Конечно-разностный метод решения для уравнений параболического типа
Для неявной схемы (22) на возрастающем решении, наоборот, решение завышено по сравнению с точным, поскольку оно определяется по значениям сеточной функции на верхнем временном слое.
На убывающем решении картина изменяется противоположным образом: явная конечно-разностная схема завышает решения, а неявная — занижает (Рисунок 4).
На основе этого анализа возникла идея о построении более точной неявно-явной конечно-разностной схемы с весами при пространственных конечно-разностных операторах, причем при измельчении шагов тик точное (неизвестное) решение может быть взято в «вилку» сколь угодно узкую, так как если явная и неявная схемы аппроксимируют дифференциальную задачу и эти схемы устойчивы, то при стремлении сеточных характеристик τ и h к нулю решения по явной и неявной схемам стремятся к точному решению с разных сторон.

Рисунок 4 – Двусторонний метод аппроксимации
Проведенный анализ дал блестящий пример так называемых двусторонних методов, исследованных В. К. Саульевым
Рассмотрим неявно-явную схему с весами для простейшего уравнения теплопроводности:
(23)
где θ – вес неявной части конечно-разностной схемы,
θ-1 – вес для явной части
Причем
.
При θ=1
имеем полностью
неявную схему,
при θ=0
– полностью
явную схему,
а при θ=1/2
– схему Кранка-Николсона.
В соответствии с гармоническим анализом для схемы (23) получаем неравенство
,
откуда
(24)
причем правое неравенство выполнено всегда.
Левое
неравенство
имеет место
для любых значений
σ,
если
.
Если же вес θ
лежит в пределах
,
то между σ
и θ
из левого неравенства
устанавливается
связь
(25)
являющаяся
условием устойчивости
неявно-явной
схемы с весами
(23), когда вес
находится в
пределах
.
Таким
образом, неявно-явная
схема с весами
абсолютно
устойчива при
и
условно устойчива
с условием (25)
при
.
Рассмотрим
порядок аппроксимации
неявно-явной
схемы с весами,
для чего разложим
в ряд Тейлора
в окрестности
узла (xj,tk)
на точном решении
значения сеточных
функций
по переменной
t,
,
по переменной
х
и полученные
разложения
подставим в
(23):

В этом
выражении
дифференциальный
оператор
от квадратной
скобки в соответствии
с дифференциальным
уравнением
равен дифференциальному
оператору
,
в соответствии
с чем вышеприведенное
равенство
приобретает
вид

После упрощения получаем
,
откуда
видно, что для
схемы Кранка-Николсона
(θ
= 1/2) порядок
аппроксимации
схемы (23) составляет
,
т.е. на один порядок
по времени
выше, чем для
обычных явных
или неявных
схем. Таким
образом, схема
Кранка-Николсона
при θ
= 1/2 абсолютно
устойчива и
имеет второй
порядок аппроксимации
по времени и
пространственной
переменной
х.
Используем
в уравнение
(23) подстановку
r=a2k/h2.
Но в то же время
его нужно решить
для трех "еще
не вычисленных"
значений
,
,
и
.
Это возможно,
если все значения
перенести в
левую часть
уравнения.
Затем упорядочим
члены уравнения
(23) и в результате
получим неявную
разностную
формулу
(26)
для i=2,3,…,n-1. Члены в правой части формулы (26) известны. Таким образом, формула (26) имеет вид линейной трехдиагональной системы АХ=В. Шесть точек, используемых в формуле Кранка-Николсона (26), вместе с промежуточной точкой решетки, на которой основаны численные приближения, показаны на рисунке 5.

Рисунок 5 – Шаблон (схема) метода Кранка-Николсона
Иногда
в формуле (26)
используется
значение r=1.
В этом случае
приращение
по оси t
равно
,
формула (26) упрощается
и принимает
вид
,
(27)
для
i=2,3,…,n-1.
Граничные
условия используются
в первом и последнем
уравнениях
(т. е. в
и
соответственно).
Уравнения (27) особенно привлекательны при записи в форме трехдиагональной матрицы АХ = В.
Если метод Кранка-Николсона реализуется на компьютере, то линейную систему АХ = В можно решить либо прямым методом, либо итерационным.

2. Практическая часть
2.1 Постановка задачи
Используем метод Кранка-Николсона, чтобы решить уравнение
,
где xϵ(0;1),
tϵ(0;0.1),
с начальным условием
,
где t=0,
xϵ(0;1),
и граничными условиями
u(0,t) = g1(t) ≡ 0,
u(1,t) = g2(t) ≡ 0.
2.2 Решение в ППП MatLab
Решение будем искать в ППП MatLab 7. Создадим четыре выполняемых m-фала: crnich.m – файл-функция с реализацией метода Кранка-Николсона; trisys.m – файл-функция метода прогонки; f.m – файл-функция задающая начальное условие задачи; fе.m – файл-функция задающая функцию определяющую точное решение задачи(найдена аналитическим путем). Листинги программ представлены в приложении А.
Для простоты возьмем шаг Δх = h = 0,1 и Δt = к = 0,01. Таким образом, соотношение r =1. Пусть решетка имеет n=11 столбцов в ширину и m=11 рядов в высоту.
2.3 Анализ результатов
Решения для данных параметров отразим в таблице 1. Трехмерное изображение данных из таблицы покажем на рисунке 5.
Таблица 1 – Значения u(хi, ti), полученные методом Кранка-Николсона
| xi | 0 | 0.1 | 0.2 | 0.3 | 0.4 | 0.5 | 0.6 | 0.7 | 0.8 | 0.9 | 1 |
| ti | |||||||||||
| 0 | 0 | 1.1180 | 1.5388 | 1.1180 | 0.3633 | 0 | 0.3633 | 1.1180 | 1.5388 | 1.1180 | 0 |
| 0.01 | 0 | 0.6169 | 0.9288 | 0.8621 | 0.6177 | 0.4905 | 0.6177 | 0.8621 | 0.9288 | 0.6169 | 0 |
| 0.02 | 0 | 0.3942 | 0.6480 | 0.7186 | 0.6800 | 0.6488 | 0.6800 | 0.7186 | 0.6480 | 0.3942 | 0 |
| 0.03 | 0 | 0.2887 | 0.5067 | 0.6253 | 0.6665 | 0.6733 | 0.6665 | 0.6253 | 0.5067 | 0.2887 | 0 |
| 0.04 | 0 | 0.2331 | 0.4258 | 0.5560 | 0.6251 | 0.6458 | 0.6251 | 0.5560 | 0.4258 | 0.2331 | 0 |
| 0.05 | 0 | 0.1995 | 0.3720 | 0.4996 | 0.5754 | 0.6002 | 0.5754 | 0.4996 | 0.3720 | 0.1995 | 0 |
| 0.06 | 0 | 0.1759 | 0.3315 | 0.4511 | 0.5253 | 0.5504 | 0.5253 | 0.4511 | 0.3315 | 0.1759 | 0 |
| 0.07 | 0 | 0.1574 | 0.2981 | 0.4082 | 0.4778 | 0.5015 | 0.4778 | 0.4082 | 0.2981 | 0.1574 | 0 |
| 0.08 | 0 | 0.1419 | 0.2693 | 0.3698 | 0.4338 | 0.4558 | 0.4338 | 0.3698 | 0.2697 | 0.1419 | 0 |
| 0.09 | 0 | 0.183 | 0.2437 | 0.3351 | 0.3936 | 0.4137 | 0.3936 | 0.3351 | 0.2437 | 0.1283 | 0 |
| 0.1 | 0 | 0.1161 | 0.2208 | 0.3038 | 0.3570 | 0.3753 | 0.3570 | 0.3038 | 0.2208 | 0.1161 | 0 |
Величины, полученные методом Кранка-Николсона, достаточно близки к
аналитическому решению u(x,t) = sin(πx)e-π2t+ sin(3πx)e-9π2t, истинные значения для последнего представлены в таблице 2
Максимальная погрешность для данных параметров равна 0,005
Таблица 2 – точные значения u(хi, ti), при t=0.1
| xi | 0 | 0.1 | 0.2 | 0.3 | 0.4 | 0.5 | 0.6 | 0.7 | 0.8 | 0.9 | 1 |
| t11 | |||||||||||
| 0.1 | 0 | 0.1153 | 0.2192 | 0.3016 | 0.3544 | 0.3726 | 0.3544 | 0.3016 | 0.2192 | 0.1153 | 0 |

Рисунок 5 – Решение u=u(хi, ti), для метода Кранка-Николсона
ЗАКЛЮЧЕНИЕ
В зависимости от формы области, краевых условий, коэффициентов исходного уравнения метод конечных разностей имеет погрешности аппроксимации от первого до четвертого порядка относительно шага. В силу этого они успешно используются для разработки программных комплексов автоматизированного проектирования технических объектов.
В МКР строятся, как правило, регулярные сетки, особенности геометрии области учитываются только в около граничных узлах. В связи с этим МКР чаще применяется для анализа задач с прямолинейными границами областей определения функций.
Проблемой методов конечных разностей является высокая размерность результирующей системы алгебраических уравнений (несколько десятков тысяч в реальных задачах. Поэтому реализация методов конечных разностей в составе САПР требует разработки специальных способов хранения матрицы коэффициентов системы и методов решения последней.
Библиографический список
Березин И.С., Жидков Н.П. Методы вычислений. Т.2. – М.: Физматгиз, 1962.
Мэтьюз, Джон, Г., Финк, Куртис, Д. Численные методы. Использование MATLAB, 3-е издание.— М. : Вильяме, 2001. — 720 с
Тихонов А.Н., Самарский А.А. Уравнения математической физики. – М.: Наука, 1972.
Формалев В.Ф., Ревизников Д.Л. Численные методы. – М.: ФИЗМАТЛИТ, 2004. - 400 с.
Пирумов У.Г. Численные методы. – М.: Издательство МАИ, 1998.
Калиткин Н.Н. Численные методы. – М.: Наука, 1976.
ПРИЛОЖЕНИЕ А
Листинг программы для расчета по методу Кранка-Николсона
f.m
function F=f(x)
F=sin(pi*x)+sin(3*pi*x);
ft.m
function F=f(x,t)
F=sin(pi*x)*exp(-pi^2*t)+sin(3*pi*x)*exp(-9*pi^2*t);
tisys.m
function X=trisys(A,D,C,B)
N=length(B);
for k=2:N
mult=A(k-1)/D(k-1);
D(k)=D(k)-mult*C(k-1);
B(k)=B(k)-mult*B(k-1);
end
X(N)=B(N)/D(N);
for k= N-1:-1:1
X(k)=(B(k)-C(k)*X(k+1))/D(k);
end
crnich.m
function [U,Y]=crnich(c1,c2,a,b,c,n,m)
clc;
% - c1=u(0,t) и c2=u(a,t)
% - а и b - правые точки интервалов [0,а] и [0,Ь]
% - с - постоянная уравнения теплопроводности
% - n и m - число точек решетки на интервалах [0,а] и [0,Ь]
%Выход - U - матрица решений
%Инициализация параметров и матрицы U
h=a/(n-1);
k=b/(m-1);
r=c^2*k/h^2;
s1=2+2/r;
s2=2/r-2;
U=zeros(n,m);
%Граничные условия
U(1,1:m)=c1;
Продолжение ПРИЛОЖЕНИЯ А
U(n,1:m)=c2;
%Генерирование первого ряда
U(2:n-1,1)=f(h:h:(n-2)*h)';
%Формирование диагональных и не лежащих на диагонали
%элементов А, вектора постоянных В '
%и решение трехдиагональной системы АХ=В
Vd(1,1:n)=s1*ones(1,n);
Vd(1)=1;
Vd(n)=1;
Va=-ones(1,n-1);
Va(n-1)=0;
Vc=-ones(1,n-1);
Vc(1)=0;
Vb(1)=c1;
Vb(n)=c2;
for j=2:m
for i=2:n-1
Vb(i)=U(i-1,j-1)+U(i+1,j-1)+s2*U(i,j-1);
end
X=trisys(Va,Vd,Vc,Vb);
U(1:n,j)=X';
end
U=U';
%точное решение и определение погрешности
x=0:h:h*(n-1);
t=0:k:k*(m-1);
for i=1:1:n
for j=1:1:m
Y(i,j)=ft(x(i),t(j));
end
end
Y=Y';
pogr=(abs(Y-U));
max(max(pogr))
surf(U)
xlabel('X');
ylabel('t');
zlabel('U(x,t)');
colorbar;
axis([0 n 0 m 0 max(max(U))]);
Размещено на
27