Équations différentielles à la recherche de stabilité

Alberdi Celaya, Elisabete

Matematikan lizentziatua eta doktoregaia

La stabilité est un trésor précieux. La vie est une recherche constante de stabilité: recherche d’un travail fixe, d’une relation forte et longue, etc. Bien que variables, il est généralement appelé stable à celui qui se trouve dans des paramètres qui ne présentent pas de changements brusques. Synonyme d'ennui pour certains, un trésor désiré en général.
Équations différentielles à la recherche de stabilité
01/11/2009 Alberdi Celaya, Elisabete et mathématicien diplômé en doctorat

(Photo: ©Fotolia)
En mathématiques aussi, il existe des disciplines dans lesquelles la stabilité est fondamentale. Ceux que nous voulons nous fixer ont leur place dans les programmes des carrières scientifiques et techniques, sont utilisés dans la formulation de modèles mathématiques et pour certains on recherche un résultat analytique, tandis que d'autres sont résolus avec des méthodes numériques --approximations - et avec l'ordinateur comme accompagnateur. Certains élèves aiment, mais la plupart causent des casseroles de tête. Que sont-ils? Ce sont des équations différentielles. Les équations différentielles, comme l'être humain dans la vie, cherchent le plus grand champ de stabilité possible.

Utilité des équations différentielles

Un modèle mathématique est un dispositif décrivant un système ou un événement de la vie. La formulation d'un modèle mathématique commence par l'identification des variables qui influencent le système, c'est à dire produire un changement dans le système. Voici des hypothèses raisonnables sur le système, identifiant les lois empiriques applicables. Certaines de ces hypothèses indiquent la mesure de la variation de certaines variables précédemment définies. L'énoncé mathématique de ces hypothèses sera une équation ou un système d'équations dans lequel les dérivées apparaissent, qui est le système d'équations différentielles.

Sa résolution concrète nous permettra de connaître le comportement du système. Mais de quoi parlons-nous quand on parle de modèle ou de modèle mathématique ?

Dans la cinétique des réactions chimiques, il intéresse son évolution au fil du temps. Étant les vitesses dérivées du temps de toute variable, la cinétique des réactions est modélisée par des équations différentielles. Par exemple, les deux substances génèrent un tiers. Les variables sont des concentrations de substances, tandis que les lois empiriques sont la loi d'action de masse et la loi de conservation de masse. La première nous dit que le produit des concentrations des réactifs est proportionnel au produit des concentrations des produits, et la seconde, la somme des masses des réactifs est égale à celle des produits.

Dans le refroidissement des corps sont également utilisés équations différentielles. Par exemple, si nous sortons un gâteau du four à 150ºC et que nous voulons connaître sa température à tout moment. Si nous enquêtons sur le meurtre ou l'assassinat d'une personne et que nous voulons calculer à quelle heure elle est morte, nous utiliserons la loi de réfrigération de Newton. Cette loi stipule que le changement de température de la surface corporelle est proportionnel à la différence entre la température corporelle et la température ambiante. Ainsi, si la température du corps dans l'instant t est et ( t ) et la température dans le milieu T, selon la loi de Newton, la prochaine équation différentielle sera remplie:

étant k 0 la proportionnalité constante.

Voulons-nous calculer les intérêts qui nous donneront un montant d'argent que nous entrons dans la banque? Nous devrons utiliser des équations différentielles. Supposons que nous introduisons dans la banque le montant D 0 et nous payons un taux d'intérêt r. Nous appellerons D ( t ) à la quantité que nous aurons dans t ans. La variation de la quantité sera la somme de la variation par accumulation d'intérêts et la variation de revenus que nous effectuons à la banque, p de formule.

Il ya donc à modéliser dans la vie quotidienne en utilisant des équations différentielles.

Difficultés de résolution

Distribution des valeurs personnelles dans un plan complexe. À droite de la ligne verte, l'équation différentielle est instable et à gauche stable. La zone rose est la zone de stabilité d'une méthode. Les étoiles roses se trouvent dans la zone de stabilité, tandis que les étoiles vertes, multipliées par un nombre, sont transférées dans la zone (jaunes). Graf. : Elisabete Alberdi.

Une fois l'équation différentielle obtenue, il doit être résolu. Parfois, sa libération analytique n'est pas possible, et par des méthodes numériques on obtient un résultat approximatif. Les équations différentielles comprennent des autovaleurs complexes que nous appellerons l. Lorsque la partie réelle de ces auto-valeurs est positive, l'équation différentielle est instable et le résultat approximatif que nous obtiendrions en utilisant une méthode numérique pour sa libération n'a pas à ressembler à la solution réelle, car un petit changement a un fort impact sur eux. Par conséquent, les méthodes numériques sont appliquées à des équations différentielles stables, autobalioïdes de partie réelle négative. D'autre part, la méthode elle-même a également une zone de stabilité. Et si l'on veut obtenir un bon résultat, les autovaleurs doivent se situer là. Par conséquent, les autovaleurs des équations différentielles stables non présentes dans cette zone sont transférées à la zone de stabilité, en multipliant les autovaleurs par un nombre h mesuré (0,1) que nous appellerons mesure du passage.

La mesure de l'étape est essentielle pour résoudre l'équation et, bien sûr, ne peut pas être un nombre quelconque. En termes de fiabilité, la méthode de résolution doit être assez petite pour rester à l'intérieur de la zone de stabilité et assez grande pour prendre le moins de mesures possibles face au travail. Comment obtenir cet équilibre ?

Équilibre de la zone de stabilité

Pour savoir quelles étapes peuvent être faites dans la méthode numérique, il faut fixer l'erreur. Lorsque vous utilisez des méthodes numériques, une erreur locale est générée à chaque étape. Mais il ya une autre erreur qui apparaît dans la longueur, qui est la reproduction des erreurs de chaque étape, et qui est formé par les puissances d'un nombre appelé facteur d'amplification. Pour éviter l'augmentation de l'erreur, le facteur d'amplification doit être inférieur à l'unité. La zone qui remplit cette condition est connue comme zone de stabilité de la méthode. Or, l'autovaleur l doit être dans la zone de stabilité après s'être multipliée par h pour que le facteur d'amplification soit inférieur à l'unité. Mais non seulement cela, une fois que le produit l .h est dans la zone de stabilité, on voit si le nombre h doit être inférieur, puisque n'importe quel nombre qui est inférieur à h que nous avons trouvé, il est possible qu'après la multiplication de l'autovaleur soit porté à la zone. Parmi les nombres qui permettent de porter l'autovaleur au champ, le nombre h qui maintient l'erreur locale dans une tolérance est celui qui est choisi comme mesure de passage. Cette mesure de passage permet de contrôler les deux erreurs (local et longitudinal). Plus ce nombre est grand, plus le nombre d'étapes que nous pouvons faire et plus le résultat est rapide, un objectif que le grand champ de stabilité permet d'atteindre.

Lorsque la zone de stabilité est élevée, des mesures plus importantes du passage h peuvent être utilisées pour amener les valeurs de soi à la zone, c'est-à-dire que des mesures plus importantes peuvent être prises à travers la méthode. Dans les petites zones de stabilité, il faut faire de petites étapes lorsque les valeurs de soi sont grandes. Ed. : ©Fotolia.
Mais la mesure de la zone de stabilité est également conditionnée. Cela dépend de l'ordre. L'ordre est le paramètre utilisé pour mesurer la précision de la méthode et plus l'ordre est précis. Normalement, à mesure que l'ordre augmente, la zone de stabilité diminue. Cela nous oblige à faire des pas mineurs, même si le résultat est plus précis.

La méthode elle-même conditionne également la mesure de la zone de stabilité. Les méthodes implicites ont généralement une plus grande stabilité que les méthodes explicites, mais elles présentent également des inconvénients: la principale est qu'il faut des opérations plus ou moins complexes que dans les méthodes explicites. Par conséquent, lorsque les autovaleurs ne sont pas très grandes, la méthode explicite est préférée, car les opérations à effectuer seront plus durables.

Le rêve serait de trouver la stabilité maximale dans les ordres élevés et les méthodes explicites, mais dans ce domaine de la science il n'y a pas de rareté. Afin d'obtenir que les équations différentielles soient facilement relâchées par des méthodes numériques, de nombreux travaux sont effectués pour augmenter le champ de stabilité. Les premiers sont les méthodes d'Adams Bashforth et Moulton, qui utilisent à la fois les informations de la dernière étape et les informations d'autres étapes plus rapides pour construire la prochaine étape. De cette façon, on réussit à monter l'ordre de la méthode numérique, et celui de l'ordre 1 a un champ plus grand que celui d'Euler explicite (également d'ordre 1). L'une des propositions les plus importantes a été la BDF (formule backward differentiation) réalisée par Gear vers 1971, une méthode implicite qui utilisait des informations en plusieurs étapes plus légères. La méthode BDF a rendu les zones de stabilité aussi importantes dans des ordres élevés. Dernièrement, les méthodes utilisant la dérivée 2 ou les points dits superfuturs prédominent, car elles ont de grandes zones de stabilité, même si elles augmentent le travail à effectuer à chaque étape.

À gauche, Adams Bashforth-Moulton PECE (Predict Evaluate Correctate Evaluate), champ de stabilité de la méthode explicite pour différentes commandes. Dans ce cas, la zone de stabilité est l'intérieur des lignes. A droite, la zone de stabilité des méthodes implicites appelées FMI pour différentes commandes, la zone extérieure des lignes étant la zone de stabilité. La lettre k a été utilisée pour indiquer la commande. Dans les deux cas, à mesure que l'ordre augmente, la zone de stabilité diminue. Graf. : Elisabete Alberdi.

Beaucoup de petites étapes ou quelques grandes étapes, voici la clé. Dans cette compétition, la première option, avec de nombreuses petites étapes, a l'avantage de la fiabilité et la deuxième l'optimisation du travail. Unifier les deux options en une seule fois serait excellent, car il obtiendrait "fiabilité sans travail excessif". La clé pour briser cet équilibre réside dans des méthodes de grand champ de stabilité, qui ne mettent pas de limites aussi rigides à la mesure du passage. C'est pourquoi il est possible de prendre des mesures non fiables et de grandes étapes fiables.

Équations différentielles et méthodes numériques dans l'histoire
Histoire des équations différentielles XVII. Il commença à la fin du XXe siècle avec des œuvres d'Isaac Newton (1642-1727) et Gottfried Wilhelm Leibniz (1646-1716). Grâce au développement de la mécanique, la physique et l'électromagnétisme, les équations différentielles sont devenues un outil très utile pour décrire les phénomènes naturels. Mais XIX. Jusqu'au XIXe siècle la question que les scientifiques ont traité était de chercher des solutions explicites à ces équations différentielles. À cette époque se trouvent Leonhard Paul Euler (1707-1783), Daniel Bernoulli (1700-1782), Jean le Rond d'Alembert (1717-1783), Joseph Louis Lagrange (1736-1813) et Pierre Simon de Laplace (1749-1827).
Deux étapes de la méthode d'Euler explicite et implicite. Dans l'explicite, on passe par la droite tangente du point précédent (t1,y1) pour obtenir le point (t2,y2). Implicitement, on recherche le point t=t2 en direct (t2,y2), de sorte que la droite tangente (t1,y1) passe par le point. Graf. : Elisabete Alberdi.
Dans les cas les plus simples, le résultat était obtenu en intégrant l'équation différentielle, mais il n'était pas toujours facile ou il n'était pas possible de trouver la solution analytique. C'est pourquoi, en 1760, Euler a été celui qui a proposé la première approche numérique pour libérer les équations différentielles. L'idée sur laquelle était basée cette méthode numérique était très simple : l'intervalle dans lequel devait être trouvé le résultat est divisé en sous-groupes de taille h, étant h la taille du pas. Pour passer l'étape 1, on connaît la valeur initiale du premier tronçon et on calcule la valeur finale du tronçon en déplaçant la droite tangente du point de départ, c'est-à-dire : et n+1 = et n + hf ( t n , y n ) .
Zones de stabilité des méthodes d'Euler peintes en rose. On observe que la zone de stabilité de l'implicite est plus grande que celle de l'explicite. Graf. : Elisabete Alberdi.
Pour passer à l'étape 2, la valeur initiale du tronçon 2 est connue et la procédure précédente est répétée. Ainsi dans toutes les étapes. Cette méthode est explicite car elle utilise les données de l'étape précédente pour trouver la valeur suivante. Cependant, étant donné que le champ de stabilité de cette méthode est petit, les auto-valeurs qui n'étaient pas dans la zone devaient être multipliées par un très petit nombre h pour qu'elles entrent dans la zone. C'est pourquoi un changement dans la méthode est connu comme méthode implicite d'Euler, où le point final de la plage est calculé de façon à ce que la droite tangente passe par son point initial intermédiaire: et n+1 = et n + hf ( t n+1 , et n+1 ). Cette méthode est implicite parce que dans le calcul d'un inconnu apparaît le même inconnu.
Résultat de l'équation différentielle de valeur initiale et' = -50(y-cost), et(0) = 0: en bleu, le résultat analytique, et les résultats obtenus en appliquant différentes étapes à la méthode implicite ou explicite d'Euler dans les couleurs indiquées. La méthode implicite d'Euler, grâce à sa plus grande zone de stabilité, nécessite quelques étapes pour que le résultat approximatif soit semblable au résultat analytique. Gratta F. : Elisabete Alberdi.
Dans les deux cas, le résultat est construit pas à pas et la possibilité de prendre des mesures plus importantes permet d'obtenir des résultats plus rapides. L'avantage de la méthode implicite d'Euler est qu'il a une plus grande zone de stabilité, car des nombres plus grands peuvent être utilisés pour amener les valeurs de soi à la zone.
Alberdi Celaya, Elisabete
Services
258 258
2009 2009 2009 2009
Résultats
022 022
Mathématiques mathématiques
Gratuit
Formation
Babesleak
Eusko Jaurlaritzako Industria, Merkataritza eta Turismo Saila