشد، بنابراین معادله دیفرانسیل است

(d^2Theta)/(dtheta^2)1/Theta=-m^2،

(6)

که دارای راه حل هایی است که ممکن است به عنوان یک تابع پیچیدهm=-infty با ...،تنبل

تتا(تتا)=A_me^(imtheta)،

(7)

یا به عنوان مجموع توابع سینوس و کسینوس واقعیm=-infty با ، ...،تنبل

تتا(تتا)=S_msin(mtheta)+C_mcos(mtheta).

(8)

وصل کردن ( 6 ) به ( 7

(r^2)/R(d^2R)/(dr^2)+(2r)/R(dR)/(dr)+1/(sin^2phi)((cosphisinphi)/Phi(dPhi)/( dphi)+(sin^2phi)/Phi(d^2Phi)/(dphi^2)-m^2)=0.

(9)

قسمت شعاعی باید برابر با یک ثابت باشد

(r^2)/R(d^2R)/(dr^2)+(2r)/R(dR)/(dr)=l(l+1)

(10)

r^2(d^2R)/(dr^2)+2r(dR)/(dr)=l(l+1)R.

(11)

اما این معادله دیفرانسیل اویلر است ، بنابراین ما یک راه حل سری از فرم را امتحان می کنیم

R=sum_(n=0)^inftya_nr^(n+c).

(12)

سپس

r^2sum_(n=0)^infty(n+c)(n+c-1)a_nr^(n+c-2)+2rsum_(n=0)^infty(n+c)a_nr^(n+ c-1) -l(l+1)sum_(n=0)^inftya_nr^(n+c)=0

(13)

sum_(n=0)^infty(n+c)(n+c-1)a_nr^(n+c)+2sum_(n=0)^infty(n+c)a_nr^(n+c) -l (l+1)sum_(n=0)^inftya_nr^(n+c)=0

(14)

sum_(n=0)^infty[(n+c)(n+c+1)-l(l+1)]a_nr^(n+c)=0.

(15)

این باید برای تمام توان های r. برای r^cمدت (با n=0

c(c+1)=l(l+1)،

(16)

c=l,-l-1که تنها در صورت ناپدید شدن همه اصطلاحات دیگر درست است . بنابراین a_n=0برای n!=l، -l-1. بنابراین، راه حل آرجزء به دست آمده است

R_l(r)=A_lr^l+B_lr^(-l-1).

(17)

وصل کردن ( 17 ) دوباره به (◇)،

l(l+1)-(m^2)/(sin^2phi)+(cosphi)/(sinphi)1/Phi(dPhi)/(dphi)+1/Phi(d^2Phi)/(dphi^2 )=0

(18)

Phi^('')+(cosphi)/(sinphi)Phi^'+[l(l+1)-(m^2)/(sin^2phi)]Phi=0,

(19)

که معادله دیفرانسیل لژاندر برای x=cosphiو m=0، ...، است ل. بنابراین راه حل مختلط کلی است

sum_(l=0)^inftysum_(m=-l)^l(A_lr^l+B_lr^(-l-1))P_l^m(cosphi)e^(-imtheta) =sum_(l=0)^ inftysum_(m=-1)^l(A_lr^l+B_lr^(-l-1))Y_l^m(تتا،فی)،

(20)

جایی که

Y_l^m(theta,phi)=P_l^m(cosphi)e^(-imtheta)

(21)

هارمونیک های کروی ( مختلط) هستند . راه حل حقیقی کلی این است

sum_(l=0)^inftysum_(m=0)^l(A_lr^l+B_lr^(-l-1))P_l^m(cosphi)[S_msin(mtheta)+C_mcos(mtheta)].

(22)

برخی از ثابت‌های نرما سازی می‌توانند توسط و P_l^mجذب شوند ، بنابراین این معادله ممکن است به شکل ظاهر شود S_mسانتی متر

sum_(l=0)^inftysum_(m=0)^l(A_lr^l+B_lr^(-l-1))P_l^m(cosphi)[S_l^msin(mtheta)+C_l^mcos(mtheta)] =sum_(l=0)^inftysum_(m=0)^l(A_lr^l+B_lr^(-l-1))×[S_l^mY_l^(m(o))(تتا،فی)+C_l^ mY_l^(m(e))(تتا، فی)]،

(23)

جایی که

Y_l^(m(o))(تتا،فی)=P_l^m(cosphi)sin(mtheta)

(24)

Y_l^(m(e))(تتا،فی)=P_l^m(cosphi)cos(mtheta)

(25)

هارمونیک های کروی زوج و فرد (حقیقی) هستند . اگر تقارن ازیموتال وجود داشته باشد، ثابت است و حل جزء یک چند جمله ای لژاندر است . راه حل کلی پس از آن است تتا (تتا)فی P_l (cosphi)

F(r,phi)=sum_(l=0)^infty(A_lr^l+B_lr^(-l-1))P_l(cosphi).

(26)


https://mathworld.wolfram.com/LaplacesEquationSphericalCoordinates.html

معادله دیفرانسیل معمولی

از ویکیپدیا، دانشنامه آزاد

حرکت پرتابه سهموی که بردار سرعت را نشان می دهد

مسیر پرتابه ای که از یک توپ پرتاب می شود از منحنی تعیین شده توسط یک معادله دیفرانسیل معمولی که از قانون دوم نیوتن مشتق شده است، پیروی می کند.

معادلات دیفرانسیل

محدوده

نشان می دهد

زمینه های

طبقه بندی

نشان می دهد

انواع

نشان می دهد

ارتباط با فرآیندها

راه حل

نشان می دهد

وجود و منحصر به فرد بودن

نشان می دهد

مباحث عمومی

نشان می دهد

روش های حل

مردم

نشان می دهد

فهرست کنید

  • v
  • تی
  • ه

در ریاضیات ، یک معادله دیفرانسیل معمولی ( ODE ) یک معادله دیفرانسیل (DE) است که تنها به یک متغیر مستقل وابسته است . مانند سایر DE، مجهول(های) آن از یک (یا چند تابع) تشکیل شده و مشتقات آن توابع را شامل می شود. [1] اصطلاح "معمولی" در مقابل معادلات دیفرانسیل جزئی استفاده می شود که ممکن است با توجه به بیش از یک متغیر مستقل باشد. [2]

معادلات دیفرانسیل [ ویرایش ]

معادله دیفرانسیل خطی یک معادله دیفرانسیل است که توسط یک چند جمله ای خطی در تابع مجهول و مشتقات آن تعریف می شود که معادله ای از شکل است.

،{\displaystyle a_{0}(x)y+a_{1}(x)y'+a_{2}(x)y''+\cdots +a_{n}(x)y^{(n)} +b(x)=0،}

جایی که {\displaystyle a_{0}(x)}{\displaystyle a_{n}(x)}وb(x)توابع قابل تمایز دلخواه هستند که نیازی به خطی بودن ندارند و {\displaystyle y',\ldots ,y^{(n)}}مشتقات متوالی تابع مجهول y از متغیر x هستند .

در بین معادلات دیفرانسیل معمولی، معادلات دیفرانسیل خطی به چند دلیل نقش برجسته ای دارند. اکثر توابع ابتدایی و ویژه ای که در فیزیک و ریاضیات کاربردی با آنها مواجه می شوند ، حل معادلات دیفرانسیل خطی هستند (به تابع هولونومی مراجعه کنید ). هنگامی که پدیده های فیزیکی با معادلات غیر خطی مدل می شوند، معمولاً با معادلات دیفرانسیل خطی برای حل آسان تر تقریب می شوند. معدود ODE های غیر خطی که می توانند به طور صریح حل شوند، عموماً با تبدیل معادله به یک ODE خطی معادل حل می شوند (به عنوان مثال معادله Riccati را ببینید ).

برخی از ODE ها را می توان به صراحت از نظر توابع و انتگرال های شناخته شده حل کرد . هنگامی که این امکان پذیر نیست، معادله محاسبه سری تیلور از راه حل ها ممکن است مفید باشد. برای مسائل کاربردی، روش‌های عددی برای معادلات دیفرانسیل معمولی می‌توانند تقریبی از جواب را ارائه کنند.

پس زمینه [ ویرایش ]

معادلات دیفرانسیل معمولی (ODE) در بسیاری از زمینه های ریاضیات و علوم اجتماعی و طبیعی به وجود می آیند . در توصیف های ریاضی تغییر از دیفرانسیل ها و مشتقات استفاده می شود. دیفرانسیل ها، مشتقات و توابع مختلف از طریق معادلات به هم مرتبط می شوند، به طوری که یک معادله دیفرانسیل نتیجه ای است که پدیده ها، تکامل و تغییرات به طور پویا در حال تغییر را توصیف می کند. غالباً کمیت ها به عنوان نرخ تغییر کمیت های دیگر (مثلاً مشتقات جابجایی نسبت به زمان) یا شیب کمیت ها تعریف می شوند که نحوه ورود آنها به معادلات دیفرانسیل است. [ نیازمند منبع ]

رشته های ریاضی خاص شامل هندسه و مکانیک تحلیلی است . زمینه های علمی شامل بسیاری از فیزیک و ستاره شناسی (مکانیک آسمان)، هواشناسی (مدل سازی آب و هوا)، شیمی (نرخ واکنش)، [3] زیست شناسی (بیماری های عفونی، تنوع ژنتیکی)، بوم شناسی و مدل سازی جمعیت (رقابت جمعیت)، اقتصاد (روند سهام). ، نرخ بهره و تغییرات قیمت تعادلی بازار).

بسیاری از ریاضیدانان معادلات دیفرانسیل را مطالعه کرده اند و در این زمینه مشارکت داشته اند، از جمله نیوتن ، لایبنیتس ، خانواده برنولی ، ریکاتی ، کلراوت ، دالامبر و اویلر .

یک مثال ساده قانون دوم حرکت نیوتن است - رابطه بین جابجایی x و زمان t یک جسم تحت نیروی F توسط معادله دیفرانسیل به دست می‌آید.

{\displaystyle m{\frac {\mathrm {d} ^{2}x(t)}{\mathrm {d} t^{2}}}=F(x(t))\,}

که حرکت ذره ای با جرم ثابت m را محدود می کند . به طور کلی، F تابعی از موقعیت x ( t ) ذره در زمان t است . تابع مجهول x ( t ) در دو طرف معادله دیفرانسیل ظاهر می شود و در نماد F ( x ( t ) نشان داده می شود. [4] [5] [6] [7]

تعاریف [ ویرایش ]

در ادامه، y یک متغیر وابسته است که نشان دهنده یک تابع مجهول y = f ( x ) از متغیر مستقل x است . نماد تمایز بسته به نویسنده و اینکه کدام نماد برای کار مورد نظر مفیدتر است متفاوت است. در این زمینه، نماد لایب نیتس (dx،d 2 y/dx 2,…,d n y/dx n) برای تمایز و انتکرال مفیدتر است ، در حالی که علامت لاگرانژ برای نمایش مشتقات مرتبه بالاتر به صورت فشرده و نماد نیوتن مفیدتر است. {\displaystyle ({\dot {y}},{\ddot {y}},{\overset {...}{y}})}اغلب در فیزیک برای نشان دادن مشتقات درجه پایین با توجه به زمان استفاده می شود.

تعریف کلی [ ویرایش ]

همچنین ببینید: ترتیب معادلات دیفرانسیل

با در نظر گرفتن F ، تابعی از x ، y ، و مشتقات y . سپس یک معادله از فرم

{\displaystyle F\left(x,y,y',\ldots ,y^{(n-1)}\right)=y^{(n)}}

معادله دیفرانسیل معمولی صریح از مرتبه n نامیده می شود . [8] [9]

به طور کلی، یک معادله دیفرانسیل معمولی ضمنی از مرتبه n شکل زیر را دارد: [10]

{\displaystyle F\left(x,y,y',y'',\ \ldots ,\ y^{(n)}\right)=0}

طبقه بندی های دیگری نیز وجود دارد:

خود مختار

دیفرانسیل اگر به متغیر x وابسته نباشد مستقل است .

خطی

یک معادله دیفرانسیل خطی است اگرافافرا می توان به صورت ترکیبی خطی از مشتقات y نوشت . یعنی if را می توان به صورت بازنویسی کرد

{\displaystyle y^{(n)}=\sum _{i=0}^{n-1}a_{i}(x)y^{(i)}+r(x)}

که در آن i ( x  ) و r  ( x  ) توابع پیوسته x هستند . [8] [11] [12] تابع r ( x ) اصطلاح منبع نامیده می شود که منجر به طبقه بندی بیشتر می شود. [11] [13]

همگن

یک معادله دیفرانسیل خطی همگن است اگر r ( x ) = 0 . در این مورد، همیشه " راه حل بی اهمیت " y = 0 وجود دارد .

ناهمگن (یا ناهمگن)

یک معادله دیفرانسیل خطی ناهمگن است اگر r ( x ) ≠ 0 .

غیر خطی

معادله دیفرانسیل که خطی نیست.

سیستم ODE ها [ ویرایش ]

مقاله اصلی: سیستم معادلات دیفرانسیل

تعدادی از معادلات دیفرانسیل جفت شده یک سیستم معادلات را تشکیل می دهند. اگر y برداری است که عناصر آن توابع هستند. y ( x ) = [ y 1 ( x )، y 2 ( x )،...، y m ( x )] و F تابعی با مقدار برداری از y و مشتقات آن است ، سپس

{\displaystyle \mathbf {y} ^{(n)}=\mathbf {F} \left(x,\mathbf {y} ,\mathbf {y} ',\mathbf {y}'',\ldots ,\ mathbf {y} ^{(n-1)}\right)}

یک سیستم صریح از معادلات دیفرانسیل معمولی مرتبه n و بعد m است . در شکل بردار ستونی :

{\displaystyle {\begin{pmatrix}y_{1}^{(n)}\\y_{2}^{(n)}\\\vdots \\y_{m}^{(n)}\end{ pmatrix}}={\begin{pmatrix}f_{1}\left(x,\mathbf {y} ,\mathbf {y} ',\mathbf {y}'',\ldots ,\mathbf {y} ^{ (n-1)}\راست)\\f_{2}\left(x,\mathbf {y} ,\mathbf {y} ',\mathbf {y}'',\ldots ,\mathbf {y} ^ {(n-1)}\right)\\\vdots \\f_{m}\left(x,\mathbf {y} ,\mathbf {y} ',\mathbf {y}'',\ldots ,\ mathbf {y} ^{(n-1)}\right)\end{pmatrix}}}

اینها لزوما خطی نیستند. آنالوگ ضمنی این است:

اف

{\displaystyle \mathbf {F} \left(x,\mathbf {y} ,\mathbf {y} ',\mathbf {y}'',\ldots ,\mathbf {y} ^{(n)}\راست )={\boldsymbol {0}}}

که در آن 0 = (0، 0، ...، 0) بردار صفر است . به صورت ماتریسی

{\displaystyle {\begin{pmatrix}f_{1}(x,\mathbf {y} ,\mathbf {y} ',\mathbf {y} '',\ldots ,\mathbf {y} ^{(n) })\\f_{2}(x,\mathbf {y} ,\mathbf {y} ',\mathbf {y}'',\ldots ,\mathbf {y} ^{(n)})\\\ vdots \\f_{m}(x,\mathbf {y} ,\mathbf {y} ',\mathbf {y}'',\ldots ,\mathbf {y} ^{(n)})\end{pmatrix }}={\begin{pmatrix}0\\0\\\vdots \\0\end{pmatrix}}}

برای یک سیستم از فرم\mathbf {F} \left(x,\mathbf {y} ,\mathbf {y} '\right)={\boldsymbol {0}}، برخی منابع نیز ماتریس ژاکوبین را ایجاب می کنند ∂{\frac {\partial \mathbf {F} (x,\mathbf {u} ,\mathbf {v} )}{\partial \mathbf {v} }}غیر مفرد باشد تا این را یک ODE [سیستم] ضمنی بنامیم. یک سیستم ODE ضمنی که شرایط غیرتکینگی ژاکوبین را برآورده می کند، می تواند به یک سیستم ODE صریح تبدیل شود. در همین منابع، سیستم‌های ODE ضمنی با ژاکوبین منفرد معادلات جبری دیفرانسیل (DAEs) نامیده می‌شوند. این تمایز صرفاً یکی از اصطلاحات نیست. DAE ها اساساً ویژگی های متفاوتی دارند و به طور کلی بیشتر از سیستم های ODE (غیر منفرد) درگیر حل آن هستند. [14] [15] [16] احتمالاً برای مشتقات اضافی، ماتریس هسین و غیره نیز طبق این طرح غیر مفرد در نظر گرفته می شوند، [ نیاز به نقل از ] ، اگرچه توجه داشته باشید که هر ODE از مرتبه بزرگتر از یک می تواند باشد (و معمولاً است) به عنوان سیستمی از ODEهای مرتبه اول بازنویسی شده است ، [17] که معیار تکینگی ژاکوبین را برای جامع بودن این طبقه بندی در همه مرتبه ها کافی می کند.

رفتار یک سیستم از ODE ها را می توان از طریق استفاده از پرتره فاز مشاهده کرد .

راه حل ها [ ویرایش ]

معادله دیفرانسیل داده می شود

ا{\displaystyle F\left(x,y,y',\ldots ,y^{(n)}\right)=0}

یک تابع u : I ⊂ RR ، جایی که I یک بازه است، منحنی راه حل یا انتگرال برای F نامیده می شود ، اگر u n بار در I قابل تفکیک باشد ، و

{\displaystyle F(x,u,u',\ \ldots ,\ u^{(n)})=0\quad x\in I.}

با توجه به دو راه حل u : J ⊂ RR و v : I ⊂ RR ، u پسوند v نامیده می شود اگر I ⊂ J و

u(x)=v(x)\quad x\in I.\,

راه حلی که پسوندی ندارد راه حل حداکثری نامیده می شود . راه حلی که روی تمام R تعریف شده است راه حل جهانی نامیده می شود .

راه حل کلی یک معادله مرتبه n راه حلی است که حاوی n ثابت مستقل دلخواه انتگرال گیری باشد . یک راه‌حل خاص از راه‌حل عمومی با تنظیم ثابت‌ها به مقادیر خاص، که اغلب برای انجام مجموعه « شرایط اولیه یا شرایط مرزی » انتخاب می‌شوند، مشتق می‌شود. [18] راه حل منفرد راه حلی است که نمی توان آن را با اختصاص مقادیر معین به ثابت های دلخواه در جواب کلی به دست آورد. [19]

در زمینه ODE خطی، راه حل خاص اصطلاحی همچنین می تواند به هر راه حل ODE اشاره کند (الزاماً شرایط اولیه را برآورده نمی کند)، که سپس به محلول همگن اضافه می شود (راه حل کلی ODE همگن)، که سپس تشکیل می شود. یک راه حل کلی از ODE اصلی. این اصطلاحی است که در بخش روش حدس زدن در این مقاله استفاده می‌شود و اغلب هنگام بحث در مورد روش ضرایب نامشخص و تغییرات پارامترها استفاده می‌شود .

راه حل های مدت زمان محدود [ ویرایش ]

برای ODE‌های مستقل غیرخطی، تحت برخی شرایط ممکن است راه‌حل‌هایی با مدت زمان محدود ایجاد شود، [20] به این معنی که در اینجا از دینامیک خود، سیستم در یک زمان پایانی به مقدار صفر می‌رسد و برای همیشه در آن صفر باقی می‌ماند. این راه حل های مدت زمان محدود نمی توانند توابع تحلیلی در کل خط حقیقی باشند، و چون در زمان پایان خود توابع غیر لیپشیتز خواهند بود، در قضیه منحصر به فرد بودن جواب های معادلات دیفرانسیل لیپشیتز گنجانده نمی شوند.

به عنوان مثال، معادله:

{\displaystyle y'=-{\text{sgn}}(y){\sqrt {|y|}}،\,\,y(0)=1}

راه حل مدت زمان محدود را می پذیرد:

{\displaystyle y(x)={\frac {1}{4}}\left(1-{\frac {x}{2}}+\left|1-{\frac {x}{2}}\ راست|\راست)^{2}}

نظریه ها [ ویرایش ]

راه حل های مفرد [ ویرایش ]

تئوری جوابهای منفرد معادلات دیفرانسیل معمولی و جزئی موضوع تحقیق از زمان لایب نیتس بود، اما تنها از اواسط قرن نوزدهم مورد توجه ویژه قرار گرفت. یک اثر ارزشمند اما کمتر شناخته شده در این زمینه، اثر فوشیان (1854) است. داربوکس (از سال 1873) در نظریه پیشرو بود و در تفسیر هندسی این راه حل ها زمینه ای را گشود که توسط نویسندگان مختلف، به ویژه کاسوراتی و کیلی کار شده بود . به دلیل دومی (1872) تئوری حل های منفرد معادلات دیفرانسیل مرتبه اول است که در حدود سال 1900 پذیرفته شده است.

کاهش به ربع [ ویرایش ]

تلاش اولیه در برخورد با معادلات دیفرانسیل کاهش به ربع بود . همانطور که جبر گرایان قرن هجدهم امید داشتند روشی برای حل معادله کلی درجه n بیابند ، تحلیلگران نیز امیدوار بودند که روشی کلی برای انتکرال هر معادله دیفرانسیل بیابند. با این حال، گاوس (1799) نشان داد که معادلات دیفرانسیل پیچیده به اعداد مختلط نیاز دارند . از این رو، تحلیلگران شروع به جایگزینی مطالعه توابع کردند و بدین ترتیب میدانی جدید و حاصلخیز باز کردند. کوشی اولین کسی بود که به اهمیت این دیدگاه پی برد. پس از آن، سؤال حقیقی دیگر این نبود که آیا یک راه حل با استفاده از توابع شناخته شده یا انتگرال آنها امکان پذیر است یا خیر، بلکه این بود که آیا یک معادله دیفرانسیل معین برای تعریف تابعی از متغیر یا متغیرهای مستقل کافی است، و اگر چنین است، چه هستند. خواص مشخصه

نظریه فوشیان [ ویرایش ]

مقاله اصلی: روش فروبنیوس

دو خاطرات فوکس [21] الهام بخش رویکردی بدیع بود که متعاقباً توسط توم و فروبنیوس شرح داده شد . کولت از سال 1869 شروع به کار کرد. روش او برای انتکرال یک سیستم غیر خطی در سال 1868 به برتراند ابلاغ شد. کلبش (1873) این نظریه را در امتداد خطوط موازی با نظریه انتگرال های آبلی خود مورد حمله قرار داد . از آنجایی که می‌توان دومی را بر اساس ویژگی‌های منحنی بنیادی طبقه‌بندی کرد که تحت یک تبدیل منطقی بدون تغییر باقی می‌ماند، کلبش پیشنهاد کرد که توابع متعالی تعریف شده توسط معادلات دیفرانسیل را بر اساس ویژگی‌های ثابت سطوح متناظر f = 0 در زیر منطقی یک به طبقه‌بندی کند. یک تحول.

نظریه لی [ ویرایش ]

از سال 1870، سوفوس لی 'ثانیه کار نظریه معادلات دیفرانسیل را بر اساس بهتر قرار داده است. او نشان داد که نظریه‌های یکپارچه‌سازی ریاضیدانان قدیمی‌تر را می‌توان با استفاده از گروه‌های لی به یک منبع مشترک ارجاع داد، و معادلات دیفرانسیل معمولی که همان تبدیل‌های بی‌نهایت کوچک را پذیرفته‌اند ، مشکلات انتگرال‌گیری قابل مقایسه‌ای دارند. او همچنین بر موضوع تحولات تماس تأکید کرد .

نظریه گروهی Lie در مورد معادلات دیفرانسیل تایید شده است، یعنی: (1) که بسیاری از روش های موردی شناخته شده برای حل معادلات دیفرانسیل را متحد می کند، و (2) که راه های جدید قدرتمندی برای یافتن راه حل ها ارائه می دهد. این نظریه برای معادلات دیفرانسیل معمولی و جزئی کاربرد دارد. [22]

یک رویکرد حل کلی از خاصیت تقارن معادلات دیفرانسیل استفاده می کند، تبدیل بی نهایت کوچک پیوسته راه حل ها به راه حل ها ( نظریه لی ). تئوری گروه پیوسته ، جبرهای لی ، و هندسه دیفرانسیل برای درک ساختار معادلات دیفرانسیل خطی و غیرخطی (جزئی) برای تولید معادلات انتگرال‌پذیر، یافتن جفت‌های Lax ، عملگرهای بازگشتی، تبدیل بکلوند و در نهایت یافتن راه‌حل‌های تحلیلی دقیق استفاده می‌شوند. به DE.

روش‌های تقارن برای معادلات دیفرانسیل که در ریاضیات، فیزیک، مهندسی و سایر رشته‌ها به وجود می‌آیند، استفاده شده‌اند.

نظریه استورم-لیوویل [ ویرایش ]

مقاله اصلی: نظریه اشتورم لیوویل

نظریه اشتورم لیوویل نظریه ای از نوع خاصی از معادلات دیفرانسیل معمولی خطی مرتبه دوم است. راه حل های آنها بر اساس مقادیر ویژه و توابع ویژه مربوط به عملگرهای خطی است که از طریق معادلات خطی همگن مرتبه دوم تعریف شده اند . این مشکلات به عنوان مشکلات اشتورم-لیوویل (SLP) شناخته می شوند و به نام JCF Sturm و جی لیوویل که آنها را در اواسط دهه 1800 مطالعه کردند، نامگذاری شده اند . SLP ها دارای تعداد نامتناهی مقادیر ویژه هستند و توابع ویژه مربوطه یک مجموعه کامل و متعامد را تشکیل می دهند که بسط های متعامد را ممکن می کند. این یک ایده کلیدی در ریاضیات کاربردی، فیزیک و مهندسی است. [23] SLP ها همچنین در تجزیه و تحلیل برخی معادلات دیفرانسیل جزئی مفید هستند.

وجود و منحصر به فرد بودن راه حل ها [ ویرایش ]

چندین قضیه وجود دارد که وجود و منحصربه‌فرد بودن راه‌حل‌ها را برای مسائل ارزش اولیه که شامل ODE‌ها هم در سطح محلی و هم در سطح جهانی است، ایجاد می‌کنند. دو قضیه اصلی عبارتند از

قضیهفرضنتیجه

قضیه وجود پینوF پیوستهفقط وجود محلی

قضیه پیکارد-لیندلوفF لیپشیتس پیوستهوجود و منحصر به فرد بودن محلی

در شکل اصلی خود، هر دوی این قضیه‌ها فقط نتایج محلی را تضمین می‌کنند، اگرچه دومی را می‌توان برای به دست آوردن یک نتیجه کلی، برای مثال، اگر شرایط نابرابری گرونوال برآورده شود، گسترش داد.

همچنین، قضایای منحصربه‌فرد مانند لیپشیتس در بالا برای سیستم‌های DAE ، که ممکن است راه‌حل‌های متعددی داشته باشند که از بخش جبری (غیر خطی) آنها به تنهایی ناشی می‌شوند، اعمال نمی‌شوند . [24]

وجود محلی و قضیه یگانگی ساده شده [ ویرایش ]

قضیه را می توان به سادگی به صورت زیر بیان کرد. [25] برای معادله و مسئله مقدار اولیه:

{\displaystyle y'=F(x,y)\,,\quad y_{0}=y(x_{0})} اگر F و ∂ F /∂ y در یک مستطیل بسته پیوسته باشند

{\displaystyle R=[x_{0}-a,x_{0}+a]\times [y_{0}-b,y_{0}+b]} در صفحه xy ، که در آن a و b حقیقی هستند (به طور نمادین: a , b ∈ R ) و × نشان دهنده حاصلضرب دکارتی است ، براکت ها نشان دهنده فواصل بسته هستند ، سپس یک بازه وجود دارد.

{\displaystyle I=[x_{0}-h,x_{0}+h]\subset [x_{0}-a,x_{0}+a]} برای مقداری h ∈ R که در آن می توان جواب معادله بالا و مسئله مقدار اولیه را پیدا کرد. یعنی راه حل وجود دارد و منحصر به فرد است. از آنجایی که هیچ محدودیتی برای خطی بودن F وجود ندارد ، این امر در مورد معادلات غیرخطی که شکل F ( x , y ) دارند، صدق می کند و همچنین می تواند برای سیستم های معادلات اعمال شود.

منحصر به فرد بودن جهانی و حداکثر دامنه راه حل [ ویرایش ]

هنگامی که فرضیه های قضیه پیکارد-لیندلوف برآورده شود، وجود محلی و منحصر به فرد را می توان به یک نتیجه جهانی تعمیم داد. دقیق تر: [26]

برای هر شرط اولیه ( x 0 , y 0 ) یک بازه باز حداکثر (احتمالا بی نهایت) منحصر به فرد وجود دارد.

{\displaystyle I_{\max }=(x_{-},x_{+}),x_{\pm }\in \mathbb {R} \cup \{\pm \infty \},x_{0}\in I_{\max }}

به طوری که هر راه حلی که این شرط اولیه را برآورده کند، محدودیت راه حلی است که این شرط اولیه را با دامنه برآورده می کند.I_{\max}.

در صورتی که {\displaystyle x_{\pm }\neq \pm \infty }، دقیقا دو احتمال وجود دارد

  • انفجار در زمان محدود:{\displaystyle \limsup _{x\to x_{\pm }}\|y(x)\|\to \infty }
  • دامنه تعریف را ترک می کند: \lim _{x\to x_{\pm }}y(x)\ \in \partial {\bar {\Omega }}

که در آن Ω مجموعه باز است که در آن F تعریف شده است، و¯\ بخشی {\bar {\Omega }}مرز آن است

توجه داشته باشید که حداکثر دامنه راه حل

  • همیشه یک فاصله است (برای داشتن منحصر به فرد بودن)
  • ممکن است کوچکتر ازآر\mathbb {R}
  • ممکن است به انتخاب خاص ( x 0 ، y 0 ) بستگی داشته باشد.

مثال.

y'=y^{2}

این بدان معنی است که F ( x, y ) = y 2 است که C 1 است و بنابراین به صورت محلی لیپشیتس پیوسته است و قضیه پیکارد-لیندلوف را برآورده می کند.

حتی در چنین تنظیمات ساده ای، حداکثر دامنه راه حل نمی تواند همه باشدآر\mathbb {R}از آنجایی که راه حل است

y(x)={\frac {y_{0}}{(x_{0}-x)y_{0}+1}}

که دارای حداکثر دامنه است:

{\displaystyle {\begin{cases}\mathbb {R} &y_{0}=0\\[4pt]\left(-\infty,x_{0}+{\frac {1}{y_{0}}} \right)&y_{0}>0\\[4pt]\left(x_{0}+{\frac {1}{y_{0}}},+\infty \right)&y_{0}<0\end {موارد}}}

این به وضوح نشان می دهد که حداکثر فاصله ممکن است به شرایط اولیه بستگی داشته باشد. دامنه y را می توان به عنوان موجود در نظر گرفتآر{\displaystyle \mathbb {R} \setminus (x_{0}+1/y_{0})،}اما این منجر به دامنه‌ای می‌شود که یک بازه نیست، به طوری که طرف مقابل شرط اولیه از شرایط اولیه جدا می‌شود و بنابراین به‌طور منحصربه‌فرد توسط آن تعیین نمی‌شود.

حداکثر دامنه نیست\mathbb {R}زیرا

{\displaystyle \lim _{x\to x_{\pm }}\|y(x)\|\to \infty ,}

که با توجه به قضیه فوق یکی از دو حالت ممکن است.

کاهش مرتبه [ ویرایش ]

اگر بتوان ترتیب معادله را کاهش داد معمولا حل معادلات دیفرانسیل آسانتر است .

کاهش به یک سیستم مرتبه اول [ ویرایش ]

هر معادله دیفرانسیل صریح از مرتبه n ،

{\displaystyle F\left(x,y,y',y'',\ \ldots ,\ y^{(n-1)}\right)=y^{(n)}}

می توان با تعریف یک خانواده جدید از توابع مجهول به صورت سیستمی از n معادله دیفرانسیل مرتبه اول نوشت.

y_{i}=y^{(i-1)}.\!

برای i = 1، 2، ...، n . سپس سیستم n بعدی معادلات دیفرانسیل جفت شده مرتبه اول است

{\displaystyle {\begin{array}{rcl}y_{1}'&=&y_{2}\\y_{2}'&=&y_{3}\\&\vdots &\\y_{n-1} '&=&y_{n}\\y_{n}'&=&F(x,y_{1},\ldots,y_{n}).\end{آرایه}}}

در نماد برداری فشرده تر:

\mathbf {y} '=\mathbf {F} (x,\mathbf {y})

جایی که

{\displaystyle \mathbf {y} =(y_{1},\ldots,y_{n}),\quad \mathbf {F} (x,y_{1},\ldots ,y_{n})=(y_ {2},\ldots,y_{n},F(x,y_{1},\ldots,y_{n})).}

خلاصه راه حل های دقیق [ ویرایش ]

برخی معادلات دیفرانسیل راه حل هایی دارند که می توان آنها را به صورت دقیق و بسته نوشت. چندین کلاس مهم در اینجا برگزار می شود.

در جدول زیر، P ( x ) ، Q ( x ) ، P ( y ) ، Q ( y ) و M ( x ، y ) ، N ( x ، y ) هر توابع انتگرال پذیر x ، y هستند . b و c ثابت داده شده حقیقی هستند. C 1 , C 2 , ... ثابت دلخواه هستند ( به طور کلی پیچیده ). معادلات دیفرانسیل در اشکال معادل و جایگزین خود هستند که از طریق یکپارچه سازی به حل منتهی می شوند.

در راه حل های انتگرالی، λ و ε متغیرهای ساختگی انتگرال گیری هستند (آنالوگ های پیوسته شاخص ها در مجموع )، و نماد ∫ x F ( λ ) dλ فقط به معنای انتکرال F ( λ ) با توجه به λ ، سپس پس از انتکرال است. جایگزین λ = x ، بدون اضافه کردن ثابت (به صراحت بیان شده است).

معادلات قابل تفکیک [ ویرایش ]

معادله دیفرانسیلروش حلراه حل کلی

مرتبه اول، قابل تفکیک در x و y (حالت عمومی، برای موارد خاص به زیر مراجعه کنید) [27]

{\displaystyle {\begin{aligned}P_{1}(x)Q_{1}(y)+P_{2}(x)Q_{2}(y)\,{\frac {dy}{dx}} &=0\\P_{1}(x)Q_{1}(y)\,dx+P_{2}(x)Q_{2}(y)\,dy&=0\end{تراز شده}}}

جداسازی متغیرها (تقسیم بر P 2 Q 1 ).{\displaystyle \int ^{x}{\frac {P_{1}(\lambda )}{P_{2}(\lambda )}}\,d\lambda +\int ^{y}{\frac {Q_ {2}(\lambda )}{Q_{1}(\lambda )}}\,d\lambda =C}مرتبه اول، قابل تفکیک در x [25]

{\displaystyle {\begin{aligned}{\frac {dy}{dx}}&=F(x)\\dy&=F(x)\,dx\end{aligned}}}

انتکرال مستقیم{\displaystyle y=\int ^{x}F(\lambda )\,d\lambda +C}مرتبه اول، مستقل، قابل تفکیک در y [25]

{\displaystyle {\begin{aligned}{\frac {dy}{dx}}&=F(y)\\dy&=F(y)\,dx\end{aligned}}}

جداسازی متغیرها (تقسیم بر F ).{\displaystyle x=\int ^{y}{\frac {d\lambda }{F(\lambda )}}+C}مرتبه اول، قابل تفکیک در x و y [25]

{\displaystyle {\begin{aligned}P(y){\frac {dy}{dx}}+Q(x)&=0\\P(y)\,dy+Q(x)\,dx&=0 \end{تراز شده}}}

انتکرال در سراسر.{\displaystyle \int ^{y}P(\lambda )\,d\lambda +\int ^{x}Q(\lambda )\,d\lambda =C}

معادلات مرتبه اول عمومی [ ویرایش ]

معادله دیفرانسیلروش حلراه حل کلی

مرتبه اول، همگن [25]

{\displaystyle {\frac {dy}{dx}}=F\left({\frac {y}{x}}\right)}

y = ux را تنظیم کنید ، سپس با جداسازی متغیرهای u و x حل کنید .{\displaystyle \ln(Cx)=\int ^{y/x}{\frac {d\lambda }{F(\lambda )-\lambda }}}مرتبه اول، قابل تفکیک [27]

{\displaystyle {\begin{aligned}yM(xy)+xN(xy)\,{\frac {dy}{dx}}&=0\\yM(xy)\,dx+xN(xy)\,dy& =0\end{تراز شده}}}

جداسازی متغیرها (تقسیم بر xy ).

{\displaystyle \ln(Cx)=\int ^{xy}{\frac {N(\lambda )\,d\lambda }{\lambda [N(\lambda )-M(\lambda )]}}}

اگر N = M جواب xy = C است .

دیفرانسیل دقیق ، مرتبه اول [25]

{\displaystyle {\begin{aligned}M(x,y){\frac {dy}{dx}}+N(x,y)&=0\\M(x,y)\,dy+N(x ,y)\,dx&=0\end{تراز شده}}}

جایی که{\displaystyle {\frac {\partial M}{\partial y}}={\frac {\partial N}{\partial x}}}

انتکرال در سراسر.{\displaystyle {\begin{aligned}F(x,y)&=\int ^{x}M(\lambda ,y)\,d\lambda +\int ^{y}Y(\lambda )\,d \lambda \\&=\int ^{y}N(x,\lambda )\,d\lambda +\int ^{x}X(\lambda )\,d\lambda =C\end{تراز شده}}}

جایی که

{\displaystyle Y(y)=N(x,y)-{\frac {\partial }{\partial y}}\int ^{x}M(\lambda ,y)\,d\lambda } و

{\displaystyle X(x)=M(x,y)-{\frac {\partial }{\partial x}}\int ^{y}N(x,\lambda )\,d\lambda }

دیفرانسیل غیر دقیق ، مرتبه اول [25]

{\displaystyle {\begin{aligned}M(x,y){\frac {dy}{dx}}+N(x,y)&=0\\M(x,y)\,dy+N(x ,y)\,dx&=0\end{تراز شده}}}

جایی که{\displaystyle {\frac {\partial M}{\partial y}}\neq {\frac {\partial N}{\partial x}}}

عامل انتکرال μ ( x , y ) راضی کننده است

{\displaystyle {\frac {\partial (\mu M)}{\partial y}}={\frac {\partial (\mu N)}{\partial x}}}

اگر μ ( x , y ) را بتوان به روشی مناسب پیدا کرد، پس

ا{\displaystyle {\begin{aligned}F(x,y)=&\int ^{x}\mu (\lambda ,y)M(\lambda ,y)\,d\lambda +\int ^{y} Y(\lambda )\,d\lambda \\=&\int ^{y}\mu (x,\lambda )N(x,\lambda )\,d\lambda +\int ^{x}X(\ lambda )\,d\lambda =C\end{تراز شده}}}

جایی که

{\displaystyle Y(y)=N(x,y)-{\frac {\partial }{\partial y}}\int ^{x}\mu (\lambda,y)M(\lambda ,y)\ ,d\lambda } و

{\displaystyle X(x)=M(x,y)-{\frac {\partial }{\partial x}}\int ^{y}\mu (x,\lambda )N(x,\lambda )\ ,d\lambda }

معادلات مرتبه دوم عمومی [ ویرایش ]

معادله دیفرانسیلروش حلراه حل کلی

مرتبه دوم، خودمختار [28]

{\displaystyle {\frac {d^{2}y}{dx^{2}}}=F(y)}

هر دو طرف معادله را در 2 dy / dx ضرب کنید ، جایگزین کنید2{\displaystyle 2{\frac {dy}{dx}}{\frac {d^{2}y}{dx^{2}}}={\frac {d}{dx}}\left({\frac {dy}{dx}}\right)^{2}}، سپس دو بار انتکرال کنید.{\displaystyle x=\pm \int ^{y}{\frac {d\lambda }{\sqrt {2\int ^{\lambda }F(\varepsilon )\,d\varepsilon +C_{1}}} }+C_{2}}

معادلات خطی تا مرتبه n [ ویرایش ]

معادله دیفرانسیلروش حلراه حل کلی

ضرایب تابعی مرتبه اول، خطی، ناهمگن [25]

{\displaystyle {\frac {dy}{dx}}+P(x)y=Q(x)}

عامل یکپارچه سازی:.{\displaystyle e^{\int ^{x}P(\lambda )\,d\lambda }.}فرمول زره:

{\displaystyle y=e^{-\int ^{x}P(\lambda )\,d\lambda }\left[\int ^{x}e^{\int ^{\lambda }P(\varepsilon ) \,d\varepsilon }Q(\lambda )\,d\lambda +C\right]}

ضرایب تابع مرتبه دوم، خطی، ناهمگن

{\displaystyle {\frac {d^{2}y}{dx^{2}}}+2p(x){\frac {dy}{dx}}+\left(p(x)^{2}+ p'(x)\right)y=q(x)}

عامل یکپارچه سازی:e^{\int ^{x}P(\lambda )\,d\lambda }{\displaystyle y=e^{-\int ^{x}P(\lambda )\,d\lambda }\left[\int ^{x}\left(\int ^{\xi }e^{\int ^{\lambda }P(\varepsilon )\,d\varepsilon }Q(\lambda )\,d\lambda \right)d\xi +C_{1}x+C_{2}\right]}ضرایب مرتبه دوم، خطی، ناهمگن، ثابت [29]

{\displaystyle {\frac {d^{2}y}{dx^{2}}}+b{\frac {dy}{dx}}+cy=r(x)}

تابع مکمل y c : y c = e α x را در نظر بگیرید ، چند جمله ای را در α جایگزین کرده و حل کنید تا توابع مستقل خطی را پیدا کنید.هe^{\alpha _{j}x}.

انتگرال خاص y p : به طور کلی روش تغییر پارامترها ، اگرچه برای بازرسی r ( x ) بسیار ساده ممکن است کار کند. [25]

{\displaystyle y=y_{c}+y_{p}}

اگر b 2 > 4 c , پس

{\displaystyle y_{c}=C_{1}e^{-{\frac {x}{2}}\,\left(b+{\sqrt {b^{2}-4c}}\right)}+ C_{2}e^{-{\frac {x}{2}}\,\left(b-{\sqrt {b^{2}-4c}}\right)}}

اگر b 2 = 4 c ، پس

{\displaystyle y_{c}=(C_{1}x+C_{2})e^{-{\frac {bx}{2}}}}

اگر b 2 < 4 c ، پس

{\displaystyle y_{c}=e^{-{\frac {bx}{2}}}\left[C_{1}\sin \left(x\,{\frac {\sqrt {4c-b^{ 2}}}{2}}\right)+C_{2}\cos \left(x\,{\frac {\sqrt {4c-b^{2}}}{2}}\right)\right] }

ضرایب مرتبه n ، خطی، ناهمگن، ثابت [29]

{\displaystyle \sum _{j=0}^{n}b_{j}{\frac {d^{j}y}{dx^{j}}}=r(x)}

تابع مکمل y c : y c = e α x را در نظر بگیرید ، چند جمله ای را در α جایگزین کرده و حل کنید تا توابع مستقل خطی را پیدا کنید.هe^{\alpha _{j}x}.

انتگرال خاص y p : به طور کلی روش تغییر پارامترها ، اگرچه برای بازرسی r ( x ) بسیار ساده ممکن است کار کند. [25]

{\displaystyle y=y_{c}+y_{p}}

از آنجایی که α j حل های چند جمله ای درجه n هستند :{\textstyle \prod _{j=1}^{n}(\alpha -\alpha _{j})=0}، سپس: برای α j همه متفاوت است،

{\displaystyle y_{c}=\sum _{j=1}^{n}C_{j}e^{\alpha _{j}x}} برای هر ریشه α j تکرار kj بار ،

{\displaystyle y_{c}=\sum _{j=1}^{n}\left(\sum _{\ell =1}^{k_{j}}C_{j,\ell }x^{\ ell -1}\right)e^{\alpha _{j}x}} برای برخی از α j مختلط، سپس با تنظیم α = χj + iγ j ، و با استفاده از فرمول اویلر ، اجازه می دهد برخی از اصطلاحات در نتایج قبلی به شکل نوشته شوند .

{\displaystyle C_{j}e^{\alpha _{j}x}=C_{j}e^{\chi _{j}x}\cos(\gamma _{j}x+\varphi _{j} )} که در آن ϕ j یک ثابت دلخواه (تغییر فاز) است.

روش حدس زدن [ ویرایش ]

در این بخش هیچ منبعی ذکر نشده است . لطفاً با افزودن نقل قول به منابع معتبر به بهبود این بخش کمک کنید . اطلاعات بدون مرجع ممکن است مشکل ایجاد کرده و پاک شوند . ( ژانويه 2020 ) ( با نحوه و زمان حذف اين پيام الگو آشنا شويد )

هنگامی که همه روش‌های دیگر برای حل یک ODE با شکست مواجه می‌شوند، یا در مواردی که ما شهودی در مورد اینکه راه‌حل یک DE ممکن است شبیه باشد، داریم، گاهی اوقات می‌توان یک DE را به سادگی با حدس زدن راه‌حل و تأیید صحت آن حل کرد. برای استفاده از این روش، ما به سادگی یک راه حل برای معادله دیفرانسیل را حدس می زنیم، و سپس راه حل را به معادله دیفرانسیل متصل می کنیم تا اگر معادله را برآورده می کند، اعتبار سنجی کنیم. اگر اینطور شد، راه حل خاصی برای DE داریم، در غیر این صورت دوباره از نو شروع می کنیم و حدس دیگری را امتحان می کنیم. برای مثال می‌توانیم حدس بزنیم که راه‌حل یک DE به شکل زیر است:�=آه�تی{\displaystyle y=Ae^{\alpha t}}زیرا این یک راه حل بسیار رایج است که از نظر فیزیکی به صورت سینوسی رفتار می کند.

در مورد یک ODE مرتبه اول که ناهمگن است، ابتدا باید یک راه حل DE برای بخش همگن DE پیدا کنیم، که در غیر این صورت معادله مشخصه نامیده می شود، و سپس با حدس زدن، راه حلی برای کل معادله ناهمگن پیدا کنیم. . در نهایت، ما هر دوی این راه‌حل‌ها را با هم اضافه می‌کنیم تا جواب کل به ODE به دست آید، یعنی:

راه حل کلی=محلول همگن+راه حل خاص{\displaystyle {\text{تحلیل کل}}={\text{راه حل همگن}}+{\text{راه حل خاص}}}

نرم افزار برای حل ODE [ ویرایش ]

  • ماکسیما ، یک سیستم جبر کامپیوتری منبع باز .
  • COPASI ، یک بسته نرم افزاری رایگان ( Artistic License 2.0 ) برای انتکرال و تجزیه و تحلیل ODE ها.
  • MATLAB ، یک برنامه محاسباتی فنی (MATrix LABoratory)
  • GNU Octave ، یک زبان سطح بالا، که عمدتاً برای محاسبات عددی در نظر گرفته شده است.
  • Scilab ، یک برنامه منبع باز برای محاسبات عددی.
  • Maple ، یک برنامه اختصاصی برای محاسبات نمادین.
  • Mathematica ، یک برنامه اختصاصی است که در درجه اول برای محاسبات نمادین در نظر گرفته شده است.
  • SymPy ، یک بسته پایتون است که می تواند ODE ها را به صورت نمادین حل کند
  • جولیا (زبان برنامه نویسی) ، یک زبان سطح بالا که در درجه اول برای محاسبات عددی در نظر گرفته شده است.
  • SageMath ، یک برنامه متن باز است که از نحوی شبیه پایتون با طیف گسترده ای از قابلیت ها که چندین شاخه از ریاضیات را در بر می گیرد، استفاده می کند.
  • SciPy ، یک بسته پایتون که شامل یک ماژول انتکرال ODE است.
  • Chebfun ، یک بسته منبع باز، نوشته شده در MATLAB ، برای محاسبه توابع با دقت 15 رقمی.
  • گنو R ، یک محیط محاسباتی منبع باز که در درجه اول برای آمار در نظر گرفته شده است، که شامل بسته هایی برای حل ODE است.

همچنین ببینید [ ویرایش ]

  • مشکل ارزش مرزی
  • نمونه هایی از معادلات دیفرانسیل
  • تبدیل لاپلاس برای معادلات دیفرانسیل اعمال می شود
  • فهرست مباحث سیستم های دینامیکی و معادلات دیفرانسیل
  • معادله دیفرانسیل ماتریسی
  • روش ضرایب نامشخص
  • رابطه عود

یادداشت ها [ ویرایش ]

  1. Dennis G. Zill (15 مارس 2012). اولین دوره معادلات دیفرانسیل با کاربردهای مدلسازی . Cengage Learning. شابک 978-1-285-40110-2. بایگانی شده از نسخه اصلی در 17 ژانویه 2020 . بازیابی شده در 11 جولای 2019 .
  2. "منشأ اصطلاح "معادلات دیفرانسیل معمولی" چیست؟" . hsm.stackexchange.com . صرافی پشته . بازیابی شده در 2016-07-28 .
  3. Mathematics for Chemists, DM Hirst, Macmillan Press , 1976, (بدون ISBN) SBN: 333-18172-7
  4. کریزیگ (1972 ، ص 64)
  5. ^ سیمونز (1972 ، صفحات 1، 2)
  6. هالیدی و رسنیک (1977 ، ص 78)
  7. ^ تیپلر (1991 ، صفحات 78-83)
  8. ^ a bپرش به بالا: هارپر (1976 ، ص 127)
  9. کریزیگ (1972 ، ص 2)
  10. ^ سیمونز (1972 ، ص 3)
  11. ^ a bپرش به بالا: Kreyszig (1972 ، ص 24)
  12. ^ سیمونز (1972 ، ص 47)
  13. هارپر (1976 ، ص 128)
  14. کریزیگ (1972 ، ص 12)
  15. Ascher (1998 ، ص 12)
  16. ^ آخیم ایلچمن؛ تیمو ریس (2014). بررسی در معادلات دیفرانسیل جبری II . اسپرینگر. صص 104-105. شابک 978-3-319-11050-9.
  17. Ascher (1998 ، ص 5)
  18. کریزیگ (1972 ، ص 78)
  19. کریزیگ (1972 ، ص 4)
  20. واردیا تی هایمو (1985). "معادلات دیفرانسیل زمان محدود" . 1985 بیست و چهارمین کنفرانس IEEE در مورد تصمیم گیری و کنترل . صفحات 1729-1733. doi : 10.1109/CDC.1985.268832 . S2CID 45426376 .
  21. کرل ، 1866، 1868
  22. ^ لارنس (1999 ، ص 9)
  23. ^ لوگان، جی (2013). ریاضیات کاربردی (ویرایش چهارم).
  24. Ascher (1998 ، ص 13)
  25. ^ a b c d e f g h i jپرش به بالا: معادلات دیفرانسیل ابتدایی و مسائل ارزش مرزی (ویرایش چهارم)، WE Boyce، RC Diprima، Wiley International، John Wiley & Sons، 1986، ISBN 0-471-83824-1
  26. ^ بوسکاین؛ چیتور 2011، ص. 21
  27. ^ a bپرش به بالا: Mathematical Handbook of Formulas and Tables (ویرایش سوم)، S. Lipschutz, MR Spiegel, J. Liu, Schaum's Outline Series, 2009, ISC_2N 978-0-07-154855-7
  28. تحلیل ابتدایی بیشتر، R. Porter، G.Bell & Sons (لندن)، 1978، ISBN 0-7135-1594-5
  29. ^ a bپرش به بالا: روش های ریاضی برای فیزیک و مهندسی، KF Riley، MP Hobson، SJ Bence، انتشارات دانشگاه کمبریج، 2010، ISC_2N 978-0-521-86153-3

منابع [ ویرایش ]

  • هالیدی، دیوید ؛ رسنیک، رابرت (1977)، فیزیک (ویرایش سوم)، نیویورک: وایلی ، شابک 0-471-71716-9
  • هارپر، چارلی (1976)، مقدمه ای بر فیزیک ریاضی ، نیوجرسی: پرنتیس هال ، شابک 0-13-487538-9
  • کریزیگ، اروین (1972)، ریاضیات مهندسی پیشرفته (ویرایش سوم)، نیویورک: وایلی ، ISBN 0-471-50728-8.
  • Polyanin, AD and VF Zaitsev, Handbook of Exact Solutions for Ordinary Differential Equations (ویرایش دوم)، چاپمن و هال/CRC Press, Boca Raton, 2003. ISBN 1-58488-297-2
  • سیمونز، جورج اف (1972)، معادلات دیفرانسیل با کاربردها و یادداشت های تاریخی ، نیویورک: مک گراو-هیل ، LCCN 75173716
  • تیپلر، پل ای. (1991)، فیزیک برای دانشمندان و مهندسان: نسخه توسعه یافته (ویرایش سوم)، نیویورک: ناشران ورث ، شابک 0-87901-432-6
  • بوسکاین، اوگو؛ Chitour، Yacine (2011)، Introduction à l'automatique (PDF) (به زبان فرانسوی)
  • درزنر، لارنس (1999)، کاربردهای نظریه لی معادلات دیفرانسیل معمولی و جزئی ، بریستول و فیلادلفیا: موسسه انتشارات فیزیک ، شابک 978-0750305303
  • اشر، اوری؛ پتزولد، لیندا (1998)، روشهای کامپیوتری برای معادلات دیفرانسیل معمولی و معادلات دیفرانسیل-جبری ، SIAM، ISBN 978-1-61197-139-2

کتابشناسی [ ویرایش ]

  • کدینگتون، ارل ا. لوینسون، نورمن (1955). نظریه معادلات دیفرانسیل معمولی . نیویورک: مک گراو هیل .
  • هارتمن، فیلیپ (2002) [1964]، معادلات دیفرانسیل معمولی ، کلاسیک در ریاضیات کاربردی، جلد. 38, Philadelphia: Society for Industrial and Applied Mathematics , doi : 10.1137/1.9780898719222 , ISBN 978-0-89871-510-1، MR 1929104
  • دبلیو جانسون، رساله ای بر معادلات دیفرانسیل معمولی و جزئی ، جان وایلی و پسران، 1913، در مجموعه ریاضیات تاریخی دانشگاه میشیگان
  • اینس، ادوارد ال. (1944) [1926]، معادلات دیفرانسیل معمولی ، انتشارات دوور، نیویورک، شابک 978-0-486-60349-0، MR 0010757
  • ویتولد هورویچ ، سخنرانی‌هایی درباره معادلات دیفرانسیل معمولی ، انتشارات دوور، شابک 0-486-49510-8
  • ابراگیموف، نایل اچ. (1993). CRC Handbook of Lie Group Analysis of Differential Equations Vol. 1-3 . Providence: CRC-Press. شابک 0-8493-4488-3..
  • تسچل، جرالد (2012). معادلات دیفرانسیل معمولی و سیستم های دینامیکی . Providence : انجمن ریاضی آمریکا . شابک 978-0-8218-8328-0.
  • AD Polyanin , VF Zaitsev, and A. Moussiaux, Handbook of First Order Partial Differential Equations , Taylor & Francis, London, 2002. ISBN 0-415-27267-X
  • D. Zwillinger، Handbook of Differential Equations (ویرایش سوم) ، انتشارات دانشگاهی، بوستون، 1997.

پیوندهای خارجی [ ویرایش ]

Wikibooks کتابی با موضوع: حساب دیفرانسیل و انتگرال/معادلات دیفرانسیل معمولی دارد

در ویکی‌انبار رسانه‌های مربوط به معادلات دیفرانسیل معمولی موجود است .

  • "معادله دیفرانسیل، معمولی" ، دایره المعارف ریاضیات ، انتشارات EMS ، 2001 [1994]
  • EqWorld: دنیای معادلات ریاضی ، حاوی لیستی از معادلات دیفرانسیل معمولی با حل آنها.
  • یادداشت های آنلاین / معادلات دیفرانسیل توسط پل داوکینز، دانشگاه لامار .
  • معادلات دیفرانسیل ، SOS ریاضیات.
  • آغازگر حل تحلیلی معادلات دیفرانسیل از موسسه روش‌های عددی جامع، دانشگاه فلوریدا جنوبی.
  • یادداشت های سخنرانی معادلات دیفرانسیل معمولی و سیستم های دینامیکی توسط جرالد تسل .
  • یادداشت‌هایی درباره Diffy Qs: Differential Equations for Engineers کتاب درسی مقدماتی در مورد معادلات دیفرانسیل توسط Jiri Lebl از UIUC .
  • مدل سازی با ODE ها با استفاده از Scilab آموزش نحوه مدل سازی یک سیستم فیزیکی که توسط ODE با استفاده از زبان برنامه نویسی استاندارد Scilab توسط تیم Openeering توضیح داده شده است.
  • حل یک معادله دیفرانسیل معمولی در Wolfram|Alpha

معادله هلمهولتز

از ویکیپدیا، دانشنامه آزاد

در ریاضیات، معادله هلمهولتز مسئله مقدار ویژه برای عملگر لاپلاس است . با معادله دیفرانسیل جزئی خطی مطابقت دارد

{\displaystyle \nabla ^{2}f=-k^{2}f,}که در آن ∇ 2 عملگر لاپلاس، k 2 مقدار ویژه، و f تابع (ویژه) است. هنگامی که معادله برای امواج اعمال می شود، k به عنوان عدد موج شناخته می شود . معادله هلمهولتز کاربردهای مختلفی در فیزیک و علوم دیگر دارد، از جمله معادله موج ، معادله انتشار و معادله شرودینگر برای یک ذره آزاد.

این معادله به نام هرمان فون هلمهولتز ، که آن را در سال 1860 مطالعه کرد، نامگذاری شده است.

انگیزه و موارد استفاده [ ویرایش ]

معادله هلمهولتز اغلب در مطالعه مسائل فیزیکی مربوط به معادلات دیفرانسیل جزئی (PDEs) در فضا و زمان به وجود می آید. معادله هلمهولتز، که شکل مستقل از زمان معادله موج را نشان می‌دهد ، از بکارگیری تکنیک جداسازی متغیرها برای کاهش پیچیدگی تحلیل حاصل می‌شود.

به عنوان مثال، معادله موج را در نظر بگیرید

{\displaystyle \left(\nabla ^{2}-{\frac {1}{c^{2}}}{\frac {\partial ^{2}}{\partial t^{2}}}\right )u(\mathbf {r} ,t)=0.}

جداسازی متغیرها با این فرض شروع می شود که تابع موج u ( r , t ) در واقع قابل تفکیک است:

{\displaystyle u(\mathbf {r} ,t)=A(\mathbf {r} )T(t).}

با جایگزینی این شکل به معادله موج و سپس ساده سازی، معادله زیر را به دست می آوریم:

{\displaystyle {\frac {\nabla ^{2}A}{A}}={\frac {1}{c^{2}T}}{\frac {\mathrm {d} ^{2}T} {\mathrm {d} t^{2}}}.}

توجه داشته باشید که عبارت سمت چپ فقط به r بستگی دارد ، در حالی که عبارت سمت راست فقط به t بستگی دارد . در نتیجه، این معادله در حالت کلی معتبر است اگر و تنها در صورتی که هر دو طرف معادله با یک مقدار ثابت برابر باشند. این استدلال در تکنیک حل معادلات دیفرانسیل جزئی خطی با جداسازی متغیرها کلیدی است. از این مشاهدات، دو معادله به دست می‌آید، یکی برای A ( r ) و دیگری برای T ( t ):

{\displaystyle {\frac {\nabla ^{2}A}{A}}=-k^{2}}

{\displaystyle {\frac {1}{c^{2}T}}{\frac {\mathrm {d} ^{2}T}{\mathrm {d} t^{2}}}=-k^ {2}،}

که در آن، بدون از دست دادن کلیت، عبارت - k 2 را برای مقدار ثابت انتخاب کرده ایم. (استفاده از هر ثابت k به عنوان ثابت جداسازی به همان اندازه معتبر است؛ - k 2 فقط برای راحتی در راه حل های حاصل انتخاب می شود.)

با تنظیم مجدد معادله اول، معادله هلمهولتز را به دست می آوریم:

{\displaystyle \nabla ^{2}A+k^{2}A=(\nabla ^{2}+k^{2})A=0.}

به همین ترتیب، پس از جایگزینی ω = kc ، که در آن k عدد موج و ω فرکانس زاویه ای است (با فرض یک میدان تک رنگ)، معادله دوم تبدیل می شود.

{\displaystyle {\frac {\mathrm {d} ^{2}T}{\mathrm {d} t^{2}}}+\omega ^{2}T=\left({\frac {\mathrm { d} ^{2}}{\mathrm {d} t^{2}}}+\omega ^{2}\right)T=0.}

اکنون معادله هلمهولتز برای متغیر فضایی r و یک معادله دیفرانسیل معمولی مرتبه دوم در زمان داریم. راه حل در زمان ترکیبی خطی از توابع سینوس و کسینوس خواهد بود که شکل دقیق آن توسط شرایط اولیه تعیین می شود، در حالی که شکل محلول در فضا به شرایط مرزی بستگی دارد . از طرف دیگر، تبدیل‌های انتگرال ، مانند تبدیل لاپلاس یا تبدیل فوریه ، اغلب برای تبدیل یک PDE هذلولی به شکلی از معادله هلمهولتز استفاده می‌شوند.

معادله هلمهولتز به دلیل ارتباط آن با معادله موج، در مسائلی در زمینه هایی از فیزیک مانند مطالعه تابش الکترومغناطیسی ، زلزله شناسی و آکوستیک به وجود می آید .

حل معادله هلمهولتز با استفاده از جداسازی متغیرها [ ویرایش ]

حل معادله فضایی هلمهولتز:

{\displaystyle \nabla ^{2}A=-k^{2}A} می توان برای هندسه های ساده با استفاده از جداسازی متغیرها به دست آورد .

غشای ارتعاشی [ ویرایش ]

آنالوگ دوبعدی رشته ارتعاشی غشای ارتعاشی است که لبه‌های آن بدون حرکت بسته شده است. معادله هلمهولتز برای بسیاری از اشکال اساسی در قرن 19 حل شد: غشای مستطیلی توسط سیمئون دنیس پواسون در سال 1829، مثلث متساوی الاضلاع توسط گابریل لامه در سال 1852، و غشای مدور توسط آلفرد کلبش در سال 1862. متییو ، منجر به معادله دیفرانسیل متییو .

اگر لبه‌های یک شکل پاره‌های خط مستقیم باشند، آن‌وقت یک راه‌حل به شکل بسته تنها در صورتی قابل بیان است که به صورت ترکیب خطی محدودی از امواج صفحه که شرایط مرزی را برآورده می‌کند (صفر در مرز، به عنوان مثال، غشاء گیره‌دار) قابل بیان باشد. ).

اگر دامنه دایره ای به شعاع a باشد ، مناسب است مختصات قطبی r و θ را معرفی کنیم . معادله هلمهولتز شکل می گیرد

{\displaystyle A_{rr}+{\frac {1}{r}}A_{r}+{\frac {1}{r^{2}}}A_{\theta \theta }+k^{2} A=0.}

ممکن است شرط مرزی را تحمیل کنیم که A ناپدید می شود اگر r = a ; بدین ترتیب

{\displaystyle A(a,\theta )=0.}

روش جداسازی متغیرها منجر به حل آزمایشی شکل می شود

{\displaystyle A(r,\theta )=R(r)\Theta (\theta),}

که در آن Θ باید دوره ای 2 π باشد . این منجر به

{\displaystyle \Theta ''+n^{2}\Theta =0,}

{\displaystyle r^{2}R''+rR'+r^{2}k^{2}Rn^{2}R=0.}

از شرط تناوب نتیجه می شود که

{\displaystyle \Theta =\alpha \cos n\theta +\beta \sin n\theta,}

و n باید یک عدد صحیح باشد. جزء شعاعی R شکل دارد

{\displaystyle R(r)=\gamma J_{n}(\rho)}

که در آن تابع بسل J n ( ρ ) معادله بسل را برآورده می کند

{\displaystyle \rho ^{2}J_{n}''+\rho J_{n}'+(\rho ^{2}-n^{2})J_{n}=0,}

و ρ = kr . تابع شعاعی J n برای هر مقدار n بی نهایت ریشه دارد که با ρm , n نشان داده می شود . شرط مرزی که A ناپدید می شود که در آن r = a برآورده می شود اگر اعداد موج مربوطه توسط

{\displaystyle k_{m,n}={\frac {1}{a}}\rho _{m,n}.}

سپس راه‌حل کلی A شکل یک سری فوریه تعمیم یافته از عبارت‌ها را به خود می‌گیرد که شامل ضربهای Jn ( km , n r ) و سینوس (یا کسینوس) nθ است . این راه حل ها حالت های ارتعاش سر درام دایره ای هستند .

راه حل های سه بعدی [ ویرایش ]

در مختصات کروی، راه حل به صورت زیر است:

{\displaystyle A(r,\theta,\varphi )=\sum _{\ell =0}^{\infty }\sum _{m=-\ell }^{\ell }\left(a_{\ell m}j_{\ell }(kr)+b_{\ell m}y_{\ell }(kr)\right)Y_{\ell }^{m}(\theta،\varphi).}

این راه حل از حل فضایی معادله موج و معادله انتشار ناشی می شود . در اینجا j ℓ ( kr ) و y ℓ ( kr ) توابع بسل کروی هستند و Y متر
ℓ( θ ، φ ) هارمونیک های کروی هستند (آبراموویتز و استگان، 1964). توجه داشته باشید که این فرم ها راه حل های کلی هستند و برای استفاده در هر مورد خاص نیاز به تعیین شرایط مرزی دارند. برای دامنه های بیرونی نامتناهی، ممکن است شرایط تشعشع نیز مورد نیاز باشد (سامرفیلد, 1949).

نوشتن r 0 = ( x , y , z ) تابع A ( r 0 ) مجانبی دارد

{\displaystyle A(r_{0})={\frac {e^{ikr_{0}}}{r_{0}}}f\left({\frac {\mathbf {r} _{0}}{ r_{0}}},k,u_{0}\right)+o\left({\frac {1}{r_{0}}}\right){\text{ as }}r_{0}\to \infty }

که در آن تابع f دامنه پراکندگی نامیده می شود و u 0 ( r 0 ) مقدار A در هر نقطه مرزی r 0 است .

راه حل های سه بعدی با توجه به عملکرد در یک صفحه دو بعدی [ ویرایش ]

با توجه به صفحه 2 بعدی که در آن A مشخص است، جواب معادله هلمهولتز به صورت زیر به دست می آید: [2]

{\displaystyle A(x,y,z)=-{\frac {1}{2\pi }}\iint _{-\infty }^{+\infty }A'(x',y'){\ frac {e^{ikr}}{r}}{\frac {z}{r}}\left(ik-{\frac {1}{r}}\right)\,dx'dy',}

جایی که

  • {\displaystyle A'(x',y')}راه حل در صفحه دو بعدی است،
  • ،{\displaystyle r={\sqrt {(xx')^{2}+(yy')^{2}+z^{2}}}،}

با نزدیک شدن z به صفر، تمام مشارکت های انتگرال به جز r=0 ناپدید می شوند. بدین ترتیب{\displaystyle A(x,y,0)=A'(x,y)}تا یک ضریب عددی که با تبدیل مختصات انتگرال به قطبی می توان آن را 1 تأیید کرد..

این راه حل در تئوری پراش مهم است، به عنوان مثال در استخراج پراش فرنل .

تقریب پاراکسیال [ ویرایش ]

اطلاعات بیشتر: تقریب پاکت به آرامی تغییر می کند

در تقریب پاراکسیال معادله هلمهولتز، [3] دامنه مختلط A به صورت بیان می شود.

{\displaystyle A(\mathbf {r})=u(\mathbf {r})e^{ikz}} که در آن u نشان‌دهنده دامنه با ارزش مختلط است که موج صفحه سینوسی نشان‌داده‌شده توسط ضریب نمایی را تعدیل می‌کند. سپس با یک فرض مناسب، شما تقریباً حل می کنید

{\displaystyle \nabla _{\perp }^{2}u+2ik{\frac {\partial u}{\partial z}}=0,} جایی که{\textstyle \nabla _{\perp }^{2}{\overset {\text{ def }}{=}}{\frac {\partial ^{2}}{\partial x^{2}}}+ {\frac {\partial ^{2}}{\partial y^{2}}}}قسمت عرضی لاپلاس است .

این معادله کاربردهای مهمی در علم اپتیک دارد ، جایی که راه حل هایی ارائه می دهد که انتشار امواج الکترومغناطیسی (نور) را به صورت امواج سهمی یا پرتوهای گاوسی توصیف می کند . بیشتر لیزرها پرتوهایی را ساطع می کنند که این شکل را به خود می گیرند.

فرضی که بر اساس آن تقریب پاراکسیال معتبر است این است که مشتق z تابع دامنه u تابعی از z است که به آرامی متغیر است :

{\displaystyle \left|{\frac {\partial ^{2}u}{\partial z^{2}}}\right|\ll \left|k{\frac {\partial u}{\partial z} }\راست|.}

این شرط معادل این است که بگوییم زاویه θ بین بردار موج k و محور نوری z کوچک است: θ ≪ 1 .

شکل پاراکسیال معادله هلمهولتز با جایگزینی عبارت ذکر شده در بالا برای دامنه مختلط به شکل کلی معادله هلمهولتز به شرح زیر یافت می شود:

{\displaystyle \nabla ^{2}(u\left(x,y,z\right)e^{ikz})+k^{2}u\left(x,y,z\right)e^{ikz }=0.}

گسترش و لغو نتایج زیر را به همراه دارد:

{\displaystyle \left({\frac {\partial ^{2}}{\partial x^{2}}}+{\frac {\partial ^{2}}{\partial y^{2}}}\ راست)u(x,y,z)e^{ikz}+\left({\frac {\partial ^{2}}{\partial z^{2}}}u(x,y,z)\right )e^{ikz}+2\left({\frac {\partial }{\partial z}}u(x,y,z)\right)ik{e^{ikz}}=0.}

به دلیل نابرابری پاراکسیال ذکر شده در بالا، عبارت ∂ 2 u / ∂ z 2 در مقایسه با عبارت k · ∂ u / ∂ z نادیده گرفته شده است . این معادله پاراکسیال هلمهولتز را به دست می دهد. جایگزین کردن u ( r ) = A ( r ) e - ikz سپس معادله پاراکسیال برای دامنه مختلط اصلی A به دست می‌آید :

{\displaystyle \nabla _{\perp }^{2}A+2ik{\frac {\partial A}{\partial z}}+2k^{2}A=0.}

انتگرال پراش فرنل یک راه حل دقیق برای معادله پاراکسیال هلمهولتز است. [4]

معادله هلمهولتز ناهمگن [ ویرایش ]

دو منبع تابش در صفحه، که به صورت ریاضی با تابع f ، که در ناحیه آبی صفر است، داده می شود.

بخش واقعی میدان حاصل A , A حل معادله هلمهولتز ناهمگن است (∇ 2 + k 2 ) A = - f .

معادله هلمهولتز ناهمگن معادله است

{\displaystyle \nabla ^{2}A(\mathbf {x} )+k^{2}A(\mathbf {x} )=-f(\mathbf {x} )\ {\text{ در }}\ mathbb {R} ^{n}،}

که در آن ƒ : R n → C تابعی با پشتیبانی فشرده و n = 1، 2، 3 است . این معادله بسیار شبیه به معادله پواسون غربال شده است ، و اگر علامت مثبت (در جلوی عبارت k ) باشد، یکسان خواهد بود. به علامت منفی تبدیل شدند.

برای حل این معادله به طور منحصربه‌فرد، باید یک شرط مرزی در بی‌نهایت مشخص شود، که معمولاً شرایط تابش سامرفلد است.

{\displaystyle \lim _{r\to \infty }r^{\frac {n-1}{2}}\left({\frac {\partial }{\partial r}}-ik\right)A( \mathbf {x} )=0}

که درnابعاد فضایی، برای همه زوایا (یعنی هر مقدار از،{\displaystyle \theta,\phi }). اینجا{\displaystyle r={\sqrt {\sum _{i=1}^{n}x_{i}^{2}}}}جایی کهایکسمنx_{i}مختصات بردار هستندایکس\mathbf {x}.

با این شرط، جواب معادله هلمهولتز ناهمگن است

{\displaystyle A(\mathbf {x} )=\int _{\mathbb {R} ^{n}}\!G(\mathbf {x} ,\mathbf {x'} )f(\mathbf {x' } )\,\mathrm {d} \mathbf {x'} }

(توجه کنید که این انتگرال در واقع بیش از یک منطقه محدود است، زیرا f پشتیبانی فشرده دارد). در اینجا، G تابع گرین این معادله است ، یعنی حل معادله ناهمگن هلمهولتز با f برابر است با تابع دلتای دیراک ، بنابراین G برآورده می‌شود .

{\displaystyle \nabla ^{2}G(\mathbf {x} ,\mathbf {x'} )+k^{2}G(\mathbf {x} ,\mathbf {x'} )=-\delta ( \mathbf {x}،\mathbf {x'} )\in \mathbb {R} ^{n}.}

عبارت تابع گرین به بعد n فضا بستگی دارد. یک نفر دارد

{\displaystyle G(x,x')={\frac {ie^{ik|xx'|}}{2k}}}

برای n = 1 ،

{\displaystyle G(\mathbf {x} ,\mathbf {x'} )={\frac {i}{4}}H_{0}^{(1)}(k|\mathbf {x} -\mathbf {x'} |)}

برای n = 2 ، که در آن H(1)
0تابع هانکل است و

{\displaystyle G(\mathbf {x},\mathbf {x'} )={\frac {e^{ik|\mathbf {x} -\mathbf {x'} |}}{4\pi |\mathbf {x} -\mathbf {x'} |}}}

برای n = 3 . توجه داشته باشید که ما شرط مرزی را انتخاب کرده ایم که تابع سبز یک موج خروجی برای | است x | → ∞ .

در نهایت، برای n عمومی،

{\displaystyle G(\mathbf {x} ,\mathbf {x'} )=c_{d}k^{p}{\frac {H_{p}^{(1)}(k|\mathbf {x} -\mathbf {x'} |)}{|\mathbf {x} -\mathbf {x'} |^{p}}}}

جایی که {\displaystyle p={\frac {n-2}{2}}}و{\displaystyle c_{d}={\frac {1}{2i(2\pi )^{p}}}}. [5]

همچنین ببینید [ ویرایش ]

  • معادله لاپلاس (مورد خاصی از معادله هلمهولتز)
  • گسترش ویل

یادداشت ها [ ویرایش ]

  1. معادله هلمهولتز ، از دایره المعارف ریاضیات .
  2. مهرابخانی، س.، و اشنایدر، تی (1396). آیا پراش Rayleigh-سامرفیلد همیشه مرجع دقیقی برای الگوریتم های پراش پر سرعت است؟ Optics express, 25(24), 30229-30240.
  3. ^ جی دبلیو گودمن. مقدمه ای بر اپتیک فوریه (ویرایش دوم). صص 61-62.
  4. ^ گرلا، آر (1982). "انتشار فرنل و پراش و معادله موج پاراکسیال". مجله اپتیک . 13 (6): 367-374. Bibcode : 1982JOpt...13..367G . doi : 10.1088/0150-536X/13/6/006 .
  5. بیورن انگکویست؛ هونگکای ژائو (نوامبر 2018). "تفکیک پذیری تقریبی تابع گرین از معادله هلمهولتز در حد فرکانس بالا". ارتباطات در ریاضیات محض و کاربردی . 71 (11): 2220-2274. doi : 10.1002/cpa.21755 .

منابع [ ویرایش ]

  • آبراموویتز، میلتون؛ Stegun، Irene، ویرایش. (1964). کتاب راهنمای توابع ریاضی با فرمول ها، نمودارها و جداول ریاضی . نیویورک: انتشارات دوور. شابک 978-0-486-61272-0.
  • رایلی، KF; هابسون، نماینده مجلس؛ بنس، اس جی (2002). "فصل 19". روشهای ریاضی فیزیک و مهندسی نیویورک: انتشارات دانشگاه کمبریج. شابک 978-0-521-89067-0.
  • رایلی، کی اف (2002). "فصل 16". روش های ریاضی برای دانشمندان و مهندسان . ساوسالیتو، کالیفرنیا: کتاب های علوم دانشگاهی. شابک 978-1-891389-24-5.
  • صالح، بها EA; تیچ، مالوین کارل (1991). "فصل 3". مبانی فوتونیک . سری وایلی در اپتیک خالص و کاربردی. نیویورک: جان وایلی و پسران. صص 80-107. شابک 978-0-471-83965-1.
  • سامرفلد، آرنولد (1949). "فصل 16". معادلات دیفرانسیل جزئی در فیزیک . نیویورک: انتشارات آکادمیک. شابک 978-0126546569.
  • هاو، ام اس (1998). آکوستیک فعل و انفعالات سیال-ساختار . نیویورک: انتشارات دانشگاه کمبریج. شابک 978-0-521-63320-8.

پیوندهای خارجی [ ویرایش ]

  • معادله هلمهولتز در EqWorld: دنیای معادلات ریاضی.
  • "معادله هلمهولتز" ، دایره المعارف ریاضیات ، انتشارات EMS ، 2001 [1994]
  • غشای دایره‌ای ارتعاشی اثر سم بلیک، پروژه تظاهرات ولفرام .
  • توابع گرین برای موج، معادلات هلمهولتز و پواسون در یک حوزه بی کران دو بعدی

https://en.wikipedia.org/wiki/Helmholtz_equation

9-هارمونیک های کروی

ویژگی های جبری [ ویرایش ]

قضیه جمع [ ویرایش ]

یک نتیجه ریاضی با علاقه و استفاده قابل توجه، قضیه جمع برای هارمونیک های کروی نامیده می شود. دو بردار r و r' با مختصات کروی داده می شود(r,\theta,\varphi)و{\displaystyle (r',\theta ',\varphi')}، به ترتیب، زاویه\گامابین آنها توسط رابطه داده می شود

{\displaystyle \cos \gamma =\cos \theta '\cos \theta +\sin \theta \sin \theta '\cos(\varphi -\varphi ')}

که در آن نقش توابع مثلثاتی که در سمت راست ظاهر می شوند توسط هارمونیک های کروی و نقش سمت چپ توسط چند جمله ای های لژاندر ایفا می شود .

قضیه جمع بیان می کند [17]

{\displaystyle P_{\ell }(\mathbf {x} \cdot \mathbf {y} )={\frac {4\pi }{2\ell +1}}\sum _{m=-\ell }^ {\ell }Y_{\ell m}(\mathbf {y})\,Y_{\ell m}^{*}(\mathbf {x} )\quad \forall \,\ell \in \mathbb {N } _{0}\;\forall \,\mathbf {x} ,\mathbf {y} \in \mathbb {R} ^{3}\colon \;\|\mathbf {x} \|_{2} =\|\mathbf {y} \|_{2}=1\,,}

( 1 )

که در آن P چند جمله ای لژاندر درجه است . این عبارت برای هر دو هارمونیک حقیقی و مختلط معتبر است. [18] نتیجه را می توان به صورت تحلیلی، با استفاده از خواص هسته پواسون در توپ واحد، یا به صورت هندسی با اعمال چرخش بر روی بردار y به طوری که در امتداد محور z قرار گیرد ، و سپس محاسبه مستقیم سمت راست اثبات کرد. سمت. [19]

به ویژه، زمانی که x = y ، قضیه آنسلد را به دست می‌دهد [20]

{\displaystyle \sum _{m=-\ell }^{\ell }Y_{\ell m}^{*}(\mathbf {x} )\,Y_{\ell m}(\mathbf {x}) ={\frac {2\ell +1}{4\pi }}}

که اتحاد cos 2 θ + sin 2 θ = 1 را به دو بعد تعمیم می دهد.

در بسط ( 1 )، سمت چپ {\displaystyle P_{\ell }(\mathbf {x} \cdot \mathbf {y} )}مضرب ثابت درجه هارمونیک کروی ناحیه ای است . از این منظر، تعمیم زیر به ابعاد بالاتر وجود دارد. فرض کنید Y j یک مبنای متعامد دلخواه فضای H از هارمونیک های کروی درجه روی کره n باشد . سپس Z_{\mathbf {x} }^{(\ell )}، درجه هارمونیک ناحیه ای مربوط به بردار واحد x ، به صورت [21] تجزیه می شود.

{\displaystyle Z_{\mathbf {x} }^{(\ell )}({\mathbf {y} })=\sum _{j=1}^{\dim(\mathbf {H} _{\ell })}{\overline {Y_{j}({\mathbf {x} })}}\,Y_{j}({\mathbf {y} })}

( 2 )

علاوه بر این، هارمونیک ناحیه ایZ_{\mathbf {x} }^{(\ell )}({\mathbf {y} })به عنوان مضرب ثابت چند جمله ای جیگنبوئر مناسب داده می شود :

{\displaystyle Z_{\mathbf {x} }^{(\ell )}({\mathbf {y} })=C_{\ell }^{((n-2)/2)}({\mathbf { x} }\cdot {\mathbf {y} })}

( 3 )

با ترکیب ( 2 ) و ( 3 ) زمانی که x و y در مختصات کروی نمایش داده می شوند، ( 1 ) در بعد n = 2 به دست می آید. در نهایت، ارزیابی در x = y اتحاد عملکردی را می دهد

{\displaystyle {\frac {\dim \mathbf {H} _{\ell }}{\omega _{n-1}}}=\sum _{j=1}^{\dim(\mathbf {H} _{\ell })}|Y_{j}({\mathbf {x} })|^{2}}

که در آن ω n -1 حجم ( n -1) -کره است.

قانون انقباض [ ویرایش ]

اتحاد مفید دیگر حاصل ضرب دو هارمونیک کروی را به صورت مجموع بر هارمونیک های کروی بیان می کند [22]

{\displaystyle Y_{a,\alpha }\left(\theta,\varphi \right)Y_{b,\beta }\left(\theta,\varphi \right)={\sqrt {\frac {\left( 2a+1\right)\left(2b+1\right)}{4\pi }}}\sum _{c=0}^{\infty }\sum _{\gamma =-c}^{c} \left(-1\right)^{\gamma }{\sqrt {2c+1}}{\begin{pmatrix}a&b&c\\\alpha &\beta &-\gamma \end{pmatrix}}{\begin{ pmatrix}a&b&c\\0&0&0\end{pmatrix}}Y_{c,\gamma }\left(\theta,\varphi \right).}

بسیاری از اصطلاحات در این مجموع به طور پیش پا افتاده صفر هستند. ارزش هایجو\گاماکه منجر به عبارات غیر صفر در این مجموع می شود توسط قوانین انتخاب برای نمادهای 3j تعیین می شود .

ضرایب کلبش–گوردان [ ویرایش ]

نوشتار اصلی: ضرایب کلبش–گوردان

ضرایب کلبش-گوردان ضرایبی هستند که در بسط حاصلضرب دو هارمونیک کروی بر حسب خود هارمونیک کروی ظاهر می شوند. تکنیک‌های مختلفی برای انجام محاسبات مشابه در دسترس هستند، از جمله نماد وینگر 3-jm ، ضرایب رکا و انتگرال‌های اسلاتر . به طور انتزاعی، ضرایب کلبش-گوردان حاصل ضرب تانسور دو نمایش غیرقابل تقلیل گروه چرخش را به عنوان مجموع نمایش‌های تقلیل‌ناپذیر بیان می‌کنند: به طور مناسب نرمال شده، ضرایب پس از آن چند برابر هستند.

تجسم هارمونیک های کروی [ ویرایش ]

نمایش شماتیک ازY_{\ell m}روی واحد کره و خطوط گره ای آن.{\displaystyle \Re [Y_{\ell m}]}برابر است با 0 در امتداد دایره های بزرگی که از قطب ها می گذرند و در امتداد دایره های − m با عرض جغرافیایی مساوی. تابع هر بار که از یکی از این خطوط عبور می کند علامت تغییر می دهد.

نمودار رنگی سه بعدی هارمونیک های کروی درجه n = 5 . توجه داشته باشید که n = .

هارمونیک های کروی لاپلاسY_{\ell }^{m}می توان با در نظر گرفتن " خطوط گره " آنها، یعنی مجموعه نقاط روی کره ای که در آن قرار دارد، تجسم کرد{\displaystyle \Re [Y_{\ell }^{m}]=0}، یا به جای آن که{\displaystyle \Im [Y_{\ell }^{m}]=0}. خطوط گره ای ازY_{\ell }^{m}از دایره های تشکیل شده اند: | وجود دارد m | دایره ها در طول طول و −| m | دایره ها در طول عرض های جغرافیایی می توان تعداد خطوط گرهی هر نوع را با شمارش تعداد صفرهای آن تعیین کردY_{\ell }^{m}در\ تتاو\varphiجهت ها به ترتیب. با توجه بهY_{\ell }^{m}به عنوان تابعی از\ تتامولفه های حقیقی و خیالی چند جمله ای های لژاندر مرتبط هر کدام دارای −| m | صفرها که هر کدام یک "خط عرض جغرافیایی" گرهی ایجاد می کنند. از سوی دیگر با توجه بهY_{\ell }^{m}به عنوان تابعی از\varphi، توابع sin و cos مثلثاتی دارای 2| m | صفرها، که هر کدام یک "خط طول جغرافیایی" گرهی ایجاد می کنند.

وقتی مرتبه هارمونیک کروی m صفر باشد (بالا سمت چپ در شکل)، توابع هارمونیک کروی به طول جغرافیایی بستگی ندارند و به آنها منطقه ای می گویند . چنین هارمونیک های کروی مورد خاصی از توابع کروی ناحیه ای هستند . وقتی = | m | (پایین-راست در شکل)، هیچ تقاطع صفر در عرض جغرافیایی وجود ندارد، و توابع به عنوان بخش نامیده می شوند . برای موارد دیگر، توابع کره را بررسی می‌کنند و به آنها تسرال می‌گویند .

هارمونیک‌های کروی عمومی‌تر درجه لزوماً آن‌هایی نیستند که بر اساس لاپلاس هستندY_{\ell }^{m}، و مجموعه گره های آنها می تواند از نوع نسبتاً کلی باشد. [23]

فهرست هارمونیک های کروی [ ویرایش ]

مقاله اصلی: جدول هارمونیک های کروی

عبارات تحلیلی برای اولین هارمونیک های کروی لاپلاس متعارف:{\displaystyle Y_{\ell }^{m}:S^{2}\to \mathbb {C} }که از قرارداد فاز کاندون-شورتلی استفاده می کنند:

{\displaystyle Y_{0}^{0}(\theta ,\varphi )={\frac {1}{2}}{\sqrt {\frac {1}{\pi }}}}

{\displaystyle {\begin{aligned}Y_{1}^{-1}(\theta ,\varphi )&={\frac {1}{2}}{\sqrt {\frac {3}{2\pi }}}\,\sin \theta \,e^{-i\varphi }\\Y_{1}^{0}(\theta ,\varphi )&={\frac {1}{2}}{\ sqrt {\frac {3}{\pi }}}\,\cos \theta \\Y_{1}^{1}(\theta ,\varphi )&={\frac {-1}{2}}{ \sqrt {\frac {3}{2\pi }}}\,\sin \theta \,e^{i\varphi }\end{تراز شده}}}

{\displaystyle {\begin{aligned}Y_{2}^{-2}(\theta ,\varphi )&={\frac {1}{4}}{\sqrt {\frac {15}{2\pi }}}\,\sin ^{2}\theta \,e^{-2i\varphi }\\Y_{2}^{-1}(\theta ,\varphi )&={\frac {1}{ 2}}{\sqrt {\frac {15}{2\pi }}}\,\sin \theta \,\cos \theta \,e^{-i\varphi }\\Y_{2}^{0 }(\theta ,\varphi )&={\frac {1}{4}}{\sqrt {\frac {5}{\pi }}}\,(3\cos ^{2}\theta -1) \\Y_{2}^{1}(\theta ,\varphi )&={\frac {-1}{2}}{\sqrt {\frac {15}{2\pi }}}\,\sin \theta \,\cos \theta \,e^{i\varphi }\\Y_{2}^{2}(\theta ,\varphi )&={\frac {1}{4}}{\sqrt { \frac {15}{2\pi }}}\,\sin ^{2}\theta \,e^{2i\varphi }\end{تراز شده}}}

ابعاد بالاتر [ ویرایش ]

هارمونیک های کروی کلاسیک به عنوان توابع با مقادیر مختلط در کره واحد تعریف می شونداس2S^{2}در فضای سه بعدی اقلیدسی\mathbb{R} ^{3}. هارمونیک های کروی را می توان به فضای اقلیدسی با ابعاد بالاتر تعمیم دادآر\mathbb {R} ^{n}به شرح زیر منجر به توابع می شود{\displaystyle S^{n-1}\to \mathbb {C} }. [24] اجازه دهید P فضای چندجمله‌ای همگن با مقدار مختلط درجه را در n متغیر حقیقی نشان دهد که در اینجا به عنوان تابع در نظر گرفته می‌شود.{\displaystyle \mathbb {R} ^{n}\to \mathbb {C} }. یعنی یک p چند جمله ای در P است به شرطی که برای هر حقیقی باشد{\displaystyle \lambda \in \mathbb {R} }، یک نفر دارد

.

{\displaystyle p(\lambda \mathbf {x} )=\lambda ^{\ell }p(\mathbf {x}).}

فرض کنید A فضای فرعی P متشکل از همه چند جمله ای هارمونیک را نشان می دهد :

{\displaystyle \mathbf {A} _{\ell }:=\{p\in \mathbf {P} _{\ell }\,\mid \,\Delta p=0\}\,.}

این هارمونیک های کروی جامد (منظم) هستند . اجازه دهید H نشان دهنده فضای توابع در کره واحد باشد

{\displaystyle S^{n-1}:=\{\mathbf {x} \in \mathbb {R} ^{n}\,\mid \,\left|x\right|=1\}}

با محدودیت از A به دست می آید

{\displaystyle \mathbf {H} _{\ell }:=\left\{f:S^{n-1}\to \mathbb {C} \,\mid \,{\text{ برای برخی }}p \in \mathbf {A} _{\ell },\,f(\mathbf {x} )=p(\mathbf {x} ){\text{ برای همه }}\mathbf {x} \in S^{ n-1}\right\}.}

خواص زیر برقرار است:

  • مجموع فضاهای H در مجموعه کم است{\displaystyle C(S^{n-1})}از توابع پیوسته درS^{{n-1}}با توجه به توپولوژی یکنواخت ، توسط قضیه استون-وایرشتراس . در نتیجه، مجموع این فضاها در فضای L 2 ( Sn - 1 ) از توابع انتگرال پذیر مربع روی کره نیز اکم است. بنابراین هر تابع مربع انتگرال پذیر در کره به طور منحصر به فردی به یک سری هارمونیک های کروی تجزیه می شود، جایی که سری به معنای L 2 همگرا می شوند .
  • برای همه f ∈ H ، یکی دارد

    {\displaystyle \Delta _{S^{n-1}}f=-\ell (\ell +n-2)f.}

    که در آن Sn-1 عملگر لاپلاس - بلترامی در Sn - 1 است . این عملگر آنالوگ قسمت زاویه ای لاپلاس در سه بعدی است. به طور کلی، لاپلاسین در ابعاد n به عنوان تجزیه می شود

    {\displaystyle \nabla ^{2}=r^{1-n}{\frac {\partial }{\partial r}}r^{n-1}{\frac {\partial }{\partial r}} +r^{-2}\Delta _{S^{n-1}}={\frac {\partial ^{2}}{\partial r^{2}}}+{\frac {n-1} {r}}{\frac {\partial }{\partial r}}+r^{-2}\Delta _{S^{n-1}}}
  • برعکس، فضاهای H دقیقاً فضاهای ویژه S n -1 هستند . به طور خاص، استفاده از قضیه طیفی به پتانسیل \Delta _{S^{n-1}}^{-1}اثبات دیگری می دهد که فضاهای H به صورت زوجی متعامد و در L 2 کامل هستند ( Sn - 1 ) .

یک مبنای متعامد هارمونیک های کروی در ابعاد بالاتر را می توان به صورت استقرایی با روش جداسازی متغیرها ، با حل مسئله استورم-لیویل برای لاپلاسین کروی ساخت.

{\displaystyle \Delta _{S^{n-1}}=\sin ^{2-n}\varphi {\frac {\partial }{\partial \varphi }}\sin ^{n-2}\varphi {\frac {\partial }{\partial \varphi }}+\sin ^{-2}\varphi \Delta _{S^{n-2}}}

که در آن φ مختصات محوری در یک سیستم مختصات کروی در Sn - 1 است . نتیجه نهایی چنین رویه ای [26] است.

{\displaystyle Y_{\ell _{1},\dots \ell _{n-1}}(\theta _{1},\dots \theta _{n-1})={\frac {1}{ \sqrt {2\pi }}}e^{i\ell _{1}\theta _{1}}\prod _{j=2}^{n-1}{}_{j}{\bar { P}}_{\ell _{j}}^{\ell _{j-1}}(\theta _{j})}

جایی که شاخص ها راضی کننده | 1 | ≤ 2 ≤ ⋯ ≤ n -1 و مقدار ویژه - n -1 ( n -1 + n -2) است . عملکردهای موجود در ضرب بر حسب تابع لژاندر تعریف می شوند

{\displaystyle {}_{j}{\bar {P}}_{L}^{\ell }(\theta )={\sqrt {{\frac {2L+j-1}{2}}{\ frac {(L+\ell +j-2)!}{(L-\ell )!}}}}\sin ^{\frac {2-j}{2}}(\theta )P_{L+{\frac {j-2}{2}}}^{-\left(\ell +{\frac {j-2}{2}}\right)}(\cos \theta )\,.}

ارتباط با نظریه بازنمایی [ ویرایش ]

فضای H هارمونیک های کروی درجه نمایشی از گروه تقارن چرخش ها حول یک نقطه ( SO(3) ) و SU(2) پوشش دوگانه آن است . در واقع، چرخش ها بر روی کره دو بعدی ، و در نتیجه بر روی H نیز با ترکیب تابع عمل می کنند.

{\displaystyle \psi \mapsto \psi \circ \rho ^{-1}}

برای ψ یک هارمونیک کروی و ρ یک چرخش. نمایش H نمایشی غیر قابل تقلیل از SO(3) است . [27]

عناصر H به عنوان محدودیت های کره عناصر A بوجود می آیند : چند جمله ای هارمونیک همگن درجه در فضای سه بعدی اقلیدسی R 3 . با قطبش ψ ∈ A ، ضرایبی وجود دارد\psi _{i_{1}\dots i_{\ell }}متقارن بر روی شاخص ها، به طور منحصر به فرد توسط نیاز تعیین می شود

{\displaystyle \psi (x_{1},\dots,x_{n})=\sum _{i_{1}\dots i_{\ell }}\psi _{i_{1}\dots i_{\ell }}x_{i_{1}}\cdots x_{i_{\ell }}.}

شرطی که ψ هارمونیک باشد معادل این ادعا است که تانسور من1…من\psi _{i_{1}\dots i_{\ell }}در هر جفت شاخص باید بدون ردیابی باشد. بنابراین به عنوان یک نمایش غیرقابل تقلیل SO(3) ، H نسبت به فضای تانسورهای متقارن بی اثر درجه هم شکل است .

به طور کلی تر، گزاره های مشابه در ابعاد بالاتر وجود دارند: فضای H هارمونیک های کروی روی n- کره نمایش غیرقابل تقلیل SO( n +1) مربوط به تانسورهای متقارن بدون ردیابی است . با این حال، در حالی که هر نمایش تانسور تقلیل‌ناپذیر SO(2) و SO(3) از این نوع است، گروه‌های متعامد ویژه در ابعاد بالاتر دارای نمایش‌های غیر قابل تقلیل اضافی هستند که به این شکل ایجاد نمی‌شوند.

گروه‌های متعامد خاص دارای نمایش‌های اسپین اضافی هستند که نمایش‌های تانسوری نیستند و معمولاً هارمونیک‌های کروی نیستند. یک استثنا، نمایش اسپین SO(3) است: به طور دقیق، اینها نمایش‌هایی از پوشش دوتایی SU(2) SO(3) هستند. به نوبه خود، SU(2) با گروه کواترنیون های واحد شناسایی می شود و بنابراین با کره 3 منطبق است . فضاهای هارمونیک های کروی روی 3 کره، با توجه به عمل ضرب چهارتایی، نمایش اسپین خاصی از SO(3) هستند.

ارتباط با هارمونیک های نیمکره [ ویرایش ]

هارمونیک های کروی را می توان به دو مجموعه از توابع تقسیم کرد. [28] یکی توابع نیمکره ای (HSH)، متعامد و کامل روی نیمکره است. دیگری هارمونیک های نیمکره مکمل (CHSH) است.

کلیات [ ویرایش ]

تقارن حفظ زاویه دو کره توسط گروه تبدیل موبیوس PSL (2, C ) توصیف شده است. با توجه به این گروه، کره معادل کره معمولی ریمان است . گروه PSL(2, C ) هم شکل با گروه (مناسب) لورنتس است و عمل آن بر روی دو کره با عمل گروه لورنتس بر روی کره آسمانی در فضای مینکوفسکی مطابقت دارد . آنالوگ هارمونیک های کروی برای گروه لورنتس توسط سری هایپرهندسی داده شده است . علاوه بر این، هارمونیک‌های کروی را می‌توان بر حسب سری فراهندسی دوباره بیان کرد، زیرا SO(3) = PSU(2) زیرگروهی از PSL(2, C ) است .

به طور کلی تر، سری های فراهندسی را می توان برای توصیف تقارن های هر فضای متقارن تعمیم داد . به طور خاص، سری های فرا هندسی را می توان برای هر گروه Lie توسعه داد . [29] [30] [31] [32]

همچنین ببینید [ ویرایش ]

در ویکی‌انبار رسانه‌های مربوط به هارمونیک‌های کروی وجود دارد .

  • هارمونیک مکعبی (اغلب به جای هارمونیک های کروی در محاسبات استفاده می شود)
  • هارمونیک های استوانه ای
  • پایه کروی
  • هارمونیک های کروی اسپینور
  • هارمونیک های کروی با وزن اسپین
  • نظریه استورم-لیوویل
  • جدول هارمونیک های کروی
  • هارمونیک های کروی برداری
  • اوربیتال اتمی

یادداشت ها [ ویرایش ]

  1. گزارشی تاریخی از رویکردهای مختلف به هارمونیک های کروی در سه بعد را می توان در فصل چهارم مک رابرت 1967 یافت. اصطلاح "هارمونیک های کروی لاپلاس" رایج است. به کورانت-هیلبرت 1962 و میچر & بوئر 2004 مراجعه کنید.
  2. ^ رویکرد به هارمونیک‌های کروی در اینجا در ( کورانت-هیلبرت 1962 , §V.8, §VII.5) یافت می‌شود.
  3. ^ کاربردهای فیزیکی اغلب محلولی را می گیرند که در بی نهایت ناپدید می شود و A = 0 را می سازد . این بر بخش زاویه ای هارمونیک های کروی تأثیر نمی گذارد.
  4. وایستاین، اریک دبلیو. "هارمونیک کروی" . mathworld.wolfram.com . بازیابی 2023-05-10 .
  5. Edmonds 1957 ، §2.5
  6. ^ سالن 2013 بخش 17.6
  7. Hall 2013 Lemma 17.16
  8. ویلیامز، ارل جی (1999). آکوستیک فوریه: تشعشعات صوتی و هولوگرافی صوتی نزدیک میدان . سن دیگو، کالیفرنیا: انتشارات آکادمیک. شابک 0080506909. OCLC 181010993 .
  9. مسیح، آلبرت (1999). مکانیک کوانتومی: دو جلد صحافی شده به عنوان یک جلد (دو جلد صحافی شده به عنوان یک، ویرایش مجدد بدون خلاصه). مینولا، نیویورک: دوور. شابک 9780486409245.
  10. کلود کوهن تانوجی؛ برنارد دیو; فرانک لالو (1996). مکانیک کوانتومی . ترجمه سوزان رید هملی; و همکاران Wiley-Interscience: ویلی. شابک 9780471569527.
  11. ^ a bپرش به بالا: بلیکلی، ریچارد (1995). نظریه پتانسیل در گرانش و کاربردهای مغناطیسی . کمبریج انگلستان نیویورک: انتشارات دانشگاه کمبریج. پ. 113 . شابک 978-0521415088.
  12. ^ هایسکانن و موریتز، ژئودزی فیزیکی، 1967، معادله. 1-62
  13. وایستاین، اریک دبلیو. "فاز کاندون-شورتلی" . mathworld.wolfram.com . بازیابی شده در 02-11-2022 .
  14. Whittaker & Watson 1927 ، ص. 392.
  15. به عنوان مثال، به ضمیمه A از Garg، A.، Electrodynamics Classical in a Nutshell (انتشارات دانشگاه پرینستون، 2012) مراجعه کنید.
  16. ^ لی، فیفی؛ براون، کارول؛ Garg, Anupam (2013), " The Weyl-وینگر-Moyal Formalism for Spin", Europhysics Letters , 102 (6): 60006, arXiv : 1210.4075 , بیبکد : 2013EL ....10260006L 10260006L 10260006L . 102/60006 ، S2CID 119610178
  17. Edmonds, AR (1996). تکانه زاویه ای در مکانیک کوانتومی . انتشارات دانشگاه پرینستون پ. 63 .
  18. ^ این برای هر مبنای متعارف هارمونیک های کروی درجه معتبر است . برای هارمونیک های توان واحد لازم است ضریب 4 π حذف شود .
  19. Whittaker & Watson 1927 ، ص. 395
  20. Unsöld 1927
  21. ^ Stein & Weiss 1971 , §IV.2
  22. ^ برینک، دی.م. Satchler، GR حرکت زاویه ای . انتشارات دانشگاه آکسفورد. پ. 146.
  23. ارمنکو، یاکوبسون و نادیراشویلی 2007
  24. ^ سولومنتسف 2001 ; Stein & Weiss 1971 §IV.2
  25. ^ رجوع کنید به نتیجه 1.8 اکسلر، شلدون؛ رامی، وید (1995)، چند جمله ای هارمونیک و مسائل نوع دیریکله
  26. هیگوچی، آتسوشی (1987). "هارمونیک‌های کروی تانسور متقارن بر روی N-کره و کاربرد آنها در گروه دسیتر SO(N,1)" . مجله فیزیک ریاضی . 28 (7): 1553-1566. بیبکد : 1987JMP....28.1553H . doi : 10.1063/1.527513 .
  27. Hall 2013 نتیجه 17.17
  28. ژنگ یی، وی کی، لیانگ بی، لی یی، چو (23-12-2019). "توابع مشابه زرنیک در کلاهک کروی: اصل و کاربردها در اتصالات سطح نوری و رندر گرافیکی" . اپتیک اکسپرس . 27 (26): 37180–37195. بیبکد : 2019OExpr..2737180Z . doi : 10.1364/OE.27.037180 . ISSN 1094-4087 . PMID 31878503 .
  29. N. Vilenkin، توابع ویژه و نظریه بازنمودهای گروهی ، آم. ریاضی. Soc. ترجمه، ج. 22، (1968).
  30. جی دی تالمن، کارکردهای ویژه، رویکرد نظری گروهی ، (بر اساس سخنرانی های ای پی ویگنر)، WA بنجامین، نیویورک (1968).
  31. دبلیو میلر، تقارن و جداسازی متغیرها، ادیسون-وسلی، ریدینگ (1977).
  32. ^ A. Wawrzyńczyk، نمایندگی های گروهی و عملکردهای ویژه ، ناشران علمی لهستانی. ورشو (1984).

منابع [ ویرایش ]

مراجع ذکر شده [ ویرایش ]

  • کورانت، ریچارد ؛ هیلبرت، دیوید (1962)، روشهای فیزیک ریاضی، جلد اول ، وایلی-اینترساینس.
  • Edmonds، AR (1957)، حرکت زاویه ای در مکانیک کوانتومی ، انتشارات دانشگاه پرینستون، ISBN 0-691-07912-9
  • ارمنکو، الکساندر؛ یاکوبسون، دیمیتری؛ نادیراشویلی، نیکولای (2007)، "درباره مجموعه های گرهی و حوزه های گرهی در S2 و R2" ، Annales de l'Institut Fourier , 57 (7): 2345-2360، doi : 10.5802/aif.2335 ، ISSN -09 ، 0373 2394544
  • هال، برایان سی (2013)، نظریه کوانتومی برای ریاضیدانان ، متون فارغ التحصیل در ریاضیات، جلد. 267, Springer, ISBN 978-1461471158
  • مک رابرت، TM (1967)، هارمونیک های کروی: رساله ابتدایی در مورد توابع هارمونیک، با کاربردها ، چاپ پرگامون.
  • مایجر، پل هرمان ارنست; بائر، ادموند (2004)، نظریه گروه: کاربرد در مکانیک کوانتومی ، دوور، شابک 978-0-486-43798-9.
  • سولومنتسف، ED (2001) [1994]، "هارمونیک های کروی" ، دایره المعارف ریاضیات ، چاپ EMS.
  • استاین، الیاس ؛ ویس، گیدو (1971)، مقدمه ای بر تحلیل فوریه در فضاهای اقلیدسی ، پرینستون، نیوجرسی: انتشارات دانشگاه پرینستون، شابک 978-0-691-08078-9.
  • Unsöld, Albrecht (1927), "Beiträge zur Quantenmechanik der Atome"، Annalen der Physik , 387 (3): 355–393, بیبکد : 1927AnP...387..355U , doi : 10.1002/1033.1002.
  • ویتاکر، ای تی Watson, GN (1927), A Course of Modern Analysis , انتشارات دانشگاه کمبریج , ص. 392.

مراجع عمومی [ ویرایش ]

  • EW Hobson، نظریه هارمونیک های کروی و بیضی ، (1955) انتشارات چلسی. شرکت شابک 978-0-8284-0104-3 .
  • سی. مولر، هارمونیک های کروی ، (1966) اسپرینگر، یادداشت های سخنرانی در ریاضیات، جلد. 17, ISBN 978-3-540-03600-5 .
  • EU Condon و GH Shortley، Theory of Atomic Spectra ، (1970) کمبریج در انتشارات دانشگاه، ISBN 0-521-09209-4 ، به فصل 3 مراجعه کنید .
  • جی دی جکسون، الکترودینامیک کلاسیک ، ISBN 0-471-30932-X
  • آلبرت مسیحا، مکانیک کوانتومی ، جلد دوم. (2000) دوور. شابک 0-486-40924-4 .
  • مطبوعات، WH; Teukolsky، SA; Vetterling، WT; Flannery، BP (2007)، "بخش 6.7. هارمونیک های کروی" ، دستورهای عددی: هنر محاسبات علمی (ویرایش سوم)، نیویورک: انتشارات دانشگاه کمبریج، ISBN 978-0-521-88068-8
  • DA Varshalovich, AN Moskalev, VK Khersonskii Quantum Theory of Angular Momentum , (1988) World Scientific Publishing Co., سنگاپور, ISBN 9971-5-0107-4
  • وایستاین، اریک دبلیو. "هارمونیک های کروی" . دنیای ریاضی .
  • مدوک، جان، هارمونیک های کروی در Boost.Math

پیوندهای خارجی [ ویرایش ]

  • هارمونیک کروی در MathWorld
  • نمایش سه بعدی کروی هارمونیک

​https://en.wikipedia.org/wiki/Spherical_harmonics

8-هارمونیک های کروی

تجزیه و تحلیل طیف [ ویرایش ]

این بخش به نقل قول های اضافی برای تأیید نیاز دارد . لطفاً با افزودن نقل قول به منابع معتبر در این بخش به بهبود این مقاله کمک کنید. اطلاعات بدون مرجع ممکن است مشکل ایجاد کرده و پاک شوند. ( ژوئیه 2020 ) ( با نحوه و زمان حذف این پیام الگو آشنا شوید )

طیف قدرت در پردازش سیگنال [ ویرایش ]

توان کل یک تابع f در ادبیات پردازش سیگنال به عنوان انتگرال تابع مجذور تقسیم بر مساحت دامنه آن تعریف می شود . با استفاده از ویژگی‌های متعامد توابع هارمونیک کروی حقیقی واحد-قدرت، به راحتی می‌توان تأیید کرد که توان کل یک تابع تعریف شده بر روی واحد کره به ضرایب طیفی آن با تعمیم قضیه پارسوال مرتبط است (در اینجا، قضیه بیان می‌شود. برای هارمونیک های نیمه نرمال شده اشمیت، این رابطه برای هارمونیک های متعامد کمی متفاوت است:

{\displaystyle {\frac {1}{4\,\pi }}\int _{\Omega }|f(\Omega )|^{2}\,d\Omega =\sum _{\ell =0} ^{\infty }S_{f\!f}(\ell ),}

جایی که

{\displaystyle S_{f\!f}(\ell )={\frac {1}{2\ell +1}}\sum _{m=-\ell }^{\ell }|f_{\ell m }|^{2}}

به عنوان طیف توان زاویه ای (برای هارمونیک های نیمه نرمال اشمیت) تعریف می شود. به روشی مشابه، می توان قدرت متقاطع دو تابع را به صورت تعریف کرد

{\displaystyle {\frac {1}{4\,\pi }}\int _{\Omega }f(\Omega )\,g^{\ast }(\Omega )\,d\Omega =\sum _ {\ell =0}^{\infty }S_{fg}(\ell ),}

جایی که

اس()2+1∑=-∗

{\displaystyle S_{fg}(\ell )={\frac {1}{2\ell +1}}\sum _{m=-\ell }^{\ell }f_{\ell m}g_{\ ell m}^{\ast }}

به عنوان طیف توان متقابل تعریف می شود. اگر توابع f و g میانگین صفر داشته باشند (یعنی ضرایب طیفی f 00 و g 00 صفر هستند)، آنگاه Sff(ℓ) و S fg ( ) مشارکت در واریانس تابع و کوواریانس برای درجه را نشان می دهند . به ترتیب. معمول است که طیف توان (متقابل) به خوبی با یک قانون توان به شکل تقریب می شود.

{\displaystyle S_{f\!f}(\ell )=C\,\ell ^{\beta }.}

وقتی β = 0 ، طیف "سفید" است زیرا هر درجه دارای قدرت برابر است. وقتی β < 0 ، طیف را "قرمز" می نامند زیرا در درجات پایین با طول موج های بلند توان بیشتری نسبت به درجات بالاتر وجود دارد. در نهایت، زمانی که β > 0 ، طیف "آبی" نامیده می شود. شرط ترتیب رشد Sff(ℓ) به ترتیب تمایز پذیری f در بخش بعدی مربوط می شود.

ویژگی های تمایز [ ویرایش ]

همچنین می توان خواص تمایز پذیری تابع اصلی f را بر حسب مجانبی Sff(ℓ) درک کرد . به طور خاص، اگر Sff(ℓ) سریعتر از هر تابع منطقی به عنوان → ∞ کاهش یابد ، آنگاه f بی نهایت قابل تفکیک است . علاوه بر این، اگر Sff(ℓ) به صورت تصاعدی کاهش یابد، آنگاه f در واقع تحلیلی حقیقی روی کره است .

تکنیک کلی استفاده از تئوری فضاهای سوبولف است . اظهارات مربوط به رشد Sff(ℓ) به تمایز پذیری مشابه نتایج مشابه در رشد ضرایب سری فوریه است . به طور خاص، اگر

{\displaystyle \sum _{\ell =0}^{\infty }(1+\ell ^{2})^{s}S_{ff}(\ell )<\infty ,}

سپس f در فضای سوبولف H s ( S 2 ) است . به طور خاص، قضیه تعبیه سوبولف نشان می دهد که f بی نهایت قابل تمایز است به شرطی که

{\displaystyle S_{ff}(\ell )=O(\ell ^{-s})\quad {\rm {{as\ }\ell \to \infty }}}

برای همه s .

7-هارمونیک های کروی

[ویژگی های تقارن [ ویرایش

هارمونیک های کروی دارای خواص عمیق و پیامدی تحت عملیات وارونگی فضایی (پاریتی) و چرخش هستند.

برابری [ ویرایش ]

نوشتار اصلی: برابری (فیزیک)

هارمونیک های کروی برابری مشخصی دارند. یعنی از نظر وارونگی در مورد مبدا یا زوج هستند یا فرد. وارونگی توسط عملگر نشان داده می شود{\displaystyle P\Psi (\mathbf {r} )=\Psi (-\mathbf {r} )}. سپس، همانطور که از بسیاری جهات می توان دید (شاید به سادگی از تابع تولید هرگلوتز)، با\mathbf {r}بردار واحد بودن

{\displaystyle Y_{\ell }^{m}(-\mathbf {r} )=(-1)^{\ell }Y_{\ell }^{m}(\mathbf {r}).}

از نظر زوایای کروی، برابری یک نقطه را با مختصات تبدیل می کند{\displaystyle \{\theta,\varphi \}}به{\displaystyle \{\pi -\theta ,\pi +\varphi \}}. بیانیه برابری هارمونیک های کروی پس از آن است

{\displaystyle Y_{\ell }^{m}(\theta ,\varphi )\to Y_{\ell }^{m}(\pi -\theta ,\pi +\varphi )=(-1)^{ \ell }Y_{\ell }^{m}(\theta ,\varphi )}

(این را می توان به صورت زیر مشاهده کرد: چند جمله ای های لژاندر + m را به دست می دهند و از تابع نمایی m داریم ، با هم برای هارمونیک های کروی برابری .)

برابری برای هارمونیک های کروی حقیقی و برای هارمونیک های کروی در ابعاد بالاتر همچنان برقرار است: اعمال بازتاب نقطه ای به هارمونیک کروی درجه علامت را با ضریب تغییر می دهد .

چرخش ها [ ویرایش ]

چرخش یک تابع کروی حقیقی با m = 0 و = 3 . ضرایب برابر با ماتریس های ویگنر D نیستند، زیرا توابع حقیقی نشان داده شده اند، اما می توان با تجزیه مجدد توابع مختلط به دست آورد.

یک چرخش را در نظر بگیریدآر\mathcal Rدر مورد مبدایی که بردار واحد را ارسال می کند\mathbf {r}به"{\mathbf r}'. تحت این عملیات، هارمونیک کروی درجه\ خوبو سفارش دهیدمترتبدیل به یک ترکیب خطی از هارمونیک های کروی با همان درجه می شود. به این معنا که،

{\displaystyle Y_{\ell }^{m}({\mathbf {r} }')=\sum _{m'=-\ell }^{\ell }A_{mm'}Y_{\ell }^ {m'}({\mathbf {r} })،}

جایی که{\displaystyle A_{mm'}}یک ماتریس از نظم است{\displaystyle (2\ell +1)}که به چرخش بستگی داردآر\mathcal R. با این حال، این روش استاندارد بیان این ویژگی نیست. به روش استانداردی که شخص می نویسد،

{\displaystyle Y_{\ell }^{m}({\mathbf {r} }')=\sum _{m'=-\ell }^{\ell [D_{mm'}^{(\ell )}({\mathcal {R}})]^{*}Y_{\ell }^{m'}({\mathbf {r} })،}

جایی که{\displaystyle D_{mm'}^{(\ell )}({\mathcal {R}})^{*}}مزدوج مختلط یک عنصر از ماتریس D ویگنر است . به ویژه زمانی که"{\mathbf r}'هست یک\phi _{0}با چرخش آزیموت ما اتحاد را بدست می آوریم،

{\displaystyle Y_{\ell }^{m}({\mathbf {r} }')=Y_{\ell }^{m}({\mathbf {r} })e^{im\phi _{0 }}.}

رفتار چرخشی هارمونیک‌های کروی شاید ویژگی اصلی آنها از دیدگاه نظریه گروه باشد. اینY_{\ell }^{m}مدرک تحصیلی\ خوبیک مجموعه پایه از توابع برای نمایش غیرقابل تقلیل گروه SO(3) بعد ارائه می کند{\displaystyle (2\ell +1)}. بسیاری از حقایق در مورد هارمونیک های کروی (مانند قضیه جمع) که به سختی با استفاده از روش های تحلیل اثبات می شوند، با استفاده از روش های تقارن، اثبات های ساده تر و اهمیت عمیق تری به دست می آورند.

بسط هارمونیک های کروی [ ویرایش ]

هارمونیک های کروی لاپلاس:{\displaystyle Y_{\ell }^{m}:S^{2}\to \mathbb {C} }مجموعه کاملی از توابع متعامد را تشکیل می دهند و بنابراین یک مبنای متعامد فضای هیلبرت از توابع انتگرال پذیر مربع را تشکیل می دهند. سی2(اس2){\displaystyle L_{\mathbb {C} }^{2}(S^{2})}. در کره واحداس2S^{2}، هر تابع قابل انتگرال مربع:{\displaystyle f:S^{2}\to \mathbb {C} }بنابراین می توان به عنوان یک ترکیب خطی از این موارد گسترش داد:

{\displaystyle f(\theta,\varphi)=\sum _{\ell =0}^{\infty }\sum _{m=-\ell }^{\ell }f_{\ell }^{m} \,Y_{\ell }^{m}(\theta,\varphi).}

این بسط به معنای همگرایی میانگین مربع است - همگرایی در L 2 کره - که به این معناست که

{\displaystyle \lim _{N\to \infty }\int _{0}^{2\pi }\int _{0}^{\pi }\left|f(\theta ,\varphi )-\sum _{\ell =0}^{N}\sum _{m=-\ell }^{\ell }f_{\ell }^{m}Y_{\ell }^{m}(\theta ,\varphi )\right|^{2}\sin \theta \,d\theta \,d\varphi =0.}

ضرایب انبساط مشابه ضرایب فوریه هستند و با ضرب معادله فوق در مزدوج مختلط یک هارمونیک کروی، انتگرال در زاویه جامد Ω، و استفاده از روابط متعامد فوق به دست می آیند. این به شدت توسط نظریه فضایی پایه هیلبرت توجیه می شود. در مورد هارمونیک های متعارف، این به دست می دهد:

{\displaystyle f_{\ell }^{m}=\int _{\Omega }f(\theta ,\varphi )\,Y_{\ell }^{m*}(\theta ,\varphi )\,d \Omega =\int _{0}^{2\pi }d\varphi \int _{0}^{\pi }\,d\theta \,\sin \theta f(\theta ,\varphi )Y_{ \ell }^{m*}(\theta،\varphi).}

اگر ضرایب به اندازه کافی سریع در کاهش یابد - برای مثال، به صورت نمایی - آنگاه سری نیز به طور یکنواخت به f همگرا می شود .

یک تابع قابل انتگرال مربع:{\displaystyle f:S^{2}\to \mathbb {R} }همچنین می تواند از نظر هارمونیک های حقیقی گسترش یابد:{\displaystyle Y_{\ell m}:S^{2}\to \mathbb {R} }در بالا به عنوان جمع

{\displaystyle f(\theta ,\varphi )=\sum _{\ell =0}^{\infty }\sum _{m=-\ell }^{\ell }f_{\ell m}\,Y_ {\ell m}(\theta،\varphi).}

همگرایی این سری دوباره در همان معنا وجود دارد، یعنی هارمونیک های کروی حقیقی:{\displaystyle Y_{\ell m}:S^{2}\to \mathbb {R} }مجموعه کاملی از توابع متعامد را تشکیل می دهند و بنابراین یک مبنای متعامد فضای هیلبرت از توابع انتگرال پذیر مربع را تشکیل می دهند. {\displaystyle L_{\mathbb {R} }^{2}(S^{2})}. مزایای بسط از نظر توابع هارمونیک حقیقیY_{\ell m}این است که برای توابع حقیقی است:{\displaystyle f:S^{2}\to \mathbb {R} }ضرایب انبساط{\displaystyle f_{\ell m}}تضمین شده است که حقیقی هستند، در حالی که ضرایب آنها{\displaystyle f_{\ell }^{m}}در گسترش آنها از نظرY_{\ell}^m(با در نظر گرفتن آنها به عنوان توابع:{\displaystyle f:S^{2}\to \mathbb {C} \supset \mathbb {R} }) آن خاصیت را ندارند.

6-هارمونیک های کروی

هارمونیک های کروی به شکل دکارتی [ ویرایش ]

هارمونیک های کروی مختلطY_{\ell }^{m}ایجاد هارمونیک جامد با گسترش ازاس2S^{2}به همه\mathbb{R} ^{3}به عنوان یک تابع همگن درجه\ خوب، یعنی تنظیم

{\displaystyle R_{\ell }^{m}(v):=\|v\|^{\ell }Y_{\ell }^{m}\left({\frac {v}{\|v\ |}}\راست)}

معلوم می شود که{\displaystyle R_{\ell }^{m}}مبنای فضای چندجمله ای های هارمونیک و همگن درجه است\ خوب. به طور خاص، این بازنمایی از گروه چرخشی، مبنای (تا عادی سازی منحصر به فرد) گلفاند-تی سدلین است.SO (3)و یک فرمول صریح برای{\displaystyle R_{\ell }^{m}}در مختصات دکارتی می توان از آن حقیقیت استخراج کرد.

تابع مولد هرگلوتز [ ویرایش ]

اگر قرارداد مکانیک کوانتومی برای:{\displaystyle Y_{\ell }^{m}:S^{2}\to \mathbb {C} }، سپس

{\displaystyle e^{v{\mathbf {a}}\cdot {\mathbf {r} }}=\sum _{\ell =0}^{\infty }\sum _{m=-\ell }^ {\ell }{\sqrt {\frac {4\pi }{2\ell +1}}}{\frac {r^{\ell }v^{\ell }{\lambda ^{m}}}{ \sqrt {(\ell +m)!(\ell -m)!}}}Y_{\ell }^{m}(\mathbf {r} /r).}

اینجا،\mathbf {r}بردار با اجزا است{\displaystyle (x,y,z)\in \mathbb {R} ^{3}}،{\displaystyle r=|\mathbf {r} |}، و

{\displaystyle {\mathbf {a} }={\mathbf {\hat {z}} }-{\frac {\lambda }{2}}\left({\mathbf {\hat {x}} }+i {\mathbf {\hat {y}} }\right)+{\frac {1}{2\lambda }}\left({\mathbf {\hat {x}} }-i{\mathbf {\hat { y}} }\راست).}

{\displaystyle \mathbf {a} } بردار با مختصات مختلط است:

.{\displaystyle \mathbf {a} =[{\frac {1}{2}}({\frac {1}{\lambda }}-\lambda ),-{\frac {i}{2}}({ \frac {1}{\lambda }}+\lambda ),1].}

خاصیت ضروری از\mathbf {a}این است که تهی است:

{\displaystyle \mathbf {a} \cdot \mathbf {a} =0.}

گرفتن کافی استvو\لامبدابه عنوان پاراهای حقیقی در نامگذاری این تابع مولد به نام هرگلوتز ، ما از کورانت-هیلبرت 1962 ، §VII.7 پیروی می‌کنیم که یادداشت‌های منتشر نشده او را برای کشف آن اعتبار می‌دانند.

اساساً تمام خصوصیات هارمونیک های کروی را می توان از این تابع مولد به دست آورد. [15] مزیت فوری این تعریف این است که اگر بردار\mathbf {r}با عملگر بردار اسپین مکانیکی کوانتومی جایگزین می شودجی\mathbf {J}، به طوری که{\displaystyle {\mathcal {Y}}_{\ell }^{m}({\mathbf {J} })}آنالوگ عملگر هارمونیک جامد است (/){\displaystyle r^{\ell }Y_{\ell }^{m}(\mathbf {r} /r)}، [16] یک تابع تولید کننده برای مجموعه استاندارد شده ای از عملگرهای تانسور کروی بدست می آید .{\displaystyle {\mathcal {Y}}_{\ell }^{m}({\mathbf {J} })}:

{\displaystyle e^{v{\mathbf {a}}\cdot {\mathbf {J} }}=\sum _{\ell =0}^{\infty }\sum _{m=-\ell }^ {\ell }{\sqrt {\frac {4\pi }{2\ell +1}}}{\frac {v^{\ell }{\lambda ^{m}}}{\sqrt {(\ell +m)!(\ell -m)!}}}{\mathcal {Y}}_{\ell }^{m}({\mathbf {J} }).}

موازی بودن این دو تعریف تضمین می کند که{\displaystyle {\mathcal {Y}}_{\ell }^{m}} تبدیل تحت چرخش ها (به زیر مراجعه کنید) به همان شیوه ای استY_{\ell}^m، که به نوبه خود تضمین می کند که آنها عملگرهای تانسور کروی هستند،T^{(k)}_q، با{\displaystyle k={\ell }}{\displaystyle q=m}با رعایت تمام خصوصیات این عملگرها، مانند قضیه ترکیب کلبش-گوردان و قضیه ویگنر-اکارت . علاوه بر این، آنها یک مجموعه استاندارد شده با مقیاس یا عادی سازی ثابت هستند.

همچنین نگاه کنید به: پایه کروی

فرم دکارتی جدا شده [ ویرایش ]

تعریف هرگلوتزی چند جمله‌ای را به دست می‌دهد که در صورت تمایل، ممکن است بیشتر در چند جمله‌ای فاکتورسازی شوند.zو دیگری ازایکسوy، به شرح زیر (فاز کاندون – شورتلی):

{\displaystyle r^{\ell }\,{\begin{pmatrix}Y_{\ell }^{m}\\Y_{\ell }^{-m}\end{pmatrix}}=\left[{\ frac {2\ell +1}{4\pi }}\right]^{1/2}{\bar {\Pi }}_{\ell }^{m}(z){\begin{pmatrix}\ چپ(-1\راست)^{m}(A_{m}+iB_{m})\\(A_{m}-iB_{m})\end{pmatrix}}،\qquad m>0.}

و برای m = 0 :

{\displaystyle r^{\ell }\,Y_{\ell }^{0}\equiv {\sqrt {\frac {2\ell +1}{4\pi }}}{\bar {\Pi }} _{\ell }^{0}.}

اینجا

{\displaystyle A_{m}(x,y)=\sum _{p=0}^{m}{\binom {m}{p}}x^{p}y^{mp}\cos \left( (mp){\frac {\pi }{2}}\right)،}

{\displaystyle B_{m}(x,y)=\sum _{p=0}^{m}{\binom {m}{p}}x^{p}y^{mp}\sin \left( (mp){\frac {\pi }{2}}\right)،}

و

{\displaystyle {\bar {\Pi }}_{\ell }^{m}(z)=\left[{\frac {(\ell -m)!}{(\ell +m)!}}\ راست]^{1/2}\sum _{k=0}^{\left\lطبقه (\ell -m)/2\right\rfloor }(-1)^{k}2^{-\ell } {\binom {\ell }{k}}{\binom {2\ell -2k}{\ell }}{\frac {(\ell -2k)!}{(\ell -2k-m)!}} \;r^{2k}\;z^{\ell -2k-m}.}

برایm=0این کاهش می یابد

{\displaystyle {\bar {\Pi }}_{\ell }^{0}(z)=\sum _{k=0}^{\left\lfloor \ell /2\right\rfloor }(-1 )^{k}2^{-\ell }{\binom {\ell }{k}}{\binom {2\ell -2k}{\ell }}\;r^{2k}\;z^{ \ell -2k}.}

عاملΠ¯{\bar {\Pi }}_{\ell }^{m}(z)اساساً چند جمله ای لژاندر مرتبط استP_{\ell }^{m}(\cos \theta)، و عوامل{\displaystyle (A_{m}\pm iB_{m})}اساسا هستند{\displaystyle e^{\pm im\varphi }}.

مثالها [ ویرایش ]

استفاده از عبارات برایΠ¯{\bar {\Pi }}_{\ell }^{m}(z)،آ(،){\displaystyle A_{m}(x,y)}، و{\displaystyle B_{m}(x,y)}که به صراحت در بالا ذکر شده است، به دست می آوریم:

{\displaystyle Y_{3}^{1}=-{\frac {1}{r^{3}}}\left[{\tfrac {7}{4\pi }}\cdot {\tfrac {3} {16}}\right]^{1/2}\left(5z^{2}-r^{2}\right)\left(x+iy\right)=-\left[{\tfrac {7} {4\pi }}\cdot {\tfrac {3}{16}}\right]^{1/2}\left(5\cos ^{2}\theta -1\right)\left(\sin \ تتا e^{i\varphi }\right)}

{\displaystyle Y_{4}^{-2}={\frac {1}{r^{4}}}\left[{\tfrac {9}{4\pi }}\cdot {\tfrac {5} {32}}\right]^{1/2}\left(7z^{2}-r^{2}\right)\left(x-iy\right)^{2}=\left[{\tfrac {9}{4\pi }}\cdot {\tfrac {5}{32}}\right]^{1/2}\left(7\cos ^{2}\theta -1\right)\left( \sin ^{2}\theta e^{-2i\varphi }\right)}

ممکن است تأیید شود که این با عملکرد فهرست شده در اینجا و اینجا مطابقت دارد .

فرم های حقیقی [ ویرایش ]

با استفاده از معادلات بالا برای تشکیل هارمونیک های کروی حقیقی، مشاهده می شود که برای>0m>0فقطآصبح}شرایط (کسینوس) گنجانده شده است، و برای<0m<0فقطبB_{m}اصطلاحات (سینوس ها) شامل می شوند:

{\displaystyle r^{\ell }\,{\begin{pmatrix}Y_{\ell m}\\Y_{\ell -m}\end{pmatrix}}={\sqrt {\frac {2\ell + 1}{2\pi }}}{\bar {\Pi }}_{\ell }^{m}(z){\begin{pmatrix}A_{m}\\B_{m}\end{pmatrix} },\qquad m>0.}

و برای m = 0:

{\displaystyle r^{\ell }\,Y_{\ell 0}\equiv {\sqrt {\frac {2\ell +1}{4\pi }}}{\bar {\Pi }}_{\ یا }^{0}.}

موارد و مقادیر ویژه [ ویرایش ]

  1. زمانیگه m=0، هارمونیک های کروی:{\displaystyle Y_{\ell }^{m}:S^{2}\to \mathbb {C} }کاهش به چند جمله ای های معمولی لژاندر :

    {\displaystyle Y_{\ell }^{0}(\theta ,\varphi )={\sqrt {\frac {2\ell +1}{4\pi }}}P_{\ell }(\cos \theta ) م،

    {\displaystyle Y_{\ell }^{\pm \ell }(\theta ,\varphi )={\frac {(\mp 1)^{\ell }}{2^{\ell }\ell !}} {\sqrt {\frac {(2\ell +1)!}{4\pi }}}\sin ^{\ell }\theta \,e^{\pm i\ell \varphi },} یا ساده تر در مختصات دکارتی،

    {\displaystyle r^{\ell }Y_{\ell }^{\pm \ell }({\mathbf {r} })={\frac {(\mp 1)^{\ell }}{2^{ \ell }\ell !}}{\sqrt {\frac {(2\ell +1)!}{4\pi }}}(x\pm iy)^{\ell }.}
  2. در قطب شمال، جایی که{\displaystyle \theta =0}، و\varphiتعریف نشده است، همه هارمونیک های کروی به جز آنهایی که باm=0ناپدید شدن:

    {\displaystyle Y_{\ell }^{m}(0,\varphi )=Y_{\ell }^{m}({\mathbf {z} })={\sqrt {\frac {2\ell +1 {4\pi }}}\delta _{m0}.}

5-هارمونیک های کروی

فاز کاندون-شورتلی [ ویرایش ]

یکی از منابع سردرگمی با تعریف توابع هارمونیک کروی مربوط به فاکتور فاز است(-1)^{m}در ادبیات مکانیک کوانتومی معمولاً به عنوان فاز کاندون -شورتلی شناخته می شود. در جامعه مکانیک کوانتومی، استفاده از این فاکتور فاز در تعریف چندجمله‌ای لژاندر مرتبط ، یا اضافه کردن آن به تعریف توابع هارمونیک کروی، معمول است . در تعریف توابع هارمونیک کروی نیازی به استفاده از فاز فاز کاندون-شورتلی وجود ندارد، اما گنجاندن آن می تواند برخی از عملیات مکانیکی کوانتومی، به ویژه کاربرد عملگرهای بالا بردن و پایین آوردن را ساده کند . جوامع ژئودزی [12] و مغناطیسی هرگز فاکتور فاز کاندون-شورتلی را در تعاریف خود از توابع هارمونیک کروی و همچنین در تعاریف چند جمله ای های لژاندر مرتبط نمی گنجانند. [13]

شکل حقیقی [ ویرایش ]

پایه حقیقی هارمونیک های کروی:{\displaystyle Y_{\ell m}:S^{2}\to \mathbb {R} }را می توان بر حسب آنالوگ های مختلط آنها تعریف کرد:{\displaystyle Y_{\ell }^{m}:S^{2}\to \mathbb {C} }با تنظیم

{\displaystyle {\begin{aligned}Y_{\ell m}&={\begin{cases}{\dfrac {i}{\sqrt {2}}}\left(Y_{\ell }^{m}- (-1)^{m}\,Y_{\ell }^{-m}\right)&{\text{if}}\ m<0\\Y_{\ell }^{0}&{\text {if}}\ m=0\\{\dfrac {1}{\sqrt {2}}}\left(Y_{\ell }^{-m}+(-1)^{m}\,Y_{ \بلا }^{m}\right)&{\text{if}}\ m>0.\end{cases}}\\&={\begin{cases}{\dfrac {i}{\sqrt {2 }}}\left(Y_{\ell }^{-|m|}-(-1)^{m}\,Y_{\ell }^{|m|}\راست)&{\text{if} }\ m<0\\Y_{\ell }^{0}&{\text{if}}\ m=0\\{\dfrac {1}{\sqrt {2}}}\left(Y_{\ ell }^{-|m|}+(-1)^{m}\,Y_{\ell }^{|m|}\right)&{\text{if}}\ m>0.\end{ case}}\\&={\begin{cases}{\sqrt {2}}\,(-1)^{m}\,\Im [{Y_{\ell }^{|m|}}]& {\text{if}}\ m<0\\Y_{\ell }^{0}&{\text{if}}\ m=0\\{\sqrt {2}}\,(-1)^ {m}\,\Re [{Y_{\ell }^{m}}]&{\text{if}}\ m>0.\end{cases}}\end{تراز شده}}}

قرارداد فاز کاندون-شورتلی در اینجا برای ثبات استفاده می شود. معادلات معکوس مربوطه که هارمونیک های کروی مختلط را تعریف می کنند:{\displaystyle Y_{\ell }^{m}:S^{2}\to \mathbb {C} }از نظر هارمونیک های کروی حقیقی:{\displaystyle Y_{\ell m}:S^{2}\to \mathbb {R} }هستند

{\displaystyle Y_{\ell }^{m}={\begin{cases}{\dfrac {1}{\sqrt {2}}}\left(Y_{\ell |m|}-iY_{\ell , -|m|}\right)&{\text{if}}\ m<0\\[4pt]Y_{\ell 0}&{\text{if}}\ m=0\\[4pt]{\ dfrac {(-1)^{m}}{\sqrt {2}}}\left(Y_{\ell |m|}+iY_{\ell ,-|m|}\right)&{\text{if }}\ m>0.\end{موارد}}}

هارمونیک های کروی حقیقی:{\displaystyle Y_{\ell m}:S^{2}\to \mathbb {R} }گاهی اوقات به عنوان هارمونیک کروی تسرال شناخته می شوند . [14] این توابع همان ویژگی‌های قاعده‌طلبی توابع مختلط را دارند:{\displaystyle Y_{\ell }^{m}:S^{2}\to \mathbb {C} }در بالا. هارمونیک های کروی حقیقیY_{\ell m}با m > 0 گفته می شود که از نوع کسینوس هستند و کسانی که m < 0 از نوع سینوسی دارند. دلیل این امر را می توان با نوشتن توابع بر حسب چند جمله ای های لژاندر به عنوان مشاهده کرد

{\displaystyle Y_{\ell m}={\begin{cases}\left(-1\right)^{m}{\sqrt {2}}{\sqrt {{\dfrac {2\ell +1}{ 4\pi }}{\dfrac {(\ell -|m|)!}{(\ell +|m|)!}}}}\;P_{\ell }^{|m|}(\cos \ تتا )\ \sin(|m|\varphi )&{\text{if }}m<0\\[4pt]{\sqrt {\dfrac {2\ell +1}{4\pi }}}\ P_ {\ell }^{m}(\cos \theta )&{\text{if }}m=0\\[4pt]\left(-1\right)^{m}{\sqrt {2}}{ \sqrt {{\dfrac {2\ell +1}{4\pi }}{\dfrac {(\ell -m)!}{(\ell +m)!}}}}\;P_{\ell } ^{m}(\cos \theta )\ \cos(m\varphi )&{\text{if }}m>0\,.\end{cases}}}

همان فاکتورهای سینوس و کسینوس را می توان در زیربخش زیر نیز مشاهده کرد که به بازنمایی دکارتی می پردازد.

برای لیستی از هارمونیک های کروی حقیقی تا و شامل اینجا را ببینید=4، که با خروجی معادلات بالا مطابقت دارد.

استفاده در شیمی کوانتومی [ ویرایش ]

همانطور که از راه حل های تحلیلی برای اتم هیدروژن مشخص است، توابع ویژه بخش زاویه ای تابع موج هارمونیک های کروی هستند. با این حال، راه حل های معادله شرودینگر غیر نسبیتی بدون ترم مغناطیسی را می توان حقیقی کرد. به همین دلیل است که اشکال حقیقی به طور گسترده در توابع پایه برای شیمی کوانتومی استفاده می شوند، زیرا برنامه ها پس از آن نیازی به استفاده از جبر مختلط ندارند. در اینجا، توجه به این نکته مهم است که توابع حقیقی همان فضایی هستند که توابع مختلط دارند.

به عنوان مثال، همانطور که از جدول هارمونیک های کروی مشاهده می شود ، توابع معمول p (=1) برای محورهای مختلط و ترکیبی هستند، اما نسخه های حقیقی اساساً فقط x ، y و z هستند .

هارمونیک های استوانه ای

از ویکیپدیا، دانشنامه آزاد

در ریاضیات ، هارمونیک های استوانه ای مجموعه ای از توابع مستقل خطی هستند که راه حل های معادله دیفرانسیل لاپلاس هستند .\nabla ^{2}V=0، در مختصات استوانه ای ρ (مختصات شعاعی)، φ (زاویه قطبی) و z ( ارتفاع) بیان می شود. هر تابع V n ( k ) حاصل ضرب سه جمله است که هر کدام به تنهایی به یک مختصات بستگی دارد. عبارت وابسته به ρ توسط توابع بسل (که گاهی به آنها هارمونیک استوانه ای نیز گفته می شود) داده می شود.

تعریف [ ویرایش ]

هر تابعV_{n}(k)این مبنا از حاصل ضرب سه تابع تشکیل شده است:

V_{n}(k;\rho،\varphi،z)=P_{n}(k،\rho)\Phi _{n}(\varphi)Z(k،z)\،

جایی که(\rho,\varphi,z)مختصات استوانه‌ای و ثابت‌های n و k هستند که اعضای مجموعه را متمایز می‌کنند. در نتیجه اصل برهم نهی اعمال شده در معادله لاپلاس، راه حل های بسیار کلی برای معادله لاپلاس را می توان با ترکیب خطی این توابع به دست آورد.

از آنجایی که تمام سطوح دارای ρ، φ و z ثابت هستند مخروطی هستند، معادله لاپلاس در مختصات استوانه ای قابل تفکیک است. با استفاده از تکنیک جداسازی متغیرها ، یک جواب جدا شده برای معادله لاپلاس را می توان به صورت زیر بیان کرد:

V=P(\rho)\,\Phi (\varphi)\,Z(z)

و معادله لاپلاس، تقسیم بر V ، نوشته شده است:

{\frac {{\ddot {P}}}{P}}+{\frac {1}{\rho }}\,{\frac {{\dot {P}}}{P}}+{\frac {1}{\rho ^{2}}}\,{\frac {{\ddot {\Phi }}}{\Phi }}+{\frac {{\ddot {Z}}}{Z}}= 0

قسمت Z معادله به تنهایی تابعی از z است و بنابراین باید برابر با یک ثابت باشد:

{\frac {{\ddot {Z}}}{Z}}=k^{2}

که در آن k به طور کلی یک عدد مختلط است . برای یک k خاص ، تابع Z(z) دو راه حل مستقل خطی دارد. اگر k حقیقی باشد عبارتند از:

Z(k,z)=\cosh(kz)\,\,\,\,\,\,{\mathrm {or}}\,\,\,\,\,\,\sinh(kz)\,

یا با رفتار آنها در بی نهایت:

Z(k,z)=e^{{kz}}\,\,\,\,\,\,{\mathrm {or}}\,\,\,\,\,\,e^{{- kz}}\,

اگر k موهومی باشد:

Z(k,z)=\cos(|k|z)\,\,\,\,\,\,{\mathrm {or}}\,\,\,\,\,\,\sin(| k|z)\,

یا:

Z(k,z)=e^{{i|k|z}}\,\,\,\,\,\,{\mathrm {or}}\,\,\,\,\,\,e ^{{-i|k|z}}\,

مشاهده می شود که توابع Z(k,z) هسته های تبدیل فوریه یا تبدیل لاپلاس تابع Z(z) هستند و بنابراین k ممکن است یک متغیر گسسته برای شرایط مرزی تناوبی باشد یا ممکن است یک متغیر پیوسته باشد. برای شرایط مرزی غیر تناوبی

جایگزین کردنk^2برای {\ddot {Z}}/Z ، معادله لاپلاس اکنون می تواند نوشته شود:

{\frac {{\ddot {P}}}{P}}+{\frac {1}{\rho }}\,{\frac {{\dot {P}}}{P}}+{\frac {1}{\rho ^{2}}}{\frac {{\ddot {\Phi }}}{\Phi }}+k^{2}=0

ضرب در\rho ^{2}، اکنون می توانیم توابع P و Φ را از هم جدا کنیم و یک ثابت دیگر ( n ) معرفی کنیم تا به دست آوریم:

{\frac {{\ddot {\Phi }}}{\Phi }}=-n^{2}

\rho ^{2}{\frac {{\ddot {P}}}{P}}+\rho {\frac {{\dot {P}}}{P}}+k^{2}\rho ^ {2}=n^{2}

از آنجا که\varphiتناوبی است، ممکن است n را یک عدد صحیح غیر منفی در نظر بگیریم و بر این اساس، \Phi (\varphi)ثابت ها مشترک هستند. راه حل های حقیقی برای\Phi (\varphi)هستند

\Phi _{n}=\cos(n\varphi )\,\,\,\,\,\,{\mathrm {or}}\,\,\,\,\,\,\sin(n\ ورفی )

یا به طور معادل:

\Phi _{n}=e^{{in\varphi }}\,\,\,\,\,\,{\mathrm {or}}\,\,\,\,\,\,e^{ {-in\varphi }}

معادله دیفرانسیل برای\rhoشکلی از معادله بسل است.

اگر k صفر باشد، اما n نباشد، جواب ها عبارتند از:

P_{n}(0,\rho )=\rho ^{n}\,\,\,\,\,\,{\mathrm {or}}\,\,\,\,\,\,\rho ^{{-n}}\,

اگر k و n هر دو صفر باشند، جواب ها عبارتند از:

P_{0}(0,\rho )=\ln \rho \,\,\,\,\,\,{\mathrm {or}}\,\,\,\,\,\,1\,

اگر k یک عدد حقیقی باشد می‌توانیم جواب حقیقی را به صورت زیر بنویسیم:

P_{n}(k,\rho )=J_{n}(k\rho )\,\,\,\,\,\,{\mathrm {or}}\,\,\,\,\,\ ,Y_{n}(k\rho )\,

جایی کهJ_{n}(z)وY_{n}(z)توابع معمولی بسل هستند .

اگر k یک عدد فرضی باشد، ممکن است یک جواب حقیقی را به صورت زیر بنویسیم:

P_{n}(k,\rho )=I_{n}(|k|\rho )\,\,\,\,\,\,{\mathrm {or}}\,\,\,\,\ ,\,K_{n}(|k|\rho )\,

جایی که I_{n}(z)وK_{n}(z))توابع بسل اصلاح شده اند .

هارمونیک‌های استوانه‌ای برای (k,n) اکنون حاصل ضرب این جواب‌ها هستند و جواب کلی معادله لاپلاس با ترکیب خطی این جواب‌ها به دست می‌آید:

{\displaystyle V(\rho,\varphi,z)=\sum _{n}\int d\left|k\right|\,\,A_{n}(k)P_{n}(k,\rho )\Phi _{n}(\varphi )Z(k,z)\,}

جایی که A_{n}(k)با توجه به مختصات استوانه ای ثابت هستند و حدود جمع و انتگرالبا شرایط مرزی مسئله تعیین می شود. توجه داشته باشید که انتگرال ممکن است با یک جمع برای شرایط مرزی مناسب جایگزین شود. متعامد بودنJ_n(x)اغلب هنگام یافتن راه حلی برای یک مشکل خاص بسیار مفید است. این\Phi _{n}(\varphi) وZ(k,z) توابع اساساً بسط های فوریه یا لاپلاس هستند و مجموعه ای از توابع متعامد را تشکیل می دهند. چه زمانی P_{n}(k\rho) ساده است J_{n}(k\rho)، متعامد بودJ_n، همراه با روابط متعامد از\Phi _{n}(\varphi)وZ(k,z)اجازه دهید ثابت ها تعیین شوند. [1]

اگر(ایکس)ک(x)_kدنباله ای از صفرهای مثبت استJ_nسپس:

\int _{0}^{1}J_{n}(x_{k}\rho )J_{n}(x_{k}'\rho )\rho \,d\rho ={\frac {1}{ 2}}J_{{n+1}}(x_{k})^{2}\delta _{{kk'}}[2]

در حل مسائل، تا زمانی که مقادیر پتانسیل و مشتق آن در سراسر مرزی که فاقد منبع است مطابقت داشته باشند، فضا را می توان به هر تعداد قطعه تقسیم کرد.

مثال: منبع نقطه ای داخل یک لوله استوانه ای رسانا [ ویرایش ]

به عنوان مثال، مشکل تعیین پتانسیل یک منبع واحد واقع در آن را در نظر بگیرید(\rho _{0},\varphi _{0},z_{0})داخل یک لوله استوانه ای رسانا (به عنوان مثال یک قوطی حلبی خالی) که از بالا و پایین توسط صفحات محدود شده است.z=-Lوz=Lو در طرفین توسط استولنه\rho =a. [3] (در واحدهای MKS، فرض خواهیم کرد1q/4\pi \epsilon _{0}=1). از آنجایی که پتانسیل توسط صفحات روی محور z محدود می شود ، تابع Z(k,z) را می توان تناوبی در نظر گرفت. از آنجایی که پتانسیل باید در مبدا صفر باشد، مقدار را می گیریمP_{n}(k\rho)تابع بسل معمولی باشدJ_{n}(k\rho)، و باید طوری انتخاب شود که یکی از صفرهای آن روی استوانه مرزی قرار گیرد. برای نقطه اندازه گیری زیر نقطه منبع در محور z ، پتانسیل به صورت زیر خواهد بود:

V(\rho ,\varphi ,z)=\sum _{{n=0}}^{\infty }\sum _{{r=0}}^{\infty }\,A_{{nr}}J_ {n}(k_{{nr}}\rho )\cos(n(\varphi -\varphi _{0}))\sinh(k_{{nr}}(L+z))\,\,\, \,\,z\leq z_{0}

جایی کهk_{{nr}}ar-امین صفر استJ_{n}(z)و از روابط متعامد برای هر یک از توابع:

A_{{nr}}={\frac {4(2-\delta _{{n0}})}{a^{2}}}\,\,{\frac {\sinh k_{{nr}} L-z_{0})}{\sinh 2k_{{nr}}L}}\,\,{\frac {J_{n}(k_{{nr}}\rho _{0})}{k_{ {nr}}[J_{{n+1}}(k_{{nr}}a)]^{2}}}\,

بالاتر از منبع:

V(\rho ,\varphi ,z)=\sum _{{n=0}}^{\infty }\sum _{{r=0}}^{\infty }\,A_{{nr}}J_ {n}(k_{{nr}}\rho )\cos(n(\varphi -\varphi _{0}))\sinh(k_{{nr}}(Lz))\,\,\,\, \,z\geq z_{0}

A_{{nr}}={\frac {4(2-\delta _{{n0}})}{a^{2}}}\,\,{\frac {\sinh k_{{nr}} L+z_{0})}{\sinh 2k_{{nr}}L}}\,\,{\frac {J_{n}(k_{{nr}}\rho _{0})}{k_{ {nr}}[J_{{n+1}}(k_{{nr}}a)]^{2}}}.\,

واضح است که وقتی\rho =aیا|z|=L، تابع فوق صفر است. همچنین می توان به راحتی نشان داد که این دو تابع از نظر مقدار و مقدار اولین مشتقات خود در مطابقت دارندz=z_{0}.

منبع نقطه ای داخل استولنه [ ویرایش ]

حذف انتهای صفحه (یعنی با نزدیک شدن L به بی نهایت حد را در نظر بگیرید) میدان منبع نقطه ای را در داخل یک استوانه رسانا می دهد:

V(\rho ,\varphi ,z)=\sum _{{n=0}}^{\infty }\sum _{{r=0}}^{\infty }\,A_{{nr}}J_ {n}(k_{{nr}}\rho )\cos(n(\varphi -\varphi _{0}))e^{{-k_{{nr}}|z-z_{0}|}}

A_{{nr}}={\frac {2(2-\delta _{{n0}})}{a^{2}}}\,\,{\frac {J_{n}(k_{{nr }}\rho _{0})}{k_{{nr}}[J_{{n+1}}(k_{{nr}}a)]^{2}}}.\,

منبع نقطه در فضای باز [ ویرایش ]

با نزدیک شدن شعاع استوانه ( a ) به بینهایت، مجموع صفرهای J n (z) تبدیل به یک انتگرال می شود و میدان یک منبع نقطه ای در فضای بینهایت داریم:

{\displaystyle V(\rho ,\varphi ,z)={\frac {1}{R}}=\sum _{n=0}^{\infty }\int _{0}^{\infty }d \ چپ|k\راست|\,A_{n}(k)J_{n}(k\rho )\cos(n(\varphi -\varphi _{0}))e^{-k|z-z_ {0}|}}

A_{n}(k)=(2-\delta _{{n0}})J_{n}(k\rho _{0})\،

و R فاصله منبع نقطه تا نقطه اندازه گیری است:

R={\sqrt {(z-z_{0})^{2}+\rho ^{2}+\rho _{0}^{2}-2\rho \rho _{0}\cos(\ varphi -\varphi _{0})}}.\,

منبع نقطه در فضای باز در مبدا [ ویرایش ]

در نهایت، وقتی منبع نقطه ای در مبدا باشد،\rho _{0}=z_{0}=0

V(\rho ,\varphi ,z)={\frac {1}{{\sqrt {\rho ^{2}+z^{2}}}}}=\int _{0}^{\infty } J_{0}(k\rho )e^{{-k|z|}}\,dk.

همچنین ببینید [ ویرایش ]

  • هارمونیک های کروی

یادداشت ها [ ویرایش ]

  1. ^ اسمایث 1968 ، ص. 185.
  2. Guillopé 2010 .
  3. ^ پیکربندی و متغیرها مانند Smythe 1968

منابع [ ویرایش ]

  • اسمیت، ویلیام آر (1968). الکتریسیته ساکن و دینامیک (ویرایش سوم). مک گراو هیل .
  • گیلوپه، لوران (2010). "Espaces de Hilbert et fonctions spéciales" (PDF) (به زبان فرانسوی).

​https://en.wikipedia.org/wiki/Cylindrical_harmonics

مثال 1:بسط مکلورن

Why is the Maclaurin series important? - Quora

ماتریس یکانی

​از ویکیپدیا، دانشنامه آزاد

برای ماتریس‌هایی که دارای قائم به میدان عدد حقیقی هستند، به ماتریس متعامد مراجعه کنید. برای محدودیت در تکامل مجاز سیستم های کوانتومی که مجموع احتمالات همه نتایج ممکن هر رویداد را تضمین می کند همیشه برابر با 1 است، به وحدت مراجعه کنید. الف>

در جبر خطی، یک ماتریس مربع مختلط معکوس U یکانی است اگر باشد ترانهاده مزدوج U* نیز معکوس

{\displaystyle U^{*}U=UU^{*}=UU^{-1}=I,}

که در آن I ماتریس همانی است.

در فیزیک، به ویژه در مکانیک کوانتومی، جابه‌جایی مزدوج به عنوان هرمیتین الحاقی یک ماتریس شناخته می‌شود و با علامت < نشان داده می‌شود. (†)، بنابراین معادله بالا نوشته شده است خنجر

{\displaystyle U^{\dagger }U=UU^{\dagger }=I.}

برای اعداد حقیقی، آنالوگ یک ماتریس یکانی یک ماتریس متعامد است. . ماتریس های یکانی در مکانیک کوانتومی اهمیت قابل توجهی دارند زیرا نرمها و بنابراین، دامنه های احتمال< را حفظ می کنند. a i=8>.

خواص[ویرایش]

برای هر ماتریس یکانی U با اندازه محدود، موارد زیر را نگه دارید:

  • با توجه به دو بردار مختلط x و y، ضرب توسط U ضرب داخلی خود را حفظ می کند. یعنی 〈Ux، Uy〉 .
  • U طبیعی است ({\displaystyle U^{*}U=UU^{*}}).
  • U قطری شدنی است. یعنی U به طور یکانی شبیه به یک ماتریس قطری است. نتیجه قضیه طیفی. بنابراین، U دارای تجزیه به شکل است.{\displaystyle U=VDV^{*}،} که در آن V یکانی است و D قطری است و یکانی.
  • {\displaystyle \left|\det(U)\right|=1}. به این معنا که،{\displaystyle \det(U)}روی دایره یکانی صفحه مختلط خواهد بود.
  • فضاهای ویژه آن متعامد هستند.
  • U را می توان به صورت U = e< نوشت >H است.ماتریس هرمیتی یک یکانی مختلط است و i، است ماتریس نمایی نشان دهنده e، که در آن iH

برای هر عدد صحیح n غیر منفی، مجموعه همه n * n ماتریس های یکانی با ضرب ماتریس یک گروه. (n)Uگروه یکانی ، به نام

هر ماتریس مربعی با نرم اقلیدسی یکانی، میانگین دو ماتریس یکانی است.<[1]

شرایط معادل[ویرایش]

اگر U یک ماتریس مربع و مختلط باشد، شرایط زیر معادل هستند:[2 ]

  1. Uیکانی است
  2. U^{*} یکانی است
  3. Uمعکوس است با{\displaystyle U^{-1}=U^{*}}.
  4. ستون هایU از مبنای متعارف از تشکیل می شود{\displaystyle \mathbb {C} ^{n}}با توجه به ضرب داخلی معمولی. به عبارت دیگر،{\displaystyle U^{*}U=I}.
  5. ردیف هایUیک پایه متعارف از{\displaystyle \mathbb {C} ^{n}}با توجه به ضرب داخلی معمولی. به عبارت دیگر،{\displaystyle UU^{*}=I}.
  6. U یک ایزومتی با توجه به نرم معمول است. یعنی {\displaystyle \|Ux\|_{2}=\|x\|_{2}}برای همه {\displaystyle x\in \mathbb {C} ^{n}} ، جایی که{\textstyle \|x\|_{2}={\sqrt {\sum _{i=1}^{n}|x_{i}|^{2}}}}.
  7. U یک ماتریس نرمال است (به طور معادل، یک مبنای متعارف وجود دارد که توسط بردارهای ویژه تشکیل شده است.U) با مقدارهای ویژه که روی دایره یکانی قرار دارد.

ساختارهای ابتدایی[ویرایش]

ماتریس یکانی 2*2ویرایش]

یک عبارت کلی از ماتریس یکانی *2 2 است

{\displaystyle U={\begin{bmatrix}a&b\\-e^{i\varphi }b^{*}&e^{i\varphi }a^{*}\\\end{bmatrix} },\qquad \left|a\right|^{2}+\left|b\right|^{2}=1\ ,}

که به 4 پارامتر حقیقی بستگی دارد (فاز a، فاز b چنین ماتریسی باشد تعیین). فرم به گونه ای پیکربندی شده است که φ، و زاویه b و a، قدر نسبی بین

{\displaystyle \det(U)=e^{i\varphi }~.}

زیر گروه آن عناصر {\displaystyle \ U\ }با {\displaystyle \ \det(U)=1\ } گروه یکانی ویژه SU(2) نامیده می شود.

در میان چندین شکل جایگزین، ماتریس U را می توان به این شکل نوشت:

{\displaystyle \ U=e^{i\varphi /2}{\begin{bmatrix}e^{i\alpha }\cos \theta &e^{i\beta }\sin \theta \\-e^ {-i\beta }\sin \theta &e^{-i\alpha }\cos \theta \\\end{bmatrix}}\ ,}

آ {\displaystyle \ e^{i\alpha }\cos \theta =a\ }و ه ،{\displaystyle \ e^{i\beta }\sin \theta =b\ ,}بالا و زوایای {\displaystyle \ \varphi،\alpha،\beta،\theta \ }می تواند هر مقداری را بگیرد.

از طریق معرفی {\displaystyle \\alpha =\psi +\delta \ }و ،{\displaystyle \ \beta =\psi -\delta \ ,}فاکتورسازی زیر را دارد:

{\displaystyle U=e^{i\varphi /2}{\begin{bmatrix}e^{i\psi }&0\\0&e^{-i\psi }\end{bmatrix}}{\ begin{bmatrix}\cos \theta &\sin \theta \\-\sin \theta &\cos \theta \\\end{bmatrix}}{\begin{bmatrix}e^{i\delta }& 0\\0&e^{-i\delta }\end{bmatrix}}~.}

این عبارت رابطه بین 2*2 ماتریس های یکانی و 2 * 2 . θ زاویه ماتریس های متعامد

فاکتورگیری دیگر<[3] است

{\displaystyle U={\begin{bmatrix}\cos \rho &-\sin \rho \\\sin \rho &\;\;\cos \rho \\\end{bmatrix}}{\begin{bmatrix} e^{i\xi }&0\\0&e^{i\zeta }\end{bmatrix}}{\begin{bmatrix}\;\cos \sigma &\sin \sigma \\-\sin \sigma &\cos \sigma \\\end{bmatrix}}~.}

بسیاری از عوامل دیگر یک ماتریس یکانی در ماتریس های پایه امکان پذیر است.[4][5][6]<[7]

همچنین ببینید<[ویرایش]

  • ماتریس هرمیتی و

ماتریس کج-هرمیتین

  • تجزیه ماتریس
  • گروه متعامد O(n)
  • گروه متعامد خاص SO(n)
  • ماتریس متعامد
  • ماتریس نیمه متعامد
  • دروازه منطق کوانتومی
  • گروه یونیتی ویژه SU(n)
  • ماتریس سمپلتیک
  • گروه یکانی U(n)
  • اپراتور یکانی

مراجع ]ویرایش]

  1. ^ لی، چی کوانگ؛ پون، ادوارد (2002). "تجزیه افزودنی ماتریس های حقیقی". جبر خطی و چند خطی. 50 (4): 321–326. doi:10.1080/03081080290025507. S2CID 120125694.
  2. ^ هورن، راجر آ. جانسون، چارلز آر (2013). تحلیل ماتریس. انتشارات دانشگاه کمبریج. doi:10.1017/CBO9781139020411. ISBN 9781139020411.
  3. ^ فور، هارتموت؛ Rzeszotnik، Ziemowit (2018). "نکته ای در مورد فاکتورگیری ماتریس های یکانی". جبر خطی و کاربردهای آن. 547: 32–44. doi:10.1016/j.laa.2018.02.017. ISSN0024-3795. S2CID125455174.
  4. ^ ویلیامز، کالین پی. (2011). "دروازه های کوانتومی". در ویلیامز، کالین پی. اکتشافات در محاسبات کوانتومی. متون در علوم کامپیوتر. لندن، انگلستان: Springer. پ. 82. doi:10.1007/978-1-84628-887-6_2 ISBN 978-1-84628-887-6.
  5. ^ نیلسن، M.A.؛ چوانگ، آیزاک (2010). محاسبات کوانتومی و اطلاعات کوانتومی. کمبریج، انگلستان: انتشارات دانشگاه کمبریج. پ. 20. ISBN 978-1-10700-217-3. OCLC 43641333.
  6. ^ بارنکو، آدریانو؛ بنت، چارلز اچ. کلیو، ریچارد؛ دیوینچنزو، دیوید پی. مارگولوس، نورمن؛ شور، پیتر؛ و همکاران (1 نوامبر 1995). "دروازه های ابتدایی برای محاسبات کوانتومی". بازبینی فیزیکی A. انجمن فیزیک آمریکا (APS). 52 (5): 3457–3467، esp.p. 3465. arXiv:quant-ph/9503016. doi:10.1103/physreva.52.3457. ISSN1050-2947. PMID9912645. S2CID8764584.
  7. ^ مرویان، ایمان (10 ژانویه 2022). "محدودیت‌های عملیات یکانی قابل تحقق که توسط تقارن و محل اعمال می‌شود". فیزیک طبیعت. 18 (3): 283-289. arXiv:2003.05524. doi:10.1038/s41567-021-01464-0. ISSN1745-2481. S2CID245840243.

    همچنین ببینید:

    Alhambra، lvaro M. (10 ژانویه 2022). "ممنوع با تقارن". اخبار & بازدیدها فیزیک طبیعت. 18 (3): 235–236. doi:10.1038/s41567-021-01483-x. ISSN 1745-2481. S2CID 256745894. فیزیک سیستم های بزرگ اغلب به عنوان نتیجه عملیات محلی در میان اجزای آن درک می شود. اکنون نشان داده شده است که این تصویر ممکن است در سیستم های کوانتومی که برهمکنش های آنها توسط تقارن محدود شده است ناقص باشد.

پیوندهای خارجی[ویرایش]

  • وایسستاین، اریک دبلیو. "ماتریس یکانی". MathWorld. تاد رولند.
  • Ivanova, O. A. (2001) [1994]، "ماتریس یکانی"، دانشنامه ریاضیات، پرس EMS
  • "نشان دهید که مقادیر ویژه یک ماتریس یکانی دارای مدول 1 هستند". Stack Exchange. 28 مارس 2016

کاربرد و توضیح قضیه واگرایی

در حساب بردار ، قضیه واگرایی ، که به عنوان قضیه گاوس یا قضیه اوستروگرادسکی نیز شناخته می‌شود ، [1] قضیه‌ای است که شار یک میدان برداری را از یک سطح بسته به واگرایی میدان در حجم محصور مرتبط می‌کند.

به‌طور دقیق‌تر، قضیه واگرایی بیان می‌کند که انتگرال سطحی یک میدان برداری روی یک سطح بسته، که به آن «شار» در سطح می‌گویند، برابر است با انتگرال حجمی واگرایی در ناحیه داخل سطح. به طور شهودی بیان می‌کند که "مجموع همه منابع میدان در یک منطقه (با سینک‌هایی که به عنوان منابع منفی در نظر گرفته می‌شوند) شار خالص خارج از منطقه را می‌دهد.

قضیه واگرایی یک نتیجه مهم برای ریاضیات فیزیک و مهندسی است ، به ویژه در الکترواستاتیک و دینامیک سیالات . در این زمینه ها معمولا به صورت سه بعدی اعمال می شود. با این حال، به هر تعدادی از ابعاد تعمیم می یابد . در یک بعد، معادل یکپارچه سازی توسط قطعات است . در دو بعد، معادل قضیه گرین است .

توضیح با استفاده از جریان مایع [ ویرایش ]

میدان های برداری اغلب با استفاده از مثال میدان سرعت یک سیال ، مانند گاز یا مایع، نشان داده می شوند. یک مایع متحرک در هر نقطه دارای یک سرعت - یک سرعت و یک جهت - است که می تواند با یک بردار نمایش داده شود ، به طوری که سرعت مایع در هر لحظه یک میدان برداری را تشکیل می دهد. یک سطح بسته فرضی S را در داخل یک جسم مایع در نظر بگیرید که حجمی از مایع را در بر گرفته است. شار مایع از حجم در هر زمان برابر است با سرعت حجمی سیال که از این سطح عبور می کند، یعنی انتگرال سطح سرعت روی سطح.

از آنجایی که مایعات تراکم ناپذیر هستند، مقدار مایع داخل یک حجم بسته ثابت است. اگر هیچ منبع یا سینک در داخل حجم وجود نداشته باشد، شار مایع به خارج از S صفر است. اگر مایع در حال حرکت باشد، ممکن است در برخی از نقاط سطح S به حجم جریان یابد و در نقاط دیگر از حجم خارج شود، اما مقادیری که در هر لحظه به داخل و خارج می‌شوند برابر هستند، بنابراین شار خالص مایع از حجم صفر است

با این حال اگر یک منبع مایع در داخل سطح بسته باشد، مانند لوله ای که از طریق آن مایع وارد می شود، مایع اضافی بر مایع اطراف فشار وارد می کند و باعث ایجاد جریان به بیرون در همه جهات می شود. این باعث یک جریان خالص به بیرون از طریق سطح S می شود . شار به سمت خارج از طریق S برابر است با سرعت حجمی جریان سیال به S از لوله. به طور مشابه اگر یک سینک یا زهکشی در داخل S وجود داشته باشد ، مانند لوله ای که مایع را تخلیه می کند، فشار خارجی مایع باعث ایجاد سرعت در سراسر مایع به سمت داخل به سمت محل تخلیه می شود. سرعت حجم جریان مایع به سمت داخل از طریق سطح S برابر است با سرعت مایع خارج شده توسط سینک.

اگر چندین منبع و سینک مایع در داخل S وجود داشته باشد، شار از طریق سطح را می توان با جمع کردن میزان حجم مایع اضافه شده توسط منابع و کم کردن سرعت تخلیه مایع توسط سینک ها محاسبه کرد. سرعت حجم جریان مایع از طریق یک منبع یا سینک (با علامت منفی جریان از طریق سینک) برابر با واگرایی میدان سرعت در دهانه لوله است، بنابراین واگرایی مایع را در سرتاسر جمع می کنیم. حجم محصور شده توسط S برابر است با سرعت حجمی شار از طریق S. این قضیه واگرایی است. [2]

قضیه واگرایی در هر قانون حفاظتی به کار می رود که بیان می کند که حجم کل تمام سینک ها و منابع، یعنی انتگرال حجمی واگرایی، برابر با جریان خالص در سراسر مرز حجم است. [3]

میدان های الکترومغناطیس از نقطه نظر ارزش مرزی


میدان های الکترومغناطیس از نقطه نظر ارزش مرزی



  • 5.0 مقدمه
  • 5.1 راه حل های خاص و همگن معادلات پواسون و لاپلاس
  • 5.2 منحصر به فرد بودن راه حل های معادله پواسون
  • 5.3 شرایط تداوم
  • 5.4 راه حل های معادله لاپلاس در مختصات دکارتی
  • 5.5 گسترش مدال برای ارضای شرایط مرزی
  • 5.6 راه حل های معادله پواسون با شرایط مرزی
  • 5.7 راه حل های معادله لاپلاس در مختصات قطبی
  • 5.8 مثال در مختصات قطبی
  • 5.9 سه راه حل برای معادله لاپلاس در مختصات کروی
  • 5.10 راه حل های سه بعدی معادله لاپلاس
  • 5.11 خلاصه
  • منابع

5.0
مقدمه

قوانین الکتروکوازیستاتیک در فصل مورد بحث قرار گرفتند. 4. شدت میدان الکتریکی E غیر چرخشی است و با گرادیان منفی پتانسیل الکتریکی نشان داده می شود.

معادله GIF #5.1

اگر پتانسیل الکتریکی با چگالی بار توسط معادله پواسون مرتبط باشد ، قانون گاوس برآورده می شود.

معادله GIF #5.2

در مناطق بدون بار فضا، از معادله لاپلاس، (2)، با = 0 تبعیت می کند .

قسمت آخر فصل. 4 به یک رویکرد "فرصت طلبانه" برای یافتن راه حل های ارزش مرزی اختصاص داده شد. یک استثنا طرح عددی شرح داده شده در Sec. 4.8 که منجر به حل یک مسئله ارزش مرزی با استفاده از رویکرد منبع-برهم‌بندی شد. در این فصل، حمله مستقیم تری به حل مسائل مقدار مرزی بدون توسل به روش های عددی انجام می شود. این یکی از مواردی است که نه تنها به عنوان اثرات قطبش و هدایت به قوانین EQS، بلکه در برخورد با سیستم های MQS نیز به طور گسترده مورد استفاده قرار خواهد گرفت.

بار دیگر، برای کسانی که با توصیف دینامیک مدار خطی بر حسب معادلات دیفرانسیل معمولی آشنا هستند، تشبیهی مفید وجود دارد. با زمان به عنوان متغیر مستقل، پاسخ به درایوی که با t = 0 روشن می شود را می توان به دو روش تعیین کرد. اولی پاسخ را به عنوان برهم نهی پاسخ های ضربه ای نشان می دهد. انتگرال پیچیدگی به دست آمده نشان دهنده پاسخ برای تمام زمان ها، قبل و بعد از t = 0 و حتی زمانی که t = 0 است . این مشابه دیدگاهی است که در بخش اول فصل گرفته شده است. 4.

رویکرد دوم تاریخچه دینامیک را قبل از زمانی که t = 0 بر حسب شرایط اولیه نشان می دهد. با درک این که علاقه به زمان‌های بعد از t = 0 محدود می‌شود ، سپس پاسخ به بخش‌های «خاص» و «همگن» تقسیم می‌شود. راه حل خاص برای معادله دیفرانسیل که مدار را نشان می دهد منحصر به فرد نیست، اما تضمین می کند که در هر لحظه در محدوده زمانی مورد نظر، معادله دیفرانسیل برآورده می شود. این راه حل خاص نیازی به ارضای شرایط اولیه ندارد. در این فصل، "درایو" چگالی بار است، و پاسخ پتانسیل خاص تضمین می کند که معادله پواسون، (2)، در همه جا در منطقه فضایی مورد نظر برآورده می شود.

در مدار آنالوگ از محلول همگن برای برآوردن شرایط اولیه استفاده می شود. در مسئله میدانی، از راه حل همگن برای برآوردن شرایط مرزی استفاده می شود. در یک مدار، راه حل همگن را می توان به عنوان پاسخ به درایوهایی در نظر گرفت که قبل از زمانی که t = 0 (خارج از محدوده زمانی مورد نظر) رخ داده اند. در تعیین توزیع پتانسیل، پاسخ همگن با معادله لاپلاس، (2) با = 0 پیش‌بینی می‌شود و می‌توان آن را ناشی از بارهای ساختگی خارج از منطقه مورد نظر یا ناشی از بارهای سطحی ناشی از آن دانست. در مرزها

توسعه این ایده ها در Secs. 5.1-5.3 مستقل است و به آشنایی با نظریه مدار بستگی ندارد. با این حال، برای کسانی که با حل معادلات دیفرانسیل معمولی آشنا هستند، دیدن این که رویکردهایی که در اینجا برای برخورد با معادلات دیفرانسیل جزئی استفاده می شود، بسط طبیعی آنهایی هستند که برای معادلات دیفرانسیل معمولی استفاده می شوند، رضایت بخش است.

اگرچه اغلب می‌توان آن را ساده‌تر با روش‌های دیگر پیدا کرد، اما یک راه‌حل خاص همیشه از انتگرال برهم نهی ناشی می‌شود. بنابراین، هدف اصلی این فصل به سمت تعیین راه‌حل‌های همگن، یافتن راه‌حل‌هایی برای معادله لاپلاس است. بسیاری از پیکربندی های عملی دارای مرزهایی هستند که با تنظیم یکی از متغیرهای مختصات در یک سیستم مختصات سه بعدی برابر با یک ثابت توصیف می شوند. به عنوان مثال، جعبه ای با مقطع مستطیلی دارای دیوارهایی است که با تنظیم یک مختصات دکارتی برابر با یک ثابت برای توصیف مرز توصیف می شود. به طور مشابه، مرزهای یک استوانه دایره ای به طور طبیعی در مختصات استوانه ای توصیف می شود. بنابراین، علاقه زیادی به داشتن راه‌حل‌هایی برای معادله لاپلاس وجود دارد که به طور طبیعی با این پیکربندی‌ها «مطابق» می‌شوند. با مثال‌های زیادی که در بحث در هم تنیده شده‌اند، بیشتر این فصل به فهرست‌نویسی این راه‌حل‌ها اختصاص دارد. نتایج در این فصل برای توصیف فیلدهای EQS در فضای آزاد استفاده می شود. با این حال، از آنجایی که اثرات قطبش و رسانش به حوزه EQS اضافه می‌شود، و از آنجایی که سیستم‌های MQS با مغناطیس و هدایت در نظر گرفته می‌شوند، راه‌حل‌های همگن معادله لاپلاس که در این فصل ایجاد شده است، یک منبع مستمر خواهد بود.

مروری بر فصل. 4 راه حل های زیادی را برای معادله لاپلاس مشخص می کند. تا زمانی که منبع میدان خارج از ناحیه مورد نظر باشد، پتانسیل حاصل از معادله لاپلاس تبعیت می کند. تفاوت راه حل های ارائه شده در این فصل چیست؟ یک اشاره از روش عددی استفاده شده در Sec. 4.8 برای ارضای شرایط مرزی دلخواه. در آنجا، برهم نهی راه حل های N به معادله لاپلاس برای برآوردن شرایط در N نقطه روی مرزها استفاده شد. متأسفانه، برای تعیین دامنه این N راه حل، N معادله باید برای N مجهول حل می شد.

راه‌حل‌های معادله لاپلاس که در این فصل یافت می‌شوند نیز می‌توانند به عنوان اصطلاحات در یک سری نامتناهی استفاده شوند که برای برآوردن شرایط مرزی دلخواه ساخته شده‌اند. اما آنچه در مورد اصطلاحات این مجموعه متفاوت است، متعامد بودن آنهاست. این ویژگی راه‌حل‌ها، تعیین صریح دامنه‌های مجزا در سری را ممکن می‌سازد. مفهوم متعامد بودن توابع ممکن است از طریق مواجهه با تحلیل فوریه آشنا باشد. در هر صورت، ایده های اساسی درگیر در بخش معرفی شده اند. 5.5.

https://web.mit.edu/6.013_book/www/chapter5/5.0.html

راه حل های خاص و همگن معادلات پواسون و لاپلاس


5.1
راه حل های خاص و همگن معادلات پواسون و لاپلاس

فرض کنید می خواهیم یک موقعیت الکتروکوازیستاتیک را همانطور که در شکل 5.1.1 نشان داده شده است، تحلیل کنیم. یک توزیع بار ( r ) در قسمت فضای مورد نظر که با حجم V مشخص شده است مشخص می شود . این منطقه توسط هادی های کامل با شکل و مکان مشخص محدود شده است. پتانسیل های شناخته شده برای این هادی ها و سطح محصور اعمال می شود که ممکن است در بی نهایت باشد.

شکل شناور GIF شماره 1

شکل 5.1.1 حجم مورد نظر که می تواند در آن توزیع چگالی بار وجود داشته باشد. برای نشان دادن سطوح مرزی که پتانسیل روی آنها محدود شده است، n سطح جدا شده و یک سطح محصور نشان داده شده است.

در فضای بین هادی ها تابع پتانسیل از معادله پواسون پیروی می کند (5.0.2). راه حل خاصی از این معادله در حجم تجویز شده V توسط انتگرال برهم نهی داده شده است (4.5.3).

معادله GIF #5.3

این پتانسیل در هر نقطه از حجم V از معادله پواسون تبعیت می کند . از آنجایی که ما این معادله را خارج از حجم V ارزیابی نمی‌کنیم ، ادغام بر روی منابعی که در (1) فراخوانی شده‌اند، نیازی به هیچ منبع دیگری به جز منابع داخل حجم V ندارند . این امر روشن می کند که راه حل خاص منحصر به فرد نیست، زیرا افزودن به پتانسیل حاصل از ادغام بیش از بارهای دلخواه خارج از حجم V ، تنها باعث ایجاد پتانسیلی می شود که مشتق لاپلاسی آن در حجم V صفر است .

آیا (1) راه حل کامل است؟ از آنجا که منحصر به فرد نیست، پاسخ باید باشد، مطمئناً نه. علاوه بر این، واضح است که هیچ اطلاعاتی در مورد موقعیت و شکل هادی ها در این راه حل وجود ندارد. از این رو، میدان الکتریکی به دست آمده به عنوان گرادیان منفی پتانسیل p از (1)، به طور کلی، دارای یک جزء مماسی محدود بر روی سطوح الکترودها خواهد بود. از سوی دیگر، هادی ها دارای توزیع بار سطحی هستند که خود را طوری تنظیم می کنند که باعث می شود میدان الکتریکی خالص روی سطوح هادی ها دارای اجزای میدان الکتریکی مماس ناپدید شونده باشد. توزیع این بارهای سطحی در ابتدا مشخص نیست و از این رو نمی توان آن را در انتگرال (1) گنجاند.

راه برون رفت از این معضل به شرح زیر است: توزیع پتانسیلی که ما در فضایی که هادی ها اشغال نمی کنند، نتیجه دو توزیع بار است. اول توزیع بار حجمی تجویز شده است که منجر به تابع پتانسیل p می شود ، و دوم، بار توزیع شده روی سطوح هادی است. تابع پتانسیل تولید شده توسط بارهای سطحی باید از معادله پواسون بدون منبع در فضای V مورد نظر تبعیت کند. اجازه دهید این راه حل را به شکل همگن معادله پواسون با تابع پتانسیل h نشان دهیم . سپس در حجم h باید معادله لاپلاس را برآورده کند.

معادله GIF #5.4

سپس اصل برهم نهی نوشتن پتانسیل کل را به عنوان امکان پذیر می کند

معادله GIF #5.5

مشکل یافتن توزیع کامل میدان اکنون به یافتن راه حلی کاهش می یابد که پتانسیل خالص (3) دارای پتانسیل های تجویز شده v i در سطوح S i باشد . اکنون p شناخته شده است و می توان آن را در سطح S i ارزیابی کرد . ارزیابی (3) در S i می دهد

معادله GIF #5.6

به طوری که محلول همگن بر روی مرزهای S i تجویز می شود .

معادله GIF #5.7

از این رو، تعیین یک میدان الکتروکوازیستاتیک با پتانسیل های تعیین شده بر روی مرزها به یافتن جواب معادله لاپلاس، (2) کاهش می یابد، که شرط مرزی ارائه شده توسط (5) را برآورده می کند.

رویکردی که در این بخش رسمیت یافته است، دیدگاه دیگری است که برای مسائل ارزش مرزی در قسمت آخر فصل قابل استفاده است. 4. مطمئناً، نمای انتزاعی وضعیت ارزش مرزی ارائه شده در شکل 5.1.1 با شکل 4.6.1 تفاوتی ندارد. در مثال 4.6.4، میدان نشان داده شده در شکل 4.6.8 برای بار نقطه ای مجاور یک الکترود کروی با بار خنثی برابر تعیین می شود. در حجم V مورد علاقه در خارج از الکترود، توزیع بار حجمی منفرد است، بار نقطه ای q . پتانسیل داده شده توسط (4.6.35)، در واقع به شکل (3) است. راه حل خاص را می توان به عنوان اولین جمله، پتانسیل شارژ نقطه ای در نظر گرفت. عبارت دوم و سوم که معادل پتانسیل های ناشی از بارهای ساختگی درون کره هستند را می توان به عنوان راه حل همگن در نظر گرفت.

برهم نهی برای ارضای شرایط مرزی

در بخش های بعدی، برهم نهی اغلب به روش دیگری برای برآوردن شرایط مرزی استفاده می شود. فرض کنید که در حجم V چگالی بار وجود ندارد و دوباره پتانسیل های هر یک از n سطح S j v j است . سپس

معادله GIF #5.8

معادله GIF #5.9

محلول به یک برهم نهی از محلول‌های j تقسیم می‌شود که شرایط مورد نیاز را در سطح j- امین دارند ، اما در تمام موارد دیگر صفر هستند.

معادله GIF #5.10

معادله GIF #5.11

هر جمله راه حلی برای معادله لاپلاس (6) است، بنابراین مجموع آن نیز است.

معادله GIF #5.12

در ثانیه 5.5، روشی برای برآوردن شرایط مرزی دلخواه در یکی از چهار سطحی که حجم مورد علاقه را در بر می گیرد، توسعه داده شده است.

ماتریس ظرفیت

فرض کنید که در سیستم الکترود n بار خالص روی الکترود i قرار است پیدا شود. با توجه به (8)، انتگرال E d a بر روی سطح S i که این الکترود را در بر می گیرد، سپس

معادله GIF #5.13

به دلیل خطی بودن معادله لاپلاس، پتانسیل j متناسب با ولتاژ تحریک کننده آن پتانسیل، v j است . نتیجه می شود که (11) را می توان بر حسب پارامترهای خازنی که مستقل از تحریکات هستند نوشت. یعنی (11) می شود

معادله GIF #5.14

جایی که ضرایب خازن هستند

معادله GIF #5.15

بار روی الکترود i- امین برهم نهی خطی مشارکت همه n ولتاژ است. ضریب ضرب ولتاژ خود، C ii ، خود خازن نامیده می شود ، در حالی که بقیه، C ij ، i j ، ظرفیت های متقابل هستند .

https://web.mit.edu/6.013_book/www/chapter5/5.1.html

منحصر به فرد بودن راه حل های معادله پواسون

5.2
منحصر به فرد بودن راه حل های معادله پواسون

در این بخش نشان خواهیم داد که توزیع پتانسیل مطابق با معادله پواسون در یک حجم V به طور کامل مشخص می شود اگر پتانسیل روی سطوح محدود کننده آن حجم مشخص شود. چنین قضیه منحصربه‌فردی به دو دلیل مفید است: (الف) به ما می‌گوید که اگر چنین راه‌حلی برای معادله پواسون پیدا کرده‌ایم، چه با تحلیل ریاضی یا بینش فیزیکی، تنها راه‌حل را یافته‌ایم. و (ب) به ما می گوید که چه شرایط مرزی برای مشخص کردن یک راه حل مناسب است. اگر باری در حجم مورد نظر وجود نداشته باشد، آنگاه قضیه منحصر به فرد بودن راه حل های معادله لاپلاس را بیان می کند.

با پیروی از روش "reductio ad absurdum"، فرض می کنیم که راه حل منحصر به فرد نیست - دو راه حل a و b وجود دارند که شرایط مرزی یکسانی را برآورده می کنند - و سپس نشان می دهیم که این غیرممکن است. راه حل های احتمالاً متفاوت a و b باید معادله پواسون را با توزیع بار یکسان و باید شرایط مرزی یکسانی را برآورده کنند.

معادله GIF #5.16

معادله GIF #5.17

نتیجه می شود که با

d

که به عنوان تفاوت در دو پتانسیل تعریف می شود،

d = a - b ،

معادله GIF #5.18

اکنون یک استدلال ساده نشان می‌دهد که تنها راهی که d می‌تواند هم معادله لاپلاس را برآورده کند و هم در تمام سطوح مرزی صفر باشد، صفر بودن آن است. اول، استدلال می شود که d نمی تواند در هیچ نقطه ای از V دارای حداکثر یا حداقل باشد . با کمک شکل 5.2.1، منفی گرادیان d را تجسم کنید ، یک خط میدان که از نقطه ای r o می گذرد . از آنجا که میدان سلونوئیدی است (بدون واگرایی)، چنین خط میدانی نمی تواند در V شروع یا متوقف شود (بخش 2.7). علاوه بر این، فیلد یک پتانسیل را تعریف می کند (4.1.4). از این رو، همانطور که در امتداد خط میدان در جهت گرادیان منفی پیش می رود، پتانسیل باید کاهش یابد تا زمانی که خط میدان به یکی از سطوح S i محدود کننده V برسد . به طور مشابه، در جهت مخالف، پتانسیل باید افزایش یابد تا به یکی از سطوح دیگر برسد. بر این اساس، تمام مقادیر حداکثر و حداقل d ( r ) باید روی سطوح قرار گیرند.

شکل شناور GIF شماره 2

شکل 5.2.1 خط میدانی که از یک قسمت از سطح مرزی منشا گرفته و پس از عبور از نقطه r o به دیگری ختم می شود.

پتانسیل اختلاف در هر نقطه داخلی نمی تواند مقداری بزرگتر یا کوچکتر از بزرگترین یا کوچکترین مقدار پتانسیل روی سطوح را در نظر بگیرد. اما سطوح خود در پتانسیل صفر هستند. نتیجه این است که پتانسیل اختلاف در همه جای V صفر است و a = b . بنابراین، تنها یک راه حل برای مسئله مقدار مرزی بیان شده با (1) وجود دارد.

جواب های مختصات قطبی به معادله لاپلاس


5.8
مثال در مختصات قطبی

با هدف الحاق بینش فیزیکی به جواب های مختصات قطبی به معادله لاپلاس، دو نوع مثال جالب توجه است. ابتدا مسائل کلاسیک خاصی هستند که راه حل های ساده ای دارند. دوم، نمونه‌هایی هستند که به رویکرد مودال قابل اجرا نیاز دارند که برآوردن شرایط مرزی دلخواه را ممکن می‌سازد.

استوانه هم پتانسیل در میدان الکتریکی کاربردی یکنواخت در نظر گرفته شده در مثال اول در دسته اول قرار دارد. در حالی که یک نمونه مهم به منبع مطالعات موردی ما اضافه شده است، این مثال همچنین دارای ارزش عملی است زیرا امکان تخمین‌هایی را در سیستم‌های مهندسی پیچیده می‌دهد، شاید میزان تمرکز یک میدان کاربردی روی یک شی استوانه‌ای شکل باشد.

شکل شناور GIF شماره 24

شکل 5.8.1 مرزهای طبیعی در مختصات قطبی ناحیه V را در بر می گیرد .

در کلی ترین مسئله در دسته دوم، پتانسیل های دلخواه بر روی مرزهای مختصات قطبی که یک ناحیه V را در بر می گیرند، اعمال می شوند ، همانطور که در شکل 5.8.1 نشان داده شده است. پتانسیل برهم نهی چهار راه حل است که هر کدام محدودیت پتانسیل را در یکی از مرزها برآورده می کند در حالی که در سه راه دیگر صفر است. در مختصات دکارتی، رویکرد مورد استفاده برای یافتن یکی از این چهار راه‌حل، رویکرد مودال Sec. 5.5، مستقیماً برای سه مورد دیگر اعمال می شود. یعنی در نوشتن جواب ها می توان نقش های x و y را با هم عوض کرد. از سوی دیگر، در مختصات قطبی مجموعه راه حل های مورد نیاز برای نشان دادن پتانسیل تحمیل شده بر روی مرزها در r = a یا r = b با محدودیت های پتانسیل در مرزهای = 0 یا = o متفاوت است . مثال‌های 5.8.2 و 5.8.3 دو نوع راه‌حل مورد نیاز برای تعیین فیلدها را در کلی‌ترین حالت نشان می‌دهند. در مورد دوم، پتانسیل در مجموعه ای از توابع متعامد که سینوس یا کسینوس نیستند، گسترش می یابد. این فرصتی را به وجود می‌آورد که از ویژگی متعامد بودن راه‌حل‌های محصول معادله لاپلاس که در بسیاری از سیستم‌های مختصات دیگر غالب است، قدردانی کنیم.

راه حل های ساده

مثالی که اکنون در نظر گرفته می شود اولین مورد از یک سری مطالعات موردی "سیلندری" است که بر روی همان راه حل های m = 1 ساخته شده است . در فصل بعد، سیلندر به یک دی الکتریک قطبی تبدیل می شود. در فصل 7، رسانایی محدودی خواهد داشت و مبنایی را برای تعیین اینکه یک رسانا باید چقدر "بی نقص" باشد تا مدل هم پتانسیل مورد استفاده در اینجا را توجیه کند، فراهم می کند. در فصل. 8-10، میدان مغناطیسی خواهد بود و استوانه ابتدا کاملاً رسانا، سپس قابل مغناطیسی شدن، و در نهایت پوسته ای با رسانایی محدود خواهد بود. به دلیل سادگی راه‌حل‌های دوقطبی مورد استفاده در این سری از مثال‌ها، در هر مورد می‌توان بر روی فیزیک تمرکز کرد بدون اینکه حواس‌تان به جزئیات ریاضی پرت شود.

مثال 5.8.1. سیلندر هم پتانسیل در یک میدان الکتریکی یکنواخت

یک میدان الکتریکی یکنواخت E a در جهتی عمود بر محور استوانه ای (کاملاً) رسانا اعمال می شود. بنابراین، سطح رسانا، که در r = R است ، یک هم پتانسیل است. هدف تعیین توزیع میدان است که با حضور سیلندر اصلاح شده است.

از آنجا که شرایط مرزی بر روی یک سطح استوانه ای مدور بیان می شود، استفاده از مختصات قطبی طبیعی است. برانگیختگی میدان از «بی‌نهایت» می‌آید، جایی که میدان یکنواخت، با قدر E a و جهت x شناخته می‌شود. از آنجا که راه حل ما باید به این میدان یکنواخت دور از استوانه نزدیک شود، مهم است که در ابتدا تشخیص دهیم که پتانسیل آن، که در مختصات دکارتی -E a x است .

معادله GIF #5.106

به این باید پتانسیل تولید شده توسط بارهای القا شده بر روی سطح هادی را اضافه کرد تا سطح یک پتانسیل برابر حفظ شود. از آنجا که راه حل ها باید در کل محدوده 0 < < 2 نگه داشته شوند ، فقط مقادیر صحیح ثابت جداسازی m مجاز هستند، یعنی فقط راه حل هایی که در ادواری هستند . اگر بخواهیم تابعی را به (1) اضافه کنیم که پتانسیل را در r = R صفر می کند ، باید مقدار داده شده توسط (1) را در هر نقطه از سطح استوانه لغو کند. دو راه حل در جدول 5.7.1 وجود دارد که وابستگی cos مشابه (1) دارند. ما وابستگی 1/r را انتخاب می‌کنیم زیرا به صورت r به صفر می‌رسد و از این رو پتانسیل را در بی‌نهایتی که قبلاً با (1) داده شده، مختل نمی‌کند. با یک ضریب دلخواه A ، راه حل است

معادله GIF #5.107

از آنجا که = 0 در r = R ، ارزیابی این عبارت نشان می دهد که شرط مرزی در هر زاویه ارضا می شود اگر

معادله GIF #5.108

و پتانسیل بنابراین است

معادله GIF #5.109

معادلات داده شده توسط این عبارت در شکل 5.8.2 نشان داده شده است. توجه داشته باشید که صفحه x = 0 با حذف یک ثابت افزایشی در (1) دارای پتانسیل صفر در نظر گرفته شده است. خطوط میدان نشان داده شده در این شکل از گرفتن گرادیان (4) پیروی می کنند.

شکل شناور GIF شماره 25

شکل 5.8.2 هم پتانسیل ها و خطوط میدان برای هدایت کامل سیلندر در میدان الکتریکی اولیه یکنواخت.

معادله GIF #5.110

خطوط میدان تمایل به تمرکز روی سطح دارند که در آن = 0 و = . در این مکان ها، فیلد حداکثر و دو برابر فیلد اعمال شده است. اکنون که مسئله مقدار مرزی حل شده است، بار سطحی هادی استوانه ای از شرایط پرش گاوس، (5.3.2) و این واقعیت که هیچ میدانی در داخل استوانه وجود ندارد، ناشی می شود.

معادله GIF #5.111

در گذشته نگر، شرایط مرزی در سطح استوانه ای دایره ای با افزودن به پتانسیل یکنواخت یک دوقطبی خط جهت دار x برآورده شده است . لحظه آن برای ایجاد میدانی است که میدان مماسی بر روی سطح ناشی از میدان تحمیلی را خنثی کند.

حالت های آزیموتال

مثال قبل موقعیتی را در نظر گرفت که در آن معادله لاپلاس در کل محدوده 0 < < 2 رعایت می شود . دو مثال بعدی نشان می‌دهد که چگونه راه‌حل‌های مختصات قطبی با شرایط ملاقات در مرزهای مختصات قطبی که مکان‌های دلخواه دارند مطابق شکل 5.8.1 سازگار می‌شوند.

مثال 5.8.2. تجزیه و تحلیل مودال در : زمینه های داخل و اطراف گوشه ها

پیکربندی نشان داده شده در شکل 5.8.3، که در آن پتانسیل روی دیواره های ناحیه V در r = b و در = 0 و = o صفر است ، اما v روی یک الکترود منحنی در r = a است ، مختصات قطبی است. مشابه آن چیزی که در بخش دوم در نظر گرفته شده است. 5.5. چه راه حل هایی از جدول 5.7.1 مناسب است؟ ناحیه ای که معادله لاپلاس باید در آن رعایت شود، دایره کاملی را اشغال نمی کند، و از این رو هیچ الزامی وجود ندارد که پتانسیل تابع تک مقداری باشد . ثابت جداسازی m می تواند مقادیر غیر صحیح را در نظر بگیرد.

شکل شناور GIF شماره 26

شکل 5.8.3 منطقه مورد نظر با مرزهای پتانسیل صفر در = 0، = o ، و r = b و الکترود در r = a دارای پتانسیل v است .

ما سعی خواهیم کرد تا با استفاده از راه حل های جداگانه جدول 5.7.1، شرایط مرزی را در سه مرز با پتانسیل صفر برآورده کنیم. از آنجایی که پتانسیل در 0 = صفر است ، شرایط کسینوس و ln(r) حذف می شوند. شرط اینکه پتانسیل نیز در = o صفر باشد ، توابع و ln(r) را حذف می کند . علاوه بر این، این واقعیت که توابع سینوسی باقیمانده باید صفر باشند در = o به ما می گوید که m o = n . راه حل های ستون آخر مناسب نیستند زیرا بیش از یک بار به عنوان تابعی از صفر از صفر عبور نمی کنند . بنابراین، ما به دو راه حل در ستون دوم هدایت می شویم که متناسب با گناه هستند (n / o ) .

معادله GIF #5.112

در نوشتن این جواب‌ها، r به b نرمال شده‌اند ، زیرا پس از آن با بررسی مشخص می‌شود که چگونه ضرایب A n و B n برای ایجاد پتانسیل صفر در r = b، An = -B n مرتبط هستند .

معادله GIF #5.113

هر جمله در این سری نامتناهی شرایط سه مرزی را که به پتانسیل صفر محدود شده اند برآورده می کند. اکنون همه اصطلاحات برای برآورده کردن شرایط در مرز "آخرین" استفاده می شوند، جایی که r = a . در آنجا باید پتانسیلی را نشان دهیم که به طور ناگهانی از صفر به v در = 0 می پرد ، در همان v تا = o باقی می ماند و سپس ناگهان از v به صفر می پرد. تعیین ضرایب در (8) که باعث می شود مجموعه ای از توابع سینوسی این شرط مرزی را برآورده کنند مانند (5.5.4) در آنالوگ دکارتی در نظر گرفته شده در Sec. 5.5. پارامتر n (x/a) از Sec. 5.5 اکنون باید با n ( / o ) شناسایی شود . با پتانسیل داده شده توسط (8) که در r = a ارزیابی می شود ، ضرایب باید مانند (5.5.17) و (5.5.18) باشد. بنابراین، برای برآورده کردن "آخرین" شرط مرزی، (8) به توزیع پتانسیل مورد نظر تبدیل می شود.

معادله GIF #5.114

توزیع پتانسیل و شدت میدان حاصل از این نتیجه بسیار شبیه به ناحیه مقطع مستطیلی است که در شکل 5.5.3 نشان داده شده است. شکل 5.8.3 را ببینید.

در حدی که b 0 است ، پتانسیل داده شده توسط (9) تبدیل می شود

معادله GIF #5.115

و پیکربندی های نشان داده شده در شکل 5.8.4 را شرح می دهد. اگرچه ناحیه گوه‌ای شکل «تحریف» معقولی از آنالوگ دکارتی آن است، میدان در ناحیه‌ای با گوشه بیرونی ( / o < 1) نیز با (10) نشان داده می‌شود. تا زمانی که عبارت اصلی دارای توان / o > 1 باشد ، عبارت اصلی در گرادیان [با توان ( / o ) - 1 ] در مبدا به صفر نزدیک می شود. این بدان معنی است که میدان در یک گوه با o < در راس خود به صفر نزدیک می شود. با این حال، اگر / o < 1 ، که برای < o < 2 درست است همانطور که در شکل 5.8.4b نشان داده شده است، عبارت اصلی در گرادیان دارای توان ( / o ) - 1 < 0 است ، و از این رو میدان به بی نهایت نزدیک می شود. به عنوان r 0 . نتیجه می گیریم که میدان در همسایگی یک لبه تیز بی نهایت است. این مشاهده درسی برای طراحی اشکال رسانا به منظور جلوگیری از خرابی الکتریکی می آموزد. از لبه های تیز خودداری کنید!

شکل شناور GIF شماره 27

شکل 5.8.4 ناحیه پای شکل با مرزهای پتانسیل صفر در = 0 و = o و الکترود دارای پتانسیل v در r = a . (الف) با زاویه کمتر از 180 درجه، میدان‌ها از ناحیه نزدیک به مبدأ محافظت می‌شوند. (ب) با زاویه بیشتر از 180 درجه، میدان ها تمایل به تمرکز در مبدا دارند.

حالت های شعاعی

حالت‌های نشان‌داده‌شده تا کنون وابستگی‌های سینوسی دارند، و از این رو برهم‌نهی آنها شکل یک سری فوریه را به خود گرفته است. برای برآورده ساختن شرایط مرزی تحمیل شده بر روی صفحات ثابت، مجدداً لازم است که مجموعه ای بی نهایت از راه حل ها برای معادله لاپلاس داشته باشیم. اینها نشان می‌دهند که چگونه می‌توان از راه‌حل‌های محصول معادله لاپلاس برای ارائه حالت‌های متعامد که سری فوریه نیستند استفاده کرد.

برای برآوردن شرایط مرزی پتانسیل صفر در r = b و r = a ، لازم است که تابع حداقل دو بار از صفر عبور کند. این روشن می کند که راه حل ها باید از آخرین ستون جدول 5.7.1 انتخاب شوند. توابعی که با توابع سینوس و کسینوس متناسب هستند می توانند به همان اندازه با تابع سینوس جابجا شده در فاز (ترکیب خطی از سینوس و کسینوس) متناسب باشند. این تغییر فاز به گونه‌ای تنظیم می‌شود که تابع صفر شود که در آن r = b ، به طوری که وابستگی شعاعی به صورت بیان می‌شود.

معادله GIF #5.116

و با تنظیم تابع در r = a صفر شود

معادله GIF #5.117

که در آن n یک عدد صحیح است.

راه‌حل‌هایی که اکنون تعریف شده‌اند را می‌توان روی هم قرار داد تا یک سری مشابه با سری فوریه تشکیل دهد.

معادله GIF #5.118

برای a/b = 2 ، سه عبارت اول این سری در شکل 5.8.5 نشان داده شده است. آنها شباهت هایی به سینوسی ها دارند اما هندسه قطبی را با داشتن قله ها و گذرگاه های صفر که به سمت مقادیر کم r منحرف شده اند منعکس می کنند .

شکل شناور GIF #28

شکل 5.8.5 توزیع شعاعی سه حالت اول که توسط (13) برای a/b = 2 ارائه شده است . حالت n = 3 وابستگی شعاعی برای پتانسیل نشان داده شده در شکل 5.7.6 است.

با یک تابع وزنی g(r) = r -1 ، این حالت ها متعامد هستند به این معنا که

معادله GIF #5.119

می توان از معادله دیفرانسیل تعریف کننده R(r) , (5.7.5) و شرایط مرزی نشان داد که اگر ادغام بیش از حاصل ضرب حالت های مختلف باشد، ادغام صفر می شود. اثبات مشابه با آنچه در مختصات دکارتی در Sec ارائه شده است. 5.5.

اکنون مثالی را در نظر بگیرید که در آن از این حالت ها برای برآوردن یک شرط مرزی خاص استفاده می شود.

مثال 5.8.3. تحلیل مودال در r

ناحیه مورد نظر مانند مثال قبلی است. با این حال، همانطور که در شکل 5.8.6 نشان داده شده است، شرایط مرزی پتانسیل صفر در r = a و r = b و در = 0 هستند . مرز "آخرین" اکنون در = o است ، جایی که یک الکترود متصل به منبع ولتاژ پتانسیل یکنواخت v را تحمیل می کند .

شکل شناور GIF شماره 29

شکل 5.8.6 منطقه با مرزهای پتانسیل صفر در r = a، r = b و = 0 . الکترود در = o دارای پتانسیل v است .

شرایط مرزی شعاعی با استفاده از توابع شرح داده شده توسط (13) برای وابستگی شعاعی برآورده می شود. از آنجا که پتانسیل صفر است که در آن = 0 است، استفاده از سینوس هذلولی برای نشان دادن وابستگی راحت است. بنابراین، از راه حل های ستون آخر جدول 5.7.1، ترکیب خطی دوم و چهارم را می گیریم.

معادله GIF #5.120

استفاده از رویکردی مشابه با آن برای ارزیابی ضرایب فوریه در Sec. 5.5، اکنون از (15) در مرز "آخرین" استفاده می کنیم، که در آن = o و = v ، هر دو طرف را در حالت Rm تعریف شده با (13) و در ضریب وزنی 1/r ضرب می کنیم و در دهانه شعاعی ادغام می کنیم. منطقه

معادله GIF #5.121

از میان سری نامتناهی سمت راست، شرط متعامد، (14)، تنها عبارت m را انتخاب می کند . بنابراین، معادله را می توان برای A m و m n حل کرد . با جایگزینی u = m ln(r/b)/ln(a/b) ، انتگرال ها را می توان به صورت بسته انجام داد.

معادله GIF #5.122

تصویری از توزیع های پتانسیل و شدت میدان نشان داده شده توسط (15) و گرادیان منفی آن با "خم کردن" ناحیه مستطیلی نشان داده شده در شکل 5.5.3 به ناحیه منحنی شکل 5.8.6 به تصویر کشیده شده است. نقش y اکنون توسط .

https://web.mit.edu/6.013_book/www/chapter5/5.8.html

سه راه حل برای معادله لاپلاس در مختصات کروی

سه راه حل برای معادله لاپلاس در مختصات کروی

روش به کار گرفته شده برای حل معادله لاپلاس در مختصات دکارتی را می توان برای حل همان معادله در مختصات کروی شکل 5.9.1 تکرار کرد. ما تاکنون راه حل هایی را در نظر گرفته ایم که تنها به دو متغیر مستقل بستگی دارند. در مختصات کروی، اینها معمولا r و . بنابراین این راه حل های دو بعدی شرایط مرزی کره ها و مخروط ها را برآورده می کنند.

شکل شناور GIF شماره 30

شکل 5.9.1 سیستم مختصات کروی.

به جای شروع به کاوش در راه حل های ضرب در مختصات کروی، توجه در این بخش به سه راه حل معادله لاپلاس معطوف شده است که قبلاً آشنا بوده و به طور قابل ملاحظه ای مفید هستند. اینها برای کاوش فرآیندهای فیزیکی اعم از قطبش و پویایی آرامش بار گرفته تا القای مغناطیس و جریانهای گردابی مورد استفاده قرار خواهند گرفت.

با این فرض که وابستگی وجود ندارد ، معادله لاپلاس در مختصات کروی است (جدول I)

معادله GIF #5.123

اولین جواب از سه راه حل این معادله مستقل از پتانسیل بار نقطه ای است.

معادله GIF #5.124

اگر شکی وجود داشته باشد، جایگزینی نشان می دهد که معادله لاپلاس واقعاً برآورده شده است. البته در مبدایی که شارژ نقطه ای قرار دارد راضی نمی شود.

یکی دیگر از راه حل های موجود در قبل، دوقطبی سه بعدی است، (4.4.10).

معادله GIF #5.125

این راه حل به تابعی از r به تنهایی و به تنهایی تبدیل می شود، و از این رو باید در توسعه راه حل های حاصل از معادله لاپلاس در مختصات کروی استفاده شود. جایگزینی نشان می دهد که آن نیز راه حل (1) است.

راه حل سوم نشان دهنده یک میدان الکتریکی یکنواخت با جهت z در مختصات کروی است. چنین میدانی دارای پتانسیلی است که در z خطی و در مختصات کروی z = r cos است . بنابراین، پتانسیل وجود دارد

معادله GIF #5.126

این دو راه حل آخر، برای دوقطبی سه بعدی در مبدأ و میدان ناشی از بارهای z ، مشابه راه حل های دوقطبی در دو بعد هستند، راه حل های m = 1 که با cos از ستون دوم جدول 5.7 متناسب هستند. .1. با این حال، توجه داشته باشید که پتانسیل دوقطبی دو بعدی به صورت r -1 تغییر می کند ، در حالی که پتانسیل دوقطبی سه بعدی دارای وابستگی r -2 است . همچنین توجه داشته باشید که در حالی که دوقطبی مختصات قطبی می تواند جهت دلخواه داشته باشد (می تواند یک سینوس و همچنین یک تابع کسینوس یا هر ترکیب خطی از اینها باشد)، دوقطبی سه بعدی جهت z است . یعنی تابع کسینوس در (3) را با تابع سینوسی جایگزین نکنید و انتظار داشته باشید که پتانسیل معادله لاپلاس را در مختصات کروی برآورده کند.

مثال 5.9.1. کره هم پتانسیل در یک میدان الکتریکی یکنواخت

یک قطره باران را در میدان الکتریکی در نظر بگیرید. اگر در غیاب افت، آن میدان روی بسیاری از شعاع های افت R یکنواخت باشد ، میدان در مجاورت قطره را می توان با در نظر گرفتن میدان یکنواخت "دور از کره" محاسبه کرد. میدان جهت z است و دارای قدر E a است . بنابراین، در مقیاس افت، پتانسیل باید به میدان یکنواخت (4) به صورت r نزدیک شود .

معادله GIF #5.127

در فصل خواهیم دید. 7 که فقط میکرو ثانیه طول می کشد تا یک قطره آب در هوا به یک پتانسیل همسان تبدیل شود. این شرط که پتانسیل در r = R صفر باشد و در عین حال به پتانسیل (5) به عنوان r نزدیک شود ، با افزودن به (5) پتانسیل یک دوقطبی در مبدا، یک ضریب قابل تنظیم بار (3) برآورده می شود. با نوشتن وابستگی های r نرمال شده به شعاع افت R ، می توان مستقیماً مشاهده کرد که این ضریب باید چقدر باشد. یعنی راه حل پیشنهادی این است

معادله GIF #5.128

و واضح است که برای صفر کردن این تابع در r = R، A = -1 .

معادله GIF #5.129

توجه داشته باشید که اگرچه پیکربندی یک میله کاملا رسانا در یک میدان الکتریکی عرضی یکنواخت (همانطور که در مثال 5.8.1 در نظر گرفته شد) بسیار متفاوت از کره کاملا رسانا در یک میدان الکتریکی یکنواخت است، پتانسیل ها از استدلال های بسیار مشابه استنتاج می شوند، و در واقع پتانسیل ها مشابه به نظر می رسند. در مقطع، توزیع پتانسیل و شدت میدان مشابه استوانه ای است که در شکل 5.8.2 نشان داده شده است. البته ظاهر آنها در فضای سه بعدی بسیار متفاوت است. برای پیکربندی مختصات قطبی، هم پتانسیل های نشان داده شده، مقاطع عرضی استوانه ها هستند، در حالی که برای افت کروی، آنها مقطع سطوح چرخشی هستند. در هر دو مورد، پتانسیل به دست آمده (توسط کره یا میله) پتانسیل صفحه تقارن نرمال با میدان اعمال شده است.

بار سطحی روی سطح کروی از (7) پیروی می کند.

معادله GIF #5.130

بنابراین، برای E a > 0 ، قطب شمال با بار سطحی مثبت درپوش دارد در حالی که قطب جنوب دارای بار منفی است. اگرچه ما راه حل دوم در (7) را ناشی از یک دوقطبی ساختگی می‌دانیم که در مرکز کره قرار دارد، اما در واقع میدان این بارهای سطحی را نشان می‌دهد. برخلاف میله، که در آن حداکثر میدان دو برابر میدان یکنواخت است، از (8) نتیجه می‌شود که میدان در قطب‌های کره با ضریب سه تشدید می‌شود.

در استفاده عملی از راه حل یافت شده در اینجا، "میدان یکنواخت در بی نهایت E a " میدانی است که به آرامی در ابعاد به ترتیب شعاع افت R تغییر می کند . برای نشان دادن این ایده با عبارات خاص، فرض کنید که میدان تحمیلی به دلیل بار نقطه ای دور است. این وضعیتی است که در مثال 4.6.4 در نظر گرفته شده است، جایی که میدان تولید شده توسط یک بار نقطه ای و یک کره رسانا در نظر گرفته می شود. اگر بار نقطه ای بسیار دور از کره باشد، میدان آن در موقعیت کره اساساً در ناحیه اشغال شده توسط کره یکنواخت است. (برای ارتباط جهت فیلدهای مثال 4.6.4 با مورد حاضر، محور = 0 را از مرکز کره به سمت بار نقطه ای نصب کنید. همچنین برای مثبت کردن میدان در مجاورت کره، آن را ایجاد کنید. بار نقطه ای منفی، q -q .)

در مرکز کره، قدر شدت میدان ناشی از بار نقطه ای است

معادله GIF #5.131

مقدار بار تصویر، که توسط (4.6.34) داده شده است، برابر است

معادله GIF #5.132

و در فاصله D = R 2 /X از مرکز کره قرار دارد . اگر قرار است کره بدون شارژ باشد، یک بار استحکام -Q 1 باید در مرکز آن نصب شود. اگر X در مقایسه با R بسیار بزرگ باشد ، فاصله D به اندازه ای کوچک می شود که این بار و بار داده شده توسط (10) یک دوقطبی قدرت را تشکیل دهند.

معادله GIF #5.133

پتانسیل حاصل از این گشتاور دوقطبی با (4.4.10) داده می‌شود که p با استفاده از این گشتاور ارزیابی می‌شود. با کمک (9)، میدان دوقطبی القا شده توسط بار نقطه ای به عنوان تشخیص داده می شود

معادله GIF #5.134

همانطور که توسط (7) شاهد بودیم، این پتانسیل مشابه پتانسیلی است که ما برای افزودن به پتانسیل میدان یکنواخت به منظور تطابق با شرایط مرزی روی کره ضروری دیدیم.

از سه راه حل مختصات کروی معادله لاپلاس که در این بخش ارائه شد، در مثال قبلی تنها دو مورد مورد نیاز بود. بعدی از هر سه استفاده می کند.

مثال 5.9.2. کره هم پتانسیل شارژ شده در یک میدان الکتریکی یکنواخت

فرض کنید که کره بسیار رسانا از مثال 5.9.1 حامل بار خالص q است در حالی که در میدان الکتریکی اعمال شده یکنواخت Ea غوطه ور است . برق‌رسانی طوفان رعد و برق شواهدی است که نشان می‌دهد قطرات باران اغلب باردار می‌شوند و Ea می‌تواند میدانی باشد که به طور جمعی تولید می‌کنند .

در غیاب این شارژ خالص، پتانسیل با (7) داده می شود. در مرز r = R ، اگر پتانسیل بار نقطه‌ای را در مبدأ قدر q اضافه کنیم، این پتانسیل یکنواخت باقی می‌ماند .

معادله GIF #5.135

پتانسیل سطح از صفر به q/4 o R افزایش یافته است ، اما این پتانسیل مستقل از میدان الکتریکی مماسی صفر است.

هزینه امتیاز البته ساختگی است. بار واقعی بر روی سطح توزیع می شود و از (13) پیدا می شود

معادله GIF #5.136

هنگامی که عبارت داخل پرانتز ناپدید می شود، زمانی که q/q c < 1 و

معادله GIF #5.137

شکل 5.9.2a حل گرافیکی این معادله است. برای Ea و q مثبت، بار سطحی مثبت که کره را پوشانده است به نیمکره جنوبی گسترش می یابد . توزیع پتانسیل و میدان الکتریکی که توسط (13) در نظر گرفته شده است در شکل 5.9.2b نشان داده شده است. اگر q از q c 12 o E a R 2 بیشتر شود ، کل سطح کره با چگالی بار سطحی مثبت پوشیده شده و E در کل سطح به سمت بیرون هدایت می شود.

شکل شناور GIF شماره 31

شکل 5.9.2 (الف) راه حل گرافیکی (15) برای زاویه c که در آن میدان الکتریکی از بیرون به سمت داخل روی سطح کره تغییر می کند. (ب) پتانسیل‌های همسان و خطوط میدان برای کره‌ای که کاملاً رسانا است که دارای بار خالص $q$ در یک میدان الکتریکی اولیه یکنواخت است.

https://web.mit.edu/6.013_book/www/chapter5/5.9.html

راه حل های سه بعدی معادله لاپلاس

مرزهای طبیعی احاطه کننده حجم هایی که معادله پواسون باید در آنها برآورده شود در شکل 5.10.1 برای سه سیستم مختصات استاندارد نشان داده شده است. به طور کلی، توزیع پتانسیل در داخل حجم با توزیع پتانسیل دلخواه بر روی سطوح مرزی مطلوب است.

شکل شناور GIF #32

شکل 5.10.1 حجم های تعریف شده توسط مرزهای طبیعی در مختصات (الف) دکارتی، (ب) استوانه ای، و (ج) کروی.

اولین مورد در نظر گرفته شده در این بخش، گسترش راه حل های ضرب دو بعدی مختصات دکارتی و بسط های مودال معرفی شده در Secs است. 5.4 و 5.5 تا سه بعدی. با توجه به توزیع پتانسیل دلخواه بر روی یکی از شش سطح جعبه نشان داده شده در شکل 5.10.1، و با توجه به اینکه پنج سطح دیگر در پتانسیل صفر هستند، جواب معادله لاپلاس در داخل چیست؟ در صورت لزوم، می توان از برهم نهی شش راه حل برای برآوردن شرایط دلخواه در هر شش مرز استفاده کرد.

برای استفاده از رویکرد مودال یکسان در پیکربندی هایی که مرزها برای سایر سیستم های مختصات دکارتی طبیعی هستند، برای مثال استوانه ای و کروی نشان داده شده در شکل 5.10.1، اساساً از همان بسط ایده های اساسی که قبلاً نشان داده شده است استفاده می شود. با این حال، راه حل های ضرب شامل عملکردهای کمتر آشنا هستند. برای کسانی که راه‌حل‌های دو بعدی، نحوه استفاده از آنها برای برآوردن شرایط مرزی دلخواه و نحوه گسترش آنها به پیکربندی مختصات دکارتی سه‌بعدی را می‌دانند، ادبیات ذکر شده در این بخش باید دسترسی آماده به آنچه برای بهره‌برداری از راه‌حل‌ها لازم است را فراهم کند. سیستم های مختصات جدید علاوه بر سه سیستم مختصات استاندارد، بسیاری دیگر وجود دارند که معادله لاپلاس راه‌حل‌های ضرب را می‌پذیرد. بخش آخر این بخش به عنوان مقدمه ای بر این سیستم های مختصات و راه حل های ضرب مرتبط در نظر گرفته شده است.

راه حل های ضرب مختصات دکارتی

در سه بعدی معادله لاپلاس است

معادله GIF #5.138

ما به دنبال راه‌حل‌هایی می‌گردیم که به‌عنوان ضربی از تابع x به تنهایی، X(x) ، تابعی از y به تنهایی، Y(y) و تابعی از z به تنهایی، Z(z) قابل بیان هستند .

معادله GIF #5.139

با معرفی (2) به (1) و تقسیم بر

معادله GIF #5.140

تابع x به تنهایی، به یکی از y و یکی از z به تنهایی، صفر را به دست می دهد. از آنجایی که x، y ، و z متغیرهای مستقل هستند، مجموع صفر تنها در صورتی امکان پذیر است که هر یک از این سه «تابع» در واقع برابر با یک ثابت باشند. مجموع این ثابت ها باید صفر باشد.

معادله GIF #5.141

معادله GIF #5.142

توجه داشته باشید که اگر دو مورد از این سه ثابت جداسازی مثبت باشد، لازم است که سومی منفی باشد. ما این را با نوشتن (4) بر این اساس پیش بینی کردیم. راه حل های (4) هستند

معادله GIF #5.143

معادله GIF #5.144

معادله GIF #5.145

جایی که

معادله GIF #5.146

البته، نقش‌های مختصات را می‌توان عوض کرد، بنابراین جهت x یا z را می‌توان وابستگی نمایی در نظر گرفت. از این راه‌حل‌ها مشخص می‌شود که پتانسیل نمی‌تواند تناوبی یا نمایی در وابستگی‌هایش به هر سه مختصات باشد و همچنان راه‌حلی برای معادله لاپلاس باشد. در نگارش (6) با در نظر گرفتن X و Z به عنوان تناوبی، محدودیت‌های پتانسیل را در صفحات ثابت y برآورده کرده‌ایم .

بسط مودال در مختصات دکارتی

می توان ثابت ها و جواب ها را از (6) انتخاب کرد تا شرایط مرزی پتانسیل صفر در پنج مرز از شش مرز برقرار شود. با مختصات همانطور که در شکل 5.10.1a نشان داده شده است، توابع سینوسی برای X و Z برای اطمینان از پتانسیل صفر در صفحات x = 0 و z = 0 استفاده می شود . برای صفر کردن پتانسیل در صفحات x = a و z = w لازم است که

معادله GIF #5.147

حل این معادلات مقدار ویژه k x = m /a، k z = n /w را به دست می دهد و از این رو

معادله GIF #5.148

که در آن m و n اعداد صحیح هستند.

برای ایجاد پتانسیل صفر در مرز پنجم، بگوییم که در آن y = 0 ، تابع سینوس هذلولی برای نشان دادن وابستگی y استفاده می شود . بنابراین، مجموعه‌ای از راه‌حل‌ها که هر کدام یک شرط بالقوه صفر در پنج مرز را دارند، هستند

معادله GIF #5.149

کجا با توجه به (5)

معادله GIF #5.150

اینها را می توان برای برآوردن یک محدودیت پتانسیل دلخواه در مرز "آخرین"، جایی که y = b استفاده کرد . مثال زیر که Sec را گسترش می دهد. 5.5، این مفهوم را نشان می دهد.

مثال 5.10.1. تضعیف کننده خازنی در سه بعدی

در تضعیف کننده مثال 5.5.1، توزیع میدان دو بعدی تقریب خوبی است زیرا یک بعد مقطعی در مقایسه با دیگری کوچک است. در شکل 5.5.5، a \ll w . اگر ابعاد مقطع a و w قابل مقایسه باشند، همانطور که در شکل 5.10.2 نشان داده شده است، میدان را می توان با برهم نهی مودال ارائه شده توسط (9) نشان داد.

معادله GIF #5.151

شکل شناور GIF شماره 33

شکل 5.10.2 ناحیه محدود شده با پتانسیل صفر در x = 0، x = a، z = 0، z = w و y = 0 . الکترود صفحه y = b را برای داشتن v پتانسیل محدود می کند .

در پنج صفحه x = 0، x = a، y = 0، z = 0 و z = w پتانسیل صفر است. در صفحه y = b ، توسط یک الکترود متصل به یک منبع ولتاژ، به v محدود شده است .

ارزیابی (10) در سطح الکترود باید v را بدهد .

معادله GIF #5.152

ضرایب A mn با بهره برداری از متعامد بودن توابع ویژه تعیین می شود. به این معنا که،

معادله GIF #5.153

جایی که

معادله GIF #5.154

مراحلی که اکنون به بیانی برای هر ضریب معین A mn منجر می‌شوند ، بسط طبیعی آنهایی هستند که در Sec استفاده می‌شوند. 5.5. هر دو طرف (11) در تابع ویژه X i Z j ضرب می شوند و سپس هر دو طرف روی سطح در y = b ادغام می شوند .

معادله GIF #5.155

به دلیل فرم ضرب هر عبارت، ادغام ها را می توان روی x و z به طور جداگانه انجام داد. با توجه به شرایط متعامد، (12)، تنها جمله غیر صفر در سمت راست در جمع m = i و n = j آمده است . این امکان حل معادله ضریب A ij را فراهم می کند . سپس با جایگزینی i m و j \rightarrow n به دست می آوریم

معادله GIF #5.156

انتگرال را می توان برای هر توزیع معینی از پتانسیل انجام داد. در این موقعیت خاص، پتانسیل سطح در y = b یکنواخت است. بنابراین، ادغام می دهد

معادله GIF #5.157

پتانسیل مورد نظر که شرایط مرزی را در هر شش سطح برآورده می کند، با (10) و (15) داده می شود. توجه داشته باشید که عبارت اول در راه حلی که پیدا کردیم با عبارت اول در نمایش میدان دو بعدی یکسان نیست (5.5.9). مهم نیست نسبت a به w چقدر باشد ، اولین عبارت در جواب سه بعدی یک وابستگی سینوسی به z دارد ، در حالی که عبارت دوبعدی هیچ وابستگی به z ندارد .

برای تضعیف کننده خازنی شکل 5.5.5، چه سیگنال خروجی با این نمایش سه بعدی پیش بینی می شود؟ از (10) و (15) شارژ الکترود خروجی است

معادله GIF #5.158

جایی که

معادله GIF #5.159

با v = V sin t ، در می یابیم که v o = V o cos t در کجا

معادله GIF #5.160

با استفاده از (16)، نتیجه می شود که دامنه ولتاژ خروجی است

معادله GIF #5.161

جایی که ولتاژ نرمال شده است

معادله GIF #5.162

و

معادله GIF #5.163

این عبارت می تواند برای جایگزینی نمودار شکل 5.5.5 استفاده شود. در اینجا ما پیش بینی های دو بعدی و سه بعدی ولتاژ خروجی را با در نظر گرفتن (18) در حد b a مقایسه می کنیم . در این حد، سینوس هذلولی تحت تسلط یکی از نمایی های آن قرار می گیرد و اولین جمله در این سری به دست می دهد.

معادله GIF #5.164

در حد a/w \ll 1 ، وابستگی به فاصله بین الکترودهای ورودی و خروجی بیان شده توسط سمت راست با مدل دو بعدی یکسان می شود (5.5.15). با این حال، U ' = (8/ 2 )U بدون در نظر گرفتن a/w .

این مثال مختصات دکارتی سه‌بعدی نشان می‌دهد که چگونه از خاصیت متعامد بودن راه‌حل ضرب برای ارائه پتانسیلی که روی پنج مرز صفر است در حالی که هر توزیع دلخواه را در مرز ششم فرض می‌کنیم، استفاده می‌شود. در این سطح ششم، پتانسیل شکل می گیرد

معادله GIF #5.165

جایی که

معادله GIF #5.166

توابع دو بعدی F mn برای نشان دادن شرایط مرزی "آخرین" استفاده شده است. این سری فوریه دو بعدی جایگزین سری فوریه تک بعدی Sec. 5.5 (5.5.17). در مثال، تابع موج مربعی دو بعدی نشان داده شده در شکل 5.10.3 را نشان می دهد. توجه داشته باشید که این تابع همانطور که باید در امتداد x = 0 ، x = a و z = 0، z = w به صفر می رسد. با عبور از هر یک از این خطوط "گرهی" علامت تغییر می کند، اما محدوده خارج از مستطیل اصلی هیچ علاقه فیزیکی ندارد، و از این رو رفتار خارج از آن محدوده بر اعتبار راه حل اعمال شده در مثال تأثیر نمی گذارد. از آنجایی که تابع نمایش داده شده در هر دو x و y فرد است ، می توان آن را فقط با توابع سینوسی نشان داد.

شکل شناور GIF #34

شکل 5.10.3 تابع موج مربعی دو بعدی که برای نشان دادن پتانسیل الکترود برای سیستم شکل 5.10.2 در صفحه y = b استفاده می شود .

هجوم ما به بسط های مودال سه بعدی، مفهوم متعامد بودن توابع را با توجه به یک فاصله یک بعدی تا قائم مقامی توابع با توجه به بخش دوبعدی یک صفحه گسترش می دهد. ما قادریم ضرایب V mn را در (20) تعیین کنیم زیرا این ضرایب برای تناسب با پتانسیل تجویز شده در سطح "ششم" ساخته شده است، زیرا اصطلاحات در سری متعامد هستند به این معنا که

معادله GIF #5.167

در سایر سیستم های مختصات، یک رابطه متعامد مشابه برای راه حل های ضرب ارزیابی شده در یکی از سطوح تعریف شده توسط یک مختصات طبیعی ثابت وجود دارد. به طور کلی، یک تابع وزنی، توابع ویژه را در انتگرال انتگرال سطحی که مشابه (21) است، ضرب می کند.

به جز برخی موارد خاص، این تا جایی است که در بررسی راه حل های ضرب سه بعدی معادله لاپلاس پیش خواهیم رفت. در ادامه این بخش، ارجاعاتی به ادبیات برای راه حل های استوانه ای، کروی و سایر سیستم های مختصات داده شده است.

بسط مودال در سایر مختصات

یک حجم کلی که دارای مرزهای طبیعی در مختصات استوانه ای است در شکل 5.10.1b نشان داده شده است. راه حل های ضرب معادله لاپلاس شکل می گیرند

معادله GIF #5.168

مختصات قطبی Sec. 5.7 یک مورد خاص است که در آن Z(z) یک ثابت است.

معادلات دیفرانسیل معمولی، مشابه (4) و (5) که F( ) و Z(z) را تعیین می کنند ، دارای ضرایب ثابت هستند و از این رو راه حل ها به ترتیب سینوس ها و کسینوس های m و kz هستند . وابستگی شعاعی توسط یک معادله دیفرانسیل معمولی پیش بینی می شود که مانند (5.7.5)، دارای ضرایب متغیر در فضا است. متأسفانه، با وابستگی z ، راه حل ها به سادگی چند جمله ای نیستند. در عوض، آنها توابع بسل از مرتبه m و آرگومان kr هستند . همانطور که برای حل های ضرب معادله لاپلاس اعمال می شود، این توابع در متون فیلدهای استاندارد [1-4] توضیح داده شده اند . توابع بسل و مرتبط با آن در متون و رساله های ریاضیات توسعه یافته اند [5-8] .

همانطور که در دو و اکنون سه بعدی نشان داده شده است، راه حل یک توزیع پتانسیل دلخواه بر روی مرزها را می توان به عنوان برهم نهی راه حل هایی که هر کدام دارای پتانسیل مورد نظر در یک مرز و پتانسیل صفر در بقیه هستند، نوشت. خلاصه شده در جدول 5.10.1 اشکال به دست آمده توسط محلول ضرب، (22)، در نشان دادن پتانسیل برای توزیع دلخواه در سطح مشخص شده است. برای مثال، اگر پتانسیل روی سطح ثابت r تحمیل شود ، وابستگی شعاعی توسط توابع نظم حقیقی و استدلال مختلط بسل به دست می‌آید. آنچه برای نمایش در سطح ثابت r لازم است، توابعی هستند که در و z تناوبی هستند ، بنابراین انتظار داریم که این توابع بسل وابستگی نمایی مانند به r داشته باشند .

جدول 5.10.1 شکل راه حل های معادله LAPLACE در مختصات کلیندریکال هنگامی که پتانسیل در سطح داده شده محدود شده است و سایرین در پتانسیل صفر هستند

سطح
ثابتR(r)F( )Z(z)

rتوابع نظم حقیقی بسل و استدلال مختلط (توابع بسل اصلاح شده)توابع مثلثاتی آرگومان حقیقیتوابع مثلثاتی آرگومان حقیقی

کارکردهای نظم مختلط بسل و استدلال مختلطتوابع مثلثاتی استدلال مختلطتوابع مثلثاتی آرگومان حقیقی

zتوابع نظم حقیقی و استدلال حقیقی بسلتوابع مثلثاتی آرگومان حقیقیتوابع مثلثاتی استدلال مختلط

در مختصات کروی، محلول های ضرب شکل می گیرند

معادله GIF #5.169

از راه حل های مختصات استوانه ای، می توان حدس زد که توابع جدیدی برای توصیف R(r) مورد نیاز است . در واقع، اینها چند جمله ای ساده هستند. وابستگی با یک معادله ضریب ثابت پیش‌بینی می‌شود و از این رو با توابع مثلثاتی آشنا نشان داده می‌شود. اما این وابستگی توسط توابع لژاندر توصیف شده است. برخلاف توابع بسل که با سری های چند جمله ای نامتناهی توصیف می شوند، توابع لژاندر چند جمله ای های محدودی در cos ( ) هستند . در رابطه با معادله لاپلاس، جواب ها در متون فیلدها خلاصه می شوند [1-4] . به عنوان راه حل برای معادلات دیفرانسیل معمولی، چند جمله ای های لژاندر در متون ریاضی ارائه شده اند [5،7] .

نام سایر سیستم‌های مختصات سطوحی را نشان می‌دهد که با تنظیم یکی از متغیرها برابر با ثابت هستند: مختصات استوانه‌ای بیضوی و مختصات کروی پرولات نمونه‌هایی هستند که در آنها معادله لاپلاس قابل تفکیک است [2] . اولین قدم در بهره برداری از این سیستم های جدید، نوشتن عملگرهای لاپلاسین و سایر عملگرهای دیفرانسیل بر حسب آن مختصات است. این نیز در مراجع داده شده توضیح داده شده است.

5.11
خلاصه

در این فصل دو موضوع وجود دارد. اول، تقسیم یک راه حل برای معادله دیفرانسیل جزئی به یک بخش خاص است که برای متعادل کردن "درایو" در معادله دیفرانسیل طراحی شده است، و یک بخش همگن، که برای برآورده کردن راه حل کل با شرایط مرزی استفاده می شود. این فصل معادله پواسون را حل می کند. "درایو" به دلیل چگالی بار حجمی است و شرایط مرزی بر حسب پتانسیل های تعیین شده بیان می شود. در فصل‌های بعدی، رویکرد مورد استفاده در اینجا برای مسائل ارزش مرزی که موقعیت‌های فیزیکی مختلف را نشان می‌دهند، اعمال خواهد شد. معادلات دیفرانسیل و شرایط مرزی متفاوت خواهند بود، اما به دلیل خطی بودن آنها، می توان از همان رویکرد استفاده کرد.

دوم موضوع راه‌حل‌های حاصل معادله لاپلاس است که به‌دلیل متعامد بودن آن‌ها می‌توانند برای برآوردن شرایط مرزی دلخواه روی هم قرار گیرند. محور این بیانیه را می توان تا پایان ثانیه قدردانی کرد. 5.5. در پیکربندی در نظر گرفته شده در آن بخش، پتانسیل در تمام مرزهای دکارتی طبیعی یک منطقه محصور به جز یکی صفر است. نشان داده شده است که راه‌حل‌های محصول را می‌توان برای برآوردن یک شرط بالقوه دلخواه در مرز "آخرین" روی هم قرار داد. با ساختن مرز "آخرین" هر یک از مرزها و در صورت نیاز، روی هم قرار دادن راه حل های سری به تعداد مرزها، می توان شرایط دلخواه را در همه مرزها برآورده کرد. بخش مختصات قطبی این فرصت را می‌دهد که این ایده‌ها را به سیستم‌هایی که مختصات قابل تعویض نیستند تعمیم دهیم، در حالی که بخش راه‌حل‌های دکارتی سه‌بعدی تعمیم معمولی به سه بعد را نشان می‌دهد.

در فصول بعدی، نیاز مکرر به حل معادله لاپلاس وجود خواهد داشت. برای این منظور، اغلب از سه دسته راه حل استفاده می شود: راه حل های دکارتی جدول 5.4.1، مختصات قطبی جدول 5.7.1، و سه راه حل مختصات کروی از Sec. 5.9. در فصل 10، که در آن پدیده های انتشار مغناطیسی معرفی شده اند و در فصل. در شکل 13، جایی که امواج الکترومغناطیسی توضیح داده شده است، کاربرد این ایده ها برای انتشار و معادلات هلمهولتز نشان داده شده است.

  1. M. Zahn، نظریه میدان الکترومغناطیسی: رویکرد حل مسئله ، جان وایلی و پسران، نیویورک (1979).

  2. پی. مون و دی اسپنسر، نظریه میدانی برای مهندسان ، ون نوستراند، پرینستون، نیوجرسی (1961).

  3. S. Ramo، JR Whinnery، و T. Van Duzer، میدان‌ها و امواج در ارتباطات الکترونیک ، جان وایلی و پسران، نیویورک (1967).

  4. JR Melcher، Continuum Electromechanics ، MIT Press، کمبریج، ماساچوست (1981).

  5. FB Hildebrand, Advanced Calculus for Applications , Prentice-Hall, Inc, Englewood Cliffs, NJ (1962).

  6. GN Watson، A Treatise on Theory of Bessel Functions ، انتشارات دانشگاه کمبریج، لندن EC4. (1944).

  7. PM Morse and H. Feshbach, Methods of Theoretical Physics , McGraw-Hill Book Co., NY (1953).

  8. NW McLachlan، توابع بسل برای مهندسین ، انتشارات دانشگاه آکسفورد، لندن EC4 (1941).

https://web.mit.edu/6.013_book/www/chapter5/5.10.html

عملگر لاپلاس

از ویکیپدیا، دانشنامه آزاد

این مقاله در مورد عملگر ریاضی در زمینه های اسکالر است. برای عملکرد میدانهای برداری، لاپلاس بردار را ببینید . برای توزیع احتمال لاپلاس، توزیع لاپلاس را ببینید . برای مفهوم نظری نمودار، به لاپلاسی ماتریس مراجعه کنید .

بخشی از مجموعه مقالات در مورد

حساب دیفرانسیل و انتگرال

  • قضیه اساسی
  • محدودیت ها
  • تداوم
  • قضیه رول
  • قضیه مقدار میانگین
  • قضیه تابع معکوس

نشان می دهد

دیفرانسیل

نشان می دهد

انتگرال

نشان می دهد

سلسله

پنهان شدن

بردار

  • شیب
  • واگرایی
  • حلقه
  • لاپلاسی
  • مشتق جهت دار
  • اتحاد ها

قضایا

  • شیب
  • سبز
  • استوکس
  • واگرایی
  • استوکس تعمیم یافته

نشان می دهد

چند متغیره

نشان می دهد

پیشرفته

نشان می دهد

تخصصی

نشان می دهد

در ریاضیات ، عملگر لاپلاس یا لاپلاسین یک عملگر دیفرانسیل است که از واگرایی گرادیان یک تابع اسکالر در فضای اقلیدسی به دست می‌آید . معمولاً با نمادها نشان داده می شود\nabla\cdot\nabla\nabla ^{2}(جایی که\nablaعملگر nabla است )، یا\ دلتا. در یک سیستم مختصات دکارتی , لاپلاسین با مجموع مشتقات جزئی دوم تابع نسبت به هر متغیر مستقل داده می شود . در سایر سیستم های مختصات ، مانند مختصات استوانه ای و کروی ، لاپلاسین نیز شکل مفیدی دارد. به طور غیررسمی، f  ( p ) لاپلاسی تابع f در یک نقطه p اندازه می‌گیرد که مقدار میانگین f روی کره‌های کوچک یا توپ‌هایی که در مرکز p هستند، از f  ( p ) چقدر انحراف دارد .

عملگر لاپلاس از نام ریاضیدان فرانسوی پیر سیمون د لاپلاس (1749-1827) نامگذاری شده است، که برای اولین بار این عملگر را برای مطالعه مکانیک سماوی به کار برد : لاپلاسین پتانسیل گرانشی ناشی از توزیع چگالی جرم معین، مضرب ثابتی از آن توزیع چگالی راه حل های معادله لاپلاس f = 0 توابع هارمونیک نامیده می شوند و پتانسیل های گرانشی ممکن را در مناطق خلاء نشان می دهند .

لاپلاسین در بسیاری از معادلات دیفرانسیل که پدیده های فیزیکی را توصیف می کنند، رخ می دهد. معادله پواسون پتانسیل های الکتریکی و گرانشی را توصیف می کند . معادله انتشار گرما و جریان سیال را توصیف می کند . معادله موج انتشار موج را توصیف می کند . و معادله شرودینگر تابع موج را در مکانیک کوانتومی توصیف می کند . در پردازش تصویر و بینایی کامپیوتری ، از اپراتور لاپلاسین برای کارهای مختلفی مانند تشخیص حباب و لبه استفاده شده است . لاپلاسین ساده ترین عملگر بیضوی است و در هسته نظریه هاج و همچنین نتایج کومولوژی د رام قرار دارد .

تعریف [ ویرایش ]

عملگر لاپلاس یک عملگر دیفرانسیل مرتبه دوم در فضای اقلیدسی n بعدی است که به عنوان واگرایی (⋅\nabla \cdot) از گرادیان (\nabla f). بنابراین اگرfیک تابع با ارزش حقیقی دو بار متمایز است ، سپس لاپلاسی ازfتابع با ارزش حقیقی است که توسط:

{\displaystyle \Delta f=\nabla ^{2}f=\nabla \cdot \nabla f}

( 1 )

جایی که نمادهای اخیر از نوشتن رسمی ناشی می شوند:

{\displaystyle \nabla =\left({\frac {\partial }{\partial x_{1}}},\ldots ,{\frac {\partial }{\partial x_{n}}}\right).}

به صراحت، لاپلاسین f حاصل مجموع تمام مشتقات جزئی دوم غیر مخلوط در مختصات دکارتی x i است :

{\displaystyle \Delta f=\sum _{i=1}^{n}{\frac {\partial ^{2}f}{\partial x_{i}^{2}}}}

( 2 )

به عنوان یک عملگر دیفرانسیل مرتبه دوم، عملگر لاپلاس توابع Ck را به توابع Ck - 2 برای k ≥ 2 نگاشت می کند . این یک عملگر خطی : C k ( R n ) → C k −2 ( R n ) یا به طور کلی، یک عملگر : C k (Ω) → C k −2 (Ω) برای هر مجموعه باز Ω است. R n _

انگیزه [ ویرایش ]

انتشار [ ویرایش ]

در تئوری فیزیکی انتشار ، عملگر لاپلاس به طور طبیعی در توصیف ریاضی تعادل به وجود می آید . [1] به طور خاص، اگر u چگالی در تعادل مقداری مانند غلظت شیمیایی باشد، شار خالص u از مرز ∂ V هر ناحیه صاف V صفر است، مشروط بر اینکه هیچ منبع یا فرورفتگی در V وجود نداشته باشد :

{\displaystyle \int _{\partial V}\nabla u\cdot \mathbf {n} \,dS=0,}

که در آن n واحد بیرونی نرمال با مرز V است . با قضیه واگرایی ،

{\displaystyle \int _{V}\operatorname {div} \nabla u\,dV=\int _{\partial V}\nabla u\cdot \mathbf {n} \,dS=0.}

از آنجایی که این برای همه مناطق صاف V صادق است ، می توان نشان داد که به این معنی است:

{\displaystyle \operatorname {div} \nabla u=\Delta u=0.}سمت چپ این معادله عملگر لاپلاس است و کل معادله u = 0 به عنوان معادله لاپلاس شناخته می شود . راه حل های معادله لاپلاس، یعنی توابعی که لاپلاسین آنها یکسان صفر است، بنابراین چگالی های تعادلی ممکن را تحت نفوذ نشان می دهند.

عملگر لاپلاس خود یک تفسیر فیزیکی برای انتشار غیرتعادلی دارد به عنوان میزانی که یک نقطه نشان دهنده منبع یا سینک غلظت شیمیایی است، به معنایی که معادله انتشار دقیق است . این تفسیر از لاپلاسی نیز با حقیقیت زیر در مورد میانگین ها توضیح داده می شود.

میانگین ها [ ویرایش ]

با توجه به یک تابع دو بار متمایز پیوسته:{\displaystyle f:\mathbb {R} ^{n}\to \mathbb {R} }و یک نکته {\displaystyle p\in \mathbb {R} ^{n}}. سپس، مقدار متوسط ​​ازfبالای توپ با شعاع ساعتمتمرکز درپاست: [2]

{\displaystyle {\overline {f}}_{B}(p,h)=f(p)+{\frac {\Delta f(p)}{2(n+2)}}h^{2} +o(h^{2})\quad {\text{for}}\;\;h\to 0}

به طور مشابه، مقدار متوسط ​​ازfبر روی کره (مرز یک توپ) با شعاع ساعتمتمرکز درپاست:

{\displaystyle {\overline {f}}_{S}(p,h)=f(p)+{\frac {\Delta f(p)}{2n}}h^{2}+o(h^ {2})\quad {\text{for}}\;\;h\to 0.}

چگالی مرتبط با پتانسیل [ ویرایش ]

اگر φ نشان دهنده پتانسیل الکترواستاتیک مرتبط با توزیع بار q باشد، خود توزیع بار توسط منفی لاپلاسین φ بدست می آید :

{\displaystyle q=-\varepsilon _{0}\Delta \varphi ,}

جایی که ε 0 ثابت الکتریکی است .

این نتیجه قانون گاوس است . در واقع، اگر V هر ناحیه صاف با مرز ∂ V باشد ، طبق قانون گاوس، شار میدان الکترواستاتیک E در سراسر مرز با بار محصور شده متناسب است:

{\displaystyle \int _{\partial V}\mathbf {E} \cdot \mathbf {n} \,dS=\int _{V}\operatorname {div} \mathbf {E} \,dV={\frac {1}{\varepsilon _{0}}}\int _{V}q\,dV.}

که در آن برابری اول ناشی از قضیه واگرایی است . از آنجایی که میدان الکترواستاتیک شیب (منفی) پتانسیل است، این نشان می دهد:

{\displaystyle -\int _{V}\operatorname {div} (\operatorname {grad} \varphi )\,dV={\frac {1}{\varepsilon _{0}}}\int _{V}q \,dV.}

از آنجایی که این برای همه مناطق V صادق است ، باید داشته باشیم

{\displaystyle \operatorname {div} (\operatorname {grad} \varphi )=-{\frac {1}{\varepsilon _{0}}}q}

همین رویکرد نشان می دهد که منفی لاپلاسین پتانسیل گرانشی توزیع جرم است . اغلب توزیع بار (یا جرم) داده می شود و پتانسیل مرتبط ناشناخته است. یافتن تابع پتانسیل تحت شرایط مرزی مناسب معادل حل معادله پواسون است .

به حداقل رساندن انرژی [ ویرایش ]

انگیزه دیگر برای ظاهر شدن لاپلاسین در فیزیک این است که راه حل های f = 0 در ناحیه U توابعی هستند که انرژی دیریکله را ثابت می کنند :

{\displaystyle E(f)={\frac {1}{2}}\int _{U}\lVert \nabla f\rVert ^{2}\,dx.}

برای مشاهده این، فرض کنید f : U → R یک تابع است و u : U → R تابعی است که در مرز U ناپدید می شود . سپس:

{\displaystyle \left.{\frac {d}{d\varepsilon }}\right|_{\varepsilon =0}E(f+\varepsilon u)=\int _{U}\nabla f\cdot \nabla u \,dx=-\int _{U}u\,\Delta f\,dx}

که در آن آخرین برابری با استفاده از اولین اتحاد گرین دنبال می شود . این محاسبه نشان می دهد که اگر f = 0 باشد ، E در اطراف f ثابت است . برعکس، اگر E حول f ثابت باشد ، آنگاه f = 0 توسط لم اساسی حساب تغییرات .

عبارات مختصات [ ویرایش ]

دو بعدی [ ویرایش ]

عملگر لاپلاس در دو بعد توسط:

در مختصات دکارتی ،

{\displaystyle \Delta f={\frac {\partial ^{2}f}{\partial x^{2}}}+{\frac {\partial ^{2}f}{\partial y^{2} }}}که در آن x و y مختصات دکارتی استاندارد صفحه xy هستند .

در مختصات قطبی ،

{\displaystyle {\begin{aligned}\Delta f&={\frac {1}{r}}{\frac {\partial }{\partial r}}\left(r{\frac {\partial f}{\ r partial r}}\right)+{\frac {1}{r^{2}}}{\frac {\partial ^{2}f}{\partial \theta ^{2}}}\\&={ \frac {\partial ^{2}f}{\partial r^{2}}}+{\frac {1}{r}}{\frac {\partial f}{\partial r}}+{\frac {1}{r^{2}}}{\frac {\partial ^{2}f}{\partial \theta ^{2}}},\end{aligned}}}

که r نشان دهنده فاصله شعاع ی و θ زاویه است.

سه بعدی [ ویرایش ]

همچنین ببینید: دل در مختصات استوانه ای و کروی

در سه بعد، کار با لاپلاسین در انواع سیستم های مختصات مختلف رایج است.

در مختصات دکارتی ،

{\displaystyle \Delta f={\frac {\partial ^{2}f}{\partial x^{2}}}+{\frac {\partial ^{2}f}{\partial y^{2} }}+{\frac {\partial ^{2}f}{\partial z^{2}}}.}

در مختصات استوانه ای ،

{\displaystyle \Delta f={\frac {1}{\rho }}{\frac {\partial }{\partial \rho }}\left(\rho {\frac {\partial f}{\partial \rho }}\right)+{\frac {1}{\rho ^{2}}}{\frac {\partial ^{2}f}{\partial \varphi ^{2}}}+{\frac {\ جزئی ^{2}f}{\جزئی z^{2}}}،}

جایی که\rhoنشان دهنده فاصله شعاع ی، φ زاویه آزیموت و z ارتفاع است.

در مختصات کروی :

{\displaystyle \Delta f={\frac {1}{r^{2}}}{\frac {\partial }{\partial r}}\left(r^{2}{\frac {\partial f} {\partial r}}\right)+{\frac {1}{r^{2}\sin \theta }}{\frac {\partial }{\partial \theta }}\left(\sin \theta { \frac {\partial f}{\partial \theta }}\right)+{\frac {1}{r^{2}\sin ^{2}\theta }}{\frac {\partial ^{2} f}{\partial \varphi ^{2}}}،}یا

{\displaystyle \Delta f={\frac {1}{r}}{\frac {\partial ^{2}}{\partial r^{2}}}(rf)+{\frac {1}{r ^{2}\sin \theta }}{\frac {\partial }{\partial \theta }}\left(\sin \theta {\frac {\partial f}{\partial \theta }}\right)+ {\frac {1}{r^{2}\sin ^{2}\theta }}{\frac {\partial ^{2}f}{\partial \varphi ^{2}}}،}

با گسترش عبارت اول، این عبارات خوانده می شوند

{\displaystyle \Delta f={\frac {\partial ^{2}f}{\partial r^{2}}}+{\frac {2}{r}}{\frac {\partial f}{\ partal r}}+{\frac {1}{r^{2}\sin \theta }}{\frac {\partial }{\partial \theta }}\left(\sin \theta {\frac {\partial f}{\partial \theta }}\right)+{\frac {1}{r^{2}\sin ^{2}\theta }}{\frac {\partial ^{2}f}{\partial \varphi ^{2}}}،}

که در آن φ نشان دهنده زاویه ازیموتال و θ زاویه اوج یا هم عرض جغرافیایی است .

به طور کلی مختصات منحنی ( ξ 1 , ξ 2 , ξ 3 ):

{\displaystyle \Delta =\nabla \xi ^{m}\cdot \nabla \xi ^{n}{\frac {\partial ^{2}}{\partial \xi ^{m}\,\partial \xi ^{n}}}+\nabla ^{2}\xi ^{m}{\frac {\partial }{\partial \xi ^{m}}}=g^{mn}\left({\frac { \partial ^{2}}{\partial \xi ^{m}\,\partial \xi ^{n}}}-\Gamma _{mn}^{l}{\frac {\partial }{\partial \ xi ^{l}}}\راست)،}

جایی که جمع بر روی شاخص های مکرر دلالت دارد ، g mn تانسور معکوس متریک و Γl mn نمادهای کریستوفل برای مختصات انتخاب شده هستند .

ابعاد N [ ویرایش ]

در مختصات منحنی دلخواه در ابعاد N ( ξ 1 ، ...، ξN )، می‌توانیم لاپلاسین را بر حسب تانسور متریک معکوس بنویسیم .{\displaystyle g^{ij}}:

{\displaystyle \Delta ={\frac {1}{\sqrt {\det g}}}{\frac {\partial }{\partial \xi ^{i}}}\left({\sqrt {\det g }}g^{ij}{\frac {\partial }{\partial \xi ^{j}}}\right),}از فرمول ووس-ویل [3] برای واگرایی .

در مختصات کروی در ابعاد N ، با پارامترسازی x = rθ ∈ R N با r نشان دهنده یک شعاع حقیقی مثبت و θ عنصری از کره واحد S N -1 ،

{\displaystyle \Delta f={\frac {\partial ^{2}f}{\partial r^{2}}}+{\frac {N-1}{r}}{\frac {\partial f} {\partial r}}+{\frac {1}{r^{2}}}\Delta _{S^{N-1}}f}

که در آن S N -1 عملگر لاپلاس-بلترامی روی ( N -1) -کره است که به عنوان لاپلاسین کروی شناخته می شود. دو عبارت مشتق شعاع ی را می توان به طور معادل به صورت زیر بازنویسی کرد:

{\displaystyle {\frac {1}{r^{N-1}}}{\frac {\partial }{\partial r}}\left(r^{N-1}{\frac {\partial f} {\r جزئی}}\راست).}

در نتیجه، لاپلاسین کروی تابعی که بر روی SN - 1 ⊂ RN تعریف شده است را می توان به عنوان لاپلاسی معمولی تابعی که به RN ∖ {0} گسترش یافته محاسبه کرد تا در طول پرتوها ثابت باشد، یعنی درجه همگن باشد . صفر

تغییر ناپذیری اقلیدسی [ ویرایش ]

لاپلاسی تحت تمام دگرگونی های اقلیدسی ثابت است : چرخش ها و ترجمه ها . به عنوان مثال، در دو بعد، به این معنی است که:

{\displaystyle \Delta (f(x\cos \theta -y\sin \theta +a,x\sin \theta +y\cos \theta +b))=(\Delta f)(x\cos \theta - y\sin \theta +a,x\sin \theta +y\cos \theta +b)}

برای همه θ , a , و b . در ابعاد دلخواه،

{\displaystyle \Delta (f\circ \rho )=(\Delta f)\circ \rho }هر گاه ρ یک چرخش باشد و به همین ترتیب:

{\displaystyle \Delta (f\circ \tau )=(\Delta f)\circ \tau }هر زمان که τ ترجمه باشد. (به طور کلی، زمانی که ρ یک تبدیل متعامد مانند بازتاب است، این موضوع صادق است .)

در واقع، جبر همه عملگرهای دیفرانسیل خطی اسکالر، با ضرایب ثابت، که با همه تبدیل‌های اقلیدسی جابه‌جا می‌شوند، جبر چند جمله‌ای است که توسط عملگر لاپلاس ایجاد می‌شود.

نظریه طیفی [ ویرایش ]

همچنین ببینید: شنیدن شکل یک درام و مقدار ویژه دیریکله

طیف عملگر لاپلاس از تمام مقادیر ویژه λ تشکیل شده است که برای آنها یک تابع ویژه f با عبارت زیر وجود دارد :

{\displaystyle -\Delta f=\lambda f.}

این معادله به عنوان معادله هلمهولتز شناخته می شود .

اگر Ω یک دامنه محدود در R n باشد ، آنگاه توابع ویژه لاپلاسین یک مبنای متعارف برای فضای هیلبرت L 2 (Ω) هستند . این نتیجه اساساً از قضیه طیفی بر روی عملگرهای فشرده خود الحاقی که به معکوس لاپلاسین (که فشرده است، توسط نابرابری پوانکاره و قضیه رلیش-کوندراخوف ) اعمال می‌شود. [4] همچنین می توان نشان داد که توابع ویژه، توابع بی نهایت قابل تمایز هستند . [5] به طور کلی، این نتایج برای عملگر لاپلاس-بلترامی در هر منیفولد فشرده ریمانی با مرز، یا در واقع برای مسئله مقدار ویژه دیریکله هر عملگر بیضی با ضرایب صاف در یک دامنه محدود، صادق است. وقتی Ω n- کره باشد ، توابع ویژه لاپلاسین هارمونیک های کروی هستند .

لاپلاسی بردار [ ویرایش ]

بردار عملگر لاپلاس که با نشان داده می شود2\nabla ^{2}، یک عملگر دیفرانسیل است که روی یک میدان برداری تعریف شده است . [6] لاپلاس بردار شبیه لاپلاسین اسکالر است. در حالی که لاپلاسین اسکالر به یک میدان اسکالر اعمال می شود و یک کمیت اسکالر را برمی گرداند، بردار لاپلاسی برای یک میدان برداری اعمال می شود و یک کمیت برداری را برمی گرداند. هنگامی که در مختصات دکارتی متعامد محاسبه می شود ، میدان برداری برگشتی برابر با میدان برداری لاپلاسین اسکالر اعمال شده برای هر جزء برداری است.

لاپلاسین بردار یک میدان برداری آ\mathbf {A}به عنوان ... تعریف شده است

{\displaystyle \nabla ^{2}\mathbf {A} =\nabla (\nabla \cdot \mathbf {A} )-\nabla \times (\nabla \times \mathbf {A}).}

در مختصات دکارتی ، این به شکل بسیار ساده‌تر کاهش می‌یابد

{\displaystyle \nabla ^{2}\mathbf {A} =(\nabla ^{2}A_{x}،\nabla ^{2}A_{y}،\nabla ^{2}A_{z})، }

جایی که تبر،A_y، وA_zاجزای میدان برداری هستند\mathbf {A}، و\nabla ^{2}فقط در سمت چپ هر جزء بردار عملگر لاپلاس (اسکالار) قرار دارد. می توان مشاهده کرد که این مورد خاصی از فرمول لاگرانژ است. ضرب سه گانه برداری را ببینید .

برای بیان لاپلاس بردار در سایر سیستم های مختصات به دل در مختصات استوانه ای و کروی مراجعه کنید .

تعمیم [ ویرایش ]

لاپلاسین هر میدان تانسوری \mathbf {T}("تانسور " شامل اسکالر و برداری است) به عنوان واگرایی گرادیان تانسور تعریف می شود :

{\displaystyle \nabla ^{2}\mathbf {T} =(\nabla \cdot \nabla )\mathbf {T} .}

برای مورد خاص که\mathbf {T}یک اسکالر (تانسور درجه صفر) است، لاپلاسی شکل آشنا به خود می گیرد.

اگر\mathbf {T}یک بردار است (تانسور درجه اول)، گرادیان یک مشتق کوواریانت است که منجر به یک تانسور درجه دوم می شود و واگرایی این دوباره یک بردار است. فرمول بردار لاپلاسی بالا ممکن است برای جلوگیری از ریاضیات تانسور استفاده شود و ممکن است معادل واگرایی ماتریس ژاکوبین نشان داده شده در زیر برای گرادیان یک بردار باشد:

{\displaystyle \nabla \mathbf {T} =(\nabla T_{x},\nabla T_{y},\nabla T_{z})={\begin{bmatrix}T_{xx}&T_{xy}&T_{ xz}\\T_{yx}&T_{yy}&T_{yz}\\T_{zx}&T_{zy}&T_{zz}\end{bmatrix}}،{\text{ جایی که }}T_{uv}\equiv {\frac {\partial T_{u}}{\partial v}}.}

و به همین ترتیب، حاصلضرب نقطه‌ای که بردار را با گرادیان بردار دیگر (تانسور درجه 2) به بردار ارزیابی می‌کند، می‌تواند به‌عنوان حاصلضرب ماتریس‌ها دیده شود:

{\displaystyle \mathbf {A} \cdot \nabla \mathbf {B} ={\begin{bmatrix}A_{x}&A_{y}&A_{z}\end{bmatrix}}\nabla \mathbf {B} = {\begin{bmatrix}\mathbf {A} \cdot \nabla B_{x}&\mathbf {A} \cdot \nabla B_{y}&\mathbf {A} \cdot \nabla B_{z}\end{ bmatrix}}.}

این اتحاد یک نتیجه وابسته به مختصات است و کلی نیست.

استفاده در فیزیک [ ویرایش ]

نمونه ای از استفاده از بردار لاپلاسی معادلات ناویر-استوکس برای یک جریان تراکم ناپذیر نیوتنی است :

{\displaystyle \rho \left({\frac {\partial \mathbf {v} }{\partial t}}+(\mathbf {v} \cdot \nabla )\mathbf {v} \right)=\rho \ mathbf {f} -\nabla p+\mu \left(\nabla ^{2}\mathbf {v} \راست)،}که در آن عبارت با بردار لاپلاسی میدان سرعت است\mu\left(\nabla ^2 \mathbf{v}\right)نشان دهنده تنش های چسبناک در سیال است.

مثال دیگر معادله موج میدان الکتریکی است که می توان از معادلات ماکسول در غیاب بار و جریان بدست آورد:

{\displaystyle \nabla ^{2}\mathbf {E} -\mu _{0}\epsilon _{0}{\frac {\partial ^{2}\mathbf {E} }{\partial t^{2 }}}=0.}

این معادله را می توان به صورت زیر نیز نوشت:

{\displaystyle \Box \,\mathbf {E} =0,}جایی که

{\displaystyle \Box \equiv {\frac {1}{c^{2}}}{\frac {\partial ^{2}}{\partial t^{2}}}-\nabla ^{2}, }دلامبرتی است که در معادله کلاین-گوردون استفاده می شود .

کلیات [ ویرایش ]

هر جا که عملکرد انرژی دیریکله معنا داشته باشد ، می توان نسخه ای از لاپلاسی را تعریف کرد ، که نظریه اشکال دیریکله است . برای فضاهایی با ساختار اضافی، می توان توضیحات واضح تری از لاپلاسین به شرح زیر ارائه داد.

اپراتور لاپلاس–بلترامی [ ویرایش ]

مقاله اصلی: اپراتور لاپلاس–بلترامی

لاپلاسین همچنین می تواند به یک عملگر بیضوی به نام عملگر لاپلاس-بلترامی تعمیم داده شود که در منیفولد ریمانی تعریف شده است . عملگر لاپلاس-بلترامی، زمانی که به یک تابع اعمال می شود، رد ( tr ) هسین تابع است :

{\displaystyle \Delta f=\operatorname {tr} {\big (}H(f){\big )}}

جایی که ردیابی با توجه به معکوس تانسور متریک گرفته می شود . عملگر لاپلاس-بلترامی را نیز می توان به یک عملگر (که عملگر لاپلاس-بلترامی نیز نامیده می شود) تعمیم داد که بر روی میدان های تانسوری عمل می کند ، با یک فرمول مشابه.

تعمیم دیگری از عملگر لاپلاس که در منیفولدهای شبه ریمانی موجود است از مشتق بیرونی استفاده می کند که بر حسب آن "لاپلاسی هندسه" به صورت بیان می شود.

{\displaystyle \Delta f=\delta df.}

در اینجا کد دیفرانسیل است که می تواند بر حسب ستاره هاج و مشتق بیرونی نیز بیان شود. این عملگر از نظر علامت با "لاپلاسی تحلیلگر" تعریف شده در بالا متفاوت است. به طور کلی، لاپلاسین "Hodge" بر روی اشکال دیفرانسیل α توسط تعریف می شود

{\displaystyle \Delta \alpha =\delta d\alpha +d\delta \alpha .}

این عملگر به عنوان عملگر لاپلاس-د رام شناخته می‌شود ، که با اتحاد Weitzenböck به عملگر لاپلاس-بلترامی مرتبط است .

دلامبرتی [ ویرایش ]

لاپلاسی را می توان به طرق خاصی به فضاهای غیر اقلیدسی تعمیم داد، جایی که ممکن است بیضوی ، هذلولی یا فوق هایپربولیک باشد .

در فضای مینکوفسکی عملگر لاپلاس -بلترامی به عملگر دالامبر تبدیل می‌شود ◻\ جعبهیا دالامبرتین:

{\displaystyle \square ={\frac {1}{c^{2}}}{\frac {\partial ^{2}}{\partial t^{2}}}-{\frac {\partial ^{ 2}}{\partial x^{2}}}-{\frac {\partial ^{2}}{\partial y^{2}}}-{\frac {\partial ^{2}}{\partial z^{2}}}.}

این تعمیم عملگر لاپلاس است به این معنا که عملگر دیفرانسیل است که تحت گروه ایزومتری فضای زیرین ثابت است و اگر به توابع مستقل از زمان محدود شود به عملگر لاپلاس کاهش می یابد. علامت کلی متریک در اینجا به گونه‌ای انتخاب می‌شود که بخش‌های فضایی عملگر یک علامت منفی را بپذیرد، که قرارداد معمول در فیزیک ذرات پرانرژی است . عملگر دالامبر به عنوان عملگر موج نیز شناخته می شود زیرا عملگر دیفرانسیل است که در معادلات موج ظاهر می شود و همچنین بخشی از معادله کلاین-گوردون است که در حالت بدون جرم به معادله موج کاهش می یابد.

ضریب اضافی c در متریک در فیزیک مورد نیاز است اگر فضا و زمان در واحدهای مختلف اندازه گیری شود. برای مثال، اگر جهت x بر حسب متر و جهت y بر حسب سانتی متر اندازه گیری شود، فاکتور مشابهی لازم است . در واقع، فیزیکدانان نظری معمولاً در واحدهایی کار می کنند که c =1 باشد تا معادله را ساده کنند.

عملگر دی المبرت به یک عملگر هذلولی در منیفولدهای شبه ریمانی تعمیم می دهد .

همچنین ببینید [ ویرایش ]

  • عملگر لاپلاس-بلترامی ، تعمیم به زیرمنیفولدها در فضای اقلیدسی و منیفولد ریمانی و شبه ریمانی.
  • عملگر لاپلاسی بردار ، تعمیم میدانهای لاپلاسی به برداری .
  • لاپلاسی در هندسه دیفرانسیل .
  • عملگر لاپلاس گسسته یک آنالوگ تفاضل محدود از لاپلاسین پیوسته است که بر روی نمودارها و شبکه ها تعریف شده است.
  • لاپلاسین یک اپراتور رایج در پردازش تصویر و بینایی کامپیوتری است (به لاپلاسین گاوسی ، آشکارساز حباب و فضای مقیاس مراجعه کنید ).
  • فهرست فرمول ها در هندسه ریمانی شامل عباراتی برای لاپلاسی بر حسب نمادهای کریستوفل است.
  • لم ویل (معادله لاپلاس) .
  • قضیه ارنشاو که نشان می دهد تعلیق گرانشی، الکترواستاتیکی یا مغناطیسی پایدار غیرممکن است.
  • دل در مختصات استوانه ای و کروی .
  • موقعیت های دیگری که در آنها یک لاپلاسی تعریف می شود عبارتند از: تجزیه و تحلیل بر روی فراکتال ها ، حساب مقیاس زمانی و حساب خارجی گسسته .

یادداشت ها [ ویرایش ]

  1. ^ ایوانز 1998 ، §2.2
  2. Oval, Jeffrey S. (01-03-2016). "لاپلاسی و ارزش های متوسط ​​و افراطی" (PDF) . ماهنامه ریاضی آمریکا . 123 (3): 287-291. doi : 10.4169/amer.math.monthly.123.3.287 . S2CID 124943537 .
  3. بایگانی شده در Ghostarchive and the Wayback Machine : Grinfeld, Pavel. "فرمول Voss-Weyl" . یوتیوب . بازیابی شده در 9 ژانویه 2018 .
  4. گیلبارگ و ترودینگر 2001 ، قضیه 8.6
  5. گیلبارگ و ترودینگر 2001 ، نتیجه 8.11
  6. ^ دنیای ریاضی. " لاپلاس بردار " .

منابع [ ویرایش ]

  • ایوانز، ال. (1998)، معادلات دیفرانسیل جزئی ، انجمن ریاضی آمریکا، شابک 978-0-8218-0772-9
  • سخنرانی های فاینمن در فیزیک جلد. فصل دوم 12: آنالوگ های الکترواستاتیک
  • گیلبارگ، دی. ترودینگر، ن. (2001)، معادلات دیفرانسیل جزئی بیضوی مرتبه دوم ، اسپرینگر، شابک 978-3-540-41160-4.
  • Schey, HM (1996), Div, Grad, Curl, and All That , WW Norton, ISBN 978-0-393-96997-9.

ادامه مطلب [ ویرایش ]

  • لاپلاسیان - ریچارد فیتزپاتریک 2006

پیوندهای خارجی [ ویرایش ]

  • "اپراتور لاپلاس" ، دایره المعارف ریاضیات ، انتشارات EMS ، 2001 [1994]
  • وایستاین، اریک دبلیو. "لاپلاسین" . دنیای ریاضی .
  • لاپلاسین در اشتقاق مختصات قطبی
  • معادلات مکعب فراکتال و اثر کازیمیر

https://en.wikipedia.org/wiki/Laplace_operator

بررسی کنید که تابع موج y(x, t) = Ae^ –B(x – vt)  معادله موج یک بعدی را برآورده می کند

بنابراین، ما می بینیم که

انتگرال روی سطح

نمایش پارامتری مخروط

نمایش پارامتری کره