Інтегрування лінійних звичайних диференціальних рівнянь четвертого порядка в середовищі MAPLE
Notice bibliographique
Résumé
This paper reports a method to solve ordinary fourth-order differential equations in the form of ordinary power series and, for the case of regular special points, in the form of generalized power series. An algorithm has been constructed and a program has been developed in the MAPLE environment (Waterloo, Ontario, Canada) in order to solve the fourth-order differential equations. All types of solutions depending on the roots of the governing equation have been considered. The examples of solutions to the fourth-order differential equations are given; they have been compared with the results available in the literature that demonstrate excellent agreement with the calculations reported here, which confirms the effectiveness of the developed programs. A special feature of this work is that the accuracy of the results is controlled by the number of terms in the power series and the number of symbols (up to 20) in decimal mantissa in numerical calculations. Therefore, almost any accuracy allowed for a given electronic computing machine or computer is achievable. The proposed symbolic-numerical method and the work program could be successfully used for solving eigenvalue problems, in which controlled accuracy is very important as the eigenfunctions are extremely (exponentially) sensitive to the accuracy of eigenvalues found. The developed algorithm could be implemented in other known computer algebra packages such as REDUCE (Santa Monica, CA), MATHEMATICA (USA), MAXIMA (USA), and others. The program for solving ordinary fourth-order differential equations could be used to construct Green’s functions of boundary problems, to solve differential equations with private derivatives, a system of Hamilton’s differential equations, and other problems related to mathematical physics.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».