Documente Academic
Documente Profesional
Documente Cultură
pag.
Capitolul 1
REZOLVAREA NUMERICĂ A ECUAŢIILOR
1.1. Introducere ..........................................................................................................1
1.2. Metoda separării rădăcinilor ...............................................................................3
1.3. Metoda bisecţiei .................................................................................................7
1.4. Metoda părţilor proporţionale .............................................................................9
1.5. Metoda Newton –Raphson .....................................................................................12
1.6. Metoda aproximaţiilor succesive ..........................................................................14
Capitolul 2
REZOLVAREA NUMERICĂ A SISTEMELOR DE ECUAŢII LINIARE
Capitolul 3
INTEGRAREA NUMERICĂ A ECUAŢIILOR DIFERENŢIALE ORDINARE
3.1. Metoda seriilor Taylor ........................................................................................47
3.2. Metoda Runge-Kutta .....................................................................................48
Capitolul 4
REZOLVAREA ECUAŢIILOR CU DERIVATE PARŢIALE
4.1. Definirea domeniului de integrare ...........................................................59
4.2. Condiţii iniţiale ...............................................................................................61
4.3. Condiţii la limită .......................................................................................61
I
Capitolul 1
1.1. INTRODUCERE
𝐹(𝑥) = 0 (1.1)
Prin problema determinării rădăcinilor ecuaţiei înţelegem găsirea unei valori a variabilei
x, fie aceasta x0 , care înlocuită în ecuaţia (1.1) o transformă într-o egalitate. Deci condiţia ca
x0 să fie o rădăcină este
𝐹(𝑥0 ) = 0 (1.2)
𝑎𝑥 + 𝑏 = 0 (1.3)
𝑏
𝑥0 = − 𝑎 (1.4)
Ecuaţia de forma (1.1) poate să aibă una sau mai multe rădăcini, din care unele pot fi
complexe. În acest curs ne vom ocupa în general numai de rădăcinile reale. Din mulţimea de
ecuaţii numai o mică parte se pot rezolva prin metode analitice. Dintre acestea, de exemplu
ecuaţia de gradul doi de forma
1
Metode numerice de modelare,simulare şi optimizare
𝑎𝑥 2 + 𝑏𝑥 + 𝑐 = 0 (1.5)
−𝑏±√𝑏 2 −4𝑎𝑐
𝑥1,2 = (1.6)
2𝑎
Valorile rădăcinilor se pot calcula cu formula (1.6) dar nu întotdeauna vom obţine o
valori exactă, deoarece radicalul √𝑏 2 − 4𝑎𝑐 de cele mai multe ori nu dă o valoare exactă şi în
acest caz obţinem o rădăcină aproximativă funcţie de gradul de precizie cu care calculăm
radicalul.
În general prin rădăcină aproximativă se înţelege o valoare a lui x apropiată de rădăcina
reală a ecuaţiei.
Dacă x0 este o rădăcină a funcţiei F(x) atunci graficul funcţiei va intersecta axa OX în
punctul 𝑥 = 𝑥0 (figura 1.1) şi îndeplineşte condiţia:
𝐹(𝑥0 ) = 0 (1.7).
Dacă 𝑥 reprezintă o rădăcină aproximativă a ecuaţiei F(x) se pot defini două tipuri de
condiţii pe care aceasta trebuie să le îndeplinească
1. |𝑥 − 𝑥0 | < 𝜀, unde 𝐹(𝑥0 ) = 0 , ε este un număr mic.
2. |𝐹(𝑥)| < 𝜀 .
2
Metode numerice de modelare,simulare şi optimizare
Fig. 1.1
Pentru determinarea rădăcinilor unei ecuaţii, prima dată trebuie să stabilim intervalele
în care acestea se găsesc. Acest procedeu poată numele de metoda separării rădăcinilor unei
ecuaţii şi se bazează pe următoarea teoremă:
Teorema 1: Dacă o funcţie f(x) are valori de semne opuse la capetele intervalului [α, β],
ceea ce înseamnă 𝑓(𝛼)𝑓(𝛽) < 0, atunci există cel puţin o valoare 𝜉 ∈ (𝛼, 𝛽) astfel încât
𝑓(𝜉) = 0
𝑥1 , 𝑥2 , 𝑥3 , … 𝑥𝑛 cu 𝑥1 = 𝑥0 ; 𝑥2 = 𝑥0 + Δ𝑥; 𝑥3 = 𝑥0 + 2Δ𝑥; …
Urmează calcularea valorilor funcţiei în punctele diviziunii şi analiza semnului funcţiei.
Dacă pentru un interval este îndeplinită condiţia:
atunci în intervalul (𝑥𝑖 , 𝑥𝑖+1 ) există cel puţin o rădăcină a funcţiei conform teoremei 1.
3
Metode numerice de modelare,simulare şi optimizare
namespace Separare_radacini
{
public partial class Form1 : Form
{
double[] ff, xx;
private double F(float x)
{
double f;
f = Math.Pow(x, 4f) - 9 * Math.Pow(x, 3f) - 2 * x * x + 120 * x
- 130;
return f;
}
public Form1()
{
InitializeComponent();
}
4
Metode numerice de modelare,simulare şi optimizare
{
a[i] = Convert.ToSingle(xx[k]);
b[i] = Convert.ToSingle(xx[k + 1]);
i++;
}
}
ss = ss + " \r\n";
ss = ss + " Intervalele in care se gasesc radacine";
ss = ss + " \r\n";
// textBox4.Text = ss;
// string s = null;
// trasarea graficului
chart1.Series[0].Points.Clear();
for (int k = 0; k < n - 1; k++)
{
chart1.Series[0].Points.AddXY(xx[k], ff[k]);
}
}
}
1 x = -5 F(x) = 970
2 x = -4.5 F(x) = 519.6875
3 x = -4 F(x) = 190
4 x = -3.5 F(x) = -38.5625
5 x = -3 F(x) = -184
6 x = -2.5 F(x) = -262.8125
7 x = -2 F(x) = -290
8 x = -1.5 F(x) = -279.0625
9 x = -1 F(x) = -242
10 x = -0.5 F(x) = -189.3125
11 x = 0 F(x) = -130
12 x = 0.5 F(x) = -71.5625
13 x = 1 F(x) = -20
14 x = 1.5 F(x) = 20.1875
5
Metode numerice de modelare,simulare şi optimizare
15 x = 2 F(x) = 46
16 x = 2.5 F(x) = 55.9375
17 x = 3 F(x) = 50
18 x = 3.5 F(x) = 29.6875
19 x = 4 F(x) = -2
20 x = 4.5 F(x) = -40.5625
21 x = 5 F(x) = -80
22 x = 5.5 F(x) = -112.8125
23 x = 6 F(x) = -130
24 x = 6.5 F(x) = -121.0625
25 x = 7 F(x) = -74
26 x = 7.5 F(x) = 24.6875
27 x = 8 F(x) = 190
28 x = 8.5 F(x) = 438.4375
29 x = 9 F(x) = 788
30 x = 9.5 F(x) = 1258.1875
31 x = 10 F(x) = 1870
6
Metode numerice de modelare,simulare şi optimizare
Considerând că ecuaţia 𝑓(𝑥) = 0 are o rădăcină în intervalul [a, b] atunci funcţia 𝑓(𝑥)
îndeplineşte următoarea condiţie 𝑓(𝑎)𝑓(𝑏) < 0. Metoda bisecţiei constă în definirea unui
punct ξ plasat la jumătatea intervalului:
𝑎+𝑏
𝜉= 2
7
Metode numerice de modelare,simulare şi optimizare
Valorile succesive ale capetelor intervalului formează două serii infinite, legătura între
termenii generali ai acestora este
1
𝑏𝑛 − 𝑎𝑛 = 2𝑛 (𝑏 − 𝑎) cu 𝜉 ∈ (𝑎, 𝑏)
Din relaţia de mai sus se poate deduce criteriul pentru oprirea calculelor în cazul
metodei bisecţiei. Aceste criterii pot fi:
8
Metode numerice de modelare,simulare şi optimizare
Dacă împărţirea rădăcinilor nu a fost corect făcută, iar în intervalul în care se caută
rădăcina sunt mai multe rădăcini, metoda bisecţiei nu mai funcţionează corect, ciclul prin care
se caută soluţia poate intra intr-un ciclu infinit prin faptul că condiţia de ieşire din buclă nu
este îndeplinită niciodată. Pentru e evita acest tip de incident neplăcut se impune limitarea
numărului de iteraţii prin utilizarea unui contor a cărei valoare maximă este testată la fiecare
iteraţie, iar când se atinge valoarea maximă iteraţiile se opresc automat .
Această metodă mai este cunoscută şi sub denumirea de metoda coardei şi reprezintă o
metodă mai rapidă pentru căutarea rădăcinii ecuaţiei 𝑓(𝑥) = 0 pe intervalul [a, b] care
conţine o rădăcină a ecuaţiei, deci este îndeplinită condiţia 𝑓(𝑎)𝑓(𝑏) < 0.
Considerăm pentru început că 𝑓(𝑎) < 0 şi 𝑓(𝑏) > 0. În loc să împărţim segmentul [a,
b] în două pentru a căuta rădăcina ca în metoda bisecţiei, este mai logic să-l împărţim în
raportul – 𝑓(𝑎)/𝑓(𝑏).
Fig. 1.6
𝑥1 = 𝑎 + ℎ1
9
Metode numerice de modelare,simulare şi optimizare
în care
−𝑓(𝑎)
ℎ1 = −𝑓(𝑎)+𝑓(𝑏) (𝑏 − 𝑎).
Acest procedeu se aplică unuia din segmentele [a, x1] sau [x1, b] dacă produsul valorilor
funcţiei 𝑓(𝑥) este negativ obţinându-se a doua aproximaţie a rădăcinii ecuaţiei x2, figura 1.7.
Fig. 1.7
Din punct de vedere geometric metoda părţilor proporţionale constă în înlocuirea curbei
𝑦 = 𝑓(𝑥) printr-o coardă care trece prin punctele A[a, f(a)] şi B[b, f(b)] (figura 1.6). Ecuaţia
dreptei care trece prin punctele A și B este
𝑥−𝑎 𝑦−𝑓(𝑎)
= 𝑓(𝑏)−𝑓(𝑎)
𝑏−𝑎
𝑓(𝑎)
𝑥1 = 𝑎 − 𝑓(𝑏)−𝑓(𝑎) (𝑏 − 𝑎)
𝑓(𝑥 )
𝑛
𝑥𝑛+1 = 𝑥𝑛 − 𝑓(𝑏)−𝑓(𝑥 )
(𝑏 − 𝑥𝑛 ) unde 𝑛 = 0,1,2, … (1.8)
𝑛
10
Metode numerice de modelare,simulare şi optimizare
𝑓(𝑥𝑛 )
𝑥𝑛+1 = 𝑥𝑛 − 𝑓(𝑏𝑥 (𝑥𝑛 − 𝑥𝑛 ) unde 𝑛 = 0,1,2, …
𝑛 )−𝑓(𝑏)
Fig. 1.8
• Extremitatea fixă a intervalului este cea pentru care semnul funcţiei 𝑓(𝑥) coincide cu
semnul derivatei a doua 𝑓"(𝑥);
lim (𝑥𝑛 ) = 𝜉.
𝑛→∞
11
Metode numerice de modelare,simulare şi optimizare
Fie ξ rădăcina ecuaţiei 𝑓(𝑥) = 0 plasată în intervalul [a, b], iar 𝑓 ′ (𝑥) şi 𝑓"(𝑥) sunt
continue şi păstrează semn constant pe intervalul (a, b). Considerăm că 𝑥𝑛 reprezintă a n-a
aproximaţie a rădăcinii funcţiei. Între rădăcina funcţiei şi aproximaţie se poate scrie relaţia
𝜉 = 𝑥𝑛 + ℎ𝑛 (1.9)
Dacă dezvoltăm funcţia 𝑓(𝑥) în serie Taylor în jurul originii şi păstrăm numai primii 2
termeni obţinem:
𝑓(𝑥 )
ℎ𝑛 = − 𝑓′ (𝑥𝑛 )
𝑛
12
Metode numerice de modelare,simulare şi optimizare
Fig. 1.9
Intersecţia acestei drepte cu axa OX se determină din condiţia 𝑦 = 0. Notăm acel punct
cu 𝑥1 , din ecuaţia de mai sus rezultă
𝑓(𝑥 )
𝑥1 = 𝑥0 − 𝑓′ (𝑥0 )
0
Valoarea funcţiei în punctul 𝑥1 este 𝑓(𝑥1 ) reprezentată pe grafic de punctul B1. Dacă
din acest punct se duce tangenta, intersecţia acesteia cu axa OX este 𝑥2 a cărei coordonată
este
𝑓(𝑥 )
𝑥2 = 𝑥1 − 𝑓′ (𝑥1 ).
1
Observaţia 1
- 𝑓(𝑎)𝑓(𝑏) < 0
- 𝑓 ′ (𝑥) ≠ 0 pentru 𝑎 ≤ 𝑥 ≤ 𝑏
Atunci pentru aplicarea metodei lui Newton pentru căutarea rădăcinii ecuaţiei 𝑓(𝑥) = 0
în intervalul (a, b) se poate lua pentru aproximaţia iniţială orice valoare 𝑐 ∈ [𝑎, 𝑏].
Observaţia 2
13
Metode numerice de modelare,simulare şi optimizare
Metoda Newton – Raphson se aplică dacă panta funcţiei 𝑓(𝑥) este abruptă în
vecinătatea rădăcinii funcţiei. În acest caz metoda converge rapid. Dacă panta este aproape
orizontală (valoarea primei derivate este mare) metoda converge greu, iar metoda nu este
indicată În figura 1.10 este prezentat un astfel de caz.
Fig. 1.10
O metodă dintre cele mai importante de rezolvare numerică a ecuaţiilor este metoda
aproximaţiilor succesive care mai se mai numeşte şi metoda iteraţiilor. Considerăm ecuaţia
𝑓(𝑥) = 0
14
Metode numerice de modelare,simulare şi optimizare
𝑥 = 𝜑(𝑥) (1.11)
𝑥1 = 𝜑(𝑥0 ).
𝑥𝑛 = 𝜑(𝑥𝑛−1 ) (𝑛 = 0,1,2, …)
Dacă șirul aproximaţiilor succesive converge, adică există o limită ξ = lim 𝑥𝑛 atunci
𝑛→∞
lim 𝑥𝑛 = 𝜑(lim 𝑥𝑛 )
𝑛→∞ 𝑛→∞
sau
𝜉 = 𝜑(𝜉)
Geometric această metodă se explică în figura 1.11. În planul XOY se reprezintă grafic
dreapta 𝑦 = 𝑥 care reprezintă prima bisectoare şi funcţia 𝑦 = 𝜑(𝑥).
15
Metode numerice de modelare,simulare şi optimizare
Fig. 1.11
Pentru ca procesul iterativ să fie convergent trebuie ca |𝜑 ′ (𝑥)| < 1. Dacă 𝜑 ′ (𝑥) este
negativă linia poligonală care se apropie de rădăcină are o configuraţie spirală, figura 1.12
Fig. 1.12
În cazul în care |𝜑 ′ (𝑥)| > 1 procesul iterativ poate să devină divergent, figura 1.13.
16
Metode numerice de modelare,simulare şi optimizare
Fig. 1.13
Teoremă Dacă funcţia 𝜑(𝑥) este definită şi derivabilă pe intervalul [a, b] şi dacă există un
număr q astfel încât |𝜑 ′ (𝑥)| ≤ 𝑞 < 1 pentru 𝑎 < 𝑥 < 𝑏 atunci:
segmentul [a, b]
𝑥 = 𝑥 2 + 𝑥 − 0,7
deci
𝜑(𝑥) = 𝑥 2 + 𝑥 − 0,7.
17
Capitolul 2
O ecuaţie se numeşte liniară dacă fiecare termen conţine numai o variabilă şi fiecare
variabilă este la puterea întâi. De exemplu
2𝑥 + 𝑦 − 6𝑧 = 4 (1)
2𝑥𝑦 + 𝑦 − 𝑧 = 2 (2)
𝑥2 + 𝑦 + 𝑧 = 0 (3)
- Ecuaţia (2) nu este liniară deoarece unul din termeni conţine produsul a două variabile
“xy”;
- Ecuaţia (3) nu este liniară deoarece unul din termeni este la o putere mai mare ca 1.
Un număr de n ecuaţii liniare cu n necunoscute formează un sistem liniar de n ecuaţii
cu n necunoscute. Fie 𝑥1 , 𝑥2 , 𝑥3 , … 𝑥𝑛 o soluţie a acestui sistem, dacă înlocuim aceste valori în
ecuaţiile sistemului acestea sunt satisfăcute simultan. Fie sistemul liniar de 3 ecuaţii cu 3
necunoscute
𝑥+𝑦+𝑧 = 4
2𝑥 + 3𝑦 + 𝑧 = 9
{ 𝑥 − 𝑦 − 𝑧 = −2
26
Metode numerice de modelare,simulare şi optimizare
2𝑥 + 𝑦 = 4
{ (2.3)
𝑥 − 𝑦 = −1
Soluţia acestui sistem este 𝑥 = 1; 𝑦 = 2, spunem că este unică deoarece nici o altă
pereche de valori nu satisface simultan ambele valori.
În spaţiul bidimensional cele două ecuaţii ale sistemului reprezintă două drepte pe care
le-am notat cu L1 şi respectiv L2, figura 2.1. După cum se cunoaşte coordonatele oricărui
punct de pe dreapta L1 satisfac ecuaţia dreptei. Acelaşi lucru se întâmplă pentru punctele de
pe dreapta L2.
Punctele care satisfac simultan ambele ecuaţii trebuie să se găsească la intersecţia celor
două drepte.
Conform figurii se observă că în aceste caz există un singur punct de intersecţie pentru
cele două drepte. Coordonatele acestui punct de intersecţie satisfac simultan ambele ecuaţii
ele reprezentând soluţie sistemului. Concluzia pe care o tragem că un astfel de sistem are o
soluţie unică.
Fig. 2.1.
27
Metode numerice de modelare,simulare şi optimizare
2 1 𝑥 4
[ ][ ] = [ ]
1 −1 𝑦 −1
𝐴𝑋 = 𝐵
2 1
𝑑𝑒𝑡𝐴 = [ ] = −3 ≠ 0
1 −1
4𝑥 + 6𝑦 = 10
{ (2.4)
2𝑥 + 3𝑦 = 6
În acest caz graficele celor două drepte ale sistemului (2.4) sunt paralele aşa după cum
se poate observa şi în figura 2.2. Deoarece cele două drepte nu au nici un punct comun rezultă
ca sistemul nu are nici o soluţie.
Fig. 2.2.
Dacă verificăm determinatul sistemului observăm că valoarea acestuia este nulă
28
Metode numerice de modelare,simulare şi optimizare
4 6
𝑑𝑒𝑡|𝐴| = [ ]=0
2 3
În cazul în care determinantul sistemului este nul atunci sistemul nu are soluţie sau este
incompatibil.
Considerăm sistemul
4𝑥 + 6𝑦 = 12
{
2𝑥 + 3𝑦 = 6
4 6
𝑑𝑒𝑡|𝐴| = [ ]=0
2 3
Pe lângă această observaţie mai remarcăm faptul că rapoartele coeficienţilor celor două
ecuaţii sunt egale
𝑎11 𝑎 𝑏
= 𝑎12 = 𝑏1
𝑎21 21 2
4 6 12
=3= =2
2 6
În acest caz cele două drepte ale sistemului coincid, fig. 3, rezultă că orice punct de pe
dreapta din figură verifică sistemul deci există o infinitate de soluţii pentru acest sistem.
29
Metode numerice de modelare,simulare şi optimizare
Fig. 2.3.
Considerăm relaţiile
𝑎
𝑚2 = 𝑎21
11
(𝑎21 − 𝑚2 𝑎11 )𝑥1 + (𝑎22 − 𝑚2 𝑎12 )𝑥2 + (𝑎23 − 𝑚2 𝑎23 )𝑥3 = 𝑏 − 𝑚2 𝑏1 (2.8)
unde
30
Metode numerice de modelare,simulare şi optimizare
𝑎
𝑎21 − 𝑚2 𝑎11 = 𝑎21 − 𝑎21 𝑎11 = 0 (2.9).
11
′
𝑎22 = 𝑎22 − 𝑚2 𝑎12
′
𝑎23 = 𝑎23 − 𝑚2 𝑎13 (2.10)
𝑏2′ = 𝑏2 − 𝑚2 𝑏1
′ ′
𝑎22 𝑥2 + 𝑎23 𝑥3 = 𝑏2′ (2.11)
Aceasta reprezintă a doua ecuaţie a sistemului (2.5)-(2.7) după ce s-a eliminate variabila
x1 din prima ecuaţie.
Procedăm în mod similar pentru eliminarea variabilei x1 şi din ecuaţia (2.7). Pentru
𝑑
acest lucru se defineşte multiplicatorul 𝑚3 = 𝑑31 . Înmulţim ecuaţia (2.5) cu multiplicatorul şi
11
′ ′
𝑎23 𝑥2 + 𝑎33 𝑥3 = 𝑏3′ (2.12)
în care s-au utilizat notaţiile
′
𝑎32 = 𝑎32 − 𝑚3 𝑎12
′
𝑎33 = 𝑎33 − 𝑚3 𝑎13 (2.13)
𝑏3′ = 𝑏3 − 𝑚3 𝑏1
31
Metode numerice de modelare,simulare şi optimizare
′ ′
𝑎22 𝑥2 + 𝑎23 𝑥3 = 𝑏2′ (2.15)
′ ′
𝑎23 𝑥2 + 𝑎33 𝑥3 = 𝑏3′ (2.16)
Acesta este un sistem echivalent cu sistemul original şi are în plus avantajul că din
ultimele două ecuaţii s-a eliminat necunoscuta x1.
𝑎′
Pentru a elimina x2 din ultimele două ecuaţii se defineşte multiplicatorul 𝑚3′ = 𝑚32
′ .
22
′
(𝑎32 − 𝑚3′ 𝑎32
′ )𝑥 ′ ′ ′ ′ ′ ′
2 + (𝑎33 − 𝑚3 𝑎23 )𝑥3 = 𝑏3 − 𝑚3 𝑏2 (2.17)
Se observă din nou că datorită modului în care s-a ales multiplicatorul, coeficientul
variabilei x2 din ecuaţia (2.17) este nul.
′
𝑎32 − 𝑚3′ 𝑎32
′
=0
Folosind notaţiile
′′ ′
𝑎33 = 𝑎33 − 𝑚3′ 𝑎32
′
și 𝑏3′′ = 𝑏3′ − 𝑚3′ 𝑏2′ (2.18)
′′
𝑎33 𝑥3 = 𝑏3′′ (2.19)
′ ′
𝑎22 𝑥2 + 𝑎23 𝑥3 = 𝑏2′ (2.20)
32
Metode numerice de modelare,simulare şi optimizare
′′
𝑎33 𝑥3 = 𝑏3′′
Un astfel de sistem triunghiular se rezolvă simplu. Din ultima ecuaţie se calculează x3
apoi pe rând prin substituţie inversă se calculează toate variabilele. Soluţia sistemului prin
procedeul eliminării gaussiene este:
𝑏 ′′
𝑥3 = 𝑎′′3
33
𝑏2′ −𝑎23
′ 𝑥
3
𝑥2 = ′ (2.21)
𝑎22
𝑏1 −𝑎12 𝑥2 −𝑎13 𝑥3
𝑥1 =
𝑎11
• 𝑎11
′
≠ 0, dacă această condiţie nu este îndeplinită se schimbă coloanele între ele până
când coeficientul unei variabile este nenul;
• 𝑎22
′ ′
≠ 0, dacă 𝑎22 ′
este nul se utilizează termenul 𝑎23 pentru eliminarea gaussiană;
• 𝑎33
′
≠ 0, dacă acest termen este nul sistemul este singular şi după cum am văzut
poate să nu mai aibă soluţie sau, din contră, o infinitate de soluţii.
Pentru generalizarea soluţiei şi trecerea la cazul unui sistem de n ecuaţii cu n
′ ′
necunoscute vom renunţa la notaţiile folosite până acum adică 𝑎22 , 𝑎23 şi 𝑏2′ se vor renota cu
𝑎22 , 𝑎23 şi respectiv 𝑏2 , deoarece valorile temporare ale acestor coeficienţi nu se reţin pe
timpul efectuării calculelor.
Pentru calculul succesiv al coeficienţilor sistemului de ecuaţii 𝑎𝑖𝑗 (i=1, 2,…,n; j=1, 2,
…n) este nevoie de o singură variabilă de tip tablou a[i, j] în care se scriu valorile iniţiale, se
fac toate operaţiile legate de procedeul de eliminare gaussiană şi se determină valorile finale.
Realizarea algoritmului se face utilizându-se 3 tipuri de operaţii fără ca acestea să
modifice soluţiile sistemului:
1. Înmulţirea ecuaţiei cu o constantă;
2. Scăderea unei ecuaţii din alta, termen cu termen;
3. Rearanjarea ecuaţiilor.
33
Metode numerice de modelare,simulare şi optimizare
𝑎
𝑚𝑖 = 𝑎 𝑖𝑘 , 𝑖 = 𝑘 + 1, … . 𝑛
𝑘𝑘
𝑥𝑗 , 𝑗 = 𝑘, 𝑘 + 1, … . , 𝑛
𝑏𝑖 = 𝑏𝑖 − 𝑚𝑖 𝑏𝑘 .
34
Metode numerice de modelare,simulare şi optimizare
𝑏
𝑥𝑛 = 𝑎 𝑛
𝑛𝑛
.
.
𝑏𝑗 −(𝑎𝑗,𝑗+1 +⋯𝑎𝑗𝑛 𝑥𝑛 )
𝑥𝑗 = (2.24)
𝑎𝑗𝑛
.
.
1−(𝑎12 𝑥2 +⋯𝑎1𝑛 𝑥𝑛 )
{ 𝑥1 = 𝑎11
𝐴∙𝑋 =𝐵 (2.25)
în care A reprezintă matricea coeficienţilor de tip nxn
𝑥1 𝑏1
𝑥2 𝑏2
. .
𝑋 = 𝑥. 𝐵= .
𝑖 𝑏𝑖
.. ..
[𝑥𝑛 ] [𝑏𝑛 ]
35
Metode numerice de modelare,simulare şi optimizare
36
Metode numerice de modelare,simulare şi optimizare
Prima sumă corespunde triunghiului superior şi permite calcularea elementelor βij ale
matricei U iar a doua sumă corespunde triunghiului inferior şi permite determinarea
elementelor matricei L
𝛽𝑖𝑗 = 𝑎𝑖𝑗 − ∑𝑖−1
𝑘=1 𝛼𝑖𝑘 𝛽𝑘𝑗 , 𝑖 = 1,2, … , 𝑗 (9)
1
𝛼𝑖𝑗 = 𝛽 [𝑎𝑖𝑗 − ∑𝑖−1
𝑘=1 𝛼𝑖𝑘 𝛽𝑘𝑗 ], 𝑖 = 𝑗 + 1, … , 𝑛 (10)
𝑖𝑗
Pivotul convenabil este cel cu valoarea maximă din această cauză cel mai mare dintre
elementele 𝑎̅𝑖𝑗 se aşează pe diagonala principală devenind pivot.
Determinantul matricei A se poate calcula ca produsul elementelor de pe diagonala
matricei U
𝑑𝑒𝑡𝐴 = ∏𝑛𝑗=1 𝛽𝑗𝑗 (15)
37
Capitolul 3
Ecuaţiile care conţin derivata unei funcţii de o variabilă sunt des utilizate în domeniul
matematicii aplicate.
Un exemplu simplu de ecuaţie diferenţială ordinară este următorul
𝑑𝑦
= 𝑦 sau y’ = y (5.1)
𝑑𝑥
𝑦 = 𝑎𝑒 𝑥 (5.2)
𝑦 ′ = 𝑓(𝑥, 𝑦) (5.3)
iar pentru a putea fi rezolvată mai trebuie să i se asocieze o condiţie la limită de forma
𝑦(𝑥0 ) = 𝑦0 (5.4)
46
Metode numerice de modelare,simulare şi optimizare
Dacă ecuaţia diferenţială are ordinul mai mare decât 1, de exemplu o ecuaţie de ordinul
2.
𝑦" = 𝑔(𝑦 ′ , 𝑦, 𝑥) (5.5)
𝑧 = 𝑦 ′ ; 𝑧 ′ = 𝑔(𝑧, 𝑦, 𝑥) (5.6)
Această metodă asigură teoretic soluţie oricărei ecuaţii diferenţiale, dar are o
aplicabilitate redusă. Importanţa acestei metode constă în faptul că ea serveşte drept criteriu
de apreciere şi comparare a metodelor utilizate frecvent în practică.
Să presupunem că s-a calculat o aproximaţie pentru y(x) în intervalul 𝑥0 ≤ 𝑥 ≤ 𝑥𝑚 .
Folosind teorema lui Taylor, dezvoltăm y(x) în serie, în vecinătatea punctului x = xm.
(𝑗) (𝑗+1)(𝜉)
′ (𝑥
"
𝑦𝑚 2) 𝑦𝑚 𝑗 𝑗 𝑦𝑚 𝑗 𝑗+1
𝑦(𝑥) = 𝑦𝑚 + 𝑦𝑚 − 𝑥𝑚 ) + (𝑥 − 𝑥𝑚 +⋯+ (𝑥 − 𝑥𝑚 ) + (𝑗+1)!
(𝑥 − 𝑥𝑚 ) (5.7)
2! 𝑗!
(𝑗)
unde: 𝑦𝑚 reprezintă derivata de ordinul j a lui y(x) în punctul x = xm. Reamintim că 𝑥𝑚 ≤
𝜉 ≤ 𝑥 unde x >xm.
Înlocuim x cu xm+h iar ecuaţia (5.7) pentru aproximarea funcţiei y(x) în punctul x =
xm+1 = xm+h este
47
Metode numerice de modelare,simulare şi optimizare
𝜕𝑓(𝑥,𝑦) 𝜕𝑓(𝑥,𝑦)
𝑦" = + 𝑓(𝑥, 𝑦) = 𝑓𝑥 + 𝑓𝑓𝑦 (5.9)
𝜕𝑥 𝜕𝑦
𝜕𝑓 𝜕𝑓
𝑓𝑥 = 𝜕𝑥 și 𝑓𝑦 = 𝜕𝑦 (5.10)
" ′′′(𝜉)
′ 𝑦𝑚 2 𝑦
𝑦𝑚+1 = 𝑦𝑚 + 𝑦𝑚 ℎ + ℎ + ℎ3 (5.11
2 6
′′′(𝜉)
ℎ 𝑦
𝑦𝑚+1 = 𝑦𝑚 + ℎ [𝑓 + 2 (𝑓𝑥 + 𝑓𝑓𝑦 )] + ℎ3 (5.12)
6
Putem concluziona că pentru calculul numeric al ecuaţiei (5.3) folosind metoda seriilor
Taylor, relaţia de recurenţă este
ℎ
𝑦𝑚+1 = 𝑦𝑚 + ℎ [𝑓 + 2 (𝑓𝑥 + 𝑓𝑓𝑦 )] (5.13)
′′′(𝜉)
𝑦
𝑒𝑡 = ℎ3 (5.14)
6
𝑒𝑡 ≈ 𝑘ℎ3 (5.15)
Fig. 5.1.
Ecuaţia acestei drepte este
𝑦 = 𝑦𝑚 + 𝑦′𝑚 (𝑥 − 𝑥𝑚 ) (5.16)
Relaţia (5.17) reprezintă o relaţie iterativă care permite rezolvarea numerică a ecuaţiei
49
Metode numerice de modelare,simulare şi optimizare
𝑥 = 𝑥0 , 𝑦 = 𝑓(𝑥0 ) (5.18
)
dacă funcţia se poate explicita, sau
𝑥 = 𝑥0 , 𝑦 = 𝑦0 , 𝑓(𝑥0 , 𝑦0 ) = 𝐶0 (5.19)
"
𝑦𝑚
′
𝑦𝑚+1 = 𝑦𝑚 + 𝑦𝑚 ℎ+ ℎ2 (5.20)
2
"(𝜉)
𝑦
𝑒𝑡 = ℎ2 ≈ 𝑘ℎ2 (5.21)
2
50
Metode numerice de modelare,simulare şi optimizare
Fig. 5.2
(1)
Se calculează punctul de intersecţie cu verticala xm+1 şi rezultă punctul (𝑥𝑚+1 , 𝑦𝑚+1 ) −
(1)
𝑦𝑚+1 care reprezintă prima aproximaţie a valorii funcţiei în punctul xm+1.
(1)
𝑥𝑚+1 = 𝑥𝑚 + ℎ, 𝑦𝑚+1 = 𝑦𝑚 + ℎ𝑓(𝑥, 𝑦) (5.22)
(1)
Se calculează panta dreptei L2 care trece prin punctul 𝑥𝑚+1 , 𝑦𝑚+1. Se defineşte panta
medie ca media pantelor dreptelor L1 şi L2 prin relaţia
1
Ψ(𝑥𝑚 , 𝑦𝑚 , ℎ) = 2 [𝑓(𝑥𝑚 , 𝑦𝑚 ) + 𝑓(𝑥𝑚 + ℎ, 𝑦𝑚 + ℎ𝑓(𝑥𝑚 , 𝑦𝑚 ))] (5.23)
𝑦 = 𝑦𝑚 + (𝑥 − 𝑥𝑚 )Ψ(𝑥𝑚 , 𝑦𝑚 , ℎ) (5.24)
Intersecţia acestei drepte cu verticala care trece prin xm+1 permite calcularea noii
aproximaţii a funcţiei în acest punct prin formula
𝑦 = 𝑦𝑚 + ℎΨ(𝑥𝑚 , 𝑦𝑚 , ℎ) (5.25)
51
Metode numerice de modelare,simulare şi optimizare
ℎ
𝑦𝑚+1 = 𝑦𝑚 + 2 [𝑓(𝑥𝑚 , 𝑦𝑚 ) + 𝑓(𝑥𝑚 + ℎ), 𝑦𝑚 + ℎ𝑓(𝑥𝑚 , 𝑦𝑚 )] (5.26)
Formula de mai sus poartă numele de formula Runge-Kutta de ordinul 2. În mod similar
se pot stabili formule care au o precizie ridicată. Una din cele mai folosite formule este
formula Runge-Kutta de ordinul 4, definită astfel
ℎ
𝑦𝑚+1 = 𝑦𝑚 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ) (5.27)
6
unde
𝑘1 = 𝑓(𝑥𝑚 , 𝑦𝑚 )
ℎ ℎ𝑘1
𝑘2 = 𝑓 (𝑥𝑚 + 2 , 𝑦𝑚 + )
2
ℎ ℎ𝑘2
𝑘3 = 𝑓 (𝑥𝑚 + , 𝑦𝑚 + )
2 2
𝑘4 = 𝑓(𝑥𝑚 + ℎ, 𝑦𝑚 + ℎ𝑘3 ).
52
Capitolul 4
REGRESII
Astfel, trebuie să anticipăm forma funcției din unele observații referitoare la valorile
tabelare disponibile. Să presupunem că s-a găsit o formulă care stabilește relația între x și y
adică
𝑦̅ = 𝑓(𝑥) (4.1)
În figura 4.1. este prezentată o succesiune de puncte și o formă a unei funcții care
trebuie să descrie această distribuție
Fig. 4.1.
Funcția f(x) care aproximează cel mai bine distribuția de puncte x1, x2,….,xn o putem
defini ca fiind funcția care minimizează suma distanțelor punctelor față de dreaptă, definită
astfel
𝑆𝑚 = ∑𝑚 𝑚
𝑖=1|𝑑𝑖 | = ∑𝑖=1|𝑦𝑖 − 𝑦
̅𝑖 | (4.2)
35
Bazele simulării numerice în transportul, depozitarea şi distribuția hidrocarburilor
Pentru a rezolva dificultățile care apar în calculul sumei distanțelor, datorită semnelor
opuse, se definește suma pătratelor abaterilor punctelor față de funcție ca fiind
𝑆𝑃𝑚 = ∑𝑚 2
̅𝑖 )2
𝑖=1 𝑑𝑖 = ∑(𝑦𝑖 − 𝑦 (4.3)
Suma pătratelor abaterilor poate fi utilizată, din punct de vedere practic, cu mai multă
ușurință.
Principiul metodei celor mai mici pătrate constă în definirea abaterilor punctelor față de
curba care reprezintă distribuția prin pătratul distanței punctelor față de curbă, calcularea
sumei pătratelor, relația (4.3), și minimizarea acesteia pentru a deduce coeficienții curbei de
distribuție.
În cazul în care forma funcției care descrie distribuția de puncte este liniară metoda de
calcul a coeficienților dreptei care aproximează punctele poartă numele de regresie liniară.
Se consideră distribuția de puncte din tabelul 4.1., reprezentată grafic în figura 4.2.
Tabelul 4.1.
Fig. 4.2.
36
Bazele simulării numerice în transportul, depozitarea şi distribuția hidrocarburilor
Analizând graficul din figura 4.2. presupunem că distribuția de puncte este liniară,
caracterizată de ecuația
𝑦 = 𝑎1 𝑥 + 𝑎0 (4.4)
Ordonata punctului i este yi iar ordonata calculată din ecuația dreptei (4.4) este
𝑦̅𝑖 = 𝑎1 𝑥1 + 𝑎0 (4.5)
𝑑𝑖 = 𝑦𝑖 − 𝑦̅𝑖 = 𝑦𝑖 − 𝑎1 𝑥1 − 𝑎0 (4.6)
Suma pătratelor distanțelor tuturor punctelor din tabelul 4.1., la dreapta care le
aproximează, este
S= ∑𝑚
𝑖=1(𝑦𝑖 − 𝑎1 𝑥𝑖 − 𝑎0 )
2
(4.7)
𝜕𝑆
= ∑𝑚
𝑖=1 2(𝑦𝑖 − 𝑎1 𝑥𝑖 − 𝑎0 ) (−1) = 0 (4.8)
𝜕𝑎0
𝜕𝑆
= ∑𝑚
𝑖=1 2(𝑦𝑖 − 𝑎1 𝑥𝑖 − 𝑎0 ) (−𝑥𝑖 ) = 0 (4.9)
𝜕𝑎1
𝑚𝑎0 + (∑ 𝑥𝑖 )𝑎1 = ∑ 𝑦𝑖
{ (4.10)
(∑ 𝑥𝑖 )𝑎0 + (∑ 𝑥𝑖2 )𝑎1 = ∑ 𝑥𝑖 𝑦𝑖
∑ 𝑦𝑖 ∑ 𝑥𝑖2 −∑ 𝑥𝑖 ∑ 𝑥𝑖 𝑦𝑖
𝑎0 = 𝑚 ∑ 𝑥𝑖2 −(∑ 𝑥𝑖 )2
(4.11)
𝑚 ∑ 𝑥𝑖 𝑦𝑖 −∑ 𝑥𝑖 ∑ 𝑦𝑖
𝑎1 = 𝑚 ∑ 𝑥𝑖2 −(∑ 𝑥𝑖 )2
unit RegLin;
interface
type
37
Bazele simulării numerice în transportul, depozitarea şi distribuția hidrocarburilor
MatXXYY=array[1..100] of double;
implementation
end.
38
Bazele simulării numerice în transportul, depozitarea şi distribuția hidrocarburilor
39
Capitolul 5
Ecuațiile care conțin derivata unei funcții de o variabilă sunt des utilizate în domeniul
matematicii aplicate.
𝑑𝑦
= 𝑦 sau y’ = y (5.1)
𝑑𝑥
𝑦 = 𝑎𝑒 𝑥 (5.2)
Valori diferite ale constantei a produc o familie de curbe care satisfac ecuația
diferențială (5.2). Constanta a este unic determinată dacă pe lângă ecuația diferențială (5.1) se
mai precizează o pereche de valori x, y prin care să treacă curba care reprezintă soluția
ecuației. Această condiție se numește condiție la limită. De exemplu, dacă se dă condiția x =
0, y = 1 din ecuația (5.2) se poate determina valoarea constantei a, în acest caz rezultă a = 1.
𝑦 ′ = 𝑓(𝑥, 𝑦) (5.3)
iar pentru a putea fi rezolvată mai trebuie să i se asocieze o condiție la limită de forma
𝑦(𝑥0 ) = 𝑦0 (5.4)
Dacă ecuația diferențială are ordinul mai mare decât 1, de exemplu o ecuație de ordinul
2
𝑧 = 𝑦 ′ ; 𝑧 ′ = 𝑔(𝑧, 𝑦, 𝑥) (5.6)
40
Bazele simulării numerice în transportul, depozitarea şi distribuția hidrocarburilor
Această metodă asigură teoretic soluție oricărei ecuații diferențiale, dar are o
aplicabilitate redusă. Importanța acestei metode constă în faptul că ea servește drept criteriu
de apreciere și comparare a metodelor utilizate frecvent în practică.
(𝑗)
unde 𝑦𝑚 reprezintă derivata de ordinul j a lui y(x) în punctul x = xm. Reamintim că 𝑥𝑚 ≤ 𝜉 ≤
𝑥unde x >xm.
Înlocuim x cu xm+h iar ecuația (5.7) pentru aproximarea funcției y(x) în punctul x =
xm+1 = xm+h este
Ținând cont de ecuația (5.3) se poate evalua derivata de ordinul 2 ținând seama că y(x)
arată astfel
𝜕𝑓(𝑥,𝑦) 𝜕𝑓(𝑥,𝑦)
𝑦" = + 𝑓(𝑥, 𝑦) = 𝑓𝑥 + 𝑓𝑓𝑦 (5.9)
𝜕𝑥 𝜕𝑦
𝜕𝑓 𝜕𝑓
𝑓𝑥 = 𝜕𝑥 și 𝑓𝑦 = 𝜕𝑦 (5.10)
" ′′′(𝜉)
′ 𝑦𝑚 𝑦
𝑦𝑚+1 = 𝑦𝑚 + 𝑦𝑚 ℎ+ ℎ2 + ℎ3 (5.11)
2 6
Putem concluziona că pentru calculul numeric al ecuației (5.3) folosind metoda seriilor
Taylor, relația de recurență este
41
Bazele simulării numerice în transportul, depozitarea şi distribuția hidrocarburilor
ℎ
𝑦𝑚+1 = 𝑦𝑚 + ℎ [𝑓 + 2 (𝑓𝑥 + 𝑓𝑓𝑦 )] (5.13)
𝑒𝑡 ≈ 𝑘ℎ3 (5.15)
Pentru a se înțelege mai bine în ce constau metodele de tip Runge-Kutta vom prezenta
aceste metode în paralel cu interpretarea geometrică a acestora.
Dorim să definim o metodă iterativă pentru integrarea ecuației (5.3). Presupunem că s-a
′
calculat soluția ym în punctul xm. Se poate trasa o dreaptă de pantă 𝑦𝑚 = 𝑓(𝑥𝑚 , 𝑦𝑚 ) care trece
prin punctul (ym, xm) și intersectează perpendiculara pe Ox în punctele xm+1 și ym+1, figura 5.1.
42
Bazele simulării numerice în transportul, depozitarea şi distribuția hidrocarburilor
Fig. 5.1.
Ecuația acestei drepte este
𝑦 = 𝑦𝑚 + 𝑦′𝑚 (𝑥 − 𝑥𝑚 ) (5.16)
Relația (5.17) reprezintă o relație iterativă care permite rezolvarea numerică a ecuației
(5.3) calculând punct cu punct valorile soluției.
Pentru a putea fi aplicată această metodă trebuie definită valoarea funcției în punctul de
pornire al procesului adică la capătul intervalului. Acest lucru se realizează prin condiția la
limită
𝑥 = 𝑥0 , 𝑦 = 𝑓(𝑥0 ) (5.18)
𝑥 = 𝑥0 , 𝑦 = 𝑦0 , 𝑓(𝑥0 , 𝑦0 ) = 𝐶0 (5.19)
"
𝑦𝑚
′
𝑦𝑚+1 = 𝑦𝑚 + 𝑦𝑚 ℎ+ ℎ2 (5.20)
2
"(𝜉)
𝑦
𝑒𝑡 = ℎ2 ≈ 𝑘ℎ2 (5.21)
2
Astfel, conform acestei metode, figura 5.2, se determină panta dreptei L1 care trece prin
punctul (𝑥𝑚 , 𝑦𝑚 ).
43
Bazele simulării numerice în transportul, depozitarea şi distribuția hidrocarburilor
Fig. 5.2
(1)
Se calculează punctul de intersecție cu verticala xm+1 și rezultă punctul (𝑥𝑚+1 , 𝑦𝑚+1 ) −
(1)
𝑦𝑚+1 care reprezintă prima aproximație a valorii funcției în punctul xm+1.
(1)
𝑥𝑚+1 = 𝑥𝑚 + ℎ, 𝑦𝑚+1 = 𝑦𝑚 + ℎ𝑓(𝑥, 𝑦) (5.22)
(1)
Se calculează panta dreptei L2 care trece prin punctul 𝑥𝑚+1 , 𝑦𝑚+1. Se definește panta
medie ca media pantelor dreptelor L1 și L2 prin relația
1
Ψ(𝑥𝑚 , 𝑦𝑚 , ℎ) = 2 [𝑓(𝑥𝑚 , 𝑦𝑚 ) + 𝑓(𝑥𝑚 + ℎ, 𝑦𝑚 + ℎ𝑓(𝑥𝑚 , 𝑦𝑚 ))] (5.23)
𝑦 = 𝑦𝑚 + (𝑥 − 𝑥𝑚 )Ψ(𝑥𝑚 , 𝑦𝑚 , ℎ) (5.24)
Intersecția acestei drepte cu verticala care trece prin xm+1 permite calcularea noii
aproximații a funcției în acest punct prin formula
𝑦 = 𝑦𝑚 + ℎΨ(𝑥𝑚 , 𝑦𝑚 , ℎ) (5.25)
ℎ
𝑦𝑚+1 = 𝑦𝑚 + 2 [𝑓(𝑥𝑚 , 𝑦𝑚 ) + 𝑓(𝑥𝑚 + ℎ), 𝑦𝑚 + ℎ𝑓(𝑥𝑚 , 𝑦𝑚 )] (5.26)
Formula de mai sus poartă numele de formula Runge-Kutta de ordinul 2. În mod similar
se pot stabili formule care au o precizie ridicată. Una din cele mai folosite formule este
formula Runge-Kutta de ordinul 4, definită astfel
ℎ
𝑦𝑚+1 = 𝑦𝑚 + 6 (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ) (5.27)
44
Bazele simulării numerice în transportul, depozitarea şi distribuția hidrocarburilor
unde
𝑘1 = 𝑓(𝑥𝑚 , 𝑦𝑚 )
ℎ ℎ𝑘1
𝑘2 = 𝑓 (𝑥𝑚 + 2 , 𝑦𝑚 + )
2
ℎ ℎ𝑘2
𝑘3 = 𝑓 (𝑥𝑚 + 2 , 𝑦𝑚 + )
2
𝑘4 = 𝑓(𝑥𝑚 + ℎ, 𝑦𝑚 + ℎ𝑘3 ).
45
Capitolul 4
Fig 1
1 𝜕 𝜕𝑝 𝑚𝛽𝜇 𝜕𝑝
(𝑟 )= (1)
𝑟 𝜕𝑟 𝜕𝑟 𝑘 𝜕𝜏
1 𝜕𝑝 𝜕2 𝑝 𝑚𝛽𝜇 𝜕𝑝
+ = (2)
𝑟 𝜕𝑟 𝜕𝑟 2 𝑘 𝜕𝜏
unde:
58
Metode numerice de modelare,simulare şi optimizare
p – presiunea;
r – distanţa radială faţă de sondă;
m – porozitatea;
β – compresibilitatea;
μ – vâscozitatea;
k – permeabilitatea;
τ – timpul.
Fig.2
Se defineşte un segment cuprins între rs – raza sondei şi rmax – raza maximă de influenţă
a sondei care se împarte în intervale egale Δr = (rmax – rs) / np. np – reprezintă numărul de
intervale în care s-a împărţit intervalul.
Ecuaţia (1) se rescrie în diferenţe finite astfel:
𝜕𝑝 𝑝𝑖+1 −𝑝𝑖−1
≈ (3)
𝜕𝑟 2∆𝑟
59
Metode numerice de modelare,simulare şi optimizare
𝑛+1
𝜕𝑝 𝑝𝑖+1 −𝑝𝑖𝑛
≈ (5)
𝜕𝜏 ∆𝜏
𝑛+1
𝑝𝑖+1 −𝑝𝑖𝑛 𝑛
𝑖 𝑝𝑖+1 𝑛
−𝑝𝑖−1 𝑛
𝑝𝑖+1 −𝑝𝑖𝑛 +𝑝𝑖−1
𝑛
= 𝐵( + ) (6)
∆𝜏 𝑖∆𝑟 2∆𝑟 ∆𝑟 2
𝑘
𝐵 = 𝑚𝛽𝜇 (7)
Având în vedere că pentru exprimarea derivatei temporare s-au utilizat valorile presiunii
la două momente de timp n şi n+1 despărţite de intervalul Δτ, dacă se consideră toate valorile
presiunii din membrul drept al ecuaţiei (6) la momentul n de timp, metoda de rezolvare pentru
acest caz poartă denumirea de metoda explicită fundamentală.
Relaţia (6) scrisă pentru fiecare nod al reţelei generează un sistem liniar de n p ecuaţii np
necunoscute. În acest caz din fiecare ecuaţie se poate explicita presiunea pin+1 la n moment de
timp deoarece pentru calculul ei se utilizează numai valori cunoscute, fig.3.
Fig.3
Explicitând presiunea din relaţia (6) rezultă:
∆𝜏 ∆𝜏 1 1
𝑝𝑖𝑛+1 = 𝑝𝑖𝑛 (1 − 2𝐵 )+𝐵 𝑛
[(1 + ) 𝑝𝑖+1 𝑛
+ (1 − ) 𝑝𝑖−1 ] (8)
∆𝑟 2 ∆𝑟 2 2𝑖 2𝑖
60
Metode numerice de modelare,simulare şi optimizare
∆𝜏
𝐵 ∆𝑟 2 ≤ 0,5 (9)
pi = pstatic i = 0,1,2,...,np
6.3. Condiţii la limită
Condiţiile la limită permit individualizarea fenomenelor ce pot fi simulate de relaţia (2),
proces de extracţie, proces de injecţie, exploatare la debit constant, etc.
Domeniul de integrare fiind momodimensional sunt necesare două condiţii la limită:
a) condiţii la limită la stânga(la sondă) care pot fi:
- condiţii de tip Dirichlet – presiunea în sondă este constantă.
Fie pd pr4siunea dinamică din sondă, condiţia se exprimă:
p0 = pd
- condiţie de tip Newman – debitul extras este constant.
𝑘 𝑝1𝑛 − 𝑝0𝑛+1
𝑄 = 2𝜋𝑟0 ℎ = 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡
𝜇 ∆𝑟
∆𝑟𝑄𝜇
𝑝0𝑛+1 = 𝑝0𝑛 −
2𝜋𝑟0 ℎ𝑘
61