本文转载自本人发布在简书平台上的文章
1. FDM解常微分方程
1.1. 问题描述
d
2
ϕ
d
x
2
=
S
ϕ
(1)
\frac{d^2\phi}{dx^2}=S_{\phi} \tag{1}
dx2d2ϕ=Sϕ(1)
这是二阶常微分方程(second-order Ordinary Differential Equation, ODE),考虑最简单的情况即
S
=
0
S=0
S=0,积分后可得
ϕ
=
c
1
x
+
c
2
\phi=c_1x+c_2
ϕ=c1x+c2,有两个待定系数,因此要求解该方程必须提供两个边界条件(因为方程中不包含时间项,因此无初始条件),例如
ϕ ( x L ) = ϕ L ϕ ( x R ) = ϕ R \phi(x_L)=\phi_L \quad \phi(x_R)=\phi_R ϕ(xL)=ϕLϕ(xR)=ϕR
1.2. 场和边界
我们把上述方程转化为一个场(field)。试想存在一维(因为 ϕ \phi ϕ仅与一个变量有关)直线,线上有若干等距分布的结点(node),每个结点都有唯一的 ϕ \phi ϕ,那么 ϕ \phi ϕ和 x x x的关系满足上述方程。
内部结点满足方程,那么边界上的 ϕ ( x L ) \phi(x_L) ϕ(xL)和 ϕ ( x R ) \phi(x_R) ϕ(xR)呢?事实上,边界应是内部结点的延申,即边界点也应该满足上述方程。这也是为什么我们可以通过两个边界条件求解 ϕ = c 1 x + c 2 \phi=c_1x+c_2 ϕ=c1x+c2的原因,这隐含的假设就是边界点满足常微分方程。
1.3. 结点上的值
用数值方法求解上述方程等价于求解场内每个结点上的 ϕ \phi ϕ,结点 i i i的上式表达为
d 2 ϕ d x 2 ∣ i \frac{d^2\phi}{dx^2}\bigg|_{i} dx2d2ϕ∣ ∣i
如何从结点值 ϕ i \phi_i ϕi得到导数值?很自然想到用Taylor展开。需要注意的是,Taylor展开隐含的假设是 ϕ \phi ϕ无限可导。将 i i i关于周围两点做Taylor展开,即
假设等距,则
d 2 ϕ d x 2 ∣ i = ϕ i + 1 + ϕ i − 1 − 2 ϕ i ( Δ x ) 2 − ( Δ x ) 2 12 d 4 ϕ d x 4 ∣ i + . . . (2) \frac{d^2\phi}{dx^2}\bigg|_{i} =\frac{\phi_{i+1}+\phi_{i-1}-2\phi_i}{(\Delta x)^2}-\frac{(\Delta x)^2}{12} \frac{d^4\phi}{dx^4}\bigg|_{i} + ... \tag{2} dx2d2ϕ∣ ∣i=(Δx)2ϕi+1+ϕi−1−2ϕi−12(Δx)2dx4d4ϕ∣ ∣i+...(2)
ε i = − ( Δ x ) 2 12 d 4 ϕ d x 4 ∣ i + . . . \varepsilon_i=-\frac{(\Delta x)^2}{12} \frac{d^4\phi}{dx^4}\bigg|_{i} + ... εi=−12(Δx)2dx4d4ϕ∣ ∣i+...
其中 ε i \varepsilon_i εi为离散误差或截断误差(discretization or truncation error),该误差正比于距离的平方,因此我们称上式对导数的逼近有二阶精度。
1.4. 边界条件
上一部分是对场内部结点的推导。边界上结点的值为边界条件,有以下三种形式:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-JFA8eir9-1659235581146)(https://upload-images.jianshu.io/upload_images/27641975-f329c2341566c1ba.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)]
1.4.1. Dirichlet
ϕ i = 1 = ϕ L \phi_{i=1}=\phi_L ϕi=1=ϕL
1.4.2. Neumann
d ϕ d x ∣ i = 1 = J L (3) \frac{d\phi}{dx}\bigg|_{i=1}=J_L \tag{3} dxdϕ∣ ∣i=1=JL(3)
将结点2关于结点1做Taylor展开,可以得到一阶精度的梯度表达式
d ϕ d x ∣ i = 1 = ϕ 2 − ϕ 1 Δ x + ε ( Δ x ) (4) \frac{d\phi}{dx}\bigg|_{i=1}=\frac{\phi_2-\phi_1}{\Delta x}+\varepsilon(\Delta x) \tag{4} dxdϕ∣ ∣i=1=Δxϕ2−ϕ1+ε(Δx)(4)
将结点3关于结点1做Taylor展开,结合上式可以进一步得到二阶精度
d ϕ d x ∣ i = 1 = 4 ϕ 2 − ϕ 3 − 3 ϕ 1 2 Δ x + ε ( Δ x 2 ) (5) \frac{d\phi}{dx}\bigg|_{i=1}=\frac{4\phi_2-\phi_3-3\phi_1}{2\Delta x}+\varepsilon(\Delta x^2) \tag{5} dxdϕ∣ ∣i=1=2Δx4ϕ2−ϕ3−3ϕ1+ε(Δx2)(5)
对于非Dirichlet的边界条件,应尽量让边界点也满足内部结点的控制方程。
对
ϕ
2
\phi_2
ϕ2和
ϕ
3
\phi_3
ϕ3关于结点1展开可得
ϕ 2 = ϕ 1 + ( Δ x ) d ϕ d x ∣ i = 1 + ( Δ x 2 ) d 2 ϕ d x 2 ∣ i = 1 . . . ϕ 3 = ϕ 1 + ( 2 Δ x ) d ϕ d x ∣ i = 1 + ( 4 Δ x 2 ) d 2 ϕ d x 2 ∣ i = 1 . . . \phi_2=\phi_1+(\Delta x)\frac{d\phi}{dx}\bigg|_{i=1}+(\Delta x^2)\frac{d^2\phi}{dx^2}\bigg|_{i=1}... \\ \phi_3=\phi_1+(2\Delta x)\frac{d\phi}{dx}\bigg|_{i=1}+(4\Delta x^2)\frac{d^2\phi}{dx^2}\bigg|_{i=1}... ϕ2=ϕ1+(Δx)dxdϕ∣ ∣i=1+(Δx2)dx2d2ϕ∣ ∣i=1...ϕ3=ϕ1+(2Δx)dxdϕ∣ ∣i=1+(4Δx2)dx2d2ϕ∣ ∣i=1...
将边界条件公式(3)代入上式可得
ϕ 2 = ϕ 1 + ( Δ x ) J L + . . . ϕ 3 = ϕ 1 + ( 2 Δ x ) J L + . . . \phi_2=\phi_1+(\Delta x)J_L+... \\ \phi_3=\phi_1+(2\Delta x)J_L+... ϕ2=ϕ1+(Δx)JL+...ϕ3=ϕ1+(2Δx)JL+...
将上式整理并消去三阶导数项( d 3 ϕ / d x 3 d^3\phi/dx^3 d3ϕ/dx3)可得结点1满足的二阶导数项的离散格式:
d 2 ϕ d x 2 ∣ i = 1 = 8 ϕ 2 − ϕ 3 − 7 ϕ 1 − ( 6 Δ x ) J L 2 ( Δ x ) 2 + ε ( Δ x 2 ) (6) \frac{d^2\phi}{dx^2}\bigg|_{i=1}=\frac{8\phi_2-\phi_3-7\phi_1-(6\Delta x)J_L}{2(\Delta x)^2}+\varepsilon(\Delta x^2) \tag{6} dx2d2ϕ∣ ∣i=1=2(Δx)28ϕ2−ϕ3−7ϕ1−(6Δx)JL+ε(Δx2)(6)
上式为结点1满足的控制方程,并用上了梯度边界条件。需要说明的是,不用公式(6)而用公式(4,5)同样可以求解问题,但是前者的精度更高。
上述处理方式的意义:FDM的操作流程是对微分方程逐项离散、在每个结点上离散。本节离散的ODE只包含一个二阶导数项,需要在每个结点上对其离散。前文对内部结点采用二阶中心差分离散,我们同样希望在边界点对二阶导数项做离散,因此有了方程(6).
除了上述采用内结点对边界结点Taylor展开的方式,《数值传热学》4.3.2小节给出了另一种方法,即设置边界外的辅助结点,此处不再展开。
1.4.3. Robin
α ϕ 1 + β d ϕ d x ∣ i = 1 = γ \alpha \phi_1 + \beta \frac{d\phi}{dx}\bigg|_{i=1}=\gamma αϕ1+βdxdϕ∣ ∣i=1=γ
类似地,令边界结点1既满足控制方程又满足边界条件。对上式移项可得
d ϕ d x ∣ i = 1 = γ − α ϕ 1 β \frac{d\phi}{dx}\bigg|_{i=1}=\frac{\gamma-\alpha \phi_1}{\beta} dxdϕ∣ ∣i=1=βγ−αϕ1
同样代入 ϕ 2 \phi_2 ϕ2和 ϕ 3 \phi_3 ϕ3的Taylor展开,
ϕ 2 = ϕ 1 + ( Δ x ) ( γ − α ϕ 1 β ) + . . . ϕ 3 = ϕ 1 + ( 2 Δ x ) ( γ − α ϕ 1 β ) + . . . \phi_2=\phi_1+(\Delta x) \left( \frac{\gamma-\alpha \phi_1}{\beta} \right) +... \\ \phi_3=\phi_1+(2\Delta x) \left( \frac{\gamma-\alpha \phi_1}{\beta} \right) +... ϕ2=ϕ1+(Δx)(βγ−αϕ1)+...ϕ3=ϕ1+(2Δx)(βγ−αϕ1)+...
消去三阶导数项并移项可得
d 2 ϕ d x 2 ∣ i = 1 = 8 ϕ 2 − ϕ 3 − 7 ϕ 1 − ( 6 Δ x ) J L 2 ( Δ x ) 2 + ε ( Δ x 2 ) (7) \frac{d^2\phi}{dx^2}\bigg|_{i=1}=\frac{8\phi_2-\phi_3-7\phi_1-(6\Delta x)J_L}{2(\Delta x)^2}+\varepsilon(\Delta x^2) \tag{7} dx2d2ϕ∣ ∣i=1=2(Δx)28ϕ2−ϕ3−7ϕ1−(6Δx)JL+ε(Δx2)(7)
其中
J L = d ϕ d x ∣ i = 1 = γ − α ϕ 1 β J_L=\frac{d\phi}{dx}\bigg|_{i=1}=\frac{\gamma-\alpha \phi_1}{\beta} JL=dxdϕ∣ ∣i=1=βγ−αϕ1
1.5. 组建矩阵
有了内部结点的离散格式和边界条件,我们便可对每个结点列方程。由于结点 i i i离散格式中势必会包含其他结点信息,例如对结点 i i i
A i , 1 ϕ 1 + . . . + A i , i − 1 ϕ i − 1 + A i , i ϕ i + A i , i + 1 ϕ i + 1 + . . . + A i , N ϕ N = Q i A_{i,1}\phi_1 + ... + A_{i,i-1}\phi_{i-1} + A_{i,i}\phi_i + A_{i,i+1}\phi_{i+1} + ... + A_{i,N}\phi_N =Q_i Ai,1ϕ1+...+Ai,i−1ϕi−1+Ai,iϕi+Ai,i+1ϕi+1+...+Ai,NϕN=Qi
将所有结点的方程组合起来,借助矩阵运算求解。
2. FDM求解泊松方程:二维问题
二维Poisson方程:
∇ 2 ϕ = ∂ 2 ϕ ∂ x 2 + ∂ 2 ϕ ∂ y 2 = S ϕ (8) \nabla^2 \phi=\frac{\partial^2 \phi}{\partial x^2} + \frac{\partial^2 \phi}{\partial y^2} = S_{\phi} \tag{8} ∇2ϕ=∂x2∂2ϕ+∂y2∂2ϕ=Sϕ(8)
如果 S ϕ = 0 S_{\phi}=0 Sϕ=0,则退化为Laplace方程。二阶偏导数项同样使用Taylor展开,只不过针对该问题应使用二维展开。如果使用正交网格结点,则相当于在每一维独自做Taylor展开。
按下图所示,网格结点可分为内部结点和边界结点。
2.1. 内部结点控制方程
由上文公式(2)可知,两个二阶偏导数项可分别写为
∂ 2 ϕ ∂ x 2 ∣ i , j = ϕ i + 1 , j + ϕ i − 1 , j − 2 ϕ i , j ( Δ x ) 2 + ε ( Δ x 2 ) (9) \frac{\partial^2\phi}{\partial x^2}\bigg|_{i,j} =\frac{\phi_{i+1,j}+\phi_{i-1,j}-2\phi_{i,j}}{(\Delta x)^2} + \varepsilon(\Delta x^2) \tag{9} ∂x2∂2ϕ∣ ∣i,j=(Δx)2ϕi+1,j+ϕi−1,j−2ϕi,j+ε(Δx2)(9)
∂ 2 ϕ ∂ y 2 ∣ i , j = ϕ i , j + 1 + ϕ i , j − 1 − 2 ϕ i , j ( Δ y ) 2 + ε ( Δ y 2 ) (10) \frac{\partial^2\phi}{\partial y^2}\bigg|_{i,j} =\frac{\phi_{i,j+1}+\phi_{i,j-1}-2\phi_{i,j}}{(\Delta y)^2} + \varepsilon(\Delta y^2) \tag{10} ∂y2∂2ϕ∣ ∣i,j=(Δy)2ϕi,j+1+ϕi,j−1−2ϕi,j+ε(Δy2)(10)
去掉高阶项,可得内部结点控制方程
ϕ i + 1 , j + ϕ i − 1 , j − 2 ϕ i , j ( Δ x ) 2 + ϕ i , j + 1 + ϕ i , j − 1 − 2 ϕ i , j ( Δ y ) 2 ≈ S i , j (11) \frac{\phi_{i+1,j}+\phi_{i-1,j}-2\phi_{i,j}}{(\Delta x)^2} + \frac{\phi_{i,j+1}+\phi_{i,j-1}-2\phi_{i,j}}{(\Delta y)^2} \approx S_{i,j} \tag{11} (Δx)2ϕi+1,j+ϕi−1,j−2ϕi,j+(Δy)2ϕi,j+1+ϕi,j−1−2ϕi,j≈Si,j(11)
2.2. 下边界
Robin边界条件
α ϕ ( x , 0 ) + β ∂ ϕ ∂ y ∣ x , 0 = γ \alpha \phi (x,0) + \beta \frac{\partial \phi}{\partial y}\bigg|_{x,0} = \gamma αϕ(x,0)+β∂y∂ϕ∣ ∣x,0=γ
对于下边界的某个非边角结点 ( i , 1 ) (i,1) (i,1),其中 i ≠ 1 , i ≠ N i\neq 1, i\neq N i=1,i=N,根据公式(7)来构建既满足边界条件又满足内部结点控制方程的离散格式,即公式(7)
∂ 2 ϕ ∂ y 2 ∣ i , 1 = 8 ϕ i , 2 − ϕ i , 3 − ( 7 − 6 Δ y α β ) ϕ i , 1 − 6 Δ y ( γ / β ) 2 ( Δ y ) 2 (12) \frac{\partial^2\phi}{\partial y^2}\bigg|_{i,1} = \frac{8\phi_{i,2}-\phi_{i,3}-(7-6\Delta y \frac{\alpha}{\beta}) \phi_{i,1} - 6\Delta y (\gamma / \beta)}{2(\Delta y)^2} \tag{12} ∂y2∂2ϕ∣ ∣i,1=2(Δy)28ϕi,2−ϕi,3−(7−6Δyβα)ϕi,1−6Δy(γ/β)(12)
而下边界上 x x x的二阶偏导数项仍按照公式(9)离散。因此,下边界结点的控制方程由公式(9)和(12)组成。
2.3. 右边界
Neumann边界条件
∂ ϕ ∂ x ∣ L , y = J R \frac{\partial\phi}{\partial x}\bigg|_{L,y} = J_R ∂x∂ϕ∣ ∣L,y=JR
使用公式(6)得到 x x x的二阶偏导数项,即
∂ 2 ϕ ∂ x 2 ∣ N , j = 8 ϕ N − 1 , j − ϕ N − 2 , j − 7 ϕ N , j − ( 6 Δ x ) J R 2 ( Δ x ) 2 (13) \frac{\partial^2\phi}{\partial x^2}\bigg|_{N,j}=\frac{8\phi_{N-1,j}-\phi_{N-2,j}-7\phi_{N,j}-(6\Delta x)J_R}{2(\Delta x)^2} \tag{13} ∂x2∂2ϕ∣ ∣N,j=2(Δx)28ϕN−1,j−ϕN−2,j−7ϕN,j−(6Δx)JR(13)
而 y y y的二阶偏导数项仍用公式(10)。右下角的结点 ( N , 1 ) (N,1) (N,1)应同时满足Robin和Neumann边界条件,该结点的 x x x偏导数项应使用公式(13), y y y应使用公式(12)
2.4. 上边界和左边界
Dirichlet边界条件:
ϕ ( 0 , y ) = ϕ L ϕ ( x , H ) = ϕ T \phi(0,y)=\phi_L \\ \phi(x,H)=\phi_T ϕ(0,y)=ϕLϕ(x,H)=ϕT