AsymptoticDSolveValue

AsymptoticDSolveValue[eqn,f,xx0]

x0を中心とする f[x]について，微分方程式 eqn の漸近近似を計算する．

AsymptoticDSolveValue[{eqn1,eqn2,…},{f1,f2,…},xx0]

微分方程式系の漸近近似を計算する．

AsymptoticDSolveValue[eqn,f,x,ϵϵ0]

ϵ0を中心とするパラメータ ϵ の f[x,ϵ]の漸近近似を計算する．

AsymptoticDSolveValue[eqn,f,…,{ξ,ξ0,n}]

漸近近似を次数 n まで計算する．

詳細とオプション

  • 微分方程式の漸近近似は，漸近展開，摂動解，正則摂動，特異摂動等としても知られるものである．これらは，フロベニウス(Frobenius)級数，WKB，境界層メソッド等を計算するための特別のメソッドにも知られている．
  • 漸近近似は，厳密解が求まらない問題を解くため，あるいは，計算，比較，解釈のためにより簡単な答を得るために，使われることが多い．
  • AsymptoticDSolveValue[eqn,…,xx0]は，eqn の漸近展開における最大次数の項を計算する．より多くの項が指定したければSeriesTermGoalを使うとよい．
  • 厳密な結果が g[x]で x0における次数 n の漸近近似が gn[x]のとき，xx0のときの結果は，AsymptoticLess[g[x]-gn[x],gn[x]-gn-1[x],xx0]または g[x]-gn[x]∈o[gn[x]-gn-1[x]]である．
  • 漸近近似 gn[x]は，しばしば総和 gn[x]αkϕk[x]として与えられる．ただし，{ϕ1[x],…,ϕn[x]}は xx0のときの漸近尺度 ϕ1[x]≻ϕ2[x]≻⋯>ϕn[x]である．結果は，xx0のとき，AsymptoticLess[g[x]-gn[x],ϕn[x],xx0]または g[x]-gn[x]∈o[ϕn[x]]である．
  • 次は，よく使われる漸近尺度である．
  • xx0のときのテイラー(Taylor)スケール
    xx0のときのローラン(Laurent)スケール
    x±∞のときのローランスケール
    xx0のときのピュイゾー(Puiseux)スケール
  • 漸近近似を表すために使われる尺度は，問題から自動的に推測される．より珍しい尺度が使われることも多い．
  • 中心 x0は，任意の有限または無限の実数または複素数でよい．
  • 次数 n は正の整数で，漸近解の近似次数を指定しなければならない．これは，多項式次数とは無関係である．
  • u∈Vectors[n]あるいは u∈Matrices[{m,n}]という指定を使って従属変数 u がベクトル値あるいは行列値の変数であると示すことができる． » »
  • 次は，使用可能なオプションである．
  • AccuracyGoalAutomatic目標とする絶対確度の桁数
    Assumptions$Assumptionsパラメータについての仮定
    GenerateConditionsAutomaticパラメータについての条件を含む答を生成するかどうか
    GeneratedParameters None生成されたパラメータの名付け方
    MethodAutomatic使用するメソッド
    PerformanceGoal$PerformanceGoalパフォーマンスのどの局面について最適化するか
    PrecisionGoalAutomatic目標精度の桁数
    SeriesTermGoalAutomatic近似における項数
    WorkingPrecisionAutomatic内部計算の精度
  • PerformanceGoalの可能な設定には，$PerformanceGoal，"Quality"，"Speed"がある．"Quality"設定のとき，AsymptoticDSolveはより多くの問題を解いたりより簡単な結果を与えたりすることが多いが，より多くの時間とメモリが必要になる可能性がある．

例題

すべて開くすべて閉じる

例  (3)

微分方程式の漸近近似を計算する：

微分方程式の級数解を求める：

解をプロットする：

摂動問題の近似展開を求める：

解をプロットする：

スコープ  (49)

基本的な用法  (8)

常微分方程式について，x=0の周りでの次数10の級数解を計算する：

漸近解について，連続する近似値をプロットする：

Accumulateを使って近似値のリストを作る：

必要なプロットを得る：

x=3の周りでの級数解を計算する：

一般解についての級数近似を求める：

項数を変えて級数近似を求める：

常微分方程式系について級数解を計算する：

摂動問題について級数解を計算する：

項数を変える：

摂動問題の漸近解を求める：

解が与える連続する近似値をプロットする：

通常点  (7)

通常点 x=0における一階線形常微分方程式のテイラー級数解を求める：

解が与える連続する近似値をプロットする：

二階線形常微分方程式の通常点 x=0における級数解：

解が与えた連続する近似値をプロットする：

非斉次線形常微分方程式の通常点 x=0における級数解：

無理係数を持つ線形常微分方程式の通常点 x=0における級数解：

高階線形常微分方程式の通常点 x=0における級数解：

線形常微分方程式の通常点 x=0における級数解：

線形常微分方程式の通常点における一般解についての級数近似：

確定特異点  (5)

一階線形常微分方程式の確定特異点 x=0におけるフロベニウス級数解を求める：

解が与えた連続する近似値をプロットする：

二階線形常微分方程式の確定特異点 x=0における級数解：

高次線形常微分方程式の確定特異点 x=0における級数解を求める：

級数解は，この場合は厳密解である：

線形常微分方程式の確定特異点 x=0における級数解：

無理係数を持つ線形常微分方程式の確定特異点 x=0における級数解：

不確定特異点  (3)

一階線形常微分方程式の不確定特異点 x=0における漸近解を求める：

解が与えた連続する近似値をプロットする：

二階線形常微分方程式の不確定特異点 x=0における級数解：

高次線形常微分方程式の不確定特異点 x=0における級数解：

非線形常微分方程式  (7)

一階非線形常微分方程式の x=0における級数解を求める：

解が与えた連続する近似値をプロットする：

二階非線形常微分方程式の x=0における級数解：

解が与えた連続する近似値をプロットする：

非斉次非線形常微分方程式の通常点 x=0における級数解：

無理係数を持つ非線形方程式の x=0における級数解：

高次非線形常微分方程式の x=0における級数解：

非線形常微分方程式の x=1における級数解：

非線形常微分方程式の一般解についての級数近似：

無限大における解  (4)

線形常微分方程式の通常点 x=∞における級数解を求める：

解が与えた連続する近似値をプロットする：

線形常微分方程式の確定特異点 x=∞における級数解を求める：

線形常微分方程式の不確定特異点 x=∞における級数解を求める：

非線形常微分方程式の x=∞における級数解を求める：

常微分方程式系  (7)

一階線形常微分方程式系の通常点 x=0における級数解を求める：

解が与えた近似値をプロットする：

高次線形常微分方程式系の通常点 x=0における級数解：

非斉次線形常微分方程式系の通常点 x=0における級数解：

線形常微分方程式系の通常点 x=1における級数解：

線形常微分方程式系の通常点における一般解の級数近似：

ベクトル変数を使った通常点 x=0における常微分方程式の線形系の級数解：

行列変数を使った通常点 x=0における常微分方程式の線形系の級数解：

正則摂動  (2)

正則線形摂動問題の ϵ=0における級数解を求める：

解が与えた連続する近似値をプロットする：

非線形正則摂動問題の ϵ=0における級数解を求める：

解が与えた近似値をプロットする：

特異摂動   (3)

特異境界値問題の一次近似を求める：

パラメータの異なる値についての近似値をプロットする：

数値解と比較する：

特異境界値問題の二次近似を求める：

パラメータの異なる値についての近似値をプロットする：

λ=∞における二次摂動近似を求める：

パラメータの値を大きくして近似値をプロットする：

非整数階常微分方程式  (3)

非整数階（0.7階）の線形常微分方程式の級数解を求める：

DSolveValueを使って同じ常微分方程式を解く：

階数 のさまざまな近似値について厳密解と漸近解を比較する：

非定常係数を持つ非整数階線形常微分方程式の級数解を求める：

2つの非整数階線形常微分方程式の系の級数解を求める：

解をプロットする：

オプション  (1)

GeneratedParameters  (1)

異なる方法で命名された定数を使う：

下付き文字のある係数を使う：

アプリケーション  (7)

Cosのテイラー多項式近似を計算する：

より高い次数を指定して，近似範囲を向上させる：

近似次数による範囲の変化を調べる：

確定特異点 x=0付近における次数のベッセル(Bessel)方程式を解く：

一般解の2つの成分をプロットする：

エアリー(Airy)方程式は x=∞のとき不確定特異点を持つ：

不確定特異点における漸近展開を計算する：

Infinityにおけるエアリー関数の展開と比較する：

エアリー関数とその近似をプロットする：

一階非線形常微分方程式の厳密な多項式解を計算する：

これがその常微分方程式の解であることを確かめる：

一階常微分方程式系の均衡解を計算する：

この系によって定義されたベクトル場を可視化する：

一般的な初期条件でこの系を解く：

均衡解を求める：

ダフィング(Duffing)方程式の一階摂動展開を求める：

近似解をプロットする：

厳密解と比較する：

の大きい値についての に対応するSturm–Liouville問題の近似固有関数を求める．より小さいパラメータ を使ってこの問題を書き換える：

一階漸近近似を得る：

定数Csc因子を無視し，を使って，固有関数を構築する：

近似固有関数をプロットする：

特性と関係  (3)

指定された次数まで微分方程式を満足する解：

DSolveValueを使って厳密解を求める：

NDSolveValueを使って数値解を求める：

考えられる問題  (1)

この例について返された展開の項数は4より少ない：

欠落した項は，より一般的な問題の展開には存在している：

Wolfram Research (2018), AsymptoticDSolveValue, Wolfram言語関数， https://reference.wolfram.com/language/ref/AsymptoticDSolveValue.html （2022年に更新）.

テキスト

Wolfram Research (2018), AsymptoticDSolveValue, Wolfram言語関数， https://reference.wolfram.com/language/ref/AsymptoticDSolveValue.html （2022年に更新）.

CMS

Wolfram Language. 2018. "AsymptoticDSolveValue." Wolfram Language & System Documentation Center. Wolfram Research. Last Modified 2022. https://reference.wolfram.com/language/ref/AsymptoticDSolveValue.html.

APA

Wolfram Language. (2018). AsymptoticDSolveValue. Wolfram Language & System Documentation Center. Retrieved from https://reference.wolfram.com/language/ref/AsymptoticDSolveValue.html

BibTeX

@misc{reference.wolfram_2024_asymptoticdsolvevalue, author="Wolfram Research", title="{AsymptoticDSolveValue}", year="2022", howpublished="\url{https://reference.wolfram.com/language/ref/AsymptoticDSolveValue.html}", note=[Accessed: 17-November-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_asymptoticdsolvevalue, organization={Wolfram Research}, title={AsymptoticDSolveValue}, year={2022}, url={https://reference.wolfram.com/language/ref/AsymptoticDSolveValue.html}, note=[Accessed: 17-November-2024 ]}