DOI: https://doi.org/10.1007/s11071-025-11682-3
تاريخ النشر: 2025-08-29
المؤلف: Dalibor Biolek وآخرون
الموضوع الرئيسي: حلول المعادلات التفاضلية الكسرية
نظرة عامة
يوفر هذا القسم نظرة عامة على خصائص دوال ميتاج-ليفلر (ML)، مع التأكيد على أهميتها في حساب التفاضل الكسري. بينما تم توثيق الخصائص الأساسية لدوال ML بشكل جيد، لم يتم دراسة مشتقات هذه الدوال بشكل موسع. تهدف هذه الورقة إلى سد هذه الفجوة من خلال تقديم تحليل شامل لمشتقات دوال ML، واستكشاف علاقاتها مع أشكال مختلفة من الدالة، بالإضافة إلى خصائصها وتطبيقاتها واعتبارات الحساب.
مقدمة
تناقش مقدمة الورقة أهمية دوال ميتاج-ليفلر (ML)، التي تتميز بمعامل واحد أو أكثر وتعتبر محورية في مجال حساب التفاضل الكسري. تعمل هذه الدوال كدوال ذات قيم خاصة لمشتقات من رتبة كسريّة وهي ضرورية لتحليل الحلول لمعادلات التفاضل الكسري (FDEs). تمتد تطبيقاتها إلى الطرق العددية لمشاكل من رتبة كسريّة، ونظرية الاحتمالات، ونظرية الشبكات. ركزت الأبحاث الحديثة على الجوانب النظرية والتقييم العددي لدوال ML، بما في ذلك تلك التي تحتوي على معاملات عددية ومصفوفات.
على الرغم من أهميتها، لم يتم استكشاف مشتقات دوال ML بشكل كافٍ، مع إعطاء اهتمام محدود لخصائصها الأساسية والحساب العددي. تهدف هذه الورقة إلى سد هذه الفجوة من خلال مراجعة الخصائص الرئيسية لمشتقات دوال ML، وعلاقاتها مع دوال أساسية أخرى، وسلوكها التقاربي للمعاملات الكبيرة. بالإضافة إلى ذلك، تقدم تقنية فعالة لحساب مشتقات ML من أي رتبة وتناقش تطبيقاتها في الدوائر والأنظمة. يتم توضيح هيكل الورقة، مع تفصيل تركيز كل قسم على التعريفات والخصائص وتحويلات لابلاس والتوسعات التقاربية ودور مشتقات ML في حل معادلات التفاضل متعددة الحدود.
نقاش
في هذا القسم، يناقش المؤلفون مشتقات دوال ميتاج-ليفلر (ML)، مقدمين سلسلة من الاقتراحات التي تؤسس علاقات بين هذه المشتقات ودوال ML نفسها. يستخرجون تمثيلاً سلسلياً لمشتقات دالة ML \( E_{\alpha,\beta}(z) \) من خلال التفاضل مصطلحًا بمصطلح، مما يؤدي إلى الاقتراح 1، الذي يعبر عن المشتقات من الرتبة الأعلى من حيث المشتقات من الرتبة الأدنى. يتم استكشاف هذه العلاقة التكرارية بشكل أكبر في الاقتراح 2، حيث يمكن التعبير عن مشتقات من أي رتبة كتركيبات خطية لدوال ML، مع تعريف المعاملات بشكل تكراري. بالإضافة إلى ذلك، يوسع الاقتراح 3 هذه الفكرة لربط مشتقات دوال ML بمشتقات من الرتبة الأدنى، مما يعزز الاستقرار الحسابي.
كما يقدم المؤلفون مفهوم دوال ML كدوال لمتغير حقيقي موجب، \( e_{\alpha,\beta}(t; \lambda) \)، مما يبسط حساب المشتقات مقارنةً بحالة المعامل المعقد. يبرزون السلوك التقاربي لهذه المشتقات للمعاملات الكبيرة، موفرين توسعات تقاربية محددة بناءً على قطاع المعامل في المستوى العقدي. يختتم القسم بالتأكيد على أهمية دوال ML في حل معادلات التفاضل الكسري (FDEs)، موضحين دورها في التمثيلات التحليلية للحلول لمعادلات التفاضل متعددة الحدود، ومقدمين اقتراحات متنوعة توضح الروابط بين دوال ML ومشتقاتها وحلول هذه المعادلات.
DOI: https://doi.org/10.1007/s11071-025-11682-3
Publication Date: 2025-08-29
Author(s): Dalibor Biolek et al.
Primary Topic: Fractional Differential Equations Solutions
Overview
The section provides an overview of the properties of Mittag-Leffler (ML) functions, emphasizing their significance in fractional calculus. While the foundational characteristics of ML functions are well-documented, the derivatives of these functions have not been as extensively studied. This paper aims to fill this gap by offering a comprehensive analysis of the derivatives of ML functions, exploring their relationships with various forms of the function, as well as their properties, applications, and computational considerations.
Introduction
The introduction of the paper discusses the significance of Mittag-Leffler (ML) functions, which are characterized by one or more parameters and are pivotal in the field of fractional calculus. These functions serve as eigenfunctions of fractional-order derivatives and are essential for analyzing solutions to fractional differential equations (FDEs). Their applications extend to numerical methods for fractional-order problems, probability theory, and network theory. Recent research has focused on both the theoretical aspects and numerical evaluation of ML functions, including those with scalar and matrix arguments.
Despite their importance, the derivatives of ML functions have been relatively underexplored, with limited attention given to their fundamental properties and numerical computation. This paper aims to fill this gap by reviewing the main properties of ML function derivatives, their relationships with other elementary functions, and their asymptotic behavior for large arguments. Additionally, it presents an efficient technique for computing ML derivatives of any order and discusses their applications in circuits and systems. The structure of the paper is outlined, detailing the focus of each section on definitions, properties, Laplace transforms, asymptotic expansions, and the role of ML derivatives in solving multiterm FDEs.
Discussion
In this section, the authors discuss the derivatives of Mittag-Leffler (ML) functions, presenting a series of propositions that establish relationships between these derivatives and the ML functions themselves. They derive a series representation for the derivatives of the ML function \( E_{\alpha,\beta}(z) \) through term-by-term differentiation, leading to Proposition 1, which expresses higher-order derivatives in terms of lower-order ones. This recursive relationship is further explored in Proposition 2, where derivatives of any order can be expressed as linear combinations of ML functions, with coefficients defined recursively. Additionally, Proposition 3 extends this idea to relate derivatives of ML functions to lower-order derivatives, enhancing computational stability.
The authors also introduce the concept of ML functions as functions of a positive real variable, \( e_{\alpha,\beta}(t; \lambda) \), which simplifies the computation of derivatives compared to the complex argument case. They highlight the asymptotic behavior of these derivatives for large arguments, providing specific asymptotic expansions based on the argument’s sector in the complex plane. The section concludes by emphasizing the significance of ML functions in solving fractional differential equations (FDEs), detailing their role in analytical representations of solutions to multi-term FDEs, and presenting various propositions that illustrate the connections between ML functions, their derivatives, and the solutions to these equations.